JP7608870B2

JP7608870B2 - 漏油判定システム

Info

Publication number: JP7608870B2
Application number: JP2021031744A
Authority: JP
Inventors: 孝一重松
Original assignee: Chugoku Electric Power Co Inc
Current assignee: Chugoku Electric Power Co Inc
Priority date: 2021-03-01
Filing date: 2021-03-01
Publication date: 2025-01-07
Anticipated expiration: 2041-03-01
Also published as: JP2022132972A

Description

本発明は、油入りケーブルの漏油判定システムに関する。

従来、油入りケーブルの漏油の可能性を判定する技術が知られている。この種の技術が記載されているものとして、特許文献１から特許文献３がある。特許文献１には、漏油していない状態での油入りケーブルの油槽の油量、油圧、電流、及び外気温を使用して油量又は油圧の近似統計関数を求め、該近似統計関数から得られる油量又は油圧値と現時点の油量又は油圧値との差を求め、その差が増加したときに漏油を判定する方法が記載されている。特許文献２には、現在の所定期間の実測油量パターン等と、現在の所定期間と同様の条件のときの過去の所定期間内の実測油量パターンを求め、現在の実測油量パターンと過去の実測油量パターンとを比較して油入りケーブルの漏油を検知する方法が記載されている。特許文献３には、油量、油圧、またはガス圧を目的変量、一または二以上の温度種別を説明変量として多重回帰分析によって予測式を算出し、該予測式を用いて油入りケーブルの異常を監視する装置が記載されている。

特開平２－２８５２９号公報特開２００８－２５９３１３号公報特開平６－１０５４４４号公報

しかしながら、特許文献１及び２の技術では、所定期間における油量又は油圧の増減を比較した後に漏油の判定を行うので、漏油量が少ないほど判定に時間がかかる。また、特許文献３に記載の技術では、油量又は油圧を求めるために説明変量として用いられた温度種別等のパラメータ以外の要素による影響が判定結果に反映されない可能性があり、より正確に漏油の可能性を判定するという点で改善の余地がある。

本発明は、油入りケーブルの漏油の可能性をより正確かつ迅速に判定できる漏油判定システムを提供することを目的とする。

本発明は、油入りケーブルの漏油の可能性を判定する漏油判定システムであって、過去の年間を通した気温データ及び前記油入りケーブルの油槽の油レベルのデータを記憶する記憶部と、気温と前記油入りケーブルの油槽の油レベルを取得する取得部と、前記取得部によって取得される気温と、該気温の取得時から過去の同じ時期の気温データとの差に基づいて、所定の閾値範囲を設定する閾値設定部と、前記取得部によって取得される前記油レベルと、該油レベルの取得時から過去の同じ時期の前記油レベルのデータとの差が前記閾値範囲から外れた場合に、漏油の可能性があると判定する漏油判定部と、を備える。

前記記憶部は、過去の年間を通した前記油入りケーブルに流れる電力量データを更に記憶し、前記取得部は、前記油入りケーブルに流れる電力量を更に取得し、前記閾値設定部は、前記記憶部に記憶された電力量データと前記取得部によって取得される電力量に基づいて前記閾値範囲を補正する。

前記油レベルは、少なくとも油量又は油圧の何れかである。

少なくとも前記油入りケーブルの油槽の油量データと前記油槽の油量計の目盛りの画像データの組又は前記油入りケーブルの油槽の油圧データと前記油槽の油圧計の目盛りの画像データとの組を教師データとして教師あり学習を行うことによって構築された学習モデルを用いて、前記油入りケーブルの油槽の油レベルを特定する油レベル特定部と、を更に備える。

本発明によれば、油入りケーブルの漏油の可能性をより正確かつ迅速に判定できる漏油判定システムを提供できる。

本発明の一実施形態に係る漏油判定システムの電気的な構成を示すブロック図である。５年間の月毎の油入りケーブルの油量を示す図である。２年間の月毎の油入りケーブルの油量を示す図である。本発明の一実施形態に係る漏油判定システムのフローチャートを示す図である。本発明の一実施形態に係る漏油判定システムが用いる機械学習装置の機能ブロック図である。本発明の一実施形態に係る漏油判定システムの油レベル特定部が用いる機械学習装置の教師データの一例を示す図である。本発明の一実施形態に係る漏油判定システムの油レベル特定部が用いる機械学習装置の教師データの一例を示す図である。本発明の一実施形態に係る漏油判定システムの油レベル特定部が用いる機械学習装置の教師データの一例を示す図である。本発明の一実施形態に係る漏油判定システムの油レベル特定部が用いる機械学習装置の教師データの一例を示す図である。

以下、本発明の実施形態について、図面を参照しながら説明する。ただし、本発明は以下の実施形態に限定されるものではない。

本実施形態に係る漏油判定システム１は、油入りケーブルの漏油の可能性を判定するシステムである。図１は、漏油判定システム１の電気的な構成を示すブロック図である。

油入りケーブルは、その内側に絶縁油が充填される電力ケーブル（いわゆるＯＦケーブル）である。油入りケーブルは、絶縁油が貯留される油槽（図示省略）に接続される。油槽内の絶縁油の量である油レベルは、油入りケーブルの損傷等によって油入りケーブルの漏油が発生した場合に減少する。

本実施形態の漏油判定システム１は、油入りケーブルの油槽の油量や油圧等の油レベルを含む情報を取得して漏油の可能性を判定する。漏油判定システム１は、記憶部２０と、制御部１０と、を備える。

記憶部２０は、過去の油入りケーブルの油槽の油レベルのデータ（以下、油レベルデータ）と、該油レベルデータの取得時における電力量データ及び気温データを記憶する。記憶部２０は、油レベルデータ記憶部２１と、電力量データ記憶部２２と、気温データ記憶部２３とを備える。

油レベルデータ記憶部２１は、油量データ記憶部２１１と、油圧データ記憶部２１２を有する。本実施形態では、油量データ記憶部２１１及び油圧データ記憶部２１２には、過去の複数年間の月毎の油入りケーブルの油槽の油レベルが記憶される。具体的には、油量データ記憶部２１１には、過去の複数年間の月毎の油量データが記憶される。油圧データ記憶部２１２には、過去の複数年間の月毎の油圧データが記憶される。

電力量データ記憶部２２には、過去の年間を通した電力量データが記憶される。具体的には、油レベルデータ記憶部２１に記憶された各油レベルデータの取得時の電力量データが記憶される。即ち、電力量データ記憶部２２には、過去の複数年間の月毎の電力量データが記憶される。また、電力量データ記憶部２２に記憶される電力量データは、油入りケーブル全体を流れる電力量の平均であってもよく、油入りケーブルのうち一部の区間を流れる電力量であってもよい。

気温データ記憶部２３には、過去の年間を通した気温データが記憶される。具体的には、油レベルデータ記憶部２１に記憶された各油レベルデータの取得時の気温データが記憶される。即ち、気温データ記憶部２３には、過去の複数年間の月毎の気温データが記憶される。記憶部２０は、記憶された油レベルデータに対応する電力量データと、気温データを互いに紐付けて記憶する。

制御部１０は、漏油判定システム１の全体を制御する部分であり、各種プログラムを、ＲＯＭ、ＲＡＭ、フラッシュメモリ又はハードディスク（ＨＤＤ）等の記憶領域から適宜読み出して実行することにより、本実施形態における各種機能を実現している。制御部１０は、ＣＰＵであってよい。

制御部１０は、取得部１１と、油レベル特定部１２と、閾値設定部１３と、漏油判定部１４と、警報発生部１５を備える。

取得部１１は、油入りケーブルの油槽の油レベルと、該油レベルの取得時における電力量及び気温を取得する。取得部１１は、油レベル取得部１１１と、電力量取得部１１２と、気温取得部１１３を有する。

油レベル取得部１１１は、油入りケーブルの油槽の油量や油圧等の油レベルを取得する。油レベル取得部１１１によって取得される油レベルとしては、油入りケーブルの油槽等に設けられたセンサから送信された油レベルであってもよく、後述する油レベル特定部１２から送信された油レベルであってもよい。または、油槽の油量計や油圧計の目盛りを確認した作業者によって入力され、制御部１０に送信された油レベルであってもよい。

電力量取得部１１２は、油入りケーブルに流れる電力量を取得する。電力量取得部１１２によって取得される電力量としては、１本の油入りケーブル全体を流れる電力量の平均値であってもよく、１本の油入りケーブルのうち一部の区間を流れる電力量であってもよい。

気温取得部１１３は、油入りケーブルが布設される地上の気温を取得する。気温取得部１１３によって取得される気温としては、現地の外気温を測定する温度センサや温度計から得られる値であってもよく、気象観測所の発表値であってもよい。なお、取得部１１は、油レベルと、電力量と、気温を略同じタイミングで取得する。

油レベル特定部１２は、後述する機械学習装置３０によって構築された学習データを用いて、油入りケーブルの油槽の油レベルを特定する。油レベル特定部１２は、機械学習装置３０によって構築された学習データと、油量計や油圧計の画像データに基づいて油レベルを特定する。油レベル特定部１２によって特定された油レベルは、油レベル取得部１１１に送信される。油レベル特定部１２による油レベルを特定する処理の詳細については後述する。

閾値設定部１３は、気温取得部１１３によって取得される気温と、気温データ記憶部２３に記憶された気温データとの差に基づいて所定の閾値範囲を設定する。具体的には、閾値設定部１３は、気温取得部１１３によって取得される気温と、該気温の取得時から過去の同じ時期の気温データとの差に基づいて、油レベル取得部１１１によって取得される油レベルに関する所定の閾値範囲を設定する。本明細書において「同じ時期」とは、同じ季節、同じ月、又は異なる月であっても月日の差が１ヵ月未満の期間を意味する。過去の同じ時期の気温データとしては、過去の同じ時期の任意の日時の気温であってもよく、過去の同じ時期の任意の一日の平均気温であってもよく、過去の同じ時期の一月の平均気温であってもよい。

閾値設定部１３によって設定される閾値範囲は、気温取得部１１３によって取得される気温と過去の気温データとの差が大きいほどその範囲が広くなるように設定される。

本実施形態では、閾値設定部１３は、閾値範囲の設定に用いられる気温データに紐づく電力量データと、電力量取得部１１２によって取得される電力量に基づいて閾値範囲を補正する。具体的には、閾値設定部１３は、電力量取得部１１２によって取得される電力量が所定の値よりも高い場合は、閾値範囲の設定に用いた気温よりも高い気温を用いて設定された範囲になるように閾値範囲を補正し、反対に電力量が所定の値よりも低い場合は、閾値範囲の設定に用いた気温よりも低い気温を用いて設定された範囲になるように閾値範囲を補正する。そして、閾値設定部１３は、閾値範囲の設定に用いた気温データに紐づく電力量データが所定の値よりも高い場合は、閾値範囲の設定に用いた気温データよりも高い気温データを用いて設定された範囲になるように閾値範囲を補正し、反対に電力量データが所定の値よりも低い場合は、閾値範囲の設定に用いた気温データよりも低い気温データを用いて設定された範囲になるように閾値範囲を補正する。

漏油判定部１４は、油レベル取得部１１１によって取得される油レベルと油レベルデータ記憶部２１に記憶された油レベルデータとの差と、閾値設定部１３によって設定され、補正された閾値範囲に基づいて油入りケーブルの漏油の可能性を判定する。具体的には、漏油判定部１４は、油レベル取得部１１１によって取得される油レベルと該油レベルの取得時から過去の同じ時期の油レベルデータとの差が、閾値設定部１３によって設定され、補正された閾値範囲から外れた場合に油入りケーブルの漏油の可能性があると判定する。なお、閾値範囲の設定に用いられる油レベルデータは、閾値範囲の設定に用いられる気温データに紐づいたデータである。

警報発生部１５は、漏油判定部１４が油入りケーブルの漏油の可能性があると判定した場合に警報を発生する。警報の種類は、特に限定されない。例えば、ブザーやスピーカーを用いて警報音を鳴らしてもよく、ＬＥＤ等の照明器具を用いて光を発光させてもよく、漏油の発生を警告するメッセージをディスプレイに表示してもよい。

漏油判定システム１が漏油の判定を行うために用いる油レベルデータ、電力量データ、及び気温データは、例えば、取得部１１による油レベル、電力量、及び気温の取得時から１年前のものであってもよい。取得時から年数が経過していない１年前のデータを漏油の判定に用いることで、油入りケーブルの設備や絶縁油の使用年数による漏油判定時と過去の漏油の物性の差を低減でき、より正確に漏油の可能性を判定できる。

次に、年間を通した油入りケーブルの油槽内の油量の推移と、油量と気温の関係について説明する。図２は、平成２５年度から平成２９年度の年間を通した油入りケーブルの油槽の油量（Ｌ）を示す図である。図２の縦軸は油量（Ｌ）を示し、横軸は油量を測定した月を示している。図３は、平成２８年度と平成２９年度の年間を通した気温（℃）と油入りケーブルの油槽の油量を示す図である。図３の左側の縦軸は油量（Ｌ）を示し、右側の縦軸は油量測定時の気温（℃）を示し、横軸は油量を測定した月を示している。なお、図２及び図３において、二点鎖線は油入りケーブルの油槽に貯留できる油量の上限値と油量の下限値を示している。図３において実線は平成２９年度の油量及び気温の推移を示し、破線は平成２８年度の油量及び気温の推移を示している。また、図２及び図３に示す油量は、各月に１度、所定の日に測定された値である。

図２に示すように、年間の油量の推移は各年で同様の傾向になる。図２に示すように、各年の同じ月の油量は多少のズレはあるものの、同様の値になることが多い。この１つの要因として、気温が高い夏場は油が膨張するので油量が増え、気温が低い冬場は油量が減少することが考えられる。

図３に示すように、同じ月に測定された油量でも差が比較的大きい場合がある。例えば、平成２８年度と平成２９年度の５月の油量を比べると、平成２９年度の油量の方が平成２８年度の油量に比べて約１４Ｌ高くなっている。これは測定時の平成２９年度の気温が平成２８年度の気温に比べて約１４℃高くなっているためであると考えられる。また、平成２８年度と平成２９年度の１０月の油量を比べると、平成２９年度の油量の方が平成２８年度の油量に比べて約１８Ｌ低くなっている。これは測定時の平成２９年度の気温が平成２８年度の気温に比べて約１０℃低くなっているためであると考えられる。

一方で、同じ年度での月毎の油量の推移を比べると、気温による影響はあるものの、基本的に８月に近づくほど油量が高くなり、２月に近づくほど油量が低くなる傾向にある。平成２８年度４月の油量測定時の気温は５月の気温によりも約２℃高いが、平成２８年度４月の油量は５月の油量よりも低くなっている。また、平成２８年１月の油量測定時の気温は２月の気温よりも約２℃低いが、平成２８年度１月の油量は２月の油量よりも低くなっている。よって、測定時の気温による影響はあるものの、基本的に測定時期による影響を強く受けると考えられる。これは、電力の使用頻度等の季節毎の電力使用者の活動状況や生活状況が油量の増減に影響しているためであると考えられる。

本実施形態では、油レベルの取得時と過去の同じ時期の気温の差を考慮しつつ、油レベル取得部１１１による油レベルと、該油レベルの取得時から過去の同じ時期の油レベルデータとの差に基づいて閾値範囲を設定しているので、より正確かつ迅速に漏油の可能性を判定できる。

次に、漏油判定システム１による油入りケーブルの漏油判定の処理の一例について図４を参照しながら説明する。図４は、漏油判定システム１による漏油判定の処理の流れを示すフローチャートである。

ステップＳ１において、取得部１１は、油入りケーブルの油槽の油レベルと、油入りケーブルに流れる電力量と、気温を取得する。本実施形態では、油レベルは、油レベル取得部１１１が油レベル特定部１２からの情報を受信することによって取得される。

ステップＳ２において、閾値設定部１３は、記憶部２０に格納された油レベルデータと、電力量データと、気温データを抽出する。具体的には、閾値設定部１３は、ステップＳ１における油レベルと、電力量と、気温の取得時から過去の同じ時期の互いに紐づく油レベルデータと、電力量データと、気温データの組を１組抽出する。

ステップＳ３において、閾値設定部１３は、ステップＳ１で取得された気温をステップＳ２で抽出された気温データで差し引くことによって気温差Ｘを算出する。

ステップＳ４において、閾値設定部１３は、ステップＳ３で算出された気温差Ｘに基づいて、油レベルに対する閾値範囲Ｚ１を設定する。

ステップＳ５において、閾値設定部１３は、ステップＳ１で取得された電力量及びステップＳ２で抽出された電力量データに基づいてステップＳ４で設定された閾値範囲Ｚを補正する。

ステップＳ３～Ｓ５の処理と並行してステップＳ６の処理が実行される。ステップＳ６において、漏油判定部１４は、ステップＳ１で取得された油レベルをステップＳ２で抽出された油レベルデータで差し引くことによって油レベル差Ｙを算出する。

ステップＳ７において、漏油判定部１４は、ステップＳ６で算出された油レベル差ＹとステップＳ５で補正された閾値範囲Ｚ２を比較する。具体的には、漏油判定部１４は、油レベル差Ｙが補正された閾値範囲Ｚ２内である場合（ステップＳ７でＹｅｓ）、漏油の可能性はないと判断し、漏油判定の処理を完了する。一方、漏油判定部１４は、油レベル差Ｙが閾値範囲Ｚ２から外れたと判定した場合（ステップＳ７でＮｏ）、漏油の可能性があると判断し、処理をステップＳ８に進める。

ステップＳ７の処理によって漏油判定部１４が油入りケーブルの漏油が発生していると判定すると、ステップＳ８において警報発生部１５は警報を発生する。警報発生部１５が警報を発生させると、制御部１０は漏油判定の処理を完了する。

次に、機械学習装置３０について図５から図７Ｂを参照しながら説明する。図５は、機械学習装置３０の機能ブロック図である。図６Ａ及び図６Ｂは、教師データである油量データと画像データを示す図である。図７Ａ及び図７Ｂは、教師データである油圧データと画像データを示す図である。

機械学習装置３０は、漏油判定システム１とネットワーク（図示省略）で接続されており、ネットワークを介して相互に通信を行うことが可能である。ネットワークは、例えば、ＬＡＮ（ＬＯＣＡＬＡｒｅａＮｅｔｗｏｒｋ）や、インターネット、公衆電話網、あるいは、これらの組み合わせである。ネットワークにおける具体的な通信方式や、有線接続及び無線接続のいずれであるか等については、特に限定されない。なお、機械学習装置３０と漏油判定システム１とは、ネットワークを用いた通信ではなく、接続部を介して直接接続してもよい。

図５に示すように、機械学習装置３０は、画像データ取得部３１と、油レベルデータ取得部３２と、機械学習部３３を備える。

画像データ取得部３１は、例えば、図６Ａ及び図６Ｂに示すように、油入りケーブルの油槽に設けられた油量計の目盛りを被写体として含む写真である画像データＡ１，Ａ２を取得する。また例えば、図７Ａ及び図７Ｂに示すように、画像データ取得部３１は、油圧計の目盛りを被写体として含む写真である画像データＣ１，Ｃ２を取得する。

油レベルデータ取得部３２は、例えば、図６Ａ及び図６Ｂに示すように、油入りケーブルの油槽に設けられた油量計の目盛りが示す値を油量データＢ１，Ｂ２として取得する。また例えば、図７Ａ及び図７Ｂに示すように、油レベルデータ取得部３２は、油入りケーブルの油槽に設けられた油圧計の目盛りが示す値を油圧データＤ１，Ｄ２として取得する。

機械学習部３３は、画像データと油量データとの組又は画像データと油圧データとの組を教師データとして教師あり学習を行うことによって学習モデルを構築する。例えば、機械学習部３３は、画像データＡ１と油量データＢ１との組や画像データＡ２と油量データＢ２との組等の複数の教師データを用いて教師あり学習を行うことによって油量を求めるための学習モデルを構築する。また、機械学習部３３は、画像データＣ１と油圧データＤ１との組や画像データＣ２と油圧データＤ２との組等の複数の教師データを用いて教師あり学習を行うことによって油圧を求めるための学習モデルを構築する。機械学習部３３は、構築した学習モデルを漏油判定システム１の油レベル特定部１２に送信する。

次に、油レベル特定部１２による油レベルを特定する処理について説明する。

油レベル特定部１２は、機械学習装置３０によって構築された学習モデルと、新たに取得された油量計の目盛りの画像データや油圧計の目盛りの画像データに基づいて、油入りケーブルの油槽の油レベルを特定する。具体的には、油レベル特定部１２は、カメラ等の画像取得手段（図示省略）によって取得された油量計の目盛りの画像データや油圧計の目盛りの画像データを学習モデルに入力し、学習モデルから出力された油量データや油圧データを油入りケーブルの油レベルとする。そして、油レベル特定部１２は、特定した油レベルの情報を油レベル取得部１１１に送信する。

以上説明した本実施形態に係る漏油判定システム１によれば、以下のような効果を奏する。

本実施形態に係る漏油判定システム１は、油入りケーブルの漏油の可能性を判定する漏油判定システム１であって、過去の年間を通した気温データ及び油入りケーブルの油槽の油レベルデータを記憶する記憶部２０と、気温と油入りケーブルの油槽の油レベルを取得する取得部１１と、取得部１１によって取得される気温と、該気温の取得時から過去の同じ時期の気温データとの差に基づいて、所定の閾値範囲を設定する閾値設定部１３と、取得部１１によって取得される油レベルと、該油レベルの取得時から過去の同じ時期の油レベルデータとの差が閾値範囲から外れた場合に、漏油の可能性があると判定する漏油判定部１４と、を備える。

これにより、現時点と過去の油レベル取得時の気温の差に基づき閾値範囲を設定し、過去の同じ時期の油レベルデータと現時点での油レベルの測定値を比較して漏油を判定するので迅速に漏油の判定の処理を実行できる。また、油レベルに影響を与える気温を考慮しつつ、気候や電力使用者の活動状況や生活状況が類似する現在と過去の同じ時期の油レベルの差から漏油の可能性を判定するので、漏油の判定精度がより向上する。

本実施形態において、記憶部２０は、過去の年間を通した前記油入りケーブルに流れる電力量データを更に記憶し、取得部１１は、油入りケーブルに流れる電力量を更に取得し、閾値設定部１３は、記憶部２０に記憶された電力量データと取得部１１によって取得される電力量に基づいて閾値範囲を補正する。

これにより、油レベルに影響を与える電力量を考慮して閾値範囲が補正されるので、漏油の可能性をより正確に判定できる。

本実施形態において、油レベルは、少なくとも油量又は油圧の何れかである。これにより、油量又は油圧の漏油の可能性をより正確に判定できる。

本実施形態において、漏油判定システム１は、少なくとも油入りケーブルの油槽の油量データと油槽の油量計の目盛りの画像データとの組又は油入りケーブルの油槽の油圧データと油槽の油圧計の目盛りの画像データとの組を教師データとして教師あり学習を行うことによって構築された学習モデルを用いて、油入りケーブルの油槽の油レベルを特定する油レベル特定部１２と、を更に備える。

これにより、学習モデルを用いて油量計や油圧計の目盛りの画像から油レベルを特定できるので、作業者による油量計や油圧計の目盛りの読み取り作業が不要になり、迅速に正確な値を取得できる。

以上、本発明の実施形態について説明したが、本発明は、上記実施形態に制限されるものではなく適宜変更が可能である。

上記実施形態では、漏油判定システム１は、電力量取得部１１２と電力量データ記憶部２２を備えていたが、電力量取得部１１２と電力量データ記憶部２２を備えない構成であってもよい。即ち、漏油判定システム１の閾値設定部１３は、閾値範囲の補正を行わない構成であってもよい。

上記実施形態では、漏油判定システム１は、油レベル特定部１２を備えていたが、油レベル特定部１２を備えない構成であってもよい。

上記実施形態では、記憶部２０は、油レベルデータ記憶部２１に記憶された各油レベルデータの取得時の電力量を電力量データとして記憶し、気温を気温データとして記憶していたが、例えば、油レベルデータを取得した日の平均電力量を電力量データとして記憶し、平均気温を気温データとして記憶してもよい。

上記実施形態では、漏油判定システム１は、油レベルと、電力量と、気温の取得時から過去の同じ時期の油レベルデータと、電力量データと、気温データの組を１組抽出して漏油の判定に用いたが、油レベルデータと、電力量データと、気温データの組を複数組用いてもよい。例えば、油レベルと、電力量と、気温の取得時から過去の同じ時期の複数年間の油レベルデータと、電力量データと、気温データの組を複数組抽出し、平均化した油レベルデータと、電力量データと、気温データを用いて漏油の可能性の判定の処理を実行してもよい。

上記実施形態では、記憶部２０は過去の複数年間の月毎の油レベルデータ、電力量データ、及び気温データを記憶していたが、記憶部２０に記憶された同じ年のデータの個数等は特に限定されない。例えば、過去の複数年間の日毎の油レベルデータ、電力量データ、及び気温データを記録してもよい。

上記実施形態では、油入りケーブルの油槽の油レベルとして油量や油圧を例に挙げたが、油レベルは油入りケーブルの油槽のガス圧であってもよい。

１漏油判定システム
１１取得部
１３閾値設定部
１４漏油判定部
２０記憶部

Claims

油入りケーブルの漏油の可能性を判定する漏油判定システムであって、
過去の年間を通した気温データ及び前記油入りケーブルの油槽の油レベルのデータを記憶する記憶部と、
気温と前記油入りケーブルの油槽の油レベルを取得する取得部と、
前記取得部によって取得される気温と、該気温の取得時から過去の同じ時期の気温データとの差に基づいて、所定の閾値範囲を設定する閾値設定部と、
前記取得部によって取得される前記油レベルと、該油レベルの取得時から過去の同じ時期の前記油レベルのデータとの差が前記閾値範囲から外れた場合に、漏油の可能性があると判定する漏油判定部と、を備える漏油判定システム。
前記記憶部は、過去の年間を通した前記油入りケーブルに流れる電力量データを更に記憶し、
前記取得部は、前記油入りケーブルに流れる電力量を更に取得し、
前記閾値設定部は、前記記憶部に記憶された電力量データと前記取得部によって取得される電力量に基づいて前記閾値範囲を補正する請求項１に記載の漏油判定システム。
前記油レベルは、少なくとも油量又は油圧の何れかである請求項１又は２に記載の漏油判定システム。
少なくとも前記油入りケーブルの油槽の油量データと前記油槽の油量計の目盛りの画像データの組又は前記油入りケーブルの油槽の油圧データと前記油槽の油圧計の目盛りの画像データとの組を教師データとして教師あり学習を行うことによって構築された学習モデルを用いて、前記油入りケーブルの油槽の油レベルを特定する油レベル特定部と、を更に備える請求項３に記載の漏油判定システム。