JP2024043702A - 電圧管理支援装置、電圧管理支援方法およびプログラム - Google Patents

Abstract

【課題】担当者の経験によらずに、電圧の測定値が逸脱している場合の改修方法を決定することが可能な技術を提供する。
【解決手段】電圧管理支援装置１は、その機能として、配電系統の所定の箇所における、電圧測定に関する情報を取得する取得部３１と、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統への改修に関する情報と、を教師データとする機械学習モデル２２に基づき、電圧測定に関する情報から、配電系統への改修についての推論を行う推論部３３と、推論の結果に基づく、配電系統への改修に関する情報を出力する出力部３４と、を備える。
【選択図】図２

Description

本発明は、配電系統の電圧管理を行う電圧管理支援装置、電圧管理支援方法およびプログラムに関する。

配電系統では、電気事業法の定めにより定期的に電圧測定が行われている。例えば、配電系統における無作為に抽出された箇所について電圧測定が行われ、法定された所定レベルの範囲内（例えば、標準電圧１００Ｖに対して上下６Ｖを超えない値）にあるか、測定により管轄官庁へ報告することが求められている。また、電圧の測定値が逸脱している場合、配電系統における送出電圧の変更、電圧調整器の設定値の変更、といった改修がなされることにより、法定された所定レベルを維持するように運用されている。

このように、配電系統の電圧を制御する技術として、配電線の電圧を計測し、最新の電圧移動平均値が適正電圧上下限値の範囲内から逸脱したときに、目標電圧範囲変更依頼を電圧制御装置に対して発行することで、電圧を自動調整する配電系統電圧制御システムが知られている（例えば、特許文献１参照。）。

国際公開第２０１５／０２９２７７号

ところで、電圧の測定値が逸脱している場合、どのように改修するかを決定するのは容易ではなく、各担当者の経験によるところが大きい。

そこで本発明は、担当者の経験によらずに、電圧の測定値が逸脱している場合の改修方法を決定することが可能な電圧管理支援装置、電圧管理支援方法およびプログラムを提供することを目的とする。

上記の課題を解決するために、請求項１の発明は、配電系統の電圧管理を行う電圧管理支援装置であって、前記配電系統の所定の箇所における、電圧測定に関する情報を取得する取得部と、過去の前記電圧測定に関する情報と、過去の前記電圧測定の結果による前記配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、前記電圧測定に関する情報から、前記配電系統への改修についての推論を行う推論部と、前記推論の結果に基づく、前記配電系統への改修に関する情報を出力する出力部と、を備える、ことを特徴とする電圧管理支援装置である。

請求項２の発明は、請求項１に記載の電圧管理支援装置において、前記過去の電圧測定に関する情報と、前記過去の電圧測定の結果による前記配電系統への改修に関する情報と、に基づく機械学習を行い、前記機械学習の結果に基づき前記機械学習モデルを更新する学習部を備える、ことを特徴とする。

請求項３の発明は、請求項１または２に記載の電圧管理支援装置において、前記出力部は、前記配電系統への改修に関する情報として、前記配電系統による送出電圧の変更案、前記配電系統の所定の箇所における電圧調整器の設定値の変更案、前記配電系統の所定の箇所における分散電源の容量の設定値の変更案、前記配電系統の所定の箇所における電圧調整器または蓄電池の設置案、前記配電系統の変更案のいずれかまたは複数の情報を出力する、ことを特徴とする。

請求項４の発明は、請求項１に記載の電圧管理支援装置において、前記取得部は、前記電圧測定に関する情報として、前記所定の箇所における電圧逸脱の情報を取得し、前記電圧逸脱に対する修正値の入力を受け付ける入力受付部をさらに備え、前記出力部は、受け付けた前記電圧逸脱に対する修正値に基づく、前記配電系統への改修に関する情報として、前記配電系統における送出電圧の変更案、前記配電系統の所定の箇所における電圧調整器の設定値の変更案、前記配電系統の所定の箇所における分散電源の容量の設定値の変更案、のいずれかまたは複数の情報を算出して出力する、ことを特徴とする。

請求項５の発明は、請求項１に記載の電圧管理支援装置において、前記取得部は、前記電圧測定に関する情報として、前記配電系統における送出電圧、及び前記所定の箇所における測定電圧の情報を時系列で取得し、前記推論部は、電圧逸脱のおそれがある箇所についての推論を行い、前記出力部は、前記推論の結果に基づく、電圧逸脱のおそれがある箇所の情報を出力する、ことを特徴とする。

請求項６の発明は、請求項１に記載の電圧管理支援装置において、前記機械学習モデルの教師データである前記電圧測定に関する情報は、前記配電系統の所定の箇所における線路亘長、電圧、電流、分散電源、自動電圧調整器、高圧負荷、低圧負荷、線路インピーダンス、過去の電圧逸脱、電圧取得地点までの電圧降下のいずれかまたは複数の情報を含む、ことを特徴とする。

請求項７の発明は、請求項１に記載の電圧管理支援装置において、前記機械学習モデルの教師データである前記電圧測定の結果による前記配電系統への改修に関する情報は、前記配電系統による送出電圧の変更、前記配電系統の所定の箇所における電圧調整器の設定値の変更、前記配電系統の所定の箇所における分散電源の容量の設定値の変更、前記配電系統の所定の箇所における電圧調整器または蓄電池の設置、前記配電系統の変更のいずれかまたは複数の情報を含む、ことを特徴とする。

請求項８の発明は、プロセッサと、メモリとを備えるコンピュータに実行され、配電系統の電圧管理を行うための電圧管理支援方法であって、前記方法は、前記プロセッサが、前記配電系統の所定の箇所における、電圧測定に関する情報を取得するステップと、過去の前記電圧測定に関する情報と、過去の前記電圧測定の結果による前記配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、前記電圧測定に関する情報から、前記配電系統への改修についての推論を行うステップと、前記推論の結果に基づく、前記配電系統への改修に関する情報を出力するステップと、を実行する、ことを特徴とする電圧管理支援方法である。

請求項９の発明は、プロセッサと、メモリとを備えるコンピュータに実行させ、配電系統の電圧管理を行うためのプログラムであって、前記プログラムは、前記プロセッサに、前記配電系統の所定の箇所における、電圧測定に関する情報を取得するステップと、過去の前記電圧測定に関する情報と、過去の前記電圧測定の結果による前記配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、前記電圧測定に関する情報から、前記配電系統への改修についての推論を行うステップと、前記推論の結果に基づく、前記配電系統への改修に関する情報を出力するステップと、を実行させる、ことを特徴とするプログラムである。

請求項１、請求項６ないし請求項９に記載の発明によれば、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、電圧測定に関する情報から配電系統への改修についての推論を行う。また、その推論の結果に基づく配電系統への改修に関する情報を出力する。

すなわち、過去の電圧測定に関する情報における電圧の測定値が逸脱している場合に、どのように改修したのかを示す配電系統への改修に関する情報について学習した機械学習モデルに基づき、その後に電圧測定に関する情報が逸脱している場合に、どのように改修したのかを示す配電系統への改修に関する情報を出力する。これにより、担当者の経験によらずに、電圧の測定値が逸脱している場合の改修方法を決定することが可能になる。

請求項２に記載の発明によれば、上記の機械学習モデルを更新する学習部を備える。これにより、最新の情報に基づく機械学習モデルの更新が可能になる。

請求項３に記載の発明によれば、配電系統への改修に関する情報として、配電系統による送出電圧の変更案、配電系統の所定の箇所における電圧調整器の設定値の変更案、配電系統の所定の箇所における分散電源の容量の設定値の変更案、配電系統の所定の箇所における電圧調整器または蓄電池の設置案、配電系統の変更案のいずれかまたは複数の情報を出力する。これにより、複数の改修案から適切な改修案を出力することが可能になるので、担当者の経験によらずに、電圧の測定値が逸脱している場合の改修方法をより具体的に決定することが可能になる。

請求項４に記載の発明によれば、電圧逸脱に対する修正値の入力を受け付け、受け付けた修正値に基づく送出電圧の変更案、電圧調整器の設定値の変更案、分散電源の容量の設定値の変更案を出力する。これにより、修正すべき値から逆算して各種設定値を算出すること可能になる。

請求項５に記載の発明によれば、配電系統における送出電圧及び測定電圧の情報を時系列で取得し、電圧逸脱のおそれがある箇所についての推論を行ってその箇所の情報を出力する。そのため、電圧逸脱のおそれがある箇所を事前に特定することが可能になる。これにより、計画的な改修が可能になり、法定電圧の管理以外にも幅広い業務に適用することが可能になる。

本発明の実施の形態１に係る電圧管理の対象となる配電系統１００の回路構成の例を示す回路構成図である。 本発明の実施の形態１に係る電圧管理支援装置１の機能を示す機能ブロック図である。 図２の制御部３０による出力処理の手順を示すフローチャートである。 図２の制御部３０による学習処理の手順を示すフローチャートである。 図２の学習部３２による機械学習及び推論の手順を示すブロック図である。 本発明の実施の形態２に係るコンピュータ７００を示す機能ブロック図である。

以下、この発明を図示の実施の形態に基づいて説明する。

（概要）
本発明の実施の形態に係る電圧管理支援装置は、配電系統の電圧管理を行うための装置である。また、この電圧管理支援装置は、具体的な実施形態として、法定、または随時行われる電圧測定の結果が所定レベルの範囲から逸脱している場合に、改修案を出力する。そのため、この電圧管理支援装置は、配電系統の所定の箇所における、電圧測定に関する情報を取得する。また、この電圧管理支援装置は、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、電圧測定に関する情報から配電系統への改修についての推論を行う。さらに、この電圧管理支援装置は、その推論の結果に基づく配電系統への改修に関する情報を出力する。

図１は、本発明の実施の形態１に係る電圧管理の対象となる配電系統１００の回路構成の例を示す回路構成図である。図１に示す配電系統１００は、発電所で発電されて変電所から出力される高圧電力を低圧電力に変圧し、高圧電力または低圧電力を需要家宅へ送電するための設備である。図１に示す配電系統１００は、例えば、変電所１０１と、高圧線１０２と、高圧引込線１０３と、負荷１０４と、変圧器１０５と、低圧線１０６と、低圧引込線１０７と、負荷１０８とから構成されている。

変電所１０１は、電力系統における電気の電圧や周波数の変換を行い、各配電系統の接続と開閉とを行って電力の流れを制御する配電用変電所である。高圧線１０２は、変電所１０１から出力された高圧電力（例えば、６，６００Ｖの電力）を送電する送電線である。高圧引込線１０３は、高圧線１０２から高圧電力の供給を受けるための送電線である。負荷１０４は、高圧需要家宅にて電力を消費する電気機器である。高圧需要家宅とは、事業用に高圧電力を使用する設備、例えば事業所、工場等の施設であり、負荷１０４の具体例は、事業所、工場等で使用される電気機器である。変圧器１０５は、変電所１０１から出力された高圧電力を低圧電力（例えば、１００Ｖの電力）に変圧する施設である。低圧線１０６は、変圧器１０５から出力された低圧電力を送電する送電線である。低圧引込線１０７は、低圧線１０６から低圧電力の供給を受けるための送電線である。負荷１０８は、低圧需要家宅にて電力を消費する電気機器である。低圧需要家宅とは、一般家庭用に低圧電力を使用する設備であり、負荷１０４の具体例は、家庭における家電製品である。

法定の電圧測定は、配電系統１００における任意の箇所、例えば高圧線１０２上のポイントＰ１、または低圧線１０６上のポイントＰ２で行われる。そして、例えば低圧線１０６上のポイントＰ２の場合、法定された所定レベルの範囲内（例えば、標準電圧１００Ｖに対して上下６Ｖを超えない値）にあるか否かを、管轄官庁へ報告することが求められている。

このとき、電圧の測定値が逸脱している場合、所定の改修がなされることになる。所定の改修とは、例えば、変電所１０１から出力される送出電圧の変更、配電系統１００内に配置される電圧調整器（図示は省略）の設定値の変更があり、電圧調整器の設定値の変更には、コンデンサの容量、またはリアクトルの容量の変更が挙げられる。このとき、送出電圧を変更すると、ポイントＰ１，Ｐ２の電圧だけではなく、配電系統１００全体の電圧に影響を及ぼすことになるが、電圧調整器の設定値を変更すると、当該電圧調整器の下流側の電圧に影響を及ぼすことになる。そのため、どのように改修するかを決定するのは容易ではなく、各担当者の経験によるところが大きい状況であった。

そこで、本実施の形態では、配電系統１００の所定の箇所における、電圧測定に関する情報を取得し、過去の電圧測定に関する情報における電圧の測定値が逸脱している場合に、どのように改修したのかを示す配電系統１００への改修に関する情報について学習した機械学習モデルに基づき、その後に電圧測定に関する情報が逸脱している場合に、どのように改修したのかを示す配電系統１００への改修に関する情報を出力する。これにより、担当者の経験によらずに、電圧の測定値が逸脱している場合の改修方法を決定することを可能にしている。

（実施の形態１）
＜構成＞
図２～図５は、この実施の形態を示し、図２は、本発明の実施の形態１に係る電圧管理支援装置１の機能を示す機能ブロック図である。この電圧管理支援装置１は、図１に示すポイントＰ１，Ｐ２のような電圧測定を行う所定の箇所から電圧測定に関する情報を取得し、電圧測定に関する情報が逸脱している場合に、どのように改修したのかを示す配電系統１００への改修に関する情報を出力する装置である。電圧管理支援装置１は、例えば、コンピュータ（デスクトップ、ラップトップ、タブレット等）や、サーバ装置等により構成されている。なお、電圧管理支援装置１は、端末装置との間でネットワークを介して通信を行うことで動作するように構成してもよい。

電圧管理支援装置１は、その機能構成として、通信部１０と、記憶部２０と、制御部３０とを備える。図２に示すように、通信部１０、記憶部２０、及び制御部３０の各ブロックは、バス等により電気的に接続される。

通信部１０は、有線または無線で通信を行うための通信インタフェースであり、互いの通信が実行出来るのであればどのような通信プロトコルを用いてもよい。この通信部１０は、ＴＣＰ／ＩＰ（Transmission Control Protocol/Internet Protocol）等の通信プロトコルにより通信が行われる。

記憶部２０は、各種制御処理や制御部３０内の各機能を実行するためのプログラムや入力データ等を記憶するものであり、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含むメモリや、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＤＲＡＭ（Dynamic Random Access Memory）等を含むストレージから構成される。また、記憶部２０は、電圧測定データベース２１と、機械学習モデル２２とを記憶する。さらに、
電圧測定データベース２１には、配電系統１００の電圧測定に関する情報が格納されている。電圧測定に関する情報とは、具体的には、図１に示すポイントＰ１，Ｐ２のような電圧測定を行う所定の箇所における線路亘長の値、電圧の値、電流の値、分散電源の位置や名称、自動電圧調整器の位置や名称、高圧負荷または低圧負荷の位置や名称、線路インピーダンスの値、過去の電圧逸脱の情報、電圧取得地点までの電圧降下の値のいずれかまたは複数の情報を含む。また、電圧測定データベース２１には、実際に測定を行った日時、担当者の氏名、電圧逸脱の有無、電圧逸脱に対する改修方法の情報といった、実際の電圧測定の記録情報が格納されてもよい。

機械学習モデル２２は、電圧測定に関する情報から配電系統１００への改修についての推論を行う機械学習モデルであり、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統１００への改修に関する情報とを教師データとしてトレーニング（学習）が行われた結果の推論アルゴリズムである。機械学習モデル２２は、例えば、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統１００への改修に関する情報との間のパターンを認識して学習を行った機械学習モデルであり、電圧測定に関する情報に対して、どのような配電系統１００への改修を行ったのか、を示す膨大な情報について学習を行った機械学習モデルである。機械学習モデル２２は、後述する学習部３２の機能として行われた機械学習により生成されたものでもよく、他の装置により機械学習が行われた結果生成された機械学習モデルであってもよい。機械学習モデルを生成するための機械学習については後述する。

制御部３０は、記憶部２０に記憶されているプログラムを実行することにより、電圧管理支援装置１の全体の動作を制御するものであり、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、マイクロプロセッサ（Microprocessor）、プロセッサコア（Processor core）、マルチプロセッサ（Multiprocessor）、ＡＳＩＣ（Application-Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）を含む装置等から構成される。制御部３０の機能として、取得部３１と、学習部３２と、推論部３３と、出力部３４と、入力受付部３５とを備えている。この取得部３１、学習部３２、推論部３３、出力部３４、及び入力受付部３５は、記憶部２０に記憶されているプログラムにより起動されて電圧管理支援装置１にて実行される。

取得部３１は、配電系統１００の所定の箇所における、電圧測定に関する情報を取得する。取得部３１は、電圧測定に関する情報として、具体的には、配電系統１００の所定の箇所における線路亘長（の値）、電圧（の値）、電流（の値）、分散電源（の位置や名称）、自動電圧調整器（の位置や名称）、高圧負荷（の位置や名称）、低圧負荷（の位置や名称）、線路インピーダンス（の値）、過去の電圧逸脱、過去の電圧逸脱に対する改修方法、電圧取得地点までの電圧降下（の値）のいずれかまたは複数の情報を取得する。これらの情報は、後述する学習部３２で機械学習モデル２２を生成または更新するための機械学習に使用される。なお、電圧値や電流値のような値は、ある時刻における実測値を取得してもよく、所定時間（例えば、３０分間）における平均値として取得してもよい。さらに、電圧逸脱に対する改修がなされた場合の改修後の値を取得してもよい。

また、取得部３１は、電圧測定に関する情報として、電圧測定の結果である、所定の箇所における電圧逸脱の情報（電圧逸脱が発生していることを示す情報）を取得する。このとき、電圧逸脱に対する改修が必要になるが、取得した情報は、後述する入力受付部３５で修正値を受け付けるために使用される。

また、取得部３１は、電圧測定に関する情報として、配電系統１００における送出電圧、及び所定の箇所における測定電圧の情報を、時系列で取得する。取得した情報は、後述する推論部３３で電圧逸脱のおそれがある箇所についての推論を行うために使用される。

取得部３１は、電圧測定に関する情報を取得する際、電圧管理支援装置１のユーザからの入力を、例えば端末装置からの入力情報として受け付けてもよく、電圧値や電流値のような実測値については、計算機能付き開閉器（図示は省略）、需要家宅に設置されたスマートメータ等から送信された情報を、通信部１０を介して取得してもよい。

取得部３１は、取得した電圧測定に関する情報を、電圧測定データベース２１に格納する。

学習部３２は、取得部３１が取得した、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統１００への改修に関する情報と、に基づく機械学習を行い、機械学習の結果に基づき機械学習モデル２２を更新する。学習部３２は、上記のように、過去の電圧測定に関する情報と、その電圧測定の結果による配電系統１００への改修に関する情報との間のパターンを認識して機械学習を行う。

学習部３２は、過去の電圧測定に関する情報として、具体的には、配電系統１００の所定の箇所（例えば、図１に示すポイントＰ１，Ｐ２）における線路亘長の値、電圧値、電流値、分散電源の位置や名称、自動電圧調整器の位置や名称、高圧負荷の位置や名称、低圧負荷の位置や名称、線路インピーダンスの値、過去の電圧逸脱、電圧取得地点までの電圧降下の値のいずれかまたは複数の情報を教師データとして機械学習を行う。また、学習部３２は、配電系統１００への改修に関する情報として、具体的には、配電系統１００による送出電圧の変更、配電系統１００の所定の箇所（例えば、図１に示すポイントＰ１，Ｐ２）における電圧調整器の設定値の変更（コンデンサの容量の変更、またはリアクトルの容量の変更）、配電系統１００の所定の箇所における分散電源の容量の設定値の変更、配電系統１００の所定の箇所における電圧調整器または蓄電池の設置、配電系統１００の変更のいずれかまたは複数の情報を教師データとして機械学習を行う。

また、学習部３２は、電圧降下の計算値と実測値との誤差について、電圧降下の計算値と実測値との値を教師データとして機械学習を行ってもよい。電圧降下ｅの計算式は、以下の式により示される。
ｅ＝ｋ・ｆ・Ｚ・Ｉ・Ｌ
ｋ：定数であり、配電系統１００が単相２線式の場合は２、３相３線式の場合は√３
ｆ：分散負荷率
Ｚ：電線１条１ｋｍ当たりのインピーダンス
Ｉ：送電端電流（Ａ）
Ｌ：線路亘長（ｋｍ）
ｅ＝ｋ・ｆ・Ｚ・Ｉ・Ｌ
学習部３２は、電圧降下の計算値と実測値との誤差の蓄積情報から、線路ごと、区間ごとの投入容量に対する変動値を学習する。

学習部３２における機械学習は、所定の教師データを使用した教師あり機械学習により行われてもよく、ディープラーニングにより行われてもよい。本実施の形態１では、過去の電圧測定に関する情報と、その電圧測定の結果による配電系統１００への改修に関する情報とを教師データとする教師あり機械学習として説明する。また、学習部３２は、教師データである過去の電圧測定に関する情報、及びその電圧測定の結果による配電系統１００への改修に関する情報について、例えばそれぞれの情報が示す解釈をタグ情報として付与するデータ加工（アノテーション）を行ってもよい。さらに、学習部３２は、機械学習モデル２２を更新する際に、再学習により更新してもよく、機械学習モデル２２の性能評価を行って性能が向上している場合にのみ更新するように構成してもよい。

推論部３３は、学習部３２による、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統１００への改修に関する情報と、を教師データとする機械学習モデル２２に基づき、電圧測定に関する情報から、配電系統１００への改修についての推論を行う。推論部３３は、具体的には、電圧測定に関する情報に対して、配電系統１００へどのような改修を行ったのか、について、トレーニング（学習）が行われた結果である機械学習モデル２２の推論アルゴリズムに基づいて推論を行う。推論部３３は、例えば、推論アルゴリズムに基づいて、配電系統１００による送出電圧の変更、ポイントＰ１，Ｐ２等における電圧調整器の設定値の変更、ポイントＰ１，Ｐ２等における分散電源の容量の設定値の変更、ポイントＰ１，Ｐ２等における電圧調整器または蓄電池の設置、配電系統１００の変更、のうちから最適な改修方法を決定する。

また、推論部３３は、配電系統１００における送出電圧、及び所定の箇所における測定電圧の時系列の情報から、電圧逸脱のおそれがある箇所についての推論を行う。推論部３３は、具体的には、電圧逸脱が発生した場合の送出電圧及び測定電圧について、トレーニング（学習）が行われた結果である機械学習モデル２２の推論アルゴリズムに基づいて推論を行う。

推論部３３による機械学習モデル２２に基づく配電系統１００への改修についての推論は、具体的には以下のようにして行われる。推論部３３は、取得部３１が取得した電圧測定に関する情報から、機械学習モデル２２に格納されている配電系統１００への改修についてのパターンを認識する。そして、推論部３３は、当該パターンにおける配電系統１００への改修についての情報を決定する。このとき、推論部３３は、配電系統１００への改修についての情報が複数ある場合、より作業手順の少ない改修方法を決定するため、それぞれのパターンについて作業手順に基づく重み付けを行って決定してもよい。また、推論部３３は、配電系統１００全体の電圧への影響、電圧調整器の下流側の電圧への影響を考慮するため、それぞれのパターンについて影響度に応じた重み付けを行って決定してもよい。

出力部３４は、推論部３３による推論の結果に基づく、配電系統１００への改修に関する情報を出力する。出力部３４は、具体的には、配電系統１００による送出電圧の変更案、ポイントＰ１，Ｐ２等における電圧調整器の設定値の変更案、ポイントＰ１，Ｐ２等における分散電源の容量の設定値の変更案、ポイントＰ１，Ｐ２等における電圧調整器または蓄電池の設置案、配電系統１００の変更案、のいずれかまたは複数の情報を、配電系統１００への改修に関する情報として出力する。

また、出力部３４は、後述する入力受付部３５にて受け付けた電圧逸脱に対する修正値に基づく、配電系統１００への改修に関する情報として、配電系統１００における送出電圧の変更案（の値）、電圧調整器の設定値の変更案（の値）、分散電源の容量の設定値の変更案（の値）、のいずれかまたは複数の値を算出して出力してもよい。

また、出力部３４は、推論部３３による推論の結果に基づく、電圧逸脱のおそれがある箇所の情報について出力してもよい。

入力受付部３５は、電圧逸脱に対する修正値の入力を受け付ける。入力受付部３５は、電圧逸脱に対する改修の際に、修正すべき値、例えば電圧を所定レベルの範囲内にするための値の入力を受け付ける。

＜処理の流れ＞
図３及び図４を参照しながら、電圧管理支援装置１の制御部３０による制御処理（電圧管理支援方法）の流れの一例について説明する。図３は、図２の制御部３０による出力処理の手順を示すフローチャートである。

ステップＳ１０１の処理として、制御部３０の取得部３１では、配電系統１００の所定の箇所における、電圧測定に関する情報を取得する。配電系統１００の所定の箇所は、任意に定められる箇所である。取得部３１では、具体的には、配電系統１００の当該箇所における線路亘長の値、電圧値、電流値等の情報が取得される。

ステップＳ１０２の処理として、制御部３０の推論部３３では、機械学習モデル２２に基づき、ステップＳ１０１で取得した電圧測定に関する情報から、配電系統１００への改修についての推論を行う。ステップＳ１０２では、具体的には、電圧測定に関する情報に対して、配電系統１００へどのような改修を行ったのか、について、トレーニング（学習）が行われた結果である機械学習モデル２２の推論アルゴリズムに基づいて、配電系統１００への改修についての推論を行う。

ステップＳ１０３の処理として、制御部３０の入力受付部３５では、ステップＳ１０１で取得した電圧測定に関する情報の電圧値が逸脱している場合、電圧逸脱に対する修正値の入力を受け付ける。ステップＳ１０３では、電圧逸脱に対する改修の際に、修正すべき値、例えば電圧を所定レベルの範囲内にするための値の入力を受け付ける。

なお、ステップＳ１０１で取得した電圧測定に関する情報の電圧値が逸脱していない場合、または電圧逸脱に対する修正値の必要がない場合は、ステップＳ１０３の処理を行わなくてもよい。

ステップＳ１０４の処理として、制御部３０の出力部３４では、ステップＳ１０２における推論の結果に基づく、配電系統１００への改修に関する情報を出力する。ステップＳ１０４では、具体的には、配電系統１００による送出電圧の変更案、ポイントＰ１，Ｐ２等における電圧調整器の設定値の変更案、ポイントＰ１，Ｐ２等における分散電源の容量の設定値の変更案、ポイントＰ１，Ｐ２等における電圧調整器または蓄電池の設置案、配電系統１００の変更案、のいずれかまたは複数の情報を、配電系統１００への改修に関する情報として出力する。これにより、配電系統１００への改修案を把握することが可能になり、複数の改修案から適切な改修案を出力することが可能になる。

図４は、図２の制御部３０による学習処理の手順を示すフローチャートである。なお、図４に示す学習処理は、所定の期間（毎日、週１回等）ごとに自動で行ってもよく、ユーザの指示操作により随時行ってもよい。

ステップＳ２０１の処理として、制御部３０の取得部３１では、ステップＳ１０１の処理と同様に、配電系統１００の所定の箇所における、電圧測定に関する情報を取得する。配電系統１００の所定の箇所は、任意に定められる箇所である。取得部３１では、具体的には、配電系統１００の当該箇所における線路亘長の値、電圧値、電流値等の情報が取得される。

ステップＳ２０２の処理として、制御部３０の学習部３２では、ステップＳ１０１で取得した、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統１００への改修に関する情報と、に基づく機械学習を行う。ステップＳ２０２では、具体的には、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統１００への改修に関する情報との間のパターンを認識して機械学習を行う。

ステップＳ２０３の処理として、制御部３０の学習部３２では、ステップＳ２０２で行った機械学習の結果に基づき、機械学習モデル２２を更新する。これにより、機械学習モデル２２は最新の学習状態に更新される。

図５を参照しながら、電圧管理支援装置１の学習部３２による機械学習及び推論の手順について説明する。図５は、図２の学習部３２による機械学習及び推論の手順を示すブロック図である。

ステップＳ３０１の処理として、制御部３０の取得部３１は、機械学習を行うための教師データを収集する。教師データの例としては、電圧測定に関する情報であり、具体的には、配電系統１００の所定の箇所（例えば、図１に示すポイントＰ１，Ｐ２）における線路亘長の値、電圧値、電流値、分散電源の位置や名称、自動電圧調整器の位置や名称、高圧負荷の位置や名称、低圧負荷の位置や名称、線路インピーダンスの値、過去の電圧逸脱及びその電圧逸脱に対する改修方法、電圧取得地点までの電圧降下の値を含む。また、教師データの例としては、配電系統１００への改修に関する情報であり、具体的には、配電系統１００による送出電圧の変更、配電系統１００の所定の箇所における電圧調整器の設定値の変更（コンデンサの容量の変更、またはリアクトルの容量の変更）、配電系統１００の所定の箇所における分散電源の容量の設定値の変更、配電系統１００の所定の箇所における電圧調整器または蓄電池の設置、配電系統１００の変更の情報を含む。

ステップＳ３０２の処理として、制御部３０の学習部３２は、ステップＳ２０１で収集した教師データによる教師あり機械学習を行い、機械学習モデル２２を生成または更新する。

ステップＳ３０３の処理として、制御部３０の取得部３１は、機械学習モデル２２に基づく配電系統１００への改修についての推論を行うための、入力データを取得する。入力データの例としては、電圧測定に関する情報であり、上記と同様である。

ステップＳ３０４の処理として、制御部３０の推論部３３は、ステップＳ３０３で取得した入力データによる、配電系統１００への改修についての推論を行う。

ステップＳ３０５の処理として、制御部３０の出力部３４は、ステップＳ３０４の推論結果を出力する。

＜効果＞
実施の形態１に係る電圧管理支援装置１及び電圧管理支援方法によれば、過去の電圧測定に関する情報、具体的には、配電系統１００の所定の箇所、例えば、図１に示すポイントＰ１，Ｐ２等における線路亘長の値、電圧値、電流値、分散電源の位置や名称、自動電圧調整器の位置や名称、高圧負荷の位置や名称、低圧負荷の位置や名称、線路インピーダンスの値、過去の電圧逸脱、電圧取得地点までの電圧降下の値のいずれかまたは複数の情報を教師データとして機械学習を行う。また、配電系統１００への改修に関する情報、具体的には、配電系統１００による送出電圧の変更、配電系統１００の所定の箇所、例えば、図１に示すポイントＰ１，Ｐ２における電圧調整器の設定値の変更、配電系統１００の所定の箇所における分散電源の容量の設定値の変更、配電系統１００の所定の箇所における電圧調整器または蓄電池の設置、配電系統１００の変更のいずれかまたは複数の情報を教師データとして機械学習を行う。この機械学習の結果である機械学習モデル２２に基づき、電圧測定に関する情報から、配電系統１００への改修についての推論を行う。そのため、過去の電圧測定に関する情報における電圧の測定値が逸脱している場合に、どのように改修したのかを把握することが可能になる。さらに、複数の改修案から適切な改修案を出力することが可能になる。これにより、担当者の経験によらずに、電圧の測定値が逸脱している場合の改修方法を決定することが可能になる。

また、電圧管理支援装置１及び電圧管理支援方法によれば、機械学習モデル２２を更新する学習部３２を備えている。これにより、最新の情報に基づく機械学習モデルの更新が可能になる。

さらに、電圧逸脱に対する修正値の入力を受け付け、その修正値に基づく配電系統１００への改修に関する情報として、配電系統１００における送出電圧の変更案の値、電圧調整器の設定値の変更案の値、分散電源の容量の設定値の変更案の値、のいずれかまたは複数の値を算出して出力する。これにより、修正すべき値から逆算して各種設定値を算出すること可能になる。

さらにまた、配電系統１００における送出電圧、及び所定の箇所における測定電圧の時系列の情報から、電圧逸脱のおそれがある箇所について推論を行って出力する。そのため、電圧逸脱のおそれがある箇所を事前に特定することが可能になる。これにより、計画的な改修が可能になり、法定電圧の管理以外にも幅広い業務に適用することが可能になる。

（実施の形態２（プログラム））
図６は、本発明の実施の形態２に係るコンピュータ（電子計算機）７００の構成の例を示す機能ブロック構成図である。コンピュータ７００は、ＣＰＵ７０１、主記憶装置７０２、補助記憶装置７０３、インタフェース７０４を備える。

ここで、実施形態１に係る取得部３１と、学習部３２と、推論部３３と、出力部３４と、入力受付部３５とを構成する各機能を実現するためのプログラムの詳細について説明する。これらの機能ブロックは、コンピュータ７００に実装される。そして、これらの各構成要素の動作は、プログラムの形式で補助記憶装置７０３に記憶されている。ＣＰＵ７０１は、プログラムを補助記憶装置７０３から読み出して主記憶装置７０２に展開し、当該プログラムに従って上述の処理を実行する。また、ＣＰＵ７０１は、プログラムに従って、上述した記憶部に対応する記憶領域を主記憶装置７０２に確保する。

当該プログラムは、具体的には、コンピュータ７００において、配電系統の所定の箇所における、電圧測定に関する情報を取得するステップと、過去の電圧測定に関する情報と、過去の電圧測定の結果による配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、電圧測定に関する情報から、配電系統への改修についての推論を行うステップと、推論の結果に基づく、配電系統への改修に関する情報を出力するステップと、をコンピュータによって実現するプログラムである。

なお、補助記憶装置７０３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インタフェース７０４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムがネットワークを介してコンピュータ７００に配信される場合、配信を受けたコンピュータ７００が当該プログラムを主記憶装置７０２に展開し、上述の処理を実行してもよい。

また、当該プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、上述した機能を補助記憶装置７０３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、この発明の実施の形態を詳述してきたが、具体的な構成はこの実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計の変更等があっても、この発明に含まれる。

１ ：電圧管理支援装置
１０ ：通信部
２０ ：記憶部
２１ ：電圧測定データベース
２２ ：機械学習モデル
３０ ：制御部
３１ ：取得部
３２ ：学習部
３３ ：推論部
３４ ：出力部
３５ ：入力受付部
１００ ：配電系統
１０１ ：変電所
１０２ ：高圧線
１０３ ：高圧引込線
１０４ ：負荷
１０５ ：変圧器
１０６ ：低圧線
１０７ ：低圧引込線
１０８ ：負荷
７００ ：コンピュータ
７０１ ：ＣＰＵ
７０２ ：主記憶装置
７０３ ：補助記憶装置
７０４ ：インタフェース
Ｐ１，Ｐ２ ：ポイント

Claims (9)

1. 配電系統の電圧管理を行う電圧管理支援装置であって、
   前記配電系統の所定の箇所における、電圧測定に関する情報を取得する取得部と、
   過去の前記電圧測定に関する情報と、過去の前記電圧測定の結果による前記配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、前記電圧測定に関する情報から、前記配電系統への改修についての推論を行う推論部と、
   前記推論の結果に基づく、前記配電系統への改修に関する情報を出力する出力部と、を備える、
   ことを特徴とする電圧管理支援装置。
2. 前記過去の電圧測定に関する情報と、前記過去の電圧測定の結果による前記配電系統への改修に関する情報と、に基づく機械学習を行い、前記機械学習の結果に基づき前記機械学習モデルを更新する学習部を備える、
   ことを特徴とする請求項１に記載の電圧管理支援装置。
3. 前記出力部は、前記配電系統への改修に関する情報として、前記配電系統による送出電圧の変更案、前記配電系統の所定の箇所における電圧調整器の設定値の変更案、前記配電系統の所定の箇所における分散電源の容量の設定値の変更案、前記配電系統の所定の箇所における電圧調整器または蓄電池の設置案、前記配電系統の変更案のいずれかまたは複数の情報を出力する、
   ことを特徴とする請求項１または２に記載の電圧管理支援装置。
4. 前記取得部は、前記電圧測定に関する情報として、前記所定の箇所における電圧逸脱の情報を取得し、
   前記電圧逸脱に対する修正値の入力を受け付ける入力受付部をさらに備え、
   前記出力部は、受け付けた前記電圧逸脱に対する修正値に基づく、前記配電系統への改修に関する情報として、前記配電系統における送出電圧の変更案、前記配電系統の所定の箇所における電圧調整器の設定値の変更案、前記配電系統の所定の箇所における分散電源の容量の設定値の変更案、のいずれかまたは複数の情報を算出して出力する、
   ことを特徴とする請求項１に記載の電圧管理支援装置。
5. 前記取得部は、前記電圧測定に関する情報として、前記配電系統における送出電圧、及び前記所定の箇所における測定電圧の情報を時系列で取得し、
   前記推論部は、電圧逸脱のおそれがある箇所についての推論を行い、
   前記出力部は、前記推論の結果に基づく、電圧逸脱のおそれがある箇所の情報を出力する、
   ことを特徴とする請求項１に記載の電圧管理支援装置。
6. 前記機械学習モデルの教師データである前記電圧測定に関する情報は、前記配電系統の所定の箇所における線路亘長、電圧、電流、分散電源、自動電圧調整器、高圧負荷、低圧負荷、線路インピーダンス、過去の電圧逸脱、電圧取得地点までの電圧降下のいずれかまたは複数の情報を含む、
   ことを特徴とする請求項１に記載の電圧管理支援装置。
7. 前記機械学習モデルの教師データである前記電圧測定の結果による前記配電系統への改修に関する情報は、前記配電系統による送出電圧の変更、前記配電系統の所定の箇所における電圧調整器の設定値の変更、前記配電系統の所定の箇所における分散電源の容量の設定値の変更、前記配電系統の所定の箇所における電圧調整器または蓄電池の設置、前記配電系統の変更のいずれかまたは複数の情報を含む、
   ことを特徴とする請求項１に記載の電圧管理支援装置。
8. プロセッサと、メモリとを備えるコンピュータに実行され、配電系統の電圧管理を行うための電圧管理支援方法であって、
   前記方法は、前記プロセッサが、
   前記配電系統の所定の箇所における、電圧測定に関する情報を取得するステップと、
   過去の前記電圧測定に関する情報と、過去の前記電圧測定の結果による前記配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、前記電圧測定に関する情報から、前記配電系統への改修についての推論を行うステップと、
   前記推論の結果に基づく、前記配電系統への改修に関する情報を出力するステップと、を実行する、
   ことを特徴とする電圧管理支援方法。
9. プロセッサと、メモリとを備えるコンピュータに実行させ、配電系統の電圧管理を行うためのプログラムであって、
   前記プログラムは、前記プロセッサに、
   前記配電系統の所定の箇所における、電圧測定に関する情報を取得するステップと、
   過去の前記電圧測定に関する情報と、過去の前記電圧測定の結果による前記配電系統への改修に関する情報と、を教師データとする機械学習モデルに基づき、前記電圧測定に関する情報から、前記配電系統への改修についての推論を行うステップと、
   前記推論の結果に基づく、前記配電系統への改修に関する情報を出力するステップと、を実行させる、
   ことを特徴とするプログラム。