油中ガス成分の類似性に基づく油入機器の異常様相分類および異常予兆検知

カテゴリ: 研究会(論文単位)

論文No: TSI22004

グループ名: 【C】電子・情報・システム部門 分野横断型新システム創成研究会

発行日: 2022/02/01

タイトル(英語): Abnormal Condition Classification and Abnormal Sign Detection of Power Transformer and Power Reactor Based on Similarity of Gas Components in Oil

著者名: 三国 康佑(電力中央研究所)

著者名(英語): Kosuke Mikuni(Central Research Institute of Electric Power Industry)

キーワード: 変圧器|リアクトル|油中ガス|機械学習|データ分析|Transformer|Reactor|Gas-in-oil|Machine Learning|Data Analysis

要約(日本語): 電力系統全体での設備保守管理の最適化に向けた予備検討として，変圧器およびリアクトルの油中ガス成分の類似性に基づいた異常様相分類と，分類結果に機械学習手法を用いた異常予兆検知の精度を検証した。油中ガス分析の実データ約25,000件を用いて分析した結果，過熱や放電傾向の異常様相を示唆するデータ群に分類できること，異常予兆を示すデータを95%以上の精度で検知できることを確認した。

要約(英語): As a preliminary study for the optimization of asset management in the entire power system, we investigated the classification of abnormal conditions based on the similarity of oil gas components in transformers and reactors, and the detection of abnormal signs using a machine learning method based on the classification results. As a result of the analysis using about 25,000 actual gas-in-oil field data, it was confirmed that the data could be classified suggesting abnormal phases such as overheating and discharge tendency, and that the data indicating abnormal signs could be detected with an accuracy of more than 95%.

本誌: 2022年2月4日分野横断型新システム創成研究会

本誌掲載ページ: 15-18 p

原稿種別: 日本語

PDFファイルサイズ: 1,340 Kバイト