JP5962770B2 - 電力系統制御システム及び電力系統制御方法 - Google Patents

Description

本発明は、電力系統の制御を行う電力系統制御システム及び電力系統制御方法の技術に関する。

ＳＶＲ（Step Voltage Regulator；自動電圧調整器）、ＳＶＣ（Static Var Compensator；無効電力補償装置）等の制御装置によって、自端（制御装置が設置されている位置）の電圧が目標電圧となるよう制御する技術がある。

さらに、監視制御サーバで一括して電力系統全体の状態を把握し、各制御装置に最適な制御指令を与える、いわゆる集中型制御が開示されている（例えば、特許文献１参照）。また、ＳＶＲ側で無効電力を監視し、所定時間以上継続して無効電力を計測した場合、ＳＶＣが動作中であると推定し、ＳＶＲのタップ切替制御を行う技術も開示されている（例えば、特許文献２参照）。この技術は、通信を前提としない、いわゆる自律分散型制御の技術である。

特開２００７−２８８８７７号公報 特開２０１１−２１７５８１号公報

近年、住宅内の調理器具、給湯器、空調機及び照明装置等を電気でまかなう、いわゆるオール電化住宅が普及しつつある。さらに、夜間の安い電気を使って湯を作る電気給湯器、電気自動車等の大容量負荷が普及しつつあり、電力需要の多様化が進んでいる。

その一方、太陽光発電、燃料電池、家庭用蓄電池等の分散型電源による補助発電が様々なところで行われるようになりつつある。従って、このような状況によって、電力系統、特に配電系統の状態（電圧）の変動が大きくなり、これを電気事業法で定められる適正範囲（１０１±６Ｖ又は２０２±２０Ｖ）に維持することが、今後ますます困難になってくるものと予想される。

従来の技術では、ＳＶＲや、ＳＶＣにより自端の電圧変動が適正範囲に抑制される。しかし、ＳＶＲや、ＳＶＣは基本的に単独で動作し、近隣の他の制御装置と連携動作しない。従って、電力系統に大容量負荷が設けられたり、分散型電源が電力系統に多数接続されたりすると、電力系統の電圧変動を適正範囲に抑制することが困難になる可能性がある。

特許文献１に記載の技術は、監視制御サーバと各制御装置との通信環境が安定しており、高速高品質な通信を行うことができる場合に有効である。しかし、例えば、山間部の僻地等のように高速高品質の通信環境が整っていない場合も多数あると考えられる。このように高速高品質の通信環境を利用できない場合、特許文献１に記載の技術では、監視制御サーバから制御装置への制御指令の伝達が遅れたり、制御指令が届かなかったりすることが考えられる。よって、速高品質の通信環境を利用できない場合、特許文献１に記載の技術では、適切な制御を十分に行うことができない可能性がある。

特許文献２に記載の技術は、ＳＶＲがＳＶＣの上流側（変電所側）にあって、かつ距離が近いような位置に設置されている場合には有効であると考えられる。しかし、そのような構成以外の場合や、ＳＶＣの出力する無効電力が正しくＳＶＲ側で検出できるような位置関係（ＳＶＲがＳＶＣの上流側にあって、かつ距離が近い等）でない場合、特許文献２に記載の技術では、適切な制御を行うことが難しいと考えられる。また、同一電力系統にＳＶＣが２台以上接続される場合にも、同様に、ＳＶＲで各ＳＶＣの出力する無効電力を正しく推定することは特許文献２に記載の技術では困難と考えられる。

今後、大容量負荷や、分散型電源の普及が進むにつれて、電圧変動の拡大の可能性が高まることが予想される。このような問題への対策として、ＳＶＲやＳＶＣを含む制御装置が多数電力系統へ設置されると予想される。そのような場合、前記した特定の設置条件（高速高品質の通信環境）を満たさない電力系統が多数存在することが考えられる。そして、このような場合、特許文献１や特許文献２に記載の技術では、電力系統の電圧を適切に制御することは困難と考えられる。

さらに、負荷や分散型電源の出力の擾乱が大きく発生し、センサの出力等の信頼性が低下すると、従来の制御技術では適切な制御を行うことが困難になってくることが考えられる。

このような背景に鑑みて本発明がなされたのであり、本発明は、信頼性の高い電力制御を行うことを課題とする。

前記課題を解決するため、本発明は、分散制御モードにおいて、計測データの信頼性が低い場合には、仮制御量に基づく電量系統の制御を行うことを特徴とする。

本発明によれば、信頼性の高い電力制御を行うことができる。

第１実施形態に係る電力系統制御システムの構成例を示す図である。 本実施形態に係る中央装置及び制御装置のハードウェア構成例を示す図である。 本実施形態に係る電力系統の構成例を示す。 第１実施形態に係るノード管理データの構成例を示す図である。 第１実施形態に係るブランチ管理データの構成例を示す図である。 第１実施形態に係る制御装置管理データの構成例を示す図である。 第１実施形態に係る制御量データの構成例を示す図である。 第１実施形態に係る計測データの構成例を示す図である。 第１実施形態に係る制御モードの移行を説明するための図である。 第１実施形態に係る中央装置における制御量算出処理の手順を示すフローチャートである。 第１実施形態に係る中央装置における演算モデル算出処理の手順を示すフローチャートである。 第１実施形態に係る演算モデルの具体的な意味を説明するための図である。 第１実施形態に係るモデルデータの具体的な一例を示す図である。 第１実施形態に係る制御装置の処理手順を示すフローチャートである。 時間帯に応じて演算モデルを切り替えることを説明するための図である。 第２実施形態に係る中央装置の構成例を示す図である。 第２実施形態に係る制御装置の構成例を示す図である。 第２実施形態に係る信頼区間の例を示す図である。 第２実施形態に係る信頼区間データの例を示す図である。 第２実施形態に係る制御処理の手順を示すフローチャートである。 第２実施形態に係る仮制御量の算出方法を説明するための図である（その１）。 第２実施形態に係る仮制御量の算出方法を説明するための図である（その２）。 第３実施形態に係る制御装置の構成例を示す図である。 第３実施形態に係る制御処理の手順を示すフローチャートである。

次に、本発明を実施するための形態（「実施形態」という）について、適宜図面を参照しながら詳細に説明する。なお、各図面において、同様の構成要素については、同一の符号を付して説明を省略する。

［第１実施形態］
図１〜図１３を参照して第１実施形態に係る電力系統制御システム５を説明する。本実施形態では、変圧器等で構成される電力系統を制御するための通信ネットワーク４の通信状態を監視し、通信状態に応じて制御モードを切り替えて、制御装置２を適切に制御する電力系統制御システム５の例を説明する。

<システム構成>
図１は、第１実施形態に係る電力系統制御システムの構成例を示す図である。
電力系統制御システム５において、中央装置（管理装置）１、複数の制御装置２（２ａ〜２ｃ）、及び複数のセンサ３（３ａ〜３ｃ：計測装置）が通信ネットワーク４を介して互いに通信可能に接続されている。

（中央装置）
中央装置１は、例えば、コンピュータシステムとして構成されている。
中央装置１は、通信状態監視部１０１、電力状態推定部１０２、制御量算出処理部１０３、モデル生成部１０４、送受信処理部（送信部）１０５、計測データ記憶部１１１、系統データ記憶部１１２及びモデルデータ記憶部１１３を有している。
通信状態監視部１０１は、通信ネットワーク４の通信状態を監視する。また、通信状態監視部１０１は、予め定められた一定の監視周期Ｔｍで各センサ３からタイムスタンプ付計測データを収集し、収集したタイムスタンプ付きの計測データを計測データとして計測データ記憶部１１１に格納する。なお、以降、計測データとは、タイムスタンプ付きの計測データであるとする。

電力状態推定部１０２は、電力系統制御システム５の電力状態を推定する。具体的には、電力状態推定部１０２は、電力状態の推定に十分な数の計測データが得られたか否かを判定することで、可観測性を判定する。そして、電力状態推定部１０２は、可観測か不観測かに応じた方法で、正常と判定された計測データと系統データを用いて、電力系統全体の電力状態（有効電力、無効電力、電圧等）を推定する。
制御量算出処理部１０３は、各制御装置２の制御量を算出し、各制御量を制御装置２へ送信する。ここで、制御装置２がＬＲＴ（Load Ratio control Transformer）や、ＳＶＲの場合は、制御量はタップ番号（変圧比）である。この場合、制御装置２は制御量に含まれるタップマップ（変圧比に対応するタップ番号が記載されたリスト）を参照して、タップを対応するタップ番号に切替動作を行う。なお、すでに該当タップ番号になっている場合には切替動作は行われない。
モデル生成部１０４は、電力状態や、制御量の演算モデルを算出する。演算モデルについては、後記して説明する。
送受信処理部１０５は、各制御装置２や、各センサ３との間の各種データの送受信を行う。つまり、送受信処理部１０５は、制御装置２へ、後記する制御量データ、モデルデータ、系統データといった各種データを送信する。これら制御装置２へ送信されるデータは、各々のデータ種別毎に異なる周期で送信されてもよい。

計測データの送信周期は、電力系統毎や、通信回線のスペック、通信機器数、目標性能等を勘案して予め定められる。送信周期は、例えば、１分、３分、１０分、３０分、６０分等のような値に設定される。これらの具体的数値は一例であって、これらの値に限定されない。

計測データ記憶部１１１には、センサ３で計測された計測値に関するデータである計測データが格納されていている。計測データについては後記する。
系統データ記憶部１１２には、電力系統の構成や、電力系統を構成する機器のスペック等に関するデータである系統データが格納されている。系統データについては後記する。
モデルデータ記憶部１１３には、モデル生成部１０４で生成された、電力状態や、制御量の演算モデルに関するデータであるモデルデータが格納されている。

（制御装置）
次に、制御装置２の構成を説明する。
制御装置２は、ＬＲＴ、ＳＶＲ、ＳＶＣ、スイッチトキャパシタ、バッテリ付ＰＣＳ（Power Conditioning System）等の、電力系統の状態のうち主に電圧を制御するための機器であり、コントローラ２００と、制御処理部２０４とを有する。
コントローラ２００は、制御量を決定するものであり、送受信処理部２０１、制御モード決定処理部２０２、制御量算出処理部２０３、系統データ記憶部２１１、モデルデータ記憶部２１２及び計測データ記憶部２１３を有する。
送受信処理部２０１は、中央装置１や、各センサ３との間のデータの送受信を行う。
制御モード決定処理部２０２は、通信状態を基に、複数の制御モードの中からいずれか１つを決定する。制御モードには、集中制御モード、分散制御モード、自律制御モードが存在する。それぞれの制御モードについては後記して説明する。
制御量算出処理部２０３は、制御モード決定処理部２０２にて決定された制御モードが分散制御モードである場合、演算モデルを使用して自身が出力する制御量を算出する。

系統データ記憶部２１１には、中央装置１から送られた系統データが格納されている。
モデルデータ記憶部２１２には、中央装置１から送られたモデルデータが格納されている。
計測データ記憶部２１３には、センサ３で計測された計測値に関するデータである計測データが格納されていている。
すなわち、制御装置２の系統データ記憶部２１１、計測データ記憶部２１２、モデルデータ記憶部２１３には、中央装置１における系統データ記憶部１１２、モデルデータ記憶部１１３、計測データ記憶部１１１と同様のデータが格納されている。ただし、制御装置２が、後記する自律制御モードによる制御を行っている場合、制御装置２の自制御装置２に設けられているセンサ３からの計測データだけが計測データとして蓄積される場合がある。

制御処理部２０４は、中央装置１から送られた制御量、あるいは制御量算出処理部２０３で算出された制御量に従って、制御出力を行う。制御処理部２０４は制御量に含まれるタップマップ（変圧比に対応するタップ番号が記載されたリスト）を参照して、タップを対応するタップ番号に切替動作を行う。

制御装置２がＳＶＣ、スイッチトキャパシタ、バッテリ付ＰＣＳの場合、制御出力は無効電力の出力、あるいは目標電圧の二通りがある。制御出力が無効電力の出力の場合、「進み５０ｋｖａｒ」又は「遅れ３０ｋｖａｒ」のように出力される。

制御出力が目標電圧の場合、制御処理部２０４は、まず、制御装置２の設置地点の電圧と目標電圧の差分を監視する。そして、制御処理部２０４は、前記差分及び制御装置２の設置地点とインバータ（キャパシタ）との間のリアクタンスを用いて、例えばＰＩ（Proportional Integral）制御（比例制御、積分制御）にて目標電圧に一致するように出力すべき無効電力を決定し、その無効電力にしたがって出力動作を行う。

（センサ）
次に、センサ３について説明する。
センサ３は、センサ３自身の電力系等上の設置位置における電力状態量を計測する装置である。センサ３で計測された電力状態量は、通信ネットワーク４を介して、中央装置１や、制御装置２に送信される。センサ３で計測される電力状態量のデータが計測データである。

各センサ３は、所定の時間周期にて、それぞれの種類や役割に応じて、１５分毎等、所定時間毎に有効電力Ｐ、無効電力Ｑ、電圧Ｖ等を計測し、計測データとして出力することができる。さらに、センサ３は、電流（潮流方向を含んでもよい）、電圧、力率を計測、出力することも可能である。なお、有効電力Ｐ及び無効電力Ｑは、電流、電圧、力率を用いた算出式によって算出されることも可能である。三相三線式の交流回路の場合、有効電力Ｐ、無効電力Ｑ、電流、力率は相単位に計測され、電圧は線間単位に計測される。計測の簡略化のため、代表相（例えばＵ相）又は代表線間（例えばＵＶ相）のみが計測される場合もある。

中央装置１の送受信処理部１０５は、センサ３から受信した計測データを計測データ記憶部１１１に格納する。同様に、制御装置２の送受信処理部２０１は、センサ３から受信した計測データを計測データ記憶部２１３に格納する。計測データについては後記する。

（通信ネットワーク）
次に、通信ネットワーク４について説明する。
通信ネットワーク４は、中央装置１、制御装置２及びセンサ３を互いに接続する通信回線網である。各々の中央装置１、制御装置２、センサ３は、通信ネットワーク４を用いて相互に、制御指令や、計測データ等の各種データを送受信する。通信ネットワーク４は、例えば、電話回線等の公衆回線、Ｅｔｈｅｒｎｅｔ（登録商標）、専用通信回線、電力線搬送通信回線等の有線によるネットワークでもよい。あるいは、通信ネットワーク４は、携帯電話通信網、ＰＨＳ（Personal Handy-phone System）、業務用無線、衛星用回線、無線ＬＡＮ（Local Area Network）、ＺｉｇＢｅｅ（登録商標）等の無線によるネットワークでもよい。

<ハードウェア構成>
図２は、本実施形態に係る中央装置及び制御装置のハードウェア構成例を示す図である。
図２（ａ）は、中央装置のハードウェア構成例を示す図である。
中央装置１は、ＣＰＵ（Central Processing Unit）３０１、ＲＡＭ（Random Access Memory）３０２、ＲＯＭ（Read Only memory）３０３、ＨＤ（Hard Disk）３０４、ＬＡＮ（Local Area Network）カード等の通信インタフェース３０５がバス３０６を介して接続されている。
図１の中央装置１における通信状態監視部１０１、電力状態推定部１０２、制御量算出処理部１０３、モデル生成部１０４、送受信処理部１０５は、ＨＤ３０４等に格納されているプログラムがＲＡＭ３０２に展開され、ＣＰＵ３０１によって実行されることで具現化する。
また、計測データ記憶部１１１、系統データ記憶部１１２、モデルデータ記憶部１１３はＨＤ３０４によって実現されている。

図２（ｂ）は、制御装置のハードウェア構成例を示す図である。
制御装置２は、ＣＰＵ４０１、ＲＯＭ４０２、通信インタフェース４０３がバス４０４を介して接続されている。
図１の制御装置２における制御処理部２０４、コントローラ２００、コントローラ２００を構成する送受信処理部２０１、制御モード決定処理部２０２、制御量算出処理部２０３は、ＲＯＭ４０２に格納されているプログラムをＣＰＵ４０１が実行することにより具現化する。
また、系統データ記憶部２１１、モデルデータ記憶部２１２、計測データ記憶部２１３はＲＯＭ４０２内に形成されている。

<電力系統の構成例>
図３は、本実施形態に係る電力系統の構成例を示す。
電力系統は、大別して、ノード３１（３１ａ〜３１ｇ）とブランチ３２（３２ａ〜３２ｆ）とから構成され、各々のノード３１とブランチ３２は属性データを有している。

ノード３１は、所定の機器が設置されている箇所である。
例えば、ノード３１ａは、変電所に設置されている変圧器であり、そこにはセンサ３ａ（３）及び制御装置２ａ（２）が接続されている。ノード３１ｂは、電柱に設置されている柱上変圧器であり、そこにはセンサ３ｂ（３）が接続されている。ノード３１ｃは、電柱に設置されている柱上変圧器であるが、そこに制御装置２やセンサ３は設置されていない。ノード３１ｄは、需要家又は分散電源等の負荷又は電源を示し、そこにはセンサ３ｃ（３）及び制御装置２ｂ（２）が接続されている。ノード３１ｅは、柱上変圧器が設置されている電柱であり、そこにセンサ３は設置されていない。ノード３１ｆは、柱上変圧器が設置されている電柱であり、そこにはセンサ３ｄ（３）が設置されている。最後のノード３１ｇは、需要家又は分散電源等の負荷又は電源を示し、そこにはセンサ３ｅ（３）及び制御装置２ｃ（２）が接続されている。

次に、ブランチ３２（３２ａ〜３２ｆ）について説明する。ブランチ３２は、ノード３１とノード３１との間の経路区間であり、具体的には、送電線又は配電線の区間である。言い換えれば、ブランチ３２以外はノード３１となる。各ブランチ３２は、そのインピーダンスとして、抵抗Ｒ及びリアクタンスＸを有する。ブランチ３２には、厳密にはキャパシタンスもあるが、この例では他に比べて十分小さいとみなし無視することにする。

図３におけるブランチ３２ａは、始点ノードを３１ａ、終点ノードを３１ｂとする区間である。また、ブランチ３２ｂの始点はノード３１ｂ、終点はノード３１ｃである。さらに、ブランチ３２ｃの始点はノード３１ｃ、終点はノード３１ｄである。そして、ブランチ３２ｄの始点はノード３１ｄ、終点はノード３１ｅである。また、ブランチ３２ｅの始点はノード３１ｅ、終点はノード３１ｆである。そして、ブランチ３２ｆの始点はノード３１ｆ、終点はノード３１ｇである。

<系統データ>
次に、図４〜図６を参照して、系統データを構成する各種データについて説明する。
（ノード管理データ）
図４は、第１実施形態に係るノード管理データの構成例を示す図である。
なお、ノード管理データは、系統データ１０の一部を構成するデータである。
ノード管理データは、ノードＩＤ（Identification）、変電所フラグ、柱上変圧器フラグ、センサＩＤ、制御装置ＩＤ、計測値、電力状態推定値の各フィールドを有する。

ノードＩＤは、ノードを識別する情報である。
変電所フラグは、変電所の有無を示す情報である。
柱上変圧器フラグは、柱上変圧器の有無を示す情報である。
センサＩＤは、センサ３を識別する情報であるとともに、センサ３の有無を示す情報でもある。
制御装置ＩＤは、制御装置２を識別する情報であるとともに、制御装置２の有無を識別する情報でもある。
計測値は、センサ３による計測値である。なお、計測値は計測データに含まれているものである。

電力状態推定値は、各ノードにおいて、各センサ３から送られる計測データの全部、あるいは一部を用いて後記する演算モデルを用いて推定される電力状態の値である。電力状態推定値は、具体的には、有効電力Ｐ（ＰＡ〜ＰＧ）、無効電力Ｑ（ＱＡ〜ＱＧ）、推定電圧Ｖ（ＶＡ〜ＶＧ）等の推定値である。
電力状態推定値が算出されるタイミングはセンサ３と同期する（例えば、１５分毎）ことが望ましい。センサ３の設置されていないノード３１ｃ，３１ｅでは、そのノードにおける電力状態が潮流計算等から推定されて、ノード管理データに記憶されている。なお、電力状態推定値と、計測値とは通常異なる値となることが多い。
また、後記する集中制御モードや、自律制御モードが行われているときには、電力状態推定値には潮流計算等を基に算出された電力状態推定値が格納される。

なお、図４に示すように電力状態推定値はすべてのノードについて算出されることが望ましい。あるいは、ユーザが電力状態推定値を算出するノードを指定してもよい。

なお、ノード管理データは、図４に示す項目だけでなく、他の項目を加えてもよいし、図示している項目を複数のノード管理データに分割し、分割されたノード管理データ同士がリンクや、ポインタ等で対応づけられる構成でもよい。このようなことは、ノード管理データに限らず、後記する他のデータについても同様のことがいえる。

（ブランチ管理データ）
図５は、第１実施形態に係るブランチ管理データの構成例を示す図である。
なお、ブランチ管理データは、系統データの一部を構成するデータである。
ブランチ管理データは、ブランチＩＤ、始点ノードＩＤ、終点ノードＩＤ、抵抗値Ｒ（Ω）、リアクタンスＸ（Ω）の各フィールドを有する。
ブランチＩＤは、ブランチを識別する情報である。
始点ノードＩＤは、対象となっているブランチの始点となっているノードのノードＩＤである。
終点ノードＩＤは、対象となっているブランチの終点となっているノードのノードＩＤである。
抵抗値は、対象となっているブランチの抵抗値である。
リアクタンスは、対象となっているブランチのリアクタンスである。
抵抗値や、リアクタンスは、ノードにおける電圧や、ブランチの材質等から算出される。

（制御装置管理データ）
図６は、第１実施形態に係る制御装置管理データの構成例を示す図である。
なお、制御装置管理データは、系統データの一部を構成するデータである。
制御装置管理データは、制御装置ＩＤ、基準電圧（Ｖ）、ＬＤＣ（Line Drop Compensator）パラメータＲ，Ｘ（Ω）、動作時限（ｓｅｃ）、定格容量（ｋＶＡ／ｋｖａｒ）の各フィールドを有している。
制御装置ＩＤは、制御装置２を識別する情報である。
基準電圧、ＬＤＣパラメータ、定格容量は、それぞれの制御装置２のスペックによって定められる値である。
ＬＤＣパラメータは、制御装置２がＬＲＴ又はＳＶＲのような負荷に応じて電圧を調整する装置に用いられるもので、具体的には、制御装置２から基準点までのインピーダンス（抵抗、リアクタンス）及び不感帯から構成される数値データである。したがって、制御装置２がＬＲＴ又はＳＶＲのような負荷に応じて電圧を調整する装置以外のときには、ＬＤＣパラメータは無効である。
動作時限は、制御装置２が動作してから次に動作可能となるまでの時間である。

（制御量データ）
図７は、第１実施形態に係る制御量データの構成例を示す図である。
制御量データは、制御装置ＩＤ、制御量、タイムスタンプを有している。
制御装置ＩＤは、制御装置２を識別するＩＤであり、制御量データの宛先にもなっている。
制御量は、制御装置ＩＤに該当する制御装置２における制御量である。
タイムスタンプは制御量データが送信された日時である。
図７の制御量データは、中央装置１から制御装置２へ送信されるデータであり、制御装置２が集中制御を行っている場合、制御装置２は制御量データに含まれる制御量で自身を制御する。

（計測データ）
図８は、第１実施形態に係る計測データの構成例を示す図である。
計測データの１レコードが、センサ３から送られる計測データに該当する。
計測データは、タイムスタンプと、センサＩＤと、対象となっているセンサ３で計測された各計測値を有する。なお、本実施形態において計測値は、有効電力Ｐ（ｋＷ）、無効電力Ｑ（ｋｖａｒ）、電圧Ｖ（Ｖ）であるが、この他にも電流、力率、潮流方向（電流方向）等が含まれてもよい。
タイムスタンプは、対象となっているセンサ３で計測値が計測された日時である。
センサＩＤは、センサ３を識別する情報である。

<制御モードの移行>
図９は、第１実施形態に係る制御モードの移行を説明するための図である。
本実施形態では、電力系統の制御モードとして、（１）集中制御モード、（２）分散制御モード、（３）自律制御モード、の３つがある。
制御モードの移行についての説明を行う前に、これら３つの制御モードについて説明する。

（１）集中制御モード
集中制御モードとは、中央装置１ですべての制御装置２の制御を行うモードであり、特許文献１に記載の技術の集中型制御にあたる。具体的には、中央装置１が各制御装置２の制御量を算出し、各制御装置２は中央装置１から送られた制御量を基に自身の制御を行う。集中制御モードは、中央装置１ですべての制御を行うため、効率等の点で優れている。

（２）分散制御モード
分散制御モードは、中央装置１で算出された電力状態・制御量の演算モデルと、センサ３から取得した計測データとを基に、自身の制御量を算出し、制御するモードである。分散制御モードは、中央装置１からの制御量を使用せず、制御装置２自身で制御量を算出することができる。

（３）自律制御モード
自律制御モードは、中央装置１とは関係なく、制御装置２が自身の制御料を算出し、制御するモードであり、特許文献２に記載の技術の自律分散型制御にあたる。
電力系統の電力状態を推定した上で制御する分散制御モードは、単純に自端ノードにおける目標電圧との偏差を解消するように制御を行う自律制御モードとは異なる。

自律制御モードで制御が行われている場合、制御装置２の制御量算出処理部２０３は、系統データに含まれる各制御装置２の制御パラメータと、計測データとに基づき、予め定められた所定の方式に従って制御量を算出する。例えば、制御装置２がＬＲＴや、ＳＶＲの場合、ＬＤＣ方式に基づいて、ＳＶＣ、スイッチトキャパシタ、バッテリ付ＰＣＳでは電圧一定制御に基づいて、自身で出力すべき制御量を算出し、制御処理部２０４は、この制御量に基づいて自身の制御を行う。

なお、優先順位としては、（１）集中制御モード、（２）分散制御モード、（３）自律制御モードの順となる。

これらの制御モードは、通信状態によって移行される。
制御モードの移行制御を、図９を参照して説明する。
まず、集中制御モードにおいて、中央装置１は制御装置２の制御量を算出すると、算出した制御量を制御量データとして制御装置２に送信する。このとき、制御量データには、送信日時であるタイムスタンプが付されている。
制御装置２は、中央装置１から前回受信した制御量データのタイムスタンプと現在時刻との差Ｔｄと、予め設定されている第１所定時間Ｔ１とを比較する。ここで、第１所定時間Ｔ１は、中央装置１による制御量データの送信周期Ｔｃ以上に設定されている（Ｔ１≧Ｔｃ）。
ここで、Ｔｄ＜Ｔ１のとき、すなわち、中央装置１から制御装置２に対して、予め設定されている一定時間毎に制御量データが送信されている場合、制御装置２は通信の健全性が保たれていると判定し、集中制御モードに基づいた制御を行う（Ｓ１）。

Ｔｄ≧Ｔ１の場合、すなわち、中央装置１から制御装置２に対して、予め設定されている一定時間毎に制御量データが送信されていない（通信量が所定値以下）場合、制御装置２は、通信の健全性が損なわれたと判定し、分散制御モードへ移行する（Ｓ２）。
分散制御モード下において、制御装置２は、中央装置１から受信済みの電力状態推定モデルと所定の計測データとに基づいて、自身における電力系統の電力状態を推定する。さらに、制御装置２は、制御量算出モデルを使用して、自身の制御量を算出し、所定の制御動作を実行する（所定の制御出力を行う）。なお、電力状態推定モデルは計測値から電力状態を推定するための演算モデルであり、制御量算出モデルは推定された電力状態から自身における制御量を算出するための演算モデルである。

従って、分散制御モードを行うことによって、制御装置２は、中央装置１で算出された制御量を所定周期で受信できない場合（通信状態が悪化した場合）でも、予め中央装置１から送られている演算モデルに基づいて制御量を算出し、適切な制御を行うことができる。

分散制御モードによる制御中に、通信状態が健全性を取り戻して、中央装置１からの制御量データを第１所定時間Ｔ１内に制御装置２が受信する（Ｔｄ＜Ｔ１）と、制御装置２は通信状態が健全性を回復したと判定し、分散制御モードから集中制御モードに制御モードを移行する（Ｓ３）。
ここで、制御装置２は、第１所定時間Ｔ１内に制御量データを受信できた時点で集中制御モードに直ちに移行してもよい。又は、制御装置２は、さらに新たな制御量データを受信するまで分散制御モードを続行し、新たな制御量を受信したときの時刻と前回の制御量を受信したときの時刻との差ＴｅがＴｅ＜Ｔ１の場合に、分散制御モードから集中制御モードに移行してもよい。

通信状態が悪化したままの時間が長く継続し、分散制御モードに移行してからの経過時間Ｔｓが電力状態推定モデルの有効期間Ｔ２以上になった場合（Ｔｓ≧Ｔ２）、制御装置２は、分散制御モードから自律制御モードに制御モードを移行する（Ｓ４）。

分散制御モードを使用することにより制御装置２は、電力系統全体の電圧を安定化するための制御を、比較的精度良く行うことができる。しかし、電力需給状態は時間や季節によって変動するため、同一の演算モデルを長期間にわたって使用し続けることは望ましくない。また、例えば新たな分散電源が電力系統に接続されたり、需要家の設備が廃棄されたりして、電力系統の構成は変更される可能性がある。電力系統の構成変化は、電力状態の推定精度にも影響を及ぼし、適切な制御量もこれに伴って変化する。このように電力需給状態の実態からかけ離れた演算モデルを使用し続けることは、電力状態の推定精度を低下させてしまい、電力系統の安定性維持に寄与しない。そこで、本実施形態の演算モデルには、有効に使用可能な期間Ｔ２が予め設定されている。
ここで、有効期間Ｔ２は、所定時間Ｔ１よりも長く設定される（Ｔ２＞Ｔ１≧Ｔｃ）。
自律制御モード下の制御装置２は、自端ノードのセンサ３からの計測データに基づいて、自端ノードの目標電圧と計測電圧との偏差を解消するように制御する。

そして自律制御モードによる制御中に、中央装置１からの制御量データ受信周期が第１所定周期Ｔ１以内となった場合（Ｔｄ＜Ｔ１）、制御装置２は自律制御モードから集中制御モードに制御モードを移行する（Ｓ５）。このとき、制御装置２は、直ちに集中制御モードに移行してもよい。又は、制御装置２は、さらに新たな制御量を受領するまで待ち、前回の制御量受信時刻と今回の制御量受信時刻との差ＴｅがＴｅ＜Ｔ１の場合に、自律制御モードから集中制御モードに制御モードを移行してもよい。

制御モードの移行タイミングの理解のために一例を挙げる。通信状態が健全な場合、中央装置１は、各計測データに基づいて算出される制御量（制御量データ）を、数秒〜数分等の制御周期Ｔｃで各制御装置２に送信する。このとき、中央装置１は、電力状態推定モデル、制御量算出モデルを含む演算モデルを予め制御装置２に送信している。通信状態が悪化し、数分程度に設定される所定時間Ｔ１待っても制御量データを受信できない場合、制御装置２は集中制御モードから分散制御モードに移行する。すなわち、制御装置２は、中央装置１から送られる制御量データを用いることをやめ、制御量データとともに送られている演算モデルを用いた制御を行う。ちなみに、制御量データは、分散制御モード、自律制御モード中でも中央装置１から制御装置２へ送信され続ける。

分散制御モードに移行してから例えば一日〜数日、又は一週間〜数週間、又は一ヶ月〜数ヶ月程度の所定時間Ｔ２が経過すると、制御装置２は、分散制御モードから自律制御モードに移行する。なお、電力状態推定モデルの有効期間Ｔ２は、作成されてからの経過時間として定義してもよいし、例えば「２０１２年９月３０日まで有効」のように日時で定義してもよい。これらの具体的数値は、理解のための一例に過ぎず、前記数値に限定されないことは当然である。

<フローチャート>
次に、図１０、図１１、図１４のフローチャートを参照して、電力系統制御システム５における処理の手順を説明する。
（中央装置：制御量算出処理）
図１０は、第１実施形態に係る中央装置における制御量算出処理の手順を示すフローチャートである。
図１０に示す処理は、集中制御モードで使用される制御装置２の制御量を算出するための処理である。
通信状態監視部１０１は、予め定められた一定の監視周期Ｔｍで、各センサ３から送られた計測データ（タイムスタンプ付き）を蓄積する（Ｓ１０１）。
次に、通信状態監視部１０１は、中央装置１との通信状態の健全性（正常か否か）をセンサ３毎に判定する（Ｓ１０２）。ここでの判定によって、電力状態推定に使用される計測データが変わってくる。つまり、電力状態推定部１０２は、ステップＳ１０２で異常と判定された計測データを電力状態推定に使用しないようにする。

例えば、所定の時間周期Ｔｍでセンサ３からの計測データを収集することになっている場合、通信状態監視部１０１は、前回受信した計測データのタイムスタンプと現在時刻との差を所定の時間周期Ｔｍと比較する。時間周期Ｔｍを上回っている場合（（現在時刻−最新計測データのタイムスタンプ）＞Ｔｍ）、通信状態監視部１０１は、通信状態の健全性が低下していると判定する。現在時刻と最新計測データのタイムスタンプとの差が大きくなればなるほど、通信状態の健全性は低下していると判定できる。

ここで、通信状態の健全性が低下する原因には、通信ネットワーク４自体の原因や、センサ３自体の原因等が考えられる。通信ネットワーク４自体の原因としては、例えば、通信混雑、障害物や電子機器からの電磁波による電波障害、断線等が考えられる。センサ３自体の原因としては、例えば、センサ３の故障、過負荷による処理の一時停止等が考えられる。従って、センサ３と中央装置１との通信状態の健全性を判断することで、センサ３が正常稼働しているか否かを含めて判定できる。

そして、電力状態推定部１０２は、ステップＳ１０２において通信状態が正常と判定された計測データの数（以下、正常計測データ数）に応じて、電力状態推定における可観測性の判定を行うことで、可観測か否かを判定する（Ｓ１０３）。「可観測である」とは、取得可能な計測データの数が、電力状態の推定に十分な数であることであり、例えば、以下の手法で判定される。まず、電力状態推定部１０２は、対象とする電力系統のノード及びブランチの各電力状態（例えば、有効電力Ｐ、無効電力Ｑ、電圧Ｖ）の合計数をＮｄとする。そして、電力状態推定部１０２は、合計数Ｎｄに対する正常計測データ数Ｎｎの割合（Ｎｎ／Ｎｄ）を算出する。続いて、電力状態推定部１０２は、Ｎｄに対するＮｎの割合（Ｎｎ／Ｎｄ）が、所定値以上の場合は可観測であると判定し、そうでなければ不可観測と判定する。

ステップＳ１０３の結果、可観測であると判定された場合（Ｓ１０３→Ｙｅｓ）、電力状態推定部１０２は、正常と判定されたセンサ３の計測データと系統データを用いて、各監視ノードにおける潮流計算を含む電力状態（有効電力Ｐ、無効電力Ｑ、推定電圧Ｖ）の推定を行い（Ｓ１０４）、ステップＳ１０６へ処理を進める。ここで、監視ノードとは、電圧を監視すべきノードであり、ユーザによって設定されるものである。ユーザが監視ノードを設定しなければ、すべてのノードが監視ノードとなる。

電力状態推定部１０２は、以下の手順で電力状態の推定を行う。まず、入力部を介して、各ノードの電力状態についての初期値が設定される。そして、電力状態推定部１０２は、設定された初期値に基づいた潮流計算を行う。続いて、電力状態推定部１０２は、潮流計算によって得られる電力状態（有効電力Ｐ、無効電力Ｑ、推定電圧Ｖ）に関する推定値と、計測データに含まれる計測値の偏差の２乗の総和が最小となるように、各ノードの電力状態に関する解を繰り返し演算によって求める。このようにして、最終的に電力系統の任意地点における電力状態推定値が得られる。
電力状態推定部１０２は、得られた電力状態推定値にタイムスタンプを付加し、計測データとして系統データ記憶部１１２のノード管理データ（図４）に格納する。なお、このような電力状態推定値の算出は既知の手法である。

ステップＳ１０３の結果、可観測ではない（不可観測）と判定された場合（Ｓ１０３→Ｎｏ）、電力状態推定部１０２は、正常と判定されたセンサ３の計測データと系統データを用いて、潮流計算のみを行い（Ｓ１０５）、ステップＳ１０６へ処理を進める。
電力状態推定部１０２は、各ノード及び各ブランチに関して、有効電力、無効電力及び推定電圧に関する方程式（電力方程式）をそれぞれ立て、計測データを用いて解くことによって、各監視ノード及び各ブランチの電力状態（有効電力Ｐ、無効電力Ｑ、推定電圧Ｖ）を求める潮流計算を行う。そして、電力状態推定部１０２は、この潮流計算で求められた電力状態を電力状態推定値とし、この電力状態推定値を計測データとして系統データ記憶部１１２のノード管理データ（図４）に格納する。
以上、ステップＳ１０４、Ｓ１０５の処理により、電力状態推定部１０２は、電力系統の任意地点における電力状態推定値を得る

次に、制御量算出処理部１０３は、ステップＳ１０４、Ｓ１０５で算出された電力状態推定値を用いて、各制御装置２が出力すべき制御量を算出する（Ｓ１０６）。
制御量算出処理部１０３は、例えば、以下の手順で制御量を算出する。ここでは、例えば、電力系統上における所定の複数の地点における各目標電圧からの推定電圧の偏差の２乗の総和を、目的関数として使用する。ここで、推定電圧とは、図１０のステップＳ１０４、Ｓ１０５において算出される電圧であり、目標電圧とは、制御装置２において出力されるべき基準電圧（図５参照）のことである。制御量算出処理部１０３は、この目的関数を最小化するよう、各制御装置２の最適な制御量を算出する。これにより、制御量算出処理部１０３は、電力系統全体の電圧を安定化するのに最適な制御量を算出する。

ここで制御量は、ＬＲＴやＳＶＲ等の電圧調整器のタップ番号（変圧比）、ＳＶＣ、スイッチトキャパシタ、バッテリ付ＰＣＳの無効電力等である。
なお、目的関数を最小化する解法には、山登り法、二次計画法、タブーサーチ等様々なものがある。どの解法を使用するかは、目的関数の性質及び制御量の性質（連続値、離散値）等に応じて、ユーザが決定する。
算出された制御量は、制御量履歴として系統データ記憶部１１２等に格納されてもよい。

そして、送受信処理部１０５は、算出された各制御装置２の制御量を制御量データとして、通信ネットワーク４を介し、各制御装置２へ送信する（Ｓ１０７）。

図１０に示す処理によって、中央装置１は、各センサ３からの計測データの健全性を判定し、その健全性に応じた電力状態推定を行う。さらに、中央装置１は、算出された電力状態推定値に基づいて各制御装置２の制御量を算出し、送信する。

（中央装置：演算モデル算出処理）
図１１は、第１実施形態に係る中央装置における演算モデル算出処理の手順を示すフローチャートである。
図１０に示す処理が集中制御モードで使用される制御量を算出するための処理であるのに対し、図１１に示す処理は分散制御モードで使用される演算モデルを算出するための処理である。なお、中央制御装置２は、図１０に示す処理と、図１１に示す処理とをパラレルに実行している。
まず、モデル生成部１０４は、計測データ（図８）から、各センサ３で計測された電力状態の計測値（有効電力Ｐ、無効電力Ｑ）と、電力状態推定部１０２にて図１０のステップＳ１０４、Ｓ１０５で推定された各ノード及び各ブランチの電力状態推定値（有効電力Ｐ、無効電力Ｑ、推定電圧Ｖ）と、図１０のステップＳ１０６で算出された各制御装置２の制御量といった各種データを、教師データとして利用するために読み込む（Ｓ２０１）。

次に、モデル生成部１０４は、センサ３で実測された電力状態の計測値と、図１０に示す処理において電力状態推定部１０２が推定した各ノード及び各ブランチの電力状態推定値とを用いて、電力状態推定モデルを生成する（Ｓ２０２）。電力状態推定モデルの生成については後記する。

続いて、モデル生成部１０４は、図１０において電力状態推定部１０２が推定した各ノード及び各ブランチの電力状態推定値と、図１０において制御量算出処理部１０３が算出した各制御装置２の制御量とを用いて、制御量算出モデルを生成する（Ｓ２０３）。制御量算出モデルの生成については後記して説明する。

そして、モデル生成部１０４は、制御装置２毎に生成した電力状態推定モデル及び制御量算出モデルのデータ（係数パラメータ）を、予め定められた組み合わせでパッケージ化する。例えば、ある制御装置２（ノードｉ）に関して、電力状態推定モデルは各ノードｘとノードｙの計測値を入力とするもの、制御量算出モデルは自端ノード（ノードｉ）に関するもの、といった組み合わせでパッケージ化が行われる。

次に、送受信処理部１０５が、パッケージ化された各演算モデルのデータ（モデルデータ）を各制御装置２へ、通信ネットワーク４を介して送信する（Ｓ２０４）。

図１１に示す処理によって、中央装置１は、計測データから電力状態推定モデル及び制御量算出モデルといった演算モデルを生成し、生成した演算モデルを各制御装置２へ送信する。

（演算モデルの生成）
次に、電力状態推定モデル及び制御量算出モデルといった演算モデルの生成手法について説明する。
演算モデルの生成は、線形モデルや、非線形モデルを使用することができる。ここでは、線形モデルを例に説明する。
まず、電力状態推定モデルの生成について説明する。
電力状態推定モデルの入力（説明変数）は、各センサ３で計測された電力状態の実計測値（有効電力Ｐ、無効電力Ｑ）である。電力状態推定モデルからの出力は、電力状態推定部１０２が推定した電力系統における各ノード（又は各ブランチ）の電力状態推定値である。

モデル生成部１０４は、下記式（１）に示す線形モデルにおける係数ａ_ｎｋ，ｂ_ｎｋを同定する。この係数ａ_ｎｋ，ｂ_ｎｋが電力状態推定モデルとなる。

ここで、Ｓ_ｎは、任意のノードｎにおける複素電力を示す。ｊは虚数単位を表す。Ｐ_ｋ，Ｑ_ｋは、それぞれセンサ３（センサノードｋ）によって計測された有効電力（複素電力の実数成分）及び無効電力（複素電力の虚数成分）を示す。ａ_ｎｋ，ｂ_ｎｋは、電力状態推定モデルの係数パラメータであり、ノードｎにおけるセンサノードｋの影響を示す。
モデル生成部１０４は、各ノードにおける入力データ（Ｐ_ｋ，Ｑ_ｋ）及び出力データ（Ｓ_ｎ）を式（１）に代入し、最小二乗法等を用いることによって各係数（ａ_ｎｋ，ｂ_ｎｋ）を同定する。

制御装置２において、基本算出式（式（１））が事前に設定されている場合、中央装置１からは、係数パラメータａ_ｎｋ，ｂ_ｎｋを制御装置２に送信するだけで、電力状態推定モデルを更新することができる。つまり、式（１）における係数を演算モデルとすることによって、情報量を減らすことができる。

続いて制御量算出モデルの生成について説明する。
制御量算出モデルの入力（説明変数）は、図１０のステップＳ１０４、Ｓ１０５において電力状態推定部１０２が推定した各ノードの電力状態推定値である。そして、制御量算出モデルの出力（目的変数）は、図１０のステップＳ１０６において制御量算出処理部１０３が算出した各制御装置２の制御量であり、電力系統全体の電圧を安定化するのに最適に近い（準最適な）制御量である。

モデル生成部１０４は、下記式（２）に示す線形モデルにおける係数ｃ_ｉｍ，ｄ_ｉｍを同定する。この係数ｃ_ｉｍ，ｄ_ｉｍが制御量算出モデルとなる。

ここで、Ｃ_ｉは、図１０の処理において制御量算出処理部１０３が算出したノードｉにおける制御量（複素電力）である。ｊは虚数単位を表す。また、Ｐ_ｍ，Ｑ_ｍは、図１０の処理において電力状態推定部１０２が推定した各ノードｍ（監視ノードｍ）の電力状態推定値（有効電力Ｐ_ｍ、無効電力Ｑ_ｍ）である。ｃ_ｉｍ，ｄ_ｉｍは、制御量算出モデルの係数パラメータであり、ノードｉにおけるノードｍの影響を示す。
なお、Ｐ_ｍ，Ｑ_ｍは、センサ３によって計測された実測値（計測データの電力状態値Ｐ，Ｑ）が利用可能であるならば、それが使用されてもよい。
モデル生成部１０４は、各ノードにおける入力データ（電力状態推定値Ｐ_ｍ，Ｑ_ｍ）及び出力データ（Ｃ_ｉ）を式（２）に代入し、最小二乗法等を用いることによって各係数（ｃ_ｉｍ，ｄ_ｉｍ）を同定する。

前記したように制御量Ｃｉは、ＬＲＴやＳＶＲ等の電圧調整器のタップ番号（変圧比）、ＳＶＣ、スイッチトキャパシタ、バッテリ付ＰＣＳの無効電力等である。

制御装置２において、基本算出式（式（２））が事前に設定されている場合、中央装置１からは、係数パラメータｃ_ｉｍ，ｄ_ｉｍを制御装置２に送信するだけで、制御量算出モデルを更新することができる。つまり、式（２）における係数を演算モデルとすることによって、情報量を減らすことができる。

以上に示したように、電力状態推定モデル及び制御量算出モデルと、計測データ（Ｐ_ｋ，Ｑ_ｋ）とを用いれば、電力系統全体の電圧を安定化するために、各制御装置２にて出力すべき制御量を簡単に算出することができる。
従って、各制御装置２が電力状態推定モデル及び制御量算出モデルといった演算モデルをそれぞれ持っていれば、例え、中央装置１・制御装置２間の通信ネットワーク４の通信状態が良好ではない場合でも、自端での計測データを用いて適切な制御を行うことができる。

（モデルデータ）
次に、モデルデータについて説明する。
モデルデータは、式（１）に示す電力状態推定モデルを構成するパラメータａ_ｎｋ，ｂ_ｎｋ、及び、式（２）に示す制御量算出モデルを構成するパラメータｃ_ｉｍ，ｄ_ｉｍである。なお、式（１）、式（２）は一例であって適宜変更してもよく、その場合のパラメータは数式に応じた係数パラメータとなる。

各演算モデルにおいて対象とするノード（センサノードｋ及び監視ノードｍ）が予め設定されておく必要がある。
センサ３が設置されているすべてのノードをセンサノードｋとして設定すれば、電力状態推定値の精度向上が期待できる。同様に、すべてのノードを監視ノードｍとして設定すれば、制御量の精度向上（最適な制御量に近づける）が期待できる。

しかし、通信ネットワーク４の通信状態が常に健全であると期待できない場合、すべてのセンサ３から計測データを取得できない可能性がある。そこで、以下のように、一部のセンサ３の計測データだけを用いて推定する構成としてもよい。

例えば、すべてのノードをセンサノードとする代わりに、制御装置２のノードｉでは、自端ノードｉのみとしてもよい。つまり、各制御装置２では、自端ノード以外のセンサ３の計測データは参照しないようにしてもよい。自端ノードのセンサ３とは、制御装置２に直接的に対応づけられているセンサ３、すなわち制御装置２のノードと共通のノードに設けられているセンサ３である。言い換えれば、自端ノードのセンサ３とは、制御装置２に設置されているセンサ３である。

図３に示す電力系統例の場合、制御装置２ａの自端ノードはノード３１ａであり、自端ノードのセンサ３はセンサ３ａである。同様に、制御装置２ｂの自端ノードはノード３１ｄであり、自端ノードのセンサ３はセンサ３ｃである。同様に、制御装置２ｃの自端ノードはノード３１ｇであり、自端ノードのセンサ３はセンサ３ｅである。

制御装置２で参照する計測データを、自端ノードのセンサ３からの計測データに限定すれば、通信状態の健全性が失われた場合でも、制御装置２では電力状態推定モデルを用いて電力系統の電力状態を推定できる。

なお、監視ノードｍについては、センサノードと違い、対象ノードを減らす理由は特にない。つまり、すべてのノードを監視ノードとしてもよい。電力状態が推定されれば、制御量算出モデルを用いて制御量を算出できるためである。つまり、計測データが欠損していても、電力状態の推定そのものは可能であるため、制御量算出モデルの生成においてノードｍの欠損について考慮する必要がない。

次に、図１２を参照して、演算モデルの具体的な意味を説明する。
図１２は、第１実施形態に係る演算モデルの具体的な意味を説明するための図であり、（ａ）は電力状態推定モデル、（ｂ）は制御量算出モデルを示す。
図１２（ａ）に太い実線１２０１で示す電力状態推定モデルは、横軸の説明変数が計測データに含まれる計測値であり、縦軸の出力が電力状態推定値である。つまり、横軸は図１０のステップＳ１０１で蓄積されるセンサ３で実計測される計測値であり、縦軸は図１０のステップＳ１０４、Ｓ１０５で算出される各ノードにおける電力状態推定値である。要するに、図１２（ａ）のグラフにおいて、横軸が式（１）のＰ_ｋ，Ｑ_ｋを示し、縦軸が式（１）のＳ_ｎを示す。
従って、横軸は本来２次元座標となるべきであるが、ここでは便宜上１次元座標としている。また、プロット点１２０２は、実計測値Ｐ_ｋ，Ｑ_ｋと、実計測値を基に推定された電力状態推定値Ｓ_ｎを対応付けてプロットした点である。実線１２０１はプロット点１２０２を基に、最小二乗法によって算出された直線である。そして、式（１）の係数ａ_ｎｋ，ｂ_ｎｋ、つまり、電力状態推定モデルは、実線１２０１の傾きに相当する。

図１２（ｂ）に太い実線１２１１で示す制御量算出モデルは横軸の入力が電力状態推定値であり、縦軸の出力が算出された制御量である。つまり、横軸は図１０のステップＳ１０４、Ｓ１０５で算出される各ノードにおける電力状態推定値であり、縦軸は図１０のステップＳ１０６で算出される各ノードにおける制御量である。要するに、図１２（ｂ）のグラフにおいて、横軸が式（２）のＰ_ｍ，Ｑ_ｍを示し、縦軸が式（２）のＣ_ｉを示す。
従って、横軸は本来２次元座標となるべきであるが、ここでは便宜上１次元座標としている。また、プロット点１２１２は、電力状態推定値Ｐ_ｍ，Ｑ_ｍと、算出された制御量Ｃ_ｉを対応付けてプロットした点である。実線１２１２はプロット点１２１１を基に、最小二乗法によって算出された直線である。そして、式（２）の係数ｃ_ｉｍ，ｄ_ｉｍ、つまり、電力状態推定モデルは、実線１２１１の傾きに相当する。

これらの演算モデルは、いずれも横軸の入力が２つの変数（前記したように図１２では便宜上１次元としている）の場合を示しているが、必ずしもそれに限定されるべきものではなく、複数の入力があってもよい。つまり、本実施形態では各演算モデルを求めるための説明変数として有効電力Ｐ、無効電力Ｑを用いているが、その他の電力状態の値（例えば電圧）を説明変数として用いてもよい。
ただし、精度の観点から言えば、説明変数は、推定すべき目的変数（電力状態、制御量）との相関が高いものが望ましい。

図１３は、第１実施形態に係るモデルデータの具体的な一例を示す図である。なお、図１３は電力状態推定モデルの例を示す。
図１３では、ケース毎の演算モデルが制御装置２毎に格納されている。図１３では、モデルデータ１３０１が制御装置２ａ（図１）用、モデルデータ１３０２が制御装置２ｂ（図１）用、モデルデータ１３０３が制御装置２ｃ（図１）用である。以下、制御装置２ａのモデルデータ１３０１における電力状態推定モデルを参照して説明する。
ここで、ケースとは、計測データの欠損パターンを示す。電力系統がセンサ３ａ〜３ｅを有しているとすると、例えば、「ケース１」は、すべてのセンサ３ａ〜３ｅからそれぞれ正常に計測データを取得できるケースである。すなわち、「ケース１」では、すべてのセンサ３ａ〜３ｅからの計測データを用いて演算モデルによる電力状態推定を行う。言い換えれば、「ケース１」は制御装置２ａがすべてのセンサ３から計測データを取得可能な場合に使用される電力状態推定モデルである。なお、「ａ１ａ」は、「ケース１」の状態におけるセンサ３ａからの影響を示す電力状態推定モデル「ａ_ｎｋ（式（１））」であることを示している。

また、「ケース２」は、各センサ３ａ〜３ｅのうち、センサ３ａ〜３ｄから計測データを取得でき、センサ３ｅからの計測データだけ取得できないケースである。ここで、計測データを取得できない場合の係数パラメータを０とし、それ以外では係数の値が格納される。「ケース２」では、センサ３ａ〜３ｄの計測データのみに基づいて、演算モデルによる電力状態推定を行う。言い換えれば、「ケース２」は制御装置２ａがセンサ３ｅのみから計測データを取得できない場合に使用される電力状態推定モデルである。

「ケース３」は、各センサ３ａ〜３ｅのうち、センサ３ａ〜３ｃ，３ｅから計測データを取得でき、センサ３ｄからの計測データだけ取得できない場合である。すなわち、「ケース３」では、センサ３ａ〜３ｃ，３ｅの計測データのみに基づいて、電力状態推定モデルを生成する。要するに、「ケース３」は制御装置２ａがセンサ３ｄのみから計測データを取得できない場合に使用される電力状態推定モデルである。

以下同様に、中央装置１は、図１１のステップＳ２０２において、正常に取得できる計測データのすべての組み合せについて電力状態推定モデルを生成する。
ここで、計測データが、いずれか１つのセンサ３からしか取得できない場合（ケースｎ）についても、電力状態推定モデルが生成される。また、制御装置２の自端ノードのセンサ３からの計測データが取得できるのであれば、その制御装置２のための電力状態推定モデルを生成できる。なお、制御装置２が、自端ノードのセンサ３以外の離れたノードのセンサ３からの計測データを取得可能な構成の場合、その離れたノードのセンサ３からの計測データのみに基づく電力状態推定モデルも生成される。
そして、それぞれのケースを「モデル１」、「モデル２」・・・としている。
このようなケース毎の電力状態推定モデルが制御装置２毎に生成される。

なお、図１１では、電力状態推定モデルについて説明したが、中央装置１は、図１１に示す電力状態推定モデルとともに、制御量算出モデル（ｃ_ｉｍ，ｄ_ｉｍ（式（２）））もモデルデータとして制御装置２に送信する。なお、制御量算出モデルは、説明変数を電力状態推定値としているため、図１１に示すようなケース毎の制御量算出モデルを求めることは不要である。つまり、電力状態の推定は、監視ノードとして設定されたすべてのノードンについて行われるので、電力状態推定値が欠損することがないためである。

このように、電力状態推定モデルは、制御装置２毎、かつ、計測データの欠損状態の組合せ毎に、それぞれ用意される。これにより、通信状態の悪化又はセンサ３の故障等で、一部の計測データを取得できない場合であっても、電力状態推定部１０２は、取得できた計測データの組合せに対応する電力状態推定モデルを用いて、電力状態推定値を算出することができる。

演算モデルを線形モデルとして生成する場合、電力状態推定モデルは２つのパラメータａ_ｎｋ，ｂ_ｎｋ（以下、適宜ａ，ｂと記載する）となり、制御量算出モデルも２つのパラメータｃ_ｉｍ，ｄ_ｉｍ（以下、適宜ｃ，ｄと記載する）となる。従って、各演算モデルのデータサイズを小さくできる。このように、本実施形態によれば、１つ１つの演算モデルのサイズを小さくできるため、周期的に各制御装置２に複数のモデルデータを送信しても、通信負荷の増大を抑制できる。従って、通信ネットワーク４の通信速度が遅い場合でも、データサイズの小さいモデルデータを正常に送信することができる。また、各演算モデルは少数のパラメータで使用できるため、制御装置２の有するＣＰＵ２０１（図２）の性能が低い場合でも、電力状態を推定して適切な制御量を得ることができる。逆に言えば、制御装置２に高性能のＣＰＵ２０１等を搭載する必要がなく、製造コストを低減することができる。

（制御装置における処理）
図１４は、第１実施形態に係る制御装置の処理手順を示すフローチャートである。
まず、制御モード決定処理部２０２が、中央装置１や、センサ３からデータを受信したか否かを判定する（Ｓ３０１）。
ステップＳ３０１の結果、データを受信していない場合（Ｓ３０１→Ｎｏ）、制御モード決定処理部２０２は、ステップＳ３０１へ処理を戻し、データの受信を待機する。
ステップＳ３０１の結果、データを受信した場合（Ｓ３０１→Ｙｅｓ）、制御モード決定処理部２０２は、受信したデータが制御量データであるか否かを判定する（Ｓ３０２）。
ステップＳ３０２の結果、制御量データではない場合（Ｓ３０２→Ｎｏ）、制御モード決定処理部２０２は、データ種別に応じて各データ記憶部にデータを格納し（Ｓ３０３）、ステップＳ３０１へ処理を戻す。例えば、受信したデータがモデルデータであれば、制御モード決定処理部２０２はモデルデータ記憶部２１２にデータを格納し、受信したデータが系統データであれば、制御モード決定処理部２０２は系統データ記憶部２１１に格納する。

ステップＳ３０２の結果、制御量データである場合（Ｓ３０２→Ｙｅｓ）、制御量データに付されているタイムスタンプを参照し、前回受信した制御量データのタイムスタンプの時刻と、現在時刻との差Ｔｄを算出し、このＴｄが予め設定されている時間Ｔ１より小さい（Ｔｄ＜Ｔ１）か否かを判定する（Ｓ３０４）。

ステップＳ３０４の結果、Ｔｄ＜Ｔ１である場合（Ｓ３０４→Ｙｅｓ）、すなわち、制御量データが所定時間内に到達している場合、制御モード決定処理部２０２は、制御モードを集中制御モードとする（Ｓ３０５）。既に、制御モードが集中制御モードである場合、制御モード決定処理部２０２は、現在の制御モードを維持する。
そして、制御モード決定処理部２０２は、今回取得した制御量データのタイムスタンプをメモリに一時的に格納し（Ｓ３０６）、制御処理部２０４が受信した制御量データにおける制御量を計測装置へ送信することで計測装置の制御を行う（Ｓ３１３）。

一方、ステップＳ３０４の結果、Ｔｄ≧Ｔ１である場合（Ｓ３０４→Ｎｏ）、制御モード決定処理部２０２は、分散制御モードに移行してからの時間Ｔｓが、所定の時間Ｔ２より小さい（Ｔｓ＜Ｔ１）か否かを判定する（Ｓ３０７）。なお、現在の制御モードが分散制御モードではない場合、Ｔｓ＝０である。

ステップＳ３０７の結果、Ｔｓ＜Ｔ２である場合（Ｓ３０７→Ｙｅｓ）、つまり、分散制御モードに移行してから所定時間内である場合、制御モード決定処理部２０２は、制御モードを分散制御モードとする（Ｓ３０８）。既に、制御モードが分散制御モードである場合、制御モード決定処理部２０２は、現在の制御モードを維持する。
そして、制御量算出処理部２０３は、計測データ記憶部２１３から計測データを読み込む（Ｓ３０９）。

続いて、制御量算出処理部２０３は、モデルデータ記憶部２１２から演算モデルを読み込み（Ｓ３１０）、読み込んだ演算モデルのうちの電量状態推定モデルと計測データとから式（１）の演算を行い、電力状態の推定を行う（Ｓ３１１）。具体的には、制御量算出処理部２０３が自身の制御装置２における有効電力と、無効電力とを推定する。ステップＳ３１０で、制御量算出処理部２０３は、計測データの欠損状態に応じて、図１３に示すモデルデータから欠損状態に対応する演算モデルを読み込んでもよい。

さらに、制御量算出処理部２０３は、ステップＳ３０９で読み込んだ演算モデルのうちの制御量算出モデルと、ステップＳ３１１で推定した電力状態とから式（２）の演算を行い、自身の制御量を算出する（Ｓ３１２）。
そして、制御処理部２０４がステップＳ３１２で算出した制御量で自身の制御を行う（Ｓ３１３）。

また、ステップＳ３０７の結果、Ｔｓ≧Ｔ２である場合（Ｓ３０７ｈ→Ｎｏ）、つまり、分散制御モードに移行してから所定時間以上である場合、制御モード決定処理部２０２は、制御モードを自律制御モードとする（Ｓ３１４）。既に、制御モードが自律制御モードである場合、制御モード決定処理部２０２は、現在の制御モードを維持する。
そして、制御量算出処理部２０３は、系統データ記憶部２１１から系統データを読み込み（Ｓ３１５）、さらに、計測データ記憶部２１３から計測データを読み込む（Ｓ３１６）。
そして、制御量算出処理部２０３は、読み込んだ系統データと、計測データとから自身の制御量を算出する（Ｓ３１２）。なお、自律制御モードにおける制御量の算出方法は前記してあるので、ここでは詳細な説明を省略する。
そして、制御処理部２０４がステップＳ３１２で算出した制御量で自身の制御を行う（Ｓ３１３）。
なお、系統データには、タイムスタンプが付されてもよいし、付されなくてもよい。

<時間帯による演算モデル切り替え>
図１５は、時間帯に応じて演算モデルを切り替えることを説明するための図である。
電力需給状態は、天候や、気温等によっても変動するが、朝、昼、夜のように時間帯によっても変動する。例えば、個人住宅の場合、朝と晩で食事の支度のために電力需要が増加する。昼間は不在になる可能性が高くなるため、電力需要は低下する。これとは逆に、朝と晩の太陽光発電の発電量は小さく、昼間の発電量は大きい。このため、太陽光発電が設置されている住宅において、発電所から送られる電力の消費は昼間が小さく、朝・晩で大きくなる。このように電力の需給状態は個人住宅、工場、商業施設等の需要家の特性によっても相違するが、時間帯による相違も大きい。
そこで、本実施形態における電力系統制御システム５は、例えば、一日の時間を第１時間帯（朝・夕）、第２時間帯（昼）、第３時間帯（夜）のように複数に区切り、時間帯毎に、電力状態推定モデル群と制御量算出モデルを生成する。

図１３に示すように、各制御装置２の電力状態推定モデルは、取得できた計測データの組み合せに応じて複数生成される。
ここで、中央装置１は、図１５に示すように、制御装置２毎、時間帯毎に（つまり、所定の生活条件に応じて）演算モデルを生成する。図１５において、時間帯は第１時間帯（例えば、朝・夕）、第２時間帯（例えば、昼）、第３時間帯（例えば、夜）の３時間帯に分けているがこれに限らず、例えば、１時間毎にわけてもよい。あるいは、天候によってわけてもよい。この場合、制御量算出処理部２０３がＷｅｂを介して、天候を取得して、天候に従った演算モデルを使用してもよい。
例えば、第１時間帯において、制御装置２ａ（図１）用の演算モデルとして、電力状態推定モデル群１５０１と制御量算出モデル１５０２ａが生成されている。ここで、電力状態推定モデル「群」としているのは、図１３に示すように、同一の制御装置２でもケース毎に異なる電力状態推定モデルが生成されるためである。

同様に、制御装置２ｂ（図１）用の演算モデルとして、電力状態推定モデル群１５０１ｂと制御量算出モデル１５０２ｂが生成されている。また、制御装置２ｃ（図１）用の演算モデルとして、電力状態推定モデル群１５０１ｃと制御量算出モデル１５０２ｃが生成されている。

同様に、第２時間帯において、電力状態推定モデル群１５１１ａ（制御装置２ａ用），１５１１ｂ（制御装置２ｂ用），１５１１ｃ（制御装置２ｃ用）、制御量算出モデル１５１２ａ（制御装置２ａ用），１５１２ｂ（制御装置２ｂ用），１５１２ｃ（制御装置２ｃ用）が生成されている。
また、第３時間帯において、電力状態推定モデル群１５２１ａ（制御装置２ａ用），１５２１ｂ（制御装置２ｂ用），１５２１ｃ（制御装置２ｃ用）、制御量算出モデル１５２２ａ（制御装置２ａ用），１５２２ｂ（制御装置２ｂ用），１５２２ｃ（制御装置２ｃ用）が生成されている。
ちなみに、電力状態推定モデル群１５０１ａ〜１５０１ｃ，１５１１ａ〜１５１１ｃ，１５２１ａ〜１５２１ｃのそれぞれは、図１３に示す電力状態推定モデル群に相当している。

時間帯が替わった場合、制御装置２の制御量算出処理部２０３は、時間帯に応じた電力状態推定モデルに切り替え、さらに制御量算出モデルに基づいて、準最適な制御量を算出する。

第１実施形態に係る制御装置２は、複数の制御モードの中から通信状態に応じて、集中制御モード、分散制御モード、自律制御モードのうち、いずれか１つの制御モードを選択できる。従って、制御装置２は、通信ネットワーク４の状態に応じて適切に動作することができる。

さらに、第１実施形態に係る制御装置２は、通信状態が健全な場合は集中制御モードで制御し、通信状態が悪化した場合に分散制御モードで制御し、電力状態推定モデルの有効期間が過ぎた場合は自律制御モードで制御する。従って、通信状態の健全性の度合いに応じて電力状態を制御できる。

そして、第１実施形態の中央装置１は、センサ３の実計測値である計測データと、電力状態推定値の履歴と、算出された制御量の履歴とを計測データとして蓄積して管理し、計測データに基づいて電力状態推定モデル及び制御量算出モデルといった演算モデルを生成する。従って、比較的高精度の演算モデルを比較的簡易に得ることができる。

また、第１実施形態の中央装置１は、演算モデルを、センサ３から取得した計測値、もしくは電力状態推定値の係数として算出する。従って、演算モデルのデータであるモデルデータのサイズを小さくでき、中央装置１から複数の制御装置２にモデルデータを配信した場合でも、通信ネットワーク４の負荷を抑制することができる。このため、本実施形態の電力系統制御システム５は、通信速度が遅く、通信品質の不安定な環境下であっても、電力系統を適切に制御することができる。

そして、第１実施形態に係る電力系統制御システム５では、分散制御モードで使用する電力状態推定モデルに有効期間が設定されており、電力系統制御システム５は有効期間の過ぎた電力状態推定モデルは使用せず、自律制御モードに移行する。従って、第１実施形態によれば、電力需給状態の変化及び電力系統の構成変化からかけ離れた分散制御が実行されるのを抑制し、システムの信頼性を高めることができる。

第１実施形態に係る中央装置１は、正常に取得できる計測データの組み合せに応じて電力状態推定モデルを生成する（図１３）。このため、制御装置２は通信ネットワーク４の状態が悪く、すべてのセンサ３からの計測データを受信できない場合でも、電力状態を推定して、電力系統全体の電圧をできるだけ安定化するように制御量を算出できる。従って、第１実施形態に係る電力系統制御システム５は、通信環境の悪い地域であっても、通信環境に合わせて電力状態を推定でき、適切に電力系統の電力状態を制御することができる。

また、第１実施形態に係る中央装置１は、時間帯や、天候等の所定の生活条件に応じて電力状態推定モデルを生成する（図１５）。これにより、生活条件に応じて変動する消費電力に対応することができる。

［第２実施形態］
次に、図１６〜図２２を参照して本発明の第２実施形態を説明する。
第２実施形態では、計測データに対する信頼区間が設けられることで、計測データの信頼性に応じて、適切な制御を行うことを目的とする。
また、第２実施形態では、演算モデルの例として電力状態推定モデルをとりあげて説明するが、それに限定すべきものではなく、制御量算出モデルについても同様に扱うことができる。

<中央装置の構成>
図１６は、第２実施形態に係る中央装置の構成例を示す図である。
図１６の中央装置１Ａにおいて、図１の中央装置１と同様の構成要素については、図１と同一の符号を付して説明を省略する。なお、第２実施形態における電力系統制御システム５全体の構成は、第１実施形態と同様であるので、図示及び説明を省略する。
図１６における中央装置１Ａは、信頼区間処理部１０６が加わった点と、信頼区間データ記憶部１１４が加わった点が第１実施形態に係る中央装置１と異なっている。
信頼区間処理部１０６は、図２（ａ）におけるＨＤ３０４等に格納されているプログラムがＲＡＭ３０２に展開され、ＣＰＵ３０１によって実行されることで具現化する。

信頼性処理部２０５は、計測データに対して信頼区間を考慮したデータを出力する。信頼区間処理部１０６の動作については後記して説明する。
信頼区間データ記憶部１１４は、後記する信頼区間に関するデータである信頼区間データを格納している。

<制御装置の構成>
図１７は、第２実施形態に係る制御装置の構成例を示す図である。
図１７において、図１の制御装置２と同様の構成要素については、図１と同一の符号を付して説明を省略する。
図１７における制御装置２Ａにおけるコントローラ２００ａは、信頼性処理部２０５が加わった点と、信頼区間データ記憶部２１４が加わった点が第１実施形態に係る計測装置と異なっている。さらに、制御量算出処理部２０３ａが、低信頼の計測データが存在する場合に、仮制御量を算出する点で第１実施形態と異なっている。
そして、制御処理部２０４ａは、低信頼の計測データが存在する場合には、仮制御量による制御を行う点で第１実施形態と異なっている。
なお、制御量算出処理部２０３ａ、制御処理部２０４ａ、信頼性処理部２０５は、図３（ｂ）におけるＲＯＭ４０２に格納されているプログラムをＣＰＵ４０１が実行することにより具現化する。
信頼区間データ記憶部２１４は、後記する信頼区間に関するデータである信頼区間データ（信頼性情報：区間情報）を格納している。

<信頼区間>
図１８は、第２実施形態に係る信頼区間の例を示す図であり、（ａ）が有効電力の信頼区間を示し、（ｂ）が無効電力の信頼区間を示している。
実際の電力系統においては、時間的な負荷の変動（擾乱）等によって、電力状態値の変動が生じる。そして、そのような電力状態値（有効電力、無効電力、電圧）の変動は、ある範囲に偏りがみられると考えられる。
このような、変動が生じている場合、第１実施形態に示すように、取得可能なすべてのデータを用いて演算モデルを算出するのではなく、定められた信頼区間の範囲にあるデータを用い、信頼区間外のデータについては、所定の補正を行うことで、演算モデルの安定性の向上が期待できる。

まず、図１８（ａ）を参照して、有効電力の信頼区間について説明する。
なお、ここでは、電力状態値の偏りが正規分布に従っていると仮定することとする。
有効電力の変動が正規分布に従っていると仮定したとき、その平均値をＰ_Ｍ、標準偏差をσ_ｐとすると、有効電力の正規分布は図１８（ａ）に示すような分布となる。
そして、高信頼区間（第１の区間）１８０１を以下の式（３）のように規定する。

Ｐ_Ｍ−α・σ_ｐ≦Ｐ≦Ｐ_Ｍ＋α・σ_ｐ ・・・ （３）

式（３）で示される高信頼区間１８０１は、図１８（ａ）の高信頼の区間に相当する。高信頼区間１８０１以外は低信頼区間（第２の区間）１８０２である。
なお、式（３）に示すαは、高信頼区間１８０１を設定するための係数である。例えば、α＝１．６４として信頼区間を設定すれば、有効電力の値が高信頼区間１８０１内に生じる確率は０．９となる。さらに、例えば、α＝１．９６として高信頼区間１８０１を設定すれば、無効電力の値が高信頼区間１８０１内に生じる確率は０．９５となる。

