WO2014208092A1 - 監視制御システム及び制御方法 - Google Patents

監視制御システム及び制御方法 Download PDF

Info

Publication number
WO2014208092A1
WO2014208092A1 PCT/JP2014/003419 JP2014003419W WO2014208092A1 WO 2014208092 A1 WO2014208092 A1 WO 2014208092A1 JP 2014003419 W JP2014003419 W JP 2014003419W WO 2014208092 A1 WO2014208092 A1 WO 2014208092A1
Authority
WO
WIPO (PCT)
Prior art keywords
event
data
specific result
control system
information
Prior art date
Application number
PCT/JP2014/003419
Other languages
English (en)
French (fr)
Inventor
吉本　武弘
伸之 福島
藤田　慎一
真純 稲葉
Original Assignee
株式会社東芝
東芝ソリューション株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社東芝, 東芝ソリューション株式会社 filed Critical 株式会社東芝
Priority to US14/901,234 priority Critical patent/US9621966B2/en
Priority to EP14817411.3A priority patent/EP3015937B1/en
Priority to MYPI2015704546A priority patent/MY183016A/en
Publication of WO2014208092A1 publication Critical patent/WO2014208092A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H04Q9/02—Automatically-operated arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods

Definitions

  • An embodiment of the present invention recognizes (detects) an event that may occur by sequentially processing data collected from various data sources, generates an appropriate action (event) for the recognized event, and generates a system.
  • the present invention relates to a monitoring control technique for performing output processing of control information that causes notification or predetermined control to be performed.
  • a monitoring system called a smart meter monitoring system.
  • a power meter equipped with a communication function is connected to equipment such as air conditioners, lighting, and thermometers in homes and commercial / business buildings, and the operation status of the equipment is monitored via the power meter via a network.
  • the supervisory control system of the embodiment detects an event that reaches a specific result based on data received from one or more data sources that are data transmission elements, and applies the detected specific result to a predetermined system.
  • This is a monitoring control system that outputs action information.
  • the monitoring control system based on detection rule definition data that predefines a plurality of change attributes of the data continuous in time series for each event that reaches the specific result, from the continuous data received from the data source
  • Corresponding to the specific result detected by the event detection unit based on action definition data that predefines the action information for each specific result and an event detection unit that detects an event that reaches a specific result
  • a determination unit that extracts the action information and generates an event for the predetermined system.
  • FIG. 1 is a configuration block diagram of a monitoring control system according to a first embodiment. It is a figure for demonstrating the event detection process which concerns on 1st Embodiment. It is a figure for demonstrating the event generation process with respect to the detected event which concerns on 1st Embodiment. It is a figure for demonstrating the event detection process based on the statistical analysis process which concerns on 1st Embodiment. It is a figure which shows the processing flow of the monitoring control system which concerns on 1st Embodiment. It is a figure for demonstrating the feedback data of the monitoring control system which concerns on 1st Embodiment, and the process of the learning part for statistical analysis.
  • FIG. 10 is a diagram illustrating an example of sequential data, user attribute data, and feedback data in the example of FIG. 9.
  • the monitoring control system monitors various data output from information systems that support social infrastructure such as services such as power, water, gas, transportation, communication, medical care, and finance, and data to be monitored. By detecting events (including predictions) that may occur from an event, an event is generated for the detected event, and control information output processing is performed to notify the device or system or perform predetermined control. Control system to perform.
  • the monitoring control system detects events that may occur by sequentially processing data collected from various data sources, and determines appropriate actions (coping) for the grasped events (occurrence of events). ) And an output process for performing a predetermined control and a notification corresponding to the action determined for the related system is realized in a series of flows.
  • the actual action result (including the case where the action itself is not performed) of the actually related system is accumulated as feedback information for the determined action (occurrence event), and the detection accuracy of the event is improved.
  • additional information with high usability can be provided to a system linked with the monitoring control system.
  • (First embodiment) 1 to 10 are network configuration diagrams of the monitoring control system according to the first embodiment.
  • the monitoring control system 300 of this embodiment is connected to a plurality of data source nodes 100 and to a plurality of system nodes 500 that cooperate with the monitoring control system 300.
  • the data source node 100 is, for example, a data acquisition device such as an electric power meter or a management system that is connected to a plurality of data acquisition devices and manages and controls these data acquisition devices. This is a node (data transmission element) that is a data source for transmitting.
  • the data source node 100 can include a communication unit (not shown), a processing unit, a storage unit, and the like, and can transmit data such as power usage status continuously acquired in time series from a data acquisition device to a wired or wireless communication network. To the monitoring control system 300.
  • the data source node 100 there is a data acquisition device of each server device constituting a WEB system, a CRM (customer relationship management) system, an EAM (enterprise asset management) system, or the like.
  • the server device itself can function as a data acquisition device, and the operation status (CPU usage rate, memory usage amount, remaining amount of storage area, operation time, etc.) of time-series server devices that are sequentially acquired is sequentially acquired.
  • data such as the traffic volume of the entire system are output to the monitoring control system 300 via a wired or wireless communication network.
  • the data source node 100 there is a POS system (Point Of Sales system).
  • the POS system records product sales information at each store in real time, and transmits sales information for inventory management and marketing management to a server device that performs sales management.
  • a POS system is also a data source that transmits sales information acquired via a data acquisition device such as a register or a barcode reader, and stores sales information (sales for each product) continuously acquired in time series. Number, sales price, number of visitors, etc.) is output to the monitoring control system 300 via a wired or wireless communication network.
  • a data transmission element that transmits weather information, stock price, and the like can be included as the data source node 100.
  • Each of the plurality of data source nodes 100 is connected to the monitoring control system 300 independently of each other as a data transmission element.
  • the data collection device 200 is a device that collects each data from the plurality of data source nodes 100 and outputs the collected data to the monitoring control system 300. Since the data output from the data source node 100 is continuous in time series, a large amount of data is input to the monitoring apparatus system 300 from each of the plurality of data source nodes 100.
  • the data collection device 200 collects a plurality of data input from each of the data source nodes 100 between the monitoring control system 300 and each data source node 100 and distributes the load by one or a plurality of data collection devices 200. To the monitoring control system 300.
  • the monitoring and control system 300 processes a plurality of time-series continuous data input from each data source node 100 sequentially (in real time) to detect a possible event, and an appropriate process for the detected event.
  • Event processing for determining an action (coping) and generating an event, and output for outputting a notification corresponding to the determined action for a related system (system node 500) or control information for performing predetermined control Processing is performed in series. Details of each function and processing will be described later.
  • the system node 500 is a device or system (for example, a server device that constitutes the system) that receives the notification output from the monitoring control system 300 or control information (control command) for performing predetermined control.
  • the system node 500 cooperates with the supervisory control system 300 to perform a predetermined action based on control information received from the supervisory control system 300, triggered by an event corresponding to an event detected by the supervisory control system 300, It is a node that receives notifications of messages such as warnings that prompt actions.
  • the system node 500 is connected to the monitoring control system 300 via the system cooperation unit 400.
  • the system cooperation unit 400 has a distribution function for notifying one or a plurality of related system nodes 500 of an event that has occurred in the monitoring control system 300 and transmitting a predetermined control command.
  • the monitoring control system 300 extracts action information according to the detected event and generates an event for the system node 500.
  • the monitoring control system 300 outputs the action information extracted to the system cooperation unit 400, and the system cooperation unit 400 transmits the action information input when the event occurs to each related system node 500 by wired or wireless communication. Transmit through the network.
  • the system node 500 and the data source node 100 include the same node.
  • the monitoring control system 300 receives sequential data that is continuous in time series, such as the operating status and the traffic amount of the entire WEB system, using the server device of the WEB system as a data source node.
  • the monitoring control system 300 detects a predetermined event based on the sequential data received from the WEB system, determines a predetermined action according to the detected event, and generates an event.
  • the monitoring control system 300 can output a predetermined action determined (extracted) from the detected event to the server device of the same WEB system as the system node via the system cooperation unit 400.
  • the system node 500 and the data source node 100 are different nodes.
  • the data source node 100 is a weather observation device such as a rain gauge (including snow cover), a thermometer, and a hygrometer
  • the system node 500 is a field service system.
  • the monitoring control system 300 receives sequential data such as rainfall (snow cover), temperature, humidity and the like using the weather observation device as a data source node.
  • the monitoring control system 300 detects an event based on sequential data received from a weather observation device, determines a predetermined action corresponding to the detected event, and generates an event.
  • the supervisory control system 300 sends a field service system to the field service system as a system node 500 in response to a predetermined action (for example, a message indicating an increase in vehicle failure due to an increase in the amount of snow and an information terminal device of each worker).
  • a predetermined action for example, a message indicating an increase in vehicle failure due to an increase in the amount of snow and an information terminal device of each worker.
  • a control command for distributing a predetermined message simultaneously can be output.
  • FIG. 2 is a configuration block diagram of the monitoring control system.
  • the monitoring control system 300 receives an event detection unit 310 that receives time-series continuous data from each data source node 100 and detects a predetermined event based on a detection rule definition file 311.
  • a statistical analysis processing unit 320 that statistically analyzes sequential data within a certain period and outputs a statistical analysis result to the event detection unit 310, and a predetermined event detected by the event detection unit 310, from the action definition file 331
  • a determination unit 330 that generates an event by extracting the action and outputs the extracted predetermined action to the system cooperation unit 400 as action information associated with the occurrence of the event.
  • the monitoring control system 300 can further include a learning control unit 340 and a feedback data storage unit 351.
  • the learning control unit 340 calculates a learning value such as a parameter for statistical analysis used in the statistical analysis processing unit 320 based on feedback data for action information collected from the system node 500.
  • a supplementary information learning unit 342 that updates supplementary information included in the action information output from the determination unit 330.
  • Information such as the detection rule definition file 311 and the action definition file 331, feedback data, various information used in statistical analysis processing and learning processing, and the like can be stored in a predetermined storage area (not shown) of the monitoring control system 300. .
  • FIG. 3 is a diagram for explaining the event detection process of the present embodiment.
  • the system type information identifying the data source node 100 such as WEB, CRM, etc.
  • the CPU usage rate sequential data such as actual measured values and acquired values for detecting events.
  • Each data in the included data format is input to the event detection unit 310.
  • a predetermined event is detected from a change in each data continuous in a time series of one system type. Detect.
  • a data conversion definition in which the CPU usage rate in the range of 0% to 100% is divided into a plurality of categories within a predetermined range is defined in advance, and each sequential data converted into each category is defined. A predetermined event is detected based on the change.
  • the data conversion definition is used to match the time constants of each data, classify numerical data, and make it easy to grasp changes in each data continuous in a time series with respect to a predetermined event.
  • the detection rule definition file 311 is a file having definition information (detection rule definition data) that associates a transition pattern (sequence in time order) according to a data conversion definition with a specific event, and the event detection unit 310 includes: With reference to the detection rule definition file 311, it is determined whether or not the transition of the CPU usage rate (classification after data conversion) arranged in chronological order matches a pattern predefined for a specific event, If there is a match, it detects that a specific event has occurred or that a specific event will occur.
  • Each pattern of the detection rule definition file 311 of this embodiment is information for detecting an event pattern that reaches a specific result from sequential data arranged in time order.
  • a (event) pattern leading to “system abnormality (result) when a sequential data pattern arranged in time order is A ⁇ B ⁇ C, so as to detect “system abnormality” It can be determined appropriately from past statistical data and empirical rules.
  • attains a specific result is demonstrated, it is not restricted to this, For example, An event that leads to a specific result can also be detected with a single piece of data. That is, the sequential data is one or a plurality of data that are sequentially input to the monitoring control system as time passes.
  • the event pattern leading to a specific result can be created using a known event pattern extraction technique. For example, by applying techniques such as Japanese Patent No. 4181193, Japanese Patent No. 1398907, Japanese Patent No. 4202798, and Japanese Patent No. 4398777, a pattern of events that leads to a specific result can be created.
  • the detection rule definition file 311 can be updated as appropriate.
  • the event detection unit 310 detects a transition from A ⁇ B ⁇ C corresponding to each data arranged in order of time as an event leading to “system abnormality” with respect to the system “WEB”. For CRM, no event is detected.
  • the event pattern defined in the detection rule definition file 311 is “A ⁇ B ⁇ C”
  • A is input after A is input in time order until B is input.
  • B is input.
  • a ⁇ B is input after C is input after B is input.
  • a ⁇ B ⁇ It can be configured to identify C as input.
  • the event detection unit 310 is marked with *. It can be determined that the data shown matches the time-ordered pattern “A ⁇ B ⁇ C” defined in the detection rule definition file 311 and the event pattern for “system abnormality” is detected. . Note that pattern matching can be performed in consideration of the order of data input in time order.
  • multiple event patterns can be set for one result (system abnormality).
  • system abnormality For example, an arrangement pattern of data in time order “A ⁇ B ⁇ C”, “B ⁇ B ⁇ C”, “C ⁇ B ⁇ C”, and the like can be defined in association with “system abnormality”.
  • priorities can be given to each pattern in each time order based on reliability (for example, the scale of the original data), occurrence probability (for example, the probability that an event pattern will occur), and the like. For example, when priorities are assigned by reliability, “B ⁇ B ⁇ C” having the highest reliability as an event pattern corresponding to a system abnormality is preferentially matched.
  • C ⁇ B ⁇ C having the highest probability as an event pattern corresponding to a system abnormality is defined so as to be preferentially matched. In this way, a pattern to be detected with priority from a plurality of event patterns can be determined in advance.
  • FIG. 4 is a diagram for explaining event generation processing of the determination unit 330 according to the present embodiment.
  • the event detection unit 310 outputs information including a system type “WEB” and a result “system abnormality” estimated from the event pattern as a detection result to the determination unit 330. Based on the input detection result, the determination unit 330 determines what action should be performed on the result “system abnormality” estimated from the event pattern, and generates an event for the system node to cooperate with.
  • an action definition file 331 in which a predetermined action is associated in advance with the estimated result “system abnormality” is provided.
  • the action definition file 331 is information in which one or a plurality of action information is associated with each specific event detected in the detection rule definition file 311. Therefore, as in the example of FIG. 4, the determination unit 330 refers to the action definition file 331 by using the detected event “system abnormality” included in the detection result output from the event detection unit 310 as a key. Extract action information.
  • the determination unit 330 extracts (generates) a predetermined action with respect to the detected event, thereby generating an event for each linked system node, and performing distribution control of action information to each system node In 400, action information associated with the occurrence of an event is output. At this time, the determination unit 330 outputs the action information together with the “output destination” included in the action definition file 331 to the system cooperation unit 400, so that the system cooperation unit 400 performs an action on the system node 500 corresponding to the “output destination”. Information can be distributed.
  • the action information can include, for example, the output destination and the status of the output destination (“CPU”), the degree of danger (“High”), the action (alert, access restriction), and the like.
  • the state of the output destination and the degree of danger represent the contents of the detected event.
  • the content of the action indicates a countermeasure that specifies whether to notify the corresponding system node 500 about the detected event (message content) or to perform predetermined control (control command). .
  • an application program running on the monitoring control system 300 can be executed, and the execution result can be included in the action content.
  • Supplementary information is information added to the action information, and is information preliminarily defined as useful information for the detected event for each action information.
  • the example of FIG. 4 shows an example of action information that includes, as supplementary information, an actual measurement value of the CPU usage rate and a traffic amount of the entire WEB system from sequential data arranged in order of time when a system abnormality is detected.
  • FIG. 5 is a diagram for explaining the event detection process based on the statistical analysis process, and the event detection unit 310 detects an event that reaches a specific result using the statistical result of the statistical process of the statistical analysis processing unit. be able to.
  • the statistical analysis processing unit 320 performs statistical processing on sequential data successively received in time series received from the data source node 100 within a certain period.
  • statistical processing for calculating the average value of the CPU usage rate within a certain period can be performed, and the calculated statistical result “average value” is output to the event detection unit 310.
  • the event detection unit 310 compares the statistical result output from the statistical analysis processing unit 320 with a predetermined threshold defined in advance in the detection rule definition file 311 and detects that an event that leads to a specific result occurs. be able to.
  • the detection rule definition file 311 can be included as a change attribute for an event for which a relationship between a statistical result and a predetermined threshold is to be detected for each event that reaches a specific result.
  • the system abnormality is detected when the average value A of the statistical results is larger than the first threshold B and smaller than the second threshold C, and when the average value A is larger than the second threshold C, respectively.
  • Detection pattern definition is specified.
  • the first event detection process for detecting a specific event based on the time-sequence pattern of sequential data input from the data source node 100 in time series, and the data source node 100 And a second event detection process for detecting a specific event based on statistical results of sequential data received in a time series within a certain period.
  • an event that cannot be detected by a sequential pattern of data in time order can be detected by a statistical result within a certain period, or conversely, it can be detected by a statistical result.
  • Events that cannot be detected can be detected by a pattern in which the sequential data is arranged in time order, and a specific event can be detected with high accuracy from sequential data sequentially input from the data source node 100 in time series.
  • FIG. 6 is a diagram showing a processing flow of the monitoring control system 300 of the present embodiment. As illustrated in FIG. 6, the monitoring control system 300 receives sequential data that is continuous in time series from each of the plurality of data source nodes 100 via the data collection device 200 (S101).
  • the monitoring control system 300 detects whether or not a specific event defined in the detection rule definition file 311 has occurred based on sequentially received sequential data in time series (S102).
  • S102 time series
  • the first event detection process for detecting a specific event by the time-sequence pattern of sequential data input from the data source node 100 in time series, and within a certain period from the data source node 100
  • a second event detection process for detecting a specific event based on statistical results of a plurality of time-sequential data received at the same time.
  • each system node that cooperates by extracting (generating) a predetermined action for the detected event An event for 500 is generated (S104).
  • the monitoring control system 300 outputs the extracted action information to the system cooperation unit 400 that controls distribution to each system node 500 (S105).
  • the monitoring control system 300 detects events that may occur by sequentially processing data collected from various data sources, and determines appropriate actions (actions) for the grasped events (event occurrence) ) And the output corresponding to the action determined for the related system and the predetermined control can be controlled in a series of flows. For this reason, detection of an event, determination of an appropriate action, and processing to a related system can be automatically performed without human intervention, and rapid system monitoring or the like can be realized.
  • the monitoring control system 300 can include a feedback data storage unit 351 that stores feedback information obtained from the system node 500 with respect to action information output to the system node 500.
  • the learning control unit 340 can perform learning processing using a known technique or method of machine learning (Machine Learning).
  • FIG. 7 is a diagram illustrating an example of feedback information, and is a diagram for explaining the learning process of the statistical analysis learning unit 341.
  • the action information output to the system node 500 is actually handled by the corresponding system node 500, whether the action information is appropriate, action information It is possible to store action results such as whether or not the countermeasures have been appropriately performed as feedback information.
  • the action result can be acquired through an artificial telephone or fax exchange or a feedback information acquisition function by a computer. Further, the feedback information can be stored in the feedback data storage unit 351 by an input person by inputting from a keyboard or the like, or by automatically capturing it.
  • the statistical analysis learning unit 341 calculates a learning value of the parameter ⁇ applied to the statistical processing shown in FIG.
  • the learning unit for statistical analysis 341 refers to the feedback information, and applies 0.9 as the parameter ⁇ when the system type is “WEB” and the action result for the attribute of the state “CPU high” is “ ⁇ ”. Then grasp that there is a good tendency.
  • the parameter ⁇ is, for example, a weighting value applied to each sequential data of each CPU usage rate, and is a value that varies according to the traffic volume.
  • the value of parameter ⁇ is set so that the CPU usage rate with a large amount of traffic is greatly reflected in the average value, and the CPU usage rate with a small amount of traffic is reflected in a small amount with respect to the average value.
  • Statistical processing can be performed with variable control.
  • the total amount of feedback information can be set as the reflected amount of the calculated parameter value.
  • the proficiency level of learning is set as a threshold regarding the total number of feedback information. If the total number of feedback information is large, the amount of reflection of the parameter value is increased assuming that learning is mastered. On the contrary, when the total number of feedback information is small, learning is immature and the reflection amount is reduced.
  • the learning process for each system type and user, attribute information grasped from sequential data that is continuous in time series is stored in advance as accumulated data, and the rank of use status of each system based on the accumulated data.
  • the learning value may be calculated according to the rank of the user attribute.
  • the learning process can be performed such that the degree of monitoring of the system is increased according to the rank, and the reflection on the learning value is adjusted according to the rank.
  • the learning value of the parameter ⁇ calculated by the statistical analysis learning unit 341 is output to the statistical analysis processing unit 320 and used as a weighting value for statistical processing.
  • the statistical analysis processing unit 320 performs statistical processing using the learning value that is appropriately output from the learning control unit 340.
  • FIG. 8 is a diagram illustrating another example of feedback information, and is a diagram for explaining the learning process of the supplementary information learning unit 342.
  • the learning process is performed on the parameter ⁇ used for the statistical process, but in the example of FIG. 8, the learning process is performed on “supplemental information”.
  • the supplementary information learning unit 342 adds “operation time” as supplementary information when the system type is “WEB” and the action result for the attribute “CPU high” is “ ⁇ ” Then, it can grasp that it is in a good tendency. For example, what kind of information is “supplemental information” of each action information corresponding to the action result “ ⁇ ” is counted for each information, and information with a large number of counts is added as supplemental information to the system node 500 side. It can be extracted as supplementary information that is useful in and reflected as an action result “ ⁇ ”.
  • the supplementary information learning unit 342 extracts useful supplemental information based on the feedback information, and outputs the extracted useful supplemental information to the determination unit 330.
  • the determination unit 330 can control the system node 500 to output action information including the supplement information.
  • the learning process of the supplementary information learning unit 342 can also be performed so that the reflection to the learning value is adjusted according to the rank using the accumulated data described above.
  • FIG. 9 is a diagram illustrating an example in which the monitoring control system 300 according to the present embodiment is applied to a demand response (DR) of the power usage amount with respect to the power supply amount
  • FIG. 10 is a data source node in the example of FIG. It is a figure which shows an example of the sequential data, the user attribute data, and feedback data which are input into the monitoring control system 300 when is a power meter.
  • DR demand response
  • the monitoring and control system 300 obtains each customer's power usage from the power meter, which is the data source node 100, as sequential data, calculates the total power usage, and prompts the shortage of supply from this trend. Detect.
  • a supply shortage is detected, that is, when an event leading to a supply shortage is detected, a power saving cooperation is requested to a customer or the like via the system linkage unit 400.
  • a request is an event process for extracting action information and generating an event.
  • the request (action information) to the customer is transmitted to the DR system connected to the monitoring control system 300 via the system linkage unit 400, and the DR system sends the information terminal device of the customer through the communication network based on the action information. Make a request.
  • the customer attribute to be requested for the power saving cooperation is estimated and action information (corresponding to additional information) Update.
  • the statistical analysis processing unit 320 continuously receives sequential data including a customer ID, power consumption, presence / absence of home, and time in time series. At this time, the statistical analysis processing unit 320 calculates a change rate D with respect to the power usage P2-P1 that has changed between time t1 and time t2, and outputs it to the event detection unit 310.
  • the detection rule definition file 311 is provided with a detection rule that defines the relationship between the change rate D of the power consumption and the threshold as a change attribute, and the event detection unit 310 compares the change rate D with the threshold, When the rate of change D is greater than the threshold value D, the occurrence of an event in which the total power usage is rapidly increasing is detected.
  • the statistical analysis processing unit 320 can perform a process of integrating the power usage of sequential data received continuously in time series, and can calculate the total power usage P up to the present time.
  • the detection rule definition file 311 is provided with a detection rule that defines the relationship between the maximum power supply amount and the total power usage amount P of the statistical result as a change attribute. The amount P is compared with the maximum supply amount Q, and when the total power usage amount P is larger than the maximum supply amount Q, the occurrence of an event in which the total power usage amount P exceeds the maximum supply amount Q is detected.
  • the determination unit 330 receives the detection result from the event detection unit 310 and extracts an action information associated with the detected event included in the detection result from the action definition file 331, thereby generating an event.
  • the determination unit 330 uses the usage amount: high (state), medium risk level (risk level), alert (action), DR system (notification destination), Action information including customer information (supplemental information) whose cooperation level is at least a predetermined rank at home is extracted.
  • the supplementary information can be generated in real time by the determination unit 330 or the supplementary information learning unit 342 using the cooperation rank of feedback data and home / absence information described later.
  • the determination unit 330 uses the usage amount: high (state), high risk level (risk level), error (action), Action information including safety system (notification destination) and excess amount (supplementary information) is extracted.
  • the supplementary information can be included as an excess amount by the determination unit 330 calculating a difference between the total power usage amount P and the maximum supply amount Q.
  • the safety system is a predetermined facility or system that can cut power use reliably or forcibly save power.
  • User attribute data is customer attribute data of customers. For example, it includes average usage, family structure, address, DR system group information, and the like, and can be registered (stored) in a predetermined storage unit in advance from a past power usage history.
  • the feedback data includes a cooperation rank corresponding to whether or not a customer who has made a power saving cooperation from the DR system responds to the power saving based on the action information.
  • the cooperation level rank is information calculated from feedback data such as the number of times power saving cooperation has been responded to based on an active input or the like indicating cooperation with the power saving from the customer.
  • the supplementary information learning unit 342 can further generate a cooperation degree rank as feedback information using the number of responses to power saving cooperation received from the DR system as feedback data.
  • the feedback data can include the expected amount of power reduction.
  • the expected power reduction amount is an expected value of the power amount that can be reduced by subtracting the current power usage amount from the past average usage amount.
  • the cooperation rank is equal to or higher than a predetermined rank, and the expected power reduction amount of the customer at home is changed by the statistical analysis processing unit 320. This is reflected in the parameter ⁇ used when the rate D is calculated.
  • the parameter ⁇ can be calculated using the expected amount of power reduction and the number of customers at home. Since the power reduction can be expected if the number of customers who meet the expected power reduction value is large, the parameter ⁇ can be used to calculate the change rate D lower than when the power reduction cannot be expected.
  • the statistical analysis learning unit 341 of the present embodiment learns the parameter ⁇ used when calculating the rate of change D in the statistical analysis processing unit 320 with reference to the feedback data. For this reason, it is possible to detect an event such as a sudden increase in the total power usage using the rate of change D of the power usage more accurately.
  • the monitoring control system of the present embodiment can be realized by one or a plurality of computer devices, and each function can be configured as a program.
  • a program for each function of the monitoring control system stored in an auxiliary storage device (not shown) of a computer and stored in the auxiliary storage device by a control unit such as a CPU is read out to the main storage device.
  • the control unit can execute the program, and one or a plurality of computers can operate the functions of the units of the present embodiment. That is, one or a plurality of computers in which programs for each function of the monitoring control system of this embodiment are installed can operate as a computer device (system) that performs each function independently or in cooperation. It is.
  • the program can be provided to a computer in a state where the program is recorded on a computer-readable recording medium.
  • Computer-readable recording media include optical disks such as CD-ROMs, phase change optical disks such as DVD-ROMs, magneto-optical disks such as MO (Magnet-Optical) and MD (Mini-Disk), floppy (registered trademark) disks, Examples include magnetic disks such as removable hard disks, memory cards such as compact flash (registered trademark), smart media, SD memory cards, and memory sticks.
  • a hardware device such as an integrated circuit (IC chip or the like) specially designed and configured for the purpose of the present invention is also included as a recording medium.
  • Event Processing Unit 100 Data Source Node 200 Data Collection Device 300 Monitoring Control System 310 Event Detection Unit 311 Event Detection Rule File 320 Statistical Analysis Processing Unit 330 Determination Unit (Event Processing Unit) 331 Action definition file 340 Learning control unit 341 Statistical analysis learning unit 342 Supplemental information learning unit 351 Feedback (FB) data storage unit 400 System linkage unit 500 System node

Abstract

特定の結果に至る事象毎に時系列に連続した複数のデータの変化属性を予め規定した検知ルール定義データに基づいて、データ発信要素であるデータソースから受信する連続したデータから特定の結果に至る事象を検知する事象検知部と、特定の結果毎にアクション情報を予め規定したアクション定義データに基づいて、事象検知部によって検知された特定の結果に対応するアクション情報を抽出し、所定のシステムに対するイベントを発生させる判断部と、を有する。

Description

[規則37.2に基づきISAが決定した発明の名称]　監視制御システム及び制御方法
　本発明の実施形態は、様々なデータソースから収集されるデータを逐次的に処理して起こり得る事象を把握（検知）し、把握された事象に対する適切なアクション（イベント）を発生させて、システムに対して通知又は所定の制御を行わせる制御情報の出力処理を行う監視制御技術に関する。
　例えば、スマートメーター監視システムと呼ばれる監視システムがある。通信機能を備える電力メーターとエアコンや照明，温度計といった家庭や商業・事業ビル内の設備系機器とを接続し、電力メーターを介して機器の稼動状況などをネットワークを介して監視している。
特開２０１２－１９４８０６号公報
　様々なデータソースから収集されるデータを逐次的に処理して起こり得る事象を把握（検知）し、把握された事象に対する適切なアクションを発生させて、関連するシステムに対して通知又は所定の制御を行わせるための制御情報の出力処理を行う監視制御システムを提供することを目的とする。
　実施形態の監視制御システムは、データ発信要素である１つ又は複数のデータソースから受信するデータに基づいて特定の結果に至る事象を検知し、前記検知された特定の結果に対する所定のシステムへのアクション情報を出力する監視制御システムである。前記監視制御システムは、前記特定の結果に至る事象毎に時系列に連続した複数の前記データの変化属性を予め規定した検知ルール定義データに基づいて、前記データソースから受信する連続したデータから前記特定の結果に至る事象を検知する事象検知部と、前記特定の結果毎に前記アクション情報を予め規定したアクション定義データに基づいて、前記事象検知部によって検知された前記特定の結果に対応する前記アクション情報を抽出し、前記所定のシステムに対するイベントを発生させる判断部と、を有する。
第１実施形態に係る監視制御システムのネットワーク構成図である。 第１実施形態に係る監視制御システムの構成ブロック図である。 第１実施形態に係る事象検知処理を説明するための図である。 第１実施形態に係る検知された事象に対するイベント発生処理を説明するための図である。 第１実施形態に係る統計分析処理に基づく事象検知処理を説明するための図である。 第１実施形態に係る監視制御システムの処理フローを示す図である。 第１実施形態に係る監視制御システムのフィードバックデータと統計分析用学習部の処理を説明するための図である。 第１実施形態に係る監視制御システムのフィードバックデータと補足情報学習部の処理を説明するための図である。 第１実施形態に係る監視制御システムに関し、電力供給量に対する電力使用量のデマンドレスポンスに適用した場合の一例を示す図である。 図９の例における逐次データ、利用者属性データ及びフィードバックデータの一例を示す図である。
　以下、実施形態につき、図面を参照して説明する。
　実施形態に係る監視制御システムは、例えば、電力、水道、ガス、交通、通信、医療、金融などのサービスなどの社会インフラを支える情報システムから出力される様々なデータを監視し、監視されるデータから起こり得るであろう事象を検知（予測を含む）することで、検知された事象に対するイベントを発生させ、機器やシステムに対して通知や所定の制御を行わせるための制御情報の出力処理を行う制御システムである。
　従来から、様々なデータを収集して起こり得る事象を検知する技術は、多数提案されている。しかしながら、検知した事象に対してどのような対処（判断）を行い、判断された対処に対してどのような処理を行うのかは、人手が介在しており、かつこれらの検知、対処、処理それぞれが分かれたものであった。このため、起こり得る事象を検知してから関連する機器やシステムに対してどのような対処（アクション）が適切かを判断し、通知や所定の動作を実行させる処理に、人手による作業が介在し、時間がかかっていた。
　そこで、実施形態に係る監視制御システムは、様々なデータソースから収集されるデータを逐次的に処理して起こり得る事象の検知、把握された事象に対する適切なアクション（対処）の判断（イベントの発生）、及び関連するシステムに対して判断されたアクションに対応する通知や所定の制御を行わせる出力処理を、一連の流れで制御することを実現させる。
　また、判断されたアクション（発生したイベント）に対し、実際に関連するシステムが行った実際のアクション結果（アクション自体を行っていない場合も含む）をフィードバック情報として蓄積し、事象の検出精度を向上させたり、監視制御システムと連携するシステムに対して利用性の高い付加情報を提供できるようにする。
（第１実施形態）
　図１から図１０は、第１実施形態の監視制御システムのネットワーク構成図である。本実施形態の監視制御システム３００は、複数のデータソースノード１００と接続されるとともに、監視制御システム３００と連携する複数のシステムノード５００と接続されている。
　データソースノード１００は、例えば、電力メーターなどのデータ取得機器や、複数のデータ取得機器と接続され、これらのデータ取得機器を管理・制御する管理システムなどであり、監視制御システム３００に対してデータを発信するデータソースとなるノード（データ発信要素）である。データソースノード１００は、不図示の通信部、処理部、記憶部等を備えることができ、データ取得機器から逐次取得される時系列に連続した電力使用状況などのデータを、有線又は無線通信網を介して監視制御システム３００に出力する。
　また、データソースノード１００の他の例としては、ＷＥＢシステム、ＣＲＭ（customer relationship management）システム、ＥＡＭ（enterprise asset management）システムなどを構成する各サーバ装置のデータ取得機器がある。この場合、サーバ装置自体がデータ取得機器として機能することができ、逐次取得される時系列の連続したサーバ装置の稼働状況（ＣＰＵ使用率、メモリ使用量、記憶領域の残量、稼働時間など）やシステム全体のトラフィック量などのデータを、有線又は無線通信網を介して監視制御システム３００に出力する。
　さらにデータソースノード１００の他の例として、ＰＯＳシステム（Point Of Sales system）がある。ＰＯＳシステムは、リアルタイムに各店舗での商品の販売情報を記録し、販売管理を行うサーバ装置に、在庫管理やマーケティング管理を行うための販売情報を送信する。このようなＰＯＳシステムも、レジスターやバーコードリーダー等のデータ取得機器を介して取得した販売情報を発信するデータソースであり、逐次取得される時系列に連続した店舗の販売情報（商品毎の販売数、販売価格、来客数など）のデータを、有線又は無線通信網を介して監視制御システム３００に出力する。また、気象情報や株価などを発信するデータ発信要素もデータソースノード１００として含むことができる。なお、複数の各データソースノード１００は、データ発信要素として互いに独立して監視制御システム３００と接続されている。
　データ収集装置２００は、複数のデータソースノード１００からの各データを収集して監視制御システム３００に出力する装置である。データソースノード１００から出力されるデータは、時系列に連続しているため、複数のデータソースノード１００それぞれから大量のデータが監視装置システム３００に入力される。データ収集装置２００は、監視制御システム３００と各データソースノード１００との間で、データソースノード１００それぞれから入力される複数のデータを収集し、１つ又は複数のデータ収集装置２００で負荷分散させて監視制御システム３００に出力する。
　監視制御システム３００は、各データソースノード１００から入力される時系列に連続した複数のデータを逐次的（リアルタイム）に処理して、起こり得る事象を検知する検知処理、検知された事象に対する適切なアクション（対処）を判断してイベントを発生させるイベント処理、及び関連するシステム（システムノード５００）に対して判断されたアクションに対応する通知又は所定の制御を行わせるための制御情報を出力する出力処理を、一連して行う。各機能及び処理の詳細については後述する。
　システムノード５００は、監視制御システム３００から出力される通知又は所定の制御を行わせるための制御情報（制御コマンド）を受信する機器やシステム（例えば、システムを構成するサーバ装置）である。システムノード５００は、本監視制御システム３００と連携し、監視制御システム３００で検知された事象に対するイベントを契機に、監視制御システム３００から受信した制御情報に基づいて所定のアクションを遂行したり、所定のアクションを促す警告等のメッセージの通知を受けるノードである。
　システムノード５００は、システム連携部４００を介して監視制御システム３００に接続されている。システム連携部４００は、監視制御システム３００で発生したイベントを、関連する１つ又は複数のシステムノード５００に通知したり、所定の制御コマンドを伝送する配信機能を備えている。
　監視制御システム３００は、検知された事象に応じてアクション情報を抽出してシステムノード５００に対するイベントを発生させる。監視制御システム３００は、システム連携部４００に抽出されたアクション情報を出力し、システム連携部４００は、イベント発生に伴って入力されるアクション情報を、関連する各システムノード５００に、有線又は無線通信網を通じて伝送する。
　なお、システムノード５００とデータソースノード１００とは、同じノードである場合が含まれる。例えば、監視制御システム３００は、ＷＥＢシステムのサーバ装置をデータソースノードとして、稼働状況やＷＥＢシステム全体のトラフィック量などの時系列に連続した逐次データを受信する。一方、監視制御システム３００は、ＷＥＢシステムから受信した逐次データに基づいて所定の事象を検知し、検知された事象に応じた所定のアクションを判別してイベントを発生させる。そして、監視制御システム３００は、システムノードとして同じＷＥＢシステムのサーバ装置に、検知された事象に対して判別（抽出）された所定のアクションを、システム連携部４００を介して出力することができる。
　また、システムノード５００とデータソースノード１００とが異なるノードである態様も含まれる。一例として、データソースノード１００が雨量計（積雪を含む）や温度計、湿度計などの気象観測機器であり、システムノード５００がフィールドサービスシステムである例を挙げることができる。この場合、監視制御システム３００は、気象観測機器をデータソースノードとして、雨量（積雪）、温度、湿度などの逐次データを受信する。一方、監視制御システム３００は、気象観測機器から受信した逐次データに基づいて事象を検知し、検知された事象に応じた所定のアクションを判別してイベントを発生させる。そして、監視制御システム３００は、システムノード５００としてフィールドサービスシステムに、所定のアクション（例えば、積雪量が増加することによる車両故障が増加するメッセージや各作業員の情報端末装置に対し、フィールドサービスシステムから所定のメッセージを一斉配信させるための制御コマンド）を、システム連携部４００を介して出力することができる。
　次に、本実施形態の監視制御システム３００について詳細に説明する。図２は、監視制御システムの構成ブロック図である。
　図２に示すように、監視制御システム３００は、各データソースノード１００から時系列に連続したデータが入力され、検知ルール定義ファイル３１１に基づいて、所定の事象を検知する事象検知部３１０と、一定期間内の逐次データを統計分析処理して統計分析結果を事象検知部３１０に出力する統計分析処理部３２０と、事象検知部３１０によって検出された所定の事象に対し、アクション定義ファイル３３１から所定のアクションを抽出してイベントを発生させ、抽出された所定のアクションをイベント発生に伴うアクション情報としてシステム連携部４００に出力する判断部３３０と、を含んで構成されている。
　また、本実施形態の監視制御システム３００は、学習制御部３４０及びフィードバックデータ記憶部３５１をさらに備えることができる。学習制御部３４０は、システムノード５００から収集されるアクション情報に対するフィードバックデータに基づいて、統計分析処理部３２０で使用される統計分析のためのパラメータ等の学習値を算出する統計分析用学習部３４１と、判断部３３０から出力されるアクション情報に含まれる補足情報を更新する補足情報学習部３４２と、を含んで構成することができる。
　検知ルール定義ファイル３１１やアクション定義ファイル３３１などの情報、フィードバックデータ、統計分析処理や学習処理で用いられる各種情報などは、監視制御システム３００の所定の記憶領域（不図示）に記憶することができる。
　図３は、本実施形態の事象検知処理を説明するための図である。図３に示すように、例えば、システム種別（ＷＥＢ，ＣＲＭ等などのデータソースノード１００を識別する情報）とＣＰＵ使用率（事象を検知するためのシステムの実測値、取得値など逐次データ）を含むデータフォーマットの各データが事象検知部３１０に入力される。
　事象検知部３１０では、各データソースノード１００から伝送される時系列の連続した複数のデータが入力されると、例えば、１つのシステム種別の時系列に連続した各データの変化から所定の事象を検知する。
　このとき、図３の例では、０％から１００％の範囲のＣＰＵ使用率を、所定の範囲で複数の分類に区分したデータ変換定義を予め規定し、各分類に変換された各逐次データの変化に基づいて所定の事象を検出している。データ変換定義は、各データの時定数を合わせたり、数値データを分類分けし、所定の事象に対する時系列に連続した各データの変化を把握しやすくするために用いられる。なお、データ変換せずに、入力された逐次データそのままを用いて、所定の事象を把握するように構成してもよい。
　図３に示すように、データソースノード１００から入力されるＣＰＵ使用率をデータ変換定義に従って変換すると、システム種別が「ＷＥＢ」のＣＰＵ使用率がＡ→Ｂ→Ｂ→Ｃの時間順で遷移していることが把握できる。
　検知ルール定義ファイル３１１は、データ変換定義に従う時間順の遷移パターン（時間順の並び）と特定の事象とを関連付けた定義情報（検知ルール定義データ）を有するファイルであり、事象検知部３１０は、検知ルール定義ファイル３１１を参照して、時間順に並べられたＣＰＵ使用率（データ変換後の分類）の遷移が、特定の事象に対して予め定義されたパターンと一致するか否かを判定し、一致する場合に、特定の事象を生じたこと、又は特定の事象が生じるであろうことを検知する。
　本実施形態の検知ルール定義ファイル３１１の各パターンは、時間順に並べられた逐次データから、特定の結果に至る事象のパターンを検知するための情報である。例えば、「システム異常（結果）」に至る（事象）パターンとして、時間順に並べられた逐次データのパターンがＡ→Ｂ→Ｃである場合に、「システム異常」であることを検知するように、過去の統計的データや経験則から適宜定めておくことができる。なお、データソースノード１００から入力される時系列に連続した複数のデータの所定のパターンを検知して、特定の結果に至る事象を検出する一例を説明しているが、これに限らず、例えば、特定の結果に至る事象を１つのデータで検知することもできる。つまり、逐次データとは、時間経過に伴い監視制御システムに逐次入力される１つまたは複数のデータである。
　特定の結果に至る事象のパターンは、公知の事象パターン抽出技術を用いて作成することができる。例えば、特許第４１８１１９３号公報、特許第１３９８９０７号公報、特許第４２０２７９８号公報、特許第４３９８７７７号公報などの技術を適用して、特定の結果に至る事象のパターンを作成することができる。検知ルール定義ファイル３１１は、適宜更新可能であり、これらの事象パターン抽出技術を用いて逐次変化するデータとその事象との関係を新たしく生成したり、作成済みの特定の結果に至る事象のパターンを変更等することができる。
　事象検知部３１０は、図３の例において、システム「ＷＥＢ」に対し、「システム異常」に至る事象として時間順に並べられた各データに対応するＡ→Ｂ→Ｃの遷移を検知し、システム「ＣＲＭ」に対しては、事象を検知しない。ここで、本実施形態では、検知ルール定義ファイル３１１で定義された事象パターンが「Ａ→Ｂ→Ｃ」である場合、時間順でＡが入力された後にＢが入力されるまでの間にＡ又はＣが入力されてもＡ→Ｂが入力されたものと識別し、同様にその後Ｂが入力された後にＣが入力されるまでの間にＡ又はＢが入力されても、Ａ→Ｂ→Ｃが入力されたものと識別するように構成することができる。
　つまり、ある時間範囲に入力される各データが時間順でＡ（※）→Ｃ→Ｂ（※）→Ｂ→Ａ→Ｃ（※）と入力されても、事象検知部３１０は、※印で示したデータが、検知ルール定義ファイル３１１に定義された時間順のパターン「Ａ→Ｂ→Ｃ」とマッチングするものと判別し、「システム異常」に対する事象パターンが検知されたものとみなすことができる。なお、時間順で入力されるデータ順序を考慮してパターンマッチングすることもできる。
　また、１つの結果（システム異常）に対し、複数の事象パターンを設定することができる。例えば、時間順のデータの並びパターン「Ａ→Ｂ→Ｃ」、「Ｂ→Ｂ→Ｃ」、「Ｃ→Ｂ→Ｃ」などを「システム異常」と関連付けて定義することができる。この場合、各時間順の各パターンに、信頼度（例えば元データの規模）や発生確率（例えば事象パターンが発生する確率）などに基づいて優先順位を付けることができる。例えば、信頼度で優先順位を付ける場合、システム異常に対応する事象パターンとして信頼度が一番高い「Ｂ→Ｂ→Ｃ」を優先的にマッチングさせるように定義する。また、確率で優先順位を付ける場合、システム異常に対応する事象パターンとして確率が一番高い「Ｃ→Ｂ→Ｃ」を優先的にマッチングさせるように定義する。このように、複数の事象パターンの中から優先的に検知するパターンを予め決めておくことができる。
　時系列に連続して入力された逐次データの時間順の並びと、検知ルール定義ファイル３１１に規定された特定の事象のパターンとがマッチングした場合、事象検知部３１０は、判断部３３０に検知結果を出力する。図４は、本実施形態の判断部３３０のイベント発生処理を説明するための図である。
　図４に示すように、事象検知部３１０は、判断部３３０に対して検出結果としてシステム種別「ＷＥＢ」，事象パターンから推測される結果「システム異常」を含む情報を出力する。判断部３３０は、入力された検出結果に基づいて、事象パターンから推測される結果「システム異常」に対してどのようなアクションを行うべきかを判断し、連携するシステムノードに対するイベントを発生させる。
　本実施形態では、推測された結果「システム異常」に対し、所定のアクションを予め関連付けたアクション定義ファイル３３１を備えている。アクション定義ファイル３３１は、検知ルール定義ファイル３１１の検知される特定の事象毎に１つ又は複数のアクション情報を紐付けた情報である。したがって、図４の例のように、判断部３３０は、事象検知部３１０から出力される検出結果に含まれる検出された事象「システム異常」をキーに、アクション定義ファイル３３１を参照し、該当するアクション情報を抽出する。
　判断部３３０は、検出された事象に対して所定のアクションを抽出（生成）することで、連携する各システムノードに対するイベントを発生させ、各システムノードへのアクション情報の配信制御を行うシステム連携部４００に、イベント発生に伴うアクション情報の出力を行う。このとき、判断部３３０は、アクション定義ファイル３３１に含まれる「出力先」と共にアクション情報をシステム連携部４００に出力することで、システム連携部４００は、「出力先」該当するシステムノード５００にアクション情報を配信することができる。
　図４の例において、アクション情報は、例えば、出力先及び出力先の状態（「ＣＰＵ中」）と危険度（「高」）、アクション（アラート，アクセス制限）などを含むことができる。出力先の状態、危険度は、検出された事象の内容を表すものである。アクションの内容は、該当するシステムノード５００に対して検知された事象に関連する通知を行うか（メッセージ内容）、所定の制御を行わせるか（制御コマンド）を規定した対処法を示すものである。なお、監視制御システム３００で動作するアプリケーションプログラムを実行し、その実行結果をアクション内容に含めることもできる。
　補足情報は、アクション情報に付加される情報であり、各アクション情報に対し、検知された事象に対して有用な情報として予め規定された情報である。図４の例では、システム異常が検知された際の時間順に並ぶ逐次データからＣＰＵ使用率の実測値やＷＥＢシステム全体のトラフィック量を、補足情報として含むアクション情報の一例を示している。
　図５は、統計分析処理に基づく事象検出処理を説明するための図であり、事象検知部３１０は、統計分析処理部の統計処理の統計結果を用いて、特定の結果に至る事象を検知することができる。
　例えば、統計分析処理部３２０は、データソースノード１００から一定期間内に受信する時系列に連続した逐次データの統計処理を行う。図５の例では、一定期間内のＣＰＵ使用率の平均値を算出する統計処理を行うことができ、算出した統計結果「平均値」を事象検知部３１０に出力する。
　事象検知部３１０では、統計分析処理部３２０から出力された統計結果と、検知ルール定義ファイル３１１に予め規定された所定の閾値とを比較して、特定の結果に至る事象が生じるものとして検知することができる。検知ルール定義ファイル３１１は、特定の結果に至る事象毎に統計結果と所定の閾値との関係を検出したい事象に対する変化属性として含むことができる。
　図５の例では、統計結果の平均値Ａが第１閾値Ｂよりも大きく第２閾値Ｃよりも小さい場合と、平均値Ａが第２閾値Ｃよりも大きい場合に、それぞれシステム異常を検知する検出パターン定義が規定されている。平均値Ａと閾値Ｂ，Ｃとを比較し、大小関係等の変化属性を検知して特定の事象の発生有無を検知することができる。
　このように本実施形態では、データソースノード１００から入力される時系列に連続した逐次的なデータの時間順に並ぶパターンによって特定の事象を検知する第１の事象検知処理と、データソースノード１００から一定期間内に受信する時系列に連続した逐次データの統計結果によって特定の事象を検知する第２の事象検知処理とが含まれる。これら第１及び第２の事象検知処理を互いに独立して行うことで、逐次データの時間順に並ぶパターンによって検出できない事象を、一定期間内の統計結果で検出できたり、逆に、統計結果によって検出できない事象を、逐次データの時間順に並ぶパターンによって検出することができ、データソースノード１００から逐次入力される時系列に連続した逐次データから、特定の事象を精度良く検出することができる。
　図６は、本実施形態の監視制御システム３００の処理フローを示す図である。図６に示すように、監視制御システム３００は、複数の各データソースノード１００から、時系列に連続した逐次データをデータ収集装置２００を介して受信する（Ｓ１０１）。
　監視制御システム３００は、逐次的に受信した時系列に連続した逐次データに基づいて、検知ルール定義ファイル３１１に規定された特定の事象の発生有無を検知する（Ｓ１０２）。上述のように、データソースノード１００から入力される時系列に連続した逐次的なデータの時間順に並ぶパターンによって特定の事象を検知する第１の事象検知処理と、データソースノード１００から一定期間内に受信する時系列に連続した複数のデータの統計結果によって特定の事象を検知する第２の事象検知処理とをそれぞれ独立して遂行する。
　監視制御システム３００は、検知ルール定義ファイル３１１に規定された特定の事象を検知すると（Ｓ１０３，ＹＥＳ）、検出された事象に対して所定のアクションを抽出（生成）することで連携する各システムノード５００に対するイベントを発生させる（Ｓ１０４）。監視制御システム３００は、イベント発生に伴い、抽出したアクション情報を各システムノード５００への配信制御を行うシステム連携部４００に出力する（Ｓ１０５）。
　本実施形態に係る監視制御システム３００は、様々なデータソースから収集されるデータを逐次的に処理して起こり得る事象の検知し、把握された事象に対する適切なアクション（対処）の判断（イベント発生）を行い、関連するシステムに対して判断されたアクションに対応する通知や所定の制御を行わせる出力を、一連の流れで制御することができる。このため、事象の検知、適切なアクションの判断及び関連するシステムへの処理が人手を介さずに自動的に行え、迅速なシステム監視等の実現することができる。
　次に、図７及び図８を参照して、本実施形態の学習処理について説明する。本実施形態の監視制御システム３００は、システムノード５００に出力されたアクション情報に対して当該システムノード５００から得られるフィードバック情報を記憶するフィードバックデータ記憶部３５１を備えることができる。なお、学習制御部３４０では、以下の説明以外にも、機械学習(Machine Learning)の公知の技術や手法を用いて学習処理を行うことができる。
　図７は、フィードバック情報の一例を示す図であり、統計分析用学習部３４１の学習処理を説明するための図である。
　図７に示すように、システムノード５００に対して出力されたアクション情報に対し、該当のシステムノード５００が実際にどのような対処を行ったのか、また、アクション情報が適切であったか、アクション情報を用いて対処を適切に行えたかなどのアクション結果をフィードバック情報として記憶することができる。アクション結果は、人為的な電話やファックスによるやり取りや、コンピュータによるフィードバック情報の取得機能等を介して取得することができる。またフィードバックデータ記憶部３５１へのフィードバック情報の記憶も入力者がキーボード等から入力したり、自動的に取り込むことで入力することができる。
　統計分析用学習部３４１は、図５に示した統計処理に適用されるパラメータαの学習値を算出する。例えば、統計分析用学習部３４１は、フィードバック情報を参照して、システム種別が「ＷＥＢ」で状態「ＣＰＵ高」の属性に対するアクション結果が「○」のものは、パラメータαとして０．９を適用すると良い傾向にあることを把握する。
　パラメータαは、例えば、各ＣＰＵ使用率の逐次データそれぞれに適用される重み付け値であり、トラフィック量に応じて変動する値である。トラフィック量が多い状態でのＣＰＵ使用率は、平均値に対して大きく反映され、トラフィック量が少ない状態でのＣＰＵ使用率は、平均値に対して小さく反映されるように、パラメータαの値を可変に制御して統計処理を行うことができる。
　そして、図７の例では、トラフィック量が低くても、パラメータαに０．９を適用することが好ましいことを、アクション結果の「○」を参照して判断することができる。つまり、０．９よりも小さい場合、アクション結果に「○」がないため、トラフィック量に関係なく、統計処理に適用されるパラメータαは、０．９に設定すると好ましいことを学習することができる。
　また、フィードバック情報の総数の大きさを算出したパラメータ値の反映量として設定することができる。例えば、学習の習熟度をフィードバック情報の総数に関する閾値で設定しておく。フィードバック情報の総数が大きい場合は、学習が習熟したとみなしてパラメータ値の反映量を大きくする。逆に、フィードバック情報の総数が小さい場合は、学習が未熟であるため反映量を小さくする。
　なお、学習処理については、システム種別や利用者毎に、時系列に連続した逐次データから把握される属性情報を予め蓄積データとして保持しておき、蓄積データに基づいて各システムの使用状態のランクや利用者属性のランクに応じて、学習値を算出するように構成することもできる。例えば、ランクに応じてシステムの監視度合いを高くし、学習値への反映をランクに応じて調節するように、学習処理を行うこともできる。
　統計分析用学習部３４１によって算出されたパラメータαの学習値は、統計分析処理部３２０に出力され、統計処理の重み付け値として用いられる。統計分析処理部３２０では、学習制御部３４０から適宜出力される学習値を用いて統計処理を遂行する。
　図８は、フィードバック情報の他の一例を示す図であり、補足情報学習部３４２の学習処理を説明するための図である。
　図７の例では統計処理に用いられるパラメータαを対象に学習処理を行っていたが、図８の例では「補足情報」を対象に学習処理を行う。
　補足情報学習部３４２は、例えば、フィードバック情報を参照して、システム種別が「ＷＥＢ」で状態「ＣＰＵ高」の属性に対するアクション結果が「○」のものは、補足情報として「稼働時間」を付加すると、良い傾向にあることを把握することができる。例えば、アクション結果「○」に該当する各アクション情報の「補足情報」がどのような情報であったかを情報別にカウントし、カウント数が多い情報を、補足情報として付加された情報がシステムノード５００側で有用に利用され、アクション結果「○」として反映される補足情報として抽出することができる。
　補足情報学習部３４２は、フィードバック情報に基づいて有用な補足情報を抽出し、抽出した有用な補足情報を判断部３３０に出力する。判断部３３０は、補足情報学習部３４２から受信した補足情報を用いて、補足情報を含むアクション情報をシステムノード５００に出力させるように制御することができる。なお、補足情報学習部３４２の学習処理について同様に、上述した蓄積データを用いて学習値への反映をランクに応じて調節するように、学習処理を行うこともできる。
　図９は、本実施形態の監視制御システム３００が、電力供給量に対する電力使用量のデマンドレスポンス（ＤＲ）に適用された一例を示す図であり、図１０は、図９の例におけるデータソースノードが電力メーターである場合の、監視制御システム３００に入力される逐次データ、利用者属性データ及びフィードバックデータの一例を示す図である。
　例えば、電力使用量のピーク値を抑えるために、節電協力を求めたい場合、ピーク値を目標とする最大限度量を超えないように節電協力の依頼を最適化することができる。
　このような場合、本監視制御システム３００は、逐次データとして、データソースノード１００である電力メーターから各顧客の電力使用量を取得して総電力使用量を算出し、その傾向から供給不足を早期に検知する。
　そして、供給不足を検知したとき、すなわち、供給不足に至る事象を検知した場合に、システム連携部４００を介して節電協力を顧客等に依頼する。このような依頼がアクション情報を抽出してイベントを発生させるイベント処理となる。顧客への依頼（アクション情報）は、監視制御システム３００とシステム連携部４００を介して接続されるＤＲシステムに伝送され、ＤＲシステムがアクション情報に基づいて、顧客の情報端末装置等に通信網を通じて依頼を行う。
　このとき、節電協力に応答したか否かをフィードバックデータとしてＤＲシステムから取得することで、学習機能を用い、節電協力の依頼対象となる顧客属性を推測してアクション情報（付加情報に相当する）を更新する。
　例えば、統計分析処理部３２０は、顧客ＩＤ、電力使用量、在宅有無、時刻を含む逐次データを、時系列に連続して受信する。このとき、統計分析処理部３２０は、時刻ｔ１からｔ２までの間に変化した電力使用量Ｐ２－Ｐ１に対する変化率Ｄを算出し、事象検知部３１０に出力する。
　検知ルール定義ファイル３１１には、電力使用量の変化率Ｄと閾値との関係を変化属性として規定した検知ルールを設けており、事象検知部３１０は、変化率Ｄを閾値とを比較して、変化率Ｄが閾値Ｄよりも大きい場合、総電力使用量が急激に上昇している事象の発生を検知する。
　また、統計分析処理部３２０は、時系列に連続して受信する逐次データの電力使用量を積算する処理を行い、現時点までの総電力使用量Ｐを算出することができる。この場合、検知ルール定義ファイル３１１には、電力の最大供給量と統計結果の総電力使用量Ｐとの関係を変化属性として規定した検知ルールを設けておき、事象検知部３１０は、総電力使用量Ｐと最大供給量Ｑとを比較して、総電力使用量Ｐが最大供給量Ｑよりも大きい場合、総電力使用量Ｐが最大供給量Ｑを超過する事象の発生を検知する。
　判断部３３０は、事象検知部３１０から検知結果を受信し、アクション定義ファイル３３１から検知結果に含まれる検出された事象に紐付くアクション情報を抽出することで、イベントを発生させる。判断部３３０は、電力使用量が急激に増加している事象が検知された場合、使用量：高（状態）、危険度中（危険度）、アラート（アクション）、ＤＲシステム（通知先）、在宅で協力度が所定ランク以上の顧客情報（補足情報）を含むアクション情報を抽出する。このとき、補足情報は、後述するフィードバックデータの協力度ランクや在宅／不在情報を用いて判断部３３０又は補足情報学習部３４２がリアルタイムに生成することができる。
　また、判断部３３０は、総電力使用量Ｐが最大供給量Ｑを超過する事象の発生が検知された場合、使用量：高（状態）、危険度高（危険度）、エラー（アクション）、安全システム（通知先）、超過量（補足情報）を含むアクション情報を抽出する。このとき、補足情報は、判断部３３０が総電力使用量Ｐと最大供給量Ｑとの差分を算出して超過量として含めることができる。なお、安全システムとは、電力使用を確実にカットできる又は強制的に節電を行う所定の施設やシステムである。
　利用者属性データは、顧客の顧客属性データである。例えば、平均使用量や家族構成、住所、ＤＲシステムのグループ情報などを含んでおり、過去の電力使用履歴などから所定の記憶部に予め登録（記憶）しておくことができる。
　フィードバックデータには、図１０に示すように、アクション情報に基づいてＤＲシステムから節電協力された顧客が節電に応答したか否かに対応する協力度ランクが含まれている。協力度ランクは、顧客からの節電に協力した旨の能動的な入力等に基づく節電協力の応答した回数などのフィードバックデータから算出される情報である。補足情報学習部３４２は、フィードバックデータとしてＤＲシステムから受信する節電協力の応答回数などを用いて協力度ランクをさらにフィードバック情報として生成することができる。
　また、フィードバックデータには電力削減期待量を含むことができる。電力削減期待量は、過去の平均使用量に対して現在の電力使用量を差し引いた削減可能な電力量の期待値である。本実施形態では、フィードバックデータを利用した統計分析用学習部３４１の処理として、例えば、協力度ランクが所定ランク以上であり、在宅の顧客の電力削減期待量を、統計分析処理部３２０での変化率Ｄの算出する際に使用するパラメータαに反映する。
　パラメータαは、電力削減期待量と在宅の顧客数を用いて算出することができる。電力削減期待値に応える顧客数が多ければ電力削減が期待できるので、電力削減が期待できない場合に比べて変化率Ｄを低く算出するためにパラメータαを用いることができる。
　本実施形態の統計分析用学習部３４１は、フィードバックデータを参照して統計分析処理部３２０での変化率Ｄの算出する際に使用するパラメータαを学習する。このため、電力使用量の変化率Ｄを用いた総電力使用量が急激に上昇するなどの事象検知をより精度良く行うことができる。
　以上、本実施形態の監視制御システムは、１つ又は複数のコンピュータ装置で実現可能であり、各機能は、プログラムとして構成することができる。例えば、コンピュータの不図示の補助記憶装置に格納され、ＣＰＵ等の制御部が補助記憶装置に格納された監視制御システムの各機能毎のプログラムを主記憶装置に読み出し、主記憶装置に読み出された該プログラムを制御部が実行し、１つ又は複数のコンピュータに本実施形態の各部の機能を動作させることができる。すなわち、本実施形態の監視制御スシステムの各機能毎のプログラムがインストールされた１つ又は複数のコンピュータは、単独で又は連携して各機能を遂行するコンピュータ装置（システム）として動作することが可能である。
　また、上記プログラムは、コンピュータ読取可能な記録媒体に記録された状態で、コンピュータに提供することも可能である。コンピュータ読取可能な記録媒体としては、ＣＤ－ＲＯＭ等の光ディスク、ＤＶＤ－ＲＯＭ等の相変化型光ディスク、ＭＯ（Magnet Optical）やＭＤ(Mini Disk)などの光磁気ディスク、フロッピー（登録商標）ディスクやリムーバブルハードディスクなどの磁気ディスク、コンパクトフラッシュ（登録商標）、スマートメディア、SDメモリカード、メモリスティック等のメモリカードが挙げられる。また、本発明の目的のために特別に設計されて構成された集積回路（ICチップ等）等のハードウェア装置も記録媒体として含まれる。
　なお、本発明の実施形態を説明したが、当該実施形態は、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。この新規な実施形態は、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ともに、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。
１００　　データソースノード
２００　　データ収集装置
３００　　監視制御システム
３１０　　事象検知部
３１１　　事象検知ルールファイル
３２０　　統計分析処理部
３３０　　判断部（イベント処理部）
３３１　　アクション定義ファイル
３４０　　学習制御部
３４１　　統計分析用学習部
３４２　　補足情報学習部
３５１　　フィードバック（ＦＢ）データ記憶部
４００　　システム連携部
５００　　システムノード

Claims (6)

  1. 　データ発信要素である１つ又は複数のデータソースから受信するデータに基づいて特定の結果に至る事象を検知し、前記検知された特定の結果に対する所定のシステムへのアクション情報を出力する監視制御システムであって、
    　前記監視制御システムは、
    　前記特定の結果に至る事象毎に時系列に連続した複数の前記データの変化属性を予め規定した検知ルール定義データに基づいて、前記データソースから受信する連続したデータから前記特定の結果に至る事象を検知する事象検知部と、
    　前記特定の結果毎に前記アクション情報を予め規定したアクション定義データに基づいて、前記事象検知部によって検知された前記特定の結果に対応する前記アクション情報を抽出し、前記所定のシステムに対するイベントを発生させる判断部と、
    　を有することを特徴とする監視制御システム。
  2. 　前記検知ルール定義データは、前記特定の結果に至る事象毎に時系列に連続した複数の前記データの時間順における連続した所定の並びを前記変化属性として含んでおり、
    　前記事象検知部は、前記データソースから受信した時系列に連続する複数の前記データの時間順における並びと、前記検知ルール定義データにおける前記連続した所定の並びとマッチングして、前記特定の結果に至る事象を検知することを特徴とする請求項１に記載の監視制御システム。
  3. 　前記データソースから一定期間内に受信する時系列に連続した複数の前記データを統計処理して統計結果を出力する統計分析処理部をさらに有し、
    　前記検知ルール定義データは、前記特定の結果に至る事象毎に前記統計結果と閾値との関係を前記変化属性として含んでおり、
    　前記事象検知部は、前記統計分析処理部から出力される前記統計結果と前記閾値とを比較して、前記特定の結果に至る事象を検知することを特徴とする請求項１又は２に記載の監視制御システム。
  4. 　前記システムに出力された前記アクション情報に対して前記所定のシステムから得られるフィードバック情報を記憶する記憶部と、
    　前記フィードバック情報に基づいて、前記統計結果を算出するために用いられる所定のパラメータの学習値を算出する統計分析学習部と、
    　をさらに有することを特徴とする請求項３に記載の監視制御システム。
  5. 　前記システムに出力された前記アクション情報に対して前記所定のシステムから得られるフィードバック情報を記憶する記憶部と、
    　前記フィードバック情報に基づいて、前記アクション情報に付加される前記検出された事象に関連する所定の補足情報を変更する補足情報学習部と、
    　をさらに有することを特徴とする請求項１から４のいずれか１つに記載の監視制御システム。
  6. 　データ発信要素である１つ又は複数のデータソースから受信するデータに基づいて特定の結果に至る事象を検知し、前記検知された特定の結果に対する所定のシステムへのアクション情報を出力する監視制御システムの制御方法であって、
    　前記特定の結果に至る事象毎に時系列に連続した複数の前記データの変化属性を予め規定した検知ルール定義データに基づいて、前記データソースから受信する連続したデータから前記特定の結果に至る事象を検知するステップと、
    　前記特定の結果毎に前記アクション情報を予め規定したアクション定義データに基づいて、前記事象検知部によって検知された前記特定の結果に対応する前記アクション情報を抽出し、前記所定のシステムに対するイベントを発生させるステップと、
    　を含む制御方法。
PCT/JP2014/003419 2013-06-28 2014-06-26 監視制御システム及び制御方法 WO2014208092A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US14/901,234 US9621966B2 (en) 2013-06-28 2014-06-26 Monitoring control system and control method
EP14817411.3A EP3015937B1 (en) 2013-06-28 2014-06-26 Monitoring control system and control method
MYPI2015704546A MY183016A (en) 2013-06-28 2014-06-26 Monitoring control system and control method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013137174A JP6315905B2 (ja) 2013-06-28 2013-06-28 監視制御システム及び制御方法
JP2013-137174 2013-06-28

Publications (1)

Publication Number Publication Date
WO2014208092A1 true WO2014208092A1 (ja) 2014-12-31

Family

ID=52141451

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/003419 WO2014208092A1 (ja) 2013-06-28 2014-06-26 監視制御システム及び制御方法

Country Status (5)

Country Link
US (1) US9621966B2 (ja)
EP (1) EP3015937B1 (ja)
JP (1) JP6315905B2 (ja)
MY (1) MY183016A (ja)
WO (1) WO2014208092A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488439A (zh) * 2019-09-12 2021-03-12 阿自倍尔株式会社 信息呈现装置、信息呈现方法以及信息呈现系统
CN112488439B (zh) * 2019-09-12 2024-05-03 阿自倍尔株式会社 信息呈现装置、信息呈现方法以及信息呈现系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016035338A1 (ja) * 2014-09-03 2016-03-10 日本電気株式会社 監視装置及びその監視方法、監視システム、並びにコンピュータ・プログラムが格納された記録媒体
US9652971B1 (en) 2015-03-12 2017-05-16 Alarm.Com Incorporated System and process for distributed network of redundant central stations
KR101698265B1 (ko) * 2015-03-16 2017-01-19 에스케이 주식회사 장비별 발생 이벤트의 시간 흐름에 따른 복합 상황 판단 방법 및 시스템
FR3050839B1 (fr) * 2016-04-28 2018-05-11 Electricite De France Procede de detection de deficiences d'un dispositif de chauffage
US11411761B2 (en) * 2018-01-17 2022-08-09 Nippon Telegraph And Telephone Corporation Detection device, detection method, and program
CN109802871B (zh) * 2019-03-04 2020-07-10 佛山大鱼智能家居科技有限公司 智能安防系统的控制方法
JP7303358B1 (ja) 2022-01-19 2023-07-04 九州電力株式会社 判定方法、判定装置、管理装置及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS626778B2 (ja) 1981-01-27 1987-02-13 Tatsuma Honke Shuzo Kk
JPH07152789A (ja) * 1993-11-26 1995-06-16 Mitsubishi Electric Corp プラント解析設備診断システム
JPH07219622A (ja) * 1994-02-04 1995-08-18 Toshiba Corp 傾向監視アラーム管理装置
JP4181193B2 (ja) 2006-08-01 2008-11-12 株式会社東芝 時系列パターン検出装置及び方法
JP4202798B2 (ja) 2003-03-20 2008-12-24 株式会社東芝 時系列パターン抽出装置および時系列パターン抽出プログラム
JP4398777B2 (ja) 2004-04-28 2010-01-13 株式会社東芝 時系列データ分析装置および方法
JP2012194806A (ja) 2011-03-16 2012-10-11 Fujitsu Ltd イベント処理方法、イベント処理装置及びイベント処理プログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6208266B1 (en) * 1995-08-23 2001-03-27 Scientific Telemetry Corporation Remote data acquisition and processing system
US7539549B1 (en) * 1999-09-28 2009-05-26 Rockwell Automation Technologies, Inc. Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
JP4398907B2 (ja) * 2005-06-28 2010-01-13 株式会社東芝 特徴系列パターン発見装置及び特徴系列パターン発見装置の作動方法
CN102354204B (zh) * 2007-03-22 2016-06-29 日本电气株式会社 诊断装置
JP5301310B2 (ja) * 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
US9317537B2 (en) * 2009-09-25 2016-04-19 Adnan Fakeih Database and method for evaluating data therefrom

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS626778B2 (ja) 1981-01-27 1987-02-13 Tatsuma Honke Shuzo Kk
JPH07152789A (ja) * 1993-11-26 1995-06-16 Mitsubishi Electric Corp プラント解析設備診断システム
JPH07219622A (ja) * 1994-02-04 1995-08-18 Toshiba Corp 傾向監視アラーム管理装置
JP4202798B2 (ja) 2003-03-20 2008-12-24 株式会社東芝 時系列パターン抽出装置および時系列パターン抽出プログラム
JP4398777B2 (ja) 2004-04-28 2010-01-13 株式会社東芝 時系列データ分析装置および方法
JP4181193B2 (ja) 2006-08-01 2008-11-12 株式会社東芝 時系列パターン検出装置及び方法
JP2012194806A (ja) 2011-03-16 2012-10-11 Fujitsu Ltd イベント処理方法、イベント処理装置及びイベント処理プログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488439A (zh) * 2019-09-12 2021-03-12 阿自倍尔株式会社 信息呈现装置、信息呈现方法以及信息呈现系统
CN112488439B (zh) * 2019-09-12 2024-05-03 阿自倍尔株式会社 信息呈现装置、信息呈现方法以及信息呈现系统

Also Published As

Publication number Publication date
EP3015937B1 (en) 2020-08-05
US20160227299A1 (en) 2016-08-04
JP2015011565A (ja) 2015-01-19
JP6315905B2 (ja) 2018-04-25
US9621966B2 (en) 2017-04-11
EP3015937A1 (en) 2016-05-04
MY183016A (en) 2021-02-05
EP3015937A4 (en) 2017-03-01

Similar Documents

Publication Publication Date Title
JP6315905B2 (ja) 監視制御システム及び制御方法
JP6408015B2 (ja) 監視制御システム及びデータ収集装置
CN105612546B (zh) 用于能量测量的装置、服务器、系统和方法
JP5245211B2 (ja) 監視システム
CN109446193A (zh) 反窃电模型生成方法及装置
JP6190309B2 (ja) 消費電力量に基づいて生活パターンを推定する装置、プログラム及び方法
JP6443601B1 (ja) 省エネルギー診断システム、方法及びプログラム
Chou et al. Hybrid machine learning system to forecast electricity consumption of smart grid-based air conditioners
US9269062B2 (en) Methods for optimizing energy consumption and devices thereof
JP2016532196A (ja) エネルギー情報提供装置およびシステム
JP6210867B2 (ja) データ関連性解析システムおよびデータ管理装置
US10254319B2 (en) Apparatus, server, system and method for energy measuring
Khosrowpour et al. Occupant workstation level energy-use prediction in commercial buildings: Developing and assessing a new method to enable targeted energy efficiency programs
US11482861B2 (en) Apparatus, server, system and method for energy measuring
JP2015032173A (ja) 行動推定システム
Kiluk Dynamic classification system in large-scale supervision of energy efficiency in buildings
CN115081893A (zh) 用户用电数据分析方法、装置、电子设备及可读存储介质
Al-Aomar et al. A data-driven predictive maintenance model for hospital HVAC system with machine learning
CN113537519A (zh) 一种识别异常设备的方法和装置
US20230032081A1 (en) Server, communicating device and system having function of managing power demand and method of managing power usage thereof
CN115965236B (zh) 一种基于用电画像的智能优化方法
CN112116496B (zh) 能耗诊断规则的配置方法和装置
Goyal et al. Data-driven risk analysis for poles in the electric grid
Shigeji et al. A Life Cycle Simulation for Part Agents that Proposes a Management of Parts Based on Consumer’s Satisfaction
Joseph Collaborative Data Analytics for a Smart World

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14817411

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2014817411

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 14901234

Country of ref document: US