正常稼働状态の表现学习に基づく风车异常検知
?
1 like?1,046 views
長谷川隆徳(早大?産総研)，緒方淳，村川正宏(産総研)，小川哲司（早大?産総研），"正常稼働状态の表现学习に基づく风车异常検知，” 第40回風力エネルギー利用シンポジウム, 2018.12.05.
![3?
? ?; 正常 < ? ?; 異常
入力の正常度と異常度を計算し，異常度の方が
高ければ異常と判定
正常
モデル
異常
モデル
? ?; 正常 ＜?
入力の正常度を計算し，閾値よりも低ければ
異常と判定
正常
モデル
?
①
外れ値
検知
②
正常?異常
識別
[Bach-Andersen+, 2017]
[Ogata+, 2016]](https://image.slidesharecdn.com/jwea-201812041430-hasegawa-4upload-181204080814/85/-3-320.jpg)
![4
Siemens Gamesa [Bach-Andersen+, 2017]
正常?異常識別による異常検知
? 異常データが利用できるため高精度な異常検知を実現可能
? 大規模な異常データの収集が必要（自社展開が前提）
正常データ 異常データ
監視対象の異常データを用いたシステム構築](https://image.slidesharecdn.com/jwea-201812041430-hasegawa-4upload-181204080814/85/-4-320.jpg)
![8
[ICPHM+18 Hasegawa, et al]
監視対象ではない風車の
正常?異常データを用いて構築
正常?異常を分類する
識別器を構築
特徴抽出器
風車Ａ
風車Ｂ
あらゆる風車で早期運用を可能にする設計
風車Ａの
異常検知器
風車Ｂの
異常検知器
風車Ａの少量
正常データを
用いて構築
風車Ｂの少量
正常データを
用いて構築](https://image.slidesharecdn.com/jwea-201812041430-hasegawa-4upload-181204080814/85/-8-320.jpg)
![14
システム 特徴抽出器 異常検知器
FLAC-tGMM FLAC
[WWEC+16 Ogata, et al]
target GMM
tAE/BNF-tGMM target
AE/BNF
target GMM
allAE/BNF-tGMM target + non-target
AE/BNF
target GMM](https://image.slidesharecdn.com/jwea-201812041430-hasegawa-4upload-181204080814/85/-14-320.jpg)
![15
システム 特徴抽出器 異常検知器
FLAC-tGMM FLAC
[WWEC+16 Ogata, et al]
target GMM
tAE/BNF-tGMM target
AE/BNF
target GMM
allAE/BNF-tGMM target + non-target
AE/BNF
target GMM
監視対象データ
だけで学習する
他の機種のデータも
加えて学習する
人手で設計する](https://image.slidesharecdn.com/jwea-201812041430-hasegawa-4upload-181204080814/85/-15-320.jpg)
正常稼働状态の表现学习に基づく风车异常検知
- 1. 正常稼働状態の表現学習に基づく 風車異常検知 緒方 淳 村川 正宏 小川 哲司 長谷川 隆徳 本研究は，NEDO事業「風車運用高度化技術研究開発」 による支援を受けた．
- 3. 3? ? ?; 正常 < ? ?; 異常 入力の正常度と異常度を計算し，異常度の方が 高ければ異常と判定 正常 モデル 異常 モデル ? ?; 正常 ＜? 入力の正常度を計算し，閾値よりも低ければ 異常と判定 正常 モデル ? ① 外れ値 検知 ② 正常?異常 識別 [Bach-Andersen+, 2017] [Ogata+, 2016]
- 4. 4 Siemens Gamesa [Bach-Andersen+, 2017] 正常?異常識別による異常検知 ? 異常データが利用できるため高精度な異常検知を実現可能 ? 大規模な異常データの収集が必要（自社展開が前提） 正常データ 異常データ 監視対象の異常データを用いたシステム構築
- 5. 5 正常データ あらゆる風車で早期運用を可能にする設計 ? 監視対象風車の正常データのみでシステムを構築可能 ? 風車製品，運転条件等の風車の違いの影響を受けにくい 正常データ 正常データ 正常データ
- 8. 8 [ICPHM+18 Hasegawa, et al] 監視対象ではない風車の 正常?異常データを用いて構築 正常?異常を分類する 識別器を構築 特徴抽出器 風車Ａ 風車Ｂ あらゆる風車で早期運用を可能にする設計 風車Ａの 異常検知器 風車Ｂの 異常検知器 風車Ａの少量 正常データを 用いて構築 風車Ｂの少量 正常データを 用いて構築
- 10. 提案方式 10
- 12. 異常検知実験 12
- 13. 風車主要機器の振動データ A.07 B.21 対象機器 主軸受 主軸受 ラベル 正常 損傷 正常 損傷 損傷モード 軌道面の剥離損傷 転動体ならびに 軌道面の剥離損傷 1回の計測時間 40秒 40秒 用途 特徴抽出器学習 異常検知器学習 評価 特徴抽出器学習 13 ? NEDOスマートメンテナンスPJで収集の実機データ ? 両者は違うサイトの風車 ? 主軸受の寸法等のスペックも異なる A.07, B.21
- 14. 14 システム 特徴抽出器 異常検知器 FLAC-tGMM FLAC [WWEC+16 Ogata, et al] target GMM tAE/BNF-tGMM target AE/BNF target GMM allAE/BNF-tGMM target + non-target AE/BNF target GMM
- 15. 15 システム 特徴抽出器 異常検知器 FLAC-tGMM FLAC [WWEC+16 Ogata, et al] target GMM tAE/BNF-tGMM target AE/BNF target GMM allAE/BNF-tGMM target + non-target AE/BNF target GMM 監視対象データ だけで学習する 他の機種のデータも 加えて学習する 人手で設計する