JP2017169289A - 電力予測システム、電力予測方法及びプログラム - Google Patents
電力予測システム、電力予測方法及びプログラム Download PDFInfo
- Publication number
- JP2017169289A JP2017169289A JP2016050197A JP2016050197A JP2017169289A JP 2017169289 A JP2017169289 A JP 2017169289A JP 2016050197 A JP2016050197 A JP 2016050197A JP 2016050197 A JP2016050197 A JP 2016050197A JP 2017169289 A JP2017169289 A JP 2017169289A
- Authority
- JP
- Japan
- Prior art keywords
- power
- amount
- prediction system
- calculation formula
- power 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
Abstract
【課題】電力予測において、需要電力量を精度良く予測することを目的とする。
【解決手段】1つ以上の情報処理装置を有し、かつ、需要家が消費する需要電力量を予測する電力予測システムが、前記需要家の周辺における気象に係る値を示す気象データを取得し、前記需要家が消費した消費電力量を示す消費電力量データを取得し、前記気象データと、前記消費電力量データとに基づいて、前記需要電力量を算出する品質工学に基づく計算式を生成し、前記計算式に基づいて前記需要電力量を算出することで上記課題を解決する。
【選択図】図1
【解決手段】1つ以上の情報処理装置を有し、かつ、需要家が消費する需要電力量を予測する電力予測システムが、前記需要家の周辺における気象に係る値を示す気象データを取得し、前記需要家が消費した消費電力量を示す消費電力量データを取得し、前記気象データと、前記消費電力量データとに基づいて、前記需要電力量を算出する品質工学に基づく計算式を生成し、前記計算式に基づいて前記需要電力量を算出することで上記課題を解決する。
【選択図】図1
Description
本発明は、電力予測システム、電力予測方法及びプログラムに関する。
従来、消費する電力を予測する方法が知られている。
例えば、需要予測装置が、まず、最低気温及び最高気温等から翌日の電力の需要量を前日に予測し、日の出近傍時刻に、外気温度実測値に基づいて、最低気温予測値を修正し、前日に予測した需要量を修正する。次に、需要予測装置が、日の出時刻前後から午前中のある時刻までの外気温度実測値及び照度の実測推移に基づいて、最高温度を予測する。そして、需要予測装置が、予測された最高気温に基づいて、最高気温予測値を修正することで、前日に予測した需要量を修正する。これによって、需要の予測値の精度を大幅に向上させる方法が知られている(例えば、特許文献1等)。
他にも、電力売買支援システムが、まず、電力需要を予測し、予測された予測値の予測誤差を算出する。次に、電力売買支援システムが、予測された需要予測値の上乗せ比率又は需要予測値の上乗せ量を策定する。さらに、電力売買支援システムが、自家発電と買電との比率又は自家発電と買電との量を策定する。続いて、電力売買支援システムが、コストに基づいて、需要予測値の上乗せ比率、需要予測値の上乗せ量、自家発電と買電との比率又は自家発電と買電との量の最適値を算出する。そして、電力売買支援システムが、需要予測値の上乗せ比率、需要予測値の上乗せ量、自家発電と買電との比率又は自家発電と買電との量を表示する。このようにして、電力小売を行う際に、自家発電及び電力会社等のバックアップ電力で、発電及び電力購入コストを最小化し、電力小売事業者の収益を最大化する方法が知られている(例えば、特許文献2等)。
さらに、システムが、将来の特定時期におけるコミュニティのエネルギー需要を予測し、エネルギー需要を予測に基づいて、将来の特定時期のための消費調整要請を生成する。次に、システムが、コミュニティ内の一部の需要家を宛先需要家に選択して、消費調整要請を宛先需要家に送信する。そして、将来の特定時期におけるコミュニティのエネルギー需要を予測するため、システムが、宛先需要家以外のコミュニティ内の需要家である非宛先需要家を特定し、非宛先需要家の過去のエネルギー消費実績を把握する。続いて、把握されたエネルギー消費実績に基づいて、システムが、将来の特定時期におけるコミュニティのエネルギー需要を予測する。このようにして、コミュニティのような複数の需要家集団による将来のエネルギー需要をより適切に予測する方法が知られている(例えば、特許文献3等)。
しかしながら、従来の方法では、電力予測において、需要家が消費する電力量(以下「需要電力量」という。)が精度良く予測できないという問題がある。
本発明の1つの側面は、上述した課題を解決するものであり、電力予測において、需要電力量を精度良く予測できる電力予測システムを提供することを目的とする。
一態様における、1つ以上の情報処理装置を有し、かつ、需要家が消費する需要電力量を予測する電力予測システムは、前記需要家の周辺における気象に係る値を示す気象データを取得する第1取得部と、前記需要家が消費した消費電力量を示す消費電力量データを取得する第2取得部と、前記気象データと、前記消費電力量データとに基づいて、前記需要電力量を算出する品質工学に基づく計算式を生成する計算式生成部と、前記計算式に基づいて前記需要電力量を算出する算出部とを備える。
電力予測において、需要電力量を精度良く予測する電力予測システムを提供できる。
以下、図面を用いて、本発明に係る一実施形態を説明する。
<全体構成例>
図1は、本発明の一実施形態に係る電力予測システムの全体構成の一例を示す概念図である。図示するように、電力予測システム1は、ネットワークNW等を介して、需要家CRが有する設備と接続される情報処理装置等である。なお、電力予測システム1は、1つ以上の情報処理装置を有すればよく、複数の情報処理装置を有する情報処理システムでもよい。以下、電力予測システム1が1つの情報処理装置である例で説明する。
