JP2021105811A - エネルギー需要変動パターンの分類方法及びシステム - Google Patents
エネルギー需要変動パターンの分類方法及びシステム Download PDFInfo
- Publication number
- JP2021105811A JP2021105811A JP2019236360A JP2019236360A JP2021105811A JP 2021105811 A JP2021105811 A JP 2021105811A JP 2019236360 A JP2019236360 A JP 2019236360A JP 2019236360 A JP2019236360 A JP 2019236360A JP 2021105811 A JP2021105811 A JP 2021105811A
- Authority
- JP
- Japan
- Prior art keywords
- energy demand
- fluctuation pattern
- evaluation value
- representative
- fluctuation
- 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
- 238000000034 method Methods 0.000 title claims description 75
- 238000011156 evaluation Methods 0.000 claims abstract description 123
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 46
- 238000003860 storage Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000013480 data collection Methods 0.000 description 9
- 230000007423 decrease Effects 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、M個(但し、Mは3以上の自然数)の変動パターンを取得し、
i)前記M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する分類処理と、ii)前記N個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii)前記m個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値f(N)を算出する評価値算出処理とを、N=(n−1)及びN=n(但し、nは3以上且つM以下の自然数)の各々について行って評価値f(n)及び評価値f(n−1)算出し、
前記評価値f(n)と前記評価値f(n−1)との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、nを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記M個の変動パターンの適切な分類数を(n−1)と決定することを特徴としている。
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、多数の変動パターンを記憶した記憶装置と、
出力装置と、
前記記憶装置及び前記出力装置と電気的に接続された演算装置とを備え、
前記演算装置は、
M個(但し、Mは3以上の自然数)の変動パターンを取得し、
i)前記M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する分類処理と、ii)前記N個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii)前記m個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値f(N)を算出する評価値算出処理とを、N=(n−1)及びN=n(但し、nは3以上且つM以下の自然数)の各々について行って評価値f(n)及び評価値f(n−1)算出し、
前記評価値f(n)と前記評価値f(n−1)との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、nを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記M個の変動パターンの適切な分類数を(n−1)と決定し、
決定した前記適切な分類数を出力するように構成されていることを特徴としている。
図2は、データ収集装置2の構成を示すブロック図である。データ収集装置2は、工場に設置されてよい。データ収集装置2は、演算装置27、入力装置28、及び記憶装置29を備える。
図3は、分類装置3の構成を示すブロック図である。図3に示すように、分類装置3は、演算装置31と、記憶装置32と、出力装置33とを備える。
ここで、分類装置3によるエネルギー需要変動パターンの分類方法について説明する。図5は、分類方法の流れを示すフローチャートである。
図6は、分類処理及び代表変動パターン生成処理の概念を説明する図である。図6に示すように、分類装置3は、分類処理(ステップS5)において、M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する。各クラスタには少なくとも1つの変動パターンが分類され、各々のクラスタは変動パターン群である。
分類装置3は、代表変動パターン生成処理(ステップS6)において、分類処理の分類結果を用いて各クラスタの代表変動パターンを生成する。クラスタの代表変動パターンは、当該クラスタに分類された変動パターンの平均値又は二乗平均値である。換言すれば、クラスタの代表変動パターンは、当該クラスタに割り当てられた変動パターンの平均値又はその二乗平均値といえる。なお、クラスタに割り当てられた変動パターンが1つの場合は、変動パターンと代表変動パターンとは一致する。
分類装置3は、分類処理及び代表変動パターン生成処理の結果を用いて、評価値算出処理(ステップS7)を行って、評価値f(N)を算出し、それを記憶する(ステップS8)。評価値f(N)は、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの差分dの総和である。
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、M個(但し、Mは3以上の自然数)の変動パターンを取得し、
i)M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する分類処理と、ii)N個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii)M個の変動パターンの各々について、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの乖離度合いを表す評価値f(N)を算出する評価値算出処理とを、N=(n−1)及びN=n(但し、nは3以上且つM以下の自然数)の各々について行って評価値f(n)及び評価値f(n−1)を求め、
評価値f(n)と評価値f(n−1)との差Δf(n)と所定の閾値Aとを比較し、差Δf(n)が閾値Aより小さい場合は、nを1ずつ増やして差が閾値以上となるまで分類処理、代表変動パターン生成処理、及び評価値算出処理を繰り返し、差Δf(n)が閾値以上の場合は、M個の変動パターンの適切な分類数を(n−1)と決定することを特徴としている。
演算装置31は、
M個(但し、Mは3以上の自然数)の変動パターンを取得し、N=(n−1)及びN=n(但し、nは3以上且つM以下の自然数)の各々についてi)、ii)及びiii)を行って評価値f(n)及び評価値f(n−1)を求める。
i)M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する分類処理。
ii)N個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理。
iii)M個の変動パターンの各々について、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの乖離度合いを表す評価値f(N)を算出する評価値算出処理。
演算装置31は、更に、
評価値f(n)と評価値f(n−1)との差と所定の閾値とを比較し、差が閾値より小さい場合は、nを1ずつ増やして差が閾値以上となるまで分類処理、代表変動パターン生成処理、及び評価値算出処理を繰り返し、差が閾値以上の場合は、M個の変動パターンの適切な分類数を(n−1)と決定し、決定した適切な分類数を出力する。
3 :分類装置
4 :通信ネットワーク
31 :演算装置
32 :記憶装置
33 :出力装置
100 :エネルギー需要変動パターンの分類システム
Claims (11)
- 連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、M個(但し、Mは3以上の自然数)の変動パターンを取得し、
i)前記M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する分類処理と、ii)前記N個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii)前記M個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値f(N)を算出する評価値算出処理とを、N=(n−1)及びN=n(但し、nは3以上且つM以下の自然数)の各々について行って評価値f(n)及び評価値f(n−1)を求め、
前記評価値f(n)と前記評価値f(n−1)との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、nを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記M個の変動パターンの適切な分類数を(n−1)と決定する、
エネルギー需要変動パターンの分類方法。 - 前記エネルギー需要量は、電力エネルギー需要量及び蒸気エネルギー需要量を含む、
請求項1に記載のエネルギー需要変動パターンの分類方法。 - 前記評価値f(N)は、前記変動パターンの前記エネルギー需要量と前記代表変動パターンの前記エネルギー需要量との乖離度合いを表す第1指標と、前記変動パターンの前記エネルギー需要量の時間変化量と前記代表変動パターンの前記エネルギー需要量の時間変化量との乖離度合いを表す第2指標とを含む、
請求項1〜3のいずれか一項に記載のエネルギー需要変動パターンの分類方法。 - 前記時間変化量は、前記エネルギー需要量の測定周期又は前記測定周期の倍数の時間にわたる前記エネルギー需要量の変化量である、
請求項4に記載のエネルギー需要変動パターンの分類方法。 - 連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、多数の変動パターンを記憶した記憶装置と、
出力装置と、
前記記憶装置及び前記出力装置と電気的に接続された演算装置とを備え、
前記演算装置は、
M個(但し、Mは3以上の自然数)の変動パターンを取得し、
i)前記M個の変動パターンを変動の傾向が類似しているもの同士のN個のクラスタに分類する分類処理と、ii)前記N個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii)前記M個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値f(N)を算出する評価値算出処理とを、N=(n−1)及びN=n(但し、nは3以上且つM以下の自然数)の各々について行って評価値f(n)及び評価値f(n−1)を求め、
前記評価値f(n)と前記評価値f(n−1)との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、nを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記M個の変動パターンの適切な分類数を(n−1)と決定し、
決定した前記適切な分類数を出力するように構成されている、
エネルギー需要変動パターンの分類システム。 - 前記エネルギー需要量は、電力エネルギー需要量及び蒸気エネルギー需要量を含む、
請求項6に記載のエネルギー需要変動パターンの分類システム。 - 前記評価値f(N)は、前記変動パターンの前記エネルギー需要量と前記代表変動パターンの前記エネルギー需要量との乖離度合いを表す第1指標と、前記変動パターンの前記エネルギー需要量の時間変化量と前記代表変動パターンの前記エネルギー需要量の時間変化量との乖離度合いを表す第2指標とを含む、
請求項6〜8のいずれか一項に記載のエネルギー需要変動パターンの分類システム。 - 前記時間変化量は、前記エネルギー需要量の測定周期又は前記測定周期の倍数の時間にわたる前記エネルギー需要量の変化量である、
請求項9に記載のエネルギー需要変動パターンの分類システム。 - 前記出力装置は、前記M個の変動パターンを前記適切な分類数に分類したときの各クラスタの前記代表変動パターンをエネルギー需要の典型的な変動パターンとして印字出力又は表示出力する、
請求項6〜10のいずれか一項に記載のエネルギー需要変動パターンの分類システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019236360A JP7458183B2 (ja) | 2019-12-26 | 2019-12-26 | エネルギー需要変動パターンの分類方法及びシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019236360A JP7458183B2 (ja) | 2019-12-26 | 2019-12-26 | エネルギー需要変動パターンの分類方法及びシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021105811A true JP2021105811A (ja) | 2021-07-26 |
JP7458183B2 JP7458183B2 (ja) | 2024-03-29 |
Family
ID=76918903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019236360A Active JP7458183B2 (ja) | 2019-12-26 | 2019-12-26 | エネルギー需要変動パターンの分類方法及びシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7458183B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204321A (zh) * | 2022-09-15 | 2022-10-18 | 江苏海力达机电制造有限公司 | 一种自动车床加工的精度波动控制方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5075009B2 (ja) | 2008-05-16 | 2012-11-14 | 三菱電機株式会社 | 類似度分析評価システム |
WO2015133635A1 (ja) | 2014-03-07 | 2015-09-11 | 株式会社日立製作所 | データ分析システム及び方法 |
JP6408451B2 (ja) | 2015-05-21 | 2018-10-17 | 株式会社日立製作所 | エネルギー需要予測システム及びエネルギー需要予測方法 |
-
2019
- 2019-12-26 JP JP2019236360A patent/JP7458183B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204321A (zh) * | 2022-09-15 | 2022-10-18 | 江苏海力达机电制造有限公司 | 一种自动车床加工的精度波动控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP7458183B2 (ja) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jota et al. | Building load management using cluster and statistical analyses | |
KR100987168B1 (ko) | 원격계측 전력 부하패턴의 분류 및 예측 방법 | |
CN107506868B (zh) | 一种短时电力负荷预测的方法及装置 | |
CN110084326B (zh) | 一种基于模糊集的工业设备异常检测方法 | |
EP2476073A2 (en) | Methods and systems for energy prognosis | |
Junior et al. | Optimized hybrid ensemble learning approaches applied to very short-term load forecasting | |
CN116034379A (zh) | 使用深度学习和机器学习的活动性水平测量 | |
Patel et al. | Long term electrical load forecasting considering temperature effect using multi-layer perceptron neural network and k-nearest neighbor algorithms | |
JP7458183B2 (ja) | エネルギー需要変動パターンの分類方法及びシステム | |
Ahmed et al. | Enhancing stock portfolios for enterprise management and investment in energy industry | |
Lee et al. | Wind power pattern forecasting based on projected clustering and classification methods | |
Sun et al. | Data-driven anomaly detection in modern power systems | |
Bundasak et al. | Predictive maintenance using AI for Motor health prediction system | |
Li et al. | A localized NARX Neural Network model for Short-term load forecasting based upon Self-Organizing Mapping | |
CN115201394A (zh) | 一种多组分变压器油色谱在线监测方法及相关装置 | |
CN113869601A (zh) | 一种电力用户负荷预测方法、装置及设备 | |
CN114266593A (zh) | 一种基于kpca和线性回归的电力消费预测方法 | |
Nahid et al. | Home occupancy classification using machine learning techniques along with feature selection | |
Sala et al. | Smart multi-model approach based on adaptive Neuro-Fuzzy Inference Systems and Genetic Algorithms | |
Yeh et al. | Estimation of a data-collection maturity model to detect manufacturing change | |
Park | Application of an Adaptive Incremental Classifier for Streaming Data | |
Li et al. | Control chart pattern recognition under small shifts based on multi-scale weighted ordinal pattern and ensemble classifier | |
Liu et al. | Intelligent Analysis and Prediction of User Electricity Consumption Status Based on Big Data | |
Arif et al. | Using Clustering To Reduce Models Required For Medium Term Load Forecasting | |
JP6932467B2 (ja) | 状態変動検出装置、状態変動検出システム及び状態変動検出用プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221005 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230830 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230926 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240205 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7458183 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |