JP2012010432A - 電力平準化制御装置、電力平準化制御方法及び電力平準化制御プログラム - Google Patents

Abstract

【課題】電力平準化において、確率に基づいたマージンを含んだ閾値を設定することを目的とする。
【解決手段】記憶手段と、理想閾値算出手段と、統計分布算出手段と、正規分布モデル化手段と、設定閾値算出手段と、を備える。記憶手段は、例えばデータベースなどであり、消費電力データを記憶する。理想閾値算出手段は、消費電力データを基に、所定の周期毎に電力平準化を行うことが可能な理想閾値を算出する。統計分布算出手段は、一定期間内における理想閾値の統計分布を算出する。正規分布モデル化手段は、理想閾値の統計分布を正規分布でモデル化する。設定閾値算出手段は、モデル化された正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する。
【選択図】図３

Description

本発明は、電力平準化を行う電力平準化制御装置、電力平準化制御方法及び電力平準化制御プログラムに関する。

一般に消費電力は日中に増加し、夜間に減少する。電気料金は系統電源の消費電力のピークに比例する。そのため、日中の系統電源の消費電力のピークを抑制すべく、一日を通して系統電源の消費電力を均一にする電力平準化を行うことが提案されている。例えば、夜間に充電された蓄電装置を用いて、日中の消費電力の一部をその蓄電装置から供給すれば、一日の系統電源の総消費電力を減少させなくとも電力平準化が可能である（特許文献１）。電力平準化によってピーク電力が抑制されれば、電気料金を削減できるだけでなく、配電設備規模の縮小、夜間電力利用率向上によるＣＯ_２排出量の削減なども可能になる。

特開２００１−２５８１７６号公報

ところで、電力平準化の具体的な方法としては、負荷の消費電力が閾値よりも大きくなった場合に、大きくなった分の電力を蓄電装置より放電し、負荷の消費電力が閾値よりも小さくなった場合に、小さくなった分の電力を蓄電装置に充電する方法が挙げられる。

ここで、閾値は、蓄電装置の容量と予測される消費電力パターンとに応じて事前に設定される。実際の消費電力パターンが完全に予測と一致する場合には、予測消費電力パターンに対し最適となる閾値を用いることで、電力平準化の適切な運用を行うことができる。

しかしながら、完全な予測は困難であり、負荷の消費電力の予測値と実測値との間にはずれが生じる。負荷の消費電力の実測値が予測値を超えた場合には、電力切れが生じて平準化が不可能となり、系統電源の消費電力が跳ね上がってしまう可能性がある。そこで、電力切れを防ぐために、ある程度のマージンを取って閾値を設定する方法が考えられる。これによれば、後で閾値を調整する方法と比較して、結果として閾値を低く抑えられるものの、マージンを含んだ閾値を算出する具体的な方法については知られていない。

開示の装置は、消費電力データを記憶する記憶手段と、前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出手段と、一定期間内における前記理想閾値の統計分布を算出する統計分布算出手段と、前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化手段と、モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出手段と、を備える。

開示の装置は、記憶手段と、理想閾値算出手段と、統計分布算出手段と、正規分布モデル化手段と、設定閾値算出手段と、を備える。記憶手段は、例えばデータベースなどであり、消費電力データを記憶する。理想閾値算出手段は、消費電力データを基に、所定の周期毎に、即ち、平準化周期毎に電力平準化を行うことが可能な理想閾値を算出する。統計分布算出手段は、一定期間内における理想閾値の統計分布を算出する。正規分布モデル化手段は、理想閾値の統計分布を正規分布でモデル化する。設定閾値算出手段は、モデル化された正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する。

開示の装置によれば、電力平準化において、確率に基づいたマージンを含んだ閾値を設定することができる、即ち、蓄電装置の電力切れが生じてしまう確率を定量的に設定した所望の超過確率に応じて、閾値を設定することができる。

実施形態に係る電力供給システムの装置構成の一例を示すブロック図である。 電力平準化の概念を示す模式図である。 実施形態に係る閾値設定装置の装置構成の一例を示すブロック図である。 設定閾値算出方法を説明するための模式図の一例である。 理想閾値のデータの分布図の一例である。 １年間の理想閾値の統計分布を示すグラフの一例である。 設定閾値のグラフの一例である。 設定閾値算出方法を示すフローチャートである。 １年間の理想閾値の統計分布、及び、理想閾値とトレンド成分との差分を示すグラフの一例である。

以下、実施形態の一例について図面を参照しつつ説明する。

［装置構成］
まず、実施形態に係る電力供給システム１００の装置構成の一例について図１を用いて説明する。図１において、実線は電力が供給される電力線を示し、破線矢印は制御信号の流れを示している。

図１は、電力供給システム１００の概略構成の一例を示すブロック図である。電力供給システム１００は、系統電源１０と、蓄電装置２０と、負荷３０と、平準化装置４０と、消費電力測定装置５０と、閾値設定装置６０と、データベース（ＤＢ）７０とを有する。データベース７０は、消費電力ＤＢ７０ａと閾値ＤＢ７０ｂとを有する。

系統電源１０は、電力会社が保有する商用の配電線網から電力が供給される電源である。蓄電装置２０は、充電及び放電可能ないわゆる蓄電池やキャパシタなどを含む装置である。負荷３０は、１台または２台以上の家電製品といった電力を消費する装置の集合である。系統電源１０及び蓄電装置２０は、平準化装置４０を介して負荷３０に接続されている。平準化装置４０は、負荷３０の消費電力に応じて、蓄電装置２０を放電又は充電させる電力平準化を行う。電力平準化の概念を図２に示す。図２に示すように、平準化装置４０は、負荷３０の消費電力が閾値よりも大きくなった場合には、蓄電装置２０を放電させ、負荷３０の消費電力が閾値よりも小さくなった場合には、蓄電装置２０を充電させる。図２において、ハッチングされた面積部分Ａｄ、Ａｃがそれぞれ蓄電装置２０の放電量及び充電量に相当する。

消費電力測定装置５０は、負荷３０の消費電力を単位時間（例えば１分）毎に測定し、測定した消費電力のデータを閾値設定装置６０に送信する。閾値設定装置６０は、受信した消費電力データを消費電力ＤＢ７０ａに記憶させる。閾値設定装置６０は、消費電力ＤＢ７０ａに記憶された消費電力データの平準化周期（例えば１日）分のデータを基に、平準化周期毎の理想的な閾値である理想閾値を算出し、算出した理想閾値を閾値ＤＢ７０ｂに記憶させる。閾値設定装置６０は、一定期間（例えば１年）における理想閾値を基に、設定閾値を算出し、算出した設定閾値を平準化装置４０に設定する。

つまり、実施形態に係る電力供給システム１００では、閾値設定装置６０が、消費電力データに基づいて設定閾値を算出し、平準化装置４０が、当該設定閾値に基づいて電力平準化を行う。

次に、閾値設定装置６０について具体的に図３を用いて説明する。

図３は、閾値設定装置６０の概略構成の一例を示すブロック図である。閾値設定装置６０は、理想閾値計算部６１と、閾値統計分布作成部６２と、正規分布モデル化部６３と、設定閾値計算部６４とを有する。これらの構成要素は、例えば、コンピュータのＣＰＵ（Central Processing Unit）がプログラムを実行することにより実現される。また、消費電力ＤＢ７０ａおよび閾値ＤＢ７０ｂ、即ち、データベース７０は、例えば当該コンピュータのハードディスクに記憶されている。

理想閾値計算部６１は、消費電力測定装置５０より受信した負荷３０の消費電力のデータを消費電力ＤＢ７０ａに記憶させる。また、理想閾値計算部６１は、１日分の消費電力のデータを基に、理想閾値を算出し、算出した理想閾値を閾値ＤＢ７０ｂに記憶させる。閾値統計分布作成部６２は、一定期間内における理想閾値の分布を作成する。正規分布モデル化部６３は、閾値統計分布作成部６２にて作成された理想閾値の分布を正規分布でモデル化する。設定閾値計算部６４は、正規分布モデル化部６３にてモデル化された正規分布を基に、設定閾値を算出し、算出した設定閾値を平準化装置４０に設定する。

以上に述べたことから分かるように、閾値設定装置６０及びデータベース７０が電力平準化制御装置に相当する。即ち、データベース７０が記憶手段として機能し、理想閾値計算部６１、閾値統計分布作成部６２、正規分布モデル化部６３及び設定閾値計算部６４がそれぞれ、理想閾値算出手段、統計分布算出手段、正規分布モデル化手段及び設定閾値算出手段として機能する。以下では、閾値設定装置６０による設定閾値算出方法について具体的に説明する。

［設定閾値算出方法］
上述したように、閾値設定装置６０は、平準化周期分の消費電力のデータを基に理想閾値を算出し、算出された理想閾値を正規分布でモデル化する。そして、閾値設定装置６０は、モデル化された正規分布を基に設定閾値を算出する。以下、この設定閾値算出方法について順を追って説明する。

図４（ａ）〜（ｅ）は、設定閾値算出方法を説明するための模式図の一例である。

まず、図４（ａ）に示すように、理想閾値計算部６１は、消費電力ＤＢ７０ａに記憶された消費電力データを基に、平準化周期毎の理想閾値を算出する。具体的には、理想閾値算出部６１は、平準化周期毎に、放電量が蓄電装置２０の容量に等しく、かつ、充電量が蓄電装置２０の容量以上となるような閾値を理想閾値として算出する。

次に、図４（ｂ）に示すように、閾値統計分布作成部６２は、一定期間を設定し、その一定期間内での理想閾値の統計分布を算出する。具体的には、図４（ｂ）に示すように、閾値統計分布作成部６２は、理想閾値のヒストグラムを作成する。ここで、一定期間は、算出された理想閾値の変化を基に設定される適合値である。一定期間が短すぎると統計分布の誤差が季節などの影響により大きくなり、長過ぎるとトレンド、即ち、変化傾向に対応できなくなる可能性がある。そこで、平準化周期が１日の場合には、一定期間は例えば１年に設定される。

次に、正規分布モデル化部６３は、得られた理想閾値の統計分布について、正規性を検証する。一般的には、電力消費条件に対し、例えば負荷機器の急増や使用人数の急減などの大きな変化がない限り、理想閾値の統計分布は正規分布と大きく異ならないと考えられる。従って、正規性が認められれば、理想閾値分布は対応する正規分布でモデル化可能といえる。具体的には、正規分布モデル化部６３は、例えばコルモゴロフ・スミルノフの１標本検定を用いて、正規性の検証を行う。正規分布モデル化部６３は、理想閾値の統計分布の正規性の検証の結果、正規性が認められると判定した場合には、理想閾値の統計分布を正規分布でモデル化する。図４（ｃ）に、モデル化された正規分布のグラフが記載されている。

設定閾値計算部６４は、正規分布モデル化部６３にてモデル化された正規分布を基に、超過確率に応じた設定閾値を算出する。ここで、超過確率とは、平準化周期当たりの実際の理想閾値が設定閾値を超過する確率であり、予め決められた適合値である。具体的には、設定閾値計算部６４は、モデル化された正規分布のグラフの面積を基に、設定閾値を算出する。図４（ｄ）に示すように、設定閾値から＋∞まで正規分布のグラフを積分した値が超過確率に相当する。従って、正規分布のグラフが分かっていれば、設定閾値計算部６４は、超過確率を基に、設定閾値を算出することができる。ここで、超過確率は、例えば「１０年に一度の割合」のように設定される。即ち、超過確率の値は、１日／３６５０日＝２．７×１０^−４となる。また、平均値をμとし、標準偏差をσとすると、超過確率が２．７×１０^−４となるのは設定閾値がμ＋３．４σとなるときである。つまり、平準化周期（ここでは１日）当たりの実際の理想閾値が、μ＋３．４σで規定される設定閾値を超過するのは、１０年に一度の割合ということになる。別の言い方をすると、負荷の消費電力の予測値と実測値とに基づいて、閾値をリアルタイムで変動させる場合に、当該閾値がμ＋３．４σで規定される設定閾値を超過するのは、１０年に一度の割合ということになる。

この後、閾値設定装置６０は、算出した設定閾値を平準化装置４０に設定してから１平準化周期が経過した後、理想閾値の統計分布を更新する。例えば、図４（ｅ）に示すように、閾値統計分布作成部６２は、１平準化周期分だけずらして、理想閾値の統計分布を更新する。この後、閾値設定装置６０の各構成要素は、更新された理想閾値の統計分布を基に、上記の操作を繰り返す。

ここで、あるオフィスフロアの一領域を電力平準化対象としたときの例について図５、図６を用いて説明する。

図５のグラフは、２００８年１月から２００９年１１月にかけて測定された消費電力のデータを基に、ＡＭ８時からその翌日のＡＭ８時までの１日を平準化周期として平準化周期毎に計算した理想閾値のデータの分布を示している。ここで、蓄電装置２０の容量が１日平均消費電力量の１０％程度である１４．５ｋＷｈとして、理想閾値が算出されている。図５に示す理想閾値の分布を見ると、５０００〜１００００Ｗの間に分布しており、突発的な傾向の変化は見られない。そこで、一例として、統計分布を取る一定期間を１年に設定した。

図６は、１年間の理想閾値の統計分布を示すグラフである。図６のグラフにおいて、折れ線グラフは、図５に示した理想閾値の統計分布のグラフを示し、曲線グラフは、当該理想閾値のモデル化された正規分布のグラフを示している。

正規分布モデル化部６３は、例えばコルモゴロフ・スミルノフの１標本検定を用いて、理想閾値の統計分布の正規性の検証を行う。具体的には、正規分布モデル化部６３は、理想閾値の統計分布及びモデル化された正規分布のそれぞれについて累積分布関数を算出し、両者の累積分布関数の値の差の最大値である最大乖離Ｄを算出する。正規分布の場合、最大乖離Ｄの許容範囲は２．５パーセント点で１．３５８／√Ｎ以下（Ｎはデータ数）である。従って、正規分布モデル化部６３は、最大乖離Ｄが１．３５８／√Ｎ以下となっているか否かを判定することにより、理想閾値の統計分布に正規性が認められるか否かを判定する。図６に示す例では、最大乖離Ｄは０．０５６と算出される。また、図６に示す例において、一定期間内、即ち、ここでは１年間の理想閾値のデータ数が２００であるとすると、２．５パーセント点の値Ｌ_2.5％は０．０９７と算出される。従って、Ｄ≦Ｌ_2.5％の関係が成立するので、正規分布モデル化部６３は、図６に示す理想閾値の統計分布に正規性が認められると判定する。

設定閾値計算部６４は、正規分布モデル化部６３にてモデル化された正規分布を基に、超過確率に応じた設定閾値を算出する。ここで、先にも述べたように、超過確率を１０年に１度の割合、即ち、２．７×１０^−４であるとすると、設定閾値はμ＋３．４σで算出される。２００８年１月からの理想閾値のデータを基に、一定期間内における理想閾値の統計分布を更新しつつ、２００９年１月から同１１月までの設定閾値を算出した結果を図７に示す。図７において、実線で示すグラフＬｐ１は算出された設定閾値の変化を示し、破線で示すグラフＬｐ２は平均値μの変化を示している。上述した方法によれば、例えば２００９年１１月の最終日における設定閾値は１０９３０Ｗとなる。

以上に述べたようにすることで、蓄電装置を用いた電力平準化において、確率に基づいたマージンを含んだ閾値を設定することができる、即ち、蓄電装置の電力切れが生じてしまう確率を定量的に設定した所望の超過確率に応じて、閾値を設定することができる。

次に、上述の設定閾値算出方法について、図８に示すフローチャートを用いて説明する。以下のフローチャートに示す設定閾値算出処理は、閾値設定装置６０のＣＰＵがプログラムを実行することにより繰り返し実行される。

まず、ステップＳ１０１において、閾値設定装置６０は、消費電力ＤＢ７０ａに記憶された消費電力のデータを基に、平準化周期毎の理想閾値を算出する。この後、閾値設定装置６０はステップＳ１０２の処理に進む。

ステップＳ１０２において、閾値設定装置６０は、一定期間内での理想閾値の統計分布を算出する。具体的には、閾値設定装置６０は、理想閾値のヒストグラムを作成する。この後、閾値設定装置６０はステップＳ１０３の処理に進む。

ステップＳ１０３において、閾値設定装置６０は、得られた理想閾値の統計分布について、例えばコルモゴロフ・スミルノフの１標本検定などを用いて正規性を検証する。この後、閾値設定装置６０はステップＳ１０４の処理に進む。

ステップＳ１０４において、閾値設定装置６０は、理想閾値の統計分布について、正規性が認められるか否かについて判定する。閾値設定装置６０は、正規性が認められると判定した場合には（ステップＳ１０４：Ｙｅｓ）、ステップＳ１０７の処理へ進む。一方、閾値設定装置６０は、正規性が認められないと判定した場合には（ステップＳ１０４：Ｎｏ）、ステップＳ１０５の処理へ進む。

ステップＳ１０５において、閾値設定装置６０は、一定期間の長さを変更して正規性が認められるか否かの再検証を繰り返し行う。この後、閾値設定装置６０はステップＳ１０６の処理へ進む。ステップＳ１０６において、閾値設定装置６０は、正規性が認められるか否かについて判定する。閾値設定装置６０は、正規性が認められると判定した場合には（ステップＳ１０６：Ｙｅｓ）、ステップＳ１０７の処理へ進む。一方、閾値設定装置６０は、正規性が認められないと判定した場合には（ステップＳ１０６：Ｎｏ）、本算出処理を終了する。

ステップＳ１０７において、閾値設定装置６０は、理想閾値の統計分布を正規分布でモデル化し、予め決められた所望の超過確率から設定閾値を算出するとともに、平準化装置４０に設定閾値を設定する。続くステップＳ１０８において、平準化装置４０は、設定閾値を用いて、電力平準化を実行する。

ステップＳ１０９において、閾値設定装置６０は、消費電力のデータを消費電力ＤＢ７０ａに記録し、一定期間を更新する。この後、閾値設定装置６０は、本算出処理を終了する。

以上に述べたように、閾値設定装置６０は、消費電力データを基に、平準化周期毎の理想閾値を算出し、一定期間内における当該理想閾値の統計分布を正規分布でモデル化するとともに、モデル化された正規分布を基に、超過確率に応じた設定閾値を算出する。このようにすることで、蓄電装置を用いた電力平準化において、確率に基づいたマージンを含んだ閾値を設定することができる、即ち、蓄電装置の電力切れが生じてしまう確率を定量的に設定した所望の超過確率に応じて、閾値を設定することができる。

また、閾値設定装置６０は、設定閾値を平準化装置４０に設定してから１平準化周期が経過した後に、１平準化周期分だけ一定周期をずらして理想閾値の統計分布を更新する。これにより、超過確率を常に一定に保持することができる。

なお、閾値設定装置６０は、リアルタイムに設定閾値を調整する調整部を有するとしても良い。調整部は、フェイルセーフ機能として、負荷の消費電力の予測値と実測値とを比較し、実測値の方が予測値よりも大きくなる場合には、設定閾値を上昇させる。ここで、例えば、予測値は、過去の一定期間での各日における、実測値が計測されたのと同時刻の消費電力の平均値として算出される。これにより、理想閾値が設定閾値を極まれに超過することがあっても、即ち、超過確率で生じた場合であっても、設定閾値の増加を抑制することができる。

［変形例］
次に、実施形態の変形例に係る設定閾値算出方法について説明する。

図９は、理想閾値の統計分布を示すグラフである。図９に示すグラフＢ１は、図５に示したグラフと同じグラフである。グラフＢ１より分かるように、２００９年において、理想閾値が緩やかに増加する変化傾向（以下、「トレンド」と称する）があることが分かる。変形例に係る設定閾値算出方法では、このトレンドを考慮した設定閾値算出方法について説明する。

まず、変形例に係る設定閾値算出方法では、一定期間におけるトレンド成分を算出する。ここで、トレンド成分とは、最小二乗法などを用いて理想閾値の統計分布を線形近似した値である。図９において、破線で示す直線グラフＡ１が線形近似されたグラフを示している。直線グラフＡ１は、一年分の理想閾値の統計分布を線形近似したものである。この直線グラフＡ１上の値がトレンド成分となる。例えば、２００９年１１月の最終日におけるトレンド成分Ｔは８９９０Ｗとなる。

図９に示すグラフＢ２は、グラフＢ１に示す理想閾値とグラフＡ１に示すトレンド成分との差分の値を示すグラフである。変形例に係る設定閾値算出方法では、閾値設定装置６０は、理想閾値とトレンド成分との差分の統計分布を算出して正規分布でモデル化し、当該正規分布を基に、超過確率となるときの差分の値を算出する。そして、閾値設定装置６０は、超過確率となるときの差分の値をトレンド成分Ｔに加えた値を設定閾値とする。

例えば、グラフＢ２に示す差分の正規分布における平均値をμ´とし、標準偏差をσ´とし、超過確率を２．７×１０^−４とすると、当該超過確率となるときの差分の値はμ´＋３．４σ´として求められる。例えば、図９に示すグラフＢ２の例では、μ´＝０、σ´＝６１０Ｗとして求められるので、μ´＋３．４σ´＝２０７４Ｗとなる。従って、例えば、２００９年１１月の最終日における設定閾値は、当該最終日におけるトレンド成分の値Ｔが８９９０Ｗとなるので、Ｔ＋μ´＋３．４σ´＝８９９０Ｗ＋２０７４Ｗ＝１１０６４Ｗとなる。このようにすることで、トレンド成分をも考慮して設定閾値を算出することができる。

トレンドが例えば業務増加傾向などの何らかの理由に裏打ちされたものであれば、先の実施形態に係る設定閾値算出方法により算出される設定閾値と比較して、変形例に係る設定閾値算出方法により算出される設定閾値の方が、より適切な値と考えられる。つまり、変形例に係る設定閾値算出方法によれば、理想閾値に長期的な変化が存在する場合であっても、その変化に追従して設定閾値を算出することが可能となる。

なお、実施形態は、上述した実施形態の例に限られるものではなく、特許請求の範囲及び明細書全体から読み取れる発明の要旨あるいは思想に反しない範囲で適宜変更可能である。

例えば、本発明においては理想閾値の統計分布を正規分布でモデル化している。正規分布は様々な複雑な現象を表すことができる統計分布モデルとして、統計学や自然科学、社会科学などで最もよく用いられている．中心極限定理によって、母集団から無作為抽出された標本平均は正規分布に従うことが知られている．我々の分析例でも理想閾値分布が正規分布で良くモデル化できることが示されている。

一方本発明の手法においては、原理的には他の統計分布モデルを使用することも可能である。理想閾値の統計分布を分析した結果、その分布がもしベキ分布やコーシー分布など他の統計分布モデルにより良く従うことが分かった場合には、それらのモデルを用いて同様に設定閾値を算出することが可能である．
以上説明した実施形態に関して、更に以下の付記を開示する。
（付記１）
消費電力データを記憶する記憶手段と、
前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出手段と、
一定期間内における前記理想閾値の統計分布を算出する統計分布算出手段と、
前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化手段と、
モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出手段と、を備えることを特徴とする電力平準化制御装置。
（付記２）
前記正規分布モデル化手段は、前記所定の周期が経過する毎に、前記理想閾値の統計分布を更新することを特徴とする付記１に記載の電力平準化制御装置。
（付記３）
前記正規分布モデル化手段は、前記理想閾値の統計分布における変化傾向の統計分布を正規分布でモデル化し、
前記設定閾値算出手段は、前記変化傾向の統計分布をモデル化した正規分布を基に、前記所定の確率に応じて、前記設定閾値を算出することを特徴とする付記１又は２に記載の電力平準化制御装置。
（付記４）
消費電力の予測値と実測値とを比較し、前記実測値の方が前記予測値よりも大きくなる場合には、前記設定閾値を上昇させる調整手段を備えることを特徴とする付記１乃至３のいずれか一項に記載の電力平準化制御装置。
（付記５）
前記正規分布モデル化手段は、前記理想閾値の統計分布を前記正規分布でモデル化可能か否かを検証することを特徴とする付記１乃至４のいずれか一項に記載の電力平準化制御装置。
（付記６）
消費電力データを記憶する記憶手段を有するコンピュータにて実行される電力平準化制御方法であって、
前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出工程と、
一定期間内における前記理想閾値の統計分布を算出する統計分布算出工程と、
前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化工程と、
モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出工程と、を備えることを特徴とする電力平準化制御方法。
（付記７）
消費電力データを記憶する記憶手段を有するコンピュータにて実行される電力平準化制御プログラムであって、
前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出手段、
一定期間内における前記理想閾値の統計分布を算出する統計分布算出手段、
前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化手段、
モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出手段、として前記コンピュータを機能させることを特徴とする電力平準化制御プログラム。

１０ 系統電源
２０ 蓄電装置
３０ 負荷
４０ 平準化装置
５０ 消費電力測定装置
６０ 閾値設定装置
７０ データベース

Claims (7)

1. 消費電力データを記憶する記憶手段と、
   前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出手段と、
   一定期間内における前記理想閾値の統計分布を算出する統計分布算出手段と、
   前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化手段と、
   モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出手段と、を備えることを特徴とする電力平準化制御装置。
2. 前記正規分布モデル化手段は、前記所定の周期が経過する毎に、前記理想閾値の統計分布を更新することを特徴とする請求項１に記載の電力平準化制御装置。
3. 前記正規分布モデル化手段は、前記理想閾値の統計分布における変化傾向の統計分布を正規分布でモデル化し、
   前記設定閾値算出手段は、前記変化傾向の統計分布をモデル化した正規分布を基に、前記所定の確率に応じて、前記設定閾値を算出することを特徴とする請求項１又は２に記載の電力平準化制御装置。
4. 消費電力の予測値と実測値とを比較し、前記実測値の方が前記予測値よりも大きくなる場合には、前記設定閾値を上昇させる調整手段を備えることを特徴とする請求項１乃至３のいずれか一項に記載の電力平準化制御装置。
5. 前記正規分布モデル化手段は、前記理想閾値の統計分布を前記正規分布でモデル化可能か否かを検証することを特徴とする請求項１乃至４のいずれか一項に記載の電力平準化制御装置。
6. 消費電力データを記憶する記憶手段を有するコンピュータにて実行される電力平準化制御方法であって、
   前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出工程と、
   一定期間内における前記理想閾値の統計分布を算出する統計分布算出工程と、
   前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化工程と、
   モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出工程と、を備えることを特徴とする電力平準化制御方法。
7. 消費電力データを記憶する記憶手段を有するコンピュータにて実行される電力平準化制御プログラムであって、
   前記消費電力データを基に、所定の周期毎の電力平準化を行うことが可能な理想閾値を算出する理想閾値算出手段、
   一定期間内における前記理想閾値の統計分布を算出する統計分布算出手段、
   前記理想閾値の統計分布を正規分布でモデル化する正規分布モデル化手段、
   モデル化された前記正規分布を基に、予め決められた所定の確率に応じて、電力平準化を行う平準化装置の設定閾値を算出する設定閾値算出手段、として前記コンピュータを機能させることを特徴とする電力平準化制御プログラム。

Images