Isolation using Nearest Neighbour Ensembleを用いたガスタービン異常検知モデルのベイズ最適化によるパラメータ自動調整

カテゴリ: 部門大会

論文No: GS9-1

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Automatic Parameter Tuning by Bayesian Optimization for a Gas Turbine Anomaly Detection Model by Isolation using Nearest Neighbour Ensemble

著者名: 加藤 雄太（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): Kato Yuta (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: 異常検知|ガスタービン|isolation using Nearest Neighbor Ensemble|パラメータ調整|ベイズ最適化|Anomaly detection|gas turbine|isolation using Nearest Neighbor Ensemble|parameter tuning|bayesian optimization

要約(日本語): ガスタービン発電は，始動の速さからピーク時供給力に使われ，電力の安定供給を補う上で重要な発電方法である。技術者の人材不足に対応するため，AIによる異常検知を行う必要がある。また，異常の発生は稀であるため，正常データのみを用いて異常検知することが求められる。本研究では，著者らがこれまで開発したisolation using Nearest Neighbor Ensembleを用いたガスタービンの異常検知モデルに対し，ベイズ最適化を用いた自動パラメータ調整手法を提案する。提案法は，グリッドサーチを使う場合に比べて，より少ない探索回数で最適なパラメータを見つけることができた。