高速化Robust Random Cut Forestを用いた水力発電設備の異常検知に対するパラメータ感度解析

カテゴリ: 全国大会

論文No: 3-095

グループ名: 【全国大会】令和5年電気学会全国大会論文集

発行日: 2023/03/01

タイトル(英語): Parameter Sensitivity Analysis for Anomaly Detection of Hydroelectric Generating Units by Fast Robust Random Cut Forest

著者名: 鈴木雄大（明治大学）,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): Yuta Suzuki (Meiji University),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 Iizaka (Fuji Electric Co., L

キーワード: 高速化Robust Random Cut Forest|水力発電設備|異常検知|パラメータ感度解析|機械学習|Fast Robust Random Cut Forest|Hydroelectric Generating Units|Anomaly Detection|Parameter Sensitivity Analysis|Machine Learning

要約(日本語): 水力発電は，2021年の全世界の発電量の約15%を占めているため，重要な発電方式である。そのため，設備の稼働率向上のために異常検知を適切に行う事は重要である。水力発電設備で異常が発生することは少なく，モデルを作成するために異常データを集めることは困難である。そのため，正常データのみの学習データを使用してモデル作成を行って異常検知をする手法が必要である。そこで，正常データのみの学習データを使用してモデル作成が可能な高速化Robust Random Cut Forest（以下，高速化RRCF）に対し，本論文で

本誌掲載ページ: 150-152 p

原稿種別: 日本語

PDFファイルサイズ: 879 Kバイト