小水力発電の事業者が、取水口の水位・雨量の記録と週間天気予報から翌週の日ごとの発電量を Python で幅付きで予測し、点検と除塵の段取りの案を作る
取水口の水位と近くの雨量の記録、週間天気予報の降水確率から、Python で翌週の発電所ごと・日ごとの発電量を幅付きで予測します。その見込みから、止めたときに失う発電の少ない日と、雨の後に除塵へ回るべき日を並べ、巡回の段取りの案を作ります。
- 連携・自動化
- Python
- 対象業界
- その他/建設/自治体
- 対象部門
- 生産/経営企画
- 対象業務
- 比較検討/集計・分析
- 主な課題
- 人手が足りない/判断に時間がかかる/属人化している
- AIで行う処理
- 予測
- 主な効果
- 判断支援/工数削減/機会損失防止
- 導入難易度
- ★★★★☆
- 実装レベル
- 本格構成
- 費用感
- 個別開発(大)
- 人間の確認
- 条件付き
01導入前 / 導入後の業務フロー
- 木曜の朝、遠隔監視の仕組みから発電所ごとの直近の水位と発電電力量を表に書き出す
- 気象庁の週間天気予報を開き、発電所のある地域の降水確率と信頼度を見る
- 直近の水位の下がり方と雨の見通しから、発電所ごとに翌週の発電の多い日・少ない日を経験で見当をつける
- 点検の台帳から、期限の近い点検と、止めて行う作業を拾う
- 雨が降りそうな日の翌日に、落ち葉の多い発電所の除塵を入れる
- 発電の少なそうな日に、止めて行う点検を入れる
- 3名の移動の時間に収まるかを見て、巡回の予定表に書く
- 人木曜の11時の週間天気予報の発表の後、担当が地域ごとの降水確率と信頼度を入力の表に写す(7日 × 3地域)
- 自動Python が動き、遠隔監視の書き出し・アメダスの雨量・入力の表を読み込む
- 自動水位を発電所ごとの水位と流量の表で流量に直し、日ごとの特徴量を作る
- 自動学習済みのモデルで、翌週の7日分の流量を、雨の3つの筋書きごとに下・中央・上の値で予測する
- 自動発電所ごとの取水の上限・下限と出力の表で、流量を発電量に直す
- 自動点検の台帳から作業を読み、止めたときに失う発電の少ない日、川に入れない日、除塵に回るべき日を並べて段取りの案を作る
- 自動筋書きで見込みが大きく割れる日、水位計の値がおかしい発電所などに印を付ける
- 人保守の課が印と案を見て、打ち合わせで予定を決める
- 人保守の責任者が、止めて行う点検と川に入る作業を確定する
- 自動翌週の終わりに、予測と実際の流量・発電量を比べた当たり方を記録する
各工程の詳しい説明を読む
- 木曜の朝、遠隔監視の仕組みから発電所ごとの直近の水位と発電電力量を表に書き出す
- 気象庁の週間天気予報を開き、発電所のある地域の降水確率と信頼度を見る
- 直近の水位の下がり方と雨の見通しから、発電所ごとに翌週の発電の多い日・少ない日を経験で見当をつける
- 点検の台帳から、期限の近い点検と、止めて行う作業を拾う
- 雨が降りそうな日の翌日に、落ち葉の多い発電所の除塵を入れる
- 発電の少なそうな日に、止めて行う点検を入れる
- 3名の移動の時間に収まるかを見て、巡回の予定表に書く
(a)見当のつけ方を説明できない。 3番は担当の感覚です。「この川は晴れが3日続くと、出力が2割落ちる」「秋の長雨の後は、1週間は最大の出力が続く」。数字の根拠は担当の頭の中にあり、ほかの2名は同じ見当をつけられません。
(b)止める日を誤ると、失う発電が大きい。 最大の出力で回っている日に止めると、その日の発電がまるごと無くなります。同じ点検でも、晴れが続いて出力が半分に落ちた日に止めれば、失う発電は半分で済みます。 予報が外れて止めた日に雨が降ると、いちばん発電できる日を点検に使うことになります。
(c)除塵が遅れると、気づかないうちに発電が落ちる。 雨の後にスクリーンへ落ち葉が詰まると、川に水があっても取水が減ります。遠隔監視の数字は「水が少ない」のか「詰まっている」のかを教えてくれません。 経験のある担当は、雨の量と季節から詰まりそうな発電所を見当で選んでいます。
(d)15か所を同時に考えられない。 1か所ずつなら見当がつきますが、3名の移動と15か所の発電の見込みを合わせて組むのは、頭の中では限界があります。 結局、期限の近い点検から順に入れ、発電の見込みは後回しになります。
- 【人】 木曜の11時の週間天気予報の発表の後、担当が地域ごとの降水確率と信頼度を入力の表に写す(7日 × 3地域)
- 【自動】 Python が動き、遠隔監視の書き出し・アメダスの雨量・入力の表を読み込む
- 【自動】 水位を発電所ごとの水位と流量の表で流量に直し、日ごとの特徴量を作る
- 【自動】 学習済みのモデルで、翌週の7日分の流量を、雨の3つの筋書きごとに下・中央・上の値で予測する
- 【自動】 発電所ごとの取水の上限・下限と出力の表で、流量を発電量に直す
- 【自動】 点検の台帳から作業を読み、止めたときに失う発電の少ない日、川に入れない日、除塵に回るべき日を並べて段取りの案を作る
- 【自動】 筋書きで見込みが大きく割れる日、水位計の値がおかしい発電所などに印を付ける
- 【人】 保守の課が印と案を見て、打ち合わせで予定を決める
- 【人】 保守の責任者が、止めて行う点検と川に入る作業を確定する
- 【自動】 翌週の終わりに、予測と実際の流量・発電量を比べた当たり方を記録する
8番と9番を人に残しているのが、この設計の要です。 モデルが出すのは流量の幅と、それを規則で並べた案です。その日に川へ入ってよいか、上流で工事をしていないか、地元の水利の都合はどうかは、モデルの外にあります。
6番の段取りの案は、最適な解を求めるものではありません。 失う発電の少ない順に日を並べ、移動の時間に収まるかを確かめる程度の規則です。案の筋道が読めることを優先します。 筋道が読めれば、打ち合わせで「この日は地元の行事で入れない」といった事情を足して直せます。
02今回想定するシステム構成
遠隔監視(取水口の水位・発電電力量) アメダスの雨量(CSV) 週間天気予報(担当が入力)
│ │ │
└──────────────┬───────────────┴──────────────────────┘
▼【トリガー】木曜の昼、入力の表の保存
Python
├──▶ 水位 → 流量(発電所ごとの水位と流量の表)
├──▶ 日ごとの特徴量(過去の雨、今日の流量、季節、先の雨の量)
▼
scikit-learn HistGradientBoostingRegressor(loss="quantile":0.1・0.5・0.9)
│ 雨の3つの筋書き × 7日 × 15発電所
▼
Python ── 流量 → 発電量(取水の上限・下限、維持流量、出力の表)
├──▶ 止めたときに失う発電・川に入れない日・除塵の印
▼
段取りの案(巡回の予定表の隣のシート)
▼
【保守の課が決める → 責任者が確定】| 役割 | 想定する製品 | 代替候補 |
|---|---|---|
| 実行環境 | Python(pandas・scikit-learn) | R |
| 処理エンジン | scikit-learn の HistGradientBoostingRegressor(分位点回帰) | LightGBM |
| 集計 | Python(発電量への換算、段取りの案、当たり方の記録) | 表計算の計算式 |
| 保管 | 社内のファイルサーバー(学習の記録、案、当たり方) | - |
新しく足すのは Python の処理だけです。 遠隔監視の仕組みは書き出しを使うだけで、設定は変えません。巡回の予定表には書き込まず、隣のシートに案を書き出します。
発電量への換算は、モデルではなく発電所ごとの表で行います。 水力の発電出力は、長野県のページでは「9.8 × 落差 × 流量 × 効率」で求め、効率は水車効率と発電機効率を掛けたもので一般的に65〜85%とされています。発電所ごとの落差は変わらないので、出力はほぼ取水量で決まります。 ただし実際の効率は流量によって変わるので、式ではなく、過去の運転の記録から作った「取水量と出力の表」を使います。式は、表の値がおかしくないかを確かめる物差しにします。
モデルは scikit-learn の HistGradientBoostingRegressor です。 公式のページでは、loss に "quantile" を選ぶとピンボールの損失を使い、quantile で何分位を予測するかを0から1の間で指定するとされています。quantile の既定は None なので、3本とも明示します。 雨が多いほど流量が増える向きを、monotonic_cst で縛れることも、この題材で scikit-learn を選んだ理由です(第7章)。
03どうやって実装するのか
処理の起点を決める
木曜の昼、担当が週間天気予報の入力の表を保存したら Python を動かします。 気象庁のページでは、府県週間天気予報は毎日11時ごろと17時ごろに発表されるとされています。11時の発表を写してから動かせば、午後の打ち合わせに案が間に合います。
| 段 | いつ | すること |
|---|---|---|
| 1. 学び直し | 毎月の初めの夜 | 過去3年の日ごとの行で、3本のモデルを学び直す |
| 2. 予測と換算 | 木曜の昼 | 筋書きごとの流量、発電量、段取りの案 |
| 3. 当たり方の記録 | 翌週の木曜の朝 | 予測と実際の流量・発電量を比べる |
学び直しは毎月にし、毎週の処理は予測だけにして数分で終わらせます。 取水堰を改修した、水位計を付け替えたといった変化があったときは、月の途中でも学び直します。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| 取水口の水位 | 発電所ごとの日平均の水位、欠測の印 | 遠隔監視の書き出し |
| 発電電力量 | 発電所ごとの日ごとの電力量、停止の時間 | 遠隔監視の書き出し |
| 停止の記録 | 点検・故障・系統側の都合で止めた日と時間 | 点検の台帳 |
| 雨量 | 流域に近いアメダスの地点の日降水量 | 気象庁の過去の気象データ(CSV) |
| 週間天気予報 | 地域ごと・日ごとの降水確率と信頼度 | 担当が入力の表に写す |
| 発電所の表 | 水位と流量の表、取水の上限(最大使用水量)・下限、下流へ流す量、取水量と出力の表 | 発電所ごとの設計の資料と運転の記録 |
| 作業の一覧 | 点検・除塵・土砂の排出の作業、所要時間、止める必要の有無、期限 | 点検の台帳 |
質を決めるのは、停止の記録です。 止めていた日の水位は、取水していないぶん川の自然の水位に近く、発電電力量はゼロです。停止の記録が無いと、学習の行から外すべき日を見分けられません。 発電量でなく流量を学ぶ理由の1つがここで、水位の記録は止めた日も残ります。
発電所の表の「下流へ流す量」も欠かせません。 許可の条件で、取水堰から下流へ一定の量を流し続ける決まりのある発電所では、川の流量から、その量を引いた分しか取水できません。 渇水の時期は、この差で水車の下限を割るかどうかが決まります。
データの取得方法を決める
| 取るもの | 範囲 | 使い道 |
|---|---|---|
| 取水口の水位・発電電力量 | 過去3年の日ごと | 学習(流量に直す) |
| 停止の記録 | 過去3年 | 止めた日の発電量を学習から外す |
| アメダスの日降水量 | 過去3年の日ごと | 学習の特徴量、筋書きの雨の量 |
| 週間天気予報 | 毎週木曜の11時の発表 | 筋書きの選び方 |
雨量は、気象庁の「過去の気象データ・ダウンロード」から CSV で取ります。 公式の説明では、地点・項目・期間を選んでダウンロードでき、選んだデータの量が100%を超えると画面の表示もダウンロードもできなくなるとされています。15発電所に対応する数地点の3年分は、期間を分けて取ります。
欠測の扱いを決めておきます。 既定の「すべて数値で格納」で出すと、欠測は値の列が空になり、隣の品質情報の列が0になるとされています。品質情報の列で欠測を見分け、その日は「雨0mm」として扱わず、欠測のまま残します。 HistGradientBoostingRegressor は欠測(NaN)をそのまま扱え、公式のページでは、分かれ目ごとに欠測の行を左右どちらへ送るかを学ぶとされています。0で埋めると「雨が降らなかった日」と同じになり、増水の始まりを学び損ねます。
週間天気予報は、担当が写します。 気象庁のページでは、府県週間天気予報は日ごとの天気、最高・最低気温、降水確率(10%単位)、予報の信頼度を発表するとされています。写すのは降水確率と信頼度の2つだけで、7日 × 3地域なら数分です。 自動で取り込む仕組みを作るより、写すほうが確かで、担当が予報を一度目で見ることにもなります。
AIへ渡す前に整形する
- 水位を流量に直す … 発電所ごとの水位と流量の表で、日平均の水位を流量にします。表の範囲を外れた水位は印を付けます
- 停止した日を外す … 停止の記録がある日の発電量は学習に使いません。流量は、取水を止めていても水位から求められます
- 過去の雨 … 前日まで1日・3日・7日・30日の雨の合計を作ります。30日の合計は、流域の湿り具合の代わりです
- 予測の起点の流量 … 予測を出す日の流量と、3日前からの増減を作ります
- 先の雨 … 起点の翌日から予測する日までの雨の合計と、予測する日の当日の雨を作ります。学習では実際に降った量を入れ、予測では筋書きの量を入れます
- 何日先か … 1〜7日の
leadの列を作り、起点1日につき7行に広げます - 季節 … 年のうちの日を入れます。秋の落ち葉の時期と、雪解けの時期を分けて学ばせます
5番の「学習では実際の雨」が、この構成のいちばん大事な割り切りです。 モデルが学ぶべきは「この雨が降ったら、この川はどれだけ増えるか」で、予報の外れ方まで学ばせると、雨への反応がぼやけます。 予報の不確かさは、予測のときの筋書きの幅で入れます。
6番で起点1日を7行に広げるので、行の数は 15発電所 × 約1,000日 × 7 で10万行を超えます。 発電所の違いは、発電所のコードを pandas の category 型にした列で学ばせます。公式のページでは、categorical_features の既定は "from_dtype" で、Categorical か Enum の型の列だけがカテゴリとして扱われるとされています。発電所のコードを数のまま渡すと、カテゴリになりません。
AIに処理させる
させるのは、発電所×起点の日×何日先の流量を、0.1・0.5・0.9の3つの分位点で予測することだけです。
| させること | させないこと |
|---|---|
| 雨の筋書きごとの日ごとの流量の3つの分位点 | 雨そのものの予測(予報から筋書きとして置く) |
| 雨の降らない日が続いたときの減り方の学習 | 発電量の計算(発電所の表で掛ける) |
| 流域ごとの雨への反応の遅れの学習 | 止めるか・川に入るかの判断(責任者が決める) |
雨の列に「増える向き」の縛りを入れるのが、この題材での要点です。 公式のページでは、monotonic_cst で特徴量ごとに増加(1)・制約なし(0)・減少(-1)を指定でき、名前をキーにした辞書でも渡せるとされています。雨が多いほど流量が減るということは、物理として起こりません。 ところが学習の行には、雪の時期に雨が降って気温が下がり、雪解けが止まって流量が減った日もあります。縛りを入れないと、「雨が降ると減る」という部分を学んでしまい、筋書きの「多めに降る」の流量が「平年並」より少なく出る週が出ます。 起点の流量にも増加の縛りを入れます。何日先か(lead)と季節は向きが決まっていないので縛りません。
指示内容を固定する
この構成の中心は生成AIではなく予測のモデルなので、プロンプトの代わりに、学習と予測の設定を示します。
import numpy as np, pandas as pd
from sklearn.ensemble import HistGradientBoostingRegressor
features = ["plant", "lead", "doy", "q_origin", "q_trend3",
"rain_1d", "rain_3d", "rain_7d", "rain_30d",
"rain_ahead_sum", "rain_target_day"]
cst = {"q_origin": 1, "rain_1d": 1, "rain_3d": 1, "rain_7d": 1,
"rain_30d": 1, "rain_ahead_sum": 1, "rain_target_day": 1}
train["plant"] = train["plant"].astype("category")
def fit_q(q, X, y):
return HistGradientBoostingRegressor(
loss="quantile", quantile=q, monotonic_cst=cst,
learning_rate=0.05, max_iter=600,
early_stopping=False).fit(X, y)
# 検証は「起点の日」で区切る(1日に105行あるため)
origins = np.sort(train["origin_date"].unique())
cut = origins[int(len(origins) * 0.8)]
gap = pd.Timedelta(days=7) # 先の7日ぶん空ける
tr = train["origin_date"] < cut - gap
va = train["origin_date"] >= cut
models = {q: fit_q(q, train.loc[tr, features], np.log1p(train.loc[tr, "flow"]))
for q in (0.1, 0.5, 0.9)}
流量を log1p で対数にしてから学ぶのは、増水の日の値が平水の日の数十倍になるからです。 そのまま学ぶと、年に数回の大きな増水の誤差がモデルを引っ張り、点検で大事な平水から渇水の日の当たりが悪くなります。分位点は単調な変換で順序が変わらないので、予測した後に戻せば、そのまま流量の分位点になります。
early_stopping=False を明示しているのは、公式のページでは既定の 'auto' が、標本が1万を超えると早期終了を有効にするとされているからです。 10万行を超えるこのデータでは、指定しないと学習の行の一部が検証用に取り分けられます。取り分けは日付と関係なく行われるので、同じ増水の日の行が学習と検証に分かれ、当たり方を甘く見ることになります。 検証は、上のように起点の日で区切り、7日あけて自分で行います。
翌週の予測は、雨の3つの筋書きで行を作ります。
def rain_for(prob, rel, month, scen):
wet = wet_days[month] # その月の1mm以上の日の雨量(過去3年)
if scen == "dry":
return 0.0
if prob <= 20 and rel == "A":
return 0.0 # 確度の高い「降らない」
if prob <= 30:
return 0.0 if scen == "normal" else wet.quantile(0.5)
return wet.quantile(0.5) if scen == "normal" else wet.quantile(0.8)
rows = []
for scen in ("dry", "normal", "wet"):
x = next_week_rows.copy() # 発電所 × lead 1〜7
x["rain_target_day"] = [rain_for(p, r, m, scen) for p, r, m in
zip(x["pop"], x["rel"], x["month"])]
x["rain_ahead_sum"] = x.groupby("plant")["rain_target_day"].cumsum()
for q, m in models.items():
x[f"q{int(q*100)}"] = np.expm1(m.predict(x[features])).clip(min=0)
x["scenario"] = scen
rows.append(x)
pred = pd.concat(rows)
「降らない」の筋書きは、週間天気予報によらず7日とも雨0mmです。 点検の日を選ぶときの土台で、この筋書きでも発電の多い日は、雨が降ればもっと多くなる日です。 「平年並」と「多め」は、降水確率に応じて、その月に過去に雨が降った日の雨量の中央と上位2割の値を置きます。気象庁のページでは、信頼度Aは明日の予報と同じ程度の精度で、Cは適中率が低いか翌日に予報が変わりやすいとされています。信頼度Aの「降らない」だけを、どの筋書きでも0mmにします。
出力形式を固定する
発電所×日の表で出し、巡回の予定表の隣のシートに書き出します。
| 列 | 中身 |
|---|---|
| 発電所・日 | 予測の単位 |
| 降らない/平年並/多め の発電量(中央) | 筋書きごとの発電量の見込み(kWh) |
| 降らないの下・上 | 雨が無いときの幅 |
| 止めたときに失う発電 | 3つの筋書きの中央の値の最大(多めに見積もる) |
| 川に入れない | 流量の上の値が、発電所ごとに決めた入川の上限を超える |
| 除塵の印 | 先の雨の合計が、発電所ごとに決めた量を超えた翌日 |
| 印 | 筋書きで大きく割れる/水位計の値がおかしい/表の範囲外 |
「止めたときに失う発電」を3つの筋書きの最大で出すのは、止めた日に雨が降る場合に備えるためです。 降らない筋書きの値で日を選ぶと、予報が外れて雨が降った日に止めることになります。最大の値が小さい日は、雨が降っても失う発電が少ない日です。
段取りの案は、作業ごとに出します。
| 列 | 中身 |
|---|---|
| 作業 | 点検・除塵・土砂の排出 |
| 発電所 | 対象 |
| 候補の日 | 失う発電の少ない順に3つ |
| 理由 | 失う発電の量、川に入れない日を外したこと、期限 |
| 要員 | 3名の移動の時間に収まるか |
発電量への換算は、Python の四則演算で行います。 流量から下流へ流す量を引き、取水の上限で切り、下限を割れば0、残りを取水量と出力の表で引きます。モデルは換算に関わらないので、水車を更新して出力の表が変わっても、学び直しは要りません。
分位点の逆転は、並べ直して印を付けます。 分位点ごとに別のモデルを学ぶので、まれに q10 が q50 を上回る日が出ます。印が多い発電所は、学習の行が足りないか、水位と流量の表が古い合図です。
システムへ連携する
| つなぎ先 | 方式 | 内容 |
|---|---|---|
| 遠隔監視の仕組み | 書き出したファイル | 水位・発電電力量・停止の時間 |
| 点検の台帳 | 共有のスプレッドシートを読む | 停止の記録、作業の一覧と期限 |
| 気象庁の過去の気象データ | CSV をダウンロードして置く | 日降水量 |
| 入力の表 | 担当が写したものを読む | 降水確率と信頼度 |
| 巡回の予定表 | 隣のシートに書き出す | 発電量の見込みと段取りの案 |
遠隔監視の仕組みと巡回の予定表には書き込みません。 確定した予定は、保守の課が予定表に写します。発電所を遠隔で止める操作には、この構成はつながりません。
気象庁のデータを社内の資料に載せるときは、出典を書きます。 気象庁のページは、公共データ利用規約(第1.0版)に準拠した条件で使え、「出典:気象庁ホームページ(当該ページのURL)」の形で出典を記載し、編集・加工したことを示し、加工した情報を国が作成したかのように扱ってはいけないとしています。筋書きの雨量は加工した値なので、資料にはその旨を添えます。
人が確認する
- 印の付いた行を見る … 筋書きで大きく割れる日、水位計の値がおかしい発電所を先に見ます
- 川に入れない日を確かめる … 上の値で判定しているので慎重側ですが、上流の工事や放流の予定は責任者が足します
- 止める日を決める … 案の候補の日から選び、地元の水利や行事の都合を足します
- 除塵の順を決める … 除塵の印の付いた発電所を、移動の順に並べ直します
- 責任者が確定する … 止める点検と川に入る作業は、責任者が予定表に写します
2番は、どれだけ案がよくても人が見ます。 「川に入れない」の印は流量の予測から出したもので、当日の朝に実際の水位を見て判断し直すことが前提です。 予測で入れると出ていても、当日の雨で増水していれば入りません。案は、前もって要員の割り振りを考えるための材料です。
例外に対処する
| 起きること | 対応 |
|---|---|
| 水位計の値が止まる・飛ぶ | 前日と同じ値が続く、表の範囲を外れる日に印を付け、その発電所は案を出さない |
| アメダスの雨量に欠測がある | 品質情報で見分け、NaN のまま渡す。0で埋めない |
| 停止の記録が漏れている | 発電量がゼロで水位が平常の日を拾い、担当に確かめる |
| 入力の表が保存されていない | 降らないの筋書きだけで出し、印を付ける |
| 水位と流量の表の範囲を超える増水 | 流量を表の上限で止め、「川に入れない」と印を付ける |
| 雪解けの時期に雨と流量の関係が崩れる | 季節の列で学ばせ、雪解けの時期の当たり方を別に記録する |
| 3つの分位点が逆転する | 並べ直して印を付ける |
| 取水堰の改修・水位計の付け替え | その日より前の行の扱いを決めてから学び直す |
| 気象庁のサイトからデータが取れない月 | 前の月までの実績で学んだモデルのまま予測する |
記録を残す
- 学習に使ったデータの範囲、特徴量の一覧、縛りの設定、モデルの設定
- 起点の日で区切った検証の結果(分位点ごと、何日先ごと)
- 毎週の入力の表(降水確率と信頼度)と、筋書きごとの予測の表
- 段取りの案と、保守の課が決めた予定、責任者が確定した作業
- 翌週の当たり方(実際の流量が q10〜q90 に入った割合、発電所ごと・何日先ごと)
- 止めた日に実際に失った発電と、案で見込んだ値の差
最後の行が、この構成が役に立っているかの物差しです。 止めた日に失った発電が案の見込みより大きい週が続くなら、筋書きの雨の置き方か、取水量と出力の表に直すところがあります。
04実装レベルの3段階
本記事の想定は本格構成です。 1件25分が8分になるのは、書き出す・見当をつける・当てはめるの作業がそろって出てくるからです。残る8分は、印を見て、地元の事情を足して日を決める時間です。 半自動化で、秋の落ち葉の時期を1回越えてから本格構成に進みます。 除塵の印の量の決め方は、落ち葉の時期の実際の詰まり方を見ないと決まりません。段取りの案は、見込みそのものが信用できると分かってから足すほうが、案の数字を疑う議論に時間を取られません。 打ち合わせの中身も変わります。 これまでは担当の見当を聞く場でしたが、印の付いた日と、候補の日の理由を見ながら決める場になります。
05工数削減シミュレーション
導入後 60件 × 8分 ÷ 60 = 8 時間/月
自社条件で導入効果を整理したい方へ
このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。
06向いている企業・向いていない企業
- 流れ込み式の小水力発電所を山あいの川や農業用水路に10か所以上持ち、少ない保守の要員で巡回している事業者・土地改良区・自治体の企業局。発電所を止めて行う点検と、雨の後のスクリーンの除塵の日取りを毎週決めていて、その判断が長く担当してきた1名の経験に頼っている場合。取水口の水位計の記録と発電電力量の記録が日ごとに2〜3年分残り、近くにアメダスの雨量の観測点がある場合。
- 発電所が1〜2か所で、点検の日取りを経験で決めても困らない場合。ダムや調整池を持ち、流量を自分で調整できる発電所。水位計の記録が欠けていて、日ごとの取水量を後から復元できない場合。なお、天気そのものを予測する構成ではなく、雨は週間天気予報の降水確率から筋書きとして置きます。発電所を止めるかどうか、川に入ってよいかは保守の責任者が決めます。
07最小構成で試す方法
- 発電所を2つ選ぶ(流域の広い川と狭い川を1つずつ)
- 過去2年の日ごとの水位を流量に直し、アメダスの日降水量と並べる
- 雨の降らない日が5日以上続いた期間を拾い、流量の減り方をグラフにする
- 去年の秋を隠して、残りの期間で分位点回帰を学び、隠した期間の「7日先」までを実際の雨を入れて予測する
- 実際の流量が q10〜q90 に入った日の割合を、何日先ごとに数える
| 出てきた内容 | 判断 |
|---|---|
| 雨の無い期間の減り方が毎回似た形になった | 起点の流量と過去の雨で減り方を学べる。構成に進む |
| 雨の後の増え方が2日遅れで出る川がある | 先の雨の列を日ごとに分けて渡す |
| 幅に入る日が少ない | 停止の記録の漏れと、水位と流量の表の古さを先に疑う |
3番のグラフを飛ばさないでください。 雨の無い期間の減り方が毎回似た形なら、「降らない」の筋書きの予測はよく当たり、点検の日選びに使えます。 形が毎回ばらばらなら、水位計の記録か、上流の取水の影響を先に調べます。
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| 止めた日を「水が少ない日」と学ぶ | 発電量でなく流量を学び、停止の記録で発電量を外す |
| 「雨が降ると減る」を学ぶ | 雨と起点の流量の列に monotonic_cst で増加の縛りを入れる |
| 雨の欠測を0で埋める | NaN のまま渡す。品質情報で見分ける |
| 増水の日に引っ張られる | 流量を log1p で学び、予測の後に戻す |
| 早期終了が日付と無関係に検証の行を取る | early_stopping=False を明示し、起点の日で区切って自分で検証する |
| 発電所のコードが数として扱われる | category 型にする |
| 予報の外れまで学ぶ | 学習では実際の雨を入れ、予測で筋書きを入れる |
| 止めた日に雨が降る | 失う発電を3つの筋書きの最大で見る |
| 水位計の値が止まる | 同じ値の連続を印にし、その発電所は案を出さない |
| 水位と流量の表が古い | 当たり方の記録で幅に入らない発電所を見つけ、測り直す |
| 「川に入れない」を予測だけで決める | 当日の朝の水位で判断し直す |
上の2行は、エラーにならずに案だけがおかしくなる失敗です。 どちらも、発電の記録には人の都合と自然の量が混ざっていることから起きます。モデルに渡す前に、自然の量だけを取り出すのがこの構成の土台です。
09セキュリティ・AIガバナンス上の注意点
この構成で扱うデータ: 発電所ごとの水位・流量・発電電力量、停止の記録、雨量。個人の情報は扱いません。
- 外部へ送らない … 生成AIを使わず、社内のPCで動かします
- 川に入る判断を案に任せない … 「川に入れない」の印は前もっての目安です。当日の水位と天気で、責任者が判断し直します
- 遠隔の操作につながない … 発電所を止める・動かす操作は、この構成の外に置きます。予測の誤りが、そのまま発電所の停止につながらないようにします
- 発電の見込みを外へ出さない … 発電所ごとの発電の見込みは、売電の収入の見込みでもあります。共有は企画と保守の課に限ります
- 気象庁のデータの出典を書く … 加工した値であることを添えます
- スクリプトを1人の持ち物にしない … 書いた人しか動かせない状態は、見当をつけていた頃と同じ属人化です。手順書と、動かし方を知る2人目を用意します
誤りが起きた場合のリスクは、発電の多い日に止めることと、増水の日に要員を川へ向かわせることの2つです。 前者は3つの筋書きの最大で失う発電を見ることで抑え、後者は当日の判断を人に残すことで防ぎます。
10まず何から始めるか
1週目:停止の記録を3年分そろえる
点検の台帳と遠隔監視の記録から、発電所を止めた日と時間を一覧にします。理由(点検・故障・系統の都合・渇水)の列も付けます。 渇水で止まった日は自然の量の記録として使えますが、点検で止めた日は発電量を外します。
2週目:2つの発電所で減り方を見る
第8章のとおり、雨の無い期間の流量の減り方をグラフにします。毎回似た形になるかを確かめます。
3週目:水位と流量の表を確かめる
発電所ごとに、表の範囲と作った年を確かめます。取水堰を改修した発電所は、表を作り直す必要がないかを先に調べます。
4週目:15発電所の予測を出す
3本のモデルを学び、起点の日で区切った検証の結果を記録します。打ち合わせで、これまでの担当の見当と並べて見ます。
2か月目: 発電量への換算と筋書きを足し、止める日の候補を出します。3か月目以降: 除塵の印と段取りの案を足し、当たり方の記録を毎週見ます。秋の落ち葉の時期と渇水の時期を1回ずつ越え、担当が替わっても同じ段取りを組めるようになった時点で、この構成は完成です。
11関連ユースケース
12この仕組みを理解するための記事
13技術仕様の確認日・参考情報
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
| 府県週間天気予報が日ごとの天気・最高最低気温・降水確率(10%単位)・信頼度を毎日11時ごろと17時ごろに発表すること。信頼度A・B・Cの意味(Aは明日の予報と同程度、Cは適中率が低いか翌日に変わりやすい) | 気象庁: 週間天気予報 | 2026-11-17 |
| 地点・項目・期間を選んで CSV でダウンロードできること、選んだデータの量が100%を超えると表示・ダウンロードできないこと、欠測の格納と品質情報の0 | 気象庁: 過去の気象データ・ダウンロードの使い方 | 2026-11-17 |
| 公共データ利用規約(第1.0版)に準拠した利用、出典の記載の形、編集・加工したことの表示と国が作成したかのように扱わないこと | 気象庁: ホームページについて | 2026-11-17 |
| loss の quantile(ピンボールの損失)、quantile の既定 None、monotonic_cst の1・0・-1と名前の辞書、early_stopping の 'auto' が1万超で有効、categorical_features の既定 from_dtype、欠測(NaN)をそのまま扱えること | scikit-learn: HistGradientBoostingRegressor | 2026-11-17 |
| 発電出力(kW)=9.8 × 落差 × 流量 × 効率、効率は水車効率×発電機効率で一般的に65〜85% | 長野県: 小水力発電とは | 2026-11-17 |
発電所を止めるか、川に入ってよいかは、保守の責任者が決めてください。 本記事は上の公式のページで確認できた範囲だけを扱っています。
実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。
自社の業務に使えるAI活用候補を整理します
このユースケース(UC-3643)についてのご相談はこちらから。
