KR20230144860A - Distribution Network Analysis System using Micro PMU - Google Patents
Distribution Network Analysis System using Micro PMU Download PDFInfo
- Publication number
- KR20230144860A KR20230144860A KR1020220044099A KR20220044099A KR20230144860A KR 20230144860 A KR20230144860 A KR 20230144860A KR 1020220044099 A KR1020220044099 A KR 1020220044099A KR 20220044099 A KR20220044099 A KR 20220044099A KR 20230144860 A KR20230144860 A KR 20230144860A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- measurement data
- module
- distribution system
- pmu
- Prior art date
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 53
- 238000003012 network analysis Methods 0.000 title 1
- 238000005259 measurement Methods 0.000 claims abstract description 104
- 238000013480 data collection Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000007405 data analysis Methods 0.000 claims abstract description 35
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 239000000872 buffer Substances 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 25
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 238000013524 data verification Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000000034 method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002372 labelling 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
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C19/00—Electric signal transmission systems
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
- G09F9/00—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements
- G09F9/30—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements in which the desired character or characters are formed by combining individual elements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명은 마이크로 PMU를 이용한 배전계통 분석 시스템에 관한 것이다. 본 시스템은 배전계통의 위상데이터를 계측한 계측데이터를 수집하는 적어도 하나의 데이터 수집단말장치, 기설정된 구역에 설치된 데이터 수집단말장치로부터 계측데이터를 수신하고, 수신한 계측데이터를 전처리하는 데이터 수집서버, 수신한 계측데이터를 저장하는 데이터베이스 및 수신된 계측데이터를 모니터링 및 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 데이터 분석서버를 포함할 수 있다. The present invention relates to a distribution system analysis system using a micro PMU. This system includes at least one data collection terminal device that collects measurement data measuring phase data of the distribution system, a data collection server that receives measurement data from a data collection terminal device installed in a preset area, and preprocesses the received measurement data. , It may include a database that stores the received measurement data and a data analysis server that monitors the received measurement data and analyzes failure events that occur in the distribution system using an artificial neural network model.
Description
본 발명은 마이크로 PMU를 이용한 배전계통 분석 시스템에 관한 것으로, 더욱 상세하게는 마이크로 PMU(Phasor Measurenment Unit; PMU)에서 수집되는 데이터를 기반으로 딥러닝 기법을 이용하여 배전계통에서 발생하는 고장 이벤트를 분석하기 위한 마이크로 PMU를 이용한 배전계통 분석 시스템에 관한 것이다.The present invention relates to a distribution system analysis system using a micro PMU. More specifically, it analyzes failure events occurring in the distribution system using deep learning techniques based on data collected from a micro PMU (Phasor Measurement Unit; PMU). This relates to a distribution system analysis system using a micro PMU.
기존 배전계통 단말장치인 FRTU(Feeder Remote Terminal Unit)는 배전선로의 전압 및 전류를 감시하는 역할과 원격제어 명령의 전달 역할을 수행하는 장치로, 고장발생시 개발된 알고리즘에 의해 정해진 고장을 탐지하고 고장 감지신호(FI)를 중앙으로 전송함으로써 운영원의 고장 인지 및 고장위치를 추정할 수 있도록 하는 방식으로 배전계통을 운영중이다. FRTU (Feeder Remote Terminal Unit), an existing distribution system terminal device, is a device that monitors the voltage and current of the distribution line and transmits remote control commands. When a fault occurs, it detects the fault determined by the developed algorithm and repairs the fault. The distribution system is being operated in a way that allows the operator to recognize the fault and estimate the location of the fault by transmitting a detection signal (FI) to the center.
기존의 FRTU는 주기적(초단위)으로 계측값을 상위로 전송하며, 고장판단은 단말장치가 자체적으로 알고리즘에 의해 감지한다.The existing FRTU transmits measured values to the upper level periodically (in seconds), and failure is determined by the terminal device itself through an algorithm.
상위 시스템에서는 단순 배전계통의 모니터링과 단말장치가 판단한 고장에 대한 제어를 수행하고 있다.The upper system monitors simple distribution systems and controls failures determined by terminal devices.
그러나 신재생에너지 발전비율이 꾸준히 증가하여 2019년도에는 국내 전체발전 설비용량의 약 13%를 차지하고 있으며, 이렇게 급증한 신규전원의 빠른 변동성과 간헐적인 특징은 기존의 주기적인 실효치 기반의 감시 및 중앙운영시스템과 운영원의 판단에 의존하는 배전운영의 변화를 요구하고 있다.However, the rate of new and renewable energy generation has steadily increased, accounting for about 13% of the country's total power generation capacity in 2019, and the rapid volatility and intermittent characteristics of this rapidly increasing new power source are due to the existing periodic effective value-based monitoring and central operation system. There is a demand for changes in distribution operations that rely on the judgment of operators.
이처럼 배전망에 다수의 분산전원과 마이크로그리드 등이 도입되면서 순간적인 전압, 전류의 변동과 주파수, 위상의 미세한 변화로 인해 배전 전력망의 전송효율이 떨어지고 불안정성은 높아지고 있어 보다 고정밀의 위상 데이터를 측정할 필요가 있다.As a large number of distributed power sources and microgrids are introduced into the distribution network, the transmission efficiency of the distribution network is decreasing and instability is increasing due to instantaneous fluctuations in voltage and current and minute changes in frequency and phase, making it difficult to measure more precise phase data. There is a need.
배전망의 복잡도가 증가하면서 배전계통에도 마이크로 PMU의 적용이 요구되고 있다.As the complexity of the distribution network increases, the application of micro PMU is required in the distribution system.
하지만 배전계통은 송전계통에 비해 구조가 복잡하고 데이터 취득 포인트가 훨씬 많아 보다 고도화된 실시간 데이터 처리기술 및 분석기술을 필요로 하며, 아직까진 마이크로 PMU 국내 개발과 도입은 초기 단계로, 배전계통에서 발생하는 마이크로 PMU 데이터의 활용과 분석을 위한 플랫폼도 미비한 실정이다.However, the distribution system has a more complex structure and has many more data acquisition points than the transmission system, so it requires more advanced real-time data processing and analysis technology. Domestic development and introduction of micro PMUs are still in the early stages, and occurrences in the distribution system are still in the early stages. There is also a lack of platforms for utilizing and analyzing micro PMU data.
또한 기존의 알고리즘 기반의 사후 고장판단에서 더 나아가, PMU로부터 수집된 빅데이터에 AI 딥러닝 기술을 적용하여 고장예측, 판단, 분석 등의 작업을 수행할 수 있는 플랫폼 및 분석/관리 기술이 필요하다.In addition, beyond the existing algorithm-based post-failure judgment, a platform and analysis/management technology that can perform tasks such as failure prediction, judgment, and analysis by applying AI deep learning technology to big data collected from the PMU is needed. .
본 발명은 전술한 문제점을 해결하기 위하여 창출된 것으로, 마이크로 PMU를 이용한 배전계통 분석 시스템을 제공하는 것을 그 목적으로 한다. The present invention was created to solve the above-mentioned problems, and its purpose is to provide a distribution system analysis system using a micro PMU.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다. The objects of the present invention are not limited to the objects mentioned above, and other objects not mentioned can be clearly understood from the description below.
상기한 목적들을 달성하기 위하여, 본 발명의 일 실시예에 따른 마이크로 PMU를 이용한 배전계통 분석 시스템이 개시된다. 상기 시스템은 배전계통의 위상데이터를 계측한 계측데이터를 수집하는 적어도 하나의 데이터 수집단말장치, 기설정된 구역에 설치된 데이터 수집단말장치로부터 계측데이터를 수신하고, 수신한 계측데이터를 전처리하는 데이터 수집서버, 수신한 계측데이터를 저장하는 데이터베이스 및 수신된 계측데이터를 모니터링 및 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 데이터 분석서버를 포함할 수 있다. In order to achieve the above objectives, a distribution system analysis system using a micro PMU according to an embodiment of the present invention is disclosed. The system includes at least one data collection terminal device that collects measurement data measuring phase data of the distribution system, a data collection server that receives measurement data from a data collection terminal device installed in a preset area, and preprocesses the received measurement data. , It may include a database that stores the received measurement data and a data analysis server that monitors the received measurement data and analyzes failure events that occur in the distribution system using an artificial neural network model.
또한, 본 발명의 일 실시예에 따르면, 적어도 하나의 데이터 수집단말장치는, 초당 60회로 위상데이터를 계측하여 상기 데이터 수집서버로 전송하는 마이크로 PMU인 것을 특징으로 할 수 있다. Additionally, according to an embodiment of the present invention, at least one data collection terminal device may be characterized as a micro PMU that measures phase data 60 times per second and transmits it to the data collection server.
또한, 본 발명의 일 실시예에 따르면, 적어도 하나의 마이크로 PMU로부터 계측되는 데이터는 GPS를 이용하여 시각 동기화된 데이터인 것을 특징으로 할 수 있다. Additionally, according to an embodiment of the present invention, data measured from at least one micro PMU may be time-synchronized data using GPS.
또한, 본 발명의 일 실시예에 따르면, 데이터 수집서버는, 수신한 계측데이터를 전처리하여, 저장한 데이터를 데이터 분석서버로 전송하는 제1 모드 및 수신한 계측데이터를 바로 상기 데이터 분석서버로 전송하는 제2 모드를 포함할 수 있다. In addition, according to an embodiment of the present invention, the data collection server preprocesses the received measurement data and transmits the stored data to the data analysis server in a first mode and directly transmits the received measurement data to the data analysis server. It may include a second mode.
또한, 본 발명의 일 실시예에 따르면, 데이터 수집서버는, 적어도 하나의 데이터 수집단말장치로부터 계측데이터를 수신하는 어그리게이션 모듈, 수신한 계측데이터를 임시로 저장하는 적어도 하나의 버퍼 모듈 및 적어도 하나의 버퍼 모듈에 저장된 계측데이터를 추출하고, 추출한 계측데이터를 전처리하는 데이터처리 모듈을 포함할 수 있다. In addition, according to an embodiment of the present invention, the data collection server includes an aggregation module that receives measurement data from at least one data collection terminal device, at least one buffer module that temporarily stores the received measurement data, and at least It may include a data processing module that extracts measurement data stored in one buffer module and preprocesses the extracted measurement data.
또한, 본 발명의 일 실시예에 따르면, 버퍼 모듈은, 버퍼 모듈은 2개의 버퍼로 구성되며, 제1 버퍼 모듈로 계측데이터를 저장시키고, 저장시킨 제1 버퍼 모듈에 포인터를 생성시켜서, 데이터처리 모듈의 접근을 유도시키고, 유도된 상기 데이터처리 모듈에 의해 계측데이터가 추출되면, 제1 버퍼 모듈의 계측데이터는 삭제시키는 것을 특징으로 할 수 있다. In addition, according to an embodiment of the present invention, the buffer module consists of two buffers, stores the measurement data in the first buffer module, and creates a pointer to the stored first buffer module to process the data. When the module is approached and the measurement data is extracted by the induced data processing module, the measurement data of the first buffer module is deleted.
또한, 본 발명의 일 실시예에 따르면, 버퍼 모듈은, 제1 버퍼 모듈이 데이터처리 모듈에 의해 전처리되는 동안, 제2 버퍼 모듈에 다음 계측데이터를 저장시키는 것을 특징으로 할 수 있다. Additionally, according to one embodiment of the present invention, the buffer module may be characterized in that it stores the next measurement data in the second buffer module while the first buffer module is preprocessed by the data processing module.
또한, 본 발명의 일 실시예에 따르면, 데이터처리 모듈은, 수신한 계측데이터의 프로토콜 형식 확인 또는 CRC 체크를 하여 계측데이터를 검증하여, 기설정된 범위를 초과하는 데이터는 플래그를 생성시키는 데이터 검증모듈, 검증된 계측데이터 중 오류가 있는 데이터 또는 중복된 데이터를 삭제시키는 데이터 핸들링 모듈, 플래그된 데이터를 보정시키는 데이터 보정 모듈 및 데이터 수집단말장치의 지연시간 및 네트워크 지연시간을 합산하여 전체 지연시간을 연산하여 태그를 생성시키는 지연시간 연산 모듈을 포함할 수 있다. In addition, according to an embodiment of the present invention, the data processing module is a data verification module that verifies the measurement data by checking the protocol format of the received measurement data or checking the CRC, and generates a flag for data exceeding a preset range. , the total delay time is calculated by adding the data handling module, which deletes erroneous or duplicate data among verified measurement data, the data correction module, which corrects flagged data, and the delay time of the data collection terminal device and the network delay time. It may include a delay time calculation module that generates a tag.
또한, 본 발명의 일 실시예에 따르면, 데이터베이스는, 데이터 수집서버에서 실시간으로 수신한 계측데이터를 저장할 수 있다. Additionally, according to one embodiment of the present invention, the database can store measurement data received in real time from the data collection server.
또한, 본 발명의 일 실시예에 따르면, 데이터베이스에 저장되는 계측데이터는, 시간(time)과 값(value)이 한 쌍을 이루는 계측데이터인 것을 특징으로 할 수 있다. Additionally, according to an embodiment of the present invention, the measurement data stored in the database may be characterized as measurement data consisting of a pair of time and value.
또한, 본 발명의 일 실시예에 따르면, 데이터베이스는, 과거 계측데이터가 누적적으로 저장된 백업 데이터를 저장하는 데이터 백업모듈을 더 포함하는 것을 특징으로 할 수 있다. Additionally, according to an embodiment of the present invention, the database may further include a data backup module that stores backup data in which past measurement data is cumulatively stored.
또한, 본 발명의 일 실시예에 따르면, 데이터 분석서버는, 데이터수집서버로부터 전송받은 계측데이터, 데이터베이스로부터 전송받은 실시간 계측데이터 또는 데이터베이스로부터 전송받은 과거 계측데이터를 포함하는 백업 데이터를 수신하는 데이터 인터페이스, 수신된 데이터들을 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 데이터 분석모듈 및 분석된 결과를 출력하는 디스플레이 모듈을 포함할 수 있다. In addition, according to an embodiment of the present invention, the data analysis server is a data interface that receives backup data including measurement data transmitted from the data collection server, real-time measurement data transmitted from the database, or past measurement data transmitted from the database. , it may include a data analysis module that analyzes the received data to analyze failure events that occur in the distribution system using an artificial neural network model, and a display module that outputs the analyzed results.
