JP2022184909A - 電力網アセットの状態分類を行うための方法および装置 - Google Patents
電力網アセットの状態分類を行うための方法および装置 Download PDFInfo
- Publication number
- JP2022184909A JP2022184909A JP2022143173A JP2022143173A JP2022184909A JP 2022184909 A JP2022184909 A JP 2022184909A JP 2022143173 A JP2022143173 A JP 2022143173A JP 2022143173 A JP2022143173 A JP 2022143173A JP 2022184909 A JP2022184909 A JP 2022184909A
- Authority
- JP
- Japan
- Prior art keywords
- power grid
- missing data
- data replacement
- procedure
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 589
- 238000012549 training Methods 0.000 claims abstract description 125
- 238000009413 insulation Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 143
- 238000010801 machine learning Methods 0.000 claims description 105
- 238000009826 distribution Methods 0.000 claims description 65
- 238000004804 winding Methods 0.000 claims description 29
- 238000001816 cooling Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 9
- 230000005611 electricity Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000004868 gas analysis Methods 0.000 description 4
- -1 CO Chemical compound 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011208 chromatographic data Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/028—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02B90/20—Smart grids as enabling technology in buildings sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/30—State monitoring, e.g. fault, temperature monitoring, insulator monitoring, corona discharge
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、電力網アセットを監視または分析するための方法および装置に関する。特に、本発明は、電力変圧器などの電力網アセットの状態分類を行う方法および装置に関する。
電力システムは、電力を供給、伝送および/または使用するように構成された電気構成要素または電力システム設備のネットワークを備える。例えば、電力網は、発電機、送電システムおよび/または配電システムを備える。発電機または発電所は、可燃性燃料(例えば、石炭、天然ガスなど)および/または非可燃性燃料(例えば、風、日光、原子力など)から電気を生成するように構成されている。送電システムは、発電機から負荷に電気を伝搬または伝送するように構成されている。配電システムは、供給された電気を近くの家庭、コマーシャルビジネスおよび/または他の施設に供給するように構成されている。そのような電力システムは、電気構成要素の中でもとりわけ、一の電圧(例えば、電気を伝送するときに使用された電圧)の電気を、別の電圧(例えば、電力を受ける負荷の所望電圧)の電気に変換するように構成された1つ以上の電力変圧器を備え得る。
することができないとき、ツールの期待される信頼性に関する情報の欠如もまた、問題となる。
本発明の目的は、電力網アセットの状態分類を行うための改善された方法、装置、システムおよびコンピュータ可読命令を提供することである。特に、自動分類プロシージャに必要とされる全ての入力パラメータ値が利用可能ではなくとも、状態分類を確実に実行することができる改善された方法および装置を提供することを目的とする。
が所定の電力網アセットに対して利用不可能であるときにあっても、良好な信頼性を有する自動状態分類を行うために使用され得る。本発明の実施形態は、例えば、自動状態分類によって入力として必要とされるパラメータ値のうちの1つまたはいくつかが電力網アセットに対してオンラインで監視されないときに特に有用であり得るが、これに限定されない。
図面を参照して、本発明の実施形態を説明する。図面において、同一または類似の符号は、同一または類似の要素を示す。いくつかの実施形態は、電力変圧器に関連して説明されるが、以下で詳細に説明される方法および装置は、多種多様な異なる電力網アセットの状態分類を行うために使用されてもよい。特に明記しない限り、実施形態に記載された特徴は、互いに組み合わせることができる。
図1は、実施形態に従って、電力網アセットの状態分類を行うために採用され得る方法および装置を含む電力網10を示す図である。電力網10は、発電機11、昇圧電力変圧器20、伝送線路12、降圧電力変圧器25、ローカル配電網13、および1つ以上の負荷14を含んでもよい。発電機11、電力変圧器20および25、およびローカル配電網13内の変圧器は、電力網アセットの例示である。
2は、異なる電力網アセットに対して異なる欠損パラメータ値の代替値を提供することができる。例えば、電力変圧器20の状態分類を行うために、欠損データ置換モジュール32は、電力変圧器20の第1のパラメータの代替値を提供することができる。電力変圧器25の状態分類を行うために、欠損データ置換モジュール32は、電力変圧器25の第2のパラメータの代替値を提供することができる。欠損データ置換モジュール32は、自動分類モジュール31に必要とされるどのパラメータ値が、それぞれの電力網アセットに対して利用不可能であるかに応じて、異なる欠損データ置換プロシージャを使用することができる。
生成されてもよい。
シージャは、機械学習アルゴリズムまたは複数の異なる機械学習アルゴリズムを含んでもよい。機械学習アルゴリズム(複数可)は、線形アルゴリズム、非線形アルゴリズム、およびアンサンブルアルゴリズムを含んでもよい。一の種類の電力網アセット(例えば、電力変圧器)に対して自動分類プロシージャを訓練するメソッド50は、複数の異なる機械学習アルゴリズムを訓練することと、性能評価の関数として1つまたはいくつかの機械学習アルゴリズムを選択することとを含んでもよい。メソッド50において訓練された複数の異なる機械学習アルゴリズムは、一般線形回帰(GLM)および線形判別分析(LDA)からなる群から選択される少なくとも1つの線形アルゴリズムを含んでもよい。代替的または追加的に、プロシージャ50において訓練された複数の異なる機械学習アルゴリズムは、分類および回帰木(CART)、ナイーブベイズアルゴリズム(NB)、ベイジアンネットワーク、K近傍法(KNN)、およびサポートベクトルマシン(SVM)からなる群から選択される少なくとも1つの非線形アルゴリズムを含んでもよい。代替的または追加的に、メソッド50において訓練される複数の異なる機械学習アルゴリズムは、ランダムフォレスト、ツリーバギング、extreme gradient boosting machine(極度勾配ブー
スティングマシン)、および人工ニューラルネットワークからなる群から選択される少なくとも1つのアンサンブルアルゴリズムを含んでもよい。
るか否かを判定する。パラメータ値が欠損していれば、ステップ53において、欠損データ置換プロシージャを実行して、欠損しているパラメータ値の代替値を生成する。電力網アセットに関連付けられたデータセットに対して、パラメータ値が訓練データに欠損していなければ(これは、機械学習アルゴリズムに入力されるパラメータ値の数が多ければ非常に起こりにくいシナリオである)、メソッドは、ステップ52からステップ54に直接に進行してもよい。
極度勾配ブースティングマシン)および人工ニューラルネットワークなどのアンサンブルアルゴリズムを含むが、これらに限定されない。
アセットの電圧級別、または電力網アセットの重要度等級といった、徐々に時系列変動するパラメータ値を含んでもよい。データレポジトリから取り出されたパラメータ値は、種類関連パラメータ、例えば、電力網アセットまたはそのサブシステムのネームプレート情報を含んでもよい。例えば、データレポジトリからは、電力変圧器の冷却システム種類、ブッシング種類、または油絶縁システム種類に関する情報が取り出されてもよい。これらの情報は、エンジニアによって保存されてもよい。
に関する情報を用いて、1つ以上の代替値を決定してもよい。
本明細書に開示された構想は、多種多様な異なる電力網アセットに適用可能であるとともに、本発明の方法、装置およびコンピュータプログラムは、変圧器の状態分類を行うために使用されてもよい。自動分類プロシージャの入力として使用されるパラメータ値は、電力網アセットの動作中にオンライン監視されるパラメータ値と、電力網アセットの動作中にオンライン監視されない他のパラメータ値とを含んでもよい。自動分類プロシージャの入力として使用されるパラメータ値は、パラメータ値に関する情報が利用可能ではないような電力網アセットの製造または設置後に、自動分類プロシージャの入力へと組み込まれたパラメータ値を含んでもよい。
- スルーフォルト(ThruFault)。
理解すべきことは、代わりのパラメータの値または追加のパラメータの値は、発電機な
どの他の電力網アセットの自動分類プロシージャの入力として使用されてもよいことである。
欠損パラメータ値
自動分類プロシージャの入力として必要とされるパラメータ値が利用不可能であり得るという問題は、電力網アセット状態分類における後の使用のために自動状態分類を訓練するとき、および訓練済み自動分類プロシージャを使用するときの両方に起こり得る。いずれの場合においても、電力網アセットに対して必要な入力の一部が欠損しているとき、欠損データ置換プロシージャを実行することによって、代替値が提供され得る。本明細書に開示された欠損データ置換プロシージャは、本明細書に開示された方法、装置、システムおよび機械可読命令コードのいずれか1つと共に使用されてもよい。
中の水分、またはブッシング力率もしくは容量に関する情報が欠損している可能性がある。欠損しているパラメータ値に応じて、2つ以上の欠損データ置換プロシージャを使用することができ、または複数の異なる欠損データ置換プロシージャの中から最適な欠損データ置換プロシージャを選別することができる。
- デフォルト値を使用すること。
- 統計分布に従って決定されたランダム値を使用すること。
- パラメータ多変量相関に基づいて決定された値を使用すること。
簡潔さのために、機械学習アルゴリズムまたは訓練済み自動分類プロシージャの入力として必要とされるパラメータ値は、以下、「欠損パラメータ値」と称される。理解すべきことは、欠損パラメータ値は、それぞれの電力網アセットまたは訓練データのデータセットを参照して理解されるべきものであるということである。すなわち、所与のパラメータ値は、電力変圧器20に対して利用不可能であり得るが、対応するパラメータ値は、電力網内の別の電力変圧器25に対して利用可能であり得る。同様に、所与のパラメータ値は、訓練データ内のデータセットに対して利用不可能であり得るが、対応するパラメータ値は、訓練データ内の別のデータセットに対して利用可能であり得る。
欠損パラメータ値の代替値は、デフォルト値であってもよい。デフォルト値は、固定値であってもよい。デフォルト値は、欠損しているパラメータ値に依存してもよい。また、デフォルト値は、電力網アセットに利用可能なパラメータ値に依存してもよい。
欠損パラメータ値の代替値は、このパラメータ値の統計分布の平均値または中央値にしたがって決定されてもよい。統計分布は、例えば、他のデータセット内で欠損しているパラメータ値を含む訓練データ内のデータセットから決定されてもよい。
欠損パラメータ値の代替値は、欠損パラメータ値の統計分布に従って選択されたランダム値にしたがって決定されてもよい。すなわち、代替値は、欠損パラメータ値の統計分布に従って選択されたランダム値であってもよい。統計分布は、例えば、他のデータセット内で欠損しているパラメータ値を含む訓練データのデータセットから決定されてもよい。代替的に、統計分布は、物理モデルまたは実験によって決定されてもよい。
欠損パラメータ値の代替値は、ハード値補定によって決定されてもよい。代替値は、知識や経験に基づいた、正確性の高い推測(educated guess)に依存してもよい。自動分類プロシージャの訓練中、正確性の高い推測は、人間のエキスパートによって提供されてもよい。状態分類装置30の動作中、ハード値補定を使用するとき、正確性の高い推測に関する情報は、記憶装置から取り出されることができる。記憶装置は、複数の異なるパラメータ値の正確性の高い推測を記憶することができる。
欠損パラメータの代替値は、パラメータ相関に基づいて決定されてもよい。例えば、図6および図7に示されるように、訓練データのデータセットの大半または全てにおいて一部のパラメータ値が欠損しているときにあっても、既存のパラメータ値の間でパラメータ相関が決定され得る。パラメータ相関は、多変量相関またはピアソン相関であってもよい。それによって、パラメータ値の相関を示す相関行列が得られ得る。
他の欠損データ置換プロシージャを使用してもよい。例えば、条件付き確率表(CPT)を使用する確率的信頼伝播アルゴリズムを用いて、電力網アセットの既知のパラメータ値を考慮に入れて、欠損しているパラメータ値の代替値を決定することができる。
一部の欠損データ置換プロシージャは、他の欠損データ置換プロシージャよりも優る可能性がある。最良性能の欠損データ置換プロシージャは、欠損しているパラメータ値および/または自動分類プロシージャを実装するために使用された機械学習技術に依存し得る。
状態分類装置30によって実行される自動分類プロシージャは、複数の電力網アセットに関連付けられた訓練データを用いて予め訓練された機械学習アルゴリズムであってもよく、またはそれを含んでもよい。上記で説明したように、異なる機械学習アルゴリズムを使用してもよい。
ノード2:腐食
ノード3:漏れ
ノード4:メインキャビネット
ノード5:油質
ノード6:油老化
ノード7:酸性度
ノード8:力率
ノード9:界面張力
ノード10:誘電感受性
ノード11:水分
ノード12:汚染物質
ノード13:ガスレベル
ノード14:ガス動向
ノード15:溶解ガス分析(DGA)
ノード16:電気試験
ノード17:スルーフォルト
ノード18:ノイズレベル
ノード19:巻線温度
ノード20:活性部位
ノード21:冷却システム
ノード22:油保存システム
ノード23:負荷タップ切換器
ノード24:ブッシング
ノード25:付属品
ノード26:動作データ
ノード27:負荷
ノード28:シスター故障
ノード29:設計上の問題
ノード30:履歴
ノード31:健全性確率
図14は、アーク放電の確率(ノード121)、高温条件の確率(ノード122)、およびC2H2が絶縁油に溶解する確率(ノード123)に関連するベイジアンネットワークの一部のノード121~123を示す図である。ノード123に関連する条件付き確率表124は、ノード121、122からノード123への確率伝播を示す。「真」または「偽」の値を各々有するノード121、122のうちの1つの確率の変化は、C2H2が電力変圧器の絶縁油に溶解することを示すノード123の確率に影響を与える。
状態分類装置30の自動分類プロシージャを用いて信頼できる正確な状態分類を提供するために、1つ以上の機械学習アルゴリズムおよび/または1つ以上の欠損データ置換プロシージャに対して訓練を行ってもよい。
ットワークからなる群から選択される少なくとも1つのアンサンブルアルゴリズムを含んでもよい。
報、油の品質に関する情報、および溶解ガス分析(DGA)の結果に関する情報を含んでもよい。機械学習アルゴリズム143は、訓練される。エキスパートオピニオン142を用いて、教師あり学習を実施してもよい。エキスパートオピニオン142は、複数の変圧器であり得る複数の電力網アセット145の分類を提供してもよい。機械学習アルゴリズム143は、機械学習アルゴリズム143によって提供された状態分類144が一般的に人間のエキスパートによって提供された状態分類と一致するように訓練される。複数の機械学習アルゴリズムおよび複数のデータ置換プロシージャから、最良性能の機械学習アルゴリズムのうちの少なくとも1つおよび/または最良性能のデータ置換プロシージャのうちの少なくとも1つを選択することによって、以前に訓練されていない新しいデータに対して良好に機能する状態分類を行うための自動分類プロシージャが得られる。
帰木(CART)、一般線形モデル(GLM)、サポートベクターマシン(SVM)、K近傍法(KNN)、人工ニューラルネットワーク(ANN)、ツリーバギング(Tree Bagging)、Extreme Gradient Boosting Machine(xGBM1およびxGBM2)、ランダ
ムフォースト(RF)およびC5.0を含む。図17の各ボックスの上部境界および下部境界ならびに各ボックス内の水平実線はそれぞれ、Q3値およびQ1値ならびに中央値を表す。実線は、範囲の上限および下限を表す。黒丸は、平均値を表す。点線は、+/-1標準偏差の範囲を表す。空丸は、存在する場合、上側および下側外れ値を表す。
たデータ(訓練中に使用されなかった200個の新事例)を分類するときに欠損データ置換を使用した自動分類プロシージャの出力と、これらの新事例に対する人間のエキスパートオピニオンとを比較することによって得られる。この例において、以下のクラスが用いられる。
- 電力網アセットが何らかのアテンションを必要とすることを示す第2のクラス(ii)
- 電力網アセットが即時のアテンションを必要とすることを示す第3のクラス(iii)
機械学習アルゴリズムは、複雑な電力変圧器データを分析するとき、エンジニアリングモデルを使用しなくても、優れた精度を示した。言い換えれば、これらのアルゴリズムには、所定のパラメータが許容可能な範囲内または「正常」レベル外にあることを示す参照レベルまたはフラグを与える必要はない。12個の機械学習モデルには、変圧器の人間のエキスパートが過去に確立したクラス(i)、(ii)および(iii)の間の最終分類のみが与えられた。
ラスの事例を第(iii)クラスの事例として「不正確」だが保守的に誤分類し、3つの第(ii)クラスの事例を第(i)クラスの事例として誤分類し、3つの第(ii)クラスの事例を第(iii)クラスの事例として誤分類した。第(iii)クラスの事例を誤分類しなかった。実際には、有意な数の誤りは、合計200個の事例の中、3つの第(ii)クラスの事例を第(i)クラスの事例として誤分類した(すなわち、人間のエキスパートが何らかのアテンションを必要とすると考えた電力変圧器を通常の電力変圧器として分類した)ことである。すなわち、3/200=1.5%という実際の誤りをもたらした。他の誤りは、保守的であり、可能な故障のような好ましくない状況を引き起こさない。
自動分類プロシージャの適応結果(1つ以上の異なるデータ置換プロシージャを用いて複数の機械学習アルゴリズムを訓練することを含み得る)を用いて、電力変圧器または別の電力網アセットの状態分類を行ってもよい。例えば、自動分類モジュール31によって実行される自動分類プロシージャは、いくつかの訓練された機械学習技術のうち、最良の性能を示した1つに依存してもよい。電力網アセット状態分類を行うために自動分類プロシージャを適応させる際に得られた付加情報は、状態分類装置によって使用されてもよい。
- デフォルト値を使用すること、
- 統計分布の平均値または中央値を使用すること、
- 統計分布に従って決定されたランダム値を使用すること、
- ハード値補定、
- パラメータ相関に基づいて決定された値を使用すること、
からなる群から選択されてもよい。欠損データ置換プロシージャ171、172、173のうちの少なくとも1つは、(例えば、デフォルト値、推測値、平均値または中央値を用いた)単一代入法(Single value imputation)であってもよい。少なくとも1つの他の
欠損データ置換プロシージャ171、172、173は、より複雑なプロシージャであってもよく、例えば、特徴相関、多重代入法(Multiple Imputation)、または確率的信頼
伝播を使用してもよい。
上述したように、状態分類装置30によって行われた状態分類の結果は、状態分類装置30のユーザインターフェイス35を介してローカルに出力されてもよい。本明細書に開示される技術は、広域ネットワークまたはインターネット37を介して互いに通信する複数の空間的に分離されたコンピューティング装置を含むシステムにも使用されてもよい。
上記で既に説明したように、電力網アセットに対して利用不可能な1つ以上のパラメータ値の代替値を、様々な理由によって、例えば、自動分類プロシージャの入力として必要とされるパラメータ値のためのセンサが無いことによって、生成する必要がある。
以下の実施形態が、開示される。
電力網用の方法であって、
電子装置を用いて、電力網アセットの状態分類を行うための自動分類プロシージャを実行することを含み、
自動分類プロシージャは、パラメータ値のセットを入力として用いて、状態分類を行い、
パラメータ値のセットのうちサブセットのみが電力網アセットに利用することができ、セットのうちの少なくとも1つのパラメータ値が電力網アセットに対して利用不可能であり、
電子装置を用いて、少なくとも1つの代替パラメータ値を決定するように欠損データ置換プロシージャを実行することと、
パラメータ値のサブセットと少なくとも1つの代替パラメータ値との組み合わせを自動分類プロシージャの入力として用いて、電力網アセットの状態分類を取得することとを含む。
欠損データ置換プロシージャは、電力網アセットの動作中にオンライン監視が実行されていないパラメータ値の代替値を決定するように実行される、実施形態1に記載の方法。
欠損データ置換プロシージャは、電力網アセットの製造または設置後に、自動分類プロシージャの入力に組み込まれたパラメータ値の代替値を決定するように実行される、実施形態1または実施形態2に記載の方法。
欠損データ置換プロシージャは、電力網アセットの動作状態に依存しないパラメータ値の代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、電力網アセットの年齢の代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、電力網アセットの電圧級別、パワー、または重要度等級の代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、電力網アセットのスルーフォルトの代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
電力網アセットは、絶縁システムを備え、
欠損データ置換プロシージャは、絶縁システムに関連する少なくとも1つのパラメータの代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
絶縁システムは、油絶縁システムを含む、実施形態8に記載の方法。
欠損データ置換プロシージャは、油界面張力、油絶縁耐力、油力率、油絶縁システムの絶縁油中の水分、および油絶縁システムのシステム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態9に記載の方法。
欠損データ置換プロシージャは、油絶縁システムの絶縁油に溶解した少なくとも1つのガスの濃度の代替値を決定するように実行される、実施形態9または実施形態10に記載の方法。
少なくとも1つのガスは、H2、CH4、C2H2、C2H4、C2H6、CO、CO2、O2、およびN2からなる群から選択される、実施形態11に記載の方法。
絶縁システムは、ガス絶縁システムを含む、実施形態8から12のいずれか1つに記載の方法。
電力網アセットは、巻線を備え、
欠損データ置換プロシージャは、巻線の少なくとも1つのパラメータの代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、巻線力率、巻線容量、および巻線温度からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態14に記載の方法。
電力網アセットは、ブッシングを備え、
欠損データ置換プロシージャは、ブッシングの少なくとも1つのパラメータの代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、ブッシングのブッシング力率、ブッシング容量およびブッシング種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態16に記載の方法。
電力網アセットは、冷却システムを備え、
欠損データ置換プロシージャは、冷却システムの少なくとも1つのパラメータの代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、冷却システムの状態および冷却システムの冷却システム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態18に記載の方法。
電力網アセットは、負荷タップ切換器を備え、
欠損データ置換プロシージャは、負荷タップ切換器の少なくとも1つのパラメータの代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、負荷タップ切換器の状態または負荷タップ切換器の負荷タップ切換器種類の代替値を決定するように実行される、実施形態20に記載の方法。
欠損データ置換プロシージャは、電力網アセットに接続された負荷の代替値を決定するように実行される、先行する実施形態のいずれか1つに記載の方法。
電力網アセットは、変圧器である、先行する実施形態のいずれか1つに記載の方法。
変圧器は、電力変圧器である、実施形態23に記載の方法。
変圧器は、配電変圧器である、実施形態23に記載の方法。
変圧器は、高圧変圧器である、実施形態25に記載の方法。
電力網アセットは、発電機である、実施形態1から22のいずれか1つに記載の方法。
欠損データ置換プロシージャが実行されているときに、状態分類の精度を示す信頼情報を決定することと、
信頼情報を出力することとをさらに含む、先行する実施形態のいずれか1つに記載の方法。
電子装置を用いて、複数の欠損データ置換プロシージャから欠損データ置換プロシージ
ャを選択することをさらに含む、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、パラメータ値のセットのうち、電力網アセットに対して利用不可能なパラメータ値に応じて選択される、実施形態29に記載の方法。
少なくとも2つの異なる欠損データ置換プロシージャは、セットのうち、電力網アセットに対して利用不可能な少なくとも2つの異なるパラメータ値に対して実行される、実施形態29または30に記載の方法。
複数の欠損データ置換プロシージャのうち、電力網アセットの状態分類の精度を最大化する1つが選択される、実施形態29から31のいずれか1つに記載の方法。
パラメータ値のセットからの第1のパラメータ値および第2のパラメータ値は、電力網アセットに対して利用不可能であり、
第1の欠損データ置換プロシージャは、第1のパラメータ値の第1の代替パラメータ値を自動的に決定するように実行され、
第2の欠損データ置換プロシージャは、第2のパラメータ値の第2の代替パラメータ値を自動的に決定するように実行され、
第2の欠損データ置換プロシージャは、第1の欠損データ置換プロシージャとは異なる、先行する実施形態のいずれか1つに記載の方法。
第1の欠損データ置換プロシージャを用いて第1の代替パラメータ値および第2の代替パラメータ値の両方を決定する場合に比べて、第2の欠損データ置換プロシージャを実行して第2の代替パラメータ値を決定することによって、状態分類の精度が高くなる、実施形態33に記載の方法。
自動分類プロシージャは、機械学習アルゴリズムを含む、先行する実施形態のいずれか1つに記載の方法。
自動分類プロシージャは、複数の自動分類プロシージャから選択される、先行する実施形態のいずれか1つに記載の方法。
複数の自動分類プロシージャは、線形アルゴリズム、非線形アルゴリズム、およびアンサンブルアルゴリズムからなる群から選択されるプロシージャを含む、実施形態36に記載の方法。
複数の自動分類プロシージャは、一般線形回帰(GLM)および線形判別分析(LDA)からなる群から選択される線形アルゴリズムを含む、実施形態36または実施形態37に記載の方法。
複数の自動分類プロシージャは、分類および回帰木(CART)、ナイーブベイズアルゴリズム(NB)、ベイジアンネットワーク、K近傍法(KNN)、およびサポートベクトルマシン(SVM)からなる群から選択される非線形アルゴリズムを含む、実施形態36から38のいずれか1つに記載の方法。
複数の自動分類プロシージャは、ランダムフォレスト、ツリーバギング、極度勾配ブースティングマシン、および人工ニューラルネットワークからなる群から選択されるアンサンブルアルゴリズムを含む、実施形態36から39のいずれか1つに記載の方法。
欠損データ置換プロシージャは、以下のプロシージャ、すなわち、デフォルト値を使用するプロシージャ、統計分布の平均値または中央値を使用するプロシージャ、統計分布に従って決定されたランダム値を使用するプロシージャ、ハード値補定、パラメータ多変量相関に基づいて決定された値を使用するプロシージャからなる群から選択される、先行する実施形態のいずれか1つに記載の方法。
欠損データ置換プロシージャは、多変量回帰またはピアソン相関を用いて、少なくとも1つの代替パラメータ値を決定することを含む、先行する実施形態のいずれか1つに記載の方法。
電子装置を用いて、複数のセンサから、電力網アセットのパラメータ値のサブセットの全部または一部を受信することをさらに含む、先行する実施形態のいずれか1つに記載の方法。
データは、電力網アセットの動作中に受信され、
自動分類プロシージャは、電力網アセットの動作中にオンラインで実行される、実施形態43に記載の方法。
自動分類プロシージャは、電力網アセットを少なくとも3つの異なるクラスのうちの1つに割り当てるように動作する、先行する実施形態のいずれか1つに記載の方法。
少なくとも3つの異なるクラスは、電力網アセットが正常に動作することを示す第1のクラスと、電力網アセットがアテンションを必要とすることを示す第2のクラスと、電力網アセットが即時のアテンションを必要とすることを示す第3のクラスとを含む、実施形態45に記載の方法。
電子装置であって、
電力網アセットに関連付けられたデータを受信するインターフェイスと、
電力網アセットの状態分類を行うための自動分類プロシージャを実行するように構成された処理装置とを含み、自動分類プロシージャは、パラメータ値のセットを入力として使用するように動作可能であり、
パラメータ値のセットのうちサブセットのみが電力網アセットに利用することができ、セットのうちの少なくとも1つのパラメータ値が電力網アセットに対して利用不可能であ
り、
処理装置は、
少なくとも1つの代替パラメータ値を決定するように欠損データ置換プロシージャを実行し、
パラメータ値のサブセットと少なくとも1つの代替パラメータ値との組み合わせを自動分類プロシージャの入力として用いて、電力網アセットの状態分類を取得するようにさらに構成される。
処理装置は、広域ネットワークまたはインターネットを介して、電力網アセットの状態分類の結果を出力するようにさらに構成される、実施形態47に記載の電子装置。
電子装置は、実施形態1から46のいずれか1つに記載された方法を実行するように構成される、実施形態47または48に記載の電子装置。
電力網であって、
電力網アセットと、
実施形態46から48のいずれか1つに記載された、電力網アセットの状態分類を行う電子装置とを含む。
電力網アセットは、変圧器、特に、電力変圧器、配電変圧器、または高圧変圧器である、実施形態50記載の電力網。
電力網アセットは、発電機である、実施形態50記載の電力網。
電子装置のプロセッサによって実行されると、電子装置に実施形態1から46のいずれか1つに記載された方法を実行させる命令を含む機械可読命令コード。
電力網アセットの状態分類を行うための自動分類プロシージャを提供する方法であって、
パラメータ値のセットを入力として用いて状態分類を行うように、機械学習アルゴリズムを訓練することを含み、
訓練は、複数の電力網アセットに関連付けられた訓練データを用いて実行され、
機械学習アルゴリズムを訓練する時に、欠損データ置換プロシージャを実行することを含み、
欠損データ置換プロシージャは、パラメータ値のセットのうち、訓練データに欠損している少なくとも1つのパラメータ値の代替パラメータ値を生成する。
機械学習アルゴリズムを訓練することは、訓練データを用いて複数の機械学習アルゴリズムを訓練することを含み、
方法は、
訓練の後に性能評価を実行することと、
性能評価に基づいて、状態分類に使用される複数の機械学習アルゴリズムのうちの少
なくとも1つを選択することとをさらに含む、実施形態54に記載の方法。
欠損データ置換プロシージャを実行することは、機械学習アルゴリズムを訓練する時に、複数の欠損データ置換プロシージャを実行することを含み、
方法は、
訓練の後に性能評価を実行することと、
性能評価に基づいて、状態分類に使用される複数の異なる欠損データ置換プロシージャのうちの少なくとも1つを選択することとをさらに含む、実施形態54または実施形態55に記載の方法。
性能評価は、訓練データと異なる試験データを用いて実行される、実施形態55または実施形態56に記載の方法。
機械学習アルゴリズムは、教師あり学習を用いて訓練される、実施形態54から57のいずれか1つに記載の方法。
欠損データ置換プロシージャは、複数の電力網アセットのうちの少なくとも1つの電力網アセットの年齢の代替値を決定するように実行される、実施形態54から58のいずれか1つに記載の方法。
欠損データ置換プロシージャは、複数の電力網アセットのうちの少なくとも1つの電力網アセットの電圧級別、パワー、または重要度等級の代替値を決定するように実行される、実施形態54から59のいずれか1つに記載の方法。
欠損データ置換プロシージャは、複数の電力網アセットのうちの少なくとも1つの電力網アセットのスルーフォルトの代替値を決定するように実行される、実施形態54から60のいずれか1つに記載の方法。
複数の電力網アセットのうちの少なくとも1つの電力網アセットは、絶縁システムを備え、
欠損データ置換プロシージャは、絶縁システムに関連する少なくとも1つのパラメータの代替値を決定するように実行される、実施形態54から61のいずれか1つに記載の方法。
絶縁システムは、油絶縁システムを含む、実施形態62に記載の方法。
欠損データ置換プロシージャは、油界面張力、油絶縁耐力、油力率、油絶縁システムの絶縁油中の水分、および油絶縁システムのシステム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態63に記載の方法。
欠損データ置換プロシージャは、油絶縁システムの絶縁油に溶解した少なくとも1つのガスの濃度の代替値を決定するように実行される、実施形態63または実施形態64に記載の方法。
少なくとも1つのガスは、H2、CH4、C2H2、C2H4、C2H6、CO、CO2、O2、およびN2からなる群から選択される、実施形態65に記載の方法。
絶縁システムは、ガス絶縁システムを含む、実施形態62から66のいずれか1つに記載の方法。
複数の電力網アセットのうちの少なくとも1つの電力網アセットは、巻線を備え、
欠損データ置換プロシージャは、巻線の少なくとも1つのパラメータの代替値を決定するように実行される、実施形態54から67のいずれか1つに記載の方法。
欠損データ置換プロシージャは、巻線力率、巻線容量、および巻線温度からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態68に記載の方法。
複数の電力網アセットのうちの少なくとも1つの電力網アセットは、ブッシングを備え、
欠損データ置換プロシージャは、ブッシングの少なくとも1つのパラメータの代替値を決定するように実行される、実施形態54から69のいずれか1つに記載の方法。
欠損データ置換プロシージャは、ブッシングのブッシング力率、ブッシング容量およびブッシング種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態70に記載の方法。
複数の電力網アセットのうちの少なくとも1つの電力網アセットは、冷却システムを備え、
欠損データ置換プロシージャは、冷却システムの少なくとも1つのパラメータの代替値を決定するように実行される、実施形態54から71のいずれか1つに記載の方法。
欠損データ置換プロシージャは、冷却システムの状態および冷却システムの冷却システム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、実施形態72に記載の方法。
複数の電力網アセットのうちの少なくとも1つの電力網アセットは、負荷タップ切換器を備え、
欠損データ置換プロシージャは、負荷タップ切換器の少なくとも1つのパラメータの代替値を決定するように実行される、実施形態54から73のいずれか1つに記載の方法。
欠損データ置換プロシージャは、負荷タップ切換器の状態または負荷タップ切換器の負荷タップ切換器種類の代替値を決定するように実行される、実施形態74に記載の方法。
欠損データ置換プロシージャは、複数の電力網アセットのうちの少なくとも1つの電力網アセットに接続された負荷の代替値を決定するように実行される、実施形態54から75に記載の方法。
機械学習アルゴリズムは、線形アルゴリズム、非線形アルゴリズム、およびアンサンブルアルゴリズムからなる群から選択される、実施形態54から76に記載の方法。
機械学習アルゴリズムは、一般線形回帰(GLM)および線形判別分析(LDA)からなる群から選択される線形アルゴリズムである、実施形態77に記載の方法。
機械学習アルゴリズムは、分類および回帰木(CART)、ナイーブベイズアルゴリズム(NB)、ベイジアンネットワーク、K近傍法(KNN)、およびサポートベクトルマシン(SVM)からなる群から選択される非線形アルゴリズムである、実施形態77に記載の方法。
機械学習アルゴリズムは、ランダムフォレスト、ツリーバギング、極度勾配ブースティングマシン、および人工ニューラルネットワークからなる群から選択されるアンサンブルアルゴリズムである、実施形態77に記載の方法。
欠損データ置換プロシージャは、以下のプロシージャ、すなわち、デフォルト値を使用するプロシージャ、統計分布の平均値または中央値を使用するプロシージャ、統計分布に従って決定されたランダム値を使用するプロシージャ、ハード値補定、パラメータ多変量相関に基づいて決定された値を使用するプロシージャからなる群から選択される、実施形態54から80のいずれか1つに記載の方法。
欠損データ置換プロシージャは、多変量回帰またはピアソン相関を用いて、少なくとも1つの代替パラメータ値を決定することを含む、実施形態54から81のいずれか1つに記載の方法。
訓練データに基づいて、多変量相関またはピアソン相関を決定することをさらに含む、実施形態82に記載の方法。
複数の電力網アセットは、複数の変圧器を含む、実施形態54から83のいずれか1つに記載の方法。
複数の変圧器は、電力変圧器、配電変圧器、または高圧変圧器を含む、実施形態84に記載の方法。
訓練データは、複数の変圧器の履歴動作パラメータを含む、実施形態84または実施形態85に記載の方法。
電子コンピューティング装置によって実行されると、コンピューティング装置に実施形態54から86のいずれか1つに記載された方法を実行させる命令を含む機械可読命令コード。任意に、機械可読命令コードは、有形の記録媒体に記録される。
本発明の実施形態に従う方法、装置、電力網、およびコンピュータ可読命令コードは、必要なパラメータ値の全てが利用できない電力網アセットの状態分類に良好な分類結果を提供する一方で、多くの入力を処理し得る状態分類ツールの必要性に対処する。また、実施形態に従う方法、装置、電力網、およびコンピュータ可読命令コードは、欠損しているデータ置換戦略が得られた状態分類結果の信頼水準に与える影響に関する情報を提供してもよい。
。特定の要素またはステップが別個の請求項に列挙されていることは、これらの要素またはステップの組み合わせが有利に使用されないことを示しておらず、具体的には、請求項の依存性に加えて、任意のさらなる請求項の意味のある組み合わせを含むと考えられる。
Claims (87)
- 電力網用の方法であって、
電子装置が、前記電力網アセットの状態分類を行うための自動分類プロシージャを実行することを含み、
前記自動分類プロシージャは、入力としてパラメータ値のセットを用いて、前記状態分類を行い、
前記パラメータ値のセットのうちサブセットのみが前記電力網アセットに対して利用可能であり、前記セットのうちの少なくとも1つのパラメータ値が前記電力網アセットに対して利用不可能であり、
前記電子装置が、少なくとも1つの代替パラメータ値を決定するように欠損データ置換プロシージャを実行することと、
前記自動分類プロシージャの入力として前記パラメータ値のサブセットと前記少なくとも1つの代替パラメータ値との組み合わせを用いて、前記電力網アセットの前記状態分類を取得することとを含む、方法。 - 前記欠損データ置換プロシージャは、前記電力網アセットの動作中にオンライン監視が実行されていないパラメータ値の代替値を決定するように実行される、請求項1に記載の方法。
- 前記欠損データ置換プロシージャは、前記電力網アセットの製造または設置後に、前記自動分類プロシージャの前記入力に組み込まれたパラメータ値の代替値を決定するように実行される、請求項1または請求項2に記載の方法。
- 前記欠損データ置換プロシージャは、前記電力網アセットの動作状態に依存しないパラメータ値の代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記電力網アセットの年齢の代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記電力網アセットの電圧級別、パワー、または重要度等級の代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記電力網アセットのスルーフォルトの代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。
- 前記電力網アセットは、絶縁システムを備え、
前記欠損データ置換プロシージャは、前記絶縁システムに関連する少なくとも1つのパラメータの代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。 - 前記絶縁システムは、油絶縁システムを含む、請求項8に記載の方法。
- 前記欠損データ置換プロシージャは、油界面張力、油絶縁耐力、油力率、前記油絶縁システムの絶縁油中の水分、および前記油絶縁システムのシステム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項9に記載の方法。
- 前記欠損データ置換プロシージャは、前記油絶縁システムの絶縁油に溶解した少なくとも1つのガスの濃度の代替値を決定するように実行される、請求項9または請求項10に記載の方法。
- 前記少なくとも1つのガスは、H2、CH4、C2H2、C2H4、C2H6、CO、CO2、O2、およびN2からなる群から選択される、請求項11に記載の方法。
- 前記絶縁システムは、ガス絶縁システムを含む、請求項8から12のいずれか一項に記載の方法。
- 前記電力網アセットは、巻線を備え、
前記欠損データ置換プロシージャは、前記巻線の少なくとも1つのパラメータの代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、巻線力率、巻線容量、および巻線温度からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項14に記載の方法。
- 前記電力網アセットは、ブッシングを備え、
前記欠損データ置換プロシージャは、前記ブッシングの少なくとも1つのパラメータの代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、前記ブッシングのブッシング力率、ブッシング容量およびブッシング種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項16に記載の方法。
- 前記電力網アセットは、冷却システムを備え、
前記欠損データ置換プロシージャは、前記冷却システムの少なくとも1つのパラメータの代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、前記冷却システムの状態および前記冷却システムの冷却システム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項18に記載の方法。
- 前記電力網アセットは、負荷タップ切換器を備え、
前記欠損データ置換プロシージャは、前記負荷タップ切換器の少なくとも1つのパラメータの代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、前記負荷タップ切換器の状態または前記負荷タップ切換器の負荷タップ切換器種類の代替値を決定するように実行される、請求項20に記載の方法。
- 前記欠損データ置換プロシージャは、前記電力網アセットに接続された負荷の代替値を決定するように実行される、先行する請求項のいずれか一項に記載の方法。
- 前記電力網アセットは、変圧器である、先行する請求項のいずれか一項に記載の方法。
- 前記変圧器は、電力変圧器である、請求項23に記載の方法。
- 前記変圧器は、配電変圧器である、請求項23に記載の方法。
- 前記変圧器は、高圧変圧器である、請求項25に記載の方法。
- 前記電力網アセットは、発電機である、請求項1から22のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャが実行されているときに、前記状態分類の精度を示す信頼情報を決定することと、
前記信頼情報を出力することとをさらに含む、先行する請求項のいずれか一項に記載の方法。 - 前記電子装置が、複数の欠損データ置換プロシージャから前記欠損データ置換プロシージャを選択することをさらに含む、先行する請求項のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記パラメータ値のセットのうち、前記電力網アセットに対して利用不可能なパラメータ値に応じて選択される、請求項29に記載の方法。
- 少なくとも2つの異なる前記欠損データ置換プロシージャは、前記セットのうち、前記電力網アセットに対して利用不可能な少なくとも2つの異なるパラメータ値に対して実行される、請求項29または30に記載の方法。
- 前記複数の欠損データ置換プロシージャのうち、前記電力網アセットの前記状態分類の精度を最大化する1つが選択される、請求項29から31のいずれか一項に記載の方法。
- 前記パラメータ値のセットからの第1のパラメータ値および第2のパラメータ値は、前記電力網アセットに対して利用不可能であり、
第1の欠損データ置換プロシージャは、前記第1のパラメータ値の第1の代替パラメータ値を自動的に決定するように実行され、
第2の欠損データ置換プロシージャは、前記第2のパラメータ値の第2の代替パラメータ値を自動的に決定するように実行され、
前記第2の欠損データ置換プロシージャは、前記第1の欠損データ置換プロシージャとは異なる、先行する請求項のいずれか一項に記載の方法。 - 前記第1の欠損データ置換プロシージャを用いて前記第1の代替パラメータ値および前記第2の代替パラメータ値の両方を決定する場合に比べて、前記第2の欠損データ置換プロシージャを実行して前記第2の代替パラメータ値を決定することによって、前記状態分類の精度が高くなる、請求項33に記載の方法。
- 前記自動分類プロシージャは、機械学習アルゴリズムを含む、先行する請求項のいずれか一項に記載の方法。
- 前記自動分類プロシージャは、複数の自動分類プロシージャから選択される、先行する請求項のいずれか一項に記載の方法。
- 前記複数の自動分類プロシージャは、線形アルゴリズム、非線形アルゴリズム、およびアンサンブルアルゴリズムからなる群から選択されるプロシージャを含む、請求項36に記載の方法。
- 前記複数の自動分類プロシージャは、一般線形回帰(GLM)および線形判別分析(LDA)からなる群から選択される線形アルゴリズムを含む、請求項36または請求項37に記載の方法。
- 前記複数の自動分類プロシージャは、分類および回帰木(CART)、ナイーブベイズアルゴリズム(NB)、ベイジアンネットワーク、K近傍法(KNN)、およびサポートベクトルマシン(SVM)からなる群から選択される非線形アルゴリズムを含む、請求項36から38のいずれか一項に記載の方法。
- 前記複数の自動分類プロシージャは、ランダムフォレスト、ツリーバギング、極度勾配ブースティングマシン、および人工ニューラルネットワークからなる群から選択されるアンサンブルアルゴリズムを含む、請求項36から39のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、
- デフォルト値を使用すること、
- 統計分布の平均値または中央値を使用すること、
- 統計分布に従って決定されたランダム値を使用すること、
- ハード値補定、
- パラメータ多変量相関に基づいて決定された値を使用すること、からなる群から選択される、先行する請求項のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、多変量回帰またはピアソン相関を用いて、前記少なくとも1つの代替パラメータ値を決定することを含む、先行する請求項のいずれか一項に記載の方法。
- 前記電子装置が、複数のセンサから、前記電力網アセットに対する前記パラメータ値のうちのサブセットの全部または一部を受信することをさらに含む、先行する請求項のいずれか一項に記載の方法。
- 前記データは、前記電力網アセットの動作中に受信され、
前記自動分類プロシージャは、前記電力網アセットの動作中にオンラインで実行される、請求項43に記載の方法。 - 前記自動分類プロシージャは、前記電力網アセットを少なくとも3つの異なるクラスのうちの1つに割り当てるように動作する、先行する請求項のいずれか一項に記載の方法。
- 前記少なくとも3つの異なるクラスは、
- 前記電力網アセットが正常に動作することを示す第1のクラスと、
- 前記電力網アセットがアテンションを必要とすることを示す第2のクラスと、
ー 前記電力網アセットが即時のアテンションを必要とすることを示す第3のクラスとを含む、請求項45に記載の方法。 - 電子装置であって、
電力網アセットに関連付けられたデータを受信するインターフェイスと、
前記電力網アセットの状態分類を行うための自動分類プロシージャを実行するように構成された処理装置とを含み、前記自動分類プロシージャは、入力としてパラメータ値のセットを使用するように動作可能であり、
前記パラメータ値のセットのうちサブセットのみが前記電力網アセットに対して利用可能であり、前記セットのうちの少なくとも1つのパラメータ値が前記電力網アセットに対して利用不可能であり、
前記処理装置は、
少なくとも1つの代替パラメータ値を決定するように欠損データ置換プロシージャを実行し、
前記自動分類プロシージャの入力として前記パラメータ値のサブセットと前記少なくとも1つの代替パラメータ値との組み合わせを用いて、前記電力網アセットの前記状態分類を取得するようにさらに構成される、電子装置。 - 前記処理装置は、広域ネットワークまたはインターネットを介して、前記電力網アセットの前記状態分類の結果を出力するようにさらに構成される、請求項47に記載の電子装置。
- 前記電子装置は、請求項1から46のいずれか一項に記載された前記方法を実行するように構成される、請求項47または48に記載の電子装置。
- 電力網であって、
電力網アセットと、
請求項46から48のいずれか一項に記載された、前記電力網アセットの状態分類を行う前記電子装置とを含む、電力網。 - 前記電力網アセットは、変圧器、特に、電力変圧器、配電変圧器、または高圧変圧器である、請求項50記載の電力網。
- 前記電力網アセットは、発電機である、請求項50記載の電力網。
- 電子装置のプロセッサによって実行されると、前記電子装置に請求項1から46のいずれか一項に記載された前記方法を実行させる命令を含む機械可読命令コード。
- 電力網アセットの状態分類を行うための自動分類プロシージャを提供する方法であって、
入力としてパラメータ値のセットを用いて状態分類を行うように、機械学習アルゴリズムを訓練することを含み、
前記訓練は、複数の電力網アセットに関連付けられた訓練データを用いて実行され、
前記機械学習アルゴリズムを訓練するときに、欠損データ置換プロシージャを実行することを含み、
前記欠損データ置換プロシージャは、前記パラメータ値のセットのうち、前記訓練データに欠損している少なくとも1つのパラメータ値の代替パラメータ値を生成する、方法。 - 前記機械学習アルゴリズムを訓練することは、前記訓練データを用いて複数の機械学習アルゴリズムを訓練することを含み、
前記方法は、
前記訓練の後に性能評価を実行することと、
前記性能評価に基づいて、前記状態分類に使用される前記複数の機械学習アルゴリズムのうちの少なくとも1つを選択することとをさらに含む、請求項54に記載の方法。 - 前記欠損データ置換プロシージャを実行することは、前記機械学習アルゴリズムを訓練するときに、複数の欠損データ置換プロシージャを実行することを含み、
前記方法は、
前記訓練の後に性能評価を実行することと、
前記性能評価に基づいて、前記状態分類に使用される前記複数の異なる欠損データ置換プロシージャのうちの少なくとも1つを選択することとをさらに含む、請求項54また
は請求項55に記載の方法。 - 前記性能評価は、前記訓練データとは異なる試験データを用いて実行される、請求項55または請求項56に記載の方法。
- 前記機械学習アルゴリズムは、教師あり学習を用いて訓練される、請求項54から57のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記複数の電力網アセットのうちの少なくとも1つの電力網アセットの年齢の代替値を決定するように実行される、請求項54から58のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記複数の電力網アセットのうちの少なくとも1つの電力網アセットの電圧級別、パワー、または重要度等級の代替値を決定するように実行される、請求項54から59のいずれか一項に記載の方法。
- 前記欠損データ置換プロシージャは、前記複数の電力網アセットのうちの少なくとも1つの電力網アセットのスルーフォルトの代替値を決定するように実行される、請求項54から60のいずれか一項に記載の方法。
- 前記複数の電力網アセットのうちの少なくとも1つの電力網アセットは、絶縁システムを備え、
前記欠損データ置換プロシージャは、前記絶縁システムに関連する少なくとも1つのパラメータの代替値を決定するように実行される、請求項54から61のいずれか一項に記載の方法。 - 前記絶縁システムは、油絶縁システムを含む、請求項62に記載の方法。
- 前記欠損データ置換プロシージャは、油界面張力、油絶縁耐力、油力率、前記油絶縁システムの絶縁油中の水分、および前記油絶縁システムのシステム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項63に記載の方法。
- 前記欠損データ置換プロシージャは、前記油絶縁システムの絶縁油に溶解した少なくとも1つのガスの濃度の代替値を決定するように実行される、請求項63または請求項64に記載の方法。
- 前記少なくとも1つのガスは、H2、CH4、C2H2、C2H4、C2H6、CO、CO2、O2、およびN2からなる群から選択される、請求項65に記載の方法。
- 前記絶縁システムは、ガス絶縁システムを含む、請求項62から66のいずれか一項に記載の方法。
- 前記複数の電力網アセットのうちの少なくとも1つの電力網アセットは、巻線を備え、
前記欠損データ置換プロシージャは、前記巻線の少なくとも1つのパラメータの代替値を決定するように実行される、請求項54から67のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、巻線力率、巻線容量、および巻線温度からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項68に記載の方法。
- 前記複数の電力網アセットのうちの少なくとも1つの電力網アセットは、ブッシングを備え、
前記欠損データ置換プロシージャは、前記ブッシングの少なくとも1つのパラメータの代替値を決定するように実行される、請求項54から69のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、前記ブッシングのブッシング力率、ブッシング容量およびブッシング種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項70に記載の方法。
- 前記複数の電力網アセットのうちの少なくとも1つの電力網アセットは、冷却システムを備え、
前記欠損データ置換プロシージャは、前記冷却システムの少なくとも1つのパラメータの代替値を決定するように実行される、請求項54から71のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、前記冷却システムの状態および前記冷却システムの冷却システム種類からなる群から選択される少なくとも1つのパラメータの代替値を決定するように実行される、請求項72に記載の方法。
- 前記複数の電力網アセットのうちの少なくとも1つの電力網アセットは、負荷タップ切換器を備え、
前記欠損データ置換プロシージャは、前記負荷タップ切換器の少なくとも1つのパラメータの代替値を決定するように実行される、請求項54から73のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、前記負荷タップ切換器の状態または前記負荷タップ切換器の負荷タップ切換器種類の代替値を決定するように実行される、請求項74に記載の方法。
- 前記欠損データ置換プロシージャは、前記複数の電力網アセットのうちの少なくとも1つの電力網アセットに接続された負荷の代替値を決定するように実行される、請求項54から75に記載の方法。
- 前記機械学習アルゴリズムは、線形アルゴリズム、非線形アルゴリズム、およびアンサンブルアルゴリズムからなる群から選択される、請求項54から76に記載の方法。
- 前記機械学習アルゴリズムは、一般線形回帰(GLM)および線形判別分析(LDA)からなる群から選択される線形アルゴリズムである、請求項77に記載の方法。
- 前記機械学習アルゴリズムは、分類および回帰木(CART)、ナイーブベイズアルゴリズム(NB)、ベイジアンネットワーク、K近傍法(KNN)、およびサポートベクトルマシン(SVM)からなる群から選択される非線形アルゴリズムである、請求項77に記載の方法。
- 前記機械学習アルゴリズムは、ランダムフォレスト、ツリーバギング、極度勾配ブースティングマシン、および人工ニューラルネットワークからなる群から選択されるアンサンブルアルゴリズムである、請求項77に記載の方法。
- 前記欠損データ置換プロシージャは、
- デフォルト値を使用すること、
- 統計分布の平均値または中央値を使用すること、
- 統計分布に従って決定されたランダム値を使用すること、
- ハード値補定、
- パラメータ多変量相関に基づいて決定された値を使用すること、からなる群から選択される、請求項54から80のいずれか一項に記載の方法。 - 前記欠損データ置換プロシージャは、多変量回帰またはピアソン相関を用いて、前記少なくとも1つの代替パラメータ値を決定することを含む、請求項54から81のいずれか一項に記載の方法。
- 前記訓練データに基づいて、多変量相関または前記ピアソン相関を決定することをさらに含む、請求項82に記載の方法。
- 前記複数の電力網アセットは、複数の変圧器を含む、請求項54から83のいずれか一項に記載の方法。
- 前記複数の変圧器は、電力変圧器、配電変圧器、または高圧変圧器を含む、請求項84に記載の方法。
- 前記訓練データは、前記複数の変圧器の履歴動作パラメータを含む、請求項84または請求項85に記載の方法。
- 電子コンピューティング装置によって実行されると、前記コンピューティング装置に請求項54から86のいずれか一項に記載された前記方法を実行させる命令を含む機械可読命令コード。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862620076P | 2018-01-22 | 2018-01-22 | |
US62/620,076 | 2018-01-22 | ||
EP18173698.4 | 2018-05-22 | ||
EP18173698.4A EP3514908B1 (en) | 2018-01-22 | 2018-05-22 | Methods and devices for condition classification of power network assets |
JP2020540466A JP7460864B2 (ja) | 2018-01-22 | 2019-01-22 | 電力網アセットの状態分類を行うための方法および装置 |
PCT/EP2019/051421 WO2019141856A1 (en) | 2018-01-22 | 2019-01-22 | Methods and devices for condition classification of power network assets |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020540466A Division JP7460864B2 (ja) | 2018-01-22 | 2019-01-22 | 電力網アセットの状態分類を行うための方法および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022184909A true JP2022184909A (ja) | 2022-12-13 |
JP7545451B2 JP7545451B2 (ja) | 2024-09-04 |
Family
ID=62235838
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020540466A Active JP7460864B2 (ja) | 2018-01-22 | 2019-01-22 | 電力網アセットの状態分類を行うための方法および装置 |
JP2022143173A Active JP7545451B2 (ja) | 2018-01-22 | 2022-09-08 | 電力網アセットの状態分類を行うための方法および装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020540466A Active JP7460864B2 (ja) | 2018-01-22 | 2019-01-22 | 電力網アセットの状態分類を行うための方法および装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210117449A1 (ja) |
EP (1) | EP3514908B1 (ja) |
JP (2) | JP7460864B2 (ja) |
KR (1) | KR102574016B1 (ja) |
CN (1) | CN111937266A (ja) |
CA (1) | CA3088836C (ja) |
WO (1) | WO2019141856A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3514908B1 (en) * | 2018-01-22 | 2022-02-09 | Hitachi Energy Switzerland AG | Methods and devices for condition classification of power network assets |
TWI715230B (zh) * | 2019-10-01 | 2021-01-01 | 財團法人資訊工業策進會 | 缺值補償方法、缺值補償系統及非暫態電腦可讀取媒體 |
JP2021068393A (ja) * | 2019-10-28 | 2021-04-30 | 富士通株式会社 | 情報処理システム、情報処理装置、および情報処理プログラム |
KR102520723B1 (ko) * | 2020-07-20 | 2023-04-12 | 주식회사 원프레딕트 | 유중 가스 데이터 보정을 기반으로 한 변압기 상태 결정 방법 및 이러한 방법을 사용하는 장치 |
US11563320B2 (en) * | 2020-07-20 | 2023-01-24 | Onepredict Co., Ltd. | Apparatus and method for determining transformer state based on correction of dissolved gas data |
DE102020120539A1 (de) | 2020-08-04 | 2022-02-10 | Maschinenfabrik Reinhausen Gmbh | Vorrichtung zur Ermittlung eines Fehlerwahrscheinlichkeitswerts für eine Transformatorkomponente sowie ein System mit einer derartigen Vorrichtung |
CN114531696A (zh) * | 2020-11-23 | 2022-05-24 | 维沃移动通信有限公司 | Ai网络部分输入缺失的处理方法和设备 |
KR102552534B1 (ko) * | 2021-02-16 | 2023-07-05 | 주식회사 케이티 | 변압기 냉각 제어 시스템 및 방법 |
CN113485986B (zh) * | 2021-06-25 | 2024-08-02 | 国网江苏省电力有限公司信息通信分公司 | 一种电力数据修复方法 |
CN114049505B (zh) * | 2021-10-11 | 2022-08-23 | 数采小博科技发展有限公司 | 一种商品的匹配与识别方法、装置、设备和介质 |
CN114065857A (zh) * | 2021-11-17 | 2022-02-18 | 国网山东省电力公司泰安供电公司 | 一种基于XGBoost和CNN的用电行为特征重构与提取方法 |
EP4231198A1 (en) | 2022-02-21 | 2023-08-23 | Hitachi Energy Switzerland AG | Method of generating a signal processing logic, device for controlling, monitoring, and/or analyzing a physical asset, and electric power system |
CN115442421B (zh) * | 2022-07-22 | 2024-07-23 | 云南电网有限责任公司 | 设备更换方法、装置、计算机设备和存储介质 |
CN116823230B (zh) * | 2023-08-22 | 2023-11-21 | 安徽博诺思信息科技有限公司 | 一种基于调度数据网的配电网故障状态提取方法 |
CN118245903B (zh) * | 2024-05-27 | 2024-09-20 | 国网湖北省电力有限公司武汉供电公司 | 基于人工智能的资产信息分类以及展示方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015075794A1 (ja) * | 2013-11-20 | 2015-05-28 | 株式会社 東芝 | 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法 |
JP2015104137A (ja) * | 2013-11-20 | 2015-06-04 | 株式会社東芝 | 電力抑制最適化システム及び電力抑制最適化方法 |
JP6185206B1 (ja) * | 2017-05-31 | 2017-08-23 | オーナンバ株式会社 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06139224A (ja) * | 1992-09-08 | 1994-05-20 | Hitachi Ltd | 情報処理装置および監視装置 |
JP4051534B2 (ja) * | 2002-01-29 | 2008-02-27 | 株式会社日立製作所 | 変電所システム |
JP2005309616A (ja) | 2004-04-19 | 2005-11-04 | Mitsubishi Electric Corp | 設備機器故障診断システム及び故障診断ルール作成方法 |
BRPI0502320A (pt) * | 2005-06-21 | 2007-02-06 | Siemens Ltda | sistema e método de monitoração e controle centralizado da condição de operação de transformadores de potência compreendidos em diferentes subestações e centro de monitoração |
US7457675B2 (en) * | 2005-08-15 | 2008-11-25 | Abb Inc. | External status asset monitor |
US8666936B2 (en) * | 2006-10-05 | 2014-03-04 | Trimble Navigation Limited | System and method for asset management |
US8078554B2 (en) * | 2008-09-03 | 2011-12-13 | Siemens Medical Solutions Usa, Inc. | Knowledge-based interpretable predictive model for survival analysis |
US8504214B2 (en) * | 2010-06-18 | 2013-08-06 | General Electric Company | Self-healing power grid and method thereof |
WO2012009804A1 (en) * | 2010-07-23 | 2012-01-26 | Corporation De L'ecole Polytechnique | Tool and method for fault detection of devices by condition based maintenance |
JP5734668B2 (ja) * | 2011-01-06 | 2015-06-17 | 株式会社東芝 | 保護制御計測装置 |
WO2012142355A1 (en) * | 2011-04-15 | 2012-10-18 | Abb Technology Ag | Dynamic assessment system for high-voltage electrical components |
CN102735760A (zh) | 2012-06-26 | 2012-10-17 | 河海大学 | 基于极端学习机的变压器油色谱数据预测方法 |
WO2014078830A2 (en) | 2012-11-19 | 2014-05-22 | Abb Technology Ag | Profiling transformer of power system |
CN102944796A (zh) | 2012-11-22 | 2013-02-27 | 浙江大学 | 海底观测网络多节点接驳的岸基模拟测试系统 |
US10001518B2 (en) * | 2013-02-04 | 2018-06-19 | Abb Schweiz Ag | System and method for power transmission and distribution asset condition prediction and diagnosis |
EP2819271B1 (de) * | 2013-06-24 | 2019-02-20 | Enrichment Technology Company Ltd. | Energiespeichermodul mit Gleichspannungszwischenkreis |
JP2015023668A (ja) * | 2013-07-18 | 2015-02-02 | 株式会社Nttファシリティーズ | 節電支援システム、及び節電支援装置 |
JP6160425B2 (ja) | 2013-10-04 | 2017-07-12 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
US10135247B2 (en) * | 2013-10-17 | 2018-11-20 | General Electric Company | Methods and systems for integrated Volt/VAr control in electric network |
US9471080B2 (en) * | 2013-10-21 | 2016-10-18 | Restore Nv | Portfolio managed, demand-side response system |
US20160140263A1 (en) * | 2014-11-18 | 2016-05-19 | General Electric Company | System and method for determining the current and future state of health of a power transformer |
AU2015282362B2 (en) * | 2015-01-06 | 2017-09-21 | Accenture Global Services Limited | Power distribution transformer load prediction analysis system |
JP6426010B2 (ja) * | 2015-01-14 | 2018-11-21 | 株式会社Nttドコモ | 電力供給システムの制御装置、制御方法およびプログラム |
CN107249434B (zh) * | 2015-02-12 | 2020-12-18 | 皇家飞利浦有限公司 | 鲁棒分类器 |
JPWO2017183232A1 (ja) * | 2016-04-19 | 2019-02-21 | 日本電気株式会社 | 制御装置、制御システム、制御方法及びプログラム |
CN106908674B (zh) * | 2017-02-17 | 2020-02-07 | 国网上海市电力公司 | 一种基于多状态量预测的变压器状态评估方法 |
US10089383B1 (en) * | 2017-09-25 | 2018-10-02 | Maana, Inc. | Machine-assisted exemplar based similarity discovery |
EP3514908B1 (en) * | 2018-01-22 | 2022-02-09 | Hitachi Energy Switzerland AG | Methods and devices for condition classification of power network assets |
US11080620B2 (en) * | 2018-05-10 | 2021-08-03 | International Business Machines Corporation | Localizing energy consumption anomalies in buildings |
-
2018
- 2018-05-22 EP EP18173698.4A patent/EP3514908B1/en active Active
-
2019
- 2019-01-22 WO PCT/EP2019/051421 patent/WO2019141856A1/en active Application Filing
- 2019-01-22 JP JP2020540466A patent/JP7460864B2/ja active Active
- 2019-01-22 US US16/963,710 patent/US20210117449A1/en active Pending
- 2019-01-22 KR KR1020207021300A patent/KR102574016B1/ko active IP Right Grant
- 2019-01-22 CN CN201980019172.4A patent/CN111937266A/zh active Pending
- 2019-01-22 CA CA3088836A patent/CA3088836C/en active Active
-
2022
- 2022-09-08 JP JP2022143173A patent/JP7545451B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015075794A1 (ja) * | 2013-11-20 | 2015-05-28 | 株式会社 東芝 | 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法 |
JP2015104137A (ja) * | 2013-11-20 | 2015-06-04 | 株式会社東芝 | 電力抑制最適化システム及び電力抑制最適化方法 |
JP6185206B1 (ja) * | 2017-05-31 | 2017-08-23 | オーナンバ株式会社 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111937266A (zh) | 2020-11-13 |
EP3514908B1 (en) | 2022-02-09 |
CA3088836C (en) | 2023-07-18 |
JP7545451B2 (ja) | 2024-09-04 |
BR112020014789A8 (pt) | 2022-10-18 |
KR20200101439A (ko) | 2020-08-27 |
JP7460864B2 (ja) | 2024-04-03 |
JP2021511006A (ja) | 2021-04-30 |
BR112020014789A2 (pt) | 2020-12-08 |
US20210117449A1 (en) | 2021-04-22 |
CA3088836A1 (en) | 2019-07-25 |
KR102574016B1 (ko) | 2023-09-01 |
EP3514908A1 (en) | 2019-07-24 |
WO2019141856A1 (en) | 2019-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7545451B2 (ja) | 電力網アセットの状態分類を行うための方法および装置 | |
CN111210024B (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
Senoussaoui et al. | Combining and comparing various machine‐learning algorithms to improve dissolved gas analysis interpretation | |
Khelif et al. | Direct remaining useful life estimation based on support vector regression | |
Sharma et al. | Review of artificial intelligence techniques application to dissolved gas analysis on power transformer | |
CN111241673A (zh) | 用于噪声环境工业设备的健康状态预测方法 | |
CN113343581B (zh) | 基于图马尔可夫神经网络的变压器故障的诊断方法 | |
Peimankar et al. | Ensemble classifier selection using multi-objective PSO for fault diagnosis of power transformers | |
Kefalas et al. | Automated machine learning for remaining useful life estimation of aircraft engines | |
Wani et al. | Diagnosis of incipient dominant and boundary faults using composite DGA method | |
Esmaeili Nezhad et al. | A review of the applications of machine learning in the condition monitoring of transformers | |
Nagpal et al. | Neural network based transformer incipient fault detection | |
Khelif et al. | Unsupervised Kernel Regression Modeling Approach for RUL Prediction. | |
CN115456032A (zh) | 基于深度混合多任务模型的剩余使用寿命预测方法 | |
Li | Remaining useful life prediction of bearings using fuzzy multimodal extreme learning regression | |
Pimentel et al. | Towards a real-time smart prognostics and health management (phm) of safety critical embedded systems | |
Hwang et al. | Development of Machine Learning based Model for Anomaly Detection and Fault Cause Diagnosis of Assets in Petrochemical Industries | |
Aizpurua et al. | Prognostics and health management oriented data analytics suite for transformer health monitoring | |
CN115616437B (zh) | 一种epc特种电源的智能调测控制方法及系统 | |
Jihin et al. | Health state assessment and lifetime prediction based on unsupervised state estimation | |
BR112020014789B1 (pt) | Método para uma rede de energia, dispositivo eletrônico, e rede de energia | |
Aggab et al. | An approach for assessment of level of degradation and RUL estimation for a dynamic systeme | |
Jia | Data Suitability Assessment and Enhancement for Machine Prognostics and Health Management Using Maximum Mean Discrepancy | |
Handayani et al. | HSMM multi-observations for prognostics and health management | |
de Carvalho Michalski et al. | Remaining Useful Life Estimation Based on an Adaptive Approach of Autoregressive Integrated Moving Average (ARIMA) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221004 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221004 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230803 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230816 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231019 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240116 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20240130 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20240205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7545451 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |