CN110720046A - 经年劣化诊断装置和经年劣化诊断方法 - Google Patents

Abstract

经年劣化诊断装置具有：劣化样式生成部(3)，其生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式；直方图计算部(4)，其分别计算劣化样式的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围分别计算该相位范围内的信号密度的梯度方向的直方图；特征向量生成部(5)，其生成排列各个相位范围内的直方图的条柱的值而得到的特征向量；以及劣化原因确定部(9)，其从不同劣化原因的特征向量中检索与由特征向量生成部(5)生成的特征向量相似的特征向量，输出相似的特征向量的劣化原因。

Description

经年劣化诊断装置和经年劣化诊断方法

技术领域

本发明涉及输出设备的劣化原因的经年劣化诊断装置和经年劣化诊断方法。

背景技术

例如，在发电厂、电力设备、铁路相关设备、工厂生产线的设备等各种领域中，存在实现设备的预防维护的需求，正在研究检测设备劣化的技术、确定劣化产生原因或劣化产生部位的技术、预测故障时期的技术等预防维护技术。

例如，如涡轮发电机或气体绝缘设备那样产生高电压的设备伴随着长期使用，在设备内部使用的绝缘体的绝缘劣化发展，最终引起绝缘击穿，因此，正在研究以设备运行率的提高等为目的的预防维护技术。

在以下的专利文献1中，作为确定劣化产生原因或劣化产生部位的装置，公开有如下的经年劣化诊断装置：利用表示对诊断对象设备施加的交流电压的相位的相位信号和计测设备的劣化状态的传感器的计测信号，判定劣化原因。

该经年劣化诊断装置事前准备对劣化原因判定模型进行学习的神经网络，将表示交流电压的相位的相位信号和传感器的计测信号提供给神经网络，由此判定劣化原因。下面，将相位信号和计测信号分别称作输入信号。

现有技术文献

专利文献

专利文献1：日本特开2001-133506号公报

发明内容

发明要解决的课题

现有的经年劣化诊断装置如上所述构成，因此，劣化原因的判定精度依赖于劣化原因判定模型的学习精度。因此，劣化原因判定模型的学习精度越高，则劣化原因的判定精度越高，但是，为了提高劣化原因判定模型的学习精度，需要将数量庞大的输入信号提供给神经网络。

设备的劣化在长期间内缓慢发展，因此，很难按照劣化的不同原因将数量庞大的输入信号提供给神经网络，有时无法提高劣化原因判定模型的学习精度。因此，存在有时无法判定准确的劣化原因这样的课题。

本发明正是为了解决上述这种课题而完成的，其目的在于，得到能够确定设备的劣化原因而不用事前准备对劣化原因判定模型进行学习的神经网络的经年劣化诊断装置和经年劣化诊断方法。

用于解决课题的手段

本发明的经年劣化诊断装置设置有：劣化样式生成部，其根据表示对诊断对象设备施加的交流电压的相位的多个时刻的相位信号和计测设备的劣化状态的传感器的多个时刻的计测信号，生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式；直方图计算部，其分别计算由劣化样式生成部生成的劣化样式的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围分别计算该相位范围内的信号密度的梯度方向的直方图；以及特征向量生成部，其生成排列由直方图计算部计算出的各个相位范围内的直方图的条柱的值而得到的特征向量，劣化原因确定部从不同劣化原因的特征向量中检索与由特征向量生成部生成的特征向量相似的特征向量，由此确定设备的劣化原因。

发明效果

根据本发明，构成为设置：劣化样式生成部，其生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式；直方图计算部，其分别计算劣化样式的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围分别计算该相位范围内的信号密度的梯度方向的直方图；以及特征向量生成部，其生成排列各个相位范围内的直方图的条柱的值而得到的特征向量，劣化原因确定部从不同劣化原因的特征向量中检索与由特征向量生成部生成的特征向量相似的特征向量，由此确定设备的劣化原因。因此，具有如下效果：能够确定设备的劣化原因而不用事前准备对劣化原因判定模型进行学习的神经网络。

附图说明

图1是示出本发明的实施方式1的经年劣化诊断装置的结构图。

图2是示出本发明的实施方式1的经年劣化诊断装置的硬件结构图。

图3是经年劣化诊断装置通过软件或固件等实现的情况下的计算机的硬件结构图。

图4是示出经年劣化诊断装置通过软件或固件等实现的情况下的处理步骤即经年劣化诊断方法的流程图。

图5是示出由劣化样式生成部3生成的劣化样式A的说明图。

图6是示出由直方图计算部4计算出的劣化样式A的各分布点处的信号密度的梯度向量的说明图。

图7是示出由直方图计算部4计算出的每个区段的直方图A的说明图。

图8是示出由特征向量生成部5生成的特征向量A的说明图。

图9是示出本发明的实施方式2的经年劣化诊断装置的结构图。

图10是示出本发明的实施方式2的经年劣化诊断装置的硬件结构图。

图11是示出本发明的实施方式2的经年劣化诊断装置的劣化判定部10中的处理内容的流程图。

具体实施方式

下面，为了更加详细地说明本发明，按照附图对用于实施本发明的方式进行说明。

实施方式1

图1是示出本发明的实施方式1的经年劣化诊断装置的结构图。图2是示出本发明的实施方式1的经年劣化诊断装置的硬件结构图。

在图1和图2中，诊断信号输入部1例如通过图2所示的诊断信号输入电路21实现。

诊断信号输入部1输入表示对诊断对象设备施加的交流电压的相位的多个时刻的相位信号和计测诊断对象设备的劣化状态的传感器的多个时刻的计测信号，将多个时刻的相位信号和多个时刻的计测信号输出到劣化样式生成部3。

已知信号输入部2例如通过图2所示的已知信号输入电路22实现。

已知信号输入部2输入与已知的劣化原因对应的多个时刻的相位信号和与已知的劣化原因对应的多个时刻的计测信号，将多个时刻的相位信号和多个时刻的计测信号输出到劣化样式生成部3。

对由已知信号输入部2输入的相位信号和计测信号分别附加表示劣化原因的劣化原因标签。

劣化样式生成部3例如通过图2所示的劣化样式生成电路23实现。

劣化样式生成部3收集从诊断信号输入部1输出的多个时刻的相位信号和多个时刻的计测信号。

劣化样式生成部3实施如下处理：根据收集到的多个时刻的相位信号和收集到的多个时刻的计测信号，生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式A。

此外，劣化样式生成部3收集从已知信号输入部2输出的多个时刻的带劣化原因标签的相位信号和带劣化原因标签的计测信号。

劣化样式生成部3实施如下处理：根据收集到的多个时刻的带劣化原因标签的相位信号和收集到的多个时刻的带劣化原因标签的计测信号，生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式B。

对由劣化样式生成部3生成的劣化样式B附加表示劣化原因的劣化原因标签。

直方图计算部4例如通过图2所示的直方图计算电路24实现。

直方图计算部4实施如下处理：分别计算由劣化样式生成部3生成的劣化样式A的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围即区段，分别计算该区段内的信号密度的梯度方向的直方图A。

此外，直方图计算部4实施如下处理：分别计算由劣化样式生成部3生成的劣化样式B的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围即区段，分别计算该区段内的信号密度的梯度方向的直方图B。

对由直方图计算部4计算出的各个区段内的直方图B附加表示劣化原因的劣化原因标签。

特征向量生成部5例如通过图2所示的特征向量生成电路25实现。

特征向量生成部5实施如下处理：生成排列由直方图计算部4计算出的各个区段内的直方图A的条柱的值而得到的特征向量A。

此外，特征向量生成部5实施如下处理：生成排列由直方图计算部4计算出的各个区段内的直方图B的条柱的值而得到的特征向量B。

对由特征向量生成部5生成的特征向量B附加表示劣化原因的劣化原因标签。

特征向量存储部6例如通过图2所示的特征向量存储电路26实现。

特征向量存储部6存储由特征向量生成部5生成的特征向量B，作为劣化原因已知的特征向量。

代表向量计算部7例如通过图2所示的代表向量计算电路27实现。

代表向量计算部7实施如下处理：从由特征向量存储部6存储的特征向量B中收集劣化原因相同的多个特征向量B，根据收集到的多个特征向量B计算该劣化原因的代表向量。

代表向量存储部8例如通过图2所示的代表向量存储电路28实现。

代表向量存储部8存储由代表向量计算部7计算出的特征向量，作为不同劣化原因的特征向量C。

劣化原因确定部9例如通过图2所示的劣化原因确定电路29实现。

劣化原因确定部9实施如下处理：从由代表向量存储部8存储的不同劣化原因的特征向量C中检索与由特征向量生成部5生成的特征向量A相似的特征向量C，由此确定设备的劣化原因。

劣化原因确定部9实施如下处理：输出对确定的特征向量C附加的劣化原因标签，作为设备的劣化原因的确定结果。

在图1中，假设作为经年劣化诊断装置的结构要素的诊断信号输入部1、已知信号输入部2、劣化样式生成部3、直方图计算部4、特征向量生成部5、特征向量存储部6、代表向量计算部7、代表向量存储部8和劣化原因确定部9分别通过图2所示的专用硬件实现。即，假设通过诊断信号输入电路21、已知信号输入电路22、劣化样式生成电路23、直方图计算电路24、特征向量生成电路25、特征向量存储电路26、代表向量计算电路27、代表向量存储电路28和劣化原因确定电路29实现。

这里，特征向量存储电路26和代表向量存储电路28例如是RAM(Random AccessMemory：随机存取存储器)、ROM(Read Only Memory：只读存储器)、闪存、EPROM(ErasableProgrammable Read Only Memory：可擦除可编程只读存储器)、EEPROM(ElectricallyErasable Programmable Read Only Memory：电可擦除可编程只读存储器)等非易失性或易失性半导体存储器、磁盘、软盘、光盘、高密度盘、迷你盘、DVD(Digital Versatile Disc：数字多功能盘)等。

此外，诊断信号输入电路21、已知信号输入电路22、劣化样式生成电路23、直方图计算电路24、特征向量生成电路25、代表向量计算电路27和劣化原因确定电路29例如是单一电路、复合电路、程序化的处理器、并行程序化的处理器、ASIC(Application SpecificIntegrated Circuit：面向特定用途的集成电路)、FPGA(Field-Programmable GateArray：现场可编程门阵列)或将它们组合而成的部件。

经年劣化诊断装置的结构要素不限于通过专用硬件实现，经年劣化诊断装置也可以通过软件、固件或软件与固件的组合来实现。

软件或固件作为程序存储在计算机的存储器中。计算机意味着执行程序的硬件，例如是CPU(Central Processing Unit：中央处理单元)、中央处理装置、处理装置、运算装置、微处理器、微计算机、处理器、DSP(Digital Signal Processor：数字信号处理器)等。

图3是经年劣化诊断装置通过软件或固件等实现的情况下的计算机的硬件结构图。

在经年劣化诊断装置通过软件或固件等实现的情况下，在计算机的存储器41上构成特征向量存储部6和代表向量存储部8，并且，将用于使计算机执行诊断信号输入部1、已知信号输入部2、劣化样式生成部3、直方图计算部4、特征向量生成部5、代表向量计算部7和劣化原因确定部9的处理步骤的程序存储在存储器41中，计算机的处理器42执行存储器41中存储的程序即可。

图4是示出经年劣化诊断装置通过软件或固件等实现的情况下的处理步骤即经年劣化诊断方法的流程图。

此外，在图2中，示出经年劣化诊断装置的结构要素分别通过专用硬件实现的例子，在图3中，示出经年劣化诊断装置通过软件或固件等实现的例子，但是，也可以是，经年劣化诊断装置中的一部分结构要素通过专用硬件实现，其余的结构要素通过软件或固件等实现。

接着，对动作进行说明。

传感器以固定时间间隔T计测诊断对象设备的劣化状态，将表示设备的劣化状态的计测信号输出到诊断信号输入部1。

关于该固定时间间隔T，例如，在在线诊断设备的劣化状态的情况下等要求高速处理的情况下，可考虑数秒左右的间隔。

此外，关于该固定时间间隔T，例如，在离线诊断设备的劣化状态的情况下或需要进行高精度诊断的情况下等，可考虑数十秒～数分钟左右的较长时间间隔。

例如，在诊断对象设备是高压电力设备的情况下，伴随着绝缘劣化的发展，在高压电力设备的内部产生被称作局部放电的放电现象。

公知局部放电的相位特性根据劣化产生原因而示出特征性的样式，通过使用该放电样式，能够确定高压电力设备的劣化原因或放电产生部位。

因此，在诊断对象设备是高压电力设备的情况下，关于传感器，可考虑计测在高压电力设备的内部产生的局部放电的方式。

诊断信号输入部1在诊断设备的劣化时，输入由传感器以固定时间间隔T计测出的多个时刻的计测信号(图4的步骤ST1)。

此外，诊断信号输入部1输入表示对诊断对象设备施加的交流电压的相位的多个时刻的相位信号(图4的步骤ST1)。

诊断信号输入部1将多个时刻的计测信号和多个时刻的相位信号分别输出到劣化样式生成部3。

劣化样式生成部3收集从诊断信号输入部1输出的多个时刻的相位信号和多个时刻的计测信号。

劣化样式生成部3根据收集到的多个时刻的相位信号和收集到的多个时刻的计测信号，生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式A(图4的步骤ST2)。

下面，具体说明劣化样式生成部3进行的劣化样式A的生成处理。

图5是示出由劣化样式生成部3生成的劣化样式A的说明图。

如图5所示，劣化样式生成部3呈网格状划分第1轴即横轴为交流电压的相位、第2轴即纵轴为计测信号的信号强度的平面，由此将平面等间隔地分割成多个块。

在图5中，示出将平面分割成3×3的块的例子，但是，在相位信号和计测信号的计测时间较长且信号数量较多的情况下或需要进行高精度诊断的情况下等，可考虑增多块的分割数的方式。

在相位信号和计测信号的计测时间较短且信号数量较少的情况下或需要进行在线的高速处理的情况下等，可考虑减少块的分割数的方式。

劣化样式生成部3参照各时刻的相位信号所示的相位和各时刻的计测信号的信号强度，确定各时刻的相位信号和计测信号的组属于哪个块。

劣化样式生成部3例如在从诊断信号输入部1得到100组信号作为各时刻的相位信号和计测信号的组的情况下，确定100组信号属于哪个块。

在图5中，例如示出7组信号属于图中右下的块，示出3组信号属于右上的块。

劣化样式生成部3生成表示属于分割后的各个块的相位信号和计测信号的组数的样式作为劣化样式A，将劣化样式A输出到直方图计算部4。

直方图计算部4分别计算从劣化样式生成部3输出的劣化样式A中包含的各个块即分布点的信号密度(图4的步骤ST3)。

例如，将属于该块的信号的组数除以属于全部块的信号的组数，对该除法结果乘以事前设定的常数M，由此能够求出块的信号密度。

例如，如果常数M为100、属于全部块的信号的组数为50、属于某个块的信号的组数为8，则某个块的信号密度为16(＝(8÷50)×100)。

这里，示出将属于该块的信号的组数除以属于全部块的信号的组数的例子，但是不限于此。

例如，也可以将计测信号的信号强度为0的信号的组从属于全部块的信号的组数中排除，将属于该块的信号的组数除以其余的组数，对该除法结果乘以常数M，由此求出块的信号密度。

图6是示出由直方图计算部4计算出的劣化样式A的各分布点处的信号密度的梯度向量的说明图。

在图6的例子中，各个块内的数值成为与图5所示的各个块内的数值相同的值，但是，图6所示的各个块内的数值表示信号密度，图5所示的各个块内的数值表示所属的信号的组数。因此，实际上，图6所示的各个块内的数值和图5所示的各个块内的数值为不同的值。

接着，直方图计算部4分别计算各个块中的信号密度的梯度向量(图4的步骤ST4)。

下面，具体说明直方图计算部4进行的梯度向量的计算处理。

直方图计算部4按照分割后的每个块，分别计算该块的信号密度和与该块相邻的多个块的信号密度的差分。

例如，在图6中，当关注信号密度为10的正中间的块时，分别计算该关注块的信号密度和与关注块相邻的8个块的信号密度的差分。

图6的例子中，关注块的信号密度和左上的块的信号密度的差分为5，关注块的信号密度和左横的块的信号密度的差分为2，关注块的信号密度和左下的块的信号密度的差分为2。

此外，关注块的信号密度和上方的块的信号密度的差分为5，关注块的信号密度和下方的块的信号密度的差分为1。

此外，关注块的信号密度和右上的块的信号密度的差分为7，关注块的信号密度和右横的块的信号密度的差分为4，关注块的信号密度和右下的块的信号密度的差分为3。

直方图计算部4通过对计算出各个差分进行比较，从相邻的多个块中确定具有与关注块的信号密度的差分最大的信号密度的块。

直方图计算部4将表示从关注块朝向所确定的块的方向的向量决定为关注块中的梯度向量。

在图6的例子中，关注块中的梯度向量成为从关注块朝向右上的块的方向。

直方图计算部4分别计算各个块中的信号密度的梯度向量后，如图7所示，根据各个块中的梯度向量，按照相互不同的每个相位范围即区段，分别计算该区段内的信号密度的梯度方向的直方图A(图4的步骤ST5)。

直方图计算部4将计算出的每个区段的直方图A输出到特征向量生成部5。

图7是示出由直方图计算部4计算出的每个区段的直方图A的说明图。

在图7的例子中，具有多个块的平面在相位方向上被分割成6个区段。

因此，针对6个区段分别计算信号密度的梯度方向的直方图A。

梯度方向的直方图A是该区段中包含的各个块中的梯度向量所示的梯度方向的频度。

图7示出梯度方向为-180～180度的频度。

如果对诊断对象设备施加的交流电压是单相的交流电压，则可考虑例如分割成作为0～179度的相位范围的区段和作为179～359度的相位范围的区段的方式。

此外，如果对诊断对象设备施加的交流电压是二相的交流电压，则可考虑例如分割成作为0～89度的相位范围的区段、作为90～179度的相位范围的区段、作为180～269度的相位范围的区段、作为270～359度的相位范围的区段的方式。

此外，如果对诊断对象设备施加的交流电压是三相的交流电压，则可考虑例如分割成作为0～59度的相位范围的区段、作为60～119度的相位范围的区段、作为120～179度的相位范围的区段、作为180～239度的相位范围的区段、作为240～299度的相位范围的区段、作为300～359度的相位范围的区段的方式。

上述区段的分割方式只是一例，能够根据交流电压的特性决定区段的分割方式。

此外，也可以根据由于劣化原因的差异而引起的劣化样式的变化来决定区段数，例如在平面上呈现的劣化样式根据劣化原因的差异而大幅变化的情况下，减少区段数，在未根据劣化原因的差异而大幅变化的情况下，增多区段数等。

