JP7041896B2 - 回転機の巻線絶縁劣化診断装置 - Google Patents

Description

本発明は、 回転機の巻線絶縁劣化診断に関する。

高電圧の電力機器である回転機には、内部の巻線の絶縁性を高めるために様々な絶縁材料が用いられている。これらの絶縁材料は徐々に劣化して絶縁破壊に至るが、その主な原因が部分放電である。

巻線の間で部分放電が継続すると、絶縁材料を侵食し、やがては絶縁破壊に至る。そこで、回転機の突然の故障を抑制し安心して使用するために、部分放電を検知して巻線絶縁劣化の初期的な段階を検出する必要がある。

回転機の巻線絶縁劣化を診断する手法として、従来、以下の２つの方法が実施されている。
１．運転停止時の回転機から回転子を抜き出し、巻線の各部分を目視で点検して絶縁劣化の有無を判断する方法。
２．回転機に絶縁抵抗試験や直流吸収試験、誘電正接試験、交流電流試験、部分放電試験などの電気的試験を実施し、これら電気的試験の総合結果から巻線の絶縁劣化の程度を判定する方法。

しかし、上記２つの方法には、共通して、リアルタイムで回転機の巻線絶縁劣化を診断することができないという問題点がある。さらに、これらの診断手法は、通常、数年に一度のメンテナンス時にしか実施することができず、また、回転機から回転子を抜き出すのに多大な労力を要するため、実施頻度を上げることも難しい。

そこで、回転機の巻線絶縁劣化をリアルタイムに診断するシステムとして、特許文献１が開示されている。

特許文献１は回転電機を各回転電機に応じたノイズ除去条件でノイズを除去して部分放電を効率よく計測し、回転電機の異常監視を行う。回転電機のフレーム内部に複数の部分放電検出手段としてアンテナを設置する。第１の狭帯域検出回路と第２の狭帯域検出回路で検出する電磁波の中心周波数を３００ＭＨｚ～３ＧＨｚの範囲とする。前記第１の狭帯域検出回路からの信号と前記第２の狭帯域検出回路からの信号との信号強度比較を行って部分放電とノイズを識別し、部分放電のみを精度よく計測する。

特許第３６８５３６７号公報

大森宏，"判別分析"，東京大学大学院農学生命科学研究科，数理統計学演習，〔２０１７年１１月１４日検索〕，インターネット〈http://lbm.ab.a.u-tokyo.ac.jp/~omori/kensyu/discriminant.htm〉 ＮＰＧ－２形部分放電校正器 ＮＫＳ http://nihon-keisokuki.com/Nks/npg-2/npg-2.htm

しかし、特許文献１に係る回転機の巻線絶縁劣化診断装置では、回転機の内部にセンサを設置する必要があるため、センサの設置時及び、更新時に多大な労力を要してしまう。また、着目する周波数帯域がＭＨｚ～ＧＨｚ帯と高周波帯域であるため、この帯域を検出することができる高性能なセンサが必要となってしまう。

以上示したようなことから、回転機の巻線絶縁劣化診断装置において、センサの設置を容易にし、かつ、低周波数帯域で回転機の巻線絶縁劣化を診断することが課題となる。

本発明は、前記従来の問題に鑑み、案出されたもので、その一態様は、回転機の接地線に流れる電流検出値を計測する電流センサと、学習データおよび検証データの前記電流検出値から複数次元の特徴量を算出し、学習データおよび検証データの前記複数次元の特徴量を次元圧縮し、学習データの次元圧縮した特徴量と、検証データの次元圧縮した特徴量と、に基づいて巻線における部分放電の有無を検知する解析装置と、を備えたことを特徴とする。

また、その一態様として、前記解析装置で行う前記複数次元の特徴量を次元圧縮する処理は、前記学習データおよび前記検証データの前記複数次元の特徴量を正準判別分析し、第一正準変量を算出することにより行うことを特徴とする。

また、他の態様として、前記解析装置で行う前記複数次元の特徴量を次元圧縮する処理は、前記学習データにおける前記複数次元の特徴量を正準判別分析し、第一正準変量および前記第一正準変量を算出するための係数である第一正準判別係数を求め、前記検証データにおける前記複数次元の特徴量と前記第一正準判別係数に基づいて第一正準変量を算出することにより行うことを特徴とする。

また、その一態様として、前記複数次元の特徴量は、前記電流検出値をデジタルサンプリングして時系列電流データを収集し、前記時系列電流データを等間隔にＮ等分し、等間隔に分割した前記時系列電流データそれぞれについて周波数変換を行って周波数スペクトルを算出し、Ｎ通りの前記周波数スペクトルから算出した以下の（１）式～（７）式に示す７つの無次元特徴パラメータであることを特徴とする。

ｐ_f1～ｐ_f7：無次元特徴パラメータ
ｆ：周波数
Ｓ（ｆ）：周波数スペクトル。

また、その一態様として、前記解析装置における部分放電の検知は、学習データの前記第一正準変量の平均値および標準偏差に基づいて設定された閾値と、検証データの前記第一正準変量の平均値と、の比較により行うことを特徴とする。

また、その一態様として、巻線の絶縁劣化指標として、以下の（１４）式に示す「健全度」（％）を用いることを特徴とする。

μ：正常時の平均値
σ：標準偏差
μ_v’￣：検証データの第一正準変量の平均値。

また、他の態様として、巻線の絶縁劣化指標として、以下の（１５）式に示す「異常度」を用いることを特徴とする。

μ：正常時の平均値
σ：標準偏差
μ_v’￣：検証データの第一正準変量の平均値。

また、他の態様として、前記学習データにおいて、予め、複数パターンの放電電荷量に対応する第一正準変量を算出し、前記検証データの前記第一正準変量が、どの学習データの第一正準変量に近似するかを判定することで放電電荷量を推定することを特徴とする。

本発明によれば、回転機の巻線絶縁劣化診断装置において、センサの設置を容易にし、かつ、低周波数帯域で回転機の巻線絶縁劣化を診断することが可能となる。

実施形態１における回転機の巻線絶縁劣化診断装置を示すブロック図。 巻線絶縁劣化診断処理を示すフローチャート。 実施形態１における部分放電の検出手順を示す図。 標準偏差における正常、注意、危険の範囲を示す図。 正常時、注意時、危険時における健全度を示す図。 正常時、注意時、危険時における異常度を示す図。 実施形態２における部分放電の検出手順を示す図。 実施形態２における学習データ計測装置を示す構成図。 放電電荷量の定量評価の指標値を示すグラフ。

以下、本願発明における回転機の巻線絶縁劣化診断装置の実施形態１，２を図１～図９に基づいて詳述する。

［実施形態１］
回転機の巻線絶縁劣化診断装置の構成を図１に示す。図１に示すように、電源５から回転機４に電流が供給される。電源５、および、回転機４は接地されている。巻線絶縁劣化診断装置１は、回転機４の接地線の電流を計測する電流センサ２と、部分放電を検出する解析装置３と、を有する。本実施形態１では、巻線で発生した部分放電を、接地線の電流から検出しようとするものである。接地線には、容易にセンサを設置できるが、ノイズ成分が多く乗ってしまうため、低周波領域では、巻線で発生した部分放電が検出しづらいという問題点がある。本実施形態１はその問題点も解決したものである。

解析装置３で実行する本実施形態１における回転機４の巻線絶縁劣化診断方法を図２に基づいて説明する。

実運用においては、図２において診断処理手順（Ｓ１～Ｓ３）を一定期間（たとえば１時間）ごとに行う方法や、リアルタイムに連続して繰り返し行う方法等が考えられる。

（Ｓ１：診断対象の時系列データ収集）
電流センサ２において接地線の電流を計測し、解析装置３において、計測した電流検出値をデジタルサンプリングする。サンプリングした電流検出値が時系列電流データとなる。ここで、以降の解析において、学習データとして、回転機４が正常に運転し巻線でほとんど部分放電が発生していない電流データが必要になる。そこで、学習データは回転機４のメンテナンス直後等に、事前に計測しておくと良い。

計測間隔は、たとえば、３０分や１時間に一度、５秒程度計測すると良い。また、サンプリング周波数に関しては、本実施形態１が低周波帯域に着目して部分放電を検出することを目的にしているため、～数百ｋＨｚに設定する。電源周波数は大きなノイズ成分となるため、診断前にあらかじめ除去する。

