황민
(Min Hwang)
1iD
김도윤
(Do-Yun Kim)
1iD
조기룡
(Gi-Ryong Jo)
1iD
김영석
(Young-Seok Kim)
†iD
-
(Electrical Safety Research Institute, Korea Electrical Safety Corporation, Korea)
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
Electrical Safety Management System, Electrical Facility, Electrical Safety Level, Electrical Life Assessment, Life Cycle
1. 서 론
국민의 생애 전 주기와 건축물의 생애이력을 제공하는 서비스는 행정안전부의「정부24」플랫폼을 통해, 영유아부터 어르신까지 전 연령별로 각종 공공 서비스를
제공하는 것과 국토교통부 건축물의 건축, 폐기까지의 이력 정보 통합관리 토털 서비스인 「건축물 생애이력 관리시스템」으로 제공되고 있다(1-2). 그러나 국내 전기설비 분야에서는 전기설비 공사계획 신고, 사용 전 검사, 정기 검사 등의 일련의 업무절차는 있지만, 체계적으로 전기안전 서비스를
제공하는 시스템은 부재한 실정이다. 즉, 고객 전기설비의 검사, 원격감시, 안전관리, 진단, 폐기 등 생애이력 관리를 통해 전기설비에 대한 안전대책과
사고 예방을 위한 효율적인 안전관리 기술개발이 필요하다. 특히, 미국의 EA Technology 및 GE사에서는 설비사고 예방을 위해 전기설비를 하나의
자산관리 개념으로 정의하고, 고장 감지 및 예방 분야의 솔루션을 제공하고 있으며(3-4), 설비 운용을 위해 IEC TC 123에서 자산관리 표준을 진행 중에 있다(5).
국내의 경우에는 1980년대 중공업 육성정책으로 지어진 산업단지의 노후화가 진행되고 있으며, 실제로 공단이 조성된 지 30년이 경과한 곳이 24곳으로
전체 산업단지의 38%를 점유하고 있다. 특히, 여수 국가산업단지의 경우 노후 전력 설비 고장으로 2~3년마다 정전사고가 발생하고 있다(6). 대규모 산업단지 전기설비의 사고에 의한 정전은 생산시설 차질 등 경제적 손실뿐만 아니라, 국민 생활 불편을 초래하게 된다. 전기재해통계분석에 따르면,
특고압 전기설비 사고는 1,630건으로 전체 전기설비 사고 중 약 40%를 차지하고 있으며, 이들 중에서 개폐기(18.5%), 변압기(13.4%),
인입 전선로(11.2%), 변성기(9.9%) 순으로 사고 발생이 잦은 것으로 나타났다(7). 또한 전기설비 검사, 진단을 수행하는 전문가를 대상으로 설문한 결과, 수배전설비 중 가장 중요한 설비로 변압기, 인입 전선로인 것으로 나타났다(8). 이들 설비의 사고 예방을 위해서는 적절한 안전관리 방법이 필요하다.
기존 전기설비의 안전관리는 일정한 주기에 따른 정기 검사, 고객 요청에 의한 안전진단 등 보고서 제출, 안전관리 대행 등으로 관리되고 있지만, 인력
기반, 현장 중심의 안전관리 업무체계 및 인프라는 전기설비 사고 예방 및 대책의 한계가 있다. 따라서 전기설비 사고를 미연에 방지하기 위해서는 기존
방식을 넘어서는 새로운 안전관리인 생애이력 기반 전기설비의 전기안전관리 체계 구축이 필요하다. 즉, 전기설비의 공사계획 신고에서 교체, 폐기까지의
각 단계별 제공될 공공 서비스 모델 개발이 필요하다.
본 논문에서는 특고압 전기설비의 생애이력 기반 안전관리 시스템 구축과 전기안전 평가 모델에 대해 제안한다. IoT 진단모듈 기술을 활용한 온라인 센서
데이터 및 실제 현장 검사/진단을 통한 전기설비 오프라인 데이터를 기반으로 전기안전을 위한 공공 서비스 모델과 실제 데이터를 활용한 적용사례를 제시하고자
한다.
2. 생애이력 기반 특고압 전기설비 안전관리
전기설비 생애이력 관리는 설비의 상태 관점에서 설계부터 폐기에 이르기까지 설비의 사용 과정을 시간의 순서에 따라 기록하는 것으로, 그림 1에 일반적인 전기설비의 생애이력 과정을 나타낸다. 설비의 상태를 중심으로 설계, 시공, 운영, 폐기 등 주요한 4단계로 구분 할 수 있으며, 설비의
사용 중에 설비의 상태를 점검, 검사, 진단하는 업무, 이들 결과를 통해 설비를 개선하는 수리, 교체 등의 일련의 과정이 발생한다. 전기설비의 생애이력
관리를 위해서는 결국 전기설비를 구성하고 있는 전기기기(케이블, 변압기 등)에 대한 생애이력 관리가 함께 이루어져야 하므로 전기기기의 생애이력은 다양한
형태로 나타날 수 있다. 전기설비를 관리하는 입장에서는 전기기기의 설계와 제작과정에서 관여할 수 없기 때문에 전기기기가 전기설비에 설치되는 과정에서부터
이력 관리를 할 수 있다. 물론 전기기기가 관련 안전기준이나 검사기준에 부합하는지에 대한 여부는 공사계획 신고 과정이나 사용 전 검사 과정에서 판단할
수 있지만, 이는 전기기기의 설치 가능 여부를 판단하는 것이지, 전기기기의 설계 및 제작에 관여하는 것은 아니다. 따라서 전기기기의 생애이력 관리는
기기가 전기설비에 설치될 때부터 시작한다.
그림 1 전기설비의 일반적인 생애
Fig. 1 General Life for Electrical Facility
두 번째는 전기설비의 안전관리를 위한 서비스 관점에서 생애이력 관리를 하는 것으로, 범위는 사용 전 검사-정기 검사-안전관리-안전진단-교체로 정의
할 수 있다. 그림 2는 전기기기 중에서 유입변압기에 대한 전기안전 서비스 관점의 생애이력의 예시를 나타낸다. 유입변압기의 생애이력은 운영 초기에는 오일의 색, 절연내력
등 저 비용으로 고효율을 나타낼 수 있는 검사를 통해 설비 상태를 확인/관리 할 수 있다. 운영 중기에는 비용은 약간 증가되나, 유입변압기의 상태를
좀 더 정밀하게 알 수 있는 오일의 성분분석, 퓨란 검출 등을 통해 기기의 현재시점의 상태를 확인하여 관리할 수 있다. 운영 말기에는 안전등급, 수명평가,
수명예측 등 전기안전관리 서비스를 통해 설비의 교체 시점을 선정하여 최적의 운영 효율을 달성할 수 있다.
그림 2 유입 변압기의 생애이력 관리 예시
Fig. 2 Example of the Life Cycle-based Management of Oil-immersed Transformer
3. 생애이력 기반 전기설비 안전관리 시스템 모델 개발
전기설비의 안전성을 지속적으로 확보하기 위해서는 전기설비의 성능을 항상 일정 기준 이상으로 유지하기 위한 지속적인 점검과 이력 관리가 필요하다. 현재
전기설비의 설치-운영-폐기의 정보가 검사기관, 설비 소유주, 전기안전관리자 등 다양한 관리주체에 분산되어 관리되고 있어, 유지보수 이력 파악 및 수리/교체
등의 유지보수를 결정하기 위한 정보를 고객에게 제공하는데 어려움이 있다. 이를 개선하기 위해, 제안한 모델은 전기안전 서비스 관점에서의 전기설비에
대한 생애이력 뿐만 아니라 전기기기 개별 생애이력 관리를 위한 안전관리 체계를 제시함으로써 수용가 전기설비의 전주기 안전성 확보에 기여한다.
그림 3 생애이력 기반 전기안전관리 시스템의 개념도
Fig. 3 Schematic Diagram of a Life Cycle-based Electrical Safety Management System
그림 3은 생애이력 기반 전기안전관리 시스템의 개념도를 나타낸다. 본 개념은 온/오프라인 데이터 취득을 통해 생애이력을 관리하는 것으로 서비스 측면에서 전기설비의
이상 징후를 감시하는 원격감시, 안전등급, 수명평가, 수명예측을 제공하는 시스템이다. 상세한 시스템의 구조는 다음 절에서 설명한다.
3.1 온/오프라인 데이터 구조 설계
온/오프라인 데이터는 전기안전평가 서비스를 제공하기 위해 필수적이다. 온라인 계측 데이터는 시계열 기반으로 데이터화 되며, 부분방전, 열화상, 전력품질
센서 등을 통해 전기설비의 열화정보를 실시간으로 취득할 수 있게 한다. 또한, 현장 오프라인 데이터는 일정 주기로 현장 전문가들에 의해 육안 및 설비
요소 계측을 통해 확보할 수 있다.
그림 4는 생애이력 기반 전기설비 안전관리 시스템의 플랫폼 기반 서비스를 위한 온/오프라인 데이터 구조를 나타낸다. 고객 전기설비에 대한 모니터링과 전기안전평가
서비스를 제공하기 위한 온/오프라인 데이터 구조는 공통 데이터, 측정/평가 데이터, 평가 서비스 결과 데이터로 구분된다. 공통 데이터는 고객 데이터,
전기설비 데이터, 환경 데이터를 포함한다. 측정/평가 데이터의 경우 온/오프라인 데이터로 구분되며, 검사 데이터, 진단 데이터, 전기안전 계측 온라인
센서 데이터로 구성된다. 또한 평가결과의 데이터베이스화를 위한 데이터는 안전등급 결과, 수명평가 결과, 수명예측 결과, 직무고시 기반 전기안전관리
결과로 구성된다.
그림 4 온/오프라인 데이터 구조 설계
Fig. 4 Design of the Structure for On/Off-line Data
고객 데이터는 고객번호, 사업자명, 주소, 설비 종류, 설비 구분, 설비 유형, 수전방식/발전용도 등으로 정의되며, 전기설비 관리주체에 따른 구분을
위해 필수적이다. 설비 데이터의 경우 수전/발전 용량, 사고이력, 수전설비 방식(정식/약식) 등으로 정의 될 수 있으며, 각 설비에 따라 설치 위치
및 설치 형태 제조일, 설치일 등이 정의 될 수 있다. 환경 데이터는 설비수용가의 부하율, 사용기간, 온/습도 등으로 정의될 수 있다.
3.2 시스템 서버 구성 및 기능
그림 5는 생애이력 기반 전기안전관리 시스템의 시스템 서버 구성을 나타내며, 표 1은 각 서버의 주요 기능을 나타낸다. 시스템의 사용자는 시스템 관리자, 고객 및 전기안전관리자, 검사자, 진단자로 구분된다. 생애이력 기반 전기안전관리
시스템은 입력된 온/오프라인 데이터를 활용하여 시각화 및 전기안전평가 서비스를 제공한다. 이를 위해, 각 서버의 기능 및 역할은 전기안전 웹서버,
전기안전 서비스 서버, 전기안전 데이터 스토리지 서버, 전기안전 서비스 서버 등으로 구성된다. 전기안전 웹 서버는 시스템 관리자, 고객, 검사자,
진단자를 위한 그래픽 유저 인터페이스(Graphic User Interface, GUI)를 제공하며 각 수용가의 시설 단위 전기안전 서비스 제공 및
데이터 입력 기능을 가지고 있다. 전기안전 서비스 서버는 검사자와 진단자의 현장 오프라인 데이터와 전기안전 계측 센서를 통한 온라인 데이터를 입력받아
안전도, 건전도, 수명예측 서비스의 수행과 이에 대한 결과를 제공하며, 또한 직무고시에 따라 일정주기 전기안전관리 업무를 수행하는 전기안전관리자의
점검데이터 입력과 관리를 수행한다. 전기안전 데이터 스토리지 서버의 경우에는 각 서버와의 데이터 입/출력 기능을 통해 데이터의 저장/관리/정합성 검사
등의 기능을 수행한다. 마지막으로 전기안전 데이터 수집 서버는 전기설비에 설치된 부분방전, 열화상 등 전기안전 계측 센서로부터 온라인 데이터를 전송받아
저장/수집/전송하는 기능을 수행한다.
그림 5 제안한 모델의 서버 구성도
Fig. 5 Server Configuration for the Proposed Model
표 1 전기안전관리 시스템의 서버 구분 및 기능
Table 1 Server Classification and Function of Electrical Safety Management System
|
Category
|
Main Contents
|
Note
|
|
Electrical
Safety Web Server
|
·Provide the Visualization Service for Electrical Safety by each Customers
·Data Entry
|
Graphic User
Interface
|
|
Electrical
Safety Service Server
|
· On/Off-line Diagnosis Data / Life Assessment Service based on Heath Index
|
Heath
Index
|
|
· Off-line Inspection Data / Safety Level Service
|
Safety
Level
|
|
· Provide the Life Prediction based on Artificial Intelligence
|
Life
Prediction
|
|
· Provide the Electrical Safety Management Duties for Electrical Safety Supervisor
|
Safety
Manage-ment
|
|
Electrical
Safety
Data
Storage
Server
|
· Save the Information for Customer, Facility, Operation, etc.
|
On/Off-
line
DB
System
|
|
· Data Storage for On-line Data, Operation S/W, Data Consistency Check
|
|
Electrical
Safety
Data
Acquisition Server
|
· Diagnosis Module Data such as PD, IR, PQ, etc.
|
On-line
Monitoring
System
|
|
· Environment Data of Voltage, Current, Temperature, etc.
|
3.3 전기안전평가 서비스 모델
전기안전평가 서비스 모델은 전기설비 생애이력 기반 운영 시 전기설비의 지속 사용, 수리, 교체 등의 유지보수를 결정하기 위한 정보제공에 목적이 있다.
이를 위해 제안한 서비스 모델은 전기설비 검사와 관련된 전기안전등급, 정밀안전진단과 관련된 수명평가, 전기안전관리자의 직무고시 기반 전기안전관리,
인공지능(Artificial Intelligence, AI)기반 수명예측으로 구분된다. 상기 서비스를 제공하기 위해, 그림 5에서 표현한 것과 같이 공통데이터와 측정/평가 데이터를 입력받아 전기안전 서비스 서버에서 안전도, 건전도/수명평가, 안전관리, 수명예측 서비스 등을
수행한다.
3.3.1 전기안전등급 서비스
최근 전기안전관리법이 시행(‘21년 4월)됨에 따라, 설비의 안전 상태에 대한 평가 기준이 적/부의 판정에서 A(우수)~E(위험)상태의 5단계로 구분하는
전기안전등급제가 도입되었다. 전기설비의 시험/측정의 검사정보 및 전기안전등급 정보는 전기설비의 최소한의 안전 상태를 판단할 수 있는 척도이며, 전기설비의
이력관리에 있어 안전성을 판단하는 중요요소로 간주된다.
그림 6는 전기안전등급제의 평가 구조 예시를 나타낸다. 평가 구조는 설비별 전기적 요인과 환경적 요인으로 구분된다. 전기적 요인은 전선로, 변압기 등 전기기기에
대한 평가항목으로 구성될 수 있으며, 환경적 요인은 사용기간, 부하율, 사용 환경, 전기안전관리자의 직무고시 이행 등의 평가항목으로 구성될 수 있다.
전기적 요인은 설비별 검사 항목에 따라 도출된 결과점수와 전기적 요인에 부여된 가중치(WElec)가 곱해져 산정된다. 환경적 요인의 평가는 설비별
사용기간, 부하율 등의 평가에 따라 도출된 점수와 이에 대한 개별 가중치(WE1, WE2, …)의 곱으로 표현되며, 모두 합산된 값으로 더해져 가중치(WEnv)의
곱으로 도출된다.
정량화된 전기설비에 대한 등급 기준은 설비별 안전등급 평가 후 합산하여 전체 안전등급을 평가하는 모델로 제시된다. 특히, 여러 대의 동일 기기가 존재할
경우 낮은 등급의 판정이 전체 전기설비 등급 판정에 영향을 준다. 안전등급의 평가항목 및 항목별 가중치의 도출은 국제표준인 ISO 31010에서 (9) 위험성 평가기법과 관련된 다기준 의사결정 분석(Multi-Criterial Decision Analysis, MCDA)기법들 중 계층 분석과정(Analytic
Hierarchy Process, AHP) 기법이 활용 되었다(10).
그림 6 전기안전등급제의 평가 구조 예시
Fig. 6 Example of the Assessment Structure for Electrical Safety Level
3.3.2 전기설비 수명평가 서비스
수명평가 기술은 국내외적으로 전기설비 자산관리 위주로 서비스가 개발되고 있으며, 자산관리의 핵심 기술로써 현장에서 측정된 진단 데이터를 기반으로 도출된다(11). 전기설비 수명평가 서비스는 전기설비의 건전도(Health Index, HI) 도출을 통해 상태기준정비(Condition-based Maintenance,
CBM) 기법을 활용하여 설비의 교체시기와 최적화된 의사결정을 고객에게 제공할 수 있다. 전기설비의 건전도의 도출은 사후 유지보수에 대한 관리체계를
효율적으로 개선하여 전기설비의 신뢰성을 향상시킬 수 있다.
그림 7은 전력 케이블에 적용한 전기설비 수명평가 서비스 구조 예시를 나타낸다. 진단요소는 육안진단, 자외선(Ultra Violet, UV) 코로나 진단,
부분방전(Partial Discharge, PD) 진단, 열화상(Infrared Ray, IR) 진단 등이 존재할 수 있다. 건전도의 특징으로는 각
설비마다 진단항목이 다르며, 진단요소와 환경적 요소로 구분하여 평가한다. 이 때, 진단요소의 경우 각 설비의 최적화된 진단방법에 따라 가중치(Wk)가
다르다. 건전도는 각 진단항목에 따라 최적화된 알고리즘을 통해 도출된 결과 점수와 해당 진단항목에 부여된 가중치(WDia)가 곱해져 합산되고, 환경적
요인의 평가 결과 점수와 해당 환경적 요인의 가중치(WEnv)가 곱해져 모두 합산된 값으로 더해져 건전도가 도출된다. 이를 활용하여, 수명평가 알고리즘을
통해 최종수명을 도출한다.
그림 7 전력 케이블의 수명평가 구조 예시
Fig. 7 Example of the Life Assessment Structure for Power Cable
3.3.3 전기안전관리 서비스
전기안전관리 서비스는 고객 전기설비를 대상으로 전기안전관리법에 따라 선임된 전기안전관리자의 직무에 관한 고시를 바탕으로 전기설비 점검을 통한 이력관리를
의미한다. 그림 8은 선임된 전기안전관리자가 직무고시를 기반으로 수행해야 하는 ‘시험 항목 및 주기’를 나타낸다. 선임된 전기안전관리자는 직무 고시에 따라 설비의 특성에
맞게 고객의 설비를 일정주기 간격으로 점검을 수행하며, 이에 대한 내용을 기록/보존해야 한다. 전기안전관리자는 전기설비의 일상·정기·정밀 점검의 절차,
방법, 기준에 대한 안전관리규정 작성을 통해, 해당 설비 소유주의 시설 특성에 따라 점검 종류에 따른 측정 주기 와 시험 항목을 반영하여 매년 점검
계획을 수립한다. 이러한 전문화된 자격을 갖춘 선임된 전기안전관리자의 육안 점검과 절연저항, 누설전류 측정 등의 현장 계측을 통해 평가되는 전기설비의
상태는 전기설비의 생애에 있어, 전기설비 생애이력 관리 체계 내에서 취득되는 주기적인 오프라인 데이터 중 하나로 관리가 필요하다.
3.3.4 AI 기반 수명예측 서비스
그림 9는 AI 기반 수명예측 서비스의 예시를 나타낸다. 설비의 잔존수명 예측을 위해서는 온라인 데이터, 선택적 진단 항목의 결과 데이터, 문진점수(환경적요인)
데이터 등을 입력변수로 하여 특징점을 추출한다. 이를 바탕으로 HI 모듈을 통해 건전도 지수를 예측하거나, 추출된 특징점과 HI모듈에서 도출되는 특징을
활용하여 최종적으로 수명을 예측할 수 있다. 이러한 예측 기술은 설비의 건전성을 확보하고 설비 운영 효율성을 최적화하며 향후 사고를 방지하는 자산관리의
중요한 영역이 될 수 있다.
AI기반 수명예측 서비스는 다양한 AI 모델이 사용될 수 있다. 이미지 분류를 위한 모델의 경우, 합성 곱 신경망(Convolutional Neural
Network, CNN)이 사용될 수 있으며(12), 시계열 데이터의 경우, 장단기 신경망(Long Short-Term Memory Network, LSTM)이 사용될 수 있다(13). 또한, 건전도 및 수명예측 계산을 위해서는 신경망(Neural Network)이 사용될 수 있다.
AI 모델 학습을 위해서는 과거의 수명평가 데이터가 필요하며, 향후 제안한 생애이력 전기안전관리 시스템 등을 통한 전기설비의 설치/운영/폐기에 대한
빅데이터 구축으로 변수데이터의 추가 학습을 통해 더욱 정확도가 높은 수명 예측이 가능 할 것이다.
그림 8 전기안전관리자의 직무고시에 따른 시험 항목 및 측정 주기
Fig. 8 Test List and Measurement Period according to Electrical Safety Management
Duties of Electrical Safety Supervisor
그림 9 AI기반 수명예측 예시
Fig. 9 Example of the Life Prediction based on AI
4. 시스템 구축 모델을 통한 전기안전평가 서비스 적용
본 논문에서 공공 서비스 모델로 제시한 생애이력 기반 전기안전관리 시스템을 구축하고, 오프라인 상태에서 전기설비 안전등급 및 수명평가를 시스템에 적용해
보았다.
