深層学習による部分放電の波形特徴量に基づいた絶縁体の状態診断に関する基礎検討

カテゴリ: 研究会(論文単位)

論文No: DEI22055,EWC22011

グループ名: 【A】基礎・材料・共通部門 誘電・絶縁材料/【B】電力・エネルギー部門 電線・ケ－ブル合同研究会

発行日: 2022/03/01

タイトル(英語): Fundamental study on condition assessment of insulating material using deep learning based on waveform characteristics of partial discharge

著者名: 川島 朋裕(豊橋技術科学大学),Ho Quang(豊橋技術科学大学),蛭川 泰丞(豊橋技術科学大学),吉川 敢大(豊橋技術科学大学),村上 義信(豊橋技術科学大学),穂積 直裕(豊橋技術科学大学)

著者名(英語): Tomohiro Kawashima(Toyohashi University of Technology),Quang Ho(Toyohashi University of Technology),Taisuke Hirukawa(Toyohashi University of Technology),Kanta Yoshikawa(Toyohashi University of Technology),Yoshinobu Murakami(Toyohashi University of Technol

キーワード: 深層学習|部分放電|波形特徴量|周波数帯域|状態診断|Deep learning|Partial discharge|Waveform characterisitics|Frequency band|Condition assessment

要約(日本語): 部分放電波形の特徴量は，放電空間における電子なだれの過程を反映していると考えられる。筆者らは，PD波形の広帯域計測システムを開発し，波形の立上り時間などが欠陥種や欠陥の状態よって異なることを示した。本報告では，表面抵抗率の異なる試料を用いて計測したPD波形を，波形特徴量に基づいて深層学習により識別した。更に，適当なフィルタを用いてPD波形の周波数帯域を調整し，学習精度との関係を示した。

要約(英語): The waveform characteristics of the partial discharge reflect the process of electron avalanche in the discharge space. The authors developed a wideband measurement system for PD waveforms and showed that the rise time of waveforms differs depending on the defect type or the insulation condition. In this report, PD waveforms measured using samples with different surface resistivity were classified by deep learning based on waveform characteristics. Furthermore, the frequency band of the PD waveform was adjusted using an appropriate filter, and the relationship with the learning accuracy was shown.

本誌: 2022年3月4日誘電・絶縁材料/電線・ケ－ブル合同研究会

本誌掲載ページ: 35-40 p

原稿種別: 日本語

PDFファイルサイズ: 745 Kバイト