[2Win5] ポスターセッション2

[2Win5-09] 機械学習と物理モデリングを用いた水素パイプラインの小規模漏洩検知

〇風呂田 潤¹、鈴木 悠生¹、中山 穣¹、鈴木 智也¹、相馬 知也²、伊里 友一朗¹ (1.横浜国立大学、2.株式会社Argopilot)

キーワード：異常検知、漏洩検知、水素パイプライン

水素パイプライン(HPL)は、水素社会の実現に向けた重要な輸送インフラとして期待されている一方で、水素漏洩に起因する爆発・火災事故の発生が懸念される。機械学習を用いた水素の漏洩検知に関する既往研究では、2つのセンサーデータ間に成立する不変的関係性を定式化し、その関係性の崩れを異常と判断することで漏洩検知が行われた。しかし既往研究の漏洩検知モデルでは、漏洩口径が小規模な漏洩の検知が出来なかった。本研究では、多変量時系列データの特徴量を抽出可能なConvolutional neural networks (CNN)を用いて、物理モデリングに基づくHPLからの小規模漏洩の検知を実施した。はじめに、物理モデリングを用いてHPLの稼働シミュレーションを実施し、流量や圧力センサーの時系列データを取得した。次に、CNNにより多変量時系列データの特徴量を抽出し、HPLの漏洩検知モデルを構築した。構築モデルを用いて様々な漏洩検知シミュレーションを実施した結果、既往研究では検知できなかった漏洩口径0.1 mm以下の小規模な漏洩の検知に成功した。