水力発電機のデータ特性とRandom Cut Treeの特性を考慮した変数選択手法を用いたRobust Random Cut Forestによる水力発電機の故障検知

カテゴリ: 部門大会

論文No: GS4-5

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): Fault Detection of Hydroelectric Generators by Robust Random Cut Forest with Feature Selection Using a Feature Selection Method Considering Characteristics of Hydroelectric Generator Data and Random Cut Trees

著者名: 原 勇輝（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）,村上 賢哉（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): Yuki Hara (Meiji University),Yoshikazu Fukuyama (Meiji University),Yuichi Shimasaki (Fuji Electric Co., Ltd),Yuto Osada (Fuji Electric Co., Ltd),Kenya Murakami (Fuji Electric Co., Ltd),Tatsuya Izaka (Fuji Electric Co., Ltd),Tetsuro Matsui (Fuji Electric Co., Ltd)

キーワード: 水力発電機|故障検知|Robust Random Cut ForestRobust Random Cut Forest|Hydroelectric Generator|Fault Detection|Robust Random Cut Forest

要約(日本語): 水力発電機は，環境にやさしい発電方式の一つであり，電力供給において重要な発電方式である。そのため，故障検知を精度良く行うことが重要である。また，コストの観点から水力発電機の故障検知に有効な変数を選択することは重要である。本論文では，水力発電機の故障検知に対し，水力発電機のデータ特性とRandom Cut Treeの特性を考慮した変数選択手法を用いたRRCFの適用を提案する。全変数を用いたIF，最も精度の良い変数の組合せを用いたIF，全変数を用いたRRCF，最も精度の良い変数の組合せを用いたRRCF，HSIC-KNN-FSによる変数選択手法で選択した変数の中で最も精度の良い変数の組合せを用いたRRCF，HSIC-KNN-FSによる変数選択手法を用いたRRCFとの比較により提案法の有効性を確認した。

PDFファイルサイズ: 743 Kバイト