• 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 Energy Systems Engineering, Chung-Ang University, Republic of Korea. E-mail : jaehyun0509@cau.ac.kr)
  2. (GridCure Inc., Republic of Korea & Dept. of Smart Information Technology Engineering, Kongju National University, Republic of Korea. E-mail : gykwon@kongju.ac.kr)
  3. (GridCure Inc., Republic of Korea & Dept. of Control and Instrumentation Engineering, Pukyong National University, Republic of Korea. E-mail : ck.lee@pknu.ac.kr)



Cable condition monitoring, Loss tangent, Propagation constant, Reflectometry

1. 서 론

탄소 중립과 재생에너지 보급 확대에 따라 해상풍력 발전설비의 구축이 증가하고 있다. 해상풍력 발전단지의 전력망은 풍력발전기에서 생산된 전력을 해상 변전소로 집전하는 내부망 케이블과 집전된 전력을 육상 계통으로 송전하는 외부망 케이블로 구성된다 [1].

최근 내부망 해저케이블에는 케이블의 직경과 중량을 줄이고 제작 및 시공 비용을 절감하기 위해 금속 차폐층으로 수분을 차단하는 dry-type 구조에서 수분 침투를 허용하는 wet-type 구조가 적용되고 있다. Wet-type 케이블에는 일반적으로 수트리 억제 특성을 갖는 TR-XLPE (Tree- Retardant Cross-Linked Polyethylene)가 절연재료로 사용되지만, 장기간 수분과 교류 전기장에 노출되면 절연체 내부에 수트리가 발생할 가능성이 있다 [2] [3].

수트리는 절연체 내부의 수분, 전기장, 기계적 응력 및 미세 결함 등의 복합적인 영향으로 성장하며, 열화가 진행되면 절연체의 상대 유전율, 체적 저항률 및 유전 손실 특성이 변화한다 [4]. 이에 따라 케이블의 커패시턴스와 누설 전류가 증가하고 전계 분포가 불균일해질 수 있으며, 수트리가 전기트리로 진전될 경우 최종적으로 절연파괴를 유발할 수 있다 [2], [4]. 따라서 해저케이블의 고장 발생 이전에 절연 특성의 변화를 검출하고 열화 상태를 평가할 수 있는 진단 기술이 필요하다.

해저케이블은 해저에 매설되거나 해상 구조물 사이에 설치되므로 고장 발생 후 위치 탐지와 복구에 많은 시간과 비용이 소요된다. 고장 구간을 회수하고 교체하기 위해 전용 선박, 장비, 예비 케이블 및 전문 인력이 필요하며, 복구 기간 동안의 발전 중단은 추가적인 경제적 손실을 발생시킨다. 따라서 고장 이후의 복구보다 절연 열화 단계에서 상태를 진단하고 계획 정비를 수행하는 것이 해상풍력 발전단지의 운전 신뢰성과 유지보수 효율을 향상하는 데 중요하다 [2].

전력 케이블의 절연 상태를 평가하기 위해 절연 저항 시험, 내전압 시험, 부분 방전 시험 및 초저주파 유전 손실(Very low frequency, VLF) 측정 등이 사용된다. 이 중 유전 손실은 절연체에 저장되는 전기장 에너지에 대한 손실 에너지의 비를 나타내므로 수트리와 같은 절연 열화의 평가 지표로 활용된다 [4] [5]. 그러나 VLF 측정은 고전압 시험 전원과 대형 측정 장비를 필요로 하므로 해상 환경에서의 적용에 제약이 있으며, 측정값이 케이블 전체 구간의 평균적인 절연 특성을 나타내기 때문에 국부적인 열화의 위치를 직접 식별하기 어렵다 [5]. 또한 분포형 온도, 진동 및 변형률 센싱 기술은 케이블의 열적·기계적 상태를 감시할 수 있지만, 절연체의 유전 특성 변화를 직접 평가하는 데에는 한계가 있다[6].

반사파 계측법은 저전압 고주파 신호를 케이블에 인가하고, 종단 또는 임피던스 불연속점에서 되돌아오는 반사 신호를 분석하여 케이블의 상태를 평가하는 비파괴 진단 기술이다. 케이블을 따라 전파하는 신호의 감쇠와 위상 변화는 단위 길이당 저항, 인덕턴스, 커패시턴스, 컨덕턴스로 결정되는 복소 전파 상수에 의해 나타난다. 절연 열화로 인해 상대 유전율과 유전 손실이 변화하면 케이블의 커패시턴스와 컨덕턴스가 변하고, 그 영향은 반사 신호의 크기, 위상, 시간 지연 및 분산 특성에 반영된다. 따라서 반사 신호로부터 전파 상수를 정량적으로 추정하면 케이블의 절연 특성 변화를 평가할 수 있다 [7]-[9].

시간-주파수 영역 반사파 계측법(Time-Frequency Domain Reflectometry, TFDR)은 가우시안 포락선 선형 첩 신호를 인가하고 기준 신호와 반사 신호의 시간-주파수 특성을 비교하는 기법이다 [7]. 계단-주파수 반사파 계측법(Stepped-Frequency Waveform Reflectometry, SFWR)은 서로 다른 주파수의 정현파를 순차적으로 인가하고, 각 주파수에서 취득된 기준 신호와 반사 신호의 크기 비율 및 위상차를 분석한다 [8].

실제 케이블에서 추정되는 감쇠 상수에는 절연체의 유전 손실뿐 아니라 중심 도체와 금속 차폐층의 저항성 손실도 포함된다. 따라서 반사파 계측법을 통해 추정된 감쇠 상수와 위상 상수로부터 산출되는 값은 절연체 고유의 유전 손실과 구별되며, 본 연구에서는 이를 전파 상수 기반 유효 손실 탄젠트로 정의한다. 유효 손실 탄젠트는 케이블의 도체 및 유전체 손실이 함께 반영된 전파 특성 지표로서, 절연 열화에 따른 케이블 유전 특성의 변화를 평가하는 데 활용될 수 있다.

