文献

J-GLOBAL ID：202202237909611544   整理番号：22A1148724

CNNよる部分放電発生要因の推定精度の検討

Study on the Accuracy of Partial Discharge Diagnosis Using CNN

著者 (3件)： 松山幸太郎 (三菱電機) ,  大竹泰智 (三菱電機) ,  梅本貴弘 (三菱電機)
資料名： 電気学会全国大会講演論文集(CD-ROM)  (Annual Meeting Record, I.E.E. Japan (CD-ROM))
巻： 2022  ページ： ROMBUNNO.6-038  発行年： 2022年03月01日 
JST資料番号： S0653B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・電力機器において生じうる放電要因を模擬した異なる36種の部分放電特性の分類をConvolutional Neural Network(CNN)を用いて行った結果を報告。
・放電要因の推定に用いる特徴量はΦ-qパターンとΦ-qパターン100波形における部分放電の発生頻度nを用いた頻度分布(Φ-q-nパターン)を使用,これら2つを比較検証。
・機械学習による部分放電発生要因推定の結果,特徴量としてΦ-qパターンを用いた場合よりもΦ-q一nパターンを用いた場合により分類精度が高くなることが判明。
・Φ-qパターンにおいての分類精度低下の要因は,部分放電が発生していないデータの存在,Φ-q-nパターンでは部分放電の発生頻度も含むため,分類精度が向上したと考察。

シソーラス用語： *ニューラルネットワーク ,  *部分放電 ,  *因子 ,  精度 ,  電力機器 ,  分類 ,  情報 ,  機械学習
準シソーラス用語： *CNN ,  推定精度 ,  特徴量 ,  *発生要因 ,  分類精度

分類 (1件)： 放電一般  (BJ03010I)

引用文献 (2件)：

• 電協研究 「密閉型変電設備の劣化保全技術高度化」第62巻第3号(2005)
• 古森郁尊 ほか:電気学会論文誌 A., 113, 8, 586, (1993)

タイトルに関連する用語 (4件)： CNN ,  部分放電 ,  発生要因 ,  推定精度