JP2518195B2 - 送配電線事故診断方法及びそのための属性値の設定方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、送配電線事故診断方法
に関し、特に属性値の設定方法及びその方法を使用した
機械学習方法に関する。

【０００２】

【従来の技術】従来、配電線事故発生時の事故検出なら
びに保護は、配電用変電所に取り付けられた地絡継電器
ならびに短絡継電器によって行われてきた。それに対
し、変電所のみならず、配電系統の各所にセンサを配置
し、その情報を計測し、その結果を光ファイバケーブル
を用いた情報伝送網を通じて一個所に収集し、事故診断
ならびに事故区間判定を行う方法が提案されている。

【０００３】しかしながら、事故診断に関するアルゴリ
ズムは、従来、人間の経験に基づいて、人間によって作
成されていた。

【０００４】また、アルゴリズムがはっきりしない悪構
造問題に対しては、エキスパートシステムによって事故
診断を行ってきた。

【０００５】例えば図１３に示すのは従来の手続き形ア
ルゴリズムのフローチャートである。同図において、Ｉ
₀ ：零相電流現在値 Ｉ_0s：零相電流地絡しきい値 Ｖ₀ ：零相電圧現在値 Ｖ_0s：零相電圧地絡しきい
値 Ｉ_a ：ａ相電流現在値 Ｉ_as：ａ相電流短絡しきい
値 Ｉ_b ：ｂ相電流現在値 Ｉ_bs：ｂ相電流短絡しきい
値 Ｉ_c ：ｃ相電流現在値 Ｉ_cs：ｃ相電流短絡しきい
値 であり、零相電流，電圧、各相電流の現在値とそれぞれ
のしきい値を比較することにより、事故診断を行う。

【０００６】

【発明が解決しようとする課題】しかしながら、アルゴ
リズムがはっきりしない場合に用いられるエキスパート
システムにおいても、知識は人間が獲得しなければなら
なかった。この場合、知識及び事故データ、例えば地
絡、短絡、断線、多重事故等のデータが増えるにしたが
って、アルゴリズムが変わる可能性がある。

【０００７】また、光センサの利用により、旧来のＣＴ
（電流変成器）、ＺＣＴ（零相電流変成器）、ＰＴ（計
器用変圧器）、ＺＰＤ（零相電圧検出器）等の装置に比
較して事故を短時間に検出することができるようになっ
たが、この場合も効率のよいアルゴリズムで短時間に事
故診断する必要がある。

【０００８】さらに、従来、配電線の事故診断は、零相
電圧Ｖ₀ , 零相電流Ｉ₀ , 送電電流Ｉなどのセンサ情報
を使っていたが、さらに配電線各相の対地間電圧Ｖ_a ,
Ｖ_b, Ｖ_c などの情報を使うことにより効率的なアルゴ
リズムを開発することが要請されている。

【０００９】しかしながら、従来の識別木作成方法にお
いては、正常時の残留電圧、残留電流、負荷変動、電圧
変動の４点を考える必要がある。また、異常時の問題と
して、地絡点抵抗、センサの精度等が事故診断結果にエ
ラーとして現れる。そこで本発明が解決すべき課題は、
前記の正常時の残留電圧、残留電流、負荷変動、電圧変
動、さらには異常時の地絡点抵抗、センサの精度を考慮
した、人間の主観が入らない配電系統の事故診断を自動
的かつ効率的に作成することにあり、さらに事故診断に
おける属性値を設定することにある。

【００１０】

【課題を解決するための手段】この課題を解決するた
め、本発明の送配電線事故診断方法は、（ａ）正常時に
おける残留電流、残留電圧、負荷電流、大地間電圧等の
対地静電容量の不平衡並びに負荷のアンバランスによっ
て定まる電気量を計算又は計測して正常時の属性値とす
るステップと、（ｂ）異常時における属性値を線路定
数、地絡点抵抗、正常時の属性値をパラメータとして計
算又は計測して異常時の属性値とするステップと、
（ｃ）上記正常時の属性値、異常時の属性をセンサの精
度を考慮した属性値を計算し、事故診断のためのデータ
の分類を行うための属性値とするステップと、（ｄ）各
測定種目毎または各計算種目毎の分布に着目したあるカ
テゴリーＣ_i と他のあるカテゴリーＣ_j との属性値の分
布の重なり状態からカテゴリーＣ_j を識別可能な属性を
選択するステップと、（ｅ）前記カテゴリーＣ_i と他の
すべてのカテゴリーとを識別可能な属性の組を求めるス
テップと、（ｆ）すべてのカテゴリーを互いに識別可能
とするための属性の組を求めるステップと、（ｇ）前記
属性の組の中から、識別木作成に最も効率的な属性の組
を選択するために、属性値抽出時間、属性値の分布の重
なり状態、カテゴリーＣ_i の出現頻度に基づく評価関数
により評価を行い、最も効率的な属性の組を選択するス
テップと、（ｈ）前記において選択した属性の組の中
で、評価式が最大となる属性を親ノードとして配置し、
他のカテゴリーと識別できなかったカテゴリーを子ノー
ドとして配置し、その子ノードの組の間で前記（ｄ）〜
（ｇ）のステップの処理を行ってステップ（ｇ）で選択
した属性の組の中で評価式が最大となる属性を前記子ノ
ードに対する親ノードとして配置し、これらの処理を再
識別ノードがなくなるまで行うステップと、（ｉ）識別
木より事故診断のフローチャートを作成するステップと
を有し、このフローチャートにより事故診断を行うこと
を特徴とする。

【００１１】

【作用】本発明では、図３に概略示すように、帰納学習
による機械（コンピュータ）学習により、自動的にアル
ゴリズムを作成することができ、また属性に対して評価
関数を導入することにより効率的なアルゴリズムを作成
することができる。

【００１２】

【実施例】以下、本発明を実施例を参照しながら具体的
に説明する。

【００１３】図１は本発明に係る事故診断方式を実施す
るためのブロック図である。同図において、１はＺＣＴ
で検出した零相電流Ｉ₀ を波形整形する零相電流検出・
波形整形回路、２はＺＰＤで検出した零相電圧Ｖ₀ を波
形整形する零相電圧検出・波形整形回路、３はＣＴで検
出した配電線各相の電流Ｉ_a 〜Ｉ_c を波形整形する電流
検出・波形整形回路、４はＰＴで検出した配電線各相の
対地電圧Ｖ_a 〜Ｖ_c を波形整形する電圧検出・波形整形
回路、５は入／出力インターフェース、６は演算処理を
行うＣＰＵ（中央処理装置）又はコンピュータである。

【００１４】図２は光センサ（図示せず）を利用した場
合の図１に代わるブロック図である。同図において、１
１〜１６は各相の電流センサ、電圧センサからの光信号
を電気信号に変換する光−電気変換部、１７，１８は入
／出力インターフェース、１９は各相電流から零相電流
Ｉ₀ を演算する演算部、２０は各相対地電圧から零相電
圧Ｖ₀ を演算する演算部、２１は演算処理を行うＣＰＵ
又はコンピュータである。

【００１５】図１又は図２におけるＣＰＵ又はコンピュ
ータ６，２１により、以下に述べるように事故診断アル
ゴリズムを作成する。

【００１６】なお、本発明の実施例では、図４に示す３
回線配電線の線路モデルを想定し、ｃ配電線上で事故が
起きたとする。各配電線の静電容量は図示の通りであ
る。またｃ配電線の変電所２次母線のインピーダンスは
０．３６２Ωならびに線路インピーダンスは０．５３６
＋ｊ１．４０７Ωとする。負荷は末端集中負荷と考え
る。

【００１７】（Ａ）第１実施例 １）属性値の設定方法 １−１）正常時の属性の設定方法 ここで本発明の以下の問題を属性値に反映する必要があ
る。正常時では、正常時における残留電流、残留電圧、
負荷電流、大地間電圧等の対地静電容量の不平衡並びに
負荷のアンバランスによって定まる電気量を考慮する。
その他、相間電圧及び位相の属性を取り扱う場合には正
常時の相間電圧、位相を考慮する。

【００１８】ａ）残留電流（正常時の零相電流） 残留電流は正常状態においても負荷のアンバランス及び
／又は静電アンバランスによって生じ、通常その値は我
が国では都市部で０．０２〜０．０５Ａの間でその値は
変動している。アンバランスは計算結果、もしくは正常
時のセンサ情報より得られる。本実施例では、零相電流
はａ相ベクトル方向に０．０３Ａと考え、その変動値は
±０．０１Ａとする。したがって正常時における残留電
流の値の範囲は０．０２〜０．０４Ａとなる。

【００１９】ｂ）残留電圧（正常時の零相電圧） 残留電圧は残留電流と同じ理由から生じ、通常その値は
我が国では都市部で３０〜６０Ｖでその値は変動してい
る。アンバランスの計算結果もしくは正常時のセンサ情
報より、本実施例では零相電圧はａ相ベクトル方向に４
０Ｖと考え、その変動値は±１０Ｖとする。したがって
正常時における残留電圧の値の範囲は３０〜５０Ｖとな
る。

【００２０】ｃ）負荷電流 電流は負荷変動によって変動する。しかしながら短期負
荷予測により負荷の予測値ならびに予測精度幅、すなわ
ち予測誤差の標準偏差が得られる。本実施例では、説明
を分かり易くするため、標準偏差３σにおける短時間負
荷予測の推定幅を１３３〜２２３Ａとする。この場合、
残留電流は小さいので、前記の残留電流の影響は無視で
きる。したがって、正常時における各相の負荷電流の値
の範囲は１３３〜２２３Ａとする。

【００２１】ｄ）大地間電圧 変電所の送り出し電圧は負荷変動による顧客の電圧変動
を一定範囲に抑えるため、変電所の自動電圧調整器によ
って、送り出し電圧を調整している。すなわち、負荷が
大きい場合には送り出し電圧を高く、負荷が小さい場合
には送り出し電圧を低くする。今回のモデルでは３フィ
ーダあるため３フィーダの負荷変動と関係する。ここで
は大地間電圧の変動幅±７５Ｖとする。したがって正常
時におけるａ相の大地間電圧の範囲は前記の残留電圧の
影響も考え併せて３７６５〜３９３５Ｖとなる。またｂ
相とｃ相の大地間電圧の値の範囲は、前記の残留電圧を
ａ方向ベクトルと考えたため、その影響は考えなくても
よく、３７３５〜３８８５Ｖとなる。

【００２２】１−２）異常時の属性の設定方法 異常時への適用は前述の正常時の値をパラメータとして
計算すればよい。また地絡点抵抗は６０００Ω程度考え
る必要があり、今回は地絡点抵抗は０〜６０００Ωとし
た。高周波成分の多い弧光地絡の場合、高周波成分によ
るセンサの測定精度の悪化を防ぐため、バンドパスフィ
ルタもしくはデジタルフィルタで除去する必要がある。

【００２３】１−３）センサの測定精度 表１に光センサと非接触形センサの測定精度を示す。光
センサの測定精度は悪い。しかしながら、非接触形セン
サの測定精度は比較的良い。本実施例では非接触形セン
サを用いたとして属性の値の範囲を決めた。たとえば正
常時の線電流を１３３〜２３３Ａとすると、その精度は
１％であるため、その正常時の線電流の属性値の範囲は
１３２〜２２５Ａとなる。また、零相電流に関してその
精度は０．０５Ａであるためたとえば１−２）で求めた
電流を１〜２Ａとすると、０．９５〜２．０５Ａとな
る。大地間電圧、零相電圧も同様に行う。

【００２４】

【表１】

【００２５】２）識別木の作成方法ならびにその配電線
事故診断における適用例 本実施例では、センサの零相電流、零相電圧、各相電
流、各相対地間電圧などのセンサ情報をもとに地絡事
故、短絡事故などの事故を検出するアルゴリズムを識別
木により作成する。ここでは、センサ情報を属性値と
し、正常及び短絡事故ならびに地絡事故の区別をカテゴ
リーとする。

【００２６】ここで、選択すべきｍ個のカテゴリーをＣ
₁ ・・・Ｃ_i ・・・Ｃ_m とし、これらのカテゴリーが個
々にもつｎ個の属性をＴ₁ ・・・Ｔ_j ・・・Ｔ_n とす
る。

【００２７】配電線事故診断における選択すべき事故及
び正常時のカテゴリーを Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 とする。

【００２８】また上記のカテゴリーが個々にもつ属性を Ｔ_V0 ： 零相電圧 Ｔ_I0 ： 零相電流 Ｔ_Ia ： ａ相電流 Ｔ_Ib ： ｂ相電流 Ｔ_Ic ： ｃ相電流 Ｔ_Va ： ａ相対地間電圧 Ｔ_Vb ： ｂ相対地間電圧 Ｔ_Vc ： ｃ相対地間電圧 前記の配電線モデルで計算した属性値を表２に示す。

【００２９】

【表２】 ここでＴ_V0，Ｔ_Va，Ｔ_Vb，Ｔ_Vcの属性値の単位はＶ、ま
たＴ_I0, Ｔ_Ia, Ｔ_Ib,Ｔ_Icの属性値の単位はＡである。

【００３０】２）属性の選択 ２−１）任意の二つのカテゴリーの識別に必要な属性の
選択 すべてのカテゴリーを識別するために必要な属性を見つ
けるために、まず、任意のある一つのカテゴリーに注目
し、それを識別するのに必要な属性を求める。今、注目
しているカテゴリーをＣ_i とし、Ｃ_i 以外の任意の一つ
Ｃ_j との属性値分布図上での相対的な分布関係を考え
る。属性Ｔ_k における分布図上でのＣ_i から見たＣ_j の
相対的な分布関係は、図５に示すように、次の三つの状
態が考えられる。

【００３１】State (i) Ｃ_i の分布とＣ_j の分布は重
なっていない。 State (ii) Ｃ_i の分布はＣ_j の分布とすべて重なって
いる。 State (iii) Ｃ_i の分布はＣ_j の分布と一部重なってい
る。

【００３２】これら三つの状態のうち、Ｃ_i とＣ_j が完
全に識別可能な状態はState(i)のみである。つまり、任
意の属性Ｔ_k でＣ_i とＣ_j が識別可能であるためには、
その二つのカテゴリーの属性値分布の状態がState(i)で
あることが必要条件となる。そこで属性Ｔ_k がState(i)
であるか否かを示すために式（１）に示すような係数ａ
_ikを定義する。

【００３３】 ａ_ik＝１ Ｔ_k がState(i) ０ その他 (1)

【００３４】また、Ｔ_k を論理変数と考え、識別に用い
る場合には１、用いない場合には０の２値を考える。Ｃ
_i とＣ_j を識別可能とする属性値はａ_ikを用い論理和の
形に表現すると次式のようになる。

【００３５】 ｆ（Ｃ_i ，Ｃ_j ）＝ａ_i1Ｔ₁ ＋・・・＋ａ_ikＴ_K ＋・・・・ａ_inＴ_n (2)

【００３６】つまり（２）式においてＣ_i とＣ_j はｆ
（Ｃ_i ，Ｃ_j ）＝１となる場合に識別可能となり、ｆ
（Ｃ_i ，Ｃ_j ）の項の少なくとも一つの属性を用いれば
Ｃ_i とＣ_j は識別できる。

【００３７】カテゴリーＣ_N と他のカテゴリーとを識別
するために必要な属性を選択した結果を次に示す。

【００３８】 ｆ（Ｃ_N ，Ｃ_bc）＝Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (3) ｆ（Ｃ_N ，Ｃ_ca）＝Ｔ_Ia＋Ｔ_Ic＋Ｔ_Va＋Ｔ_Vc (4) ｆ（Ｃ_N ，Ｃ_ab）＝Ｔ_Ia＋Ｔ_Ib＋Ｔ_Va＋Ｔ_Vb (5) ｆ（Ｃ_N ，Ｃ_a ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Vc (6) ｆ（Ｃ_N ，Ｃ_b ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Va (7) ｆ（Ｃ_N ，Ｃ_c ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Vb (8)

【００３９】２−２）注目カテゴリーの識別に必要な属
性の選択 ここでは、今注目しているカテゴリーＣ_i と他のすべて
のカテゴリーとを識別可能とする属性の組を求める。

【００４０】Ｃ_i と他のカテゴリー中の任意の一つＣ_j
とを識別可能とする属性は式（２）で求まっている。従
って、Ｃ_i と他のすべてのカテゴリーとを識別可能とす
るためにはＣ_i とそれ以外のそれぞれのカテゴリーに対
してｆ（Ｃ_i ，Ｃ_j ）（ｊ＝１，・・・，ｍ，ｉ≠ｊ）
の論理積を式（９）のように行う。

【００４１】 ｆ（Ｃ_i ）＝ｆ（Ｃ_i ，Ｃ₁ ）・・ｆ（Ｃ_i ，Ｃ_j ）・・ｆ（Ｃ_i ，Ｃ_m ） 但しｉ≠ｊ (9)

【００４２】すなわち、このｆ（Ｃ_i ）の演算結果にお
ける論理積の形で与えられる属性の組は、それぞれ独立
して、Ｃ_i と他のすべてのカテゴリーを識別可能とする
属性の組である。

【００４３】以上の式により、Ｃ_N を識別するために必
要な属性は次の（１０）式のように式（３）〜（８）の
論理積で表すことができる。

【００４４】 ｆ（Ｃ_N ）＝ｆ（Ｃ_N ，Ｃ_bc）ｆ（Ｃ_N ，Ｃ_ca）ｆ（Ｃ_N ，Ｃ_ab） ｆ（Ｃ_N ，Ｃ_a ）ｆ（Ｃ_N ，Ｃ_b ）ｆ（Ｃ_N ，Ｃ_c ） ＝Ｔ_VaＴ_VbＴ_Vc＋Ｔ_I0Ｔ_VaＴ_Vb＋Ｔ_I0Ｔ_VbＴ_Vc ＋Ｔ_I0Ｔ_VcＴ_Vb＋Ｔ_V0Ｔ_VaＴ_Vb＋Ｔ_V0Ｔ_VbＴ_Vc＋Ｔ_V0Ｔ_VcＴ_Va ＋Ｔ_V0Ｔ_IaＴ_Ib＋Ｔ_V0Ｔ_IbＴ_Ic＋Ｔ_V0Ｔ_IcＴ_Ia ＋Ｔ_I0Ｔ_IaＴ_Ib＋Ｔ_I0Ｔ_IbＴ_Ic＋Ｔ_I0Ｔ_IcＴ_Ia (10)

【００４５】式（１０）において、１３の項のそれぞれ
の属性の組によってＣ_N は識別可能となる。

【００４６】２−３）すべて識別可能な属性の選択 式（10）によって求まった各カテゴリーの識別に必要な
属性の組から、少なくとも１組ずつを取り出し、それら
のすべてを含む属性の組を用いればすべてのカテゴリー
が識別可能となる。つまり、すべてのカテゴリーを識別
可能とするために必要な属性の組は、各々のカテゴリー
に対してｆ（Ｃ_i ）＝１（ｉ＝１，・・・，ｍ）となら
しめる属性を見つけることによって求まるから、それら
の論理積を式（１１）のように行う。

【００４７】 Ｅ＝ｆ（Ｃ₁ ）・・・ｆ（Ｃ_i ）・・・ｆ（Ｃ_m ） (11)

【００４８】この演算結果は次のように表せる。 Ｅ＝Ａ₁ ＋・・・＋Ａ_x ＋・・・＋Ａ_p 但しＡ_x ＝Ｔ_a Ｔ_b Ｔ_c ・・・ (12)

【００４９】従って、Ａ₁,・・・, Ａ_x , ・・・, Ａ_p
はすべてのカテゴリーを識別可能とするのに必要な属性
の組である。

【００５０】以下同様に、ｆ（Ｃ_bc），ｆ（Ｃ_ca），ｆ
（Ｃ_ab），ｆ（Ｃ_a ），ｆ（Ｃ_b ），ｆ（Ｃ_c ）を求め
るすべてのカテゴリーを識別可能とする属性の組は、

【００５１】 Ｅ＝ｆ（Ｃ_N ）ｆ（Ｃ_bc）ｆ（Ｃ_ca）ｆ（Ｃ_ab）ｆ（Ｃ_a ） ｆ（Ｃ_b ）ｆ（Ｃ_c ） ＝Ｔ_VaＴ_VbＴ_Vc (13)

【００５２】となる。これを次のように置き換える。

【００５３】 Ａ₁ ＝Ｔ_VaＴ_VbＴ_Vc (14)

【００５４】つまり、この組は、独立してすべてのカテ
ゴリーを識別可能とする属性の組である。

【００５５】３）識別木の作成 ３−１）効果的な属性の組の選択 カテゴリーを区別するための識別木を作成するときに考
慮すべき点として （１）誤識別しない。 （２）識別時間が短い。 ということが考えられる。式（１４）で求まった属性は
すべてのカテゴリーを識別可能であるから（１）は満た
している。そこで識別時間を短くするために、属性の抽
出時間、属性値の分布の非重なり度合いならびに出現頻
度をパラメータとして識別木作成に最も効果的な属性の
組を選択する方法を以下に示す。

【００５６】ａ）属性抽出時間ｔ_k 次に、各属性の抽出時間の相対値を設定する。これは用
いるセンサの種類や特性によって決まる値である。その
例を表３に示す。

【００５７】

【表３】 表３において、Ｔ_V0，Ｔ_I0はそれぞれＴ_Va，Ｔ_Vb，Ｔ_Vc
及びＴ_Ia，Ｔ_Ib，Ｔ_Icから計算すると仮定して、属性抽
出時間を設定した。但し、値は絶対値ではなく相対的評
価値である。

【００５８】ｂ）非重なり度合いａ_k (i) 属性値分布において、他の分布と重なりが全くない領域
を多くもつ属性値は識別のための貢献度が高くなる。そ
のような属性値を多く含む属性の組を用いて識別木を構
成した方が上位のノードにおいて識別が完了する確率が
大きくなり識別時間の短縮につながる。そこで、各カテ
ゴリーの属性値分布について全く重なっていない領域が
そのカテゴリー全体の分布に対してどの程度占めるかを
示す非重なり度合いａ_k (i) を次式で表す。これはＴ_k
がＣ_i の識別に対してどの程度の貢献があるかを示すも
のである。

【００５９】 ａ_k (i) ＝ｌ_ik／Ｌ（Ｃ_i ） (15) ここでｌ_ik：Ｔ_K の属性値分布において、Ｃ_i の分布に
対して他の分布により重なりがない領域の範囲（図５参
照） Ｌ（Ｃ_i ）：Ｃ_i の分布の範囲

【００６０】前掲の表１の測定データに基づいて非重な
り度合いａ_k (i) を算出すると表４のようになる。

【００６１】

【表４】

【００６２】ｃ）出現頻度Ｐ_i 次に、カテゴリー、すなわち事故の種類の出現頻度を求
める。その結果を表５に示す。

【００６３】

【表５】 当然、出現頻度Ｐ_i は正常時≫地絡事故＞短絡事故であ
る。

【００６４】ｄ）評価値Ｆ（Ｔ_k ） 以上挙げた３つのパラメータｔ_k ，ａ_k (i), Ｐ_i を用
いて、各属性に対して次式に示すような評価関数を定め
た。

【００６５】

【数１】 このＦ（Ｔ_k ）が大きいＴ_k ほど、出現頻度の大きいカ
テゴリーに対して識別の可能性が大きく、属性抽出時間
が短い属性である。

【００６６】前述の例の場合、評価値は次のようにな
る。

【００６７】

【表６】

【００６８】識別木作成に効果的な属性の組Ａ_eff は、
属性の評価値Ｆ（Ｔ_k ）の積Ｇ（Ａ_x ）が最大となる組
である。しかしここでは一組しかないので、Ａ₁ とす
る。

【００６９】 Ｇ（Ａ₁ ）＝Ｆ（Ｔ_Va）Ｆ（Ｔ_Vb）Ｆ（Ｔ_Vc）＝ 2.84 ×10^-9 (17)

【００７０】したがって、Ａ₁ しかないのでここではＧ
（Ａ₁)が最大とし、計算を進める。上記Ｇ（Ａ_x ）の値
が異なる場合は最大のＧ（Ａ_x ）をとる。

【００７１】７）識別木の各ノードへの属性 識別木の各ノードへの配置は次のようにする。まず根ノ
ードに関してはＡ_effのうち評価値Ｆ（Ｔ_K ）が最も大
きい方を根ノードに考える。ここではＦ（Ｔ_Vc）なので
Ｔ_Vcとする。属性の重なりの状態により、属性の分布に
重なりのない領域、属性の分布に重なる領域に分かれ
る。

【００７２】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＮ_e とし、
後者は再識別ノードＮ_c とする。Ｎ_c における集合Ｎ_C'
は例えば図６に示した領域１に関しては、｛Ｃ_bc，
Ｃ_ca，Ｃ_c ｝となる。

【００７３】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００７４】 ｆ（Ｃ_bc，Ｃ_ca）＝Ｔ_Ia＋Ｔ_Ib＋Ｔ_Va＋Ｔ_Vb (18) ｆ（Ｃ_ca，Ｃ_c ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb (19) ｆ（Ｃ_c ，Ｃ_bc）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb (20)

【００７５】Ｓ_C'の全要素を識別可能とする属性は、こ
れらの論理積により次式のように求まる。

【００７６】 ｆ（Ｃ_bc，Ｃ_ca）ｆ（Ｃ_ca，Ｃ_c ）ｆ（Ｃ_c ，Ｃ_bc） ＝Ｔ_V0Ｔ_Ia＋Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Va＋Ｔ_V0Ｔ_Vb＋Ｔ_I0Ｔ_Ia＋Ｔ_I0Ｔ_Ib ＋Ｔ_I0Ｔ_Va＋Ｔ_I0Ｔ_Vb＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic＋Ｔ_VaＴ_Ic＋Ｔ_Vb (21)

