JP2004164388A - 需要予測システム - Google Patents
需要予測システム Download PDFInfo
- Publication number
- JP2004164388A JP2004164388A JP2002330606A JP2002330606A JP2004164388A JP 2004164388 A JP2004164388 A JP 2004164388A JP 2002330606 A JP2002330606 A JP 2002330606A JP 2002330606 A JP2002330606 A JP 2002330606A JP 2004164388 A JP2004164388 A JP 2004164388A
- Authority
- JP
- Japan
- Prior art keywords
- demand
- forecast
- day
- value
- weather
- 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.)
- Withdrawn
Links
Images
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】自動配信サービスによる天気予報情報を取り込んだ翌日の電力や熱負荷の需要予測機能、カレンダーベースオペレーションによる操業履歴管理機能、気象類似日検索機能、需要パターン抽出機能、パターンデータベース機能、当日予測値補正機能などを有し、これらの機能により複数の手法で需要予測ができ、それぞれの手法により導出される予測結果をユーザが比較し選択し得るようにして汎用性を高めた需要予測システムを実現する。
【解決手段】電力および熱供給プラントを対象とし、翌日の電力や熱需要量を予測する機能および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムであって、翌日の気象情報を取得する手段と、過去の需要実績値と前記気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出する予測演算処理手段を備える。
【選択図】 図1
【解決手段】電力および熱供給プラントを対象とし、翌日の電力や熱需要量を予測する機能および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムであって、翌日の気象情報を取得する手段と、過去の需要実績値と前記気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出する予測演算処理手段を備える。
【選択図】 図1
Description
【0001】
【発明の属する技術分野】
本発明は、電力および熱供給プラント(主に地域冷暖房プラント)を対象とし、翌日の電力や熱需要量を予測する機能、および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムに関する。
【0002】
【従来の技術】
従来より、各需要家により消費される熱負荷を供給する地域冷暖房プラントの熱負荷を予測する需要予測システムがある(特許文献1参照)。図6はその需要予測システムの構成例である。プラント熱負荷検出装置31で検出された値はプラント熱負荷記憶装置32に格納され、屋外気象値測定装置33で検出された値は屋外気象値記憶装置34へ格納される。
【0003】
プラント熱負荷演算装置36は、プラント熱負荷記憶装置32に格納された熱負荷実績値、屋外気象値記憶装置34に格納された気象実績値、および気象予報値入力手段35から入力された翌日の気象予報値に基いて、演算によりプラント熱負荷予測値を求める。
【0004】
なお、より正確な気象予報値を用いる場合は、例えば、過去数年間分の気象実績値から求めた簡易気象モデルを気象予報値入力手段5とプラント熱負荷演算装置36の間に配し、修正した気象予報値をプラント熱負荷演算装置36に入力する例もある。
【0005】
【特許文献1】
特開平7−151369号公報(第3頁〜第6頁、図1〜図3)
【0006】
【発明が解決しようとする課題】
しかしながら、このような従来の需要予測システムでは、過去のデータを用いて何らかのアルゴリズムにより気象予測値から熱負荷などを予測する予測モデルを構築(学習)しており、次のような課題があった。
【0007】
(1)需要家増設や熱契約量変更などの環境条件が変化した場合、学習データ自体が古く現状とあわないものになってしまうため、何らかの対策が必要となる。その対策例としてある種の補正パラメータを用意してデータに補正を施すものがあるが、このエンジニアリングは難しく適切な設定が必要となるため、作業に熟練性を必要とする。
【0008】
(2)予測精度を上げるためには、翌日のより正確な気象予報値を得る必要があるが、従来の需要予測システムではこの情報を何らかの方法で入手して手入力する必要があり、入力ミスや入力漏れなどの危険性がある。
【0009】
(3)また、正確な気象情報が得られない場合や入力漏れの場合のバックアップ予測プラン、日常運転業務支援情報が欠如しているものも多く、運転支援になっていないものが多かった。
【0010】
本発明の目的は、上記の課題を解決するもので、自動配信サービスによる天気予報情報を取り込んだ翌日の電力や熱負荷の需要予測機能、カレンダーベースオペレーションによる操業履歴管理機能、気象類似日検索機能、需要パターン抽出機能、パターンデータベース機能、当日予測値補正機能などを有し、これらの機能により複数の手法で需要予測ができ、それぞれの手法により導出される予測結果をユーザが比較し選択し得るようにして汎用性を高めた需要予測システムを提供することにある。
【0011】
本発明の他の目的は、上記の予測のみでなく、条件設定による検索機能や過去の運転実績、エネルギー販売量実績などのデータに容易に展開できる操業管理機能により、日常運転業務の効率化、省力化、質的向上などに寄与することのできる需要予測システムを提供することにある。
【0012】
【課題を解決するための手段】
このような目的を達成するために、請求項1の発明では、
電力および熱供給プラントを対象とし、翌日の電力や熱需要量を予測する機能および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムであって、
翌日の気象情報を取得する手段と、
過去の需要実績値と前記気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出する予測演算処理手段
を備えたことを特徴とする。
このような構成によれば、過去の需要実績値と気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出することができる。特に、気象情報を配信により自動取得した場合には、システム操作の負担が大幅に軽減された需要予測システムを容易に実現できるという特徴がある。
また、各種の機能により複数の手法で需要予測をし、導出された予測結果をユーザが比較し選択することができるため、環境条件が変化しても従来のように補正パラメータを用意してデータに補正を加えるなどの作業は不要であり、汎用性に富んだ需要予測システムを実現できるという特徴もある。
【0013】
この場合、翌日の気象情報の取得は、請求項2のように、自動配信サービスによる気象情報の自動取得かまたは手入力気象情報の取得のいずれかである。そして、請求項3のように、翌日の気象情報が配信による自動取得の場合には24時間分の時刻別予測値を導出し、翌日の気象情報が手入力の場合には日総需要量の予測値から24時間分の需要パターンを導出する。
自動配信サービスによる気象情報を利用する場合は、全く人手が不要であり、作業性のよい需要予測システムを実現することができる。
【0014】
また、請求項4のように、需要パターン抽出手段により、データベース上に保存されている過去の実績値や需要パターンの中から適当とみなされるパターンを抽出し、需要予測値を得ることもできる。
【0015】
このときのパターン抽出には、請求項5のように、日指定モード、同曜日の指定期間分のデータあるいは同週のデータの平均化処理を行う平均化モード、気象条件あるいはピーク負荷の条件などに合致する直近日の需要パターンを検索する検索モード、需要パターンデータベースに登録済のパターン名称を指定して抽出するパターン選択モード、気象条件の近い日の需要パターンを検索する気象類似日選択モードなどの各種モードがあり、多彩な抽出方法を活用できる。
【0016】
特に、気象類似日選択モードでは、請求項6のように、気象情報ならびにユーザが設定できる不快指数や体感気温などの演算タグを利用して、過去の運転日の中から気象の類似日を抽出することができる。
【0017】
また、請求項7のように、予測値手動補正手段を設けて、予測演算処理手段または需要パターン抽出手段によって導出された予測値あるいは計算により求められた予測値に手動の補正を加えることもできる。
あるいは請求項8のように、当日予測値補正手段を備えて、需要予測値確定後に予測日当日の予測誤差を反映させて現時刻から指定ステップ先までの予測値に補正を加えることもできる。
【0018】
さらに、請求項9のように、操業履歴管理手段を設け、表示画面上のカレンダーを操作して、過去の操業履歴や運転履歴などの情報を任意の表示形式で画面上に表示することもでき、日常運転業務を効率よく支援することができる。
【0019】
【発明の実施の形態】
以下図面を用いて本発明を詳しく説明する。図1は本発明に係る需要予測システムの一実施例を示す機能ブロック図である。図2は需要予測画面の一表示例、図3は一帳票例の図である。
【0020】
図1において、1は需要パターンデータベースであり、需要パターン登録手段21により登録された需要負荷パターンを蓄積し、必要に応じて呼び出すことのできるデータベースである。登録されるパターンは、電力もしくは熱の供給側需要パターンあるいは需要家別のパターンである。登録には、数値入力や、トレンドグラフからのマウス操作による入力が可能である。
【0021】
2は需要家データベースである。需要家登録手段22はここに需要家ごとのデータ(例えば、建物種別、延べ床面積、供給開始年月日、契約熱量/流量など)を登録し、データベース化しておく。
この需要家データベース2は、メモ帳機能を有し、必要な情報(契約変更内容など)を記録し、一覧表として出力することができる。なお、登録する内容は任意に10項目まで可能であり、需要パターンデータベース1の機能とリンクして、仮想の需要家を登録することもできるようになっている。
【0022】
3はプロセス実績値記憶装置であり、プロセスデータ測定手段23により、DCS(分散型制御システム)やPLC(プログラマブル・ロジック・コントローラ)を備える制御システムなどを監視・制御する監視・制御システム(図示せず)のプロセスデータ(タグデータ)を自動収集し、分締め、時締め、日締め、月締め、年締めなどの締め処理を行い、数年分ロギングする機能を持つプロセスデータベースである。このデータを使用することにより、予測モデルを構築することができる。
【0023】
4は気象予報値取得手段であり、天気予報サービス会社からの配信情報(有料)を取得するための手段である。公衆回線経由で48時間先までの1時間ごとの気象データ(気温、湿度、日射量など)を受信する。受信後は後述の気象実績値および予報値記憶装置6に格納され、蓄積される。
【0024】
5は気象予報値入力手段であり、気象予報値取得手段4での取得情報を使用しない場合あるいは何らかの理由で受信不可能となった場合の代替機能として用意されたものである。最高気温、最低気温、湿度などを手入力できるインターフェイスとなっている。この情報も気象実績値および予報値記憶装置6に格納される。
【0025】
気象実績値および予報値記憶装置6は、上述のように気象予報値取得手段4あるいは気象予報値入力手段5から入力される情報を記憶しておく記憶装置である。気温、湿度などの気象データを測定する気象測定手段24がある場合には、気象実績値としてこのデータも記憶する。
【0026】
7は予測演算処理手段であり、プロセス実績値記憶装置3と記憶装置6にそれぞれ蓄積されている過去の実績値と気象データを用いて予測モデルを構築し、需要予測値(指定時間から24時間先までの予測値)を導出する。予測アルゴリズムには重回帰分析を用いる。
【0027】
予測演算処理手段7では、重回帰分析に必要なパラメータである学習期間(直近日数の指定)、予測因子(最大10個まで)、予測間隔(例えば、10分単位で、最大1時間までなど)、予測開始時刻(指定時刻に翌日の予測値を導出する)を曜日種別ごとに独立して定義することができるようになっている。
【0028】
曜日種別は、(1)月曜日〜日曜日の各曜日ごと、(2)平日/休日/休日明け/特異日/特殊運転日などの各種別ごと、のいずれか一方を選択して使用することができる。
また、翌日の気象予報値を、気象予報値取得手段4と気象予報値入力手段5のどちらから入手するかによって、予測値導出のアルゴリズムを変え得るようになっている(詳細は後述)。
【0029】
(A)配信情報を用いる場合
気象予報値取得手段4で取得した気象予報値(配信情報)を用いる場合は、1時間ごとの時系列気象データを用いて1時間ごとの回帰パラメータを算出し、24時間分の予測値を導出する。
(B)手入力の気象予報値を用いる場合
気象予報値入力手段5で手入力した場合は、最高気温、最低気温などの入力値を基に、1日分の需要負荷総量を予測し、直近の同曜日種別の時刻別負荷配分比率を求め、24時間分の需要パターンを導出する。
【0030】
なお、上記A、Bいずれの場合も、予測間隔が1時間より短い場合は、1時間単位の予測値を基に線形補間してその間の予測値を算出する。予測項目、予測因子は容易に変更できる。
【0031】
8は需要パターン抽出手段であり、データベース1上に保存されている過去の実績値やユーザがあらかじめ登録しておいた需要パターンの中から適当と思われるパターンを抽出し、需要予測値として設定する機能を有する。抽出の方法として以下のモードがある。
【0032】
(1)日指定モード(前日/前週同曜日より選択)
(2)平均化モード(同曜日の指定期間分のデータあるいは同週のデータを平均化処理する)
(3)検索モード(気象条件あるいはピーク負荷の条件などを入力し合致する直近日の需要パターンを予測値として採用)
【0033】
(4)パターン選択モード(需要パターンデータベースに登録済みのパターン名称を指定)
(5)気象類似日選択モード(気象条件の近い日の需要パターンを検索して予測値とする。詳細は後述する)
【0034】
などである。パターン抽出機能の使用有無、モード選択などは曜日種別ごとに定義することができるようになっている。
なお、予測演算処理手段7と需要パターン抽出手段8から成る部分をここでは演算・抽出ブロックと称す。
【0035】
9は予測値手動補正手段であり、予測演算処理手段7あるいは需要パターン抽出手段8によって導出された予測値に手動の補正を加える手段である。この手段はユーザが必要とした場合にのみ用いる。補正には、次の2通りの方法がある。
・トレンドグラフのポイントをマウスで移動させて行うグラフ修正。
・数値表示欄の数値を修正する数値修正。
【0036】
10は当日予測値補正手段であり、需要予測値確定後に予測日当日の予測誤差を反映させて、現時刻から指定ステップ(デフォルト1ステップ)先までの予測値に補正を行うものである。これは、前日立てた予測値と実績値が乖離してきた場合に有効な補正手段である。この手段では、現在から過去3ステップ前までの実績値―予測値の誤差の重み付き移動平均値を算出し、現在から指定ステップ先の予測値を修正する方法を取る。
【0037】
なお、予測値手動補正手段9および当日予測値補正手段10から成る部分をここでは補正ブロックと称する。また、演算・抽出ブロックと補正ブロックを合わせたものを予測エンジンと呼ぶ。
【0038】
11はスケジュール管理手段であり、予測演算処理手段7と需要パターン抽出手段8の選択およびパラメータ(予測演算処理手段7のパラメータ)の設定と、当日予測値補正手段10の有効/無効およびパラメータ(指定ステップなど)を、それぞれ曜日種別ごとに定義できるスケジューラである。
需要予測値は、スケジュール管理手段11に定義されている内容に従って自動的に導出される。ただし、画面の手動操作で予測実行をさせることも可能である。その場合は、手動操作で導出した予測値が正式な予測値として採用される。
【0039】
12は予測実績記憶装置であり、各日に行った予測結果を保存するための装置である。なお、この記憶装置には、予測値だけでなく、どのような手段を採用し、どのようなパラメータ設定で行ったかまで記憶させておくことができる。これにより、後述する予実管理手段13において過去の結果を振り返ったり、設定を変えて予測をやり直してシミュレーションすることができ、運用しながら予測精度を改善していくことができる。
【0040】
13は予実管理手段であり、記憶装置3,6,12に蓄えられた過去の実績値を紐解いて、予測誤差を算出し予実実績を計算する手段である。具体的には予測項目と実績との誤差、気象実績値と気象予報値との誤差が上げられる。
なお、実績、予測(予報)、誤差はともにグラフ化され得る。
【0041】
14は操業履歴管理手段である。カレンダー操作によって、例えば表示手段15の画面に表示されたカレンダー上(図2の需要予測画面の左上)でのマウス操作によって、過去の操業履歴、運転履歴など見たい情報を、数値やトレンド(図2の表示画面左下のグラフ)、散布図、ガントチャート(図2の表示画面右下)などの形式により表示手段15に可視性良く瞬時に表示させる機能を有する。表示できる主な情報と形式は以下のものがある。
【0042】
(1)カレンダー内の数値表示(最大4項目まで。見たいタグ情報を登録することができる)
(2)カレンダー内指定日の左クリックによる付加情報表示(最大8項目まで。タグ登録を変えることにより任意の情報を表示できる)
(3)カレンダー内指定日の左ダブルクリックによるトレンド展開(最大8ペンまでで、割付変更可能)
【0043】
(4)カレンダー内指定日の右クリックメニューからの選択による運転パターン表示(構成機器ごとのガントチャート表示)
(5)カレンダー内指定日の右クリックメニューからの選択による受電電力量表示(バーチャート。トレンドとの重ね書き可能)
(6)カレンダー内指定月の右クリックメニューからの選択による月別エネルギー販売量表示(トレンド)
【0044】
(7)カレンダー内指定月の右クリックメニューからの選択による月温係数表示(散布図による気温vsエネルギー販売量。近似直線と係数も表示)
(8)カレンダー内右クリックメニューからの選択によるトレンド展開タグの曜日別/週別/月別/年別表示(トレンド)
【0045】
カレンダー上では曜日種別ごとに色分け(ユーザ定義可能)されており、一目で曜日がわかるようになっている。またカレンダーは2か月分表示させることもできるので、上記情報を前月と今月あるいは今月と前年同月などのように比較することが非常に容易である。
このようにカレンダーベースの操作によって多彩な情報に素早く展開することができ、日常運転業務を効率よく支援することができる。
【0046】
15は表示手段であり、予測値や上記情報を、トレンド、散布図、ガントチャート、数値などで表示する手段である。トレンド表示において、トレンドウインドウ上では下記のようなグラフを見やすく加工する各種の機能が備えられている。
・拡大/縮小(無段階)
・予測値編集
・軸レンジ調整(自動/手動)
・Y2軸使用指定
・凡例切替表示
・重ね書き
【0047】
16は出力処理手段であり、表示させたグラフや数値を、汎用の表計算ソフトウェアの雛型上に貼り付け(図3参照)、電子ドキュメントとして出力することができる機能、プリンタに印字する機能などを有する。
【0048】
図2は表示手段15の画面に表示された需要予測画面の一例である。マルチウィンドウ対応の画面には、カレンダ、トレンド、操作定義部、ガントチャート(運転パターン)などが同時表示されている。
図3は汎用の表計算ソフトウエアにより作成された任意帳票例である。本発明の需要予測システムで得られた時間別製造熱量と気温のトレンド、機器別運転パターンを貼り付けた例である。
【0049】
図4は本発明の需要予測システムが使用される動作環境を示す図である。本発明の需要予測システムAは、サーバマシン(データベース)SにLAN接続されたクライアントマシンM上で動作する(マルチクライアント対応も可能)。サーバマシンSは、DCSやPLCなどの監視・制御装置PとOPC I/F(OPCインターフェイス)Bを介して結合されている。
【0050】
監視・制御装置PからのデータはインターフェイスBを介してプロセスデータ等記憶装置DB1に収集される。図1におけるプロセス実績値記憶装置3、気象実績値および予報値記憶装置6、予測実績記憶装置12は、この記憶装置DB1内に置かれる。
なお、図1に示す需要パターンデータベース1、需要家データベース2を、他のクライアントマシンからもアクセスできるようにするため図4に示すようにサーバマシンS内に置くこともできる。
【0051】
また、クライアントマシン内の作成レポートファイル(個別)を図4に示すようにサーバマシンS内に置き、共用化することもできる。
このように、クライアントマシンM上での定義情報をサーバマシンS上に登録し、クライアント間で定義情報の共有化を図ると共に、作成レポートの閲覧を可能にすることも適宜に可能である。
【0052】
またサーバマシンSが社内LANやイントラネット、インターネットなどのネットワークNと接続が可能であれば、作成レポートを社内別地区や社外に向けて公開することも可能である。
【0053】
次に、本発明における需要予測値導出までの動作を説明する。図5は予測演算処理手段7の動作手順を示すフローチャートである。以下順に各ステップ(C−1,C−2,A−1,...A4,B−1,...B−6)について説明する。
【0054】
(C−1)予測定義読込み
ユーザの定義した学習期間、予測因子、予測項目、パラメータなどを読込んで設定する。
【0055】
(C−2)手法選択
入力される天気予報の自動/手動設定に基づいて次の2つの方法のいずれかを選択する。
(1)パターン予測 ・・・ 24時間分1時間ごとの予測
(2)日総量予測 ・・・ 1日分の需要負荷総量を予測し、負荷配分比率により1時間ごとの予測値を導出
ただし、自動設定の場合にはどちらかの手法を選択できるが、手動設定の場合には日総量予測方式に自動的に固定される。
パターン予測の方法を選択した場合は次のステップ(A−1)に進み、日総量予測の方法を選択した場合はステップ(B−1)へ移行する。
【0056】
(A−1)データ取得
パターン予測が選択された場合である。設定済みの予測因子および予測項目を時刻別に、プロセス実測値記憶装置3(図2のプロセスデータなど記憶装置3)から学習期間全時刻分抜き出す。
(A−2)予測パラメータの算出
重回帰分析のアルゴリズムに基づいて、時刻別の回帰パラメータを算出し、予測モデルを導出する。以下にそのアルゴリズムを示す。
【0057】
第k日の第i時間帯の需要負荷をY(k, i)とする。Y(k, i)は下式に示すN個の実測データの線形結合により計算できるものと仮定する。
【数1】
【0058】
ここで、αn(i)は回帰係数である。予測因子Xn(k, i)は需要負荷Y(k, i)を計算するために観測した第n番目のデータである。あらかじめ、(1)式とN個のαn(i)とXn(k, i)が与えられたとするとき、(1)式の計算によって得られる推定値(予測項目という)を、
【数2】
とする。一方、第k日の第i時間帯で観測された実績需要負荷をY(k, i)とする。また、第i時間帯の実績値に対する需要負荷の近似誤差の学習期間における2乗和をQiとすると、(2)式が成立する。
【0059】
【数3】
誤差の2乗和Qiを最小にするようなαn(i)を求めるため(2)式の両辺を
αn(i)で偏微分し0として、
【0060】
【数4】
に、(1)式を代入すると次式が得られる。
【数5】
ただし、(n=1,2,3,・・・, N)である。
各時間帯iごとに(3)式のN元連立方程式を解いて回帰係数αn(i)を求めることができる。
【0061】
(A−3)天気予報値の取り込み
気象予報値取得手段4により、翌日の気象予報値を取り込む。
(A−4)時系列予報値算出
(A−1)、(A−2)、(A−3)で得たデータを用いて時刻別の予測値を算出する。
【0062】
他方、フローは以下の通りである。
(B−1)データ取得
前記ステップ(C−2)の判別において、日総量予測の方法が選択されていた場合に採られる処理である。設定済みの予測因子、予測項目を日単位総量としてヒストリーデータベースから学習期間分抜き出す。
(B−2)予測パラメータの算出
時間帯区分iがない場合として(A−2)と同じアルゴリズムを用いて、日負荷総量を求める回帰パラメータ(1組のみ)を算出し、予測モデルを導出する。
【0063】
(B−3)天気予報値の取り込み
気象予報値入力手段により入力済みの明日の気象予報値を取り込む。スケジュール管理手段により、自動的に指定時刻に予測値を算出する時、未入力だった場合は代わりに前日のデータを用いる。
(B−4)日総量予測値算出
(B−1)、(B−2)、(B−3)を用いて日総量の予測値を算出する。
【0064】
(B−5)期間内同曜日の負荷配分比率計算
学習期間内で予測日と同曜日の時刻別負荷配分比率(%)を求める。学習期間内に同曜日種別が存在しない(例:特異日など)場合は、7曜日のいずれかの曜日種別を適用する。
【0065】
(B−6)時系列予測値算出
(B−4)、(B−5)を用いて時刻別予測値を算出する。日総量予測値をEj、第i時間帯の時刻別負荷配分比率をPj(i)、その時間帯の需要負荷をDj(i)とすると、下式のようになる。
Dj(i) = Ej・Pj(i) (i=1〜24, j=1,2,… )
ここに、jは予測項目番号を示す。
【0066】
以上のように計算による予測値導出に関しては、パターン予測か日総量予測かのどちらかの方法を用いることになる。
【0067】
次に気象情報の自動配信を前提とした気象類似日検索の手法を下記に示す。
(1) 検索項目の選定と演算タグ設定
明日の気象情報(気温、湿度、風速、日射量など)が時系列の情報として得られ、過去の気象実績値も記憶装置6に蓄積されているものとする。ここでは、気象情報を基に演算タグを作成することができる(例えば、不快指数、体感気温など)。演算式を定義しておけば、気象実績値のみならず、演算値での検索も可能となる。さらにどの項目で検索を行うかおよび検索期間(同曜日指定か全てかの切替あり)を設定する。
【0068】
(2)類似度計算
選択された検索項目を基に予測日気象との類似度を計算する。検索期間中の対象日すべてについて予測日気象との類似度を計算し、最も近いものを気象類似日とする。
類似度を計算するアルゴリズムはいくつか考えられるが、ここでは予測日気象の検索項目(例えば気温など)との分散値が小さいものを類似日と考える。分散が小さいことはすなわち予測日気象とのばらつきが少なく、パターンの類似性が高いことを意味している。
【0069】
類似度を計算する時間帯は変更することもでき、
・夜間(例えばi=1〜6)
・午前(例えばi=7〜12)
・午後(例えばi=13〜18)
・指定なし(i=1〜24)
のように、検索時間帯を変えることができる(デフォルトは指定なし)。同じ類似度をもつ日がある場合には、より直近日を気象類似日とする。
【0070】
なお、以上の説明は、本発明についての説明および例示を目的として特定の好適な実施例を示したに過ぎない。したがって本発明は、上記実施例に限定されることなく、その本質から逸脱しない範囲で更に多くの変更、変形をも含むものである。
【0071】
例えば、次のような展開、応用が可能である。
(1)他のエネルギー供給設備(生産工場ユーティリティ系)への応用が可能である。
(2)標準OPC I/Fを用いているため、ローカル側機器は対応機種が幅広い(他社メーカでもよい)。
(3)対前年同期比較および対前月比較など運転事例を簡単に比較できる操業履歴管理機能は予測の部分と切り離して使用できる構成となっているため、予測を必要としないユーザへも展開可能な設計となっている。
(4)CSVファイル出力機能を用いた多変数解析パッケージとのリンク。
【0072】
【発明の効果】
以上説明したように本発明によれば次のような効果がある。
(1)過去の需要実績値と気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出することができ、特に気象情報を配信により自動取得した場合には、システム操作の負担を大幅に軽減することができる。
また、環境条件が変化しても、従来のようにある種の補正パラメータを用意してデータに補正を加えるなどの作業は不要であり、操作性のよく需要予測を立てることができる。
【0073】
(2)気象情報を自動取得し、予測計算に反映させることで手間を省き、入力ミスなどを回避できる。また、詳細な気象情報を基に予測を立てることにより、予測精度の改善に貢献できる。
(3)上記気象情報を採用しない場合のバックアップ予測プラン、また学習データの欠測、需要家の増減などの状況変化があった場合(学習データの信頼性が無くなってしまった場合)にも対応できる需要パターン抽出や各種の検索機能を持っており、システムとしての汎用性、信頼性が確保できる。
【0074】
(4)カレンダーベースオペレーションで予実管理、操業履歴管理ができることにより、過去運転事例の検索、閲覧が容易にできる。また、これらの結果をネットワーク上のクライアントマシンから閲覧することによる情報のオープン化、運転結果を任意帳票(電子帳票)形式で残し、出力することで、引き継ぎ作業等を大幅に省力化することが可能となる。これらにより、日常運転業務の省力化、効率化に大きく貢献できる。
【図面の簡単な説明】
【図1】本発明に係る需要予測システムの一実施例を示す機能ブロック図である。
【図2】需要予測画面の表示例である。
【図3】帳票形式の出力例である。
【図4】本発明の需要予測システムが使用される動作環境を示す図である。
【図5】予測演算処理手段の動作手順を示すフローチャートである。
【図6】従来の需要予測システムの一例を示す構成図である。
【符号の説明】
1 需要パターンデータベース
2 需要家データベース
3 プロセス実績値記憶装置
4 気象予報値取得手段
5 気象予報値入力手段
6 気象実績値および予報値記憶装置
7 予測演算処理手段
8 需要パターン抽出手段
9 予測値手動補正手段
10 当日予測値補正手段
11 スケジュール管理手段
12 予測実績記憶装置
13 予実管理手段
14 操業履歴管理手段
15 表示手段
16 出力処理手段
A 需要予測システム
B OPCインターフェイス
DB1 プロセスデータ等記憶装置
F1 作成レポートファイル
M クライアントマシン
N ネットワーク
P プロセス制御・監視装置
S サーバマシン
【発明の属する技術分野】
本発明は、電力および熱供給プラント(主に地域冷暖房プラント)を対象とし、翌日の電力や熱需要量を予測する機能、および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムに関する。
【0002】
【従来の技術】
従来より、各需要家により消費される熱負荷を供給する地域冷暖房プラントの熱負荷を予測する需要予測システムがある(特許文献1参照)。図6はその需要予測システムの構成例である。プラント熱負荷検出装置31で検出された値はプラント熱負荷記憶装置32に格納され、屋外気象値測定装置33で検出された値は屋外気象値記憶装置34へ格納される。
【0003】
プラント熱負荷演算装置36は、プラント熱負荷記憶装置32に格納された熱負荷実績値、屋外気象値記憶装置34に格納された気象実績値、および気象予報値入力手段35から入力された翌日の気象予報値に基いて、演算によりプラント熱負荷予測値を求める。
【0004】
なお、より正確な気象予報値を用いる場合は、例えば、過去数年間分の気象実績値から求めた簡易気象モデルを気象予報値入力手段5とプラント熱負荷演算装置36の間に配し、修正した気象予報値をプラント熱負荷演算装置36に入力する例もある。
【0005】
【特許文献1】
特開平7−151369号公報(第3頁〜第6頁、図1〜図3)
【0006】
【発明が解決しようとする課題】
しかしながら、このような従来の需要予測システムでは、過去のデータを用いて何らかのアルゴリズムにより気象予測値から熱負荷などを予測する予測モデルを構築(学習)しており、次のような課題があった。
【0007】
(1)需要家増設や熱契約量変更などの環境条件が変化した場合、学習データ自体が古く現状とあわないものになってしまうため、何らかの対策が必要となる。その対策例としてある種の補正パラメータを用意してデータに補正を施すものがあるが、このエンジニアリングは難しく適切な設定が必要となるため、作業に熟練性を必要とする。
【0008】
(2)予測精度を上げるためには、翌日のより正確な気象予報値を得る必要があるが、従来の需要予測システムではこの情報を何らかの方法で入手して手入力する必要があり、入力ミスや入力漏れなどの危険性がある。
【0009】
(3)また、正確な気象情報が得られない場合や入力漏れの場合のバックアップ予測プラン、日常運転業務支援情報が欠如しているものも多く、運転支援になっていないものが多かった。
【0010】
本発明の目的は、上記の課題を解決するもので、自動配信サービスによる天気予報情報を取り込んだ翌日の電力や熱負荷の需要予測機能、カレンダーベースオペレーションによる操業履歴管理機能、気象類似日検索機能、需要パターン抽出機能、パターンデータベース機能、当日予測値補正機能などを有し、これらの機能により複数の手法で需要予測ができ、それぞれの手法により導出される予測結果をユーザが比較し選択し得るようにして汎用性を高めた需要予測システムを提供することにある。
【0011】
本発明の他の目的は、上記の予測のみでなく、条件設定による検索機能や過去の運転実績、エネルギー販売量実績などのデータに容易に展開できる操業管理機能により、日常運転業務の効率化、省力化、質的向上などに寄与することのできる需要予測システムを提供することにある。
【0012】
【課題を解決するための手段】
このような目的を達成するために、請求項1の発明では、
電力および熱供給プラントを対象とし、翌日の電力や熱需要量を予測する機能および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムであって、
翌日の気象情報を取得する手段と、
過去の需要実績値と前記気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出する予測演算処理手段
を備えたことを特徴とする。
このような構成によれば、過去の需要実績値と気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出することができる。特に、気象情報を配信により自動取得した場合には、システム操作の負担が大幅に軽減された需要予測システムを容易に実現できるという特徴がある。
また、各種の機能により複数の手法で需要予測をし、導出された予測結果をユーザが比較し選択することができるため、環境条件が変化しても従来のように補正パラメータを用意してデータに補正を加えるなどの作業は不要であり、汎用性に富んだ需要予測システムを実現できるという特徴もある。
【0013】
この場合、翌日の気象情報の取得は、請求項2のように、自動配信サービスによる気象情報の自動取得かまたは手入力気象情報の取得のいずれかである。そして、請求項3のように、翌日の気象情報が配信による自動取得の場合には24時間分の時刻別予測値を導出し、翌日の気象情報が手入力の場合には日総需要量の予測値から24時間分の需要パターンを導出する。
自動配信サービスによる気象情報を利用する場合は、全く人手が不要であり、作業性のよい需要予測システムを実現することができる。
【0014】
また、請求項4のように、需要パターン抽出手段により、データベース上に保存されている過去の実績値や需要パターンの中から適当とみなされるパターンを抽出し、需要予測値を得ることもできる。
【0015】
このときのパターン抽出には、請求項5のように、日指定モード、同曜日の指定期間分のデータあるいは同週のデータの平均化処理を行う平均化モード、気象条件あるいはピーク負荷の条件などに合致する直近日の需要パターンを検索する検索モード、需要パターンデータベースに登録済のパターン名称を指定して抽出するパターン選択モード、気象条件の近い日の需要パターンを検索する気象類似日選択モードなどの各種モードがあり、多彩な抽出方法を活用できる。
【0016】
特に、気象類似日選択モードでは、請求項6のように、気象情報ならびにユーザが設定できる不快指数や体感気温などの演算タグを利用して、過去の運転日の中から気象の類似日を抽出することができる。
【0017】
また、請求項7のように、予測値手動補正手段を設けて、予測演算処理手段または需要パターン抽出手段によって導出された予測値あるいは計算により求められた予測値に手動の補正を加えることもできる。
あるいは請求項8のように、当日予測値補正手段を備えて、需要予測値確定後に予測日当日の予測誤差を反映させて現時刻から指定ステップ先までの予測値に補正を加えることもできる。
【0018】
さらに、請求項9のように、操業履歴管理手段を設け、表示画面上のカレンダーを操作して、過去の操業履歴や運転履歴などの情報を任意の表示形式で画面上に表示することもでき、日常運転業務を効率よく支援することができる。
【0019】
【発明の実施の形態】
以下図面を用いて本発明を詳しく説明する。図1は本発明に係る需要予測システムの一実施例を示す機能ブロック図である。図2は需要予測画面の一表示例、図3は一帳票例の図である。
【0020】
図1において、1は需要パターンデータベースであり、需要パターン登録手段21により登録された需要負荷パターンを蓄積し、必要に応じて呼び出すことのできるデータベースである。登録されるパターンは、電力もしくは熱の供給側需要パターンあるいは需要家別のパターンである。登録には、数値入力や、トレンドグラフからのマウス操作による入力が可能である。
【0021】
2は需要家データベースである。需要家登録手段22はここに需要家ごとのデータ(例えば、建物種別、延べ床面積、供給開始年月日、契約熱量/流量など)を登録し、データベース化しておく。
この需要家データベース2は、メモ帳機能を有し、必要な情報(契約変更内容など)を記録し、一覧表として出力することができる。なお、登録する内容は任意に10項目まで可能であり、需要パターンデータベース1の機能とリンクして、仮想の需要家を登録することもできるようになっている。
【0022】
3はプロセス実績値記憶装置であり、プロセスデータ測定手段23により、DCS(分散型制御システム)やPLC(プログラマブル・ロジック・コントローラ)を備える制御システムなどを監視・制御する監視・制御システム(図示せず)のプロセスデータ(タグデータ)を自動収集し、分締め、時締め、日締め、月締め、年締めなどの締め処理を行い、数年分ロギングする機能を持つプロセスデータベースである。このデータを使用することにより、予測モデルを構築することができる。
【0023】
4は気象予報値取得手段であり、天気予報サービス会社からの配信情報(有料)を取得するための手段である。公衆回線経由で48時間先までの1時間ごとの気象データ(気温、湿度、日射量など)を受信する。受信後は後述の気象実績値および予報値記憶装置6に格納され、蓄積される。
【0024】
5は気象予報値入力手段であり、気象予報値取得手段4での取得情報を使用しない場合あるいは何らかの理由で受信不可能となった場合の代替機能として用意されたものである。最高気温、最低気温、湿度などを手入力できるインターフェイスとなっている。この情報も気象実績値および予報値記憶装置6に格納される。
【0025】
気象実績値および予報値記憶装置6は、上述のように気象予報値取得手段4あるいは気象予報値入力手段5から入力される情報を記憶しておく記憶装置である。気温、湿度などの気象データを測定する気象測定手段24がある場合には、気象実績値としてこのデータも記憶する。
【0026】
7は予測演算処理手段であり、プロセス実績値記憶装置3と記憶装置6にそれぞれ蓄積されている過去の実績値と気象データを用いて予測モデルを構築し、需要予測値(指定時間から24時間先までの予測値)を導出する。予測アルゴリズムには重回帰分析を用いる。
【0027】
予測演算処理手段7では、重回帰分析に必要なパラメータである学習期間(直近日数の指定)、予測因子(最大10個まで)、予測間隔(例えば、10分単位で、最大1時間までなど)、予測開始時刻(指定時刻に翌日の予測値を導出する)を曜日種別ごとに独立して定義することができるようになっている。
【0028】
曜日種別は、(1)月曜日〜日曜日の各曜日ごと、(2)平日/休日/休日明け/特異日/特殊運転日などの各種別ごと、のいずれか一方を選択して使用することができる。
また、翌日の気象予報値を、気象予報値取得手段4と気象予報値入力手段5のどちらから入手するかによって、予測値導出のアルゴリズムを変え得るようになっている(詳細は後述)。
【0029】
(A)配信情報を用いる場合
気象予報値取得手段4で取得した気象予報値(配信情報)を用いる場合は、1時間ごとの時系列気象データを用いて1時間ごとの回帰パラメータを算出し、24時間分の予測値を導出する。
(B)手入力の気象予報値を用いる場合
気象予報値入力手段5で手入力した場合は、最高気温、最低気温などの入力値を基に、1日分の需要負荷総量を予測し、直近の同曜日種別の時刻別負荷配分比率を求め、24時間分の需要パターンを導出する。
【0030】
なお、上記A、Bいずれの場合も、予測間隔が1時間より短い場合は、1時間単位の予測値を基に線形補間してその間の予測値を算出する。予測項目、予測因子は容易に変更できる。
【0031】
8は需要パターン抽出手段であり、データベース1上に保存されている過去の実績値やユーザがあらかじめ登録しておいた需要パターンの中から適当と思われるパターンを抽出し、需要予測値として設定する機能を有する。抽出の方法として以下のモードがある。
【0032】
(1)日指定モード(前日/前週同曜日より選択)
(2)平均化モード(同曜日の指定期間分のデータあるいは同週のデータを平均化処理する)
(3)検索モード(気象条件あるいはピーク負荷の条件などを入力し合致する直近日の需要パターンを予測値として採用)
【0033】
(4)パターン選択モード(需要パターンデータベースに登録済みのパターン名称を指定)
(5)気象類似日選択モード(気象条件の近い日の需要パターンを検索して予測値とする。詳細は後述する)
【0034】
などである。パターン抽出機能の使用有無、モード選択などは曜日種別ごとに定義することができるようになっている。
なお、予測演算処理手段7と需要パターン抽出手段8から成る部分をここでは演算・抽出ブロックと称す。
【0035】
9は予測値手動補正手段であり、予測演算処理手段7あるいは需要パターン抽出手段8によって導出された予測値に手動の補正を加える手段である。この手段はユーザが必要とした場合にのみ用いる。補正には、次の2通りの方法がある。
・トレンドグラフのポイントをマウスで移動させて行うグラフ修正。
・数値表示欄の数値を修正する数値修正。
【0036】
10は当日予測値補正手段であり、需要予測値確定後に予測日当日の予測誤差を反映させて、現時刻から指定ステップ(デフォルト1ステップ)先までの予測値に補正を行うものである。これは、前日立てた予測値と実績値が乖離してきた場合に有効な補正手段である。この手段では、現在から過去3ステップ前までの実績値―予測値の誤差の重み付き移動平均値を算出し、現在から指定ステップ先の予測値を修正する方法を取る。
【0037】
なお、予測値手動補正手段9および当日予測値補正手段10から成る部分をここでは補正ブロックと称する。また、演算・抽出ブロックと補正ブロックを合わせたものを予測エンジンと呼ぶ。
【0038】
11はスケジュール管理手段であり、予測演算処理手段7と需要パターン抽出手段8の選択およびパラメータ(予測演算処理手段7のパラメータ)の設定と、当日予測値補正手段10の有効/無効およびパラメータ(指定ステップなど)を、それぞれ曜日種別ごとに定義できるスケジューラである。
需要予測値は、スケジュール管理手段11に定義されている内容に従って自動的に導出される。ただし、画面の手動操作で予測実行をさせることも可能である。その場合は、手動操作で導出した予測値が正式な予測値として採用される。
【0039】
12は予測実績記憶装置であり、各日に行った予測結果を保存するための装置である。なお、この記憶装置には、予測値だけでなく、どのような手段を採用し、どのようなパラメータ設定で行ったかまで記憶させておくことができる。これにより、後述する予実管理手段13において過去の結果を振り返ったり、設定を変えて予測をやり直してシミュレーションすることができ、運用しながら予測精度を改善していくことができる。
【0040】
13は予実管理手段であり、記憶装置3,6,12に蓄えられた過去の実績値を紐解いて、予測誤差を算出し予実実績を計算する手段である。具体的には予測項目と実績との誤差、気象実績値と気象予報値との誤差が上げられる。
なお、実績、予測(予報)、誤差はともにグラフ化され得る。
【0041】
14は操業履歴管理手段である。カレンダー操作によって、例えば表示手段15の画面に表示されたカレンダー上(図2の需要予測画面の左上)でのマウス操作によって、過去の操業履歴、運転履歴など見たい情報を、数値やトレンド(図2の表示画面左下のグラフ)、散布図、ガントチャート(図2の表示画面右下)などの形式により表示手段15に可視性良く瞬時に表示させる機能を有する。表示できる主な情報と形式は以下のものがある。
【0042】
(1)カレンダー内の数値表示(最大4項目まで。見たいタグ情報を登録することができる)
(2)カレンダー内指定日の左クリックによる付加情報表示(最大8項目まで。タグ登録を変えることにより任意の情報を表示できる)
(3)カレンダー内指定日の左ダブルクリックによるトレンド展開(最大8ペンまでで、割付変更可能)
【0043】
(4)カレンダー内指定日の右クリックメニューからの選択による運転パターン表示(構成機器ごとのガントチャート表示)
(5)カレンダー内指定日の右クリックメニューからの選択による受電電力量表示(バーチャート。トレンドとの重ね書き可能)
(6)カレンダー内指定月の右クリックメニューからの選択による月別エネルギー販売量表示(トレンド)
【0044】
(7)カレンダー内指定月の右クリックメニューからの選択による月温係数表示(散布図による気温vsエネルギー販売量。近似直線と係数も表示)
(8)カレンダー内右クリックメニューからの選択によるトレンド展開タグの曜日別/週別/月別/年別表示(トレンド)
【0045】
カレンダー上では曜日種別ごとに色分け(ユーザ定義可能)されており、一目で曜日がわかるようになっている。またカレンダーは2か月分表示させることもできるので、上記情報を前月と今月あるいは今月と前年同月などのように比較することが非常に容易である。
このようにカレンダーベースの操作によって多彩な情報に素早く展開することができ、日常運転業務を効率よく支援することができる。
【0046】
15は表示手段であり、予測値や上記情報を、トレンド、散布図、ガントチャート、数値などで表示する手段である。トレンド表示において、トレンドウインドウ上では下記のようなグラフを見やすく加工する各種の機能が備えられている。
・拡大/縮小(無段階)
・予測値編集
・軸レンジ調整(自動/手動)
・Y2軸使用指定
・凡例切替表示
・重ね書き
【0047】
16は出力処理手段であり、表示させたグラフや数値を、汎用の表計算ソフトウェアの雛型上に貼り付け(図3参照)、電子ドキュメントとして出力することができる機能、プリンタに印字する機能などを有する。
【0048】
図2は表示手段15の画面に表示された需要予測画面の一例である。マルチウィンドウ対応の画面には、カレンダ、トレンド、操作定義部、ガントチャート(運転パターン)などが同時表示されている。
図3は汎用の表計算ソフトウエアにより作成された任意帳票例である。本発明の需要予測システムで得られた時間別製造熱量と気温のトレンド、機器別運転パターンを貼り付けた例である。
【0049】
図4は本発明の需要予測システムが使用される動作環境を示す図である。本発明の需要予測システムAは、サーバマシン(データベース)SにLAN接続されたクライアントマシンM上で動作する(マルチクライアント対応も可能)。サーバマシンSは、DCSやPLCなどの監視・制御装置PとOPC I/F(OPCインターフェイス)Bを介して結合されている。
【0050】
監視・制御装置PからのデータはインターフェイスBを介してプロセスデータ等記憶装置DB1に収集される。図1におけるプロセス実績値記憶装置3、気象実績値および予報値記憶装置6、予測実績記憶装置12は、この記憶装置DB1内に置かれる。
なお、図1に示す需要パターンデータベース1、需要家データベース2を、他のクライアントマシンからもアクセスできるようにするため図4に示すようにサーバマシンS内に置くこともできる。
【0051】
また、クライアントマシン内の作成レポートファイル(個別)を図4に示すようにサーバマシンS内に置き、共用化することもできる。
このように、クライアントマシンM上での定義情報をサーバマシンS上に登録し、クライアント間で定義情報の共有化を図ると共に、作成レポートの閲覧を可能にすることも適宜に可能である。
【0052】
またサーバマシンSが社内LANやイントラネット、インターネットなどのネットワークNと接続が可能であれば、作成レポートを社内別地区や社外に向けて公開することも可能である。
【0053】
次に、本発明における需要予測値導出までの動作を説明する。図5は予測演算処理手段7の動作手順を示すフローチャートである。以下順に各ステップ(C−1,C−2,A−1,...A4,B−1,...B−6)について説明する。
【0054】
(C−1)予測定義読込み
ユーザの定義した学習期間、予測因子、予測項目、パラメータなどを読込んで設定する。
【0055】
(C−2)手法選択
入力される天気予報の自動/手動設定に基づいて次の2つの方法のいずれかを選択する。
(1)パターン予測 ・・・ 24時間分1時間ごとの予測
(2)日総量予測 ・・・ 1日分の需要負荷総量を予測し、負荷配分比率により1時間ごとの予測値を導出
ただし、自動設定の場合にはどちらかの手法を選択できるが、手動設定の場合には日総量予測方式に自動的に固定される。
パターン予測の方法を選択した場合は次のステップ(A−1)に進み、日総量予測の方法を選択した場合はステップ(B−1)へ移行する。
【0056】
(A−1)データ取得
パターン予測が選択された場合である。設定済みの予測因子および予測項目を時刻別に、プロセス実測値記憶装置3(図2のプロセスデータなど記憶装置3)から学習期間全時刻分抜き出す。
(A−2)予測パラメータの算出
重回帰分析のアルゴリズムに基づいて、時刻別の回帰パラメータを算出し、予測モデルを導出する。以下にそのアルゴリズムを示す。
【0057】
第k日の第i時間帯の需要負荷をY(k, i)とする。Y(k, i)は下式に示すN個の実測データの線形結合により計算できるものと仮定する。
【数1】
【0058】
ここで、αn(i)は回帰係数である。予測因子Xn(k, i)は需要負荷Y(k, i)を計算するために観測した第n番目のデータである。あらかじめ、(1)式とN個のαn(i)とXn(k, i)が与えられたとするとき、(1)式の計算によって得られる推定値(予測項目という)を、
【数2】
とする。一方、第k日の第i時間帯で観測された実績需要負荷をY(k, i)とする。また、第i時間帯の実績値に対する需要負荷の近似誤差の学習期間における2乗和をQiとすると、(2)式が成立する。
【0059】
【数3】
誤差の2乗和Qiを最小にするようなαn(i)を求めるため(2)式の両辺を
αn(i)で偏微分し0として、
【0060】
【数4】
に、(1)式を代入すると次式が得られる。
【数5】
ただし、(n=1,2,3,・・・, N)である。
各時間帯iごとに(3)式のN元連立方程式を解いて回帰係数αn(i)を求めることができる。
【0061】
(A−3)天気予報値の取り込み
気象予報値取得手段4により、翌日の気象予報値を取り込む。
(A−4)時系列予報値算出
(A−1)、(A−2)、(A−3)で得たデータを用いて時刻別の予測値を算出する。
【0062】
他方、フローは以下の通りである。
(B−1)データ取得
前記ステップ(C−2)の判別において、日総量予測の方法が選択されていた場合に採られる処理である。設定済みの予測因子、予測項目を日単位総量としてヒストリーデータベースから学習期間分抜き出す。
(B−2)予測パラメータの算出
時間帯区分iがない場合として(A−2)と同じアルゴリズムを用いて、日負荷総量を求める回帰パラメータ(1組のみ)を算出し、予測モデルを導出する。
【0063】
(B−3)天気予報値の取り込み
気象予報値入力手段により入力済みの明日の気象予報値を取り込む。スケジュール管理手段により、自動的に指定時刻に予測値を算出する時、未入力だった場合は代わりに前日のデータを用いる。
(B−4)日総量予測値算出
(B−1)、(B−2)、(B−3)を用いて日総量の予測値を算出する。
【0064】
(B−5)期間内同曜日の負荷配分比率計算
学習期間内で予測日と同曜日の時刻別負荷配分比率(%)を求める。学習期間内に同曜日種別が存在しない(例:特異日など)場合は、7曜日のいずれかの曜日種別を適用する。
【0065】
(B−6)時系列予測値算出
(B−4)、(B−5)を用いて時刻別予測値を算出する。日総量予測値をEj、第i時間帯の時刻別負荷配分比率をPj(i)、その時間帯の需要負荷をDj(i)とすると、下式のようになる。
Dj(i) = Ej・Pj(i) (i=1〜24, j=1,2,… )
ここに、jは予測項目番号を示す。
【0066】
以上のように計算による予測値導出に関しては、パターン予測か日総量予測かのどちらかの方法を用いることになる。
【0067】
次に気象情報の自動配信を前提とした気象類似日検索の手法を下記に示す。
(1) 検索項目の選定と演算タグ設定
明日の気象情報(気温、湿度、風速、日射量など)が時系列の情報として得られ、過去の気象実績値も記憶装置6に蓄積されているものとする。ここでは、気象情報を基に演算タグを作成することができる(例えば、不快指数、体感気温など)。演算式を定義しておけば、気象実績値のみならず、演算値での検索も可能となる。さらにどの項目で検索を行うかおよび検索期間(同曜日指定か全てかの切替あり)を設定する。
【0068】
(2)類似度計算
選択された検索項目を基に予測日気象との類似度を計算する。検索期間中の対象日すべてについて予測日気象との類似度を計算し、最も近いものを気象類似日とする。
類似度を計算するアルゴリズムはいくつか考えられるが、ここでは予測日気象の検索項目(例えば気温など)との分散値が小さいものを類似日と考える。分散が小さいことはすなわち予測日気象とのばらつきが少なく、パターンの類似性が高いことを意味している。
【0069】
類似度を計算する時間帯は変更することもでき、
・夜間(例えばi=1〜6)
・午前(例えばi=7〜12)
・午後(例えばi=13〜18)
・指定なし(i=1〜24)
のように、検索時間帯を変えることができる(デフォルトは指定なし)。同じ類似度をもつ日がある場合には、より直近日を気象類似日とする。
【0070】
なお、以上の説明は、本発明についての説明および例示を目的として特定の好適な実施例を示したに過ぎない。したがって本発明は、上記実施例に限定されることなく、その本質から逸脱しない範囲で更に多くの変更、変形をも含むものである。
【0071】
例えば、次のような展開、応用が可能である。
(1)他のエネルギー供給設備(生産工場ユーティリティ系)への応用が可能である。
(2)標準OPC I/Fを用いているため、ローカル側機器は対応機種が幅広い(他社メーカでもよい)。
(3)対前年同期比較および対前月比較など運転事例を簡単に比較できる操業履歴管理機能は予測の部分と切り離して使用できる構成となっているため、予測を必要としないユーザへも展開可能な設計となっている。
(4)CSVファイル出力機能を用いた多変数解析パッケージとのリンク。
【0072】
【発明の効果】
以上説明したように本発明によれば次のような効果がある。
(1)過去の需要実績値と気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出することができ、特に気象情報を配信により自動取得した場合には、システム操作の負担を大幅に軽減することができる。
また、環境条件が変化しても、従来のようにある種の補正パラメータを用意してデータに補正を加えるなどの作業は不要であり、操作性のよく需要予測を立てることができる。
【0073】
(2)気象情報を自動取得し、予測計算に反映させることで手間を省き、入力ミスなどを回避できる。また、詳細な気象情報を基に予測を立てることにより、予測精度の改善に貢献できる。
(3)上記気象情報を採用しない場合のバックアップ予測プラン、また学習データの欠測、需要家の増減などの状況変化があった場合(学習データの信頼性が無くなってしまった場合)にも対応できる需要パターン抽出や各種の検索機能を持っており、システムとしての汎用性、信頼性が確保できる。
【0074】
(4)カレンダーベースオペレーションで予実管理、操業履歴管理ができることにより、過去運転事例の検索、閲覧が容易にできる。また、これらの結果をネットワーク上のクライアントマシンから閲覧することによる情報のオープン化、運転結果を任意帳票(電子帳票)形式で残し、出力することで、引き継ぎ作業等を大幅に省力化することが可能となる。これらにより、日常運転業務の省力化、効率化に大きく貢献できる。
【図面の簡単な説明】
【図1】本発明に係る需要予測システムの一実施例を示す機能ブロック図である。
【図2】需要予測画面の表示例である。
【図3】帳票形式の出力例である。
【図4】本発明の需要予測システムが使用される動作環境を示す図である。
【図5】予測演算処理手段の動作手順を示すフローチャートである。
【図6】従来の需要予測システムの一例を示す構成図である。
【符号の説明】
1 需要パターンデータベース
2 需要家データベース
3 プロセス実績値記憶装置
4 気象予報値取得手段
5 気象予報値入力手段
6 気象実績値および予報値記憶装置
7 予測演算処理手段
8 需要パターン抽出手段
9 予測値手動補正手段
10 当日予測値補正手段
11 スケジュール管理手段
12 予測実績記憶装置
13 予実管理手段
14 操業履歴管理手段
15 表示手段
16 出力処理手段
A 需要予測システム
B OPCインターフェイス
DB1 プロセスデータ等記憶装置
F1 作成レポートファイル
M クライアントマシン
N ネットワーク
P プロセス制御・監視装置
S サーバマシン
Claims (9)
- 電力および熱供給プラントを対象とし、翌日の電力や熱需要量を予測する機能および稼働実績やエネルギー販売量実績などの操業履歴を管理する機能を持つ需要予測システムであって、
翌日の気象情報を取得する手段と、
過去の需要実績値と前記気象情報を用い、重回帰分析のアルゴリズムに基いて予測モデルを構築して需要予測値を導出する予測演算処理手段
を備えたことを特徴とする需要予測システム。 - 前記翌日の気象情報の取得は、自動配信サービスによる気象情報の自動取得かまたは手入力気象情報の取得のいずれかであることを特徴とする請求項1記載の需要予測システム。
- 前記予測演算処理手段は、前記翌日の気象情報が配信による自動取得の場合には24時間分の時刻別予測値を導出し、翌日の気象情報が手入力の場合には日総需要量の予測値から24時間分の需要パターンを導出するようにしたことを特徴とする請求項1または2記載の需要予測システム。
- データベース上に保存されている過去の実績値や需要パターンの中から適当とみなされるパターンを抽出し、需要予測値として設定する需要パターン抽出手段を備えたことを特徴とする請求項1ないし3のいずれかに記載の需要予測システム。
- 前記パターン抽出は、日指定モード、同曜日の指定期間分のデータあるいは同週のデータの平均化処理を行う平均化モード、気象条件あるいはピーク負荷の条件などに合致する直近日の需要パターンを検索する検索モード、需要パターンデータベースに登録済のパターン名称を指定して抽出するパターン選択モード、気象条件の近い日の需要パターンを検索する気象類似日選択モードのいずれかでパターンを抽出するようにした請求項4記載の需要予測システム。
- 前記気象類似日選択モードでは、気象情報ならびにユーザが設定できる不快指数や体感気温などの演算タグを利用して、過去の運転日の中から気象の類似日を抽出するようにした請求項5記載の需要予測システム。
- 前記予測演算処理手段または需要パターン抽出手段によって導出された予測値あるいは計算に求められた予測値に、手動で補正を加える予測値手動補正手段を備えたことを特徴とする請求項1ないし6のいずれかに記載の需要予測システム。
- 需要予測値確定後に予測日当日の予測誤差を反映させて現時刻から指定ステップ先までの予測値に補正を加える当日予測値補正手段を備えたことを特徴とする請求項1ないし7のいずれかに記載の需要予測システム。
- 表示画面上のカレンダーを操作して、過去の操業履歴や運転履歴などの情報を任意の表示形式で表示することのできる操業履歴管理手段を備えたことを特徴とする請求項1ないし8のいずれかに記載の需要予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002330606A JP2004164388A (ja) | 2002-11-14 | 2002-11-14 | 需要予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002330606A JP2004164388A (ja) | 2002-11-14 | 2002-11-14 | 需要予測システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004164388A true JP2004164388A (ja) | 2004-06-10 |
Family
ID=32808257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002330606A Withdrawn JP2004164388A (ja) | 2002-11-14 | 2002-11-14 | 需要予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2004164388A (ja) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006011542A (ja) * | 2004-06-22 | 2006-01-12 | Ns Solutions Corp | 需要予測装置、需要予測方法及びプログラム |
JP2007042060A (ja) * | 2005-07-06 | 2007-02-15 | Koji Kasahara | 景気予報カレンダ、及び景気予報プログラム |
JP2007228697A (ja) * | 2006-02-22 | 2007-09-06 | Osaka Gas Co Ltd | 省エネルギシステム |
JP2009237832A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
JP2010211780A (ja) * | 2009-02-13 | 2010-09-24 | Meidensha Corp | 電力エネルギー監視システム |
JP2012196017A (ja) * | 2011-03-15 | 2012-10-11 | Chugoku Electric Power Co Inc:The | 電力需要予測装置及び電力需要予測方法 |
JP2013005465A (ja) * | 2011-06-10 | 2013-01-07 | Azbil Corp | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
WO2013042493A1 (ja) * | 2011-09-20 | 2013-03-28 | 株式会社日立製作所 | 電力需要予測システムおよび方法 |
JP2013174421A (ja) * | 2012-02-27 | 2013-09-05 | Daikin Industries Ltd | ヒートポンプ機器エネルギー管理装置 |
JP2013196037A (ja) * | 2012-03-15 | 2013-09-30 | Hitachi Ltd | 需要予測システム及び需要予測方法 |
CN103399289A (zh) * | 2013-07-25 | 2013-11-20 | 安徽中兴继远信息技术股份有限公司 | 一种用于用电信息采集系统的自动化测试方法 |
JP2014067335A (ja) * | 2012-09-27 | 2014-04-17 | Azbil Corp | 予測変数特定装置、方法、およびプログラム |
KR20140110064A (ko) * | 2012-02-14 | 2014-09-16 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 수요전력 예측 시스템 |
JP2015033203A (ja) * | 2013-08-01 | 2015-02-16 | 富士電機株式会社 | 類似日抽出装置、類似日抽出方法、プログラム |
CN106958855A (zh) * | 2017-03-31 | 2017-07-18 | 常州英集动力科技有限公司 | 供热系统水力平衡的模型预测控制方法及系统 |
JP2018063574A (ja) * | 2016-10-13 | 2018-04-19 | アズビル株式会社 | トレンド予測装置および負荷予測装置 |
KR101876751B1 (ko) * | 2016-09-29 | 2018-07-11 | 한국전기연구원 | 고속철도 변전소 피크 부하 제어 방법, 그 방법을 수행하는 장치 및 컴퓨터 프로그램 |
CN109297086A (zh) * | 2018-09-10 | 2019-02-01 | 常州英集动力科技有限公司 | 热力站负荷分时段滚动预测及自适应矫正方法及系统 |
JP2019087030A (ja) * | 2017-11-07 | 2019-06-06 | 株式会社東芝 | 予測モデル生成装置、予測モデル生成方法及び予測モデル生成プログラム |
JP2020035004A (ja) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | 需要予測システムおよび需要予測方法 |
CN113780675A (zh) * | 2021-09-23 | 2021-12-10 | 北方健康医疗大数据科技有限公司 | 一种消耗预测方法、装置、存储介质及电子设备 |
CN116979529A (zh) * | 2023-09-22 | 2023-10-31 | 国网山西省电力公司太原供电公司 | 电力负荷评估方法、系统、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07123589A (ja) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | 需要予測装置 |
JPH11119805A (ja) * | 1997-10-09 | 1999-04-30 | Fuji Electric Co Ltd | 電力需要量予測値補正方法 |
JPH11126102A (ja) * | 1997-10-23 | 1999-05-11 | Nkk Corp | ガス需要量の予測方法 |
JPH11164480A (ja) * | 1997-11-26 | 1999-06-18 | Toshiba Corp | 電力系統監視制御装置及び該装置の処理プログラムを記録した記録媒体 |
JPH11299096A (ja) * | 1998-04-16 | 1999-10-29 | Fuji Electric Co Ltd | 電力需要量予測方法 |
JP2000222029A (ja) * | 1999-02-02 | 2000-08-11 | Toshiba Corp | 運転情報管理装置及び記録媒体 |
JP2001188772A (ja) * | 1999-12-28 | 2001-07-10 | Ishikawajima Harima Heavy Ind Co Ltd | プラントの需要予測方法及びその装置 |
JP2001344412A (ja) * | 2000-03-31 | 2001-12-14 | Yusuke Kojima | 家庭用省エネルギー支援方法およびシステム |
-
2002
- 2002-11-14 JP JP2002330606A patent/JP2004164388A/ja not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07123589A (ja) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | 需要予測装置 |
JPH11119805A (ja) * | 1997-10-09 | 1999-04-30 | Fuji Electric Co Ltd | 電力需要量予測値補正方法 |
JPH11126102A (ja) * | 1997-10-23 | 1999-05-11 | Nkk Corp | ガス需要量の予測方法 |
JPH11164480A (ja) * | 1997-11-26 | 1999-06-18 | Toshiba Corp | 電力系統監視制御装置及び該装置の処理プログラムを記録した記録媒体 |
JPH11299096A (ja) * | 1998-04-16 | 1999-10-29 | Fuji Electric Co Ltd | 電力需要量予測方法 |
JP2000222029A (ja) * | 1999-02-02 | 2000-08-11 | Toshiba Corp | 運転情報管理装置及び記録媒体 |
JP2001188772A (ja) * | 1999-12-28 | 2001-07-10 | Ishikawajima Harima Heavy Ind Co Ltd | プラントの需要予測方法及びその装置 |
JP2001344412A (ja) * | 2000-03-31 | 2001-12-14 | Yusuke Kojima | 家庭用省エネルギー支援方法およびシステム |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006011542A (ja) * | 2004-06-22 | 2006-01-12 | Ns Solutions Corp | 需要予測装置、需要予測方法及びプログラム |
JP4559776B2 (ja) * | 2004-06-22 | 2010-10-13 | 新日鉄ソリューションズ株式会社 | 需要予測装置、需要予測方法及びプログラム |
JP2007042060A (ja) * | 2005-07-06 | 2007-02-15 | Koji Kasahara | 景気予報カレンダ、及び景気予報プログラム |
JP2007228697A (ja) * | 2006-02-22 | 2007-09-06 | Osaka Gas Co Ltd | 省エネルギシステム |
JP2009237832A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
JP2010211780A (ja) * | 2009-02-13 | 2010-09-24 | Meidensha Corp | 電力エネルギー監視システム |
JP2012196017A (ja) * | 2011-03-15 | 2012-10-11 | Chugoku Electric Power Co Inc:The | 電力需要予測装置及び電力需要予測方法 |
JP2013005465A (ja) * | 2011-06-10 | 2013-01-07 | Azbil Corp | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
WO2013042493A1 (ja) * | 2011-09-20 | 2013-03-28 | 株式会社日立製作所 | 電力需要予測システムおよび方法 |
JP2013066318A (ja) * | 2011-09-20 | 2013-04-11 | Hitachi Ltd | 電力需要予測システムおよび方法 |
US9852483B2 (en) | 2011-09-20 | 2017-12-26 | Hitachi, Ltd. | Forecast system and method of electric power demand |
KR20140110064A (ko) * | 2012-02-14 | 2014-09-16 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 수요전력 예측 시스템 |
KR101631781B1 (ko) | 2012-02-14 | 2016-06-17 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 수요전력 예측 시스템 |
JP2013174421A (ja) * | 2012-02-27 | 2013-09-05 | Daikin Industries Ltd | ヒートポンプ機器エネルギー管理装置 |
JP2013196037A (ja) * | 2012-03-15 | 2013-09-30 | Hitachi Ltd | 需要予測システム及び需要予測方法 |
JP2014067335A (ja) * | 2012-09-27 | 2014-04-17 | Azbil Corp | 予測変数特定装置、方法、およびプログラム |
CN103399289A (zh) * | 2013-07-25 | 2013-11-20 | 安徽中兴继远信息技术股份有限公司 | 一种用于用电信息采集系统的自动化测试方法 |
JP2015033203A (ja) * | 2013-08-01 | 2015-02-16 | 富士電機株式会社 | 類似日抽出装置、類似日抽出方法、プログラム |
KR101876751B1 (ko) * | 2016-09-29 | 2018-07-11 | 한국전기연구원 | 고속철도 변전소 피크 부하 제어 방법, 그 방법을 수행하는 장치 및 컴퓨터 프로그램 |
JP2018063574A (ja) * | 2016-10-13 | 2018-04-19 | アズビル株式会社 | トレンド予測装置および負荷予測装置 |
CN106958855A (zh) * | 2017-03-31 | 2017-07-18 | 常州英集动力科技有限公司 | 供热系统水力平衡的模型预测控制方法及系统 |
CN106958855B (zh) * | 2017-03-31 | 2019-06-11 | 常州英集动力科技有限公司 | 供热系统水力平衡的模型预测控制方法及系统 |
JP2019087030A (ja) * | 2017-11-07 | 2019-06-06 | 株式会社東芝 | 予測モデル生成装置、予測モデル生成方法及び予測モデル生成プログラム |
JP2020035004A (ja) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | 需要予測システムおよび需要予測方法 |
JP7163105B2 (ja) | 2018-08-27 | 2022-10-31 | 株式会社日立製作所 | 需要予測システムおよび需要予測方法 |
CN109297086A (zh) * | 2018-09-10 | 2019-02-01 | 常州英集动力科技有限公司 | 热力站负荷分时段滚动预测及自适应矫正方法及系统 |
CN109297086B (zh) * | 2018-09-10 | 2020-10-09 | 常州英集动力科技有限公司 | 热力站负荷分时段滚动预测及自适应矫正方法及系统 |
CN113780675A (zh) * | 2021-09-23 | 2021-12-10 | 北方健康医疗大数据科技有限公司 | 一种消耗预测方法、装置、存储介质及电子设备 |
CN113780675B (zh) * | 2021-09-23 | 2024-01-09 | 北方健康医疗大数据科技有限公司 | 一种消耗预测方法、装置、存储介质及电子设备 |
CN116979529A (zh) * | 2023-09-22 | 2023-10-31 | 国网山西省电力公司太原供电公司 | 电力负荷评估方法、系统、设备及存储介质 |
CN116979529B (zh) * | 2023-09-22 | 2023-11-24 | 国网山西省电力公司太原供电公司 | 电力负荷评估方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2004164388A (ja) | 需要予測システム | |
Meng et al. | Degree-day based non-domestic building energy analytics and modelling should use building and type specific base temperatures | |
US10527306B2 (en) | Building energy management system with energy analytics | |
JP5130851B2 (ja) | モデル作成支援システム、モデル作成支援方法、モデル作成支援プログラム | |
US8583531B2 (en) | Decision support system for the management of energy use, contracting and capital investments for facilities | |
JP6079215B2 (ja) | 電力需要予測装置、プログラム | |
US10345770B2 (en) | Power demand estimating apparatus, method, program, and demand suppressing schedule planning apparatus | |
US7881889B2 (en) | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm | |
US20110313578A1 (en) | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm | |
US20130069951A1 (en) | System and method for generating, processing and displaying data relating to consumption data with an application | |
US20220364755A1 (en) | Building system with timeseries synchronization | |
CN108898246A (zh) | 一种基于电力系统的负荷预测管理系统 | |
Mařík et al. | Decision support tools for advanced energy management | |
WO2017127373A1 (en) | Building energy management system with energy analytics and ad hoc dashboard | |
JP2004112869A (ja) | 電力需要予測システム | |
JP2011013954A (ja) | プラント最適運転計画装置 | |
WO2009039500A1 (en) | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm | |
Di Cosmo et al. | How much does wind power reduce CO 2 emissions? Evidence from the Irish single electricity market | |
JP2004178156A (ja) | 運転計画決定支援システム | |
CN112818189B (zh) | 一种可视化制程工艺单排程调度方法、系统及平台 | |
JP4679670B1 (ja) | 電気料金試算システム | |
Cosgrove et al. | Development of a framework of key performance indicators to identify reductions in energy consumption in a medical devices production facility | |
JP2006350920A (ja) | エネルギー需要予測システム及び需要予測方法 | |
JP2006244063A (ja) | 需給契約支援システム | |
JP2017168052A (ja) | 予測支援システム、予測支援方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070802 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20070831 |