• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Digital Solution Laboratory, Korea Electric Power Research Institute(KEPRI), Korea.)
  2. (Next Generation Transmission & Substation Laboratory, Korea Electric Power Research Institute(KEPRI), Korea.)



Earthquake Simulation, Substations, Damage Estimation, Web System

1. Introduction

지진이란 지구적인 힘에 의하여 땅속의 거대한 암반이 갈라지면서 그 충격으로 땅이 흔들리는 현상을 말한다(1). 즉, 지진은 지구 내부 어딘가에서 급격한 지각변동이 생겨 그 충격으로 생긴 파동, 즉 지진파(Seismic Wave)가 표면까지 전해져 지반을 진동시키는 것이다.

일본의 경우, 도호쿠 대지진(2011), 오가사와라 서해 지진(2015), 후쿠시마 지진(2016), 구마모토 지진(2016) 등 대규모 지진사태가 일어나면서 이를 대비하기 위한 지진시뮬레이션 연구가 꾸준히 진행되어 왔다(2). 또한, 이러한 지진시뮬레이션 연구를 기반으로 각 설비의 피해를 예측하여 사전 대비 및 빠른 대응을 위한 시스템 개발 연구가 진행되었다. 하지만, 한국의 경우에는 일본과 비교하였을 때 규모가 작은 지진 발생 이유로 대비가 부족한 것이 현 상황이다. 그러나 적어도 규모 5.0 정도의 지진은 꾸준히 발생하고 있기 때문에 이를 대비해야하며, 특히 인간의 삶에 가장 밀접한 연관을 갖는 전력산업 분야에서는 더욱이 중요한 연구과제이다.

그러므로, 본 연구에서는 대한민국의 전반적인 지형 특성을 고려한 변전소 설비 피해예측 시스템인 K-EDES를 제안한다. K-EDES는 저주파 및 고주파 기반의 대규모 지진원 합성 모델 관리 기능, 한반도의 지리적 특성을 고려한 한반도 3차원 탄성파 전파 모델 및 시뮬레이터 기능, 이를 기반으로 전력설비들의 피해를 예측할 수 있는 전력설비 피해예측 모델 및 시뮬레이터 기능, 사용자 입장에서 피해 예측 결과를 파악할 수 있도록 개발한 피해예측 결과 가시화 기능으로 구성된다. 그리고 K-EDES는 분산병렬 시스템과 자원상태 및 작업 스케줄 관리를 위한 기능을 포함하기 때문에 실시간으로 지진 시뮬레이터 기반의 변전소 설비 피해를 예측할 수 있다. 그러므로, K-EDES를 활용할 경우 이를 통한 사전 대비 훈련뿐 만 아니라, 실제 지진 발생 시 변전소 관리 직원의 실시간 대응에 도움이 되어 지진피해 복구 기간 단축에 따른 복구비 및 유지보수비를 절감할 수 있다.

2. Related Work

그림. 1. K-EDES의 시스템 구성

Fig. 1. System Architecture of K-EDES

../../Resources/kiee/KIEE.2020.69.11.1717/fig1.png

2.1 Earthquake Simulation

지진 시뮬레이션은 실제 또는 시뮬레이션 된 진동입력을 실제 지진 이벤트의 필수 기능을 가진 구조물에 적용하는 것이다(2). 지진 시뮬레이션은 일반적으로 인공 엔지니어링 구조나 지진 중 위험을 초래할 수 있는 자연 지형에 대한 지진의 영향을 연구하기 위해 수행되는 것이 일반적이다.

최근에는 각 지역의 특성을 고려한 지진 시뮬레이션 연구가 진행되고 있다. Abdurrahman Sahin 연구팀은 이스탄불 지역을 대상으로 통합 지진 시뮬레이션 시스템을 개발하였으며, Christos Vlachos 연구팀은 지진 시나리오 기반의 특정 지역별 예측 모델 연구를 진행하였다(3-4). 그리고 Xinzheng Lu 연구팀은 건물 구조에 따른 지진 재난 시뮬레이션 연구를 진행하였다(5). 국내의 경우에는 각 지역별 특성을 고려한 지진 시뮬레이션 연구는 활발히 진행 되었지만, 대한민국 전체 지형 특성을 고려한 지진 시뮬레이션 연구는 현저히 부족한 실정이다.

2.2 Damage Estimation for Substations

최근 여러 재난에 따른 설비의 피해 분석 및 예측 관련 연구가 진행되고 있다. 전력산업분야의 연구개발 사례를 살펴보면, Takao Adachi 연구팀은 최소거리 알고리즘(Shortest-Path Algorithm)을 활용한 지진 피해에 따른 전력설비 피해도 측정연구를 진행하였으며, Andre Filiatrault 연구팀은 변전설비 장비에 대한 피해 반응 연구를 진행하였다(6-7).

다른 산업분야의 피해 분석 및 예측 관련 연구개발 사례를 살펴보면, 최장현 연구팀은 공공시설 호우피해 예측함수를 머신러닝 기법을 통해 개발하였으며, 황승호 연구팀은 위성영상을 기반으로 피해 예측을 통한 피해규모 자동산정시스템을 개발하였다(8-9). 그리고, 임소람 연구팀은 Xgboost 알고리즘을 적용하여 가교 관리 시스템을 통한 피해예측 연구를 진행하였으며, Mohammad Alembagheri 연구팀은 선형 분석과 실증 파괴 기준을 이용하여 콘크리트 중력댐의 지진피해 추정 연구를 진행하였다(10-11). 이처럼 전력산업뿐 만 아니라 다양한 산업분야에도 피해 예측을 위한 연구개발이 활발히 진행되고 있음을 알 수 있다.

하지만, 국내 변전 시설 및 설비를 위한 지진 피해예측 연구와 이를 통합관리하기 위한 플랫폼 연구는 부족한 실정이다. 그러므로, 국내 지형 특성을 반영한 지진 재난 관련 변전설비의 피해 분석 및 예측을 위한 알고리즘과 이를 관리할 수 있는 소프트웨어가 필요하다.

3. K-EDES: Earthquake Damage Estimation Web-System for Electrical Substations in South Korea

3.1 시스템 구성

본 연구팀에서 개발한 K-EDES는 지진 시뮬레이터를 기반으로 변전소 지진 피해 예측을 위해 개발되었으며, 전체 시스템 구조는 그림 1과 같다. K-EDES의 구조를 자세히 살펴보면, 단층 지진원 합성, 3D 탄성파 전파, 전력설비 피해 예측 모델을 관리하는 모델러가 있으며, 사내 및 사외 데이터 연계 관리를 위한 데이터 연계관리자가 있다. 그리고 모델러 기반의 시뮬레이터가 있으며, 이에 대한 결과를 시각화 하기 위한 가시화기로 구성된다. 또한, 작업 스케줄과 자원 상태를 관리하기 위한 자원관리자로 구성되어 시스템을 효율적으로 관리할 수 있다.

K-EDES는 스프링 프레임워크 기반의 웹 시스템이다. 실제 동작 시 단일서버에서 실행되며, 지진파형의 경우 별도의 계산서버를 통해 계산한 결과를 시스템과 통신을 통해 주고 받는 가동 환경이며, log4j라이브러리를 활용하여 로그 관리를 수행한다. 에러 및 예외 처리는 스프링 프레임워크에서 제공하는 모듈을 활용한다.

3.2 대규모 단층 지진원 합성 모델 및 시뮬레이터

대규모 단층 지진원을 지진 시뮬레이션에 반영하기 위해서는 지진파의 전파현상을 모사하기 전에 단층지진원 내부에서 단층 미끌림이 어떠한 양상으로 이루어졌는지에 대한 단층파열모델(Rupture Model)을 먼저 모델링하는 것이 필요하다. 그러므로 대규모 단층 지진원 모델 관리 기능에서는 지진 시뮬레이션에 필요한 지진원 정보에 대한 생성을 위한 입력데이터 관리 및 출력된 SRF(Standard Rupture Format) 파일에 대한 관리 기능을 구현하였다. 실제 단층 지진원 생성을 위해서는 SongRMG 알고리즘을 적용하였다(12-15).

표 1. 면적 지진원 생성을 위한 속성 정보

Table 1. Property Information for Generating Area Seismic Source

면적 지진원

속성정보

지진 규모

주향 단층면 길이(km)

경사방향 단층면 길이(km)

상단 심도(km)

주향(° )

단층 미끌림 방향(° )

경사(° )

상단중앙 위도(° )

상단중앙 경도(° )

주향 상단중앙~진원 거리

경사방향으로 상단중앙~진원 거리

단층면분할 옵션

경사방향 분할 간격(km)

주향 분할 간격(km)

무작위성 옵션

확률함수 입력값

다중 세그먼트

옵션

주향 최대 단층면 길이(km)

단층 미끌림 시작 시각

전체 지진 규모 비율

첫 세그먼트의 SEED 값

표 2. 점 지진원 생성을 위한 속성 정보

Table 2. Property Information for Generating Point Seismic Source

점 지진원

속성정보

지진 규모

주향(° )

단층 미끌림 방향(° )

경사(° )

진원 위도(° )

진원 경도(° )

진원 심도(km)

지진원 관리 메뉴를 통해 모델관리 기능을 사용할 수 있으며 모델의 목록, 지도상 위치, 상세 속성, 생성 기능을 수행할 수 있다. 지진원 생성 방법은 면적지진원, 점지진원, SRF 불러오기, 파라미터 불러오기와 같이 4가지 방식으로 구성하였다. 표 1표 2는 면적지진원 생성을 위한 생성 정보를 나타낸다.

3.3 한반도 3차원 탄성파 전파 모델 및 시뮬레이터

한반도 3차원 탄성파 전파 모델 및 시뮬레이터 기능에서는 탄성파 생성에 필요한 입출력 데이터 관리 및 생성된 모델에 대한 속성 및 물리적 위치정보 등을 관리한다. 3차원 탄성파 전파에 필요한 모델은 감쇠를 계산하는 물성정보가 포함된 속도모델, 계산범위를 정하고 병렬처리의 기반이 되는 도메인 모델, 그리고 탄성파 전파 결과를 나타내는 지진파 모델관리로 구성된다.

속도모델 관리의 경우, 속도모델의 실제 파일은 물리적 파일로 관리되며 기준점, 범위 등의 속성정보는 데이터베이스와 파일로 동시에 관리한다. 현재 생성된 모델이 90GB 정도로 미리 생성해 둔 속도모델을 이용하여 탄성파 전파에 대한 계산을 수행하며, 이에 대한 속성정보를 설정파일로 만들어 사용하는 구조로 이루어져 있다. 속도모델의 물리적 파일 구성은 P파, S파, 밀도 속도모델로 구성된다.

도메인 모델 관리의 경우, 시뮬레이션에서 계산영역 설정 시 실제 지진과 전파영역에 비해 계산영역은 한계가 있으므로 인위적인 경계가 발생한다. 이 인위적인 경계 즉, 대규모 지진의 시뮬레이션에 사용하기 위한 물리적 기반 수치모델링 알고리즘의 계산범위를 도메인이라고 하며, 이 도메인을 생성하는 것을 도메인 모델링이라 한다. 도메인 모델은 지진원을 포함한 영역으로 설정되어야 하며, 지진원을 기준으로 반경을 통해 자동생성되는 도메인과 원점을 기준으로 거리 지정을 통해 생성되는 도메인 두 가지로 구성된다. 도메인 모델은 데이터베이스를 통해 그 속성을 관리하며, 속성은 탄성파 모델생성을 위한 파라미터 설정 파일에 자동으로 삽입되어 탄성파 분석에 활용된다. 도메인 모델 생성을 위한 입력값은 도메인 원점의 경도 및 위도, X 및 Y 방향 도메인 크기(km), 깊이 방향 도메인 크기(km), X 및 Y 방향 도메인 절점 간격(m), 깊이방향 도메인 절점 간격(m)으로 구성된다. 도메인 모델링의 생성 절차는 표 3과 같다.

그림. 2. 지진파 모델링 인터페이스 예시

Fig. 2. Example of Seismic Wave Modeling Interface

../../Resources/kiee/KIEE.2020.69.11.1717/fig2.png

그림. 3. 지진파 전파 가시화 예시

Fig. 3. Example of Seismic Wave Propagation Visualization

../../Resources/kiee/KIEE.2020.69.11.1717/fig3.png

표 3. 도메인 모델링 절차

Table 3. Procedure of Domain Modeling

순서

설명

1

속도모델 범위 획득

2

공간정보 정의 방식 도메인 생성

3

반경 기반 도메인 생성

4

도메인 가시화

지진파 모델관리의 경우는 앞서 생성한 지진원 및 속도모델, 도메인 모델 등을 활용하여 생성하는 핵심 기능이다. 지진파 생성을 위한 여러가지 파라미터를 통합하여 3D 파일을 생성하고, 지진파 모델의 물리적 위치 관리 및 속성을 데이터베이스로 관리한다. 지진파 모델의 화면 인터페이스 예시는 그림 2와 같으며, 모델의 이름, 입력 지진원, 도메인, 분석 시간 등의 정보 입력을 통해 생성된다. 지진파 모델링을 위해서는 도메인 모델 입력방식인 반경과 사용자 도메인 중 선택하여 지진파 모델링이 가능하도록 시스템 인터페이스가 구성되어 있다. 해당 기능을 통한 가시화 화면은 그림 3과 같다.

실제 한반도 3차원 탄성파 시뮬레이션 수행 시에는 탄성파동방정식을 기본으로 엇격자 유한차분법(Staggered-grid Finite- difference Method)을 이용한 수치모델링을 이용한다. 그리고 수치모델링의 시간을 단축시키기 위해 병렬 컴퓨팅 시스템으로 다중 GPU가 장착된 계산 서버를 대상으로 GPU 내 다중코어를 장착한 대칭형 다중 처리(Symmetric Multiprocessing, SMP)와 GPU 간 통신을 진행하는 고도 병렬 처리(Massively Parallel Processing, MPP)를 적용하였다.

3.4 전력설비 피해예측 모델 및 시뮬레이터

지진원 및 지진파 생성을 통해 산출된 지진의 PGA를 통해 변전소의 피해를 예측하기 위한 모델을 관리하는 기능으로 28개 설비에 대한 PGA별 취약도 곡선 알고리즘을 적용하여 피해를 산출한다. 피해예측 모델링을 위해 기본정보 및 변전소별 속성 모델을 관리하는 기능을 구성하였다.

피해예측 모델관리를 위한 속성은 변전소별 피해예측 모델속성, 시설 안전물 관리, 변전소 마스터 테이블, 피해 모델 속성 값으로 구성된다. 피해예측 모델의 대상 설비 목록은 표 4와 같이 28가지 변전소의 전압별로 분류되며, 각 설비 별 모델 최소 안전율을 산정하였다. 그리고 이에 적용하기 위한 피해예측 모델 알고리즘은 식 (1)과 같다.

표 4. 피해예측 모델 대상 설비 목록

Table 4. List of Facility Subject Damage Prediction Model

154kV

345kV

765kV

MTR

MTR

MTR

STR

STR

STR(25.8kV)

-

362kV GIS

800kV GIS

170kV GIS

170kV GIS

362kV GIS

154kV GIS

154kV GIS

-

25.8kV GIS

25.8kV GIS

25.8kV GIS

분로리액터

분로리액터

분로리액터

축전지지지대

축전지지지대

축전지지지대

배전반

배전반

배전반

접지리액터

DTR

DTR(25.8KV)

Eq. 1(식 (1)) 피해예측 모델 알고리즘

(1)
$$ F_{\alpha}(\alpha)=\int_{-\infty}^{\infty} \frac{1}{\alpha \sqrt{2 \pi} \beta} e^{-\frac{\ln \left(\frac{\alpha}{A m}\right)^{2}}{2 \beta^{2}} d \alpha}=\phi\left[\frac{\ln \left(\frac{\alpha}{A m}\right)}{\beta}\right] $$

$Am:$ 중앙값 = $SF*RLE$

$RLE :$ 검토 기준 지진 -0.154g ($PGA$)

$SF:$ 안전계수

$\beta :$ 대수표준 편차

$\phi :$ 표준정규분포함수

피해예측 시뮬레이션의 수행은 내진 여유도 평가(SMA: Seimic Margin Assessment)에서 도출된 검토기준지진과 지진 취약도 함수 모델을 활용하여 시뮬레이션을 수행한다. 이를 통해 도출된 설비별 취약도 곡선에 도출된 PGA값을 대입하여 피해도를 도출하며 변전소 별, 설비 별 취약도 곡선도 모두 시뮬레이션 한다. 시뮬레이션 결과인 취약도 곡선은 그림 4와 같은 형태로 도출된다.

그림. 4. 지진피해 예측 시뮬레이션 취약도 곡선 예시

Fig. 4. Example of Vulnerability Curve for Seismic Damage Prediction Simulation

../../Resources/kiee/KIEE.2020.69.11.1717/fig4.png

취약도 곡선 도출 시 각 설계기준 지진강도인 0.154G까지는 피해도가 없으며, 그 이후 값부터 피해가 발생한다. 피해예측 시뮬레이션의 수행은 지진 발생 시 자동 수행되며, 탄성과 시뮬레이션이 수행되었을 때에도 자동으로 피해예측 시뮬레이션이 수행된다.

피해예측 결과의 경우, 그림 5그림 6과 같이 변전소 별로 도출되며 변전소 내에 피해설비 목록과 취약도 곡선이 함께 도출된다. 도출된 피해 결과는 변전소 리스트를 통해 변전소가 선택되면 변전소의 피해도를 보여주는 흐름으로 가시화 된다.

4. Conclusion

본 연구에서는 대한민국의 지형 특성을 고려한 지진원 생성모델과 변전소 설비 피해예측 시스템인 K-EDES를 소개하였다.

K-EDES는 대규모 지진원 합성과 전파 전력설비 피해 예측모델 기능뿐만 아니라, 모델 시뮬레이터 및 변전소 피해 예측 결과를 가시화할 수 있는 소프트웨어로 구성되며 이를 통합 관리할 수 있는 환경을 제공한다. K-EDES를 활용할 경우, 이를 통한 사전 대비 훈련뿐만 아니라, 실제 지진 발생 시 변전소 관리 직원의 실시간 대응에 도움이 되어 지진피해 복구기간 단축에 따른 복구비 및 유지보수비를 절감할 수 있다. 차후에는 딥러닝 기반의 시계열 처리 알고리즘을 융합하여 설비 피해예측을 최적화할 것이다. 또한, 변전소 설비 피해 기반의 배전 피해예측을 결합하여 다양한 서비스를 제공할 수 있는 시스템으로 개발해 나아갈 것이다.

그림. 5. 지진피해 예측 시뮬레이션 결과 - 피해설비 목록 예시

Fig. 5. Result of Seismic Damage Prediction Simulation - Example List of Damaged Facilities

../../Resources/kiee/KIEE.2020.69.11.1717/fig5.png

그림. 6. 지진피해 예측 시뮬레이션 결과 - 설비피해 상세 예시

Fig. 6. Result of Seismic Damage Prediction Simulation - Example of Detailed Equipment Damage

../../Resources/kiee/KIEE.2020.69.11.1717/fig6.png

Acknowledgements

This work was funded by the Korea Electric Power Corporation (KEPCO).

References

1 
Muneo Hori, 2018, Introduction To Computational Earthquake Engineering (Third Edition)Google Search
2 
Wikip-dia, Aug 1st 2019, https://en.wikipedia.org/wiki/Earthquake_simulationGoogle Search
3 
Sahin Abdurrahman, Sisman Rafet, Askan Aysegul, Hori Muneo, July, 2016, Development of integrated earthquake simu- lation system for Istanbul, Earth, Planets and Space, Vol. 68, No. 116DOI
4 
Vlachos Christos, G. Papakonstantinou Konstantinos, Deodatis George, Oct, 2017, Predictive model for site specific simulation of ground motions based on earthquake scenarios, Earth- quake Engineering Structural Dynamics, Vol. 47, No. 1, pp. 195-218DOI
5 
Lu Xinzheng, Guan Hong, 2017, Earthquake Disaster Simulation of Civil InfrastructuresGoogle Search
6 
Adachi Takao, R. Ellingwood Bruce, 2008, Serviceability of earthquake-damaged water systems: Effects of electrical power availability and power backup systems on system vulnerability, Reliability Engineering and System Safety, Vol. 93, pp. 78-88DOI
7 
Filiatrault Andre, Stearns Christopher, May, 2004, Seismic Response of Electrical Substation Equipment Interconnected by Flexible Conductors, Journal of Structural Engineering, Vol. 130, No. 5, pp. may-DOI
8 
Changhyun Choi, Kihyuck Park, Heekyung Park, Myungjin Lee, Jongsung Kim, Hung Soo Kim, 2017, Development of Heavy Rain Damage Prediction Function for Public Facility Using Machine Learning, Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 6, pp. 443-450DOI
9 
Seungho Hwang, Kyehyun Kim, Geonhwi Lee, Miran Lee, Apr, 2016, A Study on the Development of Automated Damage Estimation System using High Resolution Satellite Imagery, Journal of the Korean Society of Hazard Mitigation, Vol., Vol. 16, No. 2, pp. 161-172DOI
10 
Soram Lim, Seokho Chi, 2019, Xgboost application on bridge management system for proactive damage estimation, Advanced Engineering Informatics, Vol. 41DOI
11 
Mohammad Alembagheri, 2016, Earthquake damage estimation of concrete gravity dams using linear analysis and empirical failure criteria, Soil Dynamics and Earthquake Engineering, Vol. 90, pp. 327-339DOI
12 
Seok Goo Song, Arben Pitarka, Paul Sornerville, Aug, 2009, Exploring Spatial Coherence between Earthquake Source Parameters, Bulletin of the Seismological Society of America, Vol. 99, No. 4, pp. 2564-2571DOI
13 
Seok Goo Song, Paul Sornerville, Apr, 2010, Physics-Based Earth- quake Source Characterization and Modeling with Geostatis- tics, Bulletin of the Seismological Society of America, Vol. 100, No. 2, pp. 482-496DOI
14 
Seok Goo Song, Luis Angel Dalguer, Mar, 2013, Importance of 1-point statistics in earthquake source modeling for ground motion simulation, Geophysical Journal International, Vol. 192, No. 3, pp. 1255-1270DOI
15 
Seok Goo Song, Luis Angel Dalguer, P.Martin Mai, Mar, 2014, Pseudo-dynamic source modelling with 1-point and 2-point statistics of earthquake source parameters, Geophysical Journal International, Vol. 196, No. 3, pp. 1770-1786DOI

저자소개

Myeong-Ha Hwang
../../Resources/kiee/KIEE.2020.69.11.1717/au1.png

Myeong-Ha Hwang has received B.S. degree in Department of Information and Communication Engineering, from Chungnam National University (CNU), South Korea in 2015 and M.E. degree in Information and Communication Network Technology from University of Science and Technology(UST), South Korea in 2018, and currently work for Korea Electric Power Research Institute(KEPRI). His current research interests Deep Learning and Natural Language Pro- cessing(NLP).

In-Tae Lee
../../Resources/kiee/KIEE.2020.69.11.1717/au2.png

In-Tae Lee is currently working as a principal researcher in KEPCO Research Institute(KEPRI), Daejeon, South Korea.

He received his M.S. of computer science from Korea University. At present his research focuses on System Modeling and Simulation, Natural Language Processing (NLP) and Probability Analysis.

Kwan-Hee Yun
../../Resources/kiee/KIEE.2020.69.11.1717/au3.png

Kwan-Hee Yun is in charge of Structural and Earthquake Engineering Lab. of KEPCO Research Institute (KEPRI).

He received P.H. degree in Department of Geophysical Research Lab from Seoul National University (SNU), South Korea in 2007.

He has the expertise and involved many projects related to earthquake engineering in electrical substations and nuclear power plants.