장승진 부교수

고전압을 직접 인가하는 기존 케이블 진단 방식은 절연 손상 위험이 크고 잔여 수명 예측에 한계가 있어, 이를 극복하기 위한 비파괴적 진단 기술 연구를 수행하고 있습니다. 특히 노후 전력설비가 증가하는 상황에서 육안 점검이나 절연저항 측정만으로는 잠재적 결함을 조기에 발견하기 어렵다는 한계를 보완하는 데 중점을 두었습니다. 시간-주파수 영역 반사파 계측법(TFDR)을 활용하여 케이블의 유전손실과 전파상수를 추정하고, 결함의 위치와 심도를 정밀하게 분석하는 기법을 개발했습니다. 위그너-빌 분포를 적용한 시간-주파수 상관계수(TFCC) 연산을 통해 반사 신호의 미세한 왜곡을 정량화하여 고장 유형 분류의 정확도를 높였습니다. 이 기술은 송배전 케이블 자산 관리, 전력망 이상 징후 조기 감시, 장거리 전파 케이블의 고장점 및 건전성 추정에 적용되고 있습니다. 실시간 고장 분류 정확도 95% 이상, 고장 위치 탐지 정확도 99% 이상을 달성했으며, 해당 연구 성과는 관련 특허 3건과 직접 연관되어 있습니다.

신재생에너지 연계가 확대되면서 HVDC 시스템에서 직류 고장 전류가 급격히 상승하는 문제를 억제하고 이를 신속하게 차단하는 기술의 필요성이 커지고 있습니다. IoT 기반 무선 센서와 LSTM 등 딥러닝 모델을 결합하여 전력계통의 이상 상태를 실시간으로 탐지하는 방법을 연구했으며, 다단자 직류 송전(MTDC) 시스템에서 발생하는 직류 고장에 대한 대응 및 모니터링 기법을 개발했습니다. 반사파 계측법 기반 진단 기술과 연계하여 고장 전류 상승 초기 단계에서 이상 신호를 조기에 포착하는 방안을 제시했습니다. 이러한 기술은 대규모 해상풍력 계통 연계, 차세대 지능형 전력망 보호, HVDC MI 해저케이블의 열화 진단 등에 적용됩니다. 100km 이상의 장거리 선로에서 고장 위치 탐지 정확도 99% 이상을 목표로 하는 연구를 수행하고 있습니다.

전기자동차와 자율주행 로봇 내부의 통신 배선이 복잡해지면서 전장 시스템의 신뢰성 확보가 중요한 과제로 대두되고 있습니다. 배선 커넥터의 접촉 불량이나 단선은 초기 단계에서 외관상 발견하기 어려워 예기치 못한 시스템 오작동으로 이어질 수 있다는 문제의식에서 연구를 출발했습니다. CAN 통신 네트워크에 최적화된 TFDR 신호를 설계하고, 딥러닝 모델을 활용해 와이어 연결 불량 및 미스매치를 검출하는 기술을 개발했습니다. 이 기술은 전기차 전장 시스템의 예지보전(PHM)과 고장 위치 추정에 적용되고 있습니다. 관련 연구 성과로 딥러닝 기반 시간-주파수 영역 반사파 기법을 이용한 와이어 미스매치 검출 장치 및 그 방법에 대해 특허를 등록했습니다(등록번호 1022101590000). 국립한밭대학교 산학협력단을 통해 해당 기술 1건이 기업으로 이전되었습니다(2023년 10월).