水力発電設備のデータ特性とRandom Cut Treeの特性を考慮した高速化変数選択手法を用いた並列計算を利用した高速化Robust Random Cut Forestによる水力発電設備の故障検知

カテゴリ: 全国大会

論文No: 3-080

グループ名: 【全国大会】令和4年電気学会全国大会論文集

発行日: 2022/03/01

タイトル(英語): Fault Detection for Hydroelectric Generating Units by Parallel Fast Robust Random Cut Forest with Fast Feature Selection Considering Characteristics of Operating Data and Random Cut Trees

著者名: 原勇輝（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): 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 Co., Ltd.)

キーワード: 水力発電設備|故障検知|高速化Robust Random Cut Forest|変数選択|機械学習|Hydroelectric Generators Unit|Fault Detection|Fast Robust Random Cut Forest|Feature Selection|Machine Learning

要約(日本語): 水力発電設備は，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。また，コストの観点から水力発電設備の故障検知に有効な変数を選択することは重要である。本論文では，力発電設備のデータ特性とRandom Cut Treeの特性を考慮した高速化変数選択手法（高速化HG-RCT-FS）を用いた並列計算を利用した高速化Robust Random Cut Forestを提案する。HG-RCT-FSと高速化HG-RCT-FSの比較と，使用スレッド数毎の並列計算を利用した高速化RRCFの計算時間の比較を行うことで提案法の有効性を確認した。

本誌掲載ページ: 135-137 p

原稿種別: 日本語

PDFファイルサイズ: 641 Kバイト