2.1 자가진단/자산관리 접근법의 도입

먼저 변압기의 자가진단 평가 항목과 내용은 총 8가지로 ‘부하율이 70% 이상이다’, ‘부싱 및 애자류 등의 손상이 있다’, 환기설비 설치 및 동작이 부적합하다‘, 환경 및 사용조건이 열악하다’, ‘호흡기의 실리카겔이 심하게 변색되어 있다’, ‘국부 발열에 의해 변색 및 변형되어 있다’, ‘이상 음, 진동이 발생한다’, ‘본체, 부속품 등에 녹, 변색, 도장의 박리 등이 있다’ 구성되어 있다, 이들은 자가진단을 수행하고 있는 선진국 자료를 바탕으로 국내 기술기준과 국제표준 그리고 진단 전문가의 자문을 받아 개발했다. 그림 1에 변압기의 자가진단 항목들이 나열되어 있다^{(1)(2)(12)(15)(16)}.

자가진단은 각 항목에 해당되면 체크하여 점수를 부과하도록 되어있어 점수가 증가할수록 설비상태가 나쁘다는 것을 의미한다. 기존의 자가진단은 상태지수와 수명지수로 구분되어 있는데 본 연구에서는 자산관리 접근법에 도입하고자 상태지수

그림 1 변압기 자가진단 평가표

Fig. 1 Transformer Self-diagnosis evaluation table

중 외관점검 항목만 사용했다. 자가진단 평가 항목 중 일부는 자산관리 접근법보다 세분화 되어있지 않다. 그러나 본 논문에서 제시하고자 하는 자가진단과 자산관리 접근법의 도입은 관리자 수준과 현장상황을 고려해 볼 때 자가진단 평가 항목의 수준이 더 적합하다고 판단된다.

다음으로 자산관리 접근법이란 여러 가지 진단 및 점검을 통해 변압기의 건전성을 분석하고 판단하여 잔여수명을 예측하는 기법이다. 건전성 분석을 위해서 건전성 지수를 사용하며 표 1에 나열해놓은 진단 및 점검항목을 수행하고 이에 대한 점수들을 종합하여 건전성 지수로 표현한다. 그리고 건전성 지수를 가지고 설비의 잔여수명을 예측하여 유지관리에 도움을 준다.^(13)(14)

표 1의 진단 및 점검항목들 중에 자가진단으로 세분화 할 수 있는 사항을 도출한다. 먼저 Load History는 부하율에 해당되고, Bushing Condition은 부싱 및 애자류 진단 항목에 해당된다. 다음으로 Cooling Equipment는 환기설비 설치 및 동작에 해당하고 Overall Condition은 남은 5가지로 나누어 볼 수 있다. 이를 정리하면 표 2과 같다.

2.2 자가진단/자산관리 접근법 수식 및 사례

2.2.2 자가진단/자산관리 접근법 적용사례

실제 수용가의 변압기에 자가진단/자산관리 접근법을 적용하여 건전성을 분석하고 잔여수명을 예측해 보았다. 표 7은 20년 이상이고 전기안전관리가 취약한 수용가에서 수행한 자가진단 평가표이다. 자가진단 평가표를 보면 ‘환경 및 사용조건이 열악하다’, ‘부싱 애자류 등의 손상이 있다’, ‘본체, 부속품 등에 녹, 변색, 도장의 박리 등이 있다’가 선택되어 있다^{(1)(3)(4)(5)(6)}.

각 항목별 계산을 공식 (1)과 (2)를 통해 HIF를 구하면 Load Factor는 4, Bushing Condition은 0, Cooling Equipment는 4,

그림 2 자가진단 실제 예시

Fig. 2 Example of Self-diagnosis

표 7 건전성 지수의 범위

Table 7 Health Index Scale

Health Index	Condition	Approximate Expected Lifetime	Description
85-100	Very Good	More than 15 yrs	Some aging or minor deterioration of a limited number of components
70-85	Good	More than 10 yrs	Significant deterioration of some components
50-70	Fair	Up to 10 yrs	Widespread significant deterioration or serious deterioration of specific components
30-50	Poor	Less than 3 yrs	Wide spread serious deterioration
0-30	Very Poor	At End-of-Life	Extensive serious deterioration

Overall Condition은 3으로 나온다. 따라서 $HI_{f\in al}$을 구하면 72%가 나온다. $HI_{f\in al}$가 72%인 경우에 설비 건전성은 좋음이며, 기대할 수 있는 잔여수명은 10년 이상이다. $HI_{f\in al}$에 따른 설비 건전성과 잔여수명은 표 7을 통해 판단할 수 있다.

3.1 건전성 통계 및 회귀분석

제시한 건전성 분석기법을 사용하여 통계화 했을 경우 기존의 회귀분석과의 차이점을 확인해보고자 한다. 데이터는 웹기반 자가용설비 진단정보 종합관리시스템을 통해 전국에 있는 전기안전관리자가 실시한 자가용 전기설비의 자기진단 데이터를 활용했다. 본 시스템은 한국전기기술인협회가 정부 지원을 통해 구축하였으며, 2017년부터 현재까지 운영하고 있으며 자가진단 시스템을 통해 설비별 건정성 판단, 정밀진단 수행여부, 측정 데이터 분석 등과 같은 기능들이 있다.⁽²⁾ 이를 통해 확보한 약 300개의 데이터들을 가지고 건전성 통계를 도출했다. 그림 3은 자산관리 접근법에서 제시한 통계자료이며, 그림 4는 제시한 건전성 분석과정을 통해 도출된 통계자료이다.

그림 3 변압기 건전성 지수와 수명 비교의 예시

Fig. 3 Example of Health Index Versus age for Power transformers

그림 3은 ABB에서 2007년 변압기에 대한 통계분석을 실시한 그래프이다. 그림 3의 그래프에서 중점적으로 비교해볼 내용은 시간(수명)과 건전성과의 관계, 결정계수($R^{2}$)의 값이다. 먼저 시간과 건전성과의 관계를 보면, 사용시간이 40~60년을 사용함에도 건전성(HI) 지수가 70% 이상인 경우가 매우 많다. 이를 보면 시간과 건전성과의 관계는 빨간색으로 표시된 회귀 모형(선형 분석식)으로 진행되는 것처럼 보인다.

그러나 2~30년 사이의 설비 데이터가 다른 시간보다 적은 것과 제조사에서 일반적으로 제시하는 전기설비의 수명이 2~30년임을 고려할 때 데이터가 적은 기간(2~30년)에 사고 및 고장 등으로 설비가 교체되거나 수리된 것임을 추측할 수 있다. 또 그에 대한 근거로 결정계수의 값이 있다. 일반적으로 결정계수가 클수록 회귀 모형이 주어진 자료에 적합하다고 판단할 수 있는데, 여기서 제시하고 있는 결정계수의 값은 0.016이다. 따라서 제시된 건전성 지수와 수명과의 관계는 회귀 모형(선형)보다 복잡하다는 것을 알 수 있다.

국내 변압기 데이터를 분석하면 그림 4와 표 8과 같은 통계를 얻을 수 있다. 그림 4와 그림 3을 비교해보면 매우 유사한 형태를 나타내고 있지만, 결정계수 값이 0.035로 해외의 결정계수 값보다 크며, 이는 국내 변압기가 해외보다 시간과 HI의 인과관계가 기존보다 더 크다는 것은 알 수 있으나, 회귀 모형과의 적합도는 여전히 낮기 때문에 수명예측은 제시되 회귀

그림 4 실제 수용가 변압기 건전성 통계 자료

Fig. 4 Consumer Transformer Health Statistics

모형으로 추론하기 어렵다. 다음으로 분산분석 F의 값과 개별 독립변수 P값이 기준(0.05)보다 낮기 때문에 유의한 것으로 분석된다.

여기에 변압기 평가항목 배점 중 적절하지 못한 부분이 있어 수정하여 반영해보았다. 먼저 ‘환경 및 사용조건이 열악하다’는 환경 및 사용조건이 열악하다고 판단하는 것이 목적이므로 옥내·외를 구분하는 것은 적절치 못한 것으로 판단되었다. 그리고 ‘본체, 부속품 등에 녹, 변색, 도장의 박리 등이 있다’는 ‘이상 음, 진동’, ‘부싱 및 애자류 손상’과 같이 사고로 이어질 가능성이 충분하다고 판단되었다. 따라서 두개의 평가항목 다 배점을 5점에서 10점으로 상향시켰다.

그림 5 자가진단 평가항목 배점 변경 후 건전성 통계 자료

Fig. 5 Self-diagnosis evaluation items after changing the allocation of health statistics

변경된 변압기 평가항목을 가지고 건전성 분석 및 통계를 실시해본 결과 결정계수 값이 0.035에서 0.1로 크게 증가한 것을 알 수 있다. 즉 설비 사용시간과 HI 간의 인과관계가 국내 변압기 설비가 다른 해외국가보다 크다고 분석할 수 있다. 그럼에도 불구하고 제시된 회귀 모형만으로는 잔여수명 예측이 어렵다는 것을 알 수 있다. 이는 그림 5를 통해 확인할 수 있다.

국내 건전성 분석과 해외 건전성 분석 결과가 다른 이유는 그림 4, 5의 데이터가 부족한 것보다는 한국의 전기설비 사용 환경에 영향을 받은 것으로 판단된다. 따라서 자가진단 평가 시 변경된 배점으로 진행하는 것이 기존의 자가진단 평가보다 상대적으로 건전성 분석 및 잔여수명 예측에 도움이 될 것이다.