JP2017525330A - ユーティリティグリッド内での信号注入テストパターンの予想効用を最大化するためのシステム及び方法 - Google Patents

Abstract

ユーティリティグリッド上で実験的試験を実施するための方法及びシステムである。各実験的試験からの学習の値を改善し、学習及びグリッド性能の両方の予想値を計算することによってユーティリティグリッドの性能の改善を促進するために、グリッドパラメータの変更が選択され、ユーティリティグリッド内に導入される。そのような試験は、ユーティリティグリッドパラメータへの変更の導入、及びユーティリティグリッドパラメータの特定の変更に帰することができる有効なデータの生成に影響を与える機会費用及び制約を管理するために使用される。

Description

ユーティリティグリッドの性能、すなわち、それらの信頼性、安全性、及び効率は、重要なパラメータを検知し、それらの結果を使用してグリッドの稼動及び保守を指示することを通じて、障害を特定し、適切な応答を指示し、かつ、電力品質を維持しながら再生可能な電力源を電気グリッド内に組み込むなどの能動的な管理を可能にすることによって、大幅に改善され得る。

ユーティリティグリッドの監視には、多くの場合、センサネットワークが使用される。これらのセンサネットワークは、グリッドの端部に配置されたスマートメータ、グリッドノードのセンサ、及びユーティリティライン上又はその周辺のセンサを含んでもよく、これらのセンサは、水道グリッド内の流量、電気グリッド内の電力品質、又はユーティリティグリッド内の圧力などのグリッドパラメータを計測する。これらのセンサは、通常は、測定された特性を表すアナログ信号を出力する変換器である。これらの出力は、そのような特性の特定の値へとマップするために特徴付けされ、かつ／又は、調査を必要とする潜在的な漏れ、若しくは再生可能な資源を電気グリッド内に組み込むときの位相の違いの特定などの、グリッドの特定の状態を表し得るように分類される必要がある。センサの特徴付けは通常、ベンチテストを通じて行われるが、センサはその周囲の環境内に様々な干渉を有し得る。ユーティリティグリッド監視ネットワーク上のセンサを現場で特徴付けることが好ましいが、これは、ユーティリティグリッドを監視するために使用されるセンサが大量に存在する場合は困難である。

センサデータの分析及び応答の指示に関するトレンドは「ビッグデータ」であり、これは、グリッドの大量の履歴データを使用して、分類及び応答の指示に使用されるモデルを構築する。しかしながら、これらのビッグデータモデルは、履歴データをマイニングしてモデルを構築するため、相関関係に限定され、その有効性は能動的に指示を行う処理か又は微調整を行うことに限定される。更に、これらのビッグデータモデルは、典型的には大量のデータを必要とするため、特定のグリッドノード若しくは位置でのグリッド条件の高粒度の理解が妨げられるか、又は長時間の稼動の後でのみそのような粒度が実現され得る。速度及び粒度を向上させるために、いくつかの例では機械学習技術が応用され、モデルが改善されたが、これらの手法も依然として、受動的に収集された履歴データに由来する相関関係に依存する。

信号注入は、交流電力グリッドからの電力が不正に利用されているノードを発見すること、又はＨＶＤＣ配電レベルなどグリッドの高レベルでの大規模な変化に対するグリッド全体にわたる応答をテストすることなど、グリッドの障害を明らかにするために使用されてきた。これらの信号注入は、大規模で単独、かつ人を介したものであり、システムを監視するセンサを評価するためではなく、システムを評価するために使用されてきた。

センサ応答の因果関係に関するリアルタイムの理解は、スマートグリッドに関するビッグデータ手法の問題を解消し、リアルタイムで高粒度、かつ微調整されたグリッド監視及び管理を可能にする。ユーティリティグリッドの管理は、これにより大きな利益を得るであろう。

本発明は、複数の可能な信号注入の信号注入特性を受領し、現在のセンサ信頼状態を受領し、複数の信号注入のそれぞれの学習値を計算し、学習値に基づき複数の可能な信号注入のうちのいくつかを選択し、それらの選択された信号注入を実施することによって、ユーティリティグリッド内への信号注入の価値を増加させるための方法に関する。

本発明の方法のステップの流れ図である。 本発明のシステムの実施形態の一例を示すシステム図である。 本発明のシステムの様々な構成要素間での情報の流れのデータ流れ図である。 様々な信号注入の学習値を計算するための例示的な方法の流れ図である。 信号注入の効用を決定し、それらの効用に従って信号注入を調整するための例示的な方法の流れ図である。 システムの実施形態のアーキテクチャ及びそれらのユーティリティグリッドとの相互作用を示す図である。

ユーティリティグリッド内への信号注入は、ユーティリティグリッド上又はその付近に配置されたセンサを特徴付け、かつユーティリティグリッドの応答特性を発見するための有用な手段を提供する。ただし、同時発生する信号注入が互いに干渉しないようにする必要があるため、可能な信号注入の数は制限され得る。ユーティリティグリッド内への信号の注入を調整するシステムは、限られた時間及び空間を使用したグリッド及びセンサ応答のテスト並びにその理解の効率を改善するために実行され得る、最も有益な情報を提供し、かつ／又は最も機会費用が低い信号注入パターンを自動的に特定及び実施する手段により利益を受ける。

ユーティリティグリッドへの信号注入は、電気グリッド内の電圧レベル又は波形、ガスグリッド内の圧力及び／又は流量、水道グリッド内の流量などの、それらのグリッドに固有のグリッドパラメータに対する変更である。信号注入は、制御を実施することによって発生する、電流、電圧、又は力率の増加又は低減などの、電気信号の注入であってもよい。信号注入は、自動的な手段又は人を介した手段を通じて実施されてもよい。ガスグリッドでは、信号は例えば、パイプを通るガスの経路の変更を通じて特定の箇所での圧力を増加又は低減させることで注入されてもよい。これらの信号への応答は、グリッドパイプを取り囲むセンサネットワークによって検出される漏れの数及び／又は重大度の増加若しくは低減、又は高圧力若しくは低圧力へと駆動された領域に接続する下流側の圧力の変化であってもよい。これらの信号注入は、人を介した事例では、調整を実行する保守作業者へと配布されるスケジュールの指示に従った、様々な弁及びスイッチの手動による調整を通じて実現されてもよい。これらのスケジュールは、保守キュー、追加作業などの様々な形態を取ってもよく、コンピュータ、タブレット、スマートフォン、又は他のポータブルコンピューティングデバイス上の電子メール、テキストメッセージ、カレンダーリマインダなどの様々な電気的手段を通じて配布されてもよい。このような人を介した事例では、保守作業者に、ネットワーク接続デバイスを使用してチェックインさせ、変更が実際に実施された時刻を記録させることによって、これらの調整の時刻を、これらの信号注入の結果として生成された後続データの処理で使用するために監査してもよい。完全に機械対機械で実施される、ガスグリッド上の信号注入の実施形態では、スイッチ及び弁は、有線又は無線通信ネットワークを通じてシステムに結合された作動装置によって操作され、システムによって送信された信号に応答するか、又は、システムによってそれらの作動装置のための制御装置へと配布された命令若しくはスケジュールに従って動作する。機械対機械の実施によって、実施時刻の変動がより少なくなるため、より細かく調整されたテストが可能になる。また、タイミングに関する改善によって、より洗練された試験を実施することが可能になる。これらの実施では、空間的及び時間的に分散した影響間の関係に関するリアルタイムの理解を生み出すために、センサ条件及び作動装置の状態の監視が常に相互に関連付けられてもよい。これは、関係の変化及び局所センサの状態の変化を、例えば、検出された変化の要素分離を通じて検出及び特徴付けすることを可能にする。

電気グリッドでは、人を介した方法は、手動によって電力の流れを切り替えること、グリッドに接続された電力源を稼働させるか又はその稼働を停止させること、負荷タップ切換器の位置を調整すること、コンデンサバンクのオン及びオフを切り替えること、グリッド上のアーク炉又は他の主要な手動で制御される主要電力負荷などの重工業機器を稼働させるか又はその稼働を停止させることを含む。これらの例では、変更は保守作業者によって、それらの保守作業者に配布されたスケジュールの指示に従って実行されてもよい。これらのスケジュールは、保守キュー、追加作業などの様々な形態を取ってもよく、コンピュータ、タブレット、スマートフォン、又は他のポータブルコンピューティングデバイス上の電子メール、テキストメッセージ、カレンダーリマインダなどの様々な電気的手段を通じて配布されてもよい。このような人を介した事例では、保守作業者に、ネットワーク接続デバイスを使用してチェックインさせ、変更が実際に実施された時刻を記録させることによって、これらの調整の時刻を、これらの信号注入の結果として生成された後続データの処理で使用するために監査してもよい。このような人を介した方法は、電力品質、電力線の温度、電力線のたるみ、使用可能な電力レベル、及び他の要素などの測定可能な要素を変更してもよく、これらの要素は、そのような測定可能なグリッド要素を観察するセンサネットワークによって捕捉され得る。

電気グリッドでは、機械対機械の方法が、より優れた制御方法を提供し、かつ、様々な自動化された手段を通じて信号を注入することができる。これは、負荷タップ切換器の位置を変更すること又はコンデンサバンクを切り替えることなどの、人を介した例で使用され得る種類の切り替え及び保守動作の自動化を含む。更に、機械対機械の信号注入方法は、制御の精度の高さ及び幅の広さを利用することによって、消費者位置での調整された需要及び負荷を生み出すために末端位置でのアプライアンスなどのデバイスの使用を調整することなどの動作を含めたり、グリッドに影響を与える複数種類の動作の組み合わせについて複雑な調整を実施してより複雑な条件を生成したり、変更を自動力率修正ユニット内に導入したりできる。大量のデータでも、そこに含まれる、特定の組み合わせを反映するサンプルのサイズは限定されたものであるため、このような組み合わせの可能性については、ビッグデータ手法を通じた対処が非常に難しく、組み合わせの可能性が非常に多いことは、ビッグデータを使用したこのような問題の解決をほぼ困難にする。これらは、発電、スイッチ、電圧調整装置、グリッドから電力を受領するスマートメータ及びスマートアプライアンス、並びにシステムによる遠隔制御が可能な他のグリッド構成要素を含む、関連するグリッド構成要素及びネットワーク化されたデバイスの自動制御を通じて開始されてもよい。これらは、ミリ秒レベルの制御機能を活用することによって、新しい電力源の結合又は新しい負荷若しくは自動力率修正ユニットの特定の動作への迅速な応答などの電力品質に関する可変要素を操作し、更にそのような時間により大きな影響を受ける可変要素を含むグリッド動作又は条件の組み合わせをテストする能力を高めることができる。

信号注入は、それらが、センサ応答の現在のモデルを反証できるとか、センサ応答を特徴付けられる（例えば、当該センサからの特定のレベルの出力が、検知された可変要素の特定のレベルを示す、など）とか、又はセンサ応答を特定のイベントを示すものとして確定的に（例えば、水道グリッドにおいて、２つのセンサからの特定のセンサ出力信号が重大な漏れの存在を示す、など）又は確率的に（例えば、ガスグリッドにおいて、メタンセンサからの特定の電気出力が６０％の確率でカテゴリ３の漏れを示し、３０％の確率でカテゴリ２の漏れを示し、１０％の確率で漏れを示さない、など）分類できるといったことで選択されてもよい。既知の種類及び大きさの摂動に対するグリッド応答は、これらのモデルのテスト及び潜在的な反証を可能にし、これによってシステムの、現場での性能及び測定値に基づく生のセンサ出力の特徴付け又は分類が集約され、ユーティリティグリッドのイベント及び状態を検出するためのセンサの特徴付けが円滑化される。

注入される信号は、グリッド条件に対する所望の制御された変更を発生させるために、水道又はガスグリッド内の弁を開けること、又は電気グリッドの例で、１つの特定の再生可能な電力源を接続すること、若しくは１つの変電所からの出力電圧を変更することなど、１つのグリッド動作を指示する単純なものであってもよいし、個々の空間的到達範囲及び時間的到達範囲が重複することによって、重複する到達範囲内の領域で多要素処理を生み出すように調整された複数のグリッド動作から構成される、複合的なものであってもよい。複合的なグリッド動作の１つの例は、電気グリッド内の無効電力に対してよりきめ細かい制御を提供するために、負荷タップ切換器の位置及びコンデンサバンクの切り替えの両方を同時に変更することであってもよい。この多要素処理は、例えば、複数の異なるグリッドパラメータの組み合わせ効果を調べるための、それらのパラメータの変更を含んでもよい。この多要素処理は、例えば、グリッドのより影響を受けやすい隣接部分を、全体的な信号注入のうちの１つの構成部分のみに対して露出し、それらをより狭いか又は異なる動作範囲内に維持することによって保護しながら、グリッド上の１つ以上の特定の位置でのグリッドパラメータの特定の変化の大きさを増加させる付加的な効果を利用するために、特定のグリッドパラメータの似たような変更について複数の例を生み出すように用いられてもよい。

複合的な信号の場合、時間的及び空間的到達範囲は、複合的な信号がシステムに与える複数の効果全体をひとまとまりとして取り扱うことにより、予測される。それらの複合的な信号については、個々のグリッド動作は空間的到達範囲及び時間的到達範囲が重複するが、複合的な信号を構成するグリッド動作の定義されたセットは、他のグリッド信号注入に対する当該複合的な信号注入の直交性を維持するために、他の信号がグリッド内に注入されることがないような空間領域及び時間期間を特定するために用いられる、定義されたセットにかかるグリッド動作の組み合わせに対応する一体的な空間的到達範囲及び時間的到達範囲を持つ、単一の信号注入として処理される。

複合的な信号は、他のシステムによって導き出されるか若しくはグリッド作業者によって選択された後で、共に実行されるグリッド動作のセット並びにそれらのグリッド動作の時間及び位置として既に定義された、システムへの入力であってもよいし、例えば、組み合わせを調べる部分観測マルコフ決定過程（ＰＯＭＤＰ）モデルの指示に従って、グリッド動作のセットから複数のグリッド動作を選択する、若しくはグリッド上の位置によって変化する動作条件に基づく制約の中で動作する、システムによって導き出されてもよい。

グリッド応答を調べる信号注入は、任意の制御されたグリッド活動に対する空間的及び時間的な規則性を有し、即時的な様式又は規則的に遅延する様式で同時発生する波形を、例えば、主成分分析又はフーリエ分析を通じて探索することによって構成されてもよい。このような波形又は成分波形の統計的規則性（例えば、周波数、電圧、及び／又は電流）は、グリッド動作をグリッド条件の変更と結び付けることによって、グリッド動作の能動的な制御に基づきグリッド条件を操作するために使用できる選択肢のセットを提供する。また、特定の信号注入の空間的到達範囲及び時間的到達範囲を決定するために、観察された時刻及び位置での、グリッド動作に対するこれらの波形成分に関するデータが使用されてもよい。

図１は、本発明の方法の実施形態の概要を示すフローチャートである。ステップ１００では信号注入データが受領され、ステップ１０２では現在のセンサ信頼状態が受領される。ステップ１０４では、センサ信頼状態が信号注入データと共に使用され、信号注入の学習値が計算される。ステップ１０６では、信号注入の費用及び利益が受領される。ステップ１０８では計算された値に基づき信号注入が選択及び調整され、ステップ１１０ではユーティリティグリッドに対する信号注入が実施される。ステップ１１２では、ユーティリティグリッド上のセンサネットワークからセンサデータが収集されてもよく、ステップ１１４では、その収集されたセンサデータを使用して、分類子（classifier）、確率推定、及び／又は特徴付けモデルなどのセンサ応答モデルが更新されてもよい。

ステップ１００では信号注入データが受領される。この信号注入データは、ユーティリティグリッド内に注入される信号の時刻、位置、及び属性であり、信号注入の属性は、例えば、変更を実施するためにグリッドに対して行われる変更、又は追加される信号の大きさ及びその信号の種類を含む。信号注入自体は、グリッドパラメータに影響を与えるグリッド制御の変更である。電気グリッドでは、電気信号注入は、制御の状態の変化の結果として生じる、電圧、電流、又は力率の増加又は低減である。例えば、配水グリッドに関する本発明の実施形態での信号注入が、配水グリッド上の１つのノードで２つの弁を閉めること、及び隣接するノードで別の弁を開けることによって記述される性質を有してもよい。信号注入の属性は、信号注入によって変更される可能性が高いグリッドパラメータを示し、この信号注入は、グリッド制御の通常の動作範囲内での、それらのグリッド制御の特定の選択である。これは更に、その出力が信号注入の影響を受けるであろうセンサを決定するために使用されてもよい。別の例の場合、電気グリッドに関する本発明の実施形態での信号注入の属性は、いくつかのコンデンサバンクをオンに切り替えることによって実施される、変電所での無効電力の追加として記述されてもよい。信号注入の位置は、信号注入を実施するために使用される特定の弁、電力線、変圧器、変電所、若しくは電力源、又は信号注入が実施される地理的座標などの、グリッド位置として与えられてもよい。

ステップ１０２では現在の信頼状態が受領される。ステップ１００及び１０２は同時に実行されてもよいし、いずれの順序で実行されてもよい、すなわちステップ１００がステップ１０２より先に実行されてもよいし後で実行されてもよい。信頼状態は、センサ応答の様々なモデルのセットであり、各モデルは、センサ出力と、その出力を生成するにあたりセンサに影響を与えるイベント又はワールド状態との間の関係に対応する。これらのモデルはそれぞれ、例えば、センサ出力を特定のワールドイベント又は状態へとマップする分類子、センサ出力を複数の可能なワールド状態へとマップする確率推定、又はセンサ出力を特定のレベルの検知された可変要素へとマップする特徴付けモデルであってもよい。これらの信頼状態には、これらの異なるモデルを立証又は反証し得る傾向がある試験及び知識の現在のセットが与えられたときの、それらの信頼状態が正確である可能性を反映した不確実性値が付加されてもよい。また、モデルを更に立証又は反証し得る情報が、このデータに含まれるか、又は特定のモデルの基本特性から導き出されてもよい。

ステップ１０４では、信号注入が例えば信頼状態の現在のセットに関する不確実性を低減することによって提供し得る、学習値が計算される。学習値は、センサ測定値の不確実性を低減したり特定の動作が最適である可能性がより高いと判断したりすることにより提供され得る価値など、信号注入の結果として生成される知識がその後にシステムが行う意思決定に対し提供し得る価値の尺度である。学習値は、例えば、部分観測マルコフ決定過程（ＰＯＭＤＰ）若しくは他の統計モデルの予測、そのようなモデル内の信頼状態の不確実性レベルに対する信号注入の予測される影響、又は不確実性の低減量を計算する実験的な電力分析、及び現在のサンプルサイズへの増加に基づき信頼区間を狭めることに従って反証され得るような、信頼状態の生の数を予測することを通じて計算されうる。特定の実施例では、データ内の従属関係を特定し、センサ応答に関するグリッド制御システムの知識を効率的に改良し得る潜在的に価値の高い試験を発見するために、ベイズ因果ネットワークが使用されてもよい。それらの波形成分のための基礎となる因果経路に関する指向性及び可変要素を分析するために、体系的な多変量実験が行われる。この実験は、規範的な動作上の制約へと戻り、制約付きのランダム化、並びに波形の根本的な原因となるグリッド制御要素及びこれらの組み合わせを体系的に調べるための実験的設計（ラテン方格など）を使用することによって行われる。これらの実験的設計は、分析を改良するために繰り返されてもよく、例えば、基本的な第１のパスにおいて、対象波形成分に関してランダムである制御を除去することで、制御の４分の３が除去され、その後、第２の試験において、残りの制御にかかる要素の組み合わせを使用して、それらの対象波形成分と因果的な関係を有する制御又は制御の組み合わせが正しく特定される。

信号注入の学習値を計算するための１つの方法の例を、図４に示す。４００では現在の信号注入応答データが受領され、４０２では追加の信号注入により生じると予測される信頼区間の変化が計算され、ステップ４０４では予測される信頼区間の変化に応じた最適挙動の変更が計算され、ステップ４０６では予測される変化の効用が計算される。

４００では現在の信号注入データが受領される。現在の信号注入は、例えば、特定の信号注入とその信号注入に関連付けられた時刻及び位置でのセンサの応答との間の関係を記述する、推測統計学の表であってもよい。これは平均的な応答及びその応答の信頼区間の形態を取ってもよい。

ステップ４０２では、信号注入データに対して、信号注入により生じると予測される信頼区間の変化が計算される。ここでは、実験的電力分析を用いた計算によって、サンプルサイズを現在の信号注入データよりも増加させることにより信頼区間がどの程度減少するかが決定されてもよい。

ステップ４０４では、予測された信頼区間を使用して、予測される挙動の変化が計算される。現在の信頼区間の重複を使用して、動作の相対的な頻度又はセンサ応答の競合モデルの相対的な重みが決定されてもよい。ステップ４０２で電力分析及びサンプルサイズの増加を通じて計算された、特定の信号注入に基づく信頼区間のサイズの変化は、信頼区間の重複を変化させる。相対的な頻度の変化の予測は、センサ応答の様々な動作若しくはモデルからの選択を行うか又はそれらを重み付けする最適化モジュールを使用して計算されてもよい。

ステップ４０６では、予測される変化の効用が、相対的な頻度について予測される変化、及び予測される信頼区間を使用した動作の予測結果に基づき計算される。ステップ４０６で計算された効用は、信号注入の学習値として使用するために出力され、この学習値は、特定の信号注入を、ユーティリティグリッドの摂動を発生させるために使用される信号注入の調整されたセットの一部として実行することによって得られる知識から抽出され得る価値を表す。このとき、グリッド応答及び関連付けられたセンサ応答をテストするときの効率を改善するために、自動化された実験が使用される。

学習値はまた、試験で調べる特定の種類の知識を増加させることの潜在的な価値、又はテストされるモデルを更に改良することの効用によって修正されてもよい。信号注入の影響を受けるメトリクス及び信号注入を通じて改良されるモデルの種類は異なり、したがって、ある信号注入が障害検出を改善し、別の信号注入が配電グリッド上の需要の低減に関する知識を改良するなど、異なる価値がグリッド作業者に提供されてもよいし、グリッド及びセンサ応答モデルの追加の学習若しくは改良がグリッド作業者に提供する価値は非線形であってもよい。例えば、ガスグリッドでは、小規模な漏れの数は小規模な漏れに対処する保守人員の能力を大幅に上回るため、カテゴリ１の漏れの位置特定を改善することでガスグリッド作業者に提供される価値は、時間の経過と共に悪化する可能性が高い漏れの特定を改善することの価値よりも低いかもしれない。これは、学習の種類の価値及び学習の度合いを考慮する効用関数によって表されてもよいし、危険を軽減するか若しくは効率を向上させるためのグリッド応答の計画、及び低減された不確実性値を有する改善されたデータを使用して決定できる追加の費用節約の見積もりに使用されるモデルに基づく予測によって表されてもよい。例えば、グリッド改善のための資本計画モジュールは、現在のデータセットを前提として、ユーティリティグリッド上の機器交換の問題に関する値のセットを１つ導き出してもよいが、追加の試験を通じて可能となる不確実性の低減に基づく代替のデータセットがこのモジュールに入力されてもよい。また、現在の不確実性の事例と低減された不確実性の事例との間の差が、ユーティリティグリッド内への特定の信号注入を通じた試験を実施することによって認識され得る潜在的な不確実性の低減の価値を推定するために使用される。

ステップ１０６では費用情報が受領される。これは、ステップ１００で受領した信号注入データ内に含まれる信号注入の実施の詳細に基づき、信号注入特性及びモデルデータから計算されてもよい。試験の費用は、信号を生成し、応答、例えば、それらのグリッドの顧客へのより少ない請求可能な水若しくはガスの供給につながる流量の低減を観察するための実際の費用、又は人を介した信号注入を実施する領域へと保守作業者を配置する費用を含んでもよく、また、信号注入によって駆動されたセンサ出力を原因とする試験の空間的及び時間的な不確実性の中で発生した特定のイベントをセンサネットワークが見落とすことに関して増大するリスク、信号注入期間に関する時間的な不確実性及び試験の妨害を回避する必要から生じる、スケジュールされた保守の潜在的な中断、又は人を介した信号注入を導入するための人的資源の使用などの、信号注入に関連するリスクを価格付けしてもよい。これは例えば、リスクイベントの予測費用を、信号注入の実施によるそのイベントの可能性の予測増加分だけ割り引き、信号注入によって発生する追加リスクの予想値を生成することによって行われてもよい。

信号注入に関する費用の計算は、信号注入の空間的到達範囲及び時間的到達範囲内で捕捉される位置及び時間期間、並びに信号注入が実施される時刻及び位置に基づき変化しうる。これらの機会費用は、グリッド沿いの様々なノード又は地理的区分における様々な許容差範囲、又はグリッドにかかるストレスが高いか若しくは低い特定の期間中の様々な許容差範囲などの、局所粒度を含む規範的な動作条件データを使用することで予測されてもよいし、グリッド上の様々な位置にあるグリッドインフラストラクチャの構成要素の年数、保守条件、及び種類を反映した構成要素のモデリングを通じて予測されてもよいし、並びに／又は経時的な機会費用を特定するためのグリッド状態又は使用データを使用することで予測されてもよい。例えば、基準からの逸脱の程度を特定するために使用される電力品質のベースラインとなる基準は、特定の場所で特定の時刻に電力を利用する電気グリッド利用者の特徴によって異なってもよい。これにより、電力品質の側面に対する様々なデバイスの様々な感受性に対処することができる。例えば、照明と対照的に、コンピュータは電気的ノイズの影響を受けやすく、利用者の種類や利用者がグリッドからの電力を利用する時刻によってその使用状況が異なり得る。例えば、データセンターを含むことが知られている領域については、電気的ノイズの増加に関連する費用を計算するために使用される係数がより高くなり得る。当該係数は、グリッドの当該部分が経験する電気的ノイズの量に影響することが予想される信号注入の費用を局所的に決定するために固有のものである。費用データはまた、信号注入がグリッドパラメータにもたらすと予想される効果及びグリッドパラメータのそのような変化の望ましさに基づく、信号注入の利益を含んでもよい。費用データ及び利益データの組み合わせは、予想効果値を提供する。予想効果値は、信号注入の価値を決定するために、学習値と組み合わせられうる。予想効果値は、信号注入がグリッドパラメータにもたらす影響に基づく、信号注入の価値の予測である。予想効果値は、正であっても負であってもよく、それぞれグリッド性能のメトリクスの改善又は劣化を表す。負の予想効果値の例では、電気グリッドが提供する力率を低減すると予想される信号注入は、力率の低減予想を力率の低減によって生じる費用を表す重み付け係数によって修正した結果に基づく、予想効果値を有する。

学習値及び費用データは、ステップ１０８で効用を計算し、それらの効用に基づき信号注入を調整するために使用される。特定の信号注入の効用は、ステップ１０４からの、特定の信号注入を実施することの価値及びその結果生じる可能性が高い知識の改善を考慮する効用関数を通じて、ステップ１０６からの費用データ内で詳細が示される、信号注入を実施することの潜在的な費用及びリスクに対して決定され、他の係数によって修正され、任意の、あるいは通貨などの価値に基づく、共通メトリクスへと変換される。信号注入は、信号注入が、それらが観察可能な影響を有することが予想される領域内で空間的及び時間的重複を有さないことを保証することによって、引き続き互いに直交するように調整される。これは、グリッド条件をグリッド動作に関連付ける履歴データの使用を通じて行われてもよく、電力グリッド上の電気的波形内の波形成分を、信号注入を構成するグリッド動作に関連するフーリエ分析若しくは主成分分析を通じて、又は、現在の信頼状態若しくは構成要素モデルなどの他のグリッド特性モデル、並びに信号注入の空間的到達範囲及び時間的到達範囲を予測するための物理的特性を使用して特定することなどによって行われてもよい。これらの信号注入の調整は、ベイズネットワーク若しくはマルコフ確率場などのグラフィカルモデリング技術又はそれらの亜種を通じて行われてもよい。計算された経時的な効用を最大化するために、調整された信号注入が選択される。これは、信号がグラフィカルモデルを通じて調整されるときに実行されてもよく、又は、グラフィカルモデルを使用して複数の可能な信号注入のセットを調整し、それぞれの経時的な効用の総計を求め、その効用の総計に基づき、それらの複数の可能なセットから信号注入のセットを選択することによって行われてもよい。グリッド全体の信号注入の完全なセットの効用を計算することは、本発明のそのような実施形態で、信号注入間の直交性を維持することが必要なときに本来的に生じる機会費用を把握することを可能にする。これは、各信号注入が、時間的及び空間的到達範囲の重複が許されないことによって、必然的に他の潜在的な信号注入を制限するためである。この方法で信号注入を選択し、それらをグリッド内で実施すると、信号注入の空間的到達範囲及び時間的到達範囲の重複が許されないときに存在する多くのトレードオフ及び機会費用が自動的に管理されるため、ユーティリティグリッド沿いのセンサ出力の理解を改善する効率が向上する。

図５では、ユーティリティグリッド上で実施する信号注入のセットを選択するために使用される処理の１つの例が提供される。５００では複数の信号注入のセットが生成され、５０２ではその複数からひとつの信号注入のセットが選択され、５０４ではその信号注入のセットの効用が計算され、５０６において実施がスケジュールされている信号注入のセットの効用と比較される。選択されたセットがスケジュールされたセットよりも高い効用を有する場合、５０８において、選択されたセットでスケジュールされたセットが置き換えられる。選択されたセットがより高い効用を有さない場合、５１０でその選択されたセットが拒否される。いずれの場合も、この処理は、複数の信号注入のセットの全てに対して、それぞれの評価が完了するまで繰り返される。

ステップ５００では、複数の信号注入のセットが生成される。これは、グラフィカルモデル、ベイズ因果ネットワーク、又はそれらの空間的到達範囲及び時間的到達範囲内に重複を有さない許容可能な信号注入のセットを生成する他の方法などの方法を通じて実行されてもよい。５０２では、この複数から個々のセットが選択される。この選択はランダム化されてもよく、又は何らかの順序で実行されてもよい。５０４では、セット内に含まれる各信号注入の学習値及び費用を使用して、各信号注入の効用が計算され、これらが合計されて、その信号注入のセットの効用が導き出され、それによって、選択された信号注入のセットの効用が計算される。

１つ目に選択された信号注入のセットの場合、ベースライン効用は０であるため、そのセットは、ステップ５０８に従って、実施のためにスケジュールされる信号注入セットとして容認される。この例の繰り返し内の他の全ての選択された信号注入に関しては、５０６で、その選択された信号注入の効用が、実施のためにスケジュールされた信号注入セットの効用と比較される。選択された信号注入のセットがスケジュールされた信号注入のセットよりも高い効用を有する場合、５０８で、選択された信号注入のセットが容認される。これは、選択された信号注入のセットを新しいスケジュールされた信号注入のセットとし、以前のスケジュールされた信号注入のセットを破棄することによって行われる。選択された信号注入のセットの合計効用がスケジュールされた信号注入のセットよりも低い場合、５１０で、選択された信号注入のセットを破棄することによって、その選択された信号注入のセットが拒否される。選択された信号注入のセットの容認又は拒否の後、５０２で、複数の信号注入のセットの全てがテストされるまで、その複数から新しい信号注入のセットを選択する処理が繰り返される。この処理の最後に、最後的にスケジュールされた信号注入セットがユーティリティグリッド内で実施されてグリッドの摂動が発生し、これによって、その後に続く運用を推し進めるため、あるいはセンサ応答の理解を改善するために使用される知識が効率的に生成される。

図１に戻ると、ステップ１１０で、選択された信号又は信号の組み合わせが、センサネットワーク上の適切な位置に注入される。信号は、調整された信号注入のセットに従って、かつ、それらの時間的及び空間的な不確実性に関する制約を維持した状態で、指示されたグリッド動作を適切な時刻及び位置で実行することにより、センサネットワーク内に注入される。信号注入は、グリッド保守作業者などの人間の行為者によって実施されてもよく、これは、電子メールシステム、自動化されたメッセージング、キューイングシステム、又はグリッドに影響を与えるために実行する動作、並びにそれらを実行する時刻及び位置を人間の行為者に指示する他の手段などの手段を通じてそれらのグリッド作業者に適切な命令を配布し、それにより、電気グリッド内のスイッチを操作すること、又は配水及び配ガスグリッド上の弁を開閉することなどのグリッド動作をそれらの行為者に命令することによって実施されてもよい。信号注入はまた、プロセッサに、スイッチ及び弁を制御する作動装置の動作、又は再生可能な電力源を稼働させることを自動的に指示しあるいは指示されたグリッド動作を実施する制御装置の動作を、それらのプロセッサ、作動装置、スイッチ、電力源、及び他のグリッド構成要素へと配布された、実行するグリッド動作並びにそれらのグリッド動作を実行する時刻及び位置を詳細に示す信号及び／又はデータに基づき指示させるなど、部分的に又は全体的に機械対機械の動作を通じて実施されてもよい。これらの信号の注入は、ユーティリティグリッドの摂動を発生させ、これによって、グリッド及びセンサ応答に関する関連知識のより効率的な生成が可能となる。これは、様々な種類及び量の知識を生成する様々な信号注入の機会費用を制御することによって行われる。これらは多くの場合、交絡、並びに特定のセンサ応答及びグリッドイベントを特定の信号注入に帰する必要性により、相互に排他的である。

ステップ１１２では、信号注入に対するセンサ応答の監視が行われてもよい。センサはユーティリティグリッド全体に分散し、電気グリッド上のセンサ付きのケーブル及び終端などの例ではグリッドと一体化されてもよく、電気グリッド上のスマートメータ内に含まれるセンサなどのようにグリッド上に配置されてもよく、又は配ガスグリッド内のメタンセンサなどのようにグリッドに近接して配置されてもよい。センサは典型的には、検知される可変要素に曝されたときに電気的波形を出力として生成する変換器である。ただし、この電気的応答は部分的又は全体的に非線形でありうる。センサ出力は、センサ番号及びそれらの位置のデータベースと相互参照され得るタイムスタンプ及びセンサの識別番号など、信号が収集される時刻及び位置の指示を提供するための、出力に関連付けられたメタデータを有してもよい。これによって、センサ出力データを時刻及び位置によってパースし、それらのセンサ出力データを、それらの信号注入の到達範囲並びに信号注入が実施された時刻及び位置に基づき、特定の信号注入に関連付けることが可能となる。

ステップ１１４では、センサ応答及び信号注入特性に基づき、信頼状態が更新されてもよい。信号注入に関連付けられた信号注入特性及びセンサデータは、関連する信頼状態をテスト及び立証又は反証するために使用される。一例では、これは、関連付けられた信号注入出力データと、各信頼状態モデルに対して作成する、その信号注入からモデルが予期する応答に関する、その信号注入の特性に基づく予測との比較を通じて行われてもよい。この例では、信号注入特性及びテストされている各信頼状態のためのモデルに基づき導き出されたセンサ応答のモデル予測が、実際の関連するセンサによる信号注入に対する応答と比較される。予測の精度に基づき、モデルが実際の観察値からの逸脱の程度に応じて反証されてもよい。手段を更新し、関連する信号注入において実行される特定のグリッド動作へのグリッド応答に関するデータに関連する信頼区間の大きさを低減するために、関連付けられたセンサデータもまた使用されるか、又は本発明のいくつかの例示的な実施形態でセンサ特徴付けモデルの基盤として使用される履歴知識のデータベースに追加されてもよく、これによって、このような改善されたセンサ応答モデルを通じてセンサの生の出力が分類又は特徴付けされ、センサの精度及び確度が改善される。

図２は、調整されたユーティリティグリッドシステムとしての本発明の例示的実施形態の図である。メモリは、フラッシュメモリ、磁気媒体を使用するハードディスクドライブなどの既知のコンピュータ記憶手段であってもよいし、データを記憶することができ、頻繁かつ定期的にアクセスされうる、データ記憶のための他の方法であってもよい。プロセッサは、ソフトウェア命令を通じて計算を実行するように構成されてもよい。構成要素間の接続は、配線で接続されていてもよいし、複数のステップのための共通プロセッサを使用してもよいし、様々な８０２．１１プロトコル、ＺｉｇＢｅｅ（登録商標）若しくはＢｌｕｅｔｏｏｔｈ（登録商標）規格、イーサネット（登録商標）、又は互いに分離したセンサ、プロセッサ、メモリ、及びモジュール間でデータを送信するための他の類似手段などの、有線若しくは無線手段によってネットワーク接続されてもよい。センサ、メモリ、プロセッサ、及びモジュールは、センサ上若しくはグリッド位置自体を含む様々な位置に分散されるか、又は中間若しくは中央位置に共に配置されてもよい。

信号注入メモリ２００は、ユーティリティグリッドに対して実施され得る信号注入の特性を記憶する。このメモリは、時刻、位置、大きさ、及び信号注入の影響を受けるパラメータを含む、可能な信号注入の特性を記憶するように構成される。このメモリはまた、人を介した実施形態におけるグリッド作業者へと提供される命令のセット、又は本発明の機械対機械の実施形態における作動装置及びそれらへと配布されるコマンドなどの、信号注入の実施データを記憶してもよい。

信頼状態メモリ２０２は、信頼状態の現在のセットを記憶する。それは、分類子、確率推定、及びセンサの出力信号をセンサの位置の変換された可変要素へとマップするモデルなどの、センサ出力を分類又は特徴付けするために使用されるモデルを含むデータベースであってもよい。これらの信頼状態はまた、モデルの確度に関する確実性レベル、又は検知される対象をモデルがセンサの出力信号に基づき適切に表す確度を立証若しくは反証し得る信号の種類を表す、他の係数又はメタデータを含んでもよい。

費用メモリ２０４は、信号注入の潜在的な費用に関する情報を記憶する。これは、当該グリッド動作に関連する費用のセットと組み合わされた可能なグリッド動作のデータベースであってもよく、このデータベースは、実施され得る信号注入の一部としてそのグリッド動作を含めることに関連する費用及びリスクを表す。そのような費用は、特定の領域への流れが低減することによるユーティリティの請求可能な供給の低減などの潜在的な損失、変更を実施するためのグリッド作業者の派遣費用、規範的な動作パラメータからの逸脱リスク、又はセンサで検知される可変要素に生じる他の変化を圧倒する又はそれらを見えなくするような信号注入によりもたらされる何らかの検知能力の喪失を含む。このデータは、特定のグリッド動作が、それらの異なる実施に対して予想される費用の差によって、異なる時刻及び位置で異なる評価を受けるように編成されてもよく、例えば、低減されたユーティリティの流れによっても需要が満たされ得るとき、又は、同じ種類の異なる再生可能電力源を有する地域であって、供給先の様々な地方市場において電力品質に対する感受性が異なるために、それらのグリッド動作が導入する電力品質の乱れに対して異なる費用を有するために需要が満たされ得るときに、潜在的に請求可能なユーティリティ配給の損失分を割り引くことが挙げられる。

学習値プロセッサ２０６は、信頼状態を反証すること、又はグリッドセンサによって特定の信号注入に対して検出されるグリッド条件を表すモデルで使用される信頼区間を改善することに関連付けられうる予想値を計算する。学習値プロセッサ２０６は、特定の試験によって立証又は反証される信頼状態の数を、信頼状態の現在の値及び信号注入の特性に基づき計算してもよく、電力分析を使用して、サンプルサイズの増加による不確実性の低減を予測してもよく、データ内の従属関係の発見を使用してもよい。学習値プロセッサ２０６は、これらの値を決定するために、例えば、ＰＯＭＤＰ又はベイズ因果ネットワークを適用するように構成されてもよい。学習値プロセッサ２０６は、例えば、不確実性若しくは反証される信頼状態の潜在的な低減を表す様々な量に対して、それらの学習の性質及びそのような学習から予想され得る潜在的なグリッド動作の改善に基づき効用関数を適用するか若しくは修正係数を適用することによって、グリッド条件に関する知識の種類の相対的な価値の差、又はそのような知識の価値の非線形性に対処するように、任意に構成されてもよい。

選択プロセッサ２０８は、信号注入の空間的到達範囲及び時間的到達範囲を使用して直交性を維持するように信号注入を調整し、ユーティリティグリッド内へのそれらの信号注入の実施を指示する信号注入のセットの予想効用に基づく、調整された信号注入のセットを生成する。選択プロセッサ２０８は、ベイズネットワーク若しくはマルコフ確率場などのグラフィカルモデリング技術又はそれらの亜種を適用して、信号注入の空間的到達範囲及び時間的到達範囲が重複しないことを確実にすべく、これらの信号注入を調整するように構成されてもよい。選択プロセッサ２０８は、効用関数を学習値及び信号注入に関連する費用に適用して、ユーティリティグリッドに対する、最終的な調整された信号注入のセットを作成するときに使用される、信号注入の効用を決定するように構成されてもよい。

注入実施モジュール２１０は、人を介した実施形態での信号注入及びそれらのユーティリティグリッド全体にわたる調整を制御する命令の配布並びにそれらの順守のためのツールであってもよく、かつ／又は、本発明の機械対機械の実施形態で自動的に信号注入を実施するために使用されるプロセッサ、制御装置、及び作動装置であってもよい。機械対機械の実施例に関する例としては、水道及びガスグリッド内の弁を制御する作動装置、変電所に配置された負荷タップ切換器のための制御回路及び作動装置、太陽若しくは風力発電機などの分散した電力源とグリッドの残りの部分との間の接続を制御するスイッチ、又は配電グリッド内のコンデンサバンクのためのスイッチなどが挙げられる。人を介した実施形態に関する例としては、キューイング命令を受領するため、かつ信号注入を実施する動作を実行することなどの作業の完了及びグリッドの状態並びに／又は割り当てられた保守作業の完了を報告するための、電子メール又はテキストメッセージの自動生成及び配布、保守作業者によって携行されるコンピューティングデバイス、並びにそれらが同期するサーバなどが挙げられる。

グリッドセンサネットワーク２１２は、流量、電流、電圧、電力線の温度、電力線のたるみなど、その出力が信号注入の結果として生じるグリッド条件の変化を反映するグリッドパラメータを測定するための、ユーティリティグリッド内に分散した複数のセンサであってもよい。これらのセンサは、例えば、メタン検出器、センサ付きのケーブル終端、水流量計、電気的な「スマートメータ」、又は他のそのようなグリッドセンサであってもよい。これらのセンサが実施された信号注入から生じるグリッド条件の変化を監視し、そのデータが、センサがデータを取得した時刻及び位置に基づく信号注入の空間的到達範囲及び時間的到達範囲に従ってパースされてもよい。

図３は、調整されたユーティリティグリッドシステムとしての本発明の例示的実施形態を示し、かつ様々なシステム要素によるデータの生成、流れ、及び変換、並びにシステム要素によって実行される動作の概要を示す、データ流れ図である。

信号注入特性３００は、信号注入の位置及び大きさ、各信号注入を実施するために実行されるグリッド動作などの要素を含む、グリッド上で実行され得る信号注入を記述するデータである。この情報は、信号注入メモリ３０２内に記憶され、信号注入特性を使用してその信号注入の学習値３０６を導き出すことができるように学習値プロセッサ３０４へと転送され、調整及び選択されることによって効用を求めて信号注入選択３１０を生成するために、選択プロセッサ３０８へと転送される。

信頼状態３１２は、センサ出力とグリッド条件との間の関係を潜在的に記述する、分類子、確率推定、又は特徴付けモデルなどのモデルのセットである。これらのモデルはまた、モデルの確実性、モデルの過去の実績、及び／又はそれらのモデルを立証若しくは反証する可能性が高い情報に関するメタデータを含んでもよい。それは信頼状態メモリ３１４内に記憶され、信頼状態の数及び／又は確実性に対する信号注入の影響を計算することができるように、学習値プロセッサ３０４へと転送される。信頼状態はまた、特定の信号注入に関連付けられたパース済みセンサデータに基づき、かつ、そのパース済みセンサデータが、各信頼状態モデルによって実行される信号注入への応答の予測に一致する度合いに基づき、更新されてもよい。

学習値３０６は、特定の信号注入に関連する学習の価値を表し、学習値プロセッサ３０４によって、信号注入特性３００、信頼状態３１２に基づき計算され、任意に、縮尺係数を含んでもよいし、増加するグリッド及びセンサ応答の知識の価値の中での相対的な価値及び非線形性に基づく、特定の学習分野の価値を明らかにする効用計算に基づいてもよい。学習値３０６は学習値プロセッサから選択プロセッサ３０８へと転送され、調整された信号注入選択３１０を生成するときに、信号注入の効用を計算するための基礎として使用される。

費用値３１８は、保守作業者の作業などの実施の通常の費用又は顧客にユーティリティを提供する機会の減少、センサの感受性の一時的な喪失に関連するリスク又は規範的な動作上の制約から逸脱するリスクなどの、信号注入を実施することに関連する費用及びリスクを表すデータである。これらは、ユーザ入力、若しくは費用情報を含むデータベースなどから受領されるか、又は信号注入特性３００から導き出され、費用メモリ３２０内に記憶され、費用メモリ３２０から選択プロセッサ３０８へと転送され、調整された信号注入選択３１０を生成するために使用される信号注入の効用を計算するために使用される。

信号注入選択３１０は、選択プロセッサ３０８で導き出され、その後信号注入モジュール３１６へと配布され、例えば、コンデンサバンクの切り替え、分散した生成資源を稼働させること、又はガス管内のガスの圧力の調整などのグリッド動作を指示する、調整された信号注入のセットである。この調整された信号注入のセットが、調整された信号注入を実施し、ユーティリティグリッドの摂動を発生させて、グリッドモデル内の不確実性を低減するために使用され得るデータを生成し、かつ／又は、グリッド上のセンサのセンサ応答を特徴付けるか若しくは分類するために使用される信頼状態３１２を改善する。

センサデータ３２２は、ユーティリティグリッド上若しくはその付近に配置されたセンサネットワーク３２４によって収集された電力線の温度、電力線のたるみ、電圧、電流、ガス若しくは水の流量、又はガス圧力などの、グリッドに関連するメトリクスを測定する変換器からの生の波形出力である。センサデータは、それを特定の信号注入と関連付けるために、その収集の時刻及び位置によってパースされてもよく、その関連付けられたセンサデータが、いくつかの信頼状態３１２を検証し、かつ立証又は反証するために使用されてもよい。センサデータはまた、グリッド条件の表現を作成し、障害特定、障害復旧、電力品質の管理、グリッドの資本計画、再生可能電力源の統合、又はグリッドパラメータの管理を通じたグリッド構成要素の寿命の改善などの能動的なグリッド制御及び管理作業をガイドするために、信頼状態３１２と共に使用されてもよい。

本発明の例示的実施形態を含む全体的なアーキテクチャの単純な例を、図６に示す。制御決定層６００は、いくつか又は全てのグリッド制御の状態に関する決定を行う。グリッド制御に関する決定は、制御の操作によって互いに影響を与えないサンプルが作成されることを確実にし、かつ任意に、高い学習値を提供するための制御決定か、電気グリッド内の特定の電圧レベル又はガス若しくは水道グリッド内の流量を確保するなどの特定のグリッドパラメータを改善するための制御決定を選択する方法に従って行われる。制御決定層６００からの制御決定は、制御６０２、６０４、及び６０６によって実行される。特定の制御の例としては、コンデンサバンクスイッチ、負荷タップ切換器、電気グリッド上のスイッチ及び記憶デバイス、又は水道及びガスグリッド上の弁及び供給源などが挙げられる。制御は、例えば、スイッチを作動させること、負荷タップ切換器の位置を移動させること、及び弁を絞るか又は開くことによって、制御決定を実行してもよい。制御の動作はグリッドパラメータを変更し、それらの変更はグリッド６０８内を伝搬する。例えば、ガスグリッド上の弁を開くことが、その弁から特定の距離内で経時的に下流で増加する圧力を生じてもよく、又は電気グリッド内で、コンデンサバンクのオン若しくはオフを切り替えることに基づき、電力品質及び無効電力レベルが変更されてもよい。グリッド沿いに配置されたセンサ６１４、６１６、及び６１８は、グリッドパラメータを測定し、グリッド６０８内の信号注入の伝搬を検出する。信号注入は、それらがグリッド６０８内を伝搬する度合いにおいて制限され、その度合いは、制御６０２によって注入される信号の影響を受ける領域の概要を示し、かつグリッド６０８へのセンサ６１４の接続を含む空間的到達範囲６１０、及び制御６０６によって注入される信号の影響を受ける領域の概要を示し、かつグリッド６０８へのセンサ６１８の接続を含む空間的到達範囲６１２などの、その信号注入の空間的到達範囲として画定される。データ処理層６２０は、センサ６１４、６１６、及び６１８からのデータを、その空間的到達範囲及び時間的到達範囲がそれらのセンサデータを含む信号注入と関連付ける。これは、例えば、センサ６１４からのデータを、制御６０２によって空間的到達範囲６１０に基づき実施された信号注入からのデータと関連付け、かつ、センサ６１８からのデータを、制御６０６によって空間的到達範囲６１２に基づき実施された信号注入と関連付けることによって行われる。その後、データ処理層６２０からの関連付けられたセンサデータが、グリッド挙動及びセンサ応答に関する理解を決定するために、データ分析層６２２によって分析される。例えば、このデータ分析層６２２によって生成されたグリッド挙動の理解は、通常の動作中のグリッドセンサ６１４、６１６、及び６１８からの出力を解釈して、例えば、電力線内の電圧が降下したときの電圧低減条件に関する閾値又はアラートを設定するため、又は通常の動作閾値を超えるメタンレベルに関するアラートを設定するために使用される、センサ応答モデルの形態を取ってもよい。データ分析層６２２は、例えば、グリッド上の信号注入の効果を予測するか、又は学習が特定の信号注入によって改良され得る度合いを計算することによって、反復的にグリッド内への信号注入を調整して実施し、かつ実施する信号注入の選択を改善する情報を提供するために、制御決定層６００と連係してもよい。

Claims (20)

1. ユーティリティグリッド内に信号を注入するための方法であって、
   複数の信号注入のうちの各信号注入の空間的到達範囲及び時間的到達範囲を受領することと、
   複数の信号注入内の各信号注入の学習値を計算することと、
   複数の信号注入内の各信号注入の予想効果値を計算することと、
   学習値及び予想効果値に基づき、信号注入のセットを選択することであって、セット内の各信号注入の空間的到達範囲及び時間的到達範囲のいずれも、セット内の別の信号注入の空間的到達範囲及び時間的到達範囲と重複しない、ことと、
   信号注入の選択されたセットをユーティリティグリッド内に注入することと、を含む、方法。
2. 注入された信号へのユーティリティグリッドの応答を計測することを更に含む、請求項１に記載の方法。
3. センサからのデータを、センサデータの時刻及び位置並びに信号注入の空間的到達範囲及び時間的到達範囲に基づき、信号注入と関連付けることを更に含む、請求項２に記載の方法。
4. 学習値は、信号注入へのグリッド応答によって反証され得る信頼状態の数に基づき計算される、請求項１に記載の方法。
5. 学習値は、信号注入へのグリッド応答にかかる信頼区間の幅の予測変化に基づき計算される、請求項１に記載の方法。
6. 予想効果値は、以前の信号注入の効果にかかるデータベースに基づき計算される、請求項１に記載の方法。
7. 信号注入は、グリッド制御の状態の変更である、請求項１に記載の方法。
8. グリッド制御は、コンデンサバンクである、請求項７に記載の方法。
9. 信号注入は、作業を実行するグリッド作業者を派遣することである、請求項１に記載の方法。
10. ユーティリティグリッド上で複数の信号注入が同時に実施される、請求項１に記載の方法。
11. 信号注入は、部分観測マルコフ決定過程によって調整される、請求項１に記載の方法。
12. 複数の信号注入のそれぞれに対して空間的到達範囲を記憶するように構成された空間的到達範囲メモリと、
    複数の信号注入のそれぞれに対して時間的到達範囲を記憶するように構成された時間的到達範囲メモリと、
    信号注入の予想効果値を計算するように構成された予想効果値プロセッサと、
    信号注入の学習値を計算するように構成された学習値プロセッサと、
    信号注入のセットを生成するように構成された調整プロセッサであって、空間的到達範囲及び時間的到達範囲のいずれもが、セット内のいずれの信号注入についても重複しない、調整プロセッサと、
    複数のユーティリティグリッド制御と、
    を備える、ユーティリティグリッドシステム。
13. ユーティリティグリッド沿いに配置されたセンサを更に備える、請求項１２に記載のユーティリティグリッドシステム。
14. センサは電気センサである、請求項１３に記載のユーティリティグリッドシステム。
15. センサはメタンセンサである、請求項１３に記載のユーティリティグリッドシステム。
16. センサデータを信号注入と関連付けるように構成されたプロセッサを更に備える、請求項１２に記載のユーティリティグリッドシステム。
17. 予想効果値プロセッサは、ユーティリティグリッドへの信号注入の影響を予測することによって予想効果値を計算する、請求項１２に記載のユーティリティグリッドシステム。
18. 学習値プロセッサは、信号注入によって反証され得る信頼状態の数を特定することによって学習値を計算する、請求項１２に記載のユーティリティグリッドシステム。
19. 調整プロセッサは、グラフィカルモデルを使用して信号注入を調整する、請求項１２に記載のユーティリティグリッドシステム。
20. グリッド制御は、複数の信号注入を同時に実施する、請求項１２に記載のユーティリティグリッドシステム。

Images