高速化Robust Random Cut Forestによる水力発電設備の故障検知に対する変数選択手法の比較検討

カテゴリ: 部門大会

論文No: GS5-1

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Comparison of Feature Selection Methods for Fault Detection of Hydroelectric Generating Units by Fast Robust Random Cut Forest

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: 水力発電設備|故障検知|高速化Robust Random Cut Forest|変数選択|機械学習|Hydroelectric generating unit|Fault detection|Fast robust random cut forest|Feature selection|Machine learning

要約(日本語): 水力発電設備は，環境にやさしい発電方式の一つであり，現在も将来においても電力供給で重要な発電方式である。そのため，故障検知を精度よく行うことが重要である。また，故障検知時に様々なコストが発生するため，コストを抑えて故障検知を行うことが重要となる。そこで，水力発電設備の故障検知に有効な変数を選択し，選択した変数のみを用いて故障検知を行うことでコストを抑え，かつ高精度に故障検知を行うことが可能である。本論文では，高速化Robust Random Cut Forestによる水力発電設備の故障検知に対する変数選択手法の比較検討を行う。高速化HG-RCT-FS，HG-RCT-FS，HSIC-KNN-FS，MIC-KNN-FSの計算時間と変数の選択精度の比較を行うことで，高速化HG-RCT-FSの有効性を確認した。