JP5985158B2

JP5985158B2 - Electrical equipment quality diagnosis system

Info

Publication number: JP5985158B2
Application number: JP2011098722A
Authority: JP
Inventors: 久栄中村; 幸男水野
Original assignee: Nagoya Institute of Technology NUC; Toenec Corp
Current assignee: Nagoya Institute of Technology NUC; Toenec Corp
Priority date: 2011-04-08
Filing date: 2011-04-08
Publication date: 2016-09-06
Anticipated expiration: 2031-04-08
Also published as: JP2012220485A

Description

本発明は、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、当該設備の良否を正確に診断できる電気設備の良否診断システムに関する。 The present invention relates to an electrical equipment quality diagnosis system that can accurately diagnose the quality of the equipment by preparing only data obtained in a normal state of the electrical equipment.

従来、電気設備の良否を診断するシステムとして、特許文献１に開示されているように、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、或いは、どのような異常状態にあるかを診断する手法がある。 Conventionally, as disclosed in Patent Document 1, as a system for diagnosing the quality of electrical equipment, data is prepared in advance for each state according to the types of normal state and abnormal state of the electrical equipment. There is a method of diagnosing whether the equipment is normal or in an abnormal state by comparing which data the data obtained from the equipment is close to when the equipment is diagnosed .

特開２００６−０９０９０４号公報 JP 2006-090904 A

上記特許文献１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データを診断前に用意しておかなければならないが、正常状態のデータを用意することは比較的簡単であっても、電気設備を人為的に異常状態にして、それぞれの異常状態の種類毎にデータを得ることは極めて困難な場合が多い。
そこで、発明者らは、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電気設備の良否を診断するシステムを案出し、特願２００９−０５４１７５号として既に出願している。
特願２００９−０５４１７５号の診断手法では、当該設備を診断する際に、この設備から得られた特徴量が、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ものである。
しかしながら、電気設備である例えば電動機には三相の電流が流れていることから、一相の電流のみから電動機の良否を診断するには無理があり、電気設備の良否を診断する診断精度が不安定となる虞があった。In the diagnostic method disclosed in Patent Document 1, data must be prepared in advance for each type of normal state and abnormal state of electrical equipment before diagnosis. However, preparing normal state data is relatively easy. However, it is often extremely difficult to obtain data for each type of abnormal state by artificially setting the electrical equipment to an abnormal state.
Therefore, the inventors have devised a system for diagnosing the quality of electrical equipment by preparing only data obtained in a normal state without preparing data on the abnormal state of the electrical equipment to be diagnosed. An application has already been filed as Japanese Patent Application No. 2009-054175.
In the diagnostic method of Japanese Patent Application No. 2009-054175, when diagnosing the equipment, whether or not the feature amount obtained from the equipment is within the probability range based on the data obtained in a normal state, It diagnoses the quality of the electrical equipment.
However, since a three-phase current flows through, for example, an electric motor such as an electric facility, it is impossible to diagnose the quality of the electric motor from only the one-phase current, and the diagnostic accuracy for diagnosing the quality of the electric facility is inadequate. There was a risk of becoming stable.

そこで本発明では、一つの相の電流のみに着目するのではなく、他の相の電流にも着目し、診断の精度を向上させることのできる電気設備の良否診断システムの提供を目的とし、この目的を達成するために以下の手段を採った。
本発明の電気設備の良否診断システムは、診断対象となる電気設備に流れる電流から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を備え、
前記電気設備の複数相に流れる電流を同期計測し、各相に流れる電流から各相毎の前記確率値を前記確率計算手段で導出し、各相で得られた確率値をかけ合わせる若しくは足し合わせることで得られた確率値に対して閾値を設けることで前記電気設備が正常か異常かを診断する診断手段を備えたことを要旨とする。
Therefore, in the present invention, not only focusing on the current of one phase but also focusing on the current of the other phase, an object of the present invention is to provide an electrical equipment quality diagnostic system capable of improving the accuracy of diagnosis. The following measures were taken to achieve the objective.
The electrical equipment quality diagnostic system of the present invention includes a feature quantity detection means for detecting a feature quantity from a current flowing in an electrical equipment to be diagnosed,
Arithmetic storage means for deriving and storing the average and standard deviation of the feature quantities obtained by the feature quantity detection means when the electrical equipment is in a normal state;
When diagnosing the electrical equipment, it exists inside an 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. A probability calculation means for obtaining a probability value,
Synchronously measure the current flowing through multiple phases of the electrical equipment, derive the probability value for each phase from the current flowing through each phase by the probability calculation means, and multiply or add the probability values obtained in each phase and summarized in that the electrical equipment is provided with a diagnostic means for diagnosing the normal or abnormal by providing for the obtained probability value threshold by.

本発明の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の正常状態で得られたデータのみを用意すれば良い。また、複数相の電流を同期計測し、それらの電流から特徴量を抽出し、特徴量分布を求め、その分布から導出される確率値を最終的にかけ合わせる若しくは足し合わせることで診断の精度を向上させることができる。 According to the electrical equipment quality diagnosis system of the present invention, only data obtained in a normal state of the electrical equipment to be diagnosed need be prepared. In addition, multiple phase currents are measured synchronously, feature quantities are extracted from those currents, a feature quantity distribution is obtained, and the probability values derived from the distribution are finally multiplied or added to improve diagnosis accuracy. Can be made.

また、本発明の電気設備の良否診断システムにおいて、前記特徴量を、電流波形の「振幅」と「位相」とすることもできる。こうすれば、特徴量を検出するのが容易となる。 In the electrical equipment quality diagnosis system according to the present invention, the feature amount may be an “amplitude” and a “phase” of a current waveform. This makes it easy to detect the feature amount.

また、本発明の電気設備の良否診断システムにおいて、前記診断対象となる電気設備は、三相の電流が流れる電動機であるものとすることもできる。こうすれば、電動機の良否診断精度を向上させることができる。 In the electrical equipment quality diagnostic system of the present invention, the electrical equipment to be diagnosed may be an electric motor through which a three-phase current flows. If it carries out like this, the quality diagnostic accuracy of an electric motor can be improved.

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 an electrical equipment quality diagnostic system. 正常な状態と短絡しているときの電動機Ｍの固定子巻線に流れる電流の波形図である。 It is a wave form diagram of the electric current which flows into the stator winding | coil of the electric motor M when it is short-circuited with a normal state. 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. 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. 振幅と位相の決め方の説明図である。 It is explanatory drawing of how to determine an amplitude and a phase. 負荷運転時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 an electrical equipment quality diagnostic system during load operation. デジタルフィルタの構成を示すブロック図である。 It is a block diagram which shows the structure of a digital filter. 移動平均フィルタの構成を示すブロック図である。 It is a block diagram which shows the structure of a moving average filter.

先に、本発明の電気設備の良否診断の理論を、数式等を用いて説明する。
まず、実際の診断を実施するための前段階として、予め準備しておくために、正常状態にある電気設備のある運転条件時（運転条件１とする）から、その設備の診断に有用な特徴量を取得する。
一般に、診断時に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、特徴空間上のあるかたまった領域（以降、クラスと呼ぶ）に分布するようになる。そのため、運転条件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する（ここまでが実際の診断を実施するための前段階として、予め準備しておくことである）。First, the theory of pass / fail diagnosis of electrical equipment according to the present invention will be described using mathematical formulas and the like.
First, as a pre-stage for carrying out the actual diagnosis, since it is prepared in advance, it is a useful feature for diagnosis of the equipment from the operating condition of the electrical equipment in the normal state (referred to as operating condition 1). Get the quantity.
In general, feature value values that can be used at the time of diagnosis are distributed in a certain area (hereinafter referred to as a class) in the feature space according to the state of the equipment (normal or abnormal). Therefore, the average and standard deviation of each feature amount in the normal state of the equipment are derived under the condition of the operating condition 1 (this is to prepare in advance as a pre-stage for carrying out the actual diagnosis. ).

次に、実際に設備を診断する際には、運転条件１で稼働中の設備から上記特徴量を取得する（この点をＡ点とする）。

と標準偏差σ_ｉ（ｉ＝１，２，．．．ｎ。ただしｎは特徴量の数である）によって決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。Next, when the facility is actually diagnosed, the feature amount is acquired from the facility operating under the operating condition 1 (this point is referred to as point A).

And the standard deviation σ _i (i = 1, 2,... N, where n is the number of feature quantities), the probability of existing inside the ellipsoid in the normal class is calculated.

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。
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）は次式で表わすことができる。

表す。式（１）の指数部分において

とおく。式（２）は楕円体を表し、さらにこの楕円体上のすべての点は

という等確率を持つことを意味する。The probability value existing inside this ellipsoid is calculated as follows.
If each element of the n-dimensional feature quantity x = (x ₁ , x ₂ ,..., X _n ) follows a Gaussian distribution, the simultaneous probability density function p (x) at that time can be expressed by the following equation: it can.

Represent. In the exponent part of equation (1)

far. Equation (2) represents an ellipsoid, and all points on this ellipsoid are

It means having equal probability.

