特許ウォッチ

公開番号2024085056
公報種別公開特許公報(A)
公開日2024-06-26
出願番号2022199381
出願日2022-12-14
発明の名称固定子巻線の診断方法及び判定システム
出願人一般財団法人電力中央研究所
代理人個人,個人
主分類G01R 31/12 20200101AFI20240619BHJP(測定;試験)
要約【課題】固定子巻線の異常を診断することができる固定子巻線の診断方法及び判定システムを提供する。
【解決手段】正常な固定子巻線、及び異常を設けた固定子巻線を模擬体として作製し、前記模擬体で発生した部分放電を測定して発生位相角(φ)、電荷量(q)及び発生頻度(n)からなる部分放電パターンを画像化したパターン画像を作成し、前記模擬体の状態を前記パターン画像に対応づけて学習データを作成し、前記パターン画像から前記模擬体の状態を推論する判定モデルを前記学習データを用いて学習させ、診断対象の前記固定子巻線から得られた前記パターン画像を学習済みの前記判定モデルに入力し、前記判定モデルから得られた前記固定子巻線の状態に基づいて前記固定子巻線を診断する。
【選択図】図6
特許請求の範囲【請求項１】
正常な固定子巻線、及び異常を設けた固定子巻線を模擬体として作製し、
前記模擬体で発生した部分放電を測定して発生位相角（φ）、電荷量（ｑ）及び発生頻度（ｎ）からなる部分放電パターンを画像化したパターン画像を作成し、
前記模擬体の状態を前記パターン画像に対応づけて学習データを作成し、
前記パターン画像から前記模擬体の状態を推論する判定モデルを前記学習データを用いて学習させ、
診断対象の前記固定子巻線から得られた前記パターン画像を学習済みの前記判定モデルに入力し、
前記判定モデルから得られた前記固定子巻線の状態に基づいて前記固定子巻線を診断する
ことを特徴とする固定子巻線の診断方法。
続きを表示（約 1,100 文字）【請求項２】
請求項１に記載の固定子巻線の診断方法であって、
前記模擬体の状態は、前記模擬体の異常の有無であり、
前記判定モデルは、前記パターン画像から前記模擬体の異常の有無を推論する第１判定モデルであり、
前記第１判定モデルから得られた前記固定子巻線の異常の有無に基づいて前記固定子巻線を診断する
ことを特徴とする固定子巻線の診断方法。
【請求項３】
請求項１に記載の固定子巻線の診断方法であって、
前記模擬体の状態は、前記模擬体の異常の種別であり、
前記判定モデルは、前記パターン画像から前記模擬体の異常の種別を推論する第２判定モデルであり、
前記第２判定モデルから得られた前記固定子巻線の異常の種別に基づいて前記固定子巻線を診断する
ことを特徴とする固定子巻線の診断方法。
【請求項４】
正常な固定子巻線、及び異常を設けた固定子巻線を模擬体として作製し、
前記模擬体で発生した部分放電を測定して発生位相角（φ）、電荷量（ｑ）及び発生頻度（ｎ）からなる部分放電パターンを画像化したパターン画像を作成し、
前記模擬体の異常の有無又は異常の種別を前記パターン画像に対応づけて学習データを作成し、
前記パターン画像から前記模擬体の異常の有無を推論する第１判定モデル、及び前記パターン画像から前記模擬体の異常の種別を推論する第２判定モデルを前記学習データを用いて学習させ、
診断対象の前記固定子巻線から得られた前記パターン画像を学習済みの前記第１判定モデルに入力し、
前記第１判定モデルから前記固定子巻線に異常があることが得られた場合に、前記パターン画像を学習済みの前記第２判定モデルに入力し、
前記第２判定モデルから得られた前記固定子巻線の異常の種別に基づいて前記固定子巻線を診断する
ことを特徴とする固定子巻線の診断方法。
【請求項５】
固定子巻線で発生した部分放電を測定した部分放電データを画像化したパターン画像と、前記固定子巻線の状態とを対応づけた学習データを用いて機械学習することにより生成された学習済みの判定モデルと、
状態が未知である固定子巻線のパターン画像を前記学習済みの判定モデルに入力して前記固定子巻線の状態を出力する推論手段と、を備え、
前記パターン画像は、発生位相角（φ）、電荷量（ｑ）及び発生頻度（ｎ）を二次元画像として表されたものである
ことを特徴とする固定子巻線の判定システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、水力発電機などの固定子巻線を診断する診断方法及び判定システムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
水力発電機固定子巻線（以下、固定子巻線）の更新を合理的に実施するためには、固定子巻線の保守点検および診断を的確かつ効率的に行う必要がある。少子高齢化に伴う労働人口の減少は避けられない状況であり、近い将来、電力事業においても特に熟練した現場技術者の確保が難しくなり、従来通りの熟練者の高度な知識や経験に基づく保守点検および診断の実施が困難になると想定される。
【０００３】
昨今では、熟練技術者の経験に代わるものとして、設備の保守点検に関する膨大なデータを機械学習により分析し、設備異常の兆候を自動検知し診断するシステムの導入が電力業界を含め多様な業界で検討されている（例えば、特許文献１、非特許文献１参照）。機械学習手法を設備診断に導入することで、現場技術者の経験に依らずその判断をサポートでき、設備状態を現地で瞬時に判断できるため保守点検業務の効率化に貢献できる可能性がある。このため、固定子巻線の保守点検および診断に対しても機械学習手法導入への期待は大きい。
【０００４】
特許文献１は、部分放電データを主成分分析等の処理を行って次元削減し、機械学習させて電気機器が正常又は異常であるかという状態を識別している。すなわち、固定子巻線の異常をより具体的に識別するものではない。非特許文献１は、局所絶縁破壊（トリー）を診断することに特化されており他の異常を診断することができない。
【先行技術文献】
【特許文献】
【０００５】
特開２０２１－１５０９８号公報
【非特許文献】
【０００６】
穂積直裕・岡本達希、"ニューラルネットワークによる電力機器の部分放電パターンの識別"、電力中央研究所報告 W90040、財団法人電力中央研究所、平成３年８月
【発明の概要】
【発明が解決しようとする課題】
【０００７】
本発明は、上記事情に鑑み、固定子巻線の異常を診断することができる固定子巻線の診断方法及び判定システムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記目的を達成するための本発明の一態様は、正常な固定子巻線、及び異常を設けた固定子巻線を模擬体として作製し、前記模擬体で発生した部分放電を測定して発生位相角（φ）、電荷量（ｑ）及び発生頻度（ｎ）からなる部分放電パターンを画像化したパターン画像を作成し、前記模擬体の状態を前記パターン画像に対応づけて学習データを作成し、前記パターン画像から前記模擬体の状態を推論する判定モデルを前記学習データを用いて学習させ、診断対象の前記固定子巻線から得られた前記パターン画像を学習済みの前記判定モデルに入力し、前記判定モデルから得られた前記固定子巻線の状態に基づいて前記固定子巻線を診断することを特徴とする固定子巻線の診断方法にある。
【０００９】
上記目的を達成するための本発明の一態様は、固定子巻線で発生した部分放電を測定した部分放電データを画像化したパターン画像と、前記固定子巻線の状態とを対応づけた学習データを用いて機械学習することにより生成された学習済みの判定モデルと、状態が未知である固定子巻線のパターン画像を前記学習済みの判定モデルに入力して前記固定子巻線の状態を出力する推論手段と、を備え、前記パターン画像は、発生位相角（φ）、電荷量（ｑ）及び発生頻度（ｎ）を二次元画像として表されたものであることを特徴とする固定子巻線の判定システムにある。
【発明の効果】
【００１０】
本発明によれば、上記問題点を解決できる診断方法及び判定システムが提供される。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許