JP7278499B1 - 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム - Google Patents
学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム Download PDFInfo
- Publication number
- JP7278499B1 JP7278499B1 JP2022549925A JP2022549925A JP7278499B1 JP 7278499 B1 JP7278499 B1 JP 7278499B1 JP 2022549925 A JP2022549925 A JP 2022549925A JP 2022549925 A JP2022549925 A JP 2022549925A JP 7278499 B1 JP7278499 B1 JP 7278499B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- waveform
- normal
- unit
- sign
- 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
- 238000001514 detection method Methods 0.000 title claims description 189
- 238000000034 method Methods 0.000 title claims description 49
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000004458 analytical method Methods 0.000 claims abstract description 190
- 230000002159 abnormal effect Effects 0.000 claims abstract description 111
- 238000007781 pre-processing Methods 0.000 claims abstract description 72
- 230000005856 abnormality Effects 0.000 claims description 155
- 238000005259 measurement Methods 0.000 claims description 50
- 208000024891 symptom Diseases 0.000 claims description 42
- 238000013500 data storage Methods 0.000 description 81
- 238000012545 processing Methods 0.000 description 80
- 238000009499 grossing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000005770 birds nest Nutrition 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 235000005765 wild carrot Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Locating Faults (AREA)
- Alarm Systems (AREA)
Abstract
Description
図1は、実施の形態1にかかる異常兆候検知システムの構成例を示す図である。本実施の形態の異常兆候検知システム3は、学習装置1と、異常兆候検知装置2と、を備える。学習装置1は、異常兆候の検知に用いられる学習済データを生成し、異常兆候検知装置2は、学習装置1によって生成された学習済データを用いて、異常兆候を検知する。学習装置1は、例えば、センサなどによって取得された時系列データに対して波形解析により異常検知を行うための学習を行う。本実施の形態における波形解析は、類似波形解析とも呼ばれる機械学習の一例であり、学習時には、基準となる波形を基準波形として蓄積するとともに基準波形との類似度を示す外れスコアに対するしきい値を決定する。そして、本実施の形態における波形解析では、異常兆候の検知時すなわち異常兆候が生じているか否かの推論時には、検知対象の時系列データと基準波形とを用いて、当該検知対象の時系列データにおける各波形の基準波形に対する外れスコアを算出し、外れスコアと学習によって定められたしきい値との比較結果に基づいて異常兆候を検知する。
Qk,i=Pk,i-(Pk-1,i+Pk-2,i+・・・+Pk-N,i)/N …(1)
図8は、実施の形態2にかかる異常兆候検知システムの構成例を示す図である。本実施の形態の異常兆候検知システム3aは、学習装置1aと、異常兆候検知装置2aと、を備える。本実施の形態の学習装置1aは、前処理部13、除去波形抽出部15および除去波形記憶部16の代わりに、前処理部13a、分類部18、位相合わせ部19、第2波形解析部41および第2学習データ記憶部42を備える以外は、実施の形態1の学習装置1と同様である。本実施の形態の異常兆候検知装置2aは、前処理部23、過検知除去部25および除去波形記憶部26の代わりに、前処理部23a、分類部29、位相合わせ部30、第2波形解析部31および第2学習データ記憶部32を備える以外は、実施の形態1の異常兆候検知装置2と同様である。実施の形態1と同様の機能を有する構成要素には実施の形態1と同一の符号を付して重複する説明を省略する。以下実施の形態1と異なる点を主に説明する。
図11は、実施の形態3にかかる異常兆候検知システムの構成例を示す図である。本実施の形態の異常兆候検知システム3bは、学習装置1bと、異常兆候検知装置2bと、を備える。本実施の形態の学習装置1bは、データ取得部11、除去波形抽出部15および除去波形記憶部16の代わりに、データ取得部11a、差分解析部43および第3学習データ記憶部44を備える以外は、実施の形態1の学習装置1と同様である。本実施の形態の異常兆候検知装置2bは、データ取得部21、過検知除去部25および除去波形記憶部26の代わりに、データ取得部21a、差分解析部33および第3学習データ記憶部34を備える以外は、実施の形態1の異常兆候検知装置2と同様である。実施の形態1と同様の機能を有する構成要素には実施の形態1と同一の符号を付して重複する説明を省略する。以下実施の形態1と異なる点を主に説明する。
図14は、実施の形態4にかかる異常兆候検知システムの構成例を示す図である。本実施の形態の異常兆候検知システム3cは、学習装置1cと、異常兆候検知装置2cと、を備える。本実施の形態の学習装置1cは、実施の形態3のデータ取得部11a、前処理部13、第1波形解析部14および第1学習データ記憶部17の代わりに、データ取得部11b、前処理部13b、分類部18、位相合わせ部19、第2波形解析部41および第2学習データ記憶部42を備える以外は、実施の形態3の学習装置1bと同様である。本実施の形態の異常兆候検知装置2cは、実施の形態3のデータ取得部21a、前処理部23、第1波形解析部24および第1学習データ記憶部27の代わりに、データ取得部21b、前処理部23b、分類部29、位相合わせ部30、第2波形解析部31および第2学習データ記憶部32を備える以外は、実施の形態3の異常兆候検知装置2bと同様である。
図16は、実施の形態5にかかる異常兆候検知システムの構成例を示す図である。本実施の形態の異常兆候検知システム3dは、学習装置1dと、異常兆候検知装置2dと、を備える。本実施の形態の学習装置1dは、実施の形態2の前処理部13および第1波形解析部14の代わりに、前処理部13bおよび第1波形解析部14aを備える以外は、実施の形態2の学習装置1aと同様である。本実施の形態の異常兆候検知装置2dは、第1波形解析部24および第1学習データ記憶部27を削除し、前処理部23の代わりに前処理部23bを備える以外は、実施の形態2の異常兆候検知装置2aと同様である。前処理部13bおよび前処理部23bは実施の形態4と同様である。実施の形態2,4と同様の機能を有する構成要素には実施の形態2,4と同一の符号を付して重複する説明を省略する。以下、実施の形態2,4と異なる点を主に説明する。
Claims (12)
- 異常兆候の検知に用いられる学習済データを生成する学習装置であって、
定められた時間長を1周期とし、Nを2以上の整数とするとき、正常なデータである正常データの1周期分の各点の値から、1周期前からN周期前までの前記正常データの周期内の対応する各点の平均値をそれぞれ減じたN周期前差分値を算出する前処理部と、
前記N周期前差分値を用いて、類似波形解析によって、正常波形と正常であるか否かの判定に用いられる正常判定しきい値とを前記学習済データとして生成する第1波形解析部と、
を備えることを特徴とする学習装置。 - 前記前処理部は、前記正常データに一次遅れフィルタによる平滑化処理を行い、平滑化処理後の前記正常データを用いて前記N周期前差分値を算出することを特徴とする請求項1に記載の学習装置。
- 異常兆候のあるデータである異常兆候データを用いて、類似波形解析によって、異常兆候波形と異常兆候があるか否かの判定に用いられる異常兆候判定しきい値とを前記学習済データとしてさらに生成する第2波形解析部、
を備えることを特徴とする請求項1または2に記載の学習装置。 - 前記正常データは、電圧および電流のうち少なくとも一方である計測対象の瞬時値の計測データであり、
正常な前記計測対象の実効値の計測データの1階差分値を算出し、算出した1階差分値を用いて正常であるか否かを判定するためのしきい値を前記学習済データとしてさらに生成する差分解析部、
を備えることを特徴とする請求項1または2に記載の学習装置。 - 配電系統を区分する開閉器を制御する子局において計測される前記配電系統の零相電圧および零相電流のうちの少なくとも一方の計測データに対して前記学習済データを用いた前記異常兆候の検知が行われることを特徴とする請求項1から4のいずれか1つに記載の学習装置。
- 学習済データを用いて異常兆候の検知を行う異常兆候検知装置であって、
定められた時間長を1周期とし、Nを2以上の整数とするとき、異常兆候の検知対象のデータである検知対象データの1周期分の各点の値から、1周期前からN周期前までの前記検知対象データの周期内の対応する各点の平均値をそれぞれ減じたN周期前差分値を算出する前処理部と、
前記N周期前差分値と前記学習済データとを用いて、類似波形解析によって、異常兆候があるか否かを判定する第1波形解析部と、
を備え、
前記学習済データは、正常なデータである正常データのN周期前差分値を用いて類似波形解析によって生成された正常波形と正常であると判定するための正常判定しきい値とを含むことを特徴とする異常兆候検知装置。 - 第2波形解析部、
を備え、
前記学習済データは、異常兆候のあるデータである異常兆候データを用いて類似波形解析によって生成された異常兆候波形と異常兆候があるか否かの判定に用いられる異常兆候判定しきい値とを含み、
前記第2波形解析部は、前記第1波形解析部によって異常兆候があると判定された場合に、前記検知対象データと前記異常兆候波形と前記異常兆候判定しきい値とを用いて、異常兆候があるか否かを判定することを特徴とする請求項6に記載の異常兆候検知装置。 - 差分解析部、
を備え、
前記正常データは、電圧および電流のうち少なくとも一方である計測対象の瞬時値の計測データであり、
前記学習済データは、正常な前記計測対象の実効値の計測データの1階差分値を用いて算出された、正常であるか否かを判定するためのしきい値を含み、
前記差分解析部は、前記計測対象の検知対象の実効値の計測データの1階差分値を算出し、算出した1階差分値と前記しきい値とを用いて、異常兆候があるか否かを判定し、
前記第1波形解析部は、前記差分解析部によって異常兆候があると判定された場合に、前記N周期前差分値と前記正常波形と前記正常判定しきい値とを用いて、類似波形解析によって、異常兆候があるか否かを判定することを特徴とする請求項6に記載の異常兆候検知装置。 - 配電系統を区分する開閉器を制御する子局であり、前記配電系統の零相電圧および零相電流のうちの少なくとも一方の計測データに対して前記学習済データを用いた前記異常兆候の検知を行うことを特徴とする請求項6から8のいずれか1つに記載の異常兆候検知装置。
- 異常兆候の検知に用いられる学習済データを生成する学習装置と、
前記学習済データを用いて異常兆候を検知する異常兆候検知装置と、
を備え、
前記学習装置は、
定められた時間長を1周期とし、Nを2以上の整数とするとき、正常なデータである正常データの1周期分の各点の値から、1周期前からN周期前までの前記正常データの周期内の対応する各点の平均値をそれぞれ減じたN周期前差分値を算出する前処理部と、
前記N周期前差分値を用いて、類似波形解析によって、正常波形と正常であるか否かの判定に用いられる正常判定しきい値とを前記学習済データとして生成する第1波形解析部と、
を備え、
前記異常兆候検知装置は、
異常兆候の検知対象のデータである検知対象データの1周期分の各点の値から、1周期前からN周期前までの前記検知対象データの周期内の対応する各点の平均値をそれぞれ減じたN周期前差分値を算出する前処理部と、
前記異常兆候検知装置の前記前処理部によって算出された前記N周期前差分値と前記学習済データとを用いて、類似波形解析によって、異常兆候があるか否かを判定する第1波形解析部と、
を備えることを特徴とする異常兆候検知システム。 - 異常兆候の検知に用いられる学習済データを生成する学習装置における学習方法であって、
定められた時間長を1周期とし、Nを2以上の整数とするとき、正常なデータである正常データの1周期分の各点の値から、1周期前からN周期前までの前記正常データの周期内の対応する各点の平均値をそれぞれ減じたN周期前差分値を算出するステップと、
前記N周期前差分値を用いて、類似波形解析によって、正常波形と正常であるか否かの判定に用いられる正常判定しきい値とを前記学習済データとして生成するステップと、
を含むことを特徴とする学習方法。 - 異常兆候の検知に用いられる学習済データを生成するコンピュータシステムに、
定められた時間長を1周期とし、Nを2以上の整数とするとき、正常なデータである正常データの1周期分の各点の値から、1周期前からN周期前までの前記正常データの周期内の対応する各点の平均値をそれぞれ減じたN周期前差分値を算出するステップと、
前記N周期前差分値を用いて、類似波形解析によって、正常波形と正常であるか否かの判定に用いられる正常判定しきい値とを前記学習済データとして生成するステップと、
を実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023073761A JP2023109769A (ja) | 2021-11-30 | 2023-04-27 | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/043847 WO2023100243A1 (ja) | 2021-11-30 | 2021-11-30 | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023073761A Division JP2023109769A (ja) | 2021-11-30 | 2023-04-27 | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP7278499B1 true JP7278499B1 (ja) | 2023-05-19 |
JPWO2023100243A1 JPWO2023100243A1 (ja) | 2023-06-08 |
JPWO2023100243A5 JPWO2023100243A5 (ja) | 2023-11-02 |
Family
ID=86382593
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022549925A Active JP7278499B1 (ja) | 2021-11-30 | 2021-11-30 | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム |
JP2023073761A Pending JP2023109769A (ja) | 2021-11-30 | 2023-04-27 | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023073761A Pending JP2023109769A (ja) | 2021-11-30 | 2023-04-27 | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
JP (2) | JP7278499B1 (ja) |
TW (2) | TWI823684B (ja) |
WO (1) | WO2023100243A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05163993A (ja) * | 1991-12-10 | 1993-06-29 | Japan Electron Control Syst Co Ltd | 内燃機関におけるブローバイガス発生検出装置及び燃料供給系異常診断装置 |
JP2013133799A (ja) * | 2011-12-27 | 2013-07-08 | Denso Corp | エンジン制御装置 |
US20190362245A1 (en) * | 2018-05-24 | 2019-11-28 | International Business Machines Corporation | Anomaly detection |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110215202A (zh) * | 2019-05-14 | 2019-09-10 | 杭州电子科技大学 | 基于步态非线性特征的心电rr间隔预测关联方法 |
CN112199252B (zh) * | 2020-09-30 | 2024-05-31 | 中国民航信息网络股份有限公司 | 一种异常监控方法、装置及电子设备 |
CN113095355B (zh) * | 2021-03-03 | 2022-08-23 | 上海工程技术大学 | 改进差分进化算法优化随机森林的滚动轴承故障诊断方法 |
-
2021
- 2021-11-30 WO PCT/JP2021/043847 patent/WO2023100243A1/ja active Application Filing
- 2021-11-30 JP JP2022549925A patent/JP7278499B1/ja active Active
-
2022
- 2022-11-22 TW TW111144576A patent/TWI823684B/zh active
- 2022-11-22 TW TW112134061A patent/TW202401308A/zh unknown
-
2023
- 2023-04-27 JP JP2023073761A patent/JP2023109769A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05163993A (ja) * | 1991-12-10 | 1993-06-29 | Japan Electron Control Syst Co Ltd | 内燃機関におけるブローバイガス発生検出装置及び燃料供給系異常診断装置 |
JP2013133799A (ja) * | 2011-12-27 | 2013-07-08 | Denso Corp | エンジン制御装置 |
US20190362245A1 (en) * | 2018-05-24 | 2019-11-28 | International Business Machines Corporation | Anomaly detection |
Non-Patent Citations (2)
Title |
---|
小田和弘 ほか,"火力発電プラントの異常兆候検知システム",三菱電機技報,三菱電機エンジニアリング株式会社,2019年,第93巻, 第11号,pp. 16-19,ISSN 0369-2302 |
小田和弘 ほか: ""火力発電プラントの異常兆候検知システム"", 三菱電機技報, vol. 第93巻, 第11号, JPN6022049756, 2019, pages 16 - 19, ISSN: 0004932800 * |
Also Published As
Publication number | Publication date |
---|---|
WO2023100243A1 (ja) | 2023-06-08 |
TWI823684B (zh) | 2023-11-21 |
JPWO2023100243A1 (ja) | 2023-06-08 |
TW202401308A (zh) | 2024-01-01 |
TW202324225A (zh) | 2023-06-16 |
JP2023109769A (ja) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN107831422B (zh) | 一种gis设备局部放电诊断方法及系统 | |
CN102016607B (zh) | 用于分析电力系统的波形信号的方法和装置 | |
CN110458248B (zh) | 基于多测点振动信号的变压器异常状态检测方法 | |
EP3460496A1 (en) | A method and apparatus for automatic localization of a fault | |
CN110222765B (zh) | 一种永磁同步电机健康状态监测方法及系统 | |
CN115128345B (zh) | 一种基于谐波监测的电网安全预警方法及系统 | |
CN109255201B (zh) | 一种基于som-mqe的滚珠丝杠副健康评估方法 | |
US20230351158A1 (en) | Apparatus, system and method for detecting anomalies in a grid | |
US20140058615A1 (en) | Fleet anomaly detection system and method | |
CN117668751B (zh) | 一种高低压电力系统故障诊断方法及装置 | |
KR20210077496A (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
CN103999316A (zh) | 用于产生说明在供电网中的摆动的信号的方法 | |
JP7278499B1 (ja) | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム | |
CN107147143B (zh) | 一种风机连锁脱网故障早期预警模型建立方法 | |
CN108761250B (zh) | 一种基于工控设备电压电流的入侵检测方法 | |
KR20210059322A (ko) | 부분방전 위치 추정 장치 및 방법 | |
KR20230104526A (ko) | 부분방전 모니터링 시스템 및 부분방전 모니터링 방법 | |
CN112731208B (zh) | 一种低压线路故障与异常在线监测方法、设备及介质 | |
KR102216513B1 (ko) | 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 | |
JP4497412B2 (ja) | 送配電線路の事故原因判別方法及び装置 | |
EP3457609A1 (en) | System and method for computing of anomalies based on frequency driven transformation and computing of new features based on point anomaly density | |
de Andrade et al. | Power quality disturbances segmentation based on wavelet decomposition and adaptive thresholds | |
CN117740082B (zh) | 一种电力设备故障风险预警方法及系统 | |
KR102500140B1 (ko) | 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220819 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220819 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230113 |
|
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: 20230411 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230509 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7278499 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |