JP2011024314A - 需要予測装置、プログラムおよび記録媒体 - Google Patents

Abstract

【課題】時刻間の相関を考慮した適切な需要予測を行なう。
【解決手段】需要予測演算処理部５は、指定済みの電力需要予測対象日における指定済みの電力需要予測対象時刻のうち最も早い時刻を選択し、この選択した時刻の気象予測データを入力する。需要予測演算処理部５は、選択済みの時刻の予測モデルのデータを読み出し、選択済みの電力需要予測対象時刻以前の所定の時刻における電力需要予測結果を入力する。需要予測演算処理部５は、入力した気象予測データおよび電力需要予測結果および選択済みの時刻の予測モデルをもとに、選択済みの時刻の電力需要予測値を演算する。需要予測演算処理部５は、演算後、次の電力需要予測対象時刻がある場合は、電力需要演算結果を、当該次の時刻の電力需要予測のための入力データとして複写する。
【選択図】 図１３

Description

本発明は、電力などの需要予測を行なうための需要予測装置、プログラムおよび記録媒体に関する。

将来の電力需要や商品需要を予測することは、発電計画や販売計画を作成する上で重要である。
特に電力需要については、起動する発電機を決定するために翌日の最大電力需要を予測することが非常に必要であり、このために過去の電力需要の実績や翌日の最高気温の予測値などから回帰分析等を用いて最大電力需要を予測している。

一方、最大電力需要だけでなく、朝方の電力需要の立ち上がりや昼休みの電力需要の低下も発電機の運転計画作成のために重要である。このため、一日の電力需要量の変化である時系列データ、例えば１時間ごとの２４点でなる時系列データを予測する必要がある。

このような、時系列データを予測する分野の技術としては、例えば特許文献１に開示される電力総需要量予測装置がある。この装置は、気温および湿度のデータと過去の電力需要データから将来の電力総需要量を予測する。この装置は、一日の電力総需要量を予測し、ニューラルネットなどの手法を用いて誤差を補正している。すなわち、この装置は、気温の変動が大きい場合など、誤差に特定の傾向がある場合に、この誤差をニューラルネットなどの方法で見出して補正する。

また、前述した、時系列データを予測する分野の技術の別の例として、例えば特許文献２に開示されるような需要予測装置がある。この装置は、気象情報をもとに将来の一定期間の毎時の電力需要を予測する。予測モデルとしては、一例として回帰モデルを用いるとしており、入力データは、その時点で入手可能な最新の需要実績などとしている。また、この装置は、予測の精度を向上させるために直近の気象データを用いて予測値を刻々と修正する。

上述のように、従来の技術においては、最大需要の予測においても毎時の需要の予測においても特定の予測モデルを用いており、各時刻、各日の予測モデルは独立である。実際の電力需要では、一日の各時刻の需要が相互に関連している。すなわち、何らかの原因で朝方の電力需要が大きくなれば昼のピークの電力需要も大きくなる傾向が見られる。例えば、夏場に朝の気温が高ければ空調に起因する朝方の電力需要が増加し、仮に昼から気温が下がっても大きな電力需要が継続する場合もある。このような場合、各時刻について単独に予測を行なうと過去の履歴が考慮できないため予測結果である電力需要と実際の需要との誤差が大きくなるという問題がある。

一方、一日分の需要カーブをパターンとして予測するという手法もある。代表的なものとして、例えば特許文献３に開示されるような、ニューラルネットワークを用いた技術がある。この技術では、出力データとして各時刻の需要予測値が同時に得られるため、各時刻の需要の関連は予測モデルに内在している。この装置では、ある時刻と別の特定の時刻との関連だけを取り出して、これらの時刻の需要の因果関係を特定するためには、そのための予測モデルを別途作成する必要がある。

一方、他の手法により各時刻間の関連を考慮した技術としては、例えば特許文献４に開示されるように、単位時間間隔の連続性を考慮して需要予測を行なうために、過去の気温データを平均化して使用するものがある。これによって室内気温が室外気温よりも時間遅れを持って変化することによる需要変化の時間遅れを考慮している。しかし、この方法は、需要への影響理由の具体的な考察に基づくものであるので、いつでも定式化が行なえるとは限らない。

特開平５−１８９９５号公報 特開２００７−４７９９６号公報 特開平１０−８００６２号公報 特開２００５−５６１０３号公報

前述のように、従来の技術においては、電力需要などの時系列データを例えば１時間ごとに２４点で予測する場合に、各時刻の相関を考慮するためには特別の定式化を行なうか、２４点を出力とするニューラルネットワークを用いる必要があった。

