JP2021040437A - 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム - Google Patents
代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム Download PDFInfo
- Publication number
- JP2021040437A JP2021040437A JP2019161151A JP2019161151A JP2021040437A JP 2021040437 A JP2021040437 A JP 2021040437A JP 2019161151 A JP2019161151 A JP 2019161151A JP 2019161151 A JP2019161151 A JP 2019161151A JP 2021040437 A JP2021040437 A JP 2021040437A
- Authority
- JP
- Japan
- Prior art keywords
- time
- data
- series data
- forecast
- variable
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 31
- 238000010801 machine learning Methods 0.000 title claims description 13
- 238000010248 power generation Methods 0.000 claims abstract description 134
- 230000003993 interaction Effects 0.000 claims abstract description 50
- 238000003860 storage Methods 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 description 24
- 238000009826 distribution Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
Abstract
【課題】基準値と実績値との誤差を小さくする。【解決手段】本発明の一態様は、市場価格、インバランス単価予測、発電量予測、需要予測の各時系列データ、および、それらの各時系列データと特殊イベント情報を表す質的変数に基づくダミー変数のデータの交互作用項のデータを、説明変数とし、代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、市場価格、インバランス単価予測、発電量予測、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力データとするとともに、代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルを用いて、代替ベースラインの予測値の時系列データを学習済みモデルの出力として計算する代替ベースライン計算装置である。【選択図】図２
Description
本発明は、代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラムに関する。
バーチャルパワープラント（ＶＰＰ）とは、需要家側エネルギーリソース、電力系統に直接接続されている発電設備、蓄電設備の保有者もしくは第三者が、そのエネルギーリソースを制御することで、発電所と同等の機能を提供することであり、近年様々な検討が行われている（例えば特許文献１）。リソースの制御を行うにはまず、制御を行わない場合の需要家の受電点電力の基準値（ベースライン）が必要となる。これまではＨｉｇｈ ４ｏｆ ５手法といった過去５日間のうち需要が大きい４日間の平均値が用いられていたが（非特許文献１）、特に太陽光付き住宅のように需要が発電を下回る時間帯がある需要家では、平均に対し、天候の変化によるブレ幅が大きくなる場合があり、基準値として課題がある場合があった。
ところで、非特許文献１に示されている「ネガワット取引に関するガイドライン」では、Ｈｉｇｈ ４ ｏｆ ５手法などで求めたベースライン（標準ベースライン）が、ベースラインテストの結果、妥当でないと判断された場合などに、標準ベースラインとは異なる手法で算出された代替ベースラインをベースラインとして設定することが示されている。上記ガイドラインには、Ｈｉｇｈ ４ ｏｆ ５ (当日調整なし)、同等日採用法、事前計測、および、発電機等計測の４種類の代替ベースラインが規定されているが、これらの代替ベースラインにおいても、上述した標準ベースラインと同様の課題がある。
『経済産業省ホーム お知らせ ニュースリリース 「ネガワット取引に関するガイドライン」を改定しました〜スマートな節電を行える環境整備を進めます〜』、［ｏｎｌｉｎｅ］、平成２８年９月１日、経済産業省、［令和１年６月２０日検索］、インターネット〈URL：https://www.meti.go.jp/press/2016/09/20160901003/20160901003.html〉、〈URL：https://www.meti.go.jp/press/2016/09/20160901003/20160901003-1.pdf〉
本発明は、上記事情に鑑みてなされたものであり、基準値と実績値との誤差を小さくすることができる代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラムを提供することを目的とする。
上記課題を解決するため、本発明の一態様は、記憶部と代替ベースライン計算部とを備え、前記記憶部が、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、 前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルを記憶し、前記代替ベースライン計算部が、前記学習済みモデルに、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力し、前記代替ベースラインの予測値の時系列データを出力として計算する代替ベースライン計算装置である。
また、本発明の一態様は、前記特殊イベント情報が、少なくとも「土曜日」、「日曜日」および「国民の祝日」を前記質的変数の値とする休日情報である。
また、本発明の一態様は、前記特殊イベント情報が、少なくとも「台風」および「豪雨」を前記質的変数の値とする特殊気象情報である。
また、本発明の一態様は、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルである。
また、本発明の一態様は、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルを、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして、機械学習するモデル学習部を備える機械学習装置である。
また、本発明の一態様は、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルに、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力し、前記代替ベースラインの予測値の時系列データを出力として計算するステップを有する代替ベースライン計算方法である。
また、本発明の一態様は、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルに、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力し、前記代替ベースラインの予測値の時系列データを出力として計算するステップをコンピュータに実行させるプログラムである。
本発明の各態様によれば、基準値（代替ベースライン）と実績値との誤差を小さくすることができる。
以下、図面を参照して本発明の実施形態について説明する。なお、各図において同一または対応する構成には同一の符号を用いて説明を適宜省略する。図１は、本発明の一実施形態に係る電力管理システムの構成例を示す模式図である。図１に示す電力管理システム１は、電力管理装置１０と、１または複数の需要家施設２０とを備える（図１では１つの需要家施設２０のみを示す。）。１または複数の需要家施設２０は、少なくとも一部が蓄電池２１を有する。なお、需要家施設２０は、低圧需要家の施設に限らず、高圧需要家の施設であってもよい。
電力管理装置１０は、複数の需要家（複数の需要家施設２０）を束ねてＤＲ（Ｄｅｍａｎｄ Ｒｅｓｐｏｎｓｅ）、ＶＰＰ（Ｖｉｒｔｕａｌ Ｐｏｗｅｒ Ｐｌａｎｔ）等による需要削減または需要増加（まとめて需要変化ともいう）を、例えば電気事業者等のアグリゲーションコーディネータと取引する事業者（リソースアグリゲータ）が運用するサーバ等の１または複数のコンピュータである。すなわち、電力管理装置１０は、ＤＲ、ＶＰＰ等の電力の需要の変化に係る要請に応じて１または複数の需要家施設２０における電力の需要を管理する装置である。
図２は、図１に示す電力管理装置１０と需要家施設２０の構成例を示すブロック図である。図２に示す構成例において、需要家施設２０は、通信部２４、制御装置２２、分電盤２３、蓄電池２１、発電設備２５、電力負荷設備２６および電力メータ２８を備える。
通信部２４は、通信回線４０を介して、電力管理装置１０との間で所定の情報を送受信する。通信回線４０は、通信回線４３、インターネット等のネットワーク４１、および通信回線４２から構成されている。
制御装置２２は、需要家施設２０における電気設備（発電設備２５、蓄電池２１、電力負荷設備２６および通信部２４等）を制御する。また、制御装置２２は、電力メータ２８にて測定される需要電力の情報を入力し、入力された需要電力の情報を各種制御に利用することができる。
なお、本実施形態では、需要家施設２０が備える蓄電池２１、発電設備２５および電力負荷設備２６のうち、例えば制御装置２２を介して電力管理装置１０が管理可能なものを電力設備と呼ぶ。ここで、管理可能とは、電力管理装置１０が出力した所定の指令に基づき消費電力、発電電力や充放電電力を制御可能であること、または、少なくとも消費電力、発電電力や充放電電力を示す情報を電力管理装置１０が取得可能であることを意味する。なお、消費電力、発電電力や充放電電力を示す情報の取得は、１つの電力設備毎の取得であってもよいし、複数の電力設備毎の取得であってもよい。なお、本実施形態において、蓄電池２１の充電電力と放電電力は電力管理装置１０によって制御される。また、発電設備２５の一部または全部は、電力管理装置１０によって発電電力が制御可能であってもよい。また、電力負荷設備２６の一部または全部は、電力管理装置１０によって消費電力が制御可能であってもよい。
また、本実施形態では、電力設備の消費電力または充電電力を電力設備の入力電力と言い、電力設備の発電電力あるいは放電電力を電力設備の出力電力と言う。また、電力設備の電力の需要と発電とは、電力設備が、電力を消費すること、電力を充電すること、電力を発電すること、および、電力を放電することを含む。
制御装置２２は、電力管理装置１０から受信した指示に従い、需要家施設２０が備える電力設備の充放電電力、発電電力、消費電力等を制御したり、消費電力、発電電力や充放電電力を示す情報を収集したりする。その際、制御装置２２は、電力管理装置１０から受信した充放電指令に従い、蓄電池２１の充放電電力を制御する。
制御装置２２は、例えば次のようにして、需要家施設２０における電力関連の情報を収集する。制御装置２２は、電力メータ２８にて測定された需要電力の情報を収集することができる。また、制御装置２２は、発電設備２５が発電する電力、蓄電池２１の残容量（蓄電量；蓄積電力）や充放電電力、電力負荷設備２６等による負荷電力（消費電力）等を収集することができる。制御装置２２は、また、収集した発電電力、充放電電力、需要電力、発電電力等の情報を、例えば所定の時間間隔であるいは電力管理装置１０からの要求に応じて、通信部２４から電力管理装置１０へ送信する。
分電盤２３は、電力メータ２８経由で引込線７１から供給された電力を、蓄電池２１や電力負荷設備２６等に配線２７を介して分配して供給する。引込線７１は、一般送配電事業者側の配電系統の構成要素である。また、分電盤２３は、発電設備２５等から出力された電力を逆潮流のために電力メータ２８経由で引込線７１に出力させることができる。
蓄電池２１は、充電のために入力される電力を蓄積し、また、蓄積した電力を放電して出力する設備である。蓄電池２１は、例えば二次電池とインバータを備える。蓄電池２１は電力の蓄積（充電）と蓄積された電力の出力（放電）を行う。インバータは、二次電池に充電するための電力を交流から直流に変換し、二次電池から放電により出力される電力を直流から交流に変換する。つまり、インバータは、二次電池が入出力する電力の双方向変換を行う。蓄電池２１の充放電電力は制御装置２２によって制御される。
蓄電池２１は、分電盤２３を介して供給される商用電源の電力を入力して充電することができる。また、蓄電池２１は、発電設備２５により発電された電力を入力して充電することができる。また、蓄電池２１は、蓄積された電力を電力負荷設備２６の電源として供給することができる。また、蓄電池２１は、蓄積された電力を分電盤２３から電力メータ２８を経由して引込線７１に出力することで逆潮流させることができる。
発電設備２５は、例えば太陽光を受けて発電を行う設備である。発電設備２５は、例えば太陽電池とＰＣＳ（Ｐｏｗｅｒ Ｃｏｎｄｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を備える。発電設備２５は、太陽光を受けて発電し、発電により得られた電力をＰＣＳにより交流に変換して出力する。
発電設備２５にて発電された電力は、電力負荷設備２６の電源として供給することができる。また、発電設備２５にて発電された電力は、蓄電池２１に充電することができる。また、発電設備２５にて発電された電力は、分電盤２３から電力メータ２８を経由して引込線７１に出力することで逆潮流させることができる。なお、発電設備２５と蓄電池２１は、電力変換回路等の構成を一体化したものであってもよい。
電力負荷設備２６は、需要家施設２０において自己の動作のために電力を消費する１または複数の所定の機器や設備等を一括して示したものである。なお、各需要家施設２０が備える負荷としての機器や設備等の種類および数等はそれぞれ異なっていても構わない。電力負荷設備２６は、分電盤２３から供給される商用電源を入力して動作することができる。また、電力負荷設備２６は、発電設備２５により発電された電力を入力して動作することができる。また、電力負荷設備２６は、蓄電池２１から出力された電力を入力して動作することができる。また、電力負荷設備２６は、貯湯式給湯器、蓄熱型空調機、衣類乾燥機、食器乾燥機、蓄電池（充電対象としての負荷）等、制御装置２２等によって消費電力をコントロールできる負荷を含んでいてもよい。
電力メータ２８は、需要電力（順潮流電力と逆潮流電力）を測定する。需要家施設２０において、引込線７１から分電盤２３に供給される電力が需要電力（順潮流電力）である。一方、蓄電池２１や発電設備２５から出力され、分電盤２３から電力メータ２８を経由して引込線７１に供給される電力が需要電力（逆潮流電力）である。電力メータ２８は、例えばスマートメータであり、ネットワーク４１等を経由して、所定の計量時間毎（例えば３０分毎）に測定した需要電力（および各電力量）の情報を電力管理装置１０や上位制御システム５０に送信する。
なお、需要家施設２０には、蓄電池２１と発電設備２５のいずれか一方を備えるものがあってよい。また、需要家施設２０には、蓄電池２１と発電設備２５のいずれも備えないものがあってよい。また、発電設備２５は、太陽電池を用いるものに限らず、風力発電、地熱発電等、他の再生可能エネルギーを利用して発電を行う発電装置あるいはそれらの組み合わせであってもよい。
また、需要家施設２０が備える蓄電池２１や発電設備２５は、商用電源と系統連系されている。これにより、蓄電池２１または発電設備２５を備える需要家施設２０は、発電設備２５が発電して出力する電力または蓄電池２１が放電により出力する電力を商用電源の電力系統（配電網）に逆潮流させて、電力系統を通して売電することができる。
一方、電力管理装置１０は、通信部１１、制御装置１２、およびデータベース１３を備える。制御装置１２は、例えば、ＣＰＵ（中央処理装置）、主記憶装置、補助記憶装置、入出力装置等のハードウェアと、ＣＰＵが実行する所定のプログラムとの組み合わせから構成することができる。制御装置１２は、ハードウェアとプログラム等のソフトウエアの組み合わせから構成される機能的構成要素として、電力管理部１２１、情報取得部１２２、モデル学習部１２３、および代替ベースライン計算部１２４を備える。
本実施形態において、電力管理装置１０は、例えば計画値同時同量制度に対応させて、各需要家施設２０における電力の需要と発電を管理する。つまり、電力管理装置１０の運用者は、各需要家施設２０全体として、需要計画と発電計画を所定の計量時間（例えば、３０分）ごとに策定し、策定された需要計画と発電計画を一般送配電事業者に提出する。そのうえで、各需要家施設２０全体における需要と発電の実績が需要計画と発電計画に対して過不足（インバランス）を生じた場合には、電気事業者と一般送配電事業者との間でインバランスに対応する精算（インバランス精算）が行われる。
なお、本実施形態では、複数の需要家施設２０が有する複数の電力設備の電力の需要と発電の予測値の計量時間における平均値を、複数の電力設備の電力の需要と発電に係る基準値と呼ぶ。また、本実施形態においてこの基準値は、例えば、計画値同時同量制度におけるベースラインに対応する。ベースラインは、ＤＲ、ＶＰＰ等の電力の需要の変化に係る要請がなかった場合に想定される需要電力であり、計画値同時同量制度のもとでは、発電計画と需要計画から求めることができる。あるいは、本実施形態において基準値は、発電電力の実績値と需要計画の実績値を基準として予測した値であってもよい。
また、電力管理装置１０は、電力会社等（アグリゲーションコーディネータ）が運用する上位制御システム５０（サーバ等のコンピュータ）から通信回線６０を介して受信した電力調整の要請（電力調整の依頼）や例えば予め自システムで定めた条件に基づき、基準値（ベースライン）を基準として所定の調整時間帯（調整時間）に複数の需要家施設２０における複数の電力設備の電力の需要と発電を所定量変化させる。
なお、本実施形態において、電力調整の要請は、電力管理装置１０が管理する複数の需要家施設２０全体としての需要削減の要請と需要増加の要請を含む。また、需要削減の要請は、潮流電力の削減の要請と、逆潮流電力の増加の要請を含む。また、電力調整の要請は、蓄電池２１における充放電電力、放電電力や充電電力の変化を直接指示する内容を含んでいてもよい。
なお、電力管理システム１は、例えばＴＥＭＳ（Ｔｏｗｎ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）やＣＥＭＳ（Ｃｏｍｍｕｎｉｔｙ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）等の電力管理システムに含まれる形態で（例えば一つの機能として）構成することができる。また、電力管理装置１０は、ＴＥＭＳやＣＥＭＳ等の電力管理システムにおける管理装置（管理サーバ）に含まれる形態で（例えば一つの機能として）構成することができる。ここで、ＴＥＭＳやＣＥＭＳは、例えば、所定の地域範囲における住宅、商業施設、産業施設等の複数の需要家施設２０における電力を一括して管理するシステムである。この場合、電力管理装置１０は、複数の需要家施設２０が有する複数の蓄電池２１の充放電電力の管理（予測や制御）のほか、例えば、発電設備の発電電力の管理（予測や制御）、負荷設備の消費電力の管理（予測や制御）を行う装置として構成することができる。また、電力管理装置１０が管理する需要家施設には、蓄電池を有していない需要家施設が含まれていてもよい。なお、本実施形態において、所定の地域範囲は、１つの地域範囲によって形成されていてもよいし、地理的に離散している複数の地域範囲によって形成されていてもよい。
本実施形態において、発電計画は、配電網に逆潮流させる電力についての各需要家施設２０全体としての計画値や、需要家施設２０の個別の計画値があり得る。また、需要計画は、配電網から順潮流で購入する電力についての各需要家施設２０全体としての計画値や、需要家施設２０の個別の計画値があり得る。
本実施形態が対応する計画値同時同量制度のもとでは、需要計画について実績が計画通りに達成されることが求められる。つまり、本実施形態が対応する計画値同時同量制度では、各需要家施設２０全体から逆潮流される電力の実績と各需要家施設２０全体として順潮流を受ける電力の実績が需要計画に対して過不足のないことが求められる。需要計画は、需要予測（消費予測と発電予測）に基づく計画である。なお、本実施形態において、発電電力とは発電設備２５が発電した電力と蓄電池２１が放電した電力を含む。
図２において、電力管理装置１０は、各需要家施設２０全体における電力設備を対象として電力制御を実行する。ここで、電力制御とは、需要計画、発電計画および電力調整計画の策定と、各計画に基づく目標値に対する実績値の管理を意味する。電力管理装置１０は、通信回線４０を介して需要家施設２０の各々と相互に通信が可能なように接続されている。これにより、電力管理装置１０は、需要家施設２０が備える電力設備の運転を制御することができる。また、電力管理装置１０は、通信回線６０を介して、上位制御システム５０と相互に通信が可能なように通信接続されている。また、電力管理装置１０は、通信回線４０を介して、サーバ７０から天候予測値を表す情報を取得することができるように通信接続されている。天候予測値は、所定のエリアごと（あるいはメッシュごと）の将来の一定期間の気象情報（天気（晴れ、雨、雪、曇り等）、日射量、気温、湿度や、台風や竜巻、ゲリラ豪雨、注意報、気象警報などの特殊気象情報）の所定の時間ごとの予測値を含む。また、電力管理装置１０は、サーバ７０から過去の一定期間の気象情報を取得することができる。
また、電力管理装置１０は、通信回線４０を介して、サーバ８０から市場価格を表す情報を取得することができるように接続されている。市場価格は、所定の電力取引市場における一日前市場（スポット市場）や当日市場（時間前市場）における例えば３０分単位の市場価格の時系列データを含む。また、電力管理装置１０は、例えばサーバ８０や上位制御システム５０からインバランス料金単価の予測値（インバランス単価予測）を表す情報を取得する。なお、インバランス料金は、例えば、「スポット市場価格と時間前市場価格の３０分毎の加重平均値×（系統全体の需要供給に応じた調整項）＋（地域ごとの市場価格差を反映する調整項」の式を用いて算出される。
通信部１１は、通信回線４０経由で需要家施設２０内の制御装置２２、サーバ７０やサーバ８０と通信を行う。また、通信部１１は、通信回線６０経由で上位制御システム５０と通信を行う。なお、通信回線６０も、通信回線４０と同様、インターネット等のネットワーク４１を介して構成されるものであってもよい。
データベース１３（記憶部）は、複数のファイルを記憶管理するシステムであって、電力制御にあたって制御装置１２が利用する情報を記憶する。本実施形態のデータベース１３は、１または複数のファイルに格納された状態で、発電計画情報１３１、需要計画情報１３２、および需要家施設基本情報１３３を記憶する。また、データベース１３は、同様に、需要実績情報１３４、発電実績情報１３５、学習済みモデル１３６、市場価格情報１３７、インバランス単価予測情報１３８、発電量予測情報１３９、需要予測情報１３Ａ、特殊イベント情報１３Ｂ、代替ベースライン１３Ｃ、および学習用データセット１３Ｄを記憶する。
発電計画情報１３１は、策定された発電計画による発電電力を示す情報である。発電計画情報１３１は、例えば、発電時における各需要家施設２０が備える各電力設備の電力の需要と発電の予測値、各電力設備の電力の需要と発電に係る調整可能量（基準値を基準に増加減可能であると予想される電力量）、各蓄電池２１の蓄電量等の情報を含む。需要計画情報１３２は、策定された需要計画による需要電力を示す情報である。需要計画情報１３２は、需要時における各需要家施設２０が備える各電力設備の電力の需要と発電の予測値、各電力設備の電力の需要と発電に係る調整可能量（基準値を基準に増加減可能であると予想される電力量）、各蓄電池２１の蓄電量等の情報を含む。需要家施設基本情報１３３は、各需要家施設２０についての基本的な情報を含む。例えば、１つの需要家施設２０に対応する需要家施設基本情報には、当該需要家施設２０を一意に示す需要家施設ＩＤ（識別符号）、経度および緯度や住所等の設置位置を示す情報、天候予測（天気予報）の複数のエリアのどこに含まれているのかを示す情報、需要家施設２０の契約電力の値、発電設備２５の定格出力の値や設置方向、蓄電池２１の定格電力（定格出力）の値（定格充放電電力の値、定格放電電力の値や定格充電電力の値）および容量、当該需要家施設２０が備える電力負荷設備２６に関する情報、当該需要家施設２０が備える通信部２４や制御装置２２のアドレス等の情報が含まれる。
需要実績情報１３４は、各需要家施設２０における需要電力（消費電力と発電電力）の実績値（計測値）を示す情報であり、過去数年分あるいは一年分の所定時間ごとの需要電力の計測値を含む。なお、本実施形態において、需要電力は、買電（順潮流）電力と売電（逆潮流）電力を含み、買電の場合が正の値、売電の場合が負の値で表される。
発電実績情報１３５は、各需要家施設２０における発電電力（発電設備２５の発電電力）の計測値を示す情報であり、過去数年分あるいは一年分の所定時間ごとの発電電力の計測値を含む。
学習済みモデル１３６は、例えばニューラルネットワークを要素とする学習済みモデルであり、入力される多数のデータに対して求める解が出力されるよう、機械学習によりニューラルネットワークの各層のニューロン間の重み付け係数が最適化されている。学習済みモデル１３６は、例えば、入力から出力までの演算を行うプログラムと当該演算に用いられる重み付け係数（パラメータ）の組合せで構成される。そして、学習済みモデル１３６は、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、下記の関数ｆを用いて構成され、過去の、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力データとするとともに、代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルである。
ここで、関数ｆは、市場価格の時系列データ（関数ｆでは「市場価格」と表記）、インバランス単価予測の時系列データ（関数ｆでは「インバランス単価予測」と表記）、発電量予測の時系列データ（関数ｆでは「発電量予測」と表記）、需要予測の時系列データ（関数ｆでは「需要予測」と表記）、市場価格の時系列データと質的変数に基づくダミー変数のデータとの交互作用項のデータ（関数ｆでは「市場価格×特殊イベント」と表記）、インバランス単価予測の時系列データと質的変数に基づくダミー変数のデータとの交互作用項のデータ（関数ｆでは「インバランス単価予測×特殊イベント」と表記）、発電量予測の時系列データと質的変数に基づくダミー変数のデータとの交互作用項のデータ（関数ｆでは「発電量予測×特殊イベント」と表記）、および、需要予測の時系列データと質的変数に基づくダミー変数のデータとの交互作用項のデータ（関数ｆでは「需要予測×特殊イベント」と表記）を、説明変数とし、代替ベースラインの予測値の時系列データ（上式では「代替ベースライン」と表記）を目的変数とする関数である。ここで、各時系列データは、所定の計量時間（例えば３０分）ごとの時系列のデータである。また、質的変数に基づくダミー変数は、質的変数が表す種類や分類を、数値化して表す変数である。ダミー変数は、例えば、質的変数の値（名称、分類名等）を表す｛「１」、「２」、「３」｝や｛「−１」、「０」、「１」｝等の数値を値とする。また、交互作用項のデータは、市場価格、インバランス単価予測、発電量予測および需要予測の各時系列データ（主効果）と、ダミー変数のデータを、所定の時間ごとに掛け合わせた積のデータである。
また、特殊イベント情報は、例えば「土曜日」「日曜日」「国民の祝日」といった休日情報であったり、「台風」や「竜巻」、「ゲリラ豪雨」といった特殊気象情報であったりする。すなわち、特殊イベント情報は、例えば、少なくとも「土曜日」、「日曜日」および「国民の祝日」を質的変数の値とする休日情報である。あるいは、特殊イベント情報は、少なくとも「台風」および「豪雨」を質的変数の値とする特殊気象情報である。なお、特殊イベント情報は、１または複数の質的変数で表すことができる。
図４は、図２に示す制御装置１２の動作例を説明するための模式図であり、特殊イベント情報が表す特殊イベントの分類の例を示す。図４に示す例で、特殊イベントは、発電側の変動を引き起こすイベントと需要側の変動を引き起こすイベントとを含む。そして、発電側の変動を引き起こすイベントは、悪天候（積雪、ゲリラ豪雨、台風、梅雨 等）による、発電量・充電量減少、過度な好天候（高温時間の継続等）による、太陽光発電設備の発電量減少、計画停電、落雷による停電等を含む。また、需要側の変動を引き起こすイベントは、定常イベントと、非定常イベントを含む。定常イベントは、月初／月中／月末（具体的現象：給料日後で外食、プレミアムフライデー等）、土日、四半期、半期等を含む。非定常イベントは、連休（ゴールデンウィーク、お盆、国民の祝日、国民の祝日による中日の平日を含む等）、（工場等の）設備点検・メンテナンス、工事、悪天候（具体的現象：在宅率増加、蓄電池への非常用充電量増加、暖房使用率増加、暖房温度上昇等）、過度な好天候（具体的現象：在宅率増加、冷房使用率増加、冷房温度下降等）を含む。本実施形態における特殊イベント情報は、例えば図４に示す特殊イベントを表すものとすることができる。
市場価格情報１３７は、サーバ８０などから取得された市場価格（過去および将来の所定の期間の取引価格（約定価格））の時系列を表す情報である。
インバランス単価予測情報１３８は、サーバ８０などから取得されたインバランス料金単価の予測値（過去の予測値の履歴と将来の予測値）の時系列を表す情報である。
発電量予測情報１３９は、発電設備２５による発電量（発電電力量や発電電力）の所定の計量時間（例えば３０分）ごとの過去の予測値の履歴と将来の予測値を表す情報である。発電量予測情報１３９は、例えば、日射量等の予測情報や過去の実績値に基づいて推定され、発電計画情報１３１としてデータベース１３に登録されているデータのなかから抽出される。
需要予測情報１３Ａは、需要家施設２０による需要電力（電力量や電力）の所定の計量時間（例えば３０分）ごとの過去の予測値の履歴と将来の予測値を表す情報である。需要予測情報１３Ａは、例えば、天候等の予測情報や過去の実績値に基づいて推定され、需要計画情報１３２としてデータベース１３に登録されているデータのなかから抽出される。
特殊イベント情報１３Ｂは、サーバ７０などから取得された特殊気象情報や、オペレータ等が入力したカレンダーの情報などを含む。
代替ベースライン１３Ｃは、代替ベースライン計算部１２４が計算して求めた代替ベースラインを表す情報である。なお、本実施形態において、代替ベースラインとは、非特許文献１で示されている「ネガワット取引に関するガイドライン」で規定されている標準ベースラインとは異なるベースラインという意味であり、ベースライン（上述した本実施形態における基準値）の一種である。代替ベースライン１３Ｃは、需要家施設２０ごと、あるいは、複数の需要家施設２０からなるグループごとに設定することができる。
学習用データセット１３Ｄは、学習済みモデル１３６を機械学習する際に用いたデータセットとこれから機械学習する際に用いようとするデータセットを含む。学習用データセット１３Ｄは、入力データとして用いた過去の、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータと、教師データである、入力データに対応する代替ベースラインの実測値の時系列データを含む。代替ベースラインの実測値は、需要電力の実測値から、ＤＲ、ＶＰＰ等の電力の需要の変化に係る要請に基づき需要電力を変化させた分の実測値（あるいは制御の目標値）を差し引いた値として取得することができる。学習用データセット１３Ｄには、例えば毎日、新しいデータが追加される。
電力管理部１２１は、データベース１３が記憶している発電計画情報１３１および需要計画情報１３２と、各需要家施設２０における電力の需要と発電の実績値（実測値）に基づき、各需要家施設２０における電力設備を制御する。また、電力管理部１２１は、アグリゲーションコーディネータである電力会社等が運用する上位制御システム５０からの所定の要請時間における電力調整の要請を通信部１１を介して受信する。所定の要請時間は、電力調整すなわち需要削減または需要増加が要請される時間であり、例えば、開始時刻と終了時刻または開始時刻と継続時間で定義される。電力調整の要請は、ＤＲによる要請に対応し、電力調整の要請時間と、需要削減または需要増加が要請される電力の値、電力量の値等を示す情報を含む。なお、制御装置１２は、電力調整計画において、要請時間を調整時間（調整時間帯）として扱う。電力管理部１２１は、学習済みモデル１３６を基準として電力の需要の変化に係る要請に応じて各需要家施設２０における電力の需要を管理する。
また、電力管理部１２１は、調整時間より短い所定の制御時間単位毎に、発電計画と需要計画と電力調整計画に基づき各需要家施設２０へ充放電指令を送信し、各蓄電池２１における充放電電力の制御を各需要家施設２０に対して指示する。ここで、充放電指令は、例えば、対象の制御時間単位を指示する情報と、当該制御時間単位における平均の放電電力の目標値または平均の充電電力の目標値を示す情報あるいは当該制御時間単位における放電電力量の目標値または充電電力量の目標値を示す情報等を含む。
情報取得部１２２は、通信部１１を介してサーバ７０から各需要家施設２０の位置に対応する当日および将来の天候予測値を取得して図示していない所定のファイルとしてデータベース１３に記憶するとともに、予め定めた特殊イベント情報に該当する情報が含まれている場合には特殊イベント情報１３Ｂとしてデータベース１３に記憶する。情報取得部１２２は、また、通信部１１を介してサーバ８０などから、市場価格を表す情報を取得して市場価格情報１３７としてデータベース１３に記憶するとともに、インバランス料金単価の予測値（インバランス単価予測）を表す情報を取得してインバランス単価予測情報１３８としてデータベース１３に記憶する。
モデル学習部１２３は、過去の、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを、データベース１３から入手して入力データとするとともに、データベース１３から入手した（あるいはデータベース１３に記憶されている所定の実測データに基づき計算した）代替ベースラインの実測値の時系列データを教師データとして、データベース１３に記憶されている学習済みモデル１３６を機械学習し、データベース１３の学習済みモデル１３６を更新する。モデル学習部１２３は、例えば１日ごとなどの所定の周期で繰り返し学習済みモデル１３６を機械学習する。
代替ベースライン計算部１２４は、データベース１３に記憶されている学習済みモデル１３６に、データベース１３に記憶されている、市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力し、代替ベースラインの予測値の時系列データを出力として計算し、データベース１３に代替ベースライン１３Ｃとして記憶する。
次に、図３を参照して、図２に示す制御装置１２（代替ベースライン計算部１２４等）の動作例について説明する。図３に示す処理は、例えば、需要家施設２０ごとに、オペレータの指示に応じて任意のタイミングで実行されたり、予め定めたタイミングで自動的に実行されたりする。図３に示す処理が開始されると、代替ベースライン計算部１２４は、データベース１３（図３では「ＤＢ」と略記）より市場価格の時系列データを入手する（ステップＳ１１）。次に、代替ベースライン計算部１２４がデータベース１３よりインバランス単価予測を入手する（ステップＳ１２）。次に、代替ベースライン計算部１２４がデータベース１３より発電量予測を入手する（ステップＳ１３）。次に、代替ベースライン計算部１２４がデータベース１３より需要予測を入手する（ステップＳ１４）。次に、代替ベースライン計算部１２４が、オペレータの入力操作に応じて（あるいはデータベース１３より）特殊イベント情報を入力する（ステップＳ１５）。次に、代替ベースライン計算部１２４がステップＳ１１〜Ｓ１４で取得した時系列データと、ステップＳ１５で取得した特殊イベント情報を表す質的変数に基づくダミー変数のデータとの積である交互作用項のデータを計算する（ステップＳ１６）。次に、代替ベースライン計算部１２４が、データベース１３に記憶されている学習済みモデル１３６を用いて代替ベースラインを計算し、計算した代替ベースラインをデータベース１３に記憶する（ステップＳ１７）。次に、代替ベースライン計算部１２４は、実測値が入手できるタイミングでデータベース１３を参照し、代替ベースラインの実測値を入手（計算）する（ステップＳ１８）。次に、代替ベースライン計算部１２４は、学習用データセット１３Ｄに代替ベースラインの実測値と予測値を追加する（ステップＳ１９）。
以上のように、本実施形態によれば、代替ベースラインの予測値を目的変数として、特殊イベント情報に基づくデータなどを説明変数とする上記関数ｆを用いて構成される学習済みモデルを用いて、代替ベースラインの予測値が計算される。ここで、学習済みモデルは、代替ベースラインの実測値の時系列データを教師データとして機械学習される。
一般に、広範囲にわたる需要家を制御する場合、例えば、地域により天候状況が異なり、一つの基準値では対応できず、かと言って個々の需要家に対して基準値を設定すると計算負荷が膨大になる。また、平日と休日の別など、天候や需要以外にも基準値に影響を及ぼすと考えられる要素はいくつか存在するが、その個々の要素の影響度や相互の影響が明確になっていない。
これに対し、本実施形態では、（１）市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、（２）代替ベースラインの予測値の時系列データを出力とし、（３）前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、（４）過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルを用いて、代替ベースラインの予測値が計算される。
上記構成によれば、例えば、天候状況や平日と休日の別などを特殊イベント情報とすることで、基準値（代替ベースライン）に影響を及ぼすこれらの要素を考慮して、代替ベースラインの予測値を求めることができる。よって、本実施形態によれば、代替ベースライン（基準値）と実績値の誤差が小さくなり、基準値からの制御が安定的に行うことができ、その制御に対するインセンティブも公平に与えることができるようになる。また、予測結果と実測値をフィードバックすることで、更に精度よく代替ベースラインを推定できるようになる。
以上、この発明の実施形態について図面を参照して説明してきたが、具体的な構成は上記実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。
なお、上記実施形態において以下の構成は例えば以下の態様を有する。すなわち、上記実施形態において、学習済みモデル１３６はプログラムまたはプログラムに準ずるものとしての態様を有する。また、制御装置１２は、代替ベースラインの予測値の時系列データを出力として計算する代替ベースライン計算部１２４を備える代替ベースライン計算装置としての態様を有する。また、制御装置１２は、学習済みモデル１３６を機械学習するモデル学習部１２３を備える機械学習装置としての態様を有する。
１：電力管理システム、１０：電力管理装置、２０：需要家施設、２１：蓄電池、１２：制御装置、１２１：電力管理部、１２２：情報取得部、１２３：モデル学習部、１２４：代替ベースライン計算部、１３６：学習済みモデル
Claims (7)
- 記憶部と代替ベースライン計算部とを備え、
前記記憶部が、
市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、
代替ベースラインの予測値の時系列データを出力とし、
前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、
過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデル
を記憶し、
前記代替ベースライン計算部が、
前記学習済みモデルに、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力し、前記代替ベースラインの予測値の時系列データを出力として計算する
代替ベースライン計算装置。 - 前記特殊イベント情報が、少なくとも「土曜日」、「日曜日」および「国民の祝日」を前記質的変数の値とする休日情報である
請求項１に記載の代替ベースライン計算装置。 - 前記特殊イベント情報が、少なくとも「台風」および「豪雨」を前記質的変数の値とする特殊気象情報である
請求項１に記載の代替ベースライン計算装置。 - 市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、
代替ベースラインの予測値の時系列データを出力とし、
前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、
過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された
学習済みモデル。 - 市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルを、
過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして、機械学習する
モデル学習部
を備える機械学習装置。 - 市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルに、
前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力し、前記代替ベースラインの予測値の時系列データを出力として計算するステップを
有する代替ベースライン計算方法。 - 市場価格の時系列データ、インバランス単価予測の時系列データ、発電量予測の時系列データ、需要予測の時系列データ、および、質的変数で表される特殊イベント情報のデータを入力とし、代替ベースラインの予測値の時系列データを出力とし、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、前記市場価格の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記インバランス単価予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、前記発電量予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータ、および、前記需要予測の時系列データと前記質的変数に基づくダミー変数のデータとの交互作用項のデータを、説明変数とし、前記代替ベースラインの予測値の時系列データを目的変数とする関数を用いて構成され、過去の、前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力データとするとともに、前記代替ベースラインの実測値の時系列データを教師データとして機械学習された学習済みモデルに、
前記市場価格の時系列データ、前記インバランス単価予測の時系列データ、前記発電量予測の時系列データ、前記需要予測の時系列データ、および、前記質的変数で表される特殊イベント情報のデータを入力し、前記代替ベースラインの予測値の時系列データを出力として計算するステップを
コンピュータに実行させるプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019161151A JP7303707B2 (ja) | 2019-09-04 | 2019-09-04 | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019161151A JP7303707B2 (ja) | 2019-09-04 | 2019-09-04 | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021040437A true JP2021040437A (ja) | 2021-03-11 |
| JP7303707B2 JP7303707B2 (ja) | 2023-07-05 |
Family
ID=74849068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019161151A Active JP7303707B2 (ja) | 2019-09-04 | 2019-09-04 | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7303707B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021136759A (ja) * | 2020-02-26 | 2021-09-13 | 京セラ株式会社 | 電力制御装置、電力制御システム、電力制御方法、及びプログラム |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2010082536A1 (ja) * | 2009-01-13 | 2010-07-22 | 株式会社日立製作所 | 電力需給運用管理サーバ、および電力需給運用管理システム |
| JP2014531658A (ja) * | 2011-09-16 | 2014-11-27 | ナラヤン、アミット | ネットワークサーバを用いてｄｒ信号を通信する拡張可能なウェブ利用ｄｒプラットフォーム |
| WO2016017647A1 (ja) * | 2014-07-31 | 2016-02-04 | ダイキン工業株式会社 | 機器管理装置 |
| JP2017034797A (ja) * | 2015-07-30 | 2017-02-09 | 富士電機株式会社 | ベースライン負荷推定装置及びベースライン負荷推定プログラム |
| JP2018007312A (ja) * | 2016-06-27 | 2018-01-11 | 藤崎電機株式会社 | 発電電力予測装置、サーバ、コンピュータプログラム及び発電電力予測方法 |
| JP2019058007A (ja) * | 2017-09-21 | 2019-04-11 | Ｓｂエナジー株式会社 | 電力供給における調整力抽出システム、プログラム及び方法 |
-
2019
- 2019-09-04 JP JP2019161151A patent/JP7303707B2/ja active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2010082536A1 (ja) * | 2009-01-13 | 2010-07-22 | 株式会社日立製作所 | 電力需給運用管理サーバ、および電力需給運用管理システム |
| JP2014531658A (ja) * | 2011-09-16 | 2014-11-27 | ナラヤン、アミット | ネットワークサーバを用いてｄｒ信号を通信する拡張可能なウェブ利用ｄｒプラットフォーム |
| WO2016017647A1 (ja) * | 2014-07-31 | 2016-02-04 | ダイキン工業株式会社 | 機器管理装置 |
| JP2017034797A (ja) * | 2015-07-30 | 2017-02-09 | 富士電機株式会社 | ベースライン負荷推定装置及びベースライン負荷推定プログラム |
| JP2018007312A (ja) * | 2016-06-27 | 2018-01-11 | 藤崎電機株式会社 | 発電電力予測装置、サーバ、コンピュータプログラム及び発電電力予測方法 |
| JP2019058007A (ja) * | 2017-09-21 | 2019-04-11 | Ｓｂエナジー株式会社 | 電力供給における調整力抽出システム、プログラム及び方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021136759A (ja) * | 2020-02-26 | 2021-09-13 | 京セラ株式会社 | 電力制御装置、電力制御システム、電力制御方法、及びプログラム |
| JP7254737B2 (ja) | 2020-02-26 | 2023-04-10 | 京セラ株式会社 | 電力制御装置、電力制御システム、電力制御方法、及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7303707B2 (ja) | 2023-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | Uncertainties of virtual power plant: Problems and countermeasures | |
| Di Somma et al. | Stochastic optimal scheduling of distributed energy resources with renewables considering economic and environmental aspects | |
| Das et al. | Day-ahead optimal bidding strategy of microgrid with demand response program considering uncertainties and outages of renewable energy resources | |
| Koltsaklis et al. | Optimal energy planning and scheduling of microgrids | |
| US10873209B2 (en) | System and method for dynamic energy storage system control | |
| Dehalwar et al. | Electricity load forecasting for Urban area using weather forecast information | |
| Qiu et al. | Planning of solar photovoltaics, battery energy storage system and gas micro turbine for coupled micro energy grids | |
| Li et al. | Review of building energy modeling for control and operation | |
| Zhu et al. | The case for efficient renewable energy management in smart homes | |
| Tan et al. | A stochastic method for battery sizing with uninterruptible-power and demand shift capabilities in PV (photovoltaic) systems | |
| McPherson et al. | A scenario based approach to designing electricity grids with high variable renewable energy penetrations in Ontario, Canada: Development and application of the SILVER model | |
| Zheng et al. | A multi-year two-stage stochastic programming model for optimal design and operation of residential photovoltaic-battery systems | |
| CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
| Barbato et al. | A framework for home energy management and its experimental validation | |
| Ai et al. | Robust operation strategy enabling a combined wind/battery power plant for providing energy and frequency ancillary services | |
| Subramanyam et al. | Sizing a renewable microgrid for flow shop manufacturing using climate analytics | |
| Hemmati et al. | Optimal scheduling of smart Microgrid in presence of battery swapping station of electrical vehicles | |
| JP6069738B2 (ja) | 充放電制御システム、充放電制御方法、および充放電制御プログラム | |
| Ceccon et al. | Intelligent electric power management system for economic maximization in a residential prosumer unit | |
| Aryai et al. | Controlling electricity storage to balance electricity costs and greenhouse gas emissions in buildings | |
| Kim et al. | Economical energy storage systems scheduling based on load forecasting using deep learning | |
| JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
| Siberry et al. | Energy Storage Valuation: A Review of Use Cases and Modeling Tools | |
| Holmberg et al. | Comparison of two approaches for managing building flexibility using energy market prices | |
| Lyden et al. | Heat pump and thermal storage sizing with time-of-use electricity pricing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220322 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221223 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230217 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230530 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230623 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7303707 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |