AIBR プレミアム
拓海先生、最近うちの技術部で「送電網に機械学習を使えるのでは」という話が出ています。そもそも送電網の運用って、どこに機械学習が効くんでしょうか。
素晴らしい着眼点ですね！大丈夫、わかりやすく説明しますよ。要点は三つです。まず、機械学習（machine learning、ML、機械学習）は過去の事例から意思決定パターンを学べますよ。次に送電網の運用は「いつどの設備に負荷が集中するか」を予測して対処する仕事で、そこを支援できるんです。最後に実運用では、人が最終判断をするための候補を自動生成するハイブリッド運用が現実的です。
なるほど。で、うちみたいな古い設備が多い現場で、予測が外れたら大問題になるのでは。投資対効果をどう考えれば良いですか。
いい質問です。投資対効果は三点で考えると整理できますよ。第一にアラート精度の向上で事故回避による損失削減、第二に運用支援によるオペレータ負担軽減、第三にシミュレータ連携で安全性を確保しつつ自動化の候補を作る点です。重要なのは完全自動化ではなく、現場で検証できる候補を出す仕組みにすることです。
それは安心できます。具体的にはどんなデータを使うのですか。現場のデータが揃っていないと意味がなさそうですが。
その通りです。ここも三点で考えますよ。一つは運用ログや計測データといった履歴データ、二つ目は大規模な物理シミュレータの出力、三つ目は人が取った「修正行動（remedial actions）」の履歴です。これらを組み合わせて教師あり学習の学習データを作ります。つまり現場の過去事例を再現可能なフォーマットに変換する技術が鍵になりますよ。
ちょっと整理させてください。これって要するに現場の過去データとシミュレータで学習させて、人が使える対処案を自動で出す仕組みを作るということ？
まさにその通りです！素晴らしい着眼点ですね！補足すると、生成された対処案は実際の電力系統シミュレータで検証してから提示するため、安全性が担保されますよ。一緒にやれば必ずできますよ。
それなら導入の不安は減りますね。ただ、現場の人が使わないと意味がありません、現場が受け入れる運用に落とし込むポイントは何でしょうか。
良い問いですね。ポイントは三つあります。第一に提案は「理由」と「検証結果」付きで提示すること、第二に人の判断を尊重して承認フローを残すこと、第三に初期はサポートツールとして導入し、運用負荷を下げた成功体験を積むことです。大丈夫、段階的に進めれば現場は確実に馴染みますよ。
わかりました。ではまずは小さく試して、効果が出たら拡大するという段取りで行きます。要点を整理すると、過去データ＋シミュレータで候補を作り、人が最終判断するハイブリッド運用を段階的に導入するということですね。では、早速社内で説明してみます。
