JP6213166B2 - Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device - Google Patents

Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device Download PDF

Info

Publication number
JP6213166B2
JP6213166B2 JP2013231579A JP2013231579A JP6213166B2 JP 6213166 B2 JP6213166 B2 JP 6213166B2 JP 2013231579 A JP2013231579 A JP 2013231579A JP 2013231579 A JP2013231579 A JP 2013231579A JP 6213166 B2 JP6213166 B2 JP 6213166B2
Authority
JP
Japan
Prior art keywords
unknown parameter
data
relational expression
power
constraint condition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2013231579A
Other languages
Japanese (ja)
Other versions
JP2015091217A (en
Inventor
佑太 寺西
佑太 寺西
弘伸 北島
弘伸 北島
菊地 英幸
英幸 菊地
Original Assignee
富士通株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to JP2013231579A priority Critical patent/JP6213166B2/en
Publication of JP2015091217A publication Critical patent/JP2015091217A/en
Application granted granted Critical
Publication of JP6213166B2 publication Critical patent/JP6213166B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00034Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/30State monitoring, e.g. fault, temperature monitoring, insulator monitoring, corona discharge

Description

本発明は、未知パラメータ推定方法、未知パラメータプログラム及び未知パラメータ推定装置に関する。   The present invention relates to an unknown parameter estimation method, an unknown parameter program, and an unknown parameter estimation apparatus.
近年、太陽光発電システムを代表とする分散型電源が家庭にも普及してきている。太陽光発電システムは環境に優しいというメリットがある一方、電力会社が供給する電力の品質に悪影響を及ぼすというデメリットもある。特に、配電網内の家庭(需要家)において太陽光発電システムが導入されることで、配電網内の電圧が規定電圧から逸脱するおそれがあることが問題となっている。なお、規定電圧とは、電気事業法により定められた、電力会社が維持する必要のある電圧(100V供給の場合、95V〜107Vの範囲の電圧)を意味する。   In recent years, a distributed power source represented by a solar power generation system has been popularized in homes. While solar power generation systems have the advantage of being environmentally friendly, they also have the disadvantage of adversely affecting the quality of power supplied by the power company. In particular, there is a problem that the voltage in the distribution network may deviate from the specified voltage due to the introduction of the solar power generation system in the home (customer) in the distribution network. Note that the specified voltage means a voltage determined by the Electricity Business Law that must be maintained by the electric power company (in the case of 100V supply, a voltage in the range of 95V to 107V).
電圧を制御する方法としては、例えば、配電変電所の送り出し電圧の変更、電線の太線化、変圧器タップの見直しなどの様々な方法が考えられるが、電圧を制御するためには、どこの電圧をどのように変更するかを判断する必要がある。これに対し、配電網の電圧を知るための方法としては、電線に設置されたセンサを用いる方法があるが、現在のところ、配電網の規模に対してセンサの数は非常に少ない。   As a method for controlling the voltage, for example, various methods such as changing the distribution voltage of the distribution substation, increasing the thickness of the electric wire, and reviewing the transformer tap can be considered. It is necessary to judge how to change. On the other hand, as a method for knowing the voltage of the distribution network, there is a method using a sensor installed on an electric wire, but at present, the number of sensors is very small with respect to the scale of the distribution network.
一方、配電網内における電圧や配電網内における電流値を求める方法としては潮流計算と呼ばれる手法が知られているが、潮流計算は需要家の電圧、電流、有効電力、無効電力のうち少なくとも2つ以上の情報を入力しなければ実行することができない。しかし現在導入が進められているスマートメータでは一部の需要家に関しては有効電力、無効電力の値が得られるものの、原則、有効電力の値しか取得できない。このため、潮流計算を行うためには、需要家の未知パラメータ(例えば、無効電力)を推定することが重要となる。   On the other hand, as a method for obtaining the voltage in the distribution network and the current value in the distribution network, a technique called tidal current calculation is known. However, tidal current calculation is at least two of the voltage, current, active power, and reactive power of the consumer. It cannot be executed without entering more than one piece of information. However, smart meters currently being introduced can obtain values of active power and reactive power for some consumers, but in principle, only values of active power can be obtained. For this reason, in order to perform power flow calculation, it is important to estimate an unknown parameter (for example, reactive power) of a consumer.
需要家の未知パラメータを推定する手法としては、特許文献1に記載されている手法などが知られている。この手法は潮流計算と最適化手法を組み合わせたものである。   As a method for estimating an unknown parameter of a consumer, a method described in Patent Document 1 is known. This method is a combination of tidal current calculation and optimization method.
特開2002−51464号公報JP 2002-51464 A
しかしながら、上記特許文献1の手法では、例えば需要家の全ての無効電力が不明であるなど、未知パラメータの数が最適化の目的関数の数より大きい場合に、未知パラメータの値を一意に定めることができない。   However, in the method of the above-mentioned patent document 1, when the number of unknown parameters is larger than the number of optimization objective functions, for example, all reactive powers of consumers are unknown, the value of the unknown parameter is uniquely determined. I can't.
1つの側面では、本発明は、未知パラメータの数が大きくとも、未知パラメータを推定することが可能な未知パラメータ推定方法、未知パラメータプログラム及び未知パラメータ推定装置を提供することを目的とする。   In one aspect, an object of the present invention is to provide an unknown parameter estimation method, an unknown parameter program, and an unknown parameter estimation apparatus that can estimate unknown parameters even when the number of unknown parameters is large.
一つの態様では、未知パラメータ推定方法は、複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得する処理と、前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得する処理と、前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定する処理と、前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定する処理と、前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定する処理と、前記制約条件を用いた最適化処理により前記未知パラメータを推定する処理と、をコンピュータが実行する未知パラメータ推定方法である。   In one aspect, the unknown parameter estimation method includes processing for acquiring first data relating to power at a predetermined time interval from a first measurement device installed in a plurality of consumers, and upstream of the plurality of consumers. A process of acquiring second data related to power at a predetermined time interval from a second measuring device installed in the power supply, an unknown parameter related to power that cannot be acquired from the first measuring device, and the first data A process for determining a relational expression of the first parameter, a process for determining the probability of the relational expression using the first data and the second data, and a constraint on the unknown parameter using the probability of the relational expression. An unknown parameter estimation method in which a computer executes a process for determining a condition and a process for estimating the unknown parameter by an optimization process using the constraint condition.
一つの態様では、未知パラメータ推定プログラムは、複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得し、前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得し、前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定し、前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定し、前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定し、前記制約条件を用いた最適化処理により前記未知パラメータを推定する、処理をコンピュータに実行させる未知パラメータ推定プログラムである。   In one aspect, the unknown parameter estimation program acquires first data relating to power at a predetermined time interval from a first measurement device installed in a plurality of consumers, and is installed upstream of the plurality of consumers. The second data relating to the power is obtained at a predetermined time interval from the second measuring device, and the relational expression between the unknown parameter relating to the power which cannot be obtained from the first measuring device and the first data is obtained. Determining the probability of the relational expression using the first data and the second data, determining the constraint condition of the unknown parameter using the probability of the relational expression, and the constraint condition An unknown parameter estimation program for causing a computer to execute the process of estimating the unknown parameter by an optimization process using the.
一つの態様では、未知パラメータ推定装置は、複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得する第1取得部と、前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得する第2取得部と、前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定する関係式決定部と、前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定する確からしさ決定部と、前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定する制約条件決定部と、前記制約条件を用いた最適化処理により前記未知パラメータを推定する推定部と、を備えている。   In one aspect, the unknown parameter estimation device includes a first acquisition unit that acquires first data related to power at predetermined time intervals from a first measurement device installed in a plurality of consumers, and the plurality of consumers. A second acquisition unit that acquires second data related to power at a predetermined time interval from a second measurement device installed upstream of the first measurement device, and an unknown parameter related to power that cannot be acquired from the first measurement device. A relational expression determination unit that determines a relational expression with the first data; a probability determination part that determines the probability of the relational expression using the first data and the second data; and the relational expression A constraint condition determination unit that determines the constraint condition of the unknown parameter using the certainty, and an estimation unit that estimates the unknown parameter by an optimization process using the constraint condition.
未知パラメータの数が大きくとも、未知パラメータを推定することができる。   Even if the number of unknown parameters is large, the unknown parameters can be estimated.
一実施形態に係る配電網システムの構成を概略的に示す図である。1 is a diagram schematically illustrating a configuration of a power distribution network system according to an embodiment. 情報処理装置のハードウェア構成を示す図である。It is a figure which shows the hardware constitutions of information processing apparatus. 情報処理装置の機能ブロック図である。It is a functional block diagram of an information processor. 情報処理装置の処理を示すフローチャートである。It is a flowchart which shows the process of information processing apparatus. 図5(a)は、センサDBのデータ構造の一例を示す図であり、図5(b)は、メータDBのデータ構造の一例を示す図である。FIG. 5A is a diagram illustrating an example of the data structure of the sensor DB, and FIG. 5B is a diagram illustrating an example of the data structure of the meter DB. 図6(a)、図6(b)は、図4のステップS16の処理を説明するための図である。FIG. 6A and FIG. 6B are diagrams for explaining the processing in step S16 in FIG. 図4のステップS18の処理を説明するための図(その1)である。FIG. 5 is a diagram (part 1) for explaining the processing in step S18 in FIG. 4; 図4のステップS18の処理を説明するための図(その2)である。FIG. 5 is a diagram (part 2) for explaining the process of step S18 of FIG. 4; 図4のステップS20の処理を説明するための図である。It is a figure for demonstrating the process of step S20 of FIG. 未知パラメータDBのデータ構造の一例を示す図である。It is a figure which shows an example of the data structure of unknown parameter DB.
以下、配電網システムの一実施形態について、図1〜図10に基づいて詳細に説明する。   Hereinafter, an embodiment of a power distribution network system will be described in detail with reference to FIGS.
本実施形態の配電網システム100は、図1に示すように、配電網(配電系統)80と、未知パラメータ推定装置としての情報処理装置20と、を備える。配電網80内には、一例として配電変電所10と、3軒の需要家1〜3が存在しているものとする。需要家1〜3には、第1の計測装置としてのスマートメータ12が設置されており、需要家1〜3の上流側には、第2の計測装置としてのセンサ14が設置されているものとする。なお、配電変電所10の時刻tにおける電圧は、V0(t)と表されるものとする。 As shown in FIG. 1, the distribution network system 100 according to the present embodiment includes a distribution network (distribution system) 80 and an information processing apparatus 20 as an unknown parameter estimation apparatus. As an example, it is assumed that there are a distribution substation 10 and three consumers 1 to 3 in the distribution network 80. The consumers 1 to 3 are provided with a smart meter 12 as a first measuring device, and the consumers 14 to 1 are provided with a sensor 14 as a second measuring device. And In addition, the voltage at the time t of the distribution substation 10 is represented as V 0 (t).
スマートメータ12は、所定時間間隔で(例えば30分ごとに)第1のデータとしての有効電力値(以下、単に「有効電力」と呼ぶ)を取得可能であり、取得した有効電力を情報処理装置20に対して送信する。ただし、スマートメータ12は、無効電力は取得できないものとする。なお、図1では、需要家1のスマートメータ12において時刻tに取得される有効電力は、P1(t)[W]であり、需要家2のスマートメータ12において時刻tに取得される有効電力は、P2(t)[W]であり、需要家3のスマートメータ12において時刻tに取得される有効電力は、P3(t)[W]であるものとする。 The smart meter 12 can acquire an active power value (hereinafter simply referred to as “active power”) as first data at a predetermined time interval (for example, every 30 minutes), and the acquired active power is used as the information processing apparatus. 20 is transmitted. However, the smart meter 12 cannot acquire reactive power. In FIG. 1, the active power acquired at the time t in the smart meter 12 of the customer 1 is P 1 (t) [W], and the effective power acquired at the time t in the smart meter 12 of the customer 2. The power is P 2 (t) [W], and the active power acquired at time t in the smart meter 12 of the consumer 3 is P 3 (t) [W].
センサ14は、通過有効電力(Psensor(t)[W])、通過無効電力(Qsensor(t)[Var])、電圧(Vsensor(t)[V])の値を取得可能であり、取得した値のうち、通過無効電力(Qsensor(t)[Var])と電圧(Vsensor(t)[V])の値を情報処理装置20に対して送信する。 The sensor 14 can acquire values of passing active power (P sensor (t) [W]), passing reactive power (Q sensor (t) [Var]), and voltage (V sensor (t) [V]). Among the acquired values, the values of the passing reactive power (Q sensor (t) [Var]) and the voltage (V sensor (t) [V]) are transmitted to the information processing apparatus 20.
情報処理装置20は、潮流計算などを用いて、配電網80内の各地点における電圧を求める処理を実行する。情報処理装置20で求められた各地点における電圧は、不図示の電圧制御装置に送られ、配電網の電圧制御に利用される。なお、スマートメータ12では、潮流計算の入力データである各需要家の無効電力を得ることができないため、情報処理装置20では、各需要家の無効電力を推定する処理も実行するものとする。   The information processing apparatus 20 executes a process for obtaining a voltage at each point in the power distribution network 80 using power flow calculation or the like. The voltage at each point determined by the information processing device 20 is sent to a voltage control device (not shown) and used for voltage control of the distribution network. In addition, since the smart meter 12 cannot obtain reactive power of each consumer, which is input data for power flow calculation, the information processing apparatus 20 also executes processing for estimating reactive power of each consumer.
図2には、情報処理装置20のハードウェア構成が示されている。図2に示すように、情報処理装置20は、CPU(Central Processing Unit)90、ROM(Read Only Memory)92、RAM(Random Access Memory)94、記憶部(ここではHDD(Hard Disk Drive))96、通信部97、表示部93、入力部95、及び可搬型記憶媒体用ドライブ99等を備えており、情報処理装置20の構成各部は、バス98に接続されている。表示部93は、液晶ディスプレイ等を含み、入力部95は、キーボードやマウスを含む。また、通信部97は、スマートメータ12やセンサ14との通信を行う。情報処理装置20では、ROM92あるいはHDD96に格納されているプログラム(未知パラメータ推定プログラムを含む)、或いは可搬型記憶媒体用ドライブ99が可搬型記憶媒体91から読み取ったプログラム(未知パラメータ推定プログラムを含む)をCPU90が実行することにより、図3に示すように、取得部50、推定部52、電圧算出・出力部34、及び制御部60としての機能を実現する。なお、図3には、HDD96等に格納されているセンサDB42、メータDB44、配電網構成DB46、未知パラメータDB48も図示されている。   FIG. 2 shows a hardware configuration of the information processing apparatus 20. As shown in FIG. 2, the information processing apparatus 20 includes a CPU (Central Processing Unit) 90, a ROM (Read Only Memory) 92, a RAM (Random Access Memory) 94, and a storage unit (here, an HDD (Hard Disk Drive)) 96. , A communication unit 97, a display unit 93, an input unit 95, a portable storage medium drive 99, and the like. Each component of the information processing apparatus 20 is connected to a bus 98. The display unit 93 includes a liquid crystal display or the like, and the input unit 95 includes a keyboard and a mouse. The communication unit 97 communicates with the smart meter 12 and the sensor 14. In the information processing apparatus 20, a program (including an unknown parameter estimation program) stored in the ROM 92 or the HDD 96, or a program (including an unknown parameter estimation program) read from the portable storage medium 91 by the portable storage medium drive 99. As shown in FIG. 3, the CPU 90 executes the functions of the acquisition unit 50, the estimation unit 52, the voltage calculation / output unit 34, and the control unit 60. 3 also shows a sensor DB 42, a meter DB 44, a distribution network configuration DB 46, and an unknown parameter DB 48 stored in the HDD 96 or the like.
取得部50は、第2取得部としてのセンサデータ取得部22と、第1取得部としてのメータデータ取得部24と、を有する。   The acquisition unit 50 includes a sensor data acquisition unit 22 as a second acquisition unit, and a meter data acquisition unit 24 as a first acquisition unit.
センサデータ取得部22は、センサ14から、所定時間間隔(例えば30分間隔)で通過無効電力(Qsensor(t)[Var])と電圧(Vsensor(t)[V])を取得し、センサDB42に格納する。ここで、センサDB42は、図5(a)に示すようなデータ構造を有している。具体的には、センサDB42は、「時刻」、通過無効電力(Qsensor(t)[Var])を格納する「通過無効電力」、電圧(Vsensor(t)[V])を格納する「電圧」の各フィールドを有している。 The sensor data acquisition unit 22 acquires the passing reactive power (Q sensor (t) [Var]) and the voltage (V sensor (t) [V]) from the sensor 14 at a predetermined time interval (for example, every 30 minutes), Store in the sensor DB 42. Here, the sensor DB 42 has a data structure as shown in FIG. Specifically, the sensor DB 42 stores “time”, “pass reactive power” for storing pass reactive power (Q sensor (t) [Var]), and “V sensor (t) [V]” for storing voltage (V sensor (t) [V]). Each field of “Voltage” is included.
メータデータ取得部24は、スマートメータ12から、所定時間間隔(30分間隔)で計測される有効電力のデータを取得し、メータDB44に格納する。ここで、メータDB44には、需要家1〜3ごとの、30分ごとの有効電力の値が格納されるようになっている。なお、図5(b)では、需要家1の有効電力を「需要家第1有効電力」、需要家2の有効電力を「需要家第2有効電力」、需要家3の有効電力を「需要家第3有効電力」の各フィールドに格納する。   The meter data acquisition unit 24 acquires active power data measured at predetermined time intervals (30 minute intervals) from the smart meter 12 and stores the data in the meter DB 44. Here, the value of active power every 30 minutes for each of the consumers 1 to 3 is stored in the meter DB 44. In FIG. 5B, the active power of the customer 1 is “customer first active power”, the active power of the customer 2 is “customer second active power”, and the active power of the customer 3 is “demand”. Stored in each field of “house third active power”.
推定部52は、関係式決定部としての未知パラメータ関係式決定部26と、確からしさ決定部としての関係式信頼度決定部28と、制約条件決定部としての未知パラメータ範囲決定部30と、推定部としての最適化手法実行部32と、を有する。   The estimation unit 52 includes an unknown parameter relational expression determination unit 26 as a relational expression determination unit, a relational expression reliability determination unit 28 as a probability determination unit, an unknown parameter range determination unit 30 as a constraint condition determination unit, and an estimation And an optimization technique execution unit 32 as a unit.
未知パラメータ関係式決定部26は、各需要家の有効電力の値と未知パラメータとしての各需要家の無効電力の値との間の関係式を決定する。   The unknown parameter relational expression determination unit 26 determines a relational expression between the value of active power of each consumer and the value of reactive power of each consumer as an unknown parameter.
関係式信頼度決定部28は、未知パラメータ関係式決定部26が決定した関係式の信頼度(確からしさ)を決定する。   The relational expression reliability determination unit 28 determines the reliability (probability) of the relational expression determined by the unknown parameter relational expression determination unit 26.
未知パラメータ範囲決定部30は、関係式の信頼度(確からしさ)を用いて、未知パラメータとしての各需要家の無効電力の制約条件を決定する。   The unknown parameter range determination unit 30 uses the reliability (probability) of the relational expression to determine the constraint condition of reactive power of each consumer as an unknown parameter.
最適化手法実行部32は、未知パラメータ範囲決定部30が決定した制約条件を用いた最適化処理により、未知パラメータとしての各需要家の無効電力を推定する。なお、最適化手法実行部32は、各需要家の無効電力を推定する際に、配電網80内の回路情報等が格納された配電網構成DB46を参照するものとする。また、最適化手法実行部32は、推定した未知パラメータを未知パラメータDB48に格納するものとする。なお、未知パラメータDB48は、図10に示すように、「時刻」、「需要家第1無効電力」、「需要家第2無効電力」、「需要家第3無効電力」の各フィールドを有する。「需要家第1無効電力」のフィールドには、需要家1の無効電力の推定値が格納され、「需要家第2無効電力」のフィールドには、需要家2の無効電力の推定値が格納され、「需要家第3無効電力」のフィールドには、需要家3の無効電力の推定値が格納される。   The optimization technique execution unit 32 estimates the reactive power of each customer as an unknown parameter by an optimization process using the constraint condition determined by the unknown parameter range determination unit 30. Note that the optimization technique execution unit 32 refers to the distribution network configuration DB 46 in which circuit information and the like in the distribution network 80 are stored when estimating the reactive power of each consumer. Further, the optimization technique execution unit 32 stores the estimated unknown parameter in the unknown parameter DB 48. As shown in FIG. 10, the unknown parameter DB 48 has fields of “time”, “customer first reactive power”, “customer second reactive power”, and “customer third reactive power”. The field of “customer first reactive power” stores the estimated value of reactive power of customer 1, and the field of “customer second reactive power” stores the estimated value of reactive power of customer 2. Then, the estimated value of the reactive power of the customer 3 is stored in the field of “the third consumer reactive power”.
電圧算出・出力部34は、配電網構成DB46を参照し、未知パラメータDB48に格納されている各需要家の無効電力の値や、センサDB42、メータDB44の値に基づいて潮流計算を行う。また、電圧算出・出力部34は、潮流計算により得られる配電網80内の各地点の電圧を算出し、不図示の電圧制御装置に対して出力する。これにより、電圧制御装置は、配電網80内の電圧を規定電圧(95〜107V)内に維持することが可能となる。   The voltage calculation / output unit 34 refers to the distribution network configuration DB 46 and performs power flow calculation based on the reactive power value of each consumer stored in the unknown parameter DB 48 and the values of the sensor DB 42 and the meter DB 44. The voltage calculation / output unit 34 calculates the voltage at each point in the distribution network 80 obtained by power flow calculation, and outputs it to a voltage control device (not shown). Thereby, the voltage control apparatus can maintain the voltage in the power distribution network 80 within the specified voltage (95 to 107 V).
制御部60は、取得部50、推定部52、及び電圧算出・出力部34を統括的に制御する。   The control unit 60 controls the acquisition unit 50, the estimation unit 52, and the voltage calculation / output unit 34 in an integrated manner.
(情報処理装置20の処理)
次に、本実施形態の情報処理装置20による処理の詳細について、図4のフローチャートに沿って、その他図面を適宜参照しつつ説明する。
(Processing of information processing apparatus 20)
Next, details of processing by the information processing apparatus 20 of the present embodiment will be described along the flowchart of FIG. 4 with reference to other drawings as appropriate.
図4の処理においては、まず、ステップS10において、制御部60が、データ取得回数Tを設定するとともに、ブートストラップ標本数Bを設定する。例えば、制御部60は、データ取得期間を30日、データ取得頻度を30分間隔とした場合に、Tとして、T=48ポイント/1日×30日=1440を設定する。なお、本実施形態では、時刻t1を、データ取得1日目の0:00とするならば、時刻t2は、データ取得1日目の0:30となり、時刻tTは、データ取得30日目の23:30となる。また、制御部60は、ブートストラップ標本数Bとして、例えば、1000を設定する。 In the process of FIG. 4, first, in step S10, the control unit 60 sets the data acquisition count T and sets the bootstrap sample count B. For example, the control unit 60 sets T = 48 points / 1 day × 30 days = 1440 as T when the data acquisition period is 30 days and the data acquisition frequency is 30 minutes. In the present embodiment, if the time t 1 is 0:00 on the first day of data acquisition, the time t 2 is 0:30 on the first day of data acquisition, and the time t T The day will be 23:30. Further, the control unit 60 sets 1000 as the bootstrap sample number B, for example.
次いで、ステップS12では、制御部60の指示の下、センサデータ取得部22が、センサ14で得られる時刻t1,…,tTにおける通過無効電力Qsensor(t)と電圧Vsensor(t)を取得し、センサDB42に格納する。センサDB42は、図5(a)に示すようなデータが格納される。 Next, in step S12, under instruction of the control unit 60, sensor data acquisition unit 22, the time t 1 obtained by the sensor 14, ..., reactive power passing in t T Q sensor (t) and the voltage V sensor (t) Is stored in the sensor DB. The sensor DB 42 stores data as shown in FIG.
また、ステップS14では、制御部60の指示の下、メータデータ取得部24が、需要家j(j=1〜3)のスマートメータ12で得られる時刻t1,…,tTの有効電力P(t)を取得し、メータDB44に格納する。メータDB44には、図5(b)に示すようなデータが格納される。なお、ステップS12、S14は、実際には同じタイミングで行われる処理である。 In step S14, under the instruction of the control unit 60, the meter data acquisition unit 24 obtains the active power P at times t 1 ,..., T T obtained by the smart meter 12 of the customer j (j = 1 to 3). (t) is acquired and stored in the meter DB 44. The meter DB 44 stores data as shown in FIG. Note that steps S12 and S14 are actually performed at the same timing.
次いで、ステップS16では、制御部60の指示の下、未知パラメータ関係式決定部26が、需要家jの有効電力Pj(t)と無効電力Qj(t)の関係式をQj(t)=kjPj(t)とし、時刻t1,…,tTで得られたデータを基に、関係式Qj(t)=kjPj(t)の比例定数kjを最小二乗法で求める。 Next, in step S16, under the instruction of the control unit 60, the unknown parameter relational expression determination unit 26 determines the relational expression between the active power P j (t) and the reactive power Q j (t) of the customer j as Q j (t ) = k j P j (t), and based on the data obtained at time t 1 ,..., t T , the proportionality constant k j of the relational expression Q j (t) = k j P j (t) is minimized. Obtained by the square method.
具体的には、ステップS16では、以下のような処理が実行される。   Specifically, in step S16, the following processing is executed.
図6(a)には、図5(a)のセンサDB42と、図5(b)のメータDB44の各データ(図5(a)の「電圧」は除く)を纏めた表が示されている。   FIG. 6A shows a table summarizing each data (excluding “voltage” in FIG. 5A) of the sensor DB 42 in FIG. 5A and the meter DB 44 in FIG. 5B. Yes.
ここで、未知パラメータ関係式決定部26は、需要家jの有効電力Pj(t)と無効電力Qj(t)の関係式Qj(t)=kjPj(t)の比例定数kjが分かっていると仮定して、図6(a)の表を、図6(b)のように書き換える。なお、需要家jの有効電力Pj(t)と無効電力Qj(t)の関係式をQj(t)=kjPj(t)としたのは、一般的に、需要家jの有効電力Pj(t)と無効電力Qj(t)とが比例する可能性が高いからである。ただし、これに限らず、実情に合わせて、その他の関係式を用いることとしてもよい。 Here, the unknown parameter relational expression determining unit 26 is a proportional constant of the relational expression Q j (t) = k j P j (t) of the active power P j (t) of the customer j and the reactive power Q j (t). Assuming that k j is known, the table of FIG. 6A is rewritten as shown in FIG. Note that the relationship between the active power P j (t) and the reactive power Q j (t) of the consumer j is Q j (t) = k j P j (t) in general. This is because there is a high possibility that the active power P j (t) and the reactive power Q j (t) are proportional to each other. However, the present invention is not limited to this, and other relational expressions may be used according to the actual situation.
ここで、通過無効電力Qsensor(t)は、センサ14よりも下流側(需要家側)で消費される無効電力の和であるため、未知パラメータ関係式決定部26は、次式(1)のような連立方程式を立式する。 Here, since the passing reactive power Q sensor (t) is the sum of reactive power consumed on the downstream side (the consumer side) from the sensor 14, the unknown parameter relational expression determination unit 26 calculates the following formula (1): A simultaneous equation such as
なお、上式(1)のQlossは配電線で消費する無効電力であり、εは誤差である。 In addition, Q loss of the above formula (1) is reactive power consumed by the distribution line, and ε is an error.
未知パラメータ関係式決定部26は、誤差の2乗和   The unknown parameter relational expression determination unit 26 calculates the sum of squared errors.
を最小とする定数k1,k2,k3を最小二乗法で求めることで、各需要家における有効電力と無効電力の関係式を特徴づける定数k1,k2,k3を導出する。 By obtaining the constants k 1 , k 2 , and k 3 that minimize the value by the least square method, the constants k 1 , k 2 , and k 3 that characterize the relational expression between the active power and the reactive power in each consumer are derived.
すなわち、未知パラメータ関係式決定部26は、以下の関係式(次式(3)〜(5))を導出する。
Q1(t)=k1P1(t) …(3)
Q2(t)=k2P2(t) …(4)
Q3(t)=k3P3(t) …(5)
That is, the unknown parameter relational expression determination unit 26 derives the following relational expressions (the following expressions (3) to (5)).
Q 1 (t) = k 1 P 1 (t) (3)
Q 2 (t) = k 2 P 2 (t) (4)
Q 3 (t) = k 3 P 3 (t) (5)
次いで、ステップS18では、制御部60の指示の下、関係式信頼度決定部28が、時刻t1,…,tTにおいて得られたデータ(図6(b))をB回リサンプリングし、B組のサンプルを作成する。 Next, in step S18, under instruction of the control unit 60, the relational expression reliability determining unit 28, the time t 1, ..., data obtained in t T (FIG. 6 (b)) was B times resampling, Create a set of B samples.
具体的には、まず、関係式信頼度決定部28は、図6(b)において、時刻tiで得たデータの集合{Qsensor(ti)、P1(ti),P2(ti),P3(ti)}をZiと定義する(図7参照)。 Specifically, first, the relationship reliability determining unit 28, in FIG. 6 (b), the set of data obtained at time t i {Q sensor (t i ), P 1 (t i), P 2 ( t i ), P 3 (t i )} are defined as Z i (see FIG. 7).
次いで、関係式信頼度決定部28は、図8に示すように、集合{Z1,…,ZT}から重複を許してT個のデータをランダムに選択し、B組のサンプルを作成する。その結果、例えば図8の1組目のサンプルのように、Z2が複数選択され、Z3が選択されないといったことが起こったり、例えば図8の2組目のサンプルのように、Z4が複数選択され、Z1が選択されないといったことが起こり得る。これら各組のサンプルは、ブートストラップ標本と呼ばれる。 Next, as shown in FIG. 8, the relational expression reliability determination unit 28 randomly selects T data from the set {Z 1 ,..., Z T } with duplication, and creates B sets of samples. . As a result, for example, a plurality of Z 2 may be selected and Z 3 may not be selected as in the first set of samples in FIG. 8, or Z 4 may be selected as in the second set of samples in FIG. It may happen that multiple selections are made and Z 1 is not selected. Each of these sets of samples is called a bootstrap specimen.
次いで、ステップS20では、制御部60の指示の下、関係式信頼度決定部28が、B組のブートストラップ標本それぞれについてQj(t)=kjPj(t)の比例定数kjを最小二乗法で求める処理を実行する。 Next, in step S20, under the instruction of the control unit 60, the relational expression reliability determination unit 28 sets the proportional constant k j of Q j (t) = k j P j (t) for each of the B sets of bootstrap samples. Executes processing obtained by the least square method.
この場合、関係式信頼度決定部28は、B組の標本それぞれに対して、ステップS16と同様の処理を行い、b組目のブートストラップ標本について求めた需要家jの有効電力と無効電力の関係を特徴づける比例定数kj(b組目)を求める。図9には、ステップS20の処理が模式的に示されている。 In this case, the relational expression reliability determination unit 28 performs the same processing as step S16 on each of the B sets of samples, and determines the active power and reactive power of the consumer j obtained for the b set of bootstrap samples. The proportionality constant k j (b group) that characterizes the relationship is obtained. FIG. 9 schematically shows the process of step S20.
次いで、ステップS22では、制御部60の指示の下、関係式信頼度決定部28が、B組分求めたkj(b組目)に基づいて、kjの分散を求める。 Next, in step S22, under the instruction of the control unit 60, the relational expression reliability determination unit 28 obtains the variance of k j based on k j (b set) obtained for the B set.
例えば、需要家1についてB組分求めたk1(b組目)は、k1(1組目),k1(2組目),…,k1(B組目)となる。関係式信頼度決定部28は、このB個のk1のデータの分散V(k1)を次式(6)から算出する。 For example, the k 1 (b group) obtained for the set B for the customer 1 is k 1 (first group) , k 1 (second group) ,..., K 1 (B group) . The relational expression reliability determination unit 28 calculates the variance V (k 1 ) of the B pieces of k 1 data from the following expression (6).
なお、関係式信頼度決定部28は、需要家2,3の関係式の比例定数k2,k3の分散V(k2),V(k3)についても、上記と同様にして算出する。 The relational expression reliability determination unit 28 also calculates the variances V (k 2 ) and V (k 3 ) of the proportionality constants k 2 and k 3 of the relational expressions of the consumers 2 and 3 in the same manner as described above. .
次いで、ステップS24では、制御部60の指示の下、未知パラメータ範囲決定部30が、kjの分散を基に、Qj(t)の動く範囲を決定する。 Next, in step S24, under the instruction of the control unit 60, the unknown parameter range determination unit 30 determines a range in which Q j (t) moves based on the variance of k j .
ここで、kjの分散が大きいことは、すなわち、需要家jに関する有効電力と無効電力の関係式Qj(t)=kjPj(t)が当たりにくい(信頼度が低い、確からしくない)ことを表している。したがって、未知パラメータ範囲決定部30は、各需要家jにおける無効電力の動く範囲を次式(7)〜(9)で表し、kjの分散が大きいほどljの値を大きくとるようにする。
|Q1(t)-k1P1(t)|<s・l1(t) …(7)
|Q2(t)-k2P2(t)|<s・l2(t) …(8)
|Q3(t)-k3P3(t)|<s・l3(t) …(9)
Here, the large variance of k j , that is, the relational expression Q j (t) = k j P j (t) between the active power and the reactive power related to customer j is difficult to hit (the reliability is low, Not). Therefore, the unknown parameter range determination unit 30 represents the range in which the reactive power moves in each customer j by the following equations (7) to (9), and increases the value of l j as the variance of k j increases. .
| Q 1 (t) -k 1 P 1 (t) | <s · l 1 (t) (7)
| Q 2 (t) -k 2 P 2 (t) | <s · l 2 (t) (8)
| Q 3 (t) -k 3 P 3 (t) | <s · l 3 (t) (9)
なお、sは係数である。ここで、上述のように、kjの分散が大きいほどljの値が大きくなるようにするため、未知パラメータ範囲決定部30は、lj(t)の値として、ステップS22で得られたV(kj)や、(V(kj))1/2などを用いることができる。ただし、これに限らず、lj(t)の値としては、V(kj)を用いたその他の式(ただし、kjの分散が大きいほどljの値が大きくなる式)を採用することとしてもよい。 Note that s is a coefficient. Here, as described above, in order to increase the value of l j as the variance of k j increases, the unknown parameter range determination unit 30 obtains the value of l j (t) in step S22. V (k j ), (V (k j )) 1/2 or the like can be used. However, not limited to this, as the value of l j (t), other expressions using V (k j ) (however, the value of l j increases as the variance of k j increases) are adopted. It is good as well.
次いで、ステップS26では、制御部60の指示の下、最適化手法実行部32が、無効電力Qj(t)の動く範囲を用いた最適化手法で無効電力Qj(t)の値を推定する処理を実行する。 Next, in step S26, under the instruction of the control unit 60, the optimization method execution unit 32 estimates the value of the reactive power Q j (t) by the optimization method using the range in which the reactive power Q j (t) moves. Execute the process.
本処理では、まず、最適化手法実行部32は、需要家1,2,3の無効電力Q1(t),Q2(t),Q3(t)と、需要家1,2,3の有効電力P1(t),P2(t),P3(t)に基づいて算出されるセンサ14の電圧をVsensor_calc(t)とし、この値と実際にセンサ14で計測された電圧Vsensor(t)の差の全時刻の合計Mを次式(10)とする。 In this process, first, the optimization method execution unit 32 performs reactive powers Q 1 (t), Q 2 (t), Q 3 (t) of consumers 1, 2, 3 and consumers 1, 2, 3 The sensor 14 voltage calculated based on the active power P 1 (t), P 2 (t), and P 3 (t) is V sensor_calc (t), and this value is actually measured by the sensor 14. The total M of all the differences in V sensor (t) is expressed by the following equation (10).
そして、最適化手法実行部32は、Mの値が最小となるように未知パラメータ(無効電力)Q1(t),Q2(t),Q3(t)を決定し、推定値とする。ただし、最適化手法実行部32は、無効電力Q1(t),Q2(t),Q3(t)が上式(7)〜(9)の制約条件を満たすように、無効電力Q1(t),Q2(t),Q3(t)を推定する必要がある。 Then, the optimization technique execution unit 32 determines unknown parameters (reactive power) Q 1 (t), Q 2 (t), and Q 3 (t) so that the value of M is minimized, and uses it as an estimated value. . However, the optimization technique executing unit 32 reacts the reactive power Q 1 (t), Q 2 (t), and Q 3 (t) so that the constraints of the above equations (7) to (9) are satisfied. It is necessary to estimate 1 (t), Q 2 (t), and Q 3 (t).
次いで、ステップS28では、最適化手法実行部32が、未知パラメータ(無効電力)Q1(t),Q2(t),Q3(t)を推定できたか否かを判断する。ここでの判断が否定された場合、すなわち、無効電力Q1(t),Q2(t),Q3(t)を推定できなかった場合には、ステップS30に移行し、最適化手法実行部32は、上式(7)〜(9)のsを変更する。例えば、制約条件が厳しすぎて無効電力Q1(t),Q2(t),Q3(t)の少なくとも1つを推定できなかった場合には、最適化手法実行部32は、制約条件を緩くするようにsを大きくする。また、制約条件が緩すぎて無効電力Q1(t),Q2(t),Q3(t)の少なくとも1つの解が定まらなかった場合には、最適化手法実行部32は、制約条件を厳しくするようにsを小さくする。その後は、ステップS24に戻り、ステップS24〜S30を繰り返す。 Next, in step S28, the optimization technique execution unit 32 determines whether or not the unknown parameters (reactive power) Q 1 (t), Q 2 (t), and Q 3 (t) have been estimated. If the determination here is negative, that is, if reactive powers Q 1 (t), Q 2 (t), and Q 3 (t) cannot be estimated, the process proceeds to step S30 and the optimization method is executed. The unit 32 changes s in the above formulas (7) to (9). For example, if the constraint condition is too strict and at least one of reactive powers Q 1 (t), Q 2 (t), and Q 3 (t) cannot be estimated, the optimization technique execution unit 32 sets the constraint condition. Increase s to loosen. If the constraint condition is too loose and at least one solution of the reactive powers Q 1 (t), Q 2 (t), and Q 3 (t) cannot be determined, the optimization technique execution unit 32 sets the constraint condition. Reduce s to make it more strict. Thereafter, the process returns to step S24, and steps S24 to S30 are repeated.
そして、ステップS28の判断が肯定された段階、すなわち、無効電力Q1(t),Q2(t),Q3(t)の全てを一意に推定できた段階で、最適化手法実行部32は無効電力Q1(t),Q2(t),Q3(t)の値を未知パラメータDB48に格納し、図4の全処理を終了する。 Then, at the stage where the determination in step S28 is affirmed, that is, at the stage where all of the reactive powers Q 1 (t), Q 2 (t), and Q 3 (t) can be estimated uniquely, the optimization technique execution unit 32 Stores the values of the reactive powers Q 1 (t), Q 2 (t), and Q 3 (t) in the unknown parameter DB 48, and completes the entire process of FIG.
以上のようにして、図4の処理が終了した段階では、図10に示すように、未知パラメータDB48には、無効電力の推定結果が格納される。この無効電力の推定結果は、電圧算出・出力部34による潮流計算に用いられる。これにより、電圧算出・出力部34は、配電網80内の各地点の電圧を高精度に算出することができ、算出した各地点の電圧値を不図示の電圧制御装置に対して出力することができる。したがって、電圧制御装置では、電圧算出・出力部34から取得した配電網80内の各地点の電圧に基づいて、各地点の電圧を規定電圧(95〜107V)内に維持するように電圧管理を行うことが可能となる。   As described above, at the stage where the process of FIG. 4 is completed, the estimation result of the reactive power is stored in the unknown parameter DB 48 as shown in FIG. This reactive power estimation result is used for power flow calculation by the voltage calculation / output unit 34. Thereby, the voltage calculation / output unit 34 can calculate the voltage at each point in the power distribution network 80 with high accuracy, and outputs the calculated voltage value at each point to a voltage control device (not shown). Can do. Therefore, in the voltage control device, based on the voltage at each point in the distribution network 80 acquired from the voltage calculation / output unit 34, the voltage management is performed so as to maintain the voltage at each point within the specified voltage (95 to 107V). Can be done.
以上、詳細に説明したように、本実施形態によると、メータデータ取得部24は、複数の需要家jに設置されたスマートメータ12から、有効電力を所定時間間隔(例えば、30分間隔)で取得し(S14)、センサデータ取得部22は、複数の需要家の上流側に設置されたセンサ14から、通過無効電力及び電圧の値を所定時間間隔(例えば、30分間隔)で取得する(S12)。そして、未知パラメータ関係式決定部26は、未知パラメータ(無効電力)と有効電力の値との関係式を決定し(S16)、関係式信頼度決定部28は、有効電力と、通過無効電力及び電圧の値を用いて、関係式の確からしさ(例えば、kjの分散)を求める(S18〜S22)。更に、未知パラメータ範囲決定部30は、関係式の確からしさ(例えば、kjの分散)を用いて、未知パラメータの制約条件(上式(7)〜(9))を決定し(S24)、最適化手法実行部32が、制約条件を用いた最適化処理により未知パラメータを推定する(S26)。これにより、本実施形態では、未知パラメータに関係式の確からしさ(例えばkjの分散)を反映させた制約条件を設けることにより、未知パラメータの数が最適化の目的関数(式(10))の数よりも大きい場合でも、制約条件により未知パラメータを絞り込むことで、未知パラメータの値を一意に決定することが可能となる。 As described above in detail, according to the present embodiment, the meter data acquisition unit 24 sends the active power from the smart meter 12 installed in a plurality of consumers j at predetermined time intervals (for example, every 30 minutes). Obtaining (S14), the sensor data obtaining unit 22 obtains the passing reactive power and voltage values at predetermined time intervals (for example, every 30 minutes) from the sensors 14 installed upstream of the plurality of consumers ( S12). Then, the unknown parameter relational expression determination unit 26 determines a relational expression between the unknown parameter (reactive power) and the value of the active power (S16), and the relational expression reliability determination unit 28 determines the active power, the passing reactive power, Using the voltage value, the probability of the relational expression (for example, k j variance) is obtained (S18 to S22). Further, the unknown parameter range determination unit 30 determines the constraint conditions of the unknown parameters (the above formulas (7) to (9)) using the certainty of the relational expression (for example, the variance of k j ) (S24), The optimization technique execution unit 32 estimates the unknown parameter by the optimization process using the constraint condition (S26). Thus, in the present embodiment, by providing a constraint condition that reflects the probability of the relational expression (for example, the variance of k j ) in the unknown parameter, the number of unknown parameters is an optimization objective function (formula (10)). Even when the number is larger than the number of unknown parameters, it is possible to uniquely determine the value of the unknown parameter by narrowing down the unknown parameter according to the constraint condition.
また、本実施形態では、関係式が確からしいほど、例えば、kjの分散が小さいほど未知パラメータがとりうる値の範囲を狭くし、関係式が確からしくないほど、例えばkjの分散が大きいほど未知パラメータがとりうる値の範囲を広くする。これにより、本実施形態では、未知パラメータがとりうる値を関係式の確からしさに応じて適切に設定することができる。 Further, in the present embodiment, as the probable relational expression, for example, by narrowing the range of values distributed can take more unknown parameters is small k j, as relational expression not like Indeed, a large dispersion of example k j The range of values that unknown parameters can take is increased. Thereby, in this embodiment, the value which an unknown parameter can take can be set appropriately according to the probability of a relational expression.
また、本実施形態では、スマートメータ12から取得した有効電力の値とセンサ14から取得した通過無効電力及び電圧の値を複数回リサンプリングし、リサンプリングによって得られた複数のブートストラップ標本を用いて、関係式の比例定数kjの分散、すなわち関係式の確からしさを決定する。これにより、関係式の確からしさを統計的に高精度に算出することができる。 In this embodiment, the active power value acquired from the smart meter 12 and the pass reactive power and voltage values acquired from the sensor 14 are resampled a plurality of times, and a plurality of bootstrap samples obtained by resampling are used. Thus, the variance of the proportionality constant k j of the relational expression, that is, the probability of the relational expression is determined. Thereby, the probability of the relational expression can be calculated statistically with high accuracy.
また、本実施形態では、未知パラメータ(無効電力)の制約条件の下、センサ14から取得した電圧の値Vsensor(t)と、未知パラメータの関数として表されるセンサ14で得られる電圧の推定値Vsensor_calc(t)との差を目的関数として最適化手法を適用することで、未知パラメータを決定する。これにより、未知パラメータを適切な手法により決定することができる。 In this embodiment, the voltage value V sensor (t) acquired from the sensor 14 and the estimation of the voltage obtained by the sensor 14 expressed as a function of the unknown parameter under the constraint condition of the unknown parameter (reactive power). An unknown parameter is determined by applying an optimization method using the difference from the value V sensor_calc (t) as an objective function. Thereby, an unknown parameter can be determined by an appropriate method.
なお、上記実施形態では、説明の便宜上、ステップS26においてQi(t)を推定した後に、電圧算出・出力部34が各地点の電圧を算出する場合について説明したが、これに限られるものではない。すなわち、電圧算出・出力部34は、ステップS26におけるQi(t)の推定の際に算出される各需要家の電圧値を、電圧制御装置に対して出力するようにしてもよい。 In the above embodiment, for convenience of explanation, the case where the voltage calculation / output unit 34 calculates the voltage at each point after estimating Q i (t) in step S26 has been described. However, the present invention is not limited to this. Absent. That is, the voltage calculation / output unit 34 may output the voltage value of each consumer calculated when Q i (t) is estimated in step S26 to the voltage control device.
なお、上記実施形態では、配電網80内に需要家が3軒ある場合について説明したが、これに限らず、需要家はその他の軒数であってもよい。また、一部の需要家に設置されたスマートメータで無効電力を測定できる場合には、その他の需要家の無効電力のみを未知パラメータとしてもよい。   In addition, although the said embodiment demonstrated the case where there were three consumers in the power distribution network 80, it is not restricted to this, A consumer may be the number of other houses. When reactive power can be measured with a smart meter installed in some consumers, only the reactive power of other consumers may be used as an unknown parameter.
なお、上記実施形態では、センサ14から得られる通過無効電力及び電圧の値と、スマートメータ12から得られる有効電力の値とから、未知パラメータとして、需要家における無効電力の値を推定する場合について説明した。しかしながら、これに限らず、センサ14及びスマートメータ12から得られるデータがその他の電力に関するデータであってもよいし、未知パラメータとして推定するデータが無効電力以外の電力に関するデータであってもよい。また、情報処理装置20から出力するデータは、配電網内の各地点の電圧のデータに限らず、電流のデータなどの電力に関するその他のデータであってもよい。   In the above embodiment, the reactive power value at the consumer is estimated as an unknown parameter from the value of the passing reactive power and voltage obtained from the sensor 14 and the value of the active power obtained from the smart meter 12. explained. However, the present invention is not limited thereto, and the data obtained from the sensor 14 and the smart meter 12 may be data related to other power, and the data estimated as the unknown parameter may be data related to power other than reactive power. The data output from the information processing apparatus 20 is not limited to the voltage data at each point in the distribution network, and may be other data related to power such as current data.
また、上記実施形態で説明した各処理は、一例である。例えば、スマートメータ12から取得することができない未知パラメータとスマートメータ12で得られたデータとの関係式を決定する処理としては、上述したステップS16で説明した方法に限らず、その他の方法で関係式を決定することとしてもよい。また、スマートメータ12で得られたデータとセンサ14で得られたデータを用いて関係式の確からしさを決定する処理としては、上述したステップS18〜S22で説明した方法に限らず、その他の方法(例えば、分散以外の値を用いる方法など)で、関係式の確からしさを決定することとしてもよい。また、関係式の確からしさを用いて、未知パラメータの制約条件を決定する処理としては、上述したステップS24で説明した方法に限らず、その他の方法で未知パラメータの制約条件を決定することとしてもよい。更に、制約条件を用いた最適化処理により未知パラメータを推定する処理としては、上述したステップS26で説明した方法に限らず、その他の最適化処理により未知パラメータを推定することとしてもよい。   Moreover, each process demonstrated by the said embodiment is an example. For example, the process for determining the relational expression between the unknown parameter that cannot be acquired from the smart meter 12 and the data obtained by the smart meter 12 is not limited to the method described in step S16 described above, and may be related by other methods. It is good also as determining a formula. Further, the process for determining the certainty of the relational expression using the data obtained by the smart meter 12 and the data obtained by the sensor 14 is not limited to the method described in steps S18 to S22 described above, and other methods. The probability of the relational expression may be determined by (for example, a method using a value other than variance). Further, the process for determining the constraint condition of the unknown parameter using the certainty of the relational expression is not limited to the method described in step S24 described above, and the constraint condition of the unknown parameter may be determined by other methods. Good. Furthermore, the process for estimating the unknown parameter by the optimization process using the constraint condition is not limited to the method described in step S26 described above, and the unknown parameter may be estimated by another optimization process.
なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体(ただし、搬送波は除く)に記録しておくことができる。   The above processing functions can be realized by a computer. In that case, a program describing the processing contents of the functions that the processing apparatus should have is provided. By executing the program on a computer, the above processing functions are realized on the computer. The program describing the processing contents can be recorded on a computer-readable recording medium (except for a carrier wave).
プログラムを流通させる場合には、例えば、そのプログラムが記録されたDVD(Digital Versatile Disc)、CD−ROM(Compact Disc Read Only Memory)などの可搬型記録媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。   When the program is distributed, for example, it is sold in the form of a portable recording medium such as a DVD (Digital Versatile Disc) or a CD-ROM (Compact Disc Read Only Memory) on which the program is recorded. It is also possible to store the program in a storage device of a server computer and transfer the program from the server computer to another computer via a network.
プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。   The computer that executes the program stores, for example, the program recorded on the portable recording medium or the program transferred from the server computer in its own storage device. Then, the computer reads the program from its own storage device and executes processing according to the program. The computer can also read the program directly from the portable recording medium and execute processing according to the program. Further, each time the program is transferred from the server computer, the computer can sequentially execute processing according to the received program.
上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。   The above-described embodiment is an example of a preferred embodiment of the present invention. However, the present invention is not limited to this, and various modifications can be made without departing from the scope of the present invention.
なお、以上の実施形態の説明に関して、更に以下の付記を開示する。
(付記1) 複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得する処理と、
前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得する処理と、
前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定する処理と、
前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定する処理と、
前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定する処理と、
前記制約条件を用いた最適化処理により前記未知パラメータを推定する処理と、をコンピュータが実行することを特徴とする未知パラメータ推定方法。
(付記2) 前記未知パラメータの制約条件を決定する処理では、
前記関係式が確からしいほど未知パラメータがとりうる値の範囲を狭くし、前記関係式が確からしくないほど未知パラメータがとりうる値の範囲を広くすることを特徴とする付記1に記載の未知パラメータ推定方法。
(付記3) 前記未知パラメータを推定する処理において前記未知パラメータを推定できない場合に、前記制約条件を変更して再度前記未知パラメータを推定する処理、を前記コンピュータが実行することを特徴とする付記1又は2に記載の未知パラメータ推定方法。
(付記4) 前記関係式の確からしさを決定する処理では、
前記第1の計測装置から取得した前記第1のデータと、前記第2の計測装置から取得した前記第2のデータを複数回リサンプリングし、リサンプリングによって得られた複数のサンプルを用いて、前記関係式の確からしさを決定することを特徴とする付記1〜3のいずれかに記載の未知パラメータ推定方法。
(付記5) 前記未知パラメータを推定する処理では、
前記制約条件の下、前記第2のデータと、前記未知パラメータの関数として表される前記第2のデータの推定値との差を目的関数として最適化手法を適用することで、前記未知パラメータを決定することを特徴とする付記1〜4のいずれかに記載の未知パラメータ推定方法。
(付記6) 複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得し、
前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得し、
前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定し、
前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定し、
前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定し、
前記制約条件を用いた最適化処理により前記未知パラメータを推定する、処理をコンピュータに実行させることを特徴とする未知パラメータ推定プログラム。
(付記7) 前記未知パラメータの制約条件を決定する処理では、
前記関係式が確からしいほど未知パラメータがとりうる値の範囲を狭くし、前記関係式が確からしくないほど未知パラメータがとりうる値の範囲を広くすることを特徴とする付記6に記載の未知パラメータ推定プログラム。
(付記8) 前記未知パラメータを推定する処理において前記未知パラメータを推定できない場合に、前記制約条件を変更して再度前記未知パラメータを推定する処理、を前記コンピュータに実行させることを特徴とする付記6又は7に記載の未知パラメータ推定プログラム。
(付記9) 前記関係式の確からしさを決定する処理では、
前記第1の計測装置から取得した前記第1のデータと、前記第2の計測装置から取得した前記第2のデータを複数回リサンプリングし、リサンプリングによって得られた複数のサンプルを用いて、前記関係式の確からしさを決定することを特徴とする付記6〜8のいずれかに記載の未知パラメータ推定プログラム。
(付記10) 前記未知パラメータを推定する処理では、
前記制約条件の下、前記第2のデータと、前記未知パラメータの関数として表される前記第2のデータの推定値との差を目的関数として最適化手法を適用することで、前記未知パラメータを決定することを特徴とする付記6〜9のいずれかに記載の未知パラメータ推定プログラム。
(付記11) 複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得する第1取得部と、
前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得する第2取得部と、
前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定する関係式決定部と、
前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定する確からしさ決定部、
前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定する制約条件決定部と、
前記制約条件を用いた最適化処理により前記未知パラメータを推定する推定部と、を備える未知パラメータ推定装置。
(付記12) 前記制約条件決定部は、
前記関係式が確からしいほど未知パラメータがとりうる値の範囲を狭くし、前記関係式が確からしくないほど未知パラメータがとりうる値の範囲を広くすることを特徴とする付記11に記載の未知パラメータ推定装置。
(付記13) 前記推定部は、前記未知パラメータを推定できない場合に、前記制約条件を変更して再度前記未知パラメータを推定することを特徴とする付記11又は12に記載の未知パラメータ推定装置。
(付記14) 前記確からしさ決定部は、
前記第1の計測装置から取得した前記第1のデータと、前記第2の計測装置から取得した前記第2のデータを複数回リサンプリングし、リサンプリングによって得られた複数のサンプルを用いて、前記関係式の確からしさを決定することを特徴とする付記11〜13のいずれかに記載の未知パラメータ推定装置。
(付記15) 前記推定部は、
前記制約条件の下、前記第2のデータと、前記未知パラメータの関数として表される前記第2のデータの推定値との差を目的関数として最適化手法を適用することで、前記未知パラメータを決定することを特徴とする付記11〜14のいずれかに記載の未知パラメータ推定装置。
In addition, the following additional remarks are disclosed regarding description of the above embodiment.
(Additional remark 1) The process which acquires the 1st data regarding electric power at a predetermined time interval from the 1st measuring device installed in a plurality of consumers,
From the second measuring device installed on the upstream side of the plurality of consumers, a process of acquiring second data related to power at a predetermined time interval;
A process for determining a relational expression between an unknown parameter relating to power that cannot be obtained from the first measurement device and the first data;
A process of determining the probability of the relational expression using the first data and the second data;
A process for determining a constraint condition of the unknown parameter using the certainty of the relational expression;
An unknown parameter estimation method, wherein a computer executes a process of estimating the unknown parameter by an optimization process using the constraint condition.
(Supplementary Note 2) In the process of determining the constraint condition of the unknown parameter,
The unknown parameter according to claim 1, wherein the range of values that can be taken by an unknown parameter is narrowed as the relational expression is more probable, and the range of values that can be taken by an unknown parameter is widened so that the relational expression is less accurate. Estimation method.
(Additional remark 3) When the unknown parameter cannot be estimated in the process of estimating the unknown parameter, the computer executes the process of estimating the unknown parameter again by changing the constraint condition. Or the unknown parameter estimation method of 2.
(Supplementary Note 4) In the process of determining the certainty of the relational expression,
Resampling the first data acquired from the first measurement device and the second data acquired from the second measurement device a plurality of times, using a plurality of samples obtained by resampling, 4. The unknown parameter estimation method according to any one of appendices 1 to 3, wherein the probability of the relational expression is determined.
(Supplementary Note 5) In the process of estimating the unknown parameter,
By applying an optimization method using the difference between the second data and the estimated value of the second data expressed as a function of the unknown parameter under the constraint condition as an objective function, the unknown parameter is The unknown parameter estimation method according to any one of supplementary notes 1 to 4, wherein the parameter is determined.
(Supplementary Note 6) First data related to power is acquired at predetermined time intervals from a first measuring device installed in a plurality of consumers.
From the second measuring device installed on the upstream side of the plurality of consumers, second data on power is acquired at predetermined time intervals,
Determining a relational expression between an unknown parameter relating to power that cannot be obtained from the first measurement device and the first data;
Using the first data and the second data to determine the probability of the relational expression;
Using the certainty of the relational expression, determine the constraint condition of the unknown parameter,
An unknown parameter estimation program for causing a computer to execute a process of estimating the unknown parameter by an optimization process using the constraint condition.
(Supplementary note 7) In the process of determining the constraint condition of the unknown parameter,
The unknown parameter according to appendix 6, wherein the range of values that the unknown parameter can take is narrowed as the relational expression is more probable, and the range of values that the unknown parameter can take is widened so that the relational expression is not as accurate. Estimation program.
(Supplementary note 8) When the unknown parameter cannot be estimated in the process of estimating the unknown parameter, the computer is caused to execute a process of estimating the unknown parameter again by changing the constraint condition. Or the unknown parameter estimation program according to 7;
(Supplementary Note 9) In the process of determining the certainty of the relational expression,
Resampling the first data acquired from the first measurement device and the second data acquired from the second measurement device a plurality of times, using a plurality of samples obtained by resampling, The unknown parameter estimation program according to any one of appendices 6 to 8, wherein the probability of the relational expression is determined.
(Supplementary Note 10) In the process of estimating the unknown parameter,
By applying an optimization method using the difference between the second data and the estimated value of the second data expressed as a function of the unknown parameter under the constraint condition as an objective function, the unknown parameter is The unknown parameter estimation program according to any one of appendices 6 to 9, wherein the unknown parameter estimation program is determined.
(Additional remark 11) The 1st acquisition part which acquires the 1st data about electric power from a 1st measuring device installed in a plurality of consumers at predetermined time intervals,
A second acquisition unit that acquires second data relating to power at predetermined time intervals from a second measurement device installed on the upstream side of the plurality of consumers;
A relational expression determining unit that determines a relational expression between an unknown parameter relating to power that cannot be obtained from the first measurement device and the first data;
A probability determining unit that determines the probability of the relational expression using the first data and the second data;
A constraint condition determination unit that determines the constraint condition of the unknown parameter using the probability of the relational expression;
An unknown parameter estimation device comprising: an estimation unit that estimates the unknown parameter by an optimization process using the constraint condition.
(Supplementary Note 12) The constraint condition determining unit
The unknown parameter according to appendix 11, wherein the range of values that can be taken by an unknown parameter is narrowed as the relational expression is more probable, and the range of values that can be taken by an unknown parameter is widened so that the relational expression is less accurate. Estimating device.
(Additional remark 13) The said estimation part changes the said constraint, and estimates the said unknown parameter again, when the said unknown parameter cannot be estimated, The unknown parameter estimation apparatus of Additional remark 11 or 12 characterized by the above-mentioned.
(Supplementary Note 14) The probability determining unit
Resampling the first data acquired from the first measurement device and the second data acquired from the second measurement device a plurality of times, using a plurality of samples obtained by resampling, 14. The unknown parameter estimation device according to any one of appendices 11 to 13, wherein the probability of the relational expression is determined.
(Supplementary Note 15) The estimation unit
By applying an optimization method using the difference between the second data and the estimated value of the second data expressed as a function of the unknown parameter under the constraint condition as an objective function, the unknown parameter is The unknown parameter estimation device according to any one of appendices 11 to 14, wherein the unknown parameter estimation device is determined.
12 スマートメータ(第1の計測装置)
14 センサ(第2の計測装置)
20 情報処理装置(未知パラメータ推定装置)
22 センサデータ取得部(第2取得部)
24 メータデータ取得部(第1取得部)
26 未知パラメータ関係式決定部(関係式決定部)
28 関係式信頼度決定部(確からしさ決定部)
30 未知パラメータ範囲決定部(制約条件決定部)
32 最適化手法実行部(推定部)
12 Smart meter (first measuring device)
14 Sensor (second measuring device)
20 Information processing device (unknown parameter estimation device)
22 Sensor data acquisition unit (second acquisition unit)
24 Meter data acquisition unit (first acquisition unit)
26 Unknown parameter relational expression determination unit (relational expression determination unit)
28 Relational Expression Reliability Determining Unit (Probability Determining Unit)
30 Unknown parameter range determination unit (constraint condition determination unit)
32 Optimization method execution part (estimation part)

Claims (7)

  1. 複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得する処理と、
    前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得する処理と、
    前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定する処理と、
    前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定する処理と、
    前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定する処理と、
    前記制約条件を用いた最適化処理により前記未知パラメータを推定する処理と、をコンピュータが実行することを特徴とする未知パラメータ推定方法。
    A process of acquiring first data relating to power at a predetermined time interval from a first measuring device installed in a plurality of consumers;
    From the second measuring device installed on the upstream side of the plurality of consumers, a process of acquiring second data related to power at a predetermined time interval;
    A process for determining a relational expression between an unknown parameter relating to power that cannot be obtained from the first measurement device and the first data;
    A process of determining the probability of the relational expression using the first data and the second data;
    A process for determining a constraint condition of the unknown parameter using the certainty of the relational expression;
    An unknown parameter estimation method, wherein a computer executes a process of estimating the unknown parameter by an optimization process using the constraint condition.
  2. 前記未知パラメータの制約条件を決定する処理では、
    前記関係式が確からしいほど未知パラメータがとりうる値の範囲を狭くし、前記関係式が確からしくないほど未知パラメータがとりうる値の範囲を広くすることを特徴とする請求項1に記載の未知パラメータ推定方法。
    In the process of determining the constraint condition of the unknown parameter,
    2. The unknown range according to claim 1, wherein the range of values that can be taken by an unknown parameter is narrowed as the relational expression is more probable, and the range of values that can be taken by an unknown parameter is widened as the relational expression is less accurate. Parameter estimation method.
  3. 前記未知パラメータを推定する処理において前記未知パラメータを推定できない場合に、前記制約条件を変更して再度前記未知パラメータを推定する処理、を前記コンピュータが実行することを特徴とする請求項1又は2に記載の未知パラメータ推定方法。   3. The computer according to claim 1, wherein, when the unknown parameter cannot be estimated in the process of estimating the unknown parameter, the computer executes a process of changing the constraint condition and estimating the unknown parameter again. The unknown parameter estimation method described.
  4. 前記関係式の確からしさを決定する処理では、
    前記第1の計測装置から取得した前記第1のデータと、前記第2の計測装置から取得した前記第2のデータを複数回リサンプリングし、リサンプリングによって得られた複数のサンプルを用いて、前記関係式の確からしさを決定することを特徴とする請求項1〜3のいずれか一項に記載の未知パラメータ推定方法。
    In the process of determining the certainty of the relational expression,
    Resampling the first data acquired from the first measurement device and the second data acquired from the second measurement device a plurality of times, using a plurality of samples obtained by resampling, 4. The unknown parameter estimation method according to claim 1, wherein the probability of the relational expression is determined.
  5. 前記未知パラメータを推定する処理では、
    前記制約条件の下、前記第2のデータと、前記未知パラメータの関数として表される前記第2のデータの推定値との差を目的関数として最適化手法を適用することで、前記未知パラメータを決定することを特徴とする請求項1〜4のいずれか一項に記載の未知パラメータ推定方法。
    In the process of estimating the unknown parameter,
    By applying an optimization method using the difference between the second data and the estimated value of the second data expressed as a function of the unknown parameter under the constraint condition as an objective function, the unknown parameter is The unknown parameter estimation method according to any one of claims 1 to 4, wherein the parameter is determined.
  6. 複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得し、
    前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得し、
    前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定し、
    前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定し、
    前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定し、
    前記制約条件を用いた最適化処理により前記未知パラメータを推定する、処理をコンピュータに実行させることを特徴とする未知パラメータ推定プログラム。
    From the first measuring device installed in a plurality of consumers, first data related to power is acquired at predetermined time intervals,
    From the second measuring device installed on the upstream side of the plurality of consumers, second data on power is acquired at predetermined time intervals,
    Determining a relational expression between an unknown parameter relating to power that cannot be obtained from the first measurement device and the first data;
    Using the first data and the second data to determine the probability of the relational expression;
    Using the certainty of the relational expression, determine the constraint condition of the unknown parameter,
    An unknown parameter estimation program for causing a computer to execute a process of estimating the unknown parameter by an optimization process using the constraint condition.
  7. 複数の需要家に設置された第1の計測装置から、電力に関する第1のデータを所定時間間隔で取得する第1取得部と、
    前記複数の需要家の上流側に設置された第2の計測装置から、電力に関する第2のデータを所定時間間隔で取得する第2取得部と、
    前記第1の計測装置から取得することができない電力に関する未知パラメータと前記第1のデータとの関係式を決定する関係式決定部と、
    前記第1のデータ及び前記第2のデータを用いて前記関係式の確からしさを決定する確からしさ決定部と、
    前記関係式の確からしさを用いて、前記未知パラメータの制約条件を決定する制約条件決定部と、
    前記制約条件を用いた最適化処理により前記未知パラメータを推定する推定部と、を備える未知パラメータ推定装置。

    A first acquisition unit that acquires first data relating to electric power at predetermined time intervals from a first measurement device installed in a plurality of consumers;
    A second acquisition unit that acquires second data relating to power at predetermined time intervals from a second measurement device installed on the upstream side of the plurality of consumers;
    A relational expression determining unit that determines a relational expression between an unknown parameter relating to power that cannot be obtained from the first measurement device and the first data;
    A probability determining unit that determines the probability of the relational expression using the first data and the second data;
    A constraint condition determination unit that determines the constraint condition of the unknown parameter using the probability of the relational expression;
    An unknown parameter estimation device comprising: an estimation unit that estimates the unknown parameter by an optimization process using the constraint condition.

JP2013231579A 2013-11-07 2013-11-07 Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device Active JP6213166B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013231579A JP6213166B2 (en) 2013-11-07 2013-11-07 Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013231579A JP6213166B2 (en) 2013-11-07 2013-11-07 Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device
PCT/JP2014/079378 WO2015068743A1 (en) 2013-11-07 2014-11-05 Unknown parameter estimating method, unknown parameter program, and unknown parameter estimating device

Publications (2)

Publication Number Publication Date
JP2015091217A JP2015091217A (en) 2015-05-11
JP6213166B2 true JP6213166B2 (en) 2017-10-18

Family

ID=53041520

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013231579A Active JP6213166B2 (en) 2013-11-07 2013-11-07 Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device

Country Status (2)

Country Link
JP (1) JP6213166B2 (en)
WO (1) WO2015068743A1 (en)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2685352B2 (en) * 1990-11-15 1997-12-03 株式会社東芝 Power system computer system
JP2003134666A (en) * 2001-10-16 2003-05-09 Takeo Kawamura Optimum power flow calculating system by nonlinear programming method
JP5615785B2 (en) * 2011-09-26 2014-10-29 株式会社日立製作所 Electric power system state estimation device and electric power system using the same

Also Published As

Publication number Publication date
JP2015091217A (en) 2015-05-11
WO2015068743A1 (en) 2015-05-14

Similar Documents

Publication Publication Date Title
US9977847B2 (en) Efficient forecasting for hierarchical energy systems
US20150371151A1 (en) Energy infrastructure sensor data rectification using regression models
US20100042372A1 (en) Virtual metering
CN105247374B (en) Using the measurement of Temperature Distribution weighting and the method and system of checking
JP2016103972A (en) System and method for modelling load in electrical power network
Wang et al. Estimating harmonic impact of individual loads using multiple linear regression analysis
CN109342989B (en) Error analysis method and device for electric energy meter
US20150168465A1 (en) Method and apparatus for electric power system distribution state estimations
US20130297240A1 (en) Methods and systems for improved time cost and accuracy of energy usage baselining
US20100251204A1 (en) System and method for determining software test cycle effectiveness
JP6213166B2 (en) Unknown parameter estimation method, unknown parameter program, and unknown parameter estimation device
US10120002B2 (en) Estimation program, estimation apparatus, and estimation method
US9019122B2 (en) Information retrieval for boundary reading processing
Zhu et al. A likelihood for correlated extreme series
US20140253344A1 (en) Information Retrieval for Service Point Channels
Vanhoucke et al. Measurable News
KR102036166B1 (en) Apparatus method for predicting and correcting meter reading data in a range not reading
CN105160446A (en) Method and device of obtaining loan limit
JP6756603B2 (en) Power system state estimation device and state estimation method
Cemgil et al. Interpolation and fraud detection on data collected by automatic meter reading
WO2016132796A1 (en) Power consumption estimating device, power consumption estimating method and program
JP5804905B2 (en) Pattern separation apparatus, pattern separation method, and program
JP6519385B2 (en) Baseline load estimation device and baseline load estimation program
JP5562895B2 (en) Solar radiation amount estimation device, solar radiation amount estimation method and program
JP2020191764A (en) Photovoltaic power generation output estimation device, photovoltaic power generation output estimation method and photovoltaic power generation output estimation program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160705

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170822

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170904

R150 Certificate of patent or registration of utility model

Ref document number: 6213166

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150