JP2019101525A - 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 - Google Patents

Abstract

【課題】所定エネルギー、物質又は情報授受手段の使用に関し、ユーザの事情や状況を直接考慮して、より精度の高い使用量を予測可能なプログラムを提供する。【解決手段】本プログラムは、ユーザの所定期間での使用量データを使用し、予測基準時点の前の所定期間での使用量データが存在しているユーザ毎に、前の所定期間での使用量との比に係るユーザ重みを算出するユーザ重み算出手段と、各ユーザの属性情報に基づいて、ユーザをクラスタに分類するクラスタリング手段と、予測対象ユーザの属するクラスタに係るユーザ重みに基づいて、クラスタ重みを算出するクラスタ重み算出手段と、算出されたクラスタ重みと、予測対象ユーザについてユーザ重みが算出されている場合はユーザ重みとに基づき、予測対象ユーザのベース使用量を用いて、予測対象ユーザにおける予測基準時点の将来での使用量を決定する将来使用量決定手段としてコンピュータを機能させる。【選択図】図１

Description

本発明は、ユーザによる電力やガス等の使用量を解析して、将来の使用を予測する技術に関する。

近年、ユーザの生活状況、例えば在宅状況や就寝時間に関する情報を、当該ユーザの消費電力量から把握し、把握した情報に基づいて生活に関連する支援やアドバイス、例えば家計管理支援や節電アドバイスを実施するシステムが注目されている。ここで、消費電力量を利用することにより、ユーザの家屋等の生活空間に入ることなく、非侵入的な方法で生活状況の推定が可能となる。

また、上述したような支援やアドバイスをより充実したものとするため、ユーザの過去の消費電力状況を解析して、将来の消費電力量を予測し、この予測結果を当該ユーザに提示することも、非常に有効なサービスとなっている。

このように消費電力量を予測する従来技術として、例えば特許文献１は、予測対象となる月に対応する前年同月における複数の機器の総消費電力に基づいて、１か月の総消費電力量を予測し、求めた１か月の総消費電力量を１か月の日数で除算し、予測対象日の曜日に対応する曜日係数を乗算することで、複数の機器の１日毎の総消費電力量を予測する技術を開示している。ここで、曜日係数は、各曜日における複数の機器の総消費電力と全曜日における総消費電力との比として算出される。

この特許文献１に記載された技術では、前年のデータが消費電力量データ記憶部に記憶されているか否かを判定し、記憶されていないと判定した場合、予測対象日の属する月から１か月〜１年前のデータが記憶されているか否かを判定する。ここでも記憶されていないと判定した場合、１日ごとの総消費電力を求めずに処理を終了している。

特開２０１５−１８８２８０号公報

このように、特許文献１に開示されたような従来技術は、ユーザの消費電力量を予測するに当たり、当該ユーザの前年の消費電力量データに頼るのみである。したがって、ユーザによっては、精度の低い予測しかできなかったり、さらには予測そのものができなかったりする問題が生じていた。

実際、ユーザの消費電力量は、例えば当該ユーザの居住地域が寒冷地であるのか、又は夏期に高温多湿となるのか等によってもその傾向が大きく異なってくる。さらに、個々のユーザの特性、例えばユーザ世帯の構成人数や冷暖房の利用傾向等による影響を強く受けるものである。

これに対し、このようなユーザの事情や状況を直接考慮することなく、当該ユーザの前年の消費電力量だけに基づいて消費電力量を予測しても、十分に精度の高い予測を得ることは困難であり、なによりも前年の消費電力量データが存在しない又は取得されないユーザについては、予測そのものが不可能となってしまう。

ちなみに、このような使用量（消費量）の予測における問題は、使用（消費）対象が以上に説明したような電力の場合だけでなく、例えばガスや水道、さらには通信サービスにおける通信である場合でも同様に生じており、より精度の高い使用量の予測が求められているのが実情である。

そこで、本発明は、所定エネルギー、所定物質又は所定情報授受手段の使用に関し、ユーザの事情や状況を直接考慮して、より精度の高い使用量を予測可能なプログラム、装置及び方法を提供することを目的とする。

本発明によれば、複数のユーザのうちの予測対象ユーザにおける所定エネルギー、所定物質又は所定情報授受手段の使用量を予測する装置に搭載されたコンピュータを機能させる使用量予測プログラムであって、
当該ユーザにおける所定期間での当該使用量データを使用し、予測基準時点に係る所定期間の前の所定期間での当該使用量データが存在しているユーザ毎に、当該前の所定期間での当該使用量との比に係る値であるユーザ重みを算出するユーザ重み算出手段と、
当該各ユーザの属性情報に基づいて、当該複数のユーザを複数のクラスタに分類するクラスタリング手段と、
当該予測対象ユーザの属するクラスタに属するユーザについて算出された当該ユーザ重みに基づいて、当該クラスタに属するユーザに適用されるクラスタ重みを算出するクラスタ重み算出手段と、
算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づき、当該予測対象ユーザの使用量の基準となるベース使用量を用いて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定する将来使用量決定手段と
してコンピュータを機能させる使用量予測プログラムが提供される。

この本発明による使用量予測プログラムの一実施形態として、将来使用量決定手段は、当該予測対象ユーザについて当該ユーザ重みが算出されていない場合、当該クラスタ重みに基づいて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定することも好ましい。

また、本発明による使用量予測プログラムにおいて、クラスタリング手段は、少なくとも当該予測対象ユーザについての予測基準時点に係る属性情報に基づいて、当該複数のユーザについて生成したクラスタを更新することも好ましい。

さらに、本発明による使用量予測プログラムの他の実施形態として、本使用量予測プログラムは、当該使用量データと当該属性情報との関係について学習した識別器を用い、当該ユーザにおける当該使用量データから、当該ユーザの属性情報を推定する属性推定手段としてコンピュータを更に機能させ、
クラスタリング手段は、当該各ユーザにおける推定された属性情報を含む属性情報に基づいて、当該複数のユーザを複数のクラスタに分類することも好ましい。

また、本発明による使用量予測プログラムの更なる他の実施形態として、当該所定期間は複数の単位期間で構成されており、当該前の所定期間において、予測基準時点に係る単位期間に対応する単位期間である対応前期単位期間が存在し、
ユーザ重み算出手段は、当該対応前期単位期間の前の単位期間での当該使用量と、当該対応前期単位期間での当該使用量との比に係る値を第１のユーザ重みとして算出し、当該対応前期単位期間の前の単位期間での当該使用量と、当該所定期間における予測基準時点に係る単位期間の前の単位期間での当該使用量との比に係る値を第２のユーザ重みとして算出することも好ましい。

さらに、本発明による使用量予測プログラムの更なる他の実施形態として、当該予測対象ユーザにおける当該所定期間での当該使用量データに基づいて、当該予測対象ユーザの当該ベース使用量を算出するベース使用量算出手段としてコンピュータを更に機能させることも好ましい。

また、この実施形態において、将来使用量決定手段は、算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づいて、当該予測対象ユーザの予測重みを算出し、算出された当該予測重みを当該ベース使用量に乗じることによって、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定することも好ましい。

本発明によれば、また、複数のユーザのうちの予測対象ユーザにおける所定エネルギー、所定物質又は所定情報授受手段の使用量を予測する使用量予測装置であって、
当該ユーザにおける所定期間での当該使用量データを使用し、予測基準時点に係る所定期間の前の所定期間での当該使用量データが存在しているユーザ毎に、当該前の所定期間での当該使用量との比に係る値であるユーザ重みを算出するユーザ重み算出手段と、
当該各ユーザの属性情報に基づいて、当該複数のユーザを複数のクラスタに分類するクラスタリング手段と、
当該予測対象ユーザの属するクラスタにおける算出された当該ユーザ重みに基づいて、当該クラスタに属するユーザに適用されるクラスタ重みを算出するクラスタ重み算出手段と、
算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づき、当該予測対象ユーザの使用量の基準となるベース使用量を用いて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定する将来使用量決定手段と
を有する使用量予測装置が提供される。

本発明によれば、さらに、複数のユーザのうちの予測対象ユーザにおける所定エネルギー、所定物質又は所定情報授受手段の使用量を予測する装置に搭載されたコンピュータにおける使用量予測方法であって、
当該ユーザにおける所定期間での当該使用量データを使用し、予測基準時点に係る所定期間の前の所定期間での当該使用量データが存在しているユーザ毎に、当該前の所定期間での当該使用量との比に係る値であるユーザ重みを算出するステップと、
当該各ユーザの属性情報に基づいて、当該複数のユーザを複数のクラスタに分類するステップと、
当該予測対象ユーザの属するクラスタにおける算出された当該ユーザ重みに基づいて、当該クラスタに属するユーザに適用されるクラスタ重みを算出するステップと、
算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づき、当該予測対象ユーザの使用量の基準となるベース使用量を用いて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定するステップと
を有する使用量予測方法が提供される。

本発明の使用量予測プログラム、装置及び方法によれば、所定エネルギー、所定物質又は所定情報授受手段の使用に関し、ユーザの事情や状況を直接考慮して、より精度の高い使用量を予測することができる。

本発明による使用量予測装置を含む使用量予測システムの一実施形態における模式図である。 消費電力予測処理の一実施例を説明するためのテーブルである。 消費電力予測処理の一実施例を説明するためのテーブルである。 消費電力予測処理の一実施例を説明するためのテーブルである。 消費電力予測処理の一実施例を説明するためのテーブルである。 本発明を利用した消費電力予測サービスの事例を説明するための模式図である。

以下、本発明の実施形態について、図面を用いて詳細に説明する。

[使用量予測システム]
図１は、本発明による使用量予測装置を含む使用量予測システムの一実施形態における模式図である。

図１に示した本実施形態の使用量予測システムは、固定系又は無線系アクセスネットワークである事業者通信網に設置されており、ユーザの消費電力量及びユーザ属性情報に基づいて、予測対象ユーザにおける将来の消費電力量を予測する使用量予測装置１を含む。

ここで、ユーザとは、本実施形態において１つの世帯（ユーザ世帯）であるが、その対象単位で消費電力量データを取得できるのであれば、種々の対象がユーザに相当し得る。また、ユーザ属性情報は、後述するように、ユーザの静的属性（例えば居住エリア等）や、ユーザの動的属性（例えば冷暖房利用傾向等）に係る情報であり、種々の設定が可能である。例えば、アンケート調査等によって取得される類いの情報であってもよい。

同じく図１によれば、ユーザ（１つの世帯）の消費電力量は、本実施形態において世帯構成員の電力消費区域である自宅に設置されたホームゲートウェイ（ＨＧＷ）５から事業者通信網を介して使用量予測装置１に送信される。ここで、消費電力量はスマートメータ４で計測され、この計測値が、例えばＨＥＭＳ（Home Energy Management System）を介してＨＧＷ５に出力されてもよい。また、変更態様として、スマートメータ４が消費電力量を（図示されていない）ＭＤＭＳ（Meter data Management System）に送信し、使用量予測装置１は、このＭＤＭＳから消費電力量を取得することも可能である。

スマートメータ４は、ユーザによる自宅における消費電力量を計測し、単位時間毎の消費電力量の計測値を、例えばＨＥＭＳを介してＨＧＷ５に出力する。ここで、スマートメータの代わりに、分電盤に設置されたＣＴセンサ、クランプメータ（架線電流計）、又はコンセントに設置されたコンセントタップ（タップ型電力計）等を使用してもよい。この場合、ＣＴセンサやコンセントタップ等によって宅内配電の個別の消費電力量を計測し、消費電力量の計測値をＨＧＷ５に出力することになる。

ＨＧＷ５は、宅内に設けられたホームネットワークや（図示されていない）セットトップボックス（ＳＴＢ）等と、事業者通信網との間の通信を中継・制御する装置である。このホームネットワークには例えば無線アクセスポイント（ＡＰ）を介してパーソナルコンピュータ（ＰＣ）が接続されていてもよい。ＨＧＷ５は、さらに、スマートメータ４から取得した単位時間毎の消費電力量の計測値を、事業者通信網を介して使用量予測装置１宛てに送信する。

ユーザ情報管理装置２は、例えば事業者通信網内に設置されており、各ユーザ（世帯）から、例えばアンケート調査に答える形でのユーザ属性情報の申告を受信し、これらのユーザ属性情報をユーザＩＤと対応付けて記憶・管理する。ユーザは、例えば、自らの静的属性や動的属性の情報をＰＣに入力し、ＨＧＷ５から事業者通信網を介してユーザ情報管理装置２に送信してもよい。使用量予測装置１は、このユーザ情報管理装置２から、ユーザＩＤに紐付けられたユーザ属性情報を取得する。

同じく図１に示すように、使用量予測装置１は、具体的に、
（Ａ）ユーザにおける所定期間（例えば１年間）での使用量（本実施形態では消費電力量）データを使用し、予測基準時点に係る所定期間（例えば当年）の前の所定期間（例えば前年）での使用量データが存在しているユーザ毎に、前の所定期間（前年）での使用量との比に係る値である「ユーザ重み」を算出するユーザ重み算出部１１１と、
（Ｂ）各ユーザの「ユーザ属性情報」に基づいて、複数のユーザを複数のクラスタに分類するクラスタリング部１１２と、
（Ｃ）予測対象ユーザの属するクラスタに属するユーザについて算出された「ユーザ重み」に基づいて、クラスタに属するユーザに適用される「クラスタ重み」を算出するクラスタ重み算出部１１３と、
（Ｄ）算出された「クラスタ重み」と、予測対象ユーザについて「ユーザ重み」が算出されている場合は「ユーザ重み」とに基づき、予測対象ユーザの使用量の基準となる「ベース使用量」を用いて、予測対象ユーザにおける予測基準時点の将来での使用量を決定する将来使用量決定部１１５と
を有している。

このように、使用量予測装置１は、「ユーザ属性情報」に基づいてクラスタを生成し、各ユーザの前の所定期間（前年）での使用量を用いて算出される「ユーザ重み」だけではなく、同じクラスタに属するユーザに適用される「クラスタ重み」をも導出して、使用量予測に利用している。これにより、ユーザの事情や状況を直接考慮して、より精度の高い使用量を予測することができる。

さらに、「クラスタ重み」を導出するので、予測対象ユーザについて「ユーザ重み」が算出されていない場合、例えば前の所定期間（前年）での使用量データが存在しない場合や当該使用量データを取得できない場合でも、この「クラスタ重み」に基づいて、予測対象ユーザにおける予測基準時点の将来での使用量を決定することが可能となるのである。

ちなみに、以下に説明する実施形態では、使用量を予測する対象は電力であり、使用量は消費電力量となっているが、予測対象は当然これに限定されるものではない。例えば、予測対象として、ガス（ガス使用量）や水道（水道使用量）、さらには種々の通信サービスにおける通信（通信量）等、種々のものが採用可能である。すなわち、ユーザによる使用量の測定・決定が可能なものであれば、所定のエネルギー、所定の物質又は所定の情報授受手段がその対象となり得るのである。

また、以下に説明する実施形態においては、使用量を決めている所定期間は１年間であり、予測基準時点に係る所定期間は予測を行う当年（例えば2017年）であって、前の所定期間は前年（例えば2016年）となっているが、勿論このような設定に限定されるものではない。例えば、所定期間を１か月にしたり、半年又は複数年にしたりすることも可能である。

さらに、本実施形態においては、使用量予測装置１は、例えばインターネット及び事業者通信網を介して気象情報管理サーバ３と通信接続可能となっている。気象情報管理サーバ３は、所定期間の例えば各日時における天候、温度、照度、湿度、降雨量等の過去、現在又は未来（予報）における気象情報を、ユーザ属性推定装置１へ送信する。ここで、気象情報は例えば、晴れ、曇り又は雨・雪を区別する天候値や、日照量を示す日照値、さらには気温値といった天候関連値を含む情報とすることができる。

本実施形態において、使用量予測装置１は、取得した気象情報をユーザ属性情報と同様に取り扱い、ユーザ属性情報、及び当該ユーザの対象使用の際の気象情報に基づいて、上記（Ｂ）のように、ユーザをクラスタリングすることも好ましい。これにより例えば、予測対象となる時点又は期間における、天候を所定のものとした前提での使用量の予測を、ユーザ属性のみならず天候をも加味することによって、より高い精度で実施することも可能となるのである。

［使用量予測装置，使用量予測プログラム］
同じく図１の機能ブロック図によれば、使用量予測装置１は、通信インタフェース部１０１と、電力データ保存部１０２と、属性情報保存部１０３と、ディスプレイ（ＤＰ）１０４と、キーボード（ＫＢ）１０５と、プロセッサ・メモリとを有する。

ここで、このプロセッサ・メモリは、本発明による使用量予測プログラムの一実施形態を保存しており、また、コンピュータ機能を有していて、この使用量予測プログラムを実行することによって、使用量予測処理を実施する。このことから、使用量予測装置１は、本発明による使用量予測プログラムを搭載した、例えばパーソナル・コンピュータ（ＰＣ）、ノート型若しくはタブレット型コンピュータ、又はスマートフォン等であってもよい。

さらに、プロセッサ・メモリは、ユーザ重み算出部１１１と、クラスタリング部１１２と、クラスタ重み算出部１１３と、ベース使用量算出部１１４と、将来使用量決定部１１５と、属性推定部１１６と、通信制御部１２１と、ユーザ情報管理部１２２と、入出力制御部１２３とを有する。なお、これらの機能構成部は、プロセッサ・メモリに保存された使用量予測プログラムの機能と捉えることができる。また、図１における使用量予測装置１の機能構成部間を矢印で接続して示した処理の流れは、本発明による使用量予測方法の一実施形態としても理解される。

同じく図１において、通信インタフェース部１０１は、
（ａ）ユーザの自宅（電力消費区域）に設置されたスマートメータ４やＨＧＷ５等から、消費電力量の計測値データ（消費電力量データ）を受信し、ユーザ情報管理装置２から、申告等によって収集されたユーザ属性情報とユーザＩＤとの組を受信し、また、気象情報管理サーバ３から、所定期間の各日時における天候関連値を含む気象情報を受信し、通信制御部１２１を介して装置内に取り込ませる。
またさらに、
（ｂ）将来使用量決定部１１６で決定された消費電力量の予測データを、通信制御部１２１を介して入力し、外部の通知先に送信する。送信された予測データは、例えば、ウェブサイトやアプリケーション等を介する形で、送信先である例えば端末の画面に表示されてもよい。

ユーザ情報管理部１２２は、受信された消費電力量データを、例えば電力データ保存部１０２に保存して管理する。なお、消費電力量データは、装置１の外部、例えばユーザの自宅内のストレージ等に保存されていてもよい。

ここで、電力データ保存部１０２等に保存される消費電力量データは、各ユーザの消費電力実績値であり、本実施形態においては所定期間を１年間として、過去数年にわたり、15分単位、30分単位、1時間単位、半日（12時間）単位、又は１日（24時間）単位の消費電力量を記録したものとなっている。ここで、データの粒度は細かいほど好適ではあるが、荒くとも１日単位の粒度とすることが好ましい。ちなみに、各単位時間での消費電力量は、当該単位時間での積算値であってもよく、または生データが例えば15分値である場合に1時間内の４つの値のうちの中央値とすることもでき、その他様々な量の設定を行うことが可能である。

なお、以下に示す実施形態においては、所定期間である１年間を構成する複数の単位期間は月（１か月）であり、また、対応前期単位期間は、例えば当年のある月（例えば８月）に対応する前年（前の所定期間）の月（例えば８月）のこととなっている。勿論、所定期間及び単位期間の取り方は、これらに限定されるものではない。

また、ユーザ情報管理部１２２は、受信されたユーザ属性情報にユーザＩＤを紐づけて、例えば属性情報保存部１０３に保存して管理する。なお、ユーザ属性情報も、装置１の外部、例えばユーザの自宅内のストレージ等に保存されていてもよい。ここで、ユーザ属性情報は、
（ａ）静的属性、例えば、居住エリア、住居種別、世帯人数、世帯家屋の間取り、所有家電情報等の情報を含んでいてもよく、
（ｂ）動的属性、例えば、電力消費パターン、ライフスタイル、冷暖房利用傾向等の情報を含んでいてもよい。

このうち、特に、居住エリア（例えば都道府県別）の情報をユーザ属性情報に含め、後のクラスタリング処理の際に用いることが、予測の精度向上のために有効であることが分かっている。なお、このようなユーザ属性情報は、ユーザからのアンケート回答結果によるものであってもよく、または少なくともその一部が、後述するように属性推定部１１６で推定された結果によるものであってもよい。

さらに、ユーザ情報管理部１２２は、所定期間の各日時におけるユーザ（世帯）に係る地域での天候関連値を含む気象情報、例えば「晴れ」又は「雨・雪」を保存・管理することも好ましい。

以下、消費電力量予測処理を実施する主要機能部の説明を行う。ここで本実施形態（及び後述する実施例）では、予測基準時点は、予測実行日としての2017年8月1日となっている。また、この予測基準時点に係る単位期間、すなわち当年当月（2017年8月）に対応する、前年における単位期間である対応前期単位期間は、前年同月である2016年8月となっている。

同じく図１において、ユーザ重み算出部１１１は、各ユーザについて、
（ａ）対応前期単位期間の前の単位期間（前年前月，2016年7月）での消費電力量と、対応前期単位期間（前年当月，2016年8月）での消費電力量との比に係る値を第１ユーザ重みW_U1として算出し、
（ｂ）対応前期単位期間の前の単位期間（前年前月，2016年7月）での消費電力量と、予測基準時点（2017年8月1日）に係る単位期間の前の単位期間（当年前月，2017年7月）での消費電力量との比に係る値を第２ユーザ重みW_U2として算出する。

ここで、前年前月や前年当月の消費電力量データが存在しない又は取得できないユーザについては、このユーザ重み算出処理はスキップされる。また、算出されるユーザ重みは、上記の第１ユーザ重みW_U1及び第２ユーザ重みW_U2の形に限定されるものではなく、前の所定期間（前年）での消費電力量との比に係る値であれば種々のものが採用可能である。

クラスタリング部１１２は、各ユーザについてのユーザ属性情報に基づいて、ユーザを複数のクラスタに分類する。具体的には、例えば、各ユーザにおいて、複数のユーザ属性情報値を要素としたユーザ属性特徴ベクトルを生成し、例えばk-means法を用いてこれらの特徴ベクトルを複数のクラスタに分類してもよい。これにより、ユーザ属性の観点から互いに類似するユーザの集合（類似ユーザ群）を決定することができる。ちなみに上述したように、少なくともユーザ属性情報としての居住エリア（例えば都道府県別）を１つの説明変数として、クラスタリングを実施することも好ましい。

クラスタ重み算出部１１３は、各クラスタ（又は少なくとも予測対象ユーザの属するクラスタ）に属するユーザについて算出されたユーザ重み（第１ユーザ重みW_U1及び第２ユーザ重みW_U2）に基づいて、当該クラスタに属するユーザに適用されるクラスタ重み（第１クラスタ重みW_S1及び第２クラスタ重みW_S2）を算出する。このクラスタ重みは、類似ユーザ群の係数と捉えられる。具体的に、第１クラスタ重みW_S1（第２クラスタ重みW_S2）は、当該クラスタに属するすべてのユーザにおける第１ユーザ重みW_U1（第２ユーザ重みW_U2）の統計量、例えば中央値や平均値から算出されてもよい。

このように、ユーザの属する各クラスタについてクラスタ重みを導出しておくことによって、この後、ユーザの事情や状況を直接考慮した、より精度の高い消費電力予測処理を実施することができる。また、予測対象ユーザのユーザ重みが算出されていない場合でも、このクラスタ重みに基づいて、予測対象ユーザについての消費電力予測処理を実施することが可能となるのである。

ベース使用量算出部１１４は、各ユーザ（又は少なくとも予測対象ユーザ）における所定期間での（例えば予測実行日としての2017年8月1日から遡ってn日間での）消費電力量データに基づいて、当該ユーザの電力消費基準となるベース電力量（ベース使用量）を算出する。具体的にベース電力量は、例えばこのn日間の全ての消費電力量の統計量、例えば中央値や平均値から算出してもよい。

同じく図１において、将来使用量決定部１１５は、最初に、
（ａ）予測対象ユーザについてユーザ重みが算出されている場合は、このユーザ重み（第１ユーザ重みW_U1及び第２ユーザ重みW_U2）と、
（ｂ）予測対象ユーザの属するクラスタについて算出されたクラスタ重み（第１クラスタ重みW_S1及び第２クラスタ重みW_S2）と
に基づいて、予測対象ユーザの予測重みWを算出する。

この予測重みWの１つの算出方法として、予測重みWを、各ユーザ重みと各クラスタ重みとの線形結合として規定し、次式
（１） W＝a*W_U1＋b*W_U2＋c*W_S1＋d*W_S2
を用いて導出してもよい。ここで、係数a、b、c及びdはスカラ値をとり、条件：a＋b＋c＋d＝1を満たす。これらの係数には、例えばクラスタ毎に、また予測対象期間の属する月毎に好適な値が設定されることも好ましい。

ここで、ユーザ重みの算出されていない（例えば前年データの存在しない）予測対象ユーザの予測重みWは、当該ユーザの属するクラスタのクラスタ重みを利用して、次式
（２） W＝c'*W_S1＋d'*W_S2
を用いて算出することができる。上式（２）は、上式（１）においてa＝b＝0としたものに相当し、係数c'及びd'は条件：c'＋d'＝1を満たす。

また、予測重みW算出の変更態様として、ニューラルネットワーク等の機械学習を利用してもよい。すなわち、多数のユーザにおける過去の消費電力実績データを用い、第１ユーザ重みW_U1、第２ユーザ重みW_U2、第１クラスタ重みW_S1及び第２クラスタ重みW_S2と、消費電力実績値から逆算した予測重みWとをもって学習させた識別器を生成し、予測対象ユーザについて算出されたこれらの重み値をこの識別器に入力して、予測重みWを出力させてもよい。

ちなみに、ユーザ重み算出部１１１で算出されたユーザ重み、クラスタ重み算出部１１３で算出されたクラスタ重み、及び将来使用量決定部１１５で算出された予測重みWは、それぞれユーザ重み保存部１１１ａ、クラスタ重み保存部１１３ａ及び予測重み保存部１１５ａにおいて、ユーザ毎に、さらには例えば年・月毎に対応付けされて保存されることも好ましい。ここで例えば、あるユーザについて同一年月に対応付けられた複数の重みが存在する場合は、最新の重みを保持して使用することにしてもよい。

次いで、将来使用量決定部１１５は、予測対象ユーザについて算出した予測重みWを、当該予測対象ユーザについて算出されたベース電力量P_Bに乗じることによって、当該予測対象ユーザにおける予測基準時点（例えば予測実行日）の将来での（例えば予測実行日からm日間における）消費電力量を決定する。すなわち、予測消費電力量P_Pを、次式
（３） P_P＝P_B＊W＊m
を用いて算出する。ここで例えば、予測実行日が2017年8月1日であって、予測対象日である2017年8月31日までの消費電力量を予測する場合、m＝31と設定される。

なお、決定された予測消費電力量P_Pは、ユーザ毎に、さらには予測対象期間（例えば月）毎に対応づけされて予測電力量保存部１１５ａに保存され、例えば、入出力制御部１２３を介してディスプレイ１０４に表示されてもよい。またさらに、通信制御部１２１及び通信インタフェース部１０１を介して、例えばＨＧＷ５や該当ユーザの所持する端末へ送信され、消費電力予測サービスとして提供されることも好ましい。また、以上に説明したような消費電力量の予測処理の実行指示や、予測処理に必要なデータの入力は、例えばキーボード１０５を介して行われてもよい。

同じく図１において、属性推定部１１６は、ユーザ情報管理部１２２から取得されたユーザ毎の消費電力量データ及びユーザ属性情報を用いて、消費電力量データ及とユーザ属性情報との関係について学習した識別器を生成する。次いで、推定対象ユーザにおける消費電力量データをこの識別器に入力し、出力されたユーザ属性情報を、当該ユーザの推定されたユーザ属性情報に決定する。

ここでさらに、属性推定部１１６は、例えば特開２０１５−１６２２２９号公報（特許第６１５１２０２号）に開示されたユーザ属性情報の推定方法を採用してもよい。ちなみに、この推定方法における天候関連値は、例えば気象情報管理サーバ３から通信インタフェース１０１を介して取得されたものとすることができる。

このように、本実施形態では、消費電力量データに基づき、例えば事前に取得されていない又は取得困難なユーザ属性情報も生成し、ユーザ属性データベースにおける情報の欠けた部分の穴埋めを行うこともできる。その結果、クラスタリング部１１２は、このように推定された情報を含む充実したユーザ属性情報に基づいて、より好適なクラスタリング処理を実施することも可能となる。特に、直接ユーザ属性情報を取得できないユーザについても、ユーザ属性情報を推定し、この推定結果に基づいて当該ユーザの消費電力を予測することもできるのである。

［実施例］
以下、図２〜５を用いて、本発明による使用量予測処理の一実施例を説明する。

図２〜５は、消費電力予測処理の一実施例を説明するためのテーブルである。

なお、以下に図２〜５を用いて説明する本実施例では、所定期間及び単位期間をそれぞれ年（１年間）及び月（１か月間）とし、予測実行日は2017年8月1日であって、予測対象期間はこの予測実行日（2017年8月1日）から予測対象日（2017年8月31日）までの31日間となっている。また本実施例において、ユーザＡ〜Ｅは、クラスタリング処理の結果として同一のクラスタに属している。

図２には、ユーザＡ〜Ｄの各々における2016年6月〜2017年7月での月次消費電力量の実績と、ユーザＥにおける2016年8月〜2017年7月での月次消費電力量の実績とが示されている。本実施例では、ユーザ重み算出部１１１は、次式
（４） W_U1＝(2016年8月の消費電力量)／(2016年7月の消費電力量)
（５） W_U2＝(2017年7月の消費電力量)／(2016年7月の消費電力量)
を用いて、ユーザＡ〜Ｄの各々の第１ユーザ重みW_U1及び第２ユーザ重みW_U2を算出している。算出結果が図３に示されている。ただし、ユーザＥについては2016年7月から過去の消費電力実績が存在しないため、これらのユーザ重みは算出されていない。

同じく図３に示すように、クラスタ重み算出部１１３は、同じクラスタに属するユーザＡ〜Ｅのうち、
（ａ）ユーザ重みの算出されているユーザＡ〜Ｄにおける第１ユーザ重みW_U1の平均値（＝1.32）を第１クラスタ重みW_S1とし、この第１クラスタ重みW_S1をそのまま、同じクラスタに属するユーザＥの第１クラスタ重みW_S1とし、また、
（ｂ）ユーザ重みの算出されているユーザＡ〜Ｄにおける第２ユーザ重みW_U2の平均値（＝1.30）を第２クラスタ重みW_S2とし、この第２クラスタ重みW_S2をそのまま、同じクラスタに属するユーザＥの第２クラスタ重みW_S2としている。

次いで、将来使用量決定部１１５は、ユーザ重みの算出されたユーザＡ〜Ｄについては上式（１）を用いて、またユーザ重みの算出できないユーザＥについては上式（２）を用いて予測重みWを算出している。ここで、重み係数a、b、c、c’、d及びd’はそれぞれ0.2、0.4、0.3、0.8、0.1及び0.2に設定されている。

具体的に例えば、ユーザＡの予測重みWは、
（１’）W＝a*W_U1＋b*W_U2＋c*W_S1＋d*W_S2
＝0.2*1.50＋0.4*0.80＋0.3*1.32＋0.1*1.30
＝1.146
と算出されている。また、ユーザＥの予測重みWは、
（２’）W＝W＝c'*W_S1＋d'*W_S2
＝0.8*1.32＋0.2*1.30
＝1.316
と算出されている。

次に図４に示すように、ベース電力量算出部１１４は、ユーザＡ〜Ｅの各々について、予測実行日(2017年8月1日)直前の7日間（2017年7月25日〜2017年7月31日）の日次消費電力量の中央値をベース電力量P_Bとして算出している。

ちなみに、本実施例ではユーザＥについても同7日間の消費電力量データが取得されているが、例えば取得されていない（存在しない）場合でも、同じクラスタに属するその他のユーザＡ〜Ｄについて算出された値の例えば平均値や中央値をもって、ユーザＥのベース電力量P_Bとすることが可能である。すなわち、消費電力量データの一切存在しないユーザについても、ベース電力量P_Bを決定することができるのである。

次いで、将来使用量決定部１１５は、図５に示すようにユーザＡ〜Ｅの各々について、算出されたベース電力量P_B及び予測重みWに基づいて、予測対象日（2017年8月31日）までの31日間（m＝31）の消費電力量の予測値である予測電力量P_Pを算出している。例えば、ユーザＡの予測電力量P_Pは、
（３’） P_P＝P_B＊W＊m
＝3.0＊1.146＊31
＝107
と算出されている。また、またユーザ重みの算出できないユーザＥの予測電力量P_Pも、
（３’） P_P＝P_B＊W＊m
＝4.0＊1.316＊31
＝163
と算出されている。

以上詳細に説明したように、本実施例では、ユーザ重みの算出されない（算出できない）ユーザＥを含め、各ユーザの将来の消費電力を、ユーザ属性情報を直接勘案して導出されたクラスタ重みを利用し、具体的に電力値として予測できているのである。

図６は、本発明を利用した消費電力予測サービスの事例を説明するための模式図である。ここで、同サービスを提供するサービス事業者は、多数のユーザについてユーザ属性情報を取得しており、これらのユーザについてのクラスタリング処理を適宜実施しているものとする。

図６によれば、ユーザＦは、大阪市内に他地域から移住してきた、当該サービスを新規に受けるユーザである。このユーザＦの消費電力量データは、前年を含め一切存在していない。事業者は、このようなユーザＦに対しても、そのユーザ属性情報（例えば、居住エリア：大阪市）を取得して例えば、１月先までの予測消費電力量を決定し、ユーザＦに提供することができる。また、その予測消費電力量に基づいた提案やアドバイス等を提供することも可能となっている。

同じく図６において、ユーザＧは、東京２３区を居住エリアとして複数年の間、消費電力予測サービスを受けており、当然に前年を含め過去の消費電力量データが存在しているが、最近、札幌市に引っ越している。

事業者は、このようなユーザＧに対し、改めてクラスタリング処理を実施してクラスタを更新し、その最新のユーザ属性情報（例えば、居住エリア：札幌市）に即したクラスタを決定してユーザＧについてのクラスタ重みを更新する。次いで、この更新されたクラスタ重みと、ユーザＧのユーザ重みとを用いて例えば、１月先までの予測消費電力量を決定し、ユーザＧに提供するのである。ここで、この予測消費電力量は、最新のユーザ属性情報を反映した、より精度の高いものとなっている。また、事業者は、このような予測消費電力量に基づいた提案やアドバイス等を提供することも可能となっている。

このユーザＧの事例のように、クラスタリング部１１２及びクラスタ重み算出部１１３（図１）は、少なくとも予測対象ユーザについての予測基準時点に係るユーザ属性情報に基づいて、クラスタ及びクラスタ重みを更新することが好ましいのである。

以上、詳細に説明したように、本発明によれば、ユーザ属性情報に基づいてクラスタを生成し、各ユーザの前の所定期間での使用量を用いて算出される「ユーザ重み」だけではなく、同じクラスタに属するユーザに適用される「クラスタ重み」をも導出して、使用量予測に利用している。これにより、ユーザの事情や状況を直接考慮して、より精度の高い使用量を予測することができる。

さらに、「クラスタ重み」を導出するので、予測対象ユーザについて「ユーザ重み」が算出されていない場合、例えば前の所定期間での使用量データが存在しない場合や当該使用量データを取得できない場合でも、この「クラスタ重み」に基づいて、予測対象ユーザにおける予測基準時点の将来での使用量を決定することが可能となるのである。

なお、このように予測された将来の消費電力の状況に基づいて、ユーザに対する電力消費についての適切な支援情報、例えば節電アドバイスや家計管理アドバイス、さらには当該消費電力の状況に適した商品・サービスに係る情報等を提供することもできる。また、これにより、省エネルギー化やよりユーザの状況・ニーズに適したマーケティングを実現することも可能となるのである。

前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

１ 使用量予測装置
１０１ 通信インタフェース部
１０２ 電力データ保存部
１０３ 属性情報保存部
１０４ ディスプレイ（ＤＰ）
１０５ キーボード（ＫＢ）
１１１ ユーザ重み算出部
１１１ａ ユーザ重み保存部
１１２ クラスタリング部
１１３ クラスタ重み算出部
１１３ａ クラスタ重み保存部
１１４ ベース使用量算出部
１１５ 将来使用量決定部
１１５ａ 予測重み保存部
１１６ 属性推定部
１２１ 通信制御部
１２２ ユーザ情報管理部
１２３ 入出力制御部
２ ユーザ情報管理装置
３ 気象情報管理サーバ
４ スマートメータ
５ ＨＧＷ

Claims (9)

1. 複数のユーザのうちの予測対象ユーザにおける所定エネルギー、所定物質又は所定情報授受手段の使用量を予測する装置に搭載されたコンピュータを機能させる使用量予測プログラムであって、
   当該ユーザにおける所定期間での当該使用量データを使用し、予測基準時点に係る所定期間の前の所定期間での当該使用量データが存在しているユーザ毎に、当該前の所定期間での当該使用量との比に係る値であるユーザ重みを算出するユーザ重み算出手段と、
   当該各ユーザの属性情報に基づいて、当該複数のユーザを複数のクラスタに分類するクラスタリング手段と、
   当該予測対象ユーザの属するクラスタに属するユーザについて算出された当該ユーザ重みに基づいて、当該クラスタに属するユーザに適用されるクラスタ重みを算出するクラスタ重み算出手段と、
   算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づき、当該予測対象ユーザの使用量の基準となるベース使用量を用いて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定する将来使用量決定手段と
   してコンピュータを機能させることを特徴とする使用量予測プログラム。
2. 前記将来使用量決定手段は、当該予測対象ユーザについて当該ユーザ重みが算出されていない場合、当該クラスタ重みに基づいて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定することを特徴とする請求項１に記載の使用量予測プログラム。
3. 前記クラスタリング手段は、少なくとも当該予測対象ユーザについての予測基準時点に係る属性情報に基づいて、当該複数のユーザについて生成したクラスタを更新することを特徴とする請求項１又は２に記載の使用量予測プログラム。
4. 当該使用量データと当該属性情報との関係について学習した識別器を用い、当該ユーザにおける当該使用量データから、当該ユーザの属性情報を推定する属性推定手段としてコンピュータを更に機能させ、
   前記クラスタリング手段は、当該各ユーザにおける推定された属性情報を含む属性情報に基づいて、当該複数のユーザを複数のクラスタに分類する
   ことを特徴とする請求項１から３のいずれか１項に記載の使用量予測プログラム。
5. 当該所定期間は複数の単位期間で構成されており、当該前の所定期間において、予測基準時点に係る単位期間に対応する単位期間である対応前期単位期間が存在し、
   前記ユーザ重み算出手段は、当該対応前期単位期間の前の単位期間での当該使用量と、当該対応前期単位期間での当該使用量との比に係る値を第１のユーザ重みとして算出し、当該対応前期単位期間の前の単位期間での当該使用量と、当該所定期間における予測基準時点に係る単位期間の前の単位期間での当該使用量との比に係る値を第２のユーザ重みとして算出する
   ことを特徴とする請求項１から４のいずれか１項に記載の使用量予測プログラム。
6. 当該予測対象ユーザにおける当該所定期間での当該使用量データに基づいて、当該予測対象ユーザの当該ベース使用量を算出するベース使用量算出手段としてコンピュータを更に機能させることを特徴とする請求項１から５のいずれか１項に記載の使用量予測プログラム。
7. 前記将来使用量決定手段は、算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づいて、当該予測対象ユーザの予測重みを算出し、算出された当該予測重みを当該ベース使用量に乗じることによって、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定することを特徴とする請求項６に記載の使用量予測プログラム。
8. 複数のユーザのうちの予測対象ユーザにおける所定エネルギー、所定物質又は所定情報授受手段の使用量を予測する使用量予測装置であって、
   当該ユーザにおける所定期間での当該使用量データを使用し、予測基準時点に係る所定期間の前の所定期間での当該使用量データが存在しているユーザ毎に、当該前の所定期間での当該使用量との比に係る値であるユーザ重みを算出するユーザ重み算出手段と、
   当該各ユーザの属性情報に基づいて、当該複数のユーザを複数のクラスタに分類するクラスタリング手段と、
   当該予測対象ユーザの属するクラスタに属するユーザについて算出された当該ユーザ重みに基づいて、当該クラスタに属するユーザに適用されるクラスタ重みを算出するクラスタ重み算出手段と、
   算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づき、当該予測対象ユーザの使用量の基準となるベース使用量を用いて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定する将来使用量決定手段と
   を有することを特徴とする使用量予測装置。
9. 複数のユーザのうちの予測対象ユーザにおける所定エネルギー、所定物質又は所定情報授受手段の使用量を予測する装置に搭載されたコンピュータにおける使用量予測方法であって、
   当該ユーザにおける所定期間での当該使用量データを使用し、予測基準時点に係る所定期間の前の所定期間での当該使用量データが存在しているユーザ毎に、当該前の所定期間での当該使用量との比に係る値であるユーザ重みを算出するステップと、
   当該各ユーザの属性情報に基づいて、当該複数のユーザを複数のクラスタに分類するステップと、
   当該予測対象ユーザの属するクラスタに属するユーザについて算出された当該ユーザ重みに基づいて、当該クラスタに属するユーザに適用されるクラスタ重みを算出するステップと、
   算出された当該クラスタ重みと、当該予測対象ユーザについてユーザ重みが算出されている場合は当該ユーザ重みとに基づき、当該予測対象ユーザの使用量の基準となるベース使用量を用いて、当該予測対象ユーザにおける予測基準時点の将来での当該使用量を決定するステップと
   を有することを特徴とする使用量予測方法。

Images