KR20230110043A - Ai를 이용한 ami 설비 이상 탐지 방법 및 장치 - Google Patents
Ai를 이용한 ami 설비 이상 탐지 방법 및 장치 Download PDFInfo
- Publication number
- KR20230110043A KR20230110043A KR1020220006065A KR20220006065A KR20230110043A KR 20230110043 A KR20230110043 A KR 20230110043A KR 1020220006065 A KR1020220006065 A KR 1020220006065A KR 20220006065 A KR20220006065 A KR 20220006065A KR 20230110043 A KR20230110043 A KR 20230110043A
- Authority
- KR
- South Korea
- Prior art keywords
- ami
- data
- facility
- pattern
- equipment
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 230000005856 abnormality Effects 0.000 claims abstract description 42
- 238000004891 communication Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013075 data extraction Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/40—Display of information, e.g. of data or controls
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/30—Smart metering, e.g. specially adapted for remote reading
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Selective Calling Equipment (AREA)
Abstract
본 발명은 AI를 이용한 AMI 설비 이상 탐지 방법 및 장치에 관한 것이다. 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 방법은, (a) AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신하는 단계; 및 (b) 상기 AMI 데이터에 기반하여 상기 AMI 설비의 이상 유무를 판단하는 단계;를 포함할 수 있다.
Description
본 발명은 AI를 이용한 AMI 설비 이상 탐지 방법 및 장치에 관한 것으로, 더욱 상세하게는 AMI 설비에 대한 설비 정보, 검침 정보, NMS 정보 및 보안 정보를 이용한 AI 기반 AMI 설비 이상 탐지 방법 및 장치에 관한 것이다.
AMI(Advanced Metering Infrastructure, 지능형 전력계량 인프라)는 계량정보 전송을 위한 국가적인 통신망이라 할 수 있으며, 전국의 한전 저압수용가 2,250만호를 대상으로 활발한 구축사업이 진행 중이다.
AMI 시스템은 스마트 미터(Smart Meter), 모뎀, DCU(Data Concentration Unit, 데이터 집중장치), FEP 서버 등 다양한 설비와 시스템으로 이루어져 있어, 이를 운영하고 유지보수 하는 데에는 수많은 비용과 인력이 소요된다.
현재는 계량 데이터의 누락 여부만으로 장애 여부 판단, 단순히 일정시간(수시간) 동안 계량 데이터가 수집되지 않는 경우에서 장애로 판단하며, 이에 따라 장애상황을 사전에 판단할 수 없다는 문제점이 발생한다.
또한, 현재 계량 데이터가 수집되어 정상 설비로 판단되었으나, 짧은 주기로 장애/복구가 반복되어 계량 데이터가 적시에 수집되지 않는 경우가 자주 발생하는 AMI 설비의 경우에 점검이 필요하나 이에 대한 판단이 어렵다는 문제점이 발생한다.
본 발명은 전술한 문제점을 해결하기 위하여 창출된 것으로, AI를 이용한 AMI 설비 이상 탐지 방법 및 장치를 제공하는 것을 그 목적으로 한다.
또한, 본 발명은 AMI 설비의 장애징후를 이상탐지 기능을 통해 사전에 파악하기 위한 방법 및 장치를 제공하는 것을 그 목적으로 한다.
또한, 본 발명은 AMI 설비의 자동 장애 원인 분류 기능을 제공하기 위한 방법 및 장치를 제공하는 것을 그 목적으로 한다.
또한, 본 발명은 장애 판단 및 장애 원인 분류를 위한 사전 규칙 등록이 필요없고 장애원인을 지속적으로 학습하여 적용 가능하도록 하기 위한 방법 및 장치를 제공하는 것을 그 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상기한 목적들을 달성하기 위하여, 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 방법은, (a) AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신하는 단계; 및 (b) 상기 AMI 데이터에 기반하여 상기 AMI 설비의 이상 유무를 판단하는 단계;를 포함할 수 있다.
실시예에서, 상기 (b) 단계는, 상기 AMI 데이터의 패턴과 미리 정의된 정상 데이터의 패턴의 차이값이 임계값보다 큰 경우, 상기 AMI 데이터를 이상설비 탐지 AI 모델에 적용하여 상기 AMI 설비의 이상이 있음을 결정하는 단계;를 포함할 수 있다.
실시예에서, AI를 이용한 AMI 설비 이상 탐지 방법은, 상기 상기 (b) 단계 이후에, 상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 시각화하여 표시하는 단계;를 더 포함할 수 있다.
실시예에서, AI를 이용한 AMI 설비 이상 탐지 방법은, 상기 (b) 단계 이후에, 상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 미리 정의된 이상 데이터의 패턴과 매칭하는 단계; 및 상기 매칭 결과에 따라, 상기 AMI 데이터를 장애원인 판단 AI 모델에 적용하여, 상기 미리 정의된 이상 데이터의 패턴에 대응하는 상기 AMI 설비의 장애 원인을 결정하는 단계;를 더 포함할 수 있다.
실시예에서, AI를 이용한 AMI 설비 이상 탐지 방법은, 상기 (b) 단계 이후에, 상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴이 상기 미리 정의된 이상 데이터의 패턴과 매칭되지 않는다면, 상기 AMI 데이터의 패턴에 따라 사용자에 의해 등록된 상기 AMI 설비의 장애 원인을 저장하는 단계;더 포함할 수 있다.
실시예에서, AI를 이용한 AMI 설비 이상 탐지 방법은, 상기 (a) 단계 이후에, 상기 AMI 설비에 대한 검침 정보를 일정 기간 동안 수신하는 단계; 및 상기 수신된 검침 정보를 이용하여 이상설비 탐지 AI 모델을 학습시키는 단계;를 더 포함할 수 있다.
실시예에서, AI를 이용한 AMI 설비 이상 탐지 장치는, AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신하는 통신부; 및 상기 AMI 데이터에 기반하여 상기 AMI 설비의 이상 유무를 판단하는 제어부;를 포함할 수 있다.
실시예에서, 상기 제어부는, 상기 AMI 데이터의 패턴과 미리 정의된 정상 데이터의 패턴의 차이값이 임계값보다 큰 경우, 상기 데이터를 이상설비 탐지 AI 모델에 적용하여 상기 AMI 설비의 이상이 있음을 결정할 수 있다.
실시예에서, 상기 AI를 이용한 AMI 설비 이상 탐지 장치는, 상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 시각화하여 표시하는 표시부;를 더 포함할 수 있다.
실시예에서, 상기 제어부는, 상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 미리 정의된 이상 데이터의 패턴과 매칭하고, 상기 매칭 결과에 따라, 상기 AMI 데이터를 장애원인 판단 AI 모델에 적용하여, 상기 미리 정의된 이상 데이터의 패턴에 대응하는 상기 AMI 설비의 장애 원인을 결정할 수 있다.
실시예에서, 상기 AI를 이용한 AMI 설비 이상 탐지 장치는, 상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴이 상기 미리 정의된 이상 데이터의 패턴과 매칭되지 않는다면, 상기 AMI 데이터의 패턴에 따라 사용자에 의해 등록된 상기 AMI 설비의 장애 원인을 저장하는 저장부;를 더 포함할 수 있다.
실시예에서, 상기 통신부는, 상기 AMI 설비에 대한 검침 정보를 일정 기간 동안 수신하고, 상기 제어부는, 상기 수신된 검침 정보를 이용하여 이상설비 탐지 AI 모델을 학습시킬 수 있다.
상기한 목적들을 달성하기 위한 구체적인 사항들은 첨부된 도면과 함께 상세하게 후술될 실시예들을 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라, 서로 다른 다양한 형태로 구성될 수 있으며, 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자(이하, "통상의 기술자")에게 발명의 범주를 완전하게 알려주기 위해서 제공되는 것이다.
본 발명의 일 실시예에 의하면, AMI 통신망 운영 효율을 향상시키고, 적시 검침율을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 의하면, 장애처리 시간 단축 및 AMI 운영 및 유지보수 비용을 절감할 수 있다.
또한, 본 발명의 일 실시예에 의하면, AMI 설비의 장애 처리 및 운영 업무 효율을 향상시킬 수 있다.
본 발명의 효과들은 상술된 효과들로 제한되지 않으며, 본 발명의 기술적 특징들에 의하여 기대되는 잠정적인 효과들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 장치의 AMI 설비 이상탐지 엔진의 기능적 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 이상 AMI 설비에 대한 AMI 데이터의 시각화를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 AMI 설비 이상탐지 프로세스를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 방법을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 장치의 기능적 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 이상 AMI 설비에 대한 AMI 데이터의 시각화를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 AMI 설비 이상탐지 프로세스를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 방법을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 장치의 기능적 구성을 도시한 도면이다.
본 발명은 다양한 변경을 가할 수 있고, 여러 가지 실시예들을 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
청구범위에 개시된 발명의 다양한 특징들은 도면 및 상세한 설명을 고려하여 더 잘 이해될 수 있을 것이다. 명세서에 개시된 장치, 방법, 제법 및 다양한 실시예들은 예시를 위해서 제공되는 것이다. 개시된 구조 및 기능상의 특징들은 통상의 기술자로 하여금 다양한 실시예들을 구체적으로 실시할 수 있도록 하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다. 개시된 용어 및 문장들은 개시된 발명의 다양한 특징들을 이해하기 쉽게 설명하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다.
본 발명을 설명함에 있어서, 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.
이하, 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 방법 및 장치를 설명한다.
도 1은 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 장치(100)의 AMI 설비 이상탐지 엔진(101)의 기능적 구성을 도시한 도면이다. 도 2는 본 발명의 일 실시예에 따른 이상 AMI 설비에 대한 AMI 데이터의 시각화를 도시한 도면이다.
도 1을 참고하면, AI를 이용한 AMI 설비 이상 탐지 장치(100)의 AMI 설비 이상탐지 엔진(101)은 데이터 추출부(111), 정상 데이터 학습부(112), 이상설비 탐지부(121), 이상설비 출력부(122), 장애원인 등록부(131), 장애원인 학습부(132), 장애원인 판단부(133) 및 장애원인 출력부(134)를 포함할 수 있다.
AMI 시스템은 스마트 미터(Smart Meter), 모뎀, DCU(Data Concentration Unit, 데이터 집중장치), FEP 서버 및 AMI 운영 서버를 포함할 수 있다.
일 실시예에서, AMI 설비 이상 탐지 장치(100)는 AMI 운영 서버를 포함할 수 있다. 또한, AMI 설비는 스마트 미터를 포함할 수 있다.
데이터 추출부(111)는 AMI 설비에 대한 설비 정보, 검침 정보, NMS 정보 및 보안 정보 중 적어도 하나를 포함하는 최근 N일 AMI 데이터를 추출하고 학습을 위해 필터링 기능을 수행할 수 있다.
일 실시예에서, 설비 정보는 DCU정보, 모뎀 정보 및 미터(Meter) 정보를 포함할 수 있다.
일 실시예에서, 검침 정보는 DCU ID, 모뎀 MAC, 계기ID, 서버시간, 계기시간, DCU시간, 검침 성공 여부 정보를 포함할 수 있다.
일 실시예에서, NMS(Network Management System) 정보는 통신성능 및 시스템 성능정보를 포함할 수 있다. 예를 들어, NMS 정보는 일시, up_bps, down_bps, 시스템상태, cpu사용량, 메모리사용량, 온도를 포함하는 DCU 성능과 일시, bps_tx, bps_rx, agc_tx, agc_rx, rssi_rx, lqi_rx를 포함하는 모뎀 성능을 포함할 수 있다.
일 실시예에서, 보안 정보는 인증실패 정보, 암복호화 실패 정보를 포함할 수 있다.
정상 데이터 학습부(112)는 현재부터 직전 AMI 설비별 수집 주기(예: 15분, 60분) 이내에 검침 정보가 수집된 AMI 설비를 대상으로 데이터 추출부(111)를 통해 학습용 데이터를 추출해 정상 AMI 설비의 검침 정보, 성능 정보 및 보안 정보의 데이터 패턴을 학습할 수 있다. 이후 정상 데이터 학습부(112)는 학습 결과 생성된 이상설비 탐지 AI 모델을 저장할 수 있다.
이상설비 탐지부(121)는 이상설비 탐지 AI 모델을 이용하여 AMI 설비의 이상 여부를 판단할 수 있다.
도 2를 참고하면, 이상설비 출력부(122)는 AMI 설비가 이상 설비인 경우 해당 AMI 데이터를 시각화하여 표시할 수 있다.
장애원인 등록부(131)는 이상 설비로 분류된 AMI 설비 또는 장애 설비별 예측된 장애 원인에 따라 사용자에 의해 점검되고 조치된 실제 장애 원인을 등록할 수 있다.
장애원인 학습부(132)는 데이터 추출부(111)를 통해 장애 원인이 등록된 장애 설비의 최근 AMI 데이터의 패턴을 학습할 수 있다. 이후, 장애원인 학습부(132)는 학습 결과 생성된 장애원인 판단 AI 모델을 저장할 수 있다.
장애원인 판단부(133)는 해당 AMI 설비가 이상 설비로 판단된 경우 장애원인 판단 AI 모델을 이용하여 장애 원인을 판단하고, 판단된 장애 원인이 미리 정의된 장애 원인에 없는 경우에는 이상 설비로 분류할 수 있다.
장애원인 출력부(134)는 예측된 장애 설비 및 장애 원인 목록을 표시할 수 있다.
도 3은 본 발명의 일 실시예에 따른 AMI 설비 이상탐지 프로세스를 도시한 도면이다. 일 실시예에서, 도 3의 각 단계는 AMI 설비 이상 탐지 장치(100)에 의해 수행될 수 있다.
도 3을 참고하면, S301 단계에서, AMI 설비에 대한 설비 정보, 검침 정보, NMS 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 추출할 수 있다.
S302 단계에서, AMI 데이터에 기반한 이상설비 탐지 AI 모델을 실행할 수 있다.
S303 단계에서, AMI 데이터를 이상설비 탐지 AI 모델에 적용하여 AMI 설비가 이상 설비인지 여부를 결정할 수 있다.
S304 단계에서, AMI 설비가 이상 설비인 경우, AMI 데이터에 기반한 장애원인 판단 AI 모델을 실행할 수 있다.
S305 단계에서, AMI 데이터를 장애원인 판단 AI 모델에 적용하여, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되는지 여부를 판단할 수 있다.
S306 단계에서, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되는 경우, 해당 AMI 설비의 장애 원인을 결정할 수 있다.
S307 단계에서, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되지 않는 경우, 해당 AMI 설비가 이상 설비임을 결정할 수 있다.
S308 단계에서, 이상 설비에 해당하는 AMI 설비에 대한 사용자의 조치 입력 및 장애 원인 입력을 수신할 수 있다.
S309 단계에서, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되는 경우, 미리 정의된 이상 데이터의 패턴과 매칭되는 AMI 데이터의 패턴에 따른 장애 원인을 등록할 수 있다. 일 실시예에서, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되지 않는 경우, 사용자의 입력에 의한 장애 원인을 등록할 수 있다.
S310 단계에서, 등록된 장애 원인에 대응하는 AMI 데이터를 일정 기간 동안 추출 및 샘플링할 수 있다.
S311 단계에서, 샘플링된 AMI 데이터를 장애원인 판단 AI 모델에 적용하여 해당 장애 원인을 학습시킬 수 있다.
S312 단계에서, 일정 수집 주기 동안 검침 정보를 획득할 수 있다.
S313 단계에서, 일정 수집 주기 동안 검침 정보가 획득되는 것에 따라 검침 성공 여부를 결정할 수 있다.
S314 단계에서, 검침에 성공한 경우, 획득된 검침 정보를 일정 기간 동안 추출 및 샘플링할 수 있다.
S315 단계에서, 샘플링된 검침 정보를 이상설비 탐지 AI 모델에 적용하여 정상 데이터의 패턴을 학습시킬 수 있다.
도 4는 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 방법을 도시한 도면이다.
도 4를 참고하면, S401 단계는, AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신하는 단계이다.
S401 단계 이후에, AMI 설비에 대한 검침 정보를 일정 기간 동안 수신하고, 상기 수신된 검침 정보를 이용하여 이상설비 탐지 AI 모델을 학습시킬 수 있다.
S403 단계는, AMI 데이터에 기반하여 AMI 설비의 이상 유무를 판단하는 단계이다.
일 실시예에서, AMI 데이터의 패턴과 미리 정의된 정상 데이터의 패턴의 차이값이 임계값보다 큰 경우, AMI 데이터를 이상설비 탐지 AI 모델에 적용하여 AMI 설비의 이상이 있음을 결정할 수 있다.
일 실시에에서, S403 단계 이후에, AMI 설비의 이상이 있는 경우, AMI 데이터의 패턴을 시각화하여 표시할 수 있다.
일 실시에에서, S403 단계 이후에, AMI 설비의 이상이 있는 경우, AMI 데이터의 패턴을 미리 정의된 이상 데이터의 패턴과 매칭하고, 매칭 결과에 따라, AMI 데이터를 장애원인 판단 AI 모델에 적용하여, 미리 정의된 이상 데이터의 패턴에 대응하는 AMI 설비의 장애 원인을 결정할 수 있다.
일 실시에에서, S403 단계 이후에, AMI 설비의 이상이 있는 경우, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되지 않는다면, AMI 데이터의 패턴에 따라 사용자에 의해 등록된 AMI 설비의 장애 원인을 저장할 수 있다.
일 실시예에서, AMI 설비의 설비 정보의 DCU 정보 및 모뎀 정보와 스마트 미터의 검침 정보 각각의 데이터 패턴과 정상 데이터의 패턴의 차이값이 제1 임계값보다 큰 경우, NMS 정보의 데이터 패턴과 정상 데이터의 패턴의 차이값이 제2 임계값보다 큰지 여부를 판단할 수 있다.
이 경우, NMS 정보의 데이터 패턴과 정상 데이터의 패턴의 차이값이 제2 임계값보다 크지 않다면, AMI 설비 중 DCU와 모뎀은 정상 설비인 것으로 판단하고, 스마트 미터를 이상 설비인 것으로 결정할 수 있다.
즉, 스마트 미터가 이상 설비임에 따라, 스마트 미터로부터 검침 정보를 전달하는 DCU와 모뎀의 DCU 정보와 모뎀 정보가 영향을 받을 수 있기 때문에, NMS 정보를 1차적으로 확인하여 DCU와 모뎀이 이상 설비인지 스마트 미터로 인해 영향을 받은 것인지 판단할 수 있다.
또한, NMS 정보의 데이터 패턴과 정상 데이터의 패턴의 차이값이 제2 임보다 크다면, DCU, 모뎀 및 스마트 미터를 이상 설비로 판단할 수 있다.
이 경우, NMS 정보의 DCU 성능의 업링크 전송 속도(up_bps)와 다운링크 전송 속도(down_bps)의 변화량이 제3 임계값보다 작으면서, 모뎀 성능의 송신 속도(bps_tx)와 수신 속도(bps_rx)의 변화량이 제4 임계값보다 큰 경우, DCU를 정상 설비로 판단하고 모뎀을 이상 설비로 판단할 수 있다.
반면, NMS 정보의 DCU 성능의 업링크 전송 속도(up_bps)와 다운링크 전송 속도(down_bps)의 변화량이 제3 임계값보다 크면서, 모뎀 성능의 송신 속도(bps_tx)와 수신 속도(bps_rx)의 변화량이 제4 임계값보다 작은 경우, 모뎀을 정상 설비로 판단하고 DCU를 이상 설비로 판단할 수 있다.
도 5는 본 발명의 일 실시예에 따른 AI를 이용한 AMI 설비 이상 탐지 장치(100)의 기능적 구성을 도시한 도면이다.
도 5를 참고하면, AMI 설비 이상 탐지 장치(100)은 통신부(510), 제어부(520), 표시부(530) 및 저장부(540)를 포함할 수 있다.
통신부(510)는 AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신할 수 있다.
일 실시예에서, 통신부(510)는 유선 통신 모듈 및 무선 통신 모듈 중 적어도 하나를 포함할 수 있다. 통신부(510)의 전부 또는 일부는 '송신부', '수신부' 또는 '송수신부(transceiver)'로 지칭될 수 있다.
제어부(520)는 AMI 데이터에 기반하여 상기 AMI 설비의 이상 유무를 판단할 수 있다.
일 실시예에서, 제어부(520)는 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴에 기반하여 AMI 설비의 장애 원인을 결정할 수 있다.
일 실시예에서, 제어부(520)는 적어도 하나의 프로세서 또는 마이크로(micro) 프로세서를 포함하거나, 또는, 프로세서의 일부일 수 있다. 또한, 제어부(520)는 CP(communication processor)라 지칭될 수 있다. 제어부(520)는 본 발명의 다양한 실시예에 따른 AMI 설비 이상 탐지 장치(100)의 동작을 제어할 수 있다.
일 실시예에서, 제어부(520)는 도 1의 AMI 설비 이상탐지 엔진(101)을 포함할 수 있다.
표시부(530)는 AMI 설비의 이상이 있는 경우, AMI 데이터의 패턴을 시각화하여 표시할 수 있다.
일 실시예에서, 표시부(530)는 AMI 설비 이상 탐지 장치(100)에서 처리되는 정보를 나타낼 수 있다. 예를 들면, 표시부(530)는 액정 디스플레이(LCD; Liquid Crystal Display), 발광 다이오드(LED; Light Emitting Diode) 디스플레이, 유기 발광 다이오드(OLED; Organic LED) 디스플레이, 마이크로 전자기계 시스템(MEMS; Micro Electro Mechanical Systems) 디스플레이 및 전자 종이(electronic paper) 디스플레이 중 적어도 어느 하나를 포함할 수 있다.
저장부(540)는 AMI 설비의 이상이 있는 경우, AMI 데이터의 패턴이 미리 정의된 이상 데이터의 패턴과 매칭되지 않는다면, AMI 데이터의 패턴에 따라 사용자에 의해 등록된 AMI 설비의 장애 원인을 저장할 수 있다.
일 실시예에서, 저장부(540)는 이상설비 탐지 AI 모델 및 장애원인 판단 AI 모델을 저장할 수 있다.
일 실시예에서, 저장부(540)는 휘발성 메모리, 비휘발성 메모리 또는 휘발성 메모리와 비휘발성 메모리의 조합으로 구성될 수 있다. 그리고, 저장부(540)는 제어부(520)의 요청에 따라 저장된 데이터를 제공할 수 있다.
도 5를 참고하면, AMI 설비 이상 탐지 장치(100)은 통신부(510), 제어부(520), 표시부(530) 및 저장부(540)를 포함할 수 있다. 본 발명의 다양한 실시 예들에서 AMI 설비 이상 탐지 장치(100)은 도 5에 설명된 구성들이 필수적인 것은 아니어서, 도 5에 설명된 구성들보다 많은 구성들을 가지거나, 또는 그보다 적은 구성들을 가지는 것으로 구현될 수 있다.
이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로, 통상의 기술자라면 본 발명의 본질적인 특성이 벗어나지 않는 범위에서 다양한 변경 및 수정이 가능할 것이다.
본 명세서에 개시된 다양한 실시예들은 순서에 관계없이 수행될 수 있으며, 동시에 또는 별도로 수행될 수 있다.
일 실시예에서, 본 명세서에서 설명되는 각 도면에서 적어도 하나의 단계가 생략되거나 추가될 수 있고, 역순으로 수행될 수도 있으며, 동시에 수행될 수도 있다.
본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라, 설명하기 위한 것이고, 이러한 실시예들에 의하여 본 발명의 범위가 한정되는 것은 아니다.
본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 이해되어야 한다.
100: AMI 설비 이상 탐지 장치
101: AMI 설비 이상탐지 엔진
111: 데이터 추출부
112: 정상 데이터 학습부
121: 이상설비 탐지부
122: 이상설비 출력부
131: 장애원인 등록부
132: 장애원인 학습부
133: 장애원인 판단부
134: 장애원인 출력부
510: 통신부
520: 제어부
530: 표시부
540: 저장부
101: AMI 설비 이상탐지 엔진
111: 데이터 추출부
112: 정상 데이터 학습부
121: 이상설비 탐지부
122: 이상설비 출력부
131: 장애원인 등록부
132: 장애원인 학습부
133: 장애원인 판단부
134: 장애원인 출력부
510: 통신부
520: 제어부
530: 표시부
540: 저장부
Claims (12)
- (a) AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신하는 단계; 및
(b) 상기 AMI 데이터에 기반하여 상기 AMI 설비의 이상 유무를 판단하는 단계;
를 포함하는,
AI를 이용한 AMI 설비 이상 탐지 방법.
- 제1항에 있어서,
상기 (b) 단계는,
상기 AMI 데이터의 패턴과 미리 정의된 정상 데이터의 패턴의 차이값이 임계값보다 큰 경우, 상기 AMI 데이터를 이상설비 탐지 AI 모델에 적용하여 상기 AMI 설비의 이상이 있음을 결정하는 단계;
를 포함하는,
AI를 이용한 AMI 설비 이상 탐지 방법.
- 제2항에 있어서,
상기 (b) 단계 이후에,
상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 시각화하여 표시하는 단계;
를 더 포함하는,
AI를 이용한 AMI 설비 이상 탐지 방법.
- 제2항에 있어서,
상기 (b) 단계 이후에,
상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 미리 정의된 이상 데이터의 패턴과 매칭하는 단계; 및
상기 매칭 결과에 따라, 상기 AMI 데이터를 장애원인 판단 AI 모델에 적용하여, 상기 미리 정의된 이상 데이터의 패턴에 대응하는 상기 AMI 설비의 장애 원인을 결정하는 단계;
를 더 포함하는,
AI를 이용한 AMI 설비 이상 탐지 방법.
- 제3항에 있어서,
상기 (b) 단계 이후에,
상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴이 상기 미리 정의된 이상 데이터의 패턴과 매칭되지 않는다면, 상기 AMI 데이터의 패턴에 따라 사용자에 의해 등록된 상기 AMI 설비의 장애 원인을 저장하는 단계;
더 포함하는,
AI를 이용한 AMI 설비 이상 탐지 방법.
- 제1항에 있어서,
상기 (a) 단계 이후에,
상기 AMI 설비에 대한 검침 정보를 일정 기간 동안 수신하는 단계; 및
상기 수신된 검침 정보를 이용하여 이상설비 탐지 AI 모델을 학습시키는 단계;
를 더 포함하는,
AI를 이용한 AMI 설비 이상 탐지 방법.
- AMI(Advanced Metering Infrastructure) 설비에 대한 설비 정보, 검침 정보, NMS(Network Management System) 정보 및 보안 정보 중 적어도 하나를 포함하는 AMI 데이터를 수신하는 통신부; 및
상기 AMI 데이터에 기반하여 상기 AMI 설비의 이상 유무를 판단하는 제어부;
를 포함하는,
AI를 이용한 AMI 설비 이상 탐지 장치.
- 제7항에 있어서,
상기 제어부는,
상기 AMI 데이터의 패턴과 미리 정의된 정상 데이터의 패턴의 차이값이 임계값보다 큰 경우, 상기 데이터를 이상설비 탐지 AI 모델에 적용하여 상기 AMI 설비의 이상이 있음을 결정하는,
AI를 이용한 AMI 설비 이상 탐지 장치.
- 제8항에 있어서,
상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 시각화하여 표시하는 표시부;
를 더 포함하는,
AI를 이용한 AMI 설비 이상 탐지 장치.
- 제8항에 있어서,
상기 제어부는,
상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴을 미리 정의된 이상 데이터의 패턴과 매칭하고,
상기 매칭 결과에 따라, 상기 AMI 데이터를 장애원인 판단 AI 모델에 적용하여, 상기 미리 정의된 이상 데이터의 패턴에 대응하는 상기 AMI 설비의 장애 원인을 결정하는,
AI를 이용한 AMI 설비 이상 탐지 장치.
- 제9항에 있어서,
상기 AMI 설비의 이상이 있는 경우, 상기 AMI 데이터의 패턴이 상기 미리 정의된 이상 데이터의 패턴과 매칭되지 않는다면, 상기 AMI 데이터의 패턴에 따라 사용자에 의해 등록된 상기 AMI 설비의 장애 원인을 저장하는 저장부;
를 더 포함하는,
AI를 이용한 AMI 설비 이상 탐지 장치.
- 제7항에 있어서,
상기 통신부는, 상기 AMI 설비에 대한 검침 정보를 일정 기간 동안 수신하고,
상기 제어부는, 상기 수신된 검침 정보를 이용하여 이상설비 탐지 AI 모델을 학습시키는,
AI를 이용한 AMI 설비 이상 탐지 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220006065A KR102645196B1 (ko) | 2022-01-14 | 2022-01-14 | Ai를 이용한 ami 설비 이상 탐지 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220006065A KR102645196B1 (ko) | 2022-01-14 | 2022-01-14 | Ai를 이용한 ami 설비 이상 탐지 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20230110043A true KR20230110043A (ko) | 2023-07-21 |
KR102645196B1 KR102645196B1 (ko) | 2024-03-06 |
Family
ID=87429926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220006065A KR102645196B1 (ko) | 2022-01-14 | 2022-01-14 | Ai를 이용한 ami 설비 이상 탐지 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102645196B1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090000592A (ko) * | 2007-03-02 | 2009-01-08 | 세메스 주식회사 | 설비의 고장 진단 시스템 및 그 방법 |
KR20180120404A (ko) * | 2017-04-27 | 2018-11-06 | 충북대학교 산학협력단 | 제조 공장에서의 설비 고장 분석 방법 및 이를 기록한 기록매체 |
KR20200091073A (ko) * | 2019-01-22 | 2020-07-30 | 주식회사 케이디파워 | 발전기의 고장예측 진단 시스템 |
KR102315864B1 (ko) * | 2021-03-18 | 2021-10-21 | 주식회사 에스티엔인포텍 | 빅 데이터 처리를 통한 이종 설비의 모니터링 및 환경 정보 관제 시스템 |
KR20210136351A (ko) | 2020-05-07 | 2021-11-17 | 한전케이디엔주식회사 | 변압기 부하감시 정보의 시각화 시스템 및 방법 |
-
2022
- 2022-01-14 KR KR1020220006065A patent/KR102645196B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090000592A (ko) * | 2007-03-02 | 2009-01-08 | 세메스 주식회사 | 설비의 고장 진단 시스템 및 그 방법 |
KR20180120404A (ko) * | 2017-04-27 | 2018-11-06 | 충북대학교 산학협력단 | 제조 공장에서의 설비 고장 분석 방법 및 이를 기록한 기록매체 |
KR20200091073A (ko) * | 2019-01-22 | 2020-07-30 | 주식회사 케이디파워 | 발전기의 고장예측 진단 시스템 |
KR20210136351A (ko) | 2020-05-07 | 2021-11-17 | 한전케이디엔주식회사 | 변압기 부하감시 정보의 시각화 시스템 및 방법 |
KR102315864B1 (ko) * | 2021-03-18 | 2021-10-21 | 주식회사 에스티엔인포텍 | 빅 데이터 처리를 통한 이종 설비의 모니터링 및 환경 정보 관제 시스템 |
Non-Patent Citations (1)
Title |
---|
AMI 통신망 실시간 감시 및 고장분석 기술 연구, 한국전력공사 (2017.07.30.)* * |
Also Published As
Publication number | Publication date |
---|---|
KR102645196B1 (ko) | 2024-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11047843B2 (en) | Atmospheric environment monitoring apparatus detecting failure of atmospheric environment sensor, and method for detecting failure of atmospheric environment sensor | |
US9203859B2 (en) | Methods and systems for cyber-physical security modeling, simulation and architecture for the smart grid | |
CN102724040B (zh) | 检测设备构件违背真实性的方法、控制装置和*** | |
KR101735540B1 (ko) | 가전기기 소비전력 패턴과 소셜 정보를 이용한 독거노인 안전관리 시스템 및 방법 | |
CN203630831U (zh) | 电力设备智能巡检*** | |
CN104036706A (zh) | 故障检测方法、故障检测装置和故障检测*** | |
CN106991731A (zh) | 集成设备维护的智能巡检方法及*** | |
CN102840992B (zh) | 一种基于星上网的星载自测试方法 | |
CN102140929A (zh) | 一种煤矿安全生产巡检*** | |
KR102196719B1 (ko) | 인공지능을 이용하여 해외유입미세먼지가 국내 미세먼지 농도에 미치는 영향을 분석하는 미세먼지측정 및 예보시스템 | |
CN105806400A (zh) | 一种消防栓安全状态智能监测方法及*** | |
CN113766360B (zh) | 一种支持高频数据采集的全链路故障诊断方法及*** | |
CN109740845A (zh) | 一种ami可靠性指标体系 | |
KR20230110043A (ko) | Ai를 이용한 ami 설비 이상 탐지 방법 및 장치 | |
CN104054116A (zh) | 基于数字通信型烟囱自动测量装置的烟囱远程监测*** | |
CN203689650U (zh) | 起居用电模型采集设备和起居用电模型获取*** | |
CN109711500A (zh) | 安全帽式巡检终端、带有安全帽式巡检终端的变电站巡检***及利用该***的巡检方法 | |
CN208077386U (zh) | 设备工作状态监测*** | |
CN105978642A (zh) | 基于干扰大数据的无线监测站分析选址方法及*** | |
CN110222801A (zh) | 一种基于rfid技术的资产管理方法及*** | |
CN110514699A (zh) | 一种线缆缺陷在线检测*** | |
CN106292612B (zh) | 一种钢包烘烤器故障在线诊断*** | |
CN109544850A (zh) | 一种基于物联网的消防隐患判别方法 | |
CN106950925A (zh) | 过程控制***中的位置依赖控制访问 | |
CN112887984B (zh) | 一种用于无线通讯的数据监控***及其监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |