JP5494034B2 - 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 - Google Patents
信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 Download PDFInfo
- Publication number
- JP5494034B2 JP5494034B2 JP2010053801A JP2010053801A JP5494034B2 JP 5494034 B2 JP5494034 B2 JP 5494034B2 JP 2010053801 A JP2010053801 A JP 2010053801A JP 2010053801 A JP2010053801 A JP 2010053801A JP 5494034 B2 JP5494034 B2 JP 5494034B2
- Authority
- JP
- Japan
- Prior art keywords
- oil
- learning
- filled electrical
- electrical device
- reliability
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims description 67
- 238000013528 artificial neural network Methods 0.000 claims description 93
- 239000011159 matrix material Substances 0.000 claims description 79
- 238000006116 polymerization reaction Methods 0.000 claims description 68
- 230000006866 deterioration Effects 0.000 claims description 66
- 238000005259 measurement Methods 0.000 claims description 65
- 238000004364 calculation method Methods 0.000 claims description 51
- 238000003745 diagnosis Methods 0.000 claims description 50
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 21
- 238000013461 design Methods 0.000 claims description 17
- 230000008878 coupling Effects 0.000 claims description 12
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 12
- 239000003921 oil Substances 0.000 description 118
- 239000000123 paper Substances 0.000 description 60
- 238000000034 method Methods 0.000 description 39
- 238000009413 insulation Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 238000004378 air conditioning Methods 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 7
- 229920002678 cellulose Polymers 0.000 description 7
- 239000001913 cellulose Substances 0.000 description 7
- 238000013213 extrapolation Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 239000010865 sewage Substances 0.000 description 6
- 102000003712 Complement factor B Human genes 0.000 description 5
- 108090000056 Complement factor B Proteins 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000011810 insulating material Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000007872 degassing Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910000976 Electrical steel Inorganic materials 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 150000003934 aromatic aldehydes Chemical class 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000011162 core material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- OOYGSFOGFJDDHP-KMCOLRRFSA-N kanamycin A sulfate Chemical group OS(O)(=O)=O.O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CN)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](N)[C@H](O)[C@@H](CO)O2)O)[C@H](N)C[C@@H]1N OOYGSFOGFJDDHP-KMCOLRRFSA-N 0.000 description 1
- 239000002655 kraft paper Substances 0.000 description 1
- -1 moisture content Chemical compound 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Testing Relating To Insulation (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Description
1)銅、アルミニウム等の導電材料
2)絶縁油、絶縁紙、プレスボード等の絶縁材料
3)珪素鋼帯の鉄心材料
4)鉄、ステンレス鋼等の構造材料
これらの材料の中で、油入電気機器、例えば油入変圧器内で経年劣化が認められるのは、絶縁油や絶縁紙等の絶縁材料である。
絶縁紙は、多数のセルロース分子が重合してできた重合体である。図1は、セルロースの化学構造式を示す。図1に示されるセルロースを構成する基本分子の数を重合度という。新品のクラフト紙の場合の重合度は、約1000である。この重合度は、絶縁紙が酸化劣化するとセルロース分子の鎖が切断されることにより、セルロース分子の低分子量化、即ち平均重合度の低下が起きる。例えば、30年間使用した変圧器では、平均重合度が初期値の約40〜60%(重合度400〜600)に減少すると言われている。
図2は、日本電機工業会規格JEM1463−1993が定めている1000kVAを超える油入変圧器および油入リアクトルのコイル絶縁紙平均重合度の評価基準を示す。図2に示されるように、重合度450は変圧器が絶縁紙の劣化によって、その信頼度が低下し、更新が必要であると判断される寿命レベルであり、重合度250は絶縁紙そのものの機械的強度が消失しており、絶縁紙としての形状を保持できない危険レベルである。一般的には、この日本電機工業会規格JEM1463−1993に従い、重合度450となると思われる時点を油入変圧器の寿命と定義されている。
変圧器の寿命診断では、コイル絶縁紙の劣化度を推定することが必要となる。しかし、稼動中の変圧器のコイル絶縁紙引張り強さや平均重合度は、コイル絶縁紙を簡単に採取することができないため、測定が困難である。そこで、変圧器内部の採取可能な絶縁物(プレスボード、リード絶縁紙)の平均重合度や、絶縁紙の分解過程における生成物である芳香族アルデヒドの一種であるフルフラール(furfural)やCO2+CO量を測定し、これらの結果を用いた劣化診断が行われている(例えば電気学会技術報告 第922号「経年変圧器の信頼性維持技術の現状と動向」、電気共同研究第54巻第5号(その1)を参照)。以下、代表的な油入変圧器劣化診断方法について説明する。
運転停止中の点検時等に、変圧器内部から絶縁に影響が無い部分のプレスボードやリード絶縁紙を採取して、絶縁紙の劣化度を診断する方法を「重合度法」という。重合度法は、採取した絶縁紙の重合度から巻線コイルの最も温度が高い箇所(ホットスポット部分)のコイル絶縁紙の劣化度を推定し、寿命を予測する方法である。
絶縁紙は劣化によって、水やCO2、CO等の種々の有機成分を生成する。劣化指標として有効な成分には、平均重合度とも相関性があるCO2+CO、フルフラール等がある。CO2+CO法では、油中ガス分析を行い、絶縁紙の最終的な劣化生成物であるCO2+CO量から平均重合度を推定し劣化診断を行う。
セルロースの分解過程でアルデヒド成分のフルフラールが生成される。絶縁油の脱気処理を行ってもフルフラールの85%が絶縁油中に残り、気体中に拡散しない。絶縁紙への吸着率は温度に依存せず、約85%と一定であるため、CO2+CO法と比較して精度の高い診断が可能であると言われている。図3は、フルフラール量と平均重合度との関係を示す(出典:電気共同研究 第54巻 第5号(その1))。図3で、横軸は平均重合度残率(%)、縦軸はフルフラール量(mg/g)であり、黒丸印が実器の値を示し、斜線部分が実験値を示す。フルフラール法では、測定したフルフラール量から図3に示した関係に従って平均重合度残率を求める。しかし、図3に示されるように、測定したフルフラール量に対して平均重合度残率にかなり幅(約20%)があるため、劣化度合いの診断結果も大きな幅を持つこととなり、高精度での寿命推定は非常に困難である。
上述した問題を解決するための発明が特開2006−308515に示されている。特開2006−308515に示される発明では、絶縁油中のフルフラール量、二酸化炭素および一酸化炭素の量、水分量、酸素量、水素量の各測定値、油入電気機器の運転履歴、保守履歴、および油入電気機器の設計諸元の全てまたは一部の組み合わせを入力因子群とし、絶縁紙の平均重合度を出力因子として、平均重合度推定モデルの同定または学習を行うことにより、異なる平均重合度推定モデルを複数構築している。診断対象である油入電気機器の上記入力因子群を上記平均重合度推定モデルに入力して、得られた複数の平均重合度推定値を加工し、絶縁紙の最終的な平均重合度を推定している。特開2006−308515に示される発明によれば、従来、単独に用いられていたフルフラール量や二酸化炭素および一酸化炭素の量だけでなく、その他の測定値、機器の運転履歴、保守履歴、設計諸元等の絶縁紙の劣化に関連がある要因を総合的に考慮することができるというものであり、実際にフィールドにおいて油入電気器の余寿命診断に活用されている。特開2006−308515に示される発明では、上記平均重合度推定モデルとしてニューラルネットワークを用いているが、上述したニューラルネットワークにおける外挿問題は解決されずに残されていた。本願発明の実施例1における信頼度評価装置等を適用する課題は、ニューラルネットワークを用いて油入電気機器の余寿命を推定する際における外挿問題を解決することである。以下では、本発明の実施例1における信頼度評価装置等の適用例について具体的に説明する。
油入変圧器の絶縁紙の平均重合度推定用ニューラルネットワーク部41を構築するために、ニューラルネットワーク部41に対する学習情報として、過去に実測した油入変圧器の実測データ(入力因子。所定の測定値)を入力する。データ収集の項目は、絶縁油を分析して得られる各種劣化指標(例えば、フルフラール量、CO2+CO量、水分量、酸素量、水素量等が好適である。)と、当該油入変圧器の運転状態(例えば、平均負荷率、絶縁油の交換履歴、絶縁油の脱気処理履歴等が好適である。)と、油入変圧器の設計諸元(例えば、絶縁油劣化防止方式、冷却方式、絶縁紙の量、絶縁油の量等が好適である。)と、上記実測データに対してニューラルネットワーク部41に学習させる答となる絶縁紙の平均重合度(ニューラルネットワーク部41の出力。所定の出力因子)である。
図4に示される学習部(学習手段)21は、学習情報DB30に記録された上記実測データと絶縁紙の平均重合度とを入力して、ニューラルネットワーク部41に学習させる。即ち、上述した(1)に示されるような入力された実測データを用いて平均重合度推定モデルを構築する。平均重合度推定モデルとしては、上述したようにニューラルネットワークを用いる。ニューラルネットワークとしては、背景技術で説明した階層型ニューラルネットワークが好適であるが、これに限定されるものではなく、例えば非特許文献1に示される種々のニューラルネットワークを用いればよい。ニューラルネットワーク部41はハードディスク等の記録装置40に記録されており、学習した結合荷重等のパラメータが記録されている。学習中および後述する診断中にはRAM53(後述)にロードされて用いられる。以下では特に明記しない限り、ニューラルネットワーク部41はRAM53にロードされている状態とする。
図4に示されるローディング行列算出部(ローディング行列算出手段)22は、学習情報DB30に記録された上記実測データに基づき主成分分析を用いて主成分の結合係数からなるローディング行列を求める。即ち、上述した(1)で入力された実測データに対し、多変量解析の一手法である主成分分析を用いて少数の統計的データに集約するモデル(ローディングベクトルで構成される係数行列P)を算出する。主成分分析は多数の変数から、変数間の相関を自動的に集約するものである。主成分分析およびローディング行列Pについては、非特許文献2〜4を参照されたい。以下、非特許文献2〜4を適宜参照して説明する。
図4に示される診断部(診断手段)23は、診断情報DB31に記録された実測データを学習部21により学習させたニューラルネットワーク部41へ入力して、診断結果として油入変圧器の絶縁紙の平均重合度を出力させる。診断部23は診断対象の油入変圧器について、該当する入力因子を学習済みのニューラルネットワーク部41に入力する。具体的には、絶縁油を分析して得られる各種劣化指標(例えば、フルフラール量、CO2+CO量、水分量、酸素量、水素量等が好適である。)と、当該油入変圧器の運転状態(例えば、平均負荷率、絶縁油の交換履歴、絶縁油の脱気処理履歴等が好適である。)と、油入変圧器の設計諸元(例えば、絶縁油劣化防止方式、冷却方式、絶縁紙の量、絶縁油の量等が好適である。)等の、上述した(2)平均重合度推定モデルの構築で用いた入力因子について、ニューラルネットワーク部41にデータを入力する。その後、診断部23は上記入力した実測データに対応する平均重合度をニューラルネットワーク部41を用いて算出し、出力する。
図4に示される推定値算出部(推定値算出手段)24は、診断部23により出力された平均重合度に基づき、油入変圧器の余寿命を算出する。余寿命の算出は、図2に示した平均重合度の寿命レベルと定義されている平均重合度450になる時点を寿命時点と考え、現時点から寿命時点までの年数を余寿命とする。具体的には、広く用いられている以下の式11で示される方法を採用した(「工場電気設備の診断・更新技術」、電気学会技術報告、第831号(2001)、第33頁を参照)。
上述した(3)で構築したデータ範囲モデルを用いて、推定結果の信頼度を計算する。データ範囲モデルを用いて、上述した(4)で入力した入力データ(式2で示されるデータ行列X)を式10に示されるように少数の統計的データ(スコアベクトル)に集約する。さらにこれからHotellingのT2統計量およびQ統計量の2つの指標に集約する。
(1)複数箇所の雨量データを用いて下流の流量を予測する流量予測装置における、予測された流量の信頼度の評価
(2)下水ポンプ場または終末処理場のポンプ施設へ流入する下水の流入量を予測する下水流入量予測装置、における予測された流入量の信頼度の評価
(3)空調負荷実績データ、気象データ、カレンダデータおよび空調機器稼働スケジュールデータを入力因子とする予測モデルを用いて空調負荷の予測を行う空調負荷予測方法、における予測された空調負荷の信頼度の評価
(4)エネルギー需要の予測を行うためのエネルギー需要予測方法、における予測されたエネルギー需要の信頼度の評価
(5)対象プラントの電力負荷、熱負荷、空気負荷等の各種負荷を予測するプラント負荷の予測方法、における予測された各種負荷の信頼度の評価
(6)自流式ダムの水力発電量予測方法、における予測された水力発電量の信頼度の評価
(7)電力需要量を予測する電力需要量予測方法、における予測された電力需要量の信頼度の評価
その他、本発明の信頼度評価装置10等は種々の予測値に対する信頼度の評価に対して適用することができる。
50 内部ブロック、 51 CPU、 52 ROM、 53 RAM、 54 表示部、 55 VRAM、 56 画像制御部、 57 コントローラ、 58a 記録装置、 58n 記録媒体、 59 入力制御部、 60 入力操作部、 61 入出力I/F部、 62 バス。
Claims (7)
- ニューラルネットワークを用いて求められた、油入電気機器の絶縁紙の劣化状態の信頼度を評価する信頼度評価装置であって、
前記ニューラルネットワークの学習に用いる入力因子であって学習させる油入電気機器から測定された学習用の所定の測定値と該ニューラルネットワークの学習に用いる油入電気機器の絶縁紙の劣化状態とを記録した学習情報記録部と、
前記ニューラルネットワークに診断させる診断情報であって診断させる前記油入電気機器から測定された診断用の所定の測定値を記録した診断情報記録部と、
前記学習情報記録部に記録された所定の測定値と油入電気機器の絶縁紙の劣化状態とを入力して、前記ニューラルネットワークに学習させる学習手段と、
前記学習情報記録部に記録された所定の測定値に基づき主成分分析を用いて主成分の結合係数からなるローディング行列を求めるローディング行列算出手段と、
前記診断情報記録部に記録された所定の測定値を前記学習手段により学習させたニューラルネットワークへ入力して、診断結果としての油入電気機器の絶縁紙の劣化状態を出力させる診断手段と、
前記ローディング行列算出手段により算出されたローディング行列と前記学習情報記録部に記録された所定の測定値とに基づき主成分得点からなるスコア行列を求め、前記診断情報記録部に記録された所定の測定値と前記ローディング行列と前記スコア行列とからHotellingのT2統計量を算出し、前記診断情報記録部に記録された所定の測定値と前記ローディング行列とから二乗予測誤差であるQ統計量を求める統計量算出手段と、
前記統計量算出手段により求められたHotellingのT2統計量とQ統計量とに基づく所定の関数により、前記診断手段により算出された油入電気機器の絶縁紙の劣化状態の信頼度を評価する推定信頼度を算出する推定信頼度算出手段とを備えたことを特徴とする信頼度評価装置。 - 請求項1記載の信頼度評価装置において、
前記所定の測定値は油入電気機器の絶縁油中に含まれる劣化指標と、油入電気機器の運転状態と、油入電気機器の設計諸元とを含み、
前記油入電気機器の絶縁紙に対する劣化状態は、平均重合度であることを特徴とする信頼度評価装置。 - 請求項2記載の信頼度評価装置において、前記油入電気機器は油入変圧器であり、前記劣化指標はフルフラール量とCO2+COとを含み、前記運転状態は絶縁油の交換履歴を含み、前記設計諸元は絶縁紙の量と絶縁油の量とを含むことを特徴とする信頼度評価装置。
- ニューラルネットワークを用いて求められた、油入電気機器の絶縁紙の劣化状態の信頼度を評価する信頼度評価装置が実行する信頼度評価プログラムであって、該ニューラルネットワークの学習に用いる入力因子であって学習させる油入電気機器から測定された学習用の測定値と該ニューラルネットワークの学習に用いる油入電気機器の絶縁紙の劣化状態とを記録した学習情報記録部と、該ニューラルネットワークに診断させる診断情報であって診断させる該油入電気機器から測定された診断用の所定の測定値を記録した診断情報記録部とを用い、該信頼度評価装置のコンピュータを、
前記学習情報記録部に記録された所定の測定値と油入電気機器の絶縁紙の劣化状態とを入力して、前記ニューラルネットワークに学習させる学習手段、
前記学習情報記録部に記録された所定の測定値に基づき主成分分析を用いて主成分の結合係数からなるローディング行列を求めるローディング行列算出手段、
前記診断情報記録部に記録された所定の測定値を前記学習手段により学習させたニューラルネットワークへ入力して、診断結果としての油入電気機器の絶縁紙の劣化状態を出力させる診断手段、
前記ローディング行列算出手段により算出されたローディング行列と前記学習情報記録部に記録された所定の測定値とに基づき主成分得点からなるスコア行列を求め、前記診断情報記録部に記録された所定の測定値と前記ローディング行列と前記スコア行列とからHotellingのT2統計量を算出し、前記診断情報記録部に記録された所定の測定値と前記ローディング行列とから二乗予測誤差であるQ統計量を求める統計量算出手段、
前記統計量算出手段により求められたHotellingのT2統計量とQ統計量とに基づく所定の関数により、前記診断手段により算出された油入電気機器の絶縁紙の劣化状態の信頼度を評価する推定信頼度を算出する推定信頼度算出手段として機能させるための信頼度評価プログラム。 - 請求項4記載の信頼度評価プログラムにおいて、
前記所定の測定値は油入電気機器の絶縁油中に含まれる劣化指標と、油入電気機器の運転状態と、油入電気機器の設計諸元とを含み、
前記油入電気機器の絶縁紙に対する劣化状態は、平均重合度であることを特徴とする信頼度評価プログラム。 - ニューラルネットワークを用いて求められた、油入電気機器の絶縁紙の劣化状態の信頼度を信頼度評価装置に評価させる信頼度評価方法であって、該ニューラルネットワークの学習に用いる入力因子であって学習させる油入電気機器から測定された学習用の所定の測定値と該ニューラルネットワークの学習に用いる油入電気機器の絶縁紙の劣化状態とを記録した学習情報記録部と、該ニューラルネットワークに診断させる診断情報であって診断させる該油入電気機器から測定された診断用の所定の測定値を記録した診断情報記録部とを用い、該信頼度評価装置のコンピュータが、
前記学習情報記録部に記録された所定の測定値と油入電気機器の絶縁紙の劣化状態とを入力して、前記ニューラルネットワークに学習させる学習ステップと、
前記学習情報記録部に記録された所定の測定値に基づき主成分分析を用いて主成分の結合係数からなるローディング行列を求めるローディング行列算出ステップと、
前記診断情報記録部に記録された所定の測定値を前記学習ステップで学習させたニューラルネットワークへ入力して、診断結果としての油入電気機器の絶縁紙の劣化状態を出力させる診断ステップと、
前記ローディング行列算出ステップで算出されたローディング行列と前記学習情報記録部に記録された所定の測定値とに基づき主成分得点からなるスコア行列を求め、前記診断情報記録部に記録された所定の測定値と前記ローディング行列と前記スコア行列とからHotellingのT2統計量を算出し、前記診断情報記録部に記録された所定の測定値と前記ローディング行列とから二乗予測誤差であるQ統計量を求める統計量算出ステップと、
前記統計量算出ステップで求められたHotellingのT2統計量とQ統計量とに基づく所定の関数により、前記診断ステップで算出された油入電気機器の絶縁紙の劣化状態の信頼度を評価する推定信頼度を算出する推定信頼度算出ステップとを備えたことを特徴とする信頼度評価方法。 - 請求項6記載の信頼度評価方法において、
前記所定の測定値は油入電気機器の絶縁油中に含まれる劣化指標と、油入電気機器の運転状態と、油入電気機器の設計諸元とを含み、
前記油入電気機器の絶縁紙に対する劣化状態は、平均重合度であることを特徴とする信頼度評価方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010053801A JP5494034B2 (ja) | 2010-03-10 | 2010-03-10 | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010053801A JP5494034B2 (ja) | 2010-03-10 | 2010-03-10 | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011185880A JP2011185880A (ja) | 2011-09-22 |
JP5494034B2 true JP5494034B2 (ja) | 2014-05-14 |
Family
ID=44792332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010053801A Active JP5494034B2 (ja) | 2010-03-10 | 2010-03-10 | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5494034B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914364B (zh) * | 2015-05-30 | 2017-10-17 | 大连理工大学 | 电容式油纸变压器套管绝缘状态评估的方法 |
CN105205590A (zh) * | 2015-09-01 | 2015-12-30 | 深圳供电局有限公司 | 一种变压器健康状态分析的方法和*** |
JP6251861B1 (ja) * | 2017-03-13 | 2017-12-27 | 義和 寺上 | 変圧器劣化状況表示装置 |
JP6760200B2 (ja) * | 2017-05-16 | 2020-09-23 | 富士通株式会社 | 推定プログラム、推定方法および推定装置 |
KR101966557B1 (ko) * | 2017-12-08 | 2019-04-05 | 세종대학교산학협력단 | 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템 및 방법 |
CN108802576B (zh) * | 2018-03-09 | 2021-08-27 | 国网山西省电力公司检修分公司 | 一种油浸式电容套管运行状态的主客观整合评估方法 |
CN110929972B (zh) * | 2018-09-20 | 2023-09-08 | 西门子股份公司 | 评估配电变压器状态的方法、装置、设备、介质和程序 |
CN109726517B (zh) * | 2019-01-31 | 2022-12-02 | 西安理工大学 | 一种基于多变量关联数据的设备剩余寿命预测方法 |
JP7405707B2 (ja) * | 2020-07-01 | 2023-12-26 | 株式会社日立製作所 | 変圧器の診断方法および診断システム |
JP7436313B2 (ja) * | 2020-07-21 | 2024-02-21 | 株式会社日立製作所 | 予測システム、予測方法、ならびに表示装置 |
CN113992535B (zh) * | 2021-12-28 | 2022-03-29 | 军事科学院***工程研究院网络信息研究所 | 一种网络可靠性评估方法、装置、电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05225163A (ja) * | 1992-02-13 | 1993-09-03 | Hitachi Ltd | ニューラルネットシステムおよびニューラルネットの学習方法 |
JP4857597B2 (ja) * | 2005-05-02 | 2012-01-18 | 富士電機株式会社 | 油入電気機器の劣化診断方法 |
JP5130934B2 (ja) * | 2007-03-05 | 2013-01-30 | 株式会社デンソー | 認識システム、情報処理装置、設計装置、及び、プログラム |
JP2009168571A (ja) * | 2008-01-15 | 2009-07-30 | Jfe Steel Corp | 油入変圧器の劣化診断方法 |
JP2009199545A (ja) * | 2008-02-25 | 2009-09-03 | Toshiba Corp | 遠隔監視システム |
-
2010
- 2010-03-10 JP JP2010053801A patent/JP5494034B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2011185880A (ja) | 2011-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5494034B2 (ja) | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 | |
JP4857597B2 (ja) | 油入電気機器の劣化診断方法 | |
Abu-Siada et al. | A new approach to identify power transformer criticality and asset management decision based on dissolved gas-in-oil analysis | |
DE60031615T2 (de) | Intelligente Vorrichtung und Verfahren zur Analyse einer flüssigkeitsgefüllten elektrischen Anlage | |
CN104914327A (zh) | 基于实时监测信息的变压器故障检修预测方法 | |
Tamma et al. | High voltage power transformer condition assessment considering the health index value and its decreasing rate | |
CN112255484A (zh) | 一种避雷器运行状态在线监测及评估方法和*** | |
CN112686515B (zh) | 变压器运行状态评估方法、装置、计算机设备和存储介质 | |
EP1085635A2 (en) | Fluid-filled electrical equipment intelligent analysis system and method | |
KR101625087B1 (ko) | 고조파 분석에 의한 전기설비 고장 진단장치 | |
CN106569069A (zh) | 电力变压器故障诊断方法 | |
JP5387877B2 (ja) | 油入電気機器の余寿命推定方法 | |
Singh et al. | Enhanced optimal trained hybrid classifiers for aging assessment of power transformer insulation oil | |
Niţu et al. | Power transformer fault diagnosis using fuzzy logic technique based on dissolved gas analysis and furan analysis | |
Chantola et al. | Integrated fuzzy logic approach for calculation of health index of power transformer | |
Prasojo et al. | Health index analysis of power transformer with incomplete paper condition data | |
Hong et al. | State classification of transformers using nonlinear dynamic analysis and Hidden Markov models | |
CN114595883A (zh) | 基于元学习的油浸式变压器剩余寿命个性化动态预测方法 | |
Kamarzarrin et al. | A new intelligent fault diagnosis and prognosis method for wind turbine doubly-fed induction generator | |
Nezami et al. | An ANFIS based comprehensive correlation between diagnostic and destructive parameters of transformer’s paper insulation | |
Zeinoddini‐Meymand et al. | Techno‐economical lifetime assessment of power transformers rated over 50 MVA using artificial intelligence models | |
CN115718270A (zh) | 一种电力变压器的监测方法、装置和电子设备 | |
JP2009168571A (ja) | 油入変圧器の劣化診断方法 | |
CN115936515A (zh) | 电缆运行状态的确定方法、装置、存储介质和电子设备 | |
Agarwal et al. | Diagnostic and prognostic models for generator step-up transformers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130912 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131015 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131212 |
|
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: 20140204 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5494034 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |