JP2018182820A - 電力需要予測補正装置、および、電力需要予測補正プログラム - Google Patents
電力需要予測補正装置、および、電力需要予測補正プログラム Download PDFInfo
- Publication number
- JP2018182820A JP2018182820A JP2017075199A JP2017075199A JP2018182820A JP 2018182820 A JP2018182820 A JP 2018182820A JP 2017075199 A JP2017075199 A JP 2017075199A JP 2017075199 A JP2017075199 A JP 2017075199A JP 2018182820 A JP2018182820 A JP 2018182820A
- Authority
- JP
- Japan
- Prior art keywords
- correction
- data
- model
- correction model
- power demand
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
【課題】電力需要の予測データの補正の精度を向上すること。【解決手段】実施形態の電力需要予測補正装置は、電力需要の予測データと実績データとを用いて、前記予測データを補正する電力需要予測補正装置であって、前記予測データと前記実績データとを用いて前記予測データを補正する補正モデルを複数種類構築する補正モデル構築部と、前記補正モデル構築部によって構築された複数種類の前記補正モデルを結合して、前記予測データを補正する結合補正モデルを構築する補正モデル結合部と、前記予測データと、前記実績データと、前記補正モデル結合部によって構築された前記結合補正モデルと、を用いて、前記予測データを補正して補正データを算出する補正演算部と、を備える。【選択図】図2
Description
本発明の実施形態は、電力需要予測補正装置、および、電力需要予測補正プログラムに関する。
2016年4月に電力の小売りが全面自由化されてから、多くの新電力会社が電力事業に参入している。新電力会社にとっては、未来の電力需要を、例えば、30分単位等で、高精度で予測することが重要となる。
従来から、電力需要を予測して、その後に、最新のデータを用いてその電力需要の予測データを補正する方法がある。この方法は、例えば、電力需要予測モデルを構築した後に需要家数に増減があった場合などに有効である。
しかしながら、上述の従来技術は、精度の点で改善の余地がある。そこで、本実施形態の課題は、電力需要の予測データの補正の精度を向上することである。
実施形態の電力需要予測補正装置は、電力需要の予測データと実績データとを用いて、前記予測データを補正する電力需要予測補正装置であって、前記予測データと前記実績データとを用いて前記予測データを補正する補正モデルを複数種類構築する補正モデル構築部と、前記補正モデル構築部によって構築された複数種類の前記補正モデルを結合して、前記予測データを補正する結合補正モデルを構築する補正モデル結合部と、前記予測データと、前記実績データと、前記補正モデル結合部によって構築された前記結合補正モデルと、を用いて、前記予測データを補正して補正データを算出する補正演算部と、を備える。
以下、本発明の電力需要予測補正装置、および、電力需要予測補正プログラムの実施形態について、図面を参照して説明する。実施形態では、一日の電力需要は30分ごとの48コマから成り立っているものとする。また、補正対象時刻は、補正データ算出時刻の2コマ後、つまり、1時間後であるものとする。また、補正対象時刻とは、補正対象となる30分の時間帯の最初の時刻を指す。例えば、補正対象時刻が2:30とは、補正対象の時間帯が2:30−2:59(3:00の直前)であることを意味する。なお、以下において、電力需要を単に「需要」ともいう。
(比較例)
ここで、理解を助けるために、まず、比較例(従来技術)の電力需要予測補正装置について説明する。図8は、比較例の電力需要予測補正装置のハードウェア構成を示す図である。なお、以下において、各記号を次のように定義する(実施形態でも同様)。補正対象時刻をtとする。補正データをDc(t)とする。実績データをD(t)とする。予測データをDp(t)とする。補正対象時刻と、使用する実績データと、の時間差をΔtとする。
ここで、理解を助けるために、まず、比較例(従来技術)の電力需要予測補正装置について説明する。図8は、比較例の電力需要予測補正装置のハードウェア構成を示す図である。なお、以下において、各記号を次のように定義する(実施形態でも同様)。補正対象時刻をtとする。補正データをDc(t)とする。実績データをD(t)とする。予測データをDp(t)とする。補正対象時刻と、使用する実績データと、の時間差をΔtとする。
比較例の電力需要予測補正装置では、まず、データ保管部のデータ取得部が予測データDp(t)と実績データD(t)を外部装置から取得する。なお、予測データDp(t)は、電力需要予測補正装置で作成してもよい。
次に、データ保管部の欠測補間部は、予測データDp(t)と実績データD(t)に欠測(欠落している部分)がある場合は、その欠測を補間する。データ保存部はその欠測を補間した予測データDp(t)と実績データD(t)を保存する。以下、「欠測を補間した」の記載を省略する場合がある。
その後、所定のタイミングで、演算部のモデル更新判断部が補正モデルの更新指令をデータ保存部に送る。そうすると、データ保存部は、欠測を補間した予測データDp(t)、実績データD(t)と、モデル更新指令をモデル構築部の補正モデル構築部に送る。
式(1)は、予測データDp(t)に、補正対象時刻よりもΔtだけ前の時間に関する実績データと予測データの差(D(t−Δt)−Dp(t−Δt))を加算することで、補正データDc(t)を算出する補正モデルである。
式(2)は、予測データDp(t)に、補正対象時刻よりもΔtだけ前の時間に関して実績データを予測データで除算した値(比)(D(t−Δt)/Dp(t−Δt))を乗算することで、補正データDc(t)を算出する補正モデルである。
そして、演算部の補正演算部は、欠測を補間した予測データ、実績データと、補正モデル構築部によって構築された式(1)や式(2)の補正モデルと、を用いて補正データDc(t)を算出する。補正演算部は、算出した補正データDc(t)をデータ保存部や制御装置に送信する。制御装置は、例えば、補正データをもとに電力の調達計画を変更する装置や、ユーザに補正データを画像や音声などを用いて知らせる装置である。
また、モデル更新判断部は、欠測を補間した予測データ、実績データと、補正演算部によって算出された補正データと、を用いて、補正モデルを更新するか否かを判断し、補正モデルを更新すると判断した場合は、データ保存部にモデル更新指令を送る。
このような比較例の電力需要予測補正装置では、補正データを精度よく算出できないことがあった。その理由としては、例えば、式(1)、式(2)がシンプル過ぎて、時々刻々と変化する電力需要に柔軟に対応しきれていないこと等が考えられる。そこで、以下の実施形態では、電力需要の予測データの補正の精度を向上する電力需要予測補正装置について説明する。なお、比較例と同様の事項については、説明を適宜省略する。
(実施形態)
図1は、実施形態の電力需要予測補正装置1のハードウェア構成を示す図である。電力需要予測補正装置1は、電力需要の予測データと実績データとを用いて、予測データを補正するコンピュータである。電力需要予測補正装置1は、例えばパーソナルコンピュータ(PC)であり、バス7で互いに接続されたCPU(Central Processing Unit)2、メモリ3、ハードディスク4、GUI(Graphical User Interface)5、および、インタフェース6を備える。
図1は、実施形態の電力需要予測補正装置1のハードウェア構成を示す図である。電力需要予測補正装置1は、電力需要の予測データと実績データとを用いて、予測データを補正するコンピュータである。電力需要予測補正装置1は、例えばパーソナルコンピュータ(PC)であり、バス7で互いに接続されたCPU(Central Processing Unit)2、メモリ3、ハードディスク4、GUI(Graphical User Interface)5、および、インタフェース6を備える。
電力需要予測補正装置1における後述する各機能を実現するプログラム(電力需要予測補正プログラム)は、例えば、ハードディスク4上に格納され、実行時にメモリ3上へと展開された後、CPU2によって手順に従って実行される。インタフェース6に対しては、電力需要の予測データ、実績データが入力される。なお、予測データは、電力需要予測補正装置1で作成してもよい。また、インタフェース6からは、補正データが出力される。
また、処理の途中で生成する各データ(中間データ)は、メモリ3上で管理してもよいし、ハードディスク4上に格納してもよい。また、これらの各データを、GUI5を通じてユーザに可視化してもよい。
次に、図2を参照して、電力需要予測補正装置1の機能構成について説明する。図2は、実施形態の電力需要予測補正装置1の機能構成を示す図である。電力需要予測補正装置1は、機能構成として、データ保管部200と、モデル構築部300と、演算部400と、を備える。
データ保管部200は、データ取得部201と、欠測補間部202と、データ保存部203と、を備える。
データ取得部201は、電力需要の予測データと実績データを外部装置から取得する。予測データは、半日、一日、ひと月などのまとまった期間の電力需要の予測データであり、例えば、予測対象の前日に算出された一日分の予測データである。実績データは、需要家の電力需要の実績データであり、Aルート(スマートメータ→電力会社)、Bルート(スマートメータ→建物内のHEMS(Home Energy Management System)等)、Cルート(電力会社→外部)のいずれのルートで収集されたデータでもよい。ただし、Cルートよりも、Aルート、Bルートのほうが、実績データを早く収集できるという利点がある。
データ取得部201は、例えば、30分ごとなどの決まった周期や、毎日午前0時などの決まった時刻や、データが更新されたタイミングなどに、予測データと実績データの取得処理を実施する。なお、比較例で説明したように、予測データは、電力需要予測補正装置1で作成してもよい。
欠測補間部202は、データ取得部201によって取得された予測データと実績データに欠測(欠落している部分)があるか否かを判断し、欠測がある場合は、その欠測を補間する。欠測の補間法としては、例えば、線形補間、多項式補間、スプライン補間等の公知の手法を使用すればよい。
データ保存部203は、データ取得部201によって取得された、あるいは、欠測補間部202によって欠測が補間された予測データと、データ取得部201によって取得された、あるいは、欠測補間部202によって欠測が補間された実績データと、を保存する。なお、データ保存部203は、欠測補間部202によって欠測が補間された予測データや実績データを保存した後に、その補間された部分のデータがデータ取得部201によって取得された場合は、その取得されたデータで欠測が補間されたデータを上書きしてもよい。
ここで、図3は、データ保存部203が保存するデータ保存テーブル(現在時刻1:30)のデータ構成を示す図である。このデータ保存テーブルは、30分単位で、予測データDp(t)、補正データDc(t)、実績データD(t)(いずれも単位はWh(ワットアワー))、および、モデル更新指令(詳細は後述)の各情報を格納する。
図2に戻って、モデル構築部300は、補正モデル構築部301と、補正モデル結合部302と、を備える。また、演算部400は、補正演算部401と、モデル更新判断部402と、を備える。
データ保存部203は、データ取得部201または欠測補間部202から受け取った予測データと実績データとをデータ保存テーブル(図3)に格納する。また、所定のタイミングで、モデル更新判断部402が補正モデル等(補正モデルおよび後述する結合補正モデル)の更新指令をデータ保存部203に送る(詳細は後述)。そうすると、データ保存部203は、そのモデル更新指令をデータ保存テーブル(図3)に格納する(詳細は後述)。
補正モデル構築部301は、予測データと実績データとを用いて予測データを補正する補正モデルを複数種類構築する。補正モデル構築部301は、例えば、少なくとも、予測データと実績データの差に基づく補正モデルと、予測データと実績データの比に基づく補正モデルと、を1つ以上ずつ構築する。その際、補正モデル構築部301は、予測データ、実績データのそれぞれについて、複数の時間帯のデータを用いてもよい。
補正モデル構築部301は、例えば、上述の式(1)を用いた補正モデル(以下、補正モデル(1)ともいう。)を構築する。また、補正モデル構築部301は、上述の式(2)を用いた補正モデル(以下、補正モデル(2)ともいう。)を構築する。
補正モデル結合部302は、補正モデル構築部301によって構築された複数種類の補正モデルを結合して、予測データを補正する結合補正モデルを構築する。補正モデル結合部302は、例えば、補正モデル構築部301によって構築された複数種類の補正モデルを入力とする重回帰モデルとして結合補正モデルを構築する。
補正モデル結合部302は、例えば、補正モデル構築部301によって構築された補正モデル(1)と補正モデル(2)を用いて、結合補正モデルを構築する。結合補正モデルは、例えば、係数α、β、γを用いた以下の式(3)で表せる。
つまり、式(3)の結合補正モデル(補正データDc(t))は、補正モデル(1)にαを乗算したものと、補正モデル(2)にβを乗算したものと、γと、を加算したものである。補正モデル結合部302は、係数α、β、γを、例えば、最小二乗法や正則化などの手法を用いて決定する。その際、αとβは、任意の値としてもよいし、あるいは、例えばα+β=1といった制約条件を考慮した値としてもよい。この式(3)により、予測データと実績データの差に基づく補正モデル(以下、単に「差に基づく補正モデル」ともいう。)(1)と、予測データと実績データの比に基づく補正モデル(以下、単に「比に基づく補正モデル」ともいう。)(2)の両方の特性(長所)を兼ね備えた結合補正モデルを実現することができる。したがって、この結合補正モデルによって、補正データをより高精度で算出できるようになる。
また、差に基づく補正モデルは、複数の時間帯のデータから決定してもよく、例えば、以下の式(4)のように表せる。
ここで、M=m+1であれば、式(4)の右辺の第1項は複数の時間帯のデータの平均値と同意であるが、M=m+1でなくてもよい。
ここで、M=m+1であれば、式(4)の右辺の第1項は複数の時間帯のデータの平均値と同意であるが、M=m+1でなくてもよい。
また、比に基づく補正モデルは、複数の時間帯のデータから決定してもよく、例えば、以下の式(5)のように表せる。
ここで、N=n+1であれば、式(5)の右辺のN乗根の項は複数の時間帯のデータの平均値と同意であるが、N=n+1でなくてもよい。
ここで、N=n+1であれば、式(5)の右辺のN乗根の項は複数の時間帯のデータの平均値と同意であるが、N=n+1でなくてもよい。
なお、式(4)の代わりに、以下の式(6)を用いてもよい。
ここで、w(t)は重み係数である。aは係数である。重み係数w(t)は、例えば、補正対象時刻との時間差で定めればよい。その場合、例えば、時間差が小さいほど重み係数w(t)を大きくしたり、同じ時間帯なら重み係数w(t)を大きくしたり、同じ曜日なら重み係数w(t)を大きくしたりすればよい。また、重み係数w(t)は、正則化を用いて定めてもよく、あるいは、そのほかの方法で定めてもよい。
ここで、w(t)は重み係数である。aは係数である。重み係数w(t)は、例えば、補正対象時刻との時間差で定めればよい。その場合、例えば、時間差が小さいほど重み係数w(t)を大きくしたり、同じ時間帯なら重み係数w(t)を大きくしたり、同じ曜日なら重み係数w(t)を大きくしたりすればよい。また、重み係数w(t)は、正則化を用いて定めてもよく、あるいは、そのほかの方法で定めてもよい。
なお、式(7)の右辺の関数は、線形、非線形のいずれでもよい。また、補正モデルは、上述のものに限定されず、過去の実績データと予測データを用いて予測データを補正する従来の様々な補正モデルのいずれを用いてもよい。
補正モデルが式(7)のような関数であった場合、補正モデル結合部302は、以下の式(8)のように結合補正モデルを構築する。
補正モデル結合部302は、係数α、β、γを、最小二乗法や正則化などの手法を用いて決定する。
補正モデル結合部302は、係数α、β、γを、最小二乗法や正則化などの手法を用いて決定する。
なお、補正モデル、および、結合補正モデルは、全ての日時で同じものを用いてもよいし、あるいは、所定の分類条件で分類されたグループごとに別々のものを用いてもよい。例えば、補正モデル、および、結合補正モデルは、時間帯、曜日、気象条件(晴れ、曇り、雨、温度、湿度等)のうち少なくともいずれかを分類条件としたグループごとに構築してもよい。また、例えば、補正モデル、および、結合補正モデルは、需要家の属性(低圧需要家、高圧需要家、居住人数、電力使用時間帯等)を分類条件としたグループごとに構築してもよい。例えば、予測データが複数の需要家グループごとに算出されている場合は、それに合わせて補正モデル、および、結合補正モデルもそのグループごとに構築すればよい。
演算部400の補正演算部401は、予測データと、実績データと、補正モデル結合部302によって構築された結合補正モデルと、を用いて、予測データを補正して補正データを算出する。補正演算部401は、算出した補正データをデータ保存部203や制御装置に送信する。比較例で説明したように、制御装置は、例えば、補正データをもとに電力の調達計画を変更する装置や、ユーザに補正データを画像や音声などを用いて知らせる装置である。
モデル更新判断部402は、予測データ、実績データ、および、補正演算部401によって算出された補正データ、のうち少なくともいずれかを用いて、補正モデルおよび結合補正モデル(以下、「補正モデル等」ともいう。)を更新(以下、「モデル更新」ともいう。)するか否かを判断する。モデル更新判断部402は、例えば、実績データ、および、補正演算部401によって算出された補正データの差が所定の条件を満たしたときに、補正モデルおよび結合補正モデルを更新すると判断する。モデル更新判断部402は、補正モデル等を更新すると判断した場合は、データ保存部203にモデル更新指令を送る。
このモデル更新の判断には、例えば、予測データ、実績データ、補正データについて最新データを含む過去数時間から数年のデータを用いる。使用するデータ量は、あらかじめ定めておいてもよく、あるいは、ユーザが設定してもよい。
ここで、モデル更新指令について説明する。図3に示すデータ保存テーブル(現在時刻1:30)において、モデル更新指令の項目に、モデル更新が要の場合には「1」、否の場合には「0」が保存されている。モデル更新判断部402は、例えば、補正データと実績データの差が所定の閾値(例えば、所定割合、所定Wh数等)以上の場合に、補正モデル等を更新すると判断する。図3の例では、時刻00:30の時点で、00:00−00:29の時間帯の補正データと実績データの差が所定の閾値以上なので、モデル更新判断部402は、1時間後の01:30−01:59の時間帯のモデル更新指令を「1」にするように、データ保存部203に指示する。なお、モデル更新判断部402は、例えば、補正データと実績データの差が所定の閾値以上の場合が所定回数(例えば、2回や3回)連続した(所定の条件を満たした)場合に、補正モデル等を更新すると判断するようにしてもよい。そうすれば、補正データと実績データの差が1回だけ偶発的に所定の閾値以上となった場合に補正モデル等を更新する、という不要な動作を抑制することができる。
なお、このモデル更新の要否を判断する際に、例えば、同じ時間帯や同じ曜日は電力需要に同じような傾向がある等が考えられる。したがって、予測データ、実績データ、補正データ等には、現在時刻との時間差の情報だけでなく、日時や曜日の情報も含めておくことが好ましい。
図3に示すデータ保存テーブルのモデル更新指令が「1」の時刻には、補正演算部401が補正データを算出する前に、モデル構築部300が補正モデル等の再構築を実施する。つまり、補正モデル構築部301は、複数種類の補正モデルを再び構築して更新し、補正モデル結合部302は、補正モデル構築部301によって更新された複数種類の補正モデルを結合して結合補正モデルを再び構築して更新する。一方、モデル更新指令が「0」の時刻には、モデル構築部300は補正モデル等の再構築を実施せず、補正演算部401は現在の結合補正モデルを用いて補正データを算出する。
次に、図4を参照して、電力需要予測補正装置1による処理について説明する。図4は、実施形態の電力需要予測補正装置1による処理を示すフローチャートである。
まず、ステップS1において、データ取得部201は、予測データと実績データを取得する。データ取得部201は、例えば、予測対象日の前日に算出された予測データを午前0時に48コマ分取得する。また、データ取得部201は、例えば、実績データを30分ごとに取得する。また、実績データの取得に遅延はないと想定する。
次に、ステップS2において、欠測補間部202は、データ取得部201によって取得された予測データや実績データに欠測があるか否かを判断し、Yesの場合はステップS3に進み、Noの場合はステップS4に進む。ステップS3において、欠測補間部202は、線形補間、多項式補間、スプライン補間等の任意の手法により、データの欠測を補間する。ステップS3の後、ステップS4に進む。
ステップS4において、データ保存部203は、データ取得部201によって取得された、あるいは、欠測補間部202によって欠測が補間された予測データDp(t)と、データ取得部201によって取得された、あるいは、欠測補間部202によって欠測が補間された実績データD(t)と、をデータ保存テーブルに保存する。図3に示すデータ保存テーブルは、2016/12/1の各データを表している。予測データは、48コマが同時に取得されるため、0:00−0:29のセルから23:30−23:59までのすべてのセルにデータが入力されている。ここでの現在時刻は1:30であり、実績データは、1:00−1:29までの各セルにデータが入力されている。また、補正対象時刻は補正データ算出時刻の1時間後と仮定しているため、2:00−2:29までの補正データはすでに入力されており、2:30−2:59の補正データ(符号B1)はこれから算出される。
ステップS4の後、ステップS5において、補正モデル構築部301は、データ保存テーブル(図3)のモデル更新指令を参照し、補正モデル等を更新する(補正対象時刻のモデル更新指令が「1」である)か否かを判断し、Yesの場合はステップSに6進み、Noの場合はステップS8に進む。図3の例では、補正対象時刻である2:30−2:59のモデル更新指令は「1」であり、補正モデル等を更新する必要があることを示している。
ステップS6において、補正モデル構築部301は、予測データと実績データを用いて補正モデル(例えば、補正モデル(1)と補正モデル(2))を構築する。
ステップS6の後、ステップS7において、補正モデル結合部302は、各補正モデル(例えば、補正モデル(1)と補正モデル(2))を用いて、結合補正モデルを構築する。ここで、図5を参照して、結合補正モデルについて説明する。図5は、実施形態の結合補正モデルを説明するためのイメージ図である。図5に示すように、t0=t−Δtとすると、補正モデル(1)はラインL1、補正モデル(2)はラインL2、そして、結合補正モデルはラインL3となる。結合補正モデルのラインL3は、式(3)における係数α、β、γの値によって上下する。なお、以下の例では、係数の具体例として、α=0.7、β=0.3、γ=0を用いる。ステップS7の後、ステップS8に進む。
図4に戻って、ステップS8において、補正演算部401は、予測データ、実績データと、結合補正モデルと、を用いて補正データを算出する。例として、図3のデータ保存テーブルと式(3)を用いて、2:30−2:59の補正データを算出する過程を説明する。2:30−2:59の補正データを算出する時刻(補正データ算出時刻)は1:30であり、実績データは1:00−1:29の分まで取得されている。式(3)に各データを代入し、補正データを算出すると、以下の式(9)に示すように、補正データは48.5となる。なお、式(3)において、t−Δt=t0で、Δt=1時間とする。
ステップS8の後、ステップS9において、補正演算部401は、ステップS8で算出した補正データをデータ保存部203や制御装置に送信(出力)する。データ保存部203は、受けとった補正データをデータ保存テーブルの該当セルに保存する。ここで、図7を参照して、図3で示したデータ保存テーブル(現在時刻1:30)のその後のデータ格納状況について説明する。図7は、実施形態のデータ保存テーブル(現在時刻3:00)のデータ構成を示す図である。
現在時刻が3:00になると、データ保存部203は、2:30−2:59の実績データを取得し、図7のデータ保存テーブルのセルB2に保存する。また、モデル更新判断部402は、2:30−2:59の実績データを含む過去データを用いて補正モデル等を更新するか否かを判断し、更新すると判断した場合は、データ保存部203にモデル更新指令を送る。そうすると、データ保存部203は、そのモデル更新指令を図7のデータ保存テーブルの4:00−4:29のモデル更新指令のセルB3に「1」として保存する。その後、新たに構築された結合補正モデル等を用いて補正演算部401によって算出された4:00−4:29の補正データが、データ保存部203によって図7のデータ保存テーブルのセルB4に保存される。
図4に戻って、ステップS9の後、ステップS10において、モデル更新判断部402は、予測データ、実績データ、補正データを用いて、補正モデル等を更新するか否かを判断する。上述したように、モデル更新判断部402は、例えば、補正データと実績データの差が所定の閾値以上の場合に、補正モデル等を更新すると判断する。
ほかにも、モデル更新判断部402は、例えば、補正データの分布と実績データの分布を比較して当該判断をしてもよい。これについて、図3と図6を参照して説明する。図6は、実施形態において補正データを実績データで除算した値(比)の分布を示す図である。2:30−2:59が補正対象時刻の場合、モデル更新判断部402は、そのモデル更新指令の有無を決定するタイミングである1:30までに取得された1:00−1:29までの過去の数日から数年分のデータを用いてモデル更新指令の有無を決定する。図6において、横軸はΔT(2:30−2:59との差分コマ数)、縦軸は補正データを実績データで除算した値(比)を表している。モデル更新判断部402は、例えば、当該比で1.0を超える値が全体の8割を超えていることから、補正モデル等を更新する必要があると判断する。これにより、図3に示すように、2:30−2:59のモデル更新指令に「1」が入力される。
このように、モデル更新判断部402は、補正モデル等を更新するか否かを、例えば、過去の補正データと実績データの関係などを用いて決定する。この際、例えば、ΔTが小さいほど重み付けを大きくするという処理を加えてもよい。また、上記では、補正データを実績データで除算した値(比)によって当該判断を行ったが、予測データなどの他のデータを利用したり、差や比以外の指標を利用したりしてもよい。また、モデル更新指令が「1」となった時点から一定期間(例えば3コマ分の期間)が経過するまではモデル更新指令を「1」にしないなどの制約条件を付けてもよい。または、特定の日時に必ず補正モデル等を更新するという、データに因らない条件を付けてもよい。
図4に戻って、モデル更新判断部402は、補正モデル等を更新すると判断した場合(ステップS11でYes)、データ保存部203にモデル更新指令を送信する(ステップS12)。そうすると、データ保存部203は、そのモデル更新指令をデータ保存テーブル(図3)に「1」として格納する。ステップS12の後、処理を終了する。また、モデル更新判断部402は、補正モデル等を更新しないと判断した場合(ステップS11でNo)、処理を終了する。
このようにして、本実施形態の電力需要予測補正装置1によれば、複数種類の補正モデルが結合された結合補正モデルを用いることで、電力需要の予測データの補正の精度を向上することができる。
また、モデル更新判断部402が補正モデル等の更新の要否を判断することで、補正モデル等の不要な更新を抑制することができる。
また、結合補正モデルを構築するために、差に基づく補正モデルと、比に基づく補正モデルと、を用いることで、プログラムや処理が簡易になる。また、その際、予測データ、実績データのそれぞれについて、複数の時間帯のデータを用いれば、結合補正モデルの精度がさらに向上する。
また、結合補正モデルを、複数種類の補正モデルを入力とする重回帰モデルとすることで、プログラムや処理が簡易になる。
また、補正モデル、および、結合補正モデルを、時間帯、曜日、気象条件等を分類条件としたグループごとに構築することで、補正データの算出精度がさらに向上する。
また、補正モデル、および、結合補正モデルを、需要家の属性を分類条件としたグループごとに構築することで、補正データの算出精度がさらに向上する。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
例えば、未来の電力需要の予測や補正の時間単位は、30分単位に限定されず、数時間単位、数日単位等、別の単位であってもよい。
1 電力需要予測補正装置
2 CPU
3 メモリ
4 ハードディスク
5 GUI
6 インタフェース
7 バス
200 データ保管部
201 データ取得部
202 欠測補間部
203 データ保存部
300 モデル構築部
301 補正モデル構築部
302 補正モデル結合部
400 演算部
401 補正演算部
402 モデル更新判断部
2 CPU
3 メモリ
4 ハードディスク
5 GUI
6 インタフェース
7 バス
200 データ保管部
201 データ取得部
202 欠測補間部
203 データ保存部
300 モデル構築部
301 補正モデル構築部
302 補正モデル結合部
400 演算部
401 補正演算部
402 モデル更新判断部
Claims (8)
- 電力需要の予測データと実績データとを用いて、前記予測データを補正する電力需要予測補正装置であって、
前記予測データと前記実績データとを用いて前記予測データを補正する補正モデルを複数種類構築する補正モデル構築部と、
前記補正モデル構築部によって構築された複数種類の前記補正モデルを結合して、前記予測データを補正する結合補正モデルを構築する補正モデル結合部と、
前記予測データと、前記実績データと、前記補正モデル結合部によって構築された前記結合補正モデルと、を用いて、前記予測データを補正して補正データを算出する補正演算部と、を備える電力需要予測補正装置。 - 前記実績データ、および、前記補正演算部によって算出された前記補正データの差が所定の条件を満たしたときに、前記補正モデルおよび前記結合補正モデルを更新すると判断するモデル更新判断部を、さらに備え、
前記モデル更新判断部が前記結合補正モデルを更新すると判断した場合、前記補正モデル構築部は、複数種類の前記補正モデルを再び構築して更新し、前記補正モデル結合部は、前記補正モデル構築部によって更新された複数種類の前記補正モデルを結合して前記結合補正モデルを再び構築して更新する、請求項1に記載の電力需要予測補正装置。 - 前記補正モデル構築部は、少なくとも、前記予測データと前記実績データの差に基づく補正モデルと、前記予測データと前記実績データの比に基づく補正モデルと、を1つ以上ずつ構築する、請求項1に記載の電力需要予測補正装置。
- 前記補正モデル構築部は、前記差に基づく補正モデルと、前記比に基づく補正モデルと、を構築する際に、前記予測データ、前記実績データのそれぞれについて、複数の時間帯のデータを用いる、請求項3に記載の電力需要予測補正装置。
- 前記補正モデル結合部は、前記補正モデル構築部によって構築された複数種類の前記補正モデルを入力とする重回帰モデルとして前記結合補正モデルを構築する、請求項1に記載の電力需要予測補正装置。
- 前記補正モデル、および、前記結合補正モデルは、時間帯、曜日、気象条件のうち少なくともいずれかを分類条件としたグループごとに構築されている、請求項1に記載の電力需要予測補正装置。
- 前記補正モデル、および、前記結合補正モデルは、需要家の属性を分類条件としたグループごとに構築されている、請求項1に記載の電力需要予測補正装置。
- 電力需要の予測データと実績データとを用いて、前記予測データを補正する電力需要予測補正装置であるコンピュータを、
前記予測データと前記実績データとを用いて前記予測データを補正する補正モデルを複数種類構築する補正モデル構築部と、
前記補正モデル構築部によって構築された複数種類の前記補正モデルを結合して、前記予測データを補正する結合補正モデルを構築する補正モデル結合部と、
前記予測データと、前記実績データと、前記補正モデル結合部によって構築された前記結合補正モデルと、を用いて、前記予測データを補正して補正データを算出する補正演算部と、
して機能させるための電力需要予測補正プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017075199A JP2018182820A (ja) | 2017-04-05 | 2017-04-05 | 電力需要予測補正装置、および、電力需要予測補正プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017075199A JP2018182820A (ja) | 2017-04-05 | 2017-04-05 | 電力需要予測補正装置、および、電力需要予測補正プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018182820A true JP2018182820A (ja) | 2018-11-15 |
Family
ID=64276205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017075199A Pending JP2018182820A (ja) | 2017-04-05 | 2017-04-05 | 電力需要予測補正装置、および、電力需要予測補正プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018182820A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021039699A (ja) * | 2019-09-05 | 2021-03-11 | 株式会社日立製作所 | 電力調達支援方法及びシステム |
JP2021056920A (ja) * | 2019-10-01 | 2021-04-08 | 清水建設株式会社 | 予測装置および予測装置の制御方法 |
-
2017
- 2017-04-05 JP JP2017075199A patent/JP2018182820A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021039699A (ja) * | 2019-09-05 | 2021-03-11 | 株式会社日立製作所 | 電力調達支援方法及びシステム |
JP2021056920A (ja) * | 2019-10-01 | 2021-04-08 | 清水建設株式会社 | 予測装置および予測装置の制御方法 |
JP7341832B2 (ja) | 2019-10-01 | 2023-09-11 | 清水建設株式会社 | 予測装置および予測装置の制御方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bustos et al. | Energy storage and transmission expansion planning: substitutes or complements? | |
WO2011007736A1 (ja) | 需要予測装置、プログラム及び記録媒体 | |
US20160033949A1 (en) | Power demand estimating apparatus, method, program, and demand suppressing schedule planning apparatus | |
Kim | Modeling special-day effects for forecasting intraday electricity demand | |
WO2018147194A1 (ja) | 蓄電池制御装置、充放電制御方法、及び記録媒体 | |
BRPI1005189B1 (pt) | Método, operável por processador, para controlar eventos de resposta de demanda em uma rede de empresa de serviço de locais consumidores e sistema para controlar eventos de resposta de demanda em uma rede de empresa de serviço de locais consumidores | |
JP2010239856A (ja) | 太陽光発電装置の電気生産量を予測する方法 | |
JP6481468B2 (ja) | 予測分布推定システム、予測分布推定方法、および予測分布推定プログラム | |
CN105308853A (zh) | 预测系统、预测装置以及预测方法 | |
JP2020054214A (ja) | 蓄電池管理装置および蓄電池管理方法 | |
CN109638812A (zh) | 一种自适应的配电线路超短期负荷预测方法及系统 | |
JP6197689B2 (ja) | 運転計画支援プログラム、運転計画支援方法および運転計画支援装置 | |
JP2018182820A (ja) | 電力需要予測補正装置、および、電力需要予測補正プログラム | |
JP2014220971A (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 | |
JP2019117601A (ja) | 需要予測装置、需要予測方法及びコンピュータプログラム | |
Dias et al. | Stochastic dynamic programming applied to hydrothermal power systems operation planning based on the convex hull algorithm. | |
JP2017220050A (ja) | 電力量予測装置 | |
JP2019097327A (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 | |
JP7253913B2 (ja) | データ処理装置及びデータ処理方法 | |
JP6135454B2 (ja) | 推定プログラム、推定装置及び推定方法 | |
KR101865924B1 (ko) | 예측 속도 향상을 위한 신경망과 보정계수를 이용한 주간 부하 예측 장치 및 방법 | |
WO2015170411A1 (ja) | 計画作成装置及び電力管理装置 | |
Franken et al. | Network reinforcement applying redispatch-based indicators | |
JP2024021188A (ja) | 太陽光発電量推定装置 | |
JP6759806B2 (ja) | 接続相推定プログラム、装置及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20171128 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20171129 |