変圧器APMのためのSFRA巻線変位解析

掃引周波数応答解析（SFRA）は、変圧器チームが機械的健全性を評価するのに役立ちます。SFRAは、巻線の幾何形状、鉄心、リード線、締め付け構造、そして接続のセットアップに影響される周波数応答のフィンガープリントを生成します。変圧器が輸送時のストレス、通過故障（through-fault）による電磁力、地震、あるいは疑わしい運転履歴を経験したとき、SFRAは重要な比較記録となり得ます。

AIはトレースの整理と比較を支援できます。しかし、測定の規律を軽視すべきではありません。

SFRAが測定するもの

SFRAは巻線を直接「見る」わけではありません。ある周波数範囲にわたって応答を測定し、エンジニアがその応答をベースライン、姉妹機、相、あるいは過去の試験と比較できるようにします。応答のずれは、巻線変位、変形、鉄心の移動、巻線の短絡ターンや開放ターンといった変化を示唆する場合もあれば、解消すべきセットアップの差異を示している場合もあります。

IEEE C57.149 は、油入変圧器の周波数応答解析に関する現行のIEEEガイドです。IEC 60076-18 は、周波数応答の測定手法と機器に関するIECの参照文献です。TB 342 や TB 812 といったCIGREの資料は、解釈に関するさらなるコンテキストを提供します。

イベントに紐づく価値

SFRAは、イベントに紐づけられたときに特に価値を発揮します。

• 工場でのベースラインおよび試運転（コミッショニング）。
• 輸送後の検証。
• 通過故障の後。
• タップ切換器やリード線の不具合が疑われた後。
• 地震や機械的ストレスの後。
• 他の証拠が機械的変化を示唆するとき。

エージェント型APMシステムは、こうしたイベントとの結び付きを可視化すべきです。イベント履歴のないトレースは、証拠としてより弱いものです。

測定コンテキストが重要になる

不適切な接地、測定リードの配置、タップ位置、試験機器の変更、あるいはベースラインのメタデータの欠落は、誤解を招く比較を生み出しかねません。すべての曲線を等しく信頼できるものとして扱う場合、AIモデルはこうした問題を増幅させることがあります。

GridAPMの証拠モデルは、セットアップの詳細、測定日、機器のコンテキスト、接続構成、タップ位置、そしてベースラインの参照を保存すべきです。そうすることで、エージェントは「巻線変化の可能性」と「管理されたセットアップで試験を再実施すべき」とを区別できます。

AI支援による比較

境界の定められたSFRAエージェントは、次のことができます。

1. ベースラインと最新のトレースを取得する。
2. 相、姉妹機、そして過去の記録を比較する。
3. 変化の指標や類似度の尺度を算出する。
4. 有意なずれが生じている周波数帯を特定する。
5. 通過故障の履歴、DGA、PRPD、負荷、そして点検記録と相関付ける。
6. 確からしさと再試験のロジックを添えて推奨内容を草案する。

これは、電力変圧器の診断証拠モデル と PRPDの測定品質ワークフロー を補完します。

トレースから意思決定へ

SFRAの所見は、再試験、より踏み込んだ点検、無電圧（停電）試験、修理の評価、復電（運転復帰）の可否レビュー、あるいは監視の継続といった対応を裏付けることができます。どの対応をとるかは、トレースの変化、イベントの重大度、裏付けとなる証拠、そして資産の重要度によって決まります。

最も強く主張できるのは、AIがあらゆる巻線変位を自動的に診断するということではありません。AIは、変圧器APMのワークフローの中で、SFRAの証拠をより取得しやすく、比較しやすく、説明しやすく、そして承認しやすくするのに役立つ、ということです。