WO2018101363A1 - 状態推定装置と方法とプログラム - Google Patents
状態推定装置と方法とプログラム Download PDFInfo
- Publication number
- WO2018101363A1 WO2018101363A1 PCT/JP2017/042911 JP2017042911W WO2018101363A1 WO 2018101363 A1 WO2018101363 A1 WO 2018101363A1 JP 2017042911 W JP2017042911 W JP 2017042911W WO 2018101363 A1 WO2018101363 A1 WO 2018101363A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- time
- equipment
- state
- series data
- change
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
-
- 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
- H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- 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
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00016—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
- H02J13/00017—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus using optical fiber
-
- 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
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y04S10/14—Energy storage units
-
- 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
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
- Y04S40/124—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wired telecommunication networks or data transmission busses
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Definitions
- the present invention is based on the priority claim of Japanese Patent Application No. 2016-232237 (filed on Nov. 30, 2016), the entire contents of which are incorporated herein by reference. Shall.
- the present invention relates to an apparatus, method, and program for estimating the state of equipment.
- Equipment Electrical equipment deteriorates with the passage of time and year according to its use.
- a typical example of the cause is, for example, electromigration (EM).
- EM electromigration
- the EM may cause corrosion in the wiring pattern on the circuit board in the facility, which may deteriorate the quality of the power supply line and the signal transmission path.
- EM electromigration
- the refrigerant gas In equipment that exchanges heat, such as refrigeration equipment and air conditioning equipment, the refrigerant gas is compressed by a compressor (compressor) into a high-temperature and high-pressure gas, and heat is exchanged with the outside air by a condenser (outdoor heat exchanger).
- the refrigerant gas partially liquefied by the condenser is depressurized by the expansion valve, takes heat of the room by the evaporator, and changes from liquid to gas.
- the refrigerant gas from the evaporator returns to the compressor again.
- These air conditioner condensers (outdoor heat exchangers) are generally provided with a filter at the inlet so that dust and the like do not enter.
- the amount of inflow or exhaust of air may decrease due to clogging of the filter, leading to malfunction or failure of the facility.
- the maintenance interval (maintenance period) also depends on the usage mode and environment of the equipment to be maintained. For this reason, it is difficult to set an appropriate interval for regular maintenance. For example, if the regular maintenance interval is short, the maintenance cost increases. On the other hand, if the regular maintenance interval is long, a problem arises in terms of safety.
- the state of the equipment is monitored by a management device etc. via a sensor (for example, a current sensor, a wattmeter, a temperature sensor, a pressure sensor, a vibration sensor, etc.) to predict / estimate the deterioration state of the equipment,
- a sensor for example, a current sensor, a wattmeter, a temperature sensor, a pressure sensor, a vibration sensor, etc.
- a method for determining the necessity of maintenance may be used.
- the following related technologies are known as a technology for installing a sensor or the like in a monitoring target facility and monitoring the state of the facility.
- Patent Document 1 discloses an operating status determination device that can determine the operating status of an electrical device with high accuracy even if the voltage waveform applied to the electrical device changes.
- the operating status determination device is applied to the electrical equipment, waveform data of harmonic current included in the current flowing through the power supply line, operating status information indicating the operating status of the electrical equipment when the waveform data is generated, and Learning data in which section specifying information for specifying a preset section for comparing waveform data in one AC voltage period of the AC voltage is associated.
- the operating status determination device is a result of collating the waveform data of the harmonic current associated with the acquired learning data with the waveform data of the harmonic current measured by the harmonic current measurement unit in the waveform data comparison target section. Based on the above, the operating status of the electrical equipment is determined.
- Patent Document 2 discloses a device identification device and a device identification method that allow a user to appropriately register a device and its operation mode. That is, a device identification device that is connected to a wattmeter that measures a current waveform of an electric device that consumes one or a plurality of electric powers and identifies an operation mode of the electric device from the current waveform is disclosed.
- the device identification apparatus inputs, to the power meter, a measurement control unit that controls start and stop of measurement of the current waveform of the electrical device, and a current waveform measured during a measurement period from start to stop.
- a measurement input unit a waveform pattern extraction unit that extracts one or a plurality of waveform patterns from the input current waveform; and a pattern identification unit that classifies the waveform patterns for each operation mode with respect to the extracted one or more waveform patterns;
- a registration unit for registering an operation mode for the classified waveform pattern; and instructing a measurement control unit to start and stop measurement of a current waveform, and registering the operation mode of the waveform pattern for the registration unit.
- An instruction unit for instructing.
- the following related technologies are known as a technology for predicting a change in the state of equipment over time.
- Patent Document 3 discloses a technique for enabling optimization without being influenced by a time-dependent component of actual values used for optimization and enabling prediction of near-future fluctuations.
- the variance is defined as an evaluation function that evaluates the predicted output from the simulation model and the actual value obtained from the actual processing process. After correcting the variation (dispersion or standard deviation), the near-future behavior of the processing process to be simulated is predicted by correcting the time-varying component of the actual value with the extracted time-varying information.
- Non-Patent Document 1 flows to the main line using one current sensor attached to a distribution board.
- Obtain the current waveform for example, the instantaneous waveform for each cycle
- analyze the waveform against the waveform database with the current waveform information unique to each device estimate the power consumption for each device, and operate the device Is described.
- JP 2013-044736 A International Publication No. 2013/170331 Japanese Patent Application Laid-Open No. 07-056608
- a power meter can be installed on a distribution board or the like without being installed near the equipment or equipment.
- a sensor such as a power meter or a current sensor
- the detection and estimation of the deterioration state of the equipment by the power meter may cause a problem in terms of accuracy and the like. That is, as will be described later, depending on the equipment, the change with time (deterioration) appears as a significant difference in the power value because the deterioration state of the equipment has progressed considerably, resulting in a failure or almost a failure state. Sometimes it's time.
- the present invention was devised in view of the above problems, and an object thereof is to provide a state estimation device, method, and program capable of suppressing an increase in cost and estimating a time-dependent change of equipment with practical accuracy. There is to do.
- the state of the equipment On the basis of the first means for extracting the time section to be analyzed from the time series data of the signal related to the operation of the equipment, and the time series data corresponding to the extracted time section, the state of the equipment And a second means for estimating a change with time.
- a method for estimating the state of equipment by a computer wherein a first step of extracting a time section to be analyzed from time-series data of a signal related to operation of the equipment, and the extracted time section And a second step of estimating a change in the state of the equipment over time based on corresponding time series data.
- the time-series data of the equipment operation is extracted from the time-series data of the signal related to the operation of the equipment, and the time-dependent change in the state of the equipment is estimated based on the time-series data of the extracted time section.
- a program for causing a computer to execute processing is provided.
- a semiconductor storage such as a computer-readable recording medium (for example, RAM (Random Access Memory), ROM (Read Only Memory), or EEPROM (Electrically Erasable and Programmable ROM) ROM) storing the above program, HDD (Hard Disk Drive), CD (Compact Disk), DVD (Digital Versatile Disk) and other non-transitory computer computer readable recording media are provided.
- a computer-readable recording medium for example, RAM (Random Access Memory), ROM (Read Only Memory), or EEPROM (Electrically Erasable and Programmable ROM) ROM) storing the above program, HDD (Hard Disk Drive), CD (Compact Disk), DVD (Digital Versatile Disk) and other non-transitory computer computer readable recording media.
- FIG. 5 is a flow diagram illustrating the operation of an exemplary embodiment of the invention. It is a figure explaining one exemplary embodiment of the present invention. It is a figure explaining one exemplary embodiment of the present invention. It is a figure explaining the relationship between an electric power value and a time-dependent change. It is a figure explaining the relationship between a power value and the danger level with respect to a failure. It is a figure explaining the relationship between electric current information and a time-dependent change. It is a figure explaining the relationship between current information and the danger level with respect to a failure. It is a figure explaining an Example. It is a figure explaining an Example.
- the processor (for example, 111 in FIG. 11) is configured to perform a first process of extracting a time section to be analyzed from time-series data of a signal (for example, power value or current information) related to the operation of the facility ( A first means, a first unit, a first process) and a time-series data of the extracted time section (for example, time-series data of current information) for estimating a time-dependent change in the state of the equipment. 2 processing (2nd means, 2nd unit, 2nd process) is performed.
- a signal for example, power value or current information
- a first means, a first unit, a first process
- a time-series data of the extracted time section for example, time-series data of current information
- the first process excludes a time interval corresponding to an operation mode that is not affected by changes over time from the time-series data of signals related to the operation of the equipment. You may do it.
- the first process is based on the operation history information of the facility, and is influenced by the change over time from the time-series data of the signal related to the operation of the facility. You may make it exclude the time interval corresponding to the operation mode which does not receive.
- the first process (first means, first unit, first step) is based on the power information or current information of the equipment, and the time-series data of the power or current of the equipment You may make it exclude the time interval corresponding to the operation mode which is not influenced.
- the second process (second means, second unit, second step) estimates a change in the state of the equipment from time-series data of the equipment current information corresponding to the extracted time interval. Then, a filtering process corresponding to the time constant of the temporal change of the extraction target may be applied to the change in the state, and the temporal change in the state of the equipment may be estimated.
- the second process (second means, second unit, second step) is based on time-series data of the current information of the equipment corresponding to the extracted time interval, and the risk of failure of the equipment Time series data is obtained, and a filtering process corresponding to the time constant of the temporal change of the extraction target is performed on the time series data (see FIG. 4) of the degree of risk for the failure corresponding to the extracted time interval.
- the change with time of the state of the equipment may be estimated.
- FIG. 1 is a diagram illustrating an exemplary embodiment of the present invention.
- a state estimation apparatus 100 that estimates a state of equipment includes a power / current information acquisition unit 101, a target section extraction unit 102, a state estimation unit 103, a temporal change estimation.
- Unit 104 output unit 105, and storage device 106.
- target section extraction unit 102 can correspond to the first means (first unit) that executes the first process.
- the state estimation unit 103 and the temporal change estimation unit 104 can correspond to a second means (second unit) that executes the second process.
- the power / current information acquisition unit 101 acquires time series data of the power and current information of the facility 10 from the sensor 200 and stores them in the storage device 106.
- the power / current information acquisition unit 101 includes, for example, communication means (101-1 in FIG. 9A), communicates with the sensor 200 (FIG. 9A) via the communication means, and the power of the equipment 10 measured by the sensor 200 and You may make it acquire the time series data of electric current information.
- the power / current information acquisition unit 101 includes communication means (101-1 in FIG. 10A) and is connected to a distribution board (22 in FIG. 10A) that supplies power to one or a plurality of facilities 10.
- Current information may be acquired from the sensor 200 (current sensor) or the like, and power consumption and current information of each facility may be acquired using a device separation technique.
- a smart meter 25 in FIG. 10A
- a communication unit not shown
- the power consumption and current information of each facility may be acquired using a device separation technique.
- the power and current sampling rates of the facility 10 may or may not be the same.
- the correspondence relationship between the power sampling timing and the current information (current waveform) sampling timing may be held.
- the current information is time series data obtained by sampling a plurality of cycles of the commercial AC power source from the time (T1) at a predetermined sampling rate (for example, 20 KHz). And stored in association with the time (T1).
- the sensor 200 may acquire a voltage waveform in addition to the current waveform and supply the acquired voltage waveform to the power / current information acquisition unit 101.
- the power / current information acquisition unit 101 adjusts the phase difference ( ⁇ : power factor angle) from the voltage waveform based on, for example, the zero cross point of the voltage waveform data, and then converts the current waveform time-series data to a plurality of commercial AC power supplies. You may make it classify
- the power / current information acquisition unit 101 may acquire the voltage waveform and current waveform of the facility from the sensor 200 and calculate the effective power of the facility.
- the target section extraction unit 102 reflects the change over time in the time series data of the power and current information acquired by the power / current information acquisition unit 101 and stored in the storage device 106, and the state of the equipment Extract the time interval that is subject to change over time.
- the target section extraction unit 102 reflects or hardly reflects the influence of the temporal change from the time series data of the power information (the influence of the temporal change can be ignored). You may make it exclude the time area which remove
- the time interval in which the power consumption of the equipment is gently changing represents one operation state (operation mode or operation mode).
- the time unit of the operation mode (operation mode) of the equipment is, for example, on the order of several minutes to several tens of minutes or several hours, which is much larger than the commercial AC power cycle (20 milliseconds). The unit is time.
- the target section extraction unit 102 may extract the time section that is the target of estimation of the change in the state of the equipment over time based on the power value, for example.
- the target section extraction unit 102 may extract a time section that is an object of estimation of a change in equipment state with time based on current information (current waveform pattern, feature amount) instead of the power value.
- current information current waveform pattern, feature amount
- the target section extraction unit 102 may extract a time section that is a target of estimation of a change with time by combining power information and current information.
- the target section extraction unit 102 obtains time section data in a specific operation mode of the equipment (for example, intermittent operation of an air conditioner, a refrigerator, etc., or a defrosting operation of a commercial freezer, etc.) from time series data of equipment power information, for example. exclude.
- a specific operation mode of the equipment for example, intermittent operation of an air conditioner, a refrigerator, etc., or a defrosting operation of a commercial freezer, etc.
- the target section extraction unit 102 may extract a time section that is a target for estimation of a change with time when time-series data having a preset length is accumulated in the storage device 106.
- the target section extraction unit 102 is not particularly limited, but operates periodically, for example, once a day, at a preset time, etc., from time series data of power accumulated in the storage device 106. You may make it extract the time interval used as the estimation object of a change.
- the target section extraction unit 102 includes history (log) information of the operation (operation) of the facility 10 (for example, history information such as intermittent operation from what time to what time) and the time of the power value acquired by the power / current information acquisition unit 101. Based on the information (time stamp information at the time of sampling in the sensor 200, etc.), the time interval of a predetermined operation mode (for example, intermittent operation) is specified from the time series data of the power value, and the time interval is excluded (deleted). The time series data of the remaining time interval may be extracted as an analysis target.
- the operation history (log) of the facility 10 is held in a storage device (for example, the storage device 106).
- the operation history of the facility 10 may be stored in the storage device 106 via a communication unit from a production management device (not shown).
- the target section extraction unit 102 sets a time section of time series data of current information (current waveform, current feature amount) corresponding to the extracted power time section as a time section to be analyzed.
- the state estimation unit 103 estimates the state of the equipment based on the current information (current waveform, feature amount, etc.) of the analysis target time section set by the target section extraction unit 102.
- the state estimation unit 103 may calculate the feature amount of the current information (current waveform) from the time-domain waveform shape (peak value, effective value (Root Mean Square value: RMS), average value, peak value, etc.).
- the waveform pattern may be used as the feature amount.
- the current waveform data is Fourier transformed (Fast Fourier Transform (FFT) or Discrete Fourier Transform (DFT), etc.) and converted to the frequency domain, and the feature quantity is calculated based on the frequency spectrum component. You may do it.
- FFT Fast Fourier Transform
- DFT Discrete Fourier Transform
- the value obtained by adding the square of the amplitude of the harmonic component of the AC power source frequency, which is the fundamental frequency May be calculated.
- harmonic distortion Total Harmonic Distortion: THD
- the state estimation unit 103 converts the frequency spectrum component of the high-frequency component extracted by a high-pass filter (HPF), etc. Based on this, the feature amount of the current may be calculated.
- the state estimation unit 103 performs, for example, machine learning on the state of equipment and current information (waveform, feature amount, etc.), based on the extracted current information (waveform, feature amount, etc.). Change) may be estimated.
- x (x1, x2,..., Xd)
- w (w 1 , w 2 ,..., w d ) is a model parameter (weight).
- k-Means method As supervised learning, support vector machine (Support Vector Machine: SVM), k-Nearest Neighbor Method (k-NN method), neural network (NN), unsupervised As a learning method, a k-means method (k-Means method) may be used.
- SVM Support Vector Machine
- k-NN method k-Nearest Neighbor Method
- NN neural network
- k-Means method unsupervised As a learning method, a k-means method (k-Means method) may be used.
- the state estimation unit 103 uses a model in which the state of the equipment (for example, the degree of deterioration) is quantified, and based on the time series data of the current information (current waveform, feature amount) and the state of the equipment corresponding to, for example, regression analysis or the like by obtains the equation f to approximate the state of the equipment, it may be estimated the state of the equipment that corresponds to the current information x N at a certain time t N (e.g. deterioration degree) f (x N).
- t N e.g. deterioration degree
- the state estimation unit 103 for example, time t N of the estimated facilities state, from the previous time t N-1 and equipment state it was previously estimated, a predetermined value (threshold) If you are changing over, so that the state is estimated to have changed at time t N.
- a change in state may be detected by learning a threshold value for determining a change in the state of the equipment based on machine learning or the like.
- the time change estimation unit 104 performs a filtering process corresponding to the time change rate (time constant) of the estimation target with respect to the estimated state (state change) to estimate the state change over time.
- time-dependent change in equipment status does not have an exponential function characteristic
- the above definition regarding the time constant cannot be applied to the time-dependent change in equipment status.
- the filtering process corresponding to the time change of the state for example, the cutoff frequency fc of the low-pass filter is 1 / (2 ⁇ ): ⁇ is a time constant
- the time change of the state of the equipment is also referred to as “time constant. Is used.
- the temporal change estimation unit 104 extracts the temporal change of the state extracted corresponding to the time constant of the temporal change of the estimation target as the estimation result of the temporal change of the equipment state.
- the filtering process performed by the temporal change estimation unit 104 is time series data of a signal value (which may be a current waveform or a feature value of the current waveform) indicating the degree of equipment deterioration (also referred to as “risk against failure”).
- a signal value which may be a current waveform or a feature value of the current waveform
- the filtering process performed by the temporal change estimation unit 104 is time series data of a signal value (which may be a current waveform or a feature value of the current waveform) indicating the degree of equipment deterioration (also referred to as “risk against failure”).
- Fourier transform fast Fourier transform, discrete Fourier transform, etc.
- processing such as cutting off (cutting off) a predetermined frequency band
- inverse Fourier transform is performed. It may be realized by returning to the time domain.
- the output unit 105 outputs the estimation result of the change in the state of the equipment over time to the display device.
- the output unit 105 may transmit the estimation result of the change in the state of the equipment over time to a terminal, a host, etc. (not shown) via a communication interface, a network, etc. (not shown).
- FIG. 9A is a diagram illustrating an example of the configuration of the sensor 200 of FIG. 9A and 9B illustrate a single-phase two-wire AC for simplicity, but a three-phase three-wire AC can be measured using, for example, three single-phase wattmeters. . Or you may make it perform the measurement based on 2 wattmeter method about electric power.
- a sensor 200 includes a voltmeter 201 (U in FIG. 9B) that measures the voltage between terminals of the facility (load 210 in FIG. 9B), and an ammeter that measures the current flowing through the facility (load 210 in FIG. 9B). It is good also as a structure provided with 204 (I of FIG. 9B).
- the voltmeter 201 may include a step-down circuit 202 that steps down a voltage between terminals of a load (210 in FIG. 9B) and an analog-digital converter 203 that converts an analog output voltage of the step-down circuit 202 into a digital signal.
- the ammeter 204 includes a current sensor 205 that detects a current flowing in a power supply line (a power supply line connected to the load 210 in FIG. 9B), and an analog-digital converter 206 that converts an analog output signal from the current sensor 205 into a digital signal. It is good also as a structure provided.
- the current sensor 205 may be configured to measure, for example, a voltage across a shunt resistor (not shown) inserted in a power supply line, or the current sensor 205 has a current transformer structure in which a coil is wound around a magnetic core or the like.
- CT Current-Transformer: Zero-phase-sequence Current Transformer: ZCT
- ZCT Zero-phase-sequence Current Transformer
- the voltage waveform data from the analog-digital converter 203 of the voltmeter 201 and the power waveform data from the analog-digital converter 206 of the ammeter 204 are multiplied by a multiplier 207 to obtain an instantaneous power waveform.
- the instantaneous power waveform is smoothed by an active power calculation unit 208 for a predetermined cycle, and an active power value is calculated.
- the current waveform data corresponding to the power information (active power value) is input to the communication unit 209 and transmitted to the power / current information acquisition unit 101.
- the communication unit 209 may transmit power information (active power value) and corresponding voltage waveform data and current waveform data to the power / current information acquisition unit 101 together with the measurement time information.
- the communication unit 101-1 of the power / current information acquisition unit 101 communicates with the communication unit 209 of the sensor 200, receives time series data of the measured active power, voltage, and current, and stores the received time series data. It stores in 106. At that time, power and current time information measured by the measuring instrument 200 may be stored in the storage device 106 in association with time series data of power (active power) and current.
- the power / current information acquisition unit 101 uses the zero cross point of the time-series data of the voltage waveform to classify the time-series data of the current for each cycle of the commercial AC power supply (211 in FIG. 9B). 106 may be stored. According to this embodiment, a high-performance power meter is not required in the sensor 200 of FIGS. 9A and 9B.
- the power / current information acquisition unit 101 is not limited to the configuration including the sensor 200 or the sensor 200 as described above.
- the power / current information acquisition unit 101 separates the waveform from the current waveform acquired from, for example, a smart meter or a current sensor, and calculates the power consumption and current waveform (length is within one cycle of the commercial power supply frequency) for each facility. You may make it acquire. Again, a high performance power meter is not required.
- FIG. 10A shows the sensor 200 of FIG. 1 using the sensor 200 installed in the main breaker or branch breaker of the distribution board, or the smart meter 25. It is a figure explaining the example isolate
- the communication device 21 is configured by a controller such as HEMS / BEMS / FEMS, and meter reading data (power consumption, current waveform, etc.) of the smart meter 25 is acquired from the B route, for example.
- the meter reading data (power consumption, current waveform, etc.) acquired by the communication device 21 from the smart meter 25 through the B route includes information on the power consumption of the entire building 20.
- At least one branch breaker (not shown) or the main breaker of the distribution board 22 is provided with a sensor 200 for detecting, for example, power and current.
- Power and current information may be transmitted from the sensor 200 to the communication device 21 by wireless transmission or the like.
- the sensor 200 may wirelessly transmit power and current information to the communication device 21 by Wi-SUN (Wireless Smart Utility Network) or the like.
- the power / current information acquisition unit 101 includes a communication unit 101-1 and a waveform separation unit 101-2.
- the communication unit 101-1 communicates with the communication device 21, acquires the power and current information (total power and current information) acquired by the sensor 200 or the smart meter 25, and is unique to the facilities A to C (10 A to 10 C). Are separated into power and current waveforms and stored in the storage device 106.
- a current waveform 11 is a diagram illustrating a current waveform (combined current waveform of facilities A to C) acquired by the sensor 200 installed on the distribution board 22 of FIG. 10A.
- the waveform separation unit 101-2 separates the current waveform 11 of FIG.
- FIG. 10B current waveforms 11A to 11C schematically represent current waveforms separated for each of the facilities A to C (10A to 10C).
- the cost can be reduced particularly compared to the case where the facility 10 includes the sensor 200 (FIG. 9A).
- the waveform separation unit 101-2 in the power / current information acquisition unit 101 may be arranged in the local building 20 or the like (in this case, the storage device 106 is arranged in the cloud side). May be good).
- FIG. 2 is a diagram illustrating an example of the processing procedure of the exemplary embodiment described with reference to FIG. 1 and the like.
- the power / current information acquisition unit 101 in FIG. 1 acquires time-series data of facility power / current information (S1).
- the target section extraction unit 102 in FIG. 1 extracts the time section of the operation mode reflecting the change over time from the time series data of the power / current information (S2).
- the target section extraction unit 102 extracts a time section of the operation mode reflecting the change over time by excluding the time section of the operation mode that does not reflect the change over time from the time series data of the power / current information. You may do it.
- the state estimation unit 103 in FIG. 1 estimates the state of the equipment from the time series data of the current information in the time section set by the target section extraction unit 102 (S3).
- the output unit 105 in FIG. 1 outputs an estimation result of a change in the state of the equipment over time (S5).
- the exemplary embodiment even if the change over time of the equipment state is minute, it is possible to appropriately estimate the change over time by separating the change over time due to other factors such as filtering. . As a result, it is possible to accurately grasp the maintenance and cleaning time of the equipment.
- information regarding various changes with time for example, temperature change by a temperature sensor, vibration change by a vibration sensor, cleaning date / time information, aged deterioration information, etc. may be observed together.
- the target section extraction unit 102 in FIG. 1 extracts a time section (period) that is affected by a change over time, which is an estimation target, from the time series data of the power of the facility.
- the state estimation unit 103 in FIG. 1 estimates the state of the equipment (change in state) in the extracted time interval, and the temporal change estimation unit 104 determines according to the time constant of the temporal change to be extracted, A filtering process or the like is performed to extract a change over time of the state.
- the time interval from time t1 to t2 is OFF (stopped, etc.) during intermittent operation of the equipment (replacing operation and stop alternately at a fixed time). This is the period.
- the target section extraction unit 102 in FIG. 1 excludes the time series data of power in this time section from the time series data to be analyzed because it is not information affected by the change over time.
- the horizontal axis represents time
- the vertical axis represents power consumption.
- the power / current information acquisition unit 101 obtains time-series data for a predetermined time (for example, several minutes) of the power information of the facility 10 for every predetermined time (for example, 1 hour).
- the time series data (time, power consumption) as shown in FIG. 3 may be stored in the storage device 106 as a table. Note that the sampling of the time series data does not have to be equally spaced.
- the target section extraction unit 102 in FIG. 1 may determine the operation mode (intermittent operation) of the equipment in the time section t1-t2 in FIG. 3 using the operation history of the equipment, or You may make it judge from the electric power value etc. of the equipment acquired with the current information acquisition part 101.
- FIG. 1 may determine the operation mode (intermittent operation) of the equipment in the time section t1-t2 in FIG. 3 using the operation history of the equipment, or You may make it judge from the electric power value etc. of the equipment acquired with the current information acquisition part 101.
- FIG. 4 is a diagram for explaining an example of a change over time in a state where two of the air-conditioning equipment, which are clogged with a filter of an air-conditioner and closed with an object (such as an object such as a luggage), are superimposed.
- the horizontal axis represents time
- the vertical axis represents the risk of failure (risk due to changes over time). The deterioration state gradually proceeds with time due to clogging of the air conditioner filter.
- the degree of risk for failure on the vertical axis may be a numerical representation of the deterioration state of the equipment.
- the risk for failure may be a signal (for example, a current flowing through the facility) having a positive correlation with the risk for failure (deterioration state of the facility).
- the temporal change estimation unit 104 in FIG. 1 causes a blockage due to an object (luggage) by filtering processing (high-pass filter) of a cutoff frequency corresponding to filter clogging + blocking due to the object (luggage). State changes can be separated and extracted.
- Filter clogging is a component that changes slowly over a period of several days to several weeks.
- an object baggage
- the exemplary embodiment it is possible to appropriately estimate the influence of the temporal change by paying attention to the temporal change of the target temporal change phenomenon. For this reason, according to the exemplary embodiment, it is possible to prompt appropriate countermeasures such as preventive maintenance according to the possibility of estimating the change in the state of the equipment over time.
- FIG. 5A is a diagram for explaining the relationship between the power value of the facility 10 of FIG. 1 and the change over time.
- the horizontal axis represents the change over time (equipment state), and the vertical axis represents the power value of the equipment. From “normal” to “failure caution” on the horizontal axis, the time change of the power value is weak. The power value rises immediately before the failure, and shows a marked increase when a failure occurs.
- FIG. 5A it can be understood that the deterioration of the equipment appears as a difference in the power value after the deterioration of the equipment has progressed considerably.
- the electric power value does not appear as a significant difference with respect to the progress of deterioration of the facility in the range surrounded by the broken line (the change amount of the electric power value is small).
- FIG. 5B is a diagram for explaining the relationship between the power value of FIG. 5A and the risk level for failure.
- the horizontal axis represents the power value
- the vertical axis represents the degree of risk against equipment failure (corresponding to the vertical axis in FIG. 4). “Recommended action” of the risk level for the failure indicates that the maintenance action is recommended, and “Needs action” indicates that the maintenance is necessary.
- a high-performance power meter is required to detect a change over time such as “normal” to “failure caution” using the power value. For this reason, when the power consumption information of each facility is obtained from the current waveform by the sensor 200 connected to the distribution board by the device separation technique described in Non-Patent Document 1 or the like, a slight change in power value or the like is detected. Is considered difficult.
- the state of the equipment (the degree of deterioration or abnormality) is estimated by analyzing the current information flowing through the equipment.
- FIG. 6A is a diagram for explaining the relationship between the current information of the equipment and the change over time.
- the horizontal axis represents the change over time, and the vertical axis represents the current information of the equipment (parts and processed values).
- the current information changes (monotonically increases) at a constant rate until failure occurs.
- a part of the current information can correspond to a partial time section of the time series data of the current information.
- the special flow rate mentioned above is mentioned as a process value of electric current information.
- FIG. 6B is a diagram for explaining the relationship between the current information of the equipment and the risk level for failure.
- the horizontal axis represents current information (parts and processing values), and the vertical axis represents the risk of equipment failure (corresponding to the vertical axis in FIG. 4).
- the degree of risk for failure varies from normal to recommended action, requiring action in proportion to the increase in current value.
- a and b of the current information (parts and processed values) on the horizontal axis in FIG. 6B correspond to a and b in FIG. 6A, respectively.
- the state estimation unit 103 uses the current information as the risk of failure to determine the state of the equipment. It may be estimated.
- the state estimation unit 103 acquires a detailed current waveform pattern for each cycle of the commercial AC power supply, and sets a feature amount extracted from the current waveform or a risk for a failure calculated from the current information with a preset threshold value ( Compared with a and b) of FIGS. 6A and 6B, “normal”, “recommended action”, “required action”, and the like may be detected.
- machine learning for example, Support Vector Machine (SVM), k-neighbor method) (K-Nearest Neighbor Method), k-Means Clustering Method (k-Means method), Neural Network (NN), Local Outlier Factor Method : LOF method
- SVM Support Vector Machine
- K-Nearest Neighbor Method K-Nearest Neighbor Method
- k-Means Clustering Method k-Means method
- Neural Network NN
- LOF method Local Outlier Factor Method
- FIGS. 6A and 6B for the sake of simple explanation, the relationship between current information, change with time, and risk of failure is shown by a straight line.
- the horizontal axis may be divided into a plurality of sections and approximated by a spline curve for each section.
- the failure rate of the product or the like may be used as the risk against failure.
- the defect rate is a predetermined value
- the risk of failure is a measure that needs to be dealt with, and when the failure rate is 1 (all products are defective), it is a failure.
- cooling COP Coefficient Of Performance
- FIG. 7 is a diagram illustrating an example of actual measurement of the power value when a reproduction experiment is performed on the filter clogging of the air conditioner.
- the horizontal axis represents the clogged state of the filter
- the vertical axis represents the power value.
- the filter clogging was reproduced by increasing the degree of clogging in the order of normal (no clogging), low state, medium state, and high state.
- FIG. 7 shows that when the degree of filter clogging is low, it is difficult to determine the state of filter clogging based on the power value.
- FIG. 8 is a diagram showing an example of an experimental result of a filter clogging verification experiment.
- FIG. 8 shows the estimation result of the degree of clogging and the calculation result of the frequency distribution based on the current information.
- the horizontal axis represents the filter clogging state, and the vertical axis represents the frequency (normalized to 1).
- the degree of clogging of the filter was increased in the order of four states of normal (no clogging), low state, medium state, and high state in the same manner as in FIG.
- the diamonds in the figure are normal, the squares ( ⁇ ) are clogged low, the triangles ( ⁇ ) are clogged, and x is the clogged high frequency.
- Each distribution has the highest frequency near the center and is distributed with the same extent on the left and right. It can be seen from FIG. 8 that when current information is used, discrimination can be made even from low clogging.
- a computer system 110 such as a server computer includes a processor (CPU (Central Processing Unit), a data processing device) 111, a semiconductor memory (for example, RAM (Random Access Memory), ROM (Read Only Memory), or A storage device 112 including at least one of EEPROM (Electrically-Erasable-and-Programmable ROM), HDD (Hard Disk-Drive), CD (Compact-Disc), DVD (Digital Versatile-Disc), display device 113, and communication interface 114 It has.
- the communication interface 114 functions as a communication unit (101-1 in FIGS.
- the output unit 105 of the power / current information acquisition unit 101 in FIG. 1 outputs a state change estimation result to the display device 113, for example.
- the storage device 112 may be the same device as the storage device 106 of FIG.
- a program for realizing the function of the state estimation device 100 of FIG. 1 is stored in the storage device 112, and the processor 111 reads out and executes the program so as to realize the state estimation device 100 of the above-described embodiment. It may be.
- the computer system 110 may be implemented as a cloud server that provides the client with the state estimation service as a cloud service.
- time series data of power consumption (FIG. 3) and the time series data (FIG. 4) of the risk of failure based on power information are described as examples of the time series data of signals related to the operation of equipment.
- information from at least one of a vibration sensor, an acoustic sensor, and a temperature sensor may be used.
- Patent Documents 1-3 and Non-Patent Document 1 are incorporated herein by reference.
- the embodiments and examples can be changed and adjusted based on the basic technical concept.
- Various combinations or selections of various disclosed elements are possible within the scope of the claims of the present invention. . That is, the present invention of course includes various variations and modifications that could be made by those skilled in the art according to the entire disclosure including the claims and the technical idea.
- Appendix 1 A first means for extracting a time section to be analyzed from time-series data of signals related to the operation of the facility; Second means for estimating a time-dependent change in the state of the equipment based on the time-series data corresponding to the extracted time interval;
- the state estimation apparatus characterized by the above-mentioned.
- the first means is characterized in that, based on the operation history information of the equipment, excludes a time interval corresponding to an operation mode not affected by a change with time from time-series data of signals related to the operation of the equipment.
- the state estimation apparatus according to Supplementary Note 2.
- the first means is based on the power information or current information of the facility, and excludes a time section corresponding to an operation mode not affected by a change with time from the time series data of the power or current of the facility. Additional state 2 or 3 state estimation device.
- the second means estimates a change in the state of the equipment from time-series data of the current information of the equipment corresponding to the extracted time interval.
- the state estimation apparatus described.
- the second means estimates a change in the state of the facility from time-series data of the current information of the facility corresponding to the extracted time section, and performs a filtering process corresponding to a time constant of the temporal change of the extraction target
- the state estimation device according to any one of supplementary notes 1 to 4, wherein the time-dependent change of the state of the equipment is estimated.
- the second means calculates time series data of the degree of risk for the equipment failure based on the time series data of the equipment current information corresponding to the extracted time interval, Applying a filtering process corresponding to the time constant of the change over time of the extraction target to the time series data of the risk for the failure corresponding to the extracted time interval, and estimating the change over time of the state of the equipment
- the state estimation device according to any one of supplementary notes 1 to 4, wherein:
- Appendix 8 A method for estimating the state of equipment by a computer, A first step of extracting a time segment to be analyzed from time-series data of signals related to the operation of the facility; A second step of estimating a time-dependent change in the state of the equipment based on the time-series data corresponding to the extracted time interval;
- the state estimation method characterized by including.
- Appendix 12 Any one of appendices 8 to 11, wherein in the second step, a change in the state of the facility is estimated from time-series data of the current information of the facility corresponding to the extracted time interval. The state estimation method described.
- appendix 19 In any one of appendices 15 to 18, wherein in the second process, a change in the state of the facility is estimated from time-series data of the current information of the facility corresponding to the extracted time interval. The listed program.
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本発明は、コストの増大を抑制し実用的な精度で設備の経時変化を推定可能とする。設備の動作に関する信号の時系列データから解析対象の時間区間を抽出し、前記抽出された時間区間の時系列データに基づき前記設備の状態の経時変化を推定する。
Description
(関連出願についての記載)
本発明は、日本国特許出願:特願2016-232237号(2016年11月30日出願)の優先権主張に基づくものであり、同出願の全記載内容は引用をもって本書に組み込み記載されているものとする。
本発明は、設備の状態を推定する装置と方法およびプログラムに関する。
本発明は、日本国特許出願:特願2016-232237号(2016年11月30日出願)の優先権主張に基づくものであり、同出願の全記載内容は引用をもって本書に組み込み記載されているものとする。
本発明は、設備の状態を推定する装置と方法およびプログラムに関する。
電気設備(「設備」と略記される)は、その利用に応じて時間、年月の経過とともに劣化状態が進行する。その原因の代表的なものとして、例えばエレクトロマイグレーション(Electro-Migration:EM)がある。EMにより、設備において、回路基板上の配線パターン等に腐食が生じ、電源ラインや信号の伝送経路の品質が低下する場合がある。そして、最終的には、設備において、正常な電源供給や信号伝達が困難となり、製品寿命へと至る場合がある。また、設備の使用形態や環境によっては、該設備の製品寿命の前に壊れてしまう場合もある。
冷蔵設備や空調設備等、熱交換を行う設備では、冷媒ガスは、コンプレッサ(圧縮機)で圧縮され高温高圧の気体となり、凝縮器(室外熱交換器)で外気と熱交換を行う。凝縮器で一部液化された冷媒ガスは、膨張弁で減圧され、蒸発器で室内の熱を奪い、液体から気体に変化する。蒸発器からの冷媒ガスは再び圧縮機に戻る。これら空調設備の凝縮器(室外熱交換器)には、一般に、ほこり等が入り込まないように、流入口にフィルタを備える。設備の電気回路や回転機械系等の劣化・故障以外に、例えばフィルタの目詰まり等によっても空気の流入量あるいは排出量が減少し、設備の動作不良、故障に至る場合もある。
これら設備の突発的な故障の発生を回避するため、例えば定期的な保守が行われる。しかしながら、定期的な保守の場合、保守間隔(保全期間)は、保守対象の設備の使用形態や環境等にも依存している。このため、定期保守の適切な間隔の設定は難しい。例えば定期保守の間隔が短いと、保守コストの増大となる。一方、定期保守の間隔が長いと、安全性の点で問題が生じる。
そこで、設備の状態を、センサ(例えば電流センサ、電力計、温度センサ、圧力センサ、振動センサ等)等を介して、管理装置等でモニタすることで、設備の劣化状態を予測・推定し、保守の必要性を判断する手法が用いられる場合がある。監視対象の設備にセンサ等を設置して、設備の状態をモニタリングする技術として、例えば以下の関連技術が知られている。
特許文献1には、電気機器に印加される電圧波形が変化しても高い精度で電気機器の稼働状況を判別できる稼働状況判別装置が開示されている。この稼働状況判別装置は、電源供給線に流れる電流に含まれる高調波電流の波形データと、該波形データが発生するときの電気機器の稼働状況を示す稼働状況情報と、前記電気機器に印加される交流電圧の1交流電圧周期中の予め設定された波形データ比較対象区間を特定する区間特定情報と、を関連付けた学習データを取得する。そして、稼働状況判別装置は、取得した学習データに関連付けられた高調波電流の波形データと、高調波電流計測部で計測した高調波電流の波形データとを、波形データ比較対象区間において照合した結果を基に、電気機器の稼働状況を判別する。
また、特許文献2には、ユーザが機器及びその動作モードを適切に登録できる機器識別装置および機器識別方法が開示されている。すなわち、1または複数の電力を消費する電気機器の電流波形を計測する電力計に接続され、電気機器の動作モードを、前記電流波形から識別する機器識別装置が開示されている。この機器識別装置は、前記電力計に対して、前記電気機器の電流波形の計測の開始及び停止を制御する計測制御部と、開始から停止までの計測期間中に計測された電流波形を入力する計測入力部と、入力された電流波形から、1または複数の波形パターンを抽出する波形パターン抽出部と、抽出された1または複数の波形パターンについて、動作モード別に波形パターンを分類するパターン識別部と、前記分類された波形パターンに対して動作モードを登録する登録部と、計測制御部に対して電流波形の計測の開始及び停止を指示し、前記登録部に対して波形パターンの動作モードの登録を指示する指示部と、を備える。
さらに、設備の状態の経時変化を予測する技術として、例えば以下の関連技術が知られている。
特許文献3には、最適化に用いる実績値の経時変化成分に影響されることなく最適化を可能にするとともに、近未来の変動予測を可能にするための技術が開示されている。すなわち、所定の処理条件下で与えられた入力情報に対して、シミュレーション・モデルからの予測出力と、現実の処理プロセスから得られる実績値とを評価する評価関数として分散を定義し、モデル誤差のバラツキ(分散あるいは標準偏差)を補正した後、実績値の経時変化成分を抽出した経時変化情報で修正することにより、模擬対象である処理プロセスの近未来の挙動を予測する。
また、1つのセンサを用いて複数の電気機器の個々の状態を判別する関連技術として、例えば非特許文献1には、分電盤に取り付けた1つの電流センサを用いて基幹線に流れている電流波形(例えば1周期毎の瞬時波形)を取得し、各機器固有の電流波形情報を備えた波形データベースに照らして、波形解析することにより、機器ごとの消費電力を推定し、機器の動作状態を判別することが記載されている。
河本滋、戸泉貴裕、實吉永典、"1つのセンサーで複数機器の消費電力や利用状況を見える化する電力指紋分析技術"、NEC技報/Vol.68 No.2/ICTが拓くスマートエネルギーソリューション特集
設備の状態をセンシングするセンサとして、例えば電力計は、設備や設備付近に設置せず、分電盤等にも設置可能である。分電盤等に該センサを設置することで、個々の設備にセンサ(電力計や電流センサ等)を設置する場合に生じる導入コストの増大を回避することが可能である。
しかしながら、電力計による設備の劣化状態の検出・推定は、精度等の点で問題となる場合がある。すなわち、後述されるように、設備によっては、経時変化(劣化)が、電力値の有意差となって表れるのは、設備の劣化状態が相当に進行し、故障、又は、ほぼ故障状態になってからという場合もある。
この場合、電力値をモニタすることで、設備の状態の経時変化を、実用性のある精度で適切に推定することは困難である。そして、電力情報に基づき、設備の劣化状態を適切に検出しようとすると、高性能の電力計や演算処理が必要とされる。
本発明は上記課題に鑑みて創案されたものであって、その目的は、コストの増大を抑制し、実用的な精度で設備の経時変化を推定可能とする状態推定装置、方法、プログラムを提供することにある。
本発明によれば、設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の手段と、前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の手段と、を備えた状態推定装置が提供される。
本発明によれば、コンピュータによる設備の状態を推定する方法であって、設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の工程と、前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の工程と、を含む方法が提供される。
本発明によれば、設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する処理と、前記抽出された時間区間の時系列データに基づき、前記設備の状態の経時変化を推定する処理と、をコンピュータに実行させるプログラムが提供される。
本発明によれば、上記プログラムを記憶したコンピュータ読み出し可能な記録媒体(例えばRAM(Random Access Memory)、ROM(Read Only Memory)、又は、EEPROM(Electrically Erasable and Programmable ROM))等の半導体ストレージ、HDD(Hard Disk Drive)、CD(Compact Disc)、DVD(Digital Versatile Disc)等のnon-transitory computer readable recording mediumが提供される。
本発明によれば、コストの増大を抑制し実用的な精度で設備の経時変化を推定可能としている。
本発明の一形態によれば、プロセッサ(例えば図11の111)は、設備の動作に関する信号(例えば電力値又は電流情報)の時系列データから解析対象の時間区間を抽出する第1の処理(第1の手段、第1のユニット、第1の工程)と、前記抽出された時間区間の時系列データ(例えば電流情報の時系列データ)に基づき、前記設備の状態の経時変化を推定する第2の処理(第2の手段、第2のユニット、第2の工程)を実行する。
第1の処理(第1の手段、第1のユニット、第1の工程)は、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除くようにしてもよい。その際、第1の処理(第1の手段、第1のユニット、第1の工程)は、前記設備の動作履歴情報に基づき、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除外するようにしてもよい。あるいは、第1の処理(第1の手段、第1のユニット、第1の工程)は、前記設備の電力情報又は電流情報に基づき、前記設備の電力又は電流の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除くようにしてもよい。
第2の処理(第2の手段、第2のユニット、第2の工程)は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、前記状態の変化に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定するようにしてもよい。
第2の処理(第2の手段、第2のユニット、第2の工程)は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを取得し、前記抽出された時間区間に対応する前記故障に対する危険度の時系列データ(図4参照)に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定するようにしてもよい。以下、例示的な実施形態について図面を参照して説明する。
<例示的な実施形態>
図1は、本発明の例示的な一実施形態を説明する図である。図1を参照すると、本発明の一実施形態によれば、設備の状態を推定する状態推定装置100は、電力/電流情報取得部101、対象区間抽出部102、状態推定部103、経時変化推定部104、出力部105、記憶装置106を備えている。
図1は、本発明の例示的な一実施形態を説明する図である。図1を参照すると、本発明の一実施形態によれば、設備の状態を推定する状態推定装置100は、電力/電流情報取得部101、対象区間抽出部102、状態推定部103、経時変化推定部104、出力部105、記憶装置106を備えている。
なお、対象区間抽出部102は、上記第1の処理を実行する第1の手段(第1のユニット)に対応させることができる。状態推定部103と経時変化推定部104は、上記第2の処理を実行する第2の手段(第2のユニット)に対応させることができる。
電力/電流情報取得部101は、センサ200から、設備10の電力および電流情報の時系列データを取得し、記憶装置106に記憶する。電力/電流情報取得部101は、例えば通信手段(図9Aの101-1)を備え、該通信手段を介してセンサ200(図9A)と通信し、センサ200で測定された設備10の電力および電流情報の時系列データを取得するようにしてもよい。
あるいは、電力/電流情報取得部101は、通信手段(図10Aの101-1)を備え、1つ又は複数の設備10に対して給電する分電盤(図10Aの22)等に接続されたセンサ200(電流センサ)等から電流情報を取得し、機器分離技術を用いて,個々の設備の消費電力、電流情報を取得するようにしてもよい。あるいは、センサ200として、家屋や、工場、店舗等の建屋のスマートメータ(図10Aの25)を利用し、電力/電流情報取得部101は、不図示の通信手段により、該スマートメータから電流情報を取得し、機器分離技術を用いて個々の設備の消費電力、電流情報を取得するようにしてもよい。
なお、センサ200において、設備10の電力と電流のサンプリングレートは同一であってもよいし、あるいは同一でなくてもよい。好ましくは、電力のサンプリングのタイミングと、電流情報(電流波形)サンプリングのタイミングの対応関係を保持するようにしてもよい。センサ200において、設備の電力は、ある時刻(T1)から瞬時電力を商用交流電源の1周期(1/50=20ミリ秒)又は複数周期で平均化(平滑化)した有効電力であってもよい(この有効電力を消費電力という)。
センサ200では、時刻(T1)にサンプルした電力情報に対して、電流情報は、時刻(T1)から商用交流電源の複数周期分を、所定のサンプリングレート(例えば20KHz)でサンプルした時系列データを、時刻(T1)に関連付けして記憶保持する。センサ200は、電流波形に加えて電圧波形を取得し、電力/電流情報取得部101に供給するようにしてもよい。電力/電流情報取得部101では、例えば電圧波形データのゼロクロスポイントに基づき、電圧波形との位相差(φ:力率角)を調整した上で、電流波形の時系列データを商用交流電源の複数の周期に区分するようにしてもよい。電力/電流情報取得部101は、センサ200から設備の電圧波形と電流波形を取得し設備の有効電力を算出するようにしてもよい。
対象区間抽出部102は、電力/電流情報取得部101で取得され、記憶装置106に記憶されている電力および電流情報の時系列データに対して、経時変化を反映しており、設備の状態の経時変化の推定の対象となる時間区間を抽出する。
その際、対象区間抽出部102は、電力情報の時系列データから、経時変化の影響を全く反映していないか、ほとんど反映しておらず(経時変化の影響を無視できる)、状態の経時変化の推定対象から外れる時間区間を除外するようにしてもよい。
一般に、設備の消費電力がなだらかに推移している時間区間は、一つの動作状態(動作モードあるいは運転モード)を表している、という推定が可能である。また、一般に、設備の動作モード(運転モード)の時間単位は、例えば、数分乃至数十分、あるいは数時間のオーダであり、商用交流電源周期(20ミリ秒)と比べて、はるかに大きな時間を単位としている。
このため、対象区間抽出部102において、設備の状態の経時変化の推定の対象となる時間区間の抽出は、例えば電力値に基づき行うようにしてもよい。ただし、対象区間抽出部102において、電力値のかわりに、電流情報(電流波形パターン、特徴量)に基づき、設備の状態の経時変化の推定の対象となる時間区間の抽出を行うようにしてもよい。あるいは、対象区間抽出部102では、電力情報と電流情報を組み合わせて、経時変化の推定の対象となる時間区間の抽出を行うようにしてもよい。
対象区間抽出部102は、例えば設備の電力情報の時系列データから、設備の特定の動作モード(例えばエアコンや冷蔵庫等の間欠運転や業務用冷凍庫等の除霜運転など)における時間区間のデータを除外する。
なお、対象区間抽出部102は、記憶装置106に予め設定された長さの時系列データが蓄積された時点で、経時変化の推定対象となる時間区間を抽出するようにしてもよい。あるいは、対象区間抽出部102は、特に制限されないが、例えば1日に一回、予め設定された時刻等に、定期的に動作し、記憶装置106に蓄積された電力の時系列データから、経時変化の推定対象となる時間区間を抽出するようにしてもよい。
対象区間抽出部102は、当該設備10の動作(運転)の履歴(ログ)情報(例えば何時から何時まで間欠運転等の履歴情報)と、電力/電流情報取得部101で取得した電力値の時刻情報(センサ200におけるサンプリング時のタイムスタンプ情報等)に基づき、電力値の時系列データから、所定の動作モード(例えば間欠運転等)の時間区間を特定し、当該時間区間を除外(削除)し、残りの時間区間の時系列データを、解析対象として抽出するようにしてもよい。この場合、当該設備10の運転の履歴(ログ)は、記憶装置(例えば記憶装置106)に保持される。当該設備10の運転の履歴は、不図示の生産管理装置から通信手段を介して記憶装置106に格納するようにしてもよい。
対象区間抽出部102は、抽出した電力の時間区間に対応した、電流情報(電流波形、電流の特徴量)の時系列データの時間区間を、解析対象の時間区間として設定する。
状態推定部103では、対象区間抽出部102で設定された解析対象の時間区間の電流情報(電流波形、特徴量等)に基づき、設備の状態を推定する。
状態推定部103では、電流情報(電流波形)の特徴量を、時間領域の波形形状(ピーク値、実効値(Root Mean Square value:RMS)、平均値、波高値等)から算出してもよいし、波形パターンを特徴量としてもよい。あるいは、電流波形データをフーリエ変換(高速フーリエ変換(Fast Fourier Transform:FFT)又は離散フーリエ変換(Discrete Fourier Transform:DFT)等)して周波数領域に変換し、周波数スペクトル成分に基づき特徴量を算出するようにしてもよい。例えば基本周波数である交流電源周波数の高調波成分の振幅の2乗を加算した値、偶数次高調波成分、又は奇数次高調波成分の振幅の2乗を加算した値に基づき、電流の特徴量を算出してもよい。また、高調波歪(Total Harmonic Distortion: THD)等を電流の特徴量として用いてもよい。電源ライン等に高周波雑音を発生するインバータを備えた空調設備等に対して、状態推定部103では、高域通過フィルタ(High-pass filter: HPF)で抽出された高周波成分の周波数スペクトル成分等に基づき、電流の特徴量を算出するようにしてもよい。
状態推定部103では、設備の状態と、電流情報(波形、特徴量等)に関して、例えば機械学習を行うことで、抽出された電流情報(波形、特徴量等)に基づき、設備の状態(状態の変化)を推定するようにしてもよい。
線形識別関数を用いて、入力されたデータを例えば2クラスに分類する機械学習では、例えば電流情報(電流波形、特徴量)等の入力ベクトル:x=(x1,x2,・・・,xd)(d次元とする)に対して、ある状態のとき、出力:+1(クラス1:状態1)、そうでないとき、出力:-1(クラス2:状態1以外)となるように学習するようにしてもよい。この場合、
y=f(x)=sign(wTx)=sign(w1x1+w2x2+…+wdxd)
(ただし、
sign()は符号関数であり、引数が0以上であれば+1、0未満であれば-1。
w=(w1,w2,…,wd)はモデルパラメータ(重み)である。
Tは転置演算子である。)について、
出力がy=+1(クラス1)のデータについては、wTx>0
出力がy=-1(クラス2)のデータについては、wTx<0
となり、教師データ(訓練データ)の入出力を再現できるように、重みwを調整する。
y=f(x)=sign(wTx)=sign(w1x1+w2x2+…+wdxd)
(ただし、
sign()は符号関数であり、引数が0以上であれば+1、0未満であれば-1。
w=(w1,w2,…,wd)はモデルパラメータ(重み)である。
Tは転置演算子である。)について、
出力がy=+1(クラス1)のデータについては、wTx>0
出力がy=-1(クラス2)のデータについては、wTx<0
となり、教師データ(訓練データ)の入出力を再現できるように、重みwを調整する。
なお、教師有りの学習として、サポート・ベクター・マシン(Support Vector Machine:SVM)、k-近傍法(k-Nearest Neighbor Method:k-NN法)、ニューラル・ネットワーク(Neural Network:NN)、教師なしの学習として、k-平均法(k-Means Clustering Method:k-Means法)等の手法を用いてもよい。
あるいは、状態推定部103では、設備の状態(例えば劣化度)を数値化したモデルを用い、電流情報(電流波形、特徴量)の時系列データと対応する設備の状態に基づき、例えば回帰分析等により、設備の状態を近似する式fを求め、ある時刻tNでの電流情報xNに対応する設備の状態(例えば劣化度)f(xN)を推定するようにしてもよい。なお、状態推定部103において、例えば時刻tNで推定された設備の状態が、1つ前の時刻tN-1およびそれ以前に推定された設備の状態から、予め定められた値(閾値)以上変化している場合、時刻tNで状態が変化したと推定されることになる。この場合も、設備の状態の変化の判定用の閾値を、機械学習等に基づき、学習することで、状態の変化を検出するようにしてもよい。
経時変化推定部104は、推定された状態(状態の変化)に対して、推定対象の経時変化の時間変化率(時定数)に対応したフィルタリング処理を行い、状態の経時変化を推定する。
なお、時定数τは、例えば指数関数特性の立ち上がり波形(振幅Y0):Y(t)=Y0(1-exp(-t/τ))において、初期値0から0.632Y0(Y(τ)=Y0(1-exp(-1))≒0.632Y0)に達するまでの時間t=τに対応する。同様に、初期値がY0の指数関数特性の立ち下がり波形:Y(t)=Y0exp(-t/τ)において、初期値がY0からY(τ)=Yoexp(-1)≒0.368Y0に達する時間t=τに対応する。
設備の状態の経時変化(時間変化)が指数関数特性を有しない場合、時定数に関する上記定義を、設備の状態の経時変化に、そのまま適用することはできない。状態の経時変化に対応するフィルタリング処理(例えばローパスフィルタの遮断周波数fcは1/(2πτ):τは時定数)に合わせて、本明細書では、設備の状態の経時変化についても、「時定数」という用語を用いる。
経時変化推定部104は、推定対象の経時変化の時定数に対応して抽出される状態の時間変化を、設備の状態の経時変化の推定結果として抽出する。
例えばエアコンのフィルタが物体(荷物等の置物)で塞がれ、エアコンの状態(劣化状態)に、フィルタの目詰まり等による経時変化に比べて、急な経時変化があったとする。この場合、時定数τが相対的に小さなフィルタリング処理(高域を通過させるフィルタリング処理)を、解析対象の時間区間の状態に施すことで、状態の急な経時変化を抽出することができる。また、時定数τが相対的に大きなフィルタリング処理(低域を通過させるフィルタリング処理)を施すことで、荷物の塞ぎ等による劣化状態を除いた、フィルタの目詰まり等による経時変化を抽出することができる。
経時変化推定部104が行うフィルタリング処理は、設備の劣化度(「故障に対する危険度」ともいう)を表す信号値(ただし、電流波形又は電流波形の特徴量であってもよい)の時系列データに対して、フーリエ変換(高速フーリエ変換あるいは離散フーリエ変換等)を施し周波数領域に変換し、周波数スペクトルについて、所定の周波数帯をカットオフ(遮断)する等の処理を施し、逆フーリエ変換を施し時間領域に戻すことで、実現するようにしてもよい。設備の劣化度と正の相関を有する電流情報の時系列データに対してフーリエ変換を行うようにしてもよい。あるいは、フィルタリング処理として、時間領域でのFIR(Finite Impulse Response)フィルタやIIR(Infinite Impulse Response)等のデジタルフィルタ処理を用いてもよい。
出力部105は、設備の状態の経時変化の推定結果を表示装置に出力する。あるいは、出力部105は、不図示の通信インタフェース、ネットワーク等を介して、不図示の端末、ホスト等に、設備の状態の経時変化の推定結果を送信するようにしてもよい。
図9Aは、図1のセンサ200の構成の一例を示す図である。なお、図9A、図9Bでは、簡単のため、単相2線式交流が例示されているが、三相3線式の交流の場合も、例えば三台の単相電力計を用いて測定できる。あるいは、電力について2電力計法に基づく測定を行うようにしてもよい。図9Aにおいて、センサ200は、設備(図9Bの負荷210)の端子間電圧を測定する電圧計201(図9BのU)と、設備(図9Bの負荷210)に流れる電流を測定する電流計204(図9BのI)を備えた構成としてもよい。電圧計201は、負荷(図9Bの210)の端子間電圧を降圧する降圧回路202と、降圧回路202のアナログ出力電圧をデジタル信号に変換するアナログデジタル変換器203を備えた構成としてもよい。電流計204は、電源ライン(図9Bの負荷210に接続する電源ライン)に流れる電流を検知する電流センサ205と、電流センサ205からのアナログ出力信号をデジタル信号に変換するアナログデジタル変換器206を備えた構成としてもよい。電流センサ205は、例えば電源ラインに挿入されたシャント抵抗(不図示)の端子間電圧を計測する構成としてもよいし、あるいは、電流センサ205は、磁気コア等にコイルを巻いた変流器構造をとり電流測定対象のケーブルを挟み込み、磁気コア中に流れる磁束の検知値から換算することにより電流を検知するCT(Current Transformer:例えば零相変流器(Zero-phase-sequence Current Transformer:ZCT)等)やホール素子等で構成してもよい。
電圧計201のアナログデジタル変換器203からの電圧波形データと、電流計204のアナログデジタル変換器206からの電力波形データは乗算器207で乗算され、瞬時電力波形が得られる。瞬時電力波形は有効電力算出部208で、所定サイクル分平滑化され有効電力値が算出される。電力情報(有効電力値)と対応する電流波形データは、通信部209に入力され、電力/電流情報取得部101に送信される。通信部209は、電力情報(有効電力値)と、対応する電圧波形データおよび電流波形データを、測定時刻情報とともに電力/電流情報取得部101に送信するようにしてもよい。
電力/電流情報取得部101の通信部101-1は、センサ200の通信部209と通信し、測定された有効電力、電圧、電流の時系列データを受信し、受信した時系列データを記憶装置106に格納する。その際、測定器200で測定した電力、電流の時刻情報を、電力(有効電力)、電流の時系列データに対応させて記憶装置106に記憶するようにしてもよい。電力/電流情報取得部101は、電圧波形の時系列データのゼロクロスポイントを利用して、電流の時系列データを、商用交流電源(図9Bの211)の1周期ごとに区分して、記憶装置106に記憶するようにしてもよい。本実施形態によれば、図9A、図9Bのセンサ200において、高性能な電力計は必要とされない。
電力/電流情報取得部101は、上記したように、センサ200に接続するか、あるいはセンサ200を含む構成に制限されるものでないことは勿論である。電力/電流情報取得部101は、例えばスマートメータや電流センサ等から取得した電流波形から、波形分離して、設備毎の消費電力、電流波形(長さは例えば商用電源周波数の1周期以内)を取得するようにしてもよい。この場合も、高性能な電力計は必要とされない。
図10Aは、図1のセンサ200として、分電盤の主幹ブレーカ又は分岐ブレーカに設置されたセンサ200、又はスマートメータ25を用いて、電力/電流情報取得部101が、電源電流波形から、各設備の電流波形に分離する例を説明する図である。図10Aを参照すると、建屋20内において、通信装置21をHEMS/BEMS/FEMS等のコントローラで構成し、スマートメータ25の検針データ(消費電力、電流波形等)を例えばBルートから取得する。通信装置21がスマートメータ25からBルートで取得する検針データ(消費電力、電流波形等)は、建屋20全体の消費電力に関する情報を含む。また、分電盤22の少なくとも1つの分岐ブレーカ(不図示)また主幹ブレーカに、例えば電力、電流を検出するセンサ200を備えている。センサ200から、通信装置21に無線伝送等で電力、電流情報を送信するようにしてもよい。センサ200は、電力、電流情報を通信装置21に、Wi-SUN(Wireless Smart Utility Network)等により無線伝送するようにしてもよい。
電力/電流情報取得部101は、通信部101-1と波形分離部101-2を備えている。通信部101-1は、通信装置21と通信し、センサ200又はスマートメータ25が取得した電力、電流情報(全体の電力、電流情報)を取得し、設備A~C(10A~10C)に固有の電力、電流波形に機器分離し、記憶装置106に記憶する。図10Bにおいて、電流波形11は、図10Aの分電盤22に設置されたセンサ200で取得された電流波形(設備A~Cの合成電流波形)を例示する図である。波形分離部101-2は、図10Bの電流波形11から、例えば非特許文献1等の手法を用いて、設備A~C(10A~10C)の各設備の電流波形12A~12Cに分離する。図10Bにおいて、電流波形11A~11Cは、設備A~C(10A~10C)の各々について設備毎に分離された電流波形を模式的に表している。図10Aの構成の場合、設備10にセンサ200を備える場合(図9A)と比べて、コストを特段に削減可能としている。
なお、図10Aにおいて、電力/電流情報取得部101における波形分離部101-2は、ローカル側の建屋20等に配置する構成としてもよい(この場合、記憶装置106をクラウド側に配置する構成としてもよい)。
図2は、図1等を参照して説明した例示的な実施形態の処理手順の一例を説明する図である。
図1の電力/電流情報取得部101は、設備の電力/電流情報の時系列データを取得する(S1)。
図1の対象区間抽出部102は、電力/電流情報の時系列データのうち経時変化を反映している動作モードの時間区間を抽出する(S2)。対象区間抽出部102は、電力/電流情報の時系列データのうち経時変化を反映していない動作モードの時間区間を除外することで、経時変化を反映している動作モードの時間区間を抽出するようにしてもよい。
図1の状態推定部103は、対象区間抽出部102で設定された時間区間の電流情報の時系列データから設備の状態を推定する(S3)。
図1の経時変化推定部104は、抽出対象となる経時変化の時定数に対応する経時変化の推定結果を抽出する(S4)。
図1の出力部105は、設備の状態の経時変化の推定結果を出力する(S5)。
例示的な実施形態によれば、設備の状態の経時変化が微細であっても、フィルタリング等の他の要因による時間変化と分離することで、当該経時変化を適切に推定することが可能となる。この結果、設備のメンテナンスや清掃時期の的確な把握が可能となる。
なお、電流情報を用いる場合、さまざまな経時変化に関する情報(例えば、温度センサによる温度変化、振動センサによる振動変化、あるいは清掃日時情報、経年劣化情報等)を併せて観測するようにしてもよい。
例示的な実施形態によれば、以下の(a)、(b)を行うことで、設備の状態変化に関して、所望の長さに対応した経時変化に関する情報を、適切に推定することができる。この結果、コストの上昇を抑えながら、実用性のある精度で経時変化の検出を可能としている。
(a)図1の対象区間抽出部102が、設備の電力の時系列データから、推定対象となる経時変化の影響を受けている時間区間(期間)を抽出する。
(b)図1の状態推定部103が、抽出された時間区間における設備の状態(状態の変化)を推定し、経時変化推定部104が、抽出対象とする経時変化の時定数に応じて、フィルタリング処理等を施し、状態の経時変化を抽出する。
上記(a)の処理では、例えば図3に示すように、時間t1-t2の時間区間は、設備の間欠運転(一定の時間をおいて稼働と停止を交互に繰り返す)においてOFF(停止など)になっている期間である。
図1の対象区間抽出部102は、この時間区間の電力の時系列データは、経時変化の影響を受けた情報ではないため、解析対象の時系列データから除外する。なお、図3において、横軸は時間、縦軸は消費電力である。図3の時系列データを得るために、電力/電流情報取得部101は、一定時間(例えば1時間)ごとに、設備10の電力情報の所定時間(例えば数分間)の時系列データをセンサ200から取得し、図3に示すような、時系列データ:(時刻(time)、消費電力)をテーブルとして記憶装置106に記憶するようにしてもよい。なお、時系列データのサンプリングは等間隔でなくてもよい。
図1の対象区間抽出部102は、図3における時間区間t1-t2の設備の運転モード(間欠運転)の判断は、設備の動作履歴を用いて行うようにしてもよいし、あるいは、電力/電流情報取得部101で取得した設備の電力値等から判断するようにしてもよい。
また、上記(b)の処理では、図1の経時変化推定部104は、抽出対象の経時変化の時定数に応じてフィルタリング処理等を用いて抽出する。図4は、空調設備のうちエアコンのフィルタ目詰まりと物体(荷物等の置物等)で塞いだ場合の2つが重畳された場合の状態の経時変化の例を説明する図である。図4において、横軸は時間、縦軸は故障に対する危険度(経時変化による危険度)を表している。エアコンのフィルタの目詰まりにより劣化状態は、時間とともになだらかに進行する。エアコンの室外機のフィルタを塞ぐ物体が置かれた場合に、時刻t3で故障に対する危険度は急に上昇する。時刻t4でフィルタを塞いでいた物体が除かれると、フィルタ目詰まり単独の故障に対する危険度の時間推移(経時変化)に戻る。
なお、図4において、縦軸の故障に対する危険度は、設備の劣化状態を数値化して表したものであってもよい。あるいは、故障に対する危険度は、故障に対する危険度(設備の劣化状態)と正の相関を有する信号(例えば設備に流れる電流)等であってもよい。
図1の経時変化推定部104は、図4の時系列データに対して、フィルタ目詰まりの時定数τに対応したフィルタリング処理(ローパスフィルタ:遮断周波数=1/(2πτ))を施すことで、フィルタ目詰まりの進行の度合いを分離抽出することができる。
また、図1の経時変化推定部104は、フィルタ目詰まり+物体(荷物)による塞ぎに対応した、カットオフ周波数のフィルタリング処理(高域通過フィルタ)により、物体(荷物)による塞ぎを原因とする状態変化を分離抽出することができる。
フィルタの目詰まりは、数日~数週間程度の時間をかけてゆっくりと変化する成分であるのに対して、フィルタを塞ぐ物体(荷物)が置かれた、あるいは除去されたという変化は、数分~数時間程度の速い変化であり、これらは、フィルタリング処理により、明確に分離して判別することが可能である。
このように、例示的な実施形態によれば、対象とする経時変化の現象の時間変化に着目することで、経時変化の影響を適切に推定することができる。このため、例示的な実施形態によれば、設備の状態の経時変化の推定可能にしたがって、適切な予防保全等の対処を促すことが可能になる。
図5Aは、図1の設備10の電力値と経時変化の関係を説明する図である。横軸は経時変化(設備の状態)、縦軸は設備の電力値である。横軸の「正常」から「故障注意」では、電力値の時間変化は微弱である。電力値は、故障直前に立ち上がり、故障となると、顕著な上昇を示している。図5Aに示すように、設備の劣化が電力値の差となって表れるのは、設備の劣化が相当に進行してからであることがわかる。電力値は、破線で囲んだ範囲では、設備の劣化の進行に対して顕著な差として現れない(電力値の変化量は少ない)。
図5Bは、図5Aの電力値と、故障に対する危険度との関係を説明する図である。横軸は電力値、縦軸は設備の故障に対する危険度(図4の縦軸に対応する)である。故障に対する危険度の「対処推奨」は、保全の対処が推奨される状態にあり、「要対処」は保全が必要であることを表している。
なお、図5A、図5Bにおいて、設備の定格電力を超えると、もとの故障に加えてさらなる製品の劣化・破壊等が生じる可能性がある。故障時、設備への給電は遮断されるか(例えば設備の過電流検出時や短絡故障時等にブレーカで遮断)、設備自体が動作しなくなる。
図5Bから、電力値のわずかな変化に対して、「正常」から「対処推奨」、「要対処」まで急激に変化していることがわかる。このため、電力値は、故障の予兆等の検出等には向かない。
また、図5Aにおいて、電力値を用いて「正常」から「故障注意」等の経時変化を検出するには、高性能な電力計が必要とされる。このため、非特許文献1等に記載された機器分離技術により、分電盤に接続したセンサ200による電流波形から各設備の消費電力情報を得る場合、わずかな電力値の変化等を検出することは困難であると思料される。
そこで、実施形態では、設備の状態(劣化の程度や異常)の推定は、設備に流れる電流情報を解析することによって行われる。
図6Aは、設備の電流情報と経時変化の関係を説明する図である。横軸は経時変化、縦軸は設備の電流情報(の一部や加工値)である。電流情報は故障となるまで一定の割合で変化(単調増加)している。電流情報の一部は、電流情報の時系列データの一部の時間区間に対応させることができる。また電流情報の加工値として、前述した特流量が挙げられる。
図6Bは、設備の電流情報と故障に対する危険度との関係を説明する図である。横軸は電流情報(の一部や加工値)、縦軸は設備の故障に対する危険度(図4の縦軸に対応)である。故障に対する危険度は、電流値の増大に比例して正常から対処推奨、要対処まで変化している。図6Bの横軸の電流情報(の一部や加工値)のa、bは、図6Aのa、bにそれぞれ対応している。
電流情報と経時変化、故障に対する危険度との間に、図6A、図6Bのような関係があるため、状態推定部103は、故障に対する危険度として、電流情報を用いて、設備の状態を推定してもよい。状態推定部103は、商用交流電源の1サイクル毎に詳細な電流波形パターンを取得し、電流波形から抽出した特徴量、又は電流情報から算出された故障に対する危険度を、予め設定された閾値(図6A、図6Bのa、b)と比較して「正常」、「対処推奨」、「要対処」等を検知するようにしてもよい。
状態推定部103は、図6Bの「正常」、「対処推奨」、「要対処」等を検知する場合、機械学習(例えば、サポート・ベクター・マシン(Support Vector Machine:SVM)、k-近傍法(k-Nearest Neighbor Method:k-NN法)、k-平均法(k-Means Clustering Method:k-Means法)、ニューラル・ネットワーク(Neural Network:NN)、局所外れ値因子法(Local Outlier Factor Method:LOF法)等の手法を用いてもよい。
なお、図6A、図6Bは、単に説明の簡単のため、電流情報と経時変化、故障に対する危険度の関係を直線で示している。図6Bにおいて、故障に対する危険度が、図4に示すような特性の場合、横軸を複数の区間に区分し、各区間毎にスプライン曲線で近似するようにしてもよい。
図6Bにおいて、故障に対する危険度は、設備が製品の製造設備である場合、製品の不良率等を用いてもよい。不良率が所定の値のとき故障に対する危険度は要対処となり、不良率が1(全製品が不良)のとき故障である。エアコン等の場合、冷房時の消費電力1kW(Kilowatt)あたりの冷房能力である冷房COP(Coefficient Of Performance)=冷房能力(kW)÷冷房消費電力(kW)に基づき、故障に対する危険度=1-冷房COPとしてもよい。
上記した特許文献3では、経時変化に関する情報を、
(1)予め定義した時間特性(数式)をフィッティングによりパラメータを決定する、
(2)実測値のある範囲の平均値と最新の値との差分を経時変化成分として使用する、
の2通りの方法が示されている。
(1)予め定義した時間特性(数式)をフィッティングによりパラメータを決定する、
(2)実測値のある範囲の平均値と最新の値との差分を経時変化成分として使用する、
の2通りの方法が示されている。
(1)の場合、経時変化の時間特性が、作業者などの経験値などからある程度わかっている必要があり、さらに、その他の誤差要因(測定誤差など)との切り分けも困難であり、この方式で、経時変化の成分のみが抽出できているとは言い難い。
(2)の場合、予め時間特性を知っておく必要はないものの、時間変化成分の抽出に用いる時間範囲の設定に定量性がなく、またその他の誤差要因(測定誤差など)との切り分けも困難である。この方式で経時変化の成分のみが抽出できているとは言い難い。したがって、特許文献3では、経時変化を、精度よく推定できているとはいえない。
<具体例>
図7は、エアコンのフィルタ目詰まりを対象に再現実験を行った際の、電力値の実測例を示す図である。図7において、横軸はフィルタの目詰まりの状態を表し、縦軸は電力値である。フィルタ目詰まりの再現は、一例として、正常(目詰まりなし)、低状態、中状態、高状態の4状態の順に、目詰まりの程度を高くした再現により行った。図7から明らかなように、電力値はフィルタの目詰まりの再現が高状態にならないと、変化として検知することは困難である。すなわち、図7から、フィルタ目詰まりの程度が低いと、電力値に基づき、フィルタ目詰まりの状態を判別することは困難であることがわかる。
図7は、エアコンのフィルタ目詰まりを対象に再現実験を行った際の、電力値の実測例を示す図である。図7において、横軸はフィルタの目詰まりの状態を表し、縦軸は電力値である。フィルタ目詰まりの再現は、一例として、正常(目詰まりなし)、低状態、中状態、高状態の4状態の順に、目詰まりの程度を高くした再現により行った。図7から明らかなように、電力値はフィルタの目詰まりの再現が高状態にならないと、変化として検知することは困難である。すなわち、図7から、フィルタ目詰まりの程度が低いと、電力値に基づき、フィルタ目詰まりの状態を判別することは困難であることがわかる。
図7のエアコンのフィルタ目詰まりの実証実験では、除霜運転(ヒータが作動するため電力値は極端に変動する)において、間欠運転がOFF(停止など)の時間区間(消費電力はほぼ0)を、電力値のみで除外することができた(ただし、設備の動作履歴を確認してもよい)。
図8は、フィルタ目詰まりの実証実験の実験結果の一例を示す図である。図8には、電流情報に基づき、目詰まりの程度の推定結果と度数分布の計算結果が示されている。横軸はフィルタ目詰まりの状態を表し、縦軸は度数(1に正規化してある)を表している。実験は、図7と同様に、フィルタ目詰まりの度合を、正常(目詰まりなし)、低状態、中状態、高状態の4状態の順に目詰まりの程度を高くして行った。図中の菱形は正常、四角(■)は目詰まり低、三角(▲)は目詰まり中、×は目詰まり高の度数である。なお、各分布は中心付近の度数が最も高く左右に同程度に広がりを持って分布している。図8から、電流情報を用いた場合、低い目詰まりからでも判別可能であることがわかる。
なお、図1の状態推定装置100は、例えば図11に示すように、コンピュータシステムに実装してもよい。図11を参照すると、サーバコンピュータ等のコンピュータシステム110は、プロセッサ(CPU(Central Processing Unit)、データ処理装置)111、半導体メモリ(例えばRAM(Random Access Memory)、ROM(Read Only Memory)、又は、EEPROM(Electrically Erasable and Programmable ROM)等)、HDD(Hard Disk Drive)、CD(Compact Disc)、DVD(Digital Versatile Disc)等の少なくともいずれかを含む記憶装置112と、表示装置113と、通信インタフェース114を備えている。通信インタフェース114は、図1の電力/電流情報取得部101がセンサ200で取得した電力、電流情報を通信網を介して取得する通信部(図9、図10の101-1)として機能する。図1の電力/電流情報取得部101の出力部105は、例えば表示装置113に状態変化の推定結果を出力する。記憶装置112は、図1の記憶装置106と同一の装置であってもよい。記憶装置112に図1の状態推定装置100の機能を実現するプログラムを記憶しておき、プロセッサ111が、該プログラムを読み出して実行することで、上記した実施形態の状態推定装置100を実現するようにしてもよい。コンピュータシステム110は状態推定サービスをクラウドサービスとしてクライアントに提供するクラウドサーバとして実装するようにしてもよい。
上記実施形態では、設備の動作に関する信号の時系列データとして、消費電力の時系列データ(図3)、及び、電力情報に基づく、故障に対する危険度の時系列データ(図4)を例に説明したが、振動センサ、音響センサ、温度センサの少なくとも一つからの情報を用いてもよいことは勿論である。
なお、上記の特許文献1-3、非特許文献1の各開示を、本書に引用をもって繰り込むものとする。本発明の全開示(請求の範囲を含む)の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の請求の範囲の枠内において種々の開示要素(各請求項の各要素、各実施例の各要素、各図面の各要素等を含む)の多様な組み合わせ乃至選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。
上記した実施形態は例えば以下のように付記される(ただし、以下に制限されない)。
(付記1)
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の手段と、
前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の手段と、
を備えた、ことを特徴とする状態推定装置。
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の手段と、
前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の手段と、
を備えた、ことを特徴とする状態推定装置。
(付記2)
前記第1の手段は、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除く、ことを特徴とする付記1記載の状態推定装置。
前記第1の手段は、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除く、ことを特徴とする付記1記載の状態推定装置。
(付記3)
前記第1の手段は、前記設備の動作履歴情報に基づき、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする付記2記載の状態推定装置。
前記第1の手段は、前記設備の動作履歴情報に基づき、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする付記2記載の状態推定装置。
(付記4)
前記第1の手段は、前記設備の電力情報又は電流情報に基づき、前記設備の電力又は電流の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除く、ことを特徴とする付記2又は3記載の状態推定装置。
前記第1の手段は、前記設備の電力情報又は電流情報に基づき、前記設備の電力又は電流の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除く、ことを特徴とする付記2又は3記載の状態推定装置。
(付記5)
前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする付記1乃至4のいずれか一に記載の状態推定装置。
前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする付記1乃至4のいずれか一に記載の状態推定装置。
(付記6)
前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記1乃至4のいずれか一に記載の状態推定装置。
前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記1乃至4のいずれか一に記載の状態推定装置。
(付記7)
前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記1乃至4のいずれか一に記載の状態推定装置。
前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記1乃至4のいずれか一に記載の状態推定装置。
(付記8)
コンピュータによる設備の状態を推定する方法であって、
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の工程と、
前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の工程と、
を含む、ことを特徴とする状態推定方法。
コンピュータによる設備の状態を推定する方法であって、
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の工程と、
前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の工程と、
を含む、ことを特徴とする状態推定方法。
(付記9)
前記第1の工程では、前記設備の動作に関する信号の時系列データから経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記8記載の状態推定方法。
前記第1の工程では、前記設備の動作に関する信号の時系列データから経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記8記載の状態推定方法。
(付記10)
前記第1の工程では、前記設備の動作履歴情報に基づき、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする付記8記載の状態推定方法。
前記第1の工程では、前記設備の動作履歴情報に基づき、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする付記8記載の状態推定方法。
(付記11)
前記第1の工程では、前記設備の電力情報又は電流情報に基づき、前記設備の電圧又は電流の時系列データから、経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記9又は10記載の状態推定方法。
前記第1の工程では、前記設備の電力情報又は電流情報に基づき、前記設備の電圧又は電流の時系列データから、経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記9又は10記載の状態推定方法。
(付記12)
前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする付記8乃至11のいずれか一に記載の状態推定方法。
前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする付記8乃至11のいずれか一に記載の状態推定方法。
(付記13)
前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、
前記設備の状態の変化に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記8乃至11のいずれか一に記載の状態推定方法。
前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、
前記設備の状態の変化に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記8乃至11のいずれか一に記載の状態推定方法。
(付記14)
前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記8乃至11のいずれか一に記載の状態推定方法。
前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記8乃至11のいずれか一に記載の状態推定方法。
(付記15)
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の処理と、
前記抽出された時間区間の時系列データに基づき、前記設備の状態の経時変化を推定する第2の処理と、
をコンピュータに実行させるプログラム。
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の処理と、
前記抽出された時間区間の時系列データに基づき、前記設備の状態の経時変化を推定する第2の処理と、
をコンピュータに実行させるプログラム。
(付記16)
前記第1の処理では、前記設備の動作に関する信号の時系列データから経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記15記載のプログラム。
前記第1の処理では、前記設備の動作に関する信号の時系列データから経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記15記載のプログラム。
(付記17)
前記第1の処理では、前記設備の動作履歴情報に基づき、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする付記15記載のプログラム。
前記第1の処理では、前記設備の動作履歴情報に基づき、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする付記15記載のプログラム。
(付記18)
前記第1の処理では、前記設備の電力情報又は電流情報に基づき、前記設備の電圧又は電流の時系列データから、経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記16又は17記載のプログラム。
前記第1の処理では、前記設備の電力情報又は電流情報に基づき、前記設備の電圧又は電流の時系列データから、経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする付記16又は17記載のプログラム。
(付記19)
前記第2の処理では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする付記15乃至18のいずれか一に記載のプログラム。
前記第2の処理では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする付記15乃至18のいずれか一に記載のプログラム。
(付記20)
前記第2の処理では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、
前記設備の状態の変化に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記15乃至18のいずれか一に記載のプログラム。
前記第2の処理では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、
前記設備の状態の変化に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記15乃至18のいずれか一に記載のプログラム。
(付記21)
前記第2の処理では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記15乃至18のいずれか一に記載のプログラム。
前記第2の処理では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする付記15乃至18のいずれか一に記載のプログラム。
10、10A~10C 設備
11、11A~11C 電流波形
20 建屋(家屋)
21 通信装置(コントローラ、ゲートウェイ)
22 分電盤
200 センサ
24 通信装置(BEMS/FEMSコントローラ)
25 スマートメータ
26 高圧受電設備
100 状態推定装置
101 電力/電流情報取得部
101-1 通信部
101-2 波形分離部
102 対象区間抽出部
103 状態推定部
104 経時変化推定部
105 出力部
106、112 記憶装置
110 コンピュータシステム(装置)
111 プロセッサ
113 表示装置
114 通信インタフェース
200 センサ(測定器)
201 電圧計
202 降圧回路
203、206 アナログデジタル変換器(ADC)
204 電流計
205 電流センサ
207 乗算器
208 有効電量算出部
209 通信部
210 負荷(設備)
211 商用交流電源
11、11A~11C 電流波形
20 建屋(家屋)
21 通信装置(コントローラ、ゲートウェイ)
22 分電盤
200 センサ
24 通信装置(BEMS/FEMSコントローラ)
25 スマートメータ
26 高圧受電設備
100 状態推定装置
101 電力/電流情報取得部
101-1 通信部
101-2 波形分離部
102 対象区間抽出部
103 状態推定部
104 経時変化推定部
105 出力部
106、112 記憶装置
110 コンピュータシステム(装置)
111 プロセッサ
113 表示装置
114 通信インタフェース
200 センサ(測定器)
201 電圧計
202 降圧回路
203、206 アナログデジタル変換器(ADC)
204 電流計
205 電流センサ
207 乗算器
208 有効電量算出部
209 通信部
210 負荷(設備)
211 商用交流電源
Claims (15)
- 設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の手段と、
前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の手段と、
を備えた、ことを特徴とする状態推定装置。 - 前記第1の手段は、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない動作モードに対応する時間区間を除く、ことを特徴とする請求項1記載の状態推定装置。
- 前記第1の手段は、前記設備の動作履歴情報に基づき、前記設備の動作に関する信号の時系列データから、経時変化の影響を受けない前記動作モードに対応する時間区間を除外する、ことを特徴とする請求項2記載の状態推定装置。
- 前記第1の手段は、前記設備の電力情報又は電流情報に基づき、前記設備の電力又は電流の時系列データから、経時変化の影響を受けない前記動作モードに対応する時間区間を除く、ことを特徴とする請求項2又は3記載の状態推定装置。
- 前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする請求項1乃至4のいずれか1項に記載の状態推定装置。
- 前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする請求項1乃至4のいずれか1項に記載の状態推定装置。
- 前記第2の手段は、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする請求項1乃至4のいずれか1項に記載の状態推定装置。 - コンピュータによる設備の状態を推定する方法であって、
設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する第1の工程と、
前記抽出された時間区間に対応する時系列データに基づき、前記設備の状態の経時変化を推定する第2の工程と、
を含む、ことを特徴とする状態推定方法。 - 前記第1の工程では、前記設備の動作に関する信号の時系列データから経時変化の影響を受けない動作モードの時間区間を除く、ことを特徴とする請求項8記載の状態推定方法。
- 前記第1の工程では、前記設備の動作履歴情報に基づき、経時変化の影響を受けない動作モードに対応する時間区間を除外する、ことを特徴とする請求項8記載の状態推定方法。
- 前記第1の工程では、前記設備の電力情報又は電流情報に基づき、前記設備の電圧又は電流の時系列データから、経時変化の影響を受けない前記動作モードの時間区間を除く、ことを特徴とする請求項8又は9記載の状態推定方法。
- 前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから前記設備の状態の変化を推定する、ことを特徴とする請求項8乃至11のいずれか1項に記載の状態推定方法。
- 前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データから、前記設備の状態の変化を推定し、前記設備の状態の変化に対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする請求項8乃至11のいずれか1項に記載の状態推定方法。
- 前記第2の工程では、前記抽出された時間区間に対応する前記設備の電流情報の時系列データに基づき、前記設備の故障に対する危険度の時系列データを算出し、
前記抽出された時間区間に対応する前記故障に対する危険度の時系列データに対して、抽出対象の経時変化の時定数に対応するフィルタリング処理を施し、前記設備の状態の経時変化を推定する、ことを特徴とする請求項8乃至11のいずれか1項に記載の状態推定方法。 - 設備の動作に関する信号の時系列データから解析対象の時間区間を抽出する処理と、
前記抽出された時間区間の時系列データに基づき、前記設備の状態の経時変化を推定する処理と、
をコンピュータに実行させるプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018554213A JPWO2018101363A1 (ja) | 2016-11-30 | 2017-11-29 | 状態推定装置と方法とプログラム |
US16/463,011 US20190324070A1 (en) | 2016-11-30 | 2017-11-29 | State estimation apparatus, state estimation method, and non-transitory medium |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-232237 | 2016-11-30 | ||
JP2016232237 | 2016-11-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2018101363A1 true WO2018101363A1 (ja) | 2018-06-07 |
Family
ID=62242426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2017/042911 WO2018101363A1 (ja) | 2016-11-30 | 2017-11-29 | 状態推定装置と方法とプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190324070A1 (ja) |
JP (1) | JPWO2018101363A1 (ja) |
WO (1) | WO2018101363A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020123191A (ja) * | 2019-01-31 | 2020-08-13 | ファナック株式会社 | 数値制御システム |
WO2021130869A1 (ja) * | 2019-12-24 | 2021-07-01 | 三菱電機株式会社 | 機器状態判定システム、電力量計、および機器状態判定方法 |
US20210263896A1 (en) * | 2020-02-21 | 2021-08-26 | Kabushiki Kaisha Toshiba | Information processing apparatus, information processing method, and non-transitory computer readable medium |
JP2022085363A (ja) * | 2020-11-27 | 2022-06-08 | 株式会社日立製作所 | 予測モデル生成装置及び方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111602431B (zh) * | 2018-01-31 | 2021-10-26 | 华为技术有限公司 | 控制通信网络的基站的设备和方法 |
GB201808844D0 (en) * | 2018-05-30 | 2018-07-11 | Imperial Innovations Ltd | Wireless power transmission system and method |
JP7081070B2 (ja) * | 2018-06-27 | 2022-06-07 | 三菱電機ビルソリューションズ株式会社 | 消費電力推定装置 |
GB2576309A (en) * | 2018-08-10 | 2020-02-19 | Green Running Ltd | Systems and methods for condition monitoring |
JP2022127818A (ja) * | 2021-02-22 | 2022-09-01 | 三菱電機株式会社 | データ分析装置、データ分析システムおよびプログラム |
JP2022151193A (ja) * | 2021-03-26 | 2022-10-07 | 横河電機株式会社 | 装置、方法およびプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022156A (ja) * | 2008-04-11 | 2011-02-03 | Mitsubishi Electric Corp | 機器状態検出装置、機器状態検出サーバー及び機器状態検出システム、並びに機器状態データベース保守サーバー |
WO2015151558A1 (ja) * | 2014-03-31 | 2015-10-08 | 日本電気株式会社 | 監視装置、監視システム、監視方法及びプログラム |
JP2016045793A (ja) * | 2014-08-25 | 2016-04-04 | 東日本旅客鉄道株式会社 | 設備の劣化状態判定システムおよび設備の劣化状態判定方法 |
JP2016177682A (ja) * | 2015-03-20 | 2016-10-06 | 株式会社東芝 | 設備評価装置、設備評価方法、コンピュータプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001093067A (ja) * | 1999-09-24 | 2001-04-06 | Tokyo Electric Power Environmental Engineering Co Inc | 運転保守システムおよび運転保守方法 |
JP3907998B2 (ja) * | 2001-02-09 | 2007-04-18 | 株式会社東芝 | 変電機器保護制御システム |
JP4687375B2 (ja) * | 2005-10-19 | 2011-05-25 | 株式会社日立製作所 | 設備情報監視・保守支援システム |
US8560134B1 (en) * | 2010-09-10 | 2013-10-15 | Kwangduk Douglas Lee | System and method for electric load recognition from centrally monitored power signal and its application to home energy management |
CN102521667A (zh) * | 2011-12-26 | 2012-06-27 | 华北电力大学(保定) | 电力***阶段式保护运行风险的概率评估方法 |
JP2014041565A (ja) * | 2012-08-23 | 2014-03-06 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ解析装置、方法、及びプログラム |
-
2017
- 2017-11-29 JP JP2018554213A patent/JPWO2018101363A1/ja active Pending
- 2017-11-29 WO PCT/JP2017/042911 patent/WO2018101363A1/ja active Application Filing
- 2017-11-29 US US16/463,011 patent/US20190324070A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022156A (ja) * | 2008-04-11 | 2011-02-03 | Mitsubishi Electric Corp | 機器状態検出装置、機器状態検出サーバー及び機器状態検出システム、並びに機器状態データベース保守サーバー |
WO2015151558A1 (ja) * | 2014-03-31 | 2015-10-08 | 日本電気株式会社 | 監視装置、監視システム、監視方法及びプログラム |
JP2016045793A (ja) * | 2014-08-25 | 2016-04-04 | 東日本旅客鉄道株式会社 | 設備の劣化状態判定システムおよび設備の劣化状態判定方法 |
JP2016177682A (ja) * | 2015-03-20 | 2016-10-06 | 株式会社東芝 | 設備評価装置、設備評価方法、コンピュータプログラム |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020123191A (ja) * | 2019-01-31 | 2020-08-13 | ファナック株式会社 | 数値制御システム |
JP7101131B2 (ja) | 2019-01-31 | 2022-07-14 | ファナック株式会社 | 数値制御システム |
WO2021130869A1 (ja) * | 2019-12-24 | 2021-07-01 | 三菱電機株式会社 | 機器状態判定システム、電力量計、および機器状態判定方法 |
JPWO2021130869A1 (ja) * | 2019-12-24 | 2021-07-01 | ||
JP7170913B2 (ja) | 2019-12-24 | 2022-11-14 | 三菱電機株式会社 | 機器状態判定システム、電力量計、および機器状態判定方法 |
US20210263896A1 (en) * | 2020-02-21 | 2021-08-26 | Kabushiki Kaisha Toshiba | Information processing apparatus, information processing method, and non-transitory computer readable medium |
JP2021135513A (ja) * | 2020-02-21 | 2021-09-13 | 株式会社東芝 | 情報処理装置、情報処理方法、およびプログラム |
US11598693B2 (en) | 2020-02-21 | 2023-03-07 | Kabushiki Kaisha Toshiba | Information processing apparatus, information processing method, and non-transitory computer readable medium |
JP7256764B2 (ja) | 2020-02-21 | 2023-04-12 | 株式会社東芝 | 情報処理装置、情報処理方法、およびプログラム |
JP2022085363A (ja) * | 2020-11-27 | 2022-06-08 | 株式会社日立製作所 | 予測モデル生成装置及び方法 |
JP7152461B2 (ja) | 2020-11-27 | 2022-10-12 | 株式会社日立製作所 | 予測モデル生成装置及び方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190324070A1 (en) | 2019-10-24 |
JPWO2018101363A1 (ja) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018101363A1 (ja) | 状態推定装置と方法とプログラム | |
Rogers et al. | A review of fault detection and diagnosis methods for residential air conditioning systems | |
JP6874843B2 (ja) | 状態推定装置と方法とプログラム | |
US9964932B2 (en) | Virtual demand auditing of devices in a building | |
EP3317597B1 (en) | System and the associated method for controlling a refrigeration or hvac system | |
US9453869B1 (en) | Fault prediction system for electrical distribution systems and monitored loads | |
US9442150B2 (en) | System and method for monitoring and controlling a transformer | |
US8694291B2 (en) | System and method of waveform analysis to identify and characterize power-consuming devices on electrical circuits | |
TW201333484A (zh) | 設備異常的偵測裝置與方法 | |
US20110241695A1 (en) | Methods and systems for monitoring capacitor banks | |
CN109785181B (zh) | 确定负载参数额定值的方法和确定电力设备状况的方法 | |
TW201700984A (zh) | 絕緣檢測器及電氣機器 | |
US20090292486A1 (en) | Load Model Generation for Estimating a Load Value from a Base Load Value in a System | |
KR20180064228A (ko) | 실시간 전력 소비 패턴을 분석하여 획득되는 통전 및 단전 모티프 정보를 이용하여 비침습 방식으로 회로 내의 복수의 전력 기기의 거동을 분석하고 개별 기기의 소비 전력을 모니터링하는 장치 및 방법 | |
JP7020539B2 (ja) | 状態推定装置と方法とプログラム | |
WO2019189754A1 (ja) | 状態推定装置と方法とプログラム並びに記録媒体 | |
WO2016136391A1 (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
US20150276828A1 (en) | Device and method for determining an individual power representation of operation states | |
KR101549754B1 (ko) | 가변속 냉동시스템의 고장진단방법 | |
JP2018088052A (ja) | 管理装置と方法及びプログラム | |
WO2018198210A1 (ja) | 異常機器判別装置、方法、プログラム | |
JP7044170B2 (ja) | 異常検知装置、方法、およびプログラム | |
WO2020136756A1 (ja) | 状態推定装置と方法とプログラム記録媒体 | |
Benedá et al. | An Proposal to Energy Consumption Estimation of Residential Loads based on State Sensors Devices | |
Sathiyanathan et al. | Remaining Useful Life Prediction of Small and Large Signal Analog Circuits Using Filtering Algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 17876663 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2018554213 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 17876663 Country of ref document: EP Kind code of ref document: A1 |