SlideShare una empresa de Scribd logo
1 de 92
Descargar para leer sin conexión
送電鉄塔鑑賞学入門
V1.1
2013.10.2 sarumaruhideki in EAST
 10年ほど「趣味の鉄塔巡視員」やってます
 週に1日程度、現在まで4000本程度巡視しました
 巡視担当区域は主に東京23区とその周辺部から延
びる送電路です
どこから来るのかなぁ
どこへ行くんだろう
 小松川線130号
 ある日ふとこの看板を
見たことからすべてが
始まった
 銀林 みのる 著
 第6回日本ファンタジーノベル大
賞 受賞
 1994年 新潮社より単行本刊行
 1997年 映画『鉄塔 武蔵野線』
主演:伊藤淳史
• 安曇幹線
• 只見幹線
• 西に行こうプロジェクト
• 旧谷村線発掘プロジェクト
数奇な運命を秘める50万ボルトのネコたち
梓湖~新秩父開閉所~新所沢変電所
北アルプスの清流から東京へ
現在、新所沢変電所~十石峠まで終了
高度成長経済を支えた山深き只見の水
田子倉ダム~西東京変電所
「鉄塔ママ」たちの鉄塔旅
西東京変電所~赤城山
「送電鉄塔の旅日記」
http://members2.jcom.ho
me.ne.jp/tettou-mama/
私の「勝手に担当」地域
大清水~奥只見湖
現在、大清水~七入まで
終了
長距離送電の故郷への旅
◦ 駒橋線(1907〈明治40 〉年)・谷
村線(1913〈大正2〉年)・八ツ沢
線( 1912〈大正1〉年)
◦ 長距離送電黎明期のルート
をたどって富士山へ
駒橋線のルートは残っていない
八ツ沢線・谷村線のルートは一部残っている
現在、相模川左岸で休止中
駒橋・鹿留・八ツ沢発電所~早稲田変電所・淀橋変電所・目白変電所・六郷変電所
淀橋線・和田堀線・久我山線・府中線・由木線・八ツ沢線…
安方線・ 千鳥線・駒沢線・目白線・杉並線・高井戸線・三井線・車返線・国分寺線・多摩橋線・
高幡線・小比企線・旧谷村線…
山中に静かに眠る送電のパイオニアたち
 大正初年の産業歴史遺構発掘プロジェクト
 八王子側は完了
 冬に相模原側を調査予定
旧谷村線原型鉄塔地図
https://maps.google.co.jp/maps/ms?ie=UTF8&om=1&brcurrent=3,0x60191a62
c7fb8af1:0x6771f03d6ca90bad,0&oe=UTF8&msa=0&msid=106129594707715
037140.000485693e1e5f04ae572
送電・配電
三相交流
電圧階級・周波数
鉄塔各部の名称
 発電所→昇圧変電所→送電路→中間変電所→配電変電所→配電線→
柱上変圧器→家庭
発電所 昇圧(変) 中間変電所
配電変電所配電変電所 配電変電所
家庭 家庭
6600V
家庭
1万V程度 27.5~50万V 27.5~6.6万V
100~200V
変圧器 変圧器 変圧器
送電
配電
 送電線は3本セットで1回線
 なぜ交流か?
◦ 昇圧が簡単
◦ 長距離送電しても熱損失が少ない
 なぜ三相交流か?
◦ 帰りの線が不要
◦ 誘導電動機(発電機)
 ブラシレス
 熱損失
◦ 送電線にも抵抗があるので電流が流れると熱が発生する
◦ 通常5%程度の損失
 電力一定とすると電圧を高くすれば電流が減る
◦ 電力(P)=電圧(V)×電流(I)
 発熱は電流に比例する
◦ 送電部分の抵抗Rは一定なので電流が減ると発熱が減る
◦ I=V/R
◦ V=I/R
◦ P=R×I2
 三相交流は合計すると常にゼロボルトになる
 sin θ + sin ( θ + 120°) + sin ( θ + 240°)
= sin θ + sin ( θ + 2/3π ) + sin ( θ + 4/3π )
= sin θ + sin θ ×cos 2/3π + cos θ ×sin 2/3π + sin θ ×cos 4/3π + cos θ×sin 4/3π
= sin θ× ( 1 + cos 2/3π + cos 4/3π ) + cos θ× ( sin 2/3π + sin 4/3π)
= sin θ× ( 1 - 1/2 - 1/2 ) + cos θ× ( √3 / 2 - √3 / 2)
= 0
◦ 帰りの線が不要
 直流なら6本必要な線が3本で済む
 単相交流の取り出しも簡単
 電圧階級
◦ 東京電力:66-154-275-500-1000kv
◦ 関西電力:77-154-275-500kv
◦ 九州電力:66-110-220-500kv
 周波数
◦ 東京電力:50HZ
◦ 関西電力:60HZ
1. 塔体
2. 腕金
3. 送電線
4. ジャンパー線
5. 碍子(がいし)
6. 帽子
7. 架空地線
8. 主柱
9. 腹材(水平材・斜材)
10. 根巻き
11. 結界
全体の形で分類
帽子で分類
鋼材で分類
碍子装置で分類
色で分類
機能で分類
全体の形で分類
 四角鉄塔
 矩形(くけい)鉄塔
 門型鉄塔
 美化鉄柱(モノポール・単柱)
 ドラキュラ鉄塔
 ドナウ型鉄塔
 烏帽子型鉄塔(ネコ鉄塔)
 すずらん柱
 鳥居型木柱
 大叉鉄塔
 標準的な送電鉄塔
 敷地の形は正方形
 四角錐
 敷地の形は四角形、
正方形の場合も長
方形の場合もあり
 4本の主柱が塔頂
に収束せず線方向
から見ると塔体が四
角形になる
 鉄道の架線柱のような
鉄塔
 軌道敷や川の上空を
通る時に使われる
 市街地でよく見られる
太い鋼管を一本立てた
送電線支持物
 モノポール(単柱)
 簡単に言えば巨大な電
柱
 「美化」という形容詞が
嫌われる
 「吸血鬼(ドラキュラ)が
マントを広げて飛び立
つ様」
 空高く通っている送電
線を地上に下ろす
 腕金が2段
 送電線は上段の腕金
に1本、下段の腕金に
2本取り付けられる
 ドナウ河にちなむ
 ドイツに多い
 ネコ鉄塔
 「烏帽子」とは和装の帽
子
 山で多く使われる(部
材が少ない)
 1回線・水平配列
 電柱と同じコンクリート
柱や木柱に優雅な形
の腕金
 まさにスズラン
 絶滅危惧種
 木柱やコンクリート柱で
門型にしたものを鳥居
型と分類
 絶滅危惧種
 門型と同じように川や
鉄道を跨ぐ鉄塔
 四角鉄塔や門型鉄塔
の脚の部分を大きく変
形
 絶滅危惧種
鋼材による分類
 鋼管鉄塔
◦ 鉄のパイプ(中にコンクリートを詰め込むものもあり)
 アングル鉄塔
◦ 等辺山型鋼
 コン柱
◦ コンクリート
 木柱
◦ 木材
碍子装置による分類
 陶器製
 数個から数十個つなげて
使用
 碍子の数で電圧が分かる
 絶縁電圧=(碍子数-2)×2万ボルト
 碍子の数と電圧
◦ 66KV 77KV 5~10個未満
◦ 154KV 10個~15個
◦ 275KV 15個~30個
◦ 500KV 30個~
これは目安で一概には言えない
1連
2連
3連
4連
…
Ⅰ吊り
Ⅱ吊り
 バランス耐張
 ガラス碍子
 踊る碍子
 重し付き碍子
 碍子流し
 懸垂型を耐張型に変更
 手術した鉄塔
 日本では貴重種
 欧州では多いと聞く
 送電路の角度によって
懸垂型が引っ張られる
 門型鉄塔の定番
 左右、もしくは上下が安定しない場合
 懸垂碍子が上向きに引っ張られる時などに使う
帽子による分類
 とんがり帽子
 コックさん(料理長型鉄塔)
 ジャミラ
 中国給仕娘型(服務小姐鉄塔 フー・ウー・シャオ・ジェ鉄塔)
 初代ウルトラマンの
怪獣ジャミラに似て
いる
 知らない人は「イカ
鉄塔」で可
 古い鉄塔に多い
 フー・ウー・シャオ・ジェ鉄塔
 中国宮廷の女性給
仕の髪飾りを連想
色による分類
 航空法によって60メートル以上の鉄塔は赤白に塗ら
れる
◦ 航空障害灯を灯すもの
◦ フラッシュ装備のもの
 付近に60メートル超の建造物がある場合は免除され
ることもある
 通常の鉄塔にも塗装の色が違うものがある
◦ 酸化皮膜鉄塔
◦ 環境美化鉄塔(茶色・クリーム・緑)
 写真
この鉄塔は36メートルしかないが飛行場が近いため赤白に塗られているようだ
酸化皮膜処理
茶色塗装
黄緑塗装
機能からの分類
 曲げる
◦ 角度鉄塔(重角度鉄塔・軽角度鉄塔)
 分岐する
◦ 上下振り分け鉄塔
◦ 大口鉄塔(アッサー鉄塔・ゴジラ鉄塔・ノギス鉄塔)
 下げる
◦ ドラキュラ鉄塔
◦ 燭台型鉄塔
◦ 関電分け
 ひねる
◦ 撚架鉄塔
 開閉塔
 くぐる
◦ 階段鉄塔
 …
 送電路を曲げるのは鉄塔の仕事
 ただし角度が大きいと問題が発生
 腕金追加
 下の鉄塔は折り返しに近
い角度
 90度曲げる重角度鉄塔
 塔体を45度まげ外側の
腕金を思い切ってのばす
 送電路を分岐させるの
も鉄塔の仕事
 2回線を分岐させるため
にはいろいろ工夫が必
要
 工場に線を分岐
 上段の左回線は線間に
延ばした腕金経由で線を
分岐している。
 4回線鉄塔
 下段2回線は2方向に分
岐
 アッサー鉄塔
 ノギス鉄塔
 ゴジラ鉄塔
 別名
◦ アッサー鉄塔
◦ ノギス鉄塔
 空の送電線を地上へと下げる
 場所の余裕があれば簡単だが…
 なるべくコンパクトに送電線を引き下ろしたい
 ドラキュラ
 燭台型
 関電分け
 贅沢!!
 土地をたくさん使う
 真下に下ろす
 テラス付きで下の土地を
ふさがない
 線間に腕金を延ばす
 こうすれば余計な土地は使
わない
 東電では珍しいが関西電力
では多く見かける
 さすが関西!
屈曲・根開き・上部垂直・結構・カテ
ナリー曲線・3本カテナリー…
 主流はブライヒ結構
 ブラット結構は古い鉄塔の証明
 Kトラスやシングルワーレンという珍しい鉄塔も
ブラット結構ブライヒ結構
シングルワーレン
Kトラス
 送電線の描く曲線
 懸垂曲線
 径間 長―短 弛度 大―小
 張力 小―大 弛度 大―小
 都会の鉄塔は短い径間で張力大
◦ 弛度小 張り詰めた感じ
 田舎の鉄塔は長い径間で張力小
◦ 弛度大 ゆったりとした感じ
 山岳地帯で時々見られ
る大カテナリー
◦ 大きなカテナリー曲線の
途中に鉄塔が挟まる
◦ 中間の鉄塔は左右の揺
れを防ぐだけ
都市部でも大きな川の横断部前後で3本カテナリを見
ることがある
1号鉄塔
長大な構造物
広大な回路
 個々の鉄塔も面白いがや
はり鉄塔趣味の神髄は「た
どる」こと
 目指すは1号鉄塔
 そこが変電所ならその上流
がまた登場する
 終わる心配のない旅
 送電路は何十キロ、何百キロにもおよぶ長い長
い一つの構造物
◦ それが頭の中に徐々に組みあがってくる快感
 日本中の鉄塔がつな
がっている
 九州―本州 関門連系線
 四国―本州 本四連系線
阿南紀北直流幹線
 北海道―本州 北本連系
 50Hz-60Hz 周波数変
換変電所(佐久間・東清水・
新信濃)
 沖縄は単独
◦ 大きな鉄塔も小さな鉄塔も、
幹線も配電変電所へ向かう
ローカルな送電線も、
みんな一つの回路の中で繋
がっている
さあ歩きはじめよう あなたの「永遠の出発点」から

Más contenido relacionado

La actualidad más candente

[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function
[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function
[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss FunctionDeep Learning JP
 
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling ProblemDeep Learning JP
 
[DL輪読会]Human Pose Estimation @ ECCV2018
[DL輪読会]Human Pose Estimation @ ECCV2018[DL輪読会]Human Pose Estimation @ ECCV2018
[DL輪読会]Human Pose Estimation @ ECCV2018Deep Learning JP
 
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用Yasunori Ozaki
 
大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらと大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらとToshinori Sato
 
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピTakahiro Kubo
 
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況Deep Learning JP
 
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised LearningまとめDeep Learning JP
 
深層強化学習の self-playで、複雑な行動を機械に学習させたい!
深層強化学習の self-playで、複雑な行動を機械に学習させたい!深層強化学習の self-playで、複雑な行動を機械に学習させたい!
深層強化学習の self-playで、複雑な行動を機械に学習させたい!Junichiro Katsuta
 
Teslaにおけるコンピュータビジョン技術の調査 (2)
Teslaにおけるコンピュータビジョン技術の調査 (2)Teslaにおけるコンピュータビジョン技術の調査 (2)
Teslaにおけるコンピュータビジョン技術の調査 (2)Kazuyuki Miyazawa
 
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion ModelsDeep Learning JP
 
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーションDeep Learning JP
 
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点Ichigaku Takigawa
 
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the Wild[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the WildDeep Learning JP
 
【DL輪読会】A Path Towards Autonomous Machine Intelligence
【DL輪読会】A Path Towards Autonomous Machine Intelligence【DL輪読会】A Path Towards Autonomous Machine Intelligence
【DL輪読会】A Path Towards Autonomous Machine IntelligenceDeep Learning JP
 
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points[DL輪読会]Objects as Points
[DL輪読会]Objects as PointsDeep Learning JP
 
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者cvpaper. challenge
 
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介Yusuke Nakata
 
[DL輪読会]逆強化学習とGANs
[DL輪読会]逆強化学習とGANs[DL輪読会]逆強化学習とGANs
[DL輪読会]逆強化学習とGANsDeep Learning JP
 

La actualidad más candente (20)

[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function
[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function
[DL Hacks]Semantic Instance Segmentation with a Discriminative Loss Function
 
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
【DL輪読会】論文解説:Offline Reinforcement Learning as One Big Sequence Modeling Problem
 
[DL輪読会]Human Pose Estimation @ ECCV2018
[DL輪読会]Human Pose Estimation @ ECCV2018[DL輪読会]Human Pose Estimation @ ECCV2018
[DL輪読会]Human Pose Estimation @ ECCV2018
 
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
 
大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらと大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらと
 
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
 
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況
 
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
 
深層強化学習の self-playで、複雑な行動を機械に学習させたい!
深層強化学習の self-playで、複雑な行動を機械に学習させたい!深層強化学習の self-playで、複雑な行動を機械に学習させたい!
深層強化学習の self-playで、複雑な行動を機械に学習させたい!
 
Teslaにおけるコンピュータビジョン技術の調査 (2)
Teslaにおけるコンピュータビジョン技術の調査 (2)Teslaにおけるコンピュータビジョン技術の調査 (2)
Teslaにおけるコンピュータビジョン技術の調査 (2)
 
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
 
Structure from Motion
Structure from MotionStructure from Motion
Structure from Motion
 
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
 
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
 
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the Wild[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
 
【DL輪読会】A Path Towards Autonomous Machine Intelligence
【DL輪読会】A Path Towards Autonomous Machine Intelligence【DL輪読会】A Path Towards Autonomous Machine Intelligence
【DL輪読会】A Path Towards Autonomous Machine Intelligence
 
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
 
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
 
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
 
[DL輪読会]逆強化学習とGANs
[DL輪読会]逆強化学習とGANs[DL輪読会]逆強化学習とGANs
[DL輪読会]逆強化学習とGANs
 

送電鉄塔をたどる V1.1