WO2016157927A1 - データ処理装置、データ処理方法、及び、プログラム - Google Patents

データ処理装置、データ処理方法、及び、プログラム Download PDF

Info

Publication number
WO2016157927A1
WO2016157927A1 PCT/JP2016/050494 JP2016050494W WO2016157927A1 WO 2016157927 A1 WO2016157927 A1 WO 2016157927A1 JP 2016050494 W JP2016050494 W JP 2016050494W WO 2016157927 A1 WO2016157927 A1 WO 2016157927A1
Authority
WO
WIPO (PCT)
Prior art keywords
reference component
feature amount
measurement data
data
fluctuation
Prior art date
Application number
PCT/JP2016/050494
Other languages
English (en)
French (fr)
Inventor
貴裕 戸泉
永典 實吉
鈴木　亮太
滋 河本
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2017509311A priority Critical patent/JP6607252B2/ja
Priority to US15/562,540 priority patent/US10712374B2/en
Publication of WO2016157927A1 publication Critical patent/WO2016157927A1/ja

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Definitions

  • the present invention relates to a data processing device, a data processing method, and a program.
  • each electrical device can be easily grasped by attaching a measuring device to the power source of each device.
  • a measuring device there is a problem that it takes a burden on the user because installation takes time, and there is a problem that the cost of the measuring device is increased.
  • Patent Document 1 As a means for solving this, the method of Patent Document 1 can be cited.
  • the operating status of each electrical device is estimated using information on voltage and current measured in the vicinity of the power feed inlet. According to this method, the burden and cost of the user can be reduced as compared with the method of attaching the power measuring device to all devices.
  • Patent Document 2 discloses a device estimation device that is connected to a plurality of electrical devices and estimates the type of electrical device and the like from the measurement results for power demand.
  • the device estimation apparatus extracts a time fluctuation waveform in which power demands of a plurality of electrical devices are superimposed and a magnitude of the power demand fluctuation amount from the measurement result, and for each magnitude of the power demand fluctuation amount,
  • a power demand fluctuation analysis unit that extracts a plurality of time fluctuation waveforms consisting only of the magnitude of fluctuations in power demand, a period distribution analysis part that extracts a representative period from the period distribution of the time fluctuation waveforms, and a plurality of electrical devices
  • An estimation unit that estimates an electrical device.
  • an electric device including an inverter such as a notebook PC is applicable.
  • the current consumption and the power consumption fluctuate by a predetermined width or more within a short time according to the usage rate of the CPU.
  • An object of the present invention is to provide a new technique for estimating the operating status of electrical equipment.
  • Measurement data acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption of an electrical device;
  • Reference component extraction means for extracting a reference component of current consumption and power consumption from the measurement data;
  • Feature quantity acquisition means for acquiring the feature quantity of the reference component;
  • a data processing apparatus is provided.
  • Feature quantity storage means for storing feature quantities of current components and power consumption reference components of electrical equipment as teacher data; Based on the teacher data, estimating means for estimating the operating status of the electrical equipment; A data processing apparatus is provided.
  • Computer The feature amount of the reference component of the current consumption and power consumption of the electrical equipment is stored as teacher data, There is provided a data processing method for executing an estimation step of estimating the operating status of the electrical device based on the teacher data.
  • Computer Measurement data acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption of an electrical device;
  • a reference component extraction means for extracting a reference component of current consumption and power consumption from the measurement data;
  • Feature quantity acquisition means for acquiring the feature quantity of the reference component;
  • a program for functioning as a server is provided.
  • Computer Feature quantity storage means for storing feature quantities of reference components of current consumption and power consumption of electrical equipment as teacher data; Estimating means for estimating the operating status of the electrical device based on the teacher data; A program for functioning as a server is provided.
  • Each unit included in the apparatus of the present embodiment is stored in a CPU (Central Processing Unit), a memory, a program loaded into the memory, a storage unit such as a hard disk storing the program (from the stage of shipping the apparatus in advance). It can also store programs downloaded from CDs (Compact Discs) and other servers and servers on the Internet), and any combination of hardware and software, centering on the network connection interface Realized.
  • CPU Central Processing Unit
  • CDs Compact Discs
  • FIG. 1 is a diagram conceptually illustrating an example of a hardware configuration of an apparatus according to the present embodiment.
  • the apparatus according to the present embodiment includes, for example, a CPU 1A, a RAM (Random Access Memory) 2A, a ROM (Read Only Memory) 3A, a display control unit 4A, a display 5A, and operation reception that are connected to each other via a bus 10A.
  • other elements such as an input / output interface connected to an external device by wire, a microphone, and a speaker may be provided.
  • the CPU 1A controls the entire computer of the apparatus together with each element.
  • the ROM 3A includes an area for storing programs for operating the computer, various application programs, various setting data used when these programs operate.
  • the RAM 2A includes an area for temporarily storing data, such as a work area for operating a program.
  • the auxiliary storage device 9A is, for example, an HDD (Hard Disc Drive), and can store a large amount of data.
  • the display 5A is, for example, a display device (LED (Light Emitting Diode) display, liquid crystal display, organic EL (Electro Luminescence) display, etc.).
  • the display 5A may be a touch panel display integrated with a touch pad.
  • the display control unit 4A reads data stored in a VRAM (Video RAM), performs predetermined processing on the read data, and then sends the data to the display 5A to display various screens.
  • the operation reception unit 6A receives various operations via the operation unit 7A.
  • the operation unit 7A includes operation keys, operation buttons, switches, a jog dial, a touch panel display, a keyboard, and the like.
  • the communication unit 8A is wired and / or wirelessly connected to a network such as the Internet or a LAN (Local Area Network) and communicates with other electronic devices.
  • an outline of the present embodiment will be described.
  • electrical devices there is an electrical device in which current consumption and power consumption can fluctuate by more than a predetermined width within a short time during operation.
  • an electric device for example, notebook PC etc.
  • an inverter is applicable.
  • electrical devices that do not cause such fluctuations for example, lighting that does not include an inverter).
  • the data processing apparatus 1 When the data processing apparatus 1 according to the present embodiment acquires measurement data indicating time variation of at least one of current consumption and current consumption measured during operation of one or a plurality of electric devices, the data processing apparatus 1 (variation component) ) Is extracted. Then, the data processing device 1 acquires a feature amount from the extracted reference component. Details will be described below.
  • FIG. 2 shows an example of a functional block diagram of the data processing apparatus 1 of the present embodiment.
  • the data processing apparatus 1 includes a measurement data acquisition unit 10, a reference component extraction unit 20, and a feature amount acquisition unit 30.
  • the measurement data acquisition unit 10 acquires measurement data indicating a time change of at least one of current consumption and power consumption of the electrical device.
  • the measurement data may include only one electrical device component or a plurality of electrical device components. In the latter case, components of a plurality of electrical devices may appear simultaneously.
  • a measuring device may be provided in the vicinity of facilities such as a main power supply, a power supply (power supply) service entrance, a distribution board, and an outlet provided in each facility (eg, house, office, store, etc.) of an electric power consumer.
  • the measurement data acquisition part 10 may acquire the measurement data which the said measuring apparatus measured in the consumer's daily life for every electric power consumer. If it does in this way, the component (electric current consumption and electric power consumption) of the electric equipment which each electric power consumer uses in their facilities will be included in the measurement data acquired corresponding to each electric power consumer. It will be.
  • the measurement data showing the usage pattern of the several electric equipment by each electric power consumer are obtained.
  • the usage pattern of a plurality of electrical devices is a combination pattern of electrical devices such as “Electrical device A may be used alone” and “Electrical device A and electrical device B may be used simultaneously”. means.
  • the data processing device 1 may be provided in the facility of each electric power consumer. And the measurement data acquisition part 10 may acquire measurement data from the said measuring apparatus using the arbitrary communication means by wire and / or radio
  • FIG. 3 shows an example of measurement data acquired by the measurement data acquisition unit 10.
  • FIG. 3 is measurement data showing the temporal change in power consumption between 8 o'clock and 19 o'clock on a certain day.
  • the reference component extraction unit 20 extracts a reference component that does not include a fluctuation component related to fluctuations in current consumption and power consumption from the measurement data acquired by the measurement data acquisition unit 10.
  • “Fluctuation” in the present embodiment means that the current consumption and power consumption are within a predetermined range within a short time (eg, several seconds, several minutes) (eg, the difference between the maximum value and the minimum value within that time is 50 mA or more, 5 W or more ) Means fluctuating. Variations exceeding a predetermined width may appear regularly or irregularly. Measurement errors and minute fluctuations caused by changes in the surrounding environment are not included in the “fluctuations” in this embodiment.
  • the variation of the present embodiment described above may be referred to as “the variation”.
  • the “predetermined width” in the definition of the variation may be a constant multiple of ⁇ P described below with reference to FIG.
  • an electric device such as a notebook PC provided with an inverter is applicable.
  • the fluctuation is caused by, for example, an inverter.
  • the above-described fluctuation occurs according to the fluctuation in the CPU usage rate.
  • the usage rate of the CPU is constant, the above fluctuation does not occur.
  • “Variable” means that the above-mentioned variation occurs in the design of the electric equipment, but the above-mentioned variation does not always occur.
  • the above fluctuation occurs intermittently. In other words, during the operation of the electric device, a time zone in which the fluctuation occurs and a time zone in which the fluctuation does not occur are mixed.
  • the frequency (appearance frequency) at which each of the values when the fluctuation does not occur is higher than the frequency (appearance frequency) at which each of the values when the fluctuation occurs. Also gets higher.
  • the reference component extraction unit 20 extracts the reference component from the measurement data using such features.
  • FIG. 4 shows an example of a functional block diagram of the reference component extraction unit 20. As shown in the figure, a reference component extraction unit 20, a separation unit 21, and an extraction unit 22 are included.
  • the separation unit 21 divides the measurement data into a group in which the fluctuation occurs and a group in which the fluctuation does not occur based on the appearance frequency of the values.
  • the separation unit 21 classifies values having a relatively high appearance frequency into groups in which no fluctuation has occurred.
  • the separation unit 21 may classify a value having a relatively high appearance frequency and a value around the value into a group in which the fluctuation does not occur. Then, the separation unit 21 may classify other values into groups in which the above fluctuation occurs.
  • the separation unit 21 obtains frequency data as shown in FIG. 5 from measurement data as shown in FIG. FIG. 5 is a density distribution obtained by applying kernel density estimation of a Gaussian kernel to the power consumption data in FIG. 3, where the horizontal axis is power and the vertical axis is frequency.
  • the density distribution is shown by power consumption, but frequency data of other types of values may be obtained.
  • Other types of values may be, for example, a reference waveform obtained by frequency-resolving a current or current waveform, the intensity and phase of a harmonic, a power factor, or a maximum value of a current waveform.
  • a value obtained by performing four arithmetic operations on these values may be used.
  • time series data with no fluctuation component or time series data with little fluctuation component can be obtained.
  • the reference component can be extracted with high accuracy.
  • the variation component vector is in one direction. If a component (data type) perpendicular to the direction of the fluctuation component vector is selected, time-series data of only the reference component can be extracted. If the fluctuation component vector is in one direction, the same extraction as described above can be performed even for data including a plurality of electric devices that cause fluctuation components (the electric devices in which the fluctuation occurs).
  • the separation unit 21 After obtaining the frequency data as shown in FIG. 5, the separation unit 21 extracts peaks satisfying a predetermined condition from a plurality of peaks appearing in the frequency data. Thereby, a noise component (noise peak) is removed.
  • a noise component noise peak
  • the “peak” in the present embodiment refers to the top of a mountain, that is, the maximum value.
  • a mountain composed of data before and after the peak is referred to as a “peak mountain”.
  • a peak capable of calculating a half-value width ⁇ P k (P is power consumption, k is a peak number) may be extracted. . That is, a peak for which the half width ⁇ P k cannot be calculated may be removed as a noise component.
  • a peak range may be specified for each peak, and a peak capable of calculating (specifying) the half-value width ⁇ P k may be extracted within the peak range.
  • the peak range may be determined based on a peak value (power consumption).
  • the peak range may be (peak value P k ⁇ 1 ) or more and (peak value P k + ⁇ 2 ) or less.
  • a peak whose value (frequency) is a predetermined value or more may be extracted.
  • a peak whose peak height at a predetermined height is less than or equal to a predetermined value may be extracted (eg, a peak at a height of 80% of the peak height (peak value (frequency)).
  • the width of the mountain is below a predetermined value).
  • a predetermined number of peaks may be extracted in descending order of value (frequency).
  • the extracted features of the plurality of peaks each indicate the operating status of different electrical devices. For example, there are differences such as “the operating electrical devices are different from each other”, “the same electrical device is operating, but the operating content (processing content being executed) of at least one electrical device is different”.
  • the separation unit 21 divides the measurement data into groups for each extracted peak.
  • each of the plurality of peaks corresponds to the operating status of different electrical devices.
  • the grouping here means that the measurement data is divided according to the operating status of the electrical equipment. When only one peak is extracted, grouping here is not necessary. By dividing into groups for each operating status, it is possible to clarify which operating content each variable component corresponds to.
  • grouping may be performed by defining (peak value P k - ⁇ 1 ) or more and less than (peak value P k + 1 - ⁇ 2 ) as a group corresponding to peak value P k .
  • (peak value P k ⁇ 3 ) or more and less than (peak value P k + ⁇ 4 ) may be defined as a group corresponding to the peak value P k and grouping may be performed.
  • FIG. 6 shows two ranges extracted from the right side of the data in FIG. 5 and enlarged to show the ranges of groups 1 and 2 corresponding to each peak. From the figure, it can be seen that the range of group 1 is not less than (peak value P 1 - ⁇ P 1 ) and less than (peak value P 2 - ⁇ P 2 ).
  • the measurement data of FIG. 3 is grouped according to the rule, it is divided into groups 0 to 2 as shown in FIG.
  • the data in FIG. 8 includes information for identifying each measurement data (measurement time in the case of the figure), measurement value (power consumption in the case of the figure), and grouping result according to the operation status (in the case of the operation status in the figure). Group) and the result of grouping according to the presence or absence of the occurrence of fluctuations (in the case of the figure, fluctuation status groups) are associated with each other.
  • the measurement data is every 15 seconds, but is not limited to this.
  • any one of groups 0 to 2 is associated with each measurement data.
  • the column of the change status group is described after the following processing.
  • a group corresponding to the operation status in the example of FIG. 7, groups 0 to 2 is referred to as an operation status group.
  • the separation unit 21 divides the measurement data into the group in which the fluctuation has occurred and the group in which the fluctuation has not occurred, for each operation status group.
  • the separation unit 21 sets the measurement data included in (peak value P k - ⁇ 1 ) or more and (peak value P k + ⁇ 2 ) or less as a group in which the above-described fluctuation has not occurred, and the others are subjected to the above-described fluctuation.
  • the value of ⁇ P k may be used as the values of ⁇ 1 and ⁇ 2 .
  • the column of the fluctuation status group shown in FIG. 8 is filled.
  • a flag in the case of the figure, a check mark
  • the separation unit 21 can group the measurement data for each operating state of the electrical equipment. Then, the separation unit 21 can divide the measurement data into the group in which the fluctuation occurs and the group in which the fluctuation does not occur for each operation status group.
  • the method for extracting the peak from the measurement data is exemplified by the estimation of the kernel density of the Gaussian kernel and the use of the condition using the half-value width ⁇ P k. Other methods may be used.
  • the separation unit 21 can perform the separation process with measurement data for an arbitrary length as a processing target.
  • the separation unit 21 may process the entire measurement data acquired from the measurement data acquisition unit 10, or may process a part of time series data cut out within a certain time range from the entire acquired time series data.
  • the entire time-series data may be scanned while shifting the time range little by little like a moving average (in order, the processing target).
  • the extraction unit 22 extracts, as a reference component, a measurement data component of the group in which the above fluctuation does not occur for each operation status group (in the example of FIG. 7, groups 0 to 2).
  • the reference component extraction unit 20 can specify the measurement data belonging to the group in which the fluctuation does not occur for each operating status group.
  • the reference components to be extracted are the current waveform, the reference waveform obtained by frequency-decomposing the current waveform and the harmonic waveform, the power waveform, the reference waveform and the harmonic waveform of the power waveform, the time change of the power factor, etc. Also good. Furthermore, a value obtained by performing four arithmetic operations on these values may be used.
  • the reference component extraction unit 20 can obtain a single reference component by extracting a plurality of reference components (eg, current waveforms) from a plurality of measurement data and then averaging them. Then, the reference component extraction unit 20 can use the obtained reference component (eg, current waveform) as the reference component of the operation status group.
  • a plurality of reference components eg, current waveforms
  • the feature amount acquisition unit 30 acquires the feature amount of the reference component extracted by the reference component extraction unit 20 for each operation status group.
  • the feature amount acquisition unit 30 may acquire the above-described reference component itself as a feature amount.
  • the feature amount acquisition unit 30 may acquire a predetermined feature amount (eg, waveform shape feature, fundamental and harmonic phase difference, current value difference, power difference, etc.) from the above-described reference component. .
  • the feature amount of the reference component included in the measurement data acquired by the measurement data acquisition unit 10 can be acquired for each operating state of the electrical equipment.
  • the measurement data acquisition unit 10 acquires measurement data indicating a time change of at least one of current consumption and power consumption of an electric device (S10).
  • the reference component extraction unit 20 extracts a reference component from the measurement data acquired in S10 (S11).
  • the feature amount acquisition unit 30 acquires the feature amount of the reference component extracted in S11 (S12).
  • the present embodiment described above it is possible to extract the reference component of the electrical equipment, that is, the component in which the above-described fluctuation has not occurred, from the measurement data. And the feature-value of the said reference component can be acquired.
  • the method according to the present embodiment it is possible to extract a feature amount related to a reference component of an electrical device from measurement data and accumulate it as teacher data. Further, by using the method of the present embodiment, after extracting a feature amount related to the reference component of the electrical device from the measurement data, it is possible to estimate the operating status of the electrical device based on the feature amount and the teacher data.
  • the operating status of the electrical equipment is estimated without considering the above-described fluctuation. That is, without distinguishing between the state where the fluctuation occurs and the state where the fluctuation does not occur, the measurement data acquired in each state is treated equally, and the accumulation of teacher data and the estimation of the operating state of the electrical equipment Had gone. In the case of this means, if there is not a sufficient amount of teacher data, the accuracy of the estimation of the operating status of the electrical equipment will deteriorate. For example, in the case where the characteristic amount when the variation does not occur is held as the teacher data of the electrical device A, if the measurement data at the time of the estimation process includes the variation component, naturally, the electrical device A It becomes impossible to estimate the operating status of the machine accurately. It should be noted that the same situation may occur when the characteristic amount when the fluctuation occurs is held as the teacher data of the electric device A and the fluctuation component is not included in the measurement data.
  • the data processing device 1 of the present embodiment that can acquire the feature amount of the component (reference component) when the variation does not occur, the state in which the variation has occurred and the state in which the variation has not occurred are clarified.
  • the state in which the variation has occurred and the state in which the variation has not occurred are clarified.
  • the separation unit 21 separates the measurement data into groups for each operating status (operating status group) based on, for example, the above formula (1), and then changes the measurement data for each operating status group. It was divided into a group that was awake and a group that did not have the above fluctuations. As a modification, it is not necessary to perform the process of dividing into groups for each operating situation.
  • the fluctuation components differ depending on the operating conditions. That is, if the operation contents (process contents being executed) divided into groups are different, the fluctuation components in the groups of the operation contents are also different. Therefore, by dividing into groups for each operation status and extracting the fluctuation component, it is possible to clarify which operation content each fluctuation component for each group corresponds to.
  • the data processing apparatus 1 according to the present embodiment is different from the first embodiment in that it has a function of registering a feature amount acquired from a reference component as teacher data.
  • Other configurations are the same as those of the first embodiment.
  • FIG. 10 shows an example of a functional block diagram of the data processing apparatus 1 of the present embodiment.
  • the data processing apparatus 1 includes a measurement data acquisition unit 10, a reference component extraction unit 20, a feature amount acquisition unit 30, a feature amount storage unit 50, and an update unit 60.
  • the configurations of the measurement data acquisition unit 10, the reference component extraction unit 20, and the feature amount acquisition unit 30 are the same as those in the first embodiment.
  • the feature quantity storage unit 50 stores the feature quantity of the reference component as teacher data.
  • the teacher data is a pair of the reference component feature amount (explanatory variable) and the operating status (objective variable) of the electrical device.
  • the operating status of the electrical device is the content specifying the operating electrical device, such as “only electrical device A is operating” and “electrical devices A and B are operating”.
  • the update unit 60 determines whether the feature amount is already stored in the feature amount storage unit 50. If not stored, the update unit 60 newly registers the feature amount in the feature amount storage unit 50. For example, the update unit 60 takes the difference between the comparison targets (the feature amount acquired by the feature amount acquisition unit 30 and the arbitrary feature amount stored in the feature amount storage unit 50), and calculates the sum or absolute value of these differences. When values such as the sum, effective value, and n-th power sum (n is a real number) are smaller than a predetermined threshold, they may be determined to be the same.
  • the update unit 60 may accept an input of the contents of the operating status of the electrical device corresponding to the feature value from the user at an arbitrary timing. For example, the updating unit 60 may present the time when the reference component of the newly registered feature amount appears to the user, and may accept an input for designating the electric device that was operating at the time. Then, the updating unit 60 may register the input content in association with the newly registered feature amount.
  • the measurement data acquisition unit 10 acquires measurement data indicating a time change of at least one of current consumption and power consumption of the electrical device (S20).
  • the reference component extraction unit 20 extracts a reference component from the measurement data acquired in S20 (S21).
  • the feature amount acquisition unit 30 acquires the feature amount of the reference component extracted in S21 (S22).
  • the update unit 60 confirms whether the feature amount of the reference component acquired in S22 is already registered in the feature amount storage unit 50. If not registered (No in S23), the updating unit 60 newly registers the feature quantity of the reference component in the feature quantity storage unit 50 (S24). On the other hand, when it is registered (Yes in S23), the updating unit 60 ends the process without newly registering the feature amount of the reference component in the feature amount storage unit 50. Further, here, the registered feature value may be updated using, for example, an average by using the feature value of the variation component, and may be registered again in the feature value storage unit 50 to end the process. Furthermore, newly registered data may be replaced if the newly extracted data can be improved over the registered data by comparing the estimation results.
  • teacher data features of reference components, etc.
  • each power consumer is actually in his / her facility.
  • the feature amount corresponding to the feature amount of the electric device used in step 1 and the actual use pattern of the electric device can be accumulated.
  • the data processing apparatus 100 has a function of estimating the operating status of an electrical device using the teacher data accumulated in the second embodiment.
  • FIG. 13 shows an example of a functional block diagram of the data processing apparatus 100 of the present embodiment.
  • the data processing apparatus 100 includes a feature amount storage unit 101, an estimation time acquisition unit 102, an estimation time reference component extraction unit 103, an estimation time feature amount acquisition unit 104, and an estimation unit 105.
  • the feature amount storage unit 101 stores, as teacher data, feature amounts of reference components that do not include components (variation components) relating to fluctuations in current consumption and power consumption (the above-described fluctuations).
  • the feature amount storage unit 101 stores teacher data registered in the feature amount storage unit 50 described in the second embodiment.
  • the estimation time acquisition unit 102 acquires measurement data indicating a time change of at least one of current consumption and power consumption.
  • the configuration of the estimation time acquisition unit 102 is the same as the configuration of the measurement data acquisition unit 10 described in the first and second embodiments.
  • the estimation reference component extraction unit 103 extracts a reference component from the measurement data acquired by the estimation acquisition unit 102.
  • the configuration of the estimation reference component extraction unit 103 is the same as the configuration of the reference component extraction unit 20 described in the first and second embodiments.
  • the estimation-time reference component extraction unit 103 processes measurement data from a predetermined time before to the current time, and uses a group (operation) according to the operation status of the electrical device in the same manner as in the first and second embodiments. Situation group) and grouping according to the presence or absence of the above fluctuations. As a result, data as shown in FIG. 8 is obtained. Thereafter, the estimation-time reference component extraction unit 103 extracts the reference component of the operation status group to which the current measurement data belongs.
  • the estimation feature quantity acquisition unit 104 acquires the feature quantity of the reference component extracted by the estimation time reference component extraction unit 103.
  • the configuration of the estimation feature amount acquisition unit 104 is the same as the configuration of the feature amount acquisition unit 30 described in the first and second embodiments.
  • the estimation unit 105 estimates the operating status of the electrical device based on the teacher data stored in the feature amount storage unit 101 and the feature amount of the reference component acquired by the estimation feature amount acquisition unit 104.
  • the specific means of estimation by the estimation unit 105 is not particularly limited, and any method can be adopted. For example, machine learning such as a neural network may be used.
  • the data processing device 100 may display the estimation result by the estimation unit 105 via an output device such as a display.
  • an output device such as a display.
  • information such as “currently operating electrical devices are electrical device A and electrical device B” may be displayed.
  • the user can easily grasp the operating electrical equipment. And power saving efforts such as stopping the operation of useless electrical equipment are expected.
  • the measurement data acquisition unit 10 can also comprise as shown in FIG.
  • the configurations of the measurement data acquisition unit 10, the reference component extraction unit 20, the feature amount acquisition unit 30, the feature amount storage unit 50, and the update unit 60 are as described in the first and second embodiments.
  • the estimation unit 105 estimates the operating status of the electrical device based on the feature amount of the reference component acquired by the feature amount acquisition unit 30 and the teacher data stored in the feature amount storage unit 50.
  • the measurement data acquired by the measurement data acquisition unit 10 can be used in both of the process of accumulating teacher data and the process of estimating the operating status of the electrical equipment.
  • the present embodiment described above it is possible to estimate the operating status of the electrical device using the feature amount of the reference component.
  • the operating state of the electric device is estimated without distinguishing the above-described fluctuation. For this reason, if the feature data at the time when the fluctuation does not occur is held as the teacher data of the electric device A, if the measurement data at the time of the estimation process includes the fluctuation component, naturally, The operating status of the electric device A cannot be estimated accurately. It should be noted that the same situation may occur due to the extra teacher data even when the feature amount at the time when the above-mentioned fluctuation is held as the teacher data of the electric device A.
  • the above-described inconvenience can be reduced.
  • the data processing apparatus 100 according to the present embodiment is further different from the third embodiment in that it can estimate the operating status of the electrical device by using the characteristic amount of the fluctuation component as teacher data.
  • Other configurations are the same as those of the third embodiment.
  • FIG. 13 An example of a functional block diagram of the data processing apparatus 100 of the present embodiment is shown in FIG. 13 as in the third embodiment.
  • the configuration of the estimation time acquisition unit 102 is the same as that of the third embodiment.
  • the feature amount storage unit 101 stores the feature amount of the reference component and the feature amount of the variation component as teacher data.
  • FIG. 15 schematically shows an example of teacher data stored in the measurement data acquisition unit 10.
  • the operational amount (objective variable) of the electric device is associated with the feature amount (explanatory variable) of the reference component and the feature amount (explanatory variable) of the fluctuation component.
  • the measurement data is grouped into operation status groups (in the case of FIG. 7, groups 0 to 2), and after extracting the reference components of each operation status group,
  • the fluctuation component can be extracted by subtracting the reference component from the measurement data component of the group in which the fluctuation occurs.
  • the above fluctuation is based on the state when the fluctuation does not occur, and within a short period of time (eg, several seconds, several minutes), the current consumption and power consumption exceed a predetermined range (eg: the maximum value within that time)
  • a predetermined range eg: the maximum value within that time
  • the difference in minimum value appears in the form of fluctuations of 50 mA or more and 5 W or more.
  • the measurement data of the group in which the variation occurs includes a component (reference component) when the variation does not occur and a component (variation component) of the variation. Therefore, the fluctuation component can be obtained by subtracting the reference component from the measurement data component (reference component + fluctuation component) of the group in which the fluctuation occurs.
  • the current waveform is a fluctuation component and the feature amount is acquired from the current waveform.
  • the reason will be described.
  • the present inventors have newly found that when the above fluctuation occurs, the values of power, current, power factor, etc. fluctuate, but the shape of the current waveform does not change. That is, the values of power, current, power factor, and the like vary according to the state of fluctuation (eg, CPU usage rate), but the shape of the current waveform is the state of fluctuation (eg, CPU usage rate). Regardless.
  • the present inventors have newly found that the shape of the current waveform is unique to each electric device (eg, according to the type of inverter).
  • the shape of the current waveform extracted as the fluctuation component is the same shape under the same operating condition, and has a unique shape for each operating condition.
  • FIG. 16 is a graph in which measurement data (current waveforms) having different powers measured while the above fluctuation occurs under the same operating condition are plotted. That is, FIG. 16 is a diagram in which measurement data (current waveforms) belonging to the same operating status group and having different powers are plotted in an overlapping manner.
  • phase adjustment adjustment of deviation in the time axis direction
  • amplitude adjustment correction that enlarges / reduces the waveform and aligns the amplitude
  • the fluctuation component is a current waveform
  • a feature quantity common to all the measurement data of the group in which the fluctuation occurs can be extracted for each operation status group.
  • current, power, etc. that vary depending on the state of fluctuation eg, CPU usage rate
  • the feature amount common to all measurement data of the group in which the fluctuation occurs. Can not be extracted.
  • the characteristics of the fluctuation component of the operation status group are covered by a plurality of feature amounts. For this reason, if the fluctuation component is a current waveform, the number of data to be handled (the number of teacher data, etc.) can be reduced.
  • a plurality of fluctuation components having the same current waveform shape but different amplitudes can be extracted from the measurement data of the group in which the fluctuation occurs.
  • an average of a plurality of variable components may be used as a representative of each operation status group.
  • the feature amount may be acquired from the representative fluctuation component.
  • a plurality of fluctuation components having the same current waveform shape but different phases can be extracted from the measurement data of the group in which the fluctuation occurs. In this case, correction for aligning the phases may be performed before the averaging.
  • a representative fluctuation component may be determined from a plurality of fluctuation components for each operation status group by the following method.
  • the characteristic amount f i, j (j is the id of the fluctuation component, i is the id of the characteristic quantity extracted from the fluctuation component) of the fluctuation component (current waveform) is expressed by a certain reference value C as shown in Expression (2). Normalize by (f j ).
  • the standard value for normalization may be any value as long as it is a standard value such as power consumption, maximum value, minimum value of current waveform, integral value of current waveform, and effective value.
  • the weighted average is obtained by increasing the weight value of the current waveform having a small noise N (f j ) value and decreasing the weight value of the fluctuation waveform having a large noise.
  • the current waveform thus obtained can be used as a representative fluctuation component.
  • the fluctuation component may be out of phase in proportion to the power and other standardization values.
  • the weighted average can be obtained after the phase is matched using the value for normalization for each fluctuation component (current waveform). For example, if the weighted average weight is the reciprocal of the noise N (f j ), the representative fluctuation component F i can be obtained by the following equation (3).
  • the value of the weight used here may be a value as shown in Equation (2), or may be a value obtained by multiplying the power value by the nth power (n is a real number). Also, a function may be formed by previously modeling the relationship between the magnitude of power and noise. If the noise can be modeled, the form of the model function used here may be any form using a physical model or machine learning. By performing the above processing for each operation status group, a fluctuation component peculiar to each operation status group can be obtained.
  • the estimation reference component extraction unit 103 extracts a fluctuation component in addition to the reference component from the measurement data acquired by the estimation acquisition unit 102.
  • the estimation time reference component extraction unit 103 processes measurement data from a predetermined time before to the current time, and uses the same method as in the first to third embodiments for a group (operation Situation group) and grouping according to the presence or absence of the above fluctuations. As a result, data as shown in FIG. 8 is obtained. Thereafter, the estimation-time reference component extraction unit 103 extracts the reference component and the fluctuation component of the operation status group to which the current measurement data belongs according to the above-described processing.
  • fluctuation components may not be extracted from the measurement data.
  • the fluctuation component is not extracted under an operating condition in which only an electric device that does not include an inverter is operating.
  • the estimation-time reference component extraction unit 103 extracts only the reference component.
  • the estimation feature quantity acquisition unit 104 acquires the feature quantities of the reference component and the fluctuation component extracted by the estimation reference component extraction unit 103.
  • the estimation-time feature amount acquisition unit 104 acquires only the feature amount of the reference component.
  • the estimation unit 105 determines the operating status of the electrical device. presume.
  • the specific means of estimation by the estimation unit 105 is not particularly limited, and any method can be adopted. For example, machine learning such as a neural network may be used.
  • the estimation unit 105 includes, for example, teacher data including reference component feature amounts (explanatory variables) stored in the feature amount storage unit 101 and operating statuses (objective variables) of the electrical equipment, and an estimation-time feature amount acquisition unit 104. It is possible to estimate the operating status of the electrical equipment based on the feature quantity of the reference component acquired by the.
  • the estimation unit 105 includes teacher data composed of the feature amount (explanatory variable) of the fluctuation component stored in the feature amount storage unit 101 and the operation status (object variable) of the electrical device, and the estimation feature amount acquisition unit 104.
  • the operational status of the electric device can be estimated based on the characteristic amount of the fluctuation component acquired by.
  • the estimation unit 105 can estimate the operating status of the electrical equipment using the above two estimation processes. For example, when one of the estimation processes is preferentially used and an estimation result cannot be obtained, the other estimation process may be used.
  • the same operational effects as those of the third embodiment can be realized. Further, it is expected that the estimation accuracy can be further improved by combining the feature amount of the reference component and the feature amount of the fluctuation component to estimate the operating state of the electrical equipment.
  • the fluctuation components differ depending on the operating conditions. That is, if the operation contents (process contents being executed) divided into groups are different, the fluctuation components in the groups of the operation contents are also different. Therefore, by dividing into groups for each operation status and extracting the fluctuation component, it is possible to clarify which operation content each fluctuation component for each group corresponds to.
  • the separation unit 21 separates the measurement data into groups for each operating status (operating status group) based on, for example, the above formula (1), and then changes the measurement data for each operating status group. It was divided into a group that was awake and a group that did not have the above fluctuations. As a modification, it is not necessary to perform the process of dividing into groups for each operating situation.
  • the separation unit 21 sets the measurement data included in (peak value P k - ⁇ 1 ) or more and (peak value P k + ⁇ 2 ) or less as a group in which the above fluctuation does not occur, and others are in the above fluctuation Can be divided into groups. Then, from a predetermined component of measurement data (measurement data of the group in which the fluctuation occurs) greater than (peak value P k + ⁇ 2 ) and less than (peak value P k + 1 ⁇ 1 ), (peak value P The fluctuation component is extracted by subtracting the reference component extracted from the measurement data (measurement data of the group in which the fluctuation does not occur) included in (peak value P k + ⁇ 2 ) and higher than k ⁇ 1 ) can do.
  • the data processing apparatus 100 according to the present embodiment is common to the fourth embodiment in that the operation state of the electrical device is estimated using the feature amount of the reference component and the feature amount of the fluctuation component. Is different. This will be described below.
  • FIG. 17 shows an example of a functional block diagram of the present embodiment.
  • the data processing apparatus 100 includes a feature amount storage unit 101, an estimation time acquisition unit 102, an estimation time feature amount acquisition unit 104, and an estimation unit 105.
  • the configurations of the feature amount storage unit 101 and the estimation time acquisition unit 102 are the same as those in the fourth embodiment.
  • the estimation feature amount acquisition unit 104 acquires the feature amount of the measurement data acquired by the estimation time acquisition unit 102.
  • the reference component and the fluctuation component are extracted from the measurement data, and the feature amount is acquired from each.
  • the feature amount is acquired from the measurement data that can include both the reference component and the variation component.
  • the estimated feature quantity acquisition unit 104 acquires a predetermined feature quantity using the current measurement data as a processing target.
  • the estimation unit 105 stores (1) “a feature amount of the reference component” and (2) “a combined feature amount obtained by adding the feature amount of the reference component and the feature amount of the fluctuation component” stored in the feature amount storage unit 101. , And the operating state of the electrical device is estimated based on the feature data of the measurement data acquired by the estimation feature data acquisition unit 104.
  • the specific means of estimation by the estimation unit 105 is not particularly limited, and any method can be adopted. For example, machine learning such as a neural network may be used.
  • the feature amount of the measurement data acquired by the estimation-time feature amount acquisition unit 104 is the feature amount of (reference component + variable component) or the feature amount of the reference component. That is, when the above fluctuation occurs at the present time, the feature quantity of the measurement data acquired by the estimation-time feature quantity acquisition unit 104 is a feature quantity of (reference component + variation component). On the other hand, when the above-mentioned fluctuation does not occur at this time, the feature amount of the measurement data acquired by the estimation-time feature amount acquisition unit 104 is the feature amount of the reference component.
  • the estimation unit 105 adds (1) “reference component feature amount” and (2) “reference component feature amount and variation component feature amount” stored in the feature amount storage unit 101.
  • the operational status is estimated using the teacher data including “quantity”.
  • the total feature amount is generated by adding the feature amount of the reference component and the feature amount of the fluctuation component (see FIG. 15) associated with the same operation status.
  • a plurality of combined feature amounts are generated by adding the feature amount of the reference component to each feature amount of the corrected fluctuation component. Also good.
  • the shape of the current waveform (fluctuation component) extracted from the measurement data is the same, but the phase and amplitude are different from each other.
  • correction that takes into account the phase and amplitude deviation of the current waveform of the fluctuation component before adding it to the feature value related to the shape of the current waveform that is the reference component May be performed.
  • Measurement data acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption of an electrical device;
  • Reference component extraction means for extracting a reference component of current consumption and power consumption from the measurement data;
  • Feature quantity acquisition means for acquiring the feature quantity of the reference component;
  • a data processing apparatus In the data processing apparatus according to 2.1, The reference component extraction means includes A data processing apparatus comprising separation means for extracting the reference component based on the appearance frequency of each value in the measurement data.
  • the reference component extraction means includes The data processing apparatus which has the isolation
  • the reference component extraction means includes Separating means for dividing the measurement data into a group in which fluctuations in current consumption and power consumption have occurred and a group in which the fluctuations have not occurred, based on the appearance frequency of values, Extraction means for extracting the reference component from the measurement data of the group in which the fluctuation does not occur; A data processing apparatus. 5.
  • the data processing apparatus is a data processing apparatus that divides a group in which the fluctuation has occurred and a group in which the fluctuation has not occurred, based on an appearance frequency of a component value perpendicular to the direction of the fluctuation component vector. 6).
  • Feature quantity storage means for storing the feature quantity of the reference component;
  • An update unit for newly storing the feature amount of the reference component in the feature amount storage unit when the feature amount of the reference component acquired by the feature amount acquisition unit is not stored in the feature amount storage unit;
  • a data processing apparatus further comprising: 7).
  • Feature quantity storage means for storing feature quantities of current components and power consumption reference components of electrical equipment as teacher data; Based on the teacher data, estimating means for estimating the operating status of the electrical equipment; A data processing apparatus. 8).
  • the feature amount storage means further stores feature amounts of fluctuation components of current consumption and power consumption of the electrical device as the teacher data
  • the estimation unit is a data processing apparatus that estimates an operating state of the electrical device based on the teacher data related to the reference component and the teacher data related to the variation component. 9. 8.
  • the estimation unit is a data processing device that estimates an operating state of the electric device based on a total feature amount obtained by adding the feature amount of the reference component and the feature amount of the variation component. 10.
  • the reference component extraction step includes The data processing method which has the isolation
  • the reference component extraction step includes Separating the measurement data into a group in which fluctuations in current consumption and power consumption have occurred and a group in which the fluctuations have not occurred, based on the frequency of appearance of values; An extraction step of extracting the reference component from the measurement data of the group in which the fluctuation does not occur; A data processing method. 10-5. In the data processing method described in 10-4, In the separation step, the data processing method divides into a group in which the fluctuation has occurred and a group in which the fluctuation has not occurred based on the appearance frequency of the value of the component perpendicular to the direction of the fluctuation component vector. 10-6.
  • the computer stores the feature amount of the reference component, A data processing method for further executing an update step of newly storing a feature amount of the reference component when the feature amount of the reference component acquired in the feature amount acquisition step is not stored.
  • Computer The feature amount of the reference component of the current consumption and power consumption of the electrical equipment is stored as teacher data, A data processing method for executing an estimation step of estimating an operating state of the electrical device based on the teacher data. 11-2. 11.
  • the data processing method according to 11 The computer further stores feature amounts of current consumption and power consumption fluctuation components of the electrical device as the teacher data, In the estimation step, a data processing method for estimating an operating state of the electric device based on the teacher data regarding the reference component and the teacher data regarding the variation component. 11-3. In the data processing method described in 11-2, In the estimation step, a data processing method for estimating an operating state of the electric device based on a total feature amount obtained by adding the feature amount of the reference component and the feature amount of the variation component.
  • Computer Measurement data acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption of an electrical device;
  • a reference component extraction means for extracting a reference component of current consumption and power consumption from the measurement data;
  • Feature quantity acquisition means for acquiring the feature quantity of the reference component;
  • the reference component extraction means; A program that functions as a separation unit that extracts the reference component based on the appearance frequency of each value in the measurement data. 12-3.
  • the reference component extraction means A program that functions as a separation unit that extracts the reference component based on a peak peak width that appears in data indicating the appearance frequency of each value in the measurement data. 12-4.
  • the reference component extraction means Separation means that divides the measurement data into a group in which fluctuations in current consumption and power consumption occur and a group in which fluctuation does not occur, based on the appearance frequency of values, Extraction means for extracting the reference component from the measurement data of the group in which the fluctuation does not occur; Program to function as. 12-5.
  • Said computer further Feature quantity storage means for storing the feature quantity of the reference component; Updating means for newly storing the feature quantity of the reference component in the feature quantity storage means when the feature quantity of the reference component acquired by the feature quantity acquisition means is not stored in the feature quantity storage means; Program to function as. 13.
  • Computer Feature quantity storage means for storing feature quantities of reference components of current consumption and power consumption of electrical equipment as teacher data; Estimating means for estimating the operating status of the electrical device based on the teacher data; Program to function as. 13-2.
  • the feature amount storage means further stores feature amounts of fluctuation components of current consumption and power consumption of the electrical equipment as the teacher data, A program for causing the estimation means to estimate an operating state of the electric device based on the teacher data regarding the reference component and the teacher data regarding the variation component. 13-3. In the program described in 13-2, A program for causing the estimation means to estimate an operating state of the electrical device based on a total feature amount obtained by adding the feature amount of the reference component and the feature amount of the variation component. 14-1.
  • Measurement data acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption of an electrical device;
  • a reference component extracting means for extracting a reference component not including a fluctuation component related to fluctuations in current consumption and power consumption from the measurement data;
  • Feature quantity acquisition means for acquiring the feature quantity of the reference component;
  • the reference component extraction means includes Separating means for dividing the measurement data into a group in which the fluctuation has occurred and a group in which the fluctuation has not occurred, based on the appearance frequency of the value; Extraction means for extracting the reference component from the measurement data of the group in which the fluctuation does not occur;
  • a data processing apparatus. 14-3 is described in 14-1.
  • the separation unit is a data processing apparatus that divides a group in which the fluctuation has occurred and a group in which the fluctuation has not occurred, based on an appearance frequency of a component value perpendicular to the direction of the fluctuation component vector.
  • Feature quantity storage means for storing the feature quantity of the reference component;
  • An update unit for newly storing the feature amount of the reference component in the feature amount storage unit when the feature amount of the reference component acquired by the feature amount acquisition unit is not stored in the feature amount storage unit;
  • a data processing apparatus further comprising: 14-5.
  • a feature amount storage means for storing, as teacher data, a feature amount of a reference component that does not include a fluctuation component related to fluctuations in current consumption and power consumption;
  • An estimation time acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption;
  • An estimation time reference component extracting means for extracting the reference component from the measurement data;
  • Estimation time feature quantity acquisition means for acquiring the feature quantity of the reference component extracted by the estimation time reference component extraction means;
  • Estimation means for estimating an operating state of the electrical device based on the teacher data and the feature amount of the reference component acquired by the estimation-time feature amount acquisition means;
  • a data processing apparatus 14-6.
  • the feature amount storage means further stores the feature amount of the variation component as the teacher data, It further has an estimation time fluctuation component extracting means for extracting the fluctuation component from the measurement data,
  • the estimation time feature amount acquisition means further acquires the feature amount of the fluctuation component extracted by the estimation time fluctuation component extraction means,
  • the estimation unit is a data processing device that estimates an operating state of the electrical device based on the teacher data and the feature amount of the reference component and the feature amount of the variation component acquired by the estimation-time feature amount acquisition unit. . 14-7.
  • Feature quantity storage means for storing feature quantities of fluctuation components relating to fluctuations in current consumption and power consumption, and feature quantities of reference components not including the fluctuation components;
  • An estimation time acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption;
  • An estimation time feature amount acquisition means for acquiring a feature amount of the measurement data;
  • the feature amount of the reference component, the teacher data including the sum of the feature amount of the reference component and the feature amount of the variation component, and the feature of the measurement data acquired by the estimation-time feature amount acquisition unit
  • Estimating means for estimating the operating status of the electrical equipment based on the quantity;
  • Feature quantity acquisition means for acquiring the feature quantity of the reference component; Program to function as. 14-10.
  • a feature amount of a reference component that does not include a fluctuation component related to fluctuations in current consumption and power consumption is stored as teacher data, An estimation time acquisition step of acquiring measurement data indicating a time change of at least one of current consumption and power consumption; An estimation time reference component extraction step for extracting the reference component from the measurement data; An estimation time feature amount acquisition step of acquiring a feature amount of the reference component extracted in the estimation time reference component extraction step; Based on the teacher data and the feature amount of the reference component acquired in the estimation-time feature amount acquisition step, an estimation step of estimating an operating state of the electrical device; Data processing method to execute. 14-11.
  • a feature amount storage means for storing, as teacher data, a feature amount of a reference component that does not include a fluctuation component related to fluctuations in current consumption and power consumption;
  • An estimation time acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption;
  • An estimation time reference component extraction means for extracting the reference component from the measurement data;
  • An estimation time feature amount acquisition means for acquiring a feature amount of the reference component extracted by the estimation time reference component extraction means;
  • Estimation means for estimating an operating state of the electrical device based on the teacher data and the feature amount of the reference component acquired by the estimation-time feature amount acquisition means; Program to function as. 14-12.
  • the feature amount of the fluctuation component related to the fluctuation of the consumption current and the power consumption, and the feature amount of the reference component not including the fluctuation component are stored, An estimation time acquisition step of acquiring measurement data indicating a time change of at least one of current consumption and power consumption; An estimation-time feature value acquisition step of acquiring a feature value of the measurement data; The feature amount of the reference component, the teacher data including the sum of the feature amount of the reference component and the feature amount of the variation component, and the feature of the measurement data acquired in the estimation feature amount acquisition step An estimation step for estimating the operating status of the electrical device based on the quantity; Data processing method to execute. 14-13.
  • Computer Feature amount storage means for storing feature amounts of fluctuation components relating to fluctuations in current consumption and power consumption, and feature amounts of reference components not including the fluctuation components;
  • An estimation time acquisition means for acquiring measurement data indicating a time change of at least one of current consumption and power consumption;
  • An estimation time feature amount acquisition means for acquiring a feature amount of the measurement data;
  • the feature amount of the reference component, the teacher data including the sum of the feature amount of the reference component and the feature amount of the variation component, and the feature of the measurement data acquired by the estimation-time feature amount acquisition unit
  • Estimating means for estimating the operating status of the electrical equipment based on the quantity; Program to function as.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

　上記課題を解決するための手段として、電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得部（１０）と、消費電流及び消費電力の基準成分を、測定データから抽出する基準成分抽出部（２０）と、基準成分の特徴量を取得する特徴量取得部（３０）と、を有するデータ処理装置（１）を提供する。

Description

データ処理装置、データ処理方法、及び、プログラム
　本発明は、データ処理装置、データ処理方法、及び、プログラムに関する。
　電気機器個別の稼働状況（ＯＮ／ＯＦＦ、消費電力等）は、それぞれの機器の電源等に測定機を取り付けることで簡単に把握することができる。しかし、設置に手間がかかることから使用者に負担を強いるという問題や、測定機のコストがかかってしまうという問題がある。
　これを解決する手段として、特許文献１の方法が挙げられる。この方法では、給電引込口付近で計測する電圧・電流の情報を用いて電気機器個別の稼働状況を推定する。この方法によれば、全ての機器に電力測定機を取り付ける方法と比べて使用者の負担やコストを軽減できる。
　また、特許文献２には、複数の電気機器に接続され、電力需用測定結果から電気機器の種類等を推定する機器推定装置が開示されている。当該機器推定装置は、測定結果から複数の電気機器の電力需用が重畳された時間変動波形及びその電力需用変動量の大きさを抽出し、電力需用変動量の大きさ毎に、その電力需用変動量の大きさのみから成る複数の時間変動波形を抽出する電力需用変動解析部と、時間変動波形の周期分布から代表周期を抽出する周期分布解析部と、複数の電気機器の間欠運転時固有の特徴を記憶するデータベースと、抽出された電力需用変動量の大きさ及び代表周期と、記憶されている電気機器の間欠運転時固有の特徴との比較により、間欠運転中の電気機器を推定する推定部と、を有する。
特許第３４０３３６８号 特開２００９－２５７９５２号
　稼動中に短い時間内で消費電流及び消費電力が所定幅以上変動し得る電気機器が存在する。例えば、ノートＰＣなど、インバータを備えた電気機器等が該当する。ノートＰＣは、例えばＣＰＵの使用率等に応じ、短い時間内で消費電流及び消費電力が所定幅以上変動する。
　特許文献１及び２に記載の技術は、このような変動に対して、形状や振幅が異なる複数の電流波形の教師データを準備する必要があり、当該変動を十分に網羅するように教師データの準備をした上で、給電引込口付近で計測した測定データの処理等を行わなければ、推定の精度が悪くなる等の問題が発生し得る。
　本発明は、電気機器の稼働状況を推定するための新たな技術を提供することを課題とする。
　本発明によれば、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段と、
　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出手段と、
　前記基準成分の特徴量を取得する特徴量取得手段と、
を有するデータ処理装置が提供される。
　また、本発明によれば、
　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶する特徴量記憶手段と、
　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定手段と、
を有するデータ処理装置が提供される。
　また、本発明によれば、
　コンピュータが、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得工程と、
　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出工程と、
　前記基準成分の特徴量を取得する特徴量取得工程と、
を実行するデータ処理方法が提供される。
　また、本発明によれば、
　コンピュータが、
　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶しておき、
　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定工程を実行するデータ処理方法が提供される。
　また、本発明によれば、
　コンピュータを、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段、
　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出手段、
　前記基準成分の特徴量を取得する特徴量取得手段、
として機能させるためのプログラムが提供される。
　また、本発明によれば、
　コンピュータを、
　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶する特徴量記憶手段、
　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定手段、
として機能させるためのプログラムが提供される。
　本発明によれば、電気機器の稼働状況を推定するための新たな技術が実現される。
　上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。
本実施形態の装置のハードウエア構成の一例を概念的に示す図である。 本実施形態のデータ処理装置の機能ブロック図の一例である。 本実施形態の測定データの一例を示す図である。 本実施形態の基準成分抽出部の機能ブロック図の一例である。 本実施形態の頻度データの一例を示す図である。 頻度データに基づき稼働状況グループに分ける処理例を説明するための図である。 頻度データに基づき稼働状況グループに分ける処理例を説明するための図である。 測定データをグループ化した結果をまとめた情報の一例を模式的に示す図である。 本実施形態のデータ処理装置の処理の流れの一例を示すフローチャートである。 本実施形態のデータ処理装置の機能ブロック図の一例である。 本実施形態の教師データの一例を模式的に示す図である。 本実施形態のデータ処理装置の処理の流れの一例を示すフローチャートである。 本実施形態のデータ処理装置の機能ブロック図の一例である。 本実施形態のデータ処理装置の機能ブロック図の一例である。 本実施形態の教師データの一例を模式的に示す図である。 変動に関する電流波形の特徴を説明するための図である。 本実施形態のデータ処理装置の機能ブロック図の一例である。
　まず、本実施形態の装置のハードウエア構成の一例について説明する。本実施形態の装置が備える各部は、任意のコンピュータのＣＰＵ（Central Processing Unit）、メモリ、メモリにロードされるプログラム、そのプログラムを格納するハードディスク等の記憶ユニット（あらかじめ装置を出荷する段階から格納されているプログラムのほか、ＣＤ（Compact Disc）等の記憶媒体やインターネット上のサーバ等からダウンロードされたプログラムをも格納できる）、ネットワーク接続用インタフェイスを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。
　図１は、本実施形態の装置のハードウエア構成の一例を概念的に示す図である。図示するように、本実施形態の装置は、例えば、バス１０Ａで相互に接続されるＣＰＵ１Ａ、ＲＡＭ（Random Access Memory）２Ａ、ＲＯＭ（Read Only Memory）３Ａ、表示制御部４Ａ、ディスプレイ５Ａ、操作受付部６Ａ、操作部７Ａ、通信部８Ａ、補助記憶装置９Ａ等を有する。なお、図示しないが、その他、外部機器と有線で接続される入出力インタフェイス、マイク、スピーカ等の他の要素を備えてもよい。
　ＣＰＵ１Ａは各要素とともに装置のコンピュータ全体を制御する。ＲＯＭ３Ａは、コンピュータを動作させるためのプログラムや各種アプリケーションプログラム、それらのプログラムが動作する際に使用する各種設定データなどを記憶する領域を含む。ＲＡＭ２Ａは、プログラムが動作するための作業領域など一時的にデータを記憶する領域を含む。補助記憶装置９Ａは、例えばＨＤＤ（Hard Disc Drive）であり、大容量のデータを記憶可能である。
　ディスプレイ５Ａは、例えば、表示装置（ＬＥＤ（Light Emitting Diode）表示器、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等）である。ディスプレイ５Ａは、タッチパッドと一体になったタッチパネルディスプレイであってもよい。表示制御部４Ａは、ＶＲＡＭ（Video RAM）に記憶されたデータを読み出し、読み出したデータに対して所定の処理を施した後、ディスプレイ５Ａに送って各種画面表示を行う。操作受付部６Ａは、操作部７Ａを介して各種操作を受付ける。操作部７Ａは、操作キー、操作ボタン、スイッチ、ジョグダイヤル、タッチパネルディスプレイ、キーボードなどを含む。通信部８Ａは、有線及び／または無線で、インターネット、ＬＡＮ（Local Area Network）等のネットワークに接続し、他の電子機器と通信する。
　以下、本実施の形態について説明する。なお、以下の実施形態の説明において利用する機能ブロック図は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。これらの図においては、各装置は１つの機器により実現されるよう記載されているが、その実現手段はこれに限定されない。すなわち、物理的に分かれた構成であっても、論理的に分かれた構成であっても構わない。なお、同一の構成要素には同一の符号を付し、適宜説明を省略する。
＜第１の実施形態＞
　まず、本実施形態の概要について説明する。電気機器の中には、稼動中に短い時間内で消費電流及び消費電力が所定幅以上変動し得る電気機器が存在する。例えば、インバータを備えた電気機器（例：ノートＰＣ等）が該当する。なお、このような変動が起こらない電気機器（例：インバータを備えない照明等）も存在する。
　本実施形態のデータ処理装置１は、１つまたは複数の電気機器が稼働中に測定された消費電流及び消費電流の少なくとも一方の時間変化を示す測定データを取得すると、上記変動に関する成分（変動成分）を含まない基準成分を抽出する。そして、データ処理装置１は、抽出した基準成分から特徴量を取得する。以下、詳細に説明する。
　まず、本実施形態のデータ処理装置１の構成について詳細に説明する。図２に、本実施形態のデータ処理装置１の機能ブロック図の一例を示す。図示するように、データ処理装置１は、測定データ取得部１０と、基準成分抽出部２０と、特徴量取得部３０とを有する。
　測定データ取得部１０は、電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する。測定データには、１つの電気機器の成分のみが含まれてもよいし、複数の電気機器の成分が含まれてもよい。後者の場合、複数の電気機器の成分が同時に現れてもよい。
　例えば、電力需要家各々の施設（例：家、オフィス、店舗等）に設けられた基幹電源、給電（電源）引込口、分電盤及びコンセント等の設備付近に測定装置が設けられてもよい。そして、測定データ取得部１０は、需要家の日常生活の中で上記測定装置が測定した測定データを、電力需要家毎に取得してもよい。このようにすれば、各電力需要家に対応して取得した測定データの中に、各電力需要家が自分の施設内で使用している電気機器の成分（消費電流及び消費電力）が含まれることとなる。また、各電力需要家による複数の電気機器の使用パターンを表す測定データが得られる。複数の電気機器の使用パターンとは、「電気機器Ａは単独で使用される場合がある」、「電気機器Ａと電気機器Ｂは同時に使用される場合がある」等、電気機器の組み合わせパターンを意味する。
　データ処理装置１は、各電力需要家の施設内に設けられてもよい。そして、測定データ取得部１０は、有線及び／又は無線での任意の通信手段を用いて、上記測定装置から測定データを取得してもよい。その他、データ処理装置１は、インターネット等のネットワーク上に設けられてもよい（例：クラウドサーバ）。この場合、各電力需要家の施設に、測定装置が測定した測定データをデータ処理装置１に送信する送信装置が備えられる。測定データ取得部１０は、当該送信装置が送信してきた測定データを受信する。
　図３に、測定データ取得部１０が取得する測定データの一例を示す。図３は、ある日の８時から１９時までの間の消費電力の時間変化を示す測定データである。
　図２に戻り、基準成分抽出部２０は、消費電流及び消費電力の変動に関する変動成分が含まれない基準成分を、測定データ取得部１０が取得した測定データから抽出する。本実施形態の「変動」は、短い時間（例：数秒、数分）内で消費電流及び消費電力が所定幅以上（例：その時間内の最大値と最小値の差が５０ｍＡ以上、５Ｗ以上）で変動することを意味する。所定幅以上の変動は、規則的に現れてもよいし、不規則に現れてもよい。測定誤差や、周囲環境の変化に起因した微小な変動は、本実施形態の「変動」に含まれない。以下、上述した本実施形態の変動を「上記変動」という場合がある。上記変動の定義における「所定幅」は、以下で図６を用いて説明するΔＰの定数倍であってもよい。
　電気機器の中には、稼動中に短い時間内で消費電流及び消費電力が所定幅以上変動し得る電気機器が存在する。例えば、インバータを備えたノートＰＣ等の電気機器が該当する。上記変動は、例えば、インバータ等によりもたらされる。例えば、インバータを備えたノートＰＣの場合、ＣＰＵの使用率の変動に応じて、上記変動が起きる。一方、ＣＰＵの使用率が一定である場合、上記変動は起きない。「変動し得る」とは、電気機器の設計上、上記変動は起きるが、必ずしも常時上記変動が起きるものではないことを意味する。上記変動は間欠的に起こる。すなわち、電気機器の稼動中、上記変動が起きている時間帯と上記変動が起きていない時間帯とが混在する。
　なお、電気機器の中には、上記変動が起きない電気機器も存在する。例えば、インバータを備えない照明等が該当する。
　上記変動が起こっている間、消費電流及び消費電力は変動する。すなわち、上記変動が起こっている間、消費電流及び消費電力は様々な値をとる。一方、上記変動が起こっていない間、消費電流及び消費電力は変動しない。すなわち、上記変動が起こっていない間、消費電流及び消費電力はほぼ一定の値をとる。
　このため、消費電流及び消費電力の測定データにおいて、上記変動が起こっていない時の値各々が現れる頻度（出現頻度）は、上記変動が起こっている時の値各々が現れる頻度（出現頻度）よりも高くなる。基準成分抽出部２０は、このような特徴を利用して、測定データの中から基準成分を抽出する。
　図４に、基準成分抽出部２０の機能ブロック図の一例を示す。図示するように、基準成分抽出部２０、分離部２１と、抽出部２２とを有する。
　分離部２１は、測定データを、値の出現頻度に基づき、上記変動が起きているグループと、上記変動が起きていないグループとに分ける。分離部２１は、出現頻度が相対的に高い値を、変動が起きていないグループに分類する。
　例えば、分離部２１は、出現頻度が相対的に高い値、及び、その周辺の値を、上記変動が起きていないグループに分類してもよい。そして、分離部２１は、その他の値を上記変動が起きているグループに分類してもよい。
　ここで分離部２１による処理の一例を説明する。まず、分離部２１は、図３に示すような測定データから、図５に示すような頻度データを得る。図５は、図３の消費電力データに対してガウスカーネルのカーネル密度推定を適用した密度分布であり、横軸が電力、縦軸が頻度である。なお、当該例では、説明を簡単にするため、密度分布を消費電力で示したが、他の種類の値の頻度データを得てもよい。他の種類の値は、例えば電流、電流波形を周波数分解したときの基準波形や高調波の強度及び位相、力率や電流波形の最大値などであってもよい。さらには、これらの値を四則演算した値であってもよい。
　なお、データ種の選び方によっては、変動成分が存在しない時系列データ、又は、変動成分が少ない時系列データを得ることができる。このような時系列データに基づき上述した頻度データを生成すると、基準成分を精度よく抽出することができる。
　例えば、変動成分の要因となる電気機器（上記変動が起きる電気機器）がひとつだけ含まれているデータでは、変動成分ベクトルはひとつの方向になる。この変動成分ベクトルの方向に垂直な成分（データ種）を選択すれば、基準成分のみの時系列データを抽出することができる。変動成分ベクトルがひとつの方向になっていれば、変動成分の要因となる電気機器（上記変動が起きる電気機器）が複数含まれているデータであっても、上記と同様の抽出ができる。
　変動成分の要因となる電気機器（上記変動が起きる電気機器）が複数含まれ、変動成分ベクトルが複数ある場合は、複数の変動成分ベクトルの和の方向を上記ひとつの変動成分ベクトルとして、その変動成分ベクトルと垂直な成分（データ種）を得ることによって、変動成分が少ない時系列データを得ることができる。
　図５に示すような頻度データを得た後、分離部２１は、当該頻度データに現れる複数のピークの中から所定の条件を満たすピークを抽出する。これにより、ノイズ成分（ノイズピーク）が除去される。なお、本実施形態における「ピーク」は、山の頂上、すなわち、極大値を指す。そして、本実施形態では、ピークの前後のデータで構成される山を「ピークの山」という。
　所定の条件を満たすピークの抽出方法、すなわちノイズ成分の除去方法は様々であるが、例えば、半値幅ΔＰｋ（Ｐは消費電力、ｋはピークの番号）を計算できるピークを抽出してもよい。すなわち、半値幅ΔＰｋを計算できないピークはノイズ成分として除去してもよい。例えば、ピーク毎にピーク範囲を特定し、ピーク範囲内で半値幅ΔＰｋを計算できる（特定できる）ピークを抽出してもよい。ピーク範囲は、例えば、ピーク値（消費電力）を基準にして決定してもよい。例えば、ピーク範囲は、（ピーク値Ｐｋ－α１）以上、かつ、（ピーク値Ｐｋ＋α２）以下であってもよい。
　所定の条件を満たすピークの抽出方法のその他の例として、値（頻度）が所定値以上のピークを抽出してもよい。また、所定の高さにおけるピークの山の幅が所定値以下であるピークを抽出してもよい（例：ピークの山の高さ（ピークの値（頻度））の８０％の高さにおけるピークの山の幅が所定値以下）。その他、値（頻度）が大きい方から順に所定数のピークを抽出してもよい。
　なお、所定の範囲を示す際に利用する「以上」、「以下」、「未満」の組み合わせは設計的事項であり、例示したものから任意の組み合わせで変更可能である。当該前提は以下同様である。
　以上の処理により、図３に示す測定データの場合、図５に矢印で示す３つのピークが抽出される。ここで抽出されたピークは、上記変動が起こっていない時の特徴（図５の例の場合、消費電力）を顕著に示す。なお、抽出された複数のピークの特徴は、各々、異なる電気機器の稼働状況を示す。例えば、「稼動している電気機器が互い異なる」、「同じ電気機器が稼働しているが少なくとも１つの電気機器の稼働内容（実行中の処理内容）が互い異なる」等の違いが存在する。
　その後、分離部２１は、測定データを、抽出したピーク毎のグループに分ける。上述の通り、複数のピーク各々は、互いに異なる電気機器の稼働状況に対応したものである。ここでのグループ分けは、測定データを、電気機器の稼働状況毎に分けることを意味する。ピークが１つのみ抽出された場合、ここでのグループ分けは不要となる。稼働状況毎のグループに分けることで、各変動成分がどの稼働内容に対応するかを明確にできる。
　ここで、稼動状況毎のグループ分けの一例について説明する。例えば、（ピーク値Ｐｋ－β１）以上、かつ、（ピーク値Ｐｋ＋１－β２）未満を、ピーク値Ｐｋに対応するグループと定義し、グループ分けを行ってもよい。その他、（ピーク値Ｐｋ－β３）以上、かつ、（ピーク値Ｐｋ＋β４）未満を、ピーク値Ｐｋに対応するグループと定義し、グループ分けを行ってもよい。
　前者の例において、β１を半値幅ΔＰｋとし、β２を半値幅ΔＰｋ＋１と定義すると、以下の式であらわされる。
Figure JPOXMLDOC01-appb-M000001
　当該式によるグループ化の概念を図６に示す。図６は、図５のデータの右から２つのピークを抽出して拡大表示し、各ピークに対応するグループ１及び２の範囲を示している。図より、グループ１の範囲は、（ピーク値Ｐ１－ΔＰ１）以上、かつ、（ピーク値Ｐ２－ΔＰ２）未満となっていることが分かる。当該ルールに従い図３の測定データをグループ化すると、図７に示すようにグループ０乃至２に分けられる。
　上記グループ分けにより、図８に示すデータの一部が完成する。図８のデータは、測定データ各々を識別する情報（図の場合、測定時間）に、測定値（図の場合、消費電力）、稼動状況に応じたグループ分けの結果（図の場合、稼動状況グループ）、及び、上記変動発生の有無に応じたグループ分けの結果（図の場合、変動状況グループ）が対応付けられている。当該例の場合、測定データは１５秒毎となっているが、これに限定されない。
　稼動状況グループの欄に、上記グループ分けの結果が記載される。図示する例では、各測定データに、グループ０乃至２のいずれかが対応付けられている。なお、変動状況グループの欄は、以下の処理後に記載される。以下、稼動状況に応じたグループを（図７の例の場合、グループ０乃至２）、稼動状況グループという。
　上記グループ分けの後、分離部２１は、稼動状況グループ毎に、測定データを、上記変動が起きているグループと、上記変動が起きていないグループとに分ける。
　分離部２１は、（ピーク値Ｐｋ－γ１）以上、かつ、（ピーク値Ｐｋ＋γ２）以下に含まれる測定データを、上記変動が起きていないグループとし、その他を上記変動が起きているグループとする。例えば、γ１及びγ２の値としてΔＰｋの値を用いてもよい。これにより、図８に示す変動状況グループの欄が埋められる。図では、変動が発生しているグループに属するデータにフラグ（図の場合、チェックマーク）をたてている。
　以上により、分離部２１は、測定データを、電気機器の稼働状況毎にグループ化することができる。そして、分離部２１は、稼動状況グループ毎に、測定データを、上記変動が起きているグループと、上記変動が起きていないグループとに分けることができる。
　なお、上記では、測定データからピークを抽出する方法として、ガウスカーネルのカーネル密度推定、及び、半値幅ΔＰｋを利用した条件の利用を例示したが、データ密度の高い部分を抽出できる方法であれば他の方法を用いても構わない。
　また、分離部２１は、任意の長さ分の測定データを処理対象として、上記分離処理を行うことができる。例えば、分離部２１は、測定データ取得部１０から取得した測定データ全体を処理対象としてもよいし、取得した時系列データ全体からある時間範囲内だけ切り出した一部の時系列データを処理対象としてもよいし、さらには、移動平均のように時間範囲を少しずつずらしながら時系列データ全体をスキャンしてもよい（順に、処理対象とする）。
　図４に戻り、抽出部２２は、稼動状況グループ（図７の例の場合、グループ０乃至２）毎に、上記変動が起きていないグループの測定データの成分を、基準成分として抽出する。例えば、基準成分抽出部２０は、図８に示すデータに基づき、稼働状況グループ毎に、上記変動が起きていないグループに属する測定データを特定できる。抽出する基準成分は、電流波形、電流波形を周波数分解することで得られる基準波形及び高調波の波形、電力波形、電力波形の基準波形及び高調波の波形、力率の時間変化等であってもよい。さらには、これらの値を四則演算した値であってもよい。
　なお、上記変動が起きていないグループに含まれる複数の測定データの中には、測定誤差などに起因した小さなばらつきが存在し得る。基準成分抽出部２０は、複数の測定データから複数の基準成分（例：電流波形）を抽出した後、それらを平均化等することで１つの基準成分を得ることができる。そして、基準成分抽出部２０は、得られた基準成分（例：電流波形）を、その稼働状況グループの基準成分とすることができる。
　図２に戻り、特徴量取得部３０は、稼動状況グループ毎に、基準成分抽出部２０が抽出した基準成分の特徴量を取得する。例えば、特徴量取得部３０は、上述した基準成分そのものを特徴量として取得してもよい。その他、特徴量取得部３０は、上述した基準成分から所定の特徴量（例：波形の形状の特徴、基本波及び高調波の位相差、電流値差、電力差等）を取得してもよい。
　以上により、測定データ取得部１０が取得した測定データに含まれる基準成分の特徴量を、電気機器の稼働状況毎に取得することができる。
　次に、図９のフローチャートを用いて、本実施形態のデータ処理装置１の処理の流れの一例を説明する。
　まず、測定データ取得部１０が、電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する（Ｓ１０）。次に、基準成分抽出部２０が、Ｓ１０で取得された測定データから基準成分を抽出する（Ｓ１１）。その後、特徴量取得部３０が、Ｓ１１で抽出された基準成分の特徴量を取得する（Ｓ１２）。
　以上説明した本実施形態によれば、測定データの中から、電気機器の基準成分、すなわち、上記変動が起こっていない状態の成分を抽出することができる。そして、当該基準成分の特徴量を取得することができる。本実施形態の手法を用いることで、測定データから電気機器の基準成分に関する特徴量を抽出し、教師データとして蓄積することができる。また、本実施形態の手法を用いることで、測定データから電気機器の基準成分に関する特徴量を抽出した後、当該特徴量と教師データとに基づいて、電気機器の稼働状況を推定することができる。
　特許文献１に記載の発明では、上記変動の有無を考慮せず、電気機器の稼働状況を推定していた。すなわち、上記変動が起きている状態、及び、上記変動が起きていない状態を区別せず、各状態時に取得された測定データを同等に扱って、教師データの蓄積及び電気機器の稼動状況の推定を行っていた。当該手段の場合、十分な量の教師データがなければ電気機器の稼動状況の推定の精度が悪くなる。例えば、電気機器Ａの教師データとして、上記変動が起きていない時の特徴量を保持していた場合、推定処理時の測定データに上記変動の成分が含まれていると、当然、電気機器Ａの稼働状況を正確に推定できなくなる。なお、電気機器Ａの教師データとして、上記変動が起きている時の特徴量を保持し、測定データに上記変動成分が含まれていない場合も同様の事態が生じ得る。
　上記変動が起きていない時の成分（基準成分）の特徴量を取得できる本実施形態のデータ処理装置１によれば、上記変動が起きている状態、及び、上記変動が起きていない状態を明確に区別して、教師データの蓄積及び電気機器の稼動状況の推定を行うことができる。結果、特許文献１の手段と比較して、少ない量の教師データで電気機器の稼動状況の推定の精度を向上させることができる。
＜変形例＞
　上記例では、分離部２１は、測定データを、例えば上記（１）の式に基づき稼働状況毎のグループ（稼働状況グループ）に分離した後、稼動状況グループ毎に、測定データを、上記変動が起きているグループと、上記変動が起きていないグループとに分けていた。変形例として、稼動状況毎のグループに分ける処理を行わなくてもよい。
　例えば所定の電気機器におけるＣＰＵの使用率や、複数の電気を使用した場合など、稼働状況が複数あると、稼働状況ごとに変動成分は異なる。つまり、グループ分けされた稼働内容（実行中の処理内容）が異なると、それぞれの稼働内容のグループにおける変動成分も異なる。そのため、稼働状況毎にグループに分けを行い、変動成分を抽出することで、グループごとの各変動成分がどの稼働内容に対応するかを明確にすることができる。
＜第２の実施形態＞
　本実施形態のデータ処理装置１は、基準成分から取得された特徴量を教師データとして登録する機能を有する点で、第１の実施形態と異なる。その他の構成は、第１の実施形態と同様である。
　図１０に、本実施形態のデータ処理装置１の機能ブロック図の一例を示す。図示するように、データ処理装置１は、測定データ取得部１０と、基準成分抽出部２０と、特徴量取得部３０と、特徴量記憶部５０と、更新部６０とを有する。測定データ取得部１０、基準成分抽出部２０及び特徴量取得部３０の構成は、第１の実施形態と同様である。
　特徴量記憶部５０は、基準成分の特徴量を教師データとして記憶する。図１１に示すように、教師データは、基準成分の特徴量（説明変数）と、電気機器の稼働状況（目的変数）とのペアとなる。電気機器の稼動状況は、「電気機器Ａのみが稼働」、「電気機器Ａ及びＢが稼動」等、稼動中の電気機器を特定した内容となる。
　更新部６０は、特徴量取得部３０が基準成分の特徴量を取得すると、その特徴量が特徴量記憶部５０に既に記憶されているか判断する。そして、記憶されていない場合、更新部６０は、その特徴量を特徴量記憶部５０に新たに登録する。例えば、更新部６０は、比較対象（特徴量取得部３０が取得した特徴量と、特徴量記憶部５０に記憶されている任意の特徴量）同士の差分をとり、これらの合計や絶対値の和、実効値、ｎ乗和（ｎは実数）などの値が所定の閾値より小さい場合、同一と判断してもよい。
　なお、更新部６０は、新たな特徴量を特徴量記憶部５０に登録する場合、任意のタイミングで、その特徴量に対応する電気機器の稼働状況の内容の入力をユーザから受付けてもよい。例えば、更新部６０は、新たに登録する特徴量の基準成分が現れた時間をユーザに提示し、当該時間に稼働していた電気機器を指定する入力を受付けてもよい。そして、更新部６０は、入力された内容を、新たに登録する特徴量に対応付けて登録してもよい。
　次に、図１２のフローチャートを用いて、本実施形態のデータ処理装置１の処理の流れの一例を説明する。
　まず、測定データ取得部１０が、電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する（Ｓ２０）。次に、基準成分抽出部２０が、Ｓ２０で取得された測定データから基準成分を抽出する（Ｓ２１）。その後、特徴量取得部３０が、Ｓ２１で抽出された基準成分の特徴量を取得する（Ｓ２２）。
　次いで、更新部６０が、Ｓ２２で取得された基準成分の特徴量が特徴量記憶部５０に既に登録されているか確認する。登録されていない場合（Ｓ２３のＮｏ）、更新部６０は、当該基準成分の特徴量を特徴量記憶部５０に新たに登録する（Ｓ２４）。一方、登録されている場合（Ｓ２３のＹｅｓ）、更新部６０は、当該基準成分の特徴量を特徴量記憶部５０に新たに登録することなく処理を終了する。またここでは、当該変動成分の特徴量を用いて、登録されている特徴量を、例えば平均をとるなどして更新し、特徴量記憶部５０に登録し直して処理を終了してもよい。さらには、推定結果を比較するなどして、新しく抽出したデータの方が登録されているデータよりも結果を改善できるのであれば、新規に登録データを置き換えてもよい。
　以上説明した本実施形態によれば、電気機器の稼働状況を推定するための教師データ（基準成分の特徴量等）を蓄積していくことができる。また、第１の実施形態で説明したように、測定データ取得部１０が、電力需要家の日常生活の中で測定された測定データを取得する場合、各電力需要家が自分の施設内で実際に使用した電気機器の特徴量や、実際に行った電気機器の使用パターン（例：電気機器Ａ及び電気機器Ｂを同時に使用）に対応した特徴量を蓄積することができる。
＜第３の実施形態＞
　本実施形態のデータ処理装置１００は、第２の実施形態で蓄積された教師データを利用して、電気機器の稼動状況を推定する機能を有する。
　図１３に、本実施形態のデータ処理装置１００の機能ブロック図の一例を示す。図示するように、データ処理装置１００は、特徴量記憶部１０１と、推定時取得部１０２と、推定時基準成分抽出部１０３と、推定時特徴量取得部１０４と、推定部１０５とを有する。
　特徴量記憶部１０１は、消費電流及び消費電力の変動（上記変動）に関する成分（変動成分）を含まない基準成分の特徴量を教師データとして記憶する。特徴量記憶部１０１には、第２の実施形態で説明した特徴量記憶部５０に登録された教師データが記憶される。
　推定時取得部１０２は、消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する。推定時取得部１０２の構成は、第１及び第２の実施形態で説明した測定データ取得部１０の構成と同様である。
　推定時基準成分抽出部１０３は、推定時取得部１０２が取得した測定データから、基準成分を抽出する。推定時基準成分抽出部１０３の構成は、第１及び第２の実施形態で説明した基準成分抽出部２０の構成と同様である。例えば、推定時基準成分抽出部１０３は、所定時間前から現時点までの測定データを処理対象とし、第１及び第２の実施形態と同様な手法で、電気機器の稼動状況に応じたグループ（稼働状況グループ）分け、及び、上記変動発生の有無に応じたグループ分けを行う。結果、図８に示すようなデータが得られる。その後、推定時基準成分抽出部１０３は、現時点の測定データが属する稼動状況グループの基準成分を抽出する。
　推定時特徴量取得部１０４は、推定時基準成分抽出部１０３が抽出した基準成分の特徴量を取得する。推定時特徴量取得部１０４の構成は、第１及び第２の実施形態で説明した特徴量取得部３０の構成と同様である。
　推定部１０５は、特徴量記憶部１０１に記憶されている教師データと、推定時特徴量取得部１０４が取得した基準成分の特徴量とに基づいて、電気機器の稼動状況を推定する。推定部１０５による推定の具体的な手段は特段制限されず、あらゆる手法を採用できる。例えば、ニューラルネットワーク等の機械学習を利用してもよい。
　その後、データ処理装置１００は、推定部１０５による推定結果を、ディスプレイ等の出力装置を介して表示してもよい。例えば、「現在稼働している電気機器は、電気機器Ａ及び電気機器Ｂです。」等の情報が表示されてもよい。当該情報を参照することで、ユーザは、稼動中の電気機器を容易に把握することができる。そして、無駄な電気機器の稼動を停止するなどの節電努力が期待される。
　なお、本実施形態の変形例として、図１４に示すように構成することもできる。測定データ取得部１０、基準成分抽出部２０、特徴量取得部３０、特徴量記憶部５０及び更新部６０の構成は、第１及び第２の実施形態で説明した通りである。推定部１０５は、特徴量取得部３０が取得した基準成分の特徴量と、特徴量記憶部５０に記憶されている教師データとに基づいて、電気機器の稼動状況を推定する。当該変形例の場合、測定データ取得部１０が取得した測定データを、教師データを蓄積する処理、及び、電気機器の稼動状況を推定する処理の両方に併用できる。
　以上説明した本実施形態によれば、基準成分の特徴量を用いて、電気機器の稼動状況を推定することができる。特許文献１に記載の発明では、上記変動を区別せず、電気機器の稼働状況を推定していた。このため、仮に、電気機器Ａの教師データとして、上記変動が起きていない時の特徴量を保持していた場合、推定処理時の測定データに上記変動の成分が含まれていると、当然、電気機器Ａの稼働状況を正確に推定できなくなる。なお、電気機器Ａの教師データとして、上記変動が起きている時の特徴量を保持している場合も余分な教師データのために同様の事態が生じ得る。
　測定データから基準成分を取り出し、当該基準成分の特徴量に基づいて電気機器の稼動状況を推定する本実施形態によれば、上述のような不都合を軽減できる。
＜第４の実施形態＞
　本実施形態のデータ処理装置１００は、さらに、変動成分の特徴量を教師データとして用い、電気機器の稼動状況を推定することができる点で、第３の実施形態と異なる。その他の構成は、第３の実施形態と同様である。
　本実施形態のデータ処理装置１００の機能ブロック図の一例は、第３の実施形態と同様、図１３で示される。推定時取得部１０２の構成は、第３の実施形態と同様である。
　特徴量記憶部１０１は、基準成分の特徴量及び変動成分の特徴量を教師データとして記憶する。図１５に、測定データ取得部１０が記憶する教師データの一例を模式的に示す。図１５の教師データでは、電気機器の稼動状況（目的変数）に、基準成分の特徴量（説明変数）及び変動成分の特徴量（説明変数）が対応付けられている。
　なお、変動成分の特徴量を有さない稼働状況も存在する。例えば、上記変動が起きない電気機器のみが稼働している稼働状況等が該当する。このような稼動状況には、基準成分の特徴量のみを対応付けることができる。
　ここで、変動成分の特徴量を取得する手段の一例について説明する。例えば、第１の実施形態で説明したように、測定データを稼動状況グループ（図７の例の場合、グループ０乃至２）毎にグループ分けし、各稼働状況グループの基準成分を抽出した後、上記変動が起きているグループの測定データの成分から基準成分を差し引くことで、変動成分を抽出することができる。
　上記変動は、上記変動が起こってない時の状態をベースとし、そこから短い時間（例：数秒、数分）内で消費電流及び消費電力が所定幅以上（例：その時間内の最大値と最小値の差が５０ｍＡ以上、５Ｗ以上）変動するという形で現れる。このため、上記変動が起きているグループの測定データには、上記変動が起こってない時の成分（基準成分）及び上記変動の成分（変動成分）が含まれることとなる。このため、上記変動が起きているグループの測定データの成分（基準成分＋変動成分）から基準成分を差し引くことで、変動成分が得られることとなる。
　このようにして得られた変動成分から、所定の特徴量（例：波形の形状の特徴、基本波及び高調波の位相差、電流値差、電力差等）を取得することができる。なお、本実施形態の場合、電流波形を変動成分とし、当該電流波形から特徴量を取得するのが好ましい。以下、この理由を説明する。
　本発明者らは、上記変動が起きているとき、電力、電流及び力率の値等は変動するが、電流波形の形状は変化しないことを新たに見出した。すなわち、電力、電流及び力率の値等は上記変動の状態（例：ＣＰＵの使用率等）に応じて変動するが、電流波形の形状は上記変動の状態（例：ＣＰＵの使用率等）に関わらず一定である。
　そして、本発明者らはさらに、電流波形の形状は、各電気機器に特有のもの（例：インバータの種類に応じたもの）となることを新たに見出した。
　このため、変動成分として抽出された電流波形の形状は、同じ稼動状況下では同じ形状となり、かつ、稼動状況毎に特有の形状となる。
　図１６は、同じ稼動状況下で上記変動が起こっている間に測定された互いに電力が異なる測定データ（電流波形）を重ねてプロットした図である。すなわち、図１６は、同じ稼働状況グループに属する互いに電力が異なる測定データ（電流波形）を重ねてプロットした図である。本発明者らは、これら３つの電流波形に対して位相の調整（時間軸方向のズレの調整）、及び、振幅の調整（波形を拡大・縮小し、振幅を揃える修正）を行うと、３つの電流波形が一致することを確認している。このため、電流波形に着目すると、上記変動が起きているグループの測定データすべてに共通の変動成分の特徴を抽出することができる。
　すなわち、変動成分を電流波形とすると、稼動状況グループ毎に、上記変動が起きているグループの測定データすべてに共通の特徴量を抽出することができる。これに対し、上記変動の状態（例：ＣＰＵの使用率等）に応じて変動する電流や電力等を変動成分として採用した場合、上記変動が起きているグループの測定データすべてに共通の特徴量を抽出することができない。かかる場合、複数の特徴量により、当該稼働状況グループの変動成分の特徴を網羅することとなる。このため、変動成分を電流波形とすると、扱うデータの数（教師データの数等）を減らすことができる。
　なお、図１６に示すように、上記変動が起きているグループの測定データの中からは、電流波形の形状は同じであるが、振幅は互いに異なる複数の変動成分が抽出され得る。この場合、複数の変動成分を平均化したものを各稼働状況グループの代表としてもよい。そして、代表の変動成分から特徴量を取得してもよい。また、図１６に示すように、上記変動が起きているグループの測定データの中からは、電流波形の形状は同じであるが、位相は互いに異なる複数の変動成分が抽出され得る。この場合、上記平均化の前に、位相を揃える補正を行ってもよい。
　例えば、以下のような手法で、稼働状況グループ毎に、複数の変動成分の中から代表の変動成分を決定してもよい。
　まず、変動成分（電流波形）の特徴量ｆｉ，ｊ（ｊは変動成分のｉｄ、ｉはその変動成分から抽出する特徴量のｉｄ）を、式（２）のように、ある基準値Ｃ（ｆｊ）で規格化する。規格化するための基準値は、消費電力、電流波形の最大値、最小値、電流波形の積分値、実効値など、基準になる値であればどのような値を利用してもよい。
Figure JPOXMLDOC01-appb-M000002
　規格化を行った後は、ノイズＮ（ｆｊ）の値が小さい電流波形の重みの値を大きくし、ノイズが大きい変動波形の重みの値を小さくして、加重平均をとる。このようにして得られた電流波形を、代表の変動成分とすることができる。
　なお、変動成分は、電力やその他の規格化用の値に比例して、位相がずれている場合もある。このような場合はまず、各変動成分（電流波形）に対して、規格化用の値を使って位相を合わせてから加重平均をとることができる。例えば、加重平均の重みをノイズＮ（ｆｊ）の逆数とすれば、以下の式（３）により、代表の変動成分Ｆｉが得られる。
Figure JPOXMLDOC01-appb-M000003
　ここで用いる重みの値は式（２）のような値でもよいし、電力の値をｎ乗（ｎは実数）した値であっても構わない。また、予め電力の大きさとノイズの関係をモデル化するなどして関数の形にしてもよい。ノイズをモデル化できていればここで用いるモデル関数の形は、物理モデルを用いても機械学習等を用いてもどのような形でもよい。上記処理を稼動状況グループ毎に行うことで、各稼動状況グループに特有の変動成分が得られる。
　図１３に戻り、推定時基準成分抽出部１０３は、推定時取得部１０２が取得した測定データから、基準成分に加えて、変動成分を抽出する。例えば、推定時基準成分抽出部１０３は、所定時間前から現時点までの測定データを処理対象とし、第１乃至第３の実施形態と同様な手法で、電気機器の稼動状況に応じたグループ（稼働状況グループ）分け、及び、上記変動発生の有無に応じたグループ分けを行う。結果、図８に示すようなデータが得られる。その後、推定時基準成分抽出部１０３は、現時点の測定データが属する稼動状況グループの基準成分及び変動成分を、上述した処理に準じて抽出する。
　なお、測定データから変動成分が抽出されない場合もある。例えば、インバータを備えない電気機器のみが稼働している稼働状況下では、変動成分は抽出されない。推定時基準成分抽出部１０３は、変動成分が抽出されない場合、基準成分のみを抽出する。
　推定時特徴量取得部１０４は、推定時基準成分抽出部１０３が抽出した基準成分及び変動成分各々の特徴量を取得する。なお、推定時基準成分抽出部１０３が基準成分のみを抽出した場合、推定時特徴量取得部１０４は、基準成分の特徴量のみを取得する。
　推定部１０５は、特徴量記憶部１０１に記憶された教師データと、推定時特徴量取得部１０４が取得した基準成分の特徴量及び変動成分の特徴量とに基づいて、電気機器の稼動状況を推定する。推定部１０５による推定の具体的な手段は特段制限されず、あらゆる手法を採用できる。例えば、ニューラルネットワーク等の機械学習を利用してもよい。
　推定部１０５は、例えば、特徴量記憶部１０１に記憶された基準成分の特徴量（説明変数）と電気機器の稼動状況（目的変数）とからなる教師データ、及び、推定時特徴量取得部１０４が取得した基準成分の特徴量に基づいて、電気機器の稼動状況を推定することができる。また、推定部１０５は、特徴量記憶部１０１に記憶された変動成分の特徴量（説明変数）と電気機器の稼動状況（目的変数）とからなる教師データ、及び、推定時特徴量取得部１０４が取得した変動成分の特徴量に基づいて、電気機器の稼動状況を推定することができる。
　推定部１０５は、上記２つの推定処理を利用して、電気機器の稼動状況を推定することができる。例えば、いずれか一方の推定処理を優先的に利用し、推定結果を得られない場合、他方の推定処理を利用してもよい。
　以上説明した本実施形態によれば、第３の実施形態と同様な作用効果を実現できる。また、基準成分の特徴量と変動成分の特徴量を組み合わせて電気機器の稼動状況を推定することで、推定の精度をより高めることが期待される。
　例えば所定の電気機器におけるＣＰＵの使用率や、複数の電気を使用した場合など、稼働状況が複数あると、稼働状況ごとに変動成分は異なる。つまり、グループ分けされた稼働内容（実行中の処理内容）が異なると、それぞれの稼働内容のグループにおける変動成分も異なる。そのため、稼働状況毎にグループに分けを行い、変動成分を抽出することで、グループごとの各変動成分がどの稼働内容に対応するかを明確にすることができる。
　なお、本実施形態においても、第４の実施形態と同様な変形例（図１４参照）を採用できる。
＜変形例＞
　上記例では、分離部２１は、測定データを、例えば上記（１）の式に基づき稼働状況毎のグループ（稼働状況グループ）に分離した後、稼動状況グループ毎に、測定データを、上記変動が起きているグループと、上記変動が起きていないグループとに分けていた。変形例として、稼動状況毎のグループに分ける処理を行わなくてもよい。
　この場合、分離部２１は、（ピーク値Ｐｋ－γ１）以上、かつ、（ピーク値Ｐｋ＋γ２）以下に含まれる測定データを、上記変動が起きていないグループとし、その他を上記変動が起きているグループに分けることができる。そして、（ピーク値Ｐｋ＋γ２）より大、かつ、（ピーク値Ｐｋ＋１－γ１）以下の測定データ（上記変動が起きているグループの測定データ）の所定の成分から、（ピーク値Ｐｋ－γ１）以上、かつ、（ピーク値Ｐｋ＋γ２）以下に含まれる測定データ（上記変動が起きていないグループの測定データ）から抽出された基準成分を差し引くことで、変動成分を抽出することができる。
＜第５の実施形態＞
　本実施形態のデータ処理装置１００は、基準成分の特徴量と変動成分の特徴量を利用して、電気機器の稼動状況を推定する点で第４の実施形態と共通するが、推定処理の内容が異なる。以下、説明する。
　図１７に、本実施形態の機能ブロック図の一例を示す。図示するように、データ処理装置１００は、特徴量記憶部１０１と、推定時取得部１０２と、推定時特徴量取得部１０４と、推定部１０５とを有する。特徴量記憶部１０１及び推定時取得部１０２の構成は、第４の実施形態と同様である。
　推定時特徴量取得部１０４は、推定時取得部１０２が取得した測定データの特徴量を取得する。第４の実施形態では、測定データから基準成分及び変動成分を抽出し、各々から特徴量を取得した。これに対し、本実施形態では、基準成分及び変動成分の両方が含まれ得る測定データから特徴量を取得する。推定時特徴量取得部１０４は、現時点の測定データを処理対象として、所定の特徴量を取得する。
　推定部１０５は、特徴量記憶部１０１に記憶された（１）「基準成分の特徴量」、及び、（２）「基準成分の特徴量と変動成分の特徴量を足し合わせた合算特徴量」を含む教師データと、推定時特徴量取得部１０４が取得した測定データの特徴量とに基づいて、電気機器の稼動状況を推定する。推定部１０５による推定の具体的な手段は特段制限されず、あらゆる手法を採用できる。例えば、ニューラルネットワーク等の機械学習を利用してもよい。
　本実施形態の場合、推定時特徴量取得部１０４が取得した測定データの特徴量は、（基準成分＋変動成分）の特徴量、又は、基準成分の特徴量となる。すなわち、現時点で上記変動が起こっている場合、推定時特徴量取得部１０４が取得した測定データの特徴量は、（基準成分＋変動成分）の特徴量となる。一方、現時点で上記変動が起こっていない場合、推定時特徴量取得部１０４が取得した測定データの特徴量は、基準成分の特徴量となる。
　そこで、推定部１０５は、特徴量記憶部１０１に記憶された（１）「基準成分の特徴量」、及び、（２）「基準成分の特徴量と変動成分の特徴量を足し合わせた合算特徴量」を含む教師データを用いて稼働状況の推定を行う。
　合算特徴量は、同じ稼働状況に対応付けられた基準成分の特徴量及び変動成分の特徴量（図１５参照）を足し合わせることで生成される。なお、変動成分の特徴量に対して複数のバリエーションの補正を行った後に、補正後の変動成分の特徴量各々に基準成分の特徴量を足し合わせることで、複数の合算特徴量を生成してもよい。図９を用いて説明したように、変動成分として電流波形を採用した場合、測定データから抽出される電流波形（変動成分）の形状は一致するが、位相や振幅は互いに相違する。そこで、電流波形の形状に関する特徴量を保持している場合、基準成分である電流波形の形状に関する特徴量と足し合わせる前に、変動成分の電流波形に対して位相や振幅のズレを考慮した補正を行ってもよい。このような補正（位相や振幅の調整）により、予め保持している１つの変動成分の特徴量から、測定データに現れる複数の変動成分の特徴量を再現することができる。
　以上説明した本実施形態によれば、第３及び第４の実施形態と同様な作用効果を実現できる。
　以下、参考形態の例を付記する。
１．　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段と、
　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出手段と、
　前記基準成分の特徴量を取得する特徴量取得手段と、
を有するデータ処理装置。
２．１に記載のデータ処理装置において、
　前記基準成分抽出手段は、
　　前記測定データにおける各値の出現頻度に基づいて前記基準成分を抽出する分離手段を有するデータ処理装置。
３．　１に記載のデータ処理装置において、
　前記基準成分抽出手段は、
　　前記測定データにおける各値の出現頻度を示すデータに現れるピークの山の幅に基づいて前記基準成分を抽出する分離手段を有するデータ処理装置。
４．　１に記載のデータ処理装置において、
　前記基準成分抽出手段は、
　　前記測定データを、値の出現頻度に基づき、消費電流及び消費電力の変動が起きているグループと、前記変動が起きていないグループとに分ける分離手段と、
　　前記変動が起きていないグループの前記測定データから前記基準成分を抽出する抽出手段と、
を有するデータ処理装置。
５．　４に記載のデータ処理装置において、
　前記分離手段は、変動成分ベクトルの方向に垂直な成分の値の出現頻度に基づき、前記変動が起きているグループと、前記変動が起きていないグループとに分けるデータ処理装置。
６．　１から５のいずれかに記載のデータ処理装置において、
　前記基準成分の特徴量を記憶する特徴量記憶手段と、
　前記特徴量取得手段が取得した前記基準成分の特徴量が前記特徴量記憶手段に記憶されていない場合、当該基準成分の特徴量を前記特徴量記憶手段に新たに記憶させる更新手段と、
をさらに有するデータ処理装置。
７．　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶する特徴量記憶手段と、
　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定手段と、
を有するデータ処理装置。
８．　７に記載のデータ処理装置において、
　前記特徴量記憶手段は、前記電気機器の消費電流及び消費電力の変動成分の特徴量を前記教師データとしてさらに記憶し、
　前記推定手段は、前記基準成分に関する前記教師データ及び前記変動成分に関する前記教師データに基づいて、前記電気機器の稼動状況を推定するデータ処理装置。
９．　８に記載のデータ処理装置において、
　前記推定手段は、前記基準成分の特徴量と前記変動成分の特徴量とを足し合わせた合算特徴量に基づき、前記電気機器の稼動状況を推定するデータ処理装置。
１０．　コンピュータが、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得工程と、
　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出工程と、
　前記基準成分の特徴量を取得する特徴量取得工程と、
を実行するデータ処理方法。
１０－２．１０に記載のデータ処理方法において、
　前記基準成分抽出工程は、
　　前記測定データにおける各値の出現頻度に基づいて前記基準成分を抽出する分離工程を有するデータ処理方法。
１０－３．　１０に記載のデータ処理方法において、
　前記基準成分抽出工程は、
　　前記測定データにおける各値の出現頻度を示すデータに現れるピークの山の幅に基づいて前記基準成分を抽出する分離工程を有するデータ処理方法。
１０－４．　１０に記載のデータ処理方法において、
　前記基準成分抽出工程は、
　　前記測定データを、値の出現頻度に基づき、消費電流及び消費電力の変動が起きているグループと、前記変動が起きていないグループとに分ける分離工程と、
　　前記変動が起きていないグループの前記測定データから前記基準成分を抽出する抽出工程と、
を有するデータ処理方法。
１０－５．　１０－４に記載のデータ処理方法において、
　前記分離工程では、変動成分ベクトルの方向に垂直な成分の値の出現頻度に基づき、前記変動が起きているグループと、前記変動が起きていないグループとに分けるデータ処理方法。
１０－６．　１０から１０－５のいずれかに記載のデータ処理方法において、
　前記コンピュータが、前記基準成分の特徴量を記憶しておき、
　前記特徴量取得工程で取得した前記基準成分の特徴量が記憶されていない場合、当該基準成分の特徴量を新たに記憶する更新工程をさらに実行するデータ処理方法。
１１．　コンピュータが、
　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶しておき、
　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定工程を実行するデータ処理方法。
１１－２．　１１に記載のデータ処理方法において、
　前記コンピュータは、前記電気機器の消費電流及び消費電力の変動成分の特徴量を前記教師データとしてさらに記憶しておき、
　前記推定工程では、前記基準成分に関する前記教師データ及び前記変動成分に関する前記教師データに基づいて、前記電気機器の稼動状況を推定するデータ処理方法。
１１－３．　１１－２に記載のデータ処理方法において、
　前記推定工程では、前記基準成分の特徴量と前記変動成分の特徴量とを足し合わせた合算特徴量に基づき、前記電気機器の稼動状況を推定するデータ処理方法。
１２．　コンピュータを、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段、
　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出手段、
　前記基準成分の特徴量を取得する特徴量取得手段、
として機能させるためのプログラム。
１２－２．１２に記載のプログラムにおいて、
　前記基準成分抽出手段を、
　　前記測定データにおける各値の出現頻度に基づいて前記基準成分を抽出する分離手段として機能させるプログラム。
１２－３．　１２に記載のプログラムにおいて、
　前記基準成分抽出手段を、
　　前記測定データにおける各値の出現頻度を示すデータに現れるピークの山の幅に基づいて前記基準成分を抽出する分離手段として機能させるプログラム。
１２－４．　１２に記載のプログラムにおいて、
　前記基準成分抽出手段を、
　　前記測定データを、値の出現頻度に基づき、消費電流及び消費電力の変動が起きているグループと、前記変動が起きていないグループとに分ける分離手段、
　　前記変動が起きていないグループの前記測定データから前記基準成分を抽出する抽出手段、
として機能させるプログラム。
１２－５．　１２－４に記載のプログラムにおいて、
　前記分離手段に、変動成分ベクトルの方向に垂直な成分の値の出現頻度に基づき、前記変動が起きているグループと、前記変動が起きていないグループとに分けさせるプログラム。
１２－６．　１２から１２－５のいずれかに記載のプログラムにおいて、
　前記コンピュータを、さらに、
　前記基準成分の特徴量を記憶する特徴量記憶手段、
　前記特徴量取得手段が取得した前記基準成分の特徴量が前記特徴量記憶手段に記憶されていない場合、当該基準成分の特徴量を前記特徴量記憶手段に新たに記憶させる更新手段、
として機能させるプログラム。
１３．　コンピュータを、
　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶する特徴量記憶手段、
　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定手段、
として機能させるためのプログラム。
１３－２．　１３に記載のプログラムにおいて、
　前記特徴量記憶手段に、前記電気機器の消費電流及び消費電力の変動成分の特徴量を前記教師データとしてさらに記憶させ、
　前記推定手段に、前記基準成分に関する前記教師データ及び前記変動成分に関する前記教師データに基づいて、前記電気機器の稼動状況を推定させるプログラム。
１３－３．　１３－２に記載のプログラムにおいて、
　前記推定手段に、前記基準成分の特徴量と前記変動成分の特徴量とを足し合わせた合算特徴量に基づき、前記電気機器の稼動状況を推定させるプログラム。
１４－１．　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段と、
　消費電流及び消費電力の変動に関する変動成分を含まない基準成分を、前記測定データから抽出する基準成分抽出手段と、
　前記基準成分の特徴量を取得する特徴量取得手段と、
を有するデータ処理装置。
１４－２．　１４－１に記載のデータ処理装置において、
　前記基準成分抽出手段は、
　　前記測定データを、値の出現頻度に基づき、前記変動が起きているグループと、前記変動が起きていないグループとに分ける分離手段と、
　　前記変動が起きていないグループの前記測定データから前記基準成分を抽出する抽出手段と、
を有するデータ処理装置。
１４－３．　１４－２に記載のデータ処理装置において、
　前記分離手段は、変動成分ベクトルの方向に垂直な成分の値の出現頻度に基づき、前記変動が起きているグループと、前記変動が起きていないグループとに分けるデータ処理装置。
１４－４．　１４－１から１４－３のいずれかに記載のデータ処理装置において、
　前記基準成分の特徴量を記憶する特徴量記憶手段と、
　前記特徴量取得手段が取得した前記基準成分の特徴量が前記特徴量記憶手段に記憶されていない場合、当該基準成分の特徴量を前記特徴量記憶手段に新たに記憶させる更新手段と、
をさらに有するデータ処理装置。
１４－５．　消費電流及び消費電力の変動に関する変動成分を含まない基準成分の特徴量を教師データとして記憶する特徴量記憶手段と、
　消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する推定時取得手段と、
　前記測定データから前記基準成分を抽出する推定時基準成分抽出手段と、
　前記推定時基準成分抽出手段が抽出した前記基準成分の特徴量を取得する推定時特徴量取得手段と、
　前記教師データと、前記推定時特徴量取得手段が取得した前記基準成分の特徴量とに基づいて、前記電気機器の稼動状況を推定する推定手段と、
を有するデータ処理装置。
１４－６．　１４－５に記載のデータ処理装置において、
　前記特徴量記憶手段は、前記変動成分の特徴量を前記教師データとしてさらに記憶し、
　前記測定データから前記変動成分を抽出する推定時変動成分抽出手段をさらに有し、
　前記推定時特徴量取得手段は、前記推定時変動成分抽出手段が抽出した前記変動成分の特徴量をさらに取得し、
　前記推定手段は、前記教師データと、前記推定時特徴量取得手段が取得した前記基準成分の特徴量及び前記変動成分の特徴量とに基づいて、前記電気機器の稼動状況を推定するデータ処理装置。
１４－７．　消費電流及び消費電力の変動に関する変動成分の特徴量、及び、前記変動成分を含まない基準成分の特徴量を記憶する特徴量記憶手段と、
　消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する推定時取得手段と、
　前記測定データの特徴量を取得する推定時特徴量取得手段と、
　前記基準成分の特徴量、及び、前記基準成分の特徴量と前記変動成分の特徴量を足し合わせた合算特徴量を含む教師データと、前記推定時特徴量取得手段が取得した前記測定データの特徴量とに基づいて、前記電気機器の稼動状況を推定する推定手段と、
を有するデータ処理装置。
１４－８．　コンピュータが、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得工程と、
　消費電流及び消費電力の変動に関する変動成分を含まない基準成分を、前記測定データから抽出する基準成分抽出工程と、
　前記基準成分の特徴量を取得する特徴量取得工程と、
を実行するデータ処理方法。
１４－９．　コンピュータを、
　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段、
　消費電流及び消費電力の変動に関する変動成分を含まない基準成分を、前記測定データから抽出する基準成分抽出手段、
　前記基準成分の特徴量を取得する特徴量取得手段、
として機能させるためのプログラム。
１４－１０．　コンピュータが、
　消費電流及び消費電力の変動に関する変動成分を含まない基準成分の特徴量を教師データとして記憶しておき、
　消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する推定時取得工程と、
　前記測定データから前記基準成分を抽出する推定時基準成分抽出工程と、
　前記推定時基準成分抽出工程で抽出した前記基準成分の特徴量を取得する推定時特徴量取得工程と、
　前記教師データと、前記推定時特徴量取得工程で取得した前記基準成分の特徴量とに基づいて、前記電気機器の稼動状況を推定する推定工程と、
を実行するデータ処理方法。
１４－１１．　コンピュータを、
　消費電流及び消費電力の変動に関する変動成分を含まない基準成分の特徴量を教師データとして記憶する特徴量記憶手段、
　消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する推定時取得手段、
　前記測定データから前記基準成分を抽出する推定時基準成分抽出手段、
　前記推定時基準成分抽出手段が抽出した前記基準成分の特徴量を取得する推定時特徴量取得手段、
　前記教師データと、前記推定時特徴量取得手段が取得した前記基準成分の特徴量とに基づいて、前記電気機器の稼動状況を推定する推定手段、
として機能させるためのプログラム。
１４－１２．　コンピュータが、
　消費電流及び消費電力の変動に関する変動成分の特徴量、及び、前記変動成分を含まない基準成分の特徴量を記憶しておき、
　消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する推定時取得工程と、
　前記測定データの特徴量を取得する推定時特徴量取得工程と、
　前記基準成分の特徴量、及び、前記基準成分の特徴量と前記変動成分の特徴量を足し合わせた合算特徴量を含む教師データと、前記推定時特徴量取得工程で取得した前記測定データの特徴量とに基づいて、前記電気機器の稼動状況を推定する推定工程と、
を実行するデータ処理方法。
１４－１３．　コンピュータを、
　消費電流及び消費電力の変動に関する変動成分の特徴量、及び、前記変動成分を含まない基準成分の特徴量を記憶する特徴量記憶手段、
　消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する推定時取得手段、
　前記測定データの特徴量を取得する推定時特徴量取得手段、
　前記基準成分の特徴量、及び、前記基準成分の特徴量と前記変動成分の特徴量を足し合わせた合算特徴量を含む教師データと、前記推定時特徴量取得手段が取得した前記測定データの特徴量とに基づいて、前記電気機器の稼動状況を推定する推定手段、
として機能させるためのプログラム。
　この出願は、２０１５年３月３１日に出願された日本出願特願２０１５－０７１０７０号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (13)

  1. 　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段と、
    　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出手段と、
    　前記基準成分の特徴量を取得する特徴量取得手段と、
    を有するデータ処理装置。
  2. 　請求項１に記載のデータ処理装置において、
    　前記基準成分抽出手段は、
    　　前記測定データにおける各値の出現頻度に基づいて前記基準成分を抽出する分離手段を有するデータ処理装置。
  3. 　請求項１に記載のデータ処理装置において、
    　前記基準成分抽出手段は、
    　　前記測定データにおける各値の出現頻度を示すデータに現れるピークの山の幅に基づいて前記基準成分を抽出する分離手段を有するデータ処理装置。
  4. 　請求項１に記載のデータ処理装置において、
    　前記基準成分抽出手段は、
    　　前記測定データを、値の出現頻度に基づき、消費電流及び消費電力の変動が起きているグループと、前記変動が起きていないグループとに分ける分離手段と、
    　　前記変動が起きていないグループの前記測定データから前記基準成分を抽出する抽出手段と、
    を有するデータ処理装置。
  5. 　請求項４に記載のデータ処理装置において、
    　前記分離手段は、変動成分ベクトルの方向に垂直な成分の値の出現頻度に基づき、前記変動が起きているグループと、前記変動が起きていないグループとに分けるデータ処理装置。
  6. 　請求項１から５のいずれか１項に記載のデータ処理装置において、
    　前記基準成分の特徴量を記憶する特徴量記憶手段と、
    　前記特徴量取得手段が取得した前記基準成分の特徴量が前記特徴量記憶手段に記憶されていない場合、当該基準成分の特徴量を前記特徴量記憶手段に新たに記憶させる更新手段と、
    をさらに有するデータ処理装置。
  7. 　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶する特徴量記憶手段と、
    　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定手段と、
    を有するデータ処理装置。
  8. 　請求項７に記載のデータ処理装置において、
    　前記特徴量記憶手段は、前記電気機器の消費電流及び消費電力の変動成分の特徴量を前記教師データとしてさらに記憶し、
    　前記推定手段は、前記基準成分に関する前記教師データ及び前記変動成分に関する前記教師データに基づいて、前記電気機器の稼動状況を推定するデータ処理装置。
  9. 　請求項８に記載のデータ処理装置において、
    　前記推定手段は、前記基準成分の特徴量と前記変動成分の特徴量とを足し合わせた合算特徴量に基づき、前記電気機器の稼動状況を推定するデータ処理装置。
  10. 　コンピュータが、
    　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得工程と、
    　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出工程と、
    　前記基準成分の特徴量を取得する特徴量取得工程と、
    を実行するデータ処理方法。
  11. 　コンピュータが、
    　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶しておき、
    　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定工程を実行するデータ処理方法。
  12. 　コンピュータを、
    　電気機器の消費電流及び消費電力の少なくとも一方の時間変化を示す測定データを取得する測定データ取得手段、
    　消費電流及び消費電力の基準成分を、前記測定データから抽出する基準成分抽出手段、
    　前記基準成分の特徴量を取得する特徴量取得手段、
    として機能させるためのプログラム。
  13. 　コンピュータを、
    　電気機器の消費電流及び消費電力の基準成分の特徴量を教師データとして記憶する特徴量記憶手段、
    　前記教師データに基づいて、前記電気機器の稼動状況を推定する推定手段、
    として機能させるためのプログラム。
PCT/JP2016/050494 2015-03-31 2016-01-08 データ処理装置、データ処理方法、及び、プログラム WO2016157927A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017509311A JP6607252B2 (ja) 2015-03-31 2016-01-08 データ処理装置、データ処理方法、及び、プログラム
US15/562,540 US10712374B2 (en) 2015-03-31 2016-01-08 Data processing device, data processing method, and non-transitory storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015071070 2015-03-31
JP2015-071070 2015-03-31

Publications (1)

Publication Number Publication Date
WO2016157927A1 true WO2016157927A1 (ja) 2016-10-06

Family

ID=57005621

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/050494 WO2016157927A1 (ja) 2015-03-31 2016-01-08 データ処理装置、データ処理方法、及び、プログラム

Country Status (3)

Country Link
US (1) US10712374B2 (ja)
JP (1) JP6607252B2 (ja)
WO (1) WO2016157927A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11967138B2 (en) * 2021-03-03 2024-04-23 Nec Corporation Processing apparatus, information processing method and recording medium

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3403368B2 (ja) * 1999-02-01 2003-05-06 財団法人電力中央研究所 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
JP2004056969A (ja) * 2002-07-23 2004-02-19 Central Res Inst Of Electric Power Ind 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム
JP2011130535A (ja) * 2009-12-15 2011-06-30 Nec Commun Syst Ltd 待機電力遮断装置、電気機器、待機電力遮断システム、待機電力遮断方法及びプログラム
WO2015008645A1 (ja) * 2013-07-17 2015-01-22 日本電気株式会社 監視装置、監視方法及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6606251B1 (en) * 2002-02-07 2003-08-12 Cooligy Inc. Power conditioning module
US7617315B2 (en) * 2004-08-31 2009-11-10 Black Chuck A Multi-layered measurement model for data collection and method for data collection using same
JP5235479B2 (ja) 2008-04-17 2013-07-10 日本電信電話株式会社 電気機器推定装置及び電気機器推定方法
DE112011104512T5 (de) * 2010-12-24 2013-10-17 Sharp Kabushiki Kaisha Steuerung, Netzwerksystem und Informationsverarbeitungsverfahren
RU2598601C2 (ru) * 2012-03-30 2016-09-27 Сони Корпорейшн Устройство обработки данных, способ обработки данных и программа

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3403368B2 (ja) * 1999-02-01 2003-05-06 財団法人電力中央研究所 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
JP2004056969A (ja) * 2002-07-23 2004-02-19 Central Res Inst Of Electric Power Ind 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム
JP2011130535A (ja) * 2009-12-15 2011-06-30 Nec Commun Syst Ltd 待機電力遮断装置、電気機器、待機電力遮断システム、待機電力遮断方法及びプログラム
WO2015008645A1 (ja) * 2013-07-17 2015-01-22 日本電気株式会社 監視装置、監視方法及びプログラム

Also Published As

Publication number Publication date
US10712374B2 (en) 2020-07-14
US20180088158A1 (en) 2018-03-29
JP6607252B2 (ja) 2019-11-20
JPWO2016157927A1 (ja) 2018-01-25

Similar Documents

Publication Publication Date Title
Dejamkhooy et al. Modeling and forecasting nonstationary voltage fluctuation based on grey system theory
WO2017022312A1 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP6724922B2 (ja) 教師データ提供装置、推定装置、推定システム、教師データ提供方法、推定方法、及び、プログラム
EP3961384A1 (en) Automatic derivation of software engineering artifact attributes from product or service development concepts
JP5127608B2 (ja) 電力品質評価システム
US20160019609A1 (en) Cost computation device, cost computation method, and computer-readable recording medium
JP6607252B2 (ja) データ処理装置、データ処理方法、及び、プログラム
CN105447214B (zh) 器件参数的确定方法和装置
JP6791152B2 (ja) 推定装置、推定方法、及び、プログラム
US20160210702A1 (en) Information processing method, and information processing apparatus
US20130253878A1 (en) Non-transitory computer readable medium storing program, movement situation determining method, and movement situation determining device
WO2016157926A1 (ja) データ処理装置、データ処理方法、及び、プログラム
US9431826B2 (en) Determining the power supply and receive relationships among a plurality of devices based upon power consumptions of each of the devices
CN106919407B (zh) 电脑内嵌产品资料同步更新的方法
EP3798935A1 (en) Parameter selection method, parameter selection program, and information processing device
JP2021135513A (ja) 情報処理装置、情報処理方法、およびプログラム
US20200081720A1 (en) Parallel distributed processing control system, program, and parallel distributed processing control method
US20140188425A1 (en) System and method for selecting fans for server cabinet
US10942561B2 (en) Determination of one or more operating parameters for a switched-mode power supply
JP2020095305A5 (ja)
US20220245379A1 (en) Information processing apparatus, information processing method, and non-transitory storage medium
JP5582006B2 (ja) 開発支援プログラム、開発支援方法及び開発支援装置
JP2010128615A (ja) 在庫管理方法
JPWO2018061083A1 (ja) 発注パラメータ生成支援装置、及び発注パラメータ生成方法
EP3889850A1 (en) Learning data processing device, learning data processing method and non-transitory computer-readable medium

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: 16771813

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017509311

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15562540

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16771813

Country of ref document: EP

Kind code of ref document: A1