또한, 본 발명의 일 실시예에 따르면, 인공신경망 모델은, 배전계통에서 발생한 라벨링된 고장이벤트 및 과거 계측데이터에 기반되어 학습되어진 모델인 것을 특징으로 할 수 있다. Additionally, according to an embodiment of the present invention, the artificial neural network model may be characterized as a model learned based on labeled failure events that occurred in the distribution system and past measurement data.
상기한 목적들을 달성하기 위한 구체적인 사항들은 첨부된 도면과 함께 상세하게 후술될 실시예들을 참조하면 명확해질 것이다. Specific details for achieving the above objectives will become clear by referring to the embodiments described in detail below along with the attached drawings.
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. However, the present invention is not limited to the embodiments disclosed below, and may be configured in various different forms. In order to ensure that the disclosure of the present invention is complete, those skilled in the art ( It is provided to fully inform those skilled in the art of the invention of the scope of the invention.
본 발명의 일 실시예에 의하면, 마이크로 PMU를 통해 데이터를 수집함으로써 기존보다 정밀한 데이터 수집(초당 60회)으로 보다 미세하고 정확한 계통 감시 및 분석이 가능하다.According to one embodiment of the present invention, by collecting data through a micro PMU, more precise and accurate system monitoring and analysis is possible through more precise data collection (60 times per second) than before.
본 발명의 일 실시예에 의하면, 고정밀 마이크로 PMU 데이터를 딥러닝을 이용하여 분석함으로써, 다양한 이벤트의 자동감지가 가능하며, 기존에 감지하지 못했던 미세한 고장 또는 사고발생 전의 사전징후 등에 대한 분석이 가능하여 보다 안정적인 배전계통 운영 기대할 수 있다.According to one embodiment of the present invention, by analyzing high-precision micro PMU data using deep learning, automatic detection of various events is possible, and analysis of previously undetected micro-failures or preliminary signs before accidents is possible. A more stable distribution system operation can be expected.
본 발명의 효과들은 상술된 효과들로 제한되지 않으며, 본 발명의 기술적 특징들에 의하여 기대되는 잠정적인 효과들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다. The effects of the present invention are not limited to the effects described above, and potential effects expected by the technical features of the present invention can be clearly understood from the description below.
상기 언급된 본 발명 내용의 특징들이 상세하게, 보다 구체화된 설명으로, 이하의 실시예들을 참조하여 이해될 수 있도록, 실시예들 중 일부는 첨부되는 도면에서 도시된다. 또한, 도면과의 유사한 참조번호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭하는 것으로 의도된다. 그러나 첨부된 도면들은 단지 본 발명 내용의 특정한 전형적인 실시예들만을 도시하는 것일 뿐, 본 발명의 범위를 한정하는 것으로 고려되지는 않으며, 동일한 효과를 갖는 다른 실시예들이 충분히 인식될 수 있다는 점을 유의하도록 한다.
도 1은 본 발명의 일 실시예에 따른 마이크로 PMU를 이용한 배전계통 분석 시스템의 개략도이다.
도 2는 본 발명의 일 실시예에 따른 데이터 수집서버의 데이터처리 과정을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 데이터 수집서버의 블록도이다.
도 4는 본 발명의 일 실시예에 따른 데이터 수집서버의 데이터 처리 모듈의 블록도이다.
도 5는 본 발명의 일 실시예에 따른 데이터 분석서버의 개략도이다.
도 6은 본 발명의 일 실시예에 따른 데이터 분석서버의 블록도이다. BRIEF DESCRIPTION OF THE DRAWINGS Some of the embodiments are shown in the accompanying drawings so that the above-mentioned features of the present invention may be understood in detail and a more detailed description with reference to the following embodiments. Additionally, similar reference numbers in the drawings are intended to refer to identical or similar functions across various aspects. However, note that the attached drawings only illustrate certain typical embodiments of the present invention and are not to be considered as limiting the scope of the present invention, and other embodiments having the same effect can be fully recognized. Let's do it.
Figure 1 is a schematic diagram of a distribution system analysis system using a micro PMU according to an embodiment of the present invention.
Figure 2 is a diagram showing the data processing process of the data collection server according to an embodiment of the present invention.
Figure 3 is a block diagram of a data collection server according to an embodiment of the present invention.
Figure 4 is a block diagram of a data processing module of a data collection server according to an embodiment of the present invention.
Figure 5 is a schematic diagram of a data analysis server according to an embodiment of the present invention.
Figure 6 is a block diagram of a data analysis server according to an embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고, 여러 가지 실시예들을 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다. Since the present invention can be subject to various changes and can have various embodiments, specific embodiments will be illustrated in the drawings and described in detail.
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.The various features of the invention disclosed in the claims may be better understood by consideration of the drawings and detailed description. The apparatus, method, manufacturing method, and various embodiments disclosed in the specification are provided for illustrative purposes. The disclosed structural and functional features are intended to enable those skilled in the art to specifically implement various embodiments, and are not intended to limit the scope of the invention. The disclosed terms and sentences are intended to easily explain various features of the disclosed invention and are not intended to limit the scope of the invention.
본 발명을 설명함에 있어서, 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.In describing the present invention, if it is determined that a detailed description of related known technology may unnecessarily obscure the gist of the present invention, the detailed description will be omitted.
이하, 본 발명의 일 실시예에 따른 마이크로 PMU를 이용한 배전계통 분석 시스템을 설명한다. Hereinafter, a distribution system analysis system using a micro PMU according to an embodiment of the present invention will be described.
도 1은 본 발명의 일 실시예에 따른 마이크로 PMU를 이용한 배전계통 분석 시스템의 개략도이다. Figure 1 is a schematic diagram of a distribution system analysis system using a micro PMU according to an embodiment of the present invention.
도 1을 참조하면, 마이크로 PMU를 이용한 배전계통 분석 시스템(10)은 데이터 수집단말장치(100), 데이터 수집서버(200), 데이터베이스(300) 및 데이터 분석서버(400)를 포함할 수 있다. Referring to FIG. 1, the distribution system analysis system 10 using a micro PMU may include a data collection terminal device 100, a data collection server 200, a database 300, and a data analysis server 400.
마이크로 PMU를 이용한 배전계통 분석 시스템(10)은 데이터 수집단말장치(100)에서 수집되는 데이터에 기초하여, 데이터 분석서버(400)가 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 시스템이다. The distribution system analysis system 10 using a micro PMU is based on the data collected from the data collection terminal device 100, and the data analysis server 400 analyzes failure events occurring in the distribution system using an artificial neural network model. It's a system.
일 실시예에서, 데이터 수집단말장치(100)는 배전계통의 위상데이터를 계측한 계측데이터를 수집하는 장치일 수 있다. In one embodiment, the data collection terminal device 100 may be a device that collects measurement data measuring phase data of a distribution system.
보다 구체적으로, 적어도 하나의 데이터 수집단말장치(100)는 초당 60회로 위상데이터를 계측하여 데이터 수집서버(200)로 전송하는 마이크로 PMU(Phasor Measurement Unit: PMU)인 것을 특징으로 하며, 적어도 하나의 마이크로 PMU로부터 계측되는 데이터는 GPS를 이용하여 시각 동기화된 데이터인 것을 특징으로 할 수 있다. More specifically, at least one data collection terminal device 100 is characterized in that it is a micro PMU (Phasor Measurement Unit: PMU) that measures phase data 60 times per second and transmits it to the data collection server 200, and at least one Data measured from the micro PMU may be time-synchronized data using GPS.
또한, 마이크로 PMU(Phasor Measurement Unit: PMU)는 RTU 데이터 취득에 기반한 전력망 해석 및 운영의 한계를 극복하기 위해 초당 60회 이상 데이터 취득이 가능한, 배전계통에서 사용하기 위해 만들어진 경량, 저가의 PMU 단말 장치일 수 있다. In addition, the micro PMU (Phasor Measurement Unit: PMU) is a lightweight, low-cost PMU terminal device designed for use in the distribution system that can acquire data more than 60 times per second to overcome the limitations of power grid analysis and operation based on RTU data acquisition. It can be.
일 실시예에서, 데이터 수집서버(200)는 기설정된 구역에 설치된 데이터 수집단말장치(100)로부터 계측데이터를 수신하고, 수신한 계측데이터를 전처리할 수 있다. 데이터 수집서버(200)에 관한 설명은 후술하는 도 2내지 도 4에 대한 설명에서 구체적으로 후술한다. In one embodiment, the data collection server 200 may receive measurement data from the data collection terminal device 100 installed in a preset area and preprocess the received measurement data. The data collection server 200 will be described in detail later in the description of FIGS. 2 to 4 described later.
일 실시예에서, 데이터베이스(300)는 데이터 수집단말장치(100)로부터 수신한 계측데이터를 저장할 수 있다. In one embodiment, the database 300 may store measurement data received from the data collection terminal device 100.
보다 구체적으로, 데이터베이스(300)는 데이터 수집서버(200)에서 실시간으로 수신한 계측데이터를 저장할 수 있고, 데이터 수집서버(200)에 의해서 전처리된 계측데이터를 저장할 수도 있다. More specifically, the database 300 can store measurement data received in real time from the data collection server 200, and can also store measurement data preprocessed by the data collection server 200.
여기서 데이터베이스에 저장되는 계측데이터는 데이터 수집단말장치(100)로부터 수신하며, 시간(time)과 값(value)이 한 쌍을 이루는 계측데이터인 것을 특징으로 할 수 있다. Here, the measurement data stored in the database is received from the data collection terminal device 100 and may be characterized as measurement data consisting of a pair of time and value.
또한, 데이터베이스(300)는 과거 계측데이터가 누적적으로 저장된 백업 데이터를 저장하는 데이터 백업모듈을 더 포함할 수 있다. Additionally, the database 300 may further include a data backup module that stores backup data in which past measurement data is cumulatively stored.
일 실시예에서, 데이터 분석서버(400)는 데이터 수집단말장치(100)로부터 수신된 계측데이터를 모니터링하고, 수신한 계측데이터를 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석할 수 있다. 데이터 분석서버(400)에 관한 설명은 후술하는 도 5 및 도 6에 대한 설명에서 구체적으로 후술한다. In one embodiment, the data analysis server 400 can monitor measurement data received from the data collection terminal device 100 and analyze failure events occurring in the distribution system using the received measurement data using an artificial neural network model. there is. The data analysis server 400 will be described in detail later in the description of FIGS. 5 and 6 .
도 2는 본 발명의 일 실시예에 따른 데이터 수집서버의 데이터처리 과정을 도시한 도면이고, 도 3은 본 발명의 일 실시예에 따른 데이터 수집서버의 블록도이고, 도 4는 본 발명의 일 실시예에 따른 데이터 수집서버의 데이터 처리 모듈의 블록도이다. Figure 2 is a diagram showing the data processing process of the data collection server according to an embodiment of the present invention, Figure 3 is a block diagram of the data collection server according to an embodiment of the present invention, and Figure 4 is an example of the present invention. This is a block diagram of the data processing module of the data collection server according to the embodiment.
도 2 내지 도 4를 참조하면, 일 실시예에서, 데이터 수집서버(200)는 기설정된 구역에 설치된 데이터 수집단말장치(100)로부터 계측데이터를 수신하고, 수신한 계측데이터를 전처리할 수 있다. 또한, 데이터 수집서버(200)는 어그리게이션 모듈(210), 버퍼 모듈(230) 및 데이터처리 모듈(250)을 포함할 수 있다. Referring to FIGS. 2 to 4, in one embodiment, the data collection server 200 may receive measurement data from the data collection terminal device 100 installed in a preset area and preprocess the received measurement data. Additionally, the data collection server 200 may include an aggregation module 210, a buffer module 230, and a data processing module 250.
일 실시예에 의하면, 데이터 수집서버(200)는 적어도 하나의 데이터 수집단말장치(100)로부터 계측데이터를 수신하고, 수신한 계측데이터를 저장하고, 저장된 계측데이터를 전처리할 수 있다. According to one embodiment, the data collection server 200 may receive measurement data from at least one data collection terminal device 100, store the received measurement data, and preprocess the stored measurement data.
보다 구체적으로, 데이터 수집서버(200)는 적어도 하나의 데이터 수집단말장치로부터 계측데이터를 수신하는 어그리게이션 모듈(210), 수신한 계측데이터를 임시로 저장하는 적어도 하나의 버퍼 모듈(230) 및 적어도 하나의 버퍼 모듈에 저장된 계측데이터를 추출하고, 추출한 계측데이터를 전처리하는 데이터처리 모듈(250)을 포함할 수 있다. More specifically, the data collection server 200 includes an aggregation module 210 that receives measurement data from at least one data collection terminal device, at least one buffer module 230 that temporarily stores the received measurement data, and It may include a data processing module 250 that extracts measurement data stored in at least one buffer module and preprocesses the extracted measurement data.
또한, 버퍼 모듈(230)은 계측데이터를 임시로 저장하는 역할을 하며, 2개의 버퍼 모듈로 구성되어 있어서, 2개의 버퍼가 번갈아 가면서 데이터를 저장 및 처리를 수행하여 작동 효율을 높이는 역할을 수행할 수 있다. In addition, the buffer module 230 serves to temporarily store measurement data, and is composed of two buffer modules. The two buffers alternately store and process data to increase operating efficiency. You can.
보다 구체적으로, 버퍼 모듈(230)은 어그리게이션 모듈(210)을 통해 데이를 수신하면, 우선 제1 버퍼 모듈로 계측데이터가 저장되고, 계측데이터 저장과 함께 포인터를 생성하여 데이터 저장을 알려, 데이터 처리 모듈(250)의 접근을 유도할 수 있다. More specifically, when the buffer module 230 receives data through the aggregation module 210, the measurement data is first stored in the first buffer module, and a pointer is created along with the measurement data storage to inform data storage. Access to the data processing module 250 can be induced.
또한, 버퍼 모듈(230)은 데이터 처리 모듈(250)에 의해 임시로 저장된 계측데이터가 추출되면, 제1 버퍼 모듈에 저장된 계측정보를 삭제하여, 다음 정보의 수신을 대기시킬 수 있다. 상기 제1 버퍼 모듈이 데이터 처리 모듈(250)에 의해 처리되는 동안, 다음 데이터는 제2 버퍼 모듈에 임시 저장시키는 방법을 통해, 제1 버퍼 모듈과 제2 버퍼 모듈을 스위칭 하여 동작을 수행하게 할 수 있다. 즉, 버퍼 모듈(230)은 제1 버퍼 모듈이 데이터처리 모듈(250)에 의해 전처리되는 동안, 제2 버퍼 모듈에 다음 계측데이터를 저장시키는 것을 특징으로 할 수 있다. Additionally, when the measurement data temporarily stored by the data processing module 250 is extracted, the buffer module 230 may delete the measurement information stored in the first buffer module and wait for reception of the next information. While the first buffer module is processed by the data processing module 250, the next data is temporarily stored in the second buffer module, thereby performing an operation by switching the first buffer module and the second buffer module. You can. That is, the buffer module 230 may store the next measurement data in the second buffer module while the first buffer module is preprocessed by the data processing module 250.
또한, 데이터처리 모듈(250)은 적어도 하나의 버퍼 모듈에 저장된 계측데이터를 추출하고, 추출한 계측데이터를 전처리 할 수 있다. Additionally, the data processing module 250 may extract measurement data stored in at least one buffer module and preprocess the extracted measurement data.
또한, 데이터처리 모듈(250)은 수신한 계측데이터를 검증하여 보정하고, 중복된 데이터를 삭제를 통해 데이터를 처리할 수 있다. Additionally, the data processing module 250 can verify and correct the received measurement data and process the data by deleting duplicate data.
보다 구체적으로, 데이터처리 모듈(250)은 수신한 계측데이터의 프로토콜 형식 확인 또는 CRC 체크를 하여 계측데이터를 검증하여, 기설정된 범위를 초과하는 데이터는 플래그를 생성시키는 데이터 검증모듈(251), 검증된 계측데이터 중 불필요한 데이터 또는 중복된 데이터를 삭제시키는 데이터 핸들링 모듈(253), 데이터 검증모듈(251)에 의해 플래그된 데이터를 보정시키는 데이터 보정 모듈(255) 및 데이터 수집단말장치(100)의 지연시간 및 네트워크 지연시간을 합산하여 전체 지연시간을 연산하여 태그를 생성시키는 지연시간 연산 모듈(257)을 포함할 수 있다. More specifically, the data processing module 250 verifies the measurement data by checking the protocol format of the received measurement data or checking the CRC, and the data verification module 251, which generates a flag for data exceeding a preset range, verifies the data. The data handling module 253, which deletes unnecessary or duplicate data among the measured data, the data correction module 255, which corrects data flagged by the data verification module 251, and the delay of the data collection terminal device 100. It may include a delay time calculation module 257 that calculates the total delay time by adding up the time and network delay time and generates a tag.
또한, 데이터 검증 모듈(251)은 수신한 계측데이터의 프로토콜 형식을 확인 또는 CRC 체크를 통해 계측데이터를 검증하여 이상이 있는 데이터에 플래그를 생성하여 기록할 수 있다. Additionally, the data verification module 251 can verify the protocol format of the received measurement data or verify the measurement data through a CRC check, and generate and record a flag for abnormal data.
또한, 데이터 핸들링 모듈(253)은 검증된 계측데이터 중 필요하지 않은 데이터, 데이터 자체에 오류가 있는 데이터 또는 중복되는 데이터를 확인하여 삭제시키는 모듈일 수 있다. Additionally, the data handling module 253 may be a module that checks and deletes unnecessary data, data with errors in the data itself, or duplicate data among the verified measurement data.
또한, 데이터 보정 모듈(255)은 데이터 검증 모듈(251)의 의해 플래그된 데이터를 보정시키는 모듈일 수 있다. Additionally, the data correction module 255 may be a module that corrects data flagged by the data verification module 251.
또한, 지연시간 연산 모듈(257)은 데이터 수집단말장치(100)의 지연시간 및 네트워크 지연시간을 합산하여 전체 지연시간을 연산하여 태그를 생성하여 기록할 수 있다. In addition, the delay time calculation module 257 can calculate the total delay time by adding the delay time of the data collection terminal device 100 and the network delay time to generate and record a tag.
또한, 데이터 수집서버(200)는 적어도 하나 이상의 데이터 수신모드를 포함할 수 있다. Additionally, the data collection server 200 may include at least one data reception mode.
보다 구체적으로, 제1 모드는 수신한 계측데이터를 어그리게이션 모듈(210), 버퍼 모듈(230) 및 데이터처리 모듈(250)을 통해 전처리 및 데이터 저장하는 과정을 거쳐 데이터 분석서버(300)로 전송하는 모드일 수 있다. More specifically, the first mode is to pre-process and store the received measurement data through the aggregation module 210, buffer module 230, and data processing module 250 to the data analysis server 300. It may be a transmission mode.
또한, 제2 모드는 데이터의 성격이나 측정 환경에 따라 수집한 데이터를 데이터베이스(300)에 저장하지 않고 바로 데이터 분석서버(400)로 전송하는 모드일 수 있다. 또한, 제2 모드의 경우 데이터 분석서버(400)로 전송하기 전에 프로토콜을 변환하는 과정을 거칠 수 있다. Additionally, the second mode may be a mode in which the collected data is directly transmitted to the data analysis server 400 without storing it in the database 300, depending on the nature of the data or measurement environment. Additionally, in the case of the second mode, a protocol conversion process may be performed before transmission to the data analysis server 400.
도 5는 본 발명의 일 실시예에 따른 데이터 분석서버의 개략도이고, 도 6은 본 발명의 일 실시예에 따른 데이터 분석서버의 블록도이다. Figure 5 is a schematic diagram of a data analysis server according to an embodiment of the present invention, and Figure 6 is a block diagram of a data analysis server according to an embodiment of the present invention.
도 5 및 도 6을 참조하면, 데이터 분석서버(400)는 데이터 수집단말장치(100)로부터 수신된 계측데이터를 모니터링하고, 수신한 계측데이터를 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석할 수 있다. Referring to Figures 5 and 6, the data analysis server 400 monitors the measurement data received from the data collection terminal device 100, and analyzes the received measurement data into failure events that occur in the distribution system using an artificial neural network model. can be analyzed.
보다 구체적으로, 데이터 분석서버(400)는 데이터 수집서버(200)로부터 전송받은 계측데이터, 데이터베이스(300)로부터 전송받은 실시간 계측데이터 또는 데이터베이스(300)로부터 전송받은 과거 계측데이터를 포함하는 백업 데이터를 수신하는 데이터 인터페이스(410), 수신된 데이터들을 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 데이터 분석모듈(430) 및 데이터 분석모듈(430)에 의해 분석된 결과를 출력하는 디스플레이 모듈(450)을 포함할 수 있다. More specifically, the data analysis server 400 stores backup data including measurement data transmitted from the data collection server 200, real-time measurement data transmitted from the database 300, or past measurement data transmitted from the database 300. A receiving data interface 410, a data analysis module 430 that analyzes the received data to analyze failure events that occur in the distribution system using an artificial neural network model, and a display that outputs the results analyzed by the data analysis module 430. It may include a module 450.
또한, 데이터 분석서버(400)는 계측데이터 분석을 고도화 하여 고장이벤트의 분석을 정확히 반영되기 위한, AI 프로그램이 탑재되고 음성 인식 기능을 포함하는 스마트폰, 태블릿 PC, 스마트 TV, 휴대폰, 미디어 플레이어, 서버, 마이크로 서버, 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. In addition, the data analysis server 400 is equipped with an AI program and includes a voice recognition function to enhance measurement data analysis and accurately reflect the analysis of failure events, such as smartphones, tablet PCs, smart TVs, mobile phones, media players, It may be, but is not limited to, a server, micro server, or other mobile or non-mobile computing device.
여기서, 인공신경망 모델은 배전계통에서 발생한 라벨링된 고장이벤트 및 과거 계측데이터를 입력하여 학습되어진 모델일 수 있다. Here, the artificial neural network model may be a model learned by inputting labeled failure events that occurred in the distribution system and past measurement data.
본 발명의 일 실시예에 따른 인공 신경망은 컨볼루션 신경망(convolution neural network: CNN), 오토 인코더(auto encoder), 피드포워드 신경망(feedforward neural network), 방사 신경망(radial basis function network), 코헨 자기조직 신경망(kohonen self-organizing network), 순환 신경망(RNN: recurrent neural network), 다중층 인식망(Multilayer Perceptron) 등으로 구성될 수 있으며 본 발명은 이에 제한되지 않고 임의의 신경망을 포함할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.The artificial neural network according to an embodiment of the present invention includes a convolution neural network (CNN), an auto encoder, a feedforward neural network, a radial basis function network, and Cohen self-organization. It may be composed of a neural network (kohonen self-organizing network), a recurrent neural network (RNN), a multilayer perceptron, etc., and the present invention is not limited thereto and may include any neural network. The above example is only an example for explaining the present disclosure, and the present disclosure is not limited thereto.
또한, 데이터 분석서버(400)는 데이터 분석서버(200)에서 수집한 데이터를 사용자에게 다양한 형태로 시각화해주고 데이터를 분석 할 수 있다. Additionally, the data analysis server 400 can visualize the data collected by the data analysis server 200 in various forms to the user and analyze the data.
또한, 데이터 분석서버(400)의 데이터 인터페이스(410)는 데이터를 모니터링 및 분석하고자 하는 PMU 데이터를 취득하기 위한 기능을 수행하는 모듈로서, 마이크로 PMU 데이터 수집단말장치에서 전송된 데이터를 수신하는 데이터 수신, 시계열 데이터베이스에 접근하여 실시간 수집되는 데이터를 취득하는 실시간 데이터베이스 접근 및 수집 서버에 저장된 과거 데이터 백업 파일을 취득하는 백업 데이터베이스에 접근하는 기능을 수행할 수 있다. In addition, the data interface 410 of the data analysis server 400 is a module that performs the function of acquiring PMU data to monitor and analyze data, and receives data transmitted from the micro PMU data collection terminal device. , it can perform the function of accessing a real-time database to acquire data collected in real time by accessing a time series database and accessing a backup database to acquire past data backup files stored in the collection server.
또한, 데이터 분석서버(400)는 업무성격에 따라 모드를 나누어 구분하여 분석할 수 있다. Additionally, the data analysis server 400 can analyze the data by dividing it into modes according to the nature of the work.
또한, 제1 분석모드는, 오프라인 모드로, 과거 데이터를 대상으로 업무를 수행하는 모드로, 백업데이터 또는 DB의 일정 부분 데이터를 불러올 수 있다.Additionally, the first analysis mode is an offline mode in which work is performed on past data, and backup data or a certain portion of data from the DB can be retrieved.
또한, 제1 분석모드는 분석데이터를 수신 및 전송하는 하는 기능으로, 분석데이터 수신은 원격의 데이터 수집기의 데이터베이스 또는 데이터 백업모듈에 저장된 백업 데이터 파일을 가져와 업로드를 수행하고, 분석데이터 전송은 작업 종료 후 수정된 데이터를 파일로 저장하는 데이터 수신 및 전송 모듈, 수신된 데이터베이스 데이터 또는 파일데이터를 형식변환 및 메모리에서 관리하는 과거 데이터 메니지먼트 모듈, 업로드된 데이터를 기반으로 다양한 스타일로 트렌드를 표시하는 트렌스 표시 모듈, 업로드된 데이터를 정렬, 검색, 필터링, 컬럼추가(라벨링) 등의 작업을 수행하며 분석할 수 있는 환경을 제공하는 분석 모듈, 업로드된 데이터를 기반으로 딥러닝을 수행하기 위한 모델, 데이터셋을 생성 및 관리하고, 온라인 모드로의 적용을 등록/해제 등 딥러닝 모델과 관련된 기능을 수행하는 모델 매니지먼트 모듈 및 모델 매니지먼트 모듈에서 등록된 데이터셋으로 사용자가 설정한 알고리즘, 파라미터(학습횟수, 히든레이어 수, 가중치, 활성화 함수 등)를 적용하여 학습을 수행하고, 결과 로그를 조회할 수 있으며, 이미 생성된 모델을 강화시키는 강화학습을 수행하는 학습 및 강화 모듈을 포함할 수 있다. In addition, the first analysis mode is a function that receives and transmits analysis data. Receiving analysis data involves uploading a backup data file stored in the database or data backup module of a remote data collector, and transmitting analysis data ends the task. Data reception and transmission module that saves modified data as a file, historical data management module that converts received database data or file data into format and manages it in memory, and trend display that displays trends in various styles based on uploaded data. Module, analysis module that provides an environment to analyze uploaded data by performing tasks such as sorting, searching, filtering, and column addition (labeling), model and dataset to perform deep learning based on uploaded data A model management module that performs functions related to deep learning models, such as creating and managing and registering/unregistering application to online mode, and algorithms and parameters (number of learning, hidden) set by the user with datasets registered in the model management module. You can perform learning by applying the number of layers, weights, activation functions, etc.), view the result log, and include a learning and reinforcement module that performs reinforcement learning to strengthen the already created model.
여기서 데이터 셋 관리는 학습할 데이터를 선택하고, 예측하고자 하는 종속변수를 지정, 또는 UI를 통해 직접 라벨링을 할 수 있으며, 신경망 모델 관리는 생성된 모델 목록을 조회할 수 있으며, 신규 모델을 등록할 수 있으며, 각 모델별로 온라인 모드에 적용여부를 지정할 수 있으며, 적용은 전체/그룹별/단말장치개별로 설정할 수 있다.Here, data set management allows you to select the data to learn, specify the dependent variable you want to predict, or label it directly through the UI, and neural network model management allows you to view the list of created models and register new models. You can specify whether to apply to online mode for each model, and application can be set to all/group/individual terminal device.
또한, 제2 분석모드는, 온라인 모드로, 실시간 수집 데이터를 대상으로 업무를 수행하는 모드로, 데이터 수집기의 시계열DB에 접근하여 데이터를 읽어 올 수 있다. In addition, the second analysis mode is an online mode in which work is performed on real-time collected data, and data can be read by accessing the time series DB of the data collector.
또한, 제2 분석 모드는 실시간 수집 데이터를 로컬 메모리에서 관리하는 기능을 수행하는 실시간 데이터 매니지먼트 모듈, 온라인에 적용된 AI 모델을 통해 실시간 데이터 분석을 수행하여 고장이벤트를 탐지하는 실시간 분석 모듈, 각종 이벤트(시스템에서 발생하는 이벤트, 알고리즘을 통해 식별된 이벤트, AI 모델을 통해 식별된 이벤트 등)를 저장 및 관리하며, 필요시 사용자에게 알리는 기능을 수행하는 이벤트 매니지먼트 모듈, 사용자가 집중적으로 감시하고자 하는 지역, 단말장치, 데이터 등을 하나의 화면으로 조합하여 종합적으로 모니터링 할 수 있는 대시보드, 실시간 데이터를 기반으로 다양한 스타일로 트렌드를 표시하는 실시간 트렌드표시 모듈, GIS를 연동하여, 단말장치의 위치정보를 기반으로 실시간 수집정보, 상태정보, 이벤트 정보 등을 표시하는 GIS 및 사용자가 입력한 제어명령을 해당 단말장치로 전송하는 명령메시지 전송모듈을 포함할 수 있다. In addition, the second analysis mode includes a real-time data management module that manages real-time collected data in local memory, a real-time analysis module that detects failure events by performing real-time data analysis through an AI model applied online, and various events ( Event management module that stores and manages events occurring in the system, events identified through algorithms, events identified through AI models, etc.) and performs the function of notifying users when necessary, areas that users want to intensively monitor, A dashboard that allows comprehensive monitoring by combining terminal devices and data on one screen, a real-time trend display module that displays trends in various styles based on real-time data, and a GIS link based on the location information of terminal devices. It may include a GIS that displays real-time collected information, status information, event information, etc., and a command message transmission module that transmits the control command entered by the user to the corresponding terminal device.
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. The above description is merely an illustrative explanation of the technical idea of the present invention, and those skilled in the art will be able to make various changes and modifications without departing from the essential characteristics of the present invention.
따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라, 설명하기 위한 것이고, 이러한 실시예들에 의하여 본 발명의 범위가 한정되는 것은 아니다. Accordingly, the embodiments disclosed in this specification are not intended to limit the technical idea of the present invention, but are for illustrative purposes, and the scope of the present invention is not limited by these embodiments.
본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 이해되어야 한다. The scope of protection of the present invention should be interpreted in accordance with the claims, and all technical ideas within the equivalent scope should be understood to be included in the scope of rights of the present invention.
10: 시스템
100: 데이터 수집단말장치
200: 데이터 수집서버
210: 어그리게이션 모듈
230: 버퍼 모듈
250: 데이터 처리 모듈
251: 데이터 검증 모듈
253: 데이터 핸들링 모듈
255: 데이터 보정 모듈
257: 지연시간 연산 모듈
300: 데이터베이스
400: 데이터 분석서버
410: 데이터 인터페이스
430: 데이터 분석 모듈
450: 디스플레이 모듈10: System
100: Data collection terminal device
200: Data collection server
210: Aggregation module
230: buffer module
250: data processing module
251: Data verification module
253: Data handling module
255: data correction module
257: Delay time calculation module
300: database
400: Data analysis server
410: data interface
430: Data analysis module
450: Display module
Claims (11)
배전계통의 위상데이터를 계측한 계측데이터를 수집하는 적어도 하나의 데이터 수집단말장치;
기설정된 구역에 설치된 상기 데이터 수집단말장치로부터 계측데이터를 수신하고, 상기 수신한 계측데이터를 전처리하는 데이터 수집서버;
상기 수신한 계측데이터를 저장하는 데이터베이스; 및
상기 수신된 계측데이터를 모니터링 및 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 데이터 분석서버를 포함하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
In a distribution system analysis system using a micro PMU (Phasor Measurement Unit: PMU),
At least one data collection terminal device that collects measurement data measuring phase data of a distribution system;
a data collection server that receives measurement data from the data collection terminal device installed in a preset area and preprocesses the received measurement data;
a database storing the received measurement data; and
Comprising a data analysis server that monitors the received measurement data and analyzes failure events occurring in the distribution system using an artificial neural network model,
Distribution system analysis system using micro PMU.
상기 적어도 하나의 데이터 수집단말장치는,
초당 60회로 위상데이터를 계측하여 상기 데이터 수집서버로 전송하는 마이크로 PMU인 것을 특징으로 하고,
상기 적어도 하나의 마이크로 PMU로부터 계측되는 데이터는 GPS를 이용하여 시각 동기화된 데이터인 것을 특징으로 하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 1,
The at least one data collection terminal device,
It is characterized as a micro PMU that measures phase data 60 times per second and transmits it to the data collection server,
Characterized in that the data measured from the at least one micro PMU is time-synchronized data using GPS,
Distribution system analysis system using micro PMU.
상기 데이터 수집서버는,
상기 수신한 계측데이터를 전처리하여, 저장한 데이터를 상기 데이터 분석서버로 전송하는 제1 모드; 및
상기 수신한 계측데이터를 바로 상기 데이터 분석서버로 전송하는 제2 모드를 포함하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 1,
The data collection server is,
A first mode for preprocessing the received measurement data and transmitting the stored data to the data analysis server; and
Including a second mode for directly transmitting the received measurement data to the data analysis server,
Distribution system analysis system using micro PMU.
상기 데이터 수집서버는,
상기 적어도 하나의 데이터 수집단말장치로부터 계측데이터를 수신하는 어그리게이션 모듈;
상기 수신한 계측데이터를 임시로 저장하는 적어도 하나의 버퍼 모듈; 및
상기 적어도 하나의 버퍼 모듈에 저장된 상기 계측데이터를 추출하고, 추출한 계측데이터를 전처리하는 데이터처리 모듈을 포함하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 1,
The data collection server is,
an aggregation module that receives measurement data from the at least one data collection terminal device;
At least one buffer module for temporarily storing the received measurement data; and
Comprising a data processing module that extracts the measurement data stored in the at least one buffer module and preprocesses the extracted measurement data,
Distribution system analysis system using micro PMU.
상기 버퍼 모듈은,
상기 버퍼 모듈은 2개의 버퍼로 구성되며, 제1 버퍼 모듈로 계측데이터를 저장시키고, 저장시킨 제1 버퍼 모듈에 포인터를 생성시켜서, 상기 데이터처리 모듈의 접근을 유도시키고, 유도된 상기 데이터처리 모듈에 의해 계측데이터가 추출되면, 제1 버퍼 모듈의 계측데이터는 삭제시키는 것을 특징으로 하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 4,
The buffer module is,
The buffer module consists of two buffers, stores measurement data in the first buffer module, creates a pointer to the stored first buffer module, induces access to the data processing module, and the induced data processing module When the measurement data is extracted, the measurement data of the first buffer module is deleted.
Distribution system analysis system using micro PMU.
상기 버퍼 모듈은,
제1 버퍼 모듈이 상기 데이터처리 모듈에 의해 전처리되는 동안, 제2 버퍼 모듈에 다음 계측데이터를 저장시키는 것을 특징으로 하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to clause 5,
The buffer module is,
Characterized in that the next measurement data is stored in the second buffer module while the first buffer module is preprocessed by the data processing module,
Distribution system analysis system using micro PMU.
상기 데이터처리 모듈은,
상기 수신한 계측데이터의 프로토콜 형식 확인 또는 CRC 체크를 하여 계측데이터를 검증하여, 기설정된 범위를 초과하는 데이터는 플래그를 생성시키는 데이터 검증모듈;
상기 검증된 계측데이터 중 오류가 있는 데이터 또는 중복된 데이터를 삭제시키는 데이터 핸들링 모듈;
상기 플래그된 데이터를 보정시키는 데이터 보정 모듈; 및
상기 데이터 수집단말장치의 지연시간 및 네트워크 지연시간을 합산하여 전체 지연시간을 연산하여 태그를 생성시키는 지연시간 연산 모듈을 포함하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 4,
The data processing module is,
a data verification module that verifies the measurement data by checking the protocol format or CRC check of the received measurement data and generates a flag for data exceeding a preset range;
a data handling module that deletes erroneous or duplicate data among the verified measurement data;
a data correction module that corrects the flagged data; and
Comprising a delay time calculation module that calculates the total delay time by adding the delay time of the data collection terminal device and the network delay time to generate a tag,
Distribution system analysis system using micro PMU.
상기 데이터베이스는,
상기 데이터 수집서버에서 실시간으로 수신한 계측데이터를 저장하고,
상기 데이터베이스에 저장되는 계측데이터는,
시간(time)과 값(value)이 한 쌍을 이루는 계측데이터인 것을 특징으로 하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 1,
The database is,
Stores the measurement data received in real time from the data collection server,
The measurement data stored in the database is,
Characterized in that it is measurement data consisting of a pair of time and value.
Distribution system analysis system using micro PMU.
상기 데이터베이스는,
과거 계측데이터가 누적적으로 저장된 백업 데이터를 저장하는 데이터 백업모듈을 더 포함하는 것을 특징으로 하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 1,
The database is,
Characterized in that it further includes a data backup module that stores backup data in which past measurement data is stored cumulatively.
Distribution system analysis system using micro PMU.
상기 데이터 분석서버는,
상기 데이터수집서버로부터 전송받은 계측데이터, 상기 데이터베이스로부터 전송받은 실시간 계측데이터 또는 상기 데이터베이스로부터 전송받은 과거 계측데이터를 포함하는 백업 데이터를 수신하는 데이터 인터페이스;
상기 수신된 데이터들을 인공신경망 모델을 이용하여 배전계통에서 발생하는 고장이벤트를 분석하는 데이터 분석모듈; 및
상기 분석된 결과를 출력하는 디스플레이 모듈을 포함하는,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to claim 1 or 4,
The data analysis server,
a data interface for receiving backup data including measurement data transmitted from the data collection server, real-time measurement data transmitted from the database, or past measurement data transmitted from the database;
a data analysis module that analyzes failure events occurring in the distribution system using the received data using an artificial neural network model; and
Comprising a display module that outputs the analyzed results,
Distribution system analysis system using micro PMU.
상기 인공신경망 모델은,
배전계통에서 발생한 라벨링된 고장이벤트 및 과거 계측데이터에 기반되어 학습되어진 모델인,
마이크로 PMU를 이용한 배전계통 분석 시스템.
According to paragraph 1,
The artificial neural network model is,
A model learned based on labeled failure events that occurred in the distribution system and past measurement data,
Distribution system analysis system using micro PMU.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220044099A KR20230144860A (en) | 2022-04-08 | 2022-04-08 | Distribution Network Analysis System using Micro PMU |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220044099A KR20230144860A (en) | 2022-04-08 | 2022-04-08 | Distribution Network Analysis System using Micro PMU |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230144860A true KR20230144860A (en) | 2023-10-17 |
Family
ID=88557709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220044099A KR20230144860A (en) | 2022-04-08 | 2022-04-08 | Distribution Network Analysis System using Micro PMU |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230144860A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101847065B1 (en) | 2017-12-14 | 2018-05-28 | 김앤영엔지니어링(주) | Separation control system for fault section of distribution line |
-
2022
- 2022-04-08 KR KR1020220044099A patent/KR20230144860A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101847065B1 (en) | 2017-12-14 | 2018-05-28 | 김앤영엔지니어링(주) | Separation control system for fault section of distribution line |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kang et al. | Big data analytics in China's electric power industry: modern information, communication technologies, and millions of smart meters | |
| CN111431284B (en) | BIM technology-based intelligent transformer substation management and control system | |
| AU2022204116A1 (en) | Verification method for electrical grid measurement data | |
| CN113472079B (en) | Power distribution station operation and maintenance monitoring cloud robot system, background processing and operation task method | |
| CN111062504A (en) | AR technology-based intelligent power distribution station operation and maintenance system and method | |
| CN116614177B (en) | Optical fiber state multidimensional parameter monitoring system | |
| CN109974780A (en) | A kind of electrical equipment status monitoring system based on Internet of Things | |
| CN113746891A (en) | Voiceprint monitoring system for power equipment | |
| CN116522746A (en) | Power distribution hosting method for high-energy-consumption enterprises | |
| US11657148B2 (en) | Event analysis in an electric power system | |
| CN115186974A (en) | Power distribution network power supply quality comprehensive evaluation method and system based on business middling station | |
| CN103617567A (en) | On-line safe and reliable interaction operation visualization system of electric power system | |
| CN113688987A (en) | Training method of photovoltaic monitoring model, monitoring method of photovoltaic equipment and equipment | |
| CN110245163A (en) | A kind of Operation of Electric Systems hidden troubles removing method | |
| CN103245915B (en) | Based on the excitation system in-service monitoring method of real-time PMU data | |
| CN112541011A (en) | Power grid terminal fault processing method and device based on RPA and AI | |
| KR20230144860A (en) | Distribution Network Analysis System using Micro PMU | |
| Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
| CN105137776A (en) | Metering automation terminal control assistant system | |
| CN111626542A (en) | Big data-based detection method for generator excitation system | |
| CN110601214A (en) | Distribution network reactive voltage governance monitoring system | |
| CN112542892B (en) | Substation regulation and control integrated control method and control device | |
| CN111857015B (en) | Power transmission and transformation cloud intelligent controller | |
| CN111123248A (en) | Terminal real-time position positioning method and system, and terminal full-life-cycle monitoring method and system | |
| WO2023238449A1 (en) | Facility operation assistance device, method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |