JP4433890B2 - 電気機器稼動状態推定システムおよび電気機器稼動状態推定用データベース構築方法 - Google Patents

Description

本発明は、一般家庭の電気機器稼動状態を推定するシステムにおいて、初期学習に伴うデータ収集作業を容易に行なうための改良に関するものである。

従来の電気機器稼動状態推定システムは、電気機器が発生する高調波パターンに着目し、給電引込口付近に設置した電流電圧センサで収集した総負荷電流並びに電圧から求める高調波パターンを特徴量としてパターン認識し、電気機器の稼働状態又は消費電力を推定する（例えば、特許文献１参照）。

上記システムであれば、電気機器個別にセンサを取り付ける必要がなく、システム導入のコストが安く抑えられる。また、ホームネットワークに未対応な電気機器の稼働状態を推定することができる。

特開２００１−３３０６３０号公報

ところで、上記システムにおいては、屋内で使用される電気機器の全組合せパターンの特徴量を学習データに用いなければ、判定率が低下する。しかし、屋内の電気機器数が増加すれば当該組合せパターン数は指数的に増加するので、初期学習に伴うデータ収集は非常に困難である。計測する組み合わせ数が増加すれば、組合せパターンを変更するごとに電気機器のスイッチの切り替え作業機会も増え、作業時間が長時間に及び被測定家屋への負担も増加する。また、冷蔵庫は長時間スイッチを切れば中の食品を傷めるなど電気機器によっては実現できない組合せパターンも存在する。

そこで、本発明は、このような問題を解決し、初期学習に伴いデータ収集する機器の組合せパターンを少種類に抑え、初期学習にかかる負荷を軽減する電気機器稼動状態推定システムおよび電気機器稼動状態推定用データベース構築方法を提供することを目的とする。

本発明は、被計測家屋で使用される複数の電気機器の稼動状態を、事前に蓄積した学習データとのパターン認識により推定する電気機器稼動状態推定システムにおいて、学習データは、電気機器を一つずつ稼動させて被計測家屋における総負荷電流及び電圧を計測データとして取得すると共に、これらの計測データを組合せ毎に加算して、複数の生成データを生成し、得られた計測データおよび生成データの特徴量であることを特徴とする。

また、本発明は、被計測家屋で使用される複数の電気機器の稼動状態を推定するために、複数の電気機器に対する稼動／非稼動の全組合せパターンの総負荷電流及び電圧から得られる特徴量を学習データとして格納した学習データベースを構築する電気機器稼動状態推定用データベース構築方法であって、学習データベースには、電気機器を一つずつ稼動させて被計測家屋における総負荷電流及び電圧を計測データとして取得すると共に、これらの計測データを組合せ毎に加算して複数の生成データを生成し、得られた計測データおよび生成データの特徴量を格納することを特徴とする。

本発明は、学習データベースに格納する特徴量の取得において、複数の電気機器に対する稼動／非稼動の全組合せパターンの総負荷電流及び電圧を実際に計測しなくても、各電気機器が一つずつ稼動した場合に得られる計測データ（総負荷電流及び電圧）に基づいて、全組合せパターン（或いは、多くの組合せパターン）を演算によって抽出することができる。

したがって、本発明は、学習データ収集時の稼動状態の組合せパターンを変更する作業において、電気機器のスイッチの切り替え回数を減少できるので、作業時間を大幅に短縮できる。一般に、電気機器は部屋やフロアを隔てて接続されているので、スイッチの切り替えの度に作業者は部屋やフロアを移動せねばならず、１回の組合せパターン変更にも相当な時間を要する。本発明であれば、かかるケースにおいても、迅速に組合せパターンの変更作業が完了する。

また、本発明は、スイッチ切り替えの困難な電気機器が含まれている場合でも、全組合せパターンの学習データを蓄積することができる。例えば、冷蔵庫は長時間電源を切っておけば中の食品を傷めてしまうので、冷蔵庫は常に稼動したままの組合せパターンのみを学習データとして収集することになる。このため、屋内から冷蔵庫を撤去した場合、当該学習データでは不十分となり、複数の電気機器の稼動状態を推定するのが困難となる。しかし、当該学習データだけでなく冷蔵庫が稼動していない組合せパターンの学習データを蓄積できれば、上記問題は解決される。

さらに、本発明では、常時稼動が要求される冷蔵庫等の第１の電気機器と、第１の電気機器を除いた第２の電気機器とが稼動した際の計測データから、第１の電気機器のみが稼動した計測データを減算することにより、冷蔵庫等の第１の電気機器が稼動していない組合せパターンの学習データを生成させることが可能となる。その結果、冷蔵庫等の第１の電気機器を屋内から撤去した場合であっても、当該学習データを用いて、高い精度で、複数の電気機器の稼動状態を推定することができる。

以下、本発明の好適な実施の形態について添付図面を参照して説明する。
図１は、本実施の形態に係る電気機器稼動状態推定システムの配置状態を示す概念図である。また、図２は、本実施の形態に係る電気機器稼動状態推定システムの構成を示すブロック図である。
図１に示すように、本実施の形態の電気機器稼動状態推定システムは、被計測家屋１の給電線引込口付近に配置され、被計測家屋１で使用される複数の電気機器２ａ〜２ｃの稼動状態を、事前に蓄積した学習データとのパターン認識により推定するシステムである。

図１，２に示すように、本実施の形態の電気機器稼動状態推定システムは、給電線引込口付近に配置され、被計測家屋における総負荷電流と電圧を計測する計測手段３と、電気機器を一つずつ稼動させたときに計測手段３より得られる複数の計測データを保存する保存手段４と、保存手段４に保存された計測データを組合せ毎に加算して、複数の生成データを生成するデータ生成手段５と、計測データおよび生成データに基づいて特徴量を抽出する特徴量抽出手段６と、電気機器２ａ〜２ｃに対する稼動／非稼動の全組合せパターンの総負荷電流及び電圧から得られる特徴量を学習データとして格納する学習データベース７とを備えている。

また、本実施の形態の電気機器稼動状態推定システムは、電気機器２ａ〜２ｃの稼働状態を推定する識別器が保持された識別子データベース８と、学習データベース７に格納された学習データから上記識別器を各々学習する学習手段９と、計測手段３で計測された計測データの特徴量を抽出する特徴量抽出手段１０と、特徴量抽出手段１０で抽出された特徴量を、識別器データベースに保持された学習済みの識別器を用いて、電気機器の稼動状態を推定する推定手段１１と、推定手段１１から出力される稼働状態推定結果を表示する推定結果表示手段１２とを備える。

なお、保存手段４とデータ生成手段５と特徴量抽出手段６とから、学習データベース７に格納する特徴量を取得する特徴量取得手段が構成される。また、識別子データベース８と学習手段９と推定手段１１とから、計測手段３で計測した計測データの特徴量と学習データベース７に格納された学習データとを比較して、複数の電気機器２ａ〜２ｃの稼動状態を推定する稼動状態推定手段が構成される。

さらに、電気機器２ａ〜２ｃの稼動状態とは、電気機器２ａ〜２ｃのスイッチがOnかOffかを示す。また、電気機器２ａ〜２ｃの組合せパターンとは、（電気機器Ａ＝On，電気機器Ｂ＝On）、（電気機器Ａ＝Off，電気機器Ｂ＝On）といった様々な稼働状態に関するパターンを示す。

次に、本実施の形態の動作を説明する。
本実施の形態における電気機器２ａ〜２ｃの稼動状態推定処理は、図７に示す３ステップの作業により実行される。

(ステップI)
はじめに学習データを収集する。電気機器２ａ〜２ｃのスイッチ切り替えを行い、様々な組合せパターンで総負荷電流並びに電圧を計測し、当該計測データから抽出した特徴量と電気機器２ａ〜２ｃの稼動状態の情報を併せて学習データとする。
(ステップII)
次に稼動状態を推定する識別器を前記学習データで初期学習を行なう。識別器にはニューラルネットワークやサポートベクターマシンなどが用いられる。
(ステップIII)
最後に学習した識別器を使い、計測データから電気機器２ａ〜２ｃの稼動状態を推定する。

以下、ステップIにおける本システムの処理を示す。
上記計測手段３で計測した計測データは、稼動状態情報と併せて、例えば図８のようなデータを保存手段４に一時保存する。計測していない組合せパターンの総負荷電流並びに電圧は、上記保存手段４に保存されている計測データからデータ生成手段５にて生成する。特徴量抽出手段６は、当該計測データ及び当該生成データを併せた全組合せパターンの総負荷電流及び電圧から特徴量を抽出し、稼動状態情報と併せて学習データとし、上記学習データはステップIIにおいて識別器の初期学習に用いられる。また上記学習データは学習データベース７が保存する。

学習データ用に実際に計測する組合せパターンは１つの電気機器のみが稼動している場合を考える。この場合の学習データ収集時間は、全組合せパターンを計測する場合に比べ図３に表した程度短縮できる。
保存手段４には電気機器２ａ〜２ｃのうち１つの機器が稼動している計４パターンの計測データが保存されている。当該計測データからデータ生成手段５にて計測していない組合せパターンの総負荷電流並びに電圧データを生成する。

はじめに各計測データで電圧の基本波周波数成分の初期位相が０になるように総負荷電流の位相を修正する。次に高速フーリエ変換（FFT）で各周波数成分の最大値と位相を求め、電気機器２ａの当該総負荷電流をそれぞれ次のように周波数分解する。

I_a(t)=I_a1cos(2πf₁t+φ_a1)+I_acos(2πf₂t+φ_a2)+・・・

ここでI_a(t)は、電気機器２ａの位相を修正した総負荷電流、f_iは周波数、I_a1はf_i成分の電流最大値、φ_a1はf_i成分の位相である。電気機器２ｂ，２ｃについても同様の処理を行う。

電気機器２ａ，２ｂが稼動しているパターンの周波数f_i成分の電流最大値I_a-bi及び位相φ_a-biは、重ね合わせの原理に基づき理論計算できる。まず、重ね合わせの原理により次式が成り立つ。

I_a-bicos(2πf_it+φ_a-bi)＝I_aicos(2πf_it+φ_ai)＋I_bicos(2πf_it+φ_bi)

上式の計算を進めると

となる。電気機器２ａ又は電気機器２ｂが高調波電流を発生させるインバータ機器であっても、電気機器２ａ〜２ｃそれぞれに高調波電源を持つ図９の等価回路で表現でき、数式１は成立する。全ての周波数に対して数式１を計算し、電流最大値及び位相を求める。最終的に全周波数成分の和を電気機器２ａ及び電気機器２ｂが稼動しているパターンの総負荷電流とする。当該パターンの電圧は、基本波周波数成分の初期位相が０である基本周波数の正弦波とする。
以上により計測していない全組合せパターンの総負荷電流と電圧を生成できる。また、上記計算を行なう周波数を基本波周波数の整数倍の周波数に間引くことで計算量を軽減できる。

一方、電気機器２ａ常に稼働していなければならない場合、電気機器２ｂのみが稼働しているときの総負荷電流並びに電圧は、数式１の電流最大値の符号が異なる以外上記と同様の方法により生成できる。計測した組合せパターンは電気機器２ａが稼働している、電気機器２ａ及び電気機器２ｂが稼動しているパターンとする。
電気機器２ｂのみが稼働している周波数成分の電流最大値及び位相は数式２により求められる。

データ生成手段５が計測していない組合せパターンの総負荷電流並びに電圧を生成した後、特徴量抽出手段６が該生成データ及び前記計測データから特徴量を抽出する。

特徴量は、例えば、総負荷電流の基本波並びに高調波電流の実効値及び基本波電圧に対する位相差、給電線引込口から見たインピーダンスの基本波周波数成分の絶対値及び位相、総負荷電流の平均値、ピーク値、波高率、波形率、平均消費電力、力率などが考えられる。

計測データの総負荷電流をI(t)、電圧をV(t)、基本波成分の周期をTとする。n次の高調波電流の実効値I_nと基本波電圧との位相差φ_nは、次のように求める。ここで、f₁は基本周波数、f_nは基本周波数のｎ倍である。

給電線引込口から見たインピーダンスの基本波周波数成分の絶対値Zは基本波電圧の実効値V_１を基本波電流の実効値I_１から、位相φ_zは数式５の位相差φ_nから求められる。

総負荷電流の平均値I _{m e a n} は、半周期の平均、ピーク値I _{p e a k} は最大値を用いる。

波形の尖鋭度を表す波高率HR、波形の滑らか度を表す波形率WRは次式で求める。

平均消費電力Pや力率αを特徴量に用いることもできる。

ここでV_peakは電圧のピーク値である。

以下、ステップIIにおける本システムの処理を示す。
電気機器２ａ〜２ｃの稼働状態を推定する識別器は電気機器２ａ〜２ｃ毎に用意し、識別器データベース８に保持されている。前記識別器はニューラルネットワーク、サポートベクターマシンなどを用いる。学習手段９は、前記学習データベース７にある学習データから前記識別器を各々学習し、当該識別器に与えられる特徴量に対して電気機器２ａ〜２ｃの稼働状態（OnかOffか）を識別する識別面を形成する(図１０)。これにより学習した識別器に特徴量を入力すれば電気機器２ａ〜２ｃの稼働状態の推定結果を出力できる。

以下、ステップIIIにおける本システムの処理を示す。電気機器２ａ〜２ｃの稼働状態を推定する際のデータの流れを図４に示す。
はじめに計測手段３で総負荷電流並びに電圧は計測し、当該計測データから特徴量抽出手段１０において特徴量を抽出する。当該特徴量はステップIIで識別器の初期学習に用いた特徴量と同じ種類にする。

次に、推定手段１１に識別器データベース８が保持する学習済みの識別器１３ａ〜１３ｃをセットし、前記推定手段１１は、入力される特徴量に対しての稼働状態推定結果を出力する。ここで、電気機器２ａの稼働状態は識別器１３ａで推定するというように、1つの識別器は1つの電気機器の稼働状態推定を担当する。前記推定手段１１は、これら推定結果をあわせて出力する。

前記推定結果は推定結果表示手段１２が表示する。例えば図６のように屋内に設置したディスプレイに表示することで、被測定家屋において現在どの電気機器２ａ〜２ｃが稼働しているかを把握できる。

以上のように、本実施の形態であれば、学習データベース７に格納する特徴量の取得において、複数の電気機器２ａ〜２ｃに対する稼動／非稼動の全組合せパターンの総負荷電流及び電圧を実際に計測しなくても、各電気機器２ａ〜２ｃが一つずつ稼動した場合に得られる計測データ（総負荷電流及び電圧）に基づいて、全組合せパターン（或いは、多くの組合せパターン）を演算によって抽出することができる。その結果、学習データ収集時(ステップI)の稼動状態の組合せパターンを変更する作業において、電気機器２ａ〜２ｃのスイッチの切り替え回数を減少できるので、作業時間を大幅に短縮できる。

なお、本実施の形態と同様の方法で生成した学習データを用いて、稼働状態でなく電気機器２ａ〜２ｃ個別の消費電力を推定してもよい。このとき学習データ収集時には電気機器２ａ〜２ｃに消費電力を計測する装置を取り付けるものとする。

本実施の形態に係る電気機器稼動状態推定システムの配置状態を示す概念図である。 本実施の形態に係る電気機器稼動状態推定システムの構成を示すブロック図である。 学習データの収集時間の短縮率を表した表である。 推定動作時のデータの流れを示す図である。 学習データの一例を示す表である。 推定結果の表示例を示す図である。 本実施の形態における電気機器の稼動状態推定処理の動作ステップを示す図である。 計測データの一例を示す表である。 インバータ機器を接続したときの屋内配線の等価回路図である。 識別器のイメージを示す図である。

符号の説明

１…被計測家屋、２ａ〜２ｃ…電気機器、３…計測手段、４…保存手段、５…データ生成手段、６，１０…特徴量抽出手段、７…学習データベース、８…識別子データベース、９…学習手段、１１…推定手段、１２…推定結果表示手段、１３ａ〜１３ｃ…識別器。

Claims (6)

1. 被計測家屋内の電気機器を一つずつ稼動させて一つずつの総負荷電流ならびに電圧を計測する計測ステップと、
   前記計測ステップで計測した結果を計測データとして保存する計測データ保存ステップと、
   前記計測データ保存ステップで保存した一つずつ稼動させた電気機器毎の前記計測データを周波数分解し各周波数成分から各周波数成分の総負荷電流と位相を求め、複数の電気機器の全ての稼動と非稼動の組合せパターンの総負荷電流ならびに電圧を演算する際に電気機器ａの各周波数成分ｆ _ｉ （ｉ＝１，２，３，．．，ｎ）の総負荷電流がＩ _ａｉ 、位相がφ _ａｉ であり、電気機器ｂの各周波数成分ｆ _ｉ の総負荷電流がＩ _ｂｉ 、位相がφ _ｂｉ であるとき、電気機器ａと電気機器ｂの組合せパターンの各周波数成分ごとの電流最大値Ｉ _ａ−ｂｉ ならびに位相φ _ａ−ｂｉ を、次の式
   

   

   により重ね合わせて求め、この重ね合わせて求めた前記各周波数成分の和により組合せパターンの総負荷電流と位相を生成する演算ステップと、
   前記計測データおよび前記演算ステップで生成した生成データを併せた全組合せパターンの総負荷電流ならびに電圧から特徴量を抽出する特徴量抽出ステップと、
   前記特徴量抽出ステップで抽出した特徴量を初期学習データベースとして保存する特徴量保存ステップと、
   を備えたことを特徴とする初期学習データベース構築方法。
2. 稼動を止めることができない電気機器のみが稼動しているときの総負荷電流ならびに電圧を計測する単体計測ステップと、
   前記稼動を止めることができない電気機器と稼動を止めることができる電気機器の全ての電気機器毎との組合せで稼動しているときの総負荷電流ならびに電圧を計測する組合せ計測ステップと、
   前記組合せ計測結果の電圧の各周波数成分ｆ _ｉ （ｉ＝１，２，３，．．，ｎ）の総負荷電流Ｉ _ａ−ｂｉ ならびに位相φ _ａ−ｂｉ から前記単体計測結果の電圧の各周波数成分ｆ _ｉ の総負荷電流Ｉ _ａｉ ならびに位相φ _ａｉ を次の式
   

   

   によって各周波数成分ｆ _ｉ の負荷電流の正弦成分および余弦成分を減算することにより得られる前記稼動を止めることができる電気機器のみの電圧の各周波数成分ｆ _ｉ の総負荷電流Ｉ _ｂｉ ならびに位相φ _ｂｉ の各周波数成分の和により、前記稼動を止めることができる電気機器のみが稼動している総負荷電流ならびに電圧を、前記稼動を止めることができる全ての電気機器について求める演算生成ステップと、
   前記単体計測ステップで計測した単体計測データおよび前記組合せ計測ステップで計測した組合せ計測データおよび前記演算生成ステップで生成した生成データを併せた全組合せパターンの総負荷電流ならびに電圧から特徴量を抽出する特徴量抽出ステップと、
   前記特徴量抽出ステップで抽出した特徴量を初期学習データベースとして保存する特徴量保存ステップと、
   を備えたことを特徴とする初期学習データベース構築方法。
3. 前記特徴量は、総負荷電流の基本波並びに高調波の電流実効値及び電圧に対する位相差、給電線引込口から見たインピーダンスの基本波周波数成分の絶対値及び位相、総負荷電流の平均値、ピーク値、波高率、波形率、力率、平均消費電力のうち1つ又は複数である請求項１または２に記載の初期学習データベース構築方法。
4. 被計測家屋で使用される複数の電気機器の稼動状態を、事前に蓄積した学習データとのパターン認識により推定する電気機器稼動状態推定システムにおいて、
   前記被計測家屋内の前記電気機器を一つずつ稼動させて一つずつの総負荷電流ならびに電圧を計測する計測手段と、
   前記計測手段で計測した結果を計測データとして保存する計測データ保存手段と、
   前記計測データ保存手段で保存した一つずつ稼動させた電気機器毎の前記計測データを周波数分解し各周波数成分から各周波数成分の総負荷電流と位相を求め、複数の電気機器の全ての稼動と非稼動の組合せパターンの総負荷電流ならびに電圧を演算する際に電気機器ａの各周波数成分ｆ _ｉ （ｉ＝１，２，３，．．，ｎ）の総負荷電流がＩ _ａｉ 、位相がφ _ａｉ であり、電気機器ｂの各周波数成分ｆ _ｉ の総負荷電流がＩ _ｂｉ 、位相がφ _ｂｉ であるとき、電気機器ａと電気機器ｂの組合せパターンの各周波数成分ごとの電流最大値Ｉ _ａ−ｂｉ ならびに位相φ _ａ−ｂｉ を、次の式
   

   

   により重ね合わせて求め、この重ね合わせて求めた前記各周波数成分の和により組合せパターンの総負荷電流と位相を生成する演算手段と、
   前記計測データおよび前記演算手段で生成した生成データを併せた前記全組合せパターンの総負荷電流ならびに電圧から特徴量を抽出する特徴量抽出手段と、
   前記特徴量抽出手段で抽出した特徴量を初期学習データベースとして保存する特徴量保存手段と、
   を備えたことを特徴とする電気機器稼動状態推定システム。
5. 稼動を止めることができない電気機器がある場合に、
   前記計測手段は、
   前記稼動を止めることができない電気機器のみが単体で稼動しているときの総負荷電流ならびに電圧を計測するとともに、前記稼動を止めることができない電気機器および稼動を止めることができる電気機器とを組合せて稼動しているときの総負荷電流ならびに電圧を計測し、
   前記演算手段は、
   前記組合せ計測結果の電圧の各周波数成分ｆ _ｉ （ｉ＝１，２，３，．．，ｎ）の総負荷電流Ｉ _ａ−ｂｉ ならびに位相φ _ａ−ｂｉ から前記単体計測結果の電圧の各周波数成分ｆ _ｉ の総負荷電流Ｉ _ａｉ ならびに位相φ _ａｉ を次の式
   

   

   によって各周波数成分ｆ _ｉ の負荷電流の正弦成分および余弦成分を減算することにより得られる前記稼動を止めることができる電気機器のみの電圧の各周波数成分ｆ _ｉ の総負荷電流Ｉ _ｂｉ ならびに位相φ _ｂｉ の各周波数成分の和により、前記稼動を止めることができる電気機器のみが稼動している総負荷電流ならびに電圧を求めることを特徴とする請求項４記載の電気機器稼動状態推定システム。
6. 前記特徴量は、総負荷電流の基本波並びに高調波の電流実効値及び電圧に対する位相差、給電線引込口から見たインピーダンスの基本波周波数成分の絶対値及び位相、総負荷電流の平均値、ピーク値、波高率、波形率、力率、平均消費電力のうち1つ又は複数である請求項４または５のいずれかに記載の電気機器稼動状態推定システム。

Images