JP2014204581A - 計画策定装置、計画策定システム、計画策定方法および計画策定プログラム - Google Patents

Abstract

【課題】より高い精度で電力の削減目標を達成することが可能な計画策定装置、計画策定システム、計画策定方法およびプログラムを提供すること。
【解決手段】計画策定装置は、消費電力を削減する対象エリア内の複数のエリアの各々について、外気温の予報値と実測値とを取得する取得部と、前記外気温の予報値と実測値との差分に基づいて、前記外気温の予報誤差を算出する算出部と、前記外気温の予報誤差の正規分布に基づいて算出される、前記対象エリアの消費電力の削減量の分散が小さくなるように、前記複数のエリアの各々の消費電力の削減目標量を決定する決定部と、を有する。
【選択図】図３

Description

本発明は、計画策定装置、計画策定システム、計画策定方法および計画策定プログラムに関する。

近年では、電力会社やＰＰＳ（Power Product Supplier）等の電力事業者から需要家の消費電力の削減要求を受け、電力事業者に代わって需要家の消費電力の制御（ＤＲ；Demand Response）を実施するＤＲアグリゲータと呼ばれる中間事業者が知られるようになっている。ＤＲアグリゲータがＤＲを実施する方法の一つとして、例えば需要家が使用している機器の電力消費量を直接制御する直接負荷制御（ＤＬＣ；Direct Load Control）と呼ばれる方法がある。ＤＬＣによる制御対象となる機器は、例えば空調機器、照明器具、冷蔵設備、冷凍設備、自家発電設備等である。ＤＲアグリゲータは、例えば夏期に空調機器に対してＤＬＣを実施する場合、空調機器の設定温度を上げることによって電力消費量を制御することができる。

特開２００３−８７９６９号公報 特開２００７−１２９８７３号公報 特開２０１２−２３８１６号公報

ＤＲアグリゲータは、ＤＲを実施する前（例えば前日）に電力事業者からの要求に応じて消費電力の削減目標を定めるが、その目標がより高い確率で達成できるようにＤＬＣの実施計画を策定することが望ましい。

本発明の１つの側面では、より高い確率で消費電力の削減目標を達成することが可能な計画策定装置、計画策定システム、計画策定方法および計画策定プログラムを提供することを目的とする。

発明の一観点によれば、消費電力を削減する対象エリア内の複数のエリアの各々について、外気温の予報値と実測値とを取得する取得部と、前記外気温の予報値と実測値との差分に基づいて、前記外気温の予報誤差を算出する算出部と、前記外気温の予報誤差の正規分布に基づいて算出される、前記対象エリアの消費電力の削減量の分散が小さくなるように、前記複数のエリアの各々の消費電力の削減目標量を決定する決定部と、を有する計画策定装置が提供される。

一実施態様によれば、より高い確率で消費電力の削減目標を達成することが可能な計画策定装置、計画策定システム、計画策定方法および計画策定プログラムを提供することができる。

図１は、計画策定システムの一例を示す図である。 図２は、計画策定装置のハードウェア構成の一例を示す図である。 図３は、計画策定装置の構成の一例を示す図である。 図４は、計画策定装置による計画策定方法の一例を示すフローチャートである。 図５は、Ｓ１０１における、エリア毎の消費電力の削減量Ｒ_ｉ ^ＡＣを決定する方法の一例を示すフローチャートである。 図６は、初期設定情報の一例を示す図である。 図７は、Ｓ２０２における、エリアｉ毎の係数和Ａ_ｉおよびＢ_ｉを算出する方法を示すフローチャートである。 図８は、計測情報データベースの一例を示す図である。 図９は、係数情報テーブルの一例を示す図である。 図１０は、算出部により算出された各エリアｉにおける最大削減量ｒ_ｉの平均値の一例を示す図である。 図１１は、図１１は、分散共分散行列Σのテーブルの一例を示す図である。 図１２は、制御計画策定部により算出された削減容量の利用率ｙの数値の一例を示す図である。 図１３は、制御計画策定部により算出されたエリア毎の消費電力の削減目標量Ｒ_ｉ ^ＡＣの数値の一例を示す図である。 図１４は、対象エリアにおける消費電力の削減量の標準偏差を算出した結果の一例を示す図である。 図１５は、サイト毎の空調機器の設定温度の変更幅を決定する方法の一例を示すフローチャートである。

以下、本発明の実施形態について、図１乃至図１５を参照して具体的に説明する。

図１は、計画策定システムの一例を示す図である。図１は、ＤＬＣの対象機器を空調機器とした場合の実施例である。図１に示すように、計画策定システムは、計画策定装置１０と、気温データ提供装置２０と、電力データ提供装置３０と、空調機器７０とを有している。計画策定装置１０と、電力データ提供装置３０と、気温データ提供装置２０と、空調機器７０とは、インターネット等のネットワークを通じて相互にデータ通信可能に接続されている。

さらに、図１には、ＤＬＣの対象エリア１００を構成するｎ個のエリア（エリア＃１，エリア＃２，・・・，エリア＃ｎ）が図示されており、ｎ個のエリアはそれぞれｍ個のサイト（サイト＃１，サイト＃２，・・・，サイト＃ｍ）を有している。サイトは、例えば家庭、オフィス、工場等である。

計画策定装置１０は、電力事業者（電力供給者）またはＤＲアグリゲータが所有する、電力需要の制御を行う装置である。計画策定装置１０は、各種データに基づいて電力の制御計画を立案する装置である。また、計画策定装置１０は、立案した電力の制御計画に基づいて需要家毎に電力制御の処理を実行することもできる。計画策定装置１０は、例えばサーバである。計画策定装置１０が実行する処理の方法については後述する。

気温データ提供装置２０は、例えば気象庁や気象協会など、天気や気温の予測をする団体、会社などに設置される装置である。気温データ提供装置２０は、対象エリア１００内の各エリアにおける外気温の予報値、外気温の実測値、および外気温を実測した時刻（日時）の情報を計画策定装置１０に対して送信することができる。気温データ提供装置２０は、例えばサーバである。

電力データ提供装置３０は、ｍ個のサイトの各々に設置されている機器である。図１には、電力データ提供装置３０の一例として、電力データ提供装置３０ａ，３０ｂ，３０ｃ，３０ｄ，３０ｅ，３０ｆ，３０ｇ，３０ｈおよび３０ｉが図示されている。以降では、これらの電力データ提供装置３０ａ〜３０ｉを区別しない場合は、電力データ提供装置３０と総称する。電力データ提供装置３０は、当該電力データ提供装置３０と同一のサイトに設置されている空調機器７０の消費電力の情報を計画策定装置１０に提供することができる。

空調機器７０は、対象エリア１００に含まれる複数のサイト内に設置される機器である。空調機器７０は、例えばエアコンであり、予め設定された設定温度に従って、所定の部屋の内部の温度を、制御装置または制御回路を介して制御することができる。図１には、空調機器７０の一例として、空調機器７０ａ，７０ｂ，７０ｃ，７０ｄ，７０ｅ，７０ｆ，７０ｇ，７０ｈおよび７０ｉが図示されている。例えば、エリア＃１内のサイト＃１には、空調機器７０ａと電力データ提供装置３０ａとが設置されている。なお、図１では、各サイトにつき１つの空調機器７０が示されているが、複数の空調機器７０を備えることもできる。以降では、空調機器を区別しない場合は、空調機器７０と総称する。

以下、計画策定装置１０のハードウェア構成について説明する。

図２は、計画策定装置１０のハードウェア構成の一例を示す図である。図２に示すように、計画策定装置１０は、ＣＰＵ（Central Processing Unit）８１、ＲＯＭ（Read Only Memory）８２、ＲＡＭ（Random Access Memory）８３、ストレージ装置８４、ネットワークインタフェース８５、及び可搬型記憶媒体用ドライブ８６等を備えている。

計画策定装置１０の構成各部は、バス８７に接続されている。ストレージ装置８４は、例えばＨＤＤ（Hard Disk Drive）である。ＲＯＭ８２あるいはストレージ装置８４に格納されているプログラム、或いは可搬型記憶媒体用ドライブ８６が可搬型記憶媒体８８から読み取ったプログラムをＣＰＵ８１等のプロセッサが実行することにより、計画策定装置１０の機能が実現される。

以下、計画策定装置１０を構成する各部の機能について説明する。

図３は、計画策定装置１０の構成の一例を示す図である。図３に示すように、計画策定装置１０は、第１記憶部１１と、第２記憶部１２と、初期設定部１３と、電力情報取得部１４と、温度情報取得部１５と、算出部１６と、制御計画策定部１７と、出力部１８と、制御実行部１９とを備えている。

第１記憶部１１は、例えば図２のＲＯＭ８２、ストレージ装置８４、可搬型記憶媒体用ドライブ８６あるいは可搬型記憶媒体８８に対応し、消費電力の制御計画を立案するための計画策定プログラムを記憶することができる。

第２記憶部１２は、例えば図２のＲＯＭ８２、ＲＡＭ８３、ストレージ装置８４、可搬型記憶媒体用ドライブ８６あるいは可搬型記憶媒体８８に対応し、本発明の処理に用いる各種情報を記憶するためのデータベース（ＤＢ；Data Base)として用いられる。

初期設定部１３は、計画策定装置１０の処理に用いられる初期設定情報を設定する。初期設定情報は、例えば、対象エリア１００における削減目標量Ｒ^ＡＣの情報、および空調機器７０の設定温度を上昇させる際の変更幅の上限値Δｔ^ｍａｘの情報等である。そして、初期設定部１３は、設定した各情報を第２記憶部１２に格納する。

電力情報取得部１４は、エリアｉ（ｉ＝１，２，・・・，ｎ）内のサイトｊ（ｊ＝１，２，・・・，ｍ）に設置されている空調機器７０の消費電力ｐ_ｉｊおよび取得した時刻（日時）の情報を電力データ提供装置３０から取得し、取得した情報を第２記憶部１２内の計測情報データベースに格納する。電力情報取得部１４は、例えば図２のＣＰＵ８１あるいはＭＰＵ（Micro Processing Unit）等のプロセッサ、およびネットワークインタフェース８５によって実現される。なお、電力情報取得部１４は、取得部の一例である。

温度情報取得部１５は、気温データ提供装置２０から各空調機器７０の設置されている場所の外気温の予報値Ｔ_ｉ’（ｉ＝１，２，・・・，ｎ）の情報と、外気温の実測値Ｔ_ｉの情報と、外気温Ｔ_ｉを実測した時刻（日時）の情報とを取得する。そして、温度情報取得部１５は、取得した各種情報を第２記憶部１２内の計測情報データベースに格納する。

電力情報取得部１４および温度情報取得部１５は、例えば図２のＣＰＵ８１あるいはＭＰＵ等のプロセッサ、およびネットワークインタフェース８５によって実現される。なお、温度情報取得部１５は、取得部の一例である。

算出部１６は、計測情報データベースの情報に基づいて、空調機器７０の消費電力を、外気温および空調機器７０の設定温度をパラメータとして線形モデルにより表したときの一次係数ａ_ｉｊおよびｂ_ｉｊを、空調機器７０毎に算出する。また、算出部１６は、算出した一次係数ａ_ｉｊ，ｂ_ｉｊに基づいて、エリアｉ毎の係数和Ａ_ｉおよびＢ_ｉを算出する。

また、算出部１６は、エリア毎の消費電力の削減目標量を決定する処理に用いる、外気温に関する統計情報を算出する。算出部１６は、温度情報取得部１５が気温データ提供装置２０から取得した、外気温の予報値Ｔ_ｉ’の情報と、外気温の実測値Ｔ_ｉの情報とに基づいて、予測誤差δＴ_ｉおよび予報誤差の分散共分散行列Ｑを算出する。

制御計画策定部１７は、算出部１６によって算出された外気温の予報誤差δＴ_ｉに基づいて算出される、対象エリア１００の消費電力の削減量の分散が小さくなるように、ｎ個のエリアの各々の消費電力の削減目標量を決定する。また、制御計画策定部１７は、ｎ個のエリアの各々に割り当てられた消費電力の削減目標量に基づいて、ｎ個のエリアの各々に設置されている機器の設定温度の変更幅を決定する。なお、制御計画策定部１７は、決定部の一例である。

出力部１８は、制御計画策定部１７によって決定された、ｎ個のエリアの各々に設置されている機器の設定温度の変更幅の情報を出力することができる。出力部１８は、機器の設定温度の変更幅の情報の代わりに、変更後の機器の設定温度そのものを出力するようにすることもできる。また、出力部１８は、制御計画策定部１７によって決定された、ｎ個のエリアの各々の消費電力の削減目標量を出力することもできる。出力部１８は、例えば液晶ディスプレイ、プラズマディスプレイまたは有機ＥＬディスプレイ等の表示装置である。

制御実行部１９は、制御計画策定部１７によって算出された空調機器７０の設定温度の変更幅に基づいて、設定温度を制御する。具体的には、制御実行部１９は、対象エリア１００内の各サイトの空調機器７０の設定温度を変更幅Δｔ_ｉｊで変更するための指示信号を、ネットワークを介して各サイトの空調機器７０に送信する。

初期設定部１３、算出部１６、制御計画策定部１７および制御実行部１９は、例えば図２のＣＰＵ８１、あるいはＭＰＵ（Micro Processing Unit）等のプロセッサによって実現される。

次に、本発明の実施形態における、計画策定装置１０による計画策定方法について説明する。

図４は、計画策定装置１０による計画策定方法の一例を示すフローチャートである。

まず、計画策定装置１０は、消費電力の削減量を各エリアに割り当てるため、消費電力の削減目標に基づいて、エリア毎の消費電力の削減量Ｒ_ｉ ^ＡＣを決定する（Ｓ１０１）。以下、Ｓ１０１の処理の具体例について説明する。

図５は、エリア毎の消費電力の削減量Ｒ_ｉ ^ＡＣを決定する方法の一例を示すフローチャートである。

まず、初期設定部１３は、エリア全体の消費電力の削減目標量Ｒ^ＡＣと、空調機器７０の設定温度の変更幅の上限を示す最大変更幅Δｔ^ｍａｘとを設定する（Ｓ２０１）。Ｓ２０１において、初期設定部１３は、キーボード、マウス、またはタッチパネル等の入力装置から、初期設定情報として、削減目標量Ｒ^ＡＣの情報と、設定温度の最大変更幅Δｔ^ｍａｘの情報とを取得する。あるいは、初期設定部１３は、別の端末装置から上述の情報を受信することもできる。初期設定部１３は、取得した情報を第２記憶部１２に格納する。

図６は、初期設定情報の一例を示す図である。なお、初期設定情報は、必要に応じて適宜更新することができる。初期設定情報の第２記憶部１２への格納が終了すると、Ｓ２０１の処理が完了する。

続いて、算出部１６は、エリアｉ毎の係数和であるＡ_ｉおよびＢ_ｉを算出する（Ｓ２０２）。以下、Ａ_ｉおよびＢ_ｉの算出方法について説明する。

図７は、Ｓ２０２における、エリアｉ（ｉ＝１，２，・・・，ｎ）毎の係数和Ａ_ｉおよびＢ_ｉを算出する方法を示すフローチャートである。

まず、電力情報取得部１４は、エリアｉ内のサイトｊの空調機器７０の消費電力ｐ_ｉｊおよび取得した時刻（日時）の情報を電力データ提供装置３０から取得し、取得した情報を第２記憶部１２内の計測情報データベースに格納する（Ｓ３０１）。なお、上述の情報は、計画策定装置１０からの電力制御が可能な空調機器７０のうち、稼働している空調機器７０から取得するものとする。稼働している空調機器７０とは、ここでは情報の取得が可能な空調機器７０を指すものであり、空調機器７０の電源はオフになっているが、情報の取得が可能な空調機器７０も含まれる。

続いて、温度情報取得部１５は、各空調機器７０から設定温度ｔ_ｉｊおよび取得した時刻（日時）の情報を取得し、取得した各情報を第２記憶部１２内の計測情報データベースに格納する（Ｓ３０２）。

続いて、温度情報取得部１５は、気温データ提供装置２０から各空調機器７０の設置されている場所の外気温の予報値Ｔ_ｉ’、外気温の実測値Ｔ_ｉ、および外気温Ｔ_ｉを実測した時刻（日時）の情報を取得し、取得した各情報を第２記憶部１２内の計測情報データベースに格納する（Ｓ３０３）。

図８は、計測情報データベースの一例を示す図である。図８に示すように、第２記憶部１２には、情報を計測した日時毎に、設定温度ｔ_ｉｊの情報と、外気温Ｔ_ｉの情報と、消費電力ｐ_ｉｊの情報とが対応付けられた状態で格納されている。

図７に戻り、Ｓ３０３の処理の後、電力情報取得部１４および温度情報取得部１５は、所定の時間が経過したかどうかを判定する（Ｓ３０４）。この場合の「所定の時間」とは、初期設定情報として予め設定されている各データの取得間隔（例えば１時間）であるものとする。所定の時間が経過していないと判定された場合（Ｓ３０４否定）、再びＳ３０４を繰り返す。一方、所定の時間が経過したと判定された場合（Ｓ３０４肯定）、Ｓ３０５に移る。

Ｓ３０５において、算出部１６は、集計期間が経過したか否かを判定する。集計期間は、予め設定されている、係数和であるＡ_ｉおよびＢ_ｉを算出するために取得した情報を集計する期間（例えば７日）である。集計時間が経過していないと判定された場合（Ｓ３０５否定）、Ｓ３０１に戻り、Ｓ３０１以降の処理を再び実行し、図８に示す計測情報データベースに情報を蓄積し続ける。一方、集計期間が経過したと判定された場合（Ｓ３０５肯定）、算出部１６は、計測情報データベースの情報に基づいて、重回帰分析により、式（１）における一次係数ａ_ｉｊおよびｂ_ｉｊをサイト毎に算出する（Ｓ３０６）。
式（１）：

式（１）は、外気温Ｔ_ｉｊおよび設定温度ｔ_ｉｊを説明変数とし、消費電力ｐ_ｉｊを被説明変数として表した線形モデルである。本実施形態では、設定温度ｔ_ｉｊおよび外気温Ｔ_ｉと、空調機器７０の消費電力ｐ_ｉｊとの間に強い相関があることに着目して、式（１）に示す線形モデルを用いることとしている。第一項のａ_ｉｊおよび第二項のｂ_ｉｊは、サイト毎に異なる係数であり、温度のパラメータを乗ずることによってＷｈ（ワット時）の次元となる係数である。第三項のｃ_ｉｊは定数項、第四項のｅｒｒは誤差項である。ｎおよびｍはともに自然数であり、ｎはエリアの総数、ｍはサイトの総数を示している。算出部１６は、重回帰分析により算出した一次係数ａ_ｉｊおよびｂ_ｉｊの情報を第２記憶部１２内の係数情報テーブルに格納する。

続いて、算出部１６は、Ｓ３０６で算出した一次係数ａ_ｉｊ，ｂ_ｉｊに基づいて、係数和Ａ_ｉおよびＢ_ｉをエリア毎に算出する（Ｓ３０７）。係数和Ａ_ｉは、式（２）に示すように、エリアｉ内のサイトｊ毎に算出した一次係数ａ_ｉｊの総和を求めることによって算出することができる。
式（２）：

一方、係数和Ｂ_ｉは、式（３）に示すように、エリアｉ内のサイトｊ毎に算出した一次係数ｂ_ｉｊの総和を求めることによって算出することができる。
式（３）：

そして、算出部１６は、算出した各エリアｉの係数和Ａ_ｉおよびＢ_ｉの情報を、第２記憶部１２内の係数情報テーブルに格納する。

図９は、係数情報テーブルの一例を示す図である。図９（ａ）は、ａ_ｉｊおよびＡ_ｉに関する係数情報テーブルであり、図９（ｂ）は、ｂ_ｉｊおよびＢ_ｉに関する係数情報テーブルである。図９（ａ）および図９（ｂ）に示すように、係数情報テーブルには、ａ_ｉｊ，ｂ_ｉｊ，Ａ_ｉおよびＢ_ｉの情報が、エリア番号（ｉ）およびサイト番号（ｊ）と対応付けられて格納されている。エリア番号（ｉ）およびサイト番号（ｊ）は、エリアおよびサイトを識別するための識別子である。例えば、エリア番号（ｉ）は、図１の＃１〜＃ｎ、サイト番号（ｊ）は、図１の＃１〜＃ｍにそれぞれ対応している。

例えばａ_２３の場合、ｉ＝２、ｊ＝３であるので、図９（ａ）によればａ_２３＝−４．４である。エリア番号が１の係数和Ａ_１は、図９（ａ）によれば、−５０.０である。Ａ_１の値は、式（２）を用いてｉ＝１の各要素の和を算出することにより、Ａ_１＝−５．０−５．３−５．０−５．６−４．１−５．９−４．４−５．０−４．７−５．０＝−５０．０と求めることができる。

また、例えばｂ_４５の場合、ｉ＝４、ｊ＝５であるので、図９（ｂ）によればｂ_４５＝５．０である。エリア番号が１の係数和Ｂ_１は、図９（ｂ）によれば、５０.０である。Ｂ_１の値は、式（３）を用いてｊ＝１の各要素の和の各要素の和を算出することにより、Ｂ_１＝４．１＋５．０＋５．６＋５．３＋４．７＋５．９＋４．４＋４．７＋５．０＋５．３＝５０．０と求めることができる。

以上のようにして、Ｓ３０７の処理を実行することができる。

Ｓ３０７の処理の後、図５に戻る。続いて、算出部１６は、外気温の予測誤差δＴ_ｉの平均値μ_ｉと、確率変数Ｂ_ｉδＴ_ｉ（ｉ＝１，２，・・・，ｎ）の分散共分散行列Ｑとをエリア毎に算出する（Ｓ２０３）。Ｓ２０３では、まず、算出部１６は、図８に示す計測情報データベースに格納されている外気温の予報値Ｔ_ｉ’の情報と、外気温の実測値Ｔ_ｉの情報とに基づいて、以下の式（４）により予測誤差δＴ_ｉを算出する。
式（４）：

算出部１６は、図７のＳ３０３で取得間隔毎に測定したＴ_ｉ’およびＴ_ｉの情報を用いることにより、１つのエリアについて複数のδＴ_ｉのデータを算出することができる。

続いて、算出部１６は、算出した複数のδＴ_ｉの値を用いて、以下の式（５）により、外気温の予測誤差δＴ_ｉの平均値μ_ｉと、確率変数Ｂ_ｉδＴ_ｉ（ｉ＝１，２，・・・，ｎ）の分散共分散行列Ｑとを算出する。分散共分散行列Ｑは、以下の式（５）により表すことができる。
式（５）

ここで、Ｂ_ｉ（ｉ＝１，２，・・・，ｎ）は、Ｓ２０２で算出したエリアｉの係数和Ｂ_ｉを示している。また、対角成分のσ_ｉｉ（ｉ＝１，２，・・・，ｎ，ｊ＝１，２，・・・，ｍ）は、エリアｉの予測誤差δＴ_ｉの分散を示している。また、非対角成分のσ_ｉｊ（ｉ＝１，２，・・・，ｎ）は、エリアｉの予測誤差δＴ_ｉとエリアｊの予測誤差δＴ_ｊとの共分散を示している。算出部１６は、エリア毎に算出した予測誤差δＴ_ｉの平均値μ_ｉの情報と、分散共分散行列Ｑの情報とを第２記憶部１２に格納し、Ｓ２０３の処理を終了する。

続いて、算出部１６は、エリアｉ（ｉ＝１，２，・・・，ｎ）内の空調機器７０の設定温度変更幅を最大にする制御によって削減可能な消費電力量の平均値を示す平均最大削減量をエリア毎に算出する（Ｓ２０４）。Ｓ２０４において、算出部１６は、第２記憶部１２に格納されているエリアｉ（ｉ＝１，２，・・・，ｎ）毎の係数和Ａ_ｉおよびＢ_ｉの情報を読み出す。続いて、算出部１６は、読み出した係数和Ａ_ｉおよびＢ_ｉの情報を用い

式（６）：

式（６）の根拠は、以降で説明されている。エリアｉ（ｉ＝１，２，・・・，ｎ）の消費電力の予測削減量であるｒ_ｉは外気温の予測誤差δＴ_ｉの影響を受ける。すなわち、ｒ_ｉは確率変数であり、その分布は式（７）に示すような正規分布に従うとする。
式（７）：

ここで、エリアｉ（ｉ＝１，２，・・・，ｎ）毎の予測削減量ｒ_ｉの平均値および分散は、それぞれ以下の式（８）、式（９）により表すことができる。
式（８）：

式（９）：

また、δＴ_ｉも確率変数であり、δＴ_ｉは、上述のμ_ｉおよびσ_ｉを用いて、式（１０）により表すことができる。
式（１０）：

図１０は、算出部１６により算出された各エリアｉにおける予測削減量ｒ_ｉの平均値の一例を示す図である。外気温の予測に系統誤差が発生していない場合、予測誤差δＴ_ｉの平均値μ_ｉは、μ_ｉ≒０となることが多い。そこで、μ_ｉ＝０と、図６に示す最大変更幅Δｔ^ｍａｘの値と、図９に示すエリア毎の係数和Ａ_ｉおよびＢ_ｉの情報とを式（８）に代入すると、図１０に示すように、各エリアｉ（ｉ＝１，２，・・・，６）の予測削減量ｒ_ｉの平均値を算出することができる。

続いて、制御計画策定部１７は、各エリアｉの予測削減量ｒ_ｉ（ｒ_ｉ＜０）の平均値の総和が、消費電力の削減目標量Ｒ^ＡＣ（Ｒ^ＡＣ＜０）以下であるか否か、すなわち、以下の式（１１）を満足するか否かを判定する（Ｓ２０５）。
式（１１）：

各エリアｉの最大削減量ｒ_ｉの平均値の総和が、対象エリア１００の消費電力の削減目標量Ｒ^ＡＣ以上であると判定された場合（Ｓ２０５肯定）、制御計画策定部１７は、空調機器７０の設定温度の変更によって対象エリア１００における削減目標量Ｒ^ＡＣの削減が達成可能であると判定し、Ｓ２０６に移る。一方、各エリアｉの最大削減量ｒ_ｉの平均値の総和が、対象エリア１００の消費電力の削減目標量Ｒ^ＡＣ以下であると判定されなかった場合（Ｓ２０５否定）、制御計画策定部１７は、空調機器７０の設定温度の変更によって対象エリア１００における削減目標量Ｒ^ＡＣの削減が達成不可能であると判定し、処理を終了する。

例えば、図１０に示す数値を用いると、各エリアｉ（ｉ＝１，２，・・・，６）の最大削減量ｒ_ｉの平均値の総和は、
式（１２）：

と算出される。図６に示すように、対象エリア１００の消費電力の削減目標量Ｒ^ＡＣを−１０００［ｋＷｈ］と設定した場合、−１０００［ｋＷｈ］＞−１１７３．６［ｋＷｈ］であるので、Ｓ２０５肯定と判定される。

続いて、Ｓ２０６の処理について説明する。対象エリア１００の消費電力の削減目標を達成できる確率を向上させるためには、対象エリア１００における消費電力の削減量のばらつき（分散）はできるだけ小さいことが好ましい。そこで、制御計画策定部１７は、対象エリア１００における消費電力の削減量の分散が小さくなるような空調機器７０の制御計画を立案する。

計画立案においては、式（６）によってエリアごとに計算される平均最大削減量を各エリアの削減容量と考え、この容量を策定する計画において利用する比率をｙ_ｉで表す。また、エリアｉの目標削減量をＲ_ｉ ^ＡＣで表記すると、これらの関係は以下の式（１３）で表すことができる。
式（１３）：

また、ｙ_ｉ（ｉ＝１，２，・・・，ｎ）を要素とした行列を行列ｙとすると、行列ｙは以下の式（１４）で表すことができる。行列ｙの要素ｙ_ｉ（ｉ＝１，２，・・・，ｎ）の各々は、各エリアｉの削減容量の利用率を示している。以降では、行列ｙおよび行列ｙの各要素ｙ_ｉを利用率と呼称する。
式（１４）：

また、対象エリア１００内の各エリアにおける予測削減量ｒ_ｉ（ｉ＝１，２，・・・，ｎ）の平均値である平均最大削減量を要素とした行列は、以下の式（１５）で表すことができる。
式（１５）：

制御計画策定部１７は、対象エリア１００における消費電力の削減量の分散が小さくなるように、利用率ｙの各要素ｙ_１，ｙ_２，・・・，ｙ_ｎ−１，ｙ_ｎを算出する（Ｓ２０６）。Ｓ２０６において、制御計画策定部１７は、式（１６）を目的関数、式（１７）および式（１８）を制約条件とした二次計画問題の解を、例えば二次計画法のソルバーを用いて算出する。これにより、制御計画策定部１７は、利用率ｙの各要素の値を算出することができる。
式（１６）：

式（１７）：

式（１８）：

ここで、式（１６）は、対象エリア１００における消費電力の削減量の分散が小さくなる利用率ｙの各要素の値を解くための目的関数であり、ｙ^Ｔはｙの転置行列である。行列Ｑは、式（５）を変形すると、式（１９）のように行列Ｂと行列Σとに分解することができる。
式（１９）：

_{ここで、「○」}はアダマール積（行列の対応成分毎の積）である。行列Ｂは定数であるので、式（１９）に示す目的関数は、外気温の予測誤差δＴ_ｉの分散共分散行列である行列Σに依存していることがわかる。このように、分散共分散行列Σを用いて目的関数を設定することにより、対象エリア１００を構成する各エリアの分散が消費電力の削減量に及ぼす影響だけでなく、異なるエリア間の共分散が消費電力の削減量に及ぼす影響も最小化された利用率ｙの各要素の値を取得することができる。

式（１７）は、行列ｙ^Ｔと予測削減量の平均値を要素とした行列との積が、対象エリア１００における消費電力の削減目標Ｒ^ＡＣ以上であることを示す制約条件である。すなわち、式（１７）は、あるエリアの平均最大削減量に当該エリアの利用率を乗じることによって算出した当該エリアの削減目標量を全てのエリアｉ（ｉ＝１，２，・・・，ｎ）にわたって合算した値が消費電力の削減目標量Ｒ^ＡＣ以下であることを示す式である。
式（１８）は、利用率ｙの各要素ｙ_ｉ（ｉ＝１，２，・・・，ｎ）が１以下の正数であることを示す制約条件である。

図１１は、分散共分散行列Σのテーブルの一例を示す図である。図１１は、日本の関東エリアにある６都市の、外気温の予報値と外気温の実測値とをもとに算出した分散共分散行列Σをテーブルにしたものである。図１１（ａ）は、２０１２年７月前半、図１１（ｂ）は、２０１２年７月後半におけるデータを用いて算出した結果を示している。なお、図９の係数情報テーブルでは、エリア番号ｉ＝１が「宇都宮市」、エリア番号ｉ＝２が「前橋市」、エリア番号ｉ＝３が「さいたま市桜区」、エリア番号ｉ＝４が「東京都千代田区」、エリア番号ｉ＝５が「千葉市中央区」、エリア番号ｉ＝６が「横浜市中区」にそれぞれ対応している。

例えば、制御計画策定部１７は、図１１（ａ）の分散共分散行列Σと、図９（ｂ）に示す係数和Ｂ_ｉの情報とを用いて式（５）から行列Ｑを算出する。そして、制御計画策定部１７は、算出された行列Ｑを用いて式（１６）〜式（１８）に示す二次計画問題を解く。これにより、制御計画策定部１７は、６都市の各々の利用率ｙ_ｉ（ｉ＝１，２，・・・，６）を算出することができる。

尚，この計算例では簡単のため、式（８）に示す各エリアの削減量の予測モデルはすべて等しいものと仮定してさらにＢｉ＝１（ｉ＝１，２，・・・，６）と置き、式（１７）の制約条件も外して試算している。この仮定の下では、各エリアの削減容量もすべて等しくなるため、利用率を削減目標総量の各エリアへの割当比率と見ることもできる。但し、一般にはエリアごとに削減容量は異なることが通常である。

図１２は、制御計画策定部１７により算出された削減容量の利用率ｙ_ｉの数値の一例を示す図である。図１２に示すように、利用率ｙ_ｉの各数値はエリアによって比率が異なっており、消費電力の削減量が外気温の予測誤差δＴ_ｉの影響を受けやすいエリアは、影響を受けにくいエリアよりも低い利用率（割当比率）が算出されることとなる。図１２によれば、「横浜市中区」が、外気温の予測誤差δＴ_ｉによる影響を最も受けにくいエリアであるため、利用率（割当比率）ｙ_ｉが高く算出されていることがわかる。また、「さいたま市桜区」が、外気温の予測誤差δＴ_ｉによる影響を最も受けやすいエリアであるため、利用率（割当比率）ｙ_ｉが低く算出されていることがわかる。

続いて、制御計画策定部１７は、Ｓ２０６で算出された利用率ｙの各要素ｙ_ｉ（ｉ＝１，２，・・・，ｎ）の値を用いて、エリア毎の削減量Ｒ_ｉ ^ＡＣ（ｉ＝１，２，・・・，ｎ）を算出する（Ｓ２０７）。エリア毎の削減目標量Ｒ_ｉ ^ＡＣは、式（１３）を再掲すると、式（２０）のように表すことができる。
式（２０）

制御計画策定部１７は、Ｓ２０４で算出したｒ_ｉの平均値と、Ｓ２０６で算出した利用率ｙ_ｉとを式（２０）に代入することにより、エリア毎の消費電力の削減目標量Ｒ_ｉ ^ＡＣ（ｉ＝１，２，・・・，ｎ）を算出する。そして、制御計画策定部１７は、算出したエリア毎の消費電力の削減目標量Ｒ_ｉ ^ＡＣを第２記憶部１２内の係数情報テーブルに格納する。

図１３は、制御計画策定部１７により算出されたエリア毎の消費電力の削減目標量Ｒ_ｉ ^ＡＣの数値の一例を示す図である。図１３に示すように、制御計画策定部１７は、Ｓ２０６で算出した利用率ｙ_ｉの値に応じた消費電力の削減目標量Ｒ_ｉ ^ＡＣをエリア毎に算出することができる。

続いて、出力部１８は、Ｓ２０６で算出したエリア毎の消費電力の削減目標量Ｒ_ｉ ^ＡＣを出力する（Ｓ２０８）。

以上のようにして、エリア毎の消費電力の削減目標量Ｒ_ｉ ^ＡＣを決定することができる。

図１４は、対象エリア１００における消費電力の削減量の標準偏差の一例を示す図である。式（１６）によれば、対象エリア１００における消費電力の削減量の分散はｙ^ＴＱｙにより表されるので、消費電力の削減量の標準偏差は、ｙ^ＴＱｙの正の平方根を計算することによって取得することができる。

「ワースト選択」の項目は、外気温の予測誤差δＴ_ｉの分散が最も大きい「宇都宮市」を選択し、「宇都宮市」のみに消費電力の削減量を割り当てた場合の標準偏差を示している。２０１２年７月前半における「宇都宮市」の分散値は、図１１（ａ）の対角成分ａ_１１を参照するとａ_１１＝２．３４５４である。よって、２０１２年７月前半における標準偏差は１．５３と算出される。２０１２年７月後半における標準偏差も、図１１（ｂ）のデータを用いて同様の方法により算出することができる。

「均分選択」の項目は、外気温の予測誤差δＴ_ｉの分散を考慮せずに、６都市に消費電力の削減量を均等に割り当てた場合の標準偏差を示している。６都市に消費電力の削減量を均等に割り当てた場合、利用率（この事例では割当比率でもある）ｙ_ｉ（ｉ＝１，２，・・・，６）＝１／６である。この値と図１１（ａ）の分散共分散行列Σとを用いて式（１６）〜式（１９）に示す二次計画問題を解くと、２０１２年７月前半における削減量の標準偏差は１．０７と算出される。２０１２年７月後半における標準偏差も、図１１（ｂ）のデータを用いて同様の方法により算出することができる。

「最適化による選択」の項目は、本発明の実施形態の方法を用いて、６都市への消費電力の削減量の割り当てを行った場合の削減量の標準偏差を示している。ここでは、２０１２年７月前半における予報誤差の分散共分散行列Σを用いて利用率ｙ_ｉ（ｉ＝１，２，・・・，６）を算出し、算出した利用率ｙ_ｉ（ｉ＝１，２，・・・，６）を用いて２０１２年７月後半における削減量の割り当てを最適化し、標準偏差を算出している。なお、上述の算出方法は、２０１２年７月前半と２０１２年７月後半とで分散共分散行列Σの値に大きな傾向の変化がみられないとの前提の元で行っている。

図１４に示すように、「最適化による選択」による方法によれば、「ワースト選択」による方法よりも標準偏差の値が（（１．９３−１．１８）／１．９３）×１００≒３８．９［％］改善していることがわかる。また、「最適化による選択」による方法によれば、「均分選択」による方法よりも標準偏差の値が（（１．２６−１．１８）／１．２６）×１００≒６．４［％］改善していることがわかる。

Ｓ１０１の処理によれば、対象エリア１００内の複数のエリアの各々について、外気温の予報値と実測値とを取得し、該外気温の予報値と実測値との差分に基づいて、該外気温の予報誤差を算出し、該外気温の予報誤差の正規分布に基づいて算出される、対象エリア１００の消費電力の削減量の分散が小さくなるように、複数のエリアの各々の消費電力の削減目標量を決定する。この方法によれば、削減目標量Ｒ_ｉ ^ＡＣを各エリアに対して割り当てる際に、各エリアにおける外気温の予測誤差の分散が考慮されているため、対象エリア１００において実際に削減される消費電力量が、外気温の予報誤差のために、予め計画していた削減量から大きく外れるのを抑えることができる。その結果、外気温の予測誤差によって電力の削減目標を達成できなくなるリスクが最小となり、より高い確率で消費電力の削減目標を達成することが可能となる。

図４に戻り、Ｓ１０１の処理の後、計画策定装置１０は、エリア毎に割り当てられた消費電力の削減量に基づいて、エリア内の各サイトに設置されている空調機器の、設定温度の変更幅を決定する（Ｓ１０２）。消費電力を削減するためには、空調機器の設定温度をより高い温度に変更することが好ましい。よって、設定温度の変更幅とは、空調機器の設定温度をより高い温度に変更した場合の増分である。以下、Ｓ１０２の処理の例について説明する。

図１５は、サイト毎の空調機器の設定温度の変更幅を決定する方法の一例を示すフローチャートである。図１５では一つのエリアｉについてだけ示しているが、実際にはすべてのエリアに関して同じ問題を解く処理を行う。以下の処理説明においては、ｉをいずれか一つに固定した場合を示している。

まず、制御計画策定部１７は、第２記憶部１２に格納されているエリアｉの消費電力の削減目標量Ｒ_ｉ ^ＡＣと、空調機器の設定温度の最大変更幅Δｔ^ｍａｘと、エリア毎の外気温の予測誤差の平均値μ_ｉとを読み出す（Ｓ４０１）。ここで、エリアｉの消費電力の削減目標量Ｒ_ｉ ^ＡＣは、図５のＳ２０７で算出された情報である。また、空調機器の設定温度の最大変更幅Δｔ^ｍａｘは、図５のＳ２０１で設定された情報である。また、エリア毎の外気温の予測誤差の平均値μ_ｉは、図５のＳ２０３で算出された情報である。

続いて、制御計画策定部１７は、サイト間における削減量の分散が小さくなるように、サイト毎の空調機器の設定温度の変更幅Δｔ_ｉｊ（ｉはいずれか一つに固定，ｊ＝１，２，・・・，ｍ）を算出する（Ｓ４０２）。以下、Ｓ４０２の処理の具体例について説明する。

エリアｉ内のサイトｊに設置されている空調機器に対して、設定温度をΔｔ_ｉｊ上昇させた場合の削減量をｓ_ｉｊとする。サイトｊの空調機器の消費電力の削減量ｓ_ｉｊは、ｓ_ｉｊを被説明変数とし、Δｔ_ｉｊおよびδＴ_ｉを説明変数として表した式（２１）の線形モデルを用いて表すことができる。
式（２１）：

式（２１）に示すように、ｓ_ｉｊの値は外気温の予測誤差δＴ_ｉの影響を受ける。すなわち、ｓ_ｉｊは確率変数であり、その分布は、式（２２）に示すような正規分布に従う。
式（２２）：

ここで、μ_ｉはδＴ_ｉの平均、ａ_ｉｊΔｔ_ｉｊ+ｂ_ｉｊμ_ｉはｓ_ｉｊの平均、ｂ_ｉｊ ^２σ_ｉ ^２はｓ_ｉｊの分散を示している。

また、エリアｉ内の全てのサイトｊにおける消費電力の削減量の総和ｓ_ｉは、μ_ｉを用いると以下の式（２３）によって表すことができる。
式（２３）：

サイト毎の空調機器の設定温度の変更幅Δｔ_ｉｊを算出する場合、消費電力の削減量の総和ｓがサイトｉの削減量Ｒ_ｉ ^ＡＣ以下（sおよびＲ_ｉ ^ＡＣは負値）であることが制約条件の一つとなる。

Ｓ３０３において、制御計画策定部１７は、以下の式（２４）を目的関数、式（２５）、式（２６）および式（２７）を制約条件とした混合整数計画問題の解を、例えば混合整数計画法のソルバーを用いて算出する。これにより、制御計画策定部１７は、サイト毎の空調機器の設定温度の変更幅Δｔ_ｉｊを算出することができる。
式（２４）：

式（２５）：

式（２６）：

式（２７）：

ここで、式（２４）は、式（１９）に示す削減量ｓ_ｉｊの分散ｂ_ｉｊ ^２σ_ｉ ^２を最小値に近付けるための目的関数である。なお、ｉは固定されているのでσ_ｉ ^２は定数である。また、冷房期のｂ_ｉｊは正の数であるので、式（２４）を簡略化した式（２８）を冷房期の目的関数とすることもできる。
式（２８）：

式（２５）は、消費電力の削減を行わないサイト、すなわち設定温度を変更しないサイトに関する項を式（２４）または式（２８）から排除するための制約条件であり、１また０の値を取り得る係数Ｚ_ｉｊが規定されている。例えば、あるサイトにおいて設定温度を変更する場合、Δｔ_ｉｊ＞０であるため、Ｚ_ｉｊ＝１となる。この場合、設定温度を変更しないサイトに関する項は式（２１）から排除されない。一方、あるサイトにおいて設定温度を変更しない場合、Δｔ_ｉｊ＝０であるため、Ｚ_ｉｊ＝０となる。この場合、設定温度を変更するサイトに関する項は式（２４）から排除される。

式（２６）は、エリアｉ内の全てのサイトｊ（ｉ＝１，２，・・・，ｍ）における消費電力の削減量の総和ｓ_ｉが、サイトｉの削減量Ｒ_ｉ ^ＡＣ（Ｒ_ｉ ^ＡＣ＜０）以下であることを示す制約条件である。また、式（２７）は、設定温度の変更幅Δｔ_ｉｊ（ｊ＝１，２，・・・，ｍ）の値が、設定温度の最大変更幅Δｔ^ｍａｘを超えない値であることを示す制約条件である。

Ｓ３０３の処理が終了した後、他のエリアについても同様に、図１５に示す一連の処理を実行する。これにより、全てのエリアｉ（ｊ＝１，２，・・・，ｎ）について、サイト毎の空調機器の設定温度の変更幅を算出することができる。

続いて、出力部１８は、算出されたサイト毎の空調機器の設定温度の変更幅Δｔ_ｉｊ（ｉ＝１，２，・・・，ｎ，ｊ＝１，２，・・・，ｍ）の値を出力する（Ｓ４０３）。
以上のようにして、エリア内の各サイトに設置されている空調機器の、設定温度の変更幅を決定することができる。

図４に戻り、Ｓ１０２の処理の後、計画策定装置１０は、決定した設定温度の変更幅で空調機器を制御する（Ｓ１０３）。具体的には、制御実行部１９は、各サイトの空調機器７０の設定温度を、設定温度算出部１７によって算出された変更幅Δｔ_ｉｊで変更するための指示信号を、ネットワーク４０を介して各サイトの空調機器７０に送信する。そして、指示信号を受信した空調機器７０は、指示信号の内容に従って設定温度を変更する。

以上のようにして、エリア内の各サイトに設置されている空調機器の、設定温度の変更幅Δｔ_ｊを決定することができる。

Ｓ１０２の処理によれば、複数のエリアの各々に割り当てられた消費電力の削減目標量に基づいて、該複数のエリアのうちの所定のエリアにおける消費電力の削減量の分散が小さくなるように、該所定のエリアに設置されている複数の空調機器７０の設定温度の変更幅を各々決定する。この方法によれば、空調機器７０毎に設定温度の変更幅を決定する際に、各エリアにおける消費電力の削減量の分散が考慮されているため、予め計画された削減量と実際の削減量との誤差をより小さくすることができる。その結果、より高い精度で消費電力の削減を実行することが可能となる。

また、消費電力の制御計画を立案する際に、対象エリア１００内の各エリアへの削減目標量の割り当てを行う処理と、各サイトの設定温度の変更幅を決定する処理とを二段階で行っている。この方法によれば、処理が終了したエリアから順次空調機器７０の制御を実行することができるため、対象エリア１００が大規模である場合においても、制御を開始するまでの遅延時間を最小限に抑えることが可能となる。

以上、本発明の好ましい実施例について詳述したが、本発明は特定の実施例に限定されるものではなく、種々の変形や変更が可能である。例えば、これまでに説明した実施形態では、消費電力を制御する対象の機器を空調機器として説明したが、空調機器以外の機器に本発明を適用することもできる。

また、図５に示すフローチャートでは、Ｓ２０１の処理の後にＳ２０２の処理を実行しているが、Ｓ２０１の処理の前にＳ２０２の処理を実行することもできる。

また、本実施形態では、Ｓ１０１とＳ１０２による二段階の処理によって設定温度の制御幅を算出したが、一つの段階によって算出することも可能である。一つの段階によって算出する場合、例えば、以下の式（２９）を目的関数とし、式（３０）、式（３１）および式（３２）を制約条件とした最適化問題を解くことによって、対象エリア内の空調機器７０の設定温度の変更幅Δｔ_ｉｊを算出することができる。
式（２９）：

式（３０）：

式（３１）：

式（３２）：

ここで、式（２９）は、対象エリア１００における消費電力の削減量の分散が小さくなる設定温度の変更幅Δｔ_ｉｊを解くための目的関数である。ｉおよびｋは、対象エリア１００内の各エリアを識別するための指数であり、ｊは、エリアｉ内の各サイトｊを識別するための指数である。ｌは、エリアｋ内の各サイトｌを識別するための指数である。また、式（３１）および式（３２）は、消費電力の削減を行わないサイト、すなわち設定温度を変更しないサイトに関する項を式（２９）から排除するための制約条件である。

１０：計画策定装置
１１：第１記憶部
１２：第２記憶部
１３：初期設定部
１４：電力情報取得部
１５：温度情報取得部
１６：算出部
１７：制御計画策定部
１８：出力部
１９：制御実行部
２０：気温データ提供装置
３０：電力データ提供装置
７０：空調機器
８１：ＣＰＵ
８２：ＲＯＭ
８３：ＲＡＭ
８４：ストレージ装置
８５：ネットワークインタフェース
８６：可搬型記憶媒体用ドライブ

Claims (10)

1. 消費電力を削減する対象エリア内の複数のエリアの各々について、外気温の予報値と実測値とを取得する取得部と、
   前記外気温の予報値と実測値との差分に基づいて、前記外気温の予報誤差を算出する算出部と、
   前記外気温の予報誤差の正規分布に基づいて算出される、前記対象エリアの消費電力の削減量の分散が小さくなるように、前記複数のエリアの各々の消費電力の削減目標量を決定する決定部と、
   を有することを特徴とする計画策定装置。
2. 前記決定部は、前記外気温の予報誤差の分散共分散行列に基づいて策定された目的関数を解くことによって、前記複数のエリアの各々の消費電力の削減目標量を決定することを特徴とする請求項１記載の計画策定装置。
3. 前記決定部は、前記複数のエリアの各々に割り当てられた消費電力の削減目標量に基づいて、前記複数のエリアの各々に設置されている機器の設定温度の変更幅を決定することを特徴とする請求項１又は２に記載の計画策定装置。
4. 前記決定部は、前記複数のエリアのうちの所定のエリアにおける消費電力の削減量の分散が小さくなるように、前記所定のエリアに設置されている複数の機器の設定温度の変更幅を各々決定することを特徴とする請求項３記載の計画策定装置。
5. 前記決定部は、前記所定のエリア内の複数のサイト毎に、前記設定温度の変更幅を決定することを特徴とする請求項４記載の計画策定装置。
6. 前記取得部は、前記複数の機器の設定温度の情報と、前記設定温度の最大変更幅の情報とを取得し、
   前記算出部は、
   前記複数の機器の各々の消費電力を、前記設定温度と前記外気温との関数とした線形モデルで表したときの、前記設定温度および前記外気温に係る一次係数を、前記複数の機器毎に算出し、
   前記一次係数と、前記設定温度の最大変更幅と、前記外気温の予報誤差とに基づいて、前記複数のエリアの各々の消費電力の削減量の上限を算出し、
   前記複数のエリアの各々の消費電力の削減量の上限の情報の総和を算出することにより、前記対象エリアの消費電力の削減目標量の達成可否を判定することを特徴とする請求項４又は５に記載の計画策定装置。
7. 前記複数の空調機器の設定温度を前記変更幅で変更するための指示信号を、前記複数の空調機器の各々に送信する制御実行部を更に有することを特徴とする請求項１〜６のいずれか１項に記載の計画策定装置。
8. 消費電力を削減する対象エリア内の複数のエリアの各々について、外気温の予報値と実測値とを取得する取得部と、
   前記外気温の予報値と実測値との差分に基づいて、前記外気温の予報誤差を算出する算出部と、
   前記外気温の予報誤差の正規分布に基づいて算出される、前記対象エリアの消費電力の削減量の分散が小さくなるように、前記複数のエリアの各々に割り当てられる消費電力の削減目標量を決定し、前記削減目標量に基づいて、前記複数のエリアの各々に設置されている機器の設定温度の変更幅を決定する決定部と、
   を有する計画策定装置と、
   前記変更幅に基づいて、前記複数の機器の設定温度を制御する制御装置と、
   を有することを特徴とする計画策定システム。
9. 計画策定装置によって実行される情報処理方法であって、
   消費電力を削減する対象エリア内の複数のエリアの各々について、外気温の予報値と実測値とを取得し、
   前記外気温の予報値と実測値との差分に基づいて、前記外気温の予報誤差を算出し、
   前記外気温の予報誤差の正規分布に基づいて算出される、前記対象エリアの消費電力の削減量の分散が小さくなるように、前記複数のエリアの各々の消費電力の削減目標量を決定する、
   ことを特徴とする計画策定方法。
10. 計画策定装置に、
    消費電力を削減する対象エリア内の複数のエリアの各々について、外気温の予報値と実測値とを取得する処理と、
    前記外気温の予報値と実測値との差分に基づいて、前記外気温の予報誤差を算出する処理と、
    前記外気温の予報誤差の正規分布に基づいて算出される、前記対象エリアの消費電力の削減量の分散が小さくなるように、前記複数のエリアの各々の消費電力の削減目標量を決定する処理と、
    を実行させるための計画策定プログラム。

Images