[첨단 헬로티]

한국철도기술연구원(이하 철도연)은 빅데이터 분석을 통해 철도 전기시설의 고장을 사전에 예측하는 기술을 개발했다.

철도급전계통의 고장이나 장애가 발생하기 전 이상 상태를 감지하여 조치하기 위해 개발된 ‘데이터 마이닝 기반 전철전력설비 이상상태 예측시스템’을 4월 16일, 오송 철도종합시험선로에 시범 적용했다.

데이터 마이닝은 대량의 데이터에서 체계적이고 자동적으로 통계 규칙이나 유용한 정보를 추출하는 기술이다.

전철전력설비 이상상태 예측시스템은 순간적인 전압강하, 전류 파형 왜곡 등 열차운행 중 철도 전기시설에서 발생하는 간헐적이고 미세한 크기의 이상 징후를 데이터 마이닝 기법을 통해 고장을 예측한다.

이 시스템은 기존의 분석에서는 불가능한 미세한 크기인 16.7ms(미리세컨드, 1/1,000초) 이내의 전조 신호를 빠르고 정확하게 검출, 분석하여 이상 상태를 예측하는 것이 특징이다.

최근 중국과 일본의 철도연구기관에서도 철도 전기설비 고장상태 예측시스템을 개발하고 있다. 중국의 철도과학연구원은 철도의 고장상태 예측을 위한 데이터수집센터를 운영 중이며, 일본의 철도종합기술연구소는 자기학습기반 상태예측시스템을 개발 중이다.

철도 전기시설은 전기철도 운영에 핵심 시설로 고장이나 사고가 발생할 경우, 단전사고 복구작업 등으로 후행 열차의 연속적인 지연 등 인적·물적 손해를 일으킨다. 특히, 국내 철도 전기시설은 노후화가 진행되어 전기장애가 자주 일어난다.

신승권 철도연 책임연구원은 “제3차 국가철도망구축계획인 2025년까지 ‘전철거리 4421km, 전철화율 82.4%’를 달성하기 위해서는 기존 인력 중심의 유지보수 방식을 개선하여 철도 전기시설을 실시간 원격 감지하여 이상 상태를 정확하게 예측하는 기술이 매우 중요하다”고 말했다.

▲오송 철도종합시험선로에 설치한 ‘데이터 마이닝 기반 전철전력설비 이상상태 예측시스템’