선행 연구에서는 반사파 계측 신호로부터 케이블의 전파 상수를 추정하고 이를 이용하여 절연 성능을 평가하는 방법이 제시되었다 [9-11]. 그러나 서로 다른 신호 분석 원리를 사용하는 TFDR과 SFWR을 동일한 케이블과 유전 조건에 적용하고, 절연체의 유전 특성 변화에 대한 두 방법의 추정 경향을 직접 비교한 연구는 충분하지 않다.

본 연구의 최종 목적은 반사파 계측법을 이용하여 wet-type 해저케이블의 절연 상태를 진단하는 것이다. 다만 현재 wet-type 해저케이블에서 취득된 반사파 계측 데이터가 확보되지 않았으므로, 본 연구에서는 실제 반사파 계측 데이터와 케이블 사양이 확보된 22.9 kV 배전용 XLPE 케이블을 기준 대상으로 사용하였다. 실제 케이블의 전파 지연 및 감쇠 특성과 일치하도록 전송선 모델을 보정한 후, 절연 열화에 수반될 수 있는 유전 특성 변화를 모의하기 위해 상대 유전율의 실수부와 입력 손실 탄젠트를 독립적으로 변화시켰다.

각 조건에서 TFDR과 SFWR을 동일하게 적용하여 감쇠 상수와 위상 상수를 추정하고, 전파 상수 기반 유효 손실 탄젠트의 변화 경향을 비교하였다. 이를 통해 향후 wet-type 해저케이블 절연 성능 진단에 적용하기 위한 반사파 계측법의 유전 물성 변화 추적 가능성을 검증하였다.

2. 이론적 배경

2.1 전력 케이블의 전파 상수 기반 유효 손실 탄젠트

본 절에서는 반사파 계측법의 공통 추정 변수인 유효 손실 탄젠트를 정의한다. 전력 케이블에 고주파 신호가 인가되면 전압과 전류는 케이블 전체에서 동시에 형성되는 것이 아니라 유한한 속도로 전파된다. 따라서 케이블 길이에 따른 전파 지연과 감쇠는 집중 정수 소자만으로 표현되지 않기 때문에, 본 논문에서 전력 케이블은 단위 길이당 전기적 파라미터(RLCG)가 연속적으로 분포한 전송선으로 모델링된다.

케이블의 미소 구간에 대한 분포 정수 등가 모델은 단위 길이당 직렬 저항(R), 직렬 인덕턴스(L), 병렬 커패시턴스(C), 병렬 컨덕턴스(G)로 표현된다. 이때 복소 전파 상수는 다음과 같이 정의된다[12].

(1)
$\gamma(\omega) = \alpha(\omega) + j\beta(\omega) = \sqrt{(R + j\omega L)(G + j\omega C)}$

여기서, $\alpha(\omega)$와 $\beta(\omega)$는 각각 단위 길이당 신호의 감쇠를 나타내는 감쇠 상수와 위상 변화를 나타내는 위상 상수이다. 전력 케이블을 따라 전파하는 신호는 도체의 저항성 손실과 절연체의 유전 손실에 의해 감쇠되며, 이러한 감쇠 특성은 전파 상수의 실수부인 감쇠 상수에 반영된다. 이 중 절연체의 유전 손실은 전기장에 의해 저장된 에너지의 일부가 열에너지로 소산되는 현상으로 복소 유전율로 표현되며, 복소 유전율은 다음과 같다 [12].

(2)
$\epsilon^*(\omega) = \epsilon'(\omega) - j \cdot \epsilon''(\omega)$

여기서 $\epsilon'(\omega)$는 절연체의 전기장 에너지 저장 특성을 나타내는 유전율의 실수부이고, $\epsilon''(\omega)$는 분극 지연 및 전도 현상에 의해 소산되는 에너지와 관련된 유전율의 허수부이다. 유전 손실은 다음과 같이 저장 성분에 대한 손실 성분의 비로 정의된다.

(3)
$\tan\delta(\omega) = \frac{\epsilon''(\omega)}{\epsilon'(\omega)}$

전력 케이블의 중심 도체와 금속 차폐층 사이에는 전위차에 의해 전기장이 형성되며, 이 전기장 에너지는 두 도체 사이의 절연체에 저장된다. 중심 도체의 반지름이 $a$, 금속 차폐층의 내측 반지름이 $b$인 동축 케이블 구조에서 절연체의 단위 길이당 커패시턴스는 다음과 같다.

(4)
$C(\omega) = \frac{2\pi \cdot \epsilon'(\omega)}{\ln(b/a)}$

케이블의 형상이 일정하면 커패시턴스는 유전율의 실수부에 비례하며, 식 (3)으로부터 복소 커패시턴스는 다음과 같이 도출된다.

(5)
$C^*(\omega) = C(\omega)(1 - j\tan\delta(\omega))$

복소 커패시턴스로 표현되는 병렬 어드미턴스와 RLCG 모델의 병렬 어드미턴스로부터 복소 커패시턴스와 컨덕턴스의 관계가 유도되며, 손실 탄젠트는 다음과 같이 병렬 커패시턴스와 병렬 컨덕턴스로 표현된다.

(6)
$\tan\delta(\omega) = \frac{G(\omega)}{\omega \cdot C(\omega)}$

(6)은 절연체 고유의 손실 탄젠트를 나타낸다. 반면, 실제 케이블의 전파 상수에는 절연체의 유전 손실뿐만 아니라 중심 도체와 금속 차폐층에서 발생하는 저항성 손실도 반영된다. 이러한 전파 상수와 케이블의 분포 정수 사이의 관계를 확인하기 위해 식 (1)을 제곱하면 다음과 같다.

(7)
$\gamma^2 = (\alpha^2 - \beta^2) + j2\alpha\beta = (R + j\omega L)(G + j\omega C)$

(7)의 실수부와 허수부를 각각 비교하면 다음의 관계를 얻을 수 있다.

(8)
$\beta^2 - \alpha^2 = \omega^2 LC - RG, \quad 2\alpha\beta = \omega(RC + LG)$

이에 따라 본 연구에서는 전파 상수로부터 산출되는 $\hat{D}_{eff}$를 전파 상수 기반 유효 손실 탄젠트로 정의하며, RLCG 파라미터로 표현되는 유효 손실 탄젠트 $\tan\delta_{eff}$와의 관계를 다음과 같이 나타낸다.

(9)
$\hat{D}_{eff}(\omega) = \frac{2\hat{\alpha}(\omega)\hat{\beta}(\omega)}{\hat{\beta}^2(\omega) - \hat{\alpha}^2(\omega)} \doteq \tan\delta_{eff}(\omega) = \frac{\omega(RC + LG)}{\omega^2 LC - RG}$

여기서 $\tan\delta_{eff}(\omega)$는 병렬 컨덕턴스에 의한 유전 손실뿐만 아니라 직렬 저항에 의한 도체 손실도 포함되는 유효 손실 탄젠트이다. 도체의 저항성 손실을 무시할 수 있는 이상적인 경우, 식 (9)의 $\tan\delta_{eff}(\omega)$는 식 (6)의 절연체 고유 손실 탄젠트 $\tan\delta(\omega)$와 일치한다. 그러나 실제 케이블에서는 $R \neq 0$이므로, TFDR과 SFWR을 통해 추정되는 값은 유전 손실이 아닌 전파 상수 기반 유효 손실 탄젠트이다.

2.2 TFDR 기반 전파 상수 추정

TFDR에서는 기준 신호로 가우시안 포락선 선형 첩(Gaussian-enveloped linear chirp, GELC) 신호가 사용되며, 다음과 같이 정의된다 [7].

(10)
$s_0(t) = A_0 \exp\left[ -\frac{a - jb}{2}(t - t_0)^2 \right] \exp\left[ j\omega_0(t - t_0) \right]$

$\left( a = \frac{1}{2TD^2}, b = \sqrt{(2\pi FB^2)2a - a^2}, \omega_0 = 2\pi f_0 \right)$

여기서 $A_0$는 신호의 진폭, $t_0$는 중심 시간, $\omega_0$는 중심 각 주파수를 의미하며, $a$는 가우시안 포락선의 시간 폭, $b$는 첩 기울기를 결정하는 계수이다. $TD$와 $FB$는 각각 시간 폭과 주파수 대역폭을 의미한다. GELC 신호의 주파수 영역 표현은 다음과 같은 복소 가우시안 함수로 나타낼 수 있다.

(11)
$S_0(\omega) = K_0 \exp\left[ -\frac{(\omega - \omega_0)^2}{2(a - jb)} \right] \exp\left[ -j(\omega - \omega_0)t_0 \right]$

여기서 $K_0$는 푸리에 변환 과정에서 결정되는 복소 상수이다. 케이블의 종단 또는 임피던스 불연속점이 인가 지점으로부터 거리 $l$에 존재하면, 기준 신호는 해당 지점까지 왕복 거리 $2l$을 전파하며, 이때 반사 신호는 다음과 같다.

(12)
$S_r(\omega) = S_0(\omega)\Gamma(\omega)\exp\left[ -2l\gamma(\omega) \right]$

여기서 $\Gamma(\omega)$는 반사 계수이다. 케이블의 전파 상수는 GELC 신호의 에너지가 집중된 중심 각 주파수 $\omega_0$ 부근에서 다음과 같이 2계 테일러 급수로 근사된다 [12].

(13)
$\gamma(\omega) \approx \gamma_0 + \gamma_1 \Delta\omega + \frac{1}{2}\gamma_2 \Delta\omega^2, \quad \Delta\omega = \omega - \omega_0$

여기서 $\Delta\omega$는 $\omega - \omega_0$이며, 각 계수는 다음과 같다.

(14)
$\gamma_0 = \alpha_0 + j\beta_0 \\ \gamma_1 = \alpha_1 + j\beta_1 = \left. \frac{d\gamma(\omega)}{d\omega} \right|_{\omega_0}, \gamma_2 = \alpha_2 + j\beta_2 = \left. \frac{d^2\gamma(\omega)}{d\omega^2} \right|_{\omega_0}$

GELC 신호의 주파수 대역에서 반사 계수의 변화가 충분히 작다고 가정하면, 반사 신호는 다음과 같이 $\Delta\omega$에 대한 2차 지수함수로 정리된다.

(15)
$S_r(\omega) = K_r \exp\left[ -A_\omega \Delta\omega^2 - B_\omega \Delta\omega - C_\omega \right]$
(16)
$A_\omega = \frac{1}{2(a - jb)} + l\gamma_2$
(17)
$B_\omega = 2l\gamma_1 + jt_0$
(18)
$C_\omega = 2l\gamma_0$
(19)
$K_r = K_0 \Gamma(\omega_0)$

(15)의 역푸리에 변환도 복소 가우시안 형태를 유지하기 때문에, 시간 영역 반사 신호는 다음과 같이 표현된다.

(20)
$s_r(t) = A_r \exp\left[ A_t t^2 + B_t t + C_t \right]$

여기서 $A_r$은 역푸리에 변환 과정에서 나타나는 복소 진폭 상수이다. 복소 계수 $A_t$, $B_t$, $C_t$는 기준 신호 파라미터와 전파 상수에 의해 결정된다. $A_t$의 실수부와 허수부는 각각 반사 신호의 시간 폭과 첩 기울기를, $B_t$의 실수부와 허수부는 각각 중심 시간과 중심 각 주파수를 결정한다. 반사 신호의 전체 진폭과 초기 위상은 $A_r$과 $C_t$에 의해 결정된다. 이와 같이 GELC 신호가 케이블을 전파한 후에도 복소 가우시안 형태를 유지한다는 특성을 이용하면, 기준 신호와 반사 신호의 중심 시간, 중심 각 주파수, 시간 폭 및 첩 기울기 변화를 통해 전파 상수를 추정할 수 있다 [13].

본 연구에서는 기준 신호와 반사 신호로부터 중심 시간, 중심 각 주파수, 시간 폭, 첩 기울기의 변화를 산출하며, 이를 1계 및 2계 전파 상수에 대한 연립방정식으로 구성하여 $\hat{a}_1$, $\hat{a}_2$, $\hat{\beta}_1$, $\hat{\beta}_2$가 추정된다. 추정된 계수로부터 분석 주파수 대역 내 감쇠 상수 $\hat{\alpha}(\omega)$와 위상 상수 $\hat{\beta}(\omega)$가 복원되며, 케이블의 $\hat{D}_{eff}$가 계산된다. 반면, $\hat{\alpha}_0$와 $\hat{\beta}_0$는 반사 계수와 결합되어 반사 신호의 진폭과 초기 위상에만 나타나므로, 별도의 진폭·위상 보정 없이 독립적으로 추정되기 어렵다. 따라서 $\hat{D}_{eff}$ 추정에 1계 및 2계 전파 상수만 사용되며, 다음 식과 같이 정의된다.

(21)
$\hat{\alpha}_1 = \frac{a(\omega_0 - \omega_r)}{(a^2 + b^2)l} - \hat{\alpha}_2 \omega_r$
(22)
$\hat{\beta}_1 = \frac{t_r}{l} + \frac{b(\hat{\alpha}_1 + \hat{\alpha}_2 \omega_0)}{a + \hat{\alpha}_2(a^2 + b^2)l} - \hat{\beta}_2 \omega_r$
(23)
$\hat{\alpha}_2 = \frac{1}{l} \left\{ \frac{2(\sigma_t')^2}{(1 + 4(\beta_r')^2(\sigma_t')^4)} - \frac{a}{a^2 + b^2} \right\}$
(24)
$\hat{\beta}_2 = \frac{1}{l} \left\{ \frac{4\beta_r'(\sigma_t')^4}{(1 + 4(\beta_r')^2(\sigma_t')^4)} - \frac{b}{a^2 + b^2} \right\}$

여기서 $\omega_r$, $t_r$, $\sigma_t'$, $\beta_r'$는 각각 반사 신호의 중심 각 주파수, 중심 시간, 시간 폭 파라미터, 첩 기울기를 나타내며, $\sigma_t' = TD_r / (6\sqrt{2})$로 정의된다.

2.3 SFWR 기반 전파 상수 추정

SFWR에서는 기준 신호로 사각 윈도우가 곱해진 단일 주파수 정현파를 사용한다 [8]. 정현파의 주파수는 일정한 간격으로 증가되며, 기준 신호는 다음과 같이 정의된다.

(25)
$s(t, \omega_i) = A_0 \sin(\omega_i t) \cdot \text{rect}\left(\frac{t - \tau}{\tau}\right), \quad i = 0, 1, \dots, N-1$

여기서 $A_0$와 $\tau$는 각각 신호의 진폭과 시간 폭을 의미한다. $\omega_i$와 $N$은 각각 신호의 각 주파수와 신호의 개수로, 각 주파수는 시작 각 주파수 $\omega_0$부터 $\omega_0 + (N-1)\Delta\omega$까지 일정한 간격으로 증가한다. $\Delta\omega$는 주파수 증가 간격을 의미한다. 반사 신호는 TFDR과 동일하게 기준 신호에 반사 계수와 케이블의 전파 상수로 구성된 전달 함수가 주파수 영역에서 곱해진 형태이다.

각 주파수 별로 취득된 신호로부터 선형 최소 제곱법(Linear least square, LLS)을 통해 신호의 크기 $\hat{A}(t, f_i)$와 위상 $\hat{\phi}(t, f_i)$가 추정된다 [14]. 추정된 기준 신호와 반사 신호의 크기 비율, 위상차로부터 케이블의 전파 상수가 추정되며, 다음과 같이 정의된다.

(26)
$\ln\left\{ \frac{\hat{A}_s(\omega_i)}{\hat{A}_r(\omega_i)} \right\} = \ln\left( |\Gamma| \exp\left[ -2\left(\alpha_0 + \alpha_1 \omega_i + \frac{1}{2}\alpha_2 \omega_i^2\right)l \right] \right) \\ = \ln|\Gamma| - 2\left(\alpha_0 + \alpha_1 \omega_i + \frac{1}{2}\alpha_2 \omega_i^2\right)l$
(27)
$\hat{\phi}(\omega_i) = \hat{\phi}_r(\omega_i) - \hat{\phi}_s(\omega_i) = \theta_\Gamma - 2\left(\beta_0 + \beta_1 \omega_i + \frac{1}{2}\beta_2 \omega_i^2\right)l$

이러한 크기 비율과 위상차로부터 LLS를 통해 전파 상수가 추정된다 [15].

3. 유전 물성 변화에 따른 전파 특성 시뮬레이션

3.1 반사파 계측 시스템 및 케이블 모델링

본 연구에서는 반사파 계측 시뮬레이션 모델의 타당성을 확보하기 위해 실제 측정 데이터가 확보된 22.9 kV 배전용 XLPE 케이블을 사용하였다. 케이블의 중심 도체, 절연체 및 금속 차폐층의 치수와 재료 파라미터는 실제 케이블의 사양을 바탕으로 설정하였으며, 실제 케이블에서 취득된 반사 신호의 도달 시간과 감쇠 특성이 시뮬레이션 결과와 일치하도록 전송선 모델의 파라미터를 보정하였다 [16]. 보정에 사용된 실제 신호와 시뮬레이션 신호로부터 사용된 특징은 표 1, 케이블 모델의 파라미터는 표 2와 같다.

표 1. 케이블 모델 파라미터 보정에 사용된 지표

Table 1. Features used for coaxial cable model calibration

기호 구분 취득 값 상대오차
$V_{peak}$ 실측 7.937 V 9.72 %
시뮬레이션 8.709 V
$t_1$ 실측 0.419 $\mu s$ 1.61 %
시뮬레이션 0.412 $\mu s$
$V_{sat}$ 실측 3.447 V 0.56 %
시뮬레이션 3.466 V
$t_2$ 실측 1.728 $\mu s$ 0.13 %
시뮬레이션 1.730 $\mu s$

동축 케이블 모델 보정의 정량적 평가를 위해 시간 영역 반사파 계측법의 취득 신호 $r(t)$와 이 신호의 미분 $r'(t)$에서 네 가지 특징값을 추출하였다. 여기서 $V_{peak}$는 초기 과도응답의 첫 번째 첨두 전압, $t_1$은 $r'(t)$가 최솟값을 갖는 시점, $V_{sat}$은 초기 과도응답 이후의 첫 번째 포화 전압, $t_2$는 케이블 종단 반사에 대응하는 $r'(t)$의 두 번째 국부 최댓값 발생 시점이다. 실측값을 기준으로 계산한 각 파라미터의 상대오차는 표 1과 같다. 특히 케이블의 응답과 관련된 $V_{sat}$ 및 $t_2$의 평균 오차는 0.34 %로 나타났다. 또한, 반사 신호 도달시간의 차이는 2.25 ns로 상대오차는 0.13 %였으며, 실제 신호와 시뮬레이션 신호의 피어슨 상관 계수는 0.996으로 나타났다.

표 2. 동축 케이블 모델의 파라미터

Table 2. Parameters of coaxial cable

기호 파라미터 설정 값
$A$ 중심 도체 반지름 7.35 mm
$R_i$ 차폐층 내부 반지름 13.35 mm
$R_o$ 차폐층 외부 반지름 16.35 mm
$l$ 케이블 길이 110 m
$Cond2$ 중심 도체 도전율 $5.8 \times 10^7$ S/m
$\mu_r$ 절연체 상대 투자율 1
$\epsilon_r$ 절연체 상대 유전율 2.4 ~ 3.2
$TanD$ 절연체 입력 손실 탄젠트 0.01 ~ 0.09
- 유전 손실 모델 Svensson/
Djordjevic

본 연구에서는 상대 유전율의 실수부 $\epsilon_r$과 유전 손실 $TanD$가 전파 상수 기반 유효 손실 탄젠트 $\hat{D}_{eff}$에 미치는 개별적인 영향을 분석하기 위해 $\epsilon_r$과 $TanD$를 한 번에 하나씩 선형적으로 증가시키고 나머지 변수는 일정하게 유지하였다. 이러한 변수별 파라미터 스윕은 두 유전 파라미터의 물리적 상관관계를 배제하기 위한 것이 아니라, 각 파라미터 변화가 TFDR 및 SFWR의 전파 상수 추정 결과에 미치는 영향을 분리하여 분석하기 위한 것이다.

ADS의 동축 전송선 모델에는 주파수 의존적인 유전율 특성을 고려하기 위해 Svensson/Djordjevic 모델이 적용되었으며, 이 모델의 복소 상대 유전율은 다음과 같이 주파수에 대한 함수로 표현된다 [17].

(28)
$\epsilon(f) = \epsilon_\infty + \alpha_d \ln \frac{f_H + j \cdot f}{f_L + j \cdot f}$

여기서 $\epsilon_\infty$는 주파수가 무한대로 증가할 때의 상대 유전율이며, $\alpha_d$는 복소 유전율의 주파수 분산 크기를 결정하는 상수이다. $f_H$와 $f_L$은 각각 유전 손실 모델의 고주파 및 저주파 경계 주파수로 본 논문에서는 각각 1 THz와 1 kHz로 설정되었다. $\epsilon_\infty$와 $\alpha_d$는 ADS 내에서 $\epsilon_r$, $TanD$, $f_H$, $f_L$을 바탕으로 설정된다.

케이블의 유효 손실 탄젠트를 추정하기 위한 주파수 분석 대역은 110 m 케이블의 주파수 의존 감쇠 특성과 신호의 분해능을 고려하여 2 MHz부터 10 MHz까지로 선택되었다. TFDR의 기준 신호는 중심 주파수 6 MHz, 주파수 대역폭 8 MHz, 시간 폭 720 ns로 설계되었으며, SFWR의 기준 신호는 시작 주파수 2 MHz, 주파수 증가 간격 0.5 MHz, 신호 개수 $N = 17$, 시간 폭 500 ns로 설계되었다.

3.2 시뮬레이션 결과 및 고찰

그림 1. $\epsilon_r$ 증가에 따른 시간 영역 취득 신호의 변화. (a) SFWR 취득 신호. (b) TFDR 취득 신호

Fig. 1. Change in time-domain acquired signal with increasing $\epsilon_r$. (a) Change in SFWR acquired signal. (b) Change in TFDR acquired signal

../../Resources/kiee/KIEE.2026.75.8.1899/fig1.png

그림 1은 $\epsilon_r$을 2.4부터 0.1 간격으로 3.2까지 증가시키며 취득한 TFDR과 SFWR의 시간 영역 신호를 나타낸다. $\epsilon_r$이 증가함에 따라 종단 반사 신호의 도달 시간이 증가하고 최대 진폭이 감소하였다.

그림 2. $\epsilon_r$ 증가에 따른 전파 특성 변화. (a) 전파 상수 기반 $\hat{D}_{eff}$. (b) TFDR로 추정된 감쇠 상수와 위상 상수의 상대 변화율

Fig. 2. Changes in propagation characteristics with increasing $\epsilon_r$. (a) Propagation constant based effective $\hat{D}_{eff}$. (b) Relative changes in the attenuation and phase constants estimated using TFDR

../../Resources/kiee/KIEE.2026.75.8.1899/fig2.png

그림 2(a)는 $\epsilon_r$ 증가에 따라 TFDR과 SFWR로 추정된 유효 손실 탄젠트의 변화를 나타낸다. TFDR을 통해 추정된 유효 손실 탄젠트는 $\epsilon_r$이 증가함에 따라 지속적으로 감소하였으며, SFWR 추정값도 일부 구간에서 작은 변동이 나타났으나 전반적으로 감소하는 경향을 보였다. 그림 2(b)는 TFDR로 추정된 감쇠 상수와 위상 상수의 평균값을 $\epsilon_r = 2.4$에서의 값으로 정규화하여 상대 변화율로 나타낸 결과이다. $\epsilon_r$이 2.4에서 3.2로 증가할 때 감쇠 상수는 12.61%, 위상 상수는 15.16% 증가하였다. 유효 손실 탄젠트 식 (9)를 $r = \alpha/\beta$로 나타내면 추정 유효 손실 탄젠트 $\hat{D}_{eff}$는 $2r/(1-r^2)$이 된다. $\epsilon_r$ 증가에 따라 위상 상수가 감쇠 상수보다 상대적으로 크게 증가하였으며, $r$이 감소함에 따라 그림 2(a)의 추정 유효 손실 탄젠트도 감소한 것으로 분석된다.

그림 3은 $TanD$를 0.01부터 0.01 간격으로 0.09까지 증가시키며 취득한 시간 영역 신호이다. $TanD$가 증가함에 따라 종단 반사 신호의 최대 진폭이 감소하고 분산이 증가하였다.

그림 3. $TanD$ 증가에 따른 시간 영역 취득 신호의 변화. (a) SFWR 취득 신호. (b) TFDR 취득 신호

Fig. 3. Change in time-domain acquired signal with increasing $TanD$. (a) Change in SFWR acquired signal. (b) Change in TFDR acquired signal

../../Resources/kiee/KIEE.2026.75.8.1899/fig3.png

그림 4. $TanD$ 증가에 따른 TFDR 및 SFWR 기반 $\hat{D}_{eff}$의 변화

Fig. 4. Changes in $\hat{D}_{eff}$ estimated using TFDR and SFWR with increasing $TanD$

../../Resources/kiee/KIEE.2026.75.8.1899/fig4.png

그림 4는 $TanD$를 0.01에서 0.09까지 증가시켰을 때 TFDR과 SFWR로 추정된 유효 손실 탄젠트의 변화를 나타낸다. $TanD$가 증가함에 따라 절연체의 유전 손실에 의한 감쇠 성분이 증가하므로, 두 방법으로 추정된 유효 손실 탄젠트도 전반적으로 증가하였다. TFDR과 SFWR의 추정값은 전체 구간에서 유사한 변화 경향을 보였으며, 반사파 계측법을 통해 유전 손실 증가에 따른 전파 상수 기반 유효 손실 탄젠트의 변화를 추적할 수 있음을 확인하였다.

한편 추정된 유효 손실 탄젠트 $\hat{D}_{eff}$는 ADS에 입력된 $TanD$보다 크게 나타났다. 이는 $TanD$가 절연체 고유의 손실 탄젠트 $\tan\delta$를 설정하기 위한 파라미터인 반면, 반사 신호에서 추정된 감쇠 상수에는 절연체의 유전 손실 뿐만 아니라 중심 도체와 금속 차폐층의 저항성 손실도 포함되기 때문이다. 따라서 그림 4의 결과는 $TanD$의 직접적인 추정값이 아닌 도체 및 유전체 손실이 함께 반영된 전파 상수 기반 유효 손실 탄젠트 $\hat{D}_{eff}$로 해석되어야 한다. TFDR과 SFWR을 통해 추정된 $\hat{D}_{eff}$의 비교는 표 3과 같으며, 어느 한 방법도 참값으로 두지 않는 비교이므로 대칭 평균 상대오차로 차이를 계산하였다.

표 3. TFDR과 SFWR의 유효 손실 탄젠트 추정 결과 비교

Table 3. Comparison of $\hat{D}_{eff}$ estimated using TFDR and SFWR

스윕 조건 구분 추정 값 평균 대칭
상대오차
$\epsilon_r :$
$2.4 \rightarrow 3.2$
$\hat{D}_{eff, TFDR}$ 0.0500$\rightarrow$0.0491 3.18 %
$\hat{D}_{eff, SFWR}$ 0.0481$\rightarrow$0.0477
$TanD :$
$0.01 \rightarrow 0.09$
$\hat{D}_{eff, TFDR}$ 0.0500$\rightarrow$0.1130 1.28 %
$\hat{D}_{eff, SFWR}$ 0.0481$\rightarrow$0.1137

4. 결 론

본 연구에서는 향후 wet-type 해저케이블에 반사파 계측법을 적용하여 절연 상태를 진단하기 위한 기초 연구로서, TFDR과 SFWR의 전파 상수 기반 절연 특성 변화 평가 가능성을 검증하였다. 실제 반사파 계측 데이터가 확보된 22.9 kV 배전용 XLPE 케이블을 모델링하고, 실측된 반사 신호의 전파 지연 및 감쇠 특성을 바탕으로 ADS에 구현된 전송선 모델의 파라미터를 설정하였다. 케이블 절연체에는 주파수 분산 특성을 고려한 Svensson/Djordjevic 유전 손실 모델을 적용하였다. 절연 열화에 수반될 수 있는 유전 특성 변화가 전파 상수 추정 결과에 미치는 개별적인 영향을 분석하기 위해, 상대 유전율의 실수부 $\epsilon_r$와 입력 손실 탄젠트 $TanD$ 중 하나를 선형적으로 변화시키는 동안 다른 파라미터는 일정하게 유지하였다. 각 조건에서 반사 신호로부터 감쇠 상수와 위상 상수를 추정하고, 도체 및 유전체 손실이 함께 반영된 전파 상수 기반 유효 손실 탄젠트 $\hat{D}_{eff}$를 산출하였다.

상대 유전율의 실수부 $\epsilon_r$이 증가함에 따라 TFDR과 SFWR의 시간 영역 반사 신호에서는 종단 반사 신호의 도달 시간이 증가하고 최대 진폭이 감소하였다. 또한 TFDR로 추정된 감쇠 상수와 위상 상수는 모두 증가하였으나, 위상 상수의 상대 증가율이 감쇠 상수보다 크게 나타나면서 유효 손실 탄젠트 $\hat{D}_{eff}$는 감소하는 경향을 나타냈다. 반면, 입력 손실 탄젠트 $TanD$가 증가할수록 TFDR과 SFWR로 추정된 전파 상수 기반 유효 손실 탄젠트 $\hat{D}_{eff}$는 증가하는 경향을 보였다.

TFDR과 SFWR은 동일한 케이블 및 유전 조건에서 상대 유전율과 입력 손실 탄젠트 변화에 대해 유사한 추정 경향을 나타냈다. 이는 두 방법으로 산출된 $\hat{D}_{eff}$가 절연체 고유의 손실 탄젠트를 직접 나타내는 것이 아니라, 절연체의 유전 특성 변화에 따른 케이블의 전파 특성 변화를 반영하는 상대 평가 지표로 활용될 수 있음을 의미한다. 따라서 반사파 계측법은 케이블의 절대적인 유전 물성값을 직접 측정하기보다는, 절연체의 유전 특성 변화 경향을 비파괴적으로 추적하기 위한 상태 평가 방법으로 활용될 수 있다.

다만 본 연구는 실제 wet-type/TR-XLPE 해저케이블을 직접 구현한 것이 아니라 실측 데이터가 확보된 22.9 kV XLPE 배전 케이블 모델을 기반으로 하므로, 구조, 재료 및 열화 조건의 차이로 인해 연구 결과를 실제 해저케이블에 직접 적용하는 데에는 한계가 있다. 또한 상대 유전율과 입력 손실 탄젠트를 독립적으로 변화시켰으므로, 실제 수트리 열화 과정에서 두 유전 파라미터가 연계되어 변화하는 현상은 반영하지 않았다. 따라서 본 연구 결과는 실제 열화 정도와 유전 물성 사이의 정량적 관계가 아니라, 각 유전 파라미터 변화에 대한 TFDR 및 SFWR 추정 지표의 민감도와 변화 경향으로 해석되어야 한다. 향후에는 wet-type/TR-XLPE 해저케이블의 구조, 재료 및 열화 조건을 반영한 모델과 가속 열화 케이블을 이용하여, 추정된 전파 상수 및 전파 상수 기반 유효 손실 탄젠트 $\hat{D}_{eff}$를 VLF $\tan\delta$와 절연체 물성 측정 결과와 비교 및 검증할 필요가 있다.

Acknowledgements

This work was supported by the Korea Institute of Energy Technology Evaluation and Planning(KETEP) and the Ministry of Climate, Energy & Environment(MCEE) of the Republic of Korea (No. RS-2024-00449926).

