JP2014192910A - 電力需要予測装置及び方法 - Google Patents
電力需要予測装置及び方法 Download PDFInfo
- Publication number
- JP2014192910A JP2014192910A JP2013063247A JP2013063247A JP2014192910A JP 2014192910 A JP2014192910 A JP 2014192910A JP 2013063247 A JP2013063247 A JP 2013063247A JP 2013063247 A JP2013063247 A JP 2013063247A JP 2014192910 A JP2014192910 A JP 2014192910A
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- prediction
- power
- data
- power demand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
【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)。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013063247A JP2014192910A (ja) | 2013-03-26 | 2013-03-26 | 電力需要予測装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013063247A JP2014192910A (ja) | 2013-03-26 | 2013-03-26 | 電力需要予測装置及び方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014192910A true JP2014192910A (ja) | 2014-10-06 |
Family
ID=51838756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013063247A Pending JP2014192910A (ja) | 2013-03-26 | 2013-03-26 | 電力需要予測装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014192910A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6126759B1 (ja) * | 2016-06-16 | 2017-05-10 | 株式会社オプティム | 情報提供システム |
JP2019158433A (ja) * | 2018-03-09 | 2019-09-19 | パナソニック株式会社 | 天候推定装置および天候推定方法 |
WO2020209142A1 (ja) | 2019-04-10 | 2020-10-15 | 三菱電機株式会社 | 電力管理装置 |
KR20220108867A (ko) * | 2021-01-27 | 2022-08-04 | ㈜브레이크 더 룰스 | Ai를 이용한 작업 차량용 배터리 관리 시스템 |
-
2013
- 2013-03-26 JP JP2013063247A patent/JP2014192910A/ja active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6126759B1 (ja) * | 2016-06-16 | 2017-05-10 | 株式会社オプティム | 情報提供システム |
WO2017216920A1 (ja) * | 2016-06-16 | 2017-12-21 | 株式会社オプティム | 情報提供システム |
US10423836B2 (en) | 2016-06-16 | 2019-09-24 | Optim Corporation | Information providing system |
JP2019158433A (ja) * | 2018-03-09 | 2019-09-19 | パナソニック株式会社 | 天候推定装置および天候推定方法 |
JP7094120B2 (ja) | 2018-03-09 | 2022-07-01 | パナソニックホールディングス株式会社 | 天候推定装置および天候推定方法 |
WO2020209142A1 (ja) | 2019-04-10 | 2020-10-15 | 三菱電機株式会社 | 電力管理装置 |
US11954744B2 (en) | 2019-04-10 | 2024-04-09 | Mitsubishi Electric Corporation | Electric power management station |
KR20220108867A (ko) * | 2021-01-27 | 2022-08-04 | ㈜브레이크 더 룰스 | Ai를 이용한 작업 차량용 배터리 관리 시스템 |
KR102575453B1 (ko) | 2021-01-27 | 2023-09-07 | ㈜브레이크 더 룰스 | Ai를 이용한 작업 차량용 배터리 관리 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stull | Wet-bulb temperature from relative humidity and air temperature | |
Fikru et al. | The impact of weather variation on energy consumption in residential houses | |
Bará et al. | Estimating the relative contribution of streetlights, vehicles, and residential lighting to the urban night sky brightness | |
Sun et al. | Comparing surface-and canopy-layer urban heat islands over Beijing using MODIS data | |
Ji et al. | HVAC terminal hourly end-use disaggregation in commercial buildings with Fourier series model | |
JP5743881B2 (ja) | 電力管理システム、電力管理方法、需要家端末及び電力管理装置 | |
CN102859550A (zh) | 能量需求预测装置及方法 | |
Cox et al. | The role of springtime Arctic clouds in determining autumn sea ice extent | |
Mutani et al. | Characterization of building thermal energy consumption at the urban scale | |
JP2014192910A (ja) | 電力需要予測装置及び方法 | |
US20170169344A1 (en) | Methods, systems, and computer readable media for a data-driven demand response (dr) recommender | |
KR101838554B1 (ko) | 태양광 발전을 이용한 스마트 빌딩 도로 결빙 및 에너지 실시간 관리 시스템 | |
Abrol et al. | Data-enabled building energy savings (DE BES) | |
Silasari et al. | Potential of time‐lapse photography for identifying saturation area dynamics on agricultural hillslopes | |
Kong et al. | Incorporating nocturnal UAV side-view images with VIIRS data for accurate population estimation: a test at the urban administrative district scale | |
Pappaccogli et al. | Challenges in the application of a WRF/Urban-TRNSYS model chain for estimating the cooling demand of buildings: A case study in Bolzano (Italy) | |
Deng et al. | Urban plant phenology monitoring: Expanding the functions of widespread surveillance cameras to nature rhythm understanding | |
Adam et al. | Modality of the tropical rain belt across models and simulated climates | |
WO2014147148A2 (fr) | Procédé de réalisation d'un diagnostic thermique d'un bâtiment ou d'une partie d'un bâtiment | |
Carlson et al. | Infrared imaging method for flyby assessment of solar thermal panel operation in field settings | |
CN105426851B (zh) | 一种基于Landsat时间序列影像的不透水面监测方法和装置 | |
Paudel et al. | A context-aware architecture for energy saving in smart classroom environments | |
US20140277809A1 (en) | Method and System for Energy Savings | |
Negri et al. | Combining a cloud-resolving model with satellite for cloud process model simulation validation | |
Kim et al. | An Economic analysis of the Luminaire-Level control of LED lighting in small office |