HSIC-KNN-FSによる変数選択手法を用いたRRCFによる水力発電機の故障検知

カテゴリ: 全国大会

論文No: 3-079

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): Robust Random Cut Forest with Feature Selection by Hilbert-Schmidt Independence Criterion for Fault Detection of Hydroelectric Generators

著者名: 原勇輝（明治大学）,福山良和（明治大学）,島崎裕一（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 C

キーワード: 水力発電機|故障検知|Hilbert-Schmidt Independence Criterion|Robust Random Cut Forest|機械学習|Hydroelectric Generators|Fault Detection|Hilbert-Schmidt Independence Criterion|Robust Random Cut Forest|Machine Learning

要約(日本語): 水力発電機は，環境にやさしい発電方式の一つであり，電力供給において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。コストの観点から水力発電機の故障検知に有効な変数を選択することは重要である。また，故障検知を精度よく行うことも重要となる。本論文では，水力発電機の故障検知に対し，HSIC-KNN-FSによる変数選択手法を用いたRRCFの適用を提案する。全変数を用いたRRCFとの比較により提案法の有効性を確認した。

原稿種別: 日本語

PDFファイルサイズ: 423 Kバイト