部分放電の波形特徴量に基づいた機械学習による劣化状態の識別結果の解釈

カテゴリ: 全国大会

論文No: 2-056

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Interpretation of classification test of insulation condition using machine learning based on waveform characteristics of partial discharge

著者名: 川島朋裕（豊橋技術科学大学）,村上義信（豊橋技術科学大学）,穂積直裕（豊橋技術科学大学）

著者名(英語): Tomohiro Kawashima (Toyohashi University of Technology),Yoshinobu Murakami (Toyohashi University of Technology),Naohiro Hozumi (Toyohashi University of Technology)

キーワード: 部分放電|劣化|波形特徴量|機械学習|partial discharge|deterioration|waveform characteristics|machine learning

要約(日本語): 筆者らは機械学習を単なる弁別器として扱うだけでなく，弁別の過程で得られた情報を放電メカニズムに則って解釈することで，絶縁劣化と部分放電波形の関係を定量的に考察することが可能になると考えている。本稿では，波形そのものを用いて，機械学習により絶縁体の状態を識別した。識別結果を波形特徴量の統計的な分布の差に基づいて議論した。正誤に識別された波形の立上り時間の分布をJensen–Shannonダイバージェンスを用いて評価した。全てには当てはまらないが，誤って識別された波形の分布は正しく識別された波形の分布と確かに異なっており，波形特徴量に基づけば識別試験の結果も妥当なものとして考えられる。

本誌掲載ページ: 62-63 p

原稿種別: 日本語