JP6945511B2

JP6945511B2 - 推定装置、および推定方法

Info

Publication number: JP6945511B2
Application number: JP2018156452A
Authority: JP
Inventors: 匡史北山; 秀樹宮田; 坂上　聡子; 聡子坂上
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2018-08-23
Filing date: 2018-08-23
Publication date: 2021-10-06
Anticipated expiration: 2038-08-23
Also published as: JP2020030131A

Description

本開示は、推定装置、および推定方法に関し、特に、対象電力機器の点検データを推定するための推定装置、および推定方法に関する。

電力機器の保全方式については、定期的に保全を行なう時間基準保全から、機器の劣化状態を監視し、劣化状態に合わせて適切な時期に保全を行なう状態基準保全へと主流が移りつつある。状態基準保全では、点検によって評価した電力機器の劣化状態に応じて、オーバーホール、部品交換あるいは機器全体の更新等により、機器全体としての健全状態を維持する。典型的には、点検で記録される数値データには、稼働開始からの経過期間（例えば、経過年数）と、機器を構成する部位に設置されるセンサ等による計測値と、経過年数および計測値を変数として数式を用いて算出される劣化指標（ヘルスインデックスとも称される。）とが含まれる。

上記の各数値データは時系列でデータベースに保存され、各数値データのトレンドを分析することによって機器の将来の劣化状態が評価される。例えば、回帰などの統計手法、確率的手法等を用いた時系列モデルに基づいて、将来時点で取得される計測値あるいは劣化指標が予測される。そして、当該予測結果を用いた機器の劣化状態に応じて、機器の点検計画および更新計画の立案、ライフサイクルコストの評価等が実施される。

例えば、特許第５９４５３５０号（特許文献１）は、設備または装置の出力する時系列のセンサ信号およびイベント信号に基づいて異常を検知する設備状態監視方法を開示している。この設備状態監視方法においては、設備から出力されるイベント信号をもとに運転状態別にモード分割し、モード毎に正常モデルを作成し、モード毎に学習データの十分性をチェックし、その結果に応じて設定したしきい値を用いて異常識別が行なわれる。

特許第５９４５３５０号

上記の従来の手法によると、機器の更新時期等を見極めるために、当該機器の点検データを分析することで将来時点での劣化診断を行なっている。しかしながら、これから稼働する機器あるいは経過期間が短い機器については、分析対象となる点検データがない、あるいは乏しいため、将来の機器の劣化状態等の評価等ができないという課題があった。なお、特許文献１には、上記課題に対する技術は何ら開示または示唆されていない。

本開示のある局面における目的は、稼働前または稼働期間の短い電力機器の点検データを精度よく推定することが可能な推定装置、および推定方法を提供することである。

ある実施の形態に従う推定装置は、複数の電力機器の各々について、当該電力機器の属性データおよび点検データを関連付けて格納する機器データベースを備える。属性データは、複数の属性項目と、各属性項目の属性値とを含む。推定装置は、複数の電力機器の各々の点検データの特徴量を抽出する特徴量抽出部と、複数の電力機器の各々についての特徴量に基づいて、複数の電力機器を複数のグループに分類する分類部と、複数のグループの各々について、当該グループに分類された全電力機器における各属性項目の属性値に基づいて、当該グループにおける各属性項目の代表属性値を設定する設定部と、複数の属性項目の各々について、複数のグループの中から、対象電力機器の当該属性項目の属性値と同一の代表属性値を有するグループを抽出し、抽出結果に基づいて対象電力機器が属するグループを選択する選択部と、選択されたグループを代表する電力機器の点検データを、対象電力機器の点検データとして推定する推定部とをさらに備える。

他の実施の形態に従うと、対象電力機器の点検データを推定するためのコンピュータにより実行される推定方法が提供される。コンピュータは、複数の電力機器の各々について、当該電力機器の属性データおよび点検データを関連付けて格納する機器データベースを備える。属性データは、複数の属性項目と、各属性項目の属性値とを含む。推定方法は、複数の電力機器の各々の点検データの特徴量を抽出するステップと、複数の電力機器の各々についての特徴量に基づいて、複数の電力機器を複数のグループに分類するステップと、複数のグループの各々について、当該グループに分類された全電力機器における各属性項目の属性値に基づいて、当該グループにおける各属性項目の代表属性値を設定するステップと、複数の属性項目の各々について、複数のグループの中から、対象電力機器の当該属性項目の属性値と同一の代表属性値を有するグループを抽出し、抽出結果に基づいて対象電力機器が属するグループを選択するステップと、選択されたグループを代表する電力機器の点検データを、対象電力機器の点検データとして推定するステップとを含む。

本開示によると、稼働前または稼働期間の短い電力機器の点検データを精度よく推定することが可能となる。

推定装置の概要を説明するための図である。推定装置のハードウェア構成の一例を示す図である。機器データベースにおける属性データテーブルのデータ構造の一例を示す図である。機器データベースにおける点検データテーブルのデータ構造の一例を示す図である。各グループと属性項目「メーカ」との関係を示す情報テーブルを説明するための図である。各グループと属性項目「電圧階級」との関係を示す情報テーブルを説明するための図である。各グループにおける代表属性値を示す情報テーブルを説明するための図である。対象電力機器が属するグループの選択方式を説明するための図である。対象電力機器が属するグループの選択方式の他の例を説明するための図である。推定装置の機能構成の一例を示すブロック図である。推定装置の処理手順の一例を示すフローチャートである。推定装置の処理手順の他の例を示すフローチャートである。

