波形パラメータと位相分解部分放電パターンを用いた人工ニューラルネットワークによる部分放電源の分類

摘要

部分放電（partial discharge: PD)は，高電圧機器で発生する可能性のぁる絶縁破壊前駆現象の1つでぁり，機器の状態を診断するために使用できる。近年，種々のアルゴリズムを用いたPD分類手法がいくつか検討されている。よく知られているアルゴリズムの1つが，人工ニューラルネツトワーク（artificial neural network: ANN)である。ANN は，非線形な入出力関係を学習する能力と，識別すベき新しいデータに適応できる逐次訓練を採用することにより，PD源の同定に使用されている。PDパターン認識の目的でANNを用いた検討は，1990年代初めにいくつか報告されている。多くの報告例では，ANNへの入力として，位相-電荷量-頻度（Φ-q-n)または位相分解部分放電(phase-resolved partial discharge: PRPD)パターンを使用している。一方，ANNへの入力として，信号波形から得られる各種パラメータ（振幅値，立上り時間，立下り時間，パルス幅など）を使用すると，PD源同定の信頼性が向上できる可能性があると思われるが，その報告例は少ない。そこで，本稿では，PRPDパターンと波形パラメータを用いたANNの開発について述べる。まず，実験室にて，4種類の人工欠陥によるPD信号と3種類の人工ノイズを3種類のセンサを用いて測定した。得られた各種パラメータをANNの訓練および評価に用いて，PD源同定のためのANN を構築した。次に，実地のキュービクル型ガス絶縁開閉装置（C-GIS)においてPD測定を行い，実験室で訓練されたANNに実地データを入力して，C-GISで発生したPD源の種類の同定を試みた。以上の結果について述べる。