[4F4-GS-10o] AI応用：マテリアル情報

[4F4-GS-10o-01] エポキシ樹脂中のボイド放電劣化における機械学習に基づく劣化度推定の検討

〇大木 伊織¹、西垣 貴央¹、小野田 崇¹、大竹 泰智²、梅本 貴弘²、菅 健一² (1. 青山学院大学、2. 三菱電機株式会社)

キーワード：ボイド放電、劣化度判定、機械学習

電力機器の絶縁診断において，一般に絶縁破壊の前駆現象である部分放電が検出される．また部分放電の交流電圧位相における発生分布は放電発生要因と相関があるため，保守の指標に用いられる．今回，経年劣化の要因となるエポキシ樹脂中のボイド放電劣化に着目し，部分放電の発生位相特性を様々な機械学習手法を用いて学習させで劣化度の推定ができるかの検討を行った．部分放電から劣化度を推定するためには，部分放電パターンから何を特徴量として使用するのかが重要となる．本研究では部分放電のパターンから得ることのできる部分放電電圧の絶対値最大値と部分放電電圧の絶対値平均値を劣化度推定に用いる部分放電の特徴量とした．これらの特徴量を用いて，サポートベクターマシンをはじめとした複数の機械学習手法を適用し劣化度の推定を行った．その結果サポートベクターマシンにおいて85%程度で劣化度の推定を行うことができることを示せた．