另外，在传感器的计测信号是在高压电力设备的内部产生的局部放电的计测信号的情况下，如果局部放电的放电样式是在信号强度方向上尖锐的样式，则梯度方向的直方图存在相位方向的条柱的值增大的倾向。

如果局部放电的放电样式是在相位方向上尖锐的样式，则梯度方向的直方图存在信号强度方向的条柱的值增大的倾向。

公知局部放电的放电样式根据劣化原因而不同，传感器的计测信号和相位信号的组密集的位置变化，其结果是，在信号强度方向或相位方向上，放电样式成为尖锐的形状。因此，通过对劣化样式进行比较，能够判定劣化原因。

特征向量生成部5从直方图计算部4接收到每个区段的直方图A后，如图8所示，生成将各个区段内的直方图A的条柱(1)～(N)的值排成1列而得到的特征向量A(图4的步骤ST6)。

图8是示出由特征向量生成部5生成的特征向量A的说明图。

特征向量A的要素数为区段数×(直方图A的条柱数N)，例如如果直方图A存在梯度方向为-180～180度的频度且该频度为1度间隔，则直方图A的条柱数N为360。

因此，在从直方图计算部4接收到6个区段(1)～(6)的直方图A的情况下，生成具有6×360的要素的特征向量A。

这里，示出直方图A的条柱数N为360的例子，但是，只要是与后述直方图B的条柱数N相同的数量即可，直方图A的条柱数N可以是任意数。

特征向量生成部5将生成的特征向量A输出到劣化原因确定部9。

至此，示出如下例子：在经年劣化诊断装置诊断设备的劣化状态时，从诊断信号输入部1对劣化样式生成部3提供多个时刻的相位信号和多个时刻的计测信号，由此，劣化样式生成部3生成劣化样式A。然后，直方图计算部4计算直方图A，特征向量生成部5生成特征向量A。

在经年劣化诊断装置诊断设备的劣化状态之前，与已知的劣化原因对应的多个时刻的相位信号和与已知的劣化原因对应的多个时刻的计测信号被输入到已知信号输入部2。

然后，从已知信号输入部2对劣化样式生成部3提供与已知的劣化原因对应的多个时刻的相位信号和与已知的劣化原因对应的多个时刻的计测信号，由此，劣化样式生成部3生成劣化样式B。

劣化样式生成部3进行的劣化样式B的生成方法与上述劣化样式A的生成方法相同，因此省略详细说明，但是，对由劣化样式生成部3生成的劣化样式B附加表示劣化原因的劣化原因标签。

直方图计算部4分别计算由劣化样式生成部3生成的劣化样式B的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围即区段，分别计算该区段内的信号密度的梯度方向的直方图B。

直方图计算部4进行的直方图B的计算方法与上述直方图A的计算方法相同，因此省略详细说明，但是，对由直方图计算部4计算出的各个区段内的直方图B附加表示劣化原因的劣化原因标签。

特征向量生成部5生成排列由直方图计算部4计算出的各个区段内的直方图B的条柱的值而得到的特征向量B。

特征向量生成部5进行的特征向量B的生成方法与上述特征向量A的生成方法相同，因此省略详细说明，但是，对由特征向量生成部5生成的特征向量B附加表示劣化原因的劣化原因标签。

特征向量存储部6存储由特征向量生成部5生成的特征向量B，作为劣化原因已知的特征向量。

代表向量计算部7从由特征向量存储部6存储的特征向量B中收集劣化原因相同的多个特征向量B。

即，代表向量计算部7对由特征向量存储部6存储的特征向量B附加劣化原因标签，因此，从由特征向量存储部6存储的特征向量B中收集被附加有相同劣化原因标签的多个特征向量B。

代表向量计算部7根据被附加有相同劣化原因标签的多个特征向量B计算该劣化原因标签所示的劣化原因的代表向量。

例如，代表向量计算部7在被附加有相同劣化原因标签的多个特征向量B中，按照每个对应的要素即条柱，分别计算条柱的值的平均值，计算具有作为各个要素的值而分别计算出的平均值的特征向量，作为劣化原因的代表向量。

如果由特征向量存储部6存储的特征向量B的劣化原因标签的种类为M个，则劣化原因为M个，因此，代表向量计算部7针对M个劣化原因分别计算代表向量。

代表向量存储部8分别存储由代表向量计算部7计算出的特征向量，作为不同劣化原因的特征向量C。

劣化原因确定部9接收到从特征向量生成部5输出的特征向量A时，从由代表向量存储部8存储的不同劣化原因的特征向量C中检索与特征向量A相似的特征向量C，由此确定设备的劣化原因(图4的步骤ST7)。

下面，具体说明劣化原因确定部9进行的劣化原因的确定处理。

劣化原因确定部9分别计算从特征向量生成部5输出的特征向量A和由代表向量存储部8存储的不同劣化原因的特征向量C之间的相似度。

例如，劣化原因确定部9计算特征向量A和特征向量C的相关系数的绝对值作为特征向量A和特征向量C之间的相似度。相似度越高，则相关系数的绝对值为越大的值。相关系数的绝对值的计算处理本身是公知技术，因此省略详细说明。

劣化原因确定部9分别计算特征向量A与不同劣化原因的特征向量C之间的相似度时，对分别计算出的相似度进行比较，由此在不同劣化原因的特征向量C中确定与特征向量A之间的相似度最高的特征向量C。

劣化原因确定部9输出对所确定的特征向量C附加的劣化原因标签，作为设备的劣化原因的确定结果。

这里，示出劣化原因确定部9输出对与特征向量A之间的相似度最高的特征向量C附加的劣化原因标签的例子，但是，在最高的相似度不满足事前设定的阈值的情况下，也可以不输出对所确定的特征向量C附加的劣化原因标签。

此外，劣化原因确定部9在分别计算出的相似度中存在多个阈值以上的相似度的情况下，也可以分别输出对具有阈值以上的相似度的多个特征向量C附加的劣化原因标签。

这里，示出劣化原因确定部9输出对所确定的特征向量C附加的劣化原因标签作为设备的劣化原因的确定结果的例子。

除了劣化原因标签以外，劣化原因确定部9例如也可以输出与从特征向量生成部5输出的特征向量A对应的劣化样式A和与所确定的特征向量C对应的劣化样式B等。

由上可知，根据该实施方式1，设置有：劣化样式生成部3，其生成表示交流电压的相位和计测信号的信号强度的分布的劣化样式；直方图计算部4，其分别计算劣化样式的各分布点处的信号密度的梯度向量，根据计算出的梯度向量，按照相互不同的每个相位范围分别计算该相位范围内的信号密度的梯度方向的直方图；以及特征向量生成部5，其生成排列各个相位范围内的直方图的条柱的值而得到的特征向量。而且，劣化原因确定部9从不同劣化原因的特征向量中检索与由特征向量生成部5生成的特征向量相似的特征向量，由此确定设备的劣化原因。

由此，发挥如下效果：能够确定设备的劣化原因而不用事前准备对劣化原因判定模型进行学习的神经网络。

实施方式2

在上述实施方式1中，示出经年劣化诊断装置在诊断设备的劣化状态时从诊断信号输入部1对劣化样式生成部3提供多个时刻的相位信号和多个时刻的计测信号的例子。

在本实施方式2中，对如下例子进行说明：根据传感器的计测信号判定设备有无劣化，仅在判定为存在劣化的情况下，将传感器的计测信号和与该计测信号的计测时刻相同时刻的相位信号提供给劣化样式生成部3。

图9是示出本发明的实施方式2的经年劣化诊断装置的结构图。图10是示出本发明的实施方式2的经年劣化诊断装置的硬件结构图。

在图9和图10中，与图1和图2相同的标号表示相同或相当的部分，因此省略说明。

劣化判定部10例如通过图10所示的劣化判定电路30实现。

劣化判定部10实施如下处理：根据计测设备的劣化状态的传感器的计测信号，判定设备有无劣化。

劣化判定部10实施如下处理：仅在判定为存在劣化的情况下，将传感器的计测信号和与该计测信号的计测时刻相同计测时刻的相位信号输出到劣化样式生成部3。

在图9中，假设作为经年劣化诊断装置的结构要素的已知信号输入部2、劣化样式生成部3、直方图计算部4、特征向量生成部5、特征向量存储部6、代表向量计算部7、代表向量存储部8、劣化原因确定部9和劣化判定部10分别通过图10所示的专用硬件实现。即，假设通过已知信号输入电路22、劣化样式生成电路23、直方图计算电路24、特征向量生成电路25、特征向量存储电路26、代表向量计算电路27、代表向量存储电路28、劣化原因确定电路29和劣化判定电路30实现。

已知信号输入电路22、劣化样式生成电路23、直方图计算电路24、特征向量生成电路25、代表向量计算电路27、劣化原因确定电路29和劣化判定电路30例如是单一电路、复合电路、程序化的处理器、并行程序化的处理器、ASIC、FPGA或将它们组合而成的部件。

经年劣化诊断装置的结构要素不限于通过专用硬件实现，经年劣化诊断装置也可以通过软件、固件或软件与固件的组合来实现。

在经年劣化诊断装置通过软件或固件等实现的情况下，在图3所示的计算机的存储器41上构成特征向量存储部6和代表向量存储部8，并且，将用于使计算机执行已知信号输入部2、劣化样式生成部3、直方图计算部4、特征向量生成部5、代表向量计算部7、劣化原因确定部9和劣化判定部10的处理步骤的程序存储在存储器41中，计算机的处理器42执行存储器41中存储的程序即可。

接着，对动作进行说明。

劣化判定部10以外的处理内容与上述实施方式1相同，因此，这里仅对劣化判定部10的处理内容进行说明。

图11是示出本发明的实施方式2的经年劣化诊断装置的劣化判定部10中的处理内容的流程图。

在上述实施方式1中，传感器的计测信号被提供给劣化样式生成部3，而不区分是在设备已经劣化的状态下计测出的信号还是在设备正常的状态下计测出的信号。

在传感器的计测信号是在设备正常的状态下计测出的信号的情况下，不从劣化原因确定部9输出劣化原因标签。

但是，不知道不从劣化原因确定部9输出劣化原因标签的理由是设备处于正常状态还是设备的劣化原因不是已知的劣化原因，因此，有时用户很难进行设备的处理。

此外，如果设备处于正常状态，则不需要实施劣化原因的判定处理，因此，劣化样式生成部3、直方图计算部4、特征向量生成部5和劣化原因确定部9的处理是浪费的。

因此，在本实施方式2中，如果传感器的计测信号是在设备正常的状态下计测出的信号，则不将计测信号提供给劣化样式生成部3，省略劣化样式生成部3、直方图计算部4、特征向量生成部5和劣化原因确定部9中的无用的处理。

此外，作为不从劣化原因确定部9输出劣化原因标签的理由，不包含设备处于正常状态这样的理由。

劣化判定部10在诊断设备的劣化时，输入由传感器以固定时间间隔T计测出的多个时刻的计测信号(图11的步骤ST11)。

此外，劣化判定部10输入表示对诊断对象设备施加的交流电压的相位的多个时刻的相位信号(图11的步骤ST11)。

劣化判定部10根据输入的传感器的计测信号判定设备有无劣化(图11的步骤ST12)。

下面，具体说明劣化判定部10进行的有无劣化的判定处理。

劣化判定部10例如在存在传感器的计测信号伴随着设备的劣化而增加的倾向的情况下，对传感器的计测信号和事前设定的劣化状态判定用的阈值进行比较。

如果传感器的计测信号为阈值以上，则劣化判定部10判定为设备存在劣化。

如果传感器的计测信号小于阈值，则劣化判定部10判定为设备不存在劣化。

例如，在诊断对象设备是高压电力设备的情况下，设备的劣化的发展度和局部放电的强度处于比例关系，因此，假设如果传感器的计测信号是计测局部放电的强度的信号，则传感器的计测信号的信号值伴随着设备的劣化而增大。

此外，局部放电的强度还由于设备的温度变化或振动的产生而变化，因此，劣化判定部10也可以事前对局部放电的强度和温度或振动的关系进行模型化。

该情况下，劣化判定部10也可以使用模型对传感器的计测信号进行温度校正或振动校正，如果校正后的计测信号为阈值以上，则判定为设备存在劣化。

此外，设备的劣化的发展度和局部放电的产生数处于比例关系，因此，传感器也可以对局部放电的产生数进行计数作为计测信号，劣化判定部10根据一定时间内的局部放电的产生数求出劣化的发展度。

这里，示出劣化判定部10通过对传感器的计测信号和阈值进行比较来判定有无劣化的例子，但是，例如也可以如下所述进行判定。

劣化判定部10例如实施使用设计知识、物理法则或正常时的设备数据的机器学习等，由此，构筑估计设备正常时的计测信号的模型。

如果根据模型估计出的设备正常时的计测信号和传感器的计测信号的差分为阈值以上，则劣化判定部10判定为设备存在劣化，如果该差分小于阈值，则劣化判定部10判定为设备不存在劣化。

劣化判定部10如果判定为存在劣化(图11的步骤ST13：是的情况)，则对附加给传感器的计测信号的时间戳和附加给输入的相位信号的时间戳进行比较。

附加给传感器的计测信号的时间戳表示计测信号的计测时刻，附加给相位信号的时间戳表示相位信号的计测时刻。

劣化判定部10参照时间戳的比较结果，从输入的多个时刻的相位信号中，确定与判定为存在劣化时的计测信号的计测时刻相同计测时刻的相位信号。

劣化判定部10将判定为存在劣化时的计测信号和所确定的相位信号的组输出到劣化样式生成部3(图11的步骤ST14)。

劣化判定部10如果判定为不存在劣化(图11的步骤ST13：否的情况)，则不将判定为不存在劣化时的计测信号输出到劣化样式生成部3。

劣化判定部10在判定为不存在劣化的情况下，也可以输出表示不存在劣化的判定结果。

由上可知，根据本实施方式2，构成为具有劣化判定部10，该劣化判定部10根据计测设备的劣化状态的传感器的计测信号判定设备有无劣化，仅在判定为存在劣化的情况下，将计测信号和与计测信号的计测时刻相同计测时刻的相位信号输出到劣化样式生成部3。因此，能够省略不需要确定劣化原因的正常时的劣化原因的判定处理。

此外，在不从劣化原因确定部9输出劣化原因标签时，作为不输出劣化原因标签的理由，能够排除设备处于正常状态这样的理由。

另外，本申请能够在其发明范围内进行各实施方式的自由组合或各实施方式的任意结构要素的变形，或者在各实施方式中省略任意结构要素。

产业上的可利用性

本发明适合于输出设备的劣化原因的经年劣化诊断装置和经年劣化诊断方法。

标号说明

1：诊断信号输入部；2：已知信号输入部；3：劣化样式生成部；4：直方图计算部；5：特征向量生成部；6：特征向量存储部；7：代表向量计算部；8：代表向量存储部；9：劣化原因确定部；10：劣化判定部；21：诊断信号输入电路；22：已知信号输入电路；23：劣化样式生成电路；24：直方图计算电路；25：特征向量生成电路；26：特征向量存储电路；27：代表向量计算电路；28：代表向量存储电路；29：劣化原因确定电路；30：劣化判定电路；41：存储器；42：处理器。

Claims (7)

1.一种经年劣化诊断装置，该经年劣化诊断装置具有：

劣化样式生成部，其根据表示对诊断对象设备施加的交流电压的相位的多个时刻的相位信号和计测所述设备的劣化状态的传感器的多个时刻的计测信号，生成表示所述交流电压的相位和所述计测信号的信号强度的分布的劣化样式；

直方图计算部，其分别计算由所述劣化样式生成部生成的劣化样式的各分布点处的信号密度的梯度向量，根据计算出的所述梯度向量，按照相互不同的每个相位范围分别计算该相位范围内的信号密度的梯度方向的直方图；

特征向量生成部，其生成排列由所述直方图计算部计算出的各个相位范围内的直方图的条柱的值而得到的特征向量；以及

劣化原因确定部，其从不同劣化原因的特征向量中检索与由所述特征向量生成部生成的特征向量相似的特征向量，由此确定所述设备的劣化原因。

2.根据权利要求1所述的经年劣化诊断装置，其特征在于，

所述劣化样式生成部将第1轴为交流电压的相位且第2轴为计测信号的信号强度的平面分割成多个块，生成表示属于分割后的各个块的所述相位信号和所述计测信号的组数的样式，作为所述劣化样式。

3.根据权利要求2所述的经年劣化诊断装置，其特征在于，

所述直方图计算部根据由所述劣化样式生成部生成的劣化样式所示的属于各个块的所述相位信号和所述计测信号的组数，分别计算各个块即分布点处的信号密度的梯度向量。

4.根据权利要求1所述的经年劣化诊断装置，其特征在于，

所述经年劣化诊断装置具有：

特征向量存储部，其存储劣化原因已知的特征向量；

代表向量计算部，其从由所述特征向量存储部存储的特征向量中收集劣化原因相同的多个特征向量，根据收集到的多个特征向量计算该劣化原因的代表向量；以及

代表向量存储部，其存储由所述代表向量计算部计算出的代表向量，作为所述不同劣化原因的特征向量。

5.根据权利要求1所述的经年劣化诊断装置，其特征在于，

所述劣化原因确定部分别计算所述不同劣化原因的特征向量与由所述特征向量生成部生成的特征向量之间的相似度，对计算出的各个相似度进行比较，由此，从所述不同劣化原因的特征向量中检索与由所述特征向量生成部生成的特征向量相似的特征向量。

6.根据权利要求1所述的经年劣化诊断装置，其特征在于，

所述经年劣化诊断装置具有劣化判定部，该劣化判定部根据计测所述设备的劣化状态的传感器的计测信号判定所述设备有无劣化，仅在判定为有劣化的情况下，将所述计测信号和与所述计测信号的计测时刻相同的计测时刻的相位信号输出到所述劣化样式生成部。

7.一种经年劣化诊断方法，其中，

劣化样式生成部根据表示对诊断对象设备施加的交流电压的相位的多个时刻的相位信号和计测所述设备的劣化状态的传感器的多个时刻的计测信号，生成表示所述交流电压的相位和所述计测信号的信号强度的分布的劣化样式，

直方图计算部分别计算由所述劣化样式生成部生成的劣化样式的各分布点处的信号密度的梯度向量，根据计算出的所述梯度向量，按照相互不同的每个相位范围分别计算该相位范围内的信号密度的梯度方向的直方图，

特征向量生成部生成排列由所述直方图计算部计算出的各个相位范围内的直方图的条柱的值而得到的特征向量，

劣化原因确定部从不同劣化原因的特征向量中检索与由所述特征向量生成部生成的特征向量相似的特征向量，由此确定所述设备的劣化原因。

Images