• 대한전기학회논문지:전력기술부문A
• /
• 제48권3호
• /
• pp.184-189
• /
• 1999

In this paper, we develope a diagnosis device for ZnO arrester by detecting the leakage current in service. To diagnose the deterioration of ZnO arrester, the device detects the total leakage current which flows between an arrester and ground, and analyzes the resistive current(third harmonic current) which is an indicator of deterioration of ZnO arrester. We use the optical cable which can transfer a detected data without a noise, also use a microprocessor for a data storage, processing, and trend analysis. Experiment are executed to verify its performance in laboratory and the results show that the diagnosis device exactly detects the total leakage current and the resistive current, so it can diagnose the deterioration of ZnO arrester. Also the leakage current of ZnO arrester is detected using the developed diagnostic device in field, these results are presented.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 E
• /
• pp.1740-1742
• /
• 1998

This paper describes the technique of deterioration diagnosis for ZnO element. Due to the non-linear resistance of ZnO block, the total leakage current contains harmonics when arrester deteriorated. The most significant harmonics is the 3rd order component. So, it can be used as an indicator of the arrester condition. An iron core, which has a very high relative permeability, is used for increasing detection sensitivity and the 3th order harmonics of leakage current was detected by band-pass circuit. And we have verified the reliability and performance of the sensing device through several laboratory tests.

• Journal of Electrical Engineering and Technology
• /
• 제11권4호
• /
• pp.848-859
• /
• 2016

System failures in thermal power plants (TPPs) can lead to serious losses because the equipment is operated under very high pressure and temperature. Therefore, it is indispensable for alarm systems to inform field workers in advance of any abnormal operating conditions in the equipment. In this paper, we propose a clustering-based fault detection method for steam boiler tubes in TPPs. For data clustering, k-means algorithm is employed and the number of clusters are systematically determined by slope statistic. In the clustering-based method, it is assumed that normal data samples are close to the centers of clusters and those of abnormal are far from the centers. After partitioning training samples collected from normal target systems, fault scores (FSs) are assigned to unseen samples according to the distances between the samples and their closest cluster centroids. Alarm signals are generated if the FSs exceed predefined threshold values. The validity of exponentially weighted moving average to reduce false alarms is also investigated. To verify the performance, the proposed method is applied to failure cases due to boiler tube leakage. The experiment results show that the proposed method can detect the abnormal conditions of the target system successfully.

• 비파괴검사학회지
• /
• 제35권5호
• /
• pp.307-313
• /
• 2015

배관의 누설 검출은 주로 AE(acoustic emission) 센서와 같은 접촉식 센서가 이용되고 있다. 그러나 이러한 접촉식 센서는 고온이나 고방사능 지역에서 설치 및 운용의 어려움이 따른다. 이에 최근 원거리 감시 및 광역감시가 가능한 카메라를 이용한 누설 검출 방법에 대한 연구가 진행되어 왔다. 기존 카메라를 이용한 방법은 누설 검출을 위해 차영상 기법을 이용하고 있다. 그러나 이 방법은 누설뿐만 아니라 구조물의 진동이 누설로 검출되는 오류를 보이고 있다. 본 논문에서는 카메라를 이용한 누설 검출 방법에서 누설 검출 오류를 줄이기 위한 이동평균 차영상 및 히스토그램 분석법을 제안하였으며 실험을 통하여 성능을 평가하였다.

• Journal of Electrical Engineering and Technology
• /
• 제12권4호
• /
• pp.1406-1416
• /
• 2017

In complex and large-scale industries, properly designed fault detection and identification (FDI) systems considerably improve safety, reliability and availability of target processes. In thermal power plants (TPPs), generating units operate under very dangerous conditions; system failures can cause severe loss of life and property. In this paper, we propose a bagged auto-associative kernel regression (AAKR)-based FDI approach for steam boilers in TPPs. AAKR estimates new query vectors by online local modeling, and is suitable for TPPs operating under various load levels. By combining the bagging method, more stable and reliable estimations can be achieved, since the effects of random fluctuations decrease because of ensemble averaging. To validate performance, the proposed method and comparison methods (i.e., a clustering-based method and principal component analysis) are applied to failure data due to water wall tube leakage gathered from a 250 MW coal-fired TPP. Experimental results show that the proposed method fulfills reasonable false alarm rates and, at the same time, achieves better fault detection performance than the comparison methods. After performing fault detection, contribution analysis is carried out to identify fault variables; this helps operators to confirm the types of faults and efficiently take preventive actions.

• International Journal of Safety
• /
• 제11권2호
• /
• pp.15-21
• /
• 2012

This paper is aimed to develop an electrical fire detection system (EFDS) which can analyze the possibility of electrical fire for overcurrent, leakage current and arc signals of panel board in traditional market shop. The EFDS adopted fuzzy logic and precursory data for overcurrent, leakage current and arc signals to evaluate the possibility of electrical fire. The signals are obtained directly from panel board in traditional market shops and fuzzy membership function is obtained from experiment, simulation, expert's advice. The overcurrent data is acquired by thermal data of normal and abnormal states (partial disconnection) on the insulated electrical wire, in accordance with the increase of the current signal, The leakage current data is obtained under various environments. The arc signal is acquisited by waveforms of instantaneous value in time domain and frequency band in frequency domain. The Fuzzy algorithm for DB of EFDS consists of fuzzification, inference engine by Mamdani's method and defuzzification by center of gravity method. In order to verify the performance and reliability of EFDS, it was applied to Jeon-Ju traditional market shops (90 shops) in Korea. Results show that EFDS in this paper is useful in alarming the fire case, which will prevent severe damage to human beings and properties, and reduce the electrical fires in a vulnerable area of electrical disaster.

• 한국화재소방학회논문지
• /
• 제30권2호
• /
• pp.43-48
• /
• 2016

가스계소화설비는 소화약제의 자연 누기와 소화설비 노후로 인한 누기 등으로 화재진압 능력이 저하되는 문제점이 발생하고 있다. 이에 본 연구에서는 소화약제의 누기를 실시간으로 감지하는 압력누기 체크센서 모듈을 개발하였으며, 개발 모듈에 대한 성능평가를 하였다. 국내 외적으로 압력누기 감시 시스템에 대한 명확한 시험기준이 마련되어 있지 않다. 따라서 국외 유사 기준 ISO 7240, FM 1421와 국내 수신기 형식승인 및 제품검사의 기술기준을 참고하여 개발 모듈에 맞게 기본 성능과 내환경성에 대한 기준을 마련하고 평가를 실행하였다. 기본 성능 평가는 압축공기를 모듈에 인가하는 방식으로 최저작동 압력이 0.3 bar인 것을 확인하였다. 내환경성 검증은 통상적으로 발생할 수 있는 기후변화에도 오작동 없이 정상적으로 작동하는지를 확인하였다. 그 결과, 고온($50^{\circ}C$) 및 저온($-10^{\circ}C$) 환경 기준에서 이상 없이 정상 작동하였다.

• 전기학회논문지
• /
• 제67권8호
• /
• pp.1106-1112
• /
• 2018

In this paper, measurement techniques are presented to test the performance of insulation without interruption if it is difficult to measure insulation resistance. Especially, non-contact voltage phase detection techniques have been developed that can be applied in environments where it is difficult to find voltage measurement locations such as component receptors. The performance verification of the non-interrupting insulation resistance measuring devices has been tested against existing products using standard calibration equipment and test jigs. The validation confirmed performance within 2 % for direct contact type and within 10 % for non-contact type. In addition, the procedure to make continuous insulation test using the equipment was proposed.

• 해양환경안전학회지
• /
• 제28권1호
• /
• pp.184-192
• /
• 2022

밸브의 내부 누설 현상은 밸브의 내부 부품의 손상에 의해 발생하며 배관 시스템의 사고와 운전정지를 일으키는 주요 요인이다. 본 연구는 버터플라이형 밸브의 내부 누설에 따라 배관계에서 발생하는 음향방출 신호를 이용하여 배관 가동 중 실시간 누설 진단의 가능성을 검토하였다. 이를 위해 밸브의 작동 모드별로 측정한 시간영역의 AE 원시신호를 취득하였으며 이로부터 구축한 데이터셋은 데이터 기반의 인공지능 알고리즘에 적용하여 밸브의 내부 누설 유무를 진단하는 모델을 생성하였다. 누설 유무진단을 분류의 문제로 정의하여 SVM 기반의 머신러닝과 CNN 기반의 딥러닝 분류 알고리즘을 적용하였다. 데이터의 특징 추출에 기반한 SVM 분류 모델의 경우, 이진분류 모델에서 구축된 모델에 따라 83~90%의 정확도를 나타냈으며, 다중 클래스인 경우 분류 정확도가 66%로 감소하였다. 반면, CNN 기반의 다중 클래스 분류 모델의 경우 99.85%의 분류 정확도를 얻을 수 있었다. 결론적으로 밸브 내부 누설 진단을 위한 SVM 분류모델은 다중 클래스의 정확도 향상을 위해 적절한 특징 추출이 필요하며, CNN 기반의 분류모델은 프로세서의 성능 저하만 없다면 누설진단과 밸브 개도 분류에 효율적인 접근방법임을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권6호
• /
• pp.151-158
• /
• 2019

캐시 부채널 공격 중 하나인 FLUSH+RELOAD 공격은 높은 해상도와 적은 노이즈로 여러 악성 프로그램에서도 활용되는 등 비밀 정보의 유출에 대한 위험성이 높은 공격이다. 따라서 이 공격을 막기 위해 실시간으로 공격을 탐지하는 기술을 개발할 필요가 있다. 본 논문에서는 프로세서의 PCM (Performance Counter Monitor)를 이용한 실시간 FLUSH+RELOAD 공격 탐지 기법을 제안한다. 탐지 방법의 개발을 위해 우선 공격이 발생하는 동안 PCM의 여러 카운터들의 값들의 변화를 4가지 실험을 통해 관찰하였다. 그 결과, 3가지 중요한 요인에 의해 공격 탐지를 할 수 있다는 것을 발견하였다. 이를 바탕으로 머신 러닝의 logistic regression과 ANN(Artificial Neural Network)를 사용해 결과에 대한 각각 학습을 시킨 뒤 실시간으로 공격에 대한 탐지를 할 수 있는 알고리즘을 개발하였다. 이 탐지 알고리즘은 일정한 시간동안 공격을 진행하여 모든 공격을 감지하는데 성공하였고 상대적으로 적은 오탐률을 보여주었다.