Spectral Feature Selectionによる変数選択を用いたアンサンブルOCSVMによるガスタービンの異常検知

カテゴリ: 部門大会

論文No: GS4-4

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Ensemble One Class Support Vector Machines with Feature Selection Using Spectral Feature Selection for Anomaly Detection of Gas Turbine Generators

著者名: 山崎 岳大（明治大学）,福山 良和（明治大学）,島崎 祐一（富士電機）,長田 悠人（富士電機）,飯坂 達也（富士電機）,松井 哲郎（富士電機）

著者名(英語): Takahiro Yamasaki (Network Design Program, Graduate School of Advanced Mathematical Sciences, Meiji University),Yoshikazu Fukuyama (Network Design Program, Graduate School of Advanced Mathematical Sciences, Meiji University),Yuichi Shimasaki (Fuji Electric, Co. Ltd),Yuto Osada (Fuji Electric, Co. Ltd),Tatsuya Iizaka (Fuji Electric, Co. Ltd),Tetsuro Matsui (Fuji Electric, Co. Ltd)

キーワード: 変数選択|SPEC|OCSVM|異常検知|ガスタービン|feature selection|spectral feature selection|one class support vector machine|anomaly detection|gas turbine

要約(日本語): 火力発電プラントのガスタービン（以下，GT）での異常は，重大な事故に発展する恐れがあるため，異常を適切に検知し事故を防ぐことが重要である。GTGの異常検知の実用的なシステムには，3つのニーズがある。1つ目は，正常データのみを用いて異常を検知検知することである。２つ目は，システムの開発コストを考慮すると，事前に正常データのみを用いて有用な変数を選択することである。３つ目は，GTGデータの非線形な相関を考慮することである。Spectral Feature Selectionは，3つの基準からなる変数選択のフレームワークである。この3つに基準により選択された変数毎にOCSVMモデルを作成することで，GTG異常検知システムの3つのニーズを満たすと供に，異常検知精度の向上が期待できる。本論文では， Spectral Feature Selectionによる変数選択を用いたアンサンブルOne Class SVMによるガスタービンの異常検知の異常検知を提案し，有効性が確認した。

PDFファイルサイズ: 1,399 Kバイト