JP6945511B2 - 推定装置、および推定方法 - Google Patents
推定装置、および推定方法 Download PDFInfo
- Publication number
- JP6945511B2 JP6945511B2 JP2018156452A JP2018156452A JP6945511B2 JP 6945511 B2 JP6945511 B2 JP 6945511B2 JP 2018156452 A JP2018156452 A JP 2018156452A JP 2018156452 A JP2018156452 A JP 2018156452A JP 6945511 B2 JP6945511 B2 JP 6945511B2
- Authority
- JP
- Japan
- Prior art keywords
- group
- attribute
- electric power
- attribute value
- groups
- 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
Links
- 238000000034 method Methods 0.000 title claims description 41
- 238000007689 inspection Methods 0.000 claims description 71
- 238000000605 extraction Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 13
- 238000009434 installation Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000006866 deterioration Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000010187 selection method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
図1は、推定装置100の概要を説明するための図である。図1を参照して、推定装置100は、対象電力機器の点検データを推定するための装置であり、例えば、ディスプレイを備える据置型のPC(personal computer)である。ただし、推定装置100は、これに限られず、後述する機能を有する装置であればよく、例えば、タブレット端末装置、ラップトップ型のPC等であってもよい。
<ハードウェア構成>
図2は、推定装置100のハードウェア構成の一例を示す図である。図2を参照して、推定装置100は、主要なコンポーネントとして、プロセッサ150と、主記憶装置152と、二次記憶装置154と、通信インターフェイス(I/F)156と、ディスプレイ158と、入力装置160と、汎用インターフェイス(I/F)162とを含む。これらのコンポーネントは、内部バス164を介して互いに通信可能に接続されている。
(機器データベースのデータ構造)
図3は、機器データベースにおける属性データテーブルのデータ構造の一例を示す図である。図3を参照して、機器データベース170は、電力機器の機種ごとに属性データテーブルを有している。図3(a)には、電力機器としての変圧器に関する属性データテーブル500が示されており、図3(b)には、電力機器としての遮断器に関する属性データテーブル510が示されている。属性データテーブルは、各電力機器の属性データをテーブル形式で表現したテーブルである。
機器データベース170に格納された各電力機器の属性データおよび点検データを用いて、各電力機器を複数のグループのうちのいずれかのグループに分類する方式について説明する。
例えば、f(k)が一次関数のときには、f(k)は式(2)のように表わされる。
この場合、式(2)における係数aおよび係数bが電力機器Piの計測値の特徴量(以下、単に「電力機器Piの特徴量」とも称する。)となる。
この場合にも、式(3)における係数aおよび係数bが電力機器Piの特徴量となる。式(3)において、係数aは形状パラメータ、係数bは尺度パラメータと称される。なお、式(2)および(3)の係数a,bは、例えば、最小二乗法を用いて算出することができる。
次に、各電力機器Piのグループの分類手順について説明する。この分類には、例えば、k−平均法が用いられる。なお、作成するグループの数をLとする。
次に、推定装置100は、L個のグループの各々について、各属性項目における代表的な属性値(以下、「代表属性値」とも称する。)を設定する。以下では、説明の容易化のため、L=4であるとして説明する。
各グループの代表電力機器の設定方式について説明する。具体的には、推定装置100は、グループG1に属する全電力機器の各々の特徴量と、グループG1に対応するクラスタ中心との距離を算出する。推定装置100は、各距離のうち最も小さい距離に対応する特徴量を抽出し、当該特徴量を有する電力機器をグループG1の代表電力機器として設定する。同様にして、推定装置100は、グループG2〜G4の代表電力機器を設定する。
推定装置100は、対象電力機器の属性データに基づいて、L個(ここでは、L=4)のグループの中から対象電力機器が属するべきグループを選択する。
図10は、推定装置100の機能構成の一例を示すブロック図である。図10を参照して、推定装置100は、主たる機能構成として、特徴量抽出部202と、分類部204と、設定部206と、代表機器設定部208と、選択部212と、推定部214とを含む。これらの各機能は、例えば、推定装置100のプロセッサ150が二次記憶装置154あるいは主記憶装置152に格納されたプログラムを実行することによって実現される。なお、これらの機能の一部または全部はハードウェアで実現されるように構成されていてもよい。また、推定装置100は、二次記憶装置154により実現される機器データベース170および代表データ格納部210をさらに含む。
図11は、推定装置100の処理手順の一例を示すフローチャートである。具体的には、図11には、代表属性値および代表電力機器を設定するための処理手順が示されている。図11に示す各ステップは、典型的には、推定装置100のプロセッサ150により実行される。
本実施の形態によると、点検データがない稼働前の電力機器、あるいは点検データが乏しい稼働期間の短い電力機器であっても、当該電力機器の点検データを精度よく推定することができる。そのため、推定された点検データを、当該電力機器の将来の劣化状態評価、点検計画の策定、更新時期の想定、ライフサイクルコストの算定等に利用することができる。
(1)上述した実施の形態において、コンピュータを機能させて、上述のフローチャートで説明したような制御を実行させるプログラムを提供することもできる。このようなプログラムは、コンピュータに付属するフレキシブルディスク、CD(Compact Disk Read Only Memory)、二次記憶装置、主記憶装置およびメモリカードなどの一時的でないコンピュータ読取り可能な記録媒体にて記録させて、プログラム製品として提供することもできる。あるいは、コンピュータに内蔵するハードディスクなどの記録媒体にて記録させて、プログラムを提供することもできる。また、ネットワークを介したダウンロードによって、プログラムを提供することもできる。
Claims (7)
- 複数の電力機器の各々について、当該電力機器の属性データおよび点検データを関連付けて格納する機器データベースを備え、
前記属性データは、複数の属性項目と、各前記属性項目の属性値とを含み、
前記複数の電力機器の各々の点検データの特徴量を抽出する特徴量抽出部と、
前記複数の電力機器の各々についての前記特徴量に基づいて、前記複数の電力機器を複数のグループに分類する分類部と、
前記複数のグループの各々について、当該グループに分類された全電力機器における各前記属性項目の属性値に基づいて、当該グループにおける各前記属性項目の代表属性値を設定する設定部と、
前記複数の属性項目の各々について、前記複数のグループの中から、対象電力機器の当該属性項目の属性値と同一の前記代表属性値を有するグループを抽出し、抽出結果に基づいて前記対象電力機器が属するグループを選択する選択部と、
前記選択されたグループを代表する電力機器の点検データを、前記対象電力機器の点検データとして推定する推定部とをさらに備える、推定装置。 - 前記分類部は、
前記複数の電力機器の各々について、当該電力機器における前記特徴量と各前記グループに対応するクラスタ中心との距離を算出し、当該距離が最も小さくなる前記クラスタ中心に対応するグループに当該電力機器を分類する、請求項1に記載の推定装置。 - 前記設定部は、
前記複数の属性項目のうちの1の属性項目における各属性値について、当該属性値を有する電力機器の個数に対する、前記複数のグループのうちの1のグループに分類された当該属性値を有する電力機器の個数の比率を算出し、
算出された各前記比率のうち最も高い比率に対応する属性値を、前記1のグループにおける前記1の属性項目の前記代表属性値として設定する、請求項1または請求項2に記載の推定装置。 - 前記選択部は、前記複数の属性項目の各々について抽出されたグループのうち、前記代表属性値に対応する前記比率が最も高いグループを、前記対象電力機器が属するグループとして選択する、請求項3に記載の推定装置。
- 前記選択部は、前記複数の属性項目の各々について抽出されたグループのうち、最も多く抽出されたグループを、前記対象電力機器が属するグループとして選択する、請求項1〜請求項3のいずれか1項に記載の推定装置。
- 前記選択されたグループを代表する電力機器は、前記選択されたグループに属する全電力機器の各々における前記特徴量と当該グループに対応するクラスタ中心との距離が最も小さくなる前記特徴量に対応する電力機器である、請求項1〜請求項5のいずれか1項に記載の推定装置。
- 対象電力機器の点検データを推定するためのコンピュータにより実行される推定方法であって、
前記コンピュータは、複数の電力機器の各々について、当該電力機器の属性データおよび点検データを関連付けて格納する機器データベースを備え、
前記属性データは、複数の属性項目と、各前記属性項目の属性値とを含み、
前記推定方法は、
前記複数の電力機器の各々の点検データの特徴量を抽出するステップと、
前記複数の電力機器の各々についての前記特徴量に基づいて、前記複数の電力機器を複数のグループに分類するステップと、
前記複数のグループの各々について、当該グループに分類された全電力機器における各前記属性項目の属性値に基づいて、当該グループにおける各前記属性項目の代表属性値を設定するステップと、
前記複数の属性項目の各々について、前記複数のグループの中から、前記対象電力機器の当該属性項目の属性値と同一の前記代表属性値を有するグループを抽出し、抽出結果に基づいて前記対象電力機器が属するグループを選択するステップと、
前記選択されたグループを代表する電力機器の点検データを、前記対象電力機器の点検データとして推定するステップとを含む、推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018156452A JP6945511B2 (ja) | 2018-08-23 | 2018-08-23 | 推定装置、および推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018156452A JP6945511B2 (ja) | 2018-08-23 | 2018-08-23 | 推定装置、および推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020030131A JP2020030131A (ja) | 2020-02-27 |
JP6945511B2 true JP6945511B2 (ja) | 2021-10-06 |
Family
ID=69624270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018156452A Active JP6945511B2 (ja) | 2018-08-23 | 2018-08-23 | 推定装置、および推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6945511B2 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2613360B2 (ja) * | 1994-06-03 | 1997-05-28 | 株式会社日立製作所 | 機器/設備の診断システム |
JP2011227601A (ja) * | 2010-04-16 | 2011-11-10 | Mitsubishi Electric Corp | 情報提供装置及びそのプログラム |
JP5787831B2 (ja) * | 2012-06-04 | 2015-09-30 | 三菱電機ビルテクノサービス株式会社 | 設備点検計画支援装置及びプログラム |
-
2018
- 2018-08-23 JP JP2018156452A patent/JP6945511B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020030131A (ja) | 2020-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chien et al. | Analysing semiconductor manufacturing big data for root cause detection of excursion for yield enhancement | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
US6625589B1 (en) | Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data | |
JP5301310B2 (ja) | 異常検知方法及び異常検知システム | |
US20210042585A1 (en) | Abnormality detection device, abnormality detection method and computer readable medium | |
CN107168995B (zh) | 一种数据处理方法及服务器 | |
JP6615963B1 (ja) | 異常予兆診断装置及び異常予兆診断方法 | |
KR102550014B1 (ko) | 오탐지 예방을 위한 조기 경보 시스템 및 방법 | |
CN111767162B (zh) | 一种面向不同型号硬盘的故障预测方法及电子装置 | |
CN117170915A (zh) | 数据中心设备故障预测方法、装置和计算机设备 | |
JP2012247855A (ja) | プロセスの状態予測方法 | |
JP2021192155A (ja) | 異常検知支援プログラム、異常検知支援方法および異常検知支援システム | |
JP6915693B2 (ja) | システム分析方法、システム分析装置、および、プログラム | |
CN117743803A (zh) | 一种基于进化特征构建的工作量感知即时缺陷预测方法 | |
JP7274434B2 (ja) | 流用設計支援システム及び流用設計支援方法 | |
JP6945511B2 (ja) | 推定装置、および推定方法 | |
US20240045923A1 (en) | Information processing device, information processing method, and computer program product | |
JP2013168020A (ja) | プロセスの状態予測方法 | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
JP4308113B2 (ja) | データ分析装置及びその方法、プログラム | |
WO2018092317A1 (ja) | 選択装置、選択方法、および選択プログラム | |
JP2007188471A (ja) | 品質解析方法、品質解析装置、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
CN111199419A (zh) | 股票异常交易的识别方法及系统 | |
JP2021028751A (ja) | 故障予兆診断システムおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200828 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210625 |
|
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: 20210817 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6945511 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |