2.1 전기설비 안전관리 시스템의 개요

현재 국내의 전기안전관리 시스템은 안전관리자를 선임하고 유지관리하며 3년마다 법정 검사를 시행하는 것으로 2016년부터는 전기안전관리자 직무에 관한 고시를 통해 전기설비 점검 및 진단 기록을 유지하고 있다.

전기설비 진단기술은 고장 후 보수하는 BM (Breakdown Maintenance)에서 설비의 부품을 일정시간마다 교체하는 TBM(Time Based Maintenance)으로 발전되었고, 센서 및 디지털 기술의 발전으로 실시간 예지‧보전할 수 있는 실시간 상태감시인 CBM(Condition Based Maintenance)과 신뢰성이 확보된 RCM (Reliability Centered Maintenance)으로 나아가고 있다^[4].

전기설비 관리는 전기안전관리법 시행규칙에 규정되어 있으며, 사용전검사, 일상점검, 정기점검을 통해 관리되고 있다. 이를 Fig. 1에 나타내었다.

Fig. 1. Electrical equipment safety management system

통계자료에 의하면, 수‧배전설비에서 발생한 사고는 총 7,500여 건으로 이들 중에서 수‧배전용 개폐기 및 COS에서 가장 많은 14.7%의 사고가 발생하였으며, 변압기, 계기용 변성기, 인입선로, 전력퓨즈, 차단기류 순으로 발생하여 이에 대한 지속적인 안전관리가 필요할 것으로 파악된다^[5].

특히, 유지보수 미비로 인한 정전은 지역 전체의 손실을 가져올 수 있으며 선제적인 안전관리 대책과 다중이용시설의 정확한 점검을 위해서는 신뢰성 있는 측정장비의 확보가 요구된다. Fig. 2와 같은 다수의 하드웨어 제품(무정전 진단장비, 누설전류 측정장비 등)과 소프트웨어 제품(모니터링 시스템 등)의 안전성 및 성능에 대한 검증이 필요하다^[6].

Fig. 2. Concept of power facility management technology

2.2 무정전 진단기술 용도 및 적용분야

저‧특고압 다중화시설 전기설비 이력 관리체계 구축, 전기안전관리 공공서비스 제공 및 저‧특고압 전기설비 무정전 진단기술을 개발함으로써 계측진단 및 이기종 통합 IoT 모듈을 전력설비(변압기, MOF, 모선 및 접속재)의 열화 취약 지점에 가장 근접한 장소에서 신호(정보)를 센싱한다. 그리고 고장징후 패턴을 수학적 모델링을 통하여 데이터를 저장하고 무선 송수신하는 사물인터넷(IoT) 진단기술을 적용한다. Sensor node는 센싱부, MCU, 통신부 등 결합의 일체형 모듈로 구성되어 있다.

주요 센싱항목은 온도(적외선 방사에너지), 충격, 초음파로 MCU(Micro Control Unit)는 저전력형 센서 허브기능을 수행하고 센서 정보를 종합하여 저장성능 적용, 센서와 신호 처리를 위한 하드웨어는 일체형으로 개발할 Fig. 3과 같은 개요로 집적화 및 소형화를 통한 스마트센서 장치로 적용할 예정이다.

Fig. 3. Smart sensor concept diagram

Fig. 4는 적용분야에 대한 내용으로 보험제도 프로세스를 민간 전기안전 활성화 대책에 도입하기 위해 한국화재보험협회와 공동으로 계획 중인 화재보험 분야의 전기설비의 안전 상태에 따른 요율 할인 등급제 도입 검토계획을 나타낸 것이다.

전술한 위험예측 시스템의 위험경감에 대한 안전진단(안)은 그림과 같이 현 상태의 안전상태 및 자료 등을 확인하고 안전조직 관리시스템, 잠재 위험 평가 등 현장실사를 통한 최종 위험수준 평가와 종합대책을 수립하여 체계화된 가이드라인을 마련할 수 있다.

Fig. 4. Examples of safety diagnosis guidelines

2.3 Test-bed 구축 필요성

무정전 진단시스템을 모의하고 시스템 도입 시 발생 가능한 문제점을 실증하기 위하여 Test-bed를 구축한다. 각 전기설비마다의 적절한 부하 환경을 모의하여 실제 진단시스템 설치 시 발생 가능한 문제점을 유도하고 시스템 개선에 이용할 수 있다^[7].

3.1 기술개발 추진 전략

한국전기기술인협회 연구원은 국내외 ESS 시스템 표준과 관련하여 국내 단체표준 2종을 제정하였으며 IEC TC120 IEC 62933-4-3 (The protection requirements of BESS according to the environmental conditions and location types) 프로젝트 리더를 수임하여 국내 기술 기반의 국제 표준 개발을 주도하고 있다. 또한, 국제표준위원으로서 국제표준을 리드하고 있으며, IEC 62933-4-3(The protection requirements of BESS according to the environmental conditions and location types) 국제표준을 개발 중으로 Fig. 5와 같은 IEC 위원 인프라 활용 및 표준화 노화우를 토대로 향후 무정전 진단기술 개발에 대한 운영 및 관리 등 국내/국제 표준 추진능력 배양과 현재 IEC 62933-4-3 문서를 NP(제안문서) 단계에서 현재 CD(위원회 문서 초안) 단계까지 도출하였다.

Fig. 5. International electrotechnical commission technical committee 120 : Electrical energy storage system an opening document

풍부한 전기품질 데이터 확보와 함께 총합 1.5조 개가 넘는 한국전기기술인협회 컨소시엄의 풍부한 데이터를 기반으로 AI/Big data 기술을 활용한 장비의 성능을 세계 최고수준으로 학습시킬 계획이다.

온라인 데이터 확보계획은 모의실험 및 실증으로 정상운전 중 발생하는 신호와 가속열화를 통한 잠재적 고장 진전과정 평가(데이터 건수 예 : 10종 기기 × 결함유형 6개 × 수집회수 1건(60회/초) × 24건(일) × 180회(6개월) ≒ 26만 건), Fig. 6과 같은 내용확보 및 고장모의를 통한 위험전조 신호 분석, 실증검증에 의한 복합적인 열화요인의 인과적 관계 분석, 대상설비인 변압기·케이블·개폐기·MOF·분전반 등을 통해 확보한다.

Fig. 6. Electric quality data in the KEEA consortium

수집 방법 및 신호 분류로는 오실로스코프(파형, Peak, 패턴, 누적평균 등), 센서(초음파, 전자파, 비접촉 적외선 온도, 가속도/변위, 전류) 등을 활용하며, 온라인 및 오프라인 데이터를 동시에 확보 및 활용하기 위해 “데이터 컬렉터 모듈”을 자체 개발한다. 본 과제에서 수집되는 시스템의 데이터는 온라인으로 처리하고 기존 데이터(오프라인 데이터)는 전용 Data Convertor를 개발하여 CSV 파일로 시스템에 Fig. 7과 같이 연계하여 수집, 분류한다.

Fig. 7. Data linkage, collection, and load flow

활선상태의 고전압/대전류 측정에 대한 정확한 기술수요를 파악, 이에 적합한 세계 최고수준의 기반 기술을 확보한다. 그리고 해외 선진업체들의 기술개발 추이를 고려하여 개발 목표를 탄력적으로 조정하는 방식을 통해 World Best 제품을 개발하고 운용자 및 생산자와 유기적인 컨소시엄을 구성하여 운용자 분석부터 기술개발, 제품평가에 이르는 전반적인 연구에 필요한 기술 조사를 시행한다.

한국산업기술시험원에서 인증을 지원하며, 특히 본 과제의 성과목표인 K마크 인증을 담당하고 있어 규격개발 및 Fig. 8과 같은 인증획득의 가이드라인을 제공할 수 있다.

Fig. 8. Certifications supported by Korea Testing Laboratory

또한, 축적된 시험평가기술 노하우 및 평가 시스템 인프라를 적극 활용하여 본 과제를 통해 개발되는 측정장비, 검사장비 및 시스템의 완성도 향상 및 신뢰성 확보가 Table 1과 같이 가능하다.

무정전 진단장비의 전기설비별 판정기준 개발은 대한전기협회와 협업하여 국내‧외 진단장비에 대한 판정기준, 측정 데이터 비교 및 분석, 저‧고압 전기설비별 전기설비사고 메커니즘 작성 및 판정기준에 반영, 산‧학‧연‧관으로 구성된 전문가 자문회의를 개최하여 판정기준을 정립한다^[8].

또한, 저압분전반의 무정전 진단시스템 개발로 신개념 진단센서(열화상, 접지저항, 다회로 전기안전계측)개발, 저압 분전반의 무정전 진단 데이터 수집‧전송 장치 개발, 저압 분전반의 무정전 진단시스템 S/W 개발을 진행한다. 진단 기술/장비 신뢰성 확보를 위하여 수‧배전반/특고압 전기설비 Test-bed 구축을 통해 현장 적용 실증의 전초단계를 마련함으로써 진단시스템의 안정적 현장 적용이 가능하다^[9].

3.2 무정전 진단 기술개발 추진체계

위상각 산출에 의한 저항성 누설전류 측정 개발을 진행하기위해 전압 파형의 360°(1 Cycle)를 Sampling 주파수로 나누어 카운팅 하고 전류 파형에서의 Zero Crossing으로부터 카운팅 하여 그 차수만큼을 저항성 누설전류와 용량성 누설전류로 분석한다.

기존 기술인 시간 축 이동 시간의 분석을 통하여 16.6ms의 고정시간을 축으로 하고 분석 시 시간 축 분석을 위한 회로의 추가로 회로 정수의 오차(전압, 전류 위상의 지연시간 확대)가 확대되어 계측 오차가 발생, 회로 구성을 위한 비용이 증가하게 된다.

이번 과제를 통해 저항 매트리스 방식의 직류 전용 절연저항 측정장치를 개발하고, 측정전압 범위도 1,500V로 높여서 특허를 확보할 계획이다.

DC 누설전류 측정은 수mA 이하로 측정하기 때문에 주위 노이즈 영향을 최소로 받는 Clamp Type의 직류 누설 전류 측정이 유리하므로 고 분해능의 접촉식 누설전류 검출용 Clamp CT 및 누설전류 감시장치를 개발하고자 한다. 또한 비교적 저전류 계통의 DC 200A 이하 누설전류 측정 장치 개발 및 ESS 등 대용량의 DC 전류 200A~800A용 접촉식 누설전류 검출용 Clamp CT 및 누설전류 감시장치를 개발한다.

Fig. 9. Test-bed construction system diagram

Fig. 10. Transformer example history and diagnosis items

특고압 전기설비 무정전 진단 장비 개발에서 고체 절연 고압전기설비(고압 몰드TR 등)에 비접촉식 전자파(UHF : Ultra High Frequency) 무정전 진단장치와 고체절연 고압전기설비 접촉식 HFCT(High Frequency Current Transformer) 무정전 진단장치 등을 포함한 무정전 진단장비를 개발하고자 한다. 또한 고압 고체절연재(에폭시) 표면에 직접 접촉할 수 있는 접촉식 전자파(UHF) 무정전 진단장치를 개발하고자 한다.

특고압 전기설비 무정전 진단장비 개발에서 접촉식 다기능 센서로 과도대지전압(TEV : Transient Earth Voltage) 센서와 초음파(AE : Acoustic Emission) 센서 및 무정전 진단장치를 개발하며, 고압 전기설비에 대해 비접촉식으로 적외선 열화상카메라 등을 추가로 개발하여 복합 열화를 판정할 예정이다.

저압분전반에 연결되는 부하설비, 분전반 자체 화재예방 및 접지선의 연속성을 확인하기 위하여 실시간으로 회로별 저항성 누설전류 측정, 열화상 측정, 접지저항 측정 데이터를 AI/Big data로 분석하는 안전진단 기법을 개발하여 지적재산권을 확보할 계획이다.

Fig. 10과 같은 개발을 통해 무정전 진단장비(시스템)와 다기능 진단장비(시스템)의 데이터 및 이벤트를 취득하여, AI 알고리즘 및 딥러닝에 의한 이벤트, 트랜드 알람부분에서 전력설비 결함관련 항목, 수명예측 항목, 사고징후 예측 항목 등에서 예측 알고리즘 개발 관련 특허출원에 대해 검토할 예정이다.

3.3 Test-bed 구축 추진체계

Fig. 9와 같이 전력설비 무정전 진단에 대한 Test-bed 국내·외 자료 조사 및 수집을 통하여 기초 설계 작성 및 시험장치 검토를 진행한다. 기초설계를 토대로 구축 장소와 상세설계를 진행하고 실제 Test-bed 구축장소에 수용가 부하에 가까운 시뮬레이션 환경을 구축한다.

3.4 진단항목 및 안전기준 선정

다양한 수용가의 전력설비 이력, 육안점검, 활선 진단, 사선진단의 Fig. 10과 같이 10만 건의 진단데이터를 확보하여 각 설비(변압기, 차단기, 고압반, 저압반, 케이블)운영시 필요한 진단항목을 선정하였으며 선정된 항목은 각 설비별 고장등급을 통한 안전기준 선정의 기초자료로 활용할 예정이다.

안전기준은 고장등급을 통하여 기준을 마련할 예정이다. 고장등급은 고장 평점법과 치명도 평점법 2가지로 선정이 가능하나, 본 논문에서는 국내 발전설비 위험도 평가와 전력설비 평가에 적합한 치명도 평점법을 통해 고장등급을 선정하였다.

평점항목은 Fig. 11과 같이 설비의 고장발생 가능성(Likelihood of Failure), 고장으로 인해 발생되는 고장피해(Consequence)의 5가지 항목으로 선정하였다.

Fig. 11. Rating according to the magnitude of the failure effect

치명도의 평점은 다음식과 같으며, 치명도에 고장등급은 Table 2와 같다.

치명도 평점 CE = F1×F2×F3×F4×F5

Table 3의 고장구분은 임무 달성에 중점을 둔 치명고장, 중대고장, 경미고장, 미소고장 4가지로 구분하였으며. 안전기준의 구분으로 활용될 예정이다.

3.5 실증설비 구축 및 운영방안

국내 다중이용시설의 업종별 부하특성 현황조사 및 Fig. 12와 같이 한국전기기술인협회의 축적된 데이터를 기반으로 하여 현장 실증에 적합한 다중이용시설의 선정이 가능하다.

한국전기기술인협회가 기존에 운영 중인 웹기반 진단정보시스템에 자가용 전기설비 진단 데이터(전력설비 진단 정보, 진단상세평가 정보, 정밀진단 정보)를 다수 보유하고 있어 해당 인프라를 활용함으로써 현장 실증에 필요한 다중이용시설에 대한 진단 데이터의 확보가 가능하다.

Fig. 12. Certifications supported by Korea Electric Engineers Association

Table 4. Site acceptance target(examples)

Table 4와 같이 협회에 등록되어있는 1200여개의 전기안전관리대행업체, 20여만 명의 전기안전관리자들이 약 375,000개소의 수용가에서 전기설비 안전관리를 담당하고 있으며, 전기안전관리법에 근거하여 선정된 수용가를 대상으로 실증을 진행한다.

3.5.3 Test-bed 구축방안

Fig. 13과 같이 변압기, 고압 및 저압차단기, 변성기, 계기용 변압기, 계기용 변성기, 케이블을 대상으로 고조파 발생기, 3상 부하기기, 가전기기, 열발생기 등의 부하설비를 연결하여 AC 및 DC 지락시험과 누설전류 시험 등을 유도하여 실제 수용가 사고 시뮬레이션을 진행할 예정이다.

Fig. 13. Example of load facility construction plan(low voltage panel)

4.1 결 론

전력설비 무정전 종합 진단 시스템을 개발하면서 실제 수용가의 부하설비에 가까운 시뮬레이션을 도출하기 위한 Test-bed를 구축할 것이다. 이를 통해 실제 현장에 진단 시스템 설치 시 발생되는 변수에 의한 사고 위험을 도출 및 개선하여 차후 안정적인 전기설비 고장 예방진단에 활용될 것이다.

또한, Test-bed를 통한 전기 설비의 설치·사용·환경 이력과 안전점검(검사) 빅-데이터를 바탕으로 진단항목 및 안전기준을 제시하고 도출된 결과는 AI 학습의 기초자료로 활용될 것이다.

4.2 향후 계획

본 논문의 Test-bed 구축을 통해 수집한 기반 측정 고장 데이터와 안전진단 기준을 대상으로 PSCAD 모델 비교를 통해서 실제 환경에서의 모델링 검증 및 보완을 실시한다. 보완된 PSCAD 모델을 기반으로 고장 상황의 모의 결과 데이터를 고장 예측 AI가 학습 가능한 형식으로 출력 및 저장할 것이며 온라인 및 오프라인 데이터의 동시 확보 및 활용을 위해 ‘데이터 컬렉터 모듈’을 자체 개발할 것이다. 또한, 진행 연구과제에서 개발되는 시스템 데이터는 온라인으로 처리하며 기존 데이터(오프라인 데이터)는 전용 ‘Data Convertor’를 개발하여 CSV 파일로 시스템에 연계시킬 것이다.

전기설비 진단항목 및 안전기준을 바탕으로 인공지능의 4가지 유형에 따라 Table 5와 같이 전기설비AI 레벨 분석 모델링을 실시한 후 전기설비 빅데이터 분석시스템을 설계할 것이다. 이를 통해 AI판정 알고리즘이 반영된 빅데이터 표준 플랫폼을 개발할 것이다. 최종적으로는 빅데이터 표준 플랫폼을 통해 AI기반 고장 분석/예측/자동화를 실행하여 다중이용시설 전기설비의 고장 예방진단을 할 것이다.