JP2024010829A - 部分放電判定システムおよび部分放電判定方法 - Google Patents
部分放電判定システムおよび部分放電判定方法 Download PDFInfo
- Publication number
- JP2024010829A JP2024010829A JP2022112359A JP2022112359A JP2024010829A JP 2024010829 A JP2024010829 A JP 2024010829A JP 2022112359 A JP2022112359 A JP 2022112359A JP 2022112359 A JP2022112359 A JP 2022112359A JP 2024010829 A JP2024010829 A JP 2024010829A
- Authority
- JP
- Japan
- Prior art keywords
- measurement data
- partial discharge
- determination
- data
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 13
- 238000005259 measurement Methods 0.000 claims abstract description 151
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 208000028659 discharge Diseases 0.000 description 97
- 238000004891 communication Methods 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013480 data collection Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010420 art technique Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
【課題】対象機器の環境変化に際して部分放電の判定性能を評価する。【解決手段】実施形態の部分放電判定部は、判定モデルを用いて、部分放電センサにより計測された計測データである対象計測データに部分放電信号が含まれているか否かを判定する。判定モデルは、対象機器から過去に計測された、部分放電信号の有無が既知である計測データである既知計測データを用いて、計測データを入力とし、部分放電信号の有無を示す検知結果を出力とするように学習される。類似判定部は、対象計測データと既知計測データとに基づいて、対象計測データが既知計測データと類似するか否かを判定する。性能評価部は、対象計測データが既知計測データと類似しない場合に、判定モデルの部分放電判定性能を評価する。【選択図】図1
Description
本発明の実施形態は部分放電判定システムおよび部分放電判定方法に関する。
電力機器において、絶縁破壊の前兆として発生する部分放電の検出を行う技術が知られている。部分放電を検出する方法の一例として、電力機器の近傍において電磁波や超音波などの波動を計測し、計測データから部分放電の有無を判定する方法がある。一方で、通常このような計測データには電力機器の環境に起因するノイズが含まれる。このようなノイズが含まれた計測データを用いて部分放電を判定するために、機械学習によって学習されたモデルを用いることがある。他方、モデルの学習時から電力機器の環境が変化すると、変化後のノイズをモデルが部分放電と誤認する可能性がある。
本発明が解決しようとする課題は、対象機器の環境変化に際して部分放電の判定性能を評価することができる部分放電判定システムおよび部分放電判定方法を提供することである。
実施形態の部分放電判定システムは、対象機器から部分放電信号を測定するための部分放電センサと、部分放電判定部と、類似判定部と、性能評価部とを持つ。部分放電判定部は、判定モデルを用いて、部分放電センサにより計測された計測データである対象計測データに部分放電信号が含まれているか否かを判定する。判定モデルは、対象機器から過去に計測された、部分放電信号の有無が既知である計測データである既知計測データを用いて、計測データを入力とし、部分放電信号の有無を示す検知結果を出力とするように学習される。類似判定部は、対象計測データと既知計測データとに基づいて、対象計測データが既知計測データと類似するか否かを判定する。性能評価部は、対象計測データが既知計測データと類似しない場合に、判定モデルの部分放電判定性能を評価する。
以下、実施形態の部分放電判定システムおよび部分放電判定方法を、図面を参照して説明する。
(第1の実施形態)
図1は、第1の実施形態に係る部分放電判定システムの構成を示す図である。
部分放電判定システム1は、1または複数のスイッチギア2と、部分放電センサ3と、データ収集装置4と、通信路5と、判定サーバ6とを備える。部分放電センサ3は、例えば、過渡接地電圧検出センサで、スイッチギア2の部分放電を検出するため、その筐体に取り付けられている。部分放電センサ3が検出した電気信号は、同軸ケーブル等を介してデータ収集装置4に入力される。
図1は、第1の実施形態に係る部分放電判定システムの構成を示す図である。
部分放電判定システム1は、1または複数のスイッチギア2と、部分放電センサ3と、データ収集装置4と、通信路5と、判定サーバ6とを備える。部分放電センサ3は、例えば、過渡接地電圧検出センサで、スイッチギア2の部分放電を検出するため、その筐体に取り付けられている。部分放電センサ3が検出した電気信号は、同軸ケーブル等を介してデータ収集装置4に入力される。
データ収集装置4は、部分放電センサ3からの電気信号に基づいて計測データを生成し、通信路5を介して判定サーバ6に伝送する装置である。
通信路5は、インターネットなどの広域通信網であってもよいし、構内通信網であってもよい。
判定サーバ6は、データ収集装置4から受信した計測データに基づいて、スイッチギア2の部分放電の有無を判定する。
通信路5は、インターネットなどの広域通信網であってもよいし、構内通信網であってもよい。
判定サーバ6は、データ収集装置4から受信した計測データに基づいて、スイッチギア2の部分放電の有無を判定する。
図2は、第1の実施形態に係るデータ収集装置4のハードウェア構成を示す図である。
データ収集装置4は、低雑音アンプ41、低域信号通過フィルタ42、サンプリングクロック回路43、アナログ-デジタル変換器44、通信インタフェース45、CPU46、メモリ47、DMA48(ダイレクトメモリアクセス)を備える。
低雑音アンプ41は、部分放電センサ3から同軸ケーブルを介して入力される電気信号を増幅する。低域信号通過フィルタ42は、増幅された電気信号から不要な高周波信号を除去する。このとき除去する周波数は、サンプリングクロック回路43のクロック周波数の1/2以下に設定する。
アナログ-デジタル変換器44は、低域信号通過フィルタ42の出力をサンプリングクロック回路43のクロック周波数で量子化することで、デジタルデータに変換する。以下、当該デジタルデータを波形データとよぶ。
データ収集装置4は、低雑音アンプ41、低域信号通過フィルタ42、サンプリングクロック回路43、アナログ-デジタル変換器44、通信インタフェース45、CPU46、メモリ47、DMA48(ダイレクトメモリアクセス)を備える。
低雑音アンプ41は、部分放電センサ3から同軸ケーブルを介して入力される電気信号を増幅する。低域信号通過フィルタ42は、増幅された電気信号から不要な高周波信号を除去する。このとき除去する周波数は、サンプリングクロック回路43のクロック周波数の1/2以下に設定する。
アナログ-デジタル変換器44は、低域信号通過フィルタ42の出力をサンプリングクロック回路43のクロック周波数で量子化することで、デジタルデータに変換する。以下、当該デジタルデータを波形データとよぶ。
DMA48は、データバス49を介して、波形データをメモリ47に逐次転送する。CPU46は、メモリ47に保存されたプログラムを読み出し、実行する。例えば、CPU46は、波形データをDMA48により転送するために、転送アドレスや転送サイズなどの設定を行う。
通信インタフェース45は、通信路5を介してデータの伝送を行うためのインタフェースである。通信インタフェース45は、波形データを所定のサイズごとに送信するために使用される。通信インタフェース45は、データバス49を流れる波形データを、所定の通信プロトコルに従って変換して送信する。
通信インタフェース45は、通信路5を介してデータの伝送を行うためのインタフェースである。通信インタフェース45は、波形データを所定のサイズごとに送信するために使用される。通信インタフェース45は、データバス49を流れる波形データを、所定の通信プロトコルに従って変換して送信する。
図3は、第1の実施形態に係る判定サーバ6のハードウェア構成を示す図である。判定サーバ6は、通信インタフェース61、記憶装置62、DMA63、メモリ64、CPU65を備える。
通信インタフェース61は、通信路5を介してデータ収集装置4と通信するためのインタフェースである。通信インタフェース61は、受信した波形データを離散フーリエ変換して周波数変換データを生成する。以下、波形データおよび周波数変換データを、計測データともいう。
DMA63は、通信インタフェース61とメモリ64とのデータの伝送、メモリ64と記憶装置62とのデータの伝送を行う。
通信インタフェース61は、通信路5を介してデータ収集装置4と通信するためのインタフェースである。通信インタフェース61は、受信した波形データを離散フーリエ変換して周波数変換データを生成する。以下、波形データおよび周波数変換データを、計測データともいう。
DMA63は、通信インタフェース61とメモリ64とのデータの伝送、メモリ64と記憶装置62とのデータの伝送を行う。
記憶装置62には、受信した計測データ(波形データおよび周波数データ)に関連付けて、部分放電判定結果、当該計測データが既知の計測データと類似しているか否かを示す類似判定結果、判定モデルが劣化しているか否かの性能判定結果、当該計測データを機械学習に用いたか否かを示す学習済みフラグが記録される。また記憶装置62には、部分放電の判定に用いる判定モデルと、あらかじめ取得済みの部分放電信号データとが記録されている。判定モデルは、計測データを入力とし、部分放電信号の種別を示すラベルを出力する。当該ラベルには、部分放電が無いことを示すラベルを含む。部分放電信号データは、実験などによって予め得られた、ノイズが含まれないデータである。部分放電信号データには、部分放電の種別を示すラベルが関連付けられる。判定モデルは、ニューラルネットワークモデルや決定木モデルなどの学習済みの機械学習モデルである。
図4は、第1の実施形態に係る判定サーバ6のソフトウェア構成を示す図である。
判定サーバ6のCPU65は、メモリ47に保存されたプログラムを読み出し、実行することで、部分放電判定部71、確信度判定部72、類似度算出部73、類似判定部74、信号重畳部75、性能評価部76、学習部77、学習終了判定部78を備える。
判定サーバ6のCPU65は、メモリ47に保存されたプログラムを読み出し、実行することで、部分放電判定部71、確信度判定部72、類似度算出部73、類似判定部74、信号重畳部75、性能評価部76、学習部77、学習終了判定部78を備える。
部分放電判定部71は、計測データを記憶装置62に記録された判定モデルに入力することで、スイッチギア2に部分放電が生じたか否かを、生じている場合にはさらに部分放電の種別を判定する。判定モデルは、部分放電が無いことを示すラベルおよび部分放電の種別を示すラベルそれぞれの確率(尤度)を出力し、部分放電判定部71は、あらかじめ設定した基準値以上かつ最大値を与えるラベルを識別結果として出力する。部分放電判定部71は、いずれのラベルの確率も基準値未満である場合、識別不能とみなす。以下、部分放電判定部71による部分放電の有無の判定に用いられた計測データを、対象計測データとよぶ。
確信度判定部72は、判定モデルの出力から診断の確信度を判定するためのものである。確信度判定部72は、最も確率の高いラベルに係る確率を、部分放電判定の確信度とする。このとき、確信度判定部72は、確信度が基準値未満の場合、診断データに対する識別に誤りがある可能性が高いと判断する。
類似度算出部73は、対象計測データと、既知の計測データとの類似度を評価する。類似度算出部73は、例えば、対象計測データの平均周波数分布と既知の計測データの周波数分布の相関値を、類似度として算出してよい。また判定モデルがニューラルネットワークモデルである場合、類似度算出部73は、対象計測データを判定モデルに入力したときの判定モデルの中間層の出力ベクトルと、既知の計測データを判定モデルに入力したときの判定モデルの中間層の出力ベクトルとの類似度を計算してもよい。類似度は、例えばコサイン類似度を用いてもよいし、ユークリッド距離、マハラノビス距離、マンハッタン距離などの距離の逆数を用いてもよい。
なお、過去に環境の変化に応じて判定モデルの学習が複数回行われている場合、既知の計測データの特徴は、その計測データの取得時期によって異なる。そのため、類似度算出部73は、例えば計測データを時期によってグルーピングし、各グループの代表の計測データと対象計測データとの類似度を算出し、もっとも高い類似度を採用することができる。このとき、グルーピングする時期は、判定モデルの学習を行ったタイミングで区切られるものであってもよいし、一定期間によって区切られるものであってもよい。また例えば、類似度算出部73は、全ての既知の計測データをクラスタリングし、各クラスタと対象計測データとの類似度を求めてもよい。
類似判定部74は、対象計測データが、既知の対象計測データと類似しているか否かを判定する。つまり、類似判定部74は、スイッチギア2の環境の変化などによって、判定モデルの学習に用いた計測データに含まれるノイズと、対象計測データに含まれるノイズとが変化したか否かを判定する。具体的には、類似判定部74は、確信度判定部72が判定した確信度および類似度算出部73が算出した類似度のいずれもが基準値を超える場合に、対象計測データが、既知の対象計測データと類似していると判定し、確信度判定部72が判定した確信度および類似度算出部73が算出した類似度のいずれかが基準値以下である場合に、対象計測データが、既知の対象計測データと類似していないと判定する。
信号重畳部75は、記憶装置62が記憶する部分放電信号データを計測データに重畳する。以下、部分放電信号データが重畳された計測データを、模擬計測データとよぶ。計測データに部分放電信号が含まれない場合、すなわち計測データが環境ノイズを表す場合、模擬計測データは、計測時の環境において部分放電が発生したときに計測される計測データを模擬することができる。
性能評価部76は、部分放電判定部71に、模擬計測データに基づいて部分放電の判定を実行させ、正しい識別が行われるか評価する。模擬計測データに基づいて、重畳された部分放電と同じ種別の判定がなされた場合、性能評価部76は、現在の環境が判定モデルの判定性能への影響が少ないと評価する。一方で、重畳された部分放電と異なる種別の判定がなされた場合、性能評価部76は、環境の変化等によって判定モデルの判定性能が劣化していると評価する。性能評価部76は、判定モデルの判定性能が劣化していると評価した場合に、学習部77によって判定モデルの再学習を実行させる。
学習部77は、記憶装置62に記録された計測データと、信号重畳部75が生成した模擬計測データとを用いて、判定モデルのパラメータを学習させる。以下、学習部77の学習に用いる計測データおよび模擬計測データ並びにラベルの組み合わせを、学習データともよぶ。なお、学習部77は、判定モデルの再学習において、現行の判定モデルのパラメータを生かして追加学習やファインチューニングを行ってもよいし、初期パラメータから学習しなおしてもよい。
学習終了判定部78は、学習部77による学習終了を判定するものであり、例えば、学習データのラベルと学習過程の判定モデルの出力の差の2乗、いわゆる2乗誤差から学習終了判定を行ってよい。これは、学習が良好に進むと学習データの教示と部分放電診断モデルの出力の差が小さくなる特性を利用したものである。学習終了判定に使用する計測データは、学習データの一部を学習に使用せず、検証データとして残しておいたものであってよい。
図5は、第1の実施形態に係る判定サーバ6の計測データの記録処理を示すフローチャートである。
判定サーバ6の通信インタフェース61は、通信路5から送られる波形データを監視する(ステップS101)。通信インタフェース61は、波形データを受信すると(ステップS101:YES)、波形データに対して離散フーリエ変換を行う(ステップS102)。通信インタフェース61は、波形データおよび周波数変換データ(計測データ)を、部分放電センサ3のセンサ識別番号および取得時刻に関連付けたデータをデータバス66に出力する(ステップS103)。センサ識別番号および取得時刻は、波形データのメタデータとして受信されたものである。なお、計測データには、さらに部分放電診断結果、既知データ診断結果、性能判定結果、学習済みフラグを関連付けて記録するが、通信インタフェース61は、これらの値をいずれも未完を示す値とする。DMA63は、データバス66に出力されたデータを記憶装置62に記録する(ステップS104)。
判定サーバ6の通信インタフェース61は、通信路5から送られる波形データを監視する(ステップS101)。通信インタフェース61は、波形データを受信すると(ステップS101:YES)、波形データに対して離散フーリエ変換を行う(ステップS102)。通信インタフェース61は、波形データおよび周波数変換データ(計測データ)を、部分放電センサ3のセンサ識別番号および取得時刻に関連付けたデータをデータバス66に出力する(ステップS103)。センサ識別番号および取得時刻は、波形データのメタデータとして受信されたものである。なお、計測データには、さらに部分放電診断結果、既知データ診断結果、性能判定結果、学習済みフラグを関連付けて記録するが、通信インタフェース61は、これらの値をいずれも未完を示す値とする。DMA63は、データバス66に出力されたデータを記憶装置62に記録する(ステップS104)。
図6は、第1の実施形態に係る判定サーバ6による部分放電の判定処理を示すフローチャート(パート1)である。図7は、第1の実施形態に係る判定サーバ6による部分放電の判定処理を示すフローチャート(パート2)である。
判定サーバ6は、記憶装置62に新たな計測データ(対象計測データ)が記録されたか否かを監視する(ステップS201)。対象計測データが記録されると(ステップS201:YES)、部分放電判定部71は、記憶装置62が記憶する判定モデルを読み出し、判定モデルに計測データを入力することで、部分放電がないこと、または部分放電の種別を求める(ステップS202)。部分放電判定部71は、ステップS202で得られた判定結果を、ステップS201で検出された対象計測データに関連付けて記憶装置62に記録する(ステップS203)。ここで、部分放電があると判定された場合、部分放電判定部71は、部分放電が発生したことを外部に通知してもよい。
次に、確信度判定部72は、ステップS202の判定結果に基づいて、判定結果の確信度を求める(ステップS204)。
判定サーバ6は、記憶装置62に新たな計測データ(対象計測データ)が記録されたか否かを監視する(ステップS201)。対象計測データが記録されると(ステップS201:YES)、部分放電判定部71は、記憶装置62が記憶する判定モデルを読み出し、判定モデルに計測データを入力することで、部分放電がないこと、または部分放電の種別を求める(ステップS202)。部分放電判定部71は、ステップS202で得られた判定結果を、ステップS201で検出された対象計測データに関連付けて記憶装置62に記録する(ステップS203)。ここで、部分放電があると判定された場合、部分放電判定部71は、部分放電が発生したことを外部に通知してもよい。
次に、確信度判定部72は、ステップS202の判定結果に基づいて、判定結果の確信度を求める(ステップS204)。
また、類似度算出部73は、記憶装置62から、学習データとして使用されたことを示す値の学習済みフラグに関連付けられた周波数変換データを読み出す(ステップS205)。学習データとして使用された周波数変換データは、判定モデルにおいて既知のノイズを表すデータであるといえる。類似度算出部73は、ステップS205で読み出した周波数変換データの平均周波数分布を計算し、正規化する(ステップS206)。類似度算出部73は、ステップS201で検出された計測データのうち周波数変換データの平均周波数分布を計算し、正規化する(ステップS207)。類似度算出部73は、既知の周波数変換データの平均周波数分布と対象計測データの平均周波数分布との類似度を算出する(ステップS208)。
なお、ステップS202からステップS204までの処理と、ステップS205からステップS208までの処理は、並列に実行されてよい。
なお、ステップS202からステップS204までの処理と、ステップS205からステップS208までの処理は、並列に実行されてよい。
類似判定部74は、ステップS204で算出された確信度が所定の確信度閾値を超え、かつステップS208で算出された類似度が所定の類似度閾値を超えるか否かを判定する(ステップS209)。類似判定部74は、確信度が確信度閾値を超え、かつ類似度が類似度閾値を超える場合(ステップS209:YES)、対象計測データが既知の計測データと類似していると判定し、判定結果をステップS201で検出された対象計測データに関連付けて記憶装置62に記録する(ステップS210)。他方、類似判定部74は、確信度が確信度閾値以下であり、または類似度が類似度閾値以下である場合(ステップS209:NO)、対象計測データが既知の計測データと類似していないと判定し、判定結果をステップS201で検出された対象計測データに関連付けて記憶装置62に記録する(ステップS211)。
対象計測データが既知の計測データと類似していない場合(ステップS211)、信号重畳部75は、記憶装置62から既知の部分放電信号データを読み出す(ステップS212)。信号重畳部75は、ステップS201で検出された対象計測データに、ステップS212で読み出した部分放電信号データを重畳し、部分放電信号を含む模擬計測データを生成する(ステップS213)。部分放電判定部71は、模擬計測データを判定モデルに入力することで、判定結果を得る(ステップS214)。性能評価部76は、ステップS212で読み出した部分放電信号データのラベルと、ステップS214の判定結果のラベルとが一致するか否かを判定する(ステップS215)。ラベルが一致する場合(ステップS215:YES)、性能評価部76は、判定モデルの判定性能に劣化が無いと判定し、判定結果をステップS201で検出された対象計測データに関連付けて記憶装置62に記録する(ステップS216)。他方、ラベルが一致しない場合(ステップS215:NO)、性能評価部76は、判定モデルの判定性能が劣化していると判定し、判定結果をステップS201で検出された対象計測データに関連付けて記憶装置62に記録する(ステップS217)。
判定モデルの判定性能が劣化している場合(ステップS217)、学習部77による判定モデルの再学習が行われる。なお、ステップS217において、判定性能が劣化していると1度だけ判定されたとしても、直ちに再学習を行わなくてもよく、判定性能が劣化していると判定された回数や頻度が一定の閾値を超えた場合に、再学習を行ってもよい。
学習部77は、記憶装置62が記憶する計測データのうち、一部のデータ群を学習用のデータ群として、また別のデータ群を検証用のデータ群として取得する(ステップS218)。いずれのデータ群にも、学習済みフラグが未完であることを示し、かつ類似判定結果が非類似であることを示す計測データが一定数含まれるものとする。学習部77はこのような計測データについて判定モデルが部分放電信号を適切に判定できるよう、学習処理を行う。他方、いずれのデータ群にも、学習済みフラグが完了であることを示す計測データも、一定数含まれるものとする。これにより、判定モデルが環境ノイズの変化に対してロバストになるように学習させることができる。
信号重畳部75は、学習用のデータ群および検証用のデータ群のそれぞれに含まれる計測データに、部分放電信号データを重畳させ、模擬計測データを生成する(ステップS219)。学習部77は、学習用の計測データおよび模擬計測データを入力サンプルとし、部分放電信号の種別を示すラベルを出力サンプルとする学習データを用いて、学習処理を行う(ステップS220)。次に、学習終了判定部78は、検証用の計測データおよび模擬計測データを入力サンプルとし、部分放電信号の種別を示すラベルを出力サンプルとする検証データを用いて、判定モデルの診断性能を評価する(ステップS221)。学習終了判定部78は、学習が収束したか否かを判定する(ステップS222)。例えば学習終了判定部78は、検証データによる評価値が基準値例えば前回学習したときの結果よりも良好であると判定してよい。学習が収束していない場合(ステップS222:NO)、判定サーバ6はステップS218に処理を戻し、学習処理を繰り返す。
他方、学習が収束したと判定した場合(ステップS222:YES)、学習によって得られた判定モデルを記憶装置62に記録する(ステップS223)。その後、所定の検証を行い、管理者等によって判定モデルの更新許可が出た場合、以降の処理において、更新された判定モデルを用いることができる。
他方、学習が収束したと判定した場合(ステップS222:YES)、学習によって得られた判定モデルを記憶装置62に記録する(ステップS223)。その後、所定の検証を行い、管理者等によって判定モデルの更新許可が出た場合、以降の処理において、更新された判定モデルを用いることができる。
以上説明したように第1の実施形態によれば、判定サーバ6は、対象計測データと既知計測データとに基づいて、対象計測データが既知計測データと類似するか否かを判定し、対象計測データが既知計測データと類似しない場合に、判定モデルの部分放電判定性能を評価する。これにより、対象計測データに含まれるノイズが、対象機器であるスイッチギア2の環境の変化などによって判定モデルの学習時のノイズから変化したか否かを判定することができる。これにより、判定モデルの再学習のタイミングを決定することができる。
また、第1の実施形態によれば、判定サーバ6は、判定モデルの判定性能を計測データにより判定し、性能低下がある場合に、判定モデルを再学習することで性能を回復することができる。これにより、判定サーバ6は、長期運用においても精度の高い部分放電の判定サービスを提供することが可能となる。
第1の実施形態に係る部分放電判定部71は、判定モデルの出力のうち最も確率の高いラベルに基づいて部分放電の有無及び種別を判定するが、これに限られない。例えば、他の実施形態に係る部分放電判定部は、判定モデルの中間層の出力ベクトルに基づいて部分放電の有無及び種別を判定してもよい。具体的に、部分放電判定部71は、対象計測データを判定モデルに入力したときの中間層の出力ベクトルと、ラベル別の既知の計測データ(模擬計測データ)を判定モデルに入力したときの中間層の出力ベクトルとの類似度をそれぞれ計算し、類似度が最も高いラベルを、判定結果としてもよい。この場合、確信度判定部72は、各ラベル別の類似度の総和に対する、判定結果のラベルの類似度の割合を、確信度として算出してもよい。
また、第1の実施形態に係る学習部77は、信号重畳部75が生成した模擬計測データを用いて処理を行うが、これに限られない。例えば、記憶装置62に部分放電が含まれる既知の計測データが記録されている場合に、これを用いて学習処理を行ってもよい。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
1…部分放電判定システム 2…スイッチギア 3…部分放電センサ 4…データ収集装置 41…低雑音アンプ 42…低域信号通過フィルタ 43…サンプリングクロック回路 44…アナログ-デジタル変換器 45…通信インタフェース 46…CPU 47…メモリ 48…DMA 49…データバス 5…通信路 6…判定サーバ 61…通信インタフェース 62…記憶装置 63…DMA 64…メモリ 65…CPU 66…データバス 71…部分放電判定部 72…確信度判定部 73…類似度算出部 74…類似判定部 75…信号重畳部 76…性能評価部 77…学習部 78…学習終了判定部
Claims (7)
- 対象機器から部分放電信号を測定するための部分放電センサと、
前記対象機器から過去に計測された、部分放電信号の有無が既知である計測データである既知計測データを用いて、計測データを入力とし、部分放電信号の有無を示す検知結果を出力とするように学習された判定モデルを用いて、前記部分放電センサにより計測された計測データである対象計測データに部分放電信号が含まれているか否かを判定する部分放電判定部と、
前記対象計測データと前記既知計測データとに基づいて、前記対象計測データが前記既知計測データと類似するか否かを判定する類似判定部と、
前記対象計測データが前記既知計測データと類似しない場合に、前記判定モデルの部分放電判定性能を評価する性能評価部と
を備える部分放電判定システム。 - 前記判定モデルの部分放電判定性能が不十分であると評価された場合に、前記判定モデルの学習後に取得された計測データを含む学習データを用いて、前記判定モデルの学習を行う学習部
を備える請求項1に記載の部分放電判定システム。 - 前記学習データは、前記既知計測データと前記判定モデルの学習後に取得された計測データとを含む
請求項2に記載の部分放電判定システム。 - 前記類似判定部は、前記既知計測データおよび前記対象計測データの周波数分布同士の距離に基づき、前記対象計測データが前記既知計測データと類似するか否かを判定する
請求項1から請求項3の何れか1項に記載の部分放電判定システム。 - 前記判定モデルは、ニューラルネットワークモデルであって、
前記類似判定部は、前記判定モデルに前記既知計測データを入力したときの中間層の出力ベクトルと、前記対象計測データを入力したときの中間層の出力ベクトルとの距離に基づき、前記対象計測データが前記既知計測データと類似するか否かを判定する
請求項1から請求項3の何れか1項に記載の部分放電判定システム。 - 前記性能評価部は、前記対象計測データに既知の部分放電信号データを重畳して得られる評価データを前記判定モデルに入力して得られる部分放電信号の検知結果に基づき、前記判定モデルの判定性能を評価する
請求項1から請求項3の何れか1項に記載の部分放電判定システム。 - 対象機器から部分放電信号を測定するための部分放電センサによって前記対象機器から過去に計測された、部分放電信号の有無が既知である計測データである既知計測データを用いて、計測データを入力とし、部分放電信号の有無を示す検知結果を出力とするように学習された判定モデルを用いて、前記部分放電センサにより計測された計測データである対象計測データに部分放電信号が含まれているか否かを判定するステップと、
前記対象計測データと前記既知計測データとに基づいて、前記対象計測データが前記既知計測データと類似するか否かを判定するステップと、
前記対象計測データが前記既知計測データと類似しない場合に、前記判定モデルの部分放電判定性能を評価するステップと
を備える部分放電判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022112359A JP2024010829A (ja) | 2022-07-13 | 2022-07-13 | 部分放電判定システムおよび部分放電判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022112359A JP2024010829A (ja) | 2022-07-13 | 2022-07-13 | 部分放電判定システムおよび部分放電判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024010829A true JP2024010829A (ja) | 2024-01-25 |
Family
ID=89622258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022112359A Pending JP2024010829A (ja) | 2022-07-13 | 2022-07-13 | 部分放電判定システムおよび部分放電判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2024010829A (ja) |
-
2022
- 2022-07-13 JP JP2022112359A patent/JP2024010829A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109302418B (zh) | 一种基于深度学习的恶意域名检测方法及装置 | |
CN115494526A (zh) | 一种gnss欺骗干扰检测方法、装置、电子设备及存储介质 | |
JP5708294B2 (ja) | 信号検出装置、信号検出方法及び信号検出プログラム | |
JP6871718B6 (ja) | 音源探査装置、音源探査方法およびそのプログラム | |
CN110765823A (zh) | 一种目标识别方法及装置 | |
JP2019066339A (ja) | 音による診断装置、診断方法、および診断システム | |
CN112116018B (zh) | 样本分类方法、装置、计算机设备、介质和程序产品 | |
CN115588439B (zh) | 一种基于深度学习的声纹采集装置的故障检测方法及装置 | |
JP2024010829A (ja) | 部分放電判定システムおよび部分放電判定方法 | |
Li et al. | RCMFRDE: Refined Composite Multiscale Fluctuation‐Based Reverse Dispersion Entropy for Feature Extraction of Ship‐Radiated Noise | |
CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
CN113743293B (zh) | 跌倒行为检测方法、装置、电子设备及存储介质 | |
CN113518058B (zh) | 异常登录行为检测方法、装置、存储介质和计算机设备 | |
CN115272229A (zh) | 一种类别不平衡条件下的异常视觉图像检测方法及装置 | |
CN115758237A (zh) | 基于智能巡检机器人的轴承故障分类方法及系统 | |
AU2008220873B2 (en) | Automatic procedure for merging tracks and estimating harmonic combs | |
JP4294504B2 (ja) | 目標識別装置 | |
CN117523605B (zh) | 基于多传感器信息融合的变电站动物入侵检测方法 | |
CN114047260B (zh) | 一种基于多尺度模糊熵的损伤识别方法及系统 | |
CN113960555B (zh) | 目标太赫兹时域回波处理方法、装置、设备及存储介质 | |
CN116895286B (zh) | 一种打印机故障监控方法以及相关装置 | |
CN112003627B (zh) | 无线频谱环境底噪的估计方法、装置、电子设备与存储介质 | |
CN116543538B (zh) | 一种物联网消防电气预警方法及预警系统 | |
CN111537986B (zh) | 一种信号捕获方法及装置 | |
KR101367418B1 (ko) | 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법 |