WO2018225219A1 - 系統状態推定装置および系統状態推定方法 - Google Patents

系統状態推定装置および系統状態推定方法 Download PDF

Info

Publication number
WO2018225219A1
WO2018225219A1 PCT/JP2017/021331 JP2017021331W WO2018225219A1 WO 2018225219 A1 WO2018225219 A1 WO 2018225219A1 JP 2017021331 W JP2017021331 W JP 2017021331W WO 2018225219 A1 WO2018225219 A1 WO 2018225219A1
Authority
WO
WIPO (PCT)
Prior art keywords
system state
data
group
measurement data
state estimation
Prior art date
Application number
PCT/JP2017/021331
Other languages
English (en)
French (fr)
Inventor
板屋　伸彦
高野　富裕
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2017/021331 priority Critical patent/WO2018225219A1/ja
Priority to US16/617,733 priority patent/US11271397B2/en
Priority to JP2017555732A priority patent/JP6356927B1/ja
Publication of WO2018225219A1 publication Critical patent/WO2018225219A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/30—State monitoring, e.g. fault, temperature monitoring, insulator monitoring, corona discharge
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Definitions

  • the present invention relates to a system state estimation device and a system state estimation method for estimating information indicating the state of a power system.
  • switches with sensors that can measure active power and reactive power including voltage have become widespread as switches at the delivery point of each distribution line.
  • the current at the sending point was only measured by the current sensor provided at the sending point of each distribution line, but the active power and reactive power at the sending point of the distribution line can be obtained by using a sensor-equipped switch. Can be grasped.
  • Patent Document 1 discloses a technique for estimating the voltage distribution of the power distribution system using data measured by a smart meter.
  • Measured data of smart meter is acquired every 30 minutes and managed by MDMS (Metering Data Management System). For this reason, when estimating the state of a distribution system by applying the technique described in Patent Document 1, an apparatus for estimating the state of a distribution system is, for example, a measurement of a 30-minute cycle of tens of millions of smart meters. A huge amount of data called data is acquired from MDMS or the like, and processing for estimating the state of each section in the distribution system is performed using these data. For this reason, in order to realize the technology described in Patent Document 1, hardware having high-performance data processing capability and communication capability is required.
  • the present invention has been made in view of the above, and an object of the present invention is to obtain a system state estimation device capable of estimating the state of a system while suppressing the amount of measurement data used for processing.
  • a system state estimation apparatus is measurement data measured in a first time zone by at least a part of a plurality of measurement apparatuses.
  • a classification unit that classifies certain first measurement data into a plurality of groups, and a calculation unit that calculates variation of the first measurement data for each group.
  • the system state estimation apparatus further determines, for each group, whether to use the metric data in the second time zone or the substitute value in the estimation calculation for estimating the system state in the second time zone based on the variation. And a calculation unit that performs an estimation calculation based on the result determined by the determination unit.
  • the system state estimation apparatus has an effect that the state of the system can be estimated while suppressing the amount of measurement data used for processing.
  • the figure which shows the structural example of the power distribution system concerning this invention The figure which shows the structural example of an automatic meter-reading system
  • the figure which shows the structural example of a system state estimation apparatus The figure which shows an example of the average value at the time of acquiring the measurement data of M smart meters, and a standard deviation
  • a diagram showing a configuration example of a computer system The flowchart which shows an example of the process sequence in a pre-processing part
  • the figure which shows the structural example of the measurement data transmitted from a smart meter The figure which shows an example of the contract information stored in contract DB
  • showing examples of group definitions The figure which shows an example of the average value stored in average value DB
  • the flowchart which shows an example of the process sequence in an estimation process part The figure which shows an example of the value for every time zone of an average value and standard deviation
  • FIG. 1 is a diagram showing a configuration example of a power distribution system according to the present invention.
  • the distribution system according to the present embodiment includes an LRT (Load Ratio control Transformer) 1-1 to 1-3, a sensor-equipped switch 2-1 to 2-6 and distribution lines 3-1 to 3-6.
  • LRT Load Ratio control Transformer
  • LRT1-1 to 1-3 are distribution transformers, for example, installed in substations. Although three LRTs are shown in FIG. 1, the number of LRTs is not limited to this example and may be one or more.
  • the LRTs 1-1 to 1-3 are connected to a transmission line 200 of 6600V or 7700V, for example.
  • the LRT 1-1 is connected to the bus 201.
  • Distribution lines 3-1 to 3-6 which are high-voltage distribution lines, are connected to the bus 201 in parallel.
  • pressure system is a 6600V system
  • Distribution lines 3-1 to 3-6 are high-voltage distribution lines.
  • Sensor-equipped switches 2-1 to 2-6 are connected to the delivery points of the distribution lines 3-1 to 3-6, that is, upstream end points, respectively.
  • the distribution lines 3-1 to 3-6 are shown without being individually distinguished, they are referred to as the distribution line 3, and when the switches with sensors 2-1 to 2-6 are shown without being individually distinguished.
  • the sensor-equipped switch 2 is described. 1 illustrates an example in which six distribution lines are connected to the bus 201, but the number of distribution lines connected to the bus 201 is not limited to this example, and may be one or more. Good. Although not shown, the distribution lines are connected to the buses connected to the LRTs 1-2 and 1-3 in the same manner as the LRT1-1.
  • a high voltage load 4 is connected to the distribution line 3-1.
  • the high-voltage load 4 is a load connected to a distribution line of a high-voltage system, and is a load of a customer such as a factory, for example.
  • pole transformers 5-1 and 5-2 are connected to the distribution line 3-1.
  • the pole transformers 5-1 and 5-2 are transformers that convert high-voltage power into low-voltage power, such as 100 V or 200 V, and output the low-voltage power distribution line.
  • Low voltage loads 6-1 and 6-2 are connected to the low voltage distribution lines connected to the pole transformer 5-1.
  • Low voltage loads 6-3 and 6-4 are connected to the low voltage distribution lines connected to the pole transformer 5-2.
  • the low-voltage loads 6-1 to 6-4 are loads on consumers such as ordinary households and business establishments.
  • Smart meters 7-1 to 7-4 are connected to the low-pressure loads 6-1 to 6-4, respectively.
  • the smart meters 7-1 to 7-4 are measuring devices that measure the amount of electric power used in the low-voltage loads 6-1 to 6-4, respectively.
  • the low-voltage loads 6-1 to 6-4 are shown without being individually distinguished, they are described as the low-voltage load 6, and when the smart meters 7-1 to 7-4 are shown without being individually distinguished, the smart meter 7 is shown. It describes.
  • two pole transformers 5 are shown, but a number of pole transformers 5 are generally connected to the distribution line 3-1.
  • four low-voltage loads are shown as representatives of the low-voltage loads, but in general, many low-voltage loads are connected to the low-voltage distribution lines.
  • a smart meter is connected to some or all of the many low-pressure loads.
  • the smart meter 7 installed in the equipment of the customer having power generation equipment is the amount of power generated by the power generation equipment and the amount of power used by the low-pressure load. The difference from is measured. Or the smart meter 7 may measure separately the electric power generation amount and the electric energy used by the low voltage
  • FIG. 2 is a diagram illustrating a configuration example of the automatic meter reading system according to the present embodiment.
  • FIG. 2 is a system for performing automatic meter reading using the measurement data measured by each smart meter 7 in the power distribution system shown in FIG.
  • the automatic meter reading system includes smart meters 7-1 and 7-2, concentrators 8-1 and 8-2, HES (Head End System) 9, and MDMS 10.
  • the smart meters 7-1 and 7-2 can perform wireless communication, and transmit the weighing data measured by the smart meters 7-1 and 7-2 to the concentrator 8-1 serving as a master station as a wireless signal.
  • the measurement data includes an active power amount.
  • the measurement data may further include a reactive power amount.
  • the concentrator 8-1 aggregates the weighing data received from the smart meters 7-1 and 7-2, and transmits the collected weighing data to the HES 9.
  • the concentrator 8-2 also aggregates the weighing data received from the smart meter 7 and transmits the collected weighing data to the HES 9.
  • the concentrators 8-1 and 8-2 will be referred to as the concentrator 8 when not shown separately.
  • the smart meter 7 has a concentrator 8 serving as a master station corresponding to each.
  • the HES 9 collects the measurement data from each concentrator 8 and transmits the collected measurement data to the MDMS 10.
  • the MDMS 10 manages the measurement data received from the HES 9. That is, the MDMS 10 manages the measurement data measured by each smart meter 7 received via the concentrator 8 and the HES 9.
  • the installation position of the concentrator 8 is not limited to this example.
  • the system state estimation device 11 of the present embodiment can communicate with the MDMS 10 of the automatic meter reading system. As will be described later, the system state estimation device 11 acquires metric data used for processing from the MDMS 10 and estimates the system state using the metric data. Moreover, the system state estimation apparatus 11 of this Embodiment can memorize
  • category data 14 average value DB (DataBase) 15, standard deviation value DB16, contract DB17, smart meter installation position DB18, and system equipment DB19.
  • FIG. 3 is a diagram illustrating a configuration example of the system state estimation apparatus 11 according to the present embodiment.
  • the system state estimation apparatus 11 according to the present embodiment includes a preprocessing unit 12 and an estimation processing unit 13.
  • the MDMS 10 stores measurement data measured by each smart meter 7 as a smart meter measurement DB 21.
  • the preprocessing unit 12 includes a classification unit 121 and a statistic calculation unit 122.
  • the classification unit 121 acquires, from the MDMS 10, first measurement data that is a part of the measurement data stored in the smart meter measurement DB 21 of the MDMS 10. Then, the classification unit 121 classifies the first measurement data into a plurality of groups based on the contract DB 17, further classifies the classified data for each time zone, and stores it as the classification data 14.
  • contract information that is information related to the contract such as contract type and type of business for each smart meter 7 is stored in advance.
  • the time zone is a time zone in one day, and is, for example, 48 time zones in units of 30 minutes such as 0:00 to 0:30, 0:30 to 1: 0, and so on.
  • the time zone is not limited to 30 minutes, and may be, for example, 1 hour unit, 2 hour unit, or the like.
  • the group is, for example, a collection of smart meters 7 in which at least one of contract capacity, business type, contract type, season, and day of the week is the same. Details of the definition of the group will be described later.
  • the statistic calculator 122 is a calculator that uses the classification data 14 to calculate the average value and the standard deviation of the weighing data corresponding to each group for each time zone.
  • the statistic calculator 122 stores the average value for each group as the average value DB 15 and stores the standard deviation for each group as the standard deviation value DB 16.
  • the statistic calculation unit 122 converts the active power amount into the active power, and calculates the average value and the standard deviation of the active power. calculate.
  • the statistical amount calculation unit 122 calculates the statistical amount with respect to the reactive power as a predetermined value, for example, zero.
  • the statistic calculation unit 122 converts the active power amount and the reactive power amount into the active power and the reactive power, respectively, and the active power. And the average value and the standard deviation are calculated for each of the reactive power.
  • FIG. 4 is a diagram illustrating an example of an average value and a standard deviation when measurement data of M smart meters 7 is acquired as partial measurement data.
  • the measurement data of the active power amount of M smart meters 7 whose smart meter numbers (hereinafter referred to as SM numbers) which are identification information of the smart meter 7 are 1 to M are active power.
  • the example converted and statistically processed is shown.
  • ⁇ shown on the right side of FIG. 4 is an average value of M active powers corresponding to M smart meters 7 at each time in one day, and ⁇ is M values at each time in one day. This is the standard deviation of the active power.
  • each active power is indicated by a curve.
  • each active power is actually a discrete value for each time zone.
  • whether standard data which is an example of a value obtained by statistical processing of a part of the measurement data, is used, and the measurement data is used in the system state estimation calculation. Determine whether to use a substitute value.
  • the usage data determination unit 131 of the estimation processing unit 13 is a determination unit that performs usage data determination processing in each time zone for each group based on the standard deviation value DB 16 and the contract DB 17.
  • the usage data determination process is a process for determining whether the measurement data of the smart meter 7 or the substitute value is used as the data used in the process in the subsequent totaling unit 132. Specifically, for example, it is determined that the substitute value is used when ⁇ is equal to or smaller than the threshold value, and it is determined that the measurement data is used when ⁇ exceeds the threshold value.
  • the threshold value may be determined in any manner, and is determined based on, for example, an error required in the distribution system.
  • the threshold ⁇ can be determined by the following equation (1).
  • ⁇ 50 kW.
  • ⁇ is about 0.75 kW.
  • the use data determination unit 131 acquires the measurement data of the smart meter 7 corresponding to the group from the MDMS 10 and uses the power amount as the power. After being converted to, output to the totaling unit 132. In addition, the use data determination unit 131 determines the average value corresponding to the group stored in the average value DB 15 for the group determined to use the substitute value by the use data determination process. The identification information indicating the meter 7 is output to the counting unit 132. In addition, for a group that is determined to use a substitute value by the use data determination process, any predetermined value may be used instead of the average value stored in the average value DB 15 as a substitute value.
  • the totaling unit 132 Based on the data received from the usage data determination unit 131 and the smart meter installation position DB 18, the totaling unit 132 totals the data for each unit section in the estimation of the system state, and the totaling result is sent to the power flow calculating unit 133. Output. That is, the totaling unit 132 obtains the load power of each unit section for each of the active power and the reactive power, and outputs the obtained load power to the power flow calculation unit 133. Specifically, the totaling unit 132 adds the active power and reactive power of the smart meter 7 for each unit section.
  • the L of the group of group number 1 (L is an integer of 1 or more) smart meters 7 and H of group number 2 (H is an integer of 1 or more) ) Assume that there are one smart meter 7. Then, in a certain time zone, it is determined that the group of group number 1 is determined to use the substitute value by the use data determination process, and the group of group number 2 is determined to use the measurement data by the use data determination process.
  • the active power P i out of the load power in the time zone of the i-th unit section can be obtained by the following equation (2).
  • ⁇ 1 is the average value of the group of group number 1 in the above-mentioned time zone
  • P i L ⁇ ⁇ 1 + (r 1 + r 2 +... + R H ) (2)
  • the unit section is a range of a section in the system for calculating the result of system state estimation. For example, when a load is calculated as the system state, the unit section is a unit for calculating the load in the system.
  • Examples of unit sections in system state estimation include sections corresponding to one pole transformer 5, sections divided by each switch in the distribution line 3 not shown in FIG. 1, and a plurality of pole transformers For example, a section corresponding to the vessel 5 may be used.
  • the smart meter installation position DB 18 stores information indicating which unit section each smart meter 7 belongs to. For example, when the unit section is a section corresponding to one pole transformer 5, the correspondence between the pole transformer 5 and the smart meter 7 connected to the pole transformer 5 is the smart meter installation position DB 18. Stored.
  • the correspondence between the number of the pole transformer 5 that is the identification information of the pole transformer 5 and the SM number that is the identification information of the smart meter 7 is stored in the installation position DB 18 of the smart meter.
  • the Specific information stored in the installation position DB 18 of the smart meter is not limited to this example, and any information may be stored as long as the smart meter 7 corresponding to each unit section can be grasped. .
  • the power flow calculation unit 133 performs power flow calculation based on the system facility DB 19 and the totaling result received from the totaling unit 132, and calculates voltage distribution, current distribution, and the like in the distribution system.
  • Information in the distribution system necessary for power flow calculation such as information indicating the position of the pole transformer 5 connected to each distribution line 3 and information indicating the impedance of each distribution line 3, is stored in the system facility DB 19 in advance.
  • any method such as a Newton-Raphson method or a first decoupled (Fast Decoupled Load Flow) method can be used.
  • the system state estimation calculation is performed by the totaling unit 132 and the tidal current calculation unit 133. That is, the totaling unit 132 and the power flow calculation unit 133 are calculation units that perform estimation calculation for estimating the system state based on the result determined by the use data determination unit 131.
  • the power flow calculation unit 133 may perform power flow calculation using the active power and reactive power measured by the sensor-equipped switch 2. Moreover, the tidal current calculation unit 133 corrects the total result received from the totaling unit 132 using the active power and reactive power measured by the sensor-equipped switch 2 and performs the tidal current calculation using the corrected total result. May be. For example, the load ratio of each unit section is calculated based on the counting result received from the counting unit 132. Using this ratio and the active power and reactive power measured by the sensor-equipped switch 2, the power flow calculation unit 133 obtains the active power and reactive power of each unit section, and uses the obtained active power and reactive power. Perform tidal calculations.
  • the voltage distribution, current distribution, and the like calculated by the power flow calculation unit 133 may be used for voltage control in the power distribution system, or may be used for facility planning in the power distribution system.
  • the example which performs tidal current calculation using the total result by the total part 132 was demonstrated in the above example, you may obtain
  • the demand The substitute value described above may be used instead of the measurement data corresponding to the house. Further, in collecting the weighing data from the smart meter 7, the weighing data may not be collected from the smart meter 7 for the business type and time zone corresponding to the group determined to use the substitute value. Thereby, the communication amount in the collection of the measurement data can be reduced. Further, in the installation plan of the smart meter 7, the number of installed smart meters 7 may be reduced by not installing the smart meter 7 in the consumer corresponding to the group determined to use the substitute value in all time zones. .
  • the statistic calculation unit 122 uses the smart meter installation position DB 18 to calculate the average value and the standard deviation for each unit section when calculating the average value and the standard deviation of the measurement data for each time period for each group. May be calculated. Thereby, the average value and standard deviation of each unit section in each time zone are stored in the average value DB 15 and the standard deviation value DB 16 for each group.
  • the use data determination unit 131 performs use data determination processing for each unit section for each group and time zone, and the substitute value for the unit section determined to use the substitute value is sent to the power flow calculation unit 133. Is output.
  • the usage data determination unit 131 outputs the active power and reactive power of the smart meter 7 to the totaling unit 132 in the same manner as in the above-described example for combinations of groups, time zones, and unit sections determined to use the measurement data. .
  • the aggregation unit 132 when performing aggregation, for example, in place of L ⁇ mu 1 in the formula (2) described above, it is possible to use an average value itself of the corresponding unit section.
  • the system state estimation device 11 of the present embodiment is specifically a computer system, that is, a computer. By executing the system state estimation program on this computer system, the computer system functions as the system state estimation device 11.
  • FIG. 5 is a diagram illustrating a configuration example of the computer system according to this embodiment. As shown in FIG. 5, the computer system includes a control unit 101, an input unit 102, a storage unit 103, a display unit 104, a communication unit 105, and an output unit 106, which are connected via a system bus 107. Yes.
  • the control unit 101 is a processor such as a CPU (Central Processing Unit) and executes the system state estimation program of the present embodiment.
  • the input unit 102 includes, for example, a keyboard and a mouse, and is used by a computer system user to input various information.
  • the storage unit 103 includes various memories such as RAM (Random Access Memory) and ROM (Read Only Memory), and storage devices such as a hard disk.
  • the storage unit 103 is a program that should be executed by the control unit 101 and required in the process. Store data, etc.
  • the storage unit 103 is also used as a temporary storage area for programs.
  • the display unit 104 is configured by a display, an LCD (liquid crystal display panel), and the like, and displays various screens for a computer system user.
  • the communication unit 105 is a transmitter and a receiver that perform communication processing.
  • FIG. 5 is an example, and the configuration of the computer system is not limited to the example of FIG.
  • the computer system configured as described above stores, for example, a system state estimation program from a CD-ROM or DVD-ROM set in a CD (Compact Disc) -ROM or DVD (Digital Versatile Disc) -ROM drive (not shown). Installed in the unit 103.
  • the system state estimation program When the system state estimation program is executed, the system state estimation program read from the storage unit 103 is stored in a predetermined location in the storage unit 103. In this state, the control unit 101 executes the system state estimation process according to the present embodiment in accordance with the program stored in the storage unit 103.
  • a program describing system state estimation processing is provided using a CD-ROM or DVD-ROM as a recording medium.
  • the present invention is not limited to this, and the configuration of the computer system and the provided program Depending on the capacity, for example, a program provided by a transmission medium such as the Internet via the communication unit 105 may be used.
  • the preprocessing unit 12 and the estimation processing unit 13 illustrated in FIG. 3 are realized by the control unit 101 and the communication unit 105 in FIG.
  • the classification data 14, the average value DB 15, the standard deviation value DB 16, the contract DB 17, the smart meter installation position DB 18 and the system equipment DB 19 shown in FIG. 3 are stored in the storage unit 103.
  • FIG. 6 is a flowchart illustrating an example of a processing procedure in the preprocessing unit 12 according to the present embodiment.
  • the classification unit 121 of the preprocessing unit 12 acquires a part of the measurement data of the measurement data of the smart meter 7 to be managed by the MDMS 10 from the MDMS 10 (step S1).
  • the smart meter measurement DB 21 of the MDMS 10 stores measurement data transmitted from all the smart meters 7 to be managed.
  • FIG. 7 is a diagram illustrating a configuration example of the measurement data transmitted from the smart meter 7.
  • FIG. 7 shows a configuration example of measurement data transmitted from the smart meter 7 that measures the active power amount and the reactive power amount.
  • the weighing data transmitted from the smart meter 7 includes an SM number, active power amount, and reactive power amount that are identification information of the smart meter 7.
  • the measurement data does not include the reactive power amount but includes the SM number and the active power amount.
  • the configuration of the measurement data transmitted from the smart meter 7 is not limited to the example of FIG. 7, and it is sufficient that at least the SM number and the active power amount are included.
  • the voltage value measured by the smart meter 7 is further included. It may be included in the weighing data.
  • the partial weighing data acquired from the MDMS 10 in step S1 may be determined in any way, but the average value and the standard deviation for each group calculated from the partial weighing data are the groups of all the smart meters 7. It is determined so that there is no problem even if it is regarded as an average value and a standard deviation for each. That is, some pieces of measurement data are determined so that the number of pieces of measurement data from which the average value and standard deviation of each group are calculated becomes a certain level or more. Therefore, it is desirable that the smart meter 7 having a certain amount of weighing data corresponding to each group is determined as a part of the weighing data with the least bias due to specific conditions as much as possible.
  • the weighing data of about 1000 smart meters 7 can be used as a part of the weighing data acquired from the MDMS 10 in step S1.
  • the group to which the smart meter 7 belongs may be made random so as to suppress the deviation in the number of weighing data between groups, or some weighing data for each group. May be determined.
  • the number of the smart meters 7 corresponding to some measurement data acquired from MDMS10 in step S1 is not limited to 1000 units.
  • a first time zone which is a time zone in which a part of the weighing data acquired from the MDMS 10 in step S1 is weighed, is a second time zone in which the weighing data used in the system state estimation target described later is weighed. It may be the same as or different from the time zone.
  • step S1 an example in which the weighing data of some smart meters 7 is acquired in step S1 will be described. However, the weighing data of all the smart meters 7 is acquired, and the weighing data of all the smart meters 7 is used to be described later.
  • FIG. 8 is a diagram illustrating an example of contract information stored in the contract DB 17.
  • the contract information includes an SM number, contract capacity, contract type, and type of business.
  • the contract information shown in FIG. 8 is an example, and the content and specific configuration of the contract information are not limited to the example shown in FIG.
  • FIG. 10 and FIG. 11 are diagrams showing examples of group definitions.
  • groups are defined based on contract capacity, contract type, and type of business. That is, in the example shown in FIG. 9, if all of the contract capacity, the contract type, and the industry are the same, the group is the same. If at least one of the contract capacity, the contract type, and the industry is different, the groups are different.
  • groups are defined based on industry and season. That is, in the example shown in FIG. 10, if both the business type and the season are the same, the group is the same, and if at least one of the business type and the season is different, the group is different.
  • groups are defined based on the type of business and the day of the week. That is, in the example shown in FIG. 11, if both the business type and the day of the week are the same, the group is the same, and if at least one of the business type and the day of the week is different, the group is different.
  • a group is defined by at least one of contract capacity, contract type, industry, season, month, temperature, weather, and day of the week. Further, it may be defined by a combination of two or more arbitrary items of contract capacity, contract type, business type, season, month, temperature, weather and day of the week. Further, it may be defined including items other than contract capacity, contract type, industry, season, month, temperature, weather and day of the week. That is, the group may be determined based on at least one of the contract type and the business type in the consumer corresponding to the smart meter 7. Further, the group may be determined based on the contract capacity of the consumer corresponding to the smart meter 7. The group may be determined based on at least one of the season, temperature, and weather when the smart meter 7 is measured.
  • the classification unit 121 can correct the measurement data using the temperature.
  • category part 121 can correct
  • a correction amount to be added to or subtracted from the weighing data or a correction coefficient to be multiplied to the weighing data may be determined for each weather such as sunny, cloudy, and rain, and the weighing data may be corrected using these.
  • the classification unit 121 may perform a plurality of types of correction such as performing both correction based on the contract capacity and correction based on the temperature.
  • different values may be used for the correction coefficient, the correction amount, and the like used for the correction described above depending on the type of business, the season, and the like.
  • the statistic calculator 122 calculates an average value and a standard deviation for each group using the classification data 14 (step S3). Specifically, for each group, the statistic calculator 122 calculates an average value and a standard deviation of the weighing data corresponding to each group for each time zone.
  • the classification data 14 may be deleted after step S3 is completed.
  • the statistic calculator 122 stores the average value and standard deviation for each group (step S4). Specifically, the statistic calculator 122 stores the average value and standard deviation of each time zone for each group as an average value DB 15 and a standard deviation value DB 16, respectively. Thereby, the process in the pre-processing part 12 is complete
  • FIG. 12 is a diagram illustrating an example of average values stored in the average value DB 15.
  • the average value for each time zone of each group is stored in the average value DB 15.
  • the time zone from 0:00 to 0:30 is the first time zone
  • the time zone from 0:30 to 1:00 is the second time zone
  • FIG. 13 is a diagram illustrating an example of the standard deviation stored in the standard deviation value DB 16. As shown in FIG. 13, the standard deviation for each time zone of each group is stored in the standard deviation value DB 16. In FIG. 13, when the first to 48th time zones are defined in units of 30 minutes as in the example of FIG. 12, the average value of the qth group in the sth time zone is expressed as ⁇ q (s). It is described.
  • the second time zone and the first time zone which is the time zone in which a part of the measurement data acquired from the MDMS 10 in step S1 described in FIG. It does not have to be.
  • the first time zone and the second time zone are not the same, generally, the first time zone includes a time zone before the second time zone. For example, the average value and the standard deviation are calculated using a part of the weighing data measured in the first time zone, and the system state estimation process is performed using the newly obtained second time zone weighing data. carry out.
  • the classification unit 121 uses the weighing data measured in the first time zone by at least some of the smart meters 7.
  • a certain first measurement data is classified into a plurality of groups.
  • the statistic calculation unit 122 calculates a standard deviation that is a variation of the first measurement data for each group, and the use data determination unit 131 performs a first estimation process for estimating the system state based on the standard deviation. It is determined for each group whether to use the metric data of time period 2 or the substitute value.
  • the update of the average value and the standard deviation is generally, for example, six months or It can be performed at a predetermined cycle such as updating once a year.
  • the system state estimation device 11 may, for example, store the average value and the weighing data of some smart meters 7 for one year. A standard deviation may be calculated.
  • the first time zone may be composed of a plurality of time zones that are not temporally continuous. For example, the group weighing data of the group number 1 in the time zone from 0:00 to 0:30 on May 1 and the group data of the group in the group number 1 in the time zone from 0:00 to 0:30 on May 2. Based on the measurement data, the average value and standard deviation of the group of group number 1 in the time zone from 0:00 to 0:30 may be obtained.
  • step S1 to step S3 are performed periodically, such as every 30 minutes, and the average value DB15 and the standard deviation value DB16 are updated using the calculated standard deviation.
  • the above-described steps S1 to S4 are performed using a part of the measurement data of the time that is the target of the system state estimation.
  • the average value and the standard deviation are basically updated at the same timing as the update timing of the measurement data to be estimated for the system state.
  • the average value and the standard deviation are processed in a thinned-out manner such that the average value and the standard deviation are processed once every two times when the measurement data subject to system state estimation is updated. May be.
  • the classification unit 121 When using a part of the measurement data of the time that is the target of system state estimation instead of using the average value and the standard deviation using the past data, the classification unit 121 includes the plurality of smart meters 7.
  • the first measurement data which is the measurement data measured by some of the smart meters 7, is classified into a plurality of groups.
  • the usage data determination unit 131 determines, based on the standard deviation, for each group whether to use the metric data or the substitute value in the estimation process for estimating the system state.
  • FIG. 14 is a flowchart illustrating an example of a processing procedure in the estimation processing unit 13 according to the present embodiment.
  • the usage data determination unit 131 of the estimation processing unit 13 determines usage data based on the standard deviation stored in the standard deviation value DB 16 (step S11).
  • the use data determination unit 131 acquires the measurement data of the smart meter 7 determined to use the measurement data as the use data from the MDMS 10 (step S12).
  • the usage data determination unit 131 outputs, for each smart meter 7, either usage data, that is, a substitute value or measurement data, together with the SM number of the smart meter 7, to the counting unit 132.
  • the usage data determination unit 131 determines, for each smart meter 7 corresponding to the weighing data, whether to use the substitute value or the weighing data as the usage data based on the standard deviation value DB 16 and the contract DB 17. Perform usage data judgment processing. As described above, the use data determination unit 131 determines, for example, that the substitute value is used when the standard deviation stored in the standard deviation value DB 16 is equal to or less than the threshold for each time period of each group, and the standard deviation is When the threshold value is exceeded, it is determined that the weighing data is used.
  • the threshold value is calculated by, for example, the above formula (1).
  • FIG. 15 is a diagram illustrating an example of values of the average value and the standard deviation for each time zone.
  • FIG. 15 is a diagram showing average values and standard deviations calculated for a certain group for each time slot from T 1 to T 48 which is a time slot every 30 minutes.
  • the circles in FIG. 15 indicate the average value ⁇ , and the line segments shown above and below the circles indicate the standard deviation ⁇ .
  • FIG. 16 is a diagram illustrating an example of usage data obtained using the average value and the standard deviation illustrated in FIG. 15.
  • FIG. 16 shows an example of usage data output from the usage data determination unit 131 for a certain smart meter 7.
  • the circles shown in FIG. 16 are the average values shown in FIG. 15, and the triangles shown in FIG. 16 indicate the measurement data.
  • FIG. 16 is illustrating an example of values of the average value and the standard deviation for each time zone.
  • FIG. 15 is a diagram showing average values and standard deviations calculated for a certain group for each time slot from T 1 to T 48 which is a time slot every
  • the standard deviation ⁇ is equal to or less than the threshold value in the time zone T 1 , and thus an average value is used as the usage data, and the standard deviation ⁇ exceeds the threshold value in the time zone T 15. Therefore, weighing data is used as usage data.
  • the usage data determination unit 131 outputs the average value or the average value that is a substitute value for each time zone as the usage data of each smart meter 7.
  • the totaling unit 132 then associates the usage data with the position in the system, and totals each unit section (step S ⁇ b> 13). Specifically, the totaling unit 132 determines which unit section corresponds to the use data using the smart meter installation position DB 18 and totals the active power and the reactive power for each unit section.
  • the tidal current calculation unit 133 performs tidal current calculation using the results totaled by the totaling unit 132 (step S14). As a result, the system state estimation process ends.
  • the voltage distribution, current distribution, and the like calculated by the power flow calculation unit 133 are used for voltage control in the distribution system, facility planning in the distribution system, and the like. Further, as described above, the load on each pole transformer 5 may be obtained using the totaling result by the totaling unit 132. Furthermore, in the above-described example, the average value is used as a substitute value for calculating the voltage distribution or the like. However, when the purpose is to determine the overload of each pole transformer 5, the average value is used instead. The maximum value may be stored in Then, when determining the overload of the pole transformer 5, the use data determination unit 131 uses the stored maximum value, but determines whether to use the latest measurement data.
  • the system state estimation process is a process for obtaining the load of the pole transformer 5, and the system state estimation apparatus is based on the determination result of whether to use the maximum value or the latest measurement data.
  • requires the load of the container 5 will be provided.
  • the use data determination unit 131 acquires the measurement data of only the smart meter 7 determined to use the measurement data as the use data from the MDMS 10, but not limited to this, the use data determination The unit 131 may once acquire the measurement data of all the smart meters 7 regardless of the determination result of the use data, extract the necessary measurement data, and store it.
  • the average value and the standard deviation are stored in the unit interval, and the aggregation unit 132 calculates the group and time zone determined to use the substitute value in the unit interval.
  • an average value may be used.
  • the use data determination process is performed for each group.
  • the use data determination process is performed based on the standard deviation in each time zone without grouping, that is, the number of groups is 1. You may make it do.
  • the standard deviation of the measurement data of each group is used as the variation, but an operation value other than the standard deviation may be used.
  • an operation value other than the standard deviation may be used.
  • dispersion or a maximum value, a minimum value, and a difference may be used as the variation.
  • the usage data is determined based on the standard deviation of the smart meters 7 belonging to the same group in the same time zone. That is, in the above-described example, the standard deviation used for the determination of the usage data is a standard deviation between a plurality of pieces of measurement data belonging to the same group measured in the same time zone.
  • the present invention is not limited to this, and usage data determination processing may be performed based on temporal variations of one smart meter 7. In this case, the standard deviation used for the determination of the usage data is a variation between a plurality of pieces of measurement data belonging to the same group measured in a plurality of time zones.
  • an average value and a standard deviation of 48 data for each time zone of one smart meter 7 are obtained, and when the standard deviation is equal to or less than a threshold value, the smart meter 7
  • An average value is used instead of the metric data in the estimation process.
  • the average value and the standard deviation may be calculated for each group using the season, day of week or temperature, weather, and the like as the definition of the group, and the usage data may be determined for each group. That is, also in this case, the group may be determined based on at least one of the season, temperature, and weather when the measurement data is measured.
  • the weighing data may be corrected based on at least one of the season, temperature, and weather when the weighing data is weighed.
  • the usage data determination process may be performed by combining the variation between the smart meters 7 and the variation in time. For example, grouping is performed according to the type of business, and the use data determination process is performed based on the standard deviation for each type of business. For a group whose standard deviation is larger than the threshold value, based on temporal variation of one smart meter 7. The use data determination process may be performed.
  • the power distribution system has been described as an example.
  • the present invention is not limited to the power distribution system, and the operation and configuration of the present embodiment can be applied to the entire power system such as the power transmission system.
  • the configuration described in the above embodiment shows an example of the contents of the present invention, and can be combined with another known technique, and can be combined with other configurations without departing from the gist of the present invention. It is also possible to omit or change the part.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本発明にかかる系統状態推定装置は、複数のスマートメータのうちの少なくとも一部のスマートメータにより第１の時間帯に計量された計量データである第１の計量データを、複数のグループに分類する分類部（１２１）と、グループごとに、第１の計量データのバラツキを計算する統計量計算部（１２２）と、バラツキに基づいて、第２の時間帯における系統状態を推定する推定演算において第２の時間帯の計量データを用いるか代用値を用いるかをグループごとに判定する使用データ判定部（１３１）と、使用データ判定部（１３１）により判定された結果に基づいて、推定演算を実施する集計部（１３２）および潮流計算部（１３３）と、を備える。

Description

系統状態推定装置および系統状態推定方法
　本発明は、電力系統の状態を示す情報を推定する系統状態推定装置および系統状態推定方法に関する。
　配電系統においては、近年、各配電線の送り出し点の開閉器として、電圧をはじめ有効電力および無効電力を計測できるセンサ付き開閉器が普及してきている。従来は各配電線の送り出し点に設けられた電流センサにより送り出し点の電流が計測されているだけであったが、センサ付き開閉器を用いることで、配電線の送り出し点の有効電力および無効電力を把握することができる。
　一方、電力系統（以下、単に系統と呼ぶ）では、系統の管理、運用、制御をはじめとした様々な目的のために、系統の状態の把握が望まれている。系統の状態とは、例えば、系統電圧、系統電流、変圧器負荷、負荷分布である。上述したセンサ付き開閉器を用いても、送り出し点の情報が得られるだけであり、系統内の他の部分の状態については把握することができない。これに対し、特許文献１には、スマートメータにより計量されたデータを活用して、配電系統の電圧分布を推定する技術が開示されている。
特開２０１５－１０９７３７号公報
　スマートメータの計量データは３０分周期で取得され、ＭＤＭＳ（Metering　Data　Management　System）において管理される。このため、特許文献１に記載された技術を適用して配電系統の状態を推定する場合、配電系統の状態を推定する装置は、例えば、数千万台分のスマートメータの３０分周期の計量データという膨大な量のデータをＭＤＭＳ等から取得し、これらのデータを用いて、配電系統における各区間の状態を推定する処理を行うことになる。このため、特許文献１に記載された技術を実現するには、高性能なデータ処理能力、通信能力を備えたハードウェアが必要である。
　本発明は、上記に鑑みてなされたものであって、処理に使用する計量データの量を抑制して系統の状態を推定することができる系統状態推定装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本発明にかかる系統状態推定装置は、複数の計量装置のうちの少なくとも一部の計量装置により第１の時間帯に計量された計量データである第１の計量データを、複数のグループに分類する分類部と、グループごとに、第１の計量データのバラツキを計算する計算部と、を備える。系統状態推定装置は、さらに、バラツキに基づいて、第２の時間帯における系統状態を推定する推定演算において第２の時間帯の計量データを用いるか代用値を用いるかをグループごとに判定する判定部と、判定部により判定された結果に基づいて、推定演算を実施する演算部と、を備える。
　本発明にかかる系統状態推定装置は、処理に使用する計量データの量を抑制して系統の状態を推定することができるという効果を奏する。
本発明にかかる配電系統システムの構成例を示す図 自動検針システムの構成例を示す図 系統状態推定装置の構成例を示す図 Ｍ台のスマートメータの計量データを取得した場合の平均値および標準偏差の一例を示す図 計算機システムの構成例を示す図 前処理部における処理手順の一例を示すフローチャート スマートメータから送信される計量データの構成例を示す図 契約ＤＢに格納される契約情報の一例を示す図 グループの定義の例を示す図 グループの定義の例を示す図 グループの定義の例を示す図 平均値ＤＢに格納される平均値の一例を示す図 標準偏差値ＤＢに格納される標準偏差の一例を示す図 推定処理部における処理手順の一例を示すフローチャート 平均値および標準偏差の時間帯ごとの値の一例を示す図 図１５に示した平均値および標準偏差を用いて求められた使用データの一例を示す図
　以下に、本発明の実施の形態にかかる系統状態推定装置および系統状態推定方法を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
実施の形態．
　図１は、本発明にかかる配電系統システムの構成例を示す図である。図１に示すように、本実施の形態の配電系統システムは、ＬＲＴ（Load　Ratio　control　Transformer：負荷時タップ切替器付変圧器）１－１～１－３と、センサ付き開閉器２－１～２－６と、配電線３－１～３－６とを含む。
　ＬＲＴ１－１～１－３は、配電用変圧器であり、例えば変電所に設置される。図１では、ＬＲＴを３台図示しているが、ＬＲＴの数は、この例に限定されず１以上であればよい。
　ＬＲＴ１－１～１－３は、例えば６６００Ｖまたは７７００Ｖの送電線２００に接続される。また、ＬＲＴ１－１は、母線２０１に接続されている。母線２０１には、高圧系統の配電線である配電線３－１～３－６が並列に接続されている。高圧系統とは、例えば６６００Ｖの系統である。配電線３－１～３－６は、高圧系統の配電線である。配電線３－１～３－６の送り出し点すなわち上流側の端点には、それぞれセンサ付き開閉器２－１～２－６が接続される。以下、配電線３－１～３－６を個別に区別せずに示すときは、配電線３と記載し、センサ付き開閉器２－１～２－６を個別に区別せずに示すときは、センサ付き開閉器２と記載する。なお、図１では、母線２０１に６本の配電線が接続される例を図示しているが、母線２０１に接続される配電線の数は、この例に限定されず１本以上であればよい。図示を省略しているが、ＬＲＴ１－２，１－３に接続される母線にも、ＬＲＴ１－１と同様に配電線が接続される。
　配電線３－１には、高圧負荷４が接続される。高圧負荷４は、高圧系統の配電線に接続される負荷であり、例えば、工場などの需要家の負荷である。また、配電線３－１には、柱上変圧器５－１，５－２が接続される。以下、柱上変圧器５－１，５－２を個別に区別せずに示すときは、柱上変圧器５と記載する。柱上変圧器５－１，５－２は、高圧の電力を、例えば１００Ｖまたは２００Ｖといった低圧の電力に変換して、低圧配電線へ出力する変圧器である。柱上変圧器５－１に接続される低圧配電線には、低圧負荷６－１，６－２が接続される。柱上変圧器５－２に接続される低圧配電線には、低圧負荷６－３，６－４が接続される。低圧負荷６－１～６－４は、一般家庭、事業所をはじめとした需要家における負荷である。
　低圧負荷６－１～６－４には、それぞれスマートメータ７－１～７－４がそれぞれ接続される。スマートメータ７－１～７－４は、それぞれ低圧負荷６－１～６－４において使用された電力量を計量する計量装置である。以下、低圧負荷６－１～６－４を個別に区別せずに示すときは低圧負荷６と記載し、スマートメータ７－１～７－４を個別に区別せずに示すときはスマートメータ７と記載する。図１では、柱上変圧器５を２台図示しているが、配電線３－１には、一般には多数の柱上変圧器５が接続される。また、低圧負荷を代表して４つの低圧負荷を図示しているが、一般には多数の低圧負荷が低圧配電線に接続される。また、多数の低圧負荷のうちの一部または全部に、スマートメータが接続される。
　なお、図１では図示していないが、発電設備を有する需要家もあり、発電設備を有する需要家の設備に設置されるスマートメータ７は発電設備による発電量と低圧負荷により使用された電力量との差分を計測する。または、スマートメータ７は、発電量と低圧負荷により使用された電力量とを個別に計測してもよい。また、高圧負荷４にスマートメータが設けられていてもよい。
　図２は、本実施の形態の自動検針システムの構成例を示す図である。図２は、図１に示した配電系統システムにおいて、各スマートメータ７により計量された計量データを用いて、自動検針を行うためのシステムである。図２に示した例では、自動検針システムは、スマートメータ７－１，７－２と、コンセントレータ８－１，８－２と、ＨＥＳ（Head　End　System）９と、ＭＤＭＳ１０とを備える。スマートメータ７－１，７－２は、無線通信を行うことが可能であり、自身が計量した計量データを無線信号として親局であるコンセントレータ８－１へ送信する。計量データは、有効電力量を含む。計量データは、さらに無効電力量を含んでいてもよい。コンセントレータ８－１は、スマートメータ７－１，７－２からそれぞれ受信した計量データを集約し、集約した計量データをＨＥＳ９へ送信する。図２では、図示を省略しているが、コンセントレータ８－２も、スマートメータ７から受信した計量データを集約して、集約した計量データをＨＥＳ９へ送信する。以下、コンセントレータ８－１，８－２を個別に区別せずに示すときは、コンセントレータ８と記載する。スマートメータ７には、各々に対応する親局となるコンセントレータ８が定められている。
　ＨＥＳ９は、各コンセントレータ８から計量データを収集し、収集した計量データをＭＤＭＳ１０へ送信する。ＭＤＭＳ１０は、ＨＥＳ９から受信した計量データを管理する。すなわち、ＭＤＭＳ１０は、コンセントレータ８およびＨＥＳ９を介して受信した各スマートメータ７により計量された計量データを管理する。
　なお、図２では、コンセントレータ８が、柱上変圧器５が設置される電柱にそれぞれ設定されている例を示しているが、コンセントレータ８の設置位置はこの例に限定されない。
　本実施の形態の系統状態推定装置１１は、自動検針システムのＭＤＭＳ１０と通信可能である。系統状態推定装置１１は、ＭＤＭＳ１０から、後述するように、処理に用いる計量データを取得し、計量データを用いて系統状態の推定を行う。また、本実施の形態の系統状態推定装置１１は、分類データ１４、平均値ＤＢ（DataBase）１５、標準偏差値ＤＢ１６、契約ＤＢ１７、スマートメータの設置位置ＤＢ１８および系統設備ＤＢ１９を記憶可能である。分類データ１４、平均値ＤＢ１５、標準偏差値ＤＢ１６、契約ＤＢ１７、スマートメータの設置位置ＤＢ１８および系統設備ＤＢ１９については後述する。
　図３は、本実施の形態の系統状態推定装置１１の構成例を示す図である。図３に示すように、本実施の形態の系統状態推定装置１１は、前処理部１２および推定処理部１３を備える。ＭＤＭＳ１０には、各スマートメータ７により計量された計量データがスマートメータ計量ＤＢ２１として格納されている。
　前処理部１２は、分類部１２１および統計量計算部１２２を備える。分類部１２１は、ＭＤＭＳ１０のスマートメータ計量ＤＢ２１に格納されている計量データのうちの一部の計量データである第１の計量データを、ＭＤＭＳ１０から取得する。そして、分類部１２１は、契約ＤＢ１７に基づいて、第１の計量データを複数のグループに分類し、分類後のデータをさらに時間帯ごとに分類して分類データ１４として保存する。契約ＤＢ１７には、スマートメータ７ごとの契約種別、業種といった契約に関する情報である契約情報があらかじめ格納される。時間帯とは、１日における時間帯であり、例えば、０：００から０：３０まで、０：３０から１：００まで、…といったように３０分単位の４８個の時間帯である。なお、時間帯は３０分単位に限定されず、例えば、１時間単位、２時間単位などであってもよい。グループは、例えば、契約容量、業種、契約種別、季節および曜日のうち少なくとも１つが同一となるスマートメータ７の集まりである。グループの定義の詳細については後述する。
　統計量計算部１２２は、分類データ１４を用いて、グループごとに、各グループに対応する計量データの、時間帯ごとの平均値および標準偏差を計算する計算部である。統計量計算部１２２は、グループごとの平均値を平均値ＤＢ１５として格納し、グループごとの標準偏差を標準偏差値ＤＢ１６として格納する。スマートメータ７の計量データに有効電力量が含まれ無効電力量が含まれない場合には、統計量計算部１２２は、有効電力量を有効電力に変換し、有効電力の平均値および標準偏差を算出する。スマートメータ７の計量データに無効電力量が含まれない場合、統計量計算部１２２は、無効電力については、あらかじめ定められた値例えば０として統計量の計算を実施する。また、スマートメータ７の計量データに有効電力量および無効電力量が含まれる場合には、統計量計算部１２２は、有効電力量および無効電力量をそれぞれ有効電力および無効電力に変換し、有効電力および無効電力のそれぞれについて、平均値および標準偏差を算出する。
　図４は、一部の計量データとしてＭ台のスマートメータ７の計量データを取得した場合の平均値および標準偏差の一例を示す図である。図４に示した例では、スマートメータ７の識別情報であるスマートメータ番号（以下、ＳＭ番号と略す）が１からＭまでのＭ台のスマートメータ７の有効電力量の計量データが有効電力に変換されて統計処理された例を示している。図４の右側に示したμは、１日における各時刻の、Ｍ台のスマートメータ７に対応するＭ個の有効電力の平均値であり、σは、１日における各時刻の、Ｍ個の有効電力の標準偏差である。なお、図４では各有効電力を曲線で示しているが、上述した通り、実際には各有効電力は時間帯ごとの離散的な値となる。本実施の形態では、以下に述べるように、一部の計量データを統計処理して得られるバラツキを示す値の一例である標準偏差を用いて、系統状態の推定演算において、計量データを用いるか代用値を用いるかを判定する。
　推定処理部１３の使用データ判定部１３１は、標準偏差値ＤＢ１６および契約ＤＢ１７に基づいて、グループごとに、各時間帯における使用データの判定処理を実施する判定部である。使用データの判定処理とは、後続の集計部１３２における処理で使用するデータとして、スマートメータ７の計量データを用いるか代用値を用いるかを判定する処理である。具体的には、例えば、σが閾値以下である場合に代用値を用いると判定し、σが閾値を超える場合に、計量データを用いると判定する。閾値はどのように決定されてもよいが、例えば、配電系統システムにおいて要求される誤差に基づいて決定される。一例を挙げると、系統において要求される誤差をεとし、グループに属するスマートメータ７の数（全数）をＮとするとき、以下の式（１）により、閾値αを決定することができる。ｋは、誤差の確率としてどの程度までを考慮するかを示す定数であり、例えば、１σに対応する確率で誤差を抑えたい場合にはｋ＝１であり、３σに対応する確率で誤差を抑えたい場合にはｋ＝３である。
　α＝ε／（ｋ×√（Ｎ））　　…（１）
　例えば、配電系統システムにおいて１０００ｋＷに対して５％以下の誤差が要求される場合、εは５０ｋＷである。このとき、Ｎ＝５００、ｋ＝３とすると、αは、約０．７５ｋＷとなる。
　使用データ判定部１３１は、使用データの判定処理によりスマートメータ７の計量データを用いると判定されたグループについては、該グループに対応するスマートメータ７の計量データをＭＤＭＳ１０から取得し、電力量を電力に変換した後に集計部１３２へ出力する。また、使用データ判定部１３１は、使用データの判定処理により代用値を用いると判定されたグループについては、平均値ＤＢ１５に格納されている該グループに対応する平均値を、該グループに対応するスマートメータ７を示す識別情報とともに集計部１３２に出力する。また、使用データの判定処理により代用値を用いると判定されたグループについて、代用値として平均値ＤＢ１５に格納された平均値の代わりに、あらかじめ定められた任意の値を用いてもよい。
　集計部１３２は、使用データ判定部１３１から受け取ったデータと、スマートメータの設置位置ＤＢ１８とに基づいて、系統状態の推定における単位区間ごとにデータの集計を行い、集計結果を潮流計算部１３３へ出力する。すなわち、集計部１３２は、各単位区間の負荷電力を有効電力および無効電力のそれぞれについて求め、求めた負荷電力を潮流計算部１３３へ出力する。具体的には、集計部１３２は、単位区間ごとに、スマートメータ７の有効電力および無効電力を加算する。例えば、ｉ（ｉは１以上の整数）番目の単位区間において、グループ番号１のグループのＬ（Ｌは１以上の整数）台のスマートメータ７とグループ番号２のＨ（Ｈは１以上の整数）台のスマートメータ７が存在したとする。そして、ある時間帯において、グループ番号１のグループは使用データの判定処理により代用値を用いると判定され、グループ番号２のグループは使用データの判定処理により計量データを用いると判定されたとする。この場合、ｉ番目の単位区間の上記の時間帯における負荷電力のうち有効電力Ｐiは、以下の式（２）により求めることができる。なお、μ1は、文字上記の時間帯におけるグループ番号１のグループの平均値であり、ｒj（ｊ＝１，…，Ｈ）は、ｉ番目の単位区間のＨ台のスマートメータ７のうちのｊ番目のスマートメータ７の計量データから算出された有効電力であるとする。
　Ｐi＝　Ｌ×μ1＋（ｒ1＋ｒ2＋…＋ｒH）…（２）
　単位区間は、系統状態の推定の結果を算出する系統における区間の範囲であり、例えば、系統状態として負荷を算出する場合は、系統において負荷を算出する単位である。系統状態の推定における単位区間の例としては、１つの柱上変圧器５に対応する区間、図１では図示を省略している配電線３における各開閉器により区切られる区間、複数の柱上変圧器５に対応する区間などが挙げられる。スマートメータの設置位置ＤＢ１８には、各スマートメータ７がどの単位区間に属するかを示す情報が格納される。例えば、単位区間が１つの柱上変圧器５に対応する区間である場合、柱上変圧器５と該柱上変圧器５に接続されるスマートメータ７との対応がスマートメータの設置位置ＤＢ１８に格納される。具体的には、例えば、柱上変圧器５の識別情報である、柱上変圧器５の番号と、スマートメータ７の識別情報であるＳＭ番号との対応がスマートメータの設置位置ＤＢ１８に格納される。スマートメータの設置位置ＤＢ１８に格納される具体的な情報はこの例に限定されず、単位区間ごとに対応するスマートメータ７は把握可能な情報であればどのような情報が格納されていてもよい。
　潮流計算部１３３は、系統設備ＤＢ１９と、集計部１３２から受け取った集計結果とに基づいて、潮流計算を行い、配電系統における電圧分布、電流分布などを算出する。系統設備ＤＢ１９には、各配電線３に接続される柱上変圧器５の位置を示す情報、各配電線３のインピーダンスを示す情報など、潮流計算に必要な配電系統における情報があらかじめ格納される。潮流計算部１３３が実施する潮流計算の具体的な方法は、ニュートン・ラフソン（Newton-Raphson）法、ファースト・デカップルド（Fast　Decoupled　Load　Flow）法をはじめとして任意の方法を用いることができる。
　以上のように、集計部１３２および潮流計算部１３３により系統状態の推定演算が実施される。すなわち、集計部１３２および潮流計算部１３３は、使用データ判定部１３１により判定された結果に基づいて、系統状態の推定を行う推定演算を実施する演算部である。
　なお、潮流計算部１３３は、センサ付き開閉器２により計測された有効電力および無効電力をさらに用いて潮流計算を行ってもよい。また、潮流計算部１３３は、センサ付き開閉器２により計測された有効電力および無効電力を用いて、集計部１３２から受け取った集計結果を補正し、補正後の集計結果を用いて潮流計算を行ってもよい。例えば、集計部１３２から受け取った集計結果に基づいて、各単位区間の負荷の比率を算出する。この比率とセンサ付き開閉器２により計測された有効電力および無効電力とを用いて、潮流計算部１３３は、各単位区間の有効電力および無効電力を求め、求めた有効電力および無効電力を用いて潮流計算を行う。
　潮流計算部１３３により算出された電圧分布、電流分布などは、配電系統システムにおける電圧の制御に用いられてもよいし、配電系統システムにおける設備の計画に用いられてもよい。また、以上の例では、集計部１３２による集計結果を用いて潮流計算を行う例を説明したが、集計部１３２による集計結果を用いて各柱上変圧器５の負荷を求めてもよい。これにより、各柱上変圧器５が過負荷であるか否かを把握することができる。また、集計部１３２による集計結果を用いて算出された負荷分布が、設備の計画などに用いられてもよい。さらには、使用データ判定部１３１による使用データの判定処理の結果、代用値を用いると判定されたグループに対応する需要家のうちスマートメータ７が設置されていない需要家が存在する場合、該需要家に対応する計量データの代わりに上述した代用値を用いてもよい。また、スマートメータ７からの計量データの収集にあたって、代用値を用いると判定されたグループに対応する業種および時間帯についてはスマートメータ７からは計量データを収集しないようにしてもよい。これにより、計量データの収集における通信量を削減することができる。また、スマートメータ７の設置計画にあたって、全時間帯において代用値を用いると判定されたグループに対応する需要家にはスマートメータ７を設置しないことによりスマートメータ７の設置台数を削減してもよい。
　なお、統計量計算部１２２は、グループごとに、各時間帯の計量データの平均値および標準偏差を算出する際に、スマートメータの設置位置ＤＢ１８を用いて、単位区間ごとに平均値および標準偏差を算出してもよい。これにより、平均値ＤＢ１５および標準偏差値ＤＢ１６には、グループごとに、各時間帯の各単位区間の平均値および標準偏差がそれぞれ格納される。この場合、使用データ判定部１３１は、グループおよび時間帯ごとに、各単位区間に対して使用データの判定処理を行い、代用値を使用すると判定された単位区間は代用値が潮流計算部１３３へ出力される。使用データ判定部１３１は、計量データを使用すると判定された、グループ、時間帯および単位区間の組み合わせについては、上述した例と同様にスマートメータ７の有効電力および無効電力を集計部１３２へ出力する。この場合、集計部１３２は、集計を行う際に、例えば、上述した式（２）におけるＬ×μ1の代わりに、対応する単位区間の平均値自体を用いることができる。
　本実施の形態の系統状態推定装置１１は、具体的には、計算機システム、すなわちコンピュータである。この計算機システム上で系統状態推定プログラムが実行されることにより、計算機システムが系統状態推定装置１１として機能する。図５は、本実施の形態の計算機システムの構成例を示す図である。図５に示すように、この計算機システムは、制御部１０１と入力部１０２と記憶部１０３と表示部１０４と通信部１０５と出力部１０６とを備え、これらはシステムバス１０７を介して接続されている。
　図５において、制御部１０１は、ＣＰＵ（Central　Processing　Unit）等のプロセッサであり、本実施の形態の系統状態推定プログラムを実行する。入力部１０２は、例えば、キーボードおよびマウスなどで構成され、計算機システムのユーザーが、各種情報の入力を行うために使用する。記憶部１０３は、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）などの各種メモリおよびハードディスクなどのストレージデバイスを含み、上記制御部１０１が実行すべきプログラム、処理の過程で得られた必要なデータ、などを記憶する。また、記憶部１０３は、プログラムの一時的な記憶領域としても使用される。表示部１０４は、ディスプレイ、ＬＣＤ（液晶表示パネル）などで構成され、計算機システムのユーザーに対して各種画面を表示する。通信部１０５は、通信処理を実施する送信機および受信機である。なお、図５は、一例であり、計算機システムの構成は図５の例に限定されない。
　ここで、本実施の形態の系統状態推定プログラムが実行可能な状態になるまでの計算機システムの動作例について説明する。上述した構成をとる計算機システムには、たとえば、図示しないＣＤ（Compact　Disc）－ＲＯＭまたはＤＶＤ（Digital　Versatile　Disc）－ＲＯＭドライブにセットされたＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭから、系統状態推定プログラムが記憶部１０３にインストールされる。そして、系統状態推定プログラムの実行時に、記憶部１０３から読み出された系統状態推定プログラムが記憶部１０３の所定の場所に格納される。この状態で、制御部１０１は、記憶部１０３に格納されたプログラムに従って、本実施の形態の系統状態推定処理を実行する。
　なお、本実施の形態においては、ＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭを記録媒体として、系統状態推定処理を記述したプログラムを提供しているが、これに限らず、計算機システムの構成、提供するプログラムの容量などに応じて、たとえば、通信部１０５を経由してインターネットなどの伝送媒体により提供されたプログラムを用いることとしてもよい。
　図３に示した前処理部１２および推定処理部１３は、図５の制御部１０１および通信部１０５により実現される。図３に示した分類データ１４、平均値ＤＢ１５、標準偏差値ＤＢ１６、契約ＤＢ１７、スマートメータの設置位置ＤＢ１８および系統設備ＤＢ１９は、記憶部１０３に記憶される。
　次に、スマートメータ７の計量データを用いた本実施の系統状態推定処理の詳細について説明する。図６は、本実施の形態の前処理部１２における処理手順の一例を示すフローチャートである。まず、前処理部１２の分類部１２１は、ＭＤＭＳ１０からＭＤＭＳ１０の管理対象のスマートメータ７の計量データのうちの一部の計量データを取得する（ステップＳ１）。ＭＤＭＳ１０のスマートメータ計量ＤＢ２１には、自身の管理対象となる全スマートメータ７からそれぞれ送信された計量データが格納される。
　図７は、スマートメータ７から送信される計量データの構成例を示す図である。図７には、有効電力量および無効電力量を計量するスマートメータ７から送信される計量データの構成例を示している。図７に示すように、スマートメータ７から送信される計量データは、スマートメータ７の識別情報であるＳＭ番号、有効電力量および無効電力量を含む。なお、前述した通り、無効電力量を計測していないスマートメータ７もあり、この場合には、計量データは、無効電力量を含まず、ＳＭ番号および有効電力量を含む。スマートメータ７から送信される計量データの構成は図７の例に限定されず、少なくともＳＭ番号および有効電力量が含まれていればよく、例えば、さらにスマートメータ７により計測された電圧値などが計量データに含まれていてもよい。
　ステップＳ１でＭＤＭＳ１０から取得される一部の計量データはどのように決定されてもよいが、これら一部の計量データにより算出されるグループごとの平均値および標準偏差が、全スマートメータ７のグループごとの平均値および標準偏差とみなされても問題ないように決定される。すなわち、各グループの平均値および標準偏差の算出の元になる計量データの数はある程度以上となるように一部の計量データが決定される。したがって、なるべく特定の条件による偏りが少なく、各グループに対応する計量データがある程度の数以上のスマートメータ７が一部の計量データとして決定されることが望ましい。例えば、ＭＤＭＳ１０が数千万台のスマートメータ７を管理しているときに、１０００台程度のスマートメータ７の計量データを、ステップＳ１においてＭＤＭＳ１０から取得される一部の計量データとすることができる。このとき、１０００台をランダムに抽出することによりスマートメータ７が属するグループがランダムとなるようにしてグループ間の計量データの数の偏りを抑制してもよいし、グループごとに一部の計量データの数を決定してもよい。なお、ステップＳ１においてＭＤＭＳ１０から取得される一部の計量データに対応するスマートメータ７の数は、１０００台に限定されない。ステップＳ１でＭＤＭＳ１０から取得される一部の計量データが計量された時間帯である第１の時間帯は、後述する系統状態の推定対象で用いられる計量データの計量された時間帯である第２の時間帯と同一であってもよいし同一でなくてもよい。
　また、ここでは、一部のスマートメータ７の計量データをステップＳ１で取得する例を説明するが、全スマートメータ７の計量データを取得して、全スマートメータ７の計量データを用いて、後述のステップＳ２からステップＳ４までの処理を実施してもよい。すなわち、ステップＳ１では、分類部１２１は、ＭＤＭＳ１０が管理する全スマートメータ７のうち少なくとも一部のスマートメータ７の第１の時間帯の計量データを取得すればよい。
　図６の説明に戻り、系統状態推定装置１１の分類部１２１は、契約ＤＢ１７に基づいて、ステップＳ１でＭＤＭＳ１０から取得したデータである第１の計量データをグループに分類する（ステップＳ２）。分類部１２１は、分類したデータを分類データ１４として保存する。図８は、契約ＤＢ１７に格納される契約情報の一例を示す図である。図８に示した例では、契約情報は、ＳＭ番号、契約容量、契約種別および業種を含む。図８に示した契約情報は一例であり、契約情報の内容および具体的な構成は図８に示した例に限定されない。
　ここで、本実施の形態におけるグループの定義の例を説明する。図９、図１０および図１１は、グループの定義の例を示す図である。図９に示した例では、契約容量、契約種別および業種に基づいてグループが定義されている。すなわち、図９に示した例では、契約容量、契約種別および業種のうち全てが同一であれば同一グループとなり、契約容量、契約種別および業種のうち少なくとも１つが異なっていれば異なるグループとなる。
　図１０に示した例では、業種および季節に基づいてグループが定義されている。すなわち、図１０に示した例では、業種および季節の両方が同一であれば同一グループとなり、業種および季節のうち少なくとも１つが異なっていれば異なるグループとなる。
　図１１に示した例では、業種および曜日に基づいてグループが定義されている。すなわち、図１１に示した例では、業種および曜日の両方が同一であれば同一グループとなり、業種および曜日のうち少なくとも１つが異なっていれば異なるグループとなる。
　図９、図１０および図１１に示したグループの定義は一例であり、グループの定義はこれらに限定されない。例えば、グループの定義は契約容量、契約種別、業種、季節、月、気温、天候および曜日のうちの少なくとも１つにより定義される。また、契約容量、契約種別、業種、季節、月、気温、天候および曜日のうちの２つ以上の任意の項目の組み合わせにより定義されてもよい。また、契約容量、契約種別、業種、季節、月、気温、天候および曜日以外の項目を含めて定義されてもよい。すなわち、グループは、スマートメータ７に対応する需要家における契約種別および業種のうちの少なくとも１つに基づいて決定されてもよい。また、グループは、スマートメータ７に対応する需要家における契約容量に基づいて決定されてもよい。また、グループは、スマートメータ７が計量された際の季節、気温および天候のうち少なくとも１つに基づいて決定されてもよい。
　また、分類部１２１は、契約容量、季節、気温および天候のうちの少なくとも１つに応じて、グループ内の計量データに対して補正を行い、補正後の計量データを分類データ１４として保存してもよい。例えば、図１１に示した例のように、業種および曜日に基づいてグループが定義されているとする。このとき、同一曜日の同一業種のスマートメータ７の計量データは、契約容量が異なっていても同じグループに分類される。一方で、各スマートメータ７に対応する負荷により消費される電力は契約容量に概ね比例する傾向がみられる。したがって、分類部１２１は、各スマートメータ７の計量データにおける有効電力量を以下の式（３）により補正することができる。分類部１２１は、無効電力量も同様に補正することができる。Ｂはあらかじめ定めた定数である。
　補正後の有効電力量＝計量データにおける有効電力量／契約容量×Ｂ　…（３）
　また、各スマートメータ７における計量時の気温が気象情報サービスなどから取得可能な場合には、分類部１２１は、計量データを、気温を用いて補正することができる。また、気象情報サービスなどから取得した気温の代わりに、分類部１２１は、年間の平均気温を用いて計量データを補正することができる。例えば、気温と有効電力量との関係を予め予想することにより、気温ごとに、計量データに加算または減算する補正量をあらかじめ定めておく。すなわち、気温をｔpとするとき、補正量δ（ｔp）をあらかじめ定めておく。そして、分類部１２１は、各計量データに対応する気温に応じた補正量を加算または減算する。または、気温ごとに、計量データに乗算する補正係数を定めておいてもよい。同様に、晴れ、曇り、雨といった天候ごとに、計量データに加算または減算する補正量、または計量データに乗算する補正係数を定めておき、これらを用いて計量データを補正してもよい。分類部１２１は、契約容量により補正と気温による補正との両方を行うといったように、複数の種類の補正を行ってもよい。また、上述した補正に用いられる補正係数、補正量などは、業種、季節などに応じて異なった値が用いられてもよい。以上のような補正を行うことで、標準偏差を小さくすることができ、代用値を用いると判定されるケースを多くすることができ、処理に用いるデータを削減することができる。
　図６の説明に戻り、ステップＳ２の後、統計量計算部１２２は、分類データ１４を用いて、グループごとに平均値および標準偏差を計算する（ステップＳ３）。詳細には、統計量計算部１２２は、グループごとに、各グループに対応する計量データの、時間帯ごとの平均値および標準偏差を計算する。なお、分類データ１４は、ステップＳ３が終了した後に消去されてもよい。
　統計量計算部１２２は、グループごとの平均値および標準偏差を保存する（ステップＳ４）。詳細には、統計量計算部１２２は、グループごとの各時間帯の平均値および標準偏差を、平均値ＤＢ１５および標準偏差値ＤＢ１６としてそれぞれ保存する。これにより前処理部１２における処理が終了する。
　図１２は、平均値ＤＢ１５に格納される平均値の一例を示す図である。図１２に示すように、各グループの時間帯ごとの平均値が平均値ＤＢ１５に格納される。図１２では、０：００から０：３０までの時間帯を１番目の時間帯、０：３０から１：００まで時間帯を２番目の時間帯といったように、３０分単位で１番目から４８番目までの時間帯を定義したときに、ｓ（ｓ＝１，２，…，４８）番目の時間帯のｑ（１は１以上の整数）番目のグループの平均値をμq（ｓ）と記載している。
　図１３は、標準偏差値ＤＢ１６に格納される標準偏差の一例を示す図である。図１３に示すように、各グループの時間帯ごとの標準偏差が標準偏差値ＤＢ１６に格納される。図１３では、図１２の例と同様に３０分単位で１番目から４８番目までの時間帯を定義したときに、ｓ番目の時間帯のｑ番目のグループの平均値をσq（ｓ）と記載している。
　次に、以上述べた前処理部１２の処理の実施タイミングについて説明する。上述した通り、第２の時間帯と図６で説明したステップＳ１でＭＤＭＳ１０から取得される一部の計量データが計量された時間帯である第１の時間帯とは同一であっても同一でなくてもよい。第１の時間帯と第２の時間帯とが同一でない場合、一般には、第１の時間帯は第２の時間帯より前の時間帯を含む。例えば、第１の時間帯に計量された一部の計量データを用いて平均値および標準偏差を算出しておき、新しく取得した第２の時間帯の計量データを用いて系統状態の推定処理を実施する。すなわち、第１の時間帯と第２の時間帯が異なる場合、分類部１２１は、複数のスマートメータ７のうちの少なくとも一部のスマートメータ７により第１の時間帯に計量された計量データである第１の計量データを、複数のグループに分類する。そして、統計量計算部１２２は、グループごとに、第１の計量データのバラツキである標準偏差を計算し、使用データ判定部１３１は、標準偏差に基づいて、系統状態を推定する推定処理において第２の時間帯の計量データを用いるか代用値を用いるかをグループごとに判定する。第２の時間帯より前の第１の時間帯の計量データ、すなわち過去の計量データを用いて平均値および標準偏差が算出される場合、平均値および標準偏差の更新は、一般には例えば半年または一年に一度更新するといったようにあらかじめ定めた周期で行うことができる。
　なお、グループの定義に、季節、月といった時間的要素が含まれる場合は、系統状態推定装置１１は、例えば、一部のスマートメータ７の計量データが一年分蓄積されてから、平均値および標準偏差を算出してもよい。また、第１の時間帯は、時間的に連続しない複数の時間帯で構成されてもよい。例えば、５月１日の０：００から０：３０の時間帯のグループ番号１のグループの計量データと、５月２日の０：００から０：３０の時間帯のグループ番号１のグループの計量データとに基づいて、０：００から０：３０の時間帯のグループ番号１のグループの平均値および標準偏差を求めてもよい。
　また、図６で述べた手順の代わりに、３０分ごとなど周期的にステップＳ１からステップＳ３を実施し、算出された標準偏差を用いて平均値ＤＢ１５および標準偏差値ＤＢ１６を更新するか否かを判断する処理を行ってもよい。例えば、３０分ごとなど周期的にステップＳ１からステップＳ３を実施し、算出された標準偏差と標準偏差値ＤＢ１６に格納されている標準偏偏差との差が閾値以下であれば平均値ＤＢ１５および標準偏差値ＤＢ１６を更新せず、差が閾値を超える場合には、平均値ＤＢ１５および標準偏差値ＤＢ１６を更新するといった処理を行う。
　一方、過去のデータを用いて算出された平均値および標準偏差を用いるのではなく、系統状態の推定の対象となる時刻の計量データのうちの一部を用いて上述したステップＳ１からステップＳ４を実施する場合、平均値および標準偏差は、基本的には、系統状態の推定の対象となる計量データの更新タイミングと同じタイミングで更新される。ただし、平均値および標準偏差の更新は、系統状態の推定の対象となる計量データの更新と完全に同じタイミングで実施する必要はない。例えば、系統状態の推定の対象となる計量データの更新の２回に１回、平均値および標準偏差の処理を実施するといったように、平均値および標準偏差の処理を時間的に間引いて実施してもよい。過去のデータを用いて平均値および標準偏差を用いるのではなく、系統状態の推定の対象となる時刻の計量データのうちの一部を用いる場合、分類部１２１は、複数のスマートメータ７のうちの一部のスマートメータ７により計量された計量データである第１の計量データを、複数のグループに分類することになる。また、使用データ判定部１３１は、標準偏差に基づいて、系統状態を推定する推定処理において計量データを用いるか代用値を用いるかをグループごとに判定することになる。
　図１４は、本実施の形態の推定処理部１３における処理手順の一例を示すフローチャートである。図１４に示すように、推定処理部１３の使用データ判定部１３１は、標準偏差値ＤＢ１６に格納されている標準偏差に基づいて、使用データを判定する（ステップＳ１１）。次に、使用データ判定部１３１は、使用データとして計量データを使用すると判定したスマートメータ７の計量データをＭＤＭＳ１０から取得する（ステップＳ１２）。使用データ判定部１３１は、使用データの判定結果に基づいて、スマートメータ７ごとに、使用データすなわち代用値または計量データのいずれかをスマートメータ７のＳＭ番号とともに集計部１３２へ出力する。
　詳細には、使用データ判定部１３１は、計量データに対応するスマートメータ７ごとに、標準偏差値ＤＢ１６と契約ＤＢ１７とに基づいて、使用データとして代用値を用いるか計量データを用いるかを判定する使用データの判定処理を実施する。上述したように、使用データ判定部１３１は、例えば、各グループの時間帯ごとに、標準偏差値ＤＢ１６に格納された標準偏差が閾値以下である場合に代用値を用いると判定し、標準偏差が閾値を超える場合に計量データを用いると判定する。閾値は例えば上述した式（１）により算出される。
　図１５は、平均値および標準偏差の時間帯ごとの値の一例を示す図である。図１５には、あるグループについて算出された平均値および標準偏差を、３０分ごとの時間帯であるＴ1からＴ48までの時間帯ごとに示した図である。図１５における丸は平均値μを示し、丸の上下に示した線分は標準偏差σを示す。図１６は、図１５に示した平均値および標準偏差を用いて求められた使用データの一例を示す図である。図１６は、あるスマートメータ７について、使用データ判定部１３１から出力される使用データの一例を示している。図１６に示した丸は、図１５に示した平均値であり、図１６に示した三角は、計量データを示している。図１６に示した例では、例えば、Ｔ1の時間帯では、標準偏差σが閾値以下であるため、使用データとして平均値が用いられ、Ｔ15の時間帯では、標準偏差σが閾値を超えるため、使用データとして計量データが用いられている。このように、使用データ判定部１３１は、各スマートメータ７の使用データとして、時間帯ごとに平均値または代用値である平均値を出力する。
　図１４の説明に戻り、次に、集計部１３２は、使用データと系統内の位置とを対応付け、単位区間ごとに集計する（ステップＳ１３）。詳細には、集計部１３２は、スマートメータの設置位置ＤＢ１８を用いて、使用データがどの単位区間に対応するかを判断し、単位区間ごとに有効電力および無効電力を集計する。潮流計算部１３３は、集計部１３２により集計された結果を用いて潮流計算を実施する（ステップＳ１４）。これにより、系統状態の推定処理が終了する。
　潮流計算部１３３により算出された電圧分布、電流分布などは、配電系統システムにおける電圧の制御、配電系統システムにおける設備の計画などに用いられる。また、上述したように、集計部１３２による集計結果を用いて各柱上変圧器５の負荷を求めてもよい。さらには、上述した例では、電圧分布などを算出するために代用値として平均値を用いたが、各柱上変圧器５の過負荷の判定を目的とする場合などには、平均値の代わりに最大値を保存しておいてもよい。そして、柱上変圧器５の過負荷を判定する際に、使用データ判定部１３１は、保存されている最大値を用いるが直近の計量データを用いるかを判定する。この場合、系統状態の推定処理は、柱上変圧器５の負荷を求める処理であり、系統状態推定装置は、最大値を用いるか直近の計量データを用いるかの判定結果に基づいて柱上変圧器５の負荷を求める処理を行う推定部を備えることになる。
　以上の処理により、系統状態の推定処理において使用する計量データを削減することができる。このため、系統状態推定装置のハードウェア規模を抑制することができる。なお、以上の例では、使用データ判定部１３１は、使用データとして計量データを使用すると判定されたスマートメータ７だけの計量データをＭＤＭＳ１０から取得するようにしたが、これに限らず、使用データ判定部１３１は、一旦、使用データの判定結果にかかわらず全てのスマートメータ７の計量データを取得して、必要な計量データを抽出して保存するようにしてもよい。
　なお、上述したように、平均値および標準偏差として、単位区間内で集計したものを保存し、集計部１３２は、代用値を使用すると判定されたグループおよび時間帯については単位区間内で集計された平均値を用いるようにしてもよい。
　以上述べた例では、グループごとに、使用データの判定処理を実施したが、グループ分けをせずに、すなわちグループの数を１として、各時間帯における標準偏差に基づいて、使用データの判定処理をするようにしてもよい。
　また、以上述べた例では、バラツキとして各グループの計量データの標準偏差を用いたが、標準偏差以外の演算値を用いてもよい。例えば、バラツキとして、分散、または最大値と最小値と差などを用いてもよい。
　また、以上の説明では、同一グループに属するスマートメータ７の同一時間帯における標準偏差に基づいて、使用データの判定処理をするようにした。すなわち、上述した例では、使用データの判定に用いられる標準偏差は同一の時間帯に計量された同一のグループに属する複数の計量データ間の標準偏差である。しかしながら、これに限らず、１つのスマートメータ７の時間的なバラツキに基づいて、使用データの判定処理をするようにしてもよい。この場合、使用データの判定に用いられる標準偏差は、複数の時間帯に計量された同一のグループに属する複数の計量データ間のバラツキである。この場合、例えば、１つのスマートメータ７の１か月間の時間帯ごとの４８個のデータの平均値および標準偏差を求め、標準偏差が閾値以下の場合には、このスマートメータ７は系統状態の推定処理において計量データの代わりに平均値を用いる。この場合も、グループの定義として季節、曜日または気温、天候などを用いて、グループごとに、平均値および標準偏差が算出され、グループごとに使用データの判定処理が実施されてもよい。すなわち、この場合も、グループは、計量データが計量された際の季節、気温および天候のうち少なくとも１つに基づいて決定されてもよい。また、計量データが計量された際の季節、気温および天候のうち少なくとも１つに基づいて計量データが補正されてもよい。
　また、スマートメータ７間のバラツキと時間的なバラツキを組み合わせて、使用データの判定処理を行ってもよい。例えば、業種によりグループ分けを行って、業種ごとに標準偏差に基づいて使用データの判定処理を実施し、標準偏差が閾値より大きいグループについては、１つのスマートメータ７の時間的なバラツキに基づいて、使用データの判定処理をするようにしてもよい。
　また、以上の説明では配電系統を例に説明したが、配電系統に限定されず送電系統など電力系統全般に、本実施の形態の動作および構成を適用可能である。
　以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　１－１～１－３　ＬＲＴ、２－１～２－２　センサ付き開閉器、３－１～３－６　配電線、４　高圧負荷、５－１，５－２　柱上変圧器、６－１～６－４　低圧負荷、７－１～７－４　スマートメータ、８－１，８－２　コンセントレータ、９　ＨＥＳ、１０　ＭＤＭＳ、１１　系統状態推定装置、１２　前処理部、１３　推定処理部、１２１　分類部、１２２　統計量計算部、１３１　使用データ判定部、１３２　集計部、１３３　潮流計算部。

Claims (16)

  1. 　複数の計量装置のうちの少なくとも一部の前記計量装置により第１の時間帯に計量された計量データである第１の計量データを、複数のグループに分類する分類部と、
    　前記グループごとに、前記第１の計量データのバラツキを計算する計算部と、
    　前記バラツキに基づいて、系統状態を推定する推定演算において代用値を用いるか第２の時間帯の計量データを用いるかを前記グループごとに判定する判定部と、
    　前記判定部により判定された結果に基づいて、前記推定演算を実施する演算部と、
    　を備えることを特徴とする系統状態推定装置。
  2. 　前記第１の時間帯は、前記第２の時間帯より前の時間帯を含むことを特徴とする請求項１に記載の系統状態推定装置。
  3. 　複数の計量装置のうちの一部の前記計量装置により計量された計量データである第１の計量データを、複数のグループに分類する分類部と、
    　前記グループごとに、前記第１の計量データのバラツキを計算する計算部と、
    　前記バラツキに基づいて、系統状態を推定する推定演算において計量データを用いるか代用値を用いるかを前記グループごとに判定する判定部と、
    　前記判定部により判定された結果に基づいて、前記推定演算を実施する演算部と、
    　を備えることを特徴とする系統状態推定装置。
  4. 　前記バラツキは、同一の時間帯に計量された同一の前記グループに属する複数の前記計量データ間のバラツキであることを特徴とする請求項１から３のいずれか１つに記載の系統状態推定装置。
  5. 　前記グループは、前記計量装置に対応する需要家における契約種別および業種のうちの少なくとも１つに基づいて決定されることを特徴とする請求項１から４のいずれか１つに記載の系統状態推定装置。
  6. 　前記グループは、前記計量装置に対応する需要家における契約容量に基づいて決定されることを特徴とする請求項１から５のいずれか１つに記載の系統状態推定装置。
  7. 　前記分類部は、前記第１の計量データを契約容量に基づいて補正し、
    　前記計算部は、補正後の前記第１の計量データを用いて前記バラツキを計算することを特徴とする請求項１から５のいずれか１つに記載の系統状態推定装置。
  8. 　前記バラツキは、複数の時間帯に計量された同一の前記グループに属する複数の前記計量データ間のバラツキであることを特徴とする請求項１から３のいずれか１つに記載の系統状態推定装置。
  9. 　前記グループは、前記計量データが計量された際の季節、気温および天候のうち少なくとも１つに基づいて決定されることを特徴とする請求項１から８のいずれか１つに記載の系統状態推定装置。
  10. 　前記分類部は、前記第１の計量データを前記第１の計量データが計量された際の季節、気温および天候のうち少なくとも１つに基づいて補正し、
    　前記計算部は、補正後の前記第１の計量データを用いて前記バラツキを計算することを特徴とする請求項１から９のいずれか１つに記載の系統状態推定装置。
  11. 　前記グループは、曜日に基づいて決定されることを特徴とする請求項１から１０のいずれか１つに記載の系統状態推定装置。
  12. 　前記バラツキは前記第１の計量データの標準偏差であり、前記代用値は前記第１の計量データの平均値であることを特徴とする請求項１から１１のいずれか１つに記載の系統状態推定装置。
  13. 　前記判定部は、前記標準偏差が閾値以下のときに前記代用値を使用すると判定し、前記標準偏差が前記閾値を超えるときに前記計量データを使用すると判定することを特徴とする請求項１２に記載の系統状態推定装置。
  14. 　系統において要求される誤差をεとし、前記グループに属する前記計量装置の数をＮとし、ｋを定数とするとき、前記閾値はε／（ｋ×√（Ｎ））であることを特徴とする請求項１３に記載の系統状態推定装置。
  15. 　系統状態推定装置における系統状態推定方法であって、
    　複数の計量装置のうちの少なくとも一部の前記計量装置により第１の時間帯に計量された計量データである第１の計量データを、複数のグループに分類する分類ステップと、
    　前記グループごとに、前記第１の計量データのバラツキを計算する計算ステップと、
    　前記バラツキに基づいて、系統状態を推定する推定演算において代用値を用いるか第２の時間帯の計量データを用いるかを前記グループごとに判定する判定ステップと、
    　前記判定ステップにより判定された結果に基づいて、前記推定演算を実施する推定ステップと、
    　を含むことを特徴とする系統状態推定方法。
  16. 　系統状態推定装置における系統状態推定方法であって、
    　複数の計量装置のうちの一部の前記計量装置により計量された計量データである第１の計量データを、複数のグループに分類する分類ステップと、
    　前記グループごとに、前記第１の計量データのバラツキを計算する計算ステップと、
    　前記バラツキに基づいて、系統状態を推定する推定演算において計量データを用いるか代用値を用いるかを前記グループごとに判定する判定ステップと、
    　前記判定ステップにより判定された結果に基づいて、前記推定演算を実施する推定ステップと、
    　を含むことを特徴とする系統状態推定方法。
PCT/JP2017/021331 2017-06-08 2017-06-08 系統状態推定装置および系統状態推定方法 WO2018225219A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2017/021331 WO2018225219A1 (ja) 2017-06-08 2017-06-08 系統状態推定装置および系統状態推定方法
US16/617,733 US11271397B2 (en) 2017-06-08 2017-06-08 System state estimation device and system state estimation method
JP2017555732A JP6356927B1 (ja) 2017-06-08 2017-06-08 系統状態推定装置および系統状態推定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/021331 WO2018225219A1 (ja) 2017-06-08 2017-06-08 系統状態推定装置および系統状態推定方法

Publications (1)

Publication Number Publication Date
WO2018225219A1 true WO2018225219A1 (ja) 2018-12-13

Family

ID=62843839

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/021331 WO2018225219A1 (ja) 2017-06-08 2017-06-08 系統状態推定装置および系統状態推定方法

Country Status (3)

Country Link
US (1) US11271397B2 (ja)
JP (1) JP6356927B1 (ja)
WO (1) WO2018225219A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020194287A (ja) * 2019-05-27 2020-12-03 三菱電機株式会社 データ管理装置
US20220229553A1 (en) * 2021-01-19 2022-07-21 Dell Products L.P. Storage usage management system

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109327026B (zh) * 2018-09-28 2021-08-31 河海大学 一种低压配电网区间状态估计方法
CN111999692B (zh) * 2019-05-27 2023-03-14 深圳电蚂蚁数据技术有限公司 一种多表误差的校准方法和装置
CN115508662B (zh) * 2022-11-23 2023-03-07 青岛鼎信通讯股份有限公司 一种用于判定台区电表与表箱间归属关系的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005237187A (ja) * 2004-01-23 2005-09-02 Hitachi Ltd 配電系統負荷想定方法及び装置
WO2013046938A1 (ja) * 2011-09-26 2013-04-04 株式会社日立製作所 電力系統状態推定装置およびそれを用いた電力系統システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000245064A (ja) * 1999-02-19 2000-09-08 Hitachi Ltd 配電系統の状態推定装置およびその方法
WO2002029952A1 (en) * 2000-09-29 2002-04-11 Matsushita Electric Industrial Co., Ltd. Power supply/demand control system
US8639392B2 (en) * 2008-09-29 2014-01-28 Battelle Memorial Institute Electric power grid control using a market-based resource allocation system
US9838255B2 (en) * 2009-08-21 2017-12-05 Samsung Electronics Co., Ltd. Mobile demand response energy management system with proximity control
EP2752968B1 (en) 2011-08-31 2016-09-21 Kabushiki Kaisha Toshiba Forgotten power switchoff detection device, forgotten power switchoff detection program, forgotten power switchoff detection method, and detection system
JP2015109737A (ja) 2013-12-04 2015-06-11 株式会社東芝 配電系統監視装置
JP6395083B2 (ja) * 2014-08-04 2018-09-26 パナソニックＩｐマネジメント株式会社 電力使用状況推定装置、プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005237187A (ja) * 2004-01-23 2005-09-02 Hitachi Ltd 配電系統負荷想定方法及び装置
WO2013046938A1 (ja) * 2011-09-26 2013-04-04 株式会社日立製作所 電力系統状態推定装置およびそれを用いた電力系統システム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020194287A (ja) * 2019-05-27 2020-12-03 三菱電機株式会社 データ管理装置
JP7421275B2 (ja) 2019-05-27 2024-01-24 三菱電機株式会社 データ管理装置
US20220229553A1 (en) * 2021-01-19 2022-07-21 Dell Products L.P. Storage usage management system
US11494076B2 (en) * 2021-01-19 2022-11-08 Dell Products L.P. Storage-usage-based host/storage mapping management system

Also Published As

Publication number Publication date
US11271397B2 (en) 2022-03-08
JP6356927B1 (ja) 2018-07-11
JPWO2018225219A1 (ja) 2019-06-27
US20200195006A1 (en) 2020-06-18

Similar Documents

Publication Publication Date Title
JP6356927B1 (ja) 系統状態推定装置および系統状態推定方法
Lim et al. Short-and long-run elasticities of electricity demand in the Korean service sector
Amjady Short-term bus load forecasting of power systems by a new hybrid method
KR20150056583A (ko) 회수 가능한 유틸리티 수익을 추정하기 위한 방법들 및 시스템들
WO2013046938A1 (ja) 電力系統状態推定装置およびそれを用いた電力系統システム
CN102426674A (zh) 一种基于马尔科夫链的电力系统负荷预测方法
CN102509173A (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
Li et al. The use of extreme value theory for forecasting long-term substation maximum electricity demand
Horowitz et al. Forecasting residential air conditioning loads
Boutsika et al. Quantifying short-term wind power variability using the conditional range metric
Sauhats et al. Analysis and prediction of electricity consumption using smart meter data
JP2012205432A (ja) 変圧器の負荷推定方法および負荷推定システム
KR101783252B1 (ko) 마이크로그리드에서의 전기소비자 중 수요자원 모집을 지원하는 장치와 방법
Yun et al. Development of overload evaluation system for distribution transformers using load monitoring data
Vasudevarao et al. Methodology for creating composite standard load profiles based on real load profile analysis
JP4261471B2 (ja) 配電系統負荷想定方法及び装置
CN112270443B (zh) 一种用于月度电力市场和日前市场的统筹规划优化算法
JP6103323B1 (ja) 電気料金情報予測システム
Dong et al. A research of real-time pricing mechanism and its characteristics
CN115882448A (zh) 基于局部离群因子检测算法的配网台区线损异常检测方法
De Oliveira et al. A statistical analysis of loss factor to determine the energy losses
JP5777839B1 (ja) 発電量推定装置および発電量推定方法
JP2016213987A (ja) 電力小売料金メニュー策定装置
Čepin et al. Distribution and transmission system reliability measures
CN111967747A (zh) 一种电力用户停电影响评估方法、装置及存储介质

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2017555732

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 17912842

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: 17912842

Country of ref document: EP

Kind code of ref document: A1