JP2018092439A - データ処理システム及びデータ処理方法 - Google Patents
データ処理システム及びデータ処理方法 Download PDFInfo
- Publication number
- JP2018092439A JP2018092439A JP2016236105A JP2016236105A JP2018092439A JP 2018092439 A JP2018092439 A JP 2018092439A JP 2016236105 A JP2016236105 A JP 2016236105A JP 2016236105 A JP2016236105 A JP 2016236105A JP 2018092439 A JP2018092439 A JP 2018092439A
- Authority
- JP
- Japan
- Prior art keywords
- data
- prediction
- plan
- factor
- model
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 96
- 238000003672 processing method Methods 0.000 title claims description 6
- 230000007704 transition Effects 0.000 claims abstract description 132
- 238000004364 calculation method Methods 0.000 claims abstract description 98
- 230000008859 change Effects 0.000 claims abstract description 35
- 238000010248 power generation Methods 0.000 claims description 14
- 230000002123 temporal effect Effects 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 3
- 239000002803 fossil fuel Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 56
- 238000007726 management method Methods 0.000 description 37
- 238000000034 method Methods 0.000 description 26
- 230000000737 periodic effect Effects 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000012937 correction Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000012706 support-vector machine Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000005611 electricity Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002360 preparation method 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/57—Arithmetic logic units [ALU], i.e. arrangements or devices for performing two or more of the operations covered by groups G06F7/483 – G06F7/556 or for performing logical operations
- G06F7/575—Basic arithmetic logic units, i.e. devices selectable to perform either addition, subtraction or one of several logical operations, using, at least partially, the same circuitry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Entrepreneurship & Innovation (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)
Abstract
予測もしくは計画算出に関わる因子の値の時間推移の違いを考慮した予測もしくは計画算出を実現する。
【解決手段】
予測データもしくは計画データの算出対象の観測データと、予測対象もしくは計画対象に関わる各種因子の観測データとから、対象の予測データもしくは計画データを算出するデータ処理システムであって、算出対象と、その因子のそれぞれの観測データとから、予測データもしくは計画データの算出に用いるモデルを同定する第一の処理部と、因子の観測データから因子の時間推移の種類を示すデータを算出し、算出した時間推移の種類を示すデータを用いて、因子の観測データを分類する第二の処理部と、分類した因子の観測データと、予測データもしくは計画データ算出対象期間における因子の予報データに基づいて、予測データもしくは計画データを算出するモデルを変更し、予測データもしくは計画データを算出する第三の処理部を有する。
【選択図】 図1
Description
(1−1)全体構成
図1に、電力需要の予測において本発明を実施した場合での需給管理システム1の全体構成を示す。本需給管理システム1は、需要実績情報に基づいて任意の期間の需要の予測データを算出し、算出した需要の予測データに基づいて運用可能な発電機の運転計画の算出と制御を実行し、あるいは他の電気事業者からの直接、若しくは取引所からの電力調達取引の計画算出と実行を行うためのシステムであり、電気事業者2、系統運用者7、取引市場運用者8、公共情報提供者9、および需要家10がそれぞれ所有する各種装置および各種端末から構成される。また通信経路111および112は、需給管理システム1を構成する各種装置および端末を互いに通信可能に接続する通信経路であり、例えばLAN(Local Area Network)から構成される。
このうち対象観測データ4006Aは、計測装置100や系統情報管理装置70から取得される契約済みの需要家や契約締結対象の需要家の過去の対象観測データ4006Aで構成される情報であり、例えば、各需要家10の過去数年間の30分毎の電力需要の実績値を含む。
図3は、データ処理システムを構成する各装置の具体的な構成を示す。図3において、予測演算装置30は、演算部として、例えばパーソナルコンピュータ、サーバコンピュータ又はハンドヘルドコンピュータなどの情報処理装置から構成され、予測演算装置30の動作を統括的に制御するCPU(Central Processing Unit)3001、入力装置3002、出力装置3003、通信装置3004および記憶装置3005を備える。
図4は、データ処理システムにおける予測演算処理の処理手順を示す。この処理は、予測演算装置30が需給管理者3からの入力操作を受け付けた事を契機として、もしくは予め設定された時間間隔、あるいは時刻を契機として開始される処理であり、予測演算装置30によりステップS101からステップS103の処理が実行される。
以降、各処理部の実施形態の詳細を、図を用いて説明する。
(1−4−1)モデル同定部
図5は、データ処理システム12におけるモデル同定部3006の詳細な実施形態を示す。
本実施形態におけるモデル同定部3006は、対象観測データ4006Aと、因子観測データ3009Aを用いて、予測対象期間における予測対象の時間推移の予測データを算出する関数を識別するための識別モデル3006Bを算出する。
時間推移関数群生成部3006A1は、対象観測データ4006Aに格納されている予測対象の過去の観測データの時系列データから、予測対象の時間推移を示す代表的な関数群(時間推移関数群)を生成する。
時間推移関数識別モデル生成部3006A2は、因子観測データ3009Aを用いて、時間推移関数群生成部3006A1が算出した時間推移関数群の内、予測対象期間において用いるべき時間推移関数を識別するための識別モデル3006Bを生成する。
図6は、データ処理システム12における因子データ分類部3007の詳細な実施形態を示す。
特徴量算出部3007A1は、因子観測データ3009に格納されている各種因子について、それぞれの周期的な特徴を示す指標データを算出する。
特徴量分類部3007A2は、特徴量算出部3007A1が算出した指標データを特徴ベクトルとしたクラスタリング処理を施すことで、周期的な特徴が類似するデータ同士を一つの群となる様に、各種因子の時系列データ群をそれぞれクラスタとして分類する。ここでのクラスタリング処理は、k−means、EMアルゴリズムやスペクトラルクラスタリングといった近傍の最適化の教師なしクラスタリングアルゴリズム、あるいは教師なしSVM(Support Vector Machine)やVQ(Vector Quantization)アルゴリズム、SOM(Self−Organizing Maps)といった識別面の最適化の教師なしのクラスタリングアルゴリズムなど、公知のクラスタリング技術を適用してもよい。
図7は、データ処理システム12におけるモデル変更部3008の詳細な実施形態を示す。
本実施形態におけるモデル変更部3008は、因子予報データ3010と、因子データ分類部3007が算出した因子それぞれの過去の観測時系列の分類結果データ3007Bとを用いて、モデル同定部3006が算出したモデル(識別モデル3006B)を変更し、変更したモデルと因子予報データ3010を用いて、予測対象期間における予測対象の予測データ3008Bを算出する。
時間推移関数識別モデル変更部3008A1は、因子予報データ3010と、因子データ分類部3007が算出した因子それぞれの過去の観測時系列の分類結果データ3007Bとを用いて、モデル同定部3006が算出したモデル(識別モデル3006B)を変更する。
時間推移関数識別部3008A2は、時間推移関数識別モデル変更部3008A1が変更したモデルと、因子予報データ3010Aとを用いて、予測対象期間における予測対象の時間推移を算出するための時間推移関数を識別する。
補正データ算出部3008A3は、因子データ分類部3007が算出した因子データの分類結果3007Bと、因子予報データ3010Aとを用いて、時間推移関数識別部3008A2が算出した予測対象期間における予測対象の時間推移を示す関数(時間推移関数)の振幅値の大小を補正するための補正データを算出する。なおここでの補正データとは、具体的には、例えば、予測対象期間もしくは予測対象期間内の任意の期間における予測対象の最大値、最小値、積算値、あるいは予測対象期間内の任意の時刻の予測対象の値、もしくは上記関数に対して加算、減算するバイアス値や、関数に対して乗算する倍率値などである。
時間推移関数補正部3008A4は、補正データ算出部3008A3が算出した補正データを用いて、時間推移関数識別部3008A2が算出した予測対象の時間推移を示す関数(時間推移関数)を補正することで、予測対象期間における予測データ3008を算出する。
以上の動作を以って、需給管理システム1の動作は完結する。
図8と図9に、本実施の形態による効果と原理を説明する概念図を示す。
先ず図8は、時間推移関数群生成部3006A1および時間推移関数識別モデル生成部3006A2により算出された識別モデル(時間推移関数識別モデル)3006Bに従い、予測対象期間における予測対象の時間推移を示す値の予測データ3008Bを算出する過程、および結果の概念を示している。なおここでの予測対象は日内の時刻毎の電力需要であり、また説明の簡単のため、因子は日平均気温のみとしている。
(2−1)因子データ分類部の変形例
上記の実施形態では、因子データ分類部3007において、各種因子の周期的な特徴を示す指標データを用いたクラスタリング処理により因子データを分類するとしたが、本発明の趣旨である因子の時間推移の類似性に基づいた予測もしくは計画算出のためのモデルの変更を逸脱しない範囲で実施の形態を変形してもよい。
上記の実施形態では、モデル同定部3006が算出した予測もしくは計画算出のためのモデル(識別モデル)を、モデル変更部3008が変更するとして説明したが、これに限らず、予測もしくは計画算出のためのモデルの同定と変更を同時に処理するとしてもよい。すなわち、予測もしくは計画算出のためのモデルの同定処理の時点において、因子データ分類部3007が算出したデータを使用した上でモデル同定を行うとしても良い。
上記の実施形態では、予測データを算出するためのモデルを電力需要の予測モデルとして説明したが、これに限らず、予測の誤差あるいは偏差の予測データを算出するためのモデルとしてもよい。
上記の実施形態では、データ処理システム12が行う処理は予測データの算出として説明したが、これに限らず、例えば、発電機の起動停止計画や、電力卸取引所における電力売買計画などの計画データを対象としても良い。
上記の実施形態では、因子データ分類部3007が算出したデータに基づいたモデルの変更を、ある一つのモデルを対象とする様に説明したが、これに限らず、複数のモデルからの選択もしくは切換としてのモデル変更処理であってもよい。
また本実施の形態における需給管理システム1では、説明の簡単のために、表示部を省いているが、各処理部の算出結果や、各処理部の中間結果を、ディスプレイやプリンタなどの出力装置を通じて、適宜算出しても良い。
Claims (16)
- 任意の対象の予測データもしくは計画データを算出するデータ処理システムであって、
前記予測データもしくは前記計画データに関わる各種因子の、値の時間推移を示す情報に基づいて、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを変更する演算部を有すること
を特徴とするデータ処理システム。 - 前記演算部は、
前記予測データもしくは前記計画データに関わる各種因子の観測データについて、時間推移を示すデータである第一の指標データをそれぞれ算出する第一の処理部と、
前記予測データもしくは前記計画データに関わる各種因子の予測データについて、時間推移を示すデータである第二の指標データを算出する第二の処理部と、
前記第一の指標データそれぞれについて、前記第二の指標データとの類似度を示す指標データを算出し、前記算出した前記類似度を示す指標データに基づいて、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを同定もしくは変更する第三の処理部を有すること
を特徴とする請求項1に記載のデータ処理システム。 - 前記演算部は、
前記予測データもしくは前記計画データに関わる各種因子の因子観測データについて、時間推移を示すデータである第一の指標データをそれぞれ算出する第一の処理部と、
前記予測データもしくは前記計画データに関わる各種因子の因子予測データについて、時間推移を示すデータである第二の指標データを算出する第二の処理部と、
前記第一の指標データそれぞれについて、前記第二の指標データとの類似度を示す指標データを算出し、前記算出した因子の値の時間推移の類似度を示す指標データが高いデータへの適合性を高めるように、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを同定もしくは変更する第三の処理部を有すること
を特徴とする請求項1に記載のデータ処理システム。 - 前記演算部は、
前記予測データもしくは前記計画データに関わる各種因子の因子観測データについて、所定の変数を示す第一の指標データをそれぞれ算出する第一の処理部と、
前記予測データもしくは前記計画データに関わる各種因子の因子予測データについて、所定の変数を示す第二の指標データを算出する第二の処理部と、
前記算出した第一の指標データおよび前記第二の指標データを新たな因子データとして用いて、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを同定もしくは変更する第三の処理部を有すること
を特徴とする請求項1に記載のデータ処理システム。 - 前記所定の変数には、説明変数が含まれること
を特徴とする請求項4に記載のデータ処理システム。 - 前記第一の処理部は、
観測された予測対象の時系列データから、予測対象期間における予測対象の時間推移を示す曲線を算出するためのモデルを同定し、
前記第三の処理部は、
前記第一の処理部で同定したモデルを用いて、予測対象期間における予測対象の時間推移の予測データを示す曲線を算出し、
前記算出した曲線の振幅、もしくは周波数、もしくはその両方を変更するためのデータを算出するモデルを同定し、
前記同定したモデルを用いて算出したデータに適合するように、前記算出した曲線を変更することで、予測対象期間における予測対象の時間推移の予測データを算出すること
を特徴とする請求項2〜5のいずれか1項に記載のデータ処理システム。 - 前記第二の処理部は、
所定の時間間隔で観測された予測対象の時系列それぞれを、時間推移の種類を示すデータが近接している時系列の集合に分類し、
前記第三の処理部は、
前記予測対象の時系列の変動に影響を与える各種因子データを用いて、前記第二の処理部で分類した時系列の集合から、予測対象期間における予測対象の時系列を算出するためのモデルを算出すること
を特徴とする請求項6に記載のデータ処理システム。 - 前記演算部は、
予測対象もしくは計画対象の観測データと、前記予測対象もしくは前記計画対象に関わる各種因子の因子観測データとから、前記予測データもしくは前記計画データを算出するための演算に用いるモデルの候補を複数同定し、
前記因子それぞれにおける時間推移を示す情報に基づいて、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを選択すること
を特徴とする請求項1に記載のデータ処理システム。 - 前記演算部は、
前記予測データもしくは前記計画データを、前記各予測データもしくは前記各計画データが関わる因子観測データの時間推移が類似するデータの集合に分類し、
前記分類したデータ集合それぞれと、前記予測データもしくは前記計画データを算出するための演算に用いる複数のモデルの候補のそれぞれとの間の適合性を示す指標データを算出し、
予測対象期間もしくは計画対象期間において予測された因子の時間推移に最も近い、前記分類したデータ集合を特定し、
前記特定したデータ集合との適合性を示す指標データが高いモデルを、前記予測データもしくは前記計画データを算出するための演算に用いる複数のモデルとして選択すること
を特徴とする請求項8に記載のデータ処理システム。 - 前記演算部は、
前記予測データもしくは前記計画データを、前記各予測データもしくは前記各計画データが関わる因子観測データの時間推移が類似するデータの集合に分類し、
前記分類したデータ集合それぞれと、前記予測データもしくは前記計画データを算出するための演算に用いる複数のモデルの候補のそれぞれとの間の適合性を示す指標データを算出し、
予測対象期間もしくは計画対象期間において観測された因子の時間推移に最も近い、前記分類したデータ集合を特定し、
前記特定したデータ集合との適合性を示す指標データが高いモデルを、前記予測データもしくは前記計画データを算出するための演算に用いる複数のモデルとして選択すること
を特徴とする請求項8もしくは請求項9に記載のデータ処理システム。 - 前記時間推移の種類を示す情報は、所定期間ごとの値の推移の種類を識別するための識別子、又は数値列、もしくは関数であること
を特徴とする請求項1に記載のデータ処理システム。 - 前記算出するための予測データは、電力需要量、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも気温、
もしくは、前記算出するための予測データは、太陽光発電量、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも日射量、雲量湿度、
もしくは、前記算出するための予測データは、卸電力価格、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも電力需要量、発電計画、化石燃料の取引価格、
もしくは、前記算出するための計画データは、発電機起動停止計画、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも電力需要量、卸電力価格であること
を特徴とする請求項1〜11のいずれか1項に記載のデータ処理システム。 - 前記予測データもしくは前記計画データを算出するための演算に用いるモデルは、
少なくとも、予測対象期間もしくは計画対象期間における、予測対象もしくは計画対象の、値の時間推移を示す曲線を算出するためのモデルであること
を特徴とする請求項1〜12のいずれか1項に記載のデータ処理システム。 - 前記予測データもしくは前記計画データを算出するための演算に用いるモデルは、
少なくとも、前記時間推移を示す曲線の振幅、もしくは周波数、もしくはその両方を変更するためのデータを算出するためのモデルであること
を特徴とする請求項13に記載のデータ処理システム。 - 任意の対象の予測データもしくは計画データを算出するデータ処理方法であって、
前記予測データもしくは前記計画データに関わる各種因子の、値の時間推移を示す情報に基づいて、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを変更する演算ステップを有すること
を特徴とするデータ処理方法。 - 前記演算ステップは、
前記予測データもしくは前記計画データに関わる各種因子の観測データについて、時間推移を示すデータである第一の指標データをそれぞれ算出する第一のステップと、
前記予測データもしくは前記計画データに関わる各種因子の予測データについて、時間推移を示すデータである第二の指標データを算出する第二のステップと、
前記第一の指標データそれぞれについて、前記第二の指標データとの類似度を示す指標データを算出し、前記算出した前記類似度を示す指標データに基づいて、前記予測データもしくは前記計画データを算出するための演算に用いるモデルを同定もしくは変更する第三のステップを有すること
を特徴とする請求項15に記載のデータ処理方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016236105A JP7319757B2 (ja) | 2016-12-05 | 2016-12-05 | データ処理システム及びデータ処理方法 |
US16/332,076 US11409498B2 (en) | 2016-12-05 | 2017-11-17 | Data processing system and data processing method |
EP17879598.5A EP3550480A4 (en) | 2016-12-05 | 2017-11-17 | DATA PROCESSING SYSTEM AND DATA PROCESSING METHOD |
PCT/JP2017/041400 WO2018105357A1 (ja) | 2016-12-05 | 2017-11-17 | データ処理システム及びデータ処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016236105A JP7319757B2 (ja) | 2016-12-05 | 2016-12-05 | データ処理システム及びデータ処理方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018092439A true JP2018092439A (ja) | 2018-06-14 |
JP2018092439A5 JP2018092439A5 (ja) | 2019-05-09 |
JP7319757B2 JP7319757B2 (ja) | 2023-08-02 |
Family
ID=62490871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016236105A Active JP7319757B2 (ja) | 2016-12-05 | 2016-12-05 | データ処理システム及びデータ処理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11409498B2 (ja) |
EP (1) | EP3550480A4 (ja) |
JP (1) | JP7319757B2 (ja) |
WO (1) | WO2018105357A1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102065780B1 (ko) * | 2019-03-20 | 2020-01-13 | (주)제타큐브사이언스 | 빅데이터를 활용한 인공지능 시계열 데이터 예측을 수행하는 전자 장치 및 그 예측 방법 |
WO2020157948A1 (ja) * | 2019-02-01 | 2020-08-06 | 日本電気株式会社 | 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
KR20200131928A (ko) * | 2019-05-14 | 2020-11-25 | 한국전력공사 | 하이브리드 타입 단기 전력수요 예측 장치 및 방법 |
JP2020202739A (ja) * | 2019-06-06 | 2020-12-17 | 国立大学法人九州大学 | 電力需要量予測装置及び電力需要量予測方法 |
WO2020261449A1 (ja) * | 2019-06-26 | 2020-12-30 | 日本電信電話株式会社 | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム |
JP2021012539A (ja) * | 2019-07-05 | 2021-02-04 | 株式会社日立製作所 | データ予測システム及びその方法 |
US11107094B2 (en) | 2016-12-05 | 2021-08-31 | Hitachi, Ltd. | Prediction system and prediction method |
JP2021128478A (ja) * | 2020-02-12 | 2021-09-02 | 株式会社日立製作所 | データ処理システムおよびデータ処理方法 |
WO2021210107A1 (ja) * | 2020-04-15 | 2021-10-21 | 日本電信電話株式会社 | モデル作成装置、モデル作成方法、及びモデル作成プログラム |
WO2021241938A1 (ko) * | 2020-05-27 | 2021-12-02 | 삼성전자(주) | 전자장치 및 그 제어방법 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11875371B1 (en) | 2017-04-24 | 2024-01-16 | Skyline Products, Inc. | Price optimization system |
WO2020090715A1 (ja) * | 2018-11-01 | 2020-05-07 | 日本電気株式会社 | 工程管理装置および工程管理方法および工程管理プログラム記憶媒体 |
US11221607B2 (en) * | 2018-11-13 | 2022-01-11 | Rockwell Automation Technologies, Inc. | Systems and methods for analyzing stream-based data for asset operation |
JP7243361B2 (ja) * | 2019-03-25 | 2023-03-22 | 富士通株式会社 | ジョブスケジューラ及びジョブスケジュール制御方法 |
US11636310B2 (en) * | 2019-08-23 | 2023-04-25 | Johnson Controls Tyco IP Holdings LLP | Building system with selective use of data for probabilistic forecasting |
CN111784381B (zh) * | 2020-06-09 | 2023-05-16 | 北京邮电大学 | 基于隐私保护和som网络的电力客户细分方法及系统 |
JP2022178003A (ja) * | 2021-05-19 | 2022-12-02 | 株式会社日立製作所 | 推定システムおよび推定方法 |
CN114429249B (zh) * | 2022-04-06 | 2022-08-16 | 杭州未名信科科技有限公司 | 钢管束生产设备的寿命预测方法、系统、设备及存储介质 |
CN114757722B (zh) * | 2022-06-09 | 2023-11-14 | 荣耀终端有限公司 | 一种电子设备的销量预测方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006331229A (ja) * | 2005-05-27 | 2006-12-07 | Toshiba Corp | 電力取引支援システムと方法、およびプログラム |
JP2007199862A (ja) * | 2006-01-24 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー需要予測方法、予測装置、プログラム、および記録媒体 |
JP2013222423A (ja) * | 2012-04-19 | 2013-10-28 | Hitachi Power Solutions Co Ltd | 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム |
JP2014180187A (ja) * | 2013-03-15 | 2014-09-25 | Toshiba Corp | 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置 |
JP2016081452A (ja) * | 2014-10-22 | 2016-05-16 | 株式会社日立製作所 | 卸電力価格予測システムおよび卸電力価格予測方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009225613A (ja) | 2008-03-18 | 2009-10-01 | Tokyo Electric Power Co Inc:The | 電力需要予測装置及び電力需要予測方法 |
US9292013B2 (en) | 2012-01-12 | 2016-03-22 | Enerallies, Inc. | Energy management computer system |
JP6408451B2 (ja) | 2015-05-21 | 2018-10-17 | 株式会社日立製作所 | エネルギー需要予測システム及びエネルギー需要予測方法 |
-
2016
- 2016-12-05 JP JP2016236105A patent/JP7319757B2/ja active Active
-
2017
- 2017-11-17 WO PCT/JP2017/041400 patent/WO2018105357A1/ja active Application Filing
- 2017-11-17 EP EP17879598.5A patent/EP3550480A4/en not_active Ceased
- 2017-11-17 US US16/332,076 patent/US11409498B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006331229A (ja) * | 2005-05-27 | 2006-12-07 | Toshiba Corp | 電力取引支援システムと方法、およびプログラム |
JP2007199862A (ja) * | 2006-01-24 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー需要予測方法、予測装置、プログラム、および記録媒体 |
JP2013222423A (ja) * | 2012-04-19 | 2013-10-28 | Hitachi Power Solutions Co Ltd | 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム |
JP2014180187A (ja) * | 2013-03-15 | 2014-09-25 | Toshiba Corp | 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置 |
JP2016081452A (ja) * | 2014-10-22 | 2016-05-16 | 株式会社日立製作所 | 卸電力価格予測システムおよび卸電力価格予測方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11107094B2 (en) | 2016-12-05 | 2021-08-31 | Hitachi, Ltd. | Prediction system and prediction method |
JPWO2020157948A1 (ja) * | 2019-02-01 | 2021-11-25 | 日本電気株式会社 | 運用支援装置、システム、方法及びプログラム |
WO2020157948A1 (ja) * | 2019-02-01 | 2020-08-06 | 日本電気株式会社 | 運用支援装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
US11740912B2 (en) | 2019-02-01 | 2023-08-29 | Nec Corporation | Operation support apparatus, system, method, and non-transitory computer readable medium storing program |
KR102065780B1 (ko) * | 2019-03-20 | 2020-01-13 | (주)제타큐브사이언스 | 빅데이터를 활용한 인공지능 시계열 데이터 예측을 수행하는 전자 장치 및 그 예측 방법 |
KR20200131928A (ko) * | 2019-05-14 | 2020-11-25 | 한국전력공사 | 하이브리드 타입 단기 전력수요 예측 장치 및 방법 |
KR102628551B1 (ko) | 2019-05-14 | 2024-01-26 | 한국전력공사 | 하이브리드 타입 단기 전력수요 예측 장치 및 방법 |
JP2020202739A (ja) * | 2019-06-06 | 2020-12-17 | 国立大学法人九州大学 | 電力需要量予測装置及び電力需要量予測方法 |
JP2021052588A (ja) * | 2019-06-06 | 2021-04-01 | 国立大学法人九州大学 | 電力需要量予測装置及び電力需要量予測方法 |
WO2020261449A1 (ja) * | 2019-06-26 | 2020-12-30 | 日本電信電話株式会社 | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム |
JP7294421B2 (ja) | 2019-06-26 | 2023-06-20 | 日本電信電話株式会社 | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム |
JPWO2020261449A1 (ja) * | 2019-06-26 | 2020-12-30 | ||
JP7257276B2 (ja) | 2019-07-05 | 2023-04-13 | 株式会社日立製作所 | データ予測システム及びその方法 |
JP2021012539A (ja) * | 2019-07-05 | 2021-02-04 | 株式会社日立製作所 | データ予測システム及びその方法 |
JP2021128478A (ja) * | 2020-02-12 | 2021-09-02 | 株式会社日立製作所 | データ処理システムおよびデータ処理方法 |
WO2021210107A1 (ja) * | 2020-04-15 | 2021-10-21 | 日本電信電話株式会社 | モデル作成装置、モデル作成方法、及びモデル作成プログラム |
WO2021241938A1 (ko) * | 2020-05-27 | 2021-12-02 | 삼성전자(주) | 전자장치 및 그 제어방법 |
US11561518B2 (en) | 2020-05-27 | 2023-01-24 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
Also Published As
Publication number | Publication date |
---|---|
US20190369963A1 (en) | 2019-12-05 |
EP3550480A1 (en) | 2019-10-09 |
EP3550480A4 (en) | 2020-05-20 |
US11409498B2 (en) | 2022-08-09 |
WO2018105357A1 (ja) | 2018-06-14 |
JP7319757B2 (ja) | 2023-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018105357A1 (ja) | データ処理システム及びデータ処理方法 | |
JP6895416B2 (ja) | エネルギー需要予測システム及びエネルギー需要予測方法 | |
JP2018092439A5 (ja) | ||
US11593690B2 (en) | Data prediction system and data prediction method | |
JP6837949B2 (ja) | 予測システム及び方法 | |
US11107094B2 (en) | Prediction system and prediction method | |
US20190228329A1 (en) | Prediction system and prediction method | |
Saber et al. | Short term load forecasting using multiple linear regression for big data | |
WO2011114752A1 (ja) | 発電量予測装置とその方法及びプログラム | |
Park et al. | A framework for baseline load estimation in demand response: Data mining approach | |
WO2017212880A1 (ja) | データ予測システムおよびデータ予測方法 | |
Arjmand et al. | Meta-learning in multivariate load demand forecasting with exogenous meta-features | |
Matsuo et al. | Forecasting daily electric load by applying artificial neural network with fourier transformation and principal component analysis technique | |
Chen et al. | Distributed power trading system based on blockchain technology | |
WO2016185919A1 (ja) | エネルギー需要予測システム及びエネルギー需要予測方法 | |
Matijaš et al. | Supplier short term load forecasting using support vector regression and exogenous input | |
Goodman et al. | Building power grid 2.0: Deep learning and federated computations for energy decarbonization and edge resilience | |
Bantugon et al. | Short-and long-term electricity load forecasting using classical and neural network based approach: a case study for the Philippines | |
Gajowniczek et al. | Seasonal peak demand classification with machine learning techniques | |
Sinitsyna et al. | Identification of Electric Power Consumption Patterns in Relation to Standard Load Profiles | |
Oliveira et al. | Long-Term Energy Consumption Forecast for a Commercial Virtual Power Plant Using a Hybrid K-means and Linear Regression Algorithm | |
Chen et al. | LMP Forecasting and FTR Speculation | |
WO2024014035A1 (ja) | データ予測支援方法およびデータ予測システム | |
Tur | Estimating Spinning Reserve Capacity With Extreme Learning Machine Method in Advanced Power Systems Under Ancillary Services Instructions | |
MINNAAR et al. | Applied SARIMA Models for Forecasting Electricity Distribution Purchases and Sales |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190327 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200526 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200722 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200923 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210330 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210625 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210625 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210706 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210713 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20211015 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20211019 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20211207 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220111 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220412 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20230404 |
|
C28A | Non-patent document cited |
Free format text: JAPANESE INTERMEDIATE CODE: C2838 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230530 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230721 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7319757 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |