JP6290255B2 - 機器状態推定装置、機器消費電力推定装置、およびプログラム - Google Patents

Description

本発明の実施形態は、機器状態推定装置、機器消費電力推定装置、およびプログラムに関する。

一般家庭等で使用される、インバータ機器を含む電気機器の動作状態を個別に測定する技術として、電気機器毎に測定器を設置するのではなく、電柱から家庭への引込線における測定に基づいて、非侵入的に各電気機器の動作状態を推定する技術が提案されている。
各電気機器の動作状態を推定する場合、複数の家電が同時に動作していると、推定における組み合わせ数が膨大となり、演算時間や演算処理に用いるメモリの容量が増大してしまう場合がある。さらに、演算処理における組み合わせ数が膨大なことから、誤検出も多くなる場合がある。

特開２０００−２９２４６５号公報 特開２００２−１５２９７１号公報 特開２０１２−１８９５２６号公報

本発明が解決しようとする課題は、演算時間や演算処理に用いるメモリの容量の増大を抑制することができる機器状態推定装置、機器消費電力推定装置およびプログラムを提供することである。

実施形態の機器状態推定装置は、読出部と、動作状態推定部と、を持つ。読出部は、給電線における電流または電力の高調波の時間変化の特徴と、少なくとも１つの機器の予め求められている高調波の時間変化の特徴との比較に基づいて、前記機器の動作状態毎の予め求められている高調波のＦＦＴ係数から前記機器の各動作状態に対応する高調波のＦＦＴ係数を読み出す。動作状態推定部は、前記読出部により読み出された高調波のＦＦＴ係数と、前記電流または電力の高調波から得られた高調波のＦＦＴ係数との類似性に基づいて、前記機器の動作状態を推定する。

実施形態の機器状態推定装置５０および機器消費電力推定装置７０の構成を示す図。 図１に示す機器状態推定装置５０および機器消費電力推定装置７０の各部の構成を示す図。 インバータ機器におけるＰＷＭ（Pulse Width Modulation）動作の例を示す図。 機器履歴特徴ＤＢ部３１に記録するデータの一例について説明するための図。 図２に示す機器履歴特徴検出部３２の構成を示す図。 実施形態の機器消費電力推定装置７０における消費電力推定処理の全体の流れを示すフロー図。 図６に示すフロー図における電流および電圧の時系列データの一例を示す図。 図６に示すフロー図における動作状態の変化時刻のデータの一例を示す図。 図６に示すフロー図における動作状態の時系列推定結果の一例を示す図。 図６に示すフロー図における消費電力の時系列推定結果の一例を示す図。 図６に示すフロー図における動作状態の変化時刻の検出処理の流れを示すフロー図。 図８に示すフロー図における電流および電圧の時系列データの一例を示す図。 図８に示すフロー図における電流実行値の時間変化データの一例を示す図。 図８に示すフロー図におけるＷａｖｅｌｅｔ係数を時間方向に切り出した断面図の一例を示す図。 図６に示すフロー図における家電の動作状態の推定処理の流れを示すフロー図。 図１０に示すフロー図における機器履歴特徴ＤＢ部３１に記録された特徴の一例を示す図。 図１０に示すフロー図における時間変化の算出した特徴の一例を示す図。 図１０に示すフロー図における機器特徴ＤＢ部４１に記録された特徴の一例を示す図。 図１０に示すフロー図における算出した高調波データの一例を示す図。 図１０に示すフロー図における距離算出手法の例を示す図。 図１０に示すフロー図における距離算出手法の例を示す図。 図６に示すフロー図における動作状態に応じた消費電力推定処理での消費電力推定モデルについて説明するための図。 実施形態の機器状態推定装置５０ａおよび機器消費電力推定装置７０ａの構成を示す図。 図１４に示す尤度算出部４２ａの構成を示す図。 実施形態の機器消費電力推定装置７０ａにおける消費電力推定処理の全体の流れを示すフロー図。 図１６に示すフロー図における電流および電圧の時系列データの一例を示す図。 図１６に示すフロー図における動作状態の時系列推定結果の一例を示す図。 図１６に示すフロー図における消費電力の時系列推定結果の一例を示す図。 図１６に示すフロー図における家電の動作状態の推定処理の流れを示すフロー図。 図１８に示すフロー図における機器履歴特徴ＤＢ部３１に記録された特徴の一例を示す図。 図１８に示すフロー図における時間変化の算出した特徴の一例を示す図。 図１８に示すフロー図における、機器特徴ＤＢ部４１ａに記録された特徴から、高調波の尤度を算出する一例を示す図。 実施形態の機器状態推定装置５０ｂおよび機器消費電力推定装置７０ｂの構成を示す図。 実施形態の機器消費電力推定装置７０ｂにおける家電の動作状態の推定処理の流れを示すフロー図。 機器消費電力推定装置７０ｃの構成を示す図。

以下、実施形態の機器状態推定装置５０および機器消費電力推定装置７０を、図面を参照して説明する。図１は、実施形態の機器状態推定装置５０および機器消費電力推定装置７０の構成を示す図であり、図２は、図１に示す機器状態推定装置５０および機器消費電力推定装置７０の各部の構成を示す図である。
図１に示すように、機器状態推定装置５０は、電圧・電流測定部１０、高調波算出部２０、履歴特徴検出部３０、および動作状態推定部４０を備える。機器消費電力推定装置７０は、機器状態推定装置５０、および機器消費電力推定部６０を備える。
実施形態の装置は、各家電の電圧および電流の測定データから、各家電の動作状態を推定する機器状態推定装置５０と、各家電の消費電力を推定し、出力する機器消費電力推定装置７０である。

電圧・電流測定部１０は、一定周期で給電線の電圧と、給電線に流れる電流を測定し、時刻、並びに電圧および電流の時系列データを記録する。
図２に示すように、高調波算出部２０は、動作状態の変化検出部２１、特徴波形抽出部２２、およびＦＦＴ演算部２３（第１ＦＦＴ演算部）を備える。
動作状態の変化検出部２１は、時刻、並びに電圧および電流の時系列データを入力とし、これらのデータから、動作状態の変化時刻を検出し、特徴波形抽出部２２に対して出力する。動作状態の変化時刻とは、家電がＯＮ（オン）からＯＦＦ（オフ）、もしくはＯＦＦからＯＮになった等の変化や、例えば洗濯機での「洗い」から「すすぎ」に運転モードが変更になった等の動作状態が変化したときの時刻を指す。この動作状態の変化時刻は一つではなく複数あっても良い。
特徴波形抽出部２２では、動作状態の変化検出部２１が検出した変化時刻、並びに電圧および電流の測定データから、変化時刻前後での特徴波形を切り出す。
ＦＦＴ演算部２３では、特徴波形抽出部２２が検出した特徴電流波形に対してＦＦＴ（Fast Fourier Transform；高速フーリエ変換）を行い、高調波のＦＦＴ係数を算出する。

履歴特徴検出部３０は、機器履歴特徴ＤＢ（データベース）部３１、および機器履歴特徴検出部３２を備える。
機器履歴特徴ＤＢ部３１は、あらかじめ少なくとも一つの機器の電流、または電力の時間変化の特徴を記録しておく。これは主にインバータを有する機器を想定しており、インバータ機器ではＰＷＭ等の動作により、電流の大きさと位相を変化させるので、電流の高調波成分が消費電力の増減と共に変化することが多い。この際、各高調波成分は複素平面上では、円弧のような軌跡を描くことが多い。この軌跡の特徴を記録しておく。
図３は、インバータ機器におけるＰＷＭ（Pulse Width Modulation）動作の例を示す図であり、図４は、機器履歴特徴ＤＢ部３１に記録するデータの一例について説明するための図である。
インバータを具備しない家電は、１つの動作状態に応じた高調波特徴を有している。一方、インバータを具備する家電機器は、ＰＷＭ等の動作に応じて高調波特徴を変化させる。
ＰＷＭとは、出力波形（図３に示すＶｏｕｔ’）の半サイクル中に多数のパルス列（図３に示すＶｏｕｔ）をつくり、そのパルス幅の等価電圧を正弦波状に変化させ、低次高周波の少ない滑らかな出力Ｖｏｕｔ’を得る方式である。
インバータ家電の高調波特徴は、ＰＷＭにより位相と強度を変化させるために、高調波が原点を通る曲線を描く。この特徴を利用して、各次数の高調波の軌跡を抽出し、その軌跡の特徴（時系列データの統計情報）から、どのインバータ家電が動作しているかを推定する。軌跡の特徴の１つとして、中心座標と半径があげられる。
複数のインバータ機器が動作している場合には、同様に特徴を中心座標と半径とする。同時にＰＷＭ動作をしないとすると、それぞれの軌跡が別々に抽出できる。一方、同時にＰＷＭ動作を行う場合には、特徴を、図４に示すように、中心座標ｃと半径ｒと角速度ωとすれば、複数動作時の高調波軌跡を合成できるので、測定した軌跡と最も近い組み合わせの軌跡を選べば、複数動作時のインバータ家電を推定することが可能である。

機器履歴特徴検出部３２は、時刻、並びに電圧および電流の時系列データから、時間変化の特徴を算出し、この算出した特徴と、機器履歴特徴ＤＢ部３１の情報とを比較し、ＯＮ動作状態にある機器を検出する。ＯＮ動作状態とは、機器に電流が流れ、電力が消費されている状態（通電状態）を示す。すなわち、ＯＮ動作状態には、機器が通電されて作動している状態と、通電されてはいるが作動していない状態（いわゆるスリープ状態、スタンバイ状態、その他の状態）との双方を含んでよい。ここでも時間変化の特徴とは、高調波の各成分の軌跡を主に想定している。機器履歴特徴ＤＢ部３１の軌跡と算出した軌跡を比較する際には、円弧の半径、中心座標が一致もしくは、ある範囲内に収まっているかどうかで判断すればよい。
図５は、図２に示す機器履歴特徴検出部３２の構成を示す図である。機器履歴特徴検出部３２は、ＦＦＴ演算部３２１（第２ＦＦＴ演算部）、記憶部３２２、履歴特徴算出部３２３、および判定部３２４を備える。
ＦＦＴ演算部３２１は、時刻、並びに電圧および電流の時系列データから、電流または電力波形を１以上の周波数成分に分解する。記憶部３２２は、この周波数成分を時刻と共に記録しておく。履歴特徴算出部３２３は、記憶部３２２から読み出した時刻と電流または電力の周波数成分の情報から、周波数成分が時間と共にどのように変化したかを表す特徴（周波数の特徴）を算出する。判定部３２４は、機器履歴特徴ＤＢ部３１が出力した、機器の電流または電力の時間変化の特徴と履歴特徴算出部３２３が出力した特徴を比較し、一致した場合にはＯＮ動作状態にある機器として、その機器名とその時刻と共に出力する。

動作状態推定部４０は、機器特徴ＤＢ部４１（機器特徴ＤＢ部）、高調波重み付き距離算出部４２、および機器動作状態推定部４３を備える。
機器特徴ＤＢ部４１では、あらかじめ各家電の各動作状態の高調波のＦＦＴ係数を記録しておき、高調波重み付き距離算出部４２にデータを出力する。
高調波重み付き距離算出部４２では、算出した電流波形の高調波のＦＦＴ係数と、機器特徴ＤＢ部４１から読み出した各家電の各動作状態の高調波のＦＦＴ係数との重み付き距離を算出する。すべての動作状態に対して距離を求めると、演算量やメモリが増大するために、機器履歴特徴検出部３２で検出したＯＮ動作機器情報を使用し、すべての動作状態のうち、ＯＮ動作機器情報に合致する動作状態に対してのみ、高調波重み付き距離を算出する。
機器動作状態推定部４３では、高調波重み付き距離算出部４２が算出した重み付き距離から、距離が最も小さい動作状態を高調波の状態と最も適合する状態として選択し、動作状態を出力する。

機器消費電力推定部６０は、消費電力ＤＢ部６１、および消費電力推定部６２を備える。
消費電力ＤＢ部６１では、あらかじめ各家電の各動作状態の高調波のＦＦＴ係数と消費電力との関係から作成した回帰モデルを記録しておき、消費電力推定部６２に出力する。
消費電力推定部６２では、機器動作状態推定部４３が出力した動作状態を基に、消費電力ＤＢ部６１から対応する回帰モデルを読み出し、消費電力を推定し、出力する。

次に、実施形態の機器消費電力推定装置７０での消費電力推定処理について、図面を参照して説明する。図６は、実施形態の機器消費電力推定装置７０における消費電力推定処理の全体の流れを示すフロー図であり、図７Ａから７Ｄは、図６に示すフロー図における処理データの一例を示す図である。
電圧・電流測定部１０は、記録した、時刻、並びに電圧および電流の時系列データ（図７Ａに示す時系列データ）を動作状態の変化検出部２１に入力する（ステップＳＴ１）。
動作状態の変化検出部２１は、時刻、並びに電圧および電流の時系列データから、動作状態の変化時刻（図７Ｂに示す動作状態の変化時刻）を検出し、この動作状態の変化時刻を次の特徴波形抽出部２２に出力する（ステップＳＴ２）。
特徴波形抽出部２２の入力は、時刻、並びに電圧および電流の時系列データと、動作状態の変化検出部２１で検出した動作状態の変化時刻である。高調波重み付き距離算出部４２は、動作状態の変化時刻前後での電圧および電流データを比較することにより、動作状態が変化した家電の推定を行う。動作状態の変化時刻が複数の場合には、すべての時刻に対して同様の処理を行う。その結果、機器動作状態推定部４３は、時刻および動作状態の時系列推定結果（図７Ｃに示す時系列推定結果）を家電ごとに算出し、次の消費電力推定部６２に出力する（ステップＳＴ３；詳細後述）。
消費電力推定部６２の入力は、機器動作状態推定部４３が算出した家電ごとの時刻および動作状態の時系列推定結果である。消費電力ＤＢ部６１に、動作状態に対応した消費電力推定モデルを用意しておき、消費電力推定部６２は、このモデルを用いて消費電力を推定する（ステップＳＴ４）。消費電力推定部６２は、家電ごとに時刻および消費電力の時系列推定結果（図７Ｄに示す家電ごとの時刻および消費電力の時系列推定結果）を出力する（ステップＳＴ５）。

次に上記ステップＳＴ２〜ＳＴ４それぞれのステップについて詳細を説明する。
［動作状態の変化時刻の検出処理］
図８は、図６に示すフロー図における動作状態の変化時刻の検出処理（ステップＳＴ２）の流れを示すフロー図であり、図９Ａから９Ｃは、図８に示すフロー図における処理データの一例を示す図である。
このフローにおける各処理は、すべて動作状態の変化検出部２１で行われる。
電圧・電流測定部１０は、記録した、時刻、並びに電圧および電流の時系列データ（図９Ａに示す時系列データ）を動作状態の変化検出部２１に入力する（ステップＳＴ２−１）。

動作状態の変化検出部２１は、電流の時系列データから、電流の実効値（図９Ｂに示す電流実行値の時間変化データ）を算出する（ステップＳＴ２−２）。なお、実効値を算出する際の算出間隔は任意で良い。例えば、この算出間隔が短いほど、状態推定や消費電力推定時の時間分解能は向上するが、演算量は大きくなる。一方、間隔が長いと誤検出率は減少するが、必要な状態変化を捉えることができなくなり、推定精度が減少する。
動作状態の変化検出部２１は、電流の実効値の時系列データに対して、連続Ｗａｖｅｌｅｔ変換を施す（ステップＳＴ２−３）。この変換により、電流の変化を捉えることができる。電流の変化を捉えることにより、家電のＯＮ/ＯＦＦの他、インバータ家電の消費電力変化、さらには、連続動作家電の運転モード変化など、すべての変化が検出されると考えられる。

動作状態の変化検出部２１は、連続Ｗａｖｅｌｅｔ変換の結果から、あるスケールでＷａｖｅｌｅｔ係数を時間方向に切り出し（図９Ｃに切り出した断面図を示す）、そのＷａｖｅｌｅｔ係数と閾値とを比較する（ステップＳＴ２−４）。このスケールは任意の値を用いてよい。スケールはウェーブレットの基底関数を伸縮させる係数で、スケールが小さいほど、時定数の小さい電流変化に応じてＷａｖｅｌｅｔ係数が変化する。一方、スケールが大きいと、時定数の大きい電流変化に応じてＷａｖｅｌｅｔ係数が変化し、時定数の小さい電流変化ではＷａｖｅｌｅｔ係数は変化しない。したがって、このスケールを調節することにより、検出したい電流変化の時定数を制御することができる。またＷａｖｅｌｅｔ係数の大きさは、電流の変化量と関連している。したがって、閾値を設定し、この閾値と比較することにより、検出したい電流の変化量を制御することができる。Ｗａｖｅｌｅｔ係数が正の値となる場合は電流の増加を、負の値では電流の減少を示している。そこで電流の増加を検出するには、正の閾値を設定し、減少を検出するには、負の閾値を設定する。

動作状態の変化検出部２１は、Ｗａｖｅｌｅｔ係数が最も大きい時刻で動作状態が変化しているので、Ｗａｖｅｌｅｔ係数が閾値よりも大きい、もしくは小さいと判定した凸部分の頂点を求め、その時刻を検出する（ステップＳＴ２−５）。
動作状態の変化検出部２１は、検出した時刻を動作状態の変化時刻として出力する（ステップＳＴ２−６）。動作状態の変化時刻が複数ある場合には、複数の動作状態の変化時刻を出力する。

［家電の動作状態の推定処理］
図１０は、図６に示すフロー図における家電の動作状態の推定処理（ステップＳＴ３）の流れを示すフロー図である。図１１Ａから１１Ｄは、図１０に示すフロー図における処理データの一例を示す図であり、図１２ＡおよびＢは、図１０に示すフロー図における距離算出手法の例を示す図である。
特徴波形抽出部２２に、動作状態の変化時刻と電圧および電流の時系列データが入力される（ステップＳＴ３−１）。
特徴波形抽出部２２は、動作状態の変化時刻の前後での特徴波形を算出し（ステップＳＴ３−２）、それらを比較する。その際、動作状態の変化中は波形が不安定になり特徴が捉えにくくなるため、変化中の波形を使用しないようにする。このために、動作状態の変化時刻からΔｔ時間前の波形とΔｔ時間後の波形を比較する。このΔｔは、変化中の波形を参照しないようにするために、動作状態変化の時定数を考慮して決定する必要がある。
変化時刻前後での電流差分波形抽出手法は、次の通りである。
（１）家電機器のＯＦＦからＯＮ、或いはＯＮからＯＦＦへの判定については、変化時刻前後での波形差分として抽出する。
（２）ＯＮ動作状態の家電における動作状態の変化の判定は、変化時刻後の波形と、（Ｎ−１）個のＯＮ動作状態の波形の合計との差分のすべての組み合わせを求める。
なお、後の工程ですべての動作状態変化の可能性を評価するために、この工程ではすべての場合の特徴波形を算出する。

ＦＦＴ演算部２３において、特徴波形抽出部２２で算出したすべての電流の特徴波形に対してＦＦＴを行い、高調波を算出する（ステップＳＴ３−３）。また電流データは、電圧波形を参照し、電圧の位相が０になる時刻から波形を切り出している。電圧を参照することにより、基本波の位相を合わせており、この処理の結果、基本波の位相変化も動作状態の推定時に参考情報として使用できる。

機器履歴特徴検出部３２は、時刻、並びに電圧および電流の時系列データから、時間変化の特徴を算出し、この算出した特徴（図１１Ｂに示す）と、機器履歴特徴ＤＢ部３１の情報（図１１Ａに示す）とを比較し、ＯＮ動作状態にある機器を検出する（ステップＳＴ３−４）。これは主にインバータを有する機器を想定しており、インバータ機器では電流の高調波成分が消費電力の増減と共に変化することが多い。この際、各高調波成分は複素平面上では、円弧のような軌跡を描くことが多い。そこで、ＯＮ動作機器を特定するには、算出した円弧の半径、中心座標と、機器履歴特徴ＤＢ部３１の値と一致、もしくは、ある範囲内に収まっているかどうかで判断すればよい。または低次の高調波で半径が大きい円弧は、直線で近似したベクトルとして扱ってもよい。
また複数のインバータ機器が動作している場合には、特徴を、中心座標と半径と角速度とすれば、複数動作時の高調波軌跡を合成できるので、測定した軌跡と最も近い組み合わせの軌跡を選べば、複数動作時のインバータ家電を推定することが可能である。

高調波重み付き距離算出部４２では、ＯＮ動作機器を考慮し、機器特徴ＤＢ部４１上の特徴（図１１Ｃに示す）と算出した高調波（図１１Ｄに示す）との重み付距離を算出する（ステップＳＴ３−５）。
図１２Ａに示す複素平面上でのユーグリッド距離に示すように、高調波の次数毎に距離を距離＝（ｘ１−ｘ２）＋（ｙ１−ｙ２）とし、算出結果（ＦＦＴの係数）と機器特徴ＤＢ部４１上の特徴との距離を算出する。また、各次数の算出距離を積算して最終的な距離とする。或いは、図１２Ｂに示すように、ＦＦＴ演算部２３において算出した高調波のＦＦＴ係数を極座標で表記し、距離を位相角と、絶対値の大きさで分離して考え、それぞれの距離を算出し、それぞれに重みα、βの係数を乗じて、距離を算出する。高調波の次数毎に極座標を使用して距離を距離＝α×ａｂｓ（ｒ１−ｒ２）＋β×（Θ１−Θ２）とし、算出結果（ＦＦＴの係数）と機器特徴ＤＢ部４１上の特徴との重み付き距離を算出する。このαとβは任意であるが、家電の特徴により変化させるとよい。位相を重視すべきときはβの値を大きくすればよい。
この距離を算出する際、すべての動作状態に対して距離を求めると演算量やメモリが増大するために、機器履歴特徴検出部３２で検出したＯＮ動作機器情報を使用する。すべての動作状態のうち、ＯＮ動作機器情報に合致する動作状態に対してのみ、距離を算出する。このようにすることにより、演算量やメモリを削減できるだけでなく、誤推定を削減することができ、推定精度を向上させることができる。

機器動作状態推定部４３では、高調波重み付き距離算出部４２で算出した重み付き距離を比較し、この距離が最も小さくなる動作状態を選択し（ステップＳＴ３−６）、推定結果として出力する。このようにして、機器動作状態推定部４３では、変化時刻に対応した時刻、および動作状態の時系列推定結果を家電ごとに出力する（ステップＳＴ３−７）。

［動作状態に応じた消費電力の推定］
消費電力推定部６２では、機器動作状態推定部４３が算出した家電ごとの時刻、および動作状態の時系列推定結果から、対応した消費電力モデルを消費電力ＤＢ部６１より読み出す。
図１３は、図６に示すフロー図における動作状態に応じた消費電力推定処理（ステップＳＴ４）での消費電力推定モデルについて説明するための図である。図１３に示すように、電流の多くは、１次、３次、５次の成分で構成されているため、消費電力は、電流の高調波の１次、３次、５次の回帰モデルで表現することができる。つまり、家電の消費電力は、高調波の各次数、特に低い次数のパワースペクトルと相関性が高いので、これを利用して高調波のパワースペクトルと消費電力との回帰モデルを使用する。機器動作状態推定部４３からは、時刻と動作状態が出力されるので、動作状態中の高調波情報より、パワースペクトルを算出し、これと回帰モデルから消費電力を算出する。

以上の実施形態の構成により、複数の家電が同時に動作時、対象となる複数の機器の動作状態それぞれの組み合わせが増大することによる演算量およびメモリの増大や誤推定を削減することが可能となる。このように、あらかじめ家電の組み合わせ状態を限定することにより、機器状態推定装置５０では誤検出を削減し、機器消費電力推定装置７０における消費電力推定の精度を向上することができる。

続いて、実施形態の機器状態推定装置５０ａおよび機器消費電力推定装置７０ａを、図面を参照して説明する。図１４は、実施形態の機器状態推定装置５０ａおよび機器消費電力推定装置７０ａの構成を示す図である。なお、図１４において、図２と同じ部分には同じ符号を付し、その説明を適宜省略する。
図１４に示すように、機器状態推定装置５０ａは、電圧・電流測定部１０、高調波算出部２０ａ、履歴特徴検出部３０、および動作状態推定部４０ａを備える。機器消費電力推定装置７０ａは、機器状態推定装置５０ａ、および機器消費電力推定部６０を備える。
実施形態の装置は、各家電の電圧および電流の測定データから、各家電の動作状態を推定する機器状態推定装置５０ａと、各家電の消費電力を推定し、出力する機器消費電力推定装置７０ａである。
電圧・電流測定部１０、および履歴特徴検出部３０は、機器状態推定装置５０と同じであり、機器消費電力推定部６０は、機器消費電力推定装置７０と同じである。

高調波算出部２０ａは、ＦＦＴ演算部２３ａ（第１ＦＦＴ演算部）を備える。ＦＦＴ演算部２３ａは、電流または電力の波形に対してＦＦＴを行い、高調波のＦＦＴ係数を算出する。
動作状態推定部４０ａは、機器特徴ＤＢ部４１ａ、尤度算出部４２ａ、および機器動作状態推定部４３ａを備える。
機器特徴ＤＢ部４１ａでは、あらかじめ各家電の各動作状態の高調波のＦＦＴ係数を記録しておき、尤度算出部４２ａにデータを出力する。機器特徴ＤＢ部４１と異なるのは、機器特徴ＤＢ部４１ａでは、各動作状態の高調波の各成分の分布もしくはＦＦＴ係数の分布情報である。例えばこの分布が正規分布であれば、分布の平均値およびその偏差、もしくは分散を機器特徴ＤＢ部４１ａで記録し、尤度算出部４２ａに出力する。

尤度算出部４２ａでは、機器特徴ＤＢ部４１ａから読み出した各家電の各動作状態の尤度関数を作成し、算出した電流波形の高調波の尤度を算出する。すべての動作状態に対して尤度を求めると演算量やメモリが増大するために、機器履歴特徴検出部３２で検出したＯＮ動作機器情報を使用し、すべての動作状態のうち、ＯＮ動作機器情報に合致する動作状態に対してのみ、尤度を算出する。
図１５は、図１４に示す尤度算出部４２ａの構成を示す図である。
尤度算出部４２ａは、動作状態組み合わせ作成部４２１、尤度関数作成部４２２、および尤度評価部４２３を備える。
動作状態組み合わせ作成部４２１は、機器のすべての動作状態の組み合わせの中から、機器履歴特徴検出部３２が出力したＯＮ動作状態機器と合致する組み合わせ候補を作成する。
尤度関数作成部４２２は、組み合わせ候補に対して、機器特徴ＤＢ部４１ａから読み出した各家電の各動作状態の特徴から尤度関数を作成する。
尤度評価部４２３では、尤度関数を用いて、算出した高調波の尤度を算出し、動作状態と尤度のセットを出力する。

機器動作状態推定部４３ａでは、尤度算出部４２ａが算出した尤度から、尤度が最も大きい動作状態を選択し、動作状態を出力する。

次に、実施形態の機器消費電力推定装置７０ａでの消費電力推定処理について、図面を参照して説明する。図１６は、実施形態の機器消費電力推定装置７０ａにおける消費電力推定処理の全体の流れを示すフロー図であり、図１７Ａから１７Ｃは、図１６に示すフロー図における処理データの一例を示す図である。
電圧・電流測定部１０は、記録した、時刻、並びに電圧および電流の時系列データ（図１７Ａに示す時系列データ）をＦＦＴ演算部２３ａおよび機器履歴特徴検出部３２に入力する（ステップＳＴ１１）。
ＦＦＴ演算部２３ａおよび機器履歴特徴検出部３２の入力は、時刻、並びに電圧および電流の時系列データである。機器動作状態推定部４３ａは、それぞれ時刻に対して、動作状態の推定を行い、時刻、および動作状態の時系列推定結果（図１７Ｂに示す時系列推定結果）を家電ごとに算出し、次の消費電力推定部６２に出力する（ステップＳＴ１２；詳細後述）。
消費電力推定部６２の入力は、機器動作状態推定部４３ａが算出した家電ごとの時刻、および動作状態の時系列推定結果である。消費電力ＤＢ部６１に、動作状態に対応した消費電力推定モデルを用意しておき、消費電力推定部６２は、このモデルを用いて消費電力を推定する（ステップＳＴ１３）。消費電力推定部６２は、家電ごとに時刻、および消費電力の時系列推定結果（図１７Ｃに示す家電ごとの時刻、および消費電力の時系列推定結果）を出力する（ステップＳＴ１４）。

次に上記ステップＳＴ１２について詳細を説明する。
［家電の動作状態の推定処理］
図１８は、図１６に示すフロー図における家電の動作状態の推定処理（ステップＳＴ１２）の流れを示すフロー図である。図１９ＡからＣは、図１８に示すフロー図における処理データの一例を示す図である。
ＦＦＴ演算部２３ａに、動作状態の変化時刻と電圧および電流の時系列データが入力される（ステップＳＴ１２−１）。

ＦＦＴ演算部２３ａにおいて、電流、または電力の特徴波形に対してＦＦＴを行い、高調波を算出する（ステップＳＴ１２−２）。また電流データは、電圧波形を参照し、電圧の位相が０になる時刻から波形を切り出している。電圧を参照することにより基本波の位相を合わせており、この処理の結果、基本波の位相変化も動作状態の推定時に参考情報として使用できる。

機器履歴特徴検出部３２は、機器状態推定装置５０の機器履歴特徴検出部３２と同様、時刻、並びに電圧および電流の時系列データから、時間変化の特徴を算出し、この算出した特徴（図１９Ｂに示す）と、機器履歴特徴ＤＢ部３１の情報（図１９Ａに示す）とを比較し、ＯＮ動作状態にある機器を検出する（ステップＳＴ１２−３）。

尤度算出部４２ａでは、ＯＮ動作機器を考慮し、機器特徴ＤＢ部４１ａ上の特徴から、算出した高調波（図１９Ｃに示す）の尤度を算出する（ステップＳＴ１２−４）。
尤度算出部４２ａにおいて、機器のすべての動作状態の組み合わせの中から、機器履歴特徴検出部３２が出力したＯＮ動作状態機器と合致する組み合わせ候補を作成する。例えば、洗濯機がＯＮという結果の場合、洗濯機がＯＮ状態を含む組み合わせ、例えば、洗濯機であれば「すすぎ」、電子レンジであれば「５００Ｗあたため」、…といった組み合わせ候補を作成する。この組み合わせ候補に対して、機器特徴ＤＢ部４１ａから読み出した各家電の各動作状態の特徴から尤度関数を作成する。図１９Ｃに示すように、機器特徴ＤＢ部４１ａの分布情報、例えば正規分布では、その平均値と偏差から尤度関数を作成することができる。この尤度関数を用いて、算出した高調波の尤度を算出し、動作状態と尤度のセットを出力する。

機器動作状態推定部４３ａでは、尤度算出部４２ａで算出した尤度を比較し、この尤度が最も大きい動作状態を選択し（ステップＳＴ１２−５）、推定結果として出力する。このようにして、変化時刻に対応した時刻、および動作状態の時系列推定結果を家電ごとに出力する（ステップＳＴ１２−６）。

以上の実施形態の構成により、実施形態の機器状態推定装置５０ａは、機器状態推定装置５０では動作状態変化時のみしか動作状態推定を行わなかったが、常に動作状態を推定することができ、精度が向上する。さらに、尤度を用いて評価するので、高調波の低次から高次まで同一の指標で評価できるようになるために、推定精度が向上する。

続いて、実施形態の機器状態推定装置５０ｂおよび機器消費電力推定装置７０ｂを、図面を参照して説明する。図２０は、実施形態の機器状態推定装置５０ｂおよび機器消費電力推定装置７０ｂの構成を示す図である。なお、図２０において、図１４と同じ部分には同じ符号を付し、その説明を適宜省略する。
図２０に示すように、機器状態推定装置５０ｂは、電圧・電流測定部１０、動作状態の変化検出部２１、高調波算出部２０ａ（ＦＦＴ演算部２３ａ）、履歴特徴検出部３０（機器履歴特徴ＤＢ部３１および機器履歴特徴検出部３２）、および動作状態推定部４０ａ（機器特徴ＤＢ部４１ａ、尤度算出部４２ａ、機器動作状態推定部４３ａ）を備える。機器消費電力推定装置７０ｂは、機器状態推定装置５０ｂ、および機器消費電力推定部６０（消費電力ＤＢ部６１、消費電力推定部６２）を備える。
実施形態の装置は、各家電の電圧および電流の測定データから、各家電の動作状態を推定する機器状態推定装置５０ｂと、各家電の消費電力を推定し、出力する機器消費電力推定装置７０ｂである。
機器状態推定装置５０ｂは、機器状態推定装置５０における動作状態の変化検出部２１が機器状態推定装置５０ａに加わったものである。

実施形態の機器消費電力推定装置７０ｂでの消費電力推定処理については、図１６に示す、機器消費電力推定装置７０ａにおける消費電力推定処理と同じであり、異なるのは家電の動作状態の推定処理（ステップＳＴ１２）の内容である。このステップＳＴ１２について詳細を説明する。
［家電の動作状態の推定処理］
図２１は、実施形態の機器消費電力推定装置７０ｂにおける家電の動作状態の推定処理の流れを示すフロー図である。
電圧・電流測定部１０は、記録した、時刻、並びに電圧および電流の時系列データを動作状態の変化検出部２１に入力する（ステップＳＴ１２ｂ−１）。
動作状態の変化検出部２１は、時刻、並びに電圧および電流の時系列データから、動作状態の変化時刻（電流波形の不連続点）を検出し（ステップＳＴ１２ｂ−２）、この動作状態の変化時刻（動作状態変化時刻）を、動作状態推定部４０ａに出力する。
ＦＦＴ演算部２３ａはＦＦＴによる高調波算出を行い（ステップＳＴ１２ｂ−３）、機器履歴特徴検出部３２は、機器履歴特徴ＤＢ部３１上の特徴と算出した特徴とを比較し、ＯＮ動作状態にある機器を検出し（ステップＳＴ１２ｂ−４）、尤度算出部４２ａは、機器特徴ＤＢ部４１ａ上の特徴から、算出した高調波の尤度を算出する（ステップＳＴ１２ｂ−５）。これらのステップＳＴ１２ｂ−３〜ステップＳＴ１２ｂ−５は、それぞれ機器状態推定装置５０ａでのステップＳＴ１２−２〜ステップＳＴ１２−４と同じである。

尤度算出部４２ａは、算出した尤度を比較し、この尤度が最も大きな動作状態を推定結果として選択する（ステップＳＴ１２ｂ−６）。しかし、機器状態推定装置５０ｂの尤度算出部４２ａは、動作状態の変化時刻前後（Δｔ）では、この推定結果を破棄、もしくはこの過程を飛ばし、前回の（直前の）動作状態推定結果を維持する。
機器動作状態推定部４３ａは、動作状態の変化時刻前後（Δｔ）での推定結果を補正して、変化時刻に対応した時刻、および動作状態の時系列推定結果を家電ごとに出力する（ステップＳＴ１２ｂ−７）。

以上の機器状態推定装置５０ｂの構成により、動作変化の前後では推定を行わなくなる、もしくは推定結果が破棄される。動作変化の前後では、状態が遷移するために、その高調波は大きく変化する。このため、遷移中の高調波の特徴は、機器特徴ＤＢ部４１ａの特徴と一致しないことが多く、誤推定の原因となっている。そこで、機器状態推定装置５０ｂでは、遷移中の推定を行わないことで、誤推定を削減することができる。

続いて、実施形態の機器消費電力推定装置７０ｃを、図面を参照して説明する。図２２は、機器消費電力推定装置７０ｃの構成を示す図である。機器消費電力推定装置７０ｃは、機器消費電力推定装置７０ｂの機器状態検出および機器消費電力検出の機能がサーバ側７０＿ｃ１とローカル側７０＿ｃ２に分割されている。
サーバ側７０＿ｃ１は、履歴特徴検出部３０（機器履歴特徴ＤＢ部３１および機器履歴特徴検出部３２）、動作状態推定部４０ａ（機器特徴ＤＢ部４１ａ、尤度算出部４２ａ、機器動作状態推定部４３ａ）、および機器消費電力推定部６０（消費電力ＤＢ部６１、消費電力推定部６２）を備える。
ローカル側７０＿ｃ２は、電圧・電流測定部１０、動作状態の変化検出部２１、高調波算出部２０ａ（ＦＦＴ演算部２３ａ）、および消費電力受信部７１を備える。
サーバ側７０＿ｃ１は、ローカル側７０＿ｃ２から取得した高調波の特徴を基に消費電力を推定し、その結果をローカル側７０＿ｃ２に送信する。ローカル側７０＿ｃ２における消費電力受信部７１は、サーバ側７０＿ｃ１で推定した消費電力を受信し、ローカル側７０＿ｃ２において受信した消費電力を表示する。

この構成では、ローカル側７０＿ｃ２のＦＦＴ演算部２３ａの結果を、ネットワークを通じてサーバ側７０＿ｃ１へ送信する。サーバ側７０＿ｃ１では、ＦＦＴ演算部２３ａの結果から、最も尤度が大きくなる動作状態を推定し、消費電力を推定し、この結果をローカル側７０＿ｃ２へ送信する。サーバ側７０＿ｃ１、ローカル側７０＿ｃ２それぞれにおける処理は機器消費電力推定装置７０ｂと同様である。このような構成にすることで、ローカル側７０＿ｃ２でのハードウェアコストを削減することができるだけでなく、ＤＢ部に記録している高調波のＦＦＴ係数の特徴や消費電力推定のための回帰モデルを柔軟に変更できる。例えば、サーバ側７０＿ｃ１で経年劣化に対応するなどの対応が可能になる。

実施形態の機器状態推定装置および機器消費電力推定装置は、プログラムと、プログラムを実行するＣＰＵ（Central Processing Unit）などのプロセッサによって実現されてよい。機器状態推定装置および機器消費電力推定装置の上記機能を実現するプログラムは、例えば、家庭内等における機器による消費電力を管理するシステムであるＨＥＭＳ（Home Energy Management System）に用いられるサーバ、スマートメータ、スマートタップ、クラウドコンピュータ、その他、消費電力を管理するためのサーバ上で動作してよい。また、上記のプログラムを非一時的コンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより制御処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳ(Operating System)や周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ(Read Only Memory)、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また、機器状態推定装置および機器消費電力推定装置は、コンピュータプロセッサにロードされて実行された場合に、コンピュータ読み取り可能なインストラクションを含むコンピュータプログラム製品であってよい。この場合、機器状態推定装置および機器消費電力推定装置は、インターネット等の外部のネットワークを介してダウンロードされたプログラムをインストールすることによりソフトウェア的に実現されてよい。

以上、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、例として提示したものであり、発明の範囲を限定することは意図していない。これらの実施形態は、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。これらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、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ものである。

Claims (15)

1. 給電線における電流または電力の高調波の時間変化の特徴と、少なくとも１つの機器の予め求められている高調波の時間変化の特徴との比較に基づいて、前記機器の動作状態毎の予め求められている高調波のＦＦＴ係数から前記機器の各動作状態に対応する高調波のＦＦＴ係数を読み出す読出部と、
   前記読出部により読み出された高調波のＦＦＴ係数と、前記電流または電力の高調波から得られた高調波のＦＦＴ係数との類似性に基づいて、前記機器の動作状態を推定する動作状態推定部と、
   を備える機器状態推定装置。
2. 前記高調波の時間変化の特徴は、前記高調波の時系列データである、
   請求項１に記載の機器状態推定装置。
3. 前記高調波の時間変化の特徴は、前記高調波の時系列データの複素平面上における軌跡である、
   請求項１に記載の機器状態推定装置。
4. 前記動作状態推定部は、前記読出部により読み出された高調波のＦＦＴ係数と、前記電流または電力の高調波から得られた高調波のＦＦＴ係数との間の重み付き距離に基づいて、前記類似性を判断し、前記重み付き距離は、高調波のＦＦＴ係数を極座標で表記した場合の動径の差の絶対値と位相角の差のそれぞれに重み係数を乗じた距離である、
   請求項１に記載の機器状態推定装置。
5. 前記給電線における電流または電力の高調波の時間変化の特徴と、前記少なくとも１つの機器の予め求められている高調波の時間変化の特徴との比較に基づいて、ＯＮ動作状態にある前記機器を検出する履歴特徴検出部と、
   一定周期で前記給電線の電圧および電流を測定し、時刻、並びに電圧および電流の時系列データを記録する電圧・電流測定部と、
   高調波算出部であって、
   前記電流の時系列データから、機器の動作状態の変化時刻を検出する動作状態の変化検出部と、
   前記電流の時系列データから、前記変化時刻前後での特徴電流波形を切り出す特徴波形抽出部と、
   前記特徴波形抽出部が切り出した特徴電流波形に対して電流波形を切り出して１以上の周波数成分を算出する第１ＦＦＴ演算部と、を有する高調波算出部と、
   を備え、
   前記履歴特徴検出部は、前記電流の時系列データから電流波形を切り出して１以上の周波数成分を算出する第２ＦＦＴ演算部を有し、
   前記動作状態推定部は、前記高調波算出部から前記周波数成分を提供される、
   請求項１記載の機器状態推定装置。
6. 前記動作状態推定部は、前記読出部により読み出された高調波のＦＦＴ係数と、前記電流または電力の高調波から得られた高調波のＦＦＴ係数とから尤度を算出し、前記算出した尤度に基づいて、前記類似性を判断する、
   請求項１記載の機器状態推定装置。
7. 前記動作状態推定部は、前記読出部により読み出された前記機器の動作状態毎の高調波のＦＦＴ係数の分布情報と、前記電流または電力の高調波から得られた高調波のＦＦＴ係数とから尤度を算出する、
   請求項６に記載の機器状態推定装置。
8. 前記高調波のＦＦＴ係数の分布情報は、前記機器の動作状態毎の高調波の分布を正規分布とした場合の平均値と偏差である、
   請求項７に記載の機器状態推定装置。
9. 一定周期で前記給電線の電圧および電流を測定し、時刻、並びに電圧および電流の時系列データを記録する電圧・電流測定部と、
   前記電流の時系列データから、電流波形の不連続点を検出し、この時刻を動作状態変化時刻とする動作状態の変化検出部と
   をさらに備え、
   前記高調波の時間変化の特徴は、前記高調波の時系列データ複素平面上での軌跡がなす円弧の半径、中心座標、軌跡を描く際の角速度のいずれかである、
   請求項６に記載の機器状態推定装置。
10. 前記動作状態推定部は、前記動作状態変化時刻を参照して、動作状態変化時刻の前後Δｔの間の推定結果を破棄し、直前の動作状態推定結果を維持する、
    請求項９に記載の機器状態推定装置。
11. 請求項１から請求項１０のうちいずれか一項に記載の前記機器状態推定装置と、
    前記動作状態推定部が推定した前記機器の動作状態に基づいて、前記機器の消費電力を推定する機器消費電力推定部と、
    を備える、機器消費電力推定装置。
12. 前記機器消費電力推定部は、
    あらかじめ機器の各動作状態の高調波特徴とそれに対応した消費電力とを記録しておく消費電力ＤＢ部と、
    前記動作状態推定部が推定した前記機器の動作状態と前記消費電力ＤＢ部の情報から消費電力を推定する消費電力推定部と、
    を有する請求項１１に記載の機器消費電力推定装置。
13. 請求項１０に記載の前記機器状態推定装置と、
    前記動作状態推定部が推定した動作状態に基づいて、前記機器の消費電力を推定する機器消費電力推定部を備え、
    前記機器状態推定装置は、前記給電線における電流または電力の高調波の時間変化の特徴と、前記少なくとも１つの機器の予め求められている高調波の時間変化の特徴との比較に基づいて、ＯＮ動作状態にある前記機器を検出する履歴特徴検出部をさらに備え、
    前記機器消費電力推定部は、
    あらかじめ機器の各動作状態の高調波特徴とそれに対応した消費電力とを記録しておく消費電力ＤＢ部と、
    前記動作状態推定部が推定した動作状態と前記消費電力ＤＢ部の情報から消費電力を推定する消費電力推定部と、を有し、
    機器状態検出および機器消費電力検出の機能がサーバ側とローカル側に分割され、
    前記ローカル側は、前記動作状態の変化検出部、ＦＦＴ演算部、および消費電力受信部を有し、
    前記ＦＦＴ演算部は、前記電流または電力の波形を切り出して１以上の周波数成分を算出し、
    前記消費電力受信部ではサーバ側で推定した消費電力を受信し、表示することができ、
    前記サーバ側は、前記履歴特徴検出部、前記動作状態推定部、および前記機器消費電力推定部を有し、
    前記ローカル側から取得した高調波の特徴を基に消費電力を推定し、その結果を前記ローカル側に送信する、
    機器消費電力推定装置。
14. コンピュータに、
    給電線における電流または電力の高調波の時間変化の特徴と、少なくとも１つの機器の予め求められている高調波の時間変化の特徴との比較することと、
    前記比較に基づいて、前記機器の動作状態毎の予め求められている高調波のＦＦＴ係数から、前記機器の各動作状態に対応する高調波のＦＦＴ係数を読み出すことと、
    読み出された高調波のＦＦＴ係数と、前記給電線における電流または電力の高調波から得られた高調波のＦＦＴ係数との類似性に基づいて、前記機器の動作状態を推定することと、
    を実行させるためのプログラム。
15. 推定された動作状態に基づいて、前記機器の消費電力を推定することをコンピュータに実行させるための、請求項１４に記載のプログラム。

Images