JP6605357B2 - 異常検知装置、異常検知システムおよびその方法 - Google Patents

Description

本発明は、異常検知装置、異常検知システムおよびその方法に関する。

非特許文献１は、水道配水プロセスの流量や圧力の計測値時系列に対して、サポートベクター回帰を応用することで、過去の時刻の観測値から次の時刻の予測値を計算し、さらに新規性検知（Ｎｏｖｅｌｔｙ ｄｅｔｅｃｔｉｏｎ）を行うことで、漏水発生等の水道配水プロセスの異常検知を行う方法を開示している。

Ｓ．Ｒ． Ｍｏｕｎｃｅ， Ｒ．Ｂ． Ｍｏｕｎｃｅ ａｎｄ Ｊ．Ｂ． Ｂｏｘａｌｌ， Ｎｏｖｅｌｔｙ ｄｅｔｅｃｔｉｏｎ ｆｏｒ ｔｉｍｅ ｓｅｒｉｅｓ ｄａｔａ ａｎａｌｙｓｉｓ ｉｎ ｗａｔｅｒ ｄｉｓｔｒｉｂｕｔｉｏｎ ｓｙｓｔｅｍｓ ｕｓｉｎｇ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ， Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｉｎｆｏｒｍａｔｉｃｓ， Ｖｏｌ １３， Ｉｓｓｕｅ ４， ｐｐ．６７２−６８６ （２０１１）

非特許文献１の方法で漏水発生等の水道配水プロセスの異常検知を行う場合、小規模な漏水発生等の異常を検知できない。この方法は、漏水発生後の次の時刻の予測値算出に漏水発生の影響を受けた計測値を利用する。このため、小規模な漏水発生の場合、予測値が漏水発生後の計測値に近くなり、予測値と計測値との差が小さくなる。したがって、漏水発生直後に予測値と計測値の差が十分大きくなる大規模な漏水ならば、予測値が漏水発生の影響を受ける前に検知できるが、小規模な漏水は検知できない。

ここで、漏水の規模とは、漏水が流量や圧力等のセンサの計測値に与える変化を、漏水が発生していない平常時の計測値の変動に対する相対的な比率で評価した規模とする。水道管からの漏水として流量の絶対値が大きい漏水であったとしても、その漏水が配水量の多い配水区域内で起きれば、小規模な漏水となる。

そこで、流量や圧力等の計測値から、小規模な漏水の発生であっても検知できることが望まれる。言い換えると、計測値に緩やかな変化を与える、プロセスの異常であっても検知できることが望まれる。

開示する異常検知装置は、複数の予測判定方式の各々を用いて、複数の予測判定方式に応じたデータ範囲の、監視対象プロセスのセンサの計測値に基づいて、判定時刻におけるセンサの第１の計測値の予測値を予測し、（1）予測値と判定時刻における第１の計測値との差、及び、（2）予測値の上限値と下限値との範囲外の第１の計測値、の少なくとも一方に基づいて、監視対象プロセスの異常を判定し、複数の予測判定方式の、異常を判定した異常判定結果を出力する予測判定部、異常判定結果が含む異常が影響を及ぼす第２の計測値を影響データとして含む範囲を影響データ範囲として選定する影響データ選定部、異常判定結果のうち、影響データ範囲に含まれる影響データに基づいた異常判定結果の信頼度を下げて、複数の予測判定方式の前記異常判定結果を統合する判定統合部、および統合した異常判定結果を出力する出力部を有する。

開示する異常検知装置によれば、計測値に緩やかな変化を与える、プロセスの異常であっても検知できる。

異常検知システムの構成図である。 異常検知装置のハードウェア構成例である。 異常検知装置が監視対象とする水道管網の構成例である。 異なる予測判定方式による予測および異常判定を示す図である。 判定統合部の処理フローチャートである。 異常検知装置による漏水発生の検知結果の表示例である。 実施例２の異常検知システムの構成図である。

以下、図面を用いて実施例を説明する。

図１は、流量、圧力等のセンサ計測値に基づいて、水道配水プロセス（水道管網）を監視して、漏水発生等の異常を検知する異常検知システム１００の構成図である。異常検知システム１００は、異常検知装置１０１、流量や圧力等の計測値を得るセンサ１９１、計測値収集装置１０２、および警報表示装置１０３を有する。

異常検知装置１０１は、影響データ選定部１１１、判定統合部１１２、予測判定部１３１、予測判定部１３２、計測値収集部１５１、および出力部１５２の各処理部、並びに、計測値記憶部１２１、補助データ記憶部１２２、および予測判定方式データ記憶部１２３の各記憶部を有する。

影響データ選定部１１１は、予測判定部１３１、１３２（以下、予測判定部１３１、１３２を個別に説明する必要がない場合は予測判定部１３１を代表させる。）から異常判定結果を入力し、異常判定結果が異常との判定であれば、この異常が影響を及ぼす計測値のデータ範囲を選定し、選定したデータ範囲を影響データ範囲（後述）として判定統合部１１２に出力する。影響データ選定部１１１の処理の詳細は後述する。

判定統合部１１２は、予測判定部１３１から異常判定結果を入力し、影響データ選定部１１１から影響データ範囲を入力し、入力した影響データ範囲に基づき、異常判定結果の信頼度（後述）を下げて異常判定結果を統合し、統合した異常判定結果を出力部１５２に出力する。判定統合部１１２の処理の詳細は後述する。

予測判定部１３１は、計測値記憶部１２１から計測値を読み出し、必要に応じて補助データ記憶部１２２から補助データを読み出し、予測判定方式データ記憶部１２３から予測判定方式データを読み出す。予測判定部１３１は、所定の予測判定方式を用いて、予測判定方式データで定められるデータ範囲のセンサの計測値からセンサの予測値（予測時刻にセンサが計測値として出力するだろう値）を予測し、予測値と予測時刻の計測値との差（詳細は後述するが、予測値は予測値そのものと予測値の上下限値を有するので、差だけでなく上下限値の範囲の内外を含む。）から監視対象の水道管網の異常を判定し、異常判定結果を求め、影響データ選定部１１１および判定統合部１１２に異常判定結果を出力する。予測判定部１３２も、予測判定部１３１と異なる予測判定方式に基づいた異常判定結果を出力する。

また、予測判定部１３１は、計測値を含む各入力データに基づいて、予測判定方式の学習、すなわち、予測判定方式のパラメータ（予測判定方式データ）を調整し、調整した予測判定方式のパラメータを予測判定方式データ記憶部１２３に格納する。

予測判定部１３１は、予測判定方式の学習し、センサの予測値の予測、予測値と計測値の差から監視対象の水道管網の異常の判定の処理を実行する。

予測判定部１３１は、予測および異常の判定には、例えば非特許文献１に記載のサポートベクター回帰やニューラルネットワークを使用した方式などの既知の技術を利用する。予測判定部１３１の処理の詳細は後述する。

異常検知装置１０１は、異なる予測判定方式によって異常判定を行うために、複数の予測判定部１３１、１３２を備えてもよい。又は、予測判定部１３１が、予測判定方式の論理を同じくして、予測判定方式のパラメータを異なる値に調整することによって、異なる予測判定方式を実現してもよい。

計測値記憶部１２１は、計測値収集部１５１からの、監視対象の水道管網に設置されたセンサの計測値を格納する。予測判定部１３１が計測値記憶部１２１から計測値を読み出す。

補助データ記憶部１２２は、予測判定部１３１の処理に用いられる補助データを格納する。予測判定部１３１が補助データ記憶部１２２から補助データを読み出す。補助データ記憶部１２２は、予測判定部１３１による予測判定の補助データとして、例えば、季節、月日、曜日などを特定するためのカレンダー、天気、社会的なイベント等の、監視対象の水道管網の状態に影響を与える情報を予め格納しておく。異常検知装置１０１が、異常検知システム１００外の他の装置からこれらの情報を収集し、補助データ記憶部１２２に格納するようにしてもよい。

予測判定方式データ記憶部１２３は、予測判定部１３１が用いる複数の予測判定方式について、各予測判定方式を定めるパラメータなどの情報を格納する。予測判定部１３１が予測判定方式データ記憶部１２３から各予測判定方式の情報を読み出す。また、予測判定方式データ記憶部１２３は、予測判定部１３１が学習によって調整した各予測判定方式のパラメータを入力して格納する。

予測判定方式データ記憶部１２３が格納するパラメータなどの情報は、各予測判定方式について、予測判定方式のＩＤ、予測判定方式の調整済みのパラメータ、およびこのパラメータの調整に使用した計測値に係るデータ範囲（後述）である。

計測値収集部１５１は、計測値収集装置１０２から監視対象の水道管網に設置された圧力や流量等のセンサ１９１の計測値を受信し、計測値記憶部１２１に格納する。

出力部１５２は、判定統合部１１２から統合した異常判定結果を入力し、異常判定結果を異常検知システム１００の操作者に提示する。また、出力部１５２は、警報表示装置１０３に異常判定結果を出力する。

例えば、出力部１５２は、操作者向けのディスプレイに異常判定結果を表示する。または、操作者の持つスマートフォンやタブレット等のスマートデバイスを警報表示装置１０３として用い、このようなスマートデバイスからの要求に応じて、異常判定結果を送信する。出力部１５２は、異常判定結果が予め設定された条件を満たす場合、例えば、所定規模以上の漏水発生と判定された場合、警報表示装置１０３に、メールやアラーム等のプッシュ型で通知してもよい。

計測値収集装置１０２は、監視対象の水道管網の状態を計測するセンサ１９１から計測値を収集し、収集したセンサ１９１の計測値を異常検知装置１０１に送信する。

警報表示装置１０３は、出力部１５２から異常判定結果を受信し、受信した異常判定結果を表示する。また、警報表示装置１０３は、出力部１５２からの異常判定結果の通知を受信し、異常判定結果を表示してもよい。

なお、異常検知装置１０１は、センサ１９１や計測値収集装置１０２が配置される監視対象の水道管網から遠隔地に配置されてもよい。

図２は、異常検知装置１０１のハードウェア構成例である。異常検知装置１０１は、ＣＰＵ２０１、メモリ２０２、メディア入出力部２０３、入力部２０５、ネットワークと接続する通信制御部２０４、ディスプレイ等の表示部２０６、および周辺機器ＩＦ部２０７をバス２１０によって接続する、いわゆるコンピュータである。

したがって、ＣＰＵ２０１が各処理部の処理を実行し、メモリ２０２が各処理部のプログラムおよび各記憶部のデータを格納する。

なお、異常検知装置１０１、計測値収集装置１０２、および警報表示装置１０３を同じコンピュータ上で、異なるプログラムとして実装してもよい。

図３は、異常検知装置１０１が監視対象とする水道管網の構成例である。水道管網は、複数のＤＭＡ（Ｄｉｓｔｒｉｃｔ Ｍｅｔｅｒｅｄ Ａｒｅａ）によって構成される。ＤＭＡは、水道管網の区域であり、隣接する管網との間で水が流入出する管（流入出管）が少数、多くの場合は１つであり、また各流入出管で流量が計測される。

図３は、配水池３０１から給水される水道管網の構成例であり、ＤＭＡ３４０、３４１を含んでいる。この水道管網は、配水池３０１や配水管３５１等の管を含み、流量センサ３１０（図中、矩形）や圧力センサ３２０（図中、○）等のセンサ、バルブ３６１等の付帯設備で構成されている。

ＤＭＡ３４０は、流量センサ３１１が設置された１つの流入出管を有し、隣接区域（ＤＭＡ３４１）と接続する管のバルブ３６１が閉止されている。また、ＤＭＡ３４０には、圧力センサ３２０−３２２が設置されている。ＤＭＡ３４１は、流量センサ３１２および流量センサ３１３が設置された流入出管を有する。

計測値収集装置１０２が計測値を収集するセンサ１９１は、図３の水道管網の例では流量センサ３１０−３１３および圧力センサ３２０−３２４である。

図４は、流量センサ３１１の計測値と異なる二つの予測判定方式による予測および異常判定を示す図である。図４を参照して、予測判定部１３１および影響データ選定部１１１の処理を説明する。

予測判定部１３１は、センサ３１１の計測値の収集周期、たとえば、５分間周期で起動される。予測判定部１３１は、データ入力処理として、計測値記憶部１２１からセンサ３１１の計測値を読み出し、補助データ記憶部１２２から補助データを読み出し、予測判定方式データ記憶部１２３から各予測判定方式データを読み出す。予測判定部１３１は、予測処理として、各予測判定方式を用いて、センサ３１１の最新の計測値に対応する予測値を求める。予測判定部１３１は、判定処理として、各予測判定方式を用いた予測値と最新の計測値との差に基づいて監視対象の水道管網の異常発生の有無を判定する。予測判定部１３１は、結果出力処理として、各予測判定方式を用いた異常判定結果を、影響データ選定部１１１および判定統合部１１２に出力する。

図４において、予測判定結果４９１および４９２は、予測判定部１３１が出力した予測判定方式１および予測判定方式２によるものである。各予測判定結果のグラフで、横軸は時刻、縦軸は流量センサ３１１の計測値（流量）を表す。図中の丸印４０１−４０４は、計測値の収集周期毎の各時刻での流量センサ３１１の計測値である。なお、予測判定部１３１が各予測判定方式で正常と判定した計測値は白丸、異常と判定した計測値は黒丸で、図中に示している。

時系列の予測値４１１、４１２は各予測判定方式による点予測結果、時系列の予測上限値４２１、４２２および予測下限値４３１、４３２は各予測判定方式による区間予測結果である。点予測結果は、各予測時刻（予測する時刻）における予測値の時系列データであり、区間予測結果は、各予測判定方式により予測値の予測精度が異なるので、予測精度により定まる予測上限値および予測下限値の時系列データである。予測上限値と予測下限値との差を区間と呼ぶ。

予測判定方式１は、非特許文献１に記載の方式のように、直近時刻までの時刻範囲（時間帯）の計測値に基づいて予測および判定を行う。予測判定部１３１は、予測値４１１、予測上限値４２１、および予測下限値４３１の算出に際して、判定時刻（前述の予測時刻と同じ）４８０の予測に時刻範囲４７０の計測値を用い、判定時刻４８１の予測に時刻範囲４７１の計測値を用いる。例えば、判定時刻より５分前（直近の計測値の収集時刻）までの時刻範囲の計測値を使用して判定時刻の計測値に対応する予測値を予測する。

予測判定方式２は、判定時刻より所定時間以前の時刻範囲の計測値にもとづいて予測および判定を行う。換言すると、時刻範囲の最後の計測値を得た時刻と判定時刻との間に所定時間を有する。予測判定部１３１は、予測値４１２、予測上限値４２２、および予測下限値４３２の算出に際して、判定時刻４８０の予測には時刻範囲４７５の計測値、判定時刻４８１の予測には時刻範囲４７６の計測値をそれぞれ使用する。例えば、判定時刻よりも７５分前以前の計測値を使用して判定時刻の計測値を予測する。

予測判定方式１および予測判定方式２のいずれにおいても、判定時刻の予測値は、判定時刻に計測値として得られるだろうと予測した値であり、その予測値の予測精度（振れ幅）の上限が予測上限値であり、下限が予測下限値である。

上記のように、判定時刻よりも所定時間以前の時刻範囲の計測値に基づく予測判定方式の所定時間として異なる複数の時間を設定することで、複数の予測判定方式を用いていることになる。予測判定方式１は、所定時間を５分とする方式であり、予測判定方式２は、所定時間をたとえば７５分とする方式である。また、時刻範囲を変える（予測に使用する計測値の数を変える）ことによって、予測精度が異なる予測判定方式が得られる。予測判定方式が用いる所定時間をパラメータとして、時刻範囲又は計測値の数をデータ範囲として、予測判定方式データ記憶部１２３に予測判定方式のＩＤと対応付けて格納している。

予測判定部１３１は、予測判定方式１および予測判定方式２において、判定時刻における計測値と予測値との差が所定の閾値以上の場合、及び、計測値が区間予測を外れた場合（上限値を超える又は下限値を下回る場合）、異常と判定する。

図４に示す例を用いて、計測値が区間予測を外れた場合について説明する。図４は、計測値４０１の計測時刻直前にＤＭＡ３４０で漏水が発生したデータ（計測値および予測値）を示している。予測判定方式１を用いた予測判定部１３１は、計測値４０１−４０４が予測上限値４２１と予測下限値４３１の間（区間）にあるので、正常と判定している。一方、予測判定方式２を用いた予測判定部１３１は、計測値４０２−４０４が予測上限値４２２を超えるので、異常と判定している。

この例では、流量センサ３１１の計測値を対象とした予測判定方式を説明しているが、移動平均等のフィルタリング、正規化等の各種加工を加えた値を対象としてもよい。また、他のセンサの計測値との相関を考慮した予測と判定を行うこととしてもよい。

さらに予測判定部１３１は、異常と判定した場合に、異常の発生時刻、種別、場所、発生場所等を含む異常属性を併せて推定する。予測判定部１３１は、異常属性に含まれる各属性の推定が困難な場合でも、たとえば発生時刻のような少なくとも一つの属性を推定する。予測判定方式２においては、ＤＭＡ３４０への流入量を計測する流量センサ３１１の計測値が、時刻４８０から継続的に予測値を超えており、漏水発生の特徴を示している。このため、予測判定部１３１は、異常の発生時刻は判定時刻４８０ごろ、異常の種別は漏水発生、異常の場所はＤＭＡ３４０、異常の発生場所は流量センサ３１１付近と判定する。予測判定部１３１は、異常属性の推定のために、上記のように予測値と計測値との差の拡大傾向をパターンマッチする等の技術を利用する。

影響データ選定部１１１は、予測判定部１３１より異常判定結果および異常属性を入力し、異常判定結果が異常であれば、この異常が影響を及ぼす影響データ範囲を選定し、選定した影響データ範囲を判定統合部１１２に出力する。

影響データ選定部１１１の選定処理は、予測判定部１３１から入力した異常属性に基づいて、この異常が影響を及ぼす影響データ範囲を選定する。影響データ選定部１１１は、異常の発生時刻後の時間帯に、異常の種別および発生場所が作用する位置およびセンサの計測値を、異常が影響を及ぼす影響データとして、その範囲を影響データ範囲として選定する。すなわち、影響データ範囲は、異常が影響を及ぼす、地域的範囲と時間的範囲（時刻範囲）によるので、影響データは、異常が地域的に影響を及ぼす地域的範囲に有って、異常が時間的に影響を及ぼす時間帯（時刻範囲）の計測値である。

図４の例では、予測判定方式２を用いる予測判定部１３１の予測判定結果４９２において、判定時刻４８０以降にＤＭＡ３４０で漏水発生と推定している。影響データ選定部１１１では、判定時刻４８０以降（時間帯）における、ＤＭＡ３４０と水理的な接続関係のある（地域的範囲にある）センサ、すなわち、流量センサ３１０−３１１、および、圧力センサ３２０−３２２の計測値を、異常が影響を及ぼす影響データ範囲として選定する。

例えば、異常が、ＤＭＡブリーチと呼ばれる、バルブ３６１のようなＤＭＡ境界の閉止バルブが開放されるトラブルと推定されていれば、影響データ選定部１１１は、ＤＭＡ３４０、３４１のいずれかと水理的な接続関係にある全てのセンサを地域的範囲としての影響データ範囲として選定する。

なお、影響データ選定部１１１は、水理的な接続関係があったとしても、水道管網の制御によって、予測判定部１３１が判定した異常の影響を受けないセンサは、影響データ範囲から除外する。例えば、配水池３０１にはポンプ施設があり、このポンプ施設が圧力センサ３２０を所定の制御目標量にするように制御されているとすれば、影響データ選定部１１１は、この制御の情報に基づいて、圧力センサ３２０は、予測判定部１３１が判定した異常の影響を受けていないと判断する。

図５は、判定統合部１１２の処理フローチャートである。判定統合部１１２は処理を開始すると（Ｓ５０１）、予測判定部１３１から異常判定結果を入力し、影響データ選定部１１１から影響データ範囲を入力する（Ｓ５０２）。

判定統合部１１２は、予測判定部１３１から入力した各予測判定方式による異常判定結果に対する信頼度の初期値を計算する（Ｓ５０３）。信頼度は、予測判定方式による異常判定結果の信頼性を定量化するものであり、例えば、判定時刻の予測における区間（予測上限値と予測下限値との差）の大きさの逆数を用いることができる。すなわち、区間が大きければ予測精度が悪いので、低い信頼度となる。なお、信頼度の初期値は予測判定方式ごとに固定値とし、予測判定方式データ記憶部１２３に予め格納して、判定統合部１１２では信頼度の初期値を読み出すことにしてもよい。

判定統合部１１２は、予測判定部１３１から入力した各予測判定方式による異常判定結果の内で、異常ありと判定した結果があるかどうかを判定する（Ｓ５０４）。判定統合部１１２は、異常ありの場合、Ｓ５０５へ、異常なしの場合、Ｓ５０６へ進む。

判定統合部１１２は、予測判定部１３１から入力した各予測判定方式による異常判定結果の内で、Ｓ５０４で抽出した異常判定の影響データ範囲に含まれる影響データを用いた異常判定結果があるかどうかを判定し、影響データを用いた異常判定結果について、その信頼度を下げる処理を行う。信頼度を下げる処理は、例えば、影響データを使用した異常判定結果の信頼度を０とする。予測判定部１３１が予測判定に使用した影響データとしての計測値の数等に応じて、より精緻に信頼度を計算してもよい。また、影響データを用いたかどうかの判定は、予測に用いた計測値だけでなく、予測判定方式のパラメータの調整に用いた計測値を含める。

判定統合部１１２は、予測判定部１３１から入力した各予測判定方式による異常判定結果を、信頼度に基づいて統合する（Ｓ５０６）。統合方法は、例えば、信頼度の最も高い異常判定結果を採用する。また、信頼度が所定以上の異常判定結果の多数決を取る、信頼度で重みづけしたうえで異常判定結果の平均をとる等の統合方法を用いてもよい。

判定統合部１１２は、統合した異常判定結果を出力部１５２に出力し（Ｓ５０７）、処理を終了する（Ｓ５０８）。

図４の例では、判定時刻４８１の計測値４０４に対する予測判定部１３１の、予測判定方式１を用いる予測判定結果４９１では正常、予測判定方式２を用いる予測判定結果４９２では異常と判定している。予測判定方式１の方が、予測判定方式２に比べてより直近の計測値までを用いて判定しているので、信頼度の初期値は予測判定方式１の方が、予測判定方式２に比べて高い。

しかし、予測判定部１３１は、予測判定方式１による判定時刻４８１の判定のために、予測判定方式２が判定した異常が時間的に影響する計測値（影響データ）を用いている。このため、判定統合部１１２は、予測判定方式１の信頼度を０とし（信頼度を下げる）、結果として最も信頼度の高い予測判定方式２の結果を採用する。

図６は、異常検知装置１０１による漏水発生の検知結果の表示例である。図６を参照して、出力部１５２が異常の判定結果を操作者へ提示する方法について説明する。

出力部１５２がディスプレイ等の表示部２０６に表示する異常検知結果ウィンドウ６０１は、予測判定表示パネル６０２および判定統合表示パネル６０３を有する。出力部１５２は、判定統合部１１２から入力した異常判定結果を異常検知結果ウィンドウ６０１の各パネルに表示する。

出力部１５２は、予測判定表示パネル６０２に、異常判定結果を表示する。図６では、異常判定の根拠となった図４の予測判定結果４９２に対応する情報を表示している。特に、異常と判定され、異常が時間的に影響する影響データ範囲を、異常影響時刻範囲６２１として強調表示している。操作者は、センサ選択ボックス６１１、予測判定方式選択ボックス６１２を操作することで、出力部１５２が予測判定表示パネル６０２に表示するセンサ、予測判定方式を変更する。

出力部１５２は、判定統合表示パネル６０３に、各予測判定方式の判定結果と、統合に利用した情報を表示する。判定統合表示パネル６０３の表には、統合に利用した情報として、予測判定方式のＩＤ、その信頼度、正常または異常の判定結果、影響データの使用の有無、異常個所、異常の発生時刻、および種別を表示している。

以上の構成により、異常検知装置１０１は、流量、圧力等のセンサの計測値に基づいて、小規模な漏水の発生であっても検知できる。

なお、複数の予測判定方式による予測判定を行う予測判定部と、判定結果を統合する統合判定部とを備えていない異常検知装置で、異常判定の感度を上げて小規模な漏水の発生を検知すると、正常範囲内でのセンサの計測値の変化をも異常と判定する誤報が多発する。このため、実用的には大規模な漏水の発生しか検知できない。

本実施例の異常検知装置によれば、流量や圧力等の計測値に緩やかな変化を与える、小規模な漏水などの異常の発生であっても検知できる。

より具体的には、本実施例の異常検知装置は、異常が影響を及ぼした影響データの使用の有無で、予測判定方式の信頼度を評価したうえで、判定結果を統合することで、誤報の割合を低く抑えて、小規模な漏水の発生を検知できる。

また、小規模な漏水を検知できることによって、本実施例の異常検知装置は、緩やかなに増加して大規模な漏水となる事象をより早期に検知できる。

図７は、本実施例の異常検知システム１００の構成図である。本実施例の異常検知装置１０１は、実施例１の構成に加えて、判定統合部１１２の異常判定結果にもとづいて予測判定部１３１が利用する予測判定方式を選択する方式選択部７０１を備える。実施例１と異なる点を中心に説明する。

予測判定部１３１は、予測判定方式データ記憶部１２３に格納されている予測判定方式（厳密には、予測判定方式データによって定められた予測判定方式）の中で、方式選択部７０１によって選択された予測判定方式による予測および判定を行う。本実施例では、予測判定方式データ記憶部１２３に格納されている予測判定方式を、予測判定方式の候補と呼ぶ。

方式選択部７０１は、判定統合部１１２から異常判定結果および影響データ範囲を入力する。方式選択部７０１は、予測判定方式データ記憶部１２３から予測判定方式の候補リストを読み出し、入力した異常判定結果および影響データ範囲を参照して、読み出した候補リストから予測判定部が利用する予測判定方式を選択し、選択した予測判定方式を予測判定部１３１に出力する。

漏水発生等の異常が検知されてから時間が経過すると、異常の影響データ範囲が広がり、異常の影響データを使用する予測判定方式が増える。図４の例において、判定時刻４８１では予測判定方式２を用いた予測判定部１３１は影響データを使用していないが、さらに時間が経過すると予測判定方式２を用いても、予測判定部１３１は影響データを使用せざるを得なくなる。

方式選択部７０１は、具体的には、判定統合部１１２が異常と判定した際に、予測判定方式の候補のうち、この異常の影響を受ける影響データ（計測値）を除外したデータ範囲の計測値を利用する予測判定方式を選択する。

例えば、方式選択部７０１は、予測判定方式２よりも更に過去の時刻範囲の計測値を用いる予測判定方式を選択する。または、方式選択部７０１は、ＤＭＡ３４０のセンサの計測値を使用せずに、補助データ記憶部１２２に格納されている曜日、天候等の各種の補助データや、ＤＭＡ３４０と相関の高いＤＭＡの配水流量などから流量センサ３１１の流量を予測する予測判定方式を選択する。

方式選択部７０１が予測判定方式を選択するトリガーとなる異常判定の基準は、操作者に提示する異常判定の基準よりも、確実度（異常判定結果の確からしさ）を低くしてもよい。すなわち、予測判定部１３１は、２段階の時刻区間（データ範囲）を設けて、２段階の確実度を求めると共に異常判定し、方式選択部７０１は、確実度の低い異常判定結果をトリガーとして予測判定方式を選択してもよい。この場合、判定統合部１１２は、確実度の高い異常判定結果を出力部１５２に出力する。予測判定部１３１が３段階以上の時刻区間を設けて確実度を求めると共に異常判定した場合、方式選択部７０１は、確実度が所定の閾値未満のとき予測判定方式を選択し、確実度が所定の閾値以上のとき異常判定結果を出力部１５２に出力してもよい。

以上により、本実施例の異常検知装置１０１は、方式選択部が異常の影響データを使用しない予測判定方式を選択することで、異常が長期間継続する場合においても、異常判定結果の確実度を維持した、異常の検知を継続できる。

また、本実施例の異常検知装置１０１は、異常の判定に有効な予測判定方式を選択的に用いることにより、異常検知装置１０１の処理負荷を抑制できる。

本実施例は、実施例２に加えて、方式選択部７０１が、計測値の収集を指示する異常検知装置１０１および異常検知システム１００である。

異常検知システム１００は、平常時の計測値の収集周期は長いものの、計測値収集装置１０２からの明示的な指示によって計測値を収集できる、周期動作とデマンドによる動作の双方に対応するセンサ１９１を含む。センサの具体例としては、例えば、大口水需要者の料金メータであり、３０分周期で水使用量を計測し、記録しているが、記録した計測値を１日周期での送信するように設定されたスマートメータ等である。

異常検知装置１０１は、予測判定方式データ記憶部１２３に、計測値の収集の指示（デマンド）に対応するセンサの計測値を用いることで、信頼度の高い予測判定を実行する予測判定方式を候補として格納している。

方式選択部７０１は、判定統合部１１２からの異常判定結果の入力に応じて、前述の候補の予測判定方式（データ）を選択して、予測判定部１３１に出力すると共に、選択した予測判定方式が必要とする計測値の収集を計測値収集部１５１に指示する。計測値収集部１５１は、方式選択部７０１からの指示に応答して、計測値収集装置１０２に必要な計測値の収集を指示する。

例えば、図４の例にて、水の使用が、推定される漏水と類似する需要者がＤＭＡ３４０にあり、この需要者の料金メータが計測値の収集の指示に対応するスマートメータである場合、方式選択部７０１が、そのスマートメータが計測する水使用量の収集を計測値収集装置１０２に指示し、スマートメータが計測する水使用量を計測値として利用する予測判定方式を選択する。なお、漏水と類似する水の使用は、例えば、需要者への給水管の口径が、推定される漏水に相当する流量が流れる口径かどうかで判別できる。

本実施例の異常検知装置１０１によれば、例えば漏水と需要者の水利用とを、スマートメータからの計測値を収集することで、漏水発生の誤報を抑制できる。

本実施例の異常検知装置は、複数の予測判定方式のそれぞれの特徴に応じた周期で、予測判定部１３１が異常判定結果を出力する。

例えば、予測判定部１３１が用いる複数の予測判定方式に、夜間流量に基づいた予測および判定をする予測判定方式として含む。夜間流量は、深夜の特定の時間帯に観測される流量の最小値である。夜間流量に基づいた予測・判定は、信頼性の高い漏水発生の判定が行えるものの、１日に１回しか判定できず（判定周期が１日）、漏水発生からその検知までに時間がかかり、異常判定結果も１日に１回の出力となる。

そこで、判定統合部１１２は、実施例１で説明したような、計測値の収集周期に対応した短い判定周期の予測判定方式により異常と判定されたとき、判定周期が長く異常判定結果の信頼度の高い予測判定方式、すなわち、夜間流量に基づいた予測判定方式の判定結果を採用せずに、異常との判定を選択するように異常判定結果を統合する。

本実施例の異常検知装置１０１によれば、夜間流量に基づいて漏水発生を信頼性高く検知すると共に、漏水発生から短時間で漏水発生を検知できる。

以上の実施例では、水道管網を監視対象とする異常検知装置を説明したが、監視対象は水道管網に限られるものではなく、異常検知装置は予測にもとづく異常判定が有効な各種プロセスの異常検知に適用できる。異常検知装置は、センサの計測項目（センサの種別）や、利用する補助データを適切に設定することで、水道の導送水プロセスや、浄水プロセス、管網とパイプラインで資源を供給するガス供給プロセスや、化学プラントの運転プロセス等を監視対象にできる。補助データを、例えばプラントの特定ラインにおける運転計画や制御目標値などとし、これらのデータを利用する各種予測判定方式を用いることができる。

説明した実施形態によれば、流量や圧力等の計測値から小規模な漏水の発生を検知できる。

１００：異常検知システム、１０１：異常検知装置、１０２：計測値収集装置、１０３：警報表示装置、１１１：影響データ選定部、１１２：判定統合部、１２１：計測値記憶部、１２２：補助データ記憶部、１２３：予測判定方式データ記憶部、１３１：予測判定部、１５１：計測値収集部、１５２：出力部、１９１：センサ、７０１：方式選択部。

Claims (13)

1. 複数の予測判定方式の各々を用いて、複数の前記予測判定方式に応じたデータ範囲の、監視対象プロセスのセンサの計測値に基づいて、判定時刻における前記センサの第１の計測値の予測値を予測し、（1）前記予測値と前記判定時刻における前記第１の計測値との差、及び、（2）前記予測値の上限値と下限値との範囲外の前記第１の計測値、の少なくとも一方に基づいて、前記監視対象プロセスの異常を判定し、複数の前記予測判定方式の、前記異常を判定した異常判定結果を出力する予測判定部、
   前記異常判定結果が含む前記異常が影響を及ぼす第２の計測値を影響データとして含む範囲を影響データ範囲として選定する影響データ選定部、
   前記異常判定結果のうち、前記影響データ範囲に含まれる前記影響データに基づいた前記異常判定結果の信頼度を下げて、複数の前記予測判定方式の前記異常判定結果を統合する判定統合部、および前記統合した異常判定結果を出力する出力部を有することを特徴とする異常検知装置。
2. 請求項１に記載の異常検知装置であって、
   前記判定統合部が統合した前記異常判定結果に基づいて、複数の前記予測判定方式から、前記予測判定部が用いる前記予測判定方式を選択する方式選択部をさらに有することを特徴とする異常検知装置。
3. 請求項２に記載の異常検知装置であって、
   前記方式選択部は、前記影響データを除外した前記計測値を前記データ範囲とする前記予測判定方式を選択することを特徴とする異常検知装置。
4. 請求項３に記載の異常検知装置であって、
   前記予測判定部は、前記監視対象プロセスを前記異常と判定したとき、前記異常の、発生時刻、種別、および発生場所の少なくとも一つを含む異常属性を推定し、
   前記影響データ選定部は、推定された前記異常属性に基づいて、前記異常の発生時刻後に前記異常が影響を及ぼす地域的範囲にある前記センサの前記第２の計測値を前記影響データとすることを特徴とする異常検知装置。
5. 請求項４に記載の異常検知装置であって、
   前記予測判定部は、前記データ範囲を定める複数段階の時刻区間を設け、前記異常を判定し、前記異常判定結果の確からしさを表す確実度を求め、
   前記方式選択部は、前記確実度が所定の閾値未満のとき前記予測判定方式を選択し、
   前記判定統合部は、前記確実度が前記所定の閾値以上のとき前記異常判定結果を前記出力部に出力することを特徴とする異常検知装置。
6. 請求項４に記載の異常検知装置であって、
   前記方式選択部は、前記予測判定方式の選択に伴って、選択した前記予測判定方式が用いる前記データ範囲に含まれる前記計測値の収集を、前記計測値を収集する計測値収集部に指示することを特徴とする異常検知装置。
7. 請求項１に記載の異常検知装置であって、
   前記予測判定部は、判定周期が短い前記予測判定方式および前記判定周期が長い前記予測判定方式を用いて、前記異常判定結果を複数出力し、
   前記判定統合部は、前記判定周期が短い前記予測判定方式の判定で前記異常と判定されたとき、前記判定周期が長い前記予測判定方式の判定結果を覆して、前記判定周期が短い前記予測判定方式の前記異常判定結果を選択することで前記異常判定結果を統合することを特徴とする異常検知装置。
8. 請求項４に記載の異常検知装置であって、
   前記監視対象プロセスは、水道配水プロセスであって、前記異常属性の種別は漏水発生を含み、
   前記センサは、流量計および圧力計のいずれか一つを含み、
   前記影響データ選定部は、前記水道配水プロセスの水理的な接続関係から前記地域的範囲にある前記センサの前記計測値を前記影響データとし、
   前記予測判定部は、夜間の配水流量に基づく前記漏水発生を異常とする判定を含むことを特徴とする異常検知装置。
9. 請求項１に記載の異常検知装置であって、
   前記予測判定部は、前記監視対象プロセスを前記異常と判定したとき、前記異常の、発生時刻、種別、および発生場所の少なくとも一つを含む異常属性を推定し、
   前記影響データ選定部は、推定された前記異常属性に基づいて、前記異常の発生時刻後に前記異常が影響を及ぼす地域的範囲にある前記センサの前記第２の計測値を前記影響データとすることを特徴とする異常検知装置。
10. 請求項９に記載の異常検知装置であって、
    前記監視対象プロセスは、水道配水プロセスであって、前記異常属性の種別は漏水発生を含み、
    前記センサは、流量計および圧力計のいずれか一つを含み、
    前記影響データ選定部は、前記水道配水プロセスの水理的な接続関係から前記地域的範囲にある前記センサの前記計測値を前記影響データとすることを特徴とする異常検知装置。
11. 請求項１に記載の異常検知装置であって、
    前記予測判定部は、前記データ範囲は前記判定時刻よりも所定時間前の時間帯であって、前記複数の予測判定方式の各々は前記所定時間を互いに異にすることを特徴とする異常検知装置。
12. プロセスを監視する異常検知システムであって、
    前記プロセスに設置されたセンサの計測値を収集する計測値収集装置、並びに、
    複数の予測判定方式の各々を用いて、複数の前記予測判定方式に応じたデータ範囲の、前記プロセスのセンサの計測値に基づいて、判定時刻における前記センサの第１の計測値の予測値を予測し、（1）前記予測値と前記判定時刻における前記第１の計測値との差、及び、（2）前記予測値の上限値と下限値との範囲外の前記第１の計測値、の少なくとも一方に基づいて、前記プロセスの異常を判定し、複数の前記予測判定方式の、前記異常を判定した異常判定結果を出力する予測判定部、
    前記異常判定結果が含む前記異常が影響を及ぼす第２の計測値を影響データとして含む範囲を影響データ範囲として選定する影響データ選定部と、
    前記異常判定結果のうち、前記影響データ範囲に含まれる前記影響データに基づいた前記異常判定結果の信頼度を下げて、複数の前記予測判定方式の前記異常判定結果を統合する判定統合部、および前記統合した異常判定結果を出力する出力部を有することを特徴とする異常検知システム。
13. プロセスを監視する異常検知装置による異常検知方法であって、前記異常検知装置は、複数の予測判定方式の各々を用いて、複数の前記予測判定方式に応じたデータ範囲の、監視対象プロセスのセンサの計測値に基づいて、判定時刻における前記センサの第１の計測値の予測値を予測し、
    （1）前記予測値と前記判定時刻における前記第１の計測値との差、及び、（2）前記予測値の上限値と下限値との範囲外の前記第１の計測値、の少なくとも一方に基づいて、前記監視対象プロセスの異常を判定し、
    複数の前記予測判定方式の、前記異常を判定した異常判定結果が含む前記異常が影響を及ぼす第２の計測値を影響データとして含む範囲を影響データ範囲として選定し、
    前記異常判定結果のうち、前記影響データ範囲に含まれる前記影響データに基づいた前記異常判定結果の信頼度を下げて、複数の前記予測判定方式の前記異常判定結果を統合し、前記統合した異常判定結果を出力することを特徴とする異常検知方法。

Images