JP2003189471A

JP2003189471A - 電力需要家データ分析方法

Info

Publication number: JP2003189471A
Application number: JP2001378688A
Authority: JP
Inventors: Tadashi Kitayama; 匡史北山; Ryunosuke Matsubara; 龍之介松原; Yoshio Izui; 良夫泉井
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2001-12-12
Filing date: 2001-12-12
Publication date: 2003-07-04
Also published as: US20030120370A1

Abstract

(57)【要約】【課題】電力需要家の使用電力量の実績から電力需要
パターンを分析し、電力供給者から見た電力市場におけ
る電力需要家の価値を測定することが可能な新規な方法
を提供する。【解決手段】各電力需要家の使用電力量の実績を所定
期間採集し、各電力需要家の総使用電力量を複数階層ｍ
個に分類し、各電力需要家の使用電力量平均値の使用電
力量最大値に対する比率である負荷率と、同じ使用電力
量階層に属する電力需要家についての上記期間中の各電
力需要家の使用電力量最大値の総和の総使用電力量の最
大値に対する比率である均等率とのうちの少なくとも負
荷率を考慮した各電力需要家の負荷寄与度を複数階層ｎ
個に分類し、上記２つの分類ステップをもとに各電力需
要家をｍ×ｎ個のクラスに分割し、結果を表示手段また
は記憶手段に出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、顧客すなわち電力
需要家の過去の購買データである使用電力量の実績から
電力需要パターンを分析し、電力供給者から見た、電力
市場における電力需要家の価値を測定することが可能な
電力需要家データ分析方法に関するものである。

【０００２】

【従来の技術】従来のこの種の技術として、例えば特開
２０００−１８７６９０号公報に記載されている顧客価
値マップの作成方法があった。この従来の方法では、小
売業の顧客を対象としており、顧客の購入データとし
て、購入商品コード、数量、購入金額、購入日からなる
データを用い、特定市場の商品に対する金銭的貢献度は
顧客の商品購入量によるとして、購入データを基に複数
階層ｍ個に分類し、また、商品の各ブランドに対する顧
客のロイヤリティ或いはこだわりの度合いは購入ブラン
ド種類の集中度によるとして、購入データを基に複数階
層ｎ個に分類し、これらの分類を基に顧客をｍ×ｎ個の
セルに分割して顧客価値マップを作成している。

【０００３】

【発明が解決しようとする課題】しかしながら、従来の
顧客価値マップの作成方法は小売業の顧客を対象として
おり、これを電力分野に適用しようとした場合、電気は
契約によって決められた条件で継続的に顧客に供給し続
けられる性質のものであるため、数量や購買金額、購入
日といったデータは存在せず、そのままでは電力分野に
は適用できないという問題があった。

【０００４】本発明は、上記のような従来のものの問題
点を解決するためになされたものであり、顧客すなわち
電力需要家の過去の購入データである使用電力量の実績
から電力需要パターンを分析し、電力供給者から見た電
力市場における電力需要家の価値を測定することが可能
な新規な方法を提供することを目的とする。

【０００５】

【課題を解決するための手段】本発明に係る電力需要家
データ分析方法は、電力供給者から複数の電力需要家が
電力を購入する電力市場において、各電力需要家の使用
電力量の実績を所定期間採集する電力需要家データ採集
ステップと、上記期間中の各電力需要家の総使用電力量
を複数階層ｍ個に分類する使用電力量分類ステップと、
上記期間中の各電力需要家の使用電力量平均値の使用電
力量最大値に対する比率である負荷率と、同じ使用電力
量階層に属する電力需要家についての上記期間中の各電
力需要家の使用電力量最大値の総和の総使用電力量の最
大値に対する比率である均等率とのうちの少なくとも負
荷率を考慮した各電力需要家の負荷寄与度を複数階層ｎ
個に分類する負荷寄与度分類ステップと、上記２つの分
類ステップをもとに各電力需要家をｍ×ｎ個のクラスに
分割する電力需要家クラス分けステップと、上記電力需
要家クラス分けステップで得られた結果を表示手段また
は記憶手段に出力するステップとを備えたものである。

【０００６】また、負荷寄与度は下記式（１）で求めら
れるものである。

【０００７】

【数２】なお、式（１）において、αはあらかじめ設定された重
みを表す係数であり、０＜α≦１である。

【０００８】また、上記ｍ×ｎ個の各クラスに対応する
電力需要家のデータをマップ状に表示する電力需要家価
値マップ生成ステップを備えたものである。

【０００９】また、電力需要家データ採集ステップで
は、前期と後期の少なくとも２期間に分けて各電力需要
家の使用電力量の実績を採集し、使用電力量分類ステッ
プおよび負荷寄与度分類ステップでは上記各期間につい
てそれぞれ総使用電力量および負荷寄与度をｍ個および
ｎ個に分類し、電力需要家クラス分けステップでは上記
各期間について各電力需要家をｍ×ｎ個のクラスに分割
するものである。

【００１０】また、上記各電力需要家に関する複数の情
報を取得し、それらの情報に基づいて、上記各クラスと
上記各情報との関係を分析するデータマイニング処理ス
テップを備えたものである。

【００１１】また、データマイニング処理ステップは、
上記クラスと、上記各情報のデータ内容との関係をツリ
ー形式に求めていく決定木分析処理ステップを有するも
のである。

【００１２】また、データマイニング処理ステップは、
上記各クラスに属する電力需要家の上記各情報のデータ
内容を入力層とし、電力需要家の属するクラスを出力層
とし、入力層と出力層との間に中間層を備えるニューラ
ルネットワーク処理ステップと、上記入力層に上記各情
報のデータ内容を入力し上記出力層から出力される電力
需要家の属するクラスに基づいて上記中間層の重み係数
を算出するネットワーク学習処理ステップとを有するも
のである。

【００１３】また、電力需要家データ採集ステップで
は、前期と後期の少なくとも２期間に分けて各電力需要
家の使用電力量の実績を採集し、使用電力量分類ステッ
プおよび負荷寄与度分類ステップでは上記各期間につい
てそれぞれ使用総電力量および負荷寄与度をｍ個および
ｎ個に分類し、電力需要家クラス分けステップでは、上
記各期間について各電力需要家をｍ×ｎ個のクラスに分
割すると共に前期と後期とにおいて電力需要家がどのク
ラスに属していたかによって電力需要家をさらに細かい
クラスに細分化し、データマイニング処理ステップで
は、上記細分化された各クラスと各情報との関係を分析
するものである。

【００１４】また、電力需要家データ採集ステップで
は、各電力需要家の昼間における使用電力量の実績また
は夜間における使用電力量の実績を所定期間採集するも
のである。

【００１５】

【発明の実施の形態】電力需要家の使用電力量の実績か
ら電力需要パターンを分析し、電力供給者から見た電力
市場における電力需要家の価値を測定しようとした場
合、一般的には所定期間での使用電力量の最大値や平均
値の統計量を用いる方法が考えられる。この方法では、
所定期間における使用電力量が大きい方が電力供給者に
支払われる電気料金が高くなるため、電力供給者にとっ
ては価値が大きい。しかしながら、電力需要パターンに
おいては、当該期間中での使用電力量の時系列変化が重
要であり、使用電力量の最大値が同じ需要家であっても
その他の時間の使用電力量の大きさによって電力需要家
の価値が変化する。上記の方法によると、電力需要パタ
ーンを把握することができないため、電力需要家の価値
を的確に把握することが困難である。

【００１６】これに対して本発明では、電力供給者の電
気料金収入に対する貢献度を測る目安として総使用電力
量を用い、電力供給者の発電設備への設備コストの低減
に対する貢献度を測る目安として、各電力需要家の使用
電力量平均値の使用電力量最大値に対する比率である負
荷率と、同じ使用電力量階層に属する電力需要家につい
ての当該期間中の使用電力量最大値の総和の総使用電力
量の最大値に対する比率である均等率とのうちの少なく
とも負荷率を考慮した、各電力需要家負荷寄与度を用い
ている。負荷率は当該電力需要家の設備コストに対する
寄与度を反映したものであり、均等率は同じ規模の電力
需要家について使用電力量の中での個々の電力需要家の
最大値の設備コストへの影響を反映したものであり、総
使用電力量の中での各電力需要家の重みを表している。
これらのうち少なくとも負荷率を考慮することにより、
単に使用電力量のみを用いた方法よりも的確に電力需要
家の価値を把握することができる。さらに、負荷率と均
等率の２つのパラメータを考慮することによって、さら
に的確に電力需要家の価値を把握することができる。

【００１７】実施の形態１．以下、本発明の一実施の形
態を、図を用いて説明する。図１は、本発明の実施の形
態１による電力需要家データ分析方法を説明する図であ
り、より具体的には、電力需要家データ分析装置とソフ
トウェアの全体構成を示すと共にデータの流れを矢印で
示している。図において、１は電力使用実績データベー
スである。２は電力使用実績データベース１から取り出
すデータの期間を設定する分析対象期間設定部、３は取
り出したデータから各顧客すなわち各電力需要家につい
て負荷寄与度を計算する負荷寄与度計算部、４はデータ
の使用電力量の分布から使用電力量をｍ階層に分類する
使用電力量分類部、５はデータの負荷寄与度の分布から
負荷寄与度をｎ階層に分類する負荷寄与度分類部、６は
使用電力量と負荷寄与度の分類から各電力需要家をｍ×
ｎ個のクラスに分割し、電力需要家価値マップとして、
ｍ×ｎ個の各クラスに対応する電力需要家のデータをマ
ップ状に表示する電力需要家価値マップ生成部、７は各
電力需要家がどのクラスに属するかを記録するクラス分
けメモリ部、８は電力需要家に関する複数の情報を記憶
する電力需要家属性情報データベース、９は電力需要家
に関する複数の情報を用いて、各クラスがこれらの情報
のうちどの情報に影響を受けているかを判別するデータ
マイニング処理部である。データマイニング処理部９
は、決定木処理部１０、優先水準テーブル１１、および
ニューラルネットワーク演算処理部１２によって構成さ
れている。１３はデータマイニング処理部９で判別した
結果を表示する出力部である。

【００１８】分析対象期間設定部２、負荷寄与度計算部
３、使用電力量分類部４、負荷寄与度分類部５、決定木
処理部１０、およびニューラルネット演算部１２は、例
えば、ワークステーションやパーソナルコンピュータ等
の計算機に実装されるソフトウェアプログラムにより実
現される。クラス分けメモリ部７および優先水準テーブ
ル１１は、例えば、ワークステーションやパーソナルコ
ンピュータ等の計算機における電子ファイルによって実
現される。電力需要家価値マップ生成部６は、例えば、
ワークステーションやパーソナルコンピュータ等の計算
機に実装されるソフトウェアプログラム、および表示手
段に相当する、ＣＲＴ（ＣａｔｈｏｄｅＲａｙＴｕ
ｂｅ）モニタや液晶ディスプレイ等の表示装置あるいは
プリンタなど、によって実現される。出力部１３は、例
えば、ＣＲＴ（ＣａｔｈｏｄｅＲａｙＴｕｂｅ）モ
ニタや液晶ディスプレイ等の表示装置あるいはプリンタ
などによって実現される。電力需要家価値マップ生成部
６で用いられる表示装置あるいはプリンタなどと兼用し
てもよい。

【００１９】電力使用実績データベース１には、複数の
電力需要家について、各電力需要家毎に例えば１時間、
３０分、１５分など、ある一定時間間隔の使用電力量デ
ータが時系列で蓄積されている。分析対象期間設定部２
では、例えば実施者からの入力にしたがって、例えばあ
る１日、１週間、１ヶ月、１年など、データの分析を行
う期間を設定し、すべての電力需要家について設定した
期間の使用電力量の実績を取り出す（電力需要家データ
採集ステップ）。負荷寄与度計算部３では、取り出した
期間の使用電力量データについて、使用電力量の実績の
平準度を表す負荷寄与度を計算する。負荷寄与度の計算
方法は、例えば下記式（１）のように行う。

【００２０】

【数３】

【００２１】なお、上記式（１）において、αはあらか
じめ設定された重みを表す係数であり、０＜α≦１であ
る。αが１のときには負荷寄与度は負荷率に等しくな
り、αが０と１との間のときには、負荷寄与度は負荷率
と均等率を合わせて考慮した値となる。

【００２２】負荷率の計算方法は、例えば以下のように
行う。

【００２３】

【数４】

【００２４】あるいは

【００２５】

【数５】

【００２６】均等率の計算方法は、例えば以下のように
行う。

【００２７】

【数６】

【００２８】あるいは

【００２９】

【数７】

【００３０】なお、上記式（３）および式（５）におい
て、ｎは２以上の整数であり、例えばｎが２である場合
には、使用電力量が最も大きい時刻と次に大きい時刻に
おける使用電力量の平均値である。このように、使用電
力量が大きい順にｎ個の平均を取ることにより、最大値
１個のみが他の時刻の値よりも非常に大きい場合であっ
ても、電力需要パターンの特徴をよりよく把握すること
ができる。

【００３１】この計算方法により、負荷率は全ての時刻
で同じ使用電力量となる場合が１でもっとも大きくな
り、使用電力量が小さい時刻が多くなるほど負荷率は小
さくなる。また、均等率は全ての電力需要家が同じ時刻
で最大値となる場合が１でもっとも大きくなり、電力需
要家が最大となる時刻のばらつきが大きくなるほど小さ
くなる。

【００３２】分析対象期間設定部２で設定した期間のデ
ータについて、使用電力量分類部４によって総使用電力
量の分布から全ての電力需要家をｍ階層（図１ではＡと
Ｂの２階層）に分類する（使用電力量分類ステップ）。
分類の方法としては、例えば使用電力量の実績の最大値
と最小値を求め、最大値と最小値の間をｍ個に均等に分
類するように（ｍ−１）個のしきい値を決める方法があ
る。同様に、負荷寄与度についても負荷寄与度分類部５
によって負荷寄与度の分類からｎ階層（図１ではａとｂ
の２階層）に分類する（負荷寄与度分類ステップ）。使
用電力量分類部４および負荷寄与度分類部５によってｍ
×ｎ個のクラスが生成される。

【００３３】電力需要家価値マップ生成部６は、使用電
力量分類部４および負荷寄与度分類部５の分類結果をも
とに、各電力需要家をｍ×ｎ個のクラスに分割し（電力
需要家クラス分けステップ）、電力需要家価値マップと
して、ｍ×ｎ個の各クラスに対応する電力需要家のデー
タをマップ状に表示する（電力需要家価値マップ生成ス
テップ）。一例として、使用電力量の実績を横軸、負荷
寄与度を縦軸にとった２次元のグラフを表示し、グラフ
中に各電力需要家のデータ（図１では総使用電力量およ
び負荷寄与度）を該当する箇所にプロットするととも
に、生成されたｍ×ｎ個のクラスを合わせて表示する。
電力需要家価値マップ生成部６において、各電力需要家
がどのクラスに属するかを判別することができる。判別
された結果は、クラス分けメモリ７によって保存され
る。

【００３４】図２（ａ）〜（ｃ）に、電力需要家価値マ
ップの具体的な表示例を示す。図２（ａ）は図１と同じ
であり、総使用電力量および負荷寄与度を該当する箇所
にプロットした場合、（ｂ）は各クラスに属する電力需
要家の数を表示した場合、（ｃ）は各クラスに属する電
力需要家の全体の電力需要家に対する割合を表示した場
合をそれぞれ示している。

【００３５】図２において、使用電力量が多く、負荷寄
与度が大きい（１に近い）Ａａのクラスに属する電力需
要家が、電力供給者の電気料金収入に対する貢献度が大
きく、しかも電力供給者の発電設備への設備コストの低
減に対する貢献度も大きいので、電力供給者にとって最
も価値の高い１番重要な電力需要家であると判断するこ
とができる。逆に、使用電力量が少なく、負荷寄与度が
小さいＢｂのクラスに属する電力需要家が、電力供給者
の電気料金収入に対する貢献度が小さく、しかも電力供
給者の発電設備への設備コストに対する貢献度も小さい
ので、電力供給者にとって最も価値の低い４番目に重要
な電力需要家であると判断することができる。また、使
用電力量は多いが負荷寄与度が小さいＡｂのクラスに属
する電力需要家や、使用電力量は少ないが負荷寄与度が
大きいＢａのクラスに属する電力需要家については、電
力供給者の電気料金収入に対する貢献度を重要視した場
合はＡｂのクラスに属する電力需要家が２番目、Ｂａの
クラスに属する電力需要家が３番目に重要な電力需要家
であると判断することができ、電力供給者の発電設備へ
の設備コストに対する貢献度を重要視した場合は、Ｂａ
のクラスに属する電力需要家が２番目、Ａｂのクラスに
属する電力需要家が３番目に重要な電力需要家であると
判断することができる。

【００３６】このように、本実施の形態によれば、電力
需要家の過去の購入データである使用電力量の実績から
電力需要パターンを分析し、電力供給者から見た電力市
場における電力需要家の価値を測定することが可能とな
る。また、電力供給者にとって価値の高い需要家には、
他の電力供給者への乗り換えを防ぐために付加的なサー
ビスを提供することによって囲い込みを行う必要があ
り、上記の価値の測定結果に合わせて付加サービスの内
容を差別化することが必要となるが、電力需要家の数は
非常に多いため、個々の電力需要家ごとに付加サービス
の内容を差別化することは困難であることから、電力供
給者にとって先見性のある電力需要家クラスを把握し、
上記電力需要家の価値の測定結果と合せて各電力需要家
クラスに合わせてサービスの内容を差別化することが可
能となる。

【００３７】次に、データマイニング処理ステップにつ
いて説明する。電力需要家属性情報データベース８に
は、各電力需要家に関する複数の情報として、例えば、
図３に示すような、電力需要家基本情報２１、電力需要
家契約情報２２、および電力需要家に対する営業活動情
報２３から構成される電力需要家属性情報が電力需要家
毎に蓄積されている。データマイニング処理部９は、各
電力需要家に関する複数の情報（電力需要家属性情報）
を電力需要家属性情報データベース８から取得し、これ
らの情報に基づいて、各クラスが、どの情報によってす
なわち電力需要家属性情報のどの項目によって特徴づけ
られるかを判定する（データマイニング処理ステッ
プ）。

【００３８】以下に、データマイニング処理部９を構成
する決定木処理部１０、優先水準テーブル１１、および
ニューラルネットワーク演算処理部１２の動作について
説明する。まず、決定木分析処理ステップについて説明
する。決定木処理部１０が起動され、クラス分けメモリ
部７に保存された各電力需要家の所属クラス情報を取得
すると共に、電力需要家属性情報データベース８から各
電力需要家の属性情報を読み込み、各クラス毎に電力需
要家の所属クラス情報と電力需要家属性情報を構成する
各項目（情報）との関係を図７に示すツリー形式に求め
ていく決定木分析処理を実施する。

【００３９】以下、図４のフローチャートに従って決定
木分析処理ステップについて具体的に説明する。まず、
ステップＳＴ３０により決定木分析処理を開始する。次
に、ステップＳＴ３１により、電力需要家属性情報デー
タベース８からひとつの項目（図３における需要家基本
情報、需要家契約情報、営業活動情報に含まれる項目）
を選択する。

【００４０】次に、ステップＳＴ３２により、各電力需
要家クラスについてステップＳＴ３１で選択した項目の
優位水準を求める。すなわち、電力需要家クラスＡａに
ついて、クラスＡａに属する電力需要家とそれ以外の需
要家について、ステップＳＴ３１で選択した電力需要家
属性情報データベース８の項目のデータ内容（例えば業
種であれば鉱工業、繊維、化学、農業、林業など、上場
区分であれば東証一部、ナスダック、非上場など、）
と、クラス分けメモリ７に保存されている電力需要家ク
ラスとの関係の強化の度合（優位水準）を算出する。具
体的には、図５に示すように、電力需要家クラスＡａに
属する電力需要家とそれ以外のクラスに属する電力需要
家について、選択した電力需要家属性情報との関係（分
布）をグラフ化する。選択した電力需要家属性情報が離
散値（例えば業種）の場合には、（ａ）のようなグラフ
になり、連続値（例えば従業員数）の場合には（ｂ）の
ようなグラフになる。作成されたグラフから、電力需要
家属性情報の境界値と有意水準を求める。他の電力需要
家クラスＡｂ、Ｂａ、Ｂｂについても同様の処理を行
う。この優位水準が高いほど、該当項目は電力需要家ク
ラスに大きく影響することを示す。

【００４１】優位水準となる統計情報量は、クラスを判
別基準変数（非説明変数）とする該当電力需要家属性情
報に対する分割情報量（エントロピー値）を用いる。分
割情報量（エントロピー値）は、判別アルゴリズムＣ
４．５またはＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ
ａｎｄＲｅｇｒｅｓｓｉｏｎＴｒｅｅｓ；２進木
解析法の１つ）により計算される。なお、判別アルゴリ
ズムＣ４．５については、例えば、刊行物（Ｊ．Ｒ．キ
ンラン原著、古川康一監訳、１９９５年株式会社トッパ
ン発行の「ＡＩによるデータ解析」）、ＣＡＲＴについ
ては、例えば、刊行物（大滝厚、堀江宥治、Ｄ．スタイ
ンバーグ著、１９９８年日科技連出版社発行の「ＣＡＲ
Ｔによる応用２進木解析法」）に記載されている。電力
需要家属性情報８の該当項目がカテゴリ型の変数ではな
く連続値の場合、該当変数として分割情報量（エントロ
ピー値）が最小となるように境界値が計算される。

【００４２】ステップＳＴ３３により、各クラス毎に、
上記のようにして求めた各電力需要属性情報の優位水準
を優先水準テーブル１１に書き込む。図６に、優位水準
テーブルの例を示す。

【００４３】ステップＳＴ３４により、すべての電力需
要家属性情報について、ステップＳＴ３１〜ステップＳ
Ｔ３３を繰返し、優位水準と境界値を求める。次に、ス
テップＳＴ３５により、優勢水準テーブル内の最大の優
位水準の電力需要家属性情報を抽出する。すなわち、ク
ラスに最も影響を与える電力需要家属性情報を特定す
る。図６の例では、業種の優位水準が８５％ともっとも
大きな値となっているので、業種が化学である電力需要
家の８５％が電力需要家クラスＡａに属していることを
表しており、電力需要家クラスにもっとも大きく影響し
ていることがわかる。ステップＳＴ３２で得られた境界
値で電力需要家を２つのグループに分割する。ステップ
ＳＴ３６およびステップＳＴ３７により、分割した電力
需要家のグループについて、ステップＳＴ３１からステ
ップＳＴ３５同じ処理を順次繰り返し行うことにより、
さらに細かくグループ分けを行うことによって、図７
（ａ）のようなツリー状の決定木を作成する。この決定
木の文章表現として、図７（ｂ）のような分析結果メッ
セージを生成する。ステップＳＴ３８により、決定木分
析処理を終了する。

【００４４】分析結果の図７（ａ）（ｂ）を出力部１４
により表示出力する。具体的表示例としては、例えば需
要家価値マップにおける対応するクラスの位置に、特定
した電力需要家属性情報を表示する。例えば、図８
（ａ）のように各電力需要家クラスに対して得られた決
定木を表示する方法、図８（ｂ）のように各電力需要家
クラスに対して得られた決定木に対する文章表現を表示
する方法である。このようにして、使用電力量の実績に
基づいて決定された電力需要家クラスにもっとも影響を
与える電力需要家属性情報を特定し、表示することがで
きる。なお、上記の処理は電力需要家クラスＡａ、Ａ
ｂ、Ｂａ、Ｂｂのそれぞれについて行うため、特徴づけ
られる電力需要家情報は電力需要家クラスによって異な
るのが普通である。

【００４５】次に、ニューラルネットワーク演算処理部
１２におけるニューラルネットワーク分析処理ステップ
について図９を基に説明する。図９において、６１は入
力層、６２は中間層、６３は出力層、６４は学習部であ
る。ニューラルネットワーク演算処理部１２は、周知の
ように、入力層６１と中間層６２と出力層６３と学習部
６４とで構成されている。

【００４６】入力層６１から各電力需要家クラス（例え
ば図１のＡａ）に属する各電力需要家における電力需要
家属性情報すなわち電力需要家属性情報データベース８
の各項目のデータ内容ｘ_１、ｘ_２、ｘ_３、…が入力さ
れ、出力層６３から該当電力需要家の所属クラス（例え
ば図１のＡａやＡｂなど）が出力される。そして、中間
層６２の各値ｙ_１、ｙ_２、ｙ_３、…はシグモイド関数Ｓ
（ｘ）で示される。ｙ_１＝Ｓ（ｋ_１１ｘ_１＋ｋ_１２ｘ_２＋…）ｙ_２＝Ｓ（ｋ_２１ｘ_１＋ｋ_２２ｘ_２＋…）ｙ_３＝Ｓ（ｋ_３１ｘ_１＋ｋ_３２ｘ_２＋…）Ｓ（ｘ）＝１／（１−ｅ^−ｘ）ここで、ｋ_１１、ｋ_１２、ｋ_３、…、ｋ_２１、ｋ_２２、
ｋ_２３、…、ｋ_３１、ｋ_３２、ｋ_３３、…は重み係数で
ある。

【００４７】学習部６４は、入力層６１に各電力需要家
の電力需要家属性情報ｘ_１、ｘ_２、ｘ_３、…を入力した
場合に、出力層６３から出力される電力需要家クラス
が、先にクラス分けメモリ７に記憶されている対応する
電力需要家のクラスに一致するように中間層６２の各重
み係数ｋ_１１、ｋ_１２、ｋ_３、…、ｋ_２１、ｋ_２２、ｋ
_２３、…、ｋ_３１、ｋ_３２、ｋ_３３、…を学習して決定
する。中間層６２の各重み係数がほぼ正しく決定された
時点においては、入力層６１を構成する各項目と出力層
６３を構成する各電力需要家クラスとの関係が明確にな
る。言い換えれば、各項目が電力需要家クラスにどのよ
うに寄与するかが定量的に把握される。なお、中間層を
複数段に構成して、ニューラルネットワークを構成する
ことも可能である。

【００４８】出力部１３は、各電力需要家クラスに対し
てニューラルネットワーク演算処理部１２で得られた電
力需要家クラスごとの、中間層の各重み係数の一覧を表
示出力する。

【００４９】なお、データマイニング処理部９におい
て、決定木分析処理部１０の決定木分析処理ステップを
実施するか、ニューラルネットワーク演算処理部１２の
ニューラルネットワーク分析処理ステップを実施するか
は、あらかじめ実施者が選択しておく。もちろん、決定
木分析処理ステップとニューラルネットワーク分析処理
ステップとの両方を実施してもよい。決定木処理ステッ
プとニューラルネットワーク分析処理ステップのどちら
かを選択するかは使用電力量および電力需要家属性情報
に依存し、どちらがよりよい結果が得られるかを比較し
て選択する。

【００５０】以上説明したように、本実施の形態によれ
ば、各電力需要家の使用電力量の実績を所定期間採集
し、電力供給者の電気料金収入に対する貢献度は、当該
期間中の使用電力量によるとして、各電力需要家の使用
電力量を複数階層ｍ個に分類すると共に、電力供給者の
発電設備への設備コストに対する貢献度は、当該期間中
の使用電力量平均値の使用電力量最大値に対する比率で
ある負荷寄与度によるとして、各電力需要家の負荷寄与
度を複数階層ｎ個に分類し、これらの分類をもとに各電
力需要家をｍ×ｎ個のクラスに分割するので、下記
（１）のような効果を奏する。（１）電力需要家の使用電力量の実績から電力需要パタ
ーンを分析し、電力供給者から見た電力市場における電
力需要家の価値を測定することが可能となる。その結
果、電力供給者にとって重要な電力需要家グループを精
度よく測定分析することが可能となる。

【００５１】また、本実施の形態によれば、電力需要家
価値マップとして、ｍ×ｎ個の各クラスに対応する電力
需要家のデータをマップ状に表示するようにしたので、
下記（２）のような効果を奏する。（２）ｍ×ｎ個の各クラスに対応する電力需要家のデー
タをマップ状に表示するので、視覚的に理解しやすい。

【００５２】また、本実施の形態によれば、上記のよう
に各電力需要家をｍ×ｎ個のクラスに分割し、さらに、
各電力需要家に関する複数の情報を取得し、それらの情
報に基づいて、上記各クラスと上記各情報との関係を分
析し（データマイニング処理ステップ）、得られた分析
結果を表示するので、下記（３）〜（６）のような効果
を奏する。（３）電力供給者にとって先見性のある電力需要家グル
ープを把握し、（１）の測定分析結果と合せて以後の意
思決定を効果的に行える。例えば、電力供給者によって
もっとも望ましい電力需要家クラスＡａについて、業種
として化学がもっとも影響があるという結果が得られれ
ば、化学工業に必要な負荷（例えばアーク炉など）に合
わせた営業活動、例えば力率改善用設備の提案の内容を
営業活動支援資料として営業担当者に配布するなどを実
施することが可能となる。（４）各クラスについて、そのクラスに属する電力需要
家が、すなわち使用電力量の実績が、電力需要家に関す
るどのような情報によって特徴づけられるのかを精度よ
く分析することが可能となり、各クラスに最も影響を与
える項目が特定できる。その結果、各クラスに応じた営
業活動などの対応策を講じることが可能となる。例え
ば、最も影響を与える項目が業種として化学である場合
には、化学工業に必要な負荷（例えばアーク炉など）に
合わせた営業活動、例えば力率改善用設備の提案の内容
を営業活動支援資料として営業担当者に配布するなどを
実施することが可能となる。（５）各クラスに属する電力需要家を特徴づける情報の
内容を分析することにより、サービス提供などのマーケ
ティング活動の効果の分析を行い、以後の処置に対する
意思決定を精度よく行うことができる。個々の電力需要
家に対しては電力需要家属性情報として営業活動情報も
保持しているが、当該電力需要家がどの電力需要家クラ
スに属しているかを判別することによって、その電力需
要家が全電力需要家のなかでどのような位置づけになっ
ているかを把握することができる。例えば、電力供給者
にとって望ましい電力需要家に対して営業担当者の訪問
回数が少ない場合、営業担当者が担当している他の電力
需要家への訪問回数を減らしてその分を当該電力需要家
への訪問回数を増やすというような対策が有効となる。（６）データマイニング処理ステップで得られた分析結
果を用いて、使用電力量の実績がない例えば新規の電力
需要家について、その電力需要家に関する複数の情報
（例えば図３の需要家基本情報２１）から所属クラスを
推定することが可能となる。

【００５３】また、上記実施の形態では、図２に示すよ
うな需要家価値マップを作成し、表示する場合について
示したが、需要家価値マップは作成せずに、電力需要家
クラス分けステップで得られた結果として、各クラスの
情報（具体的には、例えば総使用電力量および負荷寄与
度の範囲等）、各クラスに属する電力需要家のデータ
（具体的には、例えばそのクラスに属する電力需要家の
数や識別番号等）などを、データマイニング処理ステッ
プで得られた分析結果と共に、羅列して表示するように
してもよい。さらに、表示せずに、例えばクラス分けメ
モリ部７などの記憶手段に記憶し、使用者が必要に応じ
て記憶内容を取り出してもよい。

【００５４】また、上記実施の形態では、データマイニ
ング処理部９が、決定木分析処理部１０とニューラルネ
ットワーク演算処理部１２の両方を備えている場合につ
いて示したが、どちらか一方のみを備えていてもよい。
また、両方を備えている場合にもどちらの処理を行うの
かをあらかじめ設定しておいてもよい。

【００５５】実施の形態２．図１０は、本発明の実施の
形態２による電力需要家データ分析方法を説明する図で
あり、より具体的には、電力需要家データ分析装置とソ
フトウェアの全体構成を示すと共にデータの流れを矢印
で示している。図において、１０１は電力使用実績デー
タベース、１０２は電力使用実績データベース１０１か
ら取り出すデータの２つの期間Ｔ１（前期）およびＴ２
（後期）を設定する分析対象期間設定部、１０３は前期
と後期の両期間について、取り出したデータから各顧客
すなわち各電力需要家について負荷寄与度を計算する負
荷寄与度計算部、１０４は前期と後期の両期間につい
て、データの使用電力量の分布から使用電力量をｍ階層
に分類する使用電力量分類部、１０５は前期と後期の両
期間について、データの負荷寄与度の分布から負荷寄与
度をｎ階層に分類する負荷寄与度分類部である。

【００５６】１０６は電力需要家価値マップ生成部であ
り、前期と後期の両期間について、各電力需要家をｍ×
ｎ個のクラスに分割し、電力需要家価値マップとして、
ｍ×ｎ個の各クラスに対応する電力需要家のデータをマ
ップ状に表示すると共に、前期（期間Ｔ１）と後期（期
間Ｔ２）の電力需要家クラスを比較して期間Ｔ２での電
力需要家クラスに属する各電力需要家が期間Ｔ１でどの
電力需要家クラスに属していたかを集計して表示する。
１０７は各電力需要家が分類したクラスのうちどのクラ
スに属するかを記録するクラス分けメモリ部、１０８は
電力需要家に関する複数の情報を記憶する電力需要家属
性情報データベース、１０９は電力需要家に関する複数
の情報を用いて、各クラスがこれらの情報のうちどの情
報に影響を受けているかを判別するデータマイニング処
理部である。データマイニング処理部１０９は、決定木
処理部１１０、優先水準テーブル１１１、およびニュー
ラルネット演算部１１２によって構成されている。１１
３はデータマイニング処理部１０９で判別した結果を表
示する出力部である。

【００５７】分析対象期間設定部１０２、負荷寄与度計
算部１０３、使用電力量分類部１０４、負荷寄与度分類
部１０５、決定木処理部１１０、およびニューラルネッ
ト演算部１１２は、例えば、ワークステーションやパー
ソナルコンピュータ等の計算機に実装されるソフトウェ
アプログラムにより実現される。クラス分けメモリ部１
０７および優先水準テーブル１１１は、例えば、例え
ば、ワークステーションやパーソナルコンピュータ等の
計算機における電子ファイルによって実現される。電力
需要家価値マップ生成部１０６は、例えば、ワークステ
ーションやパーソナルコンピュータ等の計算機に実装さ
れるソフトウェアプログラム、および表示手段に相当す
る、およびＣＲＴ（ＣａｔｈｏｄｅＲａｙＴｕｂ
ｅ）モニタや液晶ディスプレイ等の表示装置あるいはプ
リンタなどによって実現される。出力部１１３は、例え
ば、ＣＲＴ（ＣａｔｈｏｄｅＲａｙＴｕｂｅ）モニ
タや液晶ディスプレイ等の表示装置あるいはプリンタな
ど、によって実現される。電力需要家価値マップ生成部
１０６で用いられる表示装置あるいはプリンタなどと兼
用してもよい。

【００５８】電力需要実績データベース１０１には、複
数の電力需要家について、各電力需要家毎に例えば１時
間、３０分、１５分など、ある一定時間間隔の使用電力
量データが時系列で蓄積されている。分析対象期間設定
部１０２では、例えば実施者からの入力にしたがって、
例えばある１日、１週間、１ヶ月、１年など、データの
分析を行う期間を、比較するために前期と後期の２つ
（Ｔ１、Ｔ２）設定し、すべての電力需要家について設
定した期間Ｔ１とＴ２の使用電力量の実績を取り出す
（電力需要家データ採集ステップ）。負荷寄与度計算部
１０３では、取り出した期間Ｔ１とＴ２の使用電力量デ
ータのそれぞれについて、使用電力量の実績の平準度を
表す負荷寄与度を計算する。負荷寄与度の計算方法は、
実施の形態１と同様である。

【００５９】使用電力量分類部１０４では、分析対象期
間設定部１０２で設定した期間Ｔ１およびＴ２のデータ
について、全ての電力需要家を、総使用電力量の分布か
らｍ階層（図１０ではＡとＢの２階層）に分類する（使
用電力量分類ステップ）。分類の方法は、実施の形態１
と同様である。同様に、負荷寄与度についても負荷寄与
度分類部１０５によって負荷寄与度の分類からｎ階層
（図１０ではａとｂの２階層）に分類する（負荷寄与度
分類ステップ）。分析対象期間設定部１０２で設定した
期間Ｔ１およびＴ２のそれぞれについて、使用電力量分
類部１０４、負荷寄与度分類部１０５によってｍ×ｎの
クラスが生成される。

【００６０】電力需要家価値マップ生成部１０６は、分
析対象期間設定部１０２で設定した期間Ｔ１およびＴ２
のそれぞれについて、使用電力量分類部４および負荷寄
与度分類部５の分類結果をもとに、各電力需要家をｍ×
ｎ個のクラスに分割し（電力需要家クラス分けステッ
プ）、電力需要家価値マップとして、ｍ×ｎ個の各クラ
スに対応する電力需要家のデータをマップ状に表示する
（電力需要家クラス表示ステップ）。具体的表示例とし
ては、例えば、図２（ａ）〜（ｃ）を挙げることができ
る。電力需要家価値マップ生成部１０６において、各電
力需要家がどのクラスに属するかを判別することができ
る。

【００６１】さらに、時間Ｔ１およびＴ２における電力
需要家クラスが判別された後、前期（時間Ｔ１）と後期
（時間Ｔ２）の間の電力需要家数の構成比の変化を表示
する。その一例として、時間Ｔ２におけるそれぞれの電
力需要家クラスに属する各電力需要家が、時間Ｔ１にお
いてどの電力需要家クラスに属していたかを判別し、図
１１（ａ）に示すように、電力需要家クラス表示での表
示方法と同様に、時間Ｔ２での電力需要家クラスに相当
する位置に、時間Ｔ１での電力需要家クラスで分類した
電力需要家の数で集計したグラフを表示（電力需要家ク
ラスの移動による分類表示ステップ）する。あるいは、
図１１（ｂ）に示すように、電力需要家クラス表示での
表示方法と同様に、時間Ｔ２での電力需要家クラスに相
当する位置に、時間Ｔ１での電力需要家クラスで分類し
た電力需要家の数で集計した表を表示（電力需要家クラ
スの移動による分類表示ステップ）する。このような電
力需要家クラスの移動による分類により、時間Ｔ１およ
びＴ２のそれぞれでどの電力需要家クラスに属していた
かによって、電力需要家クラスを細分化することができ
る。

【００６２】なお、本実施の形態においては、便宜上、
使用電力量が多く負荷寄与度も大きい（１に近い）Ａａ
のクラスをクラス１、使用電力量は多いが負荷寄与度が
小さいＡｂのクラスをクラス２、使用電力量は少ないが
負荷寄与度が大きいＢａのクラスをクラス３、使用電力
量が少なく負荷寄与度も小さいＢｂのクラスをクラス４
として、図１１（ａ）、（ｂ）の対応する各クラスの位
置に表示している。また、図１１（ａ）、（ｂ）のグラ
フにおける１〜４の数字はクラス番号を示している。

【００６３】図１２は電力需要家クラスの細分化の方法
の一例を説明する図である。図１２に示すように、例え
ば、時間Ｔ１、時間Ｔ２共にクラス１に属している電力
需要家はクラス１−１に属するとし、時間Ｔ１でクラス
１に属し、時間Ｔ２でクラス２へ移動した電力需要家は
電力需要家クラス１−２に属するというように、時間Ｔ
１での電力需要家クラス８１と、時間Ｔ２での電力需要
家クラス８２とをあわせて、電力需要家の態度変化の内
容を含んださらに細かい電力需要家クラス８３に細分化
する。電力需要家価値マップ生成部１０６において、図
１２のようにして各電力需要家を細分化し、各電力需要
家がどのクラスに属するかを判別することができる。判
別された結果は、クラス分けメモリ部１０７によって保
存される。

【００６４】次に、データマイニング処理ステップにつ
いて説明する。電力需要家属性情報データベース１０８
には、図３のように電力需要家基本情報２１、電力需要
家契約情報２２、電力需要家に対する営業活動情報２３
から構成される電力需要家属性情報が電力需要家毎に蓄
積されている。データマイニング処理部１０９は、需要
家価値マップ生成部１０６によって、図１２の電力需要
家クラス８３のように電力需要家の態度変化の内容を含
んで細分化された各クラスが、各電力需要家に関する複
数の情報として電力需要家属性情報データベース１０８
に蓄積されているどの項目（情報）によって特徴づけら
れるかを判定する（データマイニング処理ステップ）。
データマイニング処理部１０９を構成する決定木分析処
理部１１０、優先水準テーブル１１１、およびニューラ
ルネットワーク演算処理部１１２の動作は、それぞれ実
施の形態１でのデータマイニング処理部を構成する決定
木分析処理部１０、優先水準テーブル１１、およびニュ
ーラルネットワーク演算処理部１２の動作と同様であ
る。

【００６５】なお、データマイニング処理部１０９にお
いて、決定木分析処理部１１０の決定木分析処理を実施
するか、ニューラルネットワーク演算処理部１１２のニ
ューラルネットワーク分析処理を実施するかは、あらか
じめ実施者が選択しておくのは、実施の形態１の場合と
同様である。もちろん、決定木分析処理ステップとニュ
ーラルネットワーク分析処理ステップとの両方を実施し
てもよい。

【００６６】出力部１１３は、決定木分析処理における
優先水準テーブル１１１で得られた結果およびニューラ
ルネットワーク演算処理部１１２で得られた中間層の各
重み係数の一覧の少なくともいずれか一方を表示出力す
る。

【００６７】以上説明したように、本実施の形態によれ
ば、前期と後期の少なくとも２期間に分けて各電力需要
家の使用電力量の実績を採集し、上記各期間についてそ
れぞれ総電力量および負荷寄与度をｍ個およびｎ個に分
類し、上記各期間について各電力需要家をｍ×ｎ個のク
ラスに分割し、上記各期間についてｍ×ｎ個の各クラス
に対応する電力需要家の情報をマップ状に表示するとと
もに、前期と後期の間の電力需要家数の構成比の変化を
表示するので、実施の形態１で説明した（１）および
（２）の効果に加えて、電力需要家の態度変化の様子を
知ることができるので、より的確な対応策を講ずること
ができるという効果が得られる。例えば、電力需要家の
態度変化の度合いとパターンに基づいて、サービス提供
などのマーケティング活動の効果の分析を行い、以後の
処置に対する意思決定をより精度よく行うことができ
る。

【００６８】また、電力需要家の態度変化の内容も含ん
で細分化された各クラスについて、各クラスと電力需要
家に関する各情報との関係を分析し（データマイニング
処理ステップ）、得られた分析結果を表示するので、下
記（７）および（８）のような効果を奏する。（７）電力需要家の態度変化の内容も含んで細分化され
た各クラスについて、そのクラスに属する電力需要家
が、すなわち使用電力量の実績の推移が、電力需要家に
関するどのような情報によって特徴づけられるのかを分
析することが可能となり、各クラスに最も影響を与える
項目（情報）が特定できる。その結果、各クラスに応じ
た、すなわち電力需要家の態度変化に応じたあるいは使
用電力量の実績の推移に応じたよりきめの細かい対応策
（例えば営業活動等）を講じることが可能となる。例え
ば、電力需要家クラスＡａからＢａへ変化した電力需要
家に対しては、負荷寄与度があまり変化せずに使用電力
量が減少しているので、当該電力需要家に対する営業活
動情報を参照して訪問回数が他の電力需要家と比較して
多いかどうかを分析する。また、使用電力量の変化があ
ったことは、当該電力需要家が何らかの負荷設備を導入
あるいは廃棄したことが考えられるので、当該電力需要
家の担当営業者に負荷設備に対する情報を入手するよう
に指導することが考えられ得る。（８）各クラスの属する電力需要家を特徴づける情報の
内容を分析することにより、使用電力量の実績の推移に
対する、サービス提供などのマーケティング活動の効果
の分析を行い、以後の処置に対する意思決定をより精度
よく行うことができる。例えば、電力需要家クラスＡｂ
からＡａへ変化した電力需要家に対しては、使用電力量
があまり変化せずに負荷寄与度が増加しており、もっと
も特徴づける情報として化学という業種があった場合、
一例として昼間のピーク需要を夜間へ移動するような氷
蓄熱装置の販売促進活動として、化学工業を対象とする
営業活動を実施していてその効果が現れて負荷寄与度が
増加したという原因が考えられ、このような場合には、
まだ負荷寄与度が改善されてない他の業種への営業活動
へ営業担当者をシフトするといった意志決定が効果的で
ある。

【００６９】なお、前期と後期の両期間Ｔ１とＴ２は、
例えばある年の１月〜６月と７月〜１２月というように
連続していてもよいし、ある年の１月と翌年の１月とい
うように離れていてもよいし、さらには、ある年の４月
１日〜５月３１日と５月１日〜６月３１日というように
重なっていてもよい。

【００７０】また、上記実施の形態では、前期と後期の
２期間に分けて各電力需要家の使用電力量の実績を採集
する場合について説明したが、前期、中期、後期のよう
に３期間以上に分けてもよい。

【００７１】また、上記実施の形態では、電力需要家価
値マップとして表示する電力需要家のデータが総使用電
力量および負荷寄与度である場合について示したが、こ
れに限るものではなく、例えば、そのクラスに属する電
力需要家の数、全体の電力需要家に対する割合、データ
マイニング処理部によって得られたなどであってもよい
のは、実施の形態１の場合と同様である。

【００７２】また、上記実施の形態では、図１１に示す
ような需要家価値マップを作成し、表示する場合につい
て示したが、需要家価値マップは作成せずに、電力需要
家クラス分けステップで得られた結果として、各クラス
の情報（具体的には、例えば総使用電力量および負荷寄
与度の範囲の変化等）、各クラスに属する電力需要家の
データ（具体的には、例えばそのクラスに属する電力需
要家の数や識別番号等）などを、データマイニング処理
ステップで得られた分析結果と共に、羅列して表示する
ようにしてもよい。さらに、表示せずに、例えばクラス
分けメモリ部７などの記憶手段に記憶し、使用者が必要
に応じて記憶内容を取り出してもよい。

【００７３】また、上記実施の形態では、データマイニ
ング処理部１０９が、決定木分析処理部１１０とニュー
ラルネットワーク演算処理部１１２の両方を備えている
場合について示したが、どちらか一方のみを備えていて
もよいのは、実施の形態１の場合と同様である。決定木
分析処理部１１０とニューラルネットワーク演算処理部
１１２の両方を備えている場合にも、どちらの処理を行
うかはあらかじめ設定しておく。

【００７４】実施の形態３．上記実施の形態１および２
では、電力需要家データ採集ステップにおいて、昼夜に
関係なく、各電力需要家の使用電力量の実績を所定期間
採集する場合について示したが、本実施の形態では、各
電力需要家の使用電力量の実績を昼間と夜間とで別々に
所定期間採集する点が、上記各実施の形態と異なる。

【００７５】すなわち、電力需要家データ採集ステップ
では、各電力需要家の昼間における使用電力量の実績と
夜間における使用電力量の実績とを所定期間採集する。
使用電力量分類ステップおよび負荷寄与度分類ステップ
では昼間と夜間のそれぞれについて総電力量および負荷
寄与度を分類し、電力需要家クラス分けステップでは、
昼間と夜間のそれぞれについて各電力需要家をｍ×ｎ個
のクラスに分割し、電力需要家価値マップ生成ステップ
では昼間と夜間のそれぞれについてｍ×ｎ個の各クラス
に対応する電力需要家の情報をマップ状に表示する。ま
た、データマイニング処理ステップでは、昼間と夜間の
それぞれについて各クラスと電力需要家に関する各情報
との関係を分析し、表示ステップでは、昼間と夜間のそ
れぞれについて、得られた分析結果を表示する。

【００７６】各電力需要家の使用電力量は昼間と夜間で
大きく異なることが多い。したがって、本実施の形態に
おけるように、昼間と夜間とを区別して使用電力量の実
績を採集し、分析することにより、電力供給者から見た
電力市場における電力需要家の価値をより精度良く測定
することが可能となる。

【００７７】なお、昼間と夜間との時間設定について
は、例えば、午前８時および午後１０時を境として午前
８時〜午後１０時までを昼間、午後１０時〜翌朝の８時
までを夜間とするなど状況に応じて適宜自由に設定す
る。もちろん、午前８時〜午後５時までを昼間、午後７
時〜翌朝の６時までを夜間というように、昼間にも夜間
にも属さない時間が有ってもよいし、午前６時〜午後７
時までを昼間、午後５時〜翌朝の７時までを夜間という
ように、昼間と夜間とに重複している時間が有ってもよ
い。

【００７８】また、上記実施の形態３では、各電力需要
家の昼間における使用電力量の実績と夜間における使用
電力量の実績との両方を採集して分析する場合について
説明したが、これに限るものではなく、昼夜のどちらか
一方における使用電力量の実績のみを採集して分析して
もよい。

【００７９】

【発明の効果】以上のように、本発明によれば、電力供
給者から複数の電力需要家が電力を購入する電力市場に
おいて、各電力需要家の使用電力量の実績を所定期間採
集する電力需要家データ採集ステップと、上記期間中の
各電力需要家の総使用電力量を複数階層ｍ個に分類する
使用電力量分類ステップと、上記期間中の各電力需要家
の使用電力量平均値の使用電力量最大値に対する比率で
ある負荷率と、同じ使用電力量階層に属する電力需要家
についての上記期間中の各電力需要家の使用電力量最大
値の総和の総使用電力量の最大値に対する比率である均
等率とのうちの少なくとも負荷率を考慮した各電力需要
家の負荷寄与度を複数階層ｎ個に分類する負荷寄与度分
類ステップと、上記２つの分類ステップをもとに各電力
需要家をｍ×ｎ個のクラスに分割する電力需要家クラス
分けステップと、上記電力需要家クラス分けステップで
得られた結果を表示手段または記憶手段に出力するステ
ップとを備えたので、電力需要家の使用電力量の実績か
ら電力需要パターンを分析し、電力供給者から見た電力
市場における電力需要家の価値を測定することが可能と
なる。

【００８０】また、負荷寄与度は式（１）で求められる
ものであるので、電力需要家の使用電力量の実績から電
力需要パターンを分析し、電力供給者から見た電力市場
における電力需要家の価値を測定することが可能とな
る。

【００８１】また、上記ｍ×ｎ個の各クラスに対応する
電力需要家のデータをマップ状に表示する電力需要家価
値マップ生成ステップを備えたので、視覚的に理解しや
すい。

【００８２】また、電力需要家データ採集ステップで
は、前期と後期の少なくとも２期間に分けて各電力需要
家の使用電力量の実績を採集し、使用電力量分類ステッ
プおよび負荷寄与度分類ステップでは上記各期間につい
てそれぞれ総使用電力量および負荷寄与度をｍ個および
ｎ個に分類し、電力需要家クラス分けステップでは上記
各期間について各電力需要家をｍ×ｎ個のクラスに分割
するので、電力需要家の電力使用状況の変化の様子を知
ることができる結果、電力需要家の負荷の変化を営業活
動によって調査することにより、的確な対応策を講ずる
ことが可能となる。

【００８３】また、上記各電力需要家に関する複数の情
報を取得し、それらの情報に基づいて、上記各クラスと
上記各情報との関係を分析するデータマイニング処理ス
テップを備えたので、各クラスについて、そのクラスに
属する電力需要家が、すなわち使用電力量の実績が、電
力需要家に関するどのような情報によって特徴づけられ
るのかを精度よく分析することが可能となり、各クラス
に最も影響を与える項目が特定できるので、各クラスに
応じた対応策を講じることが可能となる。また、データ
マイニング処理ステップで得られた分析結果を用いて、
使用電力量の実績がない電力需要家について、その電力
需要家に関する複数の情報から所属クラスを推定するこ
とが可能となる。

【００８４】また、データマイニング処理ステップは、
上記クラスと、上記各情報のデータ内容との関係をツリ
ー形式に求めていく決定木分析処理ステップを有するの
で、各クラスと上記各情報との関係を分析することがで
きる。

【００８５】また、データマイニング処理ステップは、
上記各クラスに属する電力需要家の上記各情報のデータ
内容を入力層とし、電力需要家の属するクラスを出力層
とし、入力層と出力層との間に中間層を備えるニューラ
ルネットワーク処理ステップと、上記入力層に上記各情
報のデータ内容を入力し上記出力層から出力される電力
需要家の属するクラスに基づいて上記中間層の重み係数
を算出するネットワーク学習処理ステップとを有するの
で、各クラスと上記各情報との関係を分析することがで
きる。

【００８６】また、電力需要家データ採集ステップで
は、前期と後期の少なくとも２期間に分けて各電力需要
家の使用電力量の実績を採集し、使用電力量分類ステッ
プおよび負荷寄与度分類ステップでは上記各期間につい
てそれぞれ使用総電力量および負荷寄与度をｍ個および
ｎ個に分類し、電力需要家クラス分けステップでは、上
記各期間について各電力需要家をｍ×ｎ個のクラスに分
割すると共に前期と後期とにおいて電力需要家がどのク
ラスに属していたかによって電力需要家をさらに細かい
クラスに細分化し、データマイニング処理ステップで
は、上記細分化された各クラスと各情報との関係を分析
するので、電力需要家の態度変化の内容も含んで細分化
された各クラスについて、そのクラスに属する電力需要
家が、電力需要家に関するどのような情報によって特徴
づけられるのかを分析することが可能となり、各クラス
に最も影響を与える情報が特定できる。その結果、各ク
ラスに応じた、すなわち電力需要家の態度変化に応じた
よりきめの細かい対応策を講じることが可能となる。

【００８７】また、電力需要家データ採集ステップで
は、各電力需要家の昼間における使用電力量の実績また
は夜間における使用電力量の実績を所定期間採集するの
で、各電力需要家の使用電力量は昼間と夜間で大きく異
なることが多く、昼間と夜間とを区別して使用電力量の
実績を採集することにより、電力供給者から見た電力市
場における電力需要家の価値をより精度良く測定するこ
とが可能となる。

【図面の簡単な説明】

【図１】本発明の実施の形態１による電力需要家デー
タ分析方法を説明する図である。

【図２】本発明の実施の形態１に係わり、電力需要家
価値マップの具体的な表示例を説明する図である。

【図３】本発明の実施の形態１に係わり、電力需要家
に関する複数の情報の一例を説明する図である。

【図４】本発明の実施の形態１に係わり、決定木分析
処理ステップについて説明するフローチャートである。

【図５】本発明の実施の形態１に係わり、決定木分析
処理ステップにおける優位水準の求め方について説明す
る図である。

【図６】本発明の実施の形態１に係わり、優位水準テ
ーブルの一例を説明する図である。

【図７】本発明の実施の形態１に係わり、生成された
決定木の一例を説明する図である。

【図８】本発明の実施の形態１に係わり、データマイ
ニング処理ステップで得られた分析結果の具体的な表示
例を説明する図である。

【図９】本発明の実施の形態１に係わり、ニューラル
ネットワーク分析処理ステップについて説明する図であ
る。

【図１０】本発明の実施の形態２による電力需要家デ
ータ分析方法を説明する図である。

【図１１】本発明の実施の形態２に係わり、電力需要
家価値マップの具体的な表示例を説明する図である。

【図１２】本発明の実施の形態２に係わり、電力需要
家クラスの細分化の方法の一例を説明する図である。

【符号の説明】

１，１０１電力使用実績データベース、２，１０２
分析対象期間設定部、３，１０３負荷寄与度計算部、
４，１０４使用電力量分類部、５，１０５負荷寄与度
分類部、６，１０６電力需要家価値マップ生成部、
７，１０７クラス分けメモリ部、８，１０８電力需
要家属性情報データベース、９，１０９データマイニン
グ処理部、１０，１１０決定木処理部、１１，１１１
優先水準テーブル、１２，１１２ニューラルネット
ワーク演算処理部、１３，１１３出力部。

フロントページの続き (72)発明者泉井良夫東京都千代田区丸の内二丁目２番３号三菱電機株式会社内Ｆターム(参考） 5G066 KA01 KB06 KB10

Claims

【特許請求の範囲】

【請求項１】電力供給者から複数の電力需要家が電力
を購入する電力市場において、各電力需要家の使用電力
量の実績を所定期間採集する電力需要家データ採集ステ
ップと、上記期間中の各電力需要家の総使用電力量を複
数階層ｍ個に分類する使用電力量分類ステップと、上記
期間中の各電力需要家の使用電力量平均値の使用電力量
最大値に対する比率である負荷率と、同じ使用電力量階
層に属する電力需要家についての上記期間中の各電力需
要家の使用電力量最大値の総和の総使用電力量の最大値
に対する比率である均等率とのうちの少なくとも負荷率
を考慮した各電力需要家の負荷寄与度を複数階層ｎ個に
分類する負荷寄与度分類ステップと、上記２つの分類ス
テップをもとに各電力需要家をｍ×ｎ個のクラスに分割
する電力需要家クラス分けステップと、上記電力需要家
クラス分けステップで得られた結果を表示手段または記
憶手段に出力するステップとを備えたことを特徴とする
電力需要家データ分析方法。
【請求項２】負荷寄与度は式（１）で求められるもの
であることを特徴とする請求項１記載の電力需要家デー
タ分析方法。【数１】なお、式（１）において、αはあらかじめ設定された重
みを表す係数であり、０＜α≦１である。
【請求項３】上記ｍ×ｎ個の各クラスに対応する電力
需要家のデータをマップ状に表示する電力需要家価値マ
ップ生成ステップを備えたことを特徴とする請求項１記
載の電力需要家データ分析方法。
【請求項４】電力需要家データ採集ステップでは、前
期と後期の少なくとも２期間に分けて各電力需要家の使
用電力量の実績を採集し、使用電力量分類ステップおよ
び負荷寄与度分類ステップでは上記各期間についてそれ
ぞれ総使用電力量および負荷寄与度をｍ個およびｎ個に
分類し、電力需要家クラス分けステップでは上記各期間
について各電力需要家をｍ×ｎ個のクラスに分割するこ
とを特徴とする請求項１記載の電力需要家データ分析方
法。
【請求項５】上記各電力需要家に関する複数の情報を
取得し、それらの情報に基づいて、上記各クラスと上記
各情報との関係を分析するデータマイニング処理ステッ
プを備えたことを特徴とする請求項１記載の電力需要家
データ分析方法。
【請求項６】データマイニング処理ステップは、上記
クラスと、上記各情報のデータ内容との関係をツリー形
式に求めていく決定木分析処理ステップを有することを
特徴とする請求項５項記載の電力需要家データ分析方
法。
【請求項７】データマイニング処理ステップは、上記
各クラスに属する電力需要家の上記各情報のデータ内容
を入力層とし、電力需要家の属するクラスを出力層と
し、入力層と出力層との間に中間層を備えるニューラル
ネットワーク処理ステップと、上記入力層に上記各情報
のデータ内容を入力し上記出力層から出力される電力需
要家の属するクラスに基づいて上記中間層の重み係数を
算出するネットワーク学習処理ステップとを有すること
を特徴とする請求項５項記載の電力需要家データ分析方
法。
【請求項８】電力需要家データ採集ステップでは、前
期と後期の少なくとも２期間に分けて各電力需要家の使
用電力量の実績を採集し、使用電力量分類ステップおよ
び負荷寄与度分類ステップでは上記各期間についてそれ
ぞれ使用総電力量および負荷寄与度をｍ個およびｎ個に
分類し、電力需要家クラス分けステップでは、上記各期
間について各電力需要家をｍ×ｎ個のクラスに分割する
と共に前期と後期とにおいて電力需要家がどのクラスに
属していたかによって電力需要家をさらに細かいクラス
に細分化し、データマイニング処理ステップでは、上記
細分化された各クラスと各情報との関係を分析すること
を特徴とする請求項５記載の電力需要家データ分析方
法。
【請求項９】電力需要家データ採集ステップでは、各
電力需要家の昼間における使用電力量の実績または夜間
における使用電力量の実績を所定期間採集することを特
徴とする請求項１記載の電力需要家データ分析方法。