SVMを用いた部分放電診断におけるノイズ環境下の診断精度の検討

カテゴリ: 全国大会

論文No: 6-036

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): Study on the Accuracy of Partial Discharge Diagnosis using SVM in Noisy Environment

著者名: 大竹泰智（三菱電機）,松山幸太郎（三菱電機）,梅本貴弘（三菱電機）,西垣貴央（青山学院大学）,小野田崇（青山学院大学）

著者名(英語): Yasutomo Otake (Mitsubishi Electric Corporation),Kotaro Matsuyama (Mitsubishi Electric Corporation),Takahiro Umemoto (Mitsubishi Electric Corporation),Takahiro Nishigaki (Aoyama Gakuin University),Takashi Onoda (Aoyama Gakuin University)

キーワード: 部分放電|診断|機械学習|サポートベクターマシン|partial discharge|Diagnosis|machine learning|support vector machine

要約(日本語): 電力機器の絶縁診断では一般に絶縁破壊の前駆現象である部分放電の検出を行う。部分放電の交流電圧位相における発生分布（-qパターン）は放電発生要因と相関があるため，保守の指標に用いられる。今回，電力機器で生じる気中および固体絶縁物中の放電6種の分類を，-qパターンをもとに機械学習手法の1つである Support Vector Machineによる推定を行った。また，ノイズレベルが変化した際の推定精度を評価したので報告する。

本誌掲載ページ: 44-45 p

原稿種別: 日本語

PDFファイルサイズ: 506 Kバイト