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

  1. (Department of Electrical Engineering, Hanbat National University, Korea)



Reflectometry, Propagation constant, Instantaneous frequency estimation Algorithm, Simulator, Time-Frequency domain Reflectometry

1. 서 론

전력 시스템의 관리를 위해 케이블 고장점 탐지 및 노화 측정에 대한 방법 개발이 필요하다. 최근 장거리 송전의 필요성이 증가하면서 HVDC(High Voltage Direct Current)의 시장규모가 성장하고 있다. HVDC 케이블은 용량성 충전전류가 없어 장거리 송전에 유리하고 유전체, 시스 손실이 없어 대용량 송전이 가능하다. 또한 도체 저항이 낮아 송전 손실이 적고, 전력조류 및 부하 제어가 수월하여 선로 이용률을 높일 수 있는 장점이 있다 (1). 이에 따라 장거리 선로에 적용 가능한 진단 방법의 개발이 요구되고 있다.

현재 케이블의 고장점 탐지 및 건전성 평가에 전기적인 방법으로는 VLF(Very Low frequency) tan delta 측정법, PD(Partial Discharge)진단법이 대표적으로 적용되고 있다 (2). VLF tan delta는 극저주파 전압 소스를 인가한 후에 tan delta를 측정하는 진단법으로, tan delta는 절연체의 손실에 의한 손실전류와 커패시터의 전류의 비를 나타내고, tan delta가 클수록 누설전류가 증가하는 것을 의미한다. tan delta는 노이즈의 영향에 강인해 정밀한 현장 진단이 가능하고 케이블의 전체적인 열화 상태를 진단할 수 있으며 IEEE std, 400.2 지침서에 판정 기준이 제시되어 있다 (3). 그러나 케이블 길이에 따라 증가하는 커패시터 충전용량으로 인해 1.2 km 이상의 장거리 선로에는 적용이 어렵다 (4). PD란 국부적 방전현상으로 절연체 표면이나 내부의 공극에 의해 발생한다. 이는 절연체의 열화를 일으키는 파괴의 주원인이다. PD 진단법은 부분 방전 시 발생하는 펄스를 통해 고장점을 측정할 수 있다. 그러나 부분방전이 일어난 지점에서의 발생한 펄스는 케이블을 따라 이동하며 감쇠와 분산을 빠르게 겪게 된다. 따라서 장거리 선로의 고장점 탐지를 위해서는 추가적인 신호 처리 기술 개발이 필요하다.

고장점 탐지에 새롭게 도입되고 있는 반사파 계측법은 임피던스 불일치 지점에서 반사된 신호를 분석하여 고장점을 탐지하는 기술이다. 반사파 계측법은 PLC 통신용으로 개발된 비접촉식 커플러를 이용하여 활선 상태의 진단이 가능하며 인가한 신호에 따라 크게 시간 영역, 주파수 영역, 시간-주파수 영역의 반사파 계측법으로 분류할 수 있다 (5).

TDR(Time Domain Reflectometry)은 시간 영역 반사파 계측법으로 계단 신호 또는 펄스 신호를 기준 신호로 사용한다 (6). 임피던스 불일치 지점에서 급격한 전압의 변화가 생긴 반사 신호 발생지점을 고장점으로 판단한다.

FDR(Frequency Domain Reflectometry)은 주파수 영역 반사파 계측법으로 위상을 검출하는 PD-FDR을 주로 사용한다 (7). 정현파를 기준 신호로 사용하며 주파수를 증가시키며 케이블에 인가한다. 이때 저주파 통과 필터를 통해 DC 성분만 추출한 신호의 위상을 검출한다. 임피던스 불일치 지점에서 위상 차이를 계산하여 고장점 거리를 측정한다 (7).

TFDR(Time-Frequency Domain Reflectometry)는 시간-주파수 영역의 반사파 계측법으로 시간에 따라 주파수가 선형적으로 증가하는 첩 신호를 기준 신호로 사용하고 시간 폭(Time Duration, TD), 주파수 대역폭(Frequency Band width, BW), 중심 주파수(Center Frequency, CF)를 조절하여 신호를 설계할 수 있다. 인가 신호와 취득한 반사 신호를 시간-주파수 상호상관함수(Time-Frequency Cross Correlation, TFCC)를 통해 고장점을 탐지할 수 있으며, 시간-주파수 영역에서 위그너-빌 분포를 통해 신호 해석이 가능하다.

전기적 신호 해석을 기반으로 한 진단법은 공통으로 장거리 선로 진단을 위해 신호의 감쇠를 해결해야 한다. TFDR은 인가 신호와 반사 신호의 유사도를 이용한 TFCC를 통해 고장점을 확인한다. 따라서 신호의 크기를 이용하는 다른 반사파 계측법과는 다르게 신호가 감쇠를 겪더라도 장거리 선로에서 고장점 탐지가 가능하다. 이는 실제 제주-해남 HVDC 선로에 적용되고 있어 장거리 선로의 고장점 탐지 기술로 주목받고 있다 (1). 그러나 설계되는 기준 신호는 다양한 주파수가 포함된 신호이기 때문에 전파 시 주파수에 따른 속도의 차이가 발생한다. 또한 전파 거리가 증가할수록 신호는 주파수에 의존한 감쇠로 신호가 포함하고 있는 주파수 성분들의 속도가 달라지며, 감쇠가 일어나는 분산이 발생한다. 전파 신호의 주파수 별 성분이 전파 거리에 따라 왜곡이 발생하게 되면 결함에서 생성된 반사 신호와 인가 신호의 TFCC 값이 감소되어 인가 신호와 유사성이 떨어지고 장거리 선로에서 고장점 탐지의 성능이 저하된다.

본 논문에서는 반사파 계측 시 전파 거리에 따라 증가하는 감쇠 및 분산을 고려하여, 주파수와 전파 거리에 따른 전파 속도의 경향성을 분석하고자 전파 신호의 위그너-빌 분포를 통해 시간-주파수 영역에서 순시 주파수를 분석 알고리즘을 구현하고 장거리 선로에 적용하기 위해 시뮬레이터를 개발하고 제안한 알고리즘 성능을 검증하였다.

2. 본 론

2.1 시간-주파수 영역 반사파 계측법

반사파 계측법이란 임피던스 불일치 지점에서 돌아오는 반사파를 측정하여 고장점을 탐지하는 기법이다. 시간-주파수 영역 반사파 계측법에서 사용하는 기준 신호는 가우시안 포락선 선형 첩 신호이며, 시간에 따라 주파수가 선형적으로 변화한다. 신호는 다음 식 (1)과 같다 (8).

(1)
$s(t)=e^{-\dfrac{A(t-t_{0})^{2}}{2}+\dfrac{j B(t-t_{0})^{2}}{2}+j\omega_{0}(t-t_{0})}$

($A=\dfrac{1}{2\tau_{0}^{2}}$, $B=\sqrt{(2\pi BW)^{2}2A-A^{2}}$, $w_{0}=2\pi f_{0}$ )

$\tau_{0}$는 시간 폭(Time Duration)의 영향을 받으며 신호 대 잡음비에 비례한다. $f_{0}$, $t_{0}$는 중심 주파수(Center Frequency), 중심 시간을 의미한다. BW는 주파수 대역폭(Bandwidth)를 의미하며, 신호의 분해능(Resolution)은 나이퀴스트 이론(Nyquist theorem)에 따라 주파수 대역폭에 비례하며 다음 식 (2)와 같다 (9).

(2)
$\Delta R=\dfrac{v_{p}}{2BW}$

가우시안 포락선 선형 첩 신호는 시간 폭과 주파수 대역폭이 동시에 증가할 수 없는 불확정성 원리를 고려하여 적절히 신호를 설계해야 하며 불확정성 원리 판별식은 다음과 같다 (10).

(3)
$TB=\dfrac{2\pi·\dfrac{BW}{\sqrt{2}}}{6}·\dfrac{\dfrac{TD}{\sqrt{2}}}{6}\ge 0.5$

식 (2), (3)에 따라 기준 신호 설계 시 분해능과 불확정성의 원리를 동시에 고려하여 신호를 설계해야 한다. 설계된 신호는 다양한 주파수 성분으로 구성되고, 주파수에 따른 전파 속도가 차이가 있어 전파 거리가 멀어질수록 신호는 분산 및 왜곡된다. 따라서 전파 상수 및 거리에 따라 영향을 받는 신호 분석이 필요하다.

전파된 신호는 전파 매질의 전파 상수를 고려한 주파수 종속 필터 $G(z,\:w)= e^{-jk(w)z}$에 의해 신호가 왜곡되며, 이는 다음 식 (4)와 같다. 주파수 영역의 식 (4)를 푸리에 역변환하여 시간 영역에서 전파 거리 $z$ 만큼 전파된 신호를 확인할 수 있고 이는 다음 식 (5)와 같다 (11).

(4)
$S(z,\:w)=e^{-jk(w)z}S(0,\:w)$

(5)
$s(z,\:t)=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}e^{j(wt-k(w)z)}S(0,\:w)dw$

전파 상수 $k$는 $\beta -j\alpha$로 구성되며 실수부 $\beta$는 위상 상수, 허수부 $\alpha$는 감쇠 상수이다. 신호가 좁은 주파수 대역을 갖는 협대역 신호(narrow band signal)일 때, $\omega_{0}$에 대해 테일러 급수로 이계도함수까지 확장하여 추정하면 다음 식 (6)과 같다 (12).

(6)
$\left .\left . k_{0}=k(\omega_{0}),\:\dot k_{0}=\dfrac{dk}{d\omega}\right |_{w_{0}},\:\ddot k_{0}=\dfrac{d^{2}k}{d\omega^{2}}\right |_{w_{0}}$

(7)
$k(\omega)=k_{0}+\dot k_{0}(\omega -\omega_{0})+\dfrac{1}{2}\ddot k_{0}(\omega -\omega_{0})^{2}+\cdots$

여기서 $\dot k_{0}=\dot\beta_{0}-j\dot\alpha_{0}$이며 $\dot\beta_{0}$은 전파 속도의 역수를 나타낸다. $k(\omega)$를 고계로 추정할수록 정밀한 표현이 가능하지만 본 논문에서는 감쇠 및 분산의 원인이 되는 이계도함수 $\ddot k_{0}=\ddot\beta_{0}-j\ddot\alpha_{0}$까지 나타냈다. 전파 상수를 이계도함수까지 고려하여 기준 신호를 나타내면 다음 식 (8)과 같다.

(8)
$s(z,\:t)=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}e^{jw(t-k_{0}'z)-jk_{0}''zw/2}S(0,\:w)dw$

전파 상수의 이계도함수에 따라 신호의 시간에 따른 주파수 증분 $\dot\omega_{0}$는 다음 식 (9)와 같다.

(9)
$\dot\omega_{0}=\dfrac{\ddot\beta_{0}z}{(\tau_{0}^{2}+\ddot\alpha_{0})^{2}+(\ddot\beta_{0}z)^{2}}$

전파 거리가 증가함에 따라 TD의 영향을 받는 $\tau_{0}$에도 변조가 적용되며, 이는 $\tau_{c hi rp}$으로 표현할 수 있다. $\tau_{ch i rp}^{2}$은 $\tau_{0}$와 주파수 증분 $\dot\omega_{0}$의 복소수 형태로 다음 식 (10)과 같다.

(10)
$\tau_{ch i rp}^{2}=\dfrac{\tau_{0}^{2}(1+j\dot\omega_{0}\tau_{0}^{2})}{1+j\dot\omega_{0}\tau_{0}^{4}}$

위 식에 따라 처핑이 적용된 전파 신호와 스펙트럼은 식은 다음과 같다.

(11)
$S(z,\:\omega)=\sqrt{2\pi\tau_{ch i rp}^{2}}e^{-j\dot k_{0}z\omega}e^{-(\tau_{ch i rp}^{2}+ j\ddot k_{0}z)\omega^{2}/2}$

(12)
$S(z,\:t)=\sqrt{\dfrac{\tau_{ch i rp}^{2}}{\tau_{ch i rp}^{2}+ j\ddot k_{0}z}}\exp\left[-(t-\dot k_{0}z)^{2}\dfrac{}{2(\tau_{ch i rp}^{2}+j\ddot k_{0}z)}\right]$

신호의 분산을 고려할 경우 분산을 나타내는 이계 전파 상수 값을 고려한 그룹 시간 지연 식을 이용하여 그룹 속도를 구하며 다음 식 (13)과 같다.

(13)
$t_{g}=\dot\beta_{0}z-\dfrac{\dot\alpha_{0}\ddot\beta_{0}z^{2}}{\tau_{0}^{2}+\ddot\alpha_{0}z}$

그러나 이는 전파 거리가 충분히 증가할 경우 고주파 부분이 소멸되는 것을 고려하지 않았기 때문에 전파 신호의 분산을 보정하는 필터 설계 개발이 필요하다.

2.2 순시 주파수 추정 알고리즘

순시 주파수(Instantaneous Frequency, IF)란 주파수가 시간에 따라 변화할 때 특정 시간에서의 주파수로 정의되며 신호의 시간에 대한 변화 특성의 설명을 위해 많이 사용된다 (13). 순시 주파수는 힐버트 변환을 이용하여 신호의 실수부 $s(t)$와 허수부 $\hat s(t)$를 갖는 해석적 신호로 만든 뒤 IF를 다음 식 (15)로 표현할 수 있다.

(14)
$\varphi(t)=\arg(s(t)+j\hat s(t))$

(15)
$f_{s}=\dfrac{1}{2\pi}\dfrac{d\varphi}{dt}$

전파된 신호는 위그너-빌 분포(Wigner-Ville Distribution)로 변환하여 시간-주파수 영역의 특징을 동시에 관찰할 수 있다. 위그너-빌 분포는 신호의 에너지 분포를 나타내며 다음 식 (16)과 같다 (14).

(16)
$W_{s}(t,\:\omega)=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}s(t+\dfrac{1}{2}\tau)s^{*}(t-\dfrac{1}{2}\tau)e^{-j\tau\omega}d\tau$

전파 신호에서 발생한 왜곡은 위그너-빌 분포에서 나타난 각 신호의 IF 추정을 통해 확인할 수 있지만, 장거리 전파된 신호는 감쇠가 심해 신호의 존재를 위그너-빌 분포에서 파악하기 어렵다 (15).

IF 추정은 어렵지만 TFCC를 통해 기준 신호와 유사한 전파 신호의 위치를 탐지할 수 있으며 기준 신호와 반사 신호의 크기로 나눠주기 때문에 신호의 크기에 상관없이 결과를 도출할 수 있다. 정규화된 기준 신호와 전파 신호의 TFCC는 식 (17)과 같다 (16).

(17)
$C_{sr}(t)=\dfrac{1}{E_{s}E_{r}(t)}\iint W_{r}(t',\:w)W_{s}(t'-t,\:w)dwdt'$

(18)
$E_{r}(t)=\iint W_{r}(t',\:w)dwdt'$

(19)
$E_{s}(t)=\iint W_{s}(t ,\:w)dwdt$

여기서, $E_{s}(t)$, $E_{r}(t)$는 기준 신호와 반사 신호의 에너지를 나타내며, TFCC는 두 신호의 에너지를 나누어 정규화하기 때문에 반사 신호의 크기와 관계없이 0과 1 사이의 유사도를 갖게 된다.

협대역 신호에 가까울수록 힐버트 변환된 신호는 직교 신호에 가까워 신호의 위그너-빌 분포에서 가장 높은 에너지에서 IF를 효과적으로 추정할 수 있다. 또한 위그너-빌 분포의 피크 기반 IF 추정은 선형 FM 신호에 최적화된 방법이다 (17). 시간-주파수 영역 반사파 계측법에서는 시간에 따라 주파수가 선형적으로 증가하는 신호를 사용하므로 주파수 영역에서 IF는 전파 신호의 위그너-빌 분포에서 가장 높은 에너지를 갖는 점을 의미한다.

그림. 1. 시뮬레이터 메인 화면

Fig. 1. Simulator main screen

../../Resources/kiee/KIEE.2023.72.6.757/fig1.png

하지만 신호는 감쇠가 심해 위그너-빌 분포를 통한 IF 측정이 어려워 신호 복원 알고리즘이 필요하다. 이에 따라 min-max 정규화를 이용하여 전파 신호의 크기를 기준 신호와 동일하게 0과 1 사이 값으로 복원하였으며 다음 식 (20)와 같다.

(20)
$x_{no}{al}=\dfrac{{x}-{x}_{\min}}{{x}_{\max}-{x}_{\min}}$

복원된 위그너-빌 분포의 피크점을 통해 IF 추정 알고리즘을 구현하였다, IF를 1차 함수로 추정하고 선형 최소제곱법(Linear Least Squares Estimation, LLS)으로 표현하였으며 다음 식(21)과 같다.

(21)
$J=\sum_{i=1}^{m}(y_{i}-x_{i}^{T}w)^{2}=(Y-Xw)^{T}(Y-Xw)$

(22)
$Y=Xw$, $Y=\begin{bmatrix}y_{1}\\y_{2}\\․\\․\\․\\y_{n}\end{bmatrix}$, $X=\begin{bmatrix}x_{1}&1\\x_{2}&1\\․&.\\․&.\\․&.\\x_{n}&1\end{bmatrix}$, $w=\begin{bmatrix}a\\b\end{bmatrix}$

여기서 Y는 순시 주파수를 1차 함수로 표현하기 위해 위그너-빌 분포의 제일 큰 값들을 남겨놓은 시간-주파수 평면의 주파수를 나타내며, X는 시간 축의 데이터의 입력 벡터와 값들과 크기가 n이고 모든 요소가 1인 열벡터를 나란히 놓은 것이다. $w$는 가중치 벡터를 의미하며 여기서 $w$는 순시 주파수의 1차 함수표현 $y=ax+b$의 기울기와 $y$절편을 나타낸다. J는 비용함수를 나타내며 J를 $w$에 대해 미분하여 가중치 $w$ 구할 수 있으며 다음 식 (24)와 같다.

(23)
$\dfrac{\partial J}{\partial w}=2X^{T}Xw-X^{T}Y=0$

(24)
$w=(X^{T}X)^{-1}X^{T}Y$

기준 신호와 전파 신호의 위그너-빌 분포에 LLS을 통해 추정한 1차 함수의 기울기를 반영하였다. TFCC 기반의 신호 복원 알고리즘을 활용하여 신호를 복원하고 LLS를 통해 IF를 추정할 수 있는 알고리즘을 구현하였다.

3. 실험 결과 및 고찰

3.1 시뮬레이터 개발

HVDC 시장 규모의 확대에 따라 장거리 송전의 필요성이 증가하고 있다. 하지만 HVDC 케이블 고장점 탐지는 전문가의 숙련도 및 경험에 의존되며, 정확한 진단이 불가능한 사례가 많다 (1). 이에 따라 장거리 선로에 적용 가능한 반사파 계측법 시뮬레이터를 개발하였다. 장거리 선로의 경우 전파 거리가 증가할수록 신호의 감쇠와 분산이 심해져 고장점 탐지 성능 저하되며, IF 추정을 통한 주파수 성분의 감쇠 특성 기반 보정 필터 설계가 필요하다. 이를 위해서 IF 추정이 필요하지만, 장거리 전파 신호는 위그너-빌 분포에서 탐지가 어렵다. 신호의 존재 여부는 TFCC가 해결해줄 수 있지만, 신호 에너지 자체가 작아져 있는 상황에서 IF 추정은 불가능하다. 따라서 본 논문에서 전파 거리에 따른 왜곡을 반영한 전파 신호와 반사 신호를 분석 가능한 시뮬레이터를 개발하였고, 제안한 신호 복원 알고리즘을 통해 전파 신호를 기준 신호의 크기에 맞게 복원하고 IF 추정 알고리즘의 성능을 시뮬레이터를 통해 검증하였다.

시뮬레이터는 신호 인가부, 신호 계측부, 위그너-빌 분포화면 및 전파 상수 입력부, IF 계측부로 구성된다. 시뮬레이터의 메인 화면은 그림 1과 같다.

(1) 신호 인가부

➀ 영역 설정(Domain) : 계측법 선택영역으로 시간 영역, 주파수 영역, 시간-주파수 영역을 결정한다.

➁ 기본값(Default) : 임의로 설정한 신호 생성에 필요한 값을 불러온다. 실제 반사파 계측 시 사용되는 장비를 고려하여 설정하였다.

➂ 불확정성 원리 확인(Check) : 불확정성의 원리에 따라 시간 폭과 주파수 대역폭의 곱은 반드시 0.5이상의 값을 만족해야 한다. 이에 따라 중심 주파수를 기준으로 샘플링 레이트(Sampling Rate)가, 주파수 대역폭을 기준으로 시간 폭이 변경된다.

➃ 신호 생성(Signal Generation) : 설정된 TD, BW, CF 값을 반영하여 기준 신호를 생성한다.

(2) 신호 계측부

➄ 기본값(Default) : 전파 신호의 계측지점과 데이터 취득을 위한 설정값을 불러온다.

➅ 데이터 계측 및 취득(Data Acquisition) : 신호를 계측한 후 데이터를 취득하여 인가 신호 및 전파 신호를 나타내고, 이에 따른 위그너-빌 분포 값을 취득한다.

➆ 전파 상수 : 매질의 특성인 전파 상수를 입력할 수 있으며, 실수 부분과 허수 부분으로 나누어져 있다. 전파 속도는 $\dot\beta_{0}$의 역수로 표현한다.

➇ 위그너-빌 분포 : 인가 신호와 전파 신호의 위그너-빌 분포를 나타낸다.

➈ 순시 주파수 : 인가 신호와 전파 신호의 순시 주파수 기울기를 on/off로 표시할 수 있다. 신호가 전파 될수록 감쇠 및 분산을 겪어 위그너-빌 분포에서 IF 추정이 어려워 신호 복원 알고리즘을 통해 기준 신호와 같은 에너지 분포로 조정하고 순시 주파수를 표시하였다.

3.2 실험 구성 및 결과

본 논문에서 제안한 알고리즘의 성능을 검증하기 위해 반사파 계측법 시스템 설계를 고려하여 시뮬레이터를 개발하였고 반사파 계측법 시스템 구성도는 그림 2와 같다. 신호는 비접촉식 커플러를 통해 인가하고 계측하며, 동일 위치에서 신호 인가 및 취득을 가정하여 개발하였다. 신호발생기에서 생성된 기준 신호는 T-커넥터를 통해 디지털 오실로스코프에 취득되고 신호처리 시스템에 전송된다. 다른 채널을 통해 설계된 기준 신호는 케이블에 인가되고 임피던스 불일치 지점에서 발생한 신호는 반사되어 돌아온다. 본 논문에서는 전파에 대한 신호 감쇠 및 분산을 분석하기 위해서 시뮬레이터를 개발하였고, 시뮬레이션은 전파 신호 측정과 반사 신호 측정 두 상황으로 신호 분석이 가능하다. 반사 신호 측정 시 일정 지점에 로드 임피던스를 무한대로 입력하여 종단을 모의할 수 있다.

취득한 기준 신호와 반사 신호의 TFCC를 통해 임피던스 불일치 지점을 확인할 수 있고 위그너-빌 분포를 통해 시간-주파수 영역에서 순시 주파수를 추정할 수 있다. 기준 신호의 TD는 150 $ns$, BW는 40 MHz, CF는 20 MHz로 설정하였고, 중심 시간을 500 $ns$로 설정하여 실험을 진행하였다. 로드 임피던스에 따른 IF 측정 시 설계되는 기준 신호는 모두 동일하다. 설계한 시간 영역에서 기준 신호와 위그너-빌 분포는 그림 3과 같다.

전파 상수는 선로 정수의 영향을 받기 때문에 케이블 종단의 로드 임피던스에 따라 전파 상수가 달라진다. 케이블의 열화정도 및 고장점의 유무 등 선로 정수에 영향을 주는 다양한 요인에 따라 전파 상수는 변화한다. 본 실험에서는 로드 임피던스가 개방 상태일 때 시뮬레이션을 진행하였다. 전파 상수 파라미터는 표 1과 같다 (18). 인가 신호에 대한 전파 신호는 150 m, 300 m, 450 m, 600 m 간격으로 취득했다.

그림. 2. Pxie를 이용한 반사파 계측법 시스템

Fig. 2. Refletometry system using Pxie

../../Resources/kiee/KIEE.2023.72.6.757/fig2.png

그림. 3. 시간 영역에서 기준 신호와 위그너-빌 분포

Fig. 3. Reference signal and Wigner-Ville Distribution

../../Resources/kiee/KIEE.2023.72.6.757/fig3.png

표 1. 전파 상수 파라미터

Table 1. Propagation constant parameters

파라미터

$\dot\alpha_{0}$

$1.1216\times 10^{-10}$

$\dot\beta_{0}$

$5.5690\times 10^{-9}$

$\ddot\alpha_{0}$

$-2.1787\times 10^{-19}$

$\ddot\beta_{0}$

$-2.0324\times 10^{-19}$

그림. 4. 시간 영역에서 전파 신호

Fig. 4. Propagation signal in time domain

../../Resources/kiee/KIEE.2023.72.6.757/fig4.png

인가 신호의 전파에 따른 시간 영역에서의 변화는 그림 4와 같으며 시간 영역에서 전파 거리가 증가함에 따라 신호의 감쇠가 커져 신호의 피크 값이 감소하는 것을 확인할 수 있다.

신호가 매우 작아져 파형으로는 분산을 확인할 수 없어 전파 상수를 이계도함수까지 고려한 주파수 종속 필터 $G(z,\:w)= e^{-jk(w)z}$와 표 1을 사용하여 결과를 나타냈다. 전파 거리에 따른 주파수 분산을 확인하기 위해 고속 푸리에 변환을 진행하여 기준 신호를 주파수 영역에서 확인하였고 결과는 그림 5와 같다. 그림 5는 전파 거리가 증가할수록 고주파 성분이 저주파 성분보다 감소가 심하고 이로 인해 중심 주파수가 변화를 확인할 수 있다. 이로 인해 거리가 전파되는 동안에 전파 속도의 변화를 유추할 수 있다.

로드 임피던스가 개방된 상태일 때 전파된 신호의 위그너-빌 분포는 그림 6과 같다. 그림 6에서 장거리로 전파될수록 감쇠를 겪어 150 m 지점 이후로는 위그너-빌 분포를 통해 순시 주파수를 추정할 수 없다. 이에 따라 본 논문에서 제시한 신호 복원 알고리즘을 적용하여 위그너-빌 분포의 크기를 인가 신호와 동일하게 조정한 후 IF를 추정하였다. IF 추정 알고리즘이 적용된 전파 신호의 위그너-빌 분포는 그림 7과 같다.

위그너-빌 분포에 따라 인가 신호가 장거리로 전파될수록 저주파 부분보다 고주파 부분에서 분산이 크게 일어남을 확인할 수 있다.

그림. 5. 전파 신호의 주파수 응답

Fig. 5. Frequency response of propagation signal

../../Resources/kiee/KIEE.2023.72.6.757/fig5.png

그림. 6. 전파된 기준 신호의 위그너-빌 분포

Fig. 6. Wigner-Ville Distribution of propagated signal

../../Resources/kiee/KIEE.2023.72.6.757/fig6.png

그림. 7. 위그너-빌 분포에서 추정한 IF

Fig. 7. IF estimation in Wigner-Vllie Distribution

../../Resources/kiee/KIEE.2023.72.6.757/fig7.png

로드 임피던스가 개방된 상태에서 전파 거리가 증가할수록 순시 주파수의 기울기가 감소하게 되는데 이는 전파 상수에 따라 신호가 전파될수록 고주파의 분산이 심해 저주파보다 도착 시간이 늦어져 기울기가 감소하게 된다. 로드 임피던스가 개방 상태일 때 순시 주파수의 기울기는 표 2과 같다.

표 2. 전파 거리에 따른 IF의 기울기

Table 2. Slope of IF along propagation distance

전파 거리

순시 주파수의 기울기

0 [ $m$ ]

$1.061\times 10^{15}$

150 [ $m$ ]

$1.390\times 10^{15}$

300 [ $m$ ]

$2.924\times 10^{15}$

450 [ $m$ ]

$-3.455\times 10^{16}$

600 [ $m$]

$-5.326\times 10^{15}$

4. 결 론

본 논문에서는 장거리 전파에 따른 신호의 감쇄와 분산이 고려된 순시 주파수 추정 알고리즘을 개발하였으며 전파 속도의 경향성을 파악하고 장거리 선로에 적용 가능한 시뮬레이터를 개발하였다. 감쇄가 일어난 신호에 신호 복원 알고리즘을 적용하여 위그너-빌 분포의 크기를 조정한 후 위그너-빌 분포를 통해 시간-주파수 영역에서 순시 주파수를 추정하였다. 전파 속도는 위상 상수에 의해 변화하며 전파 거리가 증가할수록 감쇄 및 분산이 심해지며 고주파 성분이 저주파보다 많이 왜곡되며, 이에 따라 주파수 성분 별 전파 속도가 변화한다. 이는 고장점 탐지 성능의 저하로 이어지며 이를 해결하고자 주파수에 따른 전파 속도를 보정하는 알고리즘의 개발이 필요하다. 또한 신호 복원 알고리즘을 기반으로 보상 필터설계를 할 예정이다.

Acknowledgements

This work was supported by the National Research Foundation of Korea (NRF) grant funded by the Korea government (MSIT) : 2021R1A2C1095779. This research was supported by Korea Electric Power Corporation.(Grant number: R22XO05-03)

References

1 
Chae-Kyun Jung, 2020 01, Development of HVDC Cable Diagnostic Technology, KIEE, World of Electricity, Vol. 69, No. 1, pp. 11-19Google Search
2 
Kuk Kim, Ik-soo Eo, 202001, Implementation of Power Cable Diagnostic Simulator using VLF, Journal of the Korea Academia-Industrial, Vol. 21, No. 8, pp. 593-602Google Search
3 
Jae-Seong Im, Keon-Hee Park, Sung-ho Noh, Woo-sung Jung, Jang-Seob Lim, 2020.11, Statisticla Compensation Scheme of VLF tanδ Criteria for Application of Long Distance Cable, KIEE, KIEE Electrical Properties and Application Sector Autumn Conference, pp. 39-40Google Search
4 
Jae-Bong Lee, Yeon-Ha Jung, 201009, An Amendment of the VLF tanδ Criteria to Improve the Diagnostic Accuracy of the XLPE-insulated Power Cables, KIEE, Vol. 59, No. 9, pp. 1644-1651Google Search
5 
Jong Min Jeong, Chun Ku Lee, Tae Sung Yoon, Jin Bae Park, 2014.12, Image Processing Based Time-Frequency Domain Reflectometry for Estimating the Fault Location Close to the Applied Signal Point, KIEE, Vol. 63, No. 12, pp. 1683-1689Google Search
6 
Chun-Kwon Lee, Seung Jin Chang, February 15 2021, A method of Fault Localization Within the Blind Spot Using the Hybridization Between TDR and Wavelet Transform, IEEE sens., Vol. 21, No. 4Google Search
7 
You Chung, Cynthia Furse, Jeremy Pruitt, May 2005, Application of Phase Detection Frequency Domain Reflectometry for Locating Faults in an F-18 Flight Control Harness, IEEE trans. Elect. Comp., Vol. 47, No. 2DOI
8 
Su Sik Bang, Seung-Jin Jang, Geon Seok Lee, Gu-Young Kwon, Yeong Ho Lee, Min-Jae Hwang Song-ho Sohn, Kijun Park, Yong-June Shin, 2015 07, EMTP Simulations and Analysis for Detection of Fault Location in High Temperature Superconducting Cables, KIEE The 46th KIEE Summer Conference 2015, pp. 357-358Google Search
9 
Chun Ku Lee, Jin Bae Park, Tae Sung Yoon, 201307, Instantaneous Frequency Estimation of the Gaussian Enveloped Linear Chirp Signal for Localizing the Faults of the Instrumental Cable in Nuclear Power Plant, KIEE, Vol. 62, No. 7, pp. 987-993Google Search
10 
Hyun-Mo Seong, Yeon-Sub Sim, Juin Go, Noah Yoo, Deokgyeom Kim, Hyeon Hong Seung Jin Chang, 2022 07, Development of a Reflectometry Simulator Considering Attenuation and Dispersion of Cable, KIEE The 53th KIEE Summer Conference 2022, pp. 274-275Google Search
11 
C. K. Lee, G. Y. Kwon, S. J. Chang, M. K. Jung, J. B. Park, H-S. Kim, Y. J. Shin, July 2017, Real-Time Condition Monitoring of LOCA via Time-Frequency Domain Reflectometry, IEEE trans Instrum Meas, Vol. 66, No. 7, pp. 1864-1873DOI
12 
J. Sophocles, 2002, Electromagnetic Wave and Antennas, Orfanidis, pp. 97-104Google Search
13 
Geon Seok Lee, Gu-Young Kwon, Su Sik Bang, Yeong Ho Lee, Song-Ho Sohn, Kijun Park, Yong-June Shin, June 2017, Monitoring Electrical and Thermal Characteristics of HTS Cable Systems via Time–Frequency Domain Reflectometry, IEEE trans Appl Supercon, Vol. 27, No. 4DOI
14 
S. J. Chang, Mar 2019, Wire Mismatch Detection Using a Convolutional Neural Network and Fault Localization Based on Time-Frequency-Domain Reflectometry, IEEE trans ind Electron, Vol. 66, No. 3, pp. 2102-2110DOI
15 
Yeon-Sub Sim, Hyun-Mo Seong, Seung Jin Chang, 2022 07, An Analysis of Propagation Velocity Tendency along the Propagation Distance of Cable, KIEE The 53th KIEE Summer Conference 2022, pp. 1813-1814Google Search
16 
Y.-J. Shin, Dec 2005, Application of time-frequency domain reflectometry for detection and localization of a fault on a coaxial cable, IEEE Trans Instrum Meas., Vol. 54, No. 6, pp. 2493-2500DOI
17 
B. Boashash, Apr 1992, Estimating and Interpreting the Instantaneous Frequency of a Signal-Part 2: Algorithms and Applications, Proc. IEEE, Vol. 80, pp. 540-568DOI
18 
C. K. Lee, G. Y. Kwon, Y. J. Shin, January 2019, Condition Assessment of I&C Cables in Nuclear Power Plants via Stepped-Frequency Waveform Reflectometry, IEEE trans. Instrum. Meas., Vol. 68, No. 1, pp. 215-224Google Search

저자소개

성현모 (Hyun-Mo Seong)
../../Resources/kiee/KIEE.2023.72.6.757/au1.png

he was born in Daejeon, South Korea.

He has been receiving the B.S. degrees from the Department of Electrical Engineering, Hanbat National University, Daejeon, South Korea, since 2018.

His general research interests include condition monitoring based on machine/ deep learning, diagnosis and prognostics of power equipment, signal processing techniques, and time-frequency analysis.

심연섭 (Yeon-Sub Sim)
../../Resources/kiee/KIEE.2023.72.6.757/au2.png

He was born in Daejeon, South Korea.

He received the B.S. degrees from the Department of Electrical Engineering, Hanbat National University, Daejeon, South Korea, in 2022, where he is currently pursuing the M.S. degrees.

His general research interests include asset management systems based on machine/deep learning and efficient data analysis for complex data and the related applications.

장승진 (Seung Jin Chang)
../../Resources/kiee/KIEE.2023.72.6.757/au3.png

He was born in Seoul, South Korea.

He received the B.S. and Ph.D. degrees from the Department of Electrical and Electronic Engineering, Yonsei University, Seoul, in 2010 and 2017, respectively.

In 2018, he joined the School of Electrical and Computer Engineering, Seoul National University, Seoul, as a Post-Doctoral Researcher.

In 2018, he also joined the Department of Electrical Engineering, Hanbat National University, Daejeon South Korea, as an Assistant Professor, where he is currently an Associate Professor.

His current research interests are characterized by condition monitoring based on machine/deep learning, diagnosis and prognostics of power equipment, including cables and batteries, applied signal processing techniques, and time–frequency analysis.