特開 2024-120321 異常検知方法及び異常検知システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024120321

(43)【公開日】2024-09-05

(54)【発明の名称】異常検知方法及び異常検知システム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20240829BHJP

【ＦＩ】

G05B23/02 302T

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2023027033

(22)【出願日】2023-02-24

(71)【出願人】

【識別番号】000003942

【氏名又は名称】日新電機株式会社

(74)【代理人】

【識別番号】100099933

【弁理士】

【氏名又は名称】清水 敏

(74)【代理人】

【識別番号】100124028

【弁理士】

【氏名又は名称】松本 公雄

(74)【代理人】

【識別番号】100145207

【弁理士】

【氏名又は名称】酒本 裕明

(74)【代理人】

【識別番号】100078813

【弁理士】

【氏名又は名称】上代 哲司

(74)【代理人】

【識別番号】100094477

【弁理士】

【氏名又は名称】神野 直美

(72)【発明者】

【氏名】千林 暁

【テーマコード（参考）】

3C223

【Ｆターム（参考）】

3C223AA30

3C223BA01

3C223CC01

3C223EA04

3C223EB01

3C223FF04

3C223FF26

3C223FF35

3C223FF45

3C223GG01

3C223HH08

3C223HH24

3C223HH26

(57)【要約】

【課題】電気設備の設置場所における環境変化等、外部環境による影響を受けることなく電気設備の異常を精度よく検知することができる異常検知方法及び異常検知システムを提供する。
【解決手段】異常検知方法は、電気設備に配置された温度センサの測定データを取得し、平均値及び乖離値を算出し（３０６）、乖離値を用いて、温度センサ毎に移動平均値を算出し（３０８）、学習期間における乖離値及び移動平均値の時系列データからＫ１、Ｋ２及びＫ３を決定し、乖離値及び移動平均値の各々に関して、Ｋ１、Ｋ２及びＫ３から複数のしきい値を算出し（３１０）、学習期間の後、測定データから算出された乖離値及び移動平均値と、複数のしきい値とを比較することにより、電気設備における異常発生の有無を判定する（３１６）。これにより、異常判定のためのしきい値を、比較的簡単な演算により自動的に、且つ精度よく決定できる。
【選択図】図４

【特許請求の範囲】

【請求項1】

電気設備に配置された複数の温度センサの各々により、同じタイミングにおいて測定された測定データを取得する第１ステップと、
前記第１ステップにより取得された複数の前記測定データの少なくとも一部から平均値を算出する第２ステップと、
複数の前記測定データの各々から前記平均値を減算して乖離値を算出する第３ステップと、
前記第１ステップ、前記第２ステップ及び前記第３ステップを所定期間繰返し実行することにより得られた前記乖離値を用いて、前記温度センサ毎に移動平均値を算出する第４ステップと、
学習期間において、前記第１ステップ、前記第２ステップ、前記第３ステップ及び前記第４ステップが繰返されることにより生成された前記乖離値及び前記移動平均値の時系列データの各々を、大きい順に並べ替える第５ステップと、
前記乖離値及び前記移動平均値の各々に関して、前記第５ステップにより並べ替えられた後のデータの中から、最上位から数えて、前記時系列データの総数のＬ１％、Ｌ２％及びＬ３％に対応する順位のデータを、それぞれＫ１、Ｋ２及びＫ３として決定する第６ステップと、
前記乖離値及び前記移動平均値の各々に関して、Ｋ１、Ｋ２及びＫ３から複数のしきい値を算出する第７ステップと、
前記学習期間の後、前記温度センサにより測定された測定データから算出された前記乖離値及び前記移動平均値と、前記複数のしきい値とを比較することにより、前記電気設備における異常発生の有無を判定する第８ステップとを含み、
Ｌ２は、Ｌ１より大きく、
Ｌ３は、Ｌ２より大きいことを特徴とする、異常検知方法。

【請求項2】

前記第２ステップにおいて算出される前記平均値は、複数の前記測定データから、前記第３ステップにおいて算出される前記乖離値に対応する測定データを除いて算出されることを特徴とする、請求項１に記載の異常検知方法。

【請求項3】

前記第８ステップは、
前記学習期間の後に測定された前記測定データから算出された前記乖離値及び前記移動平均値の各々を、対応する前記複数のしきい値と比較し、ポイントを設定する第９ステップと、
前記ポイントが所定値以上であれば、前記電気設備において異常が発生したと判定する第１０ステップとを含むことを特徴とする、請求項１又は請求項２に記載の異常検知方法。

【請求項4】

Ｌ１は、０．１より大きく０．３より小さく、
Ｌ２は、１より大きく５より小さく、
Ｌ３は、１０より大きく２０より小さいことを特徴とする、請求項１又は請求項２に記載の異常検知方法。

【請求項5】

電気設備に配置された複数の温度センサと、
演算装置とを含み、
前記演算装置は、
前記複数の温度センサの各々により、同じタイミングにおいて測定された測定データを取得する第１処理と、
前記第１処理により取得された複数の前記測定データの少なくとも一部から平均値を算出する第２処理と、
複数の前記測定データの各々から前記平均値を減算して乖離値を算出する第３処理と、
前記第１処理、前記第２処理及び前記第３処理を所定期間繰返し実行することにより得られた前記乖離値を用いて、前記温度センサ毎に移動平均値を算出する第４処理と、
学習期間において、前記第１処理、前記第２処理、前記第３処理及び前記第４処理が繰返されることにより生成された前記乖離値及び前記移動平均値の時系列データの各々を、大きい順に並べ替える第５処理と、
前記乖離値及び前記移動平均値の各々に関して、前記第５処理により並べ替えられた後のデータの中から、最上位から数えて、前記時系列データの総数のＬ１％、Ｌ２％及びＬ３％に対応する順位のデータを、それぞれＫ１、Ｋ２及びＫ３として決定する第６処理と、
前記乖離値及び前記移動平均値の各々に関して、Ｋ１、Ｋ２及びＫ３から複数のしきい値を算出する第７処理と、
前記学習期間の後、前記温度センサにより測定された測定データから算出された前記乖離値及び前記移動平均値と、前記複数のしきい値とを比較することにより、前記電気設備における異常発生の有無を判定する第８処理とを実行し、
Ｌ２は、Ｌ１より大きく、
Ｌ３は、Ｌ２より大きいことを特徴とする、異常検知システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、配電盤等の電気設備における異常を検知し、電気設備の動作停止等の不具合の発生、及び、火災等の重大事故の発生を未然に防止することができる異常検知方法及び異常検知システムに関する。

【背景技術】

【0002】

配電盤等の電気設備は、屋外に配置される、直射日光が当たる場所に配置される等、劣悪な環境に設置されることがあり、設置されてから同じ環境で長期間使用される。配電盤等の電気設備に異常が発生すると、電力の供給先の全ての機器に影響が生じることになる。また、異常の発生は、火災等の重大事故にもつながる可能性がある。したがって、電気設備における異常の発生を事前に検知するために、温度等の監視装置を設けることが行われている。

【0003】

例えば、下記特許文献１には、過熱が想定される場所に、不燃性の匂い発生物質を封入した匂い発生部品と、過熱発生時に匂い発生物質から放散する匂い物質を検出する匂いセンサとを設置し、過熱を検知する技術が開示されている。

【0004】

下記特許文献２には、電気設備又はその設置空間に関して、異常の有無を的確に補足して通報する技術が開示されている。具体的には、設備異常警報方法では、光ファイバ式温度測定手段により測定され、時系列に記憶された温度データから、それぞれの温度データの一定時間間隔の平均値、標準偏差値からなる標準パターンを作成し、温度測定値が標準パターンから外れたときに温度異常と判定する。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２００３－２４０６４９号公報

【特許文献2】特開平１０－１１６８１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかし、特許文献１によっては、匂い発生部品を設置した場所しか過熱を検知できず、匂い発生部品の設置及び交換のたびに停電作業が必要になる問題がある。

【0007】

また、屋外設置される電気設備等では、外部環境（日照、風雨等）のために標準パターンそのものに日毎の変動が大きく発生するので、そのような場合には、特許文献２によっては正しい異常検知ができない問題がある。

【0008】

したがって、本発明は、電気設備（電気機器を含む）の設置場所における環境変化等、外部環境による影響を受けることなく電気設備の異常を精度よく検知することができる異常検知方法及び異常検知システムを提供することを目的とする。

【課題を解決するための手段】

【0009】

（１）本発明の第１の局面に係る異常検知方法は、電気設備に配置された複数の温度センサの各々により、同じタイミングにおいて測定された測定データを取得する第１ステップと、第１ステップにより取得された複数の測定データの少なくとも一部から平均値を算出する第２ステップと、複数の測定データの各々から平均値を減算して乖離値を算出する第３ステップと、第１ステップ、第２ステップ及び第３ステップを所定期間繰返し実行することにより得られた乖離値を用いて、温度センサ毎に移動平均値を算出する第４ステップと、学習期間において、第１ステップ、第２ステップ、第３ステップ及び第４ステップが繰返されることにより生成された乖離値及び移動平均値の時系列データの各々を、大きい順に並べ替える第５ステップと、乖離値及び移動平均値の各々に関して、第５ステップにより並べ替えられた後のデータの中から、最上位から数えて、時系列データの総数のＬ１％、Ｌ２％及びＬ３％に対応する順位のデータを、それぞれＫ１、Ｋ２及びＫ３として決定する第６ステップと、乖離値及び移動平均値の各々に関して、Ｋ１、Ｋ２及びＫ３から複数のしきい値を算出する第７ステップと、学習期間の後、温度センサにより測定された測定データから算出された乖離値及び移動平均値と、複数のしきい値とを比較することにより、電気設備における異常発生の有無を判定する第８ステップとを含み、Ｌ２は、Ｌ１より大きく、Ｌ３は、Ｌ２より大きい。

【0010】

これにより、電気設備における温度異常を精度よく検知できる。また、異常判定のためのしきい値を、比較的簡単な演算により自動的に、且つ精度よく決定できる。そのため、しきい値を決定するために人の判断が不要になり、異常検知システムの運用が容易になる。また、比較的簡単な演算によりしきい値を決定できるので、高性能の演算素子が不要であり、システムの製造費用を低減できる。

【0011】

（２）上記（１）において、第２ステップにおいて算出される平均値は、複数の測定データから、第３ステップにおいて算出される乖離値に対応する測定データを除いて算出されることができる。これにより、温度異常を検知するためのしきい値として、より適切な値を決定できる。

【0012】

（３）上記（１）又は（２）において、第８ステップは、学習期間の後に測定された測定データから算出された乖離値及び移動平均値の各々を、対応する複数のしきい値と比較し、ポイントを設定する第９ステップと、ポイントが所定値以上であれば、電気設備において異常が発生したと判定する第１０ステップとを含むことができる。これにより、電気設備の異常検知が容易になる。

【0013】

（４）上記（１）から（３）のいずれか１つにおいて、Ｌ１は、０．１より大きく０．３より小さくてもよく、Ｌ２は、１より大きく５より小さくてもよく、Ｌ３は、１０より大きく２０より小さくてもよい。これにより、温度異常をより精度よく検知できる。

【0014】

（５）本発明の第２の局面に係る異常検知システムは、電気設備に配置された複数の温度センサと、演算装置とを含み、演算装置は、複数の温度センサの各々により、同じタイミングにおいて測定された測定データを取得する第１処理と、第１処理により取得された複数の測定データの少なくとも一部から平均値を算出する第２処理と、複数の測定データの各々から平均値を減算して乖離値を算出する第３処理と、第１処理、第２処理及び第３処理を所定期間繰返し実行することにより得られた乖離値を用いて、温度センサ毎に移動平均値を算出する第４処理と、学習期間において、第１処理、第２処理、第３処理及び第４処理が繰返されることにより生成された乖離値及び移動平均値の時系列データの各々を、大きい順に並べ替える第５処理と、乖離値及び移動平均値の各々に関して、第５処理により並べ替えられた後のデータの中から、最上位から数えて、時系列データの総数のＬ１％、Ｌ２％及びＬ３％に対応する順位のデータを、それぞれＫ１、Ｋ２及びＫ３として決定する第６処理と、乖離値及び移動平均値の各々に関して、Ｋ１、Ｋ２及びＫ３から複数のしきい値を算出する第７処理と、学習期間の後、温度センサにより測定された測定データから算出された乖離値及び移動平均値と、複数のしきい値とを比較することにより、電気設備における異常発生の有無を判定する第８処理とを実行し、Ｌ２は、Ｌ１より大きく、Ｌ３は、Ｌ２より大きい。

【0015】

これにより、電気設備における温度異常を精度よく検知できる。また、異常判定のためのしきい値を、比較的簡単な演算により自動的に、且つ精度よく決定できる。これにより、しきい値を決定するために人の判断が不要になり、異常検知システムの運用が容易になる。また、比較的簡単な演算によりしきい値を決定できるので、高性能の演算素子が不要であり、システムの製造費用を低減できる。

【0016】

（６）上記の（１）から（５）のいずれか１つにおいて、複数のしきい値は、Ｋ１又はＫ２に、Ｋ１とＫ２との差である第１差分値、Ｋ２とＫ３との差である第２差分値、Ｋ１とＫ３との差である第３差分値、又は、第１差分値、第２差分値及び第３差分値のいずれかの整数倍を加算して算出されてもよい。

【0017】

（７）上記の（１）から（６）のいずれか１つにおいて、学習期間は、異常発生の有無の判定を開始するときより前の１か月以上の期間、又は、異常発生の有無の判定を行う検知期間に対応する、前年における期間であってもよい。

【0018】

（８）上記の（１）から（７）のいずれか１つにおいて、学習期間は、２か月以上、６か月未満であってもよい。

【0019】

（９）上記の（１）から（８）のいずれか１つにおいて、温度センサの数は４以上であってもよい。

【0020】

（１１）上記の（１）から（１０）のいずれか１つにおいて、電気設備は複数の列盤を含んでいてもよく、複数の列盤が、温度コントロール機能を有する列盤が含まれていれば、当該列盤には、温度センサを配置しなくてもよい。

【0021】

（１２）上記の（１）から（５）のいずれか１つにおいて、複数のしきい値は、Ｋ２又はＫ３に定数が加算されて得られる値を含んでいてもよい。

【発明の効果】

【0022】

本発明によれば、電気設備（電気機器を含む）の設置場所における環境変化等、外部環境による影響を受けることなく電気設備の異常を精度よく検知することができる異常検知方法及び異常検知システムを提供できる。

【図面の簡単な説明】

【0023】

【図1】図１は、本発明の実施の形態に係る異常検知システムの概略構成を示すブロック図である。

【図2】図２は、図１に示した温度センサの内部構成を示すブロック図である。

【図3】図３は、図１に示した演算装置の内部構成を示すブロック図である。

【図4】図４は、演算装置が実行する処理を示すフローチャートである。

【図5】図５は、移動平均値の算出方法を説明するためのグラフである。

【図6】図６は、しきい値とポイントとの関係を示す図である。

【図7】図７は、屋外設備に配置した５つの温度センサの測定データを示すグラフである。

【図8】図８は、図７に示した５つの温度センサの測定データから算出した乖離値を示すグラフである。

【図9】図９は、図８に示した乖離値から算出した１２時間の移動平均値を示すグラフである。

【図10】図１０は、図８に示した乖離値から算出した２４時間の移動平均値を示すグラフである。

【図11】図１１は、図８に示した乖離値から算出した７２時間の移動平均値を示すグラフである。

【図12】図１２は、図８に示した乖離値及び図９から図１１に示した移動平均値の各々から決定されたしきい値とポイントとの関係をテーブル形式により示す図である。

【図13】図１３は、図８に示した乖離値に関して、図１２に示したしきい値を用いて決定したポイントを示すグラフである。

【図14】図１４は、図９に示した移動平均値に関して、図１２に示したしきい値を用いて決定したポイントを示すグラフである。

【図15】図１５は、図１０に示した移動平均値に関して、図１２に示したしきい値を用いて決定したポイントを示すグラフである。

【図16】図１６は、図１１に示した移動平均値に関して、図１２に示したしきい値を用いて決定したポイントを示すグラフである。

【発明を実施するための形態】

【0024】

以下の実施の形態においては、同一の部品には同一の参照番号を付してある。それらの名称及び機能も同一である。したがって、それらについての詳細な説明は繰返さない。

【0025】

（異常検知システムの構成）
図１を参照して、本発明の実施の形態に係る異常検知システム１００は、第１配電盤１２０、第２配電盤１２２、第３配電盤１２４、第４配電盤１２６及び第５配電盤１２８のそれぞれに配置された第１温度センサ１１０、第２温度センサ１１２、第３温度センサ１１４、第４温度センサ１１６及び第５温度センサ１１８と、演算装置１３０とを含む。第１配電盤１２０から第５配電盤１２８は、同種の配電盤又は類似する配電盤であり、連結され並べて設置された複数の配電盤（以下、列盤ともいう）である。第１温度センサ１１０から第５温度センサ１１８は、第１配電盤１２０から第５配電盤１２８内の上部のほぼ同じ位置（ほぼ同じ高さ）に配置されている。

【0026】

図２を参照して、第１温度センサ１１０は、制御部１４０、記憶部１４２、通信部１４４、タイマ１４６、バス１４８、センサ素子１５０及びＡ／Ｄ変換部１５２を含む。制御部１４０は、第１温度センサ１１０を構成する各部を制御し、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、マイクロコンピュータ等である。記憶部１４２は、データを記憶し、例えば、書換可能な不揮発性半導体メモリである。通信部１４４は、外部と通信するための無線通信モジュールである。タイマ１４６は、制御部１４０からの要求を受けて、制御部１４０に現在時刻を表す情報（以下、単に現在時刻という）を伝送する。センサ素子１５０は、温度を測定するための素子であり、センサ素子１５０が検出した温度に応じたアナログ信号を出力する。センサ素子１５０は、例えば測温抵抗体、熱電対等である。Ａ／Ｄ変換部１５２は、所定のタイミングで、センサ素子１５０から出力されるアナログ信号をデジタルデータに変換して出力する。Ａ／Ｄ変換部１５２から出力されるデジタルデータ（温度の測定データ）は、記憶部１４２に時系列に記憶される。各部間でのデータ交換は、バス１４８を介して行われる。各部への電力供給は、電池を内蔵することにより、又は、各配電盤に設けられているサービスコンセントによりなされる。

【0027】

第２温度センサ１１２から第５温度センサ１１８も第１温度センサ１１０と同様に構成されている。なお、第１温度センサ１１０から第５温度センサ１１８の通信部は、それぞれを一意に区別するための情報（通信アドレス等）を持っている。また、第１温度センサ１１０から第５温度センサ１１８のそれぞれが有するタイマの時刻は、後述する演算装置１３０が有するタイマの時刻とそろっている（同時刻）とする。なお、同時刻（時刻がそろっている）とは、完全に同一時刻であることを意味するだけでなく、所定の許容範囲内で一致している場合をも含む意味である。

【0028】

図３を参照して、演算装置１３０は、制御部１７０、記憶部１７２、通信部１７４、タイマ１７６、表示部１７８、操作部１８０及びバス１８２を含む。制御部１７０は、演算装置１３０を構成する各部を制御し、例えばＣＰＵである。記憶部１７２は、データを記憶し、例えば、書換可能な不揮発性半導体メモリである。通信部１７４は、第１温度センサ１１０から第５温度センサ１１８と通信するための通信モジュールである。通信部１７４は、第１温度センサ１１０から第５温度センサ１１８と通信するために無線通信機能を有する。タイマ１７６は、制御部１７０からの要求を受けて、制御部１７０に現在時刻を伝送する。表示部１７８は、視覚情報（テキスト、画像等）を表示する。表示部１７８は、例えば、液晶ディスプレイパネル等の表示パネルと、表示パネルの各画素を駆動する駆動回路とを備えている。操作部１８０は、演算装置１３０に対する指示を入力するためのものであり、例えば、タッチパネルである。演算装置１３０を構成する各部間でのデータ交換は、バス１８２を介して行われる。演算装置１３０は、例えばコンピュータであってもよい。また、演算装置１３０は、例えばシーケンサーであってもよい。

【0029】

（異常検知システムの動作）
以下では、複数の温度センサの代表として第１温度センサ１１０に関して説明する。第２温度センサ１１２から第５温度センサ１１８も第１温度センサ１１０と同様に動作する。
（温度センサの動作）

【0030】

第１温度センサ１１０は、一定の時間間隔でセンサ素子１５０により測定した温度データ（以下、測定データともいう）を、演算装置１３０に送信する。第１温度センサ１１０のこの機能は、制御部１４０が、記憶部１４２に記憶された所定のプログラムを読出して実行することにより実現される。具体的には、制御部１４０は、タイマ１４６から現在時刻を取得し、温度を測定する時刻（以下、測定タイミングともいう）になったか否かを判定し、測定タイミングになったと判定すれは、Ａ／Ｄ変換部１５２を制御して、Ａ／Ｄ変換部１５２に入力されているアナログ信号（センサ素子１５０の測定信号）をデジタルデータに変換して、記憶部１４２に記憶する。続いて、制御部１４０は、記憶部１４２から測定データを読出し、通信部１４４を介して演算装置１３０に送信する。

【0031】

例えば、第１温度センサ１１０に、１時間毎に第１配電盤１２０の内部温度を測定して送信させる場合には、測定タイミングの情報として、測定の開始時刻と測定間隔（例えば６０分）とを、予め記憶部１４２に記憶しておけばよい。制御部１４０は、記憶部１４２から測定タイミングの情報を読出し、タイマ１４６により現在時刻を参照して、上記の処理を実現することができる。

【0032】

ここでは、第１温度センサ１１０から第５温度センサ１１８は、同じ測定タイミングが設定されているとする。上記したように、第１温度センサ１１０から第５温度センサ１１８のタイマの時刻がそろっているので、第１温度センサ１１０から第５温度センサ１１８からは、同じタイミングで、それぞれ第１配電盤１２０から第５配電盤１２８の内部温度の測定データが送信される。なお、「同じタイミング」とは、「同時刻」に関して上記したことから明らかなように、完全に同一タイミングであることを意味するだけでなく、所定の許容範囲内で一致している場合をも含む意味である。

【0033】

（演算装置の動作）
演算装置１３０は、第１温度センサ１１０から第５温度センサ１１８の各々から送信される測定データを受信し、受信した測定データを、第１温度センサ１１０から第５温度センサ１１８の各々について時系列に記憶部１７２に記憶する（即ち、過去に受信し、記憶している測定データに追加する）。上記したように、第１温度センサ１１０から第５温度センサ１１８の各々からは、同時刻に測定が行われ、測定データが送信されるので、制御部１７０は、同時刻に測定された測定データを対応させて記憶部１７２に記憶できる。演算装置１３０は、第１温度センサ１１０から第５温度センサ１１８の各々に関して、所定の期間（以下、学習期間という）測定データを記憶部１７２に記憶した後、後述するように、解析処理を実行し、異常検知に用いるしきい値を算出する。演算装置１３０は、学習期間の後、解析結果（即ちしきい値）に基づいて、第１配電盤１２０から第５配電盤１２８のいずれかにおいて、異常が発生しているか否か、又は異常が発生する予兆があるか否かを判定する。

【0034】

演算装置１３０は、例えば、図４に示す処理を実行する。図４の各処理は、制御部１７０が、所定のプログラムを記憶部１７２から読出して実行することにより実現される。

【0035】

ステップ３００において、制御部１７０は、通信部１７４により、第１温度センサ１１０から第５温度センサ１１８のいずれか送信される測定データを受信したか否を判定する。受信したと判定された場合、制御はステップ３０２に移行する。そうでなければ、ステップ３００の処理が繰返される。

【0036】

ステップ３０２において、制御部１７０は、受信した測定データを記憶部１７２に記憶する。上記したように、制御部１７０は、第１温度センサ１１０から第５温度センサ１１８の各々に関して、時系列に測定データを記憶部１７２に記憶する。

【0037】

ステップ３０４において、制御部１７０は、解析を実行するか否かを判定する。具体的には、制御部１７０は、所定の学習期間における測定データを取得できたか否かを判定する。なお、各センサが測定データを送信する周期が一定である場合には、所定個数の測定データを取得できたか否かを判定してもよい。

【0038】

ステップ３０６において、制御部１７０は、第１温度センサ１１０から第５温度センサ１１８の各々の測定データに関して、乖離値を算出する。具体的には、制御部１７０は、同じタイミングの１組の測定データ（即ち５個のデータ）を記憶部１７２から読出す。第ｍ温度センサ（ｍ＝１から５）の測定データをＡｍとし、１組の測定データの内、Ａｍに関して、Ａｍ以外のデータＡｎ（ｎ≠ｍ）の平均値Ａａｖとの差（即ち、Ａｍ－Ａａｖ）を算出して乖離値Ｘｍ（Ｘｍ＝Ａｍ－Ａａｖ）とする。これにより、１組の測定データ（即ち５個のデータ）から、１組の乖離値Ｘｍ（ｍ＝１から５）が算出される。制御部１７０は、学習期間において取得した全データに関して乖離値Ｘｍ（ｍ＝１から５）を算出し、記憶部１７２に記憶する。乖離値Ｘｍ（ｍ＝１から５）は、センサ毎の時系列データとして記憶される。

【0039】

ステップ３０８において、制御部１７０は、ステップ３０６により第１温度センサ１１０から第５温度センサ１１８の各々に関して算出された乖離値Ｘｍ（ｍ＝１から５）から、移動平均値Ｘａｖｍ（ｍ＝１から５）を算出する。移動平均値Ｘａｖｍを算出するデータを特定するための所定期間（以下、ウインドウともいう）Ｔとして、例えば１２時間、２４時間及び７２時間を用いる。図５を参照して、横軸は時刻を表し、縦軸はｍ番目の温度センサの乖離値Ｘｍを表している。乖離値Ｘｍを模式的に破線で示す。実際の乖離値Ｘｍはデジタルデータであり、図５において、その一部を黒丸で示している。ｍ番目の温度センサに関して、所定期間Ｔにおける複数の乖離値Ｘｍｉ（ｉ＝１からｎ）の平均値を算出する処理を、平均値を算出する対象データ（即ち、所定期間Ｔ内のデータ）をシフト（例えば、ｔ１からｔ３内のデータからｔ２からｔ４内のデータにシフト）しながら繰返す。制御部１７０は、学習期間において算出した乖離値Ｘｍ（ｍ＝１から５）を用いて、３つの所定期間Ｔｊ（ｊ＝１から３）毎の移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）を算出し、記憶部１７２に記憶する。例えば、Ｔ１＝１２（時間）、Ｔ２＝２４（時間）、Ｔ３＝７２（時間）である。移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）は、センサ及び所定期間の組合せ毎に、時系列データとして記憶される。

【0040】

ステップ３１０において、制御部１７０は、ステップ３０６により算出された乖離値Ｘｍ（ｍ＝１から５）の時系列データ、及び、ステップ３０８により算出された移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）の時系列データを用いて、異常を検知するためのしきい値を決定する。しきい値は、合計２０の時系列データの各々に関して決定される。

【0041】

具体的には、制御部１７０は各時系列データに関して、数値が大きいものから順に並べて（即ち、１番目のデータは最大値）、４番目、５５番目及び３８２番目のデータを、それぞれＫ１、Ｋ２及びＫ３とする。４番目、５５番目及び３８２番目のデータはそれぞれ、各時系列データの集合において概ね最上位から０．１３５％、２．２７５％及び１５．８６５％に位置する。これらの数値はそれぞれ、各時系列データが正規分布（標準偏差はσ）するとしたときの３σ、２σ及び１σに対応する。

【0042】

次に、制御部１７０は、乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）の各々に対応するポイントを決定するためのしきい値Ｔｈ１からＴｈ４を決定する。即ち、制御部１７０は、各時系列データに関して、Ｋ２をしきい値Ｔｈ１、Ｋ１をしきい値Ｔｈ２、２×Ｋ１－Ｋ２をしきい値Ｔｈ３、２×Ｋ１－Ｋ３をしきい値Ｔｈ４とする。使用されるＫ１、Ｋ２及びＫ３は、各時系列データに関して、上記したように決定されたものである。制御部１７０は、各時系列データに関して決定されたしきい値Ｔｈ１からＴｈ４を記憶部１７２に記憶する。

【0043】

一例として、図６を参照して、乖離値Ｘｍの時系列データに関して、４つのしきい値Ｔｈ１からＴｈ４と、０から４の４つのポイントとの対応を示す。
即ち、Ｘｍ＜Ｔｈ１（＝Ｋ２）であれば、そのＸｍに０ポイントを対応させる。Ｔｈ１（＝Ｋ２）≦Ｘｍ＜Ｔｈ２（＝Ｋ１）であれば、そのＸｍに１ポイントを対応させる。
Ｔｈ２（＝Ｋ１）≦Ｘｍ＜Ｔｈ３（＝２×Ｋ１－Ｋ２）であれば、そのＸｍに２ポイントを対応させる。
Ｔｈ３（＝２×Ｋ１－Ｋ２）≦Ｘｍ＜Ｔｈ４（＝２×Ｋ１－Ｋ３）であれば、そのＸｍに３ポイントを対応させる。
Ｘｍ＞Ｔｈ４（＝２×Ｋ１－Ｋ３）であれば、そのＸｍに４ポイントを対応させる。

【0044】

同様にして、移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）の各々に関するしきい値Ｔｈ１からＴｈ４を用いて、移動平均値Ｘａｖｍｊに対応するポイントが決定される。即ち、図６において、乖離値Ｘｍを移動平均値Ｘａｖｍｊに置換えて、Ｋ１からＫ３には、移動平均値Ｘａｖｍｊの時系列データに関して、上記したように決定されたものを用いる。

【0045】

以上により、学習期間における測定データから、ポイントを決定するためのしきい値Ｔｈ１からＴｈ４が決定されたので、以降、制御部１７０は、決定されたしきい値を用いて、異常の検知処理を実行する。

【0046】

ステップ３１２において、制御部１７０は、通信部１７４により、第１温度センサ１１０から第５温度センサ１１８の各々から送信される１組の測定データを受信したか否を判定する。受信したと判定された場合、制御はステップ３１４に移行する。そうでなければ、ステップ３１２の処理が繰返される。制御部１７０は、受信した測定データを記憶部１７２に記憶する。

【0047】

ステップ３１４において、制御部１７０は、ステップ３１２により受信された１組の測定データと、それまでに記憶部１７２に記憶されている時系列データとを用いて、上記したように、乖離値Ｘｍ及び移動平均値Ｘａｖｍｊを算出する。さらに、制御部１７０は、記憶部１７２に記憶されているしきい値Ｋ１からＫ４を用いて、乖離値Ｘｍ及び移動平均値Ｘａｖｍｊの各々に対応するポイントを決定する。合計２０個のポイントが決定される。後述するように、ステップ３１４は繰返されるので、制御部１７０は、決定したポイントを時系列データとして記憶部１７２に記憶してもよい。その後、制御はステップ３１６に移行する。

【0048】

ステップ３１６において、制御部１７０は、ステップ３１４により決定された各ポイントが“３”以上であるか否かを判定する。２０個のポイントのうち、少なくとも１つのポイントが“３”以上であると判定された場合、制御はステップ３１８に移行する。そうでなければ、制御はステップ３２０に移行する。

【0049】

ステップ３１８において、制御部１７０は、異常を表すメッセージを提示する。例えば、制御部１７０は、表示部１７８に所定のメッセージを含む画像を表示する。例えば、乖離値Ｘｍ及び移動平均値Ｘａｖｍｊのいずれかに対応するポイントが“３”以上であれば、第ｍ温度センサが配置されている配電盤に異常熱源が存在する（又はその可能性がある）旨のメッセージを提示する。実施例として後述するように、ポイントが“３”又は“４”である状態はまれにしか発生しない。したがって、“３”以上のポイントが発生すれば、過熱発生の疑いがあると判断できる。なお、後述するように、“３”以上のポイントの発生頻度が高いか否かを判定してもよい。

【0050】

ステップ３２０において、制御部１７０は、終了の指示を受けたか否かを判定する。終了の指示は、例えば操作部１８０が操作されることにより成される。終了の指示を受けたと判定された場合、本プログラムは終了する。そうでなければ、制御はステップ３１２に戻り、制御部１７０は、上記の処理を繰返す。

【0051】

以上により、異常検知システム１００は、列盤における温度異常を精度よく検知できる。また、異常判定のためのしきい値を、比較的簡単な演算により自動的に、且つ精度よく決定できる。即ち、乖離値Ｘｍ及び移動平均値Ｘａｖｍｊを算出し、それらの時系列データを並べ替えて、異常を判定するためのポイントを決定するためのしきい値（即ちＴｈ１からＴｈ４）を自動的に算出する。これにより、しきい値を決定するために人の判断が不要になり、異常検知システムの運用が容易になる。また、比較的簡単な演算によりしきい値を決定できるので、高性能の演算素子が不要であり、システムの製造費用を低減できる。

【0052】

また、学習期間を調整すれば、温度異常を検知するためのポイントを決定するためのより適切なしきい値を決定できる。したがって、列盤における温度異常の検知精度をより高くできる。

【0053】

上記においては、ステップ３１６において、１つのポイントが“３”以上であるか否かを判定しているが、これに限定されない。“３”以上のポイントの発生頻度が高いか否かを判定してもよい。「発生頻度が高い」とは、例えば、所定の期間（例えば、最後の測定から直近の３日間（即ち７２時間））において、“３”以上のポイントが所定回数（例えば１０回）以上発生している状態をいう。所定の期間は、最後の測定から直近の２日間から１０日間の期間であってもよい。所定回数の代わりに、発生確率を用いてもよく、例えば、所定期間において“３”以上のポイントの発生確率が所定値以上であれば、「発生頻度が高い」と判定してもよい。所定値は、例えば１０％以上３０％以下の値に設定できる。

【0054】

上記のように、無線通信機能を有する温度センサを使用することにより、既設の電気設備に容易に（条件によっては停電させることなく）、温度センサを設置できる。

【0055】

上記においては、各時系列データに関して、数値が大きいものから順に並べて、４番目、５５番目及び３８２番目のデータを、それぞれＫ１、Ｋ２及びＫ３とする場合を説明したが、これに限定されない。例えば、各時系列データに関して、数値が大きいものから順に並べて、最上位から数えて、データ総数のＬ１％、Ｌ２％及びＬ３％（Ｌ１＜Ｌ２＜Ｌ３とする）に相当する順位の値を、Ｋ１、Ｋ２及びＫ３としてもよい。なお、最上位から数えて、総数のＬ％に対応する順位の値とは、最上位のデータから個数を数えたカウント値が、総数のＬ％を超えたときのデータ、又は、その１つ前のデータを意味する。Ｌ１、Ｌ２及びＬ３は、０．１＜Ｌ１＜０．３、１＜Ｌ２＜５、１０＜Ｌ３＜２０であればよい。上記した、０．１３５％、２．２７５％及び１５．８６５％はこれらを満たす。

【0056】

上記においては、乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）に関して、４つのしきい値Ｔｈ１からＴｈ４を用いて、５段階のポイント（即ち０から４）を対応させる場合を説明したが、これに限定されない。６段階以上のポイントを対応させてもよい。例えば、２×Ｋ１－Ｋ３＋（Ｋ１－Ｋ２）（即ち、６σ相当）をしきい値Ｔｈ５として用いれば、６段階のポイント（即ち０から５）を対応させることができる。

【0057】

上記においては、しきい値Ｔｈ１からＴｈ４を、Ｋ１、Ｋ２、Ｋ３及びそれらの演算値から決定しているが、これに限定されない。例えば、Ｋ１、Ｋ２又はＫ３に過熱発生と判断する乖離値定数を加算してしきい値としてもよい。乖離値定数としては、例えば１℃から５℃の値を用いる。例えば、上記においては、Ｋ２をしきい値Ｔｈ１（＝Ｋ２）としたが、Ｋ２に３℃を加算してしきい値Ｔｈ１（＝Ｋ２＋３）としてもよい。

【0058】

上記においては、学習期間の後、温度センサの測定データから算出された乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）に対して、複数のしきい値を用いてポイントを設定する場合を説明したが、これに限定されない。ポイントを設定するのは、判定処理を分かり易くするためであり、ポイントを設定しなくてもよい。乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）を、異常と判定するしきい値、例えばしきい値Ｔｈ３（即ち、それ以上であれば３ポイントを対応させるしきい値）と比較して、異常発生の有無を判定してもよい。例えば、乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）のいずれかが、しきい値Ｔｈ３以上である場合、又は、しきい値Ｔｈ３以上の発生頻度が高い場合に、異常が発生したと判定すればよい。

【0059】

列盤に配置する温度センサの数は、異常発生の盤を特定する目的では４以上必要であり、望ましくは５以上である。温度センサの総数が少ないと、特定の盤の温度異常による測定データの異常が、代表値に大きく影響するので、他の盤の差分データにも影響し易くなる。温度センサの総数が５以上であれば、そのような影響を抑制できる。

【0060】

また、列盤の一部については、エアコン又は冷却ファン等の温度コントロール機能がある盤を含む場合がある。このような盤に温度センサを設置して検知を行うと、乖離量Ｘｍを不必要に大きくし、異常検知の感度を低下させてしまう可能性がある。したがって、そのような盤は検知対象から除外する（即ち、温度センサを設置しない）ことが望ましい。

【0061】

上記では５台の配電盤により構成される列盤を示したが、これに限定されない。４台以下又は６台以上の配電盤により構成されてもよい。列盤を構成する要素は配電盤に限定されない。配電盤以外の電気設備であってもよい。

【0062】

また、同種又は類似する電気設備を並列させた列盤に限定されない。近接して配置される複数の電気設備であってもよい。さらには、１つの電気設備に複数の温度センサが配置されたものであってもよい。

【0063】

上記では、各温度センサが各配電盤内の上部に配置され、各温度センサの取付け位置の高さがほぼ等しい場合を説明したが、各温度センサの取付け位置は任意である。なお、温度センサを配電盤の上部に配置することにより、配電盤内の過熱等の温度異常を検知することが容易になる。また、各温度センサをほぼ同じ高さに配置することにより、周囲環境（日照等）の各温度センサへの影響を揃えることができ、配電盤内の温度異常の検知がより容易になる。

【0064】

上記では、乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）を全て算出し、各々に関するしきい値Ｔｈ１からしきい値Ｔｈ４を決定する場合を説明したが、これに限定されない。乖離値と複数期間に関する移動平均値の少なくとも１つを算出して、その算出値（例えばＸｍとする）に関するしきい値Ｔｈ１からしきい値Ｔｈ４を決定してもよい。その後、センサの測定データから、しきい値に対応する算出値Ｘｍを算出し、しきい値を用いて算出値Ｘｍに対応するポイントを決定すれば、そのポイントにより異常を検知できる。

【0065】

また、上記においては、乖離値を算出するための基準となる平均値Ａａｖを、全ての測定値から監視対象の測定値を除いて計算しているが、これに限定されない。監視対象の測定値を含めて全ての測定値の平均値を算出し、その平均値を基準として乖離値を算出してもよい。そのように算出された乖離値を用いても、上記と同様の移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）を算出でき、同様の効果（即ち異常検知の精度）が得られる。

【0066】

上記では、演算装置１３０による乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）の算出は、学習期間の全ての測定データを取得した後に実行される場合を説明したが、これに限定されない。学習期間において、演算装置１３０が、各センサから、同時に測定された１組の測定データを受信する度に実行してもよい。

【0067】

温度センサと演算装置１３０の間の通信は、有線通信であってもよい。また、演算装置１３０をデータ収集装置と解析装置とに分離し、データ収集装置を列盤の近傍に配置し、解析装置を、列盤から離隔して配置してもよい。データ収集装置が各センサから測定データを取得し、一時記憶した後、測定データを解析装置に送信し、解析装置が、乖離値Ｘｍ（ｍ＝１から５）及び移動平均値Ｘａｖｍｊ（ｍ＝１から５、ｊ＝１から３）を算出する。データ収集装置から解析装置には、無線通信により測定データを送信してもよい。また、データ収集装置と解析装置との間が遠距離であれば、有線の場合、例えば、ＲＳ４２２、ＲＳ４８５等の長距離伝送可能な通信方式を使用すればよい。また、データ収集装置と解析装置とが直接通信する方式でなくてもよい。例えば、収集した測定データを、携帯電話等の電波又はインターネットを介して、所定のデータサーバ又はクラウドに保管しておき、当該データサーバ又はクラウドのデータを解析装置が読出して解析を実施してもよい。また、解析結果は、電子メール等により設備管理者へ連絡されてもよい。

【0068】

上記では、第１温度センサ１１０から第５温度センサ１１８が、温度を測定する度に測定データを送信する場合を説明したが、これに限定されない。複数回の測定データを記憶しておき、まとめて演算装置１３０に送信してもよい。第１温度センサ１１０から第５温度センサ１１８のそれぞれの測定タイミングは同じであるので、複数のデータをまとめて送信する場合には、送信される複数のデータ間の測定順序が、演算装置１３０において分かるようになっていれば、同じタイミングで測定された第１温度センサ１１０から第５温度センサ１１８の測定データを用いて代表値を決定することができる。

【0069】

上記では、各温度センサがタイマと記憶部とを持ち、一定間隔で演算装置１３０に測定データを送付しているが、そうでなくてもよい。例えば、演算装置１３０がタイマを持ち、一定間隔（例えば１時間毎）で各温度センサと通信して（例えば、各温度センサに測定データの送信を要求して）温度の現在値を取得し、演算装置１３０の記憶部１７２にデータロギング（時系列データとして記憶）してもよい。

【0070】

上記では、メッセージを表示部１７８に提示する場合を説明したが、これに限定されない。音響（音声を含む）又はＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）の点灯等により提示してもよく、さらには、中央監視盤等の遠隔装置への表示又は電子メール送付等により、異常の発生を提示してもよい。

【0071】

学習期間については、特に屋外盤については季節によって外部環境（日射強度及び日射角度、外気温、降水、風速及び風向等）が変わるため、異常検知の対象期間（以下、検知期間という）に近い季節を含むことが望ましい。例えば、後述する実施例のように、３か月間を学習期間として次の月を検知期間とする。また、前年の測定データがあれば、検知期間に対応する前年の期間の測定データを、学習期間の測定データとすることが望ましい。

【0072】

学習期間はデータ数を確保する観点から２か月間以上、望ましくは３か月間程度が望ましい。一方、学習期間を長くとりすぎると検知期間とは条件が大きく異なるデータも含まれるため、検知精度が低下する。最長でも６か月間程度が望ましい。測定データを記録するタイミング（例えば時間間隔）については、１０分間から１時間の間で適宜決定すればよい。通常、１時間に１回、測定データを記録できればよい。

【実施例0073】

以下に実験結果を示し、本発明の有効性を示す。図１と同様に、屋外に設置された５台の電気設備で構成された列盤の各盤に温度センサを配置して、温度測定を行った。測定された温度データを図７に示し、上記したように解析した結果を図８から図１１に示す。図７から図１１において、左端の「センサ」の列に示したＳ１からＳ５は、図１の第１温度センサ１１０から第５温度センサ１１８と同様に配置された温度センサに対応する。

【0074】

図７は、各温度センサにより測定されたデータを示す。縦軸は温度であり、横軸は日である。１０月２３日から翌年の３月３１日までの期間、１時間毎、温度測定を行った。上記した学習期間は、１０月２３日から翌年の１月３１日までである（図７のセンサＳ１に関するグラフの矢印参照）。学習期間に測定されたデータ総数は２４０７である。学習期間中の測定データを用いて、上記したように、ポイントを決定するためのしきい値を決定した。また、センサＳ３（第３温度センサに対応）が設定された盤には加熱源（即ちヒータ）を設置し、学習期間後（即ちしきい値が決定された後）加熱した（図７のセンサＳ３に関するグラフの矢印参照）。具体的には、５４Ｗのヒータにより、２月２日から２月１０日の間加熱した。２月１０日に９０Ｗのヒータに交換し、２月１０日から２月１７日の間加熱した。２月１７日に１４４Ｗのヒータに交換し、２月１７日から２月２４日の間加熱した。２月２４日に３６Ｗのヒータに交換し、２月２４日から３月３日の間加熱した。

【0075】

図８は、図７に示した測定データのトレンド（即ちグラフ）を対象として、上記のように算出した乖離値Ｘｍのトレンドを示す。図９は、図８に示した乖離値Ｘｍに関して、ウインドウを１２時間として算出した移動平均値Ｘａｖｍ１（ｍ＝１から５）のトレンドを示す。図１０は、図８に示した乖離値Ｘｍに関して、ウインドウを２４時間として算出した移動平均値Ｘａｖｍ２（ｍ＝１から５）のトレンドを示す。図１１は、図８に示した乖離値Ｘｍに関して、ウインドウを７２時間として算出した移動平均値Ｘａｖｍ３（ｍ＝１から５）のトレンドを示す。

【0076】

図８に示した乖離値Ｘｍ及び図９から図１１に示した移動平均値Ｘａｖｍｊ（ｊ＝１から３）の学習期間におけるデータを用いて、上記したようにしきい値を算出した。その結果を図１２に示す。図１２において、しきい値Ｔｈ１からＴｈ４をテーブル形式により示している。即ち、センサＳｍ（ｍ＝１から５）の各テーブルにおいて、乖離値Ｘｍ及び移動平均値Ｘａｖｍｊ（ｊ＝１から３）に関するしきい値Ｔｈ１からＴｈ４を示す。上記したように、しきい値Ｔｈ１からＴｈ４は、ポイント０から４の境界値である。

【0077】

しきい値設定については従前、データのばらつき評価のためには標準偏差を用いることが一般的であり、評価対象のばらつきが正規分布であると仮定している。一方、乖離値のトレンドを示した図８を見ると、高い乖離値（即ち、絶対値が大きい乖離値）がプラス側又はマイナス側に多く分布する事例が散見できる。例えば、センサＳ２及びＳ４に関しては、高い乖離値はプラス側に多く分布している。一方、センサＳ１に関しては、高い乖離値はマイナス側に多く分布している。このように、ばらつきが正規分布していなければ、標準偏差を用いて評価することは適切ではない。これに対して、本発明においては、上記したように、過熱に関係するプラス側の乖離値に着目し、乖離値を大きさの順にソートして上位から順番を決めて、所定の順番の乖離値を、ポイントを決定するためのしきい値の決定に用いる。これにより、後述するように、異常検知の精度が高まることが確認された。

【0078】

上記したように、しきい値Ｔｈ１（＝Ｋ２）及びＴｈ２（＝Ｋ１）は、それぞれ１ポイント及び２ポイントを乖離値Ｘｍに対応させるしきい値と言え、しきい値に対応する乖離値は、上位２．２７５％、０．１３５％に相当する乖離値である。しきい値Ｔｈ３（＝２×Ｋ１－Ｋ２）及びＴｈ４（＝２×Ｋ１－Ｋ３）は、それぞれ３ポイント及び４ポイントを乖離値Ｘｍに対応させるしきい値と言え、Ｋ１、Ｋ２及びＫ３から算出される。しきい値Ｔｈ３（＝２×Ｋ１－Ｋ２）及びＴｈ４（＝２×Ｋ１－Ｋ３）に対応する乖離値は、それぞれ４σ及び５σに相当する乖離値である。

【0079】

図１２に示したしきい値を、移動平均値を算出する期間（即ちウインドウ）に関して比較すると、ウインドウが大きくなるほど、しきい値が小さくなっている。したがって、ウインドウが大きくなるほど、異常検知のレスポンスは低下するが、異常検知の感度は高くなることが分かる。なお、レスポンスとは、異常（即ち異常過熱）を検知するのに必要な連続時間を意味し、連続時間が長いとレスポンスは低下する。移動平均値を算出するウインドウが比較的長いと、異常過熱が発生しても、突発的な過熱であれば、ウインドウが比較的短い場合よりも移動平均値が小さくなる。したがって、移動平均値を算出するウインドウが比較的長いと、異常過熱が連続して発生していなければ検知しにくく（即ち、検知に必要な連続時間が長く）、レスポンスは低い。逆に、瞬時値である乖離値Ｘｍを用いることにより、感度は低いが、レスポンスの高い異常検知を実現できる。

【0080】

図１２に示したしきい値を用いて、図８に示した乖離値Ｘｍ（ｍ＝１から５）及び図９から図１１に示した移動平均値Ｘａｖｍｊ（ｊ＝１から３）の各々に対応するポイントを決定した。その結果を図１３から図１６に示す。即ち、図１３は、図８に示した乖離値Ｘｍ（ｍ＝１から５）に対応するポイントを示す。図１４は、図９に示した、ウインドウを１２時間とした移動平均値Ｘａｖｍ１（ｍ＝１から５）に対応するポイントを示す。図１５は、図１０に示した、ウインドウを２４時間とした移動平均値Ｘａｖｍ２（ｍ＝１から５）に対応するポイントを示す。図１６は、図１１に示した、ウインドウを７２時間とした移動平均値Ｘａｖｍ３（ｍ＝１から５）に対応するポイントを示す。なお、図１３から図１６において、上記したように、センサＳ３を配置した盤の加熱期間を矢印により示している。

【0081】

３ポイント及び４ポイントはレアケースであるから、このようなポイントが発生又は発生頻度が高まると、過熱発生の疑いがあると判断ができる。図１３から図１６を見ると、センサＳ１、Ｓ２、Ｓ４及びＳ５については、学習期間以降も“２”を上回るポイントの発生頻度は低い。ポイントは最大でも“３”であり、ポイントが“３”である頻度も低く、連続して発生していない。これに対して、センサＳ３に関しては、図１３から図１６のいずれにおいても、過熱を模擬的に実施した期間（即ち加熱期間）において、高ポイント（即ち“３”以上のポイント）が発生していることが分かる。

【0082】

図１４から図１６に示した加熱期間におけるセンサＳ３のポイントの変化を比較すると、移動平均値を算出する期間（即ちウインドウ）による異常検知の感度を比較できる。今回は１週間ずつ一定電力（即ち、順に５４Ｗ、９０Ｗ、１４４Ｗ及び３６Ｗ）により加熱を行ったので、ウインドウを７２時間とした移動平均値に対応するポイント（図１６参照）が、一番感度が高く、５４Ｗ以上のヒータによる過熱について異常検知できている。即ち、５４Ｗ、９０Ｗ及び１４４Ｗにより加熱した期間である２月２日から２月２４日の間、“３”以上のポイントが発生し、その頻度は、３種類のウインドウのうち最も高い。また、ウインドウを７２時間とした移動平均値に対応するポイント（図１６参照）は、発熱量（即ち、ヒータの電力量）の増加に応じて、高ポイントが継続する時間が長くなっていることが分かる。このように、ウインドウが異なる複数の移動平均値に対応するポイントを異常検知に用いることにより、検知感度を優先した検知とレスポンスを優先した検知の両方を実施できる。

【0083】

以上、実施の形態を説明することにより本発明を説明したが、上記した実施の形態は例示であって、本発明は上記した実施の形態のみに制限されるわけではない。本発明の範囲は、発明の詳細な説明の記載を参酌した上で、特許請求の範囲の各請求項によって示され、そこに記載された文言と均等の意味及び範囲内での全ての変更を含む。

【符号の説明】

【0084】

１００ 異常検知システム
１１０ 第１温度センサ
１１２ 第２温度センサ
１１４ 第３温度センサ
１１６ 第４温度センサ
１１８ 第５温度センサ
１２０ 第１配電盤
１２２ 第２配電盤
１２４ 第３配電盤
１２６ 第４配電盤
１２８ 第５配電盤
１３０ 演算装置
１４０、１７０ 制御部
１４２、１７２ 記憶部
１４４、１７４ 通信部
１４６、１７６ タイマ
１４８、１８２ バス
１５０ センサ素子
１５２ Ａ／Ｄ変換部
１７８ 表示部
１８０ 操作部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】