Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers

The Transactions of the Korean Institute of Electrical Engineers

ISO Journal TitleTrans. Korean. Inst. Elect. Eng.

Main Menu

Journal Search

[

Research article

]

The Transactions of the Korean Institute of Electrical Engineers

KIEE Vol. 74, No. 09, p.1492-1499

ISSN (print) :

1975-8359

ISSN (online) :

2287-4364

Received : 22 Jul. 2025Revised : 07 Aug. 2025Accepted : 20 Aug. 2025

DOI :

https://doi.org/10.5370/KIEE.2025.74.9.1492

비기술적 손실 감소를 위한 스마트미터링 기반의 계량오차 진단 프로세스 및 AMI 데이터 활용

A Process and Algorithmic Approach for Reducing Non-Technical Loss Using AMI Data in Smart Metering Systems

박용성 (Young-Sung Park) ¹iD 안선주 (Seon-Ju Ahn) ^†iD

(Global Business Department, KEPCO and Dept. of Electrical Engineering, Chonnam National University, Republic of Korea.)

^†Corresponding Author : Dept. of Electrical Engineering, Chonnam National University, Republic of Korea. E-mail : sjahn@chonnam.ac.kr

License :

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0)which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Translated Abstract

Metering error is the major cause of non-technical loss in the power grid. To reduce metering error, utilities must effectively identify its cause, particularly among high-voltage customers. To this end, KEPCO has been conducting on-site inspections known as the Hot-line MOF Error Test. However, this Test presented several challenges, including worker safety risk, long inspection time, and lower accuracy under certain load conditions. To overcome these limitations, this study proposes an algorithm that analyzes the data from AMI(Advanced Metering Infrastructure), to help a utility shortlist the customers whose equipment are likely to be faulty. By doing so, a utility will be able to allocate its resources more efficiently, making the overall process of detecting metering error more efficiently. To validate the proposed algorithm, on-site inspections were conducted, and results therefrom were studied to determine the effectiveness of the proposed algorithm.

Key words

AMI, Non-Technical Losses, Metering error diagnosis process, Safety

1. 서 론

전력손실은 기술적 손실과 비기술적 손실로 나뉘어진다. 기술적 손실은 전선 및 변압기 등의 전력설비에서 열로 발산되는 손실로 ($P_{loss}=3I^{2}R$) 승압, 과부하선로 해소, 선로 불평형 해소, 전선교체, 3상화공사, 적정 변압기 관리, 역률개선 등의 전력계통 현대화 사업으로 개선이 가능하며, 이는 막대한 예산과 시간이 필요하다^[1]. 비기술적 손실은 열로 발산되지 않는 전력손실의 총칭으로 도전, 인력검침 오차 및 계량설비 오차 등이 있으며, 그중 도전은 실질적으로 정부 차원에서만 개선이 가능한 부분이며, 인력검침 오차는 AMI (Advanced Metering Infrastructure) 보급으로 개선이 가능하다.

특고압 고객의 전력계량 방법을 살펴보면 그림 1과 같이 22.9[kV]의 특고압으로 수전을 받으며, 수전받은 전력의 계량을 위하여, 계기용 변압기인 PT(Potential Transfomer)로 강압하여 전압은 110[V]로, 계기용 변류기인 CT(Current Transfomer)를 사용하여 전류는 5[A]로 낮춘다.

그리고 이 값이 전력량계의 교체나 시험시 정전을 시키지 않기 위하여 사용하는 단자대인 TTB(Test Terminal Block)를 거쳐 전력량계에서 계량을 하며, 사용 전력량은 이 계량값에 PT와 CT의 배수를 곱하여 계산한다. 이러한 특고압 계량설비의 오차는 전력량계, PT, CT, TTB 그리고 전압 및 전류선의 오결선 등 계량설비의 이상으로 발생한다. 설비 노후화, 계통의 파급고장, 설치시 휴먼에러, 고의적인 도전 등의 원인으로 지속적으로 발생하고 있으며, 점검을 통하여 개선이 가능하다. 특히 우리나라의 전체 2,400만 고객중 1%에 해당하는 24만호 특고압고객의 비기술적 손실은 계량오차가 상당 부분을 차지한다^[2].

그림 1. 특고압 고객 전력계량 설비 구성도

Fig. 1. Configuration diagram of high-voltage power metering system

이와 관련하여 한전에서는 지금까지 정기점검을 통하여 계량오차를 개선하여 왔다. 정기점검 대상은, 전력수급용 계기용 변성기로 CT, PT를 한 탱크에 넣어 사용하는 22.9 [kV]급 MOF (Metering Out Fit)의 특고압 1차측과 저압 2차측에 비교 CT를 각각 설치하여 전류를 비교하여 비오차 시험을 한다. 그러나 특고압 수전설비의 수전용 변압기는 약 60%(약 14.4만호)가 콘크리트 전주 2개를 H 모양으로 만든 가공H주에 설치되어 있다. 가공H주는 안전사고 발생의 위험성이 높아, MOF 비오차시험은 시행하지 않고 있다. 따라서 가공H주를 제외한 큐비클에 설치된 특고압 수전설비(약 9.6만호)에 대하여 1회/3년 간격으로 정기점검을 시행하여왔다.

표 1은 비오차의 정의와 계산 예를 나타낸다. 표 2는 비오차에 따른 이상유무 판단기준이다^[3]. 이러한 ‘MOF 비오차 시험’은 진단장비의 설치·철거 및 측정에 많은 시간이 소요되고, 부하량 및 부하특성에 따른 진단 오차율이 높아 정확한 MOF의 고장진단이 어렵다. 또한 특고압 고객의 약 60%를 점유하는 가공H주 설비는 점검이 불가하고, 40%의 큐비클 특고압 고객 또한 안전사고 발생 위험이 높아 한전에서는 2022년 이후 특고압 선로의 직접활선 작업의 전면 중지와 함께 정기점검도 중단하였다.

표 1 MOF 비오차시험 계산식 및 예

Table 1 Calculation formula and example of MOF error test

구분

측정전류

$비오차율(\%)=\dfrac{K_{n}-K}{K}\times 100$

$K_{n} :공칭변류비,$

$K:측정된참값의변류비$

비오차율

(%)

1차

2차

변류비

50/5

20.57

1.79

[(10.00-11.49)/11.49] × 100

= -0.129

-12.9

표 2 MOF 비오차시험 이상유무 판단 기준

Table 2 Evaluation criteria in MOF error test

측정오차	판 단	비 고
3% 이하	정 상
3%~10%	관리대상	시스템에 오차율 관리
10% 초과	불 량

‘활선 MOF 비오차 시험’ 중단으로 AMI Data를 통한 사용량 변동량 수치가 20% 이상 고객을 선별하여, 현장 계량설비진단을 함으로써 전력계량 오차를 점검하고 있다. 이러한 현장점검으로 설비고장을 확인한 이후에도 기존 전력요금 재산정시 전력회사와 고객간에 고장기간 및 오차율 등의 이견이 발생하여 고장기간 전체에 대한 합리적인 요금협정이 어렵다. 그래서 일반적으로 계량설비의 실제 고장 기간에 관계없이, 계량설비의 고장발생 확인시점부터 고장난 계량설비의 교체시까지의 기간인 1개월을 요금협정 기간으로 활용하고 있다. 이와 관련하여 해외의 전력계량 오차관리 사례를 살펴보면, 전력회사의 내부규정과 절차가 매우 다양하며, 외부에 공개되는 사례가 극히 적다. 다만 일부 전력회사의 Metering Error 관리 사례를 살펴보면, 정기점검 없이 사용량 변동이 큰 폭으로 발생한 고객에 한하여 선별적으로 사선 CT 점검과 활선 계기오차 점검을 하기도 한다.

따라서, 지속적으로 발생하는 전력계량 오차의 진단을 안전하고 신속한 방법으로의 개선이 필요하다. 이에 더하여 전력계량 오차에 의한 과거 손실 전력량 및 누수요금에 대한 정확한 요금협정도 가능해야 한다.

이러한 계량오차 진단 방법의 개선을 위하여, 스마트미터링 솔루션 기반의 전력계량 오차를 진단하는 총 3단계의 프로세스와 이 프로세스의 1단계에 적용된 AMI Data를 활용한 전력계량 오차 발생 의심고객 추출 알고리즘의 적용방안을 제안한다. 그리고 제안된 3단계 프로세스 및 1단계에 적용된 알고리즘의 검증을 위해 2차례의 현장진단을 시행하였고, 마지막으로 제안된 계량오차 진단 프로세스의 현장적용시의 유·무형효과를 분석하였다.

2. 본 론

2.1 전력계량 오차 진단을 위한 3단계 프로세스

기존 전력계량 실패 진단 방식의 안전사고 위험성, 작업시간 과다, 낮은 진단 정확도 문제를 개선하기 위하여 표 3과 같이 총 3단계로 이루어진 프로세스를 제안한다. 1단계는 AMI Data를 활용하여 전력계량 오차가 의심되는 고객을 사전 추출한다. 2단계는 1단계에서 사전 추출된 계량오차 발생 의심고객의 현장 방문을 통하여 계량설비 진단을 시행한다. 3단계는 지속적으로 발생하는 요금협정 문제에 대한 근원적 해결책 제시를 위하여, 고장이 발생한 CT/PT 및 전력량계의 정확한 오차율과 기존 누적된 AMI 데이터를 비교하여 손실 전력량 및 누수 요금을 계산하는 단계이다.

표 3 전력계량 오차 진단을 위한 3단계 프로세스

Table 3 Three step process for diagnosing metering error

1단계(Data 점검)

▶

2단계(설비점검)

▶

3단계(오차율 계산)

AMI Data를 활용하여

계량실패의심고객추출

진단기기를 이용하여

현장에서 고장 확인

정밀한 누수요금

계산

2.1.1 (1단계)알고리즘 기반 전력계량 실패 의심고객 추출

우리나라에는 약 2,400만호의 전기사용 고객이 있으며, 그중 1%인 24만호의 고객이 계약전력 100[kW] 이상인 특고압 고객이다. 이러한 특고압 고객의 계량오차 발생 원인으로는 계기오차, 오결선, CT/PT의 배수착오, 명판위조 및 고장 등이 있다^[4]. 한전은 2003년 특고압고객을 대상으로 AMI 설치를 완료하였고, 현재는 15분 간격으로 설비상태 및 전력계량 값 등의 검침정보를 원격으로 수집하고 있다. 이러한 AMI 검침 정보는 각상의 전압, 전류 및 위상각 정보를 가지고 있으며, 이러한 정보를 기반으로 전력계량 오차 발생 가능성을 제안된 알고리즘을 통해 진단할 수 있다. 이것은 전력계량 오차 진단 프로세스 1단계로 AMI Data를 활용하여 전력계량 실패 가능성이 있는 특고압 고객을 사전 추출함으로써 현장진단 대상설비의 대폭 축소가 가능하다. 따라서, 현장에 설치된 특고압 고객을 전수 방문하여 점검할 필요가 없으므로 현장방문 진단을 최소화할 수 있다.