以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

＜概要＞
図１は、推定装置１００の概要を説明するための図である。図１を参照して、推定装置１００は、対象電力機器の点検データを推定するための装置であり、例えば、ディスプレイを備える据置型のＰＣ（personal computer）である。ただし、推定装置１００は、これに限られず、後述する機能を有する装置であればよく、例えば、タブレット端末装置、ラップトップ型のＰＣ等であってもよい。

推定装置１００のプロセッサ１５０は、キーボード等から構成される入力装置１６０を介して、保守員８００から対象電力機器の属性データの入力を受け付ける。属性データは、例えば、電力機器を製造したメーカを示すデータ、電力機器が使用される電圧階級を示すデータ等である。

機器データベース１７０には、稼働期間が一定期間（例えば、１年）を超えた各電力機器の点検データが格納される。換言すると、機器データベース１７０には、稼働前または稼働期間が短い（すなわち、稼働期間が一定期間未満である）電力機器の点検データは格納されていない。なお、各電力機器の属性データは、例えば、電力機器の納入時または据付時に入力されることで機器データベース１７０に格納される。また、点検データが格納されていない、稼働前または稼働期間が短い電力機器は、以下に説明するグループの分類の対象外となる。

ここで、プロセッサ１５０は、事前処理として、機器データベース１７０に格納された各電力機器の属性データを用いて、互いに類似した各電力機器が同一のグループに属するように、各電力機器を複数のグループのうちのいずれかのグループに分類する。また、プロセッサ１５０は、分類後の各グループの代表的な属性データを設定するとともに、各グループを代表する電力機器（以下、「代表電力機器」とも称する。）を設定する。代表電力機器は、各グループにおいて平均的な点検データを有する電力機器である。

プロセッサ１５０は、対象電力機器の属性データと各グループの代表的な属性データとを照合して、複数のグループの中から対象電力機器が属するグループを選択する。プロセッサ１５０は、当該選択されたグループの代表電力機器を抽出し、抽出した代表電力機器の点検データを対象電力機器の点検データとして推定する。プロセッサ１５０は、例えば、推定された対象電力機器の点検データをディスプレイ１５８に表示する。

以下、上記のような推定装置１００について具体的に説明する。
＜ハードウェア構成＞
図２は、推定装置１００のハードウェア構成の一例を示す図である。図２を参照して、推定装置１００は、主要なコンポーネントとして、プロセッサ１５０と、主記憶装置１５２と、二次記憶装置１５４と、通信インターフェイス（Ｉ／Ｆ）１５６と、ディスプレイ１５８と、入力装置１６０と、汎用インターフェイス（Ｉ／Ｆ）１６２とを含む。これらのコンポーネントは、内部バス１６４を介して互いに通信可能に接続されている。

プロセッサ１５０は、典型的には、ＣＰＵ（Central Processing Unit）あるいはＭＰＵ（Multi Processing Unit）といった演算処理部であり、二次記憶装置１５４にインストールされているＯＳを含む各種プログラムを読出して、主記憶装置１５２に展開しつつ実行する。

主記憶装置１５２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）などの揮発性記憶媒体であり、プロセッサ１５０によって実行されるＯＳを含む各種プログラムのコードの他、各種プログラムの実行に必要な各種ワークデータを保持する。二次記憶装置１５４は、ハードディスクあるいはＳＳＤ（Solid State Drive）などの不揮発性記憶媒体であり、ＯＳを含む各種プログラムの他、各種設定値などを保持する。典型的には、二次記憶装置１５４は、図１中の機器データベース１７０を含む。

ディスプレイ１５８は、プロセッサ１５０に指示に従って各種情報を表示する。入力装置１６０は、典型的には、キーボードやマウスなどから構成され、ユーザからの各種設定および操作を受付ける。

汎用インターフェイス１６２は、典型的には、ＵＳＢ（Universal Serial Bus）インターフェイス、ＲＳ−２３２Ｃに従うシリアル通信インターフェイス、パラレル通信インターフェイスなどを含み、外部装置などとの間でデータを遣り取りする。

＜推定装置の処理方式＞
（機器データベースのデータ構造）
図３は、機器データベースにおける属性データテーブルのデータ構造の一例を示す図である。図３を参照して、機器データベース１７０は、電力機器の機種ごとに属性データテーブルを有している。図３（ａ）には、電力機器としての変圧器に関する属性データテーブル５００が示されており、図３（ｂ）には、電力機器としての遮断器に関する属性データテーブル５１０が示されている。属性データテーブルは、各電力機器の属性データをテーブル形式で表現したテーブルである。

図３（ａ）を参照して、属性データテーブル５００には、各機器ＩＤに対応して属性データが格納されている。属性データは、属性項目および属性値から構成される。属性項目は、メーカ、電圧階級、管轄、設置場所等の電力機器の特徴の種別を示す。属性値は、属性項目が含む値である。図３の例では、属性データテーブル５００のレコードは、機器ＩＤ、属性項目「メーカ」，「電圧階級」，「管轄」，「設置場所」に関する情報を格納するフィールドを有する。

例えば、属性項目「メーカ」の値は、Ａ社、Ｂ社、Ｃ社、Ｄ社等である。属性項目「電圧階級」の値は、６６ｋＶ、１５４ｋＶ、２２０ｋＶ、２５０ｋＶ等である。属性項目「管轄」の値は、東京支店、横浜支店、大阪支店、埼玉支店等である。属性項目「設置場所」の値は、Ｗ変電所、Ｘ変電所、Ｙ変電所、Ｚ変電所等である。なお、属性項目は上記に限られず、型式、運転開始時期、計画稼働年数、電力機器の系統重要度等を含んでもよい。

また、機器ＩＤは、電力機器を識別するための識別情報であり、電力機器毎にユニークなＩＤが付与される。図３の例では、機器ＩＤ「１」の電力機器は、Ａ社で製造され、電圧階級「１５４ｋＶ」で使用され、東京支店で管轄され、Ｘ変電所に設置される。

属性データテーブル５１０のデータ構造は、属性データテーブル５００のデータ構造と同様であるため、その詳細な説明は繰り返さない。なお、説明の容易化のため、本実施の形態では、電力機器が変圧器であるとする。そのため、推定装置１００は、属性データテーブル５００を用いて各種処理を実行するものとする。

図４は、機器データベースにおける点検データテーブルのデータ構造の一例を示す図である。機器データベース１７０は、電力機器の機種ごとに点検データテーブルを有している。ここでは、点検データは、電力機器（本実施の形態では「変圧器」）における油中ガス濃度の計測値であるとする。

図４を参照して、点検データテーブル５５０には、各機器ＩＤに対応して点検データ（ここでは、油中ガスの計測値）が格納されている。点検データテーブル５５０のレコードは、機器ＩＤ、実施日、実施項目、計測値（数値および単位）に関する情報を格納するフィールドを有する。

図４の例では、機器ＩＤ「１」および「２」の各々の電力機器について、時系列で計測値が格納されている。例えば、機器ＩＤ「１」の電力機器において１９９８年１０月２３日に計測された油中ガス濃度の計測値は、５０ｐｐｍである。

属性データテーブル５００の機器ＩＤは、点検データテーブル５５０の機器ＩＤと対応している。すなわち、機器データベース１７０は、各機器ＩＤに対応する電力機器の属性データと点検データとを関連付けて格納している。以下の説明では、機器データベース１７０には、ｎ台（ｎ：２以上の自然数）の電力機器の属性データおよび点検データが関連付けて格納されているとする。

（グループの分類）
機器データベース１７０に格納された各電力機器の属性データおよび点検データを用いて、各電力機器を複数のグループのうちのいずれかのグループに分類する方式について説明する。

まず、ｎ台の電力機器の各々の点検データ（本実施の形態では、油中ガス濃度の計測値）の特徴量を算出する。ｎ台の電力機器のうちの電力機器Ｐｉ（１≦ｉ≦ｎ）の計測値の特徴量の算出方式について説明する。

電力機器Ｐｉでは過去ｍ回の点検を実施しているものとし、ｋ回目（１≦ｋ≦ｍ）の点検における計測値をｘ（ｋ）と定義する。また、（ｍ＋１）回目以降の点検における予測値をｙ（ｋ）（ｋ≧ｍ＋１）と定義する。この場合、式（１）に示すように、回帰分析を用いてｙ（ｋ）をｘ（ｋ）の関数ｆ（ｋ）として表わすことができる。

ｙ（ｋ）＝ｆ（ｋ）・・・（１）
例えば、ｆ（ｋ）が一次関数のときには、ｆ（ｋ）は式（２）のように表わされる。

ｆ（ｋ）＝ａ・ｋ＋ｂ・・・（２）
この場合、式（２）における係数ａおよび係数ｂが電力機器Ｐｉの計測値の特徴量（以下、単に「電力機器Ｐｉの特徴量」とも称する。）となる。

また、上記のｆ（ｋ）がワイブル分布のときには、ｆ（ｋ）は式（３）のように表わされる。

ｆ（ｋ）＝｛（ａ／ｂ）・（ｋ／ｂ）^{（ａ−１）}｝・ｅｘｐ｛−（ｋ／ｂ）^ａ）｝・・・（３）
この場合にも、式（３）における係数ａおよび係数ｂが電力機器Ｐｉの特徴量となる。式（３）において、係数ａは形状パラメータ、係数ｂは尺度パラメータと称される。なお、式（２）および（３）の係数ａ，ｂは、例えば、最小二乗法を用いて算出することができる。

ここで、複数の電力機器Ｐｉの類似度は、特徴量の距離（例えば、ユークリッド距離）を用いて表される。例えば、電力機器Ｐ１の特徴量をａ１およびｂ１とし、電力機器Ｐ２の特徴量をａ２およびｂ２とする。この場合、電力機器Ｐ１および電力機器Ｐ２の類似度Ｒ（ｐ１，ｐ２）は、以下の式（４）のように表わされる。

Ｒ（ｐ１，ｐ２）＝ｓｑｒｔ｛（ａ１−ａ２）^２＋（ｂ１−ｂ２）^２｝・・・（４）
次に、各電力機器Ｐｉのグループの分類手順について説明する。この分類には、例えば、ｋ−平均法が用いられる。なお、作成するグループの数をＬとする。

まず、１）各電力機器Ｐｉに対して任意のグループをランダムに割り振る。続いて、２）Ｌ個のグループの各々に対応するクラスタ中心であるＶｊ（１≦ｊ≦Ｌ）を計算する。クラスタ中心は、対応するグループに属する全電力機器の特徴量の平均値である。例えば、特徴量が係数ａおよび係数ｂの２つである場合、特徴量の平均値は、係数ａの平均値および係数ｂの平均値の２つの値を含む。さらに、３）各電力機器Ｐｉの特徴量と各Ｖｊとの距離を算出し、各電力機器Ｐｉを各Ｖｊの中で最も近いＶｊに対応するグループに割り当て直す。

上記の１）〜３）の処理ですべての電力機器Ｐｉのグループの割り当てが変化しなかった場合（すなわち、各電力機器Ｐｉについて、当該電力機器が割り当てられたグループと、当該電力機器が既に割り当てられているグループとが一致している場合）に収束したと判断して、分類処理を終了する。そうでない場合には、新しく割り当てられたグループのクラスタ中心Ｖｊを再計算して、上記３）の処理を繰り返す。

このような分類処理により、推定装置１００は、互いに類似する各電力機器が同一のグループに属するように、ｎ台の電力機器をＬ個のグループに分類することができる。

（各グループの代表属性値の設定）
次に、推定装置１００は、Ｌ個のグループの各々について、各属性項目における代表的な属性値（以下、「代表属性値」とも称する。）を設定する。以下では、説明の容易化のため、Ｌ＝４であるとして説明する。

図５は、各グループと属性項目「メーカ」との関係を示す情報テーブル６１０を説明するための図である。情報テーブル６１０は、例えば、属性値「Ａ社」を有する全電力機器のうちの５０％の電力機器がグループＧ１に属しており、２５％の電力機器がグループＧ２に属しており、１０％の電力機器がグループＧ３に属しており、１０％の電力機器がグループＧ４に属していることを示している。属性値「Ｂ社」〜「Ｄ社」についても同様である。情報テーブル６１０は、例えば、以下のようにして生成される。

推定装置１００は、属性項目「メーカ」における各属性値について、当該属性値を有する電力機器の個数に対する、グループＧ１に分類された当該属性値を有する電力機器の個数の比率を算出する。例えば、属性値「Ａ社」を有する電力機器の個数が１００台であり、グループＧ１に分類され、かつ属性値「Ａ社」を有する電力機器の個数が５０台である場合、上記比率は５０％となる。同様に、属性値「Ｂ社」〜「Ｄ社」についても上記比率を算出する。これにより、グループＧ１に対応する属性値「Ａ社」，「Ｂ社」，「Ｃ社」，「Ｄ社」における比率５０％，３０％，２０％，５％が算出される。

推定装置１００は、上記のような比率算出処理をグループＧ２〜Ｇ４についても実行することで、情報テーブル６１０が生成される。

図６は、各グループと属性項目「電圧階級」との関係を示す情報テーブル６２０を説明するための図である。情報テーブル６２０は、例えば、属性値「６６ｋＶ」を有する全電力機器のうちの２５％の電力機器がグループＧ１に属しており、２５％の電力機器がグループＧ２に属しており、２０％の電力機器がグループＧ３に属しており、３０％の電力機器がグループＧ４に属していることを示している。属性値「Ｂ社」〜「Ｄ社」についても同様である。情報テーブル６２０の生成方式は、上述した情報テーブル６１０の生成方式と同様であるため、その詳細な説明は繰り返さない。

なお、説明の容易化のため、図示しないが、各グループと属性項目「管轄」との関係を示す情報テーブル、および、各グループと属性項目「設置場所」との関係を示す情報テーブルも同様にして生成される。

推定装置１００は、上記のように生成された各グループと各属性項目との関係を示す４つの情報テーブルに基づいて、グループＧ１〜Ｇ４の各々について各属性項目における代表属性値を示す情報テーブルを生成する。

図７は、各グループにおける代表属性値を示す情報テーブル６５０を説明するための図である。図７を参照して、情報テーブル６５０は、例えば、グループＧ１における属性項目「メーカ」の代表属性値が「Ａ社」であり、属性項目「電圧階級」の代表属性値が「１５４ｋＶ」であり、属性項目「管轄」の代表属性値が「東京支店」であり、属性項目「設置場所」の代表属性値が「Ｘ変電所」であることを示している。同様に、他のグループＧ２〜Ｇ４についても各属性項目の代表属性値が示されている。情報テーブル６５０は、例えば、以下のようにして生成される。

図５を参照して、グループＧ１に対応する各属性値「Ａ社」，「Ｂ社」，「Ｃ社」，「Ｄ社」における４つの比率のうち最も高い比率は５０％であり、当該比率に対応する属性値は「Ａ社」である。そのため、推定装置１００は、当該最も高い比率に対応する属性値「Ａ社」を、グループＧ１の属性項目「メーカ」の代表属性値として設定する。

また、推定装置１００は、グループＧ２に対応する各属性値における比率のうち最も高い比率「３５％」に対応する属性値「Ｂ社」を、グループＧ２の属性項目「メーカ」の代表属性値として設定する。同様に、推定装置１００は、比率「４０％」に対応する属性値「Ｃ社」をグループＧ３の属性項目「メーカ」の代表属性値として設定し、比率「５５％」に対応する属性値「Ｄ社」をグループＧ４の属性項目「メーカ」の代表属性値として設定する。これにより、情報テーブル６５０の「メーカ」の列が生成される。

