JP2022090423A - 電力予測装置、及び電力予測方法 - Google Patents

Abstract

【課題】電力消費又は電力生産のパターンを変化させる時間を予測可能な電力予測装置、及び電力予測方法を提供する。【解決手段】本実施形態に係る電力予測装置は、評価値生成部と、予測部と、を、備える。評価値生成部は、気象に関する予測データの時系列な誤差に基づき、時系列な評価値を生成する。予測部は、時系列な評価値に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量うちの少なくとも前記時間を予測する。【選択図】図３

Description

本発明の実施形態は、電力予測装置、及び電力予測方法に関する。

新たなエネルギーとして水素エネルギーが注目されつつある。水素システムの水素製造装置により水素が生成され、水素タンクに貯蔵される。この水素タンクに貯蔵された水素を、水素発電装置により再び電力に変換することが可能である。このため、水素システムを電力網に接続することで、電力網から電力が供給されることも、電力網に電力を供給することも可能である。このように、水素システムにより、電力網の安定化と、水素需要への対応を行うことが可能となる。

また、電力網の電力供給状況に応じて、水素システムにおける電力消費のパターンを変化させるディマンドリスポンスの重要性が認識されるようになっている。一方で、ディマンドリスポンスを行う時間帯が予め計画され運用される場合、ディマンドリスポンスが計画された時間帯と、実際に電力系統においてディマンドリスポンスが必要とされる時間帯がずれてしまう恐れがある。

特開２０２０－９９１５２号公報 ＷＯ２０２０／１２１４４７号公報

本発明が解決しようとする課題は、電力消費又は電力生産のパターンを変化させる時間を予測可能な電力予測装置、及び電力予測方法を提供することである。

本実施形態に係る電力予測装置は、評価値生成部と、予測部と、を、備える。評価値生成部は、気象に関する予測データの時系列な誤差に基づき、時系列な評価値を生成する。予測部は、時系列な評価値に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量うちの少なくとも前記時間を予測する。

本実施形態によれば、電力の需給関係を予測できる。

第１実施形態に係る水素エネルギーシステムの構成を示すブロック図。 別の水素エネルギーシステムの構成を示すブロック図。 電力予測装置の詳細な構成を示すブロック図。 日時項生成部の処理を模式的に示す図。 予測情報自体に予測誤差情報が付属している場合の図。 予測誤差情報が付属しない場合の誤差の生成例を示す図。 誤差生成部における別の処理例を示す図。 誤差生成部における離散値の処理例を示す図。 評価値生成部の重み付け処理例を示す図。 評価値、閾値、及び評価結果の例を示す図。 評価値生成部が生成した評価値と閾値の関係を示す図。 評価値が閾値を超えた値を評価結果として示す図。 評価値が別の閾値を超えた値を評価結果として示す図。 ディマンドリスポンスの予測処理に関する設定画面例を示す図。 電力予測装置の処理例を示すフローチャート。 第２実施形態に係る電力予測装置の構成を示すブロック図。 学習機能部の学習処理例を模式的に示す図。 Ｌａｓｓｏ回帰による項Ｎの係数の学習例を模式的に示す図。 学習結果を用いた処理を開始するまでの処理を示すフローチャート。

以下、本発明の実施形態に係る電力予測装置、及び電力予測方法について、図面を参照しながら詳細に説明する。なお、以下に示す実施形態は、本発明の実施形態の一例であって、本発明はこれらの実施形態に限定して解釈されるものではない。また、本実施形態で参照する図面において、同一部分又は同様な機能を有する部分には同一の符号又は類似の符号を付し、その繰り返しの説明は省略する場合がある。また、図面の寸法比率は説明の都合上実際の比率とは異なる場合や、構成の一部が図面から省略される場合がある。

図１は、第１実施形態に係る水素エネルギーシステム１ａの構成を示すブロック図である。図１に示すように、本実施形態に係る水素エネルギーシステム１ａは、予測した電力の需給関係に応じて電力消費又は電力生産のパターンを変化させることが可能なシステムである。この水素システム１０と、再生可能エネルギー発電装置２０と、電力予測装置３０とを備えて構成されている。図１では、更に電力系統４０と、液体水素流通網５０とが図示されている。なお、本実施形態に係る水素エネルギーシステム１ａは、再生可能エネルギー発電装置２０を有して構成されるが、これに限定されない。例えば、水素エネルギーシステム１ａは再生可能エネルギー発電装置２０を有さない構成としてもよい。また、水素システム１０は、減圧装置１１８、水素発電装置１０４を有さない構成にしてもよい。

本実施形態では、電力供給状況に応じて消費パターンを変化させることをディマンドリスポンス（以下、単にＤＲと記す場合がある）と称する。ディマンドリスポンスには、「需要削減」としての所謂「下げＤＲ」と、「需要増加」としての所謂「上げＤＲ」の２通りがある。所謂「下げＤＲ」には、水素エネルギーシステム１ａの電力消費量の抑制、および電力生産量の増加の少なくともいずれかが行われる。所謂「上げＤＲ」には、水素エネルギーシステム１ａの電力消費量の増加、および電力生産量の抑制の少なくともいずれかが行われる。これにより、「下げＤＲ」では、効果的に電力系統４０のピークカットを行うことが可能となる。「上げＤＲ」では、電力の供給過多状態に陥った際に、需要家に対し電力の消費増加を促すことで、電圧や周波数等の電気の品質安定化を行うことが可能となる。

水素システム１０は、再生可能エネルギー発電装置２０が生成する第１電力と、電力系統４０から供給される第２電力とにより水素を製造する。水素システム１０の詳細な構成は、後述する。

