JP5575212B2

JP5575212B2 - 異常検出装置、異常検出方法、及びプログラム

Info

Publication number: JP5575212B2
Application number: JP2012264369A
Authority: JP
Inventors: 真勝倉; 成憲中田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2012-12-03
Filing date: 2012-12-03
Publication date: 2014-08-20
Anticipated expiration: 2032-12-03
Also published as: US9746504B2; JP2014109928A; WO2014087965A1; US20150309089A1

Description

本発明は、異常検出装置、異常検出方法、及びプログラムに関する。

家族や近親者の安否を遠方から確認するためのシステムが望まれている。例えば、特許文献１〜７には、住宅内に設置された電気機器の動作に伴う電流の変化に基づいて、居住者の安否確認等を行う装置が開示されている。また、特許文献８には、電力使用量の変化に基づいて、居住者の安否確認等を行う装置が開示されている。

特開２００２−１０９６６３号公報特開２０００−２９２４６５号公報特開２００８−１０７８８５号公報特開２００７−４８２６５号公報特開２００７−１８３８９０号公報特開２００９−４３１４１号公報特開２０１１−４３９８４号公報特開２００８−１１２２６７号公報

住宅内に設置される電気機器が多くなると、電力供給線に流れる電流波形は複雑になる。通常、住宅内には多くの電気機器が設置されるため、特許文献１〜７のように、単純に電流をモニタするだけの装置では、居住者に発生した異常を精度よく検出できない。また、最近では、居住者が操作しなくても自動的に動作を開始したり停止したりする電気機器が多くある。そのため、特許文献８のように、単純に電力使用量をモニタするだけの装置では居住者に発生した異常を精度よく検出できない。

本発明はこのような問題に鑑みてなされたものであり、居住者に発生した異常を精度よく検出できる異常検出装置、異常検出方法、及びプログラムを提供することを目的とする。

本発明の異常検出装置は、複数の電気機器が直接的あるいは間接的に接続された電力供給線に流れる電流の計測データを取得する計測データ取得手段と、過去一定期間分の前記計測データを周波数および交流周期に対する位相の少なくとも１つに基づいて複数のクラスタに分離もしくは分類するクラスタリング手段と、同一時刻に取得された同一クラスタの計測データ毎に、該計測データの絶対値の平均値が閾値以上で有るか否かを判別し、予め定めた期間にわたって周期的に前記閾値以上であると判別されている割合が所定値以上ある時間帯を前記クラスタ別に特定するパターン解析手段と、前記パターン解析手段で特定した時間帯に属する時刻に新たに取得された計測データであって該当するクラスタの計測データの絶対値の平均値が所定の閾値よりも低かった場合に異常発生と判別する異常判別手段とを備えている。

本発明によれば、居住者に発生した異常を精度よく検出できる異常検出装置、異常検出方法、及びプログラムを提供できる。

本発明の実施の形態に係る異常検出装置の設置状態を説明するための図である。本発明の実施の形態に係る異常検出装置のブロック図である。図２に示す電流計測部で電流が３つの周波数帯に分離される様子を示す図である。図２に示す電流計測部で計測される高調波電流を説明するための図であり、（Ａ）は電流センサで生成された二次電流から取り除かれた基本周波数成分を示す図、（Ｂ）は基本周波数成分が取り除かれた高調波電流を示す図である。図２に示す制御部が有する機能を説明するための機能ブロック図である。計測データ取得処理を説明するためのフローチャートである。図２に示す記憶部に格納される電流計測データベースを説明するための図である。パターン解析処理を説明するためのフローチャートである。クラスタリング処理を説明するためのフローチャートである。計測データが複数のデータ列に分類される様子を説明するための図であり、（Ａ）は分類された複数のデータ列の１つを説明するための図、（Ｂ）は計測データが複数のデータ列に分類された様子を示す図である。データ列が複数のクラスタに分類される様子を説明するための図であり、（Ａ）はデータ列の１つにクラスタＩＤが付与された様子を示す図、（Ｂ）は複数のデータ列が複数のクラスタに分類された様子を示す図である。図２に示す記憶部に格納されるクラスタリングデータベースを説明するための図である。電流計測データベースから同一時間、同一クラスタの計測データが抽出される様子を説明するための図である。図２に示す記憶部に格納される活性判別データベースを説明するための図である。１週間分の活性／不活性の判別結果をクラスタ別に示した図である。図２に示す記憶部に格納されるパターンデータベースを説明するための図である。異常検出処理を説明するためのフローチャートである。２４時間分の活性／不活性の判別結果をクラスタ別に示した図である。

以下、本発明を実施するための形態について図面を参照しながら説明する。

交流電源に電気機器を接続するとその電流波形はきれいな正弦波とはならず、高調波成分が含まれた歪んだ波形となる。波形の歪み方（すなわち波形に含まれる高調波成分）は電気機器の動作状況によって変化する。そのため、住宅内に流れ込む電流の波形を解析することで住宅内の電気機器の動作状況を確認することが可能である。

本発明の実施の形態に係る異常検出装置１００は、住宅内に流れ込む電流波形によって特定される電気機器の動作状況に基づいて、居住者に発生した異常を検出するための装置である。より具体的には、異常検出装置１００は、住宅内の幹線（例えば、図１に示すように、給電線引込口から配電盤までの電力供給線）に流れる電流の計測データを蓄積し、蓄積した計測データを使って住宅内に設置された電気機器の動作パターンを特定する。そして、電流波形によって特定される電気機器の動作状況が特定した動作パターンとは異なる場合に異常発生と判別し、遠隔地にある監視サーバ２００にネットワークを介して通知する。以下、本実施の形態の異常検出装置１００について詳細に説明する。

異常検出装置１００は、図２に示すように、電流計測部１１０と、制御部１２０と、通信インタフェース１３０と、記憶部１４０とから構成される。

電流計測部１１０は、電力供給線に流れる高調波電流を計測するための装置である。なお、本実施の形態において「高調波電流」とは、基本周波数成分（例えば、５０Ｈｚや６０Ｈｚ等の商用周波数成分）を含まない電流のことをいい、基本周波数成分の整数倍の高調波成分のみから構成される電流のみならず、単発的に発生するノイズ成分を含む電流も含まれる。

電流計測部１１０は、負荷抵抗、フィルタ回路、アンプ、ＡＤ変換器、メモリ等から構成される。電流計測部１１０はクランプ式の電流センサ１１１と接続されている。電流センサ１１１は、住宅内で使用されるすべての電気機器の電流の総合計を１箇所で観測できるように、例えば、住宅内の幹線（例えば、図１に示すように、給電線引込口から配電盤までの電力供給線）に設置されている。電流センサ１１１は、例えば、磁気コアにコイルを巻いた変流器構造をしており、電力供給線に流れる電流を例えば１対３０００程度の変流比で変流して二次電流を生成する。電流計測部１１０は、生成された二次電流を３種類のバンドパスフィルタ（以下、「高周波ＢＰＦ」、「中周波ＢＰＦ」、「低周波ＢＰＦ」という。）を使って、例えば図３に示すように、周波数帯の異なる３種類の高調波電流（以下、「高周波高調波電流」、「中周波高調波電流」、「低周波高調波電流」という。）に分離する。そして、電流計測部１１０は、３種類の高調波電流それぞれについてＡＤ変換器を使ってデジタルデータを生成する。一例として、電流計測部１１０は次のように高調波電流を計測する。

電流計測部１１０は、電流センサ１１１から出力された二次電流を、例えば、数十Ωから数ＫΩの負荷抵抗に流すことによって電流の変動を電圧の変動に変換する。電流計測部１１０は変換した電圧に、高周波ＢＰＦ、中周波ＢＰＦ、低周波ＢＰＦを適用して、高周波高調波電流、中周波高調波電流、低周波高調波電流に分離する。高周波ＢＰＦは、例えば、１０ＫＨｚ〜５ＫＨｚを通過させるバンドパスフィルタである。高周波ＢＰＦを通過して得られる高周波高調波電流には、特に電子レンジなどが発生させる高調波成分が含まれる。また、中周波ＢＰＦは、例えば、５ＫＨｚ〜２．５ＫＨｚを通過させるバンドパスフィルタである。中周波ＢＰＦを通過して得られる中周波高調波電流には、特にエアコンなどが発生させる高調波成分が含まれる。また、低周波ＢＰＦは、例えば、２．５ＫＨｚ〜１．２５ＫＨｚを通過させるバンドパスフィルタである。低周波ＢＰＦを通過して得られる低周波高調波電流には、特に掃除機などが発生させる高調波成分が含まれる。このように、電気機器によって発生させる高調波の周波数が異なるため、電流を周波数で分離することによって高調波の特徴をうまく分離することが可能である。

電流計測部１１０は、バンドパスフィルタを通過した３つの周波数帯の信号をＡＤ変換器を使ってデジタルデータに変換する。データのサンプリングレートは例えば２０ＫＨｚとし、図４（Ａ）に示すように、電圧が負から正に変化するゼロクロス点から次の負から正に変化するゼロクロス点までの時間、一度に計測を行う（商用周波数５０Ｈｚの地域においては２０ミリ秒計測を行う）。電流計測部１１０は、０°から３６０°までの位相を例えば４００分割し、一度の計測で４００点計測する。これにより、例えば図４（Ｂ）に示すような高調波電流波形を取得できる。なお、以下の説明では、理解を容易にするため、交流周期の最初の点を位相ｔ＝１とし、最後に計測される点を位相ｔ＝４００とする。３つの周波数帯それぞれについて、一度の計測で４００点ずつ計測されるため、１回の計測では合計で１２００点の計測データ（電流値もしくは電圧値）を取得できる。電流計測部１１０は、取得した１２００点のデータを、随時、制御部１２０に送信する。なお、電流計測部１１０は、負から正のゼロクロスを検出する度に計測してもよいし、所定時間間隔で計測してもよい。以下の説明では、理解を容易にするため、電流計測部１１０は、１分間隔で高調波電流を計測して制御部１２０に送信するものとする。

図２に戻り、制御部１２０は、プロセッサ等の処理装置から構成される。制御部１２０は不図示のＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）に格納されているプログラムに従って動作し、後述の「計測データ取得処理」、「パターン解析処理」、「異常検出処理」を含む種々の動作を実行する。制御部１２０は、「計測データ取得処理」、「パターン解析処理」、「異常検出処理」に従って動作することで、図５に示すように、計測データ取得部１２１、クラスタリング部１２２、パターン解析部１２３、異常判別部１２４として機能する。なお、これらの機能については、後述の「計測データ取得処理」、「パターン解析処理」、「異常検出処理」の説明の箇所で述べる。

図２に戻り、通信インタフェース１３０は、ＬＡＮ（Local Area Network）装置等のネットワーク接続インタフェースから構成される。通信インタフェース１３０は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、インターネット等のネットワークを介し、遠隔地に設置された監視サーバ２００に異常検出結果等の各種データを送信する。

記憶部１４０は、ＤＲＡＭ（Dynamic Random Access Memory）、ＳＲＡＭ（Static Random Access Memory）、フラッシュメモリ、ハードディスク等のデータ読み書き可能な記憶装置から構成される。記憶部１４０には、「電流計測データベース」、「クラスタリングデータベース」、「活性判別データベース」、「パターン判別データベース」等の各種データベースが格納されている。これらデータベースの内容については、後述の「計測データ取得処理」、「パターン解析処理」、「異常検出処理」の中で説明する。

次に、このような構成を有する異常検出装置１００の動作について説明する。

異常検出装置１００の制御部１２０は、例えば、マルチプロセス（マルチタスク）式のオペレーティングシステムに従って動作することで、「計測データ取得処理」、「パターン解析処理」、「異常検出処理」を並行して実行する。最初に、「計測データ取得処理」について説明する。

異常検出装置１００に電源が投入されると、制御部１２０は「計測データ取得処理」を開始する。以下、図６のフローチャートを参照して「計測データ取得処理」を説明する。

制御部１２０の計測データ取得部１２１は、電流計測部１１０から１分間隔で送信される１交流周期分１２００点（低周波、中周波、高周波、それぞれ４００点ずつ）の計測データを取得したか判別する（ステップＳ１０１）。計測データを取得していない場合、計測データを取得するまでステップＳ１０１を繰り返す（ステップＳ１０１：Ｎｏ）。計測データを取得している場合、ステップＳ１０２に進む（ステップＳ１０１：Ｙｅｓ）。

計測データ取得部１２１は、取得した１２００点の計測データそれぞれについて、「取得時刻」、「周波数」、「位相」の情報を付加してレコードを作成し、図７に示すように、電流計測データベース１４１に登録する（ステップＳ１０２）。登録が完了したら、ステップＳ１０１に戻り、再び計測データの受信を待機する。

次に、「パターン解析処理」について説明する。

異常検出装置１００に電源が投入されると、制御部１２０は「パターン解析処理」を実行する。パターン解析処理は、例えば、１日おきに実行される。以下、図８のフローチャートを参照して「パターン解析処理」を説明する。

制御部１２０のパターン解析部１２３は、電流計測データベース１４１に予め設定された一定期間以上の計測データ（例えば、一週間以上の計測データ）が蓄積されているか判別する（ステップＳ２１０）。一定期間以上の計測データが蓄積されていない場合、パターン解析部１２３はパターン解析処理を終了する（ステップＳ２１０：Ｎｏ）。一定期間以上の計測データが蓄積されている場合、ステップＳ２０２に進む（ステップＳ２１０：Ｎｏ）。

高調波が出現しやすい位相は電気機器ごとに異なる。正弦波形のピーク付近（図４の例であれば、位相ｔ＝１００やｔ＝３００付近）に高調波が出現しやすい電気機器もあれば、正から負のゼロクロス付近（図４の例であれば、位相ｔ＝２００やｔ＝４００付近）に高調波が出現しやすい電気機器もある。すなわち、電気機器が発生させる高調波は、電気機器ごとに周波数も違うし位相も違う。電気機器と周波数・位相との関係に基づいて計測データを電気機器別に分類できれば、電気機器それぞれに計測装置を設置したのと変わらない高精度な解析結果を得ることが可能である。そこで、制御部１２０のクラスタリング部１２２は、計測データに関連付けられた周波数と位相の情報に基づいて、計測データを複数の集合（以下、「クラスタ」という。）に分類するクラスタリング処理を実行する（ステップＳ２２０）。以下、図９のフローチャートを参照して「クラスタリング処理」を説明する。

クラスタリング部１２２は、電流計測データベース１４１に登録された過去一定期間分の計測データを、周波数別および位相別に複数のデータ列に分類する（ステップＳ２２１）。図１０（Ａ）は、ステップＳ２２１の理解を容易にするため、一例として、分類した複数のデータ列の１つを、縦軸を電流値、縦軸を時間（日前）として図示したものである。より具体的には、電流計測データベース１４１に登録された過去一週間分のレコード（０日前から７日前までのレコード）の中から、周波数が“高周波”、位相ｔが“１５０”となっているレコードを抽出し、抽出したレコードに格納されている計測データを取得順（計測時刻順）に並べることによって生成されたデータ列を図示したものである。１交流周期で１２００点の計測データが取得されるのであれば、このようなデータ列が例えば図１０（Ｂ）に示すように１２００個生成される。

図９のフローに戻り、クラスタリング部１２２は、分類した複数のデータ列の中からデータ列を１つ選択し、任意のクラスタＩＤを付与する（ステップＳ２２２）。図１１（Ａ）は、一例として、分類した１２００個のデータ列の中から“データ列１”を選択し、クラスタＩＤとして“１”を付与したものである。

図９のフローに戻り、クラスタリング部１２２は、複数のデータ列の中からクラスタＩＤが付与されていないデータ列を１つ選択する（ステップＳ２２３）。図１１（Ｂ）の例であれば、クラスタＩＤが未だ付与されていない“データ列６”〜“データ列１２００”の中からデータ列を１つ選択する。

図９のフローに戻り、クラスタリング部１２２は、ステップＳ２２３で選択したデータ列とすでにクラスタＩＤが付与されているデータ列との相関係数を算出する。このとき、クラスタリング部１２２は、クラスタ毎に相関係数を算出する（ステップＳ２２４）。例えば、図１１（Ｂ）の例において、データ列６を選択したのであれば、クラスタリング部１２２は、クラスタＩＤ“１”が付与されているデータ列１〜３のうちの１つのデータ列とデータ列６との間の相関を算出する。さらに、クラスタリング部１２２は、クラスタＩＤ“２”が付与されているデータ列４、５のうちの１つのデータ列とデータ列６との間の相関を算出する。なお、クラスタリング部１２２は、同じクラスタＩＤが付与されているデータ列を平均して生成したデータ列とステップＳ２２３で選択したデータ列との間の相関係数を算出してもよい。例えば、図１１（Ｂ）の例において、ステップＳ２２３でデータ列６を選択したのであれば、クラスタリング部１２２は、データ列１〜３を平均して新たなデータ列を生成し、その生成したデータ列とデータ列６との間の相関係数を算出する。さらに、クラスタリング部１２２は、データ列４、５を平均して新たなデータ列を生成し、その生成したデータ列とデータ列６との間の相関係数を算出する。

図９のフローに戻り、クラスタリング部１２２は、算出した相関係数の中に所定閾値以上の相関係数があるか判別する（ステップＳ２２５）。所定閾値以上の相関係数がない場合、ステップＳ２２６に進む（ステップＳ２２５：Ｎｏ）。所定閾値以上の相関係数がある場合、ステップＳ２２７に進む（ステップＳ２２５：Ｙｅｓ）。

所定閾値以上の相関係数がない場合、クラスタリング部１２２は、選択したデータ列に新たなクラスタＩＤを付与する（ステップＳ２２６）。例えば、上述の図１１（Ｂ）の例において、クラスタＩＤ“１”、クラスタＩＤ“２”、いずれのデータ列もデータ列６との間に所定閾値以上の相関がなければ、データ列６に新たにクラスタＩＤ“３”を付与する。

図９のフローに戻り、所定閾値以上の相関係数がある場合、クラスタリング部１２２は、選択したデータ列を最も相関係数の高かったクラスタに分類する（ステップＳ２２７）。例えば、上述の図１１（Ｂ）の例において、クラスタＩＤ“１”との間の相関係数が高かったのであれば、データ列６にクラスタＩＤ“１”を付与する。一方、クラスタＩＤ“２”との間の相関係数が高かったのであれば、データ列６にクラスタＩＤ“２”を付与する。

図９のフローに戻り、クラスタリング部１２２は、全てのデータ列を分類し終わったか、すなわち、全てのデータ列にクラスタＩＤを付与し終わったか判別する（ステップＳ２２８）。全てのデータ列を分類し終わっていない場合、全てのデータ列を分類し終わるまでステップＳ２２３〜ステップＳ２２８を繰り返す（ステップＳ２２８：Ｎｏ）。全てのデータ列を分類し終わった場合、ステップＳ２２９に進む（ステップＳ２２８：Ｙｅｓ）。

クラスタリング部１２２は、分類結果を整理し、周波数と位相とクラスタＩＤとを関連付けたレコードを生成する。そして、生成したレコードを、例えば図１２に示すように、クラスタリングデータベース１４２に登録する（ステップＳ２２９）。登録し終わったら、クラスタリング部１２２はクラスタリング処理を終了する。

図８のフローに戻り、パターン解析部１２３は、分類したクラスタそれぞれについて時刻ごとに所定閾値以上の計測データ（すなわち高調波）が出現しているか判別する（ステップＳ２３０）。なお、以下の説明では、理解を容易にするため、高調波が出現している場合を“活性”、出現していない場合を“不活性”という。パターン解析部１２３は、例えば、以下のように活性／不活性を判別する。

まず、パターン解析部１２３は、クラスタリングデータベース１４２の内容に基づいて、電流計測データベース１４１から同一時間、同一クラスタの計測データを抽出する。図１３は、ステップＳ２３０の理解を容易にするため、一例として、１月１日８時３０分に計測された３つの周波数帯の計測データの中からクラスタＩＤ“７”の計測データ（図１２に示すレコード１１〜１７で特定される計測データ）を図示したものである。パターン解析部１２３は、抽出した計測データの絶対値の平均値を求め、その平均値が予め設定された閾値以上であれば“活性”、閾値未満であれば“不活性”と判別する。パターン解析部１２３は、判別結果とクラスタＩＤと時刻とを関連づけたレコードを作成し、例えば図１４に示すように、活性判別データベース１４３に登録する。

外乱に起因する高調波やノイズは周期的には発生せず単発的に発生する。これに対し、居住者の生活に起因する、すなわち、居住者の電気機器操作に起因する高調波やノイズは、一定周期（例えば、２４時間周期）で繰り返されることが多い。そこで、パターン解析部１２３は、活性判別データベース１４３の内容に基づいて、高調波（すなわち、活性と判別された計測データ）が２４時間周期で周期的に出現するタイミングを、居住者の生活に起因する高調波の出現パターンとして特定する（ステップＳ２４０）。図１５は、ステップＳ２４０の理解を容易にするため、一例として、１月１日から１月７日までの１週間分の活性／不活性の判別結果をクラスタ別に図示したものである。この例であれば、クラスタＩＤ“１”の６：３０〜７：３０は一週間を通じて常に活性となっているので、クラスタＩＤ“１”の電気機器は１日のうちの６：３０〜７：３０に必ず動作すると判別できる。パターン解析部１２３は、この判別結果を高調波の出現パターンとしてレコードを生成し、例えば図１６に示すようにパターンデータベース１４４に登録する。登録し終わったら、パターン解析部１２３はパターン解析処理を終了する。

次に、「異常検出処理」について説明する。

異常検出装置１００に電源が投入されると、制御部１２０は「異常検出処理」を開始する。以下、図１７のフローチャートを参照して「異常検出処理」を説明する。

制御部１２０の異常判別部１２４は、電流計測データベース１４１に１交流周期分の新たなレコード（すなわち、高周波、中周波、低周波４００点ずつ、合計１２００点分の計測データ）が登録されたか判別する（ステップＳ３０１）。新たな計測データが登録されていない場合、新たな計測データが登録されるまでステップＳ３０１を繰り返す（ステップＳ３０１：Ｎｏ）。新たな計測データが登録されている場合、ステップＳ３０２に進む（ステップＳ３０１：Ｙｅｓ）。

異常判別部１２４は、電流計測データベース１４１に新たに登録された１２００個のレコードを取得する（ステップＳ３０２）。

異常判別部１２４は、取得した１２００個のレコードをクラスタリングデータベース１４２の内容に基づいて、周波数別、位相別の複数のクラスタに分離する（ステップＳ３０３）。

異常判別部１２４は、分離したクラスタそれぞれについてステップＳ２３０と同様の手法を使って活性／不活性を判別する（ステップＳ３０４）。

異常判別部１２４は、例えば、不図示のタイマ装置を使って現在時刻を特定する。そして、異常判別部１２４は、パターンデータベース１４４から現在時刻に該当するレコードを全て抽出する（ステップＳ３０５）。

異常判別部１２４は、ステップＳ３０４で判別した判別結果が、ステップＳ３０５で抽出したレコードにより特定される高調波の出現パターンと一致しているか判別する（ステップＳ３０６）。図１８は、ステップＳ３０６の動作を理解容易にするため、一例として、ステップＳ３０４の活性／不活性の判別結果を２４時間分集めて図示したものである。例えば、現在時刻が７：００であり、異常判別部１２４が図１６に示す（ａ）のレコードを抽出したとすれば、図１８に示す７：００現在の活性／不活性の判別結果は“不活性”となっており、抽出したレコードで示される出現パターン（クラスタＩＤ“１”の６：３０〜７：３０は“活性”）と異なっているので、異常判別部１２４は、出現パターンが一致しないと判別する。出現パターンが一致しない場合、ステップＳ３０７に進む（ステップＳ３０６：Ｎｏ）。出現パターンが一致する場合、ステップＳ３０１に戻る（ステップＳ３０６：Ｙｅｓ）。

図１７のフローに戻り、異常判別部１２４は、ネットワークを介して監視サーバ２００に異常発生を通知する（ステップＳ３０７）。通知が完了したら、ステップＳ３０１に戻り、電流計測データベース１４１の更新を待機する。

高調波が出現しやすい周波数帯や位相は電気機器によって異なる。本実施の形態によれば、周波数および位相を基準として計測データを複数のクラスタに分類し、分類した計測データを使って高調波の出現パターンを解析しているので、住宅内の電気機器それぞれに計測装置を設置して解析したのと変わらない高精度な解析結果を得ることができる。その結果、精度よく居住者の異常を検出できる。

また、従来の技術では、フーリエ変換などの手法により高調波を周波数ごとに分解して高調波の特徴を解析していたが、このような手法は、時間軸方向の情報が取り出しにくいという大きな欠点を抱えていた。これに対し、本実施の形態では、３種類のバンドパスフィルタを使用して高調波を周波数ごとに分解して高調波の特徴を解析しているので、時間軸方向の情報を最大限活用することができる。これにより、高調波の種別（クラスタＩＤ）を細かく、正確に割り振ることができ、結果、高精度な出現パターン解析結果を得ることができる。

また、高調波を発する機器がどんな機器であるかということは一切関係せず、ただ、特定の高調波が出現するタイミング（例えば、時間帯）に着目して異常を判別しているので、従来技術では必要であった、「機器の高調波を学習させる」という手順を踏まなくても、精度の高い判別結果を得ることができる。

なお、上述の実施の形態は一例であり、種々の変更及び応用が可能である。

例えば、上述の実施の形態では、電流計測部１１０が３種類のバンドパスフィルタを使って電流を３つの周波数帯に分離していたが、分離する周波数帯は３つに限られず、例えば、２つであってもよいし、４つ以上であってもよい。また、電流の分離に使用するフィルタはバンドパスフィルタに限られず、例えば、ローパスフィルタであってもよいし、ハイパスフィルタであってもよい。

また、電流を分離する方法はフィルタ回路を使用する方法に限られず、例えば、プロセッサを使ったデジタル信号処理による分離であってもよい。例えば、電流計測部１１０ではフィルタ回路を使用せず、制御部１２０のクラスタリング部１２２で計測データを複数の周波数帯に分離してもよい。

また、上述の実施の形態では、クラスタリング部１２２は、周波数帯別の計測データを位相を基準として複数のデータ列に分類していたが、分類する計測データは必ずしも周波数帯別の計測データでなくてもよい。周波数別に分離されていない計測データを単に位相別に分類するだけであってもよい。また、クラスタリング部１２２は、必ずしも位相を基準として計測データを分類する必要はなく、例えば、計測データを単にデジタル信号処理により周波数帯別に分離するだけであってもよい。周波数のみ、位相のみを基準として複数のクラスタに分類するだけであっても、十分に精度の高い解析結果を得ることができる。

また、上述の実施の形態では、クラスタリング部１２２は、分類したデータ列をデータ間の相関に基づいて複数のクラスタに分類していたが、分類したデータ列全てを異なるクラスタに分類してもよい。

また、パターン解析部１２３は、２４時間周期で必ず活性となる時間帯を高調波の出現パターンとして特定したが、一部に活性となっていない日や時間がある時間帯であっても高調波の出現パターンとして特定してもよい。例えば、パターン解析部１２３は、活性判別データベース１４３から過去１週間分の特定の時間帯（例えば、６：３０〜７：３０）の特定のクラスタ（例えば、クラスタＩＤ“１”）の活性／不活性情報を全て取得し、不図示のメモリに転送する。そして、パターン解析部１２３は、メモリに転送したデータの個数のうち、活性であった個数を総数で除して、活性割合Ｐを算出する。同様に不活性であった割合、不活性割合Ｑを算出する。なお、Ｐ＋Ｑ＝１の関係が成り立つ。さらに、パターン解析部１２３は、活性割合Ｐが活性判定閾値Ｐｔｈよりも大きい場合、時間帯とクラスタＩＤと状態（活性）とを関連付けたレコードを生成し、パターンデータベース１４４に登録する。また、パターン解析部１２３は、不活性割合Ｑが活性判定閾値Ｑｔｈよりも大きい場合、時間帯とクラスタＩＤと状態（不活性）とを関連付けたレコードを生成し、パターンデータベース１４４に登録する。

なお、パターン解析部１２３が特定する出現パターンは、必ずしも日毎の時間帯である必要はない。例えば、特定の曜日の時間帯であってもよいし、平日もしくは休日の時間帯であってもよい。

また、電流センサ１１１の設置場所は、給電線引込口から配電盤までの電力供給線に限られない。特定の電源系のみ（例えば、配電盤から分岐する複数の電力供給線の１つ）に設置されていてもよいし、住宅外の供電線引込口近くに設置されていてもよい。また、電流センサ１１１の設置する場所は１つに限られない。例えば、配電盤から分岐する複数の電力供給線の全てに設置されていてもよい。

また、電流センサ１１１は、クランプ式の電流センサに限られず、ホール電流センサ等、他の非接触式の電流センサであってもよい。また、端子を電力供給線に接触させる接触式の電流センサであってもよい。

本実施の形態の異常検出装置１００は、専用のシステムにより実現してもよいし、通常のコンピュータシステムにより実現してもよい。例えば、上述の動作を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に格納して配布し、該プログラムをコンピュータにインストールして、上述の処理を実行することによって異常検出装置１００を構成してもよい。また、インターネット等のネットワーク上のサーバ装置が備えるディスク装置に格納しておき、例えばコンピュータにダウンロード等できるようにしてもよい。また、上述の機能を、ＯＳとアプリケーションソフトとの共同により実現してもよい。この場合には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等してもよい。

上記プログラムを記録する記録媒体としては、ＵＳＢメモリ、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、Ｂｌｕ−ｒａｙＤｉｓｃ（登録商標）、ＭＯ（Magneto-Optical disk）、ＳＤメモリーカード（Secure Digital memory card）、メモリースティック（登録商標）、その他、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ、磁気テープ等のコンピュータ読取可能な記録媒体を使用することができる。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。

１００異常検出装置、１１０電流計測部、１１１電流センサ、１２０制御部、１２１計測データ取得部、１２２クラスタリング部、１２３パターン解析部、１２４異常判別部、１３０通信インタフェース、１４０記憶部、１４１電流計測データベース、１４２クラスタリングデータベース、１４３活性判別データベース、１４４パターンデータベース、２００監視サーバ。

Claims

複数の電気機器が直接的あるいは間接的に接続された電力供給線に流れる電流の計測データを取得する計測データ取得手段と、
過去一定期間分の前記計測データを周波数および交流周期に対する位相の少なくとも１つに基づいて複数のクラスタに分離もしくは分類するクラスタリング手段と、
同一時刻に取得された同一クラスタの計測データ毎に、該計測データの絶対値の平均値が閾値以上で有るか否かを判別し、予め定めた期間にわたって周期的に前記閾値以上であると判別されている割合が所定値以上ある時間帯を前記クラスタ別に特定するパターン解析手段と、
前記パターン解析手段で特定した時間帯に属する時刻に新たに取得された計測データであって該当するクラスタの計測データの絶対値の平均値が所定の閾値よりも低かった場合に異常発生と判別する異常判別手段と、を備える、
異常検出装置。
前記クラスタリング手段は、過去一定期間分の前記計測データを周波数および交流周期に対する位相の少なくとも１つに基づいて分離もしくは分類し、さらに、分離もしくは分類したデータをデータ間の相関に基づいて複数のクラスタに分類する、
請求項１記載の異常検出装置。
前記クラスタリング手段は、過去一定期間分の前記計測データを交流周期に対する位相に基づいて分類し、さらに、分類したデータをデータ間の相関に基づいて複数のクラスタに分類する、
請求項２記載の異常検出装置。
前記クラスタリング手段は、過去一定期間分の前記計測データを周波数に基づいて複数のデータに分離し、さらに、分離したデータをデータ間の相関に基づいて複数のクラスタに分類する、
請求項２記載の異常検出装置。
前記クラスタリング手段は、過去一定期間分の前記計測データを周波数に基づいて複数のデータに分離し、分離したデータを交流周期に対する位相を基準として分類し、さらに、分類したデータをデータ間の相関に基づいて複数のクラスタに分類する、
請求項２に記載の異常検出装置。
前記計測データは、前記電流を２以上の周波数帯に分離して計測された周波数帯別の計測データであり、
前記クラスタリング手段は、前記周波数帯別の計測データを交流周期に対する位相に基づいて分類し、分類したデータをデータ間の相関に基づいて複数のクラスタに分類する、
請求項２記載の異常検出装置。
複数の電気機器が直接的あるいは間接的に接続された電力供給線に流れる電流の計測データを取得する計測データ取得ステップと、
過去一定期間分の前記計測データを周波数および交流周期に対する位相の少なくとも１つに基づいて複数のクラスタに分離もしくは分類するクラスタリングステップと、
同一時刻に取得された同一クラスタの計測データ毎に、該計測データの絶対値の平均値が閾値以上で有るか否かを判別し、予め定めた期間にわたって周期的に前記閾値以上であると判別されている割合が所定値以上ある時間帯を前記クラスタ別に特定するパターン解析ステップと、
前記パターン解析ステップで特定した時間帯に属する時刻に新たに取得された計測データであって該当するクラスタの計測データの絶対値の平均値が所定の閾値よりも低かった場合に異常発生と判別する異常判別ステップと、を有する、
異常検出方法。
コンピュータに、
複数の電気機器が直接的あるいは間接的に接続された電力供給線に流れる電流の計測データを取得する計測データ取得機能と、
過去一定期間分の前記計測データを周波数および交流周期に対する位相の少なくとも１つに基づいて複数のクラスタに分離もしくは分類するクラスタリング機能と、
同一時刻に取得された同一クラスタの計測データ毎に、該計測データの絶対値の平均値が閾値以上で有るか否かを判別し、予め定めた期間にわたって周期的に前記閾値以上であると判別されている割合が所定値以上ある時間帯を前記クラスタ別に特定するパターン解析機能と、
前記パターン解析機能で特定した時間帯に属する時刻に新たに取得された計測データであって該当するクラスタの計測データの絶対値の平均値が所定の閾値よりも低かった場合に異常発生と判別する異常判別機能と、を実現させる、
プログラム。