변전소를 구성하는 설비의 상태를 효과적으로 모니터링하고 관리하기 위해서 설비 별 운전/점검 이력, 수명 모델, 열화 모델, 현장 진단 결과, 실시간 상태 진단 기술 등을 이용하여 설비의 건전도를 평가한다. 현장에서는 설비 모니터링을 효율적으로 수행하기 위해 설비의 건전도를 하나의 값으로 요약한 Health Index (HI)를 정의하여 사용하고 있다. 본 연구과제에서는 설비 별 운전/점검 이력, 현장 진단 결과 등의 데이터로부터 설비의 상태를 정확하게 반영하는 HI를 도출하는 기계학습 모델을 연구/개발하였다.

현대 사회에서는 산업설비 고도화 및 정보화로 인해 전력의 안정적인 공급이 매우 중요하다. 전력의 안정적인 공급을 위하여 전력설비의 신뢰성에 대한 요구는 계속해서 증가하고 있으며, 이에 따라 전력설비의 신뢰성 향상에 대한 중요성도 지속적으로 증가하고 있다. 그러나 전력설비의 규모가 증가하고 설비를 구성하는 요소들이 복잡해짐에 따라 전력설비 유지보수의 어려움 역시 증가하는 추세이다. 이에 따라 전력설비의 유지보수를 지원하는 새로운 의사결정 지원 기술의 개발이 강하게 요구되고 있다. 변전소는 많은 수의 설비로 구성되어 있고, 각 설비들은 열화 발생 정도에 따라 주기적인 유지보수를 요구한다. 따라서 유지보수 의사결정을 수행함에 있어 여러가지 요소들을 동시에 고려해야 하며, 이를 최소한의 비용으로 수행하거나, 또는 제한된 비용 내에서 최대한 효율적으로 수행할 필요가 있다. 본 연구과제에서는 특정 상황이 주어졌을 때 수학적 최적화에 기반하여 최적의 유지보수 전략을 제공하여 유지보수 의사결정을 지원할 수 있는 모듈을 연구/개발하였다.