JP6071397B2 - 状態推定装置、状態推定方法およびプログラム - Google Patents

Description

本発明の実施形態は、例えば家庭内において消費される電力の内訳を調査する、ロードサーベイ技術に関する。

近年の環境保全意識の高まりや電力不足への不安から、家庭やビル、マンション、あるいは地域社会のエネルギー消費を管理する技術が注目されている。例えば家庭には照明、エアコン、冷蔵庫などのいわゆる家電機器が備えられる。近年では太陽光発電（Photovoltaic Power Generation：ＰＶ）システムや燃料電池（Fuel Cell：ＦＣ）、あるいは蓄電池などの分散型電源を備える家庭も増えてきている。ＨＥＭＳ（Home Energy Management System）は、これらの電気機器によるエネルギー消費を管理するシステムである。

例えばエネルギーの消費量をリアルタイムで可視化することは消費者の「気づき」を誘導でき、エネルギーを節約するために大変有効である。つまりエネルギー管理の第一歩は電気機器の状態をモニタリングすることである。その実現のために、コンセントに測定装置（センサ）を取り付けたり、電機機器自体にエネルギー消費量の測定機能を持たせることが考えられる。

しかし、測定装置を各コンセントに取り付けるのはコストが嵩むうえ、データの収集にかかる通信手段の構築にも多くの労力を要する。測定装置を備える電気機器も提供され始めているが既存の電気機器のほとんどは、そのような機能を持たない。低コストで、既存の電気機器にも幅広く適用可能な、電気機器の状態をモニタする技術が望まれている。

特開２０００−２９２４６５号公報 特開２０１１−２２７５４５号公報

家庭内の給電線に電力センサを設け、電流波形または電圧波形を高調波分析した結果に基づいて電気機器の状態をモニタする技術がある。しかしながら電気機器から生じる高調波は負荷により変動するので、高調波成分から電気機器を特定することは難しい。その主な原因は、電源回路にインバータを備える家電機器（インバータ家電）に備わる整流回路の制御によって、必要な電流の量および波形が負荷に応じて異なることである。

つまり、さまざまな電気機器による波形の混在する波形を高調波分析した結果から稼働中の電気機器を特定し、その消費電力を推定するという既存の手法は、大きな誤差を含む。電力消費量の見積もり誤差が大きいだけでなく、誤った電気機器が特定されることもあり、信頼性に欠ける。
目的は、電気機器の状態を高精度に推定することの可能な状態推定装置、状態推定方法およびプログラムを提供することにある。

実施形態によれば、状態推定装置は、検出部と、算出部と、推定部と、特定部とを具備する。検出部は、複数の電気機器に電力を供給する配電線を流れる電流の測定データに基づいて、いずれかの電気機器の状態変化を検出する。算出部は、測定データに基づいて、状態変化に係わる電流波形の変化分および電力の変化分を算出する。推定部は、電流波形の変化分に基づいて、状態変化の由来の候補を推定する。特定部は、電力の変化分と候補の推定結果とに基づいて、状態変化を生じた電気機器と当該状態変化の種類とを特定する特定部とを具備する。

図１は、実施形態に係る状態推定装置を適用可能なエネルギー管理システムの一例を示す図である。 図２は、図１に示されるホームゲートウェイ１３の一例を示す機能ブロック図である。 図３は、ホームゲートウェイ１３による処理手順の一例を示す図である。 図４は、図３に示されるステップＳ２における処理の一例を示すフローチャートである。 図５は、図３に示されるステップＳ４における処理の一例を示すフローチャートである。 図６は、電流波形変化分の抽出における処理を説明するための図である。 図７は、図３に示されるステップＳ５における処理の一例を示すフローチャートである。 図８は、図３に示されるステップＳ６における処理の一例を示すフローチャートである。 図９は、図３に示されるステップＳ７における処理の一例を示すフローチャートである。 図１０は、図３に示されるステップＳ６における処理の他の例を示すフローチャートである。 図１１は、第３の実施形態に係る測定ユニットの４０の一例を示す機能ブロック図である。 図１２は、連続ウェーブレット変換および離散ウェーブレット変換に基づく結果を比較して示す図である。

図１は、実施形態に係る状態推定装置を適用可能なエネルギー管理システムの一例を示す図である。図１において、配電系統（power grid）６０から供給される商用電力は電柱の変圧器６１などを経て各家庭に分配され、スマートメータなどの電力量計２を経て需要家１００の分電盤４に接続される。電力量計２は、需要家１００に備わる再生可能エネルギー発電システムの発電電力量、需要家１００の消費電力量、電力系統６０から流れ込む電力量、あるいは電力系統６０に逆潮流する電力量などを測定する。

配電線２１は、需要家１００の配電系統として形成される。分電盤４は、配電線２１を介して電気機器（エアコン２２、照明２３、冷蔵庫２４、テレビ２５など（図示しないヒートポンプ式給湯器（ＨＰ）などもこれに含まれる）やパワーコンディショナ（Power Conditioning System：ＰＣＳ）２６に電力を供給する。要するに電気機器は配電線２１に接続される機器であり、電気自動車（ＥＶ）２７やＰＶシステム２８などを含め、電力を消費する機器、電力を生成する機器、および電力を消費し生成する機器の全てを意味する。なお分電盤４はフィーダごとの電力量を測定する測定装置を備えていてもよい。

需要家１００の建物の屋根や外壁には太陽光パネルが設置され、ＰＶシステム２８が形成される。ＰＶシステム２８で生成された直流電力はパワーコンディショナ２６に供給される。パワーコンディショナ２６は需要家１００に据え置かれる蓄電装置としての蓄電池２９を充電すべく、この直流電力を蓄電池２９に与える。

パワーコンディショナ２６はコンバータ（図示せず）を備え、配電線２１からの交流電力を直流電力に変換して蓄電池２９に与える。これにより深夜電力などを利用して蓄電池２９を充電することもできる。さらにパワーコンディショナ２６はインバータ（図示せず）を備え、蓄電池２９あるいは燃料電池３０から供給される直流電力を交流電力に変換して配電線２１に印加する。これにより配電線２１に接続される機器は、蓄電池２９や燃料電池３０からも電力（自給電力）の供給を受けることができる。

要するにパワーコンディショナ２６は、蓄電池２９、燃料電池３０と配電線２１との間でエネルギーを授受するための電力変換器としての機能を備える。パワーコンディショナ２６は蓄電池２９や燃料電池３０を安定的に稼動させるための制御機能も備える。さらにパワーコンディショナ２６は、電気自動車２７に接続可能な充電用コンセント３３にも電力を分配する。これにより電気自動車２７に搭載される車上バッテリーを充放電することが可能になる。

需要家１００にはＬＡＮ（Local Area Network）などのホームネットワーク３１が形成される。ホームネットワーク３１を介して伝送される各種データを利用して、ＨＥＭＳによる需要家１００のエネルギー管理が実施される。
ホームゲートウェイ（Home Gateway：ＨＧＷ）１３が、ホームネットワーク３１に接続される。ホームゲートウェイ１３はＩＰネットワーク３００に接続され、ＩＰネットワーク３００を介してサーバ装置２００と互いに情報やデータを授受することが可能である。ホームゲートウェイ１３はホームネットワーク３１を介して電力量計２、分電盤４、パワーコンディショナ２６、および各電気機器と相互に通信可能である。なおホームネットワーク３１は有線リンク、あるいは無線リンクのいずれでも良い。

ホームゲートウェイ１３はサーバ装置２００に各種のデータを送信し、またサーバ装置２００から各種のデータを受信する通信装置である。すなわちホームゲートウェイ１３はCentral Processing Unit（ＣＰＵ）を備えるコンピュータであり、サーバ装置２００との通信機能に加え、サーバ装置２００に各種サービスの提供を要求したり、システムの制御にユーザの意思を反映させたりするための機能を備える。これらの機能は不揮発性メモリなどに記憶されたプログラムにより実現される。

ホームゲートウェイ１３は端末（Terminal）３２に接続される。端末３２はタッチパネルなどの形態のほか、例えば汎用的な携帯情報機器やパーソナルコンピュータなどでもよい。端末３２は各電気機器、燃料電池３０、蓄電池２９、ＰＶシステム２８の稼働状況や消費電力を例えばＬＣＤ（Liquid Crystal Display）に表示したり、音声ガイダンスなどでユーザに報知する。また端末３２は操作パネルを備え、ユーザによる各種の操作や設定入力を受け付ける。

ホームゲートウェイ１３の接続されるＩＰネットワーク３００は、いわゆるインターネット、あるいはシステムベンダのＶＰＮ（Virtual Private Network）などである。ホームゲートウェイ１３はＩＰネットワーク３００を経由してサーバ装置２００と通信したり、データベース（図示せず）とデータを授受することが可能である。

通信プロトコルとしては、ＥＣＨＯＮＥＴ（登録商標）、ＥＣＨＯＮＥＴ Ｌｉｔｅ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｚ−Ｗａｖｅ（登録商標）、ＫＮＸ（登録商標）などを使用することができる。下位レイヤの通信層としてはイーサネット（登録商標）などの有線ＬＡＮ、電力線通信、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）などを使用することができる。なおＩＰネットワーク３００は、ホームゲートウェイ１３とサーバ装置２００との間に双方向の通信環境を形成するための、無線または有線の通信インフラストラクチャを含むことができる。

ところで、需要家１００は、配電系統６０からの給電口に近い位置に設置される測定ユニット４０を備える。給電口に近い位置とは、例えば電力量計２の内部やその配線部、または分電盤４の主幹あるいは分岐ブレーカなどである。測定ユニット４０は無線インタフェースを備え、無線チャネルを介してホームゲートウェイ１３と通信可能である。

測定ユニット４０は配電線２１に接続され、配電線２１を流れる電流を測定して電流の測定データ（電流データ）を得る。また測定ユニット４０は、配電線２１の電圧を測定して電圧の測定データ（電圧データ）を得る。電流データは電流の瞬時値、電流波形などを含む。電圧データは電圧の瞬時値、電圧波形などを含む。

つまり測定ユニット４０は、配電線２１の電流を測定する電流センサと、配電線２１の電圧を測定する電圧センサを備える。実施形態において電流センサは、例えば１００μｓｅｃのサンプリング周期で電流データを測定し、電流波形を得る。同様に電圧センサは、例えば１００μｓｅｃのサンプリング周期で電圧データを測定し、電圧波形を得る。

図２は、図１に示されるホームゲートウェイ１３の一例を示す機能ブロック図である。ホームゲートウェイ１３は、有線インタフェース部１４、無線インタフェース部１５、記憶部１６、ＣＰＵ１７およびプログラムメモリ１８を備える。すなわちホームゲートウェイ１３は、プログラムメモリ１８に記憶されるプログラムをＣＰＵ１７が実行することで機能するコンピュータである。

有線インタフェース部１４は、ＩＰネットワーク３００、ホームネットワーク３１、および端末３２と通信するためのインタフェースである。無線インタフェース部１５は、測定ユニット４０と通信するためのインタフェースである。もちろん、全ての通信を無線で行うようにしても良い。
記憶部１６は半導体メモリあるいはハードディスクドライブ（ＨＤＤ）などのメモリデバイスであり、測定ユニット４０から取得した電流瞬時値１６ａ（電流波形）、電圧瞬時値１６ｂ（電圧波形）、および電流実効値１６ｃを記憶する。

プログラムメモリ１８は、この実施形態に係わる処理機能に必要な命令を含むプログラムとしての、検出プログラム１８ａ、算出プログラム１８ｂ、推定プログラム１８ｃ、特定プログラム１８ｄ、および、設定プログラム１８ｅを記憶する。なお検出プログラム１８ａ、算出プログラム１８ｂ、推定プログラム１８ｃ、特定プログラム１８ｄ、および、設定プログラム１８ｅは、ＣＤ−ＲＯＭなどのリムーバブルメディア（記録媒体）に記録することも、通信回線（ＩＰネットワーク３００を含む）を介してダウンロードすることも可能である。
ＣＰＵ１７はプログラムメモリ１８から各プログラムを読み出してハードウェアによる演算処理を行うもので、その処理機能として検出部１７ａ、算出部１７ｂ、推定部１７ｃ、特定部１７ｄ、および、設定部１７ｅを備える。

検出部１７ａは、電流データを測定ユニット４０（図１）から取得し、この電流データに基づいて、いずれかの電気機器の状態変化を検出する。つまり複数の電気機器のうち一つでもその状態が変化すると、検出部１７ａは状態変化を検出し、そのことを示す信号を出力する。状態変化とは例えばオン／オフ、動作モードの変更［空調動作（冷房、暖房、送風、ドライなど）の切り換えなど］、設定空調温度の変更などを含む。

算出部１７ｂは、電流データに基づいて、状態変化に係わる電流波形の変化分を算出する。また算出部１７ｂは、電圧データを測定ユニット４０から取得し、この電圧データおよび電流データに基づいて状態変化に係わる電力の変化分を算出する。算出されたデータは瞬時値あるいは実効値のいずれでも良い。

推定部１７ｃは、電流波形の変化分に基づいて、状態変化を生じた電気機器の候補を推定する。つまり推定部１７ｃは、電流波形の変化分から推定される電気機器の候補を、少なくとも一つ推定する。

特定部１７ｄは、推定された候補から一つの電気機器を、電力の変化分に基づいて特定する。つまり特定部１７ｄは、状態変化を生じた電気機器を特定する。また特定部１７ｄは、電気機器の特定と併せて、状態変化の種類（オン／オフ、モード切り換えなど）を特定する。この実施形態では、その処理の詳細につき説明する。

設定部１７ｅは、状態の変化した電気機器の特定に要する情報や設定値などの入力を受け付ける。これらの情報は例えば端末３２を介して入力することが可能であり、設定部１７ｅは有線インタフェース部１４または無線インタフェース部１５を介して各種の設定データや閾値などを取得する。取得された情報は記憶部１６に記憶される。次に、上記構成を基礎として複数の実施形態を説明する。

［第１の実施形態］
図３は、ホームゲートウェイ１３による処理手順の一例を示す図である。ホームゲートウェイ１３は、測定ユニット４０から電流データおよび電圧データを取得する（ステップＳ１）。次にホームゲートウェイ１３は、取得したデータに基づいて、電気機器の状態の変化の有無を判定する（ステップＳ２、Ｓ３）。

状態の変化を検出すると（ステップＳ３でＹＥＳ）、ホームゲートウェイ１３は、状態変化の前後における電流変化の差分を求め、電流波形の変化分を抽出する（ステップＳ４）。抽出した変化分に基づいて、ホームゲートウェイ１３は電力の変化分、つまり消費電力量の変化量を算出する（ステップＳ５）。

またホームゲートウェイ１３は、電流波形の変化分に基づいて、状態変化に寄与した電気機器の候補と、状態変化の種類の候補とを推定する。つまりホームゲートウェイ１３は、状態変化した電気機器と状態変化の種別、つまり状態変化の由来を推定する（ステップＳ６）。

次にホームゲートウェイ１３は、電力の変化分と、状態変化の由来とに基づいて、状態の変化した電気機器を特定するとともに、状態変化の種類を特定する（ステップＳ７）。そしてホームゲートウェイ１３は、変化後の運用状態を出力する（ステップＳ８）。出力された結果は端末３２などに通知され、例えばGraphical User Interface（ＧＵＩ）表示などによりユーザに知らされる。また、特定された電気機器と運用状態はＩＰネットワーク３００を介してサーバ装置２００に通知され、電気機器の運用スケジュールの算出などに利用される。

図４は、図３に示されるステップＳ２における処理の一例を示すフローチャートである。ホームゲートウェイ１３は、取得した電流データに含まれる電流瞬時値を記憶部１６に記憶する（ステップＳ２１）。またホームゲートウェイ１３は、取得した電流データから例えば１秒ごとの電流実効値を算出し（ステップＳ２２）、記憶部１６ｂに電流実効値の時系列データを記憶する（ステップＳ２３）。

次にホームゲートウェイ１３は、電流実効値の時系列データをウェーブレット変換してウェーブレット係数ＣＷを出力する（ステップＳ２４）。このステップでは、例えば１次のＨａａｒウェーブレット、あるいは１次のドベシーウェーブレットを用いることが可能である。

ウェーブレット変換には、パラメータとして変換スケールを与える必要がある。実施形態では変換スケールの長さ（スケール時間）を、電気機器の状態が遷移する期間の長さに対応付けて決めるようにする。つまり電気機器の状態が遷移する期間を含む長さに、スケール時間を設定する。近年ではスイッチオンからのスタートアップに種々のシーケンスを実行する電気機器が増えてきており、状態が安定するまでに１０秒程度の、比較的長い時間を要するものもある。変換スケールはこのことを考慮して、必要最小限の長さに設定される。変換スケールは設定部１７ｅにより予め設定され、記憶部１６に記憶される（符号１６ｄ）。

なお記憶部１６における電流瞬時値１６ａ、電圧瞬時値１６ｂ、および電流実効値１６ｃの各記憶領域には、変換スケール１６ｄの時間長に応じた容量を確保する。特に電流瞬時値１６ａには、変換スケール１６ｄの２倍（変換スケール１６ｄ×２）に相当する容量を確保するようにする。

次にホームゲートウェイ１３は、ウェーブレット係数ＣＷと、予め定めされた閾値との大小を比較する（ステップＳ２５）。なお閾値も設定部１７ｅにより予め設定され、記憶部１６に記憶される（符号１６ｅ）。閾値１６ｅよりもウェーブレット係数ＣＷが小さければ、ホームゲートウェイ１３は、電気機器の状態変化無しを示す０を出力する（ステップＳ２６）。

ウェーブレット係数ＣＷが閾値１６ｅ以上であれば、ホームゲートウェイ１３は状態変化有りと判定し、連続ウェーブレット係数ＣＷを出力する。状態変化が生じると、連続ウェーブレット係数ＣＷ係数は時間の経過とともに三角波状に増加し、やがて小さくなり閾値以下となる。ホームゲートウェイ１３は、変換スケール１６ｄ内における連続ウェーブレット係数ＣＷの最大値に対応する時刻を特定し（ステップＳ２７）、この時刻において状態変化が生じたとする。つまりホームゲートウェイ１３は、連続ウェーブレット係数ＣＷがピーク値に達した時刻を状態変化時刻ｔ₀として特定し（ステップＳ２８）、出力する（ステップＳ２９）。

図５は、図３に示されるステップＳ４における処理の一例を示すフローチャートである。先ずホームゲートウェイ１３は、状態変化時刻ｔ₀を取得する（ステップＳ４１）。次にホームゲートウェイ１３は、状態変化の前後の電流波形を記憶部１６から読み出す。具体的には、ホームゲートウェイ１３は、基準となる状態変化時刻ｔ₀の（スケール時間）／２だけ前後する時点の波形を取得する。

よって、状態変化後の波形（Ａ）としてｔ₀＋（スケール時間）／２の電流波形が読み出され（ステップＳ４２）、状態変化前の波形（Ｂ）としてｔ₀−（スケール時間）／２の電流波形が読み出される（ステップＳ４３）。なおスケール時間は変換スケール１６ｄの時間長であり、実施形態では１０秒とする。つまりｔ₀に対して５秒ずつ前後する時点での波形が取得されることになる。

次にホームゲートウェイ１３は、図６に示されるように波形（Ａ）から波形（Ｂ）を減算して、電流波形変化分すなわち電流瞬時値変化分を抽出する（ステップＳ４４）。この電流瞬時値変化分は次の処理のため出力される（ステップＳ４５）。なお図６に示される波形の１周期は商用電力の周期に対応し、５０Ｈｚ地域では２０ｍｓｅｃである。

図７は、図３に示されるステップＳ５における処理の一例を示すフローチャートである。ホームゲートウェイ１３は、状態変化時刻ｔ₀における電圧および電流の瞬時値（１周期分）を記憶部１６から読み出す（ステップＳ５１、Ｓ５２）。そしてホームゲートウェイ１３は、これらの瞬時値の内積を算出することにより電力変化分を求め（ステップＳ５３）、出力する（ステップＳ５４）。電流と電圧の各波形に内積演算を施すことで、高調波成分の多い波形でも電力を正確に評価することができる。

図８は、図３に示されるステップＳ６における処理の一例を示すフローチャートである。ホームゲートウェイ１３は、状態変化時刻ｔ₀における電流瞬時値の変化分を取得する（ステップＳ６１）。次にホームゲートウェイ１３は、取得した電流瞬時値変化分に対し高速フーリエ変換（ＦＦＴ）演算を施し（ステップＳ６２）、高調波のＦＦＴ係数を算出する。このＦＦＴ係数は基本波に対する大きさと位相を含む。

一方、ホームゲートウェイ１３は、状態変化の由来（状態変化した電気機器と状態変化の種別）ごとにＦＦＴ係数を対応付けたデータベースである、ＦＦＴ係数テンプレートを記憶部１６に記憶している（図示せず）。ＦＦＴ係数テンプレートには、電気機器の機種やメーカなどの詳細な情報を含めることも可能である。非インバータ家電に比べ、インバータ家電の電源部のＦＦＴ係数は特徴的なパターンを示すので、ＦＦＴ係数テンプレートを用いれば、電源部の特徴に基づいて電気機器の機種を高精度に特定することが可能である。

そしてホームゲートウェイ１３は、ステップＳ６２で算出されたＦＦＴ係数と、状態変化の由来ごとのＦＦＴ係数との距離を比較する（ステップＳ６３）。距離は、例えばステップＳ６３に記載した式により算出することが可能である。この式は、高調波の次数（ｉ＝３〜ｎ）ごとのＦＦＴの算出値とテンプレートの値との差分を、実数部分、複素共役部分のそれぞれにつき求め、それらの積の総和を求めるものである。

そしてホームゲートウェイ１３は、由来ごとに算出された距離のうち最小値を特定し、その最小値に対応する由来を選択する（ステップＳ６４）。つまりホームゲートウェイ１３は、最小距離に対応する電気機器と、その運用状態をＦＦＴ係数テンプレートから選択する。選択された電気機器の種類および運用状態は、推定結果として出力される。つまりこの段階では電気機器の種類および運用状態の候補が求められる。

インバータ家電は電源部に特有の整流回路を備えるので、インバータ家電についてはある程度正確な候補を特定することが可能である。一方、トースターや電気ポットなど非インバータ家電については、複数の候補が特定されるケースも生じる。

図９は、図３に示されるステップＳ７における処理の一例を示すフローチャートである。ホームゲートウェイ１３は、ステップＳ６４（図８）で推定された電気機器の種類および運用状態の候補を取得する（ステップＳ７１）。またホームゲートウェイ１３は、ステップＳ５（図３）で算出された電力変化分を取得する（ステップＳ７２）。そしてホームゲートウェイ１３は、電力変化分に基づいて、電気機器の種類および運用状態を候補のうちから特定する（ステップＳ７３）。

インバータ家電が状態変化したケースでは、図８のステップＳ６４においてほぼ正確な結果を得ることができるので、ホームゲートウェイ１３は電力変化分に基づいて推定結果の裏づけをとる。一方、非インバータ家電が状態変化したケースでは、その前後での電力変化幅に基づいて電気機器を特定し、状態変化を特定することが可能である。以上の手順において特定されなかった電気機器は、状態に変化無しと判断され、その時点での状態がそのまま保持される。

以上述べたように第１の実施形態では、配電系統６０の電流をセンシングして得た電流波形に基づいて、電流実効値の時系列を算出し、連続ウェーブレット変換により電気機器の状態変化を検出する。そして状態変化を検出すると、検出の前後での波形の差分を算出する。

この差分波形は、ただ一つの電気機器の状態変化によりもたらされたものと見て良い。なぜなら、複数の電気機器の状態が同時に（少なくともｍｓｅｃオーダで）変化することは事実上、起こりえないと考えられるからである。つまり実施形態では、特定の対象とする電気機器を明確に一つに絞りこんだうえで、特定にかかる演算処理を実施することができる。

そして、一つの電気機器によりもたらされた波形の変化分をＦＦＴ解析し、既存のテンプレートとの比較に基づいて、状態変化した電気機器および状態そのものを特定するようにしている。従って、複数の電気機器による波形が混在する波形を高調波解析し、複数の電気機器をまとめて特定する既存の技術に比べ、ノイズなどによる誤検出をきわめて少なくすることが可能である。

また、電力の変化分だけをモニタする技術、あるいは、状態がほぼ定常的であることを前提とする技術に比べても格段に高い精度を得ることが可能である。特に、インバータ家電のように電力が徐々に変動する機器をも特定できることは実施形態に特有の利点であり、インバータ家電、非インバータ家電が混在する環境下において他にないメリットを得ることが可能である。

このように第１の実施形態によれば、電気機器にセンサや通信機能を持たせなくても電気機器の動作状態を特定することができ、家庭の電力消費の見える化に貢献することが可能になる。また、各電気機器にセンサ設けなくても良いのでコストを安くでき、情報通信の負荷も減らして通信ネットワークを安定させることもできる。さらには、既存の電気機器の消費エネルギーの見える化にも貢献できる。
これらのことから第１の実施形態によれば、電気機器の状態を高精度に推定することの可能な状態推定装置、状態推定方法およびプログラムを提供することが可能になる。

［第２の実施形態］
第１の実施形態では、ＦＦＴ係数の算出値とＦＦＴ係数のテンプレートとの比較により、電気機器の種類および運用状態を推定した。第２の実施形態ではこれに代えて、パターン認識技術を用いる。

図１０は、第２の実施形態における処理手順の一例を示すフローチャートである。図１０に示されるフローチャートは、図３に示されるステップＳ６における処理の他の例を示す。

ホームゲートウェイ１３は、状態変化時刻ｔ₀における電流瞬時値の変化分を取得する（ステップＳ９１）。一方、ホームゲートウェイ１３は、インバータ家電の電源部に現れる特徴的な波形である三角波形状および正弦波形状をデータベース化した、テンプレート１６ｄを記憶部１６に記憶している。

次にホームゲートウェイ１３は、テンプレート１６ｄにおける三角波形状および正弦波形状の、如何なる組み合わせが電流瞬時値変化に最も相似するかを演算し（ステップＳ９２）、相似パターンを抽出する。そしてホームゲートウェイ１３は、抽出された相似パターンに基づいて、状態変化を生じた電気機器の種類および運用状態の候補を推定し（ステップＳ９３）、結果を出力する。

第２の実施形態では、サンプリング周期１００μｓｅｃの１周期分の電流瞬時値変化分に基づいて、パターン認識技術により波形の特徴を抽出することにより、状態変化を生じた電気機器の種類および運用状態を推定するようにしている。

インバータ家電の電源回路の出力は、力率を補正するためのパルス電流と、電流波形に比例する正弦波状の電流波形とを合成した波形であることが多い。また、特有の高調波がこの合成波形に重畳される場合もある。そこで、第２の実施形態に示されるパターン認識技術を適用することにより、インバータ家電の電源回路を高精度に特定することが可能になる。
もちろん、第２の実施形態におけるパターン認識技術と、第１の実施形態で述べたＦＦＴ演算による高調波解析とを組み合わせることが可能なのは言うまでもない。このようにすれば電気機器や動作状態の特定の精度を向上させることや、特定可能な電気機器の種類が格段に増加するなどの効果を得られる。

［第３の実施形態］
図１１は、第３の実施形態に係る測定ユニット４０の一例を示す機能ブロック図である。図１１において図２と同様のブロックには同じ符号を付して示し、ここでは異なる部分についてのみ説明する。第３の実施形態は、測定ユニット４０に、センサ機能に加えて電気機器および状態変化を特定する機能を持たせるようにするものである。

図１１において、測定ユニット４０は、電流センサ１９、電圧センサ２０に加えて、ホームゲートウェイ１３と通信する無線インタフェース部１５、記憶部１６、ＣＰＵ１７、プログラムメモリ１８を備える。電流センサ１９および電圧センサ２０は端子盤４１からプローブ４２を介して配電線２１に接続され、それぞれ電流データ、電圧データを取得する。

そして、第１および第２の実施形態と同様にして、電気機器および状態変化を特定する。特定された電気機器および状態変化は、無線通信によりホームゲートウェイ１３に通知され、例えば端末３２に表示される。このように、実施形態に係る機能を測定ユニット４０に実装するようにしても、目的は達成される。

なお、本発明は上記実施の形態に限定されるものではない。例えば実施形態では電流波形に基づく処理について説明したが、電圧波形を用いても同様の議論が成り立つ。
また実施形態では、連続ウェーブレット変換により状態変化を検出したが、離散ウェーブレット変換を用いることも可能である。離散ウェーブレット変換によれば精度はある程度犠牲にならざるを得ないが、少ないリソースで高速に演算可能であるなどの利点もある。これは、特に組み込み系モジュールにおいては無視できないメリットである。

図１２は、連続ウェーブレット変換および離散ウェーブレット変換に基づく結果を比較して示す図である。図１２（ａ）は、電気機器の動作状態（電流）の変化をモニタした結果を示す。図１２（ｂ）は離散ウェーブレット変換により電流変化を抽出した結果を示し、図１２（ｃ）は連続ウェーブレット変換により電流変化を抽出した結果を示す。

図１２（ｃ）においては全てのオン／オフが捉えられていることが示されるが、図１２（ｂ）においては必ずしもそうではなく、連続ウェーブレット変換の優位性が示される。しかし、計算速度という観点から見れば離散ウェーブレット変換のほうが有利である。ユーザは、システムの設計においていずれを重視するかを自由に決めることが可能である。

本発明のいくつかの実施形態を説明したが、これらの実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

６０…配電系統、６１…変圧器、２…電力量計、１００…需要家、４…分電盤、２１…配電線、２２…エアコン、２３…照明、２４…冷蔵庫、２５…テレビ、２６…パワーコンディショナ、２７…電気自動車、２８…ＰＶシステム、２９…蓄電池、３０…燃料電池、３３…充電用コンセント、３１…ホームネットワーク、１３…ホームゲートウェイ、３００…ＩＰネットワーク、２００…サーバ装置、３２…端末、４０…測定ユニット、１４…有線インタフェース部、１５…無線インタフェース部、１６…記憶部、１７…ＣＰＵ、１８…プログラムメモリ、１６ａ…電流瞬時値、１６ｂ…電圧瞬時値、１６ｃ…電流実効値、１６ｄ…変換スケール、１６ｅ…閾値、１８ａ…検出プログラム、１８ｂ…算出プログラム、１８ｃ…推定プログラム、１８ｄ…特定プログラム、１８ｅ…設定プログラム、１７ａ…検出部、１７ｂ…算出部、１７ｃ…推定部、１７ｄ…特定部、１７ｅ…設定部、１９…電流センサ、２０…電圧センサ、４１…端子盤、４２…プローブ

Claims (19)

1. 複数の電気機器に電力を供給する配電線を流れる電流の測定データに基づいて、いずれかの電気機器の状態変化を検出する検出部と、
   前記状態変化が検出されると、前記状態変化の前後における前記測定データに基づいて、前記状態変化に係わる電流波形の変化分および電力の変化分を算出する算出部と、
   前記電流波形の変化分に基づいて、前記状態変化の由来の候補を推定する推定部と、
   前記電力の変化分と前記候補の推定結果とに基づいて、前記状態変化を生じた電気機器と当該状態変化の種類とを特定する特定部とを具備する、状態推定装置。
2. 前記検出部は、前記状態変化の生じた状態変化時刻を特定し、
   前記算出部は、前記状態変化時刻の前後における電流変化の差分から前記電流波形の変化分を抽出する、請求項１に記載の状態推定装置。
3. 前記検出部は、
   前記測定データに基づいて電流実効値を演算し、
   前記電流実効値の時系列データを連続ウェーブレット変換してウェーブレット係数を算出し、
   前記ウェーブレット係数が既定の閾値以上であれば、前記状態変化を検出する、請求項１に記載の状態推定装置。
4. さらに、前記連続ウェーブレット変換の変換スケールおよび前記閾値を設定するための設定部を具備する、請求項３に記載の状態推定装置。
5. 前記検出部は、前記連続ウェーブレット変換の変換スケール内における前記ウェーブレット係数の最大値に対応する時刻を、前記状態変化の生じた状態変化時刻とする、請求項３に記載の状態推定装置。
6. 前記推定部は、
   前記電流波形の変化分の高調波分布を演算し、
   前記高調波分布に基づいて、前記候補を推定する、請求項１に記載の状態推定装置。
7. 前記推定部は、
   前記電流波形の変化分をパターン認識し、
   前記パターン認識の結果に基づいて、前記候補を推定する、請求項１に記載の状態推定装置。
8. 複数の電気機器に電力を供給する配電線を流れる電流の測定データに基づいて、いずれかの電気機器の状態変化をコンピュータが検出し、
   前記状態変化が検出されると、前記状態変化の前後における前記測定データに基づいて、前記状態変化に係わる電流波形の変化分および電力の変化分を前記コンピュータが算出し、
   前記電流波形の変化分に基づいて、前記状態変化の由来の候補を前記コンピュータが推定し、
   前記電力の変化分と前記候補の推定結果とに基づいて、前記状態変化を生じた電気機器と当該状態変化の種類とを前記コンピュータが特定する、状態推定方法。
9. さらに、前記状態変化の生じた状態変化時刻を前記コンピュータが特定し、
   前記算出することは、前記状態変化時刻の前後における電流変化の差分から前記電流波形の変化分を抽出する、請求項８に記載の状態推定方法。
10. 前記検出することは、
    前記測定データに基づいて電流実効値を演算し、
    前記電流実効値の時系列データを連続ウェーブレット変換してウェーブレット係数を算出し、
    前記ウェーブレット係数が既定の閾値以上であれば、前記状態変化を検出する、請求項８に記載の状態推定方法。
11. 前記検出することは、前記連続ウェーブレット変換の変換スケール内における前記ウェーブレット係数の最大値に対応する時刻を、前記状態変化の生じた状態変化時刻とする、請求項１０に記載の状態推定方法。
12. 前記推定することは、
    前記電流波形の変化分の高調波分布を演算し、
    前記高調波分布に基づいて、前記候補を推定する、請求項８に記載の状態推定方法。
13. 前記推定することは、
    前記電流波形の変化分をパターン認識し、
    前記パターン認識の結果に基づいて、前記候補を推定する、請求項８に記載の状態推定方法。
14. コンピュータにより実行されるプログラムであって、前記プログラムは、
    複数の電気機器に電力を供給する配電線を流れる電流の測定データに基づいて、いずれかの電気機器の状態変化を検出し、
    前記状態変化が検出されると、前記状態変化の前後における前記測定データに基づいて、前記状態変化に係わる電流波形の変化分および電力の変化分を前記コンピュータが算出し、
    前記電流波形の変化分に基づいて、前記状態変化の由来の候補を推定し、
    前記電力の変化分と前記候補の推定結果とに基づいて、前記状態変化を生じた電気機器と当該状態変化の種類とを特定する、プログラム。
15. さらに、前記状態変化の生じた状態変化時刻を特定し、
    前記算出することは、前記状態変化時刻の前後における電流変化の差分から前記電流波形の変化分を抽出する、請求項１４に記載のプログラム。
16. 前記検出することは、
    前記測定データに基づいて電流実効値を演算し、
    前記電流実効値の時系列データを連続ウェーブレット変換してウェーブレット係数を算出し、
    前記ウェーブレット係数が既定の閾値以上であれば、前記状態変化を検出する、請求項１４に記載のプログラム。
17. 前記検出することは、前記連続ウェーブレット変換の変換スケール内における前記ウェーブレット係数の最大値に対応する時刻を、前記状態変化の生じた状態変化時刻とする、請求項１６に記載のプログラム。
18. 前記推定することは、
    前記電流波形の変化分の高調波分布を演算し、
    前記高調波分布に基づいて、前記候補を推定する、請求項１４に記載のプログラム。
19. 前記推定することは、
    前記電流波形の変化分をパターン認識し、
    前記パターン認識の結果に基づいて、前記候補を推定する、請求項１４に記載のプログラム。

Images