KR101421591B1 - An intelligent deterioration diagnosing system for a distributing board by using the 2D thermopile IR image and the method thereof - Google Patents
An intelligent deterioration diagnosing system for a distributing board by using the 2D thermopile IR image and the method thereof Download PDFInfo
- Publication number
- KR101421591B1 KR101421591B1 KR1020140043395A KR20140043395A KR101421591B1 KR 101421591 B1 KR101421591 B1 KR 101421591B1 KR 1020140043395 A KR1020140043395 A KR 1020140043395A KR 20140043395 A KR20140043395 A KR 20140043395A KR 101421591 B1 KR101421591 B1 KR 101421591B1
- Authority
- KR
- South Korea
- Prior art keywords
- temperature
- image
- fuzzy
- pixel
- facility
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
- H02B1/24—Circuit arrangements for boards or switchyards
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B13/00—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle
- H02B13/02—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle with metal casing
- H02B13/035—Gas-insulated switchgear
Abstract
Description
본 발명은 2차원 서모파일 어레이 센서를 이용하여 적외선 열화상 영상을 획득하고 상기 적외선 열화상 영상의 온도 변화를 퍼지 추론으로 수배전반의 이상 유무를 판별함으로써, 하나의 열화 감시 방법으로 특고압 및 고압 배전반, 저압배전반, 분전반, 모터제어반 등의 열화를 모두 감시할 수 있는 수배전반의 지능형 열화 진단 시스템 및 그 방법에 관한 것이다.
The present invention relates to a method and apparatus for obtaining a thermal infrared image using a two-dimensional thermopile array sensor and determining the temperature change of the thermal infrared image by fuzzy reasoning, , A low-voltage switchboard, a distribution board, a motor control panel, and the like, and a method thereof.
일반적으로, 수배전반은 집단거주지역(APT), 빌딩, 학교, 공장, 항만, 공항, 상, 하수 처리장, 변전소, 중공업 플랜트, 지하철, 화학단지, 제철소 등의 광범위한 전력 수용가에서 특고압의 전력을 저압으로 변환하여 해당 설비에게 공급하는 수배전 계통에 설치되어 전력 감시, 제어 및 보호를 위하여 사용된다.Generally, the switchgear is able to supply extraordinary high voltage power at a wide range of power consumers such as APT, building, school, factory, port, airport, sewage treatment plant, substation, heavy industrial plant, subway, chemical complex, And is installed in a water distribution system for supplying power to the facility, and is used for power monitoring, control and protection.
수배전반은 용량별로 3.6㎸ 또는 7.2㎸의 수배전 계통에 사용되는 고압반(switchgear)과, 22.9㎸, 24㎸, 25.8㎸ 등에 사용 가능한 특별 고압반으로 구분되고, 저압부에서는 저압배전반, 분전반, 모터제어반으로 구분할 수 있다. 또한, 수배전반은 그의 형식에 따라 가스절연개폐장치(C-GIS: Cubicle type Gas Insulated Switchgear), 특고압 폐쇄 배전반(MCSG: Metal Clad SwitchGear), 1㎸∼25.8㎸의 수배전 계통에 사용되는 특고압격실형 배전반(Medium Compartment Switchgear) 등이 있다.The switchgear is divided into a high voltage switchgear used for the 3.6 kV or 7.2 kV power distribution system and a special high voltage switchable for 22.9 kV, 24 kV, 25.8 kV, and a low voltage switchboard, Control panel. In addition, the switchgear can be used in gas insulated switchgear (C-GIS), metal clad switchgear (MCSG), and high voltage And a compartment switchgear (Medium Compartment Switchgear).
이들 수배전반은 안전성 및 내구성의 품질개선 차원에서 차단 성능이 우수한 진공차단기(VCB: Vacuum Circuit Breaker)를 수납하여 기능성과 안전성에 역점을 두고 설계되거나, 콤팩트한 사이즈에도 불구하고 강력하고 편리한 성능을 구현하여 수배전반의 유지 보수를 편리하게 하는 쪽으로 개발되고 있다.In order to improve the quality of safety and durability, these switchboards are designed with a focus on functionality and safety by accommodating a vacuum circuit breaker (VCB) with excellent blocking performance, or they are designed to be powerful and convenient in spite of its compact size. It is being developed to make the maintenance of the switchboard easier.
이런 수배전반의 내부는 통상적으로 특고압측과 저압측으로 구분될 수 있되, 부연 설명하면, 설비를 기준으로 할 때, 전력 제공자인 한국전력에서 전기를 받는 수전설비가 위치한 쪽과, 수전설비를 통해 수전된 전기를 공장 또는 사용자가 필요로 하는 전압 또는 용량으로 변경 공급하는 변압기 혹은 단락사고 등과 같은 사고로부터 전체 설비를 보호하는 차단기 등을 구비한 배전설비가 위치한 쪽으로 구분 가능하다.The interior of such a switchboard can be generally divided into a high-voltage side and a low-voltage side. In addition, when referring to the facility, the power supply company KEPCO, A transformer that changes the electricity to the voltage or capacity required by the factory or user, or a power distribution unit that has a circuit breaker that protects the entire equipment from an accident such as a short-circuit accident.
종래에는 특고압 및 고압 수배전반이나,저압배전반,분전반,모터제어반 등을 비롯한 전력설비의 온도 및 노후화에 의한 열화 정도를 측정하기 위해서는 별도의 온도측정기나 열화상 카메라를 이용하여 측정하고자 하는 부분에 직접 투사하여 온도 측정 및 열화 상태를 점검하였으며, 규정된 점검 기준에 의해 주기적으로만 측정하고, 또 목측에 의한 외관상태만을 점검하여 그 상태를 추정하는 경우가 대부분이다. 따라서 수배전 설비의 건전성 및 열화에 의한 사고를 사전에 예방하지 못하는 문제점이 있었다.Conventionally, in order to measure the temperature and deterioration degree of the electric power facilities including the high-voltage and high-voltage switchgear, the low-voltage switchboard, the distribution board, and the motor control panel, it is necessary to use a temperature sensor or a thermal camera The temperature is measured and the deterioration state is checked by the projection, and only the periodical measurement is performed according to the prescribed inspection standard, and the state of the appearance is estimated by checking only the appearance state by the neck. Therefore, there is a problem in that it is not possible to prevent accidents caused by the soundness and deterioration of the water distribution equipment.
이러한 문제점을 해결하고자 열화상 카메라를 이용하여 수배전반의 열 온도를 비접촉식으로 측정하는 기술들이 제시되고 있다. 일례로서, 수배전반의 판넬 문에 디스플레이 장치를 설치하고, 판넬 문 내부에 열화상카메라를 설치하여 열화상 카메라에 의해 측정되는 내부의 온도를 판넬 문의 디스플레이장치에 나타내는 기술이 제시되고 있다[특허문헌 1]. 열화상 카메라를 수배전반 내에 탑재시켜 상시 수배전반을 감시하되, 열화상 카메라에서 촬영된 영상에서 열감지부분과 열감지부분과 이웃하는 부분의 평균 픽셀(pixel)차를 구하고, 그 차이가 기설정된 수치 이상일 때에만 이상 상황으로 감지하는 기술이 제시되고 있다[특허문헌 2].In order to solve such a problem, there have been proposed techniques for non-contact measurement of the heat temperature of a switchboard using a thermal imaging camera. As an example, a technique has been proposed in which a display device is installed on a panel door of a power distribution panel, a thermal imaging camera is installed inside a panel door, and the internal temperature measured by a thermal imaging camera is displayed on a panel door display device [ ]. A thermal imaging camera is mounted in a switchboard to monitor the constantly-installed switchboard. An average pixel difference between a thermal sensing portion and a neighboring portion of the thermal sensing portion of the image captured by the thermal imaging camera is obtained. A technology for detecting abnormal situations only is proposed [Patent Document 2].
그러나 열화상 카메라가 수배전반 내부의 다양한 부품들에 대한 열을 전체적으로 촬상하기 때문에, 각 부품별로 구분하여 온도가 표시되거나 이상 감지 온도를 다르게 판단해야 하나, 상기 선행기술들은 이러한 문제점을 해결하고 있지 못하다.However, since the thermal imaging camera captures the heat of the various components in the switchboard as a whole, it is necessary to distinguish the temperature of each component or determine the abnormality detection temperature differently. However, the prior art does not solve such a problem.
한편, 배전반의 버스-바 연결단자에 온도튜브를 장착하고, 단자부분의 발열로 온도튜브의 색이 변하는 것을 카메라를 통해 영상으로 획득하여 부하가 걸린 상태에서도 버스-바의 발열을 점검하는 기술이 제시되고 있으나[특허문헌 3], 온도튜브를 별도로 설치해야 한다는 문제점이 있다.
On the other hand, there is a technique of inserting a temperature tube at the bus-bar connection terminal of the switchboard and acquiring the change of color of the temperature tube by the heat of the terminal part through the camera to check the heat of the bus- However, [Patent Document 3] has a problem that a temperature tube must be separately installed.
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위한 것으로, 2차원 서모파일 어레이 센서를 이용하여 적외선 열화상 영상을 획득하고 상기 적외선 열화상 영상의 온도 변화를 퍼지 추론으로 수배전반의 이상 유무를 판별하는 수배전반의 지능형 열화 진단 시스템 및 그 방법을 제공하는 것이다.An object of the present invention is to solve the above-mentioned problems, and it is an object of the present invention to provide a method and apparatus for acquiring an infrared thermal image using a two-dimensional thermopile array sensor and discriminating the temperature change of the infrared thermal image by fuzzy reasoning And an intelligent deterioration diagnosis system of the power transmission and distribution panel.
또한, 본 발명의 목적은 2차원 서모파일 어레이 센서에 의해 획득된 적외선 열화상 영상에 그 온도 변화에 대한 퍼지 추론을 적용하여 수배전반의 이상 유무를 판별하되, 열화상 영상을 수배전반의 구조 이미지에 매칭시켜, 수배전반의 구성 부분 별로 이상 유무를 판단하는 수배전반의 지능형 열화 진단 시스템 및 그 방법을 제공하는 것이다.It is also an object of the present invention to provide a method and system for determining the presence or absence of an abnormality in a switchboard by applying a fuzzy inference to the infrared thermal image obtained by a two-dimensional thermopile array sensor, And determining whether there is an abnormality in each of the constituent parts of the switchboard, and a method thereof.
상기 목적을 달성하기 위해 본 발명은 수배전반의 지능형 열화 진단 방법에 관한 것으로서, (b) 입력 변수의 멤버쉽 함수, 출력 변수의 멤버쉽 함수, 퍼지규칙을 설정하는 단계; (c) 열화상 카메라를 통해 열화상 영상을 획득하고, 상기 열화상 영상으로부터 각 화소의 온도 및 온도 변화분을 추출하는 단계; (d) 온도 및 온도 변화분을 퍼지 추론을 위한 입력변수로 설정하고, 상기 입력변수들의 퍼지값 조합에 대한 적합도를 구하는 단계; (e) 입력변수의 각 조합의 적합도를 가중치로 하여, 퍼지 규칙에 의한 추론 결과를 계산하는 단계; 및, (f) 계산된 추론 결과에서 가장 가까운 출력변수의 퍼지값을 결정하는 단계를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided an intelligent deterioration diagnostic method for a switchboard, comprising: (b) setting a membership function of an input variable, a membership function of an output variable, and a fuzzy rule; (c) obtaining a thermal image through a thermal imaging camera, and extracting temperature and temperature variations of each pixel from the thermal image; (d) setting a temperature and a temperature change as input variables for fuzzy inference, and obtaining a fitness for a combination of the fuzzy values of the input variables; (e) calculating a result of inference based on the fuzzy rule with the fitness of each combination of input variables as a weight; And (f) determining a fuzzy value of the output variable closest to the calculated inference result.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 관한 것으로서, (a) 열화상 영상에 대하여 설비 영역을 구분하는 단계; (b) 영역별로 입력 변수의 멤버쉽 함수, 출력 변수의 멤버쉽 함수, 퍼지규칙을 설정하는 단계; (c) 열화상 카메라를 통해 열화상 영상을 획득하고, 상기 열화상 영상으로부터 각 영역별로 평균온도 및 평균온도 변화분을 추출하는 단계; (d) 영역별로 평균온도 및 평균온도 변화분을 퍼지 추론을 위한 입력변수로 설정하고, 상기 입력변수들의 퍼지값 조합에 대한 적합도를 구하는 단계; (e) 입력변수의 각 조합의 적합도를 가중치로 하여, 퍼지 규칙에 의한 추론 결과를 계산하는 단계; 및, (f) 계산된 추론 결과에서 가장 가까운 출력변수의 퍼지값을 결정하는 단계를 포함하는 것을 특징으로 한다.The present invention also relates to an intelligent deterioration diagnostic method for a switchboard, comprising the steps of: (a) dividing a facility area for a thermal image; (b) setting a membership function of an input variable, a membership function of an output variable, and a fuzzy rule for each region; (c) obtaining a thermal image through a thermal imaging camera, and extracting an average temperature and an average temperature change for each region from the thermal image; (d) setting an average temperature and an average temperature variation for each region as input variables for fuzzy inference, and obtaining a fitness for the combination of the fuzzy values of the input variables; (e) calculating a result of inference based on the fuzzy rule with the fitness of each combination of input variables as a weight; And (f) determining a fuzzy value of the output variable closest to the calculated inference result.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 방법은, 상기 (f)단계에서, 결정된 출력변수의 퍼지값에 따라 색상을 달리하여 각 화소별로 화면에 표시하는 것을 특징으로 한다.According to another aspect of the present invention, there is provided an intelligent deterioration diagnostic method for a switchboard, the method comprising: displaying the color of each pixel on a screen in a different color according to a determined fuzzy value of the output variable in the step (f).
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 온도 및 온도 변화분에 대한 입력변수는, 각 화소의 온도 및 해당 온도의 변화분, 각 화소의 온도 및 해당 온도의 누적 변화분, 각 화소의 누적 온도 및 해당 온도의 변화분, 각 화소의 누적 온도 및 해당 온도의 누적 변화분 중 어느 하나인 것을 특징으로 한다.According to another aspect of the present invention, there is provided an intelligent deterioration diagnosis method for a switchboard, wherein the input variables for the temperature and the temperature change include at least one of a temperature and a change in the temperature of the pixel, A cumulative temperature of the pixel, a change of the corresponding temperature, an accumulated temperature of each pixel, and a cumulative change of the corresponding temperature.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 평균온도 및 평균온도 변화분에 대한 입력변수는, 해당 영역의 평균온도 및 해당 평균온도의 변화분, 해당 영역의 평균온도 및 해당 평균온도의 누적 변화분, 해당 영역의 누적 평균온도 및 해당 평균온도의 변화분, 해당 영역의 누적 평균온도 및 해당 평균온도의 누적 변화분 중 어느 하나인 것을 특징으로 한다.Further, in the intelligent deterioration diagnosis method for a switchboard according to the present invention, the input variables for the average temperature and the average temperature change are determined by the average temperature of the corresponding region, the variation of the average temperature, A cumulative average temperature of the region, a change of the average temperature, a cumulative average temperature of the region, and a cumulative change of the average temperature.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 (d)단계에서, 각 입력변수의 퍼지값에 대한 적합도를 구하고, 상기 퍼지값 조합의 적합도를 각 조합에 구성된 퍼지값의 적합도의 곱으로 구하는 것을 특징으로 한다.Further, in the intelligent deterioration diagnosis method for a switchboard, in the step (d), a fitness for the fuzzy value of each input variable is obtained, and the fitness of the combination of the fuzzy values is multiplied by the fitness of the fuzzy value .
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 (e)단계에서, 상기 퍼지 규칙에 의한 추론 결과 YI는 다음 수식에 의해 구하는 것을 특징으로 한다.Further, the present invention is characterized in that in the intelligent deterioration diagnosis method for a switchboard, in the step (e), the inference result Y I by the fuzzy rule is obtained by the following equation.
[수식 1][Equation 1]
단, N은 입력변수의 퍼지값 조합의 경우 수이고, wi는 각 입력변수 퍼지값 조합의 적합도이고, fi(x)는 퍼지규칙에 따른 각 입력변수 퍼지값 조합에 대한 출력변수의 퍼지값임.Where, N is a number for fuzzy value combination of the input variable, w i is the fitness of each input variable fuzzy value combinations, f i (x) is a fuzzy output variable for each input variable, fuzzy values combined according to the fuzzy rule Value.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 (a)단계에서, 사전에 저장된 설비구성 이미지와 상기 열화상 영상의 이미지에서 서로 대응되는 특징점을 찾고, 상기 특징점을 이용하여 상기 열화상 영상의 이미지에 대하여 이미지의 크기 및 시점이 일치되도록 상기 설비구성 이미지를 조정하고, 조정된 설비구성 이미지의 설비 영역에 대응하여 상기 열화상 영상의 이미지를 영역별로 구분하는 것을 특징으로 한다.According to the present invention, there is provided an intelligent deterioration diagnosis method for a switchboard, comprising the steps of: (a) searching for feature points corresponding to each other in an image of a facility image and a thermal image stored in advance, The facility image is adjusted so that the size and the viewpoint of the image coincide with the image of the image and the image of the thermal image is divided into zones according to the equipment area of the adjusted facility image.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 (a)단계에서, 상기 설비구성 이미지와 상기 열화상 영상의 이미지에서 에지를 구하고, 2개의 이미지의 에지 중에서 매칭되는 에지(이하 특징 에지)를 찾고, 상기 특징 에지 내에서 특징점을 찾는 것을 특징으로 한다.According to the present invention, there is provided an intelligent deterioration diagnosis method for a switchboard, comprising the steps of: (a) obtaining an edge from an image of the facility configuration image and the thermal image, ), And finds a feature point within the feature edge.
또한, 본 발명은 수배전반의 지능형 열화 진단 방법에 있어서, 상기 (a)단계에서, 상기 설비구성 이미지에서 가장 높은 온도의 설비에 해당하는 영역과, 상기 열화상 영상의 이미지 중에서 상위에 속하는 온도 이상인 픽셀 부분의 영역을 비교하여 특징점을 찾는 것을 특징으로 한다.
According to the present invention, there is provided an intelligent deterioration diagnosis method for a switchboard, comprising the steps of: (a) calculating, at a step (a), an area corresponding to equipment having the highest temperature in the facility configuration image; And comparing the regions of the partial regions to find the characteristic points.
상술한 바와 같이, 본 발명에 따른 수배전반의 지능형 열화 진단 시스템 및 그 방법에 의하면, 2차원 서모파일 어레이 센서로부터 획득된 적외선 열화상 영상 및 그 온도 변화에 퍼지 추론을 적용하여 수배전반의 이상 유무를 판별함으로써, 시간에 따른 온도 및 그 변화 등 이상 상태에 영향을 미치는 다양한 요소를 모두 고려하는 동시에 학습적이고 체계적인 방법에 따라 판별할 수 있고, 이를 통해, 수배전반의 이상유무를 보다 정확하게 판단할 수 있는 효과가 얻어진다.
As described above, according to the system and method for intelligent deterioration diagnosis of a switchboard according to the present invention, fuzzy inference is applied to an infrared radiographic image obtained from a two-dimensional thermopile array sensor and a temperature change thereof, , It is possible to discriminate according to learning and systematic methods while taking into consideration various factors influencing the abnormal state such as temperature and change with time, and thereby it is possible to more accurately determine the abnormality of the switchboard .
도 1은 본 발명의 실시예에 따른 수배전반의 지능형 열화 진단 시스템의 구성에 대한 블록도.
도 2는 본 발명에 따른 서모파일 어레이 센서부의 구성에 대한 블록도.
도 3은 본 발명의 일실시예에 따른 2차원 서모파일 어레이 센서의 구성도.
도 4는 본 발명의 일실시예에 따른 어레이 센서부의 구성 회로도.
도 5는 본 발명에 따른 센서 어레이에서 신호를 읽어내는 방식을 도시한 것.
도 6은 본 발명에 따른 이미지 처리부의 전원 바이어스 공급회로의 구성도.
도 7은 본 발명에 따른 이미지 처리부에 의한 열화상의 화질 향상 방법을 설명하는 흐름도.
도 8은 본 발명에 따른 열화상 처리 방식에 따른 히스토그램 변환 및 대조비 개선 원리를 나타낸 그래프.
도 9는 본 발명의 실시예에 따라 감지된 온도의 보정 데이터의 헤더 및 전송형식을 표시한 표.
도 10은 본 발명에 따른 온도 오프셋을 이용한 현재 온도 계산을 설명하기 위한 그래프.
도 11은 본 발명에 따른 열화상 감시 시스템의 함체 전면도.
도 12는 본 발명에 따른 사용자 인터페이스의 경보 화면.
도 13은 본 발명의 일실시예에 따른 수배전반의 지능형 열화 진단 시스템의 감시 장치의 구성에 대한 블록도.
도 14는 본 발명에 따른 설비구성 이미지의 일례.
도 15는 본 발명의 제1 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 16은 본 발명의 제1 실시예에 따른 열화진단 영상의 예시도.
도 17은 본 발명의 제2 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 18은 본 발명의 제2 실시예에 따른 설비별 이상 유무 판단 온도에 대한 예시 표.
도 19는 본 발명의 제3 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 20은 본 발명의 제4 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 21은 본 발명의 제4 실시예에 따라 각 영역별로 평균 온도를 이용하여 열화진단을 하는 예시도.
도 22는 본 발명의 제5 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 23은 본 발명의 제6 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 24는 본 발명의 제6 실시예에 따른 온도 변화분의 계산을 설명하는 예시도.
도 25는 본 발명의 제6 실시예에 따른 각 화소의 온도 또는 누적온도와, 해당 온도/누적온도의 변화분을 구하는 연산 관계도.
도 26은 본 발명의 제6 실시예에 따른 온도의 입력변수에 대한 멤버쉽 함수로서, 각각 (a) 온도의 입력변수의 멤버쉽 함수, 및 (b) 온도 변화분의 입력변수의 멤버쉽 함수를 도시한 그래프.
도 27은 본 발명의 제6 실시예에 따른 퍼지의 입력변수에 대하여 출력되는 변수의 값을 결정하는 퍼지 규칙을 나타낸 표.
도 28은 본 발명의 제6 실시예에 따른 온도의 출력변수의 멤버쉽 함수를 도시한 그래프.
도 29는 본 발명의 제7 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명하는 흐름도.
도 30은 본 발명의 제7 실시예에 따른 평균온도 변화분의 계산을 설명하는 예시도.
도 31은 본 발명의 제7 실시예에 따른 각 화소의 누적온도 또는 누적온도와, 해당 온도/누적온도의 변화분을 구하는 연산 관계도.
도 32는 본 발명의 제1 예제에 따른 퍼지 규칙에 대한 표.
도 33은 본 발명의 제1 예제에 따른 입력변수/출력변수의 멤버쉽 함수 그래프.
도 34는 본 발명의 제1 예제에 따른 퍼지 추론을 위한 계산식.
도 35는 본 발명의 제1 예제에 따른 퍼지 추론 결과 영상의 도면.
도 36은 본 발명의 제2 예제에 따른 퍼지 규칙에 대한 표.
도 37은 본 발명의 제2 예제에 따른 입력변수/출력변수의 멤버쉽 함수 그래프.
도 38은 본 발명의 제2 예제에 따른 퍼지 추론을 위한 계산 과정을 나타낸 식.
도 39는 본 발명의 제2 예제에 따른 퍼지 추론 결과 영상의 도면.
도 40은 본 발명의 제3 예제에 따른 퍼지 규칙에 대한 표.
도 41은 본 발명의 제3 예제에 따른 입력변수/출력변수의 멤버쉽 함수 그래프.
도 42는 본 발명의 제3 예제에 따른 퍼지 추론을 위한 계산식.
도 43은 본 발명의 제3 예제에 따른 퍼지 추론 결과 영상의 도면.
도 44는 본 발명의 제4 예제에 따른 퍼지 규칙에 대한 표.
도 45는 본 발명의 제4 예제에 따른 입력변수/출력변수의 멤버쉽 함수 그래프.
도 46은 본 발명의 제4 예제에 따른 퍼지 추론을 위한 계산식.
도 47은 본 발명의 제4 예제에 따른 퍼지 추론 결과 영상의 도면.1 is a block diagram of a configuration of an intelligent deterioration diagnosis system for a switchboard according to an embodiment of the present invention;
2 is a block diagram of a configuration of a thermopile array sensor unit according to the present invention;
3 is a block diagram of a two-dimensional thermopile array sensor according to an embodiment of the present invention.
4 is a configuration circuit diagram of an array sensor unit according to an embodiment of the present invention;
5 illustrates a method of reading a signal from a sensor array according to the present invention.
6 is a configuration diagram of a power supply bias supply circuit of the image processing unit according to the present invention;
7 is a flowchart for explaining a method of improving the quality of deterioration image by the image processing unit according to the present invention.
FIG. 8 is a graph illustrating a principle of histogram conversion and improvement in contrast ratio according to a thermal image processing method according to the present invention.
9 is a table showing header and transmission format of correction data of sensed temperature according to an embodiment of the present invention.
10 is a graph for explaining current temperature calculation using a temperature offset according to the present invention.
11 is a front view of the enclosure of the thermal image monitoring system according to the present invention.
12 is an alarm screen of the user interface according to the present invention;
13 is a block diagram of a configuration of a monitoring apparatus of an intelligent deterioration diagnosis system for a switchboard according to an embodiment of the present invention.
FIG. 14 is an example of an image of a facility configuration according to the present invention. FIG.
15 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to the first embodiment of the present invention.
16 is an exemplary view of a deteriorated diagnostic image according to the first embodiment of the present invention;
17 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to a second embodiment of the present invention.
18 is an exemplary table for determining whether or not an abnormality exists in each facility according to the second embodiment of the present invention.
19 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to a third embodiment of the present invention.
20 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to a fourth embodiment of the present invention;
FIG. 21 is an exemplary diagram illustrating deterioration diagnosis using an average temperature for each region according to the fourth embodiment of the present invention; FIG.
22 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to a fifth embodiment of the present invention;
23 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to a sixth embodiment of the present invention;
Fig. 24 is an exemplary diagram illustrating the calculation of the temperature change according to the sixth embodiment of the present invention; Fig.
FIG. 25 is a calculation relationship diagram for obtaining the temperature or cumulative temperature of each pixel and the change of the temperature / cumulative temperature according to the sixth embodiment of the present invention; FIG.
FIG. 26 is a membership function for temperature input variables according to the sixth embodiment of the present invention, which shows membership functions of input variables of temperature (a) and membership functions of input variables of temperature change (b) graph.
FIG. 27 is a table showing a fuzzy rule for determining a value of a variable to be outputted for an input variable of a purge according to the sixth embodiment of the present invention; FIG.
28 is a graph showing a membership function of an output variable of temperature according to the sixth embodiment of the present invention;
29 is a flowchart for explaining an intelligent deterioration diagnosis method of a switchboard according to a seventh embodiment of the present invention;
30 is an exemplary view for explaining the calculation of the average temperature change according to the seventh embodiment of the present invention;
FIG. 31 is an operational relationship diagram for obtaining cumulative temperature or cumulative temperature of each pixel and a change of the temperature / cumulative temperature of each pixel according to the seventh embodiment of the present invention;
32 is a table for a fuzzy rule according to the first example of the present invention;
33 is a graph of membership functions of input variables / output variables according to the first example of the present invention.
34 is a calculation formula for fuzzy inference according to the first example of the present invention.
35 is a diagram of a fuzzy inference result image according to the first example of the present invention.
36 is a table for a fuzzy rule according to the second example of the present invention;
37 is a graph of membership functions of input variables / output variables according to the second example of the present invention.
38 is a flowchart illustrating a calculation process for fuzzy inference according to a second example of the present invention.
FIG. 39 is a diagram of a fuzzy inference result image according to a second example of the present invention; FIG.
40 is a table for a fuzzy rule according to a third example of the present invention;
41 is a graph of membership functions of input variables / output variables according to the third example of the present invention.
42 is a calculation formula for fuzzy inference according to the third example of the present invention;
FIG. 43 is a diagram of a fuzzy inference result image according to a third example of the present invention; FIG.
44 is a table for a fuzzy rule according to a fourth example of the present invention;
45 is a graph of membership function of input variable / output variable according to the fourth example of the present invention.
46 is a calculation formula for fuzzy inference according to the fourth example of the present invention;
FIG. 47 is a diagram of a fuzzy inference result image according to a fourth example of the present invention; FIG.
이하, 본 발명의 실시를 위한 구체적인 내용을 도면에 따라서 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the drawings.
또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.
In the description of the present invention, the same parts are denoted by the same reference numerals, and repetitive description thereof will be omitted.
먼저, 본 발명의 일실시예에 따른 수배전반의 지능형 열화 진단 시스템의 구성에 대하여 도 1을 참조하여 설명한다.First, a configuration of an intelligent deterioration diagnosis system for a switchboard according to an embodiment of the present invention will be described with reference to FIG.
도 1에서 보는 바와 같이, 본 발명의 일실시예에 따른 수배전반의 지능형 열화 진단 시스템은 수배전반(10)에 설치된 어레이 센서부(20), 감시 장치(30), 및, 원격 서버(40)로 구성된다. 추가적으로, 감시장치(30)의 부하율을 모니터링 하는 부하율 모니터링 장치(50)를 더 포함하여 구성될 수 있다. 부하율은 변압기의 용량 대비 현재의 부하전력의 백분률로 구한다.1, an intelligent deterioration diagnosis system for a switchboard according to an exemplary embodiment of the present invention includes an
어레이 센서부(20)는 다수의 어레이 센서 또는 열화상 카메라(21)로 구성된다. 어레이 센서 또는 열화상 카메라(21)는 수배전반(10)의 내부에 설치되어, 수배전반(10) 내부에 구비된 설비(11)의 열을 화상으로 측정한다. 구체적으로, 수배전반(10)의 내부 일측에 적어도 하나의 열화상 카메라(21)가 설치된다. 바람직하게는, 열화상 카메라(21)는 수배전반(10)의 도어가 구비된 내부 측면에 설치된다.The
또한, 수배전반(10)의 내부에 설치되는 기기 또는 설비(11)는 부스바, 진공차단기(VCB), 계기용변압기(PT), 전력량계량기(MOF), 부하개폐기(LBS), 부싱소자 등과 같이, 각종 몰드형 절연기기와 기기 연결 부품 및 절연 열화 예측이 요구되는 구성품 등이다. 예컨대, 본 발명의 수배전반 열화감시 시스템은 수배전반 내부의 저압측 구성장치인 배선용차단기(MCCB: Molded Case Circuit Breaker), 각종 배전 라인 등의 설비를 감시하는 장치로서 응용하여 사용할 수 있음은 물론이다.The equipment or the
한편, 어레이 센서부(20)와 감시 장치(30), 감시 장치(30) 및 원격 서버(40)는 각각 네트워크에 의해 연결되어 데이터 통신을 수행한다. 바람직하게는, 어레이 센서부(20) 및 감시 장치(30)는 UDP 프로토콜에 의한 인터넷으로 연결되고, 감시 장치(30) 및 원격 서버(40)는 TCP 프로토콜에 의한 인터넷으로 연결된다.Meanwhile, the
어레이 센서부(20)는 앞서 설명한 바와 같이 부스바, 차단기, MOF, CT, PT 및 변압기 등의 고압기기를 포함하는 수배전반 내에 있는 구성 설비(11)의 온도를 감지하는 센서로 구성된다. 바람직하게는 어레이 센서부(20)는 2차원 서모파일 어레이 센서에 의한 열화상 카메라(21)이다. 어레이 센서부(20)에 의해 촬영된 영상은 2차원의 열화상 영상으로서, 촬영된 수배전반의 내부 영역 영상이고, 각 셀 값은 해당 부분의 온도를 나타내는 수치 값이다. 또한, 열화상 영상은 각 셀 값에 따라 또는 각 부분의 온도에 따라 색상을 표시한다.The
한편, 열화상 카메라(21)의 설치 방식은 고정식, 회전식, 이동식 등으로 구분될 수 있고, 상기 방식들이 모두 적용할 수 있다. 고정식은 다수의 카메라를 수배전반(10) 내부 여러 곳에 설치하여 내부 전체의 열화상을 촬영하는 방식이다.On the other hand, the installation method of the
회전식은 한 곳에 카메라를 설치하되, 상기 카메라가 상하좌우 등 회전이 가능하여, 넓은 시야각으로 수배전반(10) 내부 전체를 촬상할 수 있다. 즉, 회전식은 수배전반을 구성하는 주요기기 및 상대적으로 발열정도가 높은 기기들을 고정된 위치에서 온도를 측정할 수 있도록 하며, 이때 고정된 위치에서 팬 틸트 기능을 하여 보다 효율적으로 열 및 화상을 감지할 수 있도록 한다. 회전식도 다수의 카메라를 설치하여 이용할 수 있다. 회전식인 경우, 열화상 카메라(200)의 팬틸트 범위가 70도의 범위를 가지고 있으며, 열화상 카메라의 열화감지 범위각은 상향 및 하향으로 각각 45도를 가지고 있다. 따라서, 상기 열화상 카메라의 열화감지범위는 전체적으로 약 160도 범위의 수배전반 열화감지가 가능하므로, 수배전반 후상단에 설치시 수배전반 구조를 정사각입면체라 가정하면 수배전반의 범위를 초과하는 감지 범위를 가지고 있다.In the rotary type camera, a camera is installed in one place, and the camera can be rotated up and down and left and right, so that the entire interior of the
또한, 이동식으로 설치하는 경우는 고정식으로 다수의 열화상 카메라를 설치하는 것과는 달리 레일방식으로 열반된 수배전반 사이를 측정하고자 하는 구성 설비로 원격 조정하여 이동시켜 온도를 측정하는 방식이다.
Also, in case of mobile installation, unlike the case where a plurality of thermal imaging cameras are fixedly installed, the temperature is measured by remotely moving the components between the relay and control panels.
다음으로, 감시 장치(30)는 어레이 센서부(20)로부터 열화상 영상을 수신하고, 수신한 열화상 영상을 분석하여 이상 유무를 판단한다. 감시 장치(30)는 수배전반(10) 내부 영역에 대한 배치구성도 또는 배치 구성의 이미지를 저장하고, 저장된 배치구성도를 이용하여 열화상 영상을 수배전반의 구성에 따라 분리한다. 그리고 감시 장치(30)는 분리된 영상 별로 해당 영역의 평균 온도를 계산하고, 기준 온도와 비교하거나 온도 상승값을 구하여 구성별로 이상 유무를 판단한다. 또한, 감시 장치(30)는 열화상 영상을 디스플레이에 표시하거나, 이상 유무를 감지하면 감지 사항을 알람으로 관리자 등에 알린다.Next, the
바람직하게는, 감시 장치(30)는 수배전반(10)에 부착하여 설치될 수 있다. 예를 들어, 어레이 센서부(20)는 수배전반(10) 내부에 설치하고, 수배전반(10) 외부에 감시 장치(30)를 설치할 수 있다. 이때, 내부에 설치된 열화상 카메라(21)로부터 열화상 영상을 획득하고, 감시 장치(30)가 이 영상을 분석하여 수배전반(10) 내부의 이상 유무를 판단할 수 있다.Preferably, the
원격 서버(40)는 개인용 컴퓨터(PC) 또는 서버 장치 등 컴퓨팅 처리 기능을 가진 장치로서, 네트워크를 통해 감시 장치(30)와 연결되어, 감시 장치(30)로부터 열화상 영상 또는 판단된 데이터 등을 수신한다.The
원격 서버(40)는 감시 장치(30)와 역할을 분담하여 처리할 수 있다. 예를 들어, 감시 장치(30)는 실시간으로 열화상 영상을 구하여 간단한 비교만 수행하여 이상 여부를 감시하고, 원격 서버(40)는 열화상 영상에서의 구성 설비의 영역을 구하거나, 임계값 등을 설정하거나 관리하는 등의 기능을 수행한다. 특히, 원격 서버(40)는 데이터 저장 용량이나 컴퓨팅 능력 등 뛰어난 성능을 가지고 있고, 감시 장치(30)는 현장에 설비된 장비로서 원견 서버(40)에 비하여 성능이 떨어질 수 있다. 이러한 성능 차를 감안하여, 원격서버(40)와 감시 장치(30) 간의 기능을 분담할 수 있다. 이하에서는, 감시 장치(30)에서 상기 모든 기능을 수행하는 것으로 설명한다.The
또한, 감시장치(30)에는 부하율 모니터링 장치(50)가 연결되어, 부하율을 모니터링 한다.
Further, the
다음으로, 본 발명의 일실시예에 따른 2차원 서모파일 어레이 센서(21)의 구성에 대하여 도 2 내지 도 8을 참조하여 보다 구체적으로 설명한다.Next, the configuration of the two-dimensional
도 2는 2차원 서모파일 어레이 센서(21)의 전체 구성에 대한 블록도이다.2 is a block diagram of an entire configuration of the two-dimensional
도 2에서 보는 바와 같이, 열화상 카메라로서 사용되는 2차원 서모파일 어레이 센서(21)는 렌즈부(210), 픽셀어레이부(220), 신호처리부(230), 및, 이미지 처리부(240)로 구성된다. 추가적으로, 열화상 이미지를 출력하는 디스플레이부(250)를 더 포함하여 구성될 수 있다.2, the two-dimensional
한편, 도 3은 렌즈를 중심으로 한 렌즈부 및 픽셀어레이의 구성을 도시한 것이고, 도 4는 2차원 서모파일 어레이 센서(21)의 픽셀어레이부(220), 신호처리부(230), 및, 이미지 처리부(240) 등의 구성에 대한 블록도이다.FIG. 3 shows the configuration of a lens unit and a pixel array around a lens. FIG. 4 shows a configuration of the
2차원 서모파일 어레이 센서(21)는 대상물체의 광학 정보를 적외선 광학계를 통해 순서대로 적외선 검출기에 집광하고, 적외선 검출기는 광학 정보를 전기적 신호 차로 변화시킨 다음 적절한 신호처리를 통해 눈으로 볼 수 있는 영상을 재현한다.The two-dimensional
도 3에서 보는 바와 같이, 렌즈부(210)는 적외선을 통과시켜 모으는 렌즈로 구성된다. 특히, 렌즈부(210)는 고성능 게르마늄 이중 렌즈나 실리콘 단일 렌즈 등으로 구성된다. 바람직하게는, 90도 시야각을 가진다. FOV는 광학규칙에 따라 다음 수식에 의해 계산된다..As shown in FIG. 3, the
[수학식 1][Equation 1]
f = 렌즈의 초점거리f = focal length of the lens
P = 픽셀부의 피치P = pitch of pixel portion
NCol / Row = 픽셀부의 행렬 개수이며 FOV가 수직이냐 수평이냐에 따라 다르다.N Col / Row = number of pixels in the pixel portion, which depends on whether the FOV is vertical or horizontal.
마찬가지로 FOV가 주어지면 초점거리는 다음과 같이 계산된다.Similarly, given a FOV, the focal length is calculated as follows.
[수학식 2]&Quot; (2) "
또한, 픽셀어레이부(220)는 다수의 서모파일 픽셀로 구성된 서모파일 픽셀 어레이(221)와, 각 셀에서의 측정값을 열 온도 어레이로 생성하는 PCB 기판(222)으로 구성된다. 픽셀 어레이(221)는 적외선 등을 통해 열을 감지하는 셀로서, 렌즈부(210)의 렌즈 구성과 같이 설계된다. 즉, 렌즈의 FOV(Field of View)와 픽셀 어레이의 크기가 결정된다. PCB 기판(222)은 각 셀에 대한 바이어스(bias) 정정 회로나, 제어/타이밍 회로, 어레이 행렬의 다중화기(multiplexer) 등으로 구성된다.In addition, the
도 4와 같이, 픽셀어레이부(220)는 아날로그 적외선(IR)을 감지하여 전기신호로 변환하는 광 다이오드(photodiode) 부분이고, 신호처리부(230)는 발생된 전기신호를 영상 신호처리에 적합하도록 순차적으로 읽어내는 판독(readout) 회로이다.As shown in FIG. 4, the
신호처리부(230)의 판독회로는 고 집적이 가능한 실리콘 기판이 주고 이용되며 시간지연적분 및 검출신호의 다중화는 CMOS를 이용하여 캐패시터 스위칭 방식으로 처리된다The readout circuit of the
신호처리부(230)에서 2차원 센서 어레이 신호 검출은 크게 픽셀단위(Pixelwise) 방식, 시리얼(Serial) 방식, 컬럼(Columnwise) 방식의 3가지로 나눌 수 있으며, 적외선 센서의 전기적 특성에 따라 증폭기 및 적분기의 배치와 칩 면접 및 소비 전력을 고려하여 시스템에 맞는 적절한 방식을 선택하게 된다.The two-dimensional sensor array signal detection in the
픽셀단위(Pixelwise) 방식의 처리 방법은 각 픽셀이 검출 소자 D, 증폭기 A, 그리고 적분기 I로 구성되어 있으며 검출 소자의 저항 변화에 의한 전압 신호는 증폭기 및 적분기를 통해 증폭되고 적분된다. 픽셀단위(Pixelwise) 방식의 장점은 검출 대역폭을 낮추어 설계할 수 있고 신호검출을 위한 제어회로의 구성이 단순한 이점은 있으나 각 셀마다 검출 소자와 증폭기 및 적분기가 필요하므로 소비 전력이 매우 크고 칩 면적을 많이 차지한다는 단점이 있다.In the pixel-wise processing method, each pixel is composed of the detection element D, the amplifier A, and the integrator I, and the voltage signal due to the resistance change of the detection element is amplified and integrated through the amplifier and the integrator. The advantage of the pixel-wise method is that the detection bandwidth can be reduced and the configuration of the control circuit for signal detection is simple. However, since the detection element, the amplifier and the integrator are required for each cell, the power consumption is very high and the chip area There is a disadvantage that it occupies a lot.
시리얼(Serial) 방식의 처리 방법은 각각의 셀에 스위치만을 두어 검출회로에서 읽어 들이는 순서를 제어하는 방식이다. 상기 방식은 하나의 증폭기와 적분기만을 사용하기 때문에, 검출회로가 단순해져 소형화가 가능하고, 전력 소비도 현저히 줄어드는 이점은 있다. 그러나 하나의 검출회로가 부담해야 할 셀의 수가 많기 때문에 검출 대역폭이 매우 높으며 전체 잡음전압도 증가하게 된다. The serial method is a method of controlling the reading order of the detection circuit by placing only a switch in each cell. Since the above method uses only one amplifier and an integrator, the detection circuit can be simplified and miniaturized, and power consumption is also remarkably reduced. However, since the number of cells to be burdened by one detection circuit is large, the detection bandwidth is very high and the total noise voltage is also increased.
이러한 상기한 두 가지 방식을 조합한 컬럼(Columnwise) 방식의 처리 방법을 구현하였다. A column-wise processing method combining the above two methods is implemented.
도 5에서 보는 바와 같이, 본 발명에 따른 신호처리부(230)의 컬럼(Columnwise) 방식은 검출 소자 D로부터 한 행씩 선로를 읽어 낸다. 그래서 신호처리부(230)는 하나의 행 단위로 증폭기(I)에 의해 신호를 증폭하고, 적분기(I)에 의해 신호를 적분한다.As shown in FIG. 5, the column-wise manner of the
상기와 같은 컬럼(Columnwise) 검출방식은 픽셀단위(Pixelwise) 방식에 비해 소비 전력이 적고 칩 면적을 적게 차지하며 시리얼(Serial) 방식 보다 검출 대역폭이 낮아서 높은 해상도에 적합한 이점을 갖는다.
The column-wise detection method as described above has a power consumption lower than that of the pixel-wise method, takes up a small chip area, has a detection bandwidth lower than that of the serial method, and has an advantage of high resolution.
다음으로, 이미지 처리부(240)의 전원 바이어스 공급회로의 구성에 대하여 도 6을 참조하여 설명한다.Next, the configuration of the power supply bias supply circuit of the
도 6a에서 보는 바와 같이 일반적으로 MCU(machine control unit)에 인터페이스되는 신호처리부 및 이미지 처리부(Image Signal Processor) 회로는 외부 직류 바이어스 기준 전원과 동상신호 전원이 변할 경우, 각 화소 데이터 값이 불안정하여 실제 온도 데이터 값이 변해 오차의 원인으로 작용한다. As shown in FIG. 6A, in a signal processing unit and an image processing unit (image signal processor) circuit interfaced to an MCU (machine control unit), when the external DC bias reference power source and the in-phase signal power source are changed, The temperature data value changes and acts as an error cause.
일반적으로 사용되는 회로는 도 6a와 같이 동상신호전압 VCMC(Common Mode Voltage)와 기준전원 VREF의 입력값은 커패시터 470nF를 이용하여 구현한다.As shown in FIG. 6A, an input signal of a common mode voltage VCMC and a reference power supply V REF are implemented using a capacitor 470nF.
본 발명에서는 외부 기준전원이 불안정상태 일 때 동상신호 및 기준 전원을 도 6b와 같이 전압 레퍼런스 집적회로(Voltage Reference IC)를 LM4041을 이용하여 구현하였다.여기서 기준전원 VREF는 1.225V가 넘지 않도록 설계하였다. 여기서 동상신호전압이 낮은 임피던스 전압을 생성하도록 가변저항기 R4를 이용하여 조절할 수 있도록 설계하였다.6B, a voltage reference IC is implemented by using the LM4041. In this case, the reference power source V REF is designed so as not to exceed 1.225V Respectively. Here, the in-phase signal voltage is designed to be adjustable using the variable resistor R4 so as to generate a low impedance voltage.
회로에서 샘플링된 유효데이터 VS는 MCU의 인터럽트 서비스 루틴을 트리거시키기 위해 연결되고, 타이머 기능에 의해서 클럭 주파수 1 MHz를 생성시킨다.The valid data VS sampled from the circuit is connected to trigger the interrupt service routine of the MCU and generates a clock frequency of 1 MHz by means of a timer function.
도 6b에서 신호 처리부(Image Signal Processor)의 단자 CONT, SCLK_ASIC, DATA_ASIC는 MCU의 디지털 입출력단자에 연결하고 OUT_A1과 OUT_A2는 AD변환기에 연결한다. In FIG. 6B, terminals CONT, SCLK_ASIC and DATA_ASIC of the image signal processor are connected to the digital input / output terminals of the MCU, and OUT_A1 and OUT_A2 are connected to the AD converter.
단자 SBY가 대기상태일 때 SBY=LOW이면 내부 기준전압을 적용하고,SBY=HIGH이면 외부 기준전압을 적용한다.
Internal reference voltage is applied when SBY = LOW when terminal SBY is in the standby state, and external reference voltage is applied when SBY = HIGH.
다음으로, 어레이 센서(21)의 이미지 처리부(240)에 의한 열화상의 화질 향상 방법에 대하여 도 7을 참조하여 설명한다.Next, a description will be given of a method of improving the image quality of the deterioration image by the
열 화상은 농도분포가 일부 영역에 편중되어 있어 대조비가 낮은 화상이다. 대조비가 낮으면 화상이 선명치 못하고, 대상물체의 식별이 어려워진다. 따라서 대조비 성분을 최대로 조절하여 화질을 향상시켜야 한다. 화질 향상을 위해 이미지 처리부(Image Processor)에서 히스토그램과 화상의 농도분포를 이용하여 화질을 향상시키기 위한 방법을 구현하였다.A thermal image is an image having a low contrast ratio because the concentration distribution is concentrated on a partial area. If the contrast ratio is low, the image is not sharp and the object becomes difficult to identify. Therefore, the image quality should be improved by adjusting the contrast ratio component to the maximum. In order to improve the image quality, a method for enhancing the image quality using the histogram and the density distribution of the image is implemented in the image processor.
일반적인 화상처리에 있어서 많이 이용하는 농도변환 방법으로는 히스토그램 평활화 방법이 있다. 이 방법은 농도 분포를 평탄하게 만들어 대조비를 개선시키는 방법으로서, 히스토그램 상에서 상대적인 농도분포 크기를 비교하여 전 영역에 걸쳐 고르게 펼치는 방식이다. 이 방법은 간단하면서도 대조비 대선 효과가 우수하기 때문에 일반 가시광선 영상처리에 많이 이용한다. 그러나 농도분포가 작은 영역은 상대적으로 큰 영역 보다 적게 펼쳐지며, 경우에 따라서는 오히려 원 농도분포 영역보다 줄어들 수 있다. 농도분포가 작은 영역에 중요 물체나 표적이 있는 경우 식별이 어렵게 되고 히스토그램 평활화를 그대로 열화상에 적용할 경우 오히려 화질이 악화될 수 있다.A histogram smoothing method is a density conversion method that is often used in general image processing. This method improves the contrast ratio by making the concentration distribution flat. It is a method in which the relative density distribution magnitudes on the histogram are compared and spread evenly over the entire area. This method is simple and has excellent contrast ratio effect, so it is widely used for general visible light image processing. However, a region having a small concentration distribution spreads less than a relatively large region, and in some cases, it can be reduced rather than a region of a circle concentration distribution. If there is an important object or target in a region with a small concentration distribution, identification becomes difficult, and if histogram smoothing is applied to a thermal image as it is, image quality may deteriorate.
본 발명에서는 이러한 열 화상의 농도분포에 적합한 대조비 개선 방법으로서 히스토그램 가변방식의 적응형 농도분포 변환 방법을 설계하였다.In the present invention, an adaptive density distribution conversion method of the histogram variable method is designed as a method of improving the contrast ratio suitable for the density distribution of the thermal image.
이 방법은 농도분포 비교 시 전체 히스토그램 크기를 모두 비교하지 않고, 영상에 따라 적절하게 크기 레벨을 제한한다. 즉, 히스토그램 크기를 제한하여 큰 영역이 상대적으로 과도하게 펼쳐지는 것을 막는 방식이다.This method does not compare all the histogram sizes when comparing density distribution, but limits the size level appropriately according to the image. That is, it limits the size of the histogram and prevents the large area from expanding excessively.
도 8에 본 발명에 의한 열화상 처리 방식에 따른 히스토그램 변환 및 대조비 개선 원리를 나타낸다.FIG. 8 shows the principle of the histogram conversion and the contrast ratio improvement according to the thermal image processing method according to the present invention.
먼저, 입력 영상으로부터 기본 히스토그램 함수를 구한 뒤, 전 영역에 걸쳐 히스토그램 크기를 특정값 P로 제한한다. 즉, P값을 기준으로 히스토그램 크기가 제한된 검은부분의 새로운 히스토그램 함수를 구한다. 그 다음 가변된 새로운 히스토그램을 이용하여 히스토그램 평활화 방법으로 영상의 농도분포 영역을 변환시켜 대조비를 향상시킨다. 그 결과를 보면 도 8에서와 같이 농도분포 크기가 서로 다른 A, B 두 영역이 서로 비슷하게 골고루 펼쳐져 대조비가 효과적으로 개선됨을 알 수 있다. 여기서 히스프로그램 크기 조절값 P는 표적이 위치한 영역에 따라 표적 식별 관점에서 최적 조절값이 달라질 수 있다.
First, the basic histogram function is obtained from the input image, and the histogram size is limited to the specific value P over the entire area. In other words, we obtain a new histogram function of the black part whose histogram size is limited based on the P value. Then, by using the histogram smoothing method using the new variable histogram, the density distribution area of the image is transformed to improve the contrast ratio. As shown in FIG. 8, the regions A and B having different concentration distribution sizes are uniformly spread evenly, and the contrast ratio is effectively improved. Here, the Heise program magnitude adjustment value P may vary depending on the region in which the target is located, from the viewpoint of target identification.
다음으로, 본 발명의 실시예에 따라 감지된 온도 데이터를 보정하는 방법을 도 9 내지 도 10을 참조하여 보다 구체적으로 설명한다.Next, a method for correcting sensed temperature data according to an embodiment of the present invention will be described in more detail with reference to FIGS. 9 to 10. FIG.
센서모듈의 보정 설정값을 얻으려면 ‘k’ 명령으로 하나의 온도 데이터 프레임을 요청한다. 이때 센서모듈로부터 자동으로 보정에 사용하는 설정값을 읽는다. 온도 데이터 프레임을 수신한 뒤에 ‘M’ 명령으로 장치의 실제 설정값을 요청한다. 응답은 다음과 같은 정보를 포함한다.To obtain the calibration settings of the sensor module, request a single temperature data frame with the 'k' command. At this time, the sensor module automatically reads the setting value used for calibration. After receiving the temperature data frame, request the actual setting value of the device by 'M' command. The response includes the following information.
"PIXCvsTA X, BFL3 X, F814 X, THvsTA X IGNORE_ELOFF X ELOFF32 X SBY Y FC X EXP Z”"PIXCvsTA X, BFL3 X, F814 X, THVsTA X IGNORE_ELOFF X ELOFF32 X SBY Y FC X EXP Z"
위에서 X, Y, Z 등은 장치에 관련된 상수이다. X=”true” 또는 “false”, Y=”1” 또는 “0”, Z는 소수점 아래가 2자리인 10진수 이다. 예: “3.47”. 이 상수를 저장한 뒤 공식에 넣어 계산한다.Above, X, Y, Z, etc. are constants related to the device. X = "true" or "false", Y = "1" or "0", and Z is a decimal number with two decimal places. Example: "3.47". This constant is stored and then added to the formula.
다음은 ‘w’ 명령으로 보정 상수값을 요청한다. 센서모듈은 도 9a에 나와있는 보정 정보를 응답할 것이다. 색칠된 상수값을 저장한다. 저장한 모든 상수값은 “상수이름”을 참고해서 이름 붙인다. 만약 예문에서 색칠된 부분이 없고 “상수이름”에도 없다면 저장할 필요가 없다.Next, the correction constant value is requested with the 'w' command. The sensor module will respond to the calibration information shown in Figure 9A. Stores the painted constant value. All stored constant values are named with reference to "constant name". If there are no painted parts in the example sentence and there is no "constant name", you do not need to save it.
다음으로, 도 9b와 같은 헤더 다음에 바로 픽셀에 연관된 상수 또는 보정 데이터가 전송된다. 패킷(UDP)의 개수와 라인(UART)의 개수는 장치의 종류에 따른 픽셀 수와 같이 다르다. 각각의 패킷/라인은 다음과 같다.Next, a constant or correction data associated with the pixel is transmitted immediately after the header as shown in Fig. 9B. The number of packets (UDP) and the number of lines (UART) are the same as the number of pixels according to the type of device. Each packet / line is as follows.
픽셀번호, 온도1(X), 픽셀상수1(X), 온도2(X), 픽셀상수(X), 온도3(X), 픽셀상수3(X), 온도4(X), 픽셀상수4(X)The pixel number, the temperature 1 (X), the pixel constant 1 (X), the temperature 2 (X), the pixel constant X, the temperature 3 (X), the pixel constant 3 (X) (X)
X는 위의 라인에서 픽셀번호를 의미한다. 픽셀 연관 상수 모두를 저장한다.X means the pixel number in the above line. Store all pixel association constants.
다음으로, 온도와 픽셀 상수를 위한 각각 네 개의 주위온도 보정점에서 보정한다. 적분과 두 보정점 사이의 오프셋(각각의 온도 오프셋과 픽셀 상수용), 두 보정점 사이의 선형보간은 계산에 유용하다. 이를 이용하면 실제 주위온도에 아주 정밀하게 근접하다.Next, we calibrate at each of the four ambient temperature correction points for temperature and pixel constants. The offset between the integral and the two correction points (each temperature offset and the acceptance on the pixel), linear interpolation between the two correction points is useful for the calculation. This makes it very close to the actual ambient temperature.
다음 예는 픽셀 0에서 데이터를 취합한 후 도 9a와 도 9b에 따라 만든 것이다. 선형보간은 온도 오프셋의 예에서 보인다. 실제 주위온도는 300K로 추정한다.The following example is based on Figures 9a and 9b after collecting data at pixel zero. Linear interpolation is seen in the example of temperature offset. The actual ambient temperature is estimated at 300K.
300K에서 픽셀0의 실제 온도 오프셋을 이용한 계산의 예가 도 10에 도시되고 있다.An example of calculation using the actual temperature offset of
도 10에서 보는 바와 같이, 실제 온도 오프셋 VTh(C,R)을 계산하기 위해 선형보간으로 충분하다. (C,R)은 행과 열을 뜻하며 값과 연관되어 있다. 픽셀 상수를 계산에도 같은 방법으로 처리하는 것이 바람직하다.As shown in FIG. 10, linear interpolation is sufficient to calculate the actual temperature offset V Th (C, R). (C, R) refers to rows and columns and is associated with a value. It is desirable to process the pixel constants in the same way for the calculation.
다음으로, 주위온도를 구하는 방법에 대하여 설명한다.Next, a method for obtaining the ambient temperature will be described.
주위온도는 다음 [수학식 3]으로 계산한다.The ambient temperature is calculated by the following equation (3).
[수학식 3]&Quot; (3) "
단, TAmb는 실제 주위온도 (소수점 한자리의 절대온도)이고,Where T Amb is the actual ambient temperature (absolute temperature of one decimal place)
PTATi 는 N번째의 PTAT값 이고. N은 장치에 따라 다르다.
PTAT i is the Nth PTAT value. N depends on the device.
다음으로, 측정 대상(오브젝트)의 온도를 구하는 방법을 설명한다.Next, a method of obtaining the temperature of the measurement object (object) will be described.
열은 (C)로 픽셀과 연관된 열과 행은 (C,R)로 변수이름을 표시한다.The column is (C), the column associated with the pixel, and the row (C, R) indicates the variable name.
수신한 픽셀 절대 전압은 증폭기의 전자 오프셋 VelOff(C), 픽셀의 온도 오프셋 VTh(C,R), 증폭한 픽셀 전압 VPix(C,R)로 구성되어 있습니다.The received pixel absolute voltage consists of the amplifier's electronic offset V elOff (C), the pixel temperature offset V Th (C, R), and the amplified pixel voltage V Pix (C, R).
VAbs(C,R) = VPix(C,R) + VTh(C,R) + VelOff(C) V Abs (C, R) = V Pix (C, R) + V Th (C, R) + V elOff (C)
전자 오프셋을 픽셀 전압에 상응하기 위해 모듈로-n-체크 방식을 사용한다. 증폭기의 갯수로 픽셀 번호를 나누고 나머지가 전자 오프셋과 일치한다.The electronic offset uses a modulo-n-check scheme to correspond to the pixel voltage. The number of amplifiers is divided by the pixel number, and the remainder coincides with the electronic offset.
장치가 "IGNORE_ELOFF false”라는 보정 설정을 가지고 있으면 수신한 픽셀의 절대 전압에서 증폭기 VelOff(C)의 전자 오프셋을 뺄셈처리 한다. 그대로 두면 전자 오프셋이 ‘0’으로 설정될 수 있다.If the device has a calibration setting of " IGNORE_ELOFF false ", the electronic offset of the amplifier V elOff (C) is subtracted from the absolute voltage of the received pixel. If left alone, the electronic offset can be set to zero.
IGNORE_ELOFF false → VAbs(C,R) - VelOff(C) = VPix(C,R) + VTh(C,R) IGNORE_ELOFF false → V Abs (C, R) - V elOff (C) = V Pix (C, R) + V Th (C, R)
IGNORE_ELOFF ture → VAbs(C,R) = VPix(C,R) + VTh(C,R) IGNORE_ELOFF ture → V Abs (C, R) = V Pix (C, R) + V Th (C, R)
다음 단계는 온도 오프셋을 맞추려는 뺄셈처리를 위해 픽셀 증폭 전압을 구한다.The next step is to obtain the pixel amplification voltage for the subtraction process to match the temperature offset.
IGNORE_ELOFF false → VPix(C,R) = VAbs(C,R) - VelOff(C) - VTh(C,R) IGNORE_ELOFF false → V Pix (C, R) = V Abs (C, R) - V elOff (C) - V Th (C, R)
IGNORE_ELOFF ture → VPix(C,R) = VAbs(C,R) - VTh(C,R) IGNORE_ELOFF ture → V Pix (C, R) = V Abs (C, R) - V Th (C, R)
앞에서 언급했듯이 VTh(C,R)은 Th1(C,R), Th2(C,R), Th3(C,R), Th4(C,R)에서 각각 두 개의 온도 오프셋 값 사이를 선형보간으로 처리해야만 실제 주위온도 TAmb에 근접한다.As mentioned earlier, V Th (C, R) are T h1 (C, R), T h2 (C, R), T h3 (C, R), T h4 (C, R) between each of the two temperature offset value Must be processed by linear interpolation to approach the actual ambient temperature T Amb .
다음 단계는 실제 픽셀 상수 PixC(C,R)를 얻기 위해 선형보간을 한다. 이는 현재의 TAmb와 연관성이 있다.The next step is linear interpolation to obtain the actual pixel constants P ix C (C, R). This is related to the current T Amb .
오브젝트 온도 TO는 소수점 아래 한자리의 절대온도로써 다음 [수학식 4]로 계산한다.The object temperature T O is the absolute temperature of the lower one decimal place and is calculated by the following equation (4).
[수학식 4]&Quot; (4) "
ε는 복사열을 받은 픽셀 표면의 배출계수입니다. VDM은 VDM 상수와 같게 만드는 배율기이다. X는 EXP상수와 같게 만들기 위한 지수입니다. VDM과 EXP는 ‘M’ 명령을 보내면 확인할 수 있다.
ε is the emission factor of the surface of the pixel that receives the radiant heat. VDM is a multiplier that makes it equal to the VDM constant. X is an exponent to make it equal to the EXP constant. VDM and EXP can be verified by sending an 'M' command.
다음으로, 본 발명의 일실시예에 따른 열화상 감시 시스템의 사용자 인터페이스 구성에 대하여 도 11 내지 도 12을 참조하여 설명한다.Next, a user interface configuration of the thermal image monitoring system according to an embodiment of the present invention will be described with reference to FIGS. 11 to 12. FIG.
도 11에서 보는 바와 같이, 본 발명의 일실시예에 따른 열화상 감시 시스템의 사용자 인터페이스는 사용자 또는 관리자의 명령을 받아들이는 각종 스위치들 및, 각종 상태를 알려주는 LED 표시등들로 구성된다. 도 11는 시스템 장치의 함체의 정면의 인터페이스를 보여주고 있다.As shown in FIG. 11, the user interface of the thermal image monitoring system according to an exemplary embodiment of the present invention includes various switches that accept commands from a user or an administrator, and LED indicators that indicate various states. 11 shows the frontal interface of the enclosure of the system device.
도 11의 함체 정면 하단에 다음과 같은 스위치들이 구성된다.The following switches are configured at the lower end of the housing front face of Fig.
모니터링 스위치는 온도 실시간 표시 창을 불러내기 위한 것이고, 이벤트 스위치는 경보 이력을 읽어 보기 위해 경보 현황 창을 불러내기 위한 것이다. 또한, 취소 스위치는 설정하려던 행위(ACTION)을 취소하고 이전 창으로 이동 할 때 사용하기 위한 스위치이고, 확인 스위치는 설정 내용을 최종 확인하고 저장할 때 사용된다. 또한, 커서키 스위치들은 상하좌우(UP/DOWN/LEFT/RIGHT) 스위치들로 이뤄져 있고, 메뉴 창에서 항목에 해당하는 칸과 칸 사이를 이동하려 할 때 또는 어떤 설정 값의 숫자를 변경하려 할 때 사용된다. The monitoring switch is for calling up the temperature real time display window, and the event switch is for calling up the alarm status window to read the alarm history. Also, the cancel switch is used to cancel the action (ACTION) to be set and move to the previous window. The confirmation switch is used to confirm and save the setting contents. In addition, the cursor key switches consist of UP / DOWN / LEFT / RIGHT switches. When you want to move between the fields corresponding to the items in the menu window, Is used.
처음 메인 화면에서 이 커서키를 조작하여 이동 할 수 있는 아이콘들은 (a) 표시 범위의 자동 혹은 수동, (b) 히스토그램 혹은 트렌드, (c) 환경설정, 경보현황, 경보설정 등이다.The icons that can be moved by using this cursor key on the main screen are (a) automatic or manual display range, (b) histogram or trend, (c) configuration, alarm status, alarm setting.
한편, 도 11의 함체 정면의 좌우에는 LED 표시등들이 구성된다.On the other hand, LED indicators are formed on the left and right of the front surface of the housing of Fig.
정상 상태 LED는 경보 설정 해 놓은 값 이하의 온도가 입력되고 있을 때 온(ON) 경보를 알리고, 알람 상태에서는 오프(OFF) 상태이다. 알람 상태 LED는 경보 설정 이상의 온도 값이 센싱 될 때 온(ON) 혹은 블링킹(BLINKING)으로 표시된다. PC 링크(Link) LED는 이 콘트롤러의 상위 기종인 PC 서버와 연결되어 통신이 원활히 행해지고 있는지를 알려주는 인디케이터로서, 정상 일 때 블링킹(BLINKING)으로 표시된다. 또한, TX 표시등은 송신 데이터가 있을 때 블링킹되고, RX 표시등은 수신 데이터가 있을 때 블링킹된다.The steady state LED indicates an ON alarm when the temperature below the set alarm value is input, and OFF in the alarm state. The alarm status LED is displayed as ON or BLINKING when the temperature value above the alarm setting is sensed. The PC Link LED is an indicator that indicates whether communication is being performed smoothly by connecting to the PC server, which is the upper model of this controller, and it is displayed as BLINKING when it is normal. Also, the TX indicator is blinking when there is transmit data, and the RX indicator is blinking when there is received data.
2D 어레이(Array) 표시등은 2차원 어레이 열화 온도 센서와의 통신이 원활한지를 알려주는 인디케이터로서, 정상 일 때 블링킹으로 표시된다. 또한, 2D 어레이의 TX 표시등은 송신 데이터가 있을 때 블링킹되고, RX 표시등은 수신 데이터가 있을 때 블링킹된다.The 2D array indicator is an indicator that indicates that communication with the two-dimensional array deterioration temperature sensor is smooth and is indicated by blinking when it is normal. Also, the TX indicator of the 2D array is blinked when there is transmit data, and the RX indicator is blinked when there is received data.
또한, 도 11의 함체 정면의 중앙에는 열화상 영상(또는 열화상 이미지)와 열화상 영상에 대한 특징값이나 통계치 등을 표시한다. 기본적으로 표시범위 설정은 자동 설정으로 되어 있고 감시 대상의 특성을 알 경우에 수동 설정을 선택한다.In the center of the front surface of the housing of Fig. 11, feature images or statistical values for the thermal image (or thermal image) and the thermal image are displayed. By default, the display range setting is set to automatic, and the manual setting is selected when you know the characteristics of the monitored object.
자동 설정의 경우, 2차원 어레이 센서(2D Array Sensor)로부터 전송되어 온 온도 값을 산술 분석하여 형상으로 인식하기 용이한 색 분포 표시 범위를 매회 자동으로 표시한다.In the case of the automatic setting, the temperature value transmitted from the 2D array sensor is arithmetically analyzed to automatically display the color distribution display range which is easy to recognize as the shape every time.
수동 설정의 경우, 매회 자동으로 바꿔가며 표시하는 경우 최대, 최소치와 평균치의 색 범위가 자동으로 바뀌어서 색으로 특정 값을 인식하기 어려운 문제가 있어 감시대상의 특성이 어느 정도 파악이 된 경우 수동 설정 기능을 활용하여 온도 표시 범위를 설정한다.In the case of manual setting, when the display is changed automatically every time, the color range of maximum, minimum and average is changed automatically, so that it is difficult to recognize a specific value by color. To set the temperature display range.
표시 범위 창에서 수동 라디오 버튼을 선택하게 되면 우측 상단에 표시범위 수동 설정 창의 ΔT(최대 최소 간의 차이 값), 그리고 Tc(온도표시 범위 중심 값)을 설정한다. 이 때 히스토그램 창의 X 축 왼쪽 끝에는 최소온도 값이 계산되어 표시되고 오른쪽 끝에는 최대 온도 값이 표시된다. 예를들어 Tc 값이 25.0도인경우 ΔT 값을 10.0으로 하면, 최대 온도 값은 30.0도, 최소 온도 값은 20.0도로 된다. 이 범위를 벗어나는 값의 색은 수동으로 설정한 최대 값 또는 최소 값으로 대치한 뒤 표시한다.When the manual radio button is selected in the display range window, set ΔT (difference between maximum and minimum values) and Tc (temperature display range center value) in the display range manual setting window. At this time, the minimum temperature value is calculated and displayed at the left end of the X axis of the histogram window, and the maximum temperature value is displayed at the right end. For example, when the Tc value is 25.0 degrees, when the value of DELTA T is 10.0, the maximum temperature value is 30.0 degrees and the minimum temperature value is 20.0 degrees. The color of values outside this range is replaced with the maximum or minimum value set manually.
한편, 열화상 감시 시스템의 사용자 인터페이스를 통해, 시스템의 각종 환경을 설정하기 위한 메뉴들이 표시되고, 해당 메뉴에 의해, 장치 시스템 IP주소 설정, 센서모듈 IP주소 설정, 날짜 설정, 특정영역 모니터링 설정, 열화상 카메라의 팬/틸트 설정 등의 기능을 수행할 수 있다.On the other hand, menus for setting various environments of the system are displayed through a user interface of the thermal image monitoring system, and device system IP address setting, sensor module IP address setting, date setting, specific area monitoring setting, And the pan / tilt setting of the thermal imaging camera can be performed.
특히, 특정영역 모니터링 설정 기능을 통해, 모니터링 하고자 하는 영역을 설정할 수 있다. 예를 들어, 화상 화면 상에 3군데의 특정 영역을 선정하여 온도가 열화 되어 가고 있는 현상을 모니터링 하기 위해 필요한 설정이다. 이때, 특정 영역은 소정의 설정레벨 온도 기준 이상인 영역들로 선정될 수 있다. 해당 영역의 최대/최소/평균 온도를 표시한다. 또한, 관리자에 의해 특정 영역을 임의로 정하여 해당 영역이 설정될 수 있다. 다수의 영역이 설정되는 경우에는, 각각의 영역을 설정하기 위해 L1, L2, L3로 영역 번호를 구분하고, L1, L2, L3의 영역이 정해지고 나면 우측에 있는 화상 화면에 색상 별로 해당 영역을 사각형으로 나타내어 그 영역의 최대/최소/평균 온도를 표시한다.In particular, the area to be monitored can be set through the specific area monitoring setting function. For example, it is necessary to select three specific areas on the image screen to monitor the phenomenon that the temperature is deteriorating. At this time, the specific region may be selected as the regions that are higher than a predetermined set level temperature reference. The maximum / minimum / average temperature of the area is displayed. In addition, a specific area can be arbitrarily set by the administrator and the corresponding area can be set. When a plurality of areas are set, the area numbers are divided into L1, L2, and L3 in order to set the respective areas. When the areas of L1, L2, and L3 are determined, The maximum / minimum / average temperature of the area is indicated by a rectangle.
주위 평균 온도는 전 화면의 전체 평균 온도 값을 표시한다. 이때 최대/최소/평균 온도 그리고 주위 온도의 표시는 L1, L2, L3 각 영역의 온도들을 소정의 시간 간격(약 5초 간격)으로 돌아가며 표시해 주고 그 때 화상 화면에는 지금 표시하고 있는 해당 영역의 사각형의 외곽을 굵게(BOLD) 처리하여 표시한다. 또한 이 L1,L2,L3의 최대 온도 값을 활용하여 메인 화면에서 보여주고 있는 트렌드 화면을 구성한다.The ambient average temperature indicates the total average temperature value of the entire screen. At this time, the maximum / minimum / average temperature and the ambient temperature are displayed by rotating the temperatures of L1, L2, and L3 in a predetermined time interval (about 5 seconds apart) (BOLD) processing is performed and displayed. Also, utilizing the maximum temperature values of L1, L2, and L3, the trend screen shown on the main screen is formed.
또한, 사용자 인터페이스를 통해, 센서모듈(열화상 카메라)의 좌우 또는 상하의 각도(앵글)를 조정함으로써, 원하는 특정 영역을 열화상으로 촬상하기 위한 환경 설정 기능이다. 상기 설정 창에서 입력한 값에 따라 팬/틸트(PAN/TILT) 모터가 회전하여 카메라의 정면 방향을 이동시킨다. 이동 중에 멈추고자 할 때는 취소 스위치를 누른다. 바람직한 팬/틸트의 설정 범위는 다음과 같다. 팬(PAN, X축 포지션)의 설정 범위는 -47° ~ +31°이고, 틸트(TILT, Y축 포지션)의 설정 범위는 -159° ~ +159°이고, 팬/틸트의 조정 속도의 설정 범위는 1°/sec ~ 5 °/sec이다.Further, it is an environment setting function for capturing a desired specific area as a thermal image by adjusting the angle (angle) of the sensor module (thermal imager) to the left or right or up and down through the user interface. The PAN / TILT motor rotates according to the value input in the setting window to move the front direction of the camera. If you want to stop while moving, press the cancel switch. The preferred pan / tilt setting range is as follows. The setting range of PAN (X axis position) is -47 ° ~ + 31 °, and the setting range of Tilt (Y axis position) is -159 ° ~ + 159 ° and setting of pan / tilt adjustment speed The range is 1 ° / sec to 5 ° / sec.
또한, 사용자 인터페이스를 통해, 알람 또는 경보를 하기 위한 기준을 경보 설정 기능에 의해 수행될 수 있다. 경보 설정 기능에는 특정 영역 경보 설정, 주위 온도 상승의 경보 설정, 열화지수 설정 등에 대한 설정 기능을 갖는다. 특정영역의 평균 온도와 주위 평균 온도 값을 활용하여 열화지수를 산출한다. 구체적인 열화지수 산출 방법은 이하에서 구체적으로 설명한다.In addition, a reference for setting an alarm or an alarm through the user interface can be performed by the alarm setting function. The alarm setting function has a setting function for setting a specific area alarm, setting an alarm for an ambient temperature rise, setting a deterioration index, and the like. The deterioration index is calculated using the average temperature and the ambient average temperature value of the specific region. The specific method of calculating the deterioration index will be described in detail below.
한편, 도 12에서 보는 바와 같이, 경보 메시지를 화면의 일부분에 표시하되, 주의 경보 메시지, 경계 경보 메시지, 긴급 경보 메시지 등으로 구분된다.Meanwhile, as shown in FIG. 12, an alarm message is displayed on a part of the screen, and classified into a warning alarm message, a boundary alarm message, and an emergency alarm message.
주의 경보 메시지 표시 방법은 상기 메시지에서 xx는 해당 특정 설정 영역의 번호로 표시되고, 황색 띠를 1초 간격으로 블링킹한다. 또한, 경계 경보 메시지 표시 방법은 상기 메시지에서 xx는 해당 특정 설정 영역의 번호로 표시되고, 주황색 띠를 1초 간격으로 블링킹한다. 또한, 긴급 경보 메시지 표시 방법은 상기 메시지에서 xx는 해당 특정 설정 영역의 번호로 표시하고, 적색 띠를 1초 간격으로 블링킹한다. 또는, 주의 경보는 적색 LED 점등을, 경계 경보는 적색 LED 1.5초 간격 점멸을, 긴급 경보는 적색 LED 0.3초 간격 점멸 등으로 알릴 수 있다.The warning message display method is such that xx is indicated by the number of the specific setting area in the above message, and the yellow band is blinked at intervals of 1 second. Also, in the method of displaying a border alarm message, xx is indicated by the number of the specific setting area in the message, and the orange band is blinked at intervals of 1 second. In the emergency alert message display method, xx is indicated by the number of the specific setting area in the message, and the red band is blinked at intervals of 1 second. Alternatively, the alarm of the warning can be informed by the red LED lighting, the boundary alarm by the red LED flashing every 1.5 seconds, and the emergency alarm by the red LED flashing every 0.3 second.
동시에 여러 개의 메시지가 들어 오는 경우에는 먼저 표시하던 메시지를 10초간 유지 한 후 그 다음 메시지를 표시한다. 이러한 메시지는 6개까지만 메시지 표시 저장 장소에 갖고 있고 그 이상은 버린다. 경보 메시지는 취소 스위치를 눌러 닫을 수 있고 또한 가만히 놓아두어도 소정의 시간(약 10초) 후에 자동으로 사라지게 한다. If several messages are received at the same time, the first message is displayed for 10 seconds and then the next message is displayed. Only up to six of these messages can be stored in the message store, and more are discarded. The alarm message can be closed by pressing the cancel switch and also automatically disappear after a predetermined period of time (about 10 seconds) even if the alarm message is released.
또한, 경보를 발생시키는 영역을 화상 화면에 표시한다. 도 12의 화상 화면의 네모 박스는 설정 영역을 나타낸다. 그 안에 설정 값과 감지 최대 온도 값을 표시한다. 예를 들어, 도 12에 표시된 "50/65"에서 50은 경보 설정 기준 온도이고, 60은 감지 최대 온도이다.
Further, an area for generating an alarm is displayed on the image screen. The square box of the image screen of Fig. 12 indicates the setting area. The set value and the detected maximum temperature value are displayed in it. For example, in "50/65" shown in FIG. 12, 50 is the alarm setting reference temperature and 60 is the detection maximum temperature.
다음으로, 본 발명의 실시예에 따라 열화지수(건전성 지수)를 계산하는 방법을 보다 구체적으로 설명한다.Next, a method of calculating the deterioration index (soundness index) according to the embodiment of the present invention will be described in more detail.
접속부위 온도에 대한 멤버쉽 파라미터는 다음과 같이 설정한다.The membership parameter for the junction temperature is set as follows.
- 50도 이하이면 100점- 100 points if less than 50 degrees
- 80도 이상이면 5점- 5 points if more than 80 degrees
접속부위 온도 지수를 계산하는 예를 설명한다.An example of calculating the junction temperature index will be described.
접속부위 온도에 대한 멤버쉽 파라미터 (x는 접속부 온도, v는 점수)가 다음과 같다고 가정한다.Assume that the membership parameter for the junction temperature (x is the junction temperature, v is the score) is:
[수학식 5]&Quot; (5) "
xl : 80 , vl : 5 ===> 상수xl: 80, vl: 5 ===> constant
xh : 50 , vh : 100 ===> 상수xh: 50, vh: 100 ===> constant
따라서 x가 xh 보다 작거나 같으면 v = vh, x가 xl 보다 크거나 같으면 v = vl 이다.Therefore, if x is less than or equal to xh, v = vh, and if x is greater than or equal to xl, then v = vl.
위 경우가 둘 다 아니면 다음 식에 의해 계산한다.If neither of the above cases is true, the following formula is used.
[수학식 6]&Quot; (6) "
멤버쉽 값 v = ((vh - vl)/(xh - xl)) (x - xl) + vl
Membership Value v = ((vh - vl) / (xh - xl)) (x - xl) + vl
예를들어 x = 55이면,For example, if x = 55,
v = ((100-5)/(50-80)) (55-80) + 5v = ((100-5) / (50-80)) (55-80) + 5
= (95/-30) (-25) + 5 = -3.1 x -25 + 5 = 82.5 = (95 / -30) (-25) + 5 = -3.1 x -25 + 5 = 82.5
예를들어 x = 60이면.For example, if x = 60.
v = ((100-5)/(50-80)) (60-80) + 5v = ((100-5) / (50-80)) (60-80) + 5
= (95/-30) (-20) + 5 = -3.1 x -20 + 5 = 67
= (95 / -30) (-20) + 5 = -3.1 x -20 + 5 = 67
온도차이 지수를 계산하는 예를 설명한다.An example of calculating the temperature difference index will be described.
온도차이에 대한 멤버쉽 파라미터 (x는 접속부 온도 - 주위온도 온도차, v는 점수)는 다음과 같다.The membership parameter for temperature difference (x is the junction temperature - ambient temperature difference, v is the score) is as follows.