2.1.2 (2단계) 계량실패 의심고객의 현장고장 확인

특고압고객 계량오차 점검은 ‘MOF 비오차 시험’과 ‘전력량계 오차 점검시험’이 있다. MOF 비오차 시험의 경우에는 22.9[kV] MOF 1차측에 비교 CT/PT를 설치하여 MOF 2차측과 비교하는 방식으로 장비가 무겁고 안전사고 발생 위험이 높으며, 특고압 활선작업 작업이 필요하여 한전 배전계통센터의 사전 협의 및 통보를 해야하므로 사전준비 시간이 길다. 그리고 특고압고객 계량설비 정기점검 기준으로 1회/3년 점검하므로, 미점검 기간중 고장발생 시 전력손실로 이어진다. 또한 안전사고 발생 위험이 높아, 전체 고객의 60%를 점유하는 가공 H주에 대한 점검이 불가하여, 실질적으로 전체 특고압고객의 계량오차 진단이 불가능하다. 반면, TTB의 저압측에서 진단 가능한 계측기를 사용하면, 비교적 안전하고 신속한 점검이 가능하다. 특히, 저압측에서 점검이 가능하여 특고압고객의 전력계량 오차 점검 대상을 전체고객으로 확대가 가능하다. 이 방법은 점검 절차가 간단하여 점검시간이 수분이내로 짧고 안전사고 발생 위험을 줄일 수 있다. 표 4는 MOF 비오차시험과 저압측 진단시험 비교를 보여준다. 현장 진단기기는 한전 연구과제로 진행하여 전사 확대를 준비중인 ‘MOF 고장진단 계측기’와 ‘전력계량 오차 및 MOF 비오차 측정 기능을 결합한 멀티측정 계측기’를 활용하였으며, 저압측에서 전력량계 오차 및 MOF 고장 진단이 가능하다^[5].

표 4 MOF 비오차시험 및 저압측 진단시험 기기 비교

Table 4 Comparison between 22.9[kV] hot-line and Low voltage side diagnostic test

구 분	MOF 비오차시험	저압측 진단시험 기기
점검시간 / 무게	76.8[분/개소]/20kg(휴대불가)	10[분/개소]/2∼4kg(경량·이동편의성)
안 전	특고압 작업(22.9kV)	저압 작업(110V)으로 매우 안전
점검 대상	특고압고객 1회/ 3년	24만호 전체 실시간 진단 (AMI데이터활용하여의심고객 실시간추출)

2.1.3 (3단계) 오차율 계산으로 누수요금 계산

특고압고객의 계량설비 고장시 한전은 ‘요금업무처리지침’에 근거하여 다양한 요금협정 방법을 사용하고 있다. 고객측에서 전력계량 설비의 고장 책임 및 고장시점을 인정하는 경우는 극히 드물다. 한전은 고장원인 및 전력 손실량 계산에 대한 정확한 근거를 제시해야하기 때문에 장기간의 법률적 분쟁이 발생하기도 한다^[6]. 따라서 AMI Data를 활용하여 고장시점 및 기간을 명확히 하고, 계량오차가 발생된 설비의 부하량 별 정확한 오차율을 계산하면 전력손실량 및 누수요금을 정확하게 계산할 수 있으며, 인증기기 및 인증기관을 통한 검증으로 법적 분쟁을 해소하고, 전력회사는 과소계량 요금협정의 근거를 제시할 수 있다^[7]. 참고로 전자식 전력량계는 역회전이 발생하지 않으므로 과다계량 현상은 발생하지 않는다.

2.2 AMI Data 활용 의심고객 추출 알고리즘

AMI Data를 활용하여 전력계량 오차 발생 가능성이 높은 고객을 추출하면, 현장에서 모든 고객의 전력계량 설비를 점검하는데 소요되는 시간과 비용을 절약할 수 있다. 3상 특고압고객의 AMI Data의 각상 전압, 전류, 위상값을 이용하여 계량 오차의 원인인 이상전압, 오결선(1상 교차결선, 2상 교차결선) 전류결상, 전류불평형을 검출할 수 있다. 전력계량 오차 발생 가능성이 높은 고객을 사전추출하기 위한 알고리즘 조건을 정교화함으로써, 현장 고장진단 대상 추출의 정확도를 높일 수 있다^[8].

특고압 전력량계 및 TTB에 연결되는 전선은 총 10개로, PT측 4개(P0, P1, P2, P3), CT측 6개(IS, 2S, 3S, 1L, 2L, 3L)로 구성되며, CT와 PT측 전선의 오결선은 전류결상으로 처리가 되므로, 오결선은 1상 오결선과 2상 오결선의 조건비교로 모든 경우의 오결선 검출이 가능하다^[9]. AMI Data를 활용하여 비정상 계량 고객을 추출하기 위해서 사용된 알고리즘은 그림 2의 순서도에 따라 동작한다. 우선 고객 정보를 활용하여 분산전원 연계 여부를 확인하고 역조류로 인한 착오 이상검출을 판단한다. 다음으로 계약전력을 기준으로 최소부하전류값을 계산하여 무부하 및 극소 경부하시 발생할 수 있는 착오 이상검출을 제외한다. 마지막으로 이상전압, 전류결상, 전류불평형, 2상(전압, 전류) 교차결선, 1상(전류의 입력과 출력) 교차결선 등 고장발생 가능성을 상황별 알고리즘에 따라 비교하여 고장 의심고객을 추출한다.

그림 2. 비정상 계량 고객 추출 알고리즘 순서도

Fig. 2. Process flowchart for extracting abnormal metering customers

2.2.1 무부하시 최소 부하전류 계산 방법

전류결상 및 무부하 조건을 추출하기 위해서는, 무부하시 최소 전류값의 정의가 필요하다. 일반적으로 변압기는 정격전류의 3~7%에 해당되는 여자전류가 발생하므로 수전설비의 계약전력으로 사용되는 변압기 용량[kVA]을 기준으로 변압기 여자전류를 계산하여 식 (1)과 같이 최소부하전류 조건식으로 활용하였다.

(1)

$\dfrac{\dfrac{계약전력}{\sqrt{3}\times 22.9[k V]\times 역률(0.9)}\times 여자전류(3∽7[\%])}{CT 배수}$

여자전류의 최대값인 7[%]에서 MOF 배수 적용 기준을 계산하면 여자전류값은 0.175[A] ~ 0.35[A] 사이로 계약전력에 따라 변화한다. 따라서 표 5와 같이 수전용 변압기의 여자전류의 최대값인 7[%]의 여자전류를 최소부하전류로 정의하면, 무부하 상태 및 전류결상 상태의 조건비교시에 최소부하전류 판별을 용이하게 하여, 계량오차 발생 의심 고객의 사전 추출 정확도를 높일 수 있다. 다만, 여자전류의 [%] 선정에 있어. 최대값인 7[%] 설정은 고장검출 정확도는 높아지지만, 실제 여자전류가 3~6[%]일 경우는 부하전류가 있음에도 무부하로 판단될 수 있다. 따라서, 현장진단 수량 등 진단 환경에 따라 여자전류의 [%]를 조절할 필요가 있다. 표 6은 변압기 여자전류값을 활용하여 결상 판결에 적용한 결과이다. 3상 모두 최소부하전류값 이하이면, 무부하 상태의 판별이 가능하고, 3상중 1상이라도 최소전류값 이상이면, 나머지 최소부하전류값 이하는 결상으로 판별이 가능하다.

표 5 계약전력에 따른 최대 여자전류값(7[%]적용)

Table 5 Maximum exciting current according to contract power demand

계약 전력 [㎾]	CT용량 (1차측) [A]	배수	전류값 [A]	여자전류 (1차측)(7%) [A]	여자전류 (2차측)(7%) [A]
178	5	1	4.986334	0.349043394	0.34904339
357	10	2	10.00068	0.700047706	0.35002385
535	15	3	14.98702	1.0490911	0.34969703
714	20	4	20.00136	1.400095413	0.35002385

표 6 최소부하전류값 적용 계산 및 결상 확인 적용결과

Table 6 Phase loss detection result according to minimum load current

고객	계약 전력	전류[A]			최소 부하전류값[A]	결상	적용 결과
고객	계약 전력	A	B	C	최소 부하전류값[A]	결상	적용 결과
A	3,500	0.67	0.67	0	0.3432	C상	검출
B	2,130	0.90	0.25	0.90	0.3500	B상	검출
C	1200	0	0.59	0.54	0.2941	A상	검출

2.2.2 2상 오결선 판별의 Off-Set 범위

2상 오결선의 발생은 전압 선로간의 교차 결선(P1↔P2, P2↔P3, P3↔P1) 및 전류 선로간의 교차 결선(1L↔L2, 2L↔3L, 3L↔1L)일 경우에 발생한다. 여기서 역률이 1일 경우 교차 결선된 2상은 각각 120°와 240°의 위상차를 갖게된다^[10]. 그러나 유도전동기, 코일 등의 유도성 부하 및 콘덴서 등의 용량성 부하 특성에 따라 역률에 따른 위상이 발생하므로, 교차 결선된 두 상의 위상차는 정확히 120°와 240°를 갖지 않고, 진상 또는 지상역률에 따라 위상각 Off-Set을 가지고 있다. 3상 고객의 경우 무효전력의 소비패턴은 다른 2상과 유사하므로, 2상 오결선의 경우 위상각 Off-Set의 범위를 교차 결선되지 않은 나머지 1상의 역률을 기준으로 한 Off-Set 값을 제안한다. 정상결선인 1상(a상 가정)의 위상을 α°(단, -90° ≤ α° ≤ 90°)라고 할 때, 오결선된 두 상의 역률이 정상결선인 상과 완전히 같다면 120°+α°, 240°+α°이어야 한다. 그런데, 상별 부하 역률이 차이가 있을 수 있어 20°의 판단여유를 추가하여 비교조건으로 활용한다. 판단여유가 작을수록 고장 검출의 민감도가 높아지지만, 그로 인해 실제 고장이 발생했음에도 불구하고 이를 검출하지 못할 가능성이 존재한다. 따라서, 현장진단 수량 등 진단 환경에 따라 판단여유를 조절할 필요가 있다. 그림 3은 2상 교차결선에 따른 각각의 경우(1L↔2L, 2L↔3L, 3L↔1L)에 따른 벡터도를 보여주고 있다.

AMI Data를 활용하여 실제 제안된 조건에 대하여 2상 오결선 알고리즘 검증 결과를 표 7에서 보여주고 있으며 식 (2)와 (3)은 위상각의 조건식으로 활용하였다.

(2)

120°+α°-20°≤오결선 b상 위상각≤ 120°+α°+20°

(3)

240°+α°-20°≤오결선 c상 위상각≤ 240°+α°+20°

그림 3. 1상 정상결선 및 2상 교차결선 벡터도

Fig. 3. Vector diagram of normal single phase connection with two phase cross connection

표 7 2상 오결선 검출 예시 및 결과

Table 7 Results of two-phase cross connection detection

고객	계약 전력	위 상 각			검출조건 비교	오결선 유 형	적용결과
고객	계약 전력	A	B	C	검출조건 비교	오결선 유 형	적용결과
A	400	132	257	11	α°=11 120+11-20≤Aα°(132)≤120+11+20 240+11-20≤Bα°(257)≤240+11+20	A⇔B상	검출
B	290	129	244	4	α°=4 120+4-20≤Aα°(129)≤120+4+20 240+4-20≤Bα°(244)≤240 +4+20	A⇔B상	검출
C	390	28	256	145	α°=28 120+28-20≤Cα°(145)≤120+20+20 240+28-20≤Bα°(256)≤240+28+20	B⇔C상	검출

2.2.3 전류의 전원부하 오결선 판별의 Off-Set 범위

1상 오결선의 발생은 전류의 전원과 부하의 교차결선으로 발생하며, 발생 경우는 1S↔1L, 2S↔2L, 3S↔3L가 있다. 전원과 부하가 교차된 경우는 위상각이 180°가 발생하게 된다. 2상 오결선과 마찬가지로 유도성, 용량성 부하의 특성에 따라, 위상각은 Off-Set을 가지게 된다. 따라서 이러한 위상각 Off-Set의 범위를 제안한다. 따라서 정상결선의 위상을 α°(단, -90°≤α°≤90°)라고 할 때 오결선 된 상의 역률은 180°+α°이고, 여기에 상별 부하역률의 차이가 발생할 수 있어 20°의 판단여유를 추가하여 비교조건을 만들 수 있다. 2상 오결선과 마찬가지로 판단여유가 작을수록 고장검출 민감도는 높아지지만 고장이 발생했음에도 검출이 안될 가능성이 존재한다. 따라서, 현장진단 수 등 진단 환경에 따라 여유도를 증감할 필요가 있다. 그림 4는 1상 입력과 출력의 오결선에 따른 각각의 경우(1S↔1L, 2S↔2L, 3S↔3L)에 따른 벡터도를 보여주고 있다. AMI Data를 활용하여 실제 제안된 조건에 대하여 1상 오결선 알고리즘 검증 결과를 표 8에서 보여주고 있으며 식 (4)는 위상각의 조건식으로 활용하였다.

(4)

180°+α°-20°≤오결선 상의 위상각≤180°+α°+20°

그림 4. 1상 입력과 출력의 교차결선 벡터도(1S↔1L)

Fig. 4. Vector diagram of cross connection between current input and output

표 8 1상 오결선 검출 예시 및 결과

Table 8 Results of cross connection between current input and output

고객

계약

전력

위 상 각

검출조건 비교

오결선

유 형

적용

결과

2,250

200

α°=22

180+22-20≤Bα°(22)≤180

+22+20

180+22-20≤Bα°(200)≤180+20+20

3S⇔3L

검출

2.2.4 CT 및 TTB 고장 검출을 위한 전류불평형 기준

전류 불평형의 경우는 부하측에서 고조파 발생 부하 및 실제로 상 불평형으로 부하를 사용하는 경우 외에도 CT 및 TTB의 불량일 가능성이 있으므로, 전력계량 오차 발생 가능성 있는 고객의 추출에 전류불평형이 포함되어야 한다.

표 9의 현장실증 결과에서 CT 및 TTB 고장은 전류의 불평형률이 70[%] 이상으로 높은 상황에서 발생하였고, 고조파 발생 부하의 경우 순간적인 과부하에 따른 전류불평형 조건이 발생하는 것으로 확인되었다. 따라서, 전류 불평형의 조건은 최소부하전류값 이상이며, 불평형률이 ‘70[%]’ 이상 및 고조파 부하특성을 고려하여 ‘4회 이상’ 발생 고객으로 설정하였다.

표 9 불평형률 적용 및 검출 결과

Table 9 Detection results of unbalance rate

고객	계약 전력	전류[A]			불평형률 [%]	적용 결과
고객	계약 전력	A	B	C	불평형률 [%]	적용 결과
A	1750	2.45	1.14	2.79	77	검출
B	150	1.30	0.19	1.21	123	검출
C	726	0.37	0.85	0.20	137	검출

전력계량 오차 검출 알고리즘의 정확도를 높이기 위해 전류 불평형률 비교조건을 70[%]로 설정하였지만, 비교조건의 불평형률을 높이면 검출정확도는 높은 반면, 불평형률이 낮음에도 불구하고 고장이 발생한 고객설비는 추출할 수 없는 상황이 발생할 수 있다. 따라서, 현장진단 수량 등 진단 환경에 따라 전류 불평형률의 비교조건을 변경할 필요가 있으며, 전류불평형률의 계산은 식 (5)와 같다.

(5)

\begin{align*} 상별 불평형(\%)=\dfrac{I_{\max dev}}{I_{avg}}\times 100 \\ I_{avg}: 3 상의 평균 전류값 \\ I_{\max dev}:평균값에서 가장 많이 벗어난 상의 전류 차 \end{align*}

2.2.5 분산전원(태양광) 발전고객의 알고리즘 적용 방안

분산전원이 연계된 고객의 경우에는, 분산전원의 발전에 따라 계통조류의 방향이 수시로 바뀌게 되어 알고리즘 적용시, 정상동작 상태임에도 전력계량 실패 의심 고객으로 추출될 가능성이 상당히 높다. 그러나 태양광 발전의 경우는 발전시간의 예측이 가능하므로, 일출 및 일몰 시간을 제외하고, 본 검출 알고리즘을 적용하면 분산전원으로 인한 역조류 및 과전압 현상으로 인한 알고리즘 결과의 왜곡을 제외할 수 있다. 특정시간 한정 방법으로 하지 및 동지를 기준으로 태양광 발전이 전혀 영향을 미치지 않는 21시부터 익일 4시까지의 AMI Data 활용을 제안한다.

2.2.6 각상의 전압차 활용 이상전압 검출 알고리즘 조건

수전설비의 MOF는 3Lim 구조의 PT 1상이 고장일 경우에도, 다른 2상의 자계에 의하여 고장이 발생한 상에도 전압이 발생하는 경우가 있다. 이 경우 고장이 발생한 상의 전압이 다른 두상에 비해서 낮게 나타나는 현상이 발생한다. 또한 전력량계의 전압선 P1, P2, P3와 중성선 P0의 교차 오결선이 발생하는 경우에는 전압 결상이 발생한다.

