Hybrid Digital Twin 기반 개선된 전력설비 고장 모니터링 및 예측 시스템 = An Enhanced Power Equipment Fault Monitoring and Prediction System Based on a Hybrid Digital Twin

국문 초록 (Abstract)

기존의 상용 전력설비 모니터링 시스템은 주로 임계값（threshold） 기반의 상태 감시와 사고 발생 이후 대응에 초점을 두고 있으며, 주로 Data-Driven AI Ditigal Twin 형태로 사용되어 사고 전조를 조기에 식별하고 사전 정전을 예방하는 데 한계가 있다고 보고되고 있다. 따라서 본 연구에서는 기존 전력 설비 모니터링 시스템의 예측 한계와 불필요한 정전 발생 문제를 극복하기 위하여, Oil ＆ Gas 플랜트 2개 현장（Site A와 Site B）에서 실제 전력 설비 Event Log를 활용하여 사고 전후의 전압（V）, 전류（I）, 주파수（Freq）, 부하（Load）, 온도（Temp,）, 영상전류（I0） 및 역상전류（Ineg） 등의 인자의 변화를 분석하는 작업을 수행하였다.
Site A는 해외 현장으로 전류 불평형 등 전기적 사고（10건）의 기록을, Site B는 국내 현장으로 온도 및 부하 상승 등 열적 과부하형 사고（4건）의 기록분석을 수행하였다. 분석수행 결과 일부 사고에서는 상전압이 정상 범위를 유지함에도 불구하고 역상전류와 영상전류가 각각 약 52배 및 8배 이상 증가하는 전류 불평형 사고 특성이 확인되었다. 또한 다른 사고 사례에서는 부하율 상승 및 온도 상승이 동시에 발생하는 열적 과부하 사고 특성이 확인되었다. 이는 전력 설비 사고가 단일 변수로 설명되기 어려우며 별도의 사고 메커니즘별 접근이 필요함을 의미한다.
이의 필요성에 따라 본 논문에서는 Derived Features를 변환 및 적용하여 Hybrid Digital Twin（DT） 모델을 제안하였다. 즉 Derived Features는 전압 변화율（ΔV）, 전류 변화율（ΔI）, Current Unbalance Index（CUI）, Zero Sequence Index（ZSI）, ROCOF 및 Residual과 같이 실제 운전 데이터로부터 계산 및 파생된 특징량을 의미하며, 기존 전력 모니터링시스템（CPMS）로는 식별하기 어려운 사고 전조를 가시화하고 Hybrid DT의 고장 예측 성능을 향상 시키기 위한 핵심 입력 변수로 사용하는 것을 제안하였다.
이에 본 논문에서는 3가지 방법으로 Hybrid Digital Twin 구조를 발전시켰다.
첫 번째, Derived Features 기반 이상 징후 지표를 정리 및 활용하여 ① 전압·전류·주파수 등의 변화율 기반 Electrical Branch와 ② 전류·온도·부하 변화율 기반 Thermal Branch를 통합한 Multi-Branch Hybrid DT 구조를 제안하였다.
두 번째, Rule-Based Fault Precursor Detection, Logistic Regression 등을 결합하여 사고 전조 탐지와 고장 발생 가능성 예측 기능을 구현하였다.
세 번째, 성능 평가를 통해 성능 개선 여부를 판별하였다. 사고 검출률을 확인한 결과 기존 Threshold 기반 방식의 Site B Recall Rate（실제 사고 중 모델이 검출한 비율）는 63.6%로 나타남을 확인하였다. 반면에 제안된 모델의 Recall Rate는 100.0%로 나타났다. 또한 False Alarm Rate（정상 상태를 사고로 잘못 판단한 비율） 또한 Site A : 2.2%, Site B : 43.1%에서 모두 0%로 감소한 것을 확인하였으며, 이는 다양한 사고 메커니즘에 대한 구분 성능이 개선됨을 확인하였다.
이러한 개선의 수행 결과 사고 전조를 알리는 Alarm의 평균 Lead-Time（고장이 발생하기 전에 시스템이 위험을 사전에 감지한 시간）이 41.67초에서 684.61초로 16.43배 증가하였음을 확인하였다. 이는 알람 후 1분 이내에 사고가 발생하여 대처하지 못한 기존 상황들에 대처할 수 있는 시간을 확보하게 됨을 시사한 것이다.
또한, Load List를 기준으로 부하의 On/Off 순서 및 환경의 변화에 따른 Simulation을 가능하게 하였다. 제안된 Hybrid DT는 기존 상태 감시 중심 Digital Twin을 사고 전조 분석, 고장 예측 및 의사결정 지원 기능까지 확장한 구조로서 향후 전력 설비의 예지보전（Predictive Maintenance）, 자산 건전성 관리（Asset Health Management） 및 무정전 운전 전략 수립에 적극 활용될 수 있을 것으로 기대된다.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1 연구의 배경 1
• 1.2 연구의 필요성 3
• 1.3 연구의 목적 4
• 제2장 전력 설비 Hybrid Digital Twin 모니터링의 시스템 제안 8
• 2.1 전력 설비 사고와 기존 모니터링 시스템 8
• 2.2 기존의 Digital Twin 기술 8
• 2.3 기존 Data-Driven AI 모델(SCADA & DCS)의 한계와 Hybrid 도입의 필요성 10
• 2.4 Hybrid DT 개념과 기존 연구와의 차별성 11
• 제3장 실제 전력설비에서의 운전 데이터 분석 15
• 3.1 실제 운전 데이터의 개요 15
• 3.2 Site A Data 분석 16
• 3.3 Site B Data 분석 20
• 3.4 기존 모니터링 시스템의 한계와 시사점 23
• 제4장 Hybrid DT 기반 고장 예측 모델 설계 25
• 4.1 분석 결과에 따른 모델링 25
• 4.2 Hybrid DT 구조의 설계 프레임 26
• 4.3 Hybrid DT 구조의 설계 적용 27
• 4.4 제안 모델의 차별성 35
• 제5장 Hybrid DT의 적용에 의한 성능 평가 및 결과 분석 41
• 5.1 평가지표와 평가수행 41
• 5.2 평가항목에 따른 성능 비교와 결과 분석 44
• 5.3 종합 분석 50
• 제6장 결론 52
• 참고문헌 54
• ABSTRACT 57