油中ガス成分の類似性に基づく変圧器の異常様相分類および異常予兆検知の検討

カテゴリ: 部門大会

論文No: GS13-1

グループ名: 【C】2019年電気学会電子・情報・システム部門大会プログラム

発行日: 2019/08/28

タイトル(英語): Transformer condition classification and anomaly sign detection based on similarity of gas components in oil

著者名: 提 達朗(電力中央研究所)

著者名(英語): Tatsuro Sage()

キーワード: 変圧器|データ分析|油中ガス|異常予兆|検知機械学習|Transformer|Data analysis|Gas-in-oil|Anomaly sign|detectionMachine learning

要約(日本語): 系統全体での設備保守管理の最適化に向けた予備検討として，変圧器の油中ガス成分の類似性に基づいた異常様相分類と，分類結果を用いた異常予兆検知について検討を行った。異常様相分類については，階層型・非階層型のクラスタリング手法を組み合わせて油中ガス分析データを異常様相毎に分類し，異常の可能性が高いデータ群を抽出する。異常予兆検知については，同一変圧器に対する油中ガス分析データが継続的に蓄積されていることを利用し，異常なデータ群に推移するデータを3種類の機械学習手法により検知する。油中ガス分析の実データ約25,000件を用いて分析した結果，過熱や放電傾向の異常様相を示唆するデータ群に分類できること，異常予兆を示すデータを90%以上の精度で検知できることを確認した。また，特徴量の追加による精度向上についても検討し，測定ガス成分に加えて，採油時機器温度や設備経年等の情報が精度向上に寄与することを確認した。

PDFファイルサイズ: 745 Kバイト