JP2017208887A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2017208887A JP2017208887A JP2016098180A JP2016098180A JP2017208887A JP 2017208887 A JP2017208887 A JP 2017208887A JP 2016098180 A JP2016098180 A JP 2016098180A JP 2016098180 A JP2016098180 A JP 2016098180A JP 2017208887 A JP2017208887 A JP 2017208887A
- Authority
- JP
- Japan
- Prior art keywords
- data
- power
- learning
- power data
- factor analysis
- 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
- 238000000556 factor analysis Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 238000010801 machine learning Methods 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000004378 air conditioning Methods 0.000 description 19
- 238000005286 illumination Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
まず、本発明の実施の形態1について説明する。
図1に示すように、受電点1から、各分電盤を介して測定対象電気機器である照明2、空調3、動力4に電力が用途別に供給される分析対象設備を有する建物を考える。
まず、学習期(学習ステップ)では、図2(1)に示すように、受電点1と照明2、空調3、動力4の各分電盤での電力計測値をデータとして取得する。学習手段12は受電点1の受電点データを入力データ、照明2、空調3、動力4の用途データを教師データ(出力データ)とする機械学習を行い、この学習結果から受電点データを用途データに分配するモデルを作成する。作成したモデルは記憶手段22に記憶される。
次に、本発明の実施の形態2について説明する。
本実施の形態2は、上記の実施の形態1の学習手段12と推定手段14の処理内容を一部変更したものであり、その他の手段の構成、処理内容は上記の実施の形態1と同様である。また、本実施の形態2では、デマンド要因分析システム10による効果を最大化するために、最適化手段16を適用して計量箇所の中で最適な計量箇所を割り出している。
図4(1)は、学習期において、受電点データと照明データを入力データとして、空調データ、動力データを教師データとする機械学習を行い、この学習結果から各電力データに分配するモデルを作成した後、推定期において、計測した受電点データと照明データから、空調データ、動力データを推定する例を示したものである。なお、照明データ、空調データ、動力データは、それぞれ照明2、空調3、動力3の各分電盤で計測される用途データである。
最適化手段16は、図4に示したような複数パターンの推定モデルにおいて、それぞれの推定精度を算出し、その中で最も推定精度の良いものを最適計量箇所として決定する。ここで、各モデルに対応する図5〜図7を見ると、推定した用途データへの分解能にモデル間で差があることがわかる。これらの全ポイントデータにおいて誤差(例えば平均二乗誤差)を計算し、それぞれモデルの推定精度を算出する。この算出結果については、図4の各図の下部に表示している(それぞれ精度90%、80%、95%)。この例では、学習期の入力データとして受電点に動力を加えた図4(3)の例が最も精度がよく(精度95%)、計測箇所として受電点と動力が最適と判定することができる。
2 照明
3 空調
4 動力
10 デマンド要因分析システム
12 学習手段
14 推定手段
16 最適化手段
18 入力手段
20 出力手段
22 記憶手段
Claims (8)
- 分析対象設備の受電点で計測される受電点電力データ、用途別に計測される用途別電力データのうち一つ以上を入力データ、入力データとして用いない電力データを教師データとする機械学習を行い、この学習結果から各電力データに分配するモデルを作成する学習手段と、
作成したモデルを使って、計測した入力データに対応する電力データから入力データとして用いない電力データを推定する推定手段とを備えることを特徴とするデマンド要因分析システム。 - 学習手段は、受電点電力データを入力データ、用途別電力データを教師データとする機械学習を行い、この学習結果から受電点電力データを用途別電力データに分配し、
推定手段は、作成したモデルを使って、計測した受電点電力データから用途別電力データを推定することを特徴とする請求項1に記載のデマンド要因分析システム。 - 学習手段で作成した複数パターンのモデルを使って、各パターンについて電力データを推定し、推定結果を比較して電力データの計測箇所を最適化する最適化手段をさらに備えることを特徴とする請求項1または2に記載のデマンド要因分析システム。
- 学習手段は、ニューラルネットワークを用いた機械学習を行い、この学習結果からモデルを作成することを特徴とする請求項1〜3のいずれか一つに記載のデマンド要因分析システム。
- 分析対象設備の受電点で計測される受電点電力データ、用途別に計測される用途別電力データのうち一つ以上を入力データ、入力データとして用いない電力データを教師データとする機械学習を行い、この学習結果から各電力データに分配するモデルを作成する学習ステップと、
作成したモデルを使って、計測した入力データに対応する電力データから入力データとして用いない電力データを推定する推定ステップとを備えることを特徴とするデマンド要因分析方法。 - 学習ステップは、受電点電力データを入力データ、用途別電力データを教師データとする機械学習を行い、この学習結果から受電点電力データを用途別電力データに分配し、
推定ステップは、作成したモデルを使って、計測した受電点電力データから用途別電力データを推定することを特徴とする請求項5に記載のデマンド要因分析方法。 - 学習ステップで作成した複数パターンのモデルを使って、各パターンについて電力データを推定し、推定結果を比較して電力データの計測箇所を最適化する最適化ステップをさらに備えることを特徴とする請求項5または6に記載のデマンド要因分析方法。
- 学習ステップは、ニューラルネットワークを用いた機械学習を行い、この学習結果からモデルを作成することを特徴とする請求項5〜7のいずれか一つに記載のデマンド要因分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016098180A JP6719753B2 (ja) | 2016-05-16 | 2016-05-16 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016098180A JP6719753B2 (ja) | 2016-05-16 | 2016-05-16 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017208887A true JP2017208887A (ja) | 2017-11-24 |
JP6719753B2 JP6719753B2 (ja) | 2020-07-08 |
Family
ID=60415121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016098180A Active JP6719753B2 (ja) | 2016-05-16 | 2016-05-16 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6719753B2 (ja) |
-
2016
- 2016-05-16 JP JP2016098180A patent/JP6719753B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP6719753B2 (ja) | 2020-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9696786B2 (en) | System and method for optimizing energy consumption by processors | |
Verbic et al. | Probabilistic optimal power flow in electricity markets based on a two-point estimate method | |
JP6581490B2 (ja) | 空調パラメータ生成装置、空調運用評価装置、空調パラメータ生成方法およびプログラム | |
CN109461091B (zh) | 考虑光伏和冷负荷相关性的用电负荷计算方法及信息系统 | |
US9810443B2 (en) | Devices, methods, and systems for data-driven acceleration of deployed services | |
JP2006340552A (ja) | 電力品質評価システムとその方法、およびプログラム | |
CN110245061A (zh) | 计算装置、其功耗预测方法及计算机可读存储介质 | |
JP2009020824A (ja) | 空調機の省エネルギー性分析装置、空調システム、空調機の省エネルギー性分析方法および分析プログラム | |
JPWO2016136630A1 (ja) | 系統安定度推定装置および系統安定度推定方法 | |
KR20150055287A (ko) | 개별 부하의 운영상태를 추정하는 장치 및 방법 | |
JP2016045570A (ja) | 節電量算出装置 | |
US11215651B2 (en) | Power consumption estimation device | |
JP6719753B2 (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 | |
WO2015087571A1 (ja) | 料金情報決定装置、料金情報出力システム、料金情報決定方法及びプログラム | |
JP6202988B2 (ja) | 電力計測システム、電力計測方法、及びプログラム | |
JP5946742B2 (ja) | 自然エネルギー型分散電源群の合計出力の変動推定方法、変動推定装置及び変動推定プログラム | |
CN109978204B (zh) | 确定风电场的风功率的预测准确率的方法和装置 | |
CN109960778B (zh) | 计算风电场理论功率的方法和装置 | |
CN104237690A (zh) | 电能利用效率的测定方法与装置 | |
CN112037191A (zh) | 一种局域漏电流密度阈值的确定方法、装置和计算机设备 | |
JP2018013934A (ja) | 電力価格予測装置 | |
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 | |
Becker et al. | Software based estimation of software induced energy dissipation with powerstat | |
JP2017083397A (ja) | 接続相判定信頼度算出プログラム、装置、及び方法 | |
JP6100188B2 (ja) | 電力負荷推定装置、電力負荷推定システム、電力負荷推定方法及び電力負荷推定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190417 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200428 |
|
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: 20200526 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200609 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6719753 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 |