CN104517025B - 能源削减量预测方法以及装置 - Google Patents
能源削减量预测方法以及装置 Download PDFInfo
- Publication number
- CN104517025B CN104517025B CN201410499858.7A CN201410499858A CN104517025B CN 104517025 B CN104517025 B CN 104517025B CN 201410499858 A CN201410499858 A CN 201410499858A CN 104517025 B CN104517025 B CN 104517025B
- Authority
- CN
- China
- Prior art keywords
- reduction
- energy
- demand
- operating
- prediction
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
Abstract
本发明的能源削减量预测方法以及装置提供一种不用事先实施能源削减运转,且以更高的预测精度对能源削减量进行预测的技术,由此在大楼管理者和削减运转服务提供者协议进行能源削减运转的初次实施时,提高了大楼管理者侧的信服性。暂定削减量算出部(17A)基于模拟模型计算出在从通常运转时切换至能源削减运转时之际得到的暂定削减量(EP),调整系数算出部(17B)对根据通常运转时的模拟模型和数据模型求出的能源需求量进行比较而算出调整系数(α),预测削减量算出部(17C)通过利用调整系数(α)调整暂定削减量(EP),计算出在从通常运转切换至能源削减运转时得到的预测削减量(E)。
Description
技术领域
本发明涉及一种对利用需求方的设备实施的能源削减运转而削减的能源削减量进行预测的能源削减量预测技术。
背景技术
在日本国内全国都在担心电力不足,不仅能源的供给方的努力重要,需求方的能源削减的努力的重要度也正在增加。尤其是,除了至今为止致力推进的省能源的努力之外,还关注着仅在供需紧张的必要时实施能源削减的需求响应(DR:Demand Response)的构成。
在消耗电能、煤气、热量等能源的需求者这一方,对于自己的设备,在每次实施DR那样的能源削减运转时,都需求对能源削减运转的削减效果适当地评价,以判断削减运转实施的利弊。此时,一般来说,建议削减运转的是削减运转服务提供者,决定削减运转的实施的是大楼管理者,变成了不同企业之间的业务的往来关系。因此,在大楼管理者和削减运转服务提供者彼此同意进行削减运转的实施时,需求根据削减效果的预测值的提示,提高尤其是大楼管理者一方的信服度。因此,要求对通过能源削减运转而削减的能源削减量进行预测的能源削减量预测技术。
以往,作为预测能源需求量的技术,提出有如下的技术:构筑预测模型,该预测模型用于根据能源需求数据和输入因素数据的实际值,采用多个不同的预测处理步骤的计算结果中的至少任意一个计算出能源需求的预测值,基于多个预测处理步骤分别进行各自的预测处理,选择采用预测模型通过多个预测处理步骤计算出的各个预测值中的一个并进行输出,以使得即使在对预测对象造成影响的要素急剧变化的情况下也能够进行预测(例如参照专利文献1等)。
又,作为预测能源需求量的其他技术,提出有基于通过图像传感器取得的图像数据,生成包含预测对象区域的人类信息和环境信息中的至少一方的解析数据,基于该解析数据和采用过去数据生成的能源需求预测模型,进行能源需求预测的技术(例如参照专利文献2等)。
因此,通过采用这样的能源需求量预测技术,对能源削减运转实施前后的能源需求量进行预测,并求出其差分,可以得到能源削减量。
现有技术文献
专利文献
专利文献1:日本特开2012-194700号公报
专利文献2:日本特开2011-165152号公报
发明内容
发明要解决的课题
在这样的现有技术中,采用根据过去得到的历史数据生成的数据模型来预测能源需求。但是,在通过该手法对从新的能源削减运转得到的能源削减量进行预测的情况下,由于没有过去实施该能源削减运转的经验,所以无法提示该能源削减运转实施的初次的预测值。而且,能源削减运转是根据人的意志而进行的运转状况。因此,存在如下的问题:无法根据过去得到历史数据生成的数据模型提示能源削减运转实施的初次的预测值,难以取得大楼管理者和削减运转服务提供者的意见一致的削减运转未实施状态持续,即原理上无法实现削减运转。
又,为了根据数据模型预测能源削减量,也考虑到在至少一日暂时实施能源削减运转,以取得积累于数据模型的历史数据。但是,为了实施能源削减运转,不仅是设备的设定变更,在采用设备的通常业务中也会产生很多的作业负担。又,在很多的情况下,为了对多种能源削减运转进行比较研究,要分别实施这些能源削减运转。因此,暂时实施能源削减运转以得到历史数据的方法是不现实的。
本发明正式为了解决这样的问题也做出的,其目的在于,通过提供不事先实施能源削减运转、以更高的预测精度预测能源削减量的技术,在大楼管理者和削减运转服务提供者协议进行能源削减运转的初次实施之时,提高大楼管理者一方的信服度。
