CN104346651A - 需求侧能量管理系统 - Google Patents

Abstract

一种能量管理系统，具有将能量负载侧作为控制对象的DSM功能。该系统具有基于储存在数据库(10)中的履历数据预测负载调节幅度并输出预测结果的负载调节幅度预测单元(16)。

Description

需求侧能量管理系统

本申请是2010年1月19日提交的、申请号为201010005403.7、发明名称为“需求侧能量管理系统”的申请的分案申请。

本申请基于2009年3月2日提出的日本专利申请第2009-048117号并主张其优先权，引用这些申请的全部内容并入本发明中。

技术领域

本发明涉及在负载侧进行电力或热等的能量管理的能量管理系统，特别涉及能量负载调节技术。

背景技术

近年来，提出了在大厦、工厂、社会基础设施及家庭等中，用来使电力或热等的能量的使用效率适当化的能量管理系统。在能量管理系统中，还包括与基础电力同时使用风力发电或太阳能发电等可再生的能量、取得发电与电力消耗的匹配的供需控制技术。此外，还提出了包括为了取得匹配而附加地设置的自家发电设备、燃料电池及电力储藏装置(蓄电池)等的设备的能量供给系统或其使用方法等。

这些系统作为称作微网(microgrid)的电力供给方式而受到关注。即，所谓微网，是与基础电力的供给一起，组合太阳能发电或风力发电、蓄电池、燃料电池等的设备的电力供给，基于需要预测及发电预测而使用的系统。

在微网中，系统预测电力及热等的能量需要(需要预测)，并且预测风力发电及太阳能发电等的不可控制的发电设备的发电量(发电预测)。该系统是为了取得它们的匹配而建立自家发电设备、燃料电池、电力储藏机构(蓄电池)等的设备的使用计划，或者实时地进行使用控制的系统。具体而言，作为能够应用的先行技术，提出了具有预测消耗的能量的通常的需要预测功能、以及制作储藏能量的计划表的能量供给最优化功能的能量管理系统(例如参照日本特许公开公报2002-245126)。

但是，微网由于不将能量负载本身作为控制对象，为了取得匹配而仅将自家发电设备、燃料电池、电力储藏机构(蓄电池)等的设备作为控制对象，所以调节能力和设备成本的协调成为课题。此外，在微网的供需控制中，负载的需要预测不是添加了负载调节的预测，只不过是最优先考虑到负载使用的需要预测。因此，在供需控制及使用计划中调节极限严格，产生了使用上的勉强。为了解决这一点，有预先为了取得供需匹配而过量地设置自家发电设备、燃料电池、电力储藏机构(蓄电池)等的设备的倾向。

对此，具有将能量负载设备本身作为能量管理系统的控制对象的需求侧管理(DSM：负载控制或负载调节)功能的系统受到关注。具体而言，提出了具有用来促进负载调节的电力费用的设定功能的系统(例如参照日本特许公开公报2002-271981)。该系统是通过电力消费者根据电力费用的高低自主地进行负载调节来实现间接的负载调节的系统。此外，作为具有负载调节功能的系统，提出了通过电力费用的调节实现负载调节的诱因的间接的负载调节方式(例如参照日本特许公开公报2002-176729)。

但是，在具有DSM功能的能量管理系统中，作为有关DSM的控制方法，有通过强制性的负载切断(选择负载切断)进行的整体的电力负载的限制以及通过削峰、负载的使用时间带的移动进行的负载均衡化等。这些负载调节方法需要预先决定切断的负载的优先顺序及负载的调节规则，此外，是忽视负载侧的状况的强制性的方法。即，没有实现执行对应于负载侧的需要及状况的有效的负载调节的能量管理系统。

发明内容

本发明的目的是提供一种实现对应于负载侧的需要及状况的有效的负载调节功能、能够使能量的需要均衡化而使能量使用效率合理化的能量管理系统。

本发明的技术方案是一种具有将能量负载侧作为控制对象的DSM(负载控制或负载调节)功能的能量管理系统，特别是具有预测负载侧的调节幅度的预测功能的能量管理系统。

遵循本发明的技术方案的能量管理系统构成为，包括：数据库，储存负载调节的履历数据；需要预测单元，预测作为能量的供给对象的负载侧的需要；负载调节幅度预测单元，使用上述数据库的履历数据，预测负载调节幅度；以及显示单元，显示由上述需要预测单元预测的需要预测结果及由上述负载调节幅度预测单元预测的负载调节幅度预测结果。

并入说明书而构成说明书的一部分的附图用来说明本发明的实施方式，并且与上述发明内容及下述具体实施方式一起解释本发明的原理。

附图说明

图1是表示有关本发明的实施方式的能量管理系统的主要单元的框图。

图2是表示储存在有关本实施方式的数据库中的数据的一例的图。

图3是用来说明有关本实施方式的负载调节幅度预测的顺序的流程图。

图4是用来说明有关本实施方式的负载调节控制的顺序的流程图。

图5是用来说明有关本实施方式的负载调节评价的顺序的流程图。

图6A～图6F是表示有关本实施方式的负载调节预测的事例的图。

图7A～图7C是表示有关本实施方式的负载调节结果的事例的图。

图8是表示有关本实施方式的负载调节评价结果的事例的图。

具体实施方式

以下，参照附图说明本发明的实施方式。

(系统的结构)

图1是表示有关本实施方式的能量管理系统的主要单元的框图。

本实施方式的系统管理电力或热等的能量，例如在监视家庭内的能量消耗的家庭服务器、或远程监视大厦或工厂等的监视中心的服务器等中使用。本实施方式的能量管理系统将能量的负载侧(例如空调机等)作为控制对象，具有能量负载调节幅度(以下只记作负载调节幅度)的预测功能。

这里，所谓负载调节幅度，是具体地表示根据需要预测与最优的供给预测的关系求出的负载调节可能性的参数，例如是空调机的供给电能、时间、启动定时。例如在室内的气温变高的情况下，在空调机的运转中，能够从通常的最大输出进行调节的条件是负载调节可能性。作为负载调节幅度的具体例，有负载率的降低或增加。负载率表示负载相对于最大容量的比例。

如图1所示，本实施方式的系统具有负载使用·调节履历数据库(以下只记作数据库)10、外部条件输入单元11、类似数据检索单元12、外部条件修正单元13、需要预测单元14、负载调节预测最优化单元15、负载调节幅度预测单元16、终端装置17、负载调节实时最优化单元18、负载调节影响评价单元19、负载使用履历收集单元20、和数据库登记单元21。

数据库10储存有有关负载使用及负载调节的过去的履历数据。外部条件输入单元11收集天气、气温、湿度等的气象数据、及负载设备的作业计划表数据(日历数据)等，作为输入数据100取入。检索单元12从匹配于从外部条件输入单元11输入的外部条件的过去的类似日，从数据库10中检索负载使用、调节所需要的类似数据。

外部条件修正单元13基于由外部条件输入单元11输入的外部条件，计算用来修正需要预测值的修正系数。需要预测单元14将由检索单元12从数据库10提取的类似数据(类似日的负载使用实际值)作为需要预测数据输入。此外，需要预测单元14输入由外部条件修正单元13计算出的修正系数，对作为需要预测数据的需要预测值乘以该修正系数，计算修正后的需要预测值。

终端装置17具有显示装置170，将由需要预测单元14计算出的需要预测值172C显示在显示画面171上。终端装置17除了显示装置170以外还具有输入装置等，是系统与用户的输入输出接口。

进而，最优化单元15使用由检索单元12从数据库10提取的类似数据，根据在类似日中实施了负载调节的实际值推测负载调节的效果(成本系数)、负载可调节幅度(调节范围制约条件)、负载调节的选择顺序(负载调节优先顺序)、负载调节带来的影响(调节不满足度)。此外，最优化单元15根据这些成本系数及调节范围制约条件等，执行至少考虑到一个以上指标的最优化计算，输出几个能够实现的负载调节候补数据。预测单元16根据由最优化单元15决定的多个负载调节候补数据计算作为负载调节的极限的负载调节幅度(负载调节极限幅度)，输出给终端装置17。

以上的结构是实现在执行实际的负载调节控制之前、作为后述的事前处理而执行的功能的结构。接着，说明实现作为实际的负载调节控制而在实时中执行的功能的结构。

即，负载调节实时最优化单元18输入包括各时刻下的负载目标值(基于契约受电量的负载制约值等)及负载需求(一单元负载的使用请求等)的输入数据111。此外，最优化单元18从负载调节预测最优化单元15输入负载调节候补数据110，执行与最优化单元15同样的最优化计算。最优化单元18将其计算结果作为负载指令控制信号112输出。因而，基于该负载指令控制信号112使用各能量负载(例如空调机等)。

评价单元19输入从最优化单元18输出的负载调节结果数据114及评价信息115，输出表示负载调节的影响的影响评价结果。作为影响评价结果，是负载调节的经济效果(成本改善额)、是否包含在负载可调节幅度中的判断结果(调节范围制约条件的妥当性)、负载调节的选择顺序的妥当性(负载调节优先顺序妥当性)、以及调节不满足度等。履历收集单元20从最优化单元18输入基于负载指令控制信号的负载使用实际数据113，传送给数据库登记单元21。数据库登记单元21将负载使用实际数据及从评价单元19输出的影响评价结果登记到数据库10中。

(系统的作用效果)

以下，参照图3至图5的流程图，说明本实施方式的系统的作用效果。

首先，数据库10如图2所示，储存着有关负载使用、负载调节的过去的履历数据。履历数据例如作为调节对象的负载而设想为空调机(空调)，是实施的年月日、那一天的气象条件(天气、气温、湿度等)、那一天的作业日历上的特殊事项(例如调换休息日等)、负载设备名、该负载的启动(on)时刻和停止(off)时刻、运转时间、负载率(使额定值为100％时的使用时的负载＝消耗电力等的大小)、调节的有无(是否有负载调节)、以及调节内容(负载的调节结果)。作为调节内容的具体例，记录了表示在空调的使用中对于14：00～16：00的负载峰值时间带将负载上限限制为70％、结果在空调需求中没有障碍等的信息。

接着，参照图3的流程图，作为系统的负载调节处理的事前处理，说明能量负载调节幅度预测的顺序。

外部条件输入单元11收集天气、气温、湿度等的气象数据、及负载设备的作业计划表数据(日历数据)等，作为输入数据100取入(步骤S1)。检索单元12从匹配于从外部条件输入单元11输入的外部条件的过去的类似日，从数据库10中检索负载使用、调节所需要的类似数据(步骤S2)。

外部条件修正单元13基于由外部条件输入单元11输入的外部条件，考虑例如当日的气温与过去的类似日的气温的差，计算用来修正需要预测值的修正系数(步骤S5)。需要预测单元14输入由检索单元12从数据库10提取的类似数据(类似日的负载使用实际值)和由外部条件修正单元13计算出的修正系数，乘以该修正系数，计算修正后的需要预测值(步骤S6)。

另一方面，最优化单元15使用由检索单元12从数据库10提取的类似数据，根据在类似日中实施了负载调节的实际值推测负载调节的效果(成本系数)、负载可调节幅度(调节范围制约条件)、负载调节的选择顺序(负载调节优先顺序)、负载调节带来的影响(调节不满足度)。此外，最优化单元15根据这些成本系数及调节范围制约条件等，执行至少考虑到一个以上指标的最优化计算，输出几个能够实现的负载调节候补数据(步骤S3)。预测单元16根据由最优化单元15决定的多个负载调节候补数据计算作为负载调节的极限的负载调节幅度(负载调节极限幅度)，作为负载调节预测值计算(步骤S4)。

终端装置17如图1所示，将由需要预测单元14计算出的需要预测值172C及由预测单元16计算出的负载调节预测值显示在显示装置170的显示画面171上(步骤S7)。负载调节预测值是负载调节极限幅度，由其下限(需要—负载削减储备力)172A和其上限(需要+负载增加储备力)172B构成。所谓负载削减储备力(予備力)，是当能量不足时降低负载(负载率)的调节事项。此外，负载增加储备力是当能量过剩时增加负载(负载率)的调节事项。具体而言，例如是调节空调机的供给电能、时间、启动定时的事项。

这里，负载率表示相对于最大容量的负载的比例。通过负载率的增加，有使最大容量(例如家庭的契约电能)降低的效果。这因为通常最大容量(契约电力)取决于峰值，所以通过消除峰值的时间、使负载一定化，能够降低最大容量(契约电力)。因而，整体的负载率提高，在能量供给设备侧的长期观点看，能够改善设备的使用效率。

接着，参照图4的流程图，作为系统的负载调节处理的实时处理，说明能量负载调节控制的顺序。

最优化单元18读入包括各时刻下的负载目标值(基于契约受电量的负载制约值等)及负载需求(一单元负载的使用请求等)的输入数据111(步骤S11)。进而，最优化单元18从负载调节预测最优化单元15读入负载调节候补数据110(步骤S12)。最优化单元18使用负载调节候补数据110，执行与最优化单元15同样的最优化计算，将其计算结果作为负载指令控制信号112输出(步骤S13、S14)。通过该负载指令控制信号112使用各能量负载(例如空调机等)。

接着，参照图5的流程图，作为系统的负载调节处理的事后处理说明能量负载调节评价的顺序。

履历收集单元20从最优化单元18读入基于负载指令控制信号的负载使用实际数据113(步骤S21)。履历收集单元20将该负载使用实际数据113作为负载使用履历数据收集，输出给数据库登记单元21(步骤S23)。

另一方面，评价单元19读入从最优化单元18输出的负载调节结果数据114(步骤S22)。评价单元19输入该负载调节结果数据114及评价信息115，计算表示负载调节的影响的影响评价结果(步骤S24)。作为影响评价结果，是负载调节的经济效果(成本改善额)、是否包含在负载可调节幅度中的判断结果(调节范围制约条件的妥当性)、负载调节的选择顺序的妥当性(负载调节优先顺序妥当性)、以及调节不满足度等。

数据库登记单元21将由履历收集单元20收集的负载使用履历数据及从评价单元19输出的影响评价结果登记到数据库10中(步骤S25)。

以上，本实施方式的系统通过实现预测并显示能量负载调节幅度的功能，能够进行使用对应于负载侧的需求及状况的有效的DSM(负载调节控制)的灵活的使用的能量管理。这里，作为实现能量负载调节幅度的预测功能的方法，通过负载调节预测最优化单元15，对于对各能量负载的调节处理，执行考虑到成本系数、调节范围制约条件、负载调节优先顺序、调节不满足度等的指标的最优化计算。该最优化计算考虑到负载的使用定时的时间变动、负载的使用时间的缩短/延长、负载率(运转点)的降低或增加、负载接入/切断时的变化率的缓和(接通电流、空调上升峰值等的削平)、多负载间的协调运转、负载的启动/停止的中止、以及负载的强制停止/启动等执行。因而，能够实现考虑到各负载的状况的很细致的灵活的DSM，所以能够降低对于使用负载的用户的负担。

进而，本实施方式的系统通过将过去的负载运转履历数据及负载使用实际数据储存到数据库10中，能够构建所谓的负载调节模型数据库。通过利用该负载调节模型数据库，能够推测对于各个各能量负载的调节幅度，能够使DSM的控制逻辑按照负载、并且按照使用状况进行学习。此外，如果是本实施方式的系统，则能够应对天气、季节、使用方式等的外在因素。进而，通过显示负载调节预测结果的功能，能够将DSM使用带来的节能、CO₂削减、节省管理效果等定量地可视化。

总之，如果是本实施方式的系统，则在应用到微网等的能量管理系统中的情况下，在其使用管理及供需控制中，能够有效地采用DSM。因而，结果能够实现可再生能量的有效利用带来的CO₂排放量削减、负载均衡化和削峰带来的发电设备的开动率提高、供需控制的灵活化带来的能量调节设备(自家发电设备、燃料电池、电力储藏装置等)的设备容量的降低。换言之，如果是本实施方式的能量管理系统，则能够实现对应于负载侧的需要及状况的有效的负载调节功能，能够使能量的需要均衡化而使能量的使用效率适当化。

(本实施方式的应用例)

图6A至图8是用来说明应用了本实施方式的能量管理系统的具体例的图。

例如，作为在家庭中使用的代表性的设备，设想空调机(空调)、洗涤机(洗衣机)、洗碗机、电热水器及浴池。其中，空调、洗衣机、洗碗机及电热水器是电力负载。洗衣机、洗碗机及浴池是热水供给的负载。此外，只有空调由于外单元条件(即外界气温)而影响负载的量，设想为不能进行负载调节。

图6A至图6F对应于某一天的各负载的使用，表示通过季节、气温、星期从数据库10中检索类似数据，基于该类似数据预测各负载的负载调节幅度的结果。图6A表示外界气温的预测结果。图6B表示电力需要的预测结果。即，是基于对空调、洗衣机、洗碗机及电热水器的各负载的通常的使用的电力需要的预测结果。

进而，图6C表示热水供给需要的预测结果。即，是基于对洗衣机、洗碗机及浴池的各负载的通常的使用的热水供给需要的预测结果。此外，图6E表示对于空调的电力调节幅度的预测结果。图6F表示对洗衣机、洗碗机及电热水器的各负载的电力调节幅度的预测结果。

这里，在图6E、图6F中，虚线表示过去的几天的类似日的各负载的使用状态的偏差。即，是热水供给负载的偏差、空调的电力负载的偏差、其他设备的电力负载的偏差。这里，将各负载的过去的使用实际值中的偏差推测为负载可调节的幅度(负载调节幅度)。

接着，作为负载调节预测最优化功能，设定如下述式(1)所示那样的评价函数J。式(2)至式(4)是表示使评价函数J最小化的最优化计算中的制约条件的式子。这里，PCt表示时刻t的整体电力成本。Pmax表示各时刻下的最大电力。Pcom表示商用电力的使用契约电力。K表示储存热水槽剩余量。Cmax表示最大容量。Kp表示储存热水槽剩余量的初始值。G(t)表示热水供给器的每单位时间的生成量。D(t)表示每单位时间的热水供给消耗量。

$J=\underset{t=1}{\overset{24}{\mathrm{\Σ}}}\left(\mathrm{PCt}\right)...\left(1\right)$

Pmax≤Pcom…(2)

0≤K≤Cmax…(3)

$K=\mathrm{Kp}+\underset{t=1}{\overset{K}{\mathrm{\Σ}}}(G\left(t\right)-D\left(t\right))...\left(4\right)$

通过执行使评价函数J最小化的最优化计算，能够得到图7A至图7C所示的负载调节脚本。

这里，图7A表示因外界气温的上升而比过去的类似日的外界气温(虚线)上升(实线)的情况。由此，修正了对于空调的负载的电力需要的预测值。结果，在以往的预测中，各时刻的最大电力Pmax超过了契约电力Pcom。所以，通过上述最优化计算的结果得到的负载调节脚本成为图7B所示那样的对于空调的负载的电力需要调节结果(实线)。此外，用图7C所示那样的热水供给需要调节结果(实线)调节洗衣机、洗碗机、电热水器、浴池的使用方式。

具体而言，洗衣机为了避开白天的峰值负载并利用夜间电力，从以往的启动预定时间的8：00变动到5：00。洗碗机同样为了避开空调的负载为最大的峰值时间带，将启动时间从13：00变动到23：00。对于该结果发生的热水供给需要的变化，电热水器将启动时间从17：00变更为18：00，并且将负载从100％降低到60％而使用。结果，根据热水的供应状况而将浴池的时间从19：00变更为21：00。

由此，对于气温上升的变化因素，得到一个满足制约条件、使评价函数J最小化的负载调节脚本。进而，对应于当天的外界气温预测值的变动，计算多个负载调节脚本，将其结果如图1所示的显示画面171的显示例那样，与负载整体的需要预测值一起作为负载调节极限预测值计算。

此外，作为当天根据上述负载调节脚本进行了负载调节的运转的结果，评价单元19如图8所示，计算并收集能量负载调节评价结果的信息。这里，关于洗衣机和洗碗机，仅调节使用开始时间。作为该效果，记录了夜间电力利用和削峰、没有发生负载调节带来的不良状况(不良状况度0)。此外，关于电热水器，调节使用开始时间和使用负载。该效果是削峰，另一方面，作为负载调节带来的不良状况，由于浴池的使用时间(入浴时间)从19：00变更为21：00，所以计算出发生了使用者的不变(不良状况度1)。这些信息由数据库登记单元21记录到数据库10中。

其他优点和变更对于本领域的技术人员来说是容易想到的。因此，本发明并不局限于这里给出并描述的具体细节和优选的实施方式。因而，可以在不脱离由附加的权利要求书及其等同的内容定义的本发明的创造性思想的精神及范围内进行各种变更。

Claims (12)

1.一种能量管理系统，其特征在于，包括：

数据库单元，储存包括负载使用和表示负载调节结果的调节内容的履历数据；

需要预测单元，预测作为能量的供给对象的负载侧的需要；以及

负载调节幅度预测单元，使用上述数据库单元的履历数据，基于上述调节内容预测负载调节幅度，该负载调节幅度表示相对于由上述需要预测单元预测的需要预测结果的负载调节极限幅度的上限和下限；

2.如权利要求1所述的能量管理系统，其特征在于，

具有显示单元，该显示单元显示由上述需要预测结果及由上述负载调节幅度预测单元预测的负载调节幅度预测结果。

3.如权利要求1所述的能量管理系统，其特征在于，

上述负载调节幅度预测单元基于负载削减储备力计算上述负载调节极限幅度，作为上述负载调节幅度预测结果。

4.如权利要求1所述的能量管理系统，其特征在于，

上述负载调节幅度预测单元基于负载增加储备力计算上述负载调节极限幅度，作为上述负载调节幅度预测结果。

5.如权利要求1所述的能量管理系统，其特征在于，

上述显示单元作为上述负载调节幅度预测结果而显示由基于负载削减储备力计算出的下限及基于负载增加储备力计算出的上限构成的上述负载调节极限幅度。

6.如权利要求1所述的能量管理系统，其特征在于，

上述负载调节幅度预测单元包括负载调节预测最优化单元，该负载调节预测最优化单元使用上述数据库单元的履历数据，执行将负载调节的成本系数、调节范围制约条件、负载调节优先顺序、调节不满足度中的至少任一个考虑为指标的最优化计算。

7.如权利要求1所述的能量管理系统，其特征在于，

上述负载调节幅度预测单元对于各负载执行上述负载调节幅度的预测，该预测设想了将负载的使用定时的时间变动、负载的使用时间的缩短或延长、负载率的降低或增加、负载接入或切断时的变化率的缓和、多个负载间的协调运转、负载的启动或停止的中止、负载的强制停止或启动的任一个或多个的组合作为负载调节单元而进行操作的情况。

8.如权利要求7所述的能量管理系统，其特征在于，

上述负载调节幅度预测单元包括负载调节预测最优化单元，该负载调节预测最优化单元使用上述数据库单元的履历数据，执行将负载调节的成本系数、调节范围制约条件、负载调节优先顺序、调节不满足度中的任一个考虑为指标的最优化计算；

上述负载调节预测最优化单元对各负载调节单元执行最优化计算。

9.如权利要求1所述的能量管理系统，其特征在于，

该能量管理系统还包括：

负载调节单元，基于由上述负载调节幅度预测单元预测的负载调节幅度预测结果来执行负载调节；以及

登记单元，将由上述负载调节单元执行的负载调节结果，作为上述履历数据登记到上述数据库单元中。

10.如权利要求1所述的能量管理系统，其特征在于，

该能量管理系统还包括根据包括天气、季节、使用方式的外在因素修正由上述负载调节幅度预测单元预测的负载调节幅度预测结果的单元。

11.如权利要求1所述的能量管理系统，其特征在于，

在具有需求侧管理功能的微网中应用。

12.一种负载调节幅度预测方法，在能量管理系统中应用，该能量管理系统具有：数据库单元，储存包括负载使用和表示负载调节结果的调节内容的履历数据；以及需要预测单元，预测作为能量的供给对象的负载侧的需要；该负载调节幅度预测方法的特征在于，包括如下处理：

使用上述数据库单元的履历数据，基于上述调节内容预测负载调节幅度，该负载调节幅度表示相对于由上述需要预测单元预测的需要预测结果的负载调节极限幅度的上限和下限。