JPH06113459A

JPH06113459A - 事故原因推定装置

Info

Publication number: JPH06113459A
Application number: JP25771492A
Authority: JP
Inventors: Kyoji Shimakura; 恭治島倉; Jun Inagaki; 純稲垣; Seiichiro Hori; 聖一郎堀
Original assignee: Hokuriku Electric Power Co; Mitsubishi Electric Corp
Current assignee: Hokuriku Electric Power Co; Mitsubishi Electric Corp
Priority date: 1992-09-28
Filing date: 1992-09-28
Publication date: 1994-04-22

Abstract

(57)【要約】【目的】常に正確な事故原因の推定を行うことがで
き、また、事故情報が欠損した場合でも適確に事故原因
の推定が可能な事故原因推定装置を得る。【構成】情報入力部により入力された事故情報が、記
憶部に記憶されている過去に発生した事故の事故情報の
中で一致するものがあるか否かを判定し、一致するもの
があれば当該事故情報に対応する事故原因を今回の事故
の事故原因と推定し、一致するものがなければ過去の事
故の事故情報と今回の事故情報とのパターンマッチング
を行って、最も類似度の高い過去の事故の事故情報に対
応する事故原因を今回の事故の事故原因と推定するとと
もに、その推定結果を学習則として記憶部に記憶させ
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、電力系統などにおい
て事故が発生した場合に、その事故原因を推定する事故
原因推定装置に関するものである。

【０００２】

【従来の技術】図６は運転員などによって行われる、従
来の電力系統における事故原因推定のアルゴリズムを示
す説明図である。図において、１は電力系統で事故が発
生した時に得られる、例えば、季節、時刻、天候、短絡
か地絡かの種別（以下Ｒｙ種別という）、事故箇所など
の事故情報である。２は当該電力系統の運転員であり、
３はこの運転員２によって行われる事故原因推定のため
の判断アルゴリズムである。

【０００３】次に動作について説明する。従来、事故情
報から事故原因を自動的に推定する装置は存在せず、も
っぱら運転員の経験的な判断に委ねられた人間系の処理
によって推定されていた。即ち、電力系統に事故が発生
すると、運転員２はその事故情報１を認識し、過去の経
験に基づいて構築された判断アルゴリズム３に従ってそ
の事故原因を推定する。例えば、天候が雪で強風が吹い
ているという事故情報が得られた場合、運転員２は判断
アルゴリズム３に基づいて事故原因はギャロッピングで
あると推定するものである。

【０００４】なお、この発明の事故原因推定装置で用い
られるニューラルネットワークについては、例えば、
“電気学会論文誌”Ｄ１０９巻４号（平成元年）の
第２３０〜２３５頁に掲載された論文「ニューラルネッ
トワークとその電力システムへの応用」などに示されて
いる。

【０００５】

【発明が解決しようとする課題】従来の事故原因の推定
は以上のように構成されているので、事故原因の推定は
運転員２が判断しなければならず、一方、その判断は経
験的なものであるため各運転員２によって判断基準が異
なるとともに、事故原因の違いによる事故情報の特徴が
顕著に現れる場合が少なく、また事故原因の推定に必要
な全ての事故情報が得られるとは限らないため、事故原
因を正確に推定できないという問題点があった。

【０００６】この発明は、上記のような問題点を解消す
るためになされたもので、常に正確な事故原因の推定を
行うことができ、また、事故情報が欠損した場合でも適
確な事故原因の推定が可能な事故原因推定装置を得るこ
とを目的とする。

【０００７】

【課題を解決するための手段】この発明に係る事故原因
推定装置は、過去に発生した事故の事故情報とその事故
原因を学習則として記憶する記憶部と、新たな事故の事
故情報が、記憶部の事故情報の中に一致するものがあれ
ば、その事故情報に対応する事故原因を今回の事故原因
と推定し、一致するものがなければ過去の事故の事故情
報と今回の事故の事故情報とのパターンマッチングを行
って、最も類似度の高い過去の事故の事故情報に対応す
る事故原因を今回の事故の事故原因と推定するととも
に、記憶部にその推定結果を学習則として記憶させる推
定部とを設けたものである。

【０００８】

【作用】この発明における推定部は、新たに発生した事
故の事故情報を記憶部に記憶されている過去の事故情報
と比較し、一致するものがあればそれに対応する事故原
因を今回の事故の事故原因と推定し、なければ今回の事
故情報と過去の事故情報とのパターンマッチングによっ
て最も類似度の高い事故情報を検索して、それに対応す
る事故原因を今回の事故の事故原因と推定するととも
に、その推定結果を学習則として記憶部に記憶させるこ
とにより、常に正確な事故原因の推定ができ、事故情報
に欠損がある場合でも適確な事故原因の推定が可能な事
故原因推定装置を実現する。

【０００９】

【実施例】実施例１．以下、この発明の一実施例を図に
ついて説明する。図１において、４は電力系統で事故が
発生したときに、その事故情報が入力される情報入力部
であり、５は過去に発生した事故の事故情報と、その事
故情報に対応する事故原因とを学習則として記憶してい
る記憶部である。６は情報入力部４により入力された事
故情報が、記憶部５に記憶されている過去に発生した事
故の事故情報の中で一致するものがあるか否かを判定
し、一致するものがあればニューラルネットワークの処
理を行って一致した過去の事故の事故情報に対応する事
故原因を今回の事故の事故原因と推定し、一致するもの
がなければ過去の事故の事故情報と今回の事故の事故情
報とのパターンマッチングをするニューラルネットワー
クの処理を行って、最も類似度の高い過去の事故の事故
情報に対応する事故原因を今回の事故の事故原因と推定
するとともに、記憶部５にその推定結果を学習則として
記憶させる推定部である。７はこの推定部６によって推
定された事故原因を出力する出力部である。

【００１０】次に動作について説明する。電力系統にお
いて事故が発生すると、情報入力部４より当該事故に関
する事故情報が推定部６に入力される。この事故情報と
しては、例えば、下記に示す３０項目がある。

【００１１】・季節が「春」（３〜６月）「夏」（６〜９月）「秋」（９〜１２月）「冬」（１２〜３月）・時刻が「明け方」（４〜７時）「日中」（７〜１６時）「夕方」（１６〜１８時）「夜」（１８〜４時）・天候が「晴れ」「曇り」「雨」「雪」「雷」「強風」・電圧階級が「２７５ＫＶ」「１５４ＫＶ」「７７ＫＶ以下」・Ｒｙ種別が「短絡」「地絡」・事故相数が「１相」「２相以上」・電線が「太サイズ」（４００ｍｍ² 以上）「細サイズ」（２００ｍｍ² 以下）・事故相に「下線を含む」「下線を含まない」・事故相に「中線を含む」「中線を含まない」・地形が「平地」「山間部」「河川」

【００１２】事故情報としては、それぞれの項目に対し
て、該当する場合には“１”、該当しなし場合には“−
１”、そのどちらかでもない、もしくはわからない場合
には“０”の値が与えられる。このように、該当する、
しないの２値条件（“１”または“０”）だけではな
く、「どちらでもない、またはわからない」という不明
データの項を加えた３値条件とすることで、ニューラル
ネットワークの推論はより実レベルの事故情報に対応が
できるようになる。即ち、学習データにおいても、推定
実行時においても、不明データが扱えるようになり、ま
た、扱う数値の幅が“−１”〜“１”と広がることによ
って、より確かな推定を行うことが可能となる。

【００１３】次に、推定部６にて、情報入力部４より入
力された事故情報を、図２に示すような記憶部５に記憶
されている過去に発生した事故の事故情報に比較し、そ
の中で一致するものがあるか否かを判定し、その判定結
果に応じてニューラルネットワークの処理を行い事故原
因を推定する。

【００１４】ここで、推定部６のニューラルネットワー
クとしては、入力層、中間層、出力層からなる３層構造
のニューラルネットワークを用い、学習則としては、実
用性が高いとされているバックプロパゲーション則を用
いている。なお、この「バックプロパゲーション則」と
は、既知である入力値と出力値の組（学習データ）を基
に、各層のニューロンを結ぶ結合重み（ウエイト）を適
切な値に調整していくことにより、学習を行うものであ
る。

【００１５】次に、推定部６における事故原因の推定に
ついて説明する。なお、ここでは説明を容易にするため
に、事故情報としては、天候に関する情報、即ち、
「晴」、「雨」、「雪」、「雷」、「強風」の情報のみ
で推定し、事故原因としては、「雷撃」、「ギャロッピ
ング」、「スリートジャンプ」、「その他」が考えられ
るものとする。

【００１６】情報入力部４に入力された事故情報が、例
えば、「晴」→“−１”、「雨」→“１”、「雪」→
“−１”、「雷」→“１”、「強風」→“−１”である
場合には、記憶部５に記憶されている図２に示した過去
の事故情報中に、この入力された事故情報に一致する事
故情報が記憶されているので、一致した過去の事故情報
に対応する事故原因が、今回の事故原因であるとニュー
ラルネットワークの処理によって推定し、図３に示すよ
うに、その出力層から“−１，−１，１，−１”を出力
する。ここで、“−１，−１，１，−１”は図２が示す
ように、「雷撃」が事故原因であることを示す。

【００１７】また、情報入力部４に入力された事故情報
が、例えば、「晴」→“−１”、「雪」→“−１”、
「雷」→“１”、「強風」→“−１”、「雨」→“０”
（欠損データまたは不明データ）である場合には、この
事故情報と一致する過去の事故情報が、図２に示すよう
に記憶部５には記憶されていないので、ニューラルネッ
トワークの処理によって、過去の事故の情報と今回の事
故情報とのパターンマッチングを行い、最も類似度の高
い過去の事故情報に対応する事故原因を今回の事故原因
と推定する。この例では、事故情報の一つである「雷」
が“１”となっているのは、図２に示すように、事故原
因が「雷撃」である場合だけであるので、この「雷撃」
に係わる事故情報が最も類似度が高いと判断し、「雷
撃」を今回の事故原因と推定して、図４に示すように、
その出力層から“−１，−１，１，−１”を出力する。
なお、その推定結果は次回の事故原因推定の際に利用さ
せるべく、図５に示すように記憶部５に学習則として記
憶させる。

【００１８】以上のようにして、推定部６によって推定
された事故原因は出力部７を介して出力され、ＣＲＴ等
に表示される。

【００１９】実施例２．なお、上記実施例では、電力系
統において事故が発生したときに、その事故の発生原因
を推定する場合について説明したが、その事故設備に試
充電を行うか、否かの判断を推定するようにしてもよ
く、上記実施例と同様の効果を奏する。

【００２０】

【発明の効果】以上のように、この発明によれば、新た
に発生した事故の事故情報が記憶部に過去の事故情報と
して記憶されていれば、それに対応する事故原因を今回
の事故の事故原因と推定し、記憶されていなければ今回
の事故情報を過去の事故情報とパターンマッチングして
最も類似度の高い事故情報を検索し、それに対応する事
故原因を今回の事故の事故原因と推定するとともに、そ
の推定結果を学習則として記憶部に記憶させるように構
成したので、常に事故原因を正確に推定することがで
き、事故原因の推定に必要な全ての事故情報が得られな
い場合であっても適確な事故原因の推定が可能な事故原
因推定装置が得られる効果がある。

【図面の簡単な説明】

【図１】この発明の実施例１を示す構成図である。

【図２】上記実施例における、記憶部の学習データを示
す説明図である。

【図３】上記実施例における、一致する過去の事故情報
がある場合のニューラルネットワークを示す説明図であ
る。

【図４】上記実施例における、一致する過去の事故情報
がない場合のニューラルネットワークの入出力を示す説
明図である。

【図５】上記実施例における、新たな学習則の記憶が行
われた記憶部の学習データを示す説明図である。

【図６】従来の事故原因推定のアルゴリズムを示す説明
図である。

【符号の説明】

４情報入力部５記憶部６推定部７出力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者堀聖一郎神戸市兵庫区和田崎町１丁目１番２号三菱電機株式会社制御製作所内

Claims

【特許請求の範囲】

【請求項１】事故発生時にその事故に関する事故情報
が入力される情報入力部と、過去に発生した前記事故の
事故情報とその事故情報に対応する事故原因とを学習則
として記憶している記憶部と、前記情報入力部より入力
された事故情報を前記記憶部に記憶されている過去の事
故情報と比較し、一致するものがあれば当該事故情報に
対応する事故原因を今回の事故の事故原因と推定し、一
致するものがなければ今回の事故情報と過去の事故情報
とのパターンマッチングを行って、最も類似度の高い過
去の事故情報に対応する事故原因を今回の事故の事故原
因と推定するとともに、前記記憶部にその推定結果を学
習則として記憶させる推定部と、前記推定部にて推定さ
れた事故原因を出力する出力部とを備えた事故原因推定
装置。