JP2020516213A - 電力グリッド内の相互に依存する不確かな資源の組み合わされた影響の定量化 - Google Patents

Abstract

【課題】電力グリッドに対する影響を定量化するように不確かな発電および電力需要に対する確率的予測を改良する。【解決手段】この確率的予測を改良するため、方法は、電力グリッドの発電および電力需要ノードによる不確かな発電および電力需要のデータに周辺分布を当てはめることを含む。これらの発電および電力需要ノードは、再生可能エネルギー源に基づく対応する不確かな発電および電力需要を提供する。この方法はさらに、発電および電力需要ノード間の相関構造を、前記データを周辺分布から第２の分布に変換すること、および変換されたデータに多変量時系列を当てはめることにより決定することを含む。この方法はさらに、改良された相関構造を用いて多変量確率的予測をシミュレートすることを含む。【選択図】図１

Description

本発明は一般に、発電および電力需要（power generation and demand）に関し、より詳細には、電力グリッド（electrical power grid）上の相互に依存する不確かな（uncertain）資源の組み合わされた結果の定量化に関する。

発電は、電力グリッドに給電する再生可能エネルギー源（例えば風力、太陽光など）の強さが変動することにより、不確かとなりうる。電力需要は、消費者使用（例えば家庭での電気の使用、電気自動車など）の強さが変動することにより、不確かとなりうる。現代の予測ツールを使用してこれらの不確かさを最小化することができる。しかしながら、現代の予測ツールは単に、これらの不確かさの境界を定める周辺分布（marginal distribution）を提供するだけであり、電力グリッド内の異なる位置および時刻における発電および電力需要の相互依存性を定量化することができない。

本発明の目的は、電力グリッドに対する影響を定量化するように不確かな発電および電力需要に対する確率的予測（stochastic forecast）を改良するための方法を提供することである。

本発明の１つまたは複数の実施形態によれば、電力グリッドに対する影響を定量化するように不確かな発電および電力需要に対する確率的予測（stochastic forecast）を改良するための方法が提供される。この確率的予測を改良するため、方法は、電力グリッドの発電および電力需要ノード（node）による不確かな発電および電力需要のデータに周辺分布を当てはめることを含む。これらの発電および電力需要ノードは、再生可能エネルギー源に基づく対応する不確かな発電および電力需要を提供する。この方法はさらに、発電および電力需要ノード間の相関構造を、前記データを周辺分布から第２の分布に変換すること、および変換されたデータに多変量時系列を当てはめることにより決定することを含む。この方法はさらに、改良された相関構造を用いて多変量確率的予測をシミュレートすることを含む。

本発明の１つまたは複数の実施形態によれば、上述の方法は、システムまたはコンピュータ・プログラム製品あるいはその両方として実施することもできる。

本発明の１つまたは複数の実施形態によれば、方法が提供される。この方法は、処理装置によって、電力グリッドの少なくとも２つの電力供給ノードに関連した過去および現在の予測データならびに発電および電力需要データを収集して、データ・セットを生成すること、処理装置によって、データ・セットに周辺分布を当てはめて周辺値を生成すること、処理装置によって、周辺値を用いて、時間的および空間的相関を識別する多変量確率的予測を決定すること、処理装置によって、多変量確率的予測をシミュレートすること、ならびに処理装置によって、多変量確率的予測に基づいて電力グリッドのグリッド解析（grid analysis）を実行することを含む。

本発明の１つまたは複数の実施形態によれば、方法が提供される。この方法は、処理装置によって、電力グリッドの少なくとも２つの電力供給ノードによる発電および電力需要を観測して、測定データを生成すること、処理装置によって、電力グリッドの少なくとも２つの電力供給ノードの発電および電力需要を予測して、予測データを生成すること、処理装置によって、測定および予測データに周辺分布を当てはめること、処理装置によって、測定および予測データを周辺分布からガウス分布に変換すること、処理装置によって、ガウス分布に多変量時系列を当てはめること、処理装置によって、多変量時系列をシミュレートして、サンプル・セット（sample set）を生成すること、処理装置によって、サンプル・セットをガウス分布から周辺分布に変換すること、ならびに処理装置によって、周辺分布のサンプル・セットに基づいて電力グリッドのグリッド解析を実行することを含む。

本発明の実施形態は、本明細書の末尾の特許請求の範囲に特に示されており、明瞭に請求されている。本発明の実施形態の上記の特徴および利点ならびにその他の特徴および利点は、添付図面を参照して以下の詳細な説明を読めば明らかになる。

本発明の１つまたは複数の実施形態に基づく相関サンプリング・システム（correlated sampling system）に接続された発電ノード、電力需要ノードおよび発電／電力需要ノードを含む電力グリッドの略図である。 本発明の１つまたは複数の実施形態に基づく相関サンプリング・システムのプロセス・フローを示す図である。 本発明の１つまたは複数の実施形態に基づく相関サンプリング・システムの別のプロセス・フローを示す図である。 本発明の１つまたは複数の実施形態に基づく相関サンプリング・システムの別のプロセス・フローを示す図である。 一実施形態に基づく処理システムを示す図である。

米国およびその他の国では、特に石炭および石油などの化石燃料による発電または電力需要あるいはその両方の環境への影響の認識が高まっていることが、電力グリッド内での発電に再生可能エネルギー源を利用することに対する関心を高めるのを後押ししている（発電または電力需要あるいはその両方は、発電、電力需要または発電と電力需要の組合せを含むことがあり、本明細書では、発電および電力需要と呼ばれることに留意されたい）。再生可能エネルギー源は、太陽光、風力、雨、潮流および地熱など、人間の時間尺度内で自然に補充される一切の燃料源を含む。再生可能エネルギー源は著しく間欠的であり、その強さは変動しうる（例えば風の状態の変動、太陽光線の間欠性など）。再生可能エネルギー源による発電は、これらの資源の間欠性および強さの変動のために不確かとなりうる（電力需要も、特に電気自動車の台頭を考えれば、完璧に予測することはできないことに留意されたい）。このことは電力グリッドの安定性を危険にさらす。安定性を管理するために、再生可能エネルギー源に関する発電の不確かさを予測する現代の予測ツールが、ますます多くの電力会社によって利用されている。しかしながら、本明細書で述べたとおり、現代の予測ツールは単に、これらの不確かさの境界を定める周辺分布予測を提供するだけであり、電力グリッド内の異なる位置および時刻における発電および電力需要の相互依存性を定量化することができない。

次に、本発明の態様の概要を説明する。本明細書に開示された本発明の実施形態は、不確かな発電および電力需要の確率的予測の時間的および空間的相関（相互依存性）を決定するシステム、方法またはコンピュータ・プログラム製品あるいはこれらの組合せ（本明細書では相関サンプリング・システム）を含む。例えば、相関サンプリング・システムは、履歴測定から空間的および時間的相関を推定し、提供された周辺分布に加えてこれらの相関を保持する確率的予測をサンプリングするデータ駆動型の（data-driven）技法（本明細書では相関サンプリングと呼ぶ）を実施することができる。相関サンプリングは、電力会社が、多くの不確かさを有する電力グリッドの信頼性解析を、それらの依存構造に関する事前の知識を必要とすることなく実行することを可能にする。

本発明の一実施形態では、相関サンプリング・システムが、履歴予測データおよび履歴測定データを入力として利用して、電力グリッド内の再生可能エネルギー源によって発電された電気間の時間の経過に伴う（時間的な）相関および位置間の（空間的な）相関を識別する。相関サンプリング・システムは、これらの位置間の同時分布（joint distribution）を定量化し、定量化された同時分布に従って現実的な予測値をサンプリングする。次いで、これらのサンプルは、グリッド解析において相関サンプリング・システムによって利用されて、再生可能エネルギー源によって発電された電気の予測の正確さを向上させる。このように、相関サンプリング・システムは、履歴予測データおよび履歴測定データを利用して、予測を改良する相互依存性を見つけるデータ駆動型の手法を提供する。この改良された予測は、発電および需要の不確かさを低減させまたは排除して、電力グリッドの安定性を増大させる。

次に図１を参照すると、電力グリッド１００の略図が示されている。電力グリッド１００は、発電ノード、電力需要ノードおよび発電／電力需要ノード（例えばノード１０１〜１０９）を含み、これらのノードは、これらのノードの時間的および空間的相関を推定するための本発明の１つまたは複数の実施形態に基づくシステム１２０に接続されている。

電力グリッド１００は、供給者から消費者に電気を送達するための相互接続された送電網である。相互接続された送電網は、供給者と消費者とを結び、電気を運ぶ高電圧送電線または配電線あるいはその両方（太実線１１０によって表されている）を含むものとすることができる。供給者は、燃料源を利用して、電力グリッド１００内の消費者が消費するための電気を発生させる（例えば電力を生み出す／発電する）発電所を含むものとすることができる。消費者は、稼動するのに電力グリッド１００からの電気を必要とするデバイスまたは設備あるいはその両方を含むものとすることができる。

図１に示されているように、１つまたは複数のノード（例えばノード１０１〜１０９）はそれぞれ、発電ノード（「Ｇ」によって示されている）、電力需要ノード（「Ｄ」によって示されている）または発電／需要ノード（「Ｇ／Ｄ」によって示されている）とすることができる。発電ノードは、電力グリッド１００上の供給者とすることができる。発電ノードの例は、限定はされないが、少なくとも１つのソーラー・パネル（複数のソーラー・パネルはソーラー・ファーム（solar farm）を構成しうる）、少なくとも１つの風力タービン（複数の風力タービンはウィンド・ファーム（wind farm）を構成しうる）、少なくとも１台の電気自動車、および少なくとも１つの発電所（例えば水力発電、原子力、化石燃料など）を含む供給者である。電力需要ノードは、電力グリッド１００上の消費者とすることができる。電力需要ノードの例は、限定はされないが、少なくとも１つの電子デバイス、少なくとも１つの住居用不動産（例えば住宅、分譲マンション、共同住宅など）、少なくとも１つの商業用不動産（例えばレストラン、小売店、データセンター、工場、オフィス・ビル、モール、超高層ビルなど）、および少なくとも１台の電気自動車を含む消費者である。発電／電力需要ノードは、屋根にソーラー・パネルが付いた住居用不動産など、供給者と消費者との組合せとすることができる。本発明の一実施形態では、ノード１０１が化石燃料発電所を表し、ノード１０２が工場を表し、ノード１０３が別の化石燃料発電所を表し、ノード１０４が電気自動車を表し、ノード１０５がデータセンターを表し、ノード１０６が、多数のソーラー・パネルを含む商業用不動産を表し、ノード１０７がウィンド・ファームを表し、ノード１０８が、多数のソーラー・パネルを含む住居用地域を表し、ノード１０９がソーラー・ファームを表す。

システム１２０は、本明細書に記載された相関サンプリング・システムの例であり、システム１２０は、ソフトウェア、ハードウェアもしくはこれらの組合せを含む（例えば図５に関して説明されるような）任意の数および任意の組合せの処理システムを含み、または使用し、あるいはその両方である電子コンピュータ・フレームワークと、さまざまな通信技術を利用する本明細書に記載されているようなネットワークとを含むことができる。システム１２０は、電力グリッド１００の１つまたは複数のノードを監視する１つまたは複数の予測サブシステムを含むことができ、この予測サブシステムも、ソフトウェア、ハードウェアもしくはこれらの組合せを含むことができる。予測サブシステムは、１つまたは複数のノードに関して、測定データを取得し、予測データを生成するように構成されているものとすることができる。本発明の一実施形態では、システム１２０が、ノード１０２を監視する予測サブシステム１２２、ノード１０４を監視する予測サブシステム１２４、ノード１０７を監視する予測サブシステム１２７、およびノード１０９を監視する予測サブシステム１２９を含む。

システム１２０は、電力グリッド１００の１つまたは複数のノードに関する測定データおよび予測データを（例えば履歴予測データおよび履歴測定データとして）記憶することができる記憶装置（storage facility）１３０を含むことができる。測定データは、少なくとも２つの電力供給ノードによる過去の発電および電力需要など、１つまたは複数のノードの観測発電および電力需要データならびに履歴発電および電力需要データとすることができる。予測データは、少なくとも２つの電力供給ノードによる将来の不確かな発電および電力需要の予測データなど、専門家（気象学者、電力会社など）によって提供された正味負荷予測および正味需要予測を含む一変量確率的予測を含むものとすることができる。

記憶装置１３０は一般に、データベース、データ・リポジトリまたは他のデータ・ストアを含むことができ、階層的データベース、ファイル・システム内の一組のファイル、プロプリエタリ・フォーマットのアプリケーション・データベース、リレーショナル・データベース管理システム（ＲＤＢＭＳ）などを含む、さまざまな種類のデータを記憶するため、さまざまな種類のデータにアクセスするため、およびさまざまな種類のデータを取り出すためのさまざまな種類の機構を含むことができる。記憶装置１３０は、示されているようにシステム１２０に含まれるものとすることができ、またはネットワークを介してアクセスされるコンピュータ・オペレーティング・システム内において、本明細書に記載されたさまざまな手法のうちの１つまたは複数の手法で使用されるものとすることができる。

次に図２を参照して、本発明の一実施形態に基づく相関サンプリング・システムの例示的な動作を説明する。この例示的な動作はプロセス・フロー２００として示されており、本明細書では図１に関して説明される。プロセス・フロー２００は一般に、電力グリッド１００に対する影響を定量化するように（例えば電力グリッド１００の安定性を増大させるように）システム１２０による不確かな発電および電力需要に対する確率的予測を改良する相関サンプリングである。

不確かな発電および電力需要は、再生可能エネルギー源に基づくノード１０４、１０８および１０９によって電力グリッド１００に提供される。例えば、ノード１０４の電気自動車は、電気自動車の走行および制動動作に由来する発電され蓄電された電池電力を提供することができる。ノード１０７のウィンド・ファームは、風力によって発電された風力電力を提供することができる。ノード１０９のソーラー・ファームは、太陽光によって発電された太陽光電力を提供することができる。

プロセス・フロー２００はブロック２０５から始まり、ブロック２０５では、システム１２０によって、電力グリッド１００の１つまたは複数の発電および電力消費ノード（例えばノード１０４、１０８および１０９のうちの２つ以上のノード）による不確かな発電および電力需要に周辺分布を当てはめる。この周辺分布は、専門家によって提供されたものとすることができる（例えば風力、太陽光、需要などの）周辺分布とすることができる。この周辺分布は、少なくとも２つの電力供給ノードにおける過去の発電および電力需要の測定データ、ならびに少なくとも２つの電力供給ノードにおける将来の不確かな発電および電力需要の予測データに基づくものとすることができる（すなわち、ノードは、接続（ケーブル／線）が交わる／分かれる位置であると考えることができ、システム１２０はそのノードで供給／需要の予測を実行する）。これらの測定データおよび予測データは、記憶装置１３０によって、履歴予測データおよび履歴測定データとして記憶されているものとすることができる。

ブロック２１０で、システム１２０は、１つまたは複数の発電および電力消費ノード（例えば発電および電力需要ノード）間の相関構造を決定する。この相関構造は、供給者の確率的予測の時間的および空間的相関（相互依存性）を識別／決定する。時間的相関の例は、第１のタイムスタンプにおいて１つの場所が晴れているときには、１０分後の第２のタイムスタンプにおいてもその場所は晴れている可能性が高いということを含む。空間的相関の例は、第１の場所がある強さの風を受けているときには、第１の場所に比較的に近い第２の位置も同様の強さの風を受ける可能性が高いということを含む。

この相関構造を決定するために、システムは、周辺分布を第２の分布に変換し、それぞれの第２の分布に多変量時系列を当てはめることができる。この第２の分布はガウス分布である。このようにして、多変量時系列のパラメータから相関構造を導き出す。この多変量確率的予測は、条件付き確率に基づく統計的相関または多次元的相関を含むことができることに留意されたい。この多変量確率的予測は、２つ以上の発電および電力需要ノードの相互依存性の線形または非線形集約（linear or nonlinear aggregation）を含むこともできることに留意されたい。

ブロック２１５で、システム１２０は、ブロック２１０で推定した相関構造を課する、改良された多変量確率的予測をシミュレートする。例えば、システム１２０は、ノード１０４、１０８および１０９が再生可能エネルギー源による発電を提供するものであるにもかかわらず、この多変量確率的予測を利用して、これらのノードのうちの２つ以上のノードに対する改良された確かさ（certainty）を有する発電および電力需要を予測する。相関構造によるこの改良された多変量確率的予測のシミュレーションは、多変量時系列をサンプリングすること、および取得されたサンプルを第２の分布から周辺分布に変換することを含むことができることに留意されたい。

さらに、この多変量確率的予測は、システム１２０によって利用されて、多数の位置からの再生可能発電を集約して、相関が線形または非線形集約を誘導する集約予測の正確さを向上させることができる。システム１２０は、発電および電力需要の突然の不足または過剰を考慮して、真の発電または電力需要と改良された多変量確率的予測との間の隔たりの組み合わされた行過ぎ量（overshoot）または負の行過ぎ量（undershoot）を最小化するように、線形または非線形集約を調整することもできる。さらに、この多変量確率的予測は、システム１２０によって利用されて、（２つ以上の発電および電力需要ノードの）間欠性を推定することができる。突然の群挙動（group behavior）が最小になることを保証するため、システム１２０は、相互相関が最小化される位置を識別する数値的最適化ルーチンを定義することができる。システム１２０は、ランプ（ramp）、予想される利用および他の因子をともに最適化することができる再生可能探査（renewable prospecting）を最適化するために、別の情報を利用することができる。

ブロック２２０で、システム１２０は、改良された多変量確率的予測に基づいて電力グリッドのグリッド解析を実行する。このグリッド解析は、サンプルごとにグリッド状態を決定し、統計量を集約し、グリッド動作を最適化することができる。

次に図３を参照して、本発明の一実施形態に基づく相関サンプリング・システムの別の例示的な動作を説明する。図３は、電力グリッド１００の安定性を増大させるようにシステム１２０による不確かな発電および電力需要に対する確率的予測を改良する、システム１２０の処理装置によって実行することができるプロセス・フロー３００を示す。プロセス・フロー３００はブロック３１０から始まる。

ブロック３１０で、処理装置は、電力グリッドの少なくとも２つの電力供給ノードに関連した過去および現在の予測データならびに発電および電力需要データを収集して、データ・セットを生成する。ブロック３２０で、処理装置は、このデータ・セットに周辺分布を当てはめる。周辺分布は、観測データ、履歴データおよび予測データに基づくものとすることができることに留意されたい。さらに、周辺分布は、複数の時点および複数の位置においてデータ・セットに当てはめられる。

ブロック３３０で、処理装置は、このデータ・セットから、時間的および空間的相関を推定する多変量確率的予測を決定する。この多変量確率的予測は、破線ブロック３３３および３３７によって示された操作に基づいて決定することができる。破線ブロック３３３で、処理装置は、周辺値を、標準正規分布（すなわち平均が０、分散が１のガウス分布）に従う値に変換する。破線ブロック３３７で、処理装置は、この標準正規値に多変量時系列を当てはめ、その結果、多変量確率的予測を決定する。このように、全てのデータを「周辺」から「標準ガウス」に変換し、標準ガウスに多変量時系列を当てはめて、相関構造を推定する。

ブロック３４０で、処理装置は、この多変量確率的予測によって確率的予測をシミュレートする。この確率的予測をシミュレートすることは、多変量時系列をサンプリングすること、およびサンプルを再び「周辺」に変換することを含むことができる。この確率的予測は、時間的および空間的相関の組込みに基づく改良された予測であることに留意されたい。

ブロック３５０で、処理装置は、この確率的予測に基づいて電力グリッドのグリッド解析を実行する。このグリッド解析は、サンプルごとにグリッド状態を計算すること（例えば最適な電力潮流（power flow）を計算すること）、統計量（例えば電力潮流、ノード電圧に関する統計量）を集約すること、およびグリッド動作を最適化することを含むことができる。

次に図４を参照して、本発明の一実施形態に基づく相関サンプリング・システムの別の例示的な動作を説明する。図４は、本明細書に記載された相関サンプリングの技術的効果および利益を達成する、システム１２０の処理装置によって実行することができるプロセス・フロー４００を示す。プロセス・フロー４００はブロック４０５から始まる。

ブロック４０５で、処理装置は、電力グリッドの少なくとも２つの電力供給ノードによる発電および電力需要を観測して、測定データを生成する。ブロック４１０で、処理装置は、電力グリッドの少なくとも２つの電力供給ノードの発電および電力需要を予測して、予測データを生成する。この測定および予測データは、処理装置のローカル・メモリに記憶することができ、処理装置のローカル・メモリから取り出すことができることに留意されたい。ブロック４１５で、処理装置は、この測定および予測データに周辺分布を当てはめる。

ブロック４２０および４２５で、処理装置は、この測定および予測データを周辺分布からガウス分布に変換し、このガウス分布に多変量時系列を当てはめる。ブロック４２０および４２５の結果は、電力グリッドに対する多変量予測を提供するための多変量確率的予測であると考えることができる。

ブロック４３０で、処理装置は、多変量時系列をシミュレートして、サンプル・セットを生成する。ブロック４３５で、処理装置は、サンプル・セットをガウス分布から周辺分布に変換する。ブロック４４０で、処理装置は、この周辺分布のサンプル・セットに基づいて電力グリッドのグリッド解析を実行する。

次に図５を参照すると、本明細書の教示を実施するための処理システム５００の例が示されている。この例では、処理システム５００が、１つまたは複数の中央処理ユニット（ＣＰＵ）５０１ａ、５０１ｂ、５０１ｃなど（これらはひとまとめにしてまたは総称として処理装置５０１と呼ばれる）を有する。処理回路とも呼ばれる処理装置５０１は、システム・バス５０２を介して、システム・メモリ５０３および他のさまざまな構成要素に結合されている。システム・メモリ５０３は、リード・オンリー・メモリ（ＲＯＭ）５０４およびランダム・アクセス・メモリ（ＲＡＭ）５０５を含むことができる。ＲＯＭ５０４は、システム・バス５０２に結合されており、処理システム５００のある種の基本機能を制御する基本入出力システム（ＢＩＯＳ）を含んでもよい。ＲＡＭは、処理装置５０１によって使用されるためにシステム・バス５０２に結合された読み書きメモリである。

図５はさらに、システム・バス５０２に結合された入出力（Ｉ／Ｏ）アダプタ５０６および通信アダプタ５０７を示す。Ｉ／Ｏアダプタ５０６は、ハード・ディスク５０８もしくはテープ・ユニット（テープ記憶ドライブ）５０９またはその両方、あるいは他の同様の構成要素と通信するスモール・コンピュータ・システム・インタフェース（ＳＣＳＩ）アダプタとすることができる。本明細書では、Ｉ／Ｏアダプタ５０６、ハード・ディスク５０８およびテープ・ユニット５０９をひとまとめにして大容量記憶装置５１０と呼ぶ。大容量記憶装置５１０には、処理システム５００上で実行するためのソフトウェア５１１を記憶することができる。大容量記憶装置５１０は、図２〜４のプロセス・フローなどの方法を実行するために処理装置５０１が実行する命令としてソフトウェア５１１が記憶される、処理装置５０１が読むことができる有形記憶媒体の例である。通信アダプタ５０７は、システム・バス５０２とネットワーク５１２とを相互接続する。ネットワーク５１２は、処理システム５００が他のこのようなシステムと通信することを可能にする外部ネットワークであってもよい。システム・バス５０２には、ディスプレイ・アダプタ５１６によってディスプレイ（例えばスクリーン、ディスプレイ・モニタ）５１５が接続されている。ディスプレイ５１５は、グラフィックを多く使用するアプリケーションの性能を向上させるためのグラフィクス・コントローラ、およびビデオ・コントローラを含んでもよい。一実施形態では、アダプタ５０６、５０７および５１６が、中間バス・ブリッジ（図示せず）を介してシステム・バス５０２に接続された１つまたは複数のＩ／Ｏバスに接続される。ハード・ディスク・コントローラ、ネットワーク・アダプタおよびグラフィクス・アダプタなど、周辺デバイスを接続するための適当なＩ／Ｏバスは通常、ペリフェラル・コンポーネント・インターコネクト（ＰＣＩ）などの共通のプロトコルを含む。インタフェース・アダプタ５２０およびディスプレイ・アダプタ５１６を介してシステム・バス５０２に接続される追加の入出力デバイスが示されている。キーボード５２１、マウス５２２およびスピーカ５２３を、インタフェース・アダプタ５２０を介してシステム・バス５０２に相互接続することができる。インタフェース・アダプタ５２０は例えば、多数のデバイス・アダプタを単一の集積回路に集積したスーパーＩ／Ｏチップを含む。

したがって、処理システム５００は、図５に構成されているように、処理装置５０１の形態の処理機能、システム・メモリ５０３および大容量記憶装置５１０を含む記憶機能、キーボード５２１およびマウス５２２などの入力手段、ならびにスピーカ５２３およびディスプレイ５１５を含む出力機能を含む。一実施形態では、図５に示されたさまざまな構成要素の機能を調整するために、システム・メモリ５０３および大容量記憶装置５１０の一部分が集合的に、ＩＢＭ Ｃｏｒｐｏｒａｔｉｏｎのｚ／ＯＳまたはＡＩＸオペレーティング・システムなどのオペレーティング・システムを記憶している。

本発明の実施形態による相関サンプリングの技術的効果および利益には、データから相関を推測するときに、専門家（気象学者、電力会社など）によって提供された（風力、太陽光、需要などの）周辺分布を考慮することが含まれる。すなわち、相関サンプリングは、現代の予測ツールが必要とする依存性に関する専門家の知識をさらに必要とすることなく、正味負荷予測および正味需要予測のデータを利用して相関を推測することができる。変電所における正味需要は、その変電所において予測された需要と発電の差を示し、正味負荷は、その変電所において測定された負荷と発電の差を示し、正味需要の現実化と解釈することができることに留意されたい。この推測の後、相関サンプリングは続いて、専門家によって提供された周辺分布および相関構造の推測された相関を保持する正味需要の確率的予測をシミュレートすることができる。このように、相関サンプリングへの入力として一変量確率的予測を使用することの直接の利点は、１つの変電所における予測（例えばウィンド・ファームの出力）を、別の変電所における別の予測（例えばソーラー・ファームの出力）とは完全に独立して実行することができる点である。この意味で、相関サンプリングは、データ駆動型の手法で、多数の一変量確率的予測を多変量確率的予測に集約することができる。また、多変量確率的予測の依存構造を電力グリッド・シミュレーションに組み込むと、極端な量の間欠的発電および需要を過小推定するリスクを回避することができる。過大な全正味需要の改良されたリスク推定はさらに、電力会社が、ピーク需要管理のための運用戦略を決定するのに役立ちうる。例えば、例示的な運用として、相関サンプリングが、多数の変電所にわたって集約された需要の信頼区間を計算することができる。これらの信頼区間は、相関の推定を省く現代の予測ツールの信頼区間に比べて１／３の幅または２倍の正確さあるいはその両方を有しうる。このことは、相関サンプリングからのサンプルの方がより現実的であることを示している。

発電および電力需要のシミュレーション自体を改良することに加えて、間欠的な（再生可能なエネルギー）源と関心の結果との間の関係が観測される限り、本発明の実施形態による相関サンプリングを、確率的（最適）電力潮流などの電力グリッドに対する影響を統計学的に推定する目的に適用することもできる。したがって、相関サンプリングは、間欠的なエネルギー源を含む電力グリッドの信頼性解析の正確さを大幅に向上させる。また、より正確な信頼性評価は、電力グリッドの信頼性を危険にさらすことなく、いくつかの再生可能エネルギー源および電気自動車などの間欠的な発電および需要を、より高いレベルで電力グリッドに組み入れることを可能にする。したがって、本明細書に記載された実施形態は、特に発電および電力需要を予測する領域で生じる問題を解決する予防的な動作を実行するために、システムの処理装置に根づくことは必然的である。

本発明は、インテグレーションの任意の可能な技術的詳細レベルにおいて、システム、方法またはコンピュータ・プログラム製品、あるいはこれらの組合せとして実施することができる。このコンピュータ・プログラム製品は、本発明の態様を処理装置に実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読記憶媒体を含むことができる。

このコンピュータ可読記憶媒体は、命令実行デバイスが使用するための命令を保持および記憶することができる有形のデバイスとすることができる。このコンピュータ可読記憶媒体は例えば、限定はされないが、電子記憶デバイス、磁気記憶デバイス、光学記憶デバイス、電磁気記憶デバイス、半導体記憶デバイスまたはこれらの適当な組合せとすることができる。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストは、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、消去可能プログラム可能リード・オンリー・メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク・リード・オンリー・メモリ（ＣＤ−ＲＯＭ）、ディジタル・バーサタイル・ディスク（ＤＶＤ）、メモリ・スティック、フロッピー（Ｒ）・ディスク、機械的にコード化されたデバイス、例えばパンチカードまたはその上に命令が記録された溝の中の一段高くなった構造体、およびこれらの適当な組合せを含む。本明細書で使用されるコンピュータ可読記憶媒体は、それ自体が一時的信号、例えば電波もしくは他の自由に伝搬する電磁波、ウェーブガイドもしくは他の伝送体内を伝搬する電磁波（例えば光ファイバ・ケーブル内を通る光パルス）、または電線を通して伝送される電気信号であると解釈されるべきではない。

本明細書に記載されたコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から対応するそれぞれのコンピューティング／処理デバイスにダウンロードすることができ、またはネットワーク、例えばインターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークまたは無線ネットワークあるいはそれらの組合せを介して外部コンピュータもしくは外部記憶デバイスにダウンロードすることができる。このネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータまたはエッジ・サーバ、あるいはこれらの組合せを含んでもよい。それぞれのコンピューティング／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インタフェースは、コンピュータ可読プログラム命令をネットワークから受け取り、それらのコンピュータ可読プログラム命令を、対応するそれぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶するために転送する。

本発明の操作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、インストラクション−セット−アーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データもしくは集積回路用の構成データであってもよく、またはＳｍａｌｌｔａｌｋ、Ｃ＋＋または他の同種のものなどのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同種のプログラミング言語などの手続き型プログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組合せで書かれた、ソース・コードもしくはオブジェクト・コードであってもよい。このコンピュータ可読プログラム命令は、全体がユーザのコンピュータ上で実行されてもよく、一部がユーザのコンピュータ上で実行されてもよく、スタンドアロン・ソフトウェア・パッケージとして実行されてもよく、一部がユーザのコンピュータ上で、一部がリモート・コンピュータ上で実行されてもよく、または全体がリモート・コンピュータもしくはサーバ上で実行されてもよい。上記の最後のシナリオでは、リモート・コンピュータが、ローカル・エリア・ネットワーク（ＬＡＮ）もしくはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続されてもよく、またはこの接続が、外部コンピュータに対して（例えばインターネット・サービス・プロバイダを使用してインターネットを介して）実施されてもよい。いくつかの実施形態では、本発明の態様を実行するために、例えばプログラマブル・ロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路が、このコンピュータ可読プログラム命令の状態情報を利用してその電子回路をパーソナライズすることにより、このコンピュータ可読プログラム命令を実行してもよい。

本明細書では、本発明の態様が、本発明の実施形態に基づく方法、装置（システム）およびコンピュータ・プログラム製品の流れ図またはブロック図あるいはその両方の図に関して説明される。それらの流れ図またはブロック図あるいはそれらの両方の図のそれぞれのブロック、およびそれらの流れ図またはブロック図あるいはその両方の図のブロックの組合せは、このコンピュータ可読プログラム命令によって実施することができることが理解される。

これらのコンピュータ可読プログラム命令は、マシンを形成する汎用コンピュータ、専用コンピュータまたは他のプログラマブル・データ処理装置のプロセッサに、それらのコンピュータまたは他のプログラマブル・データ処理装置のプロセッサによって実行されるこれらの命令が、これらの流れ図またはブロック図あるいはその両方の図のブロックに指定された機能／操作を実施する手段を生成するような態様で提供することができる。これらのコンピュータ可読プログラム命令はさらに、特定の方式で機能するようにコンピュータ、プログラマブル・データ処理装置または他のデバイスあるいはこれらの組合せに指図することができるコンピュータ可読記憶媒体に、その中に命令が記憶されたコンピュータ可読記憶媒体が、これらの流れ図またはブロック図あるいはその両方の図のブロックに指定された機能／操作の態様を実施する命令を含む製造物品を含むような態様で記憶することができる。

コンピュータ・プログラム可読命令はさらに、コンピュータ、他のプログラマブル装置または他のデバイス上で一連の動作ステップを実行させて、コンピュータによって実施される工程を生み出すために、このコンピュータ、他のプログラマブル・データ処理装置または他のデバイス上に、このコンピュータ、他のプログラマブル装置または他のデバイス上で実行されるこれらの命令が、これらの流れ図またはブロック図あるいはその両方の図のブロックに指定された機能／操作を実施するような態様でロードすることができる。

添付図中の流れ図およびブロック図は、本発明のさまざまな実施形態に基づくシステム、方法およびコンピュータ・プログラム製品の可能な実施態様のアーキテクチャ、機能および動作を示す。この点に関して、それらの流れ図またはブロック図のそれぞれのブロックは、指定された論理機能を実施する１つまたは複数の実行可能命令を含む、命令のモジュール、セグメントまたは部分を表すことがある。いくつかの代替実施態様では、これらのブロックに示された機能が、図に示された順序とは異なる順序で実施される。例えば、連続して示された２つのブロックが、実際は、実質的に同時に実行されることがあり、または、含まれる機能によってはそれらのブロックが逆の順序で実行されることもある。それらのブロック図または流れ図あるいはその両方の図のそれぞれのブロック、ならびにそれらのブロック図または流れ図あるいはその両方の図のブロックの組合せを、指定された機能もしくは操作を実行しまたは専用ハードウェアとコンピュータ命令の組合せを実行するハードウェアベースの専用システムによって実施することができることにも留意すべきである。

本明細書で使用される用語は、本発明の特定の実施形態を記述することだけが目的であり、それらの用語が本発明を限定することは意図されていない。本明細書で使用されるとき、単数形の「ａ」、「ａｎ」および「ｔｈｅ」は、そうでないことが文脈から明らかである場合を除き、複数形も含むことが意図されている。また、本明細書で使用されたとき、用語「備える（comprises）」または「備える（comprising）」あるいはその両方は、明示された特徴、完全体、ステップ、動作、要素または構成要素あるいはそれらの組合せの存在を指定するが、その他の１つまたは複数の特徴、完全体、ステップ、動作、要素または構成要素あるいはこれらのグループの存在または追加を排除しないことが理解される。

本発明のさまざまな実施形態の以上の説明は、例示のために示したものであり、以上の説明が網羅的であること、または、以上の説明が、開示された本発明の実施形態だけに限定されることは意図されていない。当業者には、本発明の範囲を逸脱しない多くの変更および変形が明らかである。本明細書で使用した用語は、本発明の実施形態の原理、実用的用途、もしくは市販されている技術にはない技術的改良点を最もよく説明するように、または本明細書に開示された本発明の実施形態を当業者が理解できるように選択した。

１００ 電力グリッド
１０１〜１０９ ノード
１１０ 高電圧送電線または配電線あるいはその両方
１２０ システム
１２２，１２４，１２７，１２９ 予測サブシステム
１３０ 記憶装置

Claims (25)

1. 電力グリッドに対する影響を定量化するように不確かな発電および電力需要に対する確率的予測を改良するための、処理装置によって実施される方法であって、
   処理装置によって、再生可能エネルギー源に基づく対応する不確かな発電および電力需要をそれぞれが提供する前記電力グリッドの２つ以上の発電および電力需要ノードによる前記不確かな発電および電力需要のデータに、周辺分布を当てはめること、
   前記処理装置によって、前記２つ以上の発電および電力需要ノード間の相関構造を、前記データを周辺分布から第２の分布に変換すること、および変換されたデータに多変量時系列を当てはめることにより決定すること、ならびに
   前記処理装置によって、改良された相関構造を用いて多変量確率的予測をシミュレートすること
   を含む方法。
2. 前記改良された多変量確率的予測に基づいて前記電力グリッドのグリッド解析を実行することをさらに含む、請求項１に記載の方法。
3. 前記グリッド解析が、サンプルごとにグリッド状態を決定すること、統計量を集約すること、およびグリッド動作を最適化することを含む、請求項２に記載の方法。
4. 前記周辺分布が、前記２つ以上の発電および電力需要ノードによる過去の発電および電力需要の測定データ、ならびに前記２つ以上の発電および電力需要ノードによる将来の不確かな発電の予測データに基づく、請求項１に記載の方法。
5. 前記第２の分布がガウス分布である、請求項１に記載の方法。
6. 前記改良された相関構造を用いて前記多変量確率的予測をシミュレートすることが、サンプルを前記第２の分布から前記周辺分布に変換するために前記多変量時系列をサンプリングすることを含む、請求項１に記載の方法。
7. 前記相関構造が、間欠性を推定するために利用される、請求項１に記載の方法。
8. 前記相関構造が、前記２つ以上の発電および電力需要ノードの相互依存性の線形または非線形集約を含む、請求項１に記載の方法。
9. 発電の突然の不足または過剰を考慮して、前記線形または非線形集約が、真の発電または電力需要と前記改良された多変量確率的予測との間の隔たりの組み合わされた行過ぎ量または負の行過ぎ量を最小化するように調整される、請求項８に記載の方法。
10. 電力グリッドに対する影響を定量化するように不確かな発電および電力需要に対する確率的予測を改良するためのシステムであって、前記システムが、処理装置と、その上にプログラム命令を記憶したメモリとを含み、前記プログラム命令が、
    再生可能エネルギー源に基づく対応する不確かな発電および電力需要をそれぞれが提供する前記電力グリッドの２つ以上の発電および電力需要ノードによる前記不確かな発電および電力需要のデータに、周辺分布を当てはめること、
    前記２つ以上の発電および電力需要ノード間の相関構造を、前記データを周辺分布から第２の分布に変換すること、および変換されたデータに多変量時系列を当てはめることにより決定すること、ならびに
    改良された相関構造を用いて多変量確率的予測をシミュレートすること
    を前記システムに実行させるように、前記処理装置によって実行可能である、システム。
11. 前記プログラム命令が、前記改良された多変量確率的予測に基づいて前記電力グリッドのグリッド解析を実行することを前記システムに実行させるように、前記処理装置によって実行可能である、請求項１０に記載のシステム。
12. 前記グリッド解析が、サンプルごとにグリッド状態を決定すること、統計量を集約すること、およびグリッド動作を最適化することを含む、請求項１１に記載のシステム。
13. 前記周辺分布が、前記少なくとも２つの電力供給ノードによる過去の発電および電力需要の測定データ、ならびに前記少なくとも２つの電力供給ノードによる将来の不確かな発電の予測データに基づく、請求項１０に記載のシステム。
14. 前記第２の分布がガウス分布である、請求項１０に記載のシステム。
15. 前記改良された相関構造を用いた前記多変量確率的予測の前記シミュレーションが、サンプルを前記第２の分布から前記周辺分布に変換するために前記多変量時系列をサンプリングすることを含む、請求項１０に記載のシステム。
16. 前記相関構造が、間欠性を推定するために利用される、請求項１０に記載のシステム。
17. 前記相関構造が、前記２つ以上の発電および電力需要ノードの相互依存性の線形または非線形集約を含む、請求項１０に記載のシステム。
18. 発電の突然の不足または過剰を考慮して、前記線形または非線形集約が、真の発電または電力需要と前記改良された多変量確率的予測との間の隔たりの組み合わされた行過ぎ量または負の行過ぎ量を最小化するように調整される、請求項１７に記載のシステム。
19. 電力グリッドに対する影響を定量化するように不確かな発電および電力需要に対する確率的予測を改良するためのコンピュータ・プログラム製品であって、前記コンピュータ・プログラム製品が、それとともに実施されたプログラム命令を有するコンピュータ可読記憶媒体を含み、前記プログラム命令が、
    再生可能エネルギー源に基づく対応する不確かな発電および電力需要をそれぞれが提供する前記電力グリッドの２つ以上の発電および電力需要ノードによる前記不確かな発電および電力需要のデータに、周辺分布を当てはめること、
    前記２つ以上の発電および電力需要ノード間の相関構造を、前記データを周辺分布から第２の分布に変換すること、および変換されたデータに多変量時系列を当てはめることにより決定すること、ならびに
    改良された相関構造を用いて多変量確率的予測をシミュレートすること
    を処理装置に実行させるように、前記処理装置によって実行可能である、コンピュータ・プログラム製品。
20. 前記プログラム命令が、前記改良された多変量確率的予測に基づいて前記電力グリッドのグリッド解析を実行することを前記処理装置に実行させるように、前記処理装置によって実行可能である、請求項１９に記載のコンピュータ・プログラム製品。
21. 前記グリッド解析が、サンプルごとにグリッド状態を決定すること、統計量を集約すること、およびグリッド動作を最適化することを含む、請求項２０に記載のコンピュータ・プログラム製品。
22. 前記周辺分布が、前記少なくとも２つの電力供給ノードによる過去の発電および電力需要の測定データ、ならびに前記少なくとも２つの電力供給ノードによる将来の不確かな発電の予測データに基づく、請求項１９に記載のコンピュータ・プログラム製品。
23. 前記第２の分布がガウス分布である、請求項１９に記載のコンピュータ・プログラム製品。
24. 前記処理装置によって、電力グリッドの少なくとも２つの電力供給ノードに関連した過去および現在の予測データならびに発電および電力需要データを収集して、データ・セットを生成すること、
    前記処理装置によって、前記データ・セットに周辺分布を当てはめて周辺値を生成すること、
    前記処理装置によって、前記周辺値を用いて、時間的および空間的相関を識別する多変量確率的予測を決定すること、
    前記処理装置によって、多変量確率的予測をシミュレートすること、ならびに
    前記処理装置によって、前記多変量確率的予測に基づいて前記電力グリッドのグリッド解析を実行すること
    を含む、請求項１に記載の方法。
25. 前記処理装置によって、電力グリッドの少なくとも２つの電力供給ノードによる発電および電力需要を観測して、測定データを生成すること、
    前記処理装置によって、前記電力グリッドの前記少なくとも２つの電力供給ノードの発電および電力需要を予測して、予測データを生成すること、
    前記処理装置によって、前記測定および予測データに周辺分布を当てはめること、
    前記処理装置によって、前記測定および予測データを前記周辺分布からガウス分布に変換すること、
    前記処理装置によって、前記ガウス分布に多変量時系列を当てはめること、
    前記処理装置によって、多変量時系列をシミュレートして、サンプル・セットを生成すること、
    前記処理装置によって、前記サンプル・セットを前記ガウス分布から前記周辺分布に変換すること、ならびに
    前記処理装置によって、前記周辺分布の前記サンプル・セットに基づいて前記電力グリッドのグリッド解析を実行すること
    を含む、請求項１に記載の方法。

Images