| 1 |
1
부분방전을 발생시키는 결함유형들을 기준으로 생성된 n개의 파라미터들에 대응하는 가상 공간을 형성하고, 상기 결함유형들 각각에 대한 상기 n개의 파라미터들의 파라미터 값들을 조합하여 상기 가상 공간상에 결함유형모델들을 배치하는 단계;부분방전신호 이벤트 발생 시, 발생된 부분방전신호에 근거하여 상기 n개의 파라미터들에 해당하는 파라미터 값들을 추출하고, 상기 파라미터 값들을 조합하여 상기 가상 공간상에 부분방전모델을 배치하는 단계;상기 결함유형모델들의 위치 정보와 상기 부분방전모델의 위치 정보를 비교하여 상기 결함유형모델들과 상기 부분방전모델 사이의 거리값을 산출하는 단계;상기 산출하는 단계에서 산출된 상기 거리값으로부터 상기 부분방전신호 이벤트에 대한 상기 결함유형들의 확률값을 산출하는 단계; 및상기 부분방전신호 이벤트에 대한 상기 결함유형들의 확률값과 상기 부분방전신호 이벤트에 대한 뉴럴 네트워크 기반의 결함유형 판정 결과의 확률값들에 근거하여 상기 부분방전신호 이벤트에 대한 결함유형을 판정하는 단계;를 포함하되,상기 결함유형을 판정하는 단계에서는, 상기 결함유형들의 확률값과, 상기 뉴럴 네트워크 기반의 결함유형 판정 결과로부터의 확률값들에 서로 다른 가중치를 부여하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 2 |
2
청구항 1에 있어서,상기 가상 공간은,상기 n개의 파라미터들 각각에 대응하는 n개의 축으로 이루어진 n차원 공간인 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 3 |
3
청구항 1에 있어서,상기 결함유형들을 배치하는 단계는,상기 가상 공간상에서 상기 결함유형별로 상기 파라미터 값들을 배치하고, 상기 파라미터 값들이 일정한 분포를 갖는 군집을 형성하면 상기 결함유형별로 해당 군집에 대한 중간 위치의 좌표값을 산출하는 단계; 및상기 결함유형별로 산출된 좌표값을 상기 각 결함유형모델의 위치 정보로 저장하는 단계;를 포함하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 4 |
4
청구항 1에 있어서,상기 결함유형들의 확률값을 산출하는 단계는,상기 결함유형들과의 전체 거리값을 기준으로 상기 각 결함유형별로 상대적인 거리의 비를 계산하여 상기 확률값을 산출하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 5 |
5
청구항 1에 있어서,상기 확률값은,상기 부분방전모델과 상기 결함유형모델 사이의 거리값이 가까울수록 높은 확률값을 갖는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 6 |
6
청구항 1에 있어서,상기 결함유형을 판정하는 단계는,상기 결함유형들과 상기 부분방전신호 이벤트에 대한 뉴럴 네트워크 기반의 결함유형 판정 결과를 수신하는 단계;를 포함하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 7 |
7
청구항 1에 있어서,상기 결함유형을 판정하는 단계는,상기 결함유형들의 확률값과, 상기 뉴럴 네트워크 기반의 결함유형 판정 결과로부터의 확률값들을 조합하여 상기 부분방전신호 이벤트에 대한 결함유형을 판정하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 8 |
8
삭제
|
| 9 |
9
청구항 1에 있어서,상기 결함유형을 판정하는 단계는,상기 서로 다른 가중치를 부여한 상기 결함유형들의 확률값과, 상기 뉴럴 네트워크 기반의 결함유형 판정 결과로부터의 확률값들을 각각 합산하여 상기 부분방전신호 이벤트에 대한 결함유형을 판정하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 10 |
10
청구항 1에 있어서,상기 파라미터들은,상기 결함유형들에 대응하여 측정된 부분방전신호의 위상, 방전량, 및 방전횟수를 기초로 하여 생성된 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 11 |
11
청구항 10에 있어서,상기 파라미터들은,상기 위상, 상기 방전량, 및 상기 방전횟수를 변수로 하여, 위상-방전량, 위상-방전횟수, 및 방전량-방전횟수의 세가지 타입의 2차원 분포로 분류되는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 12 |
12
청구항 11에 있어서,상기 위상-방전량 및 상기 위상-방전횟수 타입의 파라미터들은 위상이 종속변수이므로 정극성과 부극성으로 분류되는 것을 부분방전 결함유형 판정 방법
|
| 13 |
13
청구항 11에 있어서,상기 방전량-방전횟수 타입의 파라미터들은 종속변수가 선형 특성을 가지므로 최대값을 100으로 하여 노멀라이징(Normalizing)하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 14 |
14
청구항 1에 있어서,상기 부분방전 결함유형은,입자(Particle), 플로팅(Floating), 코로나(Corona), 공동(Viod), 및 노이즈(Noise) 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 부분방전 결함유형 판정 방법
|
| 15 |
15
부분방전을 발생시키는 결함유형들을 기준으로 생성된 n개의 파라미터들에 대응하는 가상 공간을 형성하는 가상공간 구현부;부분방전신호 이벤트 발생 시, 발생된 부분방전신호에 근거하여 상기 n개의 파라미터들에 해당하는 파라미터 값들을 추출하는 부분방전신호 분석부;상기 결함유형들 각각에 대한 상기 n개의 파라미터들의 파라미터 값들을 조합하여 상기 가상 공간상에 배치된 결함유형모델들의 위치 정보와 부분방전신호에 대한 상기 n개의 파라미터들의 파라미터 값들을 조합하여 상기 가상 공간상에 배치된 부분방전모델의 위치 정보를 비교하여 상기 결함유형모델들과 상기 부분방전모델 사이의 거리값을 산출하고, 상기 거리값으로부터 상기 부분방전신호 이벤트에 대한 상기 결함유형들의 확률값을 산출하는 연산부; 및상기 부분방전신호 이벤트에 대한 상기 결함유형들의 확률값과 상기 부분방전신호 이벤트에 대한 뉴럴 네트워크 기반의 결함유형 판정 결과의 확률값들에 근거하여 상기 부분방전신호 이벤트에 대한 결함유형을 판정하는 결함유형 판정부;를 포함하되,상기 결함유형 판정부는, 상기 결함유형들의 확률값과, 상기 뉴럴 네트워크 기반의 결함유형 판정 결과로부터의 확률값들에 서로 다른 가중치를 부여하는 것을 특징으로 하는 부분방전 결함유형 판정 장치
|
| 16 |
16
청구항 15에 있어서,상기 결함유형 판정부는,상기 결함유형들과 상기 부분방전신호 이벤트에 대한 뉴럴 네트워크 기반의 결함유형 판정 결과를 수신하고, 상기 결함유형들의 확률값과, 상기 뉴럴 네트워크 기반의 결함유형 판정 결과로부터의 확률값들을 조합하여 상기 부분방전신호 이벤트에 대한 결함유형을 판정하는 것을 특징으로 하는 부분방전 결함유형 판정 장치
|
| 17 |
17
삭제
|
| 18 |
18
청구항 15에 있어서,상기 결함유형 판정부는,상기 서로 다른 가중치를 부여한 상기 결함유형들의 확률값과, 상기 뉴럴 네트워크 기반의 결함유형 판정 결과로부터의 확률값들을 각각 합산하여 상기 부분방전신호 이벤트에 대한 결함유형을 판정하는 것을 특징으로 하는 부분방전 결함유형 판정 장치
|
