電気設備の高調波診断技術の開発と応用
公開日:
カテゴリ: 第16回
電気設備の高調波診断技術の開発と応用
Development and Application of Higher Harmonics Diagnosis Technology for Electric Equipment
アルカディア・システムズ株式会社
新田純也JUNYA NITTANon Member
シンビオ社会研究会
吉川榮和HIDEKAZU YOSHIKAWA
Member
Abstract
A unique diagnostic technology for electric devices has been developed to detect anomaly and estimate the cause of failure of the device easily by analyzing the higher harmonics of electric source current. Higher harmonic diagnosis devices have been realized and improved to be served as the portable device for maintenance works of various electric equipment such as AC/DC motors, inverters, transformers, cables, etc. The higher harmonic technique has been expanded as the online cabled system so that it can serve as the online remote monitor and diagnosis system for the electric equipment. In future, it will be upgraded by endowing the self-learning monitoring and diagnosis capabilities by the adoption of IoT and deep learning.
Keywords:
higher harmonics, portable device, diagnostic of electric device, AC/DC motors, inverters, transformers, cables, online remote monitor and diagnosis system
1 序論
今日の産業界で広範に使用されている電気設備の保全には、最近次のような課題が指摘されている。
・保全業務の技術継承が困難(高齢化、属人的作業）
・劣化部品の交換など表面的な対処が主体
・専門的で時間のかかる点検が必要な設備が存在
・記録作業が煩雑
・機器停止が必要で、繁忙期の点検作業は困難
・交換部品が入手しにくい老朽化設備の存在
本論文では、高調波診断技術により予知保全上記のような問題点を解決できることを提案する。
我が国で電気機器に用いられている交流は商用の場合、 関東50Hz、関西60Hz が基本波であるが、これらの整数倍の周波数を持つ波を高調波という。2 次の高調波は100Hz(120Hz)の周波数を持つ波で、3 次の高調波とは
150Hz(180Hz)の周波数を持つ波である。Fig.1 には基本波及び3 次の高調波、5 次の高調波、それらを合成した波を示す。Fig.1 に示すように、実際の電気機器には基本波とは全く波の形が違う様々な高調波成分を含んだ合成波が流れる。通常の電気機器の使用では高調波成分が多い
と様々な故障をもたらすので電源の高調波を抑制する対策が講じられるが、本論文で述べる高調波診断技術はこのような高調波成分に着目して電気機器の設備診断に活 用する方法である。
Fig.1 Basic sinusoidal wave, higher modes and the synthesized wave which flow in the electric equipment.
2 高調波診断技術とは
本論文で述べる高調波診断技術は、電気設備の電源電 流に重畳される2 次から40 次までの高調波を利用して、設備を止めずに診断する技術である。この方法の実用化 は、高 博 により10 年以上の歳月をかけて1 万台以上の設備の高調波を測定し、設備を分解・検証した結果判 明した電気設備の劣化箇所・劣化度合と高調波成分の比率についてデータを集積し、そのデータベースに基づい て有意な相関関係を導出する基礎的な研究があった。[1] 具体的には集積したデータベースに多変量解析の主成分分析を適用して、Table 1 に示すような「寄与率表」を生成するものである。
Table 1 Contribution ratio table
高 博 による10 年間に渡る解析に用いられたデータは3 万7 千件に及ぶ。Table 1 ではモータ本体、その負荷側、およびインバータ側における様々な部位の劣化事態における第一主成分(最も大きな高調波成分）と各高調 波成分の寄与率と高調波成分の総和の寄与率を示す。
ここで高調波の次数とモータ部・負荷部の各部位との相関をFig.2 に示す。モータのロータに供給される3 相交流がサーチコイルで測定するモータ軸、カップリングや
歯車、これらを介して負荷側に動力が伝達される各部位 での劣化により生じる第一次成分とその他の大きな高調 波および劣化事象をFig.2 に示す。図中、モータから負荷側へ左から右に見ると各部位の第一主成分が昇順に並ん でいる。
Fig.2 Relationship between the order of higher modes and the various parts of motor and load
高調波診断技術は、非接触・活線診断が大きな特徴で
あり、フェライトのコアにコイルが1500 巻きされたサーチコイルで電源ケーブルの漏れ磁束を測定する。そしてこの測定は制御盤で高調波を測定するため、水中ポンプ や天井ファン等のアクセスが困難な設備も簡単・安全に診断することができる。勿論設備を停止する必要はない。軸の曲がりと絶縁劣化、発熱と軸受のグリス溶け出し
等のように電気系の劣化と機械系の劣化とは密接に関連していることは広く知られているが、高調波診断技術によれば、機械系部位のみならず、電気系部位の設備の劣化診断が可能で、特に、汎用インバータの診断は、高調波診断技術だけが可能である。
高調波診断技術は「統計データ」に基づく診断技術のため、物理モデルのように原理原則により劣化現象を説 明できないが、データのN 数を増やし統計的に優位な相関が見いだせれば、現在は診断できない設備も将来は診断できるようになる。実際、この高調波診断技術が初めて登場した頃は、交流設備しか診断できなかったが、そ の後「電源トランス」や「コンデンサー」の診断まで可 能になったのは、加速試験によりデータを増やして有意 な相関が見いだされたためである。このことが強みであり、AI の機械学習等との親和性があると考えている。
高調波診断手法により診断できる交流設備・直流設備・トランス・コンデンサー・発電機・無停電電源と配 電ケーブルの診断部位と主な異常・劣化原因をTable 2 に示す。
Table 2 Electric equipment by higher harmonics diagnosis method with the failed parts and cause of degradation.
3 実例による高調波診断方法の説明
高調波診断は電気設備の正常時の高調波と異常・劣化時の高調波の比較により、異常・劣化の部位と原因を診断する。以 では (1) 負荷側のモータ軸受け、(2)モータの巻き線, (3)インバータの電力素子について述べる。なお、電気設備の正常、異常の判断や劣化程度に関する指数などのパラメータの計算方法は、次の4 にまとめて述べる。
反負荷側のモータ軸受け
負荷側軸受(正常品と異常・劣化品）の比較を Table 3 に示す。表中の基 値では寄与率表より寄与率を含有率と見なして指数を計算する。
Table 3 Comparison of higher mode contribution factor between normal equipment and abnormal/degraded one for ball bearing of anti-load side
Fig. 3 Graphical comparison of higher mode contribution factor between normal equipment and abnormal/degraded one for ball bearing of anti-load side
診断に関する正常品は、 的な正常設備が示す含有率より指数を計算し、劣化品は実際の測定値より指数を 計算する。それぞれの指数を2 次から 5 次までグラフ化
し、正常品と劣化品を比較したものが Fig.3 である。青線のグラフは正常品、赤線のグラフは軸受けが劣化したポンプである。黒線は劣化を軸受け劣化と診断する際に用いる基 であり、4 で述べるPHTD を示す。Fig.3 より軸受け異常ポンプは 2 次高調波が特徴的に大きい。この劣化したポンプを分解した結果、軸受けの球形ボーリン グには摩耗がみられ、ケーシングの外輪には傷が観察された。
モータの巻き線
Table 4 はモータ巻線の正常品と異常・劣化品を比較したものである。
Table 4 Comparison of higher mode contribution factor between normal equipment and abnormal/degraded one for motor’s winding
Fig. 4 Graphical comparison of higher mode contribution factor between normal equipment and abnormal/degraded one for motor’s winding
モータ巻線部の寄与率を基 値とし、 的な正常品
の含有率及び実際の測定データの含有率からそれぞれ指 数を計算し、それぞれの指数を 2 次から 5 次までグラフ化したものをFig.4 に示す。青線のグラフは正常品、赤線のグラフは軸受けが劣化したポンプである。黒線は劣化 を軸受け劣化と診断する際に用いる基 である。Fig.4 よりモータ巻き線の異常は第3 次高調波が特徴的に大きい。
この測定の1.5 ヶ月後にこのモータは、焼損した。分解して調べた結果、その原因はレアショートであった。(Fig.4右側写真の 側）
インバータの電力素子
インバータの電力素子について同様に寄与率表、 的な正常品の含有率及び測定した設備の含有率から、それぞれの指数を計算した結果をTable 5に示す。この場合、指数の次数を2次から38次までフラフ化したものがFig.5 である。関連する次数が多いので分かりにくいが、3 次、5 次、7 次の奇数次が特徴的に大きい。
この設備は、測定1 ケ月後に電力素子が焼損した。
Table 5 Comparison of higher mode contribution factor between normal equipment and abnormal/degraded one for inverter’s power element
Fig.5 Graphical comparison of higher mode contribution factor between normal equipment and abnormal/degraded one for inverter’s power element
4 指数値の計算方法
測定した高調波含有率と各指数値との関係
測定部位に近づけてサーチコイルに流れる膀導電流を求め、それをFFT にかけて高調波成分を求める。利用する測定値は、2 次から40 次までの高調波含有率(Hn）のみである。(Hn は第n 次高調波含有率(%））指数を計算
する場合、この高調波含有率を総合歪率(THD）で予め割り正規化しておく。THD は各含有率の二乗和の平方根(F(ΣHn^2））として計算される。なお、事例中のPTHDは寄与率表より関係する次数のみで計算した値である。
ストレス電圧E(fn)の算出
本方法では劣化を起こしうる電気機器の各所の部位に掛かると思われる膀起電圧をストレス電圧と称し、この ストレス電圧と高調波含有率との間には経験的な線形相関式を仮定する。どのような要因が劣化を起こすかにつ いては次の4.3 に述べる以 では代表的な電気機器の各部位にかかるストレス電圧と高次の高調波含有率との相関式モデルを示す。
①モータ側
回転軸・軸受のストレス電圧 E(M1）巻線絶縁のストレス電圧 E(M2）
軸受・ハウジングのストレス電圧 E(M3）エアギャップのストレス電圧 E(M4）
②負荷側(モータ側に換算）
アンバランスのストレス電圧 E(L1）軸受損傷のストレス電圧 E(L2） 回転軸のストレス電圧 E(L3）
歯車・ベルトのストレス電圧 E(L4）
③インバータ(モータ側に換算）
平滑コンデンサーのストレス電圧 E(I1）コントロール基板のストレス電圧 E(I2）電力素子のストレス電圧 E(I3）
ドライブ基板のストレス電圧 E(I4）
以上の式(1)-(4)中のHn は、第n 次高調波含有率(%）を意味し、記号a・・・p、a ・・・t 、a”・・・ p”は部位毎の寄与率である。
各指数値と異常?劣化の程度
上記で計算したストレス電圧が各指数値であり一般的には異常・劣化が進行すると指数値が大きくなる。 そこで、各指数値に異常・劣化を判断する閾値を設定することによって高調波診断が可能となる。
交流設備のモータ部の閾値表をTable 6 に示す。
Table 6 The degree of abnormality and deterioration of the index value and the part of AC motor
交流設備のインバータ部の閾値表をTable 7 に示す。
Table 7 The degree of abnormality and deterioration of the index value and the part of the inverter
なお、Table 6 とTable 7 は安定モード時の閾値表である。
ストレス特性の考察
①熱ストレス
部位の発熱によりもたらされる熱ストレスは最も基本的な劣化をもたらす要因である。熱ストレス現象の種類により劣化を起こす発生高調波の主要次数には次のような関係が見られた。
・局部加熱
→
奇数次高調波
(対称波）
・熱振動
→
奇数次高調波
・熱ひずみ
→
偶数次高調波
(非対称波）
・振動→ 偶数次高調波
其の他、電圧ストレスと機械ストレスについてそれぞれ以 に示す。
②電圧ストレス
・電磁力→ 奇数次高調波
・放電現象
部分放電 → 偶数次高調波グロー放電 → 奇数次高調波アーク放電 → 奇数次高調波
③機械ストレス
・機械的ショック→ 偶数次高調波
・クリープ応力→ 偶数次高調波
・疲労破壊→ 偶数次高調波
5 高調波診断技術の応用
可搬型の診断器
高調波診断技術を応用した可搬 装置は、保全担当者の予知保全の強力なツールとなりうる。高調波診断技術 を応用した可搬 装置KS シリーズ診断器KS-2000 を改造して外部制御を可能とした製品の外観と特徴をFig.6 に示す。
Fig.6 Harmonic diagnosis machine
有線方式の状態監視システム化
保全担当者が現場機器に赴いて可搬 診断器で診断作業をする代わりに、遠隔で連続的に自動診断できるよう になると保全担当者の負担の軽減になる。
有線の 態 シス HAMOS は、Fig.7 に示すようにnKS2000 を中心に有線タイプで 態 が行えるように構成したシス である。運転中の電気設備に正常運
転時とは異なる高調波パターンが発生すると、保全担当者の携帯にそれを知らせるメールを自動送信する。勿論、診断結果報告書も自動生成する。
HAMOS は、高調波センサーから高調波診断器まで全て有線接続であり、その延長距離は約100mである。高調波診断器に入力された漏れ磁束のアナログデータは高調波診断器 部で計算処理され、簡易診断結果が制御用パソコンに送られる。制御用パソコンはシス の制御だけでなく、詳細診断や診断結果報告書作成機能、トレン ドグラフ表示機能等を有する。
Fig.7HAMOS
ユーザヘの診断結果の表示
Fig. 7 に示したHAMOS では、まず、アナログ ルチプ
レクサの制御及びデジタル ルチプレクサを制御して高調波診断器と 対象設備に り けされた高調波センサーとを接続している。診断器は以 の順序で処理計算が実行される。
①電源の漏れ磁束をサーチコイルで測定する。
②FFT 処理により電源の高調波含有率を計算する。
③式(1）から式(4）により各指数値を計算する。
④Table 6 やTable 7 に示した異常・劣化閾値表により、各部の異常・劣化の程度を判定する。
⑤診断結果を管理ソフトに転送する。
⑥管理ソフトでは各部位の劣化傾向管理グラフ表示や出力、「劣化診断報告書」や「ストレス診断報告書」が作成され、プリントされる。
Table 8 に「劣化診断結果報告書」のサンプル例を示す。表中では劣化度70%以上の部位は保全対象として出力さ れている。Table 8 中の【対策】は自動診断ソフトよりコメントが自動生成される。回転軸・軸受・据 けの項では、軸受グリス注入、負荷部の回転軸異常・接触部摩耗
の項の軸受のグリス注入、若しくは清掃することをコメントしている。。
Table 8 An example of deterioration diagnosis report
6 高調波診断技術の未来
高調波センサーの無線loT 化
これまで述べた有線方式のHAMOS はセンサーから高調波診断器まで全て有線接続で、アナログデータは高調波診断器 部で処理され、簡易診断まで実行している。高調波センサーの無線IoT 化では前処理とサーバへの 転送のみを行うもので、新シス ではFEP-AMP から中継器(IoT ートウェイ）まで無線方式で接続され、中継
器ではデータの前処理のみ実行し、データの解析・診断機能はもたない。具体的には以 のような処理を行う。
サーチコイルの出力をFEP-AMP(フロントエンド・プロセッサー）に入れ 10KHz のサンプリングにより12 ビットのAD 変換を行う。そしてこのデータを920MHz で親機FEP-AMP へ送信する。(FEP-AMP は子機にも親機にも デ ップスイッチで り えが出来る設計になっている）。
親機を束ねる中継器(小 のFA パソコン）では、次の3
種類のデータを高調波診断サーバに転送する。
① 時間軸での粗データ(漏れ磁束の電圧波形）
② 周波数軸でのFFT データ(中継器で電圧波形をFFT 処理を行う）
③ 高調波含有率にしたス クトルデータ(中継器にて計算処理する高調波含有率データ）
高調波診断サーバのAl 化
前項6.1 に述べた時間軸データ、周波数軸データはそれ
ぞれ次のようなAI による機械学習に供される。
①従来の高調波含有率に基づく高調波診断を実行する。 (寄与率診断）
②FFT 処理波形は一度画像データとして保存し前処理後、
Google が公開しているTensorFlow[2]によりCNN
(Convolution Neural Network）により自動診断する[3].
④ 粗データ(電圧波形）の時間軸データは、同様にGoogle のRNN(Recurrent Neural Network)により自動診断する[4]
このような機械学習には、前処理とラベル けが必要であるが、前処理には正規化とデータ数の一致、ラベル
けには寄与率診断を用いる。その結果、これは「正常 な設備」のデータですよ、「これは絶縁劣化した設備」のデータですよ、といった意味づけが可能になる。
6.1 に述べたIoT 無線高調波センサーと、ここで述べた機械学習を応用した新しい 態 シス のイメージをFig.8 に示す。高調波センサーを無線化することの効果は大きく、応用範 が 的に広がる。例えば 上 力発電の 態 シス に適用できる。
Fig.8wireless IoT harmonic sensor and AI machine learning
以上述べたようなAI化により高調波診断機能は一段と高度化されるが、その目 とする機能は以 のものである。
STEP1 電気設備診断における正常波形ばかりを機械学習する。学習が進 と異常な波形(何時もと違う波形） がくるとアラートを発する。このような機械学習により正常な設備と異常な設備が振り分けられるようになる。
STEP2 異常な設備でも例えばベアリングが劣化して
徹する。そしてこの中間層を多層化しデ ープラーニングすることで診断精度の向上を目指したい。
機械学習には「答えがあらかじめ分かっている」場合を「教師有り機械学習」、ビックデータを処理して「AI が何らかのルールを自分で見つけだす」学習方法を「教師なし機械学習」と呼ぶが、提案する方法は、従来の診断方法でタグ けする「教師有り機械学習」となる。
従来の診断方法は高調波のみに着目してシンプルでノ イズに強い診断方法の一方で捨ててしまった情報がある。それは高調波と高調波の間の周波数情報である。FFT 波形を機械学習することは、高調波と高調波の間の周波数 の情報も診断に利用して診断精度向上を期待している。
7 結び
本論文では、各種電気機器の劣化診断を現場で非接触、 短時間測定で容易に保全要員が実施できる高調波診断技 術の基本原理と応用製品、将来の技術 をまとめた。
高調波診断技術は、2017 年に他界した高 博 が生前に30 年に渡り、基礎研究からフ ールドワークを重ねて確立した日本発の設備診断技術である。現在第一著者の属するアルカデ ア・シス ズはその技術を受け継ぎ、
態 シス HAMOS を試作開発した。今後は新たにIoT 無線化技術とAI 技術を 加し、より診断精度を高め予知保全技術の普及に貢献したいと考えている。この 予知保全技術が、各社が抱える「保全の問題点」を解決する有効なツールとなることを期待している。
参考文献
「高調波診断技術講習会 キスト」、エイ ック株式会社 2004 年10 月18 日
TensorFlow by Google https://www.tensorflow.org/
元田浩 訳 「パターン認識と機械学習 上」丸善出
2012 年1 月
渡 則 「ソフトコン ー ングと時系解析 ファジイ・ニ ーロによる予測入門」シーエー
ー出 2003 年10 月
いる設備の波形を機械学習する。このような学習により、
異常な設備の中で、ベアリングが劣化している設備が振 り分けられる。
以上の機械学習におけるSTEP1やSTEP2の処理は中間層とする。この時従来の高調波診断技術は「教師」役に
連絡先: 新田純也、〒532-0011 大阪市淀川区西中島
6-1-1 新大阪プライ タワー20 階、
所属先 アルカデ ア・シス ズ株式会社、
E-mail: nitta@arc-mec..co.jp