JP2016184237A - 設備不良予測システム、設備不良予測装置、及び設備不良予測方法 - Google Patents
設備不良予測システム、設備不良予測装置、及び設備不良予測方法 Download PDFInfo
- Publication number
- JP2016184237A JP2016184237A JP2015063235A JP2015063235A JP2016184237A JP 2016184237 A JP2016184237 A JP 2016184237A JP 2015063235 A JP2015063235 A JP 2015063235A JP 2015063235 A JP2015063235 A JP 2015063235A JP 2016184237 A JP2016184237 A JP 2016184237A
- Authority
- JP
- Japan
- Prior art keywords
- data
- equipment
- transformer
- inspection target
- failure prediction
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
【解決手段】ともにネットワーク2に接続可能な、設備不良予測装置3及び複数のスマートメータ(12A〜12D)と、複数のスマートメータに情報を提供する変圧器(11A,11B)と、を有し、スマートメータは、変圧器から提供される情報を数値化した定量データを、ネットワーク2を介して設備不良予測装置3に送信し、設備不良予測装置3は、送信された定量データをデータベース121に蓄積し、さらに、データベース121に蓄積された定量データから算出する統計量を用いて、変圧器における不良の発生を予測することを特徴とする設備不良予測システム1。
【選択図】図1
Description
本発明の実施例に係る設備不良予測システム1は、設備の状態を示す情報(設備データ)、設備が設置される環境の情報(設置環境データ)、設備の巡視点検で得られる情報(点検履歴データ)などの定性的なデータと、各家屋(第1家屋Hm1,第2家屋Hm2,第3家屋Hm3,第4家屋Hm4)に設置される端末装置としてのスマートメータ(第1スマートメータ12A,第2スマートメータ12B,第3スマートメータ12C,第4スマートメータ12D)等から得られる電力量等の定量的なデータを組み合わせて設備(本実施例では、第1変圧器11A,第2変圧器11B)の点検結果(不良の発生)を予測する設備不良予測システム1である。
なお、ネットワーク2は、インターネット網など汎用のネットワークであってもよいし、設備不良予測システム1のための専用のネットワーク(WAN:Wide Area Networkなど)であってもよい。
2つの地域は、塩害が発生しやすい地域か否か、豪雪地帯か否か、など、電力配電設備に影響を与える環境の違いで区分されている。本実施例では、塩害が発生しやすい地域か否かで区分される一例を示し、Area2は海岸沿いなど塩害が発生しやすい地域、Area1は内陸部など塩害が発生しにくい地域とする。
第3電柱10Cには第2変圧器11Bが備わっている。第2変圧器11Bは第2電線C2における電圧を、家屋(第3家屋Hm3,第4家屋Hm4)に配電する電圧に変圧する。第2変圧器11Bで変圧された電力が第3電柱10Cから2つの家屋(第3家屋Hm3と第4家屋Hm4)に配電される。
なお、第1変圧器11Aや第2変圧器11Bから配電される家屋の数は限定されない。第1変圧器11Aや第2変圧器11Bから3つ以上の家屋に配電される構成であってもよい。
また、第1スマートメータ12A〜第4スマートメータ12Dは、それぞれ第1家屋Hm1〜第4家屋Hm4に配電される電力の電圧(電圧値)と電流(電流値)を計測可能に構成される。例えば、第1スマートメータ12Aは、第1家屋Hm1に配電される電力の電圧と電流を計測可能に構成される。
本実施例において、第1スマートメータ12A〜第4スマートメータ12Dは、ネットワーク2に接続され、さらに、ネットワーク2を介して設備不良予測装置3に接続される端末装置になる。
図2はデータベースの構成を示すブロック図である。
図2に示すように、データベース121は、設備データ200、点検履歴データ201、設置環境データ202、計測データ203、計測統計量データ204を含んで構成される。
点検履歴データ201は、第1変圧器11Aと第2変圧器11Bを点検担当者が巡視点検したときに取得した情報を含む。
設置環境データ202は、第1変圧器11Aと第2変圧器11Bが設置される環境の情報を含む。本実施例において設置環境データ202は、第1変圧器11Aが設置されるArea1(図1参照)の環境に関する情報と、第2変圧器11Bが設置されるArea2(図1参照)の環境に関する情報とを含む。
計測統計量データ204は、計測データ203から算出される統計量を含んで構成される。計測統計量データ204に含まれる統計量は、設備不良予測装置3のCPU115(図1参照)が計測データ203から算出する。
図2に示す設備データ200には、設備対応データ200a(図3の(a)参照)と、径間データ200b(図3の(b)参照)と、機器情報データ200c(図3の(c)参照)と、が含まれている。
本実施例では、第1スマートメータ12A(図1参照)のメータIDを「SM_A」、第2スマートメータ12B(図1参照)のメータIDを「SM_B」、第3スマートメータ12C(図1参照)のメータIDを「SM_C」、第4スマートメータ12D(図1参照)のメータIDを「SM_D」とする。
また、第1変圧器11A(図1参照)のトランスIDを「Tr_A」、第2変圧器11B(図1参照)のトランスIDを「Tr_B」とする。
本実施例では、各電柱(第1電柱10A〜第4電柱10D)に電柱IDを付与する。第1電柱10Aの電柱IDを「P_A」、第2電柱10Bの電柱IDを「P_B」、第3電柱10Cの電柱IDを「P_C」、第4電柱10Dの電柱IDを「P_D」とする。
そして、径間データ200bでは、径間IDに対応する始点側の電柱IDと終点側の電柱IDが設定されている。
なお、機器情報データ200cにおける耐塩区分は、塩害に対する耐久性を示す情報であり、例えば、「耐塩」と設定されている変圧器は、塩害に対して耐久性を有する構造になっていることを示す。
図2に示す計測データ203には、スマートメータデータ203a(図4の(a)参照)と、機器対応付けデータ203b(図4の(b)参照)と、が含まれている。
スマートメータデータ203aは、第1スマートメータ12A〜第4スマートメータ12D(図1参照)から送信される実測値を含むデータ(定量データD2)である。なお、送信日時は、設備不良予測装置3(図1参照)が、各スマートメータから送信される実測値を受信した日時であってもよいし、各スマートメータが実測値を送信した日時であってもよい。各スマートメータが実測値を送信した日時とする場合、当該日時が実測値に含まれていることが好ましい。
図4の(b)に示すデータ群「DTtr1」は、図1に示す第1変圧器11A(トランスID:Tr_A)に関するデータで構成されるデータ群であり、実測値が送信された送信日時(2014年5月6日12時30分)と、電力量(4500Wh)と、電圧(100V)と、電流(45A)と、を示している。また、図4の(b)に示すデータ群「DTtr2」は、図1に示す第2変圧器11B(トランスID:Tr_B)に関するデータで構成されるデータ群であり、実測値が送信された送信日時(2014年5月6日12時30分)と、電力量(5300Wh)と、電圧(100V)と、電流(53A)と、を示している。
また、第4電柱10Dと第3電柱10Cが第2径間(径間ID:SPAN_2)の間隔で配置されて第2電線C2を支持している。第2変圧器11Bは第3電柱10Cに備わり、第3家屋Hm3と第4家屋Hm4に電力を配電している。第3家屋Hm3には第3スマートメータ12Cが設置され、第4家屋Hm4には第4スマートメータ12Dが設置されている。
設備データ200(図2参照)に含まれる設備対応データ200a(図3の(a)参照)と径間データ200b(図3の(b)参照)は、図1に示す各設備の配置をメータID、トランスID、径間ID、及び電柱IDで対応付けている。
Ptr(Tr_A)=Pmt(SM_A)+Pmt(SM_B)・・・(1A)
Vtr(Tr_A)=Vmt(SM_A)=Vmt(SM_B)・・・(1B)
Itr(Tr_A)=Imt(SM_A)+Imt(SM_B)・・・(1C)
同様に、第2変圧器11Bに関する実測値は次式2A〜式2Cで示される。
Ptr(Tr_B)=Pmt(SM_C)+Pmt(SM_D)・・・(2A)
Vtr(Tr_B)=Vmt(SM_C)=Vmt(SM_D)・・・(2B)
Itr(Tr_B)=Imt(SM_C)+Imt(SM_D)・・・(2C)
また、式1A,式2AにおけるPmtは、カッコ内に表記されたメータIDに対応するスマートメータが計測した電力量を示す。つまり、式1AにおけるPmt(SM_A),Pmt(SM_B)は、それぞれ第1スマートメータ12A,第2スマートメータ12Bが計測した電力量を示す。同様に、式2AにおけるPmt(SM_C),Pmt(SM_D)は、それぞれ第3スマートメータ12C,第4スマートメータ12Dが計測した電力量を示す。
また、式1B,式2BにおけるVmtは、カッコ内に表記されたメータIDに対応するスマートメータが計測した電圧を示す。つまり、式1BにおけるVmt(SM_A),Vmt(SM_B)は、それぞれ第1スマートメータ12A,第2スマートメータ12Bが計測した電圧を示す。同様に、式2BにおけるVmt(SM_C),Vmt(SM_D)は、それぞれ第3スマートメータ12C,第4スマートメータ12Dが計測した電圧値を示す。
また、式1C,式2CにおけるImtは、カッコ内に表記されたメータIDに対応するスマートメータが計測した電流を示す。つまり、式1CにおけるImt(SM_A),Imt(SM_B)は、それぞれ第1スマートメータ12A,第2スマートメータ12Bが計測した電流を示す。同様に、式2CにおけるImt(SM_C),Imt(SM_D)は、それぞれ第3スマートメータ12C,第4スマートメータ12Dが計測した電流を示す。
そして、スマートメータデータ203aの電力量として、メータIDに対応した式1A,式2Aにおける「Pmt」が設定され、電圧として、メータIDに対応した式1B,式2Bにおける「Vmt」が設定され、電流として、メータIDに対応した式1C,式2Cにおける「Imt」が設定される。
また、機器対応付けデータ203bの電力量として、トランスIDに対応した式1A,式2Aで算出される「Ptr」が設定され、電圧として、トランスIDに対応した式1B,式2Bで算出される「Vtr」が設定され、電流として、トランスIDに対応した式1C,式2Cで算出される「Itr」が設定される。
図5に示すように、計測統計量データ204は、トランスIDと、最大電力及び最小電力と、需要の伸びと、総電力量とを含む。本実施例において、計測統計量データ204に含まれる、最大電力及び最小電力、需要の伸び、総電力量は1年ごと(年度ごと)の統計とする。なお、計測統計量データ204は1年ごとの統計に限定されず、半期ごとや季節ごとの統計であってもよい。また、最大電力や最小電力に替わって所定期間(例えば1年間)における電力量の平均を含んだ計測統計量データ204であってもよい。
なお、最大電力及び最小電力は、該当する期間に各変圧器から配電された電力の最大値及び最小値である。また、需要の伸びは、該当する期間と、その前の期間と、における総電力量の差を示す。例えば、2008年における需要の伸びは、前年(2007年)から2008年までの総電力量の変化を示す。また、総電力量は該当する期間における電力量の総計である。
図6に示すように、本実施例の点検履歴データ201は、点検日時と、点検機器と、点検結果と、不良の状況とを含む。点検機器は点検担当者によって巡視点検される機器であり、本実施例では図1に示す第1変圧器11Aと第2変圧器11Bが含まれる。そして、点検機器が変圧器の場合、点検機器としてトランスIDが設定される。
また、点検履歴データ201の構成は、図6に示す構成に限定されず、点検結果に関する情報が適宜含まれるものとすればよい。
設置環境データ202は、設備不良予測システム1(図1参照)が管理する電力配電設備が設置される地域(設置エリア)の情報(環境属性)を管理するデータであり、本実施例では、塩害、雷害、風害などの項目を含んでいる。
図7に示す設置環境データ202は、Area1(図1参照)が、塩害が無く、雷害が多発し、かつ、強風による影響が大きいことを示し、Area2(図1参照)が、塩害が発生しやすく、雷害が発生しにくく、かつ、強風による影響がほとんどないことを示している。
なお、設置環境データ202の構成は、図7に示す構成に限定されず、電力配電設備に影響を与える環境属性に関する情報が適宜含まれたものとすればよい。
図8に示すフローチャートにもとづいて、設備不良予測システム1(図1参照)による予測の手順を説明する(適宜図1〜7参照)。
なお、図8に示す手順において、ステップS1は第1スマートメータ12A〜第4スマートメータ12Dが実行して設備不良予測装置3に実測値を送信する手順であり、ステップS2以降の手順は、設備不良予測装置3のCPU115が、不良予測プログラム117を実行することで実施する手順である。
CPU115は、ステップS2で作成した機器対応付けデータ203bに示される変圧器ごとの実測値にもとづいて統計量(最大電力,最小電力,需要の伸び,総電力量)を算出し、計測統計量データ204を生成してデータベース121に蓄積する。
最大電力は、対象とする期間内に各変圧器から配電される電力の最大値とし、最小電力は、対象とする期間内に各変圧器から配電される電力の最小値とする。
また、総電力量は、機器対応付けデータ203bに記載される電力量を全て積算した値とし、需要の伸びは、対象とする期間における総電力量と、その前の期間における総電力量の差とする。
なお、計測統計量データ204に含まれる統計量は、前記した最大電力,最小電力,需要の伸び,総電力量に限定されない。例えば、平均電力量や電圧変動量などが統計量に含められる構成であってもよい。
例えば、点検日時が2010年の場合、前年度需要の伸びの項には、2009年度における需要の伸びが設定され、2年前需要の伸びの項には、2008年度における需要の伸びが設定される。
図9に示す予測データテーブル300のデータ群「TB1」は、第1変圧器11Aの点検履歴データ201をベースとするデータ群であり、第1変圧器11AのトランスID(Tr_A)をキーとして、点検履歴データ201と計測統計量データ204と設備データ200(機器情報データ200c)とが対応付けられている。また、設置エリア(Area1)をキーとして、機器情報データ200cに設置環境データ202が対応付けられている。
このようにして、点検履歴データ201と、機器情報データ200cと、計測統計量データ204と、設備データ200と、設置環境データ202と、が対応付けられる。
このようにして、点検履歴データ201と、設備データ200(機器情報データ200c)と、計測統計量データ204と、設置環境データ202と、が対応付けられて予測データテーブル300が生成される。
図10は、予測データテーブル300に含まれる計測統計量データ204の前年度需要の伸びをカテゴリ分けする一例を示している。
図10に示す一例では、機器数(本実施例では、変圧器の数)がほぼ均等になるように、前年度需要の伸びの数値範囲を設定する。そして、設定された数値範囲を1つのカテゴリとする。前年度需要の伸び(定量データD2)が、新たに設定されたカテゴリに分類されることによってカテゴリ分けされ、定性データD1として扱えるようになる。
このように、CPU115は、統計量である前年度需要の伸びを数値範囲でカテゴリ分けする。
CPU115は、ステップS4で構成した予測データテーブル300に含まれる各データ群を構成するデータを予測用データとする。
本実施例の予測データテーブル300は、図11の(a)に示すように、点検結果にもとづいて「良」と「不良」に分類されている。そして、図11の(b)の左側にイメージで示すように、点検結果の「良」と「不良」に対応付けられたデータ群が分布している。図11の(b)では点検結果が「良」のデータ群を黒い丸で示し、点検結果が「不良」のデータ群を黒い三角で示している。例えば、データ群「TB1」は黒い三角の一つであり、データ群「TB2」は黒い丸の一つである。
CPU115は、数量化理論2類にもとづいて設定される判別式301で決定される所定の係数を予測用データ(データ群を構成するデータ)に掛け合わせて、予測用データを重み付けする。このとき、CPU115は、予測データテーブル300に含まれる各データ群が点検結果の「良」と「不良」で分類されるように、予測用データの重み付け(係数)を決定する。予測用データの係数は、過去の巡視点検の実績から、どのような状況、状態の機器に「不良」という判断がなされているかを統計的に分析した結果にもとづいて設定され、これによって判断基準となる判別式301が構築される。
図12に一例を示す判別式301の係数は、正値が「不良」と判定する傾向にあることを示し、負値が「良」と判定する傾向にあることを示す。また、正値が大きいほど「不良」と判定する傾向が強く、負値が大きいほど「良」と判定する傾向が強くなることを示す。
なお、入力されるサンプルデータ400は、図10に示す予測データテーブル300に含まれるデータを含んでいることが好ましい。
点検担当者は、第1変圧器11A(図1参照)の点検結果を予測したい場合、第1変圧器11AのトランスID(Tr_A)を設備不良予測装置3に入力する。
CPU115は、機器情報データ200c(図3の(c)参照)から第1変圧器11Aの製造年月日を抽出して現在の経年を算出する(図13の(a)に示す一例では24年)。また、CPU115は、機器情報データ200cから第1変圧器11Aの耐塩区分(普通)、設置エリア(Area1)、製造メーカ(メーカA)などの情報を抽出する。またCPU115は設置環境データ202(図7参照)から、第1変圧器11Aの設置エリア(Area1)に対応する塩害(無)、雷害(強雷地域)、風害(強風地域)を抽出する。さらにCPU115は、計測統計量データ204(図5参照)から、第1変圧器11Aの前年度需要の伸びや2年前需要の伸びを算出する。前年度需要の伸びは、現時点の前年度のデータにもとづいて算出される。同様に、2年前需要の伸びは、現時点の2年前のデータにもとづいて算出される。
また、図13の(b)に白丸で示すように、データ群SP2が判別式301に対して「良」の領域にあると、CPU115は、第2変圧器11B(図1参照)の点検結果を「良」と予測する。つまり、CPU115は、第2変圧器11Bに不良が発生しないと予測する。
したがって、CPU115は、計測統計量データ204(統計量)と、点検履歴データ201と、機器情報データ200cと、設置環境データ202と、を用いて第1変圧器11A及び第2変圧器11Bの点検結果(不良の発生)を予測することができる。
そしてCPU115は、これらの重み付けに応じ、図13の(b)に示すように判別式301によって「良」と「不良」に分類し、「不良」に分類されたデータ群(図13の(b)に示す一例ではデータ群「SP1」)に対応する変圧器(図13の(a)に示す一例では第1変圧器11A)に不良が発生すると予測する。
また、CPU115は、各スマートメータから送信される実測値を集約して変圧器に対応付けて統計量を算出する。
さらに、CPU115は、定性データD1(図2参照)としてデータベース121に蓄積されている点検履歴データ201(図2参照)と、機器情報データ200c(図3の(c)参照)と、設置環境データ202(図2参照)と、を用いて変圧器における点検結果(不良の発生)を予測する。
また、ある実施例の構成の一部を他の実施例の構成に置き換えることも可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。
もちろん、設備不良予測装置3(CPU115)で点検結果を予測する対象の変圧器の数も2つに限定されず、設備不良予測装置3(CPU115)が3つ以上の変圧器について点検結果を予測する構成であってもよい。また、1つの変圧器が配電する家屋(第1家屋Hm1〜第4家屋Hm4)の数も2つに限定されない。1つの変圧器から3つ以上の家屋に電力が配電される構成であってもよい。この場合、それぞれの家屋にスマートメータが設置されていることが好ましい。
2 ネットワーク
3 設備不良予測装置
11A 第1変圧器(点検対象設備)
11B 第2変圧器(点検対象設備)
12A 第1スマートメータ(端末装置)
12B 第2スマートメータ(端末装置)
12C 第3スマートメータ(端末装置)
12D 第4スマートメータ(端末装置)
115 CPU(制御部)
118 ネットワークインタフェース(インタフェース部)
121 データベース
121a データ記憶装置
200c 機器情報データ
201 点検履歴データ
202 設置環境データ
204 計測統計量データ(統計量)
301 判別式
D1 定性データ
D2 定量データ
Claims (14)
- ネットワークに接続可能な設備不良予測装置と、
データベースを保存するデータ記憶装置と、
前記ネットワークに接続可能な複数の端末装置と、を有し、
前記端末装置は、
点検対象設備から提供される情報を数値化した定量データを、前記ネットワークを介して前記設備不良予測装置に送信し、
前記設備不良予測装置は、
送信された前記定量データを前記データベースに蓄積し、さらに、前記データベースに蓄積された前記定量データから算出する統計量を用いて、前記点検対象設備における不良の発生を予測することを特徴とする設備不良予測システム。 - 前記設備不良予測装置は、複数の前記端末装置から送信される前記定量データを集約して前記点検対象設備に対応付けし、
前記点検対象設備に対応付けられた前記定量データから前記統計量を算出することを特徴とする請求項1に記載の設備不良予測システム。 - 前記設備不良予測装置は、前記点検対象設備の点検により得られた点検履歴データを定性データとして有し、
前記統計量に加えて前記点検履歴データを用いて前記点検対象設備における不良の発生を予測することを特徴とする請求項1又は請求項2に記載の設備不良予測システム。 - 前記設備不良予測装置は、前記点検対象設備の情報を含む機器情報データと、前記点検対象設備が設置される環境の環境情報を含む設置環境データと、を定性データとして有し、
前記統計量と前記点検履歴データに加えて、前記機器情報データと前記設置環境データとを用いて前記点検対象設備における不良の発生を予測することを特徴とする請求項3に記載の設備不良予測システム。 - 前記設備不良予測装置は、
前記点検対象設備に対応付けられた前記定量データから算出された前記統計量を数値範囲でカテゴリ分けし、
前記カテゴリに対応して前記点検対象設備における不良の発生を予測することを特徴とする請求項2から請求項4までのいずれか1項に記載の設備不良予測システム。 - 前記設備不良予測装置は、
前記点検対象設備に対応付けられた前記定量データから算出された前記統計量を数値範囲でカテゴリ分けし、
数量化理論2類にもとづいた判別式で前記カテゴリと前記機器情報データと前記設置環境データとを重み付けし、
前記カテゴリの重み付けと前記機器情報データの重み付けと前記設置環境データの重み付けとに応じて前記点検対象設備における不良の発生を予測することを特徴とする請求項4に記載の設備不良予測システム。 - ネットワークに接続するためのインタフェース部と、
データベースを保存するデータ記憶装置と、
制御部と、を有し、
点検対象設備から情報が提供されるとともに提供された前記情報を数値化して定量データを生成する複数の端末装置と前記ネットワークを介して接続され、
前記制御部は、複数の前記端末装置から送信される前記定量データを前記データベースに蓄積し、前記データベースに蓄積された前記定量データから統計量を算出し、
さらに、算出した前記統計量を用いて、前記点検対象設備における不良の発生を予測することを特徴とする設備不良予測装置。 - 前記制御部は、複数の前記端末装置から送信される前記定量データを集約して前記点検対象設備に対応付けし、
前記点検対象設備に対応付けられた前記定量データから前記統計量を算出することを特徴とする請求項7に記載の設備不良予測装置。 - 前記データベースには、前記点検対象設備の点検により得られた点検履歴データが定性データとして蓄積され、
前記制御部は、
前記統計量に加えて前記点検履歴データを用いて前記点検対象設備における不良の発生を予測することを特徴とする請求項7又は請求項8に記載の設備不良予測装置。 - 前記データベースに、前記点検対象設備の情報を含む機器情報データと、前記点検対象設備が設置される環境の環境情報を含む設置環境データと、が定性データとして蓄積され、
前記制御部は、
前記統計量と前記点検履歴データに加えて、前記機器情報データと前記設置環境データとを用いて前記点検対象設備における不良の発生を予測することを特徴とする請求項9に記載の設備不良予測装置。 - 前記制御部は、
前記点検対象設備に対応付けられた前記定量データから算出された前記統計量を数値範囲でカテゴリ分けし、
前記カテゴリに対応して前記点検対象設備における不良の発生を予測することを特徴とする請求項8から請求項10までのいずれか1項に記載の設備不良予測装置。 - 前記制御部は、
前記点検対象設備に対応付けられた前記定量データから算出された前記統計量を数値範囲でカテゴリ分けし、
数量化理論2類にもとづいた判別式で前記カテゴリと前記機器情報データと前記設置環境データとを重み付けし、
前記カテゴリの重み付けと、前記機器情報データの重み付けと、前記設置環境データの重み付けと、に応じて前記点検対象設備における不良の発生を予測することを特徴とする請求項10に記載の設備不良予測装置。 - ネットワークに接続するためのインタフェース部と、
データベースを保存するデータ記憶装置と、を有し、
点検対象設備から情報が提供されるとともに提供された前記情報を数値化して定量データを生成する複数の端末装置と前記ネットワークを介して接続されている設備不良予測装置の制御部が実行し、
複数の前記端末装置から送信される前記定量データを前記データベースに蓄積する手順と、
前記データベースに蓄積された前記定量データを集約して前記点検対象設備に対応付ける手順と、
前記点検対象設備に対応付けられた前記定量データから統計量を算出する手順と、
算出した前記統計量を数値範囲でカテゴリ分けする手順と、
数量化理論2類にもとづいた判別式で前記カテゴリを重み付けする手順と、を有し、
前記カテゴリの重み付けに応じて前記点検対象設備における不良の発生を予測することを特徴とする設備不良予測方法。 - 前記点検対象設備の情報を含んでいて前記データベースに蓄積されている機器情報データを、数量化理論2類にもとづいた判別式で重み付けする手順と、
前記点検対象設備が設置される環境の環境情報を含んでいて前記データベースに蓄積されている設置環境データを、数量化理論2類にもとづいた判別式で重み付けする手順と、をさらに有し、
前記制御部が、前記カテゴリの重み付けに加えて、前記機器情報データの重み付けと、前記設置環境データの重み付けと、に応じて前記点検対象設備における不良の発生を予測することを特徴とする請求項13に記載の設備不良予測方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015063235A JP6343245B2 (ja) | 2015-03-25 | 2015-03-25 | 設備不良予測システム、設備不良予測装置、及び設備不良予測方法 |
US15/080,758 US20160282400A1 (en) | 2015-03-25 | 2016-03-25 | Equipment failure prediction system, equipment failure prediction device and equipment failure prediction method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015063235A JP6343245B2 (ja) | 2015-03-25 | 2015-03-25 | 設備不良予測システム、設備不良予測装置、及び設備不良予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016184237A true JP2016184237A (ja) | 2016-10-20 |
JP6343245B2 JP6343245B2 (ja) | 2018-06-13 |
Family
ID=56974034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015063235A Active JP6343245B2 (ja) | 2015-03-25 | 2015-03-25 | 設備不良予測システム、設備不良予測装置、及び設備不良予測方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20160282400A1 (ja) |
JP (1) | JP6343245B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018190304A (ja) * | 2017-05-10 | 2018-11-29 | 株式会社日立製作所 | 点検支援装置、点検支援方法、および点検支援プログラム |
JP2019032761A (ja) * | 2017-08-09 | 2019-02-28 | 河村電器産業株式会社 | キュービクル管理システム |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358017A (zh) * | 2017-05-24 | 2017-11-17 | 国网北京市电力公司 | 数据处理方法和装置 |
EP3704646A1 (en) * | 2017-10-31 | 2020-09-09 | Nordson Corporation | Systems and methods for adaptive preventative maintenance in liquid dispensing systems and related equipment |
US20190266682A1 (en) * | 2018-02-27 | 2019-08-29 | United States Of America As Represented By The Secretary Of The Army | Calculating value of inspection information |
CN111983359B (zh) * | 2020-08-24 | 2021-07-02 | 西南交通大学 | 一种雷击下的输电杆塔状态监测与评估方法 |
CN115345485B (zh) * | 2022-08-17 | 2023-04-18 | 珠海爱浦京软件股份有限公司 | 基于大数据的智能工厂设备数据分析管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005261152A (ja) * | 2004-03-15 | 2005-09-22 | Toshiba Corp | 配電系統監視制御システム、系統監視機能付電力量計 |
JP2008001233A (ja) * | 2006-06-22 | 2008-01-10 | Mazda Motor Corp | 遠隔故障診断システム |
JP2009251822A (ja) * | 2008-04-03 | 2009-10-29 | Toshiba Corp | 複合診断・保守計画支援システム及びその支援方法 |
US20090281673A1 (en) * | 2008-05-09 | 2009-11-12 | Taft Jeffrey D | Method and system for managing a power grid |
JP2010097392A (ja) * | 2008-10-16 | 2010-04-30 | Chugoku Electric Power Co Inc:The | 設備劣化予測システムおよび設備劣化予測方法 |
WO2012066651A1 (ja) * | 2010-11-17 | 2012-05-24 | 株式会社日立製作所 | 電力管理システム及び電力管理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4931951A (en) * | 1987-05-08 | 1990-06-05 | Mitsubishi Denki Kabushiki Kaisha | Method for generating rules for an expert system for use in controlling a plant |
US8744638B2 (en) * | 2009-09-11 | 2014-06-03 | General Electric Company | Method and system for demand response in a distribution network |
-
2015
- 2015-03-25 JP JP2015063235A patent/JP6343245B2/ja active Active
-
2016
- 2016-03-25 US US15/080,758 patent/US20160282400A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005261152A (ja) * | 2004-03-15 | 2005-09-22 | Toshiba Corp | 配電系統監視制御システム、系統監視機能付電力量計 |
JP2008001233A (ja) * | 2006-06-22 | 2008-01-10 | Mazda Motor Corp | 遠隔故障診断システム |
JP2009251822A (ja) * | 2008-04-03 | 2009-10-29 | Toshiba Corp | 複合診断・保守計画支援システム及びその支援方法 |
US20090281673A1 (en) * | 2008-05-09 | 2009-11-12 | Taft Jeffrey D | Method and system for managing a power grid |
JP2010097392A (ja) * | 2008-10-16 | 2010-04-30 | Chugoku Electric Power Co Inc:The | 設備劣化予測システムおよび設備劣化予測方法 |
WO2012066651A1 (ja) * | 2010-11-17 | 2012-05-24 | 株式会社日立製作所 | 電力管理システム及び電力管理方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018190304A (ja) * | 2017-05-10 | 2018-11-29 | 株式会社日立製作所 | 点検支援装置、点検支援方法、および点検支援プログラム |
JP2019032761A (ja) * | 2017-08-09 | 2019-02-28 | 河村電器産業株式会社 | キュービクル管理システム |
JP7141818B2 (ja) | 2017-08-09 | 2022-09-26 | 河村電器産業株式会社 | キュービクル管理システム |
Also Published As
Publication number | Publication date |
---|---|
JP6343245B2 (ja) | 2018-06-13 |
US20160282400A1 (en) | 2016-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6343245B2 (ja) | 設備不良予測システム、設備不良予測装置、及び設備不良予測方法 | |
JP6301791B2 (ja) | 配電網の故障予兆診断システムおよびその方法 | |
KR101683256B1 (ko) | 전력 설비 자산 관리 시스템 및 방법 | |
CN110311709B (zh) | 用电信息采集系统故障判别方法 | |
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN104834305B (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
CN111339661A (zh) | 一种高压电缆巡检周期自动规划方法 | |
CN116399402B (zh) | 一种用于生态环境监测的无线传感器的故障预警系统 | |
CN115372881B (zh) | 一种电压互感器计量误差评估方法及系统 | |
CN111610483A (zh) | 台区识别方法与台区识别系统 | |
Zhou et al. | Entropy Weight Health Index method of power transformer condition assessment | |
JP6005318B2 (ja) | 発電量評価装置、発電量評価方法および発電量評価プログラム | |
Davidenko et al. | Analysis of the modern methods of the power transformers health index calculation | |
CN112507290B (zh) | 配电设备故障概率预判方法、装置及存储介质 | |
Davidenko et al. | An algorithm for prioritizing the maintenance of power transformers | |
Hofmann et al. | Developing indicators for monitoring vulnerability of power lines-case studies | |
CN112307652A (zh) | 基于平均剩余寿命重要度的复杂装备系统快速维修方法 | |
Rosenlind et al. | Prerequisites for transformer lifetime modeling towards a better understanding | |
Rui et al. | Failure risk assessment method of electric energy meter based on state evaluation | |
CN104361422A (zh) | 一种基于经济评估的电力用户电能质量数据收集方法 | |
CN106779265B (zh) | 一种基于电力智能移动终端在线状态安全性检测方法 | |
CN115759761B (zh) | 一种用于电能计量装置的运行数据智能管理系统 | |
CN114089257B (zh) | 一种电能表烧表在线监测方法、系统及介质 | |
Du et al. | Electric energy meter condition assessment based on fuzzy analytic hierarchy process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180306 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180403 |
|
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: 20180515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180518 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6343245 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |