JP7739765B2 - 電力供給監視システム、および電力供給監視方法 - Google Patents

Description

本発明は、電力供給監視システム、および電力供給監視方法に関する。

近年、家庭やオフィスビル、工場、学校等、相当数の需要家宅へのスマートメータの設置が進み、スマートメータにより取得される情報を利用した様々な仕組みが提案されている。

例えば、特許文献１には、スマートメータから通信される電力データを処理する電力データ処理システムにおいて、一定期間の電力データを構成する電力量が計測された際の電力量の属性に関する電力量属性データを電力データに付加して処理データを生成し、生成した処理データの一定期間と対応する一定期間内で任意に設定された特定期間においてユーザの活動状態を活動状態データとして取得し、取得した活動状態データと該活動状態データを取得した特定期間と対応する特定期間における処理データとによって生成される学習データによって処理データに対応するユーザの活動状態を機械学習させた学習済みモデルに基づき、一定期間から特定期間を減じた残余期間におけるユーザの活動状態を推定することが記載されている。

また例えば、特許文献２には、電源の引き込み箇所から分電盤までの配電線の異常を監視することを目的として構成された配電線異常監視システムについて記載されている。配電線異常監視システムは、柱上トランスから引き込み線を介して供給される電力量を計測するためのスマートメータと、該スマートメータに配電線を介して接続する主幹ブレーカを有する分電盤と、主幹ブレーカを流れる電流および電圧を計測するセンサとを備え、スマートメータが計測する一次計測値およびセンサが計測する二次計測値の差分に基づき、配電線の異常を判定する。

特開２０２０－２８２０８号公報 特開２０１７－１７７９４号公報

電力会社等の電力供給者は、例えば、需要家において電力供給に何らか異常が発生した場合でも、現状ではこれを直接検知する仕組みがなく、例えば、需要家から電気がちらつく等の申し出を受けたことを契機として現場の調査等を開始するという受動的な対応を行っている。そのため、電力供給サービスの質的向上の観点から、電力供給者においては、需要家側で発生している異常を能動的かつ早期に検知して適切な対応が取れるようにするための仕組みの構築が必要とされている。

本発明はこのような背景に鑑みてなされたものであり、需要家側で生じている異常を電力供給者側で能動的かつ早期に検知することが可能な、電力供給監視システム、および電力供給監視方法を提供することを目的とする。

上記目的を達成するための本発明のうちの一つは、電力供給監視システムであって、プロセッサおよび記憶装置を有する情報処理装置を用いて構成され、需要家側に設置され配電線の電圧値を計測する一つ以上のスマートメータと通信可能に接続し、前記スマートメータにより計測された配電線の電圧値の時系列データを取得し、過去に取得された前記時系列データを学習データとして学習した、前記時系列データの異常の度合いを示す第１の確率を出力する機械学習モデルである異常判定モデルを記憶し、前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記時系列データに異常がある確率を取得し、取得した前記第１の確率に基づく情報を出力する。

例えば、電力供給監視システムは、前記第１の確率を予め設定された閾値と比較することにより前記時系列データの異常の有無を判定してその結果を出力する。

本発明によれば、スマートメータから送られてくる電圧値の時系列データに基づき、需要家側で発生している異常を早期に検知することができる。そのため、電力供給者は、需要家側で生じている異常について迅速かつ適切に対応することができ、電圧管理が徹底され電力供給サービスの質的向上を図ることができる。

本発明のうちの他の一つは、上記電力供給監視システムであって、前記時系列データを学習データとして学習した、前記第１の確率と、前記時系列データの異常の種類が所定の種類である確率である第２の確率とを出力する機械学習モデルである異常判定モデルを記憶し、前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記第１の確率と前記第２の確率を取得し、取得した前記第１の確率および前記第２の確率に基づく情報を出力する。

例えば、電力供給監視システムは、前記第２の確率を予め設定された閾値と比較することにより前記時系列データの異常の種類を判定してその結果を出力する、

本発明によれば、スマートメータから送られてくる電圧値の時系列データに基づき、需要家側で発生している異常の種類がいずれの種類であるのかについての情報を得ることができる。そのため、電力供給者は、需要家側で生じている異常について、異常の種類を把握した上で適切に対応することができる。

本発明のうちの他の一つは、上記電力供給監視システムであって、前記時系列データを学習データとして学習した、前記第１の確率および前記第２の確率と、前記時系列データの異常の原因が所定の原因である確率である第３の確率とを出力する機械学習モデルである異常判定モデルを記憶し、前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記第１の確率、前記第２の確率、および前記第３の確率を取得し、取得した前記第１の確率、前記第２の確率、および前記第３の確率に基づく情報を出力する。

例えば、電力供給監視システムは、前記第３の確率を予め設定された閾値と比較することにより前記時系列データの異常の原因を判定してその結果を出力する。

本発明によれば、スマートメータから送られてくる電圧値の時系列データに基づき、需要家側で発生している異常の原因がいずれの原因であるのかについての情報を得ることができる。そのため、電力供給者は、需要家側で生じている異常について、異常の原因を把握した上で適切に対応することができる。

その他、本願が開示する課題、およびその解決方法は、発明を実施するための形態の欄、および図面により明らかにされる。

本発明によれば、需要家側で生じている異常を電力供給者側で能動的かつ早期に検知することが可能になる。

電力供給監視システムの概略的な構成を示す図である。 電力供給監視装置が備える主な機能を示す図である。 電力供給監視装置の実現に用いる情報処理装置のハードウェア構成の一例である。 スマートメータ（ＳＭ）のハードウェア構成の一例である。 スマートメータ情報の一例である。 計測値情報の一例である。 正常時における計測電圧値の時系列の変化を示すグラフである。 異常時における計測電圧値の時系列の変化を示すグラフである。 異常時における計測電圧値の時系列の変化を示すグラフである。 異常判定モデルを説明する図（ニューラルネットワーク）である。 異常判定モデル学習処理を説明するフローチャートである。 学習データ設定画面の一例である。 学習データ設定画面の一例である。 学習データ設定画面の一例である。 異常判定処理を説明するフローチャートである。 判定結果提示画面の一例である。

以下、一実施形態につき図面を参照しつつ説明する。以下の説明において、同一の又は類似する構成について共通の符号を付して説明を省略することがある。

図１に、一実施形態として説明する、スマートメータを利用して需要家における電力の供給状態を監視する情報処理システム（以下、「電力供給監視システム１」と称する。）の概略的な構成を示している。同図に示すように、電力供給監視システム１は、電力供給監視装置１００と、送配電系統を通じて電力の供給を受ける需要家２（家庭、公共施設、オフィスビル、各種公共施設、工場、インフラ施設等）側に設けられている多数のスマートメータ（以下、「ＳＭ２００」と称する。）とを含む。

電力供給監視装置１００は、例えば、電力会社等の電力供給者における監視所やスマートグリッドのコントロールセンタ（以下、「電力供給監視センタ３」と総称する。）に設けられる。電力供給監視装置１００は、情報処理装置（コンピュータ）を用いて構成され、各需要家２に設けられたＳＭ２００と通信ネットワーク５を介して無線通信又は有線通信により通信可能に接続されている。通信ネットワーク５は、例えば、ＷＡＮ（Wide Area Network）、コンセントレータ、９２０Ｈｚ帯通信網、ＰＬＣ（Power Line Communication）等の通信基盤を用いて構成される。

各需要家２のＳＭ２００は、夫々が設置されている需要家２に送配電系統から供給される、電力に関する各種の計測値（電圧値、電流値、有効電力、無効電力、力率、温度等）を、電力供給監視センタ３の電力供給監視装置１００に通信ネットワーク５を介して送信する。電力供給監視装置１００は、ＳＭ２００から随時（例えば、５分毎、３０分毎等）に送られてくる計測値の時系列データについて機械学習モデルを用いた分析を行うことにより、需要家２における電力供給の異常の有無を監視する。尚、以下の説明において、「計測値」という場合、需要家２に電力を供給している配電線（単相２線式、単相３線式、三相３線式等）の電圧値（標準電圧１００Ｖ（許容範囲１０１Ｖ±６Ｖ）、標準電圧２００Ｖ（許容範囲２０２Ｖ±２０Ｖ））をいうものとする。

図２に電力供給監視装置１００が備える主な機能を示している。同図に示すように、電力供給監視装置１００は、記憶部１１０、スマートメータ情報管理部１２０、計測値取得管理部１３０、学習データ生成部１３５、モデル学習部１４０、異常判定部１４５、および判定結果提示部１５０の各機能を備える。

上記機能のうち、記憶部１１０は、スマートメータ情報１１１、計測値情報１１２、学習データ１１３、異常判定モデル１１４、および判定結果１１５の各情報（データ）を記憶する。

このうちスマートメータ情報１１１は、各需要家２に設けられているＳＭ２００の夫々についての各種の情報を含む。

計測値情報１１２は、各需要家２のＳＭ２００から通信ネットワーク５を介して取得した計測値の時系列データを含む。

学習データ１１３は、需要家２における電力供給の異常の有無の判定や異常の種類の特定に用いる機械学習モデル（以下、「異常判定モデル」と称する。）の学習に用いる学習データ（教師データ）である。

異常判定モデル１１４は、上記異常判定モデルの実体（例えば、調整可能なパラメータを含んだ行列式や数式、ベクトル等で表される。）である。本実施形態では、異常判定モデル１１４は、ＤＮＮ（Deep Neural Network）であるものとするが、勾配ブースティング（ＧＢＤＴ（Gradient Boosting Decision Tree））等の他の種類のモデルで実現してもよく、異常判定モデル１１４の種類は必ずしも限定されない。

判定結果１１５は、異常判定モデル１１４を用いて行われた、需要家２における電力供給の異常の有無の分析結果に関する情報を含む。

同図に示す計測値取得管理部１３０は、各需要家２のＳＭ２００から通信ネットワーク５を介して送られてくる計測値を受信し、受信した計測値に基づく時系列データを計測値情報１１２として記憶する。本実施形態では、計測値取得管理部１３０は、各需要家２のＳＭ２００から所定の時間間隔（例えば、５分毎、３０分毎等）で計測値を取得し時系列データとして管理するものとする。計測値取得管理部１３０は、新たにＳＭ２００から取得した計測値の時系列データと、過去にＳＭ２００から取得した計測値の時系列データの双方を計測値情報１１２として管理する。

学習データ生成部１３５は、異常判定モデル１１４の学習に用いる学習データを生成する。学習データ生成部１３５は、過去に取得した所定期間（半日、全日、一週間等。以下、「時間区間」と称する。）における計測値の時系列データを説明変数（特徴量）としてユーザに提示しつつ、ユーザから当該計測値についての目的変数（正解データ）であるラベル（異常又は正常、異常の場合における異常の種類等）の設定をユーザから受け付ける。そして、学習データ生成部１３５は、当該計測値の時系列データと受け付けた上記ラベルとを対応づけたデータを学習データとして生成し、学習データ１１３として管理する。

上記の時間区間は、例えば、過去に異常が発生した際の計測値の時系列的な変化等に基づき経験的に設定される。また、複数の時間区間の夫々について複数の異常判定モデル１１４を生成し、生成した複数の異常判定モデル１１４を用いて需要家２における電力供給の異常の有無や異常の種類を様々な観点から判定するようにしてもよい。上記の時間区間は、例えば、過去の事例に基づき、異常の検出精度が向上するような長さに設定される。

モデル学習部１４０は、学習データ１１３を用いて異常判定モデル１１４の学習を行う。モデル学習部１４０は、例えば、学習データ１１３を異常判定モデル１１４に入力し、それにより異常判定モデル１１４が出力する結果と入力した学習データ１１３との差分に基づき、異常判定モデル１１４を定義するパラメータを、例えば、誤差逆伝搬法（backpropagation）等の方法で調整することにより、異常判定モデル１１４の学習を行う。

異常判定部１４５は、異常の有無の判定対象となる所定期間における計測値（例えば、新たにＳＭ２００から取得した最新の所定期間の計測値）を異常判定モデル１１４に入力することにより、当該需要家２における電力供給の異常の有無を判定し、その結果を判定結果１１５として管理する。

判定結果提示部１５０は、判定結果１１５の内容をユーザに提示するための画面（後述する判定結果提示画面１２００）を生成し、生成した判定結果提示画面をユーザインタフェースを介してユーザに提示（表示）する。

図３に、電力供給監視装置１００の実現に用いる情報処理装置のハードウェア構成の一例を示す。例示する情報処理装置１０は、プロセッサ１１、主記憶装置１２、補助記憶装置１３、入力装置１４、出力装置１５、および通信装置１６を備える。情報処理装置１０の具体例として、例えば、パーソナルコンピュータ、オフィスコンピュータ、各種サーバ装置、汎用機等がある。情報処理装置１０は、その全部又は一部が、例えば、クラウドシステムによって提供される仮想サーバのように、仮想化技術やプロセス空間分離技術等を用いて提供される仮想的な情報処理資源を用いて実現されるものであってもよい。電力供給監視装置１００は、通信可能に接続された複数の情報処理装置１０を用いて実現してもよい。

同図において、プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＡＩ（Artificial Intelligence）チップ等を用いて構成されている。

主記憶装置１２は、プログラムやデータを記憶する装置であり、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性メモリ（ＮＶＲＡＭ（Non Volatile RAM））等である。

補助記憶装置１３は、例えば、ＳＳＤ（Solid State Drive）、ハードディスクドライブ、光学式記憶装置（ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等）、ストレージシステム、ＩＣカード、ＳＤカードや光学式記録媒体等の記録媒体の読取／書込装置、クラウドサーバの記憶領域等である。補助記憶装置１３には、記録媒体の読取装置や通信装置１６を介してプログラムやデータを読み込むことができる。補助記憶装置１３に格納（記憶）されているプログラムやデータは主記憶装置１２に随時読み込まれる。

入力装置１４は、外部からの入力を受け付けるインタフェースであり、例えば、キーボード、マウス、タッチパネル、カードリーダ、ペン入力方式のタブレット、音声入力装置等である。

出力装置１５は、処理経過や処理結果等の各種情報を出力するインタフェースである。出力装置１５は、例えば、上記の各種情報を可視化する表示装置（ＬＣＤ（Liquid Crystal Display）、グラフィックカード等）、上記の各種情報を音声化する装置（音声出力装置（スピーカ等））、上記の各種情報を文字化する装置（印字装置等）である。尚、例えば、情報処理装置１０が通信装置１６を介して他の装置との間で情報の入力や出力を行う構成としてもよい。

入力装置１４および出力装置１５は、ユーザとの間で情報の受け付けや情報の提示を行うユーザインタフェースを構成する。

通信装置１６は、通信ネットワーク５等の通信基盤を介した他の装置との間での通信（有線通信又は無線通信）を実現する装置であり、例えば、ＮＩＣ（Network Interface Card）、無線通信モジュール、ＵＳＢモジュール等を用いて構成される。通信装置１６は、通信ネットワーク５を介して各需要家２に設置されているＳＭ２００と通信する。また、通信装置１６は、電力供給監視センタ３において稼働する配電制御システムや顧客管理システム等、送配電系統や各需要家２に設置されているＳＭ２００に関する情報を管理する他の情報処理システムと通信する。

情報処理装置１０には、例えば、オペレーティングシステム、ファイルシステム、ＤＢＭＳ（DataBase Management System）（リレーショナルデータベース、ＮｏＳＱＬ等）、ＫＶＳ（Key-Value Store）等が導入されていてもよい。

電力供給監視装置１００が備える機能は、情報処理装置１０のプロセッサ１１が、主記憶装置１２に格納されているプログラムを読み出して実行することにより、もしくは、電力供給監視装置１００を構成するハードウェア（ＦＰＧＡ、ＡＳＩＣ、ＡＩチップ等）自体の機能によって実現される。電力供給監視装置１００は、前述した各種の情報（データ）を、例えば、データベースのテーブルやファイルシステムが管理するファイルとして記憶する。

図４にＳＭ２００のハードウェア構成の一例を示す。同図に示すように、ＳＭ２００は、プロセッサ２０１、メモリ２０２、計時装置２０３、計測装置２０４、入力装置２０５、出力装置２０６、通信装置２０７、および電源装置２０８を備える。

プロセッサ２０１は、ＣＰＵやＭＰＵ、電力演算エンジン（ＰＣＥ：Power Calculation Engine）等を用いて構成され、メモリ２０２に格納されているプログラムを読み出して実行することにより、ＳＭ２００が提供する各種の機能を実現する。メモリ２０２は、ＲＯＭ、ＲＡＭ、不揮発性メモリ等を用いて構成され、プログラム（ファームウェアを含む）やデータを記憶する。メモリ２０２が記憶するプログラムは、例えば、ファームウェアのアップデート等により適宜更新することができる。

計時装置２０３は、例えば、温度補償型のＲＴＣ（Real Time Clock）等を用いて構成され、現在日時等の時刻情報を提供する。計時装置２０３が提供する時刻情報は、電圧計測値等の計測情報の計測日時を示す情報として利用される。計時装置２０３は、ＮＴＰ（Network Time Protocol）等を利用して通信ネットワーク５を介して日時情報を取得する機能を備えていてもよい。

計測装置２０４は、各種センサ（電圧センサ、電流センサ、温度センサ等）、ΔΣ型Ａ／Ｄコンバータ、ゲインアンプ等を備え、ＳＭ２００が設置されている需要家２において計測される各種の計測値を取得してメモリ２０２に格納する。

入力装置２０５および出力装置２０６は、ＳＭ２００が設置されている現場において作業員等がＳＭ２００を直接操作するためのユーザインタフェースを提供する。入力装置２０５は、例えば、キーボード、タッチパネル、操作ボタン等である。出力装置２０６は、例えば、ＬＣＤ、有機ＥＬパネル（Organic Electro-Luminescence panel）、ＬＥＤ（Light Emitting Diode）等の各種表示装置である。

通信装置２０７は、通信ネットワーク５を介した電力供給監視装置１００との間の通信を実現する。通信装置２０７は、例えば、無線通信モジュール（９２０ＭＨｚ帯無線モジュール、１：Ｎ無線方式モジュール等）、有線通信モジュール（ＰＬＣモジュール（PLC：Power Line Communication）等）、を有する。

電源装置２０８は、ＳＭ２００が備える各構成に対して駆動電力を供給する装置であり、例えば、配電線の交流電力を直流に変換するＡ／Ｄコンバータ、配電線による電力供給が停止した際にＳＭ２００の単独動作を可能とするバッテリ、当該バッテリの充電回路等を有する。

図５にスマートメータ情報１１１の一例を示す。同図に示すように、スマートメータ情報１１１は、メータＩＤ１１１１、需要家ＩＤ１１１２、各種情報１１１３の各項目を含む複数のレコードで構成される。スマートメータ情報１１１の一つのレコードは、需要家２に設置されている一つのスマートメータ（ＳＭ２００）に対応する。スマートメータ情報１１１は、例えば、配電制御システムや顧客管理システム等から取得される。

上記項目のうち、メータＩＤ１１１１には、スマートメータの識別子（以下、「メータＩＤ」と称する。）が格納される。需要家ＩＤ１１１２には、需要家の識別子（以下、「需要家ＩＤ」と称する。）が格納される。各種情報１１１３には、当該ＳＭ２００に関する各種の情報、例えば、当該ＳＭ２００が設置されている需要家２の電力供給契約のタイプ（契約アンペア（１０Ａ，３０Ａ，５０Ａ等）等）、当該ＳＭ２００が設置されている配電線の区間、当該配電線の識別情報（線路名、引込柱番号）、当該ＳＭ２００の当該需要家２への設置日時等が格納される。

図６に計測値情報１１２の一例を示す。同図に示すように、計測値情報１１２は、メータＩＤ１１２１、計測日時１１２２、電圧値（１）１１２３、電圧値（２）１１２４等の項目を有する複数のレコードで構成される。計測値情報１１２の一つのレコードは、あるＳＭ２００から送られてくるある計測日時における計測値に対応している。

メータＩＤ１１２１には、当該レコードの計測値を計測したＳＭ２００のメータＩＤが格納される。計測日時１１２２には、当該計測値が計測された日時が格納される。電圧値（１）１１２３、電圧値（２）１１２４、～には、当該ＳＭ２００の計測対象である配電線の各計測点の計測値が格納される。

図７Ａ～図７Ｃは、夫々、計測値情報１１２のある時間区間における計測値の時系列データ（電圧値（１）１１２３の時系列データ、および電圧値（２）１１２４の時系列データ）をグラフで表したものである。図７Ａは、需要家２における電力供給が正常に行われている時間区間における電圧値の時系列データの一例であり、図７Ｂおよび図７Ｃは、いずれも需要家２における電力供給に異常が生じている時間区間における電圧値の時系列データの一例である。

図７Ａに示すように、電力供給が正常に行われている時間区間においては、電圧値（電圧値（１）１１２３および電圧値（２）１１２４）は、許容範囲１０１Ｖ±６Ｖに収まっている。一方、図７Ｂや図７Ｃに示すように、電力供給に異常が生じている時間区間においては、電圧値（１）１１２３および電圧値（２）１１２４が許容範囲１０１Ｖ±６Ｖに収まらない期間が存在する。例えば、図７Ｂでは、一時的に電圧値が９０Ｖ以下となる期間が存在する。また、例えば、図７Ｃでは、一時的に電圧値が９０Ｖ以下となる期間が周期的に生じている。異常判定モデル１１４は、こうした正常時における電圧値の時系列データと異常時の電圧値の時系列データを学習することにより、新たに取得した電圧値の時系列データから、電力供給が正常に行われているか否か、および、異常が生じている場合における異常の種類と異常の原因の特定を行う。

図８に異常判定モデル１１４の一例（ニューラルネットワークの構造）を示す。同図に示すように、異常判定モデル１１４の入力層８１１には、計測値情報１１２から取得される、所定の時間区間における計測値の時系列データが入力される。中間層８１２は、学習によって調整されるパラメータを含む一つ以上のノードからなる一つ以上の隠れ層を含む。中間層８１２は、入力層８１１に与えられた時系列データに基づき、出力層８１３の一つ以上の予測値（確率）を求める。本実施形態の異常判定モデル１１４は、出力層８１３は、複数の予測値（電力供給に異常が生じている確率、異常の種類毎の可能性を示す確率（生じている異常がＡである確率、異常がＢである確率、異常の種類毎の原因を示す確率（生じている異常Ａの原因がαである確率、異常Ｂの原因がβである確率、～））を含む。

尚、本実施形態では、異常判定モデル１１４の入力層８１１に、あるＳＭ２００から所定の時間区間に取得された一つの計測値の時系列データを与える場合を示すが、例えば、あるＳＭ２００から配電線の異なる計測点の夫々において所定の時間区間に計測された複数の計測値の時系列データを入力層８１１に与えるようにしてもよい。配電線の異なる計測点で取得された複数の計測値の時系列データを入力層８１１に与えることで、異常判定モデル１１４の精度の向上が期待できる。

図９は、電力供給監視装置１００の学習データ生成部１３５およびモデル学習部１４０が、学習データの生成並びに生成した学習データを用いた異常判定モデル１１４の学習に際して行う処理（以下、「異常判定モデル学習処理Ｓ９００」と称する。）を説明するフローチャートである。尚、異常判定モデル学習処理Ｓ９００を実行するタイミングは必ずしも限定されないが、例えば、電力供給監視装置１００は、新たに学習データ１１３が生成されたことや、ユーザインタフェースを介してユーザから実行指示を受け付けたこと等を契機として、異常判定モデル学習処理Ｓ９００を実行する。以下、同図とともに異常判定モデル学習処理Ｓ９００について説明する。

まず電力供給監視装置１００の学習データ生成部１３５が、学習データ１１３として用いる計測値（説明変数）をユーザに提示しつつ、ユーザから当該計測値についてのラベル（目的変数）の設定を受け付け、当該計測値とラベルとを対応づけたデータを学習データ１１３として生成する（Ｓ９１１）。

図１０Ａ～図１０Ｃに、学習データ生成部１３５が、上記計測値（説明変数）の提示とラベル（目的変数）の設定を受け付ける際にユーザインタフェースを介してユーザに提示する画面（以下、「学習データ設定画面１０００」と称する。）の例を示す。図１０Ａは、電力供給が正常である場合の学習データ設定画面１０００の例であり、図１０Ｂおよび図１０Ｃは、電力供給が異常である場合の学習データ設定画面１０００の例である。これらの画面に示すように、学習データ設定画面１０００は、計測値（説明変数）の表示欄１０１０と、ラベルの設定欄１０２０とを有する。

図９に戻り、続いて、電力供給監視装置１００のモデル学習部１４０が、学習データ１１３に基づき異常判定モデル１１４を学習する（Ｓ９１２）。尚、モデル学習部１４０が、例えば、学習済の異常判定モデル１１４について予測精度の検証を行うようにしてもよい。その場合、例えば、学習データ１１３を学習用のデータと検証用のデータに予め分類しておき、異常判定モデル１１４の学習には学習用のデータを用いて学習し、異常判定モデル１１４の検証には検証用のデータを用いて検証を行うようにする。

図１１は、電力供給監視装置１００の異常判定部１４５が、判定対象の説明変数（例えば、新たに取得した所定時間区間における計測値（電圧値）の時系列データ）を異常判定モデル１１４に入力することにより、目的変数（異常が生じている確率、異常の種類がＡである確率、異常の種類がＢである確率、～、異常Ａの原因がαである確率、異常Ｂの原因がβである確率、～）を求め、電力供給監視装置１００の判定結果提示部１５０が、求めた目的変数をユーザに提示する処理（以下、「異常判定処理Ｓ１１００」と称する。）を説明するフローチャートである。異常判定処理Ｓ１１００は、予め設定されたタイミング（定期的、スケジュールされた日時、ユーザから実行指示を受け付けた場合等）で実行される。以下、同図とともに異常判定処理Ｓ１１００について説明する。

まず異常判定部１４５が、判定対象の説明変数となる、新たに取得した計測値（電圧値）の時系列データを計測値情報１１２から取得する（Ｓ１１１１）。

続いて、異常判定部１４５が、取得した説明変数を異常判定モデル１１４に入力し、異常判定モデル１１４の出力を判定結果１１５として取得する（Ｓ１１１２）。

続いて、判定結果提示部１５０が、判定結果１１５を記載した画面（以下、「判定結果提示画面１２００」と称する。）を生成し、生成した判定結果提示画面１２００を出力装置１５（表示装置）に出力（表示）する（Ｓ１１１３）。

図１２に判定結果提示画面１２００の一例を示す。例示する判定結果提示画面１２００は、判定対象の時間区間の表示欄１２１０、および判定結果の表示欄１２２０を有する。判定対象の時間区間の表示欄１２１０には、判定対象の計測値の時系列データの時間区間を示す情報が表示される。判定結果の表示欄１２２０には、図１１のＳ１１１２で取得された判定結果１１５の内容が表示される。同図に示すように、判定結果の表示欄１２２０は、メータＩＤ１２２１、正常／異常１２２２、異常種別１２２３、および原因予測１２２４の各項目を有する複数行からなる表が表示される。判定結果の表示欄１２２０の一つの行は、一つのＳＭ２００の判定結果に対応している。

メータＩＤ１２２１には、メータＩＤが表示される。

正常／異常１２２２には、当該ＳＭ２００に異常が生じているか否かを示す情報（正常／異常）が表示される。例えば、計測値の時系列データの異常の度合いを示す確率（以下、「第１の確率」と称する。）が予め設定された閾値以下であれば、正常／異常１２２２に「正常」が表示される。また、第１の確率が上記閾値を超えていれば、正常／異常１２２２に「異常」が表示される。

異常種別１２２３には、異常が生じている場合における当該異常の種別を予測した結果が表示される。例えば、計測値の時系列データの異常の種類が所定の種類である確率が予め設定された閾値を超えていれば、異常種別１２２３に、当該種類を示す情報「電圧一時低下」、「電圧周期的低下」等が表示される。

原因予測１２２４には、異常が生じている場合における当該異常の原因を予測した結果が表示される。例えば、計測値の時系列データの異常の原因が所定の原因である確率が予め設定された閾値を超えていれば、原因予測１２２４に、当該原因を示す情報「接点不良」、「変圧器故障」等が表示される。異常判定処理Ｓ１１００は、以上のようにして行われる。

以上詳細に説明したように、本実施形態の電力供給監視システム１によれば、ＳＭ２００から送られてくる電圧値の時系列データに基づき、需要家側で発生している異常を早期に検知することができる。そのため、電力供給者は、需要家側で生じている異常について迅速かつ適切に対応することが可能になる。

また、本実施形態の電力供給監視システム１によれば、スマートメータから送られてくる電圧値の時系列データに基づき、需要家側で発生している異常の種類がいずれの種類であるのかについての情報を得ることができる。そのため、電力供給者は、需要家側で生じている異常について、異常の種類を把握した上で適切に対応することが可能になる。

また、本実施形態の電力供給監視システム１によれば、スマートメータから送られてくる電圧値の時系列データに基づき、需要家側で発生している異常の原因がいずれの原因であるのかについての情報を得ることができる。そのため、電力供給者は、需要家側で生じている異常について、異常の原因を把握した上で適切に対応することが可能になる。

以上、本発明の実施形態について詳述したが、以上の説明は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明はその趣旨を逸脱することなく、変更、改良され得ると共に本発明にはその等価物が含まれることは勿論である。例えば、上記の実施の形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また上記実施形態の構成の一部について、他の構成の追加、削除、置換をすることが可能である。

例えば、以上の実施形態では、計測値である電圧値の時系列データを説明変数として学習データ１１３を生成したが、例えば、ＳＭ２００の計測値から取得される他の計測値（電流値の時系列データ、有効電力の時系列データ、無効電力の時系列データ、力率の時系列データ、温度の時系列データ等）等を説明変数（特徴量）として学習データ１１３を生成してもよい。また、例えば、スマートメータ情報１１１から把握される、対象としている計測値の取得元のＳＭ２００の周辺の他のＳＭ２００（例えば、同じ変圧器に接続している他のＳＭ２００）から取得される計測値を説明変数（特徴量）としてもよい。そのようにすることで、対象としている計測値の取得元のＳＭ２００の周辺の状況を考慮した学習データ１１３を生成することができ、異常判定モデル１１４の更なる精度の向上を期待することができる。

また、以上の実施形態では、異常判定モデル１１４を「教師あり学習」で学習する場合を例として説明したが、例えば、多数の正常な計測値情報１１２を機械学習モデルに入力して定常状態を学習することにより異常判定モデル１１４を生成するようにしてもよい。

１ 電力供給監視システム、２ 需要家、３ 電力供給監視センタ、５ 通信ネットワーク、１００ 電力供給監視装置、１１０ 記憶部、１１１ スマートメータ情報、１１２ 計測値情報、１１３ 学習データ、１１４ 異常判定モデル、１１５ 判定結果、１２０ スマートメータ情報管理部、１３０ 計測値取得管理部、１３５ 学習データ生成部、１４０ モデル学習部、１４５ 異常判定部、１５０ 判定結果提示部、２００ ＳＭ（スマートメータ）、１０００ 学習データ設定画面、１２００ 判定結果提示画面、Ｓ９００ 異常判定モデル学習処理、Ｓ１１００ 異常判定処理

Claims (5)

1. 送配電系統を通じて個々の需要家に電力を供給する電力供給者側に設けられ、プロセッサおよび記憶装置を有する情報処理装置を用いて構成され、
   前記個々の需要家側に設置され配電線の電圧値を計測する複数のスマートメータと通信可能に接続し、
   前記スマートメータの夫々から随時送られてくる、前記個々の需要家において計測された配電線の電圧値の時系列データを取得し、
   過去に取得された前記時系列データを学習データとして学習した、前記時系列データの異常の度合いを示す第１の確率を出力する機械学習モデルである異常判定モデルを記憶し、
   前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記時系列データに異常がある確率を取得し、取得した前記第１の確率に基づく情報を出力し、
   前記時系列データを学習データとして学習した、前記第１の確率と、前記時系列データの異常の種類が所定の種類である確率である第２の確率とを出力する機械学習モデルである異常判定モデルを記憶し、
   前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記第１の確率と前記第２の確率を取得し、取得した前記第１の確率および前記第２の確率に基づく情報を出力し、
   前記時系列データを学習データとして学習した、前記第１の確率および前記第２の確率と、前記時系列データの異常の種類毎の異常の原因が所定の原因である確率である第３の確率とを出力する機械学習モデルである異常判定モデルを記憶し、
   前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記第１の確率、前記第２の確率、および前記第３の確率を取得し、取得した前記第１の確率、前記第２の確率、および前記第３の確率に基づく情報を出力する、
   電力供給監視システム。
2. 請求項１に記載の電力供給監視システムであって、
   前記第１の確率を予め設定された閾値と比較することにより前記時系列データの異常の有無を判定してその結果を出力する、
   電力供給監視システム。
3. 請求項１に記載の電力供給監視システムであって、
   前記第１の確率および前記第２の確率を夫々について予め設定された閾値と比較することにより前記時系列データの異常の有無と異常の種類を判定してその結果を出力する、
   電力供給監視システム。
4. 請求項１に記載の電力供給監視システムであって、
   前記第１の確率、前記第２の確率、及び前記第３の確率を夫々について予め設定された閾値と比較することにより前記時系列データの異常の有無、異常の種類、および異常の原因を判定してその結果を出力する、
   電力供給監視システム。
5. 送配電系統を通じて個々の需要家に電力を供給する電力供給者側に設けられ、プロセッサおよびメモリを有する情報処理装置が、
   前記個々の需要家側に設置され配電線の電圧値を計測する複数のスマートメータの夫々から随時送られてくる、前記個々の需要家において計測された配電線の電圧値の時系列データを取得するステップと、
   過去に取得された前記時系列データを学習データとして学習した、前記時系列データの異常の度合いを示す第１の確率を出力する機械学習モデルである異常判定モデルを記憶するステップと、
   前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記時系列データに異常がある確率を取得し、取得した前記第１の確率に基づく情報を出力するステップと、
   前記時系列データを学習データとして学習した、前記第１の確率と、前記時系列データの異常の種類が所定の種類である確率である第２の確率とを出力する機械学習モデルである異常判定モデルを記憶するステップと、
   前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記第１の確率と前記第２の確率を取得し、取得した前記第１の確率および前記第２の確率に基づく情報を出力するステップと、
   前記時系列データを学習データとして学習した、前記第１の確率および前記第２の確率と、前記時系列データの異常の種類毎の異常の原因が所定の原因である確率である第３の確率とを出力する機械学習モデルである異常判定モデルを記憶するステップと、
   前記スマートメータから新たに取得した前記時系列データを前記異常判定モデルに入力することにより、前記第１の確率、前記第２の確率、および前記第３の確率を取得し、取得した前記第１の確率、前記第２の確率、および前記第３の確率に基づく情報を出力するステップと、
   を実行する、電力供給監視方法。