표 10은 실제 이상전압이 의심되어 현장점검으로 PT 고장을 현장 확인한 결과이며, 각상의 전압차는 5.2[V]가 최저값이었다. 이 실증 결과를 참고하여 이상전압 발생의 비교조건을 PT의 전압차가 다른 상과 5[V] 이상 발생시로 설정하였다. 전류 불평형률과 마찬가지로 비교조건인 각상의 전압차를 높이면 검출정확도는 높아지지만, 전압차가 낮음에도 불구하고 고장이 발생한 고객설비는 추출할 수 없는 맹점이 있다. 따라서, 현장진단 수량 및 진단환경에따라 전압차 비교조건을 변경할 필요가 있다.

표 10 이상전압 발생시 각상의 전압차 비교 및 검출 결과

Table 10 Comparison of voltage differences and detection results under abnormal voltage condition

고객	계약 전력	전압[V]			각상의 전압차 [V]	적용 결과
고객	계약 전력	A	B	C	각상의 전압차 [V]	적용 결과
A	300	110.23	110.05	103.35	6.88	검출
B	750	110.21	0	109.3	110.21	검출
C	400	109.1	109.3	104.1	5.2	검출

2.3 전력계량 오차 추출 알고리즘의 조건비교 값 종합

비정상 계량고객 추출을 위한 조건비교를 위하여 설정한 비교값을 종합 정리하면 표 11과 같다. 조건비교 설정값은 현장 진단 수량 및 진단환경에 따라서 진단의 정확성과 효율성을 고려하여 조절할 수 있고, 본 연구에서는 초기 설정값을 표 11과 같이 사용하였다.

표 11 비정상 계량 고객 추출을 위한 조건비교 설정값

Table 11 Comparison of conditions and threshold setting for identifying abnormal metering customers

비정상 계량원인	조건 비교 초기 설정값
이상전압	각상 전압차 5[V] 이상
전류결상	변압기 여자전류 7[%]
전류불평형	전류불평형률 70[%]
2상 전압 및 전류 교차결선	정상 결선의 역률 위상각 α°에 더해지는 판단여유 위상 20α°
1상 전류 입력과 출력 교차결선	정상 결선의 역률 위상각 α°에 더해지는 판단여유 위상 20α°

2.4 전력계량 오차 추출 알고리즘의 현장진단 결과

전력계량 오차 진단 프로세스의 실효성 검증을 위하여 2차례에 걸쳐, 특고압고객의 AMI Data를 분석하여 의심고객을 추출하고(1단계), 추출된 고객 설비의 현장진단(2단계)을 시행하였다. 1차는 총 17,817호 특고압고객의 1일분의 AMI Data를 활용하였고, 제안 알고리즘으로 6개 계량오차 발생 의심고객을 추출하여 현장진단을 실시하였다. 2차는 공단지역 348호 중 산업용 9호의 의심고객을 1단계로 추출하고 2단계로 현장진단을 시행하였다.

표 12와 같이 1차 현장진단 결과 계량오차 발생 의심 6개 고객중 4개 고객의 계량설비 이상을 현장 확인하였다. 고장 유형으로는 2상 오결선(2S↔3S), B상 전압결상, TTB 접촉불량으로 인한 전류불평형 및 B상 전류결상이었다. 나머지 2개 고객은 AMI Data를 제안된 알고리즘으로 분석한 결과, 전류결상으로 확인되었음에도 현장에서는 미소 부하전류가 측정되었다. 따라서 통신 데이터 손실로 판단하여 모뎀 교체를 실시하였다.

표 12 1차 6개 고객 현장진단 결과(4개 고객 고장 확인)

Table 12 Result of first on-site verification for 6 customer

구분

오결선

전압결상

불평형

전류결상

점검

고객

고장

원인

오결선

TTB

불량

TTB 불량

TTB

불량

통신 데이터 손실

※모뎀교체 조치中

오결선 및 전압·전류 결상 고객은 1차 현장진단 결과 1단계의 알고리즘 분석의 정확도가 높았다. 따라서 2차 현장진단에서는 특고압고객을 대상으로 전류불평형 및 이상전압을 중심으로 현장진단을 시행하였다.

표 13 2차 9개 고객 현장진단 결과(4개 고객 고장 확인)

Table 13 Result of second on-site verification for 9 customer

구분	전류 불평형(CT 불량의심)				저(과) 전압
점검 고객	1	1	1	3	1	1	1
고장 원인	CT 불량	TTB 불량	이상 없음	이상 없음	PT 불량	PT 불량	이상 없음
비고	제작년월 (’04.01)		고조파 부하로 편차 큼	고객측 부하 불평형	제작년월 (’09.01)	MOF 교체	태양광 역조류 →전압 상승

표 13의 2차 현장진단은 1단계에서 알고리즘으로 분석된 총 9개의 전류불평형 및 이상전압 의심 고객을 대상으로 현장진단하여 4개 고객의 계량설비 고장을 확인하였다. 고장 유형으로는 A상과 B상의 CT 불량, TTB 접촉불량으로 인한 전류불평형, C상의 PT 불량 및 A상과 B상의 PT 불량이었다. 특징으로는 15년 이상 경과된 MOF의 고장확률이 높았다. 태양광이 설치된 고객의 경우는 발전시에 과전압이 발생하여 이상전압으로 진단되었는데, 이는 역조류로 인한 이상전압으로 판단되었다. 또한 아크성 부하를 사용하는 고객의 경우 고장의심으로 진단되었는데, AMI는 15분내에 순간 최대값을 기록하므로, 순간적인 과부하로 인하여 부하불평형으로 진단되었음을 확인하였다.

2.5 전력계량 오차 진단 3단계 프로세스 적용효과 분석

전력계량 오차 진단 3단계 프로세스의 적용으로 현장 점검대상 축소, 점검시간 단축, 기존 정기시험 미대상(가공H주 설비)의 점검가능 등으로 표 14에서와 같이 409억원의 유형효과가 발생이 예상된다. 추가적으로 전체 특고압고객의 약 60[%]를 점유하는 가공H주의 진단으로 31억원/월의 추가 요금협정 가능 및 1회/3년에 실시하던 정기점검을 실시간 점검하므로, 이로 인한 누수요금 예방효과를 고려하면 1,872억원((21억+31억)×3년×12개월)의 추가효과를 예상할 수 있다.

무형효과로는 실시간 전력계량 오차점검이 가능하므로 업무의 효율성을 높일 수 있고, 특히, 특고압 선로의 직접활선 작업이 불필요하므로 인명사고 연관된 안전사고를 예방할 수 있는 무형효과 또한 매우 크다.

표 14 전력계량 오차 진단 프로세스 유형효과 분석

Table 14 Effect analysis of metering error diagnosis process

절감 구분

산출 근거

현장

점검대상 축소

[1단계]

ⓐ

24만호 전수 점검 - 0.24만호(1%)만 점검

(24만호-0.24만호) × 122,705원[정기시험 단가] = 29,154,708,000원 (약291억원)

점검시간 단축

[2단계]

ⓑ

기존 점검시간 76.8분호 - 10분

(시간 1/7로 축소 = 점검단가 1/7로 축소)

0.24만호×(122,705×6/7)=252,421,714원(약 25억원)

정기시험 미대상 추가

[가공 H주 점검]

ⓒ

전사 5년 평균 협정금액(9.6만호) : 21억원*

가공 H주 점검 가능으로 인한 추가협정 금액(14.4만호) : 31억원

3년/ 1회 → 매년 계량설비 점검 가능 : 3년

31억원 × 3년 = 93억원

총 절감비용

(ⓐ+ⓑ+ⓒ)

409억원/년

3. 결 론

본 연구는 지속적으로 발생하는 전력계량설비의 고장에 따른 비기술적 손실 감소를 위하여, 3단계의 전력계량 오차 진단 프로세스를 제안하고, 1단계에서는 AMI Data를 활용한 전력계량 실패 의심고객 추출 알고리즘을 제안하였다. 22.9[kV]의 MOF 1차측에 비교 CT/PT를 설치하여 진단하는 ‘MOF 비오차 시험’은 안전문제로 가공H주 설비는 진단이 불가하고, 시간이 많이 소요되며, 충분한 부하전류가 있어야 진단이 가능한 반면에 제안된 진단 프로세스는 1단계에서 AMI Data를 활용하여 계량오차 발생 의심고객을 사전 추출함으로써, 특고압고객 전체에 대한 진단이 가능하며, 안전사고 위험 감소, 실시간 진단 가능, 정확도 증가 등의 장점을 가지고 있다. 또한, 1단계에서 제안된 AMI Data 활용한 알고리즘은 이상전압, 2상 및 1상 오결선, 전류불평형, 결상 등의 계량오차 발생 가능성을 진단하는 비교조건 및 기준값을 제시하였다.

제시된 알고리즘의 비교조건 및 기준값을 활용하여 AMI Data 분석으로 의심고객을 추출하고, 추출된 고객 설비의 현장진단을 2차례에 걸쳐 시행함으로써 계량오차 발생 고객을 적출하였다. 또한 1단계에서 계량오차 발생 의심 고객으로 적출되었음에도 현장진단 시 정상으로 진단된 고조파 특성 및 태양광 발전 연계 등의 예외사항 등을 확인하였다.

따라서, 본 연구에서 제시된 3단계 계량오차 진단 프로세스 활용하여, 전력계량 오차 발생 고객을 적출한다면, 안전사고 감소, 실시간 진단 가능, 정확도 향상을 통하여 전력계량 실패로 인한 비기술적 손실을 대폭 감소시킬수 있다.

향후에는 고장의심 고객 추출의 정확도를 높이기 위하여 표 11에서 제시한 ‘비정상 고객 추출을 위한 조건비교의 설정값’을 추가하여 현장실증을 진행함과 더불어 민감도 분석을 시행할 예정이다. 또한 본 연구에서는 역조류에 의한 착오 고장검출을 예방하기 위하여 대부분의 분선전원을 차지하는 태양광 비발전시간대의 AMI Data 활용을 제안하였으나, 태양광 이외에도 Battery 연계, 풍력 및 연료전지 발전 등 역조류 및 이상전압이 발생하는 경우를 고려하여 알고리즘을 고도화할 계획이다. 그리고 전력계량 실패로 인한 비기술적 손실 감소를 위하여 해외국가 중 우리나라와 수전설비의 구성 및 전력계량 방법이 상이하고, 전력손실률이 높은 국가를 대상으로 본 프로세스 및 알고리즘을 적용가능한지 현장실증할 계획이다.

References

Mesut E. Baran, “Network Reconfiguration in Distribution Systems for Loss Reduction and Load Balancing,” IEEE Transactions on Power Delivery, vol. 4, no. 2, pp. 1401-1407, April 1989.

SC Yoon, JH Park, “The loss change by Watt Hour metering disconnection,” Proceedings of the KIEE Conference, pp. 618-619, July 2011.

KEPCO, “Electric Metering Technical Work standard,” Smart Metering Division. Work Standard No. HO - Distribution-Standard-0019, Rev. 13, pp. 89-165, Mar. 30, 2022.

KEPCO, “Annual Inspection Plan for Meters and Accessories for High-Voltage Customers,” Smart Metering Division, pp. 3-12, Jun. 10, 2024.

DY Shin, IK Song, “Introduction of Metering Out Fit non-error Measurement technology in Live-Line" Proceedings of the KIEE Conference,” pp. 1972-1973, July 2019.

KEPCO, “Electricity Tariff Operation Manual" Work Standard No. HO – Sales-Standard-0031,” Rev. 11, pp. 34-39, Agu, 2023.

I. Senderovych, V. Kukhar and O. Dzyub, “Error Analysis of Common Power Meter Installation Faults on Three-Phase Networks,” Electronics, vol. 13, no. 8, pp. 1501, 2024.

JI Park, NH Song, “An Analysis of Metering Error By Mis-connection of Electronic Watt-hour Meter,” Proceedings of the KIEE Conference, pp. 587-589, July 2019.

JI Park, KH Kim, “An Analysis of Electric Watt-hour Meter Mis-connection By Measuring Method,” Proceedings of the KIEE Conference, pp. 441-444, July 2018.

JW Lee, YT Oh, “Analysis on the incorrect of an induction 3-phase watt-hour Meter,” Proceedings of the KIEE Conference, pp. 191, May 2016.

저자소개

박용성(Young-Sung Park)

He received B.S., M.S. degrees in electrical engineering from Chungbuk National University, Cheongju, Korea. He completed Ph.D. coursework in electrical engineering from Chonnam National University, Gwangju, Korea. He has been with Korea Electric Power Cooperation(KEPCO). He is a general manager in Global Business Department Energy Solution Team, KEPCO.

안선주(Seon-Ju Ahn)

He received B.S., M.S., and Ph.D. degrees in electrical engineering from Seoul National University, Seoul, Korea, in 2002, 2004, and 2009, respectively. He was a Postdoctoral Researcher with Myongji University, Seoul. He was with the FREEDM Systems Center, North Carolina State University, Raleigh, NC, USA. He is currently a Professor at Chonnam National University, Gwangju, Korea. His current research interests include power quality, distributed energy resources, microgrids, smart grids, and real-time simulation.

KIEEThe Transactions of
the Korean Institute of Electrical Engineers

The Transactions of the Korean Institute of Electrical Engineers

ISO Journal TitleTrans. Korean. Inst. Elect. Eng.

Journal Search

Journal XML

Journal Information

A Process and Algorithmic Approach for Reducing Non-Technical Loss Using AMI Data in Smart Metering Systems

Translated Abstract

Key words

1. 서 론

2. 본 론

2.1 전력계량 오차 진단을 위한 3단계 프로세스

2.1.1 (1단계)알고리즘 기반 전력계량 실패 의심고객 추출

2.1.2 (2단계) 계량실패 의심고객의 현장고장 확인

2.1.3 (3단계) 오차율 계산으로 누수요금 계산

2.2 AMI Data 활용 의심고객 추출 알고리즘

2.2.1 무부하시 최소 부하전류 계산 방법

(1)

2.2.2 2상 오결선 판별의 Off-Set 범위

(2)

(3)

2.2.3 전류의 전원부하 오결선 판별의 Off-Set 범위

(4)

2.2.4 CT 및 TTB 고장 검출을 위한 전류불평형 기준

(5)

2.2.5 분산전원(태양광) 발전고객의 알고리즘 적용 방안

2.2.6 각상의 전압차 활용 이상전압 검출 알고리즘 조건

2.3 전력계량 오차 추출 알고리즘의 조건비교 값 종합

2.4 전력계량 오차 추출 알고리즘의 현장진단 결과

2.5 전력계량 오차 진단 3단계 프로세스 적용효과 분석

3. 결 론

References

저자소개

박용성(Young-Sung Park)

안선주(Seon-Ju Ahn)

Article Information (continued)

Key words

KIEEThe Transactions ofthe Korean Institute of Electrical Engineers

The Transactions of the Korean Institute of Electrical Engineers

ISO Journal TitleTrans. Korean. Inst. Elect. Eng.

Journal Search

Journal XML

Journal Information

A Process and Algorithmic Approach for Reducing Non-Technical Loss Using AMI Data in Smart Metering Systems

Translated Abstract

Key words

1. 서 론

2. 본 론

2.1 전력계량 오차 진단을 위한 3단계 프로세스

2.1.1 (1단계)알고리즘 기반 전력계량 실패 의심고객 추출

2.1.2 (2단계) 계량실패 의심고객의 현장고장 확인

2.1.3 (3단계) 오차율 계산으로 누수요금 계산

2.2 AMI Data 활용 의심고객 추출 알고리즘

2.2.1 무부하시 최소 부하전류 계산 방법

(1)

2.2.2 2상 오결선 판별의 Off-Set 범위

(2)

(3)

2.2.3 전류의 전원부하 오결선 판별의 Off-Set 범위

(4)

2.2.4 CT 및 TTB 고장 검출을 위한 전류불평형 기준

(5)

2.2.5 분산전원(태양광) 발전고객의 알고리즘 적용 방안

2.2.6 각상의 전압차 활용 이상전압 검출 알고리즘 조건

2.3 전력계량 오차 추출 알고리즘의 조건비교 값 종합

2.4 전력계량 오차 추출 알고리즘의 현장진단 결과

2.5 전력계량 오차 진단 3단계 프로세스 적용효과 분석

3. 결 론

References

저자소개

박용성(Young-Sung Park)

안선주(Seon-Ju Ahn)

Article Information (continued)

Key words

KIEEThe Transactions of
the Korean Institute of Electrical Engineers