図６を参照して、グループＧ１に対応する各属性値「６６ｋＶ」，「１５４ｋＶ」，「２２０ｋＶ」，「２５０ｋＶ」における４つの比率のうち最も高い比率は３０％であり、当該比率に対応する属性値は「１５４ｋＶ」である。そのため、推定装置１００は、当該最も高い比率に対応する属性値「１５４ｋＶ」を、グループＧ１の属性項目「電圧階級」の代表属性値として設定する。

また、推定装置１００は、グループＧ２の属性項目「電圧階級」の代表属性値として比率「５０％」に対応する属性値「２５０ｋＶ」を設定し、グループＧ３の属性項目「電圧階級」の代表属性値として比率「４０％」に対応する属性値「２２０ｋＶ」を設定し、グループＧ４の属性項目「電圧階級」の代表属性値として比率「３０％」に対応する属性値「６６ｋＶ」を設定する。これにより、情報テーブル６５０の「電圧階級」の列が生成される。以下、同様にして、情報テーブル６５０の「管轄」および「設置場所」の列が生成される。

このように、推定装置１００は、Ｌ個（ここでは、Ｌ＝４）のグループの各々について、各属性項目における代表属性値を示す情報テーブル６５０を生成する。情報テーブル６５０を生成するタイミングは保守員８００によって任意に定められる。例えば、情報テーブル６５０は、定期的（例えば、数カ月ごと）に更新される。

（各グループの代表電力機器の設定）
各グループの代表電力機器の設定方式について説明する。具体的には、推定装置１００は、グループＧ１に属する全電力機器の各々の特徴量と、グループＧ１に対応するクラスタ中心との距離を算出する。推定装置１００は、各距離のうち最も小さい距離に対応する特徴量を抽出し、当該特徴量を有する電力機器をグループＧ１の代表電力機器として設定する。同様にして、推定装置１００は、グループＧ２〜Ｇ４の代表電力機器を設定する。

（対象電力機器の点検データの推定）
推定装置１００は、対象電力機器の属性データに基づいて、Ｌ個（ここでは、Ｌ＝４）のグループの中から対象電力機器が属するべきグループを選択する。

図８は、対象電力機器が属するグループの選択方式を説明するための図である。図８を参照して、情報テーブル７００は、対象電力機器の各属性項目の属性値と、対象電力機器の候補グループとが示されている。なお、候補グループは、対象電力機器が属するグループとして選択される可能性のあるグループである。具体的には、対象電力機器の属性項目「メーカ」の属性値は「Ａ社」であり、属性項目「電圧階級」の属性値は「６６ｋＶ」であり、属性項目「管轄」の属性値は「横浜支店」であり、属性項目「設置場所」の属性値は「Ｚ変電所」である。

上述したように、推定装置１００は、各グループの代表属性値を示す情報テーブル６５０（図７参照）を生成している。推定装置１００は、対象電力機器の属性データと、情報テーブル６５０とを比較して、対象電力機器の候補グループを抽出する。例えば、対象電力機器の属性項目「メーカ」の属性値は「Ａ社」である。また、属性項目「メーカ」の属性値「Ａ社」と同一の代表属性値を有するグループは、グループＧ１である（図７参照）。そのため、推定装置１００は、属性項目「メーカ」に着目した場合の対象電力機器の候補グループとしてグループＧ１を抽出する。

また、推定装置１００は、対象電力機器の属性項目「電圧階級」の属性値「６６ｋＶ」が代表属性値として設定されているグループＧ４を、属性項目「電圧階級」に着目した場合の対象電力機器の候補グループとして抽出する。同様に、推定装置１００は、属性項目「管轄」に着目した場合の候補グループとしてグループＧ３を抽出し、属性項目「設置場所」に着目した場合の候補グループとしてグループＧ２を抽出する。なお、図８に示す情報テーブル７００には、候補グループにおける代表属性値に対応する比率が示されている。例えば、属性項目「メーカ」については、候補グループＧ１における代表属性値「Ａ社」に対応する比率「５０％」が示されている。

推定装置１００は、各属性項目に対して抽出した４つの候補グループのうち、代表属性値に対応する比率が最も高いグループを、対象電力機器が属するグループとして選択する。図８の例では、属性項目「メーカ」の候補グループＧ１に対応する比率が５０％であり、属性項目「電圧階級」の候補グループＧ４に対応する比率が３０％であり、属性項目「管轄」の候補グループＧ３に対応する比率が４０％であり、属性項目「設置場所」の候補グループＧ２に対応する比率が４５％である。そのため、推定装置１００は、これらの比率のうち最も高い比率「５０％」に対応する候補グループＧ１を、対象電力機器が属するグループとして選択する。

なお、最も高い比率に対応する候補グループが複数存在する場合には、属性項目について予め定められた基準優先順位に従って、対象電力機器が属するグループが選択される。例えば、属性項目「メーカ」、「電圧階級」、「管轄」、「設置場所」の順に優先順位が高いとする。また、属性項目「メーカ」の候補グループＧ１に対応する比率と、属性項目「電圧階級」の候補グループＧ２に対応する比率とが同一であり、かつ最も高い比率であるとする。この場合、属性項目「電圧階級」よりも優先順位の高い属性項目「メーカ」の候補グループＧ１が、対象電力機器が属するグループとして選択される。

そして、推定装置１００は、選択されたグループＧ１の代表電力機器の点検データを、対象電力機器の点検データとして推定する。この場合、代表電力機器は、グループＧ１に属する全電力機器の各々の特徴量と、グループＧ１に対応するクラスタ中心との距離が最も小さくなる特徴量に対応する電力機器である。

図９は、対象電力機器が属するグループの選択方式の他の例を説明するための図である。図９を参照して、情報テーブル７１０には、対象電力機器の属性項目「メーカ」の属性値が「Ｂ社」であり、属性項目「電圧階級」の属性値が「１５４ｋＶ」であり、属性項目「管轄」の属性値が「横浜支店」であり、属性項目「設置場所」の属性値が「Ｚ変電所」であることが示されている。

また、属性項目「メーカ」に着目した場合の候補グループがグループＧ２であり、属性項目「電圧階級」に着目した場合の候補グループがグループＧ１であり、属性項目「管轄」に着目した場合の候補グループがグループＧ３であり、属性項目「設置場所」に着目した場合の候補グループがグループＧ２であることが示されている。

推定装置１００は、各属性項目に対して抽出された候補グループのうち、最も多く抽出された候補グループを、対象電力機器が属するグループとして選択する。図９の例では、グループＧ１、Ｇ２、Ｇ３、Ｇ４が候補グループとして抽出された回数は、それぞれ１回、２回、１回、０回である。そのため、推定装置１００は、候補グループとして最も多く抽出されたグループＧ２を対象電力機器が属するグループとして選択する。

なお、抽出回数が同一の候補グループが複数存在する場合には、推定装置１００は、上述した基準優先順位に従って、対象電力機器が属するグループを選択する。例えば、属性項目「メーカ」および「電圧階級」に着目した場合の候補グループとしてグループＧ１が抽出され、属性項目「管轄」および「設置場所」に着目した場合の候補グループとしてグループＧ２が抽出されたものとする。すなわち、グループＧ１およびＧ２の抽出回数は２回であり同一であるとする。この場合、推定装置１００は、最も優先順位が高い属性項目「メーカ」についての候補グループとして抽出されたグループＧ１を、対象電力機器が属するグループとして選択する。

＜機能構成＞
図１０は、推定装置１００の機能構成の一例を示すブロック図である。図１０を参照して、推定装置１００は、主たる機能構成として、特徴量抽出部２０２と、分類部２０４と、設定部２０６と、代表機器設定部２０８と、選択部２１２と、推定部２１４とを含む。これらの各機能は、例えば、推定装置１００のプロセッサ１５０が二次記憶装置１５４あるいは主記憶装置１５２に格納されたプログラムを実行することによって実現される。なお、これらの機能の一部または全部はハードウェアで実現されるように構成されていてもよい。また、推定装置１００は、二次記憶装置１５４により実現される機器データベース１７０および代表データ格納部２１０をさらに含む。

特徴量抽出部２０２は、機器データベース１７０に格納された各電力機器Ｐｉの点検データの特徴量を抽出する。例えば、特徴量抽出部２０２は、点検データ（例えば、計測値）を説明変数とし、当該点検データの予測値を目的変数として回帰分析を行なうことにより得られる回帰式（例えば、式（２））の各係数（例えば、係数ａ，ｂ）を、当該点検データの特徴量として抽出する。

分類部２０４は、複数の電力機器Ｐｉの特徴量に基づいて、複数の電力機器Ｐｉを複数のグループに分類する。具体的には、分類部２０４は、互いに類似する複数の電力機器が同一のグループに属するように、複数の電力機器Ｐｉの各々を当該複数のグループのいずれかに分類する。

詳細には、分類部２０４は、複数の電力機器Ｐｉの各々について、当該電力機器における特徴量と各グループに対応するクラスタ中心との距離を算出し、当該距離が最も小さくなるクラスタ中心に対応するグループに当該電力機器を分類する。例えば、分類部２０４は、上述の分類手順に従って、各電力機器Ｐｉを複数のグループのいずれかに分類する。

設定部２０６は、複数のグループの各々について、当該グループに分類された全電力機器における各属性項目の属性値に基づいて、当該グループにおける各属性項目の代表属性値を設定する。

具体的には、設定部２０６は、複数の属性項目のうちの１の属性項目（例えば、「メーカ」）における各属性値（例えば、「Ａ社」〜「Ｄ社」）について、当該属性値（例えば、Ａ社）を有する電力機器の個数（例えば、１００台）に対する、複数のグループのうちの１のグループ（例えば、グループＧ１）に分類された当該属性値（例えば、Ａ社）を有する電力機器の個数（例えば、５０台）の比率を算出する。設定部２０６は、算出された各比率のうち最も高い比率（例えば、５０％）に対応する属性値（例えば、「Ａ社」）を、当該１のグループにおける当該１の属性項目の代表属性値として設定する。

設定部２０６は、各グループについて、当該グループにおける各属性項目の代表属性値を示す設定情報（例えば、情報テーブル６５０）を代表データ格納部２１０に格納する。

代表機器設定部２０８は、複数のグループの各々について、当該グループに属する全電力機器の各々における特徴量に基づいて、当該グループの代表電力機器を設定する。具体的には、代表機器設定部２０８は、複数のグループの各々について、当該グループに属する全電力機器の各々における特徴量と当該グループに対応するクラスタ中心との距離を算出し、当該が最も小さくなる特徴量に対応する電力機器を当該グループの代表電力機器として設定する。代表機器設定部２０８は、各グループの代表電力機器を示す情報（例えば、代表電力機器の機器ＩＤ）を代表データ格納部２１０に格納する。

選択部２１２は、対象電力機器の属性データの入力を受け付けると、当該属性データを用いて、複数のグループの中から対象電力機器が属するグループを選択する。具体的には、選択部２１２は、複数の属性項目の各々について、対象電力機器の当該属性項目の属性値と同一の代表属性値を有するグループを、当該属性項目についての候補グループとして抽出する。選択部２１２は、各属性項目についての候補グループの抽出結果に基づいて、対象電力機器が属するグループを選択する。

ある局面では、選択部２１２は、複数の属性項目の各々について抽出された候補グループのうち、代表属性値に対応する比率が最も高い候補グループを、対象電力機器が属するグループとして選択する。

他の局面では、選択部２１２は、複数の属性項目の各々について抽出された候補グループのうち、最も多く抽出された候補グループを、対象電力機器が属するグループとして選択する。

推定部２１４は、選択部２１２により選択されたグループの代表電力機器の点検データを、対象電力機器の点検データとして推定する。具体的には、推定部２１４は、選択されたグループの代表電力機器を示す情報（例えば、機器ＩＤ）を代表データ格納部２１０から読み出す。推定部２１４は、当該代表電力機器の機器ＩＤを用いて、機器データベース１７０の中から当該代表電力機器の点検データを検索する。推定部２１４は、検索した点検データを、対象電力機器の点検データとする推定結果をディスプレイ１５８に表示する。あるいは、推定部２１４は、汎用インターフェイス１６２を介して、推定結果を外部装置に出力してもよい。

＜処理手順＞
図１１は、推定装置１００の処理手順の一例を示すフローチャートである。具体的には、図１１には、代表属性値および代表電力機器を設定するための処理手順が示されている。図１１に示す各ステップは、典型的には、推定装置１００のプロセッサ１５０により実行される。

プロセッサ１５０は、機器データベース１７０を参照して、複数の電力機器Ｐｉの各々の点検データの特徴量を抽出する（ステップＳ１０）。プロセッサ１５０は、複数の電力機器Ｐｉの各々について抽出された特徴量に基づいて、複数の電力機器Ｐｉを複数のグループに分類する（ステップＳ１２）。

プロセッサ１５０は、複数のグループの各々について、当該グループに分類された全電力機器における各属性項目の属性値に基づいて、当該グループにおける各属性項目の代表属性値を設定する（ステップＳ１４）。プロセッサ１５０は、各グループにおける各代表属性値の設定情報を二次記憶装置１５４に記憶する。

続いて、プロセッサ１５０は、複数のグループの各々について、当該グループに属する全電力機器の各々における特徴量に基づいて、当該グループの代表電力機器を設定して（ステップＳ１６）、処理を終了する。プロセッサ１５０は、各グループの代表電力機器の設定情報を二次記憶装置１５４に記憶する。なお、ステップＳ１４，Ｓ１６の処理は順不同である。

図１２は、推定装置１００の処理手順の他の例を示すフローチャートである。具体的には、図１２には、対象電力機器の属性データに基づいて、対象電力機器の点検データを推定するための処理手順が示されている。図１２に示す各ステップは、典型的には、推定装置１００のプロセッサ１５０により実行される。

図１２を参照して、プロセッサ１５０は、対象電力機器の属性データの入力を受け付けたか否かを判断する（ステップＳ５０）。プロセッサ１５０は、複数の属性項目の各々について、複数のグループの中から、当該属性項目の属性値と同一の代表属性値を有するグループを候補グループとして抽出する（ステップＳ５２）。

プロセッサ１５０は、各候補グループの抽出結果に基づいて、対象電力機器が属するグループを選択する（ステップＳ５４）。プロセッサ１５０は、例えば、抽出された各候補グループのうち、代表属性値に対応する比率が最も高いグループを、対象電力機器が属するグループとして選択する。

プロセッサ１５０は、選択されたグループの代表電力機器の点検データを対象電力機器の点検データとして推定し（ステップＳ５６）、推定結果を出力し（ステップＳ５８）、処理を終了する。

＜利点＞
本実施の形態によると、点検データがない稼働前の電力機器、あるいは点検データが乏しい稼働期間の短い電力機器であっても、当該電力機器の点検データを精度よく推定することができる。そのため、推定された点検データを、当該電力機器の将来の劣化状態評価、点検計画の策定、更新時期の想定、ライフサイクルコストの算定等に利用することができる。

その他の実施の形態．
（１）上述した実施の形態において、コンピュータを機能させて、上述のフローチャートで説明したような制御を実行させるプログラムを提供することもできる。このようなプログラムは、コンピュータに付属するフレキシブルディスク、ＣＤ（Compact Disk Read Only Memory）、二次記憶装置、主記憶装置およびメモリカードなどの一時的でないコンピュータ読取り可能な記録媒体にて記録させて、プログラム製品として提供することもできる。あるいは、コンピュータに内蔵するハードディスクなどの記録媒体にて記録させて、プログラムを提供することもできる。また、ネットワークを介したダウンロードによって、プログラムを提供することもできる。

プログラムは、コンピュータのオペレーティングシステム（ＯＳ）の一部として提供されるプログラムモジュールのうち、必要なモジュールを予め定められた配列で予め定められたタイミングで呼出して処理を実行させるものであってもよい。その場合、プログラム自体には上記モジュールが含まれずＯＳと協働して処理が実行される。このようなモジュールを含まないプログラムも、本実施の形態にかかるプログラムに含まれ得る。

また、本実施の形態にかかるプログラムは他のプログラムの一部に組込まれて提供されるものであってもよい。その場合にも、プログラム自体には上記他のプログラムに含まれるモジュールが含まれず、他のプログラムと協働して処理が実行される。このような他のプログラムに組込まれたプログラムも、本実施の形態にかかるプログラムに含まれ得る。

（２）上述の実施の形態として例示した構成は、本発明の構成の一例であり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、一部を省略する等、変更して構成することも可能である。また、上述した実施の形態において、他の実施の形態で説明した処理および構成を適宜採用して実施する場合であってもよい。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１００推定装置、１５０プロセッサ、１５２主記憶装置、１５４二次記憶装置、１５８ディスプレイ、１６０入力装置、１６２汎用インターフェイス、１６４内部バス、１７０機器データベース、２０２特徴量抽出部、２０４分類部、２０６設定部、２０８代表機器設定部、２１０代表データ格納部、２１２選択部、２１４推定部、５００，５１０属性データテーブル、５５０点検データテーブル、６１０，６２０，６５０，７００，７１０情報テーブル、８００保守員。

Claims

複数の電力機器の各々について、当該電力機器の属性データおよび点検データを関連付けて格納する機器データベースを備え、
前記属性データは、複数の属性項目と、各前記属性項目の属性値とを含み、
前記複数の電力機器の各々の点検データの特徴量を抽出する特徴量抽出部と、
前記複数の電力機器の各々についての前記特徴量に基づいて、前記複数の電力機器を複数のグループに分類する分類部と、
前記複数のグループの各々について、当該グループに分類された全電力機器における各前記属性項目の属性値に基づいて、当該グループにおける各前記属性項目の代表属性値を設定する設定部と、
前記複数の属性項目の各々について、前記複数のグループの中から、対象電力機器の当該属性項目の属性値と同一の前記代表属性値を有するグループを抽出し、抽出結果に基づいて前記対象電力機器が属するグループを選択する選択部と、
前記選択されたグループを代表する電力機器の点検データを、前記対象電力機器の点検データとして推定する推定部とをさらに備える、推定装置。
前記分類部は、
前記複数の電力機器の各々について、当該電力機器における前記特徴量と各前記グループに対応するクラスタ中心との距離を算出し、当該距離が最も小さくなる前記クラスタ中心に対応するグループに当該電力機器を分類する、請求項１に記載の推定装置。
前記設定部は、
前記複数の属性項目のうちの１の属性項目における各属性値について、当該属性値を有する電力機器の個数に対する、前記複数のグループのうちの１のグループに分類された当該属性値を有する電力機器の個数の比率を算出し、
算出された各前記比率のうち最も高い比率に対応する属性値を、前記１のグループにおける前記１の属性項目の前記代表属性値として設定する、請求項１または請求項２に記載の推定装置。
前記選択部は、前記複数の属性項目の各々について抽出されたグループのうち、前記代表属性値に対応する前記比率が最も高いグループを、前記対象電力機器が属するグループとして選択する、請求項３に記載の推定装置。
前記選択部は、前記複数の属性項目の各々について抽出されたグループのうち、最も多く抽出されたグループを、前記対象電力機器が属するグループとして選択する、請求項１〜請求項３のいずれか１項に記載の推定装置。
前記選択されたグループを代表する電力機器は、前記選択されたグループに属する全電力機器の各々における前記特徴量と当該グループに対応するクラスタ中心との距離が最も小さくなる前記特徴量に対応する電力機器である、請求項１〜請求項５のいずれか１項に記載の推定装置。
対象電力機器の点検データを推定するためのコンピュータにより実行される推定方法であって、
前記コンピュータは、複数の電力機器の各々について、当該電力機器の属性データおよび点検データを関連付けて格納する機器データベースを備え、
前記属性データは、複数の属性項目と、各前記属性項目の属性値とを含み、
前記推定方法は、
前記複数の電力機器の各々の点検データの特徴量を抽出するステップと、
前記複数の電力機器の各々についての前記特徴量に基づいて、前記複数の電力機器を複数のグループに分類するステップと、
前記複数のグループの各々について、当該グループに分類された全電力機器における各前記属性項目の属性値に基づいて、当該グループにおける各前記属性項目の代表属性値を設定するステップと、
前記複数の属性項目の各々について、前記複数のグループの中から、前記対象電力機器の当該属性項目の属性値と同一の前記代表属性値を有するグループを抽出し、抽出結果に基づいて前記対象電力機器が属するグループを選択するステップと、
前記選択されたグループを代表する電力機器の点検データを、前記対象電力機器の点検データとして推定するステップとを含む、推定方法。