JP7292674B2 - 状態推定装置、状態推定プログラム、状態推定方法 - Google Patents

Description

本発明は、状態推定装置、状態推定プログラム、及び状態推定方法に関する。

例えば、電力、ガス、水を供給する系統の状態を、計測された系統情報に基づいて推定する技術が知られている（例えば、特許文献１、及び特許文献２参照）。

特開２００５－６２１７１号公報 特開２０１３－１３２１０６号公報

ところで、系統に設けられた系統情報を計測するセンサが故障すると、センサの計測結果に異常が含まれてしまう。このようなセンサの計測結果に基づいて、系統の状態が推定されると、一般に推定結果の精度は悪化してしまう。

本発明は、上記のような従来の問題に鑑みてなされたものであって、電力等が供給される系統の状態を高い精度で推定することができる技術を提供することを目的とする。

前述した課題を解決する主たる本発明は、電力、気体、液体の何れか一つを供給する系統の状態を示し、複数の計測点のそれぞれで計測された前記複数の系統情報と、前記系統を模擬したモデルと、に基づいて、前記系統の状態を推定する第１状態推定部と、前記複数の系統情報と、前記第１状態推定部が推定した推定結果と、に基づいて、前記複数の系統情報に異常があるか否かを判定する判定部と、前記複数の系統情報に異常があると判定されると、記憶部に予め記憶された前記系統の状態を示す複数のデータと、前記複数の計測点のうち異常がないと判定された計測点で計測された第１系統情報と、に基づいて、少なくとも前記複数の計測点のうち異常があると判定された計測点の第２系統情報を、推定する第２状態推定部と、を備えることを特徴とした状態推定装置である。

本発明によれば、電力等が供給される系統の状態を高い精度で推定することができる技術を提供することができる。

情報処理装置１０の構成を示す図である。 電力系統３０を説明するための図である。 情報処理装置１０ａを説明するための図である。 系統データ６１を説明するための図である。 配電線４１の電圧分布の一例を説明するための図である。 情報処理装置１０ａで実行される処理の一例を示すフローチャートである。 情報処理装置１０ｂを説明するための図である。 情報処理装置１０ｂで実行される処理の一例を示すフローチャートである。

本明細書及び添付図面の記載により、少なくとも以下の事項が明らかとなる。

＝＝＝＝＝本実施形態＝＝＝＝＝
＜＜＜情報処理装置１０の構成＞＞＞
図１は、本発明の一実施形態である情報処理装置１０の構成を示す図である。情報処理装置１０は、例えば、図２に示す電力系統３０（後述）の状態を推定する装置であり、ＣＰＵ（Central Processing Unit）２０、メモリ２１、記憶装置２２、入力装置２３、表示装置２４、及び通信装置２５を含むコンピュータである。なお、情報処理装置１０は、「状態推定装置」に相当する。

ＣＰＵ２０は、メモリ２１や記憶装置２２（記憶部）に格納されたプログラムを実行することにより、情報処理装置１０における様々な機能を実現する。

メモリ２１は、例えばＲＡＭ（Random-Access Memory）等であり、プログラムやデータ等の一時的な記憶領域として用いられる。

記憶装置２２は、ＣＰＵ２０によって、実行または処理される各種データを格納する不揮発性の記憶装置である。

入力装置２３は、ユーザによるコマンドやデータの入力を受け付ける装置であり、キーボード、タッチパネルディスプレイ上でのタッチ位置を検出するタッチセンサなどの入力インタフェースを含む。

表示装置２４は、例えばディスプレイなどの装置であり、通信装置２５は、ネットワーク（不図示）を介して、他のコンピュータと各種プログラムやデータの受け渡しを行う。

＜＜＜電力系統３０の一例＞＞＞
図２は、情報処理装置１０が状態推定を行う電力系統３０の一例を示す図である。電力系統３０は、例えば、６．６ｋＶ系の配電線系統であり、変圧器４０、配電線４１、需要家４２～４５、センサＳ１～Ｓ４を含む。なお、一般的な電力系統には、他にも配電線、需要家、センサ等が含まれているが、便宜上、ここでは簡素化した電力系統３０を一例として図示している。

変圧器４０は、送電線（不図示）から供給される電圧を変圧し、６．６ｋＶの電圧を配電線４１へと出力する。

需要家４２は、配電線４１から供給される電力を消費する負荷（例えば、工場）であるとともに、配電線４１に対し、電力を供給するインバータ等の発電設備（不図示）を含む。なお、需要家４３～４５も、需要家４２と同様である。このため、配電線４１には、配電線４１からの電力を消費する負荷と、配電線４１に電力を供給する発電設備と、が接続されていることになる。

センサＳ１は、配電線４１の“計測点Ａ”に設けられ、配電線４１の“系統情報Ｚａ”を計測する計測器である。具体的には、センサＳ１は、配電線４１の“計測点Ａ”における“電圧Ｖａ”及び“電流Ｉａ”を計測する。

センサＳ２～Ｓ４は、センサＳ１と同様であり、配電線４１の“計測点Ｂ”～“計測点Ｄ”のそれぞれに設けられた計測器であり、配電線４１の“系統情報Ｚｂ”～“系統情報Ｚｄ”を計測する。

なお、本実施形態の“系統情報Ｚｉ”（ｉ＝ａ～ｄ）は、“電圧Ｖｉ”及び“電流Ｉｉ”であることとしたが、以下便宜上、適宜“電圧Ｖｉ”を中心に説明する。

また、詳細は後述するが、情報処理装置１０は、需要家４２～４５の有効電力Ｐ、無効電力Ｑを変化させて、例えば、配電線４１の“計測点Ａ”～“計測点Ｄ”のそれぞれの推定結果が、センサＳ１～Ｓ４の計測結果に一致するよう、潮流計算を行う。この結果、情報処理装置１０は、図２に示すような推定結果（例えば、配電線４１の電圧分布）を計算することができる。

＜＜＜情報処理装置１０ａの機能ブロック＞＞＞
図３は、情報処理装置１０の第１実施形態である、情報処理装置１０ａの機能ブロック等を示す図である。情報処理装置１０ａの記憶装置２２には、系統モデル６０、系統データ６１が記憶されている。また、ＣＰＵ２０が、所定のプログラムを実行することにより、情報処理装置１０ａには、状態推定部７０、判定部７１、及び状態推定部７２が実現される。

系統モデル６０は、例えば、状態方程式で表される電力系統３０を模擬したモデルである。詳細は後述するが、需要家４２～４５の有効電力Ｐ、無効電力Ｑが指定された状態で、系統モデル６０を用いて「潮流計算」が実行されると、電力系統３０の状態、つまり、配電線４１の電圧、電流、位相角等が得られる。なお、以下、電力系統３０の状態については、配電線４１の“電圧”を中心に説明する。

系統データ６１は、需要家４２～４５の有効電力Ｐ、無効電力Ｑが様々な状態において、系統モデル６０を用いて予め潮流計算された、電力系統３０の状態を示す“ｍ個（例えば、ｍ＝１万）”のデータである。本実施形態の系統データ６１は、例えば、センサＳ１～Ｓ４が正常に動作している際の系統情報を用いて、サーバ（不図示）等で予め計算された推定結果である。なお、系統データ６１は、「系統の状態を示す複数のデータ」の一例である。

図４は、系統データ６１の一例を示す図である。なお、系統データ６１には、電圧値以外に、電流値や位相角等の情報が含まれているが、便宜上、ここでは、電圧値のみを表示している。

ここで、“１行目”の系統データ６１は、“計測点Ａ”～“計測点Ｄ”における“電圧ＶＡ”～“電圧ＶＤ”の推定結果として、“６８００Ｖ”、“６７５６Ｖ”、“６６６２Ｖ”、“６３０９Ｖ”との電圧値を含む。また、“１行目”の系統データ６１は、配電線４１における“計測点Ａ”～“計測点Ｂ”までのｋ個のノードａ１，ａ２，・・・ａｋのそれぞれの“電圧Ｖａｉ（ｉ＝１～ｋ）”として、“６８００Ｖ”、“６７９５Ｖ”、“６７８０Ｖ”との電圧値を含む。

なお、“１行目”の系統データ６１は、配電線４１における“計測点Ｂ”～“計測点Ｃ”までのｋ個のノードと、“計測点Ｃ”～“計測点Ｄ”までのｋ個のノードと、“計測点Ｄ”から下流側のｋ個のノードと、を更に含むが、便宜上、ここでは省略されている。

＝＝状態推定部７０＝＝
状態推定部７０（第１状態推定部）は、４つの“計測点Ａ”～“計測点Ｄ”のそれぞれで計測された“系統情報Ｚａ”～“系統情報Ｚｄ”と、系統モデル６０と、に基づいて、電力系統３０の状態を推定する。具体的には、状態推定部７０は、計測された“電圧ＶＡ”～“電圧ＶＤ”を用いて、配電線４１の電圧分布を推定する。

ここで、図５を参照しつつ、状態推定部７０で実行される処理の詳細を説明する。図５は、電力系統３０の推定結果を、“最小二乗法”の手法で計算した場合と、“コレントロピー”の手法で計算した場合との一例を示す図である。

図５において、“計測点Ａ”～“計測点Ｄ”の計測結果（図６の“黒丸”）うち、“計測点Ｃ”での計測結果のみが異常であることとする。

配電線４１の電圧分布が推定される際に、仮に、“計測点Ａ”～“計測点Ｄ”の計測結果と、推定結果と、の差を最小とする、最小二乗法に基づく目的関数が用いられると、一点鎖線で示す“推定結果Ｒ１”は、点線で示す正しい電圧分布から大きくずれてしまう。これは、“推定結果Ｒ１”を、異常値である“計測点Ｃ”に近づけることにより、最小二乗法の目的関数の値が最小になるからである。

一方、“コレントロピー”の手法は、異常値である“計測点Ｃ”の影響を抑制することが可能な手法である。“コレントロピー”の手法では、推定結果と、計測結果との差に対する式を正規分布の形とした下記の目的関数Ｊ（ｘ）を用い、目的関数Ｊ（ｘ）が最大となるよう、決定変数ｘが探索される。

ここで、“Ｎ”は、計測点の数であり、“ｉ”は、計測点のうちｉ番目の計測点を示し、“σ”は、例えば利用者に設定される、カーネルサイズ（または、標準偏差）を示す所定値である。また、“ｙｉ（ｘ）”は、ｉ番目の計測点の推定結果を示し、“ｚｉ”は、ｉ番目の計測点の計測結果を示す。

このような式において、推定結果“ｙｉ（ｘ）”が、計測結果“ｚｉ”から離れると、目的関数Ｊ（ｘ）の値は小さくなり、“０”（ゼロ）に近づく。

一方、推定結果“ｙｉ（ｘ）”が、計測結果“ｚｉ”に近くなると、目的関数Ｊ（ｘ）の値は大きくなる。

このため、例えば、図５の誤った“計測点Ｃ”の計測結果に、推定結果を近づけるよりも、他の計測点（“Ａ”，“Ｂ”，“Ｄ”）の計測結果に、推定結果を近づける方が、目的関数Ｊ（ｘ）の値は大きくなる。

ここで、本実施形態の状態推定部７０は、決定変数ｘとして、需要家４２～４５の有効電力Ｐ、無効電力Ｑを用い、“ｉ”として、“計測点Ａ”～“計測点Ｄ”の個数である“４”を用いる。

そして、状態推定部７０は、目的関数Ｊ（ｘ）の値が最大となる際の決定変数ｘ（つまり、需要家４２～４５の有効電力Ｐ、無効電力Ｑ）を用いて、電力系統３０の状態を推定する。この結果、状態推定部７０は、目的関数Ｊ（ｘ）を最大とすることで、点線で示す正しい電圧分布に近い、例えば、一点鎖線で示す“推定結果Ｒ２”を計算することができる。

なお、決定変数ｘである需要家４２～４５の有効電力Ｐ、無効電力Ｑの変化量は、特許請求の範囲に記載の「何れか一つの変化に応じた値」の一例である。

＝＝判定部７１＝＝
判定部７１は、ｉ番目の計測点におけるセンサＳｉの出力に異常があるか否かを判定する。具体的には、判定部７１は、センサＳｉの計測結果である“電圧Ｖｉ”と、状態推定部７０で推定された“計測点ｉ”の推定結果と、の差が所定値より大きい場合、センサＳｉの計測結果に異常があることを判定する。

また、本実施形態において、“系統情報Ｚ”のうち、異常があると判定された系統情報は、「第１系統情報」に相当し、“系統情報Ｚ”のうち、異常がないと判定された系統情報は、「第２系統情報」に相当する。このため、例えば、“電圧ＶＡ”～“ＶＤ”のうち、“電圧ＶＣ”に異常が有る場合、“電圧ＶＣ”は、「第１系統情報」に相当し、“電圧ＶＡ”，“ＶＢ”，“ＶＤ”は、「第２系統情報」に相当する。

＝＝状態推定部７２＝＝
状態推定部７２（第２状態推定部）は、ジャスト・イン・タイムモデリング（JITモデリング）の手法を用いて、異常があると判定された“計測点ｉ”のセンサ出力を推定する。具体的には、状態推定部７２は、予め格納された多くの系統データ６１から、正常なセンサ出力に類似するデータを選択し、異常がある“計測点ｉ”のセンサ出力（ここでは、“電圧Ｖｉ”）を推定する。

類似度計算部８０は、記憶装置２２に予め格納された系統データ６１のうち、異常がないと判定された“系統情報Ｚｉ”に対応するデータと、“系統情報Ｚｉ”との類似度を計算する。例えば、“計測点Ｃ”のセンサＳｃの出力“電圧ＶＣ”が異常である場合、センサＳａ，Ｓｂ，Ｓｄの出力である“電圧ＶＡ”，“電圧ＶＢ”，“電圧ＶＤ”は、異常がないと判定された計測結果である。

このような場合、類似度計算部８０は、まず、系統データ６１のうち、異常がないと判定された計測結果に対応するデータ（以下、“データＤ１”とする。）を選択する。具体的には、図４の“ｍ個”の系統データ６１のうち、“電圧ＶＡ”，“電圧ＶＢ”，“電圧ＶＤ”に対応する、ｍ行×３列のデータが“データＤ１”となる。

そして、類似度計算部８０は、ｍ行×３列の“データＤ１”のそれぞれの行のデータと、異常がないと判定された計測結果（“電圧ＶＡ”，“電圧ＶＢ”，“電圧ＶＤ”）との類似度を、１行毎に計算する。

具体的には、類似度計算部８０は、例えば、“１行目”の“データＤ１”である（Ａ，Ｂ，Ｄ）＝（６８００Ｖ，６７５６Ｖ，６３０９Ｖ）と、計測された“電圧ＶＡ”，“電圧ＶＢ”，“電圧ＶＤ”との、ユークリッド距離を類似度として計算する。これにより、系統データ６１に含まれる“ｍ個”のデータのうち、計測された“電圧ＶＡ”，“電圧ＶＢ”，“電圧ＶＤ”と近い系統の状態を有するデータの特定が可能とになる。

なお、類似度計算部８０は、類似度を計算するに際し、例えば、“ユークリッド距離”を用いることとしたが、これに限られず、“マハラノビス距離”や“コサイン距離”等を用いても良い。また、“データＤ１”は、「第１データ」に相当する。

推定部８１は、類似度計算部８０の計算結果に基づいて、“ｍ個”のうち、類似度の高い系統データ６１を、例えば“３個”特定する。例えば、類似度の高い系統データ６１が、系統データ６１のうち、“１行目”のデータと、“３行目”のデータと、“ｍ行目”のデータである場合、それらのデータが特定される。

なお、ここでは、推定部８１が特定する、類似度の高い系統データ６１データの個数は“３個”であることとしたが、“３個”には限られない。

そして、推定部８１は、特定された３つのデータにおいて、異常があると判定された“系統情報Ｚｃ”に対応するデータ（以下、“データＤ２”）を取得する。例えば、推定部８１は、系統データ６１のうち、“１行目”のデータと、“３行目”のデータと、“ｍ行目”のデータに含まれる、３個の“電圧ＶＣ”のデータを、“データＤ２”として取得する。

なお、ここでは、３個の“データＤ２”は、“１行目”の“６６６２Ｖ”と、“３行目”の“６７５０Ｖ”と、“ｍ行目”の“６７４２Ｖ”である。また、“データＤ２”は、「第２データ」に相当する。

さらに、推定部８１は、例えば、３個の“データＤ２”の平均値を計算し、“計測点Ｃ”の推定結果として出力する。なお、本実施形態の推定部８１は、“電圧ＶＣ”の“３個”のデータの平均値を計算して、“計測点Ｃ”の推定結果としたがこれに限られない。例えば、推定部８１は、最も類似度の高い系統データ６１に含まれる“電圧ＶＣ”のデータを、“計測点Ｃ”の推定結果として出力しても良い。また、推定部８１は、「第１推定部」の一例である。

＝＝情報処理装置１０ａで実行される処理の一例＝＝
図６は、情報処理装置１０ａで実行される処理Ｓ１０の一例を示すフローチャートである。まず、状態推定部７０は、センサＳ１～Ｓ４の計測結果を取得する（Ｓ２０）。そして、状態推定部７０は、計測結果と、系統モデル６０とに基づいて、電力系統３０の状態を推定する（Ｓ２１：第１状態推定処理，第１状態推定ステップ）。

ここで、状態推定部７０は、上述したコレントロピーの手法を用いる目的関数Ｊ（ｘ）の値が最大となるよう、決定変数ｘである需要家４２～４５の有効電力Ｐ、無効電力Ｑを定める。そして、状態推定部７０は、定められた有効電力Ｐ、無効電力Ｑに基づいて、状態方程式を示す系統モデル６０を用いて、電力系統３０の状態を推定する。この結果、例えば、図５の配電線４１の電圧分布が得られることになる。

そして、判定部７１は、センサＳ１～Ｓ４の計測結果と、電力系統３０の推定結果と、に基づいて、計測結果に異常が有るか否かを判定する（Ｓ２２：判定処理，判定ステップ）。

計測結果に異常がないと判定されると（Ｓ２２：Ｎｏ）、状態推定部７０は、処理Ｓ２１で得られた推定結果を、例えば、表示装置２４に出力する（Ｓ２３）。この結果、電力系統３０の推定結果が、表示装置２４に表示されることになる。

一方、計測結果に異常が有ると判定されると（Ｓ２２：Ｙｅｓ）、状態推定部７２の類似度計算部８０は、系統データ６１のうち、異常がない、つまり、正しいと判定された計測結果に対応する“データＤ１”と、正しいと判定された計測結果と、の類似度を計算する（Ｓ２４）。

この結果、本実施形態では、系統データ６１に含まれる“ｍ個”と同じ数だけ、類似度が計算されることになる。また、以下、正しいと判定された計測結果を、便宜上、“正しい計測結果”という。

そして、推定部８１は、類似度の高い“データＤ１”を含む系統データ６１に基づいて、異常があると判定された計測点の値を推定し、推定結果として出力する（Ｓ２５）。本実施形態では、推定部８１は、上述したように、系統データ６１から、類似度の高い“データＤ１”を含む３つのデータ（例えば、図４の“１行目”、“３行目”、“ｍ行目”）を特定する。

Ｓ２４およびＳ２５は、特許請求の範囲に記載の第２状態推定処理，第２状態推定ステップの一例である。

また、推定部８１は、特定された３行のデータから、異常と判定された計測点（例えば、“計測点Ｃ”）のデータに対応する３個の“データＤ２”（例えば、図４の“６６６２Ｖ”、“６６５３Ｖ”、“６６３８Ｖ”）の平均値を、推定結果として出力する。この結果、“計測点Ｃ”の“電圧ＶＣ”を高い精度で推定することができる。

さらに、状態推定部７０は、正しい計測結果と、処理Ｓ２５で推定された異常があった計測点の推定結果と、系統モデル６０とに基づいて、電力系統３０の状態を推定する（Ｓ２６）。この結果、処理Ｓ２６では、精度の高い電力系統３０の推定結果が得られることになる。

そして、推定部８１は、処理Ｓ２５で得られた推定結果を、例えば、表示装置２４に出力する（Ｓ２７）。この結果、電力系統３０の推定結果が、表示装置２４に表示されることになる。

＜＜＜情報処理装置１０ｂの機能ブロック＞＞＞
図７は、情報処理装置１０の第２実施形態である、情報処理装置１０ｂの機能ブロック等を示す図である。情報処理装置１０ｂの記憶装置２２には、系統モデル６０、系統データ６１が記憶されている。また、ＣＰＵ２０が、所定のプログラムを実行することにより、情報処理装置１０ｂには、状態推定部７０、判定部７１、及び状態推定部７５が実現される。

ここで、図３の情報処理装置１０ａと、図７の情報処理装置１０ｂとで同じ符号がふされたブロック等は同じであるため、ここでは、状態推定部７５について説明する。

状態推定部７５（第２状態推定部）は、“系統情報Ｚｉ”に異常があると判定部７１が判定すると、“系統情報Ｚｉ”の推定結果を含む、電力系統３０の状態の推定結果を出力する。本実施形態の状態推定部７５は、上述した類似度計算部８０と、推定部８５を含むため、ここでは、推定部８５について説明する。

推定部８５（第２推定部）は、系統データ６１のうち、正しい計測結果に最も類似する“データＤ１”を含む系統データ６１を、電力系統３０の推定結果として出力する。例えば、図４において、正しい計測結果に最も類似する“データＤ１”を含む系統データ６１が、“２行目”のデータである場合、“２行目”のデータの全てが、電力系統３０の推定結果として出力されることになる。

なお、推定部８５は、例えば、正しい計測結果に最も類似する“データＤ１”を含む系統データ６１を選択して出力することとしたが、これに限られない。例えば、推定部８５は、類似度が高い３つの“データＤ１”に対応する系統データ６１を３つ選択し、それらの平均値を推定結果として出力しても良い。

＝＝情報処理装置１０ｂで実行される処理の一例＝＝
図８は、情報処理装置１０ｂで実行される処理Ｓ１５の一例を示すフローチャートである。なお、図８のフローチャートと、図６のフローチャートとで、同じ符号が付された処理は同じである。つまり、処理Ｓ２０～Ｓ２４までは同じであるため、ここでは、処理Ｓ２４に続いて実行される処理Ｓ３０について説明する。

なお、処理Ｓ２４は、計測結果に誤りがあった際（Ｓ２２：Ｙｅｓ）に実行される、正しい計測結果に類似する類似度を計算する処理である。

処理Ｓ２４が実行されると、推定部８５は、系統データ６１のうち、正しい計測結果に最も類似する“データＤ１”を含む系統データ６１を、電力系統３０の推定結果として出力する（Ｓ３０）。この結果、仮に、センサ出力に異常がある場合であっても、精度の高い電力系統３０の推定結果を出力することができる。

＜＜情報処理装置１０の他の適用例＞＞
情報処理装置１０は、例えば、電力系統３０の状態を推定する際に用いられたが、これに限られない。例えば、“電力”を供給する電力系統３０の代わりに、“ガス”または“水道”を供給する系統（不図示）の状態を推定（または、解析）する、管網解析に用いられても良い。

例えば、系統に“ガス”が供給される場合、図２の変圧器４０は、例えば、ガス供給設備に対応し、配電線４１は、“ガス”を供給する供給管に対応する。また、需要家４２～４５は、供給された“ガス”を消費し、センサＳ１～Ｓ４は、系統情報として、供給管の圧力（例えば、ガス圧）を計測する計測器に対応する。これらの構成を含む“ガス”を供給する系統に対しても、情報処理装置１０は、本実施形態と同様に、系統の状態を推定、解析できる。

なお、ここでは、“ガス”について説明したが、例えば、工場などのコンプレッサ等に“圧縮空気”を供給する配管網でも同様である。したがって、情報処理装置１０は、ガスや空気を含む“気体”を供給する系統に用いられても良い。

例えば、系統に“水道（または、水）”が供給される場合、図２の変圧器４０は、例えば、“水道”の供給設備に対応し、配電線４１は、“水”を供給する供給管に対応する。また、需要家４２～４５は、供給された“水”を使用し、センサＳ１～Ｓ４は、系統情報として、供給管の圧力（例えば、水圧）を計測する計測器に対応する。これらの構成を含む“水道”を供給する系統に対しても、情報処理装置１０は、本実施形態と同様に、系統の状態を推定、解析できる。

なお、ここでは、“水”について説明したが、例えば、“オイル”を供給する配管網でも同様である。したがって、情報処理装置１０は、水やオイルを含む“液体”を供給する系統に用いられても良い。

＝＝＝＝＝まとめ＝＝＝＝＝
以上、本実施形態の情報処理装置１０について説明した。情報処理装置１０は、センサＳ１～Ｓ４の計測結果に異常がある場合、少なくとも異常があった計測点のセンサ出力を、予め格納された系統データ６１に基づいて推定する。この結果、本実施形態では、電力系統３０の状態を高い精度で推定することができる。

また、状態推定部７０は、コレントロピーの手法を用いる目的関数Ｊ（ｘ）が最大となるよう、決定変数ｘである需要家４２～４５の有効電力Ｐ、無効電力Ｑを探索している。そして、コレントロピーの手法を用いた場合、例えば最小二乗法の手法を用いる場合と比較すると、電力系統３０の状態の推定結果は、異常な計測点の影響を受けにくくなる。この結果、本実施形態では、より精度の高い推定結果を得ることができる。

また、類似度計算部８０は、系統データ６１に含まれる正しい計測結果に対応する“データＤ１”と、正しい計測結果の類似度を計算する。そして、推定部８１は、正しい計測結果に対する類似度の高い“データＤ１”を含む系統データ６１を特定し、特定されたデータから、異常があった計測点の値を推定する。このような処理が実行されることにより、本実施形態では、高い精度で、異常があるセンサＳｉの出力を推定できる。

また、状態推定部７０は、ジャスト・イン・タイムモデリングの手法に基づいて推定された推定結果と、正しい計測結果と、系統モデル６０と、を用いて、電力系統３０の状態を推定している。このため、より精度の高い推定結果を取得することが可能となる。

また、推定部８５は、正しい計測結果に対して最も類似する“データＤ１”を含む系統データ６１を、推定結果として出力している。この結果、情報処理装置１０ｂは、計算量を減らしつつ、精度の高い推定結果を出力することができる。

また、判定部７１は、センサＳｉの計測結果である“電圧Ｖｉ”と、“計測点ｉ”の推定結果と、の差が所定値より大きい場合、センサＳｉの計測結果に異常があることを判定する。このため、判定部７１は、高い精度で異常があるセンサを特定できる。

また、本実施形態の情報処理装置１０は、電力系統３０の状態推定に適用されたが、例えば、“ガス”や“水”の系統の状態も推定可能である。

上記の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。また、本発明は、その趣旨を逸脱することなく、変更や改良され得るとともに、本発明にはその等価物が含まれるのはいうまでもない。

例えば、系統モデル６０としては、状態方程式に基づくモデルが用いられることとしたが、これに限られない。系統モデル６０は、ハードウェアで電力系統３０を模擬したモデルであっても良い。

１０ 情報処理装置
２０ ＣＰＵ
２１ メモリ
２２ 記憶装置
２３ 入力装置
２４ 表示装置
２５ 通信装置
３０ 電力系統
４０ 変圧器
４１ 配電線
４２～４５ 需要家
６０ 系統モデル
６１ 系統データ
７０，７２，７５ 状態推定部
７１ 判定部
８０ 類似度計算部
８１，８５ 推定部
Ｓ１～Ｓ１ センサ

Claims (9)

1. 電力、気体、液体の何れか一つを供給する系統の状態を示し、複数の計測点のそれぞれで計測された複数の系統情報と、前記系統を模擬したモデルと、に基づいて、前記系統の状態を推定する第１状態推定部と、
   前記複数の系統情報と、前記第１状態推定部が推定した推定結果と、に基づいて、前記複数の系統情報に異常があるか否かを判定する判定部と、
   前記複数の系統情報に異常があると判定されると、記憶部に予め記憶された前記系統の状態を示す複数のデータと、前記複数の計測点のうち異常がないと判定された計測点で計測された第１系統情報と、に基づいて、少なくとも前記複数の計測点のうち異常があると判定された計測点の第２系統情報を、推定する第２状態推定部と、
   を備えることを特徴とする状態推定装置。
2. 請求項１に記載の状態推定装置であって、
   前記第１状態推定部は、
   下記の式の目的関数Ｊ（ｘ）の値が最大となるよう、前記系統の所定の位置における前記何れか一つの変化に応じた値を示す決定変数ｘを変化させ、前記目的関数Ｊ（ｘ）の値が最大となる際の前記決定変数ｘを用いて、前記系統の状態を推定すること、
   を特徴とする状態推定装置。
   

   

   Ｎは、前記複数の計測点の数
   ｉは、前記複数の計測点のうちｉ番目の計測点
   σは、カーネルサイズを示す所定値
   ｙｉ（ｘ）は、前記ｉ番目の計測点の系統情報の推定結果
   ｚｉは、前記ｉ番目の計測点の系統情報の計測結果
3. 請求項１または請求項２に記載の状態推定装置であって、
   前記第２状態推定部は、
   前記複数のデータのうち前記第１系統情報に対応する第１データと、前記第１系統情報と、の類似度を計算する計算部と、
   前記計算部の計算結果に基づいて、前記類似度の高い前記第１データを含む前記複数のデータにおける前記第２系統情報に対応する第２データに基づいて、前記第２系統情報の推定結果を出力する第１推定部と、
   を含むことを特徴とする状態推定装置。
4. 請求項１～３の何れか一項に記載の状態推定装置であって、
   前記第１状態推定部は、
   前記複数の系統情報に異常があると判定されると、前記複数の計測点のうち異常がないと判定された計測点で計測された前記第１系統情報と、前記第２状態推定部で推定された前記第２系統情報と、前記モデルと、に基づいて、前記系統の状態を推定すること、
   を特徴とする状態推定装置。
5. 請求項１または請求項２に記載の状態推定装置であって、
   前記第２状態推定部は、
   前記複数のデータのうち前記第１系統情報に対応する第１データと、前記第１系統情報と、の類似度を計算する計算部と、
   前記計算部の計算結果に基づいて、前記類似度の高い前記第１データを含む前記複数のデータに基づいて、前記系統の状態の推定結果を出力する第２推定部と、
   を含むことを特徴とする状態推定装置。
6. 請求項１～５の何れか一項に記載の状態推定装置であって、
   前記判定部は、
   前記複数の計測点のそれぞれで計測された前記複数の系統情報と、前記複数の計測点のそれぞれに対応する前記第１状態推定部が推定した推定結果と、の差に基づいて、前記複数の系統情報に異常があるか否かを判定すること、
   を特徴とする状態推定装置。
7. 請求項１～６の何れか一項に記載の状態推定装置であって、
   前記系統は、電力を、需要家に供給する電力系統であり、
   前記第１状態推定部は、
   潮流計算を行うことにより前記系統の状態を推定すること、
   を特徴とする状態推定装置。
8. コンピュータに、
   電力、気体、液体の何れか一つを供給する系統の状態を示し、複数の計測点のそれぞれで計測された複数の系統情報と、前記系統を模擬したモデルと、に基づいて、前記系統の状態を推定する第１状態推定処理と、
   前記複数の系統情報と、前記第１状態推定処理で推定された推定結果と、に基づいて、前記複数の系統情報に異常があるか否かを判定する判定処理と、
   前記複数の系統情報に異常があると判定されると、記憶部に予め記憶された前記系統の状態を示す複数のデータと、前記複数の計測点のうち異常がないと判定された計測点で計測された第１系統情報と、に基づいて、少なくとも前記複数の計測点のうち異常があると判定された計測点の第２系統情報を、推定する第２状態推定処理と、
   を実行させることを特徴とする状態推定プログラム。
9. コンピュータが実行する状態推定方法であって、
   電力、気体、液体の何れか一つを供給する系統の状態を示し、複数の計測点のそれぞれで計測された複数の系統情報と、前記系統を模擬したモデルと、に基づいて、前記系統の状態を推定する第１状態推定ステップと、
   前記複数の系統情報と、前記第１状態推定ステップで推定された推定結果と、に基づいて、前記複数の系統情報に異常があるか否かを判定する判定ステップと、
   前記複数の系統情報に異常があると判定されると、記憶部に予め記憶された前記系統の状態を示す複数のデータと、前記複数の計測点のうち異常がないと判定された計測点で計測された第１系統情報と、に基づいて、少なくとも前記複数の計測点のうち異常があると判定された計測点の第２系統情報を、推定する第２状態推定ステップと、
   を含む状態推定方法。

Images