JPH05256895A - 部分放電判別法 - Google Patents

Abstract

(57)【要約】 【目的】 電力ケーブルおよび接続部において発生する
新規な部分放電検出法を提供する。 【構成】 スペクトラムアナライザ等により検出された
信号に対してＳ／Ｎ比の高い周波数成分のみ取り出し、
次にこの出力信号の大きさ（振幅）と発生位相（課電圧
に対する位相）と発生頻度の情報をニューラルネットワ
ークの入力層に入力し、中間層および出力層で評価した
後、部分放電の発生の有無を検出するようにした。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明はケーブルの部分放電検
出法に係り、特に、電力ケーブルおよび接続部において
発生する部分放電の有無を判別する方法に関するもので
ある。

【０００２】

【従来の技術】部分放電を用いた診断手法としては、近
年エキスパートシステムを利用したものが提案され、実
用化されている。エキスパートシステムを用いる場合、
判別に必要な多数のルール（知識）に従い、エキスパー
トシステム（コンピュータ）が経験ある高度な専門家に
代行して意志決定を行うのである。現状は電気学会技術
報告（II部）第３６４号、「絶縁材料技術エキスパート
システムおよびデータベース」にも示されているよう
に、電力機器、特に電動機、発電機において発生する部
分放電の放電電荷量等の情報を利用し、部分放電測定に
利用されている。

【０００３】一方、部分放電発生の判別を困難なものと
している直接の原因が外来雑音であることから、雑音除
去技術の開発が古くから行われてきた。その手法として
は、雑音源の除去（発生側での対策）、雑音侵入媒体の
除去（測定側での対策）、測定器と測定システムによる
雑音除去（侵入した雑音の抑制）が挙げられ、これらに
ついては電気学会技術報告（II部）第２２２号、「高電
圧絶縁特性の新測定技術」に纏められている。

【０００４】一方、部分放電を含む信号をニューラルネ
ットワークで処理する特許に関しては、次の３例に示さ
れるものがある。特開平２−２９６１６２号公報で
は、部分放電２パルスを同時に測定し、ニューラルネッ
トワークで極性識別を行うものである。特開平２−２
９７０７４号公報のものでは、絶縁劣化に関連すると思
われる物理量の測定値をニューラルネットワークに入力
し、劣化の形態を分類している。また、本件発明者に
係る平成３年１０月２９日付で特許出願した「部分放電
判別法」では、信号のスペクトル波形の違いをニューラ
ルネットワークで識別し、部分放電の有無を判別する。

【０００５】

【発明が解決しようとする課題】

（１）エキスパートシステムを用いて部分放電の判別を
行う場合、次のような欠点がある。

【０００６】（ａ）経験のある高度な専門家の知識をル
ール化（明文化）する必要がある。これは一般的に非常
に困難である場合が多い。

【０００７】（ｂ）精度の良い判定結果を得るために
は、多くのルールが必要であり、従って、データの入力
から判定までに時間を要する。

【０００８】（２）雑音の低減は、部分放電の有無の判
別を容易にはするが、直接判別手段を与えるものではな
い。

【０００９】（３）従来のニューラルネットワークを用
いた処理（前述の３例）では、以下の問題点がある。

【００１０】上記特開平２−２９６１６２号公報で
は、パルス状電圧を２組測定する際に、電圧波形の歪，
振動，遅延等があると、両者の極性を正しく比較するこ
とができず、判別精度が低下してしまう。また、この手
法は、差動回路を構成して得られる一対の検出信号を必
要としている。

【００１１】上記特開平２−２９７０７４号公報で
は、入力として直流重畳測定値等をニューラルネットワ
ークに入力し、設備異常があった場合にその原因を推定
するもので、特に部分放電信号と雑音の識別を行うもの
ではない。

【００１２】上記先願のものでは、検出雑音信号が部
分放電パルスと形状が似た雑音の場合、両者のスペクト
ル波形は似たパターンとなり、判別精度が低下してしま
うことになる。

【００１３】この発明は、このような点に鑑みてなされ
たもので、電力ケーブルおよび接続部から発生する部分
放電の測定において、部分放電が発生しているか否かを
自動的に、かつ、高速に判別するための簡便な手法を提
供することを目的とする。

【００１４】

【課題を解決するための手段】この発明の要旨は、電力
ケーブルおよび接続部から発生する部分放電信号の有無
を判別する方法において、まず、スペクトルアナライザ
等により、検出された信号に対し、Ｓ／Ｎ比の高い周波
数成分のみを取り出し、次に、この出力信号の大きさ
（振幅）と発生位相（課電圧に対する位相）と発生頻度
の情報をニューラルネットワークの入力層に入力し、中
間層および出力層で評価することにより部分放電の発生
の有無を判別させたことにある。

【００１５】

【実施例】以下、図面を参照してこの発明の実施例を説
明する。図１は電力ケーブル接続部の部分放電判別を行
うための説明図である。課電トランス１には電力ケーブ
ル２が接続されており、この例では中間に部分放電測定
対象である絶縁接続部３が接続されている。信号は検出
電極４を介して検出インピーダンス５に生ずる。なお、
この発明では、信号の検出方式はどの様な形式であって
もかまわない。

【００１６】検出されたパルス信号は、スペクトラムア
トライザ６に入力され、別途決定されたＳ／Ｎ比の良い
周波数に対応する出力信号成分を検波回路６´により検
波した後部分放電測定器７に入力する。部分放電測定器
７には、ケーブルの課電圧位相情報も別途入力されてお
り、パルス信号の大きさ（振幅），課電圧に対する発生
位相（０〜３６０°）が所定のパルスカウント数だけ記
憶される。これらの情報がニューラルネットワーク８に
入力され、部分放電の有無の判別結果がディスプレイ９
に表示される。この実施例では、課電圧位相は課電トラ
ンス１の３次巻線１０より取り出している。また、ニュ
ーラルネットワーク８およびディスプレイ９はコンピュ
ータを用いて実現されており、部分放電測定器７の制御
およびコンピュータへの信号の伝送は、コンピュータ側
からの命令により実施されるようになっている。

【００１７】図２は、ニューラルネットワーク８の構造
および機能を説明するための説明図である。この実施例
ではニューラルネットワークは入力層１１、中間層１
２、出力層１３から構成され、入力層１１の各セル１１
１〜１１３は中間層１２の各セル１２１〜１２３と接続
され、また中間層１２の各セル１２１〜１２３は出力層
１３の各セル１３１（部分放電あり）と１３２（部分放
電なし）に接続されている。入力層１１の各セル１１１
〜１１３は、部分放電測定器７に記憶されているパルス
の内、特定の位相範囲と特定の振幅範囲（例えば位相０
〜１８°、振幅１０〜２０ｐＣ）に対応しており、その
範囲を満たすパルスの数が各セルの入力値となる。入力
層１１の各セルに値が入力されると、中間層１２および
出力層１３において評価がなされ、出力層１３のセル１
３１と１３２に評価値（０〜１）が得られる。これら評
価値の大小関係により、部分放電の有無を判別する。

【００１８】まず、模擬欠陥を有した試料を課電し部分
放電を発生させ、これにより得られた部分放電パルスを
入力した場合に出力層１３のセル１３１の出力値が、
「１」、セル１３２の出力値が「０」になるように、ま
た、健全な試料を用いて部分放電が発生していない場合
に出力層１３のセル１３１の出力値が「０」、セル１３
２の出力値が「１」になるようにニューラルネットワー
クの学習を行なう（例えば、バックプロパゲーション法
により学習）。充分な回数（本実施例で１０００回）の
学習を終了後、新たな試料に対して部分放電の有無の判
別を行った結果、その判別結果は経験者の結果に対し９
０％の割合で一致した。この判別に要した時間は２〜３
秒であった。

【００１９】（１）ニューラルネットワークに入力する
数値は、単純なパルスのカウント数ではなく、

【００２０】（ａ）各入力セルに対し、パルスのカウン
ト数が予め決められたしきい値以上の場合「１」を、し
きい値未満の場合「０」を入力値とする。

【００２１】（ｂ）隣り合うセルのパルスカウント数に
重みを掛けて、元のパルスカウント数に加え合わせた数
値を入力値とする。

【００２２】としても良い。

【００２３】（２）ニューラルネットワークの構造は、
必ずしも単純な３層である必要はなく、多層構造を有し
ていても良い。

【００２４】（３）ニューラルネットワークに入力する
数値は、単純なパルスのカウント数ではなく、

【００２５】（ａ）時間間隔をおいて測定された、また
は電力ケーブル線路の２相において同時に測定された、
２つのパルスのカウント数の差の絶対値を入力値とす
る。

【００２６】（ｂ）時間間隔をおいて測定されたパルス
のカウント数の平均値を入力値とする。

【００２７】としても良い。

【００２８】（４）スペクトラムアナライザの検波出力
に、図３に示す極性再生回路１４を挿入し、極性付き部
分放電電荷量を部分放電測定器６で記録し、ニューラル
ネットワークの入力情報とすることにより、判別制度を
改善することもできる。

【００２９】即ち、図３は、極性再生回路の構成例およ
びその動作を説明するための回路図である。極性再生回
路１４は、符号検出回路１４１とその出力のホールド回
路１４２および極性反転回路１４３からなる。

【００３０】図４にタイムチャートを示す。正または負
極性のパルスが入力された場合、符号検出回路１４１
は、負極性の場合のみ出力を出す。（同図（Ｂ））。

【００３１】ホールド回路１４２は、この出力を所定の
ホールド時間（＞遅延時間）ホールドする（同図
（Ｃ））。

【００３２】一方、スペクトラムアナライザの出力検波
波形（同図（Ｄ））は、スペクトラムナライザの入力波
形（同図（Ａ））より一定の遅延時間（数μｓ）だけ遅
れて出力される。極性反転回路１４３は、ホールド回路
１４２の出力がオンの期間のみスペクトルアナライザの
検波出力波形（同図（Ｄ））を正負反転させる。従っ
て、部分放電測定器７に入力される波形（同図（Ｅ））
は、スペクトルアナライザの入力波形（同図（Ａ））と
同一の極性信号となりパルスの極性が再生される。この
とき、極性再生時間（数〜数＋μｓ）は、本測定には悪
影響を与えない。

【００３３】

【発明の効果】以上説明したとおり、この発明の部分放
電判別法によれば、次に列挙する優れた作用・効果が得
られ、部分放電発生の有無の判別を簡便に、しかも高速
で確実に行なうことができる。

【００３４】（１）判別ルールを明文化しなくて良い。

【００３５】ニューラルネットワークでは、学習の繰り
返しにより判別ルールを自己学習するため、これを用い
ることによりエキスパートシステムのように経験者の知
識を明文化することなく、精度の高い判別結果を得るこ
とができる。

【００３６】（２）判別結果を短時間に得られる。

【００３７】データを入力した場合、ニューラルネット
ワークは並列処理（ソフトウェア上では行列計算）を行
うことにより、非常に高速に処理結果が得られる。

【００３８】（３）検出信号をスペクトラムアナライザ
に入力し、Ｓ／Ｎ比の高い周波数成分のみを処理するこ
と、および単に波高値のような単一の物理量のみではな
く、位相、発生頻度という情報も併せて利用することに
より、判別精度が非常に向上する。

【図面の簡単な説明】

【図１】この発明の実施例の電力ケーブル接続部の部分
放電判別を示す概略構成図、

【図２】ニューラルネットワークの構成および機能を説
明するための説明図、

【図３】極性再生回路の一例を示す回路図、

【図４】動作を説明するためのタイムチャートである。

【符号の説明】

１ 課電トランス ２ 電力ケーブル ３ 接続部 ４ 検出電極 ５ 検出インピーダンス ６ スペクトラムアナライザ ６´ 検波回路 ７ 部分放電測定器 ８ ニューラルネットワーク ９ ディスプレイ １０ ３次巻線 １１ 入力層 １２ 中間層 １３ 出力層 １４ 極性再生回路 １４１ 符合検出回路 １４２ ホールド回路 １４３ 極性反転回路

Claims (1)

【特許請求の範囲】
1. 【請求項１】ニューラルネットワークを用いて電力ケー
   ブルおよび接続部から発生する部分放電信号を判別する
   方法において、まず、スペクトラムアナライザ等により
   検出された信号に対し、Ｓ／Ｎ比の高い周波数成分のみ
   を取り出し、次に、この出力信号の大きさ（振幅）と発
   生位相（課電圧に対する位相）と発生頻度の情報をニュ
   ーラルネットワークの入力層に入力し、中間層および出
   力層で評価した後、部分放電の発生の有無を判別するよ
   うにしたことを特徴とする部分放電判別法。