• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Dept. of Electrical Engineering, Mokpo National University, Republic of Korea.)



Asset Management, Risk Based Maintenance, Transformer, Failure Mode Effect Analysis

1. 서 론

전력 설비는 설치된 연도에 따라 고장 확률이 증가하는 형태를 지닌다. 설비가 제조사의 결함, 설계 결함 등으로 인해 고장 확률이 높은 연도의 구간을 초기고장, 초기고장 이후 점차 고장 확률이 줄어들면서 일정한 고장 확률을 유지하며 고장 발생 빈도가 가장 작은 구간인 우발고장, 설비가 사용 연한에 따라 구성 요소가 마모됨에 따라 고장 확률이 지수적으로 증가하는 마모고장으로 분류된다. 초기고장 구간에서 발생할 수 있는 제조사의 결함을 제외하고 설비의 고장 확률을 표현하면 시간에 따라 고장 확률이 지수적으로 증가하는 형태로 표현할 수 있다. 그림 1은 Cigre에서 조사한 전력용 변압기의 설치 연도에 따른 고장 발생 건수를 통계적으로 표현한 그림이다[1- 3]. Cigre 통계 데이터를 통해 전력용 변압기의 고장은 마모고장 시기에 접어들면서 고장이 증가하는 것을 확인할 수 있다. 이런 상황을 고려하여, 기존 유지보수 방식인 TBM(Time Based Maintenance) 방식으로 설비의 유지보수를 시행하면 고장이 많이 발생하지 않는 초기고장과 우발고장 시기에 불필요한 유지보수를 시행함에 따라 과도한 유지보수 비용이 발생한다. 이러한 비용 문제를 해결하기 위해 설비가 지니는 고장 확률과 고장으로 인해 발생하는 파급효과를 고려함으로써, 설비의 Risk를 산출하여 설비 간 우선순위를 선정해 비용 효율적인 유지보수 전략을 수립하는 Risk 기반의 유지보수 전략 수립 기법에 관한 연구가 진행되고 있다[4- 7].

기존 점검 방식은 구성 요소의 설계수명에 따라 교체 및 유지보수를 진행하는 TBM 방식과 온도, 진동, 압력, 실시간 점검 설비를 통해 구성 요소의 상태를 진단하여 설비의 유지보수를 결정하는 CBM(Condition Based Maintenance) 방식이 병행되어 수행되고 있다. 이를 기반으로 실제 전력 설비는 구성 요소별로 적용할 수 있는 유지보수 방안이나 시기가 다르므로 Risk 기반의 유지보수 전략 수립 과정에서 적절한 유지보수 방안을 고려하여야 한다. 기존 Risk 기반 유지보수 전략 수립 방법은 유지보수 방안에 따라 설비의 Risk가 비선형적으로 변동되므로 Risk 변동량을 정확하게 추종하기 어렵다는 문제가 있어 전체 시스템 내의 설비를 대상으로 교체만을 고려한 유지보수 전략 수립만 고려되었다. 하지만, 기존 방식으로 전략을 수립하면 구성 요소별 유지보수 방안을 반영하지 못해 비용 효율적이지 못한 유지보수 계획을 수립할 수도 있다. 이를 해결하고자 구성 요소별 유지보수 방안을 고려한 Risk 기반의 적절한 유지보수 전략을 통해 비용 효율적인 유지보수 계획이 수립되어야 한다[8- 11].

따라서, 본 논문에서는 FMEA(Failure Mode Effect Analysis)를 기반으로 전력용 변압기의 구성 요소와 고장 모드를 식별하고, FMEA에서 구분된 전력용 변압기의 구성 요소별 RBM (Risk Based Maintenance) 유지보수 전략 수립 방법에 대해 제안하고자 한다.

그림 1. 설치 연도에 따른 전력용 변압기 고장 발생 수[2]

Fig. 1. Number of power transformer failures by year of installation

../../Resources/kiee/KIEE.2026.75.6.1314/fig1.png

2. 기존 RBM 유지보수 전략 수립 방안 연구 동향

전력 계통, 가스, 수도 등 분야의 시설에 고장이 발생할 경우, 많은 사회적 문제를 일으킬 수 있어 고장을 예방하기 위한 유지보수가 필요하지만, 많은 양의 설비를 지니고 있어 비용 효율적으로 설비를 관리하고자 Risk 기반의 유지보수 방법에 관한 연구가 진행되었다. 그중 RBM 방법은 설비를 운영하는 과정에서 발생할 수 있는 고장을 확률적으로 산출하고 고장에 대한 영향을 정량적으로 파악한 Risk에 따라 시스템의 총 Risk를 관리하는 유지보수 전략 수립 방법이다. 비용 효율적인 유지보수를 시행하기 위해 Risk에 따라 설비별 우선순위를 선정하여 시스템의 유지보수 계획을 수립한다. 설비의 고장 메커니즘과 Risk를 식별하여 유지보수 우선순위를 선정하고 시스템이 허용할 수 있는 기준 Risk를 식별하여 시스템의 Risk가 기준 Risk에 도달하면 우선순위에 따라 선정된 유지보수 전략을 계획한다. RBM 방식을 활용하여 전체 시스템이 안정적인 운영이 가능하면서 비용 효율적인 유지보수 계획을 수립할 수 있다[12- 14].

그림 2는 수력 발전소를 대상으로 RBM 전략의 수행 방법을 표현한 그림이다. 첫 번째로 시스템의 유지보수 전략을 수립하기 위해 시스템을 구성하는 요소를 식별한다. 식별된 구성 요소에 대해 고장 모드를 분석하고 식별할 수 있는 진단 데이터를 분류하여 수집한다. 두 번째로 시스템의 Risk를 산출하는 과정을 수행한다. Risk를 산출하기 위해 수집된 진단 데이터를 바탕으로 설비가 고장이 발생할 확률인 PoF (Probability of Failure)를 산출하고 설비가 고장이 발생할 경우, 미치는 영향을 신뢰도, 재무, 안전, 환경 4가지 분야로 나누어 비용으로 정량화한 CoF (Consequence of Failure)로 산출한다. 산출된 PoF와 CoF를 곱하여 설비의 Risk를 산정한다. 시스템의 안정적인 운영을 위한 기준 Risk 범위를 선정한다. 산출된 각 설비의 Risk를 합한 시스템의 종합 Risk와 선정된 기준 Risk와 비교하여 시스템의 Risk를 평가한다. 평가된 Risk의 결과에 따라 시스템의 구성 요소에 대한 유지보수 계획을 수립하고 수립된 유지보수 계획이 반영된 Risk를 기준 Risk와 다시 비교하여 허용가능한 수준의 Risk라면 유지보수 계획을 실행하고 허용 수준의 Risk보다 크면 Risk를 다시 계산하여 유지보수 계획을 수정, 수립, 비교하는 과정을 반복한다 [13].

그림 2. RBM 프로세스 순서도 [13]

Fig. 2. RBM Process Flowchart

../../Resources/kiee/KIEE.2026.75.6.1314/fig2.png

2.1 RBM 전략 수립을 위한 해외 전력사 Risk 산출 방안

영국의 송전 계통을 운영하는 NGET(National Grid Electricity Transmission)는 전력 설비 관리를 위해 NOMs(Network Output Measures) 방법론을 적용하고 있다. NOMs는 Risk 기반 유지보수 전략 수립을 통해 송전 설비의 운영 성능을 관리하는 체계로, 설비에서 발생 가능한 고장 모드를 정의하고 각 고장 모드에 대한 Risk를 정량적으로 산정한다. 고장 모드별 Risk는 식 (1)과 같이 산출한다.

(1)
$Risk = PoF \times CoF$

NGET에서는 FMEA를 기반으로 식별된 전력용 변압기 고장 모드별 PoF를 산정하기 위해 한계 수명 수정자를 적용한다. 이를 통해 설비의 PoF는 식 (2)와 같이 계산된다.

(2)
$PoF_{NGET} = exp(k \times EoLMod^{\alpha})^{-1}$

여기서, k는 설비의 통계적 설계수명을 추종하는 파라미터, $EoLMod$는 한계 수명 수정자로 설비의 현재 상태를 반영하여 현재 수명을 추정하는 파라미터, α는 설비별 다른 열화 가속을 반영하기 위한 계수를 의미한다.

설비별 통계적 설계수명을 반영하기 위해 k는 식 (3)과 같이 산출한다.

(3)
$k = \frac{\ln(1+\beta)}{EoLMod_{\text{설계수명}}^{\alpha}}$

여기서, $EoLMod$와 α는 식 (2)와 동일한 파라미터를 의미하며, β는 α와 동일한 열화 가속 반영하기 위한 계수이다.

전력용 변압기 구성 요소의 CoF는 NGET에서 제시하는 CoF 산정 체계에 따라 신뢰도, 재무, 안전, 환경의 네 가지 항목으로 구분하여 산출한다. 각 항목별 CoF는 설비 고장으로 인해 발생할 수 있는 영향을 정량적으로 평가하여 계산된다.

신뢰도 항목은 해당 설비의 고장으로 인해 계통이 정상적으로 전력을 공급하지 못함으로써 발생하는 피해를 정량화한 지표이다. 이는 대체 발전기의 가동에 따른 비용, 송전 선로 우회를 통해 발생하는 추가 손실 비용, 그리고 전력 공급 중단으로 인해 고객에게 지급되는 보상 비용을 종합적으로 고려하여 산정한다. 신뢰도 항목의 CoF 비용은 식 (4)와 같이 계산된다.

(4)
$CoF_{customer} = P_{oc} \times [G_c + G_R + 0.62 \times D \times MW_D \times VOLL + V] \times M_Z$

여기서, $CoF_{customer}$ 는 신뢰도 항목의 CoF 비용, $P_{oc}$는 계통의 회선에서 고장이 발생할 확률, $G_c$는 발전기 보상 비용, $G_R$은 발전기 복구 비용, $D$는 정전 기간, $MW_D$는 정전이 발생한 설비의 용량, $VOLL$은 정전 고객 수, $V$는 주요 인프라에 발생하는 정전 비용, $M_Z$는 정전이 가능성에 따른 위험 계수를 의미한다. 0.62는 NGET의 손실 비용의 단위를 변환하기 위한 계수로 정전 기간이 연간으로 계산되기 때문에 이를 시간당으로 변환하기 위해 사용되는 계수이다.

재무는 설비의 고장 모드를 해소하기 위해 발생하는 비용을 정량화 것으로 재무 항목의 CoF 비용은 식 (5)와 같이 산출한다.

(5)
$CoF_{Fin} = \sum_i (P(C_{fin,i}) \times C_{fin,i})$

여기서, $CoF_{Fin}$은 재무 항목의 CoF 비용, $i$는 재무 관련 사고 발생 항목, $P(C_{fin,i})$는 재무 사고가 발생할 확률, $C_{fin,i}$는 사고로 인해 발생하는 재무 비용을 의미한다.

안전은 설비의 고장으로 인해 작업자 또는 주변 민간인이 부상 또는 사망 등의 안전 사고가 발생한 경우, 회사가 보상해야 되는 비용을 정량화한 것으로 안전 항목의 CoF 비용은 식 (6)과 같이 산출한다.

(6)
$CoF_{Saf} = \sum_i (P(C_{saf,i}) \times C_{saf,i})$

여기서, $CoF_{Saf}$는 안전 항목의 CoF 비용, $i$는 안전사고 발생 항목, $P(C_{saf,i})$는 안전사고가 발생할 확률, $C_{saf,i}$는 안전사고로 인해 발생하는 비용을 의미한다. $C_{saf,i}$는 안전사고 발생 시 비용을 식 (7)과 같이 산출한다.