[수학식 7]&Quot; (7) "
xl : 30 , vl : 5 ===> 상수xl: 30, vl: 5 ===> constant
xh : 5 , vh : 100 ===> 상수xh: 5, vh: 100 ===> constant
따라서 x가 xh 보다 작거나 같으면 v = vh, x가 xl 보다 크거나 같으면 v = vlTherefore, if x is less than or equal to xh, v = vh, if x is greater than or equal to xl, v = vl
위 경우가 둘 다 아니면 다음 식에 의해 계산한다.If neither of the above cases is true, the following formula is used.
[수학식 8]&Quot; (8) "
멤버쉽 값 v = ((vh - vl)/(xh - xl)) (x - xl) + vl
Membership Value v = ((vh - vl) / (xh - xl)) (x - xl) + vl
예를들어 x = 20이면,For example, if x = 20,
v = ((100-5)/(5-30)) (20-30) + 5v = ((100-5) / (5-30)) (20-30) + 5
= (95/-25) (-10) + 5 = -3.8 x -10 + 5 = 43 = (95 / -25) (-10) + 5 = -3.8 x -10 + 5 = 43
예를들어 x = 10이면For example, if x = 10
v = ((100-5)/(5-30)) (10-30) + 5v = ((100-5) / (5-30)) (10-30) + 5
= (95/-25) (-20) + 5 = -3.8 x -20 + 5 = 81
= (95 / -25) (-20) + 5 = -3.8 x -20 + 5 = 81
온도열화지수는 다음 수학식 9에 의해 구해진다.The temperature deterioration index is obtained by the following equation (9).
[수학식 9]&Quot; (9) "
온도열화지수(건전성지수) = 접속온도지수 * 0.7 + 온도차이지수 * 0.3
Temperature Degradation Index (Integrity Index) = Connection Temperature Index * 0.7 + Temperature Difference Index * 0.3
예를들어 접속 온도가 55도이고 온도차이가 20이면,For example, if the connection temperature is 55 degrees and the temperature difference is 20,
온도열화 지수 = 82.5 * 0.7 + 43 * 0.3 = 57.75 + 12.9 = 70.65
Temperature deterioration index = 82.5 * 0.7 + 43 * 0.3 = 57.75 + 12.9 = 70.65
다음으로, 본 발명의 일실시예에 따른 감시 장치(30)의 구성을 도 13를 참조하여 보다 구체적으로 설명한다.Next, the configuration of the
도 13에서 보는 바와 같이, 감시 장치(30)는 센서 수신부(31), 표시부(32), 영상구분부(33), 이상유무 판단부(34), 및, 저장부(36)로 구성된다. 바람직하게는, 알람부(35)를 추가하여 구성될 수 있다.13, the
센서 수신부(31)는 열화상 카메라 또는 2차원 서모파일 어레이 센서(30)로부터 열화상 영상의 데이터를 수신한다.The
또한, 영상 구분부(33)는 저장된 수배전반의 설비구성 이미지와, 상기 열화상 영상에 대하여 이미지 매칭을 하고, 매칭되면 설비구성 이미지의 각 설비의 해당 영역에 따라 열화상 영상을 각 설비 영상으로 분리한다.In addition, the
설비구성 이미지는 수배전반의 내부를 촬영한 이미지로서, 각 설비의 영역을 나타내는 이미지를 말한다. 설비구성 이미지는 사전에 작성되어 저장부(36)에 저장된다. 또는 수배전반(100) 내에 일반 카메라(색상 카메라, RGB 카메라, 이미지 카메라 등)가 설치되고, 이로부터 획득된 수배전반 내부의 이미지를 인식하여 각 설비의 영역을 정하거나, 관리자에 의해 영역이 구분될 수 있다.The equipment configuration image is an image of the inside of the switchboard, which represents the area of each facility. The facility configuration image is prepared in advance and stored in the
이때, 설비구성 이미지는 일반 카메라가 열화상 카메라와 동일한 위치나 근접한 위치에서의 관점에서 촬영된 이미지이다. 또는 수배전반의 설계도로부터 3차원 이미지를 생성하는 경우, 해당 관점에서의 바라본 2차원 이미지를 생성할 수도 있다.At this time, the facility configuration image is an image in which the general camera is photographed at the same position as the thermal imaging camera or at a position close to the thermal imaging camera. Alternatively, when a three-dimensional image is generated from a schematic of a switchboard, a two-dimensional image viewed from the viewpoint may be generated.
도 14에서 보는 바와 같이, 설비구성 이미지는 수배전반 내부를 촬영한 이미지이고, 상기 설비구성 이미지로부터 각 구성 설비의 설비 영역을 구분할 수 있다. 도 14(a)는 분전반 시스템을 촬영한 이미지이고, 도 14(b)는 설비 영역이 나타난 설비 구성 이미지이다. 도 14(b)에서 점선 박스가 설비 영역을 나타낸다. 도 14(c)는 설비 영역만 표시한 설비구성 이미지이다. 도 14(c)의 이미지 내에 박스가 각각 설비 영역을 나타낸다.As shown in FIG. 14, the facility configuration image is an image photographed inside the switchboard, and the facility area of each configuration facility can be distinguished from the facility configuration image. Fig. 14 (a) is an image of the distribution board system, and Fig. 14 (b) is a facility configuration image showing a facility area. In Fig. 14 (b), the dotted box represents the equipment area. Fig. 14 (c) is an equipment configuration image showing only the equipment area. Boxes in the image of Fig. 14 (c) each represent a facility area.
도 14(a)에서 보는 바와 같이, 분전반 시스템을 일반 카메라로 촬상한 이미지에서, 메인 차단기(81), 분기 차단기(82), 부스바 지지대(83), 모선 부스바(84), 자선 부스바(85)가 차지하는 이미지 상에서의 영역이 해당 설비의 영역이다. 또는 수배전반이 부스바, 진공차단기(VCB), 계기용변압기(PT), 전력량계량기(MOF), 부하개폐기(LBS), 부싱소자 등으로 구성되는 경우, 상기 각 설비 마다 차지하는 영역으로, 설비 영역이 구분될 수 있다.As shown in FIG. 14 (a), in the image of the distribution panel system taken by a general camera, the main breaker 81, the branch breaker 82, the bus bar support 83, the bus bar bar 84, The area on the image occupied by the
도 14(a)의 분전반 시스템을 보다 구체적으로 설명하면 다음과 같다. 상기 분전반 시스템은 메인 차단기(81), 일측이 부스 바 지지대(83) 위에 고정되고, 타측은 메인차단기(81)에 연결되는 3상(R, S, T) 및 중성상(N)의 부스바로 구성되는 모선 부스 바(84), 모선 부스 바(84)에 직교하는 방향으로 적층되어 접속되는 다수개의 자선 부스 바(85) 및 다수개의 자선 부스 바(85)에 각각 연결되는 다수개의 분기 차단기(82)로 구성된다.14 (a) will be described in more detail as follows. The distribution panel system includes a main circuit breaker 81 and a bus bar support 83 having one side fixed to the bus bar support 83 and the other side connected to the main circuit breaker 81 And a plurality of branch breakers (85) connected to the plurality of charger bus bars (85) and connected to the plurality of charger bus bars (84) 82).
이때, 모선 부스 바 또는 케이블 접속부가 실험에 의해 발열의 근원이 될 수 있으며, 부스 바 또는 케이블 접속부 이외에 분전반이나 저압 배전반의 열을 발생될 수 있다. 즉, 수배전반(100)을 구성하는 각종 부품 및 구성요소들은 각기 다른 기능을 수행하고, 또한, 다른 전압의 전류를 수전 또는 배전한다. 따라서 각 부품 또는 각 구성요소들에서 발열되는 열은 서로 다를 수 있다.
At this time, the bus bar bar or the cable connecting part can be a source of heat by the experiment, and heat of the distribution board or the low voltage switchboard can be generated in addition to the bus bar or cable connection part. That is, the various components and components constituting the
한편, 바람직하게는, 설비구성 이미지에는 설비 영역이 표시되거나, 그 설비 영역의 영역 데이터를 가지고 있을 수 있다. 또는 설비구성 이미지가 설비영역 만 표시된 이미지일 수도 있다.On the other hand, preferably, a facility area is displayed in the facility configuration image or may have area data of the facility area. Alternatively, the equipment configuration image may be an image showing only the equipment area.
영상 구분부(33)는 설비구성 이미지와 열화상 이미지의 에지을 구하고, 양 이미지를 매칭시킨다. 열화상 이미지와 설비구성 이미지가 매칭되려면, 열화상 이미지가 그 크기나 시점 등이 일치되도록 양 이미지를 조정해야 한다.The
설비구성 이미지에서는 각 설비 마다 해당 영역을 나타내는 라인 또는 에지가 나타난다. 에지를 나타내는 에지 영상은 이웃하는 두 픽셀 간의 픽셀값 차이(또는 에지)를 구하여 생성된 영상이다. 따라서 설비구성 이미지에서 설비의 테두리 부분은 주변과 픽셀값이 다르기 때문에 에지가 나타난다. 또한, 열화상 영상의 이미지에서도 특정 설비의 온도가 주변 온도와 다를 경우, 그 경계선(설비 영역의 경계선) 부근에서 온도 변화가 클 것이다. 따라서 설비 영역에서의 경계선이 나타난다.In the facility configuration image, a line or an edge indicating the corresponding area appears for each facility. An edge image representing an edge is an image generated by obtaining a pixel value difference (or an edge) between two neighboring pixels. Therefore, in the equipment configuration image, the edge of the equipment edge appears because the peripheral and pixel values are different. Also, in the image of a thermal image, if the temperature of a specific facility differs from the ambient temperature, the temperature change around the boundary line (boundary line of the equipment area) will be large. Therefore, a boundary line appears in the equipment area.
그러나 열화상 이미지에서는 각 설비마다 해당 영역을 나타내는 라인 또는 에지가 나타나는 부분이 있고, 나타나지 않는 부분이 있다. 즉, 해당 설비가 주위와 온도가 다른 경우는 에지가 나타나고, 그렇지 않고 주위 온도와 유사하면 설비 영역의 에지가 나타나지 않는다.However, in the thermal image, there is a portion where a line or an edge indicating the corresponding region appears in each facility, and there is a portion not shown. That is, an edge appears if the facility is at a different temperature from the ambient temperature, otherwise the edge of the plant area does not appear if it is similar to the ambient temperature.
따라서 열화상 이미지에서 나타나는 에지와 설비구성 이미지의 에지와 대비하여 서로 매칭되는 특징점 또는 특징 에지를 찾는다. 매칭된 특징점 또는 특징 에지를 이용하여, 양 이미지의 크기나 시점 등을 일치시키도록 양 이미지를 조정한다. 바람직하게는, 설비구성 이미지를 열화상 이미지와 크기 및 시점이 일치하도록 조정한다. 특징 에지를 찾으면 곧 특징 에지의 점들이 특징점이 된다. 2개의 영상에서 특징점을 찾아 두 개 영상을 매칭시키는 기술은 컴퓨터 비전 분야에서 사용되는 공지기술을 이용한다.Thus, we find feature points or feature edges that match each other in contrast to the edges in the thermal image and the edges of the feature image. Both images are adjusted to match the size or the viewpoint of both images using matching feature points or feature edges. Preferably, the facility configuration image is adjusted to match the size and the viewpoint of the thermal image. As soon as a characteristic edge is found, the points of the characteristic edge become characteristic points. Techniques for finding feature points in two images and matching two images use known techniques used in the field of computer vision.
양 이미지가 매칭되면, 상기 열화상 이미지에서 설비 영역 별로 열화상 영상을 분리할 수 있다. 이때 분리된 열화상 영상을 설비영역별 열화상 영상이라 부르기로 한다.If both images are matched, thermal images can be separated for each facility area in the thermal image. At this time, the separated thermal image is referred to as a thermal image per facility area.
한편, 다른 실시예로서, 영상 구분부(33)는 각 설비에서 발생하는 온도(또는 정상 온도)를 사전에 설정하여 저장하고, 각 설비의 설정 온도와 상기 열화상 영상에서의 온도와 비교하여, 특징점을 찾을 수 있다.Meanwhile, as another embodiment, the
특히, 각 설비의 설정 온도 중에서 가장 높은 온도, 또는 주변 설비와 가장 온도차가 많이 나는 설비의 온도를 이용하여 특징점을 찾을 수 있다. 영상 구분부(33)는 열화상 영상의 이미지에서 열 분포를 구하고, 열 분포 중에서 상위 온도(예를 들어 상위 10%에 해당하는 온도)를 구한다. 상기 열화상 영상의 이미지에서 상위 온도 보다 높은 온도가 되는 부분과, 상기 설비구성 이미지에서 설정 온도가 가장 높은 설비의 영역을 비교하여, 특징점을 찾을 수 있다.In particular, feature points can be found by using the highest temperature among the set temperatures of each facility, or the temperature of the facility which has the highest temperature difference with the surrounding facilities. The
한편, 영상 구분부(33)는 한번 양 이미지의 특징점을 찾아 설비구성 이미지를 최초로 한번 조정하고, 조정된 설비구성 이미지를 계속 사용한다.
On the other hand, the
다음으로, 이상유무 판단부(34)는 열화상 이미지의 온도, 온도의 변화, 설비 영역별 온도 및 그 변화, 또는 설비 영역의 온도 및 그 주변 온도 등을 이용하여, 이상 유무를 판단한다. 구체적 판단 방법은 이하에서 설명한다.Next, the
표시부(32)는 열화상 영상의 데이터를 2차원 디스플레이에 표시한다. 이때, 열화상 영상을 설비 영역별로 구분된 경우, 상기 열화상 영상 상에서 설비 영역을 함께 표시한다.The
또한, 표시부(32)는 열화상 영상에서 이상이 있는 것으로 판단되는 부분(또는 영역)을 표시한다. 특히, 열화상 영상 상에서 설비 영역 별로 이상 유무를 표시할 수 있다.Further, the
저장부(36)는 수배전반의 색상 이미지 또는 영상(설비구성 이미지)을 저장하고, 설비구성 이미지에서의 설비 영역에 대한 데이터를 저장한다.The
알람부(35)는 판단부(34)에서 이상이 있는 것으로 판단하는 경우, 이상 상태를 알린다. 특히, 이상 상태와, 해당 설비 영역 또는 이상 상태의 설비에 대한 정보를 같이 알린다.
When the
다음으로, 본 발명의 제1 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 15를 참조하여 보다 구체적으로 설명한다. 상기 방법은 수배전반의 열화 진단 시스템, 또는 상기 시스템의 감시장치(30), 또는 상기 감시장치(30)의 이상유무 판단부(34)에 의해 수행되는 방법이다.Next, an intelligent deterioration diagnosis method for a switchboard according to the first embodiment of the present invention will be described in more detail with reference to FIG. The above method is a method performed by the deterioration diagnosis system of the power transmission / distribution system or the
구체적으로, 본 발명의 제1 실시예는 초기 열화 진행이 되지 않은 데이터를 기반으로 실시간으로 들어오는 데이터와의 온도 변화를 감지하여 열화를 판정한다. 각 좌표의 시간별 차분을 이용하여 범위가 일정기준 이상이면 열화로 판단한다.Specifically, the first embodiment of the present invention detects deterioration by detecting a temperature change with data that is input in real time based on data that has not undergone initial deterioration progress. If the range is above a certain standard by using the time-dependent difference of each coordinate, it is determined as deterioration.
먼저, 열화상 카메라를 통해 열화상 영상을 획득하여 각 화소별 온도(이하 제1 시간의 온도)를 저장한다(S11). 즉, 2차원 서모파일 어레이 센서 또는 열화상 카메라를 통해 2차원의 열화상 영상을 획득한다. 바람직하게는 열화상 영상은 32×31 행렬로 구성된 온도 데이터로 형성된다.First, a thermographic image is obtained through a thermal imaging camera, and a temperature (hereinafter, referred to as a first time temperature) for each pixel is stored (S11). That is, a two-dimensional thermographic image is obtained through a two-dimensional thermopile array sensor or a thermal imaging camera. Preferably, the thermal image is formed of temperature data composed of a 32x31 matrix.
다음으로, 소정의 시간이 경과한 후, 다시 열화상 카메라를 통해 열화상 영상을 획득하여 각 화소별 온도(이하 제2 시간의 온도)를 저장한다(S12).Next, after a predetermined time has elapsed, a thermal image is acquired again through the thermal imaging camera, and the temperature for each pixel (hereinafter referred to as a second time temperature) is stored (S12).
그리고 각 화소별 제1 및 제2 시간의 온도의 차분을 구하고, 차분에 의하여 각 화소별로 열화를 진단한 열화진단 영상을 생성한다(S13). 각 좌표 또는 화소에 대하여 시간 별 차분을 이용하여 범위가 일정기준 이상이면 열화로 판단한다. 이때의 기준치는 측정 장비, 장소, 목적에 따라 달라질 수 있다. 상기 기준치는 실험이나 과거 데이터 등을 토대로 사전에 설정되는 값이다.Then, a difference between the temperatures of the first and second time points is obtained for each pixel, and a deteriorated diagnostic image is generated by diagnosing the deterioration of each pixel by the difference (S13). If the range is equal to or larger than a predetermined reference value by using a time-based difference for each coordinate or pixel, it is determined as deterioration. The reference value at this time may vary depending on the measuring equipment, the place, and the purpose. The reference value is a value set in advance based on experiments, historical data, and the like.
열화진단 영상은 이진 영상이다. 즉 각 화소에서의 열화 여부에 따라 이진 값을 갖도록 생성된다. 즉, 각 화소별로 온도의 차분 또는 차분의 범위가 상기 기준치를 넘어가면 1, 아니면 0으로 설정한다. 즉, 1이면 열화된 화소이고, 0이면 열화되지 않은 화소이다.Deteriorated diagnostic images are binary images. That is, a binary value depending on the deterioration in each pixel. That is, when the temperature difference or the difference range of each pixel exceeds the reference value, it is set to 1, or to 0 otherwise. That is, when 1 is a deteriorated pixel, and when it is 0, it is a pixel which is not deteriorated.
도 16은 열화진단 영상의 예를 도시하고 있다. 도 16(a)는 온도 변화와 온도의 차분을 표시한 그래프이고, 도 16(b)는 열화상 영상에서 열화진단 영상을 표시한 화면을 예시하고 있다. 특히, 도 16(b)에서 보는 바와 같이, 열화 여부 판단에 따라 색깔로 점을 찍어 1인 부분은 빨간색(열화), 0인 부분을 파란색(정상)으로 표시한다.Fig. 16 shows an example of a deterioration diagnosis image. Fig. 16 (a) is a graph showing a temperature difference and a difference in temperature, and Fig. 16 (b) illustrates a screen displaying a deterioration diagnosis image in a thermal image. Particularly, as shown in FIG. 16 (b), a point is drawn by color according to the judgment of deterioration, and a portion of 1 indicates red (deterioration), and a portion of 0 indicates blue (normal).
앞서 생성한 열화진단 영상을 출력한다. 또는 열화상 영상에 열화진단 영상을 겹쳐 표시하는 것이 바람직하다. And outputs the deteriorated diagnostic image generated in advance. Or it is preferable to superimpose the degradation diagnosis image on the thermal image.
다음으로, 열화진단 영상에서 열화된 화소의 개수를 계산하여 상기 열화된 화소의 개수가 소정의 임계 개수(사전에 정해진 개수)와 비교한다(S14). 비교를 통해 열화된 화소의 개수가 소정의 임계 개수 보다 크면, 이상 상태로 감지한다.
Next, the number of degraded pixels in the deteriorated diagnostic image is calculated, and the number of deteriorated pixels is compared with a predetermined threshold number (a predetermined number) (S14). If the number of deteriorated pixels is larger than a predetermined threshold number, it is detected as an abnormal state.
다음으로, 본 발명의 제2 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 17을 참조하여 보다 구체적으로 설명한다.Next, an intelligent deterioration diagnosis method for a switchboard according to a second embodiment of the present invention will be described in more detail with reference to FIG.
본 발명의 제2 실시예는 앞서 제1 실시예에 비하여 열화상 영상에서 설비별로 영역을 구분하고 영역별로 열화의 이상 상태를 감지하는 점에서 상이하다. 이외 다른 부분은 앞서 제1 실시예와 동일하므로, 여기서 설명되지 않은 부분은 앞서 제1 실시예를 참조한다.The second embodiment of the present invention differs from the first embodiment in that a thermal image is divided into regions and the abnormal state of deterioration is detected for each region. Since the other parts are the same as those of the first embodiment, the parts not described here refer to the first embodiment.
먼저, 열화상 영상에 대하여 설비 영역을 구분하고 각 영역에 대한 기준치(기준 온도)를 설정한다(S20). 열화상 영상을 획득하고, 획득된 열화상 영상과 저장된 수배전반 설비영역 이미지를 매칭하여, 열화상 영상에서의 각 설비 영역을 설정한다. 또한, 영역에 따라 해당 영역에 배치된 설비가 무엇인지를 판단하고, 해당 설비에 대한 임계온도를 적용하여 해당 영역의 임계온도를 설정한다. 각 설비에 따른 이상 유무 판단의 온도는 도 18에 도시된 바와 같다.First, a facility area is divided for a thermal image and a reference value (reference temperature) is set for each area (S20). Obtains the thermal image, and matches the obtained thermal image with the stored power storage facility area image to set each facility area in the thermal image. It also determines what equipment is located in the area according to the area, and sets the critical temperature of the area by applying the critical temperature for the equipment. The temperature for judging the abnormality according to each facility is as shown in Fig.
다음으로, 열화상 카메라를 통해 열화상 영상을 획득하여 각 영역에서의 각 화소별 온도(이하 제1 시간의 온도)를 저장한다(S21). 그리고 소정의 시간이 경과한 후, 다시 열화상 카메라를 통해 열화상 영상을 획득하여 각 영역에서의 각 화소별 온도(이하 제2 시간의 온도)를 저장한다(S22).Next, a thermal image is acquired through the thermal imaging camera, and the temperature for each pixel (hereinafter referred to as a first time temperature) in each area is stored (S21). After a predetermined time has elapsed, a thermal image is acquired again through the thermal imaging camera and the temperature for each pixel (hereinafter referred to as a second time temperature) in each region is stored (S22).
그리고 각 화소별 제1 및 제2 시간의 온도의 차분을 구하고, 차분에 의하여 각 화소별로 열화를 진단한 열화진단 영상을 생성한다(S23). 각 좌표 또는 화소에 대하여 시간 별 차분을 이용하여 범위가 일정기준 이상이면 열화로 판단한다. 이때의 기준치는 각 영역에 따라 달라질 수 있다. 상기 기준치는 실험이나 과거 데이터 등을 토대로 사전에 설정되는 값이다.Then, a difference between the temperatures of the first and second time points is obtained for each pixel, and a deterioration diagnosis image for diagnosing deterioration for each pixel is generated by the difference (S23). If the range is equal to or larger than a predetermined reference value by using a time-based difference for each coordinate or pixel, it is determined as deterioration. The reference value at this time may vary depending on each region. The reference value is a value set in advance based on experiments, historical data, and the like.
열화진단 영상은 이진 영상이다. 즉 각 화소에서의 열화 여부에 따라 이진 값을 갖도록 생성된다. 생성한 열화진단 영상을 출력한다. 또는 열화상 영상에 열화진단 영상을 겹쳐 표시하는 것이 바람직하다.Deteriorated diagnostic images are binary images. That is, a binary value depending on the deterioration in each pixel. And outputs the generated deteriorated diagnostic image. Or it is preferable to superimpose the degradation diagnosis image on the thermal image.
다음으로, 열화진단 영상에서 열화된 화소의 개수 또는 전체 화소 중에서 열화된 화소의 비율을 영역별로 계산하여 상기 열화된 화소의 개수가 소정의 임계 개수(또는 임계 비율)와 비교한다(S24). 비교를 통해 열화된 화소의 개수(또는 비율)가 소정의 임계 개수(임계 비율) 보다 크면, 이상 상태로 감지한다.
Next, the number of degraded pixels in the deteriorated diagnostic image or the ratio of deteriorated pixels in all pixels is calculated for each region, and the number of deteriorated pixels is compared with a predetermined threshold number (or a threshold ratio) (S24). If the number (or ratio) of pixels deteriorated through comparison is larger than a predetermined threshold number (threshold ratio), it is detected as an abnormal state.
다음으로, 본 발명의 제3-1 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 19를 참조하여 보다 구체적으로 설명한다.Next, the intelligent deterioration diagnosis method of the switchboard according to the embodiment 3-1 of the present invention will be described in more detail with reference to FIG.
먼저, 열화상 카메라를 통해 열화상 영상을 획득하여 각 화소 값을 화소별 온도로 변환하여 저장한다(S31). 즉, 2차원 서모파일 어레이 센서 또는 열화상 카메라를 통해 2차원의 열화상 영상을 획득한다. 바람직하게는 열화상 영상은 32×31 행렬로 구성된 온도 데이터로 형성된다.First, a thermal image is acquired through a thermal imaging camera, and each pixel value is converted into a pixel-specific temperature and stored (S31). That is, a two-dimensional thermographic image is obtained through a two-dimensional thermopile array sensor or a thermal imaging camera. Preferably, the thermal image is formed of temperature data composed of a 32x31 matrix.
다음으로, 각 화소별로 온도에 대하여 퍼지 추론을 적용하여 열화를 진단한다(S32). 바람직하게는, 열화 진단의 퍼지 결과는 정상, 주의, 및 열화의 3가지로 구분된다.Next, the fuzzy inference is applied to the temperature for each pixel to diagnose the deterioration (S32). Preferably, the fuzzy results of the deterioration diagnosis are classified into three types: normal, attention, and deterioration.
각 화소별 열화진단이 완료되면, 열화진단 영상을 생성한다(S33). 정상, 주의, 및 열화의 3가지로 결과가 구분되는 경우, 각 결과에 해당하는 색깔로 해당 화소의 색상을 정하는 것이 바람직하다.Upon completion of the deterioration diagnosis for each pixel, a deterioration diagnosis image is generated (S33). When the results are classified into three types of normal, attention, and deterioration, it is desirable to determine the color of the corresponding pixel with the color corresponding to each result.
다음으로, 열화진단 영상을 이용하여 이상 상태를 감지한다(S34). 이상 상태 감지는 여러 가지 방법이 적용될 수 있다. 예를 들어, 열화 화소의 개수가 소정의 개수 이상이거나, 열화 화소 및 주의 화소의 개수가 각각 소정의 기준 개수 이상인 경우를 이상상태로 감지할 수 있다.
Next, an abnormal state is detected using the deteriorated diagnostic image (S34). A variety of methods can be applied to detect abnormal conditions. For example, a case where the number of deteriorated pixels is equal to or greater than a predetermined number, or a case where the number of deteriorated pixels and the number of pixels of interest are respectively equal to or greater than a predetermined reference number can be detected as an abnormal state.
다음으로, 본 발명의 제3-2 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명한다. 본 발명의 제3-2 실시예는 상기 제3-1 실시예에 비하여, 각 화소별 온도 대신 누적 온도를 사용하는 점에서 차이가 있다. 그외 다른 부분은 동일하다. 즉, 해당 시간까지의 온도를 누적하여 누적 온도를 이용하여 퍼지 추론을 통해 열화를 진단한다.
Next, an intelligent deterioration diagnosis method for a switchboard according to a third embodiment of the present invention will be described. The embodiment 3-2 of the present invention differs from the embodiment 3-1 in that cumulative temperature is used instead of temperature for each pixel. Other parts are the same. That is, the temperature is accumulated up to that time, and the degradation is diagnosed through fuzzy inference using the cumulative temperature.
다음으로, 본 발명의 제4-1 실시예 및 제4-2 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 20을 참조하여 보다 구체적으로 설명한다.Next, the intelligent deterioration diagnosis method of the switchboard according to the 4-1 embodiment and the 4-2 embodiment of the present invention will be described more specifically with reference to FIG.
본 발명의 제4 실시예는 앞서 제3 실시예에 비하여 열화상 영상에서 설비별로 영역을 구분하고 영역별로 열화의 이상 상태를 감지하는 점에서 상이하다. 특히, 각 화소별 온도 대신 영역별 평균 온도 또는 누적 평균온도를 이용하여, 열화를 판단한다. 이외 다른 부분은 앞서 제1 실시예와 동일하므로, 여기서 설명되지 않은 부분은 앞서 제3 실시예를 참조한다.The fourth embodiment of the present invention differs from the third embodiment in that the thermal image region is divided into zones for each facility and an abnormal state of deterioration is detected for each zone. Particularly, deterioration is judged by using the average temperature or the cumulative mean temperature for each region instead of the temperature for each pixel. Since the other parts are the same as those of the first embodiment, the parts not described here refer to the third embodiment.
먼저, 열화상 영상에 대하여 설비 영역을 구분하고 각 영역에 대한 열화 결과에 대한 퍼지의 멤버쉽 함수를 설정한다(S40). 열화상 영상을 획득하고, 획득된 열화상 영상과 저장된 수배전반 설비영역 이미지를 매칭하여, 열화상 영상에서의 각 설비 영역을 설정한다. 또한, 영역에 따라 해당 영역에 배치된 설비가 무엇인지를 판단하고, 해당 설비에 대한 임계온도를 적용하여 해당 영역의 퍼지의 멤버쉽 함수를 설정한다. 즉, 각 설비 영역의 임계 온도에 따라 온도 또는 누적 온도의 퍼지 추론을 위한 멤버쉽 함수를 달리 정한다.First, a facility area is divided for a thermal image and a membership function of a fuzzy for the degradation result for each area is set (S40). Obtains the thermal image, and matches the obtained thermal image with the stored power storage facility area image to set each facility area in the thermal image. In addition, it is determined what equipment is disposed in the area according to the area, and a membership function of the area is set by applying a critical temperature for the facility. That is, a membership function for fuzzy reasoning of temperature or cumulative temperature is set differently according to the critical temperature of each facility area.
다음으로, 열화상 카메라를 통해 열화상 영상을 획득하여 각 화소 값을 화소별 온도로 변환하고 영역별 평균온도를 계산하여 저장한다(S41). 그리고 각 영역별로 평균 온도에 대하여 퍼지 추론을 적용하여 열화를 진단한다(S42). 바람직하게는, 열화 진단의 퍼지 결과는 정상, 주의, 및 열화의 3가지로 구분된다. 각 화소별 열화진단이 완료되면, 열화진단 영상을 생성한다(S43). 정상, 주의, 및 열화의 3가지로 결과가 구분되는 경우, 각 결과에 해당하는 색깔로 해당 화소의 색상을 정하는 것이 바람직하다.Next, a thermal image is acquired through the thermal camera, each pixel value is converted into a pixel-specific temperature, and an average temperature for each region is calculated and stored (S41). Then, the fuzzy inference is applied to the average temperature for each region to diagnose the deterioration (S42). Preferably, the fuzzy results of the deterioration diagnosis are classified into three types: normal, attention, and deterioration. When the deterioration diagnosis for each pixel is completed, a deterioration diagnosis image is generated (S43). When the results are classified into three types of normal, attention, and deterioration, it is desirable to determine the color of the corresponding pixel with the color corresponding to each result.
다음으로, 열화진단 영상을 이용하여 이상 상태를 감지한다(S44). 이상 상태 감지는 여러 가지 방법이 적용될 수 있다. 예를 들어, 각 영역별로 열화로 진단되는 영역이 적어도 하나가 존재하면 이상 상태로 감지할 수 있다.Next, an abnormal state is detected using the deteriorated diagnostic image (S44). A variety of methods can be applied to detect abnormal conditions. For example, if there is at least one region diagnosed as deterioration for each region, it can be detected as an abnormal state.
도 21에서, 각 영역별로 평균 온도를 이용하여 열화진단하는 예가 도시되고 있다.In Fig. 21, an example of deterioration diagnosis using an average temperature for each area is shown.
다음으로, 본 발명의 제4-2 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명한다. 본 발명의 제4-2 실시예는 상기 제4-1 실시예에 비하여, 각 영역별 평균 온도 대신 누적 평균온도를 사용하는 점에서 차이가 있다. 그외 다른 부분은 동일하다. 즉, 해당 시간까지의 평균 온도를 누적하여 누적 평균 온도를 이용하여 퍼지 추론을 통해 열화를 진단한다.
Next, an intelligent deterioration diagnosis method for a switchboard according to a fourth embodiment of the present invention will be described. The fourth embodiment of the present invention differs from the fourth embodiment in that the cumulative average temperature is used instead of the average temperature for each area. Other parts are the same. That is, the average temperature up to the time is accumulated, and the degradation is diagnosed through fuzzy inference using the cumulative average temperature.
다음으로, 본 발명의 제5 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 22를 참조하여 보다 구체적으로 설명한다.Next, an intelligent deterioration diagnosis method for a switchboard according to a fifth embodiment of the present invention will be described in more detail with reference to FIG.
본 발명의 제5 실시예는 앞서 제4 실시예에 비하여 열화상 영상에서 설비별로 영역을 구분하고 영역별로 열화의 이상 상태를 감지하되, 각 화소별 온도와 영역별 평균 온도를 모두 이용하여 퍼지 추론을 하는 점에서 차이가 있다. 이외 다른 부분은 앞서 제4 실시예와 동일하므로, 여기서 설명되지 않은 부분은 앞서 제4 실시예를 참조한다.The fifth embodiment of the present invention differs from the fourth embodiment of the present invention in that the thermal image region is divided into regions for each facility and an abnormal state of deterioration is detected for each region, . The other parts are the same as those of the fourth embodiment, and therefore, the parts not described here refer to the fourth embodiment.
먼저, 열화상 영상에 대하여 설비 영역을 구분하고 각 영역에 대한 열화 결과에 대한 퍼지의 멤버쉽 함수를 설정한다(S50). 영역에 따라 해당 영역에 배치된 설비가 무엇인지를 판단하고, 해당 설비에 대한 임계온도를 적용하여 해당 영역의 퍼지의 멤버쉽 함수를 설정한다.First, a facility area is divided for a thermal image, and a membership function of fuzzy for the deterioration result for each area is set (S50). And determines the membership function of the fuzzy in the corresponding region by applying the critical temperature for the corresponding facility.
다음으로, 열화상 카메라를 통해 열화상 영상을 획득하여 각 화소 값을 화소별 온도로 변환하고 영역별 평균온도를 계산하여 저장한다(S51). 그리고 각 영역별로 평균 온도 및 각 화소별 온도에 대하여 퍼지 추론을 적용하여 열화를 진단한다(S52). 바람직하게는, 열화 진단의 퍼지 결과는 정상, 주의, 및 열화의 3가지로 구분된다. 각 화소별 열화진단이 완료되면, 열화진단 영상을 생성한다(S53). 정상, 주의, 및 열화의 3가지로 결과가 구분되는 경우, 각 결과에 해당하는 색깔로 해당 화소의 색상을 정하는 것이 바람직하다.Next, the thermal image is acquired through the thermal imaging camera, each pixel value is converted into pixel temperature, and the average temperature for each region is calculated and stored (S51). Then, the fuzzy inference is applied to the average temperature and the temperature of each pixel for each region to diagnose the deterioration (S52). Preferably, the fuzzy results of the deterioration diagnosis are classified into three types: normal, attention, and deterioration. Upon completion of the deterioration diagnosis for each pixel, a deterioration diagnosis image is generated (S53). When the results are classified into three types of normal, attention, and deterioration, it is desirable to determine the color of the corresponding pixel with the color corresponding to each result.
다음으로, 열화진단 영상을 이용하여 이상 상태를 감지한다(S54).
Next, an abnormal state is detected using the deteriorated diagnostic image (S54).
다음으로, 본 발명의 제6 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 23을 참조하여 보다 구체적으로 설명한다.Next, an intelligent deterioration diagnosis method for a switchboard according to a sixth embodiment of the present invention will be described in more detail with reference to FIG.
먼저, 퍼지 추론을 위하여, 입력 변수의 멤버쉽 함수, 출력 변수의 멤버쉽 함수, 퍼지규칙을 설정한다(S61). 이에 대하여는 이하 각 단계에서 구체적으로 서명한다.First, for fuzzy reasoning, a membership function of an input variable, a membership function of an output variable, and a fuzzy rule are set (S61). This will be specifically signed at each stage below.
다음으로, 열화상 카메라를 통해 열화상 영상을 획득하고, 상기 열화상 영상으로부터 각 화소의 온도 및 온도 변화(변화값 또는 변화분)를 추출한다(S62).Next, a thermal image is acquired through the thermal imaging camera, and temperature and temperature changes (change values or changes) of each pixel are extracted from the thermal image (S62).
각 화소의 온도는 특정 시점 t에서 획득된 열화상 영상의 화소에서 획득된 온도이다. 또한, 각 화소의 온도 변화(변화분)는 과거시점 t1에서 특정시점 t2(t1 < t2)에서의 온도 차이이다. 즉, t2 시점의 온도에서 t1 시점의 온도를 뺀 값이 온도 변화분이다.The temperature of each pixel is the temperature obtained in the pixels of the thermal image acquired at a specific time t. In addition, the temperature change (change) of each pixel is the temperature difference at the specific time t 2 (t 1 <t 2 ) at the past time t 1 . That is, the value obtained by subtracting the temperature at the time t 1 from the temperature at the time t 2 is the temperature change.
한편, 온도 및 온도 변화분은 퍼지 추론을 위한 입력변수로서, 다음과 같이 4가지의 경우를 만들 수 있다.On the other hand, temperature and temperature changes are input variables for fuzzy inference, and the following four cases can be made.
[케이스 1] 각 화소의 온도 + 해당 온도의 변화분[Case 1] Temperature of each pixel + change of corresponding temperature
[케이스 2] 각 화소의 온도 + 해당 온도의 누적 변화분[Case 2] Cumulative change of temperature of each pixel + corresponding temperature
[케이스 3] 각 화소의 누적 온도 + 해당 온도의 변화분[Case 3] Cumulative temperature of each pixel + change of the corresponding temperature
[케이스 4] 각 화소의 누적 온도 + 해당 온도의 누적 변화분
[Case 4] cumulative temperature of each pixel + cumulative change of the temperature
상기 각 케이스에 따른 입력변수를 계산하는 방법을 설명하면 다음과 같다.A method of calculating an input variable according to each case will be described as follows.
[케이스 1][Case 1]
x1(t)는 시간 t에서 한 개의 좌표 값(또는 화소)에 대한 온도이다.x 1 (t) is the temperature for one coordinate value (or pixel) at time t.
x2(t)는 시간 t에서 온도와 이전 데이터 측정시간 t-1에서 온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the temperature change at time t and the change in temperature at the previous data measurement time t-1, and is found by the following equation.
[수학식 10] &Quot; (10) "
x2(t) = x1(t) - x1(t-1)x 2 (t) = x 1 (t) - x 1 (t-1)
특히, 온도의 변화분은 도 24(a)에 도시되는 바와 같다.
Particularly, the change in temperature is as shown in Fig. 24 (a).
[케이스 2][Case 2]
x1(t)는 시간 t에서 한 개의 좌표 값(또는 화소)에 대한 온도이다.x 1 (t) is the temperature for one coordinate value (or pixel) at time t.
x2(t)는 시간 t-23에서 t까지의 누적온도와 t-47에서 t까지의 누적온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the change in cumulative temperature from time t-23 to t and cumulative temperature from t-47 to t, and is found by the following equation.
[수학식 11]&Quot; (11) "
특히, 온도의 변화분은 도 24(b)에 도시되는 바와 같다.
Particularly, the change in temperature is as shown in Fig. 24 (b).
[케이스 3][Case 3]
x1(t)는 시간 t-23에서 t까지의 한 개의 좌표 값의 누적온도이다.x 1 (t) is the cumulative temperature of one coordinate value from time t-23 to t.
x2(t)는 시간 t에서 온도와 이전 데이터 측정시간 t-1에서 온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the temperature change at time t and the change in temperature at the previous data measurement time t-1, and is found by the following equation.
[수학식 12] &Quot; (12) "
x2(t) = x1(t) - x1(t-1)
x 2 (t) = x 1 (t) - x 1 (t-1)
[케이스 4][Case 4]
x1(t)는 시간 t-23에서 t까지의 한 개의 좌표 값의 누적온도이다.x 1 (t) is the cumulative temperature of one coordinate value from time t-23 to t.
x2(t)는 시간 t-23에서 t까지의 누적온도와 t-47에서 t까지의 누적온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the change in cumulative temperature from time t-23 to t and cumulative temperature from t-47 to t, and is found by the following equation.
[수학식 13]&Quot; (13) "
앞서 각 케이스에서, 각 화소의 온도 또는 누적온도와, 해당 온도/누적온도의 변화분을 구하는 연산 관계는 도 25에 도시되는 바와 같다.In each of the above cases, the calculation relation for obtaining the temperature or accumulated temperature of each pixel and the change of the temperature / cumulative temperature is as shown in Fig.
다음으로, 앞서 계산된 온도 및 온도 변화분을 퍼지 추론을 위한 입력변수로 설정하고, 각 입력변수의 퍼지값에 대한 적합도를 구하고, 상기 입력변수들의 퍼지값 조합에 대한 적합도를 구한다(S63).Next, the calculated temperature and temperature changes are set as input variables for fuzzy inference, a fitness for the fuzzy values of the input variables is obtained, and a fitness for the combination of the fuzzy values of the input variables is obtained (S63).
각 입력변수의 퍼지값에 대한 적합도는 각 입력변수의 멤버쉽 함수를 이용하여 구한다. 즉, 멤버쉽 함수에 입력변수의 측정값을 입력값으로 적용할 때, 멤버쉽 함수의 출력값을 해당 입력변수의 적합도로 계산한다.The fit of each input variable to the fuzzy value is obtained by using the membership function of each input variable. In other words, when the measured value of the input variable is applied to the membership function as the input value, the output value of the membership function is calculated as the fitness of the corresponding input variable.
바람직하게는 온도의 입력변수 x1에 대한 퍼지값은 <낮음>, <보통>, <높음>으로 구분되고, 온도 변화의 입력변수 x2에 대한 퍼지값은 <하강>, <유지>, <상승>으로 구분된다. 도 26은 본 발명에 따른 온도의 입력변수에 대한 멤버쉽 함수로서, 각각 (a) 온도의 입력변수의 멤버쉽 함수, 및 (b) 온도 변화분의 입력변수의 멤버쉽 함수를 도시하고 있다.Preferably, the fuzzy values for the input variable x1 of the temperature are divided into <low>, <medium> and <high>, and the fuzzy values for the input variable x2 of the temperature change are <descent>, < . FIG. 26 is a membership function for temperature input variables according to the present invention, and shows the membership functions of input variables of temperature (a) and input variables of temperature change (b), respectively.
그리고 입력변수들의 퍼지값들의 조합에 대한 적합도를 각 조합 내에 포함된 퍼지값의 적합도의 곱으로 구한다. 입력변수들의 퍼지값들의 조합은 (x1, x2) 조합이 가질 수 있는 퍼지값의 조합이다. 앞서의 예에서, 퍼지값들의 조합은 다음과 같이 9가지(3가지 × 3가지)이다.And the fitness for the combination of the fuzzy values of the input variables is multiplied by the fitness of the fuzzy values contained in each combination. The combination of the fuzzy values of the input variables is a combination of the fuzzy values that the (x1, x2) combination can have. In the previous example, the combination of the fuzzy values is 9 (3 x 3) as follows.
(<낮음>, <하강>), (<낮음>, <유지>), (<낮음>, <상승>),(<Low>, <rise>), (<low>, <keep>),
(<보통>, <하강>), (<보통>, <유지>), (<보통>, <상승>),(<Normal>, <descent>), (<normal>, <maintain>),
(<높음>, <하강>), (<높음>, <유지>), (<높음>, <상승>)(<High>, <descent>), (<high>, <maintain>), (<high>
각 조합의 적합도는 조합에 포함된 입력변수의 퍼지값의 적합도의 곱으로 구한다. 예를 들어, 조합 (<낮음>, <하강>)의 적합도는 <낮음> 퍼지값의 적합도와 <하강>퍼지값의 적합도의 곱으로 계산된다.
The fitness of each combination is obtained by multiplying the fitness of the fuzzy value of the input variable included in the combination. For example, the fit of a combination (<low>, <fall>) is calculated as the product of the fit of the <low> fuzzy value and the fit of the <fall> fuzzy value.
다음으로, 입력변수의 각 조합의 적합도를 가중치로 하여, 퍼지 규칙에 의한 추론 결과를 계산한다(S64). 추론 결과는 퍼지 규칙에 의해 입력변수의 각 퍼지값 조합에 의하여 구해지는 출력 퍼지값을 가중합하여 계산된다. 이때, 해당 출력 퍼지값에 각 입력변수의 조합에 대한 적합도로 가중치를 정한다. 바람직하게는 추론결과는 적합도의 합으로 평활화된다.Next, the relevance of each combination of the input variables is used as a weight, and the reasoning result by the fuzzy rule is calculated (S64). The inference results are calculated by weighting the output fuzzy values obtained by combining the fuzzy values of the input variables by the fuzzy rule. At this time, the output fuzzy value is weighted by the fitness for each combination of input variables. Preferably, the inference result is smoothed to a sum of fit.
바람직하게는 퍼지 규칙에 의한 추론 결과 YI는 다음 수식에 의해 구한다.Preferably, the inference result Y I according to the fuzzy rule is obtained by the following equation.
[수학식 14]&Quot; (14) "
여기서, N은 입력변수의 퍼지값 조합의 경우 수이고, wi는 각 입력변수 퍼지값 조합의 적합도이고, fi(x)는 퍼지규칙에 따른 각 입력변수 퍼지값 조합에 대한 출력변수의 퍼지값이다.Here, N is the number of cases of the fuzzy value combination of the input variable, w i is the fitness of each input variable fuzzy value combinations, f i (x) is a fuzzy output variable for each input variable, fuzzy values combined according to the fuzzy rule Value.
이때, 출력변수의 퍼지값은 숫자로 변환되어 계산된다. 바람직하게는, 출력변수의 퍼지값은 <정상>, <주의>, <열화>로 구분되고, 각각, 0, 1, 2의 값의 숫자로 변환되어 계산된다.At this time, the fuzzy value of the output variable is converted into a number and calculated. Preferably, the fuzzy value of the output variable is divided into <normal>, <attention>, and <deterioration>, which are converted into numbers of 0, 1, and 2, respectively.
퍼지 규칙은 퍼지의 입력변수에 대하여 출력되는 변수의 값을 결정하는 규칙이다. 그 일례가 도 27에 도시되고 있다. 도 27에서 보는 바와 같이, 온도 및 온도의 변화분(또는 변화량)의 2가지 입력변수에 대하여 출력변수 값들의 관계들로 표시된다.The fuzzy rule is a rule that determines the value of the output variable for the input variable of fuzzy. An example thereof is shown in Fig. As shown in FIG. 27, the relationship between the output variable values for two input variables of temperature and temperature change (or change amount) is indicated.
또한, 출력변수의 멤버쉽 함수는 도 28에 도시되고 있다. 출력 변수는 사전에 미리 정해진다. 특히, 출력변수의 멤버쉽 함수에 의한 출력은 <정상>, <주의>, <열화>로 구분된다.
The membership function of the output variable is shown in Fig. Output variables are predetermined in advance. In particular, output by the membership function of the output variable is divided into <normal>, <attention>, and <degradation>.
다음으로, 앞서 계산된 추론 결과에서 가장 가까운 출력변수의 퍼지값을 결정한다(S65). 또한, 출력변수의 퍼지값이 결정되면, 상기 출력변수의 퍼지값에 따라 색상을 달리하여 각 화소별로 화면에 표시한다.
Next, the fuzzy value of the output variable closest to the previously calculated reasoning result is determined (S65). Also, when the fuzzy value of the output variable is determined, the color is changed according to the fuzzy value of the output variable and displayed on the screen for each pixel.
다음으로, 본 발명의 제7 실시예에 따른 수배전반의 지능형 열화 진단 방법을 도 29를 참조하여 보다 구체적으로 설명한다.Next, a method for intelligent deterioration diagnosis of a switchboard according to a seventh embodiment of the present invention will be described in more detail with reference to FIG.
본 발명에 따른 제7 실시예는 앞서 설명한 제6 실시예에 비하여, 열화상 영상을 설비 영역으로 구분하여, 영역별로 퍼지 추론을 하는 점에서 상이하다. 이하에서 상이한 점을 중심적으로 설명한다. 그외 설명은 제6 실시예를 참조한다.The seventh embodiment according to the present invention differs from the sixth embodiment described above in that thermal image is divided into facility areas and fuzzy inference is performed for each area. The differences will be mainly described below. Refer to the sixth embodiment for further explanation.
먼저, 열화상 영상에 대하여 설비 영역을 구분한다(S70). 열화상 영상을 획득하고, 획득된 열화상 영상과 저장된 수배전반 설비영역 이미지를 매칭하여, 열화상 영상에서의 각 설비 영역을 설정한다. 또한, 영역에 따라 해당 영역에 배치된 설비가 무엇인지를 판단한다.First, the facility area is distinguished from the thermal image (S70). Obtains the thermal image, and matches the obtained thermal image with the stored power storage facility area image to set each facility area in the thermal image. Also, it is determined what equipment is disposed in the area according to the area.
다음으로, 퍼지 추론을 위하여, 입력 변수의 멤버쉽 함수, 출력 변수의 멤버쉽 함수, 퍼지규칙을 설정한다(S71). 바람직하게는, 입력 변수(또는 출력변수)의 멤버쉽 함수 또는 퍼지규칙을 해당 영역별로 달리 정할 수 있다. 해당 설비에 대한 임계온도를 적용하여 해당 영역의 퍼지의 멤버쉽 함수를 설정한다. 즉, 각 설비 영역의 임계 온도에 따라 온도 또는 누적 온도의 퍼지 추론을 위한 멤버쉽 함수를 달리 정할 수 있다.Next, for fuzzy reasoning, a membership function of an input variable, a membership function of an output variable, and a fuzzy rule are set (S71). Preferably, the membership function or the fuzzy rule of the input variable (or output variable) can be set differently for each region. And the membership function of the fuzzy in the corresponding region is set by applying the critical temperature for the facility. In other words, the membership function for fuzzy inference of temperature or cumulative temperature can be set differently according to the critical temperature of each facility area.
다음으로, 열화상 카메라를 통해 열화상 영상을 획득하고, 상기 열화상 영상으로부터 각 화소의 온도 및 온도 변화(변화값 또는 변화분)를 추출한다(S72).Next, thermal images are acquired through the thermal imaging camera, and temperature and temperature changes (change values or changes) of the respective pixels are extracted from the thermal image (S72).
해당 영역별로 평균 온도는 특정 시점 t에서 획득된 열화상 영상의 영역 내 화소에서 획득된 온도들의 평균이다. 또한, 각 화소의 평균온도 변화(변화분)는 과거시점 t1에서 특정시점 t2(t1 < t2)에서의 온도 평균의 차이이다. 즉, t2 시점의 평균온도에서 t1 시점의 평균온도를 뺀 값이 평균온도 변화분이다.The average temperature for each region is the average of the temperatures obtained in the pixels within the region of the thermal image acquired at the specific time t. In addition, the average temperature change (change) of each pixel is the difference of the temperature averages at the specific time t 2 (t 1 <t 2 ) at the past time t 1 . That is, the value obtained by subtracting the average temperature at the time t 1 from the average temperature at the time t 2 is the average temperature change.
한편, 평균온도 및 평균온도 변화분은 퍼지 추론을 위한 입력변수로서, 다음과 같이 4가지의 경우를 만들 수 있다.On the other hand, mean temperature and mean temperature change are input variables for fuzzy inference, and the following four cases can be made.
[케이스 5] 해당 영역의 평균온도 + 해당 평균온도의 변화분[Case 5] Mean temperature of the region + change of the average temperature
[케이스 6] 해당 영역의 평균온도 + 해당 평균온도의 누적 변화분[Case 6] Cumulative change of average temperature in the relevant area + corresponding average temperature
[케이스 7] 해당 영역의 누적 평균온도 + 해당 평균온도의 변화분[Case 7] Cumulative average temperature of the area + change of the average temperature
[케이스 8] 해당 영역의 누적 평균온도 + 해당 평균온도의 누적 변화분
[Case 8] Cumulative average temperature of the area + cumulative change of the average temperature
상기 각 케이스에 따른 입력변수를 계산하는 방법을 설명하면 다음과 같다.A method of calculating an input variable according to each case will be described as follows.
[케이스 5][Case 5]
x1(t)는 시간 t에서 해당 영역에 대한 평균온도이다.x 1 (t) is the average temperature for the region at time t.
x2(t)는 시간 t에서 평균온도와 이전 데이터 측정시간 t-1에서 평균온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the average temperature at time t and the change in average temperature at the previous data measurement time t-1, and is found by the following equation.
[수학식 15-1] (15-1)
x2(t) = x1(t) - x1(t-1)x 2 (t) = x 1 (t) - x 1 (t-1)
특히, 평균온도의 변화분은 도 30(a)에 도시되는 바와 같다.
Particularly, the change in the average temperature is as shown in Fig. 30 (a).
[케이스 6][Case 6]
x1(t)는 시간 t에서 해당 영역에 대한 평균온도이다.x 1 (t) is the average temperature for the region at time t.
x2(t)는 시간 t-23에서 t까지의 누적평균온도와 t-47에서 t까지의 누적평균온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the cumulative mean temperature from time t-23 to t and the cumulative mean temperature change from t-47 to t, and is found by the following equation.
[수학식 15-2]&Quot; (15-2) "
특히, 온도의 변화분은 도 30(b)에 도시되는 바와 같다.
Particularly, the change in temperature is as shown in Fig. 30 (b).
[케이스 7][Case 7]
x1(t)는 시간 t-23에서 t까지의 해당 영역에 대한 누적평균온도이다.x 1 (t) is the cumulative average temperature for the region from time t-23 to t.
x2(t)는 시간 t에서 평균온도와 이전 데이터 측정시간 t-1에서 평균온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the average temperature at time t and the change in average temperature at the previous data measurement time t-1, and is found by the following equation.
[수학식 16] &Quot; (16) "
x2(t) = x1(t) - x1(t-1)
x 2 (t) = x 1 (t) - x 1 (t-1)
[케이스 8][Case 8]
x1(t)는 시간 t-23에서 t까지의 해당 영역에 대한 누적평균온도이다.x 1 (t) is the cumulative average temperature for the region from time t-23 to t.
x2(t)는 시간 t-23에서 t까지의 누적평균온도와 t-47에서 t까지의 누적평균온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the cumulative mean temperature from time t-23 to t and the cumulative mean temperature change from t-47 to t, and is found by the following equation.
[수학식 17]&Quot; (17) "
앞서 각 케이스에서, 각 화소의 온도 또는 누적온도와, 해당 온도/누적온도의 변화분을 구하는 연산 관계는 도 31에 도시되는 바와 같다.In each of the above cases, the computation relation for obtaining the temperature or cumulative temperature of each pixel and the variation of the temperature / cumulative temperature is as shown in Fig.
다음으로, 앞서 계산된 평균온도 및 평균온도 변화분을 퍼지 추론을 위한 입력변수로 설정하고, 각 입력변수의 퍼지값에 대한 적합도를 구하고, 상기 입력변수들의 퍼지값 조합에 대한 적합도를 구한다(S73). 다음으로, 입력변수의 각 조합의 적합도를 가중치로 하여, 퍼지 규칙에 의한 추론 결과를 계산한다(S74). 다음으로, 앞서 계산된 추론 결과에서 가장 가까운 출력변수의 퍼지값을 결정한다(S65).
Next, the calculated average temperature and average temperature change are set as input variables for fuzzy inference, the fits for the fuzzy values of the respective input variables are obtained, and the fits for the fuzzy value combinations of the input variables are obtained (S73 ). Next, the fitness of each combination of the input variables is weighted, and the inference result by the fuzzy rule is calculated (S74). Next, the fuzzy value of the output variable closest to the previously calculated reasoning result is determined (S65).
다음으로, 본 발명의 제8 실시예에 따른 수배전반의 지능형 열화 진단 방법을 설명한다.Next, an intelligent deterioration diagnosis method for a switchboard according to an eighth embodiment of the present invention will be described.
본 발명에 따른 제8 실시예는 앞서 설명한 제7 실시예에 비하여, 입력변수를 달리 설정하는 점에서 상이하다. 그외 설명은 제7 실시예를 참조한다.The eighth embodiment according to the present invention differs from the seventh embodiment in that input variables are set differently. For further explanation, refer to the seventh embodiment.
본 발명에 따른 제8 실시예는 해당영역의 평균온도와 영역 내의 각 좌표의 온도를 이용하여 열화진단을 하는 방법이다. 이때, 입력변수는 다음과 같이 설정한다.The eighth embodiment according to the present invention is a method of performing deterioration diagnosis using the average temperature of the corresponding region and the temperature of each coordinate within the region. At this time, the input variable is set as follows.
[케이스 9][Case 9]
x1(t)는 시간 t에서 한 개의 좌표 값(또는 화소)에 대한 온도이다.x 1 (t) is the temperature for one coordinate value (or pixel) at time t.
x2(t)는 시간 t에서 온도와 이전 데이터 측정시간 t-1에서 온도의 변화분이고, 다음 수식에 의해 구한다.x 2 (t) is the temperature change at time t and the change in temperature at the previous data measurement time t-1, and is found by the following equation.
[수학식 18] &Quot; (18) "
x2(t) = x1(t) - x1(t-1)x 2 (t) = x 1 (t) - x 1 (t-1)
x3(t)는 시간 t에서 해당 영역에 대한 평균온도이다.
x 3 (t) is the average temperature for the region at time t.
다음으로, 본 발명의 실시예에 따른 예제를 설명한다.Next, an example according to an embodiment of the present invention will be described.
[예제 1][Example 1]
앞서 실시예에서 설정된 퍼지 규칙의 적용을 확인하기 위해 각 좌표점에 대한 온도 및 누적온도를 이용한 케이스 1 ~ 케이스 4중에서 각 좌표점에 대한 온도를 이용한 케이스 1을 예로 설명한다.In order to confirm the application of the fuzzy rule set in the above embodiment,
예를 들어, 열화온도를 28도라고 설정한다. 그리고 입력으로 들어온 좌표 값의 온도를 퍼지 규칙 9개에 해당되도록 도 32의 표와 같이 설정한다. 입력변수와 출력변수의 멤버쉽 함수는 도 33과 같이 설정된다.For example, the deterioration temperature is set to 28 degrees. Then, the temperature of the coordinate value input to the input is set as shown in the table of FIG. 32 so as to correspond to nine fuzzy rules. The membership function of the input variable and the output variable is set as shown in FIG.
다음 식을 이용하여 입력데이터를 입력변수 멤버쉽 함수에 적용한다.Apply the input data to the input variable membership function using the following equation.
[수학식 19]&Quot; (19) "
계산은 도 34와 같이 계산된다. 이렇게 계산된 출력 값들은 출력변수의 멤버쉽함수에 가까운 수로 정의되고, 이 값들을 이용하여 도 35와 같이 표현해준다. 도 35에서, 0은 파랑(정상), 1은 노랑(주의), 2는 빨강(열화)으로 표시하였다.
The calculation is calculated as shown in Fig. The output values thus calculated are defined as numbers close to the membership function of the output variable, and these values are used to express as shown in FIG. In FIG. 35, 0 is indicated by blue (normal), 1 is indicated by yellow (attention), and 2 is indicated by red (deterioration).
[예제 2][Example 2]
앞서 설정된 퍼지규칙의 적용을 확인하기 위해 해당영역에 대한 평균온도 및 누적평균온도를 이용한 케이스 5 ~ 케이스 8중에서 해당영역에 대한 평균온도를 이용한 케이스 5를 예를 들었다. 예를 들어, 열화온도를 28도라고 설정을 한다. 그리고 입력으로 들어온 해당영역의 평균온도를 퍼지규칙 9개에 해당되도록 다음 도 36의 표와 같이 설정한다. 입력변수와 출력변수의 멤버쉽 함수는 도 37과 같이 설정된다.In order to confirm the application of the fuzzy rule set forth above,
시간 t-6에서 추론 결과를 구하는 과정을 설명한다.The procedure for obtaining the speculation result at time t-6 will be described.
이때의 입력변수의 측정값은 x1 = 20, x2 = -2이다. 이를 측정값을 도 37(a)의 멤버쉽 함수에 적용하면, 도 37(b)와 같이, 각 퍼지값에 대한 적합도를 구할 수 있다. 예를 들어, x1의 적합도는 x1의 입력값을 위 그래프의 입력변수의 멤버쉽 함수에 적용하여, 각각 낮음, 보통, 높음에 대한 적합도를 구한다.The measured values of the input variables at this time are x1 = 20 and x2 = -2. When the measurement value is applied to the membership function in Fig. 37A, the fitness for each fuzzy value can be obtained as shown in Fig. 37 (b). For example, the fitness of x1 is obtained by applying the input value of x1 to the membership function of the input variable of the above graph, and the fitness for low, medium, and high, respectively.
즉, 도 38a와 같이, 직선의 방정식을 이용하여 입력변수 멤버쉽 함수의 μi 값을 계산한다. 그리고 각 퍼지값의 조합에 따른 9개의 적합도 wi를 도 38b와 같이 구한다.That is, as shown in FIG. 38A, the value of μ i of the input variable membership function is calculated by using a linear equation. Then, nine fitness values w i according to the combination of the respective fuzzy values are obtained as shown in FIG. 38B.
한편, 퍼지 규칙에 따른 각 조합의 추론 결과는 fi(x)는 도 38c와 같다.On the other hand, the inference result of each combination according to the fuzzy rule is f i (x) as shown in FIG.
이와 같이 각 조합의 적합도 wi와 출력변수의 추론 결과값 fi(x)를 다음 수식에 적용하여 추론 결과를 구한다.In this way, the inference result w i is obtained by applying the fit w i of each combination and the inference result f i (x) of the output variable to the following equation.
[수학식 20]&Quot; (20) "
도 38d와 같이 계산한다. 이렇게 계산된 출력 값들은 출력변수의 멤버쉽함수에 가까운 수로 정의되고, 이 값들을 이용하여 도 39와 같이 표현해준다. 이때, 0은 정상, 1은 주의, 2는 열화를 표시한다.
38d. The calculated output values are defined by the number close to the membership function of the output variable, and these values are used to express as shown in FIG. At this time, 0 indicates normal, 1 indicates attention, and 2 indicates deterioration.
[예제 3][Example 3]
앞에서 설정된 퍼지규칙의 적용을 확인하기 위해 각 좌표점에 대한 온도 및 누적온도를 이용한 케이스 1 ~ 케이스 4중에서 각 좌표점에 대한 온도를 이용한 케이스 4를 예로 들었다. 예를 들어, 누적열화온도를 672도라고 설정을 한다. 그리고 입력으로 들어온 좌표 값의 온도를 퍼지규칙 9개에 해당되도록 도 40의 표와 같이 설정한다. 입력변수와 출력변수의 멤버쉽 함수는 도 41과 같이 설정된다.In order to confirm the application of the fuzzy rule set forth above,
다음 식을 이용하여 입력데이터를 입력변수 멤버쉽 함수에 적용한다.Apply the input data to the input variable membership function using the following equation.
[수학식 21]&Quot; (21) "
도 42와 같이 계산한다. 이렇게 계산된 출력 값들은 출력변수의 멤버쉽함수에 가까운 수로 정의되고, 이 값들을 이용하여 도 43과 같이 표현해준다. 이때, 0은 파랑(정상), 1은 노랑(주의), 2는 빨강(열화)으로 표시된다.
As shown in Fig. The output values thus calculated are defined as the numbers close to the membership functions of the output variables, and these values are used to express as shown in FIG. At this time, 0 is displayed as blue (normal), 1 is displayed as yellow (attention), and 2 is displayed as red (deteriorated).
[예제 4][Example 4]
앞에서 설정된 퍼지규칙의 적용을 확인하기 위해 해당영역에 대한 평균온도 및 누적평균온도를 이용한 케이스 5 ~ 케이스 8중에서 해당영역에 대한 누적평균온도를 이용한 케이스 8을 예를 들었다. 예를 들어, 누적열화온도를 672도라고 설정을 한다. 그리고 입력으로 들어온 해당영역의 누적평균온도를 퍼지규칙 9개에 해당되도록 도 44의 표와 같이 설정한다. 입력변수와 출력변수의 멤버쉽 함수는 도 45와 설정된다.In order to confirm the application of the fuzzy rule set forth above,
도 46과 같이 계산한다. 이렇게 계산된 출력 값들은 출력변수의 멤버쉽함수에 가까운 수로 정의되고, 이 값들을 이용하여 도 47과 같이 표현해준다. 이때, 0은 정상, 1은 주의, 2는 열화를 표시한다.
As shown in Fig. The output values thus calculated are defined as the numbers close to the membership functions of the output variables, and these values are used to express as shown in FIG. At this time, 0 indicates normal, 1 indicates attention, and 2 indicates deterioration.
이상, 본 발명자에 의해서 이루어진 발명을 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 실시 예에 한정되는 것은 아니고, 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.The invention made by the present inventors has been described concretely with reference to the embodiments. However, it is needless to say that the present invention is not limited to the embodiments, and that various changes can be made without departing from the gist of the present invention.
10 : 수배전반 11 : 구성 설비
20 : 어레이 센서부 21 : 열화상 카메라
30 : 감시 장치 31 : 센서 수신부
32 : 표시부 33 : 영상구분부
34 : 이상유무 판단부 35 : 알람부
36 : 저장부
40 : 원격 서버
210 : 렌즈부 220 : 픽셀어레이부
230 : 신호처리부 240 : 이미지 처리부10: Switchboard 11: Configuration equipment
20: array sensor unit 21: thermal imaging camera
30: Monitoring device 31: Sensor receiving part
32: display section 33:
34: abnormality determination unit 35: alarm unit
36:
40: remote server
210: lens part 220: pixel array part
230: signal processing unit 240: image processing unit
Claims (10)
(b) 입력 변수의 멤버쉽 함수, 출력 변수의 멤버쉽 함수, 및, 퍼지규칙을 설정하는 단계;
(c) 열화상 카메라를 통해 열화상 영상을 획득하고, 상기 열화상 영상으로부터 각 화소의 온도 및 온도 변화분을 추출하는 단계;
(d) 온도 및 온도 변화분을 퍼지 추론을 위한 입력변수로 설정하고, 설정된 입력변수의 퍼지값 조합에 대한 적합도를 구하는 단계;
(e) 입력변수의 각 조합의 적합도를 가중치로 하여, 퍼지 규칙에 의한 추론 결과를 계산하는 단계; 및,
(f) 계산된 추론 결과를 상기 출력 변수의 다수의 퍼지값과 각각 대비하여 차이를 구하고, 상기 추론 결과와의 차이가 가장 작은 상기 출력 변수의 퍼지값을 결정하는 단계를 포함하는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
In an intelligent deterioration diagnosis method for a switchboard,
(b) setting a membership function of the input variable, a membership function of the output variable, and a fuzzy rule;
(c) obtaining a thermal image through a thermal imaging camera, and extracting temperature and temperature variations of each pixel from the thermal image;
(d) setting a temperature and a temperature change as input variables for fuzzy inference, and obtaining a fitness for a set of fuzzy values of the set input variables;
(e) calculating a result of inference based on the fuzzy rule with the fitness of each combination of input variables as a weight; And
(f) determining a difference between the calculated inference results and a plurality of the fuzzy values of the output variable, and determining a fuzzy value of the output variable having the smallest difference from the inference result Intelligent Deterioration Diagnosis Method of Switchboard.
(a) 열화상 영상에 대하여 설비 영역을 구분하는 단계;
(b) 영역별로 입력 변수의 멤버쉽 함수, 출력 변수의 멤버쉽 함수, 및, 퍼지규칙을 설정하는 단계;
(c) 열화상 카메라를 통해 열화상 영상을 획득하고, 상기 열화상 영상으로부터 각 영역별로 평균온도 및 평균온도 변화분을 추출하는 단계;
(d) 영역별로 평균온도 및 평균온도 변화분을 퍼지 추론을 위한 입력변수로 설정하고, 설정된 입력변수의 퍼지값 조합에 대한 적합도를 구하는 단계;
(e) 입력변수의 각 조합의 적합도를 가중치로 하여, 퍼지 규칙에 의한 추론 결과를 계산하는 단계; 및,
(f) 계산된 추론 결과를 상기 출력 변수의 다수의 퍼지값과 각각 대비하여 차이를 구하고, 상기 추론 결과와의 차이가 가장 작은 상기 출력 변수의 퍼지값을 결정하는 단계를 포함하는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
In an intelligent deterioration diagnosis method for a switchboard,
(a) identifying a facility area for a thermal image;
(b) setting a membership function of the input variable, a membership function of the output variable, and a fuzzy rule for each region;
(c) obtaining a thermal image through a thermal imaging camera, and extracting an average temperature and an average temperature change for each region from the thermal image;
(d) setting an average temperature and an average temperature change for each region as input variables for fuzzy inference, and calculating a fitness for a set of fuzzy values of the set input variables;
(e) calculating a result of inference based on the fuzzy rule with the fitness of each combination of input variables as a weight; And
(f) determining a difference between the calculated inference results and a plurality of the fuzzy values of the output variable, and determining a fuzzy value of the output variable having the smallest difference from the inference result Intelligent Deterioration Diagnosis Method of Switchboard.
상기 (f)단계에서, 결정된 출력변수의 퍼지값에 따라 색상을 달리하여 각 화소별로 화면에 표시하는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
3. The method according to claim 1 or 2,
Wherein the display is displayed on the screen for each pixel by changing the color according to the determined fuzzy value of the output variable in the step (f).
상기 온도 및 온도 변화분에 대한 입력변수는, 각 화소의 온도 및 해당 온도의 변화분, 각 화소의 온도 및 해당 온도의 누적 변화분, 각 화소의 누적 온도 및 해당 온도의 변화분, 각 화소의 누적 온도 및 해당 온도의 누적 변화분 중 어느 하나인 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
The method according to claim 1,
The input variables for the temperature and the temperature change include the temperature of each pixel, the change of the corresponding temperature, the temperature of each pixel, the cumulative change of the temperature, the cumulative temperature of each pixel, the change of the temperature, The accumulated temperature, and the cumulative variation of the temperature.
상기 평균온도 및 평균온도 변화분에 대한 입력변수는, 해당 영역의 평균온도 및 해당 평균온도의 변화분, 해당 영역의 평균온도 및 해당 평균온도의 누적 변화분, 해당 영역의 누적 평균온도 및 해당 평균온도의 변화분, 해당 영역의 누적 평균온도 및 해당 평균온도의 누적 변화분 중 어느 하나인 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
3. The method of claim 2,
The input variables for the average temperature and the average temperature change include the average temperature of the region and the change of the average temperature, the average temperature of the region and the cumulative change of the average temperature, the cumulative average temperature of the region, The cumulative average temperature of the corresponding region, and the cumulative variation of the average temperature.
상기 (d)단계에서, 각 입력변수의 퍼지값에 대한 적합도를 구하고, 상기 퍼지값 조합의 적합도를 각 조합에 구성된 퍼지값의 적합도의 곱으로 구하는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
3. The method according to claim 1 or 2,
Wherein in the step (d), the fitness for the fuzzy value of each input variable is obtained, and the fitness of the combination of the fuzzy values is obtained as a product of the fitness of the fuzzy values formed for each combination.
상기 (e)단계에서, 상기 퍼지 규칙에 의한 추론 결과 YI는 다음 수식에 의해 구하는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
[수식 1]
단, N은 입력변수의 퍼지값 조합의 경우 수이고, wi는 각 입력변수 퍼지값 조합의 적합도이고, fi(x)는 퍼지규칙에 따른 각 입력변수 퍼지값 조합에 대한 출력변수의 퍼지값임.
3. The method according to claim 1 or 2,
Wherein in the step (e), the inference result Y I by the fuzzy rule is obtained by the following equation.
[Equation 1]
Where, N is a number for fuzzy value combination of the input variable, w i is the fitness of each input variable fuzzy value combinations, f i (x) is a fuzzy output variable for each input variable, fuzzy values combined according to the fuzzy rule Value.
상기 (a)단계에서, 사전에 저장된 설비구성 이미지와 상기 열화상 영상의 이미지에서 서로 대응되는 특징점을 찾고, 상기 특징점을 이용하여 상기 열화상 영상의 이미지에 대하여 이미지의 크기 및 시점이 일치되도록 상기 설비구성 이미지를 조정하고, 조정된 설비구성 이미지의 설비 영역에 대응하여 상기 열화상 영상의 이미지를 영역별로 구분하는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
3. The method of claim 2,
In the step (a), minutiae points corresponding to each other in the image of the facility image and the image of the thermal image stored in advance are searched, and the size and the viewpoint of the image are matched with the image of the thermal image using the minutiae Adjusting the facility configuration image and sorting the image of the thermal image by area in correspondence with the facility area of the adjusted facility configuration image.
상기 (a)단계에서, 상기 설비구성 이미지와 상기 열화상 영상의 이미지에서 에지를 구하고, 2개의 이미지의 에지 중에서 매칭되는 에지(이하 특징 에지)를 찾고, 상기 특징 에지 내에서 특징점을 찾는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
9. The method of claim 8,
In the step (a), an edge is obtained from the image of the facility construction image and the thermal image, and an edge (hereinafter referred to as a characteristic edge) that matches with the edge of the two images is searched for and a characteristic point is found within the characteristic edge The method comprising the steps of:
상기 (a)단계에서, 상기 설비구성 이미지에서 가장 높은 온도의 설비에 해당하는 영역과, 상기 열화상 영상의 이미지 중에서 상위에 속하는 온도 이상인 픽셀 부분의 영역을 비교하여 특징점을 찾는 것을 특징으로 하는 수배전반의 지능형 열화 진단 방법.
9. The method of claim 8,
Wherein in the step (a), a feature point is found by comparing an area corresponding to a facility with the highest temperature in the facility construction image and an area of a pixel part higher than a temperature belonging to an upper part of the image of the thermal image, Of the intelligent deterioration diagnosis method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140043395A KR101421591B1 (en) | 2014-04-11 | 2014-04-11 | An intelligent deterioration diagnosing system for a distributing board by using the 2D thermopile IR image and the method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140043395A KR101421591B1 (en) | 2014-04-11 | 2014-04-11 | An intelligent deterioration diagnosing system for a distributing board by using the 2D thermopile IR image and the method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101421591B1 true KR101421591B1 (en) | 2014-08-13 |
Family
ID=51748795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140043395A KR101421591B1 (en) | 2014-04-11 | 2014-04-11 | An intelligent deterioration diagnosing system for a distributing board by using the 2D thermopile IR image and the method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101421591B1 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101557983B1 (en) | 2014-09-15 | 2015-10-08 | 지투파워 (주) | High voltage distributing board, low voltage distributing board, distributing board, motor contorl board having an intelligent function of monitoring deterioration |
| KR101627429B1 (en) * | 2014-11-28 | 2016-06-08 | 충남대학교산학협력단 | A multiple sensor based diagnostic system for the power distribution line |
| KR101635000B1 (en) | 2015-06-26 | 2016-07-08 | (주) 비엑스 솔루션 | Fire detector and system using plural cameras |
| KR20180063662A (en) * | 2016-12-02 | 2018-06-12 | 주식회사 효림테크 | Distributing board having function of sensing high temperature of multi area |
| KR20180071626A (en) | 2016-12-20 | 2018-06-28 | 주식회사 해강에이피 | Apparatus and system for detecting symptom of fire and gas leak |
| CN113126403A (en) * | 2021-04-19 | 2021-07-16 | 深圳市和天创科技有限公司 | Heat dissipation control method and system for projector |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100947785B1 (en) * | 2009-05-11 | 2010-03-15 | 성보전기공업 주식회사 | The incoming panel and switchboard will be able to measure the temperature of the internal parts which leads the temperature determination camera |
-
2014
- 2014-04-11 KR KR1020140043395A patent/KR101421591B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100947785B1 (en) * | 2009-05-11 | 2010-03-15 | 성보전기공업 주식회사 | The incoming panel and switchboard will be able to measure the temperature of the internal parts which leads the temperature determination camera |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101557983B1 (en) | 2014-09-15 | 2015-10-08 | 지투파워 (주) | High voltage distributing board, low voltage distributing board, distributing board, motor contorl board having an intelligent function of monitoring deterioration |
| KR101627429B1 (en) * | 2014-11-28 | 2016-06-08 | 충남대학교산학협력단 | A multiple sensor based diagnostic system for the power distribution line |
| KR101635000B1 (en) | 2015-06-26 | 2016-07-08 | (주) 비엑스 솔루션 | Fire detector and system using plural cameras |
| KR20180063662A (en) * | 2016-12-02 | 2018-06-12 | 주식회사 효림테크 | Distributing board having function of sensing high temperature of multi area |
| KR20180071626A (en) | 2016-12-20 | 2018-06-28 | 주식회사 해강에이피 | Apparatus and system for detecting symptom of fire and gas leak |
| CN113126403A (en) * | 2021-04-19 | 2021-07-16 | 深圳市和天创科技有限公司 | Heat dissipation control method and system for projector |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101421588B1 (en) | A deterioration diagnosing method for a distributing board, motor control panel, and cabinet panel based on temperature area variations of the IR image for 2 Dimensional thermopile array | |
| KR101417765B1 (en) | A deterioration diagnosing system for a distributing board using the IR image of 2 Dimensional thermopile array and the method thereof | |
| KR101421591B1 (en) | An intelligent deterioration diagnosing system for a distributing board by using the 2D thermopile IR image and the method thereof | |
| KR101417771B1 (en) | A deterioration monitoring system for a distributing board on based IR image using 2 Dimensional thermopile array and the method thereof | |
| KR100984679B1 (en) | Estimation system of detecting the deterioration of switchgear by using a heat image camera | |
| KR101635000B1 (en) | Fire detector and system using plural cameras | |
| US10539502B2 (en) | Moisture measurement device with thermal imaging capabilities and related methods | |
| US20140104415A1 (en) | Measurement device for electrical installations and related methods | |
| CN103776542B (en) | Thermal image diagnosis device and thermal image diagnosis method | |
| EP3660782B1 (en) | Anomalous pixel detection | |
| WO2015058166A2 (en) | Measurement device for lighting installations and related methods | |
| US11877087B2 (en) | Methods and systems for remote monitoring of electrical equipment | |
| KR101194021B1 (en) | Distributing board using many area temperature sensing | |
| WO2014043592A2 (en) | Measurement device for electrical installations and related methods | |
| KR100844961B1 (en) | Method and system for automatically diagnosing electronic equipment using pattern recognition of thermal image | |
| US20100044567A1 (en) | In-cabinet thermal monitoring method and system | |
| KR20170047979A (en) | Degradation diagnosis system using a thermo-graphic camera in a distributing board | |
| US20100131225A1 (en) | System and method for detecting thermographic anomalies | |
| AU2010329183A1 (en) | Photovoltaic power generation system | |
| US20170078544A1 (en) | Electrical isolation for a camera in a test and measurement tool | |
| CN111308283A (en) | Multifunctional switch cabinet working state sensor and early warning method | |
| KR101637989B1 (en) | Method and apparatus for performing high resolution thermal image based fire surveillance through integration of sensors and thermovision camera | |
| WO2019100030A1 (en) | Remote monitoring of electrical equipment with multi-factor historical / statistical anomaly detection and prediction | |
| KR102497380B1 (en) | Smart system for power supply distribution and the method using it | |
| KR20150078385A (en) | Distribution board |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170626 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180702 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190731 Year of fee payment: 6 |