JP2014180187A - 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置 - Google Patents

Abstract

【課題】需要実績データが蓄積されていない状態でも、信頼性が高く、修正容易な態様で需要予測を行う。
【解決手段】電力需要予測装置１は需要データ記憶部９と需要予測部５と表示部３０を有する。需要データ記憶部９には、複数の電力需要パターン９１０と気温別電力需要量データ９２０が格納される。需要予測部５は、需要データ記憶部９から、予測日の環境条件に応じた需要パターンを選択し、気温別電力需要量データ９２０から予測日の予想気温における電力需要量の最大値及び最小値を取得し、これらを用いて、予測日の各単位時間における電力需要量を算出して需要予測モデル９３０を作成する。表示部３０は、需要予測モデル９３０を、需要予測部５で選択した電力需要パターン９１０と共に表示する。
【選択図】図１

Description

本発明の実施形態は、電力需要予測装置、方法及びプログラム、並びに電力需要予測装置を備えた需要抑制計画策定装置に関する。

電力の安定供給を行うために、給電運用を統括する中央給電指令所の管内における電力需要を予測し、その予測に基づいて各発電所における発電量を決定する。電力需要の予測は、予測対象地域の過去の需要実績を用いて、重回帰分析などの手法により行うことが一般的である。

特開２００９−２２５５５０号公報

近年、需要家に様々なインセンティブを付与することにより電力消費抑制を促すデマンドレスポンスに注目が集まっている。デマンドレスポンスにおいては、電力需要の状態に応じてインセンティブメニューの選定することが重要となる。そのためには、中央給電指令所管内のような大規模地域での需要予測だけでなく、例えば地域給電指令所の管内のような、より小規模の区域での電力需要予測を行う必要がある。

しかしながら、そのような小規模区域については、需要予測に必要な過去の需要実績がない、または少ないことが想定される。その場合には、他の地域の需要実績や各地の需要実績を平均化して作成したデータを、ダミーの需要実績データとして用いて需要予測モデルを作成することになるが、実際の電力需要と誤差が生じることになる。

そのため、予測対象地域での需要実績が蓄積されるまでは、ダミーの需要実績データを、予測対象地域の需要パターンに合致するように適宜修正していくことが必要となる。しかしながら、ダミーの需要実績は絶対値である電力需要量（ｋＷｈ）で示されたデータである。したがって、作成された需要予測モデルとその根拠となるデータとの関係性が把握しにくい。また、作成された需要予測モデルに対して、実際の電力需要量の違いが明確に想定されるような場合、需要予測モデルを修正することはできても、その修正を絶対値のダミーの需要実績データに反映することが難しく、需要予測の精度を高めることが難しかった。

本発明の実施形態は、上記の問題点を解決するために、作成した需要予測モデルとその根拠となるデータの関係性が把握でき、またその根拠となるデータを容易に修正可能とすることで、予測対象地域の需要実績データが無い場合でも、精度の高い需要予測を可能とし、さらにユーザの利便性にも優れた電力需要予測装置及び電力需要予測方法を提供することを目的とする。

本実施形態の電力需要予測装置は、指定された予測日の電力需要を予測するものであって、環境条件に応じて分類され、単位時間ごとの電力需要比率を示した複数の電力需要パターンと、各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データとを記憶する、需要データ記憶部と、需要データ記憶部から、予測日の環境条件に応じた需要パターンを選択し、気温別電力需要量データから前記予測日の予想気温における電力需要量の最大値及び最小値を取得し、予測日の各単位時間における電力需要量を算出して予測日の需要予測モデルを作成する需要予測部と、予測日の需要予測モデルを、需要予測部で選択した電力需要パターンと共に表示する表示部と、を備える。

また、本実施形態の電力需要予測方法は、環境条件に応じて分類され、単位時間ごとの電力需要比率を示した複数の電力需要パターンと各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データとを記憶する需要データ記憶部にアクセス可能なコンピューターにより実行される、指定された予測日の電力需要を予測する方法であって、需要データ記憶部から、予測日の環境条件に応じた需要パターンを選択し、気温別電力需要量データから予測日の予想気温における電力需要量の最大値及び最小値を取得し、予測日の各単位時間における電力需要量を算出して予測日の需要予測モデルを作成するステップと、予測日の需要予測モデルを、需要予測部で選択した電力需要パターンと共に表示部に表示するステップと、を備える。

なお、本実施形態は、上記電力需要予測装置の機能をコンピューターに実行させるためのプログラムを作成することができる。このプログラムは、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等の記憶媒体又は記憶装置に格納される。また、ネットワークなどを介してデジタル信号として配信される場合もある。尚、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。

第１実施形態に係る電力需要予測装置の構成を示すブロック図である。 カレンダー記憶部に格納されているカレンダーの構造を示す図である。 需要データ記憶部に格納されているデータを示す図である。 需要データ記憶部に格納されている電力需要パターンの一例を示す図である。 需要データ記憶部に格納されている気温別電力需要量データの一例を示す図である。 需要予測部の構成を示すブロック図である。 現状予測画面の一例を示す図である。 現状予測画面及び修正エリア画面の一例を示す図である。 需要予測モデルの作成及び修正処理を示すフローチャートである。 第２実施形態に係る電力需要予測装置の構成を示すブロック図である。 需要実績記憶部に格納されている需要実績データの一例を示す図である。 需要実績データから作成された電力需要パターンの例を示す。（ａ）が平均化処理によって作成された需要カーブであり、（ｂ）は分布関数処理によって作成された箱ひげ図である。 第３実施形態に係り、需要データ記憶部に格納されている電力需要変動パターンの例を示す。（ａ）が平均化処理によって作成された需要カーブを示し、（ｂ）は分布関数処理によって作成された箱ひげ図である。 第３実施形態の電力需要予測装置の需要予測部の構成を示すブロック図である。 第３実施形態の電力需要予測装置の実績準拠需要予測モデル作成部の構成を示すブロック図である。 第３実施形態の電力需要予測装置の需要予測モデルの作成及び修正処理を示すフローチャートである。 第４実施形態の電力需要予測装置の構成を示すブロック図である。 気象パターン記憶部に格納されている気象パターンの一例を示す図である。 第５実施形態の需要抑制計画策定装置の構成を示すブロック図である。

以下、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の複数の実施形態について、図面を参照して具体的に説明する。

［１．第１の実施形態］
（１−１．構成）

大規模区域の給電運用を統括する中央給電指令所管内には、大規模区域を分割した小規模区域それぞれへの給電運用を行う地域給電指令所が設けられている。図１に示すように、電力需要予測装置１は、例えば地域給電指令所Ａの管内における電力需要の予測（以下、単に「需要予測」ともいう）を行う。

電力需要予測装置１は、ハードウェアとして、ＨＤＤ等の記憶装置、ＣＰＵ、メインメモリを備える。また、ＣＲＴや液晶ディスプレイ等の表示部３０、マウスやキーボード等の入力装置４０を備える。

表示部３０は、ユーザが入力を行うためのＧＵＩ画面を表示するものである。入力装置４０は、ユーザがＧＵＩ画面を介してデータの選択や処理の要求等を入力するために使用される。

ＣＰＵは、記憶装置に記憶されているプログラムをメインメモリ上にロードすることで、図１に示す電力需要予測装置１の各構成をソフトウェアなどで実現する。すなわち、電力需要予測装置１は、需要予測を行う日（以降、単に「予測日」ともいう）の指定を受け付ける予測日指定部２と、ネットワークを介して気象予報サーバ７００から予測日の気象情報を取得する気象情報取得部３と、予測日の環境条件を決定する環境条件決定部４と、予測日の環境条件に基づいて需要予測モデルを作成することで需要予測を行う需要予測部５を有する。

電力需要予測装置１はまた、需要予測部５によって作成された需要予測モデルを、後述する需要予測記憶部１０に保存する保存部６と、作成された需要予測モデルをユーザからの入力に基づいて修正する需要予測修正部７を有する。

電力需要予測装置１は、さらに、上述した各部の制御、表示部３０へ各種データの出力、及び入力装置４０からの入力を受け付ける入出力制御部（不図示）を有する。なお、これらの構成要素は電子部品を組み合わせたハードウェアにより実現されるものであってもよい。

電力需要予測装置１は、更に、将来の需要予測を行う各日について、季節や曜日等を示すカレンダーを記憶したカレンダー記憶部８と、需要予測モデル作成に使用する電力需要データを格納した需要データ記憶部９と、作成した需要予測モデルが予測日の需要予測として格納される需要予測記憶部１０を有する。これらの記憶部は、記憶装置の記憶領域内に確保されている。あるいはこれらの記憶部は外部サーバに格納され、ネットワークを介して電力需要予測装置１に接続されるものであっても良い。

予測日指定部２は、入力装置４０を介したユーザからの予測日の指定を受け付ける。予測日の指定は、あるいは予めプログラミングされた需要予測スケジュールに従って自動的に行っても良い。

気象情報取得部３は、予測日指定部２において指定された予測日の気象情報を、ネットワークを介して外部の気象予報サーバ７００から取得する。気象情報には、例えば、晴れ又は雨等の天候情報と、予想最高気温又は予想最低気温等の気温情報が含まれる。他にも、湿度、日射量などの情報を含んでいても良い。

環境条件決定部４は、予測日の環境条件を決定する。ここで、「環境条件」とは、「季節」、「日タイプ」及び「天候」によって定められる。これらの分類によって、電力の需要パターンは大きく異なる。したがって、環境条件は、予測日に想定される需要パターンの類型を判断するために必要な条件である。

「季節」としては、少なくとも「春」、「夏」、「秋」及び「冬」の４つのタイプがある。春夏秋冬の各期間は、需要予測を行う地域の気候によって任意に定めることができる。例えば、４〜６月を「春」、７〜９月を「夏」、１０〜１２月を「秋」、１〜３月を「冬」に割り当てることができる。

「日タイプ」としては、少なくとも「平日」と「休祝日」の２つのタイプがある。例えば、祝日を除いた月曜日〜金曜日を「平日」に、土曜日、日曜日及び祝日を「休祝日」に割り当てることができる。工場やオフィスビルが多い地域では、「平日」に電力需要が高く、「休祝日」は電力需要が低いことが予想される。

「日タイプ」として、上述の「平日」及び「休祝日」に加えて、「特異日」のタイプを追加してもよい。「特異日」とは、電力需要に影響を与える大規模イベントの開催日を意味する。そのような大規模イベントとしては、オリンピックやワールドカップ等が考えられる。例えば夜間にワールドカップのテレビ放映が行われる場合には、夜間の電力需要が特筆して高くなることが予想される。

「天候」としては、少なくとも「晴れ」、「雨」及び「曇り」の３つのタイプがある。他にも「台風」や「霧」等の特殊な天候のタイプを追加しても良い。

カレンダー記憶部８は、図２に示すような、需要予測を行う将来の日付についての、季節、曜日及び休祝日情報、及び上述の大規模イベントの情報を示したカレンダーを格納している。

環境条件決定部４は、気象情報取得部３で取得された気象情報を参照して、予測日の「天候」を決定する。さらに、予測日指定部２で指定された予測日に基づいて、カレンダー記憶部８に格納されたカレンダーを参照し、予測日の「季節」及び「日タイプ」を決定する。

予測日が、例えば、「２０１３年８月１４日」で、天候情報が「雨」の場合には、環境条件決定部４は、予測日の環境条件を「季節：夏」、「日タイプ：平日」及び「天候：雨」と決定する。

需要データ記憶部９には、図３に示すように、少なくとも２つのタイプのデータが記憶されている。
・環境条件に応じて分類され、単位時間毎の電力需要比率を示した複数の電力需要パターン９１０（以降、単に「電力需要パターン」ともいう）
・各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データ９２０（以降、単に「気温別電力需要量データ９２０」ともいう）

電力需要パターン９１０は、単位時間毎の電力需要量を所定期間ごとに相対化して作成されたもので、所定期間における電力需要比率の推移を表すデータである。単位時間としては、例えば３０分と定めることができる。所定期間としては、例えば一日と定めることができる。一日の電力需要のピークが電力需要比率１００％として示され、電力需要のボトムが電力需要比率０％として示されている。

電力需要は、季節、日タイプ及び天候といった環境条件によって異なるパターンを示すため、需要データ記憶部９には、これらの条件に応じて分類された複数の電力需要パターン９１０が格納されている。

気温別電力需要量データ９２０は、各気温における電力需要量の最大値及び最小値を絶対値（ｋＷｈ）で示している。同じ気温でも、その気温が最高気温となった場合と最低気温となった場合では、需要量にずれがあるため、データは最高気温と最低気温で別々に纏められている。

これらのデータは、過去に測定された需要実績から予め作成することができる。使用する過去の需要実績は、地域給電指令所Ａの管内の需要実績があれば信頼性が高い。しかしながら、地域給電指令所Ａの管内の需要実績が無い場合や、データの蓄積が少ない状態でも、地域給電指令所Ａの管内と比較的類似した需要パターンを示すと考えられる地域の需要実績を使用することで、ある程度の信頼性を有する需要パターンを作成することができる。例えば、地域給電指令所Ａを統括する中央給電指令所管内全体での過去の需要実績から作成することができる。

電力需要パターン９１０は、以下のように作成する。例えば、所定の需要実績として、中央給電指令所管内の電力需要量を３０分毎に所定期間測定し、その測定値を日単位でまとめたデータが存在する。このデータには、測定時間における天候情報も含まれる。

そのデータを、上述した環境条件に従って、類型的な需要パターンを示すグループに分類する。まず、測定時季に応じて、「季節」として「春」「夏」「秋」「冬」に分類する。測定曜日に応じて「日タイプ」として「平日」又は「祝休日」に分類する。ここでも、必要に応じて「特異日」の分類を設けても良い。さらに「天候」として、少なくとも「晴れ」、「雨」及び「曇り」に分類する。これによって、需要実績は少なくとも２４のグループに分けられる。

さらに、グループごとに各単位時間の需要量の平均値を求める。そして、一日のピークの需要量を需要比率１００％とし、ボトムの需要量を需要比率０％とし、これらを基準としてその間の各需要量に需要比率を求める。これによって、図４に示すような、一日の電力需要比率の推移を示す需要カーブが作成される。単位時間が３０分である場合は、合計で４８点の需要比率を結んだ需要カーブが作成される。このようにして作成された電力需要パターン９１０は、需要データ記憶部９に格納される。

図４（ａ）は、「季節：夏」、「日タイプ：平日」及び「天候：晴れ」の環境条件に応じて作成された需要パターンの一例である。図４（ｂ）は、「季節：夏」、「日タイプ：平日」及び「天候：雨」の環境条件に応じて作成された需要パターンの一例である。

一方、気温別電力需要量データ９２０は、以下のように作成する。所定の需要実績として、中央給電指令所管内の電力需要量を３０分毎に所定期間測定し、その測定値を日単位でまとめたデータが存在する。このデータには、各日の最高気温及び最低気温の情報も含まれる。

まず、各日の最高気温と、その日の電力の最大需要量と最小需要量とを抽出する。最高気温が同じであるが、需要量が異なる日が存在する場合は、各日の需要量の平均値を求める。あるいは、最大需要量については大きい値を選択し、最小需要量については小さい値を選択するようにしてもよい。そして、各気温の最大需要量と最小需要量を結び、気温別の電力需要量を示す需要カーブを作成する。同様に、各日の最低気温と、その日の電力の最大需要量と最小需要量とを抽出して、気温別の電力需要量を示す需要カーブを作成する。これによって、図５に示すような気温別電力需要量データ９２０が作成される。

図６に示すように、需要予測部５は、需要予測データ取得部５１、需要予測モデル作成部５２及び出力部５３を有する。需要予測データ取得部５１は、需要予測に必要な各種データを取得する。具体的には、予測日指定部２から予測日の指定情報を取得し、環境条件決定部４から予測日の環境条件を取得する。また、気象情報取得部３から予測日の気象情報を取得する。そして、需要データ記憶部９から、予測日の環境条件及び気象情報に対応したデータを取得する。

具体的には、需要データ記憶部９に格納された複数の電力需要パターン９１０から、予測日の環境条件に当てはまる電力需要パターン９１０を選択して取得する。例えば、環境条件決定部４から、「季節：夏」、「日タイプ：平日」及び「天候：雨」の環境条件を取得した場合には、図４（ｂ）に示す、「季節：夏」、「日タイプ：平日」及び「天候：雨」の環境条件に応じて作成された需要パターン９１０を選択して取得する。

需要予測データ取得部５１はさらに、需要データ記憶部９に格納された気温別電力需要量データ９２０から、予測日の気象情報に含まれる予測気温における最大電力需要量と最小電力需要量を取得する。予測気温には、「最高気温」と「最低気温」があるため、需要予測データ取得部５１は合計４点の電力需要量を取得する。

例えば、予測最高気温が３０℃であり、需要予測データ取得部５１は最高気温について纏められたデータからの３０℃における最大電力需要量と最小電力需要量を取得する。同様に、予測最低気温が２０℃である場合、需要予測データ取得部５１は最低気温について纏められたデータからの２０℃における最大電力需要量と最小電力需要量を取得する。

需要予測モデル作成部５２は、需要予測データ取得部５１において取得したデータを用いて、需要予測モデルを作成する。具体的には、相対値である需要比率で示された電力需要パターン９１０の各点に対して、最大電力需要量と最小電力需要量より算出した絶対値である需要量を当てはめていく。

需要予測データ取得部５１では、４点の電力需要量を取得されているが、需要予測モデル作成には、そのうち２点を使用すればよい。４点の需要量の中の最大値を、電力需要パターン９１０のうち、一日のピークを示す需要比率１００％に当てはめる。同様に、４点の需要量の中の最小値を、電力需要パターン９１０の需要比率０％に当てはめる。

例えば、予測最高気温が３０℃であり、予測最低気温が２０℃の場合は、図５に示すように、４点の最大値である３０℃の最大需要量が需要比率１００％に当てはめられる。また、４点の最小値である２０℃の最小需要量が需要比率０％に当てはめられる。

電力需要パターン９１０の残りの部分については、需要比率１００％又は０％の需要量から、各単位時間での需要比率に応じて絶対値の電力需要量を算出する。図４（ａ）に示す需要パターンにおいては、最大需要量及び最小需要量のデータによって、４８点のうちまず２点の電力需要量が定まる。残り４６点については、最大需要量又は最小需要量に対して各点の需要比率を掛け合わせて電力需要量を算出する。

このように算出された各単位時間の電力需要量を結ぶことで、予測日の需要カーブを示す需要予測モデルが作成される。

出力部５３は、需要予測モデル作成部５２で作成された需要予測モデル、その需要予測モデル作成のために需要予測データ取得部５１で取得された電力需要パターン９１０、及び気温別電力需要量データ９２０を出力して、現状予測画面３１として表示部３０に表示させる。

現状予測画面３１の一例を、図７に示す。現状予測画面３１では、電力需要パターン９１０及び気温別電力需要量データ９２０が、需要予測の根拠となったデータであることがユーザにとって明確となるように、需要予測モデル９３０と並べた形で配置されている。

電力需要パターン９１０及び気温別電力需要量データ９２０は、それぞれグラフの形式で表示される。電力需要パターン９１０については、その電力需要パターン９１０が分類される環境条件も共に表示することで、ユーザが需要予測結果の意味や根拠を把握しやすくなっている。気温別電力需要量データ９２０については、予想最高気温及び予想最低気温と、需要予測データ取得部５１で取得された４点の電力需要量のうち、需要予測モデル作成に使用した最大値と最小値が共に表示され、同様にユーザが需要予測結果の意味や根拠を把握しやすくなっている。電力需要量の最大値と最小値については、グラフ上にマーキングする形で表示しても良い。

現状予測画面３１には保存ボタン３２及び修正ボタン３３が埋め込まれている。現状予測画面３１を確認したユーザが、需要予測モデル９３０を修正する必要が無いと判断した場合、入力装置４０を介して保存ボタン３２が押下される。保存ボタン３２の押下に応じて、保存部６は、現状予測画面３１に表示されている需要予測モデル９３０を、予測日の需要予測として需要予測記憶部１０に格納する。

一方、現状予測画面３１を確認したユーザが、需要予測モデル９３０を修正する必要があると判断した場合、入力装置４０を介して修正ボタン３３が押下される。例えば、図７の現状予測画面３１に表示された電力需要パターン９１０では、１２時台も電力需要が落ち込むことなく電力需要が上昇している。しかしながら、地域給電指令所Ａの管内では大きな工場が複数あって、昼休みの１２時台にはラインの停止によって電力需要が落ち込むことが予め想定される。そのような場合には、需要予測モデル９３０の修正が必要となる。

なお、気温別電力需要量データ９２０についても、例えば、予測日の湿度が非常に高く、この湿度が原因で、気温別電力需要量データ９２０の最大需要量よりも電力需要量が高くなることが明らかな時には、需要量データを適宜修正することができる。

需要予測修正部７は、修正ボタン３３の押下に応じて、現状予測画面３１の内容をコピーし、修正処理を行うための修正エリア画面３４を表示部３０に表示させる。図８に、修正エリア画面３４の一例を示す。修正エリア画面３４は、現状予測からの修正部分がユーザにとって明確となるように、現状予測画面３１と並べて表示しても良い。

修正エリア画面３４には、現状予測画面３１に表示されていた需要予測モデル９３０、電力需要パターン９１０及び気温別電力需要量データ９２０が、現状予測画面３１と同様の配置で並べられている。需要予測モデル９３０の修正は、電力需要パターン９１０又は気温別電力需要量データ９２０を修正し、修正後のデータに基づいて需要予測モデル９３０を再作成することによって行われる。

電力需要パターン９１０又は気温別電力需要量データ９２０の修正は、ユーザがマウスを介してグラフの修正を行いたい箇所をクリックし、さらに所望の修正量に応じて上下にドラッグにすることによって修正することができる。修正エリア画面３４には、電力需要パターン９１０及び気温別電力需要量データ９２０のそれぞれの下部に修正表示部３５が埋め込まれ、マウスのドラッグ量に応じた修正量が表示される。なお、修正量の指定は、修正箇所をクリックした後にユーザがキーボードを介して修正量を直接入力することによっても行うことができる。

例えば、一般的な統計データから、複数の工場を有する区域では１２時台の電力需要がピーク時に比べて３０％落ち込むことが想定される場合、電力需要パターン９１０の１２時台の電力需要比率を７０％に修正する。

需要予測修正部７は、修正後の電力需要パターン９１０又は気温別電力需要量データ９２０に基づいて、需要予測部５における需要予測モデル９３０の作成処理と同様の方法で、需要予測モデルの再作成を行う。

需要予測修正部７は、修正前の需要予測モデル９３０に代えて、再作成した需要予測モデル９３０を修正エリア画面３４に表示させる。修正エリア画面３４には、修正終了ボタン３６が埋め込まれている。修正エリア画面３４を確認したユーザが、需要予測モデル９３０の修正内容が適切である判断した場合、入力装置４０を介して保存ボタン３２が押下される。修正終了ボタン３６の押下に応じて、保存部６は、修正エリア画面３４に表示されている需要予測モデル９３０を、予測日の需要予測として需要予測記憶部１０に格納する。

修正エリア画面３４には、データ更新ボタンが埋め込まれている。ユーザが、修正エリア画面３４における修正内容を以後の需要予測にも適用すべきと判断した場合、入力装置４０を介してデータ更新ボタンが押下される。データ更新ボタンの押下に応じて、需要予測修正部７は、修正後の電力需要パターン又は気温別電力需要量データ９２０を、需要データ記憶部９に格納されている既存の電力需要パターン又は気温別電力需要量データ９２０に上書きして更新する。

予測日限定で発生するイベントに起因してデータの修正が行われた場合は、修正内容は以後の需要予測に反映させる必要がないため、データ更新ボタンは押下されず、修正内容は破棄される。

なお、データ更新ボタンの代わりに、修正終了ボタン３６の押下と共に「電力需要データを更新しますか？」というメッセージと「はい」ボタン及び「いいえ」ボタンを表示させるようにしても良い。「はい」ボタンを押下すると、電力需要パターン９１０又は気温別電力需要量データ９２０の更新が行われ、「いいえ」ボタンを押下すると、修正内容は破棄される。

（１−２．作用）
以上のような構成の、電力需要予測装置１について、その作用を説明する。予測日指定部２において、需要予測を行う日を指定する（ステップＳ０１）。ここでは、例えば、２０１３年８月１４日が予測日として指定される。

気象情報取得部３は、予測日指定部２において指定された予測日の気象情報を、ネットワークを介して気象予測データベースから取得する（ステップＳ０２）。２０１３年８月１４日の気象情報として、例えば、以下のような情報を取得する。
「天候：雨 予想最高気温：３０℃ 予想最低気温：２０℃」

環境条件決定部４は、気象情報取得部３で取得された天候情報と、カレンダー記憶部８に格納されたカレンダーを参照して、予測日の環境条件を決定する（ステップＳ０３）。例えば、２０１３年８月１４日の環境条件は、以下のように決定される。
「季節：夏 日タイプ：平日 天候：雨」

需要予測部５は、需要データ記憶部９から、気象情報取得部３で取得した天候と、環境条件決定部４で決定された環境条件に当てはまる電力需要パターン９１０を選択して取得する（ステップＳ０４）。

ここでは、２０１３年８月１４日の天候及び環境条件に当てはまる電力需要パターン９１０として、図４（ｂ）に示す、「季節：夏 日タイプ：平日 天候：雨」に分類された需要パターンデータを選択する。

需要予測部５の需要予測データ取得部５１は、需要データ記憶部９に格納された気温別電力需要量データ９２０から、気象情報取得部３で取得された予測日の予想気温の電力需要量を取得する。具体的には、予想最高気温及び予想最低気温それぞれについて、最大電力需要量及び最小電力需要量を取得する（ステップＳ０５）。

ここでは、２０１３年８月１４日の予想最高気温３０℃及び予想最低気温２０℃それぞれについて最大電力需要量及び最小電力需要量を取得する。

需要予測部５の需要予測モデル作成部５２は、取得した４点の電力需要量の中の最大値を、ステップＳ０４において取得した電力需要パターン９１０の需要比率１００％に当てはめ、最小値を需要比率０％に当てはめる。残りの時間についても、最大需要量又は最小需要量から、それぞれの時間の需要比率に応じて需要量を算出して、予測日の需要予測モデルを作成する（ステップＳ０６）。

ここでは、予想最高気温３０℃の最大需要量が需要比率１００％を示す午後２時３０分の予測需要量となる。また、予想最高気温２０℃の最小需要量が、需要比率０％を示す午前３時の予測需要量となる。

需要予測部５の出力部５３は、需要予測モデル作成部５２で作成した需要予測モデル９３０を、需要予測モデル作成のために選択した電力需要パターン９１０及び気温別電力需要量データ９２０と共に出力して、表示部３０に現状予測画面３１として表示する（ステップＳ０７）。

現状予測画面３１を確認したユーザが、作成された需要予測モデル９３０を修正する必要が無いと判断した場合は（ステップＳ０８：Ｎｏ）、保存部６が需要予測モデル９３０を需要予測記憶部１０に保存する（ステップＳ０９）。

現状予測画面３１を確認したユーザが、作成された需要予測モデル９３０を修正する必要があると判断した場合は（ステップＳ０８：Ｙｅｓ）、需要予測修正部７が、現状予測画面３１の内容をコピーした修正エリア画面３４を表示部３０に表示させる（ステップＳ１０）。

入力装置４０を介してユーザにより電力需要パターン９１０又は気温別電力需要量データ９２０が修正され、需要予測修正部７は、修正後の電力需要パターン９１０及び気温別電力需要量データ９２０に基づいて需要予測モデル９３０を再作成することにより、需要予測モデル９３０の修正を行う（ステップＳ１１）。

修正完了後、需要予測修正部７は、修正した需要予測モデル９３０を需要予測記憶部１０に保存する（ステップＳ０９）。また、必要に応じて、修正した電力需要パターン９１０又は気温別電力需要量データ９２０を需要予測記憶部１０に格納されている既存の電力需要パターン９１０又は気温別電力需要量データ９２０に上書きして更新する。

（１−３．効果）
（１）以上説明したように、本実施形態の電力需要予測装置１は、環境条件に応じて分類され、単位時間ごとの電力需要比率を示した複数の電力需要パターン９１０と、各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データ９２０とを記憶する需要データ記憶部９を有し、これらに基づいて予測日の電力需要予測を行う。すなわち、需要予測部５が、需要データ記憶部９から、予測日の環境条件に応じた電力需要パターン９１０を選択し、気温別電力需要量データ９２０から予測日の予想気温における電力需要量の最大値及び最小値を取得し、これらを用いて予測日の電力需要量の各時間における電力需要量を算出する。このようにして作成された予測日の需要予測モデル９３０を、需要予測部５で選択した電力需要パターン９１０と共に表示部３０に表示する。

このように、環境条件によって分類された電力需要パターン９１０を用いて需要予測モデル９３０を作成し、この電力需要パターン９１０を作成した需要予測モデル９３０と共に表示することによって、ユーザが需要予測結果の意味や根拠を容易に視認することができる。さらに電力需要パターン９１０は絶対値である需要量を相対化した需要比率で示されているため、一般的な比率による統計データを反映させる修正が容易となる。したがって、本実施形態の電力需要予測装置１は、予測対象地域において需要実績がない、あるいは少ない状態でも、ユーザが理解しやすく、しかも修正容易な形態で需要予測を提示することができ、信頼性が高くかつ利便性に優れている。

（２）電力需要パターン９１０の分類に使用される環境条件は、季節、平日又は休日を含む日タイプ及び天候の、需要変動の傾向を予測しやすい分類によって定められる。そして、需要予測部５で選択した電力需要パターン９１０の環境条件を、電力需要パターン９１０と共に前記表示部３０に表示しても良い。これによって、ユーザは、需要予測結果の意味や根拠をさらに理解しやすくなり、利便性を向上させる。

（３）表示部３０において、予測日の需要予測モデル９３０及び需要予測部５で選択した電力需要パターン９１０と共に、気温別電力需要量データ９２０も表示しても良い。これによって、需要予測結果の意味や根拠がさらに容易に把握可能となる。

（４）電力需要予測装置１は、需要予測部５で作成された需要予測モデル９３０を修正する需要予測修正部７をさらに備えている。需要予測修正部７は、表示部３０に表示された電力需要パターン９１０を、ユーザからの入力に基づいて修正することにより、需要予測モデル９３０を修正する。

需要予測モデルを直接修正するのではなく、一般的なデータを反映しやすい電力需要比率で作成された電力需要パターン９１０を修正し、修正後の電力需要パターン９１０を用いて予測日の需要予測モデル結果を再作成することで、需要予測モデルの修正を容易かつ正確に行うことができ、電力需要予測装置１の信頼性及び利便性をさらに高めることができる。

（５）需要予測修正部７によって修正された電力需要パターン９１０を、需要データ記憶部９に記憶しても良い。これによって、修正後のデータを次の需要予測に利用することができ、需要予測の精度を高め、需要実績が少ない状態でも、信頼性の高い需要予測を行うことができる。

［２．第２実施形態］
次に、第２実施形態ついて説明する。第２実施形態以降の実施形態においては、前述した実施形態とは異なる点のみを説明し、同じ部分については同じ符号を付して詳細な説明は省略する。

本実施形態では、需要予測対象地域の需要実績が取得される場合に、その需要実績から需要データを作成し、需要データ記憶部９に格納されたデータを更新する態様について説明する。

図１０に示すように、電力需要予測装置１は、第１実施形態で示した構成に加えて、需要予測対象地域の過去の需要実績データを格納した需要実績記憶部１１と、需要実績データから需要予測用のデータを作成する需要データ作成部１２とを更に備えている。

需要実績記憶部１１は、需要予測対象となる地域給電指令所Ａの管内の過去の需要実績データを格納している。需要実績データは、不図示の需要量測定装置において、地域給電指令所Ａの管内の電力需要量を単位時間ごとに測定することにより作成される。作成された需要実績データは、例えばネットワークを介して、定期的に、あるいはユーザの選択により、需要実績記憶部１１に蓄積される。

需要実績記憶部１１に格納される需要実績データの一例を、図１１に示す。需要実績データ９４０は、単位時間ごとに測定された電力需要量と、測定日及び測定時刻を含む。さらに、季節、日タイプ及び天候の環境条件と、測定時刻における気温も含んでいる。

需要データ作成部１２は、需要実績記憶部１１に格納された需要実績データ９４０から、電力需要パターン９１０及び気温別電力需要量データ９２０の需要予測用のデータを作成する。需要予測用データの作成は、一日分の需要実績データ９４０が取得されれば作成することができるが、所定期間分の需要実績データ９４０からまとめて作成することもできる。データ作成のタイミングとしては、不図示の需要量測定装置から需要実績データ９４０を定期的に取得したときに行っても良く、あるいは、入力装置４０を介してユーザが選択した任意の需要実績データ９４０に基づいて需要予測用のデータを作成しても良い。

電力需要パターン９１０は、第１実施形態で説明した方法と同様の方法で作成することができる。作成対象となる需要実績データ９４０が一日分の場合は、単純に一日のピークの需要量を需要比率１００％とし、ボトムの需要量を需要比率０％とし、これらを基準としてその間の各需要量に需要比率を求めることによって、電力需要パターン９１０を作成することができる。

電力需要パターン９１０の作成対象となる需要実績データ９４０が複数日分である場合は、まず、需要実績データ９４０を環境条件に従って分類する。すなわち、需要実績データ９４０は「季節」、「日タイプ」及び「天候」のタイプが同一のグループにそれぞれ分類される。

環境条件に応じて分類されたグループ内で、同じ測定時刻でも電力需要量が異なり、バラつきが存在する場合がある。その場合には、同じ測定時刻の電力需要量の平均値を求めても良い。あるいは、電力需要パターン９１０にある程度の幅を持たせるため、分布関数処理によって中心値とばらつき幅を求めても良い。

そして、測定時刻のうち、ピークの需要量を需要比率１００％とし、ボトムの需要量を需要比率０％とし、これらを基準として各測定時刻の需要比率を求める。各測定時刻の電力需要量を平均化処理した場合は、図１２（ａ）に示すような、平均化された需要カーブが作成される。各測定時刻の電力需要量に対して分布関数処理を行った場合は、図１２（ｂ）に示すような箱ひげ図が作成される。

需要データ作成部１２は、このようにして作成した電力需要パターン９１０を、需要データ記憶部９に保存する。同じ環境条件に分類された電力需要パターン９１０がすでに需要データ記憶部９に格納されている場合は、既存のデータを上書きして更新しても良い。あるいは、新規データとして保存し、需要予測を行う際にユーザがより近似した電力需要パターン９１０と予想される方を選択する形にしても良い。

気温別電力需要量データ９２０は、第１実施形態で説明した方法と同様の方法で作成することができる。測定日ごとに需要実績データ９４０から最高気温と、電力需要量の最大値及び最小値を抽出して纏める。最低気温についても同様に、電力需要量の最大値及び最小値を抽出して纏める。そして各気温における最大電力需要量と最小電力需要量をそれぞれ結ぶことによって、気温別の電力需要量を示す需要カーブが作成される。

作成対象となる需要実績データ９４０が複数日分である場合は、最高気温又は最低気温が同じであっても、電力需要量の最大値及び最小値が異なり、バラつきが存在する場合がある。その場合には、同じ気温毎に電力需要量の平均値を求めても良い。又は、最大需要量についてはより大きい値を選択する、最小需要量についてはより小さい値を選択するようにしても良い。また、電力需要量データにある程度の幅を持たせるため、分布関数処理によって中心値とばらつき幅を求めても良い。

需要データ作成部１２は、このようにして作成した気温別電力需要量データ９２０を、需要データ記憶部９に保存する。この場合、需要データ記憶部９に格納されている既存のデータを上書きして更新しても良い。あるいは、新規データとして保存し、需要予測を行う際にユーザがより近似した気温別電力需要量データ９２０と予想される方を選択する形にしても良い。

需要データ記憶部９には、需要予測対象地域である地域給電指令所Ａの管内の過去の需要実績データ９４０に基づいて作成された電力需要パターン９１０と気温別電力需要量データ９２０が格納され、需要予測部５はこれらのデータを用いて、第１実施形態と同様の方法で需要予測モデルの作成を行う。

以上詳述したように、本実施形態では、需要実績データ９４０から需要予測データを作成する需要データ作成部１２を設けることで、需要予測の精度を随時向上させることができる。例えば、需要実績の蓄積がまだ十分でなく、需要実績データ９４０を直接需要予測に使えない状態でも、部分的に需要実績を反映させることで、需要予測の信頼性を高めることができる。

［３．第３実施形態］
次に、第３実施形態について説明する。本実施形態では、第１実施形態で説明した電力需要パターン９１０及び気温別電力需要量データ９２０を用いた需要予測に加えて、第２実施形態で説明した需要予測対象地域の需要実績データを直接使用して需要予測を行う態様について説明する。

第２実施形態と同様に、本実施形態において電力需要予測装置１は、需要実績記憶部１１を有する。需要実績記憶部１１は、図１１に示すような、単位時間ごとに測定された電力需要量と、測定日、測定時刻、環境条件及び測定時刻の気温を含む需要実績データ９４０を格納している。

本実施形態では、この単位時間毎に纏められた詳細な需要実績データ９４０を用いて需要予測を行う。そのため、気象情報取得部３では、予測日の単位時間毎の詳細な気象情報を取得することが望ましい。これによって予測日の各単位時間に対して最も近似する需要実績データ９４０を選択して需要予測を行うことができる。

また、需要データ記憶部９には、図１３に示すように、第１実施形態で示した電力需要パターン９１０と気温別電力需要量データ９２０に加えて、以下のデータが記憶されている。
・環境条件に応じて分類され、単位時間ごとの気温変化による電力需要変動率を示した複数の電力需要変動パターン９５０（以降、単に「電力需要変動パターン」ともいう）

電力需要変動パターン９５０の一例を、図１３に示す。電力需要変動パターン９５０は、単位時間毎の気温変化による電力需要変動率を所定期間ごとに纏めたもので、単位時間毎の電力需要変動率の推移を示している。例えば、３０分毎の、気温が１℃変化した場合の電力需要変動率を、日単位で纏めたデータとすることができる。

電力需要パターン９１０と同様に、環境条件によって電力需要変動パターン９５０は異なってくるため、需要データ記憶部９には、環境条件に応じて分類された複数の電力需要変動パターン９５０が格納されている。

図１３（ａ）は、「季節：春」、「日タイプ：平日」及び「天候：晴れ」の環境条件に応じて作成された電力需要変動パターン９５０であり、図１３（ｂ）は「季節：夏」、「日タイプ：平日」及び「天候：晴れ」の環境条件に応じて作成された電力需要変動パターン９５０である。

電力需要変動パターン９５０は、既存のデータを予め準備し、需要データ記憶部９に格納しておいても良い。あるいは、第２実施形態で説明した需要データ作成部１２によって、需要実績記憶部１１に格納された地域給電指令所Ａの管内の需要実績データ９４０から作成することもできる。

電力需要変動パターン９５０の作成方法としては、まず、需要データ作成部１２が、第２実施形態において説明したように、需要実績データ９４０を環境条件に応じて分類して電力需要パターン９１０を作成する。さらに各単位時間の測定気温を用いて、単位時間毎の気温が１℃変化した場合の電力需要変動率を算出することによって、電力需要変動パターン９５０が作成される。電力需要パターン９１０を作成する際に平均化処理を行った場合は、図１３（ａ）に示すように、平均化された需要カーブが作成される。電力需要パターン９１０を作成する際に分布関数処理を行った場合は、図１３（ｂ）に示すような箱ひげ図が作成される。

需要データ作成部１２は、このようにして作成した電力需要変動パターン９５０を需要データ記憶部９に格納している。

さらに、本実施形態において、需要予測部５は、第１実施形態及び第２実施形態で示した構成に加えて、図１４に示すように、需要実績データ取得部５４、需要実績データ仮記憶部５５、実績準拠需要予測モデル作成部５６を有する。このような構成によって、電力需要パターン９１０及び気温別電力需要量データ９２０を用いた需要予測と、需要実績データ９４０及び電力需要変動パターン９５０を用いた需要予測とが選択的に行われる。

なお、第１実施形態で説明した需要予測モデル作成部５２については、実績準拠需要予測モデル作成部５６と区別するために、本実施形態ではパターン準拠需要予測モデル作成部５２と称する。

需要実績データ取得部５４は、需要実績記憶部１１を参照して、予測日の環境条件に近似する需要実績データ９４０を検索し、データが存在する場合にはそれらを取得して需要実績データ仮記憶部５５に保存する。

具体的には、需要実績データ取得部５４は、まず、予測日指定部２で指定された予測日から、需要実績データ９４０の検索対象期間を決定する。検索対象期間は任意で定めることができるが、予測日に近似する需要実績データ９４０に予め絞り込めるように、例えば、予測日から遡って３年前までの、予測日の前後３０日間のデータを検索対象期間とすることができる。

需要実績データ取得部５４は、検索対象期間となったデータを検索し、環境条件決定部４で決定された予測日の環境条件に近似するデータを抽出する。具体的には、予測日と、季節，日タイプ及び天候のタイプが一致するデータを抽出する。需要実績データ９４０は、測定日が同じでも測定時刻によって天候が異なる場合もあるが、同一測定日の需要実績データ９４０のなかで、一つでも天候が予測日と同じ場合は抽出対象としても良い。

需要実績データ取得部５４は、抽出された需要実績データ９４０を、需要予測に利用する候補として、需要実績データ仮記憶部５５に一時的に保存する。複数の測定日の需要実績データ９４０が抽出された場合は、取得する需要実績データ９４０の絞り込みを行っても良い。絞り込みは、ユーザが入力装置４０を介して取得する需要実績データ９４０を選択することで行っても良い。あるいは、抽出した需要実績データ９４０の中で、測定気温と予測日の予想最高気温及び予想最低気温に対する誤差が所定範囲内にある需要実績データ９４０のみを自動的に取得するようにしても良い。

需要実績データ９４０の中に、予測日前後の需要実績データ９４０が存在しない場合、あるいは環境条件が一致する需要実績データ９４０が存在しない場合には、需要実績データ９４０の取得及び保存は行われない。

需要実績データ９４０の取得が行われなかった場合、需要予測部５は、第１実施形態と同様に、電力需要パターン９１０及び気温別電力需要量データ９２０を用いた需要予測を行う。具体的には、需要予測データ取得部５１は、需要データ記憶部９から、予測日の環境条件と気象情報に従って、電力需要パターン９１０と気温別電力需要量データ９２０を取得する。パターン準拠需要予測モデル作成部５２は、これらのデータを用いて需要予測モデルの作成を行い、出力部５３が作成した需要予測モデル９３０を出力して表示部３０に表示させる。

一方、需要実績データ取得部５４で需要実績データ９４０の取得が行われた場合、需要予測部５は需要実績データ９４０を用いた需要予測を行う。この場合、需要予測データ取得部５１は、需要データ記憶部９から、電力需要パターン９１０及び気温別電力需要量データ９２０の代わりに、電力需要変動パターン９５０を取得する。需要予測データ取得部５１に格納された複数の電力需要変動パターン９５０から、予測日の環境条件に当てはまる電力需要変動パターン９５０が取得される。

これらのデータを用いた需要予測モデルの作成は、需要予測モデル作成部５２に代わって、実績準拠需要予測モデル作成部５６で行われる。実績準拠需要予測モデル作成部５６は、図１５に示すように、初期時刻自動設定部５７、生成時刻設定部５８、近似気象条件需要実績取得部５９及び予測値生成部６０を有する。実績準拠需要予測モデル作成部５６は、単位時間毎に需要予測値を生成し、これを一日分纏めることで予測日の需要予測モデルが完成する。

初期時刻自動設定部５７は、需要予測値の生成を開始する初期時刻を設定する。初期時刻は、ユーザが入力装置４０を介して設定することもできるが、例えば０時に自動的に設定されるようにしてもよい。

生成時刻設定部５８は、需要予測値の生成時刻単位を設定する。生成時刻は、ユーザが入力装置４０を介して設定することもできるが、需要実績の単位時間と同様に３０分毎に生成されるように自動的に設定されるようにしても良い。すなわち、需要予測の初期時刻が０時である場合には、次の生成時刻は０：３０となり、最終の生成時刻は２３：３０となる。

近似気象条件需要実績取得部５９は、需要実績データ仮記憶部５５に一時的に保存されている需要実績データ９４０から、各生成時刻の気象情報に最も近似する需要実績データ９４０を取得する。具体的には、近似した需要実績データ９４０とは、測定時刻が生成時刻と一致し、さらに測定時の天候が生成時刻の予想される天候と一致するもので、測定時の気温と生成時刻の予想気温との差分が最も少ない需要実績データ９４０を意味する。需要実績として湿度も記録され、気象情報で湿度情報も取得している場合は、気温の差分に加え、湿度の差分についても考慮して選択しても良い。

予測値生成部６０は、近似気象条件需要実績取得部５９にて取得された、近似する需要実績データ９４０に対して、生成時刻の予想気温との差分を考慮した補正を行う。補正を行うために、電力需要変動パターン９５０から補正係数を算出する。

この補正係数の算出として、実績準拠需要予測モデル作成部５６は、生成時刻の予想気温と需要実績データ９４０の気温との差分を求める。次に、電力需要変動パターン９５０から生成時刻において気温が１℃変化した場合の需要量変動率を参照する。この需要量変動率に予想気温の需要実績データ９４０の気温との差分を乗じることで、電力需要量の補正係数が算出する。実績準拠需要予測モデル作成部５６は、算出した補正係数を、需要実績データ９４０の電力需要量に加算する。これによって、予測日の生成時刻における電力需要量の予測値が算出される。

例えば、予測日が２０１３年８月５日で、生成時刻が０：３０の場合において、近似する需要実績データ９４０として、測定日が２０１３年７月１０日、測定時刻が０：３０の需要実績データ９４０が取得される。この需要実績データ９４０における気温は２０℃である。これに対して、予測日の８月５日０：３０の予想気温は、２３℃となっている。すなわち、予測日の予想気温は需要実績の気温に対して、＋３℃の差がある。そのため、電力需要変動パターン９５０に示されている、０：３０における気温が１℃変化した場合の需要量変動率が２％である場合、これを３倍した６％が、補正係数となる。測定日２０１３年７月１０日、測定時刻が０：３０の電力需要量を、６％上昇させた値が、２０１３年８月５日の０：３０における電力需要量の予測値となる。

実績準拠需要予測モデル作成部５６は、各生成時刻に対して上述の処理を繰り返してそれぞれの電力需要量の予測値を算出し、各予測値を結んだ需要カーブとして、予測日の需要予測モデルを作成する。作成された需要予測モデルは、第１実施形態と同様に出力部５３によって表示部３０に表示される。実績準拠需要予測モデル作成部５６で需要予測を行った場合、表示部３０には、需要予測モデル９３０と共に、予測の根拠となった需要変動パターンと需要実績データ９４０が共に表示される。

本実施形態における電力需要予測装置１の作用を、図１６のフローチャートを参照して説明する。なお、第１実施形態と重複する部分は適宜省き、電力需要パターン９１０及び気温別電力需要量データ９２０を用いた需要予測と、需要実績データ９４０及び電力需要変動パターン９５０を用いた需要予測の切り換えに重点を置いて説明する。

第１実施形態と同様に、予測日指定部２において予測日が指定される（ステップＳ１０１）。次に、気象情報取得部３は、予測日指定部２において指定された予測日の気象情報を、ネットワークを介して気象予測データベースから取得する（ステップＳ１０２）。本実施形態においては、単位時間毎の詳細な気象情報を取得する。例えば、予測日が２０１３年８月５日の場合、２０１３年８月５日の０時から３０分刻みで、２３：３０までの気象情報を取得する。

環境条件決定部４は、気象情報取得部３で取得された天候情報と、カレンダー記憶部８に格納されたカレンダーを参照して、予測日の環境条件を決定する（ステップＳ１０３）。

需要予測部５の需要実績データ取得部５４は、需要実績データ記憶部に格納されている需要実績データ９４０を検索し、予測日の環境条件に近似する需要実績データ９４０が存在しない場合には、（ステップＳ１０４：Ｎｏ）、第１実施形態と同様に、需要予測データ取得部５１は電力需要パターン９１０と気温別電力需要量データ９２０を取得し、需要予想モデル作成部はこれらのデータに基づいて需要予測モデル９３０を作成する（ステップＳ１０５〜Ｓ１０７）。

一方、予測日の環境条件に近似する需要実績データ９４０が存在する場合には、（ステップＳ１０４：Ｎｏ）その需要実績データ９４０を抽出して需要実績データ仮記憶部５５に保存する（ステップＳ１２０）。

一方、需要実績データ取得部５４で需要実績データ９４０の取得が行われた場合、需要予測データ取得部５１は、需要データ記憶部９から、予測日の環境条件に当てはまる電力需要変動パターン９５０を取得する（ステップＳ１２１）。

実績準拠需要予測モデル作成部５６において、需要実績データ９４０と電力需要変動パターン９５０を用いて、需要予測モデル９３０を作成する（ステップＳ１２２）。実績準拠需要予測モデル作成部５６における作用については、既に述べたので、詳細は省略する。

需要予測部５の出力部５３は、作成された需要予測モデル９３０を、現状予測画面３１として表示する（ステップＳ１０８）。ここで、電力需要パターン９１０と気温別電力需要量データ９２０を用いて需要予測モデル作成を行った場合は、需要予測モデル９３０はこれらのデータと共に表示される。一方、需要実績データ９４０と電力需要変動パターン９５０を用いて需要予測モデル９３０の作成を行った場合は、需要予測モデル９３０は近似気象条件需要実績取得部５９で最終的に選択した需要実績データ９４０と、電力需要変動パターン９５０と共に表示される。

需要予測モデル９３０に修正が必要であれば、修正エリア画面３４で修正を行う（ステップＳ１１１〜Ｓ１１２）。修正後、需要予測モデル９３０を需要予測記憶部１０に保存する（ステップＳ１１０）。

以上詳述したように、本実施形態では、電力需要予測装置１は、単位時間毎に測定された予測対象区域の電力需要量を、前記環境条件にしたがって分類した需要実績を格納した需要実績記憶部１１を備える。また、需要データ記憶部９には、環境条件に応じて分類され、単位時間ごとの気温変化による需要変動率を示した複数の電力需要変動パターン９５０が記憶されている。

需要予測部５は、需要実績記憶部１１から予測日の各単位時間の環境条件に当てはまる需要実績を抽出し、需要データ記憶部９から前記予測日の環境条件に当てはまる電力需要変動パターン９５０を取得する。そして需要実績の気温と予測日の予想気温との差分に基づき、電力需要変動パターン９５０の各単位時間における電力需要変動率を用いて、需要実績の各単位時間における電力需要量を補正して、予測日の需要予測モデル９３０を作成する。

このような構成により、蓄積された需要実績データ９４０を直接使用して需要予測を行うことにより、需要予測の精度をさらに向上させることができる。また、予測日によって使用できる需要実績が存在しない場合は、選択的に電力需要パターン９１０と気温別電力需要量データ９２０を用いた需要予測を行うようにすることで、ユーザの利便性を更に高めることができる。

［４．第４実施形態］
第４実施形態について説明する。第３実施形態では、気象情報取得部３において、予測日の単位時間毎の詳細な気象情報を取得し、気象情報に含まれる単位時間毎の予測気温の情報を用いて、需要実績データ９４０に基づいた需要予測を行っていた。本実施形態では、気象情報が１日１点に限られ、単位時間ごとの気象予測情報が得られない場合に、あらかじめ設定した気象パターンに基づいてデータを補間する態様を説明する。

本実施形態において、電力需要予測装置１は、上述の実施形態の構成に加えて、図１７に示すように、気象パターンを格納する気象パターン記憶部１３と、外部の気象予報サーバ７００から取得した気象情報を用いて、単位時間毎の気象予測データを作成する気象予測データ構築部１４とを新たに有する。

上述したように、本実施形態では、気象情報取得部３は、予測日全体で１点の気象情報を取得する。例えば、予測日が２０１３年８月５日の場合に、気象情報取得部３は、以下の気象情報を取得する。
「天候：晴れ、１２時の予想気温：３０℃」

気象予測データ構築部１４は、気象情報取得部３で取得した気象情報に基づいて、気象パターン記憶部１３から、指定された予測日とその気象情報に応じた気象パターン９６０を取得する。気象パターン９６０としては、季節や天候によって分類された、気温の相対的な時間変化量を示すデータが挙げられる。予測日が２０１３年８月５日の場合は、図１８に示すような、季節が「夏」、天候が「雨」における気温の相対的な時間変化量を示す気象パターン９６０が取得される。

気象予測データ構築部１４は、気象情報に含まれる予想気温を、この気象パターン９６０に当てはめる。気象情報で取得した、予測日の１２時の予想気温は３０℃であり、図１８の気象パターン９６０において、１２時の相対温度は９５％を示している。したがって、９５％を３０℃とし、各単位時間の相対温度についても気温を算出することで、需要予測に必要な、単位時間ごとの気温情報が生成される。

この様に、本実施形態では、単位時間ごとの気象予測情報が得られない場合でも、１点の気象予測情報と気象パターン９６０を用いて、不足データを補間して気象予測データを作成することができ、ユーザに高い利便性を提供することができる。なお、上述の例では、気温のデータを補完する態様を説明したが、同様の方法で湿度のデータも補完することができる。

［５．第５実施形態］
第５実施形態について説明する。第５実施形態では、上述の実施形態における電力需要予測装置１を需要抑制計画策定装置９０に組み込んだ態様を説明する。

需要抑制計画策定装置９０は、電力供給側からの消費電力の削減要求に対するレスポンス、いわゆるデマンドレスポンス（以降、「ＤＲ」という）として発行される需要抑制計画を策定する。需要抑制計画とは、具体的には、需要予測に基づいて算出された、負荷抑制量や蓄電池充放電量等の需要抑制量と、この需要抑制量を達成するために選択されたインセンティブメニューを意味する。

本実施形態では、需要抑制計画策定装置９０は、中央給電指令所から発行される運用計画システムに含まれる削減要求を達成するために、地域給電指令所Ａの管内での需要抑制計画を策定する態様を説明する。また、地域給電指令所Ａの管内に太陽光発電装置が備えられており、需要抑制計画策定装置９０はその発電量を考慮して需要抑制計画を策定する。

図１９に示すように、需要抑制計画策定装置９０は、電力需要予測装置１と太陽光発電量予測部１００を備える。電力需要予測装置１は、上述の実施形態で説明したように、地域給電指令所Ａの管内の電力需要量の予測を行う。太陽光発電量予測部１００は、地域給電指令所Ａの管内に設けられた太陽光発電装置による発電量を予測する。需要抑制計画策定装置９０には、外部からネットワークを介して取得された太陽光発電情報を格納する太陽光発電情報記憶部１０１と、太陽光発電量予測部１００が作成した太陽光発電量予測を格納する太陽光発電予測量記憶部１０２が設けられている。

需要抑制計画策定装置９０は、さらに、需要予測と太陽光発電量予測に基づいて需要抑制量を算定する需要抑制量算定部１１０と、需要抑制量算定部１１０によって決定された需要抑制量を格納する需要抑制量記憶部１１１を有する。

需要抑制量算定部１１０は、需要予測部５の需要予測記憶部１０と太陽光発電予測記憶部に格納された予測値を用いて需要抑制量を算定する。

需要抑制量は、需要予測値から、太陽光発電量と購買電力量の合計値を差し引いた値であり、需要抑制の目標値を達成するために必要な抑制量となる。ここで、購買電力量は、中央給電指令所の運用計画システムで事前に決められた値である。算定された需要抑制量は、需要抑制量記憶部１１１に保存される。

需要抑制計画策定装置９０は、各種インセンティブメニューと、その過去の実績値を格納したインセンティブメニュー記憶部１２１と、需要抑制量算定部１１０で算定された需要抑制量に応じて、発行するインセンティブメニューを決定するインセンティブメニュー決定部１２０とを有する。

インセンティブメニュー記憶部１２１に記憶されているインセンティブメニューには、例えば、次の様な種類がある。
（ａ）ＴＯＵ（Time of Use）：電力コストの高い時間帯と低い時間帯を分けた料金体系方式
（ｂ）ＣＰＰ（Critical Peak Price）：電力ピーク日を設けて、ピーク日の特定時間帯に、より高額な料金を設定する料金体系方式
（ｃ）ＰＴＲ（Peak Time Rebate）：指定した時間帯に、電力消費した分及び削減した分だけリベートを支払う方式
（ｄ）Ｌ−ＰＴＲ（Limited-PTR）：上限値つきのＰＴＲ
（ｅ）ＣＣＰ（Capacity Committed Program）：電力抑制量の目標値を達成した場合にリベートを支払う方式

これらのインセンティブメニューは、それぞれ、同コストでどれだけの電力量を抑制したかという過去の実績情報と共に格納されている。

インセンティブメニュー決定部１２０は、インセンティブメニュー記憶部１２１に記憶されているこれらのインセンティブメニューから、発電事業者にとってコストを最小に抑えて需要抑制が可能となるインセンティブメニューを判断する。具体的には、インセンティブメニュー記憶部１２１に格納されているインセンティブメニューごとの実績値から、最小コストとなるインセンティブメニューを選定する。

次に、需要抑制量記憶部１１１に格納された、予測日の単位時間、例えば３０分ごとの需要抑制量から、インセンティブメニューを発行した際の、一日に必要なコストを算出する。算出されたコストが、予め定められた予算内であれば、インセンティブメニューを決定する。算出されたコストが予め定められた予算を超える場合は、予算総額を変更するか、需要抑制量を予算内で対応できる値に変更して調整を行う。この調整は、現状の需要抑制量とインセンティブメニューを表示部３０に表示させ、ユーザが入力装置４０を介してそれらのデータの変更を指示することによって行っても良い。

需要抑制計画策定装置９０は、需要抑制計画記憶部１３０を有している。インセンティブメニューと、最終的に決定された需要予測量は、需要抑制計画として需要抑制計画記憶部１３０に格納される。

以上詳説したように、本実施形態の需要抑制計画策定装置９０は、上述の実施形態で説明した需要予測装置を組み込むことによって、信頼性の高い需要予測に基づいて適切なインセンティブメニューを選択することができ、需要抑制計画策定の精度を高めることができる。

［６．その他の実施形態］
（１）上記実施形態に記載した電力需要予測方法及び需要抑制計画策定方法は、コンピューター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、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、光磁気ディスク、半導体メモリなどの記憶媒体に記憶させて頒布してもよい。

（２）上記実施形態に記載した電力需要予測装置１を組み込んだ需要抑制計画策定装置９０において、作成した需要抑制計画の内容を需要予測にフィードバックし、需要予測量を補正するようにしても良い。そのための構成として、発行されたインセンティブにより起こる需要変動パターンを格納したＤＲ効果予測記憶部と、それらの情報を用いて事前に立てた需要予測を補正するＤＲ効果推定部を備える。これによって、需要抑制計画を考慮して算出した需要予測量を補正することができ、需要予測及び需要抑制計画の作成における信頼性を一層高めることができる。

（３）また、需要抑制計画策定装置９０に、需要抑制計画による環境改善効果をＬＣＡなどの環境影響評価手法に基づいて算定する環境改善効果算定部を設けても良い。環境改善効果算定部は、地域給電指令所Ａの管内における太陽光発電量（ｋＷｈ／日）や需要抑制計画によって達成される一日の省エネ量（ｋＷｈ／日）から、ＣＯ_２削減量を算定して表示を行う。この環境改善効果を、需要抑制計画と共に表示画面に表示することによって、需要抑制計画策定時に環境改善についての利益をユーザに知らせることができる。

（４）上述の実施形態では、需要抑制計画策定装置９０は、太陽光発電による発電量を考慮して需要抑制計画を策定していたが、太陽光発電に限られず、風力発電や水力発電等の他の発電設備の発電量や、蓄電池の放電量を考慮するようにしても良い。例えば、地域給電指令所Ａの管内に蓄電池が備えられている場合には、需要抑制量は、需要予測値から、太陽光発電量、購買電力量及び蓄電池放電量の合計値を差し引いた値となる。

（５）本発明は上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、上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削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１ 電力需要予測装置
２ 予測日指定部
３ 気象情報取得部
４ 環境条件決定部
５ 需要予測部
６ 保存部
７ 需要予測修正部
８ カレンダー記憶部
９ 需要データ記憶部
１０ 需要予測記憶部
１１ 需要実績記憶部
１２ 需要データ作成部
１３ 気象パターン記憶部
１４ 気象予測データ構築部
３０ 表示部
３１ 現状予測画面
３２ 保存ボタン
３３ 修正ボタン
３４ 修正エリア画面
３５ 修正表示部
３６ 修正終了ボタン
４０ 入力装置
５１ 需要予測データ取得部
５２ 需要予測モデル作成部（パターン準拠需要予測モデル作成部）
５３ 出力部
５４ 需要実績データ取得部
５５ 需要実績データ仮記憶部
５６ 実績準拠需要予測モデル作成部
５７ 初期時刻自動設定部
５８ 生成時刻設定部
５９ 近似気象条件需要実績取得部
６０ 予測値生成部
９０ 需要抑制計画策定装置
１００ 太陽光発電量予測部
１０１ 太陽光発電情報記憶部
１０２ 太陽光発電予測量記憶部
１１０ 需要抑制量算定部
１１１ 需要抑制量記憶部
１２０ インセンティブメニュー決定部
１２１ インセンティブメニュー記憶部
１３０ 需要抑制計画記憶部
７００ 気象予報サーバ
９１０ 電力需要パターン
９２０ 気温別電力需要量データ
９３０ 需要予測モデル
９４０ 需要実績データ
９５０ 電力需要変動パターン
９６０ 気象パターン
Ａ 地域給電指令所

Claims (12)

1. 指定された予測日の電力需要を予測する電力需要予測装置であって、
   環境条件に応じて分類され、単位時間ごとの電力需要比率を示した複数の電力需要パターンと、各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データとを記憶する、需要データ記憶部と、
   前記需要データ記憶部から、前記予測日の環境条件に応じた需要パターンを選択し、前記気温別電力需要量データから前記予測日の予想気温における電力需要量の最大値及び最小値を取得し、前記予測日の各単位時間における電力需要量を算出して当該予測日の需要予測モデルを作成する需要予測部と、
   前記予測日の需要予測モデルを、前記需要予測部で選択した電力需要パターンと共に表示する表示部と、
   を備えることを特徴とする電力需要予測装置。
2. 前記環境条件は、季節、平日又は休日を含む日タイプ、及び天候によって定められ、前記需要予測部で選択した電力需要パターンの環境条件が、当該電力需要パターンと共に前記表示部に表示されることを特徴とする請求項１記載の電力需要予測装置。
3. 前記予測日の需要予測モデル及び前記需要予測部で選択した電力需要パターンと共に、前記気温別電力需要量データが前記表示部に表示されることを特徴とする請求項１又は２記載の電力需要予測装置。
4. ユーザからの入力に基づいて、前記表示部に表示された電力需要パターンを修正し、修正後の電力需要パターンを用いて前記予測日の需要予測モデルを再作成することで、前記需要予測モデルの修正を行う需要予測修正部を更に備えることを特徴とする請求項１〜３のいずれか一項に記載の電力需要予測装置。
5. 前記修正後の電力需要パターンが、前記需要データ記憶部に記憶されることを特徴とする請求項４記載の電力需要予測装置。
6. 単位時間毎に測定された予測対象区域の電力需要量を、前記環境条件にしたがって分類した需要実績を格納した需要実績記憶部を備え、
   前記需要データ記憶部は、環境条件に応じて分類され、単位時間ごとの気温変化による需要変動率を示した複数の電力需要変動パターンを更に記憶し、
   前記需要予測部は、前記需要実績記憶部から前記予測日の各単位時間の環境条件に当てはまる需要実績を抽出し、前記需要データ記憶部から前記予測日の環境条件に当てはまる電力需要変動パターンを取得し、
   前記需要実績の気温と前記予測日の予想気温との差分に基づき、前記電力需要変動パターンの各単位時間における電力需要変動率を用いて、前記需要実績の各単位時間における電力需要量を補正して、当該予測日の需要予測モデルを作成することを特徴とする請求項１〜５のいずれか一項に記載の電力需要予測装置。
7. 環境条件に応じて分類され、単位時間ごとの相対的な気象変動率を示す複数の気象パターンを記憶する気象パターン記憶部と、
   前記気象パターン記憶部から、前記予測日の環境条件に応じた気象パターンを取得し、
   前記予測日の気象情報から、前記予測日における単位時間毎の気象予測データを作成する気象予測データ構築部と、を更に備えることを特徴とする請求項１〜６のいずれか一項に記載の電力需要予測装置。
8. 請求項１〜７のいずれか一項に記載の電力需要予測装置と、
   前記電力需要予測装置によって作成された需要予測モデルを用いて、予測対象地域における電力需要抑制量を算定する需要抑制計画算定部と、
   前記電力需要抑制量を達成するためのインセンティブメニューを決定するインセンティブメニュー決定部を備えることを特徴とする需要抑制計画策定装置。
9. 前記電力需要抑制量に基づいて、前記電力需要予測装置によって作成された需要予測モデルを補正する需要抑制効果推定部を備えることを特徴とする請求項８記載の需要抑制計画策定装置。
10. 前記需要抑制計画による環境改善効果を算定する環境改善効果算定部環境改善効果算定部を更に備えることを特徴とする請求項８又は９記載の需要抑制計画策定装置。
11. 環境条件に応じて分類され、単位時間ごとの電力需要比率を示した複数の電力需要パターンと各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データとを記憶する需要データ記憶部にアクセス可能なコンピューターにより実行される、指定された予測日の電力需要を予測する電力需要予測方法であって、
    前記需要データ記憶部から、前記予測日の環境条件に応じた需要パターンを選択し、前記気温別電力需要量データから前記予測日の予想気温における電力需要量の最大値及び最小値を取得し、前記予測日の各単位時間における電力需要量を算出して当該予測日の需要予測モデルを作成するステップと、
    前記予測日の需要予測モデルを、前記需要予測部で選択した電力需要パターンと共に表示部に表示するステップと、を備えることを特徴とする電力需要予測方法。
12. 指定された予測日の電力需要を予測する電力需要予測プログラムであって、
    コンピューターに、
    記憶装置に記憶された、環境条件に応じて分類され、単位時間ごとの電力需要比率を示した複数の電力需要パターンと、各気温での電力需要量の最大値及び最小値を纏めた気温別電力需要量データとにアクセスする機能と、
    前記複数の電力需要パターンから、前記予測日の環境条件に応じた需要パターンを選択し、前記気温別電力需要量データから前記予測日の予想気温における電力需要量の最大値及び最小値を取得し、前記予測日の各単位時間における電力需要量を算出して当該予測日の需要予測モデルを作成する機能と、
    前記予測日の需要予測モデルを、前記需要予測部で選択した電力需要パターンと共に表示する表示画面データを生成する機能と、
    を実現させることを特徴とする電力需要予測プログラム。
    
    
    
    
    
    

Images