이춘권 연구실
제어계측공학전공 이춘권
이춘권 연구실은 제어계측공학 분야에서 전력케이블 및 제어계측 케이블의 진단, 결함 탐지, 상태 평가를 위한 첨단 계측 및 신호처리 기술을 연구하는 선도적 연구실입니다. 연구실은 반사파 계측법을 기반으로 한 다양한 진단 기법을 개발하여, 전력설비의 안전성과 신뢰성 향상에 기여하고 있습니다. 특히, 시간-주파수 영역 반사파 계측법, 계단 주파수 반사파 계측법 등 다양한 신호처리 방법을 적용하여, 케이블의 결함 위치, 열화 상태, 절연 성능 저하 등을 정밀하게 진단할 수 있는 기술을 확보하고 있습니다.
연구실은 실험실 연구뿐만 아니라 현장 실증 및 산업체와의 협력을 통해, 실제 전력설비에 적용 가능한 진단 시스템을 개발하고 있습니다. 고전압 송전 케이블, 원자력 발전소의 제어계측 케이블, 해저 케이블 등 다양한 환경에서의 결함 진단 및 상태 평가를 위한 맞춤형 솔루션을 제공하며, 실시간 모니터링 및 예방적 유지보수 체계 구축에도 앞장서고 있습니다. 또한, 신호의 잡음 영향 분석, 신호 왜곡 및 감쇄 보상, 최적 입력 신호 설계 등 진단 정확도와 신뢰도를 높이기 위한 연구도 활발히 진행 중입니다.
최근에는 딥러닝과 인공지능 기술을 접목하여, 전력설비의 상태 예측 및 고장 진단 분야에서도 혁신적인 성과를 내고 있습니다. LSTM, CNN-LSTM, R-CNN, Autoencoder 등 다양한 신경망 모델을 활용하여, 케이블의 잔여수명 예측, 다중 결함 탐지, 열화 진단 등 고도화된 진단 알고리즘을 개발하고 있습니다. 이러한 AI 기반 진단 기술은 복잡한 환경에서도 높은 정확도와 신뢰도를 제공하며, 전력산업의 디지털 전환과 스마트 그리드 구현에 필수적인 역할을 하고 있습니다.
이춘권 연구실은 국내외 연구기관, 전력연구원, 산업체 등과의 공동연구 및 기술이전을 통해, 연구성과의 현장 적용과 상용화에도 적극적으로 참여하고 있습니다. 다양한 특허와 논문, 연구과제 수행을 통해, 전력설비 진단 및 예지보전 분야의 기술 발전을 선도하고 있으며, 미래 전력산업의 안전하고 효율적인 운영을 위한 핵심 연구역량을 지속적으로 강화하고 있습니다.
앞으로도 이춘권 연구실은 첨단 계측공학 및 인공지능 기술을 융합하여, 전력설비의 신뢰성 향상과 산업 현장의 실질적 문제 해결에 기여하는 연구를 지속적으로 추진할 계획입니다.
Signal Processing
Condition Monitoring Sensors
Power Equipment Diagnostics
반사파 계측법을 활용한 전력케이블 진단 및 결함 탐지
이춘권 연구실은 반사파 계측법(Time-Frequency Domain Reflectometry, TDR/TFDR)을 기반으로 한 전력케이블 및 제어계측 케이블의 진단과 결함 탐지 기술을 중점적으로 연구하고 있습니다. 반사파 계측법은 케이블 내부의 임피던스 불연속 지점에서 발생하는 반사 신호를 분석하여 결함 위치와 상태를 비파괴적으로 진단할 수 있는 첨단 계측기술입니다. 연구실은 다양한 주파수 영역과 신호 처리 기법을 적용하여, 케이블의 열화, 절연 파괴, 결함 위치 및 종류를 정밀하게 파악하는 방법을 개발하고 있습니다.
특히, 계단 주파수 반사파 계측법(Stepped-Frequency Waveform Reflectometry)과 시간-주파수 영역 반사파 계측법을 활용하여, 고전압 송전 케이블, 원자력 발전소의 제어계측 케이블, 해저 케이블 등 다양한 환경에서의 결함 진단 및 상태 평가를 수행합니다. 실험실 및 현장 실증을 통해 신호의 잡음 영향, 신호 왜곡 및 감쇄 보상, 최적 입력 신호 설계 등 실질적인 진단 정확도를 높이기 위한 연구가 활발히 이루어지고 있습니다. 또한, 반사파 신호의 특성을 기반으로 한 신뢰도 평가 및 결함 신호 검출 기법 개선에도 집중하고 있습니다.
이러한 연구는 전력설비의 안전성과 신뢰성 향상에 크게 기여하며, 케이블의 실시간 상태 모니터링, 예방적 유지보수, 사고 예방 등 산업 현장에서의 실질적인 활용 가능성을 높이고 있습니다. 연구실은 국내외 전력연구기관, 산업체와의 협력을 통해 기술의 현장 적용과 상용화에도 힘쓰고 있습니다.
딥러닝 및 인공지능 기반 전력설비 상태 예측 및 고장 진단
이춘권 연구실은 딥러닝과 인공지능(AI) 기술을 접목하여 전력설비의 상태 예측 및 고장 진단 분야에서도 선도적인 연구를 수행하고 있습니다. 최근에는 LSTM, CNN-LSTM, R-CNN, Autoencoder 등 다양한 신경망 모델을 활용하여, 전력케이블 및 배전설비의 잔여수명 예측, 결함 탐지, 열화 진단 등 고도화된 진단 알고리즘을 개발하고 있습니다. 이러한 AI 기반 진단 기술은 기존의 신호처리 기반 방법에 비해 복잡한 환경에서도 높은 정확도와 신뢰도를 제공합니다.
특히, 실제 운전 조건과 다양한 결함 시나리오를 반영한 데이터 기반 학습을 통해, 케이블의 열화 상태, 절연 성능 저하, 고장 발생 가능성 등을 사전에 예측할 수 있습니다. 연구실은 TimeGAN, CNN-LSTM 등 시계열 및 이미지 기반 딥러닝 모델을 결합하여, 전력설비의 실시간 상태 모니터링과 예지보전(Predictive Maintenance)을 위한 핵심 기술을 개발하고 있습니다. 또한, 반사파 신호의 복잡한 패턴을 효과적으로 분석하여, 다중 결함 상황이나 블라인드 스팟 등 기존 방법으로는 진단이 어려운 문제도 해결하고 있습니다.
이러한 인공지능 기반 진단 및 예측 기술은 전력산업의 디지털 전환과 스마트 그리드 구현에 필수적인 요소로, 전력설비의 운영 효율성 증대와 유지보수 비용 절감, 사고 예방에 크게 기여할 것으로 기대됩니다. 연구실은 국내외 연구기관 및 산업체와의 협력을 통해, AI 기반 진단 시스템의 실증 및 상용화에도 적극적으로 참여하고 있습니다.
1
AI-based remaining useful life prediction for transmission systems: Integrating operating conditions with TimeGAN and CNN-LSTM networks
이춘권, 심연섭, 황재상, 권구영, 장승진
ELECTRIC POWER SYSTEMS RESEARCH, 202501
2
AI-enhanced time-frequency domain reflectometry for robust series arc fault detection in DC grids
이춘권, 박화평, 권구영, 장승진
MEASUREMENT, 202410
3
Assessment of Cable Degradation Using Reflectometry-Based Dielectric Loss Estimation
이춘권, 장승진, 권구영
IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, 202409
1
전력케이블 시스템 열화 진단 및 전계 완화 기술 개발(반사파 신호처리 기술 연구)
2
딥러닝 기반 전력 설비 상태 모니터링 및 추정 기법 개발
3
전력케이블 시스템 열화 진단 및 전계 완화 기술 개발 (반사파 신호처리 기술 연구)
