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

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。

Images