JP2024010829A - 部分放電判定システムおよび部分放電判定方法 - Google Patents

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。

特開２０１９－２０００６８号公報

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。

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。 第１の実施形態に係るデータ収集装置のハードウェア構成を示す図。 第１の実施形態に係る判定サーバのハードウェア構成を示す図。 第１の実施形態に係る判定サーバのソフトウェア構成を示す図。 第１の実施形態に係る判定サーバの計測データの記録処理を示すフローチャート。 第１の実施形態に係る判定サーバ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）。 第１の実施形態に係る判定サーバ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）。

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。

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。

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。

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。

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。

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。

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）。

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）。

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。

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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
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。

Images