JP2667327B2 - Ｏｆケーブル絶縁劣化診断方法及びその装置 - Google Patents
Ｏｆケーブル絶縁劣化診断方法及びその装置Info
- Publication number
- JP2667327B2 JP2667327B2 JP4962792A JP4962792A JP2667327B2 JP 2667327 B2 JP2667327 B2 JP 2667327B2 JP 4962792 A JP4962792 A JP 4962792A JP 4962792 A JP4962792 A JP 4962792A JP 2667327 B2 JP2667327 B2 JP 2667327B2
- Authority
- JP
- Japan
- Prior art keywords
- gas
- cable
- deterioration
- oil
- neural network
- 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
Landscapes
- Testing Relating To Insulation (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Processing Of Terminals (AREA)
- Gas Or Oil Filled Cable Accessories (AREA)
Description
【０００１】
【産業上の利用分野】本発明は電力ケーブルの一つであ
る地中送電線（ＯＦケーブル）の絶縁劣化状態を迅速
に、かつ的確に診断するための方法及びその装置に関す
るものである。
る地中送電線（ＯＦケーブル）の絶縁劣化状態を迅速
に、かつ的確に診断するための方法及びその装置に関す
るものである。
【０００２】
【従来の技術】電力を安定に供給するために地中送電線
設備には高い信頼性が要求される。そのためには地中送
電線であるＯＦケーブルの劣化状況を迅速に、かつ的確
に把握しなければならない。
設備には高い信頼性が要求される。そのためには地中送
電線であるＯＦケーブルの劣化状況を迅速に、かつ的確
に把握しなければならない。
【０００３】従来、このＯＦケーブルの劣化状況を把握
する主な方法としては、例えばＯＦケーブル路線の電気
絶縁油特性（全酸価、ｔａｎδ、絶縁破壊電圧、体積抵
抗率、水分量等）を測定して劣化状況を判定する方法
や、ＯＦケーブルの絶縁箱（ジョイントボックス）から
絶縁油中溶存ガス（可燃ガス等）を抽出し、そのガス量
を測定して、劣化状況を判定する方法がある。そして、
このような方法によって測定した電気絶縁油の特性結果
と絶縁油中溶存ガス量の結果を表１に示す油中ガス分析
・物理特性試験管理基準と比較し、各ガス成分のうち特
定のものあるいは各電気特性試験項目のうち特定のもの
が基準以上となった場合、そのＯＦケーブルは異常と判
断され、解体作業をして修繕あるいは絶縁油の入れ替え
等の処置が施されることになる。
する主な方法としては、例えばＯＦケーブル路線の電気
絶縁油特性（全酸価、ｔａｎδ、絶縁破壊電圧、体積抵
抗率、水分量等）を測定して劣化状況を判定する方法
や、ＯＦケーブルの絶縁箱（ジョイントボックス）から
絶縁油中溶存ガス（可燃ガス等）を抽出し、そのガス量
を測定して、劣化状況を判定する方法がある。そして、
このような方法によって測定した電気絶縁油の特性結果
と絶縁油中溶存ガス量の結果を表１に示す油中ガス分析
・物理特性試験管理基準と比較し、各ガス成分のうち特
定のものあるいは各電気特性試験項目のうち特定のもの
が基準以上となった場合、そのＯＦケーブルは異常と判
断され、解体作業をして修繕あるいは絶縁油の入れ替え
等の処置が施されることになる。
【０００４】
【表１】
【０００５】
【発明が解決しようとする課題】しかしながら従来方法
においては、異常と判断され、上記のような処置、例え
ばジョイントボックスを解体し、調査しても実際には異
常でない場合が多く、労力の無駄になることが多かっ
た。すなわち、現状ではＯＦケーブルの油中ガス分析デ
ータと劣化状況との因果関係についてのデータが乏し
く、従来方法では異常だと判断するだけで、内部でどの
ような劣化（例えば絶縁部に放電痕がある等）が生じて
いるのかを的確に診断することは困難であった。
においては、異常と判断され、上記のような処置、例え
ばジョイントボックスを解体し、調査しても実際には異
常でない場合が多く、労力の無駄になることが多かっ
た。すなわち、現状ではＯＦケーブルの油中ガス分析デ
ータと劣化状況との因果関係についてのデータが乏し
く、従来方法では異常だと判断するだけで、内部でどの
ような劣化（例えば絶縁部に放電痕がある等）が生じて
いるのかを的確に診断することは困難であった。
【０００６】そこで、本発明はこれらの問題点を有効に
解決するために案出されたものであり、その目的はＯＦ
ケーブルの劣化状況を的確に、かつ迅速に診断すること
ができる新規なＯＦケーブル絶縁劣化診断方法及びその
装置を提供するものである。
解決するために案出されたものであり、その目的はＯＦ
ケーブルの劣化状況を的確に、かつ迅速に診断すること
ができる新規なＯＦケーブル絶縁劣化診断方法及びその
装置を提供するものである。
【０００７】
【課題を解決するための手段】上記目的を達成するため
の本発明は、実際に複数のＯＦケーブルを解体調査した
劣化状況を、ａ：主絶縁体の破壊、ｂ：シース側絶縁体
の破壊、ｃ：主絶縁体内に放電痕あり、ｄ：遮蔽層部に
放電痕あり、ｅ：絶縁紙にワックス化あり、ｆ：異常な
しの６種類に分類すると共に、これら各々のＯＦケーブ
ルの解体前の絶縁油中から溶存ガスを分離抽出してそれ
ら溶存ガスのガス濃度データからガス成分濃度パターン
を求めた後、各々のガス成分濃度パターンと、上記ａ〜
ｆの劣化状況との対応関係をニューラルネットを有する
劣化診断部に学習させ、その後、この劣化診断部に、調
査するＯＦケーブルの絶縁油中の溶存ガスのガス成分濃
度パターンを入力することでそのＯＦケーブルを解体す
ることなく上記ａ〜ｆのいずれかの劣化状況を診断する
ようにした診断方法であり、また、ＯＦケーブルから採
取した絶縁油中の溶存ガス濃度データを検出する油中ガ
ス検出センサと、該油中ガス検出センサで検出された溶
存ガスのガス濃度データを種々のガス成分濃度パターン
に分析するデータ処理部と、このデータ処理部で分析さ
れたガス成分濃度パターンをデータベース化するデータ
保存部と、このデータ保存部でデータベース化されたガ
ス成分濃度パターンを解析して上記ＯＦケーブルの内部
劣化状況を診断する劣化診断部とを備え、この劣化診断
部には、実際に複数のＯＦケーブルを解体調査した具体
的な内部劣化状況と、これら各々のＯＦケーブルから採
取した絶縁油中溶存ガスのガス成分濃度パターンとの対
応関係を予め学習させたニューラルネットが備えられて
いる診断装置であり、さらには、上記劣化診断に際し、
新たなＯＦケーブルの劣化状況とそのときのガス成分濃
度パターンを上記ニューラルネットに学習させて、該ニ
ューラルネットのニューロン間の重みを変更するように
した診断方法である。
の本発明は、実際に複数のＯＦケーブルを解体調査した
劣化状況を、ａ：主絶縁体の破壊、ｂ：シース側絶縁体
の破壊、ｃ：主絶縁体内に放電痕あり、ｄ：遮蔽層部に
放電痕あり、ｅ：絶縁紙にワックス化あり、ｆ：異常な
しの６種類に分類すると共に、これら各々のＯＦケーブ
ルの解体前の絶縁油中から溶存ガスを分離抽出してそれ
ら溶存ガスのガス濃度データからガス成分濃度パターン
を求めた後、各々のガス成分濃度パターンと、上記ａ〜
ｆの劣化状況との対応関係をニューラルネットを有する
劣化診断部に学習させ、その後、この劣化診断部に、調
査するＯＦケーブルの絶縁油中の溶存ガスのガス成分濃
度パターンを入力することでそのＯＦケーブルを解体す
ることなく上記ａ〜ｆのいずれかの劣化状況を診断する
ようにした診断方法であり、また、ＯＦケーブルから採
取した絶縁油中の溶存ガス濃度データを検出する油中ガ
ス検出センサと、該油中ガス検出センサで検出された溶
存ガスのガス濃度データを種々のガス成分濃度パターン
に分析するデータ処理部と、このデータ処理部で分析さ
れたガス成分濃度パターンをデータベース化するデータ
保存部と、このデータ保存部でデータベース化されたガ
ス成分濃度パターンを解析して上記ＯＦケーブルの内部
劣化状況を診断する劣化診断部とを備え、この劣化診断
部には、実際に複数のＯＦケーブルを解体調査した具体
的な内部劣化状況と、これら各々のＯＦケーブルから採
取した絶縁油中溶存ガスのガス成分濃度パターンとの対
応関係を予め学習させたニューラルネットが備えられて
いる診断装置であり、さらには、上記劣化診断に際し、
新たなＯＦケーブルの劣化状況とそのときのガス成分濃
度パターンを上記ニューラルネットに学習させて、該ニ
ューラルネットのニューロン間の重みを変更するように
した診断方法である。
【０００８】本発明において、ＯＦケーブルのジョイン
トボックスの解体作業時に、ジョイントボックス劣化状
況を判断している。この劣化状況は、ａ：主絶縁体の破
壊、ｂ：シース側絶縁体の破壊、ｃ：主絶縁体内に放電
痕あり、ｄ：遮蔽層部に放電痕あり、ｅ：絶縁紙にワッ
クス化あり、ｆ：異常なしの６種類に分類することがで
きる。また、上記劣化状況はこの他にも分類の方法があ
るが、本発明では上記のものとする。一方、ジョイント
ボックスの解体作業前にジョイントボックス内絶縁油中
のガス量（濃度：ガスの種類は１４種類程度）を測定し
たデータが蓄積してある。上記劣化状況と図３及び図４
に示す絶縁油中のガス成分濃度パターンとの対応関係を
ニューラルネットで学習させておけば、学習終了後のニ
ューラルネットに、ある劣化状況のわからないジョイン
トボックスの絶縁油中のガス成分濃度パターンを入力す
るだけで、ジョイントボックスを解体せずともＯＦケー
ブル及びジョイントボックスの劣化状況を容易に判定
（推定）することができる。
トボックスの解体作業時に、ジョイントボックス劣化状
況を判断している。この劣化状況は、ａ：主絶縁体の破
壊、ｂ：シース側絶縁体の破壊、ｃ：主絶縁体内に放電
痕あり、ｄ：遮蔽層部に放電痕あり、ｅ：絶縁紙にワッ
クス化あり、ｆ：異常なしの６種類に分類することがで
きる。また、上記劣化状況はこの他にも分類の方法があ
るが、本発明では上記のものとする。一方、ジョイント
ボックスの解体作業前にジョイントボックス内絶縁油中
のガス量（濃度：ガスの種類は１４種類程度）を測定し
たデータが蓄積してある。上記劣化状況と図３及び図４
に示す絶縁油中のガス成分濃度パターンとの対応関係を
ニューラルネットで学習させておけば、学習終了後のニ
ューラルネットに、ある劣化状況のわからないジョイン
トボックスの絶縁油中のガス成分濃度パターンを入力す
るだけで、ジョイントボックスを解体せずともＯＦケー
ブル及びジョイントボックスの劣化状況を容易に判定
（推定）することができる。
【０００９】そして、図３及び図４に示す可燃性ガス成
分（ＴＣＧ：可燃性ガス総量）７項目を入力し、上記ａ
〜ｆの劣化状況を出力として与えニューラルネットで学
習するとパターン６１件のうち５９件を正しく学習する
ことができ、正解率は９６．７％となった。また、上記
ａ〜ｆの劣化状況をまとめ、絶縁破壊、放電、微小放
電、ワックス化、異常なし、とすると正解率は１００％
となった。従って、これら学習終了後のニューラルネッ
トで劣化状況の判らないＯＦケーブルの絶縁油中のガス
成分濃度パターンを入力すれば実際にＯＦケーブル及び
ジョイントボックスを解体することなくかなり評価率の
高いＯＦケーブル劣化状況の推定ができる。尚、図３及
び図４において縦軸はｌｏｇ（ガス量＋１）／６として
規格化している。また、横軸は水素（Ｈ２）、メタン
（ＣＨ４）、エタン（Ｃ２Ｈ４）、エチレン（Ｃ
２Ｈ４）、アセチレン（Ｃ２Ｈ２）、一酸化炭素（Ｃ
Ｏ）、可燃性ガス総量（ＴＣＧ）を選択してある。
分（ＴＣＧ：可燃性ガス総量）７項目を入力し、上記ａ
〜ｆの劣化状況を出力として与えニューラルネットで学
習するとパターン６１件のうち５９件を正しく学習する
ことができ、正解率は９６．７％となった。また、上記
ａ〜ｆの劣化状況をまとめ、絶縁破壊、放電、微小放
電、ワックス化、異常なし、とすると正解率は１００％
となった。従って、これら学習終了後のニューラルネッ
トで劣化状況の判らないＯＦケーブルの絶縁油中のガス
成分濃度パターンを入力すれば実際にＯＦケーブル及び
ジョイントボックスを解体することなくかなり評価率の
高いＯＦケーブル劣化状況の推定ができる。尚、図３及
び図４において縦軸はｌｏｇ（ガス量＋１）／６として
規格化している。また、横軸は水素（Ｈ２）、メタン
（ＣＨ４）、エタン（Ｃ２Ｈ４）、エチレン（Ｃ
２Ｈ４）、アセチレン（Ｃ２Ｈ２）、一酸化炭素（Ｃ
Ｏ）、可燃性ガス総量（ＴＣＧ）を選択してある。
【００１０】
【作用】本発明は以上のような構成であるため、ＯＦケ
ーブルの絶縁油中ガス濃度を油中ガス検出センサで検知
した信号を、予め油中ガス濃度成分パターンの対応関係
を学習させたニューラルネットを内蔵した劣化診断部で
信号処理することによって、遠方では例えば、ジョイン
トボックスを解体せずともＯＦケーブルの劣化状況を判
定或いは推測することができる。また、油中ガス濃度を
常時監視することができるため、早期に絶縁油劣化及び
ＯＦケーブルの劣化診断が可能となる。さらに、本発明
方法によれば、解析データが少なくとも上記油中ガス濃
度成分パターンと、上記劣化状況を予め学習させたニュ
ーラルネットを作成しておけば、判断したいＯＦケーブ
ルの絶縁油中溶存ガスを上記ニューラルネット入力する
ことでＯＦケーブルの絶縁劣化状況を容易に把握するこ
とができる。さらに、このニューラルネットは膨大な対
応関係の学習が可能であり、与えられた入力に対してネ
ットワークのニューロン間の重みを変更していき、この
変更を正しい出力を出すまで繰り返していくことにより
学習を完成させることができる。
ーブルの絶縁油中ガス濃度を油中ガス検出センサで検知
した信号を、予め油中ガス濃度成分パターンの対応関係
を学習させたニューラルネットを内蔵した劣化診断部で
信号処理することによって、遠方では例えば、ジョイン
トボックスを解体せずともＯＦケーブルの劣化状況を判
定或いは推測することができる。また、油中ガス濃度を
常時監視することができるため、早期に絶縁油劣化及び
ＯＦケーブルの劣化診断が可能となる。さらに、本発明
方法によれば、解析データが少なくとも上記油中ガス濃
度成分パターンと、上記劣化状況を予め学習させたニュ
ーラルネットを作成しておけば、判断したいＯＦケーブ
ルの絶縁油中溶存ガスを上記ニューラルネット入力する
ことでＯＦケーブルの絶縁劣化状況を容易に把握するこ
とができる。さらに、このニューラルネットは膨大な対
応関係の学習が可能であり、与えられた入力に対してネ
ットワークのニューロン間の重みを変更していき、この
変更を正しい出力を出すまで繰り返していくことにより
学習を完成させることができる。
【００１１】
【実施例】以下、本発明の一実施例を説明する。
【００１２】図１は本発明に係るＯＦケーブル絶縁劣化
診断装置の一実施例を示す全体構成図であり、図２は本
発明に適用するニューラルモデルを単純化した構成図で
ある。
診断装置の一実施例を示す全体構成図であり、図２は本
発明に適用するニューラルモデルを単純化した構成図で
ある。
【００１３】図１に示すように、このＯＦケーブル絶縁
劣化診断装置は、ＯＦケーブル１の長手方向に沿って所
定の間隔を隔てて備えられている複数のジョイントボッ
クス２に、それぞれ設けられた複数の油中ガス検出セン
サ３と、信号ケーブル４を介してこれらの油中ガス検出
センサ３に接続された中央監視装置５とから主に構成さ
れている。
劣化診断装置は、ＯＦケーブル１の長手方向に沿って所
定の間隔を隔てて備えられている複数のジョイントボッ
クス２に、それぞれ設けられた複数の油中ガス検出セン
サ３と、信号ケーブル４を介してこれらの油中ガス検出
センサ３に接続された中央監視装置５とから主に構成さ
れている。
【００１４】この油中ガス検出センサ３はジョイントボ
ックス２内のＯＦケーブル１内部の絶縁油、絶縁紙等の
劣化に異常時に発生する油中ガスを検出すると共に、検
出した種々油中ガスデータを信号ケーブル４を介して中
央監視装置５に送るようになっている。
ックス２内のＯＦケーブル１内部の絶縁油、絶縁紙等の
劣化に異常時に発生する油中ガスを検出すると共に、検
出した種々油中ガスデータを信号ケーブル４を介して中
央監視装置５に送るようになっている。
【００１５】また、この中央監視装置５は油中ガス検出
センサ３から信号ケーブル４を介して送られてきた油中
ガスデータからＯＦケーブル１の劣化状況を判定（推
定）するものであり、油中ガスデータを種々のガス成分
濃度パターンに分析するデータ処理部６と、分析された
ガス成分濃度パターンをデータベース化するデータ保存
部７と、データベース化されたガス成分濃度パターンを
ニューラルネットで解析する劣化診断部８とから構成さ
れている。
センサ３から信号ケーブル４を介して送られてきた油中
ガスデータからＯＦケーブル１の劣化状況を判定（推
定）するものであり、油中ガスデータを種々のガス成分
濃度パターンに分析するデータ処理部６と、分析された
ガス成分濃度パターンをデータベース化するデータ保存
部７と、データベース化されたガス成分濃度パターンを
ニューラルネットで解析する劣化診断部８とから構成さ
れている。
【００１６】以上において、所定間隔を隔てて設置され
た油中ガス検出センサ３で検出された種々油中ガス濃度
データは信号ケーブル４を介し、中央監視装置５のデー
タ処理部６に送られて分析され、データ保存部７にデー
タベース化される。そしてデータベース化された油中ガ
ス成分濃度パターンはニューラルネットを有する劣化診
断部８で解析され、ここでＯＦケーブル内部劣化状況を
判定（推定）する。尚、この劣化診断部８は診断したい
ＯＦケーブルの油中ガス成分濃度パターンをデータ保存
部７から任意に取り出すことができるようになってい
る。また、各油中ガス検出センサ３からの情報としては
油中ガス成分濃度値（可燃ガス濃度：Ｈ２，ＣＨ４，Ｃ
２Ｈ６，Ｃ２Ｈ４，Ｃ２Ｈ２，ＣＯ等）を用いる。情報
として得られる油中ガス濃度は図３及び図４に示すよう
に、ＯＦケーブル１の劣化状況に応じてあるパターンを
示すからである。
た油中ガス検出センサ３で検出された種々油中ガス濃度
データは信号ケーブル４を介し、中央監視装置５のデー
タ処理部６に送られて分析され、データ保存部７にデー
タベース化される。そしてデータベース化された油中ガ
ス成分濃度パターンはニューラルネットを有する劣化診
断部８で解析され、ここでＯＦケーブル内部劣化状況を
判定（推定）する。尚、この劣化診断部８は診断したい
ＯＦケーブルの油中ガス成分濃度パターンをデータ保存
部７から任意に取り出すことができるようになってい
る。また、各油中ガス検出センサ３からの情報としては
油中ガス成分濃度値（可燃ガス濃度：Ｈ２，ＣＨ４，Ｃ
２Ｈ６，Ｃ２Ｈ４，Ｃ２Ｈ２，ＣＯ等）を用いる。情報
として得られる油中ガス濃度は図３及び図４に示すよう
に、ＯＦケーブル１の劣化状況に応じてあるパターンを
示すからである。
【００１７】次に、劣化診断部８に内臓されたニューラ
ルネットについて説明する。
ルネットについて説明する。
【００１８】先ず、予めニューラルネットに様々な油中
ガス成分濃度パターンと、ＯＦケーブル内部劣化状況
（ａ：主絶縁体の破壊、ｂ：シース側絶縁体の破壊、
ｃ：主絶縁体内に放電痕あり、ｄ：遮蔽層部に放電痕あ
り、ｅ：絶縁紙にワックス化あり、ｆ：異常なしの６種
類）の対応関係（以下解析データという）を学習させて
おき、このニューラルネットを上記劣化診断部８に内蔵
する。このニューラルネットに対する学習は、例えば図
２に示す三層ニューラルネットモデルのように、先ず入
力層９の各入力ユニット９ａ〜９ｃに入力データ（油中
ガス濃度パターン）を与える。このデータ信号は各入力
ユニット９ａ〜９ｃで変換され、中間層１０に伝わり、
最後に出力層１１からでてくる。この出力値と望ましい
出力値（ここでは既知のＯＦケーブル内部劣化状況）を
比較し、その差を減らすように結合の強さωを変化さ
せ、その差が最少となった時に決定されたωを用いたニ
ューラルネットが学習終了後のニューラルネットであ
り、これが中央監視装置５の劣化診断部８に組み込まれ
る。そして、このようにすることで診断したいＯＦケー
ブルの油中ガス成分濃度パターンを入力するだけで、そ
の内部劣化状況が判定できるようになってくる。しか
も、このニューラルネットは膨大な対応学習が可能であ
り、与えられた入力に対してもネットワークの内部構造
を変更していき、この変更を正しい出力を出すまで繰り
返していくことにより、学習を完成させることができ
る。従って、新たな解析データを追加学習することも可
能となり、これによってニューラルネットの診断率が向
上することになる。さらに、追加学習は何度でもするこ
とができ、その都度学習してニューラルネットとして劣
化診断部８に容易に組み込むことができる。
ガス成分濃度パターンと、ＯＦケーブル内部劣化状況
（ａ：主絶縁体の破壊、ｂ：シース側絶縁体の破壊、
ｃ：主絶縁体内に放電痕あり、ｄ：遮蔽層部に放電痕あ
り、ｅ：絶縁紙にワックス化あり、ｆ：異常なしの６種
類）の対応関係（以下解析データという）を学習させて
おき、このニューラルネットを上記劣化診断部８に内蔵
する。このニューラルネットに対する学習は、例えば図
２に示す三層ニューラルネットモデルのように、先ず入
力層９の各入力ユニット９ａ〜９ｃに入力データ（油中
ガス濃度パターン）を与える。このデータ信号は各入力
ユニット９ａ〜９ｃで変換され、中間層１０に伝わり、
最後に出力層１１からでてくる。この出力値と望ましい
出力値（ここでは既知のＯＦケーブル内部劣化状況）を
比較し、その差を減らすように結合の強さωを変化さ
せ、その差が最少となった時に決定されたωを用いたニ
ューラルネットが学習終了後のニューラルネットであ
り、これが中央監視装置５の劣化診断部８に組み込まれ
る。そして、このようにすることで診断したいＯＦケー
ブルの油中ガス成分濃度パターンを入力するだけで、そ
の内部劣化状況が判定できるようになってくる。しか
も、このニューラルネットは膨大な対応学習が可能であ
り、与えられた入力に対してもネットワークの内部構造
を変更していき、この変更を正しい出力を出すまで繰り
返していくことにより、学習を完成させることができ
る。従って、新たな解析データを追加学習することも可
能となり、これによってニューラルネットの診断率が向
上することになる。さらに、追加学習は何度でもするこ
とができ、その都度学習してニューラルネットとして劣
化診断部８に容易に組み込むことができる。
【００１９】このように、本発明はＯＦケーブルの絶縁
油中ガス濃度を油中ガス検出センサ３で検知し、そのパ
ターン信号を予め解析データを学習させたニューラルネ
ットを劣化診断部８にもつ中央監視装置で分析・解析す
ることによって、例えばジョイントボックスを解体せず
とも診断したいＯＦケーブルの内部劣化現象を容易に判
定（推定）することができる。また、ＯＦケーブルの長
手方向に一定の間隔を隔てて多数の油中ガス検出センサ
３を設置し、これらを信号ケーブルで中央監視装置と連
結しているため、常時ＯＦケーブルの内部劣化現象を集
中監視することができる。
油中ガス濃度を油中ガス検出センサ３で検知し、そのパ
ターン信号を予め解析データを学習させたニューラルネ
ットを劣化診断部８にもつ中央監視装置で分析・解析す
ることによって、例えばジョイントボックスを解体せず
とも診断したいＯＦケーブルの内部劣化現象を容易に判
定（推定）することができる。また、ＯＦケーブルの長
手方向に一定の間隔を隔てて多数の油中ガス検出センサ
３を設置し、これらを信号ケーブルで中央監視装置と連
結しているため、常時ＯＦケーブルの内部劣化現象を集
中監視することができる。
【００２０】尚、表２は本発明装置による診断と、実際
に行った解体調査の比較を示したものであり、かなり高
い確立で一致した。
に行った解体調査の比較を示したものであり、かなり高
い確立で一致した。
【００２１】
【表２】
【００２２】また、本発明は上記ＯＦケーブルのみなら
ず、油入り変圧器等、絶縁油中のガス成分と劣化現象な
どの対応関係が分かる絶縁油を使用する製品等に対して
も適用することができることは勿論である。
ず、油入り変圧器等、絶縁油中のガス成分と劣化現象な
どの対応関係が分かる絶縁油を使用する製品等に対して
も適用することができることは勿論である。
【００２３】
【発明の効果】以上、要するに本発明によれば、ＯＦケ
ーブルの絶縁油中ガス濃度を油中ガス検出センサで検知
した信号を、予め油中ガス濃度成分パターンと具体的な
内部劣化状況との対応関係を学習させたニューラルネッ
トを内蔵した劣化診断部で信号処理することによって、
遠方では例えば、ジョイントボックスを解体せずともＯ
Ｆケーブルの劣化状況を判定或いは推測することができ
る。さらに、このニューラルネットは膨大な対応関係の
学習が可能であり、与えられた入力に対してネットワー
クのニューロン間の重みを変更していき、この変更を正
しい出力を出すまで繰り返していくことにより、より正
確な診断を行うことができる等といった優れた効果を発
揮する。
ーブルの絶縁油中ガス濃度を油中ガス検出センサで検知
した信号を、予め油中ガス濃度成分パターンと具体的な
内部劣化状況との対応関係を学習させたニューラルネッ
トを内蔵した劣化診断部で信号処理することによって、
遠方では例えば、ジョイントボックスを解体せずともＯ
Ｆケーブルの劣化状況を判定或いは推測することができ
る。さらに、このニューラルネットは膨大な対応関係の
学習が可能であり、与えられた入力に対してネットワー
クのニューロン間の重みを変更していき、この変更を正
しい出力を出すまで繰り返していくことにより、より正
確な診断を行うことができる等といった優れた効果を発
揮する。
【図１】本発明のＯＦケーブル絶縁劣化診断装置の一実
施例を示す全体構成図である。
施例を示す全体構成図である。
【図２】本発明に適用するニューラルモデルを単純化し
た構成図である。
た構成図である。
【図３】ジョイントボックス内主絶縁体の破壊と油中ガ
ス成分の関係を示すパターン図である。
ス成分の関係を示すパターン図である。
【図４】ジョイントボックス内絶縁紙ワックス化と油中
ガス成分の関係を示すパターン図である。
ガス成分の関係を示すパターン図である。
１ ＯＦケーブル ３ 油中ガス検出センサ ５ 中央監視装置 ８ 劣化診断部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 中村 晃之 茨城県日立市日高町５丁目１番１号 日 立電線株式会社オプトロシステム研究所 内 (72)発明者 川神 裕志 茨城県日立市日高町５丁目１番１号 日 立電線株式会社オプトロシステム研究所 内 (72)発明者 門田 弘 茨城県日立市日高町５丁目１番１号 日 立電線株式会社日高工場内 (56)参考文献 特公 昭52−7548（ＪＰ，Ｂ２) 特公 昭52−7549（ＪＰ，Ｂ２) 実公 昭52−7550（ＪＰ，Ｙ２) 実公 昭52−7552（ＪＰ，Ｙ２)
Claims (3)
- 【請求項１】 実際に複数のＯＦケーブルを解体調査し
た劣化状況を、ａ：主絶縁体の破壊、ｂ：シース側絶縁
体の破壊、ｃ：主絶縁体内に放電痕あり、ｄ：遮蔽層部
に放電痕あり、ｅ：絶縁紙にワックス化あり、ｆ：異常
なしの６種類に分類すると共に、これら各々のＯＦケー
ブルの解体前の絶縁油中から溶存ガスを分離抽出してそ
れら溶存ガスのガス濃度データからガス成分濃度パター
ンを求めた後、各々のガス成分濃度パターンと、上記ａ
〜ｆの劣化状況との対応関係をニューラルネットを有す
る劣化診断部に学習させ、その後、この劣化診断部に、
調査するＯＦケーブルの絶縁油中の溶存ガスのガス成分
濃度パターンを入力することでそのＯＦケーブルを解体
することなく上記ａ〜ｆのいずれかの劣化状況を診断す
るようにしたことを特徴とするＯＦケーブル絶縁劣化診
断方法。 - 【請求項２】 ＯＦケーブルから採取した絶縁油中の溶
存ガスのガス濃度データを検出する油中ガス検出センサ
と、該油中ガス検出センサで検出されたガス濃度データ
を種々のガス成分濃度パターンに分析するデータ処理部
と、このデータ処理部で分析されたガス成分濃度パター
ンをデータベース化するデータ保存部と、このデータ保
存部でデータベース化されたガス成分濃度パターンを解
析して上記ＯＦケーブルの内部劣化状況を診断する劣化
診断部とを備え、この劣化診断部には、実際に複数のＯ
Ｆケーブルを解体調査した具体的な内部劣化状況と、こ
れら各々のＯＦケーブルから採取した絶縁油中溶存ガス
のガス成分濃度パターンとの対応関係を予め学習させた
ニューラルネットが備えられていることを特徴とするＯ
Ｆケーブル絶縁劣化診断装置。 - 【請求項３】 請求項１記載のＯＦケーブル絶縁劣化診
断方法において、上記劣化診断に際し、新たなＯＦケー
ブルの劣化状況とそのときのガス成分濃度パターンを上
記ニューラルネットに学習させて、該ニューラルネット
のニューロン間の重みを変更するようにしたことを特徴
とするＯＦケーブル絶縁劣化診断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4962792A JP2667327B2 (ja) | 1992-03-06 | 1992-03-06 | Ｏｆケーブル絶縁劣化診断方法及びその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4962792A JP2667327B2 (ja) | 1992-03-06 | 1992-03-06 | Ｏｆケーブル絶縁劣化診断方法及びその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05252632A JPH05252632A (ja) | 1993-09-28 |
| JP2667327B2 true JP2667327B2 (ja) | 1997-10-27 |
Family
ID=12836465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4962792A Expired - Fee Related JP2667327B2 (ja) | 1992-03-06 | 1992-03-06 | Ｏｆケーブル絶縁劣化診断方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2667327B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013170855A (ja) * | 2012-02-18 | 2013-09-02 | Viscas Corp | Ｏｆケーブル線路の劣化診断方法及びそれに好適なｏｆケーブル線路用設備 |
| JP2015050869A (ja) * | 2013-09-03 | 2015-03-16 | 株式会社かんでんエンジニアリング | 油入電気機器の異常診断システム、決定木生成システム、決定木生成方法、及び決定木生成プログラム |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007139488A (ja) * | 2005-11-16 | 2007-06-07 | Omron Corp | 断線予兆検知方法、断線予兆検知装置、および該装置を内蔵した電源 |
| CN103576061A (zh) * | 2013-10-17 | 2014-02-12 | 国家电网公司 | 一种用于变压器放电性故障诊断的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5911502B2 (ja) * | 1975-07-03 | 1984-03-15 | 三菱電機株式会社 | エレベ−タの乗場呼び登録装置 |
-
1992
- 1992-03-06 JP JP4962792A patent/JP2667327B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013170855A (ja) * | 2012-02-18 | 2013-09-02 | Viscas Corp | Ｏｆケーブル線路の劣化診断方法及びそれに好適なｏｆケーブル線路用設備 |
| JP2015050869A (ja) * | 2013-09-03 | 2015-03-16 | 株式会社かんでんエンジニアリング | 油入電気機器の異常診断システム、決定木生成システム、決定木生成方法、及び決定木生成プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05252632A (ja) | 1993-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106443316B (zh) | 一种电力变压器绕组形变状态多信息检测方法及装置 | |
| Rudd et al. | A generic knowledge-based approach to the analysis of partial discharge data | |
| CN109359271B (zh) | 一种基于逻辑回归的变压器绕组变形程度在线检测方法 | |
| CN206114822U (zh) | 一种电力变压器绕组形变状态多信息检测装置 | |
| CN110188309B (zh) | 基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法 | |
| CN109490685B (zh) | 基于油中溶解气体在线监测的变压器早期缺陷预警方法 | |
| CN109116186A (zh) | 一种基于单端行波法和固有频率法的单端故障测距方法 | |
| CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
| JP2014517320A (ja) | 高電圧機器における単一及び複数の部分放電（ｐｄ）欠陥を分類するためにｐｒｐｄ包絡値を使用する方法 | |
| CN109375010A (zh) | 基于振动分布特征模型的电力变压器绕组故障诊断方法 | |
| CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
| CN111007365A (zh) | 一种基于神经网络的超声波局部放电识别方法及系统 | |
| CN111678699B (zh) | 一种面向滚动轴承早期故障监测与诊断方法及系统 | |
| CN112069930A (zh) | 提升gis设备故障诊断准确率的振动信号处理方法及装置 | |
| CN108051364A (zh) | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 | |
| CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
| CN117134503B (zh) | 一种大型电力供电装置的状态监测方法及系统 | |
| CN111060844A (zh) | 一种用于高速列车牵引传动系统的匝间短路故障诊断方法及装置 | |
| JP2667327B2 (ja) | Ｏｆケーブル絶縁劣化診断方法及びその装置 | |
| CN112860658B (zh) | 基于数据挖掘的高速列车电磁发射预测方法 | |
| CN102778632A (zh) | 对变压器绕组故障类型直接预报和识别的双规识别法 | |
| CN111638047A (zh) | 一种gis设备机械故障诊断系统及方法 | |
| 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 | |
| CN207020274U (zh) | 一种在线油色谱与特高频结合判断变压器局放的装置 | |
| Islam et al. | Detection of oil-paper equilibrium moisture content in power transformers using hybrid intelligent interpretation of polarisation spectrums from recovery voltage measurements |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |