CN104937804B - 电力需求预测装置、方法和程序以及需求抑制计划制定装置 - Google Patents

电力需求预测装置、方法和程序以及需求抑制计划制定装置 Download PDF

Info

Publication number
CN104937804B
CN104937804B CN201480005578.4A CN201480005578A CN104937804B CN 104937804 B CN104937804 B CN 104937804B CN 201480005578 A CN201480005578 A CN 201480005578A CN 104937804 B CN104937804 B CN 104937804B
Authority
CN
China
Prior art keywords
demand
electricity needs
data
power demand
day
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
Application number
CN201480005578.4A
Other languages
English (en)
Other versions
CN104937804A (zh
Inventor
野田英树
鸟羽广次
森本孝司
宮崎彦
宮崎一彦
西村典子
山田孝裕
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
Publication of CN104937804A publication Critical patent/CN104937804A/zh
Application granted granted Critical
Publication of CN104937804B publication Critical patent/CN104937804B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/3287—Power saving characterised by the action undertaken by switching off individual functional units in the computer system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

电力需求预测装置(1)具有需求数据存储部(9)、需求预测部(5)以及显示部(30)。在需求数据存储部(9)中存储着多个电力需求模式(910)以及气温分类电力需求量数据(920)。需求预测部(5)从需求数据存储部(9)中选择出与预测日的环境条件相对应的需求模式，从气温分类电力需求量数据(920)中取得在预测日的预计气温下的电力需求量的最大值以及最小值，并使用这些数据计算出预测日的各个单位时间的电力需求量，从而制作出需求预测模型(930)。显示部(30)将需求预测模型(930)与由需求预测部(5)选择的电力需求模式(910)一并进行显示。

Description

电力需求预测装置、方法和程序以及需求抑制计划制定装置
技术领域
本发明的实施方式涉及电力需求预测装置、方法和程序以及具备电力需求预测装置的需求抑制计划制定装置。
背景技术
为了进行电力的稳定供给，对负责供电运行的中央供电指令所的管辖区域内的电力需求进行预测，并根据该预测确定各发电所的发电量。电力需求的预测通常使用预测对象地域过去的需求实绩，通过多元回归分析等手法来进行。
在先技术文献
专利文献
专利文献1：日本特开2009-225550号公报
发明内容
发明所要解决的技术问题
近几年，通过给予需求用户各种激励来促使抑制电力消耗的需求响应受到关注。在需求响应(demand response)中，根据电力需求的状态选定激励菜单(incentive menu)尤为重要。为此，不仅需要进行像中央供电指令所管辖区域内那样的大规模地域内的需求预测，而且还需要进行例如像地域供电指令所的管辖区域内那样的、更小规模的区域内的电力需求预测。
然而，对于这样的小规模区域，可预想不存在需求预测所需的过去的需求实绩，或者过去的需求实绩较少。在这种情况下，将对其他地域的需求实绩或各地的需求实绩进行平均化而制作出的数据用作虚拟的需求实绩数据，从而制作需求预测模型，但是，与实际的电力需求之间会产生误差。
因此，在累积出预测对象地域内的需求实绩之前，需要适当地修正虚拟的需求实绩数据，以使该虚拟的需求实绩数据与预测对象地域的需求模式相符。然而，虚拟的需求实绩是以作为绝对值的电力需求量(kWh)表示的数据。因而，难以把握作制出的需求预测模型与作为其依据的数据之间的关联性。另外，对于制作出的需求预测模型，在明确地认识到与实际的电力需求量之间存在差异时，即使可以对需求预测模型进行修正，也难以将该修正反映到绝对值的虚拟需求实绩数据中，难以提高需求预测的精度。
为了解决上述问题，本发明的实施方式的目的在于提供一种电力需求预测装置以及电力需求预测方法，不仅能够把握制作出的需求预测模型与作为其依据的数据之间的关联性，而且能够容易地对作为需求预测模型的依据的数据进行修正，由此，即使在不存在预测对象地域的需求实绩数据的情况下，也能够进行高精度的需求预测，进一步，用户的便利性也优异。
用于解决技术问题的方案
本实施方式的电力需求预测装置用于预测指定的预测日的电力需求，其具备：需求数据存储部，用于存储根据环境条件分类并表示每个单位时间的电力需求比率的多个电力需求模式、以及对各个气温下的电力需求量的最大值与最小值进行汇总而得到的气温分类电力需求量数据；需求预测部，从需求数据存储部中选择出与预测日的环境条件相对应的需求模式，从气温分类电力需求量数据中取得在所述预测日的预计气温下的电力需求量的最大值以及最小值，并计算出预测日的各个单位时间的电力需求量，从而制作出预测日的需求预测模型；以及显示部，将预测日的需求预测模型与由需求预测部选择的电力需求模式一并进行显示。
另外，本实施方式的电力需求预测方法由计算机来执行，用于预测指定的预测日的电力需求，所述计算机能够访问需求数据存储部，所述需求数据存储部用于存储根据环境条件分类并表示每个单位时间的电力需求比率的多个电力需求模式、以及对各个气温下的电力需求量的最大值与最小值进行汇总而得到的气温分类电力需求量数据，其具备如下步骤：从需求数据存储部中选择出与预测日的环境条件相对应的需求模式，从气温分类电力需求量数据中取得在预测日的预计气温下的电力需求量的最大值以及最小值，并计算出预测日的各个单位时间的电力需求量，从而制作出预测日的需求预测模型；以及将预测日的需求预测模型与通过需求预测部选择出的电力需求模式一并显示在显示部上。
此外，本实施方式能够制作成用于使计算机执行上述电力需求预测装置的功能的程序。该程序存储在例如软盘、CD-ROM、光磁盘、半导体存储器、硬盘等的存储介质或存储装置中。另外，有时也借助网络等将其作为数字信号进行传送。此外，中间处理结果被暂时存储在主存储器等的存储装置中。
附图说明
图1是示出第一实施方式所涉及的电力需求预测装置的结构的框图。
图2是示出日历存储部中存储的日历的结构的图。
图3是示出需求数据存储部中存储的数据的图。
图4是示出需求数据存储部中存储的电力需求模式的一例的图。
图5是示出需求数据存储部中存储的气温分类电力需求量数据的一例的图。
图6是示出需求预测部的结构的框图。
图7是示出现状预测画面的一例的图。
图8是示出现状预测画面以及修正区域画面的一例的图。
图9是示出需求预测模型的制作以及修正处理的流程图。
图10是示出第二实施方式所涉及的电力需求预测装置的结构的框图。
图11是示出需求实绩存储部中存储的需求实绩数据的一例的图。
图12示出了根据需求实绩数据制作出的电力需求模式的示例。(a)是通过平均化处理制作出的需求曲线，(b)是通过分布函数处理制作出的箱线图
图13示出了第三实施方式所涉及的需求数据存储部中存储的电力需求变动模式的示例。(a)示出了通过平均化处理制作出的需求曲线，(b)是通过分布函数处理制作出的箱线图。
图14是示出第三实施方式的电力需求预测装置的需求预测部的结构的框图。
图15是示出第三实施方式的电力需求预测装置的实绩基准需求预测模型制作部的结构的框图。
图16是示出第三实施方式的电力需求预测装置的需求预测模型的制作以及修正处理的流程图。
图17是示出第四实施方式的电力需求预测装置的结构的框图。
图18是示出气象模式存储部中存储的气象模式的一例的图。
图19是示出第五实施方式的需求抑制计划制定装置的结构的框图。
具体实施方式
下面，参照附图，对电力需求预测装置、电力需求预测方法以及电力需求预测程序的多个实施方式进行具体说明。
[1、第一实施方式]
(1-1.构成)
在负责大规模区域的供电运行的中央供电指令所管辖区域内，设置有地域供电指令所，所述地域供电指令所分别对分割大规模区域而形成的小规模区域进行供电运行。如图1所示，电力需求预测装置1例如对地域供电指令所A的管辖区域内的电力需求进行预测(在以下的说明中仅称作“需求预测”)。
电力需求预测装置1作为硬件而具备HDD(Hard Disk Drive：硬盘驱动器)等存储装置、CPU、主存储器。另外，具备CRT(Cathode Ray Tube：阴极射线管)和/或液晶显示器等显示部30、鼠标和/或键盘等输入装置40。
显示部30表示用于使用户进行输入的GUI(Graphical User Interface：图形用户界面)画面。输入装置40用于使用户通过GUI画面来输入数据选择和处理的请求等。
CPU将存储在存储装置中的程序加载到主存储器上，从而通过软件等来实现图1所示的电力需求预测装置1的各个结构。即，电力需求预测装置1具有：预测日指定部2，接受将要进行需求预测的日期(在以下的说明中仅称作“预测日”)的指定；气象信息取得部3，借助网络从气象预报服务器700取得预测日的气象信息；环境条件确定部4，用于确定预测日的环境条件；以及需求预测部5，根据预测日的环境条件制作出需求预测模型，从而进行需求预测。
电力需求预测装置1还具有：保存部6，用于将通过需求预测部5制作出的需求预测模型保存到将在后面进行说明的需求预测存储部10中；以及需求预测修正部7，根据来自用户的输入对制作出的需求预测模型进行修正。
电力需求预测装置1进一步具有输出输入控制部(未图示)，该输出输入控制部用于接受上述的各部的控制、对显示部30进行的各种数据的输出、以及来自输入装置40的输入。此外，这些构成要素也可以通过组合电子部件而制成的硬件来实现。
电力需求预测装置1进一步具有：日历存储部8，该日历存储部8中存储有日历，该日历表示未来将要进行需求预测的各个日期的季节和星期等；需求数据存储部9，存储有在需求预测模型制作中所使用的电力需求数据；以及需求预测存储部10，用于将制作出的需求预测模型作为预测日的需求预测进行存储。在存储装置的存储区域内确保了这些存储部。或者，这些存储部也可以被安放在外部服务器上，并借助网络与电力需求预测装置1连接。
预测日指定部2用于接受用户借助输入装置40进行的预测日的指定。或者，预测日的指定也可以按照事先编排好的需求预测时间表来自动进行。
气象信息取得部3借助网络从外部的气象预报服务器700取得在预测日指定部2中指定的预测日的气象信息。气象信息中包含例如晴或雨等天气信息、以及预计最高气温或预计最低气温等气温信息。除此之外还可以包含湿度、日照量等信息。
环境条件确定部4用于确定预测日的环境条件。在此，“环境条件”根据“季节”、“日期类型”以及“天气”决定。根据这些分类，电力的需求模式有很大不同。因此，环境条件是用于对预测日设想的需求模式的类型进行判断的必要条件。
作为“季节”，至少有“春”、“夏”、“秋”以及“冬”四个类型。春夏秋冬的各期间可根据将要进行需求预测的地域的气候而任意制定。例如，可将四到六月分配到“春”、将七到九月分配到“夏”、将十到十二月分配到“秋”、将一到三月分配到“冬”。
作为“日期类型”，至少有“平日”和“节假日”两个类型。例如，可将除了节日以外的星期一到星期五分配到“平日”，而将星期六、星期日以及节日分配到“节假日”。在工厂或办公楼较多的地域，预想在“平日”电力需求较高，而“节假日”电力需求较低。
作为“日期类型”，除了上述的“平日”以及“节假日”之外，还可以追加“特殊日”类型。所谓“特殊日”是指会对电力需求造成影响的大规模活动的举行日。作为这样的大规模活动，可考虑奥运会或世界杯等。例如，在夜间进行世界杯的电视转播时，预想夜间的电力需求会变得特别高。
作为“天气”，至少有“晴”、“雨”以及“阴”三个类型。其他还可以追加“台风”或“雾”等特殊的天气类型。
日历存储部8存储有如图2所示的日历，该日历表示与将要进行需求预测的未来日期相关的季节、星期和节假日信息、以及上述的大规模活动的信息。
环境条件确定部4参照通过气象信息取得部3取得的气象信息，确定预测日的“天气”。进一步地，根据由预测日指定部2指定的预测日，参照存储在日历存储部8中的日历，确定预测日的“季节”以及“日期类型”。
例如，当预测日为“2013年8月14日”且天气信息为“雨”时，环境条件确定部4将预测日的环境条件确定为“季节：夏”、“日期类型：平日”以及“天气：雨”。
如图3所示，在需求数据存储部9中存储有至少两种类型的数据。
·根据环境条件分类并表示每个单位时间的电力需求比率的多个电力需求模式910(在以下的说明中仅称作“电力需求模式”)；
·对各个气温下的电力需求量的最大值以及最小值进行汇总而得到的气温分类电力需求量数据920(在以下的说明中仅称作“气温分类电力需求量数据920”)。
电力需求模式910是将每个单位时间的电力需求量在每个规定期间进行相对化而制作出来的，是表示规定期间内的电力需求比率的演变的数据。作为单位时间，例如可设定为30分钟。作为规定期间，例如可设定为一天。将一天的电力需求的峰值表示为电力需求比率100％，并将电力需求的谷值表示为电力需求比率0％。
由于电力需求根据季节、日期类型以及天气这样的环境条件而表现出不同的模式，因此，在需求数据存储部9中存储有根据这些条件进行分类的多个电力需求模式910。
气温分类电力需求量数据920以绝对值(kWh)的方式表示出各个气温下的电力需求量的最大值以及最小值。即使是相同的气温，由于该气温在作为最高气温与作为最低气温时需求量存在差异，因此，按照最高气温与最低气温分别对数据进行了汇总。
能够根据过去测定的需求实绩事先制作这些数据。如果所使用的过去的需求实绩是地域供电指令所A的管辖区域内的需求实绩，则可靠性较高。然而，即使在不存在地域供电指令所A的管辖区域内的需求实绩的情况下、或者数据的积累较少的状态下，通过使用如下的地域的需求实绩，也能够制作出具有某种程度的可靠性的需求模式，即可认为表示与地域供电指令所A的管辖区域内比较类似的需求模式的、地域的需求实绩。例如，能够根据负责地域供电指令所A的中央供电指令所管辖区域全体的过去的需求实绩来进行制作。
以如下方式制作电力需求模式910。例如，作为规定的需求实绩，存在以30分钟为单位在规定期间内对中央供电指令所管辖区域内的电力需求量进行测定并将该测定值以日为单位进行汇总而得到的数据。在该数据中，还包含测定时间的天气信息。
将该数据按照上述的环境条件分类成用于表示类型化的需求模式的组。首先，根据测定时的季节，作为“季节”分类成“春”、“夏”、“秋”、“冬”。根据测定星期，作为“日期类型”分类成“平日”或者“节假日”。在此，也可以根据需要设置“特殊日”分类。进一步地，作为“天气”至少分类成“晴”、“雨”以及“阴”。由此，需求实绩至少被分成24个组。
进一步地，求出每个组中各个单位时间的需求量的平均值。然后，将一天的峰值的需求量设为需求比率100％，并将谷值的需求量设为需求比率0％，并以这些为基准，对其之间的各需求量求出需求比率。由此，制作出如图4所示那样的表示一天的电力需求比率的演变的需求曲线。当单位时间为30分钟时，制作出连接总计48个点的需求比率的需求曲线。以这种方式制作出的电力需求模式910被存储在需求数据存储部9中。
图4(a)是根据“季节：夏”、“日期类型：平日”以及“天气：晴”的环境条件制作出的需求模式的一例。图4(b)是根据“季节：夏”、“日期类型：平日”以及“天气：雨”的环境条件制作出的需求模式的一例。
另一方面，以如下方式制作气温分类电力需求量数据920。作为规定的需求实绩，存在以30分钟为单位在规定期间内对中央供电指令所管辖区域内的电力需求量进行测定并将该测定值以日为单位进行汇总而得到的数据。在该数据中，还包含各个日期的最高气温以及最低气温的信息。
首先，提取各个日期的最高气温、该日期的电力最大需求量及最小需求量。当存在最高气温相同但需求量不同的日期时，求出各个日期的需求量的平均值。或者，也可以对最大需求量选择出较大的值，对最小需求量选择出较小的值。然后，连接各个气温的最大需求量与最小需求量，从而制作出用于表示不同气温的电力需求量的需求曲线。同样地，提取各个日期的最低气温、该日期的电力最大需求量以及最小需求量，从而制作出用于表示不同气温的电力需求量的需求曲线。由此，制作出如图5所示那样的气温分类电力需求量数据920。
如图6所示，需求预测部5具有需求预测数据取得部51、需求预测模型制作部52以及输出部53。需求预测数据取得部51用于取得需求预测所需的各种数据。具体而言，从预测日指定部2取得预测日的指定信息，并从环境条件确定部4取得预测日的环境条件。另外，从气象信息取得部3取得预测日的气象信息。然后，从需求数据存储部9取得与预测日的环境条件以及气象信息相对应的数据。
具体而言，从存储在需求数据存储部9中的多个电力需求模式910中选择并取得与预测日的环境条件相符合的电力需求模式910。例如，当从环境条件确定部4取得了“季节：夏”、“日期类型：平日”以及“天气：雨”的环境条件时，选择并取得根据图4(b)中示出的“季节：夏”、“日期类型：平日”以及“天气：雨”的环境条件制作出的需求模式910。
需求预测数据取得部51进一步从存储在需求数据存储部9中的气温分类电力需求量数据920取得预测日的气象信息中所包含的预测气温下的最大电力需求量与最小电力需求量。由于在预测气温中存在最高气温和最低气温，因此，需求预测数据取得部51取得总计4个点的电力需求量。
例如，预测最高气温为30℃，需求预测数据取得部51从以与最高气温相关的方式汇总的数据中取得30℃的最大电力需求量与最小电力需求量。同样地，当预测最低气温为20℃时，需求预测数据取得部51从以与最低气温相关的方式汇总的数据中取得20℃的最大电力需求量与最小电力需求量。
需求预测模型制作部52使用在需求预测数据取得部51中取得的数据制作需求预测模型。具体而言，对于以作为相对值的需求比率表示的需求模式910的各个点，适用根据最大电力需求量与最小电力需求量计算出的作为绝对值的需求量。
需求预测数据取得部51虽然取得了4个点的电力需求量，但是，在需求预测模型制作时，使用其中的2个点即可。对于电力需求模式910中表示一日的峰值的需求比率100％，适用4个点的需求量中的最大值。同样地，对于电力需求模式910的需求比率0％，适用4个点的需求量中的最小值。
例如，在预计最高气温为30℃且预计最低气温为20℃的情况下，如图5所示，对于需求比率100％，适用4个点的最大值即30℃的最大需求量。另外，对于需求比率0％，适用4个点的最小值即20℃的最小需求量。
对于电力需求模式910的其余部分，根据需求比率100％或0％的需求量，按照各个单位时间的需求比率计算出绝对值的电力需求量。在图4(a)示出的需求模式中，根据最大需求量以及最小需求量的数据，在48个点中首先确定2个点的电力需求量。对于剩余的46个点，对最大需求量或最小需求量乘以各个点的需求比率，从而计算出电力需求量。
通过连接这样计算出来的各个单位时间的电力需求量，制作出表示预测日的需求曲线的需求预测模型。
输出部53输出通过需求预测模型制作部52制作出的需求预测模型、为了制作该需求预测模型而通过需求预测数据取得部51取得的电力需求模式910、以及气温分类电力需求量数据920，并作为现状预测画面31显示在显示部30上。
在图7中示出了现状预测画面31的一例。在现状预测画面31中，电力需求模式910以及气温分类电力需求量数据920以与需求预测模型930并排的形式配置，以使用户能够明确作为需求预测依据的数据。
分别以图表的形式显示电力需求模式910以及气温分类电力需求量数据920。对于电力需求模式910，该电力需求模式910将被分类的环境条件也一并被显示出来，使用户易于把握需求预测结果的意义和依据。对于气温分类电力需求量数据920，将预计最高气温与预计最低气温、以及通过需求预测数据取得部51取得的4个点的电力需求量之中制作需求预测模型时所使用的最大值与最小值一并显示出来，同样使用户易于把握需求预测结果的意义和依据。对于电力需求量的最大值与最小值，也可以以在图表上进行标注的形式表示出来。
在现状预测画面31中嵌入有保存按钮32以及修正按钮33。在对现状预测画面31进行了确认的用户判断无需修正需求预测模型930时，借助输入装置40按下保存按钮32。与对保存按钮32进行的按下操作相对应地，保存部6将显示在现状预测画面31上的需求预测模型930作为预测日的需求预测存储到需求预测存储部10中。
另一方面，在对现状预测画面31进行了确认的用户判断有必要修正需求预测模型930时，借助输入装置40按下修正按钮33。例如，在显示于图7的现状预测画面31上的电力需求模式910中，电力需求在12时阶段并未下降而是上升了。然而，在地域供电指令所A的管辖区域内有多个大型工厂，预先设想在午休的12时阶段因生产线停工会使电力需求下降。在这样的情况下，需要对需求预测模型930进行修正。
此外，对于气温分类电力需求量数据920，例如，预测日的湿度非常高，因为该湿度的原因，电力需求量显然会高于气温分类电力需求量数据920的最大需求量，在这种情况下，也能够适当地修正需求量数据。
与对修正按钮33进行的按下操作相对应地，需求预测修正部7复制现状预测画面31的内容，并在显示部30中显示用于进行修正处理的修正区域画面34。在图8中示出了修正区域画面34的一例。修正区域画面34可以与现状预测画面31并排显示，以使用户明确对现状预测进行修正的修正部分。
在修正区域画面34中，以与现状预测画面31同样配置的方式排列着原本显示在现状预测画面31上的需求预测模型930、电力需求模式910以及气温分类电力需求量数据920。对需求预测模型930的修正通过如下方式进行，即对电力需求模式910或气温分类电力需求量数据920进行修正，并根据修正后的数据重新制作需求预测模型930。
对电力需求模式910或气温分类电力需求量数据920的修正能够通过如下方式进行，即由用户借助鼠标点击图表的欲修正的位置，并进一步根据希望的修正量朝上下方向拖拽鼠标来进行修正。在修正区域画面34中，在电力需求模式910以及气温分类电力需求量数据920各自的下部嵌入有修正显示部35，用于显示与鼠标的拖拽量相对应的修正量。此外，修正量的指定还能够通过如下方式进行，即在点击修正位置之后由用户借助键盘直接输入修正量。
例如，根据通常的统计数据，设想在具有多个工厂的区域内12时阶段的电力需求将比峰值时下降30％，在这种情况下，将电力需求模式910的12时阶段的电力需求比率修正为70％。
需求预测修正部7根据修正后的电力需求模式910或气温分类电力需求量数据920，以与需求预测部5中制作需求预测模型930时的处理同样的方法进行需求预测模型的重新制作。
代替修正前的需求预测模型930，需求预测修正部7将重新制作出的需求预测模型930显示在修正区域画面34上。在修正区域画面34中嵌入有修正结束按钮36。在对修正区域画面34进行了确认的用户判断需求预测模型930的修正内容妥当时，借助输入装置40按下保存按钮32。与对修正结束按钮36进行的按下操作相对应地，保存部6将显示在修正区域画面34上的需求预测模型930作为预测日的需求预测存储到需求预测存储部10中。
在修正区域画面34中嵌入有数据更新按钮。在用户判断修正区域画面34中的修正内容还应当应用于今后的需求预测时，借助输入装置40按下数据更新按钮。与对数据更新按钮进行的按下操作相对应地，需求预测修正部7用修正后的电力需求模式或气温分类电力需求量数据920覆盖需求数据存储部9中存储的现有的电力需求模式或气温分类电力需求量数据920，从而进行更新。
因仅在预测日出现的活动而对数据进行了修正时，无需使修正内容反映到今后的需求预测中，因此，不按下数据更新按钮，修正内容将被废弃。
此外，也可以代替数据更新按钮，而在按下修正结束按钮36时显示“是否对电力需求数据进行更新？”的信息与“是”按钮以及“否”按钮。当按下“是”按钮时，对电力需求模式910或气温分类电力需求量数据920进行更新，当按下“否”按钮时，修正内容将被废弃。
(1-2.作用)
对如上结构的电力需求预测装置1的作用进行说明。在预测日指定部2中指定将要进行需求预测的日期(步骤S01)。在此，例如将2013年8月14日指定为预测日。
气象信息取得部3借助网络从气象预测数据库取得在预测日指定部2中指定的预测日的气象信息(步骤S02)。作为2013年8月14日的气象信息例如取得如下信息。
“天气：雨预计最高气温：30℃预计最低气温：20℃”。
环境条件确定部4参照通过气象信息取得部3取得的天气信息和存储在日历存储部8中的日历，从而确定预测日的环境条件(步骤S03)。例如，2013年8月14日的环境条件被确定如下。
“季节：夏日期类型：平日天气：雨”。
需求预测部5从需求数据存储部9中选择并取得电力需求模式910，该电力需求模式910与通过气象信息取得部3取得的天气、以及通过环境条件确定部4确定的环境条件相符合(步骤S04)。
在此，作为与2013年8月14日的天气以及环境条件相符合的电力需求模式910，选择在图4(b)中示出的被分类为“季节：夏日期类型：平日天气：雨”的需求模式数据。
需求预测部5的需求预测数据取得部51从存储在需求数据存储部9内的气温分类电力需求量数据920中取得预测日的预计气温的电力需求量，该预测日的预计气温是通过气象信息取得部3取得的。具体而言，对于预计最高气温以及预计最低气温，分别取得最大电力需求量以及最小电力需求量(步骤S05)。
在此，对于2013年8月14日的预计最高气温30℃以及预计最低气温20℃分别取得最大电力需求量以及最小电力需求量。
需求预测部5的需求预测模型制作部52将取得的4个点的电力需求量中的最大值适用于在步骤S04中取得的电力需要模式910的需要比率100％，而将最小值适用于需求比率0％。对于其余的时间，根据最大需求量或者最小需求量，按照各个时间的需求比率计算出需求量，从而制作出预测日的需求预测模型(步骤S06)。
在此，预计最高气温30℃的最大需求量为表示需求比率100％的下午2时30分的预测需求量。另外，预计最低气温20℃的最小需求量为表示需求比率0％的上午3时的预测需求量。
需求预测部5的输出部53将通过需求预测模型制作部52制作出的需求预测模型930与为了制作需求预测模型而选择的电力需求模式910以及气温分类电力需求量数据920一并输出，并作为现状预测画面31显示在显示部30上(步骤S07)。
对现状预测画面31进行了确认的用户判断无需对制作出的需求预测模型930进行修正时(步骤S08：否)，保存部6将需求预测模型930保存到需求预测存储部10中(步骤S09)。
对现状预测画面31进行了确认的用户判断需要对制作出的需求预测模型930进行修正时(步骤S08：是)，需求预测修正部7使复制了现状预测画面31的内容的修正区域画面34显示在显示部30上(步骤S10)。
借助输入装置40，由用户对电力需求模式910或者气温分类电力需求量数据920进行修正，需求预测修正部7根据修正后的电力需求模式910以及气温分类电力需求量数据920重新制作需求预测模型930，由此进行需求预测模型930的修正(步骤S11)。
修正结束后，需求预测修正部7将修正后的需求预测模型930保存到需求预测存储部10中(步骤S09)。另外，根据需要，用修正后的电力需求模式910或气温分类电力需求量数据920覆盖需求预测存储部10中存储的现有的电力需求模式910或气温分类电力需求量数据920，从而进行更新。
(1-3.效果)
(1)如以上说明所述，本实施方式的电力需求预测装置1具有需求数据存储部9，该需求数据存储部9用于存储根据环境条件分类并表示每个单位时间的电力需求比率的多个电力需求模式910、以及对各个气温下的电力需求量的最大值与最小值进行汇总而得到的气温分类电力需求量数据920，并根据这些多个电力需求模式910和气温分类电力需求量数据920进行预测日的电力需求预测。即，需求预测部5从需求数据存储部9中选择出与预测日的环境条件相对应的电力需求模式910，从气温分类电力需求量数据920中取得在预测日的预计气温下的电力需求量的最大值以及最小值，并利用这些取得的数据计算出预测日的各个时间的电力需求量。将这样制作出来的预测日的需求预测模型930与由需求预测部5选择的电力需求模式910一并显示在显示部30上。
这样，利用根据环境条件分类的电力需求模式910，制作出需求预测模型930，并将该电力需求模式910与制作出的需求预测模型930一并显示出来，由此使用户能够容易地观察确认需求预测结果的意义和依据。进一步地，以对作为绝对值的需求量进行相对化处理而得到的需求比率来表示电力需求模式910，因此，易于进行反映通常比率的统计数据的修正。因此，即使在预测对象地域内不存在需求实绩或者需求实绩较少的状态下，本实施方式的电力需求预测装置1也能够以使用户易于理解、而且容易进行修正的方式呈现出需求预测，可靠性高且便利性优异。
(2)在电力需求模式910的分类中所使用的环境条件根据如下分类决定，即易于预测季节、包含平日或者休息日在内的日期类型以及天气的需求变动趋势的分类。而且，也可以将由需求预测部5选择的电力需求模式910的环境条件与电力需求模式910一并显示在所述显示部30上。由此，使用户更易于理解需求预测结果的意义和依据，并使便利性得到提高。
(3)在显示部30中，可以与预测日的需求预测模型930以及由需求预测部5选择的电力需求模式910一并显示出气温分类电力需求量数据920。由此，能够更容易把握需求预测结果的意义和依据。
(4)电力需求预测装置1进一步具备需求预测修正部7，该需求预测修正部7用于对通过需求预测部5制作出的需求预测模型930进行修正。需求预测修正部7根据来自用户的输入对显示在显示部30上的电力需求模式910进行修正，由此修正需求预测模型930。
并非直接修正需求预测模型，而是对以易于反映通常数据的电力需求比率的方式制作出的电力需求模式910进行修正，并使用修正后的电力需求模式910重新制作预测日的需求预测模型结果，由此，能够容易且正确地进行需求预测模型的修正，能够进一步提高电力需求预测装置1的可靠性以及便利性。
(5)可以将通过需求预测修正部7进行了修正的电力需求模式910存储在需求数据存储部9中。由此，能够在下一次的需求预测中利用修正后的数据，从而提高需求预测的精度，即使在需求实绩较少的状态下，也能够进行信赖性较高的需求预测。
[2、第二实施方式]
接下来，对第二实施方式进行说明。在第二实施方式及其以后的实施方式中，仅对与上述实施方式的不同之处进行说明，对相同的部分赋予相同的附图标记并省略详细说明。
在本实施方式中，对如下形态进行说明，即在取得需求预测对象地域的需求实绩的情况下，根据该需求实绩制作需求数据，并对存储在需求数据存储部9中的数据进行更新。
如图10所示，电力需求预测装置1在第一实施方式中示出的结构之上，进一步具备：需求实绩存储部11，用于存储需求预测对象地域的过去的需求实绩数据；以及需求数据制作部12，根据需求实绩数据制作需求预测用的数据。
需求实绩存储部11存储有作为需求预测对象的地域供电指令所A管辖区域内的过去的需求实绩数据。在未图示的需求量测定装置中，在每个单位时间对地域供电指令所A的管辖区域内的电力需求量进行测定，由此制作出需求实绩数据。制作出的需求实绩数据例如借助网络定期地或者根据用户的选择累积到需求实绩存储部11中。
在图11中示出了存储在需求实绩存储部11中的需求实绩数据的一例。需求实绩数据940包含在每个单位时间测定出来的电力需求量、测定日以及测定时刻。进一步，还包含季节、日期类型以及天气的环境条件、测定时刻的气温。
需求数据制作部12根据存储在需求实绩存储部11中的需求实绩数据940制作电力需求模式910以及气温分类电力需求量数据920的需求预测用的数据。对于需求预测用数据的制作来说，虽然只要取得一天的需求实绩数据940就能够制作出来，但是，也能够根据规定期间内的需求实绩数据940进行汇总从而制作出来。作为数据制作的时机，可以在从未图示的需求量测定装置定期取得需求实绩数据940时进行，或者也可以根据用户借助输入装置40选择的任意的需求实绩数据940来制作需求预测用的数据。
能够使用与第一实施方式中说明的方法相同的方法制作电力需求模式910。当作为制作对象的需求实绩数据940为一天的数据时，能够单纯地将一天的峰值的需求量设为需求比率100％，并将谷值的需求量设为需求比率0％，并以这二者为基准对其之间的各需求量求出需求比率，由此来制作电力需求模式910。
当作为电力需求模式910的制作对象的需求实绩数据940为多天的数据时，首先按照环境条件对需求实绩数据940进行分类。即，需求实绩数据940分别被分类到“季节”、“日期类型”以及“天气”的类型相同的组中。
在根据环境条件分类的组内，即使测定时刻相同，电力需求量也不同，会出现存在波动的情况。在这种情况下，可以求出同一测定时刻的电力需求量的平均值。或者，使电力需求模式910具有某种程度的幅度，因而可以通过分布函数处理求出中心值和波动幅度。
然后，在测定时刻之中，将峰值的需求量设为需求比率100％，将谷值的需求量设为需求比率0％，并以这二者为基准求出各个测定时刻的需求比率。在对各个测定时刻的电力需求量进行了平均化处理的情况下，制作出如图12(a)所示的平均化的需求曲线。在对各个测定时刻的电力需求量进行了分布函数处理的情况下，制作出如图12(b)所示的箱线图。
需求数据制作部12将这样制作出来的电力需求模式910保存到需求数据存储部9中。当在需求数据存储部9中已经存储有被分类为同一环境条件的电力需求模式910时，可以以覆盖现有的数据的方式进行更新。或者，也可以保存为新的数据，并设定成在进行需求预测时由用户进行选择，即由用户选择其认为更加近似的电力需求模式910。
能够使用与第一实施方式中说明的方法相同的方法制作出气温分类电力需求量数据920。以测定日为单位，从需求实绩数据940中提取最高气温、以及电力需求量的最大值与最小值，并进行汇总。对于最低气温，也同样地提取电力需求量的最大值与最小值，并进行汇总。然后，通过分别连接各个气温的最大电力需求量与最小电力需求量，由此制作出表示不同气温的电力需求量的需求曲线。
当作为制作对象的需求实绩数据940为多天的数据时，即使最高气温或最低气温相同，电力需求量的最大值以及最小值也不同，会出现存在波动的情况。在这种情况下，可以以相同的气温为单位求出电力需求量的平均值。或者，也可以对最大需求量选择较大的值，对最小需求量选择较小的值。另外，使电力需求量数据具有某种程度的幅度，因而也可以通过分布函数处理求出中心值和波动幅度。
需求数据制作部12将这样制作出来的气温分类电力需求量数据920保存到需求数据存储部9中。此时，可以以覆盖需求数据存储部9中存储的现有的数据的方式进行更新。或者，也可以保存为新的数据，并设定成在进行需求预测时由用户进行选择，即由用户选择其认为更加近似的气温分类电力需求量数据920。
在需求数据存储部9中存储了电力需求模式910以及气温分类电力需求量数据920，其中，所述电力需求模式910以及所述气温分类电力需求量数据920是根据作为需求预测对象地域的地域供电指令所A管辖区域内的过去的需求实绩数据940制作出来的，需求预测部5使用这些电力需求模式910和气温分类电力需求量数据920以与第一实施方式相同的方法进行需求预测模型的制作。
如以上详细说明的那样，在本实施方式中，通过设置根据需求实绩数据940制作需求预测数据的需求数据制作部12，能够随时提高需求预测的精度。例如，即使在需求实绩的积累尚不充分且无法直接将需求实绩数据940用于需求预测的状态下，也能够通过部分性地反映需求实绩来提高需求预测的可靠性。
[3、第三实施方式]
接下来，对第三实施方式进行说明。在本实施方式中，对如下形态进行说明，即，使用在第一实施方式中说明的电力需求模式910以及气温分类电力需求量数据920进行需求预测的基础之上，直接使用在第二实施方式中说明的需求预测对象地域的需求实绩数据来进行需求预测。
与第二实施方式相同，在本实施方式中，电力需求预测装置1具有需求实绩存储部11。需求实绩存储部11存储有需求实绩数据940，该需求实绩数据940包含如图11所示的在每个单位时间测定出的电力需求量、以及测定日、测定时刻、环境条件和测定时刻的气温。
在本实施方式中，利用以该单位时间为单位进行汇总而得到的详细的需求实绩数据940进行需求预测。因此，在气象信息取得部3中，优选取得预测日的每个单位时间的详细气象信息。由此，对于预测日的各个单位时间能够选择最为近似的需求实绩数据940，从而进行需求预测。
另外，如图13所示，在需求数据存储部9中除了第一实施方式中示出的电力需求模式910和气温分类电力需求量数据920之外，还存储有以下的数据。
·根据环境条件分类并表示由每个单位时间的气温变化所引起的电力需求变动率的多个电力需求变动模式950(在以下的说明中仅称作“电力需求变动模式”)。
在图13中示出了电力需求变动模式950的一例。电力需求变动模式950是以规定期间为单位对由每个单位时间的气温变化所引起的电力需求变动率进行汇总而得到的，表示出了每个单位时间的电力需求变动率的演变。例如，能够设置成，以日为单位对每30分钟的、气温变化1℃时的电力需求变动率进行汇总而得到的数据。
与电力需求模式910相同，根据环境条件，电力需求变动模式950会有所不同，因此，在需求数据存储部9中存储有根据环境条件分类的多个电力需求变动模式950。
图13(a)是根据“季节：春”、“日期类型：平日”以及“天气：晴”的环境条件制作出的电力需求变动模式950，图13(b)是根据“季节：夏”、“日期类型：平日”以及“天气：晴”的环境条件制作出的电力需求变动模式950。
对于电力需求变动模式950来说，可以预先准备已有的数据并将其存储在需求数据存储部9中。或者，也可以通过第二实施方式中说明的需求数据制作部12，根据存储在需求实绩存储部11中的地域供电指令所A的管辖区域内的需求实绩数据940制作出来。
作为电力需求变动模式950的制作方法为，首先，需求数据制作部12以在第二实施方式中说明的方式，根据环境条件对需求实绩数据940进行分类，并制作出电力需求模式910。进一步，使用各个单位时间的测定气温，计算出每个单位时间气温变化1℃时的电力需求变动率，由此，制作出电力需求变动模式950。在制作电力需求模式910时进行了平均化处理的情况下，如图13(a)所示，制作出平均化后的需求曲线。在制作电力需求模式910时进行了分布函数处理的情况下，制作出如图13(b)所示的箱线图。
需求数据制作部12将这样制作出的电力需求变动模式950存储在需求数据存储部9中。
进一步，在本实施方式中，如图14所示，需求预测部5除了在第一实施方式以及第二实施方式中示出的结构之外，还具有需求实绩数据取得部54、需求实绩数据临时存储部55、实绩基准需求预测模型制作部56。根据这样的结构，选择性地进行利用电力需求模式910以及气温分类电力需求量数据920的需求预测、与利用需求实绩数据940以及电力需求变动模式950的需求预测。
另外，对于在第一实施方式中说明的需求预测模型制作部52，为了与实绩基准需求预测模型制作部56区别，在本实施方式中称作模式基准需求预测模型制作部52。
需求实绩数据取得部54参照需求实绩存储部11，检索与预测日的环境条件近似的需求实绩数据940，在数据存在时，取得该数据并保存到需求实绩数据临时存储部55中。
具体而言，需求实绩数据取得部54首先根据由预测日指定部2指定的预测日确定需求实绩数据940的检索对象期间。虽然可以任意地设定检索对象期间，但是，例如可从预测日起进行追溯，并将截至到三年前的、预测日前后三十天之间的数据作为检索对象期间，从而预先对与预测日近似的需求实绩数据940进行精简。
需求实绩数据取得部54检索作为检索对象期间的数据，并提取与通过环境条件确定部4确定的预测日的环境条件近似的数据。具体而言，提取与预测日的季节、日期类型以及天气的类型一致的数据。对于需求实绩数据940来说，即使测定日相同，也会存在因测定时刻不同而导致天气不同的情况，但是，在同一测定日的需求实绩数据940中，只要存在一项天气与预测日的天气相同，就可以将其作为提取对象。
需求实绩数据取得部54将提取的需求实绩数据940作为在需求预测时使用的候补，并暂时保存在需求实绩数据临时存储部55中。当提取了多个测定日的需求实绩数据940时，可以对取得的需求实绩数据940进行精简。精简可以通过如下方式进行，即由用户借助输入装置40对取得的需求实绩数据940进行选择。或者，也可以在提取的需求实绩数据940中，自动地仅取得测定气温相对于预测日的预计最高气温以及预计最低气温的误差位于规定范围内的需求实绩数据940。
当在需求实绩数据940中不存在预测日前后的需求实绩数据940时，或者不存在与环境条件一致的需求实绩数据940时，不进行需求实绩数据940的取得以及保存。
在不进行需求实绩数据940的取得时，与第一实施方式同样地，需求预测部5利用电力需求模式910以及气温分类电力需求量数据920进行需求预测。具体而言，需求预测数据取得部51根据预测日的环境条件和气象信息，从需求数据存储部9取得电力需求模式910和气温分类电力需求量数据920。模式基准需求预测模型制作部52利用这些数据来进行需求预测模型的制作，输出部53输出制作出的需求预测模型930，并将该需求预测模型930显示在显示部30上。
另一方面，在通过需求实绩数据取得部54进行了需求实绩数据940的取得的情况下，需求预测部5利用需求实绩数据940进行需求预测。在这种情况下，代替电力需求模式910以及气温分类电力需求量数据920，需求预测数据取得部51从需求数据存储部9中取得电力需求变动模式950。从存储在需求预测数据取得部51内的多个电力需求变动模式950中取得与预测日的环境条件相符合的电力需求变动模式950。
利用这些数据进行的需求预测模型的制作是通过实绩基准需求预测模型制作部56进行的，而非需求预测模型制作部52。如图15所示，实绩基准需求预测模型制作部56具有初始时刻自动设定部57、生成时刻设定部58、近似气象条件需求实绩取得部59以及预测值生成部60。实绩基准需求预测模型制作部56以单位时间生成需求预测值，并对该需求预测值进行一天数据的汇总，由此完成预测日的需求预测模型。
初始时刻自动设定部57用于设定开始生成需求预测值的初始时刻。虽然初始时刻可由用户借助输入装置40来设定，但是，也可以自动地设定为例如0时。
生成时刻设定部58用于设定需求预测值的生成时刻单位。虽然生成时刻可由用户借助输入装置40来设定，但是，也可以与需求实绩的单位时间相同地自动设定成以30分钟为单位生成。即，在需求预测的初始时刻为0时的情况下，下一次的生成时刻为0：30，最后一次的生成时刻为23：30。
近似气象条件需求实绩取得部59从暂时保存在需求实绩数据临时存储部55内的需求实绩数据940中取得与各个生成时刻的气象信息最为近似的需求实绩数据940。具体而言，近似的需求实绩数据940是指，测定时刻与生成时刻一致、进一步测定时的天气与生成时刻的预计天气一致、且测定时的气温与生成时刻的预计气温之间的差分最少的需求实绩数据940。作为需求实绩还记录了湿度，在通过气象信息还取得了湿度信息时，除了气温的差分以外，还可以在考虑湿度的差分的基础之上进行选择。
预测值生成部60对由近似气象条件需求实绩取得部59取得的近似的需求实绩数据940进行补正，所述补正是考虑到与生成时刻的预计气温之间的差分而进行的补正。为了进行补正，根据电力需求变动模式950计算出补正系数。
作为该补正系数的计算，实绩基准需求预测模型制作部56求出生成时刻的预计气温与需求实绩数据940的气温之间的差分。接着，从电力需求变动模式950中参照在生成时刻气温变化1℃时的需求量变动率。用该需求量变动率乘以预计气温与需求实绩数据940的气温之间的差分，从而计算出电力需求量的补正系数。实绩基准需求预测模型制作部56将计算出的补正系数加到需求实绩数据940的电力需求量上。由此，计算出预测日的生成时刻的电力需求量的预测值。
例如，在预测日为2013年8月5日且生成时刻为0：30的情况下，作为近似的需求实绩数据940而取得测定日为2013年7月10日且测定时刻为0：30的需求实绩数据940。该需求实绩数据940中的气温是20℃。与此相对地，预测日8月5日0：30的预计气温为23℃。即，预测日的预计气温相对于需求实绩的气温存在+3℃的差异。因此，在电力需求变动模式950示出的0：30的气温变化1℃时的需求量变动率为2％的情况下，将3倍于该需求量变动率的6％作为补正系数。使测定日2013年7月10日且测定时刻为0：30的电力需求量提高6％，并将提高6％后得到的值作为2013年8月5日0：30的电力需求量的预测值。
实绩基准需求预测模型制作部56对各个生成时刻循环进行上述处理，从而计算出各自的电力需求量的预测值，并且，作为连接各预测值的需求曲线，制作出预测日的需求预测模型。与第一实施方式同样地，通过输出部53将制作出的需求预测模型显示在显示部30上。在通过实绩基准需求预测模型制作部56进行了需求预测的情况下，将需求预测模型930与作为预测依据的需求变动模式和需求实绩数据940一并显示在显示部30上。
参照图16的流程图，对本实施方式中的电力需求预测装置1的作用进行说明。此外，适当地省略与第一实施方式重复的部分，重点说明在利用电力需求模式910以及气温分类电力需求数据920进行的需求预测、与利用需求实绩数据940以及电力需求变动模式950进行的需求预测之间的切换。
与第一实施方式相同地，在预测日指定部2中指定预测日(步骤S101)。接下来，气象信息取得部3借助网络从气象预测数据库取得在预测日指定部2中指定的预测日的天气信息(步骤S102)。在本实施方式中，取得每个单位时间的详细气象信息。例如，当预测日为2013年8月5日时，从2013年8月5日0时起，以30分钟为单位取得截止到23：30的气象信息。
环境条件确定部4参照由气象信息取得部3取得的天气信息以及存储在日历存储部8中的日历，确定预测日的环境条件(步骤S103)。
需求预测部5的需求实绩数据取得部54检索存储在需求实绩数据存储部中的需求实绩数据940，当不存在与预测日的环境条件近似的需求实绩数据940时(步骤S104：否)，与第一实施方式同样地，需求预测数据取得部51取得电力需求模式910和气温分类电力需求量数据920，需求预测模型制作部根据这些数据制作需求预测模型930(步骤S105至步骤S107)。
另一方面，当存在与预测日的环境条件近似的需求实绩数据940时(步骤S104：是)，提取该需求实绩数据940，并将该需求实绩数据940保存到需求实绩数据临时存储部55中(步骤S120)。
另一方面，在通过需求实绩数据取得部54进行了需求实绩数据940的取得处理的情况下，需求预测数据取得部51从需求数据存储部9中取得与预测日的环境条件相符合的电力需求变动模式950(步骤S121)。
在实绩基准需求预测模型制作部56中，使用需求实绩数据940和电力需求变动模式950制作需求预测模型930(步骤S122)。对实绩基准需求预测模型制作部56的作用已进行过说明，因此省略详细说明。
需求预测部5的输出部53将制作出的需求预测模型930作为现状预测画面31显示出来(步骤S108)。在此，当使用电力需求模式910和气温分类电力需求量数据920制作出了需求预测模型时，需求预测模型930与这些数据一并被显示出来。另一方面，当使用需求实绩数据940和电力需求变动模式950制作出了需求预测模型930时，需求预测模型930与由近似气象条件需求实绩取得部59最终选择的需求实绩数据940以及电力需求变动模式950一并被显示出来。
如果需要对需求预测模型930进行修正，则在修正区域画面34中进行修正(步骤S111至步骤S112)。修正后，将需求预测模型930保存到需求预测存储部10中(步骤S110)。
如以上详细说明的那样，在本实施方式中，电力需求预测装置1具备需求实绩存储部11，将在每个单位时间测定出的预测对象区域的电力需求量按照所述环境条件进行分类，并将分类后的需求实绩存储在该需求实绩存储部11中。另外，在需求数据存储部9中存储有根据环境条件分类并表示由每个单位时间的气温变化所引起的需求变动率的多个电力需求变动模式950。
需求预测部5从需求实绩存储部11中提取与预测日的各个单位时间的环境条件相符合的需求实绩，并从需求数据存储部9中取得与所述预测日的环境条件相符合的电力需求变动模式950。然后，根据需求实绩的气温与预测日的预计气温之间的差分，使用电力需求变动模式950的各个单位时间的电力需求变动率，对需求实绩的各个单位时间的电力需求量进行补正，从而制作出预测日的需求预测模型930。
根据这样的结构，直接使用已累积的需求实绩数据940来进行需求预测，由此，能够进一步提高需求预测的精度。另外，根据预测日，当不存在可使用的需求实绩时，通过选择性地使用电力需求模式910和气温分类电力需求量数据920进行需求预测，能够进一步提高用户的便利性。
[4、第四实施方式]
对第四实施方式进行说明。在第三实施方式中，在气象信息取得部3中，取得预测日的每个单位时间的详细气象信息，并使用气象信息中包含的每个单位时间的预测气温的信息进行基于需求实绩数据940的需求预测。在本实施方式中，对如下形态进行说明，即气象信息限于1天1条，在无法取得每个单位时间的气象预测信息的情况下，根据预先设定的气象模式对数据进行插补。
在本实施方式中，如图17所示，电力需求预测装置1除了上述实施方式的结构之外，还具有用于存储气象模式的气象模式存储部13以及气象预测数据构建部14，该气象预测数据构建部14使用从外部的气象预报服务器700取得的气象信息制作每个单位时间的气象预测数据。
如上所述，在本实施方式中，气象信息取得部3在整个预测日中取得1条的气象信息。例如，当预测日为2013年8月5日时，气象信息取得部3取得以下的气象信息。
“天气：晴、12时的预计气温：30℃”。
气象预测数据构建部14根据由气象信息取得部3取得的气象信息，从气象模式存储部13中取得与指定的预测日及其气象信息相对应的气象模式960。作为气象模式960，可列举出如下数据，即根据季节和天气分类的、表示气温的相对时间变化量的数据。如图18所示，当预测日为2013年8月5日时，取得表示季节为“夏”、天气为“雨”的气温的相对时间变化量的气象模式960。
气象预测数据构建部14将气象信息中包含的预计气温适用于该气象模式960。通过气象信息取得的、预测日12时的预计气温为30℃，在图18的气象模式960中，12时的相对温度表示为95％。因此，将95％设为30℃，对各个单位时间的相对温度计算出气温，从而生成需求预测所需的每个单位时间的气温信息。
这样，在本实施方式中，即使在无法取得每个单位时间的气象预测信息时，也能够使用1条气象预测信息和气象模式960对不足的数据进行插补，从而制作出气象预测数据，能够为用户提供较高的便利性。此外，在上述的示例中，对补充气温数据的形态进行了说明，但也能够通过同样的方法补充湿度数据。
[5、第五实施方式]
对第五实施方式进行说明。在第五实施方式中，对将上述实施方式中的电力需求预测装置1组合到需求抑制计划制定装置90中的形态进行说明。
需求抑制计划制定装置90用于制定需求抑制计划，该需求抑制计划是作为对来自电力供给侧的削减消耗电力请求的响应即所谓的需求响应(以下称作“DR”)而发出的。所谓需求抑制计划具体是指，根据需求预测计算出的负荷抑制量或蓄电池充放电量等的需求抑制量、以及为了达成该需求抑制量而选择的激励菜单。
在本实施方式中，对如下形态进行说明，即为了达成由中央供电指令所发行的运行计划系统中包含的削减要求，需求抑制计划制定装置90制定地域供电指令所A的管辖区域内的需求抑制计划。另外，在地域供电指令所A的管辖区域内具备太阳能发电装置，需求抑制计划制定装置90在考虑到其发电量的基础之上制定需求抑制计划。
如图19所示，需求抑制计划制定装置90具备电力需求预测装置1和太阳能发电量预测部100。如上述实施方式中说明的那样，电力需求预测装置1进行地域供电指令所A的管辖区域内的电力需求量的预测。太阳能发电量预测部100用于预测设置在地域供电指令所A的管辖区域内的太阳能发电装置的发电量。在需求抑制计划制定装置90中，设置有太阳能发电信息存储部101和太阳能发电预测量存储部102，该太阳能发电信息存储部101用于存储借助网络从外部取得的太阳能发电信息，该太阳能发电预测量存储部102用于存储由太阳能发电量预测部100制作的太阳能发电量预测。
需求抑制计划制定装置90还进一步具有需求抑制量估算部110和需求抑制量存储部111，该需求抑制量估算部110根据需求预测和太阳能发电量预测估算需求抑制量，该需求抑制量存储部111用于存储由需求抑制量估算部110确定的需求抑制量。
需求抑制量估算部110使用存储在需求预测部5的需求预测存储部10和太阳能发电预测量存储部中的预测值，估算需求抑制量。
需求抑制量是从需求预测值中减去太阳能发电量与购买电力量的合计值而得到的值，是为了达成需求抑制的目标值所需的抑制量。在此，购买电力量是由中央供电指令所的运行计划系统事先确定的值。估算出的需求抑制量保存在需求抑制量存储部111中。
需求抑制计划制定装置90具有激励菜单存储部121和激励菜单确定部120，该激励菜单存储部121用于储存各种激励菜单和其过去的实绩值，该激励菜单确定部120根据由需求抑制量估算部110估算出的需求抑制量确定将要发行的激励菜单。
激励菜单存储部121中存储的激励菜单例如具有如下的种类。
(a)TOU(Time of Use)：区分电力成本较高的时间段与较低的时间段的费用体系方式；
(b)CPP(Critical Peak Price)：设置电力峰值日，在峰值日的特定时间段设定更高的费用的费用体系方式；
(c)PTR(Peak Time Rebate)：对在指定的时间段电力消耗的部分以及削减的部分支付折扣的方式；
(d)L-PTR(Limited-PTR)：附带上限值的PTR；
(e)CCP(Capacity Committed Program)：当达成电力抑制量的目标值时支付折扣的方式；
这些激励菜单分别与以相同的成本抑制了多少电力量这样的过去的实绩信息一并被存储起来。
激励菜单确定部120从激励菜单存储部121存储的这些激励菜单中判断出对发电厂商来说可将成本压至最小从而抑制需求的激励菜单。具体而言，从激励菜单存储部121存储的每个激励菜单的实绩值中选出达到最小成本的激励菜单。
接下来，根据需求抑制量存储部111中存储的预测日的单位时间例如每30分钟的需求抑制量，计算出发行激励菜单时的一天所需的成本。如果计算出的成本在预先设定的预算范围内，则确定激励菜单。当计算出的成本超出预先设定的预算时，以如下方式进行调整，即变更预算总额，或者将需求抑制量变更为可在预算范围内承受的值。该调整可以通过如下方式进行，即在显示部30中显示出当前的需求抑制量和激励菜单，并由用户借助输入装置40来指示对这些数据进行的变更。
需求抑制计划制定装置90具有需求抑制计划存储部130。激励菜单和最终确定的需求预测量作为需求抑制计划被存储到需求抑制计划存储部130中。
如以上详细说明的那样，本实施方式的需求抑制计划制定装置90通过组合上述实施方式中说明的需求预测装置，能够根据可靠性较高的需求预测来选择合适的激励菜单，能够提高制定需求抑制计划的精度。
[6、第六实施方式]
(1)上述实施方式中记载的电力需求预测方法以及需求抑制计划制定方法作为能够在计算机上运行的程序可以存储在磁盘、光盘(CD-ROM、DVD等)、光磁盘、半导体存储器等存储媒介中，并发布。
(2)在组合了上述实施方式中记载的电力需求预测装置1的需求抑制计划制定装置90中，可以将制作出的需求抑制计划的内容反馈到需求预测中，并对需求预测量进行补正。作为用以实现该目的的结构，具备：DR效果预测存储部，用于储存所发行的激励引起的需求变动模式；以及DR效果推定部，该DR效果推定部使用这些信息对事先制定的需求预测进行补正。由此，能够对在考虑了需求抑制计划的基础之上计算出的需求预测量进行补正，能够进一步提高制作需求预测以及需求抑制计划时的可靠性。
(3)另外，在需求抑制计划制定装置90中还可以设置环境改善效果估算部，该环境改善效果估算部根据LCA(Life Cycle Assessment：生命周期评估)等环境影响评价方法对需求抑制计划带来的环境改善效果进行估算。环境改善效果估算部根据地域供电指令所A的管辖区域内的太阳能发电量(kWh/日)和通过需求抑制计划达成的一天的节能量(kWh/日)，估算并显示出CO2削减量。通过将该环境改善效果与需求抑制计划一并显示在显示画面上，能够使用户了解制定需求抑制计划时可获得的与环境改善相关的利益。
(4)在上述实施方式中，需求抑制计划制定装置90在考虑到太阳能发电的发电量的基础之上制定需求抑制计划，但是，并不仅限于太阳能发电，还可以考虑风力发电和水力发电等其他的发电设备的发电量、以及蓄电池的放电量。例如，当在地域供电指令所A的管辖区域内具备蓄电池时，需求抑制量变为，从需求预测值中减去太阳能发电量、购买电力量以及蓄电池放电量的合计值后得到的值。
(5)本发明并非仅限于上述实施方式，在实施阶段，在不脱离发明宗旨的范围内，可以对构成要素进行变形并使之具体化。另外，通过适当地组合上述实施方式中公开的多个构成要素，可以形成各种发明。例如，可以从实施方式中示出的全部构成要素中删除几个构成要素。进一步，还可以适当组合不同实施方式中涉及的构成要素。
附图标记
1：电力需求预测装置
2：预测日指定部
3：气象信息取得部
4：环境条件确定部
5：需求预测部
6：保存部
7：需求预测修正部
8：日历存储部
9：需求数据存储部
10：需求预测存储部
11：需求实绩存储部
12：需求数据制作部
13：气象模式存储部
14：气象预测数据构建部
30：显示部
31：现状预测画面
32：保存按钮
33：修正按钮
34：修正区域画面
35：修正显示部
36：修正结束按钮
40：输入装置
51：需求预测数据取得部
52：需求预测模型制作部(模式基准需求预测模型制作部)
53：输出部
54：需求实绩数据取得部
55：需求实绩数据临时存储部
56：实绩基准需求预测模型制作部
57：初始时刻自动设定部
58：生成时刻设定部
59：近似气象条件需求实绩取得部
60：预测值生成部
90：需求抑制计划制定装置
100：太阳能发电量预测部
101：太阳能发电信息存储部
102：太阳能发电预测量存储部
110：需求抑制量估算部
111：需求抑制量存储部
120：激励菜单确定部
121：激励菜单存储部
130：需求抑制计划存储部
700：气象预报服务器
910：电力需求模式
920：气温分类电力需求量数据
930：需求预测模型
940：需求实绩数据
950：电力需求变动模式
960：气象模式
A：地域供电指令所

Claims (11)

1.一种电力需求预测装置，用于预测指定的预测日的电力需求，其特征在于，具备：
需求数据存储部，用于存储根据环境条件分类并表示每个单位时间的电力需求比率的多个电力需求模式、以及对各个气温下的电力需求量的最大值与最小值进行汇总而得到的气温分类电力需求量数据；
需求预测部，从所述需求数据存储部中选择出与所述预测日的环境条件相对应的电力需求模式，从所述气温分类电力需求量数据中取得在所述预测日的最高气温下的电力需求量的最大值以及在所述预测日的最低气温下的最小值，通过对所述选择出的电力需求模式中的电力需求比率100％适用所述取得的电力需求量的最大值，并对所述选择出的电力需求模式中的电力需求比率0％适用所述取得的电力需求量的最小值，从而根据所适用的电力需求量的最大值以及最小值计算出所述选择出的电力需求模式的各个单位时间的电力需求量，并制作出该预测日的需求预测模型；以及
显示部，将所述预测日的需求预测模型与由所述需求预测部选择的电力需求模式一并进行显示。
2.根据权利要求1所述的电力需求预测装置，其特征在于，
所述环境条件根据季节、包含平日或休息日在内的日期类型以及天气来决定，并将由所述需求预测部选择的电力需求模式的环境条件与该电力需求模式一并显示在所述显示部上。
3.根据权利要求1或2所述的电力需求预测装置，其特征在于，
将所述气温分类电力需求量数据与所述预测日的需求预测模型以及由所述需求预测部选择的电力需求模式一并显示在所述显示部上。
4.根据权利要求1或2所述的电力需求预测装置，其特征在于，
进一步具备需求预测修正部，该需求预测修正部根据来自用户的输入，对显示在所述显示部上的电力需求模式进行修正，并使用修正后的电力需求模式重新制作所述预测日的需求预测模型，由此进行所述需求预测模型的修正。
5.根据权利要求4所述的电力需求预测装置，其特征在于，
修正后的所述电力需求模式被存储在所述需求数据存储部中。
6.根据权利要求1或2所述的电力需求预测装置，其特征在于，
具备用于存储需求实绩的需求实绩存储部，该需求实绩是按照所述环境条件对在每个单位时间测定出的预测对象区域的电力需求量进行分类而得到的，
所述需求数据存储部进一步存储根据环境条件分类并表示由每个单位时间的气温变化所引起的需求变动率的多个电力需求变动模式，
所述需求预测部从所述需求实绩存储部中提取与所述预测日的各个单位时间的环境条件相符合的需求实绩，并从所述需求数据存储部中取得与所述预测日的环境条件相符合的电力需求变动模式，
根据所述需求实绩的气温与所述预测日的预计气温之间的差分，使用所述电力需求变动模式的各个单位时间的电力需求变动率，对所述需求实绩的各个单位时间的电力需求量进行补正，从而制作出该预测日的需求预测模型。
7.根据权利要求1或2所述的电力需求预测装置，其特征在于，进一步具备：
气象模式存储部，用于存储根据环境条件分类并表示每个单位时间的相对气象变动率的多个气象模式；以及
气象预测数据构建部，从所述气象模式存储部中取得与所述预测日的环境条件相对应的气象模式，并根据所述预测日的气象信息制作所述预测日的每个单位时间的气象预测数据。
8.一种需求抑制计划制定装置，其特征在于，具备：
根据权利要求1至7中任意一项所述的电力需求预测装置；
需求抑制计划估算部，使用通过所述电力需求预测装置制作的需求预测模型，估算预测对象地域内的电力需求抑制量；以及
激励菜单确定部，确定达成所述电力需求抑制量所需的激励菜单。
9.根据权利要求8所述的需求抑制计划制定装置，其特征在于，
具备需求抑制效果推定部，该需求抑制效果推定部根据所述电力需求抑制量对通过所述电力需求预测装置制作的需求预测模型进行补正。
10.根据权利要求8或9所述的需求抑制计划制定装置，其特征在于，
进一步具备环境改善效果估算部，该环境改善效果估算部用于估算所述需求抑制计划带来的环境改善效果。
11.一种电力需求预测方法，该方法由计算机来执行，用于预测指定的预测日的电力需求，所述计算机能够访问需求数据存储部，所述需求数据存储部用于存储根据环境条件分类并表示每个单位时间的电力需求比率的多个电力需求模式、以及对各个气温下的电力需求量的最大值与最小值进行汇总而得到的气温分类电力需求量数据，
其特征在于，具备如下步骤：
从所述需求数据存储部中选择出与所述预测日的环境条件相对应的电力需求模式，从所述气温分类电力需求量数据中取得在所述预测日的最高气温下的电力需求量的最大值以及在所述预测日的最低气温下的最小值，通过对所述选择出的电力需求模式中的电力需求比率100％适用所述取得的电力需求量的最大值，并对所述选择出的电力需求模式中的电力需求比率0％适用所述取得的电力需求量的最小值，从而根据所适用的电力需求量的最大值以及最小值计算出所述选择出的电力需求模式的各个单位时间的电力需求量，并制作出该预测日的需求预测模型；以及
将所述预测日的需求预测模型与由所述需求预测部选择的电力需求模式一并显示在显示部上。
CN201480005578.4A 2013-03-15 2014-02-20 电力需求预测装置、方法和程序以及需求抑制计划制定装置 Expired - Fee Related CN104937804B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-054308 2013-03-15
JP2013054308A JP2014180187A (ja) 2013-03-15 2013-03-15 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置
PCT/JP2014/053973 WO2014141841A1 (ja) 2013-03-15 2014-02-20 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置

Publications (2)

Publication Number Publication Date
CN104937804A CN104937804A (zh) 2015-09-23
CN104937804B true CN104937804B (zh) 2018-11-02

Family

ID=51536517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480005578.4A Expired - Fee Related CN104937804B (zh) 2013-03-15 2014-02-20 电力需求预测装置、方法和程序以及需求抑制计划制定装置

Country Status (5)

Country Link
US (1) US10345770B2 (zh)
EP (1) EP2975722A4 (zh)
JP (1) JP2014180187A (zh)
CN (1) CN104937804B (zh)
WO (1) WO2014141841A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9739908B2 (en) * 2014-01-07 2017-08-22 International Business Machines Corporation Utility usage forecasting
JP6261755B2 (ja) * 2014-11-04 2018-01-17 三菱電機株式会社 制御装置、機器制御方法及びプログラム
JP2016116401A (ja) * 2014-12-17 2016-06-23 株式会社ピューズ 電力負荷平準化装置
WO2017094207A1 (ja) * 2015-11-30 2017-06-08 日本電気株式会社 情報処理システム、情報処理方法および情報処理用プログラム
JP6642159B2 (ja) * 2016-03-18 2020-02-05 日本電気株式会社 予測支援システム、予測支援方法及びプログラム
US11000888B2 (en) 2016-11-10 2021-05-11 Sms Group Gmbh Method for producing a metal strip in a cast-rolling installation
JP7319757B2 (ja) 2016-12-05 2023-08-02 株式会社日立製作所 データ処理システム及びデータ処理方法
JP6735219B2 (ja) 2016-12-05 2020-08-05 株式会社日立製作所 予測システム及び予測方法
JP6853981B2 (ja) * 2017-06-08 2021-04-07 清水建設株式会社 余剰電力評価装置及び余剰電力評価方法
DE102017211596A1 (de) 2017-07-07 2019-01-10 Henkel Ag & Co. Kgaa System zum Verwalten von Haarzustandsinformation und Verfahren zum Optimieren eines kosmetischen Beratungssystems
JP7010674B2 (ja) * 2017-11-24 2022-01-26 株式会社Ｎｔｔファシリティーズ 電力需要予測装置、電力需要予測方法およびプログラム
JP7049911B2 (ja) * 2018-05-17 2022-04-07 大成建設株式会社 設備機器運転システムおよび設備機器運転方法
CN109034495A (zh) * 2018-08-30 2018-12-18 珠海吉瓦科技有限公司 基于边缘计算的电力负荷预测系统
JP7224225B2 (ja) * 2019-04-02 2023-02-17 三菱電機株式会社 需要予測確認装置及び需要予測確認方法
CN113632131A (zh) * 2019-04-10 2021-11-09 三菱电机株式会社 电力管理装置
JP2021026299A (ja) * 2019-07-31 2021-02-22 三菱電機株式会社 需要調整装置
JP7310459B2 (ja) * 2019-09-03 2023-07-19 トヨタ自動車株式会社 情報処理方法および情報処理装置
US11455695B2 (en) * 2019-12-16 2022-09-27 Saudi Arabian Oil Company System and method for modelling and forecasting electricity demand
JP7457581B2 (ja) 2020-06-03 2024-03-28 三菱重工サーマルシステムズ株式会社 時間変量予測装置、時間変量予測方法及びプログラム
CN113947427A (zh) * 2021-10-14 2022-01-18 广西大学 一种灵活能源混合网络动态微分控制的长期价格引导方法
CN114255544A (zh) * 2021-11-24 2022-03-29 厦门中源能链科技有限公司 一种电力计费系统同户不同表的需量计算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5689665A (en) * 1992-02-28 1997-11-18 International Business Machines Corporation Apparatus and method for displaying windows
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

Family Cites Families (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2681421B2 (ja) * 1991-06-20 1997-11-26 株式会社日立製作所 需要量予測方法及び装置
JP3141164B2 (ja) * 1991-07-24 2001-03-05 株式会社日立製作所 電力需要予測方法及び装置
JPH06105465A (ja) 1992-09-21 1994-04-15 Tokyo Electric Power Co Inc:The 最大需要予測方法及び装置
CA2116168A1 (en) * 1993-03-02 1994-09-03 Gregory Cmar Process for identifying patterns of electric energy consumption and demand in a facility, predicting and verifying the effects of proposed changes, and implementing such changes in the facility to conserve energy
US5924486A (en) * 1997-10-29 1999-07-20 Tecom, Inc. Environmental condition control and energy management system and method
JPH11346438A (ja) 1998-06-01 1999-12-14 Fuji Electric Co Ltd 電力需要量予測方法
US7369968B2 (en) * 2000-06-16 2008-05-06 Verisae, Inc. Enterprise energy management system
US6577962B1 (en) * 2000-09-28 2003-06-10 Silicon Energy, Inc. System and method for forecasting energy usage load
JP2003087969A (ja) * 2001-09-17 2003-03-20 Mitsubishi Electric Corp 電力需要調整システム
US20030065560A1 (en) * 2001-10-02 2003-04-03 International Business Machines Corporation Adjusting energy efficiency incentives according to current energy efficiency technology
US20030101009A1 (en) * 2001-10-30 2003-05-29 Johnson Controls Technology Company Apparatus and method for determining days of the week with similar utility consumption profiles
JP2003143757A (ja) * 2001-10-30 2003-05-16 Hitachi Ltd 運転支援システム
EP1330006A1 (de) * 2002-01-16 2003-07-23 Siemens Aktiengesellschaft Energieversorgungsnetzwerk und Verfahren zum Betrieb eines Energieversorgungsnetzwerks
WO2003085798A2 (en) * 2002-04-01 2003-10-16 Battelle Memorial Institute Energy management system
JP2004173342A (ja) * 2002-11-18 2004-06-17 Hitachi Ltd 運転支援システム及び運転支援コンピュータプログラム
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
US8069077B2 (en) * 2003-06-11 2011-11-29 Kabushiki Kaisha Toshiba Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer
US7216021B2 (en) * 2003-10-30 2007-05-08 Hitachi, Ltd. Method, system and computer program for managing energy consumption
US7519566B2 (en) * 2004-02-11 2009-04-14 Oracle International Corporation Method and apparatus for automatically and continuously updating prediction models in real time based on data mining
US20060167591A1 (en) * 2005-01-26 2006-07-27 Mcnally James T Energy and cost savings calculation system
US20080046387A1 (en) * 2006-07-23 2008-02-21 Rajeev Gopal System and method for policy based control of local electrical energy generation and use
JP4834624B2 (ja) * 2006-10-18 2011-12-14 株式会社東芝 行動推定装置およびプログラム
JP5288782B2 (ja) * 2007-03-09 2013-09-11 三洋電機株式会社 デマンド制御システム、デマンドコントローラ、デマンドプログラム及びデマンド制御方法
US20080275845A1 (en) * 2007-05-02 2008-11-06 Christian Schleimer System and method for searching in a distributed environment
US20090055140A1 (en) * 2007-08-22 2009-02-26 Mks Instruments, Inc. Multivariate multiple matrix analysis of analytical and sensory data
JP2009225550A (ja) 2008-03-14 2009-10-01 Tokyo Electric Power Co Inc:The 電力の需要予測処理方法及び装置、並びに発電予測処理方法
JP5172642B2 (ja) * 2008-12-19 2013-03-27 株式会社東芝 省エネ行動評価装置及び方法
US8706650B2 (en) * 2009-01-14 2014-04-22 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
US9247321B2 (en) * 2009-01-21 2016-01-26 Observant Pty Ltd Telemetry system and apparatus
US8494685B2 (en) * 2009-04-27 2013-07-23 Cisco Technology, Inc. System for utilizing predictive energy consumption
US9286582B2 (en) * 2009-06-22 2016-03-15 Johnson Controls Technology Company Systems and methods for detecting changes in energy usage in a building
US20110010222A1 (en) * 2009-07-08 2011-01-13 International Business Machines Corporation Point-in-time based energy saving recommendations
JP5618501B2 (ja) * 2009-07-14 2014-11-05 株式会社東芝 需要予測装置、プログラムおよび記録媒体
US8185250B2 (en) * 2009-09-23 2012-05-22 Peoplewave, Inc. Power load control system for utility power system
KR101702838B1 (ko) * 2010-02-19 2017-02-07 삼성전자주식회사 수요 반응 방법 및 수요 반응 시스템
CN105976258B (zh) * 2010-04-08 2019-12-10 能源管理公司 能量节约计量系统和方法
US8600572B2 (en) * 2010-05-27 2013-12-03 International Business Machines Corporation Smarter-grid: method to forecast electric energy production and utilization subject to uncertain environmental variables
US8706310B2 (en) * 2010-06-15 2014-04-22 Redwood Systems, Inc. Goal-based control of lighting
US8880202B2 (en) * 2010-07-09 2014-11-04 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine
US20110119113A1 (en) * 2010-08-20 2011-05-19 Hara Software, Inc. Best Practices for Emission and Energy Management
US20120078687A1 (en) * 2010-09-24 2012-03-29 International Business Machines Corporation System and method for lowest cost aggregate energy demand reduction
JP5696877B2 (ja) * 2010-10-01 2015-04-08 清水建設株式会社 運転管理装置、運転管理方法、および運転管理プログラム
US8532836B2 (en) * 2010-11-08 2013-09-10 General Electric Company Demand response load reduction estimation
JP5487125B2 (ja) 2011-01-11 2014-05-07 株式会社東芝 電力需給調整予備力取引システムおよび電力需給調整予備力取引方法
US9633320B2 (en) * 2011-03-15 2017-04-25 Kabushiki Kaisha Toshiba Energy demand prediction apparatus and method
JP5025807B1 (ja) * 2011-03-25 2012-09-12 株式会社東芝 予備力計算装置およびその方法、コンピュータプログラム
US8738334B2 (en) * 2011-04-29 2014-05-27 International Business Machines Corporation Anomaly detection, forecasting and root cause analysis of energy consumption for a portfolio of buildings using multi-step statistical modeling
JP5740215B2 (ja) * 2011-06-10 2015-06-24 クラリオン株式会社 エネルギー消費量計算装置とそのエネルギー消費量計算方法
US20120323382A1 (en) * 2011-06-15 2012-12-20 Expanergy, Llc Systems and methods to assess and optimize energy usage for a facility
JP5468590B2 (ja) * 2011-09-27 2014-04-09 株式会社東芝 データ収集装置およびその方法
JP5776487B2 (ja) * 2011-10-13 2015-09-09 ソニー株式会社 電力制御装置およびプログラム
US20130144451A1 (en) * 2011-10-25 2013-06-06 San Diego State University Research Foundation Residential and commercial energy management system
JP5843572B2 (ja) * 2011-11-10 2016-01-13 株式会社東芝 運転計画システム及び運転計画作成方法
US9946285B2 (en) * 2011-12-23 2018-04-17 International Business Machines Corporation Energy allocation system for balancing energy consumption
KR101933135B1 (ko) * 2012-01-31 2019-03-15 삼성전자주식회사 전기 기기의 에너지 사용 패턴을 분석하여 에너지를 관리하는 에너지 관리 장치 및 방법
WO2013114601A1 (ja) * 2012-02-02 2013-08-08 株式会社日立製作所 電力需要調整システム及び電力需要調整方法
US20130262654A1 (en) * 2012-03-28 2013-10-03 Sony Corporation Resource management system with resource optimization mechanism and method of operation thereof
US8847781B2 (en) * 2012-03-28 2014-09-30 Sony Corporation Building management system with privacy-guarded assistance mechanism and method of operation thereof
WO2013161342A1 (ja) * 2012-04-26 2013-10-31 ソニー株式会社 電力制御装置及び電力消費機器
US9390388B2 (en) * 2012-05-31 2016-07-12 Johnson Controls Technology Company Systems and methods for measuring and verifying energy usage in a building
US9569804B2 (en) * 2012-08-27 2017-02-14 Gridium, Inc. Systems and methods for energy consumption and energy demand management
US20140282172A1 (en) * 2013-03-14 2014-09-18 Lutron Electronics, Co., Inc. System and method for graphically displaying energy consumption and savings
US9563530B2 (en) * 2013-12-03 2017-02-07 Kabushiki Kaisha Toshiba Device state estimation apparatus, device power consumption estimation apparatus, and program

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5689665A (en) * 1992-02-28 1997-11-18 International Business Machines Corporation Apparatus and method for displaying windows
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

Also Published As

Publication number Publication date
CN104937804A (zh) 2015-09-23
US10345770B2 (en) 2019-07-09
JP2014180187A (ja) 2014-09-25
US20160033949A1 (en) 2016-02-04
EP2975722A4 (en) 2016-08-31
WO2014141841A1 (ja) 2014-09-18
EP2975722A1 (en) 2016-01-20

Similar Documents

Publication Publication Date Title
CN104937804B (zh) 电力需求预测装置、方法和程序以及需求抑制计划制定装置
Kazemi et al. Long-term scheduling of battery storage systems in energy and regulation markets considering battery’s lifespan
CN102236839B (zh) 用于分析能源使用的方法和系统
Gerossier et al. Probabilistic day-ahead forecasting of household electricity demand
CN104380555B (zh) 小规模电力系统的发电计划制定系统及其方法
WO2013042493A1 (ja) 電力需要予測システムおよび方法
JP7104561B2 (ja) エネルギー運用装置及び方法並びにシステム
US11070058B2 (en) Forecasting net load in a distributed utility grid
JP2010124605A (ja) 消費電力予測装置、消費電力予測方法およびプログラム
JP6610059B2 (ja) 電力需要誘導装置
JP2022164918A (ja) 電力需要制御システム、電力需要制御方法、及び電力需要制御プログラム
TW201437948A (zh) 試算裝置及試算方法
JP6264695B2 (ja) 電力管理装置、及び情報提示方法
JP5072307B2 (ja) 電力取引リスク管理装置及び電力取引リスク管理方法
US20140257583A1 (en) Energy management system, energy management method, computer-readable medium, and server
EP2966611A1 (en) Energy management system, energy management method, program, and server
US20190213694A1 (en) Method and apparatus for detecting abnormal traffic based on convolutional autoencoder
JP2018173837A (ja) 予測装置、予測システム、予測方法及びプログラム
JP2017220050A (ja) 電力量予測装置
JP2018007370A (ja) 太陽光発電出力推定装置及び太陽光発電出力推定方法
JP6135454B2 (ja) 推定プログラム、推定装置及び推定方法
CN105956799B (zh) 一种评估含风电电力系统旋转备用效益和风险的方法
Van Haaren Utility scale photovoltaic plant variability studies and energy storage optimization for ramp rate control
US20220180453A1 (en) Information processing apparatus, server apparatus, information processing method, and program
JP2016095591A (ja) 電力管理装置、及び情報提示方法

Legal Events

Date Code Title Description
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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181102

Termination date: 20200220