JP3019227B2 - 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
JP3019227B2
JP3019227B2 JP3269411A JP26941191A JP3019227B2 JP 3019227 B2 JP3019227 B2 JP 3019227B2 JP 3269411 A JP3269411 A JP 3269411A JP 26941191 A JP26941191 A JP 26941191A JP 3019227 B2 JP3019227 B2 JP 3019227B2
Authority
JP
Japan
Prior art keywords
attribute
line
attributes
distribution
category
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
Application number
JP3269411A
Other languages
English (en)
Other versions
JPH05111135A (ja
Inventor
正人 戸上
Original Assignee
株式会社戸上電機製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社戸上電機製作所 filed Critical 株式会社戸上電機製作所
Priority to JP3269411A priority Critical patent/JP3019227B2/ja
Publication of JPH05111135A publication Critical patent/JPH05111135A/ja
Application granted granted Critical
Publication of JP3019227B2 publication Critical patent/JP3019227B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Emergency Protection Circuit Devices (AREA)

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、特に地絡相、短絡相の同定を含んだ機械学習方
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１１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 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。
【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り、さらに地絡相同定，短絡相同定
を行うことにある。
【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）ａ，ｂ，ｃ３相の送配電線における零相電圧、零
相電流、送配電線ａ，ｂ，ｃ各相電流、ａ，ｂ，ｃ対地
間電圧を表す属性をそれぞれＴ Ｖ０ 、Ｔ Ｉ０ 、Ｔ Ｉａ 、
Ｔ Ｉｂ 、Ｔ Ｉｃ 、Ｔ Ｖａ 、Ｔ Ｖｂ 、Ｔ Ｖｃ とし、送配電
線事故診断における選択すべき事故および正常値のカテ
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 に区分けして、このカテゴリー毎に、前記各属性毎に測
定データを集計するかまたは送配電線モデルで計算して
得られた属性値の分布をとる ステップと、 （ｂ）前記集計または計算された各属性値毎の分布に着
目した前記カテゴリーのうちあるカテゴリーＣｉと他の
あるカテゴリーＣｊとの属性値の分布の重なり状態から
カテゴリーＣｊを識別可能な属性を選択するステップ
と、 （ｃ）前記カテゴリーＣｉと他のすべてのカテゴリーと
を識別可能な属性の組を求めるステップと、 （ｄ）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、 （ｅ）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、最も効率的な属性の組を
選択するステップと、 （ｆ）前記において選択した属性の組の中で、評価式が
最大となる属性を根ノードとして配置し、その属性で識
別できたカテゴリーを葉ノードとして配置し、前 記属性
で識別できなかったカテゴリーを再度識別すべき再識別
ノードとして配置し、その再識別ノードの組の間で前記
（ｂ）〜（ｅ）のステップの処理を行ってステップ
（ｅ）で選択した属性の組の中で評価式が最大となる属
性を前記再識別ノードに対する根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）前記（ｆ）のステップにより作成した識別木より
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、事故発生時に測定し
た各属性値により、地絡相、短絡相の同定を含む事故の
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。
【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、
正常時のｃ配電線の電源端と受電端との電圧の相差角を
３〜５°、電源端の対地間電圧を３８１０Ｖ、受電端の
対地間電圧を３７５０〜３７８０Ｖとする。事故はｃ配
電線の電源端と受電端との間で起こったと考え、１線地
絡事故並びに２線線間短絡事故について、定常状態で電
源端での絶対値を計算した。配電線は非接地方式とし、
故障点抵抗は０〜３００Ωとした。故障点抵抗を大きく
すると地絡した相まで同定することができないためであ
る。
【００１７】（Ａ）第１実施例 １）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。
【００１８】ここで、選択すべきｍ個のカテゴリーをＣ
1 ・・・Ｃi ・・・Ｃm とし、これらのカテゴリーが個
々にもつｎ個の属性をＴ1 ・・・Ｔj ・・・Ｔn とす
る。
【００１９】配電線事故診断における選択すべき事故及
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。
【００２０】また上記のカテゴリーが個々にもつ属性を ＴV0 ： 零相電圧 ＴI0 ： 零相電流 ＴIa ： ａ相電流 ＴIb ： ｂ相電流 ＴIc ： ｃ相電流 ＴVa ： ａ相対地間電圧 ＴVb ： ｂ相対地間電圧 ＴVc ： 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１に示す。
【００２１】
【表１】
【００２２】ここでＴV0，ＴVa，ＴVb，ＴVcの属性値の
単位はＶ、またＴI0, ＴIa, ＴIb,ＴIcの属性値の単位
はＡである。
【００２３】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Ｃi とし、Ｃi 以外の任意の一つ
Ｃj 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Ｔk における分布図上でのＣi から見たＣj 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。
【００２４】State (i) Ｃi の分布とＣj の分布は重
なっていない。
【００２５】State (ii) Ｃi の分布はＣj の分布とす
べて重なっている。
【００２６】State (iii) Ｃi の分布はＣj の分布と一
部重なっている。
【００２７】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
意の属性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Ｔk 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。
【００２８】 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
識別可能とする属性値はａikを用い論理和の形に表現す
ると次式のようになる。
【００２９】 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 ，Ｃj ）の
項の少なくとも一つの属性を用いればＣi とＣj は識別
できる。
【００３０】カテゴリーＣN と他のカテゴリーとを識別
するために必要な属性を選択した結果を次に示す。
【００３１】 ｆ（ＣN ，Ｃbc）＝ＴVb＋ＴIc＋ＴVb＋ＴVc (3) ｆ（ＣN ，Ｃca）＝ＴIa＋ＴIc＋ＴVa＋ＴVc (4) ｆ（ＣN ，Ｃab）＝ＴIa＋ＴIb＋ＴVa＋ＴVb (5) ｆ（ＣN ，Ｃa ）＝ＴV0＋ＴI0＋ＴVa＋ＴVb＋ＴVc (6) ｆ（ＣN ，Ｃb ）＝ＴV0＋ＴI0＋ＴVa＋ＴVb＋ＴVc (7) ｆ（ＣN ，Ｃc ）＝ＴV0＋ＴI0＋ＴVa＋ＴVb＋ＴVc (8) 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Ｃi 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。
【００３２】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属性は式（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。
【００３３】 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
形で与えられる属性の組は、それぞれ独立して、Ｃi 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。
【００３４】以上の式により、ＣN 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。
【００３５】 ｆ（ＣN ）＝ｆ（ＣN ，Ｃbc）ｆ（ＣN ，Ｃca）ｆ（ＣN ，Ｃab） ｆ（ＣN ，Ｃa ）ｆ（ＣN ，Ｃb ）ｆ（ＣN ，Ｃc ） ＝ＴVaＴVb＋ＴVbＴVc＋ＴVcＴVa＋ＴIaＴVb＋ＴIaＴVc ＋ＴIbＴVa＋ＴIbＴVc＋ＴIcＴVa＋ＴIcＴVb ＋ＴV0ＴIaＴIb＋ＴV0ＴIbＴIc＋ＴV0ＴIcＴIa ＋ＴI0ＴIaＴIb＋ＴI0ＴIbＴIc＋ＴI0ＴIcＴIa (10) 式（１０）において、１５の項のそれぞれの属性の組に
よってＣNは識別可能となる。
【００３６】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（Ｃi ）＝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。
【００３７】 Ｅ＝ｆ（Ｃ1 ）・・・ｆ（Ｃi ）・・・ｆ（Ｃm ） (11) この演算結果は次のように表せる。
【００３８】 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属性の組である。
【００３９】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属性の組は、 Ｅ＝ｆ（ＣN ）ｆ（Ｃbc）ｆ（Ｃca）ｆ（Ｃab）ｆ（Ｃa ） ｆ（Ｃb ）ｆ（Ｃc ） ＝ＴVaＴVb＋ＴVbＴVc＋ＴVcＴVa (13) となる。これを次のように置き換える。
【００４０】 Ａ1 ＝ＴVaＴVb，Ａ2 ＝ＴVbＴVc，Ａ3 ＝ＴVcＴVa (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属性の組である。
【００４１】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。
【００４２】（２）識別時間が短い。
【００４３】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。
【００４４】３）属性抽出時間ｔk 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２に示す。
【００４５】
【表２】
【００４６】表２において、ＴV0，ＴI0はそれぞれ
ＴVa，ＴVb，ＴVc及びＴIa，ＴIb，ＴIcから計算すると
仮定して、属性抽出時間を設定した。
【００４７】４）非重なり度合いａk (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ａk (i) を次式で表す。これはＴk
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。
【００４８】 ａk (i) ＝ｌik／Ｌ（Ｃi ） (15) ここでｌik：ＴK の属性値分布において、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５参
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。
【００４９】
【表３】
【００５０】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。その結果を表４に示す。
【００５１】
【表４】
【００５２】当然、出現頻度Ｐ1 は正常時≫地絡事故＞
短絡事故である。
【００５３】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、各属性に対して次式に示すような評価関数を定め
た。
【００５４】
【数１】
【００５５】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、
属性抽出時間が短い属性である。
【００５６】前述の例の場合、評価値は次のようにな
る。
【００５７】
【表５】
【００５８】識別木作成に効果的な属性の組Ａeff は、
Ａ1 ，Ａ2 ，Ａ3 のそれぞれの属性の評価値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。
【００５９】 Ｇ（Ａ1 ）＝Ｆ（ＴVa）Ｆ（ＴVb）＝ 2.8×10-5 (17) Ｇ（Ａ2 ）＝Ｆ（ＴVb）Ｆ（ＴVc）＝ 2.8×10-5 (18) Ｇ（Ａ3 ）＝Ｆ（ＴVc）Ｆ（ＴVa）＝ 2.8×10-5 (19) この場合はＧ（Ａ1)＝Ｇ（Ａ2)＝Ｇ（Ａ3)となるので、
Ａ1 ，Ａ2 ，Ａ3 のどれをとってもよい。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。
【００６０】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（ＴVa）＝Ｆ
（ＴVb）なのでＴVa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。
【００６１】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Ｎe とし、
後者は再識別ノードＮc とする。Ｎc における集合ＮC'
は例えば図６に示した領域１に関しては、｛Ｃca，
Ｃab，Ｃa ｝となる。
【００６２】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。属性は次式
のようになる。但し、ｆ（Ｃi ，Ｃj ）＝ｆ（Ｃj ，Ｃ
i ）である。
【００６３】 ｆ（Ｃca，Ｃab）＝ＴIb＋ＴIc＋ＴVb＋ＴVc (20) ｆ（Ｃab，Ｃa ）＝ＴV0＋ＴI0＋ＴIa＋ＴIb＋ＴVb＋ＴVc (21) ｆ（Ｃa ，Ｃca）＝ＴV0＋ＴI0＋ＴIa＋ＴIc＋ＴVb＋ＴVc (22) ＳC'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。
【００６４】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝ＴV0ＴIb＋ＴV0ＴIc＋ＴI0ＴIb＋ＴI0ＴIc＋ＴIaＴIb＋ＴIaＴIc ＋ＴIbＴIc＋ＴVb＋ＴVc (23) この結果のうちでＡeff の部分集合となっている属性は
ＴVbである。この場合、もしもＡeff 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（Ｔk ）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ＴVbを配置す
る。
【００６５】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。
【００６６】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及び図１０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。
【００６７】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。
【００６８】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。
【００６９】（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。
【００７０】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
を識別可能とする属性の組である。その後、次の処理を
行う。
【００７１】７’）識別木から各ノードへの属性 （１４）式のＡ1 ，Ａ2 ，Ａ3 の任意の１組の属性の組
を選択する。ここでは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Ｔva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。
【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Ｎe とな
り、後者は再識別ノードＮc となる。Ｎc における集合
ＳC'は例えば図６に示した領域１に関しては、｛Ｃca，
Ｃab，Ｃa ｝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。属性は次式
のようになる。但し、ｆ（Ｃi ，Ｃj ）＝ｆ（Ｃj ，Ｃ
i ）である。
【００７４】 ｆ（Ｃca，Ｃab）＝ＴIb＋ＴIc＋ＴVb＋ＴVc (20) ｆ（Ｃab，Ｃa ）＝ＴV0＋ＴI0＋ＴIa＋ＴIb＋ＴVb＋ＴVc (21) ｆ（Ｃa ，Ｃca）＝ＴV0＋ＴI0＋ＴIa＋ＴIc＋ＴVb＋ＴVc (22) ＳC'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。
【００７５】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝ＴV0ＴIb＋ＴV0ＴIc＋ＴI0ＴIb＋ＴI0ＴIc＋ＴIaＴIb＋ＴIaＴIc ＋ＴIbＴIc＋ＴVb＋ＴVc (23) 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ＴVbを配置する。
【００７６】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。
【００７７】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及び図１０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。
【００７８】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。
【００７９】（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。
【００８０】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属性の組Ａeff が選択された。
ここではＧ（Ａ1 ）が最大と仮定し、Ａeff ＝ＴvaＴvb
とする。
【００８１】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Ａeff のうち任意の属性を選択する。こ
こではＴva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。
【００８２】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Ｎe とな
り、後者は再識別ノードＮc となる。Ｎc における集合
ＳC'は例えば図６に示した領域１に関しては、｛Ｃca，
Ｃab，Ｃa ｝となる。
【００８３】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。属性は次式
のようになる。但し、ｆ（Ｃi ，Ｃj ）＝ｆ（Ｃj ，Ｃ
i ）である。
【００８４】 ｆ（Ｃca，Ｃab）＝ＴIb＋ＴIc＋ＴVb＋ＴVc (20) ｆ（Ｃab，Ｃa ）＝ＴV0＋ＴI0＋ＴIa＋ＴIb＋ＴVb＋ＴVc (21) ｆ（Ｃa ，Ｃca）＝ＴV0＋ＴI0＋ＴIa＋ＴIc＋ＴVb＋ＴVc (22) ＳC'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。
【００８５】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝ＴV0ＴIb＋ＴV0ＴIc＋ＴI0ＴIb＋ＴI0ＴIc＋ＴIaＴIb＋ＴIaＴIc ＋ＴIbＴIc＋ＴVb＋ＴVc (23) この結果のうちでＡeff の部分集合となっている属性は
Ｔvbである。この場合、もしもＡeff 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
Ｔvbを配置する。
【００８６】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。
【００８７】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及び図１０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。
【００８８】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。
【００８９】（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。
【００９０】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（Ｔk ）は Ａ1 はＦ（Ｔva）＝0.0053 Ｆ（Ｔvb）＝0.0053 Ａ2 はＦ（Ｔvb）＝0.0053 Ｆ（Ｔvc）＝0.0053 Ａ3 はＦ（Ｔvc）＝0.0053 Ｆ（Ｔva）＝0.0053 である。
【００９１】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 ，Ａ2 ，Ａ3 の任意の１組の属性
を選択する。ここではＡ1 を選択する。Ａ1 の属性の組
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（Ｔva）＝Ｆ（Ｔvb）なのでＴva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。
【００９２】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６に示した領域１に関しては、｛Ｃca，
Ｃab，Ｃa ｝となる。
【００９３】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。属性は次式
のようになる。但し、ｆ（Ｃi ，Ｃj ）＝ｆ（Ｃj ，Ｃ
i ）である。
【００９４】 ｆ（Ｃca，Ｃab）＝ＴIb＋ＴIc＋ＴVb＋ＴVc (20) ｆ（Ｃab，Ｃa ）＝ＴV0＋ＴI0＋ＴIa＋ＴIb＋ＴVb＋ＴVc (21) ｆ（Ｃa ，Ｃca）＝ＴV0＋ＴI0＋ＴIa＋ＴIc＋ＴVb＋ＴVc (22) ＳC'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。
【００９５】 ｆ（Ｃca，Ｃab）ｆ（Ｃab，Ｃa ）ｆ（Ｃa ，Ｃca） ＝ＴV0ＴIb＋ＴV0ＴIc＋ＴI0ＴIb＋ＴI0ＴIc＋ＴIaＴIb＋ＴIaＴIc ＋ＴIbＴIc＋ＴVb＋ＴVc (23) 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（Ｔk ）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Ｔvbを配置する。
【００９６】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。
【００９７】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及び図１０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。
【００９８】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。
【００９９】なお、以上の実施例においては、各属性毎
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。
【０１００】
【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。 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
Ｔva，Ｔvb，Ｔvc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】 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。
【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
───────────────────────────────────────────────────── フロントページの続き 特許法第30条第１項適用申請有り 1991年10月１日に開 催された電気学会研究会（電力技術研究会）における戸 上正人、安部憲広、北橋忠宏、小川晴尚の４名を発表者 としての発表。 (56)参考文献 特開 平２−241333（ＪＰ，Ａ) 特開 昭63−310319（ＪＰ，Ａ) 特開 昭60−14303（ＪＰ，Ａ) 特開 平３−154847（ＪＰ，Ａ) 特開 平３−142191（ＪＰ，Ａ) 岩波講座 情報科学−21 長尾真編 「パターン認識と図形処理」８〜11ペー ジ

Claims (4)

    (57)【特許請求の範囲】
  1. 【請求項１】（ａ）ａ，ｂ，ｃ３相の送配電線における
    零相電圧、零相電流、送配電線ａ，ｂ，ｃ各相電流、
    ａ，ｂ，ｃ対地間電圧を表す属性をそれぞれＴ Ｖ０ 、Ｔ
    Ｉ０ 、Ｔ Ｉａ 、Ｔ Ｉｂ 、Ｔ Ｉｃ 、Ｔ Ｖａ 、Ｔ Ｖｂ 、Ｔ
    Ｖｃ とし、送配電線事故診断における選択すべき事故お
    よび正常値のカテゴリーを 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 に区分けして、このカテゴリー毎に、前記各属性毎に測
    定データを集計するかまたは送配電線モデルで計算して
    得られた属性値の分布をとる ステップと、 （ｂ）前記集計または計算された各属性値毎の分布に着
    目した前記カテゴリーのうちあるカテゴリーＣｉと他の
    あるカテゴリーＣｊとの属性値の分布の重なり状態から
    カテゴリーＣｊを識別可能な属性を選択するステップ
    と、 （ｃ）前記カテゴリーＣｉと他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、 （ｄ）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、 （ｅ）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、最も効率的な属性の組を
    選択するステップと、 （ｆ）前記において選択した属性の組の中で、評価式が
    最大となる属性を根ノードとして配置し、その属性で識
    別できたカテゴリーを葉ノードとして配置し、前記属性
    で識別できなかったカテゴリーを再度識別すべき再識別
    ノードとして配置し、その再識別ノードの組の間で前記
    （ｂ）〜（ｅ）のステップの処理を行ってステップ
    （ｅ）で選択した属性の組の中で評価式が最大となる属
    性を前記再識別ノードに対する根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）前記（ｆ）のステップにより作成した識別木より
    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、事故発生時に測定し
    た各属性値により、地絡相、短絡相の同定を含む事故の
    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）ａ，ｂ，ｃ３相の送配電線における
    零相電圧、零相電流、送配電線ａ，ｂ，ｃ各相電流、
    ａ，ｂ，ｃ対地間電圧を表す属性をそれぞれＴ Ｖ０ 、Ｔ
    Ｉ０ 、Ｔ Ｉａ 、Ｔ Ｉｂ 、Ｔ Ｉｃ 、Ｔ Ｖａ 、Ｔ Ｖｂ 、Ｔ
    Ｖｃ とし、送配電線事故診断における選択すべき事故お
    よび正常値のカテゴリーを 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 に区分けして、このカテゴリー毎に、前記各属性毎に測
    定データを集計するかまたは送配電線モデルで計算して
    得られた属性値の分布をとる ステップと、 （ｂ）前記集計または計算された各属性値毎の分布に着
    目した前記カテゴリーのうちあるカテゴリーＣｉと他の
    あるカテゴリーＣｊとの属性値の分布の重なり状態から
    カテゴリーＣｊを識別可能な属性を選択するステップ
    と、 （ｃ）前記カテゴリーＣｉと他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、 （ｄ）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、 （ｅ）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根ノードとして配置
    し、その属性で識別できたカテゴリーを葉ノードとして
    配置し、前記属性で識別できなかったカテゴリーを再度
    識別すべき再度識別すべき再識別ノードとして配置し、
    その再識別ノードの組の間で前記（ｂ）〜（ｄ）のステ
    ップの処理を行って前記再識別ノードに対する根ノード
    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、 （ｆ）前記（ｅ）のステップにより作成した識別木より
    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、事故発生時に測定し
    た各属性値により、地絡相、短絡相の同定を含む事故の
    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）ａ，ｂ，ｃ３相の送配電線における
    零相電圧、零相電流、送配電線ａ，ｂ，ｃ各相電流、
    ａ，ｂ，ｃ対地間電圧を表す属性をそれぞれＴ Ｖ０ 、Ｔ
    Ｉ０ 、Ｔ Ｉａ 、Ｔ Ｉｂ 、Ｔ Ｉｃ 、Ｔ Ｖａ 、Ｔ Ｖｂ 、Ｔ
    Ｖｃ とし、送配電線事故診断における選択すべき事故お
    よび正常値のカテゴリーを 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 に区分けして、このカテゴリー毎に、前記各属性毎に測
    定データを集計するかまたは送配電線モデルで計算して
    得られた属性値の分布をとる ステップと、 （ｂ）前記集計または計算された各属性値毎の分布に着
    目した前記カテゴリーのうちあるカテゴリーＣｉと他の
    あるカテゴリーＣｊとの属性値の分布の重なり状態から
    カテゴリーＣｊを識別可能な属性を選択するステップ
    と、 （ｃ）前記カテゴリーＣｉと他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、 （ｄ）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、 （ｅ）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、最も効率的な属性の組を
    選択するステップと、 （ｆ）前記において選択した属性の組の中の任意の属性
    を根ノードとして配置し、その属性で識別できたカテゴ
    リーを葉ノードとして配置し、前記属性で識別できなか
    ったカテゴリーを再度識別すべき再識別ノードとして配
    置し、その再識別ノードの組の間で前記（ｂ）〜（ｅ）
    のステップの処理を行い、ステップ（ｅ）で選択した属
    性の組の中の任意の属性を前記再識別ノードに対する根
    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）前記（ｆ）のステップにより作成した識別木より
    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、事故発生時に測定し
    た各属性値により、地絡相、短絡相の同定を含む事故の
    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）ａ，ｂ，ｃ３相の送配電線における
    零相電圧、零相電流、送配電線ａ，ｂ，ｃ各相電流、
    ａ，ｂ，ｃ対地間電圧を表す属性をそれぞれＴ Ｖ０ 、Ｔ
    Ｉ０ 、Ｔ Ｉａ 、Ｔ Ｉｂ 、Ｔ Ｉｃ 、Ｔ Ｖａ 、Ｔ Ｖｂ 、Ｔ
    Ｖｃ とし、送配電線事故診断における選択すべき事故お
    よび正常値のカテゴリーを 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 に区分けして、このカテゴリー毎に、前記各属性毎に測
    定データを集計するかまたは送配電線モデルで計算して
    得られた属性値の分布をとる ステップと、 （ｂ）前記集計または計算された各属性値毎の分布に着
    目した前記カテゴリーのうちあるカテゴリーＣｉと他の
    あるカテゴリーＣｊとの属性値の分布の重なり状態から
    カテゴリーＣｊを識別可能な属性を選択するステップ
    と、 （ｃ）前記カテゴリーＣｉと他のすべてのカテゴリーと
    を識別可能な属性の組を求めるステップと、 （ｄ）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、 （ｅ）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、 （ｆ）ステップ（ｄ）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（ｅ）におけ
    る評価式が最大となる属性を根ノードとして配置し、そ
    の属性で識別できたカテゴリーを葉ノードとして配置
    し、前記属性で識別できなかったカテゴリーを再度識別
    すべき再識別ノードとして配置し、その再識別ノードの
    組の間で前記（ｂ）〜（ｅ）のステップの処理を行い、
    ステップ（ｄ）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（ｅ）における評価
    式が最大の属性を前記再識別ノードに対する根ノードと
    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）前記（ｆ）のステップにより作成した識別木より
    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、事故発生時に測定し
    た各属性値により、地絡相、短絡相の同定を含む事故の
    診断を行うことを特徴とする送配電線事故診断方法。
JP3269411A 1991-10-17 1991-10-17 送配電線事故診断方法 Expired - Fee Related JP3019227B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP3269411A JP3019227B2 (ja) 1991-10-17 1991-10-17 送配電線事故診断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3269411A JP3019227B2 (ja) 1991-10-17 1991-10-17 送配電線事故診断方法

Publications (2)

Publication Number Publication Date
JPH05111135A JPH05111135A (ja) 1993-04-30
JP3019227B2 true JP3019227B2 (ja) 2000-03-13

Family

ID=17472044

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3269411A Expired - Fee Related JP3019227B2 (ja) 1991-10-17 1991-10-17 送配電線事故診断方法

Country Status (1)

Country Link
JP (1) JP3019227B2 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3197985B2 (ja) * 1993-06-02 2001-08-13 株式会社リコー ヒータ制御装置
FR2764071B1 (fr) * 1997-06-03 1999-07-02 Electricite De France Procede d'identification de defauts monophases et dispositif pour la mise en oeuvre d'un tel procede
CN103530126B (zh) * 2013-10-21 2016-08-17 华北电力大学 基于飞行机器人巡检视频的电力线故障诊断系统及方法
CN106123201A (zh) * 2016-06-13 2016-11-16 珠海格力电器股份有限公司 空调及其故障检测方法和装置
JP6914719B2 (ja) * 2017-05-02 2021-08-04 東芝エネルギーシステムズ株式会社 配電線事故原因判定システムとその方法、及びプログラム
CN109809149B (zh) * 2018-12-17 2020-10-02 北斗天地股份有限公司山东分公司 一种工业生产设备故障预警系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6014303A (ja) * 1983-07-04 1985-01-24 Hitachi Ltd 知識ベ−ス型診断方式
JP2702926B2 (ja) * 1987-06-10 1998-01-26 株式会社日立製作所 電力系統の故障判定装置
JP3213304B2 (ja) * 1989-03-14 2001-10-02 株式会社戸上電機製作所 配電線事故診断方法及びその装置
JPH0736994B2 (ja) * 1989-10-25 1995-04-26 工業技術院長 故障診断装置
JPH03154847A (ja) * 1989-11-13 1991-07-02 Komatsu Ltd 故障診断装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
岩波講座 情報科学−２１ 長尾真編「パターン認識と図形処理」８〜１１ページ

Also Published As

Publication number Publication date
JPH05111135A (ja) 1993-04-30

Similar Documents

Publication Publication Date Title
Dutta et al. Transmission-line fault analysis using synchronized sampling
Manohar et al. Enhancing resilience of PV-fed microgrid by improved relaying and differentiating between inverter faults and distribution line faults
Kezunovic Translational knowledge: From collecting data to making decisions in a smart grid
CN111190121A (zh) 基于序分量的含分布式电源配电网故障分类方法及系统
JP3019227B2 (ja) 送配電線事故診断方法
Masood et al. Faults detection and diagnosis of transmission lines using wavelet transformed based technique
Awalin et al. Recent developments in fault location methods for distribution networks
CN116679161A (zh) 一种电网线路故障诊断方法、设备和介质
Hu et al. Fault location and classification for distribution systems based on deep graph learning methods
CN113610119B (zh) 基于卷积神经网络识别输电线路发展性故障的方法
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
Yong et al. Local outlier factor based data mining model for three phase transmission lines faults identification
Manohar et al. An efficient MPPT and reliable protection scheme for PV-integrated microgrid under partial shading and array faults
Elbaset et al. Fault detection and classification in transmission lines using ANFIS
CN106646106A (zh) 基于变点探测技术的电网故障检测方法
Babayomi et al. Intelligent fault diagnosis in a power distribution network
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
Sreelekha et al. ANFIS-Based Fault Distance Locator with Active Power Differential-based Faulty Line Identification Algorithm for Shunt and Series Compensated Transmission Line using WAMS
Che et al. A new fault location identification method for transmission line using machine learning algorithm
JP3096353B2 (ja) データの分類方法
JP2666870B2 (ja) 送配電線事故診断方法
JP2000329812A (ja) 電力系統事故点評定装置
Bais et al. Faulty Line Localization in IEEE 30 Bus System Using CNN-LSTM
Sing et al. Cosine similarity cluster analysis model based effective power systems fault identification

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