2.1 Health Index의 요구사항

Fig. 1에는 자산의 생애주기를 나타내었으며, Table 1에는 Health Index 값을 기준으로 자산의 상태를 5개의 구간으로 구분하여 분류한 결과를 정리하였다^{[1, 8]}. Health Index의 구간별 정의와 권장 조치는 국제적인 표준이 없고, 자산 사용자의 전략에 따라 달라질 수 있으므로, 본 논문에서는 CIGRE WG B3.48의 지침에 기반하여 분석을 수행하였다^[1].

Fig. 1. Life cycle of electrical power asset

Table 1. Definition of each health index band and recommended actions based on condition of asset

자산을 취득한 시점에서의 Health Index는 자산의 제조사, 설치 위치, 시운전 데이터 등을 바탕으로 도출되며, 가장 우수한 성능을 가짐에 따라 가장 양호한 Health Index를 가진다. 자산이 운용 단계에 들어서면서 열화 과정을 겪게 되고, 차단기의 투·개방 시간 및 속도 지연, SF6 가스의 밀도 저하 및 분해 가스의 함량 증가 등과 같이 구성요소의 성능이 점차적으로 감소하게 된다. 이러한 성능 저하를 식별하고 그 속도를 지연시키기 위해 점검과 유지보수를 실시해야 하며, 자산의 상태에 따라 점검 및 유지보수 주기를 탄력적으로 조정하여 자산을 효율적으로 관리해야 한다.

NETA (InterNational Electrical Testing Association)는 전력 설비의 일관된 유지보수 및 시험 절차를 확립하기 위해 1993년에 MTS (Maintenance Testing Specifications) 표준을 제정하였으며, 2001년에는 자산의 상태에 따라 유지보수 주기를 유연하게 조정할 수 있도록 Maintenance Period Matrix를 개발하였다^[9]. Table 2에는 유지보수 주기를 조정하기 위한 Maintenance Period Matrix를 나타내었으며, 식 (1)에는 유지보수 주기의 계산 방법을 나타내었다^[9].

위 식에서는 초기에 설정된 유지보수 주기에, 점검 결과로부터 도출된 Maintenance Period Matrix 값을 곱하여 최종적인 유지보수 주기를 계산한다. 즉, 유지보수 주기는 자산의 상태에 따라 변화할 수 있으며, 점검 결과가 반영된 Maintenance Priod Matrix 값을 활용하여 유지보수 주기를 더 길거나 짧게 조정할 수 있다. 예를 들어, 초기에 설정된 전력설비의 정기적인 육안 점검 주기가 12개월이고 점검을 통해 도출된 Maintenance Priod Matrix 값이 1.5인 경우, 해당 설비의 다음 번 육안 점검 주기는 12개월에 1.5를 곱한 18개월로 변경된다. 이와 같은 사례를 통해 미국에서는 전력설비의 신뢰도와 상태에 따라 유지보수 주기를 유연하게 조정하여 과도한 유지보수를 방지함으로서 전력설비의 운영 효율성을 높이고 있음을 알 수 있다.

자산 운용 중에 발생한 열화로 인해 성능이 저하되는 경우에는 유지보수를 수행하고, 개선한 전력설비의 상태를 Health Index에 반영해야 하며, 이를 통해 자산의 실제 상태를 정확히 파악할 수 있어야 한다. 이후 자산의 성능이 본래 기능을 수행하지 못할 정도로 감소하게 되면 Health Index는 사용자가 설정한 임계값에 도달하게 된다. 이때는 적절한 개입 (Intervention)을 통해 위험도를 완화할 수 있으며, 이러한 개입 조치는 자산의 Health Index에 즉시 반영되어 개선된 상태를 나타내어야 한다. 만약 유지보수나 수명 연장 조치가 기술적 또는 경제적으로 타당하지 않다면, 자산을 폐기하는 결정을 내리게 된다. 결과적으로, Health Index는 자산의 현재 상태와 성능을 직관적으로 나타내어야 하며, 운용 중에 발생하는 열화의 결과가 정량적으로 반영되어야 한다. 또한, Health Index를 통해 유지보수 또는 교체 여부와 적절한 시기를 파악하고, 가장 성능이 저하된 자산을 식별하여 그 긴급성에 따라 개입의 우선순위를 결정할 수 있어야 한다.

2.2 Health Indexing을 위한 GIS의 구조

GIS는 부하전류를 개폐하고 이상전류를 차단하여 변압기를 포함한 관련 부하를 보호하는 역할을 수행한다. 최근 반도체와 인공지능 산업의 발전으로 대규모 데이터 센터에 대한 수요가 증가하고, 재생 에너지 확대에 따른 전력 시스템의 변동성이 커지면서 전력 시스템의 신뢰성을 유지하는 데 있어 GIS의 중요성은 지속적으로 증가하고 있다^{[10, 11]}. 이러한 산업 동향은 GIS의 신뢰성을 유지하기 위해 유지보수와 개입의 여부 및 우선순위를 결정하는 도구인 Health Index의 중요성을 더욱 부각시키고 있다. 따라서, 이번 절에서는 GIS의 기능과 구조를 분석함으로써 Health Indexing을 위한 GIS의 체계적인 분류 방안을 제안하고자 한다.

Fig. 2에는 일반적인 170kV급 GIS의 구조를 나타내었다^[12]. GIS는 차단기와 단로기, 그리고 접지 스위치 등의 여러 구성요소를 접지된 금속 외함 내부에 배치하고 절연 가스를 충진한 구조로 되어 있다. 절연 가스로는 일반적으로 우수한 절연 내력과 아크 소호 특성을 가진 SF6 가스가 사용되고 있다. 그러나, SF6 가스는 GWP (Global Warming Potential)가 약 23,900에 달하는 강력한 온실가스로, 최근에는 기후 변화에 대응하고 교토 의정서 및 RE100과 같은 국제 환경 규제를 준수하기 위해 친환경 절연 가스를 사용하는 사례가 늘어나고 있다^[13]. 절연 가스가 SF6에서 친환경 가스로 대체되더라도, GIS의 기본 구조는 변함없이 동일하게 유지된다. Fig. 3은 본 논문에서 제안하는 Health Indexing을 위한 GIS의 구조 분류법을 나타내었다.

Fig. 2. Structure of a 170kV rated GIS^[12]

Fig. 3. Structural classification metnod of GIS for health indexing

이와 같은 구조 분류법을 통해 GIS 구성요소 별 상태를 평가하고, 각 구성요소의 상태를 반영한 종합적인Health Index를 도출할 수 있다. 먼저, 하위 시스템은 구성요소의 기능적 역할을 세분화한 것으로, 구성요소를 하위 시스템으로 세분화함으로써 해당 구성요소의 어느 부분에서 어떠한 기능적 문제가 발생하고 있는지 명확하게 파악할 수 있다. 각 하위 시스템의 기능적 정의는 Table 3에 제시되어 있다. 구성요소는 하위 시스템의 상위 개념으로, 하나 이상의 하위 시스템으로 이루어진 집합체로서 GIS에서 작동하는 개별 기기를 의미한다. 예를 들어, 주요 구성요소인 차단기는 5가지의 하위 시스템을 가지고 이상전류를 차단하는 고유의 기능을 가진다. Bay는 구성요소의 상위 개념으로, 하나 이상의 구성요소로 이루어져 GIS에서 특정 기능을 수행하는 독립적인 장치를 의미한다. Bay 수준은 두 가지로 분류되는데, 첫 번째는 차단기, 단로기, 변류기 등 금속 외함 내부에 구성된 기기들의 집합이며, 두 번째는 금속 외함의 내부에 충진된 절연 가스이다. Bay 수준에서 각 구성요소는 모델에 따라 서로 다른 구성을 가질 수 있다. 특히, 절연 가스는 GIS에서 일반적으로 차단부와 상부 모선 및 하부 모선 등 구획 단위로 관리되는 경향을 반영하여 구성요소의 집합인 Bay와 분리하였다. 이를 통해 유지보수 및 개입의 필요성을 직관적으로 파악할 수 있도록 개선하였다. 예를 들어, GCB (Gas Circuit Breaker)의 기계적 주요 부품은 모두 양호하더라도 절연 가스의 밀도나 수분 함량이 기준치를 벗어난 경우, 절연 가스만을 대상으로 한 유지보수가 필요하다는 점을 쉽게 파악할 수 있다. 최상위 수준인 GIS는 구성 기기와 절연 가스의 집합체를 의미한다. 앞서 기술한 바와 같이, GIS를 하위 시스템과 구성요소 및 Bay 수준으로 세분화하여 GIS를 구성하는 모든 요소의 상태가 Health Index에 정확하게 반영될 수 있도록 하였다.

3.1 상태 코드의 척도

상태 코드의 척도는 크게 선형 척도와 로그 척도로 나눌 수 있다. 로그 척도는 다시 밑이 3인 로그 척도와 상용 로그 척도로 구분된다. Health Index는 상태 코드의 척도에 따라 표현되므로, 각 척도의 특성을 정확히 이해하고 적절한 척도를 선택하는 것이 중요하다. Table 4에는 자산을 구성하는 구성요소의 상태에 따라 부여된 세 가지 척도의 값을 비교하여 나타내었다. 세 가지 척도 모두 높은 코드 값을 가질수록 자산의 상태가 더욱 불량함을 나타낸다. Table 5에는 5개의 구성요소를 가진 임의의 자산에 대해 각 구성요소에 상태 코드를 부여한 예시를 나타내었다.

Table 4. Condition codes for each condition of components according to scale

3.2 상태 코드의 계산 방법

상태 코드의 계산 방법은 크게 합산 방식과 Worst Case 방식으로 구분되며, 합산 방식은 다시 단순 합산 방식과 가중 합산 방식으로 나눌 수 있다. 2.2절에서 제안한 GIS의 구조는 4개의 수준을 가지므로, Health Index의 요구사항을 충족하고 Masking Effect를 최소화하기 위해 각 수준에 적합한 계산 방법을 선택하는 것이 필요하다. 이번 예시에서는 비교의 직관성을 높이기 위하여 상태 코드를 표현하는 가장 간단한 방식인 선형 척도를 사용한다. Table 6과 Table 7은 계산 방법에 따른 구성요소별 상태 코드를 나타내며, 구성요소들이 동일한 가중치를 가지면서 서로 다른 상태를 가진 두 가지 경우를 예시로 제시하였다.

3.3 고찰

Table 8은 Health Index에 대응되는 상태 코드의 범위를 나타내며, 각 Band의 범위는 향후 연구를 통해 개선될 수 있다. GIS의 Health Indexing은 각 구성요소를 구성하는 하위 시스템의 상태를 평가하고, 이를 바탕으로 상태 코드를 부여하는 것에서 시작된다. Fig. 4에는 본 논문에서 제안하는 GIS 상태 코드 산정 방법론의 구조를 나타내었으며, 이를 정리하면 다음과 같다:

① GIS의 상태 코드는 상용 로그 척도를 통해 표현하도록 선정하였다. GIS가 여러 구성요소로 이루어진 복잡한 시스템임을 고려하여, 상용 로그 척도를 통해 코드의 자릿수를 기준으로 각 구성요소의 상태와 그 수량을 직관적으로 파악할 수 있도록 한다.

② 상태 평가 항목으로부터 하위 시스템의 상태를 결정하기 위해 Worst Case 방식을 적용한다. 하위 시스템의 상태 코드는 구성요소의 상태를 정확히 결정하는 데 목적이 있다. 만약 이 과정에서 단순 합산 방식을 적용하면, Fig. 4에서 최상위 수준인 GIS의 상태 코드만으로는 구성요소 단위의 상태를 직관적으로 파악하기 어렵다. 또한, 가중 합산 방식을 적용할 경우, 코드의 자릿수에 따라 특정 상태를 가지는 구성요소의 수량 파악이 불가하여 상용 로그 척도의 특장점을 제대로 활용할 수 없고 Masking Effect로 인해 특정 상태 평가 항목의 심각성이 충분히 반영되지 않아 Health Index의 신뢰성이 저하될 수 있다.

③ 하위 시스템의 상태로부터 구성요소의 상태를 결정하기 위해 Worst Case 방식을 적용한다. 구성요소는 여러 하위 시스템으로 이루어져 있으며, 각 하위 시스템의 상태가 구성요소의 기능에 큰 영향을 미친다. 따라서, Worst Case 방식을 적용함으로써 특정 하위 시스템에서 발생한 문제가 구성요소에 미치는 영향을 정확히 평가할 수 있다.

④ 구성요소의 상태로부터 Bay의 상태, 절연 가스의 상태로부터 절연 시스템의 상태를 결정하기 위해 단순 합산 방식을 적용한다. 상용 로그 척도에 단순 합산 방식을 적용하여 특정 상태를 가진 구성요소의 수량을 직관적으로 파악할 수 있으며, 절연 가스 구획의 상태와 위치를 명확히 파악하여 절연 가스를 효과적으로 관리할 수 있다.

⑤ Bay 수준의 상태로부터 GIS의 상태를 결정하기 위해 단순 합산 방식을 적용한다. 구성요소와 절연 시스템의 상태를 종합하여 상태 코드로 나타냄으로써 GIS의 현재 상태를 정확히 파악할 수 있으며, 이를 바탕으로 유지보수 여부와 우선순위를 효과적으로 결정할 수 있다.

Table 8. Range of condition codes corresponding to the Health Index

Fig. 4. Example of assigned condition codes framework on Health Indexing for GIS