(7)
$C_{saf} = P_{\in j} \times C_{\in j} \times Exposure_{Saf}$

여기서, $P_{inj}$는 안전사고가 발생하였을 때, 사람이 상해를 입을 확률, $C_{inj}$는 상해가 발생한 경우, 지급되는 비용, $Exposure_{Saf}$는 안전사고가 주변 인원에게 노출되는 정도를 나타내는 수정자를 의미한다.

환경 항목은 절연을 위해 설비에 투입된 절연유 등과 같은 물질은 외부에 노출될 경우, 환경 오염이 발생하여 정부 등 관리 기관에 의한 환경 규제로 인한 비용을 지출되는 비용을 정량화한 것으로 환경 항목의 CoF 비용은 식 (8)과 같이 산출한다.

(8)
$CoF_{Env} = \sum_i (P(C_{env,i}) \times C_{env,i})$

여기서, $CoF_{Env}$는 환경 항목의 CoF 비용, $i$는 환경 사고 발생 항목, $P(C_{env,i})$는 환경 사고가 발생할 확률, $C_{env,i}$는 환경 사고로 인해 발생하는 비용을 의미한다.

절연유나 SF6 가스 등과 물질이나 누출된 양 등 설비의 고장으로 인해 환경 사고에 미치는 영향이 다르므로 이를 CoF에 반영하여 $C_{env,i}$를 환경 사고 발생 시 비용을 식 (9)와 같이 산출한다.

(9)
$C_{env} = C_{env Impact} \times V_{Impact} \times Exposure_{env}$

여기서, $C_{env Impact}$는 환경 사고가 발생하였을 때, 그로 인해 발생하는 비용, $V_{Impact}$환경 사고를 유발하는 물질의 양, $Exposure_{env}$환경 사고를 유발하는 민감도를 표현하는 수정자를 의미한다.

산출된 각 항목별 CoF를 합산하여 최종 CoF를 도출하고, 식 (2)에서 계산된 PoF에 식 (1)을 적용함으로써 고장 모드별 Risk를 산정한다. 이후 유지보수 계획 수립을 위해 각 고장 모드의 Risk를 합산하여 설비의 전체 Risk를 도출하고, 이를 기준 Risk와 비교하여 유지보수 전략을 결정한다. 그림 3은 전력용 변압기에 대해 고장 모드별 Risk의 변화를 나타내고, Risk 기반 유지보수 전략 적용에 따른 Risk 저감에 대해 개념적으로 표현한 것이다. 고장 모드별 유지보수 전략을 설명하기 위해 임의의 고장 모드 FM 1과 FM 2를 가정하였으며, 각 고장 모드의 Risk는 시간 경과에 따라 증가하는 것으로 나타난다. 파란색 선은 각 고장 모드의 Risk를 합산한 전력용 변압기의 전체 Risk를 의미한다. 지점 W와 Y는 유지보수 전략 적용에 따라 Risk가 감소한 이후 다시 증가하는 시점을 나타내며, 지점 X는 FM 1의 Risk가 FM 2의 Risk를 초과하는 시점으로, 해당 시점 이후에는 FM 1에 대한 유지보수 전략이 우선적으로 고려된다. 지점 Z는 FM 2에 대한 유지보수 전략에 따라 설비가 교체된 시점을 의미한다[7].

그림 3. 고장 모드별 전력용 변압기 Risk[7]

Fig. 3. Power Transformer Risk by Failure Mode

../../Resources/kiee/KIEE.2026.75.6.1314/fig3.png

영국의 배전 계통을 운영하는 전력 회사인 DNO(Distribution Network Operators)는 CNAIM(Common Network Asset Indices Methodology)를 통해 설비를 관리한다. 설비의 Risk는 식 (1)과 동일하게 산출한다. DNO에서 설비의 현재 상태를 기반으로 스케일링 파라미터를 통해 설비의 PoF를 식 (10)과 같이 산출한다.

(10)
$PoF_{DNO} = K \times [1 + (C \times H) + \frac{(C \times H)^2}{2!} + \frac{(C \times H)^3}{3!}]$

여기서, K는 설비별 통계를 반영하여 도출된 파라미터, C는 신규 자산과 설계 수명에 도달한 자산의 PoF를 정량화하기 위한 파라미터, H는 설비의 현재 상태를 표현한 건전도 지수를 의미한다.

설비의 CoF 산출 방안은 NGET와 동일하게 신뢰도, 재무, 안전, 환경 4가지 분야로 나누어 산출하며 산출식은 NGET 방식과 동일하게 산출한다[6].

DNO에서는 설비의 Risk를 등급화하여 설비별 우선순위를 수립하여 관리하고 있어, 고장 모드별 Risk를 도출하여 관리하는 NGET와는 차이가 있다. 이러한 차이는 DNO는 배전 계통을 담당하는 회사이므로, 설비의 대수가 NGET보다 많아 제약 사항이 있어 해당 방식으로 관리하고 있는 것으로 사료된다.

3. 제안된 전력용 변압기 RBM 유지보수 전략 수립 방안

기존 RBM 방식은 발전소 등 시설 단위에서 구성 요소를 식별하고 이를 관리하기 위한 전략을 수립하였지만, 전력 설비는 설비의 구성 요소에 따라 유지보수 방법이 존재하며, 유지보수 방법에 따라 설비의 Risk 변동량이나, 계통에 미치는 영향이 달라지기 때문에 설비의 개별 구성 요소에 대한 유지보수 전략 수립이 필요하다.

이를 수행하기 위해 그림 4와 같이 전력용 변압기의 구성 요소별 RBM 전략 수립 방법에 대해 제안하고자 한다. 제안된 방식의 전력용 변압기 RBM 방법에서는 전력용 변압기의 FMEA(Failure Mode Effect Analysis)를 수행하여 전력용 변압기의 주요 구성 요소를 식별하고, 주요 구성 요소의 고장모드, 고장모드가 발생하는 원인, 고장모드로 인해 변압기에 미치는 영향을 분석한다. 이에 따라 FMEA기반 진단 데이터, 전력용 변압기의 통계적 수명 데이터, 전력용 변압기의 유지보수 등의 이력 데이터를 기반으로 구성 요소별 Data를 식별하고 분석한다. Data를 통해 구성 요소별 PoF를 산출하고 구성 요소에 고장이 발생할 때, 미치는 영향에 대해서 CoF를 통해 구성 요소가 설비 전체에 미치는 파급효과를 비용으로 산출한다. 앞서 구한 PoF와 CoF의 곱을 통해 전력용 변압기 구성 요소별 Risk를 도출하여 각 구성 요소의 Risk를 합하여 설비 전체의 Risk를 도출한다. 설비의 전체 Risk와 전력 시스템의 안정적인 운영을 위한 기준 Risk와 비교하여 기준 Risk의 도달했을 때, 유지보수를 시행하도록 유지보수 계획을 수립한다. 유지보수 계획을 수립하기 위해 개별 구성 요소의 Risk를 고려하여 유지보수 우선순위를 선정하고 이를 유지보수 계획에 반영하여 계획된 유지보수 계획에 따라 저감된 Risk와 기준 Risk에 대해 비교함으로써, 유지보수 계획을 평가하는 과정을 수행한다.

그림 4. 제안된 RBM 유지보수 전략 수립 프로세스

Fig. 4. Proposed RBM Maintenance Strategy Development Process

../../Resources/kiee/KIEE.2026.75.6.1314/fig4.png

따라서, 본 논문에서는 전력용 변압기의 FMEA를 문헌 데이터를 통해 시행하고 식별된 구성 요소에 따라 Risk를 도출하여 전력용 변압기 구성 요소별 유지보수를 수행하기 위한 RBM 방식을 제안한다.

3.1 전력용 변압기 FMEA(Failure Mode Effect Analysis)

제안된 RBM 프로세스를 수행하기 위해 대상 설비의 구성 요소와 그에 대한 고장 모드를 식별하여야 한다. 본 논문에서는 FMEA 기법을 활용하여 전력용 변압기의 구성 요소별 고장 모드에 대해 분석하고자 한다. FMEA란, 설비에서 발생할 수 있는 고장 모드를 식별, 식별된 고장 모드가 발생하는 원인을 분석, 고장이 발생하였을 때 설비에 미치는 영향을 파악하는 방법론을 의미한다. 전력용 변압기의 FMEA를 작성하기 위해서 본 절에서는 FMEA를 작성한 문헌과 IEEE, Cigre 등 전력용 변압기 관리 규정을 참고하여 FMEA를 작성하였다. 전력용 변압기의 주요 구성 요소를 권선, 철심, 외함, 부싱, 냉각시스템, OLTC, 리드선으로 분류하였다. 각 구성 요소에 대한 고장 원인과 고장 원인으로 인해 발생하는 고장 모드, 고장 모드가 발생하였을 때 변압기에 미치는 영향을 표 1과 같이 작성하였다[15- 19]. 고장 모드에 따른 유지보수 전략은 원래의 기능이 불가능할 정도로 심각한 고장에서 설비를 교체하는 Replacement, 설비의 구성 요소를 교체하는 Refurbishment, 구성 요소가 기능을 하지 못하는 고장에서 기능을 수행할 수 있도록 하는 Repair, 기능은 가능하지만 열화 등 추후 문제가 발생하는 고장에서 수행하는 Maintenance가 있다. 유지보수 전략 수립을 검증하기 위한 Case Study에서는 식별된 전력용 변압기의 구성 요소 중 Replacement와 Refurbishment만을 고려하여 Case Sudy를 진행하였다.

표 1. 전력용 변압기 FMEA [19]

Table 1. Power transformer FMEA

구성 요소 고장 모드 고장 원인 영향
권선 권선 단락 절연 성능 저하 절연 파괴, 동작 중지
권선 변형 기계적 진동 열화 가속
절연 열화 절연 성능 저하 부분 방전
철심 절연 열화 변압기 국부 과열 열화 가속, 적층판 단락
접지 단락 절연 성능 저하 동작 중지
외함 외부 손상 기계적 진동 절연유 누유
부싱 절연 열화 변압기 국부 과열 열화 가속, 부분 방전
외부 손상 접촉부 연결 불량, 기계적 진동 절연유 누유
과열 절연 성능 저하 열화 가속
냉각시스템 시스템 고장 모터, 펌프 열화 열화 가속
OLTC 제어 실패 절연 성능 저하 2차측 전압 불안정
기계적 마모 탭 변환 아크 열화 가속
절연 열화 절연 성능 저하 탭 절환부 탄화
리드선 절연 열화 접촉부 연결 불량 부싱 내 부분 방전

3.2 전력용 변압기 구성 요소별 Risk 산출 방안

본 논문에서는 FMEA를 통해 식별된 전력용 변압기 구성 요소별 Risk를 산출하고, 이를 기반으로 유지보수 전략을 수립하는 것을 목적으로 한다. 이를 위해 NGET에서 제시한 고장 모드별 Risk 산출 방식을 적용하여 전력용 변압기 구성 요소의 Risk를 도출하고, RBM(Risk-Based Maintenance) 기법을 적용하였다.

전력용 변압기 구성 요소의 설계 수명은 한국전력공사에서 시행하고 있는 교체 주기를 참고하여 설정하였다. 이에 따라 부싱, OLTC, 냉각시스템, 외함의 설계 수명은 15년으로, 권선과 철심은 변압기의 설계 수명인 32년으로 설정하였으며, 식 (2)를 적용하여 구성 요소별 PoF를 산출하였다.

국내 전력 계통 환경에서도 NGET 방식과 동일하게 전력 공급 중단으로 인해 발생하는 비용을 반영한 신뢰도 항목, 설비 복구를 위해 소요되는 비용을 고려한 재무 항목, 중대재해처벌법 등 관련 법령에 따른 인적 사고 발생 위험을 반영한 안전 항목, 그리고 지자체 및 정부의 환경 규제에 따라 환경 오염 물질 복구에 소요되는 비용을 고려한 환경 항목을 종합적으로 고려할 필요가 있다. 이에 본 논문에서는 NGET에서 제시한 항목별 CoF 산출식인 식 (4)~(9)를 적용하여 전력용 변압기 구성 요소별 CoF를 도출하였다. 표 2는 전력용 변압기 구성 요소별 CoF 산정 결과의 예시를 나타낸다.

표 2. 전력용 변압기 구성 요소별 CoF 산출 예

Table 2. Example of CoF calculation by power transformer component

구성 요소 CoF 항목
신뢰도 재무 안전 환경
부싱 11,262 85,078 658 7,629
OLTC 11,262 225,078 658 7,629
냉각시스템 11,262 113,078 658 -
외함 11,262 71,862 658 11,444
권선 11,262 897,078 658 -
철심 11,262 897,078 658 -

4. 전력용 변압기 RBM 전략 검증을 위한 Case Study

위의 연구 내용을 토대로 345kV급의 전력용 변압기를 대상으로 Case Study를 진행하였다. 그림 5는 구성 요소별 Risk 산출 방식을 통해 산출한 Risk 산출 예시를 표현한 그림이다.

그림 5. 전력용 변압기 구성 요소별 Risk

Fig. 5. Risk by Power Transformer Component

../../Resources/kiee/KIEE.2026.75.6.1314/fig5.png

산출된 Risk를 기반으로 유지보수 전략을 수립하기 위해, 표 3과 같이 전력용 변압기 구성 요소별로 고장 모드를 정의하고, 각 고장 모드에 대응하는 유지보수 전략을 설정하였다. 고장 모드 기반 유지보수 전략의 타당성을 검증하기 위해 표 4와 같이 열화 Case를 선정하고, 생애주기 전반에 걸친 전력용 변압기의 RBM(Risk-Based Maintenance) 시뮬레이션을 수행하였다.

TBM(Time-Based Maintenance) 방식은 한국전력공사에서 제안하는 유지보수 진단 기준을 참고하여, 정밀 점검 과정에서 수행되는 유지보수와 구성 요소 교체 유지보수를 포함하도록 구성하였다. RBM 방식은 TBM에서 적용한 유지보수 방안을 기본적으로 적용하되, 유지보수 시점을 회사의 전략적 목표를 반영한 KPI(Key Performance Indicator)를 만족하는 Target Risk 수준을 설정하였다.

Case Study 과정에서 수행된 유지보수 이력은 고장 모드 번호를 기준으로 구분하여 해당 연도에 시행된 유지보수를 표현하였다. 구성 요소에 대한 유지보수가 시행될 경우, 해당 구성 요소의 Risk가 저감되는 방식으로 시뮬레이션을 진행하였다. 성능 검증을 위해 기존 TBM 방식과 제안된 RBM 방식의 최대 Risk, Risk 저감량, 그리고 유지보수 횟수를 비교·분석하였다. 이때 Risk 저감량은 유지보수를 전혀 수행하지 않은 경우의 누적 Risk와 유지보수를 통해 저감된 누적 Risk 간의 차이로 정의하였다.

표 3. 전력용 변압기 구성 요소별 고장모드

Table 3. Failure modes of power transformer components

고장 모드 번호 구성 요소 설계 수명
FM 1 OLTC 15
FM 2 부싱 15
FM 3 냉각시스템 15
FM 4 외함 15
FM 5 권선 32
FM 6 철심 32

표 4. 전력용 변압기 열화 Case

Table 4. Power transformer deterioration case

Case 번호 열화 구성 요소 열화 발생 나이
Case. 1 경년 열화 -
Case. 2 부싱 열화 21
Case. 3 OLTC 열화 18
Case. 4 권선 열화 27

4.1 전력용 변압기 경년 열화 Case

전력용 변압기는 한국전력공사에서 제안한 수명에 따라 32년 동안 다른 구성 요소의 열화없이 경년 열화가 발생한 Case를 산정하여 시뮬레이션을 진행하였다. 그림 6~8은 Case. 1에 대하여 각 유지보수 전략에 따른 전력용 변압기의 Risk 변화량에 대해 표현한 그림이다.

그림 6. Case. 1 TBM 유지보수에 따른 Risk 변화량

Fig. 6. Case 1. Risk Changes Associated with TBM Based Maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig6.png

그림 7. Case. 1 Risk 제한 50% RBM 유지보수에 따른 Risk 변화량

Fig. 7. Case 1 Risk Change Associated with Risk limit 50% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig7.png

그림 8. Case. 1 Risk 제한 70% RBM 유지보수에 따른 Risk 변화량

Fig. 8. Case. 1 Risk Change Associated with Risk limit 70% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig8.png

TBM 방식에서는 기존 TBM 주기에 따라 설비를 유지 보수하기 때문에 Risk가 불필요한 전력용 변압기의 초기 사태에서도 모든 구성 요소에 대한 유지보수가 시행되는 것을 확인하였다. 제안된 RBM 방법에서는 전력용 변압기의 Risk에 따라 건전한 상태인 초기 상태에서는 유지보수 전략을 연기하여 시행함으로써, 유지보수 횟수를 줄이고 모든 구성 요소에 대해서 유지보수를 진행하는 것이 아닌 일부 구성 요소에 대해서만 시행함으로써, 비용 효율적인 유지보수를 수립할 수 있는 것을 확인하였다. Target Risk를 조정하면 더 적은 유지보수를 시행함으로써, 설비의 Risk는 높아지지만 유지보수 비용이 줄어드는 것을 확인하였다. 표 5는 Case. 1에 대해 유지보수 전략끼리 비교한 표이다.

표 5. Case. 1 유지보수 전략 비교

Table 5. Case. 1 Comparison of Maintenance Strategies

TBM RBM 50% RBM 70%
최고 도달 Risk[천원] 42,359 34,963 50,188
유지보수 시행횟수[회] 6 5 5
TBM 기준 Risk 저감량 차이 [천원] - -31,375 -142,157

4.2 부싱 열화 Case

Case. 2는 전력용 변압기의 구성 요소 중 부싱이 20년 시점에 급격하게 열화가 발생되는 상황을 모의하여 시뮬레이션을 진행하였다. 그림 9~11은 Case. 2에 대하여 각 유지보수 전략에 따른 전력용 변압기의 Risk 변화량에 대해 표현한 그림이다.

그림 9. Case. 2 TBM 유지보수에 따른 Risk 변화량

Fig. 9. Case. 2 Risk Changes Associated with TBM Based Maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig9.png

그림 10. Case. 2 Risk 제한 50% RBM 유지보수에 따른 Risk 변화량

Fig. 10. Case. 2 Risk Change Associated with Risk limit 50% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig10.png

그림 11. Case. 2 Risk 제한 70% RBM 유지보수에 따른 Risk 변화량

Fig. 11. Case. 2 Risk Change Associated with Risk limit 70% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig11.png

TBM 방식에서는 부싱이 열화가 시작되는 시점에서 Risk가 상승하여 Risk가 높은 수준에서 관리되는 것을 확인하였으나, RBM 방법을 적용하면 변압기의 Risk가 상승하는 지점에서 유지보수 계획을 수정하여 Target Risk 내에서 설비를 관리하여 안정적인 전력망 운영이 가능한 것을 확인하였다. Target Risk를 최종 Risk의 50% 수준으로 RBM 전략을 수행하면 유지보수 횟수는 같으나 설비의 Risk를 TBM보다 낮은 수준으로 관리하여 안정적인 관리가 수행되어 계통의 안정성을 확보할 수 있는 것을 확인하였다. Target Risk를 70% 수준으로 선정하여 RBM 전략을 수행하면 Risk는 TBM 수준과 유사하게 관리되면서 유지보수 횟수가 감소하여 더 경제적인 유지보수 전략이 수립됨을 확인하였다. 표 6은 Case. 2에 대해 유지보수 전략끼리 비교한 표이다.

표 6. Case. 2 유지보수 전략 비교

Table 6. Case. 2 Comparison of Maintenance Strategies

TBM RBM 50% RBM 70%
최고 도달 Risk[천원] 51,756 35,226 49,692
유지보수 시행횟수[회] 6 6 5
TBM 기준 Risk 저감량 차이 [천원] - -20,999 -96,686

4.3 OLTC 열화 case

Case. 3는 전력용 변압기의 구성 요소 중 OLTC가 18년 시점에 급격하게 열화가 발생되는 상황을 모의하여 시뮬레이션을 진행하였다. 그림 12~14는 Case. 3에 대하여 각 유지보수 전략에 따른 전력용 변압기의 Risk 변화량에 대해 표현한 그림이다.

그림 12. Case. 3 TBM 유지보수에 따른 Risk 변화량

Fig. 12. Case. 3 Risk Changes Associated with TBM Based Maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig12.png

그림 13. Case. 3 Risk 제한 50% RBM 유지보수에 따른 Risk 변화량

Fig. 13. Case. 3 Risk Change Associated with Risk limit 50% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig13.png

그림 14. Case. 3 Risk 제한 70% RBM 유지보수에 따른 Risk 변화량

Fig. 14. Case. 3 Risk Change Associated with Risk limit 70% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig14.png

TBM 방식에서는 OLTC도 부싱과 동일하게 열화가 시작되는 시점부터 Risk가 증가하여 높은 수준으로 Risk가 관리됨을 확인하였다. Target Risk를 50%로 설정한 RBM 방식을 적용한 경우, 변압기의 Risk가 상승하는 시점에서 유지보수 계획을 유연하게 조정하고 주요 구성 요소에 대한 유지보수를 수행함으로써, 전체 Risk를 Target Risk 범위 내에서 관리할 수 있음을 확인하였다. 이를 통해 보다 안정적인 전력망 운영이 가능함을 확인하였다. 한편, Target Risk를 70%로 설정하여 관리할 경우, TBM 방식과 유사한 수준의 Risk를 유지하면서도 보다 경제적인 유지보수 계획을 수립할 수 있음을 확인하였다. 이 경우 유지보수 전략은 부싱의 유지보수 계획과 유사한 형태로 도출되었다. 표 7은 TBM 방식과 RBM 방식 간의 유지보수 전략을 비교한 결과를 나타낸다.

표 7. Case. 3 유지보수 전략 비교

Table 7. Case. 3 Comparison of Maintenance Strategies

TBM RBM 50% RBM 70%
최고 도달 Risk[천원] 51,756 33,605 50,188
유지보수 시행횟수[회] 6 6 5
TBM 기준 Risk 저감량 차이 [천원] - -14,272 -106,060

4.4 권선 열화 case

Case. 4는 전력용 변압기의 구성 요소 중 권선이 27년 시점에서 열화가 발생하고 30년 시점에서 단락이 발생하는 상황을 모의하여 시뮬레이션을 진행하였다. 권선의 경우, 다른 구성 요소와는 다르게 변압기의 주요 동작을 위한 구성 요소이며 권선을 교체하는 등의 유지보수 전략에는 제약 사항이 있어 변압기를 교체해야 하는 고장 모드이다. Case. 4는 전력용 변압기 교체를 고려하여 시뮬레이션을 진행하였다. 그림 15~17은 Case. 4에 대하여 각 유지보수 전략에 따른 전력용 변압기의 Risk 변화량에 대해 표현한 그림이다.

TBM 방식에서는 열화가 시작되는 시점에서 Risk가 상승함을 확인하였다. 다른 구성요소의 열화와 동일하게 Target Risk가 50% 시점에서는 안정적인 전력 계통 운영을 위해 유지보수 횟수는 동일하면서 낮은 Risk로 관리하고 70% 수준에서는 유지보수 횟수를 감소하여 더 경제적인 유지보수 계획이 수립됨을 확인하였다. 다른 Case와 다르게 30년이 도달한 시점에 권선 단락이 발생하여 단락이 발생하기 전까지 계통의 안정적인 운영을 위해 구성요소의 Risk를 관리하다 변압기를 교체함을 확인하였다. 표 8은 Case. 4에 유지보수 전략끼리 비교한 표이다.

그림 15. Case. 4 TBM 유지보수에 따른 Risk 변화량

Fig. 15. Case. 4 Risk Changes Associated with TBM Based Maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig15.png

그림 16. Case. 4 Risk 제한 50% RBM 유지보수에 따른 Risk 변화량

Fig. 16. Case. 4 Risk Change Associated with Risk limit 50% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig16.png

그림 17. Case. 4 Risk 제한 70% RBM 유지보수에 따른 Risk 변화량

Fig. 17. Case. 4 Risk Change Associated with Risk limit 70% RBM maintenance

../../Resources/kiee/KIEE.2026.75.6.1314/fig17.png

표 8. Case. 4 유지보수 전략 비교

Table 8. Case. 4 Comparison of Maintenance Strategies

TBM RBM 50% RBM 70%
최고 도달 Risk[천원] 57,270 39,910 49,903
유지보수 시행횟수[회] 6 6 5
TBM 기준 Risk 저감량 차이 [천원] - -48,446 -153,651

4.5 Case Study 고찰

고장을 모의한 Case에서 구성 요소끼리 비교하면, 구성 요소의 CoF와 유지보수 방안이 달라지므로 생애주기 동안의 유지보수 전략에 따라 Risk 차이가 발생한 것을 확인하였다. 권선, OLTC, 부싱 순으로 구성 요소의 고장에 따라 변압기의 큰 영향을 미치기 때문에 RBM 방법을 적용하였을 경우, 더 큰 Risk를 저감할 수 있는 것을 확인하였다. 유지보수 비용으로 비교하면, 그림 18과 같이 생애주기동안 유지보수를 수행한 구성 요소 수에서 차이가 발생하므로 TBM 방식에서는 OLTC, 부싱, 냉각시스템에 대해서 유지보수를 적용하지만, RBM 방법은 Risk가 높은 구성 요소만을 적용하여 유지보수 비용이 절감되는 것을 확인하였다. 또한, 기업의 KPI에 따라 Risk 기준치를 변경함으로써 본 논문의 Case와 같이 50% 수준으로 Risk를 관리하여 유지보수 비용이 더 많이 요구되나 계통을 안정적으로 운영하거나 70% 수준으로 Risk를 관리하여 TBM과 비슷한 수준에서 계통을 운영하면서 유지보수 비용을 절감하는 등 기업의 전략적 목표에 따라 유지보수 계획 수립이 가능함을 확인하였다.

그림 18. 유지보수 전략간 구성요소 정비 횟수 비교

Fig. 18. Comparison of component maintenance times across maintenance strategies

../../Resources/kiee/KIEE.2026.75.6.1314/fig18.png

5. Conclusion

본 논문에서는 전력용 변압기의 비용 효율적이고, 안정적인 설비 운용을 위해 RBM 전략을 사용하여 유지보수 전략을 수립하였다, 이를 위해 문헌 기반의 FMEA 바탕으로 구성 요소 및 고장 모드를 식별하여 고장 모드 해소를 위한 유지보수 방법을 식별하였다. 식별된 고장 모드를 통해 각 고장 모드에 따른 Risk를 도출하고 RBM 전략 기반의 유지보수 전략 수립 방안을 적용하여 전력용 변압기의 생애주기 동안 변압기의 구성 요소별 유지보수 전략을 수립하고 이를 검증하였다.

345kV 변압기에 대해서 구성 요소별로 모의한 고장에 따라 이를 기존의 TBM 방식과 RBM 방법을 적용하였을 때, 생애주기 동안 도달하는 Risk와 유지보수에 들어가는 비용을 비교하여 성능을 검증하였다. 현재 논문에서 제안하는 Risk의 50% 수준을 유지하면서 유지보수 전략을 수립할 경우, 설비가 도달하는 Risk를 안정적으로 관리하면서 유지보수 횟수와 비용울 줄여 비용 효율적인 유지보수 전략이 수립된 것을 확인하였다. 기업이 가지는 KPI에 따라 Risk의 제한치를 변경함으로써 더 안정적인 계통을 운영하거나 유지보수 비용을 절약하면서 비용 효율적인 유지보수 전략이 수립될 것으로 사료된다.

본 논문에서는 전력용 변압기의 1대를 기준으로 하여 유지보수 전략을 수립하였으나, 계통에는 다수의 전력 설비가 유기적으로 결합하여 전력을 공급하고 있다. 따라서, 유지보수 전략을 수립하기 위해서는 전력망을 운영하고 있는 회사가 지닌 여러 대의 설비에 대해 유지보수 전략을 수립하여야 한다. 따라서, 추후 각 변압기의 부하를 고려한 RBM 전략을 수립하고 이를 제약조건에 따라 최적화를 진행하는 연구에 대해 진행할 예정이다.

Acknowledgements

This research was supported by the Regional Innovation System & Education(RISE) program through the Jeollanamdo RISE center, funded by the Ministry of Education(MOE) and the Jeollanamdo, Republic of Korea.(2026-RISE-14-001)

This research was supported by Korea Electric Power Corporation. (Grant number : R25XO03-5)

References

1 
I. Alsyouf, "Wind energy system reliability and maintainability, and operation and maintenance strategies," Wind Energy Systems, Woodhead Publishing, pp. 303-328, 2011. Google Search
2 
CIGRE Working Group A2.37, Technical Brochure, no. 642, "Transformer Reliability Survey," CIGRE, Paris, France, 2015. Google Search
3 
S. Tenbohlen, "Assessment of power transformer reliability," Power, vol. 73, no. 581, pp. 478-485, 2011. Google Search
4 
T. Y. Suwanasri, C. Suwanasri, R. Phadungthin, "Risk assessment based on condition and importance criteria for power transformer in Thailand transmission network," IEEJ Transactions on Electrical and Electronic Engineering, vol. 10, no. 1, pp. 18-27, 2015. Google Search
5 
J. Yang, Art. no. 6845, "A transformer maintenance interval optimization method considering imperfect maintenance and dynamic maintenance costs," Applied Sciences, vol. 14, no. 15, 2024. Google Search
6 
Ofgem, "DNO Common Network Asset Indices Methodology," London, UK, 2021. Google Search
7 
National Grid Electricity Transmission (NGET), "Network Output Measures Methodology – Network Asset Risk Annex," 2018. Google Search
8 
B. O. Mkandawire, N. Ijumba, A. Saha, "Transformer risk modelling by stochastic augmentation of reliability-centred maintenance," Electric Power Systems Research, vol. 119, pp. 471-477, 2015. Google Search
9 
M. D. P. Colin Hernandez, A. Labib, "Selecting a condition monitoring system for enhancing effectiveness of power transformer maintenance," Journal of Quality in Maintenance Engineering, vol. 23, no. 4, pp. 400-414, 2017. Google Search
10 
L. Krishnasamy, F. Khan, M. Haddara, "Development of a risk-based maintenance (RBM) strategy for a power-generating plant," Journal of Loss Prevention in the Process Industries, vol. 18, no. 2, pp. 69-81, 2005. Google Search
11 
P. K. Dey, S. O. Ogunlana, S. Naksuksakul, "Risk-based maintenance model for offshore oil and gas pipelines: A case study," Journal of Quality in Maintenance Engineering, vol. 10, no. 3, pp. 169-183, 2004. Google Search
12 
F. I. Khan, M. M. Haddara, "Risk-based maintenance (RBM): A quantitative approach for maintenance/inspection scheduling and planning," Journal of Loss Prevention in the Process Industries, vol. 16, no. 6, pp. 561-573, 2003. Google Search
13 
E. Özcan, R. Yumuşak, T. Eren, Art. no. 1502, "Risk based maintenance in the hydroelectric power plants," Energies, vol. 12, no. 8, 2019. Google Search
14 
M. Akbari, "Failure modes and effects analysis (FMEA) for power transformers," pp. 1-7, 2013. Google Search
15 
M. Scoop, M.Sc. thesis, "Transformer Condition Assessment & Survival Model," Electrical Engineering Department, Delft University of Technology, Delft, Netherlands, 2018. Google Search
16 
S. T. Jan, R. Afzal, A. Z. Khan, "Transformer failures, causes and impact," Bali, Indonesia, 2015. Google Search
17 
IEEE Std C57.12.60, "IEEE Standard for Thermal Evaluation of Insulation Systems for Dry-Type Power and Distribution Transformers," IEEE Standards Association, IEEE Power and Energy Society, 2020. Google Search
18 
S. Im, J. Park, B. An, S. Lee, T. Park, "Study on establishing optimal maintenance strategy for power transformers according to risk by failure mode based on FMEA," pp. 2110-2111, 2025. Google Search

저자소개

임선우 (Seon-Woo Im)
../../Resources/kiee/KIEE.2026.75.6.1314/au1.png

He received his BSEE in Electrical Engineering from Mokpo National University in 2022 and his MSEE in 2024. He is now pursuing a Ph.D. in Electrical Engineering from Mokpo National University, Korea. His research interests are asset management and verification of power conversion devices based on real-time simulation.

오정식 (Jeong-Sik Oh)
../../Resources/kiee/KIEE.2026.75.6.1314/au2.png

He received his B.S. and M.S. degrees from Mokpo National University, Korea, and his Ph.D. in Electrical Engineering from Mokpo National University in 2026. He is currently a postdoctoral researcher. His research interests include DC distribution networks and asset management systems for power systems.

박재덕 (Jae-Deok Park)
../../Resources/kiee/KIEE.2026.75.6.1314/au3.png

He received a Bachelor's degree in Electrical Engineering from Mokpo National University in 2019, a Master's degree in Electrical Engineering from the same university in 2021, and a Ph.D. in Electrical Engineering from the same university in 2026. He is currently working as a Senior Researcher at the Korea Electric Power Research Institute, specializing in asset management and power grid interconnection.

박태식 (Tae-Sik Park)
../../Resources/kiee/KIEE.2026.75.6.1314/au4.png

He received the Ph.D. degree in electrical engineering from Korea University, in 2000. He was with Samsung Advanced Institute of Technology as a Senior Research Engineer, in 2000. From 2005 to 2013, he was an Administrative Official at Korea Intellectual Property Office, Daejeon, Republic of Korea. In 2011, he was a Research Fellow at the University of Michigan–Dearborn. In 2013, he joined the Department of Electrical and Control Engineering, Mokpo National University, Muan, Republic of Korea, where he is currently a Professor. His research interests include power electronics, power systems, and asset management systems (AMSs)