JP3042813B2

JP3042813B2 - 部分放電識別法

Info

Publication number: JP3042813B2
Application number: JP5023157A
Authority: JP
Inventors: 銀造勝田; 弘高江島; 桓遠藤; 弘鈴木
Original assignee: 東京電力株式会社; 日立電線株式会社
Priority date: 1993-01-19
Filing date: 1993-01-19
Publication date: 2000-05-22
Anticipated expiration: 2015-05-22
Also published as: JPH06213958A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、ニューラルネットワ
ークを利用した部分放電識別システムにおいて、特にニ
ューラルネットワークに学習させる入力信号に関するも
のである。

【０００２】

【従来の技術】部分放電を測定することによって高電圧
機器、電力ケーブルおよび接続部の絶縁診断を行う手法
がある。しかし、外来雑音が原因となって部分放電信号
の有無の判別が困難なことが多い。ところで、近年、ニ
ューラルネットワークを利用して部分放電が発生したか
否か判別させるシステムが提案されている。（例えば、
特開平２−２９６１６２号公報、特開平２−２９７０７
４号公報、特開平３−２３８３７０号公報）ここでは、
特に電力ケーブルの接続部から発生する部分放電識別の
例について述べる。

【０００３】図２は電力ケーブル接続部の部分放電識別
を行うための説明図である。課電トランス１には電力ケ
ーブル２が接続されており、この例では中間に部分放電
測定対象である絶縁接続部３が接続されている。この絶
縁接続部３からの部分放電信号は検出電極４を介して検
出インピーダンス５に生じる。そして、検出された部分
放電信号はスペクトラムアナライザ６に入力され、Ｓ／
Ｎ比の良い周波数に対応する出力信号成分を検波回路６
´により検波した後、部分放電測定器７に入力する。部
分放電測定器７には電力ケーブルの課電圧位相情報も入
力されており、部分放電信号の大きさ（振幅），課電圧
に対する部分放電発生位相，部分放電の発生頻度が記憶
される。これらの情報がニューラルネットワーク８に入
力され、部分放電の有無の判別結果がディスプレイ９に
表示される。

【０００４】ここでは、課電圧位相は課電トランス１の
３次巻線１０より取り出している。また、ニューラルネ
ットワーク８およびディスプレイ９はコンピュータを用
いており、部分放電測定器７の制御およびコンピュータ
への信号伝送はコンピュータで実施している。そのほか
に、発生した部分放電の波形パターン化を行い、このパ
ターンをニューラルネットワーク８に入力する手法もあ
る。

【０００５】図３はニューラルネットワーク８の構造お
よび機能を説明するための説明図である。ここでは、例
として入力層１１，中間層１２，出力層１３の３層構造
となっており、入力層１１の各セル１１１〜１１３は中
間層１２の各セル１２１〜１２３と接続され、また、中
間層１２の各セル１２１〜１２３は出力層１３のセル１
３１（部分放電あり）と１３２（部分放電なし）に接続
されている。そして、入力層１１の各セル１１１〜１１
３は、部分放電測定器７に記憶されている情報の内、特
定の位相範囲（例えば０°〜１８°）と振幅範囲（例え
ば１０〜２０ｐＣ）に対応しており、その範囲を満たす
信号の数が各セルの入力値となる。入力層１１の各セル
に値が入力されると、中間層１２および出力層１３にお
いて評価がなされ、出力層１３のセル１３１と１３２に
評価値が得られる。これら評価値の大小関係により部分
放電の有無を判別するのである。

【０００６】次に、ニューラルネットワークの学習方法
を説明する。まず、模擬欠陥を有した試料を課電して部
分放電を発生させ、これにより検出された部分放電信号
をニューラルネットワーク８に入力した場合に、出力層
１３のセル１３１の出力値が「１」，セル１３２の出力
値が「０」になるように、また、健全な試料を用いて部
分放電が発生していない場合に出力層１３のセル１３１
の出力値が「０」，セル１３２の出力値が「１」になる
ように、ニューラルネットワークの学習を行う。そし
て、充分な回数の学習を行った後、新たな試料に対して
部分放電の有無の判定を行うのである。

【０００７】

【発明が解決しようとする課題】ところで、活線状態下
の現地の高電圧機器（電力ケーブル等も含む）における
雑音は、その布設条件や周囲の環境、使用状況および時
間に左右されて、非常に多様である。しかしながら、先
行技術では模擬欠陥を含んだ試料から発生する図４に示
すような模擬部分放電信号Ｓ1 と、健全な試料から測定
され、かつ、雑音が少ない図５に示すような雑音のみの
信号Ｎ1 をニューラルネットワークに学習させているだ
けである。

【０００８】従って、例えば、図６に示すよう雑音信号
Ｎ2 が現地の電力ケーブルから発生している場合、従来
の学習方法で学習させたニューラルネットワークを利用
して部分放電が発生したか否かを識別させるのは、信頼
性の点で問題がある。また、１つの雑音のパターンのみ
を学習させても、使用する場所や検出されたときの時間
等によって雑音が多様化しているので、実際に部分放電
の有無の判別が非常に困難になる。

【０００９】この発明はこのような点に鑑みてなされた
もので、部分放電の識別技術の信頼性を高めるために、
ニューラルネットワークに学習させる入力信号を提供す
ることを目的とする。

【００１０】

【課題を解決するための手段】この発明では、ニューラ
ルネットワークを適用して部分放電の有無を判定する
際、各種高電圧機器（電力ケーブルを含む）から発生
した部分放電信号のみと、実際の高電圧機器が布設さ
れている現地あるいはその付近において測定した雑音、
を別々に記録し、の部分放電信号との雑音を合成さ
せた信号を部分放電が有る場合の入力信号として、ま
た、の雑音を部分放電が無い場合の入力信号としてニ
ューラルネットワークに学習させ、部分放電の有無を判
定する部分放電識別法である。

【００１１】

【作用】実際に各種高電圧機器が布設されている現地に
対応した信号を用いてニューラルネットワークの学習を
行うことによって、部分放電判別の精度が向上し、高信
頼性を得ることが可能となる。

【００１２】

【実施例】以下、図面を参照してこの発明の部分放電識
別法の実施例を説明する。部分放電を検出するシステム
は上述した先行技術で説明した図２および図３に示すも
のと同じである。即ち、図１は現地用信号合成回路を含
んだ部分放電判別のための回路図である。部分放電測定
器７からの信号を現地用信号合成回路１４に入力させ、
この現地用信号合成回路１４の出力信号をニューラルネ
ットワーク８で判別してディスプレイ９に表示させるも
のである。次に、この発明の実施例のニューラルネット
ワークに学習させる信号に関する具体例を説明する。

【００１３】研究所内で直径５ｍｍのボイドを含むＣ
Ｖケーブルを作成する。このＣＶケーブルから検出され
た部分放電信号Ｓ2 は図７に示すようになっている。こ
の部分放電信号Ｓ2 をＡ／Ｄ変換器でデジタル化する。
このデジタル化された信号を光磁気ディスクに記録す
る。この時、信号を検出する際、周囲から混入する雑音
は極力無いようにしておく。従って、この信号Ｓ2 は純
粋な部分放電信号とみなすことができる。

【００１４】実際に電力ケーブルが布設されている現
地で、図１に示すような測定手法でもって信号を測定す
る。この時、電力ケーブルには課電はされていない状態
である。従って、検出される信号は図８（Ａ），
（Ｂ），（Ｃ），（Ｄ）に示すように、純粋に外部から
侵入する雑音を示している。これらの信号Ｎ2 もで述
べたようにデジタル化して光磁気ディスクに記録する。

【００１５】ところで、前記課題を解決するための手段
の項で述べたように、雑音は時間的に変化するので、１
０分間間隔で信号を検出し、これを記録するのである。
この無課電状態の電力ケーブルから測定された信号（外
部からの雑音）は、２４時間連続して測定を行うので、
信号Ｎ2 は計１４４個となる。これらの信号を区別する
ために、Ｎ2 （１），Ｎ2 （２），・・・，Ｎ2 （１４
４）というように記述する。

【００１６】これを数日間連続して測定する。次に、そ
れぞれの期間に対応した信号を利用して平均化処理を行
う。即ち、図９（Ａ），（Ｂ），（Ｃ）および（Ｄ）に
示すように、１日目に測定したＮ2 （１），２日目に測
定したＮ2 （１），３日目に測定したＮ2 （１）と加え
ていき、これを測定日数で割って平均値をとる。即ち、
Ｎ日目までに測定したＮ2 （１）の合計をＮ2 （１）´
とし、この測定した時間帯における雑音として光磁気デ
ィスクに記録する。この雑音Ｎ2 （１）´を図９（Ｅ）
に示す。

【００１７】これらの光磁気ディスクに記録された信
号を利用してニューラルネットワーク８に学習させる。
部分放電信号がある場合の信号を学習させる際には、信
号Ｓ２とＮ２（１）′を合成させた信号Ｓ３（１）をニ
ューラルネットワーク８に学習させる。（図１参照）ニ
ューラルネットワーク８に学習させる方法は、先行技術
と同じである、ここでは、合成する際に部分放電信号Ｓ
２と平均化されて雑音Ｎ２（１）′の比率は１対１にし
ていて、ただ単に足し合わせている。

【００１８】この時、信号Ｓ3 （１）に加えた雑音はＮ
2 （１）´なので、信号Ｓ3 （１）はＮ₂ （１）´を測
定した時間帯に対応した信号となる。このようにして、
信号Ｓ2 とＮ2 （３）´を合成させた信号をＳ3 （３）
として、以下Ｓ3 （１４４）まで作成する。そして、Ｓ
3 （２）を学習させたニューラルネットワーク、Ｓ3
（３）を学習させたニューラルネットワークというよう
に、それぞれの信号を学習させたニューラルネットワー
クを作成する。従って、これらのニューラルネットワー
クは、雑音を測定した時間に対応したニューラルネット
ワークとなる。

【００１９】以上の方法でもって学習させたニューラ
ルネットワークを用いて、現地において活線状態下の電
力ケーブルの部分放電の測定を行う。ここで、信号Ｓ3
（１）でもって学習させたニューラルネットワークＮＮ
（１），信号Ｓ3 （２）でもって学習させたニューラル
ネットワークＮＮ（２）というように記述する。つま
り、ＮＮ（１）からＮＮ（１４４）まであるわけであ
る。

【００２０】ここで、仮に雑音Ｎ2 （１）を測定した時
間を１２時丁度とする。すると、ＮＮ（１）は信号Ｓ3
（１）を学習させているので、雑音Ｎ2 （１）を測定し
た時間に対応したものである。従って、１１時５５分か
ら１２時５分まではＮＮ（１）を使用して測定を行う。
以下、同様にして１２時５分から１２時１５分まではＮ
Ｎ（２）を利用して測定を行うようにして、それぞれの
時間に対応したニューラルネットワークを用いて測定を
行うのである。

【００２１】ここでは、工場内に実際の現地の線路を
モデルにした電力ケーブル線路を布設し、測定を行っ
た。この電力ケーブルには人為的に作成したボイドを含
んでいる。図１０は、１時の時刻に測定した雑音（ここ
では仮にＮ2 （６）とする）である。図１１は８時の時
刻に測定した雑音（ここでは仮にＮ2 （４８）とする）
である。図１２は１２時の時刻に測定した雑音（ここで
は仮にＮ2 （７２）とする）である。図１３は雑音が殆
ど無いときの信号であり、部分放電の信号Ｓが出ている
のが確認できる。

【００２２】ところで、先行技術で作成したニューラル
ネットワークを使用して、部分放電の識別を行うと、図
１０は部分放電が有りと判定したが、図１１および図１
２では部分放電が無いと判定した。しかし、この例で作
成したニューラルネットワークを用いると、図１０，図
１１および図１２いずれにおいても部分放電が有ると判
定した。このように測定の信頼性が向上することが確認
することができた。

【００２３】上記例では、電力ケーブルから発生してい
る部分放電信号に注目しているが、他の高電圧機器（例
えば、ＧＩＳ，回転機，変圧器）から発生している部分
放電信号の識別にも応用できることは勿論である。ま
た、部分放電信号と雑音を合成する際、この発明では１
対１の比率で行ったが、信号の性質によっては異なる比
率で合成しても良い。さらに、合成方法も単に足し合わ
せるだけでなく、ある係数を乗じたりするなどいろいろ
な方法がある。そして、この発明ではデジタル信号で処
理を行っているが、これはアナログ信号でも可能であ
る。

【００２４】また、上記例では、データを記録する装置
が光磁気ディスクを用いたものについて説明したが、こ
れは他に磁気テープ等でも可能である。さらに、この発
明では無課電状態の電力ケーブルから測定した信号を雑
音としているが、これは他の方法で測定しても構わな
い。例えば、被測定対象物の付近にアンテナを設置して
雑音を測定してもよい。

【００２５】

【発明の効果】以上説明したとおり、この発明の部分放
電識別法を適用すれば、実際に現地で発生した雑音を使
用してニューラルネットワークに学習させているため、
より確実に部分放電の有無の判別が可能となり、絶縁診
断技術の信頼性が極めて向上したものとなる。

【図面の簡単な説明】

【図１】この発明の実施例の現地信号合成回路を有する
部分放電判別回路の回路図、

【図２】先行技術の電力ケーブル接続部の部分放電判別
回路の回路図、

【図３】図２のニューラルネットワークの構成および機
能を説明するための説明図、

【図４】模擬欠陥を含んだ試料から測定された部分放電
信号の波形図、

【図５】健全な試料から測定された部分放電が無い場合
の雑音のみの波形図、

【図６】現地で測定した雑音の波形図、

【図７】模擬欠陥を含んだ試料から測定された部分放電
信号の波形図、

【図８】（Ａ），（Ｂ），（Ｃ），（Ｄ）は、無課電状
態の電力ケーブルから測定された信号（外部からの雑
音）の波形図、

【図９】（Ａ），（Ｂ），（Ｃ），（Ｄ）は、１日目，
２日目，３日目およびＮ日目の同時刻に測定した雑音の
波形図で、（Ｅ）はＮ日目めで測定した合計をＮで割っ
て平均化した信号の波形図、

【図１０】１時に測定した信号の波形図、

【図１１】８時に測定した信号の波形図、

【図１２】１２時に測定した信号の波形図、

【図１３】雑音が殆ど無いときの信号の波形図である。

【符号の説明】

１課電トランス２電力ケーブル３接続部４検出電極５検出インピーダンス６スペクトラムアナライザ６´ 検波回路７部分放電測定器８ニューラルネットワーク９ディスプレイ１０３次巻線１１入力層１２中間層１３出力層１４現地用信号合成回路

───────────────────────────────────────────────────── フロントページの続き (72)発明者遠藤桓茨城県日立市日高町５丁目１番１号「日立電線株式会社パワーシステム研究所内」 (72)発明者鈴木弘茨城県日立市日高町５丁目１番１号「日立電線株式会社パワーシステム研究所内」 (56)参考文献特開平２−296162（ＪＰ，Ａ) 特開平２−296161（ＪＰ，Ａ) 特開平３−238370（ＪＰ，Ａ) 特開平２−297074（ＪＰ，Ａ) 特開昭60−203867（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G01R 31/12 G06F 15/18

Claims

(57)【特許請求の範囲】

【請求項１】ニューラルネットワークを用いて部分放電
の有無を判定する際、各種高電圧機器（電力ケーブル
を含む）から発生した部分放電信号のみを測定し、実
際の高電圧機器が布設されている現地あるいはその付近
において所定の時間帯毎に雑音を測定し、上記および
で測定した部分放電信号および雑音を別々に記録し、
上記の部分放電信号と上記の各時間帯における雑音
を合成させた信号を、それぞれ特定時間帯における部分
放電がある場合の入力信号として、また、上記の雑音
を部分放電がない場合の入力信号としてニューラルネッ
トワークに学習させ、部分放電の有無を判定することを
特徴とする部分放電識別法。