JP2011002929A - 分散電力供給システムおよびその制御方法 - Google Patents

Abstract

【課題】エネルギー損失を抑制しながら自然エネルギーを利用した発電における発電出力変動を補完し、各負荷機器の最適な運転計画を作成できるようにする。
【解決手段】分散電力供給システムは、少なくとも太陽光発電装置５２などの自然エネルギー発電装置を含む電力供給装置５３と負荷装置（電気機器５４など）とを有する複数の個別電力供給システム１１，１２，…と、各々の個別電力供給システム１１，１２，…における電力供給装置５３および負荷装置の運転計画を作成するスケジューリング装置３と、個別電力供給システム１１，１２，…にそれぞれに設けられ、スケジューリング装置３から受信した演算ジョブを含む処理を行う計算機５１と、電力供給装置４３および負荷装置の動作状態に応じて各計算機５１に演算ジョブを割り当てるグリッドコンピューティング仲介装置４と、を有する。
【選択図】図１

Description

本発明は、自然エネルギーによる発電装置を含む電力供給装置と負荷装置とを有する個別電力供給システムを複数備える分散電力供給システムとそのシステムにおける制御方法とに関し、特に、各個別電力供給システムでのエネルギー需給を制御することにより省エネルギーやエネルギーコスト削減を行うデマンドサイドマネジメント（ＤＳＭ；demand side management）システムとして構成された分散電力供給システムおよびその制御方法に関する。

商用電源などの電力系統において、ピーク時の電力需要を削減して平準化させたり、トータルでのエネルギーコストの削減、あるいは発電に伴う二酸化炭素（ＣＯ₂）量の削減などのために、電力を消費する負荷装置の動作を制御しあるいはその運転を制限するＤＳＭシステムが構築されてきている。従来のＤＳＭシステムでは、外気温や明るさ、室内における人の有無などの様々な情報に基づいて、設定条件にしたがうように負荷装置を制御あるいはその運転を制限することによって、消費電力を抑制することができる。また電力を消費する負荷装置の一例としてパーソナルコンピュータが挙げられる。パーソナルコンピュータにおいて電力を多く消費する構成要素であるＣＰＵ（中央処理プロセッサ）は、その演算処理を実行するコアを含んでいるが、最近では、１つのＣＰＵに複数のコアを設けるマルチコア(multi-core)化、あるいは多数のコアを設けるメニコア(many-core)化が進んでいる。そのため、ＣＰＵにおける計算負荷を変更し、複数または多数のコアのうちの実際に演算を実行するコアの数を増減させることによって、ＣＰＵにおける細かな消費電力の制御を行うことも可能である。

電力系統には複数の電力供給装置を設けることが可能であって、そのような電力供給装置の中には、太陽光発電装置や風力発電装置などの自然エネルギーを利用して電力を発生するものを含ませてもよい。例えば特許文献１には、複数の電力供給装置を対象として最適な運用計画を作成することにより、エネルギーを有効に利用した運用制御を行うことが可能な分散型エネルギーコミュニティー制御システムが開示されている。電力供給装置と連係して負荷装置のＤＳＭを実施する場合においては、発電量に合わせて電力需要を時間的にシフトさせることなどにより、一層の効果が得られると考えられている。

なお、太陽光や風力などの自然エネルギーを利用した電力供給装置は、その発電出力が気象状況に大きく依存して変化する。そこでそのような電力供給装置を用いる場合には、安定した電力出力を得るために、蓄電池などを併設してシステムを構成していた。その場合には、太陽光発電などで余剰な電力が発生した場合にはその電力を蓄電池に充電し、電力が不足した場合には蓄電池から放電して不足分を補うことになる。

特開２００５−１０２３６４号公報

太陽光発電や風力発電などにおける発電出力変動を抑制するため、蓄電池等の充放電で補完すると充放電に伴う損失が発生する。このような発電出力変動への対応のために、蓄電池以外の他の種類の発電装置を併用することも考えられるが、その場合には、それらの発電装置は、一般に発電効率が低下する部分負荷運転を強いられる可能性が高い。したがって、自然エネルギーを利用した分散電力供給システムでは、エネルギー負荷が小さい時間帯があると、結果的にエネルギー損失が大きくなるという問題がある。

また、利用者の利便性や快適性を損なわないためには、ＤＳＭによって制御可能な負荷装置は限定されており、電力負荷の時間シフトによる十分なエネルギーコスト削減や省エネルギー効果が得られていない。

本発明は、上述した従来技術が有する問題点に鑑みてなされたものであり、エネルギー損失を抑制しながら自然エネルギーを利用した発電における発電出力変動を補完することができる分散電力供給システムおよびその制御方法を提供することを目的とする。

上記目的を達成するために本発明の分散電力供給システムは、少なくとも自然エネルギー発電装置を含む電力供給装置と負荷装置とを有する複数の個別電力供給システムと、複数の個別電力供給システムの各々と通信回線で接続され、各々の個別電力供給システムにおける電力供給装置および負荷装置の運転計画を作成するスケジューリング手段と、複数の個別電力供給システムにそれぞれに設けられ、スケジューリング手段から受信した演算ジョブを含む処理を行う演算手段と、電力供給装置および負荷装置の動作状態に応じて演算手段にジョブを割り当てる制御手段と、を有することを特徴とする。

本発明の分散電力供給システムにおいては、制御手段は、電力供給装置の発電量実績値と発電量計画値とに乖離が生じた時間において、演算ジョブの処理を一時的に中断もしくは演算ジョブの並列処理数を増減する機能を有していてもよい。スケジューリング手段は、過去の実績情報から所定の時間経過後の状態を予測する予測モデルを作成し該予測モデルを学習する機械学習手段と、環境情報を取得し、予測モデルを用いて複数の個別電力供給システムにおける電力需給状態を予測する予測手段と、予測手段の予測結果を用いて所定時間先までの運転計画を生成する最適スケジューリング手段と、を備えていてもよい。さらにスケジューリング手段は、発電量実績値と発電量計画値とに乖離が生じた場合に、電力需給状態を再予測して運転計画を再作成してもよい。

本発明の分散電力供給システムの制御方法は、少なくとも自然エネルギー発電装置を含む電力供給装置と演算手段を含む負荷装置とを有する複数の個別電力供給システムの制御方法において、複数の個別電力供給システムの各々と通信回線で接続されたスケジューリング装置が、各々の個別電力供給システムにおける電力供給装置および負荷装置の運転計画を作成するスケジューリング段階と、制御手段が、電力供給装置および負荷装置の動作状態に応じて演算手段に演算ジョブを割り当てる段階と、演算手段が演算ジョブを受信して該演算ジョブを含む処理を実行する段階と、を有することを特徴とする。

本発明の制御方法においては、電力供給装置の発電量実績値と発電量計画値とに乖離が生じた時間において、演算手段における演算ジョブの処理を一時的に中断もしくは演算ジョブの並列処理数を増減させてもよい。スケジューリング段階は、機械学習手段が、過去の実績情報から所定の時間経過後の状態を予測する予測モデルを作成し該予測モデルを学習する段階と、予測手段が、環境情報を取得し、予測モデルを用いて複数の個別電力供給システムにおける電力需給状態を予測する段階と、最適スケジューリング手段が、予測結果を用いて所定時間先までの運転計画を生成する段階と、を有していてもよい。また、発電量実績値と発電量計画値とに乖離が生じた場合に、電力需給状態を再予測して運転計画を再作成するようにしてもよい。

本発明によれば、分散電力供給システムにおいて、エネルギーロスを抑制しながら自然エネルギー発電の電力を安定に供給することができ、経済性や環境性にとって最適な運転計画および制御を実施することができる。

本発明の実施の一形態の分散電力供給システムの構成の一例を示すブロック図である。 スケジューリング装置の構成及び入出力情報を示すブロック図である。 スケジューリング装置における予測モデルの一例を示す図である。 個別電力供給システムにおける電力需給制御の一例を示す図である。 再スケジューリングの処理を示すフローチャートである。

次に、本発明の実施の形態について、図面を参照して説明する。

図１は、本発明の実施の一形態の分散電力供給システムを示している。この分散電力供給システムでは、商用電力（系統電源）２に対して、図示太線で示す電力線を介して、複数の個別電力供給システム１１，１２，…が接続されるとともに、これらの個別電力供給システム１１，１２，…に対して、図示破線で示す通信回線あるいは通信網を介して、グリッドコンピューティング仲介装置４が接続され、グリッドコンピューティング仲介装置４に対して通信回線を介してスケジューリング装置３が接続されている。

個別電力供給システム１１，１２，…のそれぞれには、商用電力２から電力が供給可能であるとともに、自然エネルギーによって発電する装置である太陽光発電装置５２が商用電力２に対して系統連系可能に設けられ、また、電力供給装置５３も商用電力２に対して系統連系可能に設けられている。そして各個別電力供給システム１１，１２，…には、負荷装置である各種の電気機器５４が設けられ、さらに電力供給装置５３及び電気機器５４を制御する演算手段としての計算機５１が設けられている。計算機５１は、通信回線あるいは通信網により、グリッドコンピューティング仲介装置４に接続している。特に計算機５１は、電力を消費する負荷装置でもあり、後述するように、スケジューリング装置３からグリッドコンピューティング仲介装置４を介して受信した演算ジョブも実行する。電力供給装置５３は、各種蓄電池等からなる電力貯蔵装置であってもよいし、各種の燃料電池やガスエンジン発電機等の発電装置であってもよい。計算機５１としては、通常の様々な用途に使用されている汎用のパーソナルコンピュータ等を用いることができる。

この構成においてスケジューリング装置３は、各個別電力供給システム１１，１２，…における太陽光発電装置５２、電力供給装置５３及び各電気機器５４の運転計画を作成するスケジューリング手段として機能するものである。自然エネルギーによる発電を優先させるために、運転計画上、太陽光発電装置５２は太陽光条件の範囲内において常に最大出力で発電するものとし、したがって、スケジューリング装置３は、電力供給装置５３及び負荷装置（各電気機器５４など）についての個別の具体的な運転計画を作成する。特に本実施形態では、個別電力供給システム１１，１２，…は電力線を介して相互に接続しているので相互に電力の融通が可能であり、スケジューリング装置３はそのことも考慮して運転計画を作成する。

スケジューリングのための演算ジョブを実行する計算機５１は、複数の個別電力供給システム１１，１２，…が設けられていることに対応して分散電力供給システム内に多数が分散配置されているされていることになる。そこでグリッドコンピューティング仲介装置４は、電力供給装置５３および負荷装置（電気機器５４など）の動作状態に応じて、周知のグリッドコンピューティング技術により、スケジューリング装置３から依頼された演算ジョブを各計算機５１に割付ける処理を実行する。また太陽光発電装置５２などでは発電量実績値と発電量計画値とに乖離が生じる場合がある。そこでグリッドコンピューティング仲介装置４は、計画よりも実際の発電量が下回る場合が時間において、計算機５１における演算ジョブの処理を一時的に中断させ、あるいは演算ジョブの並列処理数を増減する機能を有する。

図２は、図１に示したスケジューリング装置の構成及び入出力情報を示している。スケジューリング装置３は、予測モデルを保持して予測を実行する予測部３１と、予測モデルの機械学習を行う機械学習部３２と、予測部３１による予測結果に基づいてスケジューリング及び運転計画の作成を行う最適スケジューリング部３３とを備えている。予測部３１には、気象情報等の環境情報が入力し、機械学習部３２には、各個別電力供給システム１１，１２，…での実績データが入力し、最適スケジューリング部３３にはエネルギー情報が入力する。気象情報とは、翌日および一週間先などの天気予報・気温予報等のことであり、予測部３１は、この情報および後述する予測モデルを用いて、太陽光発電装置５２の発電電力および電力・熱の需要予測を行う。また、エネルギー情報とは、電力の買電・売電価格、電力供給装置５３を構成する発電装置にも使用される天然ガス等の燃料価格、これらの発電装置におけるＣＯ₂排出原単位等のことである。最適スケジューリング部３３は、前述の発電・需要予測結果と受信したエネルギー情報とを用いて、電力供給装置５３と各電気機器（負荷）５４の最適な運転計画の最適スケジューリングを行う。最適とは、各ユーザあるいは全ユーザを対象とし所定の期間におけるエネルギーコストを最小にする、ＣＯ₂排出量を最少にする等の目的に基づいた評価に基づくものであることを意味する。

ところで、前述の発電・需要予測を高速・高精度に実施するために、事前に予測モデルの各種パラメータを実績データ等に基づき調整しておく必要がある。これらパラメータは予測モデルの構成方法によっては膨大な数となるため、機械学習による調整が必要となり、機械学習部３２がこの機械学習による調整を実行する。

以上説明したスケジューリング装置３における各処理のうち、機械学習と最適スケジューリングとは最適化問題を解くことを必要とする処理であるから、分散電力供給システムの規模に応じて、膨大な計算リソースを必要とする。そこでこれらの処理のため、スケジューリング装置３は、これらの処理を並列処理可能なプログラムを有しており、これらの処理を複数の演算ジョブ（タスク）に分割することができる。機械学習の処理を複数の演算ジョブに分割して実行する場合、それらの演算ジョブを各個別電力供給システム１１，１２，…の計算機５１に実行させるものとし、機械学習部３１自体は、処理の演算ジョブへの分割と、分散実行された演算ジョブの処理結果の統合を行い、統合結果に基づいて予測モデルを変更する。同様に、最適スケジューリングの処理を複数の計算機５１で分散実行させる場合には、最適スケジューリング部３３自体は、処理の演算ジョブへの分割と、分散実行された演算ジョブの処理結果の統合を行って最終的な運転計画の出力を行う。また最適スケジューリング部３３は、各計算機への演算ジョブの割り付け計画も生成する。

グリッドコンピューティング仲介装置４は、上述のようにして分割された演算ジョブをスケジューリング装置３から受け取って、これらの演算ジョブを各個別電力供給システム１１，１２，…における計算機５１に割付けることにより、膨大な演算を実行させ、演算結果を各計算機５１から収集してスケジューリング装置３に報告する。

図３は、スケジューリング装置における予測モデルの一例として、太陽光発電量の短時間先予測モデルを示している。太陽光発電では、気象状況によって発電出力が大きく変動する場合がある。一定地域内に太陽光発電装置が分散して設置されていると、近い過去のこれらの発電実績を用いて短時間先の予測が可能である。予測モデルは、例えば、過去の所定の時間帯における個別電力供給システムの各地点ｐ１〜ｐｋの発電実績値を説明変数とし、ある時間帯（例えば時間帯ｔ＋１，ｔ＋２，…）における各地点ｐ１〜ｐｋの太陽光発電量の予測値を目的変数として、構成することができる。これら近い将来の時間帯ごとの予測モデルは、ニューラルネットワークの他、各種回帰モデルで構成することができる。また、周知の機械学習手法を適用して、最新の実績データを教師データとして、随時更新しながら運用することができる。以上説明した予測モデル以外の電力・熱需要予測等や、最適スケジューリングに用いるための長時間にわたる各種予測についても、それぞれに対応した説明変数等を設定し実施することができる。

図４に、個別電力供給システムにおける電力需給制御の一例を示す。ここでは制御対象の負荷装置は、上述したグリッドコンピューティング仲介装置４により演算ジョブが割り付けられて演算処理を実行する計算機５１であるとする。この図に示すように、個別電力供給システムにおける計算機５１は、割り付けられた演算ジョブをコンスタント（一定）ではなく電力需給の状況に応じて処理する。このように並列処理数を変更することにより、計算機５１における消費電力を制御することができる。ここでは、太陽光発電量のみに対応して電力消費量を制御する例を示しているが、他の電気機器や電力負荷も含めた電力需給に対応して電力消費量の制御を行ってもよい。また、計算機だけでなく制御可能な電気機器とも併せて電力需給制御を実施してもよい。

ところで、本実施形態の場合、個別電力供給システム１１，１２，…の計算機５１では、電力需給状態に応じて並列処理数を変更するため、演算処理が遅延する場合が生じる。そこで本実施形態では、演算処理の進捗状況において再スケジューリングを行うものとする。図５は、スケジューリング装置３における再スケジューリングの処理を示している。

グリッドコンピューティング仲介装置４は、演算ジョブの進捗状況を監視し（ステップ１０１）、演算ジョブ処理の遅延の有無を判定する（ステップ１０２）。この判定では、実績だけではなく、各個別電力供給システムの太陽光発電および電力需要の短時間先予測モデルを用いて、近い将来の演算完了見込みを考慮してもよい。演算に支障が出ると判断されるほどの遅延が発生すると、各個別電力供給システムの電力需給を短時間先予測モデルを用いて予測し（ステップ１０３）、所定時間先までにおける演算ジョブを含む運転計画の再スケジューリングを実施する（ステップ１０４）。そして、このスケジューリング結果に基づき、個別電力供給システム１１，１２，…の計算機５１へ演算ジョブの再配分を行う（ステップ１０５）。

以上説明した実施形態においては、本発明における構成およびフローの一例を示したが、本発明はこれらに限定されるものではなく、多様な装置構成、様々な入力情報、および様々な手法による演算を組み合わせて実施することができる。グリッドコンピューティング仲介装置が個別電力供給システムの計算機に割り付ける演算ジョブは、実施形態で説明した電力供給システムを運用制御するための演算だけでなく、各種データ解析等の学術計算の演算ジョブを含んでいてもよく、そのような学術計算などの演算ジョブも含めて各計算機における並列処理数を電力需給に応じて制御してもよい。

２ 商用電力
３ スケジューリング装置
４ グリッドコンピューティング仲介装置
１１，１２，１３，… 個別電力供給システム
３１ 予測部
３２ 機械学習部
３３ 最適スケジューリング部
５１ 計算機
５２ 太陽光発電装置
５３ 電力供給装置
５４ 電気機器
１０１〜１０５ ステップ

Claims (8)

1. 少なくとも自然エネルギー発電装置を含む電力供給装置と負荷装置とを有する複数の個別電力供給システムと、
   前記複数の個別電力供給システムの各々と通信回線で接続され、各々の個別電力供給システムにおける前記電力供給装置および前記負荷装置の運転計画を作成するスケジューリング手段と、
   前記複数の個別電力供給システムにそれぞれに設けられ、前記スケジューリング手段から受信した演算ジョブを含む処理を行う演算手段と、
   前記電力供給装置および負荷装置の動作状態に応じて前記演算手段に演算ジョブを割り当てる制御手段と、
   を有することを特徴とする分散電力供給システム。
2. 前記制御手段は、前記電力供給装置の発電量実績値と発電量計画値とに乖離が生じた時間において、前記演算ジョブの処理を一時的に中断もしくは演算ジョブの並列処理数を増減する機能を有することを特徴とする請求項１に記載の分散電力供給システム。
3. 前記スケジューリング手段は、
   過去の実績情報から所定の時間経過後の状態を予測する予測モデルを作成し該予測モデルを学習する機械学習手段と、
   環境情報を取得し、前記予測モデルを用いて前記複数の個別電力供給システムにおける電力需給状態を予測する予測手段と、
   前記予測手段の予測結果を用いて所定時間先までの運転計画を生成する最適スケジューリング手段と、
   を有することを特徴とする請求項１または２に記載の分散電力供給システム。
4. 前記スケジューリング手段は、発電量実績値と発電量計画値とに乖離が生じた場合に、電力需給状態を再予測して運転計画を再作成することを特徴とする、請求項３に記載の分散電力供給システム。
5. 少なくとも自然エネルギー発電装置を含む電力供給装置と演算手段を含む負荷装置とを有する複数の個別電力供給システムの制御方法において、
   前記複数の個別電力供給システムの各々と通信回線で接続されたスケジューリング装置が、各々の個別電力供給システムにおける前記電力供給装置および前記負荷装置の運転計画を作成するスケジューリング段階と、
   制御手段が、前記電力供給装置および負荷装置の動作状態に応じて前記演算手段に演算ジョブを割り当てる段階と、
   前記演算手段が前記演算ジョブを受信して該演算ジョブを含む処理を実行する段階と、
   を有することを特徴とする分散電力供給システムの制御方法。
6. 前記電力供給装置の発電量実績値と発電量計画値とに乖離が生じた時間において、前記制御手段が前記演算手段における前記演算ジョブの処理を一時的に中断もしくは演算ジョブの並列処理数を増減させることを特徴とする請求項５に記載の制御方法。
7. 前記スケジューリング段階は、
   機械学習手段が、過去の実績情報から所定の時間経過後の状態を予測する予測モデルを作成し該予測モデルを学習する段階と、
   予測手段が、環境情報を取得し、前記予測モデルを用いて前記複数の個別電力供給システムにおける電力需給状態を予測する段階と、
   最適スケジューリング手段が、前記予測結果を用いて所定時間先までの運転計画を生成する段階と、
   を有することを特徴とする請求項５または６に記載の制御方法。
8. 発電量実績値と発電量計画値とに乖離が生じた場合に、電力需給状態を再予測して運転計画を再作成することを特徴とする、請求項７に記載の制御方法。

Images