JP2016201869A - Energy management method and energy management system - Google Patents

Energy management method and energy management system Download PDF

Info

Publication number
JP2016201869A
JP2016201869A JP2015078688A JP2015078688A JP2016201869A JP 2016201869 A JP2016201869 A JP 2016201869A JP 2015078688 A JP2015078688 A JP 2015078688A JP 2015078688 A JP2015078688 A JP 2015078688A JP 2016201869 A JP2016201869 A JP 2016201869A
Authority
JP
Japan
Prior art keywords
power
prediction
demand
predicted value
generator
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.)
Pending
Application number
JP2015078688A
Other languages
Japanese (ja)
Inventor
横山 隆一
Ryuichi Yokoyama
隆一 横山
大樹 山下
Daiki Yamashita
大樹 山下
赤津 一二
Kazuji Akatsu
一二 赤津
欣弥 赤津
Kinya Akatsu
欣弥 赤津
佐藤 良一
Ryoichi Sato
良一 佐藤
治次 柴田
Haruji Shibata
治次 柴田
重幸 辻
Shigeyuki Tsuji
重幸 辻
Original Assignee
レモンガス株式会社
Lemongas Co Ltd
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 レモンガス株式会社, Lemongas Co Ltd filed Critical レモンガス株式会社
Priority to JP2015078688A priority Critical patent/JP2016201869A/en
Publication of JP2016201869A publication Critical patent/JP2016201869A/en
Pending legal-status Critical Current

Links

Images

Abstract

PROBLEM TO BE SOLVED: To provide an energy management technology that enables operation based on demand prediction and is applicable to a co-generation system for a medium-scale facility such as a multiple dwelling house.SOLUTION: A co-generation system comprises: a gas power generator 11 including a control unit 30; a hot water storage tank 12; a power reception device 14 for receiving system power 13; a gas boiler 15; a power load 16; a heat load 17; a recording device; and a system control device 20. The system control device 20 includes: a power demand prediction unit; a heat demand prediction unit; an operation planning unit; an instruction unit; and a purchasing power amount limitation unit. The power demand prediction unit, the heat demand prediction unit, and the operation planning unit are a personal computer's arithmetic functions; the instruction unit is a programmable logic controller (PLC).SELECTED DRAWING: Figure 1

Description

本発明は、コジェネレーションシステムに対するエネルギマネジメント技術に関する。   The present invention relates to an energy management technique for a cogeneration system.
エネルギ利用効率の観点および災害時のエネルギ確保という観点から、集合住宅、ホテル、病院、老人ホーム、公共施設、複合商業施設等(本願明細書では、便宜的に中規模施設という)において、コジェネレーションシステムの導入が検討されている(例えば、特許文献1)。   From the viewpoint of energy use efficiency and securing energy during disasters, cogeneration in collective housing, hotels, hospitals, nursing homes, public facilities, complex commercial facilities, etc. (referred to herein as medium-scale facilities for convenience) The introduction of a system has been studied (for example, Patent Document 1).
コジェネレーションシステムは、石油やLPガス、都市ガス等の燃料を用いて、内燃機関を作動させ、その動力は発電機の駆動に用いられ、その排熱を熱交換器により顕熱回収して熱媒或いは水を加熱して、熱とて供給するものである。内燃機関に替えて燃料電池を用いても良い。   A cogeneration system uses an oil, LP gas, city gas, or other fuel to operate an internal combustion engine, and its power is used to drive a generator. The exhaust heat is recovered by sensible heat using a heat exchanger. The medium or water is heated and supplied as heat. A fuel cell may be used instead of the internal combustion engine.
コジェネレーションシステムでは、電力と熱が同時に発生する。そのため、エネルギ利用効率の観点から電力需要と熱需要のマッチングが重要である。しかし、電力需要と熱需要とが一致するとは限らない。すなわち、熱需要の少ないときに発電すると、発生した余剰熱を蓄熱手段(例えば、貯湯タンク)に蓄熱するが、貯湯タンクの蓄熱量には限界がある。また、蓄熱状態での熱損失も考慮する必要がある。一方、電力需要の少ないときは、熱需要を賄うべく運転すると余剰電力が発生する。電力会社等へ売電できない場合、或いは、売電すると不経済となる場合もある。   In a cogeneration system, power and heat are generated simultaneously. Therefore, matching of electric power demand and heat demand is important from the viewpoint of energy utilization efficiency. However, power demand and heat demand do not always coincide. That is, when power is generated when there is little heat demand, the generated surplus heat is stored in a heat storage means (for example, a hot water storage tank), but there is a limit to the amount of heat stored in the hot water storage tank. Moreover, it is necessary to consider the heat loss in the heat storage state. On the other hand, when the power demand is small, surplus power is generated when the operation is performed to cover the heat demand. In some cases, it is not possible to sell power to an electric power company or the like, or it becomes uneconomical to sell power.
したがって、事前に最適となる運用計画を検討する必要がある。そのためにも、需要予測が重要である。   Therefore, it is necessary to consider an optimal operation plan in advance. To that end, demand forecasting is important.
ところで、広域な電力系統を運用する大手電力事業者は、綿密な電力需要予測を行っている(例えば、特許文献2)。   By the way, a major electric power company that operates a wide-area electric power system makes a thorough prediction of electric power demand (for example, Patent Document 2).
特開2010−226850号公報JP 2010-226850 A 特開2009−225613号公報JP 2009-225613 A
大手電力事業者は広域の電力需要者を対象としており、統計データのサンプル数が膨大であるため、個別の要因の変動を無視でき、精度の良い電力需要予測が可能である。   Major power companies are targeting power consumers in a wide area, and because the number of samples of statistical data is enormous, fluctuations in individual factors can be ignored and accurate power demand prediction is possible.
これに対し、集合住宅等では、十数〜数百の電力需要者を対象としている。各電力需要者(各家庭)のライフスタイルはバラバラであり、個別の要因の変動に起因する誤差が大きく、既存の需要予測技術を適用することが難しかった。また、熱需要予測に関しては、従来技術が少ない。   On the other hand, collective housing and the like are intended for dozens to hundreds of power consumers. The lifestyle of each electric power consumer (each household) is disjoint and there are large errors due to fluctuations in individual factors, making it difficult to apply existing demand forecasting technology. Moreover, there are few prior arts regarding heat demand prediction.
その結果、充分高精度な電力需要予測および熱需要予測ができず、最適な運用計画を立てることが難しい。一方、コジェネレーションシステムは出力制御を行う。運用計画が不適切であると、出力制御の意義が没却してしまう(効率的なエネルギ利用ができない)。   As a result, power demand prediction and heat demand prediction with sufficiently high accuracy cannot be made, and it is difficult to make an optimal operation plan. On the other hand, the cogeneration system performs output control. If the operation plan is inadequate, the significance of output control will be lost.
なお、家庭用のホームエネルギマネージメントシステム(HEMS)においては、一家庭の需要変動は集合住宅等に比べて規則性があり、需要予測は容易である。また、需要予測が外れた場合でも、家庭のエネルギ需要は限定的であり、損害も限定的である。   In a home energy management system (HEMS) for home use, fluctuations in demand for one household are more regular than for apartment houses, and demand prediction is easy. Even if the demand forecast is not met, household energy demand is limited and damage is also limited.
これに対し、集合住宅等では、一家庭に比べてエネルギ需要が多く、需要予測が外れた場合の損害も大きくなる。   On the other hand, in a housing complex or the like, there is more energy demand than in a single family, and the damage caused when the demand forecast is missed increases.
本発明は上記課題を解決するものであり、需要予測に基づいて運用可能であり、集合住宅、ホテル、病院、老人ホーム、公共施設、複合商業施設等の中規模施設のコジェネレーションシステムに適用可能なおよびエネルギマネージメント技術を提供することを目的とする。   The present invention solves the above-mentioned problems, can be operated based on demand prediction, and can be applied to a cogeneration system for medium-scale facilities such as apartment houses, hotels, hospitals, nursing homes, public facilities, complex commercial facilities, etc. The purpose is to provide energy management technology.
上記課題を解決する本発明は、コジェネレーションシステムに適用するエネルギマネージメント方法である。コジェネレーションシステムは、制御部を有する発電機と、貯湯タンクと、系統電力を含む外部電力を受電する外部電力受電装置と、システム制御装置と、記録装置と、電力負荷と、熱負荷とを備える。
該システム制御装置は、
該記録装置の記録データに基づいて該電力負荷の電力需要を予測する電力需要予測ステップと、
該記録装置の記録データに基づいて該熱負荷の熱需要を予測する熱需要予測ステップと、
該電力需要予測および熱需要予測に基づいて、該発電機の稼働/停止に係る運用計画を作成する運用計画ステップと、
該運用計画に基づいて、発電機に稼働/停止を指令する指令ステップと
を実行する。
該発電機の制御部は、
該稼働/停止指令を受令する受令ステップと、
稼働指令を受令すると、該電力負荷の電力需要に基づいて、発電機の出力制御をおこなう出力制御ステップと
を実行する。
The present invention for solving the above problems is an energy management method applied to a cogeneration system. The cogeneration system includes a generator having a control unit, a hot water storage tank, an external power receiving device that receives external power including system power, a system control device, a recording device, a power load, and a heat load. .
The system controller is
A power demand prediction step of predicting the power demand of the power load based on the recording data of the recording device;
A heat demand prediction step for predicting the heat demand of the heat load based on the recording data of the recording device;
An operation plan step for creating an operation plan related to the operation / stop of the generator based on the power demand prediction and the heat demand prediction;
Based on the operation plan, a command step for commanding the generator to operate / stop is executed.
The control unit of the generator is
An ordering step for accepting the operation / stop instruction;
When the operation command is received, an output control step for performing output control of the generator based on the power demand of the power load is executed.
すなわち、システム制御装置は、発電機の稼働/停止のみ判断し、出力制御を行わない。出力制御に対応可能な需要予測を検討すると、高精度な需要予測が要求される。一方で、発電機の稼働/停止のみの判断であれば、比較的、高精度な需要予測が要求されない。したがって、需要予測が適用可能であり、需要予測に基づいて運用可能である。更に、後述のように需要予測の精度を向上させるとなお良い。   That is, the system control device determines only the operation / stop of the generator and does not perform output control. Considering demand forecasts that can support output control, demands for highly accurate demand forecasts are required. On the other hand, if the determination is only for the operation / stop of the generator, relatively high-precision demand prediction is not required. Therefore, demand forecast is applicable and can be operated based on demand forecast. Furthermore, it is better to improve the accuracy of demand prediction as will be described later.
上記発明において好ましくは、前記電力需要予測ステップおよび熱需要予測ステップでは、
線形解析による第1予測値を得る線形予測ステップと、
非線形解析による第2予測値を得る非線形予測ステップと、
該記録装置の記録データより、該第1予測値および第2予測値に対応する実測値を得る実測値取得ステップと、
過去の第1予測値と第2予測値と実測値とに基づいて、第1予測値および第2予測値の重み付けを行う定式化ステップと、
対象時刻の第1予測値と第2予測値と該重み付けとに基づいて、第3予測値を得る複合予測ステップと、
を実行する。
In the above invention, preferably, in the power demand prediction step and the heat demand prediction step,
A linear prediction step for obtaining a first predicted value by linear analysis;
A nonlinear prediction step for obtaining a second predicted value by nonlinear analysis;
An actual value acquisition step of obtaining actual values corresponding to the first predicted value and the second predicted value from the recording data of the recording device;
A formulation step of weighting the first predicted value and the second predicted value based on the past first predicted value, second predicted value, and actual measured value;
A composite prediction step for obtaining a third predicted value based on the first predicted value, the second predicted value, and the weight of the target time;
Execute.
これにより、線形予測および非線形予測の長所を維持しながら短所を補うことができる。すなわち、予測精度を維持しながら、突発的な変動にも対応できる。また、自動的に、線形解析/非線形解析の適否を判断できる。その結果、需要予測精度が向上し、集合住宅等の中規模施設にも需要予測を適用できる。   Thus, the disadvantages can be compensated while maintaining the advantages of linear prediction and nonlinear prediction. That is, it is possible to cope with sudden fluctuations while maintaining the prediction accuracy. In addition, the suitability of linear analysis / nonlinear analysis can be automatically determined. As a result, the demand prediction accuracy is improved, and the demand prediction can be applied to a medium-scale facility such as an apartment house.
上記発明において好ましくは、前記線形予測ステップおよび非線形予測ステップでは、インプットパラメータとして、記録データより同時刻の実測値およびピーク実測値を用いる。   In the above invention, preferably, in the linear prediction step and the non-linear prediction step, an actual measurement value and a peak actual measurement value at the same time are used as input parameters from the recorded data.
同時刻の実測値との相関により、需要予測曲線の形を近似できる。一方、ピーク実測値との相関により、需要予測曲線の縦軸方向(需要量)を修正できる。その結果、需要予測精度が向上する。   The shape of the demand prediction curve can be approximated by the correlation with the actual measurement value at the same time. On the other hand, the vertical axis direction (demand amount) of the demand prediction curve can be corrected based on the correlation with the actually measured peak value. As a result, the demand prediction accuracy is improved.
上記発明において好ましくは、前記電力需要予測ステップおよび熱需要予測ステップでは、
一定期間を複数期間に分割し、各時刻の予測値を求めて需要予測曲線を得る長期予測ステップと、
直近の次時刻の予測値を求める短期予測ステップと、
該短期予測ステップの予測値と、対応する該長期予測ステップの予測値とを比較し、誤差を求める誤差確認ステップと、
誤差が閾値以上の場合は、以降の各時刻の予測値を求めて需要予測曲線を修正する需要予測曲線修正ステップと
を実行する。
In the above invention, preferably, in the power demand prediction step and the heat demand prediction step,
A long-term forecasting step of dividing a certain period into a plurality of periods, obtaining a forecast value at each time and obtaining a demand forecast curve,
A short-term prediction step for obtaining a predicted value of the next next time;
Comparing the predicted value of the short-term prediction step with the corresponding predicted value of the long-term prediction step to obtain an error;
If the error is greater than or equal to the threshold value, a demand forecast curve correcting step of correcting the demand forecast curve by obtaining a predicted value at each subsequent time is executed.
短期予測ステップでは、直近の実測値を反映させることができる。需要予測曲線を修正することで、需要予測精度が向上する。   In the short-term prediction step, the latest measured value can be reflected. The demand forecast accuracy is improved by correcting the demand forecast curve.
上記発明において好ましくは、該システム制御装置は、
系統電力受電の上限量を設定するステップと、
系統電力受電が上限量に達する場合、前記運用計画ステップにて発電機停止と判断した場合でも、発電機を稼動する系統電力制限ステップ
を実行する。
Preferably, in the above invention, the system controller is
Setting an upper limit amount of grid power reception;
When the grid power reception reaches the upper limit, the grid power limiting step for operating the generator is executed even if it is determined that the generator is stopped in the operation planning step.
系統電力のピークカットに寄与する。その貢献の対価として、買電基本料金の増額を抑制でき、結果的にエネルギコスト削減になる。   Contributes to system power peak cuts. As a price for this contribution, an increase in the basic power purchase fee can be suppressed, resulting in a reduction in energy costs.
上記課題を解決する本発明は、コジェネレーションシステムに適用可能なエネルギマネージメントシステムである。コジェネレーションシステムは、制御部を有する発電機と、貯湯タンクと、系統電力を含む外部電力を受電する外部電力受電装置と、システム制御装置と、記録装置と、電力負荷と、熱負荷とを備える。
該システム制御装置は、
該記録装置の記録データに基づいて該電力負荷の電力需要を予測する電力需要予測部と、
該記録装置の記録データに基づいて該熱負荷の電力需要を予測する熱需要予測部と、
該電力需要予測および熱需要予測に基づいて、該発電機の稼働/停止に係る運用計画を作成する運用計画部と、
該運用計画に基づいて、発電機に稼働/停止を指令する指令部と
を有する。
該発電機の制御部は、
該稼働/停止指令を受令する受令部と、
稼働指令を受令すると、該電力負荷の電力需要に基づいて、発電機の出力制御をおこなう出力制御部と
を有する。
The present invention that solves the above problems is an energy management system applicable to a cogeneration system. The cogeneration system includes a generator having a control unit, a hot water storage tank, an external power receiving device that receives external power including system power, a system control device, a recording device, a power load, and a heat load. .
The system controller is
A power demand prediction unit that predicts the power demand of the power load based on the recording data of the recording device;
A heat demand prediction unit for predicting the power demand of the heat load based on the recording data of the recording device;
Based on the power demand forecast and heat demand forecast, an operation planning unit that creates an operation plan related to operation / stop of the generator;
And a command unit that commands the generator to operate / stop based on the operation plan.
The control unit of the generator is
A commanding unit for receiving the operation / stop command;
When an operation command is received, an output control unit that performs output control of the generator based on the power demand of the power load is provided.
上記課題を解決する本発明は、コジェネレーションシステムのシステム制御装置である。   The present invention that solves the above problems is a system control device of a cogeneration system.
システム制御装置
記録データに基づいて電力負荷の電力需要を予測する電力需要予測部と、
記録データに基づいて熱負荷の電力需要を予測する熱需要予測部と、
該電力需要予測および熱需要予測に基づいて、発電機の稼働/停止に係る運用計画を作成する運用計画部と、
該運用計画に基づいて、発電機に稼働/停止を指令する指令部と
を有する。
System controller A power demand forecasting unit for forecasting power demand of a power load based on recorded data,
A heat demand prediction unit for predicting the power demand of the heat load based on the recorded data;
An operation planning unit that creates an operation plan related to the operation / stop of the generator based on the power demand prediction and the heat demand prediction;
And a command unit that commands the generator to operate / stop based on the operation plan.
上記課題を解決する本発明は、電力需要および熱需要を含むエネルギ需要予測方法である。
演算装置が、
線形解析による第1予測値を得る線形予測ステップと、
非線形解析による第2予測値を得る非線形予測ステップと、
該記録装置の記録データより、該第1予測値および第2予測値に対応する実測値を得る実測値取得ステップと、
過去の第1予測値と第2予測値と実測値とに基づいて、第1予測値および第2予測値の重み付けを行う定式化ステップと、
対象時刻の第1予測値と第2予測値と該重み付けとに基づいて、第3予測値を得る複合予測ステップと、
を実行する。
This invention which solves the said subject is the energy demand prediction method containing an electric power demand and a heat demand.
Arithmetic unit is
A linear prediction step for obtaining a first predicted value by linear analysis;
A nonlinear prediction step for obtaining a second predicted value by nonlinear analysis;
An actual value acquisition step of obtaining actual values corresponding to the first predicted value and the second predicted value from the recording data of the recording device;
A formulation step of weighting the first predicted value and the second predicted value based on the past first predicted value, second predicted value, and actual measured value;
A composite prediction step for obtaining a third predicted value based on the first predicted value, the second predicted value, and the weight of the target time;
Execute.
本発明のコジェネレーションシステムおよび対応するエネルギマネージメントシステムでは、需要予測の適用が可能である。その結果、需要予測に基づいて運用可能である。また、集合住宅、ホテル、病院、老人ホーム、公共施設、複合商業施設等の中規模施設に適用可能である。   In the cogeneration system and the corresponding energy management system of the present invention, demand prediction can be applied. As a result, it can be operated based on demand forecast. It can also be applied to medium-scale facilities such as apartment houses, hotels, hospitals, nursing homes, public facilities, and complex commercial facilities.
コジェネレーションシステム全体構成図Cogeneration system overall configuration diagram エネルギマネージメントシステム構成図Energy management system configuration diagram コジェネレーションシステム全体構成図(変形例)Cogeneration system overall configuration diagram (modification) エネルギマネージメントフローEnergy management flow 需要予測フローDemand forecast flow ニューラルネットワーク概念図Neural network conceptual diagram アンサンブル予測(複合解析)概念図Ensemble prediction (combined analysis) conceptual diagram エネルギマネージメントシステム運用例Energy management system operation example
〜構成〜
本実施形態の構成について説明する。図1は、本実施形態に係るコジェネレーションシステムの全体構成図である。
~Constitution~
The configuration of this embodiment will be described. FIG. 1 is an overall configuration diagram of a cogeneration system according to the present embodiment.
本実施形態に係るコジェネレーションシステムは、集合住宅、ホテル、病院、老人ホーム、公共施設、複合商業施設等の中規模施設に適用される。本願明細書における中規模施設とは、電力および熱の両方を必要とする複数(多数)の需要家が共在する施設である。集合住宅はマンションおよび地域開発された戸建住宅群を含む。各需要家は、お互い連動することなく、自らの都合に基づき、電力及び熱を消費する。以下、集合住宅への適用例について説明する。   The cogeneration system according to the present embodiment is applied to medium-scale facilities such as apartment houses, hotels, hospitals, nursing homes, public facilities, and complex commercial facilities. The medium-scale facility in the specification of the present application is a facility where a plurality of (many) consumers who require both electric power and heat coexist. Apartment houses include condominiums and community-developed detached houses. Each consumer consumes electric power and heat based on their own convenience without being linked to each other. Hereinafter, an application example to an apartment will be described.
コジェネレーションシステムは、ガス発電機11と、貯湯タンク12と、系統電力13を受電する受電装置14と、ガスボイラ15と、電力負荷16と、熱負荷17と、記録装置18と、システム制御装置20と、を備える。   The cogeneration system includes a gas generator 11, a hot water storage tank 12, a power receiving device 14 that receives system power 13, a gas boiler 15, a power load 16, a heat load 17, a recording device 18, and a system control device 20. And comprising.
ガス発電機11は、石油ガス(LPガス)、都市ガス、を燃料としてエンジンを作動させ、その動力により発電する。そして、エンジンの冷却のためのジャケット排熱や排気ガスの排熱を液体の熱媒(クーラント)を通流して熱交換して、その熱媒(たとえば湯)の熱エネルギを利用する。ガスに替えて石油(灯油等)を燃焼させても良い。ガス発電機に替えてPEFC方式の燃料電池としても良い。   The gas generator 11 operates an engine using petroleum gas (LP gas) and city gas as fuel, and generates electric power using the power. The jacket exhaust heat for cooling the engine and the exhaust heat of the exhaust gas are passed through a liquid heat medium (coolant) to exchange heat, and the heat energy of the heat medium (for example, hot water) is used. Oil (kerosene, etc.) may be burned instead of gas. A PEFC fuel cell may be used instead of the gas generator.
ガス発電機11は1つでも良いが、通常複数のガス発電機が設けられている。ガス発電機11は大量生産された市販品を想定している。ガス発電機11には制御部30が設けられている。   Although the number of the gas generators 11 may be one, usually a plurality of gas generators are provided. The gas generator 11 is assumed to be a mass-produced commercial product. The gas generator 11 is provided with a control unit 30.
貯湯タンク12は、熱エネルギを回収した熱媒を蓄える。断熱材で断熱された液体貯蔵タンクであって、貯蔵量と温度を計測しつつ、バルブ、ポンプ及び給送管路からなる熱媒移送手段により集合住宅の各住戸を並列或いは直接に接続して熱媒が流送されるようになっており、その後全ての熱媒が集められてガス発電機11に環流するようになっている。   The hot water storage tank 12 stores a heat medium that recovers thermal energy. A liquid storage tank insulated with a heat insulating material, measuring the storage amount and temperature, and connecting each dwelling unit of the apartment house in parallel or directly by a heat medium transfer means consisting of a valve, a pump and a feeding pipeline. The heat medium is fed, and then all the heat medium is collected and circulated to the gas generator 11.
なお、還流された熱媒は、エンジンの冷却に用いられる。冷却に不十分な場合は、還流路に設置された放熱器(図示省略)にて所定の温度以下に熱媒が冷却される。   The refluxed heat medium is used for cooling the engine. When the cooling is insufficient, the heat medium is cooled below a predetermined temperature by a radiator (not shown) installed in the reflux path.
熱媒の循環経路において、各住戸に熱交換器が設置されており、熱媒はその全ての熱交換器を流通している。熱交換器では、集合住宅の給水設備から各住戸に配管された水道管路が分岐されて、水道の一部が熱交換器を流通して熱媒と熱交換されて加温されるようになっている。また、各住戸の熱交換器には、各住戸内の暖房又は乾燥端末機の熱源となる住戸内だけを循環する戸内用熱媒が流通されており、集合住宅を循環する熱媒から熱交換されて、戸内の温水以外の熱需要に供するための熱源として利用される。   In the circulation path of the heat medium, a heat exchanger is installed in each dwelling unit, and the heat medium circulates through all of the heat exchangers. In heat exchangers, water pipes piped to the dwelling units from the water supply equipment in the apartment are branched so that a part of the water flows through the heat exchanger and is heat-exchanged with the heat medium to be heated. It has become. In addition, the heat exchanger of each dwelling unit is circulated with a heating medium for indoor use that circulates only in the dwelling unit that serves as a heat source for heating or drying terminals in each dwelling unit. It is exchanged and used as a heat source for heat demand other than hot water in the door.
受電装置14は、大手電力事業者から系統電力13を受電する(買電)する。すなわち、コジェネレーションシステムは、ガス発電機11と系統電力13とから電力供給可能である。ガス発電機11の供給電力が不足する場合や、ガス発電機11停止の場合は、系統電力13を含む外部電力により、電力需要を賄う。   The power receiving device 14 receives (purchases power) the grid power 13 from a major power company. That is, the cogeneration system can supply power from the gas generator 11 and the system power 13. When the supply power of the gas generator 11 is insufficient or when the gas generator 11 is stopped, the power demand is covered by external power including the grid power 13.
ガスボイラ15は、貯湯タンク12を加熱する。すなわち、コジェネレーションシステムは、ガス発電機11とガスボイラ15とから熱供給可能である。ガス発電機11の供給熱が不足する場合や、ガス発電機11停止の場合は、ガスボイラ15により、熱需要を賄う。ガスボイラ15に変えて電気加熱式のボイラを用いても良い。   The gas boiler 15 heats the hot water storage tank 12. That is, the cogeneration system can supply heat from the gas generator 11 and the gas boiler 15. When the supply heat of the gas generator 11 is insufficient or when the gas generator 11 is stopped, the gas boiler 15 covers the heat demand. An electric heating boiler may be used instead of the gas boiler 15.
電力負荷16は、各需要家(家庭)に設けられた電化製品や照明器具等である。各需要家毎に電力需要を検出する検出器が設けられている。   The electric power load 16 is an electric appliance, a lighting fixture, or the like provided in each consumer (home). A detector for detecting the power demand is provided for each consumer.
熱負荷17は、各需要家(家庭)における給湯、床暖房、風呂の追い焚き、乾燥端末機等である。各需要家毎に熱需要を検出する検出器が設けられている。   The heat load 17 includes hot water supply, floor heating, bathing, and a drying terminal in each consumer (home). A detector for detecting the heat demand is provided for each consumer.
記録装置18は、各需要家毎の電力需要および熱需要を記録するとともに、合計値を記録する。   The recording device 18 records the power demand and heat demand for each consumer, and records the total value.
本実施形態の特徴的な構成として、システム制御装置20が付加されている。   As a characteristic configuration of the present embodiment, a system control device 20 is added.
図2は、システム制御装置20を中心とするエネルギマネージメントシステムの構成図である。   FIG. 2 is a configuration diagram of an energy management system centering on the system controller 20.
システム制御装置20は、電力需要予測部21と、熱需要予測部22と、運用計画部23と、指令部24と、買電量制限部25とを有する。具体的には、電力需要予測部21、熱需要予測部22、運用計画部23は、パーソナルコンピュータの演算機能を、指令部24は、プログラマブルロジックコントローラ(PLC)を想定する。すなわち、システム制御装置20は、パーソナルコンピュータとプログラマブルロジックコントローラとからなるユニットである。   The system control device 20 includes a power demand prediction unit 21, a heat demand prediction unit 22, an operation planning unit 23, a command unit 24, and a power purchase amount limiting unit 25. Specifically, the power demand prediction unit 21, the heat demand prediction unit 22, and the operation planning unit 23 assume a computing function of a personal computer, and the command unit 24 assumes a programmable logic controller (PLC). That is, the system control device 20 is a unit composed of a personal computer and a programmable logic controller.
電力需要予測部21は、記録データに基づいて電力負荷16の電力需要を予測する。電力負荷16の需要実測値(記録データ)は、記録装置18に記録されている。   The power demand prediction unit 21 predicts the power demand of the power load 16 based on the recorded data. The actual demand value (recorded data) of the power load 16 is recorded in the recording device 18.
熱需要予測部22は、記録データに基づいて熱負荷17の熱需要を予測する。熱負荷17の需要実測値(記録データ)は、記録装置18に記録されている。   The heat demand prediction unit 22 predicts the heat demand of the heat load 17 based on the recorded data. The actual demand value (recorded data) of the thermal load 17 is recorded in the recording device 18.
運用計画部23は、電力需要予測部21による電力需要予測および熱需要予測部22による熱需要予測に基づいて、一定時間において発電機を稼働すべきか、停止すべきかを判断する。判断の詳細については後述する。一定時間の判断を所定回数繰り返し、稼働ON/OFFに係る運用計画を作成する。   The operation planning unit 23 determines whether the generator should be operated or stopped in a certain time based on the power demand prediction by the power demand prediction unit 21 and the heat demand prediction by the heat demand prediction unit 22. Details of the determination will be described later. An operation plan relating to operation ON / OFF is created by repeating the determination for a predetermined time a predetermined number of times.
運用計画部23は、ボイラ稼働ON/OFFに係る運用計画を作成し、指令部24は、運用計画に基づいて、発電機11に稼働/停止を指令する。   The operation plan unit 23 creates an operation plan related to boiler operation ON / OFF, and the command unit 24 commands the generator 11 to operate / stop based on the operation plan.
さらに、指令部24は、ガスボイラ15に稼働/停止を指令してもよい。   Further, the command unit 24 may command the gas boiler 15 to operate / stop.
買電量制限部25は、予め買電量の上限を記憶しておき、上限量に達する場合、買電ピークカット信号を指令部24に通知する。指令部24は運用計画がOFFである場合でも、発電機11に稼働を指令する。   The power purchase amount limiting unit 25 stores an upper limit of the power purchase amount in advance, and notifies the command unit 24 of a power purchase peak cut signal when the upper limit amount is reached. The command unit 24 commands the generator 11 to operate even when the operation plan is OFF.
ガス発電機11には制御部30が設けられている。制御部30は、受令部31と出力制御部32とを有する。   The gas generator 11 is provided with a control unit 30. The control unit 30 includes an instruction unit 31 and an output control unit 32.
受令部31は、指令部24からの稼働/停止指令を受令する。   The receiving unit 31 receives an operation / stop command from the command unit 24.
出力制御部32は、稼働指令を受令すると、電力負荷16の電力需要に基づいて、発電機11の出力制御をおこなう。   When receiving the operation command, the output control unit 32 controls the output of the generator 11 based on the power demand of the power load 16.
なお、ガス発電機11は大量生産された市販品を想定している。受令部31は発電機に設けられたLANポート等入出力ポートを想定している。また、ほぼ全ての市販の発電機は出力制御機能を有している。   The gas generator 11 is assumed to be a mass-produced commercial product. The accepting unit 31 is assumed to be an input / output port such as a LAN port provided in the generator. Almost all commercially available generators have an output control function.
〜変形例〜
図1に、コジェネレーションシステム構成の一例を示したが、これに限定されない。図3に変形例を示す。
~ Modification ~
Although FIG. 1 shows an example of a cogeneration system configuration, the present invention is not limited to this. FIG. 3 shows a modification.
図1では、複数の発電機11はそれぞれ制御部30を有していたが、図3のように複数の発電機11に対し、1つの制御部30であってもよい。   In FIG. 1, each of the plurality of generators 11 has the control unit 30, but may be one control unit 30 for the plurality of generators 11 as illustrated in FIG. 3.
図1では、システム制御装置20はボイラ15にも指令するが、図3のように発電機11のみに指令をしても良い。   In FIG. 1, the system control device 20 commands the boiler 15 as well, but may command only the generator 11 as illustrated in FIG. 3.
図1では、外部電源は系統電力13のみであったが、図3のように太陽光発電や蓄電池を付加しても良い。   In FIG. 1, the external power source is only the system power 13, but solar power generation or a storage battery may be added as shown in FIG. 3.
上記以外にも、本発明の技術思想の範囲で種々の変形が可能である。   In addition to the above, various modifications can be made within the scope of the technical idea of the present invention.
〜制御〜
本実施形態における発電機の運用について説明する。図4は、エネルギマネージメントフローである。
~control~
The operation of the generator in this embodiment will be described. FIG. 4 is an energy management flow.
システム制御装置20は、記録データに基づいて電力負荷16の24時間の電力需要を予測する。具体的には、24時間を48期間(30分毎)に分割し、各時刻の予測値を求める(ステップS1)。   The system control device 20 predicts the 24-hour power demand of the power load 16 based on the recorded data. Specifically, 24 hours are divided into 48 periods (every 30 minutes), and a predicted value at each time is obtained (step S1).
予測値を時系列に整理し、電力需要予測曲線を作成する(ステップS2)。長期予測(24時間予測)は、毎日定時(例えばAM4時)に行う。需要予測方法の詳細については後述する。   Predicted values are arranged in time series to create a power demand prediction curve (step S2). Long-term prediction (24-hour prediction) is performed at a fixed time every day (for example, at 4 AM). Details of the demand prediction method will be described later.
同様に、熱負荷17の24時間の電力需要を予測し(ステップS3)、熱需要予測曲線を作成する(ステップS4)。   Similarly, the electric power demand for 24 hours of the thermal load 17 is predicted (step S3), and a heat demand prediction curve is created (step S4).
なお、1日単位で最適化を行う場合、24時間予測は必須となる。   When optimization is performed on a daily basis, 24-hour prediction is essential.
次いで、買電単価およびガス単価を入力し(ステップS5)、24時間電力需要予測および24時間熱需要予測に基づいてコストを比較し(ステップS6)、発電機11に稼働/停止に係る運用計画を作成する(ステップS7)。   Next, the power purchase unit price and the gas unit price are input (step S5), the costs are compared based on the 24-hour power demand forecast and the 24-hour heat demand forecast (step S6), and the operation plan for operating / stopping the generator 11 is determined. Is created (step S7).
運用計画について詳細に説明する。運用計画は下記の目的関数を最適化することで決定する。(詳細については論文参照)

目的関数(k):
ガス発電機電力出力:
ガス発電機熱出力:
ガスボイラ熱出力:
熱供給:
貯湯タンク条件(k):
電力需給制約:
貯湯タンクの温度制約:
ガスエンジン発電機の出力上下限制約:
k=0…K:時刻
FGE:発電機の燃料消費量[m3]
FGB:ガスボイラの燃料消費量[m3]
Pbuy:系統からの買電量[kWh]
UGE:発電機起動状況 0:停止,1:起動
C:蓄熱媒体の比熱[kWh/(kg・℃)]
ρ:蓄熱媒体の密度[kg/m3]
V:蓄熱槽の容量[m3]
CLPG:ガス単価
Cbuy:買電単価
発電機運用に関しては各期間のON/OFFの2つの値しか取り得ないことから、この程度の計算量であれば十分列挙法で解くことができる。
The operation plan will be described in detail. The operation plan is determined by optimizing the following objective function. (See paper for details)

Objective function (k):
Gas generator power output:
Gas generator heat output:
Gas boiler heat output:
Heat supply:
Hot water tank conditions (k):
Electricity supply and demand constraints:
Hot water storage tank temperature constraints:
Gas engine generator output upper and lower limits:
k = 0 ... K: Time
F GE : Generator fuel consumption [m3]
F GB : Gas boiler fuel consumption [m3]
P buy : Electricity purchased from the grid [kWh]
U GE : Generator start status 0: Stop, 1: Start
C: Specific heat of heat storage medium [kWh / (kg · ° C)]
ρ: Density of heat storage medium [kg / m3]
V: Capacity of heat storage tank [m3]
C LPG : Gas unit price
C buy : Unit price of electricity purchase Since only two values of ON / OFF for each period can be taken for generator operation, this amount of calculation can be solved by the enumeration method.
これにより、24時間(48期間×30分)の運用計画が作成される。   Thereby, an operation plan of 24 hours (48 periods × 30 minutes) is created.
一方で、各期間ごとに、30分前の電力需要予測(ステップS8)と、30分前の熱需要予測(ステップS10)とを行う。需要予測方法については、24時間予測と同様であるが、直近の実測値を反映させることができる(詳細後述)。これにより、予測式を修正でき、予測値も修正できる。   On the other hand, for each period, a power demand prediction 30 minutes before (step S8) and a heat demand prediction 30 minutes ago (step S10) are performed. The demand prediction method is similar to the 24-hour prediction, but the latest measured value can be reflected (details will be described later). Thereby, a prediction formula can be corrected and a predicted value can also be corrected.
電力需要および熱需要について、30分前予測の予測値と、対応する24時間予測の予測値とを比較し、誤差を求める(ステップS9、ステップS11)。   For the power demand and the heat demand, the predicted value of the 30-minute prediction is compared with the corresponding predicted value of the 24-hour prediction, and an error is obtained (step S9, step S11).
ステップS9およびステップS11において、誤差が閾値(例えば5%)未満の場合、システム制御装置20は運用計画に基づいてガス発電機11に稼働/停止(ON/OFF)を指令する(ステップS12)。   In step S9 and step S11, when the error is less than a threshold value (for example, 5%), the system control device 20 instructs the gas generator 11 to operate / stop (ON / OFF) based on the operation plan (step S12).
ガス発電機11の制御部30は、稼働/停止指令を受令し、稼働指令の場合は、電力負荷16の電力需要に基づいて、ガス発電機11の出力制御をおこなう(ステップS13)。停止指令の場合は、電力負荷16の電力需要があっても、ガス発電機11は稼働しない。電力負荷16の電力需要は、買電により賄う。   The control unit 30 of the gas generator 11 receives an operation / stop command, and in the case of the operation command, controls the output of the gas generator 11 based on the power demand of the power load 16 (step S13). In the case of a stop command, the gas generator 11 does not operate even when there is power demand from the power load 16. The power demand of the power load 16 is covered by power purchase.
ステップS9またはステップS11において、誤差が閾値以上の場合は、以降の期間の予測値を求めて需要予測曲線を修正する(ステップS14、ステップS15)。そして、修正後の需要予測曲線に基づいて、発電機を運用する(S2→S4→S5→S6→S7→S12→S13)。   In step S9 or step S11, when the error is equal to or larger than the threshold value, the predicted value for the subsequent period is obtained to correct the demand prediction curve (step S14, step S15). And a generator is operated based on the demand forecast curve after correction (S2-> S4-> S5-> S6-> S7-> S12-> S13).
なお、前の期間にて需要予測曲線修正を検討しているため、次の期間にて大きな誤差が出る可能は低い。ほとんどの場合、誤差が閾値未満であると想定される。つまり、頻繁な修正はなく、予測精度を維持しながら計算量を削減できる。   Since the demand forecast curve correction is considered in the previous period, it is unlikely that a large error will occur in the next period. In most cases, the error is assumed to be below the threshold. That is, there is no frequent correction, and the amount of calculation can be reduced while maintaining the prediction accuracy.
ところで、本実施形態は買電ピークカット機能を有する。買電量が上限に達する場合、買電ピークカット機能が作動する。ステップS7にて発電機停止であっても、発電機を稼動する(S15→S12→S13)。買電上限量は予め設定されている。   By the way, this embodiment has a power purchase peak cut function. When the power purchase amount reaches the upper limit, the power purchase peak cut function is activated. Even if the generator is stopped in step S7, the generator is operated (S15 → S12 → S13). The power purchase upper limit is set in advance.
〜需要予測方法〜
本実施形態における需要予測方法について説明する。なお、本実施形態では、電力需要予測と熱需要予測とを行うが、同様の手法を用いる。
~ Demand forecast method ~
The demand prediction method in this embodiment is demonstrated. In this embodiment, power demand prediction and heat demand prediction are performed, but the same method is used.
本実施形態における需要予測方法は、線形解析と非線形解析を併用すること、および、両者の結果に基づく複合解析(アンサンブル予測)を用いることを特徴とする。線形解析の一例として重回帰分析を用いる。非線形解析の一例としてニューラルネットを用いる。   The demand prediction method in the present embodiment is characterized by using both linear analysis and nonlinear analysis, and using composite analysis (ensemble prediction) based on the results of both. Multiple regression analysis is used as an example of linear analysis. A neural network is used as an example of nonlinear analysis.
重回帰分析は多変量解析の一つで、回帰分析と基本は同様のものであるが、独立変数の数が複数になっているところに違いがある。本手法を用いることで、計算しやすく誤差が少ない予測式を作ることができる。たとえば、重回帰分析を線形モデルを用いて、最小二乗法により重み係数を算定する。各要素によって作成した連立方程式を掃き出し法を用いて解く。   Multiple regression analysis is one of multivariate analyses, and the basics of regression analysis are the same, but there are differences in the number of independent variables. By using this method, it is possible to create a prediction formula that is easy to calculate and has few errors. For example, the weighting coefficient is calculated by the least square method using a linear model for multiple regression analysis. Solve the simultaneous equations created by each element using the sweep method.
ニューラルネットワークには階層型、相互連結型など様々な種類がある。翌日電力需要想定のような数値を予測する問題では、ニューラルネットワークの有する任意の非線形連続関数を近似できる性質を利用することでこれを実現できる。図6は一例として示す階層型ネットワークの概念図である。階層型ニューラルネットネットワークの基本的な構造は入力層、中間層、出力層からなり、階層は複数のユニットから構成される。   There are various types of neural networks such as hierarchical and interconnected types. In the problem of predicting a numerical value such as the next-day power demand assumption, this can be realized by utilizing the property that an arbitrary nonlinear continuous function of a neural network can be approximated. FIG. 6 is a conceptual diagram of a hierarchical network shown as an example. The basic structure of a hierarchical neural network is composed of an input layer, an intermediate layer, and an output layer, and the layer is composed of a plurality of units.
予測のためのインプットデータを入力するのが入力層であり、予測値が出力されるのが出力層である。中間層は入力層データを一旦結合させるために使用するものである。一般的には中間層の数は入力層の2倍以下の数が良いといわれている。各層同士ではそれぞれ重みを設定する必要がある。入力層に適当な入力信号を入れ、重みの値によって各層の出力が決まり、最終的に出力層の出力から予測などを行う。よって重みを如何に決めるかが重要である。   The input layer is used to input input data for prediction, and the output layer is used to output predicted values. The intermediate layer is used to combine the input layer data once. In general, it is said that the number of intermediate layers is preferably less than twice the number of input layers. It is necessary to set a weight for each layer. An appropriate input signal is input to the input layer, the output of each layer is determined by the weight value, and finally prediction is performed from the output of the output layer. Therefore, how to determine the weight is important.
ニューラルネットワークを用いた予測を行うためにはインプットデータを多数入力し学習を行う必要がある。ここで言う学習とはインプットデータから作成したアウトプットデータと現実の値を比較し、それらの値が近づくように結合荷重を更新していく過程のことを指す。   In order to perform prediction using a neural network, it is necessary to input a lot of input data and perform learning. Learning here refers to the process of comparing the output data created from the input data with actual values and updating the connection weights so that those values approach each other.
ニューラルネットワークの学習を行う手法として、バックプロパゲーション法、ランダム探索法等の手法がある。   As a technique for learning a neural network, there are techniques such as a back propagation method and a random search method.
線形解析である重回帰分析と非線形解析であるニューラルネットワークにはそれぞれ長所と短所がある。また、それぞれの予測手法の特性によって季節や曜日などによって予測精度の高いところや低いところのムラが発生する恐れがある。   The multiple regression analysis, which is linear analysis, and the neural network, which is nonlinear analysis, have advantages and disadvantages, respectively. In addition, depending on the characteristics of each prediction method, there is a risk of unevenness in places with high or low prediction accuracy depending on the season or day of the week.
例えば重回帰分析による需要予測であれば適切な要因系データの種類と数があれば、ある程度の高精度の予測が可能である。一方、インプットデータに用いてもデータの相関分析が十分出ない場合、過剰適合(見せかけの予測精度向上がもたらすエラー)や多重共線性(要素同士の相関関係がもたらすエラー)などが発生しうる。また、いわゆるパーティーなど突発的なエネルギ需要に対応できない。   For example, in the case of demand prediction based on multiple regression analysis, if there is an appropriate type and number of factor system data, a certain degree of high-precision prediction is possible. On the other hand, if the correlation analysis of the data is not sufficiently performed even if it is used for the input data, overfitting (an error resulting from an improvement in appearance prediction accuracy) or multicollinearity (an error resulting from a correlation between elements) may occur. Moreover, it cannot respond to sudden energy demand such as so-called parties.
ニューラルネットワークでは上記のような相関関係によるエラーは少なくなる。また突発的なエネルギ需要にも対応できる。一方、学習データによっては予測を大きく外す可能性がある。   In the neural network, errors due to the correlation as described above are reduced. It can also cope with sudden energy demand. On the other hand, depending on the learning data, there is a possibility that the prediction will be greatly lost.
発明者は、線形解析および非線形解析のそれぞれの長所を維持し、短所を補うことを目的として、線形解析および非線形解析の結果に基づく複合解析(アンサンブル予測法)を開発した。   The inventor has developed a composite analysis (ensemble prediction method) based on the results of the linear analysis and the nonlinear analysis in order to maintain the advantages of the linear analysis and the nonlinear analysis and compensate for the disadvantages.
複合解析に予測値(第3予測値)は、線形解析による第1予測値および非線形解析による第2予測値に重み付けをして足し合わせることにより得られる。それぞれ重み係数は第1予測値および第2予測値と過去の実測値から得られる(詳細後述)。   A predicted value (third predicted value) in the composite analysis is obtained by weighting and adding the first predicted value by the linear analysis and the second predicted value by the nonlinear analysis. Each weighting factor is obtained from the first predicted value, the second predicted value, and the past actual measured value (details will be described later).
図5は、本実施形態における需要予測フローである。   FIG. 5 is a demand prediction flow in the present embodiment.
記録装置18には、過去の電力需要および熱需要の実測値が時系列に記録されている。まず、下記の記録データをインプットデータとして読み込む(ステップS21)。   In the recording device 18, actual measured values of past power demand and heat demand are recorded in time series. First, the following recording data is read as input data (step S21).
・休日フラグ :0:平日 1:休日
・入居部屋数
・前日の同時刻の電力需要実測値/熱需要実測値
・前週の同時刻の電力需要実測値/熱需要実測値
・前年の同時刻の電力需要実測値/熱需要実測値
・前日同時刻の不快指数(温度と湿度をパラメータとする指数)
・前日同時刻の24時間前までの実測最大値(ピーク値)
・前日までの同時刻の電力需要実測値/熱需要実測値の28日平均
・現在の電力需要実測値/熱需要実測値(24時間予測のみ)
・ Holiday flag: 0: Weekday 1: Holiday ・ Number of occupancy rooms ・ Measured electricity demand / actual heat demand at the same time of the previous day Electricity demand actual value / heat demand actual value ・ Discomfort index at the same time the previous day (index with temperature and humidity as parameters)
・ Maximum measured value (peak value) up to 24 hours before the same time on the previous day
・ Actual 28-day average of actual power demand / heat demand measured at the same time until the previous day ・ Current actual power demand / actual heat demand (24-hour forecast only)
上記インプットデータに基づき線形解析による第1予測値を求める(ステップS22)。   A first predicted value is obtained by linear analysis based on the input data (step S22).
まず、過去の実測値と対応するインプットデータの関係を14日×48区間(30分毎)整理し連立方程式を立てる。残差の二乗和を最小とするよう、連立方程式を解くことにより、重み係数を算定する。これにより、予測式を定式化する。さらに、予測対象時刻に対応するインプットデータを予測式にあてはめて、予測値を得る。   First, the relationship between past measured values and the corresponding input data is arranged for 14 days × 48 sections (every 30 minutes), and simultaneous equations are established. The weighting factor is calculated by solving simultaneous equations so that the sum of squares of the residual is minimized. Thereby, a prediction formula is formulated. Furthermore, input data corresponding to the prediction target time is applied to a prediction formula to obtain a predicted value.
上記インプットデータに基づき非線形解析による第2予測値を求める(ステップS23)。   Based on the input data, a second predicted value by non-linear analysis is obtained (step S23).
まず、過去の実測値と対応するインプットデータの関係を14日×48区間(30分毎)整理し、ニューラルネットワークの学習を行う。これにより、ニューラルネットワークをモデル化する。さらに、予測対象時刻に対応するインプットデータを予測モデルにあてはめて、予測値を得る。   First, the relationship between past actual measurement values and corresponding input data is arranged for 14 days × 48 sections (every 30 minutes), and learning of a neural network is performed. As a result, the neural network is modeled. Further, input data corresponding to the prediction target time is applied to the prediction model to obtain a predicted value.
次に、複合解析(アンサンブル予測法)を行う。図7は、アンサンブル予測の概念図である。   Next, composite analysis (ensemble prediction method) is performed. FIG. 7 is a conceptual diagram of ensemble prediction.
14日×48区間(30分毎)、過去の第1予測値および第2予測値と、対応する実測値を得る(ステップS24)。   14 days × 48 sections (every 30 minutes), the past first predicted value and second predicted value, and the corresponding actually measured value are obtained (step S24).
過去の第1予測値と第2予測値と実測値とに基づいて、残差の二乗和を最小とするよう、連立方程式を解くことにより、重み係数を算定する。これにより、アンサンブル式を定式化する(ステップS25)。重み付けの方法は限定されず、線形解析に替えて、非線形解析を用いても良い。   Based on the past first predicted value, second predicted value, and actual measured value, the weighting coefficient is calculated by solving simultaneous equations so that the sum of squares of the residual is minimized. Thereby, an ensemble type | formula is formulated (step S25). The weighting method is not limited, and nonlinear analysis may be used instead of linear analysis.
さらに、予測対象時刻に対応する第1予測値および第2予測値をアンサンブル式にあてはめて、第3予測値を得る(ステップS26)。   Further, the first predicted value and the second predicted value corresponding to the prediction target time are applied to the ensemble formula to obtain a third predicted value (step S26).
すなわち、アンサンブル予測法では、過去の実測値と比較することにより、線形解析の方が精度が良いのか?非線形解析の方が精度が良いのか?を判断し、適宜、精度のよい予測手法の方を重視する。したがって、極端に予測を外すことがない。   In other words, in the ensemble prediction method, is the accuracy of linear analysis better by comparing with past actual measurement values? Is nonlinear analysis more accurate? Therefore, the accurate prediction method is emphasized as appropriate. Therefore, the prediction is not extremely deviated.
〜動作〜
本実施形態の動作について、本実施形態を十数戸の中小規模マンションに適用した場合を例に説明する。
~ Operation ~
About operation | movement of this embodiment, the case where this embodiment is applied to a dozen small and medium-sized apartments is demonstrated to an example.
一年を通して、エネルギ需要は朝方と夕方から夜にかけて発生する傾向にある。特に夕方から夜の間は、家族がそろって家庭内で生活するため、エネルギ需要が集中する。   Throughout the year, energy demand tends to occur in the morning and evening to night. Especially from the evening to the night, energy demand is concentrated because the family lives together in the home.
一方、夏季と冬季とではエネルギ需要特性が異なる。本実施形態のコジェネレーションシステムおよびエネルギマネージメントシステムは、エネルギ需要特性に対応するように動作する。   On the other hand, energy demand characteristics differ between summer and winter. The cogeneration system and energy management system of the present embodiment operate so as to correspond to energy demand characteristics.
図8Aは、冬季のエネルギ需要特性と運用例を示し、図8Bは、夏季のエネルギ需要特性と運用例を示す。   FIG. 8A shows an energy demand characteristic in winter and an operation example, and FIG. 8B shows an energy demand characteristic in summer and an operation example.
冬季では、床暖房や給湯を利用するため、熱需要が多い。したがって、電力需要に対応するように発電機が稼働しても、排熱を有効利用できる。言い換えると、電力需要と熱需要とがマッチングしているため、エネルギ利用効率のよい運用が可能である。   In winter, heat demand is high because floor heating and hot water supply are used. Therefore, even if the generator is operated so as to meet the power demand, the exhaust heat can be used effectively. In other words, since power demand and heat demand are matched, operation with high energy utilization efficiency is possible.
発電機が稼働するため、買電量を削減することができる。熱需要が超過する場合は、ガスボイラ稼働により対応する。   Since the generator operates, the amount of electricity purchased can be reduced. If the heat demand exceeds, it will be handled by operating the gas boiler.
夏季では、追い焚き負荷程度しか熱需要がない一方、冷房による電力需要が多い。電力需要と熱需要とがミスマッチしているため、発電機停止とする運用をしている。   In summer, there is only a heat demand for reheating loads, while there is much power demand for cooling. Since the power demand and the heat demand are mismatched, the generator is stopped.
ところで、中小規模マンションで電力需要が急増する時、他でも電力需要が急増する可能性が高い。広域電力系統において電力需要が集中すると大規模停電が発生するおそれがある。本実施形態は買電ピークカット機能を有し、電力需要と熱需要とのミスマッチが生じる場合でも発電機が稼働し、大規模停電発生防止に寄与する。   By the way, when the demand for electricity increases rapidly in small and medium-sized apartments, there is a high possibility that the demand for electricity will increase rapidly elsewhere. If power demand is concentrated in a wide-area power system, large-scale power outages may occur. The present embodiment has a power purchase peak cut function, and even when a mismatch between the power demand and the heat demand occurs, the generator operates and contributes to prevention of the occurrence of a large-scale power outage.
また、中小規模マンション等の中規模施設と大手電力事業者との契約では、年間における最大使用電力(最大値)を基準として基本料金が決定される。1回でも突出した最大値を記録すると、翌年の基本料金が増加する。電力需要と熱需要とのミスマッチが生じる場合に発電機が稼働すると、一見不経済に見えるが、買電ピークカット機能が作動することにより、翌年の基本料金増加を防止し、結果的にエネルギコスト削減となる。   In a contract between a medium-sized facility such as a small-to-medium-sized condominium and a major electric power company, the basic charge is determined based on the maximum power consumption (maximum value) for the year. If the maximum value is recorded even once, the basic charge for the following year will increase. When the generator is operated when there is a mismatch between power demand and heat demand, it may seem uneconomical at first glance, but the power purchase peak cut function works to prevent an increase in basic charges for the following year, resulting in energy costs. Reduction.
また、電力需要と熱需要とのミスマッチが生じる場合でも、ガス単価が安い場合には、発電機が稼働する。相対的にエネルギコスト削減となる。   Even when a mismatch between the power demand and the heat demand occurs, the generator operates when the gas unit price is low. Reducing energy costs relatively.
〜効果〜
本実施形態の効果について、各構成毎に説明する。
~effect~
The effect of this embodiment will be described for each configuration.
・システム制御装置
従来技術における発電機も制御部を有し、出力制御を行っている。しかし、出力制御に対応可能な需要予測を検討すると、高精度な需要予測が必要となる。これが、コジェネレーションシステムおよびエネルギマネージメントシステムに需要予測技術を適用することが難しい一因となっていた。一方で、中小規模マンション等の中規模施設では、個別要因の変動に起因して、高精度な需要予測は難しい。
-System control device The generator in the prior art also has a control unit and performs output control. However, if a demand forecast that can support output control is considered, a highly accurate demand forecast is required. This is one of the reasons why it is difficult to apply demand forecasting technology to cogeneration systems and energy management systems. On the other hand, in medium-scale facilities such as small and medium-sized apartments, it is difficult to predict demand with high accuracy due to fluctuations in individual factors.
本実施形態のシステム制御装置は、発電機の稼働/停止(ON/OFF)のみを判断する。すなわち、出力制御に対応可能な需要予測ほどの高精度な需要予測は要求されない。その結果、コジェネレーションシステムおよびエネルギマネージメントシステムに需要予測技術を適用することが可能となる。   The system control apparatus of this embodiment determines only the operation / stop (ON / OFF) of the generator. That is, demand forecasts that are as accurate as demand forecasts that can support output control are not required. As a result, it is possible to apply the demand prediction technology to the cogeneration system and the energy management system.
一方、発電機は制御部を有し、出力制御を行う。発電機は大量生産された市販品を想定している。すなわち、発電機の制御部は信頼性が高い。上位の判断(発電機ON/OFF)についてはシステム制御装置がおこなうが、下位の判断(出力制御)については発電機が行う。これにより、エネルギ利用の高効率を担保している。   On the other hand, the generator has a control unit and performs output control. The generator is assumed to be a mass-produced commercial product. That is, the generator control unit is highly reliable. The system control device makes the upper judgment (generator ON / OFF), while the generator makes the lower judgment (output control). Thereby, the high efficiency of energy utilization is ensured.
本実施形態は、既存のコジェネレーションシステムおよびエネルギマネージメントシステムにシステム制御装置を付加したものである。具体的には、パーソナルコンピュータとPCLと記録装置を発電機およびエネルギ負荷検出器に接続したものである。すなわち既設の中規模施設に適用できる。   In the present embodiment, a system controller is added to an existing cogeneration system and energy management system. Specifically, a personal computer, a PCL, and a recording device are connected to a generator and an energy load detector. In other words, it can be applied to existing medium-scale facilities.
また、本実施形態は、市販の発電機と簡易なシステム制御装置の組み合わせであり、新設の中規模施設に適用する場合でも、導入コストが低い。   In addition, this embodiment is a combination of a commercially available generator and a simple system control device, and the introduction cost is low even when applied to a newly established medium-scale facility.
さらに、何らかの理由によりシステム制御装置が故障した場合でも、発電機の制御部は自律的に作動する。すなわち、システム全体が破綻することがなく、運用を継続でき、信頼性が高い。   Furthermore, even when the system control device fails for some reason, the control unit of the generator operates autonomously. That is, the entire system does not fail, the operation can be continued, and the reliability is high.
・アンサンブル予測(複合解析)
線形解析による予測は、精度が担保されている一方で、突発的な変動に対応できない。非線形解析による予測は、突発的な変動に対応に対応可能であるが、大ハズレのおそれが残る。アンサンブル予測は、予測精度を維持しながら、突発的な変動にも対応できる。
・ Ensemble prediction (combined analysis)
Prediction by linear analysis, while ensuring accuracy, cannot cope with sudden fluctuations. Prediction by nonlinear analysis can cope with sudden fluctuations, but there is still a risk of large loss. Ensemble prediction can cope with sudden fluctuations while maintaining prediction accuracy.
また、季節や時間帯により、線形解析が適していたり、非線形解析が適していたりするが、その適否判断は難しい。アンサンブル予測は、実測値と照らし合わせて過去の予測精度を検証することで、自動的に、線形解析/非線形解析の適否を判断できる。   In addition, linear analysis is suitable or non-linear analysis is suitable depending on the season and time zone, but it is difficult to determine whether it is appropriate. In the ensemble prediction, the propriety of the linear analysis / nonlinear analysis can be automatically determined by verifying the past prediction accuracy against the actual measurement value.
以上のように需要予測精度が向上する。その結果、集合住宅等の中規模施設にも需要予測を適用できる。   As described above, the demand prediction accuracy is improved. As a result, demand prediction can be applied to medium-scale facilities such as housing complexes.
・インプットデータに「最大値(ピーク値)」を含むこと
前日・前週・前年・28日平均の同時刻実測値および前日同時刻の不快指数をインプットデータとすることにより、需要曲線の形に関してはこれらのデータの相関関係から特定することができる一方、曲線の形はそのままに需要量が高低してしまうことがあった。これは需要予測の対象が集合住宅であるためで、家電など機器の仕様傾向の変化や増設等に起因する。
・ Including “maximum value (peak value)” in the input data By using the same time actual measurement value of the previous day, the previous week, the previous year, the 28th day average and the discomfort index at the same time on the previous day as input data, While it can be specified from the correlation of these data, the amount of demand may be high or low while maintaining the shape of the curve. This is because the target of demand prediction is an apartment house, and this is due to changes in the specification trend of equipment such as home appliances and expansion.
本願発明者は、需要量(縦軸)は、前日ピーク値と相関関係が高いことを見出した。インプットデータに「最大値(ピーク値)」を含むことにより、需要曲線を縦軸方向に修正できる。すなわち、家電機器などの増設や機器の仕様傾向の変化に対応することができる。縦軸方向修正により需要予測精度が向上する。   The inventor of the present application has found that the demand amount (vertical axis) is highly correlated with the previous day peak value. By including “maximum value (peak value)” in the input data, the demand curve can be corrected in the vertical axis direction. In other words, it is possible to cope with an increase in the number of household electrical appliances or a change in the specification trend of the equipment. The demand prediction accuracy is improved by correcting the vertical axis direction.
なお、ピーク値はインプットデータの一つとして扱われるため、需要曲線の形の特定と縦軸方向(量方向)の修正は、同時に行われる。   Since the peak value is handled as one of the input data, the specification of the demand curve and the correction in the vertical axis direction (quantity direction) are performed simultaneously.
・長期予測と短期予測
長期予測(24時間予測)を行うことにより、1日単位で最適化できる。短期予測では、直近の実測値を反映させることにより、予測式を修正でき、予測値も修正できる。本実施形態では下記の2点において修正をしている。
・ Long-term forecast and short-term forecast Long-term forecast (24-hour forecast) can be optimized on a daily basis. In the short-term prediction, the prediction formula can be corrected and the predicted value can be corrected by reflecting the latest measured value. In the present embodiment, the following two points are corrected.
まず、線形解析による第1予測値を求めるステップおよび非線形解析による第2予測値を求めるステップにおいて、直近の実測値を反映させて修正する。すなわち、アンサンブル予測の元データ(需要予測曲線)を修正する。   First, in the step of obtaining the first predicted value by linear analysis and the step of obtaining the second predicted value by nonlinear analysis, correction is performed by reflecting the latest measured value. That is, the original data (demand prediction curve) of the ensemble prediction is corrected.
さらに、複合解析による第3予測値を求めるステップにおいて、直近の実測値を反映させて修正する。すなわち、直近における線形解析/非線形解析の適否を修正する。   Further, in the step of obtaining the third predicted value by the composite analysis, correction is performed by reflecting the latest measured value. That is, the suitability of the latest linear analysis / nonlinear analysis is corrected.
短期予測による2つの修正により、需要予測精度が向上する。   Two corrections by short-term prediction improve demand prediction accuracy.
・まとめ
システム制御装置は発電機のON/OFFのみを判断する(出力制御をしない)。すなわち、出力制御に対応可能な需要予測ほどの高精度な需要予測は要求されない。その結果、コジェネレーションシステムおよびエネルギマネージメントシステムに需要予測技術を適用することが可能となる。
・ Summary The system controller judges only ON / OFF of the generator (no output control). That is, demand forecasts that are as accurate as demand forecasts that can support output control are not required. As a result, it is possible to apply the demand prediction technology to the cogeneration system and the energy management system.
アンサンブル予測、前日最大値による縦軸方向修正、短期予測による修正により、需要予測精度が向上する。その結果、集合住宅等の中規模施設にも需要予測を適用できる。   Demand prediction accuracy is improved by ensemble prediction, vertical axis correction by the maximum value on the previous day, and correction by short-term prediction. As a result, demand prediction can be applied to medium-scale facilities such as housing complexes.
精度のよい需要予測に基づいてシステム運用するため、エネルギ利用効率のよい運用が可能である。発明者の試算では、システム制御装置によるマネジメントがない時に比べて、年間のエネルギコストを2割削減可能となる。   Since the system is operated based on demand forecast with high accuracy, it is possible to operate with good energy utilization efficiency. According to the inventor's estimation, the annual energy cost can be reduced by 20% compared to the case where there is no management by the system control device.
11 ガス発電機
12 貯湯タンク
13 系統電力
14 受電装置
15 ガスボイラ
16 電力負荷
17 熱負荷
18 記録装置
20 システム制御装置
21 電力需要予測部
22 熱需要予測部
23 運用計画部
24 指令部
25 買電量制限部
30 制御部
31 受令部
32 出力制御部
DESCRIPTION OF SYMBOLS 11 Gas generator 12 Hot water storage tank 13 System power 14 Power receiving apparatus 15 Gas boiler 16 Electric power load 17 Thermal load 18 Recording apparatus 20 System controller 21 Electric power demand prediction part 22 Thermal demand prediction part 23 Operation planning part 24 Command part 25 Electric power purchase amount restriction part 30 Control Unit 31 Commanding Unit 32 Output Control Unit

Claims (8)

  1. 制御部を有する発電機と、貯湯タンクと、系統電力を含む外部電力を受電する外部電力受電装置と、システム制御装置と、記録装置と、電力負荷と、熱負荷とを備えるコジェネレーションシステムに対するエネルギマネージメント方法であって、
    該システム制御装置は、
    該記録装置の記録データに基づいて該電力負荷の電力需要を予測する電力需要予測ステップと、
    該記録装置の記録データに基づいて該熱負荷の熱需要を予測する熱需要予測ステップと、
    該電力需要予測および熱需要予測に基づいて、該発電機の稼働/停止に係る運用計画を作成する運用計画ステップと、
    該運用計画に基づいて、発電機に稼働/停止を指令する指令ステップと
    を実行し、
    該発電機の制御部は、
    該稼働/停止指令を受令する受令ステップと、
    稼働指令を受令すると、該電力負荷の電力需要に基づいて、発電機の出力制御をおこなう出力制御ステップと
    を実行する
    ことを特徴とするエネルギマネージメント方法。
    Energy for a cogeneration system comprising a generator having a control unit, a hot water storage tank, an external power receiving device that receives external power including grid power, a system control device, a recording device, a power load, and a heat load A management method,
    The system controller is
    A power demand prediction step of predicting the power demand of the power load based on the recording data of the recording device;
    A heat demand prediction step for predicting the heat demand of the heat load based on the recording data of the recording device;
    An operation plan step for creating an operation plan related to the operation / stop of the generator based on the power demand prediction and the heat demand prediction;
    Based on the operation plan, a command step for commanding the generator to operate / stop is executed.
    The control unit of the generator is
    An ordering step for accepting the operation / stop instruction;
    And an output control step of performing output control of the generator based on the power demand of the power load when receiving an operation command.
  2. 前記電力需要予測ステップおよび熱需要予測ステップでは、
    線形解析により第1予測値を得る線形予測ステップと、
    非線形解析により第2予測値を得る非線形予測ステップと、
    該記録装置の記録データより、該第1予測値および第2予測値に対応する実測値を得る実測値取得ステップと、
    過去の第1予測値と第2予測値と実測値とに基づいて、第1予測値および第2予測値の重み付けを行う定式化ステップと、
    対象時刻の第1予測値と第2予測値と該重み付けとに基づいて、第3予測値を得る複合予測ステップと、
    を実行する
    ことを特徴とする請求項1記載のエネルギマネージメント方法。
    In the power demand prediction step and the heat demand prediction step,
    A linear prediction step of obtaining a first predicted value by linear analysis;
    A non-linear prediction step of obtaining a second prediction value by non-linear analysis;
    An actual value acquisition step of obtaining actual values corresponding to the first predicted value and the second predicted value from the recording data of the recording device;
    A formulation step of weighting the first predicted value and the second predicted value based on the past first predicted value, second predicted value, and actual measured value;
    A composite prediction step for obtaining a third predicted value based on the first predicted value, the second predicted value, and the weight of the target time;
    The energy management method according to claim 1, wherein:
  3. 前記線形予測ステップおよび非線形予測ステップでは、
    インプットパラメータとして、記録データより同時刻の実測値およびピーク実測値を用いる
    ことを特徴とする請求項2記載のエネルギマネージメント方法。
    In the linear prediction step and the nonlinear prediction step,
    The energy management method according to claim 2, wherein an actual measurement value and a peak actual measurement value at the same time are used from the recorded data as input parameters.
  4. 前記電力需要予測ステップおよび熱需要予測ステップでは、
    一定期間を複数期間に分割し、各時刻の予測値を求めて需要予測曲線を得る長期予測ステップと、
    直近の次時刻の予測値を求める短期予測ステップと、
    該短期予測ステップの予測値と、対応する該長期予測ステップの予測値とを比較し、誤差を求める誤差確認ステップと、
    誤差が閾値以上の場合は、以降の各時刻の予測値を求めて需要予測曲線を修正する需要予測曲線修正ステップと
    を実行する
    ことを特徴とする請求項1〜3いずれか記載のエネルギマネージメント方法。
    In the power demand prediction step and the heat demand prediction step,
    A long-term forecasting step of dividing a certain period into a plurality of periods, obtaining a forecast value at each time and obtaining a demand forecast curve,
    A short-term prediction step for obtaining a predicted value of the next next time;
    Comparing the predicted value of the short-term prediction step with the corresponding predicted value of the long-term prediction step to obtain an error;
    The energy management method according to any one of claims 1 to 3, wherein if the error is greater than or equal to a threshold value, a demand forecast curve correcting step is performed to obtain a predicted value at each subsequent time and correct the demand forecast curve. .
  5. 前記システム制御装置は、
    系統電力受電の上限量を設定するステップと、
    系統電力受電が上限量に達する場合、前記運用計画ステップにて発電機停止と判断した場合でも、発電機を稼動する系統電力制限ステップ
    を実行する
    ことを特徴とする請求項1〜4いずれか記載のエネルギマネージメント方法。
    The system controller is
    Setting an upper limit amount of grid power reception;
    The system power limiting step for operating the generator is executed even when it is determined that the generator is stopped in the operation planning step when the system power reception reaches an upper limit amount. Energy management method.
  6. 制御部を有する発電機と、貯湯タンクと、系統電力を含む外部電力を受電する外部電力受電装置と、システム制御装置と、記録装置と、電力負荷と、熱負荷とを備えるコジェネレーションシステムに対するエネルギマネージメントシステムであって、
    該システム制御装置は、
    該記録装置の記録データに基づいて該電力負荷の電力需要を予測する電力需要予測部と、
    該記録装置の記録データに基づいて該熱負荷の電力需要を予測する熱需要予測部と、
    該電力需要予測および熱需要予測に基づいて、該発電機の稼働/停止に係る運用計画を作成する運用計画部と、
    該運用計画に基づいて、発電機に稼働/停止を指令する指令部と
    を有し、
    該発電機の制御部は、
    該稼働/停止指令を受令する受令部と、
    稼働指令を受令すると、該電力負荷の電力需要に基づいて、発電機の出力制御をおこなう出力制御部と
    を有する
    ことを特徴とするエネルギマネージメントシステム。
    Energy for a cogeneration system comprising a generator having a control unit, a hot water storage tank, an external power receiving device that receives external power including grid power, a system control device, a recording device, a power load, and a heat load A management system,
    The system controller is
    A power demand prediction unit that predicts the power demand of the power load based on the recording data of the recording device;
    A heat demand prediction unit for predicting the power demand of the heat load based on the recording data of the recording device;
    Based on the power demand forecast and heat demand forecast, an operation planning unit that creates an operation plan related to operation / stop of the generator;
    A command unit for commanding the generator to operate / stop based on the operation plan,
    The control unit of the generator is
    A commanding unit for receiving the operation / stop command;
    An energy management system comprising: an output control unit that controls output of the generator based on the power demand of the power load when an operation command is received.
  7. コジェネレーションシステムのシステム制御装置であって、
    記録データに基づいて電力負荷の電力需要を予測する電力需要予測部と、
    記録データに基づいて熱負荷の電力需要を予測する熱需要予測部と、
    該電力需要予測および熱需要予測に基づいて、発電機の稼働/停止に係る運用計画を作成する運用計画部と、
    該運用計画に基づいて、発電機に稼働/停止を指令する指令部と
    を有する、
    ことを特徴とするシステム制御装置。
    A system controller for a cogeneration system,
    A power demand forecasting unit for forecasting the power demand of the power load based on the recorded data;
    A heat demand prediction unit for predicting the power demand of the heat load based on the recorded data;
    An operation planning unit that creates an operation plan related to the operation / stop of the generator based on the power demand prediction and the heat demand prediction;
    A command unit that commands the generator to operate / stop based on the operation plan,
    A system controller characterized by that.
  8. 電力需要および熱需要を含むエネルギ需要予測方法であって、
    演算装置が、
    線形解析による第1予測値を得る線形予測ステップと、
    非線形解析による第2予測値を得る非線形予測ステップと、
    該記録装置の記録データより、該第1予測値および第2予測値に対応する実測値を得る実測値取得ステップと、
    過去の第1予測値と第2予測値と実測値とに基づいて、第1予測値および第2予測値の重み付けを行う定式化ステップと、
    対象時刻の第1予測値と第2予測値と該重み付けとに基づいて、第3予測値を得る複合予測ステップと、
    を実行する
    ことを特徴とするエネルギ需要予測方法。
    An energy demand prediction method including power demand and heat demand,
    Arithmetic unit is
    A linear prediction step for obtaining a first predicted value by linear analysis;
    A nonlinear prediction step for obtaining a second predicted value by nonlinear analysis;
    An actual value acquisition step of obtaining actual values corresponding to the first predicted value and the second predicted value from the recording data of the recording device;
    A formulation step of weighting the first predicted value and the second predicted value based on the past first predicted value, second predicted value, and actual measured value;
    A composite prediction step for obtaining a third predicted value based on the first predicted value, the second predicted value, and the weight of the target time;
    The energy demand prediction method characterized by performing this.
JP2015078688A 2015-04-07 2015-04-07 Energy management method and energy management system Pending JP2016201869A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015078688A JP2016201869A (en) 2015-04-07 2015-04-07 Energy management method and energy management system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015078688A JP2016201869A (en) 2015-04-07 2015-04-07 Energy management method and energy management system

Publications (1)

Publication Number Publication Date
JP2016201869A true JP2016201869A (en) 2016-12-01

Family

ID=57423102

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015078688A Pending JP2016201869A (en) 2015-04-07 2015-04-07 Energy management method and energy management system

Country Status (1)

Country Link
JP (1) JP2016201869A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106970558A (en) * 2017-03-28 2017-07-21 平顶山学院 A kind of efficiency public administration system
DE102017218105A1 (en) 2016-10-13 2018-04-19 Yazaki Corporation Crimp connection and Anschlusscrimpverfahren
WO2019187341A1 (en) * 2018-03-30 2019-10-03 Necソリューションイノベータ株式会社 Index computation device, prediction system, progress prediction evaluation method, and program

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017218105A1 (en) 2016-10-13 2018-04-19 Yazaki Corporation Crimp connection and Anschlusscrimpverfahren
CN106970558A (en) * 2017-03-28 2017-07-21 平顶山学院 A kind of efficiency public administration system
WO2019187341A1 (en) * 2018-03-30 2019-10-03 Necソリューションイノベータ株式会社 Index computation device, prediction system, progress prediction evaluation method, and program

Similar Documents

Publication Publication Date Title
Söder et al. A review of demand side flexibility potential in Northern Europe
JPWO2011086886A1 (en) Supply and demand control device, supply and demand control method, and supply and demand control system
Maleki et al. Two heuristic approaches for the optimization of grid-connected hybrid solar–hydrogen systems to supply residential thermal and electrical loads
JP2016201869A (en) Energy management method and energy management system
Jiang et al. Optimal energy flow and nodal energy pricing in carbon emission-embedded integrated energy systems
Hu et al. Multi-objective planning for integrated energy systems considering both exergy efficiency and economy
Chicherin Comparison of a district heating system operation based on actual data–Omsk city, Russia, case study
JP2012159243A (en) Heat accommodation control method
Wakui et al. Optimal sizing of residential SOFC cogeneration system for power interchange operation in housing complex from energy-saving viewpoint
Chen et al. A water mass method and its application to integrated heat and electricity dispatch considering thermal inertias
CN110968827A (en) Optimal configuration method for multi-region comprehensive energy system
JP2015078797A (en) Energy interchange management system, energy interchange management method and energy interchange management program
Bando et al. Impact of various characteristics of electricity and heat demand on the optimal configuration of a microgrid
Farnsworth et al. Beneficial electrification of water heating
Yang et al. Economic optimization on two time scales for a hybrid energy system based on virtual storage
Rastegarpour et al. A distributed predictive control of energy resources in radiant floor buildings
Ren et al. Improving energy flexibility of a net-zero energy house using a solar-assisted air conditioning system with thermal energy storage and demand-side management
Nguyen et al. Distributed peer-to-peer energy trading for residential fuel cell combined heat and power systems
Ummenhofer et al. How to improve peak time coverage through a smart-controlled MCHP unit combined with thermal and electric storage systems
Pipiciello et al. Experimental characterization of a prototype of bidirectional substation for district heating with thermal prosumers
Wang et al. Co-optimization planning of integrated electricity and district heating systems based on improved quadratic convex relaxation
Jacobs et al. Increasing the utilization ratio of photovoltaic energy by network hybridization
Zhang et al. Optimization of the power flow in a smart home
Yu et al. Wind-CHP generation aggregation with storage capability of district heating network
KR101515374B1 (en) Combined Individual and Central Heat Supply System Based on Apparatus of Cogenerator, and Operating Method thereof