유양우
(Yang-Woo Yoo)
†iD
Copyright © The Korean Institute of Illuminating and Electrical Engineers(KIIEE)
Key words
Arc detection, Arc fault, Power spectrum density, PV system, UL1699B
1. 서 론
1.1 연구의 배경
정부의 신재생에너지 정책에 발맞춰 태양광발전소는 전국적으로 매년 지속적으로 증가하고 있는 추세이다. 하지만 태양광 발전소가 노후화 됨에 따라 태양광발전소에서
화재사고가 빈번히 발생하고 있어서 신재생에너지 정책에 발목을 잡히고 있는 상황이다. 태양광발전소의 화재 원인 중에 하나로 아크사고가 있다[1]. 전기화재 중에서 약 80% 이상이 아크사고로 인하여 발생하고 있으며, 태양광발전소 역시 크게 다르지 않다. 아크사고는 태양광발전소의 구성요소 중에서
PV 셀, 리본선, 정션박스, 케이블 등 대부분의 위치에서 발생하고 있다[2, 3]. 이러한 문제점으로 인해서 아크사고를 검출하여 화재에 이르기 전에 발전회로를 차단하는 연구가 수행되어 왔다[4-7].
태양광 발전시스템에서 발생하는 아크는 크게 직렬아크, 병렬아크, 지락아크로 나뉘어지고, 이러한 아크사고를 검출하는 방법에는 크게 2가지로 구분된다.
아크사고 전류를 측정하여 전류신호에 대하여 퓨리에변환을 하여 주파수영역에서 전력스펙트럼밀도(Power Spectrum Density, PSD)를 분석하는
고속 퓨리에변환(Fast Fourier Transform, FFT)방법과 시간영역과 주파수영역 2가지 모두를 분석하는 이산웨이블릿변환(Discrete
Wavelet Transform, DWT) 기법이 있다[4].
1.2 연구의 목적 및 방법
아크사고 검출에 있어서 가장 중요한 사항은 검출의 신뢰성을 확보하는 것이다. 아크사고의 특성상 태양광발전시스템의 정션박스, 인버터, 케이블 등과 같은
구성요소에 의해서 아크사고 전류의 전기적 특성이 변하게 되어, 정상상태와 아크사고 상태를 구분하는 것이 쉽지 않다. 즉, 아크사고의 검출 신뢰성이
낮다는 것은 태양광발전시스템에 아크사고 검출기가 적용되기 어렵다는 것이다. 따라서 본 논문에서는 태양광발전시스템에서 발생하는 아크사고를 검출하는 기존
방법 대비 아크 검출의 신뢰성을 향상시키는 방법을 제안하고자 한다. 이에 본 연구는 아크사고 상태와 정상상태가 정규분포에 의한 확률분포로 구분되어짐을
전제로 주파수 범위별 평균값을 적용한 새로운 검출 방법을 제안하였다. 600W 태양광 모듈에서 모의아크사고발생기를 이용하여 아크사고에 대한 새로운
알고리즘에 대한 신뢰성을 확인하였다. 기존 방법과 새로운 방법에 대해서 모의아크실험을 통하여 결과를 비교‧분석하여 아크검출 신뢰성을 비교‧분석하였다.
2. 본 론
2.1 이론적 배경
아크사고는 교류나 직류를 가리지 않고 발생하기 때문에 전기화재의 주요 원인으로 지적받아 왔으며 아크사고 검출에 대한 여러 연구가 오랫동안 선행되어
왔다. 아크사고는 전압, 전류와 같은 전기신호뿐만 아니라 빛, 열, 압력, 소리를 발생시키기 때문에 이러한 신호를 감지하여 사고를 검출할 수 있다[7-10]. 본 논문에서는 아크사고를 검출하는 여러 방법 중에서 전기적 특성 변화에 기반을 둔 검출법을 선택하였다. 그 이유는 검출에 대한 오동작의 가능성,
비용의 효율성을 고려하였을 때 제일 적합하기 때문이다.
아크사고의 전기신호를 검출하는 방법은 전류와 전압 신호가 있다. 아크사고의 전압 신호는 아크가 발생하는 지점을 알고 있다는 전제하에 측정 가능한 신호이다.
그 이유는 차단기 혹은 인버터를 기준으로 PV 패널이 연결되어 있는 전체 전기회로도 상에서 아크사고가 발생하였을 때 측정가능한 전압은 인버터 입력측
전압이 되기 때문이다. 측정된 양단 전압은 초기 아크사고에 의한 작은 전압 변화를 반영하지 못하기 때문에 아크사고의 전기적 특성신호는 전류신호가 가장
적합하다.
측정된 전류신호를 이용하여 아크사고를 검출하기 위한 방법은 시간영역에서의 분석과 주파수영역에서의 분석으로 크게 구분된다. 퓨리에변환을 이용한 주파수
영역에서 아크사고의 분석은 고속 퓨리에변환(FFT)를 이용하여 분석된다. 이때 아크사고에 해당되는 주파수영역 범위에서의 전력스펙트럼밀도를 이용하여
아크사고 검출기의 기준치로 설정하는 것이 가능하다. 일반적인 정상상태와 600W 패널 3개 병렬에 출력전압 약 100V, 2.5A 전류가 흐르는 경우
아크사고 상태의 전력스펙트럼밀도를 Fig. 1에 나타내었다.
Fig. 1. PSD comparison between a normal state and an arc fault
Fig. 1과 같이 정상상태보다 아크사고인 경우 전력스펙크럼밀도가 상대적으로 더 높게 나타나는 것을 알 수 있다. 이런 전기적 특성을 통해서 아크사고를 검출할
수 있으며 아크사고를 판단할수 있는 기준값은 여러 아크사고 조건에서 얻어진 실험 데이터를 근거로 산정될 수 있다.
2.2 아크 사고 검출 알고리즘
아크사고의 전류신호에 대한 전력스펙트럼밀도가 정상상태 보다 더 높은 것을 확인하였지만 단순히 이 사실만으로 아크사고와 정상상태를 완벽하게 구분할
수 없다. 전류의 크기, 전극 간격 등을 고려하여 다수의 아크사고와 정상상태의 실험을 통한 데이터를 통해서 확률적으로 두 상태에 대한 구분이 가능한지에
대한 확인이 필요하다.
Fig. 2는 임계값에 따른 아크사고와 정상상태의 구분을 나타내는 확률분포를 나타내었다. 그림에서와 같이 명확히 아크사고의 전력스펙트럼밀도가 정상상태보다 더
높게 나타나는 것을 알 수 있지만, 문제는 임계값 근처에서 두 확률분포가 겹친다는 것이다. 확률분포가 겹친다는 것은 임계값 근처의 전력스펙트럼밀도
값이 아크사고일수도 정상상태일 수도 있다는 것이다. 여기에서 아크사고인 경우에 아크사고로 검출을 못하는 경우가 미검출이며, 정상상태인 경우 아크사고로
검출하는 경우를 오검출이다. 아크사고의 검출 신뢰성은 결국 미검출과 오검출을 최소화하는 방법에 대한 연구가 된다.
Fig. 2. Distinction between arc fault and normal state according to threshold
본 논문에서는 아크사고 검출의 신뢰성을 향상시키기 위해서 기존의 FFT를 이용한 전력스펙트럼밀도를 구하는 방법에서 주파수를 여러 범위로 구분하는 방법과
다중 검출 기법을 이용하였다. 아크검출 주파수 범위는 10kHz에서 100kHz의 구간으로 산정하고 10kHz 범위 구간으로 총 10개의 구간으로
구분하여 각 주파수 영역에서 전력스펙트럼밀도의 평균값을 산출하였다. 또한 아크검출의 횟수를 3회 이상으로 하여 아크검출 신뢰성을 향상시켰다. 아크검출의
기준값은 전류 2A∼5A에 대한 아크사고 상태와 정상상태의 실험값을 통해 얻어진 전력스펙트럼밀도에서 자체적으로 선정하였다.
Fig. 3. Algorithm of detecting an arc fault with using mean values at each frequency
range
노이즈에 대한 신호를 처리하기 위해서 이동평균법(Moving Average, MA)을 이용하였다. 이동평균법은 입력된 신호의 수치 변화를 관찰하고
분석하는데 있어서 일정한 부분집합의 평균값 계산으로 인해 값의 전반적인 변화나 흐름을 쉽게 파악할 수 있는 방법이다. 부분집합을 이동시키며 연속적인
평균값을 산출함으로서 평균값의 흐름을 알 수 있게 하고, 일정 기간 혹은 데이터 구간의 평균의 흐름을 알 수 있게 해주어 노이즈 성분이 있는 전력스펙트럼밀도의
평균값 산출에 용이하다. 이동평균법을 이용한 노이즈 신호처리를 포함하고 주파수 범위별 평균값을 이용한 아크사고 검출 알고리즘을 Fig. 3에 나타내었다.
알고리즘에서 N은 전력스펙트럼밀도 연산 횟수를 의미하며 기본적으로 3회(x=3)를 설정하여 총 3번 검출하여 주파수 구간별 전력스펙트럼밀도를 기준치와
비교하여 아크사고를 검출한다.
3. 실 험
3.1 실험계 구성
제안한 아크검출 알고리즘에 대한 성능을 확인하기 위해서 모의아크사고 실험계를 구성하였으며 Fig. 4에 나타내었다. 직류 아크사고를 모의하기 위해 직류전원 발생장치를 사용하였으며, 최대 300V, 10A 용량을 갖는다. 정전압 모드로 전류크기 조절을
위해서 가변저항을 사용하였다. 아크사고를 모의하기 위해서 모의아크발생기를 UL1699B에 준하여 제작되하였다[11, 12]. PV 패널은 365W 2장을 직렬로 사용하였다. PV 패널은 최대출력에서의 전압 39.82V, 전류 9.17A 사양을 갖는다.
Fig. 4. Experimental setting for arc fault test (a) test circuit, (b) test view
아크발생기는 고정축과 수평으로 움직이도록 설계되어 전극 간격을 임의로 조절이 가능하여 임의의 전극간격을 설정하여 실험하는 것이 가능하다.
실험에 사용된 장비로는 아크사고의 전압과 전류 파형은 오실로스코프(DPO 4034), 전압파형은 전압프로브(Probe Master Model 4232),
그리고 전류 파형은 Pulse사의 FIS121NL 전류센서를 사용하였다. 데이터 측정 보드(Data Acquisition)는 PCI 5124를 사용했으며,
12bit, 200MS/s의 성능을 갖는다.
측정된 아크전류신호를 FFT 변환과 주파수 구간별 평균값 계산을 위한 신호 분석을 위해서 LabVIEW 프로그램 이용하였다. 정상상태의 전류파형과
모의 아크발생기를 이용하여 측정된 아크 사고의 전류 파형을 FFT를 통해 얻어진 전력스펙트럼밀도를 Fig. 5에 각각 나타내었다.
Fig. 5. Power spectrum density both normal state and arc fault (a) normal state, (b)
arc fault state
전력스펙트럼밀도는 100Hz에서 500kHz 범위의 주파수 범위에서 얻어지며, 이 중에서 아크사고과 관련이 있는 주파수대역은 약 10kHz∼100kHz
범위로 선정하였다. 10kHz 이하의 주파수대역에서는 전원시스템에서 발생하는 고조파 노이즈의 영향에 오작동을 일으킬 가능성이 높다. 또한 100kHz
이상의 주파수 대역에서는 EMI 노이즈에 의한 오작동 가능성이 있기 때문에 해당 주파수 대역을 제한시켰다. 그럼에도 불구하고 해당 주파수 범위에서
반복적으로 나타나는 노이즈 성분을 확인할 수 있다. 이런 경우 해당 주파수범위의 전력스펙트럼밀도의 평균값을 구하면 노이즈 성분에 의해서 일반적으로
더 높게 나타난다. 따라서 해당 노이즈 성분을 제거한 후 평균값을 구해야 아크사고 검출의 신뢰성을 향상시킬 수 있게 되어, 노이즈 제거 방법이 요구된다.
3.2 분석 결과
FFT 결과 전체 데이터에서 노이즈 성분을 제거하는 방법은 여러 가지가 있다. 보간법, 단순 이동평균법, 지수 이동평균법 등이 있지만 데이터 처리
하드웨어의 경제성을 고려하여 제일 심플한 방법인 단순 이동평균법을 적용하였다. 이동평균법을 이용한 노이즈 처리된 전력스펙트럼밀도를 Fig. 6에 나타내었다. 해당 조건은 아크전류 2A인 경우에 대한 아크사고전류에 대한 전력스펙트럼밀도를 기준으로 이동평균법을 적용하였다. Fig. 6(a)는 이동평균 데이터가 10개이며, Fig. 6(b)는 50개 데이터를 이용한 결과이다. 평균 데이터수가 클수록 전력스펙트럼밀도의 결과값에서 노이즈 성분이 감소되는 것을 알 수 있다.
Fig. 6. Power spectrum density both normal state and arc fault (a) moving average
10EA (b) moving average 50EA
아크사고와 관련된 주파수 범위 10kHz∼100kHz 구간 중에서 아크 사고 검출 신뢰성에 영향력과 더 밀접한 관계가 있는 10kHz∼70kHz
범위를 결정하고 아크사고 상태와 정상상태에 대해서 주파수 구간별 전력스펙트럼밀도의 평균값을 계산하여 Fig. 7에 나타내었다.
Fig. 7. Mean of power spectrum density each frequency range
분석한 아크사고 전류는 2A, 3A, 4A, 5A에 대해서 각각 구했으며, 10-20kHz 주파수 범위에서 제일 높은 값을 갖고 40-50kHz에서
제일 낮은 값을 갖는 알 수 있다. 정상상태의 경우 전력스펙트럼밀도는 10-2∼10-4 범위에 분포되고 있어 아크상태의 PSD와는 확연한 차이가 나타남을
알 수 있다. 하지만 아크 전류 2A의 경우와 정상상태 4A, 5A의 경우 PSD값이 중첩되는 경우가 발생하기 때문에 주파수 구간별 PSD를 구하여
기준치를 넘는지 확인하는 절차를 통하여 아크검출의 신뢰성을 향상시켰다. 본 연구에서는 실험결과로부터 아크사고 검출 임계치는 약 10-3으로 결정하여
아크사고 검출 기준으로 설정하였다.
본 논문에서 제안한 이동평균법을 이용한 주파수 구간별 전력스펙트럼밀도의 평균값을 이용한 아크사고 검출 방법에 대한 신뢰성을 확인하기 위해서 기존의
아크사고 검출방법과 함께 아크사고 검출률을 표 1에 나타내었다.
가장 기본적인 방법인 전체 주파수 대역에 대한 전력스펙트럼밀도를 이용한 방법 PSDFA, 전체 주파수 대역에 대한 이동평균법을 이용한 방법 MAFA,
본 논문에서 제안한 주파수 구간별 이동평균법을 이용한 방법 MAFR을 이용하여 아크전류 2A, 3A, 4A, 5A에 대해서 아크를 50번씩 인가하고
아크를 검출한 결과를 백분율로 나타내었다.
Table 1. Detection ratio of arc fault among detection methods
검출방법
아크전류
|
PSDFA
|
MAFA
|
MAFR
|
2A
|
60.0 %
|
82.0 %
|
98.0 %
|
3A
|
54.0 %
|
80.0 %
|
98.0 %
|
4A
|
46.0 %
|
76.0 %
|
96.0 %
|
5A
|
48.0 %
|
72.0 %
|
94.0 %
|
평균
|
52.0 %
|
77.5 %
|
96.5 %
|
아크사고 실험 결과 본 논문에서 제안한 MAFR를 적용하여 아크사고를 검출한 결과가 96.5%으로 제일 높게 나타나는 것을 확인되어 아크사고 검출률에
대한 신뢰성이 검증되었다.
4. 결 론
본 논문은 태양광발전시스템에서 발생하는 화재의 원인 중에 하나인 아크사고를 검출할 수 있는 방법에 대하여 신뢰성을 향상시킬 수 있는 방법을 제안하고
실험결과를 통해서 결과를 확인하였다.
아크사고의 검출 신뢰성을 향상시키기 위해서 크게 3가지 요소를 적용하는 방법을 제안하였다. 첫째 아크사고와 관련된 주파수 대역을 선정하는 방법으로
전원 노이즈와 EMI/EMC 노이즈 성분을 제외시켜 10kHz∼70kHz로 주파수 대역을 선정하였다. 둘째, 해당 구간 전체 데이터로 평균값을 계산하지
않고 10kHz 범위 구간별로 전력스펙트럼밀도의 평균값을 계산하였다. 셋째 이동평균선을 이용하여 노이즈 성분의 크기를 감쇠시켰다.
3가지 요소를 적용한 아크사고 검출 알고리즘을 이용하여 기존 방법과 함께 아크사고 검출 결과를 비교하였다. 이 때 본 논문에서 제시한 방법이 아크사고
검출률이 96.5%로 제일 높게 나타나는 것을 확인하였으며 이를 통해서 아크사고 검출률이 전력스펙트럼밀도만으로 아크를 검출하는 방법 대비 약 20%
정도 향상된 것을 확인하였다.
Acknowledgement
이 논문은 2022년도 중소기업기술정보진흥원의 지원을 받아 수행된 연구임. (No.S3230843)
References
K. O. Choi, “Prevention of fire cases and accidents in solar power inverter equipment,”
Webzine, vol. 103, 2023.
![URL](../../Resources/images/icon_url.png)
National Electric Code. NFPA 70, “National Fire Protection Association, Quincy,” MA,
2020.
![URL](../../Resources/images/icon_url.png)
IEC 63027, “Photovoltaic power systems–DC arc detection and interruption,” 2023.
![URL](../../Resources/images/icon_url.png)
C. G. Cho, “DC series arc fault detector based on the discrete wavelet transform algorithm
for a large photovoltaic system,” KIPE, pp. 1-3, 2020.
![URL](../../Resources/images/icon_url.png)
S. Zhang, Feng Zhang, Liu Peng, and Zh. Han, “Identification of low voltage ac series
arc faults by using Kalman filtering algorithm,” Zhang, Shiwen, Feng Zhang, Liu Peng
and Zh. Han. “Identification of Low Voltage AC Series Arc Faults by using Kalman Filtering
Algorithm.” Elektronika Ir Elektrotechnika, vol. 20, no. 5, pp. 51-56, 2014.
![DOI](../../Resources/images/icon_crossref.png)
S. Rapuano and F. Harris, “An introduction to FFT and time domain windows,” in IEEE
Instrumentation & Measurement Magazine, vol. 10, no. 6, pp. 32-44, 2007.
![DOI](../../Resources/images/icon_crossref.png)
J. Johnson, et al., “Photoovoltaic dc arc fault detector testing at Sandia National
Labratories,” 37th IEEE Photovoltaic Specialists Conference, pp. 003614-003619, 2011.
![DOI](../../Resources/images/icon_crossref.png)
X. Yao, L. Herrera, and J. Wang, “A series DC arc fault detection method and hardware
implementation,” 2013 Twenty-Eighth Annual IEEE Applied Power Electronics Conference
and Exposition (APEC), pp. 2444-2449, 2013.
![DOI](../../Resources/images/icon_crossref.png)
G. S. Seo, et al., “A new DC arc fault detection method using DC system component
modeling and analysis in low frequency range,” 2015 IEEE Applied Power Electronics
Conference and Exposition (APEC), pp. 2438-2444, 2015.
![DOI](../../Resources/images/icon_crossref.png)
R. F. Ammerman, T. Gammon, P. K. Sen, and J. P. Nelson, “DC-arc models and incident-energy
calculations,” in IEEE Transactions on Industry Applications, vol. 46, no. 5, pp.
1810-1819, 2010.
![DOI](../../Resources/images/icon_crossref.png)
Underwriters Laboratories 1699B, “Outline of investigation for photovoltaic(PV) DC
arc-fault circuit protection,” UL Standard, 1st Ed., 2018.
![URL](../../Resources/images/icon_url.png)
IEC 62606, “General requirements for arc fault detection devices,” 2013.
![URL](../../Resources/images/icon_url.png)
Biography
He received his Ph.D. degree in the Dept. of Electrical Engineering at Inha University
in 2016. He worked in he areas of R&D management of Korea Electrical Engineering &
Science Research Institute since 1993. He has been working at SY Electric and SY E&S
Co. Ltd. as a president from 2023. His branch research is lightning protection and
grounding system.