CN113632131A - 电力管理装置 - Google Patents
电力管理装置 Download PDFInfo
- Publication number
- CN113632131A CN113632131A CN202080024341.6A CN202080024341A CN113632131A CN 113632131 A CN113632131 A CN 113632131A CN 202080024341 A CN202080024341 A CN 202080024341A CN 113632131 A CN113632131 A CN 113632131A
- Authority
- CN
- China
- Prior art keywords
- information
- classification
- prediction
- power demand
- setting information
- 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
Links
Images
Classifications
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
-
- 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
Abstract
本发明的电力管理装置包括实绩信息分类部(101)和预测信息计算部(102)。实绩信息分类部(101)利用分类设定信息从与电力需求实绩信息所包含的各个电力需求相对应关联的日期属性信息和环境信息中导出电力需求实绩信息的分类结果,并将导出的分类结果与各个电力需求实绩信息相对应关联。预测信息计算部(102)使用进行预测的日期即预测对象日的日期属性信息、以及预测对象日的预测开始前所测定的环境信息,利用分类设定信息来导出预测对象日的分类结果,并基于与预测对象日的分类结果对应的电力需求实绩信息的电力需求,来对预测对象日的电力需求进行预测。
Description
技术领域
本公开涉及具有电力需求预测功能的电力管理装置。
背景技术
在EMS(能量管理系统)等中,当预测电力需求时,大多使用经由因特网等网络所获取到的天气预报来提高预测精度。然而,为此需要与提供商的合同费和防火墙设置费等费用,并且系统的结构变得复杂。为了削减这些费用,提出了即使在离线环境下也能实现电力需求预测的技术(参见专利文献1。)。
在专利文献1的技术中,根据与气温相关的数据来预测气温,并通过使用预测出的气温来预测未来的电力需求。
现有技术文献
专利文献
专利文献1:日本专利特开2014-192910号公报
发明内容
发明所要解决的技术问题
根据专利文献1所涉及的电力需求的预测方法,存在如下问题:在电力需求的预测中必须进行气温预测值的运算处理。
本公开是为了解决上述问题而完成的,其目的在于提供一种即使在离线环境下无法进行气温预测的情况下也能够进行需求预测的电力管理装置。
用于解决技术问题的技术手段
本公开所涉及的电力管理装置包括:获取部,该获取部获取分类设定信息和电力需求实绩信息,所述分类设定信息用于根据预测对象地域内的测定器所测定的环境信息和日期属性信息来导出分类结果,所述电力需求实绩信息包含关联有环境信息和日期属性信息的电力需求;实绩信息分类部,该实绩信息分类部利用分类设定信息,从与电力需求实绩信息所包含的各个电力需求相对应关联的日期属性信息和环境信息中导出电力需求实绩信息的分类结果,并将所导出的分类结果与各个电力需求实绩信息相对应关联;以及预测信息计算部,该预测信息计算部使用进行预测的日期即预测对象日的日期属性信息、以及预测对象日的预测开始前所测定的环境信息,并利用分类设定信息来导出预测对象日的分类结果,并且基于与预测对象日的分类结果对应的电力需求实绩信息的电力需求,来对预测对象日的电力需求进行预测。
发明效果
根据本公开的电力管理装置,即使在离线环境下无法进行气温预测的情况下,也可以预测未来的电力需求。
附图说明
图1是实施方式1所涉及的电力管理系统的结构图。
图2是实施方式1所涉及的分类设定信息的说明图。
图3是实施方式1所涉及的电力需求实绩信息的说明图。
图4是实施方式1所涉及的电力管理装置的流程图。
图5是实现实施方式1所涉及的电力管理装置的硬件结构图。
图6是实施方式2所涉及的电力管理系统的结构图。
图7是实施方式2所涉及的验证实绩信息的说明图。
图8是实施方式2所涉及的电力管理装置的流程图。
图9是实施方式3所涉及的电力管理系统的说明图。
图10是实施方式3所涉及的分类设定信息的其它示例的说明图。
具体实施方式
在以下的实施方式中,以下述情况为例进行说明,即:对从预测基准时(预测开始时)即6:00起到12小时后的每小时(6:00~7:00、7:00~8:00、…、16:00~17:00、17:00~18:00)的电力需求进行预测,但并不限于本示例。
实施方式1
以下使用图1~图5对实施方式1进行说明。图1是实施方式1所涉及的电力管理系统1的结构图。电力管理系统1包括存储各种数据的存储部以及使用该存储部的数据来进行需求预测的电力管理装置10。作为上述存储部,包含存储有分类设定信息的分类设定信息存储部11、存储有电力需求实绩信息的实绩信息存储部12、以及存储有进行预测的日期的分类设定信息的预测对象日分类设定信息存储部13。此外,电力管理装置10包括获取来自上述存储部11、12和13的信息的获取部(省略图示)。
另外,在以下实施方式中,电力管理装置10构成为不包含上述存储部,但也可以构成为包含上述存储部。
电力管理装置10包括实绩信息分类部101、预测信息计算部102和显示部103。
实绩信息分类部101将过去电力需求的实绩与分类结果相对应关联。使用由实绩信息分类部101对应关联有分类结果的过去电力需求和进行预测的日期即预测对象日的分类结果,由预测信息计算部102来对预测对象日的电力需求进行预测。显示部103显示由预测信息计算部102计算出的电力需求的预测值。另外,虽然电力管理系统1中的电力管理装置10构成为包括显示部103,但也可以构成为显示部103设置在电力管理系统1的外部。
图2是存储在实施方式1所涉及的分类设定信息存储部11中的分类设定信息的说明图。
分类设定信息包含关于日期属性划分和环境划分的信息。分类设定信息包含用于对基于日期属性划分得到的划分结果和基于环境划分得到的划分结果的组关联各个组所对应的分类结果的信息。
例如,分类设定信息包含关于日期属性划分和环境划分(气温)的信息。图中,日期属性划分包含“工作日”和“假日”的划分条件,环境划分(气温)包含“20℃以上”和“低于20℃”的划分条件。当基于日期属性和环境划分得到的分类结果分别为“工作日”和“低于20℃”时,对于基于日期属性和环境划分得到的划分结果的组,关联有与该组对应的分类结果即“模式1”。
日期属性划分例如在图2中是与“工作日”或“假日”这样的日期属性相关的划分,但只要是用于根据各个日期的特性来进行划分的信息,则不限于上述示例。
环境划分例如包含基于实测温度等的环境信息的划分条件。关于环境划分,在图2中,设定一个划分值(“20℃”),并根据该划分值划分为“20℃以上”和“低于20℃”,但可以设定多个划分值。即,可以设定多个划分值(例如,“10℃”和“20℃”),以划分为“低于10℃”、“10℃以上且低于20℃”和“20℃以上”的方式来设定划分条件。
更详细而言,本实施方式所涉及的环境信息设为实测温度,但环境信息也可以是气温、湿度、气压、风速、风向、降雨量等。这里,通过设置在预测对象地点的气温计、湿度计等测量仪器在预先设定的时间(预测基准时间)获取实测温度。
另外,本实施方式的分类设定信息的显示形式(图2)是表格形式,但该分类设定信息的显示形式是一个示例,其显示形式不限于上述示例。
图3是表示存储在实施方式1所涉及的实绩信息存储部12中的电力需求实绩信息的一例的说明图。图3中,第1列是日期(记为yyyyMMdd),第1行第1列的20170101表示2017年01月01日。第2列表示日期属性划分结果。第3列表示作为环境信息的实测气温,在预测基准时(hh:mm标记:06:00表示上午6点00分。)测定得到。第4列表示预测基准时的实测湿度。从第5列到最后一列(第17列)表示06:00以后的每小时的实际的电力需求[kWh]。
具体而言,若以电力需求实绩信息的第1行(20170101)为例,则日期属性划分结果为“工作日”,环境划分结果为“20℃以上”。被分类为与这些环境划分结果(“20℃以上”)和日期属性分类结果(“工作日”)的组相对应的模式1。此外,第2行(20170102)中,日期属性划分结果符合“假日”这一条件,环境划分结果符合“低于20℃”这一条件。其结果是,通过使用分类设定信息,可以导出“模式4”这一分类结果。
另外,作为本实施方式所涉及的环境信息的气温是由设置于预测对象地点或预测对象地域内的气温计观测到的气温实绩。该气温实绩是在预测基准时之前的时刻测定得到的值。环境信息的测量时刻若是预测基准时之前的时刻,则可以是任意时刻,但优选为接近预测基准时的时刻。本实施例中,在将预测基准时设为06:00的情况下,将气温实绩的测定时刻设为例如05:55,该测定时刻对应于预测基准时的5分钟前的时刻。
图4是表示实施方式所涉及的电力管理装置10的动作的一个示例的流程图。另外,对于图4中的预测开始的定时,在用户等预先设定的任意时间段(上午6点等)或时间间隔(每隔1天、每隔1个月等)自动开始。或者,通过由用户向键盘等输入装置(图5)进行输入,从而在任意的定时开始。
若电力管理装置10的预测开始,则实绩信息分类部101使用电力需求实绩(存储在实绩信息存储部12中)和分类设定信息(存储在分类设定信息存储部11中),将分类结果与电力需求相对应关联(步骤S1)。
更详细而言,实绩信息分类部101使用分类设定信息从与电力需求实绩信息所包含的各个电力需求相对应关联的日期属性信息和环境信息中导出分类结果,并且将该导出的分类结果与各个电力需求实绩信息对应关联。
接着,预测信息计算部102获取预测对象日的电力需求的预测所需的信息(步骤S2)。更详细而言,预测信息计算部102从预测对象日分类设定信息存储部13获取预测对象日的环境信息和日期属性信息。此外,预测信息计算部102从分类设定信息存储部11获取分类设定信息。
预测信息计算部102使用这些输入的信息(分类设定信息和预测对象日的分类信息)和来自实绩信息分类部101的输出(对应关联有分类结果的电力需求实绩信息),来对预测对象日的电力需求进行预测(步骤S3)。
更详细而言,预测信息计算部102通过使用分类设定信息,来导出与预测对象日的日期属性信息和环境信息对应的分类结果。此外,预测信息计算部102基于与预测对象日的分类结果相对应关联的电力需求实绩信息的电力需求,来对预测对象日的电力需求进行预测。
接着,显示部103显示由预测信息计算部102预测得到的电力需求的值(步骤S4)。
图5是用于实现实施方式1所涉及的电力管理系统1的硬件结构图。具体而言,电力管理系统1的一部分或全部具备CPU 151(Central Processing Unit:中央处理单元)、存储装置152、IO(INPUT OUTPUT:输入输出)接口153和系统总线154。存储装置152由ROM(ReadOnly Memory:只读存储器)、HDD(Hard Disk Drive:硬盘驱动器)等构成。此外,电力管理系统1还可以包括经由电缆155连接的输入输出装置(输入装置156和输出装置157)。
分类设定信息存储部11、实绩信息存储部12和预测对象日分类设定信息存储部13对应于存储装置152。实绩信息分类部101和预测信息计算部102对应于CPU151。此外,获取部(获取来自各种存储部11、12和13的信息)对应于IO接口153。显示部103对应于输出装置157。
对于上述电力需求预测,若变更所使用的信息,则也可以应用于基于太阳能发电等的可再生能源的发电量预测。这是因为电力需求预测和发电量预测除了使用的信息不同以外,基本的处理是相同的。
这里,以下说明用于上述发电量预测的信息中与用于上述电力需求预测的信息的不同点。与上述电力需求预测的不同点是分类设定信息存储部11的分类设定信息和实绩信息存储部12中所保存的信息。首先,作为发电量的实绩的发电实绩信息代替电力需求实绩信息存储在实绩信息存储部12中。接着,用于发电量预测的分类设定信息包含关于彼此不同的多种环境信息的环境划分。具体而言,分类设定信息具有以气温为对象的分类划分,并且包含以湿度、气压、风速、风向和降雨量中的至少一个为对象的环境划分。
换言之,以环境划分为对象的环境信息是包含湿度、气压、风速、风向和降雨量中的至少一个以及温度且在预测对象地域内实际测量得到的值。例如,以环境划分为对象的环境信息被设为气温和降雨量,对于气温和降雨量这两者分别设定环境划分。
另外,在以下的实施方式中,也与本实施方式同样地,通过如上述那样变更使用的信息,从而能够适用于再生能源的发电量预测,以取代电力需求预测。
根据上述结构,在以往的可再生能源的发电量预测中,存在需要进行气温预测值的运算处理的问题,但通过具有上述结构的电力管理装置10,即使在离线环境下不进行气温预测的情况下,也能够预测发电量。
如上所述,本实施方式所涉及的电力管理装置10和电力管理系统1基于预测对象日期时间、日期属性信息和环境信息相似的过去电力需求,来对预测基准时之后的电力需求进行预测。由此,即使在离线环境下不需要气温预测,也可以预测电力需求。
本实施方式所涉及的电力管理装置10和电力管理系统1还基于预测对象日期时间、日期属性信息和环境信息相似的过去的可再生能源的发电实绩,来对预测基准时之后的发电量进行预测。由此,即使在离线环境下不需要气温预测,也可以预测发电量。
实施方式2
图6是表示实施方式2所涉及的电力管理系统1A的结构图。电力管理系统1A包括电力管理装置10A,以代替电力管理装置10。此外,电力管理系统1A还包括验证实绩信息存储部23。
电力管理装置10A与实施方式1所涉及的电力管理系统的不同点在于,还包括预测精度评价部201、分类优化部202和分类更新部203。图6中,标注有与图1相同的标号的结构是相同或相应的结构,不重复进行关于这些结构的详细说明。
在详细说明预测精度评价部201和分类更新部203之前,对验证实绩信息存储部23中的验证实绩信息进行说明。图7是验证实绩信息的说明图的一例。如图7所示,验证实绩信息相对于电力需求实绩信息“获取年份”、“获取月份”等获取时期不同。除了获取时期不同之外,验证实绩信息与电力需求实绩信息相同,包含关于对应关联有环境信息和日期属性信息的各个日期的电力需求的信息。图中,电力需求实绩信息的获取年份为2017年,而验证实绩信息的获取年份为2018年。
图8是表示实施方式2所涉及的电力管理装置10A的动作的一个示例的流程图。图中,关于与图4的流程图共通或对应的步骤,标注相同标号,且有时省略这些步骤的详细说明。
预测精度评价部201使用验证实绩信息来评价预测精度(预测误差)(步骤S201)。更详细而言,预测精度评价部201针对验证实绩信息中所包含的各日期,与预测信息计算部102同样地使用分类设定信息和电力需求实绩信息来计算电力需求的预测值。预测精度评价部201基于验证实绩信息中所包含的电力需求的实绩值与预测值之间的差,来计算预测精度(预测误差)。
接着,在分类优化部202中,进行后述的优化计算,来计算能够实现需求预测精度的提高的新的分类设定信息(步骤S202)。分类优化部202导出包含预测精度得以提高的环境划分在内的分类设定信息。
分类更新部203将由分类优化部202所导出的分类设定信息作为更新后分类设定信息,并保存在分类设定信息存储部11中。(步骤S203)。
然后,使用更新后分类设定信息来执行步骤S1~S4。实绩信息分类部101和预测信息计算部102使用分类设定信息存储部11中所保存的更新后分类设定信息,来进行实施方式1中所说明的处理(即,图4的步骤S1~S4的处理)。
这里,以下详细说明步骤S201中的预测精度的评价方法。对下述情况进行说明:图7所示的验证实绩信息的表的第1行是20180101,将该日期作为预测对象日来评价预测精度。在该日期,由于日期属性划分符合“假日”这一条件、环境划分符合“气温低于20℃”这一条件,因此,根据图2的分类设定信息,分类结果为“模式4”(以下有时称为“分类结果(模式4)”)。另外,以下说明预测精度评价部201计算电力需求的预测值,但该预测值的计算也可以由预测信息计算部102进行。
关于被分类为分类结果(模式4)的电力需求实绩信息的电力需求,预测精度评价部201例如计算按时间段进行了平均后而得的值,以作为预测值Predict(date,time)。这里,date表示日期索引,表示从20180101到20181231为止的期间。此外,time表示时刻索引,time=1,2,...,11,12分别对应于时刻6:00,7:00,...,16:00,17:00。
预测精度评价部201使用上述预测值Predict和验证实绩信息(图7)中的电力需求的实绩值Result(date,time),计算数学式1所示的预测精度(预测误差)Accuracy(date)。其中,在数学式1中,|A|意味着对A取绝对值。
[数学式1]
预测精度评价部201对于验证实绩信息的各行计算基于数学式1的预测误差。预测精度评价部201将计算出的预测精度(预测误差)按数学式2的方式进行合计,从而计算作为Accuracy。
Accuracy也称为合计预测误差,换言之,Accuracy是基于使用分类设定信息和电力需求实绩信息计算出的电力需求的预测值与对应于该预测值的日期的实绩值(验证实绩信息)之间的差而计算出的值。
另外,预测误差可以是上述的数学式1所示的一天的预测误差,也可以是数学式2所示的多天的预测误差的合计。
[数学式2]
以下说明分类优化部202中分类设定信息的优化方法的一个示例。首先,将分类设定信息中的环境划分(气温)表现为变量x,以得到“x℃以上”和“低于x℃”,并且进一步使用该变量x来表现合计预测精度Accuracy。将该合计预测精度(预测误差)即Accuracy作为目标函数,导出优化问题的解。若将该导出的解设为x’,则环境划分的划分条件更新为“x’℃以上”和“低于x’℃”。
关于用于设定上述环境划分的划分条件的解(x’)的导出方法,作为一个示例,使用粒子群优化和遗传算法等优化方法。具体而言,以预测精度Accuracy为目标函数,在这些优化方法中,导出使基于该预测精度的目标函数最小或在预先设定的值以下的解(x’)。
如上所述,本实施方式所涉及的电力管理装置中,基于电力需求的预测值与实绩值之间的差来计算预测误差,并且更新分类设定信息以减小该计算出的预测误差,因此,能够高精度地预测电力需求。此外,基于发电量的预测值与实绩值之间的差来计算预测误差,并且更新分类设定信息以减小该计算出的预测误差,因此,能够高精度地预测发电量。
实施方式3
图9是用于说明实施方式3的图。电力管理系统1B包括电力管理装置10B来代替电力管理装置10A。电力管理装置10B与上述实施方式的不同点在于,包括分类选定部301以代替电力管理装置10A的分类优化部202,上述分类选定部301选定分类设定信息的项目以提高测精度。图9中,标注有与图6相同的标号的结构是相同或相应的结构,不重复进行关于这些结构的说明。
图10是将湿度设为环境划分的情况下的分类设定信息的一个示例。例如,在湿度为75%且为假日的情况下,由于环境划分(湿度)为“50%以上”且日期属性信息为“假日”,因此分类结果为“模式2”。
分类选定部301在用于对彼此不同种类的环境信息(例如,气温和湿度)进行划分的多个分类设定信息的每一个中,基于预测精度评价部201所计算出的预测误差,选定多个分类设定信息中的至少一个以作为分类设定信息。
具体而言,分类选定部301将使用了基于以气温这一环境信息为对象的环境划分的分类设定信息的情况下的预测误差、与使用了基于以湿度这一环境信息为对象的环境划分的分类设定信息的情况下的预测误差进行比较。然后,分类选定部301选择预测误差较小的分类设定信息。
当分类选定部301选择了以气温为对象的环境划分的分类设定信息时,分类设定信息成为图2,当分类选定部301选择了以湿度为对象的环境划分的分类设定信息时,分类设定信息成为图10。
另外,本实施方式中,举例示出了气温和湿度的比较,但也可以使用除此以外的气象信息(气压、风速、风向、降雨量等)。
如上所述,根据本实施方式所涉及的电力管理装置,通过上述结构,使用多种类型的环境划分,并将预测误差较小的情况设为分类设定信息来使用,因此能够进行精度更高的电力需求预测或发电量预测。
以上,对上述实施方式中所说明的实施方式1~3所涉及的电力管理装置和电力管理系统进行了说明,然而,当然也可以通过适当地组合这些实施方式的结构的一部分或全部来构成电力管理装置和电力管理系统。
标号说明
10、10A、10B 电力管理装置
11 分类设定信息存储部
12 实绩信息存储部
13 预测对象日分类设定信息存储部
101 实绩信息分类部
102 预报信息计算部
103 显示部
201 预测精度评价部
202 分类优化部
203 分类更新部
301 分类选定部。
Claims (7)
1.一种电力管理装置,其特征在于,包括:
获取部,该获取部获取分类设定信息和电力需求实绩信息,所述分类设定信息用于根据预测对象地域内的测定器所测定出的环境信息和日期属性信息来导出分类结果,所述电力需求实绩信息包含关联有所述环境信息和所述日期属性信息的电力需求;
实绩信息分类部,该实绩信息分类部利用所述分类设定信息,从与所述电力需求实绩信息中所包含的各个电力需求相对应关联的所述日期属性信息和所述环境信息中导出所述电力需求实绩信息的分类结果,并将所导出的所述分类结果与各个所述电力需求实绩信息相对应关联;以及
预测信息计算部,该预测信息计算部使用进行预测的日期即预测对象日的所述日期属性信息、以及所述预测对象日的预测开始前所测定出的所述环境信息,并利用所述分类设定信息来导出所述预测对象日的分类结果,并且基于与所述预测对象日的分类结果对应的所述电力需求实绩信息的电力需求,来对所述预测对象日的电力需求进行预测。
2.如权利要求1所述的电力管理装置,其特征在于,
所述环境信息包含气温和湿度中的至少一个。
3.如权利要求1或2所述的电力管理装置,其特征在于,
包括预测精度评价部,该预测精度评价部基于使用所述电力需求实绩信息计算出的电力需求的预测值和与所述预测值对应的日期的验证实绩信息中的电力需求的实绩值之间的差,来评价所述预测值相对于所述实绩值的预测误差。
4.如权利要求3所述的电力管理装置,其特征在于,还包括:
分类优化部,该分类优化部以使所述预测误差成为最小或比预先设定的值要小的方式,将用于对所述分类设定信息中的所述环境信息进行划分的环境划分作为更新后分类设定信息来设定;以及
分类更新部,该分类更新部将所述更新后分类设定信息作为所述分类设定信息来更新。
5.如权利要求3或4所述的电力管理装置,其特征在于,
还包括分类选定部,
所述预测精度评价部对使用了包含彼此不同种类的所述环境信息的多个所述分类设定信息的情况下的所述预测误差分别进行计算,
所述分类选定部基于由所述预测精度评价部根据多个所述分类设定信息的每一个计算出的所述预测误差的大小,选择多个所述分类设定信息中的至少一个,以作为所述分类设定信息。
6.如权利要求1至5的任一项所述的电力管理装置,其特征在于,
包括显示所述预测对象日的电力需求的显示部。
7.一种电力管理装置,其特征在于,包括:
获取部,该获取部获取分类设定信息和发电实绩信息,所述分类设定信息用于根据包含湿度、气压、风速、风向和降雨量中的至少一个和温度在内且在预测对象地域内实际测定得到的环境信息以及日期属性信息来导出分类结果,所述发电实绩信息是关联有所述环境信息和所述日期属性信息的再生能源的过去的发电实绩;
实绩信息分类部,该实绩信息分类部利用所述分类设定信息,从与所述发电实绩信息中所包含的各个发电实绩相对应关联的所述日期属性信息和所述环境信息中导出所述发电实绩信息的分类结果,并且将所导出的所述分类结果与各个所述发电实绩信息相对应关联;以及
预测信息计算部,该预测信息计算部使用进行预测的日期即预测对象日的所述日期属性信息、以及所述预测对象日的预测开始前所测定出的所述环境信息,并利用所述分类设定信息导出所述预测对象日的分类结果,并且基于与所述预测对象日的分类结果对应的所述发电实绩信息的发电实绩,来对所述预测对象日的发电实绩进行预测。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019074539 | 2019-04-10 | ||
JP2019-074539 | 2019-04-10 | ||
PCT/JP2020/014855 WO2020209142A1 (ja) | 2019-04-10 | 2020-03-31 | 電力管理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113632131A true CN113632131A (zh) | 2021-11-09 |
Family
ID=72751686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080024341.6A Pending CN113632131A (zh) | 2019-04-10 | 2020-03-31 | 电力管理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11954744B2 (zh) |
EP (1) | EP3955201A4 (zh) |
JP (1) | JP6795134B1 (zh) |
CN (1) | CN113632131A (zh) |
WO (1) | WO2020209142A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102327413B1 (ko) * | 2021-02-25 | 2021-11-16 | 국민대학교산학협력단 | 전력 관리 장치 및 방법 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815497A (zh) * | 2005-01-31 | 2006-08-09 | 宝山钢铁股份有限公司 | 钢铁企业日用电量预测方法 |
CN103020725A (zh) * | 2011-09-20 | 2013-04-03 | 株式会社日立制作所 | 电力需求预测系统以及方法 |
CN103606022A (zh) * | 2013-12-05 | 2014-02-26 | 国家电网公司 | 一种短期负荷预测方法 |
CN106651200A (zh) * | 2016-12-29 | 2017-05-10 | 中国西电电气股份有限公司 | 一种工业企业聚合用户电力负荷管理方法和系统 |
JP2017153259A (ja) * | 2016-02-25 | 2017-08-31 | 中国電力株式会社 | 電力需要予測装置、及び電力需要予測方法 |
JP2017220050A (ja) * | 2016-06-08 | 2017-12-14 | 株式会社東芝 | 電力量予測装置 |
JP2018021856A (ja) * | 2016-08-05 | 2018-02-08 | 三菱電機株式会社 | 気象情報予測装置および電力需要予測装置 |
CN108009686A (zh) * | 2017-12-13 | 2018-05-08 | 阳光电源股份有限公司 | 一种光伏发电功率预测方法、装置及系统 |
CN108416690A (zh) * | 2018-01-19 | 2018-08-17 | 中国矿业大学 | 基于深度lstm神经网络的电网负荷预测方法 |
WO2019049546A1 (ja) * | 2017-09-08 | 2019-03-14 | 株式会社日立製作所 | 予測システム及び方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002262458A (ja) | 2001-03-02 | 2002-09-13 | Toshiba Eng Co Ltd | 気象予測情報を利用した電力供給システム |
JP2013196037A (ja) * | 2012-03-15 | 2013-09-30 | Hitachi Ltd | 需要予測システム及び需要予測方法 |
JP2014180187A (ja) * | 2013-03-15 | 2014-09-25 | Toshiba Corp | 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 |
JP2014192910A (ja) | 2013-03-26 | 2014-10-06 | Mitsubishi Electric Corp | 電力需要予測装置及び方法 |
-
2020
- 2020-03-31 WO PCT/JP2020/014855 patent/WO2020209142A1/ja unknown
- 2020-03-31 JP JP2020549071A patent/JP6795134B1/ja active Active
- 2020-03-31 CN CN202080024341.6A patent/CN113632131A/zh active Pending
- 2020-03-31 EP EP20787623.6A patent/EP3955201A4/en active Pending
- 2020-03-31 US US17/429,383 patent/US11954744B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815497A (zh) * | 2005-01-31 | 2006-08-09 | 宝山钢铁股份有限公司 | 钢铁企业日用电量预测方法 |
CN103020725A (zh) * | 2011-09-20 | 2013-04-03 | 株式会社日立制作所 | 电力需求预测系统以及方法 |
CN103606022A (zh) * | 2013-12-05 | 2014-02-26 | 国家电网公司 | 一种短期负荷预测方法 |
JP2017153259A (ja) * | 2016-02-25 | 2017-08-31 | 中国電力株式会社 | 電力需要予測装置、及び電力需要予測方法 |
JP2017220050A (ja) * | 2016-06-08 | 2017-12-14 | 株式会社東芝 | 電力量予測装置 |
JP2018021856A (ja) * | 2016-08-05 | 2018-02-08 | 三菱電機株式会社 | 気象情報予測装置および電力需要予測装置 |
CN106651200A (zh) * | 2016-12-29 | 2017-05-10 | 中国西电电气股份有限公司 | 一种工业企业聚合用户电力负荷管理方法和系统 |
WO2019049546A1 (ja) * | 2017-09-08 | 2019-03-14 | 株式会社日立製作所 | 予測システム及び方法 |
CN108009686A (zh) * | 2017-12-13 | 2018-05-08 | 阳光电源股份有限公司 | 一种光伏发电功率预测方法、装置及系统 |
CN108416690A (zh) * | 2018-01-19 | 2018-08-17 | 中国矿业大学 | 基于深度lstm神经网络的电网负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020209142A1 (ja) | 2021-04-30 |
JP6795134B1 (ja) | 2020-12-02 |
US11954744B2 (en) | 2024-04-09 |
US20220129998A1 (en) | 2022-04-28 |
WO2020209142A1 (ja) | 2020-10-15 |
EP3955201A4 (en) | 2022-06-08 |
EP3955201A1 (en) | 2022-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5940922B2 (ja) | 自然エネルギー量予測装置 | |
JP6012868B2 (ja) | 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム | |
WO2013042493A1 (ja) | 電力需要予測システムおよび方法 | |
JP6481468B2 (ja) | 予測分布推定システム、予測分布推定方法、および予測分布推定プログラム | |
EP3576242A1 (en) | Energy operation apparatus, method, and system | |
JP5047260B2 (ja) | 降水量予測システム、降水量予測方法およびプログラム | |
JP2007233639A (ja) | 風力発電出力予測方法、風力発電出力予測装置およびプログラム | |
JP2009225550A (ja) | 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 | |
KR102482043B1 (ko) | 소규모 이력 데이터에서 냉방부하를 예측하기 위한 학습 방법 및 장치 | |
JP6094369B2 (ja) | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム | |
Zelikman et al. | Short-term solar irradiance forecasting using calibrated probabilistic models | |
WO2010071158A1 (ja) | 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム | |
CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
JP2010218394A (ja) | エネルギー需要予測装置 | |
JP5104567B2 (ja) | エネルギー需要予測装置 | |
JP2018173837A (ja) | 予測装置、予測システム、予測方法及びプログラム | |
CN113632131A (zh) | 电力管理装置 | |
JP2023100466A (ja) | 電力需要予測装置及び電力需要予測方法 | |
JP6628700B2 (ja) | 気象情報予測装置および電力需要予測装置 | |
JP4969599B2 (ja) | 流入量予測システム、流入量予測方法およびプログラム | |
JP2020028195A (ja) | 太陽光発電システム分布推定装置、太陽光発電システム分布推定方法、太陽光発電システム分布推定プログラム及び太陽光発電出力予測装置 | |
JP7212310B2 (ja) | 電力需要予測装置、電力需要予測方法、そのプログラム | |
JPWO2021117127A1 (ja) | 発電量予測装置 | |
JP2019211922A (ja) | データ予測システム、データ予測方法、およびデータ予測装置 | |
JP2018105893A (ja) | 気象予測補正装置、気象予測補正方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40062025 Country of ref document: HK |