WO2015083397A1 - 演算装置 - Google Patents

演算装置 Download PDF

Info

Publication number
WO2015083397A1
WO2015083397A1 PCT/JP2014/069868 JP2014069868W WO2015083397A1 WO 2015083397 A1 WO2015083397 A1 WO 2015083397A1 JP 2014069868 W JP2014069868 W JP 2014069868W WO 2015083397 A1 WO2015083397 A1 WO 2015083397A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
operation state
feature
waveform
time
Prior art date
Application number
PCT/JP2014/069868
Other languages
English (en)
French (fr)
Inventor
卓久 和田
和人 久保田
恭介 片山
Original Assignee
株式会社 東芝
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 filed Critical 株式会社 東芝
Priority to EP14868647.0A priority Critical patent/EP3079227A4/en
Publication of WO2015083397A1 publication Critical patent/WO2015083397A1/ja
Priority to US15/161,703 priority patent/US20160266182A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00004—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the power network being locally controlled
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H02J2310/14—The load or loads being home appliances
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Definitions

  • Embodiments of the present invention relate to an arithmetic device.
  • This equipment state detection device calculates the feature quantity of each frequency component based on the current and voltage measurement results.
  • this apparatus searches a database in which identification information for identifying an electric device, a feature amount, and an operation state are associated with each other. And this apparatus identifies the operation state of an electric equipment by determining whether both correspond by comparing the calculation result of a feature-value with the feature-value registered in the database.
  • the above-described technology using a neural network or the like requires the neural network or the like to learn in advance the combinations of the operating states of all electric devices used in the home. This preparation takes time and requires a large-capacity memory for storing an enormous number of pattern data.
  • An object of the present invention is to provide an arithmetic device capable of accurately detecting the operating state of a device.
  • the arithmetic device includes a measurement unit that measures the amount of electricity of a device at a constant period and outputs time series data of the measured amount of electricity.
  • This computing device has a detection unit that detects the change time of the operating state of the device based on the measured time-series data.
  • the arithmetic device includes a feature waveform extraction unit that extracts a feature waveform indicating a change in the operating state of the device before and after the change time based on the detected change time and the measured time series data.
  • This calculation device has a calculation unit that performs a calculation for decomposing the component of the feature waveform extracted by the feature waveform extraction unit into one or more frequency components.
  • the calculation device includes a device feature database that stores characteristics of each frequency indicating each operation state of a predetermined device, a calculation result by a calculation unit on polar coordinates, and a feature of each frequency stored in the device feature database.
  • a harmonic weighted distance calculation unit that calculates a weighted distance as a distance between each operation state is provided.
  • the arithmetic device includes an operation state estimation unit that estimates an operation state of a device whose operation state has changed based on the weighted distance calculated for each operation state by the harmonic weighted distance calculation unit.
  • FIG. 1 is a block diagram illustrating a configuration example of a general arithmetic device for detecting the state of a device.
  • FIG. 2 is a block diagram illustrating a configuration example of the arithmetic device according to the first embodiment.
  • FIG. 3 is a flowchart illustrating an example of a processing operation performed by the arithmetic device according to the first embodiment.
  • FIG. 4 is a diagram illustrating an example of various data processed by the arithmetic device according to the first embodiment.
  • FIG. 5 is a flowchart illustrating an example of a procedure for detecting the change time of the operation state of the device by the arithmetic device according to the first embodiment.
  • FIG. 1 is a block diagram illustrating a configuration example of a general arithmetic device for detecting the state of a device.
  • FIG. 2 is a block diagram illustrating a configuration example of the arithmetic device according to the first embodiment.
  • FIG. 3 is a flowchart
  • FIG. 6 is a diagram illustrating an example of various data processed in order to detect the change time of the operation state of the device by the arithmetic device according to the first embodiment.
  • FIG. 7 is a flowchart illustrating an example of a procedure for estimating the operation state of the device by the arithmetic device according to the first embodiment.
  • FIG. 8 is a diagram illustrating an example of various data processed in order to estimate the operation state of the device by the arithmetic device according to the first embodiment.
  • FIG. 9 is a diagram for explaining detection of a characteristic waveform by the arithmetic device according to the first embodiment.
  • FIG. 10 is a diagram illustrating a calculation example of the harmonic distance of a general arithmetic device for detecting the state of the device.
  • FIG. 11 is a diagram illustrating a calculation example of the harmonic weighted distance by the arithmetic device according to the first embodiment.
  • FIG. 12 is a diagram illustrating an example of a power consumption estimation model used in the arithmetic device according to the first embodiment.
  • FIG. 13 is a block diagram illustrating a configuration example of an arithmetic unit having a server / local configuration according to the second embodiment.
  • FIG. 1 is a block diagram illustrating a configuration example of a general arithmetic device for detecting the state of a device.
  • the arithmetic device 20 shown in FIG. 1 has a function as a device state detection device that detects the state of an electrical device such as a home appliance.
  • electrical equipment such as home appliances may be simply referred to as equipment.
  • This computing device 20 includes a voltage / current measuring unit 21, an operating state change detecting unit 22, a differential waveform extracting unit 23, an FFT (Fast Fourier Transform) computing unit 24, a device feature DB (database) unit 25, and a harmonic distance calculating unit. 26, an operation state estimation unit 27 is provided.
  • FFT Fast Fourier Transform
  • the voltage / current measuring unit 21 measures the voltage and current of the device at a constant period, and outputs time series data of the measured voltage and current.
  • the operation state change detection unit 22 receives time-series data from the voltage / current measurement unit 21 and detects the change time of the operation state of the device based on this data.
  • the change time of the operating state of the device indicates the time when the operating state of the device changes.
  • the change in the operating state of the apparatus device shown in FIG. 1 is a change indicating that the power source of the device has been changed from ON to OFF or from OFF to ON.
  • the differential waveform extraction unit 23 extracts a differential current waveform before and after the change time from the change time detected by the operation state change detection unit 22 and the time-series data from the voltage / current measurement unit 21.
  • the FFT operation unit 24 performs FFT on the differential current waveform detected by the differential waveform extraction unit 23 to calculate the FFT coefficient of the harmonic of the differential current waveform.
  • the device feature DB unit 25 is a storage medium such as a nonvolatile memory.
  • the device feature DB unit 25 stores a harmonic FFT coefficient as a coefficient corresponding to the feature of each operation state of each device.
  • the harmonic distance calculation unit 26 calculates a harmonic distance between the FFT coefficient calculated by the FFT calculation unit 24 and the FFT coefficient corresponding to each operation state.
  • the FFT coefficient corresponding to each operation state is stored in the device feature DB unit 25.
  • the operation state estimation unit 27 selects an operation state having the smallest distance based on the harmonic distance calculated by the harmonic distance calculation unit 26 for each operation state.
  • the operation state estimation unit 27 outputs the selected operation state as an operation state estimation result for each device.
  • FIG. 2 is a block diagram illustrating a configuration example of the arithmetic device according to the first embodiment.
  • the arithmetic device 10 illustrated in FIG. 2 has a function as a device state detection device and a function as a device power consumption estimation device. 2 includes a voltage / current measurement unit 11, an operation state change detection unit 12, a feature waveform extraction unit 13, an FFT calculation unit 14, a device feature DB unit 15, a harmonic weighted distance calculation unit 16, An operation state estimation unit 17, a power consumption DB unit 18, and a power consumption estimation unit 19 are provided.
  • the arithmetic device 10 shown in FIG. 1 the arithmetic device 10 shown in FIG.
  • the arithmetic device 10 shown in FIG. 2 further includes a power consumption DB unit 18 and a power consumption estimation unit 19.
  • the voltage / current measurement unit 11 measures the voltage and current of a device such as a home appliance at regular intervals, and outputs time series data of the measured voltage and current. Based on the time-series data from the voltage / current measurement unit 11, the operation state change detection unit 12 detects this time-series data discontinuity point. Thereby, the operation state change detection unit 12 detects the time corresponding to the discontinuous point as the change time of the operation state of the device.
  • the change in the operation state of the device means a change such as when the device power is turned from ON to OFF or from OFF to ON, or the operation mode when the device is a washing machine is “washing”. ”To“ Rinse ”.
  • the change time of the operation state is not limited to one and may be a plurality.
  • the characteristic waveform extraction unit 13 uses a waveform indicating the change in the operation state of the device before and after the change time. Cut out the current waveform.
  • the FFT calculation unit 14 performs FFT on the characteristic current waveform detected by the characteristic waveform extraction unit 13 to calculate the FFT coefficient of the harmonic of the characteristic current waveform.
  • the device feature DB unit 15 is a storage medium such as a nonvolatile memory.
  • the device feature DB unit 15 stores harmonic FFT coefficients as coefficients corresponding to the characteristics of each operation state of each device.
  • the harmonic weighted distance calculation unit 16 calculates a weighted distance between the FFT coefficient calculated by the FFT calculation unit 14 and the FFT coefficient as a coefficient corresponding to the feature of each operation state.
  • the FFT coefficient as a coefficient corresponding to the feature of each operation state is stored in the device feature DB unit 15.
  • the operation state estimation unit 17 selects an operation state with the smallest weighted distance, and selects the selected operation state for each device. Output as the estimation result of the operating state.
  • the power consumption DB unit 18 is a storage medium such as a nonvolatile memory.
  • the power consumption DB unit 18 stores a regression model. This regression model is created based on the relationship between the features corresponding to each operation state of each device and the power consumption of the device corresponding to this feature.
  • the power consumption estimation unit 19 Based on the operation state output by the operation state estimation unit 17, the power consumption estimation unit 19 reads a regression model corresponding to the device whose operation state is estimated from the power consumption DB unit 15, and based on the regression model, the device It outputs as an estimation result of power consumption for each.
  • FIG. 3 is a flowchart illustrating an example of a processing operation performed by the arithmetic device according to the first embodiment.
  • FIG. 4 is a diagram illustrating an example of various data processed by the arithmetic device according to the first embodiment.
  • the voltage / current measuring unit 11 measures the voltage (V) and current (I) of the device at a constant period, and outputs time series data of the measured voltage and current.
  • the operating state change detection unit 12 inputs time series data from the voltage / current measurement unit 11 (step S1).
  • the operating state change detection unit 12 detects the change time (see FIG. 4) of the operating state of the device (step S2).
  • the devices are represented as home appliance A and home appliance B.
  • the operation state change detection unit 12 adds the detection result of the change time of the operation state of the device to the time-series data from the voltage / current measurement unit 11 and outputs the result to the feature waveform extraction unit 13.
  • the feature waveform extraction unit 13 inputs the time-series data from the voltage / current measurement unit 11 and the change time of the operating state detected in step S2, and extracts the feature current waveform before and after the change time.
  • the operation state estimation unit 17 estimates a device (for example, a home appliance) whose operation state has changed based on the weighted distance (step S3).
  • This weighted distance is a distance between the FFT result for the characteristic current waveform before and after the change time of the operating state and the FFT coefficient stored in the device characteristic DB unit 15.
  • the operating state estimation unit 17 When there are a plurality of operating state change times, the operating state estimation unit 17 performs the same processing for all the change times. In this way, the operation state estimation unit 17 obtains the time series estimation results of time and operation state for each device. The operation state estimation unit 17 outputs the time corresponding to the change state of the operation state and the time series estimation result of the operation state to the power consumption estimation unit 19 for each device.
  • the power consumption estimation unit 19 inputs the time series estimation result of the operation state for each device by the operation state estimation unit 17.
  • the power consumption estimation unit 19 inputs a power consumption estimation model corresponding to the operating state from the power consumption DB unit 15.
  • the power consumption estimation unit 19 uses the input time series estimation result and the power consumption estimation model, and corresponds to the same operation state as the operation state indicated by the input time series estimation result among the operation states indicated by this model. Search for power consumption.
  • the power consumption estimation part 19 obtains the time series estimation result of power consumption by estimating the power consumption of the apparatus which estimated the operation state (step S4).
  • the power consumption estimation unit 19 outputs this estimation result to a display device (not shown) together with the change time of the operation state of the device (step S5).
  • FIG. 5 is a flowchart illustrating an example of a procedure for detecting the change time of the operation state of the device by the arithmetic device according to the first embodiment. This procedure is all performed by the operation state change detection unit 12.
  • FIG. 6 is a diagram illustrating an example of various data processed in order to detect the change time of the operation state of the device by the arithmetic device according to the first embodiment. As shown in FIG. 5, the procedure for detecting the change time of the operation state includes steps S21 to S24. First, based on the time-series data (G1 in FIG. 6) of the current from the voltage / current measurement unit 11, the operating state change detection unit 12 calculates the effective value Ie of the current as indicated by G2 in FIG. (Step S21).
  • the calculation interval for calculating the effective value may be arbitrary. The shorter the calculation interval, the better the time resolution at the time of device operation state estimation and power consumption estimation, but the amount of computation increases. In addition, if the calculation interval is long, the false detection rate decreases, but a necessary state change cannot be captured, so that the estimation accuracy decreases.
  • the operating state change detection unit 12 performs continuous wavelet transform on the time-series data of the current effective value (step S22).
  • the arithmetic unit can capture the change in the current of the device as shown in FIG.
  • the computing device can detect any change in the operating state of the device, such as ON / OFF of the device, a change in power consumption of the inverter home appliance, and a change in the operation mode of the continuously operating home appliance.
  • the operation state change detection unit 12 cuts out wavelet coefficients in a time direction at a predetermined scale as indicated by G4 in FIG. 6, and the wavelet coefficients (a, b, c, d in FIG. 6) and predetermined The threshold values ( ⁇ , ⁇ in FIG. 6) are compared (step S23).
  • G4 in FIG. 6 is a cross section obtained by cutting out the continuous wavelet transform result at a certain scale.
  • the scale value may be arbitrary. This scale is a coefficient that expands and contracts the wavelet basis functions. The smaller the scale, the more the wavelet coefficient changes in response to a current change with a small time constant. On the other hand, when the scale is large, the wavelet coefficient changes according to a current change with a large time constant. When the scale is large, the wavelet coefficient does not change with a current change with a small time constant.
  • the arithmetic unit can control the time constant of the current change to be detected.
  • the magnitude of the wavelet coefficient is related to the amount of change in current. That is, by setting a threshold value and comparing the threshold value and the wavelet coefficient, the arithmetic unit can control the amount of change in current to be detected.
  • a positive wavelet coefficient indicates an increase in current.
  • a wavelet coefficient that is a negative value indicates a decrease in current. Therefore, the threshold value may be set to a positive value in order to detect an increase in current, and the threshold value may be set to a negative value in order to detect a decrease in current.
  • the operation state change detection unit 12 sets the time of the part corresponding to the vertices a and b of the convex part in which the wavelet coefficient is determined to be larger than the threshold value ⁇ in the graph G4 illustrated in FIG. Detect as a certain time.
  • the operation state change detection unit 12 sets the time of the part corresponding to the vertex c of the convex part, in which the wavelet coefficient is determined to be smaller than the threshold value ⁇ , as the time when the coefficient is the minimum value in the graph shown in FIG. Detect and output.
  • the operation state change detection unit 12 outputs these detected times as the change time of the operation state of the device. The same applies when there are a plurality of operating state change times (a, b, c, d in G4 of FIG. 6).
  • FIG. 7 is a flowchart illustrating an example of a procedure for estimating the operation state of the device by the arithmetic device according to the first embodiment.
  • FIG. 8 is a diagram illustrating an example of various data processed in order to estimate the operation state of the device by the arithmetic device according to the first embodiment. This procedure is performed by the feature waveform extraction unit 13, the harmonic weighted distance calculation unit 16, or the operation state estimation unit 17. As shown in FIG. 7, the procedure for estimating the operating state of the device includes steps S31 to S36.
  • the characteristic waveform extraction unit 13 inputs time-series data of voltage and current from the voltage / current measurement unit 11 and inputs an operation state change time (G11 in FIG. 8) from the operation state change detection unit 12 ( Step S31). Then, the feature waveform extraction unit 13 calculates a feature waveform as a waveform before and after the operating state change time (step S32). The feature waveform extraction unit 13 outputs this waveform to the FFT calculation unit 14 together with the change time of the operation state from the operation state change detection unit 12.
  • the feature waveform extraction unit 13 Since the waveform becomes unstable while the operating state is changing, it is difficult to grasp the characteristics of the waveform. For this reason, the feature waveform extraction unit 13 does not process the waveform whose operation state is changing in S32. For this reason, the feature waveform extraction unit 13 performs a current waveform X (G12 in FIG. 8) that is ⁇ t time before the change time a of the operating state and a current waveform Y that is ⁇ t time after the change time a (G in FIG. 8). G13). In order to prevent the feature waveform extraction unit 13 from referring to the waveform being changed, it is necessary to determine ⁇ t dynamically by taking into account the time constant of the change in the operating state. The time T in G12 is 20 ms (one wavelength). In the present embodiment, two methods are used properly as a method of extracting a feature waveform by comparing a waveform before ⁇ t time from the change time and a waveform after ⁇ t time from the change time.
  • FIG. 9 is a diagram for explaining extraction of characteristic waveforms by the arithmetic device according to the first embodiment.
  • a first method for extracting the characteristic waveform in the operation state change from the power supply of the device to OFF as the operation state change to the state A at the change time a shown in FIG. A difference between current waveforms before and after the change time a is extracted as a characteristic waveform of the state A.
  • the characteristic waveform data of the current is obtained by the characteristic waveform extraction unit 13 referring to the voltage characteristic waveform and cutting out the waveform from the time when the voltage phase becomes zero.
  • the characteristic waveform extraction unit 13 matches the phase of the fundamental wave with reference to the voltage. As a result of this processing, the phase change of the fundamental wave can also be used as reference information when estimating the operating state.
  • the current waveforms before and after the change time b Is not a current waveform corresponding to the state B itself.
  • the feature waveform extraction unit 13 extracts a feature waveform before and after the change time.
  • This characteristic waveform includes each of the difference between the waveform after the change time for a given device and the synthesis of the waveforms when the operation state of N ⁇ 1 devices other than this device is in the ON state. All combinations of equipment.
  • characteristic waveforms are extracted when it is assumed that the operating states of all devices have changed.
  • the determination of the change in the operation state in the device in the ON operation state will be further described. For example, when a plurality of (N) devices are operating, when detecting that the operating state of any one device has changed from state A to state B, the characteristic waveform for detecting this change is Is represented by the following formula (1).
  • Feature waveform for detecting state B waveform after ⁇ t from change time ⁇ (combination of operation waveforms of N ⁇ 1 devices in operation) Equation (1)
  • the characteristic waveform extraction unit 13 determines whether or not the operation state of the device 1 has changed according to the waveform represented by the following equation (2).
  • Extracted waveform waveform of device 1 after ⁇ t from candidate point of change time ⁇ (device 2 + device 3+...
  • the characteristic waveform extraction unit 13 performs the operation state of the device 2 according to the waveform represented by the following expression (3). It is determined whether or not has changed.
  • Extracted waveform waveform of device 2 after ⁇ t from candidate point of change time ⁇ (device 1 + device 3+... + Composition of operation waveform when device N is ON) (3)
  • the feature waveform extraction unit 13 operates the operation state of the device N according to the waveform represented by the following expression (4). It is determined whether or not has changed.
  • Extracted waveform waveform of device N after ⁇ t from candidate point of change time ⁇ (device 1 + device 2+... + Combination of operation waveform when device N ⁇ 1 is ON) (4)
  • the FFT calculation unit 14 performs FFT on all the current feature waveforms extracted in step S32, thereby calculating FFT coefficients indicating harmonics of the feature waveforms (step S33).
  • the FFT calculation unit 14 outputs the calculation result to the harmonic weighted distance calculation unit 16 together with the operation state change time from the feature waveform extraction unit 13.
  • FIG. 10 is a diagram illustrating a calculation example of the harmonic distance of a general arithmetic device for detecting the state of the device.
  • the harmonic distance calculation unit 26 of the arithmetic device 20 calculates a weighted distance for each harmonic order according to the following equation (5) based on the result of FFT.
  • the weighted distance is a distance (D in FIG. 10) in the orthogonal coordinates between the FFT result and the FFT coefficient stored in the device feature DB unit 25.
  • P1 in FIG. 10 is an FFT coefficient stored in the device feature DB unit 25.
  • P2 in FIG. 10 is the result of FFT.
  • the example shown in FIG. 10 is an example showing the FFT coefficient of the third harmonic.
  • x1 Coordinate value on the real axis (Re) in the orthogonal coordinates corresponding to the result of FFT
  • x2 Coordinate value on the imaginary axis (Im) in the orthogonal coordinates corresponding to the result of FFT
  • y1 In the device feature DB unit 25
  • y2 The coordinate value on the imaginary axis in the orthogonal coordinates corresponding to the FFT coefficient stored in the device feature DB unit 25
  • the harmonic distance calculation unit 26 calculates the final distance by integrating the distances of the respective orders.
  • the harmonic weighted distance calculation unit 16 expresses the FFT coefficient of the harmonic calculated in S33 in polar coordinates, and the phase A weighted distance (D in FIG. 11) is represented by the angle and the magnitude of the absolute value.
  • P3 in FIG. 11 is an FFT coefficient stored in the device feature DB unit 25.
  • P4 in FIG. 11 is the result of FFT.
  • the example shown in FIG. 11 is an example showing the FFT coefficient of the third harmonic.
  • the harmonic weighted distance calculation unit 16 calculates the magnitude from the calculated FFT coefficient to the origin in polar coordinates and the FFT stored in the device feature DB unit 15. The absolute value of the difference between the coefficient and the size from the origin is calculated. Further, as shown in the second term of the following equation (6), the harmonic weighted distance calculation unit 16 is stored in the phase angle indicated by the calculation result of the FFT coefficient in polar coordinates and the device feature DB unit 15. The absolute value of the difference from the phase angle indicated by the FFT coefficient is calculated (step S34).
  • the harmonic weighted distance calculation unit 16 calculates the final weighted distance by multiplying the respective calculation results by predetermined weight coefficients ⁇ and ⁇ .
  • the harmonic weighted distance calculation unit 16 outputs the calculated weighted distance to the operation state estimation unit 17 together with the operation state change time from the FFT calculation unit 14.
  • r1 Distance from the origin on the polar coordinate corresponding to the result of FFT
  • r2 Distance from the origin on the polar coordinate corresponding to the feature stored in the device feature DB unit 15
  • ⁇ 1 Corresponding to the result of FFT Phase with respect to the real axis in polar coordinates (declination)
  • ⁇ 2 ⁇ and ⁇ in the phase equation (6) corresponding to the feature stored in the device feature DB unit 15 with respect to the real axis on the polar coordinates are arbitrary. However, these ⁇ and ⁇ can be changed depending on the operation characteristics of the device. If the phase should be emphasized, the value of ⁇ may be increased.
  • the third harmonic FFT coefficient 31 the fifth harmonic FFT coefficient 32, the seventh harmonic FFT coefficient 33, The FFT coefficient 34 of the seventh harmonic is shown.
  • the FFT coefficients 31, 32, 33, and 34 are stored in the device feature DB unit 15.
  • the FFT coefficients are an FFT coefficient 41 for the third harmonic, an FFT coefficient 42 for the fifth harmonic, an FFT coefficient 43 for the seventh harmonic, and an FFT coefficient 44 for the ninth harmonic.
  • the distance between the FFT coefficient 31 and the FFT coefficient 41 on the same coordinate is the weighted distance of the third harmonic
  • the distance between the FFT coefficient 32 and the FFT coefficient 42 on the same coordinate is 5 This is the weighted distance of the second harmonic.
  • the distance between the FFT coefficient 33 and the 4 FFT coefficient 3 on the same coordinates is a weighted distance of the seventh harmonic
  • the distance between the FFT coefficient 34 and the FFT coefficient 44 on the same coordinates is the ninth harmonic. The weighted distance of the wave.
  • the operation state estimation unit 17 compares the weighted distances for each device calculated in step S34, and selects the operation state corresponding to the smallest distance (step S35).
  • the operation state estimation unit 17 outputs this operation state as an estimation result of the operation state of the device together with the change time of the operation state from the harmonic weighted distance calculation unit 16 (step S36).
  • the arithmetic device 10 can output the time corresponding to the change time of the device operation state and the time series estimation result of the operation state for each device (for example, home appliance).
  • FIG. 12 is a diagram illustrating an example of a power consumption estimation model used in the arithmetic device according to the first embodiment.
  • FIG. 12 shows the frequency (f) characteristic of the power spectral density.
  • the power consumption estimation unit 19 reads a power consumption model corresponding to the operation state from the power consumption DB unit 18.
  • the present embodiment uses a regression model of harmonic power spectral density and power consumption. Specifically, since most of the current is composed of harmonic components of the fundamental wave (first order), third order, fifth order, and seventh order, the power consumption of the device is the fundamental current, third order, It can be expressed by a regression model of fifth and seventh harmonics.
  • the power consumption estimation unit 19 calculates the power spectrum density of the device whose operating state is estimated. Based on the power spectral density and the regression model, the power consumption estimation unit 19 calculates the power consumption of the device whose operating state is estimated. As described above, the arithmetic device according to the present embodiment can estimate the operating state of an operating device.
  • the arithmetic device in this embodiment reduces false detection of the operating state of the device that changes the magnitude of the current while maintaining the phase. it can.
  • the arithmetic device according to the present embodiment can reduce the erroneous detection of the estimation of the operation state and can estimate the power consumption of the device.
  • FIG. 13 is a block diagram illustrating a configuration example of an arithmetic unit having a server / local configuration according to the second embodiment. As shown in FIG. 13, in the second embodiment, the arithmetic device described in the first embodiment is divided into a server and a local.
  • the local (client) 30 includes a voltage / current measurement unit 11, an operation state change detection unit 12, a characteristic waveform extraction unit 13, and an FFT calculation unit 14.
  • the server 40 includes a device feature DB unit 15, a harmonic weighted distance calculation unit 16, an operation state estimation unit 17, a power consumption DB unit 18, and a power consumption estimation unit 19.
  • the local 30 power consumption receiver 31 is included.
  • a plurality of locals 30 can be provided for one server 40, and the server 40 and the local 30 can be connected so as to be able to communicate with each other.
  • the local 30 can transmit the calculation result by the FFT calculation unit 14 to the server 40 through the network.
  • the operation state estimation unit 17 of the server 40 estimates an operation state with the smallest weighted distance based on the calculation result from the FFT calculation unit 14.
  • the server 40 side estimates the power consumption of the device by the power consumption estimation unit 19 and transmits the result to the power consumption reception unit 31 of the local 30 for display.
  • the hardware in the server may be repaired or replaced, so that the repair or replacement cost can be reduced.
  • the methods described in the above embodiments are, as programs that can be executed by a computer, magnetic disks (floppy (registered trademark) disks, hard disks, etc.), optical disks (CD-ROM, DVD, etc.), magneto-optical disks. (MO), stored in a storage medium such as a semiconductor memory, and distributed.
  • a storage medium such as a semiconductor memory
  • the storage format may be any form.
  • an OS operating system
  • MW moddleware
  • the storage medium in each embodiment is not limited to a medium independent of a computer, but also includes a storage medium in which a program transmitted via a LAN, the Internet, or the like is downloaded and stored or temporarily stored.
  • the number of storage media is not limited to one, and the case where the processing in each of the above embodiments is executed from a plurality of media is also included in the storage media in the present invention, and the media configuration may be any configuration.
  • the computer in each embodiment executes each process in each of the above embodiments based on a program stored in a storage medium, and a single device such as a personal computer or a plurality of devices are connected to a network. Any configuration of the system or the like may be used.
  • the computer in each embodiment is not limited to a personal computer, and includes an arithmetic processing device, a microcomputer, and the like included in an information processing device, and is a generic term for devices and devices that can realize the functions of the present invention by a program. Yes.
  • the computer in each embodiment is shown as an example and is not intending limiting the range of invention.
  • These novel embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the scope of the invention.
  • These embodiments and modifications thereof are included in the scope and gist of the invention, and are included in the invention described in the claims and the equivalents thereof.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Power Sources (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

　実施形態における演算装置は、機器の動作状態の変化時刻の前後での特徴波形を抽出する特徴波形抽出部（１３）を有する。この演算装置は、特徴波形の成分を１以上の周波数成分に分解するための演算を行なう演算部（１４）を有する。この演算装置は、所定の機器の動作状態を示す各周波数の特徴を記憶する機器特徴データベース部（１５）を有する。この演算装置は、極座標上において演算結果と機器特徴データベース部（１５）に記憶される特徴との間の重み付き距離を各動作状態について算出する高調波重み付き距離算出部（１６）を有する。この演算装置は、重み付き距離に基づいて機器の動作状態を推定する動作状態推定部（１７）を有する。

Description

演算装置
　本発明の実施形態は、演算装置に関する。
　一般家庭等で使用される、インバータ機器を含む電気機器の動作状態を個別に測定する技術がある。この技術は、電気機器毎に測定器を設置する代わりに、電柱から家庭への引込線における各電気機器の動作状態の測定結果に基づいて、各電気機器の動作状態を非侵入的に推定する技術である。
　また、電気機器が発生する基本波並びに高調波の電流と、それらの電圧に対する位相とに着目し、ニューラルネットワーク等を適用することにより、給電線の引込口付近での電流と電圧の測定データに基づいて、複数の電気機器の個別の動作状態を推定する技術がある。
　また、機器のＯＮ／ＯＦＦの変化を確実に判定することで、負荷状態にある機器の種別を推定可能にする装置がある。この装置は、給電線の計測点に設置された電気量検出結果に基づいて、計測点より下流側にそれぞれ開閉手段を介して接続された複数の機器の内、開閉手段が閉路されて負荷状態にある機器の種別を推定する。　
　また、検出対象となる電気機器の動作状態の組合せの学習を必要とせずに、電気機器の動作状態を精度よく検出する機器状態検出装置がある。
　この機器状態検出装置は、電流、電圧の測定結果に基づいて各周波数成分の特徴量を算出する。また、この装置は、電気機器を識別するための識別情報と、特徴量と、動作状態とを対応付けたデータベースを検索する。そして、この装置は、特徴量の算出結果と、データベースに登録されている特徴量とを比較することで双方が合致するか否かを判定することで、電気機器の動作状態を同定する。
特開２０００－２９２４６５号公報 特開２００２－１５２９７１号公報 特開２０１２－１８９５２６号公報
　前述した、ニューラルネットワーク等を適用した技術では、家庭内で使用する全ての電気機器の動作状態の組合せをニューラルネットワーク等に予め学習させておく必要がある。この準備には手間がかかる上、膨大な数のパターンデータを保存しておくための大容量のメモリが必要となる。
　前述した、負荷状態にある機器の種別を推定する技術では、新たに設置した未知の電気機器が稼動する事により、推定の精度低下を招くおそれがある。　
　前述した、機器状態検出装置では、毎サイクルで演算するで演算量が多くなってしまう。また、この装置は、動作状態変化中の波形を排除しないので、動作状態変化中の位相等が不安定な波形を使用することで、負荷状態にある機器の種別を推定する。このため誤検出が多くなる。
　本発明の目的は、機器の動作状態を精度よく検出することが可能な演算装置を提供することである。
　実施形態における演算装置は、機器の電気量を一定周期で測定し、測定した電気量の時系列データを出力する測定部を有する。この演算装置は、測定した時系列データに基づいて、機器の動作状態の変化時刻を検出する検出部を有する。この演算装置は、検出した変化時刻および測定した時系列データに基づいて、変化時刻の前後での機器の動作状態の変化を示す特徴波形を抽出する特徴波形抽出部を有する。この演算装置は、特徴波形抽出部により抽出した特徴波形の成分を１以上の周波数成分に分解するための演算を行なう演算部を有する。この演算装置は、所定の機器の各動作状態を示す各周波数の特徴を記憶する機器特徴データベースと、極座標上において、演算部による演算結果と、機器特徴データベースに記憶される各周波数の特徴との間の距離としての重み付き距離を各動作状態について算出する高調波重み付き距離算出部を有する。この演算装置は、高調波重み付き距離算出部により各動作状態について算出した重み付き距離に基づいて、動作状態が変化した機器の動作状態を推定する動作状態推定部を有する。
図１は、機器の状態を検出するための一般的な演算装置の構成例を示すブロック図である。 図２は、第１の実施形態における演算装置構成例を示すブロック図である。 図３は、第１の実施形態における演算装置による処理動作の一例を示すフローチャートである。 図４は、第１の実施形態における演算装置により処理する各種データの一例を示す図である。 図５は、第１の実施形態における演算装置によつ機器の動作状態の変化時刻を検出する手順の一例を示すフローチャートである。 図６は、第１の実施形態における演算装置により機器の動作状態の変化時刻を検出するために処理する各種データの一例を示す図である。 図７は、第１の実施形態における演算装置による機器の動作状態を推定する手順の一例を示すフローチャートである。 図８は、第１の実施形態における演算装置により機器の動作状態を推定するために処理する各種データの一例を示す図である。 図９は、第１の実施形態における演算装置により特徴波形の検出について説明する図である。 図１０は、機器の状態を検出するための一般的な演算装置の高調波距離の算出例を示す図である。 図１１は、第１の実施形態における演算装置による高調波重み付き距離の算出例を示す図である。 図１２は、第１の実施形態における演算装置で用いる消費電力推定モデルの一例を示す図である。 図１３は、第２の実施形態における、サーバ・ローカル構成の演算装置の構成例を示すブロック図である。
　以下、実施形態について図面を用いて説明する。　
　（第１の実施形態）
　まず、第１の実施形態について説明する。　
　図１は、機器の状態を検出するための一般的な演算装置の構成例を示すブロック図である。　
　図１に示した演算装置２０は、家電機器などの電気機器の状態を検出する機器状態検出装置としての機能を有する。以下、家電機器などの電気機器を単に機器を称することがある。　
　この演算装置２０は、電圧・電流測定部２１、動作状態変化検出部２２、差分波形抽出部２３、ＦＦＴ（高速フーリエ変換）演算部２４、機器特徴ＤＢ（データベース）部２５、高調波距離算出部２６、動作状態推定部２７を備える。
　電圧・電流測定部２１は、機器の電圧と電流を一定周期で測定し、この測定した電圧、電流の時系列データを出力する。　
　動作状態変化検出部２２は、電圧・電流測定部２１からの時系列データを入力し、このデータに基づいて機器の動作状態の変化時刻を検出する。　
　機器の動作状態の変化時刻は、機器の動作状態が変化したときの時刻を示す。図１に示した装置機器の動作状態の変化は、機器の電源がＯＮからＯＦＦ、もしくはＯＦＦからＯＮになった等を示す変化である。
　差分波形抽出部２３は、動作状態変化検出部２２が検出した変化時刻および電圧・電流測定部２１からの時系列データから、変化時刻前後での差分電流波形を切り出す。　
　ＦＦＴ演算部２４は、差分波形抽出部２３が検出した差分電流波形に対してＦＦＴを行うことで、差分電流波形の高調波のＦＦＴ係数を算出する。
　機器特徴ＤＢ部２５は、不揮発性メモリなどの記憶媒体である。機器特徴ＤＢ部２５は、各機器の各動作状態の特徴に対応する係数としての高調波のＦＦＴ係数を記憶する。　
　高調波距離算出部２６は、ＦＦＴ演算部２４により算出したＦＦＴ係数と、各動作状態に対応するＦＦＴ係数との間の高調波距離を算出する。各動作状態に対応するＦＦＴ係数は、機器特徴ＤＢ部２５に記憶される。
　動作状態推定部２７は、高調波距離算出部２６が各動作状態について算出した高調波距離に基づいて、距離が最も小さい動作状態を選択する。動作状態推定部２７は、この選択した動作状態を機器ごとの動作状態の推定結果として出力する。
　次に、第１の実施形態における演算装置について説明する。　
　図２は、第１の実施形態における演算装置構成例を示すブロック図である。　
　図２に示した演算装置１０は、機器状態検出装置としての機能と、機器の消費電力推定装置としての機能とを有する。　
　図２に示した演算装置１０は、電圧・電流測定部１１、動作状態変化検出部１２、特徴波形抽出部１３、ＦＦＴ演算部１４、機器特徴ＤＢ部１５、高調波重み付き距離算出部１６、動作状態推定部１７、消費電力ＤＢ部１８、消費電力推定部１９を備える。　
　図１に示した演算装置２０と比較して、図２に示した演算装置１０は、差分波形抽出部２３に替えて特徴波形抽出部１３を備え、高調波距離算出部２６に替えて高調波重み付き距離算出部１６を備える。　
　また、図１に示した演算装置２０と比較して、図２に示した演算装置１０は、消費電力ＤＢ部１８、消費電力推定部１９をさらに備える。
　電圧・電流測定部１１は、家電機器などの機器の電圧と電流を一定周期で測定し、この測定した電圧、電流の時系列データを出力する。　
　動作状態変化検出部１２は、電圧・電流測定部１１からの時系列データに基づいて、この時系列データ不連続点を検出する。これにより、動作状態変化検出部１２は、この不連続点に対応する時刻を、機器の動作状態の変化時刻として検出する。
　図２に示した装置における、機器の動作状態の変化とは、機器の電源がＯＮからＯＦＦ、もしくはＯＦＦからＯＮになった等の変化や、機器が洗濯機である場合の運転モードが「洗い」から「すすぎ」に変更になった等の事象である。この動作状態の変化時刻は一つに限らず複数であっても良い。
　動作状態変化検出部１２が検出した変化時刻および電圧・電流測定部１１からの時系列データに基づいて、特徴波形抽出部１３は、機器の動作状態の変化を示す波形としての、変化時刻前後での特徴電流波形を切り出す。ＦＦＴ演算部１４は、特徴波形抽出部１３が検出した特徴電流波形に対してＦＦＴを行なうことで、特徴電流波形の高調波のＦＦＴ係数を算出する。
　機器特徴ＤＢ部１５は、不揮発性メモリなどの記憶媒体である。この機器特徴ＤＢ部１５は、各機器の各動作状態の特徴に対応する係数としての高調波のＦＦＴ係数を記憶する。　
　高調波重み付き距離算出部１６は、ＦＦＴ演算部１４により算出したＦＦＴ係数と、各動作状態の特徴に対応する係数としてのＦＦＴ係数との間の重み付き距離を算出する。各動作状態の特徴に対応する係数としてのＦＦＴ係数は、機器特徴ＤＢ部１５に記憶される。
　高調波重み付き距離算出部１６が各動作状態について算出した重み付き距離に基づいて、動作状態推定部１７は、重み付き距離が最も小さい動作状態を選択し、この選択した動作状態を機器ごとの動作状態の推定結果として出力する。
　消費電力ＤＢ部１８は、不揮発性メモリなどの記憶媒体である。この消費電力ＤＢ部１８は、回帰モデルを記憶する。この回帰モデルは、各機器の各動作状態に対応する特徴と、この特徴に対応する機器の消費電力との関係に基づいて作成される。
　動作状態推定部１７が出力した動作状態を基に、消費電力推定部１９は、動作状態を推定した機器に対応する回帰モデルを消費電力ＤＢ部１５から読み出し、この回帰モデルに基づいて、当該機器ごとの消費電力の推定結果として出力する。
　図３は、第１の実施形態における演算装置による処理動作の一例を示すフローチャートである。図４は、第１の実施形態における演算装置により処理する各種データの一例を示す図である。　
　まず、電圧・電流測定部１１は、機器の電圧（Ｖ）と電流（Ｉ）を一定周期で測定し、この測定した電圧、電流の時系列データを出力する。　
　そして、動作状態変化検出部１２は、電圧・電流測定部１１からの時系列データを入力する（ステップＳ１）。
　この時系列データに基づいて、動作状態変化検出部１２は、機器の動作状態の変化時刻（図４参照）を検出する（ステップＳ２）。図４では、機器は家電Ａ，家電Ｂと表記される。動作状態変化検出部１２は、電圧・電流測定部１１からの時系列データに、機器の動作状態の変化時刻の検出結果を付加して特徴波形抽出部１３に出力する。　
　次に、機器の動作状態の推定について説明する。　
　特徴波形抽出部１３は、電圧・電流測定部１１からの時系列データと、ステップＳ２で検出した動作状態の変化時刻とを入力して、変化時刻前後の特徴電流波形を抽出する。　
　動作状態推定部１７は、重み付き距離に基づいて、動作状態が変化した機器（例えば家電機器）を推定する（ステップＳ３）。この重み付き距離は、動作状態の変化時刻前後での特徴電流波形に対するＦＦＴの結果と、機器特徴ＤＢ部１５に記憶されるＦＦＴ係数との間の距離である。
　動作状態の変化時刻が複数である場合には、動作状態推定部１７は、すべての変化時刻に対して同様の処理を行う。　
　このようにして、動作状態推定部１７は、時刻、動作状態の時系列推定結果を機器ごとに求める。動作状態推定部１７は、動作状態の変化状態に対応した時刻、および、動作状態の時系列推定結果を機器ごとに消費電力推定部１９に出力する。
　次に、消費電力推定部１９は、動作状態推定部１７による機器ごとの動作状態の時系列推定結果を入力する。消費電力推定部１９は、動作状態に対応した消費電力推定モデルを消費電力ＤＢ部１５から入力する。消費電力推定部１９は、入力した時系列推定結果と消費電力推定モデルとを用いて、このモデルで示される動作状態のうち、入力した時系列推定結果で示される動作状態と同じ動作状態に対応する消費電力を検索する。これにより、消費電力推定部１９は、動作状態を推定した機器の消費電力を推定することで、消費電力の時系列推定結果を得る（ステップＳ４）。　
　消費電力推定部１９は、機器の動作状態の変化時刻とともに、この推定結果を図示しない表示装置へ出力する（ステップＳ５）。
　次に、ステップＳ２～Ｓ４の詳細について説明する。　
　まず、ステップＳ２の詳細について説明する。　
　図５は、第１の実施形態における演算装置による機器の動作状態の変化時刻を検出する手順の一例を示すフローチャートである。この手順はすべて動作状態変化検出部１２で行われる。　
　図６は、第１の実施形態における演算装置により機器の動作状態の変化時刻を検出するために処理する各種データの一例を示す図である。　
　図５に示すように、動作状態の変化時刻を検出する手順は、ステップＳ２１～Ｓ２４を含む。　
　まず、電圧・電流測定部１１からの電流の時系列データ（図６中のＧ１）に基づいて、動作状態変化検出部１２は、図６のＧ２に示すように電流の実効値Ｉｅを算出する（ステップＳ２１）。
　実効値を算出する際の算出間隔は任意で良い。この算出間隔が短いほど、機器の動作状態推定時や消費電力推定時の時間分解能は向上するが、演算量は多くなってしまう。また、算出間隔が長いと誤検出率は減少するが、必要な状態変化を捉えることができなくなるため、推定精度が減少する。
　次に、図６のＧ３に示されるように、動作状態変化検出部１２は、電流実効値の時系列データに対して、連続ウェーブレット（Wavelet）変換を施す（ステップＳ２２）。　
　この変換により、演算装置は、図６に示すように機器の電流の変化を捉えることができる。この変化を捉えることにより、演算装置は、機器のＯＮ／ＯＦＦの他、インバータ家電機器の消費電力変化、さらには連続動作家電機器の運転モード変化など、機器の動作状態のあらゆる変化を検出できる。
　次に、動作状態変化検出部１２は、図６のＧ４に示すように所定のスケールでウェーブレット係数を時間方向に切り出し、このウェーブレット係数（図６中のａ，ｂ，ｃ，ｄ）と所定の閾値（図６中のα，β）とを比較する（ステップＳ２３）。図６のＧ４は、連続ウェーブレット変換結果を、あるスケールで切り出した断面である。　
　スケールの値は任意で良い。このスケールはウェーブレットの基底関数を伸縮させる係数である。　
　このスケールが小さいほど、ウェーブレット係数は、時定数の小さい電流変化に応じて変化する。また、スケールが大きいと、ウェーブレット係数は、時定数の大きい電流変化に応じて変化する。なお、スケールが大きいと、時定数の小さい電流変化ではウェーブレット係数は変化しない。
　したがって、スケールを調節することにより、演算装置は、検出したい電流変化の時定数を制御できる。また、ウェーブレット係数の大きさは、電流の変化量と関連する。つまり、閾値を設定して、この閾値とウェーブレット係数とを比較することにより、演算装置は、検出したい電流の変化量を制御できる。
　正の値であるウェーブレット係数は電流の増加を示す。また、負の値であるウェーブレット係数は電流の減少を示す。　
　したがって、電流の増加を検出するためには閾値を正の値に設定し、電流の減少を検出するためには閾値を負の値に設定すればよい。
　ところで、機器の動作状態が変化したタイミングは、ウェーブレット係数が最も大きい時刻である。そこで、動作状態変化検出部１２は、図６に示したグラフＧ４における、ウェーブレット係数が閾値αよりも大きいと判定した凸部分の頂点ａ，ｂに対応する部分の時刻を、係数が最大値である時刻として検出する。
　また、動作状態変化検出部１２は、図６に示したグラフにおける、ウェーブレット係数が閾値βよりも小さいと判定した凸部分の頂点ｃに対応する部分の時刻を、係数が最小値である時刻として検出して出力する。　
　動作状態変化検出部１２は、これら検出した時刻を機器の動作状態の変化時刻として出力する。動作状態の変化時刻が複数ある場合（図６のＧ４中のａ，ｂ，ｃ，ｄ）でも同様である。
　次に、ステップＳ３の詳細について説明する。　
　図７は、第１の実施形態における演算装置による機器の動作状態を推定する手順の一例を示すフローチャートである。図８は、第１の実施形態における演算装置により機器の動作状態を推定するために処理する各種データの一例を示す図である。この手順は特徴波形抽出部１３、高調波重み付き距離算出部１６または動作状態推定部１７で行われる。　
　図７に示すように、機器の動作状態を推定する手順は、ステップＳ３１～Ｓ３６を含む。
　まず、特徴波形抽出部１３は、電圧、電流の時系列データを電圧・電流測定部１１から入力し、動作状態の変化時刻（図８中のＧ１１）を動作状態変化検出部１２から入力する（ステップＳ３１）。そして、特徴波形抽出部１３は、動作状態の変化時刻の前後での波形としての特徴波形を算出する（ステップＳ３２）。特徴波形抽出部１３は、動作状態変化検出部１２からの動作状態の変化時刻とともに、この波形をＦＦＴ演算部１４へ出力する。
　動作状態の変化中は波形が不安定になるので、波形の特徴が捉えにくくなる。このため、特徴波形抽出部１３は、動作状態が変化中の波形をＳ３２では処理しない。このため、特徴波形抽出部１３は、動作状態の変化時刻ａからΔｔ時間だけ前の電流波形Ｘ（図８中のＧ１２）と、変化時刻ａからΔｔ時間だけ後の電流波形Ｙ（図８中のＧ１３）とを比較する。変化中の波形を特徴波形抽出部１３が参照しないようにするために、動作状態変化の時定数を考慮してΔｔを動的に変化させて決定する必要がある。Ｇ１２中の時間Ｔは、２０ｍｓ（１波長）である。　
　本実施形態では、変化時刻よりΔｔ時間前の波形と、変化時刻よりΔｔ時間後の波形とを比較して特徴波形を抽出する方法として、２通りの方法を使い分ける。
　図９は、第１の実施形態における演算装置による特徴波形の抽出について説明する図である。　
　特徴波形を抽出する第１の方法として、図９に示した変化時刻ａでの状態Ａへの動作状態変化としての、機器の電源がＯＦＦからＯＮへの動作状態変化では、演算装置は、この変化時刻ａの前後での電流波形の差分を状態Ａの特徴波形として抽出する。
　電流の特徴波形のデータは、特徴波形抽出部１３が電圧の特徴波形を参照し、電圧の位相が０になる時刻から波形を切り出すことで得られる。特徴波形抽出部１３は、電圧を参照することにより基本波の位相を合わせている。この処理の結果、動作状態の推定時に参考情報として、基本波の位相変化も使用できる。
　また、図９に示した変化時刻ｂでの動作状態変化としての、ＯＮ中の機器の動作状態が状態Ａから状態Ｂに変化する動作状態変化では、この変化時刻ｂでの前後での電流波形の差分は、状態Ｂ自身に対応する電流波形ではない。
　ここで、動作対象をＮ個の機器がＯＮ動作中の場合に拡大して考えた場合の変化時刻前後での特徴波形を抽出する方法を説明する。　
　ＯＮ動作状態のＮ個の機器における動作状態の変化を判定するためには、特徴波形抽出部１３は、変化時刻前後での特徴波形を抽出する。この特徴波形は、所定の１つの機器についての変化時刻より後の波形と、この機器以外としてのＮ－１個の機器の動作状態がＯＮ状態である場合の波形の合成との差分についての各機器のすべての組み合わせである。
　後の工程で、全ての動作状態変化の可能性を評価するために、この工程では、全ての機器のそれぞれの動作状態が変化したと仮定した場合の特徴波形が抽出される。　
　ＯＮ動作状態の機器における動作状態の変化の判定についてさらに説明する。　
　例えば、複数（Ｎ個）の機器が動作している場合に、どれか１つの機器の動作状態が状態Ａから状態Ｂに変化したことを検出する場合、この変化を検出するための特徴波形は、以下の式（１）で示される。　
　状態Ｂを検出するための特徴波形＝変化時刻からΔｔ後の波形－（動作しているＮ－１個の機器の動作波形の合成）　…式（１）
　ここで、機器１、機器２、…、機器Ｎのうちいずれか１つの動作状態が変化したかもしれないとの仮定のもとで、ＯＮ動作状態の機器１の動作状態が状態Ａから状態Ｂに変化したと仮定する場合、特徴波形抽出部１３は、以下の式（２）で示される波形にしたがって、機器１の動作状態が変化したか否かを判断する。　
　抽出波形＝変化時刻の候補点からΔｔ後の機器１の波形－（機器２＋機器３＋　…　＋機器ＮのＯＮ時の動作波形の合成）　…式（２）
　また、ＯＮ動作状態の機器２の動作状態が状態Ａから状態Ｂに変化したと仮定する場合、特徴波形抽出部１３は、以下の式（３）で示される波形にしたがって、機器２の動作状態が変化したか否かを判断する。　
　抽出波形＝変化時刻の候補点からΔｔ後の機器２の波形－（機器１＋機器３＋　…　＋機器ＮのＯＮ時の動作波形の合成）　…式（３）
　また、ＯＮ動作状態の機器Ｎの動作状態が状態Ａから状態Ｂに変化したと仮定する場合、特徴波形抽出部１３は、以下の式（４）で示される波形にしたがって、機器Ｎの動作状態が変化したか否かを判断する。　
　抽出波形＝変化時刻の候補点からΔｔ後の機器Ｎの波形－（機器１＋機器２＋　…　＋機器Ｎ－１のＯＮ時の動作波形の合成）　…式（４）
　ＦＦＴ演算部１４は、ステップＳ３２で抽出された全ての電流特徴波形に対するＦＦＴを行なうことで、この特徴波形の高調波を示すＦＦＴ係数を算出する（ステップＳ３３）。ＦＦＴ演算部１４は、この算出結果を、特徴波形抽出部１３からの動作状態の変化時刻とともに高調波重み付き距離算出部１６へ出力する。
　次に、図１に示した演算装置２０による高調波距離の算出について説明する。図１０は、機器の状態を検出するための一般的な演算装置の高調波距離の算出例を示す図である。図１０に示すように、演算装置２０の高調波距離算出部２６は、ＦＦＴの結果により、以下の式（５）にしたがって、重み付き距離を高調波の次数ごとに算出する。この重み付き距離は、ＦＦＴの結果と機器特徴ＤＢ部２５に記憶されるＦＦＴ係数との間の直交座標における距離（図１０中のＤ）である。図１０中のＰ１は、機器特徴ＤＢ部２５に記憶されるＦＦＴ係数である。図１０中のＰ２は、ＦＦＴの結果である。図１０に示した例は、３次の高調波のＦＦＴ係数を示した例である。
　距離＝（ｘ１－ｘ２）＋（ｙ１－ｙ２）　…式（５）
　ｘ１：ＦＦＴの結果に対応する、直交座標における実軸（Ｒｅ）上の座標値
　ｘ２：ＦＦＴの結果に対応する、直交座標における虚軸（Ｉｍ）上の座標値
　ｙ１：機器特徴ＤＢ部２５に記憶されるＦＦＴ係数に対応する、直交座標における実軸上の座標値
　ｙ２：機器特徴ＤＢ部２５に記憶されるＦＦＴ係数に対応する、直交座標における虚軸上の座標値
　図１１は、第１の実施形態における演算装置による高調波重み付き距離の算出例を示す図である。　
　高調波距離算出部２６は、各次数の距離を積算する事で、最終的な距離を算出する。
　しかしながら、家電機器などの機器の中には、消費電力を大きく変化させる場合に、高調波のそれぞれの位相をあまり変化させず、その高調波の大きさを大きく変化させるものがある。このような場合、演算装置が、機器特徴ＤＢ部２５に記憶されたＦＦＴ係数とＦＦＴ演算部１４によるＦＦＴの結果との距離を図１０に示した直交座標を用いて求めると、距離が大きくなってしまい、誤検出率が高くなる。
　そこで、本実施形態では、このような事象に対応するために、図１１に示すように、高調波重み付き距離算出部１６は、Ｓ３３で算出した高調波のＦＦＴ係数を極座標で表記し、位相角と絶対値の大きさとで重み付き距離（図１１中のＤ）を表す。図１１中のＰ３は、機器特徴ＤＢ部２５に記憶されるＦＦＴ係数である。図１１中のＰ４は、ＦＦＴの結果である。図１１に示した例は、３次の高調波のＦＦＴ係数を示した例である。
　以下の式（６）の第１項に示すように、高調波重み付き距離算出部１６は、極座標における、算出されたＦＦＴ係数から原点までの大きさと、機器特徴ＤＢ部１５に記憶されるＦＦＴ係数から原点までの大きさとの間の差分の絶対値を算出する。また、以下の式（６）の第２項に示すように、高調波重み付き距離算出部１６は、極座標における、ＦＦＴ係数の算出結果で示される位相角と、機器特徴ＤＢ部１５に記憶されるＦＦＴ係数で示される位相角との差分の絶対値を算出する（ステップＳ３４）。
　以下の式（６）に示すように、高調波重み付き距離算出部１６は、それぞれの算出結果に所定の重み係数α、βを乗じることで、最終的な重み付き距離を算出する。高調波重み付き距離算出部１６は、この算出した重み付き距離を、ＦＦＴ演算部１４からの動作状態の変化時刻とともに動作状態推定部１７へ出力する。
　距離＝α＊ａｂｓ（ｒ１－ｒ２）＋β＊ａｂｓ（θ１－θ２）　…式（６）
　ｒ１：ＦＦＴの結果に対応する、極座標上の原点との間の距離
　ｒ２：機器特徴ＤＢ部１５に記憶される特徴に対応する、極座標上の原点との間の距離
　θ１：ＦＦＴの結果に対応する、極座標上の実軸に対する位相（偏角）
　θ２：機器特徴ＤＢ部１５に記憶される特徴に対応する、極座標上の実軸に対する位相
　式（６）のαとβは任意である。ただし、これらのαとβは、機器の動作の特徴により変化させることができる。位相を重視すべき場合はβの値を大きくしてもよい。
　図８のＧ１４に示した例では、機器特徴ＤＢ部１５上における動作状態の特徴として、３次高調波のＦＦＴ係数３１、５次高調波のＦＦＴ係数３２、７次高調波のＦＦＴ係数３３、７次高調波のＦＦＴ係数３４が示される。ＦＦＴ係数３１，３２，３３，３４は、機器特徴ＤＢ部１５に記憶される。
　また、図８のＧ１５に示した例では、ＦＦＴ演算結果としてのＦＦＴ係数が示される。このＦＦＴ係数は、３次高調波のＦＦＴ係数４１、５次高調波のＦＦＴ係数４２、７次高調波のＦＦＴ係数４３、および９次高調波のＦＦＴ係数４４である。
　この例では、同じ座標上におけるＦＦＴ係数３１とＦＦＴ係数４１との間の距離が３次高調波の重み付き距離であり、同じ座標上におけるＦＦＴ係数３２とＦＦＴ係数４２との間の距離が５次高調波の重み付き距離である。また、同じ座標上におけるＦＦＴ係数３３と４ＦＦＴ係数３との間の距離が７次高調波の重み付き距離であり、同じ座標上におけるＦＦＴ係数３４とＦＦＴ係数４４との間の距離が９次高調波の重み付き距離である。
　次に、動作状態推定部１７は、ステップＳ３４で算出した、各機器についての重み付き距離を比較して、最も小さい距離に対応する動作状態を選択する（ステップＳ３５）。動作状態推定部１７は、この動作状態を、機器の動作状態の推定結果として、高調波重み付き距離算出部１６からの動作状態の変化時刻とともに出力する（ステップＳ３６）。　
　このようにして、演算装置１０は、機器動作状態の変化時刻に対応した時刻と、動作状態の時系列推定結果とを機器（例えば家電機器）ごとに出力することができる。
　次に機器の動作状態に応じた消費電力の推定について説明する。　
　図１２は、第１の実施形態における演算装置で用いる消費電力推定モデルの一例を示す図である。この図１２は、パワースペクトル密度の周波数（ｆ）特性を示す。　
　機器の動作状態の時系列推定結果に基づいて、消費電力推定部１９は、この動作状態に対応した消費電力モデルを消費電力ＤＢ部１８から読み出す。
　図１２に示すように、機器の消費電力と、高調波の各次数、特に低い次数のパワースペクトル密度（ＰＳＤ）との相関性は高い。この相関性を利用して、本実施形態では、高調波のパワースペクトル密度と消費電力との回帰モデルを使用する。具体的には、電流の大部分は、基本波（一次）、３次、５次、７次の高調波の成分で構成されるので、機器の消費電力は、電流の基本波、３次、５次、７次の高調波の回帰モデルで表現されることができる。
　回帰モデルの一例を以下の式（７）に示す。このような回帰モデルは、各機器の各動作状態のそれぞれについて存在する。　
　消費電力推定値＝8.93 + 2.2e-3*mamo3 + 2.273e-3*mamo5 + 4.172e-3*mamo7 - 4.108e-8*mamo3*mamo5 - 2.047e-7*mamo3*mamo7 - 4.308e-7*mamo5*mamo7 + 5.859e-12*mamo3*mamo5*mamo7　…式（７）
　mamo3：３次高調波パワースペクトル密度
　mamo5：５次高調波パワースペクトル密度
　mamo7：７次高調波パワースペクトル密度
　ステップＳ３では、動作状態の変化時刻と動作状態の推定結果が動作状態推定部１７から出力される。そこで、推定された動作状態に対応する機器の高調波情報に基づいて、消費電力推定部１９は、動作状態が推定された機器のパワースペクトル密度を算出する。このパワースペクトル密度と回帰モデルとに基づいて、消費電力推定部１９は、動作状態が推定された機器の消費電力を算出する。　
　以上のように、本実施形態における演算装置は、動作中の機器の動作状態を推定できる。
　また、動作状態を推定のために極座標上の重み付き距離を用いることにより、本実施形態における演算装置は、位相を維持したままで電流の大きさを変化させる機器の動作状態の誤検出を低減できる。　
　このように、本実施形態における演算装置は、動作状態の推定の誤検出を削減でき、かつ、機器の消費電力を推定できる。
　（第２の実施形態）
　次に、第２の実施形態について説明する。なお、本実施形態における構成のうち第１の実施形態で説明した部分と同一部分の詳細な説明は省略する。
　図１３は、第２の実施形態における、サーバ・ローカル構成の演算装置の構成例を示すブロック図である。　
　図１３に示すように、第２の実施形態では、第１の実施形態で説明した演算装置を、サーバとローカルとに分割して構成した。
　具体的には、ローカル（クライアント）３０は、電圧・電流測定部１１、動作状態変化検出部１２、特徴波形抽出部１３、ＦＦＴ演算部１４を含む。また、サーバ４０は、機器特徴ＤＢ部１５、高調波重み付き距離算出部１６、動作状態推定部１７、消費電力ＤＢ部１８、消費電力推定部１９を含む。
　また、ローカル３０消費電力受信部３１を含む。この実施形態では、１台のサーバ４０に対して複数のローカル３０を設けて、サーバ４０とローカル３０との間を相互に通信可能に接続する事ができる。
　この構成では、ローカル３０は、ＦＦＴ演算部１４による演算結果を、ネットワークを通じてからサーバ４０へ送信することができる。　
　サーバ４０の動作状態推定部１７は、ＦＦＴ演算部１４からの演算結果に基づいて、最も重み付き距離が小さくなる動作状態を推定する。
　また、サーバ４０側は、機器の消費電力を消費電力推定部１９により推定し、この結果をローカル３０の消費電力受信部３１に送信することで表示させる。
　このような構成にすることで、第２の実施形態では、ローカル側でのハードウェアコストを削減できる。
　また、サーバ側の各種ＤＢに記憶されるＦＦＴ係数や消費電力推定のための回帰モデルを変更すれば、ローカル側ではこのような変更作業は必要ない。よって、各種ＤＢの内容を柔軟に変更できる。
　また、サーバ側のハードウェアに経年劣化が生じた場合、このサーバ内のハードウェアを修理または交換する等すればよいので、修理又は交換のコストを削減できる。
　以上説明した少なくとも一つの実施形態によれば、機器の動作状態を精度よく検出することが可能な演算装置を提供することができる。
　なお、上記の各実施形態に記載した手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ、ＤＶＤなど）、光磁気ディスク（ＭＯ）、半導体メモリなどの記憶媒体に格納して頒布することもできる。　
　また、この記憶媒体としては、プログラムを記憶でき、かつコンピュータが読み取り可能な記憶媒体であれば、その記憶形式は何れの形態であっても良い。　
　また、記憶媒体からコンピュータにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワークソフト等のＭＷ（ミドルウェア）等が上記実施形態を実現するための各処理の一部を実行しても良い。　
　さらに、各実施形態における記憶媒体は、コンピュータと独立した媒体に限らず、ＬＡＮやインターネット等により伝送されたプログラムをダウンロードして記憶または一時記憶した記憶媒体も含まれる。　
　また、記憶媒体は１つに限らず、複数の媒体から上記の各実施形態における処理が実行される場合も本発明における記憶媒体に含まれ、媒体構成は何れの構成であっても良い。なお、各実施形態におけるコンピュータは、記憶媒体に記憶されたプログラムに基づき、上記の各実施形態における各処理を実行するものであって、パソコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であっても良い。　
　また、各実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本発明の機能を実現することが可能な機器、装置を総称している。　
　なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、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。これら新規な実施形態は、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。
　１０，２０…演算装置、１１，２１…電圧・電流測定部、１２，２２…動作状態変化検出部、１３…特徴波形抽出部、１４，２４…ＦＦＴ演算部、１５，２５…機器特徴ＤＢ部、１６…高調波重み付き距離算出部、１７，２７…動作状態推定部、１８…消費電力ＤＢ部、１９…消費電力推定部、２３…差分波形抽出部、２６…高調波距離算出部。

Claims (14)

  1. 　機器の電気量を一定周期で測定し、前記測定した電気量の時系列データを出力する測定部（１１）と、
    　前記測定した時系列データに基づいて、前記機器の動作状態の変化時刻を検出する検出部（１２）と、
    　前記検出した変化時刻および前記測定した時系列データに基づいて、前記変化時刻の前後での前記機器の動作状態の変化を示す特徴波形を抽出する特徴波形抽出部（１３）と、
    　前記特徴波形抽出部（１３）により抽出した前記特徴波形の成分を１以上の周波数成分に分解するための演算を行なう演算部（１４）と、
    　所定の機器の各動作状態を示す各周波数の特徴を記憶する機器特徴データベース部（１５）と、
    　極座標上において、前記演算部（１４）による演算結果と、前記機器特徴データベース部（１５）に記憶される各周波数の特徴との間の距離としての重み付き距離を各動作状態について算出する高調波重み付き距離算出部（１６）と、
    　前記高調波重み付き距離算出部（１６）により各動作状態について算出した重み付き距離に基づいて、前記動作状態が変化した機器の動作状態を推定する動作状態推定部（１７）と
    を備えたことを特徴とする演算装置。
  2. 　所定の機器の動作状態を示す高調波の特徴と当該機器の消費電力とを対応付けた情報を記憶する消費電力データベース部（１８）と、
    　前記動作状態推定部（１７）により動作状態が推定された機器の高調波の特徴と前記消費電力データベース部（１８）に記憶された情報とに基づいて、前記動作状態が推定された機器の消費電力を推定する消費電力推定部（１９）と
    をさらに備えたことを特徴とする請求項１に記載の演算装置。
  3. 　前記検出部（１２）は、
    　前記時系列データの不連続点を検出し、この検出した時刻を前記動作状態の変化時刻とすることを特徴とする請求項１に記載の演算装置。
  4. 　前記検出部（１２）は、前記動作状態の変化時刻を複数検出することを特徴とする請求項１に記載の演算装置。
  5. 　前記特徴波形抽出部（１３）は、
    　前記変化時刻より後の電流波形と前記変化時刻より前の電流波形との差分を動作の有無が切り替わった機器の前記特徴波形として抽出することを特徴とする請求項１に記載の演算装置。
  6. 　動作中の前記機器は複数であり、
    　前記特徴波形抽出部（１３）は、
    　所定の選択した１つの機器についての前記変化時刻より後の時刻の電流波形と、動作中の複数の機器のうち前記所定の１つの機器以外の動作中の機器の電流波形の合成との差分を算出し、この差分を動作中の第１の状態から第２の状態へ動作状態が切り替わった前記所定の機器の特徴波形として抽出することを特徴とする請求項１に記載の演算装置。
  7. 　前記特徴波形抽出部（１３）は、
    　前記変化時刻より前の時刻の電流波形を、前記変化時刻から所定の微小時間だけ前の時刻の波形とし、この時間を動的に変化させることで前記特徴波形を抽出することを特徴とする請求項５に記載の演算装置。
  8. 　前記特徴波形抽出部（１３）は、
    　前記変化時刻より後の時刻の電流波形を、前記変化時刻から所定の微小時間だけ後の時刻の波形とし、この時間を動的に変化させることで前記特徴波形を抽出することを特徴とする請求項５または６に記載の演算装置。
  9. 　前記演算部（１４）は、
    　前記特徴波形抽出部（１３）により検出した特徴波形に対して高速フーリエ変換を行うことにより、前記特徴波形の成分を周波数成分に変換し、
    　前記変換した成分で示される高調波の係数を前記演算結果とすることを特徴とする請求項１に記載の演算装置。
  10. 　前記高調波重み付き距離算出部（１６）は、
    　前記演算部（１４）による演算結果で示される各周波数の特徴と前記機器特徴データベース部（１５）に記憶される各周波数の特徴との距離を算出するときに、それぞれの特徴を極座標形式で表記した場合の、前記演算結果で示される各周波数の特徴から原点までの距離と前記記憶される各周波数の特徴から原点までの距離との差分、および前記演算結果で示される各周波数の特徴の位相角と前記記憶される各周波数の特徴の位相角との差分を算出し、
    　前記距離の差分の絶対値に所定の係数を乗じた第１の値と、前記位相角の差分の絶対値に所定の係数を乗じた第２の値とを算出し、
    　前記第１および第２の値の和を、前記演算結果で示される動作特徴と前記機器特徴データベース部（１５）に記憶される動作特徴との間の重み付き距離とすることを特徴とする請求項１に記載の演算装置。
  11. 　前記動作状態推定部（１７）は、
    　前記高調波重み付き距離算出部（１６）により算出した重み付き距離のうち、最も距離が小さい機器の動作状態を、前記機器の動作状態の推定結果として出力することを特徴とする請求項１に記載の演算装置。
  12. 　前記消費電力データベース部（１８）は、
    　各機器の動作状態に応じた各高調波の特徴と、この特徴に対応する機器の消費電力とを対応付けた回帰モデルを記憶することを特徴とする請求項２に記載の演算装置。
  13. 　前記消費電力データベース部（１８）は、
    　前記回帰モデルにおいて、各機器の動作状態に応じた各高調波のパワースペクトルを各機器の動作状態に応じた各高調波の特徴として記憶することを特徴とする請求項１２に記載の演算装置。
  14. 　サーバ（４０）とクライアント（３０）とで構成され、
    　前記クライアント（３０）は、
    　前記測定部（１１）、前記検出部（１２）、前記演算部（１４）を有し、
    　前記サーバ（４０）は、
    　前記機器特徴データベース部（１５）、前記高調波重み付き距離算出部（１６）、前記動作状態推定部（１７）、前記消費電力データベース部（１８）、前記消費電力推定部（１９）を有し、
    　前記クライアント（３０）は、
    　前記消費電力推定部（１９）による推定結果を受信して表示することを特徴とする請求項２に記載の演算装置。
PCT/JP2014/069868 2013-12-04 2014-07-28 演算装置 WO2015083397A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP14868647.0A EP3079227A4 (en) 2013-12-04 2014-07-28 Calculation device
US15/161,703 US20160266182A1 (en) 2013-12-04 2016-05-23 Operation apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-251240 2013-12-04
JP2013251240A JP2015108953A (ja) 2013-12-04 2013-12-04 演算装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US15/161,703 Continuation US20160266182A1 (en) 2013-12-04 2016-05-23 Operation apparatus

Publications (1)

Publication Number Publication Date
WO2015083397A1 true WO2015083397A1 (ja) 2015-06-11

Family

ID=53273175

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/069868 WO2015083397A1 (ja) 2013-12-04 2014-07-28 演算装置

Country Status (4)

Country Link
US (1) US20160266182A1 (ja)
EP (1) EP3079227A4 (ja)
JP (1) JP2015108953A (ja)
WO (1) WO2015083397A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017042037A (ja) * 2015-08-19 2017-02-23 エルエス産電株式会社Lsis Co., Ltd. 電力モニタリングシステム
JP2017142227A (ja) * 2016-02-11 2017-08-17 エルエス産電株式会社Lsis Co., Ltd. 電力モニタリングシステム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3133374A1 (en) 2015-08-19 2017-02-22 LSIS Co., Ltd. Power monitoring system
JP6539614B2 (ja) * 2016-05-06 2019-07-03 日本電信電話株式会社 電流波形抽出方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000292465A (ja) 1999-02-01 2000-10-20 Central Res Inst Of Electric Power Ind 電気機器モニタリングシステム及び動作異常警報システム
JP2002152971A (ja) 2000-08-30 2002-05-24 Daihen Corp 負荷需要推定装置
JP2012189526A (ja) 2011-03-14 2012-10-04 Mitsubishi Electric Corp 機器状態検出装置及び機器状態検出システム
JP2013009500A (ja) * 2011-06-24 2013-01-10 Fujitsu Ltd 電力管理装置
JP2013150508A (ja) * 2012-01-23 2013-08-01 Nippon Telegr & Teleph Corp <Ntt> 電流波形識別装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006022056A1 (de) * 2006-02-20 2007-08-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Spektralanalyse zur zuverlässigeren Bestimmung von Vitalparametern
JP5798069B2 (ja) * 2012-03-21 2015-10-21 株式会社東芝 電気機器モニタリング装置
JP5943069B2 (ja) * 2012-04-18 2016-06-29 ソニー株式会社 電気機器の動作状態推定装置、電気機器の動作状態推定方法、プログラム、電気機器の特徴ベクトル登録装置、電気機器の特徴ベクトル登録方法、サーバ装置および電気機器の動作状態推定システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000292465A (ja) 1999-02-01 2000-10-20 Central Res Inst Of Electric Power Ind 電気機器モニタリングシステム及び動作異常警報システム
JP2002152971A (ja) 2000-08-30 2002-05-24 Daihen Corp 負荷需要推定装置
JP2012189526A (ja) 2011-03-14 2012-10-04 Mitsubishi Electric Corp 機器状態検出装置及び機器状態検出システム
JP2013009500A (ja) * 2011-06-24 2013-01-10 Fujitsu Ltd 電力管理装置
JP2013150508A (ja) * 2012-01-23 2013-08-01 Nippon Telegr & Teleph Corp <Ntt> 電流波形識別装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3079227A4

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017042037A (ja) * 2015-08-19 2017-02-23 エルエス産電株式会社Lsis Co., Ltd. 電力モニタリングシステム
US10151804B2 (en) 2015-08-19 2018-12-11 Lsis Co., Ltd. Power monitoring system
JP2017142227A (ja) * 2016-02-11 2017-08-17 エルエス産電株式会社Lsis Co., Ltd. 電力モニタリングシステム
US10254321B2 (en) 2016-02-11 2019-04-09 Lsis Co., Ltd. System for monitoring electric energy

Also Published As

Publication number Publication date
JP2015108953A (ja) 2015-06-11
EP3079227A1 (en) 2016-10-12
EP3079227A4 (en) 2017-08-02
US20160266182A1 (en) 2016-09-15

Similar Documents

Publication Publication Date Title
JP6290255B2 (ja) 機器状態推定装置、機器消費電力推定装置、およびプログラム
Kazemi et al. A secure hybrid dynamic-state estimation approach for power systems under false data injection attacks
Ariff et al. Estimating dynamic model parameters for adaptive protection and control in power system
JP6725306B2 (ja) 発電機の制動トルクの非侵入的な推定のためのシステムおよび方法
JP2018522520A (ja) リアルタイムデータ駆動型の電力測定およびコスト推定システム
JP5328858B2 (ja) 稼働状況判別装置、稼働状況判別プログラム、稼働状況判別方法、波形パターン学習装置、波形パターン学習プログラム、及び波形パターン学習方法
Alonge et al. Extended complex Kalman filter for sensorless control of an induction motor
WO2015083397A1 (ja) 演算装置
Wang et al. Adaptive robust cubature Kalman filter for power system dynamic state estimation against outliers
Akhlaghi et al. Exploring adaptive interpolation to mitigate non-linear impact on estimating dynamic states
Meng et al. Impact of causality on performance of phasor measurement unit algorithms
US20210097417A1 (en) Model structure selection apparatus, method, disaggregation system and program
Ghorbaniparvar et al. A forecasting-residual spectrum analysis method for distinguishing forced and natural oscillations
JP2012139067A (ja) 電力動揺検出装置および電力動揺検出方法
Qu et al. Decentralized dynamic state estimation for multi-machine power systems with non-Gaussian noises: Outlier detection and localization
JP6161783B2 (ja) コンピュータ支援により送配電網のインピーダンスを求める方法、当該方法を実施するための発電装置及びコンピュータプログラム
Abolmasoumi et al. Robust particle filter design with an application to power system state estimation
Goos et al. Estimation of linear parameter-varying affine state space models using synchronized periodic input and scheduling signals
KR101967524B1 (ko) 커널 회귀 모델을 통하여 시변 신호를 검증하는 온라인 검증 장치 및 방법
Gurtner et al. Efficient oscillation detection for verification of mechatronic closed-loop systems using search-based testing
Duan et al. Induction motor stator faults diagnosis by using parameter estimation algorithms
Jakpattanajit et al. On-line estimation of power system low frequency oscillatory modes in large power systems
JP6417152B2 (ja) 機器電力推定方法およびシステム
Peng et al. Effects of sampling in monitoring power system oscillations using on-line Prony analysis
Pöttker et al. Non-intrusive load monitoring: A multi-agent architecture and results

Legal Events

Date Code Title Description
REEP Request for entry into the european phase

Ref document number: 2014868647

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014868647

Country of ref document: EP

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

Ref document number: 14868647

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE