PARTIAL DISCHARGE MONITORING SYSTEM AND PARTIAL DISCHARGE MONITORING METHOD

The present invention relates to a partial discharge monitoring system and a partial discharge monitoring method which can: monitor and determine a defect occurring in a high-voltage power device in real time by classifying and pattern-recognizing a signal generated from the high-voltage power device by applying a machine learning algorithm; and easily form a feature point data cluster in both a high-density area and a low-density area of two-dimensional feature point data by performing a process of clustering feature points generated from signals of the power device on the basis of the density and the distance in parallel. Therefore, the present invention can generate PRPD data for each cluster without missing a signal and thus can improve the partial discharge determination accuracy. La présente invention concerne un système de surveillance de décharge partielle et un procédé de surveillance de décharge partielle qui peuvent : surveiller et déterminer en temps réel un défaut se produisant dans un dispositif d'alimentation haute tension par classification et reconnaissance de motif d'un signal généré à partir du dispositif d'alimentation haute tension par application d'un algorithme d'apprentissage automatique ; et former facilement un groupe de données de point caractéristique à la fois dans une zone à haute densité et dans une zone à faible densité de données de point caractéristique bidimensionnel par réalisation d'un processus de regroupement de points caractéristiques générés à partir de signaux du dispositif d'alimentation sur la base de la densité et de la distance en parallèle. Par conséquent, la présente invention peut générer des données de PRPD pour chaque groupe sans manquer un signal et peut ainsi améliorer la précision de détermination de décharge partielle. 본 발명은 기계학습 알고리즘을 적용하여 고전압 전력기기에서 발생하는 신호를 분류 및 패턴 인식하여 고전압 전력기기에 발생된 결함을 실시간으로 모니터링 및 판정할 수 있고, 전력기기의 신호로부터 생성된 특징점 포인트를 각각 밀도와 거리 기반으로 군집하는 과정을 병행하여, 이차원 특징점 데이터의 고밀도 영역 및 저밀도 영역 모두에서 특징점 데이터 군집을 용이하게 형성 가능하므로, 신호의 누락없이 군집별 PRPD 데이터를 생성하여 부분방전 판정 정확도를 향상시킬 수 있는 부분방전 모니터링 시스템 및 부분방전 모니터링 방법에 관한 것이다.