再生可能エネルギー発電装置２０は、自然エネルギー由来の発電設備を有し、第１電力を生成する。この再生可能エネルギー発電装置２０は、例えば太陽光を用いた太陽光発電装置２２と、風力を用いて発電する風力発電装置２４とを有する。再生可能エネルギー発電装置２０は、化石燃料などの燃料が不要であるが、その発電量は天候や風力などの環境の影響を受けるため不安定である。なお、再生可能エネルギー発電装置２０は、バイオマスやバイオマス由来廃棄物などの新エネルギーを利用した発電装置でもよい。

電力予測装置３０は、電力の需給関係の予測が可能であり、水素システム１０と、再生可能エネルギー発電装置２０と、電力系統４０から供給される第２電力を制御する。電力予測装置３０の詳細な構成は、後述する。

電力系統４０は、火力発電所などが発電した電力を、電力網を介して水素システム１０、再生可能エネルギー発電装置２０、及び電力予測装置３０などに供給する。
液体水素流通網５０は、水素を液体として輸送して、水素需要家に対して供給する流通網である。

ここで、水素システム１０の詳細な構成を説明する。水素システム１０は、水素製造装置１００と、水素貯蔵供給装置１０２と、水素発電装置１０４と、パワーコンディショナ装置１０６ａ、ｂを有する。上述のように、水素エネルギーシステム１ａが再生可能エネルギー発電装置２０を有さない場合には、水素システム１０は、パワーコンディショナ装置１０６ａ、ｂを有さない構成にしてもよい。

水素製造装置１００は、例えば、アルカリ性の溶液に電流を流すことにより、水素と酸素とを製造する電気水分解装置である。また、水素製造装置１００は、水素配管を介して、生成した水素を水素貯蔵供給装置１０２の気体水素タンク１０８に蓄える。すなわち、この水素製造装置１００は、再生可能エネルギー発電装置２０が生成する第１電力と、電力系統４０から供給される第２電力とにより水素を製造し、この製造した水素を水素貯蔵供給装置１０２に蓄える。

水素貯蔵供給装置１０２は、水素製造装置１００が生成した水素を貯蔵すると共に、液体水素流通網５０を介して液体水素を供給する。なお、水素貯蔵供給装置１０２の詳細は後述する。

水素発電装置１０４は、水素貯蔵供給装置１０２から供給される水素を用いて、電力と、熱とを生成する。ここでの熱は、例えば温水として温水網へ供給される。水素発電装置１０４は、例えば燃料電池を有している。酸素は空気中の酸素を利用してもよいし、水素製造装置１００が水素製造に伴い生成する酸素を酸素タンクに蓄積したものを使用してもよい。

パワーコンディショナ装置１０６ａは、例えばコンバータを含んで構成される。このコンバータは、太陽光発電装置２２が出力した直流電力を所定の交流電力に変換する。同様に、パワーコンディショナ装置１０６ｂは、例えばコンバータを含んで構成され、風力発電装置２４が出力した直流電力を所定の交流電力に変換する。

ここで、水素貯蔵供給装置１０２の構造を詳細に説明する。この水素貯蔵供給装置１０２は、気体水素タンク１０８と、液化装置１１０と、液体水素タンク１１２と、液体水素排出装置１１４と、気化装置１１６と、減圧装置１１８とを備えて構成されている。

気体水素タンク１０８は、水素製造装置１００により製造された気体の水素を蓄える。この気体水素タンク１０８は、水素製造装置１００と、液化装置１１０とに配管を介して接続され、液化装置１１０に気体の水素を供給する。

液化装置１１０は、例えば冷却機・圧縮機であり、気体水素タンク１０８から供給された気体水素を液体水素に変換する。すなわち、この液化装置１１０は、気体水素タンク１０８から供給された水素を液体水素に変換し、配管を介して液体水素タンク１１２に供給する。

液体水素タンク１１２は、液化装置１１０から供給された液体水素を貯蔵する。この液体水素タンク１１２は、液化装置１１０から供給された液体水素を蓄えると共に、液体水素排出装置１１４に配管を介して液体水素を供給する。

液体水素排出装置１１４は、液体水素タンク１１２から供給された液体水素を液体水素流通網５０、及び気化装置１１６に供給する。なお、液体水素排出装置１１４は、液体水素タンク１１２と一体的に構成してもよい。

気化装置１１６は、液体水素排出装置１１４から供給された液体水素を気体の水素に変換する。すなわち、この気化装置１１６は、液体水素排出装置１１４から供給された液体水素を気体の水素に変換し、配管を介して気体水素タンク１０８に供給する。

減圧装置１１８は、配管を介して液体水素タンク１１２と水素発電装置１０４とに接続されている。すなわち、この減圧装置１１８は、配管を介して液体水素タンク１１２から供給された液体水素を減圧し、配管を介し水素発電装置１０４に供給する。

図２は、水素エネルギーシステム１ｂの構成を示すブロック図である。この水素エネルギーシステム１ｂは、液体水素の代わりに圧縮水素を生成する点で水素エネルギーシステム１ａと相違する。電力予測装置３０は、液体水素の代わりに圧縮水素を生成する水素エネルギーシステム１ｂにおいても、電力需給を予測可能である。以下では、水素エネルギーシステム１ａと相違する点に関して説明する。

図２に示すように、本実施形態に係る水素エネルギーシステム１ｂは、圧縮水素を生成するシステムである。すなわち、この水素貯蔵供給装置１０２は、圧縮装置１２０と、圧縮水素タンク１２２と、圧縮水素排出装置１２４とを備える点で第１実施形態に係る水素貯蔵供給装置１０２と相違する。

圧縮装置１２０は、気体水素タンク１０８から供給された気体水素を圧縮し、圧縮水素に変換し、配管を介して圧縮水素タンク１２２に供給する。圧縮水素タンク１２２は、圧縮装置１２０から供給された圧縮水素を貯蔵する。この圧縮水素タンク１２２は、圧縮装置１２０から供給された圧縮水素を蓄えると共に、圧縮水素排出装置１２４に配管を介して圧縮水素を供給する。圧縮水素排出装置１２４は、圧縮水素タンク１２２から供給された圧縮水素を圧縮水素流通網１２６に供給する。水素システム１０は、圧縮水素タンク１２２、減圧装置１１８、水素発電装置１０４を有さない構成にしてもよい。また、水素エネルギーシステム１ｂが再生可能エネルギー発電装置２０を有さない場合には、水素システム１０は、パワーコンディショナ装置１０６ａ、ｂを有さない構成にしてもよい。

図３は、電力予測装置３０の詳細な構成を示すブロック図である。図３に示すように、電力予測装置３０は、例えばＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）を含んで構成され、管理部３００と、記憶部３０２と、通信部３０４と、設定部３０６と、日時項生成部３０８と、誤差生成部３１０と、評価値生成部３１２と、予測部３１４と、運転計画部３１６と、画像処理部３１８と、応札部３１９と、制御部３２０と、表示制御部３２２と、表示部３２４と、入力部３２６とを、有する。電力予測装置３０は、記憶部３０２に記憶されるプログラムを実行することにより、各処理部の機能を実現する。なお、通信部３０４と、設定部３０６と、日時項生成部３０８と、誤差生成部３１０と、評価値生成部３１２と、予測部３１４と、運転計画部３１６と、画像処理部３１８と、応札部３１９と、制御部３２０と、表示制御部３２２とのそれぞれを、独立した電子回路により構成してもよい。

管理部３００は、電力予測装置３０内の各処理部を制御する。
記憶部３０２は、例えばＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、フラッシュメモリ等の半導体メモリ素子、ハードディスク等により実現される。この記憶部３０２は、電力予測装置３０が実行するプログラムと、各種の制御用のデータ、気象に関連する各種のデータを記憶する。

通信部３０４は、外部のネットワークと通信を行い、例えば６０日分の気象に関する予測データを取得する。この気象に関する予測データは、単位時間毎、例えば３０分単位毎のデータである。気象に関する予測データには、例えば天候予測、気温予測、日射量予測、再エネ発電予測、卸電力市場価格予測、需給調整市場価格予測などが含まれる。

設定部３０６は、電力予測装置３０に実施させるために必要となるデータを設定する。例えば、設定部３０６は、電力の需給関係の予測に必要となる各種の設定値を入力部３２６からの入力に基づき設定する。

日時項生成部３０８は、日時ごとのディマンドレスポンスの起こりやすさを示す数値を生成する。例えば、日時項生成部３０８は、過去の気象に関するデータに基づき、地域別の日時毎のディマンドレスポンスの起こりやすさを示す数値を生成する。日時項生成部３０８は、例えば、過去の２０年分の地域別の日時毎の天候、気温、日射量、再エネ発電、卸電力市場価格、需給調整市場価格予測の値を数値化して記憶部３０２に記憶する。すなわち、この数値は、過去の電力需要と相関が高くなるように構成される。

例えば、日時項生成部３０８は、地域、及び日時指定がされると、これらの地域別の日時毎の天候、気温、日射量、再エネ発電、卸電力市場価格、需給調整市場価格予測の値を所定の係数に従い加算し、数値として出力してもよい。この場合、気温、日射量、再エネ発電、及び卸電力市場価格は連続値として数値化される。一方で天候は、「晴れ」、「曇り」、「雨」などの概念であり、離散値として数値化される。例えば、「晴れ」に５００、「曇り」に３００、「雨」に１００などの離散値を割振る。また、日時項生成部３０８は、後述する評価値生成部３１２の係数の値に合わせて、天候、気温、日射量、再エネ発電、卸電力市場価格、需給調整市場価格予測の値を加算しても良い。

図４は、日時項生成部３０８の処理を模式的に示す図である。図４に示すように、テーブルＴ４００は、８月１日の１２～１３時、１３～１６時の気象に関するデータを数値化する際のテーブル例を模式的に示す。

日時項生成部３０８は、対象日時におけるディマンドレスポンスの起こりやすさを示す数値を記憶部３０２にテーブルＴ４００として記憶する。この場合、日時項生成部３０８は、対象日時に対して、予め設定された値を記憶部３０２のテーブルＴ４００から検索し、出力することが可能となる。このように、日時項生成部３０８は、日時が入力処理されると、日時に対応させて、ディマンドレスポンスの起こりやすさを数値化し、出力する。これにより、過去分のディマンドレスポンスの起こりやすさを示す数値を、電力の需給関係の予測に用いることが可能となる。

図５は、予測情報自体に予測誤差情報が付属している場合の図である。横軸は予測時刻を示し、縦軸は予測値を示す。予測値は、通信部３０４が外部のネットワークと通信を行い取得した気温予測、日射量予測、再エネ発電予測、卸電力市場価格であり、任意単位である。このような予測データには、予測情報自体に予測誤差情報が付属する場合と、付属しない場合とがある。図５は、予測情報自体に予測誤差情報が付属する場合である。

図６は、予測誤差情報が付属しない場合の誤差の生成例を示す図である。上図は、例えば８時に発報された気象に関する予測データであり、下図は、例えば１０時に発報された気象に関する予測データである。これらのデータは、外部のネットワークと通信を行うことにより、通信部３０４により取得される。

誤差生成部３１０は、異なる複数の時点から気象に関する予測データの差分値に基づき、時系列な誤差を生成する。すなわち、この誤差生成部３１０は、予測誤差情報が付属しない場合に、異なる複数の時点からの気象に関する予測データの差分値に基づき、時系列な誤差を生成することが可能である。

図７は、誤差生成部３１０における別の処理例を示す図である。テーブルＴ７００は、８時及び１０時に発報された気象に関する予測データ、それぞれの予測データの差分値、この差分値の絶対値Ｎ７０を示す。絶対値Ｎ７０が大きくなるに従い、市場や一般送配電事業者などでの発電予測と電力需要予測のずれが大きくなり、電力生産量と電力消費量とのずれが生じやすくなる。

同様に、テーブルＴ７０２は、１０時及び１２時に発報された気象に関する予測データ、それぞれの予測データの差分差、この差分値の絶対値Ｎ７２を示す。上述のように、絶対値Ｎ７２が大きくなるに従い、市場や一般送配電事業者などでの発電予測と電力需要予測のずれが大きくなり、電力生産量と電力消費量とのずれが生じやすくなる。

テーブルＴ７０４は、絶対値Ｎ７０の時系列値と、絶対値Ｎ７２の時系列値と、これらの平均値Ｎ７３の時系列値を示す。テーブルＴ７０４に示すように、誤差生成部３１０は、予測データの差分値を複数生成可能である。このような場合には、例えば、これらの平均値、中間値などの統計値に基づき、予測データの差分値を生成する。上述のように、絶対値Ｎ７０、及び絶対値Ｎ７２の平均値Ｎ７３が大きくなるに従い、市場や一般送配電事業者などでの発電予測と電力需要予測のずれが大きくなり、電力生産量と電力消費量とのずれが生じやすくなる。

図７では、絶対値を用いたがこれに限定されない。例えば、誤差生成部３１０は、予測データの差分値の平均値、中間値などの統計値に基づき、予測データの差分値を生成してもよい。また、誤差は、予測データの元データに対するパーセント、割合でもよい。例えば、元データが１００で差分値が１０であれば、１０パーセント、差分値が－５であれば、－５パーセントなどのパーセントで示してもよい。

図８は、誤差生成部３１０における離散値の処理例を示す図である。テーブルＴ７０６は、８時及び１０時に発報された天候の予測である、すなわち天気予報に対応する。それぞれの天候の差分値Ｎ７４を示す。例えば、後述するように「晴⇒曇」であれば５００、「曇⇒晴」であれば３００、「曇⇒雨」であれば２００、「雨⇒曇」であれば２００などの数値が、８時及び１０時の予測誤差として割振られる。

同様に、テーブルＴ７０８は、１０時及び１２時に発報された天候の予測である。それぞれの天候の差分値Ｎ７６を示す。例えば、後述するように「晴⇒曇」であれば５００、「曇⇒雨」であれば２００、「雨⇒曇」であれば２００などの数値が１０時及び１２時の予測誤差として割振られる。

テーブルＴ７１０は、天候の差分値Ｎ７４と、天候の差分値Ｎ７６との集合値Ｎ７８を示す。誤差生成部３１０は、差分値Ｎ７４と、差分値Ｎ７４に対応する差分値Ｎ７６とを用いて集合値Ｎ７８を生成する。すなわち、この誤差生成部３１０は、集合値Ｎ７８として、天気の予測のずれから生じる市場や一般送配電事業者などでの発電予測と電力需給のずれを数値化する。例えば、誤差生成部３１０は、差分値Ｎ７４と、差分値Ｎ７６との平均値、加算値などの統計値に基づき、集合値Ｎ７８を生成する。なお、１３時に示すように、「曇⇒晴、晴⇒曇」と予測が変遷し、８時の予測と１２時の予測が一致する場合には、単に「曇⇒晴」の数値と、「晴⇒曇」の数値を平均又は加算などする代わりに、「曇⇒晴」の数値を例えば、半減した値を集合値Ｎ７８としてもよい。このように、誤差生成部３１０は、天気の予測の誤差から生じる市場や一般送配電事業者などでの統計的な発電予測と電力需給のずれを差分値Ｎ７４、差分値Ｎ７６、集合値Ｎ７８などとして数値化する。図８では、絶対値を用いたがこれに限定されない。例えば、「晴⇒曇」であれば５００、「曇⇒晴」であれば－３００、「曇⇒雨」であれば２００、「雨⇒曇」であれば－２００などの数値を割振ってもよい。

評価値生成部３１２は、気象に関する予測データの時系列な誤差に基づき、時系列な評価値を生成する。例えば、この評価値生成部３１２は、複数種類の予測データの時系列な誤差に基づき、時系列な評価値を生成する。

図９は、評価値生成部３１２の重み付け処理例を示す図である。図９に示すように、評価値生成部３１２は、日時項生成部３０８が生成した時系列な数値列Ｎ４０に、重み付けとして係数Ｃ４０を乗算した乗算値Ｒ４０を生成する。同様に、評価値生成部３１２は、通信部３０４が取得した気象に関するデータに基づくデータテーブルＴ７１２の誤差の数値列Ｎ８０に、重み付けとして係数Ｃ８０を乗算した乗算値Ｒ８０を生成する。気象に関するデータは、気温、日射量、再エネ発電量、及び卸電力市場価格等である（図５参照）。ここでは、説明を簡単にするため、項２だけを示すが、これに限定されない。例えば、気温、日射量、再エネ発電量、卸電力市場価格、及び需給調整市場価格予測等の誤差の数値列毎に対応する係数を乗算し、それぞれの乗算値を生成してもよい。

同様に、評価値生成部３１２は、誤差生成部３１０が生成した集合値Ｎ７８に係数Ｃ７８として値を割り振り、集合値ごとに平均化した平均値Ｒ７８を生成する。係数Ｃ７８は、「晴⇒曇」、「曇⇒晴」、「曇⇒雨」、「雨⇒曇」などの組合わせに離散値を割り振り、重み付けとして係数を乗算した値である。つまり、係数Ｃ７８は、それぞれの離散値に係数が乗算された乗算値をしめす。このように、評価値生成部３１２は、晴れ、曇り、及び雨を少なくとも含む天候予測のずれを誤差とする場合に、晴れ、曇り、及び雨の組合わせに応じて点数を生成する。そして、評価値生成部３１２は、乗算値Ｒ４０、乗算値Ｒ８０、及び平均値Ｒ７８を加算し、日時毎の評価値Ｅ９０を生成する。これらから分かるように、評価値生成部３１２は、複数種類の時系列な誤差のそれぞれに所定の重みを付けて加算した値に基づき、時系列な評価値Ｅ９０を生成する。また、評価値生成部３１２は、時系列な数値列Ｎ４０も用いて、時系列な評価値Ｅ９０を生成する。

さらにまた、評価値生成部３１２は、時系列な誤差に上振れと下振れの両方がある場合（図５参照）、大きい方を選択し、評価する。例えば、誤差の数値列Ｎ８０は、上振れと下振れの両方がある場合に、大きい方を選択した誤差値である。また、評価値生成部３１２は、時系列な誤差に上振れと下振れの両方がある場合（図５参照）、両方の誤差の絶対値の平均に基づき、評価してもよい。例えば、誤差の数値列Ｎ８０を、上振れと下振れの両方がある場合に、両方の誤差の絶対値の平均値を誤差値としてもよい。また、上振れを上げＤＲに対する評価、下振れを下げＤＲに対する評価としてもよい。

予測部３１４は、評価値生成部３１２が生成した時系列な評価値Ｅ９０に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量のうちの少なくとも時間を予測する。

図１０は、予測対象時刻毎の評価値Ｅ９０、予測部３１４が用いる閾値、及びディマンドリスポンスを行うことを示す評価結果の例を示す図である。

ディマンドリスポンスは電力系統４０の安定化のために利用される。このため、ディマンドリスポンスが必要とされる可能性が高いのは、電力系統４０の電力需要と電力供給がそれぞれの当初の予測から外れた日時であると考えられる。換言すると、予測が外れ、電力の需給バランスが崩れた際に、ディマンドリスポンスが利用される。このため、図１０に示すように、予測部３１４は、所定の閾値８００を評価値Ｅ９０が超えた時刻に対して評価結果として数値１を割振る。すなわち、予測部３１４は、評価結果が１である場合に、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時刻として予測する。また、予測部３１４は、所定の閾値８００を評価値Ｅ９０が超えた時間のうちの上位の所定割合に含まれる時間に対して評価結果として数値１を割振ってもよい。

図１１は、評価値生成部３１２が生成した評価値Ｌ１１、Ｌ１２と閾値Ｔｈ１１、Ｔｈ１２の関係を示す図である。縦軸は評価値を示し、横軸は時刻を示す。評価値Ｌ１１と評価値Ｌ１２とは、異なる時間帯又は異なる地域での評価値である。

図１１に示される範囲の評価値Ｌ１１は実数であり、プラスの値の例を示し、評価値Ｌ１２は実数であり、マイナスの値の例を示す。閾値Ｔｈ１１は、プラス側の閾値であり、閾値Ｔｈ１２は、マイナス側の閾値である。

図１１に示すように、予測部３１４は、予測対象時刻毎の評価値Ｌ１１、Ｌ１２の絶対値の大きさにより、電力の増減量を予測する。例えば、予測対象時刻毎の評価値Ｌ１１が大きくなるに従い、市場や一般送配電事業者などによる実際の電力供給量が予測よりも増加すると考えることにする。このような場合、市場や一般送配電事業者により計画された電力需要よりも多くの電力需要が求められることになると予測される。このため、予測部３１４は、評価値Ｌ１１がプラス側に閾値Ｔｈ１１を超え上振れする場合に、需要増加としての「上げＤＲ」が必要であると予測する。

一方で、予測対象時刻毎の評価値Ｌ１２がマイナス側に小さくなるに従い、市場や一般送配電事業者などによる実際の電力供給量が予測よりも減少すると考えることにする。このような場合、市場や一般送配電事業者により計画された電力需要よりも少くない電力需要が求められることになると予測される。このため、予測部３１４は、評価値Ｌ１２がマイナス側に閾値Ｔｈ１２を超え下振れする場合に、需要削減としての「下げＤＲ」が必要であると予測する。このように、予測部３１４は、閾値を超える数値が大きくなるに従い、ディマンドリスポンスにおける電力の需要削減量又は需要増加量を増加させた予測を行う。

図１２は、評価値Ｌ１１が閾値Ｔｈ１１である８００を超えた値を評価結果として示す図である。図１２に示すように、予測部３１４は、１３時と１４時に、需要増加としての「上げＤＲ」が必要であると予測する。この場合、予測部３１４は、「上げＤＲ」の量はそれぞれ、１５０、３００であると予測する。

図１３は、評価値Ｌ１２が閾値Ｔｈ１２である－８００を超えた値を評価結果として示す図である。図１２に示すように、予測部３１４は、１０時と１１時に、需要削減としての「下げＤＲ」が必要であると予測する。この場合、予測部３１４は、「下げＤＲ」の量はそれぞれ、―１５０、―３００であると予測する。また、予測部３１４は、気象に関する予測データが単一である場合に、時系列な誤差が上振れする場合に電力需要の増加を予測し、時系列な誤差が下振れする場合に電力需要の減少を予測してもよい。

運転計画部３１６は、制御部３２０に実施させるために必要となるデータを設定する。例えば、運転計画部３１６は、予測部３１４が予測した「上げＤＲ」の時刻及び需要増加量に対応する電力量、「下げＤＲ」の時刻及び需要削減量に対応する電力量に従い、水素エネルギーシステム１ａ、１ｂの運転計画を作成する。より具体的には、運転計画部３１６は、「上げＤＲ」の予測時刻に需要増加量に対応する電力量を増加させる運転計画を立てる。この場合、例えば水素製造装置の製造量を需要増加量に対応する電力量に応じて増加させる運転計画を立てる。或いは、「上げＤＲ」の予測時刻に需要増加量に対応する電力量を水素発電装置１０４に、削減させる運転計画を立てる。或いは、「上げＤＲ」の予測時刻に需要増加量に対応する電力量をＰＣＳ１０６ａ１０６ｂに、削減させる運転計画を立てる。これにより、電力系統４０のピークカットを行うことが可能となる。

一方で、運転計画部３１６は、「下げＤＲ」の予測時刻に需要削減量に対応する電力量を削減させる運転計画を立てる。この場合、例えば水素製造装置の製造量を需要増削減量に対応する電力量に応じて減少させる運転計画を立てる。或いは、「下げＤＲ」の予測時刻に需要削減量に対応する電力量を水素発電装置１０４に、増加させ発電させる運転計画を立てる。或いは、「下げＤＲ」の予測時刻に需要削減量に対応する電力量をＰＣＳ１０６ａ１０６ｂに、増加させる運転計画を立てる。これにより、電力系統４０の電圧や周波数等の電気の品質安定化行うことが可能となる。

画像処理部３１８は、運転計画部３１６の計画値、各種の情報、設定画面を画像として生成する。
応札部３１９は、予測部３１４が予測した「上げＤＲ」の時刻及び需要増加量に対応する電力量、「下げＤＲ」の時刻及び需要削減量に対応する電力量に従い、時刻毎のディマンドリスポンスが可能な電力量を市場に応札する。この市場は、例えば需給調整市場を意味する。或いは、応札部３１９は、アグリゲータにディマンドリスポンスが可能な電力量を通知する。アグリゲータは、通知されたディマンドリスポンスが可能な電力量を市場に応札する。アグリゲータとは例えば需給調整市場などに直接アクセスを行うアグリゲーションコーディネーターを指す。このように、予測結果を利用してＤＲ可能量を求めることで、市場で落札される可能性を高めることができ、ＤＲ収入の期待値を高めることができる。

制御部３２０は、運転計画部３１６の生成した運転計画に基づき、水素エネルギーシステム１ａ、１ｂ内の各装置を制御ずる。
表示制御部３２２は、画像処理部３１８が生成した画像を表示部３２４に表示する。表示部３２４は、例えばモニタであり、画像処理部３１８が生成した画像などを表示する。入力部３２６は、例えばキーボードやマウスで構成される。入力部３２６は、操作者の操作に応じた入力信号を制御部３２０に入力する。

図１４は、画像処理部３１８が生成するディマンドリスポンスの予測処理に関する設定画面例を示す図である。図１４に示すように、画像処理部３１８は、表示制御部３２２が表示部３２４に表示させる画面Ｗ１４０を生成する。画面Ｗ１４０内には、画面Ｗ１４２、Ｗ１４４、Ｗ１４６、Ｗ１４８などが含まれる。

画面Ｗ１４２は、日時項及び気象に関する予測データ、に関するデータの項１～Ｎにおける係数の設定画面例である。操作者は、入力部３２６を介して、項１～Ｎにおける係数の値を設定可能である。

画面Ｗ１４４は、係数Ｃ７８（図９参照）の設定画面例である。操作者は、入力部３２６を介して、係数Ｃ７８の値を設定可能である。

画面Ｗ１４６は、予測部３１４が用いる域値の設定画面例である。操作者は、入力部３２６を介して、域値を設定可能である。画面Ｗ１４８は、日時項生成部３０８が用いるテーブル内のデータを設定又は修正する場合の設定画面例である。操作者は、入力部３２６を介して、データを設定又は修正可能である。

以上が本実施形態に係る構成の説明であるが、以下に図１５に基づき、電力予測装置３０の処理例を説明する。図１５は、電力予測装置３０の処理例を示すフローチャートである。ここでは、通信部３０４を介し、電力予測装置３０の処理に必要となる気象に関するデータが既に記憶部３０２に記憶されている場合について説明する。

まず、画像処理部３１８が設定画面を画像として生成する（ステップＳ１００）。続けて、表示制御部３２２は、画像処理部３１８が生成した画像を表示部３２４に表示する。

次に、設定部３０４は、操作者が表示部３２４に表示される設定画面に対して操作した入力信号を用いて、各種の情報を制御部３２０、日時項生成部３０８、誤差生成部３１０、及び評価値生成部３１２に設定する（ステップＳ１０２）。これにより、評価値生成部３１２には、係数が設定され、予測部３１４には、閾値が設定される。続けて、管理部３００は、設定された情報にしたがい、日時項生成部３０８、誤差生成部３１０、及び評価値生成部３１２を連動させた処理制御を開始する。

次に、管理部３００は、対象日時を日時項生成部３０８に入力する（ステップＳ１０４）。続けて、日時項生成部３０８は日時に対応する気象データを項１（日時項）として生成する（ステップＳ１０６）。

次に、管理部３００は、対象日時に対応する誤差情報ありの各項の気象に関する予測データを記憶部３０２から評価値生成部３１２に入力し、誤差情報無しの各項の気象に関する予測データを記憶部３０２から誤差生成部３１０に入力する（ステップＳ１０８）。続けて、誤差生成部３１０は、誤差情報無しの各項の気象に関する予測データから予測誤差として項３、項４を生成し、評価値生成部３１２に出力する（ステップＳ１１０）。

次に、評価値生成部３１２は、項１～項Ｎの気象に関するデータを各項の係数を用いて重み付けして、対象日時に対応する評価値を生成する（ステップＳ１１０）。管理部３００は、評価値を生成する対象日時の処理が終了したか否かを判定する（ステップＳ１１４）。終了してないと判定する場合（ステップＳ１１４のＮＯ）、次の対象日時に変更してステップＳ１０４からの処理を繰り返す。

一方で、終了したと判定する場合（ステップＳ１１４のＹＥＳ）、予測部３１４は、評価値生成部３１２が生成した時系列な評価値に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量を予測する（ステップＳ１１６）。次に、運転計画部３１６は、予測部３１４が予測したディマンドリスポンス時刻及び需要増加量、需要削減量に対応する電力量に従い、水素システム１ａ、１ｂの運転計画を作成する（ステップＳ１１８）。
このように、気象に関する統計データ項１、及び気象に関するデータの予測誤差（各項２～Ｎ）に基づき、電力需要のずれを予測する。

以上説明したように、本実施形態によれば、評価値生成部３１２が気象に関する予測データの時系列な誤差に基づき、時系列な評価値を生成し、予測部３１４が時系列な評価値に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量うちの少なくとも時間を予測することとした。これにより、水素システム１０によりディマンドリスポンスを計画する時間帯と、実際に電力系統４０においてディマンドリスポンスが必要とされる時間帯と、のずれを抑制できる。

（第２実施形態）
第２実施形態に係る電力予測装置３０は、学習機能部３２８、及び評価機能部３３０を更に備える点で第１実施形態に係る電力予測装置３０と相違する。以下では、第１実施形態に係る電力予測装置３０と相違する点に関して説明する。

図１６は、第２実施形態に係る電力予測装置３０の構成を示すブロック図である。図１６に示すように、本実施形態に係る電力予測装置３０は、学習機能部３２８、及び評価機能部３３０を更に備える。

学習機能部３２８は、評価機能部３３０が利用する学習結果を作成する。例えば、時刻別の項１～項Ｎのデータの組合せと、その時刻のディマンドリスポンスの電力量を示す教師データとを、組とする学習のデータセットを生成する。この学習のデータセットは、例えば、過去の項１～項Ｎのデータの組み合わせと、過去の市場取引データよりその項１～項Ｎに合った時間帯に実際にディマンドリスポンスが落札された電力量とを組み合わせる。又は、過去に予測に使われた項１～項Ｎのデータの組合せと、そのときに実際に発生したディマンドリスポンスの電力量とを組合わせる。このため、学習のデータセットを生成するためには、所定の運用期間が必要となる。また、学習機能部３３０の学習処理には、一般的なアルゴリズムを用いることが可能である。例えば、ニューラルネットワーク、Ｌａｓｓｏ回帰などを学習処理に用いることが可能である。

図１７は、学習機能部３２８の学習処理例を模式的に示す図である。図１７に示すように、学習機能部３２８には、入力として過去の項１～項Ｎのデータや過去に予測に使われた項１～項Ｎのデータが入力され、過去の市場取引データよりその項１～項Ｎに合った時間帯に実際にディマンドリスポンスが落札された情報や、実際に発生したディマンドリスポンスの結果を教師データとして学習させる。また、日時そのものを数値化して学習データに含んでもよい。電力需要の季節性が高い場合には、日時とディマンドリスポンスの電力量との相関性が高い場合があり、予測精度が向上する場合がある。

評価機能部３３０は、学習機能部３２８の学習結果を用いてディマンドリスポンスが落札される電力量及びディマンドリスポンスを行う時間を予測する。例えば、評価機能部３３０は、予測対象の時間帯に対する項１～項Ｎを入力とすることで、評価結果を得て、それを予測結果とする。例えば、評価機能部３３０は、日時を数値化した値、及び項１～項Ｎのデータが入力されると、日時に対応するディマンドリスポンスの電力量を予測結果として出力する。

図１８は、Ｌａｓｓｏ回帰による項Ｎの係数の学習例を模式的に示す図である。縦軸は、項Ｎの値に項Ｎの係数を乗算した乗算値を示す。つまり、項Ｎの係数は、入出力の傾きとして学習される。再び図１７に示すように、項１～項Ｎの係数が学習機能部３２８の学習結果として生成される。このように、項１～項Ｎの係数の設定を評価機能部３３０に自動的に行うことが可能となる。また、Ｌａｓｓｏ回帰による学習では、項１～項Ｎの教師データに対する寄与率も演算される。このため、寄与率の低い項を、評価機能部３３０の入力から除外した予測も可能となる。

ニューラルネットワークを用いて学習した場合には、項１～項Ｎの入力に対する非線形な多変量入力関数として学習される。このため、項１～項Ｎの入力に対する出力値をより教師データの値に近づけることが可能となる。一方で、所謂過学習により、学習データ数が少ない場合には、統計の偏りの影響を受ける可能性がある。

図１９は、学習機能部３２８の学習結果を用いた処理を開始するまでの処理例を示すフローチャートである。図１９に示すように、先ず、評価値生成部３１２には、予め設定された項１～項Ｎの係数が用いられる（ステップＳ２００）。

学習機能部３２８は、項１～項Ｎの値と、実施に発生したディマンドリスポンスの電力量とを組合わせた学習データを記憶部３０２に記憶する（ステップＳ２０２）。学習機能部３２８は、所定数以上の学習データが蓄積されたか否かを判定する（ステップＳ２０４）。例えば、ディマンドリスポンスが実際に実施されないと学習データとならない。このため、学習機能部３２８は、ディマンドリスポンスが発生した回数が所定値を超えていないと判断しない場合（ステップＳ２０４のＮＯ）、ステップＳ２０２からの処理を繰り返す。

一方で、学習機能部３２８は、ディマンドリスポンスが発生した回数が所定値を超えたと判断した場合（ステップＳ２０４のＹＥＳ）、学習機能部３２８は、学習データを用いた学習を行う（ステップＳ２０６）。そして、評価機能部３３０は、学習機能部３２８の学習結果を用いた処理を開始し（ステップＳ２０８）、学習処理を終了する。このように、ディマンドリスポンスを行う時間及び電力量のうちの少なくとも時間の予測に、評価値生成部３１２を用いる場合と、評価機能部３３０を用いる場合とを所定の条件、例えば学習データの蓄積量、に応じて切り換えることが可能となる。すなわち、学習機能部３２８の学習に必要な学習データが蓄積されるまで、評価値生成部３１２は、設定した係数を用いて評価値を生成する。これにより、予測精度の低下を抑制できる。一方で、学習データが蓄積された場合には、評価機能部３３０により、より高精度に日時に対応するディマンドリスポンスの電力量を予測できるので、予測精度をより向上させることが可能となる。

以上説明したように、本実施形態によれば、評価機能部３３０の評価機能を学習する学習機能部３２８を設けることとした。これにより、実際に発生したディマンドリスポンスに対応する評価機能部３３０を構成することが可能となる。

以上、いくつかの実施形態を説明したが、これらの実施形態は、例としてのみ提示したものであり、発明の範囲を限定することを意図したものではない。本明細書で説明した新規な装置、方法及びプログラムは、その他の様々な形態で実施することができる。また、本明細書で説明した装置、方法及びプログラムの形態に対し、発明の要旨を逸脱しない範囲内で、種々の省略、置換、変更を行うことができる。

１ａ、１ｂ：水素エネルギーシステム、３０：電力予測装置、１００：水素製造装置、１０４：水素発電装置、３１０：誤差生成部、３１２：評価値生成部、３１４：予測部、３１６：運転計画部、３２８：学習機能部、３３０：評価機能部。

Claims (18)

1. 気象に関する予測データの時系列な誤差に基づき、時系列な評価値を生成する評価値生成部と、
   前記時系列な評価値に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量のうちの少なくとも前記時間を予測する予測部と、
   を備える、電力予測装置。
2. 前記予測部は、前記評価値が所定の閾値を超えた時間、及び前記評価値が所定の閾値を超えた時間のうちの上位の所定割合に含まれる時間のいずれかを、前記ディマンドリスポンスを行う時間として予測する、請求項１に記載の電力予測装置。
3. 異なる複数の時点からの気象に関する予測データの差分値に基づき、前記時系列な誤差を生成する誤差生成部を更に備え、
   前記評価値生成部は、前記誤差生成部が生成した時系列な誤差に基づき、前記時系列な評価値を生成する、請求項１又は２に記載の電力予測装置。
4. 前記予測部は、前記評価値に基づき、前記ディマンドリスポンスにおける電力量を予測する、請求項１乃至３のいずれか一項に記載の電力予測装置。
5. 前記評価値は、複数種類の予測データの時系列な誤差に基づく値である、請求項１乃至４のいずれか一項に記載の電力予測装置。
6. 前記評価値は、複数種類の予測データの時系列な誤差に基づく値である場合に、複数種類の時系列な誤差のそれぞれに所定の重みを付けて加算した値である、請求項５に記載の電力予測装置。
7. 前記評価値は、日時ごとのディマンドレスポンスの起こりやすさを示す時系列な数値列を更に用いた値である、請求項６に記載の電力予測装置。
8. 前記評価値生成部は、前記時系列な誤差に上振れと下振れの両方がある場合、大きい方を選択し、評価する、請請求項１乃至７のいずれか一項に記載の電力予測装置。
9. 前記評価値生成部は、前記時系列な誤差に上振れと下振れの両方がある場合、前記両方の誤差の絶対値の平均に基づき評価する、請求項１乃至８のいずれか一項に記載の電力予測装置。
10. 前記予測部は、前記評価値が所定値を超えて上振れする場合と、前記評価値が所定値を超えて下振れする場合とで、電力需要の増減を分けて予測する、請求項１乃至８のいずれか一項に記載の電力予測装置。
11. 前記予測部は、気象に関する予測データが単一である場合に、前記時系列な誤差が上振れする場合に電力需要の増加を予測し、前記時系列な誤差が下振れする場合に電力需要の減少を予測する、請求項１乃至８のいずれか一項に記載の電力予測装置。
12. 前記予測データには、天候予測、気温予測、日射量予測、及び、再エネ発電予測のうちの少なくともいずれかが含まれる、請求項１乃至１１のいずれか一項に記載の電力予測装置。
13. 前記予測データには、卸電力市場価格、及び需給調整市場価格の少なくともいずれかを含めることが可能である、請求項１２に記載の電力予測装置。
14. 前記評価値生成部は、晴れ、曇り、及び雨を少なくとも含む天候予測のずれを誤差とする場合に、晴れ、曇り、及び雨の組合わせに応じて点数を生成する、請求項３に記載の電力予測装置。
15. 気象に関する予測データの誤差を入力値、前記入力値に対応するディマンドリスポンスの電力量を教師信号として学習する学習機能部と、
    前記学習機能部の学習結果を用いて、気象に関する予測データの誤差に応じてディマンドリスポンスを行う時間及び電力量のうちの少なくとも前記時間を予測する評価機能部と、
    を更に備える、請求項１乃至１４のいずれか一項に記載の電力予測装置。
16. 前記ディマンドリスポンスを行う時間及び電力量のうちの少なくとも前記時間の予測に、前記評価値生成部を用いる場合と、前記評価機能部を用いる場合とを所定の条件に応じて切り換える、請求項１５に記載の電力予測装置。
17. 前記評価値に応じて水素製造装置、及び水素発電装置の少なくともいずれかの運転計画を生成する運転計画部を更に備える、請求項１乃至１６のいずれか一項に記載の電力予測装置。
18. 気象に関する予測データの時系列な誤差に基づき、時系列な評価値を生成する評価値生成工程と、
    前記時系列な評価値に応じて、電力消費又は電力生産のパターンを変化させるディマンドリスポンスを行う時間及び電力量うちの少なくとも前記時間を予測する予測工程と、
    を備える、電力予測方法。

Images