Agglomerative Hierarchical Clustering とガウスカーネルSupport Vector Machineを用いた改良版Contextual Outlier Interpretationによるガスタービン異常検知の説明の説明性能向上の検証

カテゴリ：研究会(論文単位)

論文No：PSE25219,ST25048,SMF25068

グループ名：【B】電力・エネルギー部門 電力系統技術/【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日：2025/10/28

タイトル(英語)：Verification of Enhanced Explanation Performance of Explanation of Gas Turbine Generator Anomaly Detection using Contextual Outlier Interpretation with Agglomerative Hierarchical Clustering and Gaussian Support Vector Machine

著者名：YIN JIAHUI(明治大学),福山 良和(明治大学),村上 賢哉(富士電機　),鈴木 聡(富士電機　),飯坂 達也(富士電機)

著者名(英語)： Jiahui Yin(Graduate School of Meiji University),Yoshikazu Fukuyama(Graduate School of Meiji University),Kenya Murakami(Fuji Electric Co., Ltd.),Satoshi Suzuki(Fuji Electric Co., Ltd.),Tatsuya Iizaka(Fuji Electric Co., Ltd.)

キーワード：ガスタービン発電機,異常検知,説明可能ＡＩ,ｃｏｎｔｅｘｔｕａｌ　ｏｕｔｌｉｅｒ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ,Ａｇｇｌｏｍｅｒａｔｉｖｅ　Ｈｉｅｒａｒｃｈｉｃａｌ　Ｃｌｕｓｔｅｒｉｎｇ,ガウスカーネル　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ,gas turbine generator,anomaly detection,explainable artificial intelligence,contextual outlier interpretation,Agglomerative Hierarchical Clustering,Gaussian Support Vector Machine

要約(日本語)：本論文では，Agglomerative Hierarchical Clustering とガウスカーネル Support Vector Machine を用いた改良版 Contextual Outlier Interpretationによるガスタービン異常検知の説明説明（AHC-GS-COIN）の説明性能を検証する。ガスタービンの実データを用いて，周りに非凸集合のようなデータ分布を持つ異常データに対し，オリジナルのCOINの説明とAHC-GS-COINの説明を比較し， AHC-GS-COINの有効性を確認した。

要約(英語)：This paper verifies the enhanced explanation performance of explanation of gas turbine generator anomaly detection using Contextual Outlier Interpretation with Agglomerative Hierarchical Clustering and Gaussian Support Vector Machine. The effectiveness of the proposed method is confirmed through a comparison with the Original COIN with Linear Support Vector Machine.

本誌：2025年10月31日電力系統技術/システム/スマートファシリティ合同研究会

本誌掲載ページ：167-172p

原稿種別：日本語

PDFファイルサイズ：2,169Kバイト