Population Based Incremental Learning による変数選択を用いたisolation using Nearest Neighbor Ensembleによるガスタービン異常検知

カテゴリ: 部門大会

論文No: GS5-7

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): Gas Turbine Anomaly Detection by Isolation Using Nearest Neighbor Ensemble with Feature Selection by Population Based Incremental Learning

著者名: 山﨑 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）,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): Takahiro Yamasaki (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 Iizaka (Fuji Electric Co., Ltd.),Tetsuro Matsui (Fuji Electric Co., Ltd.)

キーワード: 変数選択|異常検知|ガスタービン|iNNE|PBIL|feature selection|anomaly detection|gas turbine|isolation using Nearest Neighbor Ensemble|Population Based Incremental Learning

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の異常検知システムの実用化に向けたニーズの１つとして，システム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が求められる。上記のニーズを考慮した場合，教師なしのフィルタ法が適切である。しかしながら，教師なしのフィルタ法は，ラベルを用いることができないため，選択された変数が高精度な異常検知に寄与するかは，不明である。従って，本論文では，ローカル異常を検知可能で高精度なiNNEに適するフィルタ法を構築する前段階として，iNNEに適合する高精度な異常検知に貢献する変数を明らかにするためガスタービン異常検知に対し，PBILによる変数選択を用いたiNNEによるガスタービン異常検知を提案する。