DE112018008094T5

DE112018008094T5 - Transaktionspreisprognosevorrichtung und transaktionsprognoseverfahren

Info

Publication number: DE112018008094T5
Application number: DE112018008094.3T
Authority: DE
Inventors: Takahisa Hirata
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2018-11-30
Filing date: 2018-11-30
Publication date: 2021-07-15
Also published as: JP6752369B1; CN113168656B; CN113168656A; US20210264483A1; JPWO2020110297A1; WO2020110297A1

Abstract

Eine Transaktionspreisprognosevorrichtung (1) nutzt ein erstes Prognosemodell zum Prognostizieren eines Kaufgebotsvolumens, um dabei ein Kaufgebotsvolumen zu einem Prognosezieldatum / einer Prognosezieluhrzeit zu prognostizieren, und nutzt ein zweites Prognosemodell, um einen Transaktionspreis zu prognostizieren, um dabei einen Transaktionspreis zu dem Prognosezieldatum / der Prognosezieluhrzeit zu prognostizieren.

Description

TECHNISCHES GEBIET
Die vorliegende Erfindung betrifft eine Transaktionspreisprognosevorrichtung und ein Transaktionspreisprognoseverfahren zum Prognostizieren eines Warentransaktionspreises in einem Großhandelswarenmarkt.
STAND DER TECHNIK
In den letzten Jahren wurde der Elektroenergie-Großhandelsmarkt aktiv, und es besteht ein zunehmender Bedarf an der Prognose von Energietransaktionspreisen. Ausführungspreis und Ausführungsvolumen von Energie werden durch den Schnittpunkt zwischen einer Verkaufsgebotskurve, die eine Beziehung zwischen einem Verkaufsgebotsvolumen von Energie und einem Verkaufspreisgebot dafür angibt, und einer Kaufgebotskurve, die eine Beziehung zwischen einem Kaufgebotsvolumen von Energie und einem Kaufpreisgebot dafür angibt, am Angebotstag bestimmt.
Andererseits wird an der japanischen Elektroenergiebörse (Japan Electric Power Exchange, nachfolgend bezeichnet als „JEPX“) ein als „Blindeinzelpreis-Auktionssystem“ bezeichnetes Ausführungssystem für den Kassamarkt genutzt, und Gebotstrends für Energie werden gegenüber der Öffentlichkeit nicht offengelegt. Folglich hat der Bieter keinen Zugriff auf die tatsächlichen Bedingungen dieser Gebotskurven am Tag des Gebots.
In dieser Hinsicht werden die Gebotskurven gemäß einem in der Patentliteratur 1 beschriebenen Gebotsunterstützungssystem in Bezug auf die Energielieferkurve und die Energiebedarfskurve des Marktes, die vorab zur Verfügung gestellt werden, so geschätzt, dass das erfolgreiche Gebotsvolumen von Energie, der Gewinn oder das Verkaufsvolumen der Lieferung am Markt maximal wird. Durch Nutzung der so geschätzten Gebotskurven kann der Bieter den Transaktionspreis von Energie sogar in einem Markt, in dem Gebotstrends gegenüber der Öffentlichkeit nicht offengelegt werden, prognostizieren.
LISTE DER ANFÜHRUNGEN
PATENTLITERATUR
Patentliteratur 1: Japanische Patentanmeldung mit der Veröffentlichungsnr. 2005-339527
KURZDARSTELLUNG DER ERFINDUNG
TECHNISCHE AUFGABE
Wenn die Gebotstrends für Energie gegenüber der Öffentlichkeit nicht offengelegt werden, ist es nicht möglich, sich darüber zu informieren, ob die von dem in der Patentliteratur 1 beschriebenen Gebotsunterstützungssystem geschätzten Gebotskurven eine Transaktionssituation zu einem Prognosezieldatum / einer Prognosezieluhrzeit widerspiegeln. Folglich besteht insofern ein Problem, als es nicht möglich ist, die Angemessenheit des Prognoseergebnisses für den Markt zu beurteilen.
Diese Erfindung dient dazu, das oben beschriebene Problem zu lösen, und eine ihrer Aufgaben besteht folglich darin, eine Transaktionspreisprognosevorrichtung und ein Transaktionspreisprognoseverfahren bereitzustellen, die einen Transaktionspreis, der die Transaktionssituation zu dem Prognosezieldatum / der Prognosezieluhrzeit widerspiegelt, prognostizieren können.
TECHNISCHE LÖSUNG
Eine erfindungsgemäße Transaktionspreisprognosevorrichtung umfasst: eine erste Prognoseeinheit zum Prognostizieren eines Kaufgebotsvolumens zu einem Prognosezieldatum / einer Prognosezieluhrzeit unter Verwendung eines ersten Prognosemodells zum Prognostizieren eines Kaufgebotsvolumens; und eine zweite Prognoseeinheit zum Prognostizieren eines Transaktionspreises zu einem Prognosezieldatum / einer Prognosezieluhrzeit durch Anwendung eines durch die erste Prognoseeinheit prognostizierten Kaufgebotsvolumens auf ein zweites Prognosemodell zum Prognostizieren eines Transaktionspreises.
VORTEILHAFTE WIRKUNGEN DER ERFINDUNG
Erfindungsgemäß wird das Kaufgebotsvolumen zum Prognosezieldatum / zur Prognosezieluhrzeit durch Verwendung des ersten Prognosemodells zum Prognostizieren eines Kaufgebotsvolumens prognostiziert, und der Transaktionspreis entsprechend dem Kaufgebotsvolumen zum Prognosezieldatum / zur Prognosezieluhrzeit wird durch Verwendung des zweiten Prognosemodells zum Prognostizieren eines Transaktionspreises prognostiziert. Dementsprechend ist es möglich, einen Transaktionspreis, der die Transaktionssituation zum Prognosezieldatum / zur Prognosezieluhrzeit widerspiegelt, zu prognostizieren.
Figurenliste

1 ist ein Blockdiagramm, das ein Konfigurationsbeispiel einer Transaktionspreisprognosevorrichtung gemäß Ausführungsform 1 zeigt.
2 ist ein Ablaufdiagramm, das ein Transaktionspreisprognoseverfahren gemäß Ausführungsform 1 zeigt.
3 ist ein Diagramm, das ein Beispiel eines ersten Prognosemodells gemäß Ausführungsform 1 zeigt.
4 ist ein Diagramm, das ein Beispiel eines zweiten Prognosemodells gemäß Ausführungsform 1 zeigt.
5 ist ein Diagramm, das ein Beispiel einer Art und Weise des Präsentierens eines Prognoseergebnisses gemäß Ausführungsform 1 zeigt.
6: 6A ist ein Blockdiagramm, das eine Hardwarekonfiguration zum Implementieren von Funktionen der Transaktionspreisprognosevorrichtung gemäß Ausführungsform 1 zeigt. 6B ist ein Blockdiagramm, das eine Hardwarekonfiguration für das Ausführen von Software, die die Funktionen der Transaktionspreisprognosevorrichtung gemäß Ausführungsform 1 implementieren kann, zeigt.

BESCHREIBUNG VON AUSFÜHRUNGSFORMEN
Ausführungsform 1
Eine Transaktionspreisprognosevorrichtung und ein Transaktionspreisprognoseverfahren gemäß Ausführungsform 1 sind auf die Prognose von Transaktionspreisen verschiedener Waren, für die Verkaufs- und Kaufgebote in einem Markt abgegeben werden, anwendbar. Nachfolgend wird ein Fall beschrieben, in dem ein Ausführungspreis von Energie am Kassamarkt der JEPX zu einem Prognosezieldatum / einer Prognosezieluhrzeit durch Verwendung der Transaktionspreisprognosevorrichtung und des Transaktionspreisprognoseverfahrens gemäß Ausführungsform 1 prognostiziert wird. 1 ist ein Blockdiagramm, das ein Konfigurationsbeispiel einer Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 zeigt. Die Transaktionspreisprognosevorrichtung 1 nutzt ein erstes Prognosemodell zum Prognostizieren eines Kaufgebotsvolumens zu einem Prognosezieldatum / einer Prognosezieluhrzeit, und nutzt ein zweites Prognosemodell, um dabei einen Ausführungspreis von Energie zu dem Prognosezieldatum / der Prognosezieluhrzeit zu prognostizieren.
Das erste Prognosemodell ist ein Prognosemodell, das unter Verwendung erster Informationen und zweiter Informationen gelernt wird, um ein Kaufgebotsvolumen zu prognostizieren. Die ersten Informationen sind Transaktionsinformationen, die tatsächliche Werte von Kaufgebotsvolumina beinhalten und beispielsweise alle Kaufgebotsvolumina und Ausführungspreise von Energie angeben, die vor dem Prognosezieldatum / der Prognosezieluhrzeit ermittelt wurden und die am Kassamarkt der JEPX offengelegt werden. Eine erste Informationserfassungseinheit 2 erfasst die ersten Informationen und speichert sie in einer ersten Informationsspeichereinheit 3. Die erste Informationserfassungseinheit 2 kann eine Kommunikationsvorrichtung sein, die die ersten Informationen über eine Kommunikationsstrecke, beispielsweise das Internet, erfasst, oder kann eine Eingabevorrichtung sein, die eine manuelle Eingabe der ersten Informationen, vorgenommen von einem Benutzer, empfängt.
Die zweiten Informationen sind Informationen, die bezeichnend für tatsächliche Werte hinsichtlich einer Bedingung, die auf das Gebot Einfluss hat, sind, und sind beispielsweise Informationen, die auf den Energiebedarf Einfluss haben, etwa meteorologische Informationen, Kalenderinformationen, Energieerzeugerbetriebsinformationen und dergleichen, die vor dem Prognosezieldatum / der Prognosezieluhrzeit ermittelt wurden. Beispiele für die meteorologischen Informationen umfassen eine Lufttemperatur, Wetterinformationen und eine Menge von Sonnenlicht. Die Kalenderinformation ist ein Datum, an dem ein Anstieg oder Rückgang des Energiebedarfs erwartet wird, beispielsweise ein gesetzlicher Feiertag und ein Werktag eines Unternehmens mit einem großen Energiebedarf. Die Energieerzeugerbetriebsinformationen sind Informationen, die bezeichnend dafür sind, ob die Energieerzeugungseinrichtung beispielsweise aufgrund einer periodischen Inspektion, eines Defekts oder eines Unfalls angehalten ist. Ferner kann das Vorhandensein / das Fehlen einer Unterbrechung einer Verbindungsleitung, welche die Energiesysteme miteinander verbindet, Bestandteil der zweiten Informationen sein.
Eine zweite Informationserfassungseinheit 4 erfasst die zweiten Informationen und speichert sie in einer zweiten Informationsspeichereinheit 5. Die zweite Informationserfassungseinheit 4 kann eine Kommunikationsvorrichtung sein, die die zweiten Informationen über eine Kommunikationsstrecke, beispielsweise das Internet, erfasst, oder kann eine Eingabevorrichtung sein, die eine manuelle Eingabe der zweiten Informationen, vorgenommen von einem Benutzer, empfängt. Ferner sind die erste Informationsspeichereinheit 3 und die zweite Informationsspeichereinheit 5 Speichervorrichtungen, aus denen die Transaktionspreisprognosevorrichtung 1 Informationen auslesen kann.
Das zweite Prognosemodell ist ein Prognosemodell, das unter Verwendung von Kaufgebotsvolumina und der zweiten Informationen gelernt wird, um einen Ausführungspreis (d. h. Transaktionspreis) von Energie zu prognostizieren. Wenn dritte Informationen auf das zweite Prognosemodell angewendet werden, wird ein Ausführungspreis von Energie am Prognosezieldatum / zur Prognosezieluhrzeit prognostiziert. Die dritten Informationen sind ein Prognosewert über einen Zustand, der Einfluss auf die Nachfrage am Prognosezieldatum / zur Prognosezieluhrzeit hat, und obwohl das Element der Bedingung mit den zweiten Informationen gemeinsam ist, unterscheiden sich die dritten Informationen insofern von ihnen, dass es sich um Prognoseinformationen zum Prognosezieldatum / zur Prognosezieluhrzeit handelt. Beispiele für die dritten Informationen umfassen beispielsweise meteorologische Vorhersageinformationen, Kalenderinformationen und Energieerzeugerbetriebsplanungsinformationen zum Prognosezieldatum / zur Prognosezieluhrzeit. Eine dritte Informationserfassungseinheit 6 kann eine Kommunikationsvorrichtung sein, die die dritten Informationen über eine Kommunikationsstrecke, beispielsweise das Internet, erfasst, oder kann eine Eingabevorrichtung sein, die eine manuelle Eingabe der dritten Informationen, vorgenommen von einem Benutzer, empfängt.
Wie in 1 gezeigt, umfasst die Transaktionspreisprognosevorrichtung 1 eine erste Modelllerneinheit 11, eine zweite Modelllerneinheit 12, eine erste Prognoseeinheit 13, eine zweite Prognoseeinheit 14 und eine Präsentationseinheit 15. Die erste Modelllerneinheit 11 lernt das erste Prognosemodell durch Verwendung der ersten Informationen und der zweiten Informationen. Das erste Prognosemodell ist ein Prognosemodell, das für das Prognostizieren eines Kaufgebotsvolumens von Energie am Prognosezieldatum / zur Prognosezieluhrzeit angewendet wird. Unter Verwendung der ersten Informationen, ausgelesen aus der ersten Informationsspeichereinheit 3, und der zweiten Informationen, ausgelesen aus der zweiten Informationsspeichereinheit 5, lernt die erste Modelllerneinheit 11 das erste Prognosemodell.
Die zweite Modelllerneinheit 12 lernt das zweite Prognosemodell durch Verwendung der ersten Informationen und der zweiten Informationen. Das zweite Prognosemodell ist ein Prognosemodell, das für das Prognostizieren eines Ausführungspreises von Energie am Prognosezieldatum / zur Prognosezieluhrzeit angewendet wird. Unter Verwendung der ersten Informationen, ausgelesen aus der ersten Informationsspeichereinheit 3, und der zweiten Informationen, ausgelesen aus der zweiten Informationsspeichereinheit 5, lernt die zweite Modelllerneinheit 12 das zweite Prognosemodell.
Die erste Prognoseeinheit 13 wendet die dritten Informationen auf das erste Prognosemodell an, um dabei das Kaufgebotsvolumen von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit zu prognostizieren. Beispielsweise wendet die erste Prognoseeinheit 13 die dritten Informationen zum Prognosezieldatum / zur Prognosezieluhrzeit, erfasst von der dritten Informationserfassungseinheit 6, auf das von der ersten Modelllerneinheit 11 gelernte erste Prognosemodell an, um dabei das Kaufgebotsvolumen von Energie am Prognosezieldatum / zur Prognosezieluhrzeit zu prognostizieren.
Die zweite Prognoseeinheit 14 wendet das von der ersten Prognoseeinheit 13 prognostizierte Kaufgebotsvolumen und die dritten Informationen auf das zweite Prognosemodell an, um dabei den Ausführungspreis von Energie am Prognosezieldatum / zur Prognosezieluhrzeit zu prognostizieren. Beispielsweise wendet die zweite Prognoseeinheit 14 das von der ersten Prognoseeinheit 13 prognostizierte Kaufgebotsvolumen von Energie und die dritten Informationen, erfasst von der dritten Informationserfassungseinheit 6, auf das von der zweiten Modelllerneinheit 12 gelernte zweite Prognosemodell an, um dabei den Ausführungspreis von Energie am Prognosezieldatum / zur Prognosezieluhrzeit zu prognostizieren.
Die Präsentationseinheit 15 präsentiert das zweite Prognosemodell, das von der ersten Prognoseeinheit 13 prognostizierte Kaufgebotsvolumen und den von der zweiten Prognoseeinheit 14 prognostizierten Ausführungspreis. Beispielsweise zeigt die Präsentationseinheit 15 auf einer in 1 nicht gezeigten Anzeigeeinheit eine Wahrscheinlichkeitsverteilung der Prognosewerte hinsichtlich des Kaufgebotsvolumens von Energie und eine Wahrscheinlichkeitsverteilung der Prognosewerte hinsichtlich des Ausführungspreises von Energie an, zusammen mit dem zweiten Prognosemodell, das zum Prognostizieren des Ausführungspreises von Energie angewendet wird. Ferner kann die Präsentationseinheit 15 die dritten Informationen und das erste Prognosemodell, angewendet zum Prognostizieren des Kaufgebotsvolumens, auf der Anzeigeeinheit anzeigen.
Zu beachten ist, das in 1 die erste Modelllerneinheit 11, die zweite Modelllerneinheit 12 und die Präsentationseinheit 15 stattdessen in einer externen Vorrichtung bereitgestellt sein können, die von der Transaktionspreisprognosevorrichtung 1 verschieden ist.
Namentlich ist es möglich, dass die Transaktionspreisprognosevorrichtung 1 die erste Modelllerneinheit 11, die zweite Modelllerneinheit 12 und die Präsentationseinheit 15 nicht umfasst, und sie kann die Prognose nach Empfang der Prognosemodelle ausführen, die von der ersten Modelllerneinheit 11 und der zweiten Modelllerneinheit 12, enthalten in der externen Vorrichtung, gelernt wurden, und dann die Prognoseergebnisse und das Prognosemodell / die Prognosemodelle auf die externe Vorrichtung übertragen, um dabei die Präsentationseinheit 15 zu veranlassen, sie zu präsentieren. Ferner können die Anzeigeeinheit zum Anzeigen der Prognoseergebnisse und das Prognosemodell / die Prognosemodelle in der Transaktionspreisprognosevorrichtung 1 enthalten sein, oder können in einer externen Vorrichtung, die von der Transaktionspreisprognosevorrichtung 1 verschieden ist, bereitgestellt sein.
Nachfolgend wird die Funktionsweise beschrieben.
2 ist ein Ablaufdiagramm, das ein Transaktionspreisprognoseverfahren gemäß Ausführungsform 1 zeigt.
Zuerst lernt die erste Modelllerneinheit 11 das erste Prognosemodell (Schritt ST1). Beispielsweise erfasst die erste Modelllerneinheit 11 von der ersten Informationsspeichereinheit 3 die ersten Informationen, die jedes Kaufgebotsvolumen von Energie und den entsprechenden Ausführungspreis umfassen, zusammen mit dem Datum / der Uhrzeit, zu dem / der das entsprechende Gebot abgegeben wird. Wenn gewünscht wird, dass das Datum / die Uhrzeit, zu dem / der das Kaufgebotsvolumen und der Ausführungspreis ermittelt werden, ein Datum / eine Uhrzeit ist, dessen Bedingung Einfluss auf das Gebot für Energie hat, beispielsweise eine Bedingung mit Einfluss auf den Energiebedarf, wird erwartet, dass dieses Datum / diese Uhrzeit dem Prognosezieldatum / der Prognosezieluhrzeit ähneln. Beispielsweise kann das Datum / die Uhrzeit ein Datum / eine Uhrzeit innerhalb der nächsten Woche des Prognosezieldatums / der Prognosezieluhrzeit oder ein Datum / eine Uhrzeit im gleichen Monat des Vorjahres wie das Prognosezieldatum / die Prognosezieluhrzeit sein. Ein Datum / eine Uhrzeit, dessen / deren Einflussbedingung für den Energiebedarf erwartungsgemäß jener zum Prognosezieldatum / zur Prognosezieluhrzeit ähnelt, kann aus den Kalenderinformationen bestimmt werden. In der folgenden Beschreibung wird jedes Datum / jede Uhrzeit, zu denen erste Informationen erfasst werden, als ein „ähnliches Datum“ / eine „ähnliche Uhrzeit“ bezeichnet.
Nachfolgend erfasst die erste Modelllerneinheit 11 die zweiten Informationen zum ähnlichen Datum / zur ähnlichen Uhrzeit, zusammen mit dem entsprechenden Datum / der entsprechenden Uhrzeit, von der zweiten Informationsspeichereinheit 5. Beispielsweise werden meteorologische Informationen, Kalenderinformationen und Energieerzeugerbetriebsinformationen zu dem ähnlichen Datum / der ähnlichen Uhrzeit als die zweiten Informationen erfasst.
Die erste Modelllerneinheit 11 ordnet die ersten Informationen und die zweiten Informationen einander zu, indem sie als einen Schlüssel das Datum / die Uhrzeit nutzt, zu dem / zu der jedes Informationselement beschafft wurde, und lernt dann unter Verwendung dieser Informationselemente das erste Prognosemodell. Das erste Prognosemodell ist ein Modell zum Prognostizieren eines Kaufgebotsvolumens von Energie, in dem als eine erläuternde Variable eine Bedingung mit Einfluss auf den Energiebedarf verwendet wird. Beispielsweise kann das erste Prognosemodell ein einfaches Prognosemodell sein, wie es durch die folgende Formel (1) repräsentiert ist. Unter Verwendung der tatsächlichen Werte der ersten Informationen und der zweiten Informationen zu den ähnlichen Daten/Uhrzeiten lernt die erste Modelllerneinheit 11 die Werte eines Parameters α1 und eines Parameters α2, enthalten in der folgenden Formel (1). Als Lernmethode des ersten Prognosemodells steht als eine einfachste Methode eine lineare Regressionsmethode zur Verfügung; eine Hilfsvektorregressionsmethode, eine bayessche Regressionsmethode und eine andere Lernmethode als diese können jedoch angewendet werden. $Haufgebotsvolumen= α 1+ α 2 \times Lufttemperatur$
Andererseits hat der Erfinder dieser Anmeldung als ein Ergebnis der Untersuchung der Gebotstrends am Energiemarkt festgestellt, dass das Kaufgebotsvolumen von Energie am Energiemarkt stark mit dem Energiebedarf zusammenhängt. Das erste Prognosemodell ist ein auf dieser Erkenntnis basierendes Prognosemodell. Ferner kann die erste Modelllerneinheit 11 unter Berücksichtigung eines Fehlers zwischen dem tatsächlichen Wert einer Bedingung mit Einfluss auf den Energiebedarf zum Prognosezieldatum / zur Prognosezieluhrzeit und den dritten Informationen als einem Prognosewert zu dem gleichen Element dieser Bedingung ein erstes Prognosemodell lernen, welches das Kaufgebotsvolumen von Energie in einer Form einer Wahrscheinlichkeitsverteilung prognostiziert.
3 ist ein Diagramm, das ein Beispiel eines ersten Prognosemodells 30 gemäß Ausführungsform 1 zeigt. Das in 3 gezeigte erste Prognosemodell 30 ist ein Modell, dass die lufttemperaturabhängige Schwankung des Kaufgebotsvolumens von Energie lernte und das Kaufgebotsvolumen entsprechend dem Prognosewert für die Lufttemperatur zum Prognosezieldatum / zur Prognosezieluhrzeit prognostiziert. Steigt beispielsweise die Lufttemperatur an, wird die Nutzungsquote von Klimaanlagen zur Kühlung höher, sodass der Energiebedarf ansteigt. Steigt der Energiebedarf an, hat der Bieter den Wunsch, die Energie mit Sicherheit zu erhalten, sodass das Kaufgebotsvolumen ebenfalls ansteigt. Sinkt andererseits die Lufttemperatur auf eine Temperatur ab, bei der keine Kühlung notwendig ist, wird die Nutzungsquote von Klimaanlagen zur Kühlung geringer, sodass der Energiebedarf sinkt und dementsprechend das Kaufgebotsvolumen von Energie ebenfalls sinkt.
Dann lernt die zweite Modelllerneinheit 12 das zweite Prognosemodell (Schritt ST2). Beispielsweise erfasst die zweite Modelllerneinheit 12 von der ersten Informationsspeichereinheit 3 jede Zusammenstellung aus einem Kaufgebotsvolumen von Energie und dem entsprechenden Ausführungspreis, zusammen mit dem Datum / der Uhrzeit, zu dem / der das entsprechende Gebot abgegeben wird. Hier sind die ersten Informationen, die von der zweiten Modelllerneinheit 12 erfasst wurden, Informationen, die zu den gleichen Daten / Uhrzeiten (ähnlichen Daten / Uhrzeiten) wie jene der ersten Informationen und der zweiten Informationen, erfasst durch die erste Modelllerneinheit 11, ermittelt wurden.
Nachfolgend erfasst die zweite Modelllerneinheit 12 Elemente der zweiten Informationen zu den ähnlichen Daten / Uhrzeiten, zusammen mit den entsprechenden Daten / Uhrzeiten, von der zweiten Informationsspeichereinheit 5. Namentlich sind zweiten Informationen, die von der zweiten Modelllerneinheit 12 erfasst wurden, Informationen, die zu den gleichen Daten / Uhrzeiten wie die Informationen und die zweiten Informationen, erfasst durch die erste Modelllerneinheit 11, ermittelt wurden.
Zu beachten ist, dass Beispiele für die Bedingung mit Einfluss auf den Energiebedarf am Energiemarkt eine Nutzungsquote von Kühlvorrichtungen und einen Rohölpreis beinhalten, neben den meteorologischen Informationen usw., die vorher beschrieben wurden. Im Vergleich zur Nutzungsquote von Kühlvorrichtungen schwankt der Rohölpreis jedoch im Allgemeinen nur moderat. Das heißt, in dem Fall, in dem die zweite Modelllerneinheit 12 den Rohölpreis als die zweiten Informationen erfasst, ist der Rohölpreis nicht notwendigerweise jener, der zu einem Datum / einer Uhrzeit erfasst wurde, das / die jenem / jener der von der ersten Modelllerneinheit 11 erfassten zweiten Informationen gleicht. Beispielsweise kann es sich dabei um einen Rohölpreis handeln, der im nächsten Einjahreszeitraum ermittelt wird. In den Informationen, die bezeichnend für Bedingungen mit Einfluss auf den Energiebedarf sind, müssen mäßig variable Informationen (beispielsweise solche, deren Schwankungsbetrag in einem festen Zeitraum geringer als ein Schwellenwert ist) nicht jene sein, die zu einem Datum / einer Uhrzeit ermittelt werden, das / die jener der Ermittlung der zweiten Informationen, erfasst durch die erste Modelllerneinheit 11, gleicht, solange sie in einem Zeitraum ermittelt werden, in dem die Schwankung erwartungsgemäß in dem zulässigen Bereich ist.
Die zweite Modelllerneinheit 12 ordnet das Kaufgebotsvolumen und den Ausführungspreis von Energie, erfasst als die ersten Informationen und die zweiten Informationen, einander zu, indem sie als einen Schlüssel das Datum / die Uhrzeit nutzt, zu dem / der jedes Informationselement beschafft wurde, und lernt dann unter Verwendung dieser Informationseinheiten das zweite Prognosemodell. Das zweite Prognosemodell ist ein Modell zum Prognostizieren eines Ausführungspreises von Energie, indem als beispielhafte Variablen ein Kaufgebotsvolumen von Energie und die zweiten Informationen genutzt werden. In Bezug auf eine Lernmethode des zweiten Prognosemodells kann die Beziehung zwischen Kaufgebotsvolumina von Energie und Ausführungspreisen beispielsweise in einer solchen Weise gelernt werden, dass die Verteilung der Ausführungspreise relativ zu den Kaufgebotsvolumina durch ein Histogramm repräsentiert wird. Hingegen kann die Beziehung zwischen Kaufgebotsvolumina und Ausführungspreisen in einer solchen Weise gelernt werden, dass die Verteilung der Ausführungspreise relativ zu den Kaufgebotsvolumina durch Nutzung eines Wahrscheinlichkeitsdichteschätzungsverfahrens repräsentiert ist. Zum Lernen des zweiten Prognosemodells kann eine lineare Regressionsmethode, eine Hilfsvektorregressionsmethode, eine bayessche Regressionsmethode und eine andere Lernmethode als diese verwendet werden.
Ferner kann die zweite Modelllerneinheit 12 unter Verwendung der zweiten Informationen weitere Informationen auswählen, die zum Lernen des zweiten Prognosemodells zu verwenden sind. Beispielsweise wählt die zweite Modelllerneinheit 12 aus den ersten Informationen einen Teil der ersten Informationen aus, die einem Teil der zur Eingrenzung genutzten zweiten Informationen entsprechen, und nutzt dann den ausgewählten Teil der ersten Informationen zum Lernen des zweiten Prognosemodells. Der zum Eingrenzen genutzte Teil der zweiten Informationen kann Informationen umfassen, die zu dem ähnlichen Datum / der ähnlichen Uhrzeit in den zweiten Informationen enthalten sind und von denen geschätzt wird, dass sie der Bedingung zum Prognosezieldatum / zur Prognosezieluhrzeit ähneln. Beispielsweise wird unter den Zusammenstellungen der Kaufgebotsvolumina von Energie und der Ausführungspreise, die als die ersten Informationen erfasst werden, jede ausgewählte Zusammenstellung, die den Teil der zweiten Informationen zur Eingrenzung nutzt, für die Berechnung des oben beschriebenen Histogramms verwendet.
Als ein Ergebnis der Recherche des Erfinders dieser Anmeldung zu den Gebotstrends für Energie am Energiemarkt wurde ermittelt, dass am Energiemarkt der Ausführungspreis von Energie unkontinuierlich und schrittweise relativ zum Kaufgebotsvolumen schwankt, und es kann sich ein Fall ergeben, in dem einem Kaufgebotsvolumen mehrere Ausführungspreise zugeordnet sind. Das bedeutet, dass die mehreren Ausführungspreise diskret einem gegebenen Kaufgebotsvolumen entsprechen. Das zweite Prognosemodell wird unter Verwendung einer Lernmethode gelernt, durch die ausgedrückt werden kann, wie mehrere diskrete Ausführungspreise mit ihren angemessenen Wahrscheinlichkeiten dem Kaufgebotsvolumen von Energie entsprechen. Folglich ist davon auszugehen, dass eine relationale Formel, die das zweite Prognosemodell repräsentiert, komplex ist. Falls jedoch das zweite Prognosemodell so gestaltet ist, dass es sich einer einfachen relationalen Formel wie jener des ersten Prognosemodells annähert, kann das zweite Prognosemodell beispielsweise durch eine Formel wie die folgende ausgedrückt werden: Transaktionspreis = α1 + α2 x Kaufgebotsvolumen. In diesem Fall lernt die zweite Modelllerneinheit 12 unter Verwendung der ersten Informationen und der zweiten Informationen den Wert des Parameters α1 und den Wert des Parameters α2.
4 ist ein Diagramm, das ein Beispiel eines zweiten Prognosemodells 40 gemäß Ausführungsform 1 zeigt. Das in 4 gezeigte zweite Prognosemodell 40 gibt eine Beziehung an, in welcher der Ausführungspreis relativ zu dem Kaufgebotsvolumen von Energie unkontinuierlich, schrittweise, schwankt. Ferner gibt es, wie in 4 durch Pfeile angegeben, einen Fall, in dem für das gleiche Kaufgebotsvolumen mehrere Ausführungspreise prognostiziert werden. Zu beachten ist, dass unter Berücksichtigung eines Fehlers zwischen der tatsächlichen Bedingung zum Prognosezieldatum / zur Prognosezieluhrzeit und den dritten Informationen und eines Fehlers zwischen dem vom ersten Prognosemodell prognostizierten Kaufgebotsvolumen und dem tatsächlichen Kaufgebotsvolumen zum Prognosezieldatum / zur Prognosezieluhrzeit die zweite Modelllerneinheit 12 ein zweites Prognosemodell lernen kann, das den Ausführungspreis von Energie in Form einer Wahrscheinlichkeitsverteilung prognostiziert.
Die Beschreibung kehrt zu 2 zurück.
Die erste Prognoseeinheit 13 prognostiziert das Kaufgebotsvolumen von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit (Schritt ST3). Beispielsweise wendet die erste Prognoseeinheit 13 die dritten Informationen zum Prognosezieldatum / zur Prognosezieluhrzeit, erfasst von der dritten Informationserfassungseinheit 6, auf das von der ersten Modelllerneinheit 11 gelernte erste Prognosemodell an, um dabei das Kaufgebotsvolumen von Energie am Prognosezieldatum / zur Prognosezieluhrzeit zu prognostizieren. Ferner kann die erste Prognoseeinheit 13 unter Verwendung des ersten Prognosemodells gleichzeitig eine Wahrscheinlichkeitsverteilung der Prognosewerte für das Kaufgebotsvolumen von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit berechnen.
Die zweite Prognoseeinheit 14 prognostiziert den Ausführungspreis von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit (Schritt ST4). Beispielsweise erfasst die zweite Prognoseeinheit 14 die dritten Informationen zum Prognosezieldatum / zur Prognosezieluhrzeit von der dritten Informationserfassungseinheit 6 und erfasst das Kaufgebotsvolumen von Energie, welches von der ersten Prognoseeinheit 13 prognostiziert wurde, und wendet dann diese Informationselemente auf das zweite Prognosemodell an, um auf diese Weise den Ausführungspreis von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit zu prognostizieren. Ferner kann die zweite Prognoseeinheit 14 unter Verwendung des zweiten Prognosemodells gleichzeitig eine Wahrscheinlichkeitsverteilung von Prognosewerten für den Ausführungspreis von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit berechnen.
Die Präsentationseinheit 15 präsentiert das Prognosemodell und die Prognoseergebnisse (Schritt ST5). Beispielsweise veranlasst die Präsentationseinheit 15 die Anzeigeeinheit, Folgendes anzuzeigen: das zweite Prognosemodell, das den Ausführungspreis von Energie prognostiziert; das Kaufgebotsvolumen von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit, das von der ersten Prognoseeinheit 13 prognostiziert wird; und den Ausführungspreis von Energie zum Prognosezieldatum / zur Prognosezieluhrzeit, der von der zweiten Prognoseeinheit 14 prognostiziert wird. Ferner kann die Präsentationseinheit 15 die Anzeigeeinheit veranlassen, das für die Prognostizierung des Kaufgebotsvolumens von Energie genutzte erste Prognosemodell gemeinsam mit dem Kaufgebotsvolumen als ein Prognoseergebnis anzuzeigen.
Da der Ausführungspreis von Energie relativ zum Kaufgebotsvolumen diskret schwankt, ist es schwierig, den Ausführungspreis von Energie durch (einen) repräsentative(n) Wert(e), beispielsweise einen Durchschnittswert oder Schwankungswerte, zu präsentieren. Dementsprechend kann die Präsentationseinheit 15 die Korrespondenzbeziehung zwischen dem zweiten Prognosemodell, der Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens und der Wahrscheinlichkeitsverteilung des Ausführungspreises visualisieren, um dabei eine Präsentation auszuführen, sodass der Prozess des Herleitens der Wahrscheinlichkeitsverteilung des Ausführungspreises von der Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens unter Verwendung des zweiten Prognosemodells erkennbar ist.
5 ist ein Diagramm, das ein Beispiel der Art und Weise des Präsentierens der Prognoseergebnisse gemäß Ausführungsform 1 zeigt. Wie in 5 gezeigt, bildet die Präsentationseinheit 15 die Prognosewerte 40A zum Ausführungspreis von Energie, berechnet unter Verwendung des zweiten Prognosemodells, auf einem Diagramm zur Angabe einer Beziehung zwischen dem Kaufgebotsvolumen von Energie und dem Ausführungspreis von Energie ab, sodass das zweite Prognosemodell visualisiert ist. Unter Bezugnahme auf das in 5 gezeigte Diagramm kann der Bieter erkennen, dass der Prognosewert 40A zum Ausführungspreis von Energie relativ zum Kaufgebotsvolumen diskret schwankt.
Ferner stellt die Präsentationseinheit 15 auf dem in 5 gezeigten Diagramm Folgendes dar: eine Wahrscheinlichkeitsverteilung 50 des Kaufgebotsvolumens von Energie, prognostiziert durch die erste Prognoseeinheit 13, einen Streifenbereich 60, der eine Region der Hauptverteilung des Kaufgebotsvolumens von Energie angibt, und eine Wahrscheinlichkeitsverteilung 70 des Ausführungspreises von Energie, prognostiziert durch die zweite Prognoseeinheit 14. Dementsprechend werden, wenn das in 5 gezeigte Diagramm auf der Anzeigeeinheit angezeigt wird, die Wahrscheinlichkeitsverteilung 50 des Kaufgebotsvolumens von Energie und die Wahrscheinlichkeitsverteilung 70 des Ausführungspreises von Energie visualisiert.
Unter Bezugnahme auf den Streifenbereich 60, der in dem in 5 gezeigten Diagramm dargestellt ist, kann der Bieter erkennen, dass die Wahrscheinlichkeitsverteilung 70 des Ausführungspreises von Energie von den Prognosewerten 40A zum Ausführungspreis, enthalten im Streifenbereich 60, abgeleitet ist. Die Verteilungsdichte der Prognosewerte 40A zu dem unter Verwendung des zweiten Prognosemodells prognostizierten Ausführungspreis kann unter Verwendung von Niveaulinien oder Farbschattierungen angezeigt werden. Ferner kann das in 3 gezeigte erste Prognosemodell in dem in 5 gezeigten Diagramm dargestellt werden.
Auf diese Weise visualisiert die Transaktionspreisprognosevorrichtung 1 das für die Prognose des Ausführungspreises von Energie genutzte zweite Prognosemodell, den Prognosewert zum Kaufgebotsvolumen von Energie und den Prognosewert zum Ausführungspreis von Energie, und führt eine Präsentation aus, sodass ein Verfahren des Herleitens der Wahrscheinlichkeitsverteilung des Ausführungspreises von der Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens unter Verwendung des zweiten Prognosemodells erkennbar ist. Folglich kann der Bieter selbst in einem Markt, in dem Gebotstrends nicht gegenüber der Öffentlichkeit offenbart werden, wie beispielsweise der Kassamarkt der JEPX oder dergleichen, eine Transaktionssituation erkennen, die den Transaktionspreis eines Prognoseergebnisses feststellt, und kann folglich die Angemessenheit des Prognoseergebnisses beurteilen.
Es sei angemerkt, dass die Verarbeitung in Schritten von Schritt ST1 bis Schritt ST5, gezeigt in 2, als kontinuierliche Verarbeitung ausgeführt werden kann. Stattdessen ist es zulässig, dass die erste Prognoseeinheit 13 oder die zweite Prognoseeinheit 14 das erste Prognosemodell oder das zweite Prognosemodell, das vorab erarbeitet wurde, aktiviert, wobei die Prognoseverarbeitung jeder Einheit asynchron ausgeführt wird. Die Lernverarbeitung der Prognosemodelle kann in Reaktion auf eine Veränderung in der für das Lernen genutzten Informationseingrenzungsbedingung rekursiv erfolgen, und die Prognosewertberechnungsverarbeitung kann in Reaktion auf eine Veränderung im Prognosewert rekursiv ausgeführt werden.
Ferner führt in dem Fall, in dem die Transaktionspreisprognosevorrichtung 1 aus der ersten Prognoseeinheit 13 und der zweiten Prognoseeinheit 14 besteht, wie vorstehend beschrieben, die Transaktionspreisprognosevorrichtung 1 die Verarbeitung von Schritt ST3 und die Verarbeitung von Schritt ST4 in dem in 2 gezeigten Ablaufdiagramm aus. Namentlich umfasst das Transaktionspreisprognoseverfahren gemäß Ausführungsform 1: einen Schritt, in dem die erste Prognoseeinheit 13 das Kaufgebotsvolumen zum Prognosezieldatum / zur Prognosezieluhrzeit unter Verwendung des ersten Prognosemodells prognostiziert; und einen Schritt, in dem die zweite Prognoseeinheit 14 den Transaktionspreis zum Prognosezieldatum / zur Prognosezieluhrzeit unter Verwendung des zweiten Prognosemodells prognostiziert.
Nachfolgend werden Hardwarekonfigurationen zur Implementierung der Funktionen der Transaktionspreisprognosevorrichtung 1 beschrieben.
Die Funktionen der ersten Modelllerneinheit 11, der zweiten Modelllerneinheit 12, der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 sind durch eine Verarbeitungsschaltung implementiert. Namentlich umfasst die Transaktionspreisprognosevorrichtung 1 eine Verarbeitungsschaltung zur Ausführung von Verarbeitung von Schritt ST1 bis Schritt ST5, gezeigt in 2. Obwohl die Verarbeitungsschaltung zweckbestimmte Hardware sein kann, kann sie eine zentrale Verarbeitungseinheit (CPU) sein, die in einem Speicher gespeicherte Programme ausführt.
6A ist ein Blockdiagramm, das eine Hardwarekonfiguration zum Implementieren der Funktionen der Transaktionspreisprognosevorrichtung 1 zeigt. 6B ist ein Blockdiagramm, das eine Hardwarekonfiguration für das Ausführen von Software, die die Funktionen der Transaktionspreisprognosevorrichtung 1 implementieren kann, zeigt. In 6A und 6B ist eine erste Schnittstelle 100 eine Schnittstelle zur Übermittlung des Informationsaustauschs zwischen der Transaktionspreisprognosevorrichtung 1 und den Speichervorrichtungen, die die erste Informationsspeichereinheit 3 und die zweite Informationsspeichereinheit 5 implementieren. Eine zweite Schnittstelle 101 ist eine Schnittstelle zur Übermittlung des Informationsaustauschs zwischen der Transaktionspreisprognosevorrichtung 1 und der Kommunikationsvorrichtung oder der Eingabevorrichtung, welche die dritte Informationserfassungseinheit 6 implementiert. Eine dritte Schnittstelle 102 ist eine Schnittstelle zum Ausgeben der von der Transaktionspreisprognosevorrichtung 1 ausgegebenen Prognoseergebnisse an eine Anzeigevorrichtung.
Wenn die Verarbeitungsschaltung eine Verarbeitungsschaltung 103 als zweckbestimmte Hardware, gezeigt in 6A, ist, entspricht der Verarbeitungsschaltung 103 beispielsweise eine einzelne Schaltung, eine zusammengesetzte Schaltung, ein programmierter Prozessor, ein parallel programmierter Prozessor, eine anwendungsspezifische integrierte Schaltung (Application Specific Integrated Circuit, ASIC), eine im Feld programmierbare Gatteranordnung (Field-Programmable Gate Array, FPGA) oder eine jegliche Kombination davon. Die Funktionen der ersten Modelllerneinheit 11, der zweiten Modelllerneinheit 12, der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 können durch ihre entsprechenden Verarbeitungsschaltungen implementiert werden, oder diese Funktionen können kollektiv durch eine Verarbeitungsschaltung implementiert werden.
Wenn die Verarbeitungsschaltung ein Prozessor 104 ist, gezeigt in 6B, sind die Funktionen der ersten Modelllerneinheit 11, der zweiten Modelllerneinheit 12, der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 durch Software, Firmware oder eine Kombination von Software und Firmware implementiert. Zu beachten ist, dass die Software oder die Firmware als (ein) Programm(e) geschrieben und in einem Speicher 105 gespeichert wird.
Der Prozessor 104 liest und führt die im Speicher 105 gespeicherten Programme aus, um dabei die Funktionen der ersten Modelllerneinheit 11, der zweiten Modelllerneinheit 12, der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 zu implementieren. Namentlich ist die Transaktionspreisprognosevorrichtung 1 mit dem Speicher 105 zum Speichern der Programme versehen, durch die, wenn sie von dem Prozessor 104 ausgeführt werden, schließlich die Verarbeitung vom Schritt ST1 bis zum Schritt ST5 in dem in 2 gezeigten Ablaufdiagramm ausgeführt wird. Diese Programme veranlassen einen Computer, die Schritte oder Prozesse der ersten Modelllerneinheit 11, der zweiten Modelllerneinheit 12, der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 auszuführen. Der Speicher 105 kann ein computerlesbares Speichermedium sein, in dem Programme gespeichert sind, die den Computer veranlassen, als die erste Modelllerneinheit 11, die zweite Modelllerneinheit 12, die erste Prognoseeinheit 13, die zweite Prognoseeinheit 14 und die Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 zu fungieren.
Dem Speicher 105 entsprechen beispielsweise ein nichtflüchtiger oder flüchtiger Halbleiterspeicher, wie etwa ein Speicher mit wahlfreiem Zugriff (Random Access Memory, RAM), ein Nur-Lese-Speicher (Read Only Memory, ROM), ein Flash-Speicher, ein löschbarer programmierbarer ROM (Erasable Programmable Read Only Memory, EPROM), ein elektrisch löschbarer programmierbarer ROM (Electrically-EPROM) oder dergleichen; eine Magnetscheibe; eine flexible Scheibe, eine optische Scheibe, eine Compact Disc, eine Minidisk, eine DVD oder dergleichen.
Die Funktionen der ersten Modelllerneinheit 11, der zweiten Modelllerneinheit 12, der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 in der Transaktionspreisprognosevorrichtung 1 können teilweise durch zweckbestimmte Hardware und teilweise durch Software oder Firmware implementiert werden. Beispielsweise sind die Funktionen der ersten Modelllerneinheit 11 und der zweiten Modelllerneinheit 12 durch die Verarbeitungsschaltung 103 als zweckbestimmte Hardware implementiert, während die Funktionen der ersten Prognoseeinheit 13, der zweiten Prognoseeinheit 14 und der Präsentationseinheit 15 so implementiert sind, dass der Prozessor 104 im Speicher 105 gespeicherte Programme ausliest und ausführt. Auf diese Weise, unter Verwendung von Hardware, Software, Firmware oder jeglicher Kombination davon kann die Verarbeitungsschaltung die vorstehenden Funktionen implementieren.
Wie vorstehend beschrieben, kann die Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 den Ausführungspreis von Energie, der die Energietransaktionssituation zum Prognosezieldatum / zur Prognosezieluhrzeit reflektiert, unter Verwendung des ersten Prognosemodells und des zweiten Prognosemodells prognostizieren.
Ferner umfasst die Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 die Präsentationseinheit 15 zum Präsentieren des zweiten Prognosemodells, das den Ausführungspreis, das Kaufgebotsvolumen als ein Prognoseergebnis und den Ausführungspreis als ein Prognoseergebnis prognostiziert, sodass der Bieter eine Transaktionssituation erkennen kann, die den Ausführungspreis bestimmt, und folglich die Angemessenheit des Prognoseergebnisses beurteilen kann.
Ferner prognostiziert in der Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 die erste Prognoseeinheit 13 das Kaufgebotsvolumen zum Prognosezieldatum / zur Prognosezieluhrzeit durch Anwenden der dritten Informationen, deren tatsächliche Werte zum Prognosezieldatum / zur Prognosezieluhrzeit ermittelt werden können, auf das erste Prognosemodell. Die zweite Prognoseeinheit 14 prognostiziert den Ausführungspreis zum Prognosezieldatum / zur Prognosezieluhrzeit durch Anwenden der dritten Informationen, deren tatsächliche Werte zum Prognosezieldatum / zur Prognosezieluhrzeit ermittelt werden können, und des Prognoseergebnisses des Kaufgebotsvolumens auf das zweite Prognosemodell. Dies ermöglicht eine objektive Prüfung der Angemessenheit der Prognoseergebnisse entsprechend jedem Prognosemodell durch Verwendung der tatsächlichen Werte auf das Prognosezieldatum / die Prognosezieluhrzeit.
Wenn beispielsweise ein Prüfergebnis ermittelt wird, gemäß dem zwischen dem durch die Anwendung der dritten Informationen auf das Prognosemodell ermittelten Prognosewert und einem durch die Anwendung tatsächlicher Werte zum Prognosezieldatum / zur Prognosezieluhrzeit ermittelten Wert ein Fehler besteht, namentlich die tatsächlichen Werte von Elementen der Bedingung, die jenen der dritten Informationen gleichen, im Vergleich zum Prognosewert einen zulässigen Bereich überschreiten, wird untersucht, aus welchem Grund der prognostizierte Transaktionspreis falsch ist.
In Bezug auf den Grund, aus dem der Prognosewert zum Transaktionspreis in der Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 falsch ist, wird beispielsweise zuerst als ein Grund (1) ein Fall untersucht, in dem die Prognosen nach der Bedarfsprognose aufgrund einer falschen Wettervorhersage falsch sind. Ist die Wettervorhersage richtig, wird als ein Grund (2) ein Fall untersucht, in dem die Prognose des Kaufgebotsvolumens aufgrund eines Fehlers des ersten Prognosemodells falsch ist. Ist die Prognose des Kaufgebotsvolumens durch das erste Prognosemodell richtig, wird als ein Grund (3) ein Fall untersucht, in dem die Prognose des Ausführungspreises aufgrund eines Fehlers des zweiten Prognosemodells falsch ist. Ist die Prognose des Ausführungspreises durch das zweite Prognosemodell richtig, wird als ein Grund (4) untersucht, ob der Fehler des Ausführungspreises hauptsächlich auf eine nicht kontinuierliche, schrittweise Schwankung des Ausführungspreises relativ zum Kaufgebotsvolumen, wie in 4 gezeigt, zurückzuführen ist.
In der konventionellen Prognose des Transaktionspreises wird im Allgemeinen nur ein Prognosemodell zum Prognostizieren eines Transaktionspreises direkt aus der Lufttemperatur oder dergleichen genutzt, sodass lediglich der mit (1) bezeichnete Grund und eine auf den mit (2) bis (4) bezeichneten Gründen basierende Mischsituation untersucht wird. Im Gegensatz dazu werden in der Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 das erste Prognosemodell zum Prognostizieren des Kaufgebotsvolumens und das zweite Prognosemodell zum Prognostizieren des Transaktionspreises unter Verwendung des Prognosewertes des ersten Prognosemodells genutzt, sodass es möglich ist, insbesondere die mit (3) und (4) bezeichneten Gründe zu untersuchen und somit eine präzisere Untersuchung vorzunehmen. Falls beispielsweise festgestellt wird, dass der durch das erste Prognosemodell prognostizierte Prognosewert des Kaufgebotsvolumens fehlerfrei ist, werden die in das zweite Prognosemodell eingegebenen Informationen und die aus dem zweiten Prognosemodell ausgegebenen Informationen untersucht, sodass es dann, wenn festgestellt wird, dass der Prognosewert des Transaktionspreises in einem Bereich von den früheren tatsächlichen Werten der Transaktionspreise mit der gleichen Bedingung abwich, möglich ist, festzustellen, dass im Transaktionspreis aufgrund des mit (3) gekennzeichneten Grundes ein großer Fehler auftrat. In diesem Fall wird die Eingrenzungsbedingung für Daten, die zum Lernen des zweiten Prognosemodells verwendet werden, überarbeitet, und dann wird ein Neulernen ausgeführt. Dies ermöglicht eine hochexakte Prognose des Transaktionspreises.
Ferner visualisiert die Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 das zweite Prognosemodell, den Prognosewert zum Kaufgebotsvolumen von Energie und den Prognosewert zum Ausführungspreis, und führt eine Präsentation aus, sodass ein Verfahren des Herleitens der Wahrscheinlichkeitsverteilung des Ausführungspreises von der Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens von Energie unter Verwendung des zweiten Prognosemodells erkennbar ist. Dementsprechend kann der Bieter den Prozess des Herleitens des Prognosewertes zum Ausführungspreis erkennen und kann folglich die Angemessenheit des Prognoseergebnisses beurteilen.
Anzumerken ist, dass in der bisherigen Beschreibung ein Fall beschrieben wurde, in dem die einer Transaktionspreisprognose unterliegende Ware elektrische Energie ist; die Transaktionspreisprognosevorrichtung 1 gemäß Ausführungsform 1 ist jedoch auch auf eine andere Ware als elektrische Energie anwendbar, sofern es sich dabei um eine Ware handelt, für die in einem Markt Verkaufs- und Kaufgebote ausgeführt werden.
Es ist zu beachten, dass diese Erfindung nicht auf die vorstehende Ausführungsform beschränkt ist, und es kann eine Modifikation einer jeglichen Komponente in der Ausführungsform oder ein Weglassen einer jeglichen Komponente in der Ausführungsform vollzogen werden, ohne vom Schutzumfang der Erfindung abzuweichen.
INDUSTRIELLE ANWENDBARKEIT
Die erfindungsgemäße Transaktionspreisprognosevorrichtung ist beispielsweise auf ein System zum Prognostizieren des Ausführungspreises von Energie in einem Elektroenergie-Großhandelsmarkt, in dem Gebotstrends von Energie gegenüber der Öffentlichkeit nicht offenbart werden, anwendbar, da es möglich ist, eine Transaktionssituation zum Prognosezieldatum / zur Prognosezieluhrzeit widerzuspiegeln und die Angemessenheit des Prognoseergebnisses des Transaktionspreises zu beurteilen.
Bezugszeichenliste

1:: Transaktionspreisprognosevorrichtung,
2:: erste Informationserfassungseinheit,
3:: erste Informationsspeichereinheit,
4:: zweite Informationserfassungseinheit,
5:: zweite Informationsspeichereinheit,
6:: dritte Informationserfassungseinheit,
11:: erste Modelllerneinheit,
12:: zweite Modelllerneinheit,
13:: erste Prognoseeinheit,
14:: zweite Prognoseeinheit, 15: Präsentationseinheit,
30:: erstes Prognosemodell,
40:: zweites Prognosemodell,
40A:: Prognosewert,
50, 70:: Wahrscheinlichkeitsverteilung,
60:: Streifenbereich,
100:: erste Schnittstelle,
101:: zweite Schnittstelle,
102:: dritte Schnittstelle,
103:: Verarbeitungsschaltung,
104:: Prozessor,
105:: Speicher.

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 2005339527 [0005]

Claims

Transaktionspreisprognosevorrichtung, umfassend: eine erste Prognoseeinheit zum Prognostizieren eines Kaufgebotsvolumens zu einem Prognosezieldatum / einer Prognosezieluhrzeit durch Verwendung eines ersten Prognosemodells zum Prognostizieren eines Kaufgebotsvolumens; und eine zweite Prognoseeinheit zum Prognostizieren eines Transaktionspreises zum Prognosezieldatum / zur Prognosezieluhrzeit durch Anwendung des durch die erste Prognoseeinheit prognostizierten Kaufgebotsvolumens auf ein zweites Prognosemodell zum Prognostizieren eines Transaktionspreises.
Transaktionspreisprognosevorrichtung nach Anspruch 1, ferner umfassend: eine erste Modelllerneinheit zum Lernen eines Prognosemodells, das ein Kaufgebotsvolumen, abgestimmt auf eine Bedingung, die ein Angebot beeinflusst, prognostiziert, als das erste Prognosemodell, unter Verwendung erster Informationen, die tatsächliche Werte entsprechender Kaufgebotsvolumina umfassen, und zweiter Informationen, die tatsächliche Werte zu der Bedingung, die das Angebot beeinflusst, angeben; und eine zweite Modelllerneinheit zum Lernen eines Prognosemodells, das einen Transaktionspreis, abgestimmt sowohl auf ein Kaufgebotsvolumen als auch auf die Bedingung, die das Gebot beeinflusst, prognostiziert, als das zweite Prognosemodell, unter Verwendung der ersten Informationen und der zweiten Informationen.
Transaktionspreisprognosevorrichtung nach Anspruch 1 oder Anspruch 2, ferner umfassend eine Präsentationseinheit zum Präsentieren des zweiten Prognosemodells, des von der ersten Prognoseeinheit prognostizierten Kaufgebotsvolumens und des von der zweiten Prognoseeinheit prognostizierten Transaktionspreises.
Transaktionspreisprognosevorrichtung nach Anspruch 1, wobei das zweite Prognosemodell den Transaktionspreis in Form einer Wahrscheinlichkeitsverteilung prognostiziert.
Transaktionspreisprognosevorrichtung nach Anspruch 2, wobei die zweite Modelllerneinheit die für das Lernen des zweiten Prognosemodells zu verwendenden Informationen unter Verwendung der zweiten Informationen auswählt.
Transaktionspreisprognosevorrichtung nach Anspruch 3, wobei die zweite Prognoseeinheit eine Wahrscheinlichkeitsverteilung des Transaktionspreises zu dem Prognosezieldatum / der Prognosezieluhrzeit berechnet, und wobei die Präsentationseinheit die von der zweiten Prognoseeinheit berechnete Wahrscheinlichkeitsverteilung des Transaktionspreises präsentiert.
Transaktionspreisprognosevorrichtung nach Anspruch 6, wobei die Präsentationseinheit die Wahrscheinlichkeitsverteilung des Transaktionspreises zusammen mit dem zweiten Prognosemodell präsentiert.
Transaktionspreisprognosevorrichtung nach Anspruch 7, wobei die erste Prognoseeinheit eine Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens zu dem Prognosezieldatum / der Prognosezieluhrzeit berechnet, und wobei die Präsentationseinheit die von der ersten Prognoseeinheit berechnete Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens präsentiert.
Transaktionspreisprognosevorrichtung nach Anspruch 8, wobei die Präsentationseinheit eine Korrespondenzbeziehung zwischen dem zweiten Prognosemodell, der Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens und der Wahrscheinlichkeitsverteilung des Transaktionspreises visualisiert, um dabei eine Präsentation auszuführen, sodass ein Verfahren des Herleitens der Wahrscheinlichkeitsverteilung des Transaktionspreises von der Wahrscheinlichkeitsverteilung des Kaufgebotsvolumens unter Anwendung des zweiten Prognosemodells erkennbar ist.
Transaktionspreisprognoseverfahren, umfassend: einen Schritt, in dem eine erste Prognoseeinheit ein Kaufgebotsvolumen zu einem Prognosezieldatum / einer Prognosezieluhrzeit unter Verwendung eines ersten Prognosemodells zum Prognostizieren eines Kaufgebotsvolumens prognostiziert; und einen Schritt, in dem eine zweite Prognoseeinheit einen Transaktionspreis zu einem Prognosezieldatum / einer Prognosezieluhrzeit durch Anwendung des durch die erste Prognoseeinheit prognostizierten Kaufgebotsvolumens auf ein zweites Prognosemodell zum Prognostizieren eines Transaktionspreises prognostiziert.