しかし、前述した特別の定式化については、気温のように物理的な現象の定式化は可能であるが、原因が不明である理由によって需要が変化した場合などに時刻間の相関を考慮することができなかった。また、ニューラルネットワークの使用については、当該ニューラルネットワークの入力と出力の関係の解釈が困難であるという問題があった。

また、２４点で予測する場合には、入力データも各時刻について用意する必要があるので、最大需要のみの予測に比べて入力データが大幅に増加するが、現実的にはこれらのデータを用意することは困難である。このように２４点で予測する場合には、１点で予測する場合と比較した計算時間は単純には２４倍になるが、もし、各時刻の関連を考えた場合には入力データがさらに増加することになるので、予測のためにニューラルネットワークを用いる場合などは、計算時間は１点で予測する場合と比較して前述した２４倍よりもはるかに大きくなる。

そこで、本発明の目的は、時刻間の相関を考慮した適切な需要予測を行なうことが可能になる需要予測装置、プログラムおよび記録媒体を提供することにある。

すなわち、本発明に係わる需要予測装置は、需要の将来の時系列データの予測において１日のうちの複数の時刻の需要を予測する場合に、需要予測対象時刻の需要予測のための入力データおよび前記需要予測対象時刻以前の所定の時刻の需要の予測結果を前記需要予測対象時刻の需要予測のための入力データの一部として入力する入力手段と、前記入力手段による入力結果を用いて前記需要予測対象時刻の需要の予測値を計算する需要予測手段とを備えたことを特徴とする。

本発明によれば、時刻間の相関を考慮した適切な需要予測を行なうことができる。

電力の最大需要および最小需要にもとづいた電力需要の従来の予測手法の一例を示す図。 一時間毎の２４時間分の電力需要の電力需要の従来の予測手法の一例を示す図。 電力需要の従来の予測結果と誤差との関係の一例を示す図。 電力需要の従来の予測結果と予測対象日当日の現在までの需要の実績を示す図。 従来の電力需要予測の手法の第１の例を示す図。 従来の電力需要予測の手法の第２の例を示す図。 本発明の実施形態におけるエネルギー需要予測装置による２４時間分の電力需要予測の手法の第１の例を示す図。 本発明の実施形態におけるエネルギー需要予測装置による２４時間分の電力需要予測の手法の第２の例を示す図。 従来のエネルギー需要予測装置の機能構成の一例を示す図。 本発明の実施形態におけるエネルギー需要予測装置の機能構成の一例を示す図。 異なる時刻間の電力需要の相関関係の第１の例を示す図。 異なる時刻間の電力需要の相関関係の第２の例を示す図。 本発明の実施形態におけるエネルギー需要予測装置の構成例を示すブロック図。 本発明の実施形態におけるエネルギー需要予測装置による処理動作の一例を示すフローチャート。 本発明の実施形態におけるエネルギー需要予測装置による各種モードにおける入力データの種別と使用モデルの種別の関係を表形式で示す図。

以下図面により本発明の実施形態について説明する。
本実施形態では、電力の時系列データの需要予測を例として説明するが、他のエネルギーの需要予測やエネルギー以外の需要予測、例えば商品の販売需要予測にも適用可能である。
一日のうち何点の時刻における需要値を予測する必要があるかは、予測の目的の違いもあるが、方法論や考え方、計算の手間なども大きく異なる。最終的には１時間ごとの需要予測値、場合によっては、さらに短い時間ごとの需要予測値が必要である。通常は、最大需要値や最小需要値等の２点ないし数点で予測を行ない、この予測結果をもとに過去の電力需要の負荷曲線の傾向が類似する日を選択して、この日の電力需要の負荷曲線をもとに電力需要の予測対象日の一日分の電力需要の負荷曲線を推定する手法が取られている。近年になって細かい時間間隔での予測の必要性が高まってきたため、予測対象日の１時間ごとの２４点で予測する方法が検討されつつある。

図１は、電力の最大需要および最小需要にもとづいた電力需要の従来の予測手法の一例を示す図である。
図１で示される横軸は時間であり、この横軸の左端が午前０時で、右端が２４時である。以下の図の横軸も同様である。図１の場合、電力需要予測対象日の電力の最小需要予測値１０１（Ｄ_bottom）と最大需要予測値１０２（Ｄ_peak）を予測し、電力需要の過去の一日分の負荷曲線１０３，１０４，１０５などを前述した各種需要予測値に当てはめた上で、これらのうち最も当てはまりの良い負荷曲線１０３を選択することにより電力需要予測対象日の一日２４時間分の電力需要値を予測する。

この場合、予測すべき需要値は２つであり、これらの予測は容易であるが、電力需要予測対象日の電力需要の負荷曲線の詳細を予測することはできない。なお、図１における最小需要予測値１０１および最大需要予測値１０２のＩ字型の印は誤差の範囲を示している。

図２は、一時間毎の２４時間分の電力需要の電力需要の従来の予測手法の一例を示す図である。
図２に示した例では、電力需要予測対象日の一時間の各時刻である２４点のそれぞれについて電力需要値２０１をそれぞれ予測し、これらの値に基づいて電力需要の最終的な負荷曲線２０２を得る。この方法では、各時刻の予測モデルの精度が良ければ前述した負荷曲線を詳細に予測できるが、２４点で予測をする必要があるため、この２４点に対応する各時刻について入力データが必要であり計算も煩雑になる。また、各時刻の予測値には実際の需要値に対する誤差も当然に含まれており、全体の誤差の考慮が困難である問題がある。

図３は、電力需要の従来の予測結果と誤差との関係の一例を示す図である。
図３に示した例では、各時刻の予測結果から電力需要予測対象日の電力需要の負荷曲線３０１が予測出来たとしても、通常は、実際の電力需要を示す負荷曲線３０２や負荷曲線３０３は、予測された負荷曲線３０１からずれていることを示している。負荷曲線３０１は、その季節の平均的な負荷曲線と考えてもよい。

一般的には、図３中の、第１の電力需要予測対象日の実際の負荷曲線３０２で示されるように、朝方の実際の電力需要が予測値（平均値）よりも小さければ、この実際の電力需要の値は昼にも予測値より小さいままである場合がある。また、図３中の第２の電力需要予測対象日の実際の負荷曲線３０３で示されるように、朝方の実際の電力需要が予測値よりも大きければ、実際の電力需要の値は昼にも予測値より大きいままである場合がある。

この場合、例えば、図３に示した「時刻２」における需要予測値３０４（Ｄ_２）、「時刻５」における需要予測値３０５（Ｄ_５）、および「時刻８」における需要予測値３０６（Ｄ_８）は相互に関係を有することになる。従って、各時刻の電力需要の予測を行なう場合には、これらの関係を考慮することが重要となる。

場合によっては、図３中の第３の電力需要予測対象日の実際の負荷曲線３０７で示されるように、実際の電力需要値は、朝方は予測値よりも小さくなり、午後になると予測値よりも大きくなる場合も考えられる。

しかし、この場合も、図３に示すように、近い時刻の間では需要予測値Ｄ_２が負荷曲線３０７上の同時刻の電力需要値より大きければ、需要予測値Ｄ_５も負荷曲線３０７上の同時刻の電力需要値より大きいといった関係が見られるのが普通である。また、需要予測値Ｄ_２が負荷曲線３０７上の同時刻の電力需要値大きければ需要予測値Ｄ_８が負荷曲線３０７上の同時刻の電力需要値より小さいといった関係が見られることもありうる。従って、このような関係を予測モデルに組み込むことで予測精度を向上させることが可能になる。

図４は、電力需要の従来の予測結果と予測対象日当日の現在までの需要の実績を示す図である。
図４に示した例では、電力需要の予測対象日当日の現在までの需要の実績が得られた場合の負荷曲線を示している。図４に示した負荷曲線４０１は、電力需要予測対象日の前日以前に得た予測結果であるが、この予測対象日の当日になると実際の電力需要が、予測対象日当日の朝方から現在まで負荷曲線４０２のように推移したとする。

この場合、予測対象日当日の現在以降の予測結果を、負荷曲線４０１で示される予測結果から修正する必要がある。この修正を当日補正と呼ぶ。当日補正では現在からみて直前の電力需要値データを利用する事は当然であるが、それをもとに近未来の電力需要をいかにして予測するかに関しては以下のような困難がある。

もし、予測対象日前日の予測において需要予測を各時刻について単独に実施していた場合、将来の需要を予測するためには当該将来の気温などのデータが必要になる。この将来の気温の予測値は毎時ごとに公表されるわけではなく、将来の気温データが得られない場合には、需要予測値は前日に実施した予測結果と同じ結果になる。従って、負荷曲線を単純に平行移動したり、朝方の気温が１℃高ければ昼の電力需要が朝からどれだけ大きくなるといった、熟練者の経験に頼った修正を行ったりすることになる。

さらに予測の精度を上げるためには、季節ごとや時間ごとに過去のデータを整理して統計的に処理することもできるが、処理が煩雑であり、例えば１時間ごとの細かい予測には向かない。

また、他の方法としては、将来の気温を予測することが挙げられる。電力事業者によって過去の気温データから数時間先の気温を予測することは実際になされているが、これは気象予測自体に関する技術であり、電力需要の予測の精度は、この気温の予測の精度に左右されることになる。

また、ニューラルネットを用いて２４時間分の電力需要の予測を行なっている場合にも同様な困難があり、特にニューラルネットにより２４時間分の電力需要を同時に予測している場合、このニューラルネットによる一日の部分的な時刻の電力需要の予測は困難である。

図５は、従来の電力需要予測の手法の第１の例を示す図である。図６は、従来の電力需要予測の手法の第２の例を示す図である。
これまでの手法では各時刻について個別に電力需要の予測を行なっていたか、すべての時刻の電力需要値をまとめて予測することが普通であり、予測を行なう順番に関しても特に制約はない。各時刻間の相関を考慮する場合も、図５に示した入力データ、例えば将来の気温を予測するというものであった。

図５に示した予測モデルを数式で示すと以下のようになる。

Ｄ_１＝ｆ_２（時刻１の気温、時刻１の湿度、時刻１の天候、…）
Ｄ_２＝ｆ_２（時刻２の気温、時刻２の湿度、時刻２の天候、…）
…
Ｄ_２３＝ｆ_２３（時刻２３の気温、時刻２３の湿度、時刻２３の天候、…）
Ｄ_２４＝ｆ_２４（時刻２４の気温、時刻２４の湿度、時刻２４の天候、…）
ここで、Ｄ_ｉ（ｉ＝１〜２４）は時刻ｉの需要の予測結果であり、ｆ_ｉ（ｉ＝１〜２４）は、時刻ｉの電力需要値の予測モデルである。

図７は、本発明の実施形態におけるエネルギー需要予測装置による２４時間分の電力需要予測の手法の第１の例を示す図である。
図８は、本発明の実施形態におけるエネルギー需要予測装置による２４時間分の電力需要予測の手法の第２の例を示す図である。
このエネルギー需要予測装置では、基本的に時間ごとに順々に電力需要値の予測を行なう。

図７に示した例では、２４時間分の電力需要値予測のために２４の予測モデルを用い、それぞれの予測モデルは、当該モデルによる予測対象時刻の１時間前の電力需要の予測結果を入力データとして用いている。例えば、予測モデルに１時間前の需要の予測結果を入力とする場合を式で表すと以下のようになる。

Ｄ_１＝ｆ_１（時刻１の気温、時刻１の湿度、…、前日の時刻２４の需要予測結果）
Ｄ_２＝ｆ_２（時刻２の気温、時刻２の湿度、…、時刻１の需要予測結果）
…
Ｄ_２３＝ｆ_２３（時刻２３の気温、時刻２３の湿度、…、時刻２２の需要予測結果）
Ｄ_２４＝ｆ_２４（時刻２４の気温、時刻２４の湿度、…、時刻２３の需要予測結果）
ここで、Ｄ_ｉ（ｉ＝１〜２４）は時刻ｉの電力需要値の予測結果であり、ｆ_ｉ（ｉ＝１〜２４）は、時刻ｉの電力需要値の予測モデルである。

予測対象時刻以前の時刻の電力需要の予測結果を入力データとする場合、必ずしも予測対象時刻より１時間前のデータを用いる必要はない。図８に示した例では、５時の電力需要値の予測には、当該５時より２時間早い３時の電力需要値の予測結果を用い、１８時の電力需要値の予測には当該１８時より６時間早い１２時の電力需要値の予測結果を入力データとして用いている。また、図８に示した例では、２０時の電力需要値予測には、当該２０時以前の電力需要値のデータは入力データとして用いていない。

図９は、従来のエネルギー需要予測装置の機能構成の一例を示す図である。図１０は、本発明の実施形態におけるエネルギー需要予測装置の機能構成の一例を示す図である。
図９に示したように、従来のエネルギー需要予測装置は、気象データやその他のデータを入力データとして、この入力データをもとに、需要予測処理により需要予測結果を得る。

一方、図１０に示したように、本発明の実施形態におけるエネルギー需要予測装置は、需要予測のためのモードを切り替え部により事前予測モード及び当日補正モードの間で切り替え可能である。
このエネルギー需要予測装置は、モードが事前予測モードである場合には、予測対象時刻以前の時刻の需要予測結果データおよび気象予測値を入力データとし、この入力データおよび当該予測対象時刻に対応する予測モデルをもとに需要予測処理を行い、この需要予測結果を複写して次の予測対象時刻における需要予測のための入力データとして再利用する。

また、このエネルギー需要予測装置は、モードが当日補正モードである場合には、前述した予測対象時刻以前の時刻の需要予測結果データに代えて、予測対象日当日の例えば朝方から当該予測対象時刻以前の所定の時刻までの需要実績データを入力データとして用いて需要予測処理を行なう。

この場合、同じ予測対象時刻における需要予測においては、モードが事前予測モードである場合と当日補正モードである場合では入力データが異なる一方で同じ予測モデルが利用可能である。
前述した再利用するデータとしては、最も相関の強い時刻のデータを用いてもよいし、相関が比較的小さいデータを用いてもよい。

図１１は、異なる時刻間の電力需要の相関関係の第１の例を示す図である。図１２は、異なる時刻間の電力需要の相関関係の第２の例を示す図である。
図１１は、９時の電力需要量と１０時の電力需要量の関係を示し、図１２は、１０時の電力需要量と１５時の電力需要量の関係を示している。
図１１に示すように、ある時刻の電力需要と１時間前の電力需要との相関は非常に強いため、予測対象時刻の１時間前の需要予測値を当該予測対象時刻の電力需要の予測のための入力データに用いることは有効である。しかし、発電機の起動準備には数時間かかることが多いため、予測対象時刻の１時間前の需要予測値をもとに当該予測対象時刻の電力需要の予測を行なったとしても、運用に生かすことが出来ない。よって、ある予測対象時刻の電力需要予測は通常は当該予測対象時刻の数時間前またはそれ以前に行なわれる。

このように、予測対象時刻の１時間前の電力需要実績値を当該予測対象時刻の電力需要の予測のための入力データとすることは困難であるが、同じく予測対象時刻の１時間前における電力需要予測値であれば当該予測対象時刻の電力需要の予測のための入力データとして用いることが可能である。また、発電機の起動性が非常に高く、１時間以内で起動可能である場合には、予測対象時刻の１時間前に予測を行なう場合もありうる。この場合には、予測対象時刻の１時間前の電力需要予測値の代わりに当該１時間前の電力需要実績値を入力データとして用いることができる。

図１３は、本発明の実施形態におけるエネルギー需要予測装置の構成例を示すブロック図である。
図１３に示すように、本発明の実施形態におけるエネルギー需要予測装置は、装置全体の処理を司る制御部１、記憶装置２、キーボードやマウスなどの入力装置３、液晶ディスプレイなどの表示装置４、需要予測演算処理部５、複写処理部６および切り替え処理部７を備え、それぞれがバス８を介して相互に接続される。

記憶装置２は、例えば不揮発性メモリなどの記憶媒体であり、需要予測演算処理部５、複写処理部６、切り替え処理部７による処理動作のためのプログラムや、所定の日付の所定の時刻に対応する予測モデルのデータを記憶する他、入力データ記憶部２１、需要予測結果記憶部２２および需要実績データ記憶部２３を有する。この予測モデルは回帰分析のための予測演算式であってもよいし、ニューラルネットワークであってもよい。

需要予測演算処理部５は、予測対象時刻の温度予測値や湿度予測値などの入力データおよび記憶装置２に格納される、予測対象時刻に対応する所定の予測モデルを用いて、当該予測対象時刻の電力需要値を予測する。

記憶装置２の入力データ記憶部２１は、各日付の各時刻の気温や湿度などの気象予測値といった、電力需要予測のための入力データを記憶する。
記憶装置２の需要予測結果記憶部２２は、需要予測演算処理部５による、各日付の所定の時刻の電力需要予測結果を記憶する。
記憶装置２の需要実績データ記憶部２３は、過去から現在までの各日付の所定の時刻の実際の電力需要値を記憶する。

複写処理部６は、ある予測対象時刻の電力需要予測値を当該予測対象時刻以後の異なる予測対象時刻の電力需要の予測のための入力データとして複写する機能を有する。
切り替え処理部７は、ある予測対象時刻の電力需要にかかるモードを事前予測モードおよび当日補正モードの間で切り替える機能を有する。

事前予測モードとは、需要予測対象時刻が属する需要予測対象日の前日以前に当該需要予測対象時刻の需要予測を行なうためのモードであり、当日補正モードとは、事前予測モードにて求めた、ある需要予測対象時刻の需要予測値を、この需要予測対象時刻が属する需要予測対象日当日に得られる同じ予測対象時刻の最新の気象データなどを用いて補正するためのモードである。これらのモードは、ユーザが入力装置３への所定の操作を行なうことで任意に変更可能である。

このエネルギー需要予測装置は、ハードウェア構成、またはハードウェア構成とソフトウェア構成との組合せにより実現可能である。後者の場合、ソフトウェア構成は、予めコンピュータ読み取り可能な記憶媒体またはネットワークから得られたプログラムがコンピュータにインストールされることにより、エネルギー需要予測装置としての各機能が実現される。

次に、図１３に示した構成のエネルギー需要予測装置の動作について説明する。図１４は、本発明の実施形態におけるエネルギー需要予測装置による処理動作の一例を示すフローチャートである。図１５は、本発明の実施形態におけるエネルギー需要予測装置による各種モードにおける入力データの種別と使用モデルの種別の関係を表形式で示す図である。ここで、各日付における各時刻の温度や湿度などの最新の気象予測データは外部装置から読み込まれて記憶装置２の入力データ記憶部２１に記憶されているとする。

まず、ユーザは、入力装置３を用いて、電力需要予測対象日および当該予測対象日における電力需要予測対象時刻を指定する（ステップＳ１）。ここでは、翌日が電力需要予測対象日として指定され、この日の２４時間のうち所定の複数の時刻が電力需要予測対象時刻として指定されるとする。また、需要予測対象時刻として指定される複数の時刻は、所定時間間隔の時刻であってもよいし、ユーザが任意にそれぞれ指定した時刻であってもよい。

すると、需要予測演算処理部５は、現在のモードが事前予測モードである場合には（ステップＳ２のＹＥＳ）、指定済みの電力需要予測対象時刻のうち、電力需要予測がなされていない最も早い時刻を選択し、この選択した時刻の気象予測データを記憶装置２の入力データ記憶部２１から読み出して入力する（ステップＳ３）。

そして、需要予測演算処理部５は、選択済みの電力需要予測対象時刻の予測モデルのデータを記憶装置２から読み出す。この予測モデルには、当該予測モデルに対応する時刻の電力需要値の予測のために当該時刻以前の所定時刻における電力需要予測結果が必要であるか否かを示す需要予測結果要否情報が含まれる。需要予測演算処理部５は、この情報を参照することで、選択済みの電力需要予測対象時刻以前の所定の時刻における電力需要予測結果が必要であるか否かを判別する（ステップＳ４）。

需要予測演算処理部５は、ステップＳ４の処理で「ＹＥＳ」と判別した場合には、前述した選択済みの電力需要予測対象時刻以前の所定の時刻における電力需要予測結果を記憶装置２の需要予測結果記憶部２２から読み出して入力する（ステップＳ５）。

そして、需要予測演算処理部５は、ステップＳ３の処理で入力した気象予測データおよびステップＳ５の処理で入力した電力需要予測結果および選択済みの電力需要予測対象時刻に対応する予測モデルのデータをもとに、選択済みの電力需要予測対象時刻の電力需要予測値を演算する（ステップＳ６）。

また、需要予測演算処理部５は、ステップＳ４の処理で「ＮＯ」と判別した場合には、前述したステップＳ５の処理を省略し、ステップＳ３の処理で入力した気象予測データおよび選択済みの電力需要予測対象時刻の予測モデルのデータをもとに、選択済みの電力需要予測対象時刻の電力需要予測値を演算する（ステップＳ４→Ｓ６）。

需要予測演算処理部５は、ステップＳ６の処理による電力需要予測値の演算後、次の電力需要予測対象時刻がある場合、つまり前述のように指定された全ての電力需要予測対象時刻の電力需要予測が終了していない場合には（ステップＳ７のＹＥＳ）、この次の時刻を選択する。

そして、需要予測演算処理部５は、当該選択した時刻に対応する予測モデルを記憶装置２から読み出して、当該モデルの需要予測結果要否情報を参照することで、この時刻の電力需要値の予測のために、この時刻以前の所定の時刻である、前回選択された電力需要予測対象時刻における電力需要予測結果が必要であるか否かを判別する（ステップＳ８）。

ステップＳ８の処理で「ＹＥＳ」と判別された際は、複写処理部６は、ステップＳ６の処理により演算された電力需要予測値を、前述した次の時刻の電力需要予測のための入力データとして記憶装置２の入力データ記憶部２１に複写する（ステップＳ９）。
ステップＳ９の処理後、もしくはステップＳ８の処理で「ＮＯ」と判別された際は、前述した次の時刻についてのステップＳ１以降の処理がなされる。

一方、需要予測演算処理部５は、現在のモードが当日補正モードである場合には（ステップＳ２のＮＯ）、当日の電力需要予測対象時刻のうち、電力需要予測値の当日補正がなされていない最も早い時刻を選択し、この選択した時刻の最新の気象予測データを記憶装置２の入力データ記憶部２１から読み出して入力する（ステップＳ１０）。

そして、需要予測演算処理部５は、選択済みの電力需要予測対象時刻の予測モデルのデータを記憶装置２から読み出す。この予測モデルのデータには、当該予測モデルに対応する時刻の電力需要値の予測のために当該対応する時刻以前の所定の時刻における電力需要実績データが必要であるか否かを示す需要実績データ要否情報が含まれる。需要予測演算処理部５は、この情報を参照することで、選択済みの電力需要予測対象時刻以前の所定の時刻における電力需要実績データが記憶装置２の需要実績データ記憶部２３に記憶されているか否かを判別する（ステップＳ１１）。ステップＳ１１の処理で「ＮＯ」と判別された場合には、処理が終了する。

需要予測演算処理部５は、ステップＳ１１の処理で「ＹＥＳ」と判別した場合には、前述のように読み出した予測モデルで示される、選択済みの電力需要予測対象時刻以前の所定の時刻における電力需要実績データを記憶装置２の需要実績データ記憶部２３から読み出して入力する（ステップＳ１２）。

そして、需要予測演算処理部５は、ステップＳ１０の処理で入力した気象予測データおよびステップＳ１２の処理で入力した、選択済みの電力需要予測対象時刻以前の所定の時刻における電力需要実績データおよび当該電力需要予測対象時刻の予測モデルのデータをもとに、選択済みの電力需要予測対象時刻の電力需要予測値を演算する（ステップＳ１２→Ｓ６）。これにより、既に求めた電力需要予測値の当日補正がなされる。
また、ステップＳ７の処理で「ＮＯ」と判別された、つまり指定された全ての電力需要予測対象時刻の電力需要予測が終了した場合には、処理が終了する。

以上のように、本発明の実施形態におけるエネルギー需要予測装置では、ある需要予測対象時刻における気象予報値などの入力データおよび当該時刻に対応する予測モデルをもとに当該時刻における需要予測値を演算し、この演算した需要予測結果を、当該時刻より後の需要予測対象時刻における需要予測値の演算のための入力データとして複写し、このデータおよび当該後の時刻の気象予報値などの入力データおよび当該後の時刻に対応する予測モデルをもとに当該後の時刻における需要予測値を演算するので、各時刻間の相関を考慮した適切な需要予測を行なうことができる。

また、ある需要予測対象日の需要予測対象時刻の需要予測値を演算した上で、この需要予測値を需要予測対象日当日になった際に補正する必要がある場合には、補正対象の電力需要値にかかる需要予測対象時刻以前の所定の時刻までの需要実績データをもとに需要予測値の補正を行なうことができるので、需要予測の精度を向上できる。

この実施形態では、各時刻の電力需要の演算のための予測モデルとしては従来の予測モデルをそのまま利用可能であるので新たな予測モデルを用意する必要はない。また、前日までに行なう予測のための予測モデルと同じ予測モデルを当日修正に使用可能である。よって、需要の予測にかかる時間の増加に伴う計算時間の増加の程度が著しく小さくなり、２４時間あるいは任意の時刻ごとの需要予測を容易に行なうことができる。

以上述べたように、本実施形態では、予測モデルを自由に組み合わせることが可能であり、さらに各時刻の予測モデルは図６に示すように同一でもよいし図５に示すように別々でもよい。
また、ある予測対象時刻における需要値の予測のために用いる当該時刻以前の入力データとしては電力需要値自体の予測値だけでなく、需要の変化率の予測値であってもよいし、需要と気温の関数であってもよい。

本発明の実施形態における予測モデルでは、ある時刻の予測モデルの入力データに、過去の予測値あるいは実績値を用いるわけであるが、いつの時刻を用いるべきかは、ユーザが任意に選択することができる。この場合、時刻は何らかの物理モデルによって決められてもよいし、統計的に相関のある時刻を選ぶようにしてもよい。

また、需要予測対象時刻として指定される複数の時刻は、所定時間間隔の時刻であって、これらの時刻のうち２番目以降の時刻の需要予測のために当該需要予測時刻より前述した時間間隔だけ前の時刻における需要予測結果を用いることが明らかである場合には、この旨を入力装置３により入力しておけば、これらの時刻における需要予測演算処理部５による前述したステップＳ４およびステップＳ８の処理を行なう必要が無くなるので、計算の効率を向上させることができる。

なお、この発明は前記実施形態そのままに限定されるものではなく実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、前記実施形態に開示されている複数の構成要素の適宜な組み合わせにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を省略してもよい。更に、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

なお、上記実施形態に記載した手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、光磁気ディスク（ＭＯ）、半導体メモリなどの記憶媒体に格納して頒布することもできる。

また、この記憶媒体としては、プログラムを記憶でき、かつコンピュータが読み取り可能な記憶媒体であれば、その記憶形式は何れの形態であっても良い。

また、記憶媒体からコンピュータにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワークソフト等のＭＷ（ミドルウェア）等が上記実施形態を実現するための各処理の一部を実行しても良い。

さらに、本発明における記憶媒体は、コンピュータと独立した媒体に限らず、ＬＡＮやインターネット等により伝送されたプログラムをダウンロードして記憶または一時記憶した記憶媒体も含まれる。

また、記憶媒体は１つに限らず、複数の媒体から上記実施形態における処理が実行される場合も本発明における記憶媒体に含まれ、媒体構成は何れの構成であっても良い。

尚、本発明におけるコンピュータは、記憶媒体に記憶されたプログラムに基づき、上記実施形態における各処理を実行するものであって、パソコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であっても良い。

また、本発明におけるコンピュータとは、パーソナルコンピュータに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本発明の機能を実現することが可能な機器、装置を総称している。

１…制御部、２…記憶装置、３…入力装置、４…表示装置、５…需要予測演算処理部、６…複写処理部、７…切り替え処理部、８…バス、２１…入力データ記憶部、２２…需要予測結果記憶部、２３…需要実績データ記憶部、１０１…電力の最低需要の予測値、１０２…電力最高需要の予測値、１０３，１０４，１０５，２０２…電力需要の負荷曲線、２０１…各時刻の電力需要、３０１…電力需要の負荷曲線の予測結果、３０２，３０３，３０７…電力需要の実際の負荷曲線、３０４…「時刻２」の電力需要の予測値、３０５…「時刻５」の電力需要の予測値、３０６…「時刻８」の電力需要の予測値、４０１…予測された電力需要負荷曲線、４０２…実際の電力需要。

Claims (9)

1. 需要の将来の時系列データの予測において１日のうちの複数の時刻の需要を予測する場合に、需要予測対象時刻の需要予測のための入力データおよび前記需要予測対象時刻以前の所定の時刻の需要の予測結果を前記需要予測対象時刻の需要予測のための入力データの一部として入力する入力手段と、
   前記入力手段による入力結果を用いて前記需要予測対象時刻の需要の予測値を計算する需要予測手段と
   を備えたことを特徴とする需要予測装置。
2. 前記入力手段は、
   所定時間間隔ごとの所定の需要予測対象時刻の需要予測のための入力データ、および前記需要予測対象時刻以前の所定の時刻の需要の予測値を入力し、
   前記需要予測手段は、
   前記入力手段による入力結果を用いて前記所定時間間隔ごとの所定の需要予測対象時刻の需要の予測値を計算する
   ことを特徴とする請求項１に記載の需要予測装置。
3. 需要予測のモードを事前予測モードおよび当日補正モードのいずれかへ切り替える切り替え指示手段をさらに備え、
   前記入力手段は、
   前記切り替え手段により需要予測のモードが事前予測モードに切り替えられている場合には、前記需要予測対象時刻の需要予測のための入力データ、および前記需要予測対象時刻以前の所定の時刻の需要の予測値を入力し、前記切り替え手段により需要予測のモードが当日補正モードに切り替えられている場合には、前記需要予測対象時刻の需要予測のための入力データ、および前記需要予測対象時刻が属する当日の当該需要予測対象時刻以前の所定の時刻の需要の実績値を入力する
   ことを特徴とする請求項１に記載の需要予測装置。
4. 前記予測対象の需要は電力需要であり、前記需要予測のための入力データは、気象予測データであり、
   前記入力手段は、
   前記切り替え手段により需要予測のモードが当日補正モードに切り替えられている場合には、前記需要予測対象時刻が属する当日の当該需要予測対象時刻以前の所定の時刻の需要の実績値および当該時刻の最新の気象予測データを入力する
   ことを特徴とする請求項３に記載の需要予測装置。
5. 前記需要予測手段は、
   前記入力手段による入力結果を用い、回帰分析により前記需要予測対象時刻の需要の予測値を計算する
   ことを特徴とする請求項１に記載の需要予測装置。
6. 前記需要予測手段は、
   前記入力手段による入力結果を用い、ニューラルネットワークにより前記需要予測対象時刻の需要の予測値を計算する
   ことを特徴とする請求項１に記載の需要予測装置。
7. 前記需要予測対象時刻は、エネルギー需要予測対象時刻であり
   前記需要予測のための入力データは、前記エネルギー需要予測対象時刻の気象予測値である
   ことを特徴とする請求項１に記載の需要予測装置。
8. コンピュータを、
   需要の将来の時系列データの予測において１日のうちの複数の時刻の需要を予測する場合に、需要予測対象時刻の需要予測のための入力データおよび前記需要予測対象時刻以前の所定の時刻の需要の予測結果を前記需要予測対象時刻の需要予測のための入力データの一部として入力する入力手段、および
   前記入力手段による入力結果を用いて前記需要予測対象時刻の需要の予測値を計算する需要予測手段
   として機能させるようにしたコンピュータ読み取り可能な需要予測プログラム。
9. 請求項８に記載のプログラムを記録した、コンピュータ読み取り可能な記録媒体。

Images