JP2015198486A - 電力需要予測装置および電力需要予測方法 - Google Patents

Abstract

【課題】従来のように複雑な数学モデルでシステムを構築する必要がなく、高度な数学的知識がなくとも簡易に扱え、かつ安いコストでシステムを構築でき、中小規模の建物への適用や、数多くの建物に容易に導入できる電力需要予測装置及びその方法を提供する。【解決手段】本発明の電力需要予測装置は、１日を分割した単位時間毎の実績値の電力需要と、複数の単位時間からなる周期毎の天気とが１日毎に履歴として記憶されている履歴データベースと、電力需要を予測する日の周期である対象周期毎に天気予報として供給される予報天気に類似する、対象周期と同一の時間帯の周期の天気を履歴データベースから抽出する類似性判定部と、類似した天気の周期に含まれる単位時間毎の電力需要を、類似性判定部が抽出した日の全てから読み出すデータ抽出部と、抽出された周期の電力需要を用いて、対象周期の単位時間毎の電力需要の予測値を予測するデータ算出部とを備える。【選択図】図１

Description

本発明は、所定の時間単位において必要となる電力需要を予測する電力需要予測装置および電力需要予測方法に関する。

建築物や地域内において効率的にエネルギーを活用するため、建築物における電力需要や熱の需要を、所定の時間単位で精度良く予測する技術が求められている。
すなわち、効率的にエネルギーを活用する際、必要となる電力を確保したり、夜間電力による蓄電量の調整などを行うため、翌日の所定時間単位の電力需要を予測することは重要となる。

従来においては、ニューラルネットワーク（例えば、特許文献１参照）やカルマンフィルタ（例えば、特許文献２参照）といった学習型の数学モデルによる予測方法が、建築物や地域内における電力需要の予測に用いられている。

特開２００６−７８００９号公報 特開２００２−２７９３３２号公報

しかしながら、上述した学習型の数学モデルを用いる場合、電力需要の予測精度は良いが、電力需要の数学モデルを構築するためには高度な数学的知識が必要である。このため、構築した数学モデルを扱える人間が限られ、数学モデルに対して詳細な条件などの設定が必要となり操作に手間がかかる。
また、この複雑な数学モデルをソフトウェアにより実現するため、ソフトウェアの構築にかかるコストも大きくなる。このため、個別の電力需要を予測する数学モデルを生成する必要があり、中小規模の建物への適用や、数多くの建物に導入したいというニーズに応えることは難しい。

本発明は、このような状況に鑑みてなされたもので、従来のように複雑な数学モデルを用いてソフトウェアを構築する必要がなく、高度な数学的知識がなくとも簡易に扱うことができ、かつ安いコストでシステムを構築することができ、中小規模の建物への適用や、数多くの建物に容易に導入することができる電力需要予測装置及びその方法を提供する。

上述した課題を解決するために、本発明の電力需要予測装置は、１日を分割した単位時間毎の実績値としての電力需要と、複数の当該単位時間からなる周期毎の天気とが１日毎に履歴として記憶されている履歴データベースと、電力需要を予測する日の前記周期である対象周期毎に天気予報として供給される予報天気に類似する、当該対象周期と同一の時間帯の前記周期の天気を前記履歴データベースから抽出する類似性判定部と、類似した前記天気の前記周期に含まれる前記単位時間毎の電力需要を、前記類似性判定部が抽出した日毎に読み出すデータ抽出部と、抽出された前記周期の前記電力需要を用いて、前記対象周期における単位時間毎の電力需要の予測値を予測するデータ算出部とを備えることを特徴とする。

本発明の電力需要予測装置は、前記データ算出部が、同一の時刻の単位時間毎に、抽出された前記周期の前記電力需要を平均し、平均した結果を前記対象周期の前記単位時間における電力需要の予測値として出力することを特徴とする。

本発明の電力需要予測装置は、前記類似性判定部が、
前記周期が開始される第１開始時間の第１予報天気と、前記次の周期が開始される第２開始時間の第２予報天気との組と、前記履歴データベースに記憶されている前記第１開始時間の第１天気と前記第２開始時間の第２天気との組とを、同一の時間帯の周期毎に順次比較し、前記第１予報天気及び前記第２予報天気と第１天気及び第２天気との双方が一致する前記周期が存在する日を抽出し、前記データ抽出部が、双方が一致する前記周期があるそれぞれの日全てにおいて、当該周期における単位時間毎の電力需要の平均を求め、前記対象周期の前記単位時間毎の前記予測値として算出することを特徴とする。

本発明の電力需要予測装置は、前記類似性判定部が、前記前記第１予報天気及び前記第２予報天気と第１天気及び第２天気との双方が一致する前記周期が存在する日が抽出されない場合、前記第１予報天気と前記第１天気とが一致する前記周期が存在する日を抽出し、前記データ抽出部が、前記第１予報天気と前記第１天気とが一致する日毎に、当該周期における単位時間毎の電力需要の平均を求め、前記対象周期の前記単位時間毎の前記予測値として算出することを特徴とする。

本発明の電力需要予測方法は、１日を分割した単位時間毎の実績値としての電力需要と、複数の当該単位時間からなる周期毎の天気とが１日毎に履歴として記憶されている履歴データベースから、電力需要を予測する日の前記周期である対象周期毎に天気予報として供給される予報天気に類似する、当該対象周期と同一の時間帯の前記周期の天気を抽出する類似性判定過程と、類似した前記天気の前記周期に含まれる前記単位時間毎の電力需要を、前記類似性判定部が抽出した日の全てから読み出すデータ抽出過程と、抽出された前記周期の前記電力需要を用いて、前記対象周期における単位時間毎の電力需要の予測値を予測するデータ算出過程とを有することを特徴とする。

以上説明したように、本発明によれば、電力需要を予測したい日の各周期の予報天気と類似する天気を有する周期を履歴データベースから検索し、この検索された周期の単位時間毎の電力需要を用いて予想電力需要を求めるため、従来のように難しい数学モデルを構築する必要がなく、専門知識がなくとも容易に電力需要の予想を行うことができる。

また、本発明によれば、単純な平均値の計算から予測電力需要を求める簡易な構成であるため、従来の複雑な数学モデル（ニューラルネットワーク、カルマンフィルタなど）に比較して、システムを構築するコストを低減することができる。
また、本発明によれば、単純な平均値の計算から予測電力需要を求める簡易な構成であるため、システムにおける計算負荷が少なく、計算時間を短縮することができ、サーバの計算資源の省力化を実現できる。

本発明の一実施形態による電力需要予測装置の構成例を示すブロック図である。 本実施形態の電力需要予測装置１００による予測電力需要を求める処理の動作例を示すフローチャートである。 図１における履歴データベース５に記憶されている天気履歴テーブルの構成例を示す図である。 本実施形態の電力需要予測装置１００による予測電力需要を求める処理の動作例を示すフローチャートである。 Ｘ日の９時から始まる対象周期の第１予報天気と同一の第１天気を有する、天気履歴テーブルに記載された９時から始まる周期を有する第１類似日を説明する図である。 Ｘ日の９時から始まる対象周期の第１予報天気及び第２予報天気と、第２天気及び第２天気とが同一である、天気履歴テーブルに記載された９時から始まる周期を有する第２類似日を説明する図である。 複数日におけるサンプルＡ及びサンプルＢの所定の領域における電力需要の実績値と、本実施形態の電力需要予測装置により予測した電力需要の予測値である予想電力需要との対応を示す図である。 複数日におけるサンプルＣ及びサンプルＤの所定の建物群における電力需要の実績値と、本実施形態の電力需要予測装置により予測した電力需要の予測値である予想電力需要との対応を示す図である。 複数日におけるサンプルＥの所定の建物における電力需要の実績値と、本実施形態の電力需要予測装置により予測した電力需要の予測値である予想電力需要との対応を示す図である。 図７、図８及び図９の散布図における予測値の予測精度の評価を示すテーブルの図である。

以下、本発明の一実施形態について、図面を参照して説明する。
図１は、本発明の一実施形態による電力需要予測装置の構成例を示すブロック図である。図１において、本実施形態の電力需要予測装置１００は、天気予報取得部１、類似性判定部２、データ抽出部３、データ算出部４及び履歴データベース５を備えている。
天気予報取得部１は、インターネットを含む情報通信網から、予測したい日（例えば、明日など）の周期毎の天気予報を取得する。

図２は、本発明の一実施形態における周期を説明する図である。この周期とは、図２に示すように、１日を分割した複数の単位時間から構成されている周期的に繰り返される時間間隔を示している。本実施形態においては、この単位時間を３０分とし、１周期が６個の単位時間、すなわち３時間の時間間隔となっている。この周期は、天気予報の出される時間間隔と同一の時間間隔に合わせる。例えば、天気予報の天気（以下、予報天気と示す）取得に用いるインターネットの任意のホームページで供給される天気予報が３時間の時間間隔毎であれば、周期の時間間隔を３時間とする。図２においては、…、９時（９：００）から１２時（１２：００）まで、１２時から１５時まで、…が繰り返される周期となっている。単位時間は、９時から９時３０分、９時３０分から１０時までの３０分単位の時間となっている。

周期が開始される時間である開始時間は、９時から１２時までの周期においては９時であり、１２時から１５時までの周期においては１２時である。周期毎の天気予報は、周期の開始時間に供給される。すなわち、９時から１２時までの周期においては、９時に天気予報が所定のホームページから提供される。
また、９時から１２時までの周期の次の周期は、１２時から１５時までの周期となる。以下の説明において、電力需要を抽出する対象である対象周期の予報天気を第１予報天気とし、この対象周期の次の周期の予報天気を第２予報天気とする。対象周期の開始される時間を第１開始時間とし、対象周期の次の周期が開始される時間を第２開始時間とする。また、対象周期における予測電力需要を求めるために用いる過去の日において、対象周期と同一の時刻の開始時間から開始される同一の時間帯の周期における天気を第１天気とし、次の周期の天気を第２天気とする。

図１に戻り、類似性判定部２は、予報天気が供給されると、時系列に対象となる周期を選択し、対象周期として、対象周期の第１予報天気とこの対象周期の次の周期の第２予報天気を予報天気から抽出する。また、類似性判定部２は、抽出した第１予報天気と第２予報天気とを抽出した対象周期と同一の時間帯の周期において、第１予報天気と第２予報天気とが同一の日を履歴データベース５から抽出する。

図３は、図１における履歴データベース５に記憶されている天気履歴テーブルの構成例を示す図である。天気履歴テーブルには、例えば、予測電力需要を予測する日がＸ日で有る場合、その前日のＸ−１日からＬ日前まで（Ｘ−１日からＬ日まではｎ日ある）の過去のｎ日各々の実際の天気が書き込まれて記憶されている。この図３における周期は、図２における周期と同様である。Ｘ−１日においては、９時から１２時までの周期の天気は晴（９時の欄に記載）であり、１２時から１５時までの天気は雨（１２時の欄に記載）である。また、単位時間毎に実際に消費された（実績値の）電力需要が単位時間に対応して書き込まれて記憶されている。周期の天気は、周期の開始時間の欄に記載されている。例えば、９時から１２時までの周期の天気は、９時の天気の欄に記載されている。

図１に戻り、類似性判定部２は、対象周期と同一の時刻の第１開始時間における周期（第１開始時間から開始される同一時間帯の周期）において、対象周期の第１開始時間の第１予報天気と同一の天気の第１天気を有する日を、履歴データベース５の天気履歴テーブルから検索し、第１類似日として抽出する。また、類似性判定部２は、抽出された第１類似日から、対象周期の次の周期と同一の時刻の第２開始時間における周期（第２開示時間から開始される同一時間帯の周期）において、対象周期の次の周期の第２開始時間の第２予報天気と同一の天気の第２天気を有する日を、履歴データベース５の天気履歴テーブルから検索し、第２類似日として抽出する。

すなわち、対象周期及びこの対象周期と同一の時刻から開始される周期とにおいて、第１予報天気及び第１天気と、第２予報天気及び第２天気との各々が同一である日の場合、第２類似日として抽出される。一方、対象周期及びこの対象周期と同一の時刻から開始される周期とにおいて、第１予報天気及び第１天気が同一である日の場合、第１類似日として抽出される。また、類似性判定部２は、第１類似日及び第２類似日の双方が抽出されなかった場合、対象周期の第１予報天気と類似した天気の日がないことを示す情報をデータ抽出部３に対して出力する。
類似性判定部２は、電力需要の予測を行う日における対象周期毎に上述した第１類似日及び第２類似日の抽出の処理を行う。

データ抽出部３は、類似性判定部２が抽出した類似日において、第２類似日が存在する場合、この第２類似日から対象周期と同一の時刻の第１開始時間から開始される周期の各単位時間の電力需要を読み出し、データ算出部４へ出力する。
また、データ抽出部３は、類似性判定部２が抽出した類似日において、第２類似日が存在せず、第１類似日が存在する場合、この第１類似日から対象周期と同一の時刻の第１開始時間から開始される周期の各単位時間の電力需要を読み出し、データ算出部４へ出力する。

また、データ抽出部３は、第１類似日及び第２類似日の双方が抽出されなかった場合、Ｘ−１日からＬ日までのｎ日分の全てから、この対象周期と同一の時刻から開始される周期における単位時間毎の電力需要をデータ算出部４へ出力する。データ抽出部３は、電力需要の予測を行う日における対象周期毎に上述したデータ抽出の処理を行う。また、データ抽出部３は、抽出したｎ日分の全ての対象周期毎の電力需要を、データ算出部４へ出力する。

データ算出部４は、データ抽出部３から供給される電力需要の平均値を、対象周期の単位時間毎に求める。例えば、データ算出部４は、ｍ（ｍ≦ｎ）日分の周期における単位時間毎の電力需要が供給された場合、単位時間毎に電力需要を加算し、日数のｍで除算することにより、平均値を求め、この単位時間毎の平均値を、対象周期のそれぞれの単位時間の予測電力需要として出力する。例えば、抽出されたｍ日における周期の単位時間の電力需要の各々を、Ａ１、Ａ２、Ａ３、…、Ａｍとした場合、対象周期の各単位時間の予測電力需要ＡＶは以下の式において求められる。

ＡＶ（０９：００）＝（Σ^ｍ _ｋ＝１（Ａｋ＿０９：００））／ｍ
ＡＶ（０９：３０）＝（Σ^ｍ _ｋ＝１（Ａｋ＿０９．３０））／ｍ
・
・
ＡＶ（１１：３０）＝（Σ^ｍ _ｋ＝１（Ａｋ＿１１．３０））／ｍ
上述した式において、例えば、ＡＶ（０９：００）は、９時から開始される周期における９時から９時３０分の単位時間における予測電力需要を示している。また、上記式において、Ａｋ＿０９：００は、９時から９時３０分における単位時間の電力需要を示している。データ算出部４は、電力需要の予測を行う日における対象周期毎に、上述した予測電力需要ＡＶを算出する処理を行う。上記式において、１≦ｋ≦ｍであり、抽出されたｍ日の各々の日に付与される番号であり、１日目からｍ日目の各々となる。

履歴データ書込部６は、予測電力需要を求める予測周期の時間が経過した後、その予測周期における実際の天気と、各時間単位における実績の電力需要とを、Ｘ日として履歴データベース５の天気履歴テーブルに書き込んで記憶させる。

次に、図４は、本実施形態の電力需要予測装置１００による予測電力需要を求める処理の動作例を示すフローチャートである。以下の説明は、予測電力需要を求める対象周期を、図３に示す９時から１２時の周期を例として行う。
ステップＳ１：
天気予報取得部１は、予測電力需要を求める対象のＸ日の天気予報における予報天気を、インターネット上の天気予報会社のホームページから読み込む。
そして、天気予報取得部１は、予測周期毎の天気を抽出し、予測周期毎の開始時間と天気とを対応付けて、対象天気データとして類似性判定部２に対して出力する。

ステップＳ２：
類似性判定部２は、時系列に並ぶ周期から順次、電力需要を予測する対象周期を抽出して、この対象周期の第１予報天気と、この対象周期と同一の時刻から開始される周期の第１天気と同一の天気を有する日を、履歴データベース５の天気履歴テーブルから検索する。

ステップＳ３：
類似性判定部２は、第１予報天気と第１天気とが一致している日が、履歴データベース５の天気履歴テーブルに存在するか否かの判定を行う。類似性判定部２は、第１予報天気及び第１天気が一致している日が、履歴データベース５の天気履歴テーブルに存在した場合、検出された日を第１類似日とし、処理をステップＳ４へ進める。一方、類似性判定部２は、、第１予報天気及び第１天気が一致している日が、履歴データベース５の天気履歴テーブルにおいて検出されない場合、検出されないことを示す信号をデータ抽出部３に対して送信し、処理をステップＳ５へ進める。

図５は、Ｘ日の９時から始まる対象周期の第１予報天気と同一の第１天気を有する、天気履歴テーブルに記載された９時から始まる周期を有する第１類似日を説明する図である。
図５において、Ｘ日の９時から始まる対象周期の第１予報天気（晴）と同一の第１天気（晴）である周期を有する日には判定として「○」のマークが添付される。一方、第１予報天気と同一の第１天気でない周期を有する日には判定として「×」のマークが添付される。したがって、９時の天気が晴の日である、Ｘ−Ｌ日、Ｘ−Ｌ＋１日、…、Ｘ−３日、Ｘ−１日の４日が第１類似日として抽出され、判定として「○」のマークが添付されている。一方、９時の天気が曇のＸ−２日は第１類似日とは判定されず「×」のマークが添付されている。

図４に戻って、動作の説明を行う。
ステップＳ４：
類似性判定部２は、対象周期の次の周期の第２予報天気と同一の第２天気を有する、対象周期と同一の時刻から始まる周期のある日を、履歴データベース５の天気履歴テーブルにおいて、すでに検出した第１類似日のなかから検索する。

ステップＳ５：
類似性判定部２は、第２予報天気と第２天気とが一致している日が、履歴データベース５の天気履歴テーブルにおいて、すでに検出した第１類似日のなかに存在するか否かの判定を行う。
そして、類似性判定部２は、対象周期の次の周期の第２予報天気と同一の第２天気を有する、対象周期と同一の時刻から始まる周期のある日が検出された場合、この検出された日を第２類似日とし、処理をステップＳ７へ進める。
一方、対象周期の次の周期の第２予報天気と同一の第２天気を有する、対象周期と同一の時刻から始まる周期のある日が検出されない場合、処理をステップＳ６へ進める。

図６は、Ｘ日の９時から始まる対象周期の第１予報天気及び第２予報天気と、第２天気及び第２天気とが同一である、履歴テーブルに記載された９時から始まる周期を有する第２類似日を説明する図である。
図６において、Ｘ日の９時から始まる対象周期の第１予報天気（晴）と同一の第１天気（晴）であり、かつＸ日の９時３０分から始まる対象周期の次の周期における第２予報天気（曇）と同一の第２天気（曇）である日に対し、判定として「○」のマークから「◎」のマークに変更される。すなわち、類似日の分類が、第１類似日から第２類似日に、類似性判定部２により変更される。一方、第２予報天気と同一の第２天気でない周期を有する日は判定として「○」のマークのままとなる。したがって、９時の天気が晴であり、９時３０分の天気が曇である、Ｘ−Ｌ＋１日、Ｘ−１日の２日が第２類似日として抽出され、Ｘ−Ｌ日とＸ−３日とが第１類似日のままとなる。

図４に戻って、動作の説明を行う。
ステップＳ６：
データ算出部４は、履歴データベース５の天気履歴テーブルから、第１類似日における対象周期と同一時刻から始まる周期の単位時間各々の電力需要を読み出す。
そして、データ算出部４は、すでに述べた式により、抽出された第１類似日における対象周期と同一時刻から始まる周期の単位時間を平均し、平均結果を予測電力需要とする。この際、データ算出部４は、第１類似日から求めた予測電力需要に対して、精度を示す精度情報を付加しても良い。

ステップＳ７：
データ算出部４は、履歴データベース５の天気履歴テーブルから、第２類似日における対象周期と同一時刻から始まる周期の単位時間各々の電力需要を読み出す。
そして、データ算出部４は、すでに述べた式により、抽出された第２類似日における対象周期と同一時刻から始まる周期の単位時間を平均し、平均結果を予測電力需要とする。この際、データ算出部４は、第２類似日から求めた予測電力需要に対して、精度を示す精度情報を付加しても良い。

ステップＳ８：
データ算出部４は、履歴データベース５の天気履歴テーブルから、天気履歴テーブルにある全ての日における対象周期と同一時刻から始まる周期の単位時間各々の電力需要を読み出す。
そして、データ算出部４は、すでに述べた式により、天気履歴テーブルにある全ての日における対象周期と同一時刻から始まる周期の単位時間を平均し、平均結果を予測電力需要とする。この際、データ算出部４は、天気履歴テーブルにある全ての日から求めた予測電力需要に対して、精度を示す精度情報を付加しても良い。
上述した精度情報は、第２類似日から求めた予測電力需要の精度が最も高く、天気履歴テーブルにある全ての日から求めた予測電力需要の精度が最も低く、第１類似日から求めた予測電力需要の精度がその間にあることを示す情報である。

ステップＳ９：
データ算出部４は、求めた予想電力需要を外部装置等に出力する。
また、上述した対象周期の単位時間における予測電力需要の算出は、需要を予測する対象のＸ日の全ての周期を対象周期として順次行う。
例えば、前日にＸ日の前日のＸ−１日に天気予報によって予報天気の情報が供給された場合、Ｘ−１日から予測を行うことが可能なＸ日の周期における予測電力需要の算出を行う。すなわち、Ｘ−１日の実際の天気が決定し、かつ電力需要の実績値が求められた周期から電力需要の予測を行うことが可能である。

また、上述した実施形態において、データ算出部４は平均値を求める際に単純平均を用いて予測電力需要を求める構成としているが、下記式のように重み付け平均を用いて予測電力需要を求める構成としても良い。下記式は、例えば、上述した実施形態において、第２類似日としたＸ−１日とＸ−Ｌ＋１日とから予測電力需要を求める重み付け平均の式である。
ＡＶ＝（α１・Ａ１＋α２・Ａ２）／（α１＋α２）
上記式において、Ａ１はＸ−１日の電力需要であり、Ａ２がＸ−Ｌ＋１日の電力需要である。それぞれの電力需要値に対して、重み付け係数を乗算している。重み付け係数α１及び係数α２の関係は、例えばα１＞α２であり、予測するＸ日に近い日の電力需要に対する程、予測における影響を大きくするために重み付け係数を大きくする。

また、上述した実施形態において、データ算出部４は平均値を求める際に単純平均を用いて予測電力需要を求める構成としているが、複数の第２類似日が検出された場合、その対象周期における単位時間の予測電力需要を、電力需要の予測を行うＸ日に最も近い日における周期の単位時間における電力需要を、予測周期の対応する単位時間の予測電力需要とする構成としても良い。

本実施形態によれば、電力需要を予測したい日の各周期の予報天気と類似する天気を有する周期を履歴データベース５の天気履歴テーブルから検索し、この検索された周期の単位時間毎の電力需要を用いて予想電力需要を求めるため、従来のように難しい数学モデルを構築する必要がなく、専門知識がなくとも容易に電力需要の予想を行うことができる。
また、本実施形態によれば、電力需要を予測したい日の各周期の予報天気と類似する天気を有する周期を検索し、その周期の実績値である電力需要を用いるため、この実績値が予測したい日と同様の電力を消費することが予想されることから、予測精度を容易に向上させることができる。
また、本実施形態によれば、予測電力需要の計算に用いる実績値の電力需要において、予測を行う日に近い日の電力需要に対して、より過去の日に比較して大きい重み付け係数を乗算して、重み付け平均により予測電力需要を求めることにより、より季節の気候状態に対応して、電力需要の予測の精度を向上させることが可能となる。

次に、本実施形態における電力需要予測装置を用いた電力需要の結果を示す。
図７は、複数日におけるサンプルＡ及びサンプルＢの所定の領域における電力需要の実績値と、本実施形態の電力需要予測装置により予測した電力需要の予測値である予想電力需要との対応を示す図である。図７において、縦軸がサンプル（所定の地区）の電力需要の実測値を示し、横軸が本実施形態により予測した電力需要の予測値を示している。図７（ａ）がサンプルＡ（所定の地区）の電力需要における実績値と予測値との対応を示し、図７（ｂ）がサンプルＢ（所定の他の地区）の電力需要における実績値と予測値との対応を示している。直線は実績値と予測値とが同一である場合の対応関係を示している。プロットされている点は、単位時間に予測された予測値と、この予測値した単位時間に実際に需要があった実績値との対応を示している。したがって、図７においては、プロットされている点が直線に近いほど、測定の精度が高いことを示している。

図８は、複数日におけるサンプルＣ及びサンプルＤの所定の建物群における電力需要の実績値と、本実施形態の電力需要予測装置により予測した電力需要の予測値である予想電力需要との対応を示す図である。図８において、縦軸がサンプル（所定の建物群）の電力需要の実測値を示し、横軸が本実施形態により予測した電力需要の予測値を示している。図８（ａ）がサンプルＣ（所定の建物群）の電力需要における実績値と予測値との対応を示し、図８（ｂ）がサンプルＤ（所定の他の建物群）の電力需要における実績値と予測値との対応を示している。図７と同様に、直線は実績値と予測値とが同一である場合の対応関係を示している。プロットされている点は、単位時間に予測された予測値と、この予測値した単位時間に実際に需要があった実績値との対応を示している。したがって、図８においても、図７と同様にプロットされている点が直線に近いほど、測定の精度が高いことを示している。

図９は、複数日におけるサンプルＥの所定の建物における電力需要の実績値と、本実施形態の電力需要予測装置により予測した電力需要の予測値である予想電力需要との対応を示す図である。図９において、縦軸がサンプルＥ（所定の建物）の電力需要の実測値を示し、横軸が本実施形態により予測した電力需要の予測値を示している。図７と同様に、直線は実績値と予測値とが同一である場合の対応関係を示している。プロットされている点は、単位時間に予測された予測値と、この予測値した単位時間に実際に需要があった実績値との対応を示している。したがって、図９においても、図７と同様にプロットされている点が直線に近いほど、測定の精度が高いことを示している。

図１０は、図７、図８及び図９の散布図における予測値の予測精度の評価を示すテーブルの図である。図１０にはサンプルＡからサンプルＥまでの５個のサンプル各々の平均誤差及びＥＥＰ（Expected Error Percentage）が示されている。平均誤差は、一日の最大値の誤差率の複数日にわたる帰還平均値（％）である。ＥＥＰは、予測誤差の 期待値の割合を示すものであり、１０％以下であれば実用として十分な精度とされる予測精度指標（％）である。図１０のテーブルから解るように、サンプルＡからサンプルＥのいずれのサンプルにおいても、平均誤差及びＥＥＰの双方が１０％以下であり、本実施形態による電力需要予測装置の電力需要の予測精度が十分に実用的であることが認められる。

なお、本発明における図１の電力需要の予測装置の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより電力需要の予測処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１…天気予報取得部
２…類似性判定部
３…データ抽出部
４…データ算出部
５…履歴データベース
６…履歴データ書込部
１００…電力需要予測装置

Claims (5)

1. １日を分割した単位時間毎の実績値としての電力需要と、複数の当該単位時間からなる周期毎の天気とが１日毎に履歴として記憶されている履歴データベースと、
   電力需要を予測する日の前記周期である対象周期毎に天気予報として供給される予報天気に類似する、当該対象周期と同一の時間帯の前記周期の天気を前記履歴データベースから抽出する類似性判定部と、
   類似した前記天気の前記周期に含まれる前記単位時間毎の電力需要を、前記類似性判定部が抽出した日毎に読み出すデータ抽出部と、
   抽出された前記周期の前記電力需要を用いて、前記対象周期における単位時間毎の電力需要の予測値を予測するデータ算出部と
   を備えることを特徴とする電力需要予測装置。
2. 前記データ算出部が、同一の時刻の単位時間毎に、抽出された前記周期の前記電力需要を平均し、平均した結果を前記対象周期の前記単位時間における電力需要の予測値として出力する
   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. 前記類似性判定部が、
   前記周期が開始される第１開始時間の第１予報天気と、前記次の周期が開始される第２開始時間の第２予報天気との組と、前記履歴データベースに記憶されている前記第１開始時間の第１天気と前記第２開始時間の第２天気との組とを、同一の時間帯の周期毎に順次比較し、
   前記第１予報天気及び前記第２予報天気と第１天気及び第２天気との双方が一致する前記周期が存在する日を抽出し、
   前記データ抽出部が、
   双方が一致する前記周期があるそれぞれの日全てにおいて、当該周期における単位時間毎の電力需要の平均を求め、前記対象周期の前記単位時間毎の前記予測値として算出する
   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。
4. 前記類似性判定部が、
   前記前記第１予報天気及び前記第２予報天気と第１天気及び第２天気との双方が一致する前記周期が存在する日が抽出されない場合、
   前記第１予報天気と前記第１天気とが一致する前記周期が存在する日を抽出し、
   前記データ抽出部が、
   前記第１予報天気と前記第１天気とが一致する日毎に、当該周期における単位時間毎の電力需要の平均を求め、前記対象周期の前記単位時間毎の前記予測値として算出する
   ことを特徴とする請求項３に記載の電力需要予測装置。
5. １日を分割した単位時間毎の実績値としての電力需要と、複数の当該単位時間からなる周期毎の天気とが１日毎に履歴として記憶されている履歴データベースから、電力需要を予測する日の前記周期である対象周期毎に天気予報として供給される予報天気に類似する、当該対象周期と同一の時間帯の前記周期の天気を抽出する類似性判定過程と、
   類似した前記天気の前記周期に含まれる前記単位時間毎の電力需要を、前記類似性判定部が抽出した日の全てから読み出すデータ抽出過程と、
   抽出された前記周期の前記電力需要を用いて、前記対象周期における単位時間毎の電力需要の予測値を予測するデータ算出過程と
   を有することを特徴とする電力需要予測方法。