WO2025104841A1

WO2025104841A1 - 事故点標定装置、学習装置、事故点標定システム、事故点標定方法およびプログラム

Info

Publication number: WO2025104841A1
Application number: PCT/JP2023/041094
Authority: WO
Inventors: 一浩安並; 俊介河野
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2023-11-15
Filing date: 2023-11-15
Publication date: 2025-05-22
Anticipated expiration: 2026-05-15

Abstract

本開示にかかる事故点標定装置（６－１）は、電力系統における系統事故の発生時に電気所で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得部（６１）と、電気所で計測される計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から事故点を推論するための機械学習により生成された学習済モデルに、データ取得部（６１）によって系統事故の発生時に取得された計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、推論結果を系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定結果推論部（６２）と、を備える。

Description

事故点標定装置、学習装置、事故点標定システム、事故点標定方法およびプログラム

　本開示は、電力系統における事故点の標定を行う事故点標定装置、学習装置、事故点標定システム、事故点標定方法およびプログラムに関する。

　送電系統、配電系統などの電力系統において、短絡、地絡などの異常状態（以下、系統事故または事故と呼ぶ）が発生すると、事故からの復旧作業のために、事故が発生した箇所である事故点を標定することが望まれる。

　特許文献１には、複数の鉄塔ごとに架空地線に流れる電流を計測する電流センサを設け、電流センサによって取得された故障時の電流情報を用いてニューラルネットワーク手法により送電線の事故区間を標定する事故区間標定方法が開示されている。

特開２００３－１１４２４９号公報

　電力系統における事故が発生した場合、事故原因により電流への影響が異なると考えられる。特許文献１に記載の事故区間標定方法では事故原因が考慮されていないため、標定精度が低い可能性がある。

　本開示は、上記に鑑みてなされたものであって、電力系統における事故点の標定精度を向上させることができる事故点標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、本開示にかかる事故点標定装置は、電力系統における系統事故の発生時に電気所で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得部と、電気所で計測される計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から事故点を推論するための機械学習により生成された学習済モデルに、データ取得部によって系統事故の発生時に取得された計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、推論結果を系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定結果推論部と、を備える。

　本開示にかかる事故点標定装置は、電力系統における事故点の標定精度を向上させることができるという効果を奏する。

実施の形態１にかかる事故点標定システムの構成例を示す図実施の形態１の事故点標定装置の構成例を示す図実施の形態１の事故点標定サーバの構成例を示す図実施の形態１の事故点の標定に分類手法の機械学習を用いた場合の標定結果のイメージを示す図実施の形態１の事故点の標定に回帰手法の機械学習を用いた場合の標定結果のイメージを示す図実施の形態１の事故点標定システムへの分類手法の機械学習の適用イメージを示す図実施の形態１の事故点標定システムにおける事故点標定処理の一例を示すシーケンス図実施の形態１の「統計モデル」の取得処理の一例を示すフローチャート実施の形態１の「学習データ」の生成処理および学習済モデルの生成処理の一例を示すフローチャート実施の形態１の推論過程の処理の一例を示すフローチャート実施の形態１の「系統の周辺状況情報」を用いた補正処理の概要を示す図実施の形態１の表示画面の第１の例を示す図実施の形態１の表示画面の第２の例を示す図実施の形態１の表示画面の第３の例を示す図実施の形態１の表示画面の第４の例を示す図実施の形態１の事故点標定装置および事故点標定サーバを実現するコンピュータシステムの構成例を示す図実施の形態２にかかる事故点標定システムの構成例を示す図

　以下に、実施の形態にかかる事故点標定装置、学習装置、事故点標定システム、事故点標定方法およびプログラムを図面に基づいて詳細に説明する。

実施の形態１．
　図１は、実施の形態１にかかる事故点標定システムの構成例を示す図である。本実施の形態の事故点標定システム１０は、電力系統における事故点を標定する。図１では、事故点標定対象の電力系統、すなわち事故点の標定対象となる電力系統も簡略化して図示している。図１に示した例では、事故点の標定対象となる電力系統は、発電所、変電所などである電気所２－１～２－３を含む。図１では、電気所２－１と電気所２－２とは、送電線、配電線などの電線１で接続されている。また、電気所２－１と電気所２－２との間で分岐した電線１が電気所２－３に接続されている。以下、電気所２－１～２－３を個別に区別せずに示すときには、電気所２と記載する。電気所２－１～２－３は、１つ以上の電気所２の一例であり、電力系統における電気所２の数は図１に示した例に限定されない。図１では、電気所２間が２本の電線１で接続される例を示しているが、電気所２間を接続する電線１の数は２本に限定されない。また、図１は一例であり、事故点の標定対象となる電力系統の構成は図１に示した例に限定されない。以下、事故点の標定対象となる電力系統を、単に電力系統とも記載する。

　電気所２－１には、電線１の電流を計測する電流センサの一例である変流器（ＣＴ：Current　Transformer）３－１，３－２と、電気所２－１の母線電圧を計測する電圧センサの一例である計器用変圧器（ＶＴ：Voltage　Transformer）４－１とが設けられている。同様に、電気所２－２には、ＣＴ３－３，３－４と、ＶＴ４－２とが設けられている。電気所２－３には、ＣＴ３－５，３－６と、ＶＴ４－３とが設けられている。以下、ＣＴ３－１～３－６を個別に区別せずに示すときには、ＣＴ３と記載し、ＶＴ４－１～４－３を個別に区別せずに示すときには、ＶＴ４と記載する。

　事故点標定システム１０は、電気所２－１～２－３にそれぞれ設けられた事故点標定装置６－１～６－３と、事故点標定サーバ８とを備える。以下、事故点標定装置６－１～６－３のそれぞれを個別に区別せずに示すときには、事故点標定装置６と記載する。事故点標定装置６－１～６－３は同一の構成であってもよいし、事故点標定装置６－１～６－３のうち一部は、後述する事故点標定処理を実施する機能を備えていなくてもよい。また、事故点標定対象の電力系統における全ての電気所２に事故点標定装置６が設けられてもよいし一部の電気所２のみに事故点標定装置６が設けられてもよい。事故点標定装置６は、通信ネットワーク９を介して事故点標定サーバ８および中央監視システム７とそれぞれ通信を行うことが可能である。事故点標定装置６と事故点標定サーバ８との間の通信回線、および事故点標定装置６と中央監視システム７との間の通信回線は、有線回線であっても無線回線であってもよく、有線回線と無線回線とが混在していてもよい。

　事故点標定サーバ８は、事故点を標定するための学習済モデルを生成する学習装置の一例である。事故点標定装置６－１～６－３のうちの１つである標定処理実行装置は、事故点標定サーバ８によって生成された学習済モデルを用いて事故点を標定し、事故点の標定結果を、事故原因に応じて定まる事故点の確率を示す補正情報を用いて補正し、補正した標定結果を事故点標定結果として中央監視システム７へ通知する。これにより、本実施の形態では、事故原因を考慮しない場合に比べて、電力系統における事故点の標定精度を向上させることができる。図１に示した例では、事故点標定装置６－１が標定処理実行装置であるが、標定処理実行装置は事故点標定装置６－２または６－３であってもよい。

　中央監視システム７は、中央給電指令所、基幹系統給電制御所、地方給電制御所などに設置されるＥＭＳ（Energy　Management　System：エネルギーマネージメントシステム）、あるいは、ＳＣＡＤＡ（Supervisory　Control　And　Data　Acquisition：監視制御システム）などのシステム、あるいは、ＤＡＳ（Distribution　Automation　System：配電自動化システム）などであり、電力系統の監視や制御などを行う。

　図１に示した例では、電気所２－１には、さらに、事故原因推定装置５が設けられている。事故原因推定装置５は、通信ネットワーク９を介して中央監視システム７と通信を行うことが可能である。事故原因推定装置５と中央監視システム７との間の通信回線は、有線回線であっても無線回線であってもよく、有線回線と無線回線とが混在していてもよい。また、事故原因推定装置５は、事故点標定装置６と通信を行うことが可能である。事故原因推定装置５と事故点標定装置６との間の通信回線は、有線回線であっても無線回線であってもよく、有線回線と無線回線とが混在していてもよい。

　事故原因推定装置５は、事故が発生した場合に、事故原因を推定し、推定結果を事故原因推定結果として中央監視システム７および事故点標定装置６へ送信する。例えば、事故原因推定装置５は、ＣＴ３－１，３－２およびＶＴ４－１などから電流および電圧を取得し、過去の事故発生時における電力系統における電流または電圧の波形データの周波数成分の含有率に基づいて事故原因に応じたクラスタリングを行い各クラスタの平均値と各事故原因の確率値とをクラスタデータとして算出しておき、事故が発生した際には、事故発生時に取得された波形データの周波数成分の含有率とクラスタデータとを用いて、事故原因を推定する。事故原因推定装置５における事故原因の推定方法は、この例に限定されず、どのような方法であってもよい。

　なお、図１では、事故原因推定装置５が設けられる例を説明するが、後述するように、事故が発生した際の事故原因の推定は人手で行われてもよく、この場合には、事故原因推定装置５が設けられなくてよい。また、図１に示した例では、事故原因推定装置５は、電気所２－１に設けられているが、事故原因推定装置５は、電気所２－１外に設けられていてもよい。

　また、事故原因推定装置５は、事故点標定装置６と一体化されていてもよいし、事故点標定サーバ８と一体化されていてもよい。また、事故原因推定装置５および中央監視システム７のうちの少なくとも一方を、事故点標定システム１０に含めてもよい。

　上述したように、本実施の形態では、事故点標定装置６のうちの標定処理実行装置は、事故点標定サーバ８によって生成された学習済モデルを用いて事故点を標定し、事故点の標定結果を、事故原因に応じて定まる事故点の確率を示す補正情報を用いて補正する。補正情報としては、例えば、事故原因別のアーク抵抗の確率分布、事故原因別の周辺状況の種別ごとの事故の発生確率、などを例示できる。例えば、事故原因によりアーク抵抗の値が異なると考えられるため、事故原因に応じたアーク抵抗の確率分布を考慮することで事故点の標定精度を向上させることができる。また、電線１の周辺状況の種別により発生しやすい事故原因があると考えられる。例えば、森林では平地に比べて樹木接触が起こりやすい。このため、「事故原因（推定）」に応じて、周辺状況の種別を考慮した補正を行うことで事故点の標定精度を向上させることができる。周辺状況の種別は、例えば、森林、平地、山間部、海沿い、都市部、農地などのうちの少なくとも１つを含むがこれらに限定されない。

　図２は、本実施の形態の事故点標定装置６－１の構成例を示す図である。図２に示すように、事故点標定装置６－１は、データ取得部６１、標定結果推論部６２、記憶部６３、通信部６４および表示データ生成部６５を備える。図２では、標定処理実行装置の構成例を示しており、ここでは、事故点標定装置６－１が標定処理実行装置であるとする。標定処理実行装置は、これに限らず、上述したように事故点標定装置６－２または事故点標定装置６－３であってもよい。標定処理実行装置は、計測データを取得するデータ取得処理と、事故点標定処理とを実施する。なお、標定処理実行装置以外の事故点標定装置６は、事故点標定処理を行わなくてよく、標定処理実行装置と同一の構成の装置であってもよいし、事故点標定処理を行う機能を備えていないデータ取得装置であってもよい。このデータ取得装置は、例えば、図２に示した事故点標定装置６－１から、標定結果推論部６２および表示データ生成部６５が削除された構成である。また、標定処理実行装置以外の事故点標定装置６を標定処理実行装置と同一構成とし、標定処理実行装置となる事故点標定装置６を切替え可能としてもよい。以下では、各電気所２に設けられる全ての事故点標定装置６が同一構成であるとする。

　データ取得部６１は、電力系統における系統事故の発生時に電気所２で計測された電流および電圧のうちの少なくとも一方である計測データを取得する。データ取得部６１は、例えば、少なくとも事故の発生時に電気所２－１で計測された電流および電圧を取得するが、事故の発生時以外の電流および電圧を取得してもよい。具体的には、データ取得部６１は、電気所２－１に設置されるＶＴ４－１から「電圧（実績）」を取得し、電気所２－１に設置されるＣＴ３－１，３－２から「電流（実績）」を取得し、「電圧（実績）」および「電流（実績）」を計測データとして記憶部６３に保存する。「電圧（実績）」は、ＶＴ４－１による計測値であり、「電流（実績）」は、ＣＴ３－１，３－２による計測値である。また、データ取得部６１は、他の事故点標定装置６である事故点標定装置６－２，６－３から、当該事故点標定装置６が設置される電気所２においてＣＴ３およびＶＴ４によって計測された「電圧（実績）」および「電流（実績）」を受信する。データ取得部６１は、受信した「電圧（実績）」および「電流（実績）」を、対応する電気所２ごとに記憶部６３に計測データとして保存する。なお、事故点標定装置６－２，６－３では、通信部６４は、記憶部６３に記憶されている計測データ（「電圧（実績）」および「電流（実績）」）を、事故点標定装置６－１へ送信する。また、他の事故点標定装置６からの「電圧（実績）」および「電流（実績）」の受信と記憶部６３への保存は通信部６４によって行われてもよい。この場合、通信部６４およびデータ取得部６１を広義のデータ取得部をみなすことができる。

　通信部６４は、外部の装置との間で通信を行う。例えば、通信部６４は、事故点標定サーバ８から、後述する系統関連情報、事故点を標定するための学習済モデルなどの情報を受信し、受信した情報を記憶部６３に保存する。また、通信部６４は、記憶部６３に記憶されている（保存されている）計測データを、事故点標定サーバ８へ送信する。また、通信部６４は、標定結果推論部６２から出力される後述する事故点標定結果を中央監視システム７へ送信する。また、通信部６４は、事故原因推定装置５から事故原因推定結果を受信し、受信した事故原因推定結果を記憶部６３に保存する。

　記憶部６３は、系統関連情報、計測データ、事故原因推定結果、学習済モデルおよび算出データを記憶する。系統関連情報は、電力系統（以下、系統とも呼ぶ）の構成、状態、特性などを示す情報であり、例えば、系統の構成を示す「系統のトポロジー」、系統のインピーダンスを示す「インピーダンス情報」、「系統の周辺状況情報」および「統計モデル」を含む。なお、事故点標定装置６－２，６－３における記憶部６３には、系統関連情報、学習済モデル、事故原因推定結果および算出データが格納されなくてよい。

　「インピーダンス情報」は、例えば、Ω／ｋｍで示される単位長さあたりのインピーダンスを示す情報である。この場合、「系統のトポロジー」には、系統における各点の電気所２からの距離を示す距離情報が含まれる。または、「インピーダンス情報」は系統における各点のインピーダンス自体を示す情報であってもよい。「系統の周辺状況情報」は、後述する各区間（電力系統における各位置）の周辺状況の種別と、事故原因別の周辺状況の種別ごとの補正係数とを含む。事故原因別の周辺状況の種別ごとの補正係数は、事故原因別の周辺状況の種別ごとの事故の発生確率を示す情報であり、補正情報の一例である。「統計モデル」は、事故要因別のアーク抵抗の確率分布であり、補正情報の一例である。「統計モデル」の詳細については後述する。

　計測データは、上述したように、データ取得部６１によって電気所２－１内で取得された「電圧（実績）」および「電流（実績）」と、データ取得部６１によって他の事故点標定装置６から受信された、他の電気所２で計測された「電圧（実績）」および「電流（実績）」とを含む。計測データは、計測された電気所２と対応付けて記憶部６３に記憶される。学習済モデルは、上述したように、通信部６４によって事故点標定サーバ８から受信される。事故原因推定結果は、上述したように、通信部６４によって事故原因推定装置５から受信される。なお、事故原因推定結果は、人手により入力されてもよく、この場合、事故点標定装置６－１の図示しない入力受付部が入力を受付けてもよいし、事故点標定サーバ８などの他の装置が入力を受付け、通信部６４が当該他の装置から事故原因推定結果を受信してもよい。算出データは、事故点標定装置６－１によって算出されるデータであり、例えば、標定結果推論部６２によって算出される事故点の推論結果である「事故点（計算値）」を含む。

　標定結果推論部６２は、学習済モデルに、データ取得部６１によって系統事故の発生時に取得された電流および電圧を含む特徴量を入力することによって事故点の推論結果を取得し、推論結果を系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する。詳細には、標定結果推論部６２は、事故点の標定により得られる「事故点（計算値）」を、事故点標定結果として通信部６４へ出力する。詳細には、標定結果推論部６２は、事故発生時の「電圧（実績）」および「電流（実績）」を用いて「加工データ」を算出する。「加工データ」の詳細については後述するが、「加工データ」は電気所２で計測される電流および電圧のうち少なくとも一方を用いた演算により算出される。標定結果推論部６２は、事故点標定サーバ８における学習データの生成時に算出される「加工データ」と同様の方法で「加工データ」を算出する。標定結果推論部６２は、事故発生時の「電圧（実績）」、「電流（実績）」および「加工データ」を特徴量として、記憶部６３に記憶されている学習済モデルに入力することにより学習済モデルからの出力として事故点の推論結果を取得する。なお、特徴量は、これに限定されず、例えば、事故発生時の「電圧（実績）」、「電流（実績）」および「加工データ」のうち少なくとも１つを含めばよい。すなわち、特徴量は、電気所２において計測された電圧および電流のうちの少なくとも一方である計測データの少なくとも一部と、当該計測データの少なくとも一部から算出される加工データと、のうちの少なくとも一方を含めばよい。例えば、特徴量は、「電流（実績）」と、「電圧（実績）」を加工することで得られる「加工データ」とであってもよい。そして、標定結果推論部６２は、学習済モデルからの出力として得られる事故点の推論結果である「事故点（計算値）」を、「統計モデル」と「系統の周辺状況情報」とのうち少なくとも一方を用いて補正することで「事故点（計算値）」を更新する。なお、事故発生時とは、事故が発生した時点だけに限らず、例えば、事故による異常が発生したと判断された時点である推定事故発生時刻を含む一定期間であるが、これに限定されない。例えば、事故発生後の巡視で、事故点が確認できず、再標定（設定の変更、再計算など）を行うことにより、事故発生後１週間後等のように、時間が経ってから標定を行うこともあり得るが、このような場合も事故点発生時に含まれる。また、特徴量として使用される際の事故発生時の一定期間（データの取得期間）と後述するアーク抵抗値の算出に用いられる事故発生時の計測データの取得期間とは異なっていてもよい。特徴量として使用されるデータの取得期間は、例えば、事故の発生前から後までの期間であり、数サイクル～数十サイクルとしてもよいし、１分以上の期間であってもよく、特に限定されない。アーク抵抗の算出に用いられる計測データの取得期間は、例えば、事故発生中（事故発生直後から、遮断器開閉による事故除去までの期間）を含む期間であるが、アーク抵抗値を算出できる期間であればよく、これに限定されない。

　例えば、標定結果推論部６２は、「統計モデル」を用いて「事故点（計算値）」を補正し、補正後の値で記憶部６３の「事故点（計算値）」を更新し、さらに、更新された「事故点（計算値）」を「系統の周辺状況情報」を用いて補正し、補正後の値で記憶部６３の「事故点（計算値）」を更新する。ここでは、「統計モデル」を用いた補正と、「系統の周辺状況情報」を用いた補正との両方を行う例を説明するが、これに限らず、「統計モデル」を用いた補正と「系統の周辺状況情報」を用いた補正とのうちの少なくとも一方が行われればよい。

　表示データ生成部６５は、標定結果推論部６２によって標定された事故点の標定結果を表示画面に表示するための表示データを生成する。具体的には、表示データ生成部６５は、記憶部６３に算出データとして記憶されている「事故点（計算値）」を表示する表示画面を示す表示データを生成し、生成した表示データを表示装置６６に出力する。「事故点（計算値）」を表示する表示画面については後述する。表示装置６６は、受信した表示データに基づいて表示画面を表示する。図２では、表示装置６６が、事故点標定装置６－１に直接接続される例を示しているが、これに限らず、表示データ生成部６５から表示データが通信部６４へ出力され、通信部６４が表示データを表示装置６６に送信してもよい。また、表示装置６６は、電気所２－１内に設けられてもよいし、電気所２－１外に設けられてもよい。また、表示装置６６は、事故点標定装置６－１内に設けられてもよいし、事故点標定サーバ８内に設けられてもよいし、中央監視システム７の一部であってもよい。また、図２では、表示データ生成部６５が、事故点標定装置６－１内に設けられる例を示しているが、中央監視システム７内に表示データ生成部６５が設けられてもよいし、事故点標定サーバ８内に表示データ生成部６５が設けられてもよい。事故点標定サーバ８内に表示データ生成部６５が設けられる場合には、「事故点（計算値）」が事故点標定装置６－１から事故点標定サーバ８に送信される。

　図３は、本実施の形態の事故点標定サーバ８の構成例を示す図である。図３に示すように、事故点標定サーバ８は、通信部８１、記憶部８２、入力受付部８３、学習データ生成部８４、アーク抵抗演算部８５、統計モデル生成部８６および学習モデル生成部８７を備える。

　入力受付部８３は、オペレータなどからの入力を受付ける。例えば、入力受付部８３は、「系統のトポロジー」、「インピーダンス情報」、「系統の周辺状況情報」などの系統関連情報の入力を受付け、入力された系統関連情報を記憶部８２に保存する。なお、ここでは、入力受付部８３が系統関連情報の入力を受付ける例を記載したが、これに限らず、例えば、通信ネットワーク９上に存在する外部のシステム、例えば、ＥＭＳ、ＳＣＡＤＡ、ＤＡＳ、デジタルツインシステムなどのデータベースなどと連携し、系統関連情報が自動入力されることにしてもよい。また、入力受付部８３は、事故が発生した場合、当該事故に関する「事故点（実績）」、「事故原因（実績）」などの事故関連情報の入力を受付け、入力された事故関連情報を記憶部８２に保存する。なお、ここでは、入力受付部８３が事故関連情報の入力を受付ける例を記載したが、これに限らず、例えば、通信ネットワーク９上に存在する外部のシステム、例えば、ＥＭＳ、ＳＣＡＤＡ、ＤＡＳ、デジタルツインシステム、事故情報を管理する事故管理システム、流通設備の保全システムなどのデータベースなどと連携し、事故関連情報が自動入力されることにしてもよい。「事故点（実績）」および「事故原因（実績）」のそれぞれは、事故の発生後に、巡視で実際に確認された事故点および事故原因である。なお、事故原因は、例えば、樹木接触、鳥獣接触、金属接触、営巣材、雷撃、雪、結氷、風雨などのうちの少なくとも１つを含むが、事故原因の区分はこれらに限定されず、どのように定められてもよい。

　通信部８１は、外部の装置との間で通信を行う。例えば、通信部８１は、記憶部８２に記憶されている系統関連情報のうちの「系統のトポロジー」、「インピーダンス情報」および「系統の周辺状況情報」を、事故点標定装置６－１へ送信する。また、通信部８１は、記憶部８２に記憶されている算出データのうちの「統計モデル」を、事故点標定装置６－１へ送信する。また、通信部８１は、学習モデル生成部８７によって生成され、記憶部８２に記憶されている学習済モデルを、事故点標定装置６－１へ送信する。また、通信部８１は、事故点標定装置６－１から、計測データ（事故発生時の「電圧（実績）」および「電流（実績）」）を受信し、受信した計測データを記憶部８２に保存する。通信部８１が受信する計測データは、事故点標定装置６－１に対応する電気所２－１において計測された計測データであってもよいし、事故点標定装置６－１～６－３に対応する電気所２－１～２－３において計測された計測データ、すなわち複数の電気所２で計測された計測データであってもよい。

　記憶部８２は、系統関連情報、計測データ、事故関連情報、学習済モデル、算出データを記憶する。記憶部８２に格納される系統関連情報は、入力受付部８３が入力を受付けた「系統のトポロジー」、「インピーダンス情報」および「系統の周辺状況情報」と、学習データ生成部８４によって生成される後述する「瞬時値解析モデル」とを含む。計測データは、通信部８１によって事故点標定装置６－１から受信された事故発生時の「電圧（実績）」および「電流（実績）」を含む。事故関連情報は、入力受付部８３が入力を受付けた「事故点（実績）」および「事故原因（実績）」と、アーク抵抗演算部８５によって算出される後述する「アーク抵抗（計算値）」とを含む。なお、「電圧（実績）」および「電流（実績）」と、「事故点（実績）」および「事故原因（実績）」とは、事故ごとに対応付けられて記憶される。例えば、これらの情報に、事故の発生時刻、または事故の識別情報が付与されることで、同一事故の情報が対応付けられてもよいし、事故ごとに、計測データおよび事故関連情報がセットで記憶されてもよいし、これら以外の方法で対応付けられてもよい。学習済モデルは、後述するように学習モデル生成部８７によって生成される。算出データは、後述する系統シミュレーションによって算出される「電流（計算値）」、「電圧（計算値）」と、統計モデル生成部８６によって生成される後述する「統計モデル」とを含む。

　アーク抵抗演算部８５は、電力系統において既に発生した複数の系統事故に関して、事故ごとに、事故の発生時に電気所２－１で計測された電流および電圧である計測データの実績値（「電流（実績）」および「電圧（実績）」）と、特定済みの系統事故の事故点の実績値（「事故点（実績）」）と、系統関連情報とを用いて、系統事故に対応するアーク抵抗値を算出する。具体的には、アーク抵抗演算部８５は、記憶部８２に記憶されている、過去複数の事故に対応する事故ごとの「電流（実績）」、「電圧（実績）」および「事故点（実績）」と、「系統のトポロジー」および「インピーダンス情報」とを用いて、アーク抵抗の値であるアーク抵抗値を算出し、算出したアーク抵抗値を「アーク抵抗（計算値）」として記憶部８２に事故関連情報として保存する。

　例えば、短絡事故の場合には、アーク抵抗演算部８５は、事故ごとに、事故発生時の「電流（実績）」および「電圧（実績）」を用いてインピーダンスを算出する。算出されたインピーダンスを第１のインピーダンスとすると、第１のインピーダンスは、事故点までの本来のインピーダンスにアーク抵抗（事故によるアーク抵抗）が加わったものである。アーク抵抗演算部８５は、「事故点（実績）」、「系統のトポロジー」および「インピーダンス情報」を用いて第２のインピーダンスを算出する。第２のインピーダンスは、本来のインピーダンス、すなわち電気所２－１から事故点までのインピーダンスであり、アーク抵抗演算部８５は、第１のインピーダンスから第２のインピーダンスを減じることでアーク抵抗値を算出する。または、アーク抵抗演算部８５は、「系統のトポロジー」、「インピーダンス情報」、「事故点（実績）」を用いて、「事故点（実績）」におけるアーク抵抗値を順次変化させることで電気所２－１における電流および電圧を計算し、計算した電流および電圧が「電流（実績）」および「電圧（実績）」に最も近くなるアーク抵抗値を探索することで、アーク抵抗値を求めてもよい。地絡事故の場合にも、アーク抵抗演算部８５は、同様の計算を行うことでアーク抵抗値を算出する。なお、アーク抵抗値の算出方法は、一般的な方法を用いることができ、上記の例に限定されず、どのような方法であってもよい。また、変圧器の中性点に入っている接地抵抗などを考慮してもよい。

　また、ここでは、アーク抵抗演算部８５がアーク抵抗を算出する（アーク抵抗値を算出する）例を説明するが、外部の装置または人手によって各事故のアーク抵抗が計算されて事故点標定サーバ８に入力されることで、各事故に対応する「アーク抵抗（計算値）」が記憶部８２に事故関連情報として保存されてもよい。

　統計モデル生成部８６は、複数の事故に関する、アーク抵抗値と当該アーク抵抗値に対応する事故原因の実績値（「事故原因（実績）」）とを用いて、「統計モデル」を生成する。なお、これに限らず、統計モデル生成部８６は、「事故原因（推定）」を利用して「統計モデル」を生成してもよいし、「事故原因（実績）」および「事故原因（推定）」を混在させて利用して「統計モデル」を生成してもよい。具体的には、統計モデル生成部８６は、記憶部８２に記憶されている「事故原因（実績）」および「アーク抵抗（計算値）」を用いて、アーク抵抗の確率分布を示す「統計モデル」を事故原因別に生成し、記憶部８２に算出データとして保存する。統計モデル生成部８６の処理の詳細については後述する。

　なお、アーク抵抗演算部８５および統計モデル生成部８６は、１つの電気所すなわち電気所２－１の計測データを用いてアーク抵抗値および統計モデルを算出してもよいし、複数の電気所２の計測データを用いてアーク抵抗値および統計モデルを算出してもよい。複数の電気所２の計測データを用いてアーク抵抗値を算出する場合、例えば、アーク抵抗演算部８５が、電源端の電気所２である電気所２－１の計測データを用いてアーク抵抗値を算出する場合と同様の方法で、他の電気所２の計測データを用いてアーク抵抗値を算出しておく。そして、統計モデル生成部８６が、統計モデル生成時に、事故ごとに、複数の電気所２に対応するアーク抵抗値の統計値（平均値、中央値、最頻値など）を算出し、算出した統計値を利用して統計モデルを生成してもよい。または、統計モデル生成部８６が、算出した全てのアーク抵抗値を利用して（実際には同一事故に対応する複数の電気所２の計測データを用いて算出されたアーク抵抗値を仮想的に異なる事故とみなして）、統計モデルを生成してもよい。または、アーク抵抗演算部８５が、アーク抵抗値を算出するために利用する複数の計算式を連立方程式の形として、最小二乗法を利用して解を求めてもよい。複数の電気所２の計測データを用いてアーク抵抗値および統計モデルを算出する方法は、上述した例に限定されず、どのような方法であってもよい。

　学習データ生成部８４は、電力系統における系統事故の事故点および事故様相を含む条件を複数設定し、複数の条件下で系統シミュレーションを行うことにより電気所２－１～２－３でそれぞれ計測される電流および電圧の計算値（「電流（計算値）」および「電圧（計算値）」）を算出し、算出した計算値と設定した事故点とを含む学習データを生成する。

　例えば、学習データ生成部８４は、記憶部８２に記憶されている「系統のトポロジー」および「インピーダンス情報」を用いて、系統シミュレーションの一例である瞬時値解析を行うための電力系統のモデルである「瞬時値解析モデル」を生成し、記憶部８２に系統関連情報として保存する。学習データ生成部８４は、様々な条件下で、すなわち、事故点、事故様相および事故原因のうち少なくとも１つが異なる複数の条件下で、記憶部８２に記憶されている「瞬時値解析モデル」を用いて瞬時値解析を行うことによって、事故発生時に電気所２－１で観測される「電流（計算値）」および「電圧（計算値）」を算出する。なお、事故発生時の「電流（計算値）」および「電圧（計算値）」とは、事故が発生した時点だけに限らず、事故発生の時刻を含む一定期間の「電流（計算値）」および「電圧（計算値）」である。瞬時値解析は、例えば、ＥＭＴＰ（Electro-Magnetic　Transient　Program）、ＸＴＡＰ（eXpandable　Transient　Analysis　Program）、ＰＳＣＡＤ（登録商標）などを用いることができるが、これらに限定されない。なお、ここでは、系統シミュレーションとして瞬時値解析を行う例を説明するが、系統シミュレーションは、潮流計算、詳細安定度計算などであってもよく、瞬時値解析に限定されない。

　また、学習データ生成部８４は、算出した「電流（計算値）」および「電圧（計算値）」を用いて「加工データ」を算出し、「電流（計算値）」、「電圧（計算値）」および「加工データ」を条件として設定した事故点とセットで「学習データ」とし、「学習データ」を算出データとして記憶部８２に保存する。なお、「加工データ」は、電気所２－１に対応する「電流（計算値）」および「電圧（計算値）」に関して算出されてもよいし、電気所２－１～２－３に対応する「電流（計算値）」および「電圧（計算値）」に関して算出されてもよい。

　「加工データ」は、「電流（計算値）」および「電圧（計算値）」の少なくとも一方を用いて算出されるデータであり、例えば、総合ひずみ率、第３調波含有率、クレストファクタ、最大値（例えば、事故発生後から事故除去（遮断器の開放）までの実効値の最大値）、一定期間の変化量、周波数成分分析結果、インピーダンス値（「電流（計算値）」および「電圧（計算値）」から算出されるインピーダンス値）、事故前後の電流変化率、事故前後の電圧変化率などのうちの少なくとも１つであるが、これらに限定されない。

　総合ひずみ率は、零相電流波形全体のひずみ成分と基本波成分との比であり、定義式は下記式（１）である。ここで、ＴＨＤは、総合ひずみ率（単位：％）であり、Ｉ_１は零相電流の基本波成分（単位：Ａ）であり、Ｉ_ｎは、零相電流の第ｎ調波成分（単位：Ａ）であり、Ｎは、考慮する高調波次数の最大値である。なお、ここでは、電流の総合ひずみ率の定義を示したが、電圧の総合ひずみ率も同様に定義できる。

　第３調波含有率は、零相電流に含まれている第３調波成分と基本波成分との比であり、定義式は下記式（２）である。ここで、I_３ＨＣは、第３調波含有率（単位：％）であり、Ｉ_１は、零相電流の基本波成分（単位：Ａ）であり、Ｉ_３は、零相電流の第３調波成分（単位：Ａ）である。なお、ここでは、電流の第３調波含有率の定義を示したが、電圧の第３調波含有率も同様に定義できる。

　クレストファクタは、零相電流の波高値と実効値との比であり、定義式は下記式（３）である。ここで、ＣＦＩは、クレストファクタ（単位：無次元）であり、Ｉ_ｍａｘは、零相電流の波高値（単位：Ａ）であり、Ｉ_ｒｍｓは、零相電流の実効値（単位：Ａ）である。また、上述した零相電流の実効値Ｉ_ｒｍｓは、「電流（計算値）」のｋ番目の瞬時値データをｉ_ｋとすると下記式（４）により算出できる。Ｍは、瞬時値データの個数（サンプリング点数）である。なお、ここでは、電流のクレストファクタの定義を示したが、電圧のクレストファクタも同様に定義できる。

　学習モデル生成部８７は、学習データを用いて、機械学習により、電気所２－１～２－３で計測される電流および電圧を含む特徴量から事故点を推論するための学習済モデルを生成する。例えば、学習モデル生成部８７は、「電流（計算値）」、「電圧（計算値）」および「加工データ」を特徴量とし、「事故点（設定）」を答え（正解）とした「学習データ」を複数セット用いて、教師あり機械学習を行うことにより、学習済モデルを生成し、生成した学習済モデルを記憶部８２に保存する。なお、特徴量は、これに限定されず、例えば、「電流（計算値）」、「電圧（計算値）」および「加工データ」のうち少なくとも１つを含めばよい。なお、「事故点（設定）」は、瞬時値解析における条件として設定された値である。なお、機械学習としては、例えば、機械学習（分類）、すなわち、分類手法の機械学習（分類手法の教師あり機械学習）を用いることができるが、これに限らず、機械学習（回帰）、すなわち、回帰手法の機械学習を用いてもよい。具体的には、例えば、機械学習アルゴリズムとして、ランダムフォレストを用いてもよいし、勾配ブースティング、ニューラルネットワーク、サポートベクトルマシンなどを用いてもよく、これら以外を用いてもよい。

　学習モデル生成部８７によって生成された学習済モデルは、上述したように、事故点標定装置６－１へ送信される。事故点標定装置６－１は、事故が発生した際に、この学習済モデルを用いて、事故点の標定を行う。

　図４は、本実施の形態の事故点の標定に分類手法の機械学習を用いた場合の標定結果のイメージを示す図である。図５は、本実施の形態の事故点の標定に回帰手法の機械学習を用いた場合の標定結果のイメージを示す図である。図４および図５において、発生箇所２００は事故が発生した箇所を示す。図４に示すように、分類手法の機械学習を用いる場合には、事故点標定装置６－１は、電線１を分割した各区間の確率（各区間の事故点の存在確率）を算出することができる。すなわち、分類手法の機械学習を用いて生成される学習済モデルは、事故点の推論結果として、系統における区間ごとの事故点の存在確率を示す情報を出力することが可能な学習済モデルとなる。なお、区間は、どのように定められてもよく、電線１の距離が等距離となるように分割されてもよいし、電力系統における遮断器などの設備を考慮して定められてもよいし、これら以外の方法で分割されてもよい。

　一方、回帰手法の機械学習を用いた場合、確率は算出できないものの、図５に示すように、事故点の位置をピンポイントで標定することができる。機械学習の手法としてどちらを用いるかは、それぞれの手法のメリットおよびデメリットを考慮して決定されればよいが、以下では、確率が付与できるメリットを重要視する例として、分類手法の機械学習を用いた例を主に説明する。分類手法の機械学習を用いると、図４に示すように、各区間の確率が算出されるため、例えば、事故対応のために現地作業において、最も確率の高い区間からどちらに向かって事故点を探索すると効率的であるかの判断が可能になる。

　図６は、本実施の形態の事故点標定システム１０への分類手法の機械学習の適用イメージを示す図である。図６では、破線の矢印は、学習過程（学習フェーズ）におけるデータの流れを示し、実線の矢印は、推論過程（推論フェーズ）におけるデータの流れを示している。本実施の形態では、事故点標定サーバ８によって学習過程の処理が行われ、事故点標定装置６－１によって推論過程の処理が行われる。学習過程の処理では、「学習データ」は上述したように瞬時値解析などの系統シミュレーションによる解析結果を用いて生成される。なお、「学習データ」の生成方法は、これに限定されず、過去の事故に関する情報が十分にあるようであれば、過去の複数の事故に対応する事故ごとの実績値を用いてもよいし、実績値と系統シミュレーションによる解析結果との両方を用いてもよい。推論過程の処理では、事故点標定対象の事故に関する情報、すなわち事故発生時に取得された情報を学習済モデルに入力することで、事故点の推論が行われ、事故点標定結果が得られる。図６では、分類手法の機械学習の適用イメージを示しているため、事故点標定結果として各区間の事故点の存在確率が得られることになる。図６では、機械学習アルゴリズムとして、ランダムフォレストが用いられる例を示しているが、上述したように、機械学習アルゴリズムはこれに限定されない。また、上述したように、本実施の形態では、学習済モデルの出力として得られる事故点標定結果に対して補正が行われる。

　なお、ここでは、事故点標定サーバ８が学習過程の処理を行い、事故点標定装置６－１が推論過程の処理を行う例を説明するが、これに限らず、例えば、事故点標定装置６－１が学習過程の処理と推論過程の処理との両方の処理を行ってもよい。すなわち、事故点標定装置６－１が、事故点標定サーバ８と同様の構成要素を備え、学習装置としての機能も有していてもよい。また、事故点標定サーバ８が、標定結果推論部６２を備え、学習過程の処理と推論過程の処理との両方の処理を行ってもよい。この場合、通信部８１がデータ取得部としての機能を有し、通信部８１が、事故発生時に、電気所２－１～２－３から「電流（実績）」および「電圧（実績）」を受信する。例えば、電気所２－１～２－３に設けられた図示しない通信装置がＣＴ３およびＶＴ４から「電流（実績）」および「電圧（実績）」を取得し、「電流（実績）」および「電圧（実績）」を事故点標定サーバ８へ送信してもよいし、ＣＴ３およびＶＴ４がそれぞれ通信機能を有することでＣＴ３およびＶＴ４が「電流（実績）」および「電圧（実績）」をそれぞれ事故点標定サーバ８へ送信してもよいし、これら以外の方法で「電流（実績）」および「電圧（実績）」が事故点標定サーバ８へ送信されてもよい。

　次に、本実施の形態の動作について説明する。図７は、本実施の形態の事故点標定システム１０における事故点標定処理の一例を示すシーケンス図である。図７に示すように、事故点標定サーバ８は、系統関連情報の入力を受付け（ステップＳ１）、系統関連情報を保存する（ステップＳ２）。詳細には、入力受付部８３が、「系統のトポロジー」、「インピーダンス情報」および「系統の周辺状況情報」の入力を受付け、入力された系統関連情報を記憶部８２に保存する。なお、上述したように、通信ネットワーク９上に存在する外部のシステム、例えば、ＥＭＳ、ＳＣＡＤＡ、ＤＡＳ、デジタルツインシステムなどのデータベースなどと連携し、系統関連情報が自動入力されることにしてもよい。

　事故点標定サーバ８は、系統関連情報を事故点標定装置６－１へ送信する（ステップＳ３）。詳細には、通信部８１が、記憶部８２に記憶されている「系統のトポロジー」、「インピーダンス情報」および「系統の周辺状況情報」を事故点標定装置６－１へ送信する。事故点標定装置６－１は、系統関連情報を保存する（ステップＳ４）。詳細には、通信部６４が、事故点標定サーバ８から「系統のトポロジー」、「インピーダンス情報」および「系統の周辺状況情報」を受信し、受信した「系統のトポロジー」、「インピーダンス情報」および「系統の周辺状況情報」を系統関連情報として記憶部６３に保存する。以上のステップＳ１～Ｓ４は、系統条件を設定するための事前処理である。なお、これらの処理は系統条件が変更になった場合には、再度実施される。　　

　事故点標定サーバ８は、事故原因ごとの「統計モデル」を取得する（ステップＳ５）。例えば、事故点標定サーバ８は、過去の事故時に対応する計測データ（「電流（実績）」および「電圧（実績）」）、「事故点（実績）」と系統関連情報とを用いてアーク抵抗値を算出する。そして、事故点標定サーバ８は、算出したアーク抵抗値と「事故原因（実績）」とを用いて、アーク抵抗の確率分布を示す「統計モデル」を事故原因別に生成することで、「統計モデル」を取得する。なお、記憶部８２には、過去の事故時の計測データおよび事故関連情報が、後述するステップＳ１６，Ｓ１７と同様の処理により記憶部８２に保存されているとする。なお、ここでは、補正情報として、アーク抵抗の確率分布を示す「統計モデル」を生成する例を説明するが、上述したように、補正情報として、「系統の周辺状況情報」、すなわち事故原因ごとの周辺状況に応じた事故点の存在確率を示す情報が用いられてもよい。ステップＳ５の詳細については後述する。

　事故点標定サーバ８は、系統シミュレーションにより「学習データ」を生成する（ステップＳ６）。例えば、事故点標定サーバ８は、様々な条件で系統シミュレーションを行うことで、事故発生時に電気所２－１～２－３でそれぞれ観測される「電流（計算値）」および「電圧（計算値）」を算出し、「電流（計算値）」および「電圧（計算値）」を用いて「学習データ」を生成する。事故点標定サーバ８は、生成した「学習データ」を用いて学習済モデルを生成する（ステップＳ７）。事故点標定サーバ８は、学習済モデルおよび「統計モデル」を事故点標定装置６－１へ送信する（ステップＳ８）。事故点標定装置６－１は、受信した学習済モデルおよび「統計モデル」を保存する（ステップＳ９）。詳細には、通信部６４が、学習済モデルおよび「統計モデル」を受信し、学習済モデルを記憶部６３に保存するとともに「統計モデル」を記憶部６３に系統関連情報として保存する。なお、事故点標定サーバ８からの学習済モデルと「統計モデル」との送信タイミングは図７に示した例に限定されず、例えば、学習済モデルと「統計モデル」とが別のタイミングで送信されてもよい。例えば、学習済モデルが更新された場合に学習済モデルが送信され、統計モデルが更新された場合に「統計モデル」が送信されてもよい。ステップＳ６～Ｓ９の詳細については後述する。

　以上のステップＳ６～Ｓ９は、学習過程の処理であり、学習過程の処理は、例えば、１か月ごとなどのように定期的に行われてもよいし、「系統のトポロジー」などが変更になった場合に行われてもよいし、これら以外のタイミングで行われてもよい。なお、ここでは、「統計モデル」の生成を学習過程の処理とともに行う例を示しているが、「統計モデル」の生成は、後述する補正のための処理であるため、学習過程の処理とは別のタイミングで行われてもよい。また、「統計モデル」の生成は、事故点標定装置６－１によって行われてもよい。この場合、事故点標定装置６－１が、アーク抵抗演算部８５および統計モデル生成部８６を備えることで、「統計モデル」を生成し、生成した「統計モデル」を記憶部６３に系統関連情報として保存する。

　系統事故が発生すると、推論過程の処理が行われる。具体的には、事故点標定装置６－１が、事故発生時の計測データを取得し（ステップＳ１１）、取得した計測データを含む特徴量を学習済モデルに入力することで事故点の推論結果を得る（ステップＳ１２）。また、事故点標定装置６－１は、ステップＳ１１で事故原因の推定結果も取得してもよいし、ステップＳ１１とは別に事故原因の推定結果を取得してもよい。事故原因の推定結果は、補正処理の前までに取得されればよい。なお、ステップＳ１１で取得される計測データは、電気所２－１における計測データと、事故点標定装置６－２，６－３から受信した電気所２－２，２－３における計測データとを含む。事故点標定装置６－１は、事故点の推論結果に対して補正処理を行い（ステップＳ１３）、補正後の事故点の推論結果を事故点標定結果として中央監視システム７へ送信する（ステップＳ１４）。補正処理は、上述したように、例えば、「統計モデル」を用いた補正と、「系統の周辺状況情報」を用いた処理とを含む。以上のステップＳ１１～Ｓ１４は、推論過程の処理である。ステップＳ１１～Ｓ１４の詳細は後述する。

　また、事故点標定装置６－１は、計測データ（事故発生時の計測データ）を事故点標定サーバ８へ送信する（ステップＳ１５）。事故点標定サーバ８は、事故関連情報の入力を受付け（ステップＳ１６）、計測データと事故関連情報とを対応付けて保存する（ステップＳ１７）。なお、上述したように、通信ネットワーク９上に存在する外部のシステム、例えば、ＥＭＳ、ＳＣＡＤＡ、ＤＡＳ、デジタルツインシステム、事故情報を管理する事故管理システム、流通設備の保全システムなどのデータベースなどと連携し、事故関連情報が自動入力されることにしてもよい。ステップＳ１５～Ｓ１７は、事故点標定サーバ８が「統計モデル」の生成に用いる過去の事故発生時の計測データおよび事故関連情報を記憶部８２に蓄積させるための処理である。図７では、事故の発生の後に、ステップＳ１５～Ｓ１７が行われているが、ステップＳ１５～Ｓ１７は事故ごとに行われなくてもよい。学習過程の処理は、高頻度で行われる必要がないため、過去の事故に関する「電流（実績）」および「電圧（実績）」などは高頻度で取得される必要はなく、例えば、ある程度の期間の「電流（実績）」および「電圧（実績）」が一括して事故点標定装置６－１から事故点標定サーバ８へ送信されて、記憶部８２に保存されてもよい。

　また、事故点標定装置６－１は、表示処理を行う（ステップＳ１８）。具体的には、例えば、表示データ生成部６５が、事故点標定結果、すなわち「事故点（計算値）」を表示する表示画面を示す表示データを生成し、生成した表示データを表示装置６６に出力する。なお、ステップＳ１８は実施されなくてもよい。また、上述したように、表示データの生成は、事故点標定サーバ８によって行われてもよい。

　次に、「統計モデル」の取得処理、すなわち図７に示したステップＳ５の詳細について説明する。図８は、本実施の形態の「統計モデル」の取得処理の一例を示すフローチャートである。事故点標定サーバ８は、事故発生時の「計測データ（実績）」、「事故点（実績）」、「系統のトポロジー」および「インピーダンス情報」を用いて、「アーク抵抗（計算値）」を算出し、保存する（ステップＳ２１）。詳細には、アーク抵抗演算部８５が、記憶部８２に記憶されている、過去の複数の事故に対応する事故ごとの「電流（実績）」、「電圧（実績）」および「事故点（実績）」と、「系統のトポロジー」および「インピーダンス情報」とを用いて、アーク抵抗値を算出し、算出したアーク抵抗値を「アーク抵抗（計算値）」として記憶部８２に事故関連情報として保存する。

　次に、事故点標定サーバ８は、「事故原因（実績）」および「アーク抵抗（計算値）」から、「統計モデル」を生成し、保存する（ステップＳ２２）。詳細には、統計モデル生成部８６が、記憶部８２に記憶されている「事故原因（実績）」および「アーク抵抗（計算値）」を用いて、アーク抵抗の確率分布を示す「統計モデル」を事故原因別に生成し、記憶部８２に算出データとして保存する。上述したように、統計モデル生成部８６は、「事故原因（推定）」を利用して「統計モデル」を生成してもよいし、「事故原因（実績）」および「事故原因（推定）」を混在させて利用して「統計モデル」を生成してもよい。「統計モデル」としては、具体的には、例えば、ヒストグラム、または、当該ヒストグラムからパラメトリック手法、あるいは、ノンパラメトリック手法を利用して求められた確率密度関数、確率分布関数、累積分布関数などが挙げられる。パラメトリック手法としては、最小二乗法を例示でき、ノンパラメトリック手法としてはカーネル密度推定手法を例示できるが、「統計モデル」の生成に用いられる手法は、どのような手法でもよく、これらに限定されない。

　次に、「学習データ」の生成処理および学習済モデルの生成処理、すなわち図７に示したステップＳ６～Ｓ９の詳細について説明する。図９は、本実施の形態の「学習データ」の生成処理および学習済モデルの生成処理の一例を示すフローチャートである。事故点標定サーバ８は、「系統のトポロジー」および「インピーダンス情報」を用いて、電力系統の「瞬時値解析モデル」を生成し、保存する（ステップＳ３１）。詳細には、学習データ生成部８４が、記憶部８２に記憶されている「系統のトポロジー」および「インピーダンス情報」を用いて、系統シミュレーションの一例である瞬時値解析を行うための電力系統の「瞬時値解析モデル」を生成し、記憶部８２に系統関連情報として保存する。系統シミュレーションは上述したように、瞬時値解析に限定されない。

　事故点標定サーバ８は、様々な条件（事故点および事故様相）を設定する（ステップＳ３２）。詳細には、学習データ生成部８４が、瞬時値解析の条件として設定する事故点および事故様相を、条件ごとに、事故点および事故様相のうち少なくとも１つが異なるように、複数の条件分設定する。

　事故点標定サーバ８は、「瞬時値解析モデル」を用いて瞬時値解析を行い、様々な条件下における電流および電圧を算出する（ステップＳ３３）。詳細には、学習データ生成部８４が、様々な条件下で、記憶部８２に記憶されている「瞬時値解析モデル」を用いて瞬時値解析を行うことによって、事故発生時に電気所２－１～２－３で観測される電流および電圧を条件ごとに算出する。

　事故点標定サーバ８は、「電流（計算値）」および「電圧（計算値）」（算出した電流および電圧）を用いて、「加工データ」を算出し、瞬時値解析の条件（事故点）と「電流（計算値）」、「電圧（計算値）」および「加工データ」とを対応付けて「学習データ」として保存する（ステップＳ３４）。詳細には、学習データ生成部８４は、算出した「電流（計算値）」および「電圧（計算値）」を用いて「加工データ」を算出し、「電流（計算値）」、「電圧（計算値）」および「加工データ」を条件（事故点）とセットで「学習データ」とし、「学習データ」を算出データとして記憶部８２に保存する。

　なお、上記の説明では学習データ生成部８４が系統シミュレーションにより「学習データ」を生成する例を説明しているが、これに限定されず、過去の事故に関する情報が十分にあるようであれば、過去の複数の事故に対応する事故ごとの「電流（実績）」および「電圧（実績）」を用いて、「加工データ」を算出し、過去の複数の事故時の状況（事故点（実績））と「電流（実績）」、「電圧（実績）」および「加工データ」とを対応付けて「学習データ」として、記憶部８２に保存してもよい。また、学習データ生成部８４は、系統シミュレーションによる計算値を用いた「学習データ」と実績値を用いた「学習データ」との両方を生成し、これらを混在させて記憶部８２に保存してもよい。

　事故点標定サーバ８は、「電流（計算値）」、「電圧（計算値）」および「加工データ」を特徴量とし、対応する「事故点（設定）」を答えとした「学習データ」を用いて、機械学習を行い、学習済モデルを生成し、保存する（ステップＳ３５）。なお、特徴量は、これに限定されず、例えば、事故発生時の「電圧（計算値）」、「電流（計算値）」および「加工データ」のうち少なくとも１つを含めばよい。すなわち、特徴量は、「電圧（計算値）」だけであってもよく、「電流（計算値）」だけであってもよく、「加工データ」だけであってもよく、「電圧（計算値）」、「電流（計算値）」および「加工データ」のうちの２つであってもよい。詳細には、学習モデル生成部８７が、記憶部８２に記憶されている「電流（計算値）」、「電圧（計算値）」および「加工データ」を特徴量とし、「事故点（設定）」を答え（正解）とした「学習データ」を複数セット用いて、教師ありタイプの機械学習を行うことにより、学習済モデルを生成し、生成した学習済モデルを記憶部８２に保存する。

　事故点標定サーバ８は、学習済モデルを事故点標定装置６－１に送信する（ステップＳ３６）。詳細には、通信部８１が、記憶部８２に記憶されている学習済モデルを事故点標定装置６－１へ送信する。これにより、事故点標定装置６－１は、学習済モデルを受信すると、学習済モデルを記憶部６３に保存する。

　次に、推論過程の処理、すなわち図７に示したステップＳ１１～Ｓ１４の詳細について説明する。図１０は、本実施の形態の推論過程の処理の一例を示すフローチャートである。事故点標定装置６－１は、電気所２－１～２－３のＣＴ３およびＶＴ４から、「電流（実績）」および「電圧（実績）」をそれぞれ取得し、保存する（ステップＳ４１）。詳細には、データ取得部６１が、事故発生時のＣＴ３－１，３－２およびＶＴ４－１による計測値を、ＣＴ３－１，３－２およびＶＴ４－１から取得し、記憶部６３に計測データとして保存するとともに、事故点標定装置６－２，６－３からそれぞれ「電流（実績）」および「電圧（実績）」を受信し、記憶部６３に計測データとして保存する。

　事故点標定装置６－１は、事故原因推定装置５から、「事故原因（推定）」を取得し、保存する（ステップＳ４２）。詳細には、通信部６４が、事故原因推定装置５から、事故原因推定結果（「事故原因（推定）」）を受信し、受信した事故原因推定結果を記憶部６３に保存する。なお、上述したように、事故原因推定結果は、事故原因推定装置５から受信する例に限定されず、事故点標定装置６－１に入力されてもよいし、事故点標定装置６－１以外の装置に入力され、当該装置から事故点標定装置６－１に送信されてもよい。

　事故点標定装置６－１は、「加工データ」を生成し、学習済モデルに、「電流（実績）」、「電圧（実績）」および「加工データ」を入力し、学習済モデルから出力される「事故点（計算値）」を、保存する（ステップＳ４３）。詳細には、標定結果推論部６２が、記憶部６３に計測データとして記憶されている事故発生時の「電圧（実績）」および「電流（実績）」を用いて「加工データ」を生成する。そして、標定結果推論部６２は、記憶部６３に記憶されている学習済モデルに、「電流（実績）」、「電圧（実績）」および「加工データ」を特徴量として入力することにより得られる学習済モデルの出力である「事故点（計算値）」を、算出データとして記憶部６３に保存する。

　事故点標定装置６－１は、「統計モデル」を用いて距離の確率分布を算出し、保存する（ステップＳ４４）。詳細には、標定結果推論部６２が、「統計モデル」および「事故原因（推定）」を用いて、「事故原因（推定）」に対応するアーク抵抗の確率分布を求め、「系統のトポロジー」および「インピーダンス情報」を用いて、アーク抵抗の確率分布を距離の確率分布に変換し、変換した距離の確率分布を記憶部６３に算出データとして保存する。

　事故点標定装置６－１は、「事故点（計算値）」および距離の確率分布を用いて、「事故点（計算値）」を補正することで「事故点（計算値）」を更新し、保存する（ステップＳ４５）。詳細には、標定結果推論部６２が、記憶部６３に記憶されている「事故点（計算値）」を、記憶部６３に記憶されている距離の確率分布を用いてシフトさせる。例えば、距離の確率分布が、ｍ点の離散的な距離ごとの確率として表される場合、標定結果推論部６２は、「事故点（計算値）」に各点の距離に対応する確率を乗じて、各点の距離分だけシフトさせる処理を行い、ｍ点分の処理結果を足し合わせることで、距離の確率分布を用いて「事故点（計算値）」をシフトさせる。

　次に、事故点標定装置６－１は、「事故原因（推定）」および「系統の周辺状況情報」を用いて、「事故点（計算値）」を補正することで「事故点（計算値）」を更新し、保存する（ステップＳ４６）。詳細には、標定結果推論部６２が、記憶部６３に記憶されている「事故原因（推定）」および「系統の周辺状況情報」を用いて「事故点（計算値）」を補正し、記憶部６３に記憶されている「事故点（計算値）」を補正後の「事故点（計算値）」に更新することで、補正後の「事故点（計算値）」を記憶部６３に保存する。

　「系統の周辺状況情報」は、例えば、各区間の周辺状況の種別と、事故原因別の周辺状況の種別ごとの補正係数とを含む。図１１は、本実施の形態の「系統の周辺状況情報」を用いた補正処理の概要を示す図である。図１１に示した例では、区間＃０１～＃１４のうち、区間＃０１～＃０３，＃０９～＃１４の周辺状況が平地に該当し、区間＃０４～＃０８の周辺状況が森林に該当する。図１１に示した例では、「事故原因（推定）」が樹木接触であったとし、樹木接触に対応する補正係数が、平地の場合は１であり、森林の場合は３であったとする。図１１では、機械学習として分類手法の機械学習が用いられる例を示しており、「事故点（計算値）」は各区間の事故点の存在確率となる。

　図１１の左側の図に示すように、ステップＳ４３の処理により得られた「事故点（計算値）」は、区間＃０４が２．５％であり、区間＃０５が７．５％であり、区間＃０６が３５％であり、区間＃０７が５％であり、区間＃１０が２．５％であり、区間＃１１が７．５％であり、区間＃１２が３５％であり、区間＃１３が５％であったとする。なお、分岐のある電力系統（送電線、配電線）を対象として、インピーダンス情報のみで標定を行うと、電気計算上では分岐した複数の領域が等価になるため、このように、事故点の標定結果が２つの領域となる可能性がある。

　標定結果推論部６２は、各区間の確率に、事故原因毎に異なる各区間の周辺状況の種別に対応する補正係数を乗じる。図１１では事故原因が樹木接触であると推定された例を示しており、例えば、区間＃０４は森林であるため、標定結果推論部６２は、補正係数３を「事故点（計算値）」として得られる数値である２．５に乗じることで７．５という計算結果を得る。また、区間＃１０は平地であるため、標定結果推論部６２は、補正係数１を「事故点（計算値）」として得られる数値である２．５に乗じることで、２．５という計算結果を得る。このように、標定結果推論部６２は、各区間に関して、同様の計算を行って計算結果が得られたのち、計算結果の合計値（図１１に示した例では２００）を用いて、合計が１００となるように規格化を行う。規格化を行うことで、すべての地点における事故点の存在する確率の合計値を１００％とすることができる。なお、この規格化は、必須ではなく、標定結果を見やすくするために実施する処理であるため、実施されなくてもよく、各区間の確率に補正係数を乗じた値を補正後の「事故点（計算値）」としてもよい。なお、図１１に示した区間の数、周辺状況の種別、補正係数の値などは一例であり、区間の数、周辺状況の種別、補正係数の値などは図１１に示した例に限定されない。例えば、補正係数の値（例えば、樹木接触の場合、森林の補正係数を３、平地の補正係数を１にする）は、系統毎に決めてもよいし、さらに、区間毎に重みをつけて決めてもよい。また、逆に、どの系統でも、事故種別ごとに、同じ補正係数に統一してもよい。このように、周辺状況の種別に応じた補正が行われることで、補正を行わない場合に比べて事故点の標定精度を向上させることができる。

　なお、上述した例では、「系統の周辺状況情報」が事故点標定サーバ８に入力されたが、これに限らず、事故点標定サーバ８が、「系統の周辺状況情報」が過去の事故に関する「事故点（実績）」および「事故原因（実績）」と各区間の周辺状況の種別とを用いて、「系統の周辺状況情報」を算出してもよい。また、上述した例では、機械学習を用いて「系統の周辺状況情報」を算出する例を示しているが、これに限らず、人が経験等を基に設定してもよい。

　図１０の説明に戻る。ステップＳ４６の後、事故点標定装置６－１は、「事故点（計算値）」を事故点標定結果として中央監視システム７に送信する（ステップＳ４７）。詳細には、通信部６４が、記憶部６３に記憶されている「事故点（計算値）」を事故点標定結果として中央監視システム７に送信する。

　また、回帰手法の機械学習を用いる場合には、「事故点（計算値）」として、電気所２－１からＸｋｍ（Ｘは実数）といったように事故点をピンポイントで示す情報が得られる。この場合も、事故点標定装置６－１は、「統計モデル」および「系統の周辺状況情報」を用いた補正を行うことができる。例えば、「統計モデル」を用いた補正を行う場合には、標定結果推論部６２は、分類手法の機械学習を用いる場合と同様に、「統計モデル」を距離の確率分布に変換し、距離の確率分布分、「事故点（計算値）」をシフトさせる。また、「系統の周辺状況情報」を用いた補正を行う場合には、例えば、分類手法の機械学習を用いる場合と同様に、区間に分割して、各区間の周辺状況の種別を「系統の周辺状況情報」に含めておいてもよいし、Ａ線１ＬのＹ１ｋｍ～Ｙ２ｋｍ（Ｙ１，Ｙ２は実数）は、森林といったように、各電線１における範囲ごとに周辺状況の種別を示す情報を「系統の周辺状況情報」に含めておいてもよい。Ａ線１Ｌは、電線１の識別情報の一例である。

　次に、図７のステップＳ１８の表示処理によって生成される表示データに対応する表示画面の例、すなわち表示装置６６に表示される表示画面の例について説明する。分類手法の機械学習が用いられる場合、表示画面には、例えば、区間ごとの事故点の存在確率が表示される。図１２は、本実施の形態の表示画面の第１の例を示す図である。図１２に示した表示画面では、「事故点（計算値）」が区間ごとの事故点の存在確率を示すリスト形式で示されている。表示データ生成部６５は、図１２に示すような、リスト形式で区間ごとの事故点の存在確率を示す表示画面、を表示するための表示データを生成してもよい。

　図１３は、本実施の形態の表示画面の第２の例を示す図である。図１３に示した表示画面では、「事故点（計算値）」が、系統図上に示されている。具体的には、図１３に示した例では、系統図上の「事故点（計算値）」の各区間に対応する位置（例えば各区間の代表点の位置）に、各区間に対応する確率が示されている。代表点は、各区間の中央であってもよいし、各区間の開始点（電気所２－１側の端部）であってもよいし、各区間の終点（電気所２－１とは逆側の端部）であってもよいし、これら以外であってもよい。表示データ生成部６５は、図１３に示すような、「事故点（計算値）」を系統図上で示す表示画面、を表示するための表示データを生成してもよい。

　図１４は、本実施の形態の表示画面の第３の例を示す図である。図１４に示した表示画面では、図１３に示した例と同様に、「事故点（計算値）」が、系統図上に示されているが、「事故点（計算値）」に対応する数値に応じて電力系統における対応する点に表示される図形を変えている。図１４に示した例では、例えば、１０％以下、１０％を超え２０％以下、２０％を超え３０％以下、…といったように、確率をレベル分けし、高い確率に対応するレベルほど図形が大きくなるように、各数値に対応する図形が表示される。すなわち、レベルごとに異なる態様で図形が表示される。なお、レベル分けの定義および各レベルに対応する図形はこの例に限定されない。例えば、レベルごとに異なる色の図形が表示されてもよい。また、「事故点（計算値）」に対応する数値自体が、高い確率に対応するレベルほど図形が大きくなるように表示されてもよいし、レベルごとに異なる色で示されてもよい。

　図１５は、本実施の形態の表示画面の第４の例を示す図である。図１５に示した表示画面では、「事故点（計算値）」が、地図上に示されている。具体的には、図１５に示した例では、地図上の「事故点（計算値）」の各区間の代表点に対応する地理的位置に、各区間に対応する確率が示されている。代表点は、第２の例と同様に、各区間の中央であってもよいし、各区間の開始点であってもよいし、各区間の終点であってもよいし、これら以外であってもよい。表示データ生成部６５は、例えば、「系統のトポロジー」に各電線１の地理的配置を示す情報（地図情報）を含めておき、各電線１の地理的配置を示す情報を用いて、系統図における代表点の地理的位置を算出し、図１５に示すような、「事故点（計算値）」を地図上で示す表示画面、を表示するための表示データを生成してもよい。なお、「事故点（計算値）」が、地図上に示される場合も、図１４に示した例と同様に、確率がレベル分けされ、レベルごとに図形または色が異なる態様で表示されてもよい。

　以上述べた表示画面は例示であり、表示画面は、上述した例に限定されない。また、各表示要素の具体的な表示位置および内容は、図１２～図１５に示した例に限定されない。また、表示データ生成部６５は、第１の例、第２の例、第３の例および第４の例のうちの２つ以上の表示画面（個別表示画面）を生成し、生成した２つ以上の個別表示画面が同時に表示されるように表示データを生成してもよい。また、生成した２つ以上の個別表示画面が切替えにより順次表示されるようにしてもよい。

　次に、事故点標定装置６－１および事故点標定サーバ８のハードウェア構成について説明する。本実施の形態の事故点標定装置６－１は、コンピュータシステム上で、事故点標定装置６－１における処理が記述されたプログラム（コンピュータプログラム）が実行されることにより、コンピュータシステムが事故点標定装置６－１として機能する。同様に、本実施の形態の事故点標定サーバ８は、コンピュータシステム上で、事故点標定サーバ８における処理が記述されたプログラムが実行されることにより、コンピュータシステムが事故点標定サーバ８として機能する。図１６は、本実施の形態の事故点標定装置６－１および事故点標定サーバ８を実現するコンピュータシステムの構成例を示す図である。図１６に示すように、このコンピュータシステムは、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１６において、制御部１０１は、例えば、ＣＰＵ（Central　Processing　Unit）等のプロセッサであり、本実施の形態の事故点標定装置６－１または事故点標定サーバ８における処理が記述されたプログラムを実行する。入力部１０２は、例えばキーボード、マウスなどで構成され、コンピュータシステムの使用者が、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、コンピュータシステムの使用者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受信機および送信機である。出力部１０６は、プリンタなどである。なお、図１６は、一例であり、コンピュータシステムの構成は図１６の例に限定されない。例えば、事故点標定装置６－１を実現するコンピュータシステムは、表示部１０４および出力部１０６を備えていなくてもよい。

　ここで、本実施の形態のプログラムが実行可能な状態になるまでのコンピュータ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コンピュータシステムには、例えば、図示しないＣＤ（Compact　Disc）－ＲＯＭドライブまたは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、プログラムが記憶部１０３の一部である補助記憶装置にインストールされる。そして、プログラムの実行時に、記憶部１０３の補助記憶装置から読み出されたプログラムが記憶部１０３の主記憶領域に格納される。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、本実施の形態の事故点標定装置６－１または事故点標定サーバ８としての処理を実行する。

　なお、上記の説明においては、ＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭを記録媒体として、事故点標定装置６－１および事故点標定サーバ８のそれぞれにおける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、コンピュータシステムの構成、提供するプログラムの容量などに応じて、例えば、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２に示した標定結果推論部６２および表示データ生成部６５は、図１６に示した記憶部１０３に記憶されたプログラムが図１６に示した制御部１０１により実行されることにより実現される。標定結果推論部６２および表示データ生成部６５の実現には、記憶部１０３も用いられる。図２に示した記憶部６３は、図１６に示した記憶部１０３の一部である。図２に示したデータ取得部６１および通信部６４は、図１６に示した通信部１０５および制御部１０１により実現される。事故点標定装置６－１は複数のコンピュータシステムにより実現されてもよい。事故点標定装置６－２，６－３も同様にコンピュータシステムにより実現される。

　図３に示した学習データ生成部８４、アーク抵抗演算部８５、統計モデル生成部８６および学習モデル生成部８７は、図１６に示した記憶部１０３に記憶されたプログラムが図１６に示した制御部１０１により実行されることにより実現される。学習データ生成部８４、アーク抵抗演算部８５、統計モデル生成部８６および学習モデル生成部８７の実現には、記憶部１０３も用いられる。図３に示した記憶部８２は、図１６に示した記憶部１０３の一部である。図３に示した通信部８１は、図１６に示した通信部１０５および制御部１０１により実現される。図３に示した入力受付部８３は、図１６に示した入力部１０２により実現される。事故点標定サーバ８は複数のコンピュータシステムにより実現されてもよい。事故点標定サーバ８は、例えば、クラウドシステムにより実現されてもよい。

　本実施の形態のプログラムは、例えば、コンピュータシステムに、電力系統における系統事故の発生時に電気所２で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得ステップと、電気所２で計測される計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から事故点を推論するための機械学習により生成された学習済モデルに、データ取得ステップにより系統事故の発生時に取得された計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、推論結果を系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定ステップと、を実行させる。

　以上で述べたように、本実施の形態では、事故点標定装置６－１が、系統シミュレーションを行うことによって生成された学習データを用いて生成された学習済モデルに特徴量を入力することによって得られる推論結果を、事故原因に応じた事故点の確率を示す情報を用いて補正する。これにより、事故原因を考慮しない場合に比べて、電力系統における事故点の標定精度を向上させることができる。例えば、事故点標定装置６－１が、アーク抵抗値の「統計モデル」を用いて補正を行う場合には、事故原因ごとのアーク抵抗値の違いを反映した事故点の標定を行うことができる。また、例えば、事故点標定装置６－１が、「系統の周辺状況情報」を用いて補正を行う場合には、周辺状況に応じた事故要因ごとの発生確率を反映した事故点の標定を行うことができる。また、分類手法の機械学習を用いる場合、事故点の存在確率の分布がわかるため、事故点の探索を効率的に行うことができる。

　また、電気所２－１～２－３に設置されている既存のＣＴ３およびＶＴ４の計測データを利用できるため、架空地線にセンサを設置する必要がなく、コストを抑制することができる。また、架空地線にセンサを設置して計測データを利用する場合、短絡事故の場合には架空地線に電流が流れず、また、配電線の場合には、架空地線が存在しないため、架空地線にセンサを設置できない。本実施の形態では、架空地線に設置されたセンサを利用する必要がないため、短絡事故の発生時や架空地線が存在しない場合にも適用できる。

実施の形態２．
　図１７は、実施の形態２にかかる事故点標定システムの構成例を示す図である。本実施の形態の事故点標定システム１０ａは、事故点標定サーバ８と、電気所２－１に設けられる事故点標定装置６－１とを備える。実施の形態１と同様の機能を有する構成要素は、実施の形態１と同一の符号を付して重複する説明を省略する。以下、実施の形態１と異なる点を主に説明する。

　事故点標定装置６－１の構成は、実施の形態１と同様である。本実施の形態では、実施の形態１で述べた事故点標定装置６－２，６－３が用いられないため、すなわち事故点標定装置６が１つであるため、事故点標定装置６－１は、他の事故点標定装置６から計測データを受信せず、記憶部６３には、計測データとして電気所２－１で計測された計測データだけが記憶される。事故点標定サーバ８は、図９に示した処理において、ステップＳ３３では瞬時値解析により、電気所２－１に対応する電流および電圧を算出する。そして、ステップＳ３４では、事故点標定サーバ８は、算出された電流および電圧（「電流（計算値）」および「電圧（計算値）」）を用いて「加工データ」を算出し、「電流（計算値）」、「電圧（計算値）」および「加工データ」を特徴量とし、「事故点（設定）」を答えとした「学習データ」を生成する。

　なお、実施の形態１で述べたように、推論過程の処理は、事故点標定装置６－１が行ってもよいし、事故点標定サーバ８が行ってもよい。また、事故点標定装置６－１が、推論過程の処理に加えて学習過程の処理も行ってもよい。また、「系統モデル」の生成を事故点標定装置６－１が行ってもよい。

　本実施の形態で述べたように、特徴量として用いる電流および電圧は、１つの電気所２で計測される電流および電圧であってもよい。すなわち、特徴量として用いる計測データは、実施の形態１で述べたように複数の電気所２でそれぞれ計測される電流および電圧であってもよいし、本実施の形態で述べたように１つの電気所２で計測される電流および電圧であってもよい。なお、特徴量は、上述したように、電流および電圧の両方を含む例に限定されず、電流、電圧および加工データのうちの少なくとも１つを含めばよい。本実施の形態においても、実施の形態１と同様の効果を奏することができる。本実施の形態では、実施の形態１に比べて事故点の標定精度が劣る可能性はあるものの実施の形態１よりシステム構成を簡略化することができる。

　以上の実施の形態に示した構成は、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、実施の形態同士を組み合わせることも可能であるし、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　電線、２，２－１～２－３　電気所、３－１～３－６　ＣＴ、４－１～４－３　ＶＴ、５　事故原因推定装置、６，６－１～６－３　事故点標定装置、７　中央監視システム、８　事故点標定サーバ、９　通信ネットワーク、１０，１０ａ　事故点標定システム、６１　データ取得部、６２　標定結果推論部、６３，８２　記憶部、６４，８１　通信部、６５　表示データ生成部、６６　表示装置、８３　入力受付部、８４　学習データ生成部、８５　アーク抵抗演算部、８６　統計モデル生成部、８７　学習モデル生成部。

Claims

　電力系統における系統事故の発生時に電気所で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得部と、
　前記電気所で計測される前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から事故点を推論するための機械学習により生成された学習済モデルに、前記データ取得部によって前記系統事故の発生時に取得された前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、前記推論結果を前記系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定結果推論部と、
　を備えることを特徴とする事故点標定装置。
　前記補正情報は、事故原因別に生成されたアーク抵抗の確率分布を示す統計モデルであり、
　前記標定結果推論部は、前記統計モデルと事故原因の推定結果とを用いて、当該事故原因に対応するアーク抵抗の確率分布を算出し、算出したアーク抵抗の確率分布を、前記電力系統における構成およびインピーダンスを示す情報を用いて、距離の確率分布に変換し、前記距離の確率分布を用いて前記推論結果を補正することを特徴とする請求項１に記載の事故点標定装置。
　前記電力系統において既に発生した複数の系統事故に関して、前記系統事故ごとに、前記系統事故の発生時に前記電気所で計測された電流および電圧である計測データの実績値と、特定済みの前記系統事故の事故点の実績値と、前記電力系統の構成およびインピーダンスを示す情報を含む系統関連情報とを用いて、前記系統事故に対応するアーク抵抗値を算出するアーク抵抗演算部と、
　複数の前記系統事故に関する、前記アーク抵抗値と当該アーク抵抗値に対応する前記事故原因の実績値とを用いて、前記統計モデルを生成する統計モデル生成部と、
　を備えることを特徴とする請求項２に記載の事故点標定装置。
　前記補正情報は、事故原因別の周辺状況の種別ごとの系統事故の発生確率を示す補正係数であり、
　前記標定結果推論部は、前記電力系統における各位置の周辺状況の種別と前記補正情報とを用いて前記推論結果を補正することを特徴とする請求項１から３のいずれか１つに記載の事故点標定装置。
　前記標定結果推論部によって標定された事故点の標定結果を表示画面に表示するための表示データを生成する表示データ生成部、
　を備えることを特徴とする請求項１から４のいずれか１つに記載の事故点標定装置。
　前記機械学習は、分類手法の教師あり機械学習であり、
　前記学習済モデルは、前記事故点の推論結果として、電力系統における区間ごとの前記事故点の存在確率を示す情報を出力し、
　前記表示画面には、前記区間ごとの前記事故点の存在確率が表示されることを特徴とする請求項５に記載の事故点標定装置。
　前記表示画面において、系統図上の対応する前記区間に対応する位置に前記事故点の存在確率が表示されることを特徴とする請求項６に記載の事故点標定装置。
　前記表示画面において、地図上の対応する前記区間に対応する地理的位置に前記事故点の存在確率が表示されることを特徴とする請求項６に記載の事故点標定装置。
　前記電気所は複数であることを特徴とする請求項１から８のいずれか１つに記載の事故点標定装置。
　機械学習により、電気所で計測される電流および電流のうちの少なくとも一方である計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から電力系統における系統事故の事故点を推論するための学習済モデルを生成する学習モデル生成部と、
　前記電力系統において既に発生した複数の系統事故に関して、前記系統事故ごとに、前記系統事故の発生時に前記電気所で計測された電流および電圧である計測データの実績値と、特定済みの前記系統事故の事故点の実績値と、前記電力系統の構成およびインピーダンスを示す情報を含む系統関連情報とを用いて、前記系統事故に対応するアーク抵抗値を算出するアーク抵抗演算部と、
　複数の前記系統事故に関する、前記アーク抵抗値と対応する事故原因の実績値とを用いて、事故原因別にアーク抵抗の確率分布を示す統計モデルを生成する統計モデル生成部と、
　を備え、
　前記統計モデルは、前記学習済モデルを用いた事故点の推論結果の補正に用いられることを特徴とする学習装置。
　電力系統における系統事故の事故点を含む条件を複数設定し、複数の条件下で系統シミュレーションを行うことにより電気所で計測される前記計測データの計算値を算出し、算出した前記計算値と前記計算値から算出される加工データとのうちの少なくとも一方と、設定した前記事故点と、を含む学習データを生成する学習データ生成部、
　を備え、
　前記学習モデル生成部は、前記学習データ生成部によって生成された前記学習データを用いて前記学習済モデルを生成することを特徴とする請求項１０に記載の学習装置。
　機械学習により、電気所で計測される電流および電流のうちの少なくとも一方である計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から電力系統における系統事故の事故点を推論するための学習済モデルを生成する学習モデル生成部と、
　前記電力系統における系統事故の発生時に前記電気所で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得部と、
　前記学習済モデルに、前記データ取得部によって前記系統事故の発生時に取得された前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、前記推論結果を前記系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定結果推論部と、
　を備えることを特徴とする事故点標定システム。
　前記標定結果推論部によって標定された事故点の標定結果を表示画面に表示するための表示データを生成する表示データ生成部、
　を備えることを特徴とする請求項１２に記載の事故点標定システム。
　前記機械学習は、分類手法の教師あり機械学習であり、
　前記学習済モデルは、前記事故点の推論結果として、電力系統における区間ごとの前記事故点の存在確率を示す情報を出力し、
　前記表示画面には、前記区間ごとの前記事故点の存在確率が表示されることを特徴とする請求項１３に記載の事故点標定システム。
　前記表示画面において、系統図上の対応する前記区間に対応する位置に前記事故点の存在確率が表示されることを特徴とする請求項１４に記載の事故点標定システム。
　前記表示画面において、地図上の対応する前記区間に対応する地理的位置に前記事故点の存在確率が表示されることを特徴とする請求項１４に記載の事故点標定システム。
　事故点標定装置における事故点標定方法であって、
　電力系統における系統事故の発生時に電気所で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得ステップと、
　前記電気所で計測される前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から事故点を推論するための機械学習により生成された学習済モデルに、前記データ取得ステップにより前記系統事故の発生時に取得された前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、前記推論結果を前記系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定ステップと、
　を含むことを特徴とする事故点標定方法。
　コンピュータシステムに、
　電力系統における系統事故の発生時に電気所で計測された電流および電圧のうちの少なくとも一方である計測データを取得するデータ取得ステップと、
　前記電気所で計測される前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量から事故点を推論するための機械学習により生成された学習済モデルに、前記データ取得ステップにより前記系統事故の発生時に取得された前記計測データの少なくとも一部と当該計測データの少なくとも一部から算出される加工データとのうちの少なくとも一方を含む特徴量を入力することによって事故点の推論結果を取得し、前記推論結果を前記系統事故の事故原因の推定結果と事故原因に応じて定まる事故点の確率を示す補正情報とを用いて補正する標定ステップと、
　を実行させることを特徴とするプログラム。