電力データと機械学習 センサ１つでおうちの様子を簡単に見える化

第10回 Machine Learning 15minutes!

Transcript

1. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 1
2. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! ⾃自⼰己紹介 • 蓮尾⾼高志(Takashi  Hasuo) • インフォメティス株式会社 • 東京、英国ケンブリッジ • リサーチエンジニア • １才児の育児真っ盛り… 2013 2011 2010 2009 1999 SONY⼈人⼯工知能搭載 ペット型ロボット AIBO  発売 エネルギー分野の 研究開発が活発化 ⼈人⼯工知能技術から 機器分離離技術が派⽣生 USでの⼤大規模実証参加 SONYから機器分離離技術を 譲り受けて カーブアウト創業 2/22
3. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 本発表の⽬目的 • 電⼒力力データを利利⽤用した機器（家電）分離離技術 という、機械学習技術の実応⽤用分野を紹介 • 機械学習技術の研究開発における課題やアプ ローチについて共有
4. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 電⼒力力分野における機械学習技術の応⽤用例例 1. 需要（発電）予測技術 2. 機器（家電）分離離技術 3. その他 ※今回深くは取り上げない ※今回のメイントピック
5. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 電⼒力力需要（発電）予測 • 電⼒力力消費の履履歴や気象デ ータより、将来の需要 （発電）を予測する技術 • スマートメータの普及に 伴い、近年年国内でも活発 に取り組まれている ※今回深くは取り上げない ？ kWh time now 過去の電⼒力力消費 気象データ etc 予測モデル 将来の 電⼒力力需要 関連ニュースも多い 5/22
6. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 機器（家電）分離離 /  NIALM   • ⼀一箇所で計測されている電⼒力力データから、その先で電 ⼒力力消費している各家電の稼働パターンを分離離する技術 リアルタイムな 電⼒力力データ 推定モデル 各家電ごとの 稼働状況 ※今回のメイントピック エアコン エアコン エアコン 電⼦子レンジ 電⼦子レンジ 洗濯機 24時 kWh 0時 １つだけ！ 個別のセンサは不不要
7. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 機器分離離結果の応⽤用イメージ 家電個別の動きが分かると様々なサービスが可能に！
8. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 具体的なアプリケーション例例 省省エネ ⾒見見守り ホームオートメーション http://getirkit.com ON OFF ON ※学習リモコンとの組み合わせ
9. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! ビックデータ解析の例例 家庭間⽐比較 季節ごとの傾向分析 ⽣生活パターン分析
10. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 機器分離離推定技術とは 混ざりあった情報から 個々の情報を細かに分離離 800W 200W 0W 0W 0W 分離離結果 10/22
11. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 3:49 NIALM技術デモ動画 ↓ センサで観測される値と家電モデルによる値の誤差が少なくなるような家電の稼働組み合わせを推定
12. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 実システムとビジネスモデル 写真：⼀一般家庭の分電盤 （化粧板を外した状態） L1、L2配線それぞれに CTクランプを取り付け １秒毎のデータ センサからはWiFi経由 でデータアップロード 数百軒規模のデプロイ実績 各種事業者様との業務提携 クラウド 分離離DB サービス事業者様 スマートメーター 製造メーカー 対象家庭 アプリ・API
13. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! NIALM界隈におけるポジション 低解像度度 （分単位） ⾼高解像度度 （MHz単位） 専⽤用センサ ローカル処理理 スマートメータ クラウド処理理 （参考）http://wiki.nilm.eu/index.php?title=Companies_̲offering_̲NILM_̲products_̲and_̲services 韓国某社 ベルギー某社 ⽶米国某社 フランス某社 ⽶米国某社 英国某社 その他多く その他多数 ウクライナ某社 ⾼高精度度の分離離を可能としながら スマートメータとの相性も良良い ←トレードオフ→
14. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 弊社のNIALM技術が⽬目指すところ 全ての家庭でAIの恩恵を 受けられる未来の実現 Living  Data  Symphony スマートメーター普及とスマートハウス需要の⾼高まり スマートメーターのデータを⽤用いた機器分離離技術 機械学習技術 スマートメーター インフラの⼀一部としての役割への⼤大きな期待
15. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! • 家電毎の特徴 • Event  Based • 家電のON/OFF • State  Based • 家電稼働中の遷移や変動パターン • 学習アプローチ • Supervised • 分電盤の主センサとは別に、家電個別測定センサを設置してデータ収集 • Unsupervised • ユーザ⾃自⾝身が家電名などをラベル付け • 学習モデルの例例 • Random  Forest • Factorial  HMM • Deep  Learning • etc… NIALMにおける機械学習技術について 利利⽤用データ ✕ 家電毎の特徴 ✕ ユースケース を考慮して適材適所に機械学習技術が適⽤用される ことが多い（学術研究が活発にならない要因でもある） ≒ チャレンジングな領領域 15/22
16. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! NIALM技術開発の特徴と課題 タスク・仮説の設定 開発⽤用データの整備 評価尺度度の定義 特徴抽出の検討 モデルの構築 モデルの評価 結果の解釈 システム統合・評価 新発売の家電が登場 （未知データ・共変量量シフト） アプリ次第では誤検出が致命的 （評価尺度度の整合性） ロングテールに分布する家庭データ （データ不不⾜足・偏在） 【技術開発のワークフロー】 省省エネ家電の台頭 （特徴量量やセンサ⾃自体の陳腐化） 常に改善の繰り返し …
17. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 弊社のアプローチ • 偏りが⼤大きかったり、⼩小規模なデータであっても、頑健に 学習することが可能な機械学習理理論論をベースに研究開発 • ⼀一般家庭における電⼒力力データの特性を強く意識識 • 機械学習技術分野で著名な２名をアドバイザとして招聘 UK側：ベイジアンアプローチ 東京側：不不完全情報学習 （ラベル無しデータの活⽤用や ⾮非定常環境下での学習理理論論） 相互連携
18. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 不不完全情報学習の例例 共変量量シフト適応 x y 学習対象の関数 訓練データ 評価データ 共変量量シフト 適応学習 通常の学習 新しい家電の増加 ⽣生活スタイルの変化 PU学習 x1 x2 P P P U U U U U U U U U U U U U U UnlabeledをNegativeとして学習 Positive-‐‑‒Unlabeled学習 ラベル付けのコストが⾼高い そもそもラベル付け困難
19. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! 各家電毎に固有な パラメータに関する 事前知識識の統合 ベイジアンアプローチ 観測データ ON   OFF   ON ON OFF   OFF   ON   ON   OFF 電⼒力力時系列列 Factorial  Hidden  Markov  Models エアコンの波形と 変動はこんな感じ…
20. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! まとめ • 電⼒力力データを活⽤用した機器分離離技術（NIALM） とその実応⽤用例例について紹介した • 機械学習技術の果たす役割は⼤大きい⼀一⽅方、課題 も多く、各国が凌凌ぎを削って研究開発している 分野であることを説明した • 弊社の位置づけと技術戦略略について紹介した 20/22
21. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! • NILM  Workshop • 最新動向 • NILMTK • オープンソースの ツール群 • 公開データセット • サンプルコード http://nilmtk.github.io http://www.nilm.eu 参考情報
22. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! サービス拡⼤大に伴い、採⽤用強化中!（機械学習エンジニア以外も）
23. Copyright  2017,  Informetis  Co.,  Ltd    All  Rights  Reserved Machine  Learning  15  Minutes! Q&A? ご清聴ありがとうございました