JP2021114172A - エネルギー消費量予測システム、エネルギー消費量予測支援システム、エネルギー消費量予測方法、及びプログラム - Google Patents

Abstract

【課題】エネルギー消費量を予測するシステム等にて、エネルギー消費量情報を、本発明を採用しない場合に比べてより正確にカテゴリ分類するエネルギー消費量予測サーバを提供する。【解決手段】エネルギー消費量予測サーバ１０は、取得手段と、把握手段と、分類手段と、予測手段とを備える。取得手段は、特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する。把握手段は、複数の予め定められた範囲の消費量情報から、複数の予め定められた範囲の各々のエネルギー消費傾向を把握する。分類手段は、把握された各々のエネルギー消費傾向を用いて、複数の予め定められた範囲をカテゴリ分類する。予測手段は、分類手段により分類されたカテゴリ分類を用いて、特定需要者のエネルギーのエネルギー消費量を予測する。【選択図】図４

Description

本発明は、エネルギー消費量予測システム、エネルギー消費量予測支援システム、エネルギー消費量予測方法、及びプログラムに関する。

特許文献１には、容易に入手可能な最低限の情報のみによって、エネルギーの消費量を予測することが可能なエネルギー消費量予測システムを提供するために、気温情報（最高気温と最低気温）と、過去の数週間の電力消費量の実績値のみを用いて、電力予測を行う技術が開示されている。そして、ここでは、カテゴリ毎にデータを分類することで予測精度を高めている。特に、店舗の休業日や休日の営業日など、店舗や事業所の稼働状況に応じたカテゴリ分類を行うことができるため、使用者にとって最適なカテゴリ分類を行うことができる、としている。

特許第６１３４２５３号公報

従来より行われているエネルギー消費量予測システムでは、まず初めにエネルギー消費量情報を、例えば曜日又は営業形態によってカテゴリ分類する必要があった。その際、従来では、このカテゴリ分類を、エネルギーを消費する需要者からのヒアリングや人の手による分析によって実施していた。

しかしながら、例えばヒアリングでの実施では、間違ったことを伝えれば間違った設定をしてしまうこととなり、情報の正確性が保たれない。また、人の手による分析では、分析スキルによって異なった結果となり、適切なカテゴリに分類できない可能性があった。

本発明の目的は、エネルギー消費量を予測するシステム等にて、エネルギー消費量情報を、本発明を採用しない場合に比べてより正確にカテゴリ分類することにある。

かかる目的のもと、本発明は、特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する取得手段と、複数の予め定められた範囲の消費量情報から、複数の予め定められた範囲の各々のエネルギー消費傾向を把握する把握手段と、把握された各々のエネルギー消費傾向を用いて、複数の予め定められた範囲をカテゴリ分類する分類手段と、分類手段により分類されたカテゴリ分類を用いて、特定需要者のエネルギーのエネルギー消費量を予測する予測手段とを備えたエネルギー消費量予測システムを提供する。

取得手段は、特定需要者にて消費されるエネルギーごとに消費量情報を取得し、予測手段は、カテゴリ分類を用いて、特定需要者のエネルギーごとのエネルギー消費量を予測する、ものであってよい。

予測手段は、複数の予め定められた範囲の消費量情報をカテゴリ分類を用いて分類して平均化することにより平均消費量情報を生成し、平均消費量情報を用いて特定需要者のエネルギーのエネルギー消費量を予測する、ものであってよい。その場合、予測手段は、カテゴリ分類を用いて生成された補正データで平均消費量情報を補正することにより、特定需要者のエネルギーのエネルギー消費量を予測する、ものであってよい。

また、本発明は、特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する取得手段と、複数の予め定められた範囲の消費量情報から、複数の予め定められた範囲の各々のエネルギー消費傾向を把握する把握手段と、把握された各々のエネルギー消費傾向を用いて、複数の予め定められた範囲をカテゴリ分類する分類手段と、分類手段により分類されたカテゴリ分類を、特定需要者のエネルギーのエネルギー消費量の予測に用いる情報として出力する出力手段とを備えたエネルギー消費量予測支援システムも提供する。

取得手段は、特定需要者にて消費されるエネルギーごとに消費量情報を取得し、出力手段は、カテゴリ分類を、特定需要者のエネルギーごとのエネルギー消費量の予測に用いる情報として出力する、ものであってよい。

取得手段は、複数の予め定められた範囲の消費量情報に対して、複数の予め定められた範囲の各々のエネルギー消費傾向を把握手段が把握し易くするための前処理を行う、ものであってよい。その場合、前処理は、複数の予め定められた範囲の各々について、消費量情報を、消費量情報の最大値で除する処理であってよい。

更に、本発明は、特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得するステップと、複数の予め定められた範囲の消費量情報から、複数の予め定められた範囲の各々のエネルギー消費傾向を把握するステップと、把握された各々のエネルギー消費傾向を用いて、複数の予め定められた範囲をカテゴリ分類するステップと、分類されたカテゴリ分類を用いて、特定需要者のエネルギーのエネルギー消費量を予測するステップとを含むエネルギー消費量予測方法も提供する。

更にまた、本発明は、コンピュータに、特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する機能と、複数の予め定められた範囲の消費量情報から、複数の予め定められた範囲の各々のエネルギー消費傾向を把握する機能と、把握された各々のエネルギー消費傾向を用いて、複数の予め定められた範囲をカテゴリ分類する機能と、分類されたカテゴリ分類を、特定需要者のエネルギーのエネルギー消費量の予測に用いる情報として出力する機能とを実現させるためのプログラムも提供する。

本発明によれば、エネルギー消費量を予測するシステム等にて、エネルギー消費量情報を、本発明を採用しない場合に比べてより正確にカテゴリ分類することができる。

本発明の実施の形態におけるエネルギー消費量予測システムの全体構成例を示した図である。 本発明の実施の形態におけるエネルギー消費量予測サーバのハードウェア構成例を示した図である。 本発明の実施の形態におけるエネルギー消費量予測サーバの機能構成例を示したブロック図である。 本発明の実施の形態におけるエネルギー消費量予測サーバがカテゴリ分類を生成する際の動作例を示したフローチャートである。 図４のフローチャートのステップ１０３及びステップ１０４の処理を詳細に説明するための図である。 図４のフローチャートのステップ１０５及びステップ１０６の処理を詳細に説明するための図である。 図４のフローチャートのステップ１０７の処理を詳細に説明するための図である。 本発明の実施の形態におけるエネルギー消費量予測サーバがエネルギー消費量を予測する際の動作例を示したフローチャートである。 図８のフローチャートのステップ１５２の処理を詳細に説明するための図である。 図８のフローチャートのステップ１５３の処理を詳細に説明するための図である。 図８のフローチャートのステップ１５４の処理を詳細に説明するための図である。

以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。

［エネルギー消費量予測システムの全体構成］
図１は、本実施の形態におけるエネルギー消費量予測システム１の全体構成例を示した図である。図示するように、このエネルギー消費量予測システム１は、エネルギー消費量予測サーバ１０と、需要者端末３０ａ，３０ｂ，３０ｃとが通信回線８０に接続されることにより構成されている。尚、図では、需要者端末３０ａ，３０ｂ，３０ｃを示したが、これらを区別しない場合は需要者端末３０と称することもある。需要者端末３０は３つ示したが、４つ以上存在してもよい。また、通信回線８０は、例えばインターネットとすればよい。

エネルギー消費量予測サーバ１０は、需要者端末３０からの過去のエネルギー消費量と、気象情報とから、将来のある日のエネルギー消費量を予測するサーバコンピュータである。エネルギー消費量予測サーバ１０は、この予測結果を用いて、最適な運転計画を演算し、設備の遠隔自動制御を行うものであってもよい。尚、エネルギー消費量予測サーバ１０は、１つのコンピュータとして示したが、エネルギー消費量予測サーバ１０の後述する複数の機能を分担して実行する複数のコンピュータを含むものであってもよい。本実施の形態では、エネルギー消費量予測システムの一例として、エネルギー消費量予測サーバ１０を設けている。

需要者端末３０は、店舗や事業者等のエネルギーを消費する需要者の建物内に設けられ、需要者によるエネルギー消費量を管理する。また、需要者端末３０は、エネルギー消費量を定期的にエネルギー消費量予測サーバ１０へ送信する。更に、需要者端末３０は、エネルギー消費量予測サーバ１０から将来のある日のエネルギー消費量の予測結果を受信すると、これを表示する。尚、需要者端末３０は、例えば、ＰＣ（Personal Computer）であってよい。

［エネルギー消費量予測サーバ及び端末装置のハードウェア構成］
図２は、エネルギー消費量予測サーバ１０のハードウェア構成例を示した図である。図示するように、エネルギー消費量予測サーバ１０は、装置全体の動作を制御する制御ユニット１１と、データ等を記憶するハードディスクドライブ１２と、ＬＡＮ（Local Area Network）ケーブル等を介した通信を実現する通信インターフェース１３と、情報が入力される入力デバイス１４と、情報が表示される表示デバイス１５とを備えている。

制御ユニット１１は、ＣＰＵ１１１と、基本ソフトウェアやＢＩＯＳ等が記憶されたＲＯＭ１１２と、ワークエリアとして用いられるＲＡＭ１１３とを有している。ＣＰＵ１１１はマルチコアでもよい。また、ＲＯＭ１１２は、書き換え可能な不揮発性の半導体メモリでもよい。制御ユニット１１は、所謂コンピュータである。

ハードディスクドライブ１２は、円盤状の基板表面に磁性体を塗布した不揮発性の記憶媒体にデータを読み書きする装置である。不揮発性の記憶媒体は、半導体メモリ等でもよい。通信インターフェース１３は、他の装置との接続に使用されるインターフェースである。入力デバイス１４は、例えばキーボード、マウス、タッチパネルであり、表示デバイス１５は、例えば液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイである。

制御ユニット１１と、ハードディスクドライブ１２と、通信インターフェース１３と、入力デバイス１４と、表示デバイス１５とは、バス１９や不図示の信号線を通じて接続されている。

また、図２に示したハードウェア構成例は、需要者端末３０のハードウェア構成例として捉えることもできる。但し、需要者端末３０について述べるときは、図２の制御ユニット１１、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３、ハードディスクドライブ１２、通信インターフェース１３、入力デバイス１４、表示デバイス１５をそれぞれ、制御ユニット３１、ＣＰＵ３１１、ＲＯＭ３１２、ＲＡＭ３１３、ハードディスクドライブ３２、通信インターフェース３３、入力デバイス３４、表示デバイス３５と表記するものとする。

［エネルギー消費量予測サーバの機能構成］
図３は、本実施の形態におけるエネルギー消費量予測サーバ１０の機能構成例を示したブロック図である。図示するように、本実施の形態におけるエネルギー消費量予測サーバ１０は、エネルギー消費パターン記憶部２１と、正規化部２２と、クラスタリング部２３と、カテゴリ分類生成部２４と、カテゴリ分類記憶部２５と、平均消費パターン生成部２６と、相関情報記憶部２７と、補正消費パターン生成部２８と、補正消費パターン送信部２９とを備えている。

エネルギー消費パターン記憶部２１は、店舗や事業所等の各需要者の過去の複数の日におけるエネルギー消費パターンを記憶する。エネルギー消費パターンは、需要者端末３０から収集した時間ごとのエネルギー消費量によって記憶するとよい。ここで、時間ごとのエネルギー消費量は、如何なる時間間隔ごとのエネルギー消費量であってもよいが、以下では、３０分ごとのエネルギー消費量とする。また、エネルギー消費パターンには、それを構成する時間ごとのエネルギー消費量が観測された日の日付及び曜日の情報が付加されているものとする。ここで、日付及び曜日の情報に加えて、時刻ごとの傾向の分析を行うために時刻の情報が付加されていてもよいが、以下では、日付及び曜日の情報のみが付加されている場合を例にとって説明する。尚、エネルギーとは、これらに限定されるものではないが、例えば、電力、蒸気、冷水、温水等である。エネルギー消費パターン記憶部２１は、このようなエネルギーごとにエネルギー消費パターンを記憶してもよい。

正規化部２２は、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンを正規化する。具体的には、まず、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンのうち、直近の何日分かのエネルギー消費パターンを取得する。次に、この取得した何日分かのエネルギー消費パターンを日ごとに正規化する。エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンをそのままクラスタリング部２３に入力とすると、エネルギー消費パターンが類似していても１日のエネルギー消費量が異なることで別のカテゴリと判断される虞があるからである。例えば、１日のエネルギー消費パターンの正規化は、エネルギー消費パターンの各時間におけるエネルギー消費量を、その日のエネルギー消費量の最大値で除することにより、行えばよい。或いは、より一般化して、エネルギー消費パターンをクラスタリングし易くするための前処理を行うものとしてもよいが、以下では、上記の正規化を行うものとして説明する。尚、正規化部２２は、エネルギーごとにエネルギー消費パターンを取得して正規化を行ってもよい。本実施の形態では、予め定められた範囲（時間範囲、つまり期間）の一例として、１日を用いており、エネルギーの予め定められた範囲の消費量情報の一例として、エネルギー消費パターンを用いている。また、特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する取得手段、複数の予め定められた範囲の消費量情報に対して、複数の予め定められた範囲の各々のエネルギー消費傾向を把握手段が把握し易くするための前処理を行う取得手段の一例として、正規化部２２を設けている。

クラスタリング部２３は、正規化部２２が正規化したエネルギー消費パターンのクラスタリングを行い、各エネルギー消費パターンにそれが分類されたクラスタのクラスタ番号を割り当てる。ここで、クラスタリングは、例えば、Ｋ−ｍｅａｎｓ法を用いて行えばよい。分類するクラスタの数が定まっていなければ、ＪＤ（Jain-Dubes）法等の既存のアルゴリズムによりクラスタ数を決定し、このクラスタ数をＫ−ｍｅａｎｓ法で用いてもよいし、Ｋ−ｍｅａｎｓ法に代えてその拡張であるＸ−ｍｅａｎｓ法を用いてもよい。また、各エネルギー消費パターンには曜日の情報が付加されているので、クラスタリング部２３は、エネルギー消費パターンに付加された曜日をそのエネルギー消費パターンに割り当てられたクラスタ番号に対応付ける。尚、クラスタリング部２３は、エネルギーごとにクラスタリングを行ってもよい。本実施の形態では、複数の予め定められた範囲の各々のエネルギー消費傾向の一例として、クラスタごとのエネルギー消費パターンを用いており、複数の予め定められた範囲の消費量情報からエネルギー消費傾向を把握する把握手段の一例として、クラスタリング部２３を設けている。

カテゴリ分類生成部２４は、クラスタリング部２３によるクラスタリング結果に基づいて、カテゴリ分類を生成する。具体的には、曜日とクラスタ番号との対応に基づいて、曜日ごとに各クラスタ番号の出現回数を集計する。次に、曜日を出現回数が最も多いクラスタ番号のクラスタに分類する。次いで、曜日が分類されたクラスタのクラスタ番号をカテゴリ分類とする。その際、カテゴリ分類生成部２４は、カテゴリ分類が妥当であるかをユーザに問い合わせ、ユーザから妥当である旨の応答があった場合にカテゴリ分類として正式に採用するようにしてよい。尚、カテゴリ分類生成部２４は、エネルギーごとにカテゴリ分類を生成してもよい。本実施の形態では、エネルギー消費傾向を用いて、複数の予め定められた範囲をカテゴリ分類する分類手段の一例として、カテゴリ分類生成部２４を設けている。

カテゴリ分類記憶部２５は、カテゴリ分類生成部２４が生成したカテゴリ分類を記憶する。尚、カテゴリ分類記憶部２５は、エネルギーごとにカテゴリ分類を記憶してもよい。

平均消費パターン生成部２６は、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンから、カテゴリ分類記憶部２５に記憶されたカテゴリ分類を用いて、エネルギー消費量を予測する対象日（以下、単に「対象日」という）におけるエネルギーの平均消費パターンを生成する。具体的には、まず、カテゴリ分類記憶部２５に記憶されたカテゴリ分類に含まれる複数のカテゴリのうち、対象日が属するカテゴリを特定する。次に、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンのうち、この特定されたカテゴリに属する複数の日のエネルギー消費パターンから、各時間におけるエネルギー消費量を取得する。次いで、各時間におけるエネルギー消費量をこの複数の日について平均化し、対象日が属するカテゴリに対応する平均消費パターンを作成する。尚、平均消費パターン生成部２６は、エネルギーごとに平均消費パターンを生成してもよい。本実施の形態では、複数の予め定められた範囲の消費量情報を平均化した平均消費量情報の一例として、平均消費パターンを用いている。また、カテゴリ分類を用いて特定需要者のエネルギーのエネルギー消費量を予測する予測手段のうち、複数の予め定められた範囲の消費量情報をカテゴリ分類を用いて分類して平均化することにより平均消費量情報を生成する機能の一例として、平均消費パターン生成部２６を設けている。

相関情報記憶部２７は、カテゴリ分類記憶部２５に記憶されたカテゴリ分類に含まれるカテゴリごとに、気温とエネルギー消費量との相関関係を示す相関情報（例えば、相関図）を記憶する。ここでは、相関情報を、気温とエネルギー消費量との相関関係を示すものとしたが、その他の環境要因とエネルギー消費量との相関関係を示すものでもよい。また、相関情報は、平均消費パターンを補正する際に用いられるので、より一般化して、平均消費パターンを補正する際に用いられる補正データとしてもよい。更に、相関情報は、カテゴリ分類記憶部２５に記憶されたカテゴリ分類が提示されたことに応答して、ユーザがカテゴリ分類に含まれるカテゴリごとに予め生成しておいたものであってもよい。或いは、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンに気温等が紐付けられていることを前提として、相関情報は、このエネルギー消費パターン及び気温等から、カテゴリ分類記憶部２５に記憶されたカテゴリ分類に含まれるカテゴリごとに自動生成されたものであってもよい。尚、相関情報記憶部２７は、エネルギーごとに相関情報を記憶してもよい。本実施の形態では、カテゴリ分類を用いて生成された補正データの一例として、相関情報を用いている。

補正消費パターン生成部２８は、平均消費パターン生成部２６が生成した平均消費パターンを、カテゴリ分類記憶部２５に記憶されたカテゴリ分類や、相関情報記憶部２７に記憶された相関情報等に基づいて補正し、補正消費パターンを生成する。具体的には、まず、カテゴリ分類記憶部２５に記憶されたカテゴリ分類に含まれる複数のカテゴリのうち、対象日が属するカテゴリを特定する。或いは、平均消費パターン生成部２６が特定した結果を受け取ることにより、カテゴリを特定してもよい。次に、相関情報記憶部２７に記憶された相関情報のうち、この特定されたカテゴリに対応する相関情報を取得する。次いで、例えばインターネットから対象日の予想気温を取得し、この取得した予想気温と相関情報とに基づいて、対象日の予想エネルギー消費量を取得する。次いで、平均消費パターンにおける総エネルギー消費量とこの算出した予想エネルギー消費量とが一致するように、平均消費パターンを補正して、補正消費パターンを生成する。尚、補正消費パターン生成部２８は、エネルギーごとに補正消費パターンを生成してもよい。本実施の形態では、カテゴリ分類を用いて特定需要者のエネルギーのエネルギー消費量を予測する予測手段のうち、補正データで平均消費量情報を補正する機能の一例として、補正消費パターン生成部２８を設けている。

補正消費パターン送信部２９は、補正消費パターン生成部２８が生成した補正消費パターンを需要者端末３０へ送信する。尚、補正消費パターン送信部２９は、エネルギーごとに補正消費パターンを送信してもよい。

尚、これらの機能部は、ソフトウェアとハードウェア資源とが協働することにより実現される。具体的には、ＣＰＵ１１１（図２参照）が、正規化部２２、クラスタリング部２３、カテゴリ分類生成部２４、平均消費パターン生成部２６、補正消費パターン生成部２８、補正消費パターン送信部２９を実現するプログラムを例えばハードディスクドライブ１２（図２参照）からＲＡＭ１１３（図２参照）に読み込んで実行することにより、これらの機能部は実現される。また、エネルギー消費パターン記憶部２１、カテゴリ分類記憶部２５、相関情報記憶部２７は、例えばハードディスクドライブ１２（図２参照）により実現される。

［エネルギー消費量予測サーバの動作］
まず、本実施の形態におけるエネルギー消費量予測サーバ１０がカテゴリ分類を生成する際の動作について説明する。

図４は、エネルギー消費量予測サーバ１０がカテゴリ分類を生成し、記憶する際の動作例を示したフローチャートである。

図示するように、エネルギー消費量予測サーバ１０では、まず、正規化部２２が、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンから、直近の何日分かのエネルギー消費パターンを取得する（ステップ１０１）。

次に、正規化部２２は、ステップ１０１で取得した直近の何日分かのエネルギー消費パターンを正規化する（ステップ１０２）。具体的には、１日のエネルギー消費パターンの各時間におけるエネルギー消費量を、その日のエネルギー消費量の最大値で除する。これにより、エネルギー消費パターンの各時間におけるエネルギー消費量は０から１までの値となり、エネルギー消費パターンを波形として比較することが容易になる。

次に、クラスタリング部２３が、ステップ１０２で正規化されたエネルギー消費パターンのクラスタリングを行い、各エネルギー消費パターンにクラスタ番号を割り当てる（ステップ１０３）。具体的には、クラスタリング結果を示すクラスタリング結果情報に、複数のエネルギー消費パターンとクラスタ番号との対応を格納する。

そして、クラスタリング部２３は、各エネルギー消費パターンに付加された曜日を、そのエネルギー消費パターンに割り当てられたクラスタ番号に対応付ける（ステップ１０４）。具体的には、クラスタリング結果情報において、各エネルギー消費パターンに、そのエネルギー消費パターンに付加された曜日を対応付けることにより、曜日とクラスタ番号との対応を生成する。その際、曜日とクラスタ番号との対応には、エネルギー消費パターンに付加された日付も更に対応付けてよい。

次いで、カテゴリ分類生成部２４が、ステップ１０４で生成された曜日とクラスタ番号との対応に基づいて、曜日ごとに各クラスタ番号の出現回数を集計する（ステップ１０５）。

そして、カテゴリ分類生成部２４は、ステップ１０５で集計した曜日ごとの各クラスタ番号の出現回数に基づいて、曜日ごとに出現回数が最も多いクラスタ番号をカテゴリ分類とする（ステップ１０６）。

最後に、カテゴリ分類生成部２４は、ステップ１０６で生成したカテゴリ分類を、カテゴリ分類記憶部２５に記憶する（ステップ１０７）。

ここで、図４のフローチャートの幾つかのステップについて、具体例を用いて説明する。尚、図４のフローチャートでは、エネルギー消費量の予測に用いるカテゴリ分類を生成することを想定したが、以下では、エネルギー消費量の中でも特に電力消費量の予測に用いるカテゴリ分類を生成することを想定して説明する。

図５は、ステップ１０３及びステップ１０４の処理を詳細に説明するための図である。図５には、ステップ１０３及びステップ１０４で生成されるクラスタリング結果情報の一例を示している。

図示するように、クラスタリング結果情報は、日付と曜日と電力消費パターンとクラスタ番号とを対応付けたものとなっている。このうち、電力消費パターンは、エネルギー消費パターン記憶部２１に記憶された電力消費パターンを正規化したものである。クラスタ番号は、ステップ１０３で電力消費パターンに割り当てられたものである。曜日は、ステップ１０４で電力消費パターンに対応付けられたものである。尚、ここでは、２０１８年６月１日から２０１８年６月１０日までの期間の電力消費パターンに対してクラスタ番号が割り当てられた状態を示しているが、実際にはもっと長い期間の電力消費パターンに対してクラスタ番号が割り当てられているものとする。

図６は、ステップ１０５及びステップ１０６の処理を詳細に説明するための図である。図６には、ステップ１０５における曜日ごとの各クラスタ番号の出現回数の集計結果を示している。尚、図では、クラスタ番号として１〜７を示しているが、これはあくまで一例であり、クラスタの数を限定するものではない。

例えば、金曜日に着目すると、図５に示した期間において、行２１１，２１３に示すように、クラスタ番号１が２回割り当てられている。一方、それ以外の期間において、クラスタ番号１が１０回、クラスタ番号２が１回、クラスタ番号４が１回割り当てられたとする。すると、図６では、行２２１に示すように、金曜日について、クラスタ番号１に対して１２が、クラスタ番号２に対して１が、クラスタ番号４に対して１が、それぞれ記録される。

また、土曜日に着目すると、図５に示した期間において、行２１２，２１４に示すように、クラスタ番号２が２回割り当てられている。一方、それ以外の期間において、クラスタ番号２が１１回、クラスタ番号３が１回割り当てられたとする。すると、図６では、行２２２に示すように、土曜日について、クラスタ番号２に対して１３が、クラスタ番号３に対して１が記録される。

その後、ステップ１０６では、各曜日が、出現回数が最も多いクラスタ番号のクラスタに分類される。例えば、金曜日は、クラスタ番号１の出現回数が１２回で最も多いので、クラスタ番号１のクラスタに分類される。土曜日は、クラスタ番号２の出現回数が１３回で最も多いので、クラスタ番号２のクラスタに分類される。同様にして、日曜日はクラスタ番号２のクラスタに分類され、月曜日から木曜日はクラスタ番号１のクラスタに分類される。尚、図中、クラスタ番号１のクラスタに分類される曜日及びその曜日に対するクラスタ番号１の出現回数の欄には斜線ハッチングを施し、クラスタ番号２のクラスタに分類される曜日及びその曜日に対するクラスタ番号２の出現回数の欄には網掛けを施している。

図７は、ステップ１０７の処理を詳細に説明するための図である。図７には、カテゴリ分類記憶部２５に記憶されるカテゴリ分類の一例を示している。

図６では、月曜日から金曜日がクラスタ番号１のクラスタに分類され、土曜日及び日曜日がクラスタ番号２のクラスタに分類されたので、図７では、月曜日から金曜日をカテゴリ１とし、土曜日及び日曜日をカテゴリ２としている。従来のように需要者からのヒアリングや人の手による分析でカテゴリ分類を生成する手法では、例えば営業時間に基づいて土曜日と日曜日とを別々のカテゴリに設定したかもしれないが、本実施の形態の手法ではより適切にカテゴリ分類している。

また、各カテゴリは、昼と夜とに区分されている。昼と夜の時間は、対象となる店舗や事業所等の営業形態に応じて適宜設定することができる。例えば、対象となる店舗や事業所等の営業時間が９時から２１時とすると、その前後１時間を昼として、その他の時間を夜とすることができる。例えば、昼は、通常最高気温となる午後１２時〜１４時を含み、夜は、通常最低気温となる午前３時〜５時を含めばよい。尚、この昼と夜の区分も、各時間における電力消費量をクラスタリングすることで設定してよいが、従来のように需要者からのヒアリングや人の手による分析で設定してもよい。

次に、本実施の形態におけるエネルギー消費量予測サーバ１０がエネルギー消費量を予測し、送信する際の動作について説明する。

図８は、本実施の形態におけるエネルギー消費量予測サーバ１０がエネルギー消費量を予測する際の動作例を示したフローチャートである。尚、このフローチャートは、対象日（例えば、明日）のエネルギー消費量を予測する際の動作例を示す。

図示するように、エネルギー消費量予測サーバ１０では、まず、平均消費パターン生成部２６が、カテゴリ分類記憶部２５に記憶されたカテゴリ分類に含まれる複数のカテゴリのうち、対象日が属するカテゴリを特定する（ステップ１５１）。

そして、平均消費パターン生成部２６は、エネルギー消費パターン記憶部２１に記憶されたエネルギー消費パターンのうち、ステップ１５１で特定されたカテゴリに属する複数の日のエネルギー消費パターンから、対象日のエネルギーの平均消費パターンを生成する（ステップ１５２）。具体的には、ステップ１５１で特定されたカテゴリに属する複数の日のエネルギー消費パターンの各時間におけるエネルギー消費量のこの複数の日についての平均をとることにより、対象日の平均消費パターンを生成する。

次いで、補正消費パターン生成部２８が、相関情報記憶部２７に記憶されている相関情報のうち、ステップ１５１で特定されたカテゴリに対応する相関情報と、対象日の予想気温とに基づいて、対象日の予想エネルギー消費量を取得する（ステップ１５３）。

そして、補正消費パターン生成部２８は、ステップ１５２で生成された平均消費パターンにおける総エネルギー消費量と、ステップ１５３で取得した予想エネルギー消費量とが一致するように、平均消費パターンを補正して、補正消費パターンを生成する（ステップ１５４）。具体的には、平均消費パターンの各時間におけるエネルギー消費量に一定の定数を乗じて、各時間における補正後のエネルギー消費量を求め、これに基づいて補正消費パターンを生成する。

最後に、補正消費パターン送信部２９は、ステップ１５４で生成された補正消費パターンを需要者端末３０へ送信する（ステップ１５５）。これにより、需要者端末３０には、補正消費パターンが表示される。また、需要者端末３０には、対象の店舗や事業所等における許容エネルギー使用量や、予想エネルギー消費量が許容エネルギー消費量を超えることが予測される場合の注意喚起等を表示してもよい。

ここで、図８のフローチャートの幾つかのステップについて、具体例を用いて説明する。尚、図８のフローチャートでは、エネルギー消費量を予測することを想定したが、以下では、エネルギー消費量の中でも特に電力消費量を予測することを想定して説明する。

図９は、ステップ１５２の処理を詳細に説明するための図である。図９には、ステップ１５２で生成された平均消費パターンの一例を示している。

平均消費パターン生成部２６は、例えば、カテゴリ１−昼について、過去の月曜日から金曜日における、３０分ごとの電力消費量の平均値を算出している。

ここで、平均値の算出に用いられる電力消費量は、例えば１週間のうちに３日以上を有するカテゴリ（本例では、月曜日から金曜日の５日）では１０〜１５日分としてよい。また、例えば１週間のうちに２日以下であるカテゴリ（本例では、土曜日及び日曜日の２日）では５〜９日分としてよい。即ち、過去３週間から５週間程度における同一カテゴリの電力消費量の平均値を算出してよい。これにより、図示するように、各時刻（３０分ごと）についての電力消費量の平均値に基づく平均消費パターンのグラフが作成される（図中Ａ）。尚、これは昼についてのグラフであるが、夜についてのグラフも同様に作成される。また、平均消費パターン生成部２６は、同様のグラフを、他のカテゴリについても、昼と夜とを別に作成する。

図１０（ａ），（ｂ）は、ステップ１５３の処理を詳細に説明するための図である。図１０（ａ）には、カテゴリごとに、昼夜それぞれについて、気温と総電力消費量との相関図を示している。図１０（ｂ）には、カテゴリ１−昼に対する相関図の拡大図を示している。

図１０（ａ）には示していないが、気温と総電力消費量との相関図は、横軸に気温をとり、縦軸に昼又は夜の総電力消費量をとり、各日の気温と昼又は夜の総電力消費量とをプロットして作成される。この際、昼については、最高気温と昼の総電力消費量とがプロットされ、夜については、最低気温と夜の総電力消費量とがプロットされる。その後、この複数のプロットから例えば最小二乗法によって相関式が導出される。

ここで、相関式を導出する際、カテゴリごとに相関式の次数を変更することもできる。例えば、プロット数の多いカテゴリ（例えば１週間に３日以上あるカテゴリ）については、二次曲線で近似し、プロット数の少ないカテゴリ（例えば１週間に２日以下であるカテゴリ）については、直線で近似してもよい。

補正消費パターン生成部２８は、ネットワークを介して、当日の予想気温（予想最高気温及び予想最低気温）を取得する。次いで、補正消費パターン生成部２８は、対象日のカテゴリに応じて、得られた予想気温に対応する昼及び夜の予想総電力消費量を取得する。例えば、図１０（ｂ）においては、最高気温Ｂに対応する昼の総電力消費量Ｃを算出する。尚、夜の場合には、最低気温に対応する夜の総電力消費量を算出する。

図１１は、ステップ１５４の処理を詳細に説明するための図である。図１１には、補正消費パターン生成部２８が補正消費パターンを生成する工程を示している。

補正消費パターン生成部２８は、例えば、昼の平均消費パターン（図中Ａ）における昼の総電力消費量に対して、昼の予想総電力消費量が２０％大きい場合には、３０分ごとの全ての電力消費量に対して、１．２を乗じる。従って、時間ごとの電力消費量は、全体として上方にシフトする（図中矢印Ｆ方向）。得られたグラフ（図中Ｄ）が、補正消費パターンとなる。即ち、昼（図中Ｅ）におけるグラフＤで囲まれた面積Ｃが、予想総電力消費量（図１０（ｂ）におけるＣ）と一致する。補正消費パターン生成部２８は、同様にして、夜についても補正消費パターンを生成する。

尚、本実施の形態では、エネルギー消費量予測サーバ１０において、カテゴリ分類を生成する機能及びエネルギー消費量を予測する機能の両方を実現することとしたが、これには限らない。

エネルギー消費量予測サーバ１０においてはエネルギー消費量を予測する機能のみを実現し、カテゴリ分類を生成する機能は他の装置で実現するようにしてもよい。即ち、エネルギー消費パターン記憶部２１、カテゴリ分類記憶部２５、平均消費パターン生成部２６、相関情報記憶部２７、補正消費パターン生成部２８は、エネルギー消費量予測サーバ１０において実現し、正規化部２２、クラスタリング部２３、及びカテゴリ分類生成部２４は、エネルギー消費量の予測を支援するエネルギー消費量予測支援システムにおいて実現してもよい。この場合、カテゴリ分類生成部２４は、カテゴリ分類を、特定需要者のエネルギーのエネルギー消費量の予測に用いる情報として出力する出力手段の一例となる。

また、エネルギー消費量予測サーバ１０におけるカテゴリ分類を生成する機能及びエネルギー消費量を予測する機能の両方又は一方は、需要者端末３０において実現するようにしてもよい。

［本実施の形態の効果］
以上述べたように、本実施の形態では、エネルギー消費量予測サーバ１０が、過去のエネルギー消費パターンをクラスタリング技術により自動分類し、得られた分類結果をカテゴリ設定に利用するようにした。これにより、エネルギー消費量を予測するシステムでエネルギー消費パターンを分類する際に用いるカテゴリ分類を、需要者からのヒアリングや人の手による分析で生成する場合よりも適切なものとすることが可能となった。

１…エネルギー消費量予測システム、１０…エネルギー消費量予測サーバ、２１…エネルギー消費パターン記憶部、２２…正規化部、２３…クラスタリング部、２４…カテゴリ分類生成部、２５…カテゴリ分類記憶部、２６…平均消費パターン生成部、２７…相関情報記憶部、２８…補正消費パターン生成部、２９…補正消費パターン送信部、３０…需要者端末

Claims (12)

1. 特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する取得手段と、
   複数の前記予め定められた範囲の前記消費量情報から、複数の当該予め定められた範囲の各々のエネルギー消費傾向を把握する把握手段と、
   把握された各々の前記エネルギー消費傾向を用いて、複数の前記予め定められた範囲をカテゴリ分類する分類手段と、
   前記分類手段により分類された前記カテゴリ分類を用いて、前記特定需要者の前記エネルギーのエネルギー消費量を予測する予測手段と
   を備えたことを特徴とするエネルギー消費量予測システム。
2. 前記取得手段は、前記特定需要者にて消費される前記エネルギーごとに前記消費量情報を取得し、
   前記予測手段は、前記カテゴリ分類を用いて、前記特定需要者の前記エネルギーごとの前記エネルギー消費量を予測することを特徴とする請求項１に記載のエネルギー消費量予測システム。
3. 前記取得手段は、複数の前記予め定められた範囲の前記消費量情報に対して、複数の当該予め定められた範囲の各々の前記エネルギー消費傾向を前記把握手段が把握し易くするための前処理を行うことを特徴とする請求項１に記載のエネルギー消費量予測システム。
4. 前記前処理は、複数の前記予め定められた範囲の各々について、前記消費量情報を、当該消費量情報の最大値で除する処理であることを特徴とする請求項３に記載のエネルギー消費量予測システム。
5. 前記予測手段は、複数の前記予め定められた範囲の前記消費量情報を前記カテゴリ分類を用いて分類して平均化することにより平均消費量情報を生成し、当該平均消費量情報を用いて前記特定需要者の前記エネルギーの前記エネルギー消費量を予測することを特徴とする請求項１に記載のエネルギー消費量予測システム。
6. 前記予測手段は、前記カテゴリ分類を用いて生成された補正データで前記平均消費量情報を補正することにより、前記特定需要者の前記エネルギーの前記エネルギー消費量を予測することを特徴とする請求項５に記載のエネルギー消費量予測システム。
7. 特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する取得手段と、
   複数の前記予め定められた範囲の前記消費量情報から、複数の当該予め定められた範囲の各々のエネルギー消費傾向を把握する把握手段と、
   把握された各々の前記エネルギー消費傾向を用いて、複数の前記予め定められた範囲をカテゴリ分類する分類手段と、
   前記分類手段により分類された前記カテゴリ分類を、前記特定需要者の前記エネルギーのエネルギー消費量の予測に用いる情報として出力する出力手段と
   を備えたことを特徴とするエネルギー消費量予測支援システム。
8. 前記取得手段は、前記特定需要者にて消費される前記エネルギーごとに前記消費量情報を取得し、
   前記出力手段は、前記カテゴリ分類を、前記特定需要者の前記エネルギーごとの前記エネルギー消費量の予測に用いる情報として出力することを特徴とする請求項７に記載のエネルギー消費量予測支援システム。
9. 前記取得手段は、複数の前記予め定められた範囲の前記消費量情報に対して、複数の当該予め定められた範囲の各々の前記エネルギー消費傾向を前記把握手段が把握し易くするための前処理を行うことを特徴とする請求項７に記載のエネルギー消費量予測支援システム。
10. 前記前処理は、複数の前記予め定められた範囲の各々について、前記消費量情報を、当該消費量情報の最大値で除する処理であることを特徴とする請求項９に記載のエネルギー消費量予測支援システム。
11. 特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得するステップと、
    複数の前記予め定められた範囲の前記消費量情報から、複数の当該予め定められた範囲の各々のエネルギー消費傾向を把握するステップと、
    把握された各々の前記エネルギー消費傾向を用いて、複数の前記予め定められた範囲をカテゴリ分類するステップと、
    分類された前記カテゴリ分類を用いて、前記特定需要者の前記エネルギーのエネルギー消費量を予測するステップと
    を含むことを特徴とするエネルギー消費量予測方法。
12. コンピュータに、
    特定需要者にて消費されるエネルギーの予め定められた範囲の消費量情報を複数、取得する機能と、
    複数の前記予め定められた範囲の前記消費量情報から、複数の当該予め定められた範囲の各々のエネルギー消費傾向を把握する機能と、
    把握された各々の前記エネルギー消費傾向を用いて、複数の前記予め定められた範囲をカテゴリ分類する機能と、
    分類された前記カテゴリ分類を、前記特定需要者の前記エネルギーのエネルギー消費量の予測に用いる情報として出力する機能と
    を実現させるためのプログラム。

Images