4.1 전기안전등급 서비스 적용 사례
수전용량 3,500 kVA, 수전전압 22.9 kV인 A 고객을 선정하여, 구축된 생애이력 기반 전기안전관리 시스템의 전기안전평가 서비스 모델 중
하나인 전기안전등급 서비스를 적용해 보았다. 오프라인 검사 데이터를 바탕으로 인입전선로, 변압기 등 수배전설비를 구성하는 각 기기별 전기안전등급을
도출하였다. 전체 전기설비 및 개별 전기기기에 대한 검사항목을 모두 열거할 수 없어, 수배전설비에서 중요성의 비중이 높은 변압기를 대상으로 일부 검사결과를
표 2에 나타내었다. A 고객의 변압기는 총 3대가 존재하였고, 변압기에 대한 검사결과는 대부분 양호/적합의 결과를 보였지만, 변압기-2의 경우 외관 검사
상 접속 상태가 일부 미흡하고, 환경적 요인에서 먼지, 분진의 영향에 따라 부적합 사항으로 지적되었다.
표 2 A 고객 변압기-2의 현장 검사결과 데이터
Table 2 Results for Field Inspection Data of A Customer’s Transformer-2
|
구분
|
검사항목
|
검사 결과
|
|
육안
검사
|
붓싱 등 외함의 손상 또는
외부도색 상태 적정 여부
|
양호
|
|
인하선 접속 상태
|
일부 미흡
|
|
변압기 내부고장 보호방식의 적정여부
|
양호
|
|
절연
저항
|
상-대지간, 1차-2차 권선간의 절연저항 측정치 적합 여부
|
2,000 MΩ
|
|
절연
내력
|
누설전류, 성극지수 등
|
적합
|
|
접지
|
접지저항
|
10 Ω 이하
|
|
무정전
검사
|
적외선 열화상
|
적합
(온도차 1.9℃)
|
|
자외선 코로나
|
적합
|
|
환경
요인
|
사용기간에 따른 영향
|
14.8년
|
|
부하율
|
75%
|
|
사용 환경/장소(먼지, 분진 등)
|
부적합
|
|
전기안전 관리자의 안전관리
(안전관리규정 기반 점검이행 여부)
|
적합
|
그림 10은 A 고객의 검사 데이터를 사용한 안전등급 결과와 제안된 생애이력 안전관리 시스템에서 구현한 GUI 화면을 나타낸다. 전기안전등급 서비스 적용결과,
총 3대의 변압기 중에서 변압기-1은 A등급, 변압기-2와 변압기-3이 B등급으로 도출되었다. 여기서 B등급은 전기안전관리법의 B등급(양호)에 해당하는
것으로 전기기기의 상태가 양호하나 지속적인 관심이 필요한 상태를 나타낸다. 참고로, A 고객의 전체 전기설비는 다른 전기기기들의 안전등급 결과 값을
합산하여 B등급의 결과를 나타내었으며, 본 시스템을 통한 전체 등급 추이 관리도 가능하다.
그림 10 A 고객의 검사 데이터를 사용한 안전등급 결과
Fig. 10 Results for Electrical Safety Level based on the Inspection Data of A Customer
4.2 전기설비 수명평가 서비스 적용사례
전기기기의 수명평가를 위해, B 고객 구내배전설비 중 22.9 kV 케이블의 현장 진단을 수행하였다. 대상 케이블은 설치 된 지 약 29년과 17년이
된 것으로, 고객 자체적으로 25년 주기로 교체를 진행하고 있었다. 케이블의 진단은 여러 방법을 사용할 수 있으나, 본 진단에서는 무정전 진단기법을
적용할 수 있는 열화상, 자외선, 부분방전(전자파 방식), 초음파, 육안검사 등의 5가지 진단방법이 사용되었다.
표 3은 현장 진단 결과의 일부를 나타낸다. 육안검사 결과, 케이블-1, 케이블-2 모두 분진 등에 의한 환경상태 판정결과가 불량으로 판정되었다. 자외선
코로나 진단 결과는 특이사항이 발견되지 않았다. 열화상 진단결과, 케이블-1의 경우에는 각 상의 온도 및 상별 최대온도차가 0.1℃로, 진단기준에
따라 양호로 판정되었다. 하지만 케이블-2의 경우, 각 상별 온도는 양호한 상태였으나, A, B 상의 온도가 C 상보다 상대적으로 높게 나타났으며,
상별 최대 온도차가 7.8℃로 진단기준에 따라 요주의로 판정되었다. 부분방전 진단에서는 케이블-1에서 외부 부분방전이 발생하였고, 케이블-2에서는
주변 노이즈 성분만 검출되었다.
그림 11은 표 3의 진단결과를 바탕으로 구축된 생애이력 안전관리 시스템의 전기안전평가 서비스 모델 중 수명평가 서비스를 적용한 결과를 나타낸다. 케이블의-1의 건전도
지수는 68%로 계산되었다. 잔존수명의 경우, 케이블의-1은 기준수명(25년)을 초과하여 사용한 결과값이 나타났으며, 수명평가를 통해 최종수명은 3.16년으로
계산되었다. 케이블-2의 건전도 지수는 79%로 산정되었다. 케이블-2의 사용년수(17년)는 기준수명이 초과하지 않았으며, 수명평가를 통해 도출된
최종수명은 6.25년으로 산정되었다.
진단한 케이블 모두 최종 수명평가 결과, 계속 사용에는 무리가 없으나, 케이블-1의 경우 3년 이내에 교체계획 수립을 권장하며, 케이블-2의 경우
정기적인 진단을 통해 사고발생을 최소화 할 필요가 있다고 판단된다.
생애이력 기반 안전관리시스템의 전기안전 공공 서비스 모델로 전기안전등급제 도출과 수명평가의 사례를 적용해 보았다. 고객의 측면에서 전기설비 법정주기에
따른 검사의 적합/부적합 판정에서 안전도의 수치화를 통한 설비의 5등급(A~E)의 제공과 이에 대한 이력관리는 자발적인 전기설비의 시설개선의 유도로
안전한 전기설비의 운용에 기여할 수 있을 것으로 사료된다. 또한 정밀안전진단을 요청한 고객의 진단결과의 이력관리 뿐만 아니라 진단정보를 활용한 설비의
수명평가와 이에 대한 이력의 제공은 안전한 전력설비 운영을 기반으로 경제적인 교체계획 수립에 기여할 수 있을 것으로 사료된다.
표 3 B 고객 케이블의 현장 진단 데이터
Table 3 Results for Field Diagnosis Data of B Customer’s Cable
|
구분
|
케이블-1
|
케이블-2
|
|
육안 진단
|
분진 등 주변 상태 불량
|
분진 등 주변 상태 불량
|
|
자외선 코로나
진단
|
특이사항 없음
|
특이사항 없음
|
|
열화상진단
|
A 상 : 24.0℃
B 상 : 24.1℃
C 상 : 24.1℃
|
A 상 : 31.5℃
B 상 : 31.1℃
C 상 : 23.7℃
|
|
부분방전
|
외부 PD 발생
|
Noise 만 발생
|
그림 11 B 고객 케이블 진단 데이터를 사용한 수명평가 결과
Fig. 11 Results for Life Assessment based on Diagnosis Data of B Customer’s Cable
5. 결 론
본 논문에서는 일반적인 이력관리에서 한층 더 나아가 전기설비/기기의 생애이력 관리, 서비스를 위한 플랫폼 기반의 온/오프라인 데이터 구조 설계, 전기안전
평가 서비스 등을 위한 특고압 전기설비의 생애이력 기반의 전기안전관리 체계 구축을 위한 모델을 제시하였다.
실제 생애이력 기반 전기안전관리 시스템을 구축하고, 현장 검사/진단을 통해 확보한 오프라인 데이터를 활용하여 전기안전 평가 서비스를 적용해보았다.
전기안전등급 서비스 결과, 여러 대의 동일 기기가 존재할 경우 낮은 등급의 판정 결과가 전체 설비의 등급 판정에 영향을 주었다. 수명평가 서비스 결과,
기준수명을 초과하여 운전한 기기의 경우 최종수명 내 교체계획을 권고함에 따라 고객 설비의 안전성 확보를 위한 유지보수 계획수립에 기여할 수 있을 것으로
사료된다.
제안된 모델은 전기안전 서비스 측면에서 전기설비에 대한 원격감시, 전기안전등급, 수명평가 등의 서비스 제공이 가능할 것으로 사료되며, 사고 예방에
효과적인 것으로 판단된다. 또한 향후 빅데이터가 누적되면, 수명예측 등 전기설비의 폐기까지 결정에 충분히 효과적일 것으로 판단된다.
Acknowledgements
This research was supported by Korea Institute of Energy Tech- nology Evaluation and
Planning (KETEP) grant funded by the Ministry of Trade, Industry and Energy (MOTIE)
(Development of Safety Management System of Electrical Facilities Through Life Cycle
Management, No. 20202910100030)
References
Ministry of the Interior and Safety, “Government24 (One-Stop Civil Service Portal),”
accessed September 20. https://www.gov.kr.
Minister for Land, Infrastructure and Transport, “Building Life Cycle Management System,”
accessed September 20. https://blcm.go.kr/cmm/main/mainPage.do.
GE, 2018, Predix: The Industrial IoT Application Platform, Technical Brief
D. Hughes, P. Barnfather, T. Pears, 2010, Quantifying Asset Risk to Optimise Investment,
A Realistic Prospect, presented at the CIRED Workshop, Lyon, France
International Electrotechnical Commission, “IEC TC 123,” accessed September 20. https://www.iec.ch/dyn/www/f?p=103:7:0::::FSP_ORG_ID:19944
Gil-Mok Shong, Mar 2015, Systematic Safety Inspection of Retired Facilities in Important
Industries of the State, The Proceedings of the Korean Institute of Illuminating and
Electrical Installation Engineers, Vol. 292, No. 2, pp. 15-21
KESCO, 2021, SA Statistical Analysis on the Electrical Accident 2020
KERI, 2019, A Study on the Introduction of Safety Level for Electrical Equipment
IEC/ISO 31010, 2019, Risk Management-Risk Assessment Techniques, 2nd Edition
Dong-Woo Kim, Young-Bae Lim, Jae-Hyeon Mun, Ki-Yeon Lee, Dong-Ju Chae, Seung-Taek
Lim, Dec 2020, Development of the Safety Level Assessment Program of High Voltage
Electrical Installations using Multi-Criteria Decision Analysis Method, The Transactions
of the Korean Institute of Electrical Engineers, Vol. 69, No. 12, pp. 1989-1996
International Electrotechnical Commission, 2015, Strategic Asset Management of Power
Network, IEC White Paper
Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard, L. D. Jackel,
Dec 1989, Backpropagation Applied to Handwritten Zip Code Recognition, Neural Computation,
Vol. 1, No. 4, pp. 541-551
S. Hochreiter, J. Schmidhuber, Nov 1997, Long Short-Term Memory, Neural Computation,
Vol. 9, No. 8, pp. 1735-1780
저자소개
He received the B.S. and M.S.c degrees in electrical engineering from Jeonbuk National
University, Jeonju, Korea, in 2015 and 2017 respectively.
Currently, he is a Senior Researcher with the Electrical Safety Research Institute
(ESRI), a subsidiary of Korea Electrical Safety Corporation (KESCO), Wanju, Korea.
His research interest is in the dissolved gas analysis of transformer, life cycle-based
transformer asset management, and evaluation technology of electrical safety for lithium-ion
battery-based energy storage system (ESS).
His e-mail address is hmin@kesco.or.kr
He received the B.S., M.S. degrees from the College of Electrical Engineering, Hongik
University, Sejong, and College of Smart Energy System Engineering, Seoul National
University of Science and Technology, Seoul, Korea, in 2019 and 2022, respectively.
Currently, he is a Researcher with the ESRI, a subsidiary of KESCO, Wanju, Korea.
His research interests is in state estimation of power system, microgrid, and deep-learning
technology.
His e-mail address is 1007km@kesco.or.kr
He received his M.S. degree in Electrical Engineering from Jeonbuk National University,
Jeonju, Korea, in 2021.
He received his B.S. degree from Kunsan National University in 2017.
Currently, he is a Researcher with the ESRI, a subsidiary of KESCO, Wanju, Korea.
His research interest is in the transformer condition monitoring and diagnosis, insulation
ageing, and life cycle-based transformer asset management.
His e-mail address is inertia21@kesco.or.kr
He received the B.S., M.Sc., and Ph.D. degrees all in electrical engineering from
Gyeongsang National University, Korea, in 1996, 1999, and 2004, respectively.
Currently, he is a Principle Researcher with the ESRI, a subsidiary of KESCO, Wanju,
Korea.
He is currently a member of IEC TC 20(electrical cable).
His research interest is in diagnosis of electrical cable, electrical insulation,
asset management of electrical facilities, and evaluation technology of electrical
safety for lithium-ion battery-based ESS.
His e-mail address is athens9@kesco.or.kr