同様にして、無効電力の高信頼区間１８０１も設定される（図１８（ｂ）参照）。
なお、無効電力の高信頼区間１８０１を以下の式（４）で規定する。高信頼区間１８０１以外は低信頼区間１８０２である。

Ｑ_Ｍ−α・σ_ｑ≦Ｑ≦Ｑ_Ｍ＋α・σ_ｑ ・・・ （４）

式（４）におけるＱ_Ｍ、σ_ｑは、それぞれ無効電力値の平均値、標準偏差であり、αは式（３）と同様の係数である。
なお、有効電力値、無効電力値の平均値、標準偏差は、所定時間内の有効電力値、無効電力値の平均、標準偏差である。

このように、信頼区間処理部１０６では、計測データそれぞれの平均値、標準偏差を算出し、それを基に式（３）、式（４）で規定される高信頼区間１８０１を設定することによって、計測データの高信頼区間１８０１（上限値、下限値）を算出する。
上限値は、式（３）のＰ_Ｍ＋α・σ_ｐ、式（４）のＱ_Ｍ＋α・σ_ｑである。同様に、下限値は、式（３）のＰ_Ｍ−α・σ_ｐ、式（４）のＱ_Ｍ−α・σ_ｑである。

例えば、図１９の形式で示される信頼区間データが、信頼区間データ記憶部１１４に格納される。
図１９に示されるように、信頼区間データには、センサ３毎、計測データ種別毎に高信頼区間の上限値、下限値が格納されている。なお、計測データ種別において、「Ｐ」は有効電力を示し、「Ｑ」は無効電力を示す。また、「９０％」、「９５％」、「９９％」とは、規定されている高信頼区間内に計測値が生じる確立である。
また、中央装置１Ａの送受信処理部１０５は、信頼区間データ記憶部１１４の高信頼区間データを制御装置２Ａへ送信し、制御装置２Ａの送受信処理部２０１は受信した高信頼区間に関するデータを信頼区間データ記憶部１１４に格納する。この処理は、例えば、図１４のステップＳ３０１〜Ｓ３０３において、系統データ等とともに行われる。

なお、図１８に示すような高信頼区間、低信頼区間の設定方法は一例であり、例えば、正規分布ではなく、ベータ分布や、ガンマ分布に従うものとしてもよい。
また、図１５に示す時間帯ごとに異なる正規分布を設定してもよい。

（制御処理）
図２０は、第２実施形態に係る制御処理の手順を示すフローチャートである。
なお、図２０の処理は、図１４における分散制御処理のステップＳ３１１〜Ｓ３１３の箇所に挿入される処理である。
まず、信頼性処理部２０５は、計測データ記憶部２１３に格納されている計測データ（有効電力、無効電力）の各々について、すべて高信頼であるか否かの判定を行う（Ｓ４０１）。この処理において、信頼性処理部２０５は、信頼区間データ記憶部２１４に格納されている信頼区間データを参照して、図１８に示す高信頼区間に該当するか、低信頼区間に該当するかを各々の計測データについて判定する。

例えば、信頼区間が９０％であるときのセンサ３の計測データである有効電力の上限値、下限値が、図１９に示される信頼区間データによって、それぞれＰａｕ、Ｐａｌであり、無効電力の上限値、下限値がそれぞれＱａｕ、Ｑａｌと定められているので、信頼性処理部２０５は、計測データの有効電力、無効電力のそれぞれが上下限値の範囲に入っているかを判定する。信頼性処理部２０５は、上下限値の範囲に入っている場合には、それぞれの計測データの信頼性が高いと判定し、そうでなければ低いと一旦判定する。これら計測データは、電力状態推定モデルの説明変数（入力データ）であるが、計測データのすべて信頼性が高いと判定された場合には、演算モデルの説明変数として計測データが高信頼と判定されるが、そうでない場合には、低信頼と判定される。つまり、説明変数としての計測データが複数種類ある場合、少なくとも一つの信頼性が低いと、演算モデルの説明変数として低信頼と判定されることになる。

ステップＳ４０１の結果、すべての計測データが高信頼であると判定された場合（Ｓ４０１→Ｙｅｓ）、制御量算出処理部２０３ａが図１４のステップＳ３１１〜Ｓ３１３と同様の処理を行うことによって計測装置の制御を行う。

ステップＳ４０１の結果、低信頼であると判定された計測データが１つでも存在する場合（Ｓ４０１→Ｎｏ）、制御量算出処理部２０３ａは、仮制御量を算出する（Ｓ４０２）。仮制御量の算出方法は後記して説明する。
そして、制御処理部２０４ａが、ステップＳ４０２で算出した仮制御量で計測装置を制御する（Ｓ４０３）。
次に、制御量算出処理部２０３ａは、仮制御量による制御から所定時間後に、送受信処理部２０１を介して自端ノードのセンサ３（自端ノードセンサ）の計測データを取得し、センサ３地点の電圧が目標に対してどの程度乖離しているかの目標乖離指標ΔＶを算出する（Ｓ４０４）。仮制御量の算出方法については、後記する。

そして、制御処理部２０４ａは、ΔＶが所定値以下であるか否かを判定する（Ｓ４０５）。
ステップＳ４０５の結果、ΔＶが所定値以下の場合（Ｓ４０５→Ｙｅｓ）、制御処理部２０４ａは、目標電圧に近い制御ができていることになるため処理を終える。
ステップＳ４０５の結果、ΔＶが所定値以下でない場合（Ｓ４０５→Ｎｏ）、制御処理部２０４ａは修正仮制御量を算出し（Ｓ４０６）、ステップＳ４０３へ処理を戻し、修正仮制御量を仮制御量として処理を行う。修正仮制御量の算出方法については後記する。

（仮制御量算出方法）
図２１、図２２は、第２実施形態に係る仮制御量の算出方法を説明するための図である。
低信頼の計測データがある場合、制御量算出処理部２０３ａは、図２０のステップＳ４０２で示したように仮制御量を算出する。なお、図２１、図２２において、横軸は、本来有効電力Ｐ、無効電力Ｑの２次元座標となるべきであるが、ここでは便宜上１次元座標としている。
仮制御量の算出手法は、例えば、以下の３つの手法が考えられる。
なお、図２１、図２２において、高信頼区間は「ｘｃｌ」〜「ｘｃｕ」であり、それ以外は低信頼区間である。ここで、ｘｃｌは高信頼区間の上限値であり、ｘｃｕは高信頼区間の下限値である。以降、上限値と下限値とをまとめて境界値と称することがある。「ｘ１」は、計測値である。そして、ｘ０は計測値の平均値である。また、直線２１００の傾きが、演算モデルを示している。また、図２１、図２２の説明において、ｆ（・）は式（２）による制御量算出モデルの演算式を示している。

第１の手法は、図２１（ａ）に示すように、高信頼区間における演算モデルをそのまま適用するものである。
つまり、図２１（ａ）に示すように、低信頼である計測値ｘ１における仮制御量は、高信頼区間における演算モデルが用いられて算出される。つまり、制御処理部２０４ａは、式（２）そのものを用いて仮制御量２１１１を算出する。

第２の手法は、図２１（ｂ）に示すように、計測値ｘ１に最も近い高信頼区間の境界値ｘｃｌ、ｘｃｕにおける制御量を仮制御量２１１２とするものである。つまり、Ｓ＝ｆ（ｘｃｕ ｏｒ ｘｃｌ）を仮制御量２１１２とする。
図２１（ｂ）の例では、計測値ｘ１に最も近い高信頼区間の境界値は「ｘｃｕ」であるから、Ｓ＝ｆ（ｘｃｕ）が算出される仮制御量２１１２である。計測値ｘ１に最も近い高信頼区間の境界値がｘｃｌのときは、Ｓ＝ｆ（ｘｃｌ）が算出される仮制御量となる。

第３の手法は、図２２に示すように所定の手法で算出した制御量下限２２０１、制御量上限２２０２の少なくとも一方に基づいて仮制御量を算出するものである。
ここで、制御量下限２２０１、制御量上限２２０２は、計測値ｘの関数であり、例えば、式（５）、式（６）のように表される。

Ｓ＝ｃ・（ｘ−ｘｄ）^ｋ＋ｆ（ｘｄ） （ｘ∈ＸＬ，ｘ≧ｘｄ） ・・・ （５）

Ｓ＝ｃ・（ｘ−ｘｄ）^ｋ＋ｆ（ｘｄ） （ｘ∈ＸＬ，ｘ＜ｘｄ） ・・・ （６）

ここで、式（５）は計測値ｘが図２２に示す低信頼区間ＸＡに属する場合であり、式（６）は計測値ｘが図２２に示す低信頼区間ＸＢに属する場合である。
「ｘｄ」は、計測値ｘ１に近い境界値（ｘｃｕ、ｘｃｌのいずれか）である。ｃは予め定められる係数パラメータであり、制御量下限を表す場合のｃを「ｃｌ」、制御量上限を表す場合のｃを「ｃｕ」とすると、「ｃｕ＞ｃｌ」の関係を持つ正の実数である。ｋは予め定められる「べき数パラメータ」であり、計測値ｘが低信頼区間に属し、かつ「ｘ＞ｘｄ」のときは「０＜ｋ＜１」であり、「ｘ＜ｘｄ」のときは「ｋ≧１」で設定される。そして、ＸＬは低信頼区間を示す。

式（５）及び式（６）で算出される制御量上限のグラフが図２２の符号２２０２であり、制御量下限のグラフが図２２の符号２２０１である。
制御量算出処理部２０３ａは、計測値ｘ１を式（５）、式（６）に代入して、制御量下限２２１１、制御量上限２２１２を算出する。
そして、制御量算出処理部２０３ａは、制御量下限２２１１、制御量上限２２１２の平均値２２１３を算出し、この平均値２２１３を仮制御量とする。あるいは、制御量算出処理部２０３ａは、制御量上限２２１１、制御量下限２２１２のいずれか一方を仮制御量としてもよい。

制御量下限、制御量上限の算出式は、必ずしも式（５）、式（６）に限定されるべきものではなく、例えば、低信頼区間における計測値及び制御量の履歴データを所定以上蓄積した上で、最小二乗法を用いて算出される式でもよい。

（修正仮制御量の算出）
次に、図２０のステップＳ４０６における修正仮制御量の算出方法を説明する。
計測データの信頼性が低信頼である場合、制御量算出処理部２０３ａは前記した手法で仮制御量を算出する。そして、図２０のステップＳ４０３に示すように、制御処理部２０４ａは仮制御量に従って制御を行う。
そして、制御量算出処理部２０３ａは、仮制御量による制御から所定時間後に、送受信処理部を介して自端ノードのセンサ３の計測データを取得し、このセンサ３の地点における電圧が予め設定されている目標電圧に対して、どの程度乖離しているかの目標乖離指標ΔＶを、式（７）に従って算出する（図２０のステップＳ４０４）。

ΔＶ＝Ｖｍ−Ｖｒｅｆ ・・・ （７）

ここで、Ｖｍは計測値（計測電圧）、Ｖｒｅｆは目標電圧である。
次に、制御量算出処理部２０３ａは、目標乖離指標ΔＶが所定値以下ではない場合（図２０のステップＳ４０５→Ｎｏ）、式（８）に従って修正仮制御量Ｓａを算出する（図２０のステップＳ４０６）。

Ｓａ＝Ｋｐ・ΔＶ ・・・ （８）

ここで、Ｋｐは比例ゲインである。式（８）は比例制御に従って修正仮制御量Ｓａを算出するものであるが、式（９）のような比例積分制御に従って修正制御量Ｓａが算出されてもよい。

ここで、Ｋｉは積分ゲイン、Ｔは所定の時間である。比例ゲインと積分ゲインは、制御装置２Ａの種類や電力系統の構成（インピーダンス等）に応じて定まるものであり、感度分析等によって予め設定されるものである。

そして、制御処理部２０４ａは、このようにして算出された修正仮制御量Ｓａを仮制御量として再び制御を行う。そして、制御処理部２０４ａは、修正仮制御量Ｓａによる制御の所定時間後に再び目標乖離指標ΔＶを求め、それを用いて再度修正制御量を算出する。
以上の処理を、ΔＶが所定値以下になるまで繰り返すことにより、目標電圧に近い制御を達成することができるようになる。

なお、第２実施形態では、１つでも低信頼の計測データが存在した場合、仮制御量による制御を行うこととしているが、これに限らず、例えば、すべての計測データ中、所定の割合の計測データが低信頼の場合、仮制御量による制御を行うようにしてもよい。
また、例えば、図２１におけるｘｃｌ、ｘｃｕ等を用いて、ｘ１−ｘｃｌ、ｘｃｕ−ｘ１等を数値化した低信頼性とし、制御量算出処理部２０３ａ、制御処理部２０４ａは、この低信頼性を数値化したものが、所定の数値以上となるものの割合によって、仮制御量による制御を行うか否かを決定してもよい。

また、中央装置１Ａにおけるモデル生成部１０４が演算モデルを生成する際に、信頼区間を使用してもよい。つまり、モデル生成部１０４が、低信頼の計測データを除外して電力状態推定モデルを算出するようにしてもよい。この際、低信頼の計測データが存在した場合における演算モデルの基本算出式を用いることが望ましい。

負荷や分散型電源における出力の擾乱等により、計測データの信頼性が不十分となることがある。このような場合でも、第２実施形態に記載の技術を用いることによって、信頼性を考慮した制御を行うことができ、その結果、適切な制御を行うことをできる。
また、低信頼の計測データが存在するときに、制御量算出処理部２０３ａは、高信頼の計測データによる制御量に基づく仮制御量を算出する。そして、制御処理部２０４ａは、仮制御量に基づいた制御を行い、制御量算出処理部２０３ａがその出力から目標乖離指標を算出し、制御処理部２０４ａが目標乖離指標による修正仮制御量に基づく制御を、目標乖離指標が所定の値以下となるまで繰り返す。このようにすることにより、低信頼の計測データが存在した場合でも、高信頼の計測データに基づいて算出された制御量を用いることができるので、制御の信頼性を高めることができる。

［第３実施形態］
次に、図２３、図２４を参照して本発明の第３実施形態を説明する。
第３実施形態では、計測データが低信頼と判定された場合、低信頼の計測データが存在する旨を他の制御装置２Ｂへ通知することを目的とする。

<制御装置の構成>
図２３は、第３実施形態に係る制御装置の構成例を示す図である。
図２３において、図１５の制御装置２Ｂと同様の構成要素については、図１５と同一の符号を付して説明を省略する。
図２３における制御装置２Ｂは、信頼性処理部２０５ｂが、低信頼の計測データが存在すると判定した場合、その旨の通知を他の制御装置２Ｂへ送受信処理部２０１を介して通知する機能を有している点が図１５における制御装置２Ａと異なっている点である。
なお、電力系統制御システム５の構成及び中央装置１の構成は図１及び図１４と同様であるので、図示及び説明を省略する。

（制御処理）
図２４は、第３実施形態に係る制御処理の手順を示すフローチャートである。
なお、図２４の処理は、図１４における分散制御処理のステップＳ３１１〜Ｓ３１３の箇所に挿入される処理である。また、図２４の処理において、図２０と同様の処理については、図２０と同一のステップ番号を付して、説明を省略する。

ステップＳ４０１の結果、すべて高信頼である場合（Ｓ４０１→Ｙｅｓ）、信頼性処理部２０５ｂが、他の制御装置２Ｂから低信頼の計測データが存在する旨の情報である低信頼情報を受信したか否かを判定する（Ｓ５０１）。
ステップＳ５０１の結果、低信頼情報を受信していない場合（Ｓ５０１→Ｎｏ）、制御量算出処理部２０３ａが図１４のステップＳ３１１〜Ｓ３１３と同様の処理を行うことによって計測装置の制御を行う。
ステップＳ４０１の結果、低信頼の計測データが１つでも存在するか（Ｓ４０１→Ｎｏ）、ステップＳ５０１の結果、低信頼情報を受信している場合（Ｓ５０１→Ｙｅｓ）、信頼性処理部２０５ｂは、低信頼の計測データが存在する旨の情報である信頼性情報を他の制御装置２Ｂへ送信する（Ｓ５０２）。その後、制御量算出処理部２０３ａはステップＳ４０２の処理へ進む。

第３実施形態において、信頼性処理部２０５ｂは、低信頼の計測データが１つでも存在する場合には、その旨を他の制御装置２Ｂへ通知しているが、これに限らず、所定数の計測データが低信頼である場合に、その旨を他の制御装置２Ｂへ通知してもよい。

第３実施形態によれば、低信頼の計測データが存在する場合、その旨を他の制御装置２Ｂへ送信し、低信頼の計測データが存在する旨の通知を受けた制御装置２Ｂは、自身の計測データがすべて高信頼であっても、計測データが低信頼として制御を行うので、電力系統制御システム５全体で統一のとれた分散制御を行うことができる。
その結果として、電力系統制御システム５全体において、安定した電圧制御が可能となる。

なお、本発明は前記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、系統データにタイムスタンプが付されていてもよい。また、本実施形態は、電力系統システムに対する適用を前提としているが、道路交通信号システム等への適用も可能である。
また、演算モデルの算出は、最小二乗法に限らず重回帰分析、主成分分析等を用いてもよい。
さらに、第２，３実施形態において、有効電力Ｐ、無効電力Ｑの信頼区間を設けているが、これに限らず、例えば、電圧Ｖの信頼区間を設けてもよい。

前記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明したすべての構成を有するものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、前記した各構成、機能、各処理部１０１〜１０６，２０１〜２０５，２０３ａ，２０４ａ，２０３ｂ，２０５ｂ、各記憶部１１１〜１１４，２１１〜２１４等は、それらの一部又はすべてを、例えば集積回路で設計すること等によりハードウェアで実現してもよい。また、図２で示すように、前記した各構成、機能等は、ＣＰＵ３０１，４０１等のプロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等のデータは、図２に示すようにＨＤ３０４に格納すること以外に、メモリや、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣ（Integrated Circuit）カードや、ＳＤ（Secure Digital）カード、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の記録媒体に格納することができる。
また、各実施形態において、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には、ほとんどすべての構成が相互に接続されていると考えてよい。

１，１Ａ 中央装置（管理装置）
２，２ａ〜２ｃ，２Ａ，２Ｂ 制御装置
３，３ａ〜３ｅ センサ（計測装置）
５ 電力系統制御システム
１０１ 通信状態監視部
１０２ 電力状態推定部
１０３ 制御量算出処理部
１０４ モデル生成部
１０５ 送受信部（送信部）
１０６ 信頼区間処理部
１１１ 計測データ記憶部
１１２ 系統データ記憶部
１１３ モデルデータ記憶部（演算モデルを含む）
１１４ 信頼区間データ記憶部（信頼性情報を含む）
２００ コントローラ
２０１ 送受信処理部
２０２ 制御モード決定処理部
２０３，２０３ａ 制御量算出処理部
２０４，２０４ａ，２０４ｂ 制御処理部
２０５，２０５ｂ 信頼性処理部
２１１ 系統データ記憶部
２１２ モデルデータ記憶部（演算モデルを含む）
２１３ 計測データ記憶部
２１４ 信頼区間データ記憶部（信頼性情報を含む）
１８０１ 高信頼区間（第１の区間）
１８０２ 低信頼区間（第２の区間）

Claims (10)

1. 複数の計測装置から入力される計測値を基に、電力系統における制御量を推定するための演算モデルを生成するモデル生成部と、
   前記生成した演算モデルを制御装置へ送信する送信部と、
   を有する管理装置を備えるとともに、
   所定の上限値と下限値との間の第１区間に関する情報と、前記第１区間以外の第２区間に関する情報と、を区間情報として格納している記憶部と、
   前記第１区間に生じる計測値は、前記第２区間に生じる計測値より、信頼性が高く、
   前記区間情報を基に、前記計測装置から送信される計測値が前記第１区間に属するか、前記第２区間に属するか、を判定する信頼性処理部と、
   前記管理装置との通信量を監視し、前記通信量が所定の値以下であり、かつ、前記計測値が第２区間である場合、前記第１区間において、前記演算モデルを用いて算出された制御量を基に仮制御量を算出し、当該仮制御量に基づく自身の制御を行い、
   前記通信量が所定の値以下であり、かつ、前記計測値が前記第１区間である場合、前記演算モデルに基づいて、自身の制御量を算出し、当該制御量に基づいて自身の制御を行う制御処理部と、
   を有する制御装置を備える
   ことを特徴とする電力系統制御システム。
2. 前記制御処理部は、
   前記仮制御量に基づいて自装置を制御し、
   当該制御の結果としての出力値と、前記自装置における目標出力値との差である目標乖離指標を算出し、
   前記目標乖離指標を基に、前記仮制御量を新たに算出し、
   前記仮制御量に基づいた自装置の制御を行う
   ことを、前記目標乖離指標が所定の値以下となるまで繰り返す
   ことを特徴とする請求の範囲第１項に記載の電力系統制御システム。
3. 前記信頼性処理部は、
   前記第２の区間に属する前記計測値が存在する場合、他の制御装置に前記第２の区間に属する前記計測値が存在する旨の情報を送信する
   ことを特徴とする請求の範囲第１項に記載の電力系統制御システム。
4. 前記第２の区間に属する前記計測値が存在する旨の情報を受信した制御装置における前記制御処理部は、
   前記仮制御量を算出し、当該仮制御量に基づく自身の制御を行う
   ことを特徴とする請求の範囲第３項に記載の電力系統制御システム。
5. 前記演算モデルは、前記計測値の欠損状態毎に生成される
   ことを特徴とする請求の範囲第１項に記載の電力系統制御システム。
6. 前記演算モデルは、所定の生活条件毎に生成される
   ことを特徴とする請求の範囲第１項に記載の電力系統制御システム。
7. 制御装置の制御を行う管理装置が、
   複数の計測装置から入力される計測値を基に、電力系統における制御量を推定するための演算モデルを生成し、
   前記生成した演算モデルを制御装置へ送信し、
   前記演算モデルを受信した制御装置が、
   所定の上限値と下限値との間の第１区間に関する情報と、前記第１区間以外の第２区間に関する情報と、を区間情報として記憶部に格納しており、
   前記第１区間に生じる計測値は、前記第２区間に生じる計測値より、信頼性が高く、
   前記区間情報を基に、前記計測装置から送信される計測値が前記第１区間に属するか、前記第２区間に属するか、を判定し、
   前記管理装置との通信量を監視し、前記通信量が所定の値以下であり、かつ、前記計測値が第２区間である場合、前記第１区間において、前記演算モデルを用いて算出された制御量を基に仮制御量を算出し、当該仮制御量に基づく自身の制御を行い、
   前記通信量が所定の値以下であり、かつ、前記計測値が前記第１区間である場合、前記演算モデルに基づいて、自身の制御量を算出し、当該制御量に基づいて自身の制御を行う
   ことを特徴とする電力系統制御方法。
8. 前記制御装置は、
   前記仮制御量に基づいて自装置を制御し、
   当該制御の結果としての出力値と、前記自装置における目標出力値との差である目標乖離指標を算出し、
   前記目標乖離指標を基に、前記仮制御量を新たに算出し、
   前記仮制御量に基づいた自装置の制御を行う
   ことを、前記目標乖離指標が所定の値以下となるまで繰り返す
   ことを特徴とする請求の範囲第７項に記載の電力系統制御方法。
9. 前記制御装置は、
   前記第２の区間に属する前記計測値が存在する場合、他の制御装置に前記第２の区間に属する前記計測値が存在する旨の情報を送信する
   ことを特徴とする請求の範囲第７項に記載の電力系統制御方法。
10. 前記第２の区間に属する前記計測値が存在する旨の情報を受信した制御装置は、
    前記仮制御量を算出し、当該仮制御量に基づく自身の制御を行う
    ことを特徴とする請求の範囲第９項に記載の電力系統制御方法。

Images