JPH05111135A - 送配電線事故診断方法 - Google Patents

Abstract

(57)【要約】 【構成】 正常送電時および事故時の零相電流，零相電
圧、送配電線ａ，ｂ，ｃ各相電流、ａ，ｂ，ｃ対地間電
圧、各相電圧等の各属性毎に測定データを集計または計
算し、集計または計算されたデータを事故の種類に対応
するカテゴリーに区分けして各属性毎の分布をとり、互
いに識別可能な属性の組を求め、その求めた組の中で好
ましくは最も効率的な属性の組を求め、さらにその属性
の組をノードに配置する際に、好ましくは識別が効率的
になるように効率的な属性から優先してノードに配置
し、この配置されたカテゴリーの識別木より事故診断の
フローチャートを作成し、作成されたフローチャートに
よりａ，ｂ，ｃ地絡相同定並びにａｂ，ｂｃ，ｃａ短絡
相同定を行う。 【効果】 データと事故原因が分かっていれば、人間の
主観が入らない効率的な事故診断のアルゴリズムの作成
が自動的に可能であり、これにより事故を起こした相の
同定ができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、送配電線事故診断方法
に関し、特に地絡相、短絡相の同定を含んだ機械学習方
法に関する。

【０００２】

【従来の技術】従来、配電線事故発生時の事故検出なら
びに保護は、配電用変電所に取り付けられた地絡継電器
ならびに短絡継電器によって行われてきた。それに対
し、変電所のみならず、配電系統の各所にセンサを配置
し、その情報を計測し、その結果を光ファイバケーブル
を用いた情報伝送網を通じて一個所に収集し、事故診断
ならびに事故区間判定を行う方法が提案されている。

【０００３】しかしながら、事故診断に関するアルゴリ
ズムは、従来、人間の経験に基づいて、人間によって作
成されていた。

【０００４】また、アルゴリズムがはっきりしない悪構
造問題に対しては、エキスパートシステムによって事故
診断を行ってきた。

【０００５】例えば図１１に示すのは従来の手続き形ア
ルゴリズムのフローチャートである。同図において、Ｉ
₀ ：零相電流現在値 Ｉ_0s：零相電流地絡しきい値 Ｖ₀ ：零相電圧現在値 Ｖ_0s：零相電圧地絡しきい
値 Ｉ_a ：ａ相電流現在値 Ｉ_as：ａ相電流短絡しきい
値 Ｉ_b ：ｂ相電流現在値 Ｉ_bs：ｂ相電流短絡しきい
値 Ｉ_c ：ｃ相電流現在値 Ｉ_cs：ｃ相電流短絡しきい
値 であり、零相電流，電圧、各相電流の現在値とそれぞれ
のしきい値を比較することにより、事故診断を行う。

【０００６】

【発明が解決しようとする課題】しかしながら、アルゴ
リズムがはっきりしない場合に用いられるエキスパート
システムにおいても、知識は人間が獲得しなければなら
なかった。この場合、知識及び事故データ、例えば地
絡、短絡、断線、多重事故等のデータが増えるにしたが
って、アルゴリズムが変わる可能性がある。

【０００７】また、光センサの利用により、旧来のＣＴ
（電流変成器）、ＺＣＴ（零相電流変成器）、ＰＴ（計
器用変圧器）、ＺＰＤ（零相電圧検出器）等の装置に比
較して事故を短時間に検出することができるようになっ
たが、この場合も効率のよいアルゴリズムで短時間に事
故診断する必要がある。

【０００８】さらに、従来、配電線の事故診断は、零相
電圧Ｖ₀ ,零相電流Ｉ₀ , 送電電流Ｉなどのセンサ情報
を使っていたが、さらに配電線各相の対地間電圧Ｖ_a ,
Ｖ_b , Ｖ_c などの情報を使うことにより効率的なアルゴ
リズムを開発することが要請されている。

【０００９】そこで本発明が解決すべき課題は、人間の
主観が入らない配電系統の事故診断を自動的かつ効率的
に作成することにあり、さらに地絡相同定，短絡相同定
を行うことにある。

【００１０】

【課題を解決するための手段】この課題を解決するた
め、本発明の送配電線事故診断方法は、（ａ）正常送電
時および事故時の零相電流，零相電圧、送配電線ａ，
ｂ，ｃ各相電流、ａ，ｂ，ｃ対地間電圧、各相電圧等の
各属性Ｔ₁ 〜Ｔ_n 毎に測定データを集計するまたは各属
性Ｔ₁ 〜Ｔ_n 毎に計算するステップと、（ｂ）集計また
は計算されたデータを事故の種類に対応するカテゴリー Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 に区分けして各属性毎の分布をとるステップと、（ｃ）
各測定種目毎または各計算種目毎の分布に着目したある
カテゴリーＣ_i と他のあるカテゴリーＣ_j との属性値の
分布の重なり状態からカテゴリーＣ_j を識別可能な属性
を選択するステップと、（ｄ）前記カテゴリーＣ_i と他
のすべてのカテゴリーとを識別可能な属性の組を求める
ステップと、（ｅ）すべてのカテゴリーを互いに識別可
能とするための属性の組を求めるステップと、（ｆ）前
記属性の組の中から、識別木作成に最も効率的な属性の
組を選択するために、属性抽出時間、属性値の分布の重
なり状態、カテゴリーＣ_i の出現頻度に基づく評価関数
により評価を行い、最も効率的な属性の組を選択するス
テップと、（ｇ）前記において選択した属性の組の中
で、評価式が最大となる属性を親ノードとして配置し、
他のカテゴリーと識別できなかったカテゴリーを子ノー
ドとして配置し、その子ノードの組の間で前記（ｃ）〜
（ｆ）のステップの処理を行ってステップ（ｆ）で選択
した属性の組の中で評価式が最大となる属性を前記子ノ
ードに対する親ノードとして配置し、これらの処理を再
識別ノードがなくなるまで行うステップと、（ｈ）識別
木より事故診断のフローチャートを作成するステップと
を有し、このフローチャートによりａ，ｂ，ｃ地絡相同
定並びにａｂ，ｂｃ，ｃａ短絡相同定を行うことを特徴
とする。

【００１１】

【作用】本発明では、図３に概略示すように、機能学習
による機械（コンピュータ）学習により、自動的にアル
ゴリズムを作成することができ、また属性に対して評価
関数を導入することにより効率的なアルゴリズムを作成
することができる。

【００１２】

【実施例】以下、本発明を実施例を参照しながら具体的
に説明する。

【００１３】図１は本発明に係る事故診断方式を実施す
るためのブロック図である。同図において、１はＺＣＴ
で検出した零相電流Ｉ₀ を波形整形する零相電流検出・
波形整形回路、２はＺＰＤで検出した零相電圧Ｖ₀ を波
形整形する零相電圧検出・波形整形回路、３はＣＴで検
出した配電線各相の電流Ｉ_a 〜Ｉ_c を波形整形する電流
検出・波形整形回路、４はＰＴで検出した配電線各相の
対地電圧Ｖ_a 〜Ｖ_c を波形整形する電圧検出・波形整形
回路、５は入／出力インターフェース、６は演算処理を
行うＣＰＵ（中央処理装置）又はコンピュータである。

【００１４】図２は光センサ（図示せず）を利用した場
合の図１に代わるブロック図である。同図において、１
１〜１６は各相の電流センサ、電圧センサからの光信号
を電気信号に変換する光−電気変換部、１７，１８は入
／出力インターフェース、１９は各相電流から零相電流
Ｉ₀ を演算する演算部、２０は各相対地電圧から零相電
圧Ｖ₀ を演算する演算部、２１は演算処理を行うＣＰＵ
又はコンピュータである。

【００１５】図１又は図２におけるＣＰＵ又はコンピュ
ータ６，２１により、以下に述べるように事故診断アル
ゴリズムを作成する。

【００１６】なお、本発明の実施例では、図４に示す３
回線配電線の線路モデルを想定し、ｃ配電線上で事故が
起きたとする。各配電線の静電容量は図示の通りであ
る。またｃ配電線の変電所２次母線のインピーダンスは
０．３６２Ωならびに線路インピーダンスは０．５３６
＋ｊ１．４０７Ωとする。負荷は末端集中負荷と考え、
正常時のｃ配電線の電源端と受電端との電圧の相差角を
３〜５°、電源端の対地間電圧を３８１０Ｖ、受電端の
対地間電圧を３７５０〜３７８０Ｖとする。事故はｃ配
電線の電源端と受電端との間で起こったと考え、１線地
絡事故並びに２線線間短絡事故について、定常状態で電
源端での絶対値を計算した。配電線は非接地方式とし、
故障点抵抗は０〜３００Ωとした。故障点抵抗を大きく
すると地絡した相まで同定することができないためであ
る。

【００１７】（Ａ）第１実施例 １）識別木の作成方法ならびにその配電線事故診断にお
ける適用例 本実施例では、センサの零相電流、零相電圧、各相電
流、各相対地間電圧などのセンサ情報をもとに地絡事
故、短絡事故などの事故を検出するアルゴリズムを識別
木により作成する。ここでは、センサ情報を属性値と
し、正常及び短絡事故ならびに地絡事故の区別をカテゴ
リーとする。

【００１８】ここで、選択すべきｍ個のカテゴリーをＣ
₁ ・・・Ｃ_i ・・・Ｃ_m とし、これらのカテゴリーが個
々にもつｎ個の属性をＴ₁ ・・・Ｔ_j ・・・Ｔ_n とす
る。

【００１９】配電線事故診断における選択すべき事故及
び正常値のカテゴリーを Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 とする。

【００２０】また上記のカテゴリーが個々にもつ属性を Ｔ_V0 ： 零相電圧 Ｔ_I0 ： 零相電流 Ｔ_Ia ： ａ相電流 Ｔ_Ib ： ｂ相電流 Ｔ_Ic ： ｃ相電流 Ｔ_Va ： ａ相対地間電圧 Ｔ_Vb ： ｂ相対地間電圧 Ｔ_Vc ： ｃ相対地間電圧 前記の配電線モデルで計算した属性値を表１に示す。

【００２１】

【表１】

【００２２】ここでＴ_V0，Ｔ_Va，Ｔ_Vb，Ｔ_Vcの属性値の
単位はＶ、またＴ_I0, Ｔ_Ia, Ｔ_Ib,Ｔ_Icの属性値の単位
はＡである。

【００２３】２−１）任意の二つのカテゴリーの識別に
必要な属性の選択 すべてのカテゴリーを識別するために必要な属性を見つ
けるために、まず、任意のある一つのカテゴリーに注目
し、それを識別するのに必要な属性を求める。今、注目
しているカテゴリーをＣ_i とし、Ｃ_i 以外の任意の一つ
Ｃ_j との属性値分布図上での相対的な分布関係を考え
る。属性Ｔ_k における分布図上でのＣ_i から見たＣ_j の
相対的な分布関係は、図５に示すように、次の三つの状
態が考えられる。

【００２４】State (i) Ｃ_i の分布とＣ_j の分布は重
なっていない。

【００２５】State (ii) Ｃ_i の分布はＣ_j の分布とす
べて重なっている。

【００２６】State (iii) Ｃ_i の分布はＣ_j の分布と一
部重なっている。

【００２７】これら三つの状態のうち、Ｃ_i とＣ_j が完
全に識別可能な状態はState(i)のみである。つまり、任
意の属性Ｔ_k でＣ_i とＣ_j が識別可能であるためには、
その二つのカテゴリーの属性値分布の状態がState(i)で
あることが必要条件となる。そこで属性Ｔ_k がState(i)
であるか否かを示すために式（１）に示すような係数ａ
_ikを定義する。

【００２８】 ａ_ik＝１ Ｔ_k がState(i) ０ その他 (1) また、Ｔ_k を論理変数と考え、識別に用いる場合には
１、用いない場合には０の２値を考える。Ｃ_i とＣ_j を
識別可能とする属性値はａ_ikを用い論理和の形に表現す
ると次式のようになる。

【００２９】 ｆ（Ｃ_i ，Ｃ_j ）＝ａ_i1Ｔ₁ ＋・・・＋ａ_ikＴ_K ＋・・・・ａ_inＴ_n (2) つまり（２）式においてＣ_i とＣ_j はｆ（Ｃ_i ，Ｃ_j ）
＝１となる場合に識別可能となり、ｆ（Ｃ_i ，Ｃ_j ）の
項の少なくとも一つの属性を用いればＣ_i とＣ_j は識別
できる。

【００３０】カテゴリーＣ_N と他のカテゴリーとを識別
するために必要な属性を選択した結果を次に示す。

【００３１】 ｆ（Ｃ_N ，Ｃ_bc）＝Ｔ_Vb＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (3) ｆ（Ｃ_N ，Ｃ_ca）＝Ｔ_Ia＋Ｔ_Ic＋Ｔ_Va＋Ｔ_Vc (4) ｆ（Ｃ_N ，Ｃ_ab）＝Ｔ_Ia＋Ｔ_Ib＋Ｔ_Va＋Ｔ_Vb (5) ｆ（Ｃ_N ，Ｃ_a ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Va＋Ｔ_Vb＋Ｔ_Vc (6) ｆ（Ｃ_N ，Ｃ_b ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Va＋Ｔ_Vb＋Ｔ_Vc (7) ｆ（Ｃ_N ，Ｃ_c ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Va＋Ｔ_Vb＋Ｔ_Vc (8) ２−２）注目カテゴリーの識別に必要な属性の選択 ここでは、今注目しているカテゴリーＣ_i と他のすべて
のカテゴリーとを識別可能とする属性の組を求める。

【００３２】Ｃ_i と他のカテゴリー中の任意の一つＣ_j
とを識別可能とする属性は式（２）で求まっている。従
って、Ｃ_i と他のすべてのカテゴリーとを識別可能とす
るためにはＣ_i とそれ以外のそれぞれのカテゴリーに対
してｆ（Ｃ_i ，Ｃ_j ）（ｊ＝１，・・・，ｍ，ｉ≠ｊ）
の論理積を式（９）のように行う。

【００３３】 ｆ（Ｃ_i ）＝ｆ（Ｃ_i ，Ｃ₁ ）・・ｆ（Ｃ_i ，Ｃ_j ）・・ｆ（Ｃ_i ，Ｃ_m ） 但しｉ≠ｊ (9) すなわち、このｆ（Ｃ_i ）の演算結果における論理積の
形で与えられる属性の組は、それぞれ独立して、Ｃ_i と
他のすべてのカテゴリーを識別可能とする属性の組であ
る。

【００３４】以上の式により、Ｃ_N を識別するために必
要な属性は次の（１０）式のように式（３）〜（８）の
論理積で表すことができる。

【００３５】 ｆ（Ｃ_N ）＝ｆ（Ｃ_N ，Ｃ_bc）ｆ（Ｃ_N ，Ｃ_ca）ｆ（Ｃ_N ，Ｃ_ab） ｆ（Ｃ_N ，Ｃ_a ）ｆ（Ｃ_N ，Ｃ_b ）ｆ（Ｃ_N ，Ｃ_c ） ＝Ｔ_VaＴ_Vb＋Ｔ_VbＴ_Vc＋Ｔ_VcＴ_Va＋Ｔ_IaＴ_Vb＋Ｔ_IaＴ_Vc ＋Ｔ_IbＴ_Va＋Ｔ_IbＴ_Vc＋Ｔ_IcＴ_Va＋Ｔ_IcＴ_Vb ＋Ｔ_V0Ｔ_IaＴ_Ib＋Ｔ_V0Ｔ_IbＴ_Ic＋Ｔ_V0Ｔ_IcＴ_Ia ＋Ｔ_I0Ｔ_IaＴ_Ib＋Ｔ_I0Ｔ_IbＴ_Ic＋Ｔ_I0Ｔ_IcＴ_Ia (10) 式（１０）において、１５の項のそれぞれの属性の組に
よってＣ_Nは識別可能となる。

【００３６】２−３）すべて識別可能な属性の選択 式（10）によって求まった各カテゴリーの識別に必要な
属性の組から、少なくとも１組ずつを取り出し、それら
のすべてを含む属性の組を用いればすべてのカテゴリー
が識別可能となる。つまり、すべてのカテゴリーを識別
可能とするために必要な属性の組は、各々のカテゴリー
に対してｆ（Ｃ_i ）＝１（ｉ＝１，・・・，ｍ）となら
しめる属性を見つけることによって求まるから、それら
の論理積を式（１１）のように行う。

【００３７】 Ｅ＝ｆ（Ｃ₁ ）・・・ｆ（Ｃ_i ）・・・ｆ（Ｃ_m ） (11) この演算結果は次のように表せる。

【００３８】 Ｅ＝Ａ₁ ＋・・・＋Ａ_x ＋・・・＋Ａ_p 但しＡ_x ＝Ｔ_a Ｔ_b Ｔ_c ・・・ (12) 従って、Ａ₁,・・・, Ａ_x , ・・・,Ａ_p はすべてのカ
テゴリーを識別可能とするのに必要な属性の組である。

【００３９】以下同様に、ｆ（Ｃ_bc），ｆ（Ｃ_ca），ｆ
（Ｃ_ab），ｆ（Ｃ_a ），ｆ（Ｃ_b ），ｆ（Ｃ_c ）を求め
るすべてのカテゴリーを識別可能とする属性の組は、 Ｅ＝ｆ（Ｃ_N ）ｆ（Ｃ_bc）ｆ（Ｃ_ca）ｆ（Ｃ_ab）ｆ（Ｃ_a ） ｆ（Ｃ_b ）ｆ（Ｃ_c ） ＝Ｔ_VaＴ_Vb＋Ｔ_VbＴ_Vc＋Ｔ_VcＴ_Va (13) となる。これを次のように置き換える。

【００４０】 Ａ₁ ＝Ｔ_VaＴ_Vb，Ａ₂ ＝Ｔ_VbＴ_Vc，Ａ₃ ＝Ｔ_VcＴ_Va (14) つまり、これらの３組は、それぞれ独立してすべてのカ
テゴリーを識別可能とする属性の組である。

【００４１】カテゴリーを区別するための識別木を作成
するときに考慮すべき点として （１）誤識別しない。

【００４２】（２）識別時間が短い。

【００４３】ということが考えられる。式（１４）で求
まった属性はすべてのカテゴリーを識別可能であるから
（１）は満たしている。そこで識別時間を短くするため
に、属性の抽出時間、属性値の分布の非重なり度合いな
らびに出現頻度をパラメータとして識別木作成に最も効
果的な属性の組を選択する方法を以下に示す。

【００４４】３）属性抽出時間ｔ_k 次に、各属性の抽出時間の相対値を設定する。これは用
いるセンサの種類や特性によって決まる値である。その
例を表２に示す。

【００４５】

【表２】

【００４６】表２において、Ｔ_V0，Ｔ_I0はそれぞれ
Ｔ_Va，Ｔ_Vb，Ｔ_Vc及びＴ_Ia，Ｔ_Ib，Ｔ_Icから計算すると
仮定して、属性抽出時間を設定した。

【００４７】４）非重なり度合いａ_k (i) 属性値分布において、他の分布と重なりが全くない領域
を多くもつ属性値は識別のための貢献度が高くなる。そ
のような属性値を多く含む属性の組を用いて識別木を構
成した方が上位のノードにおいて識別が完了する確率が
大きくなり識別時間の短縮につながる。そこで、各カテ
ゴリーの属性値分布について全く重なっていない領域が
そのカテゴリー全体の分布に対してどの程度占めるかを
示す非重なり度合いａ_k (i) を次式で表す。これはＴ_k
がＣ_i の識別に対してどの程度の貢献があるかを示すも
のである。

【００４８】 ａ_k (i) ＝ｌ_ik／Ｌ（Ｃ_i ） (15) ここでｌ_ik：Ｔ_K の属性値分布において、Ｃ_i の分布に
対して他の分布により重なりがない領域の範囲（図５参
照） Ｌ（Ｃ_i ）：Ｃ_i の分布の範囲 前掲の表１の測定データに基づいて非重なり度合いａ_k
(i) を算出すると表３のようになる。

【００４９】

【表３】

【００５０】５）出現頻度Ｐ₁ 次に、カテゴリー、すなわち事故の種類の出現頻度を求
める。その結果を表４に示す。

【００５１】

【表４】

【００５２】当然、出現頻度Ｐ₁ は正常時≫地絡事故＞
短絡事故である。

【００５３】６）評価値Ｆ（Ｔ_k ） 以上挙げた３つのパラメータｔ_k ，ａ_k (i), Ｐ₁ を用
いて、各属性に対して次式に示すような評価関数を定め
た。

【００５４】

【数１】

【００５５】このＦ（Ｔ_k ）が大きいＴ_k ほど、出現頻
度の大きいカテゴリーに対して識別の可能性が大きく、
属性抽出時間が短い属性である。

【００５６】前述の例の場合、評価値は次のようにな
る。

【００５７】

【表５】

【００５８】識別木作成に効果的な属性の組Ａ_eff は、
Ａ₁ ，Ａ₂ ，Ａ₃ のそれぞれの属性の評価値Ｆ（Ｔ_k ）
の積Ｇ（Ａ_x ）が最大となる組である。そこで各組につ
いてＧ（Ａ_x ）を求める。

【００５９】 Ｇ（Ａ₁ ）＝Ｆ（Ｔ_Va）Ｆ（Ｔ_Vb）＝ 2.8×10^-5 (17) Ｇ（Ａ₂ ）＝Ｆ（Ｔ_Vb）Ｆ（Ｔ_Vc）＝ 2.8×10^-5 (18) Ｇ（Ａ₃ ）＝Ｆ（Ｔ_Vc）Ｆ（Ｔ_Va）＝ 2.8×10^-5 (19) この場合はＧ（Ａ₁)＝Ｇ（Ａ₂)＝Ｇ（Ａ₃)となるので、
Ａ₁ ，Ａ₂ ，Ａ₃ のどれをとってもよい。したがってこ
こではＧ（Ａ₁)が最大と仮定をし、計算を進める。上記
Ｇ（Ａ_x ）の値が異なる場合は最大のＧ（Ａ_x ）をと
る。

【００６０】７）識別木の各ノードへの属性 識別木の各ノードへの配置は次のようにする。まず根ノ
ードに関してはＡ_eff のうち評価値Ｆ（Ｔ_K ）が最も大
きい方を根ノードに考える。ここではＦ（Ｔ_Va）＝Ｆ
（Ｔ_Vb）なのでＴ_Vaとする。属性の重なりの状態によ
り、属性の分布に重なりのない領域、属性の分布に重な
る領域に分かれる。

【００６１】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＮ_e とし、
後者は再識別ノードＮ_c とする。Ｎ_c における集合Ｎ_C'
は例えば図６に示した領域１に関しては、｛Ｃ_ca，
Ｃ_ab，Ｃ_a ｝となる。

【００６２】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００６３】 ｆ（Ｃ_ca，Ｃ_ab）＝Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (20) ｆ（Ｃ_ab，Ｃ_a ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ib＋Ｔ_Vb＋Ｔ_Vc (21) ｆ（Ｃ_a ，Ｃ_ca）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (22) Ｓ_C'の全要素を識別可能とする属性は、これらの論理積
により次式のように求まる。

【００６４】 ｆ（Ｃ_ca，Ｃ_ab）ｆ（Ｃ_ab，Ｃ_a ）ｆ（Ｃ_a ，Ｃ_ca） ＝Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Ic＋Ｔ_I0Ｔ_Ib＋Ｔ_I0Ｔ_Ic＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic ＋Ｔ_IbＴ_Ic＋Ｔ_Vb＋Ｔ_Vc (23) この結果のうちでＡ_eff の部分集合となっている属性は
Ｔ_Vbである。この場合、もしもＡ_eff の部分集合となっ
ている属性が１つでなく、２つ以上の組である場合は、
評価値Ｆ（Ｔ_k ）が大きい方の属性を配置する方が、こ
のノードで識別できる可能性が高くなり、識別時間が短
縮できる。この場合は、１つしかないのでＴ_Vbを配置す
る。

【００６５】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【００６６】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９及び図１０は前述した実施例において用
いた数値を使用して具体的に事故診断を行うフローチャ
ートを示している。

【００６７】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【００６８】以上、第１実施例について説明した。この
第１実施例は、最も効率的な識別木およびフローチャー
トの作成方法であるが、効率をある程度犠牲にしても同
様な事故診断が行なえる。その例を以下に示す。

【００６９】（Ｂ）第２実施例 本実施例では、まず互いに識別可能とする属性の組を求
め、求めた組の中から任意に１組を選び、さらに選択し
た属性の組をノードに配置する際にも、任意の属性をノ
ードに配置する。これは、第１実施例の場合には、効率
的な属性の組を選択する点と、さらにその属性の組をノ
ードに配置する際にも効率的な属性から配置するという
ことが考慮されず、任意に選択、配置する点が相違す
る。

【００７０】具体的に説明すると、（１４）式を求める
プロセスまでは第１実施例と同じである。（１４）式に
より、Ａ₁ ，Ａ₂ ，Ａ₃ は独立してすべてのカテゴリー
を識別可能とする属性の組である。その後、次の処理を
行う。

【００７１】７’）識別木から各ノードへの属性 （１４）式のＡ₁ ，Ａ₂ ，Ａ₃ の任意の１組の属性の組
を選択する。ここではＡ₁ を選択するものとする。Ａ₁
の属性の組の中で任意の属性を根ノードに考える。ここ
ではＴ_vaとする。属性の重なりの状態により、属性値の
分布に重なりのない領域、属性値の分布に重なる領域に
分かれる。

【００７２】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＮ_e とな
り、後者は再識別ノードＮ_c となる。Ｎ_c における集合
Ｓ_C'は例えば図６に示した領域１に関しては、｛Ｃ_ca，
Ｃ_ab，Ｃ_a ｝となる。

【００７３】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００７４】 ｆ（Ｃ_ca，Ｃ_ab）＝Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (20) ｆ（Ｃ_ab，Ｃ_a ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ib＋Ｔ_Vb＋Ｔ_Vc (21) ｆ（Ｃ_a ，Ｃ_ca）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (22) Ｓ_C'の全要素を識別可能とする属性は、これらの論理積
により次式のように求まる。

【００７５】 ｆ（Ｃ_ca，Ｃ_ab）ｆ（Ｃ_ab，Ｃ_a ）ｆ（Ｃ_a ，Ｃ_ca） ＝Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Ic＋Ｔ_I0Ｔ_Ib＋Ｔ_I0Ｔ_Ic＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic ＋Ｔ_IbＴ_Ic＋Ｔ_Vb＋Ｔ_Vc (23) この結果のうちでＡ₁ の部分集合となっている属性はＴ
_Vbである。この場合、もしもＡ₁ の部分集合となってい
る属性が１つでなく、２つ以上の組である場合は、Ａ₁
の部分集合の中の任意の属性を配置する。この場合は、
１つしかないのでＴ_Vbを配置する。

【００７６】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【００７７】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９及び図１０は前述した実施例において用
いた数値を使用して具体的に事故診断を行うフローチャ
ートを示している。

【００７８】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【００７９】（Ｃ）第３実施例 本実施例では、まず互いに識別可能とする属性の組を求
め、求めた組の中で最も効率的な属性の組を求め、さら
にその属性の組をノードに配置する際は任意に属性を選
択してノードに配置するものである。したがって、第１
実施例とは、属性の組を選択するところまでは効率を考
慮して同じであるが、その属性の組をノードに配置する
場合において、任意に選択することとしており、その点
効率が考慮されていない点が相違する。

【００８０】具体的に述べれば、（１５）式を求めるプ
ロセスまでは第１実施例と同じであり、（１５）式によ
り識別木作成に効率的な属性の組Ａ_eff が選択された。
ここではＧ（Ａ₁ ）が最大と仮定し、Ａ_eff ＝Ｔ_vaＴ_vb
とする。

【００８１】７'') 識別木の各ノードへの属性 識別木の各ノードへの配置は次のようにする。まず根ノ
ードに関してはＡ_eff のうち任意の属性を選択する。こ
こではＴ_vaとする。属性の重なりの状態により、属性値
の分布に重なりのない領域、属性値の分布に重なる領域
に分かれる。

【００８２】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＮ_e とな
り、後者は再識別ノードＮ_c となる。Ｎ_c における集合
Ｓ_C'は例えば図６に示した領域１に関しては、｛Ｃ_ca，
Ｃ_ab，Ｃ_a ｝となる。

【００８３】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００８４】 ｆ（Ｃ_ca，Ｃ_ab）＝Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (20) ｆ（Ｃ_ab，Ｃ_a ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ib＋Ｔ_Vb＋Ｔ_Vc (21) ｆ（Ｃ_a ，Ｃ_ca）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (22) Ｓ_C'の全要素を識別可能とする属性は、これらの論理積
により次式のように求まる。

【００８５】 ｆ（Ｃ_ca，Ｃ_ab）ｆ（Ｃ_ab，Ｃ_a ）ｆ（Ｃ_a ，Ｃ_ca） ＝Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Ic＋Ｔ_I0Ｔ_Ib＋Ｔ_I0Ｔ_Ic＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic ＋Ｔ_IbＴ_Ic＋Ｔ_Vb＋Ｔ_Vc (23) この結果のうちでＡ_eff の部分集合となっている属性は
Ｔ_vbである。この場合、もしもＡ_eff の部分集合となっ
ている属性が１つでなく、２つ以上の組である場合は、
任意の属性を配置する。この場合は、１つしかないので
Ｔ_vbを配置する。

【００８６】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【００８７】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９及び図１０は前述した実施例において用
いた数値を使用して具体的に事故診断を行うフローチャ
ートを示している。

【００８８】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【００８９】（Ｄ）第４実施例 本実施例では、まず互いに識別可能とする属性の組を求
め、求めた組のすべての組のそれぞれの属性に対し、評
価関数に基づいて評価し、上記で求めた互いに識別可能
な属性の組の中で任意の組を選択し、その選択した属性
の組をノードに配置する際は、識別が効率的になるよう
に効率的な属性から優先して配置する。したがって本実
施例では効率的な属性の組は選択されていないが、選択
された属性の組をノードに配置する際においては効率的
な属性を優先して配置するようにしている。

【００９０】具体的には、表５の評価値を求めるプロセ
スまでは第１実施例と同じである。Ａ₁ ，Ａ₂ ，Ａ₃ の
それぞれの属性の組の評価値Ｆ（Ｔ_k ）は Ａ₁ はＦ（Ｔ_va）＝0.0053 Ｆ（Ｔ_vb）＝0.0053 Ａ₂ はＦ（Ｔ_vb）＝0.0053 Ｆ（Ｔ_vc）＝0.0053 Ａ₃ はＦ（Ｔ_vc）＝0.0053 Ｆ（Ｔ_va）＝0.0053 である。

【００９１】７''')識別木の各ノードへの属性 識別木の各ノードへの配置は次のようにする。すなわ
ち、（１４）式のＡ₁ ，Ａ₂ ，Ａ₃ の任意の１組の属性
を選択する。ここではＡ₁ を選択する。Ａ₁ の属性の組
の中で評価値Ｆ（Ｔ_k ）が最も大きい方を根ノードに考
える。ここではＦ（Ｔ_va）＝Ｆ（Ｔ_vb）なのでＴ_vaとす
る。属性の重なりの状態により、属性値の分布に重なり
のない領域、属性値の分布に重なる領域に分かれる。

【００９２】属性がこれらの重なりのない領域の値にな
った場合には、根ノードで識別が完了する。重なりのあ
る領域はカテゴリー間の識別が不可能であり、他の属性
で再度識別する。すなわち、前者は葉ノードＣ_e とな
り、後者は再識別ノードＣ_c となる。Ｃ_c における集合
Ｓ_C'は例えば図６に示した領域１に関しては、｛Ｃ_ca，
Ｃ_ab，Ｃ_a ｝となる。

【００９３】次に再識別ノードに配置する属性は次のよ
うに選択する。領域１を例にとればＳ_C'の要素の２つず
つのカテゴリーをそれぞれ識別可能とする。属性は次式
のようになる。但し、ｆ（Ｃ_i ，Ｃ_j ）＝ｆ（Ｃ_j ，Ｃ
_i ）である。

【００９４】 ｆ（Ｃ_ca，Ｃ_ab）＝Ｔ_Ib＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (20) ｆ（Ｃ_ab，Ｃ_a ）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ib＋Ｔ_Vb＋Ｔ_Vc (21) ｆ（Ｃ_a ，Ｃ_ca）＝Ｔ_V0＋Ｔ_I0＋Ｔ_Ia＋Ｔ_Ic＋Ｔ_Vb＋Ｔ_Vc (22) Ｓ_C'の全要素を識別可能とする属性は、これらの論理積
により次式のように求まる。

【００９５】 ｆ（Ｃ_ca，Ｃ_ab）ｆ（Ｃ_ab，Ｃ_a ）ｆ（Ｃ_a ，Ｃ_ca） ＝Ｔ_V0Ｔ_Ib＋Ｔ_V0Ｔ_Ic＋Ｔ_I0Ｔ_Ib＋Ｔ_I0Ｔ_Ic＋Ｔ_IaＴ_Ib＋Ｔ_IaＴ_Ic ＋Ｔ_IbＴ_Ic＋Ｔ_Vb＋Ｔ_Vc (23) この結果のうちでＡ₁ の部分集合となっている属性はＴ
_vbである。この場合、もしもＡ₁ の部分集合となってい
る属性が１つでなく、２つ以上の組である場合は、評価
値Ｆ（Ｔ_k ）が大きい方の属性を配置する方が、このノ
ードで識別できる可能性が高くなり、識別時間が短縮で
きる。この場合は、１つしかないのでＴ_vbを配置する。

【００９６】以上の操作を再識別ノードがなくなるまで
繰り返して識別木を生成する。この結果を図７に示す。

【００９７】図８は、以上の操作によって得られた識別
木に従って、配電線の事故診断を行う概念図を示してい
る。また、図９及び図１０は前述した実施例において用
いた数値を使用して具体的に事故診断を行うフローチャ
ートを示している。

【００９８】このようにして、ａ，ｂ，ｃ地絡事故およ
びａｂ，ｂｃ，ｃａ短絡事故を起こした相の同定ができ
る。

【００９９】なお、以上の実施例においては、各属性毎
に測定データを計算する例を示したが、これを実際の送
配電線系統またはそのシュミレータを用いて実測、集計
して得ることもできる。

【０１００】

【発明の効果】以上に述べたように、本発明によれば下
記の効果を奏する。 データと事故原因が分かっていれば、自動的に事故
診断のアルゴリズムの作成が可能である。 人間の主観が入らないアルゴリズムの作成が可能で
ある。 効率のよいアルゴリズムの作成が可能である。 従来は配電線事故においては零相電圧, 零相電流,
電流などにより事故を検出していたが、本発明では
Ｔ_va，Ｔ_vb，Ｔ_vcの２つの相の値により２線短絡、１線
地絡の事故を検出することが可能となった。 事故診断のカテゴリーを各相ごとの２線短絡、１線
地絡に分けて設けており、また識別木及びフローチャー
トを各相について設けたことにより、事故を起こした相
を同定することが可能である。

【図面の簡単な説明】

【図１】 本発明に係る事故診断方式を実施するための
ブロック図である。

【図２】 光センサを利用した場合の本発明実施例のブ
ロック図である。

【図３】 本発明におけるアルゴリズム作成の手順の概
念図である。

【図４】 本発明実施例における配電線線路モデルの系
統図である。

【図５】 属性の非重なり度合いの説明図である。

【図６】 本発明実施例における属性値分布に重なりの
ある領域（斜線部）と重なりのない領域の説明図であ
る。

【図７】 本発明実施例によって生成された識別木の生
成結果の説明図である。

【図８】 本発明によるアルゴリズムを用いて事故診断
を行う処理の概念図である。

【図９】 本発明によるアルゴリズムを用いた事故診断
方法の処理のフローチャートの１である。

【図１０】 同じくフローチャートの２である。

【図１１】 従来の事故診断アルゴリズムの例を示すフ
ローチャートである。

【符号の説明】

１ 零相電流検出・波形整形回路、２ 零相電圧検出・
波形整形回路、３ 電流検出・波形整形回路、４ 電圧
検出・波形整形回路、５ 入／出力インターフェース、
６ ＣＰＵ又はコンピュータ、１１〜１６ 光−電気変
換部、１７，１８入／出力インターフェース、１９ Ｉ
₀ 演算部、２０ Ｖ₀ 演算部、２１ ＣＰＵ又はコンピ
ュータ

Claims (4)

【特許請求の範囲】
1. 【請求項１】（ａ）正常送電時および事故時の零相電
   流，零相電圧、送配電線ａ，ｂ，ｃ各相電流、ａ，ｂ，
   ｃ対地間電圧、各相電圧等の各属性Ｔ₁ 〜Ｔ_n 毎に測定
   データを集計するまたは各属性Ｔ₁ 〜Ｔ_n 毎に計算する
   ステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
   するカテゴリー Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 に区分けして各属性毎の分布をとるステップと、 （ｃ）各測定種目毎または各計算種目毎の分布に着目し
   たあるカテゴリーＣ_i と他のあるカテゴリーＣ_j との属
   性値の分布の重なり状態からカテゴリーＣ_j を識別可能
   な属性を選択するステップと、 （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
   を識別可能な属性の組を求めるステップと、 （ｅ）すべてのカテゴリーを互いに識別可能とするため
   の属性の組を求めるステップと、 （ｆ）前記属性の組の中から、識別木作成に最も効率的
   な属性の組を選択するために、属性値抽出時間、属性値
   の分布の重なり状態、カテゴリーＣ_i の出現頻度に基づ
   く評価関数により評価を行い、最も効率的な属性の組を
   選択するステップと、 （ｇ）前記において選択した属性の組の中で、評価式が
   最大となる属性を親ノードとして配置し、他のカテゴリ
   ーと識別できなかったカテゴリーを子ノードとして配置
   し、その子ノードの組の間で前記（ｃ）〜（ｆ）のステ
   ップの処理を行ってステップ（ｆ）で選択した属性の組
   の中で評価式が最大となる属性を前記子ノードに対する
   親ノードとして配置し、これらの処理を再識別ノードが
   なくなるまで行うステップと、 （ｈ）識別木より事故診断のフローチャートを作成する
   ステップとを有し、このフローチャートによりａ，ｂ，
   ｃ地絡相同定並びにａｂ，ｂｃ，ｃａ短絡相同定を行う
   ことを特徴とする送配電線事故診断方法。
2. 【請求項２】（ａ）正常送電時および事故時の零相電
   流，零相電圧、送配電線ａ，ｂ，ｃ各相電流、ａ，ｂ，
   ｃ対地間電圧、各相電圧等の各属性Ｔ₁ 〜Ｔ_n 毎に測定
   データを集計するまたは各属性Ｔ₁ 〜Ｔ_n 毎に計算する
   ステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
   するカテゴリー Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 に区分けして各属性毎の分布をとるステップと、 （ｃ）各測定種目毎または各計算種目毎の分布に着目し
   たあるカテゴリーＣ_i と他のあるカテゴリーＣ_j との属
   性値の分布の重なり状態からカテゴリーＣ_j を識別可能
   な属性値を選択するステップと、 （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
   を識別可能な属性の組を求めるステップと、 （ｅ）すべてのカテゴリーを互いに識別可能とするため
   の属性の組を求めるステップと、 （ｆ）前記求めた属性の組の任意の１組の属性を選択
   し、その属性の組の任意の属性を親ノードとして配置
   し、他のカテゴリーと識別できなかったカテゴリーを子
   ノードとして配置し、その子ノードの組の間で前記
   （ｃ）〜（ｅ）のステップの処理を行って前記子ノード
   に対する親ノードとして配置し、これらの処理を再識別
   ノードがなくなるまで行うステップと、 （ｇ）識別木より事故診断のフローチャートを作成する
   ステップとを有し、このフローチャートによりａ，ｂ，
   ｃ地絡相同定並びにａｂ，ｂｃ，ｃａ短絡相同定を行う
   ことを特徴とする送配電線事故診断方法。
3. 【請求項３】（ａ）正常送電時および事故時の零相電
   流，零相電圧、送配電線ａ，ｂ，ｃ各相電流、ａ，ｂ，
   ｃ対地間電圧、各相電圧等の各属性Ｔ₁ 〜Ｔ_n 毎に測定
   データを集計するまたは各属性Ｔ₁ 〜Ｔ_n 毎に計算する
   ステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
   するカテゴリー Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 に区分けして各属性毎の分布をとるステップと、 （ｃ）各測定種目毎または各計算種目毎の分布に着目し
   たあるカテゴリーＣ_i と他のあるカテゴリーＣ_j との属
   性値の分布の重なり状態からカテゴリーＣ_j を識別可能
   な属性を選択するステップと、 （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
   を識別可能な属性の組を求めるステップと、 （ｅ）すべてのカテゴリーを互いに識別可能とするため
   の属性の組を求めるステップと、 （ｆ）前記属性の組の中から、識別木作成に最も効率的
   な属性の組を選択するために、属性抽出時間、属性値の
   分布の重なり状態、カテゴリーＣ_i の出現頻度に基づく
   評価関数により評価を行い、最も効率的な属性の組を選
   択するステップと、 （ｇ）前記において選択した属性の組の中の任意の属性
   を親ノードとして配置し、他のカテゴリーと識別できな
   かったカテゴリーを子ノードとして配置し、その子ノー
   ドの組の間で前記（ｃ）〜（ｆ）のステップの処理を行
   い、ステップ（ｆ）で選択した属性の組の中の任意の属
   性を前記子ノードに対する親ノードとして配置し、これ
   らの処理を再識別ノードがなくなるまで行うステップ
   と、 （ｈ）識別木より事故診断のフローチャートを作成する
   ステップとを有し、このフローチャートによりａ，ｂ，
   ｃ地絡相同定並びにａｂ，ｂｃ，ｃａ短絡相同定を行う
   ことを特徴とする送配電線事故診断方法。
4. 【請求項４】（ａ）正常送電時および事故時の零相電
   流，零相電圧、送配電線ａ，ｂ，ｃ各相電流、ａ，ｂ，
   ｃ対地間電圧、各相電圧等の各属性Ｔ₁ 〜Ｔ_n 毎に測定
   データを集計するまたは各属性Ｔ₁ 〜Ｔ_n 毎に計算する
   ステップと、 （ｂ）集計または計算されたデータを事故の種類に対応
   するカテゴリー Ｃ_N ：正常 Ｃ_bc：ｂｃ線２線短絡事故 Ｃ_ca：ｃａ線２線短絡事故 Ｃ_ab：ａｂ線２線短絡事故 Ｃ_a ：ａ線地絡事故 Ｃ_b ：ｂ線地絡事故 Ｃ_c ：ｃ線地絡事故 に区分けして各属性毎の分布をとるステップと、 （ｃ）各測定種目毎または各計算種目毎の分布に着目し
   たあるカテゴリーＣ_i と他のあるカテゴリーＣ_j との属
   性値の分布の重なり状態からカテゴリーＣ_j を識別可能
   な属性を選択するステップと、 （ｄ）前記カテゴリーＣ_i と他のすべてのカテゴリーと
   を識別可能な属性の組を求めるステップと、 （ｅ）すべてのカテゴリーを互いに識別可能とするため
   の属性の組を求めるステップと、 （ｆ）前記属性の組の全ての組を、属性値抽出時間、属
   性値の分布の重なり状態、カテゴリーＣ_i の出現頻度に
   基づく評価関数により評価を行うステップと、 （ｇ）ステップ（ｅ）で求めた属性の組の中の任意の１
   組の属性を選択し、その組の中でステップ（ｆ）におけ
   る評価式が最大となる属性を親ノードとして配置し、他
   のカテゴリーと識別できなかったカテゴリーを子ノード
   として配置し、その子ノードの組の間で前記（ｃ）〜
   （ｆ）のステップの処理を行い、ステップ（ｅ）で求め
   た属性の組の中の任意の１組の属性を選択し、その組の
   中でステップ（ｆ）における評価式が最大の属性を前記
   子ノードに対する親ノードとして配置し、これらの処理
   を再識別ノードがなくなるまで行うステップと、 （ｈ）識別木より事故診断のフローチャートを作成する
   ステップとを有し、このフローチャートによりａ，ｂ，
   ｃ地絡相同定並びにａｂ，ｂｃ，ｃａ短絡相同定を行う
   ことを特徴とする送配電線事故診断方法。