投2022-0091

発表論文	Brute-force Analysis of Insight of Phase-resolved Partial Discharge using a CNN
発表者名	○木谷 亮太、岩田 晋弥
掲載誌/掲載箇所	Electrical Engineering 105, 2373–2382
発表日	2023/4/7

概要

部分放電診断の自動化にあたり、高い分類性能を持たせやすいDeep Learningが注目されているが、得られた結果がどんな基準で分類しているかの解釈が難しく、実運用に際してハードルがある。本研究では、分類結果に影響を与えやすい要素を特定するため、Phase-Resolved Partial Discharge(PRPD)の信号データを画像データに変換し、モデルの分類性能の違いを、総当たり的に評価した。具体的には、位相0~2πの画像から信号強度ピーク近傍を切り取った画像をベース画像として、ベース画像を9つのパーツに等分割して各パーツの有無毎にモデルを作成し、各々の分類性能を比較した。その結果、ベース画像中央および放電信号0V近傍のパ―ツが存在するときに、分類性能が高い傾向がみられた。