JP7463075B2 - Terminal pressure control support device, terminal pressure control support method, and computer program - Google Patents

Terminal pressure control support device, terminal pressure control support method, and computer program Download PDF

Info

Publication number
JP7463075B2
JP7463075B2 JP2019192986A JP2019192986A JP7463075B2 JP 7463075 B2 JP7463075 B2 JP 7463075B2 JP 2019192986 A JP2019192986 A JP 2019192986A JP 2019192986 A JP2019192986 A JP 2019192986A JP 7463075 B2 JP7463075 B2 JP 7463075B2
Authority
JP
Japan
Prior art keywords
estimation
terminal pressure
water distribution
model
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019192986A
Other languages
Japanese (ja)
Other versions
JP2021068185A (en
Inventor
裕之 山原
隼 松本
勝也 横川
雄 横山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Infrastructure Systems and Solutions Corp filed Critical Toshiba Corp
Priority to JP2019192986A priority Critical patent/JP7463075B2/en
Publication of JP2021068185A publication Critical patent/JP2021068185A/en
Application granted granted Critical
Publication of JP7463075B2 publication Critical patent/JP7463075B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Feedback Control In General (AREA)
  • Control Of Fluid Pressure (AREA)

Description

本発明の実施形態は、末端圧力制御支援装置、末端圧力制御支援方法及びコンピュータプログラムに関する。 Embodiments of the present invention relate to a terminal pressure control assistance device, a terminal pressure control assistance method, and a computer program.

水道事業者は、配水管網の末端圧力を把握することで、末端の水圧（以下「末端圧力」という。）が不足していないことを把握できる。また、必要な末端圧力は維持した上で、配水圧力を適正化して過度な圧力で配水管に負担をかけている状況を回避し、配水管の劣化を遅らせたり、漏水を抑制することができる。ポンプ圧送の場合は、必要以上の電力やエネルギーを使わずに配水することができる。圧力を把握するために圧力計を常設することが考えられるが、その導入に関してはコスト制約、設置スペースの制約、地理的制約、スケジュール制約など様々な制約が存在する可能性があるため、必ずしも所望の地点に圧力計を常設できるとは限らない。そこで、圧力計を常設せずに、圧力を推定することも考えられる。従来、事前に設定されたポリシーに基づいて末端圧力の推定方法を変更することにより、末端圧力の推定精度を向上させる試みがなされている。しかしながら、従来の方法では、事前のポリシー設定に多くの労力を要し、末端圧力の推定に多くのコストが必要になる可能性があった。 By understanding the terminal pressure of the water distribution pipe network, water suppliers can understand that the terminal water pressure (hereinafter referred to as "terminal pressure") is not insufficient. In addition, while maintaining the necessary terminal pressure, the distribution pressure can be optimized to avoid situations where excessive pressure puts a strain on the distribution pipes, and deterioration of the distribution pipes can be delayed and leakage can be suppressed. In the case of pumping, water can be distributed without using more electricity or energy than necessary. It is possible to install a pressure gauge permanently to understand the pressure, but since there may be various constraints on its introduction, such as cost constraints, installation space constraints, geographical constraints, and schedule constraints, it is not always possible to install a pressure gauge permanently at the desired location. Therefore, it is also possible to estimate the pressure without installing a pressure gauge permanently. Conventionally, attempts have been made to improve the estimation accuracy of the terminal pressure by changing the estimation method of the terminal pressure based on a policy set in advance. However, with the conventional method, it may be necessary to make a lot of effort to set the policy in advance, and it may be necessary to make a lot of cost for estimating the terminal pressure.

特開２００１－１８８６１４号公報JP 2001-188614 A 特許第３８５１７８３号公報Patent No. 3851783 特許第５０１０５０４号公報Patent No. 5010504

本発明が解決しようとする課題は、より精度よく末端圧力を推定することができる末端圧力制御支援装置、末端圧力制御支援方法及びコンピュータプログラムを提供することである。 The problem that the present invention aims to solve is to provide an end pressure control support device, an end pressure control support method, and a computer program that can estimate end pressure with greater accuracy.

実施形態の末端圧力制御支援装置は、末端圧力学習部と、推定モデル決定部と、末端圧力推定部と、を持つ。末端圧力学習部は配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための推定モデルを複数の推定アルゴリズムのそれぞれについて生成する。推定モデル決定部は前記状態情報と前記末端圧力学習部が生成した各推定モデルの推定精度の誤差とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる推定アルゴリズムを決定するアルゴリズム決定モデルを生成し、推定対象の時点における前記配水管網の状態情報と前記アルゴリズム決定モデルとに基づいて末端圧力の推定に用いる推定アルゴリズムを決定する。末端圧力推定部は決定された前記推定アルゴリズムで生成された推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する。 The terminal pressure control support device of the embodiment has a terminal pressure learning unit, an estimation model determination unit, and a terminal pressure estimation unit. The terminal pressure learning unit generates an estimation model for each of a plurality of estimation algorithms to estimate the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network. The estimation model determination unit generates an algorithm determination model that determines an estimation algorithm to be used to estimate the terminal pressure from the plurality of estimation algorithms based on the state information and the error of the estimation accuracy of each estimation model generated by the terminal pressure learning unit, and determines the estimation algorithm to be used to estimate the terminal pressure based on the state information of the water distribution network at the time of the estimation target and the algorithm determination model. The terminal pressure estimation unit estimates the terminal pressure of the water distribution network at the time using the estimation model generated by the determined estimation algorithm.

第１の実施形態における配水システム１００のシステム構成の具体例を示すシステム構成図。A system configuration diagram showing a specific example of the system configuration of the water distribution system 100 in the first embodiment. 第１の実施形態の末端圧力制御支援装置１の機能構成の具体例を示す機能ブロック図。FIG. 2 is a functional block diagram showing a specific example of a functional configuration of the terminal pressure control assistance device 1 of the first embodiment. 第１の実施形態の末端圧力制御支援装置１が末端圧力を学習する処理の流れを示すフローチャート。4 is a flowchart showing a process flow in which the terminal pressure control support device 1 of the first embodiment learns the terminal pressure. 第１の実施形態の末端圧力制御支援装置１が配水管網ＰＮにおける現在の末端圧力を推定する処理の流れを示すフローチャート。4 is a flowchart showing a process flow in which the terminal pressure control support device 1 of the first embodiment estimates the current terminal pressure in the water distribution network PN. 第１の実施形態における説明情報の具体例を示す図。5A and 5B are diagrams showing specific examples of explanatory information according to the first embodiment. 第１の実施形態における説明情報の具体例を示す図。5A and 5B are diagrams showing specific examples of explanatory information according to the first embodiment. 第２の実施形態の末端圧力制御支援装置１ａの機能構成の具体例を示す機能ブロック図。FIG. 11 is a functional block diagram showing a specific example of a functional configuration of a terminal pressure control assistance device 1a according to a second embodiment. 第２の実施形態の末端圧力制御支援装置１ａが末端圧力を学習する処理の流れを示すフローチャート。10 is a flowchart showing a process flow in which the terminal pressure control support device 1a of the second embodiment learns the terminal pressure. 第２の実施形態の末端圧力制御支援装置１ａが配水管網ＰＮにおける現在の末端圧力を推定する処理の流れを示すフローチャート。10 is a flowchart showing a process flow in which an end pressure control support device 1a of the second embodiment estimates a current end pressure in a water distribution pipe network PN. 第２の実施形態における説明情報の具体例を示す図。FIG. 11 is a diagram showing a specific example of explanation information according to the second embodiment.

以下、実施形態の末端圧力制御支援装置、末端圧力制御支援方法及びコンピュータプログラムを、図面を参照して説明する。 The terminal pressure control assistance device, terminal pressure control assistance method, and computer program of the embodiment will be described below with reference to the drawings.

（第１の実施形態）
図１は、第１の実施形態における配水システム１００のシステム構成の具体例を示すシステム構成図である。配水システム１００は、配水管網ＰＮを介して水を１以上の需要家ＷＣに供給するシステムである。具体的には配水システム１００は、末端圧力制御支援装置１、監視制御システム２、１以上の配水場３、１以上の末端圧力計測装置４、１以上の常設末端圧力計測装置５を備える。図１に示す配水場３－１及び３－２は１以上の配水場３の一例である。また、末端圧力計測装置４－１及び４－２は１以上の末端圧力計測装置４の一例である。需要家ＷＣ－１～ＷＣ－３は１以上の需要家ＷＣの一例である。末端圧力制御支援装置１は、監視制御システム２、各配水場３、各末端圧力計測装置４のそれぞれと通信可能に接続される。なお、配水システム１００には送水場等の送水施設（図示せず）が含まれても良いし、配水場３、末端圧力計測装置４及び需要家ＷＣの数は図１の例と異なってもよい。 First Embodiment
FIG. 1 is a system configuration diagram showing a specific example of the system configuration of a water distribution system 100 in the first embodiment. The water distribution system 100 is a system that supplies water to one or more consumers WC via a water distribution pipe network PN. Specifically, the water distribution system 100 includes a terminal pressure control support device 1, a monitoring and control system 2, one or more water distribution plants 3, one or more terminal pressure measuring devices 4, and one or more permanent terminal pressure measuring devices 5. The water distribution plants 3-1 and 3-2 shown in FIG. 1 are examples of one or more water distribution plants 3. Furthermore, the terminal pressure measuring devices 4-1 and 4-2 are examples of one or more terminal pressure measuring devices 4. The consumers WC-1 to WC-3 are examples of one or more consumers WC. The terminal pressure control support device 1 is connected to the monitoring and control system 2, each water distribution plant 3, and each terminal pressure measuring device 4 so as to be able to communicate with each other. In addition, the water distribution system 100 may include water supply facilities (not shown) such as a water supply plant, and the number of water distribution plants 3, terminal pressure measuring devices 4, and consumers WC may differ from the example in FIG.

末端圧力制御支援装置１は、配水管網ＰＮに配水する配水場３の監視又は制御を行う監視制御システム２に対して、その制御又は監視を支援する情報（以下「支援情報」という。）を提供する。具体的には、末端圧力制御支援装置１は、末端圧力情報と、状態情報と水需要情報とに基づいて支援情報を生成する。例えば、支援情報には、配水管網ＰＮの各末端における末端圧力の推定値が含まれる。また、支援情報には、末端圧力の推定値に基づいて生成された情報や、末端圧力の推定値に基づく判定結果等が含まれてもよい。 The terminal pressure control support device 1 provides information (hereinafter referred to as "support information") that supports the control or monitoring of the monitoring and control system 2 that monitors or controls the water distribution plant 3 that distributes water to the water distribution pipe network PN. Specifically, the terminal pressure control support device 1 generates support information based on terminal pressure information, status information, and water demand information. For example, the support information includes an estimated value of the terminal pressure at each end of the water distribution pipe network PN. The support information may also include information generated based on the estimated value of the terminal pressure, a judgment result based on the estimated value of the terminal pressure, etc.

ここで末端圧力情報は、配水管網ＰＮの末端圧力を示す情報である。状態情報は配水管網ＰＮの状態に相関する末端圧力以外の事象を表す情報である。例えば、状態情報には、配水管網ＰＮそのものの状態を示す情報（以下「管網情報」という。）と、配水管網ＰＮの状態に影響する配水場３の状態を示す情報（以下「配水場情報」という。）とが含まれる。例えば、管網情報は配水管網ＰＮの一部に設けられた止水バルブの開度や、配水管網ＰＮの特定地点における水圧又は流量等を示す情報である。例えば配水管網ＰＮには管網情報を取得する各種センサ（図示せず）が設備されており、各センサの計測データが管網情報として末端圧力制御支援装置１に供給される。例えば管網情報は監視制御システム２を介して末端圧力制御支援装置１に送信される。 Here, the terminal pressure information is information indicating the terminal pressure of the water distribution pipe network PN. The status information is information indicating events other than the terminal pressure that are correlated with the status of the water distribution pipe network PN. For example, the status information includes information indicating the status of the water distribution pipe network PN itself (hereinafter referred to as "pipe network information") and information indicating the status of the water distribution plant 3 that affects the status of the water distribution pipe network PN (hereinafter referred to as "water distribution plant information"). For example, the pipe network information is information indicating the opening degree of a stop valve installed in a part of the water distribution pipe network PN, water pressure or flow rate at a specific point of the water distribution pipe network PN, etc. For example, the water distribution pipe network PN is equipped with various sensors (not shown) that acquire pipe network information, and the measurement data of each sensor is supplied to the terminal pressure control support device 1 as pipe network information. For example, the pipe network information is transmitted to the terminal pressure control support device 1 via the monitoring and control system 2.

また配水場情報は、配水の流量や吐出圧力、配水ポンプの稼働の有無、配水ポンプの運転台数等を示す情報である。例えば各配水場３には配水場情報を取得する各種センサ（図示せず）が設備されており、各センサの計測データが配水場情報として末端圧力制御支援装置１に供給される。例えば配水場情報は各配水場３から末端圧力制御支援装置１に送信されてもよいし、監視制御システム２を介して末端圧力制御支援装置１に送信されてもよい。水需要情報は各需要家ＷＣの水の需要量を示す情報である。例えば水需要情報は、需要家宅等に設置されるスマートメータによって取得される。なお、配水場情報には監視制御システム２が保持する配水場３の監視又は制御に関する情報が含まれてもよい。 The water distribution plant information is information indicating the flow rate and discharge pressure of the water distribution, whether the water distribution pump is operating, the number of water distribution pumps in operation, etc. For example, each water distribution plant 3 is equipped with various sensors (not shown) that acquire water distribution plant information, and the measurement data of each sensor is supplied to the terminal pressure control support device 1 as water distribution plant information. For example, the water distribution plant information may be transmitted from each water distribution plant 3 to the terminal pressure control support device 1, or may be transmitted to the terminal pressure control support device 1 via the monitoring and control system 2. Water demand information is information indicating the water demand of each consumer WC. For example, the water demand information is acquired by a smart meter installed in the consumer's home, etc. The water distribution plant information may include information related to the monitoring or control of the water distribution plant 3 held by the monitoring and control system 2.

監視制御システム２は、末端圧力制御支援装置１から提供される支援情報を用いて配水場３の監視又は制御を行うシステムである。例えば、監視制御システム２は、各配水場３における配水ポンプの稼働台数や出力強度の調整、水の供給源である配水池の水位の監視等を行う。 The monitoring and control system 2 is a system that monitors and controls the water distribution plant 3 using support information provided by the terminal pressure control support device 1. For example, the monitoring and control system 2 adjusts the number of operating water distribution pumps and their output strength at each water distribution plant 3, and monitors the water level of the water distribution reservoir, which is the water supply source.

配水場３は、需要家ＷＣに供給する水を貯える配水池や、配水池の水を配水管網ＰＮに送り出す配水ポンプ等の各種設備（図示せず）を有し、配水池の水を配水管網ＰＮを介して各需要家ＷＣに供給する施設である。配水場３が有する各種設備は、監視制御システム２によって監視又は制御される。また、配水場３は、配水場情報を取得して末端圧力制御支援装置１に送信する。 The water distribution plant 3 is a facility that has various equipment (not shown), such as a water distribution reservoir that stores water to be supplied to consumers WC, and a water distribution pump that sends the water from the water distribution reservoir to the water distribution network PN, and supplies the water from the water distribution reservoir to each consumer WC via the water distribution network PN. The various equipment owned by the water distribution plant 3 is monitored and controlled by the monitoring and control system 2. The water distribution plant 3 also acquires water distribution plant information and transmits it to the terminal pressure control support device 1.

一般に、配水管網ＰＮの末端圧力は、配水場３におけるポンプの吐出流量又は吐出圧力との相関性が高いと考えられる。そのため、配水場情報には少なくともポンプの吐出流量又は吐出圧力を示す情報が含まれる。また、配水管網ＰＮの末端圧力は、配水場３における配水池の水位にも相関すると考えられるため、配水場情報には配水池の水位を示す情報が含まれてもよい。 In general, the terminal pressure of the water distribution pipe network PN is considered to be highly correlated with the discharge flow rate or discharge pressure of the pump at the water distribution plant 3. Therefore, the water distribution plant information includes at least information indicating the discharge flow rate or discharge pressure of the pump. In addition, the terminal pressure of the water distribution pipe network PN is considered to be correlated with the water level of the water distribution reservoir at the water distribution plant 3, so the water distribution plant information may include information indicating the water level of the water distribution reservoir.

なお、上述のとおり、配水場情報は配水管網ＰＮの状態に影響する配水場３の状態を示す情報であればよい。そのため、配水場情報には、ここで述べた情報に代えて他の情報が含まれてもよい。例えば、配水にポンプを使用しておらず、配水場の配水池から需要家までの高低差を利用した自然流下により水を配る場合には、配水池出口での配水圧力及び配水流量を示す情報を配水場情報として取得してもよい。また、例えば、配水場から需要家までの配水管網全体ではなく、一部のブロックのみを末端圧力を推定する対象とする場合、水をブロックに流入させる管路における水の圧力及び流量を示す情報を配水場情報として取得してもよい。 As described above, the water distribution plant information may be information indicating the state of the water distribution plant 3 that affects the state of the water distribution pipe network PN. Therefore, the water distribution plant information may include other information instead of the information described here. For example, if pumps are not used for distribution and water is distributed by gravity flow using the difference in elevation from the water distribution plant's water reservoir to the consumer, information indicating the water distribution pressure and water distribution flow rate at the water distribution reservoir outlet may be obtained as the water distribution plant information. Also, for example, if the target for estimating the terminal pressure is only some blocks, rather than the entire water distribution pipe network from the water distribution plant to the consumer, information indicating the water pressure and flow rate in the pipeline that flows water into the block may be obtained as the water distribution plant information.

末端圧力計測装置４及び常設末端圧力計測装置５は、配水管網ＰＮの末端圧力を計測する装置である。一般に、標高が高く、配水場からの距離が遠い地点の圧力を一定以上に保つことで、配水区内の全需要家に水を安定して配ることができる。このような地点を末端と呼ぶ。末端における水圧が末端圧力である。末端圧力計測装置４は配水管網ＰＮの末端に一時的に設けられるのに対して、常設末端圧力計測装置５は配水管網ＰＮの末端に常設される。末端圧力計測装置４は、末端圧力の推定方法を表すモデル（以下単に「推定モデル」という。）を構築するのに必要な末端圧力情報が得られた後に撤去される。末端圧力計測装置４及び常設末端圧力計測装置５は、配水管網ＰＮに複数設けられてもよい。末端圧力計測装置４及び常設末端圧力計測装置５は、計測した末端圧力の計測値を示す末端圧力情報を末端圧力制御支援装置１に送信する。 The terminal pressure measuring device 4 and the permanent terminal pressure measuring device 5 are devices that measure the terminal pressure of the water distribution pipe network PN. In general, by maintaining the pressure at a point that is high in altitude and far from the water distribution plant at a certain level or higher, water can be stably distributed to all consumers in the water distribution area. Such a point is called the terminal. The water pressure at the terminal is the terminal pressure. The terminal pressure measuring device 4 is temporarily installed at the terminal of the water distribution pipe network PN, while the permanent terminal pressure measuring device 5 is permanently installed at the terminal of the water distribution pipe network PN. The terminal pressure measuring device 4 is removed after terminal pressure information necessary to construct a model (hereinafter simply referred to as the "estimation model") that represents a method for estimating the terminal pressure is obtained. A plurality of terminal pressure measuring devices 4 and permanent terminal pressure measuring devices 5 may be installed in the water distribution pipe network PN. The terminal pressure measuring device 4 and the permanent terminal pressure measuring device 5 transmit terminal pressure information indicating the measured value of the terminal pressure to the terminal pressure control support device 1.

図２は、第１の実施形態の末端圧力制御支援装置１の機能構成の具体例を示す機能ブロック図である。末端圧力制御支援装置１は、バスで接続されたＣＰＵ（Central Processing Unit）やメモリや補助記憶装置などを備え、プログラムを実行する。末端圧力制御支援装置１は、プログラムの実行によって通信部１１、入力部１２、表示部１３、記憶部１４及び制御部１５を備える装置として機能する。なお、末端圧力制御支援装置１の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。 Figure 2 is a functional block diagram showing a specific example of the functional configuration of the terminal pressure control support device 1 of the first embodiment. The terminal pressure control support device 1 includes a CPU (Central Processing Unit), a memory, an auxiliary storage device, and the like connected by a bus, and executes a program. The terminal pressure control support device 1 functions as a device including a communication unit 11, an input unit 12, a display unit 13, a storage unit 14, and a control unit 15 by executing the program. Note that all or part of the functions of the terminal pressure control support device 1 may be realized using hardware such as an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), or an FPGA (Field Programmable Gate Array). The program may be recorded on a computer-readable recording medium. The computer-readable recording medium is, for example, a portable medium such as a flexible disk, an optical magnetic disk, a ROM, or a CD-ROM, or a storage device such as a hard disk built into a computer system. The program may be transmitted via an electric communication line.

通信部１１は、ネットワークインタフェースを含んで構成される。通信部１１は監視制御システム２、配水場３、末端圧力計測装置４及び常設末端圧力計測装置５と通信する。通信部１１は、例えば無線ＬＡＮ（Local Area Network）、有線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＬＴＥ（Long Term Evolution）（登録商標）等の通信方式で通信してもよい。 The communication unit 11 includes a network interface. The communication unit 11 communicates with the monitoring and control system 2, the water distribution plant 3, the terminal pressure measuring device 4, and the permanent terminal pressure measuring device 5. The communication unit 11 may communicate using a communication method such as a wireless LAN (Local Area Network), a wired LAN, Bluetooth (registered trademark), or LTE (Long Term Evolution) (registered trademark).

入力部１２は、タッチパネル、マウス及びキーボード等の情報入力装置を用いて構成される。入力部１２は、情報入力装置を末端圧力制御支援装置１に接続するためのインタフェースであってもよい。例えば入力部１２は、末端圧力制御支援装置１に対する指示情報を入力する。 The input unit 12 is configured using an information input device such as a touch panel, a mouse, and a keyboard. The input unit 12 may be an interface for connecting the information input device to the terminal pressure control support device 1. For example, the input unit 12 inputs instruction information for the terminal pressure control support device 1.

表示部１３は、ＣＲＴ（Cathode Ray Tube）ディスプレイ、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等の情報出力装置である。表示部１３は、情報出力装置を末端圧力制御支援装置１に接続するためのインタフェースであってもよい。この場合、表示部１３は、映像データから生成された映像信号を自身に接続されている映像出力装置に出力する。 The display unit 13 is an information output device such as a CRT (Cathode Ray Tube) display, a liquid crystal display, or an organic EL (Electro Luminescence) display. The display unit 13 may be an interface for connecting an information output device to the terminal pressure control support device 1. In this case, the display unit 13 outputs a video signal generated from the video data to the video output device connected to the display unit 13.

記憶部１４は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部１４は、支援情報の生成に必要な情報を記憶する。具体的には記憶部１４は、末端圧力情報記憶部１４１、状態情報記憶部１４２、推定モデル情報記憶部１４３及びアルゴリズム情報記憶部１４４を備える。 The storage unit 14 is configured using a storage device such as a magnetic hard disk device or a semiconductor storage device. The storage unit 14 stores information necessary for generating support information. Specifically, the storage unit 14 includes a terminal pressure information storage unit 141, a state information storage unit 142, an estimation model information storage unit 143, and an algorithm information storage unit 144.

末端圧力情報記憶部１４１は末端圧力情報を記憶する。状態情報記憶部１４２は状態情報を記憶する。推定モデル情報記憶部１４３は推定モデルを示す情報（以下「推定モデル情報」という。）を記憶する。アルゴリズム情報記憶部１４４は、推定モデルの生成に用いられるアルゴリズム（以下「推定アルゴリズム」という。）を示す情報を記憶する。以下、この推定アルゴリズムを表す情報を「アルゴリズム情報」という。 The terminal pressure information storage unit 141 stores terminal pressure information. The status information storage unit 142 stores status information. The estimation model information storage unit 143 stores information indicating an estimation model (hereinafter referred to as "estimation model information"). The algorithm information storage unit 144 stores information indicating an algorithm used to generate an estimation model (hereinafter referred to as "estimation algorithm"). Hereinafter, the information representing this estimation algorithm will be referred to as "algorithm information".

制御部１５は、末端圧力制御支援装置１の各部の動作を制御する。具体的には制御部１５は、情報取得部１５１、末端圧力学習部１５２、末端圧力推定部１５３、推定モデル決定部１５４、支援情報生成部１５５、末端圧力推定説明部１５６及び画面生成部１５７及びを備える。 The control unit 15 controls the operation of each part of the terminal pressure control support device 1. Specifically, the control unit 15 includes an information acquisition unit 151, a terminal pressure learning unit 152, a terminal pressure estimation unit 153, an estimation model determination unit 154, a support information generation unit 155, a terminal pressure estimation explanation unit 156, and a screen generation unit 157.

情報取得部１５１は、支援情報の生成に必要な情報を取得する。具体的には、情報取得部１５１は、各配水場３から配水場情報を取得する。情報取得部１５１は、監視制御システム２を介して管網情報を取得する。情報取得部１５１は、取得された配水場情報及び管網情報を状態情報として状態情報記憶部１４２に記録する。また、情報取得部１５１は、各末端圧力計測装置４及び常設末端圧力計測装置５から末端圧力情報を取得する。情報取得部１５１は、取得した末端圧力情報を末端圧力情報記憶部１４１に記録する。情報取得部１５１は、状態情報及び末端圧力情報を所定のタイミングで繰り返して取得することによって、状態情報及び末端圧力情報を末端圧力情報記憶部１４１及び状態情報記憶部１４２に蓄積する。 The information acquisition unit 151 acquires information necessary for generating support information. Specifically, the information acquisition unit 151 acquires water distribution plant information from each water distribution plant 3. The information acquisition unit 151 acquires pipe network information via the monitoring and control system 2. The information acquisition unit 151 records the acquired water distribution plant information and pipe network information as status information in the status information storage unit 142. The information acquisition unit 151 also acquires terminal pressure information from each terminal pressure measuring device 4 and the permanent terminal pressure measuring device 5. The information acquisition unit 151 records the acquired terminal pressure information in the terminal pressure information storage unit 141. The information acquisition unit 151 accumulates the status information and terminal pressure information in the terminal pressure information storage unit 141 and the status information storage unit 142 by repeatedly acquiring the status information and terminal pressure information at a predetermined timing.

末端圧力学習部１５２は、状態情報記憶部１４２に蓄積された状態情報と、末端圧力情報記憶部１４１に蓄積された末端圧力情報とを教師データとして、末端圧力と状態情報との相関を機械学習の手法を用いて学習する。より具体的には、末端圧力学習部１５２は、状態情報が示す諸量を説明変数とし、末端圧力情報が示す末端圧力を目的変数としてこれらの関係性を学習することにより、状態情報を入力として末端圧力の推定値を出力する推定モデルを生成する。末端圧力学習部１５２は、生成した推定モデルを示す推定モデル情報を推定モデル情報記憶部１４３に記録する。以下、このような関係性の学習を必要に応じて「末端圧力の学習」という。 The end pressure learning unit 152 uses the state information stored in the state information storage unit 142 and the end pressure information stored in the end pressure information storage unit 141 as teacher data to learn the correlation between the end pressure and the state information using a machine learning technique. More specifically, the end pressure learning unit 152 uses the quantities indicated by the state information as explanatory variables and the end pressure indicated by the end pressure information as a target variable to learn the relationship between them, thereby generating an estimation model that takes the state information as input and outputs an estimated value of the end pressure. The end pressure learning unit 152 records estimation model information indicating the generated estimation model in the estimation model information storage unit 143. Hereinafter, learning of such a relationship will be referred to as "learning of end pressure" as necessary.

末端圧力推定部１５３は、末端圧力学習部１５２によって生成された推定モデルを用いて、与えられた状態情報が得られた状況における配水管網ＰＮの末端圧力を推定する。具体的には、末端圧力推定部１５３は、推定モデル決定部１５４によって決定された推定モデルを用いて末端圧力を推定する。これにより、末端圧力推定部１５３は、末端圧力学習部１５２によって末端圧力の学習が行われた末端の末端圧力を推定することができる。末端圧力推定部１５３は、推定された末端圧力を示す情報を支援情報生成部１５５に出力する。 The terminal pressure estimation unit 153 uses the estimation model generated by the terminal pressure learning unit 152 to estimate the terminal pressure of the water distribution pipe network PN in a situation where given state information is obtained. Specifically, the terminal pressure estimation unit 153 estimates the terminal pressure using the estimation model determined by the estimation model determination unit 154. This allows the terminal pressure estimation unit 153 to estimate the terminal pressure of the terminal where the terminal pressure learning unit 152 has learned the terminal pressure. The terminal pressure estimation unit 153 outputs information indicating the estimated terminal pressure to the support information generation unit 155.

推定モデル決定部１５４は、実際の運用において末端圧力を推定する際に使用される推定モデルを決定する。具体的には、推定モデル決定部１５４は、アルゴリズム決定モデルに基づいて複数の推定アルゴリズムのうちから１つの推定アルゴリズムを１つ選択し、選択した推定アルゴリズムに基づいて生成された推定モデルを末端圧力の推定に用いる推定モデルとして決定する。 The estimation model determination unit 154 determines the estimation model to be used when estimating the terminal pressure in actual operation. Specifically, the estimation model determination unit 154 selects one estimation algorithm from among a plurality of estimation algorithms based on the algorithm determination model, and determines the estimation model generated based on the selected estimation algorithm as the estimation model to be used to estimate the terminal pressure.

アルゴリズム決定モデルとは、複数の推定アルゴリズムのうちから、そのときの配水管網ＰＮの状態に応じた末端圧力の推定アルゴリズムを決定する方法を表すモデルである。推定モデル決定部１５４は、実際の運用において末端圧力の推定を行う前に予めアルゴリズム決定モデルを生成しておく。なお、アルゴリズム決定モデルの生成方法は後述する。推定モデル決定部１５４は、決定した推定モデルを末端圧力推定部１５３に通知する。 The algorithm determination model is a model that represents a method of determining an end pressure estimation algorithm according to the state of the water distribution pipe network PN at that time from among multiple estimation algorithms. The estimation model determination unit 154 generates an algorithm determination model in advance before estimating the end pressure in actual operation. The method of generating the algorithm determination model will be described later. The estimation model determination unit 154 notifies the end pressure estimation unit 153 of the determined estimation model.

支援情報生成部１５５は、末端圧力推定部１５３によって推定された末端圧力に基づいて支援情報を生成する。支援情報生成部１５５は、生成した支援情報を監視制御システム２に送信する。 The support information generating unit 155 generates support information based on the terminal pressure estimated by the terminal pressure estimating unit 153. The support information generating unit 155 transmits the generated support information to the monitoring and control system 2.

末端圧力推定説明部１５６は、推定モデルの生成において使用された推定アルゴリズムを示す情報と、その推定アルゴリズムを決定したアルゴリズム決定モデルを示す情報と、そのアルゴリズム決定モデルに対して入力された情報と、入力された情報に対して当該推定アルゴリズムが決定された根拠を示す情報と、の少なくとも１つを含む説明情報を生成する。説明情報には、決定された推定アルゴリズムによって生成された推定モデルを説明する情報と、その推定モデルによって推定された推定結果を示す情報とが含まれてもよい。末端圧力推定説明部１５６は、生成した説明情報を画面生成部１５７に出力する。 The terminal pressure estimation explanation unit 156 generates explanation information including at least one of information indicating the estimation algorithm used in generating the estimation model, information indicating the algorithm determination model that determined the estimation algorithm, information input to the algorithm determination model, and information indicating the basis for determining the estimation algorithm based on the input information. The explanation information may include information explaining the estimation model generated by the determined estimation algorithm and information indicating the estimation result estimated by the estimation model. The terminal pressure estimation explanation unit 156 outputs the generated explanation information to the screen generation unit 157.

画面生成部１５７は、説明情報に基づいて、説明情報を可視化した画面情報を生成する。画面生成部１５７は生成した画面情報を表示部１３に表示させる。 The screen generation unit 157 generates screen information that visualizes the explanatory information based on the explanatory information. The screen generation unit 157 displays the generated screen information on the display unit 13.

次に、第１の実施形態について、３つの配水場３から供給される水を配水する配水管網において、推定対象地点の末端圧力を推定するための推定モデルを生成する方法を具体的に説明する。以下では、配水場３－１、３－２、３－３をそれぞれ第１配水場、第２配水場、第３配水場という。 Next, for the first embodiment, a method for generating an estimation model for estimating the terminal pressure at an estimation target point in a water distribution network that distributes water supplied from three water distribution plants 3 will be specifically described. In the following, water distribution plants 3-1, 3-2, and 3-3 will be referred to as the first water distribution plant, the second water distribution plant, and the third water distribution plant, respectively.

図３は、第１の実施形態の末端圧力制御支援装置１が末端圧力を学習する処理の流れを示すフローチャートである。フローチャートの開始時点において末端圧力制御支援装置１の記憶部１４には末端圧力の学習に必要な学習用データ（ここでは末端圧力情報及び状態情報とする。）が蓄積されているものとする。まず、末端圧力学習部１５２がアルゴリズム情報記憶部１４４に記憶されている全ての推定アルゴリズムのうちから１つの推定アルゴリズムを選択する（ステップＳ１０１）。 Figure 3 is a flowchart showing the flow of the process in which the terminal pressure control support device 1 of the first embodiment learns the terminal pressure. At the start of the flowchart, the memory unit 14 of the terminal pressure control support device 1 is assumed to have stored therein learning data (terminal pressure information and status information in this case) necessary for learning the terminal pressure. First, the terminal pressure learning unit 152 selects one estimation algorithm from all estimation algorithms stored in the algorithm information memory unit 144 (step S101).

続いて末端圧力学習部１５２は、記憶部１４に蓄積されている末端圧力情報及び状態情報を用いて、ステップＳ１０１で選択した推定アルゴリズムに基づく推定モデルを生成する（ステップＳ１０２）。末端圧力学習部１５２は、生成して推定モデルを示す推定モデル情報を推定モデル情報記憶部１４３に記録する。 Then, the terminal pressure learning unit 152 uses the terminal pressure information and state information stored in the storage unit 14 to generate an estimation model based on the estimation algorithm selected in step S101 (step S102). The terminal pressure learning unit 152 records the generated estimation model information indicating the estimation model in the estimation model information storage unit 143.

続いて末端圧力学習部１５２は、生成した推定モデルを用いて末端圧力の推定シミュレーションを実行する（ステップＳ１０３）。ここでいう末端圧力の推定シミュレーションとは、生成した推定モデルによる推定精度の誤差情報を取得する処理である。 Next, the terminal pressure learning unit 152 executes a terminal pressure estimation simulation using the generated estimation model (step S103). The terminal pressure estimation simulation here is a process of acquiring error information on the estimation accuracy using the generated estimation model.

具体的には、まず、生成した推定モデルの生成に用いた学習用データを訓練用データと評価用データとに分割し、推定モデルの生成に用いた推定アルゴリズムと訓練用データを用いて評価用の推定モデルを生成し、生成した評価用の推定モデルを評価用データを用いて評価する。この処理を、学習用データを訓練用データと評価用データとに分割する組み合わせのパターンを変えながら複数回実施し、推定精度の平均誤差を取得する。これは、機械学習モデルの評価方法として一般的に用いられている交差検定（クロスバリデーション）と同様の処理である。 Specifically, first, the learning data used to generate the generated estimation model is divided into training data and evaluation data, an estimation model for evaluation is generated using the estimation algorithm and training data used to generate the estimation model, and the generated estimation model for evaluation is evaluated using the evaluation data. This process is performed multiple times while changing the combination pattern for dividing the learning data into training data and evaluation data, and the average error of the estimation accuracy is obtained. This is a process similar to cross-validation, which is commonly used as a method for evaluating machine learning models.

なお、平均誤差は誤差情報として用いることができる統計誤差の一例であり、誤差をとるときの基準をどこにおくかによって別の統計誤差が用いられてもよい。具体的には、統計誤差は、推定シミュレーションに用いられるデータの組み合わせごとに得られる推定精度の平均誤差、最大誤差又は符号付最大誤差、誤差の分散の少なくとも１つを含む。 The average error is an example of a statistical error that can be used as error information, and a different statistical error may be used depending on the standard for determining the error. Specifically, the statistical error includes at least one of the average error, maximum error or signed maximum error, and error variance of the estimation accuracy obtained for each combination of data used in the estimation simulation.

続いて末端圧力学習部１５２は、全ての推定アルゴリズムについて推定モデルの生成と、推定シミュレーションを行ったか否かを判定する（ステップＳ１０４）。ここで未処理の推定アルゴリズムがあると判定した場合（ステップＳ１０４－ＮＯ）、末端圧力学習部１５２は未処理の推定アルゴリズムのうちから１つの推定アルゴリズムを選択し（ステップＳ１０５）、ステップＳ１０２に処理を戻す。 Then, the terminal pressure learning unit 152 determines whether or not an estimation model has been generated and an estimation simulation has been performed for all estimation algorithms (step S104). If it is determined that there is an unprocessed estimation algorithm (step S104-NO), the terminal pressure learning unit 152 selects one estimation algorithm from among the unprocessed estimation algorithms (step S105) and returns to step S102.

一方、全ての推定アルゴリズムについて推定モデルの生成と、推定シミュレーションを行ったと判定した場合（ステップＳ１０４－ＹＥＳ）、推定モデル決定部１５４が各推定アルゴリズムについて取得された誤差情報と、推定モデルの生成に用いられた状態情報とに基づいてアルゴリズム決定モデルを生成する（ステップＳ１０６）。例えば、推定モデル決定部１５４は、決定木アルゴリズムにより、状態情報を入力情報として、統計誤差が最も小さい推定アルゴリズムを複数の推定アルゴリズムのうちから選択する決定木を生成する。推定モデル決定部１５４は生成したアルゴリズム決定モデルを記憶部１４に記録して処理を終了する。 On the other hand, if it is determined that the generation of estimation models and the estimation simulation have been performed for all estimation algorithms (step S104-YES), the estimation model determination unit 154 generates an algorithm determination model based on the error information acquired for each estimation algorithm and the state information used to generate the estimation model (step S106). For example, the estimation model determination unit 154 uses a decision tree algorithm to generate a decision tree that uses state information as input information to select the estimation algorithm with the smallest statistical error from among multiple estimation algorithms. The estimation model determination unit 154 records the generated algorithm determination model in the storage unit 14 and ends the process.

図４は、第１の実施形態の末端圧力制御支援装置１が配水管網ＰＮにおける現在の末端圧力を推定する処理の流れを示すフローチャートである。まず、情報取得部１５１が現在の状態情報を取得する（ステップＳ２０１）。具体的には、情報取得部１５１は監視制御システム２から現在の管網情報を取得するとともに、配水場３から現在の配水場情報を取得する。情報取得部１５１は、取得した管網情報及び配水場情報を現在の状態情報として状態情報記憶部１４２に記録する。 Figure 4 is a flowchart showing the process flow of the terminal pressure control support device 1 of the first embodiment estimating the current terminal pressure in the water distribution pipe network PN. First, the information acquisition unit 151 acquires current status information (step S201). Specifically, the information acquisition unit 151 acquires current pipe network information from the monitoring and control system 2, and acquires current water distribution plant information from the water distribution plant 3. The information acquisition unit 151 records the acquired pipe network information and water distribution plant information in the status information storage unit 142 as current status information.

続いて推定モデル決定部１５４が、ステップＳ２０１において取得された現在の状態情報に基づいて、現在の末端圧力の推定に用いる推定モデルを決定する（ステップＳ２０２）。具体的には、推定モデル決定部１５４は、アルゴリズム決定モデルに基づいて、複数の推定アルゴリズムのうちから現在の状態情報に応じた推定アルゴリズムを１つ決定する。推定モデル決定部１５４は、決定した推定アルゴリズムに基づいて生成された推定モデルを、現在の末端松力の推定に用いる推定モデルとして決定する。推定モデル決定部１５４は、決定した推定モデルを末端圧力推定部１５３に通知する。 Then, the estimation model determination unit 154 determines an estimation model to be used for estimating the current end pressure based on the current state information acquired in step S201 (step S202). Specifically, the estimation model determination unit 154 determines one estimation algorithm from among the multiple estimation algorithms according to the current state information based on the algorithm determination model. The estimation model determination unit 154 determines the estimation model generated based on the determined estimation algorithm as the estimation model to be used for estimating the current end pinch force. The estimation model determination unit 154 notifies the end pressure estimation unit 153 of the determined estimation model.

続いて末端圧力推定部１５３が、ステップＳ２０２において決定された推定モデルを用いて現在の末端圧力を推定する（ステップＳ２０３）。具体的には、末端圧力推定部１５３は、決定された推定モデルに現在の状態情報を入力することにより、その出力として現在の末端圧力の推定値を得る。 Then, the end pressure estimation unit 153 estimates the current end pressure using the estimation model determined in step S202 (step S203). Specifically, the end pressure estimation unit 153 inputs the current state information into the determined estimation model, and obtains an estimate of the current end pressure as its output.

続いて末端圧力推定説明部１５６が、ステップＳ２０３において推定された末端圧力の説明情報を生成する（ステップＳ２０４）。具体的には、末端圧力推定説明部１５６は、末端圧力の推定に用いられた推定モデルの生成に使用された推定アルゴリズムを示す情報と、その推定アルゴリズムを決定したアルゴリズム決定モデルを示す情報と、そのアルゴリズム決定モデルに対して入力された情報と、入力された情報に対して当該推定アルゴリズムが決定された根拠を示す情報と、の少なくとも１つを含む説明情報を生成する。そして、末端圧力推定説明部１５６は、生成した説明情報を表示部１３に表示させる（ステップ２０５）。 Then, the terminal pressure estimation explanation unit 156 generates explanatory information for the terminal pressure estimated in step S203 (step S204). Specifically, the terminal pressure estimation explanation unit 156 generates explanatory information including at least one of information indicating the estimation algorithm used to generate the estimation model used to estimate the terminal pressure, information indicating the algorithm determination model that determined the estimation algorithm, information input to the algorithm determination model, and information indicating the basis for determining the estimation algorithm based on the input information. The terminal pressure estimation explanation unit 156 then causes the generated explanatory information to be displayed on the display unit 13 (step 205).

続いて支援情報生成部１５５が、ステップＳ２０３において推定された末端圧力に基づいて支援情報を生成する（ステップＳ２０６）。具体的には、支援情報生成部１５５は、取得された末端圧力の推定値や、その推定値に基づいて生成された情報、その推定値に基づく判定結果等を含む情報を支援情報として生成する。なお、支援情報にはステップＳ２０４において生成された説明情報が含まれてもよいし、説明情報を可視化した画面情報が含まれてもよい。支援情報生成部１５５は、このようにして生成した支援情報を監視制御システム２に送信する（ステップＳ２０７）。なお、支援情報の提供先は監視制御システム２に限定されない。支援情報は、支援情報を必要とする任意のシステムや装置に提供されてよい。 Then, the support information generating unit 155 generates support information based on the end pressure estimated in step S203 (step S206). Specifically, the support information generating unit 155 generates information including the estimated value of the acquired end pressure, information generated based on the estimated value, and a judgment result based on the estimated value as support information. The support information may include the explanatory information generated in step S204, or may include screen information that visualizes the explanatory information. The support information generating unit 155 transmits the support information generated in this manner to the monitoring and control system 2 (step S207). The destination of the support information is not limited to the monitoring and control system 2. The support information may be provided to any system or device that requires the support information.

図５及び図６は、第１の実施形態における説明情報の具体例を示す図である。例えば、図５はアルゴリズム決定モデルを示す説明情報の一例を示し、図６は末端圧力の推定に用いられた推定アルゴリズムを示す説明情報の一例を示す。具体的には、図５は決定木を用いて生成されたアルゴリズム決定モデルの具体例を示している。図５は、状態情報に示される各種説明変数の値を順に閾値で判定していき、終端ノードにおいて推定アルゴリズムを得る決定木の具体例を示している。 Figures 5 and 6 are diagrams showing specific examples of explanatory information in the first embodiment. For example, Figure 5 shows an example of explanatory information showing an algorithm decision model, and Figure 6 shows an example of explanatory information showing an estimation algorithm used to estimate the terminal pressure. Specifically, Figure 5 shows a specific example of an algorithm decision model generated using a decision tree. Figure 5 shows a specific example of a decision tree in which the values of various explanatory variables shown in the state information are judged in sequence using thresholds to obtain an estimation algorithm at the terminal node.

一方、図６は、過去や現在における末端圧力の推定において決定された推定アルゴリズムを時系列に表示したものである。このような説明情報が提示されることにより、ユーザは得られた末端圧力の推定根拠を把握することができる。なお、図５の各ノード又は終端ノードには、学習用データのサンプル数や、ＭＳＥ（Mean Squared Error）の値が付加情報として表示されていてもよい。 On the other hand, FIG. 6 shows a time series of the estimation algorithms determined for past and present end pressure estimations. By presenting such explanatory information, the user can understand the basis for estimating the obtained end pressure. Note that the number of samples of the learning data and the value of MSE (Mean Squared Error) may be displayed as additional information at each node or terminal node in FIG. 5.

このように構成された第１の実施形態の末端圧力制御支援装置１は、配水管網ＰＮに関する状態情報と、配水管網ＰＮにおける末端圧力の推定に用いられる推定モデルの推定誤差に基づいて複数のアルゴリズムから推定アルゴリズムを決定するためのアルゴリズム決定モデルを生成する推定モデル決定部１５４を備える。そして実際の末端圧力を推定する際には、推定モデル決定部１５４が配水管網ＰＮに関する現在の状態情報と、予め生成されたアルゴリズム決定モデルとに基づいて、現在の末端圧力の推定に用いる推定アルゴリズムを決定し、末端圧力推定部１５３が決定された推定アルゴリズムで生成された推定モデルを用いて現在の末端圧力を推定する。このような第１の実施形態の末端圧力制御支援装置１によれば、配水管網ＰＮの状態に応じた推定モデルを用いて末端圧力を推定することができるため、より精度よく末端圧力を推定することが可能となる。 The terminal pressure control support device 1 of the first embodiment configured in this manner includes an estimation model determination unit 154 that generates an algorithm determination model for determining an estimation algorithm from a plurality of algorithms based on state information regarding the water distribution network PN and the estimation error of the estimation model used to estimate the terminal pressure in the water distribution network PN. When estimating the actual terminal pressure, the estimation model determination unit 154 determines an estimation algorithm to be used to estimate the current terminal pressure based on the current state information regarding the water distribution network PN and the algorithm determination model generated in advance, and the terminal pressure estimation unit 153 estimates the current terminal pressure using the estimation model generated by the determined estimation algorithm. According to the terminal pressure control support device 1 of the first embodiment, the terminal pressure can be estimated using an estimation model according to the state of the water distribution network PN, making it possible to estimate the terminal pressure more accurately.

（変形例）
なお、第１の実施形態ではアルゴリズム決定モデルの一例として決定木を示したが、これは一例であり、これは機械学習の手法の一例であり、アルゴリズム決定モデルを決定木に限定するものではない。また、末端圧力の学習によって生成される推定モデルも特定の学習モデルに限定されない。例えば、アルゴリズム決定モデルには、決定木のほか、ニューラルネットワークやディープラーニング等の手法が用いられてもよいし、推定モデルには、線形回帰モデルをはじめとする任意の回帰モデルが用いられてもよい。 (Modification)
In the first embodiment, a decision tree is shown as an example of an algorithm decision model, but this is only an example, and is an example of a machine learning technique, and the algorithm decision model is not limited to a decision tree. In addition, the estimation model generated by learning the end pressure is not limited to a specific learning model. For example, in addition to a decision tree, a technique such as a neural network or deep learning may be used for the algorithm decision model, and any regression model including a linear regression model may be used for the estimation model.

また、末端圧力の学習や、アルゴリズム決定モデルの生成においては、状態情報そのものに加えて、状態情報の変化量や変化率との相関が重要になる場合もある。このような場合、末端圧力制御支援装置１は、取得した状態情報の変化量や変化率を示す時系列データ（以下「変化情報」という。）を生成し、生成した変化情報と状態情報とに基づいて推定モデルの生成又はアルゴリズム決定モデルの生成を行うように構成されてもよい。 In addition, when learning terminal pressure or generating an algorithm determination model, in addition to the state information itself, correlation with the amount of change and rate of change of the state information may be important. In such cases, the terminal pressure control assistance device 1 may be configured to generate time series data (hereinafter referred to as "change information") indicating the amount of change and rate of change of the acquired state information, and generate an estimation model or an algorithm determination model based on the generated change information and state information.

学習用データとしての末端圧力情報をオフラインで取得する場合、末端圧力計測装置４は必ずしも通信機能を備えていなくてもよい。例えば、末端圧力計測装置４が着脱可能な記憶装置に末端圧力情報を記録する場合、所定期間の末端圧力情報を蓄積した記憶装置が人手で回収されてもよい。 When terminal pressure information is acquired offline as learning data, the terminal pressure measuring device 4 does not necessarily need to have a communication function. For example, when the terminal pressure measuring device 4 records the terminal pressure information in a removable storage device, the storage device that has accumulated the terminal pressure information for a predetermined period of time may be manually collected.

第１の実施形態では、１つ以上の末端圧力計測装置４と、１つ以上の常設末端圧力計測装置５とを備える配水システム１００（図１）を示したが、末端圧力の学習には、末端圧力計測装置４によって取得された末端圧力情報が用いられてもよいし、常設末端圧力計測装置５によって取得された末端圧力情報が用いられてもよい。また、末端圧力の学習には、末端圧力計測装置４によって取得された末端圧力情報と、常設末端圧力計測装置５によって取得された末端圧力情報との両方が用いられても良い。なお、常設末端圧力計測装置５の設置は必須ではない。 In the first embodiment, a water distribution system 100 (Figure 1) including one or more end pressure measuring devices 4 and one or more permanent end pressure measuring devices 5 is shown, but the end pressure information acquired by the end pressure measuring device 4 may be used to learn the end pressure, or the end pressure information acquired by the permanent end pressure measuring device 5 may be used. In addition, the end pressure information acquired by both the end pressure measuring device 4 and the end pressure information acquired by the permanent end pressure measuring device 5 may be used to learn the end pressure. Note that the installation of the permanent end pressure measuring device 5 is not essential.

（第２の実施形態）
図７は、第２の実施形態の末端圧力制御支援装置１ａの機能構成の具体例を示す機能ブロック図である。末端圧力制御支援装置１ａは、末端圧力推定部１５３に代えて末端圧力推定部１５３ａを備える点、推定モデル決定部１５４に代えて推定モデル決定部１５４ａを備える点で第１の実施形態における末端圧力制御支援装置１と異なる。末端圧力制御支援装置１ａのその他の構成は、第１の実施形態における末端圧力制御支援装置１と同様である。そこで、図７では、末端圧力制御支援装置１と同様の構成については図２と同じ符号を付すことにより、これらの説明を省略する。 Second Embodiment
Fig. 7 is a functional block diagram showing a specific example of the functional configuration of the terminal pressure control support device 1a of the second embodiment. The terminal pressure control support device 1a is different from the terminal pressure control support device 1 in the first embodiment in that it has a terminal pressure estimation unit 153a instead of the terminal pressure estimation unit 153 and an estimation model determination unit 154a instead of the estimation model determination unit 154. The other configurations of the terminal pressure control support device 1a are the same as those of the terminal pressure control support device 1 in the first embodiment. Therefore, in Fig. 7, the same symbols as those in Fig. 2 are used for the configurations similar to those of the terminal pressure control support device 1, and the description of these will be omitted.

また、図８は、第２の実施形態の末端圧力制御支援装置１ａが末端圧力を学習する処理の流れを示すフローチャートである。また、図９は、第２の実施形態の末端圧力制御支援装置１ａが配水管網ＰＮにおける現在の末端圧力を推定する処理の流れを示すフローチャートである。以下、図８及び図９を適宜参照しながら末端圧力推定部１５３ａ及び推定モデル決定部１５４ａの機能について説明する。なお、図８及び図９において、第１の実施形態と同様の処理には図３及び図４と同じ符号を付すことにより、これらの説明を省略する。 FIG. 8 is a flowchart showing the process flow of the terminal pressure control support device 1a of the second embodiment learning the terminal pressure. FIG. 9 is a flowchart showing the process flow of the terminal pressure control support device 1a of the second embodiment estimating the current terminal pressure in the water distribution network PN. Below, the functions of the terminal pressure estimation unit 153a and the estimation model determination unit 154a will be explained with reference to FIG. 8 and FIG. 9 as appropriate. Note that in FIG. 8 and FIG. 9, the same processes as those in the first embodiment are given the same reference numerals as in FIG. 3 and FIG. 4, and explanations of these will be omitted.

第１の実施形態における推定モデル決定部１５４が各推定アルゴリズムについて取得した誤差情報と、推定モデルの生成に用いた状態情報とに基づいて１つの推定アルゴリズムを決定するアルゴリズム決定モデルを生成したのに対して、推定モデル決定部１５４ａは、アルゴリズム決定モデルの生成に加えて、アルゴリズム決定モデルによって決定した複数の推定アルゴリズムに基づく末端圧力の推定値から最終的な末端圧力の推定値（以下「最終推定値」という。）を算出する推定結果混合モデルを生成する（ステップＳ３０１）。 In the first embodiment, the estimation model determination unit 154 generates an algorithm determination model that determines one estimation algorithm based on the error information acquired for each estimation algorithm and the state information used to generate the estimation model, whereas the estimation model determination unit 154a generates an estimation result mixed model that calculates a final terminal pressure estimate (hereinafter referred to as the "final estimate") from terminal pressure estimates based on multiple estimation algorithms determined by the algorithm determination model, in addition to generating the algorithm determination model (step S301).

例えば、推定モデル決定部１５４ａは、アルゴリズム決定モデルに基づいて第１の推定アルゴリズムと第２の推定アルゴリズムとの２つの推定アルゴリズムを決定した場合、最終推定値を次の式（１）で表す推定結果混合モデルを生成する。 For example, when the estimation model determination unit 154a determines two estimation algorithms, a first estimation algorithm and a second estimation algorithm, based on the algorithm determination model, it generates an estimation result mixed model that expresses the final estimation value by the following equation (1).

Ｐ＝α×Ｐｍｏｄｅｌ１＋β×Ｐｍｏｄｅｌ２ （１） P = α × P model 1 + β × P model 2 (1)

式（１）において、Ｐは末端圧力の最終推定値を表す。Ｐｍｏｄｅｌ１は第１のアルゴリズムに基づいて生成された推定モデルによる末端圧力の推定値（以下「第１の推定値」という。）を表し、Ｐｍｏｄｅｌ２は第２のアルゴリズムに基づいて生成された推定モデルによる末端圧力の推定値（以下「第２の推定値」という。）を表す。αは第１の推定値に対する重みを表し、βは第２の推定値に対する重みを表す。 In formula (1), P represents the final estimated value of the terminal pressure. P model1 represents the estimated value of the terminal pressure by the estimation model generated based on the first algorithm (hereinafter referred to as the "first estimated value"), and P model2 represents the estimated value of the terminal pressure by the estimation model generated based on the second algorithm (hereinafter referred to as the "second estimated value"). α represents the weight for the first estimated value, and β represents the weight for the second estimated value.

なお、式（１）は末端圧力の最終推定値を各推定モデルによる推定値の重み付け線形和で表す推定結果混合モデルの例を示したものであり、推定結果混合モデルをこれに限定するものではない。例えば、推定結果混合モデルは、各推定モデルによる推定値の高次式によって最終推定値を近似するものであってもよい。 Note that equation (1) shows an example of an estimation result mixed model that expresses the final estimated value of the terminal pressure as a weighted linear sum of the estimated values from each estimation model, but the estimation result mixed model is not limited to this. For example, the estimation result mixed model may be one that approximates the final estimated value using a higher-order expression of the estimated values from each estimation model.

例えば、推定モデル決定部１５４ａは、決定木アルゴリズムにより、状態情報を入力情報として、統計誤差が小さいものから順に複数の推定アルゴリズムを選択する決定木を生成する。さらに、推定モデル決定部１５４ａは、学習用データとしての末端圧力情報が示す末端圧力の値と、学習用データとしての状態情報に基づいて決定された各推定モデルによって得られる末端圧力の推定値との回帰分析により、その状態情報に応じたα及びβの値を決定する。 For example, the estimation model determination unit 154a uses a decision tree algorithm to generate a decision tree that selects multiple estimation algorithms in order of smallest statistical error using state information as input information. Furthermore, the estimation model determination unit 154a determines the values of α and β according to the state information by performing regression analysis between the end pressure value indicated by the end pressure information as learning data and the end pressure estimates obtained by each estimation model determined based on the state information as learning data.

例えば、推定モデル決定部１５４ａは、各推定モデルの組み合わせのパターンごとに一組のα及びβの値を決定する。この場合、推定モデル決定部１５４ａは、学習用データの全データを用いて１つの回帰曲線を決定する。 For example, the estimation model determination unit 154a determines a pair of α and β values for each combination pattern of estimation models. In this case, the estimation model determination unit 154a determines one regression curve using all data in the learning data.

また例えば、推定モデル決定部１５４ａは、各推定モデルの組み合わせのパターンごとに複数組のα及びβの値を決定してもよい。例えば、推定モデル決定部１５４ａは、時間帯ごとに異なるα及びβの値を決定してもよい。この場合、推定モデル決定部１５４ａは、学習データを時間帯ごとに分割し、分割した各時間帯の学習データごとに１つの回帰曲線を決定することにより、各時間帯ごとに一組のα及びβを決定する。このように決定された推定結果混合モデルを用いることにより、時間帯に応じた変動特性を持つ末端圧力をより精度良く推定することができる。なお、時間帯をさらに細かくしていけば、α及びβの値を時刻ごとに決定することも可能である。 For example, the estimation model determination unit 154a may determine multiple sets of α and β values for each combination pattern of each estimation model. For example, the estimation model determination unit 154a may determine different α and β values for each time period. In this case, the estimation model determination unit 154a divides the learning data into time periods and determines one regression curve for each of the learning data for each divided time period, thereby determining one set of α and β for each time period. By using the estimation result mixture model determined in this manner, it is possible to more accurately estimate the terminal pressure, which has fluctuation characteristics according to the time period. Note that if the time period is further divided, it is also possible to determine the values of α and β for each time period.

推定モデル決定部１５４ａは、このように生成したアルゴリズム決定モデル及び推定結果混合モデルを記憶部１４に記録する。なお、アルゴリズム決定モデルの最終ノードにおいて、推定アルゴリズムの組み合わせとともに、各推定アルゴリズムに対する重みを出力することにより、推定結果混合モデルをアルゴリズム決定モデルの一部として表してもよい。 The estimation model determination unit 154a records the algorithm determination model and the estimation result mixed model thus generated in the storage unit 14. Note that, at the final node of the algorithm determination model, the estimation result mixed model may be represented as part of the algorithm determination model by outputting a weight for each estimation algorithm together with the combination of estimation algorithms.

その一方で推定モデル決定部１５４ａは、現在の状態情報をアルゴリズム決定モデルに入力することにより、現在の末端圧力の推定に用いる複数の推定アルゴリズムを決定する（ステップＳ４０１）。続いて末端圧力推定部１５３ａは、推定モデル決定部１５４ａによって決定された各推定アルゴリズムに基づいて生成された推定モデルを用いて現在の末端圧力を推定する（ステップＳ４０２）。末端圧力推定部１５３ａは、各推定モデルによって算出した末端圧力の推定値を推定結果混合モデルに入力することにより、現在の末端圧力の最終推定値を算出する（ステップＳ４０３）。 Meanwhile, the estimation model determination unit 154a inputs current state information into the algorithm determination model to determine multiple estimation algorithms to be used to estimate the current terminal pressure (step S401). The terminal pressure estimation unit 153a then estimates the current terminal pressure using an estimation model generated based on each estimation algorithm determined by the estimation model determination unit 154a (step S402). The terminal pressure estimation unit 153a inputs the estimated values of the terminal pressure calculated by each estimation model into the estimation result mixed model to calculate a final estimated value of the current terminal pressure (step S403).

図１０は、第２の実施形態における説明情報の具体例を示す図である。例えば、図１０はアルゴリズム決定モデルを示す説明情報の一例として、推定モデル決定部１５４ａによって選択された推定アルゴリズムを、それぞれの重みとともに時系列に表した図である。このような説明情報が提示されることにより、ユーザは、複数の推定アルゴリズムに基づいて得られた末端圧力の推定根拠を把握することができる。 Figure 10 is a diagram showing a specific example of explanatory information in the second embodiment. For example, Figure 10 is a diagram showing the estimation algorithms selected by the estimation model determination unit 154a in chronological order together with their respective weights, as an example of explanatory information showing an algorithm determination model. By presenting such explanatory information, the user can understand the basis for estimating the terminal pressure obtained based on multiple estimation algorithms.

このように構成された第２の実施形態の末端圧力制御支援装置１ａは、配水管網ＰＮに関する状態情報に基づいて、そのときの配水管網ＰＮの状態に応じた複数の推定アルゴリズムをその状態に応じた割合で混合して末端圧力の最終推定値を得る。このような第２の実施形態の末端圧力制御支援装置１ａによれば、配水管網ＰＮの状態に応じた推定モデルを用いて末端圧力を推定することができるため、より精度よく末端圧力を推定することが可能となる。 The terminal pressure control support device 1a of the second embodiment configured in this manner obtains a final estimated value of the terminal pressure by mixing multiple estimation algorithms corresponding to the state of the water distribution network PN at that time in a ratio corresponding to that state, based on status information regarding the water distribution network PN. According to the terminal pressure control support device 1a of the second embodiment, the terminal pressure can be estimated using an estimation model corresponding to the state of the water distribution network PN, making it possible to estimate the terminal pressure more accurately.

（変形例）
第２の実施形態では、末端圧力制御支援装置１ａにおいて、推定モデル決定部１５４ａが複数の推定アルゴリズムを決定するアルゴリズム決定モデルを生成するとともに、アルゴリズム決定モデルによって決定した複数の推定アルゴリズムに基づく末端圧力の推定値から末端圧力の最終推定値を算出する推定結果混合モデルを生成することについて説明した。これに対して変形例の推定モデル決定部１５４ａは、アルゴリズム決定モデルによる推定アルゴリズムの選択を行わないように構成されてもよい。この場合、推定モデル決定部１５４ａは、予め記憶されている全ての（複数の）推定アルゴリズムに基づく末端圧力の推定値と、全ての推定アルゴリズムについて求めた重みとに基づいて、末端圧力の最終推定値を算出する推定結果混合モデルを生成するように構成されてもよい。なお、各推定アルゴリズムに対する重みは、第２の実施形態と同様に、推定アルゴリズムと学習用データとに基づいて決定されればよい。 (Modification)
In the second embodiment, in the terminal pressure control assistance device 1a, the estimation model determination unit 154a generates an algorithm determination model that determines a plurality of estimation algorithms, and generates an estimation result mixed model that calculates a final estimated value of the terminal pressure from the estimated values of the terminal pressure based on the plurality of estimation algorithms determined by the algorithm determination model. In contrast, the estimation model determination unit 154a of the modified example may be configured not to select an estimation algorithm by the algorithm determination model. In this case, the estimation model determination unit 154a may be configured to generate an estimation result mixed model that calculates a final estimated value of the terminal pressure based on the estimated values of the terminal pressure based on all (a plurality of) estimation algorithms stored in advance and the weights obtained for all the estimation algorithms. Note that the weights for each estimation algorithm may be determined based on the estimation algorithm and learning data, as in the second embodiment.

以上説明した少なくともひとつの実施形態によれば、配水管網の状態に相関する状態情報と配水管網の末端圧力を示す末端圧力情報との学習用データを用いて配水管網の状態情報から配水管網の末端圧力を推定するための推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習部と、状態情報と末端圧力学習部が生成した各推定モデルの推定精度の誤差とに基づいて、複数のアルゴリズムから末端圧力の推定に用いる推定アルゴリズムを決定するアルゴリズム決定モデルを生成し、推定対象の時点における配水管網の状態情報とアルゴリズム決定モデルとに基づいて末端圧力の推定に用いる推定アルゴリズムを決定する推定モデル決定部と、決定された推定アルゴリズムで生成された推定モデルを用いて時点における配水管網の末端圧力を推定する末端圧力推定部と、を持つことにより、より精度よく末端圧力を推定することができる。 According to at least one of the embodiments described above, the end pressure can be estimated more accurately by having a terminal pressure learning unit that generates, for each of a plurality of estimation algorithms, an estimation model for estimating the end pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and end pressure information indicating the end pressure of the water distribution network, an estimation model determination unit that generates an algorithm determination model that determines an estimation algorithm to be used to estimate the end pressure from a plurality of algorithms based on the state information and the error in the estimation accuracy of each estimation model generated by the end pressure learning unit, and determines an estimation algorithm to be used to estimate the end pressure based on the state information of the water distribution network at the time of the estimation target and the algorithm determination model, and a terminal pressure estimation unit that estimates the end pressure of the water distribution network at the time using the estimation model generated by the determined estimation algorithm.

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although several embodiments of the present invention have been described, these embodiments are presented as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, substitutions, and modifications can be made without departing from the gist of the invention. These embodiments and their modifications are within the scope of the invention and its equivalents as set forth in the claims, as well as the scope and gist of the invention.

１００…配水システム、１，１ａ…末端圧力制御支援装置、１１…通信部、１２…入力部、１３…表示部、１４…記憶部、１４１…末端圧力情報記憶部、１４２…状態情報記憶部、１４３…推定モデル情報記憶部、１４４…アルゴリズム情報記憶部、１５…制御部、１５１…情報取得部、１５２…末端圧力学習部、１５３，１５３ａ…末端圧力推定部、１５４，１５４ａ…推定モデル決定部、１５５…支援情報生成部、１５６…末端圧力推定説明部、１５７…画面生成部、２…監視制御システム、３，３－１～３－３…配水場、４，４－１，４－２…末端圧力計測装置、５…常設末端圧力計測装置、ＰＮ…配水管網、ＷＣ，ＷＣ－１～ＷＣ－３…需要家 100...water distribution system, 1, 1a...terminal pressure control support device, 11...communication unit, 12...input unit, 13...display unit, 14...storage unit, 141...terminal pressure information storage unit, 142...status information storage unit, 143...estimation model information storage unit, 144...algorithm information storage unit, 15...control unit, 151...information acquisition unit, 152...terminal pressure learning unit, 153, 153a...terminal pressure estimation unit, 154, 154a...estimation model determination unit, 155...support information generation unit, 156...terminal pressure estimation explanation unit, 157...screen generation unit, 2...monitoring and control system, 3, 3-1 to 3-3...water distribution plant, 4, 4-1, 4-2...terminal pressure measurement device, 5...permanent terminal pressure measurement device, PN...water distribution pipe network, WC, WC-1 to WC-3...consumer

Claims (10)

配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習部と、
前記学習用データを用いて前記末端圧力学習部が生成した各推定モデルの推定精度の誤差を取得し、取得した前記誤差と、各推定モデルの生成に用いられた前記状態情報とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる推定アルゴリズムを決定するためのアルゴリズム決定モデルを予め生成し、推定対象の時点における前記配水管網の状態情報と予め生成された前記アルゴリズム決定モデルとに基づいて前記時点での末端圧力の推定に用いる推定アルゴリズムを決定する推定モデル決定部と、
決定された前記推定アルゴリズムで生成された推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する末端圧力推定部と、
を備える末端圧力制御支援装置。 a terminal pressure learning unit that generates an estimation model for each of a plurality of estimation algorithms for estimating the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network;
an estimation model determination unit that acquires an error in the estimation accuracy of each estimation model generated by the terminal pressure learning unit using the learning data , generates in advance an algorithm determination model for determining an estimation algorithm to be used for estimating the terminal pressure from among the plurality of estimation algorithms based on the acquired error and the state information used in generating each estimation model, and determines an estimation algorithm to be used for estimating the terminal pressure at the time based on state information of the water distribution pipe network at the time of the estimation target and the algorithm determination model generated in advance ;
an end pressure estimation unit that estimates an end pressure of the water distribution network at the time point by using an estimation model generated by the determined estimation algorithm;
A terminal pressure control assistance device comprising: 配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習部と、
前記学習用データを用いて前記末端圧力学習部が生成した各推定モデルの推定精度の誤差を取得し、取得した前記誤差と、各推定モデルの生成に用いられた前記状態情報とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる推定アルゴリズムを決定するためのアルゴリズム決定モデルを予め生成し、推定対象の時点における前記配水管網の状態情報と予め生成された前記アルゴリズム決定モデルとに基づいて末端圧力の推定に用いる推定アルゴリズムを決定する推定モデル決定部と、
決定された前記推定アルゴリズムで生成された推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する末端圧力推定部と、
を備え、
前記推定モデル決定部は、前記推定モデルの生成に用いる推定アルゴリズムとして複数の推定アルゴリズムを選択し、選択した前記複数の推定アルゴリズムと前記学習用データとに基づいて各推定アルゴリズムの重みを決定し、
前記末端圧力推定部は、選択された前記複数の推定アルゴリズムに基づいて生成される複数の推定モデルによって得られる各推定値について、それぞれの推定モデルを生成した推定アルゴリズムの重みに基づく各推定値の重み付け和を最終的な末端圧力の推定値とする、
末端圧力制御支援装置。 a terminal pressure learning unit that generates an estimation model for each of a plurality of estimation algorithms for estimating the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network;
an estimation model determination unit that acquires an error in the estimation accuracy of each estimation model generated by the terminal pressure learning unit using the learning data , generates in advance an algorithm determination model for determining an estimation algorithm to be used for estimating the terminal pressure from among the plurality of estimation algorithms based on the acquired error and the state information used in generating each estimation model, and determines an estimation algorithm to be used for estimating the terminal pressure based on state information of the water distribution pipe network at the time of the estimation target and the algorithm determination model generated in advance ;
an end pressure estimation unit that estimates an end pressure of the water distribution network at the time point by using an estimation model generated by the determined estimation algorithm;
Equipped with
the estimation model determination unit selects a plurality of estimation algorithms as estimation algorithms to be used for generating the estimation model, and determines a weight for each estimation algorithm based on the plurality of selected estimation algorithms and the learning data;
the terminal pressure estimation unit determines a final terminal pressure estimate as a weighted sum of each estimated value obtained by a plurality of estimation models generated based on the selected plurality of estimation algorithms, the weights of the estimation algorithms used to generate each estimation model.
Terminal pressure control support device. 前記状態情報は、前記配水管網の状態に相関する値、前記値の変化量、又は前記値の変化率を示す情報を含む、
請求項１または２に記載の末端圧力制御支援装置。 The status information includes information indicating a value correlated with the status of the water distribution pipe network, an amount of change in the value, or a rate of change in the value.
The terminal pressure control assistance device according to claim 1 or 2. 前記推定精度の誤差は、前記推定モデルを用いた末端圧力のシミュレーションに用いられるデータの組み合わせごとに得られる推定精度の平均誤差、最大誤差、符号付最大誤差又は誤差の分散の少なくとも１つを含む、
請求項１から３のいずれか一項に記載の末端圧力制御支援装置。 The error of the estimation accuracy includes at least one of an average error, a maximum error, a signed maximum error, or a variance of the error of the estimation accuracy obtained for each combination of data used in the simulation of the end pressure using the estimation model;
The terminal pressure control assistance device according to any one of claims 1 to 3. 配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための第１推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習部と、
前記学習用データを用いて前記末端圧力学習部が生成した各第１推定モデルの推定精度の誤差を取得し、取得した前記誤差と、各第１推定モデルの生成に用いられた前記状態情報とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる複数の推定アルゴリズムを決定するためのアルゴリズム決定モデルを予め生成し、推定対象の時点における前記配水管網の状態情報と予め生成された前記アルゴリズム決定モデルとに基づいて前記時点での末端圧力の推定に用いる複数の推定アルゴリズムを決定する推定モデル決定部と、
決定された前記複数の推定アルゴリズムで生成された第１推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する末端圧力推定部と、
を備え、
前記推定モデル決定部は、前記アルゴリズム決定モデルにより決定した前記複数の推定アルゴリズムの重みを、各第１推定モデルについて取得された前記推定精度の誤差に基づいて予め決定しておくものであり、
前記末端圧力推定部は、前記複数の推定アルゴリズムについて決定された重みに基づいて前記複数の推定アルゴリズムを混合することによって生成された第２推定モデルを用いて推定対象の時点における前記配水管網の末端圧力を推定する、
末端圧力制御支援装置。 a terminal pressure learning unit that generates a first estimation model for each of a plurality of estimation algorithms for estimating the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network;
an estimation model determination unit that acquires an error in the estimation accuracy of each first estimation model generated by the terminal pressure learning unit using the learning data , generates in advance an algorithm determination model for determining a plurality of estimation algorithms to be used for estimating the terminal pressure from the plurality of estimation algorithms based on the acquired error and the state information used in generating each first estimation model, and determines a plurality of estimation algorithms to be used for estimating the terminal pressure at the time based on state information of the water distribution pipe network at the time of the estimation target and the algorithm determination model generated in advance ;
an end pressure estimation unit that estimates an end pressure of the water distribution pipe network at the time point by using a first estimation model generated by the determined plurality of estimation algorithms;
Equipped with
the estimation model determination unit determines in advance weights of the plurality of estimation algorithms determined by the algorithm determination model based on an error of the estimation accuracy acquired for each first estimation model,
the terminal pressure estimation unit estimates the terminal pressure of the water distribution pipe network at a time point of estimation using a second estimation model generated by mixing the plurality of estimation algorithms based on weights determined for the plurality of estimation algorithms;
Terminal pressure control support device. 前記末端圧力推定部が推定した前記末端圧力について、前記複数の推定アルゴリズムによる推定の根拠を説明する説明情報を生成する末端圧力推定説明部と、
前記説明情報を表示する表示部と、
をさらに備え、
前記説明情報には、前記推定モデル決定部が前記複数の推定アルゴリズムについて決定した前記重みの時系列情報が含まれ、
前記表示部は、前記説明情報に基づいて、各時点における前記複数の推定アルゴリズムの各重みを、それぞれの重みに応じた大きさを有する領域に対応付けて時系列に表示させる、
請求項５に記載の末端圧力制御支援装置。 an end pressure estimation explanation unit that generates explanation information that explains the basis of the estimation by the plurality of estimation algorithms for the end pressure estimated by the end pressure estimation unit;
A display unit that displays the explanatory information;
Further equipped with
the explanatory information includes time-series information of the weights determined by the estimation model determination unit for the plurality of estimation algorithms,
the display unit displays, based on the explanation information, weights of the plurality of estimation algorithms at each time point in time in a time series in association with areas having sizes according to the respective weights;
The device of claim 5 . 配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習ステップと、
前記学習用データを用いて前記末端圧力学習ステップにおいて生成された各推定モデルの推定精度の誤差を取得し、取得した前記誤差と、各推定モデルの生成に用いられた前記状態情報とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる推定アルゴリズムを決定するためのアルゴリズム決定モデルを予め生成し、推定対象の時点における前記配水管網の状態情報と予め生成された前記アルゴリズム決定モデルとに基づいて前記時点での末端圧力の推定に用いる推定アルゴリズムを決定する推定モデル決定ステップと、
決定された前記推定アルゴリズムで生成された推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する末端圧力推定ステップと、
を有する末端圧力制御支援方法。 a terminal pressure learning step of generating an estimation model for each of a plurality of estimation algorithms for estimating the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network;
an estimation model determination step of acquiring an error in the estimation accuracy of each estimation model generated in the terminal pressure learning step using the learning data , generating an algorithm determination model in advance for determining an estimation algorithm to be used for estimating the terminal pressure from among the plurality of estimation algorithms based on the acquired error and the state information used in generating each estimation model, and determining an estimation algorithm to be used for estimating the terminal pressure at the time to be estimated based on state information of the water distribution pipe network at the time to be estimated and the algorithm determination model generated in advance;
an end pressure estimation step of estimating an end pressure of the water distribution pipe network at the time point using an estimation model generated by the determined estimation algorithm;
The method of claim 1, further comprising: 配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習ステップと、
前記学習用データを用いて前記末端圧力学習ステップにおいて生成された各推定モデルの推定精度の誤差を取得し、取得した前記誤差と、各推定モデルの生成に用いられた前記状態とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる推定アルゴリズムを決定するためのアルゴリズム決定モデルを予め生成し、推定対象の時点における前記配水管網の状態情報と予め生成された前記アルゴリズム決定モデルとに基づいて末端圧力の推定に用いる推定アルゴリズムを決定する推定モデル決定ステップと、
決定された前記推定アルゴリズムで生成された推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する末端圧力推定ステップと、
を有し、
前記推定モデル決定ステップにおいて、前記推定モデルの生成に用いる推定アルゴリズムとして複数の推定アルゴリズムを選択し、選択した前記複数の推定アルゴリズムと前記学習用データとに基づいて各推定アルゴリズムの重みを決定し、
前記末端圧力推定ステップにおいて、選択された前記複数の推定アルゴリズムに基づいて生成される複数の推定モデルによって得られる各推定値について、それぞれの推定モデルを生成した推定アルゴリズムの重みに基づく各推定値の重み付け和を最終的な末端圧力の推定値とする、
末端圧力制御支援方法。 a terminal pressure learning step of generating an estimation model for each of a plurality of estimation algorithms for estimating the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network;
an estimation model determination step of acquiring an error in estimation accuracy of each estimation model generated in the terminal pressure learning step using the learning data , generating an algorithm determination model in advance for determining an estimation algorithm to be used for estimating the terminal pressure from among the plurality of estimation algorithms based on the acquired error and the state used in generating each estimation model, and determining an estimation algorithm to be used for estimating the terminal pressure based on state information of the water distribution pipe network at the time of the estimation target and the algorithm determination model generated in advance;
an end pressure estimation step of estimating an end pressure of the water distribution pipe network at the time point using an estimation model generated by the determined estimation algorithm;
having
In the estimation model determination step, a plurality of estimation algorithms are selected as estimation algorithms to be used for generating the estimation model, and a weight of each estimation algorithm is determined based on the plurality of selected estimation algorithms and the learning data;
In the terminal pressure estimation step, for each of the estimated values obtained by a plurality of estimation models generated based on the selected plurality of estimation algorithms, a weighted sum of the estimated values based on the weights of the estimation algorithms that generated each of the estimation models is set as a final terminal pressure estimate.
End pressure control assistance method. 配水管網の状態に相関する状態情報と前記配水管網の末端圧力を示す末端圧力情報との学習用データを用いて前記配水管網の状態情報から前記配水管網の末端圧力を推定するための第１推定モデルを複数の推定アルゴリズムのそれぞれについて生成する末端圧力学習ステップと、
前記学習用データを用いて前記末端圧力学習ステップにおいて生成された各第１推定モデルの推定精度の誤差を取得し、取得した前記誤差と、各第１推定モデルの生成に用いられた前記状態とに基づいて、前記複数の推定アルゴリズムから末端圧力の推定に用いる複数の推定アルゴリズムを決定するためのアルゴリズム決定モデルを予め生成し、推定対象の時点における前記配水管網の状態情報と予め生成された前記アルゴリズム決定モデルとに基づいて前記時点での末端圧力の推定に用いる複数の推定アルゴリズムを決定する推定モデル決定ステップと、
決定された前記複数の推定アルゴリズムで生成された第１推定モデルを用いて前記時点における前記配水管網の末端圧力を推定する末端圧力推定ステップと、
を有し、
前記推定モデル決定ステップにおいて、前記アルゴリズム決定モデルにより決定した前記複数の推定アルゴリズムの重みを、各第１推定モデルについて取得された前記推定精度の誤差に基づいて予め決定しておくものであり、
前記末端圧力推定ステップにおいて、前記複数の推定アルゴリズムについて決定された重みに基づいて前記複数の推定アルゴリズムを混合することによって生成された第２推定モデルを用いて推定対象の時点における前記配水管網の末端圧力を推定する、
末端圧力制御支援方法。 a terminal pressure learning step of generating a first estimation model for each of a plurality of estimation algorithms for estimating the terminal pressure of the water distribution network from the state information of the water distribution network using learning data of state information correlating with the state of the water distribution network and terminal pressure information indicating the terminal pressure of the water distribution network;
an estimation model determination step of acquiring an error in the estimation accuracy of each first estimation model generated in the terminal pressure learning step using the learning data , generating in advance an algorithm determination model for determining a plurality of estimation algorithms to be used for estimating the terminal pressure from the plurality of estimation algorithms based on the acquired error and the state used in generating each first estimation model, and determining a plurality of estimation algorithms to be used for estimating the terminal pressure at the time based on state information of the water distribution pipe network at the time of the estimation target and the algorithm determination model generated in advance;
an end pressure estimating step of estimating an end pressure of the water distribution pipe network at the time point using a first estimation model generated by the determined plurality of estimation algorithms;
having
In the estimation model determination step, weights of the plurality of estimation algorithms determined by the algorithm determination model are determined in advance based on an error of the estimation accuracy obtained for each first estimation model,
In the terminal pressure estimation step, an end pressure of the water distribution network at a time point of estimation is estimated using a second estimation model generated by mixing the plurality of estimation algorithms based on weights determined for the plurality of estimation algorithms.
End pressure control assistance method. コンピュータを、請求項１から６のいずれか一項に記載の末端圧力制御支援装置として機能させるためのコンピュータプログラム。 A computer program for causing a computer to function as the terminal pressure control assistance device according to any one of claims 1 to 6.
JP2019192986A 2019-10-23 2019-10-23 Terminal pressure control support device, terminal pressure control support method, and computer program Active JP7463075B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019192986A JP7463075B2 (en) 2019-10-23 2019-10-23 Terminal pressure control support device, terminal pressure control support method, and computer program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019192986A JP7463075B2 (en) 2019-10-23 2019-10-23 Terminal pressure control support device, terminal pressure control support method, and computer program

Publications (2)

Publication Number Publication Date
JP2021068185A JP2021068185A (en) 2021-04-30
JP7463075B2 true JP7463075B2 (en) 2024-04-08

Family

ID=75637401

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019192986A Active JP7463075B2 (en) 2019-10-23 2019-10-23 Terminal pressure control support device, terminal pressure control support method, and computer program

Country Status (1)

Country Link
JP (1) JP7463075B2 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002268703A (en) 2001-03-08 2002-09-20 Toshiba Corp Supporting device for controlling terminal pressure
JP2005135287A (en) 2003-10-31 2005-05-26 National Agriculture & Bio-Oriented Research Organization Prediction device, method, and program
WO2016067483A1 (en) 2014-10-28 2016-05-06 日本電気株式会社 Estimated result display system, estimated result display method and estimated result display program
WO2019189016A1 (en) 2018-03-28 2019-10-03 日本電気株式会社 Information processing device, information processing method, and program

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6797780B2 (en) * 2017-11-07 2020-12-09 株式会社東芝 Information processing equipment, information processing methods and programs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002268703A (en) 2001-03-08 2002-09-20 Toshiba Corp Supporting device for controlling terminal pressure
JP2005135287A (en) 2003-10-31 2005-05-26 National Agriculture & Bio-Oriented Research Organization Prediction device, method, and program
WO2016067483A1 (en) 2014-10-28 2016-05-06 日本電気株式会社 Estimated result display system, estimated result display method and estimated result display program
WO2019189016A1 (en) 2018-03-28 2019-10-03 日本電気株式会社 Information processing device, information processing method, and program

Also Published As

Publication number Publication date
JP2021068185A (en) 2021-04-30

Similar Documents

Publication Publication Date Title
JP2008154418A (en) Device and method for estimating state of distribution system, and program thereof
SG188534A1 (en) System and method for water distribution modelling
CN101871448B (en) New method and system for determining characteristic curve of water pump in pump station
US20190310159A1 (en) An improved system for estimating water flows at the boundaries of a sub-network of a water distribution network
JP6498976B2 (en) Estimation apparatus, estimation method, and computer program
WO2017051617A1 (en) Water leak diagnosing device, water leak diagnosing method, and computer program
EP3820037A1 (en) Systems and methods for controlling wind converters
KR101483241B1 (en) Method of diagnosing pump performance using thermodynamic flowmeters
WO2014115399A1 (en) Water leak estimating device, system, and method
Predescu et al. Real time implementation of IoT structure for pumping stations in a water distribution system
JP6338971B2 (en) Demand adjustment system
JP7463075B2 (en) Terminal pressure control support device, terminal pressure control support method, and computer program
JP2018073316A (en) Plant diagnostic system and diagnostic method
JP6893323B2 (en) Power generation equipment information estimation system and power generation equipment information estimation method
CN111443602B (en) Hidden Markov-based valve health degree estimation and life prediction method
CN112784381A (en) Simulation method and system for management of pipeline network
AU2019292449B2 (en) Power consumption estimation device
JP2018041156A (en) Water distribution pump control device, water distribution pump control method, water distribution pump control system and computer program
JP5909715B2 (en) Fuel use apparatus discriminating apparatus, flow rate measuring apparatus, gas meter, and fuel use apparatus discriminating method
JP4664842B2 (en) Energy plant optimal operation system and method, and program
KR20140119556A (en) System and method for setting a site of sensor in water distribution pipe network
KR20100071343A (en) Appratus and method for flow estimation using neural network and genetic algorithm
JPWO2019031371A1 (en) State analysis device, state analysis method and program
JP7182961B2 (en) Terminal pressure control support device, terminal pressure control support method and computer program
JP2014222424A (en) Water distribution controller and method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220719

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230606

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230807

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231024

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231225

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240227

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240327

R150 Certificate of patent or registration of utility model

Ref document number: 7463075

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150