JP7433532B1 - 疑似異常データ生成装置、設備監視システム、疑似異常データ生成方法、およびプログラム - Google Patents

Abstract

各々が時系列データである複数の異常データから、少なくとも複数の異常データの特徴量に基づき、複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、各時刻において、グループ生成部により生成されたグループに含まれる異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、バンド生成部が生成したバンドに基づき、疑似異常データを生成するバンド変調部とを備える疑似異常データ生成装置である。これにより、シミュレーションおよび実験を行うためのノウハウを用いずに疑似異常データを生成できる。

Description

本発明は、疑似異常データ生成装置、設備監視システム、疑似異常データ生成方法、およびプログラムに関する。

設備機器の異常を検出するための学習モデルが、機械学習により生成されている。しかし、異常時のデータ量は少ないため、異常を検出する学習モデル生成用に、疑似異常データを生成する技術が開示されている（特許文献１参照）。この疑似異常データの生成方法には、設備の物理モデルに基づくシミュレーション、構成部品を意図的に劣化・故障させた実験などが用いられている。

日本国特開２０１９－１３３２１２号公報

しかしながら、上述の疑似異常データの生成方法においては、シミュレーションあるいは実験を行うためのノウハウが必要なことがあるという問題がある。

本発明は、このような事情に鑑みてなされたもので、シミュレーションおよび実験を行うためのノウハウを用いずに疑似異常データを生成する疑似異常データ生成装置、設備監視システム、疑似異常データ生成方法、およびプログラムを提供する。

本発明の一態様は、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部とを備える疑似異常データ生成装置である。

本発明の他の一態様は、上述した疑似異常データ生成装置であって、前記バンド生成部は、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの値の大小方向の位置を合わせ、前記位置を合わせた異常データを包含する前記バンドを生成する。

本発明の他の一態様は、上述した疑似異常データ生成装置であって、前記バンド変調部は、前記バンド生成部が生成したバンドが示す値の範囲の最大値または最小値を基準とし、前記最大値または最小値に対して変更を加えることで、前記疑似異常データを生成する。

本発明の他の一態様は、上述した疑似異常データ生成装置であって、前記バンド変調部は、前記最大値または最小値に対して加える変更を、前記バンドの一部の時間について行う。

本発明の他の一態様は、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部とを備える設備監視システムである。

本発明の他の一態様は、上述した設備監視システムであって、前記疑似異常データを用いて、稼働データから異常あるいは異常の兆候を検知するための学習モデルを生成する学習モデル生成部と、前記学習モデル生成部が生成した学習モデルを用いて、前記稼働データから異常あるいは異常の兆候を検知する異常兆候検知部とをさらに備える。

本発明の他の一態様は、上述した設備監視システムであって、前記異常データを含む稼働データを測定するセンサ部を備える。

本発明の他の一態様は、上述した設備監視システムであって、前記異常データを含む稼働データを測定するセンサ部と、前記センサ部が測定した稼働データを収集するデータ収集部とを備える。

本発明の他の一態様は、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成する第１のステップと、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記第１のステップにおいて生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成する第２のステップと、前記第２のステップにおいて生成した前記バンドに基づき、疑似異常データを生成する第３のステップとを有する疑似異常データ生成方法である。

本発明の他の一態様は、プログラムを、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成するバンド生成部、前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部として機能させるためのプログラムである。

本発明の疑似異常データ生成装置は、シミュレーションおよび実験を行うためのノウハウを用いずに疑似異常データを生成できる。

この発明の第１の実施形態による送配電網監視システム１０の構成を示す概略ブロック図である。 同実施形態における疑似異常データ生成装置３００の構成を示す概略ブロック図である。 同実施形態における異常波形抽出部３０１の動作例を説明するフローチャートである。 同実施形態における異常波形抽出部３０１によるスコア算出を説明する模式図である。 同実施形態におけるクラスタリング部３０３の動作例を説明するフローチャートである。 同実施形態におけるバンド生成部３０４の動作例を説明するフローチャートである。 同実施形態におけるバンド生成部３０４による位置合わせの例を説明する図である。 同実施形態におけるバンド生成部３０４が生成するバンドの例を説明する図である。 同実施形態におけるバンド変調部３０５によるバンド変調の例を説明する図である。 同実施形態におけるバンド変調部３０５に対する操作画面の例を示す図である。 同実施形態における波形合成部３０７の動作例を説明する図である。 同実施形態における疑似異常データ出力部３０６の出力例を示す表である。 この発明の第２の実施形態における疑似異常データ生成装置３００の構成を示す概略ブロック図である。 各実施形態に係る各装置のハードウェア構成を説明する説明図である。

＜第１の実施形態＞
以下、図面を参照して、本発明の実施の形態について説明する。図１は、この発明の第１の実施形態による送配電網監視システム１０の構成を示す概略ブロック図である。送配電網監視システム１０（設備監視システム）は、電柱Ａ１に配置された中継器Ａ２などの設備に設置されたセンサ（センサ部）が測定した稼働データを収集し、送配電網の状態を監視する。センサが測定する稼働データは、時系列データであり、例えば、中継器Ａ２における配電線の一定時間ごとの電圧、あるいは電流である。

送配電網監視システム１０は、データ収集サーバ１００（データ収集部）、学習モデル生成装置２００（学習モデル生成部）、疑似異常データ生成装置３００、異常兆候検知装置４００（異常兆候検知部）、オペレータ端末５００を備える。データ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００は、ＬＡＮ（Local Area Network）などのネットワーク６００により、通信可能に接続されている。データ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００は、コンピュータがプログラムを読み込み実行することで実現されてもよい。データ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００の各々は、１つのコンピュータで実現されてもよいし、複数のコンピュータで実現されてもよい。また、１つのコンピュータで、複数の装置あるいは複数の装置の一部を実現してもよい。

データ収集サーバ１００は、センサが測定した稼働データを収集し、記憶する。学習モデル生成装置２００は、稼働データから異常データを検出するための学習モデルを生成する。なお、疑似異常データ生成装置３００が疑似異常データを生成した後は、学習モデル生成装置２００は、学習モデルを生成する際に、データ収集サーバ１００が記憶する稼働データに加えて、疑似異常データも用いるようにしてよい。

疑似異常データ生成装置３００は、学習モデル生成装置２００が生成した学習モデルを用いて、稼働データから異常データを抽出し、抽出した異常データに基づき、疑似異常データを生成する。疑似異常データ生成装置３００の詳細については、後述する。

異常兆候検知装置４００は、学習モデル生成装置２００が生成した学習モデルを用いて、稼働データから異常データを検出する。異常兆候検知装置４００は、異常データを検出すると、オペレータ端末５００を介して、送配電網に異常あるいは異常の兆候があることをオペレータに通知する。異常兆候検知装置４００は、検出した異常データのタイプ（詳細は後述する）を判定し、該タイプあるいは該タイプに応じた異常の種別を、オペレータ端末５００を介して、オペレータに通知してもよい。

オペレータ端末５００は、送配電網監視システム１０のオペレータが使用する端末であり、オペレータによる送配電網監視システム１０の設定、送配電網監視システム１０によるオペレータへの通知などを行う。

図２は、本実施形態における疑似異常データ生成装置３００の構成を示す概略ブロック図である。疑似異常データ生成装置３００は、異常波形抽出部３０１、タイプ分類部３０２、クラスタリング部３０３、バンド生成部３０４、バンド変調部３０５、疑似異常データ出力部３０６、波形合成部３０７を備える。なお、タイプ分類部３０２とクラスタリング部３０３とにより、グループ生成部を構成してもよい。

異常波形抽出部３０１は、学習モデル生成装置２００が生成した学習モデルを用いて、データ収集サーバ１００が収集した稼働データから、異常データ（異常波形）を抽出する。

タイプ分類部３０２は、異常波形抽出部３０１が抽出した異常データ各々を、特徴量に基づき複数のタイプに分類する。ここで各異常データの特徴量として、その異常データの平均値、その異常データの中央値、その異常データと平均値あるいは中央値との交差回数、その異常データの最大値と最小値との差分、その異常データの始点における値と終点における値の差分の絶対値、その異常データと平均値あるいは中央値との初回交差点における異常データの傾きあるいは正負のいずれかを少なくとも用いてもよい。本実施形態では、タイプ分類部３０２は、特許第6827608号公報に記載の方法を用いて、上ピーク型、下ピーク型、上下ピーク型、過渡上昇型、過渡下降型、振動型の６つのタイプに、異常データを分類する。

クラスタリング部３０３は、タイプ分類部３０２により分類されたタイプ各々の異常データを、さらに複数のクラスタ（グループ）に分類する。例えば、クラスタリング部３０３は、最大値と最小値との差分などの特徴量、あるいはEuclidean Distanceなどの異常データ同士の距離に基づき、K-means法を用いて分類を行う。

バンド生成部３０４は、クラスタリング部３０３により生成されたグループ各々について、各時刻において、そのグループに含まれる異常データを包含する値の範囲を示すバンドを生成する。なお、バンド生成部３０４は、バンドを生成する前に、異常データの特徴量に基づき、時間方向あるいは値の大小方向の位置合わせをしてもよい。特徴量に基づく位置合わせは、例えば、最大値となる時刻を合わせる、平均値となる時刻を合わせる、平均値の大きさを合わせるなどである。

バンド変調部３０５は、バンド生成部３０４が生成したバンド各々に基づき、疑似異常データを生成する。例えば、バンド変調部３０５は、各時刻におけるバンドの最大値を並べた時系列データのうち、一部あるいは全部からランダムな値を引いたもの、あるいは、ランダムな割合を乗じたものを疑似異常データとする。例えば、時刻ｔにおけるバンドの最大値Ｍａｘ（ｔ）、最小値Ｍｉｎ（ｔ）、ランダム値Ｒ（ｔ）として、時刻ｔにおける疑似異常データＤ（ｔ）＝Ｍａｘ（ｔ）－Ｒ（ｔ）、ただし、Ｒ（ｔ）＞０、かつ、Ｒ（ｔ）＜Ｍａｘ（ｔ）－Ｍｉｎ（ｔ）としてもよい。あるいは、疑似異常データＤ（ｔ）＝Ｍｉｎ（ｔ）＋Ｒ（ｔ）×（Ｍａｘ（ｔ）－Ｍｉｎ（ｔ））、ただし、０≦Ｒ（ｔ）≦１としてもよい。

疑似異常データ出力部３０６は、バンド変調部３０５および波形合成部３０７が生成した疑似異常データを出力する。なお、疑似異常データ出力部３０６は、バンド変調部３０５および波形合成部３０７が生成した疑似異常データのグラフを、オペレータ端末５００に表示させるなどして、オペレータが目視にて確認したもののみを出力するようにしてもよい。

波形合成部３０７は、異常データに対して、タイプ分類部３０２により分類されたタイプに対応する波形データを合成して、疑似異常データとする。各タイプに対して、いずれの波形データを合成するかは、オペレータ端末５００を介してオペレータにより予め設定されてもよいし、疑似異常データ生成装置３００の製造時に設定されてもよい。

図３は、本実施形態における異常波形抽出部３０１の動作例を説明するフローチャートである。まず、異常波形抽出部３０１は、稼働データを所定の時間長さのウィンドウに分割する（ステップＳａ１）。この所定の時間長さは、オペレータ端末５００を介してオペレータにより予め設定されてもよいし、疑似異常データ生成装置３００の製造時に設定されてもよい。

次に、異常波形抽出部３０１は、各ウィンドウ間の距離を算出する（ステップＳａ２）。ここで、距離とは、ウィンドウ間で、それらのウィンドウを構成する時系列データの類似度を示す値であり、類似しているほど小さな値であり、例えば、Ｄｉｓｃｏｒｄ（中村 隆顕ほか、”標本時系列抽出による時系列データ特異点検出方式”、DEIM Forum 2015 F8-2、https://db-event.jpn.org/deim2015/paper/16.pdf）により算出される。

次に、異常波形抽出部３０１は、各ウィンドウのスコアを算出する（ステップＳａ３）。このスコアは、そのウィンドウを構成する時系列データと、類似するウィンドウがないと、大きくなる値であり、例えば、そのウィンドウと、その他のウィンドウとの距離のうち、最も小さな値をスコアとする。

次に、異常波形抽出部３０１は、学習モデル生成装置２００からスコア閾値を取得する（ステップＳａ４）。このスコア閾値は、学習モデル生成装置２００が生成した学習モデルである。学習モデル生成装置２００は、ステップＳａ１からステップＳａ３と同様にして、学習モデルを生成するために用意された稼働データのウィンドウ各々のスコアを算出し、算出したスコアの分布に基づき、スコア閾値を決定する。例えば、学習モデル生成装置２００は、算出したスコアのうち、上位から予め決められた割合のスコアをスコア閾値としてもよいし、予め決められた偏差値となるスコアをスコア閾値としてもよい。

次に、異常波形抽出部３０１は、ステップＳａ３で算出したスコアが、ステップＳａ４で取得したスコア閾値を超えるウィンドウを、異常波形（異常データ）として抽出する（ステップＳａ５）。

図４は、本実施形態における異常波形抽出部３０１によるスコア算出を説明する模式図である。図４に示すように、異常波形抽出部３０１は、稼働データＡを、ウィンドウＡ１、Ａ２、Ａ３、Ａ４・・・に分割する。さらに、異常波形抽出部３０１は、ウィンドウＡ１については、ウィンドウＡ２との距離Ｄ１２、ウィンドウＡ３との距離Ｄ１３、ウィンドウＡ４との距離Ｄ１４・・・を算出し、これらの距離のうち、最小のものをウィンドウＡ１のスコアとする。

図５は、本実施形態におけるクラスタリング部３０３の動作例を説明するフローチャートである。クラスタリング部３０３は、タイプ分類部３０２が分類した各タイプに属する異常データについて、それらの特徴量に基づきクラスタリングを行う（ステップＳｂ１）。このとき用いる特徴量は、タイプに応じたものを用いるようにしてもよい。例えば、上ピーク型は最大値に基づきクラスタリングし、振動型は平均値と異常データとの交差回数に基づきクラスタリングしてもよい。また、複数の特徴量に基づきクラスタリングしてもよい。

次に、クラスタリング部３０３は、ステップＳｂ１でクラスタイングした結果の各クラスタを、異常データ同士の波形の類似度に基づきクラスタリングして、異常データのグループを生成する（ステップＳｂ２）。なお、ステップＳｂ１とステップＳｂ２のクラスタリングにK-means法を用いる場合、Ｋの値は、それぞれのステップ向けに、オペレータ端末５００を介してオペレータにより設定されてもよいし、疑似異常データ生成装置３００の製造時に設定されてもよい。

図６は、本実施形態におけるバンド生成部３０４の動作例を説明するフローチャートである。図６に示す動作例は、クラスタリング部３０３が生成したグループ各々に対するバンド生成部３０４の動作の例である。まず、バンド生成部３０４は、グループに属する異常データの中から、基準となる異常波形を１つ選択する（ステップＳｃ１）。この選択は、例えば、グループに属する異常データのうち、最初のものを選択するようにしてもよいし、グループを生成する際に用いた特徴量がグループの中心に最も近いものを選択するようにしてもよいし、オペレータ端末５００を介してオペレータにより指定されてもよい。

次に、バンド生成部３０４は、特徴量に基づき、他の異常データを基準の異常データに位置合わせする（ステップＳｃ２）。例えば、バンド生成部３０４は、上ピーク型の異常データからなるグループであれば、他の異常データが最大値となる時刻が、基準の異常データが最大値となる時刻と同じになるように、他の異常データを時間方向にシフトさせる。また、バンド生成部３０４は、他の異常データの平均値が、基準の異常データの平均値と同じになるように、他の異常データを上下方向（異常データの値方向）にシフトさせる。

次に、バンド生成部３０４は、ステップＳｃ２で位置合わせした全ての異常データを包含するバンドを生成する（ステップＳｃ３）。例えば、バンド生成部３０４は、各時刻において、位置合わせした全ての異常データおよび基準の異常データの最小値と最大値とを抽出し、これらにより囲まれた領域をバンドとする。

図７は、本実施形態におけるバンド生成部３０４による位置合わせの例を説明する図である。図７における位置合わせの例は、上ピーク型の異常データからなるグループにおける時間方向の位置合わせの例である。図７に示すようにバンド生成部３０４は、異常データＷ２、Ｗ３各々が最大値となる時刻が、基準の異常データＷ１が最大値となる時刻と同じになるように、異常データＷ２、Ｗ３各々を時間方向にシフトさせる。

図８は、本実施形態におけるバンド生成部３０４が生成するバンドの例を説明する図である。図８においてグラフＢ１は、位置合わせした異常データの各時刻における最大値をプロットしたグラフである。グラフＢ２は、位置合わせした異常データの各時刻における最小値をプロットしたグラフである。バンド生成部３０４が生成するバンドは、このグラフＢ１とグラフＢ２とにより挟まれた領域（範囲）となる。

図９は、本実施形態におけるバンド変調部３０５によるバンド変調の例を説明する図である。図９において、グラフＢ１とグラフＢ２は、図８におけるグラフＢ１とグラフＢ２と同様である。グラフＭ１は、疑似異常データである。図９に示す例では、バンド変調部３０５は、グラフＢ１とグラフＢ２とで囲まれたバンドに収まるように、疑似異常データＭ１を生成する。

図１０は、本実施形態におけるバンド変調部３０５に対する操作画面の例を示す図である。図１０の操作画面の例は、オペレータに疑似異常データを生成する際のパラメータを設定させるために、バンド変調部３０５がオペレータ端末５００に表示させる。図１０において、入力領域Ｔ１～Ｔ９は、疑似異常データを生成するためのパラメータの入力領域である。ＯＫボタンＴ１０と、キャンセルボタンＴ１１は、生成した疑似異常データを承認するか否かをオペレータが指定するためのボタンである。

入力領域Ｔ１は、疑似異常データを生成する際に基準とするグラフを、バンドの最大値とするか、最小値とするかの選択を入力する領域である。入力領域Ｔ２は、バンド変調する範囲（変調範囲１）の開始位置（開始時刻）を入力する領域である。入力領域Ｔ３は、バンド変調する範囲（変調範囲１）の終了位置（終了時刻）を入力する領域である。入力領域Ｔ４は、変調範囲１について、バンド変調により基準とするグラフから変更させる割合の最大値を入力する領域である。入力領域Ｔ５は、変調範囲１について、バンド変調により基準とするグラフから変更させる時間位置の頻度（割合）を入力する領域である。バンド変調部３０５は、変調範囲１のデータを構成する時刻位置のうち、入力領域Ｔ５に設定された割合のものについて、変更量がバンドの幅の入力領域Ｔ４に設定された割合以内となるように、ランダムに値を変更する。

入力領域Ｔ６は、バンド変調する範囲（変調範囲２）の開始位置（開始時刻）を入力する領域である。入力領域Ｔ７は、バンド変調する範囲（変調範囲２）の終了位置（終了時刻）を入力する領域である。入力領域Ｔ８は、変調範囲２について、バンド変調により基準とするグラフから変更させる割合の最大値を入力する領域である。入力領域Ｔ９は、変調範囲２について、バンド変調により基準とするグラフから変更させる時間位置の頻度（割合）を入力する領域である。バンド変調部３０５は、変調範囲２のデータを構成する時刻位置のうち、入力領域Ｔ９に設定された割合のものについて、変更量がバンドの幅の入力領域Ｔ８に設定された割合以内となるように、ランダムに値を変更する。

グラフＬ１は、バンドの最大値側の境界を示すグラフである。グラフＬ２は、バンドの最小値側の境界を示すグラフである。図１０においては、入力領域Ｔ１にて最大値が選択されているため、グラフＬ１は実線で表示され、グラフＬ２は破線で表示されている。変調範囲１に示されているグラフＬ３は、変調範囲１においてグラフＬ１を、入力領域Ｔ５に設定された頻度の時間位置について、入力領域Ｔ４に設定された割合を最大値として変更して得られたグラフである。変調範囲２に示されているグラフＬ４は、変調範囲２においてグラフＬ１を、入力領域Ｔ９に設定された頻度の時間位置について、入力領域Ｔ８に設定された割合を最大値として変更して得られたグラフである。

バンド変調部３０５は、ＯＫボタンＴ１０が押下されたときは、変調範囲１についてはグラフＬ３、変調範囲２についてはグラフＬ４、それら以外の時間についてはグラフＬ１からなるグラフを、疑似異常データとする。バンド変調部３０５は、キャンセルボタンＴ１１が押下されたときは、該グラフの疑似異常データを破棄する。なお、図１０では、変調範囲１と変調範囲２の２つの変調範囲がある場合を例として挙げたが、変調範囲の数は、１つでもよいし、３つ以上であってもよいし、オペレータにより設定されてもよい。

図１１は、本実施形態における波形合成部３０７の動作例を説明する図である。図１１に示すように、波形合成部３０７は、異常データＷ４に対して、そのタイプに応じた合成データＷ５を加算して、疑似異常データＷ６を生成する。ここで、加算とは、各時刻における異常データＷ４の値と、合成データＷ５の値とを加算することである。なお、合成データＷ５は、正常なデータでもよい。

図１２は、本実施形態における疑似異常データ出力部３０６の出力例を示す表である。図１２において、データＩＤは、疑似異常データを生成する際に元になった稼働データあるいは異常データを識別する番号である。疑似異常データＩＤは、疑似異常データを識別する番号である。疑似異常データＩＤは、データＩＤとの組み合わせで、疑似異常データを一意に識別するように割り振られていてもよい。

分類ＩＤは、疑似異常データを生成する際に元になった異常データが属するタイプまたはグループを示す番号である。生成方法種別は、疑似異常データの生成をバンド変調により行ったのか、波形合成により行ったのかを示す番号である。時刻は、当該行の疑似異常データの値に対応する時刻である。疑似異常データは、同じ行の時刻における疑似異常データの値である。

＜第２の実施形態＞
第１の実施形態において、波形合成部３０７は、タイプ分類部３０２により分類されたタイプにより、異常データに合成する合成データが決められていた。第２の実施形態では、クラスタリング部３０３によるクラスタ（グループ）により、異常データに合成する合成データが決められる。本実施形態における送配電網監視システム１０の構成は、図１と同様である。

図１３は、この発明の第２の実施形態における疑似異常データ生成装置３００の構成を示す概略ブロック図である。図１３において、図２の各部に対応する部分には、同一の符号を付し、説明を省略する。図１３に示すように、本実施形態における疑似異常データ生成装置３００は、波形合成部３０７が、クラスタリング部３０３が生成したクラスタに基づき、合成データを決める点が第１の実施形態とは異なる。

図１４は、上述の各実施形態に係る各装置のハードウェア構成を説明する説明図である。
各装置とは、データ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００である。各装置は、入出力モジュールＩ、記憶モジュールＭ、及び制御モジュールＰを含んで構成される。入出力モジュールＩは、通信モジュールＨ１１、接続モジュールＨ１２、ポインティングデバイスＨ２１、キーボードＨ２２、ディスプレイＨ２３、ボタンＨ３、マイクＨ４１、スピーカＨ４２、カメラＨ５１、又はセンサＨ５２の一部或いは全部を含んで実現される。記憶モジュールＭは、ドライブＨ７を含んで実現される。記憶モジュールＭは、さらに、メモリＨ８の一部或いは全部を含んで構成されてもよい。制御モジュールＰは、メモリＨ８及びプロセッサＨ９を含んで実現される。これらのハードウェア構成要素は、バス（Ｂｕｓ）を介して、相互に通信可能に接続されるとともに、電源Ｈ６から電力を供給されている。

接続モジュールＨ１２は、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉｕｌ Ｂｕｓ）等のデジタル入出力ポートである。携帯機器の場合、ポインティングデバイスＨ２１、キーボードＨ２２、及びディスプレイＨ２３は、タッチパネルである。センサＨ５２は、加速度センサ、ジャイロセンサ、ＧＰＳ受信モジュール、近接センサ等である。電源Ｈ６は、各装置を動かすために必要な電気を供給する電源ユニットである。携帯機器の場合、電源Ｈ６は、バッテリーである。ドライブＨ７は、ハードディスクドライブやソリッドステートドライブ等の補助記憶媒体である。ドライブＨ７は、ＥＥＰＲＯＭやフラッシュメモリ等の不揮発性メモリ、又は、光磁気ディスクドライブやフレキシブルディスクドライブであってもよい。また、ドライブＨ７は、例えば、各装置に内蔵されるものに限らず、接続モジュールＨ１２のコネクタに接続された外付け型の記憶装置でもよい。メモリＨ８は、ランダムアクセスメモリ等の主記憶媒体である。なお、メモリＨ８は、キャッシュメモリであってもよい。メモリＨ８は、一又は複数のプロセッサＨ９によって命令が実行されるときに、これらの命令を格納する。プロセッサＨ９は、ＣＰＵ（中央演算装置）である。プロセッサＨ９は、ＭＰＵ（マイクロプロセッシングユニット）又はＧＰＵ（グラフィックスプロセッシングユニット）であってもよい。プロセッサＨ９は、メモリＨ８を介してドライブＨ７から、プログラム及び各種データを読み出して演算を行うことで、一又は複数のメモリＨ８に格納した命令を実行する。

入出力モジュールＩは、異常波形抽出部３０１、疑似異常データ出力部３０６、オペレータ端末５００などに用いられる。記憶モジュールＭは、データ収集サーバ１００を実現する。制御モジュールＰは、データ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００の各部の実装に用いられる。なお、本明細書等において、データ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００との記載は、制御モジュールＰとの記載に置き換えられてもよい。

なお、上述の各実施形態は、疑似異常データ生成装置３００が、送配電網を監視する送配電網監視システム１０に用いられる例であったが、疑似異常データ生成装置３００は、送配電網監視システム１０以外のシステムに用いられてもよい。例えば、疑似異常データ生成装置３００は、工場、公共施設などの設備を監視する設備システムに用いられてもよいし、気候などの自然現象を観測する観測システムに用いられてもよいし、人流などの人間の活動を測定する測定システムに用いられてもよい。

また、グループ生成部は、タイプ分類部３０２とクラスタリング部３０３とのうち、一方のみからなり、バンド生成部３０４は、グループ生成部により分類された異常データのグループについて、バンドを生成するようにしてもよい。

以下のような実施形態であってもよい。
（１）一実施形態は、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部とを備える疑似異常データ生成装置である。

（２）他の一実施形態は、上記（１）の疑似異常データ生成装置であって、前記バンド生成部は、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの位置を合わせ、前記位置を合わせた異常データを包含する前記バンドを生成する。

（３）他の一実施形態は、上記（１）または（２）の疑似異常データ生成装置であって、前記バンド変調部は、前記バンド生成部が生成したバンドが示す値の範囲の最大値または最小値を基準とし、前記最大値または最小値に対して変更を加えることで、前記疑似異常データを生成する。

（４）他の一実施形態は、上記（３）の疑似異常データ生成装置であって、前記バンド変調部は、前記最大値または最小値に対して加える変更を、前記バンドの一部の時間について行う。

（５）他の一実施形態は、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部とを備える設備監視システムである。

（６）他の一実施形態は、上記（５）の設備監視システムであって、前記疑似異常データを用いて、稼働データから異常あるいは異常の兆候を検知するための学習モデルを生成する学習モデル生成部と、前記学習モデル生成部が生成した学習モデルを用いて、前記稼働データから異常あるいは異常の兆候を検知する異常兆候検知部とをさらに備える。

（７）他の一実施形態は、上記（５）または（６）の設備監視システムであって、前記異常データを含む稼働データを測定するセンサ部を備える。

（８）他の一実施形態は、上記（５）または（６）の設備監視システムであって、前記異常データを含む稼働データを測定するセンサ部と、前記センサ部が測定した稼働データを収集するデータ収集部とを備える。

（９）他の一実施形態は、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成する第１のステップと、各時刻において、前記第１のステップにおいて生成された前記グループに含まれる異常データを包含する値の範囲を示すバンドを生成する第２のステップと、前記第２のステップにおいて生成した前記バンドに基づき、疑似異常データを生成する第３のステップとを有する疑似異常データ生成方法である。

（１０）他の一実施形態は、コンピュータを、各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データを包含する値の範囲を示すバンドを生成するバンド生成部、前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部として機能させるためのプログラムである。

また、図１におけるデータ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによりデータ収集サーバ１００、学習モデル生成装置２００、疑似異常データ生成装置３００、異常兆候検知装置４００、オペレータ端末５００を実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。

以上、この発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。

１０ 送配電網監視システム
１００ データ収集サーバ
２００ 学習モデル生成装置
３００ 疑似異常データ生成装置
３０１ 異常波形抽出部
３０２ タイプ分類部
３０３ クラスタリング部
３０４ バンド生成部
３０５ バンド変調部
３０６ 疑似異常データ出力部
３０７ 波形合成部
４００ 異常兆候検知装置
５００ オペレータ端末
６００ ネットワーク

Claims (10)

1. 各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、
   前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、
   前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部と
   を備える疑似異常データ生成装置。
2. 前記バンド生成部は、前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの値の大小方向の位置を合わせ、前記位置を合わせた異常データを包含する前記バンドを生成する、請求項１に記載の疑似異常データ生成装置。
3. 前記バンド変調部は、前記バンド生成部が生成したバンドが示す値の範囲の最大値または最小値を基準とし、前記最大値または最小値に対して変更を加えることで、前記疑似異常データを生成する、請求項１または請求項２に記載の疑似異常データ生成装置。
4. 前記バンド変調部は、前記最大値または最小値に対して加える変更を、前記バンドの一部の時間について行う、請求項３に記載の疑似異常データ生成装置。
5. 各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部と、
   前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成するバンド生成部と、
   前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部と
   を備える設備監視システム。
6. 前記疑似異常データを用いて、稼働データから異常あるいは異常の兆候を検知するための学習モデルを生成する学習モデル生成部と、
   前記学習モデル生成部が生成した学習モデルを用いて、前記稼働データから異常あるいは異常の兆候を検知する異常兆候検知部と
   をさらに備える請求項５に記載の設備監視システム。
7. 前記異常データを含む稼働データを測定するセンサ部と、
   を備える、請求項５または請求項６に記載の設備監視システム。
8. 前記異常データを含む稼働データを測定するセンサ部と、
   前記センサ部が測定した稼働データを収集するデータ収集部と
   を備える、請求項５または請求項６に記載の設備監視システム。
9. 各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成する第１のステップと、
   前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記第１のステップにおいて生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成する第２のステップと、
   前記第２のステップにおいて生成した前記バンドに基づき、疑似異常データを生成する第３のステップと
   を有する疑似異常データ生成方法。
10. コンピュータを、
    各々が時系列データである複数の異常データから、少なくとも前記複数の異常データの特徴量に基づき、前記複数の異常データの少なくとも一部を含むグループを生成するグループ生成部、
    前記グループに含まれる異常データ各々の特徴量に基づき、前記グループに含まれる異常データの時間方向の位置を合わせ、各時刻において、前記グループ生成部により生成された前記グループに含まれる異常データであって、前記位置を合わせた異常データを包含する値の範囲を示すバンドを生成するバンド生成部、
    前記バンド生成部が生成した前記バンドに基づき、疑似異常データを生成するバンド変調部
    として機能させるためのプログラム。

Images