JP2016163511A - 電力需要量予測システム、電力需要量予測方法及びプログラム - Google Patents

電力需要量予測システム、電力需要量予測方法及びプログラム Download PDF

Info

Publication number
JP2016163511A
JP2016163511A JP2015043338A JP2015043338A JP2016163511A JP 2016163511 A JP2016163511 A JP 2016163511A JP 2015043338 A JP2015043338 A JP 2015043338A JP 2015043338 A JP2015043338 A JP 2015043338A JP 2016163511 A JP2016163511 A JP 2016163511A
Authority
JP
Japan
Prior art keywords
temperature
predicted
prediction
value
demand
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
Application number
JP2015043338A
Other languages
English (en)
Other versions
JP6520228B2 (ja
Inventor
隆二 大江
Ryuji Oe
隆二 大江
孝明 石河
Takaaki Ishikawa
孝明 石河
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chugoku Electric Power Co Inc
Original Assignee
Chugoku Electric Power Co Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chugoku Electric Power Co Inc filed Critical Chugoku Electric Power Co Inc
Priority to JP2015043338A priority Critical patent/JP6520228B2/ja
Publication of JP2016163511A publication Critical patent/JP2016163511A/ja
Application granted granted Critical
Publication of JP6520228B2 publication Critical patent/JP6520228B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Abstract

【課題】電力需要量の予測値のぶれ幅を正確に把握する電子需要量予測システム、予測方法及びプログラムを提供する。【解決手段】予測装置１００は、気象情報に基づいて予測気温の確率分布データを算出する気温予測部１０２と、日照時間の予測値を取得し、気温及び需要量の関係を表すデータ、日照時間及び需要量の関係を表すデータ、予測気温の確率分布データ並びに日照時間の予測値に基づいて、需要量の確率分布データを算出する需要予測部１０３と、を備える。【選択図】図４

Description

本発明は、電力需要量予測システム、電力需要量予測方法及びプログラムに関する。
近年、電力市場においては、電力取引（電力の売買）が自由に行えるようになってきている。電力取引を行う場合、将来のある期間に対して電力の取引価格を決定して、電力の売買を行う（例えば、２日前に３０分単位で売買）。
このような背景から、電力供給者が電力取引においてリスク管理できるように、取引対象日（例えば、２日後）の電力需要量を予測する手法等が提案されている（特許文献１参照）
特開２００４−２５２９６７号公報
上記のような背景から、過去の電力需要量に関するデータが蓄積され、事前に工場施設等での電力需要量をある程度正確に予測することが可能となってきている。しかし、このように算出された電力需要量の予測値は、ぶれ幅を有するものである。電力取引等においては、リスクを算出するため、電力需要量の予測値のぶれ幅を正確に把握することが望まれる。
上記課題を解決するための本発明の主たる発明は、電力の需要量を予測するシステムであって、気象情報を記憶する第１の記憶部と、気温および前記需要量の関係を表すデータを記憶する第３の記憶部と、日照時間および前記需要量の関係を表すデータを記憶する第４の記憶部と、前記気象情報に基づいて予測気温の確率分布データを算出する気温予測部と、前記日照時間の予測値を取得する日照時間予測部と、前記気温および需要量の関係を表すデータ、前記日照時間および需要量の関係を表すデータ、前記予測気温の確率分布データ、ならびに前記日照時間の予測値に基づいて、前記需要量の確率分布データを算出する需要予測部と、を備えることを特徴とする。
また、本発明の電力需要量予測システムでは、前記日照時間予測部は、前記日照時間の予測値の確率分布データを前記日照時間の予測値として取得するようにしてもよい。
また、本発明の電力需要量予測システムは、測定気温に関する過去のデータを記憶する第５の記憶部と、電力の需要量に関する過去のデータを記憶する第６の記憶部と、日照時間に関する過去のデータを記憶する第７の記憶部と、を更に備え、前記需要予測部は、前記測定気温に関する過去のデータと、前記需要量に関する過去のデータと、前記日照時間に関する過去のデータとに基づいて、気温及び日照時間と需要量との回帰式を算出し、前記回帰式と前記予測気温の確率分布データと前記日照時間の予測値とに基づいて、前記需要量の確率分布データを算出するようにしてもよい。
また、本発明の電力需要量予測システムでは、前記需要予測部は、少なくとも前記予測気温と略摂氏１８度の差と、前記予測気温と略摂氏１８度の差の二乗と、前記日照時間とを説明変数として、前記回帰式を算出するようにしてもよい。
また、本発明の電力需要量予測システムは、時間帯ごとの気温の実績値を記憶する実績値記憶部と、前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成する基準カーブ作成部と、を更に備え、前記気温予測部は、最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの予測気温を算出し、前記電力需要量予測システムは、前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得する最高最低気温取得部と、前記最高気温および前記最低気温の前記過去の予測値を与えて前記気温予測部に過去の前記予測気温を算出させ、前記過去の予測気温の予測誤差を算出する予測誤差算出部と、を更に備え、前記気温予測部は、前記最高気温および前記最低気温ならびに前記基準カーブに基づいて将来の前記予測気温を算出し、前記将来の予測気温と前記予測誤差とに基づいて、前記予測気温の確率分布データを算出するようにしてもよい。
また、本発明の他の態様は、電力の需要量を予測する方法であって、コンピュータが、
気象情報を記憶するステップと、気温および前記需要量の関係を表すデータを記憶するステップと、日照時間および前記需要量の関係を表すデータを記憶するステップと、前記気象情報に基づいて予測気温の確率分布データを算出するステップと、前記日照時間の予測値を取得するステップと、前記気温および需要量の関係を表すデータ、前記日照時間および需要量の関係を表すデータ、前記予測気温の確率分布データ、ならびに前記日照時間の予測値に基づいて、前記需要量の確率分布データを算出するステップと、を実行することとする。
また、本発明の他の態様は、電力の需要量を予測するためのプログラムであって、コンピュータに、気象情報を記憶するステップと、気温および前記需要量の関係を表すデータを記憶するステップと、日照時間および前記需要量の関係を表すデータを記憶するステップと、前記気象情報に基づいて予測気温の確率分布データを算出するステップと、前記日照時間の予測値を取得するステップと、前記気温および需要量の関係を表すデータ、前記日照時間および需要量の関係を表すデータ、前記予測気温の確率分布データ、ならびに前記日照時間の予測値に基づいて、前記需要量の確率分布データを算出するステップと、を実行させることとする。
その他本願が開示する課題やその解決方法については、発明の実施形態の欄及び図面により明らかにされる。
本発明によれば、電力需要量の予測値のぶれ幅を正確に把握することができる。
本発明の実施形態における予測システムを示す図である。 本発明の第１実施形態における予測装置のハードウェア構成を示す図である。 本発明の第１実施形態における取引情報提供装置のハードウェア構成を示す図である。 本発明の第１実施形態における発電手段に関するデータテーブルを示す図である。 本発明の第１実施形態における発電手段の稼働優先度に関するデータテーブルを示す図である。 本発明の第１実施形態における取引価格に関するデータテーブルを示す図である。 本発明の第１実施形態における予測装置の機能構成を示す図である。 本発明の第１実施形態における予測システムの動作のフローを示す図である。 本発明の第１実施形態における確率分布のイメージ図である。 本発明の第１実施形態における限界費用線を示す図である。 本発明の第１実施形態における限界費用線を示す図である。 本発明の第１実施形態における限界費用線を示す図である。 本発明の第１実施形態における気温予測部の動作のフローを示す図である。 本発明の第１実施形態における過去の測定気温に関するデータテーブルを示す図である。 本発明の第１実施形態における過去の予測気温に関するデータテーブルを示す図である。 本発明の第１実施形態における未来の予測気温に関するデータテーブルを示す図である。 本発明の第１実施形態における予測気温の確率分布のイメージ図である。 本発明の第１実施形態における予測気温の確率分布データの一例を示す図である。 本発明の第１実施形態における回帰分析の結果を示す図である。 本発明の第１実施形態における需要予測部の動作のフローを示す図である。 本発明の第１実施形態における過去の電力需要量に関するデータテーブルを示す図である。 本発明の第２実施形態における需要予測部の動作のフローを示す図である。 本発明の第２実施形態における過去の電力需要量に関するデータテーブルを示す図である。 本発明の第２実施形態における未来の電力需要量の予測基準値に関するデータテーブルを示す図である。 本発明のその他の実施形態における確率分布の変数変換を説明する図である。 日照時間の実測値に関するデータテーブルＭ１０の一例を示す図である。 日照時間の予測値に関するデータテーブルＭ１１の一例を示す図である。 需要予測部１０３が算出する電力需要量の予測値の一例を示す図である。 第５実施形態に係る予測システムの一構成例を示す。 第５実施形態に係る気温予測装置１０のソフトウェア構成例を示す図である。 実績値記憶部１３１の構成例を示す図である。 予測値記憶部１３２の構成例を示す図である。 基準カーブ記憶部１３３の構成例を示す図である。 重み記憶部１３４の構成例を示す図である。 誤差データ記憶部１３５の構成例を示す図である。 ３０分単位の時間帯の予測値を説明する図である。 気温予測を行う前に行う事前処理の流れを示す図である。 基準カーブの作成処理の流れを示す図である。 過去の気温予測処理の流れを示す図である。 誤差分析部１１５による予測誤差の分析処理の流れを示す図である。 将来の気温予測処理の流れを示す図である。 時間帯ごとの気温予測値の確率分布を作成する処理の流れを示す図である。 ３０分単位の時間帯の予測値を算出する処理の流れを示す図である。 予測値出力部１１７により出力される気温の予測値の一例を示す図である。
本明細書および添付図面の記載により、少なくとも以下の事項が明らかとなる。
＜第１実施形態＞
＝＝＝予測システムについて＝＝＝
本実施形態では、現実の電力需要量が、電力需要量の予測値から変動する要因の一つに、気温変動に起因する冷暖房需要の変動があるという理解に基づき、所定時間帯の気温の確率分布から、当該時間帯における電力需要量の確率分布を算出するものである。
そして、本実施形態の後述する予測システムは、当該時間帯の電力需要量の確率分布に基づいて、一定量の電力取引を行った場合の利益値の確率分布を算出している。
図１に、本実施形態における、電力取引における利益額の予測を実現する予測システムの一例を示す。本実施形態に係る予測システムは、予測装置１００と取引情報提供装置２００等から構成される。これらの装置は、ＬＡＮ接続等による通信網３００を利用して、データの送受信を行う。
予測装置１００は、使用者が操作を行うコンピュータである。また、取引情報提供装置２００は、予測装置１００からのリクエストに応じてデータを送信するコンピュータである。本実施形態に係る予測装置１００は、取引情報提供装置２００から、取引価格等に関する取引情報を取得することで、利益額を予測する構成としている。
図２Ａに、本実施形態の予測装置１００のハードウェア構成を示す。
予測装置１００は、制御手段１００Ａ、記憶手段１００Ｂ、通信手段１００Ｃ、入力手段１００Ｄ、表示手段１００Ｅを有している。
制御手段１００Ａは、ＣＰＵ等であり、バス等を介して、記憶手段１００Ｂ、通信手段１００Ｃ、入力手段１００Ｄ、表示手段１００Ｅと接続されている。そして、制御手段１００Ａは、記憶手段１００Ｂに記憶されたコンピュータプログラムに基づいて、記憶手段１００Ｂ、通信手段１００Ｃ、入力手段１００Ｄ、表示手段１００Ｅとデータ通信を行うとともに、それらの動作を制御する。
記憶手段１００Ｂは、揮発性メモリー（ＲＡＭ）、不揮発性メモリー（フラッシュメモリー）等からなる。そして、記憶手段１００Ｂには、予測装置１００を制御するためのコンピュータプログラム、後述する電力需要量と発電費用を対応付けるデータ等が記憶されている。尚、記憶手段１００Ｂは、後述する回帰モデル、各機能部で計算された中間データ、最終データ、取得した分析対象データ等を記憶する記憶部も有している（図示せず）。
通信手段１００Ｃは、通信コントローラ等であり、有線や無線によるＬＡＮ接続による通信網３００等を利用して、取引情報提供装置２００とデータの送受信を行う。
入力手段１００Ｄは、スイッチ、タッチパネル等であり、予測装置１００に対する使用者の操作指示を受付ける。
表示手段１００Ｅは、各種の情報を表示する液晶ディスプレイ等であり、後述する予測される利益額の確率分布等を表示する。
図２Ｂに、本実施形態の取引情報提供装置２００のハードウェア構成を示す。
取引情報提供装置２００は、制御手段２００Ａ、記憶手段２００Ｂ、通信手段２００Ｃを有している。
制御手段２００Ａは、ＣＰＵ等であり、バス等を介して、記憶手段２００Ｂ、通信手段２００Ｃと接続されている。そして、制御手段２００Ａは、記憶手段２００Ｂに記憶されたコンピュータプログラムに基づいて、通信手段２００Ｃ、記憶手段２００Ｂとデータ通信を行うとともに、それらの動作を制御する。
記憶手段２００Ｂは、揮発性メモリー（ＲＡＭ）、不揮発性メモリー（フラッシュメモリー）等からなる。そして、記憶手段２００Ｂには、取引情報提供装置２００を制御するためのコンピュータプログラム、後述する取引情報に関するデータＭ３等が記憶されている。
通信手段２００Ｃは、通信コントローラ等であり、有線や無線によるＬＡＮ接続による通信網３００等を利用して、予測装置１００とデータの送受信を行う。
本実施形態の予測装置１００の記憶手段１００Ｂに記憶された電力需要量と発電費用を対応付けるデータは、後述する発電手段に関するデータテーブルＭ１と、発電手段の稼働優先度に関するデータテーブルＭ２に基づいて算出される。
図３Ａに、本実施形態の発電手段に関するデータテーブルＭ１の一例を示す。
発電手段に関するデータＭ１は、電力供給者が有する複数の発電手段についての最低発電量（ＭＷｈ／ｈ）、発電可能量（ＭＷｈ／ｈ）、限界費用（円／ＭＷｈ）である。
電力供給者は、水力発電、太陽光発電、原子力発電、火力発電等、複数の発電手段を有している。そして、それらの限界費用、発電可能量等は、発電手段の種類、又、発電効率等の性能により異なっている。例えば、原子力発電は、稼働の停止が困難であるため、常に稼働させる発電手段として予定されることになる。一方、火力発電は、燃料価格等に応じて、限界費用が高騰する場合もある。その他、水力発電は、他の発電手段に比して、限界費用が安価である等の特徴もある。
図３Ａのデータテーブルに示す、発電手段Ａ、Ｂ、Ｃ・・・は、それらの発電手段の一つを表す。また、最低発電量（例えば１ＭＷｈ／ｈ）は、マストラン電源（上記した原子力発電のように、発電費用等の観点から、稼働の停止が困難であり、常に稼働させる発電手段として予定される発電源）による発電量を表す。また、発電可能量（例えば１ＭＷｈ／ｈ）は、それらの各発電手段の発電能力の限界値である。また、限界費用（円／ＭＷｈ）とは、単位発電量（例えば１ＭＷｈ）あたりに必要となる発電費用を表す。
ここで、限界費用は、その稼働率、すなわち当該発電手段の発電能力の限界値のうち発揮させている発電能力に応じて異なるように設定してもよいし、稼働率０〜１００％の平均値を設定してもよい。尚、図３Ａのデータテーブルで、発電手段Ａ、Ｂ、Ｃ・・の限界費用について、Ａ（ｘ１）、Ｂ（ｘ２）、Ｃ（ｘ３）・・・と記載しているのは、各発電手段の稼働率ｘ１、ｘ２、ｘ３・・・に応じた限界費用関数を表す。尚、その記憶形式は、テーブル形式等であってもよい。
図３Ｂに、本実施形態における、発電手段の稼働優先度に関するデータテーブルＭ２の一例を示す。
発電手段の稼働優先度に関するデータＭ２は、マストラン電源に関する優先度、限界費用に関する優先度の２種類を有している。マストラン電源に関する優先度は、限界費用に関する優先度よりも高い優先度が設定されている。また、限界費用に関する優先度は、限界費用が低いものから優先的に稼働するように設定されている。尚、上記実施形態では、稼働優先度に関するデータとして、マストラン電源に関する優先度、限界費用に関する優先度を記載したが、限界費用に関する優先度のみが設定される態様であってもよいし、その他の優先度が設定されてもよい。また、各発電手段の稼働優先度に関するデータＭ２は、使用者が各々の発電手段の状況等を考慮して設定するものであってもよいし、利益額を算出するときに都度、利益予測部１０４等が設定するものであってもよい。
図３Ｃに、本実施形態の取引情報提供装置２００の記憶手段２００Ｂに記憶された取引情報に関するデータテーブルＭ３の一例を示す。
取引情報に関するデータＭ３は、取引の対象となっている所定時間帯（例えば１１時〜１２時）の単位発電量（例えば１ＭＷｈ／ｈ）あたりの取引価格に関するデータ、及び取引可能量に関するデータである。ここで、取引情報に関するデータは、確定値であっても、予測値であってもよい。尚、データテーブルＭ３には、１時間ごとの取引価格及び取引可能量が記憶されている。
電力取引は、当該取引価格に基づいて行われる。具体的には、電力供給者が、所定量の電力の売りを行った場合、当該取引価格に基づいて、電力供給者は、その売り分を余分に電力供給する代わりに、その売り分を収益として得ることができる。同様に、電力供給者が、所定量の電力の買いを行った場合、当該取引価格に基づいて、電力供給者は、その買い分の電力供給を取引対象者から受ける代わりに、その買い分の金額を支払うという態様である。また、取引可能量は、電力供給者が電力取引において取引が可能な上限値を表す。
尚、取引可能量に関するデータは、電力供給者の発電手段の運用上の都合で設定するものであってもよい。例えば、上記したとおり、マストラン電源は、常時稼働させておくことが前提となっているため、当該マストラン電源の稼働による電力分は取引不能として設定しておいてもよい。また、取引可能量に関するデータは、必ずしも設定されている必要はない。
図４に、本実施形態の予測装置１００の機能構成の一例を示す。
予測装置１００は、記憶手段１００Ｂに記憶されたコンピュータプログラム、及び上記したハードウェア構成（１００Ａ〜１００Ｅ）により、以下に説明する取得部１０１、気温予測部１０２、需要予測部１０３、利益予測部１０４、提示部１０５の機能を実現する。
取得部１０１は、取引情報提供装置２００等他の装置と通信をしてデータを取得する。
気温予測部１０２は、気象庁の予測した予測最高気温、予測最低気温、天気情報等に基づいて、未来の所定時間帯の予測気温の確率分布に関するデータを算出する。
需要予測部１０３は、予測気温の確率分布に関するデータ、気温と電力需要量の関係式に基づいて、未来の所定時間帯の電力需要量の確率分布に関するデーを算出する。
利益予測部１０４は、電力需要量の確率分布に関するデータと、電力需要量と発電費用を対応付けるデータとに基づいて、所定量の電力取引を行った場合の発電費用の変化費用を確率分布として算出する。そして、所定量の電力取引を行った場合の取引価格を算出し、当該発電費用の変化費用との差を電力取引の利益額の確率分布として算出する。ここで、電力需要量と発電費用を対応付けるデータは、例えば、発電手段に関するデータＭ１と、発電手段の稼働優先度に関するデータＭ２を利用して算出された限界費用線に関するデータである。
提示部１０５は、利益額の確率分布データに対して所定の画像処理を施して、予測装置１００の使用者が予測利益の確率分布を認識できるような態様で提示する。一例として、提示部１０５は、利益額の確率分布として、９５％の確率で実現値としてとり得る、利益額の最低額と最大額の範囲を表示手段１００Ｅに表示する。
尚、本実施形態における確率分布に関するデータ（以下、「確率分布データ」という）とは、実現し得る値の予測値からのばらつきを示すものであり、例えば、未来の所定時間帯（例えば、２０１３／２／１の７時）に９５％の確率で実現し得る予測気温、電力需要量、利益額の幅（信頼区間）を意味する。また、確率分布データは、予測値に関する確率密度関数を表すデータや、確率分布関数を表すデータ、サンプルの累積確率より算出された信頼区間に関するデータ、実現し得る確率と予測値の幅の対応関係を示すデータ、予測値に関する分散係数等であってもよい。
＝＝＝予測システムの動作について＝＝＝
次に、予測システムの動作について説明する。
図５に、本実施形態のフローチャートの一例を示す。
（Ｓ１）は、予測装置１００の使用者が、予測対象の期間（例えば、２０１３／２／１の７時〜８時）を入力する工程である。
（Ｓ２）は、予測装置１００が、取引情報提供装置２００から、取引情報を取得する工程である。具体的には、予測装置１００の取得部１０１は、取引情報提供装置２００に対して、予測対象の期間に関する取得価格、及び取引可能量をリクエストする。そして、取引情報提供装置２００は、当該リクエストを受けて、取引情報に関するデータテーブルＭ３より予測対象の所定時間帯に関する取引価格及び取引可能量を、予測装置１００に送信する。
（Ｓ３）は、予測装置１００の気温予測部１０２が、気象庁の予測した予測最高気温、予測最低気温、天気情報等に基づいて、予測対象の所定時間帯の気温の予測値を確率分布として算出する工程である。ここで、電力取引の対象期間が数時間に跨る長い時間である場合、対応する複数の時間帯についての気温の予測値を算出してもよい。図６に、予測気温の確率分布のイメージ図を示す。図６は、理解容易のため説明変数Ｘを一つとした場合の予測気温の確率分布を示している。
尚、本実施形態は、予測気温のばらつきが、電力需要量のばらつきに繋がるという理解に基づくものであり、予測気温の確率分布の算出方法は、一定の精度であれば任意である。予測気温の確率分布の算出方法の一例については、後述する。
（Ｓ４）は、予測装置１００の需要予測部１０３が、（Ｓ３）で算出した予測気温の確率分布データ、曜日情報、昨年の同月同日における電力需要量等に基づいて、予測対象の所定時間帯の電力需要量の予測値を確率分布として算出する工程である。
本実施形態では、現実の電力需要量が、電力需要量の予測値から変動する要因の一つに、気温変動に起因する冷暖房需要の変動があるという理解に基づき、所定時間帯の予測気温の確率分布から、当該時間帯における電力需要量の確率分布を算出している。これによって、電力需要量の確率分布を正確に算出することができる。尚、電力需要量の確率分布の算出方法は、一定の精度であれば任意であり、気温と電力需要量との関係を表すデータを予めデータテーブルとして記憶していてもよい。需要予測の確率分布の算出方法の一例については、後述する。
（Ｓ５）は、利益予測部１０４が、発電手段に関するデータＭ１、マストラン電源に関する優先度、限界費用に関する優先度に関するデータＭ２に基づいて、電力取引の対象となる期間において、複数の発電手段をどのように稼働させるか、すなわち限界費用線に関するデータを算出する工程である。限界費用線に関するデータは、電力需要量と発電費用を対応付けるデータの一例であり、必要とする発電量（電力需要量）と対応させて、当該発電量を補うためにどのように発電手段を稼働させるについて特定したデータである。尚、限界費用線に関するデータが予め記憶されている場合、（Ｓ５）の工程は省略することができる。
以下に、（Ｓ５）で算出する限界費用線に関するデータについて、グラフ化した限界費用線により説明する。
図７Ａは、発電手段に関するデータＭ１、及び発電手段の稼働優先度に関するデータＭ２より算出された限界費用線である。横軸は必要とする発電量（電力需要量）を表し、縦軸はそれぞれの発電手段の限界費用を表している。右方向にいくほど発電量（電力需要量）が大きいことを表し、上方向にいくほど限界費用が大きいことを表す。また、限界費用線下の区画は、稼働させる発電手段の違いを表している（図７Ｂ、図７Ｃも同様）。ここで、マストラン電源に関する優先度を限界費用に関する優先度よりも高い優先度として設定しているため、限界費用線は、マストラン電源優先領域Ａと、限界費用優先領域Ｂの２領域から構成されている。すなわち、発電手段Ａ、Ｂ、Ｃを、限界費用が低い発電手段Ｄよりも先に稼働させることを表している。
図７Ｂは、電力需要量の予測値と、稼働させる発電手段との関係を示す。図７Ｂでは、電力需要量がＮのとき、発電手段Ｆまで稼働させることを表している。
（Ｓ６）は、利益予測部１０４が、所定量Ｃの電力取引を行った場合の発電費用の変化費用を算出する工程である。
利益予測部１０４は、（Ｓ４）の工程で算出した電力需要量の確率分布データ、及び（Ｓ５）で算出した限界費用線に関するデータに基づいて、所定量Ｃの電力取引を行った場合の発電費用の変化費用を算出する。
ここで、図７Ｂ、図７Ｃにより、所定量Ｃの電力取引を行った場合の発電費用の変化費用について説明する。図７Ｂは、電力需要量がＮである場合に必要となる発電費用を表している。図７Ｂの斜線で示す領域の面積の合計値が、必要となる発電費用となる。したがって、このとき発電費用は、式（１）より表すことができる。
（Ｆ（Ｗ）は、発電量Ｗと対応した限界費用を示す限界費用線を表す）
ここで、Ｆ（Ｗ）は、各発電手段の限界費用に関するデータＭ１、及び稼働優先度等に基づいて算出される。
また、図７Ｃは、電力取引の対象となる期間に取引量Ｃの取引（電力買い）を行った場合の発電費用の変化費用（減少）を示す。図７Ｃに示すように、取引量Ｃの電力買いを行った場合の発電費用の変化費用は、Ｆ（Ｗ）が、Ｗ軸の電力需要量Ｎと取引後Ｎ−Ｃで囲まれる領域である。具体的には、発電費用の変化費用は、式（２）より表すことができる。
尚、本実施形態では、電力需要量Ｎは確率分布として算出されるため、発電費用の変化費用も確率分布として表される。
（Ｓ７）は、利益予測部１０４が、取引情報に関するデータＭ３に基づいて、電力取引の対象となる期間に所定量の電力取引を行った場合の取引収支を算出する工程である。具体的には、電力取引の対象となる期間の取引価格が一定値Ｒである場合、所定量Ｃの取引（電力買い）を行った場合の取引収支（支払額）は、式（３）より表すことができる。
（Ｓ８）は、利益予測部１０４が、（Ｓ６）において算出した所定量の取引を行った場合の発電費用の変化費用と、（Ｓ７）において算出した所定量の取引を行った場合の取引収支の差により、利益額の確率分布を算出する工程である。具体的には、電力買いの場合、発電費用の変化費用（減少）から取引収支（支払額）を減じた差分が大きくなるほど、電力供給者にとって利益額が大きいことなる。すなわち、電力買いの場合の電力供給者の利益額Ｙは、式（２）、式（３）より、式（４）と表せる。
尚、取引可能量が設定されている場合、当該取引可能量を上限値として、取引量Ｃは設定される。
ここで、上記したとおり、電力需要量は、確率分布を含むデータとなっている。これより、電力需要量の確率分布データに基づいて、利益額Ｙの確率分布を算出することができる。尚、（Ｓ６）、（Ｓ７）の工程は、実質的に（Ｓ８）の工程に集約されるから省略してもよい。
尚、利益額の確率分布の算出方法の具体的内容については、後述する。
（Ｓ９）は、提示部１０５が、（Ｓ８）において算出された電力取引における利益額の確率分布を予測装置１００の使用者が認識できるように所定の画像処理を施して提示する工程である。例えば、提示部１０５は、予測利益の確率分布として、所定量の電力取引を行った場合、９５％の確率で実現し得る予測利益の幅等をテキストデータとして表示手段１００Ｅに表示する。
このように、本実施形態によって、本システムの使用者は、気温変動に起因した電力需要量の変動を考慮して、電力取引における利益額の確率分布を把握することができる。
また、上記実施形態では、電力買いの場合について説明したが、電力売りの場合についても同様である。すなわち、電力売りの場合、取引収支（収入額）から発電費用の変化費用（増額）を減じた差分が、電力供給者にとっての利益となる。このとき、利益額Ｙは、式（５）と表せる。
また、上記実施形態では、電力需要量と発電費用を対応付けるデータとして、発電手段に関するデータＭ１と発電手段の稼働優先度に関するデータＭ２により限界費用線を算出して、所定量の電力取引を行った場合の発電費用の変化費用を算出した。しかし、電力需要量と発電費用を対応付けるデータは、電力需要量と発電費用を対応させてテーブル形式で記憶されたデータ等であってもよい。
また、上記実施形態では、取引価格Ｒは、取引量Ｃによらず一定である場合について説明した。しかし、取引価格Ｒが、取引量Ｃに応じて変動するものであってもよい。その場合、式（４）のＲは、Ｃの関数Ｒ（Ｃ）として表せる。
また、上記実施形態では、予測システムは、利益額を算出するものとしたが、利益値に関するデータであれば、利益額に限らず、所定のポイント等であってもよい。
＝＝＝気温予測部の動作について＝＝＝
次に、気温予測部１０２の動作の一例について説明する。
本実施形態では、気温は、その日の予測最高気温、予測最低気温、及びそのときの時間帯と関係性を有するという理解に基づいて、気温の予測を行う。すなわち、過去の気温の測定結果、予測最高気温、予測最低気温より、回帰分析により、その時間帯における気温と予測最高気温、予測最低気温の関係性を回帰式として算出する。そして、回帰分析における、誤差項の標準偏差ｓより予測気温の確率分布を算出する。
図８に、本実施形態のフローチャートを示す。
本実施形態では、予測装置１００が、気象情報予測装置４００とＬＡＮ接続等による通信網３００を利用して（図１には図示せず）、過去の日に関する、気温の実測値、予測最高気温、予測最低気温等のデータ、未来の日に関する、予測最高気温、予測最低気温の予測データ等の送受信を行うことで、気温の予測を行う。
尚、気象情報予測装置４００は、予測装置１００からのリクエストに応じてデータを送信するコンピュータである。また、気象情報予測装置４００は、図２Ｂに示す取引情報提供装置２００と同様のハードウェア構成となっている。
図９Ａ〜図９Ｃに、気象情報予測装置４００の記憶手段に記憶された、気温に関するデータテーブルの一例を示す。図９Ａは過去の日の気温の実測値、図９Ｂは過去の日の予測最高気温、予測最低気温、図９Ｃは未来の予測最高気温、予測最低気温に関するデータである。
図９Ａは、１時間毎に測定された気温のデータテーブルＭ４である。このデータテーブルＭ４には、所定時に測定された気温の測定結果（以下、「実測値」という）が測定日時と対応づけられて記憶されている。ここで、測定結果は、例えば、１時間単位で、外気の気温を温度計で測定したものである。測定日時は、当該測定がなされた年月日、及び時刻である。
図９Ｂは、気象庁等で予測された気温のデータテーブルＭ２である。このデータテーブルＭ５には、気象庁等で予測された予測最高気温Ｔ１ｍａｘ、予測最低気温Ｔ１ｍｉｎであって、過去の日に関するデータが、当該予測の対象となった日と対応づけられて記憶されている。尚、データテーブルＭ４の気温の測定日は、データテーブルＭ５の日と対応する形式で記憶されておればよく、同一のデータテーブル内に対応づけられた形式で記憶されていてもよい。また、年月日に代えて、所定の符号で対応づけられた形式で記憶されていてもよい。また、測定がなされた時刻についても、１日のうちの時刻と関連する、所定のタイミング等の形式で記憶されていてもよい。
図９Ｃは、予測対象となる日について、事前に、気象庁等で予測された気温のデータテーブルＭ６である。このデータテーブルＭ６には、気象庁等で予測された予測最高気温Ｔ２ｍａｘ、予測最低気温Ｔ２ｍｉｎであって、未来の日に関するデータが、予測対象日と対応づけられて記憶されている。
図８の（Ｓ３１）は、予測装置１００の取得部１０１が、気象情報提供装置４００に対して、過去のデータのうち、電力取引の対象である所定時間帯に測定された測定温度、及び当該測定日に関する予測最高気温Ｔ１ｍａｘ、予測最低気温Ｔ１ｍｉｎを要求する工程である。
（Ｓ３２）は、気象情報提供装置４００が、当該要求を受けて、過去データの実測値に係るデータテーブルＭ４から対応する所定時間帯に測定された実測値を取得し、予測装置１００に対して、当該データを送信する工程である。加えて、気象情報提供装置４００は、過去データの事前に気象庁等で予測された予測最高気温、予測最低気温に関するデータテーブルＭ５から、当該実測値の測定日に対応する予測最高気温Ｔ１ｍａｘ、予測最低気温Ｔ１ｍｉｎを取得し、予測装置１００に対して、当該データを送信する。
一例として、電力取引の対象期間が、２０１３／２／１の７時〜８時である場合、取得部１０１は、過去の測定気温に関するデータＭ４の７時、又は８時に測定された実測値と、当該測定日の予測最高気温Ｔ１ｍａｘ、予測最低気温Ｔ１ｍｉｎを取得する。
尚、本実施形態において、（Ｓ３１）で過去データから取得する、予測を希望する時間帯に関するデータは、時間帯と予測最高気温、予測最低気温の関係性を明らかにするうえで支障のない範囲内を意味する。そのため、例えば、予測対象とする時間帯が７時〜８時である場合、過去の実測値が７時１５分や６時４５分に測定されたデータであっても、７時を示す過去データとして取得対象となる。また、同様に、本発明における「時間帯」の語義は、必ずしも１４時００分〜１５時００分等の時分を表すものではなく、一日の時刻の推移の中での所定の区間を意味する。
（Ｓ３３）は、予測装置１００の気温予測部１０２が、取得した過去のデータに基づいて、気温予測式を算出する工程である。具体的には、予測装置１００は、実測値Ｔ１、予測最高気温Ｔ１ｍａｘ、予測最低気温Ｔ１ｍｉｎに基づいて、回帰分析を実行し、当該所定時間帯における予測気温Ｔ２に係る気温予測式を算出するとともに、予測気温Ｔ２の確率分布を算出する。
回帰分析は、例えば、予測最高気温と予測最低気温を説明変数とする式（６）の回帰モデルについて、最小二乗法により行う。
（β0は母切片、β1、β２は母回帰係数、Ｅｉは誤差項を表す。また、各変数の末尾のｉは、各観測点ｉを表し、サンプルとして取得した過去のデータの各実測値、予測最高気温、予測最低気温を表す。）
これより、当該回帰モデルのβ0、β1、β２を決定し、気温予測式として回帰式（７）を算出する。
（Ｔの上部の＾は、回帰式におけるＴの表記である）
また、このとき、予測気温の確率分布を算出するため、予測気温のばらつきに関する係数として、誤差項の標準偏差ｓを、式（８）に基づいて算出する。
（Ｔｉ＾は、各観測点ｉについて、予測最高気温Ｔ１ｍａｘと予測最低気温Ｔ１ｍｉｎを回帰式（７）に代入したときのＴの値を表す。）
そして、本実施形態では、各実測値の分布は、以下の正規分布に従うとすると、予測気温Ｔ２の確率分布は、説明変数の値によらず、一律に誤差項の標準偏差ｓ２を母分散とする正規分布とみなすことができる。
この場合、予測気温Ｔ２の確率分布は、上記回帰式（７）、及び式（８）の誤差項の標準偏差ｓから表すことができる。例えば、予測気温Ｔ２の確率分布は、確率密度関数ｆ（Ｔ３）として、式（１０）のように表すことができる。
図１０に、予測気温Ｔ２の確率分布のイメージ図に示す。
（Ｔ３は算出された予測気温Ｔ２からずれた気温を表す）
また、予測気温Ｔ２の確率分布は、信頼区間として算出することもできる。例えば、信頼区間は、確率密度関数ｆ（Ｔ３）の区間積分に基づいて算出することができる。この場合、６８．２％の信頼区間は、予測気温Ｔ２からｓだけずれた気温Ｔ２±ｓの間の気温となる。
図１０の斜線部は、６８．３％の信頼区間と確率密度関数ｆ（Ｔ３）の関係を表している。
（Ｓ３４）は、予測装置１００の取得部１０１が、気象情報提供装置４００に対して、予測対象日である２０１３／２／１に関する予測最高気温Ｔ２Ｍａｘ、予測最低気温Ｔ２ｍｉｎを要求する工程である。
（Ｓ３５）は、気象情報提供装置４００が、当該要求を受けて、気象庁等で予測された予測最高気温Ｔ２ｍａｘ、予測最低気温Ｔ２ｍｉｎであって、未来の日に関するデータＭ６から、予測対象日（例えば、２０１３／２／１）に関する予測最高気温Ｔ２ｍａｘ、予測最低気温Ｔ２ｍｉｎを取得し、予測装置１００に対して、当該データを送信する工程である。
（Ｓ３６）は、予測装置１００の気温予測部１０２が、取得した予測データと、算出された気温予測式、及び予測気温Ｔ２のばらつきに関する係数に基づいて、予測対象日の所定時間帯（例えば、２０１３／２／１の７時〜８時）の予測気温Ｔ２、及びその確率分布データを算出する工程である。
このように、本実施形態の気温予測部１０２によって、気象情報から予測気温の確率分布を高い精度で算出することができる。
尚、確率分布データは、確率に応じた信頼区間を算出してもよく、その場合、標準偏差ｓに対して信頼度に応じた係数を乗ずることによって算出することができる。例えば、信頼度７０％の場合、標準偏差ｓに対して係数１．２８を乗ずればよいし、信頼度９０％の場合、標準偏差ｓに対して係数１．５３を乗ずればよい。
また、確率分布データは、過去データにおける累積分布関数により、信頼区間を算出してもよい。図１１は、過去データから取得した複数のサンプルにより、累積確率を算出し、信頼区間を算出した一例である。誤差の列は回帰式（７）に対する誤差項Ｅｉの値を表し、頻度の列は当該誤差に対応するサンプル数、確率密度の列はサンプル数と頻度から算出される確率密度、累積確率の列はサンプル数と頻度から算出される累積確率を表す。例えば、図１１では、回帰式から予測される値からの誤差０．８℃の範囲が７０％の信頼区間であることを表している。
また、上記実施形態では、電力取引の時間帯が２０１３／２／１の７時〜８時の１時間の場合に、気温予測部１０２が７時〜８時に関する回帰式を算出することを記載した。しかしながら、電力取引の時間帯が２０１３／２／１の７時〜１０時の３時間の場合等、長時間を取引対象とする場合、７時〜８時、８時〜９時、９時〜１０時等に関する回帰式を別々に算出してもよい。
また、上記実施形態では、予測最高気温と予測最低気温のみを説明変数とする予測気温を算出する回帰モデルを用いた。しかしながら、気象情報から予測気温の確率分布をある程度の精度で算出することができれば、回帰モデルは、上記に限る必要はない。例えば、予測最高気温、予測最低気温の一方のみを説明変数とする回帰モデルを用いてもよい。予測気温の確率分布を算出するために参照する気象情報としては、予測最高気温、予測最低気温、天気情報、風速情報、大気圧等があげられる。他方、予測精度を向上させるため、説明変数として、季節情報、地域情報等を追加してもよい。また、サンプルの分散を安定化させるため、分散安定化変換を行って、回帰モデルを適応してもよい。
尚、季節情報を反映させた回帰式の一例を、式（１１）に示す。
（β0は切片、β1は回帰係数、νjは季節ごとの季節調整係数を表す）
回帰式（１１）によれば、予測最高気温Ｔｍａｘ、予測最低気温Ｔｍｉｎの影響度と、季節による影響度を適切に調整した予測気温を算出することができる。尚、図１２に、回帰式（１１）により、時刻毎に算出した予測気温の信頼区間の結果の一例を示す。
また、気温予測部１０２は、予測気温の確率分布を正確に把握することによって、電力需要量の確率分布を算出することを目的としているから、その他の既知の予測気温の確率分布の算出方法を採用してもよい。
＝＝＝需要予測部の動作について＝＝＝
次に、需要予測部１０３の動作の一例について説明する。
本実施形態では、現実の電力需要量が、電力需要量の予測値から変動する要因の一つに、気温変動に起因する冷暖房需要の変動があるという理解に基づいて、電力需要量の予測を行う。すなわち、気温予測部１０２で算出した予測気温の確率分布より、電力需要量の確率分布を算出する。そして、本実施形態では、需要予測部１０３は、気温の実測値と過去の電力需要量の実測値に基づいて、気温と電力需要量の関係式を算出することにより、電力需要量の確率分布を算出する。
図１３に、本実施形態のフローチャートの一例を示す。
本実施形態では、予測装置１００が、気象情報提供装置４００、需要情報提供装置５００とＬＡＮ接続等による通信網３００を利用して（図１には図示せず）、気温の実測値、及びそのときの電力需要量に関する過去のデータ等の送受信を行うことで、電力需要量の予測を行う。
尚、需要情報提供装置５００は、予測装置１００からのリクエストに応じてデータを送信するコンピュータである。また、需要情報提供装置５００は、図２Ｂに示す取引情報提供装置２００と同様のハードウェア構成となっている。
図１４に、需要情報提供装置５００の記憶手段に記憶された、過去に実測された電力需要量に関するデータテーブルＭ７の一例を示す。このデータテーブルＭ７には、所定時間帯の電力需要量が日時と対応づけられて、１時間単位で記憶されている。
図１３の（Ｓ４１）は、予測装置１００の取得部１０１が、需要情報提供装置５００に対して、電力取引の対象である所定時間帯に関する過去の電力需要量を要求する工程である。
（Ｓ４２）は、需要情報提供装置５００が、当該要求を受けて、過去の電力需要量に係るデータテーブルＭ７から、電力需要量を取得し、予測装置１００に対して、当該データを送信する工程である。
一例として、電力取引の対象期間が、２０１３／２／１の７時〜８時である場合、取得部１０１は、過去（昨年度の同月）の電力需要量に関するデータＭ７の７時〜８時のデータを取得する。尚、当該取得する対象の電力需要量の時間帯等は、電力取引の対象期間との類似性等を考慮して適宜変更することができる。
（Ｓ４３）は、予測装置１００の取得部１０１が、気象情報提供装置４００に対して、（Ｓ４２）で取得した電力需要量の時間帯に関する、過去の気温の実測値を要求する工程である。
（Ｓ４４）は、気象情報提供装置４００が、当該要求を受けて、過去の測定気温に係るデータテーブルＭ４から、実測値を取得し、予測装置１００に対して、当該データを送信する工程である。
一例として、（Ｓ４２）で取得した電力需要量の時間帯が、２０１２／２／１〜２０１２／２／８の７時〜８時である場合、取得部１０１は、２０１２／２／１〜２０１２／２／８の測定気温に関するデータＭ４の７時、又は８時のデータを取得する。
（Ｓ４５）は、予測装置１００の需要予測部１０３が、取得した過去のデータに基づいて、需要予測式を算出する工程である。具体的には、予測装置１００は、（Ｓ４４）で取得した所定時間帯の気温の実測値Ｔ１、及び電力需要量Ｎ１に基づいて、電力需要量と気温の関係式を算出するための回帰分析を行う。
回帰分析は、例えば、電力需要量Ｎを目的変数、標準気温１８℃と実測値の差、及び標準気温１８℃と実測値の差の二乗を説明変数とする、式（１２）の回帰モデルについて、最小二乗法により行う。
（γ０、δ０は母切片、γ1、γ２、δ１、δ２は母回帰係数、Ｅｉは誤差項を表す。また、各変数の末尾のｉは、各観測点ｉを表し、サンプルとして取得した過去のデータの各実測値Ｔ１、電力需要量Ｎ１を表す。）
ここで、標準気温１８℃と実測値（気温）の差を説明変数としているのは、冷暖房需要による電力需要量の変動量は、標準気温１８℃のときには、冷暖房需要は実質的に０であるとみなせるためである。また、標準気温１８℃と実測値（気温）の差の二乗を説明変数とすることによって、冷暖房の需要は、気温が標準気温１８℃から離れるにつれて、急激に増加するという一般的社会現象をより正確に反映させることができる。
また、式（１２）は、１８℃以上か１８℃以下かによって式を２分し、冷房需要と暖房需要とを別としている。尚、式（１２）では省略しているが、天気情報、曜日情報等の説明変数を追加して回帰分析を行ってもよい。
これより、当該回帰モデルのγ０、γ1、γ２、δ０、δ１、δ２を決定し、需要予測式として回帰式（１３）を算出する。
（Ｓ４６）は、予測装置１００の需要予測部１０３が、上記回帰式（１３）と、気温予測部１０２が算出した予測気温の確率分布データに基づいて、電力需要量の確率分布を算出する工程である。
一例として、予測気温の確率分布データが、予測気温の期待値Ｔ２と、６８．２％の信頼区間として気温Ｔ２±ｓで表されている場合、電力需要量の確率分布（信頼区間）は、次のようになる。
すなわち、式（１３）の気温Ｔに対して、予測気温の確率分布の期待値Ｔ２を代入することによって、電力需要量の期待値を算出する。そして、電力需要量の予測値の信頼区間の上限値と下限値は、式（１３）にＴ２＋ｓ、Ｔ２−ｓそれぞれを代入することによって算出することができる（式（１３Ａ）は、気温Ｔについて単調減少関数とみなせる。式（１３Ｂ）は、気温Ｔについて単調増加関数とみなせる。）
尚、予測気温の確率分布の期待値Ｔ０は、予測気温の確率密度関数がｆ（Ｔ）である場合、式（１４）より算出できる。
このように、需要予測部１０３によって、電力需要量の確率分布を高い精度で算出することができる。
尚、本実施形態では、標準気温１８℃と実測値（気温）の差、及び標準気温１８℃と実測値（気温）の差の二乗を説明変数とする、回帰モデルを用いた。しかしながら、予測気温の確率分布から電力需要量の確率分布をある程度の精度で算出することができれば、回帰モデルは、上記に限る必要はない。例えば、標準気温１８℃と実測値（気温）の差の二乗については、説明変数を省略してもよいし、標準気温１８℃と実測値（気温）の差に代えて、通常の実測値（気温）を説明変数としてもよい。また、標準気温は略１８℃であればよく、１７℃や１９℃と設定してもよい。また、説明変数として予測最高気温、予測最低気温、天気情報、地域情報、曜日情報等を追加してもよい。
また、上記実施形態では、需要予測式を算出する際、需要情報提供装置５００から、予測対象日の時刻と同時刻の過去データを取得する構成とした。しかし、予測対象日の時刻と同時刻の過去データに基づいて、気温予測式を算出する手法であれば、他の方法であってもよい。例えば、予め式（１２）の回帰モデルにダミー変数として時刻に係る変数を追加し、予測装置１００の需要予測部１０３が回帰分析を行う際に、他の時刻情報が除外される方法であってもよい。この場合、同時刻であるときには１、それ以外は０となるように設定すればよい。
また、サンプルの分散を安定化させるため、分散安定化変換を行って、回帰モデルを適応してもよい。需要予測式を算出する式（１２）の回帰モデルにおいて、分散安定化変換を行った場合の一例を、式（１５）に示す。
（γ０は母切片、γ1・・γＮ+4は母回帰係数、Ｅｉは誤差項を表す。Ｄｎは曜日、平・休日に対応するダミー変数を表す。）
式（１２）の回帰モデルの場合、気温の値によっては、ばらつきが大きくなる傾向があるが、式（１５）の回帰モデルによれば、ばらつきを均一にすることができる。
また、需要予測部１０３は、電力需要量の確率分布を正確に把握することによって、利益額の確率分布を算出することを目的としているから、回帰式に代えて、既知の電力需要量の確率分布の算出方法を採用してもよい。
＝＝＝利益予測部の動作について＝＝＝
次に、利益予測部１０４の動作について説明する。
本実施形態では、利益予測部１０４は、需要予測部１０３が算出した電力需要量の確率分布データに基づいて、利益額Ｙの確率分布データを算出する。
利益額Ｙの算出方法については、上記式（４）又は式（５）において説明したとおりである。以下では、電力需要量の確率分布データが、電力需要量の期待値Ｎ０と、信頼区間に関するデータＮ２〜Ｎ３である場合について、利益額Ｙの確率分布を算出する方法を説明する。
利益額Ｙの期待値は、式（４）の電力需要量Ｎに対して、電力需要量の期待値Ｎ０を代入することによって、算出することができる。
また、利益額Ｙの信頼区間の上限値Ｙ２と下限値Ｙ３は、式（４）にＮ２、Ｎ３それぞれを代入することによって算出することができる（式（４）は、Ｃが一定のとき電力需要量Ｎについて単調増加関数とみなせる）。
このように、利益予測部１０４によって、電力需要量の確率分布に基づいて、利益額の確率分布を算出することができる。
以上のように、本実施形態によれば、利益額の確率分布に、時間単位で算出された予測気温の確率分布を反映させることが可能となる。すなわち、利益額の確率分布に、時間単位で冷暖房需要に起因する電力需要量の変動を反映させた態様とすることができる。
これより、システム使用者は、一定量の電力取引を行った場合の利益額の確率分布を認識することが可能となる。
尚、上記実施形態では、電力取引における取引量を所定量Ｃとしたが、利益額Ｙの確率分布に基づいて、利益額Ｙが最大となるＣ’を最適取引量として算出してもよい。その場合、例えば、電力需要量の予測値Ｎが期待値Ｎ０の場合について、Ｙが最大となるＣ’を算出すればよい。
＜第２実施形態＞
本実施形態では、電力需要量の予測基準値が、中央給電指令所等により提示している場合に、電力需要量の予測基準値について確率分布を算出する方法について説明する。
中央給電指令所等が、過去の実績、気象情報等に基づいて、電力需要量の予測基準値を算出し、電力供給者に提示する場合がある。そして、このように算出された電力需要量の予測基準値は、過去の実績を反映した高い精度を担保した情報となっている。
しかし、このように算出された電力需要量の予測値であっても、第１実施形態で述べたとおり、気温の変動があった場合には、冷暖房需要の変動に起因して変動するものである。
そこで、本実施形態では、需要予測部１０３’は、中央給電指令所等により提示された電力需要量の予測基準値を活用しつつ、その確率分布を算出する。すなわち、需要予測部１０３’は、過去のデータに基づいて、予測気温から、気温が１度変化した場合に、電力需要量が予測基準値からどの程度の変動するのかの関係式を明らかにする。そして、当該関係式と、予測気温の確率分布に基づいて、電力需要量の確率分布を算出する。本実施形態では、算出された予測気温の確率分布の期待値Ｔ０に対して、１度気温がずれた場合の電力需要量の変動量を算出する関係式を算出する。
尚、需要予測部１０３’以外の構成については、第１実施形態と共通するため説明を省略する。
図１５に、本実施形態の需要予測部１０３’の動作を表すフローチャートの一例を示す。
本実施形態では、予測装置１００が、気象情報提供装置４００、需要情報提供装置５００とＬＡＮ接続等による通信網３００を利用して（図１には図示せず）、気温の実測値、及びそのときの電力需要量に関する過去のデータ等の送受信を行うことで、電力需要量の予測を行う。
図１６Ａに、需要情報提供装置５００の記憶手段に記憶された、過去の電力需要量に関するデータテーブルＭ８の一例を示す。このデータテーブルＭ８には、過去のデータとして、所定時間帯の電力需要量の実測値、当該所定時間帯について予測されていた電力需要量、当該所定時間帯について予測されていた気温（℃）が、日時と対応づけられて１時間単位で記憶されている。
また、図１６Ｂに、需要情報提供装置５００の記憶手段に記憶された、電力需要量の予測値（以下、「電力需要量の予測基準値」と言う。）に関するデータテーブルＭ９の一例を示す。このデータテーブルＭ９には、未来の電力需要量の予測値が、日時と対応づけられて１時間単位で記憶されている。
図１５の（Ｓ４１’）は、予測装置１００の取得部１０１が、需要情報提供装置５００に対して、電力取引の対象である所定時間帯に関する過去の電力需要量を要求する工程である。ここで、取得部１０１は、過去のデータのうち、予測気温Ｔ２のときの電力需要量を要求する。
尚、予測気温Ｔ２について回帰式を算出するのは、冷暖房需要に起因した電力需要量の変化量は、気温ごとに異なっているからである。例えば、予測気温１９℃から現実には２０℃に変化した場合と、予測気温３０℃から現実には３１℃に変化した場合とで、電力需要量の変化量は異なっている。
（Ｓ４２’）は、需要情報提供装置５００が、当該要求を受けて、過去の電力需要量に係るデータテーブルＭ８から、実測された所定時間帯の電力需要量、当該所定時間帯について予測されていた電力需要量、当該所定時間帯について予測されていた気温を取得し、予測装置１００に対して、当該データを送信する工程である。
一例として、電力取引の対象期間が、２０１３／２／１の７時〜８時であり、予測気温の期待値が２０度である場合、取得部１０１は、過去（昨年度の同月）の電力需要量に関するデータＭ８の７時〜８時でかつ、予測気温が２０度のときのデータを取得する。
（Ｓ４３’）は、予測装置１００の取得部１０１が、気象情報提供装置４００に対して、（Ｓ４２’）で取得した電力需要量の時間帯に関する、過去の気温の実測値を要求する工程である。
（Ｓ４４’）は、気象情報提供装置４００が、当該要求を受けて、過去の測定気温に係るデータテーブルＭ４から、実測値を取得し、予測装置１００に対して、当該データを送信する工程である。
一例として、（Ｓ４２’）で取得した電力需要量の時間帯が、２０１２／２／１〜２０１２／２／８の７時〜８時である場合、取得部１０１は、２０１２／２／１〜２０１２／２／８の測定気温に関するデータＭ４の７時、又は８時のデータを取得する。
（Ｓ４５’−１）は、予測装置１００の需要予測部１０３’が、取得した過去のデータに基づいて、需要予測式を算出する工程である。具体的には、予測装置１００は、（Ｓ４２’）と（Ｓ４４’）で取得した所定時間帯の実測された電力需要量、当該所定時間帯について予測されていた電力需要量、当該所定時間帯について予測されていた気温、及び所定時間帯の気温の実測値に基づいて、予測気温Ｔ０から１℃気温が変化したとき、電力需要量が、電力需要量の予測値からどの程度変化するかについて、回帰分析を行う。
回帰分析は、電力需要量Ｎｆの実測値を目的変数、予測気温Ｔ０と実測値Ｔｆの差、及び予測気温Ｔ０と実測値Ｔｆの差の二乗を説明変数とする、式（１６）の回帰モデルについて、最小二乗法により行う。尚、電力需要量の予測値からのずれ値を算出するための回帰モデルであるため、電力需要量の予測値Ｎ０に対する演算式としている。
（γ1、γ２、δ１、δ２は母回帰係数、Ｅｉは誤差項を表す。Ｎ０は電力需要量の予測値、Ｎｆは電力需要量の実測値、Ｔ０は気温の予測値、Ｔｆは気温の実測値を表す。また、各変数の末尾のｉは、各観測点ｉを表し、サンプルとして取得した過去のデータの各気温の実測値、電力需要量の実測値、気温の予測値、電力需要量の予測値を表す。）
本実施形態では、気温が予測値から１℃変化した場合の冷暖房需要による電力需要量の変動量を予測するため、予測気温Ｔ０と実測値Ｔｆの差、及び予測気温Ｔ０と実測値Ｔｆの差の二乗を説明変数とする、２次関数回帰モデルを用いている。また、式（１２）と同様に、１８℃以上か、１８℃以下かによって、式を２分している。
これより、当該回帰モデルのγ1、γ２、δ１、δ２を決定し、需要予測式として回帰式（１７）を算出する。
（Ｓ４５’−２）は、予測装置１００の取得部１０１が、需要情報提供装置５００に対して、電力取引の対象である所定時間帯に関する電力需要量の予測値を要求する工程である。
（Ｓ４５’−３）は、需要情報提供装置５００が、当該要求を受けて、未来の電力需要量の予測基準値に係るデータテーブルＭ９から、予測対象の所定時間帯についての電力需要量の予測基準値を取得し、予測装置１００に対して、当該データを送信する工程である。
（Ｓ４６）は、予測装置１００の需要予測部１０３’が、上記回帰式（１７）と、気温予測部１０２が算出した予測気温の確率分布データに基づいて、電力需要量の確率分布を算出する工程である。
一例として、予測気温の確率分布データが、期待値Ｔ０、及び期待値Ｔ０からｓだけずれた気温Ｔ０±ｓである場合、電力需要量の確率分布（信頼区間）は、式（１７）により算出できる。すなわち、電力需要量の信頼区間の上限値と下限値は、式（１７）の電力需要量の予測値Ｎ０に予測基準値を代入するとともに、Ｔｆに対して予測気温の期待値Ｔ０からずれた気温Ｔ０±ｓを代入することにより算出することができる（式（１７）は、気温Ｔについて単調増加関数とみなせる）。
このように、本実施形態の需要予測部１０３’によって、電力需要量の予測基準値に対する確率分布を高い精度で算出することができる。
尚、上記実施形態では、回帰式（１７）を用いた（Ｓ４６）の工程で、予測気温の確率分布データとして、期待値Ｔ０、及び期待値Ｔ０からｓだけずれた気温Ｔ０±ｓにより、電力需要量の確率分布を算出した。しかし、これに代えて、中央給電指令所が予測気温Ｔ０を提示している場合、予測気温Ｔ０は、需要情報提供装置５００から電力需要量の予測基準値とともに取得する値としてもよい。また、予測気温Ｔ０からのずれとして、図１１で示した累積確率より算出した信頼区間に関するデータを用いてもよい。そして、予測気温の信頼度ごと（確率ごと）に、電力需要量の基準値に対するぶれ幅を算出してもよい。
尚、上記回帰式（１７）に代えて、次の回帰式（１８）を用いて、標準気温１８℃と実測値との差で、γ1、γ２、δ１、δ２を算出してもよい。
この場合、Ｎｆを電力需要量の実測値、Ｔｆを過去の気温の実績値として、Ｎ０を仮想的な電力需要量の予測値として定数とおくことによって、過去の日に関する電力需要量の予測値と予測気温に関するデータを不要とする構成とすることもできる。
そして、電力需要量の予測基準値の確率分布（ぶれ幅）は、算出した回帰式（１８）のＮ０に対して電力需要量の予測基準値を代入するとともに、Ｔｆに対して予測気温の期待値Ｔ０からずれた気温Ｔ０±ｓを代入することにより算出することができる。
また、需要情報提供装置５００から電力需要量の予測基準値とともに予測気温Ｔ０を取得する場合（中央給電指令所の予測気温）、予測気温Ｔ０から気温Ｔｆにずれた場合の電力需要量の予測基準値の確率分布（ぶれ幅）は、本実施形態における他の態様として、次の式（１９Ｂ）を用いることもできる。
（式（１９Ａ）は式（１５）の回帰式であり、式（１９Ｂ）は式（１５）の回帰係数を用いた式を表す。また、γＮ＋１、γＮ＋２、γＮ＋３、γＮ＋４は、式（１５）で算出した回帰係数を表す。）
式（１９Ｂ）のγＮ＋１、γＮ＋２、γＮ＋３、γＮ＋４は、式（１５）の回帰係数γＮ＋１、γＮ＋２、γＮ＋３、γＮ＋４を用いているから、過去の電力需要量の実測値と、過去の気温の実績値から、簡易に予測式を算出することができる。
そして、電力需要量の予測基準値の確率分布（ぶれ幅）は、算出した回帰式（１９Ｂ）のＮ０に対して電力需要量の予測基準値を代入するとともに、Ｔ０に対して需要情報提供装置５００から取得した予測気温、Ｔｆに対して予測気温Ｔ０からずれた気温Ｔ０±ｓ（又は上記予測気温の信頼区間に関するデータ）を代入することにより算出することができる。
式（１９Ｂ）において、ΔＤＴ１、ΔＤＴ１ ２、ΔＤＴ２、ΔＤＴ２ ２を説明変数としているのは、中央給電指令所の予測気温Ｔ０からずれてＴｆとなる場合、電力需要量への影響度は、ΔＤＴ１、ΔＤＴ１ ２、ΔＤＴ２、ΔＤＴ２ ２により表せるためである。
また、予測気温Ｔ０から１℃ずれた場合の電力需要量の変化量に関する係数（気温感応度）は、式（１５）ですでに算出しているγＮ＋１、γＮ＋２、γＮ＋３、γＮ＋４と略同一とみなすことができるため、式（１９Ｂ）において、式（１５）で算出したγＮ＋１、γＮ＋２、γＮ＋３、γＮ＋４を用いている。
＜その他の実施形態＞
上記実施形態では、予測気温の確率分布を、利益額の確率分布に変数変換する際、予測気温の確率分布から算出した所定の信頼区間を、電力需要量の信頼区間に変換し、電力需要量の信頼区間から予測利益の信頼区間に変換する方法を用いた。
しかしながら、予測気温の確率分布を変数変換して、予測利益の確率分布に反映させる算出方法は任意である。
例えば、予測気温の確率密度関数を、回帰式（１３）等に基づいて、変数変換して、電力需要量の確率密度関数として表し、同様に、電力需要量の確率密度関数を予測利益の確率密度関数に変換して表してもよい。
図１７は、確率密度関数の変数変換のイメージ図である。確率密度関数ｆ（ｘ）を、確率密度関数ｇ（ｙ）に変換する場合、変数変換したｇ（ｙ）は、式（２０）を変形して式（２１）のように表せる。
この場合、予測気温の確率密度関数ｆ（ｘ）が正規分布である場合に限らず、Ｔ分布、χ２分布、Ｆ分布等、任意の分布関数に適用することができる。
また、同様に、予測気温のばらつきに関する係数（誤差項の標準偏差ｓ）を、上記回帰式（１３）に基づいて、電力需要量のばらつきに関する係数に変数変換し、電力需要量のばらつきに関する係数を上記式（４）に基づいて、予測利益のばらつきに関する係数に変数変換してもよい。
また、上記実施形態では、現実の電力需要量が電力需要量の予測値から変動する要因として、気温変動に起因する冷暖房需要の変動が最も大きいとみなして、電力需要量のばらつきを算出する際、式（１２）、式（１５）、式（１６）等の誤差項に関しては、考慮しない態様とした。しかしながら、式（１２）、式（１５）、式（１６）等の誤差項に関しても、式（８）の誤差項の標準偏差ｓと同様に、誤差項の標準偏差を算出し、電力需要量の確率分布を算出する際に考慮に入れる態様としてもよい。その場合、周知の誤差伝搬の法則により、標準偏差を統合すればよい。
また、上記実施形態では、予測気温の確率分布は、説明変数の値（予測最高気温、予測最低気温の値）によらず、一律に誤差項の標準偏差ｓ２を母分散とする正規分布とみなした。しかし、予測気温の信頼区間は、説明変数の値（予測最高気温、予測最低気温の値）によって分布関数を異ならせる、t分布に基づく信頼区間として算出してもよい。その場合、予測気温Ｔ２のばらつきに関する係数は、自由度ｎ−３で割った不偏推定量としての、誤差項の標準偏差ｓ’は式（２２）で表せる。
このとき、回帰式（７）の分布が、以下の正規分布に従うと推定して、ｔ値より、予測気温Ｔ２の信頼区間を算出することができる。
（各観測点の平均値が回帰式（７）上の値となり、分散係数が誤差項の標準偏差ｓ’に基づいて決定されることを表す。尚、Ｄ２は予測最高気温Ｔ２Ｍａｘと予測最低気温Ｔ２Ｍｉｎにより定まるマハラノビスの距離の２乗を表す）
この場合の予測気温Ｔ２の信頼区間は、予測最高気温Ｔ２ｍａｘと予測最低気温Ｔ２ｍｉｎ、誤差項の標準偏差ｓ’に基づいて、式（２４）によって算出することができる。
尚、上記の計算式は、統計学上周知の計算方法のため、詳細な説明は省略する。
このように、予測気温Ｔ２の確率分布をｔ分布に基づく信頼区間として表した場合、観測点の数が少ない場合、観測点に偏りがある場合、予測対象日の予測最高気温Ｔ２ｍａｘ、予測最低気温Ｔ２ｍｉｎが通常と異なる温度域を示している場合等においても、高い精度で予測気温の確率分布を算出することができる。
また、上記実施形態では、予測気温Ｔ２の確率分布を示すデータとして、他の分布関数を利用したものであってもよく、χ２分布やＦ分布に基づくデータであってもよい。
また、上記実施形態では、回帰分析の手法として、最小二乗法を示した。しかし、最小二乗法に代えて、モーメント法や最丈法を利用してもよい。
また、上記実施形態では、予測対象の日時が設定されるに応じて、気温予測式、及び需要予測式を算出する工程を行うとしたが、気温予測式、及び需要予測式を予め生成して記憶手段１００Ｂに記憶しておき、予測対象の日時が設定されるに応じて、対応する日時の気温予測式、及び需要予測式を記憶手段１００Ｂから取得する態様としてもよい。
また、上記実施形態では、予測装置１００が、気温予測部１０２、需要予測部１０３、利益予測部１０４を機能部として有する構成とした。しかし、これらの機能部又はその一部は、他の装置に分散されていてもよい。同様に、各記憶手段に記憶されたデータの記憶領域は、任意の場所でよい。例えば、予測装置１００に集約されていてもよいし、複数のコンピュータから構成されるクラウドシステム上に分散して記憶される構成であってもよい。
＜第３実施形態＞
本実施形態では、電力需要量の予測に日照時間を考慮する。第１実施形態の式（１２）では、電力需要量Ｎを目的変数とし、標準気温１８℃と実測値との差、及び標準気温１８℃と実測値との差の二乗を説明変数としたが、本実施形態ではこれに日照時間を説明変数として加える。具体的には、需要予測部１０３は、図１３の（Ｓ４５）において、次式（１２’）の回帰モデルについて最小二乗法により回帰分析を行う。
ここで、μは母回帰係数、Ｓは日照時間を表す。本実施形態では日照時間Ｓは０．１時間単位の値であるものとする。図１８は、日照時間の実測値に関するデータテーブルＭ１０の一例を示す図である。日照時間の実測値は、日照計などの測定器により測定した時間としてもよいし、気象庁や気象会社などが提供する値を取得するようにしてもよい。
式（１２’）により求められる電力需要量Ｎは、需要家による総需要量から太陽光発電による発電量を引いたもの、すなわち電力会社等の電力供給者にとっての電力需要量である。日照時間を説明変数としているのは、太陽光発電による電力供給量の増減によって電力供給者に対する電力需要量が変動するからである。これにより、電力供給者にとっての冷暖房需要を正確に予測することが可能となる。
予測装置１００の取得部１０１は、気象情報提供装置４００に対して要求を送信し、気象情報提供装置４００は、当該要求に応じて、データテーブルＭ４から気温の実測値を取得するとともに、データテーブルＭ１０から日照時間の実測値を取得し、これらを予測装置１００に対して送信するようにする。予測装置１００の需要予測部１０３は、気温の実測値と、日照時間の実測値とを用いて、当該回帰モデルのγ０、γ１、γ２、δ０、δ１、δ２に加えてμを決定し、需要予測式として次の回帰式（１３’）を算出する。
図１３の（Ｓ４６）では、需要予測部１０３は、上記回帰式（１３’）と、気温予測部１０２が算出した予測気温の確率分布データと、日照時間の予測値の確率分布データとに基づいて、電力需要量の確率分布を算出することになる。本実施形態では、日照時間の予測値は、オペレータからの手入力により与えることを想定する。例えば、需要予測部１０３は、日照時間の期待値Ｎ０を５０パーセンタイル値、信頼区間の下限値Ｎ２を１０パーセンタイル値、上限値Ｎ３を９０パーセンタイル値として、さらにその中間値である３０パーセンタイル値及び７０パーセンタイル値の入力を受け付けることができる。尚、日照時間の予測値を入力する日照時間予測部を設けるようにしてもよい。
図１９は、日照時間の予測値に関するデータテーブルＭ１１の一例を示す図である。図１９の例では、データテーブルＭ１１には、各時間帯についての日照時間の予測値Ｓの１０，３０，５０，７０，９０パーセンタイル値が含まれている。また図１９の例では、時間帯の長さは３０分であり、１日の４８時間帯のそれぞれについて、日照時間の予測値の値を設定している。同図に示すように、５０パーセンタイル値が日照時間の期待値（予想通り）であり、予想以下の日照時間として１０、３０パーセンタイル値が設定され、予想以上の日照時間として７０、９０パーセンタイル値が設定されている。
尚、日照時間の予測値は、気象庁や気象会社などが日照時間の予報値を提供している場合にはその予報値を取得するようにしてもよいし、過去の気象データに基づいて日照時間を予測するようにしてもよい。
図２０は需要予測部１０３が算出する電力需要量の予測値の一例を示す図である。図２０の例では、日照時間の入力に合わせて、電力需要量の予測に係る１０，３０，５０，７０，９０パーセンタイル値が算出されている。
また、式（１２’）において分散安定化変換を行った場合の回帰モデルを示す式（１５’）を用いるようにしてもよい。
…式（１５’）
以上のように日照時間を説明変数として加えることにより、太陽光発電による見かけ上の需要量の低下を考慮して、電力会社等の電力提供者にとっての電力需要量の予測値を精度良く求めることができる。
＜第４実施形態＞
本実施形態では、電力需要量の予測基準値が、中央給電指令所等により提示している場合に、日照時間を考慮しつつ電力需要量の予測基準値について確率分布を算出する。具体手金は、需要予測部１０３’は、図１５の（Ｓ４５’−１）において式（１６）に代えて、次の式（１６’）を用いて回帰分析を行う。
Ｓ０は日照時間の予測値、Ｓｆは日照時間の実績値を表す。
式（１６’）の回帰モデルについて最小二乗法により回帰分析を行う。これにより、中央給電指令書等が提示する予測気温Ｔ０から１℃気温が変化したときに、電力需要量の予測値から電力需要量がどの程度変化するか（γ１、γ２、δ１、δ２；気温感応度）と、日照時間の予測値Ｓ０から０．１時間日照時間が変化したときに、電力需要量の予測値からどの程度変化するか（μ；日照時間感応度）とを求めることができる。
回帰分析により上記式（１６’）の回帰モデルのγ１、γ２、δ１、δ２、μを決定し、需要予測式として次の式（１７’）を算出する。
…式（１７’）
予測装置１００の需要予測部１０３’は、上記回帰式（１７’）と、気温予測部１０２が算出した予測気温の確率分布データと、入力された日照時間の確率分布データとに基づいて、電力需要量の確率分布を算出することができる。
尚、上記回帰式（１７）に代えて、次の回帰式（１８）を用いて、標準気温１８℃と実測値との差で、γ1、γ２、δ１、δ２、μを算出してもよい。
また、需要情報提供装置５００から電力需要量の予測基準値とともに予測気温Ｔ０を取得する場合（中央給電指令所の予測気温）、予測気温Ｔ０から気温Ｔｆにずれた場合の電力需要量の予測基準値の確率分布（ぶれ幅）は、次の式（１９Ｂ’）を用いることもできる。
ここで、ΔＳ＝Ｓｆ−Ｓ０であり、Ｓｆは日照量の実績値、Ｓ０は日照量の予測値を示す。
以上のようにして、日射量を考慮して電力需要量の予測を行うことができる。
＜第５実施形態＞
本実施形態では、気温予測装置１０が気温を予測し、予測装置１００の気温予測部１０２は気温予測装置１０から気温の予測値を取得する。図２１は本実施形態に係る予測システムの一構成例を示す。同図に示すように、予測装置１００、取引情報提供装置２００及び気温予測装置１０は通信網３００に接続され、通信網３００を介してデータの送受信を行う。
本実施形態の気温予測装置１０は、過去の気温の実績値を正規化して１日における気温の変化を表すカーブ（以下、基準カーブという。）を求め、基準カーブに基づいて気温の予測を行う。本実施形態における正規化は、時間帯ごとの実績値の平均値を求め、１日の最低気温を「０」とし、最高気温を「１」とすることにより行うものとする。したがって、基準カーブに最高気温から最低気温を減算した値を乗算して最低気温を加算することで時間帯ごとの気温予測値を算出することができる。
また、本実施形態の気温予測装置１０は、基準カーブに基づく気温予測の予測誤差の平均値μと標準偏差σ（または分散σ２）とを求めておき、将来の予測時に気温予測を確率分布として算出する。
なお、本実施形態では、中国地方の電力需要を予測するべく気温を予測することを想定しており、電力供給を行う対象となるのは広島県、岡山県、島根県、鳥取県、山口県の５県（以下、予測対象地域ともいう。）であることを想定している。そこで本実施形態では、まずは上記予測対象地域の気温をそれぞれ予測したうえで、電力需要量の割合に応じた重み付けをした加重平均値を中国地方全体の気温予測値とする。
＝＝＝気温予測装置１０の構成＝＝＝
気温予測装置１０は、図２Ａに示した予測装置１００と同様のハードウェア構成を備える。
図２２は本実施形態に係る気温予測装置１０のソフトウェア構成例を示す図である。気温予測装置１０は、実績値取得部１１１、予測値取得部１１２、基準カーブ作成部１１３、気温予測部１１４、誤差分析部１１５、確率分布作成部１１６、予測値出力部１１７、実績値記憶部１３１、予測値記憶部１３２、基準カーブ記憶部１３３、重み記憶部１３４および誤差データ記憶部１３５を備える。
なお、実績値取得部１１１、予測値取得部１１２、基準カーブ作成部１１３、気温予測部１１４、誤差分析部１１５、確率分布作成部１１６および予測値出力部１１７は、気温予測装置１０が備える制御手段１００Ａが記憶手段１００Ｂに記憶されているプログラムを読み出して実行することにより実現され、実績値記憶部１３１、予測値記憶部１３２、基準カーブ記憶部１３３、重み記憶部１３４および誤差データ記憶部１３５は、気温予測装置１０が備える記憶手段１００Ｂが提供する記憶領域の一部として実現されるようにすることができる。
実績値取得部１１１は、気温の実績値を取得する。本実施形態において、気温の実績値は、所定時間（本実施形態では１時間とするが、任意の時間とすることができる。）ごとに外気の気温を温度計で測定したもの、すなわち、時間帯ごとの実績値とする。本実施形態では、時間帯は１時間単位とし、１時から２４時までの２４区分であるものとする。実績値取得部１１１は、例えば気温の計測器から自動的に送信される測定結果を受信し、あるいは計測器にアクセスして測定結果を取得するようにすることができる。気温の実績値は、たとえば気象庁や気象会社などにより提供される値であってもよく、この場合には、気象庁や気象会社のコンピュータにアクセスして、気温の実績値を取得することができる。実績値取得部１１１は、複数の測定場所について気温の実績値を取得する。測定場所としては、気象予報の提供される地域名、すなわち「広島」「岡山」「松江」「鳥取」「山口」のいずれかが設定される。実績値取得部１１１は、取得した気温の実績値を実績値記憶部１３１に登録する。
実績値記憶部１３１は気温の実績値を記憶する。図２３は実績値記憶部１３１の構成例を示す図である。実績値記憶部１３１は、測定日（日）、時間帯および季節情報に対応付けて、測定場所ごとの実績値が記憶される。もちろん、測定場所は任意に設定できるが、最高気温および最低気温の予測値が提供される地点と同一（または一致させることが可能）であるものとする。季節情報は任意に区切った季節区分を表すものであり、本実施形態では日時に応じて所定のルールにより決定されるものとし、季節情報は「冬」「初春」「春」「初夏」「梅雨」「夏」「秋」の７区分であるものとする。季節情報はたとえば「梅雨」については隔年任意に設定してもよい。実績値記憶部１３１には過去１０年分の実績値が予め記憶されているものとする。なお、測定装置から測定結果を取得したり、オペレータから測定結果の入力を受け付けて実績値記憶部１３１に登録する実績値登録部を設けたりするようにしてもよい。また、１０年分よりも少なくまたは多くの実績値を登録するようにしてもよい。
予測値取得部１１２は、予測対象日の最高気温および最低気温の予測値を取得する。予測値取得部１１２は、たとえば気象庁や気象会社のコンピュータにアクセスして気象庁や気象会社が発表した予報値を含むデータ（気象データ）を受信することができる。予測値取得部１１２がオペレータから最高気温および最低気温の予測値の入力を受け付けるようにしてもよい。
本実施形態では、２日後の電力需要予測をするために２日後の気温予測を行うことを前提とし、予測値取得部１１２は、予測対象日の２日前に２日後の最高気温および最低気温の予測値を取得するものとする。また、予測値取得部１１２は、予測対象となる地域ごとに最高気温および最低気温の予測値を取得する。すなわち、予測値取得部１１２は、「広島」「岡山」「松江」「鳥取」「山口」の気象予報としての最高気温および最低気温の予報値を取得する。本実施形態では、気象庁の発表した天気、降水確率、最高気温および最低気温の予報値を含む気象データを取得するものとする。
予測値取得部１１２は、定期的に（たとえば毎日所定の時刻に）、２日後の最高気温および最低気温の予測値を含む気象データを気象庁や気象会社から取得する。予測値取得部１１２は取得した予測値を予測値記憶部１３２に登録する。
予測値記憶部１３２は、最高気温および最低気温のそれぞれの予測値を記憶する。図２４は予測値記憶部１３２の構成例を示す図である。予測値記憶部１３２は、予測対象地域の名称（地域名）および予測対象日に対応付けて、天気、降水確率、最高気温および最低気温のそれぞれの予測値を記憶する。地域名は「広島」「岡山」「松江」「鳥取」「山口」のいずれかである。本実施形態では、予測対象日に対応する最高気温の予測値および最低気温の予測値は１組のみが予測値記憶部１３２に記憶されるものとする。上述したように、過去に発表された２日後の予測値が予測値記憶部１３２には登録されることになる。また、本実施形態では、予測値記憶部１３２には過去３年分の予測値が記憶されているものとする。
基準カーブ作成部１１３は基準カーブを作成する。具体的には、基準カーブ作成部１１３は、１年間の各日付と予測対象となる各地域について、実績値記憶部１３１に記憶されている同月同日の当該地域に対応する気温の実績値を、最低気温を「０」とし、最高気温を「１」として正規化する。具体的には、基準カーブ作成部１１３は、１年間の各日付と各地域について、実績値記憶部１３１から同月同日の当該地域の１０年分（２月２９日については過去１０年間における閏年の数）の気温の実績値を読み出し、時間帯ごとに気温の実績値の平均値を算出し、平均値の最低値（以下、平均最低気温という。）と平均値の最高気温（以下、平均最高気温という。）とを選択し、各実績値の平均値から平均最低気温を減算したうえで、平均最高気温から平均最低気温を減算した値で除算した値を正規化値として算出する。この時間帯ごとの正規化値を時間帯の順に並べたのが基準カーブである。基準カーブ作成部１１３は、作成した基準カーブを基準カーブ記憶部１３３に登録する。
基準カーブ記憶部１３３は予測対象地域ごとの基準カーブを記憶する。図２５は基準カーブ記憶部１３３の構成例を示す図である。図２５に示すように、基準カーブ記憶部１３３には、予測対象地域の名称（地域名）に対応付けて、１年の各日付について、各時間帯の気温を「０」から「１」までの間の数値（図２５の例では０％から１００％までのパーセント単位）で表現された平均気温の正規化値（以下、正規化気温という。）が格納される。
重み記憶部１３４は、地域ごとの重みを記憶する。図２６は重み記憶部１３４の構成例を示す図である。本実施形態では、重みは各地域における電力需要量の比を用いるものとする。なお、ユーザが重みを任意に変更できるようにしてもよいし、電力需要量とは関係なく重みを設定するようにしてもよい。
気温予測部１１４は基準カーブを用いて気温を予測する。気温予測部１１４には予測対象地域と最高気温および最低気温とが与えられ、気温予測部１１４は、与えられた最高気温から与えられた最低気温を減算した値を、与えられた予測対象地域に対応する基準カーブの数値に乗算し、これに与えられた最低気温を加算することにより、当該予測対象地域の気温予測値を算出する。また、気温予測部１１４は、重み記憶部１３４に記憶されている重みを用いて、予測対象地域の気温予測値を加重平均し、全体（本実施形態では中国地方）の気温予測値を算出する。
誤差分析部１１５は基準カーブを用いた気温の予測に係る予測誤差を分析する。誤差分析部１１５は、過去の日付についての最高気温および最低気温の予測値を予測値記憶部１３２から読み出し、読み出した最高気温および最低気温の予測値を気温予測部１１４に与えて気温予測値を算出させる。誤差分析部１１５は、実績値記憶部１３１に記憶されている気温の実績値に対応する季節情報ごとに、気温予測部１１４が算出した気温予測値と対応する日付および時間帯の実績値との差（予測誤差）を算出し、季節情報および時間帯ごとに、予測誤差の平均値μと標準偏差σとを算出する。誤差分析部１１５は、季節情報および時間帯ごとの平均値μおよび標準偏差σを誤差データ記憶部１３５に登録する。
誤差データ記憶部１３５は、予測誤差に関するデータ（以下、誤差データという。）を記憶する。図２７は誤差データ記憶部１３５の構成例を示す図である。誤差データ記憶部１３５は、季節情報（冬、早春、春、初夏、つゆ、夏、秋の７区分）に対応付けて、時間帯ごとの平均値μおよび標準偏差σを記憶する。
確率分布作成部１１６は、気温予測部１１４が予測した予測値を確率分布で表すデータ（以下、確率分布データという。）を作成する。本実施形態では、気温の予測値は正規分布であるものとして、予測誤差の平均値（期待値）μに気温の予測値を加算したうえで、標準偏差σから正規分布Ｎ（μ，σ２）を表すデータ（たとえば正規分布の確率密度関数ｆ（ｘ））を作成する。本実施形態では、確率分布作成部１１６は、予測誤差の平均値μと標準偏差σから予測誤差の正規分布Ｎ（μ，σ２）を表すデータを作成し、予測誤差についての１０パーセンタイル値、３０パーセンタイル値、５０パーセンタイル値、７０パーセンタイル値および９０パーセンタイル値を求め、これらに対応する時間帯の気温の予測値を加算することにより、気温の予測値の確率分布を作成する。
予測値出力部１１７は、気温の予測値を出力する。予測値出力部１１７は、確率分布作成部１１６により作成された確率分布に基づいて気温の予測値を出力する。本実施形態では、予測値出力部１１７は、確率分布の１０パーセンタイル値、３０パーセンタイル値、５０パーセンタイル値、７０パーセンタイル値、９０パーセンタイル値の５つの値を気温の予測値として時間帯毎に出力する。なお、予測値出力部１１７は、平均値（期待値）μを気温の予測値として出力したり、時間帯毎に正規分布のグラフを出力したりすることもできる。本実施形態では、予測値出力部１１７は予測装置１００に予測値を送信し、予測装置１００の気温予測部１０２が予測値出力部１１７が送信した予測値を取得する。
また、予測値出力部１１７は、１時間単位の時間帯の予測値から３０分単位の時間帯の予測値を作成して出力することもできる。図２８に示すように、各時間帯の予測値は、各時間帯の中間時刻の予測値であるものとし、これを時間帯の長さで按分することにより任意の長さの時間帯の予測値を求めることができる。たとえば、１時間単位のある時間帯Ｘにおける気温の予測値をＴＸとすると、時間帯Ｘの開始時刻Ｘｓにおける気温の予測値ＴＸＳと、時間帯Ｘ＋１の開始時刻（Ｘ＋１）Ｓにおける気温予測値Ｔ（Ｘ＋１）Ｓとは次式により求められる。
そして、時間帯Ｘを構成する前半３０分の時間帯をＸＡ、後半３０分の時間帯をＸＢとすると、時間帯ＸＡ，ＸＢの気温予測値ＴＸＡ，ＴＸＢは、次式により求められる。
＝＝＝処理＝＝＝
以下、本実施形態の気温予測装置１０により実行される処理について説明する。
＜事前処理＞
図２９は気温予測を行う前に行う事前処理の流れを示す図である。
実績値取得部１１１は、気温の実績値を取得して実績値記憶部１３１に登録し（Ｓ２０１）、予測値取得部１１２は気象データを取得して予測値記憶部１３２に登録する（Ｓ２０２）。基準カーブ作成部１１３は、気温の実績値から基準カーブを作成する（Ｓ２０３）。
図３０は、基準カーブの作成処理の流れを示す図である。基準カーブ作成部１１３はまず、各地域および１年の各日付（２月２９日を含む。）について、同月同日同地域の気温の実績値を実績値記憶部１３１から読み出し（Ｓ２２１）、読み出した気温の実績値を時間帯ごとに平均して時間帯ごとの平均気温を算出する（Ｓ２２２）。基準カーブ作成部１１３は、平均気温の中から平均最高気温および平均最低気温を選択する（Ｓ２２３）。基準カーブ作成部１１３は、各平均気温から平均最低気温を減算し（Ｓ２２４）、減算した平均気温を平均最高気温から平均最低気温を引いた値で割って正規化値を算出する（Ｓ２２５）。基準カーブ作成部１１３は、正規化値を時間帯の順に並べた基準カーブを基準カーブ記憶部１３３に登録する（Ｓ２２６）。
図２９に戻り、気温予測部１１４は、地域および日付ごとに過去の気温予測を行う（Ｓ２０４）。
図３１は、過去の気温予測処理の流れを示す図である。
気温予測部１１４は、予測値記憶部１３２に記憶されている全ての予測対象日、すなわち、過去３年分の予測対象日のそれぞれについて以下の処理を行う。
気温予測部１１４は、「広島」「岡山」「松江」「鳥取」「山口」の各地域について、当該地域および予測対象日に対応する最高気温および最低気温の予測値を予測値記憶部１３２から読み出し（Ｓ２４１）、当該地域および日付に対応する基準カーブを基準カーブ記憶部１３３から読み出す（Ｓ２４２）。気温予測部１１４は、読み出した基準カーブに含まれる各時間帯の正規化値に、読み出した最高気温の予測値から読み出した最低気温の予測値を引いた値を乗じ、当該乗算結果に対して、読み出した最低気温の予測値を加算することにより、時間帯ごとの気温の予測値を算出する（Ｓ２４３）。
図２９に戻り、誤差分析部１１５は、予測誤差の分析処理を行う（Ｓ２０５）。
図３２は、誤差分析部１１５による予測誤差の分析処理の流れを示す図である。
誤差分析部１１５は、予測値記憶部１３２に記憶されている全ての予測対象日、すなわち、過去３年分の各予測対象日と、各地域と各時間帯とについて、予測対象日、地域および時間帯に対応する気温の実績値および季節情報を実績値記憶部１３１から読み出し（Ｓ２６１）、読み出した気温の実績値と、上記気温予測部１１４により算出された、当該時間帯、当該地域および当該予測対象日に対応する気温の予測値との差（予測誤差）を算出する（Ｓ２６２）。
誤差分析部１１５は、以上の処理を行った後、地域および季節情報ごとに、予測誤差の平均値μと、標準偏差σとを算出する（Ｓ２６３）。なお、平均値μおよび標準偏差σの算出処理については一般的な手法を用いるものとしてここでは詳細を省略する。誤差分析部１１５は、季節情報に対応付けて、算出した平均値μおよび標準偏差σを誤差データ記憶部１３５に登録する（Ｓ２６４）。
以上のようにして、地域別の基準カーブが作成されて基準カーブ記憶部１３３に登録され、地域および季節別の予測誤差に係る平均値μおよび標準偏差σが計算されて誤差データ記憶部１３５に登録される。
＜予測処理＞
図３３は、将来の気温予測処理の流れを示す図である。
気温予測部１１４は、予測値記憶部１３２に記憶されている最新の予測対象日を読み出し（Ｓ３０１）、「広島」「岡山」「松江」「鳥取」「山口」の各地域について以下の処理が行われる。
気温予測部１１４は、予測対象日および地域に対応する最高気温および最低気温の予測値を予測値記憶部１３２から読み出し（Ｓ３０２）、地域に対応する基準カーブを基準カーブ記憶部１３３から読み出す（Ｓ３０３）。気温予測部１１４は、読み出した基準カーブに含まれる各時間帯の正規化値に、読み出した最高気温の予測値から読み出した最低気温の予測値を引いた値を乗じ、当該乗算結果に対して、読み出した最低気温の予測値を加算することにより、時間帯ごとの気温の予測値を算出する（Ｓ３０４）。確率分布作成部１１６は、算出された予測値の確率分布を作成する（Ｓ３０５）。
図３４は、時間帯ごとの気温予測値の確率分布を作成する処理の流れを示す図である。
確率分布作成部１１６は、予測対象日に対応する季節情報を特定する（Ｓ３２１）。なお、上述したように、季節情報は予測対象日に応じて所定のルールにより決定されるものとするが、確率分布作成部１１６が季節情報の入力を受け付けるようにしてもよい。
確率分布作成部１１６は、誤差データ記憶部１３５から季節情報に対応する平均値μおよび標準偏差σを読み出し（Ｓ３２２）、読み出した平均値μおよび標準偏差σを用いて、時間帯ごとに予測誤差ｅに係る正規分布の確率密度関数ｆ（ｅ）を作成する（Ｓ３２３）。
確率分布作成部１１６は、１０，３０，５０，７０，９０をそれぞれＸとして、時間帯についての確率密度関数ｆ（ｅ）から予測誤差についてのＸパーセンタイル値を求め（Ｓ３２４）、時間帯の気温の予測値に予測誤差のＸパーセンタイル値を加算して、気温予測値のＸパーセンタイル値を算出する（Ｓ３２５）。
図３３に戻り、上記の処理を各時間帯について行った後、予測値出力部１１７は、３０分単位の時間帯の予測値を作成する（Ｓ３０６）。
図３５は、３０分単位の時間帯の予測値を算出する処理の流れを示す図である。
予測値出力部１１７は、各時間帯ｉについて、１０，３０，５０，７０，９０をＸとして、当該時間帯ｉのひとつ前の時間帯ｉ−１に係る気温予測値のＸパーセンタイル値をＴｉ−１ Ｘとし（Ｓ３４１）、当該時間帯ｉに係る気温予測値のＸパーセンタイル値をＴｉ Ｘとし（Ｓ３４２）、当該時間帯ｉの次の時間帯ｉ＋１に係る気温予測値のＸパーセンタイル値をＴｉ＋１ Ｘとして（Ｓ３４３）、次式により当該時間帯ｉの正時から始まる３０分の時間帯ｉＡに係る気温の予測値ｉＡＸを算出する（Ｓ３４４）。
また、予測値出力部１１７は、次式により当該時間帯ｉの正時の３０分後から始まる３０分の時間帯ｉＢに係る気温の予測値ｉＢＸとして算出する（Ｓ３４５）。
図３３に戻り、予測値出力部１１７は３０分の時間帯の気温予測値の確率分布（１０，３０，５０，７０，９０パーセンタイル値）を気温の予測値として出力する（Ｓ３０７）。
図３６は、予測値出力部１１７により出力される気温の予測値の一例を示す図である。同図に示すように、予測値出力部１１７は、１Ａないし２４Ｂまでの３０分の時間帯ｉＡ，ｉＢのそれぞれについて、気温予測値の１０％値（予測値ｉＡ１０％，ｉＢ１０％）、３０％値（予測値ｉＡ３０％，ｉＢ３０％）、５０％値（予測値ｉＡ５０％，ｉＢ５０％）、７０％値（予測値ｉＡ７０％，ｉＢ７０％）および９０％値（予測値ｉＡ９０％，ｉＢ９０％）を出力している。このように、予測値出力部１１７は、気温の予測値をそのばらつきを含めて一覧で表示することができる。よって、ユーザは気温の予測についてより詳細に把握することが可能となる。
＝＝＝気温予測の効果＝＝＝
以上説明したように、本実施形態の気温予測装置１０によれば、過去の気温の実績値に基づいて１日の気温の変化を表す基準カーブを作成し、当該基準カーブに基づいて気温の予測を行うことができる。したがって、たとえば過去の気温の実績値の平均値や中央値を現在の気温とするのではなく、１日の気温の変化の傾向に応じて気温を予測することが可能となり、予測精度が向上することが期待される。
また、本実施形態の気温予測装置１０では、最低気温から最高気温までの間の変化を表すように正規化した値を基準カーブとして用いている。したがって、気温差の幅や、最低最高気温の高低によらず、気温の変化に着目した分析を行うことができる。よって、気温の変化の傾向を把握し、気温予測に生かすことが可能となり、予測精度の向上が期待される。
また、地域によって１日の気温の変化具合は異なることがあるところ、本実施形態の気温予測装置１０では、地域ごとに基準カーブを作成している。したがって、本実施形態の基準カーブは地域に特徴的な温度の変化を適切に表すことが可能となり、気温の予測精度を向上させることができる。
また、日によって１日の気温の変化具合は異なることがあるところ、本実施形態の気温予測装置１０では、日付ごとに基準カーブを作成している。したがって、基準カーブは季節等の特徴を反映させるとともに、日によって特徴的な温度の変化を反映させて、１日の温度変化を表すことが可能となり、気温の予測精度を向上させることができる。
また、本実施形態の気温予測装置１０によれば、基準カーブによる気温の予測値に係る予測誤差を算出し、予測誤差による修正を行っている。したがって、予測精度を向上することができる。
また、本実施形態の気温予測装置１０では、予測誤差の確率分布から気温予測値の確率分布を生成している。これにより、気温予測値のばらつきを把握することが可能となり、気温に基づく意思決定に有用である。また、本実施形態の気温予測装置１０では、時間帯ごとに誤差データを管理しているので、時間帯によって予測誤差にばらつきが出る場合にも対応して予測精度を高く保つことができる。
なお、本実施形態では、気温予測装置１０は１台のコンピュータであるものとしたが、複数台のコンピュータにより実現することもできる。たとえば、複数台のコンピュータにより１台の仮想コンピュータを実現するようにすることもできるし、機能部を実装した処理コンピュータと、記憶部を実装したデータベースサーバとからシステムを構成するようにすることもできる。また、気象データ（気象庁による予報値および計測器による計測結果を含む。）を管理する気象サーバを設け、気象予測装置１０がこの気象サーバに問い合わせを行うようにしてもよい。
また、本実施形態では、気温予測は気温予測装置１０のみによって行うものとしたが、これに限らず、たとえば、基準カーブを作成するコンピュータと、誤差を分析するコンピュータと、予測を行うコンピュータとを別のコンピュータとすることもできる。
また、本実施形態では、予測誤差を平均することにより基準カーブを求めるものとしたが、これに限らず、たとえば曲線あてはめにより近似式を求めて基準カーブとしてもよい。
また、本実施形態では、地域および日付ごとに基準カーブを作成して基準カーブ記憶部１３３に記憶するものとしたが、これに限らず、各地域に共通した日付ごとに１つの基準カーブを作成して記憶するようにしてもよいし、地域および季節ごとの基準カーブを作成して記憶するようにしてもよい。各地域に共通した季節ごとの基準カーブを作成して記憶するようにしてもよい。
また、本実施形態では、季節ごとに予測誤差の統計値（平均値μおよび標準偏差σ）を求めて誤差データ記憶部１３５に記憶するものとしたが、全体で１つの予測誤差の統計値を求めて記憶するようにしてもよいし、地域ごとに予測誤差の統計値を求めて記憶するようにしてもよい。また、地域と季節とに対応する予測誤差の統計値を求めて記憶するようにしてもよい。
＝＝＝需要予測の効果＝＝＝
以上のように予測装置１００の気温予測部１０２は、気温予測装置１０により予測した気温の予測値を取得し、これを用いて需要予測部１０３は電力需要量の予測を行うことができる。上述したように、本実施形態の気温予測装置１０によれば、予測精度の向上が期待され、電力需要量は気温による冷暖房需要に大きく影響されることから、需要予測部１０３による電力需要量の予測精度の向上も期待される。
なお、本実施形態では、気温予測装置１０を予測装置１００とは異なるコンピュータであるものとしたが、予測装置１００が気温予測装置１０の機能部及び記憶部を備えるようにして、予測装置１００が基準カーブを用いた本実施形態に係る気温の予測手法を用いるようにしてもよい。
＝＝＝結言＝＝＝
以上より、上記各実施形態は、次のように記載できる。
上記各実施形態は、電力取引における利益値（Ｙ）を予測する予測システムであって、電力取引が行われる時間帯Ｐの複数の日の気象情報を記憶する第１の記憶部（上記実施形態では、データテーブルＭ６に対応）と、電力需要量と発電費用との関係を表すデータを記憶する第２の記憶部（上記実施形態では、データテーブルＭ１、Ｍ２により算出された限界費用線に関するデータに対応）と、時間帯Ｐにおける電力取引量及びと取引価格を記憶する第３の記憶部（上記実施形態では、データテーブルＭ３に対応）と、気温と電力需要量との関係を表すデータを記憶する第４の記憶部（上記実施形態では、式（１３）、式（１５）、式（１７）、式（１８）、式（１９）に対応）と、時間帯Ｐの複数の日の気象情報に基づいて、時間帯Ｐの予測気温の確率分布データを算出する気温予測部（１０２）と、予測気温の確率分布データと、気温と電力需要量との関係を表すデータと、に基づいて、時間帯Ｐの電力需要量（Ｎ）の確率分布データを算出する需要予測部（１０３、１０３’）と、電力需要量の確率分布データ、前記電力需要量と発電費用を対応付けるデータ、及び電力取引における取引量（Ｃ）とから算出される前記取引量の電力取引を行う場合の発電費用の変化費用と、前記取引量の電力取引を行う場合の取引価格との差に基づいて、電力取引における利益値の確率分布データを算出する利益予測部（１０４）と、を有することを特徴とする予測システムを開示するものである。
これによって、電力供給者は、電力取引を行った場合の利益額の確率分布（例えば、ぶれ幅）を認識することが可能となる。
ここで、予測システムは、測定がなされた時と関連付けて記憶された測定気温に関する過去のデータを記憶する第５の記憶部（上記実施形態では、データテーブルＭ４に対応）と、測定がなされた時と関連付けて記憶された電力需要量に関する過去のデータを記憶する第６の記憶部（上記実施形態では、データテーブルＭ７に対応）を更に有し、需要予測部は、測定気温に関する過去のデータと、電力需要量に関する過去のデータに基づいて、気温と電力需要量の回帰式（上記実施形態では、式（１３）、式（１５）、式（１７）、式（１８）、式（１９）に対応）を算出し、回帰式と予測気温の確率分布データに基づいて、時間帯Ｐの電力需要量の確率分布データを算出するものであってもよい。このとき、需要予測部は、少なくとも予測気温と略摂氏１８度の差と、予測気温と略摂氏１８度の差の二乗を説明変数として、回帰式を算出する。また、予測システムは、時間帯Ｐの電力需要量の予測基準値を記憶する第７の記憶部（上記実施形態では、データテーブルＭ９に対応）を更に備え、回帰式は、予測気温の確率分布データに基づく、電力需要量の予測基準値からの変動量を表す回帰式（上記実施形態では、式（１７）、式（１８）、式（１９）に対応）であってもよい。
これによって、電力供給者は、気温の確率分布を電力需要量の確率分布に正確に反映させることができる。
ここで、利益予測部は、利益値の確率分布データに基づいて、利益値が最大となる電力取引量を算出するものであってもよい。
これによって、電力供給者は、利益の最大化を図ることができる。
ここで、第２の記憶部に記憶された電力需要量と発電費用との関係を表すデータは、複数の発電手段の発電可能量と、複数の発電手段の単位発電量あたりの発電費用と、複数の発電手段に対する稼働優先度に基づいて算出された限界費用線に関するデータであってもよい。
ここで、第３の記憶部に記憶された時間帯Ｐの電力取引量と取引価格との関係を表すデータは、単位発電量あたりの取引価格に基づいて、電力取引量に応じた取引価格を算出するデータであってもよい。
また、上記各実施形態は、電力取引における利益値を予測する予測方法であって、時間帯Ｐの複数の日の気象情報に基づいて、時間帯Ｐの予測気温の確率分布データを算出する気温予測工程と、予測気温の確率分布データと、気温と電力需要量との関係を表すデータとに基づいて、時間帯Ｐの電力需要量の確率分布データを算出する需要予測工程と、電力需要量の確率分布データ、電力需要量と発電費用を対応付けるデータ、及び電力取引における取引量とから算出される前記取引量の電力取引を行う場合の発電費用の変化費用と、前記取引量の電力取引を行う場合の取引価格との差に基づいて、電力取引における利益値の確率分布データを算出する利益予測工程と、を有することを特徴とする予測方法を開示するものである。
これによって、電力供給者は、電力取引を行った場合の利益額の確率分布（例えば、ぶれ幅）を認識することが可能となる。
以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、請求の範囲を限定するものではない。請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。
１００ 予測装置
１０１ 取得部
１０２ 気温予測部
１０３ 需要予測部
１０４ 利益予測部
１０５ 提示部
２００ 取引情報提供装置
３００ 通信網
４００ 気象情報提供装置
５００ 需要情報提供装置
Ｐ 予測対象の時間帯

Claims (7)

  1. 電力の需要量を予測するシステムであって、
    気象情報を記憶する第１の記憶部と、
    気温および前記需要量の関係を表すデータを記憶する第３の記憶部と、
    日照時間および前記需要量の関係を表すデータを記憶する第４の記憶部と、
    前記気象情報に基づいて予測気温の確率分布データを算出する気温予測部と、
    前記日照時間の予測値を取得する日照時間予測部と、
    前記気温および需要量の関係を表すデータ、前記日照時間および需要量の関係を表すデータ、前記予測気温の確率分布データ、ならびに前記日照時間の予測値に基づいて、前記需要量の確率分布データを算出する需要予測部と、
    を備えることを特徴とする電力需要量予測システム。
  2. 請求項１に記載の電力需要量予測システムであって、
    前記日照時間予測部は、前記日照時間の予測値の確率分布データを前記日照時間の予測値として取得すること、
    を特徴とする電力需要量予測システム。
  3. 請求項１又は２に記載の電力需要量予測システムであって、
    測定気温に関する過去のデータを記憶する第５の記憶部と、
    電力の需要量に関する過去のデータを記憶する第６の記憶部と、
    日照時間に関する過去のデータを記憶する第７の記憶部と、
    を更に備え、
    前記需要予測部は、前記測定気温に関する過去のデータと、前記需要量に関する過去のデータと、前記日照時間に関する過去のデータとに基づいて、気温及び日照時間と需要量との回帰式を算出し、前記回帰式と前記予測気温の確率分布データと前記日照時間の予測値とに基づいて、前記需要量の確率分布データを算出すること、
    を特徴とする電力需要量予測システム。
  4. 請求項３に記載の電力需要量予測システムであって、
    前記需要予測部は、少なくとも前記予測気温と略摂氏１８度の差と、前記予測気温と略摂氏１８度の差の二乗と、前記日照時間とを説明変数として、前記回帰式を算出すること、
    を特徴とする電力需要量予測システム。
  5. 請求項１に記載の電力需要量予測システムであって、
    時間帯ごとの気温の実績値を記憶する実績値記憶部と、
    前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成する基準カーブ作成部と、を更に備え、
    前記気温予測部は、最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの予測気温を算出し、
    前記電力需要量予測システムは、
    前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得する最高最低気温取得部と、
    前記最高気温および前記最低気温の前記過去の予測値を与えて前記気温予測部に過去の前記予測気温を算出させ、前記過去の予測気温の予測誤差を算出する予測誤差算出部と、
    を更に備え、
    前記気温予測部は、前記最高気温および前記最低気温ならびに前記基準カーブに基づいて将来の前記予測気温を算出し、前記将来の予測気温と前記予測誤差とに基づいて、前記予測気温の確率分布データを算出すること、
    を特徴とする電力需要量予測システム。
  6. 電力の需要量を予測する方法であって、
    コンピュータが、
    気象情報を記憶するステップと、
    気温および前記需要量の関係を表すデータを記憶するステップと、
    日照時間および前記需要量の関係を表すデータを記憶するステップと、
    前記気象情報に基づいて予測気温の確率分布データを算出するステップと、
    前記日照時間の予測値を取得するステップと、
    前記気温および需要量の関係を表すデータ、前記日照時間および需要量の関係を表すデータ、前記予測気温の確率分布データ、ならびに前記日照時間の予測値に基づいて、前記需要量の確率分布データを算出するステップと、
    を実行することを特徴とする電力需要量予測方法。
  7. 電力の需要量を予測するためのプログラムであって、
    コンピュータに、
    気象情報を記憶するステップと、
    気温および前記需要量の関係を表すデータを記憶するステップと、
    日照時間および前記需要量の関係を表すデータを記憶するステップと、
    前記気象情報に基づいて予測気温の確率分布データを算出するステップと、
    前記日照時間の予測値を取得するステップと、
    前記気温および需要量の関係を表すデータ、前記日照時間および需要量の関係を表すデータ、前記予測気温の確率分布データ、ならびに前記日照時間の予測値に基づいて、前記需要量の確率分布データを算出するステップと、
    を実行させるためのプログラム。
JP2015043338A 2015-03-05 2015-03-05 電力需要量予測システム、電力需要量予測方法及びプログラム Active JP6520228B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015043338A JP6520228B2 (ja) 2015-03-05 2015-03-05 電力需要量予測システム、電力需要量予測方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015043338A JP6520228B2 (ja) 2015-03-05 2015-03-05 電力需要量予測システム、電力需要量予測方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2016163511A true JP2016163511A (ja) 2016-09-05
JP6520228B2 JP6520228B2 (ja) 2019-05-29

Family

ID=56847534

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015043338A Active JP6520228B2 (ja) 2015-03-05 2015-03-05 電力需要量予測システム、電力需要量予測方法及びプログラム

Country Status (1)

Country Link
JP (1) JP6520228B2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018116700A (ja) * 2017-01-13 2018-07-26 富士通株式会社 推定プログラム、推定方法および推定装置
CN111222285A (zh) * 2019-12-31 2020-06-02 国网安徽省电力有限公司 基于声纹和神经网络的变压器高有功值预测方法
WO2020110297A1 (ja) * 2018-11-30 2020-06-04 三菱電機株式会社 取引価格予測装置および取引価格予測方法
US11789436B2 (en) 2020-01-06 2023-10-17 Mitsubishi Heavy Industries, Ltd. Diagnosing device, diagnosing method, and program

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116988960A (zh) * 2022-04-25 2023-11-03 纬创资通(昆山)有限公司 适于空气压缩机群组的最佳化系统及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08145436A (ja) * 1994-11-25 1996-06-07 Toshiba Corp ビルの冷暖房需要予測方法及び空調特性獲得方法
JP2009294969A (ja) * 2008-06-06 2009-12-17 Mitsubishi Electric Corp 需要予測方法および需要予測装置
JP2011142790A (ja) * 2010-01-08 2011-07-21 Fuji Electric Co Ltd 太陽光発電量予測システムおよび太陽光発電量予測方法
US20140122181A1 (en) * 2012-09-15 2014-05-01 Honeywell International Inc. Demand response load forecaster
JP5592576B1 (ja) * 2014-01-29 2014-09-17 中国電力株式会社 電力算出装置、電力算出装置の制御方法及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08145436A (ja) * 1994-11-25 1996-06-07 Toshiba Corp ビルの冷暖房需要予測方法及び空調特性獲得方法
JP2009294969A (ja) * 2008-06-06 2009-12-17 Mitsubishi Electric Corp 需要予測方法および需要予測装置
JP2011142790A (ja) * 2010-01-08 2011-07-21 Fuji Electric Co Ltd 太陽光発電量予測システムおよび太陽光発電量予測方法
US20140122181A1 (en) * 2012-09-15 2014-05-01 Honeywell International Inc. Demand response load forecaster
JP5592576B1 (ja) * 2014-01-29 2014-09-17 中国電力株式会社 電力算出装置、電力算出装置の制御方法及びプログラム

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018116700A (ja) * 2017-01-13 2018-07-26 富士通株式会社 推定プログラム、推定方法および推定装置
JP7069732B2 (ja) 2017-01-13 2022-05-18 富士通株式会社 推定プログラム、推定方法および推定装置
WO2020110297A1 (ja) * 2018-11-30 2020-06-04 三菱電機株式会社 取引価格予測装置および取引価格予測方法
JP6752369B1 (ja) * 2018-11-30 2020-09-09 三菱電機株式会社 取引価格予測装置および取引価格予測方法
CN113168656A (zh) * 2018-11-30 2021-07-23 三菱电机株式会社 交易价格预测装置以及交易价格预测方法
CN113168656B (zh) * 2018-11-30 2023-11-14 三菱电机株式会社 交易价格预测装置以及交易价格预测方法
CN111222285A (zh) * 2019-12-31 2020-06-02 国网安徽省电力有限公司 基于声纹和神经网络的变压器高有功值预测方法
US11789436B2 (en) 2020-01-06 2023-10-17 Mitsubishi Heavy Industries, Ltd. Diagnosing device, diagnosing method, and program

Also Published As

Publication number Publication date
JP6520228B2 (ja) 2019-05-29

Similar Documents

Publication Publication Date Title
JP6018106B2 (ja) 予測システム、予測方法
Bello et al. Medium-term probabilistic forecasting of electricity prices: A hybrid approach
JP6079215B2 (ja) 電力需要予測装置、プログラム
JP6520228B2 (ja) 電力需要量予測システム、電力需要量予測方法及びプログラム
US20050197774A1 (en) Method, program, and system for estimating weather risk
US8818889B2 (en) Technique for aggregating an energy service
JP2013066318A (ja) 電力需要予測システムおよび方法
JP5078128B2 (ja) 動作方法、予測誤差補填装置、気象発電計画装置、およびプログラム
Feng et al. Toward scalable stochastic unit commitment. Part 1: load scenario generation
Dragoon Valuing wind generation on integrated power systems
JP2014220971A (ja) 電力需要予測装置、電力需要予測方法および電力需要予測プログラム
JP2020149475A (ja) 予測装置、予測方法及びコンピュータプログラム
JP6519385B2 (ja) ベースライン負荷推定装置及びベースライン負荷推定プログラム
WO2022168357A1 (ja) 発電量管理システム及び発電量管理方法
Boero et al. The microeconomics of residential photovoltaics: Tariffs, network operation and maintenance, and ancillary services in distribution-level electricity markets
JP6519215B2 (ja) 電力取引支援システム、電力取引支援方法及びプログラム
US20180225684A1 (en) Strategic operation of variable generation power plants
JP6467953B2 (ja) 気温予測システム、気温予測方法およびプログラム
JP2023100466A (ja) 電力需要予測装置及び電力需要予測方法
Evans et al. The role of storage in a competitive electricity market and the effects of climate change
Tao et al. Exploring the impact of boundedly rational power plant investment decision-making by applying prospect theory
JP6520142B2 (ja) 最適取引量決定システム、最適取引量決定方法及びプログラム
JP6507734B2 (ja) 電力取引量決定システム、電力取引量決定方法およびプログラム
JP6018105B2 (ja) 予測システム、予測方法
JP2019046467A (ja) 電力取引支援装置及び電力取引支援方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180221

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181126

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181211

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190122

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190315

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: 20190402

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190415

R150 Certificate of patent or registration of utility model

Ref document number: 6520228

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250