JP2531407B2 - 送配電線事故診断方法 - Google Patents
送配電線事故診断方法Info
- Publication number
- JP2531407B2 JP2531407B2 JP3182723A JP18272391A JP2531407B2 JP 2531407 B2 JP2531407 B2 JP 2531407B2 JP 3182723 A JP3182723 A JP 3182723A JP 18272391 A JP18272391 A JP 18272391A JP 2531407 B2 JP2531407 B2 JP 2531407B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- category
- feature amount
- categories
- accident
- 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.)
- Expired - Fee Related
Links
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S10/20—Systems supporting electrical power generation, transmission or distribution using protection elements, arrangements or systems
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Locating Faults (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Description
【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、特にその機械学習方法に関する。
に関し、特にその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。
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。
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。
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１０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、Ｉ0 ：零相電流現在値 Ｉ0s：零相電流地絡しきい値 Ｖ0 ：零相電圧現在値 Ｖ0s：零相電圧地絡しきい値 Ｉa ：ａ相電流現在値 Ｉas：ａ相電流短絡しきい値 Ｉb ：ｂ相電流現在値 Ｉbs：ｂ相電流短絡しきい値 Ｉc ：ｃ相電流現在値 Ｉcs：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。
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。
（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Ｖa ,
Ｖb , Ｖc 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。
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Ｖa ,
Ｖb , Ｖc 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】そこで本発明が解決すべき課題は、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る。
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）正常送電
時および事故時の零相電流，零相電圧、送配電線各相電
流、各相電圧等の各特徴量Ｔ1 〜Ｔn 毎に測定データを
集計するまたは各特徴量Ｔ1 〜Ｔn 毎に計算するステッ
プと、（ｂ）集計または計算されたデータを事故の種類
に対応するカテゴリーＣ1 〜Ｃm に区分けして各特徴量
毎の分布をとるステップと、（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Ｃi と他
のあるカテゴリーＣj との特徴量の分布の重なり状態か
らカテゴリーＣj を識別可能な特徴量を選択するステッ
プと、（ｄ）前記カテゴリーＣi と他のすべてのカテゴ
リーとを識別可能な特徴量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
の特徴量の組を求めるステップと、（ｆ）前記特徴量の
組の中から、識別木作成に最も効率的な特徴量の組を選
択するために、特徴量抽出時間、特徴量の分布の重なり
状態、カテゴリーＣi の出現頻度に基づく評価関数によ
り評価を行い、最も効率的な特徴量の組を選択するステ
ップと、（ｇ）前記において選択した特徴量の組の中
で、評価式が最大となる特徴量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）で選択した特徴量の組の中で評価式が最大となる
特徴量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従って
事故診断を行うことを特徴とする。
め、本発明の送配電線事故診断方法は、（ａ）正常送電
時および事故時の零相電流，零相電圧、送配電線各相電
流、各相電圧等の各特徴量Ｔ1 〜Ｔn 毎に測定データを
集計するまたは各特徴量Ｔ1 〜Ｔn 毎に計算するステッ
プと、（ｂ）集計または計算されたデータを事故の種類
に対応するカテゴリーＣ1 〜Ｃm に区分けして各特徴量
毎の分布をとるステップと、（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Ｃi と他
のあるカテゴリーＣj との特徴量の分布の重なり状態か
らカテゴリーＣj を識別可能な特徴量を選択するステッ
プと、（ｄ）前記カテゴリーＣi と他のすべてのカテゴ
リーとを識別可能な特徴量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
の特徴量の組を求めるステップと、（ｆ）前記特徴量の
組の中から、識別木作成に最も効率的な特徴量の組を選
択するために、特徴量抽出時間、特徴量の分布の重なり
状態、カテゴリーＣi の出現頻度に基づく評価関数によ
り評価を行い、最も効率的な特徴量の組を選択するステ
ップと、（ｇ）前記において選択した特徴量の組の中
で、評価式が最大となる特徴量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）で選択した特徴量の組の中で評価式が最大となる
特徴量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従って
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、機能学習
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、また特徴量に対して評
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。
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、また特徴量に対して評
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。
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Ｉa 〜Ｉc 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Ｖa 〜Ｖc 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。
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Ｉa 〜Ｉc 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Ｖa 〜Ｖc 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。
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。
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】（Ａ）第１実施例 １）まず、正常送電時および事故時の零相電流，零相電
圧、送配電線各相電流、各相電圧等の各特徴量毎に測定
データを計算し、計算されたデータを事故の種類に対応
するカテゴリーＣ1 〜Ｃm に区分けして各特徴量毎の分
布をとる。ある配電系統における測定データの計算例を
次表に示す。
圧、送配電線各相電流、各相電圧等の各特徴量毎に測定
データを計算し、計算されたデータを事故の種類に対応
するカテゴリーＣ1 〜Ｃm に区分けして各特徴量毎の分
布をとる。ある配電系統における測定データの計算例を
次表に示す。
【００１７】
【表１】
【００１８】２）識別木の作成方法 選択すべき事故及び正常値のカテゴリーを ＣN 正常 Ｃbc ｂｃ線２線短絡事故 Ｃca ｃａ線２線短絡事故 Ｃab ａｂ線２線短絡事故 Ｃa ａ線地絡事故 Ｃb ｂ線地絡事故 Ｃc ｃ線地絡事故 とする。
【００１９】２−１）任意の二つのカテゴリーの識別に
必要な特徴量の選択 すべてのカテゴリーを識別するために必要な特徴量を見
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特徴量を求める。今、
注目しているカテゴリーをＣi とし、Ｃi 以外の任意の
一つＣj との特徴量分布図上での相対的な分布関係を考
える。特徴量Ｔk における分布図上でのＣi から見たＣ
j の相対的な分布関係は、図４に示すように、次の三つ
の状態が考えられる。
必要な特徴量の選択 すべてのカテゴリーを識別するために必要な特徴量を見
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特徴量を求める。今、
注目しているカテゴリーをＣi とし、Ｃi 以外の任意の
一つＣj との特徴量分布図上での相対的な分布関係を考
える。特徴量Ｔk における分布図上でのＣi から見たＣ
j の相対的な分布関係は、図４に示すように、次の三つ
の状態が考えられる。
【００２０】State (i) Ｃi の分布とＣj の分布は重
なっていない。
なっていない。
【００２１】State (ii) Ｃi の分布はＣj の分布とす
べて重なっている。
べて重なっている。
【００２２】State (iii) Ｃi の分布はＣj の分布と一
部重なっている。
部重なっている。
【００２３】これら三つの状態のうち、Ｃi とＣj が完
全に識別可能な状態はState(i)のみである。つまり、任
意の特徴量Ｔk でＣi とＣj が識別可能であるために
は、その二つのカテゴリーの特徴量分布の状態がState
(i)であることが必要条件となる。そこで特徴量Ｔk がS
tate(i)であるか否かを示すために式（１）に示すよう
な係数ａikを定義する。
全に識別可能な状態はState(i)のみである。つまり、任
意の特徴量Ｔk でＣi とＣj が識別可能であるために
は、その二つのカテゴリーの特徴量分布の状態がState
(i)であることが必要条件となる。そこで特徴量Ｔk がS
tate(i)であるか否かを示すために式（１）に示すよう
な係数ａikを定義する。
【００２４】 ａik＝１ Ｔk がState(i) ０ その他 (1) また、Ｔk 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。Ｃi とＣj を
識別可能とする特徴量はａikを用い論理和の形に表現す
ると次式のようになる。
１、用いない場合には０の２値を考える。Ｃi とＣj を
識別可能とする特徴量はａikを用い論理和の形に表現す
ると次式のようになる。
【００２５】 ｆ（Ｃi ，Ｃj ）＝ａi1Ｔ1 ＋・・・＋ａikＴK ＋・・・・ａinＴn (2) つまり（２）式においてＣi とＣj はｆ（Ｃi ，
Ｃj ）＝１となる場合に識別可能となり、ｆ（Ｃi ，Ｃ
j ）の項の少なくとも一つの特徴量を用いればＣi とＣ
j は識別できる。
Ｃj ）＝１となる場合に識別可能となり、ｆ（Ｃi ，Ｃ
j ）の項の少なくとも一つの特徴量を用いればＣi とＣ
j は識別できる。
【００２６】カテゴリーＣN と他のカテゴリーとを識別
するために必要な特徴量を選択した結果を次に示す。
するために必要な特徴量を選択した結果を次に示す。
【００２７】 ｆ（ＣN ，Ｃbc）＝Ｉb ＋Ｉc ＋Ｖb ＋Ｖc (3) ｆ（ＣN ，Ｃca）＝Ｉa ＋Ｉc ＋Ｖa ＋Ｖc (4) ｆ（ＣN ，Ｃab）＝Ｉa ＋Ｉb ＋Ｖa ＋Ｖb (5) ｆ（ＣN ，Ｃa ）＝Ｖ0 ＋Ｉ0 ＋Ｖa ＋Ｖb ＋Ｖc (6) ｆ（ＣN ，Ｃb ）＝Ｖ0 ＋Ｉ0 ＋Ｖa ＋Ｖb ＋Ｖc (7) ｆ（ＣN ，Ｃc ）＝Ｖ0 ＋Ｉ0 ＋Ｖa ＋Ｖb ＋Ｖc (8) ２−２）注目カテゴリーの識別に必要な特徴量の選択こ
こでは、今注目しているカテゴリーＣi と他のすべての
カテゴリーとを識別可能とする特徴量の組を求める。
こでは、今注目しているカテゴリーＣi と他のすべての
カテゴリーとを識別可能とする特徴量の組を求める。
【００２８】Ｃi と他のカテゴリー中の任意の一つＣj
とを識別可能とする特徴量は式（２）で求まっている。
従って、Ｃi 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Ｃi とそれ以外のそれぞれのカテゴリーに
対してｆ（Ｃi ，Ｃj ）（ｊ＝１，・・・，ｍ，ｉ≠
ｊ）の論理積を式（９）のように行う。
とを識別可能とする特徴量は式（２）で求まっている。
従って、Ｃi 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Ｃi とそれ以外のそれぞれのカテゴリーに
対してｆ（Ｃi ，Ｃj ）（ｊ＝１，・・・，ｍ，ｉ≠
ｊ）の論理積を式（９）のように行う。
【００２９】 ｆ（Ｃi ）＝ｆ（Ｃi ，Ｃ1 ）・・ｆ（Ｃi ，Ｃj ）・・ｆ（Ｃi ，Ｃm ） 但しｉ≠ｊ (9) すなわち、このｆ（Ｃi ）の演算結果における論理積
の形で与えられる特徴量の組は、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特徴量の
組である。
の形で与えられる特徴量の組は、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特徴量の
組である。
【００３０】以上の式により、ＣN を識別するために必
要な特徴量は次の（１０）式のように式（３）〜（８）
の論理積で表すことができる。
要な特徴量は次の（１０）式のように式（３）〜（８）
の論理積で表すことができる。
【００３１】 ｆ（ＣN ）＝ｆ（ＣN ，Ｃbc）ｆ（ＣN ，Ｃca）ｆ（ＣN ，Ｃab） ｆ（ＣN ，Ｃa ）ｆ（ＣN ，Ｃb ）ｆ（ＣN ，Ｃc ） ＝Ｖa Ｖb ＋Ｖb Ｖc ＋Ｖc Ｖa ＋Ｉa Ｖb ＋Ｉa Ｖc ＋Ｉb Ｖa ＋Ｉb Ｖc ＋Ｉc Ｖa ＋Ｉc Ｖb ＋Ｖ0 Ｉa Ｉb ＋Ｖ0 Ｉb Ｉc ＋Ｖ0 Ｉc Ｉa ＋Ｉ0 Ｉa Ｉb ＋Ｉ0 Ｉb Ｉc ＋Ｉ0 Ｉc Ｉa (10) 式（１０）において、１５の項のそれぞれの特徴量の
組によってＣN は識別可能となる。
組によってＣN は識別可能となる。
【００３２】２−３）すべて識別可能な特徴量の選択式
（９）によって求まった各カテゴリーの識別に必要な特
徴量の組のうち、少なくとも１組ずつを取り出し、それ
らのすべてを含む特徴量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特徴量の組は、各々のカテ
ゴリーに対してｆ（Ｃi ）＝１（ｉ＝１，・・・，ｍ）
とならしめる特徴量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。
（９）によって求まった各カテゴリーの識別に必要な特
徴量の組のうち、少なくとも１組ずつを取り出し、それ
らのすべてを含む特徴量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特徴量の組は、各々のカテ
ゴリーに対してｆ（Ｃi ）＝１（ｉ＝１，・・・，ｍ）
とならしめる特徴量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。
【００３３】 Ｅ＝ｆ（Ｃ1 ）・・・ｆ（Ｃi ）・・・ｆ（Ｃm ） (11) この演算結果は次のように表せる。
【００３４】 Ｅ＝Ａ1 ＋・・・＋Ａx ＋・・・＋Ａp 但しＡx ＝Ｔa Ｔb Ｔc ・・・ (12) 従って、Ａ1,・・・, Ａx , ・・・,Ａp はすべての
カテゴリーを識別可能とするのに必要な特徴量の組であ
る。
カテゴリーを識別可能とするのに必要な特徴量の組であ
る。
【００３５】以下同様に、ｆ（Ｃbc），ｆ（Ｃca），ｆ
（Ｃab），ｆ（Ｃa ），ｆ（Ｃb ），ｆ（Ｃc ）を求め
るすべてのカテゴリーを識別可能とする特徴量の組は、 Ｅ＝ｆ（ＣN ）ｆ（Ｃbc）ｆ（Ｃca）ｆ（Ｃab）ｆ（Ｃa ） ｆ（Ｃb ）ｆ（Ｃc ） ＝Ｖa Ｖb ＋Ｖb Ｖc ＋Ｖc Ｖa (13) となる。これを次のように置き換える。
（Ｃab），ｆ（Ｃa ），ｆ（Ｃb ），ｆ（Ｃc ）を求め
るすべてのカテゴリーを識別可能とする特徴量の組は、 Ｅ＝ｆ（ＣN ）ｆ（Ｃbc）ｆ（Ｃca）ｆ（Ｃab）ｆ（Ｃa ） ｆ（Ｃb ）ｆ（Ｃc ） ＝Ｖa Ｖb ＋Ｖb Ｖc ＋Ｖc Ｖa (13) となる。これを次のように置き換える。
【００３６】 Ａ1 ＝Ｖa Ｖb ，Ａ2 ＝Ｖb Ｖc ，Ａ3 ＝Ｖc Ｖa (14) つまり、これらの３組は、それぞれ独立してすべてのカ
テゴリーを識別可能とする特徴量の組である。
テゴリーを識別可能とする特徴量の組である。
【００３７】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。
するときに考慮すべき点として （１）誤識別しない。
【００３８】（２）識別時間が短い。
【００３９】ということが考えられる。式（１４）で求
まった特徴量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、特徴量の抽出時間、特徴量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
も効果的な特徴量の組を選択する方法を以下に示す。
まった特徴量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、特徴量の抽出時間、特徴量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
も効果的な特徴量の組を選択する方法を以下に示す。
【００４０】３）特徴量抽出時間ｔk 次に、各特徴量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
の例を下表に示す。
用いるセンサの種類や特性によって決まる値である。そ
の例を下表に示す。
【００４１】
【表２】
【００４２】上表において、Ｖ0 ，Ｉ0 はそれぞれ
Ｖa ，Ｖb ，Ｖc 及びＩa ，Ｉb ，Ｉc から計算すると
仮定して、特徴量抽出時間を設定した。
Ｖa ，Ｖb ，Ｖc 及びＩa ，Ｉb ，Ｉc から計算すると
仮定して、特徴量抽出時間を設定した。
【００４３】４）非重なり度合いａk (i) 特徴量分布において、他の分布と重なりが全くない領域
を多くもつ特徴量は識別のための貢献度が高くなる。そ
のような特徴量を多く含む特徴量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
テゴリーの特徴量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ａk (i) を次式で表す。これはＴ
k がＣi 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。
を多くもつ特徴量は識別のための貢献度が高くなる。そ
のような特徴量を多く含む特徴量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
テゴリーの特徴量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ａk (i) を次式で表す。これはＴ
k がＣi 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。
【００４４】ａk (i) ＝ｌik／Ｌ（Ｃi ） ここでｌik：ＴK の特徴量分布において、Ｃi 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４参
照） Ｌ（Ｃi ）：Ｃi の分布の範囲 前掲の表１の測定データに基づいて非重なり度合いａk
(i) を算出すると表３のようになる。
対して他の分布により重なりがない領域の範囲（図４参
照） Ｌ（Ｃi ）：Ｃi の分布の範囲 前掲の表１の測定データに基づいて非重なり度合いａk
(i) を算出すると表３のようになる。
【００４５】
【表３】
【００４６】５）出現頻度Ｐ1 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。
める。
【００４７】
【表４】
【００４８】当然、出現頻度Ｐ1 は正常時≫地絡事故＞
短絡事故である。したがって、本来ならばＣN ≫Ｃa ，
Ｃb ，Ｃc であるが、表４のようにした。
短絡事故である。したがって、本来ならばＣN ≫Ｃa ，
Ｃb ，Ｃc であるが、表４のようにした。
【００４９】６）評価値Ｆ（Ｔk ） 以上挙げた３つのパラメータｔk ，ａk (i), Ｐ1 を用
いて、各特徴量に対して次式に示すような評価関数を定
めた。
いて、各特徴量に対して次式に示すような評価関数を定
めた。
【００５０】
【数１】
【００５１】このＦ（Ｔk ）が大きいＴk 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、
特徴量抽出時間が短い特徴量である。
度の大きいカテゴリーに対して識別の可能性が大きく、
特徴量抽出時間が短い特徴量である。
【００５２】前述の例の場合、評価値は次のようにな
る。
る。
【００５３】
【表５】
【００５４】識別木作成に効果的な特徴量の組Ａ
eff は、Ａ1，Ａ2 ，Ａ3 のそれぞれの特徴量の評価値
Ｆ（Ｔk ）の積Ｇ（Ａx ）が最大となる組である。そこ
で各組についてＧ（Ａx ）を求める。
eff は、Ａ1，Ａ2 ，Ａ3 のそれぞれの特徴量の評価値
Ｆ（Ｔk ）の積Ｇ（Ａx ）が最大となる組である。そこ
で各組についてＧ（Ａx ）を求める。
【００５５】 Ｇ（Ａ1 ）＝Ｆ（Ｖa ）Ｆ（Ｖb ）＝0.0028 Ｇ（Ａ2 ）＝Ｆ（Ｖb ）Ｆ（Ｖc ）＝0.0028 Ｇ（Ａ3 ）＝Ｆ（Ｖc ）Ｆ（Ｖa ）＝0.0028 (15) この場合はＡ1 ，Ａ2 ，Ａ3 が等価なのでＧ（Ａ1 ）
＝Ｇ（Ａ2 ）＝Ｇ（Ａ3 ）となる。したがってここでは
Ｇ（Ａ1 ）が最大と仮定をし、計算を進める。上記Ｇ
（Ａx ）の値が異なる場合は最大のＧ（Ａx ）をとる。
＝Ｇ（Ａ2 ）＝Ｇ（Ａ3 ）となる。したがってここでは
Ｇ（Ａ1 ）が最大と仮定をし、計算を進める。上記Ｇ
（Ａx ）の値が異なる場合は最大のＧ（Ａx ）をとる。
【００５６】７）識別木の各ノードへの特徴量 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Ａeff のうち評価値Ｆ（ＴK ）が最も大
きい方を根ノードに考える。ここではＦ（Ｖa ）＝Ｆ
（Ｖb ）なのでＶa とする。特徴量の重なりの状態によ
り、特徴量の分布に重なりのない領域、特徴量の分布に
重なる領域に分かれる。
ードに関してはＡeff のうち評価値Ｆ（ＴK ）が最も大
きい方を根ノードに考える。ここではＦ（Ｖa ）＝Ｆ
（Ｖb ）なのでＶa とする。特徴量の重なりの状態によ
り、特徴量の分布に重なりのない領域、特徴量の分布に
重なる領域に分かれる。
【００５７】特徴量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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
【００５８】次に再識別ノードに配置する特徴量は次の
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
【００５９】 ｆ（Ｃca，Ｃab）＝Ｉb ＋Ｉc ＋Ｖb ＋Ｖc ｆ（Ｃab，Ｃa ）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉb ＋Ｖb ＋Ｖc ｆ（Ｃa ，Ｃca）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉc ＋Ｖb ＋Ｖc (16) ＳC'の全要素を識別可能とする特徴量は、これらの論
理積により次式のように求まる。
理積により次式のように求まる。
【００６０】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝Ｖ0 Ｉb ＋Ｖ0 Ｉc ＋Ｉ0 Ｉb ＋Ｉ0 Ｉc ＋Ｉa Ｉb ＋Ｉa Ｉc ＋Ｉb Ｉc ＋Ｖb ＋Ｖc (17) この結果のうちでＡeff の部分集合となっている特徴
量はＶb である。この場合、もしもＡeff の部分集合と
なっている特徴量が１つでなく、２つ以上の組である場
合は、評価値Ｆ（Ｔk ）が大きい方の特徴量を配置する
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Ｖb
を配置する。
量はＶb である。この場合、もしもＡeff の部分集合と
なっている特徴量が１つでなく、２つ以上の組である場
合は、評価値Ｆ（Ｔk ）が大きい方の特徴量を配置する
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Ｖb
を配置する。
【００６１】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６に示す。
繰り返して識別木を生成する。この結果を図６に示す。
【００６２】図７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８及び図９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。
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８及び図９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。
【００６３】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およびフローチャー
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。
第１実施例は、最も効率的な識別木およびフローチャー
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。
【００６４】（Ｂ）第２実施例 本実施例では、まず互いに識別可能とする特徴量の組を
求め、求めた組の中から任意に１組を選び、さらに選択
した特徴量の組をノードに配置する際にも、任意の特徴
量をノードに配置する。これは、第１実施例の場合に
は、効率的な特徴量の組を選択する点と、さらにその特
徴量の組をノードに配置する際にも効率的な特徴量から
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。
求め、求めた組の中から任意に１組を選び、さらに選択
した特徴量の組をノードに配置する際にも、任意の特徴
量をノードに配置する。これは、第１実施例の場合に
は、効率的な特徴量の組を選択する点と、さらにその特
徴量の組をノードに配置する際にも効率的な特徴量から
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。
【００６５】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 ，Ａ2 ，Ａ3 は独立してすべてのカテゴリー
を識別可能とする特徴量の組である。その後、次の処理
を行う。
プロセスまでは第１実施例と同じである。（１４）式に
より、Ａ1 ，Ａ2 ，Ａ3 は独立してすべてのカテゴリー
を識別可能とする特徴量の組である。その後、次の処理
を行う。
【００６６】７’）識別木から各ノードへの特徴量 （１４）式のＡ1 ，Ａ2 ，Ａ3 の任意の１組の特徴量の
組を選択する。ここではＡ1 を選択するものとする。Ａ
1 の特徴量の組の中で任意の特徴量を根ノードに考え
る。ここではＶa とする。特徴量の重なりの状態によ
り、特徴量の分布に重なりのない領域、特徴量の分布に
重なる領域に分かれる。
組を選択する。ここではＡ1 を選択するものとする。Ａ
1 の特徴量の組の中で任意の特徴量を根ノードに考え
る。ここではＶa とする。特徴量の重なりの状態によ
り、特徴量の分布に重なりのない領域、特徴量の分布に
重なる領域に分かれる。
【００６７】特徴量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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
【００６８】次に再識別ノードに配置する特徴量は次の
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
【００６９】 ｆ（Ｃca，Ｃab）＝Ｉb ＋Ｉc ＋Ｖb ＋Ｖc ｆ（Ｃab，Ｃa ）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉb ＋Ｖb ＋Ｖc ｆ（Ｃa ，Ｃca）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉc ＋Ｖb ＋Ｖc (16) ＳC'の全要素を識別可能とする特徴量は、これらの論
理積により次式のように求まる。
理積により次式のように求まる。
【００７０】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝Ｖ0 Ｉb ＋Ｖ0 Ｉc ＋Ｉ0 Ｉb ＋Ｉ0 Ｉc ＋Ｉa Ｉb ＋Ｉa Ｉc ＋Ｉb Ｉc ＋Ｖb ＋Ｖc (17) この結果のうちでＡ1 の部分集合となっている特徴量
はＶb である。この場合、もしもＡ1 の部分集合となっ
ている特徴量が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特徴量を配置する。こ
の場合は、１つしかないのでＶb を配置する。
はＶb である。この場合、もしもＡ1 の部分集合となっ
ている特徴量が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特徴量を配置する。こ
の場合は、１つしかないのでＶb を配置する。
【００７１】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６に示す。
繰り返して識別木を生成する。この結果を図６に示す。
【００７２】図７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８及び図９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。
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８及び図９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。
【００７３】（Ｃ）第３実施例 本実施例では、まず互いに識別可能とする特徴量の組を
求め、求めた組の中で最も効率的な特徴量の組を求め、
さらにその特徴量の組をノードに配置する際は任意に特
徴量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、特徴量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、その特徴量の組をノー
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。
求め、求めた組の中で最も効率的な特徴量の組を求め、
さらにその特徴量の組をノードに配置する際は任意に特
徴量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、特徴量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、その特徴量の組をノー
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。
【００７４】具体的に述べれば、（１５）式を求めるプ
ロセスまでは第１実施例と同じであり、（１５）式によ
り識別木作成に効率的な特徴量の組Ａeffが選択され
た。ここではＧ（Ａ1 ）が最大と仮定し、Ａeff ＝Ｖa
Ｖb とする。
ロセスまでは第１実施例と同じであり、（１５）式によ
り識別木作成に効率的な特徴量の組Ａeffが選択され
た。ここではＧ（Ａ1 ）が最大と仮定し、Ａeff ＝Ｖa
Ｖb とする。
【００７５】７'') 識別木の各ノードへの特徴量 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Ａeff のうち任意の特徴量を選択する。
ここではＶa とする。特徴量の重なりの状態により、特
徴量の分布に重なりのない領域、特徴量の分布に重なる
領域に分かれる。
ードに関してはＡeff のうち任意の特徴量を選択する。
ここではＶa とする。特徴量の重なりの状態により、特
徴量の分布に重なりのない領域、特徴量の分布に重なる
領域に分かれる。
【００７６】特徴量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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
【００７７】次に再識別ノードに配置する特徴量は次の
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
【００７８】 ｆ（Ｃca，Ｃab）＝Ｉb ＋Ｉc ＋Ｖb ＋Ｖc ｆ（Ｃab，Ｃa ）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉb ＋Ｖb ＋Ｖc ｆ（Ｃa ，Ｃca）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉc ＋Ｖb ＋Ｖc (16) ＳC'の全要素を識別可能とする特徴量は、これらの論
理積により次式のように求まる。
理積により次式のように求まる。
【００７９】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝Ｖ0 Ｉb ＋Ｖ0 Ｉc ＋Ｉ0 Ｉb ＋Ｉ0 Ｉc ＋Ｉa Ｉb ＋Ｉa Ｉc ＋Ｉb Ｉc ＋Ｖb ＋Ｖc (17) この結果のうちでＡeff の部分集合となっている特徴
量はＶb である。この場合、もしもＡeff の部分集合と
なっている特徴量が１つでなく、２つ以上の組である場
合は、任意の特徴量を配置する。この場合は、１つしか
ないのでＶb を配置する。
量はＶb である。この場合、もしもＡeff の部分集合と
なっている特徴量が１つでなく、２つ以上の組である場
合は、任意の特徴量を配置する。この場合は、１つしか
ないのでＶb を配置する。
【００８０】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６に示す。
繰り返して識別木を生成する。この結果を図６に示す。
【００８１】図７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８及び図９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。
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８及び図９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。
【００８２】（Ｄ）第４実施例 本実施例では、まず互いに識別可能とする特徴量の組を
求め、求めた組のすべての組のそれぞれの特徴量に対
し、評価関数に基づいて評価し、上記で求めた互いに識
別可能な特徴量の組の中で任意の組を選択し、その選択
した特徴量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特徴量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特徴量の組は選択されて
いないが、選択された特徴量の組をノードに配置する際
においては効率的な特徴量を優先して配置するようにし
ている。
求め、求めた組のすべての組のそれぞれの特徴量に対
し、評価関数に基づいて評価し、上記で求めた互いに識
別可能な特徴量の組の中で任意の組を選択し、その選択
した特徴量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特徴量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特徴量の組は選択されて
いないが、選択された特徴量の組をノードに配置する際
においては効率的な特徴量を優先して配置するようにし
ている。
【００８３】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
それぞれの特徴量の組の評価値Ｆ（Ｔk ）は Ａ1 はＦ（Ｖa ）＝0.053 Ｆ（Ｖb ）＝0.053 Ａ2 はＦ（Ｖb ）＝0.053 Ｆ（Ｖc ）＝0.053 Ａ3 はＦ（Ｖc ）＝0.053 Ｆ（Ｖa ）＝0.053 である。
スまでは第１実施例と同じである。Ａ1 ，Ａ2 ，Ａ3 の
それぞれの特徴量の組の評価値Ｆ（Ｔk ）は Ａ1 はＦ（Ｖa ）＝0.053 Ｆ（Ｖb ）＝0.053 Ａ2 はＦ（Ｖb ）＝0.053 Ｆ（Ｖc ）＝0.053 Ａ3 はＦ（Ｖc ）＝0.053 Ｆ（Ｖa ）＝0.053 である。
【００８４】７''')識別木の各ノードへの特徴量 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 ，Ａ2 ，Ａ3 の任意の１組の特徴
量を選択する。ここではＡ1 を選択する。Ａ1 の特徴量
の組の中で評価値Ｆ（Ｔk ）が最も大きい方を根ノード
に考える。ここではＦ（Ｖa ）＝Ｆ（Ｖb ）なのでＶa
とする。特徴量の重なりの状態により、特徴量の分布に
重なりのない領域、特徴量の分布に重なる領域に分かれ
る。
ち、（１４）式のＡ1 ，Ａ2 ，Ａ3 の任意の１組の特徴
量を選択する。ここではＡ1 を選択する。Ａ1 の特徴量
の組の中で評価値Ｆ（Ｔk ）が最も大きい方を根ノード
に考える。ここではＦ（Ｖa ）＝Ｆ（Ｖb ）なのでＶa
とする。特徴量の重なりの状態により、特徴量の分布に
重なりのない領域、特徴量の分布に重なる領域に分かれ
る。
【００８５】特徴量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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
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、他の特
徴量で再度識別する。すなわち、前者は葉ノードＣe と
なり、後者は再識別ノードＣc となる。Ｃc における集
合ＳC'は例えば図５に示した領域１に関しては、
｛Ｃca，Ｃab，Ｃa ｝となる。
【００８６】次に再識別ノードに配置する特徴量は次の
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
ように選択する。領域１を例にとればＳC'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。特徴量は
次式のようになる。但し、ｆ（Ｃi ，Ｃj）＝ｆ
（Ｃj ，Ｃi ）である。
【００８７】 ｆ（Ｃca，Ｃab）＝Ｉb ＋Ｉc ＋Ｖb ＋Ｖc ｆ（Ｃab，Ｃa ）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉb ＋Ｖb ＋Ｖc ｆ（Ｃa ，Ｃca）＝Ｖ0 ＋Ｉ0 ＋Ｉa ＋Ｉc ＋Ｖb ＋Ｖc (16) ＳC'の全要素を識別可能とする特徴量は、これらの論
理積により次式のように求まる。
理積により次式のように求まる。
【００８８】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝Ｖ0 Ｉb ＋Ｖ0 Ｉc ＋Ｉ0 Ｉb ＋Ｉ0 Ｉc ＋Ｉa Ｉb ＋Ｉa Ｉc ＋Ｉb Ｉc ＋Ｖb ＋Ｖc (17) この結果のうちでＡ1 の部分集合となっている特徴量
はＶb である。この場合、もしもＡ1 の部分集合となっ
ている特徴量が１つでなく、２つ以上の組である場合
は、評価値Ｆ（Ｔk ）が大きい方の特徴量を配置する方
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Ｖb を
配置する。
はＶb である。この場合、もしもＡ1 の部分集合となっ
ている特徴量が１つでなく、２つ以上の組である場合
は、評価値Ｆ（Ｔk ）が大きい方の特徴量を配置する方
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Ｖb を
配置する。
【００８９】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６に示す。
繰り返して識別木を生成する。この結果を図６に示す。
【００９０】図７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８及び図９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。
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８及び図９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。
【００９１】なお、以上の実施例においては、各特徴量
毎に測定データを計算する例を示したが、これを実際の
送配電線系統またはそのシュミレータを用いて実測、集
計して得ることもできる。
毎に測定データを計算する例を示したが、これを実際の
送配電線系統またはそのシュミレータを用いて実測、集
計して得ることもできる。
【００９２】
【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。
記の効果を奏する。
【００９３】 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
Ｖa ，Ｖb ，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。
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
Ｖa ，Ｖb ，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。
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。
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。
念図である。
【図４】 特徴量の非重なり度合いの説明図である。
【図５】 本発明実施例における特徴量分布に重なりの
ある領域（斜線部）と重なりのない領域の説明図であ
る。
ある領域（斜線部）と重なりのない領域の説明図であ
る。
【図６】 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。
成結果の説明図である。
【図７】 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。
を行う処理の概念図である。
【図８】 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。
方法の処理のフローチャートの１である。
【図９】 同じくフローチャートの２である。
【図１０】 従来の事故診断アルゴリズムの例を示すフ
ローチャートである。
ローチャートである。
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
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 (4)
- 【請求項１】（ａ）正常送電時および事故時の零相電
流，零相電圧、送配電線各相電流、各相電圧等の各特徴
量Ｔ1 〜Ｔn 毎に測定データを集計するまたは各特徴量
Ｔ1 〜Ｔn 毎に計算するステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
するカテゴリーＣ1〜Ｃm に区分けして各特徴量毎の分
布をとるステップと、 （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Ｃi と他のあるカテゴリーＣj との特
徴量の分布の重なり状態からカテゴリーＣj を識別可能
な特徴量を選択するステップと、 （ｄ）前記カテゴリーＣi と他のすべてのカテゴリーと
を識別可能な特徴量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
の特徴量の組を求めるステップと、 （ｆ）前記特徴量の組の中から、識別木作成に最も効率
的な特徴量の組を選択するために、特徴量抽出時間、特
徴量の分布の重なり状態、カテゴリーＣi の出現頻度に
基づく評価関数により評価を行い、最も効率的な特徴量
の組を選択するステップと、 （ｇ）前記において選択した特徴量の組の中で、評価式
が最大となる特徴量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）で選択した特徴
量の組の中で評価式が最大となる特徴量を前記子ノード
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従って事故診
断を行うことを特徴とする送配電線事故診断方法。 - 【請求項２】（ａ）正常送電時および事故時の零相電
流，零相電圧、送配電線各相電流、各相電圧等の各特徴
量Ｔ1 〜Ｔn 毎に測定データを集計するまたは各特徴量
Ｔ1 〜Ｔn 毎に計算するステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
するカテゴリーＣ1〜Ｃm に区分けして各特徴量毎の分
布をとるステップと、 （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Ｃi と他のあるカテゴリーＣj との特
徴量の分布の重なり状態からカテゴリーＣj を識別可能
な特徴量を選択するステップと、 （ｄ）前記カテゴリーＣi と他のすべてのカテゴリーと
を識別可能な特徴量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
の特徴量の組を求めるステップと、 （ｆ）前記求めた特徴量の組の任意の１組の特徴量を選
択し、その特徴量の組の任意の特徴量を親ノードとして
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従って事故診
断を行うことを特徴とする送配電線事故診断方法。 - 【請求項３】（ａ）正常送電時および事故時の零相電
流，零相電圧、送配電線各相電流、各相電圧等の各特徴
量Ｔ1 〜Ｔn 毎に測定データを集計するまたは各特徴量
Ｔ1 〜Ｔn 毎に計算するステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
するカテゴリーＣ1〜Ｃm に区分けして各特徴量毎の分
布をとるステップと、 （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Ｃi と他のあるカテゴリーＣj との特
徴量の分布の重なり状態からカテゴリーＣj を識別可能
な特徴量を選択するステップと、 （ｄ）前記カテゴリーＣi と他のすべてのカテゴリーと
を識別可能な特徴量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
の特徴量の組を求めるステップと、 （ｆ）前記特徴量の組の中から、識別木作成に最も効率
的な特徴量の組を選択するために、特徴量抽出時間、特
徴量の分布の重なり状態、カテゴリーＣi の出現頻度に
基づく評価関数により評価を行い、最も効率的な特徴量
の組を選択するステップと、 （ｇ）前記において選択した特徴量の組の中の任意の特
徴量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）で選択した特徴量の組の中の任
意の特徴量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従って事故診
断を行うことを特徴とする送配電線事故診断方法。 - 【請求項４】（ａ）正常送電時および事故時の零相電
流，零相電圧、送配電線各相電流、各相電圧等の各特徴
量Ｔ1 〜Ｔn 毎に測定データを集計するまたは各特徴量
Ｔ1 〜Ｔn 毎に計算するステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
するカテゴリーＣ1〜Ｃm に区分けして各特徴量毎の分
布をとるステップと、 （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Ｃi と他のあるカテゴリーＣj との特
徴量の分布の重なり状態からカテゴリーＣj を識別可能
な特徴量を選択するステップと、 （ｄ）前記カテゴリーＣi と他のすべてのカテゴリーと
を識別可能な特徴量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
の特徴量の組を求めるステップと、 （ｆ）前記特徴量の組の全ての組を、特徴量抽出時間、
特徴量の分布の重なり状態、カテゴリーＣi 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）で求めた特徴量の組の中の任意の
１組の特徴量を選択し、その組の中でステップ（ｆ）に
おける評価式が最大となる特徴量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）で求めた特徴量の組の中の任意の１組の特徴量を
選択し、その組の中でステップ（ｆ）における評価式が
最大の特徴量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従って事故診
断を行うことを特徴とする送配電線事故診断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3182723A JP2531407B2 (ja) | 1991-07-23 | 1991-07-23 | 送配電線事故診断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3182723A JP2531407B2 (ja) | 1991-07-23 | 1991-07-23 | 送配電線事故診断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0530684A JPH0530684A (ja) | 1993-02-05 |
| JP2531407B2 true JP2531407B2 (ja) | 1996-09-04 |
Family
ID=16123322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3182723A Expired - Fee Related JP2531407B2 (ja) | 1991-07-23 | 1991-07-23 | 送配電線事故診断方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2531407B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201700A (zh) * | 2011-04-27 | 2011-09-28 | 广西电网公司电力科学研究院 | 基于多参量融合的输电线路状态分级诊断系统 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5714943B2 (ja) * | 2011-03-09 | 2015-05-07 | 北海道電力株式会社 | 波形記録装置、及び故障点標定システム |
| US10452845B2 (en) * | 2017-03-08 | 2019-10-22 | General Electric Company | Generic framework to detect cyber threats in electric power grid |
| US20180262525A1 (en) * | 2017-03-09 | 2018-09-13 | General Electric Company | Multi-modal, multi-disciplinary feature discovery to detect cyber threats in electric power grid |
| CN111751659B (zh) * | 2020-06-29 | 2021-12-14 | 深圳供电局有限公司 | 基于电网故障录波图判断录波器零相电流接线方法及系统 |
-
1991
- 1991-07-23 JP JP3182723A patent/JP2531407B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201700A (zh) * | 2011-04-27 | 2011-09-28 | 广西电网公司电力科学研究院 | 基于多参量融合的输电线路状态分级诊断系统 |
| CN102201700B (zh) * | 2011-04-27 | 2013-04-03 | 广西电网公司电力科学研究院 | 基于多参量融合的输电线路状态分级诊断系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0530684A (ja) | 1993-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Duan et al. | A novel method of fault location for single-phase microgrids | |
| CN111965476A (zh) | 一种基于图卷积神经网络的低电压诊断方法 | |
| Júnior et al. | The design of multiple linear regression models using a genetic algorithm to diagnose initial short-circuit faults in 3-phase induction motors | |
| CN103884943A (zh) | 一种变压器绕组变形综合分析诊断方法 | |
| CN108802535A (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
| JP2531407B2 (ja) | 送配電線事故診断方法 | |
| CN117293799A (zh) | 一种用于评估电力系统暂态功角稳定的方法及系统 | |
| CN111614066A (zh) | 一种配电网继电保护定值自动整定方法和系统 | |
| CN115480204A (zh) | 基于大数据推演的电流互感器运行误差在线评估优化方法 | |
| JP6888346B2 (ja) | 部分放電検出装置及び部分放電検出方法 | |
| CN114021671B (zh) | 一种有源配电网在线故障处理方法和系统 | |
| JP3019227B2 (ja) | 送配電線事故診断方法 | |
| US20220413032A1 (en) | Machine learning based method and device for disturbance classification in a power transmission line | |
| CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
| JP2518195B2 (ja) | 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 | |
| CN112595926A (zh) | 一种地区电网检修计划智能辨识及辅助编制的技术研究 | |
| CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
| CN106646138A (zh) | 基于多采样频率小波特征能量折算的配电网接地故障定位方法 | |
| CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
| JPH08314530A (ja) | 故障予知装置 | |
| CN112964948B (zh) | 基于录波数据反演的串联电抗器运行状态在线监测方法及系统 | |
| JP2666870B2 (ja) | 送配電線事故診断方法 | |
| Elbaset et al. | Fault detection and classification in transmission lines using ANFIS | |
| Didden et al. | How to connect a voltage sag-measuring device: Phase to phase or phase to neutral? | |
| JP3019236B2 (ja) | 送配電線の事故原因診断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |