JP2009174747A - コージェネレーションシステムおよびその運転方法 - Google Patents

Abstract

【課題】従来の燃料電池発電システムでは電力需要および熱需要を曜日と関連づけて予測を実施しているが、全てのユーザーに対して予測の精度向上を実現することが困難であった。
【解決手段】電気及び熱を発生する燃料電池１と、使用者が所定の周期を入力する設定器１２と、所定の期間における電力負荷の電力需要量及び熱負荷の熱需要量を予測する需要予測器１４、需要予測器１４により予測された所定期間における電力需要量及び熱需要量に基づき燃料電池１の運転を計画する運転計画器１５と、運転計画器１５で計画された運転計画に基づき運転を制御する制御器１６とを備えることを特徴とする。
【選択図】図１

Description

本発明は、燃料電池やガスエンジンなどを備え、電気と熱の供給を同時に行なうコージェネレーションシステムおよびその運転方法に関する。

燃料電池や、ガスエンジンを用いたコージェネレーションシステムでは、発電と同時に発生する熱をお湯として回収することでエネルギーを有効に活用でき、高効率の分散型電源として注目されている。一般的に電力負荷は常時発生し熱負荷は断続的に発生するという特性を持ち、さらに、通常、コージェネレーションシステムの発電により所定の瞬間に回収できる熱量はその瞬間の熱負荷の需要量に比べて少ない。このため、前述のコージェネレーションシステムでは、発電に伴って回収した熱を直接供給するのではなく、一度貯湯槽に貯えた後、必要な量を負荷に供給している。

このようなコージェネレーションシステムにおいては、電力需要および熱需要を予測し、熱負荷の需要がある所定の時点までに予め必要な量の熱量が貯湯槽に回収されるようにシステムの運転を制御することでエネルギー消費量の削減効果を向上させている。

コージェネレーションシステムの運転制御を実施するためには、個々のユーザーの電力需要および熱需要を正確に予測することが望ましく、電力需要および熱需要の経時変化だけでなく気温、天気、在宅の有無、曜日などの属性情報を考慮して予測の精度を向上させる技術がこれまでに提案されている（例えば、特許文献１および２参照）。
特開２００３−２０９９９４号公報 特開２００４−６９０８５号公報

このように従来のコージェネレーションシステムのように、電力需要および熱需要を、例えば、曜日を考慮して予測する際、需要予測の対象が事業所である場合には、事業所の活動は、１週間単位で周期的に繰り返される可能性が高いため、１日の負荷需要パターンは曜日という属性に対して規則性を持ち、この規則性に着目することで予測の精度向上が見込まれる。しかしながら、需要予測の対象が一般的なユーザーである場合には、各ユーザーにより生活習慣が異なるためその負荷需要パターンが１週間単位で周期的に繰り返されない場合もあり、各曜日に対して規則性を持たない場合が多数存在し、曜日に基づく電力需要及び熱需要の予測では、全てのユーザーに対して予測精度を確保することが困難であった。

本発明は、前記従来の課題を解決するもので、個々のユーザーの生活習慣に適した電力需要及び熱需要の予測を実現し、エネルギー消費量の削減効果を向上することが可能なコージェネレーションシステムおよびその運転方法を提供することを目的とする。

この課題を解決するために、第１の本発明のコージェネレーションシステムは、電気及び熱を発生する熱電併給器と、使用者からの入力に基づき所定の周期を設定する設定器と、前記設定器に設定された前記所定の周期に基づき所定期間における電力負荷の電力需要量データ及び熱負荷の熱需要量データの少なくともいずれか一方を予測する需要予測器と、前記需要予測器により予測された前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方に基づき前記熱電併給器の運転を計画する運転計画器と、前記運転計画器で計画された運転計画に基づき運転を制御する制御器とを備えることを特徴とする。

このような構成により、ユーザーが設定器より入力した自身の生活習慣に対応する所定の周期に基づき電力需要量データおよび熱需要量データの少なくともいずれか一方の予測が実施されるため、個々のユーザーの生活習慣に適した負荷需要量データの予測が可能になり、負荷需要予測の精度向上により、エネルギー消費量の削減効果の向上が見込まれる。

また、第２の本発明のコージェネレーションシステムは、前記所定の周期は、２から１４の何れかの日数であることを特徴とする。

このような構成により、学習に必要な電力需要量および熱需要量データの負荷履歴記憶器への蓄積量や蓄積したデータに基づく学習演算量の過剰な増加を抑制しながら、ユーザーの生活習慣に対応した負荷需要量予測の予測精度の向上が見込まれる。

また、第３の本発明のコージェネレーションシステムは、前記電力需要量及び前記熱需要量の履歴を記憶する負荷履歴記憶器を備え、前記負荷履歴記憶器に記憶された電力需要量及び熱需要量の過去の履歴を消去する負荷履歴初期化器をさらに備えたことを特徴とする。

このような構成により、ユーザーの生活習慣が変化した場合に、以前の生活習慣で得られた負荷需要量実績データに影響されることなく、新たな生活習慣での負荷需要量の予測を実施でき、予測の精度が向上する可能性が高くなる。

また、第４の本発明のコージェネレーションシステムは、前記設定された周期と異なる周期が、前記設定器により新たに設定された場合、前記負荷履歴初期化器により前記負荷履歴記憶器に記憶された電力需要量及び熱需要量の過去の履歴が消去されることを特徴とする。

このような構成により、ユーザーの生活習慣が変化し、以前と異なる周期を新たに設定した場合に、以前の生活習慣で得られた負荷需要量実績データに影響されることなく、新たな生活習慣での負荷需要量の予測を実施でき、予測の精度が向上する可能性が高くなる。

また、第５の本発明のコージェネレーションシステムは、前記設定器は、複数の周期を設定可能なように構成され、前記需要予測器は、前記設定器により設定された複数の異なる周期に基づき前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方を予測することを特徴とする。

このような構成により、所定のコージェネレーションシステムを利用している集合体において異なる生活習慣を有するユーザーが存在する場合にも、これらの異なる生活習慣を考慮した電力需要量データおよび熱需要量データの少なくともいずれか一方の予測を実施することが可能となり、負荷需要量予測の精度が向上する可能性が高くなる。

また、第６の本発明のコージェネレーションシステムは、前記需要予測器は、過去の電力需要量データ及び熱需要量データの少なくともいずれか一方に基づく学習結果と、予測日の、前記設定された周期での時間属性に対応する入力データとに基づき前記予測日の所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方を予測することを特徴とする。

このような構成により、予測日における電力需要量データまたは熱需要量データの予測精度がより向上する可能性が高くなる。

また、第７の本発明のコージェネレーションシステムは、前記需要予測器は、前記設定された周期の所定数周期分の過去の電力需要量データ及び熱需要量データの少なくともいずれか一方に基づいて前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方を予測することを特徴とする。

本発明のコージェネレーションシステムの運転方法は、電気及び熱を発生する熱電併給器を備えるコージェネレーションシステムの運転方法であって、使用者の入力操作により所定の周期を設定する設定ステップと、前記設定ステップにて設定された前記所定の周期に基づき、所定期間における電力負荷の電力需要量データ及び熱負荷の熱需要量データの少なくともいずれか一方を予測する需要予測ステップと、前記需要予測ステップにより予測された前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方に基づき前記熱電併給器の運転を計画する運転計画ステップと、前記運転計画ステップで計画された運転計画に基づき運転を制御する制御ステップとを備えることを特徴とする。

このような構成により、このような構成により、ユーザーが設定器より入力した自身の生活習慣に対応する所定の周期に基づき電力需要量データおよび熱需要量データの少なくともいずれか一方の予測が実施されるため、個々のユーザーの生活習慣に適した負荷需要量の予測が可能になり、負荷需要予測の精度向上により、エネルギー消費量の削減効果を向上が見込まれる。

以上説明したように、本発明のコージェネレーションシステムの構成およびその動作によれば、ユーザーの入力操作により設定器で設定された自身の生活習慣に対応する所定の周期に基づき所定期間の電力需要量データおよび熱需要量データの少なくともいずれか一方が予測されるため、個々のユーザーの生活習慣に適した負荷需要量データの予測が可能になり、負荷需要予測の精度向上により、エネルギー消費量の削減効果を向上が見込まれる。

以下、本発明の実施の形態について、図１から図４を用いて説明する。

（実施の形態１）
図１は、本発明の第１の実施の形態におけるコージェネレーションシステムの一例である燃料電池システムを示すシステム構成図である。

本実施の形態におけるコージェネレーションシステムは、本発明の熱電併給器の一例とである、燃料ガスと酸化剤ガスを用いて発電を行う燃料電池１と、燃料電池１に燃料ガスを供給する燃料ガス供給器２と、燃料電池１に酸化剤ガスを供給する酸化剤ガス供給器３と、燃料電池１に接続され発電に伴って発生した熱を回収し、燃料電池１を冷却する冷却水が循環する冷却水経路４と、冷却水経路４内の冷却水を循環させる冷却水送出器５と、冷却水経路４に設置され冷却水と熱交換し貯湯水に熱を回収させる冷却水熱交換器６と、冷却水熱交換器６に接続され貯湯水が流れる貯湯水経路７と、冷却水熱交換器６において熱を回収した貯湯水を貯える貯湯槽８と、貯湯水経路７に設置され貯湯水経路６内の貯湯水を流す貯湯水送出器９と、電力負荷の電力需要量を検出する電力負荷検出器１０と、熱負荷の熱需要量を検出する熱負荷検出器１１と、ユーザーの入力操作に基づきコージェネレーションシステムに関する様々な情報を設定する設定器１２と、電力負荷検出器１０で検出された電力需要量および熱負荷検出器１１で検出された熱需要量と、設定器１２で設定された周期に対して設定される各時間属性との対応関係を記憶する負荷履歴記憶器１３と、負荷履歴記憶器１３に記憶された過去の電力需要量データ及び熱需要量データと各時間属性との対応関係に基づき所定の時間属性を有する将来の電力需要量データおよび熱需要量データを予測する需要予測器１４と、需要予測器１４で予測された電力需要量データおよび熱需要量データに基づいてコージェネレーションシステムの運転を計画する運転計画器１５と、運転計画器で計画された運転計画に基づきコージェネレーションシステムの運転を制御する制御器１６とを備えている。

次に、このような本実施の形態の動作を説明する。

燃料電池１では、燃料ガス供給器２から供給された水素含有ガスなどの燃料ガスと、酸化剤ガス供給器３から供給された空気などの酸化剤ガスとの電気化学反応により発電を行う。さらに、燃料電池１では発電に伴って発熱するため、冷却水送出器５により燃料電池１を経由して冷却水経路４を循環する冷却水により冷却され、燃料電池１は最適な温度に維持される。冷却水送出器５としては、主に遠心ポンプ、斜流ポンプ、往復ポンプなどが用いられ、冷却水熱交換器６としては、おもにプレート式熱交換器や二重管式熱交換器などが用いられる。燃料電池１において熱を回収し温度が上昇した冷却水は、冷却水熱交換器６で貯湯水と熱交換して放熱し冷却水送出器５によって再び燃料電池１に供給される。

貯湯水経路７は、貯湯槽８の下部と貯湯水送出器９の吸入口とが接続され、貯湯水送出器９の吐出口と冷却水熱交換器６の貯湯水入口とが接続されることで温度の低い貯湯水を貯湯槽８の下部から取り出して冷却水熱交換器６に供給し、冷却水熱交換器６の貯湯水出口と貯湯槽８の上部とが接続されることで熱回収により温度が高くなった貯湯水が貯湯槽８の上部に戻される。貯湯水送出器９としては、主に、遠心ポンプ、斜流ポンプ、往復ポンプなどが用いられる。さらに貯湯槽８の底部には給水経路が接続され、上部には貯湯槽８に貯えられた高温の貯湯水を台所や洗面所、風呂などの熱負荷に供給する給湯経路が接続されている。このように積層沸き上げ方式とすることで、貯湯槽８全体を同時に沸き上げる場合と比較して短時間で必要な量のお湯が貯湯槽８上部より貯えられ、熱負荷に供給することが可能となる。給湯経路には熱負荷検出器１１が設置され熱負荷で消費された熱量を検出し、熱負荷の熱需要量として負荷履歴記憶器１３に蓄積する。熱負荷検出器１１としては、主に直接熱量を計測する熱量計や、流量計および温度計により流量と温度の積で熱量を算出する方法が用いられる。後者の場合には、主に羽根車式流量計、超音波式流量計、ギア式流量計などにより計測された給湯経路の貯湯水流量と、主に熱電対やサーミスタなどにより計測された給湯経路の貯湯水温度と、給水経路の水温または外気温との温度差との積によって熱量を算出する。負荷履歴記憶器１３としては、主にＲＡＭなどの不揮発性メモリやハードディスク装置などが用いられ、さらにはインターネットなどのネットワークを介して外部の記憶装置を用いても良い。

燃料電池１で発電した電力は、インバータ１８で直流電力から交流電力に変換されるとともに電圧調整が行われ、電灯や各種電気機器などの電力負荷に供給される。電力負荷は、コージェネレーションシステムからの出力電力とともに火力発電所などから供給される商用の電力系統と接続され、必要に応じて両者の電力を使用している。電力負荷検出器１０がコージェネレーションシステムからの出力電力と商用電力が合流した連系点よりも下流の電力負荷側に設置され、電力負荷で消費された電力量を検出し、電力負荷の電力需要量として負荷履歴記憶器１３に蓄積する。電力負荷検出器１０としては、主にカレントトランス（ＣＴ）センサなどの電流センサが用いられる。

ユーザーは、「５日働いて２日休む」や「３日働いて１日休む」、また「２週間に１回習い事のために留守にする」といった自分の生活習慣に応じて、設定器１２により所定の周期を設定する。例えば、所定の周期として２から１４の日数が適宜、選択される。設定器１２には、コージェネレーションシステムの運転中における発電機（本実施の形態の場合、燃料電池）の発電量や貯湯槽８内の蓄熱量などの状態情報を表示する表示部と共に、コージェネレーションシステムの初期設定や各種運転モードなどの各種設定情報をユーザーが入力し、設定する入力ボタン部を備えたリモコンなどが用いられる。

負荷履歴記憶器１３には、電力負荷検出器１０および熱負荷検出器１１で検出された電力需要量および熱需要量の所定時間ごと（例えば、３０分間毎や１時間毎）の積算値を１日単位で電力需要量データ及び熱需要量データとして蓄積する。このとき、需要予測器１４が、所定日の時間属性と所定日の電力需要量データ及び熱需要量データとの対応関係を負荷履歴記憶器に記憶させている。例えば、周期内第何日目であるかを時間属性として使用することが予め設定され、ユーザーの入力操作により設定器１２で周期が３日と設定された場合、周期内第１日目を属性番号「１」、周期内第２日目を属性番号「２」、周期内第３日目を属性番号「３」とし、需要予測器１４が、各日の時間属性番号と各日の電力需要量データ及び熱需要量データとの対応関係を負荷履歴記憶器１３に記憶させるよう構成される。

図２に、周期に対して設定される時間属性と各日の電力需要量データ及び熱需要量データとの対応関係を示す概念図を示す。本図において各日の需要量データをカレンダーの日付で表しており、周期と日付の関係は「周期７日」「周期４日」でそれぞれ図のようになる。具体的には、ユーザーにより周期が７日と設定されるとともに周期７日に対して設定される時間属性が曜日である場合における、時間属性と日付との対応関係が示されており、特に、時間属性「水」と関連付けされた日が破線部で囲まれている。また、ユーザーにより周期が４日と設定されるとともに周期４日に対して設定される時間属性が周期内第何日である場合における、この時間属性を表す属性番号と日付との対応関係が示されており、特に、周期内第３日と関連付けされた日が破線部で囲まれている。

なお、各周期に対して設定される時間属性は、図２に示すような曜日や周期内第何日目という時間属性に限定されず、周期内における平日、休日というような時間属性であっても構わない。例えば、ユーザーにより設定器１２を介して周期を設定するとともに、周期内における平日の期間（例：周期４日のうちの周期内第１日目から第３日目）と休日の期間（例：周期４日のうちの周期内第４日目）が設定されるよう構成されていても構わない。つまり、ユーザーの操作により設定器１２により周期とともに周期に対する時間属性を設定するよう構成されていても構わない。

需要予測器１４では、所定期間（例えば、１日）の電力需要量データおよび熱需要量データの予測を行うためのひとつの手段として、例えば、需要予測器が、階層型のニューラルネットワークモデルを保持し、このニューラルネットワークモデルに基づき将来の所定期間の電力需要量データ及び熱負荷需要データを予測する。なお、上記ニューラルネットワークモデルの特徴や、学習方法などの詳細については、「甘利俊一編著、ニューラルネットの新展開、ｐｐ.７３−８６、（株）サイエンス社、１９９４年」に開示されているため、説明を省略する。需要予測器１４は、主にＣＰＵなどで構成されると共に、その内部で実行されるプログラムを含む。

図３は、需要予測器１４で使用するニューラルネットワークモデルの構成について説明するための図である。ニューラルネットワークモデル１００は、階層型ニューラルネットワークであり、入力層、中間層および出力層の３層を有している。このニューラルネットワークモデル１００の構成としては、予測値を出力パラメータとし、予測値と因果関係の強いデータを入力パラメータとすることが予測の精度向上のために必要となる。そのため、出力パラメータには将来の所定日の負荷需要量データとし、入力パラメータには予測する所定日の時間属性に対応する値を用いる。例えば、図３に示すように予測日が３１日であった場合、入力パラメータは、３１日の時間属性である水曜日に対応する入力値（水曜日のみが「１」で、それ以外の曜日を「０」として入力値）となる。

また、ニューラルネットワークモデル１００では、負荷履歴記憶器１３に蓄積された過去の負荷需要量実績データについて学習演算を実行して、ニューラルネットワークモデル１００の重み係数を決定する。具体的には、予測日より過去の所定数周期分の負荷需要実績データについて各日の時間属性を入力パラメータとし、各日の所定時間毎（例えば、１時間毎）の負荷需要量実績値を出力パラメータとして学習演算を実行する。その際に、過去の所定数周期分の負荷需要実績データに対して誤差が少なくなるよう誤差逆伝播法を用いて重み係数を設定する。なお、上記重み係数は、図３に示す中間層の演算において使用される重み係数と、出力層の演算において使用される重み係数がそれぞれ設定される。そして、需要予測器１４は、上記学習演算によって決定された重み係数を用いて予測日である３１日の負荷需要量データを、３１日の時間属性に対応する入力パラメータを入力して、予測する。なお、上記負荷需要量データは、予測日の所定期間（例：０時〜２４時）における所定時間毎（例：１時間毎）の負荷需要予測値として出力される。

なお、上記重み係数を決定する際に過去の所定数周期分の負荷需要実績データを用いているが、例えば、４周期分の負荷需要実績データを用いた学習演算により重み係数が設定されるよう構成されている場合、図２に示されるように設定周期７日であれば、過去２８日分の負荷需要実績データを用いた学習演算により重み係数が設定され、設定周期４日であれば、過去１６日分の負荷需要実績データを学習演算により重み係数が設定される。また、上記重み係数を設定する場合に、予測日と同じ時間属性を有する過去の所定日数分の負荷需要実績データを用いるよう構成されていて構わない。例えば、設定周期７日において、３１日の負荷需要データを予測する場合、３１日の時間属性である水曜日を時間属性とする３日、１０日、１７日、２４日の負荷需要実績データを用いて学習演算を実行し、重み係数を設定される。また、例えば、設定周期４日において、１９日の負荷需要データを予測する場合、１９日の時間属性である周期内第３日目を時間属性とする３日、７日、１１日、１５日の負荷需要実績データを用いて学習演算を実行し、重み係数を設定される。

さらに、運転計画器１５では、需要予測器１４により予測された、所定期間（例：予測日の０時〜２４時）における電力需要量および熱需要量の予測データに基づいて、コージェネレーションシステムの発電量、排熱回収量、及び蓄熱量を考慮し、上述のリモコンなどの設定器１２により設定された運転モード（例えば、エネルギー消費量の削減最大優先運転、ＣＯ２排出量の削減最大優先運転、コスト削減最大優先運転など）にしたがってコージェネレーションシステムの起動・停止時間や運転時間中における発電量などの運転計画を決定する。そして、制御器１６は、その決定された運転計画に沿ってコージェネレーションシステムの運転制御を実施する。例えば、制御器１６は、運転計画器１５で計画された目標発電量に基づいて燃料ガス供給器２及び酸化剤ガス供給器３の操作量制御や、インバータ１８の出力制御を実施する。

本実施のコージェネレーションシステムの構成およびその動作により、ユーザーが自身の生活習慣に応じて所定の周期を直接入力することで、ユーザー固有の生活習慣に応じた電力需要量データおよび熱需要量データが予測され、将来の電力需要量及び熱需要量の予測精度が向上する可能性が高くなる。これにより、個々のユーザーに最適な運転制御が実施され、コージェネレーションシステムの運転によるエネルギー消費量の削減効果の向上が見込まれる。

さらに、設定器１２により設定される所定の周期として、２から１４までの日数の中からユーザーが選択するように構成することで、ニューラルネットワークモデル１００の学習に必要な電力需要量データおよび熱需要量データの負荷履歴記憶器１３への蓄積量や蓄積したデータに基づく学習演算量の過剰な増加を抑制しながら、ユーザーの生活習慣に対応した周期を考慮した負荷需要量予測の予測精度の向上が見込まれる。

なお、本実施の形態では電力負荷検出器１０がコージェネレーションシステムからの出力電力と商用電力が合流した連系点よりも下流の電力負荷側に設置される構成として説明を行なったが、連系点より上流の商用電力側に設置して、コージェネレーションシステム側からの電力出力との合計で電力需要量を算出する構成であっても構わない。

また、需要予測器１４は、上述において電力需要量データ及び熱負荷需要量データの両方を予測するよう構成されているが、電力需要量データおよび熱負荷需要量データのいずれかを予測し、運転計画器１５が需要予測器１４で予測された電力需要量データまたは熱負荷需要量データに基づき、コージェネレーションシステムの起動・停止時間や運転時間中における発電量などの運転計画を決定するよう構成しても構わない。

また、本実施の形態はあくまでも例示であり、本発明の技術的範囲を限定する趣旨の記述ではないことを付記する。

（実施の形態２）
図４は本発明の第２の実施の形態におけるコージェネレーションシステムを示すシステム構成図である。実施の形態１と同様の構成要素については、同一符号を付与し、その説明を省略する。

本実施の形態におけるコージェネレーションシステムは、負荷履歴初期化器１７をさらに備えている。

次に、このような本実施の形態の動作を説明する。

負荷履歴初期化器１７は、ユーザーの生活習慣の周期が変化した場合に、ユーザーの入力操作により設定器１２で新たな周期値に更新されると、負荷履歴初期化器１７により、それまでに負荷履歴記憶器１３に蓄積された電力需要量データ、熱需要量データ及びこれらの需要量と更新前の所定の周期に対して設定される時間属性データとの対応関係を示すデータが消去され、その後、新たに電力負荷検知器１０及び熱負荷検知器１１で検知された各日の電力需要量データ及び熱需要量データと、更新後の所定の周期に対して設定される時間属性との対応関係を需要予測器１４が、負荷履歴記憶器１３に記憶させる。

本実施の形態のコージェネレーションシステムにおいては、設定器１２により新たな周期が設定されたその日の電力需要量データ及び熱需要量データを周期の第１日目のデータとして負荷履歴記憶器１３に蓄積を開始する。負荷履歴初期化器１７としては、例えば、設定器１２と同様にリモコンや、コージェネレーションシステム本体の本体操作器などに設けられた所定の入力ボタンが用いられても良いし、設定器１２による新たな周期データへの更新を内部的に検知して、負荷履歴記憶器１３に上記データの消去を実行させるＣＰＵ、またはプログラムであっても構わない。

本実施のコージェネレーションシステムの構成およびその動作により、ユーザーの生活習慣が変化した場合でも、以前の生活習慣において得られた電力需要量データ及び熱需要量データに影響されることなく、新たな生活習慣に応じた電力需要量データ及び熱需要量データの予測を実施でき、予測の精度を向上する可能性が高くなる。これにより、個々のユーザーに最適な運転制御を実施され、コージェネレーションシステムの運転によるエネルギー消費量の削減効果が向上することが見込まれる。

なお、本実施の形態はあくまでも例示であり、本発明の技術的範囲を限定する趣旨の記述ではないことを付記する。

（実施の形態３）
本発明の第３の実施の形態におけるコージェネレーションシステムは実施の形態１及び２と同様の構成要素であり図１を用いて説明し、実施の形態１と同様の構成要素については、同一符号を付与し、その説明を省略する。

本実施の形態のコージェネレーションシステムは、需要予測器１４が複数のユーザのそれぞれの生活習慣を考慮した電力需要量や熱需要量を予測することを特徴とする。より具体的には、設定器１２を介して各ユーザーの生活習慣に対応する周期をそれぞれ設定可能なように構成されている。そして、需要予測器１４は、ユーザーの操作によって設定器１２により複数の周期が設定されると、各日の、各設定周期での時間属性と各日の電力需要量データ及び熱需要量データとの対応関係を負荷履歴記憶器に記憶させている。

そして、需要予測器１４は、ニューラルネットワークモデル１００を使用して、各日が有する複数の時間属性に対応する値を入力パラメータとし、各日の所定時間毎（例えば、１時間毎）の負荷需要量実績値を出力パラメータとして学習演算を実行し、重み計数を設定する。そして需要予測器１４は、上記学習演算によって決定された重み係数を用いて予測日における複数の時間属性に対応する入力パラメータを入力して、電力需要量データや熱需要量データを予測する。なお、上記重み係数の設定において、複数のユーザーにより設定された複数の周期のうち最も長い周期に対して所定数周期分の過去の負荷需要実績データを用いて重み係数を学習演算により設定するのが好ましい。

例えば、家庭のあるユーザー（例：親）が設定器１２により自身の生活習慣に対応する第１の周期（例：４日）を設定し、他のユーザー（例：子供）が自身の生活習慣に対応する第２の周期（例：７日）を設定した場合、負荷履歴記憶器１３には、第１の周期に対して設定される第１の時間属性（例：周期内第何日）及び第２の周期に対して設定される第２の時間属性（例：曜日）の組み合わせと負荷需要量実績データ（電力需要量データ及び熱需要量データ）との対応関係が記憶されている。そして、より長い周期である第２の周期に対して４周期分に相当する過去の２８日分の負荷需要実績データを用いて、各日が有する複数の時間属性（例えば、図２の場合、３日に対して設定される時間属性は、水曜日、周期内第３日となる）に対応する値を入力パラメータとし、各日の所定時間毎の負荷需要実績値を出力パラメータとして学習演算が実行され、重み係数が設定される。なお、需要予測器１４は、上記学習演算により重み係数を設定する場合に、実施の形態１と同様に、予測日と同じ第１の時間属性及び第２の時間属性を有する所定日数分の負荷需要量実績データについて学習演算を実行し、結果得られた重み係数を使用して、予測日の負荷需要量データを予測するよう構成されていても構わない。

そして、運転計画器１５は、実施の形態１のコージェネレーションシステムと同様に需要予測器１４により予測された、所定期間（例：予測日の０時〜２４時）における電力需要量および熱需要量の予測データに基づいて、コージェネレーションシステムの発電量、排熱回収量、及び蓄熱量を考慮し、上述のリモコンなどの設定器１２により設定された運転モードにしたがってコージェネレーションシステムの起動・停止時間や運転時間中における発電量などの運転計画を決定する。そして、その決定された運転計画に沿って制御器１６は、コージェネレーションシステムの運転制御を実施する。

本実施のコージェネレーションシステムの構成およびその動作により、コージェネレーションシステムを使用する集合体（例：家庭）に属するユーザーにより個々の異なる生活習慣がある場合に、それぞれの生活習慣に対応する周期を設定器１２を介して入力することで、異なる生活習慣を有する個々のユーザーに適するよう電力需要量および熱需要量の予測を実施することが可能となり、負荷需要量予測の精度をより向上する可能性がある。また、これにより、異なる生活習慣を有する個々のユーザーに最適な運転制御が実施され、コージェネレーションシステムの運転によるエネルギー消費量の削減効果がより向上することが見込まれる。

なお、本実施の形態はあくまでも例示であり、本発明の技術的範囲を限定する趣旨の記述ではないことを付記する。

本発明のコージェネレーションシステムおよびその運転方法によれば、個々のユーザーの生活習慣に適した負荷需要量データの予測が可能になり、負荷需要予測の精度向上により、エネルギー消費量の削減効果の向上が見込まれ、例えば、家庭用の燃料電池コージェネレーションシステム等として有用である。

本発明の第１の実施の形態によるコージェネレーションシステムのシステム構成図 本発明の第１の実施の形態による負荷需要量と所定の周期との関連づけの概念図 本発明の第１の実施の形態によるニューラルネットワークモデルの構成図 本発明の第２の実施の形態によるコージェネレーションシステムのシステム構成図

符号の説明

１ 燃料電池
２ 燃料ガス供給器
３ 酸化剤ガス供給器
４ 冷却水経路
５ 冷却水送出器
６ 冷却水熱交換器
７ 貯湯水経路
８ 貯湯槽
９ 貯湯水送出器
１０ 電力負荷検出器
１１ 熱負荷検出器
１２ 設定器
１３ 負荷履歴記憶器
１４ 需要予測器
１５ 運転計画器
１６ 制御器
１７ 負荷履歴初期化器
１００ ニューラルネットワークモデル

Claims (8)

1. 電気及び熱を発生する熱電併給器と、使用者からの入力に基づき所定の周期を設定する設定器と、前記設定器に設定された前記所定の周期に基づき所定期間における電力負荷の電力需要量データ及び熱負荷の熱需要量データの少なくともいずれか一方を予測する需要予測器と、前記需要予測器により予測された前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれかに基づき前記熱電併給器の運転を計画する運転計画器と、前記運転計画器で計画された運転計画に基づき運転を制御する制御器とを備えることを特徴とするコージェネレーションシステム。
2. 前記所定の周期は、２から１４の何れかの日数であることを特徴とする請求項１に記載のコージェネレーションシステム。
3. 前記電力需要量及び前記熱需要量の履歴を記憶する負荷履歴記憶器を備え、
   前記負荷履歴記憶器に記憶された電力需要量及び熱需要量の過去の履歴を消去する負荷履歴初期化器をさらに備えることを特徴とする請求項１に記載のコージェネレーションシステム。
4. 前記設定された周期と異なる周期が、前記設定器により新たに設定された場合、前記負荷履歴初期化器により前記負荷履歴記憶器に記憶された電力需要量及び熱需要量の過去の履歴が消去されることを特徴とする請求項３記載のコージェネレーションシステム。
5. 前記設定器は、複数の周期を設定可能なように構成され、前記需要予測器は、前記設定器により設定された複数の異なる周期に基づき前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方を予測することを特徴とする請求項１記載のコージェネレーションシステム。
6. 前記需要予測器は、過去の電力需要量データ及び熱需要量データの少なくともいずれか一方に基づく学習結果と、予測日の、前記設定された周期での時間属性に対応する入力データとに基づき前記予測日の所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方を予測する請求項１または５に記載のコージェネレーションシステム。
7. 前記需要予測器は、前記設定された周期の所定数周期分の過去の電力需要量データ及び熱需要量データの少なくともいずれか一方に基づいて前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方を予測する請求項１または５記載のコージェネレーションシステム。
8. 電気及び熱を発生する熱電併給器を備えるコージェネレーションシステムの運転方法であって、使用者の入力操作により所定の周期を設定する設定ステップと、前記設定ステップにて設定された前記所定の周期に基づき、所定期間における電力負荷の電力需要量データ及び熱負荷の熱需要量データの少なくともいずれか一方を予測する需要予測ステップと、前記需要予測ステップにより予測された前記所定期間における電力需要量データ及び熱需要量データの少なくともいずれか一方に基づき前記熱電併給器の運転を計画する運転計画ステップと、前記運転計画ステップで計画された運転計画に基づき運転を制御する制御ステップとを備えることを特徴とするコージェネレーションシステムの運転方法。

Images