JPWO2018229897A1 - 経年劣化診断装置及び経年劣化診断方法 - Google Patents
経年劣化診断装置及び経年劣化診断方法 Download PDFInfo
- Publication number
- JPWO2018229897A1 JPWO2018229897A1 JP2019524624A JP2019524624A JPWO2018229897A1 JP WO2018229897 A1 JPWO2018229897 A1 JP WO2018229897A1 JP 2019524624 A JP2019524624 A JP 2019524624A JP 2019524624 A JP2019524624 A JP 2019524624A JP WO2018229897 A1 JPWO2018229897 A1 JP WO2018229897A1
- Authority
- JP
- Japan
- Prior art keywords
- deterioration
- feature vector
- signal
- unit
- phase
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Testing Relating To Insulation (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
Description
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。
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。
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。
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、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、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、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、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、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、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。
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。
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。
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。
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。
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。
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、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。
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、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。
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。
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。
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、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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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。
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。
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。
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。
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。
Claims (7)
- 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。 - 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。
- 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。
- 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。 - 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。
- 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。
- 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。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/021963 WO2018229897A1 (ja) | 2017-06-14 | 2017-06-14 | 経年劣化診断装置及び経年劣化診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6602512B2 JP6602512B2 (ja) | 2019-11-06 |
JPWO2018229897A1 true JPWO2018229897A1 (ja) | 2019-11-21 |
Family
ID=64660179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019524624A Active JP6602512B2 (ja) | 2017-06-14 | 2017-06-14 | 経年劣化診断装置及び経年劣化診断方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11237200B2 (ja) |
JP (1) | JP6602512B2 (ja) |
CN (1) | CN110720046B (ja) |
BR (1) | BR112019025082A2 (ja) |
DE (1) | DE112017007532B4 (ja) |
RU (1) | RU2724455C1 (ja) |
WO (1) | WO2018229897A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3906360A4 (en) | 2018-12-31 | 2022-10-12 | Sentient Science Corporation | METHODS AND SYSTEMS FOR PREDICTING RISK OF OBSERVABLE DAMAGE IN WIND TURBINE GEARBOX COMPONENTS |
JP7297575B2 (ja) * | 2019-07-16 | 2023-06-26 | 株式会社東芝 | 部分放電診断装置、部分放電診断方法、部分放電診断システム及びコンピュータプログラム |
EP3916402B1 (en) * | 2020-05-25 | 2024-03-20 | ABB Schweiz AG | A method for monitoring the electric insulation status of a piece of equipment for mv or hv electric systems |
CN112180221B (zh) * | 2020-08-17 | 2022-06-03 | 国网浙江省电力有限公司电力科学研究院 | 基于双测度监督规则的gis未知类别局部放电识别方法 |
US11442100B2 (en) * | 2020-10-28 | 2022-09-13 | International Business Machines Corporation | Signal detection and monitoring |
CN113051713B (zh) * | 2021-03-01 | 2023-03-21 | 东方电气集团科学技术研究院有限公司 | 基于图像灰度共生矩阵多特征提取的复合材料老化预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09211060A (ja) * | 1996-01-30 | 1997-08-15 | Fuji Electric Co Ltd | 回転機巻線の絶縁診断装置 |
JP2007232495A (ja) * | 2006-02-28 | 2007-09-13 | Mitsubishi Electric Corp | 部分放電遠隔監視装置 |
US20090119035A1 (en) * | 2007-11-06 | 2009-05-07 | Abdelkrim Younsi | Method and apparatus for analyzing partial discharges in electrical devices |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU737887A1 (ru) * | 1977-12-13 | 1980-05-30 | Уфимский авиационный институт им. Орджоникидзе | Устройство дл непрерывного контрол состо ни высоковольтных изол ций |
JPH10170596A (ja) * | 1996-12-09 | 1998-06-26 | Hitachi Ltd | 絶縁機器診断システム及び部分放電検出法 |
US6088658A (en) * | 1997-04-11 | 2000-07-11 | General Electric Company | Statistical pattern analysis methods of partial discharge measurements in high voltage insulation |
FI107081B (fi) * | 1999-10-19 | 2001-05-31 | Abb Substation Automation Oy | Menetelmä ja järjestely osittaispurkauslähteiden lukumäärän selvittämiseksi |
FI107083B (fi) * | 1999-10-19 | 2001-05-31 | Abb Substation Automation Oy | Menetelmä ja järjestelmä osittaispurkauksen aiheuttajan tunnistamiseksi |
JP2001133506A (ja) | 1999-11-01 | 2001-05-18 | Hitachi Ltd | ガス絶縁機器の診断方法および装置 |
CH696646A5 (de) * | 2003-01-15 | 2007-08-31 | Alstom Technology Ltd | Verfahren zur Analyse und/oder Überwachung des Teilentladungsverhaltens eines elektrischen Betriebsmittels. |
US7952360B2 (en) * | 2007-03-14 | 2011-05-31 | General Electric Company | Method and system for passively detecting and locating wire harness defects |
KR100684741B1 (ko) * | 2006-04-25 | 2007-02-22 | 주식회사 세니온 | 배전선로 개폐장치의 부분방전을 검출하는 장치 및 방법 |
US7526391B2 (en) * | 2006-12-14 | 2009-04-28 | Bickel Jon A | Method and apparatus to evaluate transient characteristics in an electrical power system |
RU2367969C1 (ru) * | 2008-03-24 | 2009-09-20 | Общество с ограниченной ответственностью научно-производственная фирма "Квазар" | Способ автоматизированного контроля под рабочим напряжением в условиях эксплуатации состояния бумажно-масляной изоляции конденсаторного типа группы трехфазных электротехнических объектов |
US8143899B2 (en) * | 2008-04-01 | 2012-03-27 | General Electric Company | Method and apparatus for detecting partial discharges in electrical systems |
CN101408579B (zh) * | 2008-11-21 | 2012-07-25 | 重庆大学 | 变压器油纸绝缘电热老化试验及局部放电一体化检测装置 |
JP5414413B2 (ja) | 2009-08-04 | 2014-02-12 | 三菱電機株式会社 | ガス絶縁開閉装置の部分放電診断方法および部分放電診断装置 |
CN101702001A (zh) * | 2009-12-07 | 2010-05-05 | 华北电力大学 | 气体绝缘组合电器设备的放电严重程度评估方法及装置 |
CN103140766B (zh) * | 2010-07-26 | 2016-02-03 | 普睿司曼股份公司 | 用于通过部分放电分析监视电力传输系统的装置和方法 |
CN102156245B (zh) * | 2011-03-11 | 2016-08-03 | 太原理工大学 | 一种矿用高压电缆在线故障诊断及预警方法 |
JP5772956B2 (ja) * | 2011-07-01 | 2015-09-02 | 日産自動車株式会社 | 排気センサの劣化診断装置および劣化診断方法 |
AT511807B1 (de) * | 2011-08-01 | 2013-03-15 | Univ Wien Tech | Verfahren und vorrichtung zur online-erkennung einer zustandsverschlechterung einer isolierung in einer elektrischen maschine |
JP2013104677A (ja) * | 2011-11-10 | 2013-05-30 | Hioki Ee Corp | 測定結果表示装置および測定結果表示方法 |
JP5890206B2 (ja) * | 2012-03-05 | 2016-03-22 | アズビル株式会社 | ポテンショメータの劣化診断方法 |
CN103902976B (zh) * | 2014-03-31 | 2017-12-29 | 浙江大学 | 一种基于红外图像的行人检测方法 |
CN104316846B (zh) * | 2014-08-28 | 2017-07-18 | 国家电网公司 | 一种电力设备局部放电模式识别方法、装置及系统 |
RU164503U1 (ru) * | 2014-11-24 | 2016-09-10 | Марина Николаевна Дубяго | Устройство непрерывной диагностики и прогнозирования повреждений в силовых кабельных линиях в реальном времени |
CN105134619B (zh) * | 2015-09-28 | 2017-03-01 | 北京航空航天大学 | 一种基于小波能量、流形降维和动态时间规整的故障诊断与健康评估方法 |
CN106291275B (zh) * | 2016-07-27 | 2019-03-22 | 西安西热节能技术有限公司 | 一种局部放电超高频单次波形频域特征提取及识别方法 |
CN106443244B (zh) * | 2016-08-31 | 2019-05-10 | 南方电网科学研究院有限责任公司 | 用电设备类型辨识方法和系统 |
GB2565801A (en) * | 2017-08-23 | 2019-02-27 | Ea Tech Limited | System and method for detecting partial discharge in a switchgear cabinet |
-
2017
- 2017-06-14 JP JP2019524624A patent/JP6602512B2/ja active Active
- 2017-06-14 CN CN201780091542.6A patent/CN110720046B/zh active Active
- 2017-06-14 US US16/616,870 patent/US11237200B2/en active Active
- 2017-06-14 BR BR112019025082-4A patent/BR112019025082A2/pt active Search and Examination
- 2017-06-14 RU RU2019139388A patent/RU2724455C1/ru active
- 2017-06-14 WO PCT/JP2017/021963 patent/WO2018229897A1/ja active Application Filing
- 2017-06-14 DE DE112017007532.7T patent/DE112017007532B4/de active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09211060A (ja) * | 1996-01-30 | 1997-08-15 | Fuji Electric Co Ltd | 回転機巻線の絶縁診断装置 |
JP2007232495A (ja) * | 2006-02-28 | 2007-09-13 | Mitsubishi Electric Corp | 部分放電遠隔監視装置 |
US20090119035A1 (en) * | 2007-11-06 | 2009-05-07 | Abdelkrim Younsi | Method and apparatus for analyzing partial discharges in electrical devices |
Also Published As
Publication number | Publication date |
---|---|
CN110720046B (zh) | 2022-03-18 |
JP6602512B2 (ja) | 2019-11-06 |
DE112017007532T5 (de) | 2020-01-23 |
US11237200B2 (en) | 2022-02-01 |
WO2018229897A1 (ja) | 2018-12-20 |
RU2724455C1 (ru) | 2020-06-23 |
US20210172992A1 (en) | 2021-06-10 |
DE112017007532B4 (de) | 2021-03-04 |
BR112019025082A2 (pt) | 2020-06-16 |
CN110720046A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6602512B2 (ja) | 経年劣化診断装置及び経年劣化診断方法 | |
JP6673216B2 (ja) | 要因分析装置、要因分析方法とプログラム、及び、要因分析システム | |
EP3147681B1 (en) | Rotary machine diagnostic system | |
JP2018206061A (ja) | 異常診断装置及び異常診断方法 | |
JP6135192B2 (ja) | 時系列データの異常監視装置、異常監視方法及びプログラム | |
KR101348635B1 (ko) | 유도전동기 회전자의 고장 진단 장치 및 방법 | |
CN108574290B (zh) | 受迫振荡的振荡源定位方法、装置、终端及可读存储介质 | |
US20230395411A1 (en) | Data collection system, data collection apparatus, data collection method, and data collection program | |
JP2019148199A (ja) | 性能評価方法、性能評価装置、及び性能評価システム | |
JP2020008337A (ja) | 設備の異常診断装置及び異常診断方法 | |
JP2019133305A (ja) | カオス尺度補正装置及びカオス尺度補正用プログラム | |
JP6365146B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
CN108692963A (zh) | 劣化诊断装置以及方法 | |
JP6365144B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
JP6459345B2 (ja) | 変動データ管理システム及びその特異性検出方法 | |
CN113255771A (zh) | 基于多维异构差异分析的故障诊断方法及系统 | |
KR20170074418A (ko) | 서열의 유사도 측정을 위한 k-mer 변환 장치 및 방법 | |
Jensen et al. | Remaining useful life estimation of stator insulation using particle filter | |
JP2020067750A (ja) | 学習方法、装置及びプログラム、並びに設備の異常診断方法 | |
JP6365145B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
CN116881746B (zh) | 电力系统中异常数据的辨识方法、辨识装置 | |
JP7180676B2 (ja) | プロセス状態監視装置及びプロセス状態監視方法 | |
TWI795719B (zh) | 資料處理裝置 | |
CN113190406B (zh) | 一种云原生可观测性下的it实体群组异常检测方法 | |
JP6213655B2 (ja) | 時系列データの異常監視装置、異常監視方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190722 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190722 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190806 |
|
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: 20190910 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191008 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6602512 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |