JP3910948B2 - 電源計画についての情報処理方法及びコンピュータ・システム - Google Patents

Description

本発明は、電源計画についての情報処理技術に関する。

電源の開発には長い期間と大きな資金を必要とする。電力需要が毎年大きく伸び続ける時代には、先行して設備投資を行い、将来需要に備える十分な供給力を確保することが優先されてきた。しかし、高度成長が見込めない一方で、電力市場が自由化された状況では、発電所建設が遊休設備を生んで発電原価を押し上げ、電気料金に転嫁すると更に需要を減らして原価が上がるというリスクが生じる。そこで、従来に増して経済性とリスクを十分に定量評価した上で、電源を計画する必要が生じている。

国内では日本電力調査委員会が、５年ごとに「電力需要想定および電力需給計画算定方式の解説」をまとめており、これに基づいて電源計画を作成するのが一般化している。この中の電力需要想定に従えば、時系列トレンド等から用途別の予測需要を積み上げることなどにより、年間電力量を想定する。この値と年負荷率の動向や、ベース分と冷房分それぞれの伸び予想等から最大電力を想定する。次に、想定した年間電力量を、過去の月別・平日休日別の実績等に基づき、月別の需要持続曲線に展開し、最大３日平均電力（月別に日間最大電力を大きい順に並べた時の上位３位までの平均）を求める。需要の予測誤差を含めた確率分布としては、累積確率が９９％となる誤差が最大３日平均電力の６％となるような正規分布を仮定するものである。

一方供給力については、以下の計算を行う。すなわち、各発電ユニット毎の点検のための停止・自流式水力の渇水期の発電能力・他社からの融通分等を考慮し、供給力の合計を求める。更に、ユニット毎の計画外停止率を設定して実際の供給能力の確率分布を求める。これと 上で想定した需要の確率分布から、供給不足となる日数の期待値（見込み不足日数）を求め、供給信頼度の指標としている。これまでは、見込み不足日数が０．３日／月を確保できるように電源を確保してきた。なお、中央電力協議会の検討では、供給予備力（８月の最大３日平均電力想定値に加えて確保しておくべき供給力）として８乃至１０％が必要としている。実際の電源計画検討においては、見込み不足日数０．３日／月を確保できる目安として供給予備力８％程度を用いている。

しかしながら、冷暖房の使われ方や、電力・電灯の用途別比率などが毎年少しずつ変わっていき、年間の負荷持続曲線は変化していく。過去実績についても、気温の分布が毎年異なるので、負荷持続曲線は特に需要の大きい部分で変化している。従来手法は、負荷持続曲線の形は年が変わっても相似形であることを仮定して、年間電力量と最大電力を結びつけているので、正確性に欠け、長期の需要構造変化を織り込みにくい。また、設備投資のリスク評価を行うに際して、従来手法では気象・景気・燃料単価等が経済性に及ぼす影響を分析しにくいので、燃料費等の期待値は推定できるが、そのばらつきが計画によってどう変わるかを評価できない。このため、電力自由化の下で他社と収益性を比較する場合などに困難を生じる。さらに、供給支障の影響は、その大きさ（ｋＷ）と継続時間によって大きく異なる。従来手法は、想定年の８月最大３日平均電力に注目して不足日数を評価しているため、供給支障の大きさや継続時間を評価できない。このため、供給信頼度をコストに換算して評価することが困難になる。

なお、特開２００３−１６３７４号公報には、以下の技術が開示されている。すなわち、発電設備に対する需要電力を予測し、その需要電力と供給可能電力とを比較して電力供給の可否及び発電電力を評価し、その発電電力と経済性の予測情報とに基づいて当該発電設備による発電事業の収益性を評価する。電力の需要予測には、１日の電力負荷変化が考慮される。なお、電力供給力の評価に、発電設備の信頼性や環境に与える影響を考慮しても良いとされている。さらに、電力の需要予測に他社との競争力を考慮するようにしても良いともされている。この公報では、１日の電力負荷変化を考慮するとされているが、具体的には電力価格に関連する契約形態毎に個別に予測するとされており、必ずしも連続する気象条件を予測した上で電力需要を予測するような構成は示していない。一般的には、契約に基づき予測を行っても実際的な予測はできないと考えられる。また、連続する気象条件を予測すること自体についても詳細な説明は無い。さらに、将来の特定の年における特定の時刻に対応する需要予測式を用いるといったことも何ら開示されておらず、木目細やかな需要予測は不可能である。
特開２００３−１６３７４号公報

以上述べたように従来の技術では様々な点において十分な詳細度をもって電力需要の予測及び電源計画の評価が行えるようになっていない。

従って、本発明の目的は、より現実に近い詳細な設定が可能な、電源計画に関連する新規な情報処理技術を提供することである。

また本発明の他の目的は、より現実に近いシミュレーションを可能にする、電源計画に関連する新規な情報処理方法を提供することである。

本発明に係る情報処理方法は、将来の特定の年において単位時間（例えば１時間）間隔で特定される特定の時刻における気象条件データ（例えば気温及び湿度データ）を、単位時間間隔での連続性を考慮した上で生成し、気象条件データ格納部に格納するステップと、将来の特定の年における景気条件データを生成し、景気条件データ格納部に格納するステップと、将来の特定の年において単位時間間隔で特定される特定の時刻に対応し、少なくとも気象条件及び景気条件とにより電力需要を算出するための予測式に係るデータ（例えば予測式の係数）を予測式データ格納部から取得する予測式データ取得ステップと、取得した予測式に係るデータと気象条件データ格納部及び景気条件データ格納部に格納されたデータとを用いて、将来の特定の年における特定の時刻における電力需要のデータを生成し、電力需要データ格納部に格納するステップとを含む。

このように、単純に過去の実績から得られる確率分布に基づき気象条件データを生成するのではなく、単位時間間隔での連続性を考慮した上で気象条件データを生成するため、より実際的な気象データを生成することができる。また、このようにして生成された特定の時刻の気象条件データを用いて特定の時刻における電力需要のデータを生成するため、より実際的な電力需要を予測できるようになる。連続性については例えばフーリエ級数展開で温度変化を表現する手法等が用いられることもある。なお、予測式に係るデータは、年によって変化させるようにすることも可能である。このような処理を必要な全ての時刻について繰り返し行えば、１つの電力需要カーブを得ることができる。なお、このような電力需要カーブを複数生成すれば、電力需要の確率分布を生成することができるようになる。

なお、上で述べた予測式データ取得ステップが、特定の時刻が属する分類を特定するステップと、特定された分類に対応する予測式に係るデータを予測式データ格納部から取得するステップとを含むようにしてもよい。例えば平日、土曜日、休日などによって同じ時刻でも電力需要は異なる。このような違いに対応するため予測式に係るデータを分類毎に用意するものである。

さらに、上で述べた予測式データ取得ステップが、特定の時刻及び気象条件データ格納部に格納された特定の時刻の気象条件データに対応する分類を特定するステップと、特定された分類に対応する予測式に係るデータを予測式データ格納部から取得するステップとを含むようにしてもよい。同じ平日で同じ時刻であっても気温帯によって電力需要への影響は異なる。このような違いに対応するため予測式に係るデータを分類毎に用意するものである。

さらに、本発明において、各発電ユニットの補修条件に関するデータと電力需要データ格納部に格納されたデータとを参照して将来の特定の年における単位時間毎の電力の供給力に関するデータを生成し、供給力データ格納部に格納する供給力データ生成ステップをさらに含むようにしても良い。これにより需要に対する供給力の時間変化を把握することができる。

さらに、本発明において、電力需要データ格納部と供給力データ格納部とに格納されたデータを用いて、供給支障電力に関するデータを生成し、供給支障電力データ格納部に格納する供給支障電力データ生成ステップをさらに含むようにしてもよい。

供給力データ生成ステップでは、基本的には電力需要カーブに対応してその電力需要カーブを満たすように電力供給を決定する。但し、突発事故などで供給できなくなる場合を考慮する場合もある。このような状況を加味して供給支障電力に関するデータは生成される。なお、発電所の新設又は廃止といったデータをさらに用いて電力の供給力に関するデータを生成するようにしても良い。

また、上で述べた供給力データ生成ステップが、各発電ユニットの補修条件に関するデータと電力需要データ格納部に格納されたデータとを参照して将来の特定の年における単位時間毎の電力の供給力を決定するステップと、各発電ユニットに設定されている計画外停止率に基づき、将来の特定の年における単位時間毎の電力の供給力の確率分布データを生成し、供給力データ格納部に格納するステップとを含むようにしてもよい。

さらに、供給支障電力データ格納部に格納されたデータに基づき所定の供給信頼度指標のデータを算出し、供給信頼度指標データ格納部に格納するステップをさらに有するようにしてもよい。この供給信頼度指標のデータに基づき電源計画の是非を判断するようにしても良い。例えば供給信頼度指標が基準以下である場合には、当該電源計画については採用できないという出力などを行うようにしても良い。

また、本発明において、停電コスト単価についてのデータと供給支障電力データ格納部に格納されたデータとを用いて将来の特定の年における停電コストについてのデータを生成し、停電コスト・データ格納部に格納するステップと、各発電ユニットの補修条件に関するデータと電力需要データ格納部及び供給力データ格納部に格納されたデータとを用いて、各発電ユニットの最適な運転パターン・データを生成し、運転パターン・データ格納部に格納するステップと、燃料単価についてのデータと運転パターン・データ格納部に格納されたデータとを用いて最適な運転パターン・データに対応する将来の特定の年の燃料費についてのデータを生成し、燃料費データ格納部に格納するステップと、将来の特定の年における発電に係る固定費を算出し、固定費データ格納部に格納するステップと、停電コスト・データ格納部と燃料費データ格納部と固定費データ格納部とに格納されたデータを用いて、発電単価についてのデータを生成し、発電単価データ格納部に格納するステップとをさらに含むようにしてもよい。

従来では制約条件として考慮されるのみであった停電をコスト換算して発電単価データを算出するので、より適切な設備投資を伴う電源計画を定量的に示すことができるようになる。

一方、本発明において、各発電ユニットの補修条件に関するデータと電力需要データ格納部及び供給力データ格納部に格納されたデータとを用いて、各発電ユニットの最適な運転パターン・データを生成し、運転パターン・データ格納部に格納するステップと、燃料単価についてのデータと運転パターン・データ格納部に格納されたデータとを用いて最適な運転パターン・データに対応する将来の特定の年の燃料費についてのデータを生成し、燃料費データ格納部に格納するステップと、将来の特定の年における発電に係る固定費を算出し、固定費データ格納部に格納するステップと、燃料費データ格納部と固定費データ格納部とに格納されたデータを用いて、発電単価についてのデータを生成し、発電単価データ格納部に格納するステップとをさらに含むようにしても良い。停電コストを考慮の対象外としても電源計画を定量的に評価することができるようになる。

なお、燃料単価の自己回帰モデル・データと過去の燃料単価データと長期的シナリオ設定に基づく平均燃料単価のデータとを用いて、将来の特定の年における燃料単価を算出し、燃料単価データ格納部に格納する燃料単価算出ステップをさらに含むようにしてもよい。このように燃料単価についても詳細な設定に基づき予測するようになるため、より実際的な燃料単価を予測できるようになる。

また、為替レートの自己回帰モデル・データと過去の為替レート・データと長期的シナリオ設定に基づく平均為替レートのデータとを用いて、将来の特定の年における為替レートを算出するステップをさらに含み、燃料単価算出ステップにおいて、為替レートを用いて燃料単価を計算するようにしてもよい。

また、本発明に係る情報処理方法をコンピュータに実行させるためのプログラムを作成することも可能であって、当該プログラムは、例えばフレキシブル・ディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等の記憶媒体又は記憶装置に格納される。プログラム等は、ネットワークを介してデジタル信号として配信される場合もある。また、処理途中のデータについては、コンピュータのメモリに一時保管される。

本発明によれば、より現実に近い詳細な設定が可能な、電源計画に関連する新規な情報処理技術を提供することができる。

また別の側面として、より現実に近いシミュレーションを可能にする、電源計画に関連する新規な情報処理方法を提供することができる。

本発明の一実施の形態に係るコンピュータ・システムのシステム概要図を図１乃至図３に示す。図１には、本実施の形態に係るコンピュータ・システムの第１の部分を示す。本コンピュータ・システムにおいては、過去の毎時の電力需要実績データを格納する電力需要実績データ格納部１と、過去の毎年のＧＤＰ（Gross Domestic Product）値などの景気指標実績データを格納する景気指標実績データ格納部３と、過去の毎時の気温及び湿度等の気象実績データを格納する気象実績データ格納部５と、電力需要実績データ格納部１と景気指標実績データ格納部３と気象実績データ格納部５に格納されたデータを用いてユーザによる設定入力に必要なデータを得るための処理を実施し、処理結果をユーザに提示する設定入力補助処理部７と、ユーザの電力需要予測式設定入力９により入力されたデータを格納する条件別予測式係数ＤＢ１５と、ユーザの景気予測モデル設定入力１１により入力されたデータを格納する景気予測モデル・データ格納部１７と、ユーザの気象予測モデル設定入力１３により入力されたデータを格納する気象予測モデル・データ格納部１９と、景気予測モデル・データ格納部１７に格納されたデータを用いて将来のＧＤＰ値などの景気条件データを生成する景気条件発生部２３と、気象予測モデル・データ格納部１９に格納されたデータを用いて将来の気温・湿度等の気象条件データを生成する気象条件発生部２５と、ユーザの離脱獲得需要設定入力２１により入力された、例えば他社から電力を購入することになる顧客についての需要（離脱需要）や新たに電力供給を始めることとなる顧客についての需要（獲得需要）についてのデータを格納する離脱獲得需要データ格納部２７と、景気条件発生部２３により生成された将来の景気条件データを格納する景気条件データ格納部２９と、気象条件発生部２５により生成された将来の気象条件データを格納する気象条件データ格納部３１と、離脱獲得需要データ格納部２７と条件別予測式係数ＤＢ１５と景気条件データ格納部２９と気象条件データ格納部３１に格納されたデータを参照して年間の毎正時の電力需要データを生成する年間毎時需要計算部３３と、年間毎時需要計算部３３の処理結果を格納する年間毎時需要電力データ格納部３５とが含まれる。

図２には、本実施の形態に係るコンピュータ・システムの第２の部分を示す。本コンピュータ・システムは、図１に示した部分に加えて、発電ユニット毎に特性データを格納する発電ユニット別特性ＤＢ３９と、ユーザの電源計画設定入力３７により入力される、新設又は廃止する発電所についてのデータ及び他社からの電力購入計画についてのデータを格納する電源計画データ格納部４３と、電源計画データ格納部４３と発電ユニット別特性ＤＢ３９と年間毎時需要電力データ格納部３５に格納されたデータを用いて各発電ユニットの補修計画を最適化するための処理を実施する補修計画最適化計算部４５と、補修計画最適化計算部４５により生成された各発電ユニットの補修計画のデータ（各電源ユニットの起動停止日時のデータ）を格納する年間毎時供給力データ格納部４７と、発電ユニット別特性ＤＢ３９と年間毎時供給力データ格納部４７に格納されたデータを用いて年間の毎正時における供給力の確率分布データを生成する供給力確率分布計算部５１と、供給力確率分布計算部５１の処理結果を格納する年間毎時供給力確率分布データ格納部５３と、年間毎時供給力確率分布データ格納部５３と年間毎時需要電力データ格納部３５に格納されているデータを用いて供給支障電力の確率分布データを生成する供給支障電力計算部５７と、供給支障電力計算部５７により生成されたデータを格納する供給支障電力確率分布データ格納部６１と、ユーザの停電コスト単価設定入力５９により入力される停電コスト単価のデータを格納する停電コスト単価データ格納部６７と、供給支障電力確率分布データ格納部６１と停電コスト単価データ格納部６７に格納されたデータを用いて停電コストのデータを生成する停電コスト計算部６９と、停電コスト計算部６９の処理結果を格納する停電コストデータ格納部７１と、供給支障電力確率分布データ格納部６１に格納されたデータを用いて供給信頼度指標を計算する供給信頼度指標計算部６３と、供給信頼度指標計算部６３の処理結果である供給信頼度指標のデータを格納する供給信頼度指標データ格納部６５と、年間毎時需要電力データ格納部３５と発電ユニット別特性ＤＢ３９と年間毎時供給力データ格納部４７に格納されたデータを用いて各発電所の運転パターンを最適化するための処理を実施する各発電ユニット運転パターン最適化計算部４９と、各発電ユニット運転パターン最適化計算部４９の処理結果である各発電ユニットの起動停止日時データを格納するユニット別起動停止日時データ格納部５５とを含む。

図３には、本実施の形態に係るコンピュータ・システムの第３の部分を示す。本コンピュータ・システムは、図１及び図２に示した部分に加えて、過去の燃料単価及び為替レートのデータを格納する燃料単価実績データ格納部７３と、燃料単価実績データ格納部７３に格納されたデータを用いてユーザが燃料単価予測モデルについての設定入力を行う際に参照されるデータを生成し、ユーザに提示するモデル設定補助処理部７５と、ユーザの燃料単価予測モデル設定入力７７により入力された燃料単価予測モデルについてのデータを格納する燃料単価予測モデル・データ格納部７９と、燃料単価実績データ格納部７３と燃料単価予測モデル・データ格納部７９に格納されたデータを用いて将来の予測燃料単価の確率分布データを計算する予測燃料単価計算部８１と、予測燃料単価計算部８１の処理結果を格納する予測燃料単価確率分布データ格納部８３と、発電ユニット別特性ＤＢ３９と予測燃料単価確率分布データ格納部８３とユニット別起動停止日時データ格納部５５に格納されたデータを用いて燃料費の確率分布データを計算する燃料費計算部８７と、燃料費計算部８７の処理結果である燃料費の確率分布データを格納する燃料費確率分布データ格納部８９と、ユーザの固定費配分設定入力９１により入力された固定費配分データを格納する固定費配分データ格納部９３と、固定費配分データ格納部９３と電源計画データ格納部４３に格納されたデータを用いて固定費データを計算する固定費計算部９４と、固定費計算部９４の処理結果を格納する固定費データ格納部９６と、固定費データ格納部９６と燃料費確率分布データ格納部８９と年間毎時需要電力データ格納部３５と停電コストデータ格納部７１に格納されたデータを用いて発電単価の確率分布データを算出する発電単価計算部９５と、発電単価計算部９５の処理結果を格納する発電単価確率分布データ格納部９７とを含む。

次に図１乃至図３に示した本実施の形態に係るコンピュータ・システムの処理内容について、図４に示す処理フローに沿って図５乃至図１３を用いて説明する。まず、ユーザは入力装置を用いて電源計画設定入力３７を行い、本コンピュータ・システムは電源計画設定入力３７を受け付け、全ての電源計画データを電源計画データ格納部４３に格納する（ステップＳ１）。電源計画データとは、例えばＡ火力発電所の２号機が２０１０年７月１日に運転開始するといったデータであったり、Ｂ火力発電所の１号機が２００５年１０月３０日に廃止されるといったデータである。また、電源計画データには他社からの購入電力計画値のデータも含まれる。本実施の形態では、最終的に各電源計画についての発電単価の確率分布などを比較するため、以下では電源計画毎に繰り返し処理を実施する。このため、本実施の形態ではこの段階にて全ての電源計画データを入力するようになっている。但し、１つの電源計画について以下の処理を実施してもよく、必ずしも複数の電源計画について比較を行わなければならないわけではない。

次に、ユーザは各種データ入力を実施し、本コンピュータ・システムは各種データ入力を受け付け、各種データ格納部に格納する（ステップＳ３）。なお、設定入力補助処理が必要な場合には、設定入力補助処理部（設定入力補助処理部７及びモデル設定補助処理部７５）が処理を実施してユーザに処理結果を提示し、ユーザは当該処理結果を参照して各種データ入力を実施する。なお、データ入力は手入力のみならずファイル等を用いた入力であっても良い。

最初に電力需要予測式設定入力９について説明する。前提として、年間毎時需要計算部３３は、以下の予測式からある年における毎正時までの１時間の電力量Ｐ（平均電力）を推定する。
Ｐ＝ａ（Ｔ−Ｔ₀）＋ｂ（Ｈ−Ｈ₀）＋ｃ（Ｇ−Ｇ₀）＋ｄ （１）
ここでＴは気温、Ｔ₀は気温の設定基準値、Ｈは湿度、Ｈ₀は湿度の設定基準値、ＧはＧＤＰの年度実額の相対値（例えば１９９０年を１とする値）、Ｇ₀はＧＤＰの年度実額の相対値の設定基準値である。

なお、日時の条件の違いによって、需要に占める冷暖房負荷の割合や、産業用・民生用の比率などが異なるので、平日・土曜・日曜・祝日・盆・正月など日毎の種別と時刻によって、（１）式の各係数は異なる値をとる。従って、本実施の形態では、日種別として平日・土・日の３種類、時刻で２４種に分けるものとする。また、電力需要への気温の影響は、冷房季・暖房季・中間季で異なるので、例えば１５度と２２度を境界値として３本の折れ線で近似する。図５に２００１年度の平日１４時における気温と電力需要の関係を表すグラフを示す。図５では、縦軸は電力需要［ＭＷ］、横軸は気温［度］を表す。気温と電力需要との関係は、１５度までは直線５０１、１５度から２２度までは直線５０２、２２度以上は直線５０３といったように、３つの区間において異なる直線で近似することが好ましいことが分かっている。

そうすると、１年間の毎時電力需要は、３×２４×３＝２１６種類の１次式で近似できるようになる。従って、予測を行う１年につきａ，ｂ，ｃ及びｄを２１６セット用意しなければならない。電力需要予測式設定入力９は、予測を行う１年につき２１６セットのａ，ｂ，ｃ及びｄの値の入力を含むものである。

但し、このようなデータを全てユーザが自らが設定することは難しい部分もあるので、電力需要実績データ格納部１に格納されたデータを用いて設定入力補助処理部７が処理を行い、処理結果をユーザに提示し、その結果をもってユーザは電力需要予測式設定入力９を行う。

以下、気温についての係数ａ、湿度についての係数ｂ、ＧＤＰについての係数ｃ、及び係数ｄについて個別に説明する。

最初に気温についての係数ａについて説明する。図５に示したように、気温と電力需要との関係は直線で近似することができ、その直線近似した時の傾きが、気温感応度で係数ａとなる。

気温について考察する場合には、以下の点も考慮するものとする。すなわち、冷暖房用電力需要は、室内外の気温差にほぼ比例すると考えられる。室内気温は、室外気温よりも時間遅れを持って変化するので、冷暖房負荷は数時間前からの平均（室外）気温に比例すると推定できる。そこで、ここでは過去実績の分析から、２時間前までの３点平均気温を用いる。また、気温としては想定する地域全体を考慮するため、例えば県庁所在地等の気温を県毎の平均需要比率によって加重平均した値を用いる。

係数ａの過去分については電力需要実績データ格納部１に格納されているデータに対して設定入力補助処理部７が重回帰計算を実施すれば求めることができるが、今回必要な係数ａは将来分である。従って、例えば過去の係数ａを電力需要実績データ格納部１に格納されているデータに対して設定入力補助処理部７が重回帰計算を実施して求め、将来分については、気温感応度の増大傾向の態様についての設定に従って増加するものとして設定入力補助処理部７が予測値を計算する。

例えば、気温感応度は過去１０年以上ほぼ直線的に増加しているので１０年以内の予測であれば直線的に増大するという増加傾向の態様を採用するものとする。また、１０年以上先の予測式を考える場合には直線的に増加するものとすると気温感応度が大きくなりすぎるので、例えば、増大するが次第に飽和するという増加傾向の態様を採用するものとする。

気温感応度が直線的に増加するという増加傾向の態様を採用する場合には、過去の気温感応度と年の関係から気温感応度の年変化を表す直線を求め、当該直線に従って予測すべき年の気温感応度を計算する。なお、１年につき２１６種類の気温感応度（係数ａ）があるので、それぞれにつき同様の計算を行う必要がある。

また次第に飽和するという増加傾向の態様を採用する場合には、ｘ年の気温感応度ｙを例えばｙ＝ａ（１−ｅ^-bｘ-c）（但し、この式におけるａ，ｂ及びｃはこの式における係数で、（１）式における係数ではない）という関数で近似する。これは遠い将来ａまでで気温感応度が飽和するものと設定したもので、過去の気温感応度（Ｘ_n，Ｙ_n）についてlog（1−Ｙ_n／ａ）＝−bＸ_n−c から定数ｂ及びｃを決定し、上記指数関数を特定する。そして、当該指数関数に従って予測すべき年の気温感応度を計算する。なお、１年につき２１６種類の気温感応度（係数ａ）があるので、それぞれにつき同様の計算を行う必要がある。

図６に平日２２度以上の場合の気温感応度の年変化を表すグラフを示す。縦軸は気温感応度を示し、横軸は年度を表す。また、折れ線６０１は２１時の気温感応度、折れ線６０２は１５時の気温感応度、折れ線６０３は２３時の気温感応度、折れ線６０４は９時の気温感応度、折れ線６０５は３時の気温感応度を表している。なお、本図では２００２年以降は直線近似した場合の予測値となっている。

次に、湿度について考察する。湿度についても、気温と同様に、２時間前からの平均相対湿度について、地域ごとに加重平均した値を用いるものとする。例えば、図７に、２００１年の平日１４時における、気温比例分を除いた電力需要［ＭＷ］と相対湿度の関係を示すグラフを示す。図７では、縦軸は気温比例分を除いた電力需要［ＭＷ］を示し、横軸は相対湿度を示す。気温ほどの強い相関は認められないが、同一の気温でも、不快指数の高くなる高湿度時の冷房需要や、雨天時の照明負荷による需要増を反映できると考えられる。図７における直線７０１の傾きが湿度感応度であり、この湿度感応度が係数ｂとなる。

係数ｂの過去分については電力需要実績データ格納部１に格納されているデータに対して設定入力補助処理部７が重回帰計算を実施すれば求めることができるが、今回必要な係数ｂは将来分である。但し、湿度感応度については過去データでは増大傾向がはっきりしないので、本実施の形態では過去の湿度感応度の平均を将来の湿度感応度とする。従って、設定入力補助処理部７は、電力需要実績データ格納部１に格納されているデータに対して重回帰計算を実施して過去の係数ｂを求め、さらにそれらの平均値を計算する。なお、１年につき２１６種類の係数ｂが存在しているので、それぞれにつき計算を行う必要がある。

次に、ＧＤＰについて考察する。ＧＤＰについては、気温や湿度と異なり年に１つの数値（四半期毎のＧＤＰを用いる場合には４つになるが、本実施の形態では１つであるものとする。）しかないので、各年のデータを用いて議論する。簡単のためＧＤＰは気温及び湿度との間に相関は無いものと仮定すると、過去の各年電力需要Ｐは以下の式で表される。
Ｐ＝ａ（Ｔ−Ｔ₀）＋ｂ（Ｈ−Ｈ₀）＋ｅ
そして、気象影響分を除いた切片ｅについて
ｅ＝ｃ（Ｇ−Ｇ₀）＋ｄ
となるように係数ｃ及びｄを決定する。ＧＤＰについては年度実額の相対値を用いる。そして、ＧＤＰの年度実額の相対値と気温及び湿度の影響を除いた電力需要との関係は、例えば図８のようになる。ここでは平日２２度以上の場合を示す。三角は１５時を、丸は９時を、ひし形は２１時を、四角は２４時を示している。各時刻におけるＧＤＰの年度実額の相対値と電力需要との関係を直線で近似すると、１５時については直線８０１、２１時については直線８０２、９時については直線８０３、２４時については直線８０４となる。この直線の傾きがＧＤＰ感応度（係数ｃ）であり、切片が係数ｄとなる。

このように、係数ｃの過去分については電力需要実績データ格納部１に格納されているデータに対して設定入力補助処理部７が重回帰計算を実施すれば求めることができる。将来分については、気温感応度と同様に、直線的に増加する態様、飽和的に増加する態様、または年変化しない態様などユーザのポリシーに基づいて予測を行う必要がある。すなわち、設定入力補助処理部７は、当該ポリシーに従った形で予測すべき年のＧＤＰ感応度を算出する。係数ｄについても上で述べたような形で計算される。また、他の係数と同様に２１６種類の係数ｃ及びｄが存在しているので、それぞれにつき求める必要がある。

なお、上で述べたような計算を行うと、年間を通じ平休日区分・気温帯・時刻が同じならば同じ係数の予測式となる。しかし、例えば１１月２８日と４月４日の気象条件がほぼ同様であれば、予測式による電力需要はほぼ同じとなるが、実績値と予測値の乖離が１７時乃至１９時に大きくなることが分かっている。これは、日没の早い１１月の方は住宅等の点灯負荷が工場やオフィス等の需要と重なるため予測値よりも大きく、４月の方はこれがないため予測値よりも需要が小さくなるためと考えられる。この季節による点灯負荷の時間的ずれ等を反映するため、次の補正を行う必要がある。すなわち、設定入力補助処理部７は、予測式に過去の実績の気温、湿度及びＧＤＰ値を代入して電力需要を計算し、実績需要との誤差を平日・土・日別、時刻別に求め、更に月別に平均する。この平均値を係数ｄから差し引く（又は加える）ためのデータとして月別に保持し、実際に需要予測を行う際に用いるデータとして需要予測式設定入力９に含める。

なお、上で述べたような形で１年分の係数ａ，ｂ，ｃ及びｄを２１６セット計算する方法ではなく、他の方法を用いて係数を求め、その結果を採用するようにしても良い。

以上のような処理を設定入力補助処理部７又は他の計算機などを用いて実施する。また、電力需要予測式設定入力９により入力されたデータについては、条件別予測式係数ＤＢ１５に格納される。なお、設定入力補助処理部７の処理結果をそのまま使用するか否かについてはユーザの判断による。従って、ユーザは設定入力補助処理部７の処理結果を修正してから電力需要予測式設定入力９として入力しても良いし、そのままの値を入力しても良い。

次に、景気予測モデル設定入力１１について説明する。例えば、ｎ年後のＧＤＰ_nについて、今年度のＧＤＰ₀及び例えば過去１０年の平均伸び率ｒとその標準偏差σから、ＧＤＰ_nの期待値＝ＧＤＰ₀（１＋ｒ）ⁿ、ＧＤＰ_nの標準偏差σ_n＝ｎ^1/2σとし、正規分布で近似するものとする。従って、設定入力補助処理部７は、ＧＤＰ₀を景気指標実績データ格納部３から読み出すと共に、平均伸び率ｒとその標準偏差σを算出する。そしてこれらのデータをユーザに提示する。そして、ユーザは、ＧＤＰ₀、ｒ、σ及び上記計算式についてのデータを含む景気予測モデル設定入力１１を行う。但し、他の景気予測モデルを用いても良く、その場合には設定入力補助処理部７はそのモデルに沿った処理を実施し、景気予測モデル設定入力１１はそのモデルに必要なデータを含むようになる。なお、設定入力補助処理部７の処理結果をそのまま使用するか否かについてはユーザの判断による。従って、ユーザは設定入力補助処理部７の処理結果を修正しても良いし、そのまま使用しても良い。なお、景気予測モデル設定入力１１により入力されたデータは、景気予測モデル・データ格納部１７に格納される。

次に、気象予測モデル設定入力１３について説明する。年間毎時の気象データを生成するためのモデルとしては、過去実績に基づく確率分布だけでは不十分である。なぜなら、１時間毎にバラバラの気温が出てくるので、毎時需要予測には使えない。季節と時刻による周期的変化と雨のようなランダムな変化を連続的につなげたようなモデルが必要である。すなわち、平日１４時の気温分布を過去実績から求めるのでは不十分で、８月１日１３時の気温を予測した時のパラメータを少し変えることにより、８月１日１４時の気温を予測するようにする。

そこで、例えば過去１０年の毎時気温変化をフーリエ級数展開することにより、次式で近似するものとする。基本的には、毎時気温Ｔ＝年周期変化Ｔy＋日周期変化Ｔd＋ランダム変化Ｔrとして、
Ｔy＝Ｔm＋Ａ₁sinθ＋Ｂ₁cosθ＋Ａ₂sin2θ＋Ｂ₂cos2θ＋Ａ₃sin3θ＋Ｂ₃cos3θ＋．．．
（但し、θ＝２π／３６５×（４月１日からの日数））
Ｔd＝Ｃ₁sinτ＋Ｄ₁cosτ＋Ｃ₂sin2τ＋Ｄ₂cos2τ＋Ｃ₃sin3τ＋Ｄ₃cos3τ＋．．．
（但し、τ＝２π／２４×（時刻））
Ｔr〜Ｎ（μ，σ）（平均μ、標準偏差σの正規分布）

このＴm、Ａ₁、Ｂ₁、Ａ₂、Ｂ₂、．．．については年度毎に異なるが、設定入力補助処理部７はそれぞれの平均と標準偏差を算出する。さらに、Ｃ₁、Ｄ₁、Ｃ₂、Ｄ₂、．．．についても日毎に異なるが、季節による日変化の違いが反映されるように、設定入力補助処理部７はそれぞれの月毎の平均と標準偏差を算出する。そして、このような計算結果をユーザに対して提示する。ユーザは、提示された内容を参照し、最終的な気象予測モデル設定入力１３に含める。

湿度についても同様に、各係数の平均及び標準偏差を設定入力補助処理部７が計算し、ユーザに提示する。ユーザは、提示された内容を参照し、最終的な気象予測モデル設定入力１３に含める。

気象予測モデル設定入力１３により入力されたデータは、気象予測モデル・データ格納部１９に格納される。

次に、離脱獲得需要設定入力２１について説明する。例えば、参入事業者の発電所建設計画等からｎ年後の離脱需要の最大電力を予測し、離脱しそうな需要家（例えば大口業務用など）の平均的な負荷曲線を積み重ねることにより毎時の離脱需要値を決定し、当該データを離脱獲得需要設定入力２１に含める。なお、獲得しそうな需要家の平均的な負荷曲線を積み重ねることにより毎時の獲得需要値を決定し、当該データを離脱獲得需要設定入力２１に含める。

なお、近似として、離脱需要家の負荷曲線が全体の負荷曲線と相似形であるとして毎時の離脱電力値を決定し、離脱獲得需要設定入力２１に含めるようにしても良い。新規獲得需要についても同様である。

さらに、例えば公表された発電所増設計画等による他社の供給力と、離脱需要の最大電力がｎ年後までは等しい、すなわち増設分はすべて離脱してしまうと単純に予測した上で、ｎ＋１年後の離脱需要最大電力Ｐ_n+1を、ｎ年後の自社発電コスト期待値Ｃ_n1と他社発電コスト期待値Ｃ_n2の関数として、Ｐ_n+1＝Ｐ_n＋ｋ（Ｃ_n1−Ｃ_n2）とすることで、将来の離脱需要を予測するような方式を採用しても良い。

このような離脱獲得需要設定入力２１により入力されたデータは、離脱獲得需要データ格納部２７に格納される。

次に、停電コスト単価設定入力５９について説明する。停電コストは、継続時間と規模（電力）で特定され、例えば継続時間１時間で、１ｋＷの場合２０円／ｋＷ、１０００ｋＷの場合２００円／ｋＷ、１００万ｋＷで２０００円／ｋＷといった形で設定される。このようなデータが停電コスト単価設定入力５９に含められる。停電コスト単価設定入力５９により入力されたデータは、停電コスト単価データ格納部６７に格納される。

次に、燃料単価予測モデル設定入力７７について説明する。まず、原油価格についての設定内容について説明する。まず長期トレンドのシナリオの設定を行う。すなわち、原油価格と為替レートについての長期トレンドのシナリオを決定し、入力する。例えば、原油価格と為替レートの平均値は、１０年後まで現在値と等しく、その後は年１％ずつ上昇するという長期トレンドのシナリオを決定し、燃料単価予測モデル設定入力７７として入力する。

また、発電に用いる燃料の価格は互いに相関を有する複数種類の原油価格の加重平均であり、ドル建ての価格でも為替レートと相関を有するモデルを用いる。従って、ｍという月のｎ種類の原油価格ｙ₁(m)，ｙ₂(m)，．．．ｙ_n(m)［ドル／バレル］と、為替レートＹ(m)［円／ドル］について、ベクトルｙ（ｍ）＝（ｙ₁(m)，ｙ₂(m)，．．．，ｙ_n，Ｙ(m)）を定義し、以下の多変数自己回帰式を考える。

そして、モデル設定補助計算部７５は、燃料単価実績データ格納部７３を参照して例えば過去データ１０年分について最も当てはまる係数ベクトルａ₀（ｎ＋１行１列）と係数行列Ａ₁，Ａ₂，．．．（ｎ＋１行ｎ＋１列）とを最小二乗法などにより推定し、平均０の正規分布ベクトルεの各要素に対応する標準偏差（ｎ＋１種類）を決定する。そして、ユーザに処理結果を提示し、ユーザは提示された処理結果を参照して最終的な係数ベクトルなどのデータを決定し、長期価格シナリオについてのデータと共に燃料単価予測モデル設定入力７７として入力する。

なお、他の燃料であるＬＮＧ価格については、例えば原油価格に比例するものとして比例定数などのデータを、モデル設定補助処理部７５により計算し、ユーザに提示する。ユーザは、提示されたデータを参照して、比例定数などを燃料単価予測モデル設定入力７７として入力する。また、変動の少ない石炭やウラン燃料については、モデル設定補助処理部７５が、燃料単価実績データ格納部７３に格納された過去の価格を平均するなどの処理を実施し、処理結果をユーザに提示する。ユーザは、提示されたデータを参照して最終的な価格を決定し、燃料単価予測モデル設定入力７７として入力する。

燃料単価予測モデル設定入力７７により入力されたデータは、燃料単価予測モデル・データ格納部７９に格納する。

次に、固定費配分設定入力９１について説明する。固定費には、減価償却費、修繕費、人件費が含まれる。減価償却費については、例えば発電種別毎に決められた法定耐用年数及び定率法により償却する場合の償却率といったデータが含まれる。修繕費については、発電種別毎に決められた修繕費率と、建設から所定の年数以上たった老朽施設の場合に適用される割増率又は割増額などのデータが含まれる。人件費については、容量に対する人件費率などについてのデータが含まれる。固定費配分設定入力９１により入力されたデータは、固定費配分データ格納部９３に格納される。

このような設定入力が行われると、図４のステップＳ３が実施されたことになる。図４の処理フローの説明に戻って、本コンピュータ・システムは、電源計画の番号Ｐを１に初期化し（ステップＳ４）、Ｐ番目の電源計画データを電源計画データ格納部４３からメインメモリなどのワークメモリ領域に読み出す（ステップＳ５）。そして、予測年度Ｎを初期値（例えばＮ＝２０１０）に設定し（ステップＳ７）、さらに計算回数Ｄを初期値（例えばＤ＝１）に設定する（ステップＳ９）。

次に、景気条件発生部２３は、景気予測モデル・データ格納部１７に格納されたデータを読み出し、当該読み出したデータを用いてＮ年度Ｄ回目の景気条件データを生成し、景気条件データ格納部２９に格納する（ステップＳ１１）。景気予測モデル・データ格納部１７に格納されているデータは、上で述べたように、ｎ年後のＧＤＰ_nの期待値とＧＤＰ_nの標準偏差σ_nの式と、今年度のＧＤＰ₀と平均伸び率ｒとその標準偏差σであるから、景気条件発生部２３は、ｎ年後のＧＤＰ_nの期待値とＧＤＰ_nの標準偏差σ_nを算出し、このような期待値及び標準偏差に従う正規分布として乱数を発生させ、ｎ年後（＝Ｎ年度）のＧＤＰ値とし、景気条件データ格納部２９に格納する。

また、気象条件発生部２５は、気象予測モデル・データ格納部１９に格納されたデータを読み出し、当該読み出したデータを用いてＮ年度Ｄ回目の気象条件データを生成し、気象条件データ格納部３１に格納する（ステップＳ１３）。気象条件には気温と湿度が含まれる。基本的には気温も湿度も同様なモデルで表されているので、同様の処理を実施すればよい。

図９に気温データ生成処理の処理フローを示す。気象条件発生部２５は、まず年周期変化Ｔyの各係数（Ｔm，Ａ₁，Ｂ₁，Ａ₂，Ｂ₂，．．．）について平均と標準偏差を気象予測モデル・データ格納部１９から例えばワークメモリ領域に読み込む（ステップＳ２０１）。次に、各係数について読み出した平均と標準偏差を有する正規分布に従う乱数を発生させることにより各係数の値を算出し、例えば気象予測モデル・データ格納部１９に格納する（ステップＳ２０３）。これにより、処理年の年周期変化を決定する。そして、ｔ＝１、ｎ＝０という初期設定を行う（ステップＳ２０５）。なおｔは時間を表し、ｎは日を表すカウンタである。

次に、気象条件発生部２５は、日周期変化Ｔdとランダム変化Ｔrの各係数（Ｃ₁，Ｄ₁，Ｃ₂，Ｄ₂，．．．，Ｔr）の該当月（ｔの属する月）の平均と標準偏差とを気象予測モデル・データ格納部１９から例えばワークメモリ領域に読み込む（ステップＳ２０７）。次に、気象条件発生部２５は、各係数について読み出した平均と標準偏差を有する正規分布に従う乱数を発生させることにより各係数の値を算出し、例えば気象予測モデル・データ格納部１９に格納する（ステップＳ２０９）。これにより、処理日における日周期変化とランダム変化を決定する。

上でも述べたが、毎時気温Ｔ＝年周期変化Ｔy＋日周期変化Ｔd＋ランダム変化Ｔrであって、
Ｔy＝Ｔm＋Ａ₁sinθ＋Ｂ₁cosθ＋Ａ₂sin2θ＋Ｂ₂cos2θ＋Ａ₃sin3θ＋Ｂ₃cos3θ＋．．．
（但し、θ＝２π／３６５×（４月１日からの日数））
Ｔd＝Ｃ₁sinτ＋Ｄ₁cosτ＋Ｃ₂sin2τ＋Ｄ₂cos2τ＋Ｃ₃sin3τ＋Ｄ₃cos3τ＋．．．
（但し、τ＝２π／２４×（時刻））
Ｔr〜Ｎ（μ，σ）（平均μ、標準偏差σの正規分布）
である。

従って、気象条件発生部２５は、ステップＳ２０３及びＳ２０９で算出された各係数の値を用いて上に示した毎時気温計算式に従って気温（ここでは１時の気温）を算出し、気象条件データ格納部３１に格納する（ステップＳ２１１）。そして、ｔが８７６０より大きいか判断する（ステップＳ２１３）。なお、処理年がうるう年である場合にはｔ＞８７８４であるか判断する。もし、ｔが８７６０未満である場合には、ｎを１インクリメントし、ｔ＝２４ｎ＋１と設定する（ステップＳ２１５）。そしてステップＳ２０７に戻る。このように、ステップＳ２０７乃至Ｓ２１５では処理年の毎日１時の気温を算出するようになっている。

一方、ｔが８７６０より大きい場合には、ｔ＝２、ｎ＝０と設定する（ステップＳ２１７）。そして、気象条件発生部２５は、ｔ＝２４ｎ＋１とｔ＝２４ｎ＋２５の時の各係数からｔ＝２４ｎ＋２からｔ＝２４ｎ＋２４の時の各係数を内挿補間により算出し、例えば気象予測モデル・データ格納部１９に格納する（ステップＳ２１９）。この内挿補間は、直線や高次の多項式によるスプライン補間であり、各時刻の係数を連続して変化させるものである。例えば直線補間の場合、ｔ＝２４ｎ＋１の時の係数がａ、ｔ＝２４ｎ＋２５の時の係数がｂとすれば、ｔ＝２４ｎ＋ｋ（ｋは２から２４）の時の補間値は、ａ＋（ｂ−ａ）・（ｋ−１）／２４）となる。この処理により、自然の変化に近い気温（湿度も同じ処理を実施する）を得ることができるようになる。そして、気象条件発生部２５は、算出された各係数（補間値）と上に示した毎時気温計算式とを用いて、ｔ＝２４ｎ＋２からｔ＝２４ｎ＋２４までの毎時の気温を算出し、気象条件データ格納部３１に格納する（ステップＳ２２１）。

その後ｔを１インクリメントする（ステップＳ２２３）。そして、ｔが８７６０より大きいか判断する（ステップＳ２２５）。なお、処理年がうるう年である場合にはｔ＞８７８４であるか判断する。もし、ｔが８７６０未満である場合には、ｔが２４ｎ＋２４より大きいか判断する（ステップＳ２２７）。ｔが２４ｎ＋２４以下であれば、まだ１日の処理が終了していないのでステップＳ２１９に戻る。一方、ｔが２４ｎ＋２４より大きい場合には、ｎを１インクリメントすると共にｔ＝２４ｎ＋２にセットする（ステップＳ２２９）。そしてステップＳ２１９に戻る。一方ステップＳ２２５において、ｔが８７６０より大きいと判断された場合には、処理年の毎時の気温を算出することができたことになるので、図４の処理に戻る。このようにステップＳ２１７乃至Ｓ２２９により毎日の２時から２４時までの気温を算出するようになっている。

以上図９に述べたような処理を実施すれば１年８７６０時間（うるう年の場合には８７８４時間）全ての気温及び湿度が気象条件データ格納部３１に格納される。

図４の処理フローの説明に戻って、年間毎時需要計算部３３は、離脱獲得需要データ格納部２７と景気条件データ格納部２９と条件別予測式係数ＤＢ１５と気象条件データ格納部３１とに格納されたデータを例えばワークメモリ領域に読み出して、当該読み出したデータを用いてＮ年度Ｄ回目の毎時電力需要を算出し、年間毎時需要電力データ格納部３５に格納する（ステップＳ１５）。上で述べたが、電力需要Ｐは基本的には以下の式で計算される。
Ｐ＝ａ（Ｔ−Ｔ₀）＋ｂ（Ｈ−Ｈ₀）＋ｃ（Ｇ−Ｇ₀）＋ｄ （１）

本コンピュータ・システムに予め保持されているＮ年度のカレンダ及び気象条件データ格納部３１に格納された気温データ（温度帯が異なる場合もあるので）に基づいて、Ｎ年度の各正時につき、条件別予測式係数ＤＢ１５から該当する係数のセット（必要な場合には係数ｄの補正係数を含む）を読み出し、景気条件データ格納部２９に格納されたＮ年度のＧＤＰ値（ここでは相対値を用いる）と気象条件データ格納部３１に格納された当該日時の気温及び湿度データを用いて電力需要Ｐを計算し、例えばワークメモリ領域に格納する。さらに、離脱獲得需要データ格納部２７に格納されているＮ年度の各正時における離脱電力需要と獲得電力需要若しくはそれらを総合した電力需要により、算出した電力需要Ｐを調整する。最終的なＮ年度の各正時における電力需要のデータは、年間毎時需要電力データ格納部３５に格納される。

そして、補修計画最適化計算部４５は、発電ユニット別特性ＤＢ３９と年間毎時需要電力データ格納部３５とに格納されたデータを例えばワークメモリ領域に読み出して、当該読み出したデータを用いてＮ年度Ｄ回目の補修計画最適化処理を実施し、年間毎時供給力データを生成し、年間毎時供給力データ格納部４７に格納する（ステップＳ１７）。なお、電源計画データ格納部４３に格納されたＰ番目の電源計画データについては既にワークメモリ領域に読み出されているので、そのデータを用いる。

発電ユニット別特性ＤＢ３９には、以下のようなデータが格納されている。すなわち、火力原子力発電の場合、容量と年間所要補修日数のほか、燃料種別（石油・石炭・ＬＮＧ・原子力）、効率（１時間当たりの燃料消費量Ｆ（＝aＰ²＋bＰ＋c）を出力Ｐの２次式で表したときの３つの係数a, b及びc）、起動停止に伴うロス（kcal／回）、最低負荷率（あまり小さな出力では安定して発電できないため）、周波数調整（ＡＦＣ）特性（電力系統全体の周波数調整に使える出力調整幅）、計画外停止率、停止を週単位でするか日単位でするか毎日止められるかの区分などが含まれる。また、ダムのない小さな水力発電の場合、降水量によって出力が変化するので、夏と冬に分けて日平均出力などのデータが含まれる。大きな水力発電の場合、下流に流せる水量に上下限があるので、最低出力や１日の最大発電量などのデータも含まれる。さらに、揚水式水力発電の場合は、揚水運転の時の効率のデータも含まれる。

補修計画最適化計算部４５は、年間毎時需要電力データ格納部３５に格納されているＮ年度の毎時の電力需要を満たし、発電ユニット別特性ＤＢ３９に格納された発電ユニットの補修等の条件を満たし、さらにステップＳ５で読み出したＰ番目の電源計画データに従って、発電ユニットの補修計画（起動停止日時スケジュール・データ）を立案する。簡単に説明すると、Ａ火力発電所１号機は、４月第１乃至第４週目に点検のため停止といったように、全ての発電ユニットについて停止時期が決定される。そして、このような予定を時系列に並べ替えれば、Ｎ年度の毎時の供給力が確定するため、起動停止日時スケジュール・データ及び供給力データを年間毎時供給力データ格納部４７に格納する。Ｎ年度の毎時の供給力は、全発電ユニット出力−補修停止電力＋他社からの購入電力計画値となる。なお、この処理の詳細は周知であり、例えば関根泰次著「電力系統工学」（電気書院）ｐ２９８乃至ｐ２９９などに詳細が開示されている。よって、ここではこれ以上述べない。

そして、供給力確率分布計算部５１は、発電ユニット別特性ＤＢ３９と年間毎時供給力データ格納部４７に格納されたデータを例えばワークメモリ領域に読み出し、当該読み出したデータに含まれる各発電ユニットの起動停止日時スケジュール・データと計画外停止率とから、Ｎ年度Ｄ回目の毎時の供給力確率分布データを計算し、年間毎時供給力確率分布データ格納部５３に格納する（ステップＳ１９）。この計算方法についても周知であるので、これ以上説明しない。

次に、供給支障電力計算部５７は、Ｎ年度Ｄ回目の停電コスト算出処理を実施する（ステップＳ２１）。この処理については、図１０を用いて説明する。

まず、供給支障電力計算部５７は、年間毎時需要電力データ格納部３５と年間毎時供給力確率分布データ格納部５３とに格納されたデータを例えばワークメモリ領域に読み出し、当該読み出したデータを用いてＮ年度Ｄ回目の供給支障電力確率分布を算出し、供給支障電力確率分布データ格納部６１に格納する（ステップＳ６５）。年間毎時需要電力データ格納部３５のデータから、Ｎ年度の時刻ｔの電力需要Ｌ(t)を得ることができる。一方、年間毎時供給力確率分布データ格納部５３のデータから、時刻ｔにおける供給力の確率密度関数ｆ_t(y)が得られる。このときｘ（＝Ｌ−ｙ［ｋＷ］）の供給支障が発生する確率は以下のとおりになる。

これが供給支障電力の確率分布となり、供給支障電力確率分布データ格納部６１に格納される。なお、上で述べた処理については周知であり、例えば「電気工学ハンドブック第６版」（電気学会）ｐ１００２乃至ｐ１００３に詳細に開示されている。従って、ここではこれ以上述べない。

そして、停電コスト計算部６９は、供給支障電力確率分布データ格納部６１と停電コスト単価データ格納部６７に格納されたデータを例えばワークメモリ領域に読み出し、当該読み出したデータを用いてＮ年度Ｄ回目の停止コストデータを計算し、停電コストデータ格納部７１に格納する（ステップＳ６７）。このステップでは、供給支障電力確率分布データ格納部６１に格納されているＰ(x,t)のデータを読み出し、以下の計算式によりＮ年度にｘ［ｋＷ］の供給支障が発生する時間の期待値を算出し、例えばワークメモリ領域に格納する。

一方、ｘ［ｋＷ］の停電が１時間発生した場合のコストをＣ(x)［円／ｋＷｈ］とする。このデータは停電コスト単価データ格納部６７に格納されたデータである。なお、厳密には３時間連続の停電コストは１時間の停電３回よりも高いというように、停電コストは継続時間によって異なるが、ここでは停電コストは単純に時間に比例するものとする。そうするとＮ年度の停電コストは、以下のようになる。

このように計算された停電コストデータは停電コスト分布確率分布データ格納部７１に格納される。そして処理は図４の処理フローに戻る。

本実施の形態では、従来の電源計画では制約条件としか考慮されていなかった停電をコスト換算して発電単価に包含させることができるため、例えば発電所に対する投資が不十分で停電が多く発生するような電源計画では停電コストは高くなるので、供給信頼度において問題のある電源計画を定量的に示すことができるようになる。但し、停電コストの算出を行わずに発電単価を算出するようにしても良い。すなわち図１０の処理をスキップする場合もある。

次に、Ｎ年度Ｄ回目の燃料費確率分布算出処理を実施する（ステップＳ２３）。これについては図１１を用いて説明する。まず、各発電ユニット運転パターン最適化計算部４９は、年間毎時需要電力データ格納部３５と発電ユニット別特性ＤＢ３９と年間毎時供給力データ格納部４７とからデータを例えばワークメモリ領域に読み出し、当該読み出したデータを用いてＮ年度Ｄ回目の各発電ユニット運転パターン最適化処理を実施し、最適化された運転パターン・データをユニット別起動停止日時データ格納部５５に格納する（ステップＳ７１）。基本的に、Ｎ年度の毎時供給電力は毎時需要電力を超えているので、その差である停止又は出力低下可能電力を発電単価が高い発電ユニットから割り振って、止めたり、出力を抑えたりする発電ユニットを決定する。すなわち、Ｎ年度の毎時供給電力（計画外停止分を除く）を毎時需要電力と同じになるように各発電ユニットの停止日時を決定し、結果として最適化されたユニット別の起動停止日時のデータがユニット別起動停止日時データ格納部５５に格納される。なお、この処理については周知であり、例えば関根泰次著「電力系統工学」（電気書院）ｐ１１５乃至ｐ１２８に詳細に述べられている。従って、ここではこれ以上述べない。

そして、繰り返しのカウンタＦを１に初期化する（ステップＳ７３）。また、予測燃料単価計算部８１は、燃料単価予測モデル設定入力７７により燃料単価予測モデル・データ格納部７９に格納された、多変数自己回帰式（（２）式）における係数ベクトルａ₀と係数行列Ａ₁，Ａ₂，．．．と正規分布ベクトルの各要素に対応する標準偏差（ｎ＋１種類）のデータと長期価格シナリオのデータ（原油価格及び為替レート）及び燃料単価実績データ格納部７３に格納された過去の原油価格データ（為替レート・データを含む過去のベクトルｙ_old(m)のデータ）を例えばワークメモリ領域に読み出す（ステップＳ７５）。

また、予測燃料単価計算部８１は、Ｎ年度の月に対応する番号ｍを１に初期化し（ステップＳ７７）、平均が０で標準偏差が読み出されたｎ＋１種類の値となる正規分布の乱数をｎ＋１個発生することにより正規分布ベクトルεを生成し、例えばワークメモリ領域に格納する（ステップＳ７９）。そして、ステップＳ７５において読み出した係数ベクトルと係数行列と発生させた正規分布ベクトルεと過去の原油価格等のデータ（為替レート・データを含む過去のベクトルｙ_old(m)のデータ）とを上で示した（２）式の多変数自己回帰式に代入し、Ｎ年度のｍという月のベクトルｙ(m)を算出し、記憶装置に格納する（ステップＳ８１）。そして、ｍが１２以上になったか判断し（ステップＳ８３）、１２未満であればｍを１インクリメントする（ステップＳ８５）。すなわち、Ｆ回目の計算によるＮ年度の１月から１２月における各種原油価格及び為替レートを要素とするベクトルｙ_F(m)＝｛ｙ_1F(m)，ｙ_2F(m)，・・・，ｙ_nF(m)，Ｙ_F(m)｝を生成する。一方ｍが１２以上であれば、予測燃料単価計算部８１は、以下の式でＮ年度におけるｎ種類の原油価格の加重平均Ｑ_Fを求めて、予測燃料単価確率分布データ格納部８３に格納する（ステップＳ８７）。

なお、ｂ₁＋ｂ₂＋ｂ₃＋．．．＋ｂ_n＝１であり、各ｂ_nは使用予定の原油の各種類の使用割合を示している。

そして繰り返し回数Ｆが最大値になったか判断する（ステップＳ９１）。もし、繰り返し回数Ｆが最大値未満であれば、Ｆを１インクリメントし（ステップＳ９２）、ステップＳ７５に戻る。

一方、Ｆが最大値（Ｆ_max）以上である場合には、予測燃料単価計算部８１は、長期価格シナリオに従ったＮ年度の平均燃料価格Ｐ_N（＝長期的シナリオ設定に基づく平均燃料単価×長期的シナリオ設定に基づく平均為替レート）を算出すると共に、以下の式に従って長期シナリオに基づいて修正したＮ年度の燃料価格Ｐ_Fを算出し、予測燃料単価確率分布データ格納部８３に格納する（ステップＳ９３）。

また、燃料単価予測モデル設定入力７７の説明で述べたように、本実施の形態では、ＬＮＧ価格は原油価格に比例し、石炭及びウランの価格は一定であるとすると設定したので、この設定に従って予測燃料単価計算部８１は、原油以外のＮ年度の燃料価格データを算出し、同じく予測燃料単価確率分布データ格納部８３に格納する（ステップＳ９４）。

このような処理を行えば、燃料単価の確率分布が生成されたことになる。そして燃料費計算部８７は、ユニット別起動停止日時データ５５と予測燃料単価確率分布データ格納部８３と発電ユニット別特性ＤＢ３９に格納されているデータを例えばワークメモリ領域に読み出し、それらのデータを用いて燃料費確率分布データを算出し、燃料費確率分布データ格納部８９に格納する（ステップＳ９５）。ユニット別起動停止日時データ格納部５５に格納されているデータにより、Ｎ年度にどのユニットがどの程度発電するかが分かる。また、発電ユニット別特性ＤＢ３９には、各発電ユニットの効率のデータが格納されている。基本的に、単価×発電量／効率により燃料費が計算される。従って、各種燃料の燃料単価の確率分布データと、各発電ユニットの発電量及び種類と、各発電ユニットの効率とにより、燃料費の確率分布データが生成され、燃料費確率分布データ格納部８９に格納される。

図４の処理フローの説明に戻って、次に固定費計算部９４は、電源計画データ格納部４３と固定費配分データ格納部９３に格納されたデータを読み出し、当該データを用いてＮ年度の固定費を算出し、固定費データ格納部９６に格納する（ステップＳ２５）。ユニット毎に異なる減価償却費や修繕費を加算し、さらに共通の人件費などを加算して、Ｎ年度の固定費を計算するものである。電源計画によって、新設又は廃止する電源ユニットが変わってくるため、Ｎ年度の固定費は電源計画毎に変わってくる。また、減価償却費についても定率法を用いる場合には毎年額は変化する。計算結果は、固定費データ格納部９６に格納される。

そして発電単価計算部９５は、年間毎時需要電力データ格納部３５と固定費データ格納部９６と燃料費確率分布データ格納部８９と停電コストデータ格納部７１とに格納されたデータを例えばワークメモリ領域に読み出し、読み出したデータを基にＮ年度Ｄ回目の発電単価の確率分布データを生成し、発電単価確率分布データ格納部９７に格納する（ステップＳ２７）。トータルの発電単価は、固定費と燃料費と停電コストの総和を年間毎時需要電力データ格納部３５から求められる発電量［ｋＷｈ］で除した値となる。従って、Ｎ年度Ｄ回目の発電単価の確率分布は、Ｎ年度の固定費とＮ年度Ｄ回目の停電コストとＮ年度Ｄ回目の燃料費の確率分布との総和をＮ年度Ｄ回目の発電量［ｋＷｈ］で除した値となる。計算結果は発電単価確率分布データ格納部９７に格納する。このようにすれば、Ｎ年度の１回分の計算が終了することになる。上でも述べたが、停電コストについては考慮しないで発電単価の確率分布データを算出する場合もある。

次に、本コンピュータ・システムは、繰り返し回数Ｄが最大値以上になったか判断する（ステップＳ２９）。繰り返し回数Ｄが最大値未満である場合には、Ｄを１インクリメントして（ステップＳ３１）、ステップＳ１１に戻る。一方、Ｄが最大値以上である場合には、予測年度Ｎが最大値以上になったか判断する（ステップＳ３３）。予測年度Ｎが最大値未満である場合には、Ｎを１インクリメントして（ステップＳ３５）、ステップＳ９に戻る。一方、Ｎが最大値以上である場合には、予測する必要がある全ての年度についての処理が終了したことになる。そして、Ｎ年度についての各種データが得られたことになる。そして、電源計画番号Ｐが最大値以上になったか判断する（ステップＳ３７）。電源計画番号Ｐが最大値未満である場合には、Ｐを１インクリメントし（ステップＳ３９）、ステップＳ５に戻る。Ｐが最大値以上である場合には、検討すべき全ての電源計画について処理が行われたことになる。そして、各種統計処理を実施する（ステップＳ４１）。これは、各電源計画について、発電単価の確率分布に対して所定の統計処理を実施したり、年間毎時需要電力データ格納部３５に格納されているデータに対して所定の統計処理を施したりする処理である。統計処理については平均を算出したり、最大値又は最小値若しくは９９％tile点を求めるといった処理を含む。さらに、供給信頼度指標計算部６３が、供給支障電力確率分布データ格納部６１に格納されたデータを例えばワークメモリ領域に読み出して、当該データを用いて各電源計画について供給信頼度指標を算出し、供給信頼度指標データ格納部６５に格納する。供給信頼度指標は、例えば見込み不足日数、週毎及び年間の供給支障電力量の期待値、年間平均停電時間などである。これらの指標の計算方式は周知であるからここではこれ以上述べない。

そして、例えばユーザが指示したデータを表示装置や印刷装置などの出力装置に出力する（ステップＳ４３）。例えば、ステップＳ４１の統計処理の結果や、各データ格納部に格納されているデータを例えばユーザの要求に応じて出力する。ファイル出力の場合もある。

例えば、年間毎時需要電力データ格納部３５に格納されている年間毎時の電力需要のデータの中からＮ年度Ｄ回目の最大電力を見つけ出し、その確率分布を年度毎に示すと図１２に示すようなグラフが得られる。図１２では、縦軸は発生確率［％］、横軸は電力［ｋＷ］を示す。なお、この例では１９９２年を現在として１９９４年、１９９８年、２００１年を予測した場合を示している。曲線１２０１は１９９４年の最大電力の確率分布を、曲線１２０２は１９９８年の最大電力の確率分布を、曲線１２０３は２００１年の最大電力の確率分布を示している。先の予測ほどＧＤＰの予測が当たり難くなるため、ばらつきが大きい分布となることが示されている。これは将来の計画ほど予備率を大きくした計画とすべきことを定量的に示している。

図１３に、発電単価の確率分布を示す。図１３では、縦軸が発生確率［％］を、横軸が発電単価［円／ｋＷｈ］を示す。例えば計画Ａとして原子力や石炭火力を含めた多種電源新設の組み合わせ、計画ＢとしてＬＮＧ火力新設のみを設定する。このような場合、計画Ａの発電単価の確率分布は曲線１３０１で、計画Ｂの発電単価の確率分布は曲線１３０２で表される。これを見ると計画Ｂの方が発電単価の期待値は少し安くなるが、燃料価格変動などによる振れ幅が大きくなるので、計画Ａの方がリスクの少ない計画であることが分かる。

図１２及び図１３は出力の一例であって様々な統計処理や各データ格納部に格納されているデータそのままを出力するようにしても良い。また、コンピュータ・システムでは、統計処理等を実施せず、各データ格納部に格納されているデータをそのままファイルなどで出力して、他のシステムにおいて必要な統計処理を実施するようにしても良い。

このように複数の電源計画について比較を行うことにより、より適切と考えられる電源計画を選択することができるようになる。なお、適切と判断するための判断要素は様々であるが、年度毎の発電単価が競争相手の想定単価より低くなるという点（長期的に競争相手より低くなる、又は短期的にも競争相手より低くなるという点）、需要や燃料単価の変動に対してのリスクが大きくならない点などが要素として判断され、妥当性が決定される。

以上のような処理を実施することにより、年間の毎時の電力値を推定するため、電力（ｋＷ）と電力量（ｋＷｈ）を一体的に推定できる。従来の負荷率（年間の最大３日平均電力／年間電力量）のみの傾向だけでなく、平休日・時間等の条件で異なる気温感応度の大きさと年度推移を反映できる。これは、将来の電源構成としてベース電源・ミドル電源・ピーク電源の比率を最適にするために必要であり、電力自由化の下で需要の離脱・獲得による需要曲線の変化が予想される場合には更に重要となる。

また、供給信頼度を上げると発電コストが高くなるが、その関係を明確化でき、需要・燃料単価等の予測値が気象・景気ほか状況変化によって大きくはずれた場合についても、収支に与える影響を、状況変化の確率を設定できる範囲において定量評価できる。このため、需要が予想よりも伸びずに、新設した発電設備への投資を回収できないリスクなどを定量評価できる。

さらに、同一の見込み不足日数でも、短時間の大停電のコストを高く、小さいが比較的長い供給支障は、他社からの購入や需給調整契約発動等の対策を踏まえて安いコストに設定することにより、より現実に即した細かい供給信頼度を設定でき、サービス条件の明確化と予備率の最適化が図れる。

なお図４に示した処理フローでは、一部のステップの処理負荷が高く処理時間が長時間になってしまう場合がある。従って、以下のような処理を実施して、処理時間の短縮を行う場合もある。なお、各ステップの詳細については、上で述べた処理と同様であれば説明を省略する。

まず、ユーザは入力装置を用いて電源計画設定入力３７を行い、本コンピュータ・システムは電源計画設定入力３７を受け付け、全ての電源計画データを電源計画データ格納部４３に格納する（ステップＳ１０１）。次に、ユーザは各種データ入力を実施し、本システムは各種データ入力を受け付け、各種データ格納部に格納する（ステップＳ１０３）。なお、設定入力補助処理が必要な場合には、設定入力補助処理部７及びモデル設定補助処理部７５が処理を実施して、ユーザに処理結果を提示し、ユーザは各種データ入力を実施する。ここでは、電力需要予測式設定入力９により入力されたデータを条件別予測式係数ＤＢ１５に、景気予測モデル設定入力１１により入力されたデータを景気予測モデル・データ格納部１７に、気象予測モデル設定入力１３により入力されたデータを気象予測モデル・データ格納部１９に、離脱獲得需要設定入力２１により入力されたデータを離脱獲得需要データ格納部２７に、停電コスト単価設定入力５９により入力されたデータを停電コスト単価データ格納部６７に、固定費配分設定入力９１により入力されたデータを固定費配分データ格納部９３に格納する。

そして、電源計画番号Ｐを１に初期化し（ステップＳ１０５）、Ｐ番目の電源計画データを電源計画データ格納部４３からメインメモリなどのワークメモリ領域に読み出す（ステップＳ１０７）。そして、予測年度Ｎを初期値（例えばＮ＝２０１０）に設定し（ステップＳ１０９）、さらに計算回数Ｄを初期値（例えばＤ＝１）に設定する（ステップＳ１１１）。

次に、景気条件発生部２３は、景気予測モデル・データ格納部１７に格納されたデータを読み出し、当該データを用いてＮ年度Ｄ回目の景気条件データを生成し、景気条件データ格納部２９に格納する（ステップＳ１１３）。さらに、気象条件発生部２５は、気象予測モデル・データ格納部１９に格納されたデータを読み出し、当該データを用いてＮ年度Ｄ回目の気象条件データを生成し、気象条件データ格納部３１に格納する（ステップＳ１１５）。そして、年間毎時需要計算部３３は、条件別予測式係数ＤＢ１５と離脱獲得需要データ格納部２７と景気条件データ格納部２９と気象条件データ格納部３１に格納されたデータを例えばワークメモリ領域に読み出し、当該データを用いてＮ年度Ｄ回目の毎時電力需要を算出し、算出結果を年間毎時需要電力データ格納部３５に格納する（ステップＳ１１７）。その後繰り返し回数Ｄは最大値以上になったか判断する（ステップＳ１１９）。繰り返し回数Ｄが最大値未満である場合にはＤを１インクリメントして（ステップＳ１２１）、ステップＳ１１３に戻る。このように、本処理フローでは年間毎時電力需要の確率分布を先に全て計算してしまう処理フローとなっている。

一方繰り返し回数Ｄが最大値以上となった場合には、年間毎時需要計算部３３は、Ｎ年度毎時需要について平均μ1と標準偏差σ1とを計算し、年間毎時需要電力データ格納部３５に格納する（ステップＳ１２３）。このように、本処理フローでは年間毎時電力需要の確率分布は正規分布などに従うものとして近似する。そして、補修計画最適化計算部４５は、発電ユニット別特性ＤＢ３９と年間毎時需要電力データ格納部３５に格納されたデータを例えばワークメモリ領域に読み出し、当該データ及び電源計画データ格納部４３に格納されていたデータを用いて、Ｎ年度毎時需要の平均μ１とμ１±σ1のそれぞれについて補修計画最適化処理を実施し、３通りの年間毎時供給力データを生成して年間毎時供給力データ格納部４７に格納する（ステップＳ１２５）。図４の処理フローによれば補修計画最適化計算部４５の処理は繰り返し回数Ｄの最大値回数分実施されていたが、今回は３回実施すればよいので、処理回数が減り処理時間が短くなる。端子Ａを介して処理は図１５に移行する。

図１５の処理に移って、供給力確率分布計算部５１は、年間毎時供給力データ格納部４７と発電ユニット別特性ＤＢ３９とに格納されたデータを例えばワークメモリ領域に読み出し、当該データを用いて３通りの年間毎時供給力データに対応して３通りの供給支障電力確率分布データを算出し、年間毎時供給力確率分布データ格納部５３に格納する（ステップＳ１２７）。Ｎ年度毎時需要の平均μ１とμ１±σ1とに対応する３通りの年間毎時供給力データが生成されているので、各発電ユニットに対応する計画外停止率を用いて、３通りの年間毎時供給力確率分布データを生成するものである。そして、供給支障電力計算部５７は、年間毎時供給力確率分布データ格納部５３と年間毎時需要電力データ格納部３５とに格納されたデータを例えばワークメモリ領域に読み出し、当該データに含まれる３通りの年間毎時供給力確率分布データと対応する３通りの年間毎時電力需要データとを用いて３通りの供給支障電力確率分布データを算出し、供給支障電力確率分布データ格納部６１に格納する（ステップＳ１２９）。

また、停電コスト計算部６９は、供給支障電力確率分布データ格納部６１と停電コスト単価データ格納部６７とに格納されたデータを例えばワークメモリ領域に読み出し、当該データに含まれる３通りの供給支障電力確率分布データと停電コスト単価データとを用いて３通りの停電コストデータを算出し、停電コストデータ格納部７１に格納する（ステップＳ１３１）。

一方、各発電ユニット運転パターン最適化計算部４９は、年間毎時需要電力データ格納部３５と発電ユニット別特性ＤＢ３９と年間毎時供給力データ格納部４７とに格納されたデータを例えばワークメモリ領域に読み出し、当該データを用いて各発電ユニット運転パターン最適化処理を実施し、３通りの年間毎時供給力データに対応する３通りの運転パターン・データを生成し、ユニット別起動停止日時データ格納部５５に格納する（ステップＳ１３３）。

また、予測燃料単価計算部８１は、燃料単価予測モデル・データ格納部７９と燃料単価実績データ格納部７３とに格納されたデータを例えばワークメモリ領域に読み出し、当該データを用いてＮ年度の予測燃料単価計算をＦ回実施し、当該計算結果を予測燃料単価確率分布データ格納部８３に格納する（ステップＳ１３５）。例えば図１１のステップＳ７３乃至Ｓ９５の処理を実施するものである。そして、予測燃料単価計算部８１は、予測燃料単価確率分布データ格納部８３に格納されたデータを例えばワークメモリ領域に読み出し、当該データを用いて各燃料についてＮ年度の燃料単価の平均μ2と標準偏差σ2を算出し、予測燃料単価確率分布データ格納部８３に格納する（ステップＳ１３７）。

そして、燃料費計算部８７は、ユニット別起動停止日時データ格納部５５と予測燃料単価確率分布データ格納部８３と発電ユニット別特性ＤＢ３９に格納されたデータを例えばワークメモリ領域に読み出し、当該データに含まれる３通りの運転パターン・データについてそれぞれＮ年度燃料単価μ2及びμ2±σ2を適用して９通りの燃料費を算出し、燃料費確率分布データ格納部８９に格納する（ステップＳ１３９）。

また、固定費計算部９４は、固定費配分データ格納部９３と電源計画データ格納部４３とに格納されたデータを例えばワークメモリ領域に読み出して、当該データを用いてＮ年度の固定費を計算し、固定費データ格納部９６に格納する（ステップＳ１４１）。そして、発電単価計算部９５は、年間毎時需要電力データ格納部３５と固定費データ格納部９６と燃料費確率分布データ格納部８９と停電コストデータ格納部７１に格納されたデータを例えばワークメモリ領域に読み出し、当該データに含まれる３通りの停電コストのデータと９通りの燃料費データと固定費のデータと３通りの総発電量（年間毎時需要電力の総和）を用いて発電単価の確率分布データを算出し、発電単価確率分布データ格納部９７に格納する（ステップＳ１４３）。基本的には、（停電コスト＋燃料費＋固定費）／発電量となるので、これに従って発電単価確率分布データを生成する。

次に、本コンピュータ・システムは、予測年度Ｎが最大値以上になったか判断する（ステップＳ１４５）。予測年度Ｎが最大値未満である場合には、Ｎを１インクリメントして（ステップＳ１５３）、端子Ｂを介して図１４のステップＳ１１１に戻る。一方、Ｎが最大値以上である場合には、予測する必要がある全ての年度についての処理が終了したことになる。そして、Ｎ年度についての各種データが得られたことになる。そして、電源計画番号Ｐが最大値以上になったか判断する（ステップＳ１４７）。電源計画番号Ｐが最大値未満である場合には、Ｐを１インクリメントし（ステップＳ１５５）、端子Ｃを介して図１４のステップＳ１０７に戻る。Ｐが最大値以上である場合には、検討すべき全ての電源計画について処理が行われたことになる。そして、各種統計処理を実施する（ステップＳ１４９）。これは、各電源計画について、発電単価の確率分布に対して所定の統計処理を実施したり、年間毎時需要電力データ格納部３５に格納されているデータに対して所定の統計処理を施したりする処理である。但し、図１５ではスキップしてもよい場合もある。さらに、供給信頼度指標計算部６３が、供給支障電力確率分布データ格納部６１に格納されたデータを例えばワークメモリ領域に読み出して、当該データを用いて各電源計画について供給信頼度指標を算出し、供給信頼度指標データ格納部６５に格納する。

そして、例えばユーザが指示したデータを表示装置や印刷装置などの出力装置に出力する（ステップＳ１５１）。例えば、ステップＳ１４９の統計処理の結果や、各データ格納部に格納されているデータを例えばユーザの要求に応じて出力する。ファイル出力でも良い。

以上のような処理を実施すれば１年分の計算をＤ回ではなく少数に集約して計算することになるので、処理量が相当少なくなり処理時間が短くなる。なお、かなり先の予測を行う場合には、実態が予測から大きくずれることもありうるため、多くの種類の電源計画について考察するような場合にはこのような簡易な方法でも十分である。

以上本発明の実施の形態を説明したが、本発明はこれに限定されるものではない。例えば、図１乃至図３に述べた本コンピュータ・システムの機能ブロック図は、実施の形態を説明するために作成するものであって、必ずしも機能ブロックに対応してプログラム・モジュールが用意されない場合もある。なお、図４並びに図１４及び図１５に示した処理フローでは、並列に実行できる処理ステップであってもシリアルに実行する例を示した。従って、複数プロセッサを利用できる場合などにおいては並列処理を実施させ、処理時間を短縮させることも可能である。また、一部処理の順番を入れ替えても問題ない部分もある。

なお、上で述べた処理フローでは供給信頼度指標を最後に計算する例を示したが、例えば供給支障電力確率分布データが生成された時点で計算を行い、所定の供給信頼指標が所定の閾値未満である場合には当該電源計画についての計算を打ち切るといった処理フローに変更することができる。すなわち、あまりに信頼性の悪い電源計画については採用することはありえないということで、処理時間を短縮するためである。

また図１４及び図１５では標準偏差σを基準に処理を行ったが、例えば２σなどを用いて処理を行う場合もある。即ちμ±２σの場合の処理をμ±σに加えて又はμ±σに代えて行うものである。

さらに設定入力補助処理部により提示されたデータに基づき設定入力を行う例を示したが、設定入力補助処理部から直接入力がなされるような構成であってもよい。さらに、繰り返し回数や予測年度についても設定入力により変更するような構成であってもよい。

本発明の一実施の形態に係る第１のシステム概要図である。 本発明の一実施の形態に係る第２のシステム概要図である。 本発明の一実施の形態に係る第３のシステム概要図である。 本発明の一実施の形態に係る処理フローを示す図である。 気温感応度を説明するための図である。 気温感応度の経年変化を説明するための図である。 湿度感応度を説明するための図である。 ＧＤＰ感応度を説明するための図である。 気温データ生成処理の処理フローを示す図である。 停電コスト算出処理の処理フローを示す図である。 燃料費確率分布算出処理の処理フローを示す図である。 最大電力の確率分布を示す図である。 発電単価の確率分布を示す図である。 本発明の一実施の形態に係る簡易処理についての処理フローを示す図である。 本発明の一実施の形態に係る簡易処理についての処理フローを示す図である。

符号の説明

１ 電力需要実績データ格納部 ３ 景気指標実績データ格納部
５ 気象実績データ格納部 ７ 設定入力補助処理部
９ 電力需要予測式設定入力 １１ 景気予測モデル設定入力
１３ 気象予測モデル設定入力 １５ 条件別予測式係数ＤＢ
１７ 景気予測モデル・データ格納部 １９ 気象予測モデル・データ格納部
２１ 離脱獲得需要設定入力 ２３ 景気条件発生部
２５ 気象条件発生部 ２７ 離脱獲得需要データ格納部
２９ 景気条件データ格納部 ３１ 気象条件データ格納部
３３ 年間毎時需要計算部 ３５ 年間毎時需要電力データ格納部
３７ 電源計画設定入力 ３９ 発電ユニット別特性ＤＢ
４３ 電源計画データ格納部 ４５ 補修計画最適化計算部
４７ 年間毎時供給力データ格納部 ４９ 各発電ユニット運転パターン最適化計算部
５１ 供給力確率分布計算部 ５３ 年間毎時供給力確率分布データ格納部
５５ ユニット別起動停止日時データ格納部 ５７ 供給支障電力計算部
５９ 停電コスト単価設定入力 ６１ 供給支障電力確率分布データ格納部
６３ 供給信頼度指標計算部 ６５ 供給信頼度指標データ格納部
６７ 停電コスト単価データ格納部 ６９ 停電コスト計算部
７１ 停電コストデータ格納部 ７３ 燃料単価実績データ格納部
７５ モデル設定補助処理部 ７７ 燃料単価予測モデル設定入力
７９ 燃料単価予測モデル・データ格納部 ８１ 予測燃料単価計算部
８３ 予測燃料単価確率分布データ格納部 ８７ 燃料費計算部
８９ 燃料費確率分布データ格納部 ９１ 固定費配分設定入力
９３ 固定費配分データ格納部 ９４ 固定費計算部
９５ 発電単価計算部 ９６ 固定費データ格納部
９７ 発電単価確率分布データ格納部

Claims (12)

1. 処理部と気象条件データ格納部と景気条件データ格納部と予測式データ格納部と電力需要データ格納部とを有するコンピュータにより実行される情報処理方法であって、
   前記処理部により、将来の特定の年において単位時間間隔で特定される特定の時刻における気象条件データを、過去の気象実績データを基に、滑らかな連続的変化を再現するための周期関数を使った数式によって生成し、前記気象条件データ格納部に格納するステップと、
   前記処理部により、過去の景気実績に関する確率分布データに基づき、前記将来の特定の年における景気条件データを生成し、前記景気条件データ格納部に格納するステップと、
   前記処理部により、前記将来の特定の年における特定の時刻と、前記気象条件データ格納部に格納された前記将来の特定の年における特定の時刻の前記気象条件データとに対応する予測式の分類を特定するステップと、
   前記処理部により、少なくとも前記気象条件データ及び前記景気条件データにより電力需要を算出するための前記予測式に係るデータを格納している前記予測式データ格納部から、特定された前記予測式の分類に対応する前記予測式に係るデータを取得する予測式データ取得ステップと、
   前記処理部により、取得した前記予測式に係るデータと前記気象条件データ格納部及び前記景気条件データ格納部に格納されたデータとを用いて、前記将来の特定の年における前記特定の時刻における電力需要のデータを生成し、前記電力需要データ格納部に格納するステップと、
   を含む情報処理方法。
2. 前記処理部により、各発電ユニットの補修条件に関するデータと前記電力需要データ格納部に格納されたデータとを参照して前記将来の特定の年における単位時間毎の電力の供給力に関するデータを生成し、供給力データ格納部に格納する供給力データ生成ステップ
   をさらに含む請求項１記載の情報処理方法。
3. 前記処理部により、前記電力需要データ格納部と前記供給力データ格納部とに格納されたデータを用いて、供給支障電力に関するデータを生成し、供給支障電力データ格納部に格納するステップと、
   をさらに含む請求項２記載の情報処理方法。
4. 前記供給力データ生成ステップが、
   前記処理部により、前記各発電ユニットの補修条件及び前記電力需要データ格納部に格納された電力需要を満たす補修計画のデータを生成し、前記補修計画のデータに基づき、前記将来の特定の年における単位時間毎の電力の供給力を決定するステップと、
   前記処理部により、前記各発電ユニットに設定されている計画外停止率に基づき、前記将来の特定の年における単位時間毎の電力の供給力の確率分布データを生成し、前記供給力データ格納部に格納するステップと、
   を含む請求項３記載の情報処理方法。
5. 前記処理部により、前記供給支障電力データ格納部に格納されたデータに基づき所定の供給信頼度指標のデータを算出し、供給信頼度指標データ格納部に格納するステップ
   をさらに含む請求項３又は４記載の情報処理方法。
6. 前記処理部により、停電コスト単価についてのデータと前記供給支障電力データ格納部に格納されたデータとを用いて前記将来の特定の年における停電コストについてのデータを生成し、停電コスト・データ格納部に格納するステップと、
   前記処理部により、前記各発電ユニットの補修条件に関するデータと前記電力需要データ格納部及び前記供給力データ格納部に格納されたデータとを用いて、前記将来の特定の年における毎時電力需要と毎時電力供給とが等しくなるように各発電ユニットの運転パターン・データを生成し、運転パターン・データ格納部に格納するステップと、
   前記処理部により、燃料単価についてのデータと前記運転パターン・データ格納部に格納されたデータとを用いて前記運転パターン・データに対応する前記将来の特定の年の燃料費についてのデータを生成し、燃料費データ格納部に格納するステップと、
   前記処理部により、前記将来の特定の年における発電に係る固定費を算出し、固定費データ格納部に格納するステップと、
   前記処理部により、前記固定費と前記停電コストについてのデータと前記燃料費についてのデータとの総和を前記電力需要データ格納部に格納されるデータから算出した発電量で除算することにより、発電単価についてのデータを生成し、発電単価データ格納部に格納するステップと、
   をさらに含む請求項３乃至５のいずれか１つ記載の情報処理方法。
7. 前記処理部により、前記各発電ユニットの補修条件に関するデータと前記電力需要データ格納部及び前記供給力データ格納部に格納されたデータとを用いて、前記将来の特定の年における毎時電力需要と毎時電力供給とが等しくなるように各発電ユニットの運転パターン・データを生成し、運転パターン・データ格納部に格納するステップと、
   前記処理部により、燃料単価についてのデータと前記運転パターン・データ格納部に格納されたデータとを用いて前記運転パターン・データに対応する前記将来の特定の年の燃料費についてのデータを生成し、燃料費データ格納部に格納するステップと、
   前記処理部により、前記将来の特定の年における発電に係る固定費を算出し、固定費データ格納部に格納するステップと、
   前記処理部により、前記固定費と前記燃料費についてのデータとの総和を前記電力需要データ格納部に格納されるデータから算出した発電量で除算することにより、発電単価についてのデータを生成し、発電単価データ格納部に格納するステップと、
   をさらに含む請求項２乃至５のいずれか１つ記載の情報処理方法。
8. 前記処理部により、燃料単価の自己回帰モデル・データと過去の燃料単価データと長期的シナリオ設定に基づく平均燃料単価のデータとを用いて、前記将来の特定の年における燃料単価を算出し、燃料単価データ格納部に格納する燃料単価算出ステップ
   をさらに含む請求項６又は７記載の情報処理方法。
9. 前記処理部により、為替レートの自己回帰モデル・データと過去の為替レート・データと長期的シナリオ設定に基づく平均為替レートのデータとを用いて、前記将来の特定の年における為替レートを算出するステップ
   をさらに含み、
   前記燃料単価算出ステップにおいて、前記為替レートを用いて前記燃料単価を計算する
   ことを特徴とする請求項８記載の情報処理方法。
10. 請求項１乃至９のいずれか１つ記載の情報処理方法をコンピュータに実行させるためのプログラム。
11. 将来の特定の年において単位時間間隔で特定される特定の時刻における気象条件データを、過去の気象実績データを基に、滑らかな連続的変化を再現するための周期関数を使った数式によって生成し、気象条件データ格納部に格納する手段と、
    過去の景気実績に関する確率分布データに基づき、前記将来の特定の年における景気条件データを生成し、景気条件データ格納部に格納する手段と、
    前記将来の特定の年における特定の時刻と、前記気象条件データ格納部に格納された前記将来の特定の年における特定の時刻の前記気象条件データとに対応する予測式の分類を特定する手段と、
    少なくとも前記気象条件データ及び前記景気条件データにより電力需要を算出するための前記予測式に係るデータを格納している予測式データ格納部から、特定された前記予測式の分類に対応する前記予測式に係るデータを取得する予測式データ取得手段と、
    取得した前記予測式に係るデータと前記気象条件データ格納部及び前記景気条件データ格納部に格納されたデータとを用いて、前記将来の特定の年における前記特定の時刻における電力需要のデータを生成し、電力需要データ格納部に格納する手段と、
    を有するコンピュータ・システム。
12. 各発電ユニットの補修条件に関するデータと前記電力需要データ格納部に格納されたデータとを参照して前記将来の特定の年における単位時間毎の電力の供給力に関するデータを生成し、供給力データ格納部に格納する供給力データ生成手段と、
    前記電力需要データ格納部と前記供給力データ格納部とに格納されたデータを用いて、供給支障電力に関するデータを生成し、供給支障電力データ格納部に格納する手段と、
    停電コスト単価についてのデータと前記供給支障電力データ格納部に格納されたデータとを用いて前記将来の特定の年における停電コストについてのデータを生成し、停電コスト・データ格納部に格納する手段と、
    前記各発電ユニットの補修条件に関するデータと前記電力需要データ格納部及び前記供給力データ格納部に格納されたデータとを用いて、前記将来の特定の年における毎時電力需要と毎時電力供給とが等しくなるように各発電ユニットの運転パターン・データを生成し、運転パターン・データ格納部に格納する手段と、
    燃料単価についてのデータと前記運転パターン・データ格納部に格納されたデータとを用いて前記運転パターン・データに対応する前記将来の特定の年の燃料費についてのデータを生成し、燃料費データ格納部に格納する手段と、
    前記将来の特定の年における発電に係る固定費を算出し、固定費データ格納部に格納する手段と、
    前記固定費と前記停電コストについてのデータと前記燃料費についてのデータとの総和を前記電力需要データ格納部に格納されるデータから算出した発電量で除算することにより、発電単価についてのデータを生成し、発電単価データ格納部に格納する手段と、
    をさらに有する請求項１１記載のコンピュータ・システム。

Images