用于解决课题的手段
为了达成这样的目的,本发明所涉及的能源削减量预测方法是对在将设备的运转状态从通常运转切换至能源削减运转时得到的能源的预测削减量进行计算的能源削减量预测装置所采用的能源削减量预测方法,其包括:模拟运算步骤,模拟运算部采用通过基于被输入的运转条件模拟所述设备的动作而导出在该运转条件下的该设备的能源需求量的模拟模型,计算出表示所述通常运转时所需要的能源的第一需求量和表示所述能源削减运转时所需要的能源的第二需求量;数据模型运算步骤,数据模型运算部采用基于根据所述设备的过去的运转得到的历史数据导出被输入的运转条件下的该设备的能源需求量的数据模型,计算出表示所述通常运转时所需要的能源的第三需求量;暂定削减量算出步骤,暂定削减量算出部通过从所述第一需求量减去所述第二需求量,计算出基于所述模拟模型的暂定削减量;调整系数算出步骤,调整系数算出部通过比较所述第一需求量和所述第三需求量,计算出用于将该第一需求量调整为该第三需求量的调整系数;以及预测削减量算出步骤,预测削减量算出部通过利用所述调整系数调整所述暂定削减量计算出在从所述通常运转切换至所述能源削减运转时得到的所述预测削减量。
又,本发明所涉及的上記能源削减量预测方法的一构成例为,所述调整系数由所述第三需求量除以所述第一需求量值之后的值构成。
又,本发明所涉及的能源削减量预测装置是对在将设备的运转状态从通常运转切换至能源削减运转时得到的能源的预测削减量进行计算的能源削减量预测装置,其包括:模拟运算部,其采用通过基于被输入的运转条件模拟所述设备的动作而导出在该运转条件下的该设备的能源需求量的模拟模型,计算出表示所述通常运转时所需要的能源的第一需求量和表示所述能源削减运转时所需要的能源的第二需求量;数据模型运算部,其采用基于根据所述设备的过去的运转得到的历史数据导出被输入的运转条件下的该设备的能源需求量的数据模型,计算出表示所述通常运转时所需要的能源的第三需求量;暂定削减量算出部,其通过从所述第一需求量减去所述第二需求量,计算出基于所述模拟模型的暂定削减量;调整系数算出部,其通过比较所述第一需求量和所述第三需求量,计算出用于将该第一需求量调整为该第三需求量的调整系数;以及预测削减量算出部,其通过利用所述调整系数调整所述暂定削减量计算出在从所述通常运转切换至所述能源削减运转时得到的所述预测削减量。
又,本发明所涉及的上記能源削减量预测装置的一构成例为,所述调整系数由所述第三需求量除以所述第一需求量值之后的值构成。
发明效果
根据本发明,对于消耗电能、煤气、热量等能源的需求者一方的设备,即使是没有过去实施过的经验、且在数据模型中相当于特性日(特異日)的能源削减运转,也可以根据由模拟模型预测到的暂定削减量,得到与采用数据模型预测的情况基本同等的预测削减量。
因此,通过提供一种不用事先实施能源削减运转,与仅采用模拟模型预测时的能源削减量进行比较,从而以更高的预测精度对能源削减量进行预测的技术,从而在大楼管理者和削减运转服务提供者彼此同意进行能源削减运转的初次实施时,提高大楼管理者侧的信服性成为可能。
附图说明
图1是示出能源削减量预测装置的构成的框图。
图2是示出能源削减量预测处理的流程图。
图3是示出能源削减量预测处理的流程图。
图4是示出通常运转需求量EBS和削减运转需求量ERS的图表。
图5是示出暂定削减量EP的图表。
图6是示出通常运转需求量EBS和通常运转需求量EBD的图表。
图7是示出暂定削减量EP和预测削减量E的图表。
具体实施方式
接着,参照附图对于本发明的一实施形态进行说明。
[能源削减量预测装置]
首先,参照图1,对本发明的一实施形态所涉及的能源削减量预测装置10进行说明。图1是示出能源削减量预测装置的构成的框图。
该能源削减量预测装置10整体上由服务器装置、个人计算机等信息处理装置构成,具有如下功能:在消耗电能、煤气、热量等能源的需求者一方,计算出将设备的运转状态从通常运转切换至能源削减运转时得到的能源的预测削减量。
在能源削减量预测装置10中设置有通信I/F部11、操作输入部12、画面显示部13、存储部14、数据取得部15、需求量预测部16、以及削减量预测部17作为主要的功能部。
通信I/F部11具有如下的功能:通过与经由通信线路而连接的外部装置(未图示)进行数据通信,交换能源削减量的预测所采用的运转条件、环境数据、计算出的能源预测削减量等各种数据。操作输入部12由键盘、鼠标、接触面板等操作输入装置构成,具有检测操作者的操作的功能。
画面显示部13由LCD等画面显示装置构成,具有对操作菜单、运转条件、环境数据、能源预测削减量等各种数据进行画面显示的功能。
存储部14由硬盘、半导体存储器等存储装置构成,具有对能源预测削减量的算出处理所采用的运转条件、环境数据、能源预测削减量等各种数据、程序14P进行存储的功能。
程序14P是通过由CPU(未图示)执行来实现数据取得部15、需求量预测部16、以及削减量预测部17的程序,其预先通过通信I/F部11从外部装置、存储介质存储于存储部14。
数据取得部15具有通过通信I/F部11、操作输入部12取得能源预测削减量的算出处理所采用的运转条件、环境数据等预测条件数据的功能。
该数据取得部15中设置有通常运转条件取得部15A、削减运转条件取得部15B、以及环境数据取得部15C作为主要的处理部。
通常运转条件取得部15A具有取得示出对设备进行通常运转用的运转条件的通常运转条件数据的功能。
削减运转条件取得部15B具有取得示出对设备进行能源削减运转用的运转条件的削减运转条件数据的功能。
环境数据取得部15C具有取得示出影响设备的动作的环境状态的环境数据的功能。
作为通常运转条件数据以及削减运转条件数据,存在有设备工作安排表,该设备工作安排表示出热源设备、空调设备、以及照明设备等消耗能源的大楼设备的启动/停止、设定值的各个时刻的变化。又,作为环境数据,有示出外部的温度、湿度、大气压、风向·风速、日照量、照度、云量等的每个时刻的变化的数据,示出大楼整体、每个楼层、或者每个区域的在座人数、IT设备等的内部负载的每个时刻的变化的数据,以及表示有无执行各种事项的数据等。在此,环境数据也包含使用气象预报等的预测数据的情况。
需求量预测部16具有基于由数据取得部15取得的运转条件以及环境数据,计算出在以各个运转条件进行运转的情况下设备所需要的能源需求量的功能。
在该需求量预测部16中,设有模拟运算部16A以及数据模型运算部16B作为主要的处理部。
模拟运算部16A具有如下功能:采用通过基于被输入的运转条件模拟设备的动作从而导出该运转条件下该设备的能源需求量的模拟模型,对表示在该运转条件下运转设备时所需要的能源的需求量进行计算。
更具体来说,模拟运算部16A具有如下两个功能:基于由通常运转条件取得部15A取得的通常运转条件和由环境数据取得部15C取得的环境数据,通过采用模拟模型,计算出表示使设备通常运转时所需要的能源的通常运转需求量EBS(第一需求量)的功能,以及基于由削减运转条件取得部15B取得的削减运转条件和由环境数据取得部15C取得的环境数据,通过采用模拟模型,计算出表示在使设备削减运转时所需要的能源的削减运转需求量ERS(第二需求量)的功能。
数据模型运算部16B具有采用基于从设备的过去的运转得到的历史数据而导出在被输入的运转条件下的该设备的能源需求量的数据模型,计算出表示在该运转条件下使设备运转时所需要的能源的需求量的功能。
更具体来说,数据模型运算部16B具有如下功能:基于由通常运转条件取得部15A取得的通常运转条件和由环境数据取得部15C取得的环境数据,通过采用数据模型,计算出表示在使设备通常运转时所需要的能源的通常运转需求量EBD(第三需求量)的功能。
作为模拟模型的具体例,例如,只要采用如美国能源省公开的EnergyPlus(http://apps1.eere.energy.gov/buildings/energyplus/)那样的公知的能源模拟器即可。要对模拟结果进行定量地配合,则需要很多的调整劳力,但在此,只要能够通过简易的设定仅表现定性的举动即可。
作为数据模型的具体例,例如只要采用TCBM(拓扑案例模型法(TopologicalCase-Based Modeling):http://www.azbil.com/jp/product/ias/sp/sp_forest.html)等公知的案例推论模型即可。
削减量预测部17具有基于由需求量预测部16算出的通常运转需求量EBS、削减运转需求量ERS、以及通常运转需求量EBD对在将设备的运转状态从通常运转切换为能源削减运转时得到的能源的预测削减量E进行计算的功能。
在该削减量预测部17中,设置有暂定削减量算出部17A、调整系数算出部17B、以及预测削减量算出部17C作为主要的处理部。
暂定削减量算出部17A具有通过从由模拟运算部16A算出的通常运转需求量EBS减去由模拟运算部16A算出的削减运转需求量ERS以计算出基于模拟模型的暂定削减量EP的功能。
调整系数算出部17B具有通过比较由模拟运算部16A算出的通常运转需求量EBS和由数据模型运算部16B算出的通常运转需求量EBD,计算出用于将通常运转需求量EBS调整为通常运转需求量EBD的调整系数α的功能。
作为调整系数α的具体例,考虑有通常运转需求量EBS与通常运转需求量EBD的比。这是因为通常运转需求量EBS与通常运转需求量EBD的相关性高的缘故。关于比的求出方法,例如有求出通常运转1日时的通常运转需求量EBS的最大值与通常运转需求量EBD的最大值之比的方法,但除了采用最大值之外,也可以采用平均值或中值等其他统计手法求出的、通常运转需求量EBS与通常运转需求量EBD的代表值之比。又,也可以对上午、下午、夜间等每一个时间段分别确定代表值之比。
预测削减量算出部17C具有如下的功能:通过利用由调整系数算出部17B算出的调整系数α对由暂定削减量算出部17A算出的暂定削减量EP进行调整,计算出在将设备的运转状态从通常运转切换为能源削减运转时得到的能源的预测削减量E。
[本实施形态的动作]
接着,参照图2以及图3,对本实施形态所涉及的能源削减量预测装置10的动作进行说明。图2是示出能源削减量预测处理的流程图。图3是示出能源削减量预测处理的流程图。
首先,数据取得部15通过通信I/F部11、操作输入部12取得能源预测削减量的算出处理所采用的运转条件、环境数据等预测条件数据(步骤100)。由此,通过通常运转条件取得部15A、削减运转条件取得部15B、以及环境数据取得部15C取得通常运转条件21A、削减运转条件21B、环境数据21C,并将它们保存于存储部14。
接着,需求量预测部16基于存储部14的通常运转条件21A、削减运转条件21B、环境数据21C,计算出在以通常运转条件以及削减运转条件运转的情况下设备所需要的能源需求量(步骤101-103)。
具体来说,首先,模拟运算部16A基于通常运转条件21A和环境数据21C,通过模拟模型,计算出表示在使设备通常运转时所需要的能源的通常运转需求量EBS(22A)(步骤101)。
其后,模拟运算部16A基于削减运转条件21B和环境数据21C,通过采用模拟模型,计算出表示在使设备削减运转时所需要的能源的削减运转需求量ERS(22B)(步骤102)。
另一个方面,数据模型运算部16B基于通常运转条件21A和环境数据21C,通过采用数据模型,计算出表示在使设备通常运转时所需要的能源的通常运转需求量EBD(22C)(步骤103)。
接着,削减量预测部17基于由需求量预测部16算出的通常运转需求量EBS(22A)、削减运转需求量ERS(22B)、以及通常运转需求量EBD(22C),计算出在将设备的运转状态从通常运转切换为能源削减运转时得到的能源的预测削减量E(24)(步骤104-106)。
具体来说,首先,暂定削减量算出部17A通过从通常运转需求量EBS(22A)减去削减运转需求量ERS(22B),计算出基于模拟模型的暂定削减量EP(23A)(步骤104)。
另一个方面,调整系数算出部17B通过比较通常运转需求量EBS(22A)和通常运转需求量EBD(22C),计算出用于将通常运转需求量EBS(22A)调整为通常运转需求量EBD(22C)的调整系数α(23B)(步骤105)。
其后,预测削减量算出部17C通过使调整系数α(23B)与暂定削减量EP(23A)相乘以调整暂定削减量EP(23A),从而计算出将设备的运转状态从通常运转切换为能源削减运转时得到的能源的预测削减量E(24)(步骤106)。
图4是示出通常运转需求量EBS和削减运转需求量ERS的图表。在此,实施了通常运转的一日的通常运转需求量EBS的时刻变化由实线图来表示,实施了能源削减运转的一日的削减运转需求量ERS的时刻变化由虚线图来表示。图5是示出暂定削减量EP的图表。在此,暂定削减量EP的时刻变化由实线图来表示,可知其相当于图4的通常运转需求量EBS与削减运转需求量ERS的差分。
图6是示出通常运转需求量EBS和通常运转需求量EBD的图表。在此,对于实施了通常运转的一天的量,根据模拟模型预测的通常运转需求量EBS的时刻变化用实线图来表示,根据数据模型预测的通常运转需求量EBD的时刻变化用虚线图来表示。
从图6可知,通常运转需求量EBS和通常运转需求量EBD具有很高的相关性,通过求得两者之间的比,可以将由模拟模型预测的能源削减量、即暂定削减量EP调整(修正)为由数据模型预测的能源削减量、即所希望的预测削减量E。
图7是示出暂定削减量EP和预测削减量E的图表。在此,根据模拟模型预测的暂定削减量EP用虚线图表示,以调整系数α对该暂定削减量EP进行调整而得到的预测削减量E用实线图来表示。由此,能够根据采用模拟模型预测的能源削减量即暂定削减量EP,与采用数据模型预测的情况基本相同地,以较高的精度预测能源削减运转这样的在数据模型的历史数据中没有的运转状态下的能源削减量即预测削减量E。
[本实施形态的效果]
这样,本实施形态构成为,暂定削减量算出部17A基于模拟模型,计算出在从通常运转时切换至能源削减运转时之际得到的暂定削减量EP,调整系数算出部17B对根据通常运转时的模拟模型和数据模型求出的能源需求量进行比较以计算出调整系数α,预测削减量算出部17C通过利用调整系数α调整暂定削减量EP,计算出在从通常运转切换至能源削减运转时得到的预测削减量E。
由此,对于消耗电能、煤气、热量等能源的需求者一方的设备,即使是没有过去实施的经验、且在数据模型中相当于特性日(特異日)的能源削减运转,也可以根据由模拟模型预测到的暂定削减量EP,得到与采用数据模型预测的情况基本同等的预测削减量E。
因此,通过提供一种不用事先实施能源削减运转,与仅采用模拟模型预测时的能源削减量进行比较,从而以更高的预测精度对能源削减量进行预测的技术,在大楼管理者和削减运转服务提供者商议进行能源削减运转的初次实施时,提高大楼管理者侧的信服性成为可能。
实施形态的扩展
以上,参照实施形态对本发明进行了说明,但本发明并不限定于上述实施形态。本发明的构成的细节,可以在本发明的范围内进行本领域技术人员能够理解的各种变更。
符号说明
10…能源削减量预测装置、11…通信I/F部、12…操作输入部、13…画面显示部、14…存储部、14P…程序、15…数据取得部、15A…通常运转条件取得部、15B…削减运转条件取得部、15C…环境数据取得部、16…需求量预测部、16A…模拟运算部、16B…数据模型运算部、17…削减量预测部、17A…暂定削减量算出部、17B…调整系数算出部、17C…预测削减量算出部、21A…通常运转条件、21B…削减运转条件、21C…环境数据、22A…通常运转需求量(EBS)、22B…削减运转需求量(ERS)、22C…通常运转需求量(EBD)、23A…暂定削减量(EP)、23B…调整系数(α)、24…预测削减量(E)。
Claims (4)
1.一种能源削减量预测方法,其是对在将设备的运转状态从通常运转切换至能源削减运转时得到的能源的预测削减量进行计算的能源削减量预测装置所采用的能源削减量预测方法,其特征在于,包括:
模拟运算步骤,模拟运算部采用通过基于被输入的运转条件模拟所述设备的动作而导出在该运转条件下的该设备的能源需求量的模拟模型,计算出表示所述通常运转时所需要的能源的第一需求量和表示所述能源削减运转时所需要的能源的第二需求量;
数据模型运算步骤,数据模型运算部采用基于根据所述设备的过去的运转得到的历史数据导出被输入的运转条件下的该设备的能源需求量的数据模型,计算出表示所述通常运转时所需要的能源的第三需求量;
暂定削减量算出步骤,暂定削减量算出部通过从所述第一需求量减去所述第二需求量,计算出基于所述模拟模型的暂定削减量;
调整系数算出步骤,调整系数算出部通过比较所述第一需求量和所述第三需求量,计算出用于将该第一需求量调整为该第三需求量的调整系数;以及
预测削减量算出步骤,预测削减量算出部通过利用所述调整系数调整所述暂定削减量计算出在从所述通常运转切换至所述能源削减运转时得到的所述预测削减量。
2.如权利要求1所述的能源削减量预测方法,其特征在于,
所述调整系数由所述第三需求量除以所述第一需求量值之后的值构成。
3.一种能源削减量预测装置,其是对在将设备的运转状态从通常运转切换至能源削减运转时得到的能源的预测削减量进行计算的能源削减量预测装置,其特征在于,包括:
模拟运算部,其采用通过基于被输入的运转条件模拟所述设备的动作而导出在该运转条件下的该设备的能源需求量的模拟模型,计算出表示所述通常运转时所需要的能源的第一需求量和表示所述能源削减运转时所需要的能源的第二需求量;
数据模型运算部,其采用基于根据所述设备的过去的运转得到的历史数据导出被输入的运转条件下的该设备的能源需求量的数据模型,计算出表示所述通常运转时所需要的能源的第三需求量;
暂定削减量算出部,其通过从所述第一需求量减去所述第二需求量,计算出基于所述模拟模型的暂定削减量;
调整系数算出部,其通过比较所述第一需求量和所述第三需求量,计算出用于将该第一需求量调整为该第三需求量的调整系数;以及
预测削减量算出部,其通过利用所述调整系数调整所述暂定削减量计算出在从所述通常运转切换至所述能源削减运转时得到的所述预测削减量。
4.如权利要求3所述的能源削减量预测装置,其特征在于,
所述调整系数由所述第三需求量除以所述第一需求量值之后的值构成。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013-199283 | 2013-09-26 | ||
JP2013199283A JP6104116B2 (ja) | 2013-09-26 | 2013-09-26 | エネルギー削減量予測方法および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104517025A CN104517025A (zh) | 2015-04-15 |
CN104517025B true CN104517025B (zh) | 2017-09-22 |
Family
ID=52691658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410499858.7A Expired - Fee Related CN104517025B (zh) | 2013-09-26 | 2014-09-25 | 能源削减量预测方法以及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20150088327A1 (zh) |
JP (1) | JP6104116B2 (zh) |
KR (1) | KR20150034614A (zh) |
CN (1) | CN104517025B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016182274A (ja) * | 2015-03-26 | 2016-10-20 | 京楽産業.株式会社 | 遊技機 |
JP2016182275A (ja) * | 2015-03-26 | 2016-10-20 | 京楽産業.株式会社 | 遊技機 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102422311A (zh) * | 2009-07-14 | 2012-04-18 | 株式会社东芝 | 需求预测装置、程序及记录介质 |
CN102859550A (zh) * | 2011-03-15 | 2013-01-02 | 株式会社东芝 | 能量需求预测装置及方法 |
CN103513632A (zh) * | 2012-06-26 | 2014-01-15 | 株式会社日立制作所 | 能源管理系统 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5307903A (en) * | 1988-01-29 | 1994-05-03 | Hitachi, Ltd. | Method and system of controlling elevators and method and apparatus of inputting requests to the control system |
JPH04131600A (ja) * | 1990-09-19 | 1992-05-06 | Hitachi Ltd | 都市エネルギーシステム |
JPH11328152A (ja) * | 1998-05-14 | 1999-11-30 | Toshiba Corp | 省エネ効果計算装置 |
US20020010563A1 (en) * | 1999-06-15 | 2002-01-24 | S. Michael Ratteree | Method for achieving and verifying increased productivity in an industrial process |
US6785592B1 (en) * | 1999-07-16 | 2004-08-31 | Perot Systems Corporation | System and method for energy management |
JP4523124B2 (ja) * | 2000-07-14 | 2010-08-11 | 日立アプライアンス株式会社 | エネルギサービス事業システム |
JP2002049723A (ja) * | 2000-08-04 | 2002-02-15 | Mark Tec:Kk | 省エネルギ診断システム及び方法 |
US6577962B1 (en) * | 2000-09-28 | 2003-06-10 | Silicon Energy, Inc. | System and method for forecasting energy usage load |
JP2002259508A (ja) * | 2001-03-05 | 2002-09-13 | Hitachi Ltd | エネルギー監視システム |
JP2004328907A (ja) * | 2003-04-24 | 2004-11-18 | Tm T & D Kk | 託送電力の需要予測方法と装置、そのためのプログラム |
JP3994910B2 (ja) * | 2003-05-08 | 2007-10-24 | 株式会社日立製作所 | 電力売買支援システム |
US20060167591A1 (en) * | 2005-01-26 | 2006-07-27 | Mcnally James T | Energy and cost savings calculation system |
US7228234B2 (en) * | 2005-01-26 | 2007-06-05 | Siemens Building Technologies, Inc. | Weather data quality control and ranking method |
JP4772401B2 (ja) * | 2005-07-06 | 2011-09-14 | 株式会社東芝 | 最適化方法、最適化システム、及び、装置を製造する方法 |
US7881889B2 (en) * | 2005-12-21 | 2011-02-01 | Barclay Kenneth B | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm |
US20100235206A1 (en) * | 2008-11-14 | 2010-09-16 | Project Frog, Inc. | Methods and Systems for Modular Buildings |
AU2010204729A1 (en) * | 2009-01-14 | 2011-09-01 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
JP5861100B2 (ja) * | 2009-10-29 | 2016-02-16 | パナソニックIpマネジメント株式会社 | 省エネルギー化提案システム、省エネルギー化提案方法 |
JP2011165152A (ja) * | 2010-02-15 | 2011-08-25 | Fuji Electric Co Ltd | エネルギー需要予測装置およびエネルギー需要予測方法 |
EP2556416B1 (en) * | 2010-04-08 | 2017-01-11 | Energyresource Management Corp. | Energy-saving measurement, adjustment and monetization system and method |
US9310792B2 (en) * | 2010-05-03 | 2016-04-12 | Battelle Memorial Institute | Scheduling and modeling the operation of controllable and non-controllable electronic devices |
JP5101675B2 (ja) * | 2010-09-09 | 2012-12-19 | 株式会社東芝 | 需給バランス制御装置 |
JP5914891B2 (ja) * | 2011-09-15 | 2016-05-11 | パナソニックIpマネジメント株式会社 | 省エネ評価装置、省エネ評価方法、サーバ装置、プログラム |
US10095207B2 (en) * | 2012-03-05 | 2018-10-09 | Siemens Corporation | System and method of energy management control |
US9569804B2 (en) * | 2012-08-27 | 2017-02-14 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
US9396293B2 (en) * | 2012-11-06 | 2016-07-19 | Cenergistic Llc | Adjustment simulation method for energy consumption |
-
2013
- 2013-09-26 JP JP2013199283A patent/JP6104116B2/ja active Active
-
2014
- 2014-09-12 KR KR20140121029A patent/KR20150034614A/ko not_active Application Discontinuation
- 2014-09-25 CN CN201410499858.7A patent/CN104517025B/zh not_active Expired - Fee Related
- 2014-09-25 US US14/496,402 patent/US20150088327A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102422311A (zh) * | 2009-07-14 | 2012-04-18 | 株式会社东芝 | 需求预测装置、程序及记录介质 |
CN102859550A (zh) * | 2011-03-15 | 2013-01-02 | 株式会社东芝 | 能量需求预测装置及方法 |
CN103513632A (zh) * | 2012-06-26 | 2014-01-15 | 株式会社日立制作所 | 能源管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104517025A (zh) | 2015-04-15 |
KR20150034614A (ko) | 2015-04-03 |
JP6104116B2 (ja) | 2017-03-29 |
JP2015064816A (ja) | 2015-04-09 |
US20150088327A1 (en) | 2015-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6584040B2 (ja) | バッテリdc特性を使用して電力出力を制御すること | |
Duanmu et al. | A simplified method to predict hourly building cooling load for urban energy planning | |
Anderson et al. | GridSpice: A distributed simulation platform for the smart grid | |
Karnouskos | Cyber-physical systems in the smartgrid | |
Cheng et al. | A BIM-based web service framework for green building energy simulation and code checking | |
Yuventi et al. | A critical analysis of power usage effectiveness and its use in communicating data center energy consumption | |
CN103513632B (zh) | 能源管理系统 | |
Pang et al. | Real-time building energy simulation using EnergyPlus and the Building Controls Virtual Test Bed | |
CN104517025B (zh) | 能源削减量预测方法以及装置 | |
Shamszaman et al. | WoO based user centric Energy Management System in the internet of things | |
Kychkin et al. | IoT-based energy management assistant architecture design | |
Mosshammer et al. | Bifrost: A smart city planning and simulation tool | |
He et al. | A ZIP model-based feeder load modeling and forecasting method | |
Awad et al. | SGsim: Co-simulation framework for ICT-enabled power distribution grids | |
Kamara-Esteban et al. | Bridging the gap between real and simulated environments: a hybrid agent-based smart home simulator architecture for complex systems | |
WO2009108721A3 (en) | System and method for using lifecycle telecommunications expense management (tem) data to predict the outcome of changes to telecommunications infrastruture | |
Bastani et al. | Application of bass diffusion theory to simulate the impact of feedback and word of mouth on occupants’ behavior in commercial buildings: An agent-based approach | |
Alwan et al. | An open source software architecture for smart buildings | |
CN103179169A (zh) | 一种物联网浏览器及其应用方法 | |
Bhargava et al. | An open source tool for reliability evaluation of distribution system using Monte Carlo simulation | |
Yinka-Banjo et al. | A predictive model for automatic generation control in smart grids using artificial neural networks | |
Villasevil et al. | Plug-in driven architecture for renewable energy generation monitoring | |
CN116627433B (zh) | Ai处理器实时的参数预测方法、系统、设备及介质 | |
Dhingra et al. | Solar Power Forecasting in Photovoltaic Modules Using Machine Learning | |
Tao | Design and Implement of Mine Ventilation Security Information System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170922 Termination date: 20200925 |
|
CF01 | Termination of patent right due to non-payment of annual fee |