JP2010185861A

JP2010185861A - 電気設備の良否診断システム

Info

Publication number: JP2010185861A
Application number: JP2009054175A
Authority: JP
Inventors: Hisae Nakamura; 久栄中村; Yukio Mizuno; 幸男水野
Original assignee: Nagoya Institute of Technology NUC; Toenec Corp
Current assignee: Nagoya Institute of Technology NUC; Toenec Corp
Priority date: 2009-02-12
Filing date: 2009-02-12
Publication date: 2010-08-26
Anticipated expiration: 2029-02-12
Also published as: JP4918564B2

Abstract

【課題】診断対象となる電気設備の正常状態のみの診断データのみを用意しておくことで、効率的にその設備の良否判断が可能な電気設備の良否診断システムを提供することを課題とする。
【解決手段】上記課題を解決するための電気設備の良否診断システム１は、診断対象となる電動機Ｍが正常状態のときに演算部３の平均・標準偏差演算部４は、特徴量検出部２で得られた特徴量の平均と標準偏差とを導出して記憶する。演算部３の確率演算部５は、実際に設備を診断する場合に、特徴量検出部２で得られた特徴量と、平均・標準偏差演算部４に記憶されている前記平均と標準偏差とに基づいて決定された楕円体の内側に存在する確率を計算すると、診断部６は、その計算された確率値に基づいて当該設備が正常か異常かを診断して表示部７に表示させる。
【選択図】図１

Description

本発明は、電気設備の正常状態において得られた特徴量を用いて、当該電気設備を診断する際の特徴量が所定の確率値の範囲内に収まっているか否かを確率計算することにより、当該設備の良否を診断する電気設備の良否診断システムに関する。

従来、電気設備の良否を診断するシステムとして、電気設備の正常状態及び異常状態の種類に応じて予めそれぞれの状態毎にデータを用意しておき、電気設備を診断する際に当該設備から得られたデータが、どの状態のデータに近いかを比較することにより、当該設備が正常か、あるいは、どのような異常状態にあるかを診断する手法がある（特許文献１参照）。

しかしながら、上記従来の診断手法では、電気設備の正常状態及び異常状態の種類毎に予め上記のデータを診断前に用意しておかなければならない。それに、正常状態のデータを用意することは比較的簡単であるが、電気設備を人為的に異常状態にしてそれぞれのデータを得ることは極めて困難な場合が多い。

特開２００６−０９０９０４号公報

そこで本発明では、診断対象となる電気設備の異常状態のデータを用意することなく、正常状態で得られたデータのみを用意することで、当該設備を診断する際には、この設備から得られた特徴量が上記正常状態で得られたデータに基づく確率の範囲内に収まっているか否かにより、当該電気設備の良否を診断する電気設備の良否診断システムを提供することを解決すべき課題とするものである。

上記課題は、特許請求の範囲の欄に記載した電気設備の良否診断システムにより解決することができる。
特許請求の範囲の請求項１に記載した電気設備の良否診断システムによれば、診断対象となる電気設備が正常状態のときに、演算記憶手段は、特徴量検出手段で得られた特徴量の平均と標準偏差とを導出して記憶する。次に、電気設備の診断をする際に、特徴量検出手段により得られた特徴量と演算記憶手段に記憶されている前記平均と標準偏差とに基づいて決定された楕円体の内側に存在する確率値が確率計算手段により計算されると、診断手段は、その計算された確率値に基づいて当該電気設備が正常か異常かを診断する。
このように、診断対象となる電気設備の正常状態で得られたデータのみを用意することで、当該電気設備の良否を診断することが可能になる。

次に、上記診断の理論を、数式等を用いて説明する。
診断対象となる電気設備の、ある運転状態（運転状態１とする）から、その設備の診断に有用な特徴量を特徴量検出手段により得る。
一般に、設備の診断に際して活用できる特徴量の値は、設備の状態（正常もしくは異常）に応じて、特徴空間上のある固まった領域（以降、クラスと記載する）に分布するようになる。そのため、上記運転状態１の状況下で、設備の正常状態の各特徴量の平均と標準偏差を導出し、これを設備の実際の診断をする際の診断基準とする。
次に、実際に電気設備を診断するときは、上記運転状態１で稼働中の設備から上記特徴量を得た点をＡ点とする。このＡ点の値と、上記のように予め求めておいた正常時の各特

定される正常クラスにおける楕円体の内側に存在する確率を算出する。この楕円体内側に存在する確率値は次のように計算する。

いま、ｎ次元の特徴量ｘ＝（ｘ_１，ｘ_２，…，ｘ_ｎ）の各要素がガウス分布に従うとした場合、そのときの同時確率密度関数ｐ（ｘ）は次式（１）で表すことができる。

す。
また、式（１）の指数部は楕円体の式である。
いま、互いの特徴量が独立であるとするときのｘが楕円体

ることで、

と変形することができる。さらに新たに変換

を用いてｘを置換することで、式（３）は
ｚ_１ ^２＋ｚ_２ ^２＋…＋ｚ_ｎ ^２＝ｌ^２・・・（５）
と変形することができる。ベクトルｚがこの球の内側に存在する確率は、多重積分を用いることにより、次式（６）より求めることができる。

更に式（６）において、
ｒ^２＝ｚ_１ ^２＋ｚ_２ ^２＋…＋ｚ_ｎ ^２・・・（７）
と置くことで、

と変形することができる。
式（８）のｓ（ｒ）ｄｒはｎ次空間の球の半径ｒからｒ＋ｄｒまでの区間の微小体積を表す。
例えば、ｎ＝２の場合には、式（８）においてｓ（ｒ）ｄｒ＝２πｒｄｒと求めることができるから、式（２）で表される楕円の内側に存在する確率は、ｌの関数として以下のように表現できる。

従って、実際の診断時には、前述の運転状態１で稼働中の設備から得られた特徴量（Ａ

３）に代入してｌの値を求め、こうして求めたｌを式（９）に代入することで、正常クラスにおいてＡ点の内側に存在する確率を定量的に算出する。このようにして求めた確率値に対して閾値を設けること等で、設備の良否判断が可能となる。
上の例では、ｎ＝２の場合の確率値の導出法とそのときの診断法を示したが、多次元の場合であっても式（８）のｓ（ｒ）ｄｒをｎの値に応じて変えることで、同様に求めることができる。ｎ＝２の場合には、式（３）は楕円面となるが、ｎ＝３の場合には、式（３）は楕円体となる。

一般に、特徴量が１次元のときは、診断対象とする設備から得られた特徴量の値と、その特徴量の値が存在する分布を基にした正規分布表などを用いることで、その設備の今の状態が確率的に全体のどのあたりに存在するのかといったことを簡単に知ることができる。しかし、特徴量が２つ以上（２次元以上）の多次元となると、それらが発生する確率は互いに別々に扱うのではなく、同時に考慮して扱う必要がある。つまり、特徴量が２次元以上になると、１次元の正規分布表からでは正確な診断ができない。

いま、特徴量が２次元の場合を考えてみる。この場合、同じ形式で同じ状態の電気設備から得られる特徴量をプロットしていくと、その分布は楕円となる。
２次元の場合には、ある楕円の内側に存在する確率を求める際に、特徴量を１次元ずつに分けて考えて、それらの特徴量に対する確率を求め、最後にそれらの確率値を掛け合わせて求める方法も考えられる。しかしながら、この場合には、２つの特徴量の同時発生確率を考慮した結果と比較して、求められる確率値は異なってくる。
多次元の特徴量を用いて設備を診断する場合には、１次元ずつの正規分布を用いるのではなく、同時確率密度関数を用いる必要がある。

２次元の特徴量（ｎ＝２）からなる確率分布と、２次元の特徴量を１つずつの１次元特徴量の確率分布に分けてから求める確率の値の比較を行う（図２参照）。簡単のために平均

と求まる。ｌ^２＝２の楕円の内側にある確率は、式（９）にｌ^２＝２を代入して、０．６３２と求めることができる。
一方、１次元特徴量（ｎ＝１）の確率分布では、標準偏差の内側にある確率は、正規分布より０．６８３と求めることができる。そして、この確率どうしを掛け合わせると０．６８３×０．６８３＝０．４６７となる。

しかしながら、このときの値は２次元の確率分布から求めた楕円の内側に存在する確率よりも小さな値となる。このような求め方は楕円体の内側に存在する確率を正しく求められていないためである。つまり、電気設備などの良否を正しく判定する場合には、診断時に用いる特徴量の次元に応じて正確な確率値を導出する必要がある。

本発明によれば、診断対象となる電気設備の正常状態で得られたデータのみを用意することで、効率的に当該電気設備の良否を診断することができるという効果がある。

第１の実施の形態の電気設備の良否診断システムのブロック系統図である。２次元特徴量の確率分布図である。電動機Ｍの固定子巻線に流れる電流の波形図である。電動機Ｍの固定子巻線が正常な状態と短絡しているときの特徴量のクラス分布図である。特徴量に相関がある場合の座標変換図である。楕円の内側に存在する特徴量の確率を示した確率存在説明図である。第２の実施の形態の電気設備の良否診断システムのブロック系統図である。第２の実施の形態の変形例を示したブロック系統図である。

次に、本発明の第１の実施の形態について説明する。
図１は、診断対象となる電気設備の良否を効率的に診断するための電気設備の良否診断システム１のブロック系統図である。
電気設備の良否診断システム１を構成する特徴量検出部２は、診断対象となる電動機Ｍに流れる電流を特徴量として検出する。ここで、電動機Ｍの固定子巻線において絶縁劣化に起因する短絡が発生すると、電動機Ｍに流れる電流は、固定子巻線が正常状態のときに比較して、図３に示すように、「振幅」が大きくなり、基準とする電源電圧に対して「位相」が進むという特徴がある。そこで、ここでは、電動機Ｍに流れる電流の「振幅」と「位相」を特徴量として考える。従って、特徴量検出部２は、電動機Ｍに流れる電流を検出すると、その電流の「振幅」と「位相」を計測する。尚、特徴量検出部２には電流の「振幅」と「位相」をデジタル信号に変換して出力するＡ／Ｄ変換回路が内蔵されており、特徴量検出部２から出力された電流の「振幅」と「位相」のデジタル信号は、演算部３に入力される。

演算部３は、図１に示すように、「平均・標準偏差演算部４」と「確率演算部５」の二つのブロックに分けられる。「平均・標準偏差演算部４」は、診断対象となる電動機Ｍが正常状態のときに得られた特徴量の平均と標準偏差を計算し、記憶しておくブロックである。また、「確率演算部５」は、実際に電動機Ｍを診断する際、特徴量検出部２により得られた特徴量と、「平均・標準偏差演算部４」に記憶されている特徴量の平均、標準偏差から、確率値を計算するブロックである。
電動機Ｍに流れる電流から振幅と位相の値を何回も計測して２次元空間上にプロットしていくと、プロットしたこれらの点は、図４に示すように電動機Ｍの固定子巻線の正常もしくは短絡状態毎にかたまって分布するようになる。そこで、正常クラスにおける各特

理である。

次に、「確率演算部５」について説明する。
電動機Ｍの固定子巻線を診断する際も上記同様に特徴量検出部２において電流の振幅と位相を検出する。このときの観測点をＡ点、そのときの値を（ｘ_ｄ１，ｘ_ｄ２）とする。尚、添字のｄは、英語の診断を表す「ｄｉａｇｎｏｓｉｓ」の頭文字を示している。上記Ａ点の値を前記式（３）に代入することで、下記のようにｌ_ｄの値を求めることができる。

最後に、このｌ_ｄの値を前記式（９）のｌに次のように代入する。

上記のようにして求められた確率は、図６において、楕円の内側（斜線部）に存在する確率である。これにより、正常クラスにおいてＡ点の内側に存在する確率を導出する。このようにして求めた確率値に対して、閾値を設定すること等で、この電動機Ｍの固定子巻線が正常なのか、短絡等の異常なのかの良否判定を、図１に示す診断部６で確率的に診断することが可能となる。そして、その結果を表示部７に表示させる。

次に、本発明の第２の実施の形態について説明する。この実施の形態は、図７に示すように、電動機や変圧器といった巻線Ｗを有する電気設備の巻線診断に活用することができる。ここでは上記のような巻線Ｗの両端にインパルス発生回路ＩＰから発生させたインパルス電圧を印加して、そのとき観測される電圧波形から巻線Ｗの良否を判定する。
巻線Ｗとインパルス発生回路ＩＰから構成される回路の等価回路定数のレジスタンスをＲ、インダクタンスをＬ、キャパシタンスをＣとする。いまここで、例えば巻線Ｗとインパルス発生回路ＩＰから構成される回路の各等価回路定数の乗算値ＬＣおよびＲＣを特徴量ｘ_１と特徴量ｘ_２とする。インパルス発生回路ＩＰからインパルス電圧を巻線Ｗに印加した場合、巻線Ｗの両端に発生する電圧をν（ｎ）（ただしｎはサンプリング数）とすると、巻線Ｗとインパルス発生回路ＩＰから構成される回路の各等価回路定数の乗算値ＬＣおよびＲＣ、すなわち特徴量ｘ_１と特徴量ｘ_２は、擬似逆行列を用いて式（１０）のように求めることができる。

ここで

である。また式（１０）においてＴは転置行列を表す。この結果を用いて巻線の診断が可能となる。

図７における特徴量検出部２においてインパルス電圧を計測する。尚、特徴量検出部２にはＡ／Ｄ変換回路が内蔵されており、特徴量検出部２から出力されたインパルス電圧のデジタル信号は演算部３の「平均・標準偏差演算部４」に入力される。
「平均・標準偏差演算部４」では、式（１０）をもとに、いくつかの正常巻線Ｗから得

次に、実際に診断する際には、診断対象とする巻線Ｗから特徴量検出部２において検出したインパルス電圧から、式（１０）をもとにｘ_１とｘ_２の値を算出する。このときの観測点をＡ点、またこのときの値を（ｘ_ｄ１，ｘ_ｄ２）とする。上記Ａ点の値を前記式（３）に代入することで、下記のようにｌ_ｄの値を求めることができる。

上記のようにして求められた確率は、図６において、楕円の内側（斜線部）に存在する確率である。これにより、正常クラスにおいてＡ点の内側に存在する確率を導出する。これが「確率演算部５」における処理である。
このようにして求めた確率値に対して閾値を設定することで、この巻線が正常なのか、それとも短絡等の異常状態にあるか等の良否判定を、診断部６で確率的に診断することが可能となる。そして、その結果を表示部７に表示させることができる。

従来技術では、故障毎のＬＣ、ＲＣの値を事前に準備しなければならなく、そのために多くの工数が必要となる。しかし本発明によると、入手が容易な正常巻線からＬＣ、ＲＣの平均と標準偏差を求めておくことで診断が可能となることから、従来技術に比べて診断システムの開発工数を大幅に低減させることができるといった利点がある。

次に、第２の実施の形態の変形例についても説明する。
図８は図７に示したインパルス発生回路ＩＰに代え、逆起電力発生回路を用いて診断対象となる巻線Ｗに逆起電力を発生させることにより、この逆起電力をインパルスとするものである。
図８に示すように、逆起電力発生回路は、巻線Ｗに直流電流を流すための直流電源ＤＣＰと、直流電源ＤＣＰに直列に接続されたスイッチＳＷと、スイッチＳＷがオンされた状態で充電されるコンデンサＣとを備えている。このコンデンサＣに対して並列に巻線Ｗを接続した状態でスイッチＳＷがオンされると、巻線Ｗに直流電流が通電されるため、この状態でスイッチＳＷがオフされると、巻線Ｗに逆起電力が発生する。この逆起電力は、巻線Ｗに印加されたインパルスと同等に作用するため、この逆起電力を特徴量検出部２において検出する。以降の処理は、これまでに記した実施の形態例と同じである。

今回示した実施の形態例では、診断時の確率値の算出ではＡ点のみの特徴量の値から算出した。しかし、同じような処理を何度も繰り返し、そのときに得られたいくつかの点に対して確率値を算出し、それらの平均値を取って、最終的な確率値としてもよい。

前述の第１の実施の形態の例では、特徴量を電流の振幅と位相の２次元として説明したが、多次元であっても同様の手順で運用が可能である。また、各特徴量の間に相関が無い場合には、特徴量の分布は、図４に示すような形状となる。しかし、互いの特徴量に相関がある場合にも同様に求めることができる。この場合の特徴量分布は図５に示すようになるが、このような分布に対する確率の算出では、共分散行列の固有ベクトルを用いることで、はじめに座標系ｘ_１−ｘ_２を回転して新たな座標系ｙ_１−ｙ_２を作ることによって、新座標系ｙ_１−ｙ_２上で全く同様の計算により算出することができる。

１電気設備の良否診断システム
２特徴量検出部
３演算部
４平均．標準偏差部
５確率演算部
６診断部
７表示部

Claims

診断対象となる電気設備から得られる特徴量を検出する特徴量検出手段と、前記電気設備が正常状態のときに前記特徴量検出手段で得られた特徴量の平均と標準偏差とを導出して記憶しておく演算記憶手段と、前記電気設備の診断をする際に、前記特徴量検出手段により得られた特徴量と前記演算記憶手段に記憶されている前記平均と標準偏差とに基づいて決定される楕円体の内側に存在する確率値を求める確率計算手段と、前記確率計算手段で求めた確率値に基づいて前記電気設備が正常か異常かを診断する診断手段とを備えたことを特徴とする電気設備の良否診断システム。