JP2017142773A - 危機ピーク価格付けデマンドレスポンス参加者評価 - Google Patents
危機ピーク価格付けデマンドレスポンス参加者評価 Download PDFInfo
- Publication number
- JP2017142773A JP2017142773A JP2016200916A JP2016200916A JP2017142773A JP 2017142773 A JP2017142773 A JP 2017142773A JP 2016200916 A JP2016200916 A JP 2016200916A JP 2016200916 A JP2016200916 A JP 2016200916A JP 2017142773 A JP2017142773 A JP 2017142773A
- Authority
- JP
- Japan
- Prior art keywords
- cpp
- participant
- day
- event
- price
- 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
Links
- 230000004044 response Effects 0.000 title claims abstract description 96
- 238000011156 evaluation Methods 0.000 title claims abstract description 58
- 230000009467 reduction Effects 0.000 claims abstract description 184
- 238000000034 method Methods 0.000 claims abstract description 159
- 230000000694 effects Effects 0.000 claims abstract description 139
- 230000007774 longterm Effects 0.000 claims description 51
- 230000001186 cumulative effect Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 5
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 239000003550 marker Substances 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 39
- 230000008569 process Effects 0.000 description 29
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 18
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000009471 action Effects 0.000 description 8
- 230000005611 electricity Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- OFPXSFXSNFPTHF-UHFFFAOYSA-N oxaprozin Chemical compound O1C(CCC(=O)O)=NC(C=2C=CC=CC=2)=C1C1=CC=CC=C1 OFPXSFXSNFPTHF-UHFFFAOYSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
【解決手段】危機ピーク価格付け(CPP)デマンドレスポンス(DR)イベント実装の方法が、初期CPP参加者選択評価を実行することを含む。本方法は、前記初期参加者選択評価に基づいて、初期CPP参加者選択および推定されるCPP削減を生成することを含む。本方法は、低減される一日前需要を計算することを含む。本方法は、エネルギー・ビッドを市場サーバーに提出することを含む。本方法は、改訂されたリアルタイム価格を予報することを含む。本方法は、最終CPP参加選択評価を実行することを含む。本方法は、前記低減される一日前需要までの累積された個別の参加者収入効果を有するCPP参加者を含めるよう、最終CPP参加者選択を生成することを含む。本方法は、CPPイベント通知を、前記最終CPP参加者選択内の各CPP参加者に通信することを含む。
【選択図】図1
Description
LΔidh=k・Lidh
によって定義される。上記のように、削減モデルの式において、パラメータLΔidhは、CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者112のうちの一のCPP参加者の負荷削減を表わす。Lidhは、CPP DRイベントがコールされている日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わす。パラメータkは定数因子を表わす。削減モデルの式において使われる値は、推定された長期負荷、推定された長期価格、推定された短期負荷、推定された短期価格、入力221の一つまたは複数またはそれらの何らかの組み合わせに基づいていてもよい。
(付記1)
危機ピーク価格付け(CPP)デマンドレスポンス(DR)イベント実装の方法であって:
CPP DRシステムにおいてCPP参加者にCPPイベント通知がブロードキャストされるかどうかを判定し;
CPPイベント通知がユニキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定における因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して、DR評価が一つまたは複数のエネルギー市場条件因子を考慮するかどうかを判定し;
前記DR評価が前記一つまたは複数のエネルギー市場条件因子を考慮することに応答して、
初期CPP参加者選択評価を実行する段階であって、前記初期CPP参加者選択評価は、CPP参加者についての個別の参加者収入効果を計算し;イベント参加者限界に基づいて参加者収入閾値を設定し;前記個別の参加者収入効果と前記参加者収入閾値とを比較することを含む、段階と;
前記初期CPP参加者選択評価に基づいて、直後の日について初期CPP参加者選択および推定されるCPP削減を生成する段階と:
前記初期CPP参加者選択に基づいて、低減される一日前需要を、前記推定されるCPP削減の部分として計算する段階と;
前記初期CPP参加者選択のCPP参加者によるエネルギー使用の低減が、前記推定されるCPP削減を通じて導入される効果を妨げないことを保証するよう、前記低減された一日前需要を評価する段階と;
エネルギー・ビッドを市場サーバーに提出する段階であって、前記エネルギー・ビッドは前記低減された一日前需要に基づく一日前需要および一日前価格を含む、段階と;
前記市場サーバーから受信される一日前市場結果に基づいて、前記直後の日についての改訂されたリアルタイム価格を予報する段階と;
最終CPP参加選択評価を実行する段階であって、前記最終CPP参加選択評価は、予報された改訂されたリアルタイム価格に基づいてCPP参加者についての前記個別の参加者収入効果を再計算し、前記個別の参加者収入効果を降順にソートし、ソートされた前記個別の参加者収入効果から、累積されたCPP削減を計算し、前記累積されたCPP削減を前記低減された一日前需要と比較することを含む、段階と;
前記低減される一日前需要までの累積された個別の参加者収入効果を有する諸CPP参加者を含めるよう、最終CPP参加者選択を生成する段階と;
CPPイベント通知を、前記最終CPP参加者選択内の各CPP参加者に通信する段階であって、前記CPPイベント通知は、前記CPP参加者による負荷の調整を促すよう構成される、段階とを実行することを含む、
方法。
(付記2)
付記1記載の方法であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について計算され、
前記初期CPP参加評価が:
履歴のリアルタイム価格データおよび履歴の負荷データに基づいて長期価格および長期負荷を推定する段階であって、前記長期価格および長期負荷は、季節の時間期間について推定される、段階と;
前記履歴の負荷データ、前記履歴のリアルタイム価格データ、最近の価格データおよび最近の負荷データに基づいて、各CPP参加者について、短期価格および短期負荷を推定する段階と;
各CPP参加者について経験的な削減モデルをトレーニングする段階と;
各CPP参加者について前記個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた前記個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として設定する段階と;
各CPP参加者の前記個別の参加者収入効果のそれぞれを、そのCPP参加者の参加者収入閾値と比較する段階と;
そのCPP参加者の前記個別の参加者収入効果がそのCPP参加者の参加者収入閾値より大きいことに応答して、そのCPP参加者をCPP参加者選択に含める段階とを含む、
方法。
(付記3)
付記2記載の方法であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について、前記予報された改訂されたリアルタイム価格に基づいて再計算され、
前記最終CPP参加評価が:
各CPP参加者について再計算された個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として再設定する段階を含む、
方法。
(付記4)
付記2記載の方法であって、前記経験的な削減モデルが、削減モデルの式:
LΔidh=k・Lidh
によって定義され、ここで、
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
kは定数因子を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
前記参加者収入閾値を設定する段階は:
前記イベント参加限界に達しているかどうかを判定する段階と;
前記イベント参加限界に達していることに応答して、前記参加者収入閾値を無限大の値に設定する段階とを含む、
方法。
(付記5)
付記1記載の方法であって、前記個別の参加者収入効果は、個別の参加者収入効果の式
iはCPP参加者についてのインデックス付け変数であり;
dは日を表わし;
hは時間を表わし;
heは前記DRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
Ei()は、インデックス付け変数iによって示されるCPP参加者のうちの一参加者の個別の参加者収入効果を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
pRTdhは、ある日および時間におけるリアルタイム価格を表わし;
pDAdhは、ある日および時間における一日前価格を表わし;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わす、
方法。
(付記6)
付記1記載の方法であって、
前記低減された一日前需要を評価する段階が:
日(d)および時間(h)におけるリアルタイム価格が、日(d)および時間(h)における低減された一日前価格より低いかどうかを判定する段階と;
前記リアルタイム価格が前記低減されたリアルタイム価格より低いことに応答して、前記低減された一日前需要を、決定変数と、前記CPP DRイベントがコールされる日および時間におけるCPP参加者の負荷削減との積の和に設定する段階と;
前記リアルタイム価格が前記低減された一日前価格より高いことに応答して、前記低減された一日前需要を、低減された一日前需要の不等式および低減されたDA需要の式に基づいて設定する段階であって、
前記低減された一日前需要の不等式は
0≦δ≦1であり、
iはCPP参加者についてのインデックス付け変数であり;
cidはインデックス付け変数iによって示されるCPP参加者のうちの一参加者についての決定変数を表わし;
dは日を表わし;
hは時間を表わし;
LΔidhは、CPP DRイベントがコールされる日および時間におけるCPP参加者iの負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わし;
pDAdhは、日(d)および時間(h)における一日前価格を表わし;
LDAdhは、日(d)および時間(h)における一日前需要を表わし;
pDAdhrは、日(d)および時間(h)における低減された一日前価格を表わす、
方法。
(付記7)
付記1記載の方法であって、さらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して:
現在の日から指定された時間期間の最後の日までのそれぞれの日について削減収入を、前の指定された時間期間からの履歴データに基づいて計算する段階と;
計算された削減収入を降順にソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた計算された削減収入において、前記残りの割り当て値に対応する位置を占める削減収入の値として設定する段階と;
現在の日についての計算された削減収入が前記参加閾値より大きいかどうかを判定する段階と;
前記計算された削減収入が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含む、
方法。
(付記8)
付記7記載の方法であって、前記削減収入が削減収入の式:
O()は削減収入を表わし:
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
iはCPP参加者についてのインデックス付け変数であり;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるCPP参加者(i)の負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わす、
方法。
(付記9)
付記1記載の方法であって、さらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子でないことに応答して:
前の指定された時間期間からの履歴データに基づいて、現在の日から指定された時間期間の終わりまでのそれぞれの日について、前記CPP DRイベント期間の間の価格和を計算する段階と;
計算された価格和が降順でソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた価格和において、前記残りの割り当て値に対応する位置を占める価格和の値として設定する段階と;
前記CPP DRイベント期間についてのリアルタイム価格が前記参加閾値より大きいかどうかを判定する段階と;
前記リアルタイム価格が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含み、
前記現在の参加価格は、ブロードキャスト/価格のみの式:
maxは最大化関数であり;
cdはCCP参加者についての決定変数であり;
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
pRTdhは、特定の日および時間におけるリアルタイム・エネルギー価格を表わし;
CMはイベント参加限界を表わす、
方法。
(付記10)
付記1記載の方法であって、DR評価がいかなるエネルギー市場条件因子も考慮しないことに応答して:
現在の日から指定された時間期間の最後の日まで各CPP参加者について個別の参加者評価基準を、予報されたリアルタイム価格に基づいて計算する段階と;
各CPP参加者について前記個別の参加者評価基準を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者評価基準において、そのCPP参加者のイベント参加限界に対応する位置を占める前記個別の参加者評価基準の値として設定する段階と;
各CPP参加者の個別の参加者評価基準のそれぞれをそのCPP参加者の前記参加者収入閾値と比較する段階と;
そのCPP参加者の個別の参加者評価基準がそのCPP参加者の前記参加者収入閾値より大きいことに応答して、
そのCPP参加者をCPP参加者選択に含め、
そのCPP参加者を前記CPP参加者選択に含めたことを、イベント参加限界に関して記録し;
CPPイベント通知を、前記CPP参加選択内の各CPP参加者に通信する段階とを実行することをさらに含み、前記CPPイベント通知は、CPP参加者の負荷の調整を促すよう構成されている、
方法。
(付記11)
動作を実行するまたは該動作の実行を制御するようプロセッサにより実行可能なプログラミング・コードがエンコードされている非一時的なコンピュータ可読媒体であって、前記動作は:
CPP DRシステムにおいてCPP参加者にCPPイベント通知がブロードキャストされるかどうかを判定し;
CPPイベント通知がユニキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定における因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して、DR評価が一つまたは複数のエネルギー市場条件因子を考慮するかどうかを判定し;
前記DR評価が前記一つまたは複数のエネルギー市場条件因子を考慮することに応答して、
初期CPP参加者選択評価を実行する段階であって、前記初期CPP参加者選択評価は、CPP参加者についての個別の参加者収入効果を計算し;イベント参加者限界に基づいて参加者収入閾値を設定し;前記個別の参加者収入効果と前記参加者収入閾値とを比較することを含む、段階と;
前記初期CPP参加者選択評価に基づいて、直後の日について初期CPP参加者選択および推定されるCPP削減を生成する段階と:
前記初期CPP参加者選択に基づいて、低減される一日前需要を、前記推定されるCPP削減の部分として計算する段階と;
前記初期CPP参加者選択のCPP参加者によるエネルギー使用の低減が、前記推定されるCPP削減を通じて導入される効果を妨げないことを保証するよう、前記低減された一日前需要を評価する段階と;
エネルギー・ビッドを市場サーバーに提出する段階であって、前記エネルギー・ビッドは前記低減された一日前需要に基づく一日前需要および一日前価格を含む、段階と;
前記市場サーバーから受信される一日前市場結果に基づいて、前記直後の日についての改訂されたリアルタイム価格を予報する段階と;
最終CPP参加選択評価を実行する段階であって、前記最終CPP参加選択評価は、予報された改訂されたリアルタイム価格に基づいてCPP参加者についての前記個別の参加者収入効果を再計算し、前記個別の参加者収入効果を降順にソートし、ソートされた前記個別の参加者収入効果から、累積されたCPP削減を計算し、前記累積されたCPP削減を前記低減された一日前需要と比較することを含む、段階と;
前記低減される一日前需要までの累積された個別の参加者収入効果を有する諸CPP参加者を含めるよう、最終CPP参加者選択を生成する段階と;
CPPイベント通知を、前記最終CPP参加者選択内の各CPP参加者に通信する段階であって、前記CPPイベント通知は、前記CPP参加者による負荷の調整を促すよう構成される、段階とを実行することを含む、
非一時的なコンピュータ可読媒体。
(付記12)
付記11記載の非一時的なコンピュータ可読媒体であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について計算され、
前記初期CPP参加評価が:
履歴のリアルタイム価格データおよび履歴の負荷データに基づいて長期価格および長期負荷を推定する段階であって、前記長期価格および長期負荷は、季節の時間期間について推定される、段階と;
前記履歴の負荷データ、前記履歴のリアルタイム価格データ、最近の価格データおよび最近の負荷データに基づいて、各CPP参加者について、短期価格および短期負荷を推定する段階と;
各CPP参加者について経験的な削減モデルをトレーニングする段階と;
各CPP参加者について前記個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた前記個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として設定する段階と;
各CPP参加者の前記個別の参加者収入効果のそれぞれを、そのCPP参加者の参加者収入閾値と比較する段階と;
そのCPP参加者の前記個別の参加者収入効果がそのCPP参加者の参加者収入閾値より大きいことに応答して、そのCPP参加者をCPP参加者選択に含める段階とを含む、
非一時的なコンピュータ可読媒体。
(付記13)
付記12記載の非一時的なコンピュータ可読媒体であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について、前記予報された改訂されたリアルタイム価格に基づいて再計算され、
前記最終CPP参加評価が:
各CPP参加者について再計算された個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として再設定する段階を含む、
非一時的なコンピュータ可読媒体。
(付記14)
付記12記載の非一時的なコンピュータ可読媒体であって、前記経験的な削減モデルが、削減モデルの式:
LΔidh=k・Lidh
によって定義され、ここで、
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
kは定数因子を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
前記参加者収入閾値を設定する段階は:
前記イベント参加限界に達しているかどうかを判定する段階と;
前記イベント参加限界に達していることに応答して、前記参加者収入閾値を無限大の値に設定する段階とを含む、
非一時的なコンピュータ可読媒体。
(付記15)
付記11記載の非一時的なコンピュータ可読媒体であって、前記個別の参加者収入効果は、個別の参加者収入効果の式
iはCPP参加者についてのインデックス付け変数であり;
dは日を表わし;
hは時間を表わし;
heは前記DRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
Ei()は、インデックス付け変数iによって示されるCPP参加者のうちの一参加者の個別の参加者収入効果を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
pRTdhは、ある日および時間におけるリアルタイム価格を表わし;
pDAdhは、ある日および時間における一日前価格を表わし;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わす、
非一時的なコンピュータ可読媒体。
(付記16)
付記11記載の非一時的なコンピュータ可読媒体であって、
前記低減された一日前需要を評価する段階が:
日(d)および時間(h)におけるリアルタイム価格が、日(d)および時間(h)における低減された一日前価格より低いかどうかを判定する段階と;
前記リアルタイム価格が前記低減されたリアルタイム価格より低いことに応答して、前記低減された一日前需要を、決定変数と、前記CPP DRイベントがコールされる日および時間におけるCPP参加者の負荷削減との積の和に設定する段階と;
前記リアルタイム価格が前記低減された一日前価格より高いことに応答して、前記低減された一日前需要を、低減された一日前需要の不等式および低減されたDA需要の式に基づいて設定する段階であって、
前記低減された一日前需要の不等式は
0≦δ≦1であり、
iはCPP参加者についてのインデックス付け変数であり;
cidはインデックス付け変数iによって示されるCPP参加者のうちの一参加者についての決定変数を表わし;
dは日を表わし;
hは時間を表わし;
LΔidhは、CPP DRイベントがコールされる日および時間におけるCPP参加者iの負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わし;
pDAdhは、日(d)および時間(h)における一日前価格を表わし;
LDAdhは、日(d)および時間(h)における一日前需要を表わし;
pDAdhrは、日(d)および時間(h)における低減された一日前価格を表わす、
非一時的なコンピュータ可読媒体。
(付記17)
付記11記載の非一時的なコンピュータ可読媒体であって、前記動作がさらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して:
現在の日から指定された時間期間の最後の日までのそれぞれの日について削減収入を、前の指定された時間期間からの履歴データに基づいて計算する段階と;
計算された削減収入を降順にソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた計算された削減収入において、前記残りの割り当て値に対応する位置を占める削減収入の値として設定する段階と;
現在の日についての計算された削減収入が前記参加閾値より大きいかどうかを判定する段階と;
前記計算された削減収入が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含む、
非一時的なコンピュータ可読媒体。
(付記18)
付記17記載の非一時的なコンピュータ可読媒体であって、前記削減収入が削減収入の式:
O()は削減収入を表わし:
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
iはCPP参加者についてのインデックス付け変数であり;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるCPP参加者(i)の負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わす、
非一時的なコンピュータ可読媒体。
(付記19)
付記11記載の非一時的なコンピュータ可読媒体であって、前記動作がさらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子でないことに応答して:
前の指定された時間期間からの履歴データに基づいて、現在の日から新たな指定された時間期間の終わりまでのそれぞれの日について、前記CPP DRイベント期間の間の価格和を計算する段階と;
計算された価格和が降順でソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた価格和において、前記残りの割り当て値に対応する位置を占める価格和の値として設定する段階と;
前記CPP DRイベント期間についてのリアルタイム価格が前記参加閾値より大きいかどうかを判定する段階と;
前記リアルタイム価格が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含み、
前記現在の参加価格は、ブロードキャスト/価格のみの式:
maxは最大化関数であり;
cdはCCP参加者についての決定変数であり;
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
pRTdhは、特定の日および時間におけるリアルタイム・エネルギー価格を表わし;
CMはイベント参加限界を表わす、
非一時的なコンピュータ可読媒体。
(付記20)
付記11記載の非一時的なコンピュータ可読媒体であって、前記動作が、DR評価がいかなるエネルギー市場条件因子も考慮しないことに応答して:
現在の日から指定された時間期間の最後の日まで各CPP参加者について個別の参加者評価基準を、予報されたリアルタイム価格に基づいて計算する段階と;
各CPP参加者について前記個別の参加者評価基準を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者評価基準において、そのCPP参加者のイベント参加限界に対応する位置を占める前記個別の参加者評価基準の値として設定する段階と;
各CPP参加者の個別の参加者評価基準のそれぞれをそのCPP参加者の前記参加者収入閾値と比較する段階と;
そのCPP参加者の個別の参加者評価基準がそのCPP参加者の前記参加者収入閾値より大きいことに応答して、
そのCPP参加者をCPP参加者選択に含め、
そのCPP参加者を前記CPP参加者選択に含めたことを、イベント参加限界に関して記録し;
CPPイベント通知を、前記CPP参加選択内の各CPP参加者に通信する段階とを実行することをさらに含み、前記CPPイベント通知は、CPP参加者の負荷の調整を促すよう構成されている、
非一時的なコンピュータ可読媒体。
106 公益事業者サーバー
108 DRイベント・モジュール
110 ビッド・モジュール
112 CPP参加者
113 CPP参加者サイト
114 CPP参加者選択
115 CPP参加者装置
116 非CPP参加者
117 非CPP参加者サイト
122 ネットワーク
124 エネルギー市場サーバー
202 CPPイベント通知
206 統計
208 CPP参加者選択
210 推定されるCPP削減
214 予報されるリアルタイム価格
216 履歴のリアルタイム価格データ
218 履歴の負荷データ
219 履歴の削減挙動データ
220 最近の負荷データ
221 入力
500 コンピューティング・システム
501 データ記憶部
502 通信ユニット
504 プロセッサ
508 メモリ
514 ユーザー・インターフェース装置
602 CPP DRシステムにおいてCPPイベント通知がCPP参加者にブロードキャストされるかどうかを判定
604 CPP参加者の削減挙動がCPP DRイベントの間の負荷推定における因子であるかどうかを決定
606 DR評価がエネルギー市場条件因子を考慮するかどうかを決定
608 CPP参加者のうち一または複数の参加者の削減挙動がCPP DRイベントの間の負荷推定における因子であるかどうかを決定
610 CPP参加者選択評価を、履歴価格のみに基づく閾値と特定の日の価格との間の比較に基づいて実行
612 CPP参加者選択評価を、特定の日の価格と履歴価格およびCPP参加者の負荷/削減に基づく閾値との間の比較に基づいて実行
616 CPP参加者選択評価を、単一の個別参加者収入効果計算に基づいて実行
618 CPP参加者選択評価を、初期の個別の参加者収入効果の計算および最終の個別の参加者収入効果の計算に基づいて実行
620 CPP参加者選択評価を、履歴価格のみに基づく閾値と特定の日の価格との間の比較に基づいて実行
702 特定の日から新たな指定された時間期間の終わりまでのそれぞれの日についてCPP DRイベント期間の間の価格和を計算
704 計算された価格和を降順でソート
706 イベント参加限界の残りの割り当て値を計算
708 参加閾値を、ソートされた価格和において、残りの割り当て値に対応する位置を占める価格和の値として設定
710 現在のCPP DRイベント期間についてのリアルタイム価格が参加閾値より大きいかどうかを判定
712 CPPイベント通知をCPP参加者にブロードキャスト
714 終了
802 前の指定された時間期間からの履歴データに基づいて、特定の日から新たな指定された時間期間の終わりまでのそれぞれの日について削減収入を計算
804 計算された削減収入を降順にソート
806 イベント参加限界の残りの割り当て値を計算
808 参加閾値を、ソートされた計算された削減収入において、残りの割り当て値に対応する位置を占める削減収入の値として設定
810 特定の日についての削減収入が参加閾値より大きいかどうかを判定
812 CPPイベント通知をCPP参加者にブロードキャスト
814 終了
901 指定された時間期間の始まりにおいて、CPP参加者についてのイベント参加限界を初期化
902 長期価格および長期負荷を推定
904 短期価格および短期負荷を推定
906 経験的な削減モデルをトレーニング
908 個別の参加者評価基準を、特定の日から指定された時間期間の最後の日までのそれぞれの日について計算
910 各CPP参加者について、個別の参加者評価基準を降順にソート
912 各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者評価基準において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者評価基準の値として設定
914 各CPP参加者の個別の参加者評価基準をそのCPP参加者の参加者収入閾値と比較
916 CPP参加者をCPP参加者選択に含める
918 CPP参加者をCPP参加者選択に含めたことを、イベント参加限界に関して記録
920 CPPイベント通知を、CPP参加選択内の各CPP参加者に通信
922 終了
1002 初期評価を実行
1004 初期のCPP参加者選択および推定されるCPP削減を生成
1006 低減された一日前需要を計算
1008 低減された一日前需要を評価
1010 エネルギー・ビッドが市場サーバーに提出
1012 改訂されたリアルタイム価格を予報
1014 最終CPP参加評価を実行
1016 最終CPP参加者選択を、低減される一日前需要までの累積された個別の参加者収入効果を有するCPP参加者を含むよう生成
1018 CPPイベント通知を、最終CPP参加選択内の各CPP参加者に通信
1102 低減される一日前需要を、推定されたCPP削減の部分に設定
1104 日(d)および時間(h)におけるリアルタイム価格が、日(d)および時間(h)における低減された一日前価格より低いかどうかを決定
1106 低減された一日前需要を、決定変数と、CPP DRイベントがコールされるときの日(d)および時間(h)におけるCPP参加者の負荷削減との積の和に設定
1108 低減された一日前需要を、低減された一日前需要の不等式および低減されたDA需要の式に基づいて設定
Claims (20)
- 危機ピーク価格付け(CPP)デマンドレスポンス(DR)イベント実装の方法であって:
CPP DRシステムにおいてCPP参加者にCPPイベント通知がブロードキャストされるかどうかを判定し;
CPPイベント通知がユニキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定における因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して、DR評価が一つまたは複数のエネルギー市場条件因子を考慮するかどうかを判定し;
前記DR評価が前記一つまたは複数のエネルギー市場条件因子を考慮することに応答して、
初期CPP参加者選択評価を実行する段階であって、前記初期CPP参加者選択評価は、CPP参加者についての個別の参加者収入効果を計算し;イベント参加者限界に基づいて参加者収入閾値を設定し;前記個別の参加者収入効果と前記参加者収入閾値とを比較することを含む、段階と;
前記初期CPP参加者選択評価に基づいて、直後の日について初期CPP参加者選択および推定されるCPP削減を生成する段階と:
前記初期CPP参加者選択に基づいて、低減される一日前需要を、前記推定されるCPP削減の部分として計算する段階と;
前記初期CPP参加者選択のCPP参加者によるエネルギー使用の低減が、前記推定されるCPP削減を通じて導入される効果を妨げないことを保証するよう、前記低減された一日前需要を評価する段階と;
エネルギー・ビッドを市場サーバーに提出する段階であって、前記エネルギー・ビッドは前記低減された一日前需要に基づく一日前需要および一日前価格を含む、段階と;
前記市場サーバーから受信される一日前市場結果に基づいて、前記直後の日についての改訂されたリアルタイム価格を予報する段階と;
最終CPP参加選択評価を実行する段階であって、前記最終CPP参加選択評価は、予報された改訂されたリアルタイム価格に基づいてCPP参加者についての前記個別の参加者収入効果を再計算し、前記個別の参加者収入効果を降順にソートし、ソートされた前記個別の参加者収入効果から、累積されたCPP削減を計算し、前記累積されたCPP削減を前記低減された一日前需要と比較することを含む、段階と;
前記低減される一日前需要までの累積された個別の参加者収入効果を有する諸CPP参加者を含めるよう、最終CPP参加者選択を生成する段階と;
CPPイベント通知を、前記最終CPP参加者選択内の各CPP参加者に通信する段階であって、前記CPPイベント通知は、前記CPP参加者による負荷の調整を促すよう構成される、段階とを実行することを含む、
方法。 - 請求項1記載の方法であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について計算され、
前記初期CPP参加評価が:
履歴のリアルタイム価格データおよび履歴の負荷データに基づいて長期価格および長期負荷を推定する段階であって、前記長期価格および長期負荷は、季節の時間期間について推定される、段階と;
前記履歴の負荷データ、前記履歴のリアルタイム価格データ、最近の価格データおよび最近の負荷データに基づいて、各CPP参加者について、短期価格および短期負荷を推定する段階と;
各CPP参加者について経験的な削減モデルをトレーニングする段階と;
各CPP参加者について前記個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた前記個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として設定する段階と;
各CPP参加者の前記個別の参加者収入効果のそれぞれを、そのCPP参加者の参加者収入閾値と比較する段階と;
そのCPP参加者の前記個別の参加者収入効果がそのCPP参加者の参加者収入閾値より大きいことに応答して、そのCPP参加者をCPP参加者選択に含める段階とを含む、
方法。 - 請求項2記載の方法であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について、前記予報された改訂されたリアルタイム価格に基づいて再計算され、
前記最終CPP参加評価が:
各CPP参加者について再計算された個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として再設定する段階を含む、
方法。 - 請求項2記載の方法であって、前記経験的な削減モデルが、削減モデルの式:
LΔidh=k・Lidh
によって定義され、ここで、
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
kは定数因子を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
前記参加者収入閾値を設定する段階は:
前記イベント参加限界に達しているかどうかを判定する段階と;
前記イベント参加限界に達していることに応答して、前記参加者収入閾値を無限大の値に設定する段階とを含む、
方法。 - 請求項1記載の方法であって、前記個別の参加者収入効果は、個別の参加者収入効果の式
iはCPP参加者についてのインデックス付け変数であり;
dは日を表わし;
hは時間を表わし;
heは前記DRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
Ei()は、インデックス付け変数iによって示されるCPP参加者のうちの一参加者の個別の参加者収入効果を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
pRTdhは、ある日および時間におけるリアルタイム価格を表わし;
pDAdhは、ある日および時間における一日前価格を表わし;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わす、
方法。 - 請求項1記載の方法であって、
前記低減された一日前需要を評価する段階が:
日(d)および時間(h)におけるリアルタイム価格が、日(d)および時間(h)における低減された一日前価格より低いかどうかを判定する段階と;
前記リアルタイム価格が前記低減されたリアルタイム価格より低いことに応答して、前記低減された一日前需要を、決定変数と、前記CPP DRイベントがコールされる日および時間におけるCPP参加者の負荷削減との積の和に設定する段階と;
前記リアルタイム価格が前記低減された一日前価格より高いことに応答して、前記低減された一日前需要を、低減された一日前需要の不等式および低減されたDA需要の式に基づいて設定する段階であって、
前記低減された一日前需要の不等式は
0≦δ≦1であり、
iはCPP参加者についてのインデックス付け変数であり;
cidはインデックス付け変数iによって示されるCPP参加者のうちの一参加者についての決定変数を表わし;
dは日を表わし;
hは時間を表わし;
LΔidhは、CPP DRイベントがコールされる日および時間におけるCPP参加者iの負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わし;
pDAdhは、日(d)および時間(h)における一日前価格を表わし;
LDAdhは、日(d)および時間(h)における一日前需要を表わし;
pDAdhrは、日(d)および時間(h)における低減された一日前価格を表わす、
方法。 - 請求項1記載の方法であって、さらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して:
現在の日から指定された時間期間の最後の日までのそれぞれの日について削減収入を、前の指定された時間期間からの履歴データに基づいて計算する段階と;
計算された削減収入を降順にソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた計算された削減収入において、前記残りの割り当て値に対応する位置を占める削減収入の値として設定する段階と;
現在の日についての計算された削減収入が前記参加閾値より大きいかどうかを判定する段階と;
前記計算された削減収入が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含む、
方法。 - 請求項7記載の方法であって、前記削減収入が削減収入の式:
O()は削減収入を表わし:
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
iはCPP参加者についてのインデックス付け変数であり;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるCPP参加者(i)の負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わす、
方法。 - 請求項1記載の方法であって、さらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子でないことに応答して:
前の指定された時間期間からの履歴データに基づいて、現在の日から指定された時間期間の終わりまでのそれぞれの日について、前記CPP DRイベント期間の間の価格和を計算する段階と;
計算された価格和が降順でソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた価格和において、前記残りの割り当て値に対応する位置を占める価格和の値として設定する段階と;
前記CPP DRイベント期間についてのリアルタイム価格が前記参加閾値より大きいかどうかを判定する段階と;
前記リアルタイム価格が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含み、
前記現在の参加価格は、ブロードキャスト/価格のみの式:
maxは最大化関数であり;
cdはCCP参加者についての決定変数であり;
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
pRTdhは、特定の日および時間におけるリアルタイム・エネルギー価格を表わし;
CMはイベント参加限界を表わす、
方法。 - 請求項1記載の方法であって、DR評価がいかなるエネルギー市場条件因子も考慮しないことに応答して:
現在の日から指定された時間期間の最後の日まで各CPP参加者について個別の参加者評価基準を、予報されたリアルタイム価格に基づいて計算する段階と;
各CPP参加者について前記個別の参加者評価基準を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者評価基準において、そのCPP参加者のイベント参加限界に対応する位置を占める前記個別の参加者評価基準の値として設定する段階と;
各CPP参加者の個別の参加者評価基準のそれぞれをそのCPP参加者の前記参加者収入閾値と比較する段階と;
そのCPP参加者の個別の参加者評価基準がそのCPP参加者の前記参加者収入閾値より大きいことに応答して、
そのCPP参加者をCPP参加者選択に含め、
そのCPP参加者を前記CPP参加者選択に含めたことを、イベント参加限界に関して記録し;
CPPイベント通知を、前記CPP参加選択内の各CPP参加者に通信する段階とを実行することをさらに含み、前記CPPイベント通知は、CPP参加者の負荷の調整を促すよう構成されている、
方法。 - 動作を実行するまたは該動作の実行を制御するようプロセッサにより実行可能なプログラミング・コードがエンコードされている非一時的なコンピュータ可読媒体であって、前記動作は:
CPP DRシステムにおいてCPP参加者にCPPイベント通知がブロードキャストされるかどうかを判定し;
CPPイベント通知がユニキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定における因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して、DR評価が一つまたは複数のエネルギー市場条件因子を考慮するかどうかを判定し;
前記DR評価が前記一つまたは複数のエネルギー市場条件因子を考慮することに応答して、
初期CPP参加者選択評価を実行する段階であって、前記初期CPP参加者選択評価は、CPP参加者についての個別の参加者収入効果を計算し;イベント参加者限界に基づいて参加者収入閾値を設定し;前記個別の参加者収入効果と前記参加者収入閾値とを比較することを含む、段階と;
前記初期CPP参加者選択評価に基づいて、直後の日について初期CPP参加者選択および推定されるCPP削減を生成する段階と:
前記初期CPP参加者選択に基づいて、低減される一日前需要を、前記推定されるCPP削減の部分として計算する段階と;
前記初期CPP参加者選択のCPP参加者によるエネルギー使用の低減が、前記推定されるCPP削減を通じて導入される効果を妨げないことを保証するよう、前記低減された一日前需要を評価する段階と;
エネルギー・ビッドを市場サーバーに提出する段階であって、前記エネルギー・ビッドは前記低減された一日前需要に基づく一日前需要および一日前価格を含む、段階と;
前記市場サーバーから受信される一日前市場結果に基づいて、前記直後の日についての改訂されたリアルタイム価格を予報する段階と;
最終CPP参加選択評価を実行する段階であって、前記最終CPP参加選択評価は、予報された改訂されたリアルタイム価格に基づいてCPP参加者についての前記個別の参加者収入効果を再計算し、前記個別の参加者収入効果を降順にソートし、ソートされた前記個別の参加者収入効果から、累積されたCPP削減を計算し、前記累積されたCPP削減を前記低減された一日前需要と比較することを含む、段階と;
前記低減される一日前需要までの累積された個別の参加者収入効果を有する諸CPP参加者を含めるよう、最終CPP参加者選択を生成する段階と;
CPPイベント通知を、前記最終CPP参加者選択内の各CPP参加者に通信する段階であって、前記CPPイベント通知は、前記CPP参加者による負荷の調整を促すよう構成される、段階とを実行することを含む、
非一時的なコンピュータ可読媒体。 - 請求項11記載の非一時的なコンピュータ可読媒体であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について計算され、
前記初期CPP参加評価が:
履歴のリアルタイム価格データおよび履歴の負荷データに基づいて長期価格および長期負荷を推定する段階であって、前記長期価格および長期負荷は、季節の時間期間について推定される、段階と;
前記履歴の負荷データ、前記履歴のリアルタイム価格データ、最近の価格データおよび最近の負荷データに基づいて、各CPP参加者について、短期価格および短期負荷を推定する段階と;
各CPP参加者について経験的な削減モデルをトレーニングする段階と;
各CPP参加者について前記個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた前記個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として設定する段階と;
各CPP参加者の前記個別の参加者収入効果のそれぞれを、そのCPP参加者の参加者収入閾値と比較する段階と;
そのCPP参加者の前記個別の参加者収入効果がそのCPP参加者の参加者収入閾値より大きいことに応答して、そのCPP参加者をCPP参加者選択に含める段階とを含む、
非一時的なコンピュータ可読媒体。 - 請求項12記載の非一時的なコンピュータ可読媒体であって、
前記個別の参加者収入効果が、現在の日から指定された時間期間の最後の日まで各CPP参加者について、前記予報された改訂されたリアルタイム価格に基づいて再計算され、
前記最終CPP参加評価が:
各CPP参加者について再計算された個別の参加者収入効果を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者収入効果において、そのCPP参加者のイベント参加限界に対応する位置を占める個別の参加者収入効果の値として再設定する段階を含む、
非一時的なコンピュータ可読媒体。 - 請求項12記載の非一時的なコンピュータ可読媒体であって、前記経験的な削減モデルが、削減モデルの式:
LΔidh=k・Lidh
によって定義され、ここで、
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
kは定数因子を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
前記参加者収入閾値を設定する段階は:
前記イベント参加限界に達しているかどうかを判定する段階と;
前記イベント参加限界に達していることに応答して、前記参加者収入閾値を無限大の値に設定する段階とを含む、
非一時的なコンピュータ可読媒体。 - 請求項11記載の非一時的なコンピュータ可読媒体であって、前記個別の参加者収入効果は、個別の参加者収入効果の式
iはCPP参加者についてのインデックス付け変数であり;
dは日を表わし;
hは時間を表わし;
heは前記DRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
Ei()は、インデックス付け変数iによって示されるCPP参加者のうちの一参加者の個別の参加者収入効果を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるインデックス付け変数iによって示されるCPP参加者のうちの一参加者の負荷削減を表わし;
pRTdhは、ある日および時間におけるリアルタイム価格を表わし;
pDAdhは、ある日および時間における一日前価格を表わし;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わす、
非一時的なコンピュータ可読媒体。 - 請求項11記載の非一時的なコンピュータ可読媒体であって、
前記低減された一日前需要を評価する段階が:
日(d)および時間(h)におけるリアルタイム価格が、日(d)および時間(h)における低減された一日前価格より低いかどうかを判定する段階と;
前記リアルタイム価格が前記低減されたリアルタイム価格より低いことに応答して、前記低減された一日前需要を、決定変数と、前記CPP DRイベントがコールされる日および時間におけるCPP参加者の負荷削減との積の和に設定する段階と;
前記リアルタイム価格が前記低減された一日前価格より高いことに応答して、前記低減された一日前需要を、低減された一日前需要の不等式および低減されたDA需要の式に基づいて設定する段階であって、
前記低減された一日前需要の不等式は
0≦δ≦1であり、
iはCPP参加者についてのインデックス付け変数であり;
cidはインデックス付け変数iによって示されるCPP参加者のうちの一参加者についての決定変数を表わし;
dは日を表わし;
hは時間を表わし;
LΔidhは、CPP DRイベントがコールされる日および時間におけるCPP参加者iの負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わし;
pDAdhは、日(d)および時間(h)における一日前価格を表わし;
LDAdhは、日(d)および時間(h)における一日前需要を表わし;
pDAdhrは、日(d)および時間(h)における低減された一日前価格を表わす、
非一時的なコンピュータ可読媒体。 - 請求項11記載の非一時的なコンピュータ可読媒体であって、前記動作がさらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子であることに応答して:
現在の日から指定された時間期間の最後の日までのそれぞれの日について削減収入を、前の指定された時間期間からの履歴データに基づいて計算する段階と;
計算された削減収入を降順にソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた計算された削減収入において、前記残りの割り当て値に対応する位置を占める削減収入の値として設定する段階と;
現在の日についての計算された削減収入が前記参加閾値より大きいかどうかを判定する段階と;
前記計算された削減収入が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含む、
非一時的なコンピュータ可読媒体。 - 請求項17記載の非一時的なコンピュータ可読媒体であって、前記削減収入が削減収入の式:
O()は削減収入を表わし:
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
iはCPP参加者についてのインデックス付け変数であり;
phは危機的期間価格を表わし;
plは非危機的期間CPP価格を表わし;
Lidhは、前記CPP DRイベントがコールされる日(d)および時間(h)における、CPP参加者(i)の通常の負荷を表わし;
LΔidhは、前記CPP DRイベント中のある日および時間におけるCPP参加者(i)の負荷削減を表わし;
pRTdhは、日(d)および時間(h)におけるリアルタイム価格を表わす、
非一時的なコンピュータ可読媒体。 - 請求項11記載の非一時的なコンピュータ可読媒体であって、前記動作がさらに:
前記CPPイベント通知がブロードキャストされることに応答して、CPP参加者のうちの一または複数の参加者の削減挙動が前記CPP DRイベントの間の負荷推定において因子であるかどうかを判定し;
前記削減挙動が因子でないことに応答して:
前の指定された時間期間からの履歴データに基づいて、現在の日から新たな指定された時間期間の終わりまでのそれぞれの日について、前記CPP DRイベント期間の間の価格和を計算する段階と;
計算された価格和が降順でソートする段階と;
イベント参加限界の残りの割り当て値を計算する段階と;
参加閾値を、ソートされた価格和において、前記残りの割り当て値に対応する位置を占める価格和の値として設定する段階と;
前記CPP DRイベント期間についてのリアルタイム価格が前記参加閾値より大きいかどうかを判定する段階と;
前記リアルタイム価格が前記参加閾値より大きいことに応答して、CPPイベント通知をCPP参加者にブロードキャストする段階とを実行することを含み、
前記現在の参加価格は、ブロードキャスト/価格のみの式:
cdはCCP参加者についての決定変数であり;
dは日を表わし;
hは時間を表わし;
heはDRイベントの終了時間を表わし;
hsは前記DRイベントの開始時間を表わし;
pRTdhは、特定の日および時間におけるリアルタイム・エネルギー価格を表わし;
CMはイベント参加限界を表わす、
非一時的なコンピュータ可読媒体。 - 請求項11記載の非一時的なコンピュータ可読媒体であって、前記動作が、DR評価がいかなるエネルギー市場条件因子も考慮しないことに応答して:
現在の日から指定された時間期間の最後の日まで各CPP参加者について個別の参加者評価基準を、予報されたリアルタイム価格に基づいて計算する段階と;
各CPP参加者について前記個別の参加者評価基準を降順にソートする段階と;
各CPP参加者についての参加者収入閾値を、ソートされた個別の参加者評価基準において、そのCPP参加者のイベント参加限界に対応する位置を占める前記個別の参加者評価基準の値として設定する段階と;
各CPP参加者の個別の参加者評価基準のそれぞれをそのCPP参加者の前記参加者収入閾値と比較する段階と;
そのCPP参加者の個別の参加者評価基準がそのCPP参加者の前記参加者収入閾値より大きいことに応答して、
そのCPP参加者をCPP参加者選択に含め、
そのCPP参加者を前記CPP参加者選択に含めたことを、イベント参加限界に関して記録し;
CPPイベント通知を、前記CPP参加選択内の各CPP参加者に通信する段階とを実行することをさらに含み、前記CPPイベント通知は、CPP参加者の負荷の調整を促すよう構成されている、
非一時的なコンピュータ可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/043,334 US10181165B2 (en) | 2016-02-12 | 2016-02-12 | Critical peak pricing demand response participant assessment |
US15/043,334 | 2016-02-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017142773A true JP2017142773A (ja) | 2017-08-17 |
JP6819197B2 JP6819197B2 (ja) | 2021-01-27 |
Family
ID=59410454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016200916A Active JP6819197B2 (ja) | 2016-02-12 | 2016-10-12 | 危機ピーク価格付けデマンドレスポンス参加者評価 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10181165B2 (ja) |
JP (1) | JP6819197B2 (ja) |
DE (1) | DE102016220592A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060425A (zh) * | 2023-10-12 | 2023-11-14 | 国网浙江省电力有限公司宁波供电公司 | 一种基于强化学习的配网峰谷差自适应控制方法及系统 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10282796B2 (en) | 2017-01-12 | 2019-05-07 | Johnson Controls Technology Company | Building energy storage system with multiple demand charge cost optimization |
US11061424B2 (en) | 2017-01-12 | 2021-07-13 | Johnson Controls Technology Company | Building energy storage system with peak load contribution and stochastic cost optimization |
US10949777B2 (en) | 2017-06-07 | 2021-03-16 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (ELDR) optimization |
US11010846B2 (en) | 2017-01-12 | 2021-05-18 | Johnson Controls Technology Company | Building energy storage system with multiple demand charge cost optimization |
US11238547B2 (en) | 2017-01-12 | 2022-02-01 | Johnson Controls Tyco IP Holdings LLP | Building energy cost optimization system with asset sizing |
US10324483B2 (en) | 2017-01-12 | 2019-06-18 | Johnson Controls Technology Company | Building energy storage system with peak load contribution cost optimization |
US11900287B2 (en) | 2017-05-25 | 2024-02-13 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with budgetary constraints |
US11847617B2 (en) | 2017-02-07 | 2023-12-19 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with financial analysis functionality |
US11409274B2 (en) | 2017-05-25 | 2022-08-09 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system for performing maintenance as soon as economically viable |
US11636429B2 (en) | 2017-05-25 | 2023-04-25 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance systems and methods with automatic parts resupply |
US11120411B2 (en) | 2017-05-25 | 2021-09-14 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with incentive incorporation |
US11747800B2 (en) | 2017-05-25 | 2023-09-05 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with automatic service work order generation |
WO2018217251A1 (en) | 2017-05-25 | 2018-11-29 | Johnson Controls Technology Company | Model predictive maintenance system for building equipment |
US11416955B2 (en) | 2017-05-25 | 2022-08-16 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with integrated measurement and verification functionality |
US11022947B2 (en) * | 2017-06-07 | 2021-06-01 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (ELDR) optimization and ELDR user interfaces |
US10732584B2 (en) * | 2017-06-07 | 2020-08-04 | Johnson Controls Technology Company | Building energy optimization system with automated and dynamic economic load demand response (ELDR) optimization |
US11669914B2 (en) | 2018-05-06 | 2023-06-06 | Strong Force TX Portfolio 2018, LLC | Adaptive intelligence and shared infrastructure lending transaction enablement platform responsive to crowd sourced information |
CA3098670A1 (en) | 2018-05-06 | 2019-11-14 | Strong Force TX Portfolio 2018, LLC | Methods and systems for improving machines and systems that automate execution of distributed ledger and other transactions in spot and forward markets for energy, compute, storage and other resources |
US11544782B2 (en) | 2018-05-06 | 2023-01-03 | Strong Force TX Portfolio 2018, LLC | System and method of a smart contract and distributed ledger platform with blockchain custody service |
US11550299B2 (en) | 2020-02-03 | 2023-01-10 | Strong Force TX Portfolio 2018, LLC | Automated robotic process selection and configuration |
CN109389327B (zh) * | 2018-11-08 | 2022-04-01 | 贵州电网有限责任公司 | 基于风光不确定性的多虚拟电厂时前合作方法 |
US11480360B2 (en) | 2019-08-06 | 2022-10-25 | Johnson Controls Tyco IP Holdings LLP | Building HVAC system with modular cascaded model |
US11909210B2 (en) * | 2019-10-30 | 2024-02-20 | Enerwise Global Technologies, LLC | Systems and methods for load management |
US11982993B2 (en) | 2020-02-03 | 2024-05-14 | Strong Force TX Portfolio 2018, LLC | AI solution selection for an automated robotic process |
CN116663926A (zh) * | 2023-05-31 | 2023-08-29 | 国网北京市电力公司 | 一种基线负荷估计结果修正方法、系统、设备及介质 |
CN116579590B (zh) * | 2023-07-13 | 2023-11-10 | 北京圆声能源科技有限公司 | 一种虚拟电厂中的需求响应评估方法和系统 |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020019758A1 (en) * | 2000-08-08 | 2002-02-14 | Scarpelli Peter C. | Load management dispatch system and methods |
US6868293B1 (en) * | 2000-09-28 | 2005-03-15 | Itron, Inc. | System and method for energy usage curtailment |
US20030041002A1 (en) * | 2001-05-17 | 2003-02-27 | Perot Systems Corporation | Method and system for conducting an auction for electricity markets |
US20030055677A1 (en) * | 2001-09-14 | 2003-03-20 | Automated Energy, Inc. | Utility monitoring and management system |
US7359878B2 (en) * | 2001-12-07 | 2008-04-15 | Siemens Power Transmission & Distribution, Inc. | Pricing apparatus for resolving energy imbalance requirements in real-time |
US20030171851A1 (en) * | 2002-03-08 | 2003-09-11 | Peter J. Brickfield | Automatic energy management and energy consumption reduction, especially in commercial and multi-building systems |
US6909941B2 (en) * | 2003-02-13 | 2005-06-21 | Iso New England Inc. | Methods for the management of a bulk electric power market |
NL1023105C2 (nl) * | 2003-04-04 | 2004-10-05 | Amsterdam Power Exchange Spotm | Werkwijze en systeem, alsmede computerprogamma, voor het reguleren van de productie van een tweede energievorm, opgewekt vanuit een eerste energievorm. |
EA009685B1 (ru) * | 2003-06-05 | 2008-02-28 | Энфо Бродкаст Ас | Способ и система для автоматического регулирования спроса на товары кратковременного пользования |
US20050234600A1 (en) * | 2004-04-16 | 2005-10-20 | Energyconnect, Inc. | Enterprise energy automation |
US20040215529A1 (en) * | 2004-04-16 | 2004-10-28 | Foster Andre E. | System and method for energy price forecasting automation |
US7379791B2 (en) * | 2004-08-03 | 2008-05-27 | Uscl Corporation | Integrated metrology systems and information and control apparatus for interaction with integrated metrology systems |
US20100299284A1 (en) * | 2004-12-15 | 2010-11-25 | Dario Gristina | Methods and systems for providing utility usage and pricing information to a customer |
US8326772B2 (en) * | 2007-06-15 | 2012-12-04 | International Business Machines Corporation | Method and apparatus for capacity- and value-based pricing model for professional services |
WO2010031028A1 (en) * | 2008-09-15 | 2010-03-18 | General Electric Company | Energy management of household appliances |
US8639392B2 (en) * | 2008-09-29 | 2014-01-28 | Battelle Memorial Institute | Electric power grid control using a market-based resource allocation system |
US8200370B2 (en) * | 2008-12-04 | 2012-06-12 | American Power Conversion Corporation | Energy reduction |
WO2010081165A2 (en) * | 2009-01-12 | 2010-07-15 | Battelle Memorial Institute | Nested, hierarchical resource allocation schema for management and control of an electric power grid |
EP2387776A4 (en) * | 2009-01-14 | 2013-03-20 | Integral Analytics Inc | OPTIMIZED MICROGRID ENERGY UTILIZATION AND DISTRIBUTION |
EP2396762A4 (en) * | 2009-02-10 | 2014-05-21 | Greenbox Ip Pty Ltd | SYSTEM AND METHOD FOR MANAGING RESOURCE SUPPLY |
US20100332373A1 (en) * | 2009-02-26 | 2010-12-30 | Jason Crabtree | System and method for participation in energy-related markets |
US20100218108A1 (en) * | 2009-02-26 | 2010-08-26 | Jason Crabtree | System and method for trading complex energy securities |
US20100138363A1 (en) * | 2009-06-12 | 2010-06-03 | Microsoft Corporation | Smart grid price response service for dynamically balancing energy supply and demand |
US20110106327A1 (en) * | 2009-11-05 | 2011-05-05 | General Electric Company | Energy optimization method |
US9412082B2 (en) * | 2009-12-23 | 2016-08-09 | General Electric Company | Method and system for demand response management in a network |
US9852481B1 (en) * | 2013-03-13 | 2017-12-26 | Johnson Controls Technology Company | Systems and methods for cascaded model predictive control |
US9658938B2 (en) | 2015-03-30 | 2017-05-23 | Fujtsu Limited | Iterative test generation based on data source analysis |
US20160321750A1 (en) | 2015-04-30 | 2016-11-03 | Fujitsu Limited | Commodity price forecasting |
US20170017882A1 (en) | 2015-07-13 | 2017-01-19 | Fujitsu Limited | Copula-theory based feature selection |
US20170098879A1 (en) | 2015-10-01 | 2017-04-06 | Fujitsu Limited | Differential signal transmission line |
-
2016
- 2016-02-12 US US15/043,334 patent/US10181165B2/en active Active
- 2016-10-12 JP JP2016200916A patent/JP6819197B2/ja active Active
- 2016-10-20 DE DE102016220592.7A patent/DE102016220592A1/de active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060425A (zh) * | 2023-10-12 | 2023-11-14 | 国网浙江省电力有限公司宁波供电公司 | 一种基于强化学习的配网峰谷差自适应控制方法及系统 |
CN117060425B (zh) * | 2023-10-12 | 2024-04-09 | 国网浙江省电力有限公司宁波供电公司 | 一种基于强化学习的配网峰谷差自适应控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US10181165B2 (en) | 2019-01-15 |
US20170236222A1 (en) | 2017-08-17 |
DE102016220592A1 (de) | 2017-08-17 |
JP6819197B2 (ja) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6819197B2 (ja) | 危機ピーク価格付けデマンドレスポンス参加者評価 | |
Mnatsakanyan et al. | A novel demand response model with an application for a virtual power plant | |
Gomes et al. | A novel microgrid support management system based on stochastic mixed-integer linear programming | |
Chapman et al. | Algorithmic and strategic aspects to integrating demand-side aggregation and energy management methods | |
Alizadeh et al. | From packet to power switching: Digital direct load scheduling | |
Jia et al. | Renewables and storage in distribution systems: Centralized vs. decentralized integration | |
Hale et al. | Potential roles for demand response in high-growth electric systems with increasing shares of renewable generation | |
CN106469354B (zh) | 一种负荷聚合商模式下的用户需求响应参与方法 | |
Golmohamadi et al. | Stochastic optimization for retailers with distributed wind generation considering demand response | |
Rasheed et al. | Minimizing pricing policies based on user load profiles and residential demand responses in smart grids | |
CN115081958B (zh) | 用户电力调整方法、装置、电子设备和计算机可读介质 | |
Meng et al. | A bilevel optimization approach to demand response management for the smart grid | |
Fridgen et al. | The search for the perfect match: Aligning power-trading products to the energy transition | |
Liaquat et al. | Day‐ahead continuous double auction‐based peer‐to‐peer energy trading platform incorporating trading losses and network utilisation fee | |
Steriotis et al. | Development of real time energy pricing schemes that incentivize behavioral changes | |
Lee et al. | Data-driven online interactive bidding strategy for demand response | |
Chen et al. | Residential short term load forecasting based on federated learning | |
Saeed et al. | Intelligent implementation of residential demand response using multiagent system and deep neural networks | |
Sharma et al. | Demand Response Mechanism in User-Centric Markets Integrated with Electric Vehicles | |
Kokos et al. | Demand response strategy for optimal formulation of flexibility services | |
Brolin et al. | Controlling a retailer's short‐term financial risk exposure using demand response | |
Xu et al. | A modified incentive-based demand response model using deep reinforcement learning | |
Anil et al. | Credit Rating-Based Transactive Energy System With Uncertainties in Energy Behavior | |
Khaksary et al. | Electricity Market Equilibrium Analysis for Strategic Demand Aggregators: The Value of Demand Flexibility Portfolios' Mix | |
WO2021009371A1 (en) | Method and system for decentralized energy forecasting and scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190709 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200529 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200902 |
|
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: 20201201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6819197 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |