김태완
(Tae-Wan Kim*)
1iD
박건희
(Keon-Hee Park**)
2iD
임문섭
(Mun-Seop Lim***)
3iD
임장섭
(Jang-Seob Lim†)
†iD
-
(Senior Researcher, Technology Planning Department, Korea Electric Power Corporation.
Korea)
-
(Ph.D. course, Department of Marine Electronics, Communication, Computer Engineering,
Mokpo National Maritime University, Korea)
-
(Master course, Department of Marine Electronics, Communication, Computer Engineering,
Mokpo National Maritime University, Korea)
Copyright © The Korean Institute of Illuminating and Electrical Engineers(KIIEE)
Key words
Dissolved gas analysis(DGA), Duval triangle and pentagon, Rectangular method, Transformer, diagnostics, Transformer fault classification
1. 연구 배경
최근 국내 전력 소비량은 1980년대 산업화와 함께 지속적으로 증가해 왔으며, Fig. 1과 같이 전력용 변압기의 수요와 사용량 또한 급속히 증가하고 있다[1, 2]. 그러나 국내에서 사용 중인 변압기들의 설계수명이 약 32년에 도달함에 따라, 변압기의 효율적인 교체 및 유지관리가 중요한 과제로 떠오르고 있다[3, 4]. 안정적인 전력 공급을 위해서는 변압기 상태를 정확하게 진단하는 것이 필수적이며, 이를 통해 교체 시기와 우선순위를 합리적으로 결정할 수 있다.
하지만 해외에서 개발된 변압기 진단기법을 국내 환경에 그대로 적용할 경우, 진단의 정확성과 신뢰성에 한계가 존재한다는 점에서 국내 환경에 적합한 진단법
개발이 요구되고 있다[5].
DGA(dissolved gas analysis)는 변압기 내부 결함 진단에 널리 사용되고 있으며, 열적 및 전기적 결함 유형을 분류하는 데 효과적인
방법이다. 특히, Duval triangle 및 Duval pentagon 기법은 주요 DGA 가스들의 상대 비율을 기반으로 결함 유형을 식별하는
대표적인 해외 진단기술로 잘 알려져 있다. 국내의 경우는 한전을 중심으로 체계적인 DGA 기준과 진단 조치사항이 마련되어 있다. 최근에는 새로운 알고리즘들이
제안되어 국내 데이터에 적합 한 결함 분류 성능 향상에 기여하고자 하는 연구들이 진행되고 있다[6-8].
본 연구의 주요 목적은 국내 전력용 변압기에서 수집한 DGA 데이터를 기존 진단기법인 Duval triangle과 pentagon의 진단 정확도를
평가하고, 이를 보완할 수 있는 사각판별법 모델을 제안 및 검증하는 데 있다.
본 연구는 국내 실제 DGA 데이터를 기반으로 해외 진단법의 한계를 정량적으로 분석한 점과, 이를 극복하기 위해 수치화 및 무게중심점 기반 사각판별법
모델을 개발하여 비교, 검증했다는 데에 독창성을 갖는다.
Fig. 1. Per capita electricity consumption and the trend of transformers for domestic
electricity[1, 2]
2. DGA 기반 전력용 변압기 진단 방법
전력용 변압기의 상태를 진단하기 위한 대표적인 방법은 부분 방전, 열화상 검사 그리고 DGA 등이 있다[9, 10]. DGA는 변압기 절연유에 용존 되어 있는 가스를 분석하는 방법으로, GC(gas chromatography)를 이용하여 절연유 내 가스 성분을
식별하고 정량화한다. DGA는 다른 진단 방법과 달리 여러 범주로 분류하여 열화 과정 및 결함 요인을 분석할 수 있다.
분석의 주요 대상은 수소, CH 계열 가스(C2H2, C2H4, C2H6, CH4, C3H8), CO 계열 가스(CO, CO2) 그리고 질소가 있다. 수소와 CH 계열의 가스는 변압기의 열적, 전기적 결함으로 인해 주로 발생하는 가스이다. CO 계열의 가스는 절연지의 열화가
진행되며 발생하는 가스이다. 질소는 변압기 내부의 대기 유입 등의 원인으로 발생한다[11].
본 논문에서는 변압기의 주요 결함인 열적, 전기적 요인으로 발생하는 CH 계열을 중점적으로 분석하였다. 열적 결함은 T1(저온 결함), T2(중온
결함), T3(고온 결함)으로 구분된다. T1의 주요 가스는 CH4, C2H6이다. T2의 주요 가스는 C2H4, C2H6이며, T3의 주요 가스는 C2H4, C2H2이다. 전기적 결함은 D1(저에너지 방전), D2(고에너지 방전) 그리고 PD(partial discharge)로 구분된다. D1의 주요 가스는 H2,
CH4, C2H2이며, D2의 주요 가스는 C2H2이고, PD의 주요 가스는 H2로 알려져 있다. 열적, 전기적 요인이 복합적으로 작용하여 DGA가 발생하는 경우 DT(복합 결함)로 구분한다[11, 12].
DGA를 이용하면 결함으로 인해 발생한 가스를 분석하여 전력용 변압기의 결함 원인을 추정할 수 있다. 대표적인 결함 유형 분류 방법은 Table 1과 같이 나타내었다. 각 방법에서 사용하는 가스와 진단 결과가 상이함을 확인할 수 있다.
Table 1. Power transformer diagnostic methods for international and Korea
|
Method
|
Used gas
|
Diagnosis result
|
Characteristic
|
|
Duval triangle
|
C2H2
C2H4
CH4
|
T1, T2, T3, PD, D1, D2 DT
|
- Defect assessment by gas ratio
- Low accuracy when gases are in trace amounts
|
|
Duval pentagon
|
H2 C2H2 C2H4 C2H6 CH4
|
T1, T2, T3, PD, D1, D2, S
|
- Defect assessment by gas ratio
- Stray gassing diagnosis
|
|
KEPCO criteria table
|
H2 C2H2 C2H4 C2H6 CH4 C3H8
|
normal, Caution I, Caution II, Abnormal, Danger
|
- Categorical classification
- Follow up actions based on diagnosis results
|
2.1 해외의 전력용 변압기 진단 방법
해외에서 사용되는 전력용 변압기 대표적인 진단 방법은 Duval triangle, Duval pentagon이 있다[13, 14]. 두 방법은 열적·전기적 결함이 존재할 때 발생하는 주요 가스를 이용하여 결함 유형을 분류한다.
Duval triangle은 C2H2, C2H4, CH4 3종의 가스비를 통해 변압기의 상태를 진단하는 방법으로, 가스비를 통해 산출된 좌표를 산출해 변압기의 결함 유형을 결정한다. 결함 유형은 좌표가
해당하는 영역에 따라 PD, T1, T2, T3, D1, D2, DT로 분류한다. 경계 영역은 Table 2와 같다.
Duval pentagon은 H2, C2H2, C2H4, C2H6, CH4 5종의 가스를 이용하여 변압기 결함유형을 진단하는 방법이다. 각 가스별로 전체 가스 농도 합에 대한 상대 비율을 계산하여 벡터의 크기로 산출한다.
각 가스 벡터의 방향은 오각형의 각 꼭짓점으로 향하도록 회전한다. 5종의 가스 벡터로 이루어진 오각형의 무게중심점을 이용하여 최종 좌표로 결정한다.
Duval pentagon에서는 S(stray gassing)의 영역이 추가되었다. 해당 영역은 운전 중 설비의 고장 및 결함이 발생한 것이 아닌
절연유의 이상으로 인해 특정 가스가 저온에서 과다하게 발생한 영역을 의미한다[15].
Duval Pentagon은 변압기의 결함 유형을 PD, T1, T2, T3, D1, D2, S 7개 영역으로 구분하며, 각 결함별 경계영역은 Table 3과 같다.
Fig. 2, 3은 각각 Duval triangle, Duval pentagon 방법을 국내 DGA 데이터에 적용한 그림이다. 적용 대상 데이터는 운전중 고장이 발생하거나
내부 정밀점검을 통해 결함이 확인된 전력용 변압기의 DGA 164건이다.
Fig. 2. Application of the Duval triangle method to DGA data
Fig. 3. Application of the Duval pentagon method to DGA data
Table 2. Fault zone boundaries of Duval triangle
|
Gas %
Fault
|
%CH4
|
%C2H4
|
%C2H2
|
|
PD
|
≥ 98
|
-
|
-
|
|
T1
|
< 98
|
< 20
|
< 4
|
|
T2
|
-
|
≥ 20 and <50
|
<4
|
|
T3
|
-
|
≥ 50
|
<15
|
|
DT
|
-
|
< 50
|
≥ 4 and < 13
|
|
-
|
≥ 40 and < 50
|
≥ 13 and < 29
|
|
-
|
≥ 50
|
≥ 15 and < 29
|
|
D1
|
-
|
< 23
|
≥ 13
|
|
D2
|
-
|
≥ 23
|
≥ 29
|
|
-
|
≥ 23 and < 40
|
≥ 13 and < 29
|
Table 3. Fault zone boundaries of Duval pentagon
|
Fault Zone
|
Coordinates
|
|
PD
|
(0, 33), (–1, 33), (–1, 24.5), (0, 24.5)
|
|
D1
|
(0, 40), (38, 12), (32, –6.1), (4, 16), (0, 1.5)
|
|
D2
|
(4, 16), (32, –6.1), (24.3, –30), (0, –3), (0, 1.5)
|
|
T3
|
(0, –3), (24.3, –30), (23.5, –32.4), (1, –32), (–6, –4)
|
|
T2
|
(–6, –4), (1, –32.4), (–22.5, –32.4)
|
|
T1
|
(–6, –4), (–22.5, –32.4), (–23.5, –32.4),
(–35, 3), (0, 1.5), (0, –3)
|
|
S
|
(0, 1.5), (–35, 3.1), (–38, 12.4), (0, 40),
(0, 33), (–1, 33), (–1, 24.5), (0, 24.5)
|
2.2 국내의 전력용 변압기 진단 방법
국내 전력용 변압기의 진단은 한전의 기준표를 따른다. Table 4는 2012년에 개정된 DGA 기준표 일부를 나타낸다. 한전 진단 기준의 가장 큰 특징은 DGA 가스의 농도가 전력용 변압기에 미치는 영향을 고려하여
4~5단계의 범주형으로 분류하고, 상태별로 조치사항을 제안한다는 점이다. 상태 분류는 정상(normal), 요주의(caution)Ⅰ, Ⅱ 이상(abnormal),
위험(danger)으로 나누어진다. 위험 상태는 전기적 결함의 주요 가스인 C2H2의 기준에 적용되며, 이는 전력용 변압기의 상태가 치명적임을 의미한다. C2H2의 위험 기준은 120ppm을 초과할 때이다. 조치사항은 추적분석을 통해 요주의 Ⅰ, Ⅱ 이상 판정에 따라 DGA의 샘플링 주기를 각각 6, 3,
1개월로 단축된다. 판정 결과가 이상이나 위험인 경우는 정밀점검을 진행한다. 정밀점검은 전력용 변압기의 운전을 중단한 뒤 내부를 조사하는 방법으로
이를 통해 결함 부위, 원인을 파악할 수 있다.
Table 4. KEPCO DGA diagnostic criteria in 2012 (Partial)
[unit: ppm]
|
DGA gas
|
normal
|
CautionⅠ
|
CautionⅡ
|
Abnoraml
|
|
H2
|
≤200
|
≤400
|
≤800
|
>800
|
|
C2H2
|
≤10
|
≤20
|
≤60
|
≤120
|
|
C2H4
|
≤100
|
≤200
|
≤500
|
>500
|
|
CH4
|
≤150
|
≤250
|
≤750
|
>750
|
|
C2H6
|
≤200
|
≤350
|
≤750
|
>750
|
|
C3H8
|
≤150
|
≤250
|
≤750
|
>750
|
|
Action
|
|
Tracking Analysis: 1/6 mo
|
Tracking Analysis: 1/3 mo
|
Tracking Analysis:
1/1 mo
or detailed inspection
|
3. 사각판별법 기반 결함 분류 모델의 개발 및 적용
3.1 국내 정밀점검 결과에 대한 해외기법 적용 및 분석
국내의 전력용 변압기는 1980년대부터 전력량이 지속적으로 증가했으며, 해외와 다른 환경에 운전되고 있다[2]. 해당 연구에서는 국내 DGA 데이터를 해외 기법에 적용했을 때 결함 요인의 분류가 적합한지 검토하고자 했다.
Duval 기법을 적용하여 분류된 결함과 정밀점검을 통해 분류된 결함 유형을 비교한 결과는 Table 5~6와 같이 나타내었다. T는 T1, T2, T3를 포함하며, D는 D1, D2, PD를 포함한다. 비교 결과 Duval triangle에서는 정밀점검과
64%의 일치율을 보이며, Duval pentagon은 47%의 일치율을 나타냈다. 이러한 결과는 국내 DGA 데이터를 해외 방식으로 적용하기에 한계점이
있다는 것을 나타낸다.
Table 5. Comparison between the Duval triangle and detailed inspection results
|
Diagnosis method
|
Category
|
Detailed inspection
|
|
T
|
D
|
DT
|
total
|
|
Duval triangle
|
T
|
63
|
7
|
28
|
98
|
|
D
|
4
|
33
|
17
|
54
|
|
DT
|
|
2
|
10
|
12
|
|
total
|
67
|
42
|
55
|
164
|
Table 6. Comparison between the Duval pentagon and detailed inspection results
|
Diagnosis method
|
Category
|
Detailed inspection
|
|
T
|
D
|
DT
|
total
|
|
Duval triangle
|
T
|
49
|
6
|
31
|
86
|
|
D
|
|
28
|
23
|
51
|
|
DT
|
18
|
8
|
1
|
27
|
|
total
|
67
|
42
|
55
|
164
|
3.2 사각판별법을 통한 무게 중심점의 계산 과정
국내 DGA 데이터를 해외 기법으로 결함 유형을 분류하는 경우 정밀점검 결과와 일치율이 낮다는 한계가 있다. 이를 보완하기 위해 본 논문에서는 열화
유형 분류를 위한 사각판별법을 제안하였다.
사각판별법은 결함 유형을 분류하기 위해 가장 유효하게 활용되는 4가지 가스를 이용하여 점의 위치를 나타내어 결함 유형을 판별할 수 있는 방법이다[16]. 본 연구에서는 H2, C2H2, C2H4, CH4, C2H6를 대상으로 진행했다. 각 가스의 농도 범위는 서로 달라 이를 고려하기 위해 정규화를 진행하였다. 정규화 방법은 선형 정규화를 이용하였고, 정규화한
값을 직관적으로 식별할 수 있게 Table 2의 한전 DGA 진단 기준표의 값을 기반으로 구간별로 정규화를 진행하였다. 즉, 정상의 범위는 0~1로 정규화되고, 요주의Ⅰ은 1~2의 범위로 정규화된다.
정규화 이후 C2H2를 제외한 나머지 가스는 0~4의 범위로 변환되고, C2H2는 0~5의 값으로 변환되었다.
Fig. 4는 정규화 이후 결함별 가스 분포를 박스차트로 분석한 결과이다. 열적 결함의 경우 C2H6, CH4, C2H4의 순으로 정규화된 값이 우세하게 나타났다. 전기적 결함의 경우 C2H2, H2 순으로 정규화된 값이 우세하게 나타났다. 복합 결함의 경우 정규화된 가스 값의 중앙값이 모두 1을 초과함을 확인할 수 있다. 이러한 결과는
결함으로 발생한 열, 방전이 심각할수록 더 높은 결합 에너지로 생성되는 가스가 발생한다는 선행연구와 일치한다[11].
사각판별법에서는 결함 유형을 중점적으로 분류하기 위해 4가지의 가스를 선정하였다. T1~2 결함의 주요 가스는 C2H6와 CH4로 모두 단일결합으로 이루어진 화합물이다. 이에 따라, 사각판별법의 모델을 A, B로 구분하여 두 가스 중 결함 유형 구분에 더 적합한 가스를 선정하고자
했다. 모델 A는 C2H6를 이용하였고, 모델 B는 CH4를 이용하였다.
사각판별법에서 점의 위치는 Fig. 5와 같은 과정을 거쳐 결정된다. 먼저, 한전 기준치를 기반으로 정규화된 가스를 4종 가스의 총합 대비 백분율로 변환하여 벡터의 크기로 사용한다. 다음으로,
x축을 기준으로 C2H2, H2,(CH4 혹은 C2H6), C2H4 순으로 각각 45°, 135°, 225°, 315° 회전 이동하여 각 가스의 벡터 방향을 결정한다. 마지막으로는 4개의 벡터로 이루어진 사각형의
무게중심 점으로 최종 위치를 결정한다. 즉, 사각판별법에서 점의 위치는 정규화된 가스를 백분율로 변환한 후, 각 축으로 회전 변환하고, 형성된 사각형의
무게중심 점으로 정해진다. 이를 이용하면, 점의 위치에 따라 어떤 가스가 한전의 기준을 얼마나 초과했는지 시각적으로 확인할 수 있다.
시각적으로 표현한 영역은
Fig. 5의 내부 40%에 해당하는 범위를 나타내었다. 본 논문에서는 사각형 중심에 위치하는 무게중심점의 특성을 고려하여 원점에서부터 40%까지의 위치만을
Fig. 6~
9와 같이 나타내었다.
Fig. 4. Distribution of DGA gases according to fault types after normalization
Fig. 5. Calculation of the centroid based rectangular classification method
Fig. 6. Rectangular classification method applied to internal inspection DGA data(model-A,
C2H2, H2, C2H6, C2H4)
Fig. 7. Rectangular classification method applied to internal inspection DGA data(model-B,
C2H2, H2, CH4, C2H4)
4. 결과 및 고찰
Duval Triangle, Duval pentagon, 사각판별법을 국내 25년 이상 운전한 열적·전기적 결함 변압기의 DGA 가스에 적용하였으며,
약 5년 간격으로 대표 DGA 데이터를 각 방법에 분석에 활용하였다.
4.1 열적 결함 주도 전력용 변압기의 DGA 진단 결과
열적 결함 주도로 발생된 전력용 변압기는 3번째 진단에서 정밀점검을 통해 결함 유형이 T3로 판정되었다. Table 7은 해당 변압기의 DGA 이력과 정밀점검 결과를 나타낸다.
Fig. 8은 DGA 이력을 4가지 방법을 통해 결함 유형을 분류한 결과를 나타낸다. Duval triangle은 T3, T2, T3 순으로 결함 유형이 진행되고,
Duval pentagon은 T1, T2, T3, T1 순으로 진행되었다.
Fig. 8. Classification of fault types in power transformer DGA with thermal faults
Table 7. DGA history of power transformers with thermal faults
|
no.
|
Year
|
H2
|
C2H2
|
C2H4
|
C2H6
|
CH4
|
Detailed
inspection
|
|
1
|
5.1
|
18
|
0
|
81
|
165
|
54
|
|
|
2
|
10.1
|
25
|
0
|
154
|
134
|
97
|
|
|
3
|
15.0
|
319
|
10
|
1033
|
356
|
521
|
Core overheat
|
|
4
|
19.8
|
18
|
0
|
221
|
1101
|
330
|
|
5
|
24.8
|
78
|
0
|
761
|
962
|
480
|
|
6
|
25.3
|
7
|
1
|
93
|
241
|
127
|
|
4.2 전기적 결함 주도 전력용 변압기의 DGA 진단 결과
전기적 결함 주도로 발생된 전력용 변압기는 5번째 진단에서 정밀점검을 통해 결함 유형이 D2로 판정되었다. Table 8은 해당 변압기의 DGA 이력과 정밀점검 결과를 나타낸다.
Fig. 9는 DGA 이력을 4가지 방법을 통해 결함 유형을 분류한 결과를 나타낸다. Duval triangle은 T1, D1 순으로 결함 유형이 진행되고 Duval
pentagon은 T1, S, T1, S 순으로 진행되었다. 사각판별법의 경우 모델 A는 T, D∩DT 순으로 이동하였고 모델 B의 경우는 T, D
순으로 이동하였다. Duval pentagon은 2, 4, 5 번째 진단에서 S로 결함을 진단하여 해당 판정법이 정밀점검 결과와 일치하지 않음을 확인하였다.
Fig. 9. Classification of fault types in power transformer DGA with discharge faults
Table 8. DGA history of power transformers with discharge faults
|
no.
|
Year
|
H2
|
C2H2
|
C2H4
|
C2H6
|
CH4
|
Detailed
inspection
|
|
1
|
5.9
|
2
|
0
|
4
|
87
|
39
|
|
|
2
|
11.1
|
4
|
0
|
9
|
178
|
42
|
|
|
3
|
15.0
|
0
|
0
|
3
|
63
|
25
|
|
|
4
|
21.1
|
0
|
0
|
4
|
157
|
35
|
|
|
5
|
25.0
|
55
|
69
|
47
|
454
|
114
|
Winding layer degradation
|
|
6
|
25.3
|
7
|
1
|
93
|
241
|
127
|
|
4.3 결과 해석 및 논의
국내 변압기 DGA 이력을 해외 방법에 적용한 결과 정밀점검 결과와 불일치하여 한계점이 있음을 확인하였다. 이러한 원인으로는 변압기의 운전 이력,
구조, 절연유의 종류에 따른 발생 가스 및 비율의 변화로 판단된다[17, 18].
사각판별법의 두 모델의 유효성을 정량적으로 확인하기 위해 각 영역에서 중복되는 데이터 수를 이용하였다. 이는 중복되는 데이터가 적을수록 결함 유형을
구분하기 유효한 모델이라는 가정을 기반으로 하였다. 분석 결과 모델 A는 결함 영역 간 데이터 중첩이 26%로, 37%인 모델 B보다 더 명확하게
분류되었으며, 이는 C2H6의 결함 분류가 CH4보다 유효함을 의미한다. 이러한 결과는 확보한 데이터에서만 유효할 수 있으며 모델의 유효성을 정확하게 판단하기 위해서는 추가 데이터를 적용하여 확장성의
검토가 필요하다고 판단된다.
사각판별법은 한전의 기준에 따라 단계별로 정규화가 되었기 때문에 국내의 DGA 발생 환경에 적합한 결함 분류를 할 수 있다. 또한 정밀점검 데이터를
기반으로 제안되었기 때문에 기존 진단법에 비해 높은 신뢰성을 가진다.
그러나 유형별 영역이 명확하게 정의되지 않았기 때문에 추가적인 연구가 필요하다. 또한 한전의 DGA 진단 기준치가 변경될 경우 가스별 벡터 크기 계산
과정에서 정규화 범위가 달라지기 때문에 무게중심점의 위치가 변화하여 결함 유형의 영역에 재정의가 필요하다. 모델의 고도화를 위해서는 지속적 검토와
추가적인 데이터가 요구된다.
5. 결 론
본 논문에서는 전력용 변압기의 상태를 진단하는 방법 중 하나인 DGA를 기반으로 결함 유형을 분류하는 연구를 진행하였다. 정밀점검을 통해 결함 유형이
명확하게 분류된 국내 DGA 데이터를 기반으로 여러 결함 분류 방법을 비교 검토하였으며, 다음과 같은 결론을 도출하였다.
1. 국내의 DGA 데이터를 해외의 결함 유형 분류 방법에 적용했을 때의 일치율은 64% 이하로 확인되었고, 국내 데이터를 적용하는데 한계가 있는
것을 확인하였다.
2. 한전의 기준치를 반영한 사각판별법은 결함 유형별로 군집을 이루어 결함 유형을 분류하기에 적합하다고 판단된다.
3. 사각판별법을 적용할 때 C2H6, CH4 가스 중 진단에 더 적합한 가스가 무엇인지 분석하였다. 분석 결과 C2H6를 사용할 경우 결함 영역이 중복되는 데이터가 11% 감소하여 C2H6를 사용하는 것이 더 적합함을 확인하였다.
Acknowledgement
이 논문은 2024년도 정부(교육부)의 재원으로 한국연구재단 국립대학육성사업의 지원을 받아 수행된 연구임.
References
Korea Electric Power Corporation, “Korea electric power statistics,” KEPCO, 2024.

World Bank, “Electric power consumption(kWh per capita),” 2025.

Dongjin Kweon, et al., “Life evaluating method of substation transformers for asset
management system,” Transaction of KIEE, vol. 69, no. 5, pp. 682-687, 2020.

Dongjin Kweon, et al., “DGA gases related to the aging of power transformers for asset
management,” JEET, vol. 13, no. 1, pp. 372-378, 2018.

Munseop Lim, et al., “Review of fault concordance in DGA,” KIEE Conference, pp. 2081-2082.
2024.

Sungmin Cho, et al., “The new criteria of dissolved gas analysis for oil-filled transformers
using a cumulative distribution function,” KIIEE, vol. 21, no. 9, pp. 87-94, 2007.

Dongjin Kweon, et al., “Representative dissolved gases indicating aging of power transformers,”
KEPCO Journal on Electric Power and Energy, vol. 3, no. 1, pp. 23-28, 2017.

Sunghwan Kim, et al., “Internal defect analysis of transformers using DGA,” IKEEE,
vol. 24, no .1, pp. 354-359, 2020.

M. R. Hussain, S. S. Refaat, and H. Abu-Rub, “Overview and partial discharge analysis
of power transformers: A literature review,” IEEE Access, vol. 9, pp. 64587-64605,
2021.

A. Lisowska Lis, “Thermographic monitoring of the power transformers,” Measurement
Automation Monitoring, vol. 63, pp. 154-157, 2017.

IEC, “Mineral oil-filled electrical equipment in service–Guidance on the interpretation
of dissolved and free gases analysis,” IEC 60599, 2015.

IEEE, “IEEE guide for the interpretation of gases generated in mineral oil-Immersed
transformers,” IEEE Std C57 40, 2019.

Duval Michel, et al., “The duval pentagon-a new complementary tool for the interpretation
of dissolved gas analysis in transformers,” IEEE Electrical Insulation Magazine, vol.
30, no. 6, pp. 9-12, 2014.

Duval Michel, et al., “Detection of carbonization of paper in transformers using duval
pentagon 2 and triangle 5,” IEEE TDEI, vol. 30, no. 4, pp. 1534-1539, 2023.

T. Buchacz, “Stray gassing of oil in HV transformers,” IEEE TDEI, vol. 28, no. 5,
pp. 1729-1734, 2021.

Yonghyun Kim, et al., “Case study for internal inspection of power transformers using
DGA pattern diagnosis technique,” KIEE Conference, pp. 1722-1723, 2020.

Seongtae Kim, et al., “The duval triangle method for environmentally friendly insulating
oil transformer condition diagnosis using DGA visualization,” KIEE Conference, p.
44, 2023.

Duval Michel, et al., “The new duval pentagons available for DGA diagnosis in transformers
filled with mineral and ester oils,” IEEE Electrical Insulation Conference, pp. 278-281,
2017.

Biography
He received the B.S. degree in Electronic Engineering from Mokpo National Maritime
University, Korea, in Feb. 2012, and the M.S. degree in Marine Electronics, Communi-
cation, and Computer Engineering from the Graduate School of Mokpo National Maritime
University in Feb. 2014. His research interests include high voltage and electrical
discharges, diagnostics of power facilities, and asset management of power equipment.
He received a B.S. from Mokpo Maritime University (MMU) in 2020 and M.S. in marine
electronic communication computer science from MMU in 2022. Currently, he is researching
electrical evaluation at the AD&P (Aging Diagnostics & Prediction) LAB, MMU, Korea.
His research focuses on insulating materials for power cables, thermoplastic materials,
high voltage testing, asset management, AI, and big data analysis.
He received his B.S. degree from the Marine Engineering, Mokpo National Maritime
University, in 2024. He is pursuing the master’s degree in marine electronic communication
computer science and he is interested power transformers diagnosis, cable insulation
materials, asset management and high voltage testing.
He received the B.S., M.S., and Ph.D. degrees from Chonnam National University, Gwangju,
in 1989, 1991, and 1996, respectively. Since 1996, he has been a Professor with Mokpo
National Maritime University, Mokpo, South Korea. His research interests include high
voltage (HV) power cables, insulation diagnosis using artificial intelligence (AI),
life estimation of power equipment, and health index of power cables.