【００７７】この結果のうちでＡ_eff の部分集合となっ
ている属性はＴ_Vbである。この場合、もしもＡ_eff の部
分集合となっている属性が１つでなく、２つ以上の組で
ある場合は、評価値Ｆ（Ｔ_k ）が大きい方の属性を配置
する方が、このノードで識別できる可能性が高くなり、
識別時間が短縮できる。この場合は、１つしかないので
Ｔ_Vbを配置する。

【００７８】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【００７９】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９〜図１２は前述した実施例において用い
た数値を使用して具体的に事故診断を行うフローチャー
トを示している。

【００８０】このようにして、ａ，ｂ，ｃ地絡事故及び
ａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【００８１】以上、第１実施例について説明した。この
第１実施例は、最も効率的な識別木及びフローチャート
の作成方法であるが、効率をある程度犠牲にしても同様
な事故診断が行なえる。その例を以下に示す。

【００８２】（Ｂ）第２実施例 本実施例では、まず互いに識別可能とする属性の組を求
め、求めた組の中から任意に１組を選び、さらに選択し
た属性の組をノードに配置する際にも、任意の属性をノ
ードに配置する。これは、第１実施例の場合には、効率
的な属性の組を選択する点と、さらにその属性の組をノ
ードに配置する際にも効率的な属性から配置するという
ことが考慮されず、任意に選択、配置する点が相違す
る。

【００８３】具体的に説明すると、（１４）式を求める
プロセスまでは第１実施例と同じである。（１４）式に
より、Ａ₁ は独立してすべてのカテゴリーを識別可能と
する属性の組である。その後、次の処理を行う。

【００８４】７’）識別木から各ノードへの属性 （１４）式の任意の１組の属性の組を選択する。ここで
は１つしかないのでＡ₁ を選択するものとする。Ａ₁ の
属性の組の中で任意の属性を根ノードに考える。ここで
はＴ_vcとする。属性の重なりの状態により、属性値の分
布に重なりのない領域、属性値の分布に重なる領域に分
かれる。

【００８５】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＮ_e とな
り、後者は再識別ノードＮ_c となる。Ｎ_c における集合
Ｓ_C'は例えば図６に示した領域１に関しては、｛Ｃ_bc，
Ｃ_ca，Ｃ_c ｝となる。

【００８６】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００８７】 ｆ（Ｃ_bc，Ｃ_ca）＝Ｔ_Ia＋Ｔ_Ib＋Ｔ_Va＋Ｔ_Vb (18) ｆ（Ｃ_ca，Ｃ_c ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb (19) ｆ（Ｃ_c ，Ｃ_bc）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb (20)

【００８８】Ｓ_C'の全要素を識別可能とする属性は、こ
れらの論理積により次式のように求まる。

【００８９】 ｆ（Ｃ_bc，Ｃ_ca）ｆ（Ｃ_ca，Ｃ_c ）ｆ（Ｃ_c ，Ｃ_bc） ＝Ｔ_V0Ｔ_Ia＋Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Va＋Ｔ_V0Ｔ_Vb＋Ｔ_I0Ｔ_Ia＋Ｔ_I0Ｔ_Ib ＋Ｔ_I0Ｔ_Va＋Ｔ_I0Ｔ_Vb＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic＋Ｔ_VaＴ_Ic＋Ｔ_Vb (21)

【００９０】この結果のうちでＡ₁ の部分集合となって
いる属性はＴ_Vbである。この場合、もしもＡ₁ の部分集
合となっている属性が１つでなく、２つ以上の組である
場合は、Ａ₁ の部分集合の中の任意の属性を配置する。
この場合は、１つしかないのでＴ_Vbを配置する。

【００９１】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【００９２】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９〜図１２は前述した実施例において用い
た数値を使用して具体的に事故診断を行うフローチャー
トを示している。

【００９３】このようにして、ａ，ｂ，ｃ地絡事故及び
ａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【００９４】（Ｃ）第３実施例 本実施例では、まず互いに識別可能とする属性の組を求
め、求めた組の中で最も効率的な属性の組を求め、さら
にその属性の組をノードに配置する際は任意に属性を選
択してノードに配置するものである。したがって、第１
実施例とは、属性の組を選択するところまでは効率を考
慮して同じであるが、その属性の組をノードに配置する
場合において、任意に選択することとしており、その点
効率が考慮されていない点が相違する。

【００９５】具体的に述べれば、（１７）式を求めるプ
ロセスまでは第１実施例と同じであり、（１７）式によ
り識別木作成に効率的な属性の組Ａ_eff が選択された。
ここではＡ_X が１つしかないのでＧ（Ａ₁ ）が最大と仮
定し、Ａ_eff ＝Ｔ_vaＴ_vbＴ_vcとする。

【００９６】７'') 識別木の各ノードへの属性 識別木の各ノードへの配置は次のようにする。まず根ノ
ードに関してはＡ_effのうち任意の属性を選択する。こ
こではＴ_vaとする。属性の重なりの状態により、属性値
の分布に重なりのない領域、属性値の分布に重なる領域
に分かれる。

【００９７】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＮ_e とな
り、後者は再識別ノードＮ_c となる。Ｎ_c における集合
Ｓ_C'は例えば図６に示した領域１に関しては、｛Ｃ_bc，
Ｃ_ca，Ｃ_c ｝となる。

【００９８】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００９９】 ｆ（Ｃ_bc，Ｃ_ca）＝Ｔ_Ia＋Ｔ_Ib＋Ｔ_Va＋Ｔ_Vb (18) ｆ（Ｃ_ca，Ｃ_c ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb (19) ｆ（Ｃ_c ，Ｃ_bc）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb (20)

【０１００】Ｓ_C'の全要素を識別可能とする属性は、こ
れらの論理積により次式のように求まる。

【０１０１】 ｆ（Ｃ_bc，Ｃ_ca）ｆ（Ｃ_ca，Ｃ_c ）ｆ（Ｃ_c ，Ｃ_bc） ＝Ｔ_V0Ｔ_Ia＋Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Va＋Ｔ_V0Ｔ_Vb＋Ｔ_I0Ｔ_Ia＋Ｔ_I0Ｔ_Ib ＋Ｔ_I0Ｔ_Va＋Ｔ_I0Ｔ_Vb＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic＋Ｔ_VaＴ_Ic＋Ｔ_Vb (21)

【０１０２】この結果のうちでＡ_eff の部分集合となっ
ている属性はＴ_Vbである。この場合、もしもＡ_eff の部
分集合となっている属性が１つでなく、２つ以上の組で
ある場合は、任意の属性を配置する。この場合は、１つ
しかないのでＴ_Vbを配置する。

【０１０３】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【０１０４】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９〜図１２は前述した実施例において用い
た数値を使用して具体的に事故診断を行うフローチャー
トを示している。

【０１０５】このようにして、ａ，ｂ，ｃ地絡事故及び
ａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【０１０６】（Ｄ）第４実施例 本実施例では、まず互いに識別可能とする属性の組を求
め、求めた組のすべての組のそれぞれの属性に対し、評
価関数に基づいて評価し、上記で求めた互いに識別可能
な属性の組の中で任意の組を選択し、その選択した属性
の組をノードに配置する際は、識別が効率的になるよう
に効率的な属性から優先して配置する。したがって本実
施例では効率的な属性の組は選択されていないが、選択
された属性の組をノードに配置する際においては効率的
な属性を優先して配置するようにしている。

【０１０７】具体的には、表５の評価値を求めるプロセ
スまでは第１実施例と同じである。Ａ₁ ，Ａ₂ ，Ａ₃ の
それぞれの属性の組の評価値Ｆ（Ｔ_k ）は

【０１０８】 Ａ₁ はＦ（Ｔ_va）＝0.00138 Ｆ（Ｔ_vb）＝0.00141 Ｆ（Ｔ_vc）＝0.00146 である。

【０１０９】７''')識別木の各ノードへの属性 識別木の各ノードへの配置は次のようにする。すなわ
ち、（１４）式のＡ₁ の１組の属性を選択する。ここで
は１組しかないのでＡ₁ を選択する。Ａ₁ の属性の組の
中で評価値Ｆ（Ｔ_k ）が最も大きい方を根ノードに考え
る。ここではＴ_vcとする。属性の重なりの状態により、
属性値の分布に重なりのない領域、属性値の分布に重な
る領域に分かれる。

【０１１０】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＣ_e とな
り、後者は再識別ノードＣ_c となる。Ｃ_c における集合
Ｓ_C'は例えば図６に示した領域１に関しては、｛Ｃ_bc，
Ｃ_ca，Ｃ_c ｝となる。

【０１１１】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【０１１２】 ｆ（Ｃ_bc，Ｃ_ca）＝Ｔ_Ia＋Ｔ_Ib＋Ｔ_Va＋Ｔ_Vb (18) ｆ（Ｃ_ca，Ｃ_c ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb (19) ｆ（Ｃ_c ，Ｃ_bc）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb (20)

【０１１３】Ｓ_C'の全要素を識別可能とする属性は、こ
れらの論理積により次式のように求まる。

【０１１４】 ｆ（Ｃ_bc，Ｃ_ca）ｆ（Ｃ_ca，Ｃ_c ）ｆ（Ｃ_c ，Ｃ_bc） ＝Ｔ_V0Ｔ_Ia＋Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Va＋Ｔ_V0Ｔ_Vb＋Ｔ_I0Ｔ_Ia＋Ｔ_I0Ｔ_Ib ＋Ｔ_I0Ｔ_Va＋Ｔ_I0Ｔ_Vb＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic＋Ｔ_VaＴ_Ic＋Ｔ_Vb (21)

【０１１５】この結果のうちでＡ₁ の部分集合となって
いる属性はＴ_Vbである。この場合、もしもＡ₁ の部分集
合となっている属性が１つでなく、２つ以上の組である
場合は、評価値Ｆ（Ｔ_k ）が大きい方の属性を配置する
方が、このノードで識別できる可能性が高くなり、識別
時間が短縮できる。この場合は、１つしかないのでＴ_Vb
を配置する。

【０１１６】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【０１１７】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９〜図１２は前述した実施例において用い
た数値を使用して具体的に事故診断を行うフローチャー
トを示している。

【０１１８】このようにして、ａ，ｂ，ｃ地絡事故及び
ａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【０１１９】（Ｅ）第５実施例 本実施例は、第１実施例に対し、属性値の設定を行う
際、センサの精度まで考慮しない点が異なり、この点、
実運用上の問題に則していない。第１実施例の表２の属
性値がセンサ精度を考慮に入れていないため、属性値の
分布が狭くなるが、事故診断方法については、第１実施
例と同じである。

【０１２０】（Ｆ）第６実施例 本実施例は、第２実施例に対し、属性値の設定を行う
際、センサの精度まで考慮しない点が異なり、この点、
実運用上の問題に則していない。第１実施例の表２の属
性値がセンサ精度を考慮に入れていないため、属性値の
分布が狭くなるが、事故診断方法については、第２実施
例と同じである。

【０１２１】（Ｇ）第７実施例 本実施例は、第３実施例に対し、属性値の設定を行う
際、センサの精度まで考慮しない点が異なり、この点、
実運用上の問題に則していない。第１実施例の表２の属
性値がセンサ精度を考慮に入れていないため、属性値の
分布が狭くなるが、事故診断方法については、第３実施
例と同じである。

【０１２２】（Ｈ）第８実施例 本実施例は、第４実施例に対し、属性値の設定を行う
際、センサの精度まで考慮しない点が異なり、この点、
実運用上の問題に則していない。第１実施例の表２の属
性値がセンサ精度を考慮に入れていないため、属性値の
分布が狭くなるが、事故診断方法については、第４実施
例と同じである。

【０１２３】（Ｉ）第９実施例 本実施例は、第１実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。第１実
施例の表２の属性値が異なるが、事故診断方法について
は、第１実施例と同じである。

【０１２４】（Ｊ）第１０実施例 本実施例は、第２実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。第１実
施例の表２の属性値が異なるが、事故診断方法について
は、第２実施例と同じである。

【０１２５】（Ｋ）第１１実施例 本実施例は、第３実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。第１実
施例の表２の属性値が異なるが、事故診断方法について
は、第３実施例と同じである。

【０１２６】（Ｌ）第１２実施例 本実施例は、第４実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。第１実
施例の表２の属性値が異なるが、事故診断方法について
は、第４実施例と同じである。

【０１２７】（Ｍ）第１３実施例 本実施例は、第１実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。さらに
センサの精度を考慮しない点である。上記の点は実運用
上の問題に則していない。第１実施例の表２の属性値が
異なるが、事故診断方法については、第１実施例と同じ
である。

【０１２８】（Ｎ）第１４実施例 本実施例は、第２実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。さらに
センサの精度を考慮しない点である。上記の点は実運用
上の問題に則していない。第１実施例の表２の属性値が
異なるが、事故診断方法については、第２実施例と同じ
である。

【０１２９】（Ｏ）第１５実施例 本実施例は、第３実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。さらに
センサの精度を考慮しない点である。上記の点は実運用
上の問題に則していない。第１実施例の表２の属性値が
異なるが、事故診断方法については、第３実施例と同じ
である。

【０１３０】（Ｐ）第１６実施例 本実施例は、第４実施例に対し、正常時の属性の設定は
負荷電流のみ考慮する点が異なり、零相電流、零相電
圧、大地間電圧等の変動を考慮に入れていない。さらに
センサの精度を考慮しない点である。上記の点は実運用
上の問題に則していない。第１実施例の表２の属性値が
異なるが、事故診断方法については、第４実施例と同じ
である。

【０１３１】（Ｑ）第１７実施例 本発明は第１実施例における属性値の設定方法について
の発明である。すなわち、正常時における残留電流、残
留電圧、負荷電流、大地間電圧を計算又は計測して正常
時の属性値とし、異常時における属性値を線路定数、地
絡点抵抗、正常時の属性値をパラメータとして計算又は
計測して異常時の属性値とし、さらに正常時の属性値、
異常時の属性をセンサの精度を考慮して属性値を計算
し、データの分類すなわち事故診断のための属性値とす
る。

【０１３２】（Ｒ）第１８実施例 本発明は第１実施例における属性値の設定方法について
の発明である。すなわち、正常時における残留電流、残
留電圧、負荷電流、大地間電圧を計算又は計測して正常
時の属性値とし、異常時における属性値を線路定数、地
絡点抵抗、正常時の属性値をパラメータとして計算又は
計測して異常時の属性値とする。この正常時の属性値及
び異常時の属性値をデータの分類、すなわち事故診断の
ための属性値とする。ここではセンサ精度は考慮しな
い。

【０１３３】（Ｓ）第１９実施例 本発明は第１実施例における属性値の設定方法について
の発明である。すなわち、正常時における負荷電流を計
算又は計測して正常時の属性値とし（残留電流、残留電
圧、大地間電圧を考慮に入れていない）、異常時におけ
る属性値を線路定数、地絡点抵抗、正常時の属性値をパ
ラメータとして計算又は計測して異常時の属性値とし、
さらに正常時の属性値、異常時の属性をセンサの精度を
考慮して属性値を計算し、データの分類すなわち事故診
断のための属性値とする。

【０１３４】（Ｔ）第２０実施例 本発明は第１実施例における属性値の設定方法について
の発明である。すなわち、正常時における負荷電流を計
算又は計測して正常時の属性値とし（残留電流、残留電
圧、大地間電圧を考慮に入れていない）、異常時におけ
る属性値を線路定数、地絡点抵抗、正常時の属性値をパ
ラメータとして計算又は計測して異常時の属性値とす
る。この正常時の属性値及び異常時の属性値をデータの
分類すなわち事故診断のための属性値とする。ここでは
センサの精度は考慮しない。

【０１３５】

【発明の効果】以上に述べたように、本発明によれば下
記の効果を奏する。 正常時における残留電流、残留電圧、負荷電流、大
地間電圧を計算又は計測し、異常時における属性値を線
路定数、地絡点抵抗、正常時の属性値をパラメータとし
て計算又は計測して異常時の属性値とし、さらに正常時
の属性値、異常時の属性をセンサの精度を考慮した属性
値を計算し、データの分類、すなわち事故診断を行うた
めの属性とすることにより、より実運用に則した属性値
を事故診断に用いることができる。 データと事故原因が分かっていれば、自動的に事故
診断のアルゴリズムの作成が可能である。 人間の主観が入らないアルゴリズムの作成が可能で
ある。 効率のよいアルゴリズムの作成が可能である。 従来は配電線事故においては零相電圧, 零相電流,
電流などにより事故を検出していたが、本発明では
Ｔ_va，Ｔ_vb，Ｔ_vcの２つの相の値により２線短絡、１線
地絡の事故を検出することが可能となった。 事故診断のカテゴリーを各相ごとの２線短絡、１線
地絡に分けて設けており、また識別木及びフローチャー
トを各相について設けたことにより、事故を起こした相
を同定することが可能である。

【図面の簡単な説明】

【図１】 本発明に係る事故診断方式を実施するための
ブロック図である。

【図２】 光センサを利用した場合の本発明実施例のブ
ロック図である。

【図３】 本発明におけるアルゴリズム作成の手順の概
念図である。

【図４】 本発明実施例における配電線線路モデルの系
統図である。

【図５】 属性の非重なり度合いの説明図である。

【図６】 本発明実施例における属性値分布に重なりの
ある領域（斜線部）と重なりのない領域の説明図であ
る。

【図７】 本発明実施例によって生成された識別木の生
成結果の説明図である。

【図８】 本発明によるアルゴリズムを用いて事故診断
を行う処理の概念図である。

【図９】 本発明によるアルゴリズムを用いた事故診断
方法の処理のフローチャートの１である。

【図１０】 同じくフローチャートの２である。

【図１１】 同じくフローチャートの３である。

【図１２】 同じくフローチャートの４である。

【図１３】 従来の手続き形アルゴリズムのフローチャ
ートである。

【符号の説明】

１ 零相電流検出・波形整形回路、２ 零相電圧検出・
波形整形回路、３ 電流検出・波形整形回路、４ 電圧
検出・波形整形回路、５ 入／出力インターフェース、
６ ＣＰＵ又はコンピュータ、１１〜１６ 光−電気変
換部、１７，１８入／出力インターフェース、１９ Ｉ
₀ 演算部、２０ Ｖ₀ 演算部、２１ ＣＰＵ又はコンピ
ュータ

Claims (20)

(57)【特許請求の範囲】
1. 【請求項１】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）上記正常時の属性値、異
   常時の属性をセンサの精度を考慮した属性値を計算し、
   事故診断のためのデータの分類を行うための属性値とす
   るステップと、（ｄ）各測定種目毎または各計算種目毎
   の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
   リーＣ_j との属性値の分布の重なり状態からカテゴリー
   Ｃ_j を識別可能な属性を選択するステップと、（ｅ）前
   記カテゴリーＣ_i と他のすべてのカテゴリーとを識別可
   能な属性の組を求めるステップと、（ｆ）すべてのカテ
   ゴリーを互いに識別可能とするための属性の組を求める
   ステップと、（ｇ）前記属性の組の中から、識別木作成
   に最も効率的な属性の組を選択するために、属性値抽出
   時間、属性値の分布の重なり状態、カテゴリーＣ_i の出
   現頻度に基づく評価関数により評価を行い、最も効率的
   な属性の組を選択するステップと、（ｈ）前記において
   選択した属性の組の中で、評価式が最大となる属性を親
   ノードとして配置し、他のカテゴリーと識別できなかっ
   たカテゴリーを子ノードとして配置し、その子ノードの
   組の間で前記（ｄ）〜（ｇ）のステップの処理を行って
   ステップ（ｇ）で選択した属性の組の中で評価式が最大
   となる属性を前記子ノードに対する親ノードとして配置
   し、これらの処理を再識別ノードがなくなるまで行うス
   テップと、（ｉ）識別木より事故診断のフローチャート
   を作成するステップとを有し、このフローチャートによ
   り事故診断を行うことを特徴とする送配電線事故診断方
   法。
2. 【請求項２】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）上記正常時の属性値、異
   常時の属性をセンサの精度を考慮した属性値を計算し、
   事故診断のためのデータの分類を行うための属性値とす
   るステップと、（ｄ）各測定種目毎または各計算種目毎
   の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
   リーＣ_j との属性値の分布の重なり状態からカテゴリー
   Ｃ_j を識別可能な属性値を選択するステップと、（ｅ）
   前記カテゴリーＣ_i と他のすべてのカテゴリーとを識別
   可能な属性の組を求めるステップと、（ｆ）すべてのカ
   テゴリーを互いに識別可能とするための属性の組を求め
   るステップと、（ｇ）前記求めた属性の組の任意の１組
   の属性を選択し、その属性の組の任意の属性を親ノード
   として配置し、他のカテゴリーと識別できなかったカテ
   ゴリーを子ノードとして配置し、その子ノードの組の間
   で前記（ｄ）〜（ｆ）のステップの処理を行って前記子
   ノードに対する親ノードとして配置し、これらの処理を
   再識別ノードがなくなるまで行うステップと、（ｈ）識
   別木より事故診断のフローチャートを作成するステップ
   とを有し、このフローチャートにより事故診断を行うこ
   とを特徴とする送配電線事故診断方法。
3. 【請求項３】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）上記正常時の属性値、異
   常時の属性をセンサの精度を考慮した属性値を計算し、
   事故診断のためのデータの分類を行うための属性値とす
   るステップと、（ｄ）各測定種目毎または各計算種目毎
   の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
   リーＣ_j との属性値の分布の重なり状態からカテゴリー
   Ｃ_j を識別可能な属性を選択するステップと、（ｅ）前
   記カテゴリーＣ_i と他のすべてのカテゴリーとを識別可
   能な属性の組を求めるステップと、（ｆ）すべてのカテ
   ゴリーを互いに識別可能とするための属性の組を求める
   ステップと、（ｇ）前記属性の組の中から、識別木作成
   に最も効率的な属性の組を選択するために、属性抽出時
   間、属性値の分布の重なり状態、カテゴリーＣ_i の出現
   頻度に基づく評価関数により評価を行い、最も効率的な
   属性の組を選択するステップと、（ｈ）前記において選
   択した属性の組の中の任意の属性を親ノードとして配置
   し、他のカテゴリーと識別できなかったカテゴリーを子
   ノードとして配置し、その子ノードの組の間で前記
   （ｄ）〜（ｇ）のステップの処理を行い、ステップ
   （ｇ）で選択した属性の組の中の任意の属性を前記子ノ
   ードに対する親ノードとして配置し、これらの処理を再
   識別ノードがなくなるまで行うステップと、（ｉ）識別
   木より事故診断のフローチャートを作成するステップと
   を有し、このフローチャートにより事故診断を行うこと
   を特徴とする送配電線事故診断方法。
4. 【請求項４】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）上記正常時の属性値、異
   常時の属性をセンサの精度を考慮した属性値を計算し、
   事故診断のためのデータの分類を行うための属性値とす
   るステップと、（ｄ）各測定種目毎または各計算種目毎
   の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
   リーＣ_j との属性値の分布の重なり状態からカテゴリー
   Ｃ_j を識別可能な属性を選択するステップと、（ｅ）前
   記カテゴリーＣ_i と他のすべてのカテゴリーとを識別可
   能な属性の組を求めるステップと、（ｆ）すべてのカテ
   ゴリーを互いに識別可能とするための属性の組を求める
   ステップと、（ｇ）前記属性の組の全ての組を、属性値
   抽出時間、属性値の分布の重なり状態、カテゴリーＣ_i
   の出現頻度に基づく評価関数により評価を行うステップ
   と、（ｈ）ステップ（ｆ）で求めた属性の組の中の任意
   の１組の属性を選択し、その組の中でステップ（ｇ）に
   おける評価式が最大となる属性を親ノードとして配置
   し、他のカテゴリーと識別できなかったカテゴリーを子
   ノードとして配置し、その子ノードの組の間で前記
   （ｄ）〜（ｇ）のステップの処理を行い、ステップ
   （ｆ）で求めた属性の組の中の任意の１組の属性を選択
   し、その組の中でステップ（ｇ）における評価式が最大
   の属性を前記子ノードに対する親ノードとして配置し、
   これらの処理を再識別ノードがなくなるまで行うステッ
   プと、（ｉ）識別木より事故診断のフローチャートを作
   成するステップとを有し、このフローチャートにより事
   故診断を行うことを特徴とする送配電線事故診断方法。
5. 【請求項５】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）各測定種目毎または各計
   算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
   るカテゴリーＣ_j との属性値の分布の重なり状態からカ
   テゴリーＣ_j を識別可能な属性値を選択するステップ
   と、（ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリ
   ーとを識別可能な属性の組を求めるステップと、（ｅ）
   すべてのカテゴリーを互いに識別可能とするための属性
   の組を求めるステップと、（ｆ）前記属性の組の中か
   ら、識別木作成に最も効率的な属性の組を選択するため
   に、属性値抽出時間、属性値の分布の重なり状態、カテ
   ゴリーＣ_i の出現頻度に基づく評価関数により評価を行
   い、最も効率的な属性の組を選択するステップと、
   （ｇ）前記において選択した属性の組の中で、評価式が
   最大となる属性を親ノードとして配置し、他のカテゴリ
   ーと識別できなかったカテゴリーを子ノードとして配置
   し、その子ノードの組の間で前記（ｃ）〜（ｆ）のステ
   ップの処理を行ってステップ（ｆ）で選択した属性の組
   の中で評価式が最大となる属性を前記子ノードに対する
   親ノードとして配置し、これらの処理を再識別ノードが
   なくなるまで行うステップと、（ｈ）識別木より事故診
   断のフローチャートを作成するステップとを有し、この
   フローチャートにより事故診断を行うことを特徴とする
   送配電線事故診断方法。
6. 【請求項６】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）各測定種目毎または各計
   算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
   るカテゴリーＣ_j との属性値の分布の重なり状態からカ
   テゴリーＣ_j を識別可能な属性値を選択するステップ
   と、（ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリ
   ーとを識別可能な属性の組を求めるステップと、（ｅ）
   すべてのカテゴリーを互いに識別可能とするための属性
   の組を求めるステップと、（ｆ）前記求めた属性の組の
   任意の１組の属性を選択し、その属性の組の任意の属性
   を親ノードとして配置し、他のカテゴリーと識別できな
   かったカテゴリーを子ノードとして配置し、その子ノー
   ドの組の間で前記（ｃ）〜（ｅ）のステップの処理を行
   って前記子ノードに対する親ノードとして配置し、これ
   らの処理を再識別ノードがなくなるまで行うステップ
   と、（ｇ）識別木より事故診断のフローチャートを作成
   するステップとを有し、このフローチャートにより事故
   診断を行うことを特徴とする送配電線事故診断方法。
7. 【請求項７】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）各測定種目毎または各計
   算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
   るカテゴリーＣ_j との属性値の分布の重なり状態からカ
   テゴリーＣ_j を識別可能な属性を選択するステップと、
   （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
   を識別可能な属性の組を求めるステップと、（ｅ）すべ
   てのカテゴリーを互いに識別可能とするための属性の組
   を求めるステップと、（ｆ）前記属性の組の中から、識
   別木作成に最も効率的な属性の組を選択するために、属
   性抽出時間、属性値の分布の重なり状態、カテゴリーＣ
   _i の出現頻度に基づく評価関数により評価を行い、最も
   効率的な属性の組を選択するステップと、（ｇ）前記に
   おいて選択した属性の組の中の任意の属性を親ノードと
   して配置し、他のカテゴリーと識別できなかったカテゴ
   リーを子ノードとして配置し、その子ノードの組の間で
   前記（ｃ）〜（ｆ）のステップの処理を行い、ステップ
   （ｆ）で選択した属性の組の中の任意の属性を前記子ノ
   ードに対する親ノードとして配置し、これらの処理を再
   識別ノードがなくなるまで行うステップと、（ｈ）識別
   木より事故診断のフローチャートを作成するステップと
   を有し、このフローチャートにより事故診断を行うこと
   を特徴とする送配電線事故診断方法。
8. 【請求項８】（ａ）正常時における残留電流、残留電
   圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
   びに負荷のアンバランスによって定まる電気量を計算又
   は計測して正常時の属性値とするステップと、（ｂ）異
   常時における属性値を線路定数、地絡点抵抗、正常時の
   属性値をパラメータとして計算又は計測して異常時の属
   性値とするステップと、（ｃ）各測定種目毎または各計
   算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
   るカテゴリーＣ_j との属性値の分布の重なり状態からカ
   テゴリーＣ_j を識別可能な属性を選択するステップと、
   （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
   を識別可能な属性の組を求めるステップと、（ｅ）すべ
   てのカテゴリーを互いに識別可能とするための属性の組
   を求めるステップと、（ｆ）前記属性の組の全ての組
   を、属性値抽出時間、属性値の分布の重なり状態、カテ
   ゴリーＣ_i の出現頻度に基づく評価関数により評価を行
   うステップと、（ｇ）ステップ（ｅ）で求めた属性の組
   の中の任意の１組の属性を選択し、その組の中でステッ
   プ（ｆ）における評価式が最大となる属性を親ノードと
   して配置し、他のカテゴリーと識別できなかったカテゴ
   リーを子ノードとして配置し、その子ノードの組の間で
   前記（ｃ）〜（ｆ）のステップの処理を行い、ステップ
   （ｅ）で求めた属性の組の中の任意の１組の属性を選択
   し、その組の中でステップ（ｆ）における評価式が最大
   の属性を前記子ノードに対する親ノードとして配置し、
   これらの処理を再識別ノードがなくなるまで行うステッ
   プと、（ｈ）識別木より事故診断のフローチャートを作
   成するステップとを有し、このフローチャートにより事
   故診断を行うことを特徴とする送配電線事故診断方法。
9. 【請求項９】（ａ）正常時における負荷電流を計算又は
   計測して正常時の属性値とするステップと、（ｂ）異常
   時における属性値を線路定数、地絡点抵抗、正常時の属
   性値をパラメータとして計算又は計測して異常時の属性
   値とするステップと、（ｃ）上記正常時の属性値、異常
   時の属性をセンサの精度を考慮した属性値を計算し、事
   故診断のためのデータの分類を行うための属性値とする
   ステップと、（ｄ）各測定種目毎または各計算種目毎の
   分布に着目したあるカテゴリーＣ_i と他のあるカテゴリ
   ーＣ_j との属性値の分布の重なり状態からカテゴリーＣ
   _j を識別可能な属性を選択するステップと、（ｅ）前記
   カテゴリーＣ_i と他のすべてのカテゴリーとを識別可能
   な属性の組を求めるステップと、（ｆ）すべてのカテゴ
   リーを互いに識別可能とするための属性の組を求めるス
   テップと、（ｇ）前記属性の組の中から、識別木作成に
   最も効率的な属性の組を選択するために、属性値抽出時
   間、属性値の分布の重なり状態、カテゴリーＣ_i の出現
   頻度に基づく評価関数により評価を行い、最も効率的な
   属性の組を選択するステップと、（ｈ）前記において選
   択した属性の組の中で、評価式が最大となる属性を親ノ
   ードとして配置し、他のカテゴリーと識別できなかった
   カテゴリーを子ノードとして配置し、その子ノードの組
   の間で前記（ｄ）〜（ｇ）のステップの処理を行ってス
   テップ（ｇ）で選択した属性の組の中で評価式が最大と
   なる属性を前記子ノードに対する親ノードとして配置
   し、これらの処理を再識別ノードがなくなるまで行うス
   テップと、（ｉ）識別木より事故診断のフローチャート
   を作成するステップとを有し、このフローチャートによ
   り事故診断を行うことを特徴とする送配電線事故診断方
   法。
10. 【請求項１０】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）上記正常時の属性値、異
    常時の属性をセンサの精度を考慮した属性値を計算し、
    事故診断のためのデータの分類を行うための属性値とす
    るステップと、（ｄ）各測定種目毎または各計算種目毎
    の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
    リーＣ_j との属性値の分布の重なり状態からカテゴリー
    Ｃ_j を識別可能な属性値を選択するステップと、（ｅ）
    前記カテゴリーＣ_i と他のすべてのカテゴリーとを識別
    可能な属性の組を求めるステップと、（ｆ）すべてのカ
    テゴリーを互いに識別可能とするための属性の組を求め
    るステップと、（ｇ）前記求めた属性の組の任意の１組
    の属性を選択し、その属性の組の任意の属性を親ノード
    として配置し、他のカテゴリーと識別できなかったカテ
    ゴリーを子ノードとして配置し、その子ノードの組の間
    で前記（ｄ）〜（ｆ）のステップの処理を行って前記子
    ノードに対する親ノードとして配置し、これらの処理を
    再識別ノードがなくなるまで行うステップと、（ｈ）識
    別木より事故診断のフローチャートを作成するステップ
    とを有し、このフローチャートにより事故診断を行うこ
    とを特徴とする送配電線事故診断方法。
11. 【請求項１１】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）上記正常時の属性値、異
    常時の属性をセンサの精度を考慮した属性値を計算し、
    事故診断のためのデータの分類を行うための属性値とす
    るステップと、（ｄ）各測定種目毎または各計算種目毎
    の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
    リーＣ_j との属性値の分布の重なり状態からカテゴリー
    Ｃ_j を識別可能な属性を選択するステップと、（ｅ）前
    記カテゴリーＣ_i と他のすべてのカテゴリーとを識別可
    能な属性の組を求めるステップと、（ｆ）すべてのカテ
    ゴリーを互いに識別可能とするための属性の組を求める
    ステップと、（ｇ）前記属性の組の中から、識別木作成
    に最も効率的な属性の組を選択するために、属性抽出時
    間、属性値の分布の重なり状態、カテゴリーＣ_i の出現
    頻度に基づく評価関数により評価を行い、最も効率的な
    属性の組を選択するステップと、（ｈ）前記において選
    択した属性の組の中の任意の属性を親ノードとして配置
    し、他のカテゴリーと識別できなかったカテゴリーを子
    ノードとして配置し、その子ノードの組の間で前記
    （ｄ）〜（ｇ）のステップの処理を行い、ステップ
    （ｇ）で選択した属性の組の中の任意の属性を前記子ノ
    ードに対する親ノードとして配置し、これらの処理を再
    識別ノードがなくなるまで行うステップと、（ｉ）識別
    木より事故診断のフローチャートを作成するステップと
    を有し、このフローチャートにより事故診断を行うこと
    を特徴とする送配電線事故診断方法。
12. 【請求項１２】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）上記正常時の属性値、異
    常時の属性をセンサの精度を考慮した属性値を計算し、
    事故診断のためのデータの分類を行うための属性値とす
    るステップと、（ｄ）各測定種目毎または各計算種目毎
    の分布に着目したあるカテゴリーＣ_i と他のあるカテゴ
    リーＣ_j との属性値の分布の重なり状態からカテゴリー
    Ｃ_j を識別可能な属性を選択するステップと、（ｅ）前
    記カテゴリーＣ_i と他のすべてのカテゴリーとを識別可
    能な属性の組を求めるステップと、（ｆ）すべてのカテ
    ゴリーを互いに識別可能とするための属性の組を求める
    ステップと、（ｇ）前記属性の組の全ての組を、属性値
    抽出時間、属性値の分布の重なり状態、カテゴリーＣ_i
    の出現頻度に基づく評価関数により評価を行うステップ
    と、（ｈ）ステップ（ｆ）で求めた属性の組の中の任意
    の１組の属性を選択し、その組の中でステップ（ｇ）に
    おける評価式が最大となる属性を親ノードとして配置
    し、他のカテゴリーと識別できなかったカテゴリーを子
    ノードとして配置し、その子ノードの組の間で前記
    （ｄ）〜（ｇ）のステップの処理を行い、ステップ
    （ｆ）で求めた属性の組の中の任意の１組の属性を選択
    し、その組の中でステップ（ｇ）における評価式が最大
    の属性を前記子ノードに対する親ノードとして配置し、
    これらの処理を再識別ノードがなくなるまで行うステッ
    プと、（ｉ）識別木より事故診断のフローチャートを作
    成するステップとを有し、このフローチャートにより事
    故診断を行うことを特徴とする送配電線事故診断方法。
13. 【請求項１３】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）各測定種目毎または各計
    算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
    るカテゴリーＣ_j との属性値の分布の重なり状態からカ
    テゴリーＣ_j を識別可能な属性を選択するステップと、
    （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、（ｅ）すべ
    てのカテゴリーを互いに識別可能とするための属性の組
    を求めるステップと、（ｆ）前記属性の組の中から、識
    別木作成に最も効率的な属性の組を選択するために、属
    性値抽出時間、属性値の分布の重なり状態、カテゴリー
    Ｃ_i の出現頻度に基づく評価関数により評価を行い、最
    も効率的な属性の組を選択するステップと、（ｇ）前記
    において選択した属性の組の中で、評価式が最大となる
    属性を親ノードとして配置し、他のカテゴリーと識別で
    きなかったカテゴリーを子ノードとして配置し、その子
    ノードの組の間で前記（ｃ）〜（ｆ）のステップの処理
    を行ってステップ（ｆ）で選択した属性の組の中で評価
    式が最大となる属性を前記子ノードに対する親ノードと
    して配置し、これらの処理を再識別ノードがなくなるま
    で行うステップと、（ｈ）識別木より事故診断のフロー
    チャートを作成するステップとを有し、このフローチャ
    ートにより事故診断を行うことを特徴とする送配電線事
    故診断方法。
14. 【請求項１４】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）各測定種目毎または各計
    算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
    るカテゴリーＣ_j との属性値の分布の重なり状態からカ
    テゴリーＣ_j を識別可能な属性値を選択するステップ
    と、（ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリ
    ーとを識別可能な属性の組を求めるステップと、（ｅ）
    すべてのカテゴリーを互いに識別可能とするための属性
    の組を求めるステップと、（ｆ）前記求めた属性の組の
    任意の１組の属性を選択し、その属性の組の任意の属性
    を親ノードとして配置し、他のカテゴリーと識別できな
    かったカテゴリーを子ノードとして配置し、その子ノー
    ドの組の間で前記（ｃ）〜（ｅ）のステップの処理を行
    って前記子ノードに対する親ノードとして配置し、これ
    らの処理を再識別ノードがなくなるまで行うステップ
    と、（ｇ）識別木より事故診断のフローチャートを作成
    するステップとを有し、このフローチャートにより事故
    診断を行うことを特徴とする送配電線事故診断方法。
15. 【請求項１５】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）各測定種目毎または各計
    算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
    るカテゴリーＣ_j との属性値の分布の重なり状態からカ
    テゴリーＣ_j を識別可能な属性を選択するステップと、
    （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、（ｅ）すべ
    てのカテゴリーを互いに識別可能とするための属性の組
    を求めるステップと、（ｆ）前記属性の組の中から、識
    別木作成に最も効率的な属性の組を選択するために、属
    性抽出時間、属性値の分布の重なり状態、カテゴリーＣ
    _i の出現頻度に基づく評価関数により評価を行い、最も
    効率的な属性の組を選択するステップと、（ｇ）前記に
    おいて選択した属性の組の中の任意の属性を親ノードと
    して配置し、他のカテゴリーと識別できなかったカテゴ
    リーを子ノードとして配置し、その子ノードの組の間で
    前記（ｃ）〜（ｆ）のステップの処理を行い、ステップ
    （ｆ）で選択した属性の組の中の任意の属性を前記子ノ
    ードに対する親ノードとして配置し、これらの処理を再
    識別ノードがなくなるまで行うステップと、（ｈ）識別
    木より事故診断のフローチャートを作成するステップと
    を有し、このフローチャートにより事故診断を行うこと
    を特徴とする送配電線事故診断方法。
16. 【請求項１６】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）各測定種目毎または各計
    算種目毎の分布に着目したあるカテゴリーＣ_i と他のあ
    るカテゴリーＣ_j との属性値の分布の重なり状態からカ
    テゴリーＣ_j を識別可能な属性を選択するステップと、
    （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、（ｅ）すべ
    てのカテゴリーを互いに識別可能とするための属性の組
    を求めるステップと、（ｆ）前記属性の組の全ての組
    を、属性値抽出時間、属性値の分布の重なり状態、カテ
    ゴリーＣ_i の出現頻度に基づく評価関数により評価を行
    うステップと、（ｇ）ステップ（ｅ）で求めた属性の組
    の中の任意の１組の属性を選択し、その組の中でステッ
    プ（ｆ）における評価式が最大となる属性を親ノードと
    して配置し、他のカテゴリーと識別できなかったカテゴ
    リーを子ノードとして配置し、その子ノードの組の間で
    前記（ｃ）〜（ｆ）のステップの処理を行い、ステップ
    （ｅ）で求めた属性の組の中の任意の１組の属性を選択
    し、その組の中でステップ（ｆ）における評価式が最大
    の属性を前記子ノードに対する親ノードとして配置し、
    これらの処理を再識別ノードがなくなるまで行うステッ
    プと、（ｈ）識別木より事故診断のフローチャートを作
    成するステップとを有し、このフローチャートにより事
    故診断を行うことを特徴とする送配電線事故診断方法。
17. 【請求項１７】（ａ）正常時における残留電流、残留電
    圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
    びに負荷のアンバランスによって定まる電気量を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）上記正常時の属性値、異
    常時の属性をセンサの精度を考慮した属性値を計算し、
    事故診断のためのデータの分類を行うための属性値とす
    るステップと、からなる、送配電線事故診断における属
    性値の設定方法。
18. 【請求項１８】（ａ）正常時における残留電流、残留電
    圧、負荷電流、大地間電圧等の対地静電容量の不平衡並
    びに負荷のアンバランスによって定まる電気量を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、からなる、送配電線事故診断に
    おける属性値の設定方法。
19. 【請求項１９】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、（ｃ）上記正常時の属性値、異
    常時の属性をセンサの精度を考慮した属性値を計算し、
    事故診断のためのデータの分類を行うための属性値とす
    るステップと、からなる、送配電線事故診断における属
    性値の設定方法。
20. 【請求項２０】（ａ）正常時における負荷電流を計算又
    は計測して正常時の属性値とするステップと、（ｂ）異
    常時における属性値を線路定数、地絡点抵抗、正常時の
    属性値をパラメータとして計算又は計測して異常時の属
    性値とするステップと、からなる、送配電線事故診断に
    おける属性値の設定方法。