いま、特徴空間上の点が式（２）で表わされる等確率楕円体の内側にある確率を考える

σ_ｉを用いることで、

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、（４）式は

と変形できる。ベクトルｚがこの球の内側に存在する確率は、多重積分を用いて

と求めることができる。Now consider the probability that a point on the feature space is inside the equiprobability ellipsoid represented by equation (2)

By using σ _i

And can be transformed. New conversion

By substituting x using, equation (4) becomes

And can be transformed. The probability that the vector z is inside this sphere is

It can be asked.

さらに（７）式において、

と置くことで、

と変形することができる。（９）式のｓ（ｒ）ｄｒはｎ次元空間の球の半径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、（９）式においてｓ（ｒ）ｄｒ＝２πｒｄｒと求めることができるから、（２）式で表わ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。

Furthermore, in equation (7):

By putting

And can be transformed. In the equation (9), s (r) dr represents the minute volume in the section from the radius r of the sphere in the n-dimensional space to r + dr.
For example, in the case of n = 2, s (r) dr = 2πrdr can be obtained in the equation (9), so the probability of existing inside the ellipse represented by the equation (2) is It can be expressed as

従って、実際の診断時には、運転条件１で稼働中の設備から得られた特徴量（Ａ点）と

代入してｌの値を求め、こうして求めたｌを（１０）式に代入することで、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で、設備の良否判定が可能となる。Therefore, at the time of actual diagnosis, the characteristic amount (point A) obtained from the equipment operating under the operating condition 1

By substituting for the value of l and substituting l thus obtained into equation (10), the probability of existing inside point A in the normal class is quantitatively calculated. By setting a threshold value for the probability value thus obtained, it is possible to determine whether the equipment is good or bad.

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（９）式の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、（４）式は楕円面となるが、ｎ＝３の場合には（４）式は楕円体となる。 In the above example, the derivation method of the probability value in the case of n = 2 and the diagnosis method at that time are shown. However, even in the case of multi-dimension, s (r) dr in the equation (9) is changed to the value of n. By changing it accordingly, it can be obtained similarly. When n = 2, equation (4) becomes an ellipsoid, but when n = 3, equation (4) becomes an ellipsoid.

従来手法として、電気設備の状態毎のクラスの平均、例えば特徴量の平均値などを求めておいて、その各クラスの平均からの距離を（２）式により表し、その距離が最も近いクラスに診断対象の電気設備は属すると判定する診断方法もある。しかし、この判定手法もはじめに述べた手法と同様に、正常時だけでなく予め故障毎の平均を求める必要があり、故障の数が多くなればなるほど、平均を求めるための工程に多くの時間を割く必要が出てくるといった問題が生じてくる。
さらに、（２）式の距離ｌの値そのものから直接、電気設備の状態を診断する手法も考えられる。しかしながら、この場合には、距離ｌの値が持つ物理的意味が不明確であることから、距離ｌと設備の状態との因果関係の結び付けが難しい。それに対して本発明は、特徴量の観測確率から設備の故障の可能性を確率的に導出するため、その判定基準としての閾値の持つ物理的意味が明確となり、実際の運用面で有用となる。As a conventional method, an average of classes for each state of electrical equipment, for example, an average value of feature quantities, is obtained, and the distance from the average of each class is expressed by equation (2), and the distance is the closest to the class. There is also a diagnostic method for determining that the electrical equipment to be diagnosed belongs. However, as in the method described at the beginning, it is necessary to obtain an average for each failure in advance as well as the normal method. The larger the number of failures, the more time is required for the process for obtaining the average. The problem of needing to break out arises.
Furthermore, a method of diagnosing the state of the electrical equipment directly from the value of the distance l in the equation (2) is also conceivable. However, in this case, since the physical meaning of the value of the distance l is unclear, it is difficult to link the causal relationship between the distance l and the state of the equipment. On the other hand, the present invention probabilistically derives the possibility of equipment failure from the observation probability of the feature value, so that the physical meaning of the threshold value as the determination criterion becomes clear and useful in actual operation. .

次に、本発明の実施例を説明する。
図１は、診断対象となる電気設備の良否を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。
なお、本例では、電気設備における電動機の固定子巻線の良否診断に適用する例を示す。
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に流れる電流と、その時に電動機Ｍに印加される電圧を、電流、電圧センサにより検出する。特徴量抽出部２にはＡ／Ｄ変換回路が設けられており、デジタル信号に変換され、結杲は演算部３に出力される。Next, examples of the present invention will be described.
FIG. 1 is a block system diagram of an electrical equipment quality diagnostic system 1 for diagnosing the quality of electrical equipment to be diagnosed.
In addition, in this example, the example applied to the quality diagnosis of the stator winding | coil of the electric motor in an electrical installation is shown.
The feature quantity detection unit 2 constituting the electrical equipment quality diagnosis system 1 detects a current flowing through the motor M to be diagnosed and a voltage applied to the motor M at that time using a current and voltage sensor. The feature quantity extraction unit 2 is provided with an A / D conversion circuit, which converts it into a digital signal and outputs the ligation to the calculation unit 3.

なお、電動機Ｍの固定子巻線において短絡が発生すると、電動機Ｍに流れる電流は、巻線が正常状態の時のものと比較して、振幅は大きくなり、基準とする電源Ｐ電圧に対して位相は進む（図２参照）。そこで、電流の「振幅」と「位相」を特徴量として考える。
ここで振幅と位相の決め方について図５を用いて説明する。ここでは便宜上、電源電圧としてＵ−Ｖ間の電源電圧Ｖｕｖと、Ｗ相の電流Ｉｗのみを示して説明する。
振幅は、図５に示すように、電流波形の正側を用いる。なお、負側を用いても良い。
図５の横軸は、時間を表しているが、電源電圧を基準とした場合には位相とみなすことができる。そこで位相は、例えば電源電圧Ｖｕｖが特徴的な時刻（負から正に切り替わるゼロクロス時刻など）を基準として、Ｉｗの波形が特徴的な時刻（ゼロクロス時や最大、最小となる時刻）とする。図５では、Ｉｗが負から正に切り替わるゼロクロス時を位相とした場合を示している。また、Ｉｗと同期計測したＩｕとＩｖに対しても上記Ｖｕｖのゼロクロス時刻を基準として、同様な手法で振幅や位相を求める。When a short circuit occurs in the stator winding of the electric motor M, the current flowing through the electric motor M has a larger amplitude than that when the winding is in a normal state, and with respect to the reference power supply P voltage. The phase advances (see FIG. 2). Therefore, the “amplitude” and “phase” of the current are considered as feature quantities.
Here, how to determine the amplitude and phase will be described with reference to FIG. Here, for convenience, only the power supply voltage Vuv between U and V and the W-phase current Iw are shown as the power supply voltage.
As shown in FIG. 5, the amplitude uses the positive side of the current waveform. The negative side may be used.
The horizontal axis of FIG. 5 represents time, but can be regarded as a phase when the power supply voltage is used as a reference. Therefore, for example, the phase is set to a characteristic time (time at zero crossing, maximum or minimum time) of the waveform of Iw with reference to a characteristic time (such as zero crossing time when the power supply voltage Vuv switches from negative to positive). FIG. 5 shows a case where the phase is zero crossing when Iw switches from negative to positive. In addition, the amplitude and phase of Iu and Iv measured synchronously with Iw are obtained by the same method with reference to the zero crossing time of Vuv.

演算部３は、大きく２つのブロックに分けられる。一つは平均・標準偏差演算部４であり、この平均・標準偏差演算部４は、設備が正常なときの特徴量の平均・標準偏差を計算し、保存しておくブロックである。もう一つの確率演算部５は、実際に電動機Ｍを診断する際に、特徴量検出部２で検出された特徴量と、平均・標準偏差演算部４に保存しておいた特徴量の平均や標準偏差から、確率値を計算するブロックである。 The calculation unit 3 is roughly divided into two blocks. One is an average / standard deviation calculation unit 4, and this average / standard deviation calculation unit 4 is a block that calculates and stores the average / standard deviation of feature quantities when the equipment is normal. Another probability calculation unit 5 is configured to calculate the average of the feature amount detected by the feature amount detection unit 2 and the feature amount stored in the average / standard deviation calculation unit 4 when actually diagnosing the motor M. This block calculates a probability value from the standard deviation.

同じ電動機Ｍにおいて、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巻線の状態毎（正常もしくは短絡）にかたまって分布するようになる（図３参照）。

く。今回の例だと、特徴量は振幅と位相の２つであるためｎ＝２である。そして、振幅に対

とσ_２とする。そしてこれらの値を保存しておく。これが平均・標準偏差演算部４での処理である。In the same motor M, when the amplitude and phase values are measured several times from the current and plotted on a two-dimensional space, these plotted points are distributed according to the winding state (normal or short-circuited). (See FIG. 3).

The In this example, n = 2 because there are two feature quantities, amplitude and phase. And the amplitude

And σ ₂ . Save these values. This is the process in the average / standard deviation calculator 4.

次に、確率値を計算する確率演算部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と同様に、特徴量検出部２において、ある一相で計測した電流から、その波形の振幅と位相を観測する。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。そうすると、（４）式にこれらの値を代入することで、下のようにｌ_ｄの値を求めることができる。

最後に、このｌ_ｄの値を（１０）式のｌに代入する。

ここで求められた確率は、図４において楕円の内側（斜線部分）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点と同じ発生確率を持つ点の集合体、今の場合では楕円面、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等を設定することで、この電動機Ｍの巻線が正常なのかそれとも短絡等の異常なのかの良否判定が、正常データのみを用いて図１の診断部６で確率的に診断することが可能となる。
確率値や設備の良否判定などの最終結果は図１の表示部７に出力する。Next, the probability calculation unit 5 that calculates the probability value will be described.
When diagnosing the stator winding of the electric motor M, the feature quantity detection unit 2 observes the amplitude and phase of the waveform from the current measured in a certain phase in the same manner as described above. The observation point at this time is point A, and the value at that time is (x _d1 , x _d2 ). Then, by substituting these values into the equation (4), the value of l _d can be obtained as follows.

Finally, it substitutes the value of the _{l d} in equation (10) l.

The probability obtained here is the probability of existing inside the ellipse (shaded portion) in FIG. As a result, the probability of being present inside the set of points having the same occurrence probability as the point A in the normal class, in this case, the ellipsoid is derived.
By setting a threshold value or the like for the probability value obtained in this way, whether or not the winding of the motor M is normal or abnormal such as a short circuit is determined using only normal data in FIG. The diagnosis unit 6 can make a diagnosis probabilistically.
Final results such as probability values and equipment quality determinations are output to the display unit 7 in FIG.

次に、具体的な電動機Ｍの診断例を以下に説明する。
同じ型番の電動機Ｍにおいて、その固定子巻線が正常、もしくは数ターンの短絡を有するものを計９台準備する。そしてこれらの電動機Ｍに対して電源から電力を供給し稼働させた状態で、電動機Ｍに流れる三相の電流を同期計測する。
電動機Ｍの稼働としては、負荷を取り付けない状態での稼働（無負荷運転）、負荷を付けた状態での稼働（負荷運転）のどちらでも良い。Next, a specific diagnosis example of the electric motor M will be described below.
A total of nine motors M having the same model number and having a normal stator winding or a short circuit of several turns are prepared. Then, three-phase currents flowing through the motor M are synchronously measured in a state where electric power is supplied from the power source to the motor M and operated.
The operation of the electric motor M may be either operation with no load attached (no load operation) or operation with a load attached (load operation).

無負荷運転時の診断結果を表１に示す。 Table 1 shows the diagnostic results during no-load operation.

巻線が正常な場合のモータ番号１のときは、前に説明した手順に従ってＶ相に流れる電流から求めた確率は４７％であるが、Ｕ相に流れる電流から求めた前記確率は８３％、Ｗ相に流れる電流から求めた前記確率は８４％とどちらも高い。そのため、Ｕ相とＷ相に流れる電流だけの結果から巻線の良否を判定する場合には、「Ｕ相もしくはＷ相の巻線において短絡が発生している」と誤診してしまう可能性が高い。
しかし、各相の電流を同期計測し、各相で得られた前記確率を掛け合わせる（Ｐｕ×Ｐｖ×Ｐｗ）ことで、その確率は３３％まで低下する。
一方、モータ番号７では、巻線に１ターン短絡が生じているため、各相とも前記確率は高い。各相の電流を同期計測し、各相で得られた前記確率を掛け合わせる（Ｐｕ×Ｐｖ×Ｐｗ）と、確率は８４％であり、高い値となる。When the motor number is 1 when the winding is normal, the probability obtained from the current flowing in the V phase according to the procedure described above is 47%, but the probability obtained from the current flowing in the U phase is 83%, The probabilities obtained from the current flowing in the W phase are both 84% and high. Therefore, when judging the quality of the winding from the result of only the current flowing in the U-phase and the W-phase, there is a possibility of misdiagnosing that “a short circuit has occurred in the U-phase or W-phase winding”. high.
However, by synchronously measuring the current of each phase and multiplying the probability obtained in each phase (Pu × Pv × Pw), the probability is reduced to 33%.
On the other hand, in motor No. 7, since one turn short circuit has occurred in the winding, the probability is high for each phase. When the current of each phase is synchronously measured and multiplied by the probability obtained in each phase (Pu × Pv × Pw), the probability is 84%, which is a high value.

このことから、モータ番号１とモータ番号７の確率を比較すると３３％と８４％となり、一相のみの電流から確率値を導出し、その値に基づいて良否判定を行う場合に比べて、複数相の電流を考慮することで、誤診する割合を大幅に低下させることができる。
以上のことから、一相分の電流から求めた特徴量分布から得られる確率の値だけで巻線の良否を診断するのではなく、複数相に流れる電流を基に確率を導出し、それらの確率を掛け合わせる、または足し合わせることで、正常や１ターン短絡といった巻線に発生する軽微な異常の判定が容易となり、診断精度が向上する。
また、計測を複数回実施して、それぞれの計測毎にＰｕ×Ｐｖ×Ｐｗを求め、最後に、複数回の計測の平均を求めることで、最終的な確率Ｐｕ×Ｐｖ×Ｐｗとしても良い。Therefore, when the probabilities of motor number 1 and motor number 7 are compared, they are 33% and 84%, and a probability value is derived from the current of only one phase, and compared to the case where pass / fail judgment is performed based on the value. By considering the phase current, the rate of misdiagnosis can be significantly reduced.
From the above, instead of diagnosing the quality of the winding based on the probability value obtained from the characteristic distribution obtained from the current for one phase, the probabilities are derived based on the current flowing in multiple phases, By multiplying or adding the probabilities, it is easy to determine minor abnormalities occurring in the winding, such as normal or one-turn short circuit, and the diagnostic accuracy is improved.
Alternatively, the measurement may be performed a plurality of times, Pu × Pv × Pw may be obtained for each measurement, and finally the average of the plurality of measurements may be obtained to obtain the final probability Pu × Pv × Pw.

次に、負荷がかかった状態で稼働している負荷運転時の診断方法について説明する。
負荷運転時の電気設備の良否診断システムのブロック系統図を図６に示す。
負荷がかかった状態で稼働している電動機では、その負荷の大きさにより、電動機の回転数が様々に変化することから、回転センサ８を用いて電動機Ｍの現在の回転数を計測する。
回転数を検出する回転センサ８としては、接触型と非接触型があるが、できるかぎり非接触型を用いる。
回転センサ８で検出された回転数において、特定の回転数ｋでトリガをかけることで、特定の回転数ｋのときの三相すべての電流と、電動機Ｍに印加される電圧を同期計測する。
そして特定の回転数ｋで電動機Ｍが稼働しているときの相毎の各特徴量、例えば前記のように振幅と位相を求める。Next, a diagnosis method at the time of load operation that is operating under a load will be described.
FIG. 6 shows a block system diagram of the electrical equipment quality diagnosis system during load operation.
In an electric motor that is operating in a state where a load is applied, the number of rotations of the electric motor varies depending on the magnitude of the load. Therefore, the current number of rotations of the electric motor M is measured using the rotation sensor 8.
As the rotation sensor 8 for detecting the rotation speed, there are a contact type and a non-contact type, and a non-contact type is used as much as possible.
By triggering at a specific rotation speed k at the rotation speed detected by the rotation sensor 8, all three-phase currents at the specific rotation speed k and the voltage applied to the motor M are synchronously measured.
And each feature-value for every phase when the electric motor M is operate | moving with the specific rotation speed k, for example, an amplitude and a phase as mentioned above are calculated | required.

ここで特定の回転数ｋの取り方としては、例えば１［ｒｐｍ］毎に細かく区切り、各回転数で稼働しているときの各特徴量を求めても良いが、代表的な回転数だけを数個選んで、その代表的な回転数で稼働しているときの各特徴量を求めても良い。
そして、特定の回転数ｋで稼働中の電動機Ｍから得られた各特徴量ｘ_ｉｋに対する平均

量を振幅と位相の２つとした場合にはｎ＝２であり、特定の回転数ｋで稼働中の電動機Ｍか

標準偏差演算部４での処理である。Here, as a method of taking a specific rotation speed k, for example, it may be finely divided every 1 [rpm], and each feature amount when operating at each rotation speed may be obtained, but only a representative rotation speed is obtained. It is also possible to select several and obtain each feature amount when operating at the representative rotational speed.
And the average with respect to each feature-value x _ik obtained from the motor M operating at a specific rotational speed k

When the quantity is two of amplitude and phase, n = 2 and the motor M is operating at a specific rotation speed k.

This is a process in the standard deviation calculation unit 4.

なお、無負荷運転時と負荷運転時のどちらの運転時であっても、電流センサによって計測された電流にはノイズが含まれるため、移動平均フィルタやローパスフィルタ（以降、ＬＰＦ）を追加することで、そのノイズ成分を除去することができる。 It should be noted that noise is included in the current measured by the current sensor during both no-load operation and load operation, so a moving average filter and low-pass filter (hereinafter LPF) should be added. Thus, the noise component can be removed.

ノイズ除去用のフィルタとして、ＬＰＦを用いた例について説明する。
電流信号ｉのすべての値をコンピュータに取り込むことは物理的に不可能であるため、ある定まった周期Ｔの整数倍の時点ｔ＝ｎＴ（ｎ＝０，１，２，…）での電流ｉの値（仮に、ｉ＊と表現する）をコンピュータに送ることになる。ここで、周期Ｔはサンプリング周期と呼ばれている。このように、時間的に連続な信号ｉから、不連続な信号ｉ＊を取り出すことをサンプリングといい、取り出した値をサンプル値という。サンプル値信号のような、とびとびの時刻における信号だけを扱うシステムを離散時間系と呼ぶ。
観測された電流信号はＡ／Ｄ変換により、とびとびの信号として取り込まれるため、ここでは離散時間系でのＬＰＦの設計を行う。また、実施の形態として、ここでは１次のＬＰＦの設計について説明する。An example using an LPF as a noise removing filter will be described.
Since it is physically impossible to capture all the values of the current signal i into the computer, the current i at a time t = nT (n = 0, 1, 2,...) That is an integral multiple of a certain period T. Is sent to the computer (assuming it is expressed as i *). Here, the period T is called a sampling period. Thus, taking out a discontinuous signal i * from a temporally continuous signal i is called sampling, and the taken out value is called a sample value. A system that handles only signals at discrete times, such as sample value signals, is called a discrete time system.
Since the observed current signal is taken in as a discrete signal by A / D conversion, the LPF in a discrete time system is designed here. As an embodiment, the design of a first-order LPF will be described here.

デジタルフィルタは次の式で表現でき、ブロック図は図７のような構造となる。ただし図７において、Ｔはサンプリング周期［ｓｅｃ］、ｉ_ｎ＝ｉ（ｎＴ）、ｙ_ｎ＝ｙ（ｎＴ）である。

図７や（１３）式は、現在の出力ｙ_ｎが、現在の入力ｉ_ｎに（１−ａ）を掛けたものと１サンプル前の出力信号ｙ_ｎ−１にａを掛けたものの和として表現される構造となっている。ここでωは遮断角周波数［ｒａｄ／ｓ］であり、遮断周波数をｆ［Ｈｚ］とすると、

の関係が成り立つ。
この遮断周波数ｆの設定値としては、原信号の持つ周波数成分よりも高い周波数とする。
このようにＬＰＦを用いてノイズ除去を行い、その出力された値ｙ_ｎを用いて振幅と位相を求める。The digital filter can be expressed by the following equation, and the block diagram has a structure as shown in FIG. However, in FIG. 7, T is a sampling period [sec], i _n = i (nT), and y _n = y (nT).

7 and (13), the current output _{y n} is the sum of those multiplied by a current input _{i n} to (1-a) multiplied by a previous sample of the output signal _{y n-1} The structure is expressed. Here, ω is a cutoff angular frequency [rad / s], and the cutoff frequency is f [Hz].

The relationship holds.
The set value of the cutoff frequency f is a frequency higher than the frequency component of the original signal.
Thus it performs noise removal by using a LPF, to obtain an amplitude and phase by using the output value y _n.

次に、ノイズ除去用のフィルタとして、移動平均フィルタを用いた例について説明する。
ｎ点移動平均フィルタとは、現時点の電流値ｉ_ｎからｎ−１サンプル前の値までの総和をｎで割った平均値ｙ_ｎを出力するフィルタである。例えば、５点移動平均フィルタは、（１５）式の差分方程式で表わすことができ、このときのフィルタ構造は図８に示すようになる。

このように移動平均フィルタを用いてノイズ除去を行い、その出力された平均値ｙ_ｎを用いて振幅と位相を求める。Next, an example using a moving average filter as a noise removal filter will be described.
The n-point moving average filter is a filter that outputs an average value y _n the sum was divided by n from the current value i _n the current up to n-1 samples previous value. For example, the 5-point moving average filter can be expressed by the difference equation (15), and the filter structure at this time is as shown in FIG.

Thus it performs noise removal by using a moving average filter to obtain the amplitude and phase by using the average value y _n of the output.

電動機Ｍの固定子巻線を診断する際も上記と同様に、特徴量検出部２において、ある一相で計測した電流から、その波形の振幅と位相を観測する。このときの観測点をＢ点、そのときの値を（ｘ_ｂ１，ｘ_ｂ２）とする。そうすると、（４）式にこれらの値を代入することで、下のようにｌ_ｂの値を求めることができる。

最後に、このｌ_ｂの値を（１０）式のｌに代入する。

When diagnosing the stator winding of the electric motor M, the feature quantity detection unit 2 observes the amplitude and phase of the waveform from the current measured in a certain phase in the same manner as described above. The observation point at this time is point B, and the value at that time is (x _b1 , x _b2 ). Then, (4) By substituting these values into equation can be obtained a value of l _b as below.

Finally, it substitutes the value of the _{l b} in equation (10) l.

この確率導出処理を三相すべての電流に対して行い、各相で得られた確率（Ｐｕ×Ｐｖ×Ｐｗ）または足し合わせることで、巻線に発生する軽微な異常の判定が容易となり、診断精度が向上する。
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で、電動機Ｍが回転数ｋで稼働している場合であっても、この電動機Ｍの巻線が正常なのか、それとも短絡等の異常なのかの良否判定が図６の診断部６で確率的に診断することが可能となる。By performing this probability derivation process for all three phases of current and adding the probabilities (Pu x Pv x Pw) obtained for each phase, or adding them together, it is easy to determine minor abnormalities that occur in the windings. Accuracy is improved.
By setting a threshold value for the probability value thus obtained, even if the motor M is operating at the rotational speed k, whether the winding of the motor M is normal or a short circuit or the like It is possible to make a probabilistic diagnosis of whether or not there is an abnormality by the diagnosis unit 6 of FIG.

実際の実験データを用いて詳細結果を示す。
負荷がかかり、回転数１７０５［ｒｐｍ］で回転しているときの電動機Ｍにおいて、固定子巻線が正常、数ターン短絡を有するものを用いて実験して得られた結果を表２に示す。Detailed results are shown using actual experimental data.
Table 2 shows the results obtained by experiments using the motor M that is loaded and rotating at a rotational speed of 1705 [rpm], with the stator windings normal and having several shorts.

この結果からも分かるように、一相のみの電流から確率値を導出し、その値に基づいて良否判定を行う場合に比べ、複数相の電流を考慮することで、誤診する確率を大幅に低下させることができる。
また、計測を複数回実施して、それぞれの計測毎にＰｕ×Ｐｖ×Ｐｗを求め、最後に、複数回の計測の平均を求めることで、最終的な確率Ｐｕ×Ｐｖ×Ｐｗとしても良い。
上記の説明では、特定の回転数ｋを１７０５［ｒｐｍ］として、その回転数で稼働しているときの三相電流から求めた確率の掛け合わせた値Ｐ_１７０５に基づいて判定する例を示したが、特定の回転数ｋとしてｎ個の回転数に対してそれぞれＰ_ｋを求め、最後に（１８）式のように平均を取ることで、そのトータルの確率値Ｐから負荷運転時の巻線の状態を判定しても良い。

As can be seen from this result, the probability of misdiagnosis is greatly reduced by considering the current of multiple phases compared to the case where the probability value is derived from the current of only one phase and the pass / fail judgment is made based on that value. Can be made.
Alternatively, the measurement may be performed a plurality of times, Pu × Pv × Pw may be obtained for each measurement, and finally the average of the plurality of measurements may be obtained to obtain the final probability Pu × Pv × Pw.
In the above description, a specific rotation speed k is set to 1705 [rpm], and an example of determination based on a value P ₁₇₀₅ obtained by multiplying the probabilities obtained from the three-phase current when operating at the rotation speed is shown. However, P _k is obtained for each of n rotational speeds as a specific rotational speed k, and finally averaged as shown in equation (18), so that the winding during load operation is calculated from the total probability value P. The state may be determined.

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・標準偏差演算部
５確率演算部
６診断部
７表示部
８回転センサDESCRIPTION OF SYMBOLS 1 Electrical equipment quality diagnosis system 2 Feature quantity detection unit 3 Calculation unit 4 Average / standard deviation calculation unit 5 Probability calculation unit 6 Diagnosis unit 7 Display unit 8 Rotation sensor

Claims

診断対象となる電気設備に流れる電流から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を備え、
前記電気設備の複数相に流れる電流を同期計測し、各相に流れる電流から各相毎の前記確率値を前記確率計算手段で導出し、各相で得られた確率値をかけ合わせる若しくは足し合わせることで得られた確率値に対して閾値を設けることで前記電気設備が正常か異常かを診断する診断手段を備えた
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 from a current flowing through an electrical facility 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 Calculation storage means for storing
When diagnosing the electrical equipment, it exists inside an 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. A probability calculation means for obtaining a probability value,
Synchronously measure the current flowing through multiple phases of the electrical equipment, derive the probability value for each phase from the current flowing through each phase by the probability calculation means, and multiply or add the probability values obtained in each phase quality diagnosis system electrical equipment, characterized in that by for the obtained probability value provided threshold comprises a diagnostic means for the electrical equipment to diagnose whether normal or abnormal by.

前記特徴量を、電流の「振幅」と「位相」としたことを特徴とする請求項１に記載の電気設備の良否診断システム。 The electrical equipment quality diagnosis system according to claim 1, wherein the feature amount is an “amplitude” and a “phase” of current.

前記診断対象となる電気設備は、三相の電流が流れる電動機である請求項１または請求項２に記載の電気設備の良否診断システム。 The electrical equipment quality diagnosis system according to claim 1, wherein the electrical equipment to be diagnosed is an electric motor through which a three-phase current flows.