JPWO2018229897A1 - 経年劣化診断装置及び経年劣化診断方法 - Google Patents

Abstract

交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンを生成する劣化パターン生成部（３）と、劣化パターンの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲毎に、当該位相範囲での信号密度の勾配方向のヒストグラムをそれぞれ算出するヒストグラム算出部（４）と、各々の位相範囲でのヒストグラムのビンの値が並べられている特徴ベクトルを生成する特徴ベクトル生成部（５）と、劣化要因別の特徴ベクトルの中から、特徴ベクトル生成部（５）により生成された特徴ベクトルと類似している特徴ベクトルを検索し、類似している特徴ベクトルに係る劣化要因を出力する劣化要因特定部（９）とを備える。

Description

この発明は、機器の劣化要因を出力する経年劣化診断装置及び経年劣化診断方法に関するものである。

例えば、発電プラント、電力機器、鉄道関連機器、工場ラインの設備などの様々な分野において、機器の予防保全を図るニーズがあり、機器の劣化を検知する技術、劣化発生要因又は劣化発生箇所を特定する技術、故障時期を予測する技術などの予防保全技術が研究されている。
例えば、タービン発電機又はガス絶縁機器のように、高電圧を発生する機器は、長期の使用に伴って、機器内部で使用されている絶縁体の絶縁劣化が進行し、最終的には絶縁破壊を起こすため、機器稼働率の向上等を目的とする予防保全技術が研究されている。

以下の特許文献１には、劣化発生要因又は劣化発生箇所を特定する装置として、診断対象の機器に印加されている交流電圧の位相を示す位相信号と、機器の劣化状態を計測しているセンサの計測信号とを利用して、劣化要因を判定する経年劣化診断装置が開示されている。
この経年劣化診断装置は、事前に、劣化要因判定モデルを学習しているニューラルネットワークを用意し、交流電圧の位相を示す位相信号と、センサの計測信号とをニューラルネットワークに与えることで、劣化要因を判定するようにしている。以下、位相信号及び計測信号のそれぞれを入力信号と称する。

特開２００１−１３３５０６号公報

従来の経年劣化診断装置は以上のように構成されているので、劣化要因の判定精度が、劣化要因判定モデルの学習精度に依存する。したがって、劣化要因判定モデルの学習精度が高いほど、劣化要因の判定精度が高まるが、劣化要因判定モデルの学習精度を高めるには、膨大な数の入力信号をニューラルネットワークに与える必要がある。
機器の劣化は、長期間に渡って徐々に進行するので、劣化の要因別に、膨大な数の入力信号をニューラルネットワークに与えることが困難であり、劣化要因判定モデルの学習精度を高めることができないことがある。このため、正確な劣化要因を判定することができないことがあるという課題があった。

この発明は上記のような課題を解決するためになされたもので、劣化要因判定モデルを学習しているニューラルネットワークを事前に用意することなく、機器の劣化要因を特定することができる経年劣化診断装置及び経年劣化診断方法を得ることを目的とする。

この発明に係る経年劣化診断装置は、診断対象の機器に印加されている交流電圧の位相を示す複数の時刻の位相信号と、機器の劣化状態を計測しているセンサの複数の時刻の計測信号とから、交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンを生成する劣化パターン生成部と、劣化パターン生成部により生成された劣化パターンの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲毎に、当該位相範囲での信号密度の勾配方向のヒストグラムをそれぞれ算出するヒストグラム算出部と、ヒストグラム算出部により算出された各々の位相範囲でのヒストグラムのビンの値が並べられている特徴ベクトルを生成する特徴ベクトル生成部とを設け、劣化要因特定部が、劣化要因別の特徴ベクトルの中から、特徴ベクトル生成部により生成された特徴ベクトルと類似している特徴ベクトルを検索することで、機器の劣化要因を特定するようにしたものである。

この発明によれば、交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンを生成する劣化パターン生成部と、劣化パターンの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲毎に、当該位相範囲での信号密度の勾配方向のヒストグラムをそれぞれ算出するヒストグラム算出部と、各々の位相範囲でのヒストグラムのビンの値が並べられている特徴ベクトルを生成する特徴ベクトル生成部とを設け、劣化要因特定部が、劣化要因別の特徴ベクトルの中から、特徴ベクトル生成部により生成された特徴ベクトルと類似している特徴ベクトルを検索することで、機器の劣化要因を特定するように構成したので、劣化要因判定モデルを学習しているニューラルネットワークを事前に用意することなく、機器の劣化要因を特定することができる効果がある。

この発明の実施の形態１による経年劣化診断装置を示す構成図である。 この発明の実施の形態１による経年劣化診断装置を示すハードウェア構成図である。 経年劣化診断装置がソフトウェア又はファームウェアなどで実現される場合のコンピュータのハードウェア構成図である。 経年劣化診断装置がソフトウェア又はファームウェアなどで実現される場合の処理手順である経年劣化診断方法を示すフローチャートである。 劣化パターン生成部３により生成される劣化パターンＡを示す説明図である。 ヒストグラム算出部４により算出される劣化パターンＡの各分布点における信号密度の勾配ベクトルを示す説明図である。 ヒストグラム算出部４により算出されるセグメント毎のヒストグラムＡを示す説明図である。 特徴ベクトル生成部５により生成される特徴ベクトルＡを示す説明図である。 この発明の実施の形態２による経年劣化診断装置を示す構成図である。 この発明の実施の形態２による経年劣化診断装置を示すハードウェア構成図である。 この発明の実施の形態２による経年劣化診断装置の劣化判定部１０における処理内容を示すフローチャートである。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。

実施の形態１．
図１は、この発明の実施の形態１による経年劣化診断装置を示す構成図である。図２は、この発明の実施の形態１による経年劣化診断装置を示すハードウェア構成図である。
図１及び図２において、診断信号入力部１は、例えば図２に示す診断信号入力回路２１で実現される。
診断信号入力部１は、診断対象の機器に印加されている交流電圧の位相を示す複数の時刻の位相信号と、診断対象の機器の劣化状態を計測しているセンサの複数の時刻の計測信号とを入力して、複数の時刻の位相信号と複数の時刻の計測信号とを劣化パターン生成部３に出力する。

既知信号入力部２は、例えば図２に示す既知信号入力回路２２で実現される。
既知信号入力部２は、既知の劣化要因に対応する複数の時刻の位相信号と、既知の劣化要因に対応する複数の時刻の計測信号とを入力し、複数の時刻の位相信号と複数の時刻の計測信号とを劣化パターン生成部３に出力する。
既知信号入力部２により入力される位相信号及び計測信号のそれぞれには、劣化要因を示す劣化要因ラベルが付加されている。

劣化パターン生成部３は、例えば図２に示す劣化パターン生成回路２３で実現される。
劣化パターン生成部３は、診断信号入力部１から出力された複数の時刻の位相信号と、複数の時刻の計測信号とを収集する。
劣化パターン生成部３は、収集した複数の時刻の位相信号と、収集した複数の時刻の計測信号とから、交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンＡを生成する処理を実施する。
また、劣化パターン生成部３は、既知信号入力部２から出力された複数の時刻の劣化要因ラベル付きの位相信号と、劣化要因ラベル付きの計測信号とを収集する。
劣化パターン生成部３は、収集した複数の時刻の劣化要因ラベル付きの位相信号と、収集した複数の時刻の劣化要因ラベル付きの計測信号とから、交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンＢを生成する処理を実施する。
劣化パターン生成部３により生成された劣化パターンＢには、劣化要因を示す劣化要因ラベルが付加されている。

ヒストグラム算出部４は、例えば図２に示すヒストグラム算出回路２４で実現される。
ヒストグラム算出部４は、劣化パターン生成部３により生成された劣化パターンＡの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲であるセグメント毎に、当該セグメントでの信号密度の勾配方向のヒストグラムＡをそれぞれ算出する処理を実施する。
また、ヒストグラム算出部４は、劣化パターン生成部３により生成された劣化パターンＢの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲であるセグメント毎に、当該セグメントでの信号密度の勾配方向のヒストグラムＢをそれぞれ算出する処理を実施する。
ヒストグラム算出部４により算出された各々のセグメントでのヒストグラムＢには、劣化要因を示す劣化要因ラベルが付加されている。

特徴ベクトル生成部５は、例えば図２に示す特徴ベクトル生成回路２５で実現される。
特徴ベクトル生成部５は、ヒストグラム算出部４により算出された各々のセグメントでのヒストグラムＡのビンの値が並べられている特徴ベクトルＡを生成する処理を実施する。
また、特徴ベクトル生成部５は、ヒストグラム算出部４により算出された各々のセグメントでのヒストグラムＢのビンの値が並べられている特徴ベクトルＢを生成する処理を実施する。
特徴ベクトル生成部５により生成された特徴ベクトルＢには、劣化要因を示す劣化要因ラベルが付加されている。

特徴ベクトル記憶部６は、例えば図２に示す特徴ベクトル記憶回路２６で実現される。
特徴ベクトル記憶部６は、劣化要因が既知である特徴ベクトルとして、特徴ベクトル生成部５により生成された特徴ベクトルＢを記憶する。
代表ベクトル算出部７は、例えば図２に示す代表ベクトル算出回路２７で実現される。
代表ベクトル算出部７は、特徴ベクトル記憶部６により記憶されている特徴ベクトルＢの中から、劣化要因が同一である複数の特徴ベクトルＢを収集し、収集した複数の特徴ベクトルＢから、当該劣化要因の代表ベクトルを算出する処理を実施する。
代表ベクトル記憶部８は、例えば図２に示す代表ベクトル記憶回路２８で実現される。
代表ベクトル記憶部８は、劣化要因別の特徴ベクトルＣとして、代表ベクトル算出部７により算出された特徴ベクトルを記憶する。

劣化要因特定部９は、例えば図２に示す劣化要因特定回路２９で実現される。
劣化要因特定部９は、代表ベクトル記憶部８により記憶されている劣化要因別の特徴ベクトルＣの中から、特徴ベクトル生成部５により生成された特徴ベクトルＡと類似している特徴ベクトルＣを検索することで、機器の劣化要因を特定する処理を実施する。
劣化要因特定部９は、機器の劣化要因の特定結果として、特定した特徴ベクトルＣに付加されている劣化要因ラベルを出力する処理を実施する。

図１では、経年劣化診断装置の構成要素である診断信号入力部１、既知信号入力部２、劣化パターン生成部３、ヒストグラム算出部４、特徴ベクトル生成部５、特徴ベクトル記憶部６、代表ベクトル算出部７、代表ベクトル記憶部８及び劣化要因特定部９のそれぞれが、図２に示すような専用のハードウェアで実現されるものを想定している。即ち、診断信号入力回路２１、既知信号入力回路２２、劣化パターン生成回路２３、ヒストグラム算出回路２４、特徴ベクトル生成回路２５、特徴ベクトル記憶回路２６、代表ベクトル算出回路２７、代表ベクトル記憶回路２８及び劣化要因特定回路２９で実現されるものを想定している。

ここで、特徴ベクトル記憶回路２６及び代表ベクトル記憶回路２８は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒy）などの不揮発性又は揮発性の半導体メモリや、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）などが該当する。
また、診断信号入力回路２１、既知信号入力回路２２、劣化パターン生成回路２３、ヒストグラム算出回路２４、特徴ベクトル生成回路２５、代表ベクトル算出回路２７及び劣化要因特定回路２９は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、または、これらを組み合わせたものが該当する。

経年劣化診断装置の構成要素は、専用のハードウェアで実現されるものに限るものではなく、経年劣化診断装置がソフトウェア、ファームウェア、または、ソフトウェアとファームウェアとの組み合わせで実現されるものであってもよい。
ソフトウェア又はファームウェアはプログラムとして、コンピュータのメモリに格納される。コンピュータは、プログラムを実行するハードウェアを意味し、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）などが該当する。

図３は、経年劣化診断装置がソフトウェア又はファームウェアなどで実現される場合のコンピュータのハードウェア構成図である。
経年劣化診断装置がソフトウェア又はファームウェアなどで実現される場合、特徴ベクトル記憶部６及び代表ベクトル記憶部８をコンピュータのメモリ４１上に構成するとともに、診断信号入力部１、既知信号入力部２、劣化パターン生成部３、ヒストグラム算出部４、特徴ベクトル生成部５、代表ベクトル算出部７及び劣化要因特定部９の処理手順をコンピュータに実行させるためのプログラムをメモリ４１に格納し、コンピュータのプロセッサ４２がメモリ４１に格納されているプログラムを実行するようにすればよい。
図４は、経年劣化診断装置がソフトウェア又はファームウェアなどで実現される場合の処理手順である経年劣化診断方法を示すフローチャートである。

また、図２では、経年劣化診断装置の構成要素のそれぞれが専用のハードウェアで実現される例を示し、図３では、経年劣化診断装置がソフトウェアやファームウェアなどで実現される例を示しているが、経年劣化診断装置における一部の構成要素が専用のハードウェアで実現され、残りの構成要素がソフトウェアやファームウェアなどで実現されるものであってもよい。

次に動作について説明する。
センサは、一定時間間隔Ｔで、診断対象の機器の劣化状態を計測して、機器の劣化状態を示す計測信号を診断信号入力部１に出力する。
この一定時間間隔Ｔは、例えば、オンラインで機器の劣化状態を診断する場合など、高速な処理を要求される場合には、数秒程度の間隔が考えられる。
また、この一定時間間隔Ｔは、例えば、オフラインで機器の劣化状態を診断する場合、あるいは、高精度な診断が必要である場合などでは、数十秒〜数分程度の長い時間間隔が考えられる。

例えば、診断対象の機器が高圧電力機器である場合、絶縁劣化の進行に伴って、高圧電力機器の内部において、部分放電と呼ばれる放電現象が発生する。
部分放電の位相特性は、劣化発生要因によって特徴的なパターンを示すことが知られており、この放電パターンを用いることで、高圧電力機器の劣化要因又は放電発生個所を特定することができる。
このため、診断対象の機器が高圧電力機器である場合、センサは、高圧電力機器の内部で発生する部分放電を計測する態様が考えられる。

診断信号入力部１は、機器の劣化を診断する際、センサにより一定時間間隔Ｔで計測された複数の時刻の計測信号を入力する（図４のステップＳＴ１）。
また、診断信号入力部１は、診断対象の機器に印加されている交流電圧の位相を示す複数の時刻の位相信号を入力する（図４のステップＳＴ１）。
診断信号入力部１は、複数の時刻の計測信号及び複数の時刻の位相信号のそれぞれを劣化パターン生成部３に出力する。

劣化パターン生成部３は、診断信号入力部１から出力された複数の時刻の位相信号と、複数の時刻の計測信号とを収集する。
劣化パターン生成部３は、収集した複数の時刻の位相信号と、収集した複数の時刻の計測信号とから、交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンＡを生成する（図４のステップＳＴ２）。
以下、劣化パターン生成部３による劣化パターンＡの生成処理を具体的に説明する。

図５は、劣化パターン生成部３により生成される劣化パターンＡを示す説明図である。
劣化パターン生成部３は、図５に示すように、第１の軸である横軸が交流電圧の位相で、第２の軸である縦軸が計測信号の信号強度である平面をメッシュ状に区切ることで、平面を等間隔に複数のブロックに分割する。
図５では、平面を３×３のブロックに分割している例を示しているが、位相信号及び計測信号の計測時間が長く、信号点数が多い場合、あるいは、高精度な診断を必要とする場合などは、ブロックの分割数を多くする態様が考えられる。
位相信号及び計測信号の計測時間が短く、信号点数が少ない場合、あるいは、オンラインでの高速な処理を必要する場合などは、ブロックの分割数を少なくする態様が考えられる。

劣化パターン生成部３は、各時刻の位相信号が示す位相と、各時刻の計測信号の信号強度とを参照して、各時刻における位相信号と計測信号の組が、どのブロックに属するかを特定する。
劣化パターン生成部３は、例えば、各時刻における位相信号と計測信号の組として、診断信号入力部１から１００組の信号が得られている場合、１００組の信号が、どのブロックに属するかを特定する。
図５では、例えば、図中、右下のブロックには、７組の信号が属している旨を示し、右上のブロックには、３組の信号が属している旨を示している。
劣化パターン生成部３は、劣化パターンＡとして、分割した各々のブロックに属する位相信号及び計測信号の組数を示すパターンを生成し、劣化パターンＡをヒストグラム算出部４に出力する。

ヒストグラム算出部４は、劣化パターン生成部３から出力された劣化パターンＡに含まれている各々のブロックである分布点の信号密度をそれぞれ算出する（図４のステップＳＴ３）。
ブロックの信号密度は、例えば、当該ブロックに属している信号の組数を、全てのブロックに属している信号の組数で除算し、その除算の結果に事前に設定された定数Ｍを乗算することで求めることができる。
例えば、定数Ｍが１００であり、全てのブロックに属している信号の組数が５０であり、あるブロックに属している信号の組数が８であれば、あるブロックの信号密度は、１６（＝（８÷５０）×１００）になる。
ここでは、当該ブロックに属している信号の組数を、全てのブロックに属している信号の組数で除算する例を示しているが、これに限るものではない。
例えば、全てのブロックに属している信号の組数の中から、計測信号の信号強度が０である信号の組を除外し、残っている組数で、当該ブロックに属している信号の組数を除算し、その除算の結果に定数Ｍを乗算することで求めるようにしてもよい。

図６は、ヒストグラム算出部４により算出される劣化パターンＡの各分布点における信号密度の勾配ベクトルを示す説明図である。
図６の例では、各々のブロック内の数値が、図５に示す各々のブロック内の数値と同じ値になっているが、図６に示す各々のブロック内の数値は、信号密度を示し、図５に示す各々のブロック内の数値は、属している信号の組数を示している。このため、実際には、図６に示す各々のブロック内の数値と、図５に示す各々のブロック内の数値とは、異なる値になる。

次に、ヒストグラム算出部４は、各々のブロックにおける信号密度の勾配ベクトルをそれぞれ算出する（図４のステップＳＴ４）。
以下、ヒストグラム算出部４による勾配ベクトルの算出処理を具体的に説明する。
ヒストグラム算出部４は、分割されているブロック毎に、当該ブロックの信号密度と、当該ブロックと隣接している複数のブロックの信号密度との差分をそれぞれ算出する。
例えば、図６において、信号密度が１０である真ん中のブロックに着目すると、この着目ブロックの信号密度と、着目ブロックと隣接している８つのブロックの信号密度との差分をそれぞれ算出する。

図６の例では、着目ブロックの信号密度と、左上のブロックの信号密度との差分が５であり、着目ブロックの信号密度と、左横のブロックの信号密度との差分が２であり、着目ブロックの信号密度と、左下のブロックの信号密度との差分が２である。
また、着目ブロックの信号密度と、上のブロックの信号密度との差分が５であり、着目ブロックの信号密度と、下のブロックの信号密度との差分が１である。
また、着目ブロックの信号密度と、右上のブロックの信号密度との差分が７であり、着目ブロックの信号密度と、右横のブロックの信号密度との差分が４であり、着目ブロックの信号密度と、右下のブロックの信号密度との差分が３である。

ヒストグラム算出部４は、算出した各々の差分を比較することで、隣接している複数のブロックの中から、着目ブロックの信号密度との差分が最も大きい信号密度を有するブロックを特定する。
ヒストグラム算出部４は、着目ブロックから、特定したブロックに向かう方向を示すベクトルを、着目ブロックにおける勾配ベクトルに決定する。
図６の例では、着目ブロックにおける勾配ベクトルは、着目ブロックから右上のブロックに向かう方向になっている。

ヒストグラム算出部４は、各々のブロックにおける信号密度の勾配ベクトルをそれぞれ算出すると、図７に示すように、各々のブロックにおける勾配ベクトルから、互いに異なる位相範囲であるセグメント毎に、当該セグメントでの信号密度の勾配方向のヒストグラムＡをそれぞれ算出する（図４のステップＳＴ５）。
ヒストグラム算出部４は、算出したセグメント毎のヒストグラムＡを特徴ベクトル生成部５に出力する。

図７は、ヒストグラム算出部４により算出されるセグメント毎のヒストグラムＡを示す説明図である。
図７の例では、複数のブロックを有する平面が位相方向に６つのセグメントに分割されている。
このため、６つのセグメントのそれぞれについて、信号密度の勾配方向のヒストグラムＡが算出されている。
勾配方向のヒストグラムＡは、当該セグメントに含まれている各々のブロックにおける勾配ベクトルが示す勾配方向の頻度である。
図７は、勾配方向が−１８０〜１８０度での頻度を表している。

診断対象の機器に印加されている交流電圧が単相の交流電圧であれば、例えば、０〜１７９度の位相範囲であるセグメントと、１７９〜３５９度の位相範囲であるセグメントとに分割される態様が考えられる。
また、診断対象の機器に印加されている交流電圧が二相の交流電圧であれば、例えば、０〜８９度の位相範囲であるセグメントと、９０〜１７９度の位相範囲であるセグメントと、１８０〜２６９度の位相範囲であるセグメントと、２７０〜３５９度の位相範囲であるセグメントとに分割される態様が考えられる。
また、診断対象の機器に印加されている交流電圧が三相の交流電圧であれば、例えば、０〜５９度の位相範囲であるセグメントと、６０〜１１９度の位相範囲であるセグメントと、１２０〜１７９度の位相範囲であるセグメントと、１８０〜２３９度の位相範囲であるセグメントと、２４０〜２９９度の位相範囲であるセグメントと、３００〜３５９度の位相範囲であるセグメントとに分割される態様が考えられる。

上記のセグメントの分割態様は、一例に過ぎず、交流電圧の特性に基づいてセグメントの分割態様を決めることができる。
また、平面上に現れる劣化パターンが、劣化要因の違いによって大きく変化する場合、セグメント数を少なくし、劣化要因の違いによって大きく変化しない場合、セグメント数を多くするなど、劣化要因の違いによる劣化パターンの変化に基づいて、セグメント数を決めてもよい。

なお、センサの計測信号が、高圧電力機器の内部で発生する部分放電の計測信号である場合、部分放電の放電パターンが信号強度方向に鋭いパターンであれば、勾配方向のヒストグラムは、位相方向のビンの値が大きくなる傾向がある。
部分放電の放電パターンが位相方向に鋭いパターンであれば、勾配方向のヒストグラムは、信号強度方向のビンの値が大きくなる傾向がある。
部分放電の放電パターンは、劣化要因によって異なり、センサの計測信号及び位相信号の組が密集する位置が変わり、その結果、信号強度方向又は位相方向に、放電パターンが鋭い形状になることが知られている。したがって、劣化パターンを比較することで、劣化要因を判定することができる。

特徴ベクトル生成部５は、ヒストグラム算出部４からセグメント毎のヒストグラムＡを受けると、図８に示すように、各々のセグメントでのヒストグラムＡのビン（１）〜（Ｎ）の値が１列に並べられている特徴ベクトルＡを生成する（図４のステップＳＴ６）。
図８は、特徴ベクトル生成部５により生成される特徴ベクトルＡを示す説明図である。
特徴ベクトルＡの要素数は、セグメント数×（ヒストグラムＡのビン数Ｎ）であり、ヒストグラムＡのビン数Ｎは、例えば、ヒストグラムＡが、勾配方向が−１８０〜１８０度での頻度があり、その頻度が１度間隔であれば、３６０である。
したがって、ヒストグラム算出部４から６つのセグメント（１）〜（６）のヒストグラムＡを受けている場合、６×３６０の要素を有する特徴ベクトルＡが生成される。
ここでは、ヒストグラムＡのビン数Ｎが３６０である例を示しているが、後述するヒストグラムＢのビン数Ｎと同じ数であれば、ヒストグラムＡのビン数Ｎは、どのような数でもよい。
特徴ベクトル生成部５は、生成した特徴ベクトルＡを劣化要因特定部９に出力する。

ここまでは、経年劣化診断装置が、機器の劣化状態を診断する際、診断信号入力部１から複数の時刻の位相信号と、複数の時刻の計測信号とが劣化パターン生成部３に与えられることで、劣化パターン生成部３が劣化パターンＡを生成する例を示している。そして、ヒストグラム算出部４がヒストグラムＡを算出し、特徴ベクトル生成部５が特徴ベクトルＡを生成している。

経年劣化診断装置が機器の劣化状態を診断する前には、既知の劣化要因に対応する複数の時刻の位相信号と、既知の劣化要因に対応する複数の時刻の計測信号とが既知信号入力部２に入力される。
そして、既知信号入力部２から、既知の劣化要因に対応する複数の時刻の位相信号と、既知の劣化要因に対応する複数の時刻の計測信号とが劣化パターン生成部３に与えられることで、劣化パターン生成部３が劣化パターンＢを生成する。
劣化パターン生成部３による劣化パターンＢの生成方法は、上記の劣化パターンＡの生成方法と同じであるため、詳細な説明を省略するが、劣化パターン生成部３により生成された劣化パターンＢには、劣化要因を示す劣化要因ラベルが付加されている。

ヒストグラム算出部４は、劣化パターン生成部３により生成された劣化パターンＢの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲であるセグメント毎に、当該セグメントでの信号密度の勾配方向のヒストグラムＢをそれぞれ算出する。
ヒストグラム算出部４によるヒストグラムＢの算出方法は、上記のヒストグラムＡの算出方法と同じであるため、詳細な説明を省略するが、ヒストグラム算出部４により算出された各々のセグメントでのヒストグラムＢには、劣化要因を示す劣化要因ラベルが付加されている。

特徴ベクトル生成部５は、ヒストグラム算出部４により算出された各々のセグメントでのヒストグラムＢのビンの値が並べられている特徴ベクトルＢを生成する。
特徴ベクトル生成部５による特徴ベクトルＢの生成方法は、上記の特徴ベクトルＡの生成方法と同じであるため、詳細な説明を省略するが、特徴ベクトル生成部５により生成された特徴ベクトルＢには、劣化要因を示す劣化要因ラベルが付加されている。

特徴ベクトル記憶部６は、劣化要因が既知である特徴ベクトルとして、特徴ベクトル生成部５により生成された特徴ベクトルＢを記憶する。
代表ベクトル算出部７は、特徴ベクトル記憶部６により記憶されている特徴ベクトルＢの中から、劣化要因が同一である複数の特徴ベクトルＢを収集する。
即ち、代表ベクトル算出部７は、特徴ベクトル記憶部６により記憶されている特徴ベクトルＢには劣化要因ラベルが付加されているので、特徴ベクトル記憶部６により記憶されている特徴ベクトルＢの中から、同じ劣化要因ラベルが付加されている複数の特徴ベクトルＢを収集する。

代表ベクトル算出部７は、同じ劣化要因ラベルが付加されている複数の特徴ベクトルＢから、当該劣化要因ラベルが示す劣化要因の代表ベクトルを算出する。
例えば、代表ベクトル算出部７は、同じ劣化要因ラベルが付加されている複数の特徴ベクトルＢにおいて、対応する要素であるビン毎に、ビンの値の平均値をそれぞれ算出し、各々の要素の値として、それぞれ算出した平均値を有する特徴ベクトルを、劣化要因の代表ベクトルとして算出する。

代表ベクトル算出部７は、特徴ベクトル記憶部６により記憶されている特徴ベクトルＢの劣化要因ラベルの種類がＭ個であれば、劣化要因がＭ個であるため、Ｍ個の劣化要因について、代表ベクトルをそれぞれ算出する。
代表ベクトル記憶部８は、劣化要因別の特徴ベクトルＣとして、代表ベクトル算出部７により算出された特徴ベクトルをそれぞれ記憶する。

劣化要因特定部９は、特徴ベクトル生成部５から出力された特徴ベクトルＡを受けると、代表ベクトル記憶部８により記憶されている劣化要因別の特徴ベクトルＣの中から、特徴ベクトルＡと類似している特徴ベクトルＣを検索することで、機器の劣化要因を特定する（図４のステップＳＴ７）。
以下、劣化要因特定部９による劣化要因の特定処理を具体的に説明する。

劣化要因特定部９は、特徴ベクトル生成部５から出力された特徴ベクトルＡと、代表ベクトル記憶部８により記憶されている劣化要因別の特徴ベクトルＣとの類似度をそれぞれ算出する。
例えば、劣化要因特定部９は、特徴ベクトルＡと特徴ベクトルＣとの類似度として、特徴ベクトルＡと特徴ベクトルＣとの相関係数の絶対値を算出する。相関係数の絶対値は、類似度が高いほど、大きな値になる。相関係数の絶対値の算出処理自体は、公知の技術であるため、詳細な説明を省略する。

劣化要因特定部９は、特徴ベクトルＡと、劣化要因別の特徴ベクトルＣとの類似度をそれぞれ算出すると、それぞれ算出した類似度を比較することで、劣化要因別の特徴ベクトルＣの中で、特徴ベクトルＡとの類似度が最も高い特徴ベクトルＣを特定する。
劣化要因特定部９は、機器の劣化要因の特定結果として、特定した特徴ベクトルＣに付加されている劣化要因ラベルを出力する。

ここでは、劣化要因特定部９が、特徴ベクトルＡとの類似度が最も高い特徴ベクトルＣに付加されている劣化要因ラベルを出力する例を示しているが、最も高い類似度が事前に設定されている閾値に満たない場合、特定した特徴ベクトルＣに付加されている劣化要因ラベルを出力しないようにしてもよい。
また、劣化要因特定部９は、それぞれ算出した類似度の中に、閾値以上の類似度が複数存在する場合、閾値以上の類似度を有する複数の特徴ベクトルＣに付加されている劣化要因ラベルをそれぞれ出力するようにしてもよい。

ここでは、劣化要因特定部９が、機器の劣化要因の特定結果として、特定した特徴ベクトルＣに付加されている劣化要因ラベルを出力する例を示している。
劣化要因特定部９は、劣化要因ラベルのほかに、例えば、特徴ベクトル生成部５から出力された特徴ベクトルＡに対応する劣化パターンＡ及び特定した特徴ベクトルＣに対応する劣化パターンＢなどを出力するようにしてもよい。

以上で明らかなように、この実施の形態１によれば、交流電圧の位相と計測信号の信号強度との分布を示す劣化パターンを生成する劣化パターン生成部３と、劣化パターンの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、算出した勾配ベクトルから、互いに異なる位相範囲毎に、当該位相範囲での信号密度の勾配方向のヒストグラムをそれぞれ算出するヒストグラム算出部４と、各々の位相範囲でのヒストグラムのビンの値が並べられている特徴ベクトルを生成する特徴ベクトル生成部５とを設けている。そして、劣化要因特定部９が、劣化要因別の特徴ベクトルの中から、特徴ベクトル生成部５により生成された特徴ベクトルと類似している特徴ベクトルを検索することで、機器の劣化要因を特定する。
これにより、劣化要因判定モデルを学習しているニューラルネットワークを事前に用意することなく、機器の劣化要因を特定することができる効果を奏する。

実施の形態２．
上記実施の形態１では、経年劣化診断装置が、機器の劣化状態を診断する際、診断信号入力部１から複数の時刻の位相信号と、複数の時刻の計測信号とが劣化パターン生成部３に与えられる例を示している。
この実施の形態２では、センサの計測信号から、機器における劣化の有無を判定し、劣化が有ると判定する場合に限り、センサの計測信号と、当該計測信号の計測時刻と同じ時刻の位相信号とが劣化パターン生成部３に与えられる例を説明する。

図９は、この発明の実施の形態２による経年劣化診断装置を示す構成図である。図１０は、この発明の実施の形態２による経年劣化診断装置を示すハードウェア構成図である。
図９及び図１０において、図１及び図２と同一符号は同一または相当部分を示すので説明を省略する。
劣化判定部１０は、例えば図１０に示す劣化判定回路３０で実現される。
劣化判定部１０は、機器の劣化状態を計測しているセンサの計測信号から、機器における劣化の有無を判定する処理を実施する。
劣化判定部１０は、劣化が有ると判定する場合に限り、センサの計測信号と、当該計測信号の計測時刻と同じ計測時刻の位相信号とを劣化パターン生成部３に出力する処理を実施する。

図９では、経年劣化診断装置の構成要素である既知信号入力部２、劣化パターン生成部３、ヒストグラム算出部４、特徴ベクトル生成部５、特徴ベクトル記憶部６、代表ベクトル算出部７、代表ベクトル記憶部８、劣化要因特定部９及び劣化判定部１０のそれぞれが、図１０に示すような専用のハードウェアで実現されるものを想定している。即ち、既知信号入力回路２２、劣化パターン生成回路２３、ヒストグラム算出回路２４、特徴ベクトル生成回路２５、特徴ベクトル記憶回路２６、代表ベクトル算出回路２７、代表ベクトル記憶回路２８、劣化要因特定回路２９及び劣化判定回路３０で実現されるものを想定している。

既知信号入力回路２２、劣化パターン生成回路２３、ヒストグラム算出回路２４、特徴ベクトル生成回路２５、代表ベクトル算出回路２７、劣化要因特定回路２９及び劣化判定回路３０は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、または、これらを組み合わせたものが該当する。
経年劣化診断装置の構成要素は、専用のハードウェアで実現されるものに限るものではなく、経年劣化診断装置がソフトウェア、ファームウェア、または、ソフトウェアとファームウェアとの組み合わせで実現されるものであってもよい。

経年劣化診断装置がソフトウェア又はファームウェアなどで実現される場合、特徴ベクトル記憶部６及び代表ベクトル記憶部８を図３に示すコンピュータのメモリ４１上に構成するとともに、既知信号入力部２、劣化パターン生成部３、ヒストグラム算出部４、特徴ベクトル生成部５、代表ベクトル算出部７、劣化要因特定部９及び劣化判定部１０の処理手順をコンピュータに実行させるためのプログラムをメモリ４１に格納し、コンピュータのプロセッサ４２がメモリ４１に格納されているプログラムを実行するようにすればよい。

次に動作について説明する。
劣化判定部１０以外の処理内容は、上記実施の形態１と同様であるため、ここでは、劣化判定部１０の処理内容だけを説明する。
図１１は、この発明の実施の形態２による経年劣化診断装置の劣化判定部１０における処理内容を示すフローチャートである。

上記実施の形態１では、センサの計測信号は、既に機器が劣化している状態で計測している信号であるのか、機器が正常な状態で計測している信号であるのかを区別されることなく、劣化パターン生成部３に与えられる。
センサの計測信号が、機器が正常な状態で計測している信号である場合、劣化要因特定部９から劣化要因ラベルが出力されなくなる。
しかし、劣化要因特定部９から劣化要因ラベルが出力されない理由が、機器が正常な状態であるからなのか、機器の劣化要因が既知の劣化要因ではないからなのかは、分からないため、ユーザが機器の取り扱いに困ることがある。
また、機器が正常な状態であれば、劣化要因の判定処理を実施する必要がないため、劣化パターン生成部３、ヒストグラム算出部４、特徴ベクトル生成部５及び劣化要因特定部９の処理が無駄になる。

そこで、この実施の形態２では、センサの計測信号が、機器が正常な状態で計測している信号であれば、計測信号を劣化パターン生成部３に与えないようにして、劣化パターン生成部３、ヒストグラム算出部４、特徴ベクトル生成部５及び劣化要因特定部９における無駄な処理を省略するようにしている。
また、劣化要因特定部９から劣化要因ラベルが出力されない理由として、機器が正常な状態であるという理由が含まれないようにしている。

劣化判定部１０は、機器の劣化を診断する際、センサにより一定時間間隔Ｔで計測された複数の時刻の計測信号を入力する（図１１のステップＳＴ１１）。
また、劣化判定部１０は、診断対象の機器に印加されている交流電圧の位相を示す複数の時刻の位相信号を入力する（図１１のステップＳＴ１１）。
劣化判定部１０は、入力したセンサの計測信号から、機器における劣化の有無を判定する（図１１のステップＳＴ１２）。
以下、劣化判定部１０による劣化の有無の判定処理を具体的に説明する。

劣化判定部１０は、例えば、センサの計測信号が、機器の劣化に伴って増加する傾向がある場合、センサの計測信号と、事前に設定されている劣化状態判定用の閾値とを比較する。
劣化判定部１０は、センサの計測信号が閾値以上であれば、機器の劣化が有ると判定する。
劣化判定部１０は、センサの計測信号が閾値未満であれば、機器の劣化が無いと判定する。
例えば、診断対象の機器が高圧電力機器である場合、機器の劣化の進行度と、部分放電の強度とが比例関係にあるため、センサの計測信号が部分放電の強度を計測している信号であれば、センサの計測信号は、機器の劣化に伴って信号値が大きくなることが想定される。

また、部分放電の強度は、機器の温度変化又は振動の発生によっても変化するため、劣化判定部１０は、事前に、部分放電の強度と、温度又は振動との関係をモデル化するようにしてもよい。
この場合、劣化判定部１０は、モデルを用いて、センサの計測信号を温度補正又は振動補正し、補正後の計測信号が閾値以上であれば、機器の劣化が有ると判定するようにしてもよい。
また、機器の劣化の進行度と、部分放電の発生数とは比例関係にあるため、センサが、計測信号として、部分放電の発生数をカウントし、劣化判定部１０が、一定時間内の部分放電の発生数から、劣化の進行度を求めるようにしてもよい。

ここでは、劣化判定部１０が、センサの計測信号と閾値を比較することで、劣化の有無を判定する例を示しているが、例えば、以下のように判定してもよい。
劣化判定部１０は、例えば、設計知識、物理法則又は正常時の機器データを用いた機械学習等を実施することで、機器の正常時における計測信号を推定するモデルを構築する。
劣化判定部１０は、モデルにより推定される機器の正常時における計測信号と、センサの計測信号との差分が閾値以上であれば、機器の劣化が有ると判定し、その差分が閾値未満であれば、機器の劣化が無いと判定する。

劣化判定部１０は、劣化が有ると判定すれば（図１１のステップＳＴ１３：ＹＥＳの場合）、センサの計測信号に付加されているタイムスタンプと、入力された位相信号に付加されているタイムスタンプとを比較する。
センサの計測信号に付加されているタイムスタンプは、計測信号の計測時刻を示し、位相信号に付加されているタイムスタンプは、位相信号の計測時刻を示している。
劣化判定部１０は、タイムスタンプの比較結果を参照して、入力された複数の時刻の位相信号の中から、劣化が有ると判定した際の計測信号の計測時刻と同じ計測時刻の位相信号を特定する。

劣化判定部１０は、劣化が有ると判定した際の計測信号と、特定した位相信号との組を劣化パターン生成部３に出力する（図１１のステップＳＴ１４）。
劣化判定部１０は、劣化が無いと判定すれば（図１１のステップＳＴ１３：ＮＯ
の場合）、劣化が無いと判定した際の計測信号については劣化パターン生成部３に出力しない。
劣化判定部１０は、劣化が無いと判定した場合、劣化が無い旨を示す判定結果を出力するようにしてもよい。

以上で明らかなように、この実施の形態２によれば、機器の劣化状態を計測しているセンサの計測信号から、機器における劣化の有無を判定し、劣化が有ると判定する場合に限り、計測信号と、計測信号の計測時刻と同じ計測時刻の位相信号とを劣化パターン生成部３に出力する劣化判定部１０を備えるように構成したので、劣化要因を特定する必要がない正常時における劣化要因の判定処理を省略することができる。
また、劣化要因特定部９から劣化要因ラベルが出力されないとき、劣化要因ラベルが出力されない理由として、機器が正常な状態であるという理由を排除することができる。

なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

この発明は、機器の劣化要因を出力する経年劣化診断装置及び経年劣化診断方法に適している。

１ 診断信号入力部、２ 既知信号入力部、３ 劣化パターン生成部、４ ヒストグラム算出部、５ 特徴ベクトル生成部、６ 特徴ベクトル記憶部、７ 代表ベクトル算出部、８ 代表ベクトル記憶部、９ 劣化要因特定部、１０ 劣化判定部、２１ 診断信号入力回路、２２ 既知信号入力回路、２３ 劣化パターン生成回路、２４ ヒストグラム算出回路、２５ 特徴ベクトル生成回路、２６ 特徴ベクトル記憶回路、２７ 代表ベクトル算出回路、２８ 代表ベクトル記憶回路、２９ 劣化要因特定回路、３０ 劣化判定回路、４１ メモリ、４２ プロセッサ。

Claims (7)

1. 診断対象の機器に印加されている交流電圧の位相を示す複数の時刻の位相信号と、前記機器の劣化状態を計測しているセンサの複数の時刻の計測信号とから、前記交流電圧の位相と前記計測信号の信号強度との分布を示す劣化パターンを生成する劣化パターン生成部と、
   前記劣化パターン生成部により生成された劣化パターンの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、前記算出した勾配ベクトルから、互いに異なる位相範囲毎に、当該位相範囲での信号密度の勾配方向のヒストグラムをそれぞれ算出するヒストグラム算出部と、
   前記ヒストグラム算出部により算出された各々の位相範囲でのヒストグラムのビンの値が並べられている特徴ベクトルを生成する特徴ベクトル生成部と、
   劣化要因別の特徴ベクトルの中から、前記特徴ベクトル生成部により生成された特徴ベクトルと類似している特徴ベクトルを検索することで、前記機器の劣化要因を特定する劣化要因特定部と
   を備えた経年劣化診断装置。
2. 前記劣化パターン生成部は、第１の軸が交流電圧の位相で、第２の軸が計測信号の信号強度である平面を複数のブロックに分割し、前記劣化パターンとして、分割した各々のブロックに属する前記位相信号及び前記計測信号の組数を示すパターンを生成することを特徴とする請求項１記載の経年劣化診断装置。
3. 前記ヒストグラム算出部は、前記劣化パターン生成部により生成された劣化パターンが示す各々のブロックに属する前記位相信号及び前記計測信号の組数から、各々のブロックである分布点における信号密度の勾配ベクトルをそれぞれ算出することを特徴とする請求項２記載の経年劣化診断装置。
4. 劣化要因が既知である特徴ベクトルを記憶する特徴ベクトル記憶部と、
   前記特徴ベクトル記憶部により記憶されている特徴ベクトルの中から、劣化要因が同一である複数の特徴ベクトルを収集し、収集した複数の特徴ベクトルから、当該劣化要因の代表ベクトルを算出する代表ベクトル算出部と、
   前記劣化要因別の特徴ベクトルとして、前記代表ベクトル算出部により算出された代表ベクトルを記憶する代表ベクトル記憶部とを備えたことを特徴とする請求項１記載の経年劣化診断装置。
5. 前記劣化要因特定部は、前記劣化要因別の特徴ベクトルと、前記特徴ベクトル生成部により生成された特徴ベクトルとの類似度をそれぞれ算出し、算出した各々の類似度を比較することで、前記劣化要因別の特徴ベクトルの中から、前記特徴ベクトル生成部により生成された特徴ベクトルと類似している特徴ベクトルを検索することを特徴とする請求項１記載の経年劣化診断装置。
6. 前記機器の劣化状態を計測しているセンサの計測信号から、前記機器における劣化の有無を判定し、劣化が有ると判定する場合に限り、前記計測信号と、前記計測信号の計測時刻と同じ計測時刻の位相信号とを前記劣化パターン生成部に出力する劣化判定部を備えたことを特徴とする請求項１記載の経年劣化診断装置。
7. 劣化パターン生成部が、診断対象の機器に印加されている交流電圧の位相を示す複数の時刻の位相信号と、前記機器の劣化状態を計測しているセンサの複数の時刻の計測信号とから、前記交流電圧の位相と前記計測信号の信号強度との分布を示す劣化パターンを生成し、
   ヒストグラム算出部が、前記劣化パターン生成部により生成された劣化パターンの各分布点における信号密度の勾配ベクトルをそれぞれ算出し、前記算出した勾配ベクトルから、互いに異なる位相範囲毎に、当該位相範囲での信号密度の勾配方向のヒストグラムをそれぞれ算出し、
   特徴ベクトル生成部が、前記ヒストグラム算出部により算出された各々の位相範囲でのヒストグラムのビンの値が並べられている特徴ベクトルを生成し、
   劣化要因特定部が、劣化要因別の特徴ベクトルの中から、前記特徴ベクトル生成部により生成された特徴ベクトルと類似している特徴ベクトルを検索することで、前記機器の劣化要因を特定する
   経年劣化診断方法。

Images