JP2001249916A - 需要予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 予測対象日の休日性や、所定期間及び季節を
考慮することができ、需要予測のさらなる精度向上を図
る。 【解決手段】 電力需要を予測する上で必要とされる情
報を蓄積するデータ蓄積部１と、予測対象日及び予測対
象日の前後１週間の日に対して休日性を示す休日フラグ
を割り当てて出力する入力変数出力部２と、午前、午
後、点灯といった時間帯ごとに最大需要予測値を演算す
る需要予測値演算部３と、予測対象日が特異日（年末年
始、ゴールデンウィーク、お盆といった所定期間に含ま
れる日）に該当する場合に、上記需要予測値演算部３に
より演算された最大需要予測値に対して補正処理を行う
補正演算部４とを備え、予測対象日の休日性や所定期間
及び季節を考慮することにより需要予測精度を向上させ
て、電力の安定供給及び設備の経済的運用を図る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、電力等の需要値を
予測するための需要予測装置、方法、及びコンピュータ
読み取り可能な記憶媒体に関する。

【０００２】

【従来の技術】電力を例に述べれば、電力の安定供給及
び設備の経済的運用を図るためには、電力需要を予測す
ることが不可欠である。

【０００３】電力需要を予測するために、重回帰による
予測モデルを用いて需要予測値を演算したり、ニューラ
ルネットワークを用いた予測モデルにより需要予測値を
演算したりすることが知られている。

【０００４】

【発明が解決しようとする課題】需要予測の精度を向上
させるには、どういった予測モデルを構築するかは当然
であるが、どのようにして入力変数を決めたり、補正処
理をしたりするかが非常に重要な要素とされている。

【０００５】例えば、電力需要は予測対象日が休日であ
るか否かに大きな影響を受けるため、電力予測を行う上
で、そのことを表現することが重要である。これまで
も、予測対象日が休日であるか否かを表現するために、
例えば、暦上の日曜・祝日もしくは土曜日であればフラ
グ「１」を、月〜金であればフラグ「０」を割り当て
て、そのフラグを予測モデルに入力する手法が知られて
いた。

【０００６】しかし、予測日が単に休日であるか否かだ
けで、単にフラグ「１」、「０」を割り当てるだけで
は、需要予測の精度を向上させるのにも限度があった。

【０００７】本発明は、上述の問題点に鑑みてなされた
ものであり、需要予測日の特徴を考慮した需要予測を行
うことができるようにして、需要予測のさらなる精度向
上を図ることを目的とする。

【０００８】

【課題を解決するための手段】本発明の需要予測装置
は、予測対象日の休日性を示す入力変数を休日フラグと
して定義して、上記予測対象日の所定の予測対象につい
ての需要予測値を演算する需要予測値演算手段を備えた
需要予測装置であって、上記休日フラグとして、予め定
められている少なくとも３つ以上の値のうちのいずれか
１つの値が用いられる点に特徴を有する。

【０００９】又、本発明の需要予測装置は、予測対象日
の休日性を示す入力変数を休日フラグとして定義して、
上記予測対象日の所定の予測対象についての需要予測値
を演算する需要予測値演算手段を備えた需要予測装置で
あって、上記予測対象日に対して、暦上の曜日及び祝日
に応じた第１の変数と、予め定められている所定期間に
含まれるか否かに応じた第２の変数と、前後の日との関
係に応じた第３の変数とのうち、少なくとも１つを割り
当てる変数割り当て手段を備えた点に特徴を有する。

【００１０】又、本発明の需要予測装置は、予測対象日
を含む連続した複数の日に対して休日性を示す入力変数
を休日フラグとして定義して、上記休日フラグに所定の
変数を割り当てる変数割り当て手段と、上記変数割り当
て手段により上記休日フラグに割り当てられた各日の変
数を用いて、上記予測対象日の所定の予測対象について
の需要予測値を演算する需要予測値演算手段とを備えた
点に特徴を有する。

【００１１】又、本発明の需要予測装置は、予測対象日
の所定の予測対象についての最大需要予測値又は最小需
要予測値のうち、少なくとも何れか一方の需要予測値を
演算する需要予測値演算手段を備えた需要予測装置であ
って、上記需要予測値演算手段は、上記予測対象日の所
定の時間帯、及び上記所定の時間帯とは別の時間帯にお
いて、最大需要予測値又は最小需要予測値のうち、少な
くとも何れか一方の需要予測値を演算する点に特徴を有
する。

【００１２】又、本発明の需要予測装置は、予測対象日
の所定の予測対象についての需要予測値を演算する需要
予測値演算手段を備えた需要予測装置であって、上記予
測対象日が予め定められている所定期間に含まれている
場合に、上記予測対象日の日付に対応して予め定められ
た補正係数を用いて、上記需要予測値演算手段により演
算された需要予測値に対して補正処理を行う補正手段を
備えた点に特徴を有する。

