WO2018003237A1 - 監視装置および監視方法 - Google Patents

監視装置および監視方法 Download PDF

Info

Publication number
WO2018003237A1
WO2018003237A1 PCT/JP2017/015225 JP2017015225W WO2018003237A1 WO 2018003237 A1 WO2018003237 A1 WO 2018003237A1 JP 2017015225 W JP2017015225 W JP 2017015225W WO 2018003237 A1 WO2018003237 A1 WO 2018003237A1
Authority
WO
WIPO (PCT)
Prior art keywords
probability
cause
event
accident
measurement signal
Prior art date
Application number
PCT/JP2017/015225
Other languages
English (en)
French (fr)
Inventor
犬塚　達基
Original Assignee
株式会社日立製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2018003237A1 publication Critical patent/WO2018003237A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • 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
    • G06Q10/00—Administration; Management
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks

Definitions

  • the present invention relates to a technique for monitoring the state of a power system.
  • the power system is a large-scale system that is constructed and operated by combining many devices and control methods for stable power supply.
  • accidents that interfere with power supply may occur.
  • Reduction of the power outage range at the time of an accident and shortening of the recovery time are indispensable requests for improving the reliability of power supply.
  • a sensor switch installed in a domestic power distribution system samples a state value such as voltage or current, and transmits it to a server of a master station using transmission means such as power line carrier technology and optical cable. Based on these state values, in addition to physical quantities such as power flow, the state of the power system such as detection of accidents that occur in the system, estimation of the cause of the accident, and fault location (estimation of the location where the accident occurred) is analyzed. Techniques to do this have been proposed.
  • the cause of the accident can be estimated from the measurement signal obtained by the measurement of the power system, the estimation result can be used for supporting the restoration work.
  • the cause of an accident (accident point, cause of failure, etc.) is estimated using measurement signals, and the method of associating an equivalent circuit at the time of an accident with the measurement signal is called accident point location.
  • Patent Literature 1 stores a feature amount of a waveform at the time of an accident, calculates difference data to emphasize the waveform feature amount, The structure which discriminate
  • Patent Document 2 discloses a configuration in which the relationship between the situation at the time of the accident and the occurrence rate by accident cause is made into a database in order to provide a method for determining the cause of the accident.
  • clustering method as a signal classification method, for example, k-means method, SVC (Support Vector Vector Machine) method and the like are known.
  • neurocomputers are known in a technical field called metaheuristic.
  • metaheuristic By preparing a learning process that is originally said to simulate the human nervous system, the relationship between input and output can be generated without preparing a calculation formula in advance. This method has a feature that even if it is difficult to associate an input and an output with a mathematical expression, modeling is possible by passing through a learning process.
  • the state of the target system is measured from moment to moment using a sensor installed in the system to be monitored (target system)
  • the relationship between the cause and the result is correlated, for example, the vibration waveform included in the sensor measurement signal is the result. And the change that occurred in the target system that caused the result.
  • Patent Document 1 estimates the relationship between the sensor measurement waveform that appears as a result of the state change of the power system and each cause of the state change by comparing the probability. However, the technique of Patent Document 1 does not take into account that the causes of each cause have different probabilities.
  • An object of the present invention is to provide a technique that makes it possible to consider the occurrence probability of each cause in estimating the cause of the event.
  • the monitoring device may identify an event that may occur in the target system and each cause that may cause the event with a first probability that is the probability that the event will occur when each of the causes occurs.
  • a first probability management unit to be associated; a second probability management unit for calculating a second probability that is a probability of occurrence of each of the causes; and a cause of an event that has occurred in the target system, the first probability and the second
  • an estimation unit that estimates probabilities based on a third probability that is a probability that the event occurs due to the cause when the event occurs.
  • the cause of the event that occurred in the target system is estimated using the second probability that each cause occurs. Can be considered.
  • FIG. 3 is a diagram for explaining an overall processing flow of the monitoring apparatus 10; It is a figure which shows the process performed in advance of the monitoring apparatus of a present Example, and the process performed in real time.
  • FIG. 1 is a schematic block diagram of a monitoring apparatus according to the present embodiment.
  • the monitoring device 10 includes a first probability management unit 11, a second probability management unit 12, an estimation unit 13, an input unit 14, and an output unit 15.
  • a system (target system) to be monitored is connected to the input unit 14 via a network, and time-series measurement signals measured by the target system are input.
  • the monitoring result of the monitoring device 10 is presented to the operator by the output unit 15.
  • the first probability management unit 11 holds information that associates an event that can occur in the target system and each cause that can cause the event with a first probability that is the probability that the event will occur when each of the causes occurs. Yes.
  • the second probability management unit 12 calculates a second probability that is a probability that each cause appears. For example, the first probability and the second probability can be calculated in advance from the history of events that have occurred in the past. Alternatively, the second probability can be calculated based on the environmental state in which the target system is placed at that time.
  • the estimation unit 13 estimates the cause of the event that actually occurred in the target system based on the third probability obtained by combining the first probability and the second probability. The third probability is the probability that when an event occurs it is due to its cause.
  • the cause of the event that occurred in the target system is estimated using the second probability that is the appearance probability of each cause. It becomes possible to consider the appearance probability.
  • the estimation unit 13 combines the first probability and the second probability using the Bayes theorem to calculate the third probability. Since the cause of the event is estimated using the third probability obtained by combining the first probability and the second probability using the Bayes theorem, the cause estimation is performed using the probability that each cause causes the event and the probability that each cause occurs. Accuracy can be increased.
  • the formula for obtaining the third probability includes multiplication of the first probability and the second probability.
  • the estimation part 13 updates a 1st probability sequentially with a 3rd probability by Bayes update. Since the first probability is updated, the accuracy of cause estimation can be gradually improved.
  • the signal processing unit 16 performs signal processing on the measurement signals measured in time series in the target system. And the signal processing part 16 switches the processing content of signal processing according to the cause of the estimated event. Since signal processing is switched according to the cause of the estimated event, signal processing suitable for the state of the target system can be used as appropriate.
  • the target system shown individually is a power system as an example, and the measurement signal includes a signal indicating a waveform of power, voltage, current, etc. of the power system.
  • An event to be monitored is expressed as a state of a measurement signal such as a power waveform.
  • the cause is the type of accidents that hinder the power supply of the power system.
  • the first probability management unit 11 divides the frequency component of the measurement signal into a plurality of bands, and determines the first probability based on the ratio of the magnitudes of the frequency components in each band.
  • the ratio of the frequency component of each band of the power waveform changes depending on the type of accident, which causes the power system trouble. Accidents can be estimated with high accuracy.
  • the signal processing performed by the signal processing unit 16 is a process of calculating a position where an accident has occurred in the power system. Depending on the type of accident, the process for calculating the location where the accident occurred can be changed appropriately, so it is possible to determine the location where the accident occurred with high accuracy and facilitate the recovery of the accident. .
  • the present invention will be described by taking an accident that occurs in the power system as an example, but the present invention is not limited to the power system, and the present invention probabilistically estimates the cause of an event using a measurement signal measured by a sensor or the like.
  • the present invention can be widely applied to apparatuses and methods.
  • the terms sensor measurement signal, waveform signal, and time-series signal may be mixed, but they have the same meaning unless otherwise specified, and correspond to the measurement signal.
  • FIG. 2 is a diagram illustrating a configuration example of a power system.
  • a power system 20 as shown in FIG. 2 is taken up as a target system of the present embodiment.
  • the power system 20 is a system that supplies power to the consumer 25, and includes a distribution substation 21, a line 22, and an SVR (high voltage automatic voltage regulator) 23.
  • the power system 20 is a complex system in which many control devices (not shown) and sensors (not shown) are connected for stable power supply.
  • the monitoring device estimates the cause of the accident and supplies it to the recovery work.
  • FIG. 3A is a diagram for explaining sensor measurement signals and control signals.
  • the power system 20 that is the target system includes a control target device 31 such as a transformer and a monitoring target device 32 such as a distribution board.
  • the control target device 31 and the monitoring target device 32 are provided with sensors that measure various states and transmit them as sensor measurement signals 35.
  • the monitoring device 10 receives the sensor measurement signal 35 from the control target device 31 and the monitoring target device 32, receives the sensor measurement signal 35 from the monitoring target device 32, and transmits the control signal 36 to the control target device 31.
  • FIG. 3B is a diagram illustrating a waveform example of the sensor measurement signal.
  • the sensor measurement signal 35 has a predetermined time window 37.
  • various states are measured and transmitted to the monitoring device 10 as a sensor measurement signal 35.
  • various events that occur in the power system 20 are observed as state quantities such as voltage, current, and power by sensors installed in the power system 20.
  • state quantities can be signal-processed by collecting them as time-series signals using some sensor such as a sensor switch.
  • the event included in the sensor measurement signal 35 is observed as, for example, a transient vibration waveform or a gradual signal change.
  • the waveform appearing in the sensor measurement signal 35 can be handled as a result of the cause that occurred in the power system 20 that is the target system. For example, when any accident 26 occurs in the power system 20, a change is observed in the sensor measurement signal 35 of the power system 20. If current flows suddenly due to a ground fault, a transient vibration waveform is observed. Thus, the cause that caused the event can be associated with the result that appears in the sensor measurement signal 35.
  • the cause of the accident can be estimated by analyzing the change that appears in the sensor measurement signal 35 when the accident 26 occurs in the power system 20, it is expected that the accident recovery work will be made more efficient and the working time will be shortened. it can.
  • FIG. 4 is a flowchart showing an example of an accident recovery procedure.
  • the work procedure from the occurrence of an accident to recovery is illustrated assuming a general-purpose case. Since the operator performs the accident recovery work using the monitoring device 10, the description will be made mainly focusing on the processing of the monitoring device 10.
  • the monitoring device 10 may present information to the operator and / or be operated by the operator during each step, or may automatically proceed with the processing.
  • the monitoring apparatus 10 checks whether an event to be detected is occurring based on the sensor measurement signal 35 in the steady state (step 401) (step 402). If no event is detected, steps 401 to 402 are repeated.
  • the monitoring apparatus 10 estimates the cause of the event (step 403).
  • the cause of the event is an accident, it is estimated what kind of accident has occurred.
  • the monitoring apparatus 10 selects signal processing to be performed on the sensor measurement signal 35 according to the estimated cause (step 404).
  • the signal processing for the sensor measurement signal 35 is processing for specifying the position where the accident occurred.
  • appropriate signal processing is applied to identify the location where the accident occurred.
  • the monitoring apparatus 10 presents the analysis result and the countermeasure plan to the operator (step 405).
  • the monitoring device 10 may store information that associates the type of accident with a countermeasure plan for the accident in advance, and may display the estimated accident and the countermeasure plan for the accident on the display screen. .
  • the monitoring device 10 If the cause of the event is unknown, the monitoring device 10 presents that fact to the operator, and prompts the operator to make a determination regarding the response (step 406). Further, if the estimated accident is a highly urgent and significant abnormality, the monitoring apparatus 10 forcibly executes a predetermined countermeasure without performing an operation such as an operator's instruction.
  • the monitoring device 10 obtains confirmation of the countermeasure content of the countermeasure plan by the operator (step 408).
  • the operator confirms the content of the countermeasure plan presented in step 405 and performs an operation for instructing the monitoring apparatus 10 to execute the countermeasure plan.
  • the monitoring apparatus 10 executes the confirmed countermeasure and confirms whether or not the state has returned to the steady state (step 409). If the power system 20 returns to a steady state by executing the countermeasure, the monitoring device 10 ends the process. If the power system 20 does not return to the steady state, the monitoring device 10 returns to Step 403 and repeats the subsequent processing.
  • the signal change that appears in the sensor measurement signal 35 of the power system 20 is the result, and the cause is an accident. I handle it. That is, the cause (accident) is estimated from the result (here, the sensor measurement signal 35), and the estimation result is used to select the accident recovery procedure.
  • Event detection an event is extracted from a sensor measurement signal (time-series signal)
  • a sensor measurement signal 35 obtained by sampling the state of the power system 20 with some sensor is a time-series signal, and has a sample value that is continuous in time. It is a sequence and does not have a mass as an event.
  • a time width or the number of samples is determined, and a combination of signals included therein is handled as an event.
  • a probability is assigned to this event.
  • the terms “result”, “measurement signal”, “event”, “waveform”, and “feature amount” may be used with almost the same meaning. It is necessary to decide how to create the signals that are combined to form the event. For example, when a part is extracted from a signal sequence that is continuous in time, the start and end on the time axis are determined. A time width that includes the waveform at the time of the accident is determined, a combination of measurement signals included in the time width is extracted, and a feature amount is calculated by appropriate signal processing. Then, the procedure for shifting to the next time and extracting the signal combination is repeated.
  • a probability is assigned to an event extracted from a measurement signal.
  • a probability is assigned by replacing the measurement signal with a feature amount by signal conversion.
  • the calculation method of the feature amount is not limited.
  • the distribution of frequency components can be used for the calculation of the feature amount.
  • the frequency band is divided into several parts, the frequency component of each band is defined as an event, and the magnitude ratio of each component is defined as an event appearance probability.
  • the vibration waveform corresponding to the cause of the accident is collected in advance by experiment or simulation, and the frequency component of the vibration waveform is divided into the bands, and the component ratio is replaced with the probability. Since the probability of the event corresponding to the cause is obtained from this, this is set as a prior probability.
  • FIG. 5 is a table showing a correspondence relationship according to the probability between the cause and the result in the present embodiment.
  • the frequency component of the waveform and the attenuation factor are used in combination.
  • a probability is assigned to each band in the same manner as described above.
  • the magnitude of the attenuation rate is also classified into a plurality of, and a probability is assigned.
  • a simple method is to classify the magnitude of the attenuation rate into three types: positive, negative, and zero.
  • a vibration waveform corresponding to the accident (cause) is collected in advance by experiments or simulations, and the ratio or frequency of each frequency component is replaced with a probability to obtain a prior probability.
  • the present invention is not limited to this.
  • the measurement signal in the process until the accident occurs is the cause
  • the caused accident is the result
  • the cause and the result are stochastically related
  • the operator is warned before the accident occurs. Can do.
  • the accident content is the result due to the measurement signal.
  • the attenuation rate as an example, if the attenuation rate is negative, that is, if the amplitude of vibration is increased, an accident may occur.
  • the present invention can also be applied to such system state monitoring.
  • the monitoring device 10 detects the occurrence of an accident from the feature amount calculated from the time series signal, and when the cause of the accident is found by estimation, presents the content of the accident and countermeasures to the operator. Support recovery work.
  • an event that can occur in the target system and each cause that can cause the event are associated with a first probability that is the probability that the event will occur when each of the causes occurs. Also, a second probability, which is the probability that each cause appears, is also introduced. Then, the cause of the event that occurred in the target system is estimated based on the third probability that is the probability that when the event occurs, the cause is the cause when the first probability and the second probability are combined.
  • prior probabilities and posterior probabilities are related.
  • the appearance probability of the accident cause Ei is P (Ei)
  • the probability that the event F appears at the time of the accident cause Ei is P (F
  • these are known in advance as prior probabilities.
  • F) that the accident cause is Ei is calculated by the method of equation (1).
  • F) corresponding to the respective causes are compared, and the cause Ei having the highest probability is determined to be the most likely cause.
  • the accident cause Ei is a cause that may cause an accident, such as a tree contact or a bird contact.
  • the appearance probability P (Ei) of the accident cause Ei can be prepared from the past accident history.
  • the waveform that appears in the measurement signal when the accident cause Ei occurs can be obtained by prior experiments, simulations, or the like. By inputting this waveform as a measurement signal and performing appropriate signal processing, it is possible to calculate the feature amount of the waveform.
  • the probability of the cause Ei is calculated by the following equation (2). Then, it is determined that the cause Ei having the largest posterior probability P (Ei
  • the frequency component is focused here, the waveform amplitude attenuation rate at the time of the accident, the rising characteristic of the waveform, and the like can be used.
  • probabilities related to some state values other than time series signals can be combined.
  • the probability of the cause can be calculated by combining the probabilities of the plurality of feature amounts.
  • the probabilities of other events can be combined.
  • a combination of a frequency band and an attenuation rate may be treated as an event, and a probability may be assigned.
  • it is determined that the cause Ei having the largest posterior probability P (Ei) in the expression (3) is the most likely cause.
  • Another reason is that the cause cannot be assumed in advance or is a rare cause, and the cause and the result cannot be stochastically associated in advance for the cause for which the probability cannot be set.
  • the present invention includes means for prompting a judgment by presenting the contradictory situation to the operator, assuming that an accident that has not been anticipated in advance may have occurred. Specifically, an alarm to the operator is displayed on the display device.
  • Bayesian update in which the prior probabilities are updated sequentially.
  • the prior probabilities can be gradually corrected based on the measurement signal (result) even if there is a subjective judgment on the initial value of the prior probabilities.
  • Signal processing is performed on the measurement signal for the purpose of restoration support.
  • the procedure for calculating the accident point (position) from the measurement signal of the power system 20 is named the accident location method.
  • This example improves the accuracy of accident point estimation by selecting an appropriate accident location method (signal processing) according to the estimated cause of the accident. If the estimation accuracy of the accident point is improved, the time until the worker reaches the accident point for the recovery work is shortened, and the time until the accident point is found on site is shortened.
  • the present invention does not limit this signal processing to accident orientation as in this embodiment.
  • a fluctuation waveform extending from a few seconds to a few minutes may be observed, and it is important to determine whether or not the fluctuation is diverging. For this reason, for example, there is a method of performing waveform analysis using the Proni method, calculating the attenuation characteristic of the waveform, and determining the stability of the transmission system from the attenuation characteristic.
  • a sensor switch (sensor) is installed on the line 22 that is a distribution line from the distribution substation 21 to the customer 25.
  • System status (voltage, current, etc.).
  • the sensor measurement signal 35 from the sensor is transmitted to the server (monitoring device 10) in the master station using a power line carrier or optical cable transmission technique.
  • the accident point locating method is a method of detecting the location where the accident occurred (accident point) by observing this waveform.
  • the cause of the accident is the contact of trees with the track 22, instantaneous contact may occur repeatedly.
  • the contact object which contacted the track 22 may be transformed by heating due to the ground fault current of the track 22. For example, if it is a tree contact, it will change as the tree is carbonized over time, and the ground fault resistance May change over time.
  • the transient response waveform of the current generated when an accident occurs differs depending on the cause of the accident.
  • the accident point locating method that enables highly accurate orientation differs depending on the cause of the accident. Therefore, in the present embodiment, the cause of the accident is estimated using the measurement signal, and signal processing for accident point location is selected based on the estimated cause.
  • the measurement signal collected by the sensor installed in the power system 20 is a time series signal sampled at an appropriate time interval.
  • a time-series signal is a sequence of signals that are temporally continuous and has no break. Therefore, as shown in FIG. 3B, a finite number of continuous measurement signals are cut out from the time-series signal with a predetermined time width (time window 37) or with a predetermined number of samples.
  • a unit of signal processing Furthermore, in this embodiment, the measurement signal cut out as described above is treated as an event, and the measurement signal is converted into a feature amount and a probability is assigned.
  • the time width of the time window 37 or the number of samples for creating an event from the measurement signal may be prepared by switching between a plurality of types, or may be set variably. This is because the time width or the number of samples required to calculate the characteristics of the waveform may vary depending on the cause of the accident. In that case, the time width of the time window or the number of samples may be selected according to the cause of the accident. If the rising characteristic of the waveform is used as a feature amount, a rising waveform is sufficient. However, as shown in FIG. 5, if the frequency characteristic and attenuation characteristic of the waveform of the measurement signal are used as feature amounts, the vibration waveform Measurement signals for multiple cycles are required. Further, if the long period fluctuation of the measurement signal is used as a feature amount, the measurement signal is observed from several seconds to several minutes.
  • the ratio of harmonic components contained in the waveform, the frequency component and attenuation characteristics of the waveform, the phase change of the waveform (temporal change in frequency), the waveform shape pattern, etc. can be used.
  • the amount of data to be processed can be reduced by handling the time series signal after converting it to the feature quantity as compared to handling the original time series signal. Also, it may be easy to quantify similarity, difference, change, etc. in signal comparison. As a result, there are merits such as speeding up of data processing, speeding up of data input / output, reduction of data accumulation amount, speeding up of data input / output, speeding up of processing, and the like.
  • the waveform data has a time position (phase) characteristic, but it can be made independent of the time position by converting it into a feature amount.
  • a method of using harmonic components included in the waveform data is shown.
  • Known techniques for converting waveform data into frequency components include Fourier transform and wavelet transform.
  • a harmonic component having a frequency that is a multiple of the commercial power supply frequency can be calculated.
  • the feature amount of the waveform it is preferable to handle the ratio between the frequency bands of the magnitude of the frequency component, not the magnitude of the harmonic component.
  • Measured signals measured by the power system 20 when an accident occurs can be collected as prior experimental data or past performance data.
  • the past accident situation that has occurred in the actual power system 20 is recorded as a history, and can be used as statistical data of the cause of the accident. From these data, the cause of the accident occurring in the power system 20, the feature quantity of the measurement signal at the time of the accident corresponding to the cause of the accident, and the occurrence frequency (probability) of the cause of the accident can be associated.
  • the cause of the accident and the occurrence frequency (probability) of the cause obtained from the association information based on the history are used for processing for estimating the cause of the accident.
  • the monitoring apparatus 10 estimates the cause of the accident from the actually measured signal based on the probabilistic association information prepared in advance.
  • FIG. 6 is a diagram for explaining processing for estimating the cause of an accident.
  • FIG. 6 shows the contents of advance preparation and the contents to be processed in real time.
  • a waveform appearing in the measurement signal is created by a prior experiment, simulation, etc., and a feature amount of the waveform is calculated by appropriate signal processing, and a probability is assigned from the ratio.
  • the component ratio for each band (event) Fk is the appearance probability P (Fk)
  • a cause estimation in real time a feature amount is calculated from the measurement signal, and a cause probability is calculated from the probability of the feature amount using Bayes' theorem (Bayes formula). And the accident recovery work is supported by showing the estimation result to the operator.
  • the monitoring device 10 performs event detection, cause estimation, and signal analysis (accident location) as measurement signal processing.
  • Event detection is a process of determining an event by calculating a feature amount from a measurement signal.
  • cause estimation posterior probabilities are calculated by Bayes' theorem based on prior probabilities.
  • the signal processing here refers to the processing of accident point location.
  • FIG. 7 is a diagram for explaining an example of calculating a feature amount of a measurement signal. The purpose is to calculate the waveform feature amount at the rising edge of the waveform. The procedure for calculating the instantaneous frequency is shown below.
  • a signal whose phase is 90 degrees apart from the voltage (or current or power) of the sensor measurement signal 35 is created, and the created signal is plotted on the phase plane to draw the phase locus 71.
  • the differential value (or difference value) of the measurement signal By calculating the differential value (or difference value) of the measurement signal, a signal whose phase is 90 degrees apart can be created.
  • first-order differentiation (or first-order difference) and second-order differentiation (or second-order difference) may be combined.
  • the direct current component can be deleted by combining the first-order differentiation (or first-order difference) and the second-order differentiation (or second-order difference).
  • a signal whose phase is 90 degrees away from the sensor measurement signal 35 is used, and these signals are plotted on a phase plane to create a phase locus 71.
  • the time for which the phase trajectory 71 goes around on the phase plane corresponds to one period of the waveform, and the waveform frequency can be calculated from that time.
  • the phase locus 71 of the measurement signal is divided at every sample interval and the phase change is read, the frequency can be calculated without waiting for one round of the phase locus. This is called instantaneous frequency.
  • FIG. 7 shows an example of the instantaneous frequency 72.
  • the attenuation coefficient can be calculated without waiting for one round of the phase locus. In this way, the instantaneous frequency and attenuation coefficient of the waveform rise are calculated and used as the feature amount of the waveform.
  • the steady state may be determined, and if it is larger, it may be determined that an accident has occurred. And the monitoring apparatus 10 shifts time by fixed time, and repeats determination.
  • the monitoring apparatus 10 can determine the same processing as described above by plotting P and Q on the phase plane.
  • the frequency and attenuation rate which are the feature quantities calculated from the actual measurement signal, are classified by grouping when the prior probability is created, and the corresponding probabilities are read out. Then, posterior probabilities are calculated for each of the causes prepared in advance using Bayes' theorem (Bayes's formula). The cause with the greatest probability is taken as the most likely cause.
  • Bayes' theorem Bayes' theorem
  • the monitoring device 10 displays the likelihood of the estimated cause on its own display device to prompt the operator to make a decision.
  • FIG. 8 is a diagram for explaining the overall processing flow of the monitoring apparatus 10.
  • the monitoring apparatus 10 After the process 81 for inputting measurement signal data, the monitoring apparatus 10 performs a process 82 for calculating a feature amount from the measurement signal, and further performs a process 83 for estimating the cause of the accident and a process 84 for determining the accident point. Do.
  • the process 81 is performed by the input unit 14 in FIG. 1, the processes 82 and 83 are performed by the estimation unit 13, and the process 84 is performed by the signal processing unit 16.
  • related information such as weather-related data and map information data is input as information related to the cause of the accident in the power system 20.
  • reference data such as weather data in addition to the measurement signal.
  • the cause of the accident estimated from the measurement signal is tree contact
  • the tree is shaken by weather (wind)
  • weather there should be a relationship between the weather data and the tree contact that is the cause of the accident. is there.
  • the weather data in the area is clear and sunny, it can be judged that the consistency between the two is low. In other words, when there is no fine weather, the causal relationship that the wind blows, the trees shake, and the trees come into contact with the electric wires and an accident occurs is unlikely.
  • the estimation cause that is most likely to be calculated from the measurement signal and the reference data other than the measurement signal are inconsistent with each other.
  • the presumed cause is reinforced, and in the case of contradiction, some consideration is necessary for the presumed cause.
  • the probabilistic relationship between the reference data and the cause is known in advance, it can be prepared as a prior probability. However, if the stochastic relationship is not known in advance, the reference data can be eliminated as unnecessary.
  • a plurality of estimated causes may be output instead of outputting only the most probable estimated cause in terms of probability.
  • the operator's judgment may be supported by outputting reference data together.
  • the monitoring apparatus 10 of this embodiment estimates the cause of the signal waveform from the signal waveform included in the sensor measurement signal 35.
  • the time response of the vibration waveform has a large width depending on the cause. For example, in the case of a ground fault, a vibrating waveform is generated within 1 second or less.
  • the rotational speed of the generator (which can be paraphrased as frequency or phase) varies from several seconds to several minutes.
  • the monitoring apparatus 10 supports the operator's work by deducing the estimated cause and desirable countermeasures from the vibration waveform included in the sensor measurement signal 35.
  • a frequency analysis method has been proposed as a method for detecting a vibration waveform included in a time-series signal. For example, it is possible to extract the frequency component by signal processing such as FFT and Proni and determine the presence or absence of vibration based on the magnitude of the component.
  • the vibration waveform is always detected by frequency analysis. This embodiment does not limit the method of detecting an event observed in the waveform of the measurement signal of the present invention.
  • the monitoring device monitors the occurrence of an accident in a steady state where no accident has occurred.
  • a ground fault has occurred due to tree contact.
  • the monitoring device detects an accident, it is presented to the operator. From this point on, it is a work by the operator. The operator leaves for the accident point for recovery work.
  • the operator arrives in the vicinity of the accident point, the operator identifies the accident point and the cause of the accident, and starts work for recovery from the accident.
  • the operator completes the restoration work after confirming the restoration of the accident by the restoration work.
  • the identification of accident points is time consuming. In addition to the time required for the operator to reach the point assumed to be the accident point, it takes time to discover the accident point by human observation. If the accident occurs at night, observation itself may be difficult. Then, after finding the accident point, the cause of the accident is determined, the work content for recovery is determined, and then a specific recovery work is started.
  • the monitoring device 10 monitors the occurrence of an accident in a steady state where no accident has occurred.
  • the cause is estimated based on a measurement signal from the sensor switch.
  • the monitoring apparatus 10 performs fault location by performing appropriate signal processing on the measurement signal.
  • the monitoring device 10 presents the cause and point of the accident to the operator. From this point on, it is a work by the operator. The operator leaves for the accident point for recovery work. When the operator arrives at the accident point, the operator starts the recovery work. The operator completes the restoration work after confirming the restoration of the accident by the restoration work.
  • a lot of manual work is replaced by the processing of the monitoring device 10, and the time until the recovery work is started is greatly shortened.
  • the time for identifying the accident point and the cause of the accident at the site is not required.
  • FIG. 9 is a diagram illustrating processing performed in advance and processing performed in real time by the monitoring apparatus according to the present embodiment.
  • a process 91 performed in advance by the monitoring apparatus 10 is shown in the upper part, and a process 92 performed in real time by the monitoring apparatus 10 is shown in the lower part.
  • the process 91 is mainly performed by the first probability management unit 11 and the second probability management unit 12 of FIG.
  • the process 92 is mainly performed by the estimation unit 13.
  • the monitoring apparatus 10 calculates and sets the prior probability in advance, performs state estimation from the measurement signal input in real time, and outputs the result.
  • the prior probability is calculated based on a history of events (results) that occurred when a predetermined state (cause) occurred in the past.
  • An event is represented by a measurement signal (or a feature amount calculated from the measurement signal).
  • the posterior probability is calculated by the Bayes theorem using the input sensor measurement signal (or the feature amount calculated from the measurement signal) and the prior probability, and the state (cause) is estimated. Also, the prior probability is updated with the calculated posterior probability.
  • the state estimation if the estimated cause, the likelihood of the cause, and the cause is a contradiction, the contradiction is presented to the operator.
  • state values at each time point can be used as measurement signals at normal times.
  • the state value is voltage, current, power, frequency, phase, power factor, and the like in the power system 20.
  • the present invention is not limited to this.
  • the state of the power system 20 cannot be grasped only by measurement signals. There are many cases.
  • Bayes' theorem is used for estimating the state of the power system 20 by probabilistically relating the relationship between the state of the power system 20 and the measurement signal in advance.
  • the state of the power system 20 has a characteristic that it repeats in a 24-hour cycle or a one-year cycle.
  • Causes of this periodicity include the orbit of the sun, human life patterns, and the power generation characteristics of renewable energy. From this periodicity, a state appearing in the power system 20 can be considered as a statistical frequency and can be treated as a probability. At this time, the cause is a variation factor as described above, and the result is a past calculation or a simulation calculation based on the system configuration, and these relations can be prepared in advance.
  • the cause (system state) can be probabilistically estimated from the measurement signal (result) based on the limited measurement signal.
  • the present invention includes means for analyzing a frequency component of a measurement signal, uses a DC component of the measurement signal as a state value, and uses a high frequency (harmonic) component as a waveform feature.
  • the state of the electric power system 20 can be determined as a steady state when the magnitude of the high frequency (harmonic) component is small, and as an unsteady state when the high frequency component is large. Based on the determination result, the cause estimation procedure can be switched. Further, by using only the direct current component as a result of frequency analysis as a state value, an effect of reducing high frequency noise can be obtained.
  • the support data related to the estimated cause is searched and issued without waiting for the operator's instruction, and the search result is stored in a high-speed buffer. May be. In other words, this operation is to perform data retrieval asynchronously based on the probable cause.
  • the associated support data retrieved asynchronously and stored in the buffer can be read out from the buffer very quickly.
  • Probability data prepared in advance cannot include causes and results that cannot be assumed in advance. For example, since an event that causes an extremely large-scale accident occurs at a low frequency, it is difficult to preset a stochastic relationship from past history. Even when a result is caused by such a cause, a probable cause can be obtained according to the above-described cause estimation procedure. However, since the original cause is not prepared in advance, the likelihood is calculated low. Such a situation can also occur when noise enters the measurement signal.
  • the monitoring apparatus 10 presents the likelihood of the estimated cause as well as the likelihood to the operator, so the operator can make a judgment by looking at the likelihood of the accident and the cause and the cause.
  • the cause estimated from the measurement signal based on the probability data prepared in advance may not be consistent with another measurement signal.
  • the cause estimated from the measurement signal is a tree contact, but the weather data obtained as another measurement signal indicates that there is no wind. Even though there was no wind, the trees shook and contacted the track, and the causes and results did not match the weather data.
  • the cause estimated from the measurement signal is a tree contact
  • the map data obtained as another measurement signal may indicate that there is no tree at the accident point. On the map, there is no tree, but the tree sways and touches the track, and the cause and result do not match the map data.
  • the monitoring device 10 presents to the operator that the cause estimated from the measurement signal is irrational when the cause is not consistent with other data. Thereby, the operator can support the operator's appropriate judgment.
  • the monitoring apparatus 10 estimates a cause using a measurement signal measured in real time from a probabilistic relationship between a cause and a result set in advance, and determines the magnitude of the estimated cause probability of the measurement signal. It may be used as a filter for determining significance.
  • the estimated cause probability can be used as a detector for extracting a specific waveform included in the measurement signal.
  • the target system is in a steady state, and an accident that is in an unsteady state occurs rarely. Therefore, finding a specific waveform corresponding to the accident from a measurement signal is great.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
  • Locating Faults (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

事象の原因の推定に各原因の発生確率を考慮することを可能にする技術を提供する。 監視装置は、対象システムに起こり得る事象と該事象を起こし得る各原因とを、前記原因のそれぞれが起こったときに前記事象が起こる確率である第１確率で関連づける第１確率管理部と、前記原因のそれぞれが出現する確率である第２確率を算出する第２確率管理部と、前記対象システムに起こった事象の原因を、前記第１確率と前記第２確率を合成した、前記事象が起こったときにそれが前記原因によるものである確率である第３確率に基づいて推定する推定部と、を有する。

Description

監視装置および監視方法
　本発明は電力系統の状態を監視する技術に関する。
　電力系統は、電力の安定供給のために多くの機器と制御方法を組み合わせて構築され、運用される大規模システムである。しかし、電力供給に支障をもたらす事故が発生することがある。事故時の停電範囲の縮小、復旧時間の短縮は、電力供給の信頼度を高めるために必須の要請となっている。
　しかし近年、再生可能エネルギーの導入が進み、負荷特性が多様化することで、電力系統には変動原因が増えている。また、電力系統には偶発的な事故が発生することがある。
電力系統の状態変化は、これらを原因とし、電力系統に起きる状態を結果として、原因と結果の関係として扱うことができる。
　人間が原因と結果の関係を推定する場合、推定を行う担当者の経験、知識、体調などの個人差によるばらつきが推定結果に入り込む。原因と結果の推定を、計測信号を用いた信号処理で実現できるならば、ばらつきを減らした高速動作が期待できる。例えば、近年の情報通信技術の進展により、高速にデータ伝送することが可能になってきている。電力系統にセンサを設置して、電力系統のセンサからの計測信号を活用する技術が普及している。
　例えば、国内配電系統に設置されているセンサ開閉器は、電圧あるいは電流等の状態値をサンプリングして、電力線搬送技術、光ケーブル等の伝送手段を使って親局のサーバに伝送する。そして、それらの状態値に基づいて、電力潮流等の物理量のほか、系統に起きる事故の検出、事故原因の推定、事故点標定（事故の発生した箇所の推定）などの電力系統の状態を解析する技術が提案されている。
　電力系統に事故が起きたとき、電流が急激に流れるなどの過渡的な状態変化が起きることがある。そこで、電力系統の計測により得られる計測信号から、事故原因が推定できるならば、その推定結果は復旧作業の支援に活用できる。電力系統において、計測信号を用いて事故原因（事故点、障害原因等）を推定するため、事故時の等価回路と計測信号を対応付ける方法は事故点標定と呼ばれている。観察する信号種類や等価電気回路の作り方等によって幾つかの異なる提案があり、各提案には各事故原因との間に適否の適性がある。
　特許文献１は、送配電線の故障原因を判別する方法を提供するために、事故発生時の波形の特徴量を記憶し、波形特徴量を強調するために差分データを計算し、差分データの出現確率を用いて事故原因を判別する構成を開示している。
　また、特許文献２は、事故原因を判別する方法を提供するために、事故発生時の状況と事故原因別の発生率との関係をデータベース化する構成を開示している。
　また、文献の引用はしないが、信号の分類手法としてクラスタリング手法があり、例えばk-means法、SVC(Support Vector Machine)法などが知られている。
　また、メタヒューリスティックと呼ばれる技術分野において、ニューロ計算機が知られている。元々は人間の神経系を模擬したと言われる学習過程を用意することで、事前に計算式を用意することなく入力と出力の関係を生成することができる。この手法は、入力と出力を数式で関連付けることが難しい場合でも、学習過程を経過することでモデル化が可能であるという特徴を持っている。
特開２００６－１０５７１４号公報 特開平１０－２５７６９４号公報
　監視対象となるシステム（対象システム）に設置したセンサを用いて対象システムの状態を時々刻々と計測する構成において、原因と結果の関係を対応付けるならば、例えばセンサ計測信号に含まれる振動波形を結果とし、その結果を生じさせた対象システムに起きた変化を原因とすることができる。
　特許文献１に記載された技術は、電力系統の状態変化の結果として現れるセンサ計測波形とその状態変化の各原因との関係を確率の大小比較により推定する。しかし、特許文献１の技術では各原因は発生する確率が異なっていることが考慮されていない。
　本発明の目的は、事象の原因の推定に各原因の発生確率を考慮することを可能にする技術を提供することである。
　本発明の一つの実施態様に従う監視装置は、対象システムに起こり得る事象と該事象を起こし得る各原因とを、前記原因のそれぞれが起こったときに前記事象が起こる確率である第１確率で関連づける第１確率管理部と、前記原因のそれぞれが出現する確率である第２確率を算出する第２確率管理部と、前記対象システムに起こった事象の原因を、前記第１確率と前記第２確率を合成した、前記事象が起こったときにそれが前記原因によるものである確率である第３確率に基づいて推定する推定部と、を有する。
　本発明によれば、事象と原因とを関連づける第１確率に加え、各原因が生じる第２確率を用いて、対象システムに起こった事象の原因を推定するので、事象の原因の推定に各原因の発生確率を考慮することが可能となる。
本実施形態による監視装置の概略ブロック図である。 電力系統の構成例を示す図である。 センサ計測信号および制御信号について説明するための図である。 センサ計測信号の波形例を示す図である。 事故復旧の手順の一例を示すフローチャートである。 本実施例における原因と結果との確率による対応づけ関係を示すテーブルである。 事故の原因を推定する処理について説明するための図である。 計測信号の特徴量の算出例について説明するための図である。 監視装置１０の全体的な処理の流れを説明するための図である。 本実施例の監視装置の予め行う処理とリアルタイムで行う処理を示す図である。
　以下、本発明の実施形態および実施例について図面を参照して説明する。以下の実施形態および実施例は本願発明の内容の具体例を示すものであり、本発明がこれらに限定されることはない。本発明は本明細書に開示される技術的思想の範囲内において当業者による様々な変更および修正が可能である。
　図１は、本実施形態による監視装置の概略ブロック図である。監視装置１０は、第１確率管理部１１、第２確率管理部１２、推定部１３、入力部１４、および出力部１５を有している。入力部１４にはネットワーク経由で監視の対象とするシステム（対象システム）が接続されており、対象システムで計測された時系列の計測信号が入力される。監視装置１０の監視結果は出力部１５により運用者に提示される。
　第１確率管理部１１は、対象システムに起こり得る事象とその事象を起こし得る各原因とを、原因のそれぞれが起こったときに事象が起こる確率である第１確率で関連づけた情報を保持している。第２確率管理部１２は、原因のそれぞれが出現する確率である第２確率を算出する。例えば、過去に起こった事象の履歴から第１確率および第２確率を予め算出しておくことができる。あるいは、そのときの対象システムのおかれている環境状態に基づいて第２確率を算出することができる。推定部１３は、実際に対象システムに起こった事象の原因を、第１確率と第２確率を合成した第３確率に基づいて推定する。第３確率は、事象が起こったときにそれがその原因によるものである確率である。これにより、原因と事象を関連づける第１確率に加え、各原因の出現確率である第２確率を用いて、対象システムに起こった事象の原因を推定するので、事象の原因の推定に各原因の出現確率を考慮することが可能となる。
　また、推定部１３は第１確率と第２確率をベイズ定理を用いて合成して第３確率を算出する。第１確率と第２確率をベイズ定理で合成した第３確率を用いて事象の原因を推定するので、各原因が事象を起こす確率と各原因が生じる確率を合成した確率を用いて原因推定の精度を高めることができる。なお、ベイズ定理では、第３確率を求める式には第１確率と第２確率の乗算が含まれている。
　また、推定部１３は、更にベイズ更新により、第３の確率で第１確率を逐次更新する。第１確率を更新するので原因推定の精度を徐々に向上させることができる。
　また、信号処理部１６は、対象システムにて時系列に計測された計測信号に対して信号処理を行う。そして、信号処理部１６は、推定された事象の原因に応じて信号処理の処理内容を切り替える。推定された事象の原因に応じて信号処理を切り替えるので対象システムの状態に適した信号処理を適宜利用できる。
　個々に示した対象システムは一例として電力系統であり、計測信号には電力系統の電力、電圧、電流などの波形を示す信号が含まれる。監視すべき事象は、電力波形などの計測信号の状態として表される。その原因は電力系統の電力供給に支障を起す事故の種類である。
　電力系統の例では、第１確率管理部１１は、計測信号の周波数成分を複数の帯域に分割し、各帯域の周波数成分の大きさの比率に基づいて第１確率を決定する。電力供給に支障を来たす事故が起こると、事故の種類により電力波形の各帯域の周波数成分の大きさの比率が変化するという電力系統の特徴を利用するので、電力系統の支障の原因となった事故を高い精度で推定することができる。
　また、信号処理部１６が行う信号処理は、電力系統において事故が発生した位置を算出する処理である。事故の種類によって、その事故が発生した位置を算出する処理を適切に変えることができるので、事故が発生した位置を高い精度で判断することが可能となり、事故の復旧を容易にすることができる。
　以下、より具体的な実施例について説明する。実施例は電力系統に起きる事故を例として説明するが、本発明を電力系統に限定するものではなく、本発明は、センサなどで計測される計測信号を用いた確率的に事象の原因を推定する装置や方法に広く適用することができる。なお、以下の説明では、センサ計測信号、波形信号、時系列信号の用語を混用する場合があるが、特に指示しない限り同じ意味であり、上記計測信号に相当する。
　＜１＞電力系統の事故
　図２は、電力系統の構成例を示す図である。本実施例の対象システムとして図２に示すような電力系統２０を取り上げる。電力系統２０は、需要家２５に電力を供給するシステムであり、配電変電所２１、線路２２、およびＳＶＲ（高圧自動電圧調整器）２３を含んでいる。それだけでなく、電力系統２０は、電力の安定供給のため多くの制御機器（不図示）およびセンサ（不図示）が接続された複雑なシステムになっている。監視装置は対象システム内で事故２６が起きると、その原因を推定し、復旧作業に供する。
　図３Ａは、センサ計測信号および制御信号について説明するための図である。図３Ａに示すように、対象システムである電力系統２０には、変圧器のような制御対象機器３１と、分電盤のような監視対象機器３２が存在する。制御対象機器３１および監視対象機器３２には、各種状態を計測してセンサ計測信号３５として送信するセンサが設置される。監視装置１０は、制御対象機器３１および監視対象機器３２からのセンサ計測信号３５を監視対象機器３２からのセンサ計測信号３５を受信し、制御対象機器３１へ制御信号３６を送信する。図３Ｂは、センサ計測信号の波形例を示す図である。センサ計測信号３５は所定の時間窓３７を有する。
　上述したセンサでは各種状態が計測され、センサ計測信号３５として監視装置１０へ送信される。図３Ａに示すように、電力系統２０に起きる様々な事象は、電力系統２０の設置したセンサにより、電圧、電流、電力などの状態量として観察される。これらの状態量は、センサ開閉器等の何らかのセンサを用いて時系列信号として採取することで信号処理が可能になる。センサ計測信号３５に含まれる事象は、例えば過渡的な振動波形、あるいは緩やかな信号変化として観察される。
　図３Ｂに示すように、センサ計測信号３５に現れる波形は、対象システムである電力系統２０に起きた原因の結果として扱えることができる。例えば、電力系統２０に何らかの事故２６が起きたとき、電力系統２０のセンサ計測信号３５には変動が観察される。地絡により電流が急激に流れるならば、過渡的な振動波形が観察される。このように、事象を引き起こした原因と、センサ計測信号３５に現れる結果を対応付けることができる。
　電力系統２０に事故２６が起きた場合に、センサ計測信号３５に現れる変化を解析することで事故の原因の推定ができるならば、事故の復旧作業を効率化し、作業時間の短縮に効果が期待できる。
　図４は、事故復旧の手順の一例を示すフローチャートである。ここでは事故の発生から復旧までの作業手順を汎用的なケースを想定して例示する。事故復旧の作業は運用者が監視装置１０を用いて行なうので、ここでは主に監視装置１０の処理に着目して説明する。監視装置１０は各ステップの間に運用者への情報の提示および／または運用者による操作を経てもよいし、自動的に処理を進めてもよい。
　監視装置１０は、定常状態（ステップ４０１）において、センサ計測信号３５に基づき検出すべき事象が起きているか否か確認する（ステップ４０２）。事象を検出しなければ、ステップ４０１～４０２を繰り返す。
　事象を検出すると、監視装置１０は、その事象の原因を推定する（ステップ４０３）。ここでは事象の原因は事故なので、どのような事故が発生しているかを推定する。続いて、監視装置１０は、推定された原因に応じて、センサ計測信号３５に対して実行する信号処理を選択する（ステップ４０４）。ここではセンサ計測信号３５に対する信号処理は、事故が発生した位置を特定するための処理である。事故の種類に応じて、その発生した位置を特定するのに適切な信号処理を適用する。
　次に、監視装置１０は、解析結果および対策案を運用者に提示する（ステップ４０５）。例えば、監視装置１０は、事故の種類とそれに対する対策案とを対応づけた情報を予め保持しており、推定された事故と、それに対する対策案とをディスプレイ画面に表示することにしてもよい。
　事象の原因が不明の場合、監視装置１０は、その旨を運用者に提示し、運用者に対応について判断を促す（ステップ４０６）。また、推定された事故が緊急性の高い著しい異常であるなら、監視装置１０は、運用者の指示等の操作を経ずに、強制的に所定の対策を実行する。
　事故が緊急性のそれほど高くない異常であった場合、監視装置１０は、運用者による対策案の対策内容の確認を得る（ステップ４０８）。対策内容の確認において、運用者は、例えば、ステップ４０５で提示された対策案の内容を確認し、監視装置１０へ対策案の実行を指示する操作を行う。その後、監視装置１０は確認された対策を実行し、定常状態に戻ったか否か確認する（ステップ４０９）。対策を実行することにより、電力系統２０が定常状態に戻れば、監視装置１０は処理を終了する。電力系統２０が定常状態に戻らなければ、監視装置１０はステップ４０３に戻り、それ以降の処理を繰り返す。
　電力系統２０において何らかの理由で起きた系統の事故が起きると、電力系統２０の状態に変化が生じ、そして電力系統２０のセンサ計測信号３５には電力系統２０の状態変化に対応した変化が現れる。ここで原因は電力系統に起きた事故であり、結果はセンサ計測信号３５に現れる信号の変化である。ただし、これは一例であり、この観点の捉え方は他にの幾つかある。例えば、起きた事故自体を結果と捉える観点が考えられる。また、事故に至るまでの過程に原因を持つという観点も考えられる。また、電力系統２０に対して実行された制御を原因とし、制御によって起きるセンサ計測信号３５の変動を結果とする観点も考えられる。あるいは、再生可能エネルギーの変動を原因とする観点も考えられる。
　本発明は、対象システムに起こる、これらの原因と結果の関係に広く適用することができるが、本実施例では、電力系統２０のセンサ計測信号３５に現れる信号変化を結果とし、事故を原因として扱っている。すなわち、結果（ここではセンサ計測信号３５）から原因（事故）を推定し、その推定結果を事故の復旧手順の選択に利用している。
　（１）事象検出・・・センサ計測信号（時系列信号）から事象を取り出す
　電力系統２０の状態を何らかのセンサでサンプリングしたセンサ計測信号３５は時系列信号であり、時間的に連続するサンプル値の並びであって、事象としてのかたまりをもっていない。
　本実施例では、時間幅、あるいはサンプル数を決めて、そこに含まれる信号の組み合わせを事象として扱う。そして、この事象に確率を割り当てる。なお、以下の説明では、結果、計測信号、事象、波形、特徴量、という用語を、ほぼ同じ意味で使う場合がある。事象を形成するために組み合わせる信号の作り方を決める必要がある。例えば、時間的に連続する信号列から一部を取り出す場合は、時間軸上の始まりと終わりを決めることになる。事故時の波形を包含する程度の時間幅を決めておき、その時間幅に含まれる計測信号の組み合わせを取り出し、適切な信号処理により特徴量を算出する。そして、次の時刻にシフトして再び信号の組み合わせを取り出す手順を繰り返す。
　本実施例は計測信号から取り出した事象に確率を割り当てるが、計測信号の組み合わせは膨大になりうるので、計測信号を信号変換により特徴量に置き換えて確率を割り当てる。ここで特徴量の算出方法を限定するものではないが、例えば、周波数成分の分布を特徴量の算出に利用することができる。
　周波数の帯域を幾つかに分割して、各帯域の周波数成分を事象として、各成分の大きさ比率を事象の出現確率とする。このために事故原因に対応した振動波形を事前に実験、あるいはシミュレーション等で採取して、その振動波形の周波数成分を前記帯域に分割して、その成分比率を確率に置き換える。これより原因に対応した事象の確率が求まるので、これを事前確率とする。
　図５は、本実施例における原因と結果との確率による対応づけ関係を示すテーブルである。ここでは、図５に示すように、波形の周波数成分と減衰率を組み合わせて利用する。このため、周波数成分については上記と同様にそれぞれの帯域に確率を割り当てている。さらに、ここでは減衰率の大きさも複数に分類して確率を割り当てる。簡単には、減衰率の大きさを正と負と零の３種類に分類する方法がある。そして、このために事故（原因）に対応した振動波形を事前に実験、あるいはシミュレーション等で採取して、各周波数成分の大きさの比率あるいは頻度を確率に置き換えて事前確率とする。
　以上、ここでの説明は、事故を原因として、事故が起きたあとの事象を結果として説明したが、本発明はこれに限定されない。他の例として、事故が起きるまでの過程における計測信号を原因とし、引き起こされる事故を結果とし、原因と結果を確率的に関係付けるならば、事故の発生前に運用者に警告する等の対処ができる。このとき計測信号が原因で、事故内容が結果になる。減衰率を例にとれば、減衰率がマイナスであり、すなわち振動の振幅が拡大しているならば、事故の発生に繋がる可能性がある。本発明は、このような系統状態の監視にも適用可能である。
　本実施例では、監視装置１０は、時系列信号から算出した特徴量から事故の発生を検出し、事故の原因が推定により見出されたときには、事故の内容と対策を運用者に提示して復旧作業を支援する。
　（２）原因推定・・・計測信号から取り出した事象に対応する原因を推定する
　ある事故を起し得る原因が１種類のみであれば、事故を検出すれば、その原因の推定も同時に完了する。しかし、一般に、ある事故を起し得る原因としては多くのことが考えられ、事故の原因を容易に一意に定めることができない。本実施例では、監視装置１０は、多種類の事故の原因がある場合に、ベイズの定理を用いて計測信号（時系列信号）から確率的に原因を推定する。
　本実施形態では、ベイズの定理に基づき、対象システムに起こり得る事象とその事象を起こし得る各原因とを、原因のそれぞれが起こったときに事象が起こる確率である第１確率で関連づける。また、原因のそれぞれが出現する確率である第２確率をも導入する。そして、対象システムに起こった事象の原因を、第１確率と第２確率を合成した、事象が起こったときにそれがその原因によるものである確率である第３確率に基づいて推定する。
　ベイズの定理では、事前確率と事後確率（逆確率と呼ぶ場合がある）が関係付けられる。ここで事故原因Ｅｉの出現確率をＰ（Ｅｉ）、事故原因Ｅｉのときに事象Ｆが出現する確率をＰ（Ｆ｜Ｅｉ）とし、これらは事前確率として予め分かっているとする。そして、事象Ｆが発生したとき、事故原因がＥｉである確率（事後確率）Ｐ（Ｅｉ｜Ｆ）を式（１）の方法で算出する
Figure JPOXMLDOC01-appb-M000001
 　そして、それぞれの原因に対応する事後確率Ｐ（Ｅｉ｜Ｆ）の大きさを比較して、最も大きな確率を持つ原因Ｅｉを、最も尤もらしい原因であると判定する。電力系統２０の事故の場合、事故原因Ｅｉは、樹木接触、鳥獣接触など、事故を引き起こし得る原因である。通常、過去に起きた事故の件数とその事故の原因は分かっている。そのため、過去の事故の履歴から、事故原因Ｅｉの出現確率Ｐ（Ｅｉ）を準備できる。また、事故原因Ｅｉが発生したとき計測信号に現れる波形は、事前の実験、シミュレーションなどにより入手可能である。計測信号としてこの波形を入力し、適宜な信号処理を施すことにより、波形の特徴量を算出することが可能である。
　前記したように波形の周波数成分に着目して、帯域（事象）Ｆｋごとの成分比率を出現確率Ｐ（Ｆｋ）とすれば、事故原因Ｅｉのとき事象Ｆｋが出現する確率Ｐ（Ｆｋ｜Ｅｉ）が得られる。これを事前確率として用意する。
　そして、計測信号から算出した周波数成分の比率（確率）から、以下の式（２）で、帯域（事象）Ｆｋが出現したときその原因が原因Ｅｉの確率を算出する。そして事後確率Ｐ（Ｅｉ｜Ｆｋ）が最も大きくなる原因Ｅｉが、最も尤もらしい原因であると判定する。ここでは周波数成分に着目したが、ほかに事故時の波形の振幅の減衰率、波形の立ち上がり特性、などを利用できる。また時系列信号以外の、何らかの状態値に関する確率を組み合わせることができる
Figure JPOXMLDOC01-appb-M000002
 　また、複数の特徴量の確率を組み合わせて、原因の確率を算出することができる。前記と同じ設定で、複数の周波数帯域と成分比率（確率）の組み合わせを事象Ｆｊとして扱い、確率Ｐ（Ｆｊ）（ｊ＝１～ｍ）を割り当て、原因Ｅｉの確率と関係付ける。ここで別の事象の確率を組み合わせることができて、例えば前記したように周波数帯域と減衰率の組み合わせを事象として扱い、確率を割り当てても良い。そして前記と同様に、式（３）の事後確率Ｐ（Ｅｉ）が最も大きくなる原因Ｅｉが、最も尤もらしい原因であると判定する
Figure JPOXMLDOC01-appb-M000003
 　ここで、時系列信号から取り出した事象について、尤もらしい原因が見つからない場合を考察する。この理由の一つは、実際に事象を起こすほどの原因が存在しない場合であり、この事象を却下すれば良い。この手順は、言い換えれば、ノイズを削除するフィルタに相当する。本実施例では、事象検出と原因推定を組み合わせて繰り返すことで有意な事象を見出す。
　別の理由としては、事前に想定できない、あるいは稀な原因であり、確率を設定できない原因については、事前に原因と結果を確率的に関連付けることができない。
　そこで本実施例の監視装置１０は、波形振幅等の特徴量が観察されながら、確率的には尤もらしい原因を見付けられない場合は、事前に想定していなかった事故が起きた可能性があるため、この背反の状況を運用者に提示して判断を促す。具体的には表示装置に運用者へのアラームを表示する。
　また、確率的に尤もらしい原因を見付けながら、周辺情報とは背反する場合がある。例えば、計測信号から推定した原因が樹木接触であるときに、該当地区の気象データが無風状態であることを示しているならば、風が吹いていないのに樹木が揺れて接触したことになる。どちらかの情報にノイズが含まれているのか、あるいは想定外の理由で樹木が揺れたのかは、事前の原因と結果の関連付けからは判断できない。そこで本発明は、事前に想定していなかった事故が起きた可能性があるとして、この背反の状況を運用者に提示して判断を促す手段を備える。具体的には表示装置に運用者へのアラームを表示する。
　ところでベイズ統計では、前記した事前確率を逐次に更新していくベイズ更新と呼ばれる手順がある。事後確率を用いて事前確率を置き換えていくことで、事前確率の初期値に主観的な判断があったとしても、計測信号（結果）に基づいて事前確率を徐々に修正していくことができる。
　（３）信号処理・・・復旧支援を目的にした計測信号に対して信号処理を行う
　例えば、電力系統２０の計測信号から事故点（位置）を算出する手順は、事故点標定方式と名付けられて、幾つかの方式の提案がある。例えば、事故時の波形の立ち上がり特性を利用する方法、事故時波形の周波数特性を利用する方法、などがある。各方式は、事故点の算出原理によって、事故の種類毎に標定の精度の良し悪しが異なる。
　本実施例は、推定した事故の原因に応じて適切な事故点標定方式（信号処理）を選択することで、事故点の推定精度を向上する。事故点の推定精度が向上すれば、復旧作業のため作業者が事故点に到達するまでの時間が短縮され、また現場で事故点を発見するまでの時間が短縮されるという効果がある。
　本発明は、この信号処理を本実施例のように事故標定に限定するものではない。例えば、送電系統では、数秒から数分に渡る動揺波形が観察されることがあり、その動揺が発散か否かを検出することが安定性の判断に重要になる。このため、例えばプローニ法を用いて波形解析を行い、その波形の減衰特性を算出し、減衰特性から送電系統の安定性を判断するという方法がある。
　＜２＞装置構成
　図２に示した本実施例の対象システムである電力系統２０には、配電変電所２１から需要家２５まで配電線路である線路２２にはセンサ開閉器（センサ）を設置して系統状態（電圧、電流等）を計測している。センサからのセンサ計測信号３５は、電力線搬送あるいは光ケーブル伝送の技術を使い、親局にあるサーバ（監視装置１０）までデータ伝送される。
　線路２２に起きる事故には様々な種類があるが、ここではケーブルと地面の間のインピーダンスが著しく低下する地絡を取り上げる。線路２２に地絡事故が発生した瞬間に線路から対地電流が流れるので、線路２２には過渡的な応答波形が発生する。事故点標定方式は、この波形を観察することで事故の起きた箇所（事故点）を検出する方法である。ここで事故の原因が線路２２への樹木の接触であれば、瞬時的な接触が繰り返し発生することがある。また、線路２２の地絡電流により、線路２２に接触した接触物が加熱して変成する場合があり、例えば樹木接触であれば、樹木が時間経過に伴って炭化するにより変化し、地絡抵抗が時間的に変化することがある。このように事故が起きたときに発生する電流の過渡応答波形は事故の原因によって異なる。そのため事故の原因によって、精度の高い標定が可能な事故点標定方式が異なる。そこで本実施例は、計測信号を用いて事故の原因を推定し、推定された原因に基づいて、事故点標定のための信号処理を選択する。
　電力系統２０に設置したセンサによって採取される計測信号は、適宜の時間間隔でサンプリングされた時系列信号である。時系列信号は、時間的に連続する信号の並びであり区切りを持たない。そこで、図３Ｂに示したように、事前に決めた時間幅（時間窓３７）、あるいは事前に決めたサンプル数でもって、時系列信号から、有限個の連続する計測信号を切り出して、これを信号処理の単位とする。さらに本実施例では、上記のように切り出した計測信号を事象として扱い、また、計測信号を特徴量に変換して確率を割り当てる。
　計測信号から事象を作成するための時間窓３７の時間幅あるいはサンプル数は、複数種類を準備し切り替えても良いし、あるいは可変に設定して良い。これは、波形の特徴を算出するのに必要な時間幅あるいはサンプル数は、事故の原因によって異なる場合があるためである。その場合、事故の原因に応じて時間窓の時間幅あるいはサンプル数を選択することにしてもよい。波形の立ち上がり特性を特徴量とするならば立ち上がり波形があれば十分であるが、図５に示したように、計測信号の波形の周波数特性および減衰特性を特徴量とするならば、振動波形の複数周期分の計測信号が必要である。また、計測信号の長周期動揺を特徴量とするならば、数秒から数分の計測信号を観察することになる。
　時系列信号の信号処理として多くの手法がある。例えば、ＦＦＴ、プローニ解析、ウェーブレット解析、瞬時周波数解析などがある。これら信号の解析手法で算出した数値は波形の特徴量として利用することができる。本実施例は、本発明の信号の解析方法、ならびに算出結果である特徴量の種類を限定するものではない。また、複数の特徴量を組み合わせて利用しても良い。
　特徴量として、波形に含まれる高調波成分の比率、波形の周波数成分と減衰特性、波形の位相変化（周波数の時間的な変化）、波形の形状パタン、などを利用できる。また、時系列信号以外の何らかの状態値に関する確率と特徴量を組み合わせて利用することもできる。
　本実施例のように、時系列信号を特徴量に変換して扱うことで、元々の時系列信号を扱うのに比べて処理すべきデータ量を削減できる。また、信号比較において類似性、差分、変化等の数値化が容易になる場合がある。これにより、データ処理の高速化、データ入出力の高速化、データ蓄積量の削減のほか、データ入出力の高速化、処理の高速化、等のメリットがある。また、波形データには時間位置（位相）の特性を持つが、特徴量に変換することで時間位置に無関係とすることができる。
　ここで、特徴量の一例として、波形データに含まれる高調波成分を利用する方法を示す。波形データを周波数成分に変換する手法としてはフーリエ変換、ウェーブレット変換等が知られている。電力系統２０の計測信号を信号処理の対象にするとき、商用電源周波数の倍数の周波数を持つ高調波成分を算出することができる。ここで波形の特徴量としては、高調波成分の大きさではなくて、周波数成分の大きさの周波数帯同士での比率を扱うのが好適である。
　事故が起きたときに電力系統２０で計測される計測信号は、事前の実験データ、あるいは過去の実績データとして採取することができる。また一般に、実際の電力系統２０に起きた過去の事故状況は履歴として記録されているので、それを事故の原因の統計データとして利用できる。これらのデータから、電力系統２０に起きる事故の原因と、事故の原因に対応する事故時の計測信号の特徴量と、事故の原因の発生頻度（確率）を関連付けることができる。履歴による関連付け情報から得られる、事故の原因とその原因の発生頻度（確率）は、事故の原因を推定する処理に利用される。
　＜３＞事故点標定手順
　ここでは電力系統２０に地絡事故が起きたときの事故点標定の手順と装置構成を示す。ここでは電力系統２０の地絡事故として線路２２が断線して地面に接触したとする。電力系統２０は、事故時、事故点においてインピーダンスＺで地面との回路を作り、線路２２には過渡的に振動する電流が流れる。断線による地絡時には、インピーダンスＺに依存した振動が素早く減衰する波形になるとする。別の原因、例えば樹木が線路２２に接触のときには商用電源周波数に同期して電流が流れて、即座には減衰しない。つまり、両者の波形には周波数と減衰率において差が見られる。
　本実施例では、監視装置１０は、事前に用意した確率的な関連付けの情報に基づいて、実際に計測した信号から事故原因を推定する。図６は、事故の原因を推定する処理について説明するための図である。図６には、事前準備の内容と、実時間に処理する内容とがしめされている。計測信号に現れる波形を、事前の実験、シミュレーションなどで作成し、適宜な信号処理により波形の特徴量を算出して、その比率から確率を割り当てる。前記したように波形の周波数成分に着目して、帯域（事象）Ｆｋごとの成分比率を出現確率Ｐ（Ｆｋ）とすれば、事故原因Ｅｉのとき事象Ｆｋが出現する確率Ｐ（Ｆｋ｜Ｅｉ）が得られる。これを事前確率として用意する。そして、実時間の原因推定として、計測信号から特徴量を算出し、特徴量の確率からベイズの定理（ベイズの公式）を用いて原因の確率を算出する。そして、推定結果を運用者に示すことで事故復旧作業を支援する。
　監視装置１０は、計測信号の処理として、事象検出、原因推定、および信号解析（事故点標定）、を実行する。事象検出とは、計測信号から特徴量を算出して事象を判定する処理である。原因推定では、事前確率に基づいてベイズの定理で事後確率を算出する処理である。ここでいう信号処理は、事故点標定の処理を指すものとする。
　まず、計測信号から、徐々に減衰する正弦波を見つけ出して、その波形を含む時間幅の信号を事象として取り出す。減衰波形の解析としてプローニ解析が知られているが、地絡時の振動波形は、減衰が大きく、波形歪が大きいことが想定されて、プローニ解析は解析精度が懸念される。
　図７は、計測信号の特徴量の算出例について説明するための図である。波形の立ち上がり時の波形特徴量を算出することが目的である。以下、瞬時周波数を算出する手順を示す。
　まず、センサ計測信号３５の電圧（あるいは電流、電力）と位相が９０度離れた信号を作り、その作った信号を位相平面にプロットし、位相軌跡７１を描く。計測信号の微分値（あるいは差分値）を算出することにより、位相が９０度離れた信号を作ることができる。あるいは、１階微分（あるいは１階差分）と２階微分（あるいは２階差分）を組み合わせても良い。１階微分（あるいは１階差分）と２階微分（あるいは２階差分）を組み合わせることで直流分を削除できるメリットがある。
　そして、センサ計測信号３５と位相が９０度離れた信号を用い、それらの信号を位相平面上にプロットし、位相軌跡７１を作る。位相平面上で位相軌跡７１が一周する時間が波形の１周期に相当し、その時間から波形周波数が算出できる。計測信号の位相軌跡７１をサンプル間隔毎で分割し、位相変化を読み取れば、位相軌跡の１周を待たずに周波数が算出できる。これを瞬時周波数と呼ぶ。図７には、瞬時周波数７２の一例が示されている。また、位相軌跡の半径が波形の振幅に相当するので、位相軌跡の１周を待たずに減衰係数が算出できる。こうして波形立ち上がりの瞬時周波数と減衰係数を算出して波形の特徴量とする。
　また、位相軌跡の半径が所定の閾値よりも小さければ定常状態であり、大きければ事故が起きていると判断しても良い。そして、監視装置１０は、一定時間だけ時間をシフトして判定を繰り返す。
　なお、計測信号として直交関係にある有効電力Ｐと無効電力Ｑが計測できる場合には、監視装置１０は、ＰとＱを位相平面にプロットすることで上記と同様の処理と判断ができる。
　事象を見付けた場合には次の原因推定に移る。ここで事前に、事故原因に対応する計測信号の瞬時周波数と減衰率を特徴量として、これが過去実績、実験もしくはシミュレーション等で出現比率（確率）が分かっているとする。周波数と減衰率をグループ分けして、それぞれに確率を割り当てることで、原因と結果の確率的な関係を作る。
　実際の計測信号から算出した特徴量である周波数と減衰率を、事前確率を作ったときのグループ分けで分類し、該当する確率を読み出す。そしてベイズの定理（ベイズの公式）を用いて、事前に用意した原因のそれぞれについて事後確率を算出する。そのなかで最も大きな確率となる原因を、最も尤もらしい原因とする。この結果を、表示手段等を用いて、事故復旧に関わる運用者に提示することで、運用者の復旧作業を支援する。また原因に対応する復旧作業の内訳を、データベース等から読み出して、併せて提示する。
　ここでベイズの定理で算出した原因の確率がいずれも小さいときには、事前に想定しなかった原因で事故が起きている可能性もある。本実施例では、結果から推定した原因の確率が低く、その尤もらしさに欠けるときには、尤もらしい原因が見つからなかったことを運用者に提示する。例えば、監視装置１０は自身の表示装置に推定原因の尤もらしさを表示して運用者の判断を促す。
　＜４＞気象データ、地図データ等の利用
　近年の情報ネットワークの進展に伴い、様々な情報の流通が容易に行われるようになってきている。社会活動のなかで事象同士が何らかの関連を持っている場合があり、その関連を見出し、関連を利用することができればメリットとなる。
　図８は、監視装置１０の全体的な処理の流れを説明するための図である。監視装置１０は、計測信号のデータを入力する処理８１の後、計測信号から特徴量を算出する処理８２を行い、更に、事故の原因を推定する処理８３と、事故点を標定する処理８４を行う。処理８１は図１の入力部１４にて行われ、処理８２、８３は推定部１３にて行われ、処理８４は信号処理部１６にて行われる。
　例えば、図８に示す処理の流れに従って、まず、電力系統２０におきる事故原因に関連する情報として、気象に関わるデータ、地図情報データ等の関連情報を入力する。このように、ここでは計測信号以外に気象データなどの参照データがあるものとする。例えば、気象データの利用方法としては、推定原因と気象との関連の妥当性の判断がある。計測信号から推定した事故の原因が樹木接触である場合に、気象（風）により樹木の揺れが起きているならば、気象データと事故原因である樹木接触との間には関連が見出せるはずである。一方で、該当地区の気象データが晴天無風であるならば、両者の整合性は低いと判断できる。つまり、晴天無風のときには、風が吹いて樹木が揺れ、樹木が電線と接触して事故が発生した、という因果関係は成り立ちにくい。
　このように、計測信号以外の参照データがあるとき、計測信号から算出した確率的に最も尤もらしい推定原因と、計測信号以外の参照データとが整合する場合ばかりでなく、背反する場合がある。整合する場合には推定原因が補強されることになり、背反する場合は推定原因について何らかの考察が必要になる。参照データと原因の確率的な関係が事前に分かるならば、事前確率として用意することができる。しかし、事前に確率的な関係が分からない場合に、参照データを不要として排除することもできる。本実施例では、確率的に最も尤もらしい推定された原因を一つだけに絞って出力するのではなくて、複数の推定された原因を出力することにしてもよい。また、併せて参照データを出力することで運用者の判断を支援することにしてもよい。
　事前に想定できなかった原因、極めて稀な原因、複数の原因が組み合わさっている原因、などは、事前確率として準備するのが難しい。このようなときには計測信号から原因を推定するときに尤もらしい原因が決められない。また、推定した原因が、他の情報と矛盾がある場合がある。本実施例では、これらの確率的な状況自体が運用者の判断の支援になるとして、監視装置１０は、運用者に情報を提示することができるものとする。
　＜５＞運用者支援
　図８に戻り、本実施例の監視装置１０は、センサ計測信号３５に含まれる信号波形から、その信号波形を生じさせた原因を推定する。電力系統２０を対象にするとき、振動波形の時間応答には原因に依存して大きな幅がある。例えば、地絡事故の場合は１秒以下のなかで振動する波形が発生する。一方で、発電機の回転速度（周波数、あるいは位相と言い換えることができる）は、数秒から数分に渡り変化する。
　後者のような長期に渡る振動波形が振幅、周波数等を徐々に変化させる場合に、運用者の観察によって振動波形の変化を認識することは困難な場合がある。振動波形を認識できたとしても、振動の原因と対策を判断することはまた困難な場合がある。そこで、監視装置１０は、センサ計測信号３５に含まれる振動波形から、推定される原因と望ましい対策を導くことで、運用者の作業を支援する。
　時系列信号に含まれる振動波形を検出する方法として、周波数解析の方法が提案されている。例えばＦＦＴ、プローニ等の信号処理により周波数成分を取り出して、その成分の大きさにより振動の有無を判定できる。常時、周波数解析をすることで振動波形を検出する。本実施例は、本発明の計測信号の波形にて観察される事象の検出方法を限定するものではない。上記の周波数解析のほかに、振幅の大きさ、変化の大きさ、等の適宜な対象について判定することができる。
　ここで事故発生時の一般的な復旧作業手順について説明する。ただし、この手順通りの実施に限らない。
　まず、事故の起きていない定常時において、監視装置が事故の発生を監視する。ここでは樹木接触による地絡事故が発生したとする。監視装置が事故を検出すると、運用者に提示する。これ以降は運用者の人出による作業である。復旧作業のために運用者は事故点に向けて出発する。運用者は、概ね事故点の近くに到着すると、事故点および事故原因を特定し、事故復旧の作業を開始する。運用者は復旧作業により事故の復旧が確認できたら復旧作業を完了する。
　以上の作業の中で事故点の特定は時間が掛かる作業である。運用者が事故点と想定する箇所に到達するまでに要する時間に加え、人間の観察でもって事故点を発見するのにも時間が掛かる。事故の発生が夜間であれば観察自体が困難になる場合もある。そして、事故点を発見してから、事故の原因を判定し、そして復旧のための作業内容を判断し、それから具体的な復旧作業に着手することになる。
　次に、本実施例による事故発生時の復旧作業手順の一例について説明する。
　まず、事故の起きていない定常時において、監視装置１０が事故の発生を監視する。ここでは樹木接触による地絡事故が発生したとする。監視装置１０は事故を検出すると、センサ開閉器からの計測信号に基づいて原因を推定する。さらに、監視装置１０は、計測信号に対する適切な信号処理により事故点の標定を行う。監視装置１０は、事故の原因と事故点を運用者に提示する。これ以降は運用者の人出による作業である。復旧作業のために運用者は事故点に向けて出発する。運用者は、事故点に到着すると復旧の作業を開始する。運用者は復旧作業により事故の復旧が確認できたら復旧作業を完了する。
　本実施例によれば、人手による作業の多くの部分が監視装置１０の処理に置き換えられ、復旧作業に着手するまでの時間を大幅に短縮される。例えば、事故点および事故原因を特定してから復旧作業に出発できるので、現場で事故点および事故原因を特定のための時間が不要になる。また復旧に必要な機材を準備してから出発できるので、不要な機材を持たず、また必要な機材を充実させることができる。
　＜６＞状態推定
　ここまでの説明は、対象システムである電力系統２０に非定常状態となるような事故が起きたとき、原因と結果を確率的に関連付ける例について説明した。しかし、監視装置１０は、非定常状態となるような事故が起きていなくても、定常状態での事象に関して、原因と結果を確率的に関連づけて同様の処理を行うことが可能である。この場合、定常的な状態を原因として推定することができる。
　図９は、本実施例の監視装置の予め行う処理とリアルタイムで行う処理を示す図である。図９を参照すると、上段に、監視装置１０が事前に行う処理９１が示され、下段に監視装置１０がリアルタイムに行う処理９２が示されている。処理９１は、主に図１の第１確率管理部１１および第２確率管理部１２にて行われる。処理９２は、主に推定部１３にて行われる。監視装置１０は、事前確率を予め算出して設定しておき、リアルタイムで入力される計測信号から状態推定を行い、結果を出力する。事前確率は、過去に所定の状態（原因）が発生したときに起こった事象（結果）の履歴に基づき算出される。事象（結果）は、計測信号（あるいは計測信号から算出される特徴量）により表わされる。リアルタイムの処理としては、入力されるセンサ計測信号（あるいは計測信号から算出される特徴量）と事前確率を用いてベイズ定理で事後確率を算出し、状態（原因）の推定を行う。また、算出した事後確率により事前確率を更新する。状態推定の結果として、推定された原因、その原因の尤もらしさ、その原因に背反等があれば背反が運用者に提示される。
　定常時の計測信号としては、時系列信号に加えて、各時点の状態値を利用できる。状態値は、電力系統２０においては電圧、電流、電力、周波数、位相、力率などである。ただし、これに限るものではない。
　電力系統２０に設置される計測装置（センサ）は、通常、電力系統２０の全ての状態が状態値として採取できるほど設置数が多くはないので、計測信号だけでは電力系統２０の状態を把握できない場合が多い。本実施例は、事前に電力系統２０の状態と計測信号の関係を確率的に関係付けておくことで、ベイズの定理を電力系統２０の状態の推定に利用する。
　電力系統２０の状態は、２４時間周期、あるいは１年周期で繰り返すという特性がある。この周期性の原因として、太陽の周回、人間の生活パタン、再生可能エネルギーの発電特性などがある。この周期性から、電力系統２０に現れる状態は統計的な頻度を考えることができ、確率として扱うことができる。このとき原因は前記したような変動要因であり、結果は過去実績あるいは系統構成に基づくシミュレーション計算などであり、これらの関係は事前に用意できる。本実施例によれば、限られた計測信号に基づき、計測信号（結果）から原因（系統状態）を確率的に推定することができる。
　なお、上記の説明では、定常時の状態値として、時系列信号のひとつの時刻の信号を利用するとした。これに対して、上記した非定常の事故時の波形を事象として扱う場合には、時間軸上の複数の信号を組み合わせて事象として扱う。本発明は、計測信号の周波数成分を解析する手段を備えて、計測信号の直流成分を状態値として利用して、高周波（高調波）成分を波形の特徴量として利用する。ここで、高周波（高調波）成分の大きさが小さいときには定常状態であるとし、逆に高周波成分が大きいときには非定常状態であるとして、電力系統２０の状態を判定することができる。この判定結果に基づいて、原因の推定手順を切り替えることができる。また、周波数解析の結果の直流成分のみを状態値として利用することで、高周波のノイズを低減できる効果が得られる。
　＜７＞高速化、非同期アクセス
　入力した計測信号から推定した原因によって、事故点、事故原因を判定し、対応する作業の内容と手順を素早く決めることが復旧の早期化に繋がる。ここで最終的に復旧作業の内容および手順を判定するのは人間であるから、確率的には最も尤もらしい推定原因が一つ決まるとしても、それに準じる複数の推定原因を併せて提示して、人間の判断を支援することが望ましい。また、推定原因に対応する復旧作業内容を、過去事例に基づいて提示するならば、それも人間の判断の支援になる。これらの過去事例等は、事前にデータベースとして蓄積しておくことで、素早く検索可能となる。また、あるいはネットワークを経由した地点に置かれたサーバ等を利用しても良い。このためにはデータセンタ、あるいはクラウド等と呼ばれる既存の蓄積手段を利用できる。
　ネットワーク経由でデータベースを検索する場合には、その伝送容量、伝送速度等の制約から、検索結果を得るまでの時間遅延が発生する。また、作業者による指示によって支援データを検索するとき、作業者が検索キーを考えて、キーボード入力するまでに手間と時間が掛かる。本実施例では、計測信号を用いて確率的に推定した原因に基づいて、推定原因に関連した支援データを操作者の指示を待たずに検索発行して、検索結果を高速のバッファに蓄積してもよい。この動作は、言い換えれば、推定原因に基づいてデータ検索を非同期で実行することである。非同期に検索してバッファに蓄積した関連支援データはバッファから極めて高速に読み出せることになる。
　＜８＞非合理、想定外、関連なし
　確率的な判定においては、尤もらしさ、整合性、矛盾、背反、等について様々な状況が発生しうる。本実施例の監視装置１０は、これらの確率的な状況を運用者に提示する。それにより運用者が復旧作業の内容および手順を判断するのを支援することができる。事前に用意する確率データには、事前に想定できない原因と結果を含めることはできない。例えば、極めて大規模な事故が起きるような事象は、発生する頻度が低いため、過去の履歴から確率的な関係を予め設定しておくことが難しい。このような原因により結果が起きたときも、上記した原因推定の手順によれば確率的に尤もらしい原因は求めることができる。しかし、本来の原因は事前に準備してないので、尤もらしさは低く算出される。このような状況は計測信号にノイズが入った場合にも起こりうる。
　本実施例では、上記のように監視装置１０は、推定原因と共に、その尤もらしさも運用者に提示するので、運用者はそれら事故と原因および原因の尤もらしさを見て判断することができる。
　また、事前に用意する確率データに基づいて計測信号から推定した原因が、別の計測信号と整合しない場合がある。例えば、計測信号から推定した原因が樹木接触であるのに、別の計測信号として入手した気象データは無風状態であることを示している場合である。無風であるのに樹木が揺れて線路と接触したことになり、原因と結果が気象データと整合しない。また、計測信号から推定した原因が樹木接触であるのに、別の計測信号として入手した地図データで事故点には樹木が無いことが示されている場合もある。地図では樹木が無いのに樹木が揺れて線路と接触したことになり、原因と結果が地図データと整合しない。
　本実施例では、監視装置１０は、計測信号から推定した原因が他のデータと整合しない場合、非合理であることを運用者に提示する。これにより、運用者は運用者の適切な判断を支援することができる。
　＜９＞イベント検出
　時系列信号を対象にするとき、検出したい波形の有無、存在する時刻、周波数等の特徴量は事前に分かっていないことが多い。また、計測信号にはノイズが含まれていることが通常である。そこで計測信号を対象にした信号処理では、まず有意な波形を抽出するのが好適である。
　本実施例の監視装置１０は、予め設定した原因と結果の確率的関係から、リアルタイムに計測された計測信号を用いて原因を推定し、推定された原因の確率の大きさを、計測信号の有意性を判定するフィルタとして利用することにしてもよい。また、推定された原因の確率の大きさを、計測信号に含まれる特定の波形を抽出する検出器として利用することもできる。一般に、対象システムは定常状態にあり、稀に非定常状態である事故が発生するのであり、事故に対応する特定の波形を計測信号から見つけ出すことのメリットは大きい。
　上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。
１０…監視装置、１１…確率管理部、１２…確率管理部、１３…推定部、１４…入力部、１５…出力部、１６…信号処理部、２０…電力系統、２１…配電変電所、２２…線路、２５…需要家、２６…事故、３１…制御対象機器、３２…監視対象機器、３５…センサ計測信号、３６…制御信号、３７…時間窓、７１…位相軌跡、７２…瞬時周波数

Claims (12)

  1. 　対象システムに起こり得る事象と該事象を起こし得る各原因とを、前記原因のそれぞれが起こったときに前記事象が起こる確率である第１確率で関連づける第１確率管理部と、
    　前記原因のそれぞれが出現する確率である第２確率を算出する第２確率管理部と、
    　前記対象システムに起こった事象の原因を、前記第１確率と前記第２確率を合成した、前記事象が起こったときにそれが前記原因によるものである確率である第３確率に基づいて推定する推定部と、
    を有する監視装置。
  2. 　前記推定部は、前記第１確率と前記第２確率をベイズ定理を用いて合成して前記第３確率を算出する、請求項１に記載の監視装置。
  3. 　前記推定部は、更にベイズ更新により前記第３確率で前記第１確率を逐次更新する、請求項２に記載の監視装置。
  4. 　前記対象システムにて時系列に計測された計測信号に対して信号処理を行う信号処理部を更に有し、
    　前記信号処理部は、推定された前記事象の原因に応じて前記信号処理を切り替える、
    請求項１に記載の監視装置。
  5. 　前記対象システムが電力系統であり、前記力系統の電力波形を示す計測信号が計測され、前記事象は前記計測信号の状態で表され、前記原因は前記電力系統の電力供給に支障を起す事故の種類である、請求項４に記載の監視装置。
  6. 　前記第１確率管理部は、前記計測信号の周波数成分を複数の帯域に分割し、各帯域の周波数成分の大きさの比率に基づいて前記第１確率を決定する、請求項５に記載の監視装置。
  7. 　前記信号処理部は前記事故が発生した位置を算出する処理である、請求項５に記載の監視装置。
  8. 　前記推定部は、前記第３確率の算出において前記第１確率と前記第２確率を乗算する、請求項２に記載の監視装置。
  9. 　第１確率管理手段が、対象システムに起こり得る事象と該事象を起こし得る各原因とを、前記原因のそれぞれが起こったときに前記事象が起こる確率である第１確率で関連づけ、
    　第２確率管理手段が、前記原因のそれぞれが出現する確率である第２確率を算出し、
    　推定手段が、前記対象システムに起こった事象の原因を、前記第１確率と前記第２確率を合成した、前記事象が起こったときにそれが前記原因によるものである確率である第３確率に基づいて推定する、
    監視方法。
  10. 　前記推定手段は、前記第１確率と前記第２確率をベイズ定理を用いて合成して前記第３確率を算出する、請求項９に記載の監視方法。
  11. 　前記推定手段は、更にベイズ更新により前記第３確率で前記第１確率を逐次更新する、請求項１０に記載の監視方法。
  12. 　信号処理手段は、推定された前記事象の原因に応じて信号処理を切り替えて、前記対象システムにて時系列に計測された計測信号に対して前記信号処理を行う、請求項１０に記載の監視方法。
PCT/JP2017/015225 2016-06-29 2017-04-14 監視装置および監視方法 WO2018003237A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016128754A JP6774797B2 (ja) 2016-06-29 2016-06-29 監視装置および監視方法
JP2016-128754 2016-06-29

Publications (1)

Publication Number Publication Date
WO2018003237A1 true WO2018003237A1 (ja) 2018-01-04

Family

ID=60785120

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/015225 WO2018003237A1 (ja) 2016-06-29 2017-04-14 監視装置および監視方法

Country Status (2)

Country Link
JP (1) JP6774797B2 (ja)
WO (1) WO2018003237A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108448721A (zh) * 2018-03-27 2018-08-24 国网山东省电力公司潍坊供电公司 电力系统主站监控信号与标准信号自动匹配的方法
CN113541303A (zh) * 2020-04-14 2021-10-22 广西电网有限责任公司贺州供电局 调度监控信息智能辨识辅助方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7158187B2 (ja) * 2018-07-06 2022-10-21 関西電力株式会社 電力系統監視装置及び電力系統監視方法
JP6615419B1 (ja) * 2018-12-12 2019-12-04 三菱電機株式会社 診断装置
JP2020174493A (ja) * 2019-04-12 2020-10-22 株式会社日立製作所 電力系統監視装置及び電力系統監視方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076083A (en) * 1995-08-20 2000-06-13 Baker; Michelle Diagnostic system utilizing a Bayesian network model having link weights updated experimentally
JP2006252422A (ja) * 2005-03-14 2006-09-21 Kawasaki Heavy Ind Ltd 故障診断方法及び装置
JP2009017637A (ja) * 2007-07-02 2009-01-22 Toshiba Corp 配電線事故原因推定システムとその方法、およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076083A (en) * 1995-08-20 2000-06-13 Baker; Michelle Diagnostic system utilizing a Bayesian network model having link weights updated experimentally
JP2006252422A (ja) * 2005-03-14 2006-09-21 Kawasaki Heavy Ind Ltd 故障診断方法及び装置
JP2009017637A (ja) * 2007-07-02 2009-01-22 Toshiba Corp 配電線事故原因推定システムとその方法、およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TOMOAKI, YOSHIDA: "Bayesian-tokei ni yoru genshiryoku hatsudensho no shinarisei parameter hyoka shuho kiki jikan koshoritsu demand kosho kakuritsu no bayasian-koshin", CRIEPI RESEARCH REPORT L05019, CENTRAL RESEARCH INSTITUTE OF ELECTRIC POWER INDUSTRY, NUCLEAR TECHNOLOGY RESEARCH LABORATORY, 1 July 2006 (2006-07-01), pages 1 - 4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108448721A (zh) * 2018-03-27 2018-08-24 国网山东省电力公司潍坊供电公司 电力系统主站监控信号与标准信号自动匹配的方法
CN108448721B (zh) * 2018-03-27 2022-12-02 国网山东省电力公司潍坊供电公司 电力系统主站监控信号与标准信号自动匹配的方法
CN113541303A (zh) * 2020-04-14 2021-10-22 广西电网有限责任公司贺州供电局 调度监控信息智能辨识辅助方法

Also Published As

Publication number Publication date
JP6774797B2 (ja) 2020-10-28
JP2018005387A (ja) 2018-01-11

Similar Documents

Publication Publication Date Title
WO2018003237A1 (ja) 監視装置および監視方法
CN107609569B (zh) 一种基于多维特征向量的配电网接地故障定位方法
US7672812B2 (en) Cable fault detection
US10598702B2 (en) Similarity detection of abnormal waveforms using PMU measurement
WO2018080523A1 (en) Data cost effective fast similarity search with priority access
CN110334816B (zh) 一种工业设备检测方法、装置、设备及可读存储介质
CN109143094B (zh) 一种动力电池的异常数据检测方法和装置
US8954362B2 (en) System and method for predictive analytics in an electrical grid network
WO2017208623A1 (ja) システム監視装置及びプログラム
CN114185760A (zh) 系统风险评估方法及装置、充电设备运维检测方法
CN112614020A (zh) 一种基于电能质量的电力推进状态评估系统
CN103970862B (zh) 一种电网运行方式数据自动生成系统及方法
CN115392037A (zh) 设备故障预测方法、装置、设备及存储介质
CN113360555A (zh) 一种基于电网二次设备大数据的故障诊断分析方法及系统
CN114215705A (zh) 风电机组故障预警方法和系统
CN111027827A (zh) 保底通信网运行风险分析的方法、装置及计算机设备
Hossain et al. Distribution high impedance fault location using localized voltage magnitude measurements
Hossain et al. Online monitoring of inter-area oscillations and damping of power systems employing prony analysis
KR101375282B1 (ko) 계통 데이터 축약 시스템 및 그 방법
CN102497025B (zh) 一种自动分段器的远程状态监测方法
CN111241471A (zh) 一种变压器在线监测大数据分布模型构建方法
JP7158187B2 (ja) 電力系統監視装置及び電力系統監視方法
CN104516916A (zh) 网络报表关联关系的分析方法和装置
CN108199482B (zh) 维护提示方法及装置
JP7038011B2 (ja) 電力系統運用支援装置および方法、並びに振動抑制システム

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: 17819605

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17819605

Country of ref document: EP

Kind code of ref document: A1