JP4918564B2

JP4918564B2 - Electrical equipment quality diagnosis system

Info

Publication number: JP4918564B2
Application number: JP2009054175A
Authority: JP
Inventors: 久栄中村; 幸男水野
Original assignee: Toenec Corp
Current assignee: Toenec Corp
Priority date: 2009-02-12
Filing date: 2009-02-12
Publication date: 2012-04-18
Anticipated expiration: 2029-02-12
Also published as: JP2010185861A

Description

本発明は、電気設備の正常状態において得られた特徴量を用いて、当該電気設備を診断する際の特徴量が所定の確率値の範囲内に収まっているか否かを確率計算することにより、当該設備の良否を診断する電気設備の良否診断システムに関する。 The present invention uses the feature amount obtained in the normal state of the electrical equipment, by calculating the probability whether the feature amount when diagnosing the electrical equipment is within a predetermined probability value range, The present invention relates to an electrical equipment quality diagnostic system for diagnosing the quality of the equipment.

従来、電気設備の良否を診断するシステムとして、電気設備の正常状態及び異常状態の種類に応じて予めそれぞれの状態毎にデータを用意しておき、電気設備を診断する際に当該設備から得られたデータが、どの状態のデータに近いかを比較することにより、当該設備が正常か、あるいは、どのような異常状態にあるかを診断する手法がある（特許文献１参照）。 Conventionally, as a system for diagnosing the quality of electrical equipment, data is prepared for each state in advance according to the type of normal state and abnormal state of the electrical equipment, and is obtained from the equipment when diagnosing the electrical equipment. There is a method of diagnosing whether the equipment is normal or in an abnormal state by comparing which data is close to what data (see Patent Document 1).

しかしながら、上記従来の診断手法では、電気設備の正常状態及び異常状態の種類毎に予め上記のデータを診断前に用意しておかなければならない。それに、正常状態のデータを用意することは比較的簡単であるが、電気設備を人為的に異常状態にしてそれぞれのデータを得ることは極めて困難な場合が多い。 However, in the above-described conventional diagnostic method, the above data must be prepared in advance for each type of normal state and abnormal state of the electrical equipment. In addition, it is relatively easy to prepare data in a normal state, but it is often very difficult to obtain each data by making an electric equipment artificially in an abnormal state.

特開２００６−０９０９０４号公報 JP 2006-090904 A

そこで本発明では、診断対象となる電気設備の異常状態のデータを用意することなく、正常状態で得られたデータのみを用意することで、当該設備を診断する際には、この設備から得られた特徴量が上記正常状態で得られたデータに基づく確率の範囲内に収まっているか否かにより、当該電気設備の良否を診断する電気設備の良否診断システムを提供することを解決すべき課題とするものである。 Therefore, in the present invention, by preparing only the data obtained in the normal state without preparing the abnormal state data of the electrical equipment to be diagnosed, the equipment is obtained from this equipment when diagnosing the equipment. The problem to be solved is to provide an electrical equipment quality diagnostic system for diagnosing the quality of the electrical equipment depending on whether the feature quantity is within the probability range based on the data obtained in the normal state. To do.

上記課題は、特許請求の範囲の欄に記載した電気設備の良否診断システムにより解決することができる。
特許請求の範囲の請求項１に記載した電気設備の良否診断システムによれば、診断対象となる電気設備が正常状態のときに、演算記憶手段は、特徴量検出手段で得られた特徴量の平均と標準偏差とを導出して記憶する。次に、電気設備の診断をする際に、特徴量検出手段により得られた特徴量と演算記憶手段に記憶されている前記平均と標準偏差とに基づいて決定された楕円体の内側に存在する確率値が確率計算手段により計算されると、診断手段は、その計算された確率値に基づいて当該電気設備が正常か異常かを診断する。
このように、診断対象となる電気設備の正常状態で得られたデータのみを用意することで、当該電気設備の良否を診断することが可能になる。The above problems can be solved by the electrical equipment quality diagnosis system described in the appended claims.
According to the electrical equipment quality diagnosis system according to claim 1 of the claims, when the electrical equipment to be diagnosed is in a normal state, the arithmetic storage means stores the feature quantity obtained by the feature quantity detection means. The mean and standard deviation are derived and stored. Next, when diagnosing the electrical equipment, it exists inside the ellipsoid determined based on the feature quantity obtained by the feature quantity detection means and the average and standard deviation stored in the calculation storage means. When the probability value is calculated by the probability calculation means, the diagnosis means diagnoses whether the electrical equipment is normal or abnormal based on the calculated probability value.
Thus, it becomes possible to diagnose the quality of the electrical equipment by preparing only the data obtained in the normal state of the electrical equipment to be diagnosed.

次に、上記診断の理論を、数式等を用いて説明する。
診断対象となる電気設備の、ある運転状態（運転状態１とする）から、その設備の診断に有用な特徴量を特徴量検出手段により得る。
一般に、設備の診断に際して活用できる特徴量の値は、設備の状態（正常もしくは異常）に応じて、特徴空間上のある固まった領域（以降、クラスと記載する）に分布するようになる。そのため、上記運転状態１の状況下で、設備の正常状態の各特徴量の平均と標準偏差を導出し、これを設備の実際の診断をする際の診断基準とする。
次に、実際に電気設備を診断するときは、上記運転状態１で稼働中の設備から上記特徴量を得た点をＡ点とする。このＡ点の値と、上記のように予め求めておいた正常時の各特

定される正常クラスにおける楕円体の内側に存在する確率を算出する。この楕円体内側に存在する確率値は次のように計算する。Next, the theory of the diagnosis will be described using mathematical formulas and the like.
A feature quantity useful for diagnosis of the equipment is obtained by a feature quantity detection means from a certain operating state (operating state 1) of the electrical equipment to be diagnosed.
In general, feature value values that can be used for facility diagnosis are distributed in a certain region (hereinafter referred to as a class) in the feature space according to the state (normal or abnormal) of the facility. For this reason, the average and standard deviation of each feature amount in the normal state of the equipment is derived under the condition of the operation state 1, and this is used as a diagnostic reference when actually diagnosing the equipment.
Next, when actually diagnosing the electrical equipment, the point obtained from the equipment operating in the operation state 1 is the point A. The value of point A and each normal characteristic previously obtained as described above.

Calculates the probability of being inside an ellipsoid in a defined normal class. The probability value existing inside this ellipsoid is calculated as follows.

いま、ｎ次元の特徴量ｘ＝（ｘ_１，ｘ_２，…，ｘ_ｎ）の各要素がガウス分布に従うとした場合、そのときの同時確率密度関数ｐ（ｘ）は次式（１）で表すことができる。

す。
また、式（１）の指数部は楕円体の式である。
いま、互いの特徴量が独立であるとするときのｘが楕円体

ることで、

と変形することができる。さらに新たに変換

を用いてｘを置換することで、式（３）は
ｚ_１ ^２＋ｚ_２ ^２＋…＋ｚ_ｎ ^２＝ｌ^２・・・（５）
と変形することができる。ベクトルｚがこの球の内側に存在する確率は、多重積分を用いることにより、次式（６）より求めることができる。

更に式（６）において、
ｒ^２＝ｚ_１ ^２＋ｚ_２ ^２＋…＋ｚ_ｎ ^２・・・（７）
と置くことで、

と変形することができる。
式（８）のｓ（ｒ）ｄｒはｎ次空間の球の半径ｒからｒ＋ｄｒまでの区間の微小体積を表す。
例えば、ｎ＝２の場合には、式（８）においてｓ（ｒ）ｄｒ＝２πｒｄｒと求めることができるから、式（２）で表される楕円の内側に存在する確率は、ｌの関数として以下のように表現できる。

従って、実際の診断時には、前述の運転状態１で稼働中の設備から得られた特徴量（Ａ

３）に代入してｌの値を求め、こうして求めたｌを式（９）に代入することで、正常クラスにおいてＡ点の内側に存在する確率を定量的に算出する。このようにして求めた確率値に対して閾値を設けること等で、設備の良否判断が可能となる。
上の例では、ｎ＝２の場合の確率値の導出法とそのときの診断法を示したが、多次元の場合であっても式（８）のｓ（ｒ）ｄｒをｎの値に応じて変えることで、同様に求めることができる。ｎ＝２の場合には、式（３）は楕円面となるが、ｎ＝３の場合には、式（３）は楕円体となる。If each element of the n-dimensional feature quantity x = (x ₁ , x ₂ ,..., X _n ) follows a Gaussian distribution, the joint probability density function p (x) at that time is expressed by the following equation (1). Can be represented.

The
Moreover, the exponent part of Formula (1) is an ellipsoidal formula.
Now, x is an ellipsoid when each feature is independent.

By

And can be transformed. New conversion

By substituting x using, Equation (3) becomes
z ₁ ² + z ₂ ² +... + z _n ² = l ² (5)
And can be transformed. The probability that the vector z exists inside the sphere can be obtained from the following equation (6) by using multiple integration.

Furthermore, in equation (6):
r ² = z ₁ ² + z ₂ ² + ... + z _n ² (7)
By putting

And can be transformed.
In the equation (8), s (r) dr represents the minute volume in the section from the radius r of the sphere in the n-order space to r + dr.
For example, when n = 2, s (r) dr = 2πrdr can be obtained in Equation (8), and the probability of existing inside the ellipse represented by Equation (2) is expressed as a function of l. It can be expressed as follows.

Therefore, at the time of actual diagnosis, the feature amount (A

By substituting into 3), the value of l is obtained, and by substituting l thus obtained into equation (9), the probability of existing inside point A in the normal class is quantitatively calculated. It is possible to judge whether the equipment is good or bad by providing a threshold value for the probability value thus obtained.
In the above example, the derivation method of the probability value in the case of n = 2 and the diagnostic method at that time are shown. However, even in the case of multi-dimension, s (r) dr in the equation (8) is changed to the value of n. By changing it accordingly, it can be obtained similarly. When n = 2, equation (3) becomes an ellipsoid, but when n = 3, equation (3) becomes an ellipsoid.

一般に、特徴量が１次元のときは、診断対象とする設備から得られた特徴量の値と、その特徴量の値が存在する分布を基にした正規分布表などを用いることで、その設備の今の状態が確率的に全体のどのあたりに存在するのかといったことを簡単に知ることができる。しかし、特徴量が２つ以上（２次元以上）の多次元となると、それらが発生する確率は互いに別々に扱うのではなく、同時に考慮して扱う必要がある。つまり、特徴量が２次元以上になると、１次元の正規分布表からでは正確な診断ができない。 In general, when the feature quantity is one-dimensional, the feature quantity value obtained from the equipment to be diagnosed and the normal distribution table based on the distribution in which the feature quantity value exists are used. It is possible to easily know where the current state of the stochastic existence exists. However, when the feature quantity is multi-dimensional with two or more (two or more dimensions), the probability of their occurrence need not be handled separately from each other, but must be handled in consideration of them simultaneously. That is, when the feature quantity is two-dimensional or more, an accurate diagnosis cannot be made from a one-dimensional normal distribution table.

いま、特徴量が２次元の場合を考えてみる。この場合、同じ形式で同じ状態の電気設備から得られる特徴量をプロットしていくと、その分布は楕円となる。
２次元の場合には、ある楕円の内側に存在する確率を求める際に、特徴量を１次元ずつに分けて考えて、それらの特徴量に対する確率を求め、最後にそれらの確率値を掛け合わせて求める方法も考えられる。しかしながら、この場合には、２つの特徴量の同時発生確率を考慮した結果と比較して、求められる確率値は異なってくる。
多次元の特徴量を用いて設備を診断する場合には、１次元ずつの正規分布を用いるのではなく、同時確率密度関数を用いる必要がある。Consider the case where the feature quantity is two-dimensional. In this case, when the feature amount obtained from the electric equipment in the same state in the same format is plotted, the distribution becomes an ellipse.
In the case of two dimensions, when calculating the probability of existing inside a certain ellipse, the feature quantities are divided into one dimension, the probabilities for those feature quantities are calculated, and finally the probability values are multiplied. You can also consider how to find it. However, in this case, the obtained probability value differs compared to the result of considering the simultaneous occurrence probability of the two feature amounts.
When diagnosing equipment using multidimensional feature values, it is necessary to use a joint probability density function instead of using a one-dimensional normal distribution.

２次元の特徴量（ｎ＝２）からなる確率分布と、２次元の特徴量を１つずつの１次元特徴量の確率分布に分けてから求める確率の値の比較を行う（図２参照）。簡単のために平均

と求まる。ｌ^２＝２の楕円の内側にある確率は、式（９）にｌ^２＝２を代入して、０．６３２と求めることができる。
一方、１次元特徴量（ｎ＝１）の確率分布では、標準偏差の内側にある確率は、正規分布より０．６８３と求めることができる。そして、この確率どうしを掛け合わせると０．６８３×０．６８３＝０．４６７となる。A probability distribution composed of two-dimensional feature quantities (n = 2) and a probability value obtained after dividing the two-dimensional feature quantities into one-dimensional feature quantity probability distributions are compared (see FIG. 2). . Average for easy

It is obtained. probability inside the ellipse l ² = 2 substitutes the ^l 2 = 2 in the equation (9) can be calculated as 0.632.
On the other hand, in the probability distribution of the one-dimensional feature quantity (n = 1), the probability inside the standard deviation can be obtained as 0.683 from the normal distribution. And when this probability is multiplied, it becomes 0.683 × 0.683 = 0.467.

しかしながら、このときの値は２次元の確率分布から求めた楕円の内側に存在する確率よりも小さな値となる。このような求め方は楕円体の内側に存在する確率を正しく求められていないためである。つまり、電気設備などの良否を正しく判定する場合には、診断時に用いる特徴量の次元に応じて正確な確率値を導出する必要がある。 However, the value at this time is a value smaller than the probability existing inside the ellipse obtained from the two-dimensional probability distribution. This is because such a method does not correctly determine the probability of existing inside the ellipsoid. In other words, when correctly determining whether the electrical equipment is good or bad, it is necessary to derive an accurate probability value according to the dimension of the feature value used at the time of diagnosis.

本発明によれば、診断対象となる電気設備の正常状態で得られたデータのみを用意することで、効率的に当該電気設備の良否を診断することができるという効果がある。 According to the present invention, by preparing only data obtained in a normal state of the electrical equipment to be diagnosed, there is an effect that the quality of the electrical equipment can be efficiently diagnosed.

第１の実施の形態の電気設備の良否診断システムのブロック系統図である。It is a block diagram of a quality diagnostic system for electrical equipment according to the first embodiment. ２次元特徴量の確率分布図である。It is a probability distribution diagram of a two-dimensional feature amount. 電動機Ｍの固定子巻線に流れる電流の波形図である。FIG. 4 is a waveform diagram of a current flowing through a stator winding of an electric motor M. 電動機Ｍの固定子巻線が正常な状態と短絡しているときの特徴量のクラス分布図である。It is a class distribution map of the feature quantity when the stator winding of the electric motor M is short-circuited with a normal state. 特徴量に相関がある場合の座標変換図である。It is a coordinate conversion figure in case a feature-value has a correlation. 楕円の内側に存在する特徴量の確率を示した確率存在説明図である。It is a probability existence explanatory drawing which showed the probability of the feature-value which exists inside an ellipse. 第２の実施の形態の電気設備の良否診断システムのブロック系統図である。It is a block diagram of a quality diagnostic system for electrical equipment according to a second embodiment. 第２の実施の形態の変形例を示したブロック系統図である。It is the block system diagram which showed the modification of 2nd Embodiment.

次に、本発明の第１の実施の形態について説明する。
図１は、診断対象となる電気設備の良否を効率的に診断するための電気設備の良否診断システム１のブロック系統図である。
電気設備の良否診断システム１を構成する特徴量検出部２は、診断対象となる電動機Ｍに流れる電流を特徴量として検出する。ここで、電動機Ｍの固定子巻線において絶縁劣化に起因する短絡が発生すると、電動機Ｍに流れる電流は、固定子巻線が正常状態のときに比較して、図３に示すように、「振幅」が大きくなり、基準とする電源電圧に対して「位相」が進むという特徴がある。そこで、ここでは、電動機Ｍに流れる電流の「振幅」と「位相」を特徴量として考える。従って、特徴量検出部２は、電動機Ｍに流れる電流を検出すると、その電流の「振幅」と「位相」を計測する。尚、特徴量検出部２には電流の「振幅」と「位相」をデジタル信号に変換して出力するＡ／Ｄ変換回路が内蔵されており、特徴量検出部２から出力された電流の「振幅」と「位相」のデジタル信号は、演算部３に入力される。Next, a first embodiment of the present invention will be described.
FIG. 1 is a block system diagram of an electrical equipment quality diagnostic system 1 for efficiently diagnosing the quality of electrical equipment to be diagnosed.
The feature amount detection unit 2 constituting the electrical equipment quality diagnosis system 1 detects a current flowing through the motor M to be diagnosed as a feature amount. Here, when a short circuit due to insulation deterioration occurs in the stator winding of the electric motor M, the current flowing through the electric motor M, as shown in FIG. There is a feature that “amplitude” increases and “phase” advances with respect to a reference power supply voltage. Therefore, here, the “amplitude” and “phase” of the current flowing through the electric motor M are considered as feature quantities. Therefore, when detecting the current flowing through the motor M, the feature amount detection unit 2 measures the “amplitude” and “phase” of the current. The feature amount detection unit 2 includes an A / D conversion circuit that converts the current “amplitude” and “phase” into a digital signal and outputs the digital signal. Digital signals of “amplitude” and “phase” are input to the calculation unit 3.

演算部３は、図１に示すように、「平均・標準偏差演算部４」と「確率演算部５」の二つのブロックに分けられる。「平均・標準偏差演算部４」は、診断対象となる電動機Ｍが正常状態のときに得られた特徴量の平均と標準偏差を計算し、記憶しておくブロックである。また、「確率演算部５」は、実際に電動機Ｍを診断する際、特徴量検出部２により得られた特徴量と、「平均・標準偏差演算部４」に記憶されている特徴量の平均、標準偏差から、確率値を計算するブロックである。
電動機Ｍに流れる電流から振幅と位相の値を何回も計測して２次元空間上にプロットしていくと、プロットしたこれらの点は、図４に示すように電動機Ｍの固定子巻線の正常もしくは短絡状態毎にかたまって分布するようになる。そこで、正常クラスにおける各特

理である。As shown in FIG. 1, the calculation unit 3 is divided into two blocks: an “average / standard deviation calculation unit 4” and a “probability calculation unit 5”. The “average / standard deviation calculation unit 4” is a block that calculates and stores the average and standard deviation of feature amounts obtained when the electric motor M to be diagnosed is in a normal state. The “probability calculation unit 5” is an average of the feature quantity obtained by the feature quantity detection unit 2 and the feature quantity stored in the “average / standard deviation calculation unit 4” when actually diagnosing the motor M. This is a block for calculating the probability value from the standard deviation.
When the amplitude and phase values are measured several times from the current flowing through the motor M and plotted in a two-dimensional space, these plotted points indicate the stator windings of the motor M as shown in FIG. It becomes distributed in each normal or short-circuit state. Therefore, each special feature in the normal class

Is.

次に、「確率演算部５」について説明する。
電動機Ｍの固定子巻線を診断する際も上記同様に特徴量検出部２において電流の振幅と位相を検出する。このときの観測点をＡ点、そのときの値を（ｘ_ｄ１，ｘ_ｄ２）とする。尚、添字のｄは、英語の診断を表す「ｄｉａｇｎｏｓｉｓ」の頭文字を示している。上記Ａ点の値を前記式（３）に代入することで、下記のようにｌ_ｄの値を求めることができる。

最後に、このｌ_ｄの値を前記式（９）のｌに次のように代入する。

上記のようにして求められた確率は、図６において、楕円の内側（斜線部）に存在する確率である。これにより、正常クラスにおいてＡ点の内側に存在する確率を導出する。このようにして求めた確率値に対して、閾値を設定すること等で、この電動機Ｍの固定子巻線が正常なのか、短絡等の異常なのかの良否判定を、図１に示す診断部６で確率的に診断することが可能となる。そして、その結果を表示部７に表示させる。Next, the “probability calculation unit 5” will be described.
When diagnosing the stator winding of the electric motor M, the feature amount detection unit 2 detects the amplitude and phase of the current as described above. The observation point at this time is point A, and the value at that time is (x _d1 , x _d2 ). Note that the subscript d indicates an acronym “diagnosis” representing English diagnosis. By substituting the value of the point A into the equation (3), the value of l _d can be obtained as follows.

Finally, the value of l _d is substituted into l in the above equation (9) as follows.

The probability obtained as described above is the probability of existing inside the ellipse (shaded portion) in FIG. As a result, the probability of existing inside the point A in the normal class is derived. The diagnosis unit shown in FIG. 1 determines whether the stator winding of the electric motor M is normal or abnormal such as a short circuit by setting a threshold value for the probability value thus obtained. 6 makes it possible to make a probabilistic diagnosis. Then, the result is displayed on the display unit 7.

次に、本発明の第２の実施の形態について説明する。この実施の形態は、図７に示すように、電動機や変圧器といった巻線Ｗを有する電気設備の巻線診断に活用することができる。ここでは上記のような巻線Ｗの両端にインパルス発生回路ＩＰから発生させたインパルス電圧を印加して、そのとき観測される電圧波形から巻線Ｗの良否を判定する。
巻線Ｗとインパルス発生回路ＩＰから構成される回路の等価回路定数のレジスタンスをＲ、インダクタンスをＬ、キャパシタンスをＣとする。いまここで、例えば巻線Ｗとインパルス発生回路ＩＰから構成される回路の各等価回路定数の乗算値ＬＣおよびＲＣを特徴量ｘ_１と特徴量ｘ_２とする。インパルス発生回路ＩＰからインパルス電圧を巻線Ｗに印加した場合、巻線Ｗの両端に発生する電圧をν（ｎ）（ただしｎはサンプリング数）とすると、巻線Ｗとインパルス発生回路ＩＰから構成される回路の各等価回路定数の乗算値ＬＣおよびＲＣ、すなわち特徴量ｘ_１と特徴量ｘ_２は、擬似逆行列を用いて式（１０）のように求めることができる。

ここで

である。また式（１０）においてＴは転置行列を表す。この結果を用いて巻線の診断が可能となる。Next, a second embodiment of the present invention will be described. As shown in FIG. 7, this embodiment can be utilized for winding diagnosis of electric equipment having a winding W such as an electric motor or a transformer. Here, the impulse voltage generated from the impulse generation circuit IP is applied to both ends of the winding W as described above, and the quality of the winding W is determined from the voltage waveform observed at that time.
The resistance of the equivalent circuit constant of the circuit composed of the winding W and the impulse generation circuit IP is R, the inductance is L, and the capacitance is C. Now Here, the feature amount x ₁ and the feature quantity x ₂ multiplication value LC and RC of the equivalent circuit parameters of the circuit composed, for example, from the winding W and impulse generator IP. When an impulse voltage is applied to the winding W from the impulse generation circuit IP, if the voltage generated at both ends of the winding W is ν (n) (where n is the number of samplings), the winding W and the impulse generation circuit IP are configured. The multiplication values LC and RC of the respective equivalent circuit constants of the circuit to be processed, that is, the feature quantity x ₁ and the feature quantity x ₂ can be obtained as in Expression (10) using a pseudo inverse matrix.

here

It is. In Expression (10), T represents a transposed matrix. The winding can be diagnosed using this result.

図７における特徴量検出部２においてインパルス電圧を計測する。尚、特徴量検出部２にはＡ／Ｄ変換回路が内蔵されており、特徴量検出部２から出力されたインパルス電圧のデジタル信号は演算部３の「平均・標準偏差演算部４」に入力される。
「平均・標準偏差演算部４」では、式（１０）をもとに、いくつかの正常巻線Ｗから得

次に、実際に診断する際には、診断対象とする巻線Ｗから特徴量検出部２において検出したインパルス電圧から、式（１０）をもとにｘ_１とｘ_２の値を算出する。このときの観測点をＡ点、またこのときの値を（ｘ_ｄ１，ｘ_ｄ２）とする。上記Ａ点の値を前記式（３）に代入することで、下記のようにｌ_ｄの値を求めることができる。

The impulse voltage is measured in the feature amount detection unit 2 in FIG. The feature quantity detection unit 2 includes an A / D conversion circuit, and the impulse voltage digital signal output from the feature quantity detection unit 2 is input to the “average / standard deviation calculation unit 4” of the calculation unit 3. Is done.
The “average / standard deviation calculation unit 4” is obtained from several normal windings W based on the equation (10).

Next, when actually diagnosing, the values of x ₁ and x ₂ are calculated from the impulse voltage detected by the feature quantity detection unit 2 from the winding W to be diagnosed based on the equation (10). The observation point at this time is point A, and the value at this time is (x _d1 , x _d2 ). By substituting the value of the point A into the equation (3), the value of l _d can be obtained as follows.

上記のようにして求められた確率は、図６において、楕円の内側（斜線部）に存在する確率である。これにより、正常クラスにおいてＡ点の内側に存在する確率を導出する。これが「確率演算部５」における処理である。
このようにして求めた確率値に対して閾値を設定することで、この巻線が正常なのか、それとも短絡等の異常状態にあるか等の良否判定を、診断部６で確率的に診断することが可能となる。そして、その結果を表示部７に表示させることができる。The probability obtained as described above is the probability of existing inside the ellipse (shaded portion) in FIG. As a result, the probability of existing inside the point A in the normal class is derived. This is the process in the “probability calculator 5”.
By setting a threshold value for the probability value thus obtained, the diagnosis unit 6 probabilistically diagnoses whether the winding is normal or whether it is in an abnormal state such as a short circuit. It becomes possible. Then, the result can be displayed on the display unit 7.

従来技術では、故障毎のＬＣ、ＲＣの値を事前に準備しなければならなく、そのために多くの工数が必要となる。しかし本発明によると、入手が容易な正常巻線からＬＣ、ＲＣの平均と標準偏差を求めておくことで診断が可能となることから、従来技術に比べて診断システムの開発工数を大幅に低減させることができるといった利点がある。 In the prior art, the LC and RC values for each failure must be prepared in advance, which requires a lot of man-hours. However, according to the present invention, diagnosis can be performed by obtaining the average and standard deviation of LC and RC from readily available normal windings, so the development man-hours for the diagnostic system are greatly reduced compared to the conventional technology. There is an advantage that can be made.

次に、第２の実施の形態の変形例についても説明する。
図８は図７に示したインパルス発生回路ＩＰに代え、逆起電力発生回路を用いて診断対象となる巻線Ｗに逆起電力を発生させることにより、この逆起電力をインパルスとするものである。
図８に示すように、逆起電力発生回路は、巻線Ｗに直流電流を流すための直流電源ＤＣＰと、直流電源ＤＣＰに直列に接続されたスイッチＳＷと、スイッチＳＷがオンされた状態で充電されるコンデンサＣとを備えている。このコンデンサＣに対して並列に巻線Ｗを接続した状態でスイッチＳＷがオンされると、巻線Ｗに直流電流が通電されるため、この状態でスイッチＳＷがオフされると、巻線Ｗに逆起電力が発生する。この逆起電力は、巻線Ｗに印加されたインパルスと同等に作用するため、この逆起電力を特徴量検出部２において検出する。以降の処理は、これまでに記した実施の形態例と同じである。Next, a modification of the second embodiment will be described.
FIG. 8 uses this counter electromotive force as an impulse by generating a counter electromotive force in the winding W to be diagnosed using a counter electromotive force generating circuit instead of the impulse generating circuit IP shown in FIG. is there.
As shown in FIG. 8, the counter electromotive force generation circuit includes a DC power source DCP for causing a DC current to flow through the winding W, a switch SW connected in series to the DC power source DCP, and the switch SW being turned on. And a capacitor C to be charged. When the switch SW is turned on with the winding W connected in parallel to the capacitor C, a direct current is passed through the winding W. When the switch SW is turned off in this state, the winding W Back electromotive force is generated. Since this counter electromotive force acts in the same way as the impulse applied to the winding W, the feature amount detection unit 2 detects this counter electromotive force. The subsequent processing is the same as that of the embodiment described so far.

今回示した実施の形態例では、診断時の確率値の算出ではＡ点のみの特徴量の値から算出した。しかし、同じような処理を何度も繰り返し、そのときに得られたいくつかの点に対して確率値を算出し、それらの平均値を取って、最終的な確率値としてもよい。 In the embodiment shown this time, the probability value at the time of diagnosis is calculated from the feature value of only point A. However, a similar process may be repeated many times, probability values may be calculated for some points obtained at that time, and an average value thereof may be taken as a final probability value.

前述の第１の実施の形態の例では、特徴量を電流の振幅と位相の２次元として説明したが、多次元であっても同様の手順で運用が可能である。また、各特徴量の間に相関が無い場合には、特徴量の分布は、図４に示すような形状となる。しかし、互いの特徴量に相関がある場合にも同様に求めることができる。この場合の特徴量分布は図５に示すようになるが、このような分布に対する確率の算出では、共分散行列の固有ベクトルを用いることで、はじめに座標系ｘ_１−ｘ_２を回転して新たな座標系ｙ_１−ｙ_２を作ることによって、新座標系ｙ_１−ｙ_２上で全く同様の計算により算出することができる。In the above-described example of the first embodiment, the feature amount is described as two-dimensional of the current amplitude and phase. However, even if the feature amount is multi-dimensional, the same procedure can be used. Further, when there is no correlation between the feature amounts, the feature amount distribution has a shape as shown in FIG. However, it can be similarly obtained when there is a correlation between the feature amounts of each other. In this case, the feature quantity distribution is as shown in FIG. 5. In calculating the probability for such a distribution, by using the eigenvector of the covariance matrix, the coordinate system x ₁ -x ₂ is first rotated to create a new one. by creating a coordinate system _y 1 -y _2, can be calculated by exactly the same calculation on the new coordinate system _y 1 -y _2.

１電気設備の良否診断システム
２特徴量検出部
３演算部
４平均．標準偏差部
５確率演算部
６診断部
７表示部1 Electrical equipment quality diagnosis system 2 Feature detection unit 3 Calculation unit 4 Average. Standard deviation part 5 Probability calculation part 6 Diagnosis part 7 Display part

Claims

診断対象となる電気設備から得られる特徴量を検出する特徴量検出手段と、前記電気設備が正常状態のときに前記特徴量検出手段で得られた特徴量の平均と標準偏差とを導出して記憶しておく演算記憶手段と、前記電気設備の診断をする際に、前記特徴量検出手段により得られた特徴量と前記演算記憶手段に記憶されている前記平均と標準偏差とに基づいて決定される楕円体の内側に存在する確率値を求める確率計算手段と、前記確率計算手段で求めた確率値に基づいて前記電気設備が正常か異常かを診断する診断手段とを備えたことを特徴とする電気設備の良否診断システム。 Deriving a feature quantity detection means for detecting a feature quantity obtained from the electrical equipment to be diagnosed, and an average and standard deviation of the feature quantities obtained by the feature quantity detection means when the electrical equipment is in a normal state A calculation storage means to be stored, and a determination based on the feature quantity obtained by the feature quantity detection means and the average and standard deviation stored in the calculation storage means when diagnosing the electrical equipment Probability calculation means for obtaining a probability value existing inside an ellipsoid to be detected, and diagnostic means for diagnosing whether the electrical equipment is normal or abnormal based on the probability value obtained by the probability calculation means Electrical equipment quality diagnosis system.