References

1 
X. Yi, M. Scutariu, K. Smith, "Optimisation of Offshore Wind Farm Inter-Array Collection System," IET Renewable Power Generation, vol. 13, no. 11, pp. 1990-1999, 2019. DOI
2 
L. Resner, S. Paszkiewicz, Art. no. 2761, "Radial Water Barrier in Submarine Cables, Current Solutions and Innovative Development Directions," Energies, vol. 14, no. 10, 2021. DOI
3 
S. Cree, P. Caronia, T. Person, Paper B1.3, "Potential Use of New Water Tree Retardant Insulation in Submarine Cables," Versailles, France, 2015. Google Search
4 
P. Werelius, P. Thärning, R. Eriksson, B. Holmgren, U. Gäfvert, "Dielectric Spectroscopy for Diagnostics of Water Tree Deteriorated XLPE Cables," IEEE Transactions on Dielectrics and Electrical Insulation, vol. 8, no. 1, pp. 27-42, 2001. DOI
5 
IEEE Std 400.2-2024, "IEEE Guide for Field Testing of Shielded Power Cable Systems Using Very Low Frequency (VLF) (Less Than 1 Hz)," IEEE, 2024. Google Search
6 
A. Ukil, H. Braendle, P. Krippner, "Distributed Temperature Sensing: Review of Technology and Applications," IEEE Sensors Journal, vol. 12, no. 5, pp. 885-892, 2012. DOI
7 
Y.-J. Shin, E. J. Powers, T.-S. Choe, C.-Y. Hong, E.-S. Song, J.-G. Yook, J. B. Park, "Application of Time-Frequency Domain Reflectometry for Detection and Localization of a Fault on a Coaxial Cable," IEEE Transactions on Instrumentation and Measurement, vol. 54, no. 6, pp. 2493-2500, 2005. DOI
8 
C.-K. Lee, G.-Y. Kwon, Y.-J. Shin, "Condition Assessment of I&C Cables in Nuclear Power Plants via Stepped-Frequency Waveform Reflectometry," IEEE Transactions on Instrumentation and Measurement, vol. 68, no. 1, pp. 215-224, 2019. DOI
9 
G.-Y. Kwon, S.-J. Chang, C.-K. Lee, "Cable Propagation Constant Estimation and Insulation Performance Evaluation Method Based on Reflectometry Method," The Transactions of the Korean Institute of Electrical Engineers, vol. 72, no. 4, pp. 566-569, 2023. DOI
10 
C.-K. Lee, G.-Y. Kwon, Y. H. Lee, G. S. Lee, S. S. Bang, Y.-J. Shin, "Insulation Characteristics and Fault Analysis of HTS Cable via Stepped Frequency Waveform Reflectometry," IEEE Transactions on Applied Superconductivity, vol. 29, no. 5, pp. 1-5, 2019. DOI
11 
S. J. Chang, G.-Y. Kwon, C.-K. Lee, Art. no. 3532909, "Assessment of Cable Degradation Using Reflectometry-Based Dielectric Loss Estimation," IEEE Transactions on Instrumentation and Measurement, vol. 73, pp. 1-9, 2024. DOI
12 
S. J. Orfanidis, "Electromagnetic Waves and Antennas," Rutgers University, 2016. Google Search
13 
J. Wang, P. E. C. Stone, Y.-J. Shin, R. A. Dougal, "Application of Joint Time-Frequency Domain Reflectometry for Electric Power Cable Diagnostics," IET Signal Processing, vol. 4, no. 4, pp. 395-405, 2010. DOI
14 
Y. H. Lee, G.-Y. Kwon, Y.-J. Shin, "Contactless Monitoring Technique for Live Shielded Cable via Stepped-Frequency Waveform Reflectometry and Inductive Coupler," IEEE Transactions on Industrial Electronics, vol. 69, no. 9, pp. 9494-9503, 2022. DOI
15 
C. H. Hong, Y.-S. Sim, H.-M. Seong, G.-Y. Kwon, C.-K. Lee, S.-J. Chang, "Development of a Multiple HFCT-Based Reflectometry System for Live Cable Diagnosis," pp. 1-6, 2024. DOI
16 
G.-Y. Kwon, S. S. Bang, Y. H. Lee, G. S. Lee, Y.-J. Shin, Art. no. 5401605, "Modeling of High-Temperature Superconducting Cable via Time Domain Reflectometry and General Regression Neural Network," IEEE Transactions on Applied Superconductivity, vol. 29, no. 5, 2019. DOI
17 
Keysight Technologies, "Advanced Design System 2011.01: Distributed Components," pp. 12-14, 2011. Google Search

저자소개

류재현 (Jae-Hyun Ryu)
../../Resources/kiee/KIEE.2026.75.8.1899/au1.png

He received the B.S. degree in electrical engineering from Hanbat National University. He is currently pursuing the M.S. degree with the Department of Energy Systems Engineering, Chung-Ang University. His research interests are diagnostics and prognostics of power cables, anomaly detection, and artificial intelligence.

권구영 (Gu-Young Kwon)
../../Resources/kiee/KIEE.2026.75.8.1899/au2.png

He received the B.S. and combined M.S. and Ph.D. degrees in electrical and electronic engineering from Yonsei University, Seoul, South Korea, in 2015 and 2021, respectively.

In 2021, he joined the BK21 Y-BASE R&E Institute, Yonsei University, as a Post-Doctoral Researcher. He also joined the Department of Smart Safety Engineering, Dongguk University, Gyeongju, South Korea, as an Assistant Professor in 2021. Since 2024, he has been with the Department of Smart Information Technology Engineering, Kongju National University, Cheonan, South Korea, as an Assistant Professor.

In 2023, he founded GridCure Inc., Seongnam, South Korea, where he contributes to the development of diagnostic and monitoring solutions for power cable infrastructure. His research interests include prognostics and health management (PHM) of various components in the power system using advanced signal processing techniques, such as deep learning, statistical pattern recognition, and time–frequency analysis.

이춘권 (Chun-Kwon Lee)
../../Resources/kiee/KIEE.2026.75.8.1899/au3.png

He received the B.S. degree from the School of Electrical Engineering, Inha University, Incheon, South Korea, in 2013, and the Ph.D. degree from the School of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea, in 2019.

Upon his graduation, he joined the Department of Smart Distribution Laboratory, Korea Electric Power Corporation (KEPCO) Research Institute, as a Researcher, in 2019. He joined the Major of Control and Instrumentation Engineering, Pukyong National University, in 2021. His current research interests include the Internet of Things (IoT)-based electric equipment diagnosis, monitoring for condition-based maintenance, and advanced protection coordination algorithm design for distribution systems.

장승진 (Seung Jin Chang)
../../Resources/kiee/KIEE.2026.75.8.1899/au4.png

He was born in Seoul, South Korea. He received the B.S. and Ph.D. degrees in Electrical and Electronic Engineering from Yonsei University, Seoul, South Korea, in 2010 and 2017, respectively.

After his graduation, he joined the School of Electrical and Computer Engineering at Seoul National University as a Postdoctoral Researcher in 2018. From 2018 to 2025, he served as an Associate Professor at Hanbat National University, Daejeon, South Korea.

In 2023, he founded GridCure Inc., Seongnam, South Korea, where he currently serves as CEO, focusing on diagnostic and monitoring solutions for power cable infrastructure. Since 2025, he has been an Associate Professor at Chung-Ang University, Seoul, South Korea. His research interests include condition monitoring using machine learning and deep learning techniques, diagnostics and prognostics of power infrastructure such as cables, transformers, and batteries, applied signal processing methods, and time-frequency analysis.