JP2014192910A - 電力需要予測装置及び方法 - Google Patents

Abstract

【課題】気温の予測値を用いて電力需要量を精度よく予測する従来の電力需要予測装置では、予測気温をインターネット経由で取得していた。しかし、ビルや家庭などにおいて電力需要量を予測する場合、セキュリティの観点からインターネットに接続されない環境におかれることも多く、インターネットに接続されない環境での高精度な電力需要量の予測が課題であった。
【解決手段】太陽光パネルの発電量など今後の気温の変化と相関がある建物内外から得られるデータを取得し、取得されたデータと現在までの気温の変化に関するデータとの相関性に基づき将来の気温を予測し、予測された気温を用いて将来の電力需要量を予測することで、インターネットに接続されない環境における高精度な電力需要量の予測を実現する。
【選択図】 図１

Description

本発明は電力需要量を予測する電力需要予測装置及び方法に関するものである。

これまで電力会社などの供給家が安定かつ効率的に電力を供給するために電力需要量を予測する技術を主に必要としていた。しかし、近年、ビルや家庭などの需要家においても省エネの必要性が高まり、電力需要予測装置が必要となっている。これは、電力需要量を予測できれば、事前に節電が必要な時間帯や節電量がわかるため、空調や照明の停止などの省電力制御においてより計画的な制御ができるようになるためである。

このように需要家にとっても電力需要予測が必要とされているが、ビルや家庭等では空調の電力需要量が占める割合が高く、その電力需要量は気温の変化に伴い大きく変化する。そのため、電力需要量を精度よく予測するためには、気温の予測が必要であった。そこで、従来技術では天気予報データの予測気温をインターネット経由で取得し、得られた予測気温を基に電力需要量を予測することで予測精度の向上を図っていた（例えば、特許文献１）。

特開２０００−３３３３６７号公報

従来技術では、インターネットを経由して取得した天気予報データの予測気温を用いて、電力需要量の予測精度を向上していた。しかし、ビルや家庭などにおける電力需要量を予測するコンピュータは、空調や照明など建物内の機器を管理・制御するサーバ等に接続される場合が多く、セキュリティの観点からインターネットに接続されない環境に置かれることも多い。このような場合、従来技術では予測に必要な外部データとしての天気予報データの予測気温をインターネット経由で取得できない課題があった。

この発明は、上記の課題を解決するためになされたもので、ビルや家庭等から得られるデータを用いて気温を予測し、その予測気温をもとに電力需要量を予測することで、オフライン環境でも高い予測精度を維持することを目的とする。

上記の目的を達成するために、本発明における電力需要予測装置は、気温と相関を有するデータを取得する相関データ取得部と、前記相関データ取得部により取得されたデータを用いて気温を予測する気温予測部と、前記気温予測部により予測された気温を用いて将来の電力需要量を予測する電力予測部と、を備えたことを特徴とする。

本発明にかかる電力需要予測装置では、オフライン環境でも高い精度で気温を予測できる。

本発明の実施の形態１に係る電力需要予測装置の構成図。 本発明の実施の形態１に係る電力需要予測装置において電力需要量を予測するフローチャート。 本発明の実施の形態１に係る気温予測方式の説明図。 本発明の実施の形態２に係る電力需要予測装置の構成図。 本発明の実施の形態２に係る電力需要予測装置において電力需要量を予測するフローチャート。

実施の形態１．
この発明の実施の形態１に係る電力需要予測装置及び方法について説明する。

図１はこの発明の実施の形態１による電力需要予測装置を示す構成図である。この電力需要予測装置は、例えばサーバやパソコンなどの一般的なコンピュータやコントローラにより実現される。図１において、この電力需要予測装置は、電力取得部１０１、気温取得部１０２、相関データ取得部としての気温相関データ取得部１０３、データ記憶部１０４、気温予測部１０５、電力予測部１０６、電力予測値出力部１０７を有する。

電力取得部１０１は現在までの各時刻における電力需要量を取得する。電力需要量を取得する方法としては、例えば、内部ＬＡＮなどの建物内のネットワークに接続し、建物内の電力需要量を管理しているサーバや分電盤、電力量計（電力メーター）から電力需要量を取得する方法、パソコンのキーボード等を介してユーザが直接入力して情報を取得する方法、メモリカードやＣＤ−ＲＯＭなどの可搬型記憶媒体からデータを読み出す方法などがあるが、そのいずれであっても構わない。

