スペクトラルクラスタリングベースのOne Class SVMとラプラシアンスコアによる変数選択を用いたガスタービンの異常検知

カテゴリ: 全国大会

論文No: 3-075

グループ名: 【全国大会】令和3年電気学会全国大会論文集

発行日: 2021/03/01

タイトル(英語): Anomaly Detection of Gas Turbine Generators Using Spectral Clustering based One Class Support Vector Machine with Feature Selection by Laplacian Score

著者名: 山崎岳大（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 E

キーワード: スペクトラルクラスタリング|OCSVM|変数選択|ラプラシアンスコア|異常検知|ガスタービン|spectral clustering|one class support vector machine|feature selection|laplacian score|anomaly detection|gas turbine generator

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，異常を適切に検知することが重要である。しかし，異常検知精度の向上には，改善の余地がある。非線形な相関を持ち複数の局在を含むデータは，スペクトラルクラスタリングの適用より，明確にクラスタに分けることができ，クラスタ毎に別々のOCSVMモデルを作成することにより，異常検知精度の向上が期待できる。本論文では，スペクトラルクラスタリングベースのOne Class SVMとラプラシアンスコアによる変数選択を用いたガスタービン

原稿種別: 日本語

PDFファイルサイズ: 916 Kバイト