JP6554977B2 - 接続相判定プログラム、方法および装置 - Google Patents

Description

本発明は接続相判定プログラム、接続相判定方法および接続相判定装置に関する。

３本の配電線のうち何れか２本の配電線に接続されたトランスの接続相を、トランスが設置された現場に出向くことなく、３本の配電線の線電流とトランスの配下の一部の需要家が導入したスマートメータで計測された電力量から判定する技術が提案されている。この技術では、上記の電力量が増加すると、トランスが接続された２本の配電線の線電流が増加し、残り１本の配電線の線電流は変化しないことに基づき、電力量と各配電線の線電流と時間変化の相関の強さを求めてトランスの接続相を判定している。なお、本明細書では当該技術を第１の技術と称する。

特開２０１５−０９４７５２号公報

しかしながら、配電線を介して電力の供給を受ける多くの需要家の電力の消費パターンは、例えば朝方と夕方に電力の消費が増える等のように、全体として同じようなパターンを示す傾向にある。このため、各配電線の線電流の時間変化は、多くの需要家に共通する定常的な電力消費パターンに応じた変化が支配的であり、相関の判定に本来寄与する線電流の変化は、定常的な電力消費パターンに応じた変化の陰に埋もれてしまうことになる。これはスマートメータで計測される電力量にも当て嵌まる事象であり、スマートメータを設置している需要家の電力の消費パターンも多くの需要家に共通する定常的な電力消費パターンに類似している可能性が高い。

従って、第１の技術で求める電力量と各配電線の線電流と時間変化の相関の強さについても、定常的な電力消費パターンの影響が支配的となり、相関の判定に本来寄与する線電流および電力量の非定常的な変化が相関の強さの値に反映されない。このため、第１の技術はトランスの接続相の判定精度が低いという課題がある。

一つの側面では、本発明は、定常的な電力消費パターンの影響を抑制して接続相の判定精度を向上させることを目的とする。

１つの実施態様では、３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された電力量、および、３以上の前記第１配電線の線電流の各々との相関評価値を算出する。この相関評価値の算出にあたり、各周波数成分における前記電力量と前記線電流の各々との相関値に各周波数成分のスペクトルの大きさに応じた抑圧量を適用する。そして、算出した複数の前記相関定量化値に基づいて前記第２配電線の接続相を判定する。

一つの側面として、定常的な電力消費パターンの影響を抑制して接続相の判定精度を向上させることができる、という効果を有する。

実施形態で説明した接続相判定装置の機能ブロック図である。 配電網の一例を示す概略図である。 配電情報の一例を示す図表である。 電力量データの一例を示す図表である。 線電流データの一例を示す図表である。 接続相判定装置として機能するコンピュータの概略構成図である。 接続相判定処理を示すフローチャートである。 配電網の一例を示す概略図である。 配電網の他の例を示す概略図である。 時系列データの取得区間の移動を説明するための概略図である。 本実施形態で算出されるフィルタ特性の一例を示す線図である。 本願発明者等が実施した数値実験の条件を説明するための配電網の概略図である。 数値実験の結果を示す図表である。 第３の技術の課題を説明するための説明図である。 第３の技術の課題を説明するための説明図である。

以下、図面を参照して開示の技術の実施形態の一例を詳細に説明する。まず図２を参照し、本実施形態で接続相を判定するトランスを含む配電網の一例を説明する。

図２に示す配電網１００は、三相で高圧(例えば6.6kV)の交流電力を生成する配電変電所１０２を含んでいる。図２の例では配電系統が三相３線式とされ、配電変電所１０２には３本の高圧配電線１０４の一端が接続されている。配電変電所１０２で生成された三相で高圧の交流電力は３本の高圧配電線１０４を通じて送電される。なお、以下では３本の高圧配電線１０４を区別する場合に、それぞれをＡ線、Ｂ線、Ｃ線と称する。

高圧配電線１０４の途中にはセンサ内蔵開閉器１０６が設置されており、センサ内蔵開閉器１０６により、Ａ線の線電流Ｉ_Ａ、Ｂ線の線電流Ｉ_Ｂ、Ｃ線の線電流Ｉ_Ｃが、例えば３０分単位で各々測定される。以下では、線電流Ｉ_Ａ,Ｉ_Ｂ,Ｉ_Ｃを総称する場合は線電流Ｉ_Ｘ(但し、ＸはＡ,Ｂ,Ｃの何れか)の符号を用いる。

高圧配電線１０４は、センサ内蔵開閉器１０６の設置位置よりも交流電力の送電方向下流側の互いに異なる複数の位置に、単相のトランス１０８(の一次側)が各々接続されている。高圧配電線１０４に接続されるトランス１０８の数は、例えば数十〜数千程度である。トランス１０８は単相であるが、高圧配電線１０４は３本であるので、トランス１０８が接続される高圧配電線１０４の組み合わせ(接続相)には三つの可能性がある。図２ではトランス１０８の接続相に三つの可能性があることを表現するため、トランス１０８を三相で表している。以下では、可能性があるトランス１０８の接続相(高圧配電線１０４の組み合わせ)を、それぞれＡＢ相、ＢＣ相、ＣＡ相と称する。

個々のトランス１０８の二次側には複数本の低圧配電線１１０の一端が接続されており、トランス１０８で生成された単相で低圧(例えば105V)の交流電力は複数本の低圧配電線１１０を通じて送電される。低圧配電線１１０には、個々の需要家に近接した複数箇所において、個々の需要家に対応する引込線１１２が各々接続されている。個々の需要家へは、低圧配電線１１０および引込線１１２を介して単相で低圧の交流電力が供給される。なお、１つのトランス１０８の配下の需要家の数(対応する引込線１１２が、１つのトランス１０８の二次側に接続された同じ低圧配電線１１０に接続されている需要家の数)は、例えば１０〜２０程度である。

また、需要家の一部には通信機能付きの電力メータ(スマートメータ１１６)が設置されている。スマートメータ１１６が設置されている需要家における消費電力量Ｐは、例えば３０分単位でスマートメータ１１６によって計測され、計測結果は図示しない通信線を介して配電事業者等へ送信される。

なお、図２において、高圧配電線１０４は開示の技術における第１配電線の一例であり、低圧配電線１１０は開示の技術における第２配電線の一例であり、トランス１０８は開示の技術におけるトランスの一例である。

次に図１を参照し、図２に示したような配電網１００におけるトランス１０８の接続相を判定する接続相判定装置１０を説明する。接続相判定装置１０は、需要家選択部１２、電力量データ取得部１４、線電流データ取得部１６、相関算出部１８、接続相判定部２０および出力処理部２２を含んでいる。また、相関算出部１８は、第１の相関定量化値算出部２４、フィルタ特性算出部２６および第２の相関定量化値算出部２８を含んでいる。

需要家選択部１２は、接続相の判定対象のトランス１０８を表すトランスＩＤを入力として受け付け、トランスＩＤに対応した配電区間および需要家を選択する。需要家選択部１２は配電情報記憶部３０が接続されており、配電情報記憶部３０は、例えば図３に示すような配電情報３２を記憶している。図３に示す配電情報３２は、スマートメータ１１６を設置している個々の需要家毎に、需要家を表す需要家ＩＤと、需要家が接続されているトランス１０８のトランスＩＤと、そのトランス１０８が属する配電区間を示す配電区間ＩＤとが対応付けられている。需要家選択部１２は、配電情報記憶部３０に記憶された配電情報を参照し、受け付けたトランスＩＤのトランス１０８が属する配電区間および受け付けたトランスＩＤのトランス１０８の配下の需要家を選択する。

電力量データ取得部１４は、電力量データ記憶部３４が接続されており、電力量データ記憶部３４は、例えば図４に示すような電力量データ３６を記憶している。電力量データ３６は、スマートメータ１１６が一定のサンプリング時間間隔(図４の例では30分)で計測した消費電力量Ｐ［ｋＷｈ］を収集したデータであり、スマートメータ１１６が設置されている需要家毎の消費電力量Ｐの時系列データである。電力量データ取得部１４は、需要家選択部１２が選択した需要家の消費電力量を表す電力量データを電力量データ記憶部３４から取得する。

線電流データ取得部１６は、線電流データ記憶部３８が接続されており、線電流データ記憶部３８は、例えば図５に示すような線電流データ４０を記憶している。線電流データ４０は、配電区間ＩＤに対応する配電区間において、一定のサンプリング時間間隔(図５の例では３０分)でセンサ内蔵開閉器１０６が計測したＡ線、Ｂ線およびＣ線の線電流の時系列データである。線電流データ取得部１６は、需要家選択部１２が選択した配電区間における線電流を表す線電流データを線電流データ記憶部３８から取得する。

相関算出部１８の第１の相関定量化値算出部２４は、電力量データ取得部１４が取得した電力量データおよび線電流データ取得部１６が取得した線電流データを周波数領域のデータへ各々変換する。そして、第１の相関定量化値算出部２４は、電力量Ｐと線電流Ｉ_Ｘの周波数領域のデータを用いて、電力量Ｐと線電流Ｉ_Ｘの相関を周波数ω_ｋ毎に定量化した第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)を算出する。

相関算出部１８のフィルタ特性算出部２６は、電力量Ｐの周波数ω_ｋ毎のスペクトルの大きさＳp,p(ω_ｋ)および線電流Ｉ_Ｘの周波数ω_ｋ毎のスペクトルの大きさＳI_Ｘ,I_Ｘ(ω_ｋ)を算出する。そして、フィルタ特性算出部２６は、算出したスペクトルの大きさを用いて、周波数ω_ｋ毎のフィルタ特性に相当する周波数ω_ｋ毎の重みｂ(ω_ｋ)を算出する。

相関算出部１８の第２の相関定量化値算出部２８は、周波数ω_ｋ毎の第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)と、周波数ω_ｋ毎の重みｂ(ω_ｋ)を用いて、電力量Ｐと線電流Ｉ_Ａ,Ｉ_Ｂ,Ｉ_Ｃとの各組み合わせ毎に相関を定量化した第２の相関定量化値ρp,I_Ｘを各々算出する。

接続相判定部２０は、第２の相関定量化値算出部２８で電力量Ｐと線電流Ｉ_Ａ,Ｉ_Ｂ,Ｉ_Ｃとの各組み合わせ毎に算出された第２の相関定量化値ρp,I_Ｘに基づいて、接続相判定対象のトランス１０８の接続相を判定する。

出力処理部２２は、接続相判定部２０による接続相の判定結果を、表示装置に表示したり、印刷装置で印刷することで出力する。

なお、相関算出部１８は開示の技術における算出部の一例であり、接続相判定部２０は開示の技術における判定部の一例である。

接続相判定装置１０は、例えば図６に示すコンピュータ５０で実現することができる。コンピュータ５０はＣＰＵ５２、一時記憶領域としてのメモリ５４および不揮発性の記憶部５６を含む。また、コンピュータ５０は、入出力装置５８が接続される入出力インターフェース(Ｉ／Ｆ)６０を備える。また、コンピュータ５０は、記録媒体６２に対するデータの読み出しおよび書き込みを行う読出書込装置(Ｒ／Ｗ)６４、および、インターネット等のネットワークに接続されるネットワークＩ／Ｆ６６を含む。ＣＰＵ５２、メモリ５４、記憶部５６、入出力Ｉ／Ｆ６０、Ｒ／Ｗ６４およびネットワークＩ／Ｆ６６は、バス６８を介して互いに接続されている。

記憶部５６はＨＤＤ(Hard Disk Drive)、ＳＳＤ(Solid State Drive)、フラッシュメモリ等によって実現される。記憶部５６には、コンピュータ５０を接続相判定装置１０として機能させるための接続相判定プログラム７０が記憶されている。ＣＰＵ５２は、接続相判定プログラム７０を記憶部５６から読み出してメモリ５４に展開し、接続相判定プログラム７０が有するプロセスを順次実行する。

接続相判定プログラム７０は、需要家選択プロセス７２、電力量データ取得プロセス７４、線電流データ取得プロセス７６、相関算出プロセス７８、接続相判定プロセス８０および出力処理プロセス８２を有する。また、相関算出プロセス７８は、第１の相関定量化値算出プロセス８４、フィルタ特性算出プロセス８６および第２の相関定量化値算出プロセス８８を含む。

ＣＰＵ５２は、需要家選択プロセス７２を実行することで、図１に示す需要家選択部１２として動作する。また、ＣＰＵ５２は、電力量データ取得プロセス７４を実行することで、図１に示す電力量データ取得部１４として動作する。また、ＣＰＵ５２は、線電流データ取得プロセス７６を実行することで、図１に示す線電流データ取得部１６として動作する。また、ＣＰＵ５２は、相関算出プロセス７８を実行することで、図１に示す相関算出部１８として動作する。より詳しくは、ＣＰＵ５２は、第１の相関定量化値算出プロセス８４を実行することで、図１に示す第１の相関定量化値算出部２４として動作する。

また、ＣＰＵ５２は、フィルタ特性算出プロセス８６を実行することで、図１に示すフィルタ特性算出部２６として動作する。また、ＣＰＵ５２は、第２の相関定量化値算出プロセス８８を実行することで、図１に示す第２の相関定量化値算出部２８として動作する。また、ＣＰＵ５２は、接続相判定プロセス８０を実行することで、図１に示す接続相判定部２０として動作する。また、ＣＰＵ５２は、出力処理プロセス８２を実行することで、図１に示す出力処理部２２として動作する。これにより、接続相判定プログラム７０を実行したコンピュータ５０が、接続相判定装置１０として機能することになる。

なお、配電情報３２、電力量データ３６および線電流データ４０については、記憶部５６に記憶させておくことで、記憶部５６を配電情報記憶部３０、電力量データ記憶部３４および線電流データ記憶部３８として機能させるようにしてもよい。また、配電情報３２、電力量データ３６および線電流データ４０は、コンピュータ５０とネットワークを介して接続された別のコンピュータに記憶されていてもよい。この場合、配電情報３２、電力量データ３６および線電流データ４０は、ネットワークおよびネットワークＩ／Ｆ６６を介して別のコンピュータから取得される。また、接続相判定装置１０は、例えば半導体集積回路、より詳しくはＡＳＩＣ（Application Specific Integrated Circuit）等で実現することも可能である。

次に本実施形態の作用を説明する。先に説明したように、第１の技術は、多くの需要家に共通する定常的な電力消費パターンに応じた変化の影響により、トランスの接続相の判定精度が低いという課題がある。

ここで、多くの需要家に共通する定常的な電力消費パターンは、主に、１日を周期とする比較的長周期のパターンである。このため、線電流および電力量の時系列データにハイパスフィルタを掛けることで、上記の定常的な電力消費パターンに相当する周波数成分を時系列データから除去または抑制することが考えられる。なお、本明細書ではこの技術を第２の技術と称する。この第２の技術により、多くの需要家に共通する定常的な電力消費パターンの影響を抑制できることで、接続相の判定精度が向上することが期待される。

しかしながら、多くの需要家に共通する定常的な電力消費パターンが、主に、１日を周期とするパターンであることは経験的に知られているものの、それ以外の認識されてないパターンが存在している可能性がある。そして、認識されていないパターンが存在しており、そのパターンの周波数がハイパスフィルタによって抑制される周波数帯域から外れていた場合には、認識されていないパターンの影響で接続相の判定精度が悪化する。このように、第２の技術におけるハイパスフィルタは、多くの需要家に共通する定常的な電力消費パターンの影響を全て抑制できる最適なフィルタ特性である保証はなく、接続相の判定精度向上の余地がある。

上記を考慮し、多くの需要家の定常的な電力消費パターンに応じた変化を含む、接続相が既知、または接続相の判定結果が既知のトランスに関する線電流および電力量の時系列データから、フィルタ特性を学習によって求めることが考えられる。なお、本明細書ではこの技術を第３の技術と称する。この第３の技術により、多数の需要家の定常的な電力消費パターンの平均に相当するパターンの影響を、パターンが既知か未知かに拘わらず抑制できるフィルタ特性のフィルタが得られることで、接続相の判定精度が向上することが期待される。

しかしながら、第３の技術は、接続相が既知、または接続相の判定結果が既知のトランスに関する線電流および電力量の時系列データが必要であり、データ量が十分でない場合には、接続相を判定できない、或いは、接続相の判定精度が悪化する事態を招く。

また、第３の技術は、定常的な電力消費パターンの平均に相当するパターンがトランスに拘わらず一定であることを前提にしている。しかし、個々のトランスは配下の需要家が互いに異なっており、個々の需要家における定常的な電力消費パターンが同じである保証もない。このため、第３の技術で学習によって求めたフィルタ特性が、全てのトランスにとって最適なフィルタ特性とは限らない。そして、接続相判定対象のトランスの配下の需要家における定常的な電力消費パターンが、多数の需要家の定常的な電力消費パターンの平均と相違している場合には、接続相の判定精度が低下する。

すなわち、図１４には、線電流および電力量の時間変化を模擬した波形を示す。図１４において、Ｉa,Ｉb,Ｉcは３相の配電線の線電流の時間変化を模擬しており、Ｐ₁〜Ｐ₁₀₀₁は総数1001の需要家の電力量の時間変化を模擬している。また、図１４に示した各波形は、何れも１周期を100ポイントとする正弦波に乱数を重畳したものである。このうち、正弦波成分は定常的な電力消費パターンに対応する成分を模擬したものであり、乱数成分は相関の判定に本来寄与する非定常的な電力消費に対応する成分を模擬したものである。

ここで、図１４に波形を示した線電流および電力量を用いて第３の技術によりフィルタ特性を学習した場合、図１４に下側に示すように、定常的な電力消費パターンに対応する成分を模擬した１周期が100ポイントの正弦波成分を除去するフィルタ特性が得られる。このフィルタ特性は、総数1001の需要家の全てに対し、電力量の時間変化から定常的な電力消費パターンに対応する成分を模擬した１周期が100ポイントの正弦波成分を除去できる、最適なフィルタ特性である。

一方、図１５には、線電流および電力量の時間変化を模擬した波形の他の例を示す。図１５において、Ｉa,Ｉb,ＩcおよびＰ₁〜Ｐ₁₀₀₀は図１４に示した波形と同じである。図１５で図１４と異なっている点は、1001番目の需要家の電力量の時間変化を模擬した波形Ｐ₁₀₀₁が、１周期が50ポイントの正弦波に乱数を重畳したものである点である。図１５に波形を示した線電流および電力量を用いて第３の技術によりフィルタ特性を学習した場合、1〜1000番目の需要家の波形Ｐ₁〜Ｐ₁₀₀₀が同じであることから、この波形が学習に及ぼす影響が支配的になる。従って、図１５の例でも、図１５に下側に示すように、図１４の例と同じく１周期が100ポイントの正弦波を除去するフィルタ特性が得られる。

しかし、このフィルタ特性のフィルタを1001番目の需要家の電力量の波形Ｐ₁₀₀₁に適用した場合、波形Ｐ₁₀₀₁に含まれる定常的な電力消費パターンに対応する成分を模擬した正弦波成分は１周期が50ポイントであることから、この正弦波成分を除去できない。すなわち、図１５の例で得られるフィルタ特性は、1001番目の需要家のデータを用いた接続相判定における最適なフィルタ特性ではなく、1001番目の需要家の定常的な電力消費パターンの影響を除去できないので、接続相の判定精度が低下する。

上記に基づき本実施形態では、接続相判定対象のトランス１０８の配下のスマートメータ１１６で計測された電力量Ｐと高圧配電線１０４の線電流Ｉ_Ｘとの複数の相関評価値を、次のように算出する。すなわち、複数の前記相関評価値を、各周波数成分における電力量Ｐと線電流Ｉ_Ｘとの相関値に対する抑圧量を、電力量Ｐおよび線電流Ｉ_Ｘの各周波数成分のスペクトルの大きさに応じて大きくして算出する。そして、算出した複数の前記相関評価値に基づいて接続相判定対象のトランス１０８の接続相を判定する。

以下、接続相判定対象のトランス１０８のトランスＩＤが接続相判定装置１０に入力された場合に、ＣＰＵ５２によって接続相判定プログラム７０が実行されることで、接続相判定装置１０で行われる接続相判定処理について、図７を参照して説明する。

接続相判定処理のステップ１５０において、需要家選択部１２は、接続相判定装置１０に入力された接続相判定対象のトランス１０８のトランスＩＤを受け付ける。ステップ１５２において、需要家選択部１２は、ステップ１５０で受け付けたトランスＩＤをキーにして配電情報記憶部３０に記憶された配電情報３２を検索することで、接続相判定対象のトランス１０８に対応付けられた配電区間および需要家のＩＤを取得する。例えば、図３に示す配電情報３２が配電情報記憶部３０に記憶され、受け付けたトランスＩＤが"T2"の場合、需要家選択部１２により、配電区間ＩＤとして"11-2"が取得され、需要家のＩＤとして"d2","d3","d4"が取得される。

ステップ１５４において、電力量データ取得部１４は、ステップ１５２で需要家選択部１２が取得した需要家ＩＤをキーにして電力量データ記憶部３４に記憶された電力量データ３６を検索することで、上記の需要家ＩＤと対応付けられた電力量データを取得する。ステップ１５４で取得される電力量データは、接続相判定対象のトランス１０８の配下の需要家のうち、スマートメータ１１６が設置されている需要家のスマートメータ１１６で計測された消費電力量Ｐの時系列データである。以下、電力量データ(消費電力量Ｐの時系列データ)を、Ｐ(ｔ) （但しｔ＝１,…,Ｔ)と表することとする。

なお、スマートメータ１１６は消費電力量Ｐの計測を30分毎に行う構成が一般的である。この場合、消費電力量Ｐのデータが１日あたり４８ポイント取得される。消費電力量Ｐの取得期間を１年＝３６５日とすると時系列データの総数Ｔ＝17520となる。以下ではＴ＝17520の例を説明する。

また、電力量データ取得部１４は、需要家選択部１２によって需要家ＩＤが複数取得された場合(接続相判定対象のトランス１０８の配下にスマートメータ１１６を設置している需要家が複数存在する場合)、各需要家の電力量データを全て取得する。そして、電力量データ取得部１４は、取得した複数の電力量データについて、各ポイント毎に消費電力量Ｐの合計値を演算することで、複数の電力量データを１つの電力量データに統合する。

例えば、接続相判定対象のトランス１０８の配下に、スマートメータ１１６を設置している需要家が需要家１〜５の５軒存在しており、各需要家に対応する電力量データをＰ1(ｔ),…,Ｐ5(ｔ)とすると、電力量データ取得部１４は以下の演算を行う。
Ｐ(ｔ)＝Ｐ1(ｔ)＋Ｐ2(ｔ)＋…＋Ｐ5(ｔ) (ｔ＝１,２,３,…,17520)
これにより、５つの電力量データが１つの電力量データに統合される。

次のステップ１５６において、線電流データ取得部１６は、ステップ１５２で需要家選択部１２が取得した配電区間ＩＤをキーにして線電流データ記憶部３８に記憶された線電流データ４０を検索する。そして、線電流データ取得部１６は、上記の配電区間ＩＤと対応付けられた３本の高圧配電線１０４の線電流Ｉ_Ｘ(詳しくは、Ａ線の線電流Ｉ_Ａ、Ｂ線の線電流Ｉ_ＢおよびＣ線の線電流Ｉ_Ｃ)の時系列データである線電流データを取得する。

ステップ１５６で取得される線電流データは、接続相判定対象のトランス１０８が存在する配電区間におけるセンサ内蔵開閉器１０６で計測された線電流Ｉ_Ｘの時系列データである。以下、線電流データ(線電流Ｉ_Ｘの時系列データ)を、Ｉ_Ｘ(ｔ) （但しｔ＝１,…,Ｔ)と表することとする。

なお、本実施形態では、少なくとも配電区間が同一のセンサ内蔵開閉器１０６およびスマートメータ１１６が、同一時刻または同一とみなせる所定時間差以内の時刻に、線電流Ｉ_Ｘまたは消費電力量Ｐの計測を各々行うものとする。これにより、時系列データの総数Ｔも電力量データと同じ(Ｔ＝17520)になり、線電流データＩ_Ｘ(ｔ)は、より詳しくは以下のように表せる。
Ｉ_Ａ(ｔ) (ｔ＝１,…,17520)
Ｉ_Ｂ(ｔ) (ｔ＝１,…,17520)
Ｉ_Ｃ(ｔ) (ｔ＝１,…,17520)

なお、線電流データ取得部１６は、接続相判定対象のトランス１０８よりも送電方向上流側(配電変電所１０２側)に設置されたセンサ内蔵開閉器１０６(図８の例ではセンサ内蔵開閉器１０６_１)で計測された線電流データＩ_Ｘ(ｔ)を取得する。但し、図８のように接続相判定対象のトランス１０８よりも送電方向下流側にもセンサ内蔵開閉器１０６が存在する場合(図８の例ではセンサ内蔵開閉器１０６_２,１０６_３)は、これらのセンサ内蔵開閉器１０６によって計測された線電流データＩ_Ｘ(ｔ)も取得する。そして、線電流データ取得部１６は、接続相判定対象のトランス１０８よりも上流側より取得した線電流データＩ_Ｘ(ｔ)から、接続相判定対象のトランス１０８よりも下流側より取得した線電流データＩ_Ｘ(ｔ)を各ポイント毎に減算する。

例えば、図８に示すセンサ内蔵開閉器１０６_１から取得した線電流データをＩ_Ａ１(ｔ),Ｉ_Ｂ１(ｔ),Ｉ_Ｃ１(ｔ)、センサ内蔵開閉器１０６_２,１０６_３から取得した線電流データをそれぞれＩ_Ａ２(ｔ),Ｉ_Ｂ２(ｔ),Ｉ_Ｃ２(ｔ)、Ｉ_Ａ３(ｔ),Ｉ_Ｂ３(ｔ),Ｉ_Ｃ３(ｔ)とする。この場合、以下の演算を行う。
Ｉ_Ａ(ｔ)＝Ｉ_Ａ１(ｔ)−(Ｉ_Ａ2(ｔ)＋Ｉ_Ａ3(ｔ)) (ｔ＝１,２,…,17520)
Ｉ_Ｂ(ｔ)＝Ｉ_Ｂ１(ｔ)−(Ｉ_Ｂ2(ｔ)＋Ｉ_Ｂ3(ｔ)) (ｔ＝１,２,…,17520)
Ｉ_Ｃ(ｔ)＝Ｉ_Ｃ１(ｔ)−(Ｉ_Ｃ2(ｔ)＋Ｉ_Ｃ3(ｔ)) (ｔ＝１,２,…,17520)

一方、図９に示すように、接続相判定対象のトランス１０８よりも送電方向下流側にセンサ内蔵開閉器１０６が存在しない場合は、接続相判定対象のトランス１０８よりも送電方向上流側より取得した線電流データＩ_Ａ１(ｔ),Ｉ_Ｂ１(ｔ),Ｉ_Ｃ１(ｔ)をそのまま用いる。すなわち、
Ｉ_Ａ(ｔ)=Ｉ_Ａ１(ｔ) (ｔ＝１,…,17520)
Ｉ_Ｂ(ｔ)=Ｉ_Ｂ１(ｔ) (ｔ＝１,…,17520)
Ｉ_Ｃ(ｔ)=Ｉ_Ｃ１(ｔ) (ｔ＝１,…,17520)
とする。

次のステップ１５８において、相関算出部１８の第１の相関定量化値算出部２４は、電力量Ｐと線電流Ｉ_Ｘの相関の強さを周波数ω_ｋ毎に定量化した第１の相関定量化値Ｓp,I_Ｘ(ω_ｋを算出する。第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)は、例えば次の(１)式で求めることができる。

但し、(１)式において、Ｐ＾は、電力量データＰ(ｔ)を、離散フーリエ変換(ＤＦＴ：Discrete Fourier Transform)を高速に計算するアルゴリズムであるＦＦＴ(Fast Fourier Transform：高速フーリエ変換)によって周波数領域のデータに変換したものである。Ｉ＾_Ｘは、線電流データＩ_Ｘ(ｔ)を、同じくＦＦＴによって周波数領域データに変換したものである。ＫはＦＦＴのポイント数、〈＊〉は＊のアンサブル平均、Ｒe(＊)は＊の実部をとる演算を表す。また、Ｐ￣²はＰ(ｔ)² (ｔ＝１,…,17520)の平均を表し、Ｉ_Ｘ￣²はＩ_Ｘ(ｔ)² (ｔ＝１,…,17520)の平均を表している。

先の(１)式の具体的な演算方法について、Ｔ＝17520の場合を例により詳しく説明する。電力量データＰ(ｔ) (ｔ＝１,…,17520)から、17520サンプルの区間よりも短い区間(ここでは例として336サンプルとする、これがＫとなる)を、それよりも短い区間(ここでは例として168サンプルとする)ずつずらしながら取得する。取得したものをＰ[m] (m＝1,2,…103)とする。式で表現すると以下のようになる。

Ｐ[1]＝(Ｐ(1＋0×168),Ｐ(2＋0×168),…,Ｐ(336＋0×168))
Ｐ[2]＝(Ｐ(1＋1×168),Ｐ(2＋1×168),…,Ｐ(336＋1×168))
Ｐ[3]＝(Ｐ(1＋2×168),Ｐ(2＋2×168),…,Ｐ(336＋2×168))
：
Ｐ[103]＝(Ｐ(1＋0×168),Ｐ(2＋0×168),…,Ｐ(336＋0×168))
上記処理のイメージを図１０に示す。

また、Ｐ[m]と同様にＩ_Ｘ[m] (m＝1,2,…103)も求める。但し、Ｐ[m]とＩ_Ｘ[m]とで区間長やずらし方は同一とする。

次に、Ｐ[m]＝(Ｐ(1＋m×168),Ｐ(2＋m×168),…,Ｐ(336＋m×168))をＦＦＴによって周波数領域のデータへ変換したもの、すなわち

を算出する。なお、ω_ｋは正規化周波数を表し、

で与えられる。同様に、Ｉ_Ｘ[m]＝(Ｉ_Ｘ(1＋m×168), Ｉ_Ｘ(2＋m×168),…, Ｉ_Ｘ(336＋m×168))をＦＦＴによって周波数領域のデータへ変換したもの、すなわち

も同様に算出する。

この場合、第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)は次の(２)式で算出される。

なお、(２)式において、右上の添え字”*”は共役複素数を表す。また、(２)式のうち、

の部分がアンサンブル平均〈＊〉に相当する。

次のステップ１６０において、相関算出部１８のフィルタ特性算出部２６は、電力量Ｐの周波数ω_ｋ毎のスペクトルの大きさＳp,p(ω_ｋ)と、線電流Ｉ_Ｘの周波数ω_ｋ毎のスペクトルの大きさＳI_Ｘ,I_Ｘ(ω_ｋ)を各々算出する。電力量Ｐの周波数ω_ｋ毎のスペクトルの大きさＳp,p(ω_ｋ)は次の(３)式で算出できる。

また、線電流Ｉ_Ｘの周波数ω_ｋ毎のスペクトルの大きさＳI_Ｘ,I_Ｘ(ω_ｋ)は次の(４)式で算出できる。

上記の(３),(４)式の具体的な演算方法は、先に説明したステップ１５８と同様であるので説明を省略する。

ステップ１６２において、相関算出部１８のフィルタ特性算出部２６は、ステップ１６０で算出したスペクトルの大きさＳp,p(ω_ｋ),ＳI_Ｘ,I_Ｘ(ω_ｋ)に基づいて、フィルタ特性(周波数ω_ｋ毎の重みｂ(ω_ｋ))を算出する。重みｂ(ω_ｋ)は、次の２つの条件を満たすものであればよい。
(条件１)スペクトルの大きさＳp,p(ω_ｋ)が大きい周波数ω_ｋほど重みｂ(ω_ｋ)の値を小さくする。
(条件２)スペクトルの大きさＳI_Ｘ,I_Ｘ(ω_ｋ)が大きい周波数ω_ｋほど重みｂ(ω_ｋ)の値を小さくする。
上記の条件を満たす重みｂ(ω_ｋ)は、例えば次の(５)式により算出できる。

(５)式で各周波数成分ω_ｋ毎に求めた重みｂ(ω_ｋ)により表されるフィルタ特性の一例を図１１に示す。但し、ｂ(ω_ｋ)＝ｂ(ω_Ｋ＝ｋ) (ｋ＝1,2,…,Ｋ-１)が成り立つので、図１１では正規化周波数0.5以上はプロットしていない。

なお、ステップ１５８と、ステップ１６０,１６２との実行順序は、図７に示した順序に限られるものではなく、ステップ１６０,１６２の処理をステップ１５８の処理よりも先に実行してもよい。

次のステップ１６４において、相関算出部１８の第２の相関定量化値算出部２８は、電力量Ｐと線電流Ｉ_Ａ、電力量Ｐと線電流Ｉ_Ｂ、電力量Ｐと線電流Ｉ_Ｃの各組み合わせについて、第２の相関定量化値ρp,I_Ｘを各々算出する。第２の相関定量化値ρp,I_Ｘは、ステップ１６２でフィルタ特性算出部２６によって算出された重みｂ(ω_ｋ)により表されるフィルタ特性のフィルタと第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)を用いて、次の(６)式で算出できる。

なお、第２の相関定量化値ρp,I_Ｘは開示の技術における相関評価値の一例であり、第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)は開示の技術における「各周波数成分における相関値」の一例であり、重みｂ(ω_ｋ)は開示の技術における抑圧量の一例である。

ステップ１６６において、接続相判定部２０は、ステップ１６４で相関算出部１８の第２の相関定量化値算出部２８によって算出された第２の相関定量化値ρp,I_Ａ,ρp,I_Ｂ,ρp,I_Ｃのうちρp,I_Ｃが最小か否か判定する。ステップ１６６の判定が肯定された場合はステップ１７０へ移行し、ステップ１７０において、接続相判定部２０は、接続相判定対象のトランス１０８の接続相はＡＢ相と判定する。

また、ステップ１６６の判定が否定された場合はステップ１６８へ移行する。ステップ１６８において、接続相判定部２０は、ステップ１６４で相関算出部１８の第２の相関定量化値算出部２８によって算出された第２の相関定量化値ρp,I_Ａ,ρp,I_Ｂ,ρp,I_Ｃのうちρp,I_Ａが最小か否か判定する。ステップ１６８の判定が肯定された場合はステップ１７２へ移行し、ステップ１７２において、接続相判定部２０は、接続相判定対象のトランス１０８の接続相はＢＣ相と判定する。

また、ステップ１６８の判定が否定された場合はステップ１７４へ移行する。ステップ１７４において、接続相判定部２０は、接続相判定対象のトランス１０８の接続相はＣＡ相と判定する。

ステップ１７０またはステップ１７２またはステップ１７４の処理を行うとステップ１７６へ移行する。ステップ１７６において、出力処理部２２は、ステップ１７０またはステップ１７２またはステップ１７４における接続相の判定結果を、表示装置に表示したり、印刷装置で印刷することによって出力し、接続相判定処理を終了する。

上述のように、本実施形態では、３本の高圧配電線１０４のうちの何れか２つに接続されたトランス１０８の配下のスマートメータ１１６で計測された電力量データＰ(ｔ)と、３本の高圧配電線１０４の線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)を取得する。また、第２の相関定量化値ρp,I_Ｘを、周波数ω_ｋ毎の第１の相関定量化値Ｓp,I_Ｘ(ω_ｋ)に対する抑圧量(重みｂ(ω_ｋ)の逆数)を、電力量および線電流の周波数ω_ｋ毎のスペクトルの大きさＳp,p(ω_ｋ),ＳI_Ｘ,I_Ｘ(ω_ｋ)が大きくなるに従って大きくして算出する。そして、算出した複数の第２の相関定量化値ρp,I_Ｘに基づいて接続相判定対象のトランス１０８の接続相を判定する。これにより、需要家の定常的な電力消費パターンの影響を抑制して接続相の判定精度を向上させることができる。

特に、接続相判定対象のトランス１０８の配下のスマートメータ１１６を設置している需要家の定常的な電力消費パターンが多数の需要家の定常的な電力消費パターンの平均と相違していた場合に、相違しているパターンが周波数ω_ｋ毎の重みｂ(ω_ｋ)に反映される。すなわち、接続相判定対象のトランス１０８の配下のスマートメータ１１６を設置している需要家の定常的な電力消費パターンの影響が抑制されるように周波数ω_ｋ毎の重みｂ(ω_ｋ)が算出される。従って、上記の場合のトランス１０８の接続相の判定精度を向上させることができる。

また、本実施形態において、３本の高圧配電線１０４の線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)は、トランス１０８が複数接続された箇所よりも上流側の位置で計測される。このため、線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)には、多数の需要家の定常的な電力消費パターンの平均に相当する成分が含まれている。これに対して本実施形態では、周波数ω_ｋ毎の重みｂ(ω_ｋ)を、電力量および線電流の周波数ω_ｋ毎のスペクトルの大きさＳp,p(ω_ｋ),ＳI_Ｘ,I_Ｘ(ω_ｋ)が大きくなるに従って大きくして算出している。これにより、多数の需要家の定常的な電力消費パターンの平均に相当するパターンの影響も抑制されるように周波数ω_ｋ毎の重みｂ(ω_ｋ)が算出される。従って、高圧配電線１０４のうちトランス１０８が複数接続された箇所よりも上流側で線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)を計測する場合にも、トランス１０８の接続相の判定精度を向上させることができる。

なお、上記では高圧配電線１０４が３本の例を説明したが、これに限定されるものではなく、高圧配電線１０４の数は４本、或いは５本以上であってもよい。

また、実施形態に記載した数式は一例であり、開示の技術の主旨を逸脱しない範囲内で適宜変更可能である。

また、上記では周波数領域のデータを離散値(デジタル)として処理する態様を説明したが、電力量および線電流の計測時間間隔が十分に小さければ、周波数領域のデータを連続値(アナログ)として処理することも可能である。

更に、上記では開示の技術をトランス１０８の接続相の判定に適用した態様を説明したが、これに限定されるものではない。例えば、３以上の第１配電線のうちの何れか２つに第２配電線が直接接続された形態における第２配電線の接続相の判定に適用することも可能である。

また、上記では接続相判定プログラムが記憶部５６に予め記憶（インストール）されている態様を説明したが、接続相プログラムは、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ、メモリカード等の記録媒体に記録されている形態で提供することも可能である。

本明細書に記載された全ての文献、特許出願および技術規格は、個々の文献、特許出願および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

以上の実施形態に関し、更に以下の付記を開示する。

（付記１）
３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された電力量、および、３以上の前記第１配電線の線電流の各々との相関評価値を、各周波数成分における前記電力量と前記線電流の各々との相関値に各周波数成分のスペクトルの大きさに応じた抑圧量を適用して算出し、
算出した複数の前記相関評価値に基づいて前記第２配電線の接続相を判定する
処理をコンピュータに実行させる接続相判定プログラム。

（付記２）
前記抑圧量は、各周波数成分のスペクトルの大きさに応じて大きくなる付記１記載の接続相判定プログラム。

（付記３）
前記第２配電線は、複数の前記第１配電線のうちの何れか２つにトランスを介して接続され、
前記複数の相関評価値に基づいて前記トランスの接続相を判定する付記１または付記２記載の接続相判定プログラム。

（付記４）
前記電力量の周波数ω_ｋ毎のスペクトルの大きさをＳp,p(ω_ｋ)、前記線電流の周波数ω_ｋ毎のスペクトルの大きさをＳI_Ｘ,I_Ｘ(ω_ｋ)としたときに、周波数ω_ｋ毎の相関値に対する抑圧量として、

周波数ω_ｋ毎のフィルタ特性を表す、上記の(７)式で求まる周波数ω_ｋ毎の重みｂ(ω_ｋ)を用いる付記１〜付記３の何れか１項記載の接続相判定プログラム。

（付記５）
前記計測装置は、前記第２配電線の配下の需要家単位の電力量を、前記第２配電線の配下の複数の需要家のうちの１つ以上の需要家について計測し、
前記第１配電線の線電流は、前記複数の第１配電線のうち、互いに異なる前記第２配電線が接続された複数の接続箇所よりも上流側の位置で計測される付記１〜付記４の何れか１項記載の接続相判定プログラム。

（付記６）
３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された電力量、および、３以上の前記第１配電線の線電流の各々との相関評価値を、各周波数成分における前記電力量と前記線電流の各々との相関値に各周波数成分のスペクトルの大きさに応じた抑圧量を適用して算出し、
算出した複数の前記相関評価値に基づいて前記第２配電線の接続相を判定する
処理をコンピュータに実行させる接続相判定方法。

（付記７）
前記抑圧量は、各周波数成分のスペクトルの大きさに応じて大きくなる付記６記載の接続相判定方法。

（付記８）
前記第２配電線は、複数の前記第１配電線のうちの何れか２つにトランスを介して接続され、
前記複数の相関評価値に基づいて前記トランスの接続相を判定する付記６または付記７記載の接続相判定方法。

（付記９）
前記電力量の周波数ω_ｋ毎のスペクトルの大きさをＳp,p(ω_ｋ)、前記線電流の周波数ω_ｋ毎のスペクトルの大きさをＳI_Ｘ,I_Ｘ(ω_ｋ)としたときに、周波数ω_ｋ毎の相関値に対する抑圧量として、

周波数ω_ｋ毎のフィルタ特性を表す、上記の(７)式で求まる周波数ω_ｋ毎の重みｂ(ω_ｋ)を用いる付記６〜付記８の何れか１項記載の接続相判定方法。

（付記１０）
前記計測装置は、前記第２配電線の配下の需要家単位の電力量を、前記第２配電線の配下の複数の需要家のうちの１つ以上の需要家について計測し、
前記第１配電線の線電流は、前記複数の第１配電線のうち、互いに異なる前記第２配電線が接続された複数の接続箇所よりも上流側の位置で計測される付記６〜付記９の何れか１項記載の接続相判定方法。

（付記１１）
３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された電力量、および、３以上の前記第１配電線の線電流の各々との相関評価値を、各周波数成分における前記電力量と前記線電流の各々との相関値に各周波数成分のスペクトルの大きさに応じた抑圧量を適用して算出する算出部と、
前記算出部によって算出された複数の前記相関評価値に基づいて前記第２配電線の接続相を判定する判定部と、
を含む接続相判定装置。

（付記１２）
前記算出部は、各周波数成分のスペクトルの大きさに応じて前記抑圧量を大きくする付記１１記載の接続相判定装置。

（付記１３）
前記第２配電線は、複数の前記第１配電線のうちの何れか２つにトランスを介して接続され、
前記判定部は、前記複数の相関評価値に基づいて前記トランスの接続相を判定する付記１１または付記１２記載の接続相判定装置。

（付記１４）
前記算出部は、前記電力量の周波数ω_ｋ毎のスペクトルの大きさをＳp,p(ω_ｋ)、前記線電流の周波数ω_ｋ毎のスペクトルの大きさをＳI_Ｘ,I_Ｘ(ω_ｋ)としたときに、周波数ω_ｋ毎の相関値に対する抑圧量として、

周波数ω_ｋ毎のフィルタ特性を表す、上記の(７)式で求まる周波数ω_ｋ毎の重みｂ(ω_ｋ)を用いる付記１１〜付記１３の何れか１項記載の接続相判定装置。

（付記１５）
前記計測装置は、前記第２配電線の配下の需要家単位の電力量を、前記第２配電線の配下の複数の需要家のうちの１つ以上の需要家について計測し、
前記第１配電線の線電流は、前記複数の第１配電線のうち、互いに異なる前記第２配電線が接続された複数の接続箇所よりも上流側の位置で計測される付記１１〜付記１４の何れか１項記載の接続相判定装置。

次に、上述した実施形態で説明した接続相判定(以下、提案手法という)による判定精度を確認するために、本願発明者等が実施した数値実験の結果を説明する。この数値実験では、実データおよび実データから算出した実験用のデータを用い、第１の技術〜第３の技術および提案手法により接続相の判定を各々行い、判定精度を評価した。

本数値実験では、図１２に示す仮想配電網１２０を想定した。仮想配電網１２０は、配電変電所１０２から、３本の高圧配電線１０４の組(フィーダ)が４系統延びているものとし、各フィーダの名称をそれぞれＹ,Ｔ,Ｈ,Ｋとした。なお、図１２では図面の錯綜を避けるため、フィーダを２系統のみ示している。各フィーダには、配電変電所１０２の直後にセンサ内蔵開閉器１０６が各々設けられているものとした。また、高圧配電線１０４に接続されたトランス１０８の数、個々のトランス１０８の配下の需要家の数は、個々のフィーダ毎に図１２の表に示す通りにした。

また、本数値実験では、個々のトランス１０８の配下の需要家のうち、スマートメータ１１６を設置している需要家の数として２つのケースを想定した。第１のケースは、個々のトランス１０８の配下のスマートメータ１１６を設置している需要家の数が「１」の場合で、図１２の表ではこのケースをメータパターン１として示している。第２のケースは、個々のトランス１０８の配下の全ての需要家がスマートメータ１１６を設置している場合で、図１２の表ではこのケースをメータパターン２として示している。

スマートメータ１１６によって計測される電力量データＰ(ｔ)としては、スマートメータの実証実験で公開された実データを使用した。本数値実験で用意した電力量データＰ(ｔ)は、１年分のデータで、スマートメータ１１６が30分毎に１回計測を行うものとした。このため、1年分の電力量データＰ(ｔ)は17520個のデータになった(Ｐ(ｔ) (ｔ＝１,…,17520))。

センサ内蔵開閉器１０６によって計測される線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)については、実データから算出した実験用のデータを用いた。すなわち、本数値実験のために、結線やインピーダンス等を現実に合わせた仮想配電系統を設定した。そして、この仮想配電系統のデータと実データである電力量データＰ(ｔ)から潮流計算により算出した。また、本数値実験で用意した線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)は、電力量データＰ(ｔ)と同じく１年分のデータで、データの個数はそれぞれ17520個になった(Ｉ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ) (ｔ＝１,…,17520))。

また、第３の技術に関しては、本数値実験を他の技術と対等な条件とするために、第２の技術で接続相を判定したトランス１０８に関する電力量データＰ(ｔ)および線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)をフィルタ特性の学習に用いた。

更に、電力量データＰ(ｔ)および線電流データＩ_Ａ(ｔ),Ｉ_Ｂ(ｔ),Ｉ_Ｃ(ｔ)の全データを使用するケースと、３ヶ月分のデータを使用するケースを設け、前述のメータパターン１,２との組み合わせにより、個々の技術毎に４つのケースで接続相の判定を行った。本数値実験の結果を図１３に示す。

図１３に示すように、提案手法による接続相判定の判定精度は、４ケースの全てにおいて、第１の技術および第２の技術による接続相判定の判定精度を上回っている。

また、提案手法を第３の技術と比較すると、メータパターン１については第３の技術よりも高い判定精度が得られている。メータパターン１は、判定対象のトランス１０８の配下のスマートメータ１１６を設置している需要家の数が「１」の場合である。第３の技術で学習されるフィルタ特性は、多数の需要家の定常的な電力消費パターンの平均に相当する電力消費パターンの影響を除去する特性になる。このため、第３の技術は、判定対象のトランス１０８の配下でスマートメータ１１６を唯一設置している需要家の定常的な電力消費パターンが、多数の需要家の定常的な電力消費パターンの平均と相違が大きくなるに従って、接続相の判定精度が悪化する。

これに対して提案手法は、スマートメータ１１６を設置している少数の需要家の定常的な電力消費パターンが多数の需要家の定常的な電力消費パターンの平均と大きく相違していたとしても、相違している定常的な電力消費パターンに応じたフィルタ特性が得られる。従って、判定対象のトランス１０８の配下のスマートメータ１１６を設置している需要家の数が少ないメータパターン１のような場合に、第３の技術よりも高精度に接続相を判定できるものと推察される。

一方、提案手法は、メータパターン２については第３の技術に対して判定精度が僅かに低下している。メータパターン２は、判定対象のトランス１０８の配下の全ての需要家がスマートメータ１１６を設置している場合である。この場合、判定対象のトランス１０８の配下の需要家の中に、定常的な電力消費パターンが多数の需要家の定常的な電力消費パターンの平均と相違している需要家が含まれていたとしても、それが電力量データＰ(ｔ)に及ぼす影響は相対的に小さくなる。従って、殆どの需要家がスマートメータ１１６を設置しているメータパターン２のような場合は、多数の需要家の定常的な電力消費パターンの平均に相当する電力消費パターンの影響を除去するフィルタ特性のフィルタが有効になると考えられる。

しかし、メータパターン２についての第３の技術と提案手法との判定精度の差は僅かであり、提案手法は、第３の技術のように大量のデータを用いてフィルタ特性を学習するという高負荷の処理が不要というメリットがある。また、スマートメータ１１６の普及の実情はメータパターン１に近く、少なくともメータパターン２相当までスマートメータ１１６の普及が進むまでの間は、第３の技術よりも提案手法の方が有用と考えられる。

１０ 接続相判定装置
１８ 相関算出部
２０ 接続相判定部
２４ 第１の相関定量化値算出部
２６ フィルタ特性算出部
２８ 第２の相関定量化値算出部
５０ コンピュータ
５２ ＣＰＵ
５６ 記憶部
７０ 接続相判定プログラム
１００ 配電網
１０２ 配電変電所
１０４ 高圧配電線
１０６ センサ内蔵開閉器
１０８ トランス
１１０ 低圧配電線
１１６ スマートメータ

Claims (7)

1. ３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された特定の需要家の電力消費を表す電力量、および、３以上の前記第１配電線の多数の需要家の電力消費を表す線電流の各々との相関評価値を、各周波数成分における前記電力量と前記線電流の各々との相関値に、前記電力量および前記線電流の各周波数成分のスペクトルの大きさに応じた特定の需要家の定常的な電力消費パターンの影響および多数の需要家の定常的な電力消費パターンの影響を抑制する抑圧量を適用して算出し、
   算出した複数の前記相関評価値に基づいて前記第２配電線の接続相を判定する
   処理をコンピュータに実行させる接続相判定プログラム。
2. 前記抑圧量は、各周波数成分のスペクトルの大きさに応じて大きくなる請求項１記載の接続相判定プログラム。
3. 前記第２配電線は、複数の前記第１配電線のうちの何れか２つにトランスを介して接続され、
   前記複数の相関評価値に基づいて前記トランスの接続相を判定する請求項１または請求項２記載の接続相判定プログラム。
4. 前記電力量の周波数ω_ｋ毎のスペクトルの大きさをＳp,p(ω_ｋ)、前記線電流の周波数ω_ｋ毎のスペクトルの大きさをＳI_Ｘ,I_Ｘ(ω_ｋ)としたときに、周波数ω_ｋ毎の相関値に対する抑圧量として、
   
   周波数ω_ｋ毎のフィルタ特性を表す、上記の(１)式で求まる周波数ω_ｋ毎の重みｂ(ω_ｋ)を用いる請求項１〜請求項３の何れか１項記載の接続相判定プログラム。
5. 前記計測装置は、前記第２配電線の配下の需要家単位の電力量を、前記第２配電線の配下の複数の需要家のうちの１つ以上の需要家について計測し、
   前記第１配電線の線電流は、前記複数の第１配電線のうち、互いに異なる前記第２配電線が接続された複数の接続箇所よりも上流側の位置で計測される請求項１〜請求項４の何れか１項記載の接続相判定プログラム。
6. ３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された特定の需要家の電力消費を表す電力量、および、３以上の前記第１配電線の多数の需要家の電力消費を表す線電流の各々との相関評価値を、各周波数成分における前記電力量と前記線電流の各々との相関値に前記電力量および前記線電流の各周波数成分のスペクトルの大きさに応じた特定の需要家の定常的な電力消費パターンの影響および多数の需要家の定常的な電力消費パターンの影響を抑制する抑圧量を適用して算出し、
   算出した複数の前記相関評価値に基づいて前記第２配電線の接続相を判定する
   処理をコンピュータに実行させる接続相判定方法。
7. ３以上の第１配電線のうちの何れか２つに接続された第２配電線の配下の計測装置で計測された特定の需要家の電力消費を表す電力量、および、３以上の前記第１配電線の多数の需要家の電力消費を表す線電流の各々との相関評価値を、各周波数成分における前記電力量と前記線電流の各々との相関値に前記電力量および前記線電流の各周波数成分のスペクトルの大きさに応じた特定の需要家の定常的な電力消費パターンの影響および多数の需要家の定常的な電力消費パターンの影響を抑制する抑圧量を適用して算出する算出部と、
   前記算出部によって算出された複数の前記相関評価値に基づいて前記第２配電線の接続相を判定する判定部と、
   を含む接続相判定装置。