JP2015104137A

JP2015104137A - 電力抑制最適化システム及び電力抑制最適化方法

Info

Publication number: JP2015104137A
Application number: JP2013240435A
Authority: JP
Inventors: 垣隆生新; Takao Aragaki; 野真也梅; Shinya Umeno; 口貴弘川; Takahiro Kawaguchi
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2013-11-20
Filing date: 2013-11-20
Publication date: 2015-06-04
Also published as: WO2015075978A1

Abstract

【課題】需要家全体の総削減電力値のばらつきを抑制することができる電力抑制最適化システム及び電力抑制最適化方法を提供する。
【解決手段】本実施形態に係る電力抑制最適化システムは、期待削減電力算出部と、最適化部とを備える。期待削減電力算出部は、複数の需要家の消費電力値の履歴を示す消費電力値データに基づいて、電力抑制を依頼した場合に期待される各需要家の削減電力値である期待削減電力値を算出する。最適化部は、期待削減電力算出部により算出された各需要家の期待削減電力値に基づいて、各需要家の期待削減電力値の合計である総期待削減電力値のばらつきが小さくなるように、かつ、総期待削減電力値が電力抑制の削減電力値に関する条件を満たすように、需要家の組み合わせを選択する。
【選択図】図１

Description

本発明の実施形態は、電力抑制最適化システム及び電力抑制最適化方法に関する。

需要家の消費電力値を制御することにより安定的な電力供給を維持する「スマートグリッド」を実現するために、需要家の有する機器（空調や照明）を遠隔制御して電力需要ピークを抑制するビル・エネルギー管理システムの導入が進んでいる。これにより、工場や商業施設などの大口の需要家に対して消費電力値の抑制を依頼し、依頼に応じた需要家に対してインセンティブを与えるネガワット取引が実用化されつつある。しかしながら、電力需要は今後も拡大することが予想されており、大口の需要家に対するデマンドレスポンスだけでは電力需給バランスを維持できない恐れがある。そこで、近年、家庭や商店などの小口の需要家に対するデマンドレスポンスが検討されている。

小口の需要家に対するデマンドレスポンスには、電力小売業者や電力アグリゲータなどの電力事業者が想定する電力不足分の削減を達成できるか不明確であるという課題がある。小口の需要家は、大口の需要家と異なり、電力需要の不確実性が高いことが原因である。したがって、小口の需要家に対するデマンドレスポンスでは、電力需要の不確実度を考慮することが重要となる。

従来、発電事業者の効用を最大化するために需要家を選択するための技術として、予め定義された効用関数を最大化するように需要家の電力需要の不確実度を用いて需要家及び各需要家への配分量を決定する技術が提案されている。しかしながら、このような従来技術では、需要家の電力需要を前提としており、需要家が削減できる削減電力値は考慮されていないため、電力事業者が想定する電力不足分の削減を達成できるか不確実性が高いという課題を解決することは困難であった。

特開２００５−３５２８０２号公報

需要家全体の総削減電力値のばらつきを抑制することができる電力抑制最適化システム及び電力抑制最適化方法を提供する。

本実施形態に係る電力抑制最適化システムは、期待削減電力算出部と、最適化部とを備える。期待削減電力算出部は、複数の需要家の消費電力値の履歴を示す消費電力値データに基づいて、電力抑制を依頼した場合に期待される各需要家の削減電力値である期待削減電力値を算出する。最適化部は、期待削減電力算出部により算出された各需要家の期待削減電力値に基づいて、各需要家の期待削減電力値の合計である総期待削減電力値のばらつきが小さくなるように、かつ、総期待削減電力値が電力抑制の削減電力値に関する条件を満たすように、需要家の組み合わせを選択する。

第１実施形態に係る電力抑制最適化システムの機能構成を示すブロック図。消費電力値データの一例を示す図。時間帯ごとに集計された消費電力値データの一例を示す図。期待削減電力値の一例を示す図。不確実度σ_ｎ ^２の一例を示す図。不確実度σ_ｎｍの一例を示す図。需要家の組み合わせの一例を示す図。第１実施形態に係る電力抑制最適化システムの動作を示すフローチャート。第１実施形態に係る電力抑制最適化システムの出力画面の一例を示す図。第２実施形態に係る電力抑制最適化システムの機能構成を示すブロック図。第２実施形態に係る電力抑制最適化システムの動作を示すフローチャート。第３実施形態に係る電力抑制最適化システムの機能構成を示すブロック図。前処理済み消費電力値データの一例を示す図。外気温の区分の一例を示す図。外気温の区分に従って集計された前処理済み外気温データの一例を示す図。外気温の区分に従って集計された前処理済み消費電力値データの一例を示す図。第３実施形態に係る電力抑制最適化システムの動作を示すフローチャート。

（第１実施形態）
以下、第１実施形態に係る電力抑制最適化システムについて図１〜図９を参照して説明する。本実施形態に係る電力抑制最適化システムは、複数の需要家の消費電力値データを取得し、取得した消費電力値データに基づいて、消費電力値の抑制を依頼する需要家の最適な組み合わせを選択する。ここで、図１は本実施形態に係る電力抑制最適化システムの機能構成を示すブロック図である。図１に示すように、本実施形態に係る電力抑制最適化システムは、各種の情報を記憶する記憶部１と、各需要家の消費電力値データを取得する消費電力値データ取得部２と、各需要家の期待削減電力値を算出する期待削減電力算出部３と、各需要家の期待削減電力値の不確実度を算出する不確実度算出部４と、総期待削減電力値の不確実度が最小になるように需要家の組み合わせを選択する最適化部５と、総期待削減電力値を算出する総期待削減電力算出部６とを備える。

本実施形態における上記の構成は、ＣＰＵやメモリを備えたコンピュータ装置を基本ハードウェアとして使用することによって実現することができる。例えば、消費電力値データ取得部２、期待削減電力算出部３、不確実度算出部４、最適化部５及び総期待削減電力算出部６の機能は、ＣＰＵで制御プログラムを実行することにより実現することができる。また、本実施形態に係る電力抑制最適化システムは、外部から情報を取得したり、外部へ情報を出力したりするための通信手段を備えていてもよい。

記憶部１は、本実施形態に係る電力抑制最適化システムの各処理で使用される、あるいは作成される各種の情報や、上述の各機能構成を実現するための制御プログラムなどを記憶する。記憶部１として、不揮発性メモリや外気部記憶装置などの記憶装置を使用することができる。

消費電力値データ取得部２は、記憶部１や外部に設けられた消費電力値データベースから、所定の範囲の消費電力値データを取得する。消費電力値データとは、各時間帯における需要家の消費電力や消費電力量などの消費電力値（３０分値や１時間の積算値など）を示すデータである。需要家の消費電力値とは、需要家が有する電力削減の対象となる機器（空調装置、プールポンプ、給湯器など）による消費電力値である。消費電力値データ取得部２が消費電力値データを取得する所定の範囲とは、需要家の範囲及び日時の範囲である。消費電力値データ取得部２により取得された消費電力値データは記憶部１に記憶される。

図２は、消費電力値データ取得部２により取得された消費電力値データの一例を示す図である。図２において、需要家の範囲は、需要家ＩＤがＩＤ０００００１からＩＤ０１００００までの１００００軒であり、日時の範囲は、２０１２年１２月１日０：００から２０１２年１２月２１日２３：３０までの３週間である。当該範囲は、任意に設定することが可能であり、記憶部１に予め記憶されていてもよいし、電力抑制最適化システムを利用するオペレータにより操作端末から入力されてもよい。

なお、以下では、需要家が有する１つ又は複数の機器の消費電力値の合計が消費電力値データとして取得される場合について説明するが、消費電力値データは、機器ごとに、あるいはいくつかの機器ごとに取得されてもよい。例えば、需要家が複数の機器を有し、機器ごとに消費電力値データが取得される場合、需要家の消費電力値データとして複数の消費電力値データが取得されることになる。このように、需要家の消費電力値データが複数取得される場合には、需要家ＩＤの代わりに、機器ごとの、あるいはいくつかの機器ごとの機器ＩＤを設定すればよい。この場合、電力抑制を依頼する対象を、需要家ではなく、機器ＩＤにより特定される１つ又は複数に機器としてもよい。

期待削減電力算出部３は、消費電力値データ取得手段２により取得された消費電力値データに基づいて期待削減電力値を算出する。期待削減電力値とは、電力抑制を依頼した場合に期待される各需要家の削減電力又は削減電力量の値である。期待削減電力値は、例えば、各需要家の消費電力値の平均値として算出することができる。この場合、期待削減電力算出部３は、各需要家の消費電力値データを時間帯ごとに集計し、各時間帯における消費電力値の平均値を各時間帯における期待削減電力値として算出する。

図３は、時間帯ごとに集計された図２の消費電力値データを示す図である。図３において、各需要家の消費電力値データは、０：００〜０：２９、０：３０〜０：５９、１：００〜１：２９というように、３０分間隔で集計されている。期待削減電力算出部３は、集計された消費電力値の平均値を計算すればよい。例えば、需要家ＩＤ０００００１の０：００〜０：２９の時間帯の期待削減電力値は、需要家ＩＤ０００００１の０：００〜０：２９の時間帯の消費電力値の３週間分の平均値として算出することができる。図４は、このようにして算出された期待削減電力値を示す図である。図４に示すように、期待削減電力値は、需要家ごとに、時間帯ごとに算出されている。

また、期待削減電力算出部３は、上述の需要家の消費電力値の平均値に、所定の稼働率αを積算することにより期待削減電力値を算出してもよい。稼働率αは、需要家が有する機器の稼働率であり、消費電力値が上述の平均値となるように需要家が機器を稼働させた状態が１００％となる。稼働率αは、予め記憶部１に記憶されていてもよいし、オペレータにより入力されてもよい。また、稼働率αは、時間帯ごとに異なる値であってもよい。このように算出された期待削減電力値は記憶部１に記憶される。

なお、図４において、各需要家の期待削減電力値は、３０分間隔で算出されているが、当該間隔は任意に設定することができる。例えば、期待削減電力算出部３が１時間間隔で期待削減電力値を算出する場合、０：００〜０：５９の期待削減電力値として、図３の０：００〜０：５９の消費電力値の平均値を算出すればよい。

不確実度算出部４は、各需要家の不確実度を算出する。不確実度は、各需要家の時間帯ごとの期待削減電力値に対する時間帯ごとの削減電力値のばらつきである。不確実度は、例えば、期待削減電力値に対する時間帯ごとの消費電力値のばらつき（分散）として、以下のように計算することができる。

ここで、ｎは需要家（ｎ＝１，・・・，１００００）、σ_ｎ ^２は需要家ｎの不確実度、ｐ_ｎｄは需要家ｎのｄ日（１日〜２１日）の消費電力値、ｐ（バー）_ｎは需要家ｎの期待削減電力値、Ｄは日数（２１日）である。この場合、需要家ｎの各時間帯の不確実度σ_ｎ ^２は、消費電力値ｐ_ｎｄと期待削減電力値ｐ（バー）_ｎとの差の二乗平均として算出される。需要家ｎの期待削減電力値ｐ（バー）_ｎが各時間帯の需要家ｎの消費電力値ｐ_ｎｄの相加平均である場合、不確実度σ_ｎ ^２は各時間帯における需要家ｎの消費電力値ｐ_ｎｄの分散となる。不確実度算出部４により算出された不確実度は記憶部１に記憶される。図５は、図２の消費電力値データと図４の期待削減電力値とに基づいて算出された不確実度σ_ｎ ^２を示す図である。図５において、不確実度は３０分間隔で算出されているが、当該間隔は任意に設定することができる。

また、各需要家の不確実度は、以下のように算出することもできる。

ここで、ｎ，ｍは需要家（ｎ，ｍ＝１，・・・，１００００）、σ_ｎｍは需要家ｎの不確実度、ｐ_ｎｄ，ｐ_ｍｄは需要家ｎ，ｍのｄ日（１日〜２１日）の消費電力値、ｐ（バー）_ｎ，ｐ（バー）_ｍは需要家ｎ，ｍの期待削減電力値、Ｄは日数（２１日）である。この場合、不確実度σ_ｎｍは、需要家ｎの期待削減電力値ｐ（バー）_ｎと消費電力値ｐ_ｎｄとの差と、需要家ｍの期待削減電力値ｐ（バー）_ｍと消費電力値ｐ_ｍｄとの差と、積の平均として算出される。このように算出された不確実度σ_ｎｍは、需要家ｎの期待削減電力値ｐ（バー）_ｎと消費電力値ｐ_ｎｄとの差と、需要家ｍの期待削減電力値ｐ（バー）_ｍと消費電力値ｐ_ｍｄとの差と、の関連度を示す。需要家ｎ，ｍの期待削減電力値が各時間帯の需要家ｎ，ｍの消費電力値の相加平均である場合、不確実度σ_ｎｍは各時間帯における需要家ｎ，ｍの消費電力値の共分散となる。また、ｎ＝ｍの場合、不確実度σ_ｎｎは、上述の不確実度σ_ｎ ^２と一致する。

図６は、図２の消費電力値データと図４の期待削減電力値とに基づいて算出された不確実度σ_ｎｍを示す図である。図６において、不確実度は３０分間隔で算出されているが、当該間隔は任意に設定することができる。なお、不確実度は、上記の不確実度σ_ｎｍ，σ_ｎ ^２に限られない。例えば、不確実度として、不確実度σ_ｎｍ，σ_ｎ ^２を定数倍した値や、不確実度σ_ｎｍ，σ_ｎ ^２の平方根などを使用することができる。

最適化部５は、総期待削減電力値が予定削減電力値以上又は所定の範囲内となり、かつ、需要家の数が需要家数上限値以下又は所定の範囲内となるように、電力抑制を依頼する需要家の組み合わせを選択する。ここで、総期待削減電力値とは、電力抑制を依頼する需要家として選択された各需要家の期待削減電力値の合計である。また、予定削減電力値とは、電力事業者などが予定する削減電力値であり、例えば、ピーク時に予測される電力不足分などである。需要家数上限値は、電力抑制を依頼する需要家の数の上限値である。予定削減電力値及び需要家数上限値は、予め記憶部１に記憶されていてもよいし、オペレータにより入力されてもよい。

最適化部５は、上述の条件を満たしたうえで、総期待削減電力値のばらつきを示す不確実度が最小となるように電力抑制を依頼する需要家の組み合わせを選択する。総期待削減電力値の不確実度は、例えば、不確実度算出部４が算出した各需要家の不確実度に基づいて算出することができる。この場合、最適化部５は、電力事業者等が電力抑制の実施を予定している時間帯（以下、「電力抑制時間帯」という）に含まれる各時間帯の期待削減電力値を取得し、以下のようなベクトルを作成する。

上記のベクトルは、各時間帯における各需要家ｎの期待削減電力値ｐ（バー）_ｎを成分としたＮ×１の列ベクトルであり、電力抑制時間帯に含まれる時間帯の数だけ作成される。最適化部５が図４の期待削減電力値を取得した場合、Ｎ＝１００００となる。また、最適化部５は、記憶部１から電力抑制時間帯に含まれる各時間帯の不確実度を取得し、各時間帯における各需要家の不確実度を成分としたＮ×Ｎの行列を作成する。最適化部５は、図５のような不確実度σ_ｎ ^２を取得した場合、以下のような対角行列を作成する。

一方、最適化部５は、図６のような不確実度σ_nｍを取得した場合、以下のような行列を作成すればよい。

さらに、最適化部５は、以下のようなベクトルを作成する。

上記のベクトルは、０又は１のいずれか一方の値を取る変数ｗ_ｎを成分としたＮ×１の列ベクトルである。ｗ_ｎは、需要家ｎが電力抑制を依頼する需要家として選択される場合に１となり、選択されなかった場合に０となる。したがって、上記のベクトルは、電力抑制を依頼される需要家の組み合わせを示す。この時、総期待削減電力値は、以下の式で表すことができる。

本実施形態において、総期待削減電力値の不確実度は以下の式で表すことができる。

最適化部５は、総期待削減電力値が予定削減電力値以上であり、かつ、選択される需要家の数（１となるｗ_ｎの数）が需要家数上限値以下という制約条件のもとで、総期待削減電力値の不確実度が最小となるようにｗ_ｎの組み合わせを探索する。これは、予定削減電力値をρ、需要家数上限値をＭ（≦Ｎ）とした場合、以下のように定式化することができる。

最適化部５は、上記のような０−１凸二次計画問題を解くことにより、需要家の組み合わせを選択する。最適化部５は、例えば、ｗ_ｎの０−１整数制約を緩和した二次計画問題を内点法やＧＡなどのメタヒューリスティクス解法により解き、得られた解を切り上げ又は切り捨てて整数解とすることにより、上記問題を解くことができる。これにより得られた以下のような解は、記憶部１に記憶される。

図７は、記憶部１に記憶された上記の解（需要家の組み合わせ）の一例を示す図である。図７に示すように、需要家の組み合わせ結果は、ｗ_ｎの値（０又は１）により示されている。なお、需要家数上限値Ｍは設定されていなくてもよい。

総期待削減電力算出部６は、最適化部５により選択された需要家の組み合わせに基づいて、総期待削減電力値を算出する。総期待削減電力値は、以下の式により算出することができる。算出された総期待削減電力値は記憶部１に記憶される。

次に、本実施形態に係る電力抑制最適化システムの動作について、図８を参照して説明する。図８は、電力抑制最適化システムの動作を示すフローチャートである。なお、以下では、オペレータが本実施形態に係る電力抑制最適化システムを利用して需要家の組み合わせを選択する場合の動作について説明する。

まず、オペレータは電力抑制最適化システムに需要家の組み合わせの選択を開始させる。電力抑制最適化システムは、予め設定された、あるいはオペレータから入力された需要家の範囲、すなわち、需要家の組み合わせの母集団、に含まれる需要家の期待削減電力値及び不確実度が算出済みか否か判定する（ステップＳ１）。前記母集団に含まれる全ての需要家の期待削減電力値及び不確実度が算出済みの場合（ステップＳ１のＹＥＳ）、処理はステップＳ５に進む。

一方、期待削減電力値及び不確実度を算出されていない需要家がいる場合（ステップＳ１のＮＯ）、処理はステップＳ２に進む。この場合、消費電力値データ取得部２は、期待削減電力値及び不確実度を算出されていない需要家の消費電力値データを取得する（ステップＳ２）。消費電力値取得部２は、予め設定された、あるいはオペレータにより入力された日時の範囲の消費電力値データを取得する。

次に、期待削減電力算出部３は、消費電力値データ取得部２により取得された消費電力値データに基づいて、当該需要家の各時間帯における期待削減電力値を算出する（ステップＳ３）。期待削減電力算出部３は、当該需要家の消費電力値の平均値などに基づいて期待削減電力値を算出することができる。

次に、不確実度算出部４は、消費電力値データ取得部２が取得した消費電力値データと期待削減電力算出部３が算出した期待削減電力値と基づいて、各時間帯の不確実度を算出する（ステップＳ４）。不確実度算出部４は、消費電力値と期待削減電力値との差の二乗平均に基づいて不確実度σ_ｎ ^２を算出することができる。

当該需要家の不確実度の算出が完了すると、処理はステップＳ１に戻る。そして、電力抑制最適化システムは、全ての需要家の期待削減電力値及び不確実度が算出されるまで、上述のステップＳ２〜ステップＳ４を繰り返す。全ての需要家の期待削減電力値及び不確実度が算出されると（ステップＳ１のＹＥＳ）、処理はステップＳ５に進む。

上記の説明において、ステップＳ２〜ステップＳ４では、需要家１軒ごとに消費電力値データが取得され、期待削減電力値及び不確実度が算出されている。しかしながら、電力抑制最適化システムは、ステップＳ２において、ステップＳ１で期待削減電力値及び不確実度を算出されていないと判定された全ての需要家の消費電力値データを取得し、ステップＳ３において前記全ての需要家の期待削減電力値を算出し、ステップＳ４において前記全ての需要家の不確実度を算出してもよい。この場合、処理はステップＳ４に進んだ後、ステップＳ１には戻らずに、ステップＳ５に進む。

また、不確実度として不確実度σ_ｎｍを使用する場合には、電力抑制最適化システムは、まず、全ての需要家の期待削減電力値を算出し、あるいは記憶部１から取得する。その後、不確実度算出部４が不確実度σ_ｎｍを算出すればよい。

次に、最適化部５は、電力抑制を依頼する需要家の組み合わせを最適化する（ステップＳ５）。すなわち、最適化部５は、総期待削減電力値が予定削減電力値以上であり、かつ、選択される需要家の数が需要家数上限値以下という制約条件のもとで、総期待削減電力値の不確実度（例えば、σ_ｎ ^２やσ_ｍｎ）が最小となるｗ_ｎの組み合わせを選択する。

電力抑制最適化システムは、さらに、総期待削減電力算出部６により総期待削減電力値を算出してもよいし、オペレータの要求に応じて最適化の結果を出力してもよい。例えば、電力抑制最適化システムは、操作端末のモニターなどに、可視化された最適化結果を表示させることができる。

図９は、最適化結果の出力画面の一例を示す図である。図９に示すように、出力結果には、予測される消費電力値、最適化された需要家の組み合わせに電力抑制を依頼した場合に予測される消費電力値、最適化された需要家の組み合わせなどが含まれてもよい。

以上説明したように、本実施形態に係る電力抑制最適化システムによれば、総期待削減電力値が予定削減電力値以上となる需要家の組み合わせのうち、総期待削減電力値のばらつき（不確実度σ_ｎ ^２やσ_ｎｍなど）が最小の需要家の組み合わせを選択することができる。したがって、電力事業者は、電力抑制最適化システムにより選択された需要家の組み合わせに従ってデマンドレスポンスなどを行うことにより、予測削減電力値を高い確率で削減することができる。また、電力事業者は、各需要家の不確実度に基づいて、不確実度が低い需要家に絞った効率のよりデマンドレスポンスを実施することもできる。さらに、電力事業者は、最適化結果に基づいて、需要家の有する機器を直接制御するＤＬＣ（Direct Load Control）などの仕組みにより、需要家の削減電力値を指定することもできる。またさらに、電力事業者は、最適化結果を行動変容対象の指定に利用することができる。すなわち、電力事業者は、最適化により選択された需要家をデマンドレスポンスの効率が高い需要家とみなし、クーポン発行などにより行動変容を促進する行動変容対象に指定することができる。

（第２実施形態）
次に、第２実施形態に係る電力抑制最適化システムについて、図１０及び図１１を参照して説明する。ここで、図１０は、本実施形態に係る電力抑制最適化システムの機能構成を示すブロック図である。図１０に示すように、本実施形態に係る電力抑制最適化システムは、記憶部１と、消費電力値データ取得部２と、期待削減電力算出部３と、最適化部５と、総期待削減電力算出部６とを備える。以上の構成は第１実施形態と同様である。ただし、本実施形態に係る電力抑制最適化システムは、第１実施形態と異なり、不確実度算出部４を備えなくてもよい。本実施形態において、総期待削減電力値の削減電力値が極端に下回る程度を表すような不確実度として代表的なリスク尺度であるβ−ＣＶａＲが使用される。なお、不確実度として、β−ＣＶａＲの代わりに、ＶａＲ（Value-at-Risk）や絶対偏差を使用する構成も可能である。

最適化部５は、β−ＣＶａＲ（Conditional Value at Risk）を算出する。β−ＣＶａＲとは、所定の確率βで総削減電力値が所定の電力αを下回らないような最小の電力αであるβ−ＶａＲを、総削減電力値が下回るときの総削減電力値の期待値である。最適化部５は、β−ＣＶａＲを算出するために、まず、予め設定された、あるいはオペレータにより指定された電力抑制時間帯における各需要家の消費電力値データを取得し、以下のような行列を作成する。

また、最適化部５は、第１実施形態と同様、以下のようなベクトルを作成する。

次に、最適化部５は、総期待削減電力値の不確実度であるβ−ＣＶａＲを以下の式により算出する。

最適化部５は、総期待削減電力値が予定削減電力値以上であり、かつ、選択される需要家の数（１となるｗ_ｎの数）が需要家数上限値以下という制約条件のもとで、総期待削減電力値の不確実度（β−ＣＶａＲ）が最小となるようにｗ_ｎの組み合わせを選択する。これは、予定削減電力値をρ、需要家数上限値をＭ（≦Ｎ）とした場合、以下のように定式化することができる。

最適化部５は、上記のような０−１線形計画問題を解くことにより、需要家の組み合わせを決定する。最適化部５は、例えば、ｗ_ｎの０−１整数制約を緩和した線形計画問題を単体法や内点法などにより解き、得られた解を切り上げ又は切り捨てて整数解とすることにより、上記問題を解くことができる。これにより得られた以下のような解は、記憶部１に記憶される。

総期待削減電力算出部６は、最適化部５により最適化された需要家の組み合わせに基づいて、総期待削減電力値を算出する。総期待削減電力値は、以下の式により算出することができる。算出された総期待削減電力値は記憶部１に記憶される。

なお、この時の総期待削減電力値の不確実度β−ＣＶａＲは、上記の０−１線形計画問題の解として得られるα_βである。電力抑制最適化システムは、こうして得られた総期待削減電力値の不確実度を最適化結果として出力することができる。

次に、本実施形態に係る電力抑制最適化システムの動作について説明する。ここで、図１１は、本実施形態に係る電力抑制最適化システムの動作を示すフローチャートである。図１１に示すように、電力抑制最適化システムは、予め設定された、あるいはオペレータから入力された需要家の範囲に含まれる各需要家の期待削減電力値を算出済みか否か判定する（ステップＳ１）。全ての需要家の期待削減電力値が算出されるまで、第１実施形態と同様のステップＳ２及びステップＳ３を繰り返す。全ての需要家の期待削減電力値が算出されると、処理はステップＳ５に進む。

なお、ステップＳ２において、ステップＳ１で期待削減電力値を算出されていないと判定された全ての需要家の消費電力値データを取得し、ステップＳ３において前記全ての需要家の期待削減電力値を算出しもよい。この場合、処理はステップＳ３に進んだ後、ステップＳ１には戻らずに、ステップＳ５に進む。

次に、最適化部５は、電力抑制を依頼する需要家の組み合わせを最適化する（ステップＳ５）。すなわち、最適化部５は、総期待削減電力値が予定削減電力値以上であり、かつ、選択される需要家の数が需要家数上限値以下という制約条件のもとで、総期待削減電力値の不確実度（β−ＣＶａＲ）が最小となるｗ_ｎの組み合わせを探索する。

以上説明したように、本実施形態に係る電力抑制最適化システムによれば、総期待削減電力値が予定削減電力値以上であり、総期待削減電力値のばらつき（不確実度β−ＣＶａＲ）が最小の需要家の組み合わせを選択することができる。

（第３実施形態）
以下、第３実施形態に係る電力抑制最適化システムについて、図１２〜図１７を参照して説明する。本実施形態において、各需要家の消費電力値データは前処理を施される。また、各需要家の期待削減電力値は、外気温データを用いて算出される。ここで、図１２は、本実施形態に係る電力抑制最適化システムの機能構成を示すブロック図である。図１２に示すように、本実施形態に係る電力抑制最適化システムは、記憶部１と、消費電力値データ取得部２と、期待削減電力算出部３と、不確実度算出部４と、最適化部５と、総期待削減電力算出部６とを備える。以上の構成は第１実施形態と同様である。本実施形態において、電力抑制最適化システムは、さらに前処理部７を備える。

前処理部７は、消費電力値データ取得部２が取得した消費電力値データに対して平滑化処理、補完処理、異常値除去処理などの前処理を施す。平滑化処理とは、消費電力値データや外気温データを平滑化する処理である。平滑化処理は、例えば、記憶部１に記憶された消費電力値データの移動平均値、移動中央値を算出したり、Nadaraya-Watson推定やスプライン関数などを適用したりすることにより実現できる。前処理部７は、記憶部１に記憶された消費電力値データの分散を算出し、算出された分散と所定の閾値とを比較することにより、平滑化処理を行うか否かの判定を行ってもよい。

補完処理とは、欠損した消費電力値データを補完する処理である。補完処理は、例えば、欠損したデータに隣接したデータや、隣接したデータから推定されるデータによって、欠損したデータを補うことにより実現できる。前処理部７は、記憶部１に記憶された消費電力値データの欠損の有無を判定することにより、補完処理を行うか否かの判定を行ってもよい。

異常値除去処理とは、消費電力値データから、異常値を含むデータを除去する処理である。異常値除去処理は、消費電力値を所定の閾値と比較し、当該閾値を超える消費電力値データを除去することにより実現できる。前処理部７は、消費電力値の最大値及び最小値を所定の閾値と比較することにより、異常値除去処理を行うか否かの判定を行ってもよい。なお、異常値除去処理を行う場合、除去されたデータを補うために補完処理が行われるのが好ましい。

以上のような前処理部７の機能は、ＣＰＵにより制御プログラムを実行することにより実現することができる。前処理部７は、前処理を１回だけ行ってもよいし、複数回行ってもよい。また、前処理が不要な場合には行われなくてもよい。前処理の実施の有無や実施回数は、オペレータが操作端末から入力してもよいし、電力抑制最適化システムにより自動的に決定されてもよい。前処理された消費電力値データは前処理済み消費電力値データとして記憶部１に記憶される。

前処理部７は、さらに、前処理済み消費電力値データと外気温データとを結合する。外気温データとは、各需要家の所在する地域で計測された各時間帯の外気温を示すデータであり、予め記憶部１に記憶されていてもよいし、電力抑制最適化システムが外部の外気温データベースなどから取得してもよい。前処理部７は、前処理済み消費電力値データと外気温データとを、両データの日時に応じて結合する。前処理部７は、同じ日時の消費電力値データと外気温データとを結合してもよいし、消費電力値データと計測時間が所定時間ずれた外気温データとを結合してもよい。例えば、消費電力値データと、当該消費電力値データよりも計測時間が１時間〜２時間早い外気温データとを結合してもよい。これにより、外気温が消費電力値に影響するまでのタイムラグを考慮することができる。

図１３は、外気温データと結合された前処理済み消費電力値データの一例を示す図である。図１３の前処理済み消費電力値データは、同じ日時の外気温データと結合されている。なお、前処理部７は、外気温データに対しても、消費電力値データと同様の前処理を施してもよい。

期待削減電力算出部３は、前処理済み消費電力値データと外気温データとに基づいて、各需要家の各時間帯における期待削減電力値を算出する。まず、期待削減電力算出部３は、図１３のような前処理済み消費電力値データから各時間帯ごとの外気温を所定の区分に従って集計する。前記外気温の区分は、任意の外気温間隔ごと設定することができる。図１４は、外気温の区分の一例を示す図である。図１４において、外気温の区分は、１０℃ごとに設定されており、〜０℃にＡ、０℃〜１０℃にＢ、１０℃〜２５℃にＣ、２５℃〜にＤというラベルが付与されている。このような外気温の区分は、予め設定されていてもよいし、オペレータにより入力されてもよい。図１５は、図１４の外気温の区分に従って集計された図１３の外気温データを示す図である。図１５において、外気温の区分は図１４のラベルによって示されている。

次に、期待削減電力算出部３は、図１４のように集計された外気温データと、図１３の前処理済み消費電力値データとに基づいて、外気温の区分ごとの期待削減電力値を算出する。具体的には、期待削減電力算出部３は、外気温の区分ごとに前処理済み電力データを集計し、集計された各外気温ごとの消費電力値の平均値、あるいは前記平均値に所定の稼働率αを積算した値を算出すればよい。

図１６は、図１３の前処理済み消費電力値データと、図１５の外気温データとに基づいて、外気温の区分ごとに算出された期待削減電力値を示す図である。図１６に示すように、期待削減電力値は、各需要家ごとに、各時間帯ごとに、かつ各外気温の区分ごとに算出されている。

本実施形態において、不確実度算出部４は、図１６のような外気温の区分ごとに算出された期待削減電力値データに基づいて、各需要家の不確実度を、時間帯ごと、かつ外気温の区分ごとに計算する。算出された不確実度は記憶部１に記憶される。

次に、本実施形態に係る電力抑制最適化システムの動作について説明する。図１７は、本実施形態に係る電力抑制最適化システムの動作を示すフローチャートである。図１７に示すように、電力抑制最適化システムは、予め設定された、あるいはオペレータから入力された需要家の範囲に含まれる各需要家の期待削減電力値及び不確実度を算出済みか否か判定する（ステップＳ１）。

期待削減電力値及び不確実度を算出されていない需要家が存在する場合（ステップＳ１のＮＯ）、消費電力値データ取得部２が当該需要家の消費電力値データを取得し（ステップＳ２）、前処理部７が取得された消費電力値データに平滑化処理、補完処理、及び異常値除去処理の少なくとも１つの前処理を施す（ステップＳ７）。前処理部７は、消費電力値データに前処理を施すと、前処理済み消費電力値データと外気温データとを結合する。

次に、期待削減電力値３は、各需要家の期待削減電力値を算出する（ステップＳ３）。期待削減電力算出部３は、各需要家の期待削減電力値を、時間帯ごとかつ外気温の区分ごとに算出する。次に、不確実度算出部４は、各需要家の不確実度を算出する（ステップＳ４）。不確実度算出部４は、各需要家の不確実度を、時間帯ごとかつ外気温の区分ごとに算出する。

以上のステップＳ２〜ステップＳ４の処理は、全ての需要家の期待削減電力値及び不確実度が算出されるまで繰り返される。全ての需要家の削減電力値及び不確実度が算出されると（ステップＳ１のＹＥＳ）、処理はステップＳ５に進む。

なお、ステップＳ２において、ステップＳ１で期待削減電力値を算出されていないと判定された全ての需要家の消費電力値データを取得し、ステップＳ７において前記全ての需要家の消費電力値データに前処理を施し、ステップＳ３において前記全ての需要家の期待削減電力値を算出し、ステップＳ４において前記全ての需要家の不確実度を算出してもよい。この場合、処理はステップＳ４に進んだ後、ステップＳ１には戻らずに、ステップＳ５に進む。

次に、最適化部５は、電力抑制を依頼する需要家の組み合わせを最適化する（ステップＳ５）。すなわち、最適化部５は、総期待削減電力値が予定削減電力値以上であり、かつ、選択される需要家の数が需要家数上限値以下という制約条件のもとで、総期待削減電力値の不確実度（例えばσ_ｎ ^２やσ_ｎｍ）が最小となるｗ_ｎの組み合わせを探索する。

この際、最適化部５は、電力抑制時間帯の予測外気温データを取得する。予測外気温データとは、需要家の所在する地域において電力抑制時間帯に予測される外気温を示すデータである。予測外気温データは、オペレータにより入力されてもよしい、電力抑制最適化システムが外部の予測外気温データベースから取得してもよい。最適化部５は、電力抑制時間帯の各時間帯の予測外気温と対応する外気温の期待削減電力値及び不確実度を使用して、各時間帯における総期待削減電力値の不確実度を算出する。最適化部５は、算出した総期待削減電力値の不確実度が最小となるように、需要家の組み合わせを選択する。

なお、本実施形態において、不確実度として第２実施形態におけるβ−ＣＶａＲが使用されてもよい。この場合、不確実度算出部４及びステップＳ４は不要となる。また、最適化部５は、予測外気温と対応する外気温の期待削減電力値に基づいて、β−ＣＶａＲを算出する。

以上説明したように、本実施形態に係る電力抑制最適化システムによれば、消費電力値データのかわりに前処理済み消費電力値データが使用される。したがって、データの欠損や異常値を除去した消費電力値データに基づいて需要家の組み合わせを選択することができる。これにより、期待削減電力値や不確実度をより精度よく算出することができる。したがって、総期待削減電力値のばらつきがより小さくなるように需要家の組み合わせを選択することができる。

また、期待削減電力算出部３は、外気温ごとに期待削減電力値を算出する。これにより、電力抑制時間帯における予測外気温ごとに期待削減電力値及び不確実度を変化させることができる。したがって、期待削減電力値及び不確実度をより精度よく予測することができる。

なお、本発明は上記各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、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。

１：記憶部，２：消費電力値データ取得部，３：期待削減電力算出部，４：不確実度算出部，５：最適化部，６：総期待削減電力算出部，７：前処理部

また、１組の需要家の不確実度は、以下のように算出することもできる。

ここで、ｎ，ｍは需要家（ｎ，ｍ＝１，・・・，１００００）、σ_ｎｍは需要家ｎと需要家ｍとの組の不確実度、ｐ_ｎｄ，ｐ_ｍｄは需要家ｎ，ｍのｄ日（１日〜２１日）の消費電力値、ｐ（バー）_ｎ，ｐ（バー）_ｍは需要家ｎ，ｍの期待削減電力値、Ｄは日数（２１日）である。この場合、不確実度σ_ｎｍは、需要家ｎの期待削減電力値ｐ（バー）_ｎと消費電力値ｐ_ｎｄとの差と、需要家ｍの期待削減電力値ｐ（バー）_ｍと消費電力値ｐ_ｍｄとの差と、積の平均として算出される。このように算出された不確実度σ_ｎｍは、需要家ｎの期待削減電力値ｐ（バー）_ｎと消費電力値ｐ_ｎｄとの差と、需要家ｍの期待削減電力値ｐ（バー）_ｍと消費電力値ｐ_ｍｄとの差と、の関連度を示す。需要家ｎ，ｍの期待削減電力値が各時間帯の需要家ｎ，ｍの消費電力値の相加平均である場合、不確実度σ_ｎｍは各時間帯における需要家ｎ，ｍの消費電力値の共分散となる。また、ｎ＝ｍの場合、不確実度σ_ｎｎは、上述の不確実度σ_ｎ ^２と一致する。

Claims

複数の需要家の消費電力値の履歴を示す消費電力値データに基づいて、電力抑制を依頼した場合に期待される各需要家の削減電力値である期待削減電力値を算出する期待削減電力算出部と、
前記期待削減電力算出部により算出された各需要家の期待削減電力値に基づいて、各需要家の期待削減電力値の合計である総期待削減電力値に対する各需要家の削減電力値の合計値のばらつきが小さくなるように、かつ、前記総期待削減電力値が前記電力抑制の削減電力値に関する条件を満たすように、需要家の組み合わせを選択する最適化部と、
を備える電力抑制最適化システム。
各需要家の削減電力値のばらつきを示す不確実度を算出する不確実度算出部をさらに備え、
前記最適化部は、前記不確実度算出部により算出された不確実度に基づいて、前記総期待削減電力値のばらつきが最小になるように需要家の組み合わせを選択する請求項１に記載の電力抑制最適化システム。
前記最適化部は、前記削減電力値に関する条件として、前記総期待削減電力値が所定値以上又は所定の範囲内となるように需要家の組み合わせを選択する請求項１又は請求項２に記載の電力抑制最適化システム。
前記最適化部は、電力抑制の依頼対象となる需要家の数が所定値以下になるように需要家の組み合わせを選択する請求項１〜請求項３のいずれか１項に記載の電力抑制最適化システム。
前記不確実度算出部により算出された不確実度は、各需要家の期待削減電力値と各需要家の消費電力値との差の二乗平均である請求項２〜請求項４のいずれか１項に記載の電力抑制最適化システム。
前記不確実度算出部により算出された不確実度は、各需要家の期待削減電力値と消費電力値との差の、需要家間の関連度である請求項２〜請求項４のいずれか１項に記載の電力抑制最適化システム。
前記期待削減電力算出部は、各需要家の消費電力値の平均値に基づいて、各需要家の期待削減電力値を算出する請求項１〜請求項６のいずれか１項に記載の電力抑制最適化システム。
前記期待削減電力算出部は、各需要家の消費電力値と外気温とに基づいて、各需要家の外気温ごとの期待削減電力値を算出する請求項１〜請求項７のいずれか１項に記載の電力抑制最適化システム。
前記総期待削減電力値に対する各需要家の削減電力値の合計値のばらつきは、前記総期待削減電力値のVaR（Value-at-Risk）、絶対偏差、CVaR（Conditional-Value-at-Risk）のいずれか１つである請求項１〜請求項８のいずれか１項に記載の電力抑制最適化システム。
前記期待削減電力算出部により算出された各需要家の期待削減電力値と、前記最適化部により選択された需要家の組み合わせとに基づいて、前記総期待削減電力値を算出する総期待削減電力算出部をさらに備える請求項１〜請求項９のいずれか１項に記載の電力抑制最適化システム。
各需要家の消費電力値データに対して平滑化処理、補完処理、異常値除去処理のうちの少なくとも１つの処理を施す前処理部を備えた請求項１〜請求項１０のいずれか１項に記載の電力抑制最適化システム。
前記需要家は、１または複数の機器を有するものであって、
前記最適化部は、前記機器の組み合わせを選択する請求項１〜請求項１１のいずれか１項に記載の電力抑制最適化システム。
複数の需要家の消費電力値の履歴を示す消費電力値データに基づいて、電力抑制を依頼した場合に期待される各需要家の削減電力値である期待削減電力値を算出し、
算出された各需要家の期待削減電力値に基づいて、各需要家の期待削減電力値の合計である総期待削減電力値に対する各需要家の消費電力値のばらつきが小さくなるように、かつ、前記総期待削減電力値が前記電力抑制の削減電力値に関する条件を満たすように、需要家の組み合わせを選択することを具備する電力抑制最適化方法。