ヒューリスティック最適化を用いた誘導電動機の現地効率およびパラメータ推定

なぜ賢いモータが重要か

工場、ポンプ、換気システムの奥深くで、電動機は世界の産業用電力の大部分を静かに消費しています。これらの機械が電力を運動に変える効率をわずかに改善するだけでも、大量のエネルギーを節約し温室効果ガス排出を削減できます。しかし、モータが実際にどれほど良く動作しているかを確認するには、通常、生産を停止して機械を試験室に持ち込む必要があり、多くのプラントではそれができません。本稿は、標準的な電気測定だけと人工知能由来の高度な探索アルゴリズムを用いて、工場の稼働中にモータの効率を推定する手法を紹介します。

大型の働き馬モータを点検する際の問題

三相誘導電動機は構造が単純で安価、耐久性が高いため産業界の頑強な働き馬です。しかし、設置された多くのモータは理想的な負荷より低い状態で稼働しており、長期的にエネルギーとコストを浪費します。IEEE 112 のような公式試験規格は効率を非常に正確に測定する方法を定めていますが、特殊な試験装置、ブレーキ機構、および直接トルク測定が必要です。これらの試験は高価で侵襲的であり、生産ラインに組み込まれた大型モータにはしばしば実行不可能です。メーカーの銘板値も、モータが古くなったり修理されたりすると常に信頼できるとは限りません。したがって業界は、停止せず追加の機械センサーを取り付けることなく、現地でモータを「監査」する方法を必要としています。

モータの真の状態を読み取る新しい方法

著者らはこの課題に対して、モータを電気的なパズルとして扱うアプローチを採ります。すべての損失を直接測定する代わりに、抵抗やリアクタンスといった重要な内部パラメータの小さなセットから構成される単純化された電気モデルに着目します。これらのパラメータが分かれば、異なる負荷での効率やトルクを計算できます。主要な考え方は、現場で容易に測定できる量—線間電圧、電流、入力電力、回転速度—だけを見て、コンピュータベースの探索手法が隠れたモデルパラメータを調整し、モデルの挙動が測定値と一致するまで繰り返すことです。モデルがフィットすれば、実験室試験で用いる標準方程式をそのまま適用して現地で効率を算出できます。

自然に触発されたアルゴリズムによる探索

内部パラメータの正しい組合せを見つけることは難しい作業です。探索空間が広く、パラメータ同士が複雑に相互作用するためです。これに対処するため、本研究では鳥の群れやオオカミの群れ、捕食ハヤブサ、クジラの遊泳など自然の行動に触発された8つの「ヒューリスティック」最適化アルゴリズムを用いています。各アルゴリズムは多くの試行解で開始し、何百回もの反復でより良い適合へと誘導します。著者らはさらに、銘板データ、メーカー情報、電気試験の関係式を用いて各パラメータの許容範囲を物理的に絞り込む手法を導入します。これにより非現実的な解を防ぎ、特に回転子抵抗のような敏感な量についてアルゴリズムの収束を速め、信頼性を高めます。

さまざまなサイズの実機での試験

この手法は、1.1キロワットから132キロワットまでの6台の産業用モータで、四分の一負荷から全負荷までの4つの負荷レベルで試験されました。2つの推定スキームが用いられました。方法 I ではアルゴリズムは現地測定値のみを用い、銘板の定格出力を無視してラベル誤差に対するロバスト性を高めました。方法 II では定格出力が追加の制約として組み込まれました。各モータと各負荷に対して、推定効率は完全な実験室設備で得られた IEEE 112 による値と比較されました。全モータを通じて、全負荷時の平均誤差は約0.7パーセント未満にとどまり、特に粒子群最適化、クジラ最適化、差分探索などのアルゴリズムは高い精度と安定した再現性を示しました。非常に軽負荷では誤差が増加しましたが、これは標準的なモータモデルがモータがほとんど働いていない場合でも一部の損失を定数扱いにするためです。

工場とエネルギー削減への意味

一般読者への主な結論は、工場が生産を停止したり複雑な機械センサーを取り付けたりせずに、モータの運転効率を推定できるようになったことです。多くのプラントで既に監視されている電気信号のみを読み取ることで、この方法は時間経過に伴う効率の追跡、性能低下や劣化した機械の検出、エネルギー監査や保守計画の支援が可能になります。非常に低負荷時には精度が落ちたり不正確な銘板データに敏感になる場合がありますが、著者らは典型的な運転条件下では金標準の実験室試験に非常に近づくことを示しています。実務上、これは企業が最も電力を消費する設備の状態について、低コストかつ業務を妨げることなく、ほぼ実験室並みの洞察を得られることを意味します。エネルギー費削減や環境負荷低減に役立つ有用なツールです。

引用: Göztaş, M., Sahman, M.A. & Çunkaş, M. In-situ efficiency and parameter estimation for induction motors using heuristic optimization. Sci Rep 16, 9643 (2026). https://doi.org/10.1038/s41598-025-34932-1

キーワード: 誘導電動機の効率, 現地モニタリング, ヒューリスティック最適化, 産業エネルギー削減, モータパラメータ推定