JP2017157072A - 異常検出装置、系統安定度監視装置、及びそのシステム - Google Patents

Abstract

【課題】時系列情報の異常検出の精度を保ちつつ高速化することによりインフラシステム運用を支援する。【解決手段】時系列情報の異常値を検出する異常検出装置であって、時系列情報を入力する入力部と、時系列情報の変化値を算出する変化値算出部と、変化値と正常判定基準値を入力とし、解析時間枠を決定する解析時間枠調整部と、解析時間枠の枠内における時系列情報についての統計処理により、最新の時系列情報の異常を判定し異常検出結果を与える統計型異常検出部を備えることを特徴とする。【選択図】図１

Description

本発明は、社会インフラシステム運用における時系列情報を使用する異常検出装置、系統安定度監視装置、及びそのシステムに関する。

社会インフラシステムの発展に伴い、デジタルシステム、通信システムが広く、多数導入されてきている。これらのシステムでは、各種の検出値などを定期的に入手して時系列情報を得、目的に応じて送信する形態が採用されている。この場合に、時系列情報には異常値を含むことが想定されることから、各種の異常検出技術が多種多様な分野で使われるようになってきた。

本技術分野の背景技術として、特許文献１には、時系列データに生じた微小な変動傾向を検出し、その検出を迅速に行う方法及び装置を提供することを目的として、「センサ１から読み込まれる時系列データをＡ／Ｄ変換して入力バッファ３に蓄え、メディアンフィルタ４により高周波ノイズを除去した後、変動傾向検知装置において、データの相対変化量から追加確信度を決定し、確信度結合関数を用いて最新の確信度を求め、確信度に対する閾値を用いることにより時系列データの微小変動傾向を検出する。」ことが記載されている。

また本技術分野の背景技術として、非特許文献１がある。非特許文献１では、統計学における分類化を用いることで異常検出を行う。

特開平５−７２００５号公報

Manikopoulos、 C.; Papavassiliou、 S.、 "Network intrusion and fault detection: a statistical anomaly approach、" in Communications Magazine、 IEEE 、 vol.40、 no.10、 pp.76-82、 Oct 2002

特許文献１では、信号処理における異常検出を趣旨とする。このため入力情報にメディアンフィルタ処理をした上で相対変化量から異常検出することで異常検出精度の向上をしている。しかし、異常検出精度の向上のため、メディアンフィルタにおける入力バッファを必要とし、結果として異常検出に遅延が生じる。

非特許文献１では、統計学における分類化を用いることで、高精度な異常検出をしている。しかし、分類化における演算処理は複雑なため、異常検出に遅延が生じる。

特許文献１と非特許文献１の手法は異常検出精度の向上はしているが異常検出速度が不足するため、インフラシステム運用のように異常検出速度が要求されるユースケースには向かない。

そこで本発明では、時系列情報の異常検出の精度を保ちつつ高速化することによりインフラシステム運用を支援する。具体的には、時系列情報の異常検出の精度を保ちつつ高速化することが可能な異常検出装置を提供する。さらには異常検出装置の具体的な利用場面として、系統安定度監視装置に適用することを提案する。また系統安定度監視装置を用いるに好適な系統安定度監視システムを提供する。

上記課題を解決するために、代表的な本発明の一つは、時系列情報の異常値を検出する異常検出装置であって、時系列情報を入力する入力部と、時系列情報の変化値を算出する変化値算出部と、変化値と正常判定基準値を入力とし、解析時間枠を決定する解析時間枠調整部と、解析時間枠の枠内における時系列情報についての統計処理により、最新の時系列情報の異常を判定し異常検出結果を与える統計型異常検出部を備えることを特徴とする。

また上記課題を解決するために、代表的な本発明の一つは、異常検出装置において求めた異常検出結果を利用する系統安定度監視装置であって、過去事例を保持する過去事例データベースと、過去の時系列情報を保有する過去時系列情報データベースと、異常検出装置において求めた異常検出結果を用いて、当該異常検出結果に類似する過去事例と、過去事例直後の時系列情報を抽出する類似性判定部とを備えることを特徴とする。

また系統安定度監視装置を、系統運用をするコントロールルームに備えることを特徴とする系統安定度監視システムとする。

本発明によれば、高精度で高速な異常検出によりリアルタイムの運用支援ができる。上記した以外の課題、構成及び効果は実施形態の説明により明らかにされる。

本発明の異常検出装置を系統安定度監視装置に適用したときの全体システム構成を示す図。 系統安定度監視装置１のハード構成と電力系統１２の全体構成例を示す図。 系統安定度監視装置１の計算処理内容の全体を示すフローチャートの例。 時系列情報Ｄ１の一例を示す図。 図３における変化値算出のフローチャートの例。 図５における変化値算出の出力例を示す図。 図３における解析時間枠調整のフローチャートの例。 図１における正常判定基準値データベースＤＢ２の一例を示す図。 解析時間枠調整処理により求められた解析時間枠の一例を示す図。 図３における線形手法による異常検出のフローチャートの例。 図１における統計基準値データベースＤＢ３の一例を示す図。 線形手法による異常検出の処理の流れを概念的に説明するための図。 線形手法による異常検出の出力の一例を示す図。 図３における検出結果補正処理のフローチャートの例。 図１における補正パラメータデータベースＤＢ４の一例を示す図。 異常検出結果補正の効果を説明するための図。 異常検出結果補正の必要性を説明するための図。 図３における類似性判定のフローチャートの例。 時系列情報の座標化の一例を説明するための図。 類似判定の効果の一例を説明するための図。 類似度判定動作の例を説明するための図。 図３における運用支援算出のフローチャートの例。 運用支援算出の実施方法の一例を説明するための図。 実施例１における表示部の一例を説明するための図。 系統安定度監視システムの例を示す図。 各パラメータを人工知能で算出した場合の構成図。 パラメータ算出人工知能のフローチャートの例を示す図。

以下、本発明の実施例について図面を用いて説明する。

実施例１は、本発明の異常検出装置を系統安定度監視装置に適用したときの全体システム構成を示す図である。

図１に示す系統安定度監視装置１は、少なくとも複数のデータベースＤＢ１１、ＤＢ１２、類似性判断部７及び運転支援算出部７、異常検出装置９を含んで構成されている。異常検出装置９は、系統安定度監視装置１で使用する各種の時系列的な入力の異常を検知し、異常情報の有無、及び修正した入力を与えるものである。

異常検出装置９は、複数のデータベースＤＢ２、ＤＢ３、ＤＢ４および複数の処理部により構成されている。異常検出装置９には、例えば電力系統各所で計測された電流、電圧などの値が時系列情報Ｄ１として入力されている。時系列情報Ｄ１の一例が図４に例示されており、これについて後述する。入力された時系列情報Ｄ１は、変化値算出部２において前回入力と今回入力の間での差分として変化値を算出される。変化値算出部２の処理内容と処理結果の一例が図５、図６に例示されており、これについて後述する。

正常判定基準値データベースＤＢ２には、正常判定基準値が予め記憶されており、解析時間枠調整部３において、前記変化値と正常判定基準値から解析時間枠を調整する。解析時間枠調整部３の処理内容と正常判定基準値と処理結果の一例が図７、図８、図９に例示されており、これについて後述する。

統計基準値データベースＤＢ３には、統計基準値が予め記憶されており、統計型異常検出部４において、統計基準値と解析時間枠から入力の異常検知を行う。統計型異常検出部４の処理内容と統計基準値と処理結果の一例が図１０ａ、図１０ｂ、図１１ａ、図１１ｂに例示されており、これについて後述する。

補正パラメータデータベースＤＢ４には、補正パラメータが予め記憶されており、異常検出結果補正部５において、異常検知結果と補正パラメータから異常検出結果の補正を行う。異常検出結果補正部５の処理内容と補正パラメータと処理結果の一例が図１２、図１３、図１４ａ、図１４ｂに例示されており、これについて後述する。補正結果は表示部８に表示される。

図１の異常検出装置９は上記のように構成されており、最終的に求められた補正結果は系統安定度監視装置１に送られて利用される。なお、系統安定度監視装置１の過去事例データベースＤＢ１２には過去事例が記憶されており、過去時系列情報データベースＤＢ１１には過去において検知した時系列情報（過去時系列情報）が記憶されている。

類似性判定部６は、異常検出装置９で求めた異常検出結果の補正結果と、過去事例データベースＤＢ１２の記憶内容と過去時系列情報データベースＤＢ１１の記憶内容を入力とし、異常検出装置９で求めた直近の異常発生事例と抽出した過去事例の類似性を判定する。類似性判定の処理内容と処理結果の一例が図１５、図１６ａ、図１６ｂ、図１７に例示されており、これについて後述する。

類似性判定結果を入力とする運用支援算出部７では、運用支援策を算出し、表示部８に各結果の１つ以上を表示する。運用支援算出部７での処理内容と処理結果の一例が図１８、図１９に例示され、表示部８における表示事例が図２０、図２１に例示されており、これらについて後述する。

図２は系統安定度監視装置１のハード構成と電力系統１２の全体構成例を示す図である。電力系統１２には計測器１０ａや計測器１０ｂが含まれ（以下、単に計測器１０という）、計測器１０は、電力系統における計測値を計測し、計測結果を時系列情報Ｄ１として、通信ネットワーク１１を介して、系統安定度監視装置１の通信部９２に送信する。系統安定度監視装置１が受信した計測値Ｄ１はメモリ９３に保持される。

ここで、計測器１０とは、ＰＭＵ（Ｐｈａｓｏｒ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔｓ）やＶＴ（Ｖｏｌｔａｇｅ Ｔｒａｎｓｆｏｍｅｒ）や、ＰＴ（Ｐｏｔｅｎｔｉａｌ Ｔｒａｎｓｆｏｍｅｒ）やＣＴ（Ｃｕｒｒｅｎｔ Ｔｒａｎｓｆｏｍｅｒ）やテレメータ（ＴＭ：Ｔｅｌｅｍｅｔｅｒ）などの電力系統に設置される計測機器や計測装置である。なお、計測器１０は、ＳＣＡＤＡ（Ｓｕｐｅｒｖｉｓｏｒｙ Ｃｏｎｔｒｏｌ Ａｎｄ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ）などの、電力系統に設置される計測値の集約装置であってもよい。

ここで、計測値である時系列情報Ｄ１は、計測器１０にて計測された電力系統に関するデータであり、ＧＰＳなどを利用した同期時刻付きの電力情報である電圧や電流のいずれか一つまたは複数である。なお、時系列情報Ｄ１は、データを識別するための固有番号と、タイムスタンプとを含んでもよい。

系統安定度監視装置１の構成について説明する。系統安定度監視装置１は、計算機システムとして構成されており、複数のデータベースＤＢ、ＣＰＵ９１、メモリ９３、通信部９２、入力部９４、表示部８、バス１３などにより構成されている。

複数のデータベースＤＢとしては、異常検出処理のために、正常判定基準値データベースＤＢ２、統計基準値データベースＤＢ３、補正パラメータデータベースＤＢ４、検出結果データベースＤＢ６、異常検出プログラムデータベースＤＢ１３が備えられている。また系統安定処理のために、類似性判定プログラムデータベースＤＢ７、運用支援プログラムデータベースＤＢ８、過去時系列情報データベースＤＢ１１、過去事例データベースＤＢ１２が備えられている。これらのデータベースＤＢ及び各種の構成機器は、バス１３を介して相互に接続されている。

なお表示部８は、ディスプレイ装置に代えて、またはディスプレイ装置と共に、プリンタ装置または音声出力装置等を用いる構成でもよい。

入力部９４は、例えば、キーボードスイッチ、マウス等のポインティング装置、タッチパネル、音声指示装置等の少なくともいずれか一つを備えて構成できる。入力部９４は、上記以外のユーザーインターフェースであってもよい。

通信部９２は、通信ネットワーク１１に接続するための回路及び通信プロトコルを備える。

ＣＰＵ９１は、各プログラムデータベースから所定のコンピュータプログラムを読み込んで実行する。ここで、各プログラムデータベースとは、異常検出プログラムデータベースＤＢ１３と、類似性判定プログラムデータベースＤＢ７と、運用支援プログラムデータベースＤＢ８と、を指す。ＣＰＵ９１は、一つまたは複数の半導体チップとして構成してもよいし、または、計算サーバのようなコンピュータ装置として構成してもよい。

メモリ９３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）として構成され、各プログラムデータベースから読み出されたコンピュータプログラムを記憶したり、各処理に必要な計算結果データ及び画像データ等を記憶したりする。メモリ９３に格納された画面データは、表示部８に送られて表示される。

ここで、各プログラムデータベースの記憶内容を説明する。まず異常検出プログラムデータベースＤＢ１３には、異常検出に必要な各プログラムが記憶されている。異常検出に必要な各プログラムとは、変化値算出プログラムＰｒ２、解析時間枠調整プログラムＰｒ３、統計型異常検出プログラムＰｒ４、異常検出結果補正プログラムＰｒ５の、１つ以上のことである。類似性判定プログラムデータベースＤＢ７には、入力データから類似過去事例と過去時系列情報を抽出するプログラムが記憶されている。運用支援算出プログラムデータベースＤＢ８には、類似過去事例に基づいて運用支援をするプログラムが記憶されている。

ＣＰＵ９１では、各プログラムデータベースからメモリ９３に読み出された各計算プログラムを実行して、変化値算出、解析時間枠調整、統計型異常検出、異常検出結果補正、類似性判定、運用支援算出、表示すべき画像データの指示、各種データベース内のデータの検索等などを演算処理する。

メモリ９３は、時系列情報Ｄ１、表示用の画像データ、計算結果データ等の計算一時データ及び計算結果データなどを一旦格納するメモリであり、ＣＰＵ９１によって必要な画像データを生成して表示部８（例えば表示ディスプレイ画面）に表示する。演算処理においては、メモリ９３の物理メモリを使用するが、仮想メモリを使ってもよい。

系統安定度監視装置１には、上記したように大きく分けて８つのデータベースが格納されている。このうちプログラムデータベースＤＢ７、ＤＢ８、ＤＢ１３を除く、他のデータベースの記憶内容は概略以下のようである。

正常判定基準値データベースＤＢ２は解析時間枠調整用の基準値を蓄積し、統計基準値データベースＤＢ３は統計基準値を蓄積し、補正パラメータデータベースＤＢ４は検出結果補正用のパラメータを蓄積し、過去時系列情報データベースＤＢ１１は過去の時系列情報を蓄積し、過去事例データベースＤＢ１２は過去の異常検出結果を蓄積している。各データの例については後述する。

次に系統安定度監視装置１の計算処理内容について図３を用いて説明する。図３は、系統安定度監視装置１の処理全体を示すフローチャートの例である。処理ステップＳ１から処理ステップＳ８について、内容を説明する。

まず、処理ステップＳ１では、時系列情報Ｄ１をメモリ９３から読み込む。ここで、図４を用いて入力される時系列情報Ｄ１について説明する。図４の例では、２０１６年１月２３日の１７時００分１２秒以後の３３．３ミリ秒単位で入力した時系列情報Ｄ１として、電力系統の電圧と周波数の変化事例を示している。

本実施例では時系列情報Ｄ１は電力系統における計測値、つまりＰＭＵの計測値などを用いるものとする。時系列に沿って情報が蓄積されているのなら、ＰＭＵの計測値などではなくＳＣＡＤＡの計測値でもよく、図４のように各時間断面について複数情報が蓄積されていてもよく、欠損データがあってもよく、また電力系統の情報以外の情報でもよい。また、この時系列情報Ｄ１は一列ずつストリーミング形式で読み込まれてもよい。図４の実施例の場合、ＰＭＵデータにおけるＶｏｌｔａｇｅ（電圧）とＦｒｅｑｕｅｎｃｙ（周波数）に重点を置き、リアルタイム運用のためそれらがストリーミング形式で入力されることを前提とする。つまり、系統運用において計測値がストリーミングに入力される前提である。

図３に戻り、処理ステップＳ２では時系列情報Ｄ１の変化値を算出する。ここで図５を用いて処理ステップＳ２の詳細説明をする。まず、処理ステップＳ２０１では、時系列情報Ｄ１を読み込む。次に、処理ステップＳ２０２では読み込まれた時系列情報Ｄ１の変化値を算出する。変化値の算出方法は微分や積分を用いて行い、変化値としては微分値や積分値の差分や簡単に直近のデータとの差分などの１つ以上を用いる。最後に、処理ステップＳ２０３ではこの変化値を出力する。以下の本実施例の説明では、直近のデータとの差分を変化値とした。

ここで図６を用いて処理ステップＳ２の出力の例を説明する。図４の時系列情報Ｄ１において、ＰＭＵのＶｏｌｔａｇｅとＦｒｅｑｕｅｎｃｙの変化値が各時間断面において蓄積されている。本実施例では時系列情報Ｄ１がストリーミング形式で入力されるため、こちらの変化値の出力もストリーミング形式で一行ごと出力される。つまり、変化値算出部に、図４の時間断面「２０１６／０１／２３ １７：００：１２．０３３」の情報が読み込まれた場合、この時間断面において変化値を算出する。なお、図６では、情報が読み込まれる前の時間断面「２０１６／０１／２３ １７：００：１２．０００」の変化値は、直近のデータがないため０としている。

図３に戻り、処理ステップＳ３では処理ステップＳ４の入力値となる解析時間枠を調整する。ここで図７を用いて処理ステップＳ３の詳細説明をする。処理ステップＳ３０１ではメモリ９３や各データベースより各種情報を読み込む。各種情報とは、処理ステップＳ２の出力結果である変化値と、正常判定基準値データベースＤＢ２に格納されている正常判定基準値である。

ここで一旦図８を用いて正常判定基準値データベースＤＢ２の記憶内容を説明する。正常判定基準値は、データタイプと、最大変化値と、標準値と、調整値からなる。図８記載の一例では、データタイプはＰＭＵ＿ＡにおけるＶｏｌｔａｇｅやＦｒｅｑｕｅｎｃｙである。各データタイプにおいて最大変化値と、標準値と、調整値が存在する。図８の例では、Ｖｏｌｔａｇｅについての最大変化値、標準値、調整値は、それぞれ０．０１０、３００．１５０であり、Ｆｒｅｑｕｅｎｃｙについての最大変化値、標準値、調整値は、それぞれ０．０１５、６００、１５０である。データタイプの区別化に制約はなく、時系列情報Ｄ１の周期、あるいは計測器のタイプ（ＰＭＵやＳＣＡＤＡ）などで区別してもよい。

正常判定基準値データベースＤＢ２における標準値および調整値はデータ数、つまり時系列情報Ｄ１における時間断面の数にあたる。例えば解析枠がＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の標準値である３００の場合、最新の３００行を解析対象とする。

図７に戻り、処理ステップＳ３０２では入力された時系列情報Ｄ１の変化値と、正常判定基準値データベースＤＢ２の各データタイプにおける最大変化値を比較する。変化値の絶対値が最大変化値を超過した場合は処理ステップＳ３０４に進み、超過しなかった場合は処理ステップＳ３０３に進む。

処理ステップＳ３０４では解析時間枠を調整値に設定する。こちらは各データタイプの調整値となる。例えば、ＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の変化値が最大変化値を超えた場合、ＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の調整値である１５０と設定し、その後、処理ステップＳ３０５に進む。

処理ステップＳ３０３では解析時間枠を標準値である３００に設定し、処理ステップＳ３０５に進む。処理ステップＳ３０５では各時間断面において解析時間枠を出力する。この処理によれば、ＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の変化値が最大変化値を超えた場合には、解析時間枠を短く設定し、最大変化値を超えない場合には、解析時間枠を長く設定したことになる。

ここで図９を用いて処理ステップＳ３の出力を説明する。出力された解析時間枠は時系列情報Ｄ１の一種であるため、図９のように各時間断面における解析時間枠がデータタイプごとに出力される。

なお処理ステップＳ３による一連の解析時間枠算出は全時間断面で算出しても、定期的に算出してもよい。また、一度調整された解析時間枠を一定条件で固定してもよい。例えば一度調整値に設定された解析時間枠をある一定期間固定するなどしてもよい。これにより、解析時間枠が短期間で調整値と基準値の間を交互することを防止でき、検出精度を維持できる効果がある。

図３に戻り、処理ステップＳ４では統計型手法で異常検出する。統計型検出手法は例えば非特許文献１などに記載の方法に即して行う。ここで図１０ａを用いて処理ステップＳ４の詳細を説明する。処理ステップＳ４０１では各種情報をメモリ９３に読み込む。ここで各種情報とは、統計基準値データベースＤＢ３に記憶された統計基準値と、時系列情報Ｄ１と、処理ステップＳ３で算出された解析時間枠である。

ここで図１０ｂを用いて統計基準値データベースＤＢ３に記憶された統計基準値について説明する。統計基準値データベースＤＢ３には、データタイプごとに閾値αと閾値βを有している。αは情報分布上の閾値であり、βは連続性における閾値である。図１０ｂの例では、データタイプがＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の場合、例えば閾値αは１、閾値βは２とされ、データタイプがＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の場合、例えば閾値αは１．２、閾値βは１とされている。閾値αと閾値βの使用方法は、処理ステップＳ４０３や処理ステップＳ４０６で後述する。

図１０ａに戻り、処理ステップＳ４０２では、時系列情報Ｄ１について、解析時間枠内の平均値と標準偏差を計算する。例えば解析時間枠が３００である場合に、この期間内に得られた複数の時系列情報Ｄ１の平均値と標準偏差を計算する。解析時間枠として１５０が指定された場合にも、この期間内に得られた複数の時系列情報Ｄ１の平均値と標準偏差を計算する。

次に処理ステップＳ４０３では、最新時系列情報の異常度が判定される。最新時系列情報とは、この一連の計算中に受信した最新の時系列情報Ｄ１のことである。解析時間枠が３００であり、連続する３００個の時系列情報Ｄ１が得られている場合に、最後に入力された時系列情報Ｄ１が、最新時系列情報とされる。処理ステップＳ４０３の処理では、最新時系列情報が平均値から標準偏差のα倍離れている場合は、処理ステップＳ４０４に進み、離れていない場合は処理ステップＳ４０５に進む。

ここでは、最新時系列情報が平均値から標準偏差のα倍以内である状態を正常とし、最新時系列情報が平均値から標準偏差のα倍以上離れている状態を異常と考えている。処理ステップＳ４０４では、処理ステップＳ４０３で処理された最新時系列情報を異常候補キューに蓄積し、処理ステップＳ４０６に進む。逆に処理ステップＳ４０５では異常候補キューを消去し、処理ステップＳ４８へ進む。

処理ステップＳ４０６では異常候補が連続してあったかを確認する。異常候補キューにβ回以上時系列情報が蓄積されている場合、処理ステップＳ４０７に進む。処理ステップＳ４０７では時系列情報Ｄ１と共に異常検出信号を出力する。処理ステップＳ４０８では時系列情報Ｄ１と共に正常信号を出力する。

ここで図１１ａを用いて処理ステップ４の処理の流れを概念的に説明する。図１１ａにおいて、その上部には横軸に時間、縦軸に時系列情報Ｄ１としてＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の一例を示している。ＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）を計測した時系列の情報を時系列情報Ｅ１として示しており、点線で示す時間範囲内を解析時間枠Ｆとしている。いずれの解析時間枠Ｆにおいても、例えば解析時間枠が３００であり、連続する３００個の時系列情報Ｄ１が得られている。従って、解析時間枠Ｆ１の時の最新時系列情報Ｔ１は時刻ｔ１における値であり、解析時間枠Ｆ２の時の最新時系列情報Ｔ２は時刻ｔ２における値であり、解析時間枠Ｆ３の時の最新時系列情報Ｔ３は時刻ｔ３における値である。但し、解析時間枠Ｆ３は解析時間枠Ｆ２の直後（次回）の状態を表しているものとする。またこの事例では、時系列情報Ｅ１は変動を繰り返しているが、最新時系列情報Ｔ２、Ｔ３が、連続する時刻ｔ２、ｔ３にかけて今までにないほどの大きな連続する増加を計測したものとする。

図１１ａの下部には、解析時間枠Ｆ内に得られた連続する３００個の時系列情報Ｄ１による分布状況Ｗが示されている。分布状況Ｗは例えば平均値μと標準偏差σで表されている。分布状況Ｗ１は、異常発生前として例えば解析時間枠Ｆ１の確率密度関数を表しており、この場合の最新時系列情報Ｔ１は、標準偏差σの位置にあるものとする。分布状況Ｗ２、Ｗ３は、異常発生後として例えば解析時間枠Ｆ２、Ｆ３のときの確率密度関数を表しており、この場合の最新時系列情報Ｔ２、Ｔ３は、標準偏差σよりも大きな位置に存在している。かつ最新時系列情報Ｔ２、Ｔ３は、連続して標準偏差２σよりも大きな位置に存在している。

このように、図１１ａには時間断面ｔ１〜ｔ３が記されている。時間断面ｔ１は動揺発生前、時間断面ｔ２は動揺発生時、時間断面ｔ３は動揺検出時を表す。各々の時間断面において、解析時間枠内の確率密度関数Ｗ１、Ｗ２、Ｗ３を図１１ａ下部に示す。これらの重要情報のみを抽出したものが処理ステップＳ４０２である。

確率密度関数Ｗ１によれば、動揺発生前の時間断面ｔ１において確率密度関数は正規分布に類似したものを設定する。ここでは、電力系統運用は電圧や周波数を一定範囲に維持することが主目的であるため、安定した系統状態では正規分布に類似する可能性が高い仮定をおいている。なおこのように正規分布を仮定してもよいが、それ以外の分布を仮定してもよい。

動揺発生時である時間断面ｔ２では、確率密度関数が正規分布から変化する。これは系統事故時には安定した系統状態から外れるため、正規分布の外に系統状態が変化するためである。ここで、確率密度関数の中心値である平均値から標準偏差σのα倍離れた点が検出された場合、異常検出候補とする。ここでは標準偏差σ×αを閾値となる。これは処理ステップＳ４０３と処理ステップＳ４０４の処理である。時間断面ｔ２で検出された異常検出候補が、時間断面ｔ３のように連続で閾値α×σをβ回超過した場合、異常検出をする。これは処理ステップＳ４０６に相当する。その後、処理ステップＳ４７にて時系列情報と共に異常検出信号を出力する。一方で、β回超過する前に時間断面ｔ１のような状態へ戻った場合異常検出はされず、時系列情報と共に正常信号を出力する。これは処理ステップＳ４８に相当する。

このように処理ステップＳ４で用いられるパラメータαやパラメータβや解析時間枠は異常検出において重大な役割を果たす。解析時間枠を拡大すれば正規分布に近い確率密度が得られるが、演算時間や演算負荷が増加してしまう。そこで、処理ステップＳ２やＳ３で時系列情報に異常が見られる可能性が高いところを効果的に抽出することで、演算時間や演算負荷を軽減可能である。また、αとβを調整することで、検出精度を調整可能である。例えば、αとβを高く設定することでシステムノイズを軽減することができる。

次に図１１ｂを用いて処理ステップ４の出力を説明する。図１１ｂの異常検出結果とは、処理ステップＳ４０７と処理ステップＳ４０８で出力された異常検出信号と正常信号のことである。図１１ｂでは異常検出信号４０７は「１」で表し、正常信号４０８は「０」で表しているが、「Ｔ」や「Ｆ」、「Ｙｅｓ」や「Ｎｏ」など異常検出信号と正常信号の区別ができればよい。

図３に戻り、処理ステップＳ５について説明する。処理ステップＳ５では異常検出結果補正をする。ここで異常検出結果補正について図１２を用いて説明する。処理ステップＳ５０１では時系列情報Ｄ１と、異常検出結果と、補正パラメータデータベースＤＢ４に個記憶されている補正パラメータをメモリ９３に読み込む。

ここで図１３を用いて補正パラメータの例を説明する。補正パラメータデータベースＤＢ４は、正常判定基準値データベースＤＢ２や統計基準値データベースＤＢ３と同じように、各データタイプに対して補正区間Ｇ１の数値が設定されている。図１３の場合、補正区間Ｇ１は、データタイプＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の場合には３、データタイプＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の場合には４と設定されている。これは、連続して得られる時系列情報Ｄ１について、連続する３データ、あるいは連続する４データを補正区間Ｇ１とすることを設定したものである。

図１２に戻り、処理ステップＳ５０２では補正区間Ｇ１内の連続する３データ、あるいは連続する４データについて、正常信号の位置について調べる。補正区間Ｇ１内の正常信号が異常検出信号に挟まれている形であれば処理ステップＳ５０３へ、挟まれていない場合は処理ステップＳ５０４へ移行する。処理ステップＳ５０３では補正区間Ｇ１内の異常検出信号に挟まれた正常信号を異常検出信号へと補正し、処理ステップＳ５０５へと進む。処理ステップＳ５０４では検出結果をバイパスし、処理ステップＳ５０５へと進む。バイパス処理は検出結果を補正せずにデータを通すことである。処理ステップＳ５０５では時系列情報と補正済異常検出結果を出力する。

図１４ａは、異常検出結果補正の効果を説明するための図である。図１４ａを用いて処理ステップＳ５０２〜処理ステップＳ５０４の具体的な処理内容を説明する。図１４ａには、本実施例におけるＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）とＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の異常検出結果の一例が時系列的に記載されている。ＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の時系列的な異常検出結果の推移例は「０−０−０−１−１」であり、ＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の時系列的な異常検出結果の推移例は「０−１−０−１−０」である。また図１４ａには、ＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）についての補正区間Ｇ１として連続する３データ区間５０２ａが記載され、ＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）についての補正区間Ｇ１として連続する４データ区間５０２ｂが記載されている。

これらの補正区間Ｇ１における連続する３データ、または連続する４データの１、０の関係について、正常信号０の位置が調べられる。この結果、補正区間Ｇ１内の正常信号が異常検出信号に挟まれている形であれば、補正区間Ｇ１内の異常検出信号０に挟まれた正常信号１を異常検出信号０へと補正する処理を行う。この処理後の状態が図１４ａの下部に示されており、ＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の時系列的な異常検出結果の推移例は、当初「０−１−０−１−０」であったものが、「０−１−１−１−０」に修正されたことを表している。

このように、各時間断面において、補正区間Ｇ１内の異常検出結果を基準に異常検出補正をする。５０２ａでは補正区間が３つの時間断面分であるのに対し、５０２ｂでは補正区間が４つの時間断面分である。また、両区間では異常検出信号と正常信号が混在しているが、５０２ａでは異常検出信号が連続性を保つことで間に正常信号が挟まれてないのに対し、５０２ｂでは異常検出信号「１」の間に正常信号「０」が挟まっている。５０２ａの補正結果は５０４であり、５０２ｂの補正結果は５０３である。

これらの補正プロセスは処理ステップＳ５０４と処理ステップＳ５０３に相当する。この結果、処理ステップＳ５０４では正常信号は補正されず、処理ステップＳ５０３では正常信号が異常検出信号に補正されている。このような処理ステップＳ５の検出結果補正の処理により、ＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の異常検出結果の時間断面「２０１６／０１／２３ １７：００：１２．１００」のような検出漏れを補正することができる効果がある。

次に処理ステップＳ５にて補正処理が必要となる例について図１４ｂを用いて説明する。電力系統の特有の現象として、スイング現象というものがある。時系列情報Ｅ２はスイング現象中のＰＭＵ＿Ａ（Ｖｏｌｔａｇｅ）の計測値である。スイング現象、つまり発電機の出力の増減による計測値の揺れに処理ステップＳ４の処理を実施した場合、統計上の閾値を交互に交差するため、異常検出結果Ｈ１のように正常信号と異常検出信号を交互に発することになる。つまり処理ステップＳ５の補正処理なしの場合は、前記スイング現象が生じたときの時系列情報Ｅ２を一つの異常としてではなく、複数の異常として検出してしまう。処理ステップＳ５を用いることにより、補正部分Ｈ２のように検出漏れ部分を補正し、一つの異常として検出することができ、運用者にとって異常検出がより理解しやすくなるという効果がある。

次に図３に戻り、処理ステップＳ６では類似度判定をする。図１５の処理フローを用いて処理ステップＳ６の詳細を説明する。

処理ステップＳ６０１では時系列情報Ｄ１、検出結果、過去事例データベースＤＢ１２に記憶された過去事例などをメモリ９３に読み込む。処理ステップＳ６０２では検出部分の時系列情報Ｄ１を座標値へと変換する。ここで、座標値への変換について、図１６ａを用いて説明する。図１６ａにおいて、ＰＭＵ＿Ａ（Ｆｒｅｑｕｅｎｃｙ）の異常検出された部分が６０２ａである。部分６０２ａのように、異常検出された時系列情報Ｄ１を６０２ｂのように座標値として変換する。時系列情報Ｄ１を変換する際、情報を座標化する。つまり、時系列情報Ｄ１を座標値に変換することにより、Ｎ次元空間での座標として表す。この座標への変換処理は、重要度を示す時系列情報Ｄ１の減衰率や周波数を求めることができるプローニー解析などや、パターンを表す重回帰分析などや、前記重要度と前記パターンの両方を座標化してもよい。

図１５に戻り、処理ステップＳ６０３では変換された情報に類似している過去事例を、過去事例データベースＤＢ１２から抽出し、処理ステップＳ６０４では抽出された過去事例の類似度を判定する。図１６ｂは、類似判定の効果の一例を説明するための図である。図１６ｂを用いて処理ステップＳ６０３と処理ステップＳ６０４の処理の例を説明する。過去事例データベースＤＢ１２には、処理ステップＳ６０２の処理と同じように座標化された時系列情報Ｄ１とその期間における制御対策が蓄積されている。処理ステップＳ６０３では、処理ステップＳ６０２で座標化されたデータにもっとも近い座標を過去事例データベースＤＢ１２から識別することにより類似過去事例を抽出する。処理ステップＳ６０４は座標間の距離などに基づいて類似度を判定する。

図１５に戻り、処理ステップＳ６０５では検出部分を過去事例データベースＤＢ１２に蓄積し、処理ステップＳ６０６では類似過去事例と類似度判定結果を出力する。図１７は、類似度判定動作の例を説明するための図である。ここで図１７を用いて処理ステップＳ６０５と処理ステップＳ６０６の具体的な実施方法の例を説明する。

図１７において、６０２ｃと６０２ｄは同じ異常に対して異なる時間断面における解析時間枠である。６０２ｃ内では座標値として表された重回帰分析結果６０２ｅがあり、６０２ｄ内では同様に重回帰分析結果６０２ｆがある。重回帰分析結果６０２ｅと重回帰分析結果６０２ｆから同じ異常でも時間断面が異なると座標値が異なる。よって、座標値への変換は検出された異常に対して常に行う必要がある。それに伴い、類似性判定部において、座標化された時系列情報を過去事例から抽出する作業を時系列情報が読み込まれる頻度に合わせて繰り返す必要がある。よって、過去事例データベースＤＢ１２は高速データベースであったほうがよい。読み込み頻度に合わせて類似性判定ができない場合は、類似性判定の頻度を低くしてもよい。

次に図３に戻り、処理ステップＳ７では運用支援策を算出する。ここで図１８を用いて処理ステップＳ７の処理の例を説明する。処理ステップＳ７０１では類似過去事例と、類似判定結果と、過去時系列情報データベースＤＢ１１に記憶された過去時系列情報をメモリ９３に読み込む。処理ステップＳ７０２では類似過去事例直後の情報を過去時系列情報データベースＤＢ１１から抽出する。処理ステップＳ７０３では抽出された情報より安定度を評価する。本実施例の電力系統運用においては、電圧や周波数がある安定区域に滞在している期間などを用いて安定度を評価する例をあげている。処理ステップＳ７０４では安定度の大きさに基づいて、類似情報と、類似判定結果と、制御対策と、制御対策後安定度を出力する。処理ステップＳ７の処理は類似性判定部のように時系列情報Ｄ１の読み込み頻度に合わせて行ってもよく、また異常検出後からある一定時間が経過してから行ってもよい。

ここで図１９を用いて前記運用支援策の算出の例を説明する。類似過去事例７０１ａには異常検出時の制御対策７０１ｂが記録されており、制御対策７０１ｂとひもづいた制御対策７０１ｂ直後の情報を過去時系列情報データベースＤＢ１１から抽出し、安定度評価７０３を実行し、安定度評価７０４と制御対策７０１ｂを出力する。これにより運用者が制御対策７０１ｂの有効性を安定度評価７０４で容易に確認することができる。安定度評価７０４と制御対策７０１ｂを合わせたものを運用支援策とする。また前記運用支援策の制御対策７０１ｂは過去事例にひもづいてものではなく、系統データで算出したものでもよい。

図３に戻り、処理ステップＳ８では本装置の情報を表示する。表示部では時系列情報Ｄ１と、補正済異常検出結果と、類似過去事例と、類似判定結果と、制御対策安定度をメモリ９３に読み込む。ここで図２０を用いて表示部８の例を説明する。表示画面８０５において、時系列情報および類似過去事例８０５１をグラフに表示し、グラフインデックス８０５２を設ける。また、類似事例リスト８０５３に類似過去事例と、制御対策事例と、制御対策後安定度と、表示する。解析時間枠８０５４では、補正済異常検出結果の範囲を表示する。類似事例リスト８０５３に類似度と、制御対策と、制御対策後安定度を表示することにより、運用者が現異常に最も近い過去事例およびその当時の制御とその有効性を確認することができる効果がある。また、運用者が前記表示部を監視することで、過去事例の知見を利用した運用を可能とする効果がある。

なお類似事例リスト８０５３に関し、ここに表示する類似事例リストは制御対策を同時に表示するのがよい。類似事例は、図１７などに記載されているデータ項目の記号と同じ表示とするのがよい。制御対策事例は、制御対策を記憶する事例インデックスの記号を表示するのがよい。制御対策後安定度は、予想値を表示するものとし、予め安定解析を実施し、制御対策と紐づけして記憶しておくのがよい。

ここで図２１を使って実際に電圧安定度監視装置１のユースケースの一例を説明する。系統安定度監視システムは、例えば、系統運用をするコントロールルームにて制御装置ＯＳ１と広域監視装置ＯＳ２、電圧安定度監視装置１で構成される。広域監視装置ＯＳ２で異常が発見された場合、系統運用者は制御装置ＯＳ１を用いて系統の安定化を図る。

しかし、広域監視装置ＯＳ２では制御装置ＯＳ１を適切に操作するのは困難である。例として、電力系統での動揺が発生した場合、動揺の収束方法などは広域情報だけでは判断できない。そこで本実施例における電圧安定度監視装置１は制御装ＯＳ１の近隣に設置することにより、広域監視装置ＯＳ２などでは表示されない具体的な運用支援を表示することを利点とする。また既存の制御装置ＯＳ１や広域監視装置ＯＳ２が設置されたコントロールルームに、後付けで電圧安定度監視装置１を追加することも可能である。この場合には、既存のシステムへの改造を最小にすることが出来るため、電圧安定度監視装置１の追加を容易にすることが出来るという効果を得られる。

実施例２は、実施例１の各パラメータを人工知能で算出した場合の構成例である。図２２では実施例２のブロック図を示す。図２２の構成例では、パラメータ算出人工知能ＡＩ１に各種のデータベースを結合し、例えば過去時系列情報ＤＢ１１と過去事例ＤＢ１２からデータを読込み、正常判定基準値データベースＤＢ２と、統計基準値データベースＤＢ３と、補正パラメータデータベースＤＢ４に出力することを特徴とする。その他部位については図１の系統安定度監視装置１と差異がないため、その説明については省略する。

実施例２では各パラメータの算出に過去時系列情報データベースＤＢ１１内の過去時系列情報Ｄ１１や過去事例データベースＤＢ１２内の過去事例ＤＢ１２を用いる。実施例２の具体的な処理については図２３を用いて説明する。

図２３において、処理ステップＡＩＳ１では時系列情報Ｄ１１と過去事例Ｄ１２を入力する。処理ステップＡＩＳ２ａと処理ステップＡＩＳ２ｂとＡＩＳ２ｃは並行処理する。

処理ステップＡＩＳ２ａでは過去事例Ｄ１２の各データタイプにおいての平均的な異常継続時間を計算する。処理ステップＡＩＳ２ｂでは過去時系列情報Ｄ１１の変化値から確率密度関数を計算する。処理ステップＡＩＳ２ｂでは過去時系列情報Ｄ１１の確率密度関数を計算する。

処理ステップＡＩＳ２ａ〜ＡＩＳ２ｃを用いて処理ステップＡＩＳ３で正常判定基準値Ｄ２と、統計基準値Ｄ３と、補正パラメータＤ４を算出する。正常判定基準値Ｄ２の最大変化値は処理ステップＡＩＳ２ｂの結果を用いて算出、標準値と調整値は処理ステップＡＩＳ２ａの結果を用いて算出する。統計基準値Ｄ３は処理ステップＡＩＳ２ｃの結果を用いて算出する。補正パラメータＤ４はＡＩＳ２ａの結果を用いて算出する。

処理ステップＡＩＳ４では正常判定基準値Ｄ２と、統計基準値Ｄ３と、補正パラメータＤ４を出力する。

パラメータ算出人工知能ＡＩ１の利点としては実施例１で使われる前記各パラメータや基準値の設定を容易にすることである。本来、各種パラメータは専門家の知見を利用しなければ設定が難しい。パラメータ算出人工知能ＡＩ１を用いることにより、過去時系列情報Ｄ１１や過去事例Ｄ１２から専門家の知見を数学や統計学に基づいて模擬することができ、それを用いることによってパラメータや基準値を容易に算出することができる。

１：系統安定度監視装置
２：変化値算出部
３：解析時間枠調整部
４：統計型異常検出部
５：異常検出結果補正部
６：表示部
７：類似性判定部
８：運用支援算出部
９：系統安定度監視装置
１０：計測器
１１：通信ネットワーク
１２：電力系統
９１：ＣＰＵ
９２：通信部
９３：メモリ
９４：入力部
Ｄ１：時系列情報
ＤＢ２：正常判定基準値データベース
ＤＢ３：統計基準値データベース
ＤＢ４：補正バラメータデータベース
ＤＢ１１：過去時系列情報
ＤＢ１２：過去事例
ＤＢ１３：異常検出プログラムデータベース

Claims (18)

1. 時系列情報の異常値を検出する異常検出装置であって、
   前記時系列情報を入力する入力部と、
   前記時系列情報の変化値を算出する変化値算出部と、
   前記変化値と正常判定基準値を入力とし、解析時間枠を決定する解析時間枠調整部と、
   前記解析時間枠の枠内における前記時系列情報についての統計処理により、最新の前記時系列情報の異常を判定し異常検出結果を与える統計型異常検出部を備えることを特徴とする異常検出装置。
2. 請求項１に記載の異常検出装置であって、
   前記変化値算出部は、微分値または積分値の差分や、直近のデータとの差分、などの１つ以上を用いて変化値を算出すること特徴とする異常検出装置。
3. 請求項１または請求項２に記載の異常検出装置であって、
   前記解析時間枠調整部は、前記変化値を前記正常判定基準値として設定された最大変化値と比較し、前記変化値が最大変化値よりも大きいときには前記解析時間枠を短く設定し、入力とし、前記変化値が最大変化値よりも小さいときには前記解析時間枠を長く設定すること特徴とする異常検出装置。
4. 請求項１から請求項３のいずれか１項に記載の異常検出装置であって、
   前記統計型異常検出部は、統計基準値を入力とする統計処理により、最新の前記時系列情報の異常を判定することを特徴とする異常検出装置。
5. 請求項１から請求項４のいずれか１項に記載の異常検出装置であって、
   前記統計型異常検出部における異常検出結果を、最新の前記時系列情報について順次求め、連続して求めた補正区間内の複数の異常検出結果の発生パターンに応じて、前記異常検出結果を補正する異常検出結果補正部を備えること特徴とする異常検出装置。
6. 請求項１から請求項５のいずれか１項に記載の異常検出装置であって、
   前記統計型異常検出部における異常検出結果の各結果の１つ以上を表示する表示部を備えることを特徴とする異常検出装置。
7. 請求項１から請求項６のいずれか１項に記載の異常検出装置であって、
   前記正常判定基準値は、前記時系列情報の周期や計測器のタイプなどのデータタイプで区別化されていることを特徴とする異常検出装置。
8. 請求項１から請求項７のいずれか１項に記載の異常検出装置であって、
   前記解析時間枠調整部は、解析時間枠を全時間断面または定期的に算出する解析時間枠調整部、であることを特徴とする異常検出装置。
9. 請求項１から請求項７のいずれか１項に記載の異常検出装置であって、
   前記解析時間枠調整部は、解析時間枠を一定条件で固定する解析時間枠調整部、であることを特徴とする異常検出装置。
10. 請求項１から請求項９のいずれか１項に記載の異常検出装置であって、
    前記統計型異常検出部は、異常検出信号と正常信号の区別ができる検出結果を出力することを特徴とする異常検出装置。
11. 請求項１から請求項１０のいずれか１項に記載の異常検出装置において求めた異常検出結果を利用する系統安定度監視装置であって、
    過去事例を保持する過去事例データベースと、過去の時系列情報を保有する過去時系列情報データベースと、前記異常検出装置において求めた異常検出結果を用いて、当該異常検出結果に類似する前記過去事例と、前記過去事例直後の時系列情報を抽出する類似性判定部と、を備えることを特徴とする系統安定度監視装置。
12. 請求項１１に記載の系統安定度監視装置であって、
    前記類似性判定部の抽出結果を入力とし、運用支援策を算出する運用支援算出部、を備えることを特徴とする系統安定度監視装置。
13. 請求項１１または請求項１２に記載の系統安定度監視装置であって、
    前記類似性判定部は、時系列情報を重要度やパターンの１つ以上を用いて座標化することを特徴とする系統安定度監視装置。
14. 請求項１１から請求項１３のいずれか１項に記載の系統安定度監視装置であって、
    前記類似性判定部は、時系列情報の読み込み頻度以下の頻度で類似性判定をすることを特徴とする系統安定度監視装置。
15. 請求項１２から請求項１４のいずれか１項に記載の系統安定度監視装置であって、
    前記運用支援算出部は、時系列情報の読み込みに同期または非同期して運用支援算出をすることを特徴とする系統安定度監視装置。
16. 請求項１１から請求項１５のいずれか１項に記載の系統安定度監視装置であって、
    系統安定度監視装置は表示部を備え、当該表示部における表示情報は、前記時系列情報、類似過去事例データ、グラフインデックス、類似事例リスト、制御対策事例、制御対策後安定度のうち１つ以上を表示することを特徴とする系統安定度監視装置。
17. 請求項１１から請求項１６のいずれか１項に記載の系統安定度監視装置であって、
    過去時系列情報データベースと過去事例データベースに基づき、パラメータ算出人工知能で、正常判定基準値と統計基準値と補正パラメータを設定すること、を特徴とする系統安定度監視装置。
18. 請求項１１から請求項１７のいずれか１項に記載の系統安定度監視装置を、系統運用をするコントロールルームに備えることを特徴とする系統安定度監視システム。

Images