JP2018013934A - Power price prediction device - Google Patents

Power price prediction device Download PDF

Info

Publication number
JP2018013934A
JP2018013934A JP2016142731A JP2016142731A JP2018013934A JP 2018013934 A JP2018013934 A JP 2018013934A JP 2016142731 A JP2016142731 A JP 2016142731A JP 2016142731 A JP2016142731 A JP 2016142731A JP 2018013934 A JP2018013934 A JP 2018013934A
Authority
JP
Japan
Prior art keywords
prediction
price
power price
power
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2016142731A
Other languages
Japanese (ja)
Inventor
容子 坂内
Yoko Sakauchi
容子 坂内
鳥羽　廣次
Koji Toba
廣次 鳥羽
伊知郎 豊嶋
Ichiro Toyoshima
伊知郎 豊嶋
孝裕 山田
Takahiro Yamada
孝裕 山田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP2016142731A priority Critical patent/JP2018013934A/en
Publication of JP2018013934A publication Critical patent/JP2018013934A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide a power price prediction device capable of obtaining a spot price with high prediction accuracy.SOLUTION: A power price prediction device has an acquisition part, a prediction part and a calculation part. The acquisition part acquires external factors related to power demand on a specific date. The prediction part predicts a power price on the specific date by each of a plurality of prediction methods different from one another on the basis of the acquired external factors. The calculation part calculates an index value which is to be an index of prediction accuracy of the power price predicted by each of the plurality of prediction methods and obtains a power price predicted by a prediction method having the highest index value among the plurality of the prediction methods as a predicted price of the power price on the specific date.SELECTED DRAWING: Figure 2

Description

本発明の実施形態は、電力価格予測装置に関する。   Embodiments described herein relate generally to a power price prediction apparatus.

電力小売りの自由化に伴い、電力小売事業者の増大が見込まれる。電力小売事業者は、電力市場から電力を調達して、当該調達した電力を需要家に供給する。そのため、電力小売事業者は、予め電力の調達計画を策定する必要がある。   With the liberalization of power retailing, the number of power retailers is expected to increase. The power retailer procures power from the power market and supplies the procured power to consumers. Therefore, the power retailer needs to formulate a power procurement plan in advance.

特開２００７−１９５２８５号公報JP 2007-195285 A 特許第４８０７７３５号公報Japanese Patent No. 4807735 特開２００８−１０８０８５号公報JP 2008-108085 A 特許第４９６８５９９号公報Japanese Patent No. 4968599

ところで、電力の調達計画の策定には、予め設定された時間帯毎に、電力の価格（所謂、スポット価格）を予測する必要があり、可能な限り高精度なスポット価格の予測が求められる。   By the way, in order to formulate a power procurement plan, it is necessary to predict the price of power (so-called spot price) for each preset time zone, and it is required to predict the spot price as accurately as possible.

実施形態の電力価格予測装置は、取得部と、予測部と、算出部と、を備える。取得部は、所定日時の電力の需給に関わる外的要因を取得する。予測部は、取得した外的要因に基づいて、互いに異なる複数の予測方法によって、所定日時の電力価格を予測する。算出部は、各予測方法について、当該予測方法により予測される電力価格の予測精度の指標となる指標値を算出し、複数の予測方法のうち指標値が最も高い予測方法により予測される電力価格を、所定日時の電力価格の予測価格として求める。   The power price prediction apparatus according to the embodiment includes an acquisition unit, a prediction unit, and a calculation unit. The acquisition unit acquires an external factor related to power supply and demand at a predetermined date and time. The prediction unit predicts a power price at a predetermined date and time by a plurality of different prediction methods based on the acquired external factor. For each prediction method, the calculation unit calculates an index value that is an index of prediction accuracy of the power price predicted by the prediction method, and the power price predicted by the prediction method having the highest index value among a plurality of prediction methods. Is obtained as a predicted price of the power price at a predetermined date and time.

図１は、第１の実施形態にかかる電力価格予測装置を適用した電力需要管理システムの構成の一例を示す図である。FIG. 1 is a diagram illustrating an example of a configuration of a power demand management system to which the power price prediction apparatus according to the first embodiment is applied. 図２は、第１の実施形態にかかる電力価格予測装置の機能構成の一例を示すブロック図である。FIG. 2 is a block diagram illustrating an example of a functional configuration of the power price prediction apparatus according to the first embodiment. 図３は、第１の実施形態にかかる電力価格予測装置によるスポット価格の予測処理の流れの一例を示すフローチャートである。FIG. 3 is a flowchart illustrating an example of a spot price prediction process performed by the power price prediction apparatus according to the first embodiment. 図４は、第２の実施形態にかかる電力価格予測装置によるスポット価格の予測処理の一例の流れを示すフローチャートである。FIG. 4 is a flowchart illustrating an example of a spot price prediction process performed by the power price prediction apparatus according to the second embodiment.

以下、添付の図面を用いて、本実施形態にかかる電力価格予測装置を適用した電力需要管理システムについて説明する。   Hereinafter, a power demand management system to which a power price prediction apparatus according to the present embodiment is applied will be described with reference to the accompanying drawings.

（第１の実施形態）
図１は、第１の実施形態にかかる電力価格予測装置を適用した電力需要管理システムの構成の一例を示す図である。電力需給管理システムは、電力を販売する電力小売事業者に導入されるシステムである。本実施形態では、電力需給管理システムは、図１に示すように、需要予測装置１０１と、電力価格予測装置１０２と、省エネ予測装置１０３と、需給計画策定装置１０４と、を有する。需要予測装置１０１は、電力の需要を予測する。電力価格予測装置１０２は、予測日時（所定日時の一例）における電力の価格（以下、スポット価格と言う）を予測する。省エネ予測装置１０３は、電力の供給先における電力消費の削減量を予測する。需給計画策定装置１０４は、需要予測装置１０１により予測される電力の需要、電力価格予測装置１０２により予測されるスポット価格、および省エネ予測装置１０３により予測される電力消費の削減量に基づいて、電力の需給計画を策定するシステム（サブシステム）である。 (First embodiment)
FIG. 1 is a diagram illustrating an example of a configuration of a power demand management system to which the power price prediction apparatus according to the first embodiment is applied. The power supply and demand management system is a system introduced to a power retailer that sells power. In the present embodiment, as shown in FIG. 1, the power supply and demand management system includes a demand prediction device 101, a power price prediction device 102, an energy saving prediction device 103, and a supply and demand plan formulation device 104. The demand prediction apparatus 101 predicts the demand for power. The power price prediction apparatus 102 predicts the price of power (hereinafter referred to as a spot price) at a prediction date and time (an example of a predetermined date and time). The energy saving prediction apparatus 103 predicts a reduction amount of power consumption at a power supply destination. The supply and demand plan formulation device 104 uses the power demand predicted by the demand prediction device 101, the spot price predicted by the power price prediction device 102, and the power consumption reduction amount predicted by the energy saving prediction device 103. This is a system (subsystem) for formulating a supply and demand plan for

図２は、第１の実施形態にかかる電力価格予測装置の機能構成の一例を示すブロック図である。本実施形態にかかる電力価格予測装置１０２は、図２に示すように、データ取得部２０１と、スポット価格予測部２０２と、予測精度判定部２０３と、データ出力部２０４と、外的要因データ記憶部２０５と、を有する。データ取得部２０１は、スポット価格を予測する予測日時を取得する。外的要因データ記憶部２０５は、電力の需給に関わる外的要因を示す外的要因データを記憶する。本実施形態では、外的要因データ記憶部２０５は、インターネット等の通信網ＮＴを介して、外部機関データベース２０６に記憶された外的要因データを取得し、当該取得した外的要因データを記憶する。   FIG. 2 is a block diagram illustrating an example of a functional configuration of the power price prediction apparatus according to the first embodiment. As illustrated in FIG. 2, the power price prediction apparatus 102 according to the present embodiment includes a data acquisition unit 201, a spot price prediction unit 202, a prediction accuracy determination unit 203, a data output unit 204, and external factor data storage. Part 205. The data acquisition unit 201 acquires a prediction date and time for predicting a spot price. The external factor data storage unit 205 stores external factor data indicating external factors related to power supply and demand. In the present embodiment, the external factor data storage unit 205 acquires the external factor data stored in the external institution database 206 via the communication network NT such as the Internet, and stores the acquired external factor data. .

スポット価格予測部２０２（取得部の一例）は、外的要因データ記憶部２０５から、データ取得部２０１により取得された予測日時の外的要因データを取得する。次いで、スポット価格予測部２０２は、取得された外的要因データに基づいて、予測日時における電力価格を予測する。本実施形態では、スポット価格予測部２０２は、外的要因データに基づいて、互いに異なる複数の予測方法（例えば、回帰分析やニューラルネットワーク）により、予測日時における電力価格を予測する。   The spot price prediction unit 202 (an example of an acquisition unit) acquires the external factor data of the prediction date and time acquired by the data acquisition unit 201 from the external factor data storage unit 205. Next, the spot price prediction unit 202 predicts the power price at the prediction date and time based on the acquired external factor data. In the present embodiment, the spot price prediction unit 202 predicts the power price at the prediction date and time by a plurality of different prediction methods (for example, regression analysis and neural network) based on the external factor data.

予測精度判定部２０３（算出部の一例）は、各予測方法について、当該予測方法により予測される電力価格の予測精度の指標となる値（以下、予測精度判定指標値と言う。指標値の一例）を算出する。本実施形態では、予測精度判定部２０３は、外的要因データが示す外的要因を説明変数としかつ電力価格を被説明変数とする決定係数Ｒ２を、予測精度判定指標値として算出する。決定係数Ｒ２は、予測方法による電力価格（被説明変数）の予測に用いる説明変数が、当該電力価格をどれくらい説明できるかを表す値である。また、予測精度判定部２０３は、複数の予測方法のうち予測精度判定指標値が最も高い予測方法により予測された電力価格を、予測日時におけるスポット価格（予測価格の一例）として求める。データ出力部２０４は、予測精度判定部２０３によりスポット価格とされた電力価格を、需給計画策定装置１０４等の外部装置に出力する。これにより、入力された予測日時における電力の需給に合った予測方法により予測された電力価格がスポット価格として求められるので、予測精度が高いスポット価格を求めることが可能となる。 For each prediction method, the prediction accuracy determination unit 203 (an example of a calculation unit) is a value (hereinafter referred to as a prediction accuracy determination index value) serving as an index of the prediction accuracy of the power price predicted by the prediction method. ) Is calculated. In the present embodiment, the prediction accuracy determination unit 203, the coefficient of determination R 2 to the dependent variable explanatory variables Toshikatsu electricity prices external factors indicated external factor data is calculated as a prediction accuracy determination index value. The coefficient of determination R 2 is an explanatory variables used in the prediction of the electricity price by the prediction method (dependent variable) is a value indicating whether the electricity price how much can be explained. In addition, the prediction accuracy determination unit 203 obtains a power price predicted by a prediction method having the highest prediction accuracy determination index value among a plurality of prediction methods as a spot price (an example of a prediction price) at the prediction date and time. The data output unit 204 outputs the power price determined as the spot price by the prediction accuracy determination unit 203 to an external device such as the supply and demand plan formulation device 104. Thereby, since the power price predicted by the prediction method suitable for the power supply and demand at the input prediction date and time is obtained as the spot price, it is possible to obtain the spot price with high prediction accuracy.

次に、図３を用いて、本実施形態にかかる電力価格予測装置１０２によるスポット価格の予測処理の流れの一例について説明する。図３は、第１の実施形態にかかる電力価格予測装置によるスポット価格の予測処理の流れの一例を示すフローチャートである。   Next, an example of a flow of spot price prediction processing by the power price prediction apparatus 102 according to the present embodiment will be described with reference to FIG. FIG. 3 is a flowchart illustrating an example of a spot price prediction process performed by the power price prediction apparatus according to the first embodiment.

データ取得部２０１は、電力の価格を予測する単位時間（例えば、３０分）毎に、現在時刻を予測日時として取得する（ステップＳ３０１）。次に、スポット価格予測部２０２は、外的要因データ記憶部２０５から、予測方法ｍ１〜ｍｎ（ｎは、１以上の整数）それぞれについて、予測日時から所定時間（例えば、１０分）前までの電力の需要、気温、湿度、降水量等を示す外的要因データを、電力価格の予測に用いる説明変数として取得し、かつ当該説明変数に基づいて予測される電力価格を被説明変数として取得する（ステップＳ３０２）。予測精度判定部２０３は、取得した外部要因データから、予測方法ｍ１〜ｍｎ毎に異なる説明変数を選択しても良い。その場合、予測精度判定部２０３は、予測方法ｍ１〜ｍｎの数だけ、異なる組合せの説明変数を選択する。 The data acquisition unit 201 acquires the current time as the prediction date and time for each unit time (for example, 30 minutes) for predicting the price of power (step S301). Next, the spot price prediction unit 202 determines, from the external factor data storage unit 205, a predetermined time (for example, 10 minutes) before the prediction date and time for each of the prediction methods m 1 to m n (n is an integer of 1 or more). External factor data indicating power demand, temperature, humidity, precipitation amount, etc., as an explanatory variable used for power price prediction, and power price predicted based on the explanatory variable as an explanatory variable Obtain (step S302). The prediction accuracy determination unit 203 may select different explanatory variables for each of the prediction methods m 1 to m n from the acquired external factor data. In that case, the prediction accuracy determination unit 203 selects different combinations of explanatory variables by the number of prediction methods m 1 to mn .

次に、予測精度判定部２０３は、取得した説明変数および被説明変数に基づいて、予測方法ｍ１〜ｍｎそれぞれについて、決定係数Ｒ２を算出する（ステップＳ３０３）。そして、予測精度判定部２０３は、予測方法ｍ１〜ｍｎのうち、算出した決定係数Ｒ２が最も大きい予測方法を選択する（ステップＳ３０４）。 Next, the prediction accuracy determination unit 203, based on the acquired explanatory variable and the dependent variable, the prediction method m 1 ~m n respectively, to calculate the coefficient of determination R 2 (step S303). Then, the prediction accuracy determination unit 203, among the prediction methods m 1 ~m n, calculated coefficient of determination R 2 selects the highest prediction method (step S304).

次いで、スポット価格予測部２０２は、外的要因データ記憶部２０５から、予測日時の外的要因データのうち、選択した予測方法による電力価格の予測に用いる外的要因データを取得する（ステップＳ３０５）。そして、スポット価格予測部２０２は、取得した外的要因データに基づいて、当該選択した予測方法により、電力価格を予測する（ステップＳ３０６）。予測精度判定部２０３は、予測された電力価格を、予測日時のスポット価格として求める。データ出力部２０４は、予測されたスポット価格を、需給計画策定装置１０４に対して出力する。   Next, the spot price prediction unit 202 acquires, from the external factor data storage unit 205, external factor data used for prediction of the power price by the selected prediction method from the external factor data of the prediction date and time (step S305). . Then, the spot price prediction unit 202 predicts the power price by the selected prediction method based on the acquired external factor data (step S306). The prediction accuracy determination unit 203 obtains the predicted power price as a spot price at the prediction date and time. The data output unit 204 outputs the predicted spot price to the supply and demand plan formulation device 104.

スポット価格予測部２０２および予測精度判定部２０３は、スポット価格の予測終了を指示する終了指示が入力されるまで、上述した処理によって、単位時間（例えば、３０分）毎に、スポット価格の予測を繰り返す（ステップＳ３０７）。本実施形態では、スポット価格予測部２０２および予測精度判定部２０３は、３０分毎に、スポット価格の予測を繰り返しているが、３０分より長い単位時間または３０分より短い単位時間毎に、スポット価格の予測を繰り返しても良い。   The spot price prediction unit 202 and the prediction accuracy determination unit 203 predict the spot price every unit time (for example, 30 minutes) by the above-described process until an end instruction for instructing the end of spot price prediction is input. Repeat (step S307). In this embodiment, the spot price prediction unit 202 and the prediction accuracy determination unit 203 repeat the prediction of the spot price every 30 minutes. However, the spot price prediction unit 202 and the prediction accuracy determination unit 203 repeat the spot price every unit time longer than 30 minutes or every unit time shorter than 30 minutes. You may repeat the price forecast.

その際、本実施形態では、スポット価格予測部２０２は、単位時間毎に、現在時刻を予測日時として取得する。そして、スポット価格予測部２０２は、予測方法により、現在時刻のスポット価格の予測を繰り返す。その場合、スポット価格予測部２０２は、外的要因データ記憶部２０５から取得した外的要因データのうち当該単位時間を代表する外的要因データ（例えば、単位時間の外的要因データの平均値または最大値）に基づいて、電力価格を予測することも可能である。   At this time, in the present embodiment, the spot price prediction unit 202 acquires the current time as the prediction date and time for each unit time. Then, the spot price prediction unit 202 repeats the prediction of the spot price at the current time by the prediction method. In that case, the spot price prediction unit 202 includes external factor data representing the unit time among the external factor data acquired from the external factor data storage unit 205 (for example, an average value of the external factor data of the unit time or It is also possible to predict the electricity price based on the maximum value.

例えば、スポット価格予測部２０２は、単位時間の外的要因データの種類（例えば、電力の需要、気温、湿度、降水量）毎の平均値または最大値を、単位時間を代表する外的要因データとして取得し、当該外的要因データに基づいて、電力価格を予測する。これにより、一時的な外的要因データの変化によるスポット価格への影響を低減することができるので、中長期的なスポット価格の予測精度をより向上させることができる。   For example, the spot price prediction unit 202 sets the average value or the maximum value for each type of external factor data of unit time (for example, power demand, temperature, humidity, precipitation) as external factor data representing unit time. And the electricity price is predicted based on the external factor data. Thereby, since the influence on the spot price due to the temporary change of the external factor data can be reduced, the prediction accuracy of the spot price in the medium to long term can be further improved.

図３に示すフローチャートでは、スポット価格の予測（ステップＳ３０５、ステップＳ３０６）に先立って、決定係数Ｒ２の算出および予測方法の選択（ステップＳ３０２〜ステップＳ３０４）を行っているが、これに限定するものではなく、複数の予測方法ｍ１〜ｍｎによる電力価格の予測を行った後、決定係数Ｒ２の算出を行い、かつ算出した決定係数Ｒ２が最も大きい予測方法により予測された電力価格をスポット価格として求めても良い。 In the flowchart shown in FIG. 3, the spot price prediction (step S305, step S306) before, it is performed the calculation and selection of the prediction method of the coefficient of determination R 2 (step S302~ step S304), and limited to Instead, the power price is predicted by a plurality of prediction methods m 1 to m n , then the determination coefficient R 2 is calculated, and the power price predicted by the prediction method having the largest calculated determination coefficient R 2 As a spot price.

このように、第１の実施形態にかかる電力価格予測装置１０２によれば、入力された予測日時における電力の需給に合った予測方法により予測された電力価格がスポット価格として求められるので、予測精度が高いスポット価格を求めることが可能となる。   As described above, according to the power price prediction apparatus 102 according to the first embodiment, the power price predicted by the prediction method that matches the power supply and demand at the input prediction date and time is obtained as the spot price. It is possible to obtain a high spot price.

（第２の実施形態）
本実施形態は、複数の予測方法のうち、小数点以下の所定桁までの決定係数が最も高い予測方法により予測された電力価格をスポット価格として求める例である。以下の説明では、第１の実施形態と同様の構成については説明を省略する。 (Second Embodiment)
The present embodiment is an example in which a power price predicted by a prediction method having the highest determination coefficient up to a predetermined digit after the decimal point is obtained as a spot price among a plurality of prediction methods. In the following description, description of the same configuration as that of the first embodiment is omitted.

本実施形態では、予測精度判定部２０３は、複数の予測方法ｍ１〜ｍｎのうち、小数点以下の所定桁（例えば、３桁）までの決定係数Ｒ２が最も高い予測方法により予測される電力価格をスポット価格として求める。また、予測精度判定部２０３は、小数点以下の所定桁までの決定係数Ｒ２が最も高い予測方法が複数ある場合、当該複数の予測方法のうち、電力価格の予測に用いる説明変数の種類の数が最も少ない予測方法により予測される電力価格をスポット価格として求める。 In the present embodiment, the prediction accuracy determination unit 203 is predicted among a plurality of prediction methods m 1 ~m n, decimal predetermined digits (e.g., 3 digits) by the highest prediction method determining factor R 2 to The power price is determined as a spot price. Further, the prediction accuracy determination unit 203, if the highest prediction method determining factor R 2 to less predetermined decimal places there are multiple, among the plurality of prediction methods, the number of types of explanatory variables used to predict the electricity price The electric power price predicted by the prediction method with the smallest number is obtained as the spot price.

さらに、予測精度判定部２０３は、電力価格の予測に用いる説明変数に対して予め優先度を設定する。そして、予測精度判定部２０３は、少数点以下の所定桁までの決定係数Ｒ２が最も高い予測方法が複数存在しかつ当該複数の予測方法のうち電力価格の予測に用いる説明変数の数が最も少ない予測方法が複数ある場合、複数の予測方法ｍ１〜ｍｎのうち、所定の優先度より高い優先度が設定された説明変数を最も多く用いる予測方法により予測された電力価格を、スポット価格として求める。本実施形態では、予測精度判定部２０３は、説明変数の一例である電力の需要、気温、湿度、および降水量に対して、電力の需要、気温、湿度、降水量の順に低くなる優先度を予め設定するものとする。以上の処理によれば、小数点以下の所定桁までの決定係数Ｒ２が最も高い予測方法が複数存在する場合、より予測精度の高い予測方法を用いてスポット価格を予測することができる。 Furthermore, the prediction accuracy determination unit 203 sets priorities for the explanatory variables used for prediction of the power price. Then, the prediction accuracy determination unit 203, the number of explanatory variables used in the highest prediction method determining factor R 2 to a predetermined digit decimal point there are a plurality and predictable electricity price among the plurality of prediction methods most When there are a plurality of prediction methods, the power price predicted by the prediction method using the most explanatory variables set with a priority higher than a predetermined priority among the plurality of prediction methods m 1 to m n is determined as the spot price. Asking. In this embodiment, the prediction accuracy determination unit 203 gives priority to power demand, temperature, humidity, and precipitation in order of power demand, temperature, humidity, and precipitation, which are examples of explanatory variables. It shall be set in advance. According to the above process, if the highest prediction method determining factor R 2 to less predetermined decimal there are a plurality, it is possible to predict the spot price with higher prediction accuracy prediction method.

次に、図４を用いて、本実施形態にかかる電力価格予測装置１０２によるスポット価格の予測処理の一例について説明する。図４は、第２の実施形態にかかる電力価格予測装置によるスポット価格の予測処理の一例の流れを示すフローチャートである。   Next, an example of spot price prediction processing by the power price prediction apparatus 102 according to the present embodiment will be described with reference to FIG. FIG. 4 is a flowchart illustrating an example of a spot price prediction process performed by the power price prediction apparatus according to the second embodiment.

予測精度判定部２０３は、予測方法ｍ１〜ｍｎのうち、小数点以下の３桁までの決定係数Ｒ２が最大となる予測方法が１つか否かを判断する（ステップＳ４０１）。小数点以下の３桁までの決定係数Ｒ２が最も大きい予測方法が１つである場合（ステップＳ４０１：Ｙｅｓ）、予測精度判定部２０３は、当該予測方法を、スポット価格の予測に用いる予測方法として選択し（ステップＳ４０２）、図３のステップＳ３０５に進む。 The prediction accuracy determination unit 203 determines whether or not one of the prediction methods m 1 to mn has one prediction method that maximizes the determination coefficient R 2 up to three digits after the decimal point (step S 401). If the largest prediction method determining factor R 2 to below 3 decimal places is one (step S401: Yes), the prediction accuracy determination unit 203, the prediction method, as a prediction method to be used for prediction of the spot price Select (step S402), the process proceeds to step S305 in FIG.

一方、小数点以下の３桁までの決定係数Ｒ２が最も大きい予測方法が複数存在する場合（ステップＳ４０１：Ｎｏ）、予測精度判定部２０３は、当該複数の予測方法のうち、電力価格の予測に用いる説明変数の数が最も少ない予測方法を１つ選択できるか否かを判断する（ステップＳ４０３）。電力価格の予測に用いる説明変数の数が最も少ない予測方法を１つ選択できる場合（ステップＳ４０３：Ｙｅｓ）、予測精度判定部２０３は、小数点以下の３桁までの決定係数Ｒ２が最も大きくかつ電力価格の予測に用いる説明変数の数が最も少ない予測方法を選択し（ステップＳ４０４）、図３のステップＳ３０５に進む。 On the other hand, if the highest prediction method determining factor R 2 to below 3 decimal places there are a plurality (Step S401: No), the prediction accuracy determination unit 203, among the plurality of prediction methods, to predict the electricity price It is determined whether or not one prediction method that uses the least number of explanatory variables can be selected (step S403). If the number of explanatory variables used to predict the electricity price smallest prediction method one can choose (step S403: Yes), the prediction accuracy determination unit 203 is the largest and the coefficient of determination R 2 to below 3 decimal places A prediction method with the smallest number of explanatory variables used for power price prediction is selected (step S404), and the process proceeds to step S305 in FIG.

また、電力価格の予測に用いる説明変数の数が最も少ない予測方法を１つ選択できない場合（ステップＳ４０３：Ｎｏ）、予測精度判定部２０３は、小数点以下の３桁までの決定係数Ｒ２が最も大きくかつ電力価格の予測に用いる説明変数の数が最も少ない予測方法のうち、所定の優先度より高い優先度が設定された説明変数を最も多く用いる予測方法を選択し（ステップＳ４０５）、図３のステップＳ３０５に進む。 Also, if the number of explanatory variables used to predict the electricity price can not select one smallest prediction method (step S403: No), the prediction accuracy determination unit 203, the coefficient of determination R 2 to below 3 decimal places most Of the prediction methods that are large and use the least number of explanatory variables for predicting the power price, a prediction method that uses the most explanatory variables set with a priority higher than a predetermined priority is selected (step S405), and FIG. The process proceeds to step S305.

このように、第２の実施形態にかかる電力価格予測装置１０２によれば、小数点以下の所定桁までの決定係数Ｒ２が最も高い予測方法により予測された電力価格をスポット価格として求めるので、小数点以下の所定桁までの決定係数Ｒ２が最も高い予測方法が複数存在する場合、より予測精度の高い予測方法を用いてスポット価格を予測することができる。 Thus, according to the power price prediction apparatus 102 according to the second embodiment, since obtaining the electricity price predicted by the highest prediction method determining factor R 2 to less predetermined decimal places as spot prices, point If the following highest predictive method determination coefficient R 2 to the predetermined digits there are a plurality, it is possible to predict the spot price with higher prediction accuracy prediction method.

（第３の実施形態）
本実施形態は、外的要因データ記憶部から、予測日時の外的要因データおよび当該予測日時に類似する日時の外的要因データを取得する例である。以下の説明では、第１の実施形態と同様の構成については説明を省略する。 (Third embodiment)
The present embodiment is an example of acquiring external factor data of the predicted date and time and external factor data of a date and time similar to the predicted date and time from the external factor data storage unit. In the following description, description of the same configuration as that of the first embodiment is omitted.

本実施形態では、外的要因データ記憶部２０５は、データ取得部２０１により取得された予測日時より前の外部要因データ（学習データ）を記憶する。スポット価格予測部２０２は、外部要因データ記憶部２０５から、予測日時の外部要因データに加え、当該予測日時に類似する日時の外部要因データを取得する。ここで、予測日時に類似する日時とは、予測日時と同様の気象の日時、予測日時と同様の電力の需要が記録された日時、予測日時と同様のスポット価格が予測された日時等である。   In the present embodiment, the external factor data storage unit 205 stores external factor data (learning data) prior to the predicted date and time acquired by the data acquisition unit 201. The spot price prediction unit 202 acquires, from the external factor data storage unit 205, external factor data with a date and time similar to the prediction date and time in addition to the external factor data with the predicted date and time. Here, the date and time similar to the predicted date and time are the date and time of the weather similar to the predicted date and time, the date and time when the demand for power similar to the predicted date and time is recorded, the date and time when the spot price similar to the predicted date and time is predicted, etc. .

そして、スポット価格予測部２０２は、予測日時の外部要因データに加え、当該予測日時に類似する日時の外部要因データに基づいて、複数の予測方法ｍ１〜ｍｎにより、電力価格を予測する。これにより、一時的な外的要因データの変化によるスポット価格への影響を低減することができるので、スポット価格の予測精度をより向上させることができる。データ出力部２０４は、予測されたスポット価格を、需給計画策定装置１０４に出力する。 Then, the spot price prediction unit 202 predicts the power price by a plurality of prediction methods m 1 to m n based on the external factor data of the prediction date and time and the external factor data of the date and time similar to the prediction date and time. Thereby, since the influence on the spot price due to the temporary change of the external factor data can be reduced, the prediction accuracy of the spot price can be further improved. The data output unit 204 outputs the predicted spot price to the supply and demand plan formulation device 104.

需給計画策定装置１０４は、電力価格予測装置１０２から入力されるスポット価格を、予測日時における電力価格として、供給先に電力を供給する。よって、電力需要管理システムを、発電所や太陽光発電等の電源と組み合わせることにより、当該電力需要管理システムにおいて予測されるスポット価格に基づく需給計画を自動生成することができ、コストや環境負荷の削減について適切な目的関数を設定することで、コストや環境負荷の削減に対する所望の効果を得ることができる。   The supply and demand plan formulation device 104 supplies power to the supply destination using the spot price input from the power price prediction device 102 as the power price at the prediction date and time. Therefore, by combining the power demand management system with a power source such as a power plant or solar power generation, it is possible to automatically generate a supply and demand plan based on the spot price predicted in the power demand management system. By setting an appropriate objective function for reduction, it is possible to obtain a desired effect for reducing cost and environmental load.

このように、第３の実施形態にかかる電力価格予測装置１０２によれば、一時的な外的要因データの変化によるスポット価格への影響を低減することができるので、スポット価格の予測精度をより向上させることができる。   As described above, according to the power price predicting apparatus 102 according to the third embodiment, it is possible to reduce the influence on the spot price due to the temporary change of the external factor data, so that the prediction accuracy of the spot price is further improved. Can be improved.

（第４の実施形態）
本実施形態は、外的要因データ記憶部から、予測日時以降の所定期間の外的要因データを取得する例である。以下の説明では、第１の実施形態と同様の構成については説明を省略する。 (Fourth embodiment)
This embodiment is an example of acquiring external factor data for a predetermined period after the predicted date and time from the external factor data storage unit. In the following description, description of the same configuration as that of the first embodiment is omitted.

本実施形態では、スポット価格予測部２０２は、外的要因データ記憶部２０５から、予測日時以降の所定期間の外的要因データを取得する。ここで、予測日時以降の所定期間の外的要因データは、予測日時から、数週間後または数か月後までの外的要因データ（例えば、電力の需要の予測価格、気象予報）である。スポット価格予測部２０２は、予測日時以降の所定期間の外的要因データに基づいて、複数の予測方法ｍ１〜ｍｎにより、電力価格を予測する。 In the present embodiment, the spot price prediction unit 202 acquires external factor data for a predetermined period after the prediction date and time from the external factor data storage unit 205. Here, the external factor data for a predetermined period after the forecast date and time is external factor data (for example, forecast price of power demand, weather forecast) from the forecast date to several weeks or months later. The spot price prediction unit 202 predicts the power price by a plurality of prediction methods m 1 to m n based on external factor data for a predetermined period after the prediction date and time.

このように、第４の実施形態にかかる電力価格予測装置１０２によれば、予測日時以降の所定期間の外的要因データが示す外的要因に基づいて、スポット価格が予測されるので、長期的な期間のスポット価格の予測が可能となる。また、予測精度判定部２０３は、予測されたスポット価格の平均や分散等の統計量を求めることで、スポット価格の予測の傾向を求めることができる。   As described above, according to the power price prediction apparatus 102 according to the fourth embodiment, the spot price is predicted based on the external factor indicated by the external factor data for a predetermined period after the prediction date and time. It is possible to predict the spot price for a long period. Further, the prediction accuracy determination unit 203 can obtain the prediction tendency of the spot price by obtaining statistics such as the average and variance of the predicted spot price.

（第５の実施形態）
本実施形態は、スポット価格の理論分布に基づいて当該スポット価格の信頼区間を算出する例である。以下の説明では、第１の実施形態と同様の構成については説明を省略する。 (Fifth embodiment)
The present embodiment is an example of calculating the confidence interval of the spot price based on the theoretical distribution of the spot price. In the following description, description of the same configuration as that of the first embodiment is omitted.

本実施形態では、予測精度判定部２０３は、スポット価格の理論分布に基づいて、スポット価格の信頼区間を算出する。これにより、スポット価格に加えて、当該スポット価格の信頼区間も算出されるので、予測したスポット価格の信頼性を把握することができる。予測精度判定部２０３は、選択する予測方法に対して、信頼区間に関する理論分布が設定されている場合には、当該理論分布に基づいて、信頼区間を算出する。一方、当該選択する予測方法に対して理論分布が設定されていない場合には、予測精度判定部２０３は、スポット価格の誤差分布を仮定したモンテカルロシミュレーションによって、理論分布を求める。   In this embodiment, the prediction accuracy determination unit 203 calculates a confidence interval for the spot price based on the theoretical distribution of the spot price. Thereby, in addition to the spot price, a confidence interval of the spot price is also calculated, so that the reliability of the predicted spot price can be grasped. When the theoretical distribution regarding the confidence interval is set for the prediction method to be selected, the prediction accuracy determination unit 203 calculates the confidence interval based on the theoretical distribution. On the other hand, when the theoretical distribution is not set for the selected prediction method, the prediction accuracy determination unit 203 obtains the theoretical distribution by Monte Carlo simulation assuming the spot price error distribution.

このように、第５の実施形態にかかる電力価格予測装置１０２によれば、スポット価格に加えて、当該スポット価格の信頼区間も算出されるので、予測したスポット価格の信頼性を把握することができる。   As described above, according to the power price prediction apparatus 102 according to the fifth embodiment, in addition to the spot price, the confidence interval of the spot price is also calculated, so that the reliability of the predicted spot price can be grasped. it can.

以上説明したとおり、第１から第５の実施形態によれば、予測精度が高いスポット価格を求めることが可能となる。   As described above, according to the first to fifth embodiments, a spot price with high prediction accuracy can be obtained.

なお、本実施形態の電力価格予測装置１０２で実行されるプログラムは、ＲＯＭ（Read Only Memory）等に予め組み込まれて提供される。本実施形態の電力価格予測装置１０２で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。   Note that the program executed by the power price prediction apparatus 102 of the present embodiment is provided by being incorporated in advance in a ROM (Read Only Memory) or the like. The program executed by the power price prediction apparatus 102 according to the present embodiment is an installable or executable file, such as a CD-ROM, a flexible disk (FD), a CD-R, a DVD (Digital Versatile Disk). You may comprise so that it may record and provide on a computer-readable recording medium.

さらに、本実施形態の電力価格予測装置１０２で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態の電力価格予測装置１０２で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。   Furthermore, the program executed by the power price prediction apparatus 102 of the present embodiment may be provided by being stored on a computer connected to a network such as the Internet and downloaded via the network. Further, the program executed by the power price prediction apparatus 102 according to the present embodiment may be provided or distributed via a network such as the Internet.

本実施形態の電力価格予測装置１０２で実行されるプログラムは、上述した各部（データ取得部２０１、スポット価格予測部２０２、予測精度判定部２０３、およびデータ出力部２０４）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（Central Processing Unit）が上記ＲＯＭからプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、データ取得部２０１、スポット価格予測部２０２、予測精度判定部２０３、およびデータ出力部２０４が主記憶装置上に生成されるようになっている。   The program executed by the power price prediction apparatus 102 of the present embodiment has a module configuration including the above-described units (the data acquisition unit 201, the spot price prediction unit 202, the prediction accuracy determination unit 203, and the data output unit 204). As actual hardware, a CPU (Central Processing Unit) reads the program from the ROM and executes it, so that the above-described units are loaded on the main storage device, and the data acquisition unit 201, spot price prediction unit 202, prediction accuracy A determination unit 203 and a data output unit 204 are generated on the main storage device.

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。   Although several embodiments of the present invention have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These novel embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the scope of the invention. These embodiments and modifications thereof are included in the scope and gist of the invention, and are included in the invention described in the claims and the equivalents thereof.

１０２ 電力価格予測装置
２０１ データ取得部
２０２ スポット価格予測部
２０３ 予測精度判定部
２０４ データ出力部
２０５ 外的要因データ記憶部
２０６ 外部機関データベース DESCRIPTION OF SYMBOLS 102 Electric power price prediction apparatus 201 Data acquisition part 202 Spot price prediction part 203 Prediction accuracy determination part 204 Data output part 205 External factor data storage part 206 External engine database

Claims (8)

所定日時の電力の需給に関わる外的要因を取得する取得部と、
取得した前記外的要因に基づいて、互いに異なる複数の予測方法によって、前記所定日時の電力価格を予測する予測部と、
前記各予測方法について、当該予測方法により予測される前記電力価格の予測精度の指標となる指標値を算出し、前記複数の予測方法のうち前記指標値が最も高い前記予測方法により予測される前記電力価格を、前記所定日時の電力価格の予測価格として求める算出部と、
を備える電力価格予測装置。 An acquisition unit for acquiring external factors related to the supply and demand of electricity at a predetermined date and time;
A prediction unit that predicts the power price at the predetermined date and time by a plurality of different prediction methods based on the acquired external factor;
For each prediction method, an index value that is an index of prediction accuracy of the power price predicted by the prediction method is calculated, and the index value predicted by the prediction method having the highest index value among the plurality of prediction methods is calculated. A calculation unit for obtaining a power price as a predicted price of the power price at the predetermined date and time;
A power price prediction apparatus comprising: 前記算出部は、前記外的要因を説明変数としかつ前記電力価格を被説明変数とする決定係数を、前記指標値として算出する請求項１に記載の電力価格予測装置。   The power price prediction apparatus according to claim 1, wherein the calculation unit calculates a determination coefficient having the external factor as an explanatory variable and the power price as an explained variable as the index value. 前記算出部は、前記複数の予測方法のうち、小数点以下の所定桁までの前記決定係数が最も高い前記予測方法により予測される前記電力価格を前記予測価格として求め、小数点以下の前記所定桁までの前記決定係数が最も高い前記予測方法が複数ある場合、当該複数の予測方法のうち前記電力価格の予測に用いる前記説明変数の数が最も少ない前記予測方法により予測される前記電力価格を前記予測価格として求める請求項２に記載の電力価格予測装置。   The calculation unit obtains, as the predicted price, the power price predicted by the prediction method having the highest determination coefficient up to a predetermined digit after the decimal point among the plurality of prediction methods, and until the predetermined digit after the decimal point. When there are a plurality of the prediction methods having the highest determination coefficient, the power price predicted by the prediction method using the least number of the explanatory variables used for prediction of the power price among the plurality of prediction methods is predicted. The electric power price prediction apparatus of Claim 2 calculated | required as a price. 前記説明変数には、予め優先度が設定され、
前記算出部は、小数点以下の前記所定桁までの前記決定係数が等しい前記予測方法が複数あり、かつ前記電力価格の予測に用いる前記説明変数が最も少ない前記予測方法が複数ある場合、当該複数の予測方法のうち、所定の優先度より高い前記優先度が設定された前記説明変数を最も多く用いる前記予測方法により予測される前記電力価格を前記予測価格として求める請求項３に記載の電力価格予測装置。 Priorities are set in advance in the explanatory variables,
When the calculation unit includes a plurality of the prediction methods having the same determination coefficient up to the predetermined digit after the decimal point and the plurality of the prediction methods used for the prediction of the power price has the least number of the explanatory variables, The power price prediction according to claim 3, wherein the power price predicted by the prediction method using the most explanatory variables set with the priority higher than a predetermined priority among the prediction methods is obtained as the predicted price. apparatus. 前記所定日時より前の前記外的要因を記憶する記憶部をさらに備え、
前記取得部は、前記記憶部から、前記所定日時の前記外的要因および当該所定日時に類似する日時の前記外的要因を取得する請求項１から４のいずれか一に記載の電力価格予測装置。 A storage unit for storing the external factor before the predetermined date and time;
5. The power price prediction apparatus according to claim 1, wherein the acquisition unit acquires, from the storage unit, the external factor of the predetermined date and time and the external factor of a date and time similar to the predetermined date and time. . 前記取得部は、前記記憶部から、前記所定日時以降の所定期間の前記外的要因データを取得する請求項４に記載の電力価格予測装置。   The power price prediction apparatus according to claim 4, wherein the acquisition unit acquires the external factor data for a predetermined period after the predetermined date and time from the storage unit. 前記算出部は、前記予測価格の理論分布に基づいて当該予測価格の信頼区間を算出する請求項１から６のいずれか一に記載の電力価格予測装置。   The power price prediction apparatus according to any one of claims 1 to 6, wherein the calculation unit calculates a confidence interval of the prediction price based on a theoretical distribution of the prediction price. 前記算出部は、単位時間毎に、現在時刻を前記所定日時として取得し、前記予測方法により前記現在時刻の前記電力価格の予測を繰り返す請求項１から７のいずれか一に記載の電力価格予測装置。   The power price prediction according to any one of claims 1 to 7, wherein the calculation unit acquires a current time as the predetermined date and time for each unit time, and repeats the prediction of the power price at the current time by the prediction method. apparatus.
JP2016142731A 2016-07-20 2016-07-20 Power price prediction device Pending JP2018013934A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016142731A JP2018013934A (en) 2016-07-20 2016-07-20 Power price prediction device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016142731A JP2018013934A (en) 2016-07-20 2016-07-20 Power price prediction device

Publications (1)

Publication Number Publication Date
JP2018013934A true JP2018013934A (en) 2018-01-25

Family

ID=61019454

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016142731A Pending JP2018013934A (en) 2016-07-20 2016-07-20 Power price prediction device

Country Status (1)

Country Link
JP (1) JP2018013934A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020110297A1 (en) * 2018-11-30 2020-06-04 三菱電機株式会社 Transaction price prediction device and transaction price prediction method
CN116433277A (en) * 2023-06-13 2023-07-14 国网浙江省电力有限公司 Electricity price conduction processing method and system based on novel electric power system

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004145396A (en) * 2002-10-21 2004-05-20 Toshiba Corp Electric power transaction risk management method and system
US20040254899A1 (en) * 2003-05-08 2004-12-16 Keiko Abe Electric power trading support system
JP2006050834A (en) * 2004-08-06 2006-02-16 Hitachi Ltd Risk management support system for power supply enterprise
JP2011018375A (en) * 2004-12-17 2011-01-27 Mitsubishi Electric Corp Power trading support device
JP2014021555A (en) * 2012-07-12 2014-02-03 Toyota Motor Corp Natural energy amount prediction device
JP2016081452A (en) * 2014-10-22 2016-05-16 株式会社日立製作所 Wholesale power price prediction system and wholesale power price prediction method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004145396A (en) * 2002-10-21 2004-05-20 Toshiba Corp Electric power transaction risk management method and system
US20040254899A1 (en) * 2003-05-08 2004-12-16 Keiko Abe Electric power trading support system
JP2006050834A (en) * 2004-08-06 2006-02-16 Hitachi Ltd Risk management support system for power supply enterprise
JP2011018375A (en) * 2004-12-17 2011-01-27 Mitsubishi Electric Corp Power trading support device
JP2014021555A (en) * 2012-07-12 2014-02-03 Toyota Motor Corp Natural energy amount prediction device
JP2016081452A (en) * 2014-10-22 2016-05-16 株式会社日立製作所 Wholesale power price prediction system and wholesale power price prediction method

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020110297A1 (en) * 2018-11-30 2020-06-04 三菱電機株式会社 Transaction price prediction device and transaction price prediction method
JP6752369B1 (en) * 2018-11-30 2020-09-09 三菱電機株式会社 Transaction price forecasting device and transaction price forecasting method
CN113168656A (en) * 2018-11-30 2021-07-23 三菱电机株式会社 Transaction price prediction device and transaction price prediction method
CN113168656B (en) * 2018-11-30 2023-11-14 三菱电机株式会社 Transaction price prediction device and transaction price prediction method
CN116433277A (en) * 2023-06-13 2023-07-14 国网浙江省电力有限公司 Electricity price conduction processing method and system based on novel electric power system
CN116433277B (en) * 2023-06-13 2023-09-19 国网浙江省电力有限公司 Electricity price conduction processing method and system based on novel electric power system

Similar Documents

Publication Publication Date Title
Morales et al. Scenario reduction for futures market trading in electricity markets
JP5248372B2 (en) Power generation plan creation method, device, program, and storage device
JP2016062191A (en) Power transaction support device, power transaction support system, control method, and program
CN110462648B (en) Operation maintenance management method, recording medium, and operation maintenance management system
US20160246272A1 (en) Weather pattern based electrical demand forecasting for a building
Ricky Rambharat et al. A threshold autoregressive model for wholesale electricity prices
US20190138913A1 (en) Prediction model generation device, prediction model generation method, and recording medium
JP2009225613A (en) Device and method for predicting power demand
JP2015125643A (en) Facility planning method, program and device for distributed energy system
JP2008225646A (en) Prediction error compensation method and device, weather power generation planning method and device, and program
JP2018173837A (en) Prediction device, prediction system, prediction method and program
JP2016143336A (en) Method and apparatus for optimizing configuration of distributed energy system
JP2007108809A (en) Time-series prediction system, time-series prediction method, and time-series prediction program
JP2018013934A (en) Power price prediction device
JP2018147234A (en) Maintenance plan creation device and method
JP7010674B2 (en) Power Demand Forecasting Device, Power Demand Forecasting Method and Program
JP6519215B2 (en) Power transaction support system, power transaction support method and program
JP5957725B2 (en) Prediction device, prediction method, and prediction program
JP2006221482A (en) Greenhouse gas emission setting support device and method
JP2016042748A (en) Energy management system and power demand plan optimization method
JP2005122438A (en) Predicting method, predicting device, predicting program and recording medium
JP2020190965A (en) Power plan assisting device, power plan assisting method, and power plan assisting program
JP6652481B2 (en) Operation plan creation device, operation plan creation method and program
JP5959037B1 (en) Power generation amount calculation device, power generation amount calculation method, and power generation amount calculation program
JP2016136313A (en) Optimal transaction amount determination system, optimal transaction amount determination method and program

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20171128

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20171129

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190204

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191120

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191210

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20200623