特許 6441746 電力時系列データ補正方法およびシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6441746

(24)【登録日】2018年11月30日

(45)【発行日】2018年12月19日

(54)【発明の名称】電力時系列データ補正方法およびシステム

(51)【国際特許分類】

   G01R 21/00 20060101AFI20181210BHJP

   H02J 3/14 20060101ALI20181210BHJP

【ＦＩ】

   G01R21/00 Q

   G01R21/00 P

   H02J3/14 130

【請求項の数】6

【全頁数】9

(21)【出願番号】特願2015-112605(P2015-112605)

(22)【出願日】2015年6月2日

(65)【公開番号】特開2016-223985(P2016-223985A)

(43)【公開日】2016年12月28日

【審査請求日】2017年6月27日

【新規性喪失の例外の表示】特許法第３０条第２項適用 電子情報通信学会 技術研究報告 Ｖｏｌ．１１４ Ｎｏ．３８９ ＩＣＭ２０１４−３５ ｐｐ．１９〜２２

(73)【特許権者】

【識別番号】000004226

【氏名又は名称】日本電信電話株式会社

(74)【代理人】

【識別番号】110001243

【氏名又は名称】特許業務法人 谷・阿部特許事務所

(72)【発明者】

【氏名】井上 洋思

(72)【発明者】

【氏名】大山 孝

(72)【発明者】

【氏名】渡辺 敏雄

(72)【発明者】

【氏名】石山 文彦

【審査官】 島▲崎▼ 純一

(56)【参考文献】

【文献】 国際公開第２０１３／０９９０３３（ＷＯ，Ａ１）

【文献】 米国特許第０５９１８３８０（ＵＳ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｒ ２１／００

Ｈ０２Ｊ ３／１４

(57)【特許請求の範囲】

【請求項1】

動作時の消費電力が異なる電気機器群が消費した総電力を示す総電力時系列データから、予め定められた消費電力未満の電気機器群が消費した電力の影響を低減する電力時系列データ補正方法であって、
前記総電力時系列データを取得して電力時系列データ記憶部に記憶する第１のステップと、
前記総電力時系列データを予め定められた期間毎に分割する第２のステップと、
前記期間毎に前記総電力時系列データの最小電力値を時系列に順次取得し、該最小電力値を対応する期間の小電力機器の積算電力値と判定する第３のステップと、
前記期間毎に分割された電力時系列データから対応する期間の前記小電力機器の積算電力値を引いて補正された電力時系列データを生成し、該補正された電力時系列データを前記電力時系列データ記憶部に記憶する第４のステップと、
を有し、
前記第３のステップでは、
前記判定の対象期間の最小電力値からその直前の期間の最小電力値を引いた値が電力上昇により予め定められた電力閾値以上となった場合、それ以降の対象期間では、当該対象期間の最小電力値から前記電力上昇の直前の期間の最小電力値を引いた値が前記電力閾値以上である間、前記電力上昇の直前の期間の最小電力値を当該対象期間の前記小電力機器の積算電力値と判定することを特徴とする電力時系列データ補正方法。

【請求項2】

前記期間は、前記補正された電力時系列データから動作状態を同定する大電力機器の推定連続継続時間以下であることを特徴とする請求項１に記載の電力時系列データ補正方法。

【請求項3】

前記電力閾値は、前記補正された電力時系列データから動作状態を同定する大電力機器の標準動作電力値であることを特徴とする請求項１又は２に記載の電力時系列データ補正方法。

【請求項4】

動作時の消費電力が異なる電気機器群が消費した総電力を示す総電力時系列データから、予め定められた消費電力未満の電気機器群が消費した電力の影響を低減する電力時系列データ補正システムであって、
前記総電力時系列データを受信する電力時系列入力部と、
前記総電力時系列データを記憶する電力時系列データ記憶部と、
前記総電力時系列データを予め定められた期間毎に分割し、前記期間毎に前記総電力時系列データの最小電力値を時系列に順次取得し、該最小電力値を対応する期間の小電力機器の積算電力値と判定し、前記期間毎に分割された電力時系列データから対応する期間の前記小電力機器の積算電力値を引いて補正された電力時系列データを生成し、該補正された電力時系列データを前記電力時系列データ記憶部に記憶する、前処理部と、
を備え、
前記前処理部は、
前記判定の対象期間の最小電力値からその直前の期間の最小電力値を引いた値が電力上昇により予め定められた電力閾値以上となった場合、それ以降の対象期間では、当該対象期間の最小電力値から前記電力上昇の直前の期間の最小電力値を引いた値が前記電力閾値以上である間、前記電力上昇の直前の期間の最小電力値を当該対象期間の前記小電力機器の積算電力値と判定することを特徴とする電力時系列データ補正システム。

【請求項5】

前記期間は、前記補正された電力時系列データから動作状態を同定する大電力機器の推定連続継続時間以下であることを特徴とする請求項４に記載の電力時系列データ補正システム。

【請求項6】

前記電力閾値は、前記補正された電力時系列データから動作状態を同定する大電力機器の標準動作電力値であることを特徴とする請求項４又は５に記載の電力時系列データ補正システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、分電盤で計測した電力データを分析し、家電機器個別の動作状態を同定する「Non-intrusive load monitoring（ＮＩＬＭ）」において使用される電力時系列データ補正方法およびシステムに関する。

【背景技術】

【0002】

これまでに、エアコンとエアコン以外の大電力機器（トースター、炊飯器、食器洗い乾燥機等）の消費電力データからの識別性能を向上するため、「大電力状態の連続継続時間」を特徴量として利用する手法等が提案されている。これは、エアコンは大電力が長時間（３０分程度程以上）継続する確率が高いのに対し、エアコン以外の機器では大電力が長時間継続する確率は低いという特徴を利用したものである。大電力の継続時間は、エアコンとそれ以外の機器との違いを明確化する特徴量であり、本特徴量の利用によってエアコンの推定精度を向上することができた。特に、各機器が単独動作する条件では、この手法で高精度にエアコンとエアコン以外の機器の識別が可能である。

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】井上 洋思、石山 文彦、渡辺 敏雄、大山 孝、「電力時系列の特徴に基づく機器動作状態の推定」、信学技報、一般社団法人 電子情報通信学会、２０１４年、Ｖｏｌ．１１４、Ｎｏ．６３、ｐ．１９−２３

【非特許文献2】井上 洋思、石山 文彦、渡辺 敏雄、大山 孝、「家庭の電力系列から得た統計的特徴に基づく家電機器の動作状態推定方法」、第１３情報科学技術フォーラム、２０１４年、予稿集第４分冊、ｐ．３７９−３８０

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、実際の生活では、冷蔵庫、照明、テレビのように常時運転する機器や、機器単体では小電力であるものの電力消費が長時間継続する機器（小電力機器）が同時に動作している。いくつかの小電力機器とエアコン以外の大電力機器が同時動作する場合、小電力機器の積算消費電力の影響により、エアコン以外の大電力機器の停止する際の電力低下が識別し難くなり、「大電力状態の連続継続時間」を正確に把握することができなくなる可能性があるという課題があった。

【0005】

省電力機器の積算消費電力が高い場合、大電力機器が停止した後も消費電力が高止まりして大電力機器の動作状態を識別するための電力閾値を下回らず、大電力機器の停止に起因する電力低下を検知できない可能性が生じる。このため、エアコンのような大電力機器の識別が困難になるという課題があった。

【0006】

本発明は、このような課題に鑑みてなされたもので、その目的とするところは、小電力機器が複数動作中でも、総電力時系列データから小電力機器以外の大電力機器の動作状態を高精度に識別可能とする電力時系列データ補正方法およびシステムを提供することにある。

【課題を解決するための手段】

【0007】

上記の課題を解決するために、本発明は、動作時の消費電力が異なる電気機器群が消費した総電力を示す総電力時系列データから、予め定められた消費電力未満の電気機器群が消費した電力の影響を低減する電力時系列データ補正方法であって、前記総電力時系列データを取得して電力時系列データ記憶部に記憶するステップと、前記総電力時系列データを予め定められた期間毎に分割するステップと、前記総電力時系列データの隣接する２期間において、後の期間の最小電力値から前の期間の最小電力値を引いた値が、予め定めた電力閾値未満である場合、前記後の期間の最小電力値を小電力機器の積算電力値とし、前記予め定められた電力閾値以上である場合、前記前の期間の最小電力値を小電力機器の積算電力値と判定するステップと、前記予め定められた期間毎に分割された電力時系列データから、判定された対応する前記最小電力値を引いて補正された電力時系列データを生成し、前記補正された電力時系列データを前記電力時系列データ記憶部に記憶するステップと、を有することを特徴とする。

【0008】

請求項２に記載の発明は、請求項１に記載の電力時系列データ補正方法において、前記予め定められた期間は、前記補正された電力時系列データから動作状態を同定する大電力機器の推定連続継続時間以下であることを特徴とする。

【0009】

請求項３に記載の発明は、請求項１又は２に記載の電力時系列データ補正方法において、前記予め定められた電力閾値は、前記補正された電力時系列データから動作状態を同定する大電力機器の標準動作電力値であることを特徴とする。

【0010】

請求項４に記載の発明は、動作時の消費電力が異なる電気機器群が消費した総電力を示す総電力時系列データから、予め定められた消費電力未満の電気機器群が消費した電力の影響を低減する電力時系列データ補正システムであって、前記総電力時系列データを受信する電力時系列入力部と、前記総電力時系列データを記憶する電力時系列データ記憶部と、前記総電力時系列データを予め定められた期間毎に分割し、前記総電力時系列データの隣接する２期間において、後の期間の最小電力値から前の期間の最小電力値を引いた値が、予め定めた電力閾値未満である場合、前記後の期間の最小電力値を小電力機器の積算電力値とし、前記予め定められた電力閾値以上である場合、前記前の期間の最小電力値を小電力機器の積算電力値と判定し、前記予め定められた期間毎に分割された電力時系列データから、判定された対応する前記最小電力値を引いて補正された電力時系列データを生成し、前記補正された電力時系列データを前記電力時系列データ記憶部に記憶する、前処理部と、を備えたことを特徴とする。

【0011】

請求項５に記載の発明は、請求項４に記載の電力時系列データ補正システムにおいて、前記予め定められた期間は、前記補正された電力時系列データから動作状態を同定する大電力機器の推定連続継続時間以下であることを特徴とする。

【0012】

請求項６に記載の発明は、請求項４又は５に記載の電力時系列データ補正システムにおいて、前記予め定められた電力閾値は、前記補正された電力時系列データから動作状態を同定する大電力機器の標準動作電力値であることを特徴とする。

【発明の効果】

【0013】

本発明は、宅内で小電力機器が複数動作する実践的な条件下でも、総電力時系列データから小電力機器以外の大電力機器の動作状態を高精度に識別可能にする。

【図面の簡単な説明】

【0014】

【図1】本発明の一実施形態に係る電力時系列データ補正システムの構成を示す図である。

【図2】本願発明の一実施形態に係る前処理部１０４で実施される前処理の手順を説明するフローチャートを示す図である。

【図3】本発明の一実施形態に係る電力時系列データ補正システムによる前処理前の総電力時系列データと小電力機器の積算電力の近似値を示す図である。

【図4】本発明の一実施形態に係るエアコンの動作状態推定に係る前処理システムによる前処理後の総電力時系列を示す図である。

【図5】電気機器の動作状態同定方法を説明するフローチャートである。

【発明を実施するための形態】

【0015】

前述のように、冷蔵庫、照明、テレビ等のいくつかの小電力機器と大電力機器が同時動作する時、大電力機器の識別が困難になる。この課題に対し、小電力機器が消費する電力の影響を回避できれば、高精度な識別が可能になると考えられる。

【0016】

本発明は、小電力機器の電力を簡易な手段で近似する技術である。すなわち、（１）総電力の極小を時間軸に沿って順次取得し、それを小電力機器の積算電力の近似値とし、（２）一定以上の急峻な電力上昇がある場合は、電力上昇の直前の近似値を現時点の小電力機器の積算電力の近似値とすることにより小電力機器の積算電力を近似する。

【0017】

このように、小電力機器の積算電力を総電力から差し引くことで、小電力機器の影響が緩和され、エアコン等の大電力機器の「大電力状態の連続継続時間」の識別性能が改善する。

【0018】

以下、本発明の実施の形態について、詳細に説明する。

【0019】

図１に、本発明の一実施形態に係る電力時系列データ補正システムの構成を示す。本システムは、以下の機能を持つ部品、もしくはプログラムを追加することで構成される。

【0020】

電力時系列入力部１０１は、電力センサ等から得られた電力時系列データを数値情報としてシステムに入力するインタフェースである。本システムで利用する電力時系列データのサンプリング間隔は２０秒程度が好ましいが、これに限るものではなく、任意に設定可能である。電力時系列入力部１０１において、大電力機器の電力時系列データと分電盤で取得する家全体の総電力の電力時系列データを取得する。

【0021】

電力時系列記憶部１０２は、記憶装置内に設けられ、電力時系列入力部１０１により取得した電力時系列データを任意の期間内で記憶する。電力時系列入力部１０１により取得した電力時系列データを任意の期間内で記憶する機能に加え、前処理部１０４で生成した処理後の電力時系列データを任意の期間内で記憶する。

【0022】

前処理部１０４は、電力時系列入力部１０１により取得した総電力時系列データに対し、後述する前処理を施し、処理後の電力時系列データを電力時系列記憶部１０２に送信する。

【0023】

判定式作成部１０５は、電力時系列記憶部１０２に記憶されている大電力機器の電力時系列データと分電盤で取得する家全体の総電力の電力時系列データを用いて、後述する方法で、大電力機器に応じた複数の動作状態を同定する複数の判定式を作成する。複数の判定式は、それぞれ各動作状況を特徴付ける異なる特徴量の組み合わせを含み、同定する動作状態毎に異なる。

【0024】

判定式記憶部１０３は、判定式作成部１０５により作成された判定式を記憶する。

【0025】

動作状態同定部１０６は、電力時系列記憶部１０２に記憶されている大電力機器の電力時系列データと分電盤で取得する家全体の総電力の電力時系列データを判定式記憶部１０３に記憶されている各状態に対応した複数の判定式に代入して状態の真偽を算出する。各判定式の演算結果の和に従って大電力機器の動作状態を同定する。

【0026】

推定結果出力部１０７は、大電力機器の動作状態の推定結果をモニタ等の外部装置に出力する出力インタフェースである。

【0027】

次に、図２に、本願発明の一実施形態に係る前処理部１０４で実施される前処理の手順を説明するフローチャートを示す。電力時系列記憶部１０２から、任意の時間の総電力時系列データを取得する（ステップ２０１）。任意の時間は１時間程度が好ましいが１時間に限るものではなく、動作状態を同定する大電力機器の推定連続継続時間以下であればよい。ステップ２０１で取得した電力時系列データの最小電力値を取得する（ステップ２０２）。ステップ２０１に連続する次の任意時間の電力時系列データを取得する（ステップ２０３）。ステップ２０３で取得した電力時系列データの最小電力値を取得する（ステップ２０４）。

【0028】

ステップ２０４で取得した最小電力値からステップ２０２で取得した最小電力値を引き、その値が一定値未満である場合、ステップ２０４で取得した最小電力値を選択し、逆に、一定値以上になる電力上昇がある場合は、それ以降、電力上昇がある間、電力上昇の直前に取得した最小電力値を選択する（ステップ２０５）。選択した最小電力値が小電力機器の積算電力の近似値となる。尚、一定値は２００Ｗ程度が好ましいが２００Ｗに限定するものではなく、動作状態を同定する大電力機器の標準動作電力値であればよい。ステップ２０３で取得した電力時系列データの各レコード（電力値）からステップ２０５で得た小電力機器の積算電力の近似値を引くことで生成される補正された電力時系列データを電力時系列記憶部に記憶する（ステップ２０６）。

【0029】

上記ステップ２０１〜２０６の手順を任意の学習期間内で繰り返し、前処理後の補正された電力時系列データを電力時系列記憶部１０２に記憶する。尚、学習期間は、２週間程度が好ましく、推定時においては最小で１時間であり、長くても３時間程度あれば十分である。２週間、１時間、３時間というのは理想値ではあるものの、本発明はこれらの期間に限定するものではない。

【0030】

図３に、本発明の一実施形態に係る電力時系列データ補正システムによる前処理前の総電力時系列データと小電力機器の積算電力の近似値を示し、図４に、本発明の一実施形態に係る電力時系列データ補正システムによる前処理後の総電力時系列データを示す。図３では、期間（６）〜（９）にかけて大電力機器により形成されたと考えられる消費電力（２００Ｗ以上の電力）の大きな山に加え、期間（２）〜（４）にかけて小電力機器により形成されたと考えられる消費電力の比較的小さな山が見られる。一方、図４では、大電力機器により形成されたと考えられる消費電力の山以外には複数の期間にかけて形成された消費電力の山は存在せず、大電力機器により形成されたと考えられる消費電力の山はそのままに、小電力機器の影響を排除することができている。

【0031】

最後に学習と推定の手順について述べる。ここでは大電力機器としてエアコンを例に説明する。

【0032】

図５に、電気機器の動作状態同定方法を説明するフローチャートを示す。電力時系列入力部１０１よりエアコン電力時系列データを取得し、それらを電力時系列記憶部１０２に記憶する（ステップ３０１）。エアコンの動作状態毎に、その動作状態の判定に用いる特徴量を決定し、前処理後の電力時系列データから算出するための特徴量演算式を決定し、各動作状態時の特徴量を算出する（ステップ３０２）。各動作状態に対応する特徴量演算式を単純ベイズ分類器に組み込んで判定式を作成し、判定式記憶部１０３に記憶させる（ステップ３０３）。図２で説明した前処理後の電力時系列データを判定式記憶部１０３に記憶されている判定式に入力してエアコンの動作状態を同定する（ステップ３０４）。エアコンの動作状態同定の推定結果を推定結果出力部１０７よる出力する（ステップ３０５）。

【0033】

従来との差異は、「大電力の継続時間」の特徴量の算出に当たり、総電力時系列データではなく、前処理後の電力時系列データを利用することである。

【符号の説明】

【0034】

１０１ 電力時系列入力部
１０２ 電力時系列記憶部
１０３ 判定式記憶部
１０４ 前処理部
１０５ 判定式作成部
１０６ 動作状態同定部
１０７ 推定結果出力部

【図1】

【図2】

【図3】

【図4】

【図5】