JP7399724B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP7399724B2 JP7399724B2 JP2020007585A JP2020007585A JP7399724B2 JP 7399724 B2 JP7399724 B2 JP 7399724B2 JP 2020007585 A JP2020007585 A JP 2020007585A JP 2020007585 A JP2020007585 A JP 2020007585A JP 7399724 B2 JP7399724 B2 JP 7399724B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- equipment
- change plan
- saifi
- equipment change
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 42
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000006870 function Effects 0.000 claims description 174
- 230000008859 change Effects 0.000 claims description 157
- 238000009472 formulation Methods 0.000 claims description 67
- 239000000203 mixture Substances 0.000 claims description 67
- 230000009471 action Effects 0.000 claims description 52
- 230000002787 reinforcement Effects 0.000 claims description 27
- 230000006866 deterioration Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 238000000034 method Methods 0.000 description 76
- 230000008569 process Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 39
- 238000011156 evaluation Methods 0.000 description 39
- 238000013528 artificial neural network Methods 0.000 description 37
- 230000006872 improvement Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 30
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000012986 modification Methods 0.000 description 28
- 230000004048 modification Effects 0.000 description 28
- 238000005070 sampling Methods 0.000 description 16
- 230000006399 behavior Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、本実施形態に係る情報処理装置1の構成例を示す図である。図1のように、情報処理装置1は、策定部10、および生成部20を備える。
策定部10は、評価部101、および出力部102を備える。
生成部20は、環境部201、方策関数部202、およびサンプリング部203を備える。
図2のように、方策関数は、現在(k回目)のシステム状態が入力されると、次(k+1回目)の行動選択の確率分布を出力する関数である。
また、方策関数では、図3に示すように、状態φにおいて、次の時刻の変更案(次の状態)の候補をA(φ)とする。その候補の各変更案a(∈A(φ))を、次の時刻の変更案として抽出する確率がπ(a|φ)である。方策関数では、変更案aを選択すると、結果としてシステム状態がφ’に移る。このため、方策関数としては、図3のような遷移確率が求まっていればよい。
本実施形態では、方策関数を用いて、設備変更計画を策定しながら、停電の発生率であるSAIFI(System Average Interrupt Frequency Index)を信頼度として評価する。なお、SAIFI値は、国際的な電力システムの供給信頼度指標であり、Σ(停電負荷数)×(停電発生率)/(全負荷数)の式によって求められる指標である。よって、SAIFI値は小さいほど停電の少ない高信頼システムであることを示している。そして、本実施形態では、評価の際に潮流などの物理シミュレータの状態計算結果を反映し、潮流に依存する故障率も考慮可能とする。なお、潮流に依存する故障率は、例えば潮流シミュレータによって算出する。潮流シミュレータは、外部装置であってもよく、例えば環境部201が備えていてもよい。
図5は、図4に示した符号g11の回路図の構成の評価例を説明するための図である。X1からX4において、“0”は切断されている状態を表し、“1”は接続されている状態を表す。L1からL3において、“0”は停電状態を表し、“1”は通電状態を表す。
例えば、A国の年間停電の頻度に関する指標(0~3)が1であり、平均停電回数指標(SAIFI値)が8.2である。なお、年間停電の頻度に関する指標は、スコアが大きいほど停電回数が少なく継続時間が短いことを表している。また、B国の年間停電の頻度に関する指標が2であり、SAIFI値が0.6である。また、C国の年間停電の頻度に関する指標が3であり、SAIFI値が0.0である。このように、SAIFI値は国や地域によって異なるため、基準値や閾値も国や地域によって設定される。
図6は、本実施形態に係る設備変更計画案の策定手順のフローチャートの図である。
策定部10は、まず初期状態を修正変更案として出力する。また、策定部10は、初期状態φ0に相当するSAIFI(φ0)を求めて記憶する。
続けて、生成部20は、システム状態φ’1を方策関数部202に入力して次(k=2(=k+1)回目)の行動選択の確率分布を求める。続けて、生成部20は、行動選択の確率分布からサンプリングして変更案a2を求める。続けて、生成部20は、環境部201に変更案a2を入力して、2回目のシステム状態φ2(=1+1)を求める。生成部20は、求めた2回目におけるシステム状態φ2を策定部10に出力する。
図7は、本実施形態に係るSAIFI改善更新の例を説明するための図である。生成部20は、方策関数に基づいてφkとしてリンクX3を削除する設備変更計画を生成する場合を説明する。符号g101は、リンクX3を削除する設備変更計画候補のメタグラフである。策定部10は、変更後の値を算出する。策定部10は、変更後のSATIFI値と閾値SATIFI_thとを比較した結果が、変更後のSATIFI値が変更前のSATIFI値より悪化したとする。一般的に、変更対象設備設置位置の近傍で冗長設備を追加すればSAIFIは改善する。このため、符号g102のように、情報処理装置1は、例えば、リンクX3の両端ノードに対するリンクパスの補強として、リンクX5を追加する。
これにより、本実施形態によれば、設備変更におけるコストをある程度満たし、かつSAIFIの条件も満たす設備変更計画を立案することができる。
実施形態において、SAIFI改善更新施策としてSAIFIを劣化させる修正更新案については方策関数に制約を加えてもよい。本実施例では、設備変更計画の立案の条件を方策関数の条件とする例を説明する。本実施例では、例えば、修正更新案に対する方策関数の出力確率を0にすることで、その修正更新案を今後、生起しないようにする。
図8は、本実施例に係る情報処理装置1Aの構成例を示す図である。図8のように、情報処理装置1Aは、策定部10A、および生成部20Aを備える。
策定部10Aは、評価部101A、および出力部102を備える。
生成部20Aは、環境部201、方策関数部202A、およびサンプリング部203を備える。
なお、情報処理装置1と同様の動作をする機能部には、同じ符号を用いて説明を省略する。
本実施形態は、第1の実施形態と同様にT回処理を行って設備変更計画を選択する。方策関数として、k-1回目でのシステムの状態φk-1における次のk回目の処理の行動候補の生起確率として定義される場合、確率分布π(・)からの生起として次式((1)のように表現する。
図9は、本実施例に係る設備変更計画案の策定手順のフローチャートの図である。なお、図6の実施形態のフローチャートと同様の処理については、同じ符号を用いて説明を省略する。
これにより、本実施例によれば、例えば、修正更新案に対する方策関数の出力確率を0にすることで、システム状態に応じて、その修正更新案を今後、生起しないようにすることで、実施形態より効率的に設備変更計画を立案することができる。
本実施例では、設備変更計画候補それぞれのSAIFIを先に算出し、SAIFIに対する条件を満たす設備変更計画候補に限定して計画案策定する例を説明する。本実施例に示す方法のように設備変更計画候補に限定することは、第2の実施形態で行った方策関数に制約を付加する方式の拡張である。つまり、方策関数生成の基本ポリシー、例えば、ここでは累積投資コスト最小化と、信頼度確保という2つの指標のバランスを考慮できる方式である。任意の時刻kにおける行動の決定過程は、基本的には2つの過程から構成される。すなわち、第1過程(i)が時刻kでの各行動候補に対する各SAIFI値の計算過程、第2過程(ii)がそのSAIFI値に基づいて方策関数に制約を加え、その制約付方策関数からサンプリングして行動案を決定する過程、である。
図10は、本実施例に係る情報処理装置1Bの構成例を示す図である。図10のように、情報処理装置1Bは、策定部10B、および生成部20Bを備える。
策定部10Bは、評価部101B、および出力部102を備える。評価部101Bは、SAIFI関数部1011、およびリスト部1012を備える。
生成部20Bは、環境部201B、方策関数部202B、サンプリング部203、および候補案リスト部204を備える。
なお、情報処理装置1と同様の動作をする機能部には、同じ符号を用いて説明を省略する。
生成部20Bは、その状態に対して次の状態の候補をすべて抽出する。方策関数部202Bは、状態φkに対する次の行動候補の生成を行う。なぜなら、行動候補に対して選択確率が定義できているので、方策関数部202Bは、確率が0より大きい行動候補{ak 1,ak 2,…,ak mk}(mkは候補数)を抽出して環境部201Bに送る。環境部201Bは、各行動候補ak iに対する状態φk+1 iを求める。環境部201Bは、求めた各行動候補ak iに対する状態φk+1 iを評価部101Bに出力する(i)。
環境部201Bは、修正された方策関数に基づき(ii)、サンプリング部203が出力する時刻kでの変更行動案(ii)を取得し、時刻k+1におけるシステム状態(φk+1)を生成する。環境部201は、生成した時刻t+1におけるシステム状態(φk+1)を評価部101Bに出力する(ii)。SAIFI関数部1011は、SAIFI(φk+1)を求めて出力部102を介して出力する。あるいは、SAIFI列{(ak i,φk+1 i、SAIFI(φk+1 i))}(i=1,2,…,mk)がすでに、リスト部1012に蓄積されている場合、環境部201Bは、サンプリング部203が選択された行動ak情報を、直接、策定部10Bに入力するようにしてもよい。この場合、評価部101Bは、リスト部1012から対応する状態φk+1、それに対応するSAIFI(φk+1)値を参照して出力してもよい。
一方、本実施例のように各行動候補に対するSAIFI値が得られている場合は、SAIFI値の良い、つまり小さい値の行動を選びやすくもできる。これは、信頼度を重視した行動選択に相当する。あるいは、方策関数で表現される選択確率のSAIFI値との商(割り算)の比率で確率を設定すれば、信頼度向上とコスト最小化のバランスのよい行動を選択することになる。これらの評価は、評価部101Bのリスト部に追加してもよい。この評価部101BでのSAIFI評価により方策関数部202Bが制約される。
図11は、本実施例に係る設備変更計画案の策定手順のフローチャートの図である。なお、図11において、k回目の処理(時刻kでの処理)での設備変更計画候補数をmkとし、k回目の処理での設備変更計画候補をφk i(i=1,…,mk)とする。
第1実施例では、計画期間の中でk回目の処理毎に改善策を方策関数への制約設定として設備変更計画立案を継続する手順として示した。
本実施例では、方策関数に基づく計画策定が、確率過程であることから、十分な数の計画案を生成すれば、その中に、SAIFI条件を満たす計画が存在する可能性があり、その案を計画案とすればよい。その場合は、記載してきた変更案の修正や方策関数の制約などの手続きをすることなく効率的に信頼度の高い計画を策定することができるというメリットがある。以降は、その複数の計画案の中にSAIFI条件を満たす案が存在しない場合の過程を中心に説明する。
本実施形態では、計画期間に亘って設備更新計画の候補の系列を策定し、その系列に対応するSAIFIの系列を複数生成する。そして、本実施例では、複数の計画系列から、SAIFI条件、コスト条件を満たす計画案が存在すれば、それを結果として計画案とする。SAIFI条件が満たされていない場合は、算出した中で最も大きな劣化を生じる、あるいは策定部が記憶する所定の基準のもとに修正更新案としての選択肢生起確率を制約するように方策関数に制約を加えて、計画系列全体を作り直す。なお、SAIFIの系列は、SAIFI(φ0),SAIFI(φ1),…,SAIFI(φT)である。
図10は、本実施例に係る情報処理装置1Cの構成例を示す図である。図12のように、情報処理装置1Cは、策定部10C、および生成部20Cを備える。
策定部10Cは、評価部101C、および出力部102を備える。評価部101Cは、変更案策定部1013、SAIFI関数部1014、制約生成部1015を備える。
生成部20Cは、環境部201、方策関数部202C、およびサンプリング部203を備える。
なお、情報処理装置1と同様の動作をする機能部には、同じ符号を用いて説明を省略する。
図13は、本実施例に係る設備変更計画案の策定手順のフローチャートの図である。
これにより、本実施形態によれば、複数の計画案を策定した中に条件を満たす案が存在しない場合にのみ、制約を加えることで効率的に設備変更計画案を策定することができる。
また、本実施例では、ステップS45として、変更計画案単位で修正する方法を説明したが、この部分は第1実施例のような変更ステップ毎に修正する方法を採用することもできる。
図14は、表示装置3上に表示される画像例を示す図である。出力部102は、図14のように、ステップ毎(時刻毎、処理毎)のシステムの構成図(回路図またはメタグラフ)とSAIFI等の画像を生成し、生成した画像を表示装置3に表示させる。なお、図14に示した表示画像は一例であり、表示画像は、これに限らない。
なお、実施形態、各実施例で用いる、メタグラフ、グラフニューラルネット等の詳細については、特開2019-204294を参照。
図15は、実システムの構造例を示す図である。図示する構造例は、バス1~バス4を含む。バス1とバス2の間には、220[kV]を110[kV]に変圧する変圧器が設けられている。バス2には、60[MW]の需要家が接続されている。バス2とバス3の間は、70[km]の電力線で接続されている。バス3には、発電機と、70[MW]の需要家が接続されている。バス2とバス4の間は、40[km]の電力線で接続されており、バス3とバス4の間は、50[km]の電力線で接続されている。バス4には、発電機と、10[MW]の需要家が接続されている。
一例としてα1,12は、想定ノード(RN1)と想定ノード(RE12)の間の伝播度合いを示す係数である。想定ノード(RN1)の第2中間層の特徴量h1##は、次式(3)で表される。第3中間層以降も順次、同様の規則で特徴量が決定される。
まず、実システムをグラフ構造で表す(S101)。次にグラフ構造からエッジ種別、関数属性を設定する(S102)。次に、メタグラフで表す(S103)。次に、ネットワークマッピングを行う(S104)。
この状態から、次の時刻t=1の変更候補としては、中段の符号g411,g412,…,g41nのようにn(nは1以上の整数)個の選択肢が考えられる。
それらの選択肢毎に、次時刻t=2の選択肢が派生する。符号g421,g422,g423…は、のグラフ構造からの選択肢例を表す。
システム環境502は、物理モデル・シミュレータ5021、報酬算出部5022、および出力部5023を備える。
処理部503は、生成部5031を備える。
生成部5031は、決定した次のステップでの行動(設備変更)Aをシステム環境502に出力する。すなわち、方策関数π(・|S,θ)は、検討対象のシステムの状態Sが入力され、行動を出力する。また、生成部5031は、求めた状態価値関数V(S,w)を強化学習部504に出力する。なお、行動を選択する方策関数π(・|S,θ)はメタグラフ構造変更の行動候補の確率分布として与えられる。
生成部5031は、システム環境502からの「状態信号」、その一部として設備変更を反映した変更情報信号を取得する。生成部5031は、変更情報信号を取得した際、対応する新たなシステム構成に対応するメタグラフ構造を定義し、対応するニューラルネットワーク構造を生成する。この際、生成部5031は、変更案の必要な価値関数や方策関数の評価値推定計算を効率よく処理するニューラルネット構造を策定する。また、生成部5031は、変更箇所に対応する自部が記憶するコンボリューション関数を参照し、コンボリューション関数集合から実際のシステム構成に相当するメタグラフを構成する。そして、生成部5031は、設備変更に相当するメタグラフ構造の変更(行動に対応して、グラフ構造更新、”候補ノード”設定等)を行う。生成部5031は、ノードとエッジに属性を対応付けて定義、管理する。
報酬関数は、例えば(バイアス)-(設備設置、廃棄、運営、保守コスト)である。報酬関数は、設備毎にコストをモデル化(関数)にして、バイアスから引くことで正の報酬値として定義するようにしてもよい。なお、バイアスとは、報酬関数値が正値になるように適宜一定の正値として設定されるパラメータである。
Claims (8)
- グラフ構造を持つシステムの設備変更に対する確率モデルである方策関数に対して、前記システムのシステム状態を入力することにより、設備変更の行動選択の確率分布を求め、求められた前記確率分布に基づいて設備変更計画候補を生成する生成部と、
前記生成部が生成した設備変更計画候補における前記システムの信頼度を算出し、算出された前記信頼度と、あらかじめ設定された閾値との比較結果に基づいて前記設備変更計画候補を評価する策定部と、
を備える情報処理装置。 - 前記システムは、電力システムであって、
前記信頼度は、SAIFI(System Average Interrupt Frequency Index)値である、
請求項1に記載の情報処理装置。 - 前記方策関数は、強化学習を行って前記システムの構造変化を最適化する際に求められたものであり、
前記策定部は、前記設備変更計画候補の前記信頼度が前記閾値以下となるように前記システムにおいて設備変更計画の策定を行う、
請求項1または請求項2に記載の情報処理装置。 - 前記方策関数は、強化学習を行って前記システムの構造変化を最適化する際に求められたものであり、
前記策定部は、前記強化学習で学習済みの前記方策関数に制約を付加し、前記設備変更計画候補の前記信頼度を改善するように前記システムにおいて設備変更計画の策定を行う、
請求項1または請求項2に記載の情報処理装置。 - 前記方策関数は、強化学習を行って前記システムの構造変化を最適化する際に求められたものであり、
前記策定部は、前記設備変更計画候補の前記信頼度が予め定めた基準を満たす前記設備変更計画候補に限定し、前記基準を満たす前記設備変更計画候補の中から設備変更計画案を抽出して、前記システムにおいて設備変更計画の策定を行う、
請求項1または請求項2に記載の情報処理装置。 - 前記方策関数は、強化学習を行って前記システムの構造変化を最適化する際に求められたものであり、
前記策定部は、前記設備変更計画候補毎の前記信頼度を算出し、算出した前記信頼度の中で、前記信頼度の劣化の影響が大きな前記システムへの設備変更を選択し、選択した前記設備変更の選択を制約するように前記方策関数に制約を付加し、前記設備変更計画候補の前記信頼度を改善するように前記システムにおいて設備変更計画の策定を行う、
請求項1または請求項2に記載の情報処理装置。 - コンピュータが、
グラフ構造を持つシステムの設備変更に対する確率モデルである方策関数に対して、前記システムのシステム状態を入力することにより、設備変更の行動選択の確率分布を求め、求められた前記確率分布に基づいて設備変更計画候補を生成し、
前記生成された設備変更計画候補における前記システムの信頼度を算出し、算出された前記信頼度と、あらかじめ設定された閾値との比較結果に基づいて前記設備変更計画候補を評価する、
情報処理方法。 - コンピュータに、
グラフ構造を持つシステムの設備変更に対する確率モデルである方策関数に対して、前記システムのシステム状態を入力することにより、設備変更の行動選択の確率分布を求めさせ、求められた前記確率分布に基づいて設備変更計画候補を生成させ、
前記生成された設備変更計画候補における前記システムの信頼度を算出させ、算出された前記信頼度と、あらかじめ設定された閾値との比較結果に基づいて前記設備変更計画候補を評価させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020007585A JP7399724B2 (ja) | 2020-01-21 | 2020-01-21 | 情報処理装置、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020007585A JP7399724B2 (ja) | 2020-01-21 | 2020-01-21 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021114242A JP2021114242A (ja) | 2021-08-05 |
JP7399724B2 true JP7399724B2 (ja) | 2023-12-18 |
Family
ID=77077040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020007585A Active JP7399724B2 (ja) | 2020-01-21 | 2020-01-21 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7399724B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014229001A (ja) | 2013-05-21 | 2014-12-08 | 株式会社東芝 | 設備運用方策判定方法、設備運用方策判定装置、設備運用方策判定プログラム、及び設備運用方策判定システム |
JP2018153004A (ja) | 2017-03-13 | 2018-09-27 | 株式会社東芝 | 電力供給経路評価装置、電力供給経路評価方法、およびプログラム |
JP2019179518A (ja) | 2018-03-30 | 2019-10-17 | 富士通株式会社 | 強化学習プログラム、強化学習方法、および強化学習装置 |
WO2020003374A1 (ja) | 2018-06-26 | 2020-01-02 | 日本電気株式会社 | 学習装置、情報処理システム、学習方法、および学習プログラム |
-
2020
- 2020-01-21 JP JP2020007585A patent/JP7399724B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014229001A (ja) | 2013-05-21 | 2014-12-08 | 株式会社東芝 | 設備運用方策判定方法、設備運用方策判定装置、設備運用方策判定プログラム、及び設備運用方策判定システム |
JP2018153004A (ja) | 2017-03-13 | 2018-09-27 | 株式会社東芝 | 電力供給経路評価装置、電力供給経路評価方法、およびプログラム |
JP2019179518A (ja) | 2018-03-30 | 2019-10-17 | 富士通株式会社 | 強化学習プログラム、強化学習方法、および強化学習装置 |
WO2020003374A1 (ja) | 2018-06-26 | 2020-01-02 | 日本電気株式会社 | 学習装置、情報処理システム、学習方法、および学習プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021114242A (ja) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200151608A1 (en) | Merging feature subsets using graphical representation | |
JP7242508B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Lan et al. | AI-based autonomous line flow control via topology adjustment for maximizing time-series ATCs | |
JP7079662B2 (ja) | 電力需要予測システム、学習装置及び電力需要予測方法 | |
JP7460864B2 (ja) | 電力網アセットの状態分類を行うための方法および装置 | |
JP7271216B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2006221310A (ja) | 予測方法、予測装置、予測プログラムおよび記録媒体 | |
KR101976689B1 (ko) | 데이터 모델링을 위한 변수 자동생성방법 및 그 장치 | |
JP2000155681A (ja) | 類似事例に基づく予測を行う予測装置および方法 | |
WO2020145039A1 (ja) | データ生成装置、予測器学習装置、データ生成方法、及び学習方法 | |
JP7399724B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Luo et al. | Automated design of priority rules for resource-constrained project scheduling problem using surrogate-assisted genetic programming | |
WO2022195807A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2020140521A (ja) | 人的判断の予測装置、予測プログラム及び予測方法 | |
Cox Jr | Data mining and causal modeling of customer behaviors | |
EP3913506A1 (en) | Optimization device, optimization method, and optimization program | |
KR101462232B1 (ko) | 유전자 알고리즘을 이용한 함정 운용 기준 산정 방법 및 시스템 | |
WO2024180648A1 (ja) | 情報処理装置、情報処理方法、プログラム | |
Uta et al. | Towards machine learning based configuration | |
JP6984265B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
WO2024180789A1 (ja) | 情報処理装置、情報処理方法、プログラム | |
Naybour et al. | Efficient risk based optimization of large system models using a reduced petri net methodology | |
Utkin et al. | Imprecise probabilistic inference for software run reliability growth models | |
JP7283548B2 (ja) | 学習装置、予測システム、方法およびプログラム | |
JP7545451B2 (ja) | 電力網アセットの状態分類を行うための方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220920 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230807 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231019 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231206 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7399724 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |