1. Introduction

송배전 전력설비는 전기를 생산하고 소비자에게 안정적으로 전기를 공급하는 역할을 한다. 따라서, 국가 운영에 있어 필수적인 기반시설이며 국민의 안전과 편익을 보장하고 경제 성장 및 발전에 기여한다. 1990년대 전 세계적으로 급격한 산업 발전을 겪음에 따라 전력 수요가 증가하였으며 전력인프라가 확장되고 많은 수의 전력설비가 제작 및 설치되었다. 이러한 고도 성장기에 설치된 전력설비들은 시간이 지나면서 노후화가 진행되어 설계 수명에 가까워졌으며 고장 확률이 높고 유지보수 비용이 증가하는 문제점이 발생한다. 그림 1은 1990년대 설치된 전력용 변압기가 노후화되어 마모 고장기에 들어섬에 따라 고장률이 증가함을 나타내고 있다.

송배전 인프라에서의 전력설비 고장은 연계 계통에 계획되지 않은 정전을 발생시킬 수 있으며 설비의 철거 및 교체 비용뿐 아니라 정전으로 인한 생산 손실, 인명 피해, 사회적 혼란 등 2차 파급 피해를 불러올 수 있다. 때문에, 대용량의 전력설비는 높은 설비 신뢰성을 요구받고 있으며 주요 구성요소를 이중화하거나 유지보수 및 교체를 통해 고장률을 관리하고 있다.

특히, 전력설비 자산관리 기술은 자산의 기술적 측면과 경제적 측면을 고려하여 투자의사 결정을 지원하는 시스템으로써 자산에 대한 투자 효율을 극대화할 수 있다는 장점이 있다. 이를 위해 전력설비의 데이터를 바탕으로 생애 주기 동안의 상태, 수명, Risk, 비용 등을 종합적으로 평가하고 최적의 유지보수 및 교체 전략을 수립한다. 이러한 자산관리 기술의 목적은 자본 및 운영 비용을 최소화하면서 높은 설비 신뢰성을 유지함으로써 수명주기 동안 전력설비의 가치를 극대화하는 것이다^[2]. 미국 에너지부의 Operation & Maintenance Best Practices – A Guide to Achieving Operational Efficiency에 따르면 전력 유틸리티가 예측적 자산관리 전략을 적용한다면 유지보수 비용을 25~30% 절감하고 정전 시간을 35~45% 감소시킬 수 있으며 고장을 70~75% 예방하고 생산력을 25~25% 증가시킬 수 있다^[3].

전력설비 자산관리 시스템은 크게 세 가지 파트로 구분할 수 있다. 첫 번째는 데이터 수집이다. 데이터 수집 파트에는 부하 및 점검 데이터를 포함하는 상태 모니터링 시스템이 해당하며 전력설비의 현재 상태 추정을 위한 필요데이터를 수집한다^[4]. 두 번째는 건전도 평가이다. 건전도 평가는 전력설비의 현재 상태를 추정하고 잔여 수명을 예측하여 설비의 종합적인 상태를 추정한다^[5]. 세 번째는 위험도 분석이다. 전력설비의 위치, 유형, 역할 등에 따라 고장으로 인한 재무적인 영향이 상이하다. 위험도 분석은 전력설비의 건전도와 재무적인 영향을 바탕으로 투자가 우선하여 필요한 대상을 식별하는 역할을 한다^[6]. 최종적으로 위의 세 가지 파트를 통해 유지보수 및 교체 전략이 도출되며 관리를 통한 개선사항이 첫 번째 파트로 피드백됨으로써 자산관리 시스템을 형성한다.

하지만 위와 같은 전력설비 자산관리 시스템을 적용하기 위해서는 자산의 데이터를 수집/분석하여 자산의 현재 상태를 평가하고 잔여 수명을 예측하는 기술이 필수적이다. 이를 위해서는 다수의 모니터링 설비와 주기적인 검사가 필요하며 진단 장비와 직원 교육에 대한 추가적인 비용이 발생한다. 미국 에너지부의 가이드에 따르면 대부분 장비는 $50,000가 넘는 비용이 필요한 것으로 나타났다. 따라서, 모든 전력설비에 예측적 자산관리 전략을 적용하는 것은 비용 효율적이지 않으며 유지보수 및 교체비용과 계통 신뢰성의 균형을 최적으로 유지하는 자산관리 전략선정이 중요하다. 기존 자산관리 대상 선정 방식의 경우 계통 운영자에게 설문 조사를 하거나 전문가들의 주관적인 의견을 바탕으로 자산관리 대상을 선정하였다. 이러한 방식은 일반적으로 투자 규모가 크거나, 치명도(Criticality)가 높다고 판단되는 전력설비 또는 노후화가 많이 진행된 설비가 주 대상이었다. 또한, 데이터 기반 객관적인 지표 및 경제성을 반영하지 못하여 비용대비 효율이 낮고 과투자 가능성이 있다는 문제점이 있다.

위와 같은 문제점을 해결하기 위해 본 논문에서는 전력계통의 설비 중요도를 고려한 전력설비 자산관리 전략선정 방안을 제안한다. 제안된 방식은 FMEA 기반 RPN(Risk Priority Number) 방식을 전력계통으로 확장하였으며 위험도가 높은 설비를 우선으로 자산관리 대상으로 선정하였다. 이러한 방식은 고장 빈도, 고장 영향, 검출도를 기반으로 전력설비의 중요도를 도출함으로써 재무 요소가 반영된 정량지표를 적용할 수 있어 비용 효율적인 자산관리 전략선정이 가능하다. 또한, 설계 수명, 고장 영향, 교체비용을 고려한 투자 타당성 평가를 통해 투자 적절성 및 의사결정을 지원한다. 제안된 방식의 적용 예시를 위해 영국 DNO가 계통 평가를 위해 사용하는 CNAIM(Common Network Asset Indices Methodology)을 참고하여 자산관리 전략선정을 수행하였다.

2. Definition of Asset Maintenance Strategy

국제표준기구 ISO에서 발간한 55000시리즈에 따르면 자산관리 시스템은 자산의 성능 및 상태 기준에 따라 투자를 최적화하여 자산의 가치를 실현하기 위한 조직의 조화된 활동으로 정의하고 있다. 이를 고려하면 전력설비의 자산관리 시스템은 설비의 데이터를 바탕으로 현재 상태를 추정하고 위험도 분석을 통해 우선순위를 선정, 조직의 전략적 가치를 실현하기 위해 최적의 유지보수 전략을 수립하는 일련의 활동으로 정의할 수 있다.

또한, 전력설비의 유지보수 전략은 신뢰성을 유지하면서 비용-효율적인 방식으로 설비의 유지보수 및 교체를 계획하는 것으로 주요 목표는 높은 신뢰성을 요구받거나 노화된 설비에 적절한 예산을 할당하는 것이다. 이러한 유지보수 전략은 지난 수십 년 동안 자산의 유형, 설치 수, 데이터 활용도 등이 변화하며 발전되어 왔다. 1950년대에는 유지보수 작업을 미리 계획하는 활동이 일반적이지 않았으며 설비가 고장이 발생한 후 수리 및 교체가 진행되었다. 이러한 방식은 필수적으로 비가동시간이 발생한다는 단점이 있었기 때문에 1960년대가 지나가면서 많은 산업계에서 예방적 유지보수 전략을 적용하였다. 이는 예방 조치를 수행함으로써 고장을 방지할 수 있으며 결과적으로 장기적인 비용 절감이 가능하다는 경험적 결과를 바탕으로 적용되었다. 하지만 예방적 유지보수 전략을 적용하면서 실제 필요한 것보다 더 큰 유지보수 비용 지출에 대한 우려가 제기되었으며, 이에따라 1970~80년대부터 상태 모니터링 시스템을 적용하여 자산의 상태 평가를 통한 유지보수 전략을 적용하기 시작하였다.

전력 시스템의 경우 자산의 긴 수명, 설계 용량보다 낮은 이용률, 과도한 기능, 이중화 설계 등으로 인해 자산관리 및 유지보수의 적용이 더디었다. 2000년에 발표된 Cigre 조사에 따르면 기준 시간 간격의 유지보수(TBM, Time Based Maintenance) 전략이 47%로 가장 많이 적용되고 있었으며 오프라인 상태 모니터링 시스템 기반 유지보수가 31%로 그 뒤를 이었다^[7]. 이러한 유지보수 전략은 주로 변압기, 발전기, 송전 선로, 변전소 설비 등 전력 인프라의 주요 구성요소에 적용되었으며 기타 설비의 경우 CM(Corrective Maintenance) 방식이 사용되었다.

최적의 비용-효율적인 자산관리 시스템 구축을 위해서는 각 유지보수 전략에 대한 정의가 필요하며 본 논문에서는 유지보수 전략을 총 5가지로 구분하였다.

2.2 TBM(Time Based Maintenance)

TBM은 고장이 발생하는 주기를 고려하여 설비별 미리 정의된 시간 간격을 기준으로 유지보수 및 교체를 진행하는 방식이다. 따라서, 자산의 고장 데이터를 바탕으로 고장 주기를 도출하고 유지보수 및 검사 간격을 최적화하여 유지보수 전략의 효율성을 높이는 것이 중요하다. ^[8]의 저자는 각 변전소의 지리적 정보와 작업자 인건비를 고려하여 시간 간격을 조정하고 전체 유지보수 비용을 최적화하였으며, ^[9]의 저자는 배전반의 노화 조건을 고려하여 수명주기 동안의 유지보수 비용을 줄이기 위한 검사 간격을 최적화하였다. 또한, ^[10]에서는 비용-신뢰성의 효율을 높이기 위해 고장 확률과 검사 간격 간의 관계를 도출하였다. 이러한 TBM은 비교적 구현이 쉬우므로 전력 시스템에서 가장 많이 활용되고 있다.

2.3 CBM(Condition Based Maintenance)

CBM은 설비에 모니터링 시스템을 적용하여 상태 지표가 특정 임계값에 도달하면 유지보수 및 교체를 진행하는 방식이다. CBM을 적용하기 위해서는 모니터링 시스템이 필수적이므로 유지보수 전략을 적용하기 위해서는 추가적인 투자비용이 발생한다. 이러한 방식은 고장을 예방하기 위한 모니터링 요소 선정이 중요하며 ^[11]의 저자는 변압기의 검사 요소 중 일부를 실시간 모니터링 시스템을 적용함으로써 상태기반 유지보수 전략을 적용하였으며, ^[12]의 저자는 MV 회로 차단기의 트립 코일 전류 특성에 따라 임계값을 지정하였다.

2.4 RCM(Reliability Centered Maintenance)

RCM은 설비의 고장 확률뿐만 아니라 고장의 결과도 고려하는 방식으로 설비의 특정 고장 메커니즘으로 인한 고장 가능성과 고장의 심각도가 더 큰 것을 반영하는 방식이다^[13]. 예를 들어 전력설비의 고장은 설비가 메인 기능을 수행할 수 있는 Minor 고장과 기능을 할 수 없는 Major 고장으로 나눌 수 있다. RCM은 설비에 Major 고장을 가져올 수 있는 고장 메커니즘을 방지하기 위한 유지보수 작업에 높은 우선순위를 줌으로써 비용대비 최적의 결과를 얻을 수 있다. RCM을 적용하기 위해서는 대상설비의 FMEA(Failure Mode Effects Analysis)가 필수적이며 설비의 유지보수 작업의 우선순위를 지정할 수 있지만, 개입 시점을 선정하기는 적합하지 않으므로 추가적인 유지보수 트리거에 대한 연구가 필요하다.

2.5 RBM(Risk Based Maintenance)

RBM은 고장으로 인한 2차 파급 영향인 CoF(Consequence of Failure)를 고려한 자산의 위험도 분석을 통해 고위험 자산을 우선으로 유지보수 및 교체 작업을 수행하는 방식이다. 위험도는 자산의 고장 확률(PoF, Probability of Failure)과 CoF의 곱으로 정의되며 다음과 같이 나타낼 수 있다.

RBM은 위험도 값이 임계치를 초과할 때 유지보수 작업을 수행하게 되며 위험도를 분석하는 방식은 유틸리티마다 CoF와 PoF를 어떻게 정의하고 산출하는지에 따라 달라질 수 있다. ISO 31010에는 위험도 식별, 분석, 평가를 위한 31가지 도구와 기술이 소개되어 있으며 장단점을 나열하고 있다^[14].

그림 2는 본 논문에서 고려한 5가지 유지보수 전략을 나타내고 있다.

3. CoF-based RPN Calculation Method of FMEA

3.2 Proposed CoF-based RPN Calculation Method

RPN 방식은 고장모드의 중요도를 평가하여 우선순위를 지정할 수 있다는 장점이 있지만, 서열척도로 각각의 중요도와 점수의 차이가 명확하지 않고 경제성을 반영하지 못한다는 단점이 있다. 본 논문에서는 RPN의 단점을 해결하기 위해 CoF를 고려한 RPN 방식을 제안한다.

제안된 방식은 기존의 RPN 방식에서 심각도를 CoF로 대체하여 산출한다. CoF는 설비에 고장이 발생했을 때 파급되는 2차 피해를 하나의 값으로 정량화한 것으로 금액으로 표현되는 경우가 대부분이다. 전력설비의 CoF는 설비 유형, 역할, 위치, 부하 특성 등을 고려하여 신뢰도, 재무, 안전, 환경 등의 요소를 바탕으로 산출한다. 이러한 고려사항은 유틸리티의 KPI(Key Performance Indicator)와 전략적 및 운영 목표와 대상설비의 특징을 반영하여 세분화할 수 있다. CoF를 고려한 RPN을 표현하면 다음과 같다.

기존의 RPN 방식의 경우 우선순위를 정하기 위해서는 등급표가 필수적이며 관리자의 정성적인 평가가 포함되므로 주관적인 요소가 수치에 반영될 수 있다. 제안하는 새로운 RPN 방식은 심각도를 금액으로 정량화된 CoF로 대체함에 따라 RPN 수치가 경제성을 가진다. 따라서, 점수의 차이가 금액으로 명확하며 이를 바탕으로 설비의 중요도를 객관적으로 평가할 수 있다.

4. Selection of Asset Management Targets and Maintenance Strategy

4.2 Occurrence and Detectability

전력설비별 RPN을 계산하기 위해서는 발생빈도와 검출도 값에 대한 정의가 필요하다. 발생빈도는 해당 카테고리의 설비가 고장을 겪을 확률로 정의하였으며 유형, 위치, 역할, 부하 특성에 따라 다를 수 있다. 본 논문에서는 CNAIM의 PoF를 적용하였다. CNAIM의 PoF는 설비 카테고리에 따라 특정 상태 매개변수를 평가하여 HI(Health Index) 도출한 후 수치에 맞는 고장 확률을 매칭하는 방식이며 Taylor 급수의 처음 세 항을 기반으로 산출하였다. 이를 표현하면 식 (4)와 같다.

여기서, $\lambda$는 설비의 PoF 이며 $K$,$C$는 각각 크기와 곡선의 형태를 정하는 계수이다.

식 (4)에서 알 수 있듯이 PoF 도출하기 위해서는 $HI$ 산출이 필수적이다. $HI$는 설비의 모니터링 및 검사 데이터를 바탕으로 지정되는 것이 일반적이다. 하지만 본 논문에서는 자산관리 대상 및 전략을 선정하기 위함이므로 개별 설비 특성을 반영하지 않았으며 수명 기반 통계적인 열화율만을 고려하였다.

여기서, $HI_{NEW}$는 새로 설치된 설비의 $HI$이며 0.5를 적용하였다. $EL$은 설비의 예상 수명으로 $HI_{EL}$은 예상 수명 시점의 건전도이다. 설비별 예상 수명은 CNAIM의 데이터를 참고하였다. 그림 3은 설비별 고장 확률을 나타낸다.

RPN 산출을 위한 검출도는 잠재적인 고장의 원인과 형태가 발견될 가능성의 정도를 나타내며 기존의 주기적인 점검 활동으로 고장 원인을 사전에 발견할 확률로 정의된다. 검출도의 경우 설비에 설치된 모니터링 설비, 일반적인 점검 주기 등 상황에 따라 달라지는 경우가 많다. 본 논문에서는 해외 문헌과 전문가 의견을 참고하여 전력설비별 검출도를 선정하였다. 표 3은 PoF와 검출도를 산출하기 위한 파라미터를 나타낸다.

4.3 Net present value and benefit cost ratio

전력설비는 한번 설치하면 짧게는 몇 년, 길게는 몇십 년 동안 기능을 제공한다. 따라서, 비용 효율적인 자산관리 전략선정을 위해서는 수명주기 동안의 편익을 고려하여 우선순위를 선정해야 한다. 이를 위해 본 논문에서는 경제성 분석 지표 중 NPV(Net Present Value)와 BCR(Benefit Cost Ratio)을 RPN 분석에 적용하였다.

NPV는 프로젝트를 수행할 때 프로젝트 전체 기간에서 발생하는 전체 편익을 현재가치화하여 총비용의 현재 가치를 제한 값으로 경제성을 평가하는 기법이다. 편익과 비용의 현재 가치의 차로 나타나기 때문에, NPV가 0보다 크면 프로젝트의 실행 가치가 있다고 판단할 수 있다. 이를 수식으로 나타내면 다음과 같다.

여기서, $t$는 현금 흐름이 발생하는 시점이며 $n$은 프로젝트의 총 기간, $r$은 할인율(3% 적용)을 나타낸다. 또한, $B_{t}$와$C_{t}$는 각각 프로젝트 편익과 투자비용이다.

BCR도 마찬가지로 프로젝트의 경제적 타당성을 검토하기 위해 사용되는 분석 기법으로, 프로젝트를 통해 발생하는 편익(Benefit)을 투자비용으로 나눈 값으로 산출할 수 있다. 이를 표현하면 다음과 같다.

편익과 비용의 비율이므로 BCR이 1.0 이상이면 투자 대비 편익을 기대할 수 있으므로 프로젝트 실행 가치가 있다고 판단할 수 있다. 해당 기법은 한정된 자원으로 효율적인 결과를 얻어야 하는 공공기관에서 프로젝트 타당성 분석을 위해 주로 사용하고 있다.

4.4 Asset management strategy selection using the proposed method

위의 연구 내용을 바탕으로 33kV 전력설비에 대해 New RPN을 산출하였으며 표 4는 해당 내용을 나열하고 있다. 산출 결과, 우선순위는 Transformer, GIS, Tower, OHL, UGC 순으로 나타났다. New RPN 순위가 가장 높은 Transformer는 CoF가 타 설비와 비교했을 때 최소 2배 이상 높아 New RPN이 높게 산출되었으며 가장 작은 OHL과 비교하면 약 55배 크게 나타났다. New RPN은 경제적 요인을 포함하고 있으므로 Transformer의 고장에 대한 위험도가 매우 높으며 이를 고려했을 때 더 타 설비에 비해 많은 예산을 할당해야 함을 의미한다.

앞서 언급하였듯이 설비 자산관리의 경제성 분석을 위해 투자비용을 고려하여 NPV와 BCR을 산출하였다. 결과를 살펴보면, OHL, UGC와 Tower의 경우 위험도 대비 투자비용이 많이 들어 NPV가 0보다 작게 나타났다. Tower는 낮은 CoF와 PoF를 가지지만 투자비용이 크기 때문에 NPV가 가장 낮게 나타났지만 긴 설계 수명을 가지고 있어 BCR은 OHL, UGC와 비교했을 때 큰 것을 확인할 수 있다. OHL의 경우 CoF는 설비 중 세 번째로 크지만 PoF가 낮아 NPV가 낮게 나타났으며 BCR은 3순위로 나타났다. 또한, UGC의 경우 CoF가 다른 설비와 비교했을 때 압도적으로 낮게 나타났다. 이는 대부분 고장이 교체를 필요로 하는 Major 고장이 아니라 Minor 고장인 영향으로 판단되며 가장 높은 고장 빈도를 가지지만 NPV와 BCR이 각각 4순위와 5순위로 나타났다.

이를 고려하면 UGC와 Tower는 투자가치가 낮으므로 CM을 적용해야 하지만 전력설비 특성상 고장이 정전과 직결되므로 비가동시간이 필수적으로 발생하는 CM이 아닌 TBM으로 선정하였다. 또한, OHL의 경우 고장 빈도가 낮지만 CoF가 상대적으로 높아 고장 발생 시 영향이 큰 것을 확인할 수 있으며 고장 전 검출 확률이 높은 것을 고려하여 TBM과 CBM이 혼합된 방식을 적용하였다.

Transformer와 GIS는 New RPN 수치가 각각 484,171과 159,289로 높게 나타났으며 투자비용이 큰 특징을 가진다. 이는 고장이 발생했을 때 위험도가 높다는 것을 의미한다. 또한, 경제성 분석 지표인 NPV가 각각 1, 2순위로 나타나 자산관리 투자가치가 높은 것을 확인할 수 있다. 이를 고려하여 설비의 위험도 분석이 필요할 것으로 판단되어 RBM 방식으로 선정하였다.

5. Conclusions

본 논문에서는 비용 효율적인 자산관리 시스템 구축을 위해 전력설비 위험도를 고려한 자산관리 전략선정에 관한 연구를 수행하였다. 이를 위해 FMEA 기반 RPN 방식을 확장하여 전력계통에 적용하였다. 또한, 점수 차이가 명확하지 않고 경제성을 반영하지 못한다는 RPN의 단점을 해결하기 위해 고장의 영향을 금액으로 정량화한 CoF를 적용하여 New RPN 방식을 제안하였다. 제안된 방식의 분석을 위해 영국 DNO가 개발한 CNAIM의 33kV 전력설비 데이터를 바탕으로 CoF 및 PoF를 산출하였으며 긴 수명을 가지는 전력설비의 가치를 반영하기 위해 경제성 분석 지표인 NPV와 BCR 방식을 적용하였다.

33kV 전력설비를 대상으로 제안된 방식의 분석결과, New RPN 순위는 Transformer, GIS, Tower, Tower, OHL, UGC 순으로 나타났다. 이러한 순위가 의미하는 바는 New RPN 수치가 클수록 고장의 위험도가 높으므로 고신뢰성을 요구받으며 예방적 자산관리 전략이 필요하다는 것으로 해석할 수 있다.

또한, 경제성을 고려한 설비 수명주기 기반 NPV 및 BCR 결과를 바탕으로 자산관리 전략을 선정하였다. Transformer와 GIS의 경우 각각 New RPN 수치와 NPV가 1, 2순위로 산출된 것을 확인하였으며 이에 따라, 높은 위험도와 투자가치를 가지고 있어 RBM 방식으로 선정하였다. OHL의 경우 고장 빈도가 낮지만 높은 CoF를 가지고 있어 NPV 및 BCR이 3순위로 나타났으며 고장 전 검출 확률이 높은 것을 고려하여 TBM과 CBM이 혼합된 방식을 적용하였다. UGC와 Tower는 각각 낮은 CoF, 고장 빈도를 가지고 있어 위험도가 낮으며 이에 따라 투자가치가 마이너스로 산출되었다. 하지만 전력설비 특성상 고장이 정전으로 직결됨을 고려했을 때 비가동시간을 최소화하기 위해 TBM 방식을 적용하였다.

본 논문에서는 높은 신뢰성을 요구받는 전력설비의 비용 효율적인 자산관리 전략선정을 위해 영국 DNO의 CNAIM을 참조하여 분석을 수행하였다. 하지만 설비의 CoF와 PoF는 유틸리티의 KPI, 설비 특성, 유형에 따라 천차만별이기 때문에 자산관리 대상 및 전략선정을 위해서는 세부적인 데이터 분석이 필요할 것으로 사료된다. 또한, 논문에서의 경제성 분석은 교체비용만을 고려 대상이었으며 자산관리 전략에 대한 정확도 높은 분석을 위해서는 각 자산관리 전략에 요구되는 투자비용을 바탕으로 경제성 분석이 필요하다. 따라서, 추후 자산관리 전략별 투자 및 유지보수 비용을 바탕으로 경제성 분석을 수행할 예정이다.