【００１３】本発明の需要予測方法は、予測対象日の休
日性を示す入力変数を休日フラグとして定義して、上記
予測対象日の所定の予測対象についての需要予測値を演
算する需要予測方法であって、上記休日フラグとして、
予め定められている少なくとも３つ以上の値のうちのい
ずれか１つの値を用いる処理を行う点に特徴を有する。

【００１４】又、本発明の需要予測方法は、予測対象日
の休日性を示す入力変数を休日フラグとして定義して、
上記予測対象日の所定の予測対象についての需要予測値
を演算する需要予測方法であって、上記予測対象日に対
して、暦上の曜日及び祝日に応じた第１の変数と、予め
定められている所定期間に含まれるか否かに応じた第２
の変数と、前後の日との関係に応じた第３の変数とのう
ち、少なくとも１つを割り当てる処理を行う点に特徴を
有する。

【００１５】又、本発明の需要予測方法は、予測対象日
を含む連続した複数の日に対して休日性を示す入力変数
を休日フラグとして定義して、上記休日フラグに所定の
変数を割り当てる処理と、上記各日の休日フラグに割り
当てられた入力変数を用いて、上記予測対象日の所定の
予測対象についての需要予測値を演算する処理とを行う
点に特徴を有する。

【００１６】又、本発明の需要予測方法は、予測対象日
の所定の予測対象についての最大需要予測値又は最小需
要予測値のうち、少なくとも何れか一方の需要予測値を
演算する需要予測方法であって、上記予測対象日の所定
の時間帯での最大需要予測値又は最小需要予測値のう
ち、少なくとも何れか一方の需要予測値を演算する処理
と、上記所定の時間帯とは別の時間帯での最大需要予測
値又は最小需要予測値のうち、少なくとも何れか一方の
需要予測値を演算する処理とを行う点に特徴を有する。

【００１７】又、本発明の需要予測方法は、予測対象日
の所定の予測対象についての需要予測値を演算する需要
予測方法であって、上記予測対象日が予め定められてい
る所定期間に含まれている場合に、上記予測対象日の日
付に対応して予め定められた補正係数を用いて、上記需
要予測値演算手段により演算された上記需要予測値に対
して補正処理を行う処理を行う点に特徴を有する。

【００１８】本発明のコンピュータ読み取り可能な記憶
媒体は、上記本発明の需要予測装置の各手段としてコン
ピュータを機能させるためのプログラムを格納した点に
特徴を有する。

【００１９】又、本発明のコンピュータ読み取り可能な
記憶媒体は、上記本発明の需要予測方法の各処理を実行
するためのプログラムを格納した点に特徴を有する。

【００２０】又、本発明のコンピュータ読み取り可能な
記憶媒体は、上記本発明の需要予測方法の各処理を実行
するためのプログラムを格納した点に特徴を有する。

【００２１】上記のようにした本発明では休日フラグと
して、例えば、１と０以外に０，５等の値を用いること
により、単に休日であるか否かだけでなく、休日の度合
いといったことまで表現することができ、より一般観念
に近い休日性を表現することができる。

【００２２】又、本発明では、休日性を示す入力変数と
して定義した休日フラグによって、単に暦上の曜日や祝
日を表現するだけでなく、年末年始、ゴールデンウィー
ク、お盆といった所定期間に含まれる否かを表現した
り、前後の日との関係に応じて飛び石連休や二飛び石連
休を表現したりすることができ、より一般観念に近い休
日性を表現することができる。

【００２３】又、本発明では、予測対象日を含む連続し
た複数の日に対して休日フラグを割り当てることで、例
えば、予測対象日が休日に該当する場合でも、単独の休
日であるか、連休の一部の休日であるかを表現すること
ができる。

【００２４】又、本発明では、需要のピークが季節によ
って異なる予測対象の最大・最小需要量を予測する場合
に、複数の時間帯ごとに演算を行うことで、間接的に季
節性を考慮することが可能となる。しかも、各時間帯で
の需要予測値を演算するための学習可能な予測モデルを
構築する場合、１日の複数点の学習用データを用いるこ
とができるので、予測モデル自体の精度が落ちることも
なくなる。

【００２５】又、本発明では、予測対象日が年末年始、
ゴールデンウィーク、お盆といった所定期間に含まれる
特異日に該当する場合、その日付に対応した補正係数を
用いて補正処理を行うことで、予測誤差を小さくするこ
とができる。

【００２６】

【発明の実施の形態】以下、図面を用いて本発明の需要
予測装置、方法、及びコンピュータ読み取り可能な記憶
媒体の実施の形態について説明する。

【００２７】図１には、本実施の形態の電力需要予測装
置を示す。この電力需要予測装置は、予測対象日である
翌日の最大電力需要を予測するためのものである。

【００２８】１はデータ蓄積部であり、過去の電力需要
の実績情報、過去の天候や気温といった気象実績情報、
暦情報等の電力需要を予測する上で必要とされる情報を
蓄積する。

【００２９】２は休日フラグ出力部であり、上記情報提
供部１から提供される暦情報に応じて、予測対象日及び
予測対象日の前後１週間の日に対して休日フラグを割り
当てる。本実施の形態では、休日であるか否かだけでな
く、休日の度合いといった休日性といった概念を導入
し、詳しくは後述するが、その休日性を示すものとして
休日フラグとして定義した入力変数を需要予測値演算手
段３へ入力することにしている。そして、予測対象日を
含む１５日間の休日フラグの変化パターンを作成して、
その変化パターンを需要予測値演算部３に出力する。

【００３０】３は需要予測値演算部であり、午前の需要
予測値演算部３ａと、午後の需要予測値演算部３ｂと、
点灯の需要予測値演算部３ｃとを備える。そして、上記
データ蓄積部１及び上記休日フラグ出力部２からの入
力、さらには予測対象日の予想最高・最低気温や天候予
想等の入力を用いて、当該予測対象日の午前、午後、点
灯の３つの時間帯ごとに最大需要予測値を演算し、それ
らの中から最も大きな値を予測対象日の最大需要予測値
として出力する。

【００３１】４は補正演算部であり、予測対象日が特異
日（年末年始、ゴールデンウィーク、お盆といった所定
期間に含まれる日）に該当する場合に、上記需要予測値
演算部３により演算された最大需要予測値に対して補正
処理を行う。

【００３２】以下、上記データ蓄積部１、休日フラグ出
力部２、需要予測値演算部３、補正演算部４の詳細につ
いて説明する。

【００３３】データ蓄積部１は、電力需要を予測する上
で必要とされる情報を需要予測値演算部３に出力する。
具体的には、過去の電力需要の実績、過去の最高・最低
気温や天候の実績等の情報を提供する。さらに、大口需
要家の操業予定情報や、電力需要に影響を与えるイベン
ト予定情報等の特異事情に関する情報を提供するように
してもよい。又、暦情報を休日フラグ出力部２に出力す
る。

【００３４】休日フラグ出力部２は、図２に示すよう
に、変数割り当て部２ａと、休日フラグ変化パターン作
成部２ｂと、情報圧縮部２ｃとを備える。

【００３５】変数割り当て部２ａでは、予測対象日及び
予測対象日の前後１週間の日に対して、暦上の曜日及び
祝日に応じた第１の変数と、予め定められている所定期
間に含まれるか否かに応じた第２の変数と、前後の日と
の関係に応じた第３の変数との中から、少なくとも１つ
を割り当てる。

【００３６】具体的には、暦上の曜日及び祝日に応じた
第１の変数として、日曜・祝日には変数１．０を、土曜
日には変数０．８を、月〜金曜日には変数０を割り当て
るようにしている。

【００３７】又、年末年始、ゴールデンウィーク、お盆
といった所定期間に含まれるか否かに応じた第２の変数
として、当該所定期間の初日を土曜日として扱い変数
０．８を、当該所定期間の初日以外の日を日曜・祝日と
して扱い変数１．０を割り当てるようにしている。な
お、当該所定期間に含まれない場合は、変数０を割り当
てる。

【００３８】更に、前後の日との関係に応じた第３の変
数として、飛び石連休の中日（土曜又は日曜・祝日とし
て扱われる日に挟まれた１日）には変数０．５を、二飛
び石連休の中日（土曜又は日曜・祝日として扱われる日
に挟まれた２日）には変数０．３を割り当てるようにし
ている。なお、飛び石連休の中日、二飛び石連休の中日
に該当しない場合は、変数０を割り当てる。

【００３９】図３には、予測対象日である１月１日と、
その前後１週間の１２月２５日〜１２月３１日及び１月
２日〜１月８日との１５日間に対して、上記第１〜第３
の変数を割り当てた具体例を示す。この具体例では、１
２月３０日〜１月２日までを年末年始として扱ってい
る。

【００４０】１月３日を例にして説明すると、暦上は祝
日でない金曜日であるので、第１の変数０が割り当てら
れる。又、年末年始とした１２月３０日〜１月２日に含
まれないので、第２の変数０が割り当てられる。さら
に、前日の１月２日が年末年始の最終日であり日曜・祝
日として扱われ、又、翌日の１月４日が暦上の土曜日で
あることから、飛び石連休の中日に該当するので、第３
の変数０．５が割り当てられる。

【００４１】このようにして１５日間それぞれに第１〜
第３の変数が割り当てられたならば、各日の最も大きな
変数を、その日の休日フラグとして使用する。１月３日
では、第３の変数０．５が最も大きいため、この第３の
変数０．５が１月３日の休日フラグとして使用される。

【００４２】休日フラグ変化パターン作成部２ｂでは、
上記のように１５日間に割り当てられた休日フラグ（各
日の最も大きな変数）の変化パターンを作成する。図４
には、上記具体例についての休日フラグの変化パターン
を示す。

【００４３】情報圧縮部２ｃでは、上記休日フラグ変化
パターン作成部２ｂで作成された１５日間の休日フラグ
の変化パターンを需要予測値演算部３に出力するが、そ
の際に情報圧縮処理を行う。本実施の形態では、ボトル
ネックニューロによる情報圧縮処理を行っている。図５
に示すように、ニューラルネットワークの構成を、入力
層のニューロン数と出力層のニューロン数とを同じに
し、中間層のニューロン数をこれら入出力層のニューロ
ン数よりも少なくする。そして、入力データと出力デー
タとの組み合わせを学習させ、使用時には中間層の出力
データを需要予測値演算部３に出力することで情報圧縮
処理を行う。これにより、休日フラグの変化パターンの
特徴を損なうことなく抽出し、需要予測値演算部３に入
力することが可能となる。

【００４４】以上述べたように、休日性を表現するの
に、フラグが「１」、「０」だけでなく、土曜日等は完
全な休日でないとする表現にしたり（休日フラグ０．
８）、飛び石連休の中日は平日と休日の中間程度とする
表現にしたり（休日フラグ０．３や０．５）している。
例えば、土曜日であればまだ勤務している企業等があっ
たり、飛び石連休の中日であれば休みをとる人が多かっ
たりすることからも、これにより、より一般観念に近い
休日性を表現することができ、需要予測の精度を向上さ
せることができる。

【００４５】又、予測対象日の休日フラグだけでなく、
予測対象日を含めた１５日間に休日フラグを割り当てる
ようにしたので、予測対象日の前後の休日との関連性を
表現することができる。これにより、例えば予測対象日
に休日フラグ１．０が割り当てられている場合でも、単
独の休日であるか、連休の一部の休日であるかを考慮す
ることができ、特に、年末年始、ゴールデンウィーク、
お盆といった所定期間での需要予測の精度を向上させる
ことができる。

【００４６】需要予測値演算部３は、図１にも示したよ
うに、午前の需要予測値演算部３ａと、午後の需要予測
値演算部３ｂと、点灯の需要予測値演算部３ｃとを備え
る。そして、各需要予測値演算部３ａ〜３ｃで演算され
た最大需要予測値のうち、最も大きな値を予測対象日の
最大需要予測値として扱う。以下では、午前の需要予測
値演算部３ａについて説明するが、午後及び点灯の需要
予測値演算部３ｂ、３ｃについても同様である。

【００４７】図６に示すように、午前の需要予測値演算
部３ａは、重回帰による予測モデルを用いた重回帰演算
部３１と、ニューラルネットワークを用いて予測モデル
化したニューラルネットワーク演算部３２とを備える。
電力需要特性の大半は線形となっていることから、線形
近似である重回帰による予測モデルを用いたものであ
る。そして、非線型性を表現可能であるニューラルネッ
トワークを用いて、残差の非線型成分を予測モデル化し
ている。

【００４８】重回帰演算部３１は、下記の数１に示す重
回帰による予測モデルを用いて、予測対象日の最大需要
予測値Ｐ_BNを演算する。この予測モデルでは、入力変数
ｘ_iが最大需要予測値Ｐ_BNに与える影響を各入力変数ｘ_i
の多項式の形で表現している。ここでは、Ｍ個の入力変
数ｘ_iを入力するようにしているが、これら入力変数ｘ_i
の具体例としては、上述した休日フラグ以外に、予測対
象日の前日の需要実績値、前日の需要実績値の数日前か
らの増加分、前日までの数日間の最高・最低気温の平均
値、予測対象日の予想最高・最低気温、予測対象日の天
候予想を表すフラグ等が挙げられる。

【００４９】

【数１】

【００５０】上記数１に示した予測モデルの各入力変数
の次数の組の係数ｃ_irBNは、最小２乗法によって推定す
る。このとき用いるデータは予測対象日に近い特性を持
ったデータである必要があり、予測対象日至近データ
と、過去年度の同時期のデータとを利用する。

【００５１】又、この重回帰演算部３１では、上記数１
で示す予測モデルを、実績値のデータに基づいて、毎回
の予測と同時に自己修正するようにしている。

【００５２】上記数１に示す予測モデルの具体的な形
は、Ｎ₁〜Ｎ_Mまでを指定することで一意に定めることが
できる。常にＭ個の入力変数ｘ_iを使用するとは限ら
ず、あるＮ_iが０であれば、それに対応する入力変数ｘ_i
は予測モデルに含まれないことになる。下記の数２に示
すように、上記予測モデルのＮ₁〜Ｎ_Mまでを並べたベク
トル(N)を定義すると、モデル構造はベクトル(N)によっ
て一意に表される。

【００５３】

【数２】

【００５４】そして、上記ベクトル(Ｎ)で表されるモデ
ル構造に適当な初期値を与え、毎日新しい実績データが
手に入るたびに自動的に修正を加える。ここでは、ある
予測対象日の予測に際して、その予測対象日の前日に用
いたモデル構造、その予測対象日の前日に用いたモデル
構造のうち一つの入力変数について１だけ次数を増やし
たモデル構造、同じく一つの入力変数について１だけ次
数を減らしたモデル構造といった１＋２Ｍ個のモデル候
補の中から、最も良いと判断されたものを採用するよう
にしている。

【００５５】上記最も良いモデル構造を判断するには、
評価基準が必要である。ここで用いる評価基準は、Mall
owsのＣ_p統計量（モデル出力によって出力変数の期待値
を推定したときの、平均２乗誤差の推定値に相当するも
の）にデータの時変性を考慮したものである。

【００５６】一般に、目的変数ｙをｐ個の説明変数ｚ_i
を（ｉ＝１、２、…、ｐ）で表現する回帰式 ｙ＝θ^Tｚ＋ε ｚ＝［ｚ₁、ｚ₂、…、ｚ_p］^T θ：パラメータ ε：白色雑音 を求める場合に、Ｍ組のデータ｛ｙ(１)、ｚ(１)｝、
…、｛ｙ(Ｍ)、ｚ(Ｍ)｝を用いるとする。

【００５７】そして、下記の数３に示すように、Ｃ_p統
計量にデータの重み付け（ｗ₁、ｗ₂、…）を考慮した評
価基準Ｃ_pwを導入する。この統計量では、εの定常性の
他は確率分布の形等の統計的性質を仮定しない。そし
て、上記１＋２Ｍ個モデル候補の中からＣ_pw統計量が最
小となるものを選び出して、最良のモデル構造として採
用する。

【００５８】

【数３】

【００５９】以上述べたように重回帰による予測モデル
を毎回の予測と同時に自己修正するようしたので、最大
需要予測値Ｐ_BNと各入力変数ｘ_iとの関係がよくわから
ない場合でも適切な予測モデルが得られ、又、最大需要
予測値Ｐ_BNと各入力変数ｘ_iとの関係が変化しても、そ
れに対処するよう自動的に予測モデル構造を変化させる
ことが可能となる。

【００６０】一方、ニューラルネットワーク演算部３２
は、残差の非線型成分をニューラルネットワークで予測
モデル化する。これにより、非線型成分を表現しつつ、
ニューラルネットワークの学習誤差は残差に対してのみ
影響するので、全体予測への影響は小さくすることがで
きる。

【００６１】ここで、上述したように、需要予測値演算
部３を午前、午後、点灯といった３つの時間帯に分割
し、それぞれの時間帯での最大需要予測値を演算するよ
うにしたのは、春夏秋冬といった季節性を考慮するため
である。

【００６２】季節性を考慮するのに、例えば、春夏秋冬
といった季節ごとに需要予測値演算部を分割することも
考えられる。しかし、この場合、各季節ごとの需要予測
値演算部の予測モデルを構築していくのに、１年のうち
該当する季節の間の学習用データしか用いることができ
ない。すなわち、１年を通じて使用する予測モデルを構
築していくのに比べると、各予測モデルを構築していく
ための学習用データ数が約１／４に減少してしまい、そ
れぞれの予測モデル自体の精度が落ちてしまう恐れがあ
る。

【００６３】それに対して、本実施の形態では、季節性
を表す手法として、１日の中で電力需要のピークとなる
時間帯に着目している。図７には、各季節ごとの代表的
な１日の電力需要の推移を示す。この図７によれば、夏
季では午後（１２：００〜１８：００）に電力需要のピ
ークが表れるのに対して、冬季では午前（０：００〜１
２：００）と点灯（１８：００〜２４：００）とにピー
クが表れる。又、春秋季では、午前、午後、点灯それぞ
れの時間帯に同等のピークが表れる。このように季節に
よって電力需要のピークとなる時間帯が異なるので、午
前、午後、点灯といった３つの時間帯ごとに需要予測値
演算部を分割すれば、間接的に季節性を考慮することが
可能となる。

【００６４】そして、上記のように各時間帯ごとの需要
予測値演算部の予測モデルを構築する場合、午前、午
後、点灯といった時間帯での１日３点の学習用データを
用いることができるので、各予測モデルを構築していく
ための学習用データを、１年を通じて得ることができ、
予測モデル自体の精度が落ちることもなくなる。

【００６５】補正演算部４は、上記需要予測値演算部３
により演算された最大需要予測値に対して、以下に述べ
る補正処理を行う。

【００６６】本実施の形態では、上記休日フラグ出力部
２において、年末年始、ゴールデンウィーク、お盆とい
った所定期間に含まれる日を土曜日もしくは日曜・祝日
として扱うとともに、予測対象日を含む連続した複数の
日についての休日フラグの変化パターンを作成して連休
を表現することにより、特異日（年末年始、ゴールデン
ウィーク、お盆といった所定期間に含まれる日）での需
要予測の精度を向上させるようにしている。

【００６７】一方で、特異日（年末年始、ゴールデンウ
ィーク、お盆といった所定期間に含まれる日）では、通
常の土曜日や日曜・祝日等とは異なり、その日付に応じ
た独自の需要傾向があることが分かった。

【００６８】そこで、補正演算部４では、予測対象日が
特異日に該当する場合、その日付に対応した補正係数を
用いて補正処理を行うことにしている。

【００６９】図８には、年末年始を例に、日付と、過去
数年の最大需要実績と予測モデル作成時の需要予測値演
算部３で演算した各年の最大需要予測値との誤差［％］
の平均値との関係を示す。この図８からも、特に１２月
３１日や１月１日付近では誤差が大きく、独自の需要傾
向を有することが分かる。そこで、日付に対応した補正
係数として、上記図８に示す最大需要実績と最大需要予
測値との誤差［％］の平均値から得た値を使用する。

【００７０】補正演算部４には、上記所定期間の日付と
上記補正係数とのテーブルを備えておく。そして、予測
対象日が特異日に該当する場合、需要予測値演算部３で
演算された最大需要予測値に、上記日付けに応じた補正
係数を掛け合わせる補正処理を行う。これにより、予測
対象日が特異日に該当する場合に、日付けに応じた独自
の需要傾向を反映させることができ、需要予測の精度を
格段に向上させることが可能となる。

【００７１】なお、上記実施の形態は一例に過ぎず、例
えば図９に示すように、上記実施の形態で説明した休日
フラグ出力部２を廃止し、例えば、従来どおり暦上の日
曜・祝日もしくは土曜日であればフラグ１を、月〜金で
あればフラグ０を需要予測値演算部３に入力するように
してもよい。

【００７２】この場合でも、需要予測値演算部３におい
て午前、午後、点灯といった３つの時間帯ごとに最大需
要予測値を演算することで、各時間帯ごとの予測モデル
の精度を維持しつつ、間接的に季節性を考慮することが
可能となる。

【００７３】また、補正演算部４において特異日に応じ
た補正係数を掛け合わせる補正処理を行うことで、年末
年始、ゴールデンウィーク、お盆といった所定期間での
需要予測を格段に向上させることが可能となる。この場
合も、所定期間の日付けごとに、過去数年の最大需要実
績と予測モデル作成時の需要予測値演算部３で演算した
各年の最大需要予測値との誤差［％］の平均値を求めて
おき、その平均値から補正係数を得るようにする。な
お、この場合における日付に対応した補正係数は、入力
変数出力部２の有無の差だけ上記実施の形態における値
とは異なるものとなる。

【００７４】上記の実施の形態では最大電力需要を予測
する例を挙げたが、最小電力需要を予測する場合も同様
である。又、予測対象としては、電力に限らず、水道、
ガス等に適用することができる。

【００７５】すなわち、休日性に影響されるものや、年
末年始、ゴールデンウィーク、お盆といった時期や、春
夏秋冬といった季節に影響されるものであれば、本発明
を適用することができ、例えばコンビニエンスストアで
の弁当に代表される生鮮食料品の需要を予測するような
事案に適用することも可能である。

【００７６】上記実施の形態は、コンピュータのＣＰＵ
あるいはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるもので
あり、ＲＡＭやＲＯＭ等に記録されたプログラムが動作
することで実現される。又、上記実施の形態で述べた各
機能を実現するためのソフトウェアのプログラムコード
をコンピュータに供給するための手段、例えばかかるプ
ログラムコードを格納した記憶媒体は本発明の範疇に含
まれる。

【００７７】

【発明の効果】本発明によれば、休日性を示す入力変数
を休日フラグとして定義し、予測対象日の特徴に応じ
て、上記休日フラグに「０」、「１」だけでなく値も与
えられるようにしたので、一般観念に近い休日性を表現
することができ、需要予測の精度を向上させることがで
きる。

【００７８】又、本発明によれば、連休を表現すること
ができるので、需要予測の精度を向上させることができ
る。

【００７９】又、本発明によれば、季節性を考慮するこ
とができ、又、学習予測モデルを構築する場合でも、そ
の予測精度の精度が落ちるのを防止することができる。

【００８０】又、本発明によれば、予測対象日が年末年
始、ゴールデンウィーク、お盆といった所定期間に含ま
れる特異日に該当する場合、その日付に対応した補正係
数を用いて補正処理を行うので、当該所定期間での予測
誤差を小さくすることができる。

【００８１】そして、以上のように需要予測の精度を向
上させることができれば、電力、水道、ガス等の安定供
給及び設備の経済的運用を図ることができる。

【図面の簡単な説明】

【図１】本実施の形態の電力需要予測装置の構成を示す
図である。

【図２】休日フラグ出力部２の構成を示す図である。

【図３】１２月２５日〜１月８日までの１５日間に対し
て休日フラグを割り当てた具体例を示す図である。

【図４】図３に示した具体例についての休日フラグの変
化パターンを示す図である。

【図５】ボトルネックニューロによる情報圧縮処理を説
明するための図である。

【図６】午前の需要予測値演算部３ａの構成を示す図で
ある。

【図７】各季節ごとの代表的な１日の電力需要の推移を
示す図である。

【図８】年末年始の日付と、過去数年の最大需要実績と
需要予測値演算部３で演算した各年の最大需要予測値と
の誤差［％］の平均値との関係を示す図である。

【図９】他の電力需要予測装置の構成を示す図である。

【符号の説明】

１ データ蓄積部 ２ 休日フラグ出力部 ３ 需要予測値演算部 ４ 補正演算部 ２ａ 変数割り当て部 ２ｂ 休日フラグ変化パターン作成部 ２ｃ 情報圧縮部 ３ａ 午前の需要予測値演算部 ３ｂ 午後の需要予測値演算部 ３ｃ 点灯の需要予測値演算部 ３１ 重回帰演算部 ３２ ニューラルネットワーク演算部

Claims (19)

【特許請求の範囲】
1. 【請求項１】 予測対象日の休日性を示す入力変数を休
   日フラグとして定義して、上記予測対象日の所定の予測
   対象についての需要予測値を演算する需要予測値演算手
   段を備えた需要予測装置であって、 上記休日フラグとして、予め定められている少なくとも
   ３つ以上の値のうちのいずれか１つの値が用いられるこ
   とを特徴とする需要予測装置。
2. 【請求項２】 予測対象日の休日性を示す入力変数を休
   日フラグとして定義して、上記予測対象日の所定の予測
   対象についての需要予測値を演算する需要予測値演算手
   段を備えた需要予測装置であって、 上記予測対象日に対して、暦上の曜日及び祝日に応じた
   第１の変数と、予め定められている所定期間に含まれる
   か否かに応じた第２の変数と、前後の日との関係に応じ
   た第３の変数とのうち、少なくとも１つを割り当てる変
   数割り当て手段を備えたことを特徴とする需要予測装
   置。
3. 【請求項３】 上記変数割り当て手段は、上記予測対象
   日に割り当てられた上記変数の中から最も大きなものを
   選択して、その選択した変数を上記休日フラグとして扱
   うことを特徴とする請求項２に記載の需要予測装置。
4. 【請求項４】 上記変数割り当て手段は、上記第１の変
   数として、上記予測対象日が暦上の日曜・祝日である場
   合と、暦上の土曜日である場合と、暦上の月〜金である
   場合とで互いに異なる値を割り当てることを特徴とする
   請求項２又は３に記載の需要予測装置。
5. 【請求項５】 上記変数割り当て手段は、上記第２の変
   数として、上記予測対象日が上記所定期間の初日に該当
   する場合に、上記暦上の土曜日に割り当てられた上記第
   １の変数と同じ値を割り当て、上記所定期間の初日以外
   の日に該当する場合に、上記暦上の日曜・祝日に割り当
   てられた上記第１の変数と同じ値を割り当てることを特
   徴とする請求項４に記載の需要予測装置。
6. 【請求項６】 上記割り当て手段は、上記第３の変数と
   して、上記予測対象日が飛び石連休の中日に該当する場
   合と、二飛び石連休の中日に該当する場合とのそれぞれ
   で、上記暦上の土曜日に割り当てられた上記第１の変数
   の値よりも小さく、上記暦上の月〜金曜日に割り当てら
   れた上記第１の変数の値よりも大きな値を割り当てるこ
   とを特徴とする請求項４又は５に記載の需要予測装置。
7. 【請求項７】 予測対象日を含む連続した複数の日に対
   して休日性を示す入力変数を休日フラグとして定義し
   て、上記休日フラグに所定の変数を割り当てる変数割り
   当て手段と、 上記変数割り当て手段により上記休日フラグに割り当て
   られた各日の変数を用いて、上記予測対象日の所定の予
   測対象についての需要予測値を演算する需要予測値演算
   手段とを備えたことを特徴とする需要予測装置。
8. 【請求項８】 予測対象日の所定の予測対象についての
   最大需要予測値又は最小需要予測値のうち、少なくとも
   何れか一方の需要予測値を演算する需要予測値演算手段
   を備えた需要予測装置であって、 上記需要予測値演算手段は、上記予測対象日の所定の時
   間帯、及び上記所定の時間帯とは別の時間帯において、
   最大需要予測値又は最小需要予測値のうち、少なくとも
   何れか一方の需要予測値を演算することを特徴とする需
   要予測装置。
9. 【請求項９】 上記需要予測値演算手段は、上記所定の
   時間帯及び上記所定の時間帯とは別の時間帯で演算され
   た最大需要予測値のうち、最も大きな値を上記予測対象
   日の最大需要予測値とし、上記所定の時間帯及び上記所
   定の時間帯とは別の時間帯で演算された最小需要予測値
   のうち、最も小さな値を上記予測対象日の最小需要予測
   値とすることを特徴とする請求項８に記載の需要予測装
   置。
10. 【請求項１０】 予測対象日の所定の予測対象について
    の需要予測値を演算する需要予測値演算手段を備えた需
    要予測装置であって、 上記予測対象日が予め定められている所定期間に含まれ
    ている場合に、上記予測対象日の日付に対応して予め定
    められた補正係数を用いて、上記需要予測値演算手段に
    より演算された需要予測値に対して補正処理を行う補正
    手段を備えたことを特徴とする需要予測装置。
11. 【請求項１１】 上記予測対象は電力需要であることを
    特徴とする請求項１〜１０の何れか１項に記載の需要予
    測装置。
12. 【請求項１２】 予測対象日の休日性を示す入力変数を
    休日フラグとして定義して、上記予測対象日の所定の予
    測対象についての需要予測値を演算する需要予測方法で
    あって、 上記休日フラグとして、予め定められている少なくとも
    ３つ以上の値のうちのいずれか１つの値を用いる処理を
    行うこと特徴とする需要予測方法。
13. 【請求項１３】 予測対象日の休日性を示す入力変数を
    休日フラグとして定義して、上記予測対象日の所定の予
    測対象についての需要予測値を演算する需要予測方法で
    あって、 上記予測対象日に対して、暦上の曜日及び祝日に応じた
    第１の変数と、予め定められている所定期間に含まれる
    か否かに応じた第２の変数と、前後の日との関係に応じ
    た第３の変数とのうち、少なくとも１つを割り当てる処
    理を行うことを特徴とする需要予測方法。
14. 【請求項１４】 予測対象日を含む連続した複数の日に
    対して休日性を示す入力変数を休日フラグとして定義し
    て、上記休日フラグに所定の変数を割り当てる処理と、 上記各日の休日フラグに割り当てられた入力変数を用い
    て、上記予測対象日の所定の予測対象についての需要予
    測値を演算する処理とを行うことを特徴とする特徴とす
    る需要予測方法。
15. 【請求項１５】 予測対象日の所定の予測対象について
    の最大需要予測値又は最小需要予測値のうち、少なくと
    も何れか一方の需要予測値を演算する需要予測方法であ
    って、 上記予測対象日の所定の時間帯での最大需要予測値又は
    最小需要予測値のうち、少なくとも何れか一方の需要予
    測値を演算する処理と、 上記所定の時間帯とは別の時間帯での最大需要予測値又
    は最小需要予測値のうち、少なくとも何れか一方の需要
    予測値を演算する処理とを行うことを特徴とする需要予
    測方法。
16. 【請求項１６】 予測対象日の所定の予測対象について
    の需要予測値を演算する需要予測方法であって、 上記予測対象日が予め定められている所定期間に含まれ
    ている場合に、上記予測対象日の日付に対応して予め定
    められた補正係数を用いて、上記需要予測値演算手段に
    より演算された上記需要予測値に対して補正処理を行う
    処理を行うことを特徴とする需要予測方法。
17. 【請求項１７】 上記予測対象は電力需要であることを
    特徴とする請求項１２〜１７の何れか１項に記載の需要
    予測方法。
18. 【請求項１８】 請求項１〜１１に記載の各手段として
    コンピュータを機能させるためのプログラムを格納した
    ことを特徴とするコンピュータ読み取り可能な記憶媒
    体。
19. 【請求項１９】 請求項１２〜１７に記載の各処理を実
    行するためのプログラムを格納したことを特徴とするコ
    ンピュータ読み取り可能な記憶媒体。