WO2020144965A1 - 電力変換装置、回転機システム、及び診断方法 - Google Patents

Abstract

電力変換装置は、相電流を計測する電流計測部と、相電流に三相二相変換を実行して電流ベクトルを算出する電流ベクトル算出部と、電流ベクトルに基づいて分析対象量を算出する分析対象量算出部と、分析対象量に基づいて、特定周波数範囲の波形を抽出する特徴量波形抽出部とを有する。

Description

電力変換装置、回転機システム、及び診断方法

　本発明は、電力変換装置、モータや発電機といった回転機を備えた回転機システム、及び診断方法に関する。

　モータや発電機といった回転機が突発故障により停止すると、大きな損害が発生する。特に工場設備等に用いられる回転機の突発故障による停止は、生産設備の稼働率低下や生産計画の見直しを余儀なくされるなど、影響が大きい。そのため、実環境で使用している状態のまま高精度に故障予兆診断を実施し、回転機の突発故障を防止するニーズが高まっている。

　そのようなニーズを受けて、回転機の稼働時電流を計測し、その波形を周波数解析し、各種異常を診断する技術が開示されている。しかしながら、これらの技術では、周波数解析を実行するだけの計算機能力（計算速度、及びメモリ量）が必要になるため、汎用インバータなどの電力変換装置には診断機能を搭載できず、産業用ＰＣなどの計算機を用意する必要があった。そのため診断装置が一般に高価となり、費用対効果が見込める少数の現場にしか導入が進んでいないという問題があった。

　一方、より安価な装置で異常診断することを前提に、周波数解析をせずに異常を検出する技術もこれまでに提案されている。例えば特許文献１には、零相電流、相電流、相電圧を計測して４種類の異なる異常（地絡、レヤショート、ベアリング不良、トルク異常）を検出する技術が開示されている。特にベアリング不良に関しては、相電流からバンドパスフィルタで出力周波数±２０Ｈｚの成分を切り出し、出力周波数を除く周波数帯域で基準値と比較して異常診断している。

ＷＯ２０１４／１５６３８６

　特許文献１は、安価な装置で異常診断する技術ではあるが、相電流に対し、出力周波数をまたぐ形でバンドパスフィルタを適用しているため、中央に位置する出力周波数成分を別途除去する必要がある。しかし、検出したい異常兆候と比較して出力周波数成分は非常に大きいため、異常検知感度の低下を招かずに除去するのは困難という問題があった。

　そこで、低コストで、しかも、異常検知感度を低下させないことにより早期に故障の予兆を検知できる技術が望まれる。

　本発明は、低コストかつ早期に故障の予兆を検知することを目的とする。

　本発明の好ましい一例は、相電流を計測する電流計測部と、相電流に三相二相変換を実行して電流ベクトルを算出する電流ベクトル算出部と、電流ベクトルに基づいて分析対象量を算出する分析対象量算出部と、分析対象量に基づいて、特定周波数範囲の波形を抽出する特徴量波形抽出部とを有する電力変換装置である。

　また、本発明の好ましい他の例は、回転機と、回転機と接続した電力変換装置とを有する回転機システムであって、相電流を計測する電流計測部と、相電流に三相二相変換を実行して電流ベクトルを算出する電流ベクトル算出部と、電流ベクトルに基づいて分析対象量を算出する分析対象量算出部と、分析対象量に基づいて、特定周波数範囲の波形を抽出する特徴量波形抽出部と、抽出した波形に基づいて異常度を算出する異常度算出部とを有する回転機システムである。

　また、本発明の好ましい他の例は、電力変換装置を備えたシステムを診断する診断方法であって、電力変換装置は、相電流を計測し、相電流に三相二相変換を実行して電流ベクトルを算出し、電流ベクトルに基づいて分析対象量を算出し、分析対象量に基づいて、特定周波数範囲の波形を抽出する診断方法である。

　本発明によれば、低コストかつ早期に故障の予兆を検知することができる。

実施例１における電力変換装置、及びそれを用いた回転機システムの基本構成図。 実施例１の電力変換装置が備える、回転機システムの異常を診断するフローチャート。 実施例１において計測される代表的な相電流波形を示す図。 実施例１において算出される代表的な電流ベクトルノルム波形を示す図。 実施例１において算出される代表的な電流ベクトルノルム波形の周波数スペクトル。 実施例１において算出される代表的な電流ベクトルノルム波形の周波数スペクトルの、正常状態と異常状態の比較図。 実施例１において算出される代表的な特徴量波形を示す図。 実施例２の回転機システムの異常を診断するフローチャート。 実施例３の回転機システムの異常を診断するフローチャート。 電力変換装置、及びそれを用いた回転機システムを組み込んだポンプの概略図。

　以下、本発明の実施例を、図面を用いて説明する。

　図１は、実施例１における電力変換装置、及びそれを用いた回転機システムの基本構成図である。本回転機システムは、主回路１１と電流センサ１２ａ、１２ｂを備える電力変換装置１０と、電力変換装置１０と接続されて電力の授受を行う電源２０及び回転機３０を備える。回転機には軸受３１が備えられ、回転軸の先には負荷機械４０が接続されている。電力変換装置１０は、さらに、電流センサ１２ａ、１２ｂで検出した相電流を計測する電流計測部１３と、計測された相電流に対して三相二相変換を実施し電流ベクトルを算出する電流ベクトル算出部１４と、回転機３０の回転周波数を推定する回転周波数推定部１５と、算出された電流ベクトルに基づいて分析対象量を算出する分析対象量算出部１６と、推定された回転周波数と分析対象量に基づいて特定された周波数範囲の波形を抽出する特徴量波形抽出部１７と、抽出した波形から異常度を算出する異常度算出部１８と、診断結果を出力する出力部１９といった機能を備える。それらの機能は、記録部にプログラムとして格納され、電力変換装置１０のマイコンなどの制御部（図示省略）が、プログラムを読み出して、各機能を実行する。

　図１では、２相について相電流を検出する電流センサ１２ａ、１２ｂを設置しているが、３相の相電流それぞれに電流センサを設置してもよい。また、電力変換装置内に設置した制御用の電流センサとは別に、診断用の性能を備えた電流センサを、回転機３０などの電力変換装置１０の外部に設置する構成としてもよい。

　回転機３０の軸受３１において何らかの潤滑不具合が発生し、全体的な摩擦変動が大きくなると、相電流の基本波周波数の周辺（例えば±２０Ｈｚ）の平均的なスペクトルレベルが上昇する。ここで、相電流の基本波周波数は電力変換装置の出力周波数である。従来は、ＦＦＴ（高速フーリエ変換）などの周波数解析を実施して、潤滑不具合の兆候を検出していた。そのため、電力変換装置が通常備える制御用マイコンではメモリ量や計算速度が追いつかず、高価な計測機器を追加で設置する必要があった。

　そこで、実施例１では、電力変換装置１０が通常備えるマイコンと電流センサを使用し、異常兆候が現れる周波数範囲のみを周波数解析せずにフィルタで切り出す。具体的には、三相二相変換後の電流ベクトルノルムもしくはトルク電流をフィルタに通して、零と回転周波数とに挟まれた周波数範囲の波形を抽出し、軸受の全体的な摩擦変動の増加などの異常を検出する。なお軸受の局所的な傷に対応する特徴周波数が零と回転周波数とに挟まれた周波数範囲に入る場合は、その兆候を検出可能である。

　図２は、実施例１の電力変換装置１０が備える、回転機システムの異常を診断するフローチャートである。最初に、ステップＳ１００にて、診断モードを起動する。電力変換装置１０の設定項目から選択する方法のほか、診断モードを起動する機械式ボタンを押す形でもよいし、ディスプレイに表示された「診断モード」ボタンをタッチする形でもよい。あるいは特定の日時に自動的に起動するように設定してもよいし、相電流の基本波周波数の振幅が、ある特定の時間継続して、ある特定の範囲に入ったときに自動的に起動するように設定してもよい。あるいは、特定の回転機制御動作の前、または後に自動的に起動するように設定してもよい。

　次に、電流計測部１３は、電流センサ１２ａ、１２ｂで検出した電流を入力して、少なくとも２相の相電流を計測する（ステップＳ１０１）。あるいは、全ての相の相電流を計測してもよい。電流計測は、電力変換装置１０が回転機３０を駆動するために生成する電圧パルスと同期して実施される。すなわち、電流センサ１２ａ、１２ｂからの信号を、電圧パルスと同期してサンプリングする。サンプリングは電圧パルス１回につき１回でもよいし、２回でもよい。電圧パルス複数回につき１回でもよい。例えば電圧パルス１回につき２回サンプリングすることで得た２相の相電流波形の例を図３に示す。

　次に、電流ベクトル算出部１４は、計測された相電流に対して下記の式（１）に従って三相二相変換を実施し、電流ベクトルを算出する（ステップＳ１０２）。図１の電力変換装置１０では２相の相電流しか計測していないので、残る１相の相電流としては、式（２）が満たされると仮定して導出した値を用いる。

ここで、i_Ｕ、i_Ｖ、ｉ_Ｗは、Ｕ相、Ｖ相、Ｗ相の各相の計測電流を示し、i_α、i_βは、三相二相変換後の二相の固定軸α軸とβ軸での電流成分を示す。

次に、分析対象量算出部１６は、得られた電流ベクトルに対して、式（３）で表現される分析対象量のひとつである電流ベクトルノルムを算出する（ステップＳ１０３）。

　図４は、正常状態の回転機３０と異常状態の回転機３０に対して、算出した電流ベクトルノルムと時刻との関係を示す図である。なお異常状態の回転機３０としては、正常状態の回転機３０から軸受のグリースを減少させたもので代表させている。

　さらに、式（４）を用いて、電流ベクトルを回転座標系に変換して、ｑ軸電流（トルク電流）を算出し、それを電流ベクトルノルムの代わりに、分析対象量として以後の分析に用いてもよい。式（４）に現れる回転子位置θは、回転機３０に設置されたレゾルバやエンコーダといった回転位置センサの信号から得てもよいし、回転機３０の速度起電力や電流に含まれる情報から推定してもよい。

ここで、i_ｄ、i_ｑは、それぞれd軸電流、q軸電流を示し、θは回転位置を示す。

　理想的な三相交流であれば、電流ベクトルノルムやトルク電流の周波数スペクトルにおいては、基本波周波数成分は直流成分のピークに変換され、さらに、直流成分に対して回転周波数成分のピークが１つ有る周波数スペクトルとなる。相電流の周波数スペクトルは、１つの基本波周波数成分のピークと、その前後に±回転周波数成分のピークが２つ現れることから、両者は異なる周波数スペクトルとなる。

　一方、分析対象量算出部１６と並行して回転周波数推定部１５は、回転機３０の回転周波数を推定する（ステップＳ１０４）。分析対象量算出部１６がステップＳ１０３にて回転子位置推定を実施する場合は、それと同時に回転周波数も推定可能である。回転位置センサが回転機３０に設置されていない場合には、電力変換装置１０の出力周波数、及び回転機３０の極数から、回転周波数を推定してもよい。電力変換装置１０の出力周波数は、相電流の情報から推定するか制御指令の情報から抽出する。

　誘導モータで最大で数％程度発生するすべりを無視すれば、電力変換装置１０の出力周波数、及び回転機３０の極数から、回転周波数を推定するには、次のようにする。回転周波数＝電力変換装置の出力周波数／極対数、であるから、例えば出力周波数が５０Ｈｚ、４極（極対数２）であれば回転周波数は２５Ｈｚと推定する。もし出力周波数が３０Ｈｚ、６極（極対数３）であれば回転周波数は１０Ｈｚと推定する。出力周波数が１００Ｈｚ、２極（極対数１）であれば回転周波数は１００Ｈｚと推定する。

　分析対象量算出部１６で算出された分析対象量と回転周波数推定部１５で推定した回転周波数の結果を受けて、特徴量波形抽出部１７は、電流ベクトルノルムもしくはトルク電流に対して、特定された周波数範囲である零と回転周波数とに挟まれた周波数範囲の波形を抽出する（ステップＳ１０５）。実施例１の電力変換装置１０が備える診断アルゴリズムにおいては周波数解析を実施しないので、どのような周波数スペクトルになっているかを診断中に知ることはできない。ここではアルゴリズムを説明するためにのみ周波数スペクトルを用いる。

　図５は、正常状態の回転機３０と異常状態の回転機３０に対して、先に算出した電流ベクトルノルムの周波数スペクトルを示した図である。図６は、図５の電流ベクトルノルムの周波数スペクトルを重ねた図である。

　これを見ると、０Ｈｚから２０Ｈｚの範囲で両者の差が顕著であることが分かる。これは、従来から知られていた、軸受の異常によって相電流の基本波周波数±２０Ｈｚのスペクトルレベルが上昇する現象に対応するものである。

　電流ベクトルノルムもしくはトルク電流は、相電流の基本波周波数成分は直流（０Ｈｚ）成分に変換され、最大の成分となる。また正常範囲の回転機３０であっても若干の偏心が許容されていることから、回転周波数（図５の例では２５Ｈｚ）にも若干のピークが立つことが知られている。そのため、周波数解析をせずに異常を高感度に検知するには、正常データに含まれる主たる成分である直流成分と回転周波数成分を十分に除去する必要がある。

　そこで実施例１では、特徴量波形抽出部１７が、直流成分と回転周波数成分とに挟まれた周波数範囲をフィルタで逐次的に切り出す。周波数解析をするときのように一定期間のデータを蓄積する必要がないので、メモリ量が少なくても実行できる。挟まれた周波数範囲には、検出感度を高めるために直流成分と回転周波数成分は含まない。

　また、回転周波数推定部１５で推定した回転周波数に基づいて、回転周波数が変化したときは、回転周波数成分を拾ってしまわぬように、必要に応じて抽出する周波数範囲を変更する。そのために、周波数範囲が変更した後に対応した複数の異なる伝達特性を備えたフィルタを、予め、用意して、周波数範囲を変更できるようにしてもよい。もしくは、フィルタのパラメータを、回転周波数の関数にしておいて、回転周波数の変更に追随してフィルタのパラメータを変更するようにしてもよい。ここで、フィルタのパラメータとしては、カットオフ周波数がある。

　回転周波数成分を拾ってしまわぬように抽出する周波数を変更することで、回転機の可変速運転にも対応できる。ただし回転周波数が低くなるほど切り出す範囲が狭くなるため、異常を検知する感度は低下する。

　直流成分を十分に減衰させるには、ハイパスフィルタを用いる。また回転周波数成分を十分に減衰させるには、ローパスフィルタを用いる。あるいは、バンドパスフィルタで直流成分と回転周波数成分を共に減衰させてもよい。

　電流計測に誤差があって、三相にアンバランスがあると、電流ベクトルノルムやトルク電流にも基本波周波数成分が若干残ってしまうということがある。フィルタの性能が十分であれば、回転周波数が減衰し、それより高周波の基本波周波数成分も減衰できるが、低コスト設計でフィルタ性能が不十分の場合、回転周波数は減衰できたが基本波周波数成分が残る場合がありえる。そこで、低コストで、基本波周波数成分を除去するために、狭帯域のバンド除去フィルタであるノッチフィルタを、ローパスフィルタ、バンドパスなどに追加してもよい。

　多くの回転機システムにおいて、電流ベクトルノルムもしくはトルク電流の直流成分（相電流の基本波周波数成分に相当）の振幅を１としたとき、回転周波数成分の振幅は１０^－４～１０^－３程度であること。零と回転周波数とに挟まれた周波数範囲のレベルは正常状態で１０^－５～１０^－４程度であること。そして異常状態で１０^－４～１０^－３程度であることを、発明者は、回転機システムの長年に渡る研究により、見出した。そのため、直流成分と回転周波数成分を十分に減衰させて異常を高感度に検出するには、フィルタが急峻である必要がある。少なくとも、通過域の利得に対する阻止域の利得の比を１％以下に設定し、かつ遷移域が回転周波数の半分以下、望ましくは回転周波数の１／３以下となるように設定するのがよい。

　上記の条件を満たすフィルタで、零と回転周波数とに挟まれた周波数範囲を切り出すことで得られる特徴量波形の例を図７に示す。正常状態と比較して、異常状態では振幅が大きくなっていることが分かる。

　次に、異常度算出部１８は、特徴量波形抽出部１７で得られた波形から異常度を算出する（ステップＳ１０６）。例えば、得られた波形の絶対値もしくは二乗値を一定時間合算したものを異常度とする。あるいは、算出した異常度を、相電流の基本波周波数成分の振幅、あるいは電流ベクトルノルムもしくはトルク電流から抽出した直流成分で規格化してもよい。そうすることで、負荷変動で直流成分が時間変化する場合でも診断可能となる。また、異常度を外部に送信する場合に、通信負荷を軽減できる。

　そして、異常度算出部１８は算出した異常度があらかじめ設定した閾値を超えているか否かを判定することで故障の予兆を判定する（ステップＳ１０７）。異常度が閾値を超えていた場合は故障予兆ありと診断して警告を発するように出力部１９に指示する。閾値は、試験機等で別途検討した結果で決定してもよいし、実環境での学習で決めてもよい。例えば、学習期間中に複数回異常度を算出し、その平均値及び変動幅を求め、誤報を生じないレベルに閾値を設定する。

　また、機械学習等で精密診断できるように、算出した異常度を、回転機３０の運転状態を規定するその他のパラメータと共に出力するようにしてもよい。そのような多変数データをロガー等で記録し、ベクトル量子化クラスタリングなどの機械学習のアルゴリズムで分析すれば、閾値判定では検知できなかったような微弱な異常も検知できる可能性がある。

　最後に、出力部１９は、異常度や故障予兆判定結果などの診断結果を出力（ステップＳ１０８）して診断を完了する。出力方法はディスプレイ、ランプ、ブザーなど人間の五感に訴えるものでもよいし、紙や電子ファイルに記録されるものでもよい。あるいは通信ネットワークを経由して送信してもよい。

　異常度算出部１８や出力部１９は、電力変換装置１０の外部の計算機に配置し、特徴量波形抽出部１７から抽出した波形をネットワーク経由で取得するようにしてもよい。また、ステップＳ１０７の処理のため、故障予兆判定部を異常度算出部１８と独立して構成してもよい。また、故障予兆判定部を、電力変換装置１０とネットワークで接続された計算機に配置し、異常度算出部１８が算出した異常度をネットワーク経由で計算機に送り、外部の計算機で故障予兆判定をするようにしてもよい。

　実施例１によれば、計算負荷の大きい周波数解析を実施しないので、電力変換装置１０に搭載されたマイコン及び電流センサで診断を実行できる。また電流ベクトルノルムもしくはトルク電流の直流成分と回転周波数成分という、正常範囲の回転機のデータに含まれる主たる成分を効率よく除去できる診断アルゴリズムを備えている。そのため、高感度な診断が可能となり、早期に故障予兆を検知できる。よって、低コストかつ早期に回転機システムの故障の予兆を検知する機能を備えた電力変換装置、及びそれを用いた回転機システムを実現できる。

　さらに、分析対象量算出部で電流ベクトルノルムやトルク電流を算出することにより、基本波周波数成分は直流成分となり、特徴量波形抽出部１７は、その成分を除去するために微分をすればよいので、簡単化できる。

　また、実施例１では、分析対象量に変換することで、基本波周波数と回転周波数は、全体的に低周波数に変換される。そのため、抽出する周波数範囲を低くでき、サンプリングも低速ですむため低コスト化が可能となる。

　さらに、特許文献１は、回転周波数にかかわらず±２０Ｈｚの範囲を切り出しているので、回転周波数成分を切り出す場合があり、それを除去する必要がある。実施例１では、回転周波数推定部１５からの推定した回転周波数に基づいて特徴量波形抽出部１７が、回転周波数が変化しても、抽出する周波数範囲を変更することで、回転周波数成分を拾わないようにできる。

　図８は、実施例２の電力変換装置１０による回転機システムの異常を診断するフローチャートである。図８におけるステップＳ１００、ステップＳ１０２、ステップＳ１０３、ステップＳ１０６からステップＳ１０８は、図２と同様である。

　実施例１との相違点は、電流計測部１３が回転周波数の２倍よりも小さい周波数で相電流をサンプリングする（ステップＳ２０１）点である。そうすることで、回転周波数以上の周波数の成分は予め除去できるため、特徴量波形抽出部１７の処理は、回転周波数以上の周波数成分を除く必要はない。よって、特徴量波形抽出部１７は、電流ベクトルノルムもしくはトルク電流に対して零を含まない周波数範囲の波形を抽出する（ステップＳ２０４）ことになり、特徴量波形抽出部１７は簡素になる。

　また、相電流に基づいた回転周波数を推定する回転周波数推定部１５は不要となる。ただし、サンプリング周波数を決めるために、サンプリングをする前に、モータ制御指令から回転周波数は推定しておく。

　また、サンプリングする前に、ハードウェアもしくはソフトウェアでアンチエイリアシング処理を施す必要がある。具体的には、サンプリング周波数の１／２の周波数（ナイキスト周波数）以上の成分をフィルタで除去する。

　実施例２によれば、回転周波数以上の成分を除去するためのローパスフィルタやバンドパスフィルタが不要になる。

　図９は、実施例３の電力変換装置１０による回転機システムの異常を診断するフローチャートである。図９におけるステップＳ１００からステップＳ１０４、およびステップＳ１０７とステップＳ１０８は、図２と同様である。

　実施例１および実施例２との相違点は、ステップＳ３０４からステップＳ３０７である。

　実施例３では、最初に、特徴量波形抽出部１７が分析対象量としての電流ベクトルノルムもしくはトルク電流の直流成分を除去（減衰）する（ステップＳ３０４）。抽出した波形に基づいて異常度算出部１８が、第１の異常度を算出する（ステップＳ３０５）。その後で、実施例１と同様に回転周波数推定部１５で推定された回転周波数を受けて、特徴量波形抽出部１７が回転周波数以上の成分をさらに除去（減衰）する（ステップＳ３０６）。そして、抽出した波形に基づいて異常度算出部１８が第２の異常度を算出する（ステップＳ３０７）。

　第１の異常度は回転周波数成分の変化に感度があるため、回転機の偏心の度合いが悪化したのを検知できる。一方、第２の異常度は、実施例１または実施例２と同様に、軸受の全体的な摩擦変動の増加を主に検知できる。

　実施例３によれば、より幅広い回転機システムの異常を診断することができる。また、回転周波数が変化しても、抽出する周波数範囲を変更することで、回転周波数成分を拾わないようにできる。

　図１０は、実施例１から実施例３が適用される電力変換装置１０、及び回転機システムを組み込んだポンプの概略図である。電力変換装置１０と接続された回転機（モータ）３０には、羽根車４１が付いており、水などの液体を吸引・送出する。異常診断を実施するのは一定速・一定負荷で回転している時間帯が望ましいので、例えば１日の中で送水量が比較的安定する夜間などに診断を実行する。

　また、実施例１の電力変換装置１０とは異なり、図１０では、電力変換装置１０とネットワークなどで接続した計算機１００を配置し、実施例１の異常度算出部１８、故障予兆判定部、出力部１９は、計算機１００に備えるような構成としている。

　ポンプへの適用の他に、空気圧縮機、搬送テーブル、サーボプレス機や射出成形機等の工作機械、ファンといった、電力変換装置を組み込んだ回転機システムに、実施例１から実施例３は適用できる。

　上記の実施例における電力変換装置１０は、汎用インバータ、サーボアンプ、ＤＣＢＬコントローラなどの電力変換装置に適用できる。また、上記したような電力変換装置を組み込んだ回転機システムへ適用できるとともに、風力発電システム、ハイブリッド自動車、電気自動車、燃料電池車、鉄道車両などにも上記の実施例は適用可能である。

１０　　電力変換装置
２０　　電源
３０　　回転機
３１　　軸受
４０　　負荷機械

Claims (17)

1. 相電流を計測する電流計測部と、
   前記相電流に三相二相変換を実行して電流ベクトルを算出する電流ベクトル算出部と、
   前記電流ベクトルに基づいて分析対象量を算出する分析対象量算出部と、
   前記分析対象量に基づいて、特定周波数範囲の波形を抽出する特徴量波形抽出部と、
   を有することを特徴とする電力変換装置。
2. 請求項１に記載の電力変換装置において、
   前記波形に基づいて異常度を算出する異常度算出部を有することを特徴とする電力変換装置。
3. 請求項１に記載の電力変換装置において、
   前記分析対象量算出部は、
   前記分析対象量として、前記電流ベクトルのノルムもしくはトルク電流を算出することを特徴とする電力変換装置。
4. 請求項１に記載の電力変換装置において、
   前記電力変換装置は、回転機と接続し、
   前記回転機の回転周波数を推定する回転周波数推定部を有することを特徴とする電力変換装置。
5. 請求項１に記載の電力変換装置において、
   前記特定周波数範囲は、
   零と回転周波数とに挟まれた周波数範囲であることを特徴とする電力変換装置。
6. 請求項１に記載の電力変換装置において、
   前記電流計測部は、
   前記相電流を、回転周波数の２倍より小さい周波数でサンプリングすることを特徴とする電力変換装置。
7. 請求項２に記載の電力変換装置において、
   前記特徴量波形抽出部が、前記分析対象量の直流成分を除去し、
   前記異常度算出部が、第１の異常度を算出し、
   前記特徴量波形抽出部が、前記分析対象量の回転周波数成分を除去し、
   前記異常度算出部が、第２の異常度を算出することを特徴とする電力変換装置。
8. 請求項２に記載の電力変換装置において、
   前記異常度が閾値を超えているかどうかを判定する故障予兆判定部を有することを特徴とする電力変換装置。
9. 請求項４に記載の電力変換装置において、
   前記特徴量波形抽出部は、
   前記推定した前記回転周波数に基づいて、抽出する周波数範囲を変更することを特徴とする電力変換装置。
10. 請求項２に記載の電力変換装置において、
    前記異常度算出部は、
    前記特徴量波形抽出部が抽出した前記波形の絶対値もしくは二乗値を一定時間合算したものを異常度とすることを特徴とする電力変換装置。
11. 請求項２に記載の電力変換装置において、
    前記異常度算出部は、
    前記異常度を、前記相電流の基本波周波数成分の振幅、あるいは前記分析対象量から抽出した直流成分で規格化することを特徴とする電力変換装置。
12. 請求項１に記載の電力変換装置において、
    前記特徴量波形抽出部は、ハイパスフィルタ、ローパスフィルタ、バンドパスフィルタから選択されたフィルタによって、前記特定周波数範囲の波形を抽出することを特徴とする電力変換装置。
13. 請求項１２に記載の電力変換装置において、
    前記特徴量波形抽出部は、
    基本波周波数成分を減衰させるノッチフィルタを有することを特徴とする電力変換装置。
14. 請求項８に記載の電力変換装置において、
    前記故障予兆判定部は、
    前記電力変換装置の外部に備えたことを特徴とする電力変換装置。
15. 回転機と、前記回転機と接続した電力変換装置とを有する回転機システムであって、
    相電流を計測する電流計測部と、
    前記相電流に三相二相変換を実行して電流ベクトルを算出する電流ベクトル算出部と、
    前記電流ベクトルに基づいて分析対象量を算出する分析対象量算出部と、
    前記分析対象量に基づいて、特定周波数範囲の波形を抽出する特徴量波形抽出部と、 
    前記波形に基づいて異常度を算出する異常度算出部と、
    を有することを特徴とする回転機システム。
16. 請求項１５に記載の回転機システムにおいて、
    前記電力変換装置から前記回転機に電力を供給し、
    前記回転機が回転している時間帯に、前記電力変換装置が異常診断を実行することを特徴とする回転機システム。
17. 電力変換装置を備えたシステムを診断する診断方法であって、
    前記電力変換装置は、
    相電流を計測し、
    前記相電流に三相二相変換を実行して電流ベクトルを算出し、
    前記電流ベクトルに基づいて分析対象量を算出し、
    前記分析対象量に基づいて、特定周波数範囲の波形を抽出することを特徴とする診断方法。

Images