JP6818658B2 - 電力系統監視システム、電力系統監視方法、及びプログラム - Google Patents

Description

本発明の実施形態は、電力系統監視システム、電力系統監視方法、及びプログラムに関する。

電力設備の安定的な運用のため、電力設備を、ニューラルネットワーク等の機械学習により過去のデータに基づいて推定された制御値を用いて制御する技術が知られている。

特開平５−３０６５９号公報

しかしながら、従来の技術では、機械学習の学習度が低い状態では、将来の電力設備の系統の状態を精度よく推定できないという課題があった。

本発明が解決しようとする課題は、機械学習の学習度が低い状態であっても、将来の電力設備の系統状態の安定度を精度よく推定することができる電力系統監視システム、電力系統監視方法、及びプログラムを提供することである。

実施形態の電力系統監視システムは、系統状態推定部と、入力データ判定部と、安定度導出部と、を持つ。系統状態推定部は、複数の電力設備を備える電力系統において計測された電力に関する情報を含む系統情報と、予め設定された前記電力系統の電力の需給に関する情報を含む電力情報と、に基づいて、前記電力系統における将来の系統状態を推定する。入力データ判定部は、前記系統状態推定部により推定された前記系統状態と、前記系統状態において前記電力系統に発生すると想定される事故の状態の情報を含む想定事故情報と、を含む入力データと、所定の評価モデルにより生成された過去の前記入力データに基づく学習データとに基づいて、前記学習データの前記入力データに対する学習度を判定する。安定度導出部は、前記入力データ判定部により判定された判定結果に応じた手法で、前記入力データに基づいて、将来の前記電力系統の系統安定度を導出する。

第１の実施形態の電力系統監視システム１０の構成の一例を示す図。 同実施形態の想定事故様相１３ｃの内容の一例を示す図。 同実施形態の不確実性が含まれる再生可能エネルギー電源出力予測１３ｄの一例を示す図。 同実施形態の再生可能エネルギー電源出力予測１３ｄのデータベースの一例を示す図。 同実施形態の系統状態推定部１４により推定された系統状態の出力結果の一例を示す図。 同実施形態の系統状態推定部１４により推定された系統状態の出力結果の一例を示す図。 同実施形態の安定度評価部１５の構成の一例を示すブロック図。 同実施形態の入力データ判定部５１において実行される処理の流れの一例を示すフローチャート。 同実施形態の電力系統監視システム１０において実行される処理の流れの一例を示すフローチャート。 第２の実施形態の入力データ判定部５１におけるオートエンコーダにおいて実行される処理の流れの一例を示すフローチャート。 第３の実施形態の電力系統監視システム１０が備える安定度評価部１５Ａの構成の一例を示すブロック図。

以下、実施形態の電力系統監視システム、電力系統監視方法、及びプログラムを、図面を参照して説明する。

（第１の実施形態）
図１は、第１の実施形態の電力系統監視システム１０の構成の一例を示す図である。電力系統監視システム１０は、電力系統２１の将来の系統状態の安定度を推定するシステムである。

安定度の具体的な評価項目としては、例えば過負荷、電圧安定度、過渡安定度、周波数安定度などがある。これらの項目の値が定められた管理値を超過すると、電力系統２１の設備の故障や脱落が発生し、停電を引き起こす可能性がある。電力系統監視システム１０は、例えば、電力系統２１の需給状態を監視して、将来の電力系統２１の系統状態における制御内容を推定し、電力系統２１の安定度を評価する。

電力系統監視システム１０は、例えば、現在の系統運用状態に基づいて、将来（例えば、３０分〜６０分先）の系統運用状態を推定し、推定結果に基づいて系統安定度を評価して、系統安定度が低い場合に、電力系統２１からの電力供給に支障が生じる前に予防的な制御内容を計算し出力する。

電力系統２１は、例えば、複数の発電機２２、複数の再生可能エネルギー電源２３、複数の需要家２４等に接続されている。

発電機２２は、例えば、大規模発電設備であり、火力発電、水力発電、原子力発電等が含まれる。

再生可能エネルギー電源２３（２３−１、２３−２、・・・）は、小規模なものから大規模なものまでを含む再生可能エネルギーによる発電設備であり、例えば、太陽光発電、風力発電等が含まれる。

個々の再生可能エネルギー電源２３と需要家２４とは、地域毎にそれぞれをまとめた集合３１（３１−１、３１−２、・・・）として扱ってもよいし、需要家２４と再生可能エネルギー電源２３との地域毎の集合３１として取り扱ってもよい。この集合３１のパターンは、任意に設定されてもよく、様々なパターンが設定され得る。

電力系統２１には、複数の計測装置２５（２５‐１、２５‐２、・・・、２５‐ｎ）と、複数の制御端末装置２６（２６‐１、２６‐２、・・・、２６‐ｎ）とが接続されている（ｎは任意の自然数）。

複数の計測装置２５は、複数の電力設備を備える電力系統２１において計測された電力に関する情報を含む系統情報を収集する。系統情報には、電力系統２１における各所の電圧、位相、潮流や変圧器、発電機などの各種電力系統設備の状態などに関する情報が含まれる。計測装置２５は、電力系統監視システム１０に、計測した系統情報を出力する。制御端末装置２６は、電力系統監視システム１０により出力された制御指令に基づいて、電力系統２１における系統制御機器や発電機の制御を行う。

ここで、系統制御機器とは、例えば、進相コンデンサ、分路リアクトル、ＳＶＣ（Static Var Compensator）等を含む。なお、潮流とは、例えば、有効電力、無効電力などの大きさによって表すことができる、電気の流れを意味する指標である。

電力系統監視システム１０は、例えば、系統情報収集部１２と、データ入力部１３と、系統状態推定部１４と、安定度評価部１５と、制御内容決定部１６と、表示部１７とを備える。電力系統監視システム１０は、例えば、ＰＣ（Personal Computer）等の端末装置により実現される。

系統情報収集部１２、データ入力部１３、系統状態推定部１４、安定度評価部１５、制御内容決定部１６の各機能部のうち一部または全部は、ＣＰＵ（Central Processing Unit）等のプロセッサがプログラム（ソフトウェア）を実行することで実現される。また、これらの各機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

系統情報収集部１２は、電力系統２１に設置した計測装置２５により計測された系統情報に基づいて、現在の電力系統２１に関する各種の情報を収集する。

データ入力部１３は、例えば、電力系統の運用者によって、需要予測１３ａ、運用計画１３ｂ、想定事故様相（想定事故情報）１３ｃ、及び地域毎の再生可能エネルギー電源出力予測１３ｄなどの予め設定された電力系統２１の電力の需給に関する電力情報が入力される。各データは、記憶部１３Ａに記憶される。

需要予測１３ａは、例えば、１日の各時間帯における電力の需要の大きさを予測するデータである。需要予測１３ａは、電力系統の運用者の経験則に基づいて高精度に設定される。

運用計画１３ｂは、例えば、予め定められた、調相設備の投入や解列、発電機の起動や停止、発電機出力の増減など、電力系統２１の運用計画に基づくデータである。

想定事故様相１３ｃは、例えば、電力系統２１に発生すると想定される送電線事故、母線事故、発電機事故、変圧器事故などの事故の様相の情報を含むデータである。

図２は、想定事故様相１３ｃの内容の一例を示す図である。想定事故様相１３ｃは、例えば、事故を示すＮｏに対して、事故想定箇所と、事故様相とが対応付けられた情報である。事故想定箇所は、電力系統２１において事故が発生すると想定される場所である。事故様相は、電力系統２１において発生する事故の類型である。図中の「３Φ３ＬＧ」等の情報は、事故様相を表すコードである。

再生可能エネルギー電源出力予測１３ｄは、将来（例えば、３０分〜６０分先）の再生可能エネルギー電源２３の出力の予測値に関するデータである。再生可能エネルギーの出力は、天候等に依存する。そのため、再生可能エネルギー電源出力予測１３ｄは、不確実性が考慮されて生成されている。再生可能エネルギーの不確実性とは、例えば、確率分布で表される指標である。

図３は、不確実性が含まれる再生可能エネルギー電源出力予測１３ｄの一例を示す図である。再生可能エネルギー電源出力予測１３ｄの値の分布は、所定の確率分布に従うものとし、不確実性に起因する事象が発生した場合、再生可能エネルギー電源２３が出力し得る出力の範囲は予測値の分散（＝±σ）の範囲内に含まれるものと定義される。

なお、再生可能エネルギー電源２３が出力し得る出力の予測値の範囲は、任意に設定され、例えば、上記の±σの他に±２σや±３σなどのように設定されてもよい。

また、再生可能エネルギー電源２３が出力し得る出力の予測値の範囲は、分散以外の指標、例えば、再生可能エネルギー電源２３の容量比を用いて予測値±１０％などのように設定されてもよい。

このような不確実性が含まれる再生可能エネルギー電源出力予測１３ｄは、データ入力部１３において、再生可能エネルギー電源２３あるいは地域における集合３１を単位として入力される。

図４は、再生可能エネルギー電源出力予測１３ｄの内容の一例を示す図である。再生可能エネルギー電源出力予測１３ｄは、エリアに対して、再生可能エネルギー電源出力予測が発生する確率分布と共に対応付けられた情報である。再生可能エネルギー電源出力予測１３ｄにおいて、再生可能エネルギー電源２３を含む上記の複数の集合３１のパターンが記憶されている。

電力系統監視システム１０では、このような不確実性によって生じる再生可能エネルギー電源２３を含む複数の組合せパターンに基づく電力系統２１の将来の系統状態の安定度を評価する。

次に、電力系統２１の将来の系統状態の安定度の評価手法について説明する。

系統状態推定部１４は、系統情報収集部１２によって取得した現在の系統情報と、データ入力部１３の記憶部１３Ａに記憶された電力情報に含まれる需要予測１３ａ、運用計画１３ｂ、及び再生可能エネルギー電源出力予測１３ｄとに基づいて、電力系統２１における将来の系統状態を推定する。

図５及び図６は、系統状態推定部１４により推定された系統状態の出力結果の一例を示す図である。図５に示すように、ノードごとに分類されたノード別の系統状態の出力結果において、電力系統２１内のノード名に対して、電圧、位相、発電機出力（有効電力出力、無効電力出力）、負荷（有効電力負荷、無効電力負荷）、および、調相設備等に関する情報が対応付けられている。

また、図６に示すように、ブランチごとに分類されたブランチ別の系統状態の出力結果において、系統内のブランチ名に対して、有効電力潮流、無効電力潮流、有効電力損失、および無効電力損失等に関する情報が対応付けられている。

安定度評価部１５は、例えば、系統状態推定部１４により推定された電力系統２１の将来の系統状態と、データ入力部１３に与えられた想定事故様相１３ｃとに基づき、電力系統２１の安定度を評価するための系統安定度を算出する。安定度評価部１５は、例えば、不確実性を有する再生可能エネルギー電源２３が含まれる電力系統２１の安定度を評価する。安定度評価部１５の詳細な構成については後述する。

制御内容決定部１６は、安定度評価部１５により評価された結果に基づいて、将来の電力系統２１の系統状態において、予め想定された想定事故が発生した際に必要な電力系統２１に対する制御内容を計算する。制御内容決定部１６は、例えば、安定度評価部１５により電力系統２１に電力の供給の支障が生じると評価された場合、電力系統２１の支障を抑制するために必要な電力系統２１に対する制御内容を計算する。

系統状態推定部１４は、制御内容決定部１６により計算された制御内容に基づく制御後の系統状態を推定する。安定度評価部１５は、制御後の電力系統２１の系統状態の安定度を評価する。

表示部１７では、安定度評価部１５により評価された評価結果と、制御内容決定部１６により計算された制御内容の結果を表示装置に表示する。表示装置は、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）表示装置、プロジェクタ等の情報を表示可能なディスプレイ装置である。

次に、安定度評価部１５の構成について詳細に説明する。図７は、安定度評価部１５の構成の一例を示すブロック図である。安定度評価部１５は、例えば、安定度導出部５０と、入力データ判定部５１と、安定度推定部５２と、安定度計算部５３と、安定度集約部５４と、再学習部５５と、再配置部５６と、表示制御部５７と、記憶部５８とを備える。安定度導出部５０は、安定度推定部５２と安定度計算部５３とを含む。

記憶部５８は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）などにより実現される。記憶部５８には、例えば、教示データ５８ａと、学習データ５８ｂとが記憶されている。

入力データ判定部５１は、系統状態推定部１４により推定された電力系統２１の系統状態と、想定事故様相１３ｃのデータとを取得する。系統状態推定部１４により推定された電力系統２１の系統状態と、系統状態において電力系統２１に発生すると想定される事故の様相の情報を含む想定事故様相１３ｃと、を含むものが入力データの一例である。

入力データ判定部５１は、上記の入力データと、後述の評価モデルにより生成された過去の入力データに基づく学習データ５８ｂとに基づいて、学習データ５８ｂの入力データに対する学習度が高いか低いかを判定する。

入力データ判定部５１は、例えば、入力データと学習データとの類似性を示す推定確度を算出し、算出した推定確度に基づいて、学習データの入力データに対する学習度が高いか低いかを判定する。推定確度は、学習データの入力データに対する学習度を示す指標となる。具体的な推定確度の算出方法については後述する。入力データ判定部５１は、安定度導出部５０に判定結果を出力する。

安定度導出部５０は、入力データ判定部５１により判定された判定結果に応じた手法で、入力データに基づいて、将来の電力系統２１の系統安定度を導出する。安定度導出部５０において、安定度推定部５２または安定度計算部５３のどちらか一方は、入力データ判定部５１により判定された判定結果に応じて、将来の電力系統２１の系統安定度を導出する。

安定度推定部５２は、入力データ判定部５１により学習度が高いと判定された場合、入力データと学習データ５８ｂとに基づいて、予め設定された所定の評価モデルにより系統安定度を推定する。評価モデルには、初期値として予め設定された初期モデル及び初期データが与えられている。

評価モデルの初回作成時はあらかじめ想定した範囲内の系統状態と想定事故様相１３ｃを入力データとし、後述するシミュレーションモデルから算出した安定度を出力データとした入出力データの組み合わせからなる教示データをもとに学習させる。この時の教示データを教示データ５８ａと学習データ５８ｂの初期値とする。

安定度推定部５２の所定の評価モデルは、既知の事例に関しては正確に系統安定度を推定できるが、未知の事例に関しては、信頼性が低下した状態で系統安定度を推定する。従って、未知の事例を扱う場合、学習データ５８ｂに対する入力データに学習度が低いため、入力データ判定部５１により学習度が低いと判定された場合、安定度計算部５３で新たに系統安定度を算出する。

安定度計算部５３は、入力データ判定部５１により学習度が低いと判定された場合、入力データに基づいて、予め設定された計算手法により系統安定度を算出する。予め設定された計算手法とは、系統安定度を算出するために設定された正確な値を算出可能なシミュレーションモデルである。

このシミュレーションモデルは、潮流計算および過渡安定度計算の機能を備える。潮流計算の手法には、例えば、代表的なアルゴリズムとして、ニュートン・ラフソン法が用いられる。過渡安定度計算の手法には、例えば、代数方程式と微分方程式を交互に計算しながら状態推移を求めるシミュレーション法が用いられる。

安定度計算部５３は、系統安定度の計算結果を入力データと共に教示データ５８ａとして記憶部５８に記憶する。安定度集約部５４は、安定度推定部５２または安定度計算部５３により導出された系統安定度を出力する。

再学習部５５は、一定の量の教示データ５８ａが記憶部５８に蓄積された時点で、安定度推定部５２において用いられる評価モデルの再学習を行う。再学習部５５は、例えば、教示データ５８ａに基づいて、評価モデルについてニューラルネットワークによる学習を行う。

再配置部５６は、再学習した評価モデルが既存の学習データ５８ｂの判定精度を損なわず、かつ、更新される学習データ５８ｂが既定の精度以内で推定可能なデータである場合、安定度推定部５２の評価モデルおよび学習データ５８ｂを更新する。再配置部５６は、更新した学習データ５８ｂを記憶部５８に記憶する。

また、再配置部５６は、学習した学習データ５８ｂと学習データ５８ｂの推定精度を入力データ判定部５１にも与える。

表示制御部５７は、入力データ判定部５１により学習度が低いと判定された場合、判定結果及び学習度が低い入力データを表示部１７に表示させる。表示制御部５７は、入力データ判定部５１により学習度が低いと判定された場合、安定度計算部５３でシミュレーションモデルにより系統安定度を算出している旨の情報を表示部１７に表示させてもよい。

次に、入力データ判定部５１の推定確度の算出方法について説明する。図８は、入力データ判定部５１において実行される処理の流れの一例を示すフローチャートである。入力データ判定部５１は、入力されたデータの次元数を削減する（ステップＳ１００）。次元とは、系統状態推定部１４により推定された系統状態の出力結果における複数の項目である（図５及び図６参照）。次元削減の手法には、主成分分析が適用される。これにより多くの次元を、より少ない次元（合成変数）に要約することができる。

入力データ判定部５１は、データをベクトル化した場合の空間上において、入力データから一定の距離内にある近傍の学習データを探索する（ステップＳ１０２）。探索範囲は、学習データ５８ｂを分析し、距離の違いが推定確度の違いに大きな影響（例えば許容推定誤差の１０分の１以上の変化）を与えない距離での範囲に設定される。距離の算出方法については、ユークリッド距離が使用される。

入力データ判定部５１は、学習データ５８ｂが入力データに対して一定の範囲内にあるか否かを判定する（ステップＳ１０４）。入力データ判定部５１は、学習データ５８ｂが入力データに対して一定の範囲内に存在すると判定した場合、その学習データに基づいて系統安定度を推定した場合の推定誤差を算出する（ステップＳ１０６）。

入力データ判定部５１は、算出した推定誤差に応じて推定確度を算出する（ステップＳ１０８）。入力データ判定部５１は、例えば、推定確度の算出において、探索した学習データ５８ｂの推定誤差が０の場合、推定確度を１．０とし、その学習データの推定誤差が許容誤差境界上にある場合は推定確度を０．５とする。

入力データ判定部５１は、推定確度に基づいて学習度が高いか低いかを判定する（ステップＳ１１０）。入力データ判定部５１は、例えば、推定確度が０．７以上の場合、学習度が高いと判定する。入力データ判定部５１は、例えば、０．７未満の場合には学習度が低いと判定する。入力データ判定部５１は、ステップＳ１０４で学習データが一定の範囲内に存在しないと判定した場合、推定確度を０とし、学習度が低いと判定する。

上記の次元削減の手法、距離算出の方法、推定確度の算出時に使用するデータの探索範囲、学習度が高いか低いかを決める閾値に関してはあくまで一例であり、データの特性に応じて変更してもよい。

次に、電力系統監視システム１０の処理の流れについて説明する。図９は、電力系統監視システム１０において実行される処理の流れの一例を示すフローチャートである。

系統状態推定部１４は、系統情報収集部１２により収集された系統情報と記憶部１３Ａに記憶された電力情報に含まれる需要予測１３ａ、運用計画１３ｂ、及び再生可能エネルギー電源出力予測１３ｄとに基づいて、電力系統２１における将来の系統状態を推定する（ステップＳ２００）。

入力データ判定部５１は、系統状態推定部１４により推定された系統状態と想定事故様相１３ｃとを含む入力データと、学習データ５８ｂとの空間上の距離に基づいて、入力データと学習データ５８ｂとの類似性を示す推定確度を算出する（ステップＳ２０２）。入力データ判定部５１は、算出した推定確度に基づいて、学習データ５８ｂの入力データに対する学習度が高いか低いかを判定する（ステップＳ２０４）。

安定度推定部５２は、入力データ判定部５１により学習度が高いと判定された場合、入力データと学習データ５８ｂとに基づいて、所定の評価モデルにより系統安定度を推定する（ステップＳ２０６）。

安定度計算部５３は、入力データ判定部５１により学習度が低いと判定された場合、入力データに基づいて、予め設定された計算手法により系統安定度を算出する（ステップＳ２０８）。安定度計算部５３は、算出された系統安定度の算出結果を記憶部５８に記憶する（ステップＳ２１０）。

再学習部５５は、算出結果が記憶部５８に蓄積された所定のタイミングにおいて記憶部５８に記憶された算出結果に基づいて、安定度推定部５２の評価モデルの再学習を行う（ステップＳ２１２）。再配置部５６は、所定の条件を満たす場合、安定度推定部５２の評価モデルおよび学習データ５８ｂを更新する（ステップＳ２１４）。

以上説明した第１の実施形態によれば、電力系統監視システム１０は、機械学習の学習度が低い状態であっても、将来の電力設備の系統状態の安定度を精度よく推定することができる。

（第２の実施形態）
次に、第２の実施形態の電力系統監視システム１０について説明する。第１の実施形態では、電力系統監視システム１０において、入力データ判定部５１は、入力された入力データに基づいて学習度が高いか低いかを判定していた。第２の実施形態では、入力データ判定部５１の処理フローにおいて、出力が入力を再現するような学習を行うオートエンコーダが用いられる。なお、第１の実施形態と同一の構成には同一の符号を付し、重複する説明は省略する。

本実施形態の安定度評価部１５は、第１の実施形態と同様の構成を備える。安定度評価部１５において、入力データ判定部５１は、オートエンコーダによる処理を行うオートエンコーダ部（不図示）を更に備える。オートエンコーダ部は、安定度を推定するニューラルネットワークモデルを用いて、事前に所定の精度範囲内で推定結果が出力されるよう選択された学習データにより作成される。

オートエンコーダ部には、次元削減を行わずに入力データが入力され、ニューラルネットワークによる学習が行われる。

入力データ判定部５１は、オートエンコーダ部により出力される再構成誤差に基づいて、推定確度を算出する。

図１０は、入力データ判定部５１におけるオートエンコーダにおいて実行される処理の流れの一例を示すフローチャートである。

安定度推定部５２において、準備段階で、安定度を推定するニューラルネットワークモデルを用いて、所定の精度範囲内で推定可能な入力データのみを使って予めオートエンコーダ部の学習が行われている。

入力データ判定部５１のオートエンコーダ部に、入力データを入力する（ステップＳ３００）。オートエンコーダ部には、次元削減を行わずに入力データが入力される。オートエンコーダ部は、入力された入力データを一度圧縮して圧縮データを生成し、生成された圧縮データを復号して再構成データを生成し、その入力データと再構成データとを比較し、再構成誤差を算出する。

入力データ判定部５１は、算出された再構成誤差に応じて推定確度を計算する（ステップＳ３０２）。入力データ判定部５１は、推定確度に応じて学習度が高いか低いかを判定する（ステップＳ３０４）。入力データ判定部５１は、推定確度が一定の閾値未満の場合は学習度が低いと判定する。入力データ判定部５１は、推定確度が一定の閾値以上の場合は学習度が高いと判定する。

以上説明した第２の実施形態によれば、電力系統監視システム１０は、第１実施形態と同様の効果を奏する他、推定確度の算出に当たり、データの分析により得られた知識を厳密に定式化する必要なしに、学習度が高いか低いかを判定することができる。

（第３の実施形態）
次に、第３の実施形態の電力系統監視システム１０について説明する。第３の実施形態では、電力系統監視システムは、第１の実施形態と第２の実施形態との入力データ判定部を合わせた安定度評価部１５Ａを備える。なお、第１の実施形態と同一の構成には同一の符号を付し、重複する説明は省略する。

図１１は、第３の実施形態の電力系統監視システム１０が備える安定度評価部１５Ａの構成の一例を示すブロック図である。安定度評価部１５Ｂは、第１の実施形態の安定度評価部１５の入力データ判定部５１に代えて、第１入力データ判定部６０と第２入力データ判定部６１と、判定結果出力部（比較部）６２と、判定結果蓄積部６３とを備える。判定結果蓄積部６３は、判定結果記憶部６３Ａ（不図示）を備える。

第１入力データ判定部６０は、第１の実施形態の入力データ判定部５１と同様の構成である。第２入力データ判定部６１は、第２の実施形態の入力データ判定部５１Ａと同様にオートエンコーダ部を備える構成である。

判定結果出力部６２は、第１入力データ判定部６０と、第２入力データ判定部６１のオートエンコーダ部とにより判定されたそれぞれの学習度の判定結果を比較する。判定結果出力部６２は、第１入力データ判定部６０と第２入力データ判定部６１との学習度の判定結果が同じ結果となった場合、判定された学習度を最終的な学習度として出力する。判定結果出力部６２は、第１入力データ判定部６０と第２入力データ判定部６１との学習度の判定結果が異なる結果になった場合、学習度が低いと判定する。

判定結果出力部６２により学習度が低いと判定された場合、判定結果蓄積部６３は、第１入力データ判定部６０と第２入力データ判定部６１とにより算出されたそれぞれの推定確度と入力データを判定結果記憶部６３Ａに記憶する。第１入力データ判定部６０と第２入力データ判定部６１とにより算出されたそれぞれの推定確度と入力データは、算出される毎に判判定結果記憶部６３Ａに記憶されて蓄積される。判定結果蓄積部６３に蓄積されたデータは、後の処理において推定確度が算出される際に精度を改善するために参照される。

以上説明した第２の実施形態によれば、電力系統監視システム１０は、第１実施形態及び第２の実施形態と同様の効果を奏する他、推定確度の算出において、２つの異なる算出方法を用いることで、より確実に学習度が高いか低いかを判定することができる。

以上説明した少なくともひとつの実施形態によれば、電力系統監視システムが複数の電力設備を備える電力系統において計測された電力に関する情報を含む系統情報と、予め設定された電力系統の電力の需給に関する情報とを含む電力情報と、に基づいて、電力系統における将来の系統状態を推定する系統状態推定部と、系統状態推定部により推定された系統状態と、系統状態において電力系統に発生すると想定される事故の状態の情報を含む想定事故情報と、を含む入力データと、所定の評価モデルにより生成された過去の入力データに基づく学習データとに基づいて、学習データの入力データに対する学習度を判定する、入力データ判定部と、入力データ判定部により判定された判定結果に応じた手法で、入力データに基づいて、将来の電力系統の系統安定度を導出する安定度導出部と、を持つことにより、将来の電力設備の系統状態の安定度の推定において、機械学習の学習度が低い状態であっても、将来的な系統状態を精度よく推定することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、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。

１０…電力系統監視システム、１２…系統情報収集部、１３…データ入力部、１３Ａ…記憶部、１３ａ…需要予測、１３ｂ…運用計画、１３ｃ…想定事故様相、１３ｄ…再生可能エネルギー電源出力予測、１４…系統状態推定部、１５、１５Ａ、１５Ｂ…安定度評価部、１６…制御内容決定部、１７…表示部、２１…電力系統、２２…発電機、２３…再生可能エネルギー電源、２４…需要家、２５…計測装置、２６…制御端末装置、３１…集合、５０…安定度導出部、５１、５１Ａ…入力データ判定部、５２…安定度推定部、５３…安定度計算部、５４…安定度集約部、５５…再学習部、５６…再配置部、５７…表示制御部、５８…記憶部、５８ａ…教示データ、５８ｂ…学習データ、６０…第１入力データ判定部、６１…第２入力データ判定部、６２…判定結果出力部、６３…判定結果蓄積部

Claims (11)

1. 複数の電力設備を備える電力系統において計測された電力に関する情報を含む系統情報と、予め設定された前記電力系統の電力の需給に関する情報を含む電力情報と、に基づいて、前記電力系統における将来の系統状態を推定する系統状態推定部と、
   前記系統状態推定部により推定された前記系統状態と、前記系統状態において前記電力系統に発生すると想定される事故の状態の情報を含む想定事故情報と、を含む入力データと、所定の評価モデルにより生成された過去の前記入力データに基づく学習データとに基づいて、前記学習データの前記入力データに対する学習度を判定する入力データ判定部と、
   前記入力データ判定部により判定された判定結果に応じた手法で、前記入力データに基づいて、将来の前記電力系統の系統安定度を導出する安定度導出部と、を備える、
   電力系統監視システム。
2. 前記入力データ判定部は、前記入力データと前記学習データとの類似性を示す推定確度を算出し、前記推定確度に基づいて、前記学習データの前記入力データに対する学習度を判定する、
   請求項１に記載の電力系統監視システム。
3. 前記安定度導出部は、
   前記入力データ判定部により前記学習度が高いと判定された場合、前記入力データと前記学習データとに基づいて、前記評価モデルにより前記系統安定度を推定する安定度推定部と、
   前記入力データ判定部により前記学習度が低いと判定された場合、前記入力データに基づいて、予め設定された計算手法により前記系統安定度を算出する安定度計算部と、を備える、
   請求項１または２に記載の電力系統監視システム。
4. 前記安定度計算部は、前記入力データ判定部により前記学習度が低いと判定された場合、前記系統安定度を算出する毎に、算出された前記系統安定度の算出結果を記憶部に記憶し、
   所定のタイミングにおいて前記記憶部に記憶された前記算出結果に基づいて、前記安定度推定部により用いられる評価モデルを更新する再配置部と、を更に備える、
   請求項３に記載の電力系統監視システム。
5. 前記入力データ判定部により前記学習度が低いと判定された場合、判定結果及び前記学習度が低いと判定された前記入力データを表示部に表示させる表示制御部を更に備える、
   請求項１から４のうちいずれか１項に記載の電力系統監視システム。
6. 前記入力データ判定部は、前記入力データと前記学習データとの類似性を示す推定確度を算出し、前記推定確度に基づいて、前記学習データの前記入力データに対する学習度を判定し、前記学習データと前記入力データとの空間上の距離に基づいて前記推定確度を算出し、前記推定確度に基づいて、前記学習データの前記入力データに対する学習度を判定する、
   請求項１から５のうちいずれか１項に記載の電力系統監視システム。
7. 事前に所定の精度範囲内で推定結果が出力されるよう選択された前記学習データにより作成されたオートエンコーダ部を備え、前記オートエンコーダ部により出力される再構成誤差に基づいて、前記推定確度を判定する、
   請求項６に記載の電力系統監視システム。
8. 前記入力データ判定部と、前記オートエンコーダ部とにより判定されたそれぞれの前記学習度の判定結果を比較し、前記それぞれの前記学習度の判定結果が同じ結果となった場合、前記学習度の値を最終的な学習度として出力し、前記それぞれの前記学習度の判定結果が異なる結果になった場合、前記学習度が低いと判定する比較部を更に備え、
   請求項７に記載の電力系統監視システム。
9. 前記入力データ判定部と、前記オートエンコーダ部とにより判定されたそれぞれの前記学習度の判定結果が異なる場合、前記入力データ判定部と、前記オートエンコーダ部とにより算出されたそれぞれの推定確度と前記入力データを判定結果記憶部に記憶させて蓄積する判定結果蓄積部を更に備える、
   請求項８に記載の電力系統監視システム。
10. コンピュータが、
    複数の電力設備を備える電力系統において計測された電力に関する情報を含む系統情報と、予め設定された前記電力系統の電力の需給に関する情報を含む電力情報と、に基づいて、前記電力系統における将来の系統状態を推定し、
    推定した前記系統状態と、前記系統状態において前記電力系統に発生すると想定される事故の状態の情報を含む想定事故情報と、を含む入力データと、所定の評価モデルにより生成された過去の前記入力データに基づく学習データとに基づいて、前記学習データの前記入力データに対する学習度を判定し、
    判定した判定結果に応じた手法で、前記入力データに基づいて、将来の前記電力系統の系統安定度を導出する、
    電力系統監視方法。
11. コンピュータに、
    複数の電力設備を備える電力系統において計測された電力に関する情報を含む系統情報と、予め設定された前記電力系統の電力の需給に関する情報を含む電力情報と、に基づいて、前記電力系統における将来の系統状態を推定させ、
    推定させた前記系統状態と、前記系統状態において前記電力系統に発生すると想定される事故の状態の情報を含む想定事故情報と、を含む入力データと、所定の評価モデルにより生成された過去の前記入力データに基づく学習データとに基づいて、前記学習データの前記入力データに対する学習度を判定させ、
    判定させた判定結果に応じた手法で、前記入力データに基づいて、将来の前記電力系統の系統安定度を導出させる、
    プログラム。

Images