1.1 연구의 배경

우리나라에서는 1990년을 전후로 하여 산업사회의 급격한 발전이 이루어졌으며, 그에 따라 전력용 변압기와 가스절연개폐기 (gas insulated switchgear, GIS) 등과 같은 전력설비가 활발하게 설치되었다. 이후 전력망 증설 및 전력설비의 업그레이드를 목적으로 기존에 설치되었던 전력설비들이 추가적으로 신설 및 교체되고 있다 ^[1]. 대부분은 고장이 발생하기 전에 전력설비를 교체하고 있는데 일반적으로는 운전을 중지하고 설비의 상태를 수리 및 정비하는 등의 방법을 사용하고 있다. 그러나 최근 산업사회의 발전속도가 포화됨에 따라 전력설비 신설의 빈도가 낮아지고 있으며 이미 설치되어있는 설비를 활용하여 효율적으로 운전하고 관리하는 자산관리에 대한 관심이 증가하고 있다.

전력용 변압기의 경우, 미국은 1950년대부터 본격적인 설치가 시작되어 현재 운전년수가 약 70년 이상을 경과하고 있으므로 효율적인 폐기와 교체에 대한 연구가 활발히 수행되고 있다. 반면 우리나라는 1990년대부터 전력용 변압기의 설치가 본격적으로 진행되었으므로 2022년 현재 운전년수가 약 30년 정도 경과하고 있는 시점이다. 따라서 현재 운전되고 있는 전력설비의 관리 및 경영에 초점을 둔 자산관리에 대한 연구가 진행되어야 하며, 향후 전력설비 교체를 대비하여 미리 고장시기를 예측하고 대비할 수 있는 방안에 대한 연구가 진행되어야 한다.

본 연구에서는 여러 전력설비 중 GIS의 수명예측에 대한 연구를 진행하였다. GIS는 사고전류가 발생했을 때 회로를 차단하여 계통 및 전력기기를 보호하는 역할을 한다. 전력계통 내에서 단락이나 지락 등으로 인한 사고가 발생했을 때 적절하게 사고전류를 차단하지 못하면 대규모 정전으로 이어질 수 있으며, 대부분의 생산활동이 전기와 밀접한 관련이 있는 현대사회에서는 이러한 사고 발생 시 막대한 재산상의 피해뿐만 아니라 인명피해로 이어질 수 있다. 따라서 안정적인 전력 공급 및 예기치 못한 사고를 방지하기 위하여 전력설비의 수명을 분석하고, 앞으로 발생할 수 있는 고장대수를 예측하여 설비 교체 및 관리에 대한 계획을 세우는 방법에 대한 연구를 수행하였다.

1.2 연구의 목적 및 방법

자산이란, 개인이나 기업이 소유하고 있는 경제적 가치가 있는 무형물 또는 유형물을 의미한다. 유형 자산의 종류에는 생산설비, 운송설비, 철도, 도로, 가스 및 전력설비와 같은 사회 인프라 시설이 있다. 이와 같은 자산은 설치 이후 사용으로 인한 운전시간이 증가함에 따라 성능이 저하되며, 고장횟수 및 보수비용이 증가하는 특성이 있다. 사회 인프라 시설에서 예상치 못한 사고가 발생했을 때 여러 가지 피해를 수반하게 되며 이를 방지하기 위하여 자산에 대한 적절한 관리가 필요하다. 따라서 자산의 수명을 통계적으로 분석하고 추후 발생할 수 있는 고장대수를 예측하여 자산의 관리비용이 예상치 못하게 증가하는 것을 방지하기 위한 연구가 필요하다.

자산의 수명을 통계적으로 분석하기 위해서는 현재 운전되고 있는 자산의 정보뿐만 아니라 과거에 운전되었던 설비의 고장 이력에 대한 데이터가 필요하다. 그러나 우리나라 한국전력공사의 경우에는 공영적인 성격을 띠고 있으며, 계통의 신뢰도를 향상하는 데에 중점을 두고 있으므로 대부분의 전력설비는 고장이 발생하기 전 시간기준 자산관리 기법인 TBM (time based-maintenance)을 바탕으로 교체가 이루어지고 있다 ^[2]. 따라서 운전되고 있는 자산의 운전년수가 짧고 기록된 고장데이터의 수가 매우 적어 고장에 대한 통계적 분석이 어려운 실정이다. 또한 자산의 운전 및 고장데이터의 경우, 회사의 중요 정보를 담고 있는 경우가 많아서 대부분 공개를 꺼리고 있다. 이같은 이유로 인하여 전력설비의 데이터 수집 및 분석에 어려움이 있다. 본 연구에서는 논문을 통하여 공개되어있는 데이터인 인도네시아 JABA (JAVA and BALI) 지역의 사례를 바탕으로 GIS의 통계수명 분석을 진행하였다. 해당 해외 문헌을 참고하여 25개의 고장데이터와 555개의 운전데이터를 분석하고 순간 고장률인 hazard rate를 계산한 후 이를 이용하여 연도별 고장대수를 예측하였다. 이후 신설되는 GIS를 고려하지 않고 운전대수를 현재 설치되어 있는 555대로 고정한 상태에서 TBM을 기준으로 설비교체 연수에 따른 연도별 교체대수의 차이를 비교하였다.

2.1 자산관리의 개요

전력설비의 자산관리에 대한 연구는 1990년대 영국 전력사의 민영화가 진행됨에 따라 처음으로 시작되었다 ^[4]. 자산관리 시스템은 자산의 기술적인 측면과 경제적인 측면을 동시에 고려하여 최저 비용으로 전력설비를 최적의 효율로 운영하는 것을 목적으로 한다. 이를 위하여 ISO 31000과 같은 위험도 관리와 관련된 규정이 제정되었으며, 자산관리 기능의 조직화를 위한 PAS 55가 제정되었고, 2014년에는 ISO 55000 시리즈가 제정되었다 ^[3-7].

자산관리는 1세대부터 4세대에 이르기까지 다양한 형태로 발전해왔으며, 세계적으로 각 전력회사의 정책 및 필요성에 따라 관리방식을 달리 선택하고 있다. 1950년대에는 1세대 자산관리 방식인 CM (corrective maintenance)이 주로 사용되었으며, 이는 설비의 고장이 발생한 이후에 수리 또는 교체의 방식으로서 가장 기본적인 자산관리 방법이라고 할 수 있다. 그러나 CM으로는 설비의 고장을 예측할 수 없어 정전사고가 빈번히 발생할 수 있다는 단점이 있다. 1960년대에는 최초의 예방정비 기술이라고 할 수 있는 2세대 자산관리 방식인 TBM이 주로 사용되었다. TBM은 통계적 데이터를 바탕으로 교체 및 점검 계획을 수립하여 주기적으로 설비의 운전을 정지하고 점검 및 수리를 진행하여 설비를 보존하는 방식이다. TBM의 경우에는 CM에 비하여 사고의 위험은 감소할 수 있지만 정비에 따른 정전시간이 증가되므로 막대한 경제적 손실이 발생할 수 있다. 1980년대부터는 센서의 개발 기술수준과 함께 전력시장이 발전함에 따라 센서를 이용하여 전력설비의 상태를 모니터링하고 분석하여 고장이 발생하기 전에 문제가 될 수 있는 부품을 교체하는 3세대 자산관리 방식인 CBM (condition based-maintenance)이 사용되기 시작하였다. 이에 따라 전력설비에 센서를 부착하여 데이터를 취득함에 따라 분해점검의 필요성이 사라짐으로서 정전시간이 감소하게 되었다. 또한 통신 시스템과 연계하여 임계값 이상의 데이터 검출 시 알람을 송출하는 시스템을 이용한다면 시간과 장소에 구애받지 않고 설비의 상태를 파악하여 빠르게 조치할 수 있다는 장점이 있다. 전력사가 민영화됨에 따라 설비의 상태뿐만 아니라 비용적인 측면도 중요시되기 시작하였다. 이후 설비의 상태와 투자비용과 함께 설비의 고장으로 인하여 발생할 수 있는 위험도까지 고려하는 4세대 자산관리 방식인 RBM (risk based-maintenance)이 연구되기 시작하였다. RBM은 전력설비의 고장확률과 영향도, 고장파급의 경제성, 기회비용 등을 종합적으로 고려하여 수리를 계획하는 방식으로서 자산관리 전문가와 함께 결정하는 방식이다. RBM 기반의 자산관리는 전력설비의 고장확률과 위험도를 평가하여 그에 대한 수리계획을 수립하는 방식으로서 통계적 수명을 계산하기 위하여 고장데이터와 운전데이터 등이 필요하다.

2.2 전력설비 자산의 수명특성

일반적으로 전력설비의 수명특성은 Fig. 1과 같은 욕조곡선으로 나타낼 수 있다. Fig. 1의 ‘teething’ 구간은 제조 공정 또는 설치 등의 문제로 발생하는 초기고장 구간을 의미한다. 최근에는 품질개선이 많이 이루어져 제조공정 상의 문제는 거의 발생하지 않으며 설치기술 또한 발전하여 teething 구간에서의 고장률이 감소하고 있다. ‘Random’ 구간은 예상하지 못한 외부 또는 내부의 문제로 인한 고장이 발생하는 구간이며, ‘wear out’ 구간은 제품의 열화로 인하여 고장이 발생하는 구간이다. 일반적으로 제품의 수명특성은 전력설비의 품질문제로 인하여 발생하는 teething 구간을 제외한 구간에서 분석한다. 본 연구에서는 수명특성 분석 시 제외되는 초기 특정 시간영역을 cut-out year라고 명명하였다. 일반적으로 품질로 인하여 발생되는 고장 구간인 cut-out year를 10년으로 보는 경우가 많다 ^[8]. 따라서 GIS의 통계수명을 분석하기 위해서는 초기 teething 구간에서의 품질문제를 제외한 신뢰성 구간에서의 데이터를 이용하여 분석해야 하지만, cut-out year를 적절히 선정하지 못하면 제품의 품질특성이 포함되어 적절하지 못한 수명 분석이 진행될 수 있다. 본 연구에서는 cut-out year 설정에 따른 수명특성을 분석하기 위하여 cut-out year를 설정하지 않은 경우와 10년으로 설정한 경우로 구분하였다.

Fig. 1. Lifespan characteristics of power facilities

2.3 JABA 지역의 GIS 데이터

본 연구에서는 인도네시아 JABA 지역에 설치된 150kV급 GIS의 운전데이터와 고장데이터를 사용하여 수명을 분석하였다 ^[9]. 해당 문헌에 공개된 JABA 지역의 GIS 운전데이터는 555개이며, 고장데이터는 25개로, 총 580개의 데이터를 사용하여 수명특성 분석을 진행하였다. 옥내용 150kV GIS에 대해 분석하였으며, 유럽에서 제조된 GIS 70%, 아시아에서 제조된 GIS 30%로 구성되어있다. Fig. 2에는 CIGRE-TB 513과 해당문헌에서 공개된 GIS의 고장원인을 비교하였다 ^[10]. Fig. 2에서 보는 바와 같이 CIGRE-TB 513에서는 절연문제로 인한 고장이 약 23%인데 반하여 JABA지역의 경우에는 절연문제로 인한 고장이 약 48%로 두 배 이상 높다는 사실을 알 수 있다. 이는 JABA 지역의 열대기후 특성으로 인하여 최초 설치 시 절연물 등에 흡장되어 있던 수분이 차단동작 시에 생성된 부산물 가스와 결합하여 절연특성을 열화시킨 것에 기인하는 것으로 판단된다. 또한 노후화된 코킹 문제로 인하여 GIS 내부로 수분이 침투하거나 O링이나 외함의 페인트 등에 자체적으로 흡장되어 있던 수분의 영향도 있을 것으로 판단된다.

Fig. 2. Comparison of failure causes of GIS by literature

2.4 Weibull 통계분석

해당문헌에 공개된 GIS의 운전 및 고장데이터를 이용하여 JABA 지역에 설치된 150kV급 GIS의 통계수명을 분석하기 위하여 ReliaSoft 사의 Weibull++ 프로그램을 사용하였다. 또한, 초기 품질문제가 GIS의 수명특성에 미치는 영향을 확인하기 위하여 cut-out year를 설정하지 않은 경우와 10년으로 설정한 경우로 분류하여 수명특성 분석을 수행하였다. Table 1에는 최대우도법을 이용하여 계산한 수명특성 결과를 나타내었다. 척도모수 (scale parameter)는 63.2%의 GIS가 고장나는 수명을 의미하며, 형상모수 (shape parameter)는 고장이 발생하는 정도를 나타낸다. Bp는 고장이 발생하는 누적 백분위수를 나타내며, 구체적인 값은 전력사의 운영방침에 따라 결정될 수 있다. Cut-out year를 설정하지 않고 계산할 경우, GIS의 통계적 수명은 cut-out year가 10년으로 설정된 경우에 비하여 상대적으로 짧게 계산되었으며, 형상모수의 값도 더 작게 계산되는 것을 알 수 있다. 이는 초기 고장으로 인한 특성에 기인하는 것이며, 초기 고장특성을 제외하면 wear out 구간에서 GIS의 고장 발생특성이 더욱 두드러지게 나타나게 됨을 의미한다. 만약 형상모수의 값이 1이라면 고장률이 시간에 영향을 받지 않는 지수분포를 따르기 때문에 우발고장만 발생하는 것을 의미하며, 1 이상일 때에는 단조증가 특성을 가지게 된다. 즉, 형상모수의 값이 크다는 것은 wear out 구간에서의 고장특성이 뚜렷한 것을 의미한다.

2.5 연도별 고장대수 예측

앞서 계산한 통계적 수명특성 결과를 바탕으로 연도별 고장대수를 예측하였다. 연도별 고장대수 예측을 위해서는 순간 고장률인 hazard rate를 이용하였다. hazard rate란 임의의 시간 t까지 고장이 발생하지 않은 제품 중에서 t 시간 이후에 순간적으로 고장이 발생할 확률을 의미하며 (1)과 같이 확률밀도함수를 신뢰도 함수로 나누어 계산할 수 있다. 여기에서 f(t)는 확률밀도함수이고 R(t)는 신뢰도 함수, F(t)는 누적고장확률을 의미한다.

Fig. 3에는 cut-out year 설정에 따른 hazard rate의 변화를 나타내었다. CIGRE-TB 513에 따르면 150kV급 GIS의 hazard rate는 0.24 [100·CB·bay·years]이지만 열대성 기후를 가지는 JABA 지역의 150kV급 GIS의 hazard rate는 0.48 [100·CB·bay·years]로 유럽에 설치되어 운전되는 GIS가 가지는 hazard rate에 비하여 2배 정도 높다는 사실을 확인할 수 있다. 이는 앞서 설명한 바와 같이 JABA에 설치된 GIS는 절연문제로 인하여 발생하는 고장이 매우 높기 때문에 비교적 열화로 인한 고장이 빨리 발생하기 때문인 것으로 판단된다.

Fig. 3. Hazard rate according to cut-out year

인도네시아 JABA 지역에 설치된 전체 GIS의 운전대수를 현재 설치되어 있는 대수와 동일하게 555대로 일정하다고 가정하고, 고장이 발생한 경우에 GIS를 사후 교체하되 일정 운전년수가 초과된 장비는 TBM을 기준으로 일괄 교체한다고 가정하였다. 이때 TBM 기준에 따른 일괄 교체주기의 변화에 따른 연도별 예상 교체대수를 계산하고 비교하여 Fig. 4에 나타내었다. Fig. 4에서 보는 바와 같이 일괄 교체주기가 증가함에 따라 고장 후 교체대수가 점차 증가하여 고장으로 인한 계통 내 파급효과에 따른 위험도가 증가하는 것을 알 수 있다. 이와 반대로 교체주기가 짧아지면 특정 연도에 고장 전 교체해야 하는 GIS의 대수가 상대적으로 증가하여 전력계통을 운영하는데 필요한 경제적 예산을 확보하는데 어려움을 겪을 수 있다. 예를 들어 TBM 기반의 교체주기를 16년으로 설정하였을 때 2031년에는 TBM을 기준으로 한 GIS의 예상 교체대수가 368대로 급증하게 되어 해당 년도에 예산확보가 어려움을 겪을 것으로 예측된다. 따라서 GIS를 포함하는 전력설비의 통계적 수명연구를 통하여 TBM 기준의 일괄적 교체주기를 탄력적으로 운영함으로서 전력계통의 신뢰도와 함께 연도별 경제적 건전성을 동시에 확보할 수 있다는 사실을 확인할 수 있었다.

Fig. 4. Number of replacements prediction by year according to batch replacement cycles selection