TSO・DSO 変圧器のための AI 支援保全計画

AI 支援による変圧器保全計画が最も価値を発揮するのは、状態エビデンスをレビュー可能なワークパッケージへと変換するときである。最も価値を失うのは、どのエンジニアも追跡できない自信ありげな推奨を生成してしまうときである。

電力会社、TSO、DSO にとって、真の保全上の課題は技術的な診断だけではない。それは調整(コーディネーション)である。計画担当者はアセットの重要度を必要とする。変圧器エンジニアは状態エビデンスを必要とする。現場チームは実務的な作業指示を必要とする。アセットマネージャーは影響とタイミングを必要とする。信頼性責任者は説明可能な根拠を必要とする。セキュリティチームは、どのデータがどこへ移動したかを把握する必要がある。

だからこそ、変圧器保全計画における人工知能の最良の最初の用途は、自律的な意思決定ではない。それは、エビデンスの整理、草案の準備、そして人間がレビューするワークフローの支援である。

系統 AI は計画上の問題になりつつある

エネルギー分野が AI を模索しているのは、電化、再生可能エネルギーの統合、老朽化するインフラ、そして系統の拡張のすべてが計画の複雑さを増大させているからである。MIT Energy Initiative は、AI を計画、運用、材料、システムの各領域にわたってクリーンエネルギーへの転換を支援できるツールとして説明している。ハーバード大学の Salata Institute も、AI が系統容量の解放と意思決定の改善に役立つ可能性を強調している。

変圧器の保全計画は、こうしたより大きな文脈の中に位置付けられる。変圧器は重要なアセットであると同時に、ボトルネックでもある。すなわち、高価で、長寿命で、サプライチェーンの影響を受けやすく、運用上の帰結が大きい。米国エネルギー省(U.S. Department of Energy)の Large Power Transformer Resilience Report は、系統にとっての変圧器のレジリエンスの戦略的重要性を強調している。

TSO や DSO にとっての機会は、説明責任を弱めることなく計画の質を高められる場面で AI 支援を活用することにある。

変圧器ワークパッケージに含めるべきもの

レビュー可能な変圧器保全ワークパッケージは、判断を検証しやすいものにすべきである。単一のスコアの背後に推論を隠してはならない。

中核となるセクションには、通常、次のものが含まれる。

• アセットの識別情報、設置場所グループ、電圧クラス、所有者、重要度。
• DGA、油質、PRPD、SFRA、温度・負荷、点検、アラーム文脈などの状態エビデンス。
• 保全履歴、未完了の作業指示(ワークオーダー)、過去の是正措置、既知の制約。
• 出所(プロビナンス)、タイムスタンプ、単位、エビデンス品質に関する注記。
• 停止の影響や予備機戦略を含む、リスクと影響の文脈。
• 草案支援であることを明確に表示した、AI 支援による草案要約。
• エンジニアのレビューノート、承認状態、エスカレーション状態、次のアクション。

ここでエージェント型 AI が役立つ。OpenAI と Anthropic はいずれも、マルチステップの作業、ツール利用、組み合わせ可能なワークフローを軸にエージェント型システムを説明している。変圧器の保全計画において、境界の定められたワークフローとは「変圧器をどうするかを決める」ことではない。それは「有資格のレビュー担当者が、より速く、より高いトレーサビリティで判断できるよう、エビデンスと文言の草案を準備する」ことである。

電力会社、TSO、DSO のための計画ワークフロー

保全ワークフロー

状態エビデンスからレビュー可能なワークパッケージへ

AI 支援が有用なのは、すべてのステップがエビデンスに紐付いたままであり、最終的な出力がエンジニアリングの承認の下に置かれ続けるときである。

1 アセット選定

重要度、エビデンスの入手可能性、または既知の計画上のニーズに基づいて、対象を絞った変圧器グループを選ぶ。

2 エビデンス収集

DGA、PRPD、SFRA、温度、点検、保全、出所の各記録を収集する。

3 AI 草案支援

要約、欠落(ギャップ)、レビュー担当者向けの質問、ワークパッケージ文言の候補を草案化する。

4 エンジニアリングレビュー

有資格のレビュー担当者が、AI 支援によるコンテンツを承認、編集、却下、またはエスカレーションする。

5 保全パッケージ

作業の根拠、次のアクション、出典リンク、承認の履歴(トレイル)を作成する。

6 計画への引き継ぎ

承認された出力を、CMMS/EAM での検討、停止計画、またはさらなる調査に活用する。

時間基準保全、CBM、AI 支援 CBM

最も優れた保全組織は、時間基準保全と状態基準保全との間のスローガン争いを必要としない。彼らが必要とするのは、アセットのクラス、エビデンスの種類、運用上の制約ごとの明確な判断ルールである。

計画モデル	最適な用途	弱点	AI 支援による改善
時間基準保全	定期点検、法定業務、予測可能な作業、単純なスケジューリング。	状態の変化を見逃したり、低リスクのアセットを過剰に整備したりするおそれがある。	AI は、レビュー前にスケジュール、保全履歴、エビデンスの欠落を突き合わせるのを支援できる。
状態基準保全	有意な状態エビデンスと、定義されたエンジニアリングレビュープロセスを備えたアセット。	良好なエビデンス品質、トレンドの文脈、レビュー担当者の規律を必要とする。	AI は、要約、欠落エビデンスの一覧、ワークパッケージ文言の草案を準備できる。
リスク基準保全	状態と影響の両方が重要となる、フリート(機器群)の優先順位付け。	リスク要因が単一のスコアに隠されると、不透明になりかねない。	AI は、人間の承認のために、要因、前提、出典リンクを明示できる。

ガバナンスは製品の一部である

AI 支援による保全計画は、機微な運用エビデンスに触れる。電力会社は、モデルに関する問いを立てる前に、ガバナンスに関する問いを立てるべきである。

重要な問いには、次のものが含まれる。

• パイロットではどの元記録を使用できるのか?
• ワークフローはローカル、オフライン、管理されたクラウド環境、あるいはハイブリッドアーキテクチャのいずれで実行されるのか?
• どの出力が草案支援であり、どの出力が承認された記録なのか?
• 保全の推奨を承認できるのは誰か?
• AI 支援による記述はどのように表示(ラベル付け)されるのか?
• レビュー担当者は、どのエビデンスが使用されたかを確認できるのか?
• チームは、出典にリンクされたエビデンスパックをエクスポートできるのか?

NIST AI Risk Management Framework が有用なのは、それが組織に対し、ガバナンス、マッピング、測定、管理の各領域にわたって AI リスクを管理するよう促すからである。変圧器の保全にとって、これは実務的な要件へと落とし込まれる。すなわち、AI の挙動は範囲が定められ、レビュー可能であり、電力会社の既存の権限モデルと整合していなければならない。

GridAPM のセキュリティページとデータ取り扱いページは、パイロットに関するこの公開された姿勢を説明している。

保全計画スタックにおける GridAPM の位置付け

GridAPM は、自律的な系統制御システムとしてではなく、変圧器 APM のワークベンチであり、パイロットの足場(スキャフォールド)として評価されるべきである。

対象を絞ったパイロットにおいて、GridAPM は次のことを支援できる。

• 選定したアセット群を中心に、変圧器のエビデンスを整理する。
• 欠落している出所、日付、単位、レビュー責任を明示する。
• 保全計画の要約とレビュー担当者向けの質問を草案化する。
• AI 支援による文言を、承認されたエンジニアリング上の結論から分離して保つ。
• ステークホルダーによるレビュー用のサンプルエビデンスパックを構築する。
• 保全、エンジニアリング、アセットマネジメント、計画の各チームとの引き継ぎの対話を支援する。

プラットフォームページは、このワークベンチモデルを説明している。パイロットページは、範囲、データの境界、成功指標を定義するために利用できる。エビデンス準備性チェックリストは、チームが現在の記録が準備できているかどうか確信が持てないときに、最初に読むべき最良の資料である。

実践的なパイロットの成功指標

パイロットは、AI への高揚感ではなく、ワークフロー上のエビデンスによって評価されるべきである。

有用な指標には、次のものが含まれる。

• GridAPM の導入前後で、レビューパッケージの作成に要する時間。
• エンジニアリングレビューの前に特定された、欠落エビデンスの数。
• AI が草案化した所見のうち、編集、承認、却下、またはエスカレーションされた割合。
• すべての出力が出典へと遡ってリンクしているという、レビュー担当者の確信。
• 選定した変圧器グループに関する保全計画の明確さ。
• チームが後からエビデンスパックを再現できるかどうか。

こうした指標は、パイロットを現実に根差したものに保つ。またそれらは、標準エンジン、エクスポーター、連携機能、あるいはローカルでの AI 実行が完全に実装され受け入れられる前に、プロトタイプを本番相当の権威として提示してしまうリスクを低減する。

計画の原則

AI 支援による変圧器保全計画は、人間の判断を消し去るのではなく、より良いものにすべきである。

TSO と DSO にとって、信頼に足る未来とは、独力で作業指示を発行するブラックボックスのエージェントではない。信頼に足る未来とは、状態エビデンス、保全履歴、アセットの重要度、草案の文言、承認状態が一体となって存在する、レビュー可能なワークフローである。

それが GridAPM の進む道である。すなわち、エビデンスのトレーサビリティを中心に据えて、変圧器 APM と状態基準保全のための、ローカルファーストで人間がレビューするエージェント型 AI ワークフローを電力会社のチームが評価できるよう支援することである。