JP5931830B2

JP5931830B2 - 停電戸数予測装置、停電戸数予測方法およびプログラム

Info

Publication number: JP5931830B2
Application number: JP2013210273A
Authority: JP
Inventors: 祐志谷
Original assignee: Chugoku Electric Power Co Inc
Current assignee: Chugoku Electric Power Co Inc
Priority date: 2013-10-07
Filing date: 2013-10-07
Publication date: 2016-06-08
Anticipated expiration: 2033-10-07
Also published as: JP2015075828A

Description

本発明は、被害予測装置、被害予測方法およびプログラムに関する。

台風などによる被害を予測することは事前の対策を行ううえで重要である。そこで被害を予測する手法が各種提案されている。たとえば特許文献１では台風情報と観測した気象データとから気象条件を予測し、この予測された気象条件に対応する被害履歴から被害を予測するシステムが開示されている。

特開２０１０−４９４３３号公報

しかしながら、特許文献１に記載のシステムでは、気象観測のための計測器を数多く設置する必要がありコストがかかる。また、特許文献１に記載のシステムでは、過去の被害履歴から将来の被害を予測しているところ、配電設備に関する被害を予測する場合、設備によって風、雪、雷などの耐性は異なるため、同程度の耐性を有する配電設備に係る被害履歴が存在しなければ被害予測の精度は下がってしまう。

本発明は、このような背景を鑑みてなされたものであり、配電設備に関する被害情報である停電戸数を容易かつ精度良く予測することのできる、停電戸数予測装置、停電戸数予測方法およびプログラムを提供することを目的とする。

上記課題を解決するための本発明の主たる発明は、配電設備に関する被害情報である停電戸数を予測する装置であって、過去の気象予測データを記憶する気象予測データ記憶部と、前記配電設備の天候に対する耐性を表す耐性情報を記憶する設備情報記憶部と、天候に起因して発生した過去の停電戸数を表す被害情報を記憶する被害情報記憶部と、前記気象予測データおよび前記耐性情報と前記被害情報との関係を表す関係式を作成する関係式作成部と、将来の前記気象予測データを取得する気象予測データ取得部と、予測対象の前記配電設備に係る前記耐性情報を前記設備情報記憶部から読み出し、読み出した前記耐性情報および前記将来の気象予測データを前記関係式に適用して前記停電戸数を求める被害予測部と、を備えることとする。

また、本発明の停電戸数予測装置では、前記設備情報記憶部はさらに、エリアごとに当該エリア内の支持物数および戸数の少なくともいずれかを記憶し、前記関係式作成部は、前記気象予測データ、前記耐性情報および前記支持物数および戸数の少なくともいずれかと前記停電戸数との関係を表す前記関係式を作成するようにしてもよい。

また、本発明の他の態様は、配電設備に関する被害情報である停電戸数を予測する方法であって、
コンピュータが、過去の気象予測データを記憶するステップと、前記配電設備の天候に対する耐性を表す耐性情報を設備情報記憶部に記憶するステップと、天候に起因して発生した過去の停電戸数を表す被害情報を記憶するステップと、前記気象予測データおよび前記耐性情報と前記停電戸数との関係を表す関係式を作成するステップと、将来の前記気象予測データを取得するステップと、予測対象の前記配電設備に係る前記耐性情報を前記設備情報記憶部から読み出し、読み出した前記耐性情報および前記将来の気象予測データを前記関係式に適用して前記停電戸数を求めるステップと、を実行することとする。

また、本発明の他の態様は、配電設備に関する被害情報である停電戸数を予測するためのプログラムであって、コンピュータに、過去の気象予測データを記憶するステップと、前記配電設備の天候に対する耐性を表す耐性情報を設備情報記憶部に記憶するステップと、天候に起因して発生した過去の停電戸数を表す被害情報を記憶するステップと、前記気象予測データおよび前記耐性情報と前記停電戸数との関係を表す関係式を作成するステップと、将来の前記気象予測データを取得するステップと、予測対象の前記配電設備に係る前記耐性情報を前記耐性情報記憶部から読み出し、読み出した前記耐性情報および前記将来の気象予測データを前記関係式に適用して前記停電戸数を求めるステップと、を実行させることとする。

その他本願が開示する課題やその解決方法については、発明の実施形態の欄及び図面により明らかにされる。

本発明によれば、配電設備に関する被害情報である停電戸数を容易かつ精度良く予測することができる。

被害予測装置１０のハードウェア構成例を示す図である。被害予測装置１０のソフトウェア構成例を示す図である。設備情報記憶部１３１の構成例を示す図である。被害情報記憶部１３２の構成例を示す図である。ＧＰＶデータ記憶部１３３の構成例を示す図である。予測式の作成処理の流れを説明する図である。被害予測処理の流れを説明する図である。

以下、本発明の一実施形態に係る被害予測装置１０について説明する。本実施形態の被害予測装置１０は、気象庁の提供する数値予報による予報値（ＧＰＶ；Grid Point Value；格子点値、以下ＧＰＶデータという。）に基づいて天候被害を予測する。

＝＝ハードウェア＝＝
図１は被害予測装置１０のハードウェア構成例を示す図である。被害予測装置１０は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース１０４は、通信ネットワーク３０に接続するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのＵＳＢ（Universal Serial Bus）コネクタやＲＳ２３２Ｃコネクタなどである。入力装置１０５は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。出力装置１０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。

＝＝ソフトウェア＝＝
図２は被害予測装置１０のソフトウェア構成例を示す図である。被害予測装置１０は、ＧＰＶデータ取得部１１１、回帰分析部１１２、被害予測部１１３、設備情報記憶部１３１、被害情報記憶部１３２、ＧＰＶデータ記憶部１３３を備える。

なお、ＧＰＶデータ取得部１１１、回帰分析部１１２、被害予測部１１３は、被害予測装置１０のＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２似読み出して実行することにより実現され、設備情報記憶部１３１、被害情報記憶部１３２、ＧＰＶデータ記憶部１３３は、被害予測装置１０のメモリ１０２および記憶装置１０３が提供する記憶領域の一部として実現される。

設備情報記憶部１３１は、数値予報の対象となるエリア（所定の格子間隔（たとえば１ｋｍ、５ｋｍ、２０ｋｍなどである。）で格子状に区切られた各格子である。以下、メッシュという。）における配電設備（電柱、電線など）に関する情報（以下、設備情報という。）を記憶する。図３は設備情報記憶部１３１の構成例を示す図である。同図に示すように、設備情報記憶部１３１に記憶される設備情報には、メッシュに対応付けて、支持物数、戸数、塩害区分、耐風区分、耐雪区分、耐雷区分が含まれる。メッシュは緯度経度で表されるものとする。支持物数はメッシュ内に存在する支持物（電柱、支線、つり線など、電線を支持するための工作物である。）の数であり、戸数はメッシュ内における住戸の数である。塩害区分、耐風区分、耐雪区分および耐雷区分は、メッシュ内の配電設備の設計区分であり、配電設備の塩害、風、雪および雷に対する耐性度を表す。

塩害区分は、たとえば海岸線からの距離により定められる。塩害区分は、２（重塩害地域）、１（軽塩害地域）、０（それ以外）のいずれかである。耐風区分は、電気技術基準に定められている甲種、乙種、丙種の区分を示し、３（甲種）、２（乙種）、１（丙種）、０（それ以外）のいずれかである。耐雪区分は、たとえば積雪の深さ、年間の降雪日数などにより定められる。降雪区分は、２（重雪害地域）、１（軽雪害地域）、０（それ以外）のいずれかである。耐雷区分は、たとえば襲雷頻度に応じて定められる。耐雷区分は、２（襲雷頻度が非常に高い地域）、１（襲雷頻度が高い地域）、０（襲雷頻度が低い地域）のいずれかである。塩害区分、耐風区分、耐雪区分および耐雷区分はそれぞれ、数が大きいほど、当該地域の配電設備が塩害、強風、大雪および落雷に対する耐性度が高いことを示す。なお、たとえば耐雪対策は結果的に耐風対策にもなるが、耐雪区分が大きくても必ずしも耐風区分が大きいとは限らず、あくまでその目的として耐雪対策および耐風対策がなされたか否かにより上記区分は決定されるものとする。

被害情報記憶部１３２は、天候被害の状況を表す情報（以下、被害情報という。）を記憶する。図４は被害情報記憶部１３２の構成例を示す図である。同図に示すように、被害情報記憶部１３２に記憶される被害情報には、メッシュを示す緯度経度、日時、被害の区分、個数および停電戸数が含まれる。本実施形態では、被害の区分には、配電設備が倒壊したことを示す「倒壊」、主に配電線が切断したことを示す「断線」、配電線などに樹木が接触したことを示す「樹木接触」、電柱などが傾いたことを示す「傾斜」、メッシュ内において土砂崩れがあったことを示す「土砂崩れ」が設定されるものとする。被害区分として他の区分を設定するようにしてもよい。個数には倒壊等が発生した数（被害数）が設定される。停電戸数は、区分が示す被害により発生したと考えられるメッシュ内の停電戸数である。被害情報記憶部１３２には、被害が発生することが被害情報が追加されていくものとする。

ＧＰＶデータ記憶部１３３は、ＧＰＶデータを記憶する。図５は、ＧＰＶデータ記憶部１３３の構成例を示す図である。同図に示すように、ＧＰＶデータ記憶部１３３に記憶されるＧＰＶデータには、メッシュを示す緯度経度、日時、気温、気圧、風向き、風速、降水量が含まれる。なお、雲量など数値予報として提供される気象情報は全てＧＰＶデータに含めることができる。ＧＰＶデータは、所定の格子間隔（たとえば１ｋｍ、５ｋｍ、２０ｋｍなどである。）で格子状に区切られた各メッシュにおける気象について、全球数値用法モデル（ＧＳＭ；Global Spectral Model）、メソ数値予報モデル（ＭＳＭ；Meso Scale Model）、局地数値予報モデル（ＬＦＭ；Local Forecast Model）などのモデルを用いてコンピュータにより計算されるものである。なお、どのモデルにより計算されたもであるかは問わない。

ＧＰＶデータ取得部１１１（本発明の気象予測データ取得部に対応する。）は、ＧＰＶデータを取得する。ＧＰＶデータ取得部１１１は、たとえば気象庁や気象会社などの運営するコンピュータにアクセスすることにより、ＧＰＶデータを取得するようにしてもよいし、入力装置１０５を介してオペレータからＧＰＶデータの入力を受け付けるようにしてもよい。ＧＰＶデータ取得部１１１は、取得したＧＰＶデータをＧＰＶデータ記憶部１３３に登録する。

回帰分析部１１２は、ＧＰＶデータおよび設備情報と被害情報との関係式（予測式）を回帰分析により求める。回帰分析部１１２は、たとえば以下のような回帰モデルを重回帰分析の手法により回帰分析することにより回帰係数を推計する。

ここで、Ｄ_ｉ，mはメッシュｍにおける被害区分ｉの被害数であり、Ｏ_ｉ，ｍはメッシュｍにおける被害区分ｉによる停電戸数である。Ｔ_ｍはメッシュｍにおける気温、Ｈ_ｍはメッシュｍにおける気圧、Ｗｄ_ｍはメッシュｍにおける風向、Ｗｓ_ｍはメッシュｍにおける風速、Ｐ_ｍはメッシュｍにおける降水量である。Ｎｅ_ｍはメッシュｍの支持物数、Ｎｈ_ｍはメッシュｍの戸数、Ｂ_ｍはメッシュｍの塩害区分、Ｆ_ｍはメッシュｍの耐風区分、Ｓ_ｍはメッシュｍの耐雪区分、Ｌ_ｍはメッシュｍの耐雷区分である。回帰分析部１１２は上記回帰モデル（１）および（２）にＧＰＶデータ、設備情報および被害情報を適用しながら回帰係数ａ〜ｆ、α〜εを推計する。なお、回帰分析部１１２による回帰係数の推計処理には一般的な回帰分析の手法を用いるものとする。

＝＝処理＝＝
以下、被害予測装置１０により実行される処理について説明する。被害予測装置１０は、過去のＧＰＶデータおよび過去の被害情報に基づいて回帰分析により関係式（予測式）を作成し、将来の予報値であるＧＰＶデータを予測式に適用することにより被害情報を予測する。

図６は、予測式の作成処理の流れを説明する図である。回帰分析部１１２は、予測対象とする各メッシュｍ（たとえば配電設備の設置されているメッシュのみを予測対象とするなど、任意に設定することができる。）のそれぞれについて以下の処理を行う。

回帰分析部１１２は、メッシュｍに対応する設備情報を設備情報記憶部１３１から読み出し（Ｓ２１１）、「倒壊」、「断線」、「樹木接触」、「傾斜」および「土砂崩れ」のそれぞれの被害区分について、メッシュｍおよび被害区分ｉに対応する被害情報を日付順に被害情報記憶部１３２から読み出し（Ｓ２１２）、各日時について以下の処理を行う。すなわち、回帰分析部１１２は、当該日時から最も近い過去の、メッシュｍに対応するＧＰＶデータを読み出し（Ｓ２１３）、ＧＰＶデータの気温Ｔ_ｍ、気圧Ｈ_ｍ、風向Ｗｄ_ｍ、風速Ｗｓ_ｍおよび降水量Ｐ_ｍ、設備情報の支持物数Ｎｅ_ｍ、戸数Ｎｈ_ｍ、塩害区分Ｂ_ｍ、耐風区分Ｆ_ｍ、耐雪区分Ｓ_ｍおよび耐雷区分Ｌ_ｍ、被害情報の被害区分ｉの個数Ｄ_ｉ，ｍ（被害数）をモデル（１）に適用し（Ｓ２１４）、ＧＰＶデータの気温Ｔ_ｍ、気圧Ｈ_ｍ、風向Ｗｄ_ｍ、風速Ｗｓ_ｍおよび降水量Ｐ_ｍ、設備情報の支持物数Ｎｅ_ｍ、戸数Ｎｈ_ｍ、塩害区分Ｂ_ｍ、耐風区分Ｆ_ｍ、耐雪区分Ｓ_ｍおよび耐雷区分Ｌ_ｍ、被害情報の被害区分ｉの個数Ｄ_ｉ，ｍおよび停電戸数Ｏ_ｉ，ｍをモデル（２）に適用していく（Ｓ２１５）。被害情報記憶部１３２は、被害情報の個数の誤差が最小となるようにモデル（１）の回帰係数を推計するとともに（Ｓ２１６）、被害情報の停電戸数の誤差が最小となるようにモデル（２）の回帰係数を推計する（Ｓ２１７）。回帰分析部１１２は、推計した回帰係数をモデル（１）および（２）に適用した予測式（１）および（２）を作成する（Ｓ２１７）。

以上の処理を各被害区分および各メッシュについて実行することにより、メッシュおよび被害区分ごとの予測式（１）および（２）が作成される。

図７は、被害予測処理の流れを説明する図である。被害予測部１１３は、予測対象となる各メッシュについて、メッシュに対応する設備情報を読み出し（Ｓ２３１）、メッシュに対応する直近の日時のＧＰＶデータを読み出す（Ｓ２３２）。

被害予測部１１３は、「倒壊」、「断線」、「樹木接触」、「傾斜」および「土砂崩れ」のそれぞれの被害区分ｉについて、読み出したＧＰＶデータの気温Ｔ_ｍ、気圧Ｈ_ｍ、風向Ｗｄ_ｍ、風速Ｗｓ_ｍおよび降水量Ｐ_ｍならびに読み出した設備情報の支持物数Ｎｅ_ｍ、戸数Ｎｈ_ｍ、塩害区分Ｂ_ｍ、耐風区分Ｆ_ｍ、耐雪区分Ｓ_ｍおよび耐雷区分Ｌ_ｍを予測式（１）に適用して被害数Ｄ_ｉ，ｍの予測値を算出し（Ｓ２３３）、読み出したＧＰＶデータの気温Ｔ_ｍ、気圧Ｈ_ｍ、風向Ｗｄ_ｍ、風速Ｗｓ_ｍおよび降水量Ｐ_ｍ、読み出した設備情報の支持物数Ｎｅ_ｍ、塩害区分Ｂ_ｍ、耐風区分Ｆ_ｍ、耐雪区分Ｓ_ｍおよび耐雷区分Ｌ_ｍ、ならびに算出した被害数の予測値Ｄ_ｉ，ｍを予測式（２）に適用して停電戸数Ｏ_ｉ，ｍの予測値を算出する（Ｓ２３４）。

＝＝本発明の効果＝＝
以上のようにして、本実施形態の被害予測装置１０によれば、過去のＧＰＶデータおよび設計区分と被害内容との関係式（予測式）を回帰分析により求め、これを用いて被害予測を行うことができる。気象庁から提供されるＧＰＶデータを用いて被害を予測しているため、気象観測などを行う必要がなく、容易に被害を予測することができる。

また、本実施形態の被害予測装置１０によれば、設計区分（天候に対する耐性度）を考慮して被害を予測することができる。配電設備は地域により気候に対する耐性度が異なることから、説明変数として設計区分（耐性度）を加えることにより、精度よく被害を予測することが可能となる
また、本実施形態の被害予測装置１０によれば、メッシュ内の支持物数および戸数を考慮して被害を予測することができる。支持物数および戸数が異なれば、被害数も当然変動することになるので、これらを説明変数として加えることにより精度よく被害を予測することができる。

また、本実施形態の被害予測装置１０によれば、メッシュごとに被害数および停電戸数を予測することができるので、被害規模を事前に把握することが可能となる。また、容易に対策を事前準備することもできる。また、被害の発生予測箇所も容易に特定することができる。短い格子間隔のメッシュでの数値予報を用いればさらに被害の発生予測箇所を精度良く特定することが可能となる。

＝＝変形例＝＝
なお、本実施形態では、被害予測装置１０は１台のコンピュータであるものとしたが、これに限らず、複数台のコンピュータで実現することもできる。たとえば設備情報記憶部１３１、被害情報記憶部１３２およびＧＰＶデータ記憶部１３３を別体のデータベースサーバにより管理するようにすることができる。また、被害予測装置１０は、ユーザが操作するパーソナルコンピュータとして実現してもよいし、ユーザが操作するユーザ端末がアクセスするサーバコンピュータとして実現してもよい。

また、本実施形態では、回帰分析によりＧＰＶデータおよび設備情報と被害情報との関係式を求めるようにしたが、これをニューラルネットワークで実現することもできる。この場合、たとえばフィードフォワード型のニューラルネットワークを被害区分ごとに２つずつ構築し、第１のニューラルネットワークには、ＧＰＶデータの気温Ｔ_ｍ、気圧Ｈ_ｍ、風向Ｗｄ_ｍ、風速Ｗｓ_ｍおよび降水量Ｐ_ｍ、ならびに、設備情報の支持物数Ｎｅ_ｍ、戸数Ｎｈ_ｍ、塩害区分Ｂ_ｍ、耐風区分Ｆ_ｍ、耐雪区分Ｓ_ｍおよび耐雷区分Ｌ_ｍを入力信号として、被害区分ｉの被害数Ｄ_ｉ，mを教師信号として与え、第２のニューラルネットワークには、上記入力信号に加えて、さらに被害数Ｄ_ｉ，mを入力信号として与え、停電戸数Ｏ_ｉ，ｍを教師信号として与えて学習を行った後、将来のＧＰＶデータを第１のニューラルネットワークに与えて被害数Ｄ_ｉ，mを予測するとともに、当該被害数およびＧＰＶデータを第２のニューラルネットワークに与えて停電戸数Ｏ_ｉ，ｍを予測するようにする。これにより、回帰分析処理を行うことなく、ＧＰＶデータおよび設備情報と被害情報との関係を学習し予測することができる。これにより、配電設備に関する被害を容易かつ精度良く予測することが可能となる。

以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。

１１１ＧＰＶデータ取得部
１１２回帰分析部
１１３被害予測部
１３１設備情報記憶部
１３２被害情報記憶部
１３３ＧＰＶデータ記憶部

Claims

配電設備に関する被害情報である停電戸数を予測する装置であって、
過去の気象予測データを記憶する気象予測データ記憶部と、
前記配電設備の天候に対する耐性を表す耐性情報を記憶する設備情報記憶部と、
天候に起因して発生した過去の停電戸数を表す被害情報を記憶する被害情報記憶部と、
前記気象予測データおよび前記耐性情報と前記停電戸数との関係を表す関係式を作成する関係式作成部と、
将来の前記気象予測データを取得する気象予測データ取得部と、
予測対象の前記配電設備に係る前記耐性情報を前記設備情報記憶部から読み出し、読み出した前記耐性情報および前記将来の気象予測データを前記関係式に適用して前記停電戸数を求める被害予測部と、
を備えることを特徴とする停電戸数予測装置。
請求項１に記載の停電戸数予測装置であって、
前記設備情報記憶部はさらに、エリアごとに当該エリア内の支持物数および戸数の少なくともいずれかを記憶し、
前記関係式作成部は、前記気象予測データ、前記耐性情報および前記支持物数および戸数の少なくともいずれかと前記停電戸数との関係を表す前記関係式を作成すること、
を特徴とする停電戸数予測装置。
配電設備に関する被害情報である停電戸数を予測する方法であって、
コンピュータが、
過去の気象予測データを記憶するステップと、
前記配電設備の天候に対する耐性を表す耐性情報を設備情報記憶部に記憶するステップと、
天候に起因して発生した過去の停電戸数を表す被害情報を記憶するステップと、
前記気象予測データおよび前記耐性情報と前記停電戸数との関係を表す関係式を作成するステップと、
将来の前記気象予測データを取得するステップと、
予測対象の前記配電設備に係る前記耐性情報を前記設備情報記憶部から読み出し、読み出した前記耐性情報および前記将来の気象予測データを前記関係式に適用して前記停電戸数を求めるステップと、
を実行することを特徴とする停電戸数予測方法。
配電設備に関する被害情報である停電戸数を予測するためのプログラムであって、
コンピュータに、
過去の気象予測データを記憶するステップと、
前記配電設備の天候に対する耐性を表す耐性情報を設備情報記憶部に記憶するステップと、
天候に起因して発生した過去の停電戸数を表す被害情報を記憶するステップと、
前記気象予測データおよび前記耐性情報と前記停電戸数との関係を表す関係式を作成するステップと、
将来の前記気象予測データを取得するステップと、
予測対象の前記配電設備に係る前記耐性情報を前記耐性情報記憶部から読み出し、読み出した前記耐性情報および前記将来の気象予測データを前記関係式に適用して前記停電戸数を求めるステップと、
を実行させるためのプログラム。