JP2005086880A - デマンド監視装置 - Google Patents
デマンド監視装置 Download PDFInfo
- Publication number
- JP2005086880A JP2005086880A JP2003314631A JP2003314631A JP2005086880A JP 2005086880 A JP2005086880 A JP 2005086880A JP 2003314631 A JP2003314631 A JP 2003314631A JP 2003314631 A JP2003314631 A JP 2003314631A JP 2005086880 A JP2005086880 A JP 2005086880A
- Authority
- JP
- Japan
- Prior art keywords
- data
- power consumption
- prediction
- power
- demand monitoring
- 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
- 238000012806 monitoring device Methods 0.000 title abstract description 6
- 230000007704 transition Effects 0.000 claims abstract description 15
- 230000007423 decrease Effects 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000002596 correlated effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000008520 organization Effects 0.000 abstract 2
- 230000013016 learning Effects 0.000 description 19
- 238000000034 method Methods 0.000 description 10
- 238000013480 data collection Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】過去の使用電力量の推移データと、使用電力の増減に相関性のあるデータとを、前記自己組織化マップのアルゴリズムにより学習させ、過去のデータパターンと、前記過去のデータパターンと類似のデータパターンを発生させ、これら双方のデータパターンを前記自己組織化マップ上に記憶させ、予測の必要な日の既知のデータと相似なデータを含むデータパターンを自動検索し、この検索されたデータパターンに基づいて使用電力の推移と最大使用電力量とを予測する。前記使用電力の増減に相関性のあるデータは、温度、湿度、不快指数および天候を含む気象データを含む。
【選択図】図7
Description
P=PT+ΔP×(T−t) (1)
また、デマンド時限終了までの時間(T−t)内に使用電力量が目標使用電力量PDを超過する予測超過電力量PCを以下の式(2)で求めている。
PC=(P−PD) (2)
この時、予測超過電力量PCがPC>0の場合はP>PDとなり、予測使用電力量Pが目標使用電力量PDよりも大きくなるので、契約電力量を超過する可能性が高いと判断され、電力使用者に対して使用電力の抑制を目的とした事前警報を行うための警報出力が行われる。また、警報出力後も使用電力が抑制されず、反対に増加した場合などは、契約電力量を超過する可能性が高まることから、必要度の低い負荷への電力供給を停止する等して、使用電力量を契約電力量以下に抑えるようにしている。
SOMのアルゴリズムは、コホネンにより考案され、生物の神経細胞、主として脳の情報処理の仕方を、簡単に式(3)のように表現した。
mi(t+1)=mi(t)+hci(t)[x(t)−mi(t)] (3)
神経細胞(ノード)iが時刻tで処理している情報量をmi(t)とするとき、外部から入力信号x(t)が入力されると、この細胞はこれを学習して、次の時刻には、これにより近い情報量mi(t+1)を持つようになる。このとき、x(t)がn次元の入力ベクトルであれば式(4)で表される。また、mi(t)は参照ベクトルとも呼ばれ、同様にn次元の要素を持って式(5)で表現される。
x(t)=[x1,x2,x3,KKxn]T (4)
mi(t)=[mi3,mi2,mi3,KKmin]T (5)
上記式(4)及び(5)の[KK]Tに付記したTは、ベクトルの転置を示す。さらに、hci(t)は、学習率係数を含めた近傍関数と呼ばれる。なお、T=1,2,3,KK,nは、離散時間座標である。なお、SOMは、図2に示すように2層のネットワークであり、第1層はn次元の入力層x(t)として、第2層は出力を視覚的に見られるように2次元に配列されており、参照ベクトルmi(t)(i=1,2,3,KK,M)を持つM個のユニットで構成されている。学習は、式(3)によって行われ、入力ベクトルx(t)を用いて、ユークリッド距離|x(t)−mi(t)|を最小にする参照ベクトルmi(t)を探してmc(t)とすれば、式(6)が得られる。
|x(t)−mc(t)|=min|x(t)−mi(t)| (6)
この参照ベクトルmc(t)を持つユニットを勝者ユニットと呼び、近傍関数hci(t)は、図3に示すように勝者ユニットcの周りに近傍領域を定義し、式(7)、(8)で表現される。
近傍領域内にあるユニット内のベクトルは、入力ベクトルの方向に少し動くことにより学習し、この学習動作を繰り返し行う。このとき、α(t)の値を学習率係数と呼び、0<α(t)<1の値を持ち、式(9)で定義される。また、近傍領域Ncも時間の関数で表され、共に学習を重ねる毎に単調減少させる。
α(t)=α(0)(1−t/T) (9)
Nc(t)=Nc(0)(1−t/T) (10)
ここで、α(0)はαの初期値であり、Tは学習回数である。図3で示すように近傍領域のサイズを学習の初期には大きく取っておき、学習が進むと徐々に縮小し、最後には勝者ユニットのみ学習させるようにする。このようにして、SOMはn次元の入力ベクトルx(t)を受け取り、出力(競合)層で視覚的に見られるように2次元に配置される。
前項で作成されたSOMは、入力データにより特性づけられたユニットから構成されており、入力データのパターン特性により出力(競合)層で分類・表示されている。このSOMを用いて、予測時点までの既知データを入力することにより、以後の予測したいデータを得ることが出来る。これらの予測手順を整理すると次のようになる。
ステップ1:過去の実測データ(次元)を学習することにより、SOMを作成する。この時、出力(競合)層で生成される参照ベクトルデータは、mij(T)(i=1,2,3,KK,M、j=1,2,3,KK,n)となる。
ステップ2:予測したい日のベクトルデータPj(j=1,2,3,K,l,K,n)中の既知データPj(j=1,2,3,KK,l,l<n)を入力する。この時、未知の予測データは、Pj(j=l+1,l+2,l+3,KK,n)となる。
ステップ3:入力された既知ベクトルデータPjとSOM上のすべての参照ベクトルデータmij(T)を比較して、その差が最小となる、すなわち式(9)を満足するmij(T)を選択して、ベストマッチングユニット(Best Matching Unit:BMU)とする。
ステップ4:このようにして得られたBMUでの参照ベクトルデータmij(T)(j=l+1,l+2,l+3,KK,n)が、予測データとなる。
入力データとしては、過去に記録された1日間の単位時間(15〜60分)毎の使用電力の推移データ、並びに1日間の最高気温値、最低気温値、あるいは湿度情報も加味された不快指数値などの気象情報を用いる。これらのデータは過去1年間程度でも予測は可能であるが、数年間のデータが用意できれば予測精度の向上が期待できる。また、使用電力と相関性のあるデータとして平均気温値、平均湿度、最高湿度、最低湿度などのデータを加えると予測精度のさらなる向上が期待できる。これらのデータ収集は自家用変電所の受電点に設置されている電圧変成器(PT)61、変流器(CT)62により得られた電流、電圧を電力計(WM)63に入力して使用電力量を計量する。データ収集装置(DT)64には、使用電力量の推移と最高気温値、最低気温値が収集、記録される。この時、使用電力と相関性のあるデータとして平均気温値、平均湿度、最高湿度、最低湿度、不快指数値などのデータを必要に応じて収集、記録する。
これらのデータは、データ処理装置(DC)65により入力次元に適合した平均化処理、及び入力データの数値範囲を限定してSOMによる予測精度を向上させるための正規化処理を行う。
正規化処理した入力データを用いてSOMの学習システム(SOM)66により学習させ、結果として、SOMデータ(MAP)67を作成する。これらのデータ収集とSOMの学習システムを、図6に示す。次に、得られたSOMを用いて使用電力量の予測を行う手順について説明する。これらのSOMを用いた使用電力量予測システムを、図7に示す。
予測に際してはSOMの学習時に用いたのと同様に自家用変電所の受電点に設置されている電圧変成器(PT)71、変流器(CT)72により得られた電流、電圧を電力計(WM)73に入力して、予測時点までの使用電力の推移データを得る。データ収集装置(DT)74には、得られた予測時点までの使用電力の推移データと、SOMの学習時に入力した平均気温値、最高気温値、最低気温値、平均湿度、最高湿度、最低湿度などの使用電力と強い相関性のある既知データが収集、記録される。
収集記録されたデータは、データ処理装置(DC1)75により平均処理、並びに正規化処理され、SOMデータ(MAP)77に入力する。入力された既知のデータパターンとSOM上のすべてのデータパターンを比較して、その差が最小となるデータパターンを選択し、使用電力量の予測推移データとする。この時、入力された既知のデータパターンが特異な場合は、学習で得られたSOM上のデータパターンの中に相似なパターンが無く、得られる予測結果は誤差の大きなものとなる。特に実測値が予測結果に対して大きく増大すると、有効な対策を打てないままに契約電力量を超過する恐れがある。また反対に実測値が予測結果に対して小さくなる場合もある。このため、あらかじめ入力データを故意に拡大、あるいは縮小して学習させた複数のSOMデータ(MAP)を作成しておいて、予測誤差が発生した場合に切り替えて予測を行うことにより、予測精度の悪化を防止することが出来る。発生した予測誤差量と予測に使用するマップの選択の一例を表1に、さらにマップ上のデータパターンの状況を図8に示す。
SOMを用いて得られた使用電力量の予測推移データをデマンド監視装置78に入力し、使用電力量が契約電力量からあらかじめ設定した目標使用電力量を超過するまでに、電力の使用者に対する事前警報を行うことによる使用電力の抑制、あるいは、予測超過電力量に見合う重要度の低い負荷設備への電力供給回路79を遮断する等して、ピーク電力を低減し、使用電力量を目標使用電力量以下に維持する。また、予測情報に基づいて電力負荷の平準化に努めることにより、変電設備の効率的な運用も可能となる。SOMを用いたデマンド監視における使用電力量の予測において、契約電力量に基づく使用電力量判定線に対して予測使用電力が超過した事例を図9に示す。この事例では、時間差(T−t)内にデマンド値を目標電力量PDのレベルとするために必要な調整電力量PCは、以下の式で求められる。
PC=(P−PD)
この時、調整電力PCがPC>0の場合はP>PDとなり、予測電力量が目標電力量よりも大きくなる。
62 変流器
63 電力計
64 データ収集装置
65 データ処理装置
66 SOMの学習システム
67 SOMデータ
71 電圧変成器
72 変流器
73 電力計
74 データ収集装置
75 データ処理装置
76 SOMデータ
77 予測データの評価装置
78 デマンド監視装置
79 電力供給用開閉器
Claims (4)
- 受変電設備における使用電力量を管理制御するデマンド監視装置において、自己組織化マップを用いて使用電力の推移と最大使用電力量の予測を行うことを特徴とするデマンド監視装置。
- 請求項1に記載のデマンド監視装置において、過去の使用電力量の推移データと、使用電力の増減に相関性のあるデータとを、前記自己組織化マップのアルゴリズムにより学習させ、過去のデータパターンと、前記過去のデータパターンと類似のデータパターンを発生させ、これら双方のデータパターンを前記自己組織化マップ上に記憶させ、予測の必要な日の既知のデータと相似なデータを含むデータパターンを自動検索し、この検索されたデータパターンに基づいて前記使用電力の推移と最大使用電力量とを予測することを特徴とするデマンド監視装置。
- 請求項2に記載のデマンド監視装置において、前記使用電力の増減に相関性のあるデータが、温度、湿度、不快指数および天候を含む気象データを含むことを特徴とするデマンド監視装置。
- 請求項1、2または3に記載のデマンド監視装置において、前記自己組織化マップ上にない未学習のデータが入力された場合に発生する実測データとの誤差に応じて、予測に使用する前記自己組織化マップを変更することを特徴とするデマンド監視装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003314631A JP2005086880A (ja) | 2003-09-05 | 2003-09-05 | デマンド監視装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003314631A JP2005086880A (ja) | 2003-09-05 | 2003-09-05 | デマンド監視装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005086880A true JP2005086880A (ja) | 2005-03-31 |
Family
ID=34415166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003314631A Pending JP2005086880A (ja) | 2003-09-05 | 2003-09-05 | デマンド監視装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005086880A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007112024A (ja) * | 2005-10-20 | 2007-05-10 | Mitsubishi Heavy Ind Ltd | コルゲータの制御装置及び方法 |
WO2007100134A1 (ja) * | 2006-02-28 | 2007-09-07 | Sanyo Electric Co., Ltd. | デマンド制御装置 |
WO2008111467A1 (ja) * | 2007-03-09 | 2008-09-18 | Sanyo Electric Co., Ltd. | デマンド制御システム、デマンドコントローラ、デマンドプログラム及びデマンド制御方法 |
JP2008259402A (ja) * | 2007-03-09 | 2008-10-23 | Sanyo Electric Co Ltd | デマンド制御システム、デマンドコントローラ、デマンドプログラム及びデマンド制御方法 |
JP2011048795A (ja) * | 2009-08-28 | 2011-03-10 | Mitsubishi Electric Corp | 電力表示装置、電力表示方法及びプログラム |
JP2011048798A (ja) * | 2009-08-28 | 2011-03-10 | Mitsubishi Electric Corp | 情報生成システム、情報生成方法及びプログラム |
JP2012244897A (ja) * | 2011-05-13 | 2012-12-10 | Fujitsu Ltd | 短期電力負荷を予測する方法及び装置 |
WO2015098986A1 (ja) * | 2013-12-24 | 2015-07-02 | 京セラ株式会社 | 電力管理装置、電力管理システム及び電力管理方法 |
JP2022127151A (ja) * | 2021-02-19 | 2022-08-31 | 富士電機機器制御株式会社 | 表示装置、電力監視システム、情報処理装置 |
-
2003
- 2003-09-05 JP JP2003314631A patent/JP2005086880A/ja active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007112024A (ja) * | 2005-10-20 | 2007-05-10 | Mitsubishi Heavy Ind Ltd | コルゲータの制御装置及び方法 |
WO2007100134A1 (ja) * | 2006-02-28 | 2007-09-07 | Sanyo Electric Co., Ltd. | デマンド制御装置 |
WO2008111467A1 (ja) * | 2007-03-09 | 2008-09-18 | Sanyo Electric Co., Ltd. | デマンド制御システム、デマンドコントローラ、デマンドプログラム及びデマンド制御方法 |
JP2008259402A (ja) * | 2007-03-09 | 2008-10-23 | Sanyo Electric Co Ltd | デマンド制御システム、デマンドコントローラ、デマンドプログラム及びデマンド制御方法 |
US8155795B2 (en) | 2007-03-09 | 2012-04-10 | Sanyo Electric Co., Ltd. | Demand control system, demand controller, demand program, and demand controlling method |
CN101627515B (zh) * | 2007-03-09 | 2012-06-27 | 三洋电机株式会社 | 需求控制系统、需求控制器以及需求控制方法 |
JP2011048795A (ja) * | 2009-08-28 | 2011-03-10 | Mitsubishi Electric Corp | 電力表示装置、電力表示方法及びプログラム |
JP2011048798A (ja) * | 2009-08-28 | 2011-03-10 | Mitsubishi Electric Corp | 情報生成システム、情報生成方法及びプログラム |
JP2012244897A (ja) * | 2011-05-13 | 2012-12-10 | Fujitsu Ltd | 短期電力負荷を予測する方法及び装置 |
WO2015098986A1 (ja) * | 2013-12-24 | 2015-07-02 | 京セラ株式会社 | 電力管理装置、電力管理システム及び電力管理方法 |
JPWO2015098986A1 (ja) * | 2013-12-24 | 2017-03-23 | 京セラ株式会社 | 電力管理装置、電力管理システム及び電力管理方法 |
JP2022127151A (ja) * | 2021-02-19 | 2022-08-31 | 富士電機機器制御株式会社 | 表示装置、電力監視システム、情報処理装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8571720B2 (en) | Supply-demand balance controller | |
JP5842054B2 (ja) | 蓄電池分析システム、蓄電池分析方法、および蓄電池分析プログラム | |
CN117318255B (zh) | 一种基于大数据可视化的电池状态分析系统及方法 | |
EP3121923B1 (en) | Method and storage unit of electrical energy for electrical power supply to a node of an electrical network | |
KR20180028583A (ko) | 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템 | |
JPWO2017051615A1 (ja) | 電力制御システム、方法及び制御装置 | |
JP2005086880A (ja) | デマンド監視装置 | |
CN103576098B (zh) | 一种电源寿命在线监测方法、系统及电源 | |
JP2009225613A (ja) | 電力需要予測装置及び電力需要予測方法 | |
CN117543791B (zh) | 电源的供电检测方法、装置、设备及存储介质 | |
KR20190063198A (ko) | 에너지 수요 동적 관리 시스템 및 그 동작방법 | |
KR20210045753A (ko) | 배전설비 관리 방법 | |
CN117154740B (zh) | 一种蓄热式电采暖参与配电网的负荷调控方法及装置 | |
CN104657570A (zh) | 用电建议装置及方法 | |
JP2003224931A (ja) | 配電系統負荷推定装置 | |
CN109918262A (zh) | 一种服务器工作状态的预测方法、装置和介质 | |
US20200342468A1 (en) | Method for forecasting power consumption | |
JPH0887303A (ja) | プラント予測制御装置 | |
JP2000092705A (ja) | 電力系統潮流監視装置 | |
AU2021374819B2 (en) | Method and system for monitoring and/or operating a power system asset | |
JP7098400B2 (ja) | 電力需要予測装置、電力需要予測方法及び電力需要予測プログラム | |
Anbuky et al. | Knowledge based VRLA battery monitoring and health assessment | |
JP7536998B2 (ja) | 蓄電池管理装置、蓄電池管理方法、および、プログラム | |
WO2024057996A1 (ja) | 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法 | |
US20240319285A1 (en) | Storage battery management device, storage battery management method, and recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20050725 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060424 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060519 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20060704 |