객체 탐지 모델을 활용한 전기 아크 위험성 예측 시스템 개발
Development of Prediction of Electric Arc Risk using Object Dection Model
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
전기에너지에 대한 높은 의존도 때문에 국내에서 발생하는 화재 중 전기화재가 상당한 비중을 차지한다. 국내에서 발생하는 전기화재 4건 중 3건이 전선의 단락이나 접촉 불량에 의한 전기 아크에 의해 발생했다. 전기 아크란 절연체 사이에서 발생하는 전기적 전류의 방전 현상으로 순간적으로 상당한 열을 내뿜는다. 아크에 의한 전기 화재를 줄이기 위해서 본 연구에서는 전기 아크 위험성 예측을 목표로 한다. 아크 감지기에서 아크 데이터를 수집하고 시간순대로의 아크 데이터를 기반으로 그래프로 변환하였다. 머신 러닝의 데이터 학습에 서로 다른 시계열 데이터의 수로 변환한 그래프들을 사용하였다. 생성된 학습 모델의 성능을 측정하기 위해서 테스트 데이터를 기반으로 평가를 진행하였다. 결과에서 예측 시 사용하는 시계열 아크 데이터의 수가 20개일 때 예측률이 86%로 우수함을 확인하였다.
Abstract
Due to the high dependence on electric energy, electric fires make up a significant portion of fires in Korea. Electric arcs by short circuits or poor contact cause three of four electrical fires. An electric arc is a discharge phenomenon of electrical current between the insulators, which instantaneously produces high temperature. In order to reduce the fire due to electric arc, this study aims to predict the electric arc risk. We collected arc data from the arc detectors and converted into graphs based on temporal arc data. We used machine learning for training converted graph with different number of temporal arc data. To measure the performance of the learning model, we use the test data. In the results, when the number of temporal arc data was 20, the prediction rate was high as 86%.
참고문헌 (17)
- 한국전기안전공사, "전기재해 통계분석. 제25호", 한국전기안전공사, ~ (2016)
- 기계 학습의 발전 동향, 산업화 사례 및활성화 정책 방향: 딥러닝 기술을 중심으로, "김인중", SPRi, ~ (2016)
- 배재환, "AI 머신러닝을 이용한 자동차 고장진단 시스템 설계 및 개발", 차세대컨버전스정보서비스기술논문지, 7(2), pp.141~148 (2018), 차세대컨버전스정보서비스학회[DOI]
- 김민구, "사용자 인식을 위한 가상 심전도 신호 생성 기술에 관한 연구", 스마트미디어저널, 8(4), pp.33~37 (2019), (사)한국스마트미디어학회[DOI]
- 이현영, "음절 단위 임베딩과 딥러닝 기법을 이용한 복합명사 분해", 스마트미디어저널, 8(2), pp.74~79 (2019), (사)한국스마트미디어학회[DOI]
- 오정원, "머신러닝 적용 과일 수확시기 예측시스템 설계 및 구현", 스마트미디어저널, 8(1), pp.74~81 (2019), (사)한국스마트미디어학회[DOI]
- S. Ren, "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks", IEEE Transations on Pattern Analysis and Machine Intelligence, 39(6) (2015)
- R. Girshick, "Fast R-CNN", IEEE Conf. of Computer Vision(ICCV), pp.1440~1448 (2015)
- 박종영, "직렬아크패턴 분석을 위한 모니터링 프로그램 개발", 대한전기학회 전기설비전문위원회 춘계학술대회 논문집, pp.108~110 (2010)
- 서현욱, "아크에 의한 전력변환장치의 전기적 영향 분석", 조명.전기설비학회논문지, 27(7), pp.8~16 (2013), 한국조명.전기설비학회
- 김두현, "전선의 접속부에서 직렬아크에 의한 전기적 및 열적 신호 분석", 한국안전학회지, 30(5), pp.1~7 (2015), 한국안전학회
- "LabelImg"[URL]
- "Github Tensorflow Object Detection API"[URL]
- "faster_rcnn_inception_v2_coco"[URL]
- "TensorFlow"[URL]
- "Anaconda"[URL]
- "Github Tensorflow detection model zoo"[URL]