部分放電成分は電源周波数よりも高い周波数帯に含まれるため、計測した時系列電流データをハイパスフィルタに通して電源周波数成分を除去し、部分放電成分を含む周波数帯の時系列電流データを抽出し、診断対象にする。例えば、１０００Ｈｚのハイパスフィルタにより、１０００Ｈｚ以上の周波数帯の時系列電流データを抽出して診断対象にする。

（Ｓ２：部分放電の検出）
Ｓ２の全体の処理の流れを図３に示す。まず、このＳ２では学習データと検証データそれぞれについて行うが、まず、学習データについて説明する。

（学習データ）
収集した時系列電流データを等間隔にｎ等分する。たとえば、収集した時系列電流データから、サンプル数が２のべき乗で最大になるように切り出し、これを８等分や１０等分すると良い。

次に、等間隔に分割した時系列電流データそれぞれについて周波数変換を行い、周波数スペクトルＳ（ｆ）を算出する。ここで、ｆは周波数である。

そして、算出した周波数スペクトルＳ（ｆ）の特徴を表すために、以下の（１）～（７）式に表す周波数領域の無次元特徴パラメータ（複数次元の特徴量）ｐ_f1～ｐ_f7を算出する。

ただし、ｆ￣，σは以下の（８）式，（９）式の通りであり、Ｎは周波数スペクトルＳ（ｆ）の総数である。なお、本明細書では、ｆのバーをｆ￣と示す。ｆ以外の符号にバーを付ける場合も同様である。

（１）式は、波形の平均特徴周波数を表すものであり、その波形において平均的な周波数スペクトルを持つ周波数帯域を示す。

（２）式は、波形の単位時間当たり時間平均をクロースする頻度を表すものであり、時間領域の等分区間において、その区間の平均値を波形が何回往復したか、その頻度を示す。

（３）式は、波形の安定指数を表すものであり、波形の暴れ度合を示す。値が小さいほど波形が安定していることを示している。正弦波ｓｉｎ（ｔ）を例に挙げると、ｓｉｎ（ｔ）は波形の安定指数が小さく、波形が安定していると言える。一方、これにノイズｇ（ｔ）が加わったｓｉｎ（ｔ）＋ｇ（ｔ）は波形の安定指数が大きく、波形が不安定であると言える。

（４）式は、波形の変動率を表すものであり、波形全体で周波数変換を行い、周波数スペクトルの全ピークｔｏピークの変化率の平均値を求めたものとなっている。

（５）式は、波形の歪度を表すものであり、波形の左右対称性の違いを示す。

（６）式は、波形の尖度を表すものであり、波形のピークと裾が正規分布からどれだけ異なっているかを示す。

（７）式は、波形全体の周波数スペクトルの平均値と分散の相対的な比率を示す。

これらの無次元特徴パラメータｐ_f1～ｐ_f7は、低周波数帯においても、正常時と部分放電発生時とで異なる値となる。これらのパラメータを監視することで部分放電の発生を検出することが可能となる。

ここで、時系列電流データを計測する際、アンプの電圧変動や増幅倍数等による信号の振幅変化は、無次元特徴パラメータの値にばらつきをもたらす可能性がある。そこで、これらの影響を無くすために、（１）～（７）式に対して、以下の（１０）式および（１１）式で周波数スペクトルの正規化を行う。

ただし、Ｓ’（ｆ_i）とＳ（ｆ_i）はそれぞれ正規化前後の周波数スペクトルであり、ｐ’_iとｐ_iはそれぞれ正規化前後の無次元特徴パラメータである。また、ｐ￣_niとＳｐ_niは、それぞれ学習データで求めた無次元特徴パラメータｐ’_iの平均値と標準偏差である。

以上の処理を実行すると、等間隔に分割された時系列電流データに基づいて、それぞれ７種類の周波数領域の無次元特徴パラメータｐ_f1～ｐ_f7が求まる。これらの無次元特徴パラメータｐ_f1～ｐ_f7を用いることで、～数百ｋＨｚの低周波帯域でも接地線の電流から部分放電の特徴を捉えることが可能となる。

７つの無次元特徴パラメータｐ_f1～ｐ_f7に対して、次元圧縮を行う。本実施形態１では、この７種類の周波数領域の特徴パラメータを説明変数として、ＣＤＡ（Ｃａｎｏｎｉｃａｌ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ：正準判別分析）を行い、一次元の特徴量に圧縮する。なお、ＣＤＡに関しては非特許文献１に記載されているため、ここでの説明は省略する。

ＣＤＡを実行することで、重み付けした説明変数の数と同じ数の正準変量ｕ_iが求まる。（ただし、ｉ＝１、…、７）
正準変量ｕ_iは群間の変動を説明しており、第一正準変量ｕ₁が最も良く群間の変動を示しており、第二、第三と数が増えるに従って、その精度は低下する。ここでは、最も精度の良い第一正準変量ｕ₁のみに着目する。これをｎ通りの７つの無次元特徴パラメータｐ_f1～ｐ_f7に対してそれぞれ実行することで、ｎ通りの第一正準変量ｕ₁を求めることができる。

ここで、事前にｎ通りの学習データの第一正準変量ｕ₁（以降、ｕ_s）に対して、ｎ通りの学習データの第一正準変量ｕ_sの平均値ｕ_s￣が原点０になるような移動処理を行う。なお、学習データの第一正準変量ｕ_sの平均値ｕ_s￣が原点０になるような移動処理を行った際の第一正準変量ｕ_sをｕ_s’とする。

ここで、部分放電検出のために、ｎ通りの学習データの第一正準変量ｕ_s’に基づいて検証データの評価指数ｕ_v’￣の閾値に用いる平均値μ，標準偏差σを算出する。

（１）以下の（１２）式に基づいて、ｎ通りの学習データの第一正準変量ｕ_s’の平均値μを算出する。

（２）以下の（１３）式に基づいて、ｎ通りの学習データの第一正準変量ｕ_s’の標準偏差σを算出する。

ただし、Ｎはサンプルデータの総数（＝ｎ）、ｘ_iはｉ個目の学習データの第一正準変量ｕ_s’の値であり、平均値μはほぼ０である。

図４に示すように、平均値μと標準偏差σの値から、後述する検証データの評価指数μ_v’￣の閾値を設定する。検証データの評価指数ｕ_v’￣の闘値の範囲は、正常・注意・危険の３領域に分けて、次のように定める。正常時の検証データの評価指数ｕ_v’￣の範囲は、μ以上、μ＋３σ以下の範囲とする。注意時の検証データの評価指数ｕ_v’￣の範囲は、μ＋３σ以上、μ＋６σ以下の範囲とする。そして、危険時の検証データの評価指数ｕ_v’￣の範囲は、μ＋６σ以上の範囲とする。なお、μ＋３σの場合は正常時、注意時どちらと判定してもよく、μ＋６σの場合は注意時と危険時どちらと判定しても良い。部分放電発生の有無は、検証データの評価指数ｕ￣_v’が上記正常時の範囲に入っているか否かで判断することができる。

（検証データ）
検証データの第一正準変量ｕ₁（以降、ｕ_v）を算出するまでは、学習データと同じ処理を行う。そして、検証データの第一正準変量ｕ_vに対して、学習データの第一正準変量ｕ_sに行った移動処理と全く同じ移動処理を行う（ｕ_v’）。部分放電の発生の有無は、学習データの第一正準変量ｕ_sと検証データの第一正準変量ｕ_vとの差分から判定することができる。学習データの第一正準変量ｕ_sと検証データの第一正準変量ｕ_vに対して、この移動処理を行うことで、移動処理後の検証データのみで部分放電を検出することが可能となる。

この移動処理したｎ通りの第一正準変量ｕ_v’の平均値ｕ_v’￣を求める。この平均値ｕ_v’￣は評価指標となる。この評価指標ｕ_v’￣と学習データから求めた閾値を比較することにより、図４に示すように、検証データが正常時、注意時、異常時かを判定する。

（Ｓ３：巻線の絶縁劣化判定）
次に、巻線の絶縁劣化指標として、「健全度」（％）を用いる方法を説明する。「健全度」は、図５に示すように、学習データから求めた平均値μ，標準偏差σおよび検証データから求めた評価指標ｕ_v’￣から以下の（１４）式のように定める。

検証データの評価指標ｕ_v’￣が正常時（μ≦ｕ_v’￣≦μ＋３σ）の範囲に収まっていた場合、巻線に部分放電はほとんど発生しておらず、絶縁劣化が生じていないものとし、「健全度」は１００（％）とする。検証データの評価指標ｕ_v’￣が注意時（μ＋３σ≦ｕ_v’￣≦μ＋６σ）の範囲に収まっていた場合、巻線に部分放電が発生しており、絶縁劣化が進行しているものとし、検証データの評価指標ｕ_v’￣の値に応じて変化する「健全度」の値に応じて、回転機４のメンテナンスを推奨・実施する。検証データの評価指標ｕ_v’￣が危険時（ｕ_v’￣≧μ＋６σ）の範囲に収まっていた場合、巻線の絶縁破壊が生じている、または、生じる寸前であるものと、即時、回転機４の運転停止を要求する。

次に、巻線の絶縁劣化指標として、「異常度」を用いる方法を説明する。「異常度」は、学習データから求めた平均値μ，標準偏差σおよび検証データから求めた評価指標ｕ_v’￣から図６に示すように、以下の（１５）式のように定める。

「異常度」が１未満（正常時）の場合、巻線に部分放電はほとんど発生しておらず、絶縁劣化が生じていないものとする。「異常度」が１以上、２未満（注意時）の場合、巻線に部分放電が発生しており、絶縁劣化が進行しているものとし、検証データの評価指標ｕ_v’￣の値に応じて変化する「健全度」の値に応じて、回転機４のメンテナンスを推奨・実施する。「異常度」が２以上（危険時）の場合、巻線の絶縁破壊が生じている、または、生じる寸前であるものと、即時回転機４の運転停止を要求する。

以上示したように、本実施形態１によれば、回転機４の接地線に電流センサ２を設置するだけで良いため、従来のような筐体内部にセンサを設置する手間がかからない。また、低周波領域に着目しているため、高周波領域を検出するための高精度なセンサが不要となる。

また、定義した評価指標は、低周波領域でも部分放電の特徴が現れる、７種類の無次元特徴パラメータを用いて求めている。正常時と異常時とでは、定義した評価指標に差異が生じるため、設定した闘値の判定により、確実に部分放電の発生の有無を検出することができる。

また、巻線の絶縁劣化の判定は、前述の闘値判定を基に行うため、精度良く巻線の絶縁劣化を検出することができる。

また、本実施形態１によれば、メンテナンス時でなくても、リアルタイムで回転機の巻線絶縁劣化を診断することが可能となる。

以上の方法により、安価で信頼性の高い回転機の巻線絶縁劣化診断装置が実現可能となる。

［実施形態２］
本実施形態２では、ＣＤＡ計算工程における演算時間の短縮方法および放電量を定量的に評価する手法について説明する。まず、ＣＤＡ計算工程における演算時間の短縮方法について説明する。本実施形態２では、実施形態１の図３における部分放電検出手順を図７のように変更する。実施形態１と同様の箇所についてはその説明を省略する。

実施形態１では、学習データと検証データそれぞれにおいて、算出した周波数領域の７種類の無次元特徴パラメータを説明変数としてＣＤＡを実行し、重み付けした説明変数の数と同じ数の正準変量ｕ_iを求めている。この手順では、演算処理の重いＣＤＡを学習データと検証データで２回行う必要があるため、結果、演算時間が長くなってしまう。

そこで、本実施形態２では、図７のように部分放電の検出手順を、学習工程と評価工程に分割することでこの問題を解決する。

まず、学習工程では学習データにおける周波数領域の７種類の無次元特徴パラメータを算出する。そして、これを説明変数としてＣＤＡを実行し、ｎ×ｎ行列の正準判別係数ψ_iiおよびｎ通りの第一正準変量ｕ_s’￣を求める（ただし、ｉ＝１，…，７）。ここで、正準判別係数ψ_iiは、評価値となる正準変量ｕ_iを求めるための係数である。

次に、評価工程では、検証データにおける周波数領域の７種類の無次元特徴パラメータを算出する。そして、この７種類の無次元特徴パラメータと正準判別係数ψ_iiの行列演算に基づいて、検証データの正準変量ｕ_iを算出し、第一正準変量ｕ_v’￣のみを抽出する。その後は、実施形態１と同様に学習データの第一正準変量ｕ_s’￣と検証データの第一正準変量ｕ_v’￣を比較し、部分放電の有無を判定する。

つまり、正準判別係数ψ_iiを事前に求めておくことで、評価工程の検証データでは、周波数領域の７種類の無次元特徴パラメータを求めるだけで、検証データの第一正準変量ｕ_v’￣を算出することができる。検証データを学習データと同じ評価領域に落とし込むためには、学習データから求めた正準判別係数ψ_iiを用いて検証データの第一正準変量ｕ_v’￣を算出する必要がある。

つまり、学習データから正準判別係数ψ_iiを事前に求めておくことで、検証データにおけるＣＤＡの演算を省略することができ、演算時間を短縮することができる。

次に、放電量を定量的に評価する手法について説明する。実施形態１では、部分放電検出のために、学習データ（放電電荷量０ｐＣ）に対してσ法を用いて閾値を求めることで「健全度」や「異常度」を設定し、回転機４の巻線の絶縁劣化度合を診断した。しかし、実施形態１の手法では実際に発生している放電電荷量が分からないため、発生している放電電荷量を定量的に評価することができないという問題があった。

そこで、本実施形態２では、学習データとして様々な放電電荷量のデータを用意することで、この問題を解決する。

まず、学習データを得るために、図８に示すような閉ループ方式の回路装置を構築する。三相交流の電源５に対して直列にコンデンサ７が接続される。巻線絶縁劣化診断装置１は、電源５およびコンデンサ７の閉ループの電流を検出する電流センサ２と、部分放電を検出する解析装置３と、を有する。

また、コンデンサ７に対して並列に放電校正器６が接続される。放電校正器６は、直角波電圧発生部８と、コンデンサ９と、を備える。

３相交流の電源（電圧）５を印加したこの回路に、放電校正器６で任意の校正電荷を発生させることで、部分放電現象を発生させることができる。

図８中のコンデンサ７は、絶縁物中のポイド（空隙）の静電容量を模擬したものであり、ここに一定値を超える高電圧（部分放電開始電圧）が印加されると部分放電が発生する。放電校正器６は、印加させる電圧を調整することで、放電電荷量の校正を行うことが可能となる。放電校正器を用いて放電電荷量の校正を行う方法は、非特許文献２に開示されているため、ここでの詳細な説明は省略する。

この装置で様々な放電電荷量の学習データを計測し、様々な放電電荷量に対応する第一正準変量ｕ_s’￣をそれぞれ算出する。ここで、学習データには、例えば、０～２００００ｐＣまで１０００ｐＣ刻みの放電電荷量のデータを用意すると良い。算出した第一正準変量（指標値）ｕ_s’￣は、図９に示すように放電電荷量に比例した傾向になる。この第一正準変量ｕ_s’￣を指標値として、発生している放電電荷量の定量評価を行う。

次に、発生している放電電荷量が不明な検証データを用意する。こちらも同様にノイズ成分を排除し、学習データから事前に算出しておいた正準判別係数ψ_iiを用いて正準変量ｕ_iを算出し、第一正準変量ｕ_v’￣を抽出する。そして、この第一正準変量ｕ_v’￣が図９のどの放電電荷量の指標値に近似しているかを判定することで、発生している放電電荷量を推定する。

つまり、発生している放電電荷量が不明なデータでも、事前に各放電電荷量の指標値（第一正準変量ｕ_s’￣）が決定していれば、検証データの第一正準変量ｕ_v’￣がどの放電電荷量の指標値に近似しているかを判定することで、発生している放電電荷量を推定することができる。

以上示したように、本実施形態２によれば、回転機の巻線の絶縁診断におけるＣＤＡ計算工程において、学習データから正準判別係数ψ_iiを事前に求めておくことで、検証データにおけるＣＤＡの演算を省略することができ、演算時間を短縮することができる。

また、発生している放電電荷量が不明なデータでも、事前に各放電電荷量の指標値を決定させておくことで、検証データの第一正準変量ｕ_v’￣と各放電電荷量の指標値の近似比較により、発生している放電電荷量を推定することができる。以上の方法により、信頼性の高い回転機の巻線絶縁劣化診断装置が実現可能となる。

以上、本発明において、記載された具体例に対してのみ詳細に説明したが、本発明の技術思想の範囲で多彩な変形および修正が可能であることは、当業者にとって明白なことであり、このような変形および修正が特許請求の範囲に属することは当然のことである。

例えば、実施形態１，２では、次元圧縮する方法として、正準判別分析を説明しているが、主成分分析等その他の方法により行っても良い。

また、実施形態１，２では、電流検出値から複数次元の特徴量を算出する方法として、７つの無次元特徴パラメータを算出する方法を説明しているが、その他の方法でも良い。

１…巻線絶縁劣化診断装置
２…電流センサ
３…解析装置
４…回転機
５…電源

Claims (7)

1. 回転機の接地線に流れる電流検出値を計測する電流センサと、
   学習データおよび検証データの前記電流検出値から複数次元の特徴量を算出し、学習データおよび検証データの前記複数次元の特徴量を次元圧縮し、学習データの次元圧縮した特徴量と、検証データの次元圧縮した特徴量と、に基づいて巻線における部分放電の有無を検知する解析装置と、
   を備え、
   前記解析装置で行う前記複数次元の特徴量を次元圧縮する処理は、
   前記学習データおよび前記検証データの前記複数次元の特徴量を正準判別分析し、第一正準変量を算出することにより行うことを特徴とする回転機の巻線絶縁劣化診断装置。
2. 回転機の接地線に流れる電流検出値を計測する電流センサと、
   学習データおよび検証データの前記電流検出値から複数次元の特徴量を算出し、学習データおよび検証データの前記複数次元の特徴量を次元圧縮し、学習データの次元圧縮した特徴量と、検証データの次元圧縮した特徴量と、に基づいて巻線における部分放電の有無を検知する解析装置と、
   を備え、
   前記解析装置で行う前記複数次元の特徴量を次元圧縮する処理は、
   前記学習データにおける前記複数次元の特徴量を正準判別分析し、第一正準変量および前記第一正準変量を算出するための係数である第一正準判別係数を求め、
   前記検証データにおける前記複数次元の特徴量と前記第一正準判別係数に基づいて第一正準変量を算出することにより行うことを特徴とする回転機の巻線絶縁劣化診断装置。
3. 前記複数次元の特徴量は、
   前記電流検出値をデジタルサンプリングして時系列電流データを収集し、前記時系列電流データを等間隔にＮ等分し、等間隔に分割した前記時系列電流データそれぞれについて周波数変換を行って周波数スペクトルを算出し、Ｎ通りの前記周波数スペクトルから算出した以下の（１）式～（７）式に示す７つの無次元特徴パラメータであることを特徴とする請求項１または２記載の回転機の巻線絶縁劣化診断装置。
   

   

   

   ｐｆ１～ｐｆ７：無次元特徴パラメータ
   ｆ：周波数
   Ｓ（ｆ）：周波数スペクトル
4. 前記解析装置における部分放電の検知は、学習データの前記第一正準変量の平均値および標準偏差に基づいて設定された閾値と、検証データの前記第一正準変量の平均値と、の比較により行うことを特徴とする請求項１または２記載の回転機の巻線絶縁劣化診断装置。
5. 巻線の絶縁劣化指標として、以下の（１４）式に示す「健全度」（％）を用いることを特徴とする請求項４記載の回転機の巻線絶縁劣化診断装置。
   

   

   μ：正常時の平均値
   σ：標準偏差
   μｖ’￣：検証データの第一正準変量の平均値
6. 巻線の絶縁劣化指標として、以下の（１５）式に示す「異常度」を用いることを特徴とする請求項４記載の回転機の巻線絶縁劣化診断装置。
   

   

   μ：正常時の平均値
   σ：標準偏差
   μｖ’￣：検証データの第一正準変量の平均値
7. 前記学習データにおいて、予め、複数パターンの放電電荷量に対応する第一正準変量を算出し、
   前記検証データの前記第一正準変量が、どの学習データの第一正準変量に近似するかを判定することで放電電荷量を推定することを特徴とする請求項１または２記載の回転機の巻線絶縁劣化診断装置。

Images