Study on Multi-Distributed Resource Arc Fault Detection using Unsupervised Learning-based Autoencoder Model

최근 기후변화에 대응하기 위해 친환경 에너지에 대한 관심이 높아지고 있으며, 분산자원에 대한 수요도 증가하고 있다. 분산자원은 중앙 집중식 시스템 대비 전력망 안정성을 높이는 데 중요한 역할을 하지만 고장 발생시, 전력망의 건전성과 공급 신뢰성을 크게 해치게 된다. 특히 분산자원 내 전력변환 장치 고장 중 아크 고장은 장치의 손상과 화재를 야기하는 가장 대표적인 현상이다. 이에, 분산자원 내 아크 고장을 감지하기 위해 본 논문에서는 비지도 학습 모델인 오토인코더 기반 에너지 저장 시스템(ESS, Energy Storage System) 및 태양광 발전 시스템(PV, Photovoltaic) 아크 고장 감지 모델들을 제안하고 결과를 비교분석한다. 실험 결과, 변이형 오토인코더 모델이 98.71%의 정확도로 가장 높은 성능을 제공하는 것을 실험적으로 관찰하였다.