AIアルゴリズムを用いたスマートメーター向け低コストセンサーのTHD監視性能向上

安価な電力計が重要な理由

現在、多くの家庭や事業所はスマートメーターによって電力使用量を把握しています。キロワット時の計測にとどまらず、これらのメーターは電力の「きれいさ」も監視でき、エネルギー損失、機器寿命、さらには請求額に影響します。しかし、手頃な価格のメーターに内蔵されるセンサーは、電力品質を正確に測定するにはしばしば簡素すぎます。本研究は、人工知能（AI）が低コストのセンサーに対して、全高調波歪み（THD）という主要な電力品質指標を測る際に高価な実験室用機器のように振る舞わせられるかを検証します。

理想とは異なる滑らかでない電力波形

理想的には、送電線の電圧や電流は完全に滑らかな波形を描くはずです。しかし現実には、LED照明やスマホ充電器、可変速ドライブなどの現代的な機器がこれらの波形を切り刻み、小さなリップル（高調波）を導入します。こうした望ましくない「粗さ」の大きさはTHDで要約されます。THDが高いと機器が過熱したり寿命が短くなったり、感度の高い電子機器に障害を引き起こすことがあります。現在、THDは通常、高速フーリエ変換（FFT）という数学的手法で算出されます。これはセンサーが非常にきれいで高解像度のデータを取得できる場合には有効ですが、安価なセンサーでノイズが多かったり分解能が低いと、特に大規模なスマートメーター導入で広く使われるようなタイプのセンサーでは精度が急速に低下します。

単純なセンサーを賢く変える

研究者らは高精度センサーを教師役、複数の低コストセンサーを生徒役とする枠組みを構築しました。まず、高精度センサーで詳細な電気信号を収集し、FFTで非常に正確なTHD値を算出してこれを真値（グラウンドトゥルース）とみなしました。次に、これらの信号を人工的に劣化させ、比較的良好なものから非常に粗悪なものまでの3クラスの経済的センサーを模擬しました。各低コストセンサーについて、FFTを用いて信号から特徴量を抽出し、これを各種AIモデルに入力しました。目的は、安価なセンサーが観測する値から、同じ条件下で高精度センサーが報告したであろう値への直接写像を学習することでした。

AIが誤差を補正する学び方

サポートベクターマシン、ランダムフォレスト、人工ニューラルネットワーク、AdaBoostと呼ばれるアンサンブル手法など、いくつかのよく知られた機械学習手法が試されました。いずれも低コストセンサーの特徴量から真のTHD値を予測するように訓練されました。モデルは慎重に調整され、参照センサーとの比較で予測値の誤差を測る標準的な誤差指標で評価されました。数百に及ぶ合成テスト信号と、その後に歪んだ負荷条件下での実験室測定の両方において、全てのAI手法は安価なセンサーに直接FFTを適用した単純な方法を大幅に上回りました。従来のFFTアプローチはセンサー品質が低下すると大きな誤差と低い一致度を示しましたが、AIモデルは概ね精度を維持しました。

際立って優れた学習手法

試された手法の中では、AdaBoostが最も印象的かつ一貫した結果を示しました。より良質な経済センサーに対しては、AdaBoostの予測は高精度参照とほとんど見分けがつかないほどで、誤差は非常に小さく統計的一致度もほぼ完璧に近いものでした。最も粗悪なセンサーに対してもAdaBoostは高い精度を維持したのに対し、従来のFFT法はほとんど失敗し、真のTHDとの相関は非常に弱く誤差は極めて大きくなりました。ランダムフォレストやサポートベクターマシンも良好に機能しましたが、センサー品質が低下するにつれて精度が落ちやすい傾向がありました。ニューラルネットワークは特にノイズが多く低分解能のデータに対して敏感で、最も粗悪なセンサーの場合に顕著に性能が低下しました。

日常の電力利用にとっての意義

この研究は、賢いソフトウェアが控えめなハードウェアを補えることを示しています。低コストセンサーがどのように典型的に歪め、細部を見落とすかを学習することで、AIはそれらの粗い読み取り値を高価な機器で得られるような高品質なTHD推定に効果的に「翻訳」できます。公益事業者や規制当局にとっては、信頼できる電力品質情報を犠牲にすることなく多数の手頃なスマートメーターを展開する道が開かれます。消費者や産業にとっては、機器保護の向上、系統健全性のより正確な評価、より賢いエネルギー管理が、コストを抑えたまま実現することを意味します。

引用: Nacima, O., Chouaib, L., Meneceur, R. et al. Enhancing low-cost sensor performance for THD monitoring in smart meters using AI algorithms. Sci Rep 16, 10298 (2026). https://doi.org/10.1038/s41598-026-41359-9

キーワード: スマートメーター, 電力品質, 高調波歪み, 低コストセンサー, 機械学習