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

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。

特許第３９４６５４８号公報

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。

図１は、実施形態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。 図２は、実施形態の電力需要予測補正装置の機能構成を示す図である。 図３は、実施形態の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。 図４は、実施形態の電力需要予測補正装置による処理を示すフローチャートである。 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。 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。 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。

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。

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。

これを受けて、モデル構築部の補正モデル構築部は、例えば、以下の式（１）により補正モデルを構築する。

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。

また、補正モデル構築部は、例えば、以下の式（２）により補正モデルを構築する。

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。

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。

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。

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。

さらに、補正モデルは、以下の式（７）のように、実績データベクトルＤ、予測データベクトルＤｐを入力とする関数（例えばシグモイド関数等）であってもよい。

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。

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

Claims (8)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
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。

Images