JP2017050971A - 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム - Google Patents

電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム Download PDF

Info

Publication number
JP2017050971A
JP2017050971A JP2015172309A JP2015172309A JP2017050971A JP 2017050971 A JP2017050971 A JP 2017050971A JP 2015172309 A JP2015172309 A JP 2015172309A JP 2015172309 A JP2015172309 A JP 2015172309A JP 2017050971 A JP2017050971 A JP 2017050971A
Authority
JP
Japan
Prior art keywords
power consumption
power
value
power value
prediction
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
JP2015172309A
Other languages
English (en)
Other versions
JP6091568B1 (ja
Inventor
祐輔 小嶋
Yusuke Kojima
祐輔 小嶋
亜沙 イーグル
Asa Eagle
亜沙 イーグル
人哉 中村
Hitoya Nakamura
人哉 中村
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.)
LOOOP Inc
Original Assignee
LOOOP 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 LOOOP Inc filed Critical LOOOP Inc
Priority to JP2015172309A priority Critical patent/JP6091568B1/ja
Application granted granted Critical
Publication of JP6091568B1 publication Critical patent/JP6091568B1/ja
Publication of JP2017050971A publication Critical patent/JP2017050971A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

【課題】建物単位の電力消費量を高精度に予測する電力消費量予測制御装置を提供すること。【解決手段】本発明にかかる電力消費量予測制御装置は、予め規定された過去対象期間の電力消費量および、気象情報を記憶するための記憶部2と、過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて予測対象日の電力消費量を予測する制御部1と、を備える。【選択図】図1

Description

本発明は、オフィス,工場等の建物単位の電力消費量を予測する電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラムに関する。
太陽光発電は、石油等の化石燃料に依存しない無限エネルギーであり、石油等の化石燃料と違い発電時にCO2を排出しないクリーンなエネルギーとして注目されている。一方で、太陽光発電は、気象条件により発電量が変動する非常に不安定な発電設備である。そのため、発電量の予測が可能となれば、適用範囲はさらに広がるものと考えられる。また、上記発電量の予測に加え、オフィス,工場等、建物単位の電力消費量を予測するシステムが構築できれば、予測した電力消費量がその建物の電力需要量となるため、事業者による最適な電力調達が可能となり、結果として効率的な電力需給を実現することが可能となる。
従来から、オフィス,工場等、建物単位の電力需要量を把握するため、電力消費量を予測するための種々の取り組みが進められている。たとえば、下記特許文献1には、過去のエネルギー需要実績値と気象情報から、重回帰分析のアルゴリズムに基づき予測モデルを構築し、この予測モデルを用いて電力需要量を予測することが記載されている。
特開2004−164388号公報
上記特許文献1には、明日の気象情報を、過去の気象実績値に基づき気象が類似する日(気象類似日)を検索するために使用すること、が記載されている。具体的には、検索期間中の対象日について類似度を計算し、最も近い日を気象類似日としている。すなわち、上記特許文献1に記載された技術は、気象類似日を設定することにより、気象類似日の実績を用いて対象日の電力需要予測を行うものである。
一方で、オフィス,工場等、建物単位の消費電力は、すべてが気象条件に依存するものではなく、たとえば、気象条件に左右されることなく電力を消費する電気機器が少なからず存在する。しかしながら、上記特許文献1には、気象情報が気象類似日を検索する処理のみに使用されることが記載されており、気象情報が電力需要予測のためのパラメータとして使用されることは記載されていない。そのため、たとえば、類似度が大きい場合には高精度に電力需要予測を行うことが可能であるが、類似度が小さい場合には電力需要予測の精度が劣化することになり、類似度の大小により電力需要予測の精度に大幅なずれが生じる、という問題があった。すなわち、上記特許文献1に記載された技術は、建物単位の消費電力を気象条件に依存する消費電力部分と依存しない消費電力部分に分解することなく、気象類似日の実績を用いて対象日の電力需要予測を行っている点で、電力需要予測の方法について改善の余地がある。
本発明は、上記に鑑みてなされたものであって、オフィス,工場等、建物単位の電力消費量を高精度に予測する電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラムを提供することを目的とする。
上述した課題を解決し、目的を達成するために、本発明にかかる電力消費量予測制御装置は、建物単位の電力消費量を予測する電力消費量予測制御装置であって、予め規定された過去対象期間の電力消費量および気象情報を記憶するための記憶手段と、過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する制御部と、を備えることを特徴とする。
また、つぎの発明にかかる電力消費量予測方法は、建物単位の電力消費量を予測する電力消費量予測方法であって、予め規定された過去対象期間の電力消費量および気象情報を記憶部に記憶する記憶ステップと、過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する予測計算ステップと、を含むことを特徴とする。
また、つぎの発明にかかる電力消費量予測プログラムは、建物単位の電力消費量を予測する電力消費量予測制御装置として動作するコンピュータを、予め規定された過去対象期間の電力消費量および気象情報を記憶するための記憶手段、過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する制御手段、として機能させることを特徴とする。
本発明によれば、オフィス,工場等、建物単位の電力消費量を高精度に予測することができる、という効果を奏する。
図1は、電力消費量予測制御装置として動作するコンピュータのハードウェア構成例を示す図である。 図2は、電力需要量の分解イメージの一例を示す図である。 図3は、電力消費量予測制御装置の機能ブロック構成の一例を示す図である。 図4は、電力消費量予測制御にかかる処理を示すフローチャートである。 図5は、建築物情報DBの構成の一例を示す図である。 図6は、ワーク情報DBの構成の一例を示す図である。 図7は、電力消費量実績DBの構成の一例を示す図である。 図8は、気象情報DBの構成の一例を示す図である。 図9は、過去対象期間における第1の消費電力部分の電力値の計算処理のイメージを示す図である。 図10は、過去対象期間における第2の消費電力部分の電力値の計算処理のイメージを示す図である。 図11は、過去対象期間における第3の消費電力部分の電力値の計算処理のイメージを示す図である。 図12は、電力消費量DBの構成の一例を示す図である。
本発明にかかる電力消費量予測制御装置は、たとえば、既存の太陽光発電システムに付随する構成であり、最適な電力調達量を把握することを目的として、オフィス,工場等、建物単位の将来の電力消費量を予測する機能を有するものである。太陽光発電は気象条件により発電量が変動するが、既存の太陽光発電システムに電力消費量予測機能を付加することにより、たとえば、発電量が不充分な場合には他の発電所から電力を調達することが可能となり、一方、発電量が充分な場合には充電や売却等の対応を行うことが可能となる等、効率的な電力需給が可能となる。すなわち、既存の太陽光発電システムが電力消費量予測機能を有することにより、予測した電力消費量を電力需要量として把握することが可能となるため、事業者による最適な電力調達が可能となる。
以下に、本発明にかかる電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
図1は、本実施例の電力消費量予測制御装置として動作するコンピュータのハードウェア構成例を示す図である。図1において、本実施例のコンピュータは、CPU(Central Processing Unit)およびFPGA(Field Programmable Gate Array)等で構成される制御部1と、ROM(Read Only Memory),RAM(Random Access Memory)等の各種メモリを含む記憶部2と、キーボード8およびマウス9等のユーザインタフェースを含む入力部3と、印刷等の出力処理を行う出力部4と、ディスプレイである表示部5と、所定のネットワークを介して外部と通信を行う通信部6とを備える。なお、図1では、キーボード8およびマウス9等のユーザインタフェースを含む入力部3を備えることとしたが、本実施例のコンピュータは、これに限らず、表示部5にタッチパネルの機能を持たせることによって、入力部3を設けない構成、または入力部3と併用する構成としてもよい。
図1において、制御部1では、本実施例の電力消費量予測プログラムを実行する。記憶部2は、本実施例の電力消費量予測プログラムおよび各種入力情報や、処理の過程で得られたデータ等を記憶する。制御部1は、記憶部2に記憶されているプログラムを読み出すことにより本実施例の電力消費量予測制御を実行する。なお、記憶部2は、内部メモリに限るものではなく、たとえば、外付けハードディスク,DVD(Digital Versatile Disc),SDメモリ等の外部記憶媒体であってもよいし、また、内部メモリおよび外部記憶媒体の両方で構成されることとしてもよい。
また、本実施例の電力消費量予測制御装置は、発電所,電力会社,小売事業者(買電,売電等)等、太陽光発電を事業とする会社の他、将来の電力消費量を予測するためのパラメータ(情報)を入手可能な環境が整っている場所であれば、容易に設置可能である。
ここで、本実施例の電力消費量予測制御装置がオフィス,工場等、建物単位の電力消費量を予測するための前提として、電力需要量の分解イメージについて説明する。図2は、電力需要量の分解イメージの一例を示す図である。オフィス等の電力需要は、たとえば、サーバ,ルータや自動販売機等、電源が常時ONとなっている機器にかかる電力である第1の消費電力部分と、パソコンや照明等、オフィスに滞在する人の人数により消費電力が増減する機器によって消費される電力部分である第2の消費電力部分と、エアコン(空調機器)等、気象条件(気温,湿度,季節等)により消費電力が増減する機器によって消費される電力部分である第3の消費電力部分と、に分解することが可能である。
第1の消費電力部分は、電源が常時ONとなっているため、朝,昼,夜を問わず、略一定の消費電力となる。第2の消費電力部分は、オフィスに滞在する人の人数に依存し、気象条件に依存しない部分であり、本実施例では、一例として、従業員が在籍している朝6時〜深夜24時(従業員在籍期間)の消費電力を想定する。第3の消費電力部分は、気象条件に基づき、エアコンの電源ON/OFFや、冷房運転,暖房運転,送風運転の切り替え等が行われることにより電力が消費される部分であり、一例として、最初に出社した従業員によりエアコンの電源が入れられてから最後に退社する従業員がエアコンの電源を切るまでの、朝6時〜深夜24時(空調機器等稼働期間)の消費電力を想定する。なお、本実施例では、一例として、従業員在籍期間と空調機器等稼働期間を同一時間帯としているが、これに限らず、たとえば、定時後に従業員に在籍しているにもかかわらず冷房や暖房を切る場合等、必ずしも両者が一致する必要はない。
本実施例では、過去の電力消費量を第1の消費電力部分と第2の消費電力部分と第3の消費電力部分に分解して重回帰分析を行い、導出される相関式(過去の電力消費量を変数に分解)を用いて将来の電力消費量を予測する。
図3は、本実施例の電力消費量予測制御装置の機能ブロック構成の一例を示す図であり、詳細には、上記制御部1が記憶部2から電力消費量予測プログラムを読み出して実行することで実現される機能ブロックを示している。図3において、制御部1は、本実施例の電力消費量予測制御を実行するための機能ブロックとして、送受信制御部11と日時管理部12と電力消費量計算部13とを有する。なお、本実施例の電力消費量予測制御装置のハードウェア構成および機能ブロック構成は、説明の便宜上、本実施例の処理にかかわる構成を列挙したものであり、電力消費量予測制御装置のすべての機能を表現したものではない。
また、本実施例の電力消費量予測プログラムは、通信部6およびインターネットなどのネットワークを介して配布可能である。また、このプログラムは、ハードディスク,フレキシブルディスク(FD),CD−ROM,MO,DVD,USBメモリ,SDメモリなどの、コンピュータで読み取り可能な記録媒体に記録されていてもよく、この場合は、コンピュータによって記録媒体から読み出されることによって実行される。
つづいて、本実施例の電力消費量予測制御にかかる処理を、フローチャートを用いて詳細に説明する。図4は、本実施例の電力消費量予測制御にかかる処理を示すフローチャートである。
なお、本実施例の電力消費量予測制御にかかる処理を実行する場合の前提となる構成として、記憶部2には、オフィスや工場等の建築物の地理的な情報や構造上の情報を含む所定の建築物情報を格納するための建築物情報DB21と、対象となる建築物を利用する人数や勤務形態等のワークスタイルに関する各種情報を格納するためのワーク情報DB22と、過去の電力消費量を所定時間単位に格納するための電力消費量実績DB23と、過去の気象データおよび最新の天気予報データを所定時間単位に格納するための気象情報DB24と、が設けられている。
図5は、建築物情報DB21の構成の一例を示す図である。建築物情報DB21については、システムの管理者が、入力部3を利用して、建物の名称,地理情報(緯度,経度),構造(鉄筋コンクリート造,木造等),その他の情報(建物の向き等)の入力処理を行う。なお、本実施例の建築物情報DB21に格納された情報は一例であり、これに限るものではない。
図6は、ワーク情報DB22の構成の一例を示す図である。ワーク情報DB22については、システムの管理者が、入力部3を利用して、従業員数,人員構成(内勤,外勤等),稼働日および稼働時間等の稼働状況,機器の使用状況等の入力処理を行う。このワーク情報DB22は、上記建築物情報DB21と関連付けられた状態で、記憶部2に格納される。また、稼働状況欄には、稼働時間として、たとえば、始業時間,昼休み時間,終業時間,残業の状況等の情報が詳細に記録されている。また、機器の使用状況欄には、電気機器ごとに、待機電力の有無や、常時電源ONか利用時電源ONかを示す情報等が詳細に記録されている。なお、本実施例のワーク情報DB22に格納された情報は一例であり、これに限るものではない。
図7は、電力消費量実績DB23の構成の一例を示す図である。電力消費量実績DB23は、一例として、将来の電力消費量の予測に必要となる期間である過去対象期間(本実施例では過去2か月)を、業務カレンダー等に基づいてそれぞれ「残業のある平日」,「残業のない平日」,「土曜」,「日曜・祝日」等の日付区分に分類した構造を有し、たとえば、30分単位で計測された2か月分の電力消費量実績データ(kWh)が日付区分毎に格納されている。具体的には、送受信制御部11が、日時管理部12と連携し、インターネット等の外部回線および通信部6経由で、電力会社等から電力消費量実績データを定期的(本実施例では30分毎)に受け取り、それらのデータを、対応する日付区分に振り分けて記憶部2内の電力消費量実績DB23に蓄積する。なお、過去2か月分の電力消費量実績データの各日付区分への振り分けは、送受信制御部11がワーク情報DB22に記録された情報に基づいて行うものとする。また、図7では、一例として、1週間分(月曜日〜日曜日(祝日を含む場合も想定))の電力消費量実績データが表現されているが、本来は、過去2か月分のすべての電力消費量実績データが日付区分のいずれかに対応付けられた状態で格納されている。また、本実施例では、日付区分を、一例として、「残業のある平日」,「残業のない平日」,「土曜」,「日曜・祝日」と規定しているが、電力消費量に特定の傾向が表れるような分類の仕方であればこれに限るものではない。
図8は、気象情報DB24の構成の一例を示す図である。送受信制御部11は、日時管理部12と連携し、インターネット等の外部回線および通信部6経由で、天気予報データを、たとえば、一時間毎(本実施例では30分毎)に受け取り、そのデータを気象情報として記憶部2内の気象情報DB24に記憶する。同様に、過去の気象データを、たとえば、一時間毎(本実施例では30分毎)に受け取り、そのデータを気象情報として気象情報DB24に記憶する。
上記のように各種データが記憶部2に格納されている状態において、制御部1は、図4に示す電力消費量予測制御を実行する。なお、本実施例では、説明の便宜上、電力消費量の予測計算を実際に行う日を予測計算日、電力消費量の予測対象となる日(本実施例では予測計算日の次の日以降に設定)を予測対象日、とそれぞれ定義する。また、制御部1の電力消費量計算部13は、常に日時管理部12と連携して動作するものとする。また、電力消費量計算部13は、ワーク情報DB22に格納された情報から従業員在籍期間および空調機器等稼働期間を予め把握しているものとする。
図4において、電力消費量計算部13は、日時管理部12から予め規定された予測開始時刻に達した旨を通知された場合に、電力消費量実績DB23に格納された情報に基づいて、過去対象期間における第1の消費電力部分の電力値(過去BPと定義する)を求める(ステップS1)。詳細には、電力消費量計算部13は、たとえば、予測計算日の2か月前から予測計算日の前日までの所定時間帯(本実施例では従業員在籍期間および空調機器等稼働期間以外の時間帯)の電力消費量実績データ(R1)を電力消費量実績DB23からすべて読み出し、全R1の平均電力を計算する。そして、その計算結果を過去BP(kWh)として記憶部2に格納する。
図9は、過去対象期間における第1の消費電力部分の電力値(過去BP)の計算処理のイメージを示す図である。ステップS1により得られた過去BPは、気象条件や従業員の人数に依存しない一定の値であることから、後述する予測対象日の電力消費量予測処理においても、予測対象日の第1の消費電力部分の電力値(=BP)としてそのまま適用される。
つぎに、電力消費量計算部13は、電力消費量実績DB23に格納された情報および上記ステップS1により得られた過去BPに基づいて、過去対象期間における第2の消費電力部分の電力値(過去OWPと定義する)を求める(ステップS2)。詳細には、電力消費量計算部13は、たとえば、予測計算日の2か月前から予測計算日の前日までの従業員在籍期間の電力消費量実績データ(R2)を、特定の日付区分である「残業のある平日」,「残業のない平日」,「土曜」毎に、電力消費量実績DB23からすべて読み出す。ここで、「残業のある平日」の2か月分の電力消費量実績データをそれぞれR21とし(R21の集合)、「残業のない平日」の2か月分の電力消費量実績データをそれぞれR22とし(R22の集合)、「土曜」の2か月分の電力消費量実績データをそれぞれR23とする(R23の集合)。なお、本実施例では、日曜日および祝日を休日として第2の消費電力部分がない日と仮定し、日付区分「日曜・休日」の2か月分の電力消費量実績データR24の読み出しは行わない。
さらに、電力消費量計算部13は、読み出した日付区分毎の電力消費量実績データ(R21の集合,R22の集合,R23の集合)をそれぞれ時間帯毎(本実施例では30分毎)に集計する。これにより、たとえば、時間帯AのR21の集合,R22の集合,R23の集合や、時間帯BのR21の集合,R22の集合,R23の集合や、時間帯CのR21の集合,R22の集合,R23の集合、…、が得られる。そして、集計により、同一日付区分かつ同一時間帯であることを単位として分類された電力消費量実績データからそれぞれ最小の電力値(たとえば、時間帯AのR21の最小値,時間帯AのR22の最小値,時間帯AのR23の最小値、…等)を抽出し、さらに、抽出した最小の電力値からそれぞれ上記過去BPを減算し、減算の結果として得られる各電力値を、それぞれ日付区分および時間帯により分類された過去OWP(kWh)として記憶部2に格納する。
図10は、過去対象期間における第2の消費電力部分の電力値(過去OWP)の計算処理のイメージを示す図である。たとえば、「残業のある平日」の6:00〜6:30の過去OWPは、過去対象期間の6:00〜6:30のR21の最小値から過去BPを減算した値となる。また、「残業のない平日」の6:00〜6:30の過去OWPは、過去対象期間の6:00〜6:30のR22の最小値から過去BPを減算した値となる。また、「土曜」の6:00〜6:30の過去OWPは、過去対象期間の6:00〜6:30のR23の最小値から過去BPを減算した値となる。そして、このようにして得られた各過去OWPは、それぞれ日付区分(「残業のある平日」,「残業のない平日」,「土曜」)および時間帯(30分単位)により分類された過去OWPとして記憶部2に格納される。ステップS2により得られた過去OWPは、過去の電力消費量実績データから特定することができる値であることから、後述する予測対象日の電力消費量予測処理においても、予測対象日の第2の消費電力部分の電力値(=OWP)としてそのまま適用される。
つぎに、電力消費量計算部13は、電力消費量実績DB23に格納された情報、上記ステップS1により得られた過去BP、および上記ステップS2により得られた過去OWPに基づいて、過去対象期間における第3の消費電力部分の電力値(過去ACPと定義する)を求める(ステップS3)。詳細には、電力消費量計算部13は、たとえば、予測計算日の2か月前から予測計算日の前日までの空調機器等稼働期間の電力消費量実績データ(R3)を、特定の日付区分である「残業のある平日」,「残業のない平日」,「土曜」毎に電力消費量実績DB23からすべて読み出す。なお、本実施例では、日曜日および祝日を休日として第3の消費電力部分がない日と仮定し、日付区分「日曜・休日」の2か月分の電力消費量実績データの読み出しは行わない。
そして、電力消費量計算部13は、たとえば、読み出したR3から過去BPと、そのR3と同一日付区分かつ同一時間帯の過去OWPと、を減算する処理を、上記で読み出したすべてのR3に対して1つずつ実行し、減算結果として得られるすべての電力値を、実際の日付かつ時間帯により分類された2か月分の過去ACPとして記憶部2に格納する。
図11は、過去対象期間における第3の消費電力部分の電力値(過去ACP)の計算処理のイメージを示す図である。たとえば、予測計算日の前日の6:00〜6:30の過去ACPは、予測計算日の前日の6:00〜6:30の電力消費量実績データR3から過去BPを減算し、さらに、このR3と同一日付区分かつ同一時間帯(6:00〜6:30)の過去OWPを減算した値となる。また、たとえば、2か月前の日の6:00〜6:30の過去ACPは、2か月前の日の6:00〜6:30の電力消費量実績データR3から過去BPを減算し、さらに、このR3と同一日付区分かつ同一時間帯(6:00〜6:30)の過去OWPを減算した値となる。
つぎに、電力消費量計算部13は、上記ステップS3で得られた過去対象期間の過去ACPおよび気象情報DB24に蓄積された過去対象期間の気象情報xに基づいて下記(1)式を算出し、気象情報xの関数となるように近似式を導出する(ステップS4)。本実施例では、一例として、2次の多項式近似を利用し((2)式参照)、この近似式を、予測対象の建物(オフィス,工場等)の第3の消費電力部分y(=ACP)として定義する。ここで、下記(1)式のRは、上記R3である。すなわち、Rは、日付区分「日曜日・祝日」以外の、予測計算日の2か月前から予測計算日の前日までの空調機器等稼働期間の電力消費量実績データ(kWh)である。また、下記(1)式の過去OWP(時間帯)は、Rと同一日付区分かつ同一時間帯の過去OWPである。また、a,b,cは係数である。
f(x)=過去ACP=R−過去OWP(時間帯)−過去BP ・・・(1)
y=ACP=ax2+bx+c ・・・(2)
さらに、電力消費量計算部13は、ステップS1により得られたBP(=過去BP)、ステップS2により得られたOWP(=過去OWP)、上記(1)式および上記(2)式に基づいて、予測対象日の電力消費量の予測式を下記(3)式のように導出する(ステップS5)。ここで、電力消費量(時間帯)は時間帯単位の電力消費量の予測値を表し、ACP(時間帯)は時間帯単位のACP(気象情報xの関数)を表し、OWP(日付区分,時間帯)は日付区分および時間帯で分類されたOWPを表す。
電力消費量(時間帯)=
ACP(時間帯)+OWP(日付区分,時間帯)+BP ・・・(3)
その後、電力消費量計算部13は、予測対象日の気象情報xを気象情報DB24から時間帯毎にすべて読み出し、上記(2)式に対し読み出した気象情報xを代入してACP(時間帯)を算出し、さらに、算出したACP(時間帯)を記憶部2に格納する。そして、電力消費量計算部13は、記憶部2からACP(時間帯),OWP(日付区分,時間帯),BPを読み出し、それらを上記(3)式に代入して電力消費量(時間帯)を算出し(ステップS6)、算出した電力消費量を時間帯毎に記憶部2の電力消費量DB25に格納する。図12は、電力消費量DB25の構成の一例を示す図である。上記ステップS6で算出された電力消費量(時間帯)は、時間帯単位の電力消費量の予測値として電力消費量DB25に格納される。
最後に、電力消費量計算部13は、電力消費量DB25からすべての時間帯の電力消費量の予測値を読み出し、これらを合計した値を、予測対象日の電力消費量の予測値(kWh)とする(ステップS7)。
以上のように、本実施例では、電力消費量計算部13が、過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の消費電力部分と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の消費電力部分と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の消費電力部分と、に分解して重回帰分析を行い、これにより導出される相関式を用いて予測対象日の電力消費量を予測することとした。これにより、オフィス,工場等、建物単位の電力消費量を高精度に予測することが可能となる。
1 制御部
2 記憶部
3 入力部
4 出力部
5 表示部
6 通信部
8 キーボード
9 マウス
11 送受信制御部
12 日時管理部
13 電力消費量計算部
21 建築物情報DB
22 ワーク情報DB
23 電力消費量実績DB
24 気象情報DB
25 電力消費量DB
上述した課題を解決し、目的を達成するために、本発明にかかる電力消費量予測制御装置は、建物単位の電力消費量を予測する電力消費量予測制御装置であって、予め規定された過去対象期間の電力消費量および気象情報を記憶するための記憶手段と、過去対象期間の電力消費量を、電源が常時ONとなっている機器である第1の機器によって消費される略一定の消費電力部分である第1の電力値と、気象条件により消費電力が増減する機器である冷暖房空調機器および前記第1の機器のいずれにも該当しない機器である第2の機器によって消費される電力部分である第2の電力値と、前記冷暖房空調機器である第3の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する電力消費量計算手段と、を備えることを特徴とする。
また、つぎの発明にかかる電力消費量予測方法は、建物単位の電力消費量を予測する電力消費量予測方法であって、予め規定された過去対象期間の電力消費量および気象情報を記憶部に記憶する記憶ステップと、過去対象期間の電力消費量を、電源が常時ONとなっている機器である第1の機器によって消費される略一定の消費電力部分である第1の電力値と、気象条件により消費電力が増減する機器である冷暖房空調機器および前記第1の機器のいずれにも該当しない機器である第2の機器によって消費される電力部分である第2の電力値と、前記冷暖房空調機器である第3の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する予測計算ステップと、を含むことを特徴とする。
また、つぎの発明にかかる電力消費量予測プログラムは、建物単位の電力消費量を予測する電力消費量予測制御装置として動作するコンピュータを、予め規定された過去対象期間の電力消費量および気象情報を記憶するための記憶手段、過去対象期間の電力消費量を、電源が常時ONとなっている機器である第1の機器によって消費される略一定の消費電力部分である第1の電力値と、気象条件により消費電力が増減する機器である冷暖房空調機器および前記第1の機器のいずれにも該当しない機器である第2の機器によって消費される電力部分である第2の電力値と、前記冷暖房空調機器である第3の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する制御手段、として機能させることを特徴とする。

Claims (15)

  1. 建物単位の電力消費量を予測する電力消費量予測制御装置であって、
    予め規定された過去対象期間の電力消費量、および気象情報を記憶するための記憶手段と、
    過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する制御部と、
    を備えることを特徴とする電力消費量予測制御装置。
  2. 過去対象期間の電力消費量を所定の時間帯単位の電力消費量として外部から定期的に受け取り、これらの電力消費量を、一日の電力消費量に特定の傾向が表れるように規定された複数の区分のいずれかに振り分けて前記記憶手段に蓄積する第1の情報蓄積処理と、外部から定期的に受け取った天気予報データおよび過去の気象データを気象情報として前記記憶手段に蓄積する第2の情報蓄積処理と、を実行する送受信制御手段、
    をさらに備え、
    前記制御部は、
    前記記憶手段から前記人依存型の機器および前記気象依存型の機器が動作していない期間の電力消費量を読み出し、これらの電力消費量に基づいて前記第1の電力値を計算して前記記憶手段に記憶する第1の計算処理と、
    前記記憶手段から前記第1の電力値と前記人依存型の機器が動作している期間の電力消費量とを読み出し、これらの情報に基づいて前記区分および前記時間帯により分類された第2の電力値を計算して前記記憶手段に記憶する第2の計算処理と、
    前記記憶手段から前記第1の電力値と前記第2の電力値と前記気象依存型の機器が動作している期間の電力消費量とを読み出し、これらの情報に基づいて前記時間帯単位に過去対象期間における第3の電力値を計算して前記記憶手段に記憶する第3の計算処理と、
    前記記憶手段から前記第1の電力値と前記第2の電力値と前記過去対象期間における第3の電力値と前記気象依存型の機器が動作している期間の気象情報とを読み出し、これらの情報に基づいて、気象情報の関数となるように第3の電力値の近似式を導出し、さらに、前記第1の電力値、前記第2の電力値および当該近似式に基づいて予測対象日の電力消費量を計算する第4の計算処理と、
    を実行することを特徴とする請求項1に記載の電力消費量予測制御装置。
  3. 前記第1の計算処理では、前記記憶手段から読み出した電力消費量の平均を第1の電力値とする、
    ことを特徴とする請求項2に記載の電力消費量予測制御装置。
  4. 前記第2の計算処理では、前記記憶手段から読み出した電力消費量を前記区分および前記時間帯で分類し、同一区分かつ同一時間帯に分類された電力消費量の中からそれぞれ最小値を抽出し、得られた各最小値からさらに前記第1の電力値を減算し、減算の結果として得られた各電力値を、それぞれ当該区分および当該時間帯により分類された第2の電力値とする、
    ことを特徴とする請求項2または3に記載の電力消費量予測制御装置。
  5. 前記第3の計算処理では、前記記憶手段から読み出した時間帯単位の電力消費量から、前記第1の電力値と、当該電力消費量と同一区分かつ同一時間帯に分類された第2の電力値と、を減算する減算処理を、読み出したすべての電力消費量に対して実行し、減算結果として得られるすべての電力値を、それぞれ時間帯単位に分類された前記過去対象期間における第3の電力値とする、
    ことを特徴とする請求項2、3または4に記載の電力消費量予測制御装置。
  6. 前記第4の計算処理では、
    予測対象日における特定時間帯の電力消費量の予測値を、前記近似式に対し予測対象日における当該特定時間帯の気象情報を代入することにより得られる第3の電力値と、予測対象日と同一の区分かつ当該特定時間帯で分類された第2の電力値と、前記第1の電力値とを加算することにより求め、
    予測対象日の電力消費量の予測値を、予測対象日におけるすべての時間帯の電力消費量の予測値を合計することにより求める、
    ことを特徴とする請求項2〜5のいずれか1つに記載の電力消費量予測制御装置。
  7. 第3の電力値の近似式として、2次の多項式近似を用いる、
    ことを特徴とする請求項2〜6のいずれか1つに記載の電力消費量予測制御装置。
  8. 建物単位の電力消費量を予測する電力消費量予測方法であって、
    予め規定された過去対象期間の電力消費量、および気象情報を記憶部に記憶する記憶ステップと、
    過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する予測計算ステップと、
    を含むことを特徴とする電力消費量予測方法。
  9. 過去対象期間の電力消費量を所定の時間帯単位の電力消費量として外部から定期的に受け取り、これらの電力消費量を、一日の電力消費量に特定の傾向が表れるように規定された複数の区分のいずれかに振り分けて前記記憶部に蓄積する第1の情報蓄積ステップと、外部から定期的に受け取った天気予報データおよび過去の気象データを気象情報として前記記憶手段に蓄積する第2の情報蓄積ステップと、を含む情報蓄積ステップ、
    をさらに含み、
    前記予測計算ステップは、
    前記記憶部から前記人依存型の機器および前記気象依存型の機器が動作していない期間の電力消費量を読み出し、これらの電力消費量に基づいて前記第1の電力値を計算して前記記憶部に記憶する第1の計算ステップと、
    前記記憶部から前記第1の電力値と前記人依存型の機器が動作している期間の電力消費量とを読み出し、これらの情報に基づいて前記区分および前記時間帯により分類された第2の電力値を計算して前記記憶部に記憶する第2の計算ステップと、
    前記記憶部から前記第1の電力値と前記第2の電力値と前記気象依存型の機器が動作している期間の電力消費量とを読み出し、これらの情報に基づいて前記時間帯単位に過去対象期間における第3の電力値を計算して前記記憶部に記憶する第3の計算ステップと、
    前記記憶部から前記第1の電力値と前記第2の電力値と前記過去対象期間における第3の電力値と前記気象依存型の機器が動作している期間の気象情報とを読み出し、これらの情報に基づいて、気象情報の関数となるように第3の電力値の近似式を導出し、さらに、前記第1の電力値、前記第2の電力値および当該近似式に基づいて予測対象日の電力消費量を計算する第4の計算ステップと、
    を含むことを特徴とする請求項8に記載の電力消費量予測方法。
  10. 前記第1の計算ステップでは、前記記憶部から読み出した電力消費量の平均を第1の電力値とする、
    ことを特徴とする請求項9に記載の電力消費量予測方法。
  11. 前記第2の計算ステップでは、前記記憶部から読み出した電力消費量を前記区分および前記時間帯で分類し、同一区分かつ同一時間帯に分類された電力消費量の中からそれぞれ最小値を抽出し、得られた各最小値からさらに前記第1の電力値を減算し、減算の結果として得られた各電力値を、それぞれ当該区分および当該時間帯により分類された第2の電力値とする、
    ことを特徴とする請求項9または10に記載の電力消費量予測方法。
  12. 前記第3の計算ステップでは、前記記憶部から読み出した時間帯単位の電力消費量から、前記第1の電力値と、当該電力消費量と同一区分かつ同一時間帯に分類された第2の電力値と、を減算する減算処理を、読み出したすべての電力消費量に対して実行し、減算結果として得られるすべての電力値を、それぞれ時間帯単位に分類された前記過去対象期間における第3の電力値とする、
    ことを特徴とする請求項9、10または11に記載の電力消費量予測方法。
  13. 前記第4の計算ステップでは、
    予測対象日における特定時間帯の電力消費量の予測値を、前記近似式に対し予測対象日における当該特定時間帯の気象情報を代入することにより得られる第3の電力値と、予測対象日と同一の区分かつ当該特定時間帯で分類された第2の電力値と、前記第1の電力値とを加算することにより求め、
    予測対象日の電力消費量の予測値を、予測対象日におけるすべての時間帯の電力消費量の予測値を合計することにより求める、
    ことを特徴とする請求項9〜12のいずれか1つに記載の電力消費量予測方法。
  14. 第3の電力値の近似式として、2次の多項式近似を用いる、
    ことを特徴とする請求項9〜13のいずれか1つに記載の電力消費量予測方法。
  15. 建物単位の電力消費量を予測する電力消費量予測制御装置として動作するコンピュータを、
    予め規定された過去対象期間の電力消費量、および気象情報を記憶するための記憶手段、
    過去対象期間の電力消費量を、気象条件や建物内の人数に依存しない略一定の消費電力部分である第1の電力値と、建物内の人数により消費電力が増減する人依存型の機器によって消費される電力部分である第2の電力値と、気象条件により消費電力が増減する気象依存型の機器によって消費される電力部分である第3の電力値と、に分解して重回帰分析を行い、これにより導出される相関式を用いて、予測計算を行う日以降に設定される予測対象日の電力消費量を予測する制御手段、
    として機能させるための電力消費量予測プログラム。
JP2015172309A 2015-09-01 2015-09-01 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム Active JP6091568B1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015172309A JP6091568B1 (ja) 2015-09-01 2015-09-01 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015172309A JP6091568B1 (ja) 2015-09-01 2015-09-01 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム

Publications (2)

Publication Number Publication Date
JP6091568B1 JP6091568B1 (ja) 2017-03-08
JP2017050971A true JP2017050971A (ja) 2017-03-09

Family

ID=58261832

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015172309A Active JP6091568B1 (ja) 2015-09-01 2015-09-01 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム

Country Status (1)

Country Link
JP (1) JP6091568B1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019235272A1 (ja) * 2018-06-09 2019-12-12 備前グリーンエネルギー株式会社 省エネ診断プログラム
JP2020202739A (ja) * 2019-06-06 2020-12-17 国立大学法人九州大学 電力需要量予測装置及び電力需要量予測方法
JP2021002311A (ja) * 2019-06-25 2021-01-07 国立大学法人大阪大学 分析装置
US11215651B2 (en) 2018-06-27 2022-01-04 Mitsubishi Electric Corporation Power consumption estimation device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006098361A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 建物エネルギー監視評価装置
JP2007133468A (ja) * 2005-11-08 2007-05-31 Ntt Facilities Inc 建物環境支援システム、方法及びプログラム
JP2010148185A (ja) * 2008-12-17 2010-07-01 Jfe Steel Corp 製造プラント発電設備の発電電力調整方法
JP2016086519A (ja) * 2014-10-24 2016-05-19 日本電信電話株式会社 消費電力の非線形予測方法および装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006098361A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 建物エネルギー監視評価装置
JP2007133468A (ja) * 2005-11-08 2007-05-31 Ntt Facilities Inc 建物環境支援システム、方法及びプログラム
JP2010148185A (ja) * 2008-12-17 2010-07-01 Jfe Steel Corp 製造プラント発電設備の発電電力調整方法
JP2016086519A (ja) * 2014-10-24 2016-05-19 日本電信電話株式会社 消費電力の非線形予測方法および装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
川野 裕希他: "スモールデータアプローチによるオフィスビルの電力需要予測方式", 情報処理学会論文誌コンシューマ・デバイス&システム, vol. 4巻2号, JPN6016036140, 11 June 2014 (2014-06-11), JP, pages 1 - 9, ISSN: 0003485695 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019235272A1 (ja) * 2018-06-09 2019-12-12 備前グリーンエネルギー株式会社 省エネ診断プログラム
JPWO2019235272A1 (ja) * 2018-06-09 2020-06-25 備前グリーンエネルギー株式会社 省エネ診断プログラム
US11215651B2 (en) 2018-06-27 2022-01-04 Mitsubishi Electric Corporation Power consumption estimation device
JP2020202739A (ja) * 2019-06-06 2020-12-17 国立大学法人九州大学 電力需要量予測装置及び電力需要量予測方法
JP2021052588A (ja) * 2019-06-06 2021-04-01 国立大学法人九州大学 電力需要量予測装置及び電力需要量予測方法
JP2021002311A (ja) * 2019-06-25 2021-01-07 国立大学法人大阪大学 分析装置
JP7343857B2 (ja) 2019-06-25 2023-09-13 国立大学法人大阪大学 分析装置

Also Published As

Publication number Publication date
JP6091568B1 (ja) 2017-03-08

Similar Documents

Publication Publication Date Title
Ascione et al. A real industrial building: Modeling, calibration and Pareto optimization of energy retrofit
Tahmasebi et al. The sensitivity of building performance simulation results to the choice of occupants’ presence models: a case study
Bacher et al. Short-term heat load forecasting for single family houses
Oldewurtel et al. Importance of occupancy information for building climate control
JP6091568B1 (ja) 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム
KR102098356B1 (ko) 기상예보를 이용한 건물 냉, 열원 설비의 에너지 소비량 예측 에너지 관리 시스템
Sala-Cardoso et al. Activity-aware HVAC power demand forecasting
Sandels et al. Modeling office building consumer load with a combined physical and behavioral approach: Simulation and validation
JP4386748B2 (ja) 空調負荷予測方法、空調負荷予測装置、空調負荷予測プログラムおよび記録媒体
Buffat et al. GIS-based decision support system for building retrofit
Touretzky et al. Building-level power demand forecasting framework using building specific inputs: Development and applications
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
Khani et al. An online-calibrated time series based model for day-ahead natural gas demand forecasting
JP2009225613A (ja) 電力需要予測装置及び電力需要予測方法
Siemann Performance and applications of residential building energy grey-box models
Lee Low-cost and simple short-term load forecasting for energy management systems in small and middle-sized office buildings
Melillo et al. First results of remote building characterisation based on smart meter measurement data
Huchuk et al. Evaluation of data-driven thermal models for multi-hour predictions using residential smart thermostat data
JP5520530B2 (ja) Co2排出量削減支援システム,co2排出量削減社会支援システム及び支援方法
JP6249982B2 (ja) 費用予測装置およびプログラム
WO2015056350A1 (ja) 蓄熱量予測装置、蓄熱量予測方法およびプログラム
JP6086561B1 (ja) 部分供給制御装置、部分供給方法および部分供給用プログラム
Ntsaluba et al. Energy usage modelling for residences of a South African academic institution
JP2017016206A (ja) エネルギー消費量用途分解装置及び省エネルギー支援装置
Mendoza-Serrano et al. Smart grid coordination in building HVAC systems: Computational efficiency of constrained economic linear optimal control

Legal Events

Date Code Title Description
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: 20170202

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170207

R150 Certificate of patent or registration of utility model

Ref document number: 6091568

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250