図1は、本発明の一実施形態に係る電力予測システムの全体構成の一例を示す概念図である。図示するように、電力予測システム1は、ネットワークNW等を介して、需要家CRが有する設備と接続される情報処理装置等である。なお、電力予測システム1は、1つ以上の情報処理装置を有すればよく、複数の情報処理装置を有する情報処理システムでもよい。以下、電力予測システム1が1つの情報処理装置である例で説明する。
図示する例では、電力予測システム1は、ネットワークNWを介して、各需要家CRの建物又は設備等で消費した電力量(以下「消費電力量」という。)を示す消費電力量データDCPを取得する。なお、それぞれの消費電力量データDCPは、それぞれの需要家CRから個別に取得されるのが望ましい。また、消費電力量データDCPは、例えば、需要家CRが有するスマートメータ等によって、所定の定期ごと又は不定期に取得される。
また、電力予測システム1は、インターネット等を介して、気象データ提供サーバ2と接続される。なお、気象データ提供サーバ2は、例えば、気象庁が有するサーバ等である。そして、電力予測システム1は、気象データ提供サーバ2から気象データDWEを取得する。
なお、以下の説明では、需要家は、電力を消費する設備を有するユーザ等を示す。また、需要家は、電力使用における1契約単位のユーザであり、例えば、1つの建物又は家庭等である。
また、電力予測システム1は、監視用等のため、更にサーバを有してもよい。
<ハードウェア構成例>
図2は、本発明の一実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。例えば、電力予測システム1は、図示するようなハードウェア構成である。すなわち、電力予測システム1は、PC(Personal Computer)又はサーバ等であり、コンピュータである。なお、電力予測システム1は、例えば、タブレット又はノートPC等の他の種類の情報処理装置でもよい。
図2は、本発明の一実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。例えば、電力予測システム1は、図示するようなハードウェア構成である。すなわち、電力予測システム1は、PC(Personal Computer)又はサーバ等であり、コンピュータである。なお、電力予測システム1は、例えば、タブレット又はノートPC等の他の種類の情報処理装置でもよい。
電力予測システム1は、CPU(Central Processing Unit)1H1と、I/F(interface)1H2と、出力装置1H3とを有する。また、電力予測システム1は、入力装置1H4と、HD(Hard Disk)1H5と、記憶装置1H6とを有する。さらに、各ハードウェアは、バス(bus)1H7を介して接続される。
CPU1H1は、各種処理及び各種データの加工を実現するための演算を行う演算装置並びに各ハードウェア等を制御する制御装置である。なお、電力予測システム1は、演算装置又は制御装置を複数有してもよい。
I/F1H2は、例えば、コネクタ及び処理IC(Integrated Circuit)等である。例えば、I/F1H2は、ネットワーク又はケーブル等を介して、有線又は無線で外部装置とデータを送受信する。
出力装置1H3は、例えば、画像、表示画面及びGUI(Graphical User Interface)等を表示するディスプレイ等である。
入力装置1H4は、例えば、ユーザによる操作等を入力するタッチパネル、キーボード、マウス、マイク又はこれらの組み合わせ等である。
HD1H5は、補助記憶装置の一例である。すなわち、HD1H5は、処理に用いるプログラム、ファイル又は各種設定等のデータを記憶する。
記憶装置1H6は、いわゆるメモリ(memory)等であり、主記憶装置である。すなわち、記憶装置1H6には、HD1H5が記憶するプログラム又はデータ等が読み出される。
<機能構成例>
図3は、本発明の一実施形態に係る電力予測システムの機能構成の一例を示す機能ブロック図である。図示するように、電力予測システム1は、第1取得部1F1と、第2取得部1F2と、計算式生成部1F3と、算出部1F4とを備える。なお、電力予測システム1は、更に他の種類の機能部を備えてもよい。
図3は、本発明の一実施形態に係る電力予測システムの機能構成の一例を示す機能ブロック図である。図示するように、電力予測システム1は、第1取得部1F1と、第2取得部1F2と、計算式生成部1F3と、算出部1F4とを備える。なお、電力予測システム1は、更に他の種類の機能部を備えてもよい。
第1取得部1F1は、気象データ提供サーバ2(図1)等から気象データDWEを取得する。なお、第1取得部1F1は、例えば、I/F1H2(図2)等によって実現される。
具体的には、第1取得部1F1は、例えば、気象データ提供サーバ2(図1)等から、所定の時刻となると、気象データDWEを取得する。なお、取得する気象データDWEは、あらかじめ定められる所定の地点の気象データである。次に、第1取得部1F1は、取得した気象データDWEを判別して時系列に蓄積する。例えば、取得された気象データDWEは、下記(表1)に示すようなデータとなる。
第2取得部1F2は、需要家CR(図1)が有するスマートメータ等から消費電力量データDCPを取得する。なお、第2取得部1F2は、例えば、I/F1H2(図2)等によって実現される。
具体的には、第2取得部1F2は、例えば、スマートメータごと、すなわち、需要家CRごと、それぞれの需要家CRの消費電力量データDCPを取得する。また、第2取得部1F2は、例えば、30分ごと、消費電力量データDCPを取得する。次に、第2取得部1F2は、需要家CRごと、かつ、時系列に消費電力量データDCPを蓄積する。例えば、取得された消費電力量データDCPは、下記(表2)に示すようなデータとなる。
計算式生成部1F3は、第1取得部1F1によって取得される気象データDWEと、第2取得部1F2によって取得される消費電力量データDCPとに基づいて、需要家CRによる需要電力量を算出するため、品質工学に基づく計算式を生成する。具体的には、計算式生成部1F3は、品質工学における正常空間等を示すモデル式を生成する。また、計算式生成部1F3は、需要家ごとに、それぞれの計算式を生成する。さらに、計算式生成部1F3は、あらかじめ定められる評価期間mが経過すると、経過した評価期間、すなわち、評価期間m分のデータに基づいて、それぞれの計算式を生成する。
なお、評価期間mは、「日数×1ごとの計測回数」である。
したがって、計算式生成部1F3は、まず、需要家ごと、かつ、評価期間ごとに、計算式を生成するのに用いるデータを読み出す。そして、計算式生成部1F3は、需要家ごとに、かつ、評価期間ごとに、計算式を生成し、蓄積する。なお、計算式生成部1F3は、例えば、CPU1H1(図2)等によって実現される。
算出部1F4は、計算式生成部1F3が生成した計算式に基づいて、需要家CRによる需要電力量を算出する。具体的には、算出部1F4は、まず、需要家ごとに蓄積される計算式を読み出す。そして、算出部1F4は、読み出された計算式と、気象データDWE等とに基づいて、需要電力量を算出する。なお、算出に用いられる気象データDWEは、未来の時点における気象を予測したデータである。望ましくは、算出に用いられる気象データDWEは、明日の気象を予測したデータであるのが望ましい。なお、算出部1F4は、例えば、CPU1H1(図2)等によって実現される。
また、電力予測システム1には、いわゆる顧客マスタ等のデータがあらかじめ入力され、顧客データベースが構築される。なお、顧客マスタには、各需要家の顧客番号及び顧客が位置する地点を示す地域情報等が入力される。そして、第1取得部1F1及び第2取得部1F2は、データを取得する際に、顧客マスタから地域情報等を読み出して、地域情報等に対応する各種データを取得する。
図示するような各機能によって、電力予測システム1は、以下のような処理を行う。
<全体処理例>
図4は、本発明の一実施形態に係る電力予測システムによる全体処理の一例を示すフローチャートである。電力予測システムは、例えば、図示するような全体処理によって、電力予測方法を行う。
図4は、本発明の一実施形態に係る電力予測システムによる全体処理の一例を示すフローチャートである。電力予測システムは、例えば、図示するような全体処理によって、電力予測方法を行う。
ステップS101では、電力予測システムは、気象データを取得する。気象データは、需要家の周辺の気象に係る値を示すデータである。例えば、電力予測システムは、予測する需要家を特定する。さらに、電力予測システムは、需要家が位置する地点を特定する。また、電力予測システムは、取得する気象データを特定するため、日時等を入力する。すなわち、気象データは、都道府県等の地域に係る気象データでなく、需要家の位置する周辺の場所及び近隣の気象条件を示すデータであるのが望ましい。より望ましくは、取得される気象データは、需要家の位置する局地的な範囲のみの気象データであると、電力予測システムは、精度良く計算式を生成できる。例えば、気象データは、需要家の周辺20km2程度の範囲を示すデータ等である。
気象データは、具体的には、気温、湿度、風向、風速、降水量、降雪量、日照時間、日照量及び気圧等から選択される気象に係る値を示すデータである。なお、気象データは、複数の種類が選択されるのが望ましい。
他にも、電力予測システムは、後段の算出で用いる計算式を特定するため、日時等を取得する。
ステップS102では、電力予測システムは、消費電力量データを取得する。なお、消費電力量データは、需要家CRごとのそれぞれの消費電力量を示すデータであるのが望ましい。そのため、ステップS102では、電力予測システムは、需要家を特定し、消費電力量データを取得する。また、ステップS102では、電力予測システムは、あらかじめ定められる所定時間ごとに、例えば、30分ごとに、消費電力量データを取得する。
<気象データ及び消費電力量データの例>
気象データ及び消費電力量データの取得結果は、例えば、下記(表3)のように示せる。
気象データ及び消費電力量データの取得結果は、例えば、下記(表3)のように示せる。
また、上記(表3)では、評価期間mは、「日数×1ごとの計測回数=5日×3回/日」である。
なお、差分値が用いられると、電力予測システムは、後段の品質工学において、増加傾向又は減少傾向を数式に取り入れることができる。
また、上記(表3)に示すように、「X3」及び「X4」のように、湿度を用いる場合には、Ω変換された値が用いられるのが望ましい。このようにすると、変換された後の値は、「−∞乃至+∞」の値となる。つまり、Ω変換が行われると、湿度は、「0%乃至100%」の値から「−∞乃至+∞」の値に変換される。具体的には、変換前の湿度を「p」とすると、変換後の値である「ηi」は、「ηi=log(p/(1−p))」となる。このようにすると、電力予測システムは、湿度等の百分率で示される値を後段の品質工学で用いやすい数値にすることができる。
なお、気象データは、各需要家が位置する地域に合わせたデータであるのが望ましい。すなわち、気象データは、需要家ごとに異なってもよい。このようにすると、各需要家の気象条件を精度良く示す気象データを用いることができるため、電力予測システムは、需要家ごとの需要電力量を精度良く算出できる。
<消費電力量データの分類例>
さらに、上記(表3)に示す例では、「Y」は、消費電力量データに基づいて取得される値である。なお、消費電力量データが示す値は、消費電力量の種類に基づいて、以下のように分類されるのが望ましい。
さらに、上記(表3)に示す例では、「Y」は、消費電力量データに基づいて取得される値である。なお、消費電力量データが示す値は、消費電力量の種類に基づいて、以下のように分類されるのが望ましい。
図5は、本発明の一実施形態に係る電力予測システムが取得する消費電力量データの分類例を示す図である。図示する例では、消費電力量データは、1日(24時間)のうち、それぞれの時間で需要家が消費した消費電力量を示すデータである。また、図は、消費電力量が以下のように、3つに分類される例を示す。
例えば、消費電力量は、時間を問わず、ほぼ一定の値となることが多い電力量(以下「ベース電力量PBAS」という。)と、オフィス内の人数等と関係が強い電力量(以下「人的情報相関電力量POFW」という。)と、気温等と関係が強い電力量(以下「気象情報相関電力量PAIR」という。)とに分類される。以下、消費電力量がこの3種類に分類される例で説明する。なお、分類数は、3種類に限られない。すなわち、分類数は、2種類でもよく、4種類以上でもよい。
ベース電力量PBASは、例えば、需要家がオフィス内等で使用するサーバ、入退出等のセキュリティシステム及び自動販売機等に消費される電力量である。すなわち、ベース電力量PBASは、1日において、ほぼ一日中稼動している設備が、稼働するために消費する電力量である。このように、ベース電力量PBASは、1日において一定となる電力量の例である。図示するように、ベース電力量PBASは、時間を問わず、つまり、朝、昼及び夜等の時間帯に係わらず、ほぼ一定の値となる。したがって、ベース電力量PBASは、平均値等でもよい。
人的情報相関電力量POFWは、例えば、需要家がオフィス内等で使用するPC、給湯及び照明等に消費される電力量である。すなわち、人的情報相関電力量POFWは、主に、オフィス内等で従業員等が、労働に用いられる設備、例えば、従業員用のPC又はポット等に消費される電力量である。なお、オフィス内でコピー機及びシュレッダ等の事務機器が用いられる場合には、人的情報相関電力量POFWに、このような事務機器等に消費される電力が含まれてもよい。このように、人的情報相関電力量POFWは、労働に用いられる設備に消費される電力量の例である。そのため、人的情報相関電力量POFWは、オフィス内にいる人数が多いと、増加する場合が多い。具体的には、図示するように、一般的に、労働が開始される朝の時間となると、人的情報相関電力量POFWは、増加し始める場合が多い。そして、昼の時間において、オフィス内にいる人数が最大となると、人的情報相関電力量POFWは、一日においてピークとなる場合が多い。一方で、一般的に、労働が終了する夜の時間となると、人的情報相関電力量POFWは、減少し始める場合が多い。
例えば、オフィス等では、朝の時間となると、出社した従業員等によって照明等の電源が入れられるため、照明関係の設備が電力を消費する。また、同様に、朝の時間となると、出社した従業員等によってPC等の電源が入れられるため、PC等の設備が電力を消費する。さらに、朝の時間等に、お茶を飲む習慣があると、従業員等によってポット等の電源が入れられるため、給湯関係の設備が電力を消費する。これらの消費電力量は、例えば、従業員等が出社する「7:00」頃の時刻から従業員等が退社する「20:00」頃の時刻までの時間ごとの最小値を計測して算出される。なお、消費電力量は、曜日ごとに計測されるのが望ましい。すなわち、日曜又は祝日等では、出社する従業員等は、少ないため、平日と比較すると、人的情報相関電力量POFWは、増加しにくい。そのため、曜日ごとに分けて計測されると、電力予測システムは、人的情報相関電力量POFWを用いる計算を精度良く行うことができる。
気象情報相関電力量PAIRは、例えば、空調等に用いられる設備に消費される電力量である。そのため、気象情報相関電力量PAIRは、気温の上昇又は下降に応じて、変化する場合が多い電力量である。具体的には、夏季において、昼の時間に、気温が最高気温となると、気象情報相関電力量PAIRは、一日においてピークとなる場合が多い。また、気象情報相関電力量PAIRは、人的情報相関電力量POFWと同様に、労働が開始される朝の時間となると、気象情報相関電力量PAIRは、増加し始める場合が多い。さらに、労働が終了する夜の時間となると、気象情報相関電力量PAIRは、減少し始める場合が多い。なお、気象情報相関電力量PAIRには、冬季に用いられる暖房器具に消費される電力量が含まれてもよい。また、気象情報相関電力量PAIRには、湿度に応じて、除湿器等に消費される電力量が含まれてもよい。このように、気象情報相関電力量PAIRは、気象条件に応じて変動する電力量の例である。
また、消費電力量データは、所定の時間ごとに取得されるのが望ましい。例えば、消費電力量データは、30分ごとに取得されるのが望ましい。すなわち、所定の時間は、電力の卸売市場等で取引される時間単位と一致するのが望ましい。
さらに、消費電力量データは、需要家ごとに取得されるのが望ましい。このようにすると、一定の地域ごとの消費電力量を示す消費電力量データが取得される場合等と比較して、電力予測システムは、需要家ごとの需要電力量を精度良く算出できる。
このように、消費電力量データは、複数の種類に分類され、各分類のそれぞれの平均値又は最小値等の代表値が用いられると、電力予測システムは、分類ごとに、需要電力量を精度良く算出できる。例えば、ベース電力量PBASは、一定であるとする。一方で、他の種類の需要電力量は、関連する項目に分けて、それぞれの需要電力量を算出する計算式が生成され、それぞれの計算式に基づいて、それぞれの需要電力量が算出される。このようにして、電力予測システムは、各分類の需要電力量を総和して需要電力量を精度良く算出できる。
<計算式の生成例>
図4に戻り、ステップS103では、電力予測システムは、品質工学のT法(以下単に「T法」という。)に基づいて計算式を生成する。具体的には、電力予測システムは、需要家ごとに、それぞれの計算式を生成する。さらに、電力予測システムは、評価期間が経過すると、評価期間ごとに、それぞれの計算式を生成する。
図4に戻り、ステップS103では、電力予測システムは、品質工学のT法(以下単に「T法」という。)に基づいて計算式を生成する。具体的には、電力予測システムは、需要家ごとに、それぞれの計算式を生成する。さらに、電力予測システムは、評価期間が経過すると、評価期間ごとに、それぞれの計算式を生成する。
図6は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法の一例を示すフローチャートである。図4に示すステップS103では、電力予測システムが、図6に示す方法を行って、計算式を生成する。
ステップS201では、電力予測システムは、データベースを生成する。例えば、以下のようなデータベースが、電力予測システムによって生成される。
図7は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法において生成されるデータベースの一例を示す図である。以下、図示するようなデータベースが生成される例で説明する。
この例では、「Xi」は、項目(「特徴量」という場合もある。)である。項目は、分析値又は物理的メカニズムに関連する測定値又は複数の測定値の組み合わせであり、性能指数である。また、「Yj」は、目的特性である。目的特性は、性能又は品質に関連する結果を示す値である。すなわち、各「Xi」である項目は、気象データ及び消費電力量データが示す値である。一方で、「Yj」である目的特性は、需要電力量である。
また、T法を用いると、重回帰分析等と比較して、サンプル数(図7では「n」である。)以下の因子数しか用いることができない等の制約条件が少なくできる。
図6に戻り、ステップS202では、電力予測システムは、データベースの基準点変換を行う。すなわち、電力予測システムは、以下のように、ステップS201で生成されたデータベースを変換する。
図8は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法におけるデータベースの基準点変換の一例を示す図である。図示するように、電力予測システムは、「Xi」、すなわち、項目及び「Yj」、すなわち、目的特性の平均値をゼロとなるように変換する。
図6に戻り、ステップS203では、電力予測システムは、各項目の係数及びSN比を算出する。まず、電力予測システムは、図8に示す基準点変換後の目的特性「yj」と、基準点変換後の各項目「xij」との関係を最小二乗法によって算出する。また、この関係は、係数「βi」とすると、「xij=βi×yj」と定義される。この定義を示す式を変換すると、目的特性「yj」は、「yj=xij/βi」(以下「定義式」という場合がある。)と示せる。
そして、「k」個の各項目に基づいて算出される係数「βi」は、重み付けをして用いられる。重み付けは、SN比「ηi」を指標に行われる。なお、係数「βi」と、SN比「ηi」とは、以下のような関係である。
図9は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法における係数「βi」とSN比「ηi」の関係の一例を示すイメージ図である。図示するように、係数「βi」は、「n」個のデータに対して最小二乗法が行われ、最小二乗法によって算出される直線の傾きから算出される。また、図示するように、SN比「ηi」は、各項目「xij」と、目的特性「yj」との相関から計算される。具体的には、係数「βi」は、例えば、下記(1)式を計算すると、求まる値である。
図6に戻り、ステップS204では、電力予測システムは、推定値を算出する。まず、ステップS203による算出結果は、整理すると、以下のように示せる。
図10は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法における係数「βi」とSN比「ηi」の算出結果の一例を示す図である。図示するように、この例では、係数「βi」と、SN比「ηi」とが、それぞれ「k」個ずつ上記(1)式及び上記(2)式によって計算される。次に、各「k」個の項目の値に基づいて、電力予測システムは、下記(3)式によって、「n」個のサンプルに対して、それぞれの目的特性の推定値を算出する。
図11は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法における項目の重み付けの一例を示す図である。まず、各項目に係る推定式EX1が、上記の定義式に基づいて計算される。次に、電力予測システムは、推定式EX1に対する各SN比「ηi」による重み付けを行う。図示するように、重みEX2は、全SN比「ηi」の総和に対する各SN比「ηi」の割合である。そして、図示するように、推定式EX1が重みEX2で重み付けされ、各重み付けされた式が線形結合すると、上記(3)式が生成できる。
図6に戻り、図示するように、ステップS205では、電力予測システムは、推定値の精度を評価してもよい。
図12は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法における推定値の一例を示す図である。図示する値は、図6に示すステップS204によって算出される推定値を示す。次に、電力予測システムは、このようにして算出される推定値が、どの程度の精度であるかを評価する。例えば、評価は、以下のような「SN比(ゼロ点比例のSN比)」、「相関係数」及び「現象説明率」等によって行われる。
図13は、本発明の一実施形態に係る電力予測システムによる品質工学に基づく計算式の生成方法における「SN比」、「相関係数」及び「現象説明率」の一例を示す図である。このように、「現象説明率ρ2」は、「相関係数」の2乗で示せる値であり、図示するような計算方法によって算出される値である。
このようにして、図6に示す方法が行われると、電力予測システムは、計算式を生成することができる。具体的には、例えば、下記(4)式に示す計算式が生成される。
図4に戻り、ステップS104では、電力予測システムは、計算式に基づいて需要電力量を算出する。すなわち、上記(19)式における気象に係る値、例えば、気温等を「xi1」乃至「xi4」に代入すると、電力予測システムは、需要電力量を算出することができる。また、計算式は、随時更新される場合があるため、電力予測システムは、定められる日時等及び需要家に基づいて、算出に用いる計算式を特定し、特定された計算式によって、需要電力量を算出する。
なお、計算式は、下記(20)式が用いられて生成されると、より望ましい。
なお、上記(20)式における各変数は、下記(21)式乃至下記(34)式の通りとなる。
電力予測システムは、上記(5)式乃至上記(18)式を用いる方法(以下「第1生成方法」という。)と同様に、上記(20)式乃至上記(34)式を用いる方法(以下「第2生成方法」という。)でも、上記(19)式の計算式を生成できる。
なお、第2生成方法であると、第1生成方法と比較して、電力予測システムは、上記(19)式における係数、すなわち、「α1」乃至「α5」の値が小さい計算式を生成することができる。「α1」等の係数の値が大きい、すなわち、第1生成方法によって生成される計算式であると、気温等の気象に係る値が「1」変化すると、算出される需要電力量の値が大きく変動しすぎる場合がある。そこで、第2生成方法のように、上記(19)式における係数が小さい値となる計算式を生成できる方法を用いると、電力予測システムは、精度良く需要電力量を算出できる。
<各計算式による算出結果例>
第1生成方法及び第2生成方法により生成される各計算式によって算出される需要電力量は、例えば、下記(表4)の通りとなる。
第1生成方法及び第2生成方法により生成される各計算式によって算出される需要電力量は、例えば、下記(表4)の通りとなる。
<比較例>
図14は、比較例の算出結果を示す図である。図示する比較例は、重回帰法に基づいて、需要電力量を算出した結果である。なお、図における「実績」は、実際に計測された電力量を示す。
図14は、比較例の算出結果を示す図である。図示する比較例は、重回帰法に基づいて、需要電力量を算出した結果である。なお、図における「実績」は、実際に計測された電力量を示す。
<本発明の一実施形態に係る算出結果例>
図15は、本発明の一実施形態に係る電力予測システムによる品質工学に基づいて生成される計算式を用いた算出結果の一例を示す図である。具体的には、図示する「算出結果」は、第2生成方法により生成された計算式によって算出された需要電力量を示す。一方で、図における「実績」は、図14と同様に、実際に計測された電力量を示す。このように、第2生成方法等により生成される計算式が用いられると、電力予測システムは、精度良く需要電力量を算出できる。具体的には、図14に示す比較例の算出結果と比較すると、電力予測システムは、約「30%」程度精度良く需要電力量を算出できる。
図15は、本発明の一実施形態に係る電力予測システムによる品質工学に基づいて生成される計算式を用いた算出結果の一例を示す図である。具体的には、図示する「算出結果」は、第2生成方法により生成された計算式によって算出された需要電力量を示す。一方で、図における「実績」は、図14と同様に、実際に計測された電力量を示す。このように、第2生成方法等により生成される計算式が用いられると、電力予測システムは、精度良く需要電力量を算出できる。具体的には、図14に示す比較例の算出結果と比較すると、電力予測システムは、約「30%」程度精度良く需要電力量を算出できる。
また、電力予測システムは、算出される需要電力量に基づいて、実際に計測された電力量における異常パターンを検出してもよい。例えば、算出される需要電力量と、大きく異なる電力量が計測された場合等では、電力予測システムは、異常パターンであると判定してもよい。また、例えば、図3及び図4において、電力予測システムは、まず、計算式と、その時点の需要家ごとの計算値を、いわゆる標準値(「正常空間」という場合もある。)として蓄積する。次に、電力予測システムは、予測された需要電力量と、標準値との差分値を計算するため、減算を行う。そして、計算される差分値が、あらかじめ定められる閾値を超える場合には、「異常あり」と判定する。例えば、このように、電力予測システムは、異常を判定してもよい。
このような異常パターンが発生する場合は、例えば、漏電等が起きている場合である。このようにして、電力予測システムは、漏電等を監視してもよい。また、漏電等の異常は、各需要家がそれぞれ有するキュービクル(Cubicle)式高圧受電設備等の設備(以下単に「キュービクルCB」という。)が故障したことが原因である場合が多い。なお、キュービクルCBは、故障しやすい設備であることが多い。そのため、電力予測システムは、異常パターン等に基づいて、キュービクルCBの故障等の設備に係る異常を検出してもよい。なお、需要家が有する設備は、例えば、キュービクルCBであるが、設備の種類は、これに限られず、変圧器等の他の種類の設備であってもよい。
また、電力予測システムは、需要家ごとに、それぞれの計算式を生成し、それぞれの計算式に基づいて、それぞれの需要電力量を算出するのが望ましい。また、入力されるデータも、需要家ごとに個別のデータが使用されるのが望ましい。
さらに、電力予測システムは、算出される需要電力量に基づいて、1日におけるピークを予測してもよい。そして、電力予測システムは、ピークとなる所定の時間前に通知を行ってもよい。なお、通知が行われるタイミングは、例えば、ピークと予測される時刻から所定の時間前、すなわち、ピークと予測される時刻から電力予測システムに設定される時間前である。例えば、電力予測システムには、あらかじめ「1時間前」等の設定値がユーザによって設定される。このようにすると、電力予測システムは、ピークと予測される時刻から「1時間前」の時点で、ピークとなるメッセージをユーザに表示又はメール等で通知する。一方で、一日以上前又は前日等に通知されると、ユーザは、ピークとなる時刻を忘れる場合がある。そのため、このように、所定の時間前とすると、電力予測システムが通知すると、ユーザは、ピークに消費する電力量を少なくするための準備等を行うことができる。
<まとめ>
電力予測システムは、気象データ及び消費電力量データを取得する。次に、電力予測システムは、気象データ及び消費電力量データに基づいて、品質工学により、上記(19)式の計算式を生成する。そして、電力予測システムは、生成される上記(19)式の計算式に基づいて、需要電力量を算出できる。また、品質工学によって生成される上記(19)式は、精度良く需要電力量を算出できる計算式である。したがって、上記(19)式を用いると、電力予測システムは、電力の需要量を精度良く予測できる。
電力予測システムは、気象データ及び消費電力量データを取得する。次に、電力予測システムは、気象データ及び消費電力量データに基づいて、品質工学により、上記(19)式の計算式を生成する。そして、電力予測システムは、生成される上記(19)式の計算式に基づいて、需要電力量を算出できる。また、品質工学によって生成される上記(19)式は、精度良く需要電力量を算出できる計算式である。したがって、上記(19)式を用いると、電力予測システムは、電力の需要量を精度良く予測できる。
また、上記の例は、電力予測システムによる処理の理解を容易にするために、主な機能に応じて分割して示した構成である。そのため、処理単位の分割の仕方又は名称によって本発明に係る実施形態は、限定されない。例えば、電力予測システムの処理は、処理内容に応じて更に多くの処理単位に分割してもよい。また、1つの処理単位は、更に多くの処理を含むように分割されてもよい。
他にも、電力予測システムは、1つの装置によって実現される構成に限られない。すなわち、1つ以上の情報処理装置を有する電力予測システムによって、本発明に係る実施形態は、実現されてもよい。なお、電力予測システムでは、各処理の一部又は全部が分散、冗長、並列又はこれらを組み合わせるように、処理が行われてもよい。
なお、本発明に係る各処理の全部又は一部は、プログラミング言語等で記述されたコンピュータに電力予測方法を実行させるためのプログラムによって実現されてもよい。すなわち、プログラムは、画像処理装置等のコンピュータに画像処理方法を実行させるためのコンピュータプログラムである。
また、プログラムは、フラッシュメモリ、フレキシブルディスク、光学ディスク、SD(登録商標)カード又はMO等のコンピュータが読み取り可能な記録媒体に格納して頒布することができる。さらにまた、プログラムは、電気通信回線を通じて頒布することができる。
1 電力予測システム
DWE 気象データ
DCP 消費電力量データ
CR 需要家
CB キュービクル
DWE 気象データ
DCP 消費電力量データ
CR 需要家
CB キュービクル
Claims (14)
- 1つ以上の情報処理装置を有し、かつ、需要家が消費する需要電力量を予測する電力予測システムであって、
前記需要家の周辺における気象に係る値を示す気象データを取得する第1取得部と、
前記需要家が消費した消費電力量を示す消費電力量データを取得する第2取得部と、
前記気象データと、前記消費電力量データとに基づいて、前記需要電力量を算出する品質工学に基づく計算式を生成する計算式生成部と、
前記計算式に基づいて前記需要電力量を算出する算出部と
を備える電力予測システム。 - 前記計算式生成部は、逆推定の逆数を用いる前記計算式を生成する請求項1に記載の電力予測システム。
- 前記計算式生成部が前記計算式を生成するのに、有効除数が項目の2乗和で計算され、かつ、全変動が目的特性の2乗和で計算される請求項2に記載の電力予測システム。
- 前記電力予測システムは、複数の需要家が消費するそれぞれの需要電力量を予測し、
前記第2取得部は、前記複数の需要家のそれぞれの前記消費電力量データを取得し、
前記計算式生成部は、前記複数の需要家のそれぞれの前記計算式を生成し、
前記算出部は、前記需要家ごとに、それぞれの前記需要電力量を算出する請求項1乃至3のいずれか一項に記載の電力予測システム。 - 前記電力予測システムは、前記消費電力量データを複数の種類に分類する請求項1乃至4のいずれか一項に記載の電力予測システム。
- 前記消費電力量データは、少なくとも1日において一定となる電力量、労働に用いられる設備に消費される電力量及び気象条件に応じて変動する電力量に分類される請求項5に記載の電力予測システム。
- 前記算出部によって算出される前記需要電力量に基づいて、1日におけるピークを予測し、
前記ピークとなる所定の時間前となると、通知を行う請求項1乃至6のいずれか一項に記載の電力予測システム。 - 前記第1取得部は、前記気象データが示す値の差分値を計算する請求項1乃至7のいずれか一項に記載の電力予測システム。
- 前記気象データは、気温、湿度、風向、風速、降水量、降雪量、日照時間、日照量及び気圧のうち、少なくともいずれか1つを含む請求項1乃至8のいずれか一項に記載の電力予測システム。
- 前記需要電力量に基づいて、前記需要家が消費する電力量の異常パターンを検出する請求項1乃至9のいずれか一項に記載の電力予測システム。
- 前記異常パターンに基づいて、前記需要家が有する設備の異常を検出する請求項10に記載の電力予測システム。
- 前記算出部は、明日の気象を予測する気象データを用いて前記需要電力量を算出する請求項1乃至11のいずれか一項に記載の電力予測システム。
- 1つ以上の情報処理装置を有し、かつ、需要家が消費する需要電力量を予測する電力予測システムが行う電力予測方法であって、
前記電力予測システムが、前記需要家の周辺における気象に係る値を示す気象データを取得する第1取得手順と、
前記電力予測システムが、前記需要家が消費した消費電力量を示す消費電力量データを取得する第2取得手順と、
前記電力予測システムが、前記気象データと、前記消費電力量データとに基づいて、前記需要電力量を算出する品質工学に基づく計算式を生成する計算式生成手順と、
前記電力予測システムが、前記計算式に基づいて前記需要電力量を算出する算出手順と
を含む電力予測方法。 - 1つ以上の情報処理装置を有し、かつ、需要家が消費する需要電力量を予測するコンピュータに電力予測方法を実行させるためのプログラムであって、
前記コンピュータが、前記需要家の周辺における気象に係る値を示す気象データを取得する第1取得手順と、
前記コンピュータが、前記需要家が消費した消費電力量を示す消費電力量データを取得する第2取得手順と、
前記コンピュータが、前記気象データと、前記消費電力量データとに基づいて、前記需要電力量を算出する品質工学に基づく計算式を生成する計算式生成手順と、
前記コンピュータが、前記計算式に基づいて前記需要電力量を算出する算出手順と
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016050197A JP2017169289A (ja) | 2016-03-14 | 2016-03-14 | 電力予測システム、電力予測方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016050197A JP2017169289A (ja) | 2016-03-14 | 2016-03-14 | 電力予測システム、電力予測方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017169289A true JP2017169289A (ja) | 2017-09-21 |
Family
ID=59910335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016050197A Pending JP2017169289A (ja) | 2016-03-14 | 2016-03-14 | 電力予測システム、電力予測方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017169289A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019087030A (ja) * | 2017-11-07 | 2019-06-06 | 株式会社東芝 | 予測モデル生成装置、予測モデル生成方法及び予測モデル生成プログラム |
KR20190095586A (ko) * | 2018-01-23 | 2019-08-16 | 한국전력정보(주) | 스마트 전력 수요 관리 시스템 |
KR20190095587A (ko) * | 2018-01-23 | 2019-08-16 | 한국전력정보(주) | 실시간 수집된 수요자 부하 정보를 이용하는 스마트 전력 수요 관리 시스템 |
CN110705769A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 新能源发电功率预测优化方法和装置 |
JP2020014341A (ja) * | 2018-07-19 | 2020-01-23 | 積水化学工業株式会社 | 需要電力予測システム、需要電力予測方法及びプログラム |
JP7442129B2 (ja) | 2020-03-12 | 2024-03-04 | パナソニックIpマネジメント株式会社 | エネルギーマネジメントシステム、及び、情報提示方法 |
-
2016
- 2016-03-14 JP JP2016050197A patent/JP2017169289A/ja active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019087030A (ja) * | 2017-11-07 | 2019-06-06 | 株式会社東芝 | 予測モデル生成装置、予測モデル生成方法及び予測モデル生成プログラム |
KR20190095586A (ko) * | 2018-01-23 | 2019-08-16 | 한국전력정보(주) | 스마트 전력 수요 관리 시스템 |
KR20190095587A (ko) * | 2018-01-23 | 2019-08-16 | 한국전력정보(주) | 실시간 수집된 수요자 부하 정보를 이용하는 스마트 전력 수요 관리 시스템 |
KR102063999B1 (ko) * | 2018-01-23 | 2020-02-11 | 한국전력정보(주) | 스마트 전력 수요 관리 시스템 |
KR102133034B1 (ko) * | 2018-01-23 | 2020-07-10 | 한국전력정보(주) | 실시간 수집된 수요자 부하 정보를 이용하는 스마트 전력 수요 관리 시스템 |
JP2020014341A (ja) * | 2018-07-19 | 2020-01-23 | 積水化学工業株式会社 | 需要電力予測システム、需要電力予測方法及びプログラム |
CN110705769A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 新能源发电功率预测优化方法和装置 |
CN110705769B (zh) * | 2019-09-26 | 2022-07-05 | 国家电网公司华北分部 | 新能源发电功率预测优化方法和装置 |
JP7442129B2 (ja) | 2020-03-12 | 2024-03-04 | パナソニックIpマネジメント株式会社 | エネルギーマネジメントシステム、及び、情報提示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017169289A (ja) | 電力予測システム、電力予測方法及びプログラム | |
JP4266011B2 (ja) | 配電系統負荷想定方法、配電系統負荷想定装置 | |
US20150371151A1 (en) | Energy infrastructure sensor data rectification using regression models | |
JP6079215B2 (ja) | 電力需要予測装置、プログラム | |
JP2011122908A (ja) | 分析装置及び計測管理システム | |
JPWO2015087470A1 (ja) | 需要予測装置、プログラム | |
JP6094369B2 (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 | |
JP6599763B2 (ja) | 電力需要予測装置および電力需要予測プログラム | |
JP4531638B2 (ja) | 変圧器負荷想定方法、変圧器負荷想定装置 | |
JP4606257B2 (ja) | デマンド要因分析システムおよびデマンド要因分析方法 | |
JP2008102816A (ja) | 省エネルギー報告書作成装置およびその装置を使用してエネルギー使用量を予測する方法 | |
CN116937569A (zh) | 光伏发电智能储能方法、装置及电子设备 | |
JP2017034797A (ja) | ベースライン負荷推定装置及びベースライン負荷推定プログラム | |
JP7010674B2 (ja) | 電力需要予測装置、電力需要予測方法およびプログラム | |
JP4261471B2 (ja) | 配電系統負荷想定方法及び装置 | |
Addy et al. | How baseline model implementation choices affect demand response assessments | |
Ding et al. | Individual nonparametric load estimation model for power distribution network planning | |
KR102350298B1 (ko) | 에너지 관리 시스템 및 그 관리 방법 | |
JP2019101525A (ja) | 属性クラスタの重みを利用した使用量予測プログラム、装置及び方法 | |
JP5627331B2 (ja) | 電力モニタ | |
JP2017153257A (ja) | 電力需要予測装置、及び電力需要予測方法 | |
JP5654074B2 (ja) | 電力使用量予測装置、電力使用量予測方法およびプログラム | |
JP5984095B2 (ja) | 行動管理装置、行動管理方法およびプログラム | |
JPWO2017104237A1 (ja) | 情報処理装置、その情報処理方法、およびプログラム | |
JP2017103862A (ja) | 電力推定装置、電力推定方法及び電力推定プログラム |