JP2015122826A - 配電系統の負荷予測装置および配電系統の負荷予測方法 - Google Patents
配電系統の負荷予測装置および配電系統の負荷予測方法 Download PDFInfo
- Publication number
- JP2015122826A JP2015122826A JP2013263988A JP2013263988A JP2015122826A JP 2015122826 A JP2015122826 A JP 2015122826A JP 2013263988 A JP2013263988 A JP 2013263988A JP 2013263988 A JP2013263988 A JP 2013263988A JP 2015122826 A JP2015122826 A JP 2015122826A
- Authority
- JP
- Japan
- Prior art keywords
- model
- information
- unit
- load
- power consumption
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 27
- 238000005259 measurement Methods 0.000 claims description 64
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000009795 derivation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 40
- 238000012937 correction Methods 0.000 description 18
- 230000004913 activation Effects 0.000 description 11
- 230000014509 gene expression Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000010438 heat treatment Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 238000010411 cooking Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 230000035515 penetration Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102220612752 Ankyrin repeat domain-containing protein SOWAHC_S10V_mutation Human genes 0.000 description 1
- 102220502690 Prostaglandin E2 receptor EP1 subtype_S20V_mutation Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】保有率モデル記憶部110は第1の住宅情報区分毎に負荷機器の機種別の保有率モデルを記憶する。稼働確率モデル記憶部120は第2の住宅情報区分毎に負荷機器の機種別かつ時刻別の稼働確率モデルを記憶する。消費電力モデル記憶部130は稼働中の負荷機器の1台当たりの消費電力モデルを機種別に記憶する。機器台数推定部210は、保有率モデルと第1の住宅情報区分毎の住宅数関連情報とに基づいて、第1の住宅情報区分毎に機種別台数を推定する。稼働台数予測部220は、機種別台数および稼働確率モデルを用いて稼働台数期待値を予測する。
【選択図】図1
Description
(全体構成について)
図1は、本実施の形態における負荷予測装置901の構成を概略的に示す。負荷予測装置901は、複数の配電区間を有し負荷機器に電力供給を行う配電系統の電力負荷を予測するものである。電力負荷の予測は、後述するように、配電系統のおける任意の配電区間に対して可能である。電力供給が行われる負荷機器は、たとえば、IH(Induction Heating)クッキングヒータ、食器洗い機、給湯機、リビングコンセント、エアコンなどである。なお以下において、これら各機種を「機種n」と総称することもあり、また数式において「n」で表すことがある。また、任意の同一配電区間から電力供給を受ける負荷機器を「同一配電区間機器」と呼ぶことがある。
住宅数関連情報記憶部170は、予測の対象となる配電区間内の住宅情報区分毎の住宅数関連情報を記憶するためのものである。この情報は、負荷予測装置901が使用される際に情報記憶部101に格納されてもよく、あるいは情報記憶部101にあらかじめ記憶されていてもよい。前者の場合、情報は入力部300によって受け付けられてもよく、たとえば、ユーザにより手入力されてもよい。後者の場合には、情報が複数の配電区間について記憶されていてもよい。この場合、負荷予測装置901が使用される際に、予測の対象となる配電区間の指定が入力部300によって受け付けられてもよい。
図2を参照して、保有率モデル記憶部110は、配電区間別(たとえば配電区間A〜Cの各々)に住宅情報区分k(第1の住宅情報区分)毎に負荷機器の機種n別の保有率モデルを記憶するものである。「住宅情報区分」とは、それによって配電区間内の住宅を分類することができるものである。1組の住宅情報区分(たとえば住宅情報区分k)は、それによって特定の配電区間(たとえば配電区間A)内の全住宅が分類される際に、各住宅が該当する区分がちょうど1つ存在するように構成される。
機器台数推定部210は、保有率モデル記憶部110に機種n別かつ住宅情報区分k毎に記憶された保有率モデルと、一の配電区間(たとえば図2の配電区間A)に関する住宅情報区分k毎の住宅数関連情報と、に基づいて、一の配電区間に関して住宅情報区分k毎に機種別台数を推定するものである。具体的には、機器台数推定部210(図1)は、配電区間内の住宅情報区分k毎の住宅数関連情報記憶部170に記憶される住宅数関連情報と、機種n別に住宅情報区分k毎に保有率モデル記憶部110に記憶された保有率モデルとに基づいて、同一配電区間機器について、機種n別かつ住宅情報区分k別の機器台数Nn, kを計算する。
× 住宅情報区分kでの機種nの保有率
稼働確率モデル記憶部120(図1)は配電区間別に住宅情報区分k(第1の住宅情報区分と共通の第2の住宅情報区分)毎に負荷機器の機種別かつ時刻別の稼働確率モデルを記憶するものである。稼働確率モデルは、負荷機器の稼働確率(稼動割合)を示すモデルである。
ただしfn, k(t,T)>100%のときはfn, k(t,T)=100%とみなす。以下においても同様である。
ただしfn, k(t,T)<0%のときはfn, k(t,T)=0%とみなす。以下においても同様である。
fn, k(t,T) = fn, k(t) + C2n(t,T)
消費電力モデル記憶部130(図1)は稼働中の負荷機器の1台当たりの消費電力モデルを機種別に記憶するものである。
稼働台数予測部220(図1)は、機器台数推定部210によって住宅情報区分(第1の情報区分)毎に推定された機種別台数と、稼働確率モデル記憶部120に住宅情報区分(第1の情報区分と共通の第2の住宅情報区分)毎に記憶された稼働確率モデルと、を用いて、機種別かつ時刻別の稼働台数期待値を予測する。具体的には、稼働台数予測部220は機種別台数と稼働確率モデルとの共通の住宅情報区分毎の積を積算する。この処理について、以下に説明する。
消費電力推定部230(図1)は、稼働台数予測部220によって予測された機種別かつ時刻別の稼働台数期待値gn(t)と、消費電力モデル記憶部130に機種n別に記憶された1台当たりの消費電力モデルとに基づいて、同一配電区間機器の機種n別かつ時刻t別の消費電力期待値hn(t)を推定するものである。具体的には、次式の計算が行われる。
図11は、消費電力推定部230により上式で計算された機種nの消費電力の期待値hn(t)の例を示す。この例では、n=電気式給湯器の期待値hn(t)が示されている。すなわち、同一配電区間の配電系統から電力供給を受ける全ての電気式給湯器が時刻tにて消費する消費電力の期待値hn(t)が示されている。
負荷合計部240(図1)は、消費電力推定部230によって推定された機種別かつ時刻別の消費電力の期待値を、機種について時刻別に合計することによって、時刻別の電力負荷を計算するものである。すなわち負荷合計部240は、消費電力の期待値hn(t)を時刻t別に合計する(ここでは機種nのすべてについて合計する)ことにより、任意の同一配電区間から電力供給を受ける全ての負荷機器(全ての同一配電区間機器)の時刻t別の消費電力総和E(t)を計算する。たとえば、負荷合計部240は、次式により、同一配電区間機器全体の時刻tの消費電力総和E(t)を計算する。
以上、機能ブロック(図1)の各々について説明しつつ、負荷機器に電力供給を行う配電系統の電力負荷を予測する負荷予測方法の詳細についても合わせて説明した。図14を参照して、まとめると、配電系統の負荷予測方法は、複数の配電区間を有し負荷機器に電力供給を行う配電系統の電力負荷を予測するものであって、次のステップを有する。
本実施の形態によれば、任意の配電区間内の住宅数関連情報と、保有率モデル記憶部110のモデルとに基づいて、同一配電区間機器の時刻別および住宅情報区分別の機器台数Nn, kが求められる。このNn, kと、稼働確率モデル記憶部120のモデル(たとえばfn, k(t))とに基づいて、同一配電区間機器の機種別および時刻別の消費電力の期待値hn(t)が求められる。この構成により、任意の配電区間について、負荷機器に起因する電力負荷を機種別および時刻別に、住宅情報区分の差異を考慮しつつ予測することができる。よって配電系統の電力負荷を精度よく予測することができる。
(全体構成について)
図15は、本実施の形態における負荷予測装置902の構成を概略的に示す。実施の形態1の負荷予測装置901と同一または類似する構成については同じ符号を付し、異なる構成を中心に説明する。負荷予測装置902は情報記憶部102および制御部202を有する。情報記憶部102は住宅数関連情報記憶部170Vおよび稼働確率モデル記憶部120Vを有する。制御部202は稼働台数予測部220Vを有する。
保有率モデル記憶部110は、実施の形態1と同様に、配電区間別に住宅情報区分毎に負荷機器の機種別の保有率モデルを記憶するものである。この住宅情報区分を、本実施の形態においては、第1の情報区分k1と称する。
稼働確率モデル記憶部120は、配電区間別に第2の住宅情報区分k2毎に負荷機器の機種別かつ時刻別の稼働確率モデルを記憶する。第2の住宅情報区分k2は、保有率モデル記憶部110が用いる第1の情報区分k1とは異なるものである。
住宅数関連情報記憶部170Vは第1および第2の住宅情報区分毎の記憶部171,172を有する。第1および第2の住宅情報区分毎の記憶部171,172のそれぞれは、予測の対象となる配電区間内の、住宅情報区分k1毎およびk2毎の住宅数関連情報を記憶するためのものである。なお実施の形態1と同様に、この情報は、負荷予測装置902が使用される際に情報記憶部102に格納されてもよく、あるいは情報記憶部102にあらかじめ記憶されていてもよい。
機器台数推定部210は、実施の形態1と同様のものであり、本実施の形態においては、保有率モデル記憶部110に第1の住宅情報区分k1毎に記憶された保有率モデルと、一の配電区間に関する第1の住宅情報区分k1毎の住宅数関連情報と、に基づいて、一の配電区間に関して第1の住宅情報区分k1毎に機種別台数を推定する。なお第1の住宅情報区分k1毎の住宅数関連情報としては、第1の住宅情報区分毎の記憶部171に記憶されたものが用いられ得る。
稼働台数予測部220Vは、機器台数推定部210によって第1の住宅情報区分k1毎に推定された機種別台数と、稼働確率モデル記憶部120に第2の住宅情報区分k2毎に記憶された稼働確率モデルと、一の配電区間に関する第2の住宅情報区分k2毎の住宅数関連情報とを用いて、機種別かつ時刻別の稼働台数期待値を予測するものである。なお第2の住宅情報区分k2毎の住宅数関連情報としては、第2の住宅情報区分毎の記憶部172に記憶されたものが用いられ得る。
= X台×30%×シニア世帯の食器洗い機の稼働率
非オール電化住宅かつシニア世帯の食器洗い機の稼働機器数
= Y台×30%×シニア世帯の食器洗い機の稼働率
オール電化住宅かつ非シニア世帯の食器洗い機の稼働機器数
= X台×70%×非シニア世帯の食器洗い機の稼働率
非オール電化住宅かつ非シニア世帯の食器洗い機の稼働機器数
= Y台×70%×非シニア世帯の食器洗い機の稼働率
そして稼働台数予測部220Vは、上記4つの組み合わせの全てを合計することで、食器洗い機の稼働台数を予測する。すなわち、住宅情報区分k1およびk2の全組み合わせについて、稼働機器数の積算を行う。
以上、機能ブロック(図15)の各々について、実施の形態1のもの(図1)と異なる点について特に説明した。図16を参照して、まとめると、配電系統の負荷予測方法は、複数の配電区間を有し負荷機器に電力供給を行う配電系統の電力負荷を予測するものであって、次のステップを有する。
(全体構成)
図17は、本実施の形態における負荷予測装置903の構成を概略的に示す。実施の形態1の負荷予測装置901と同一または類似する構成については同じ符号を付し、異なる構成を中心に説明する。負荷予測装置903は情報記憶部103および制御部203を有する。情報記憶部103は住宅情報推定モデル記憶部150および配電区間情報記憶部180を有する。制御部203は住宅情報推定部250を有する。
配電区間情報記憶部180は配電区間情報を記憶するものである。配電区間情報は、負荷予測装置903が使用される際に情報記憶部103に格納されてもよく、あるいは情報記憶部103にあらかじめ記憶されていてもよい。配電区間情報とは、たとえば、配電区間内の住宅数や電気契約情報などの電力会社が知り得る情報や、配電区間の存在する地域(市町村など)の人口比率などの統計情報などである。
住宅情報推定モデル記憶部150は、配電区間情報記憶部180に記憶された配電区間情報から、住宅数関連情報記憶部170に記憶されることになる住宅数関連情報を導くモデルを記憶するものである。導かれる住宅数関連情報は、電力会社が直接は知りえない情報であってもよく、たとえば、生活パターン、家族構成、家族人数、住宅の床面積、詳細な築年数、屋根の向き、主要採光面の向きなどを利用した区分毎のものである。たとえば、オール電化住宅率と、配電区間地域の存在する人口比率統計情報とから、オール電化住宅かつシニア世帯=5%、オール電化住宅かつシニア世帯以外=20%、非オール電化住宅かつシニア世帯=20%、非オール電化住宅かつ非シニア世帯=55%、といった住宅数関連情報が推定される。
住宅情報推定部は、配電区間情報記憶部180に記憶された配電区間情報と、住宅情報推定モデル記憶部150に記憶された導出モデルとに基づいて、住宅情報区分毎の住宅数関連情報を生成するものである。
上述した本実施の形態は、住宅情報推定モデル記憶部150、配電区間情報記憶部180および住宅情報推定部250の構成が、実施の形態1の負荷予測装置901に適用されたものに相当する。上記構成は、負荷予測装置901の代わりに、実施の形態2の負荷予測装置902(図15)に適用されてもよい。この場合、住宅情報推定モデル記憶部150は、第1および第2の住宅情報区分k1,k2毎の住宅数関連情報を配電区間情報から導く導出モデルを記憶する。また住宅情報推定部250は、配電区間情報記憶部180に記憶された配電区間情報と、住宅情報推定モデル記憶部150に記憶された導出モデルとに基づいて、第1および第2の住宅情報区分k1,k2毎の住宅数関連情報を生成する。
実施の形態2で説明した、第1および第2の住宅情報区分k1,k2から住宅情報区分k12を作成する方法のように、単にオール電化住宅率と配電区間地域の存在する人口比率統計情報とを組み合わせて均等案分しただけでは、非オール電化住宅ではオール電化住宅に比べてシニア世帯の割合が低いといった偏りが推定できない。本実施の形態のように住宅情報推定モデル記憶部150を設けることにより、このような偏りや、電力会社が知り得ないような住宅数関連情報を推定可能となる。たとえば、平日昼間の在宅住宅および平日昼間不在住宅の割合などが推定可能となる。
(全体構成)
図18は、本実施の形態における負荷予測装置904の構成を概略的に示す。実施の形態1の負荷予測装置901と同一または類似する構成については同じ符号を付し、異なる構成を中心に説明する。負荷予測装置904は情報記憶部104および制御部204を有する。情報記憶部104は計測データベース160を有する。制御部203はモデル生成部260を有する。好ましくはモデル生成部260は相関計算部261を含む。
計測データベース160は、計測対象住宅の各々において計測された機種別かつ時刻別の消費電力データと、計測対象住宅の各々が有する住宅情報区分を示す住宅情報区分データと、を記憶するものである。計測対象住宅は、データを取得するためにサンプルとされた住宅である。計測データベース160が記憶する住宅情報区分データは、たとえば、図2に記載の配電区間(A〜C)、地域、戸建/集合、電力契約、築年数などである。
モデル生成部260は、計測データベース160に基づいて、保有率モデル記憶部110に記憶される保有率モデルと稼働確率モデル記憶部120に記憶される稼働確率モデルとを生成するものである。モデル生成部260は、図18に示すように、計測データベース160に基づいてさらに、消費電力モデル記憶部130に記憶される消費電力モデルを生成してもよい。具体的には、以下のような処理が行われる。
=100×(抽出された計測データのうち稼働電力閾値PTh以上の計測データの数)
/(抽出された計測データの全数)
=100×(抽出された計測データのうち稼働状態の計測データの数)
/(抽出された計測データの全数)
相関計算部261は、計測データベース160に記憶された住宅情報区分データが有する各住宅情報区分と消費電力データとの関連度を計算するものである。相関計算部261が設けられ得る場合、モデル生成部260は、相関計算部261の計算結果に基づいて、上記モデルが用いるべき住宅情報区分を判定する。そして関連度の高い住宅情報区分を用いて、上述した各モデルを生成する。
本実施の形態によれば、計測データベース160およびモデル生成部260を用いることで、保有率モデル、稼働確率モデルおよび消費電力モデルを自動的に生成することができる。また計測データベース160を更新することで、最新のデータを反映した各モデルを自動生成することが可能となる。
計測データベース160に記憶された消費電力データおよび住宅情報区分データに基づいてモデル生成部260はさらに、住宅数関連情報記憶部170に記憶される住宅数関連情報を生成してもよい。モデル生成部260によって、たとえば、以下のような処理が行われる。
×100
/条件Xを満たす計測対象住宅の数}×100
図19を参照して、本変形例においては、負荷予測装置単体に代わって負荷予測装置を有するシステムが用いられる。具体的には、負荷予測システム904Sは、負荷予測装置904Dと、それにネットワーク999を介して接続されたデータベースサーバ990とを有する。負荷予測装置904Dは、ネットワーク999に接続されるための通信部290を有する。負荷予測装置904Dは、負荷予測装置904(図18)と異なり、計測データベース160を有しない。代わりにデータベースサーバ990が計測データベース160を有する。本変形例によれば、負荷予測を行う際に、計測データベース160を負荷予測装置自体が有する必要がない。
Claims (8)
- 複数の配電区間を有し負荷機器に電力供給を行う配電系統の電力負荷を予測する、配電系統の負荷予測装置であって、
配電区間別に第1の住宅情報区分毎に前記負荷機器の機種別の保有率モデルを記憶する保有率モデル記憶部と、
配電区間別に第2の住宅情報区分毎に前記負荷機器の機種別かつ時刻別の稼働確率モデルを記憶する稼働確率モデル記憶部と、
稼働中の前記負荷機器の1台当たりの消費電力モデルを機種別に記憶する消費電力モデル記憶部と、
前記保有率モデル記憶部に前記第1の住宅情報区分毎に記憶された前記保有率モデルと、一の配電区間に関する前記第1の住宅情報区分毎の住宅数関連情報と、に基づいて、前記一の配電区間に関して前記第1の住宅情報区分毎に機種別台数を推定する機器台数推定部と、
前記機器台数推定部によって前記第1の住宅情報区分毎に推定された前記機種別台数と、前記稼働確率モデル記憶部に前記第2の住宅情報区分毎に記憶された前記稼働確率モデルと、を用いて、機種別かつ時刻別の稼働台数期待値を予測する稼働台数予測部と、
前記稼働台数予測部によって予測された機種別かつ時刻別の前記稼働台数期待値と、前記消費電力モデル記憶部に機種別に記憶された1台当たりの前記消費電力モデルと、に基づいて、機種別かつ時刻別の消費電力期待値を推定する消費電力推定部と、
前記消費電力推定部によって推定された機種別かつ時刻別の前記消費電力期待値を時刻別に合計することによって、時刻別の電力負荷を計算する負荷合計部と
を備える、配電系統の負荷予測装置。 - 前記第1および第2の住宅情報区分は共通の住宅情報区分であり、
前記稼働台数予測部は前記機種別台数と前記稼働確率モデルとの前記共通の住宅情報区分毎の積を積算する、
請求項1に記載の配電系統の負荷予測装置。 - 前記第1および第2の住宅情報区分は互いに異なる住宅情報区分であり、
前記稼働台数予測部は前記一の配電区間に関する前記第2の住宅情報区分毎の住宅数関連情報を用いる、
請求項1に記載の配電系統の負荷予測装置。 - 前記第1および第2の住宅情報区分毎の住宅数関連情報を配電区間情報から導く導出モデルを記憶する住宅情報推定モデル記憶部と、
前記配電区間情報と、前記住宅情報推定モデル記憶部に記憶された前記導出モデルとに基づいて、前記第1および第2の住宅情報区分毎の住宅数関連情報を生成する住宅情報推定部と
をさらに備える、請求項1から3のいずれか1項に記載の配電系統の負荷予測装置。 - 計測対象住宅の各々において計測された機種別かつ時刻別の消費電力データと、前記計測対象住宅の各々が有する住宅情報区分を示す住宅情報区分データと、を記憶する計測データベースに基づいて、前記保有率モデル記憶部に記憶される保有率モデルと前記稼働確率モデル記憶部に記憶される稼働確率モデルとを生成するモデル生成部
をさらに備える、請求項1から4のいずれか1項に記載の配電系統の負荷予測装置。 - 前記モデル生成部は、前記計測データベースに記憶された前記住宅情報区分データが有する各住宅情報区分と前記消費電力データとの関連度を計算する相関計算部を含む、
請求項5に記載の配電系統の負荷予測装置。 - 前記モデル生成部は、前記計測データベースに記憶された前記消費電力データおよび前記住宅情報区分データに基づいて、前記第1および第2の住宅情報区分毎の住宅数関連情報を生成する、
請求項5または6に記載の配電系統の負荷予測装置。 - 複数の配電区間を有し負荷機器に電力供給を行う配電系統の電力負荷を予測する、配電系統の負荷予測方法であって、
保有率モデル記憶部に配電区間別に第1の住宅情報区分毎に記憶された前記負荷機器の機種別の保有率モデルと、一の配電区間に関する前記第1の住宅情報区分毎の住宅数関連情報と、に基づいて、機器台数推定部が前記一の配電区間に関して前記第1の住宅情報区分毎に機種別台数を推定するステップと、
前記機器台数推定部によって前記第1の住宅情報区分毎に推定された前記機種別台数と、稼働確率モデル記憶部に配電区間別に前記第2の住宅情報区分毎に記憶された稼働確率モデルと、に基づいて、稼働台数予測部が機種別かつ時刻別の稼働台数期待値を予測するステップと、
前記稼働台数予測部によって予測された機種別かつ時刻別の稼働台数期待値と、消費電力モデル記憶部に機種別に記憶された、稼働中の前記負荷機器の1台当たりの消費電力モデルと、に基づいて、消費電力推定部が機種別かつ時刻別の消費電力期待値を推定するステップと、
前記消費電力推定部によって推定された機種別かつ時刻別の前記消費電力期待値を時刻別に合計することによって、負荷合計部が時刻別の電力負荷を計算するステップと
を備える、配電系統の負荷予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013263988A JP5980195B2 (ja) | 2013-12-20 | 2013-12-20 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013263988A JP5980195B2 (ja) | 2013-12-20 | 2013-12-20 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015122826A true JP2015122826A (ja) | 2015-07-02 |
JP5980195B2 JP5980195B2 (ja) | 2016-08-31 |
Family
ID=53533999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013263988A Active JP5980195B2 (ja) | 2013-12-20 | 2013-12-20 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5980195B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
CN107274067A (zh) * | 2017-05-22 | 2017-10-20 | 国网江西省电力公司电力科学研究院 | 一种配电变压器过载风险评估方法 |
JP2018196231A (ja) * | 2017-05-17 | 2018-12-06 | 三菱電機株式会社 | 電力制御装置 |
WO2020003686A1 (ja) * | 2018-06-28 | 2020-01-02 | 三菱電機株式会社 | 省エネ計画作成支援装置、プログラム、装置及び方法 |
CN110991638A (zh) * | 2019-11-29 | 2020-04-10 | 国网山东省电力公司聊城供电公司 | 基于聚类及神经网络的广义负荷建模方法 |
CN114118595A (zh) * | 2021-11-30 | 2022-03-01 | 深圳市国电科技通信有限公司 | 用电负荷预测的方法、系统、存储介质及电子设备 |
CN116090679A (zh) * | 2023-04-12 | 2023-05-09 | 国网山东省电力公司利津县供电公司 | 一种配电网负荷预测方法 |
CN116805275A (zh) * | 2023-08-21 | 2023-09-26 | 中国标准化研究院 | 一种基于数据分析的公共机构能耗智能监管系统 |
CN117410989A (zh) * | 2023-12-14 | 2024-01-16 | 江西师范大学 | 一种基于多周期角度的居民用电量预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0764609A (ja) * | 1993-08-31 | 1995-03-10 | Tokyo Gas Co Ltd | 需要予測データ作成方法およびシステム |
JP2002236724A (ja) * | 2001-02-08 | 2002-08-23 | Yamatake Corp | エネルギー取引システム |
JP2005045899A (ja) * | 2003-07-28 | 2005-02-17 | Hitachi Ltd | 電力取引システムおよび電力取引方法 |
JP2012065468A (ja) * | 2010-09-16 | 2012-03-29 | Toshiba Corp | 消費エネルギー算出装置 |
JP2013005721A (ja) * | 2011-06-21 | 2013-01-07 | General Electric Co <Ge> | 電力消費量予測システムおよび方法 |
JP2013013309A (ja) * | 2011-06-24 | 2013-01-17 | General Electric Co <Ge> | エネルギー使用データのデータベースを含む方法およびシステム |
-
2013
- 2013-12-20 JP JP2013263988A patent/JP5980195B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0764609A (ja) * | 1993-08-31 | 1995-03-10 | Tokyo Gas Co Ltd | 需要予測データ作成方法およびシステム |
JP2002236724A (ja) * | 2001-02-08 | 2002-08-23 | Yamatake Corp | エネルギー取引システム |
JP2005045899A (ja) * | 2003-07-28 | 2005-02-17 | Hitachi Ltd | 電力取引システムおよび電力取引方法 |
JP2012065468A (ja) * | 2010-09-16 | 2012-03-29 | Toshiba Corp | 消費エネルギー算出装置 |
JP2013005721A (ja) * | 2011-06-21 | 2013-01-07 | General Electric Co <Ge> | 電力消費量予測システムおよび方法 |
JP2013013309A (ja) * | 2011-06-24 | 2013-01-17 | General Electric Co <Ge> | エネルギー使用データのデータベースを含む方法およびシステム |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069525B (zh) * | 2015-07-30 | 2019-06-04 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
JP2018196231A (ja) * | 2017-05-17 | 2018-12-06 | 三菱電機株式会社 | 電力制御装置 |
CN107274067A (zh) * | 2017-05-22 | 2017-10-20 | 国网江西省电力公司电力科学研究院 | 一种配电变压器过载风险评估方法 |
JP7224119B2 (ja) | 2018-06-28 | 2023-02-17 | 三菱電機ビルソリューションズ株式会社 | 省エネ計画作成支援装置及びプログラム |
WO2020003686A1 (ja) * | 2018-06-28 | 2020-01-02 | 三菱電機株式会社 | 省エネ計画作成支援装置、プログラム、装置及び方法 |
JP2020004084A (ja) * | 2018-06-28 | 2020-01-09 | 三菱電機ビルテクノサービス株式会社 | 省エネ計画作成支援装置及びプログラム |
CN110991638A (zh) * | 2019-11-29 | 2020-04-10 | 国网山东省电力公司聊城供电公司 | 基于聚类及神经网络的广义负荷建模方法 |
CN110991638B (zh) * | 2019-11-29 | 2024-01-05 | 国网山东省电力公司聊城供电公司 | 基于聚类及神经网络的广义负荷建模方法 |
CN114118595A (zh) * | 2021-11-30 | 2022-03-01 | 深圳市国电科技通信有限公司 | 用电负荷预测的方法、系统、存储介质及电子设备 |
CN116090679A (zh) * | 2023-04-12 | 2023-05-09 | 国网山东省电力公司利津县供电公司 | 一种配电网负荷预测方法 |
CN116805275A (zh) * | 2023-08-21 | 2023-09-26 | 中国标准化研究院 | 一种基于数据分析的公共机构能耗智能监管系统 |
CN116805275B (zh) * | 2023-08-21 | 2023-11-21 | 中国标准化研究院 | 一种基于数据分析的公共机构能耗智能监管系统 |
CN117410989A (zh) * | 2023-12-14 | 2024-01-16 | 江西师范大学 | 一种基于多周期角度的居民用电量预测方法 |
CN117410989B (zh) * | 2023-12-14 | 2024-02-23 | 江西师范大学 | 一种基于多周期角度的居民用电量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5980195B2 (ja) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5980195B2 (ja) | 配電系統の負荷予測装置および配電系統の負荷予測方法 | |
JP7034209B2 (ja) | 空調機を管理する方法及び装置 | |
JP6784745B2 (ja) | リアルタイムデータ駆動型の電力測定およびコスト推定システム | |
JP6193400B2 (ja) | 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法 | |
Bucking et al. | A methodology for identifying the influence of design variations on building energy performance | |
Osman et al. | A comprehensive review of time use surveys in modelling occupant presence and behavior: Data, methods, and applications | |
Llanos et al. | Load estimation for microgrid planning based on a self-organizing map methodology | |
Sandels et al. | Modeling office building consumer load with a combined physical and behavioral approach: Simulation and validation | |
JP6076242B2 (ja) | 配電系統の負荷予測装置および配電系統の負荷予測方法 | |
KR101660487B1 (ko) | 소비 특성에 따른 전력 소비량 예측 방법 및 장치 | |
WO2014039169A1 (en) | Thermostat classification method and system | |
Touretzky et al. | Building-level power demand forecasting framework using building specific inputs: Development and applications | |
Yang et al. | Season-based occupancy prediction in residential buildings using machine learning models | |
Chen et al. | Stochastic simulation of occupant-driven energy use in a bottom-up residential building stock model | |
JP7069058B2 (ja) | 負荷推定装置及び負荷推定方法 | |
Sancho-Tomás et al. | A generalised model of electrical energy demand from small household appliances | |
JP6498976B2 (ja) | 推定装置、推定方法およびコンピュータプログラム | |
JP2013196631A (ja) | 行動モデル生成装置およびその方法 | |
JP5921393B2 (ja) | 負荷予測装置及び負荷予測方法 | |
Nolan et al. | Capacity value estimation of a load-shifting resource using a coupled building and power system model | |
Luo et al. | Quantifying the effect of multiple load flexibility strategies on commercial building electricity demand and services via surrogate modeling | |
JP6861578B2 (ja) | 負荷推定装置及び負荷推定方法 | |
Bhavsar et al. | Machine learning surrogate of physics-based building-stock simulator for end-use load forecasting | |
JPWO2016031065A1 (ja) | 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム | |
Amin et al. | Community stochastic domestic electricity forecasting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151021 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160623 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160628 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5980195 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |