JP5867466B2 - 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 - Google Patents

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 Download PDF

Info

Publication number
JP5867466B2
JP5867466B2 JP2013182127A JP2013182127A JP5867466B2 JP 5867466 B2 JP5867466 B2 JP 5867466B2 JP 2013182127 A JP2013182127 A JP 2013182127A JP 2013182127 A JP2013182127 A JP 2013182127A JP 5867466 B2 JP5867466 B2 JP 5867466B2
Authority
JP
Japan
Prior art keywords
information
abnormality
decision tree
node
cable
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.)
Active
Application number
JP2013182127A
Other languages
English (en)
Other versions
JP2015050869A (ja
Inventor
誠 笠岡
誠 笠岡
正徳 山越
正徳 山越
芳智 永野
芳智 永野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kanden Engineering Corp
Original Assignee
Kanden Engineering Corp
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 Kanden Engineering Corp filed Critical Kanden Engineering Corp
Priority to JP2013182127A priority Critical patent/JP5867466B2/ja
Publication of JP2015050869A publication Critical patent/JP2015050869A/ja
Application granted granted Critical
Publication of JP5867466B2 publication Critical patent/JP5867466B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Housings And Mounting Of Transformers (AREA)
  • Electric Cable Installation (AREA)
  • Laying Of Electric Cables Or Lines Outside (AREA)

Description

本発明は、油が封入された油入電気機器において過去に生じた複数の事例に基づき、油入電気機器の状態を判断するための決定木を生成する決定木生成システム、決定木生成方法、決定木生成プログラム、及びその決定木により油入電気機器の状態を判断する油入電気機器の異常診断システムに関する。
油入電気機器の保守管理方法としては、油中ガス濃度を用いた分析方法が広く用いられている。例えば、運転中のＯＦ（Oil-Filled）ケーブルなどの油入電気機器の内部で異常が生じた場合に、油入電気機器から採集した試料油について油中ガス濃度を測定し、油中ガスの種類とその濃度から油入電気機器内部の異常レベルを診断している（例えば、非特許文献１参照）。
しかし、近年、ＯＦケーブルの撤去品を調査した結果によれば、上述の非特許文献１に記載の診断方法では、正しく診断できない事例が散見されており、異常診断の信頼性が低くなっている。
また、決定木を用いた診断方法や予測方法についての各種提案がされている（例えば、特許文献１、２参照）。情報利得比に基づき決定木を生成するＣ４．５アルゴリズムが知られている。
特開平６−１１３４３９号公報 特開２００５−１０７９４０号公報
社団法人電気協同研究会、「ＯＦケーブルの保守技術」、平成１１年１０月７日、第５５巻、第２号、ｐ９５−９７
しかしながら、油入電気機器において過去に生じた複数の異常事例に基づき、Ｃ４．５アルゴリズムによって決定木を生成すると、油入電気機器の異常判定には必ずしも適さない決定木が生成される場合があった。
本発明の目的は、油入電気機器の異常判定を行うために好適な決定木を生成可能な決定木生成システム、決定木生成方法、決定木生成プログラム、及びその決定木により油入電気機器の状態を判断する油入電気機器の異常診断システムを提供することである。
本発明に係る決定木生成システムは、油が封入された油入電気機器において過去に生じた複数の事例に基づき、前記油入電気機器の状態を判断するための決定木を生成する決定木生成システムであって、前記油入電気機器に封入された油に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、前記油入電気機器の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた事例データを、前記各事例にそれぞれ対応して記憶する事例データ記憶部と、前記異常ランク情報の各ランクを、前記異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、前記各グルーピングパターンに対応してグルーピングされた各目的グループを設定する目的グループ設定部と、前記複数の事例データに基づく集合に対して、前記各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の前記各目的グループに基づく情報利得比を、前記各属性情報と前記各グルーピングパターンとの組み合わせに対応してそれぞれ算出する情報利得比算出部と、前記情報利得比算出部により算出された、前記各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、前記選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、前記決定木のノードの属性、及び分岐閾値として設定することにより、前記ノードを生成するノード生成部とを備える。
本発明に係る決定木生成方法は、油が封入された油入電気機器において過去に生じた複数の事例に基づき、前記油入電気機器の状態を判断するための決定木を生成する決定木生成方法であって、前記油入電気機器に封入された油に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、前記油入電気機器の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた複数の事例データに基づいて、前記異常ランク情報の各ランクを、前記異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、前記各グルーピングパターンに対応してグルーピングされた各目的グループを設定する目的グループ設定工程と、前記複数の事例データに基づく集合に対して、前記各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の前記各目的グループに基づく情報利得比を、前記各属性情報と前記各グルーピングパターンとの組み合わせに対応してそれぞれ算出する情報利得比算出工程と、前記情報利得比算出工程により算出された、前記各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、前記選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、前記決定木のノードの属性、及び分岐閾値として設定することにより、前記ノードを生成するノード生成工程とを含む。
本発明に係る決定木生成プログラムは、油が封入された油入電気機器において過去に生じた複数の事例に基づき、前記油入電気機器の状態を判断するための決定木を生成する決定木生成プログラムであって、コンピュータを、前記油入電気機器に封入された油に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、前記油入電気機器の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた事例データを、前記各事例にそれぞれ対応して記憶する事例データ記憶部、前記異常ランク情報の各ランクを、前記異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、前記各グルーピングパターンに対応してグルーピングされた各目的グループを設定する目的グループ設定部、前記複数の事例データに基づく集合に対して、前記各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の前記各目的グループに基づく情報利得比を、前記各属性情報と前記各グルーピングパターンとの組み合わせに対応してそれぞれ算出する情報利得比算出部、前記情報利得比算出部により算出された、前記各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、前記選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、前記決定木のノードの属性、及び分岐閾値として設定することにより、前記ノードを生成するノード生成部として機能させる。
Ｃ４．５アルゴリズムによって、各ランクをグルーピングすることなく、各ランクをそのまま目的属性（クラス）として情報利得比を算出すると、各ランクに属する事例数が不連続になるような分割がされる属性情報に係る情報利得比の値が最大値となる場合がある。このような最大の情報利得比に基づくノードによる判断分岐は、油入電気機器の異常判定には必ずしも適さない。
一方、これらの構成によれば、判定しようとする目的属性（クラス）である異常ランク情報の各ランクが、異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングされた各目的グループが設定される。そして、目的属性（クラス）として各目的グループを用いて、各属性情報をそれぞれ判定するための閾値を基準に集合を複数の部分集合に分割した場合の各目的グループに基づく情報利得比が、各属性情報と各グルーピングパターンとの組み合わせに対応してそれぞれ算出される。そして、その最大の情報利得比に対応する組み合わせに係る属性情報、及びその属性情報に対応する閾値が、決定木のノードの属性、及び分岐閾値として設定されることにより、ノードが生成される。
その結果、各ランクに属する事例数が不連続になるような分割（分岐）がなされるノードが生じにくいので、油入電気機器の異常判定を行うために好適な決定木を生成可能となる。
また、前記情報利得比算出部は、前記各属性情報の一つずつに対して、前記閾値の候補となる複数の候補閾値を前記閾値としてそれぞれ用いることにより得られる互いに異なる分割パターンと前記各グルーピングパターンとの組み合わせに対応して前記情報利得比をそれぞれ算出することにより、前記組み合わせを前記各属性情報、前記各グルーピングパターン、及び前記各閾値の組み合わせとすることが好ましい。
この構成によれば、属性情報に基づき集合を複数の部分集合に分割する際に、各属性情報をそれぞれ判定するための閾値として、最大の情報利得比が得られるような閾値を設定することができる。
また、前記ノード生成部は、前記各組み合わせについて、前記大異常グループであって前記高濃度グループに属する前記事例データの数が前記大異常グループであって前記低濃度グループに属する前記事例データの数より少ない第１の条件、及び前記小異常グループであって前記低濃度グループに属する前記事例データの数が前記小異常グループであって前記高濃度グループに属する前記事例データの数より少ない第２の条件の双方の条件が満たされた場合、その条件が満たされた前記組み合わせに対応する情報利得比を、前記最大の情報利得比の選択対象から除外することが好ましい。
油入電気機器においては、異常の程度が大きいほど、油に溶解しているガスの濃度が高くなると考えられる。従って、第１の条件、及び第２の条件が同時に満たされることは、その条件が満たされた前記組み合わせに対応するガスの濃度情報は、油入電気機器の異常の程度と直接関係が無いことを示している。そこで、この構成によれば、第１の条件、及び第２の条件の双方の条件が満たされた場合、その条件が満たされた組み合わせに対応する情報利得比が、最大の情報利得比の選択対象から除外される。その結果、油入電気機器とガス濃度の関係を鑑みて、不適切な分割（分岐）を行うノードが生成されるおそれが低減ざれる。
また、前記ガスは、ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の中から選択された少なくとも１種のガスを含み、前記濃度情報は、前記少なくとも１種のガスの濃度、前記少なくとも１種のガスの濃度の合計と前記少なくとも１種のガスの濃度との比率、及び前記少なくとも１種は複数種類であって、当該複数種類のガス相互間の濃度比率、のうち少なくとも一つの情報を含むことが好ましい。
ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の６種類のガスは、油入電気機器内で放電が発生したり、油入電気機器内の部材が劣化したりした場合に発生し易い。従って、これらのガスが油に溶解している濃度や、これらのガス濃度の合計値は、油入電気機器の異常を診断するための指標として有用である。また、油入電気機器内のどの部位で異常が生じたかによって、ガスの発生比率が異なる。従って、各ガスについて、ガス濃度の合計値に対する濃度比を属性情報として用いることによって、異常箇所を判定することが容易となる。また、異常の状態に応じて、発生するガスの比率が異なる。従って、各ガス相互間の濃度比率は、油入電気機器の異常を診断するための指標として有用である。
また、前記油入電気機器は、複数の導電ケーブルの端部同士が、圧着部材によって互いに接続されたＯＦケーブルであり、前記複数の属性情報には、前記圧着部材による圧着圧力が弱い小拘束力状態であるか、前記小拘束力状態よりも前記圧着圧力が強い大拘束力状態であるかを示す属性情報が含まれることが好ましい。
ＯＦケーブルにおいては、圧着部材による圧着圧力の強弱によって、異常の発生度合いが異なる。従って、ＯＦケーブルの状態を判断するための属性情報として、圧着部材による圧着圧力の強弱を示す情報は、属性情報として好適である。
また、前記油入電気機器は、複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルであり、前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、前記異常ランク情報は、前記ケーブル絶縁紙及び前記補強絶縁紙の劣化の程度と、前記劣化が生じた部位との組み合わせに応じて前記油入電気機器の状態をランク付けした情報であることが好ましい。
この構成によれば、ＯＦケーブルにおいて、ケーブル絶縁紙及び補強絶縁紙の劣化の程度と、劣化が生じた部位とを判定可能な決定木を生成することが可能となる。
また、前記油入電気機器は、複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルであり、前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、前記異常ランク情報は、前記ケーブル絶縁紙の異常の有無と、前記補強絶縁紙の異常の有無との組み合わせに応じて前記油入電気機器の状態をランク付けした情報であってもよい。
この構成によれば、ＯＦケーブルにおいて、ケーブル絶縁紙の異常の有無と、前記補強絶縁紙の異常の有無とを判定可能な決定木を生成することが可能となる。
また、前記ノード生成部によって生成されたノードにより分割される各部分集合を新たな前記集合とすることにより、前記情報利得比算出部と前記ノード生成部とによって、前記ノードを親とする新たなノードを生成させる決定木成長部をさらに備えることが好ましい。
この構成によれば、再帰的に演算処理を繰り返すことにより、決定木を成長させることができる。
また、前記情報利得比算出部は、下記の式（１）〜（４）に基づき前記情報利得比を算出することが好ましい。
Figure 0005867466
Figure 0005867466
Figure 0005867466
Figure 0005867466
但し、
Ｘ ： 属性情報
Ｄ ： 前記集合
｜Ｄ｜： 集合Ｄに属する前記事例データ（事例）の件数
Ｃｉ ： ｉ番目の前記目的グループに該当する前記事例データ（事例）の件数
αｊ ： ｊ番目の前記部分集合に属する前記事例データ（事例）の件数
βｊｋ ： ｊ番目の前記部分集合に属するｋ番目の前記目的グループに該当する前記事例データ（事例）の件数
ｍ、ｎ ： 集合Ｄ中の前記目的グループの総数
ｖ ： 前記集合の前記部分集合への分割数
Ｇ（Ｘ）： 属性情報Ｘに基づき前記集合を分割した場合の情報利得比
Ｍ（Ｄ）： 集合Ｄの前記目的グループに対する期待情報量
Ｅ（Ｘ）： 属性情報Ｘに基づき集合Ｄが分割された後の期待情報量
Ｓ（Ｘ）： 集合Ｄの属性情報Ｘに対する期待情報量
この構成によれば、情報利得比を算出することが容易である。
また、本発明に係る油入電気機器の異常診断システムは、上述の決定木生成システムによって生成された前記決定木を記憶する決定木記憶部と、診断対象となる油入電気機器についての前記複数の属性情報を、前記決定木記憶部に記憶された決定木に当て嵌めることによって、前記ランクを判定する診断部とを備える。
この構成によれば、上述の決定木生成システムによって生成された、油入電気機器の異常判定を行うために好適な決定木を用いて油入電気機器のランクを判断することができるので、油入電気機器の異常診断精度が向上する。
また、本発明に係る油入電気機器の異常診断システムは、複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルの診断を行う油入電気機器の異常診断システムであって、前記ＯＦケーブルの状態を判断するための決定木を記憶する決定木記憶部と、診断対象となる前記ＯＦケーブルについての診断対象属性情報を、前記決定木記憶部に記憶された決定木に当て嵌めることによって、４ランクにランク付けされた異常ランクを判定する診断部とを備え、前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、前記異常ランクは、前記ケーブル絶縁紙の内部の層及び補強絶縁紙の内部において炭化の程度が所定の第１程度である場合を、最も異常の程度が重い異常ランクａとし、前記ケーブル絶縁紙の最外層／最内層及び前記補強絶縁紙の沿面において炭化の程度が前記第１程度の場合、及び前記ケーブル絶縁紙の内部の層及び前記補強絶縁紙の内部において炭化の程度が前記第１程度より小さい第２程度となった場合を、異常ランクｂとし、前記ケーブル絶縁紙の最外層／最内層及び前記補強絶縁紙の沿面において炭化の程度が第２程度となった場合、及び前記ケーブル絶縁紙の内部の層及び前記補強絶縁紙の内部において変色となった場合を、異常ランクｃとし、前記ケーブル絶縁紙の最外層／最内層及び前記補強絶縁紙の沿面において変色した場合を、最も異常の程度が軽い異常ランクｄとするものであり、前記診断部は、前記決定木に基づき、前記診断対象属性情報であるＣ2Ｈ2の濃度が根ノードｎ０（Ｃ2Ｈ2）の分岐閾値を超えていればノードｎ２（Ｃ2Ｈ2）へ分岐し、ノードｎ２（Ｃ2Ｈ2）では、前記診断対象属性情報であるＣ2Ｈ2の濃度がノードｎ２（Ｃ2Ｈ2）の分岐閾値以下であれば、ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の６種類のガスの濃度の合計であるＴＣＧを属性とするノードｎ５（ＴＣＧ）へ分岐し、ノードｎ５（ＴＣＧ）では、前記診断対象属性情報であるＴＣＧの濃度がノードｎ５（ＴＣＧ）の分岐閾値以下であればノードｎ１１（Ｃ2Ｈ2／ＴＣＧ）へ分岐し、ＴＣＧの濃度がノードｎ５（ＴＣＧ）の分岐閾値を超えていればランクｂと判定し、ノードｎ１１（Ｃ2Ｈ2／ＴＣＧ）では、前記診断対象属性情報である（Ｃ2Ｈ2／ＴＣＧ）がノードｎ５（ＴＣＧ）の分岐閾値以下であればランクｄと判定する。
この構成によれば、上述の決定木生成システムによって生成された決定木に基づき、ＯＦケーブルの診断を行うことができる。
また、本発明に係る油入電気機器の異常診断システムは、複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルの診断を行う油入電気機器の異常診断システムであって、前記ＯＦケーブルの状態を判断するための決定木を記憶する決定木記憶部と、診断対象となる前記ＯＦケーブルについての診断対象属性情報を、前記決定木記憶部に記憶された決定木に当て嵌めることによって、４ランクにランク付けされた異常ランクを判定する診断部とを備え、前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、前記異常ランクは、前記ケーブル絶縁紙及び前記補強絶縁紙のいずれにも異常がない場合をランクI、前記ケーブル絶縁紙は異常あり、前記補強絶縁紙は異常なしの場合をランクII、前記ケーブル絶縁紙は異常なし、前記補強絶縁紙は異常ありの場合をランクIII、前記ケーブル絶縁紙及び前記補強絶縁紙のいずれにも異常がある場合をランクIVとするものであり、前記診断部は、前記決定木に基づき、前記診断対象属性情報であるＣ2Ｈ2の濃度が根ノードであるノードｍ０（Ｃ2Ｈ2）の分岐閾値を超えていればノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）へ分岐し、ノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）では、前記診断対象属性情報である（Ｃ2Ｈ2／Ｃ2Ｈ6）の濃度がノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）の分岐閾値を超えていればノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）へ分岐し、ノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）では、前記診断対象属性情報である（Ｃ2Ｈ4／Ｃ2Ｈ6）の濃度がノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）の分岐閾値以下であればランクIIIと判定し、ノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）の分岐閾値を超えていればランクIVと判定する。
この構成によれば、上述の決定木生成システムによって生成された決定木に基づき、ＯＦケーブルの診断を行うことができる。
このような構成の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は、油入電気機器の異常判定を行うために好適な決定木を生成可能となる。また、このような油入電気機器の異常診断システムによれば、油入電気機器の異常診断精度が向上する。
本発明の一実施形態に係る決定木生成システムの一例である異常診断システムの構成の一例を示すブロック図である。 ＯＦケーブルの構成の一例を示す構成図である。 図２に示す外部遮蔽層の詳細を説明するための説明図である。 図１に示す事例データ記憶部に記憶された事例データの一例を示す説明図である。 異常ランク情報に係るａ，ｂ，ｃ，ｄの各ランクを説明するための説明図である。 異常ランク情報に係るI，II，III，IVの各ランクを説明するための説明図である。 図１に示す異常診断システムの動作の一例を示すフローチャートである。 図１に示す異常診断システムの動作の一例を示すフローチャートである。 図１に示す異常診断システムの動作の一例を示すフローチャートである。 図１に示す異常診断システムの動作の一例を示すフローチャートである。 異常ランク情報としてランクａ，ｂ，ｃ，ｄを用いた場合に目的グループ設定部によりグルーピングされるグルーピングパターンの一例を示す説明図である。 異常ランク情報としてランクI，II，III，IVを用いた場合に目的グループ設定部によりグルーピングされるグルーピングパターンの一例を示す説明図である。 候補閾値の設定方法を説明するための説明図である。 候補閾値の設定方法を説明するための説明図である。 組み合わせ除外処理を説明するための説明図である。 目的グループ設定部が異常ランク情報の各ランクを目的グループにグルーピングすることによる効果を説明するための説明図である。 目的グループ設定部が異常ランク情報の各ランクを目的グループにグルーピングすることによる効果を説明するための説明図である。 決定木の一例を示す説明図である。 決定木の別の一例を示す説明図である。
以下、本発明に係る実施形態を図面に基づいて説明する。なお、各図において同一の符号を付した構成は、同一の構成であることを示し、その説明を省略する。図１は、本発明の一実施形態に係る決定木生成システムの一例である異常診断システムの構成の一例を示すブロック図である。
図１に示す異常診断システム１は、例えばコンピュータを用いて構成され、油が封入された油入電気機器において過去に生じた複数の事例に基づき、油入電気機器の状態を判断するための決定木を生成する決定木生成システムとして機能する。また、異常診断システム１は、診断対象の油入電気機器から得られた事例データに対して決定木による異常診断を実行する。
油入電気機器は、例えば内部に絶縁油を封入し、電気絶縁性を高めたＯＦ（Oil-Filled）ケーブルや油入変圧器等である。以下、油入電気機器としてＯＦケーブルを用いた例について説明する。
図２は、ＯＦケーブル１００の構成の一例を示す構成図である。図２は、二本のケーブル１０１，１０１の接続部分を示している。図２に示すＯＦケーブル１００は、二本のケーブル１０１，１０１のケーブル導体１０２，１０２の端部同士が圧着スリーブ１０３（圧着部材）によって接続されて、構成されている。
ケーブル導体１０２，１０２の外周には、絶縁油１１０が含浸されたケーブル絶縁紙１０４，１０４が巻回され、さらにその外周が、ケーブル絶縁体１０５，１０５によって被覆されている。また、ケーブル１０１，１０１の接続部を覆うように、外部遮蔽層１０８が設けられ、さらにその外側に、保護管１０９が取り付けられている。保護管１０９の両端部は、ケーブル絶縁体１０５，１０５の外周に外嵌されている。
これにより、ケーブル絶縁体１０５，１０５と保護管１０９とで囲まれた空間が形成され、その密閉空間内に、絶縁油１１０が封入されている。保護管１０９には、弁１１１が取り付けられている。弁１１１により、保護管１０９内の絶縁油１１０を採取することが可能にされている。また、保護管１０９には、接地端子１１２が取り付けられている。
図３は、外部遮蔽層１０８の詳細を説明するための説明図である。図３においては、弁１１１及び接地端子１１２の記載を省略している。図３に示すように、外部遮蔽層１０８は、圧着スリーブ１０３及びケーブル絶縁紙１０４，１０４の端部を覆うように、補強絶縁紙１０８ａが巻回されて構成されている。補強絶縁紙１０８ａには、絶縁油１１０が含浸されている。
図１に示す異常診断システム１は、演算部２、記憶部３、表示部４、操作部５、及び外部インターフェイス部６を備える。表示部４は、例えば液晶表示器などを用いた表示装置である。操作部５は、キーボード、マウス、あるいはタッチパネル等、ユーザの操作入力を受け付ける操作入力装置である。
外部インターフェイス部６は、演算部２に対してデータを入出力するためのインターフェイス回路である。外部インターフェイス部６は、例えばＬＡＮ（Local Area Network）、インターネット、ＵＳＢ（Universal Serial Bus）等の通信インターフェイス回路であってもよく、メモリカードや光ディスク等の記憶媒体にアクセスするためのインターフェイス回路であってもよい。
記憶部３は、例えばハードディスク装置や半導体記憶装置等の記憶装置により構成されている。記憶部３は、事例データ記憶部３１と、決定木記憶部３２とを含む。また、記憶部３には、例えば本発明の一実施形態に係る決定木生成プログラム等が記憶されている。
事例データ記憶部３１には、ＯＦケーブル１００に封入された絶縁油１１０に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、ＯＦケーブル１００の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた事例データが、各事例にそれぞれ対応して記憶されている。各事例データは、例えばユーザが操作部５を操作することによって入力され、あるいは外部インターフェイス部６によって外部から受信されることによって、演算部２で取得され、事例データ記憶部３１に記憶される。
図４は、図１に示す事例データ記憶部３１に記憶された事例データの一例を示す説明図である。図４は、事例番号１〜Ｎが付されたＮ個の事例データが事例１〜事例Ｎとして事例データ記憶部３１に記憶される例を示している。各事例データには、１８種類の属性情報と、２種類の異常ランク情報Ａ，Ｂとが含まれている。
１８種類のうち１７種類の属性情報は、ＯＦケーブル１００から採取された絶縁油１１０に溶解していたガスの濃度に関する濃度情報である。１７種類の濃度情報のうち７種類は、ガスの濃度をＰＰＭで表したものである。すなわち、ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の６種類のガスの濃度、及びこの６種類のガスの濃度を合計したＴＣＧの合わせて７種類である。
上記６種類のガスは、ＯＦケーブル１００内で放電が発生したり、ケーブル絶縁紙１０４や補強絶縁紙１０８ａが劣化したりした場合に発生し易い。従って、これらのガスが絶縁油１１０に溶解している濃度や、これらのガス濃度の合計であるＴＣＧは、ＯＦケーブル１００の異常を診断するための指標として有用である。
また、１７種類の濃度情報のうち他の６種類は、上記６種類のガスと上記ＴＣＧとの比、すなわちＣＨ4／ＴＣＧ、Ｃ2Ｈ6／ＴＣＧ、Ｃ2Ｈ4／ＴＣＧ、Ｃ2Ｈ2／ＴＣＧ、ＣＯ／ＴＣＧ、及びＨ2／ＴＣＧの６種類である。
ＯＦケーブル１００内のどの部位で異常が生じたかによって、ガスの発生比率が異なる。従って、各ガスについて、ＴＣＧに対する濃度比を属性情報として用いることによって、異常箇所を判定することが容易となる。異常箇所は、異常のレベルと密接に関連するため、各ガスの濃度とＴＣＧとの比は、ＯＦケーブル１００の異常を診断するための指標として有用である。
１７種類の濃度情報のうち残りの４種類は、上記６種類のガス相互間の濃度比率であり、ＣＨ4／Ｈ2、Ｃ2Ｈ2／Ｃ2Ｈ6、Ｃ2Ｈ4／Ｃ2Ｈ6、及びＣ2Ｈ2／Ｃ2Ｈ4の４種類である。
異常の状態によって、発生するガスの比率が異なる。例えば、ＣＨ4／Ｈ2は、放電と過熱の判断指標となる。Ｃ2Ｈ4／Ｃ2Ｈ6は、過熱温度の判断指標となる。Ｃ2Ｈ2／Ｃ2Ｈ4とＣ2Ｈ2／Ｃ2Ｈ6とは、過熱と放電とを分離判断する判断指標となる。従って、各ガス相互間の濃度比率は、ＯＦケーブル１００の異常を診断するための指標として有用である。
なお、ＴＣＧ、ＣＨ4／ＴＣＧ、Ｃ2Ｈ6／ＴＣＧ、Ｃ2Ｈ4／ＴＣＧ、Ｃ2Ｈ2／ＴＣＧ、ＣＯ／ＴＣＧ、Ｈ2／ＴＣＧ、ＣＨ4／Ｈ2、Ｃ2Ｈ2／Ｃ2Ｈ6、Ｃ2Ｈ4／Ｃ2Ｈ6、及びＣ2Ｈ2／Ｃ2Ｈ4の１１種類の濃度情報は、ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の６種類のガスの濃度から算出可能である。従って、上記１１種類の濃度情報は、必ずしも予め事例データ記憶部３１に記憶されている必要はなく、上記６種類のガスの濃度から算出されて、ＲＡＭ（Random Access Memory）やハードディスクドライブ装置などの記憶装置に一時的に記憶される構成としてもよい。この場合、これらの濃度情報を一時的に記憶する記憶装置も、事例データ記憶部３１に含まれる。
１８種類の属性情報うち、残りの１種類は、圧着スリーブ１０３による圧着圧力が弱い小拘束力状態（弱）であるか、小拘束力状態よりも圧着圧力が強い大拘束力状態（強）であるかを示す情報である拘束力情報である。圧着スリーブ１０３にケーブル絶縁紙１０４が咬み込まれた状態となっている場合がある。このような場合、圧着スリーブ１０３が所定の圧力より高い圧力で圧着されて大拘束力状態になっていると、ケーブル絶縁紙１０４が圧着スリーブ１０３に強く拘束される。その結果、ＯＦケーブル１００が屈曲した際に、ケーブル絶縁紙１０４がケーブル１０１に追従できなくなり、ケーブル絶縁紙１０４とケーブル１０１との間にすき間が生じやすくなる。ケーブル絶縁紙１０４とケーブル１０１との間にすき間が生じると、放電が生じやすくなってＯＦケーブル１００が劣化しやすくなる。
従って、拘束力情報は、ＯＦケーブル１００の異常を診断するための指標として有用である。なお、ＯＦケーブル１００の製造メーカーは、１９８０年頃〜１９９０年頃にかけて、拘束力（圧着圧力）を大拘束力状態から小拘束力状態へ切り替えを行っており、メーカ毎にその切り替え時期が分かっている。そのため、ＯＦケーブル１００の製造メーカーとその製造時期から、ＯＦケーブル１００の拘束力情報を特定することができる。あるいは、ＯＦケーブル１００の製造メーカーやその製造時期を示す情報を、拘束力情報として用いてもよい。
なお、属性情報は、上記１８種類に限らない。これらのうち一部を属性情報として用いてもよく、これらとは異なる属性情報を用いてもよい。また、ガスの種類も上記６種類に限らず、他の種類のガスを用いてもよい。
図４においては、上記１８種類の属性情報に１〜１８の属性番号を付し、事例番号をカッコ書きすることにより、属性番号ｐ、事例番号ｑの属性情報を、ｄｐ（ｑ）のように表している。
異常ランク情報Ａは、ＯＦケーブル１００の状態を異常の程度が重い順にａ，ｂ，ｃ，ｄの４ランクにランク付けして示す情報である。図５は、異常ランク情報Ａに係るａ，ｂ，ｃ，ｄの各ランクを説明するための説明図である。異常ランク情報Ａは、ＯＦケーブル１００におけるケーブル絶縁紙１０４及び補強絶縁紙１０８ａの異常の程度と、その劣化が生じた部位との組み合わせに応じてＯＦケーブル１００の状態の状態をランク付けした情報である。
具体的には、異常部位として、ケーブル絶縁紙１０４の最外層／最内層と、ケーブル絶縁紙１０４の内部の層と、補強絶縁紙１０８ａの沿面と、補強絶縁紙１０８ａの内部の４カ所が設定されている。ケーブル絶縁紙１０４の最外層／最内層とは、図２におけるケーブル絶縁紙１０４の巻き始めとなる最も内側の層と最も外側の層であり、ケーブル絶縁紙１０４の内部の層とは、最も内側の層と最も外側の層の間の層である。補強絶縁紙１０８ａの沿面とは、図３に示す補強絶縁紙１０８ａにおいて、最内周、最外周、及び傾斜部分で絶縁油１１０に接する表面部分である。
劣化の程度としては、炭化（小）（第２程度）、炭化（大）（第１程度）、変色の３段階が設定されている。炭化（小）は、予め設定されたスジ状又は点状の変色を示し、炭化（大）は、上記スジ状又は点状の変色を超える範囲の大きな変色を示している。変色は、炭化（小）及び炭化（大）以外の程度の小さな変色を示している。変色の程度が大きいほど、異常の程度が大きいと考えられる。
また、内層の方が絶縁性能への影響が大きいため、最外層／最内層と内部の層とでは、内部の層の炭化、変色の方が異常の程度が重いと考えられる。同様に、沿面と内部とでは、内部の炭化、変色の方が異常の程度が重いと考えられる。
そこで、図５に示す例では、ケーブル絶縁紙１０４の内部の層及び補強絶縁紙１０８ａの内部において炭化（大）となった場合を、最も異常の程度が重い異常ランクａとし、ケーブル絶縁紙１０４の最外層／最内層及び補強絶縁紙１０８ａの沿面において炭化（大）となった場合、及びケーブル絶縁紙１０４の内部の層及び補強絶縁紙１０８ａの内部において炭化（小）となった場合を、異常ランクｂとし、ケーブル絶縁紙１０４の最外層／最内層及び補強絶縁紙１０８ａの沿面において炭化（小）となった場合、及びケーブル絶縁紙１０４の内部の層及び補強絶縁紙１０８ａの内部において変色となった場合を、異常ランクｃとし、ケーブル絶縁紙１０４の最外層／最内層及び補強絶縁紙１０８ａの沿面において変色となった場合を、最も異常の程度が軽い異常ランクｄとしている。
異常ランク情報Ｂは、ＯＦケーブル１００の状態を異常の程度が軽い順にI，II，III，IVの４ランクにランク付けして示す情報である。図６は、異常ランク情報Ｂに係るI，II，III，IVの各ランクを説明するための説明図である。異常ランク情報Ｂは、ＯＦケーブル１００におけるケーブル絶縁紙１０４の異常の有無と、補強絶縁紙１０８ａの異常の有無との組み合わせに応じてＯＦケーブル１００の状態をランク付けした情報である。
具体的には、ケーブル絶縁紙１０４及び補強絶縁紙１０８ａのいずれにも異常がない場合をランクI、ケーブル絶縁紙１０４は異常あり、補強絶縁紙１０８ａは異常なしの場合をランクII、ケーブル絶縁紙１０４は異常なし、補強絶縁紙１０８ａは異常ありの場合をランクIII、ケーブル絶縁紙１０４及び補強絶縁紙１０８ａのいずれにも異常がある場合をランクIVとしている。なお、ランクIIとランクIIIの異常の程度はほぼ同等である。
なお、各事例データは、異常ランク情報Ａ，Ｂを共に含んでいる必要はなく、異常ランク情報Ａ，Ｂのいずれか一方を含んでいればよい。あるいは、各事例データは、異常ランク情報Ａ，Ｂとは異なる異常ランク情報を含んでいてもよい。
図１に示す演算部２は、例えば所定の演算処理を実行するＣＰＵ（Central Processing Unit）と、データを一時的に記憶するＲＡＭ（Random Access Memory）と、これらの周辺回路等とを備えて構成されている。演算部２は、例えば記憶部３に記憶されたプログラムを実行することにより、目的グループ設定部２１、情報利得比算出部２２、ノード生成部２３、決定木成長部２４、及び診断部２５として機能する。
目的グループ設定部２１は、異常ランク情報の各ランクを、異常の程度の小さい小異常グループと、小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、各グルーピングパターンに対応してグルーピングされた各目的グループをクラスとして設定する。
情報利得比算出部２２は、複数の事例データに基づく集合に対して、各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の各目的グループに基づく情報利得比を、各属性情報と各グルーピングパターンとの組み合わせに対応してそれぞれ算出する。
また、情報利得比算出部２２は、上記情報利得比を算出する際に、各属性情報の一つずつに対して、閾値の候補となる複数の候補閾値を閾値としてそれぞれ用いることにより得られる互いに異なる分割パターンと各グルーピングパターンとの組み合わせに対応して情報利得比をそれぞれ算出することにより、前記組み合わせを各属性情報、各グルーピングパターン、及び各閾値の組み合わせとする。
具体的には、情報利得比算出部２２は、下記の式（１）〜（４）に基づき各情報利得比を算出する。
Figure 0005867466
Figure 0005867466
Figure 0005867466
Figure 0005867466
但し、
Ｘ ： 属性情報
Ｄ ： 前記集合
｜Ｄ｜： 集合Ｄに属する前記事例データ（事例）の件数
Ｃｉ ： ｉ番目の前記目的グループに該当する前記事例データ（事例）の件数
αｊ ： ｊ番目の前記部分集合に属する前記事例データ（事例）の件数
βｊｋ ： ｊ番目の前記部分集合に属するｋ番目の前記目的グループに該当する前記事例データ（事例）の件数
ｍ、ｎ ： 集合Ｄ中の前記目的グループの総数
ｖ ： 前記集合の前記部分集合への分割数
Ｇ（Ｘ）： 属性情報Ｘに基づき前記集合を分割した場合の情報利得比
Ｍ（Ｄ）： 集合Ｄの前記目的グループに対する期待情報量
Ｅ（Ｘ）： 属性情報Ｘに基づき集合Ｄが分割された後の期待情報量
Ｓ（Ｘ）： 集合Ｄの属性情報Ｘに対する期待情報量
ノード生成部２３は、情報利得比算出部２２により算出された、各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、その選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、決定木のノードの属性、及び分岐閾値として設定することにより、決定木のノードを生成する。
決定木成長部２４は、ノード生成部２３によって生成されたノードにより分割される各部分集合を新たな集合とすることにより、情報利得比算出部２２とノード生成部２３とによって、上記ノードを親とする新たなノードを生成させる。
診断部２５は、診断対象のＯＦケーブル１００から取得された属性情報を、決定木成長部２４により生成された決定木に基づき判定することによって、その診断対象のＯＦケーブル１００に対応する異常ランク情報を取得し、すなわち診断対象のＯＦケーブル１００の状態を診断する。
図７〜図１０は、図１に示す異常診断システム１の動作の一例を示すフローチャートである。図７〜図１０に示すフローチャートは、本発明に係る決定木生成方法の一例に相当している。
まず、目的グループ設定部２１は、異常ランク情報の各ランクを、異常の程度の小さい小異常グループと、小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングする（ステップＳ１）。
図１１は、異常ランク情報としてランクａ，ｂ，ｃ，ｄを用いた場合に目的グループ設定部２１によりグルーピングされるグルーピングパターンの一例を示す説明図である。異常ランク情報のランクａ，ｂ，ｃ，ｄを大異常グループと小異常グループとにグルーピング可能なグルーピングパターンは、図１１に示すように、グルーピングパターン１，２，３で示す３パターン存在する。グルーピングパターン１，２，３によれば、大異常グループに属するランクは、いずれも小異常グループに属するランクよりも異常の程度が大きい。
図１２は、異常ランク情報としてランクI，II，III，IVを用いた場合に目的グループ設定部２１によりグルーピングされるグルーピングパターンの一例を示す説明図である。異常ランク情報のランクI，II，III，IVを大異常グループと小異常グループとにグルーピング可能なグルーピングパターンは、図１２に示すように、グルーピングパターン１，２，３，４で示す４パターン存在する。グルーピングパターン１，２，３，４によれば、大異常グループに属するランクは、いずれも小異常グループに属するランクよりも異常の程度が大きい。
以下、図１１に示すグルーピングパターン１，２，３を用いる例について説明を行う。また、大異常グループを目的グループＵ１、小異常グループを目的グループＵ２とする。
次に、情報利得比算出部２２は、初期処理として、事例１〜Ｎ、すなわち事例データ記憶部３１に記憶されているすべての事例データを処理対象の集合Ｄとし（ステップＳ２）、処理対象となる属性情報の番号ｐ及びグルーピングパターンの番号ｇを１とする（ステップＳ３）。
次に、情報利得比算出部２２は、集合Ｄに属する事例数（事例データの件数）を計数し、これを｜Ｄ｜とする（ステップＳ４）。集合Ｄが事例１〜Ｎからなる場合、｜Ｄ｜＝Ｎである。
次に、情報利得比算出部２２は、集合Ｄのうち、グルーピングパターンｇのｉ番目の目的グループＵｉに属する事例数をＣｉとする。例えば、グルーピングパターン１のとき、目的グループＵ１に属する事例数、すなわちランクａに属する事例数が１０件であった場合、Ｃ１は１０となり、目的グループＵ２に属する事例数、すなわちランクｂ，ｃ，ｄに属する事例数が合計３０件であった場合、Ｃ２は３０となる。
次に、情報利得比算出部２２は、属性情報Ｘｐが濃度情報であるか否かを判断する（Ｓ６）。属性情報Ｘｐが濃度情報であった場合（ステップＳ６でＹＥＳ）、情報利得比算出部２２は、属性情報Ｘｐを判定するための分岐閾値（閾値）について、複数の候補閾値ｔｈｐを設定する（ステップＳ７）。図１３、図１４は、候補閾値ｔｈｐの設定方法を説明するための説明図である。図１３は、属性情報Ｘ３を判定するための候補閾値ｔｈ３に関する説明図、図１４は、属性情報Ｘ４を判定するための候補閾値ｔｈ４に関する説明図を示している。
図１３（ａ）、図１４（ａ）に示す例では、属性情報Ｘ３，Ｘ４が、それぞれ事例１〜事例７の７つの事例データに対応する７つの濃度情報ｄ３（１）〜ｄ３（７）、ｄ４（１）〜ｄ４（７）を有している。ｄ３（１）〜ｄ３（７）は、２０，１０，５，５０，０，１２，２０（ＰＰＭ）であり、ｄ４（１）〜ｄ４（７）は、１，０．２，０．１，０，０．１，５，０．５（ＰＰＭ）である。
情報利得比算出部２２は、まず、属性情報Ｘｐの各濃度情報を例えば値の小さい順にソートする。その結果、属性情報Ｘ３の濃度情報（濃度値）は、図１３（ｂ）に示すように、０，５，１０，１２，２０，２０，５０の順に並び替えられる。そうすると、属性情報Ｘ３に基づき事例１〜事例７を２つの部分集合に分割可能な候補閾値ｔｈ３として、０，５，１０，１２，２０の５つの値が得られる。上記候補閾値ｔｈ３は、ソート後に互いに異なり、かつ隣接する二つの濃度値のうち、値の小さな濃度値を選択したものである。
これらの候補閾値ｔｈ３によれば、例えば候補閾値ｔｈ３＝０のとき、属性情報Ｘ３が０以下の低濃度グループ（事例５のみの部分集合）と、属性情報Ｘ３が０を超える高濃度グループ（事例３，２，６，１，７，４の部分集合）とが得られる。例えば候補閾値ｔｈ３＝１２のとき、属性情報Ｘ３が１２以下の低濃度グループ（事例５、３，２，６の部分集合）と、属性情報Ｘ３が１２を超える高濃度グループ（事例１，７，４の部分集合）とが得られる。
なお、候補閾値ｔｈ３として、ソート後に互いに異なり、かつ隣接する二つの濃度値のうち、値の大きな濃度値を選択し、５，１０，１２，２０，５０の５つの値を取得してもよい。そして、各候補閾値ｔｈ３に満たないグループと各候補閾値ｔｈ３以上のグループとに部分集合を分割してもよい。
しかしながら、候補閾値ｔｈ３として、ソート後に互いに異なり、かつ隣接する二つの濃度値のうち、値の小さな濃度値を選択する方が、分割後の部分集合のうち、異常が生じている可能性が高いと考えられる高濃度グループに事例が分類され易くなり、その結果、異常の診断結果が厳しく診断されやすくなる（異常の程度が重く判断されやすくなる）。その結果、安全サイドの診断が行われる点で望ましい。
同様にして、属性情報Ｘ４からは、０，０．１，０．２，０．５，１の５つの候補閾値ｔｈ４が得られる。情報利得比算出部２２は、このようにして得られた各候補閾値ｔｈｐに対し、例えば追い番で候補閾値番号を付与する。以下、属性情報Ｘｐに関する候補閾値番号がｒの候補閾値をｔｈｐ（ｒ）と表記する。
次に、情報利得比算出部２２は、候補閾値番号ｒを１に初期化する（ステップＳ８）。
次に、情報利得比算出部２２は、情報利得比Ｇ（Ｘ）算出処理を実行する（ステップＳ９）。図９は、情報利得比Ｇ（Ｘ）算出処理を説明するフローチャートである。
まず、情報利得比算出部２２は、候補閾値ｔｈｐ（ｒ）を基準に集合Ｄを、属性情報Ｘｐが候補閾値ｔｈｐ（ｒ）を超える高濃度グループである部分集合Ｄ１と、属性情報Ｘｐが候補閾値ｔｈｐ（ｒ）以下の低濃度グループである部分集合Ｄ２とに分割する（ステップＳ３１）。以下、部分集合の番号をｊで示す。
次に、情報利得比算出部２２は、部分集合Ｄｊに属する事例数を計数し、αｊとする（ステップＳ３２）。例えば、部分集合Ｄ１に属する事例数が１０件、部分集合Ｄ２に属する事例数が２０件であれば、α１＝１０，α２＝２０となる。なお、図１５〜図１７に示す例では、α１＝２０，α２＝２０である。
次に、情報利得比算出部２２は、部分集合Ｄｊに属し、かつ目的グループＵｋに属する事例数を計数し、βｊｋとする（ステップＳ３３）。ここで、ｋは、グルーピングパターンｇに属する各目的グループに付された番号である。
次に、情報利得比算出部２２は、属性情報ＸｐをＸとし、式（１）〜（４）に基づき、属性情報Ｘｐ、グルーピングパターンｇ、及び候補閾値ｔｈｐ（ｒ）に対応する情報利得比Ｇ（Ｘ）を算出し、ステップＳ１０へ移行する（ステップＳ３４）。
ステップＳ１０において、ノード生成部２３は、組み合わせ除外処理を実行する。図１０は、組み合わせ除外処理の一例を示すフローチャートである。ステップＳ４１において、ノード生成部２３は、属性情報Ｘｐ、グルーピングパターンｇ、及び候補閾値ｔｈｐ（ｒ）の組み合わせについて、大異常グループであって高濃度グループに属する事例データの数が大異常グループであって低濃度グループに属する事例データの数より少ない第１の条件、及び小異常グループであって低濃度グループに属する事例データの数が小異常グループであって高濃度グループに属する事例データの数より少ない第２の条件が共に満たされているか否かを判定する（ステップＳ４１）。
そして、第１及び第２の条件が共に満たされていた場合（ステップＳ４１でＹＥＳ）、ノード生成部２３は、その条件が満たされた上記組み合わせに対応する情報利得比Ｇ（Ｘ）を、ゼロとし（ステップＳ４２）、ステップＳ１１へ移行する。
情報利得比Ｇ（Ｘ）をゼロにすると、後述するステップＳ２１において、そのゼロにされた情報利得比Ｇ（Ｘ）は、最大の情報利得比Ｇ（Ｘ）として選択されることがなくなる。すなわち、ノード生成部２３は、情報利得比Ｇ（Ｘ）をゼロにすることによって、その情報利得比Ｇ（Ｘ）を、ステップＳ２１における最大の情報利得比Ｇ（Ｘ）の選択対象から除外する。
なお、第１及び第２の条件が共に満たされた上記組み合わせに対応する情報利得比Ｇ（Ｘ）を、ゼロにする処理は、その組み合わせに対応する情報利得比Ｇ（Ｘ）を最大の情報利得比Ｇ（Ｘ）の選択対象から除外する方法の一例である。ノード生成部２３は、他の方法により第１及び第２の条件が共に満たされた上記組み合わせに対応する情報利得比Ｇ（Ｘ）を、最大の情報利得比Ｇ（Ｘ）の選択対象から除外してもよい。
一方、第１及び第２の条件のうち少なくとも一方が満たされない場合（ステップＳ４１でＮＯ）、ノード生成部２３は、ステップＳ４２を実行することなくステップＳ１１へ移行する。
図１５は、組み合わせ除外処理を説明するための説明図である。例えば、図１５（ａ）、（ｂ）に示すように、高濃度グループ（部分集合Ｄ１）と低濃度グループ（部分集合Ｄ２）への分割、及び大異常グループ（ランクａ，ｂ）と小異常グループ（ランクｃ，ｄ）へのグルーピングを行った場合、図１５（ａ）に示す例では、大異常グループであって高濃度グループに属する事例データの数は１７、大異常グループであって低濃度グループに属する事例データの数は３であるから、第１の条件を満たさない。また、小異常グループであって低濃度グループに属する事例データの数は１７、小異常グループであって高濃度グループに属する事例データの数は３であるから、第２の条件を満たさない。
従って、図１５（ａ）に示す例に対応する情報利得比Ｇ（Ｘ）は、最大の情報利得比Ｇ（Ｘ）の選択対象から除外されることはない。
高濃度グループに属する事例は、低濃度グループに属する事例よりも絶縁油１１０に溶解していた属性情報Ｘに係るガス濃度が高い。そして、ガス濃度が高いほど、ＯＦケーブル１００で生じている異常の程度が重い可能性が高い。図１５（ａ）に示す例は、このようなＯＦケーブル１００に関する知見と合致している。従って、図１５（ａ）に示す例は、決定木を生成するための部分集合への分割方法として適切であり、最大の情報利得比Ｇ（Ｘ）の選択対象に含まれることが好ましい。このように、上述の組み合わせ除外処理によれば、図１５（ａ）に示すような、適切な分割方法に係る情報利得比Ｇ（Ｘ）を最大の情報利得比Ｇ（Ｘ）の選択対象に含めることができる。
一方、図１５（ｂ）に示す例では、大異常グループであって高濃度グループに属する事例データの数は３、大異常グループであって低濃度グループに属する事例データの数は１７であるから、第１の条件を満たす。また、小異常グループであって低濃度グループに属する事例データの数は３、小異常グループであって高濃度グループに属する事例データの数は１７であるから、第２の条件を満たす。
従って、図１５（ｂ）に示す例では、第１及び第２の条件を共に満たすから、上述の組み合わせ除外処理によれば、図１５（ｂ）に示す例に対応する情報利得比Ｇ（Ｘ）は、最大の情報利得比Ｇ（Ｘ）の選択対象から除外される。
図１５（ｂ）に示す例は、上述のＯＦケーブル１００に関する知見とは、異常ランクとガス濃度の関係が逆になっている。従って、図１５（ｂ）に示す分割方法の例は、決定木を生成するための部分集合への分割方法として不適切である。しかしながら、ステップＳ３１〜Ｓ３４の情報利得比Ｇ（Ｘ）算出処理によれば、図１５（ａ），（ｂ）に示す例から得られる情報利得比Ｇ（Ｘ）は、共に０．３９となる。そのため、Ｃ４．５アルゴリズムのように、情報利得比Ｇ（Ｘ）によって集合の分割方法を決定し、すなわちノードを生成すると、本来、ＯＦケーブル１００の分析には不適切な図１５（ｂ）に係る分割方法がノードとして選択されてしまうおそれがある。
しかしながら、上述の組み合わせ除外処理によれば、ＯＦケーブル１００の分析には不適切な図１５（ｂ）に係る情報利得比Ｇ（Ｘ）が、最大の情報利得比Ｇ（Ｘ）の選択対象から除外される。その結果、不適切なノードが生成されるおそれを低減することができる。
次に、ステップＳ１１において、情報利得比算出部２２は、全候補閾値に対する情報利得比Ｇ（Ｘ）の算出が終了したか否かをチェックする（ステップＳ１１）。そして、全候補閾値に対する情報利得比Ｇ（Ｘ）の算出が終了していなければ（ステップＳ１１でＮＯ）、情報利得比算出部２２は、ステップＳ１２へ移行し、候補閾値番号ｒに１を加算して再びステップＳ９〜Ｓ１１を繰り返す。
一方、全候補閾値に対する情報利得比Ｇ（Ｘ）の算出が終了していれば（ステップＳ１１でＹＥＳ）、情報利得比算出部２２は、ステップＳ１４へ移行し、全グルーピングパターンに対する情報利得比Ｇ（Ｘ）の算出が終了したか否かをチェックする（ステップＳ１４）。そして、全グルーピングパターンに対する情報利得比Ｇ（Ｘ）の算出が終了していなければ（ステップＳ１４でＮＯ）、情報利得比算出部２２は、ステップＳ１５へ移行し、グルーピングパターン番号ｇに１を加算して再びステップＳ５〜Ｓ１４を繰り返す。
一方、全グルーピングパターンに対する情報利得比Ｇ（Ｘ）の算出が終了していれば（ステップＳ１４でＹＥＳ）、情報利得比算出部２２は、ステップＳ１６へ移行し、全属性情報に対する情報利得比Ｇ（Ｘ）の算出が終了したか否かをチェックする（ステップＳ１６）。そして、全属性情報に対する情報利得比Ｇ（Ｘ）の算出が終了していなければ（ステップＳ１６でＮＯ）、情報利得比算出部２２は、ステップＳ１７へ移行し、属性番号ｐに１を加算して再びステップＳ５〜Ｓ１６を繰り返す。
一方、全属性情報に対する情報利得比Ｇ（Ｘ）の算出が終了していれば（ステップＳ１６でＹＥＳ）、情報利得比算出部２２は、ステップＳ２１へ移行する。
他方、ステップＳ６において、属性情報Ｘｐが濃度情報ではない場合（ステップＳ６でＮＯ）、すなわち本実施形態においては属性情報Ｘｐが拘束力情報である場合、情報利得比算出部２２は、ステップＳ１８へ移行する。ステップＳ１８においては、情報利得比算出部２２は、大拘束力状態（強）の事例を部分集合Ｄ１とし、小拘束力状態（弱）の事例を部分集合Ｄ２とした上で、ステップＳ３１〜Ｓ３４の情報利得比Ｇ（Ｘ）算出処理を実行し、情報利得比Ｇ（Ｘ）を算出した後、ステップＳ１４へ移行する。
次に、ステップＳ２１において、ノード生成部２３は、各属性情報、各グルーピングパターン、各候補閾値の組み合わせに対して得られた情報利得比Ｇ（Ｘ）のうち、最大の情報利得比Ｇ（Ｘ）を選択する（ステップＳ２１）。
次に、ノード生成部２３は、最大の情報利得比Ｇ（Ｘ）に対応する属性情報、及びその属性情報に対応する候補閾値を、ノードの属性、及び分岐閾値として設定し、ノードを生成する（ステップＳ２２）。決定木はノードから構成されているので、ノードを示す情報は、すなわち決定木を示す情報である。ノード生成部２３は、生成されたノードを示す情報を、決定木を示す情報として決定木記憶部３２に記憶する。
図１６、図１７は、ステップＳ１において、目的グループ設定部２１が異常ランク情報の各ランクを目的グループにグルーピングすることによる効果を説明するための説明図である。図１６は、例えば属性情報Ｘ１について情報利得比Ｇ（Ｘ）を求める例、図１７は、例えば属性情報Ｘ２について情報利得比Ｇ（Ｘ）を求める例を示している。
図１６（ａ）、図１７（ａ）は、目的グループ設定部２１を備えず、目的事例となる異常ランク情報をグルーピングすることなく、ランクａ，ｂ，ｃ，ｄとしたまま候補閾値ｔｈｐ（ｒ）を基準に集合Ｄを部分集合Ｄ１，Ｄ２に分割した場合に、各ランク及び部分集合Ｄ１，Ｄ２に属する事例数を示す表である。図１６（ａ）、図１７（ａ）に示すように、異常ランク情報のグルーピングを行わずに部分集合Ｄ１，Ｄ２に分割した場合の情報利得比Ｇ（Ｘ）は、共に０．４０となる。
従って、目的グループ設定部２１を備えず、ステップＳ１を実行しない場合、図１６（ａ）、図１７（ａ）に示す分割パターンは情報利得比Ｇ（Ｘ）が等しいため、いずれの分割パターンもノードとして選択される可能性がある。しかしながら、図１６（ａ）に示す分割パターンでは、異常の程度の順に設定されたランクａ，ｂ，ｃ，ｄに対して、部分集合Ｄ１に属する事例数は、９から２に減少してから８に増加し、さらに１になるというように、増減を繰り返している。同様に、部分集合Ｄ２についても、事例数が増減している。このような集合の分割パターンは、判断木のノードとして適さない。
図１６（ｂ），（ｃ），（ｄ）、及び図１７（ｂ），（ｃ），（ｄ）は、目的グループ設定部２１がステップＳ１の処理により、目的事例となる異常ランク情報をグルーピングした場合の例を示している。
図１６（ｂ）、図１７（ｂ）は、図１６（ａ）、図１７（ａ）に示すデータについて、それぞれ図１１に示すグルーピングパターン１に従いランクａ，ｂ，ｃ，ｄをグルーピングした場合の例を示し、図１６（ｃ）、図１７（ｃ）は、図１１に示すグルーピングパターン２に従いランクａ，ｂ，ｃ，ｄをグルーピングした場合の例を示し、図１６（ｄ）、図１７（ｄ）は、図１１に示すグルーピングパターン３に従いランクａ，ｂ，ｃ，ｄをグルーピングした場合の例を示している。
図１６（ｂ），（ｃ），（ｄ）、及び図１７（ｂ），（ｃ），（ｄ）に示す例によれば、図１７（ｃ）の情報利得比Ｇ（Ｘ）が０．３９となり、ステップＳ２１において最大の情報利得比Ｇ（Ｘ）として選択されることとなる。従って、図１７（ｃ）に係る部分集合への分割パターンに対応する属性情報、及び候補閾値が、ステップＳ２２においてノードの属性、及び分岐閾値として設定され、当該ノードが生成される。
この場合、図１７（ｃ）に示す部分集合への分割パターンでは、図１７（ａ）に示す分割パターンのように、各ランクに対する事例数の不連続は生じない。その結果、図１７（ｃ）に係る部分集合への分割パターンに基づきノードを生成することによって、判断木のノードとして良好なノードが得られる。
すなわち、目的グループ設定部２１を備え、ステップＳ１を実行することによって、ＯＦケーブル１００の異常診断に適した良好な判断木のノードを生成することが可能となる。
次に、決定木成長部２４は、ノード生成部２３によって生成されたノードによって、集合Ｄを部分集合Ｄ１，Ｄ２に分割する（ステップＳ２３）。そして、決定木成長部２４は、部分集合Ｄ１，Ｄ２のうち、集合の分割を停止させる条件である終了条件を満たす部分集合の異常ランク情報を判定結果として示す葉ノードを生成する（ステップＳ２４）。
次に、決定木成長部２４は、部分集合Ｄ１，Ｄ２のうちに終了条件を満たさない部分集合があるか否かを判定する（ステップＳ２５）。そして、終了条件を満たさない部分集合がなければ（ステップＳ２５でＮＯ）、決定木成長部２４は、決定木の成長を停止させ、生成された決定木を示す情報を決定木記憶部３２に記憶し（ステップＳ２７）、処理を終了する。
一方、終了条件を満たさない部分集合があれば（ステップＳ２５でＹＥＳ）、決定木成長部２４は、終了条件を満たさない部分集合を新たな集合Ｄとして、再びステップＳ３〜Ｓ２５を繰り返すことにより、判断木を成長させる（ステップＳ２６）。
終了条件としては、例えば、部分集合に属する事例が同一のランク（クラス）に属する条件や、部分集合に属する事例件数が２件以下になる条件、あるいはその部分集合をさらに分割した場合に判定の誤り率が増加してしまう条件等、種々の条件を用いることができる。
以上、ステップＳ１〜Ｓ４２の処理により、ＯＦケーブル１００の異常診断に適した判断木を生成することが可能となる。
図１８は、ステップＳ１〜Ｓ４２の処理により生成された決定木の一例を示す説明図である。図１８に示す決定木の各ノードには、ノード番号ｎ０〜ｎ５２が付されている。図１９は、図６に示す異常ランクと図１２に示すグルーピングパターンとを用いてステップＳ１〜Ｓ４２を実行することにより生成された決定木の一例を示す説明図である。図１９に示す決定木の各ノードには、ノード番号ｍ０〜ｍ５８が付されている。
図１８、図１９に示す決定木においては、拘束力を属性とするノード以外の濃度情報を属性とするノードについては、これらのノードから分岐する２本の枝のうち、図中左側の枝が、各ノードの属性情報が、各ノードの分岐閾値以下であった場合に分岐する枝であり、図中右側の枝が、各ノードの属性情報が、各ノードの分岐閾値を超えた場合に分岐する枝である。
異常診断システム１によりＯＦケーブル１００を診断する場合、ユーザは、診断対象のＯＦケーブル１００から絶縁油１１０を採取し、その絶縁油１１０に溶解しているガスの濃度を測定することによって、例えば図４に示す１７個の濃度情報を取得する。また、ユーザは、診断対象のＯＦケーブル１００の拘束力情報を取得する。ユーザは、このようにして得られた複数の濃度情報と拘束力情報とを診断対象属性情報として、例えば操作部５を用いて演算部２に入力し、記憶部３に記憶させる。
診断部２５は、決定木記憶部３２に記憶された決定木を用いて、記憶部３に記憶された診断対象属性情報に対して異常診断を実行する。例えば、ユーザが操作部５を操作して、診断対象のＯＦケーブル１００がランクａ，ｂ，ｃ，ｄのいずれのランクに該当するかの診断を指示した場合、診断部２５は、決定木記憶部３２から、図１８に記載の決定木を読み出す。また、ユーザが操作部５を操作して、診断対象のＯＦケーブル１００がランクI，II，III，IVのいずれのランクに該当するかの診断を指示した場合、診断部２５は、決定木記憶部３２から、図１９に記載の決定木を読み出す。
そして、診断部２５は、読み出された決定木の根ノードから順に、診断対象属性情報を当て嵌め、葉ノードに到達するまで分岐を繰り返す。葉ノードに到達すれば、その葉ノードに対応付けられた異常ランクが、ＯＦケーブル１００の診断結果となる。診断部２５は、このようにして得られた診断結果を表示部４に表示させる。このようにして、ＯＦケーブル１００の異常診断を行うことが可能となる。
以下、図１８、図１９に示す決定木に基づいて、診断部２５の動作を具体的に説明する。以下の説明において、各ノードの属性を括弧で示し、例えば属性がＣ2Ｈ2のノードｎ０のことを、ノードｎ０（Ｃ2Ｈ2）と記載する。また、各ノードの分岐閾値をＴで示し、例えばノードｎ０の分岐閾値をＴ（ｎ０）と記載する。また、診断対象属性情報の濃度値をＤで示し、例えば診断対象属性情報のＣ2Ｈ2の濃度値をＤ（Ｃ2Ｈ2）と示す。
図１８に示す決定木によれば、診断部２５は、まず根ノードであるノードｎ０（Ｃ2Ｈ2）を参照し、Ｄ（Ｃ2Ｈ2）≦Ｔ（ｎ０）であればノードｎ１（ＣＯ）へ、Ｄ（Ｃ2Ｈ2）＞Ｔ（ｎ０）であればノードｎ２（Ｃ2Ｈ2）へ分岐する。また、診断部２５は、ノードｎ２（Ｃ2Ｈ2）では、Ｄ（Ｃ2Ｈ2）≦Ｔ（ｎ２）であればノードｎ５（ＴＣＧ）へ、Ｄ（Ｃ2Ｈ2）＞Ｔ（ｎ２）であればノードｎ６（Ｃ2Ｈ2）へ分岐する。
また、診断部２５は、ノードｎ５（ＴＣＧ）では、Ｄ（ＴＣＧ）≦Ｔ（ｎ５）であればノードｎ１１（Ｃ2Ｈ2／ＴＣＧ）へ、Ｄ（ＴＣＧ）＞Ｔ（ｎ５）であれば葉ノードｎ１２へ分岐してランクｂと判定する。診断部２５は、ノードｎ１１（Ｃ2Ｈ2／ＴＣＧ）では、Ｄ（Ｃ2Ｈ2／ＴＣＧ）≦Ｔ（ｎ１１）であれば葉ノードｎ２３へ分岐してランクｄと判定する。なお、Ｔ（ｎ０）＜Ｔ（ｎ２）である。
また、診断部２５は、ノードｎ１（ＣＯ）では、Ｄ（ＣＯ）≦Ｔ（ｎ１）であればノードｎ３（Ｃ2Ｈ2）へ、Ｄ（ＣＯ）＞Ｔ（ｎ１）であればノードｎ４（拘束力）へ分岐する。
診断部２５は、拘束力の分岐閾値を閾値Ｔ（拘束力）とした場合、ノードｎ４（拘束力）では、診断対象属性情報の拘束力Ｐが、Ｐ≦Ｔ（拘束力）であればノードｎ９（ＣＯ／ＴＣＧ）へ、Ｐ＞Ｔ（拘束力）であればノードｎ１０（Ｈ2／ＴＣＧ）へ分岐する。
なお、例えばノードｎ０，ｎ２，ｎ６のように、同じ属性（Ｃ2Ｈ2）のノードを複数回経由する場合、属性が同じ各ノードの分岐閾値は異なる値にされている。例えば、上流のノードから左側（診断対象の濃度値が分岐閾値以下の側）に分岐して下流のノードに到達した場合、下流のノードの分岐閾値は上流の分岐閾値より小さな値にされている。また、上流のノードから右側（診断対象の濃度値が分岐閾値より大きい側）に分岐して下流のノードに到達した場合、下流のノードの分岐閾値は上流の分岐閾値より大きな値にされている。
図１９に示す決定木によれば、診断部２５は、まず根ノードであるノードｍ０（Ｃ2Ｈ2）を参照し、Ｄ（Ｃ2Ｈ2）≦Ｔ（ｍ０）であればノードｍ１（ＣＯ）へ、Ｄ（Ｃ2Ｈ2）＞Ｔ（ｍ０）であればノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）へ分岐する。また、診断部２５は、ノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）では、Ｄ（Ｃ2Ｈ2／Ｃ2Ｈ6）≦Ｔ（ｍ２）であればノードｍ５（Ｃ2Ｈ6／ＴＣＧ）へ、Ｄ（Ｃ2Ｈ2／Ｃ2Ｈ6）＞Ｔ（ｍ２）であればノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）へ分岐する。
また、診断部２５は、ノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）では、Ｄ（Ｃ2Ｈ4／Ｃ2Ｈ6）≦Ｔ（ｍ６）であれば葉ノードｍ１３へ分岐してランクIIIと判定し、Ｄ（Ｃ2Ｈ4／Ｃ2Ｈ6）＞Ｔ（ｍ６）であれば葉ノードｍ１４へ分岐してランクIVと判定する。
診断部２５は、このように診断対象属性情報に基づき分岐を繰り返し、葉ノード、例えばノードｎ２６に到達した場合、診断対象のＯＦケーブル１００はランクａであると判定し、例えばノードｎ４３に到達した場合、診断対象のＯＦケーブル１００はランクｂであると判定し、ノードｎ４１に到達した場合、診断対象のＯＦケーブル１００はランクｃであると判定し、ノードｎ３５に到達した場合、診断対象のＯＦケーブル１００はランクｄであると判定する。
なお、情報利得比算出部２２及びノード生成部２３が、複数の候補閾値を用いる例を示したが、必ずしも複数の候補閾値を用いる例に限らない。各属性情報に対して適切な閾値を、例えば予め実験的に求めて記憶部３に記憶しておいてもよい。この場合、ステップＳ７，８，Ｓ１１，Ｓ１２は不要となる。
また、ノード生成部２３は、ステップＳ１０，Ｓ４１，Ｓ４２を実行しない構成であってもよい。また、ステップＳ３１において、一つの候補閾値ｔｈｐ（ｒ）を基準として集合Ｄを二つの部分集合に分割する例を示したが、複数の候補閾値を用いて集合Ｄを三つ以上の部分集合（例えば、高、中、低濃度の３グループ）に分割してもよい。
また、異常診断システム１は、診断部２５及び決定木記憶部３２を備えない決定木生成システムとして構成されていてもよい。また、異常診断システム１は、目的グループ設定部２１、情報利得比算出部２２、ノード生成部２３、及び決定木成長部２４を含まず、別の決定木生成システムにより生成され、決定木記憶部３２に記憶された決定木に基づき異常診断を行う異常診断システムであってもよい。
１ 異常診断システム（決定木生成システム）
２ 演算部
３ 記憶部
４ 表示部
５ 操作部
６ 外部インターフェイス部
２１ 目的グループ設定部
２２ 情報利得比算出部
２３ ノード生成部
２４ 決定木成長部
２５ 診断部
３１ 事例データ記憶部
３２ 決定木記憶部
１００ ＯＦケーブル
１０１ ケーブル
１０２ ケーブル導体
１０３ 圧着スリーブ（圧着部材）
１０４ ケーブル絶縁紙
１０５ ケーブル絶縁体
１０８ 外部遮蔽層
１０８ａ 補強絶縁紙
１０９ 保護管
１１０ 絶縁油
１１１ 弁
１１２ 接地端子
Ｄ 集合
Ｄ１，Ｄ２，Ｄｊ 部分集合
Ｇ（Ｘ） 情報利得比
Ｘ 属性情報
ｇ グルーピングパターン番号
ｐ 属性番号
ｑ 事例番号
ｒ 候補閾値番号
ｔｈｐ 候補閾値

Claims (14)

  1. 油が封入された油入電気機器において過去に生じた複数の事例に基づき、前記油入電気機器の状態を判断するための決定木を生成する決定木生成システムであって、
    前記油入電気機器に封入された油に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、前記油入電気機器の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた事例データを、前記各事例にそれぞれ対応して記憶する事例データ記憶部と、
    前記異常ランク情報の各ランクを、前記異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、前記各グルーピングパターンに対応してグルーピングされた各目的グループを設定する目的グループ設定部と、
    前記複数の事例データに基づく集合に対して、前記各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の前記各目的グループに基づく情報利得比を、前記各属性情報と前記各グルーピングパターンとの組み合わせに対応してそれぞれ算出する情報利得比算出部と、
    前記情報利得比算出部により算出された、前記各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、前記選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、前記決定木のノードの属性、及び分岐閾値として設定することにより、前記ノードを生成するノード生成部とを備える決定木生成システム。
  2. 前記情報利得比算出部は、
    前記各属性情報の一つずつに対して、前記閾値の候補となる複数の候補閾値を前記閾値としてそれぞれ用いることにより得られる互いに異なる分割パターンと前記各グルーピングパターンとの組み合わせに対応して前記情報利得比をそれぞれ算出することにより、前記組み合わせを前記各属性情報、前記各グルーピングパターン、及び前記各閾値の組み合わせとする請求項１記載の決定木生成システム。
  3. 前記ノード生成部は、
    前記各組み合わせについて、前記大異常グループであって前記高濃度グループに属する前記事例データの数が前記大異常グループであって前記低濃度グループに属する前記事例データの数より少ない第１の条件、及び前記小異常グループであって前記低濃度グループに属する前記事例データの数が前記小異常グループであって前記高濃度グループに属する前記事例データの数より少ない第２の条件の双方の条件が満たされた場合、その条件が満たされた前記組み合わせに対応する情報利得比を、前記最大の情報利得比の選択対象から除外する請求項１又は２記載の決定木生成システム。
  4. 前記ガスは、
    ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の中から選択された少なくとも１種のガスを含み、
    前記濃度情報は、
    前記少なくとも１種のガスの濃度、前記少なくとも１種のガスの濃度の合計と前記少なくとも１種のガスの濃度との比率、及び前記少なくとも１種は複数種類であって、当該複数種類のガス相互間の濃度比率、のうち少なくとも一つの情報を含む請求項１〜３のいずれか１項に記載の決定木生成システム。
  5. 前記油入電気機器は、複数の導電ケーブルの端部同士が、圧着部材によって互いに接続されたＯＦケーブルであり、
    前記複数の属性情報には、前記圧着部材による圧着圧力が弱い小拘束力状態であるか、前記小拘束力状態よりも前記圧着圧力が強い大拘束力状態であるかを示す属性情報が含まれる請求項１〜４のいずれか１項に記載の決定木生成システム。
  6. 前記油入電気機器は、複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルであり、
    前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、
    前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、
    前記異常ランク情報は、前記ケーブル絶縁紙及び前記補強絶縁紙の劣化の程度と、前記劣化が生じた部位との組み合わせに応じて前記油入電気機器の状態をランク付けした情報である請求項１〜５のいずれか１項に記載の決定木生成システム。
  7. 前記油入電気機器は、複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルであり、
    前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、
    前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、
    前記異常ランク情報は、前記ケーブル絶縁紙の異常の有無と、前記補強絶縁紙の異常の有無との組み合わせに応じて前記油入電気機器の状態をランク付けした情報である請求項１〜５のいずれか１項に記載の決定木生成システム。
  8. 前記ノード生成部によって生成されたノードにより分割される各部分集合を新たな前記集合とすることにより、前記情報利得比算出部と前記ノード生成部とによって、前記ノードを親とする新たなノードを生成させる決定木成長部をさらに備える請求項１〜７のいずれか１項に記載の決定木生成システム。
  9. 前記情報利得比算出部は、下記の式（１）〜（４）に基づき前記情報利得比を算出する請求項１〜８のいずれか１項に記載の決定木生成システム。
    Figure 0005867466
    Figure 0005867466
    Figure 0005867466
    Figure 0005867466
     但し、
    Ｘ ： 属性情報
    Ｄ ： 前記集合
    ｜Ｄ｜： 集合Ｄに属する前記事例データ（事例）の件数
    Ｃｉ ： ｉ番目の前記目的グループに該当する前記事例データ（事例）の件数
    αｊ ： ｊ番目の前記部分集合に属する前記事例データ（事例）の件数
    βｊｋ ： ｊ番目の前記部分集合に属するｋ番目の前記目的グループに該当する前記事例データ（事例）の件数
    ｍ、ｎ ： 集合Ｄ中の前記目的グループの総数
    ｖ ： 前記集合の前記部分集合への分割数
    Ｇ（Ｘ）： 属性情報Ｘに基づき前記集合を分割した場合の情報利得比
    Ｍ（Ｄ）： 集合Ｄの前記目的グループに対する期待情報量
    Ｅ（Ｘ）： 属性情報Ｘに基づき集合Ｄが分割された後の期待情報量
    Ｓ（Ｘ）： 集合Ｄの属性情報Ｘに対する期待情報量
  10. 請求項１〜９のいずれか１項に記載の決定木生成システムによって生成された前記決定木を記憶する決定木記憶部と、
    診断対象となる油入電気機器についての前記複数の属性情報を、前記決定木記憶部に記憶された決定木に当て嵌めることによって、前記ランクを判定する診断部とを備える油入電気機器の異常診断システム。
  11. 複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルの診断を行う油入電気機器の異常診断システムであって、
    前記ＯＦケーブルの状態を判断するための決定木を記憶する決定木記憶部と、
    診断対象となる前記ＯＦケーブルについての診断対象属性情報を、前記決定木記憶部に記憶された決定木に当て嵌めることによって、４ランクにランク付けされた異常ランクを判定する診断部とを備え、
    前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、
    前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、
    前記異常ランクは、前記ケーブル絶縁紙の内部の層及び補強絶縁紙の内部において炭化の程度が所定の第１程度である場合を、最も異常の程度が重い異常ランクａとし、前記ケーブル絶縁紙の最外層／最内層及び前記補強絶縁紙の沿面において炭化の程度が前記第１程度の場合、及び前記ケーブル絶縁紙の内部の層及び前記補強絶縁紙の内部において炭化の程度が前記第１程度より小さい第２程度となった場合を、異常ランクｂとし、前記ケーブル絶縁紙の最外層／最内層及び前記補強絶縁紙の沿面において炭化の程度が第２程度となった場合、及び前記ケーブル絶縁紙の内部の層及び前記補強絶縁紙の内部において変色となった場合を、異常ランクｃとし、前記ケーブル絶縁紙の最外層／最内層及び前記補強絶縁紙の沿面において変色した場合を、最も異常の程度が軽い異常ランクｄとするものであり、
    前記診断部は、前記決定木に基づき、前記診断対象属性情報であるＣ2Ｈ2の濃度が根ノードｎ０（Ｃ2Ｈ2）の分岐閾値を超えていればノードｎ２（Ｃ2Ｈ2）へ分岐し、ノードｎ２（Ｃ2Ｈ2）では、前記診断対象属性情報であるＣ2Ｈ2の濃度がノードｎ２（Ｃ2Ｈ2）の分岐閾値以下であれば、ＣＨ4、Ｃ2Ｈ6、Ｃ2Ｈ4、Ｃ2Ｈ2、ＣＯ、及びＨ2の６種類のガスの濃度の合計であるＴＣＧを属性とするノードｎ５（ＴＣＧ）へ分岐し、ノードｎ５（ＴＣＧ）では、前記診断対象属性情報であるＴＣＧの濃度がノードｎ５（ＴＣＧ）の分岐閾値以下であればノードｎ１１（Ｃ2Ｈ2／ＴＣＧ）へ分岐し、ＴＣＧの濃度がノードｎ５（ＴＣＧ）の分岐閾値を超えていればランクｂと判定し、ノードｎ１１（Ｃ2Ｈ2／ＴＣＧ）では、前記診断対象属性情報である（Ｃ2Ｈ2／ＴＣＧ）がノードｎ５（ＴＣＧ）の分岐閾値以下であればランクｄと判定する油入電気機器の異常診断システム。
  12. 複数の導電ケーブルの端部同士が互いに接続されたＯＦケーブルの診断を行う油入電気機器の異常診断システムであって、
    前記ＯＦケーブルの状態を判断するための決定木を記憶する決定木記憶部と、
    診断対象となる前記ＯＦケーブルについての診断対象属性情報を、前記決定木記憶部に記憶された決定木に当て嵌めることによって、４ランクにランク付けされた異常ランクを判定する診断部とを備え、
    前記各導電ケーブルには、絶縁のためのケーブル絶縁紙が巻回され、
    前記各導電ケーブル相互間の接続部には、絶縁のための補強絶縁紙が巻回され、
    前記異常ランクは、前記ケーブル絶縁紙及び前記補強絶縁紙のいずれにも異常がない場合をランクI、前記ケーブル絶縁紙は異常あり、前記補強絶縁紙は異常なしの場合をランクII、前記ケーブル絶縁紙は異常なし、前記補強絶縁紙は異常ありの場合をランクIII、前記ケーブル絶縁紙及び前記補強絶縁紙のいずれにも異常がある場合をランクIVとするものであり、
    前記診断部は、前記決定木に基づき、前記診断対象属性情報であるＣ2Ｈ2の濃度が根ノードであるノードｍ０（Ｃ2Ｈ2）の分岐閾値を超えていればノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）へ分岐し、ノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）では、前記診断対象属性情報である（Ｃ2Ｈ2／Ｃ2Ｈ6）の濃度がノードｍ２（Ｃ2Ｈ2／Ｃ2Ｈ6）の分岐閾値を超えていればノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）へ分岐し、ノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）では、前記診断対象属性情報である（Ｃ2Ｈ4／Ｃ2Ｈ6）の濃度がノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）の分岐閾値以下であればランクIIIと判定し、ノードｍ６（Ｃ2Ｈ4／Ｃ2Ｈ6）の分岐閾値を超えていればランクIVと判定する油入電気機器の異常診断システム。
  13. 油が封入された油入電気機器において過去に生じた複数の事例に基づき、前記油入電気機器の状態を判断するための決定木を生成する決定木生成方法であって、
    前記油入電気機器に封入された油に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、前記油入電気機器の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた複数の事例データに基づいて、前記異常ランク情報の各ランクを、前記異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、前記各グルーピングパターンに対応してグルーピングされた各目的グループを設定する目的グループ設定工程と、
    前記複数の事例データに基づく集合に対して、前記各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の前記各目的グループに基づく情報利得比を、前記各属性情報と前記各グルーピングパターンとの組み合わせに対応してそれぞれ算出する情報利得比算出工程と、
    前記情報利得比算出工程により算出された、前記各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、前記選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、前記決定木のノードの属性、及び分岐閾値として設定することにより、前記ノードを生成するノード生成工程とを含む決定木生成方法。
  14. 油が封入された油入電気機器において過去に生じた複数の事例に基づき、前記油入電気機器の状態を判断するための決定木を生成する決定木生成プログラムであって、
    コンピュータを、
    前記油入電気機器に封入された油に溶解していたガスの濃度に関する濃度情報を含む複数の属性情報と、前記油入電気機器の状態を異常の程度の順に３ランク以上にランク付けして示す異常ランク情報とが対応付けられた事例データを、前記各事例にそれぞれ対応して記憶する事例データ記憶部、
    前記異常ランク情報の各ランクを、前記異常の程度の小さい小異常グループと、前記小異常グループより異常の程度が大きい大異常グループとにグルーピング可能なグルーピングパターンにそれぞれグルーピングすることにより、前記各グルーピングパターンに対応してグルーピングされた各目的グループを設定する目的グループ設定部、
    前記複数の事例データに基づく集合に対して、前記各属性情報をそれぞれ判定するための閾値を基準に前記集合を複数の部分集合に分割した場合の前記各目的グループに基づく情報利得比を、前記各属性情報と前記各グルーピングパターンとの組み合わせに対応してそれぞれ算出する情報利得比算出部、
    前記情報利得比算出部により算出された、前記各組み合わせに対応する各情報利得比のうち最大の情報利得比を選択し、前記選択された最大の情報利得比に対応する前記組み合わせに係る前記属性情報、及びその属性情報に対応する前記閾値を、前記決定木のノードの属性、及び分岐閾値として設定することにより、前記ノードを生成するノード生成部として機能させる決定木生成プログラム。
JP2013182127A 2013-09-03 2013-09-03 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 Active JP5867466B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013182127A JP5867466B2 (ja) 2013-09-03 2013-09-03 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013182127A JP5867466B2 (ja) 2013-09-03 2013-09-03 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

Publications (2)

Publication Number Publication Date
JP2015050869A JP2015050869A (ja) 2015-03-16
JP5867466B2 true JP5867466B2 (ja) 2016-02-24

Family

ID=52700458

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013182127A Active JP5867466B2 (ja) 2013-09-03 2013-09-03 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

Country Status (1)

Country Link
JP (1) JP5867466B2 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5872127B1 (ja) * 2015-07-17 2016-03-01 三菱電機株式会社 油入電気機器の異常診断方法
JP6883795B2 (ja) * 2017-01-30 2021-06-09 学校法人鶴学園 地絡要因判定装置
CN107767934B (zh) * 2017-10-11 2020-11-03 天津理工大学 一种用于描述压力的hrv特征范围估计方法
CN111459996B (zh) * 2020-03-13 2023-09-19 石化盈科信息技术有限责任公司 对油枪在指定时间段内的工作状态进行检测的方法及装置
CN113963757A (zh) * 2021-11-15 2022-01-21 国网山西省电力公司晋城供电公司 基于气体关系和图神经网络的充油电气设备故障诊断方法
CN114325260A (zh) * 2021-12-06 2022-04-12 广东电网有限责任公司 一种基于热阻变化的高压电缆的绝缘状态评估方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2667327B2 (ja) * 1992-03-06 1997-10-27 東京電力株式会社 Ｏｆケーブル絶縁劣化診断方法及びその装置
JP2001069659A (ja) * 1999-08-30 2001-03-16 Sumitomo Electric Ind Ltd 油中ガス分析によるｏｆケーブル線路の異常検知方法
JP4315675B2 (ja) * 2002-12-18 2009-08-19 東京電力株式会社 油中ガス分析による油入変圧器の診断方法
JP2007188169A (ja) * 2006-01-11 2007-07-26 Nippon Hoso Kyokai <Nhk> 映像被写体抽出装置
JP4997524B2 (ja) * 2006-02-10 2012-08-08 公立大学法人会津大学 多変数決定木構築システム、多変数決定木構築方法および多変数決定木を構築するためのプログラム
JP5093774B2 (ja) * 2007-09-05 2012-12-12 東京電力株式会社 ＯＦケーブル線路のｔａｎδ分布の推定方法および誘電発熱特性の推定方法
JP2012050217A (ja) * 2010-08-26 2012-03-08 Viscas Corp ケーブル接続箱及びその管理方法
US9135557B2 (en) * 2010-09-02 2015-09-15 Kanden Engineering Corporation Internal abnormality diagnosis method, internal abnormality diagnosis system, and decision tree generation method for internal abnormality diagnosis of oil-filled electric apparatus utilizing gas concentration in oil

Also Published As

Publication number Publication date
JP2015050869A (ja) 2015-03-16

Similar Documents

Publication Publication Date Title
JP5867466B2 (ja) 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
Abu-Siada et al. A new approach to identify power transformer criticality and asset management decision based on dissolved gas-in-oil analysis
Mansour Development of a new graphical technique for dissolved gas analysis in power transformers based on the five combustible gases
Perkel et al. Interpretation of dielectric loss data on service aged polyethylene based power cable systems using VLF test methods
Tamma et al. High voltage power transformer condition assessment considering the health index value and its decreasing rate
Abu-Siada et al. Fuzzy logic approach to identify transformer criticality using dissolved gas analysis
Velásquez et al. Converting data into knowledge for preventing failures in power transformers
WO2021038960A1 (ja) 部分放電判定装置及び方法
US10635765B2 (en) Cluster drawing on divided display region allocated to cluster
Prasojo et al. Dealing with data uncertainty for transformer insulation system health index
Madavan et al. Decision making on the state of transformers based on insulation condition using AHP and TOPSIS methods
Bessissa et al. Lifetime estimation and diagnosis of XLPE used in HV insulation cables under thermal ageing: arithmetic sequences optimised by genetic algorithms approach
CN107703407A (zh) 电力电缆诊断方法及装置
CN112287556A (zh) 电缆绝缘状态的确定方法及装置
CN115015683B (zh) 电缆生产的性能测试方法、装置、设备及存储介质
Siddique et al. Artificial neural networks based incipient fault diagnosis for power transformers
Malik et al. Feature selection using RapidMiner and classification through probabilistic neural network for fault diagnostics of power transformer
Shahrabad et al. Power transformer fault diagnosis using DGA and artificial intelligence
CN113468841A (zh) 配电电缆热缺陷检测方法、装置、计算机设备和存储介质
Davidenko et al. Analysis of the modern methods of the power transformers health index calculation
Das et al. Transformer assessment using health index–Part I
Alawode et al. Fuzzy logic and decision tree models for dissolved gas analysis in power transformer fault diagnosis
CN115291057A (zh) 多回路高压电缆故障计算方法、装置、电子设备及介质
JP6657984B2 (ja) 電力系統事故原因推定装置
Irungu et al. Comparison of IEC 60599 gas ratios and an integrated fuzzy-evidential reasoning approach in fault identification using dissolved gas analysis

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150514

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20151118

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20151208

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20151221

R150 Certificate of patent or registration of utility model

Ref document number: 5867466

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250