JP2000333367A - Thermoelectric consumption predicting system - Google Patents
Thermoelectric consumption predicting systemInfo
- Publication number
- JP2000333367A JP2000333367A JP11138880A JP13888099A JP2000333367A JP 2000333367 A JP2000333367 A JP 2000333367A JP 11138880 A JP11138880 A JP 11138880A JP 13888099 A JP13888099 A JP 13888099A JP 2000333367 A JP2000333367 A JP 2000333367A
- Authority
- JP
- Japan
- Prior art keywords
- demand
- communication device
- data
- thermoelectric
- forecasting system
- 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
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、建物又は特定地域
に、熱および電気を供給するエネルギープラントの運転
制御に関し、特に、エネルギープラントの運転スケジュ
ールを決めるために用いる熱及び電気の需要予測を行う
熱電需要予測システムに関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an operation control of an energy plant for supplying heat and electricity to a building or a specific area, and more particularly, to predicting a demand for heat and electricity used for determining an operation schedule of an energy plant. It relates to a thermoelectric demand forecast system.
【０００２】[0002]
【従来の技術】従来より、地域に熱及び電気を供給する
エネルギープラントの運転効率は、その運転スケジュー
ルに大きく依存していることから、精度の高い需要予測
方式が求められてきた。特に、エネルギープラントが蓄
熱槽を持つ場合、安価な夜間電力を用いて多くの熱を作
り蓄熱槽に蓄え、該蓄熱槽に蓄えた熱を昼間の冷暖房に
用いる運転が行われる。2. Description of the Related Art Heretofore, the operation efficiency of an energy plant that supplies heat and electricity to an area largely depends on its operation schedule. In particular, when the energy plant has a heat storage tank, an operation is performed in which a large amount of heat is generated using inexpensive nighttime electric power and stored in the heat storage tank, and the heat stored in the heat storage tank is used for cooling and heating in the daytime.
【０００３】かかる蓄熱槽を用いたエネルギープラント
では、前日に行った冷暖房の需要予測に基づき冷熱を蓄
えることから、蓄えすぎれば熱が余り、蓄えた量が十分
でなければ昼間の高い電力を使って熱を補うことになる
ため、蓄熱運転の効果が十分でなくなる。[0003] In an energy plant using such a heat storage tank, cold energy is stored based on the demand forecast for cooling and heating performed on the previous day. Therefore, the effect of the heat storage operation becomes insufficient.
【０００４】このために、様々な予測方式が提案され実
用化されている。多くの手法が提案されている中で代表
的な手法としては、過去の需要パターンを実績として記
憶しておいて、同様な条件の日（主に曜日が使われる
が）に対して過去の実績をもって予測値とする方式、さ
らに、この過去の実績との類似性を抽出するために事例
ベース推論を用いた方式も見られる。To this end, various prediction methods have been proposed and put into practical use. Among the many methods that have been proposed, a typical method is to store past demand patterns as actual results, and to record past results for days with similar conditions (mainly days of the week are used). And a method using case-based reasoning to extract similarity with past results.
【０００５】もう一つの代表的な手法は、天気予報を用
いる方式である。かかる方式は、天気予報データ、特に
最高気温と最低気温を用いて、需要の特性、例えば、商
業ビルであるとか住宅であるとかの特徴を利用して、予
測値を計算する手法である。Another typical method is a method using a weather forecast. This method is a method of calculating a predicted value by using weather forecast data, particularly, a maximum temperature and a minimum temperature, and utilizing characteristics of demand, for example, features such as a commercial building and a house.
【０００６】また、これらの手法を折衷したものも多く
見られる。これは、過去の需要実績パターンと天気予報
データを組み合わせる手法である。この組み合わせを学
習により調整する方式のものも見られる。[0006] Many of these techniques are compromised. This is a method of combining past demand actual patterns and weather forecast data. Some systems adjust this combination by learning.
【０００７】[0007]
【発明が解決しようとする課題】熱と電力の需要は、そ
の日特有の人の活動により左右される部分と、天候によ
り左右される部分がある。その日特有の人の活動に左右
される部分は、曜日依存性などシステマティックな部分
は過去のパターンから予測することができるが、ランダ
ムな部分は、需要予測システムにより一般的に予測する
のは困難である。The demand for heat and power depends on the activity of the person peculiar to the day and the weather. The systematic part, such as day-of-the-week dependence, can be predicted from past patterns, while the random part is difficult to predict using a demand forecast system in general. is there.
【０００８】一方、天候に左右される部分は、天候の予
測が正確であれば、精度良く予測することができる。[0008] On the other hand, a portion which is affected by the weather can be accurately predicted if the prediction of the weather is accurate.
【０００９】従来の技術の中で、過去の需要パターン実
績のみを元にして予測する方式の場合、人の活動の曜日
依存性などの実績を捕らえることによりシステマティッ
クな部分を予測することはできるが、需要に大きな影響
を与える天候の影響を加味することができない。実績と
しての天候は入力できるものの、必要な明日の天候を正
確に入力する仕組みがないからである。In the prior art, in the case of a method of predicting based only on past demand pattern results, it is possible to predict a systematic portion by capturing results such as day-of-week dependence of human activities. However, it is not possible to take into account the influence of weather, which has a large effect on demand. Although the actual weather can be entered, there is no mechanism to accurately input the necessary tomorrow's weather.
【００１０】一方、実績に天気予報を加味する方法で
は、与えられた情報の範囲では最善の予測となる。[0010] On the other hand, in the method in which the weather forecast is added to the actual result, the best prediction is obtained within the range of the given information.
【００１１】しかし、従来の方式では熱電需要予測シス
テムのオペレータにその入力が任されているために、実
際に入力するのは手間がかかる上、精度の高い入力を期
待することができなかった。特に、一般的な天気予報で
は熱電需要に大きな影響を与える日照の予測値を入力す
ることが困難であった。また、時事刻々変化していく天
気予報をトレースして入力していくことも困難であっ
た。このような困難性のために、熱電需要予測システム
の精度を十分なレベルまで高めることが難しく、従っ
て、地域熱源プラントやコジェネプラントのエネルギー
効率を最適化することが困難であった。However, in the conventional method, since the input is left to the operator of the thermoelectric demand prediction system, it is troublesome to actually input the information, and a highly accurate input cannot be expected. In particular, it has been difficult for general weather forecasts to input a predicted value of sunshine which has a large effect on heat and power demand. Also, it has been difficult to trace and input a weather forecast that changes every moment. Due to such difficulties, it has been difficult to increase the accuracy of the thermoelectric demand forecasting system to a sufficient level, and thus it has been difficult to optimize the energy efficiency of the district heat source plant and the cogeneration plant.
【００１２】また、従来の予測システムでは、以上述べ
たように電力需要予測と熱需要予測は共通する要素を多
く持ちながら、まったく別々のシステムとして開発され
てきた。この結果、コジェネプラント等では、重複する
手段を２つ用意する必要があり、複雑なシステム構成と
なる、という問題がある。Further, in the conventional prediction system, as described above, the power demand prediction and the heat demand prediction have been developed as completely separate systems while having many common elements. As a result, in a cogeneration plant or the like, there is a problem in that it is necessary to prepare two overlapping means, resulting in a complicated system configuration.
【００１３】本発明の目的は、システム構成を複雑にす
ることなく、エネルギープラントのエネルギー効率を最
適化することが可能な熱電需要予測システムを提供する
ことにある。An object of the present invention is to provide a thermoelectric demand forecasting system capable of optimizing the energy efficiency of an energy plant without complicating the system configuration.
【００１４】[0014]
【課題を解決するための手段】上記課題を解決するため
に、本発明は、熱及び電力のうち少なくとも一方の供給
対象に対し熱及び電力のうち少なくとも一方を供給する
エネルギープラントにおける熱電需要予測システムにお
いて、外部から気象関連データを取り込む通信装置と、
この通信装置により取り込んだ気象データに基づき熱需
要予測及び電力需要予測のうち少なくとも一方を実行
し、その結果を出力する演算装置とを具備する。SUMMARY OF THE INVENTION In order to solve the above-mentioned problems, the present invention provides a system for predicting the demand for heat and power in an energy plant that supplies at least one of heat and power to at least one of heat and power. A communication device that takes in weather-related data from the outside,
A computing device that executes at least one of heat demand prediction and power demand prediction based on the weather data captured by the communication device, and outputs the result.
【００１５】かかる構成にて、通信装置は、気象関連デ
ータとして公開されているアメダスの全国データおよび
衛星の可視画像を、時事刻々取り込む。また、演算装置
により、通信装置から取り込んだ情報に含まれる気温、
日照、雲の全国データのトレンド情報を抽出して、気
温、日照の変化傾向を把握し、その変化傾向に基づき、
予測すべき時刻の気温、日照情報を予測し、また情報の
曜日を、過去の事例から求めた気象条件依存性、曜日依
存性などの関数に入力して、熱需要と電力重要を演算す
る。さらに、通信装置及び演算装置により、時事刻々、
熱需要と電力需要を修正予測する。[0015] With this configuration, the communication device fetches the national data of AMeDAS and visible images of satellites, which are released as weather-related data, every moment. In addition, the temperature included in the information taken from the communication device by the arithmetic device,
By extracting trend information of sunshine and cloud nationwide data, grasping the changing trends of temperature and sunshine, based on the changing trends,
The temperature and sunshine information at the time to be predicted are predicted, and the day of the information is input to functions such as weather condition dependence and day dependence determined from past cases to calculate heat demand and power importance. Furthermore, with the communication device and the arithmetic device,
Correct and forecast heat demand and electricity demand.
【００１６】[0016]
【発明の実施の形態】本発明の実施の形態を図面に従い
説明する。Embodiments of the present invention will be described with reference to the drawings.
【００１７】本発明にかかる熱電需要予測システムの実
施の形態は、図１に示すように、電話線につながれた通
信装置１と、この通信装置１により得た気象情報を元
に、日照と気温の予測データを作成するイメージ処理装
置２と、イメージ処理装置２により作成したデータを元
に熱需要と電力需要を予測する関数演算装置３と、日
照、気温、日付けに対して熱と電力需要実測値の日変化
カーブを回帰曲線で求める需要学習装置４とから構成さ
れる。An embodiment of a thermoelectric demand forecasting system according to the present invention, as shown in FIG. 1, uses a communication device 1 connected to a telephone line and a sunshine and temperature based on weather information obtained by the communication device 1. An image processing device 2 for creating prediction data of the above, a function operation device 3 for predicting heat demand and power demand based on the data created by the image processing device 2, a heat and power demand for sunshine, temperature and date A demand learning device 4 for obtaining a daily change curve of the actually measured value by a regression curve.
【００１８】ここで、通信装置１は、パソコンにインス
トールしたモデムを電話線につなぎ、気象データを定期
的に受信することにより容易に実現できる。この通信装
置１は、定時間おきにダイアルアップして情報を入手
後、通信を切断することにより通信コストを抑制してい
る。これにより、図２に示すようなインターネット上に
アップされた全国に設置されたアメダスの気温、日照な
どの最新データを常に受け取ることができる。また、通
信装置１における設定を変更することにより、気象庁の
最新天気予報データも手に入れることができる。Here, the communication device 1 can be easily realized by connecting a modem installed in a personal computer to a telephone line and periodically receiving weather data. The communication device 1 suppresses communication costs by cutting up communication after obtaining information by dialing up at regular time intervals. As a result, it is possible to always receive the latest data such as the temperature and sunshine of AMeDAS installed nationwide on the Internet as shown in FIG. Further, by changing the settings in the communication device 1, the latest weather forecast data of the Meteorological Agency can be obtained.
【００１９】次に、イメージ処理装置２は、図２のよう
な全国の気温、日照データを、適当な間隔ごとに蓄え、
それぞれ図３に示すような日照データに関する階級分け
を行う。階級分けには、特殊地形等の影響を除くため
に、Ｘ，Ｙ軸の２次元表面上のｎ次曲面として最小２乗
近似によりアメダスの測定点（照度、温度）を近似す
る。Next, the image processing device 2 stores the temperature and sunshine data of the whole country as shown in FIG. 2 at appropriate intervals.
Classification is performed on the sunshine data as shown in FIG. In order to eliminate the influence of special terrain and the like, the AMeDAS measurement points (illuminance and temperature) are approximated by least squares approximation as an n-th surface on a two-dimensional surface of the X and Y axes.
【００２０】一般にｎは２次程度に単純化することが好
ましい。In general, it is preferable that n be simplified to about the second order.
【００２１】 Ｚ＝ａＸ2 ＋ｂＹ2 ＋ｃＸＹ＋ｄＸ＋ｅＹ＋ｆ （１） これの等高線として、階級は容易に求めることができ
る。この曲面をトレンドデータについて順次求め、近似
曲面の動きを、曲面の時刻に依存したパラメータの変化
としてとらえる。Z = aX 2 + bY 2 + cXY + dX + eY + f (1) As the contour line, the class can be easily obtained. This curved surface is sequentially obtained with respect to the trend data, and the movement of the approximated curved surface is grasped as a change in a parameter depending on the time of the curved surface.
【００２２】 ｃｏｎｓｔ＝ｃ1 Ｔ2 ＋ｃ2 Ｔ＋ｃ3 （２） このパラメータの変化を時間の関数として回帰曲線を求
め、該回帰曲線を用いて将来の曲面を予測することによ
り、所望の時刻の予測値を得る。この中から必要とする
地域の値を取り出すことにより、予測値とする。Const = c 1 T 2 + c 2 T + c 3 (2) A regression curve is obtained as a function of time based on a change in this parameter, and a future surface is predicted using the regression curve, thereby predicting a desired time. Get the value. By taking out the value of the required area from these, it is set as the predicted value.
【００２３】次に、関数演算装置３は、日照、気温、曜
日を入力して、翌日の熱需要と電気需要を関数により計
算する。この関数は学習装置４により求める。学習装置
４は、まず、季節ごと、曜日ごとに平均需要パターンと
して図４に示すような標準データを獲得する。パターン
は、非線形マッピング関数として例えばスプライン関数
やベジエ関数により表現する。次に、季節ごと、曜日ご
とに実際に発生した需要データを集め、その集合に対し
て日照、気温をパラメータとして図４に示すように、テ
ーブルを作成していく。図４では、例えば、日照と熱需
要との特性図である標準データから、パラメータである
日照の大小、気温の高低により標準データの変化を示し
ている。Next, the function operation device 3 inputs the sunshine, the temperature, and the day of the week, and calculates the heat demand and the electricity demand of the next day by the function. This function is obtained by the learning device 4. The learning device 4 first acquires standard data as shown in FIG. 4 as an average demand pattern for each season and each day of the week. The pattern is represented as a non-linear mapping function by, for example, a spline function or a Bezier function. Next, demand data actually generated for each season and each day of the week is collected, and a table is created for the set using sunshine and temperature as parameters as shown in FIG. FIG. 4 shows, for example, a change in the standard data from the standard data, which is a characteristic diagram of the sunshine and the heat demand, according to the magnitude of the sunshine as a parameter and the level of the temperature.
【００２４】かかる標準データは、実際には、スプライ
ンパラメータを日照と気温をパラメータとして回帰式で
表現して、テーブルを作成する。これにより得られた回
帰式を関数演算装置３に渡し、日照、気温予測データ、
および、日付に対して熱と電力の需要予測を行うように
する。In practice, a table is created for such standard data by expressing the spline parameters in a regression equation using sunshine and temperature as parameters. The regression equation obtained in this way is passed to the function operation device 3, and the sunshine, temperature prediction data,
In addition, heat and power demand forecast is performed for the date.
【００２５】以上のように本実施形態によれば次のよう
な作用を奏する。すなわち、熱および冷熱と電力とを特
定地域またはビルに供給する複合ユーティリティーで
は、従来まったく別々に予測されてきた熱需要と電力需
要を、本実施形態では一つのコンピュータ上で通信装置
１及び演算装置２等とを構成することができるので、熱
需要と電力需要予測に共通している機能を一つにまとめ
ることにより、システム構成上、大幅なコストダウンが
可能となる。As described above, according to the present embodiment, the following operation is achieved. That is, in the composite utility that supplies heat, cold, and power to a specific area or building, in the present embodiment, the heat demand and the power demand, which have been predicted completely separately, are combined with the communication device 1 and the arithmetic device on one computer. Since the functions common to the heat demand and the power demand prediction are integrated into one, it is possible to significantly reduce the cost in terms of the system configuration.
【００２６】また、予測機能として、従来は無かった通
信装置１を付加することにより、自動的に通信回線、特
に電話回線を通じて正確な気象予測データを利用するこ
とができ、大幅な需要予測精度の向上が望めると共にオ
ペレータの需要低減が達成される。Further, by adding a communication device 1 which has not been provided as a forecast function, accurate weather forecast data can be automatically used through a communication line, especially a telephone line, and a great demand forecast accuracy can be obtained. Improvements can be expected and operator demand can be reduced.
【００２７】図５に示す他の実施の形態では、通信装置
１により直接、日照、気温予測データを得る場合であ
る。通信装置１により気象庁等が供給しているデータを
得ることにより、日照・気温予測データを得ることがで
きる。この場合、最も正確な予測データが入手できる。
通信装置１は一定時間、例えば３時間おきに通信回線を
つなぎ、データを入手する。FIG. 5 shows another embodiment in which the communication device 1 directly obtains sunshine and temperature prediction data. By obtaining data supplied by the Meteorological Agency or the like through the communication device 1, it is possible to obtain sunshine / temperature prediction data. In this case, the most accurate prediction data can be obtained.
The communication device 1 obtains data by connecting a communication line for a predetermined time, for example, every three hours.
【００２８】本実施形態では、通信装置１に、一定時間
ごとに電話をかけデータを読みとり、その後切断する機
能を持たせることにより、通信費の大幅な節約も可能と
なる。In the present embodiment, by providing the communication device 1 with a function of making a telephone call at regular time intervals, reading data, and then disconnecting the data, it is possible to greatly reduce communication costs.
【００２９】[0029]
【発明の効果】以上のように本発明によれば、従来のよ
うに電力需要予測システムと熱需要予測システムとを持
つことなく、また通信装置により外部から気象関連デー
タを取り込み、該取り込んだ気象データに基づき熱需要
予測値及び電力需要予測値のうち少なくとも一方を出力
することにより、自動的に通信回線を通じて正確な気象
予測データを利用することができ、大幅な需要予測精度
の向上が図られ、もってエネルギープラントのエネルギ
ー効率を最適化することが可能な熱電需要予測システム
を提供できる。As described above, according to the present invention, weather-related data is taken in from outside by a communication device without having a power demand forecasting system and a heat demand forecasting system as in the prior art. By outputting at least one of the heat demand forecast value and the power demand forecast value based on the data, accurate weather forecast data can be automatically used through the communication line, and the demand forecast accuracy is greatly improved. Thus, it is possible to provide a thermoelectric demand forecasting system capable of optimizing the energy efficiency of an energy plant.
【図１】本発明にかかる熱電需要予測システムの一実施
形態を示す構成図。FIG. 1 is a configuration diagram showing one embodiment of a thermoelectric demand prediction system according to the present invention.
【図２】アメダスのデータの一例を示す図。FIG. 2 is a diagram showing an example of AMeDAS data.
【図３】アメダスデータの解析結果例を示す図。FIG. 3 is a diagram showing an example of an analysis result of AMeDAS data.
【図４】予測関数の説明図。FIG. 4 is an explanatory diagram of a prediction function.
【図５】本発明の他の実施形態を示す構成図。FIG. 5 is a configuration diagram showing another embodiment of the present invention.
１ … 通信装置 ２ … イメージ処理装置 ３ … 関数演算装置 ４ … 需要学習装置 DESCRIPTION OF SYMBOLS 1 ... Communication apparatus 2 ... Image processing apparatus 3 ... Function calculation apparatus 4 ... Demand learning apparatus
Claims (11)
対象に対し熱及び電力のうち少なくとも一方を供給する
エネルギープラントにおける熱電需要予測システムにお
いて、 外部から気象関連データを取り込む通信装置と、 この通信装置により取り込んだ気象データに基づき熱需
要予測及び電力需要予測のうち少なくとも一方を実行
し、その結果を出力する演算装置とを具備したことを特
徴とする熱電需要予測システム。1. A thermoelectric demand forecasting system for an energy plant that supplies at least one of heat and electric power to at least one of heat and electric power to be supplied, a communication device that takes in weather-related data from outside, and the communication device. And at least one of a heat demand prediction and a power demand prediction based on the meteorological data captured by the computer, and outputting the result.
線を通して情報供給元から気象関連データを取得し、該
データ取得後に前記電話回線を切る手段を有することを
特徴とする請求項１記載の熱電需要予測システム。2. The communication device according to claim 1, wherein the communication device has means for acquiring weather-related data from an information source at regular intervals through a telephone line, and disconnecting the telephone line after acquiring the data. Thermoelectric demand forecasting system.
され、該インターネットを介して接続されるデータベー
スよりデータをダウンロードする手段を有することを特
徴とする請求項２記載の熱電需要予測システム。3. The thermoelectric demand forecasting system according to claim 2, wherein said communication device is connected to the Internet and has means for downloading data from a database connected via the Internet.
気温に関するアメダスデータを取得する手段を有するこ
とを特徴とする請求項２記載の熱電需要予測システム。4. The thermoelectric demand forecasting system according to claim 2, wherein said communication device has means for acquiring at least AMeDAS data on sunshine and temperature.
地域の雲画像を取得する手段を有することを特徴とする
請求項２記載の熱電需要予測システム。5. The thermoelectric demand prediction system according to claim 2, wherein the communication device has a unit for acquiring a cloud image of at least a region including Japan.
供給元から日照予測データおよび気温予測データを取得
する手段を有することを特徴とする請求項２記載の熱電
需要予測システム。6. The thermoelectric demand forecasting system according to claim 2, wherein said communication device has means for acquiring sunshine forecast data and temperature forecast data from an information source of weather-related data.
た熱需要及び電力需要のうち少なくとも一方の実績デー
タとを関連づける回帰曲線を生成する需要学習手段と、 この需要学習手段により生成された回帰曲線を用いて需
要予測を行う演算装置とを有することを特徴とする請求
項１記載の熱電需要予測システム。7. The demand learning means for generating a regression curve for associating the weather-related data obtained by the communication device with at least one of heat data and power demand data obtained by the communication device; 2. The thermoelectric demand forecasting system according to claim 1, further comprising an arithmetic unit for performing demand forecasting using a regression curve generated by the demand learning means.
は、非線形マッピング関数であることを特徴とする請求
項７記載の熱電需要予測システム。8. The thermoelectric demand forecasting system according to claim 7, wherein the regression curve generated by the demand learning means is a nonlinear mapping function.
ピング関数は、スプライン関数またはベジエ関数である
ことを特徴とする請求項８記載の熱電需要予測システ
ム。9. The thermoelectric demand forecasting system according to claim 8, wherein the nonlinear mapping function generated by the demand learning means is a spline function or a Bezier function.
存する需要特性を、生成するスプライン関数またはベジ
エ関数のパラメータの回帰式で表現することを特徴とす
る請求項９記載の熱電需要予測システム。10. The thermoelectric demand forecasting system according to claim 9, wherein said demand learning means expresses a demand characteristic depending on sunshine or temperature by a regression equation of a parameter of a generated spline function or Bezier function. .
地域のアメダスデータの分布図から日照および温度の動
きを演算する手段を有することを特徴とする請求項１記
載の熱電需要予測システム。11. The thermoelectric demand forecasting system according to claim 1, wherein the arithmetic unit has means for calculating the movement of sunshine and temperature from a distribution map of AMeDAS data in all over Japan or a specific area.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11138880A JP2000333367A (en) | 1999-05-19 | 1999-05-19 | Thermoelectric consumption predicting system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11138880A JP2000333367A (en) | 1999-05-19 | 1999-05-19 | Thermoelectric consumption predicting system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000333367A true JP2000333367A (en) | 2000-11-30 |
Family
ID=15232282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11138880A Pending JP2000333367A (en) | 1999-05-19 | 1999-05-19 | Thermoelectric consumption predicting system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000333367A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2008047400A1 (en) * | 2006-10-16 | 2010-02-18 | Vpec株式会社 | Power system |
| JP2011142790A (en) * | 2010-01-08 | 2011-07-21 | Fuji Electric Co Ltd | Prediction system of solar power generation amount and prediction method of solar power generation amount |
| JP2012150637A (en) * | 2011-01-19 | 2012-08-09 | Kyoritsu Denki Kk | Energy-saving control device |
| JP2012194700A (en) * | 2011-03-15 | 2012-10-11 | Toshiba Corp | Energy demand forecasting device and program |
| JP2012196017A (en) * | 2011-03-15 | 2012-10-11 | Chugoku Electric Power Co Inc:The | Power demand prediction device and power demand prediction method |
| US9633320B2 (en) | 2011-03-15 | 2017-04-25 | Kabushiki Kaisha Toshiba | Energy demand prediction apparatus and method |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61137091A (en) * | 1984-12-06 | 1986-06-24 | Nec Corp | Apparatus for displaying weather image |
| JPH0442087A (en) * | 1990-06-07 | 1992-02-12 | Nec Eng Ltd | Weather image indicator |
| JPH0538051A (en) * | 1991-07-24 | 1993-02-12 | Hitachi Ltd | Method and apparatus for predicting power demand |
| JPH077769A (en) * | 1993-06-17 | 1995-01-10 | Miharu Tsushin Kk | Meteorological information obtaining method utilizing interactive catv system and weather forecasting method based on the meteorological information |
| JPH07123589A (en) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | Demand estimation system |
| JPH08275262A (en) * | 1995-03-30 | 1996-10-18 | Hitachi Ltd | Data communication system |
| JPH10339483A (en) * | 1997-06-06 | 1998-12-22 | Daikin Ind Ltd | Thermal storage device |
-
1999
- 1999-05-19 JP JP11138880A patent/JP2000333367A/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61137091A (en) * | 1984-12-06 | 1986-06-24 | Nec Corp | Apparatus for displaying weather image |
| JPH0442087A (en) * | 1990-06-07 | 1992-02-12 | Nec Eng Ltd | Weather image indicator |
| JPH0538051A (en) * | 1991-07-24 | 1993-02-12 | Hitachi Ltd | Method and apparatus for predicting power demand |
| JPH077769A (en) * | 1993-06-17 | 1995-01-10 | Miharu Tsushin Kk | Meteorological information obtaining method utilizing interactive catv system and weather forecasting method based on the meteorological information |
| JPH07123589A (en) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | Demand estimation system |
| JPH08275262A (en) * | 1995-03-30 | 1996-10-18 | Hitachi Ltd | Data communication system |
| JPH10339483A (en) * | 1997-06-06 | 1998-12-22 | Daikin Ind Ltd | Thermal storage device |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2008047400A1 (en) * | 2006-10-16 | 2010-02-18 | Vpec株式会社 | Power system |
| JP2011142790A (en) * | 2010-01-08 | 2011-07-21 | Fuji Electric Co Ltd | Prediction system of solar power generation amount and prediction method of solar power generation amount |
| JP2012150637A (en) * | 2011-01-19 | 2012-08-09 | Kyoritsu Denki Kk | Energy-saving control device |
| JP2012194700A (en) * | 2011-03-15 | 2012-10-11 | Toshiba Corp | Energy demand forecasting device and program |
| JP2012196017A (en) * | 2011-03-15 | 2012-10-11 | Chugoku Electric Power Co Inc:The | Power demand prediction device and power demand prediction method |
| US9633320B2 (en) | 2011-03-15 | 2017-04-25 | Kabushiki Kaisha Toshiba | Energy demand prediction apparatus and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Guttman | Statistical descriptors of climate | |
| Dhanapala Arachchige et al. | Least square support vector and multi-linear regression for statistically downscaling general circulation model outputs to catchment streamflows | |
| Draper et al. | Assessment of MERRA-2 land surface energy flux estimates | |
| Valor et al. | Daily air temperature and electricity load in Spain | |
| Wang et al. | ClimateWNA—high-resolution spatial climate data for western North America | |
| Buizza et al. | The singular-vector structure of the atmospheric global circulation | |
| Curtis et al. | ENSO indices based on patterns of satellite-derived precipitation | |
| Shea et al. | A global monthly sea surface temperature climatology | |
| Winton | Surface albedo feedback estimates for the AR4 climate models | |
| Abegg et al. | Overloaded! Critical revision and a new conceptual approach for snow indicators in ski tourism | |
| Andrade et al. | Temperature extremes in Europe: overview of their driving atmospheric patterns | |
| Jones et al. | Fuzzy composite programming to combine remote sensing and crop models for decision support in precision crop management | |
| CN108196317B (en) | Meteorological prediction method for micro-grid system | |
| KR101954796B1 (en) | System and method for calculating the perceived temperature according to general type and active levels based on unified model-local data assimilation and prediction system | |
| Morcrette et al. | A reduced radiation grid for the ECMWF Integrated Forecasting System | |
| Robinson | Modeling utility load and temperature relationships for use with long-lead forecasts | |
| JP2000333367A (en) | Thermoelectric consumption predicting system | |
| Perkhurova et al. | Real-time microscale modeling of thermal comfort conditions in Moscow region | |
| Wetzel et al. | Satellite microphysical retrievals for land-based fog with validation by balloon profiling | |
| Lopes et al. | Improved ECMWF forecasts of direct normal irradiance: A tool for better operational strategies in concentrating solar power plants | |
| Thapliyal | Preliminary and final long range forecast for seasonal monsoon rainfall over India | |
| Chelliah et al. | Reanalyses-based tropospheric temperature estimates: Uncertainties in the context of global climate change detection | |
| JP2005274171A (en) | Air temperature prediction system and method at power consumption spot | |
| Burrows | A diagnostic study of atmospheric spectral kinetic energetics | |
| Ogutu et al. | Evaluation of the influence of two operational fraction of absorbed photosynthetically active radiation (FAPAR) products on terrestrial ecosystem productivity modelling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040513 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040518 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040714 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050405 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050506 |
|
| A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050614 |
|
| A912 | Removal of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20050708 |