| 研究課題/領域番号 |
23K03792
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21010:電力工学関連
|
|---|
| 研究機関 | 豊橋技術科学大学 |
|---|
研究代表者 |
川島 朋裕 豊橋技術科学大学, 工学(系)研究科(研究院), 准教授 (70713824)
|
|---|
| 研究分担者 |
村上 義信 豊橋技術科学大学, 工学(系)研究科(研究院), 教授 (10342495)
穂積 直裕 公益財団法人名古屋産業科学研究所, 研究部, 上席研究員 (30314090)
栗本 宗明 名古屋大学, 工学研究科, 准教授 (70580546)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2025年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2024年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2023年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 部分放電 / 波形特徴量 / 機械学習 / 絶縁劣化 / 逆畳み込み処理 / 劣化 / 絶縁システム / 深層学習 / 状態診断 |
|---|
| 研究開始時の研究の概要 |
部分放電（PD）発生位相角分布パターン認識は，電力機器の劣化状態診断の強力なツールの一つとして認知されているが，パターンの類似性による定性的な劣化の評価が殆どである。一方で，本来のPD波形の特徴量は劣化状態を色濃く反映した貴重な情報である。波形そのものから，定量的に劣化の状態を読み取れる可能性がある。本研究では電気トリーを対象として，可能な限り広帯域計測したPD波形そのものの特徴量を統計的かつ時系列的に解析し，放電メカニズムに則って解釈する。電気トリーの状態を波形そのものから定量的に読み取る。深層学習による識別過程で得られる知見を援用して，波形特徴量と電気トリーの状態の関係に迫る。
|
| 研究実績の概要 |
一般的な部分放電（PD）計測では，結合コンデンサを介して流れる放電電流を，検出インピーダンスの両端に発生する電位差として検出する。このとき計測される波形は，放電点における本来のPD波形と，試料系を含めた計測系の伝達関数との畳み込みとなる。
PD波形の逆畳み込み処理において，計測系の伝達関数H(ω)を実測できない場合には，観測したPD波形Y(ω)のみが既知で，伝達関数H(ω)と本来のPD波形X(ω)の両方が不明な問題を解くことになる。伝達関数H(ω)には試料系（放電空間）のインピーダンスも含まれることから，劣化等によって絶縁系の状態が変わることも考慮すると，波形毎に伝達関数H(ω)を推定する必要がある。
PD計測においてしばしば観測されるアンダーシュートを有する波形は，計測系の伝達関数H(ω)の影響である。電磁気学に則れば，逆畳み込み処理により復元された本来のPD波形X(ω)は，少なくともアンダーシュートの無い波形であるべきである。
本研究では，ハイパスフィルタの伝達関数S(ω)をデジタルで設計した。逆畳み込み処理後の本来のPD波形X(ω)と伝達関数S(ω)の畳み込みであるPD波形Y’(ω)を計算し，観測したPD波形Y(ω)との二乗誤差が最小になるよう伝達関数S(ω)のパラメータを調整した。
結果として，逆畳み込み処理により，単峰のPD波形に復元された。また，復元に用いた伝達関数の特徴を解析することで，絶縁系の表面抵抗の違いを診断できる可能性を示した。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
本研究により復元されたPD波形は，放電点における本来のPD波形に近いものと考えている。伝達関数の影響によりアンダーシュートを含むPD波形においても，絶縁系の劣化状態として表面抵抗の違いを読み取ってきた。本年度の成果により，PD波形が電磁気学的に矛盾のない波形として復元された。これにより，波形特徴量から劣化に関する情報を更に定量的に読み取ることも可能となった。
また，放電物理に基づいて説明が可能なPD波形を機械学習の入力データとして用いることにより，識別結果の解釈性が改善されると共に，その結果から劣化とPD波形の特徴量の関係に迫る新たな情報も得られる可能性がでてきた。
本年度に取り組んだPD波形の逆畳み込み処理を，機械学習の入力としてPD波形を用いる場合の前処理として導入する。これにより，機械学習による劣化状態の識別結果が，放電物理に基づいて説明が可能なものと考えており，当初の計画通りおおむね順調に研究は進行している。
|
| 今後の研究の推進方策 |
PD波形の前処理として逆畳み込み処理を導入し，更に改善を進める。PD波形の立上りには電子なだれの進展過程，立下りにはイオンのスイープアウト過程が反映されていると考えている。特に，立上りは劣化の状態に対して変化が顕著であることから，PD波形を分割して入力データに用いるなどの工夫を行う。識別精度とPD波形特徴量の関係を診ることで，劣化と波形の関係に迫る新たな情報を抽出する。
また，誤識別した波形と正しく識別した波形が有する特徴量の違いを統計的な分布の差として改めて評価する。これにより，放電が本来有するばらつきと機械学習による識別の関係を明らかにする。
|