気温取得部１０２は、建物周辺の現在までの各時刻における気温をインターネット以外の方法により取得する。気温を取得する方法としては、例えば、建物の外部に取り付けられた気温計等のセンサーから気温を取得する方法、キーボード等を介してユーザが直接入力して情報を取得する方法、可搬型記憶媒体（メモリカード、ＣＤ−ＲＯＭ等）からデータを読み出して取得する方法などがあるが、そのいずれであっても構わない。

気温相関データ取得部１０３は、気温を予測するために現在及び今後の気温の変化と相関がある建物内から得られるデータを取得する。具体的な一例としては、空調の電力需要量に関する現在までのデータなどがある。空調の電力需要量は気温との相関が高いため、電力需要量の増加・減少の時間的な変化から、今後の気温が近日または例年の同日より高くなるか低くなるかが分かる。その他、太陽光パネルの発電量に関する現在までのデータを取得しても構わない。太陽光パネルの発電量から日射量を把握することができ、日射量から気温の変化を予測することができる。また、人が購入した暖かい清涼飲料水及び冷たい清涼飲料水の量、人が消費した温水器の電力需要量または温水器の給湯量など、現在や今後の気温に大きく影響を受けるデータを取得しても構わない。

これらのデータは、内部ＬＡＮなどの建物内のネットワークに接続し、建物内の電力需要量を管理しているサーバや分電盤、電力量計（電力メーター）から取得してもよい。また、購入された清涼飲料水の量や温水器の給湯量に関するデータは、自動販売機や温水器にセンサーを取り付けて取得してもよいし、キーボード等を介してユーザが直接入力して情報を取得しても構わない。その他、メモリカード、ＣＤ−ＲＯＭなどの可搬型記憶媒体からデータを読み出しても構わない。

データ記憶部１０４は電力取得部１０１、気温取得部１０２、気温相関データ取得部１０３に接続されており、電力取得部１０１、気温取得部１０２、気温相関データ取得部１０３から送信されたデータを保存する。データ記憶部１０４の例としてはハードディスクやメモリ等の記憶媒体である。

気温予測部１０５はデータ記憶部１０４に接続されており、データ記憶部１０４から気温取得部１０２で取得された現在までの気温に関するデータ、気温相関データ取得部１０３で取得された気温の変化と相関のあるデータを受け取る。

気温予測部１０５は気温を予測する方式を保持しており、データ記憶部１０４から気温取得部１０２において取得された現在までの気温と気温相関データ取得部１０３において取得された気温の変化と相関のあるデータ、を用いて電力予測部１０６にて電力需要量を予測する際に用いる気温を予測する。

電力予測部１０６はデータ記憶部１０４及び気温予測部１０５に接続されており、電力予測部１０６は電力需要量を予測する方式を保持している。電力予測部１０６はデータ記憶部１０４から現在までの電力需要量と現在までの気温に関する情報を受け取り、気温予測部１０５で予測された予測気温を受け取る。電力予測部１０６は、受け取った現在までの電力需要量、現在までの気温及び、予測気温に関する情報を用いて、電力需要量を予測する。

電力予測値出力部１０７は電力予測部１０６から電力需要量予測値を受け取る。電力予測値出力部１０７は電力需要量予測値を建物内の空調や照明などの機器を管理・制御するサーバ等の装置に出力する。また、電力予測値出力部１０７は電力需要量予測値をディスプレイ等に代表される表示機器に出力する。

図２は、この発明の実施の形態１による電力需要予測装置及び方法が電力需要量を予測する処理の流れを示すフローチャートである。以降では、気温予測部１０５が気温取得部１０２において取得された過去数日間の予測開始時刻の気温と各日の最高気温、気温相関データ取得部１０３で取得された予測開始直前の現在までの太陽光パネルの発電量をもとに、予測日の最高気温を予測するものとして説明する。また、電力予測部１０６は電力取得部１０１において取得された過去数日間の２４時間分の電力需要量、気温取得部１０２において取得された過去数日間の最高気温、気温予測部１０５で予測された予測日の予測最高気温をもとに電力需要量を予測するものとして説明する。

電力需要予測装置の予測開始は、ユーザ等が事前に設定した任意の時間帯（午前８時など）や時間間隔（１時間おき、１日おき、１カ月おき等）で自動的に開始される。または、ユーザがキーボード等へ入力することにより、任意のタイミングで開始される（ステップＳ２０１）。ただし、電力需要予測装置の予測開始の時刻は、電力予測部１０６において用いる予測気温と気温相関データ取得部１０３で取得されたデータとの相関を考慮して設定する。例えば、予測開始時刻が夜間であり、電力予測部１０６が用いる気温が日中の予測最高気温であった場合、気温相関データ取得部１０３において夜間の太陽光パネルの発電量が取得できても、夜間の太陽光パネルの発電量（日射量）から日中の予測最高気温を予測するのは不可能である。もし太陽光パネルの発電量（日射量）から日中の最高気温を予測するのであれば、予測開始時刻は午前９時など、その後の気温の変化と相関がある太陽光パネルの発電量（日射量）が十分に得られる時刻にする。

電力需要予測装置の予測が開始されると、電力取得部１０１は電力量計等から過去数日間の２４時間分の電力需要量を取得し、気温取得部１０２は温度センサー等から過去数日間の予測開始時刻の気温と各日の最高気温を取得する。また、気温相関データ取得部１０３は太陽光パネル等から過去数日間における予測開始直前の現在までの太陽光パネルの発電量を取得し、取得した全てのデータをデータ記憶部１０４に格納する（ステップＳ２０２）。なお、データの取得は予測開始時に纏めて実施するのではなく、任意の時間帯や時間間隔で自動的に取得し、データ記憶部１０４に格納するようにしてもよい。

なお、上記の説明では、電力取得部１０１が取得する電力需要量を過去数日間の２４時間分の電力需要量としているが、電力予測部１０６が予測する電力需要量の種類や時間帯等に合わせて変更してもよい。例えば、予測する電力需要量が日中の最大電力需要量であるならば、過去数日間の各日の最大電力需要量を取得してもよい。

また、上記の説明では、気温取得部１０２が取得する気温を過去数日間の予測開始時刻の気温と各日の最高気温としたが、電力予測部１０６が用い、気温予測部１０５で予測する気温に合わせて変更してもよい。例えば、電力予測部１０６が３時間後の気温を用い、気温予測部１０５で３時間後の気温を予測するのであれば、気温取得部１０２が取得する気温を過去数日間の予測開始時刻の気温とその３時間後の気温としてもよい。

上記の説明では、気温相関データ取得部１０３が取得するデータを予測開始直前の現在までの太陽光パネルの発電量としたが、他の情報を取得してもよい。例えば、予測開始直前の現在までの空調の電力消費量、清涼飲料水の購買量、温水器の電力需要量、温水器の給湯量などの、現在及び今後の気温の変化と相関のあるデータの一つあるいは複数を取得してもよい。

ステップＳ２０２においてデータ記憶部１０４にデータが格納されると、気温予測部１０５は気温取得部１０２で取得された現在までの気温に関する情報と気温相関データ取得部１０３で取得されたデータを取得し、取得された情報を用いて日中の最高気温を予測する（ステップＳ２０３）。予測方式としては、例えば、データ記憶部１０４に格納されているデータから予測日の予測開始時の気温と予測開始直前の現在までの太陽光パネルの発電量の条件が類似している日を特定し、その日の最高気温を気温予測部１０５の予測最高気温としてもよい。

図３に最高気温を予測する予測方式の一例を示す。図３において、（ａ）は気温に関する過去のデータ、（ｂ）は太陽光パネルの発電量に関する過去のデータを示しており、気温データ３０１と発電量の曲線３０６は過去の日Ａ、気温データ３０２と発電量の曲線３０７は過去の日Ｂ、気温データ３０３と発電量の曲線３０８は過去の日Ｃに観測されたデータである。また、気温データ３０４と発電量の曲線３０９は予測日の値であり、それぞれ予測開始時の気温と予測開始時までの発電量を示している。本図では、予測日の気温及び太陽光パネルの発電量は過去の日Ｃに類似した特性を有していることが分かる。そこで、類似している日を過去の日Ｃとして特定し、その日の最高気温３０５を予測最高気温とする。

なお、ここでは最高気温の予測に条件が類似している日を特定する予測方式を説明したが他の予測方式を用いてもよい。例えば、ニューラルネットワークを用いた予測方式や統計分析（重回帰分析や単回帰分析等）を用いた予測方式を用いてもよい。この場合、学習方法としては、データ記憶部１０４より最高気温と予測開始時刻の気温、気温の変化と相関のあるデータ（予測開始直前の現在までの太陽光パネルの発電量等）を過去数日分取得し、最小二乗法等により最高気温と予測開始時刻の気温、気温の変化と相関のあるデータの関係を学習することで予測日の予測気温を予測することができるようになる。

また、気温予測部１０５において最高気温を予測する例を示したが、電力予測部１０６が用いる予測気温の時間帯や種類に合わせて変更してもよい。例えば、電力予測部１０６が詳細な気温変化の予測値を必要とするのであれば、２４時間分の気温を１時間単位で予測してもよい。また、電力予測部１０６が予測日の最高気温と最低気温を用いるのであれば、最高気温と最低気温を予測してもよい。なお、予測する気温の時間帯や種類に合わせて、気温取得部１０２や気温相関データ取得部１０３で取得するデータを変更しても構わない。

気温予測部１０５にて気温を予測した後は、電力予測部１０６が２４時間分の電力需要量を予測する（ステップＳ２０４）。予測方式としては例えば、データ記憶部１０４に格納されている電力取得部１０１で取得されたデータから季節や予測最高気温の条件が類似している日を特定し、その日の２４時間分の電力需要量を予測値としてもよい。

なお、上記では２４時間分の電力需要量の予測に条件が類似している日を特定する予測方式を説明したが、他の予測方式を用いてもよい。例えば、ニューラルネットワークを用いた予測方式や統計分析（重回帰分析や単回帰分析等）を用いた予測方式を用いてもよい。この場合、学習方法としては、データ記憶部１０４より２４時間分の電力需要量と最高気温を過去数日分取得して、その関係を最小二乗法等で学習することで予測日の２４時間分の電力需要量を予測することができるようになる。

なお、上記の説明では、電力予測部１０６が予測する電力需要量を２４時間分の電力需要量としているが、他の電力需要量を予測してもよい。例えば、予測日の最大電力需要量を予測してもよいし、３時間先までの電力需要量を３０分単位で予測してもよい。また、先にも述べたように電力予測部１０６にて予測する電力需要量の種類や時間帯に合わせて、電力取得部１０１で取得する電力需要量を変更してもよいし、気温取得部１０２で取得する気温を変更してもよい。また、気温相関データ取得部１０３にて取得する、現在及び今後の気温の変化と相関のあるデータを変更してもよいし、気温予測部１０５にて予測する気温を変更してもよい。

電力予測部１０６は、電力需要量を予測した後、得られた電力需要量予測値を電力予測値出力部１０７に送信し、実施の形態１の電力需要予測装置及び方法の一連の処理は終了する（ステップＳ２０５）。

このように、本発明の実施の形態１によれば、電力需要予測装置内の気温相関データ取得部１０３において気温の変化と相関のあるデータを取得し、気温予測部１０５において電力予測部１０６で用いる気温を予測している。そのため、予測気温を取得するためにインターネットに接続する必要がなくなり、セキュリティを向上することができる。

本発明の実施の形態１では従来技術に対して、気温相関データ取得部１０３と気温予測部１０５を追加した構成となっており、インターネットを経由して予測気温を取得しなくても気温を予測できる。すなわち、従来技術の電力需要予測装置の電力取得部１０１と気温取得部１０２、電力予測部１０６、電力予測値出力部１０７の構成を変更することなく、そのまま用いることができる。また、電力予測部１０６の予測方式も変更する必要がないため、既存の電力需要予測装置が導入されている建物であれば、容易に変更することができる。

また、本発明の実施の形態１では、気温予測部１０５において電力予測部１０６で用いる予測気温を求めるため、オフライン環境においても従来技術と同じ予測方式を電力予測部１０６で用いることができる。オフライン環境では、古くから実績がある予測気温を用いた電力需要量の予測方式を用いることができ、気温を正確に予測し、電力需要量を予測することで高い精度を維持することができる。

実施の形態２．
実施の形態１では気温相関データ取得部１０３は気温と相関のあるデータを取得していたのに対して、本実施の形態２では気温と相関のあるデータを含めた気温と関連のあるデータを含むより広範囲のデータを取得し、その中から気温と相関のあるデータを抽出する構成を開示する。

図４はこの発明の実施の形態２による電力需要予測装置を示す構成図である。なお、各図において、同一符号は同一または相当部分を示す。実施の形態１と異なる点は、相関データ取得部としての気温相関データ取得部４０１がデータ取得部としての気温関連データ取得部４０２とデータ解析部としての気温相関データ解析部４０３を備える点である。気温相関データ解析部４０３では、気温関連データ取得部４０２が取得した気温と関連のあるデータを解析し、現在及び今後の気温の変化と相関があるデータを抽出する。

実施の形態１では、気温相関データ取得部１０３が取得したデータをそのまま気温予測部１０５にて用いていたため、取得するデータは気温予測方式で用いることができる数値データでなければならなかった。これに対して、実施の形態２の気温相関データ取得部４０１では、気温関連データ取得部４０２がデータを取得し、気温相関データ解析部４０３が、現在及び今後の気温の変化と相関があるデータを抽出するため、数値データでなくても、気温と関連のあるデータであれば何でも取得できる。例えば、気温関連データ取得部４０２が建物の内外に設置された監視カメラの映像または画像を取得し、気温相関データ解析部４０３がその映像または画像から気温の変化と相関のあるデータを取得してもよい。監視カメラの画像から得られる気温の変化と相関のあるデータとして、現在や今後の気温に大きく影響を受ける人間の肌の露出度、現在や今後の気温の変化と相関のある天候の情報がわかる傘の量などを画像から抽出してもよい。その他にも、画像内の屋外の明るさから日射量を、画像内の空の色から天候や雲量を抽出してもよい。また、監視カメラの１枚の画像だけでなく、２枚以上の時系列画像からなる映像から木や旗の移動量を算出し、風速を抽出してもよい。

図５はこの発明の実施の形態２による電力需要予測装置が電力需要量を予測する処理の流れを示すフローチャートである。

予測開始（ステップＳ５０１）は実施の形態１における図２のステップＳ２０１と同様である。また、ステップＳ５０２の一部で行われる電力取得部１０１で電力を取得する処理及び気温取得部１０２で気温を取得する処理も、実施の形態１における図２のステップＳ２０２の一部と同様である。

気温関連データ取得部４０２は、気温と相関のあるデータを含めた気温と関連のあるデータを取得する。具体的には、実施の形態１（図２のステップＳ２０２の一部）と同様に予測開始時または任意の時間帯や時間間隔で、予測開始直前の空調の電力需要量や太陽光パネルの発電量、清涼飲料水の購買量、温水器の電力需要量・給湯量を取得してもよい。また、実施の形態１で示したデータ以外に、建物内に設置された監視カメラから映像または画像を取得しても構わない（ステップＳ５０２）。

気温関連データ取得部４０２にてデータを取得した後は、気温相関データ解析部４０３は気温の変化と相関のあるデータを解析し、気温予測部１０５にて用いることができるデータを抽出する（ステップＳ５０３）。抽出するデータとしては例えば、気温関連データ取得部４０２にて取得したデータが建物内の監視カメラの映像または画像であれば、人間の肌の露出度、傘の量（天候）、屋外の明るさ（日射量）、空の色（天候や雲量）、木や旗の移動量（風速）を抽出してもよい。

画像から人間の肌の露出度を抽出する方法としては例えば、あらかじめＲＧＢ（ＲｅｄＧｒｅｅｎ Ｂｌｕｅ）色空間またはＨＳＶ（Ｈｕｅ Ｓａｔｕｒａｔｉｏｎ Ｖａｌｕｅ）色空間上で肌の色となる領域を学習しておき、画像からその色領域に該当する箇所を抽出することで人間の肌の露出度を求めてもよい。この場合、入り口等の監視カメラの画像内で人間の肌の露出度が抽出しやすい箇所をあらかじめ指定しておくことで、抽出精度の向上、または計算時間の短縮をしてもよい。

傘の量を抽出する方法としては、例えばあらかじめ傘を写した画像を複数用意しておき、監視カメラの画像から傘を写した画像の形状や特徴点が類似している領域を探索することで抽出してもよい。この場合、入り口や傘立て等の監視カメラ内で傘が抽出しやすい箇所をあらかじめ指定しておき、その箇所を重点的に探索することで抽出精度の向上、または計算時間の短縮をしてもよい。また、屋外の監視カメラの画像では傘を開いている場合と閉じている場合を別々に抽出することで、現在雨が降っているか、降っていないかを区別してもよい。なお、傘の量から読み取れる天候は日射量や雲量のような数値データではないため、天候を気温の予測に用いる場合は気温相関データ解析部４０３と気温予測部１０５にて晴れている状態（傘が検出されていない状態）が１、雨が降っている状態（開いた傘が閾値以上抽出されている状態）が２、雨が降りそうな状態（閉じた傘が閾値以上抽出されている状態）が３などの天候を数値化した対応表を共有しておく。

屋外の明るさ（日射量）については、気温相関データ解析部４０３は例えば監視カメラの画像中で常に太陽光が直接当たる領域のＨＳＶ色空間上の明度の値により抽出してもよい。これはＨＳＶ色空間上の明度は色の明るさを示す値であり、明度は日射量の変化に大きく影響を受けるからである。よって、監視カメラの画像中の常に太陽光が直接当たる領域を手動で設定し、その領域の明度の変化を抽出することにより屋外の明るさ（日射量）を測定することができる。なお、屋外の明るさ（日射量）を測定する場合、監視カメラでは自動で露出補正などの制御をしないものとする。

空の色（天候や雲量）については、気温相関データ解析部４０３は監視カメラの画像中の空の箇所を指定し、その色分布を確認することで抽出してもよい。例えば、ＲＧＢ色空間やＨＳＶ色空間上で青色や白色、灰色等の色領域をあらかじめ指定しておき、画像中の空の箇所において各色の出現頻度を求めることで天候や雲量を求めることができる。この場合、青色の出現頻度が多ければ、天候が晴れであると判定でき、逆に青色の出現頻度が少なければ、天候が曇りであると判定することができる。雲量については、白色と灰色の出現頻度（監視カメラの空の領域で白色と灰色の占める割合）をそのまま用いても良い。なお、天候は他の屋外の明るさ（日射量）や雲量のような数値データではないため、天候を気温の予測に用いる場合は気温相関データ解析部４０３と気温予測部１０５にて晴れが１、曇りが２、雨が３等の天候を数値化した対応表を共有しておく。なお、天候や雲量を測定する場合、監視カメラでは自動で露出補正などの制御をしないものとする。

木や旗の移動量（風速）を抽出する方法としては、例えば２つの時系列画像間のオプティカルフローを計算することで抽出してもよい。オプティカルフローとは２つの時系列画像間における輝度情報の変化から物体の動きを解析し、その物体の運動を速度ベクトルによって表すものであり、あらかじめ監視カメラの映像または画像中で木や旗等が写っている領域を指定しておき、オプティカルフローを計算して移動ベクトルの大きさを求めることで木や旗の移動量（風速）を求めることができる。

電力取得部１０１で取得した現在までの電力需要量と、気温取得部１０２で取得した現在までの気温と、気温関連データ取得部４０２で取得し、気温相関データ解析部４０３にて抽出された気温の変化と相関のあるデータがデータ記憶部１０４に格納された後は、気温予測部１０５が気温を予測する（ステップＳ５０４）。実施の形態２では、実施の形態１の場合よりも広範囲の気温相関データを気温予測部１０５で用いるが、どちらも気温の変化と相関のある数値データであるため、実施の形態１（図２のステップＳ２０３）と同様の処理で気温の予測ができる。

また、予測した気温を基に電力予測部１０６にて電力需要量を予測する処理（ステップＳ５０５）、予測を終了する処理（ステップＳ５０６）も、実施の形態１（図２のステップＳ２０４、Ｓ２０５）と同様である。

このように、本発明の実施の形態２によれば、電力需要予測装置内の気温関連データ取得部４０２及び気温相関データ解析部４０３にて気温の変化と相関のあるデータを取得・抽出し、気温予測部１０５にて電力予測部１０６で用いる気温を予測しているため、予測気温を取得するためにインターネットに接続する必要がなくなり、セキュリティを向上することができる。

本発明の実施の形態２では、インターネットを経由して予測気温を取得する従来技術の構成をなくし、気温関連データ取得部４０２及び気温相関データ解析部４０３を備えた気温相関データ取得部４０１と気温予測部１０５を追加している。そのため、従来技術における電力取得部１０１と気温取得部１０２、電力予測部１０６、電力予測値出力部１０７をそのまま用いることができる。また、電力予測部１０６の予測方式も変更する必要がなく、従来技術が導入されている建物であれば、変更が容易に行える。

本発明の実施の形態２では、気温予測部１０５において電力予測部１０６で用いる予測気温を求めるため、オフライン環境となっても従来技術と同じ予測方式を電力予測部１０６において用いることができる。これにより、古くから実績がある気温予測方式を用いて気温を正確に予測し、電力需要量を高い精度で予測することができる。

本発明の実施の形態２では気温相関データ解析部４０３を用いることで、太陽光パネルの発電量や空調の電力需要量に加えて監視カメラの映像や画像等からも気温予測部１０５で利用できるデータを抽出できるようになる。その結果、より多くの情報を用いて気温を予測できるため、予測精度の向上に効果がある。従って、本発明の実施の形態２を用いると、より幅広い場面にて電力需要予測装置を利用できる。

また、従来技術ではインターネット経由にて予測気温を取得する場合、気象会社から予測気温を購入することもあった。しかし、本発明の実施の形態１及び実施の形態２では気温相関データ取得部１０３、４０１にて気温の変化と相関のあるデータを取得し、気温予測部１０５にて電力予測部１０６で用いる気温を予測しているため、予測気温を購入する必要がなくなり、コストを削減することができる。

実施の形態１及び実施の形態２では、電力取得部１０１において現在までの電力需要量、気温取得部１０２において現在までの気温を取得する場合を一例として示したが、より一般的に、電力取得部１０１において第１の期間の電力需要量を取得し、気温取得部１０２において第２の期間の気温を取得しても構わない。

１０１：電力取得部、１０２：気温取得部、１０３：気温相関データ取得部、１０４：データ記憶部、１０５：気温予測部、１０６：電力予測部、１０７：電力予測値出力部、３０１、３０２、３０３、３０４、３０５：気温データ、３０６、３０７、３０８、３０９：発電量の曲線、４０１：気温相関データ取得部、４０２：気温関連データ取得部、４０３：気温相関データ解析部

Claims (6)

1. 気温と相関を有するデータを取得する相関データ取得部と、
   前記相関データ取得部により取得されたデータを用いて気温を予測する気温予測部と、
   前記気温予測部により予測された気温を用いて電力需要量を予測する電力予測部と、
   を備えたことを特徴とする電力需要予測装置。
2. 電力消費量を示す情報を取得する電力取得部と、
   気温情報を取得する気温取得部とを備え、
   前記気温予測部は前記気温取得部により取得された気温情報を用いて気温を予測し、
   前記電力予測部は前記電力取得部により取得された電力消費量を示す情報を用いて電力需要量を予測する
   ことを特徴とする請求項１に記載の電力需要予測装置。
3. 前記相関データ取得部は
   気温と相関を有する第１のデータを含む第２のデータを取得するデータ取得部と、
   前記データ取得部により取得された前記第２のデータから前記第１のデータを抽出するデータ解析部と
   を備えたことを特徴とする請求項１または請求項２に記載の電力需要予測装置。
4. 前記相関データ取得部において取得されるデータは、空調の電力消費量、太陽光パネルの発電量、清涼飲料水の購買量、温水器の電力需要量、及び温水器の給水量、
   のいずれか一つまたは複数であることを特徴とする請求項１または請求項２に記載の電力需要予測装置。
5. 前記第２のデータは映像または画像であり、
   前記第１のデータは前記映像または画像から抽出された、人間の肌の露出度、傘の量、屋外の明るさ、空の色、木の移動量、及び旗の移動量、
   のいずれか一つまたは複数であることを特徴とする請求項３に記載の電力需要予測装置。
6. 気温と相関を有するデータを取得する相関データ取得ステップと、
   前記相関データ取得ステップにより取得されたデータを用いて気温を予測する気温予測ステップと、
   前記気温予測ステップにより予測された気温を用いて電力需要量を予測する電力予測ステップと、
   を備えたことを特徴とする電力需要予測方法。

Images