JP2016086521A

JP2016086521A - 消費電力予測方法および装置

Info

Publication number: JP2016086521A
Application number: JP2014217484A
Authority: JP
Inventors: 英朋境野; Hidetomo Sakaino
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2014-10-24
Filing date: 2014-10-24
Publication date: 2016-05-19

Abstract

【課題】消費電力の実測値以外の複数の要因因子から消費電力を予測し、電力計の設置が困難な環境であっても簡易に消費電力を予測する消費電力予測方法及び装置を提供する。【解決手段】消費電力量、人数、気象等の観測データを入力インターフェース部１１０より入力し、複数の観測源の異なる時系列データを記憶装置１２０のデータ蓄積部１２１に保存する。統計解析部１２２は、データ蓄積部１２１に保存した各種時系列データからデータ特徴量や観測源の異なるデータ間の因果関係を重回帰モデルに基づき解析する。また、観測源毎に観測値のゆらぎの大きさを推定する。観測源毎の時系列データにゆらぎに応じた重み付けを行って、気象や人数の変化から消費電力量予測をデータ予測部１２３で行い、最終結果を出力インターフェース１４０からモニタ１６０に出力する。【選択図】図１

Description

本発明は、複数の要因因子から消費電力の予測を行う消費電力予測方法および装置に関する。

消費電力の予測問題は、将来の総電力量と、その各エリアへの最適分配の予測問題と密接に関係している。従来、消費電力の予測は、電力計、電力量計で計測された電力量を基に行うことが多いが、一方で、電力計は特殊な環境を除けば建物に取り付けられている数は非常に限られている。建物内の任意のエリア単位の消費電力を計測するためには、電力計又は電力量計をエリア毎に特殊技能を持った技術者によって設置する必要があり、電力計を増やすためにはより簡便な設置方法が求められている。

また、消費電力の予測には、過去の消費電力データの蓄積とその利用が予測精度を高めるために重要であるが、電力計毎の消費電力等のデータは一般に公開される形で保存されていることがほとんどなく、入手が困難であることが多いという課題がある。

都道府県単位や電力系統単位など大規模なエリアにおける消費電力の需要予測については電力会社などで既になされており、工場などの大型施設でも、設備特性を考慮した独自の方法での需要予測がなされている。

一方で、小規模施設や特定の狭いエリアにおける消費電力の需要予測は人の経験則に基づきなされるものが多く、時間間隔の細かい予測は難しい。また、消費電力の需要予測方法としては、過去の消費電力データに直接時系列予測モデルを適用して予測する方法が多く、このような予測方法を用いる場合、消費電力の実測値が必須であり、予測するエリアに電力計がない場合、新たに電力計を設置するか、別の何らかの手段によって消費電力を計測する必要があった。そのため、電力計が無い場合にも、新たに電力計を設置することなく消費電力予測を可能とする、簡易な消費電力予測法が求められている。

"電力量計"、［online］、［平成26年10月7日検索］、インターネット＜URL:http://ja.wikipedia.org/wiki/%E9%9B%BB%E5%8A%9B%E9%87%8F%E8%A8%88＞ P. P. Vaidyanathan、"The Theory of Linear Prediction"、 2008、Morgan & Claypool、［online］、［平成26年10月7日検索］、インターネット＜URL:http://authors.library.caltech.edu/25063/1/S00086ED1V01Y200712SPR003.pdf＞嶋崎恒雄、"重回帰分析"、［online］、［平成26年10月7日検索］、インターネット＜URL: http://www.interq.or.jp/pluto/tunes/multreg.html＞ "正規分布"、［online］、［平成26年10月7日検索］、インターネット＜URL: http://ja.wikipedia.org/wiki/%E6%AD%A3%E8%A6%8F%E5%88%86%E5%B8%83＞

しかしながら、特定エリア内の人数変化や、環境変化等の消費電力に影響を及ぼす要因因子と、消費電力量変化との対応づけができておらず、また、複数の要因因子と消費電力量との統計的な関係も示されていなかったために、消費電力の実測値無しに消費電力量変化を予測することは難しいという課題があった。

本発明は、このような課題に鑑みてなされたもので、その目的とするところは、消費電力の実測値以外の複数の要因因子から消費電力の予測を可能にし、電力計の設置が困難な環境であっても簡易に消費電力を予測することができる消費電力予測方法および装置を提供することにある。また、要因因子のデータのゆらぎを考慮することで、要因因子の揺らぎの影響を抑制しながら、原信号の急峻な変化への追従性を高めた予測できる。

カメラ画像を用いて人数計測を行い、気象変化を計測し、電力計から消費電力量データを取得し、それら観測データをデータ種毎にばらつきを考慮した確率関数で近似表現し、複数の要因因子と消費電力との統計的な解析を施すことで、要因因子の揺らぎの影響を抑制しながら、原信号の急峻な変化への追従性を高めた予測を可能にする。

上記の課題を解決するために、本発明は、消費電力予測装置であって、所定の領域内の人の数を数える手段と、前記所定の領域周辺の気象を観測する手段と、前記所定の領域内で消費される消費電力量を計測する手段と、前記人の数、前記気象、および前記消費電力量の時系列の観測データを取得して、格納するデータ蓄積部と、前記データ蓄積部に格納された前記観測データについて、消費電力に対する観測源の異なる観測データ間の因果関係を重回帰モデルに基づき解析し、観測源毎に前記観測データのゆらぎの大きさを推定する統計解析部と、観測源毎の前記観測データに、推定した前記ゆらぎに応じた重み付けを行い、前記人の数および前記気象の観測データから消費電力量の予測を行うデータ予測部と、を備えたことを特徴とする。

請求項２に記載の発明は、請求項１記載の消費電力予測装置において、前記人の数を数える手段は、前記所定の領域を撮影するカメラと、前記カメラで撮影された映像を画像処理して人の数を数える人数計測装置を含むことを特徴とする。

請求項３に記載の発明は、請求項１又は２に記載の消費電力予測装置において、前記観測データは、ガウス分布で近似表現されるものとし、前記観測データのゆらぎの大きさは、前記観測データの平均および分散から推定することを特徴とする。

請求項４に記載の発明は、消費電力予測方法であって、所定の領域内の人の数を数えるステップと、前記所定の領域周辺の気象を観測するステップと、前記所定の領域内で消費される消費電力量を計測するステップと、前記人の数、前記気象、および前記消費電力量の時系列の観測データを取得して、記憶装置に格納するステップと、前記記憶装置に格納された前記観測データについて、消費電力に対する観測源の異なる観測データ間の因果関係を重回帰モデルに基づき解析するステップと、観測源毎に前記観測データのゆらぎの大きさを推定するステップと、
観測源毎の前記観測データに、推定した前記ゆらぎに応じた重み付けを行い、前記人の数および前記気象の観測データから消費電力量の予測を行うステップと、を備えたことを特徴とする。

請求項５に記載の発明は、請求項４記載の消費電力予測方法において、前記人の数を数えるステップは、前記所定の領域を撮影するカメラと、前記カメラで撮影された映像を画像処理して人の数を数える人数計測装置を用いて行うことを特徴とする。

請求項６に記載の発明は、請求項４又は５に記載の消費電力予測方法において、前記観測データは、ガウス分布で近似表現されるものとし、前記観測データのゆらぎの大きさは、前記観測データの平均および分散から推定することを特徴とする。

本発明では、複数の要因因子と消費電力との統計的な解析を施すことで、消費電力の実測値以外の要因因子から消費電力の予測を可能にし、電力計の設置が困難な環境であっても簡易に消費電力を予測することができる。また、要因因子のデータのゆらぎを考慮することで、要因因子の揺らぎの影響を抑制しながら、原信号の急峻な変化への追従性を高めた予測できる。

本発明の一実施形態に係る消費電力予測装置の構成例を示す図である。本発明の一実施形態に係る消費電力予測の主な処理のフローチャートである。従来からの消費電力予測の例を示す図である。複数の要因因子と、本発明における一実施形態に係る消費電力予測法によって求めた予測結果を示す図である。従来法と本発明の予測方法とにおける予測誤差の違いによる省電力化コストを比較した図である。

以下、本発明の実施の形態について、詳細に説明する。
図１に、本発明の一実施形態に係る消費電力予測装置の構成例を示す。本発明を構成するデータ蓄積部１２１、統計解析部１２２、データ予測部１２３は、記憶装置１２０に格納され、処理装置１３０で実行可能なソフトウェアとして構成可能である。

図２に、本発明の一実施形態に係る消費電力予測の主な処理の流れを示す。本発明は、消費電力量、人数、気象などといった観測データを入力インターフェース部１１０より入力し、複数の観測源の異なる時系列データを記憶装置１２０のデータ蓄積部１２１に保存する（ステップ２０１）。統計解析部１２２は、データ蓄積部１２１に保存した各種時系列データからデータ特徴量や観測源の異なるデータ間の因果関係を重回帰モデルに基づき解析する（ステップ２０２）。また、観測源毎に観測値のゆらぎの大きさを推定する（ステップ２０３）。観測源毎の時系列データにゆらぎに応じた重み付けを行って、気象や人数の変化から消費電力量予測をデータ予測部１２３で行い、最終結果を出力インターフェース１４０からモニタ１６０に出力する（ステップ２０４）。

なお、消費電力量は、電力計から目視で読み取ったものを入力装置１５０から予測装置１００に入力したり、電力計が通信機能を備えていれば、電力計から通信回線を介して予測装置１００に入力したりすることができる。

人数は、人が目視で確認して数えたものを入力装置１５０から予測装置１００に入力したり、所定のエリアをカメラで撮影し、撮影された映像を画像処理することで人の数を特定する人数計測装置から予測装置１００に入力したりすることができる。

気象データについては、気温、湿度、風などを気象観測所のデータベースから予測装置１００に入力したり、エリア内に設置した複数の気象センサから予測装置１００に入力したりすることができる。

尚、各観測データについては、後述するように確率的なモデルで近似表現して用いる。

図３に、従来からの消費電力予測の例を示す。電力計で計測された消費電力については、図３にあるように、大きな変動を伴っていることが多い。その時系列的な変化:ｙについては、線形予測により予測することができる（非特許文献２参照）。この例では、１分ごとに計測された消費電力（Ｗ）：ｙについて、ｙ＝ａｘ＋ｂという最も簡単な一次回帰式を適用することを考え、未知数ａ、ｂを線形最小二乗法により容易に推定することができる。

しかし、データのばらつきに関する外れ値の影響をどのように考慮するかによって、線形予測モデルは図３のＡ、Ｂのように大きく異なるものとなる問題があった。そのため、消費電力の予測については、大きな予測誤差による省電力対策に違いが生じていた。

図４に、複数の要因因子と、本発明における一実施形態に係る消費電力予測法によって求めた予測結果を示す。本発明では、消費電力について関連する複数の要因因子として、気象要素（気温、雨量、湿度、日射量など）と人数を考慮する。各気象要素の時間変化はそれぞれに異なるものとなり、人数についても変化しているが消費電力（原信号）との定性的な関連はこのままでは見出すことができない。また、明らかに線形性よりも非線形性が強い特徴が消費電力や要因因子の時系列データにみられる。

このことから、本発明では、従来からの確定型モデルに基づいた重回帰線形モデル（非特許文献３）を拡張し、個々の説明変数が確率分布で表現されて目的変数である消費電力が確率型モデルで予測されると仮定する。

重回帰モデルは、（目的変数）＝定数＋｛（説明変数）×係数｝からなる複数の線形和で近似表現される。定数および係数は、与えられた時系列データへ最小二乗法を用いて容易に求めることができる。ここで、説明変数は、要因因子のデータそのものである。

次に、説明変数ｚが、例えば、平均μ、分散σ^２のガウス分布やポアソン分布などの確率分布で表現されるばらつきを有すると仮定する。ここでは、ガウス分布を用いた場合を示すと、

となる（非特許文献４参照）。ここで、ｔは時間を表す。次に、すべての要因因子数Ｋ個を考慮し、また、時間ｔを要因因子の測定間隔などに応じた離散値ｘ_ｊとして、一定時間区間（ｊ＝１〜Ｊ）における目的関数を尤度関数で表現すると、

となる。ただし、Ｄ_ｊは時間ｘ_ｊにおける消費電力に関するガウス分布を示す。次に、式（２）の最小化計算を、Ｋ個の平均値と分散値を推定して行う。即ち、

（ｋ＝１〜Ｋ）が最小値をもつための必要条件である。

このようにして、消費電力に影響を与えると考えられる要因因子毎の消費電力に対する平均μ、分散σ^２を求め、それらに基づき各要因因子に対応する重回帰モデルの係数に重み付けを行うことで、図３に示すように、非線形な予測モデルを推定する。これにより、要因因子の揺らぎの影響を抑制しながら、原信号の急峻な変化への追従性を高めることができる。

未知の消費電力については、実際に観測される人数、気温、湿度などを、学習して得られる非線形予測式に代入することで得られる。

図５に、従来法と本発明の予測方法とにおける予測誤差の違いによる省電力化コストを比較したものである。一定期間において、消費電力の予測を行い、実際の消費電力と予測されたものを比較する。このとき、誤差は電力値となり、単位電力当りのコストがわかることから、一定期間の累積誤差はコストに換算され、同時、このコストが小さいほど、本質的な省電力化コストとなる。図５に示すように、従来の線形予測法と本発明法を比較すると、本発明は予測誤差が少なったために、より的確的に消費電力を予測でき、同時に、省電力化コストが実質的に削減できることが実験的に示された。

１００消費電力予測装置
１１０入力インターフェース
１２０記憶装置
１２１データ蓄積部
１２２統計解析部
１２３データ予測部
１３０処理装置
１４０出力インターフェース
１５０入力装置
１６０モニタ

Claims

所定の領域内の人の数を数える手段と、
前記所定の領域周辺の気象を観測する手段と、
前記所定の領域内で消費される消費電力量を計測する手段と、
前記人の数、前記気象、および前記消費電力量の時系列の観測データを取得して、格納するデータ蓄積部と、
前記データ蓄積部に格納された前記観測データについて、消費電力に対する観測源の異なる観測データ間の因果関係を重回帰モデルに基づき解析し、観測源毎に前記観測データのゆらぎの大きさを推定する統計解析部と、
観測源毎の前記観測データに、推定した前記ゆらぎに応じた重み付けを行い、前記人の数および前記気象の観測データから消費電力量の予測を行うデータ予測部と、
を備えたことを特徴とする消費電力予測装置。
前記人の数を数える手段は、前記所定の領域を撮影するカメラと、前記カメラで撮影された映像を画像処理して人の数を数える人数計測装置を含むことを特徴とする請求項１記載の消費電力予測装置。
前記観測データは、ガウス分布で近似表現されるものとし、前記観測データのゆらぎの大きさは、前記観測データの平均および分散から推定することを特徴とする請求項１又は２に記載の消費電力予測装置。
所定の領域内の人の数を数えるステップと、
前記所定の領域周辺の気象を観測するステップと、
前記所定の領域内で消費される消費電力量を計測するステップと、
前記人の数、前記気象、および前記消費電力量の時系列の観測データを取得して、記憶装置に格納するステップと、
前記記憶装置に格納された前記観測データについて、消費電力に対する観測源の異なる観測データ間の因果関係を重回帰モデルに基づき解析するステップと、
観測源毎に前記観測データのゆらぎの大きさを推定するステップと、
観測源毎の前記観測データに、推定した前記ゆらぎに応じた重み付けを行い、前記人の数および前記気象の観測データから消費電力量の予測を行うステップと、
を備えたことを特徴とする消費電力予測方法。
前記人の数を数えるステップは、前記所定の領域を撮影するカメラと、前記カメラで撮影された映像を画像処理して人の数を数える人数計測装置を用いて行うことを特徴とする請求項４記載の消費電力予測方法。
前記観測データは、ガウス分布で近似表現されるものとし、前記観測データのゆらぎの大きさは、前記観測データの平均および分散から推定することを特徴とする請求項４又は５に記載の消費電力予測方法。