JP4203602B2 - 電力供給設備の運用支援方法および装置 - Google Patents
電力供給設備の運用支援方法および装置 Download PDFInfo
- Publication number
- JP4203602B2 JP4203602B2 JP2006242017A JP2006242017A JP4203602B2 JP 4203602 B2 JP4203602 B2 JP 4203602B2 JP 2006242017 A JP2006242017 A JP 2006242017A JP 2006242017 A JP2006242017 A JP 2006242017A JP 4203602 B2 JP4203602 B2 JP 4203602B2
- Authority
- JP
- Japan
- Prior art keywords
- power
- ess
- unit
- schedule
- discharge
- 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.)
- Active
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Description
本発明は、複数の発電ユニットと電力貯蔵装置を備えた電力供給設備について、運用コストを最小化する最適運用支援方法に関する。
電力需要は毎年増加しているが、特に昼間電力需要の伸びが大きく夜間の需要の伸びは小さいため、昼夜間の電力需要のギャップが拡大している。電力設備はピーク電力需要を見越して準備されるので、昼夜間の電力需要の差が拡大すると、発電設備の負荷率低下を招く。そこで、近年、電力会社が主体となって推進することができる負荷率向上策に利用できる電力貯蔵装置（ＥＳＳ）が注目を集めている。
電力供給設備がＥＳＳを備えると、電力需要に応じて必要な数の発電ユニットを運転して系統に必要な電力を供給するが、電力需要が過大になったときにはＥＳＳから不足の電力量を補充することができるので、最大電力需要に対応する数の発電ユニットを準備しなくてもよくなり、設備経済上有利である。また、ＥＳＳは電力需要の小さいときに発電ユニットから充電するので、電力需要は平準化し、発電ユニットの運用をより経済的にすることが可能になる。
電力貯蔵装置（ＥＳＳ）には、揚水発電装置、フライホイール、超伝導磁気エネルギー貯蔵装置（ＳＭＥＳ）、ＮＡＳ電池、レドックスフロー電池など、種々のものが利用できるようになってきている。
電力貯蔵装置（ＥＳＳ）には、揚水発電装置、フライホイール、超伝導磁気エネルギー貯蔵装置（ＳＭＥＳ）、ＮＡＳ電池、レドックスフロー電池など、種々のものが利用できるようになってきている。
電力供給設備では、予測された電力需要変動に対応する運用計画を立てて、発電装置の起動停止とＥＳＳの充放電を経済的に実行する必要がある。
従来、発電装置のみを対象とする運用計画法はいろいろ提案されているが、ＥＳＳが加わった設備に関する運用計画方法は少なかった。特にＥＳＳを多数の発電装置を補填するために利用するシステムについて有効な運用計画法は知られていなかった。
特許文献１には、複数の発電機とＥＳＳを含む電力系統について、はじめにＥＳＳを考慮せずに拡張優先リスト法（ＥＰＬ）を用いて発電機起動停止計画を作成し、その後、ＥＳＳを考慮したアルゴリズムを適用して計画を修正するようにした発電機起動停止計画作成方法が開示されている。
従来、発電装置のみを対象とする運用計画法はいろいろ提案されているが、ＥＳＳが加わった設備に関する運用計画方法は少なかった。特にＥＳＳを多数の発電装置を補填するために利用するシステムについて有効な運用計画法は知られていなかった。
特許文献１には、複数の発電機とＥＳＳを含む電力系統について、はじめにＥＳＳを考慮せずに拡張優先リスト法（ＥＰＬ）を用いて発電機起動停止計画を作成し、その後、ＥＳＳを考慮したアルゴリズムを適用して計画を修正するようにした発電機起動停止計画作成方法が開示されている。
ＥＳＳを考慮するためのアルゴリズムは、負荷が低下する時間帯で運転している発電機の余剰電力を可能な限りＥＳＳに充電し、充電終了時にＥＳＳの下限電力量に達しないと予測される場合は、さらに停止している発電機をコストを基準とした優先リストの順に起動するように計画を修正するものである。また、負荷ピーク時間帯において積極的にＥＳＳから電力を供給し、ピーク時間帯で運転しているコスト高な発電機をできるだけ停止させて、総コストの削減をする。
しかし、特許文献１に開示された方法は、ＥＳＳの運用計画を作成するところに状況判断が必要とされ、全てを機械的に実行するわけにはいかない。
しかし、特許文献１に開示された方法は、ＥＳＳの運用計画を作成するところに状況判断が必要とされ、全てを機械的に実行するわけにはいかない。
なお、特許文献２には、揚水発電機について、予想電力需要、燃料使用量、貯水池の水量、発電機設備データの各情報を用いて、運用コストが最小になるような発電機起動停止の運用計画を作成する電力系統の需給計画作成装置が開示されている。
開示された需給計画作成装置は、需要の予測と実績の違いなど条件の変化に対応するため、定期的に上記各情報の実績値を取り込んで、その時点からの新たな目標値をもとに発電機の起動停止計画を作成する運用計画算出手段を備えたことを特徴とする。
開示された需給計画作成装置は、需要の予測と実績の違いなど条件の変化に対応するため、定期的に上記各情報の実績値を取り込んで、その時点からの新たな目標値をもとに発電機の起動停止計画を作成する運用計画算出手段を備えたことを特徴とする。
開示装置は、週末負荷が小さくなる時期に余剰の火力発電機で揚水上池の水位を持ち上げて、負荷の重い平日に発電して系統電力を補充する揚水発電機に適用するもので、火力発電機と揚水発電機を１対１に対応させたものを対象とする。したがって、複数の発電機が接続されている系統において経済的運用を実現するためにいずれの発電機をいつ発停するのがよいかという問題の解決に利用できるものではない。
特開２００５−１０２３５７号公報
特開２００３−００９３９１号公報
本発明が解決しようとする課題は、電力貯蔵装置（ＥＳＳ）を含む電力系統を運用する場合の発電機起動停止およびＥＳＳの充放電の最適な計画を作成して提示する電力供給設備の運用支援方法および装置を提供することであり、特にＥＳＳの充放電計画についても機械的に生成することができる電力供給設備の運用支援方法および装置を提供することである。
上記課題を解決するため、電力貯蔵装置（ＥＳＳ）を含む電力供給設備に使用する本発明の運用支援方法は、電力需要施設に対して電力系統を介して電力を供給する複数の火力発電装置と電力系統にインバータを介して接続され電力系統に対して充放電するＥＳＳで構成された電力供給設備に適用するものである。
本発明の運用支援方法は、第１ステップと第２ステップで構成される。
第１ステップでは、所期の期間にわたるＥＳＳの充放電スケジュールを充電（Ｃ）、停止（０）、放電（Ｄ）の３進法で表して遺伝子情報とした個体とみなし、選択した個体についてＥＳＳの出力を一定と仮定して電力需要を満たすように火力発電装置の起動停止スケジュールを決定して、火力発電装置の運用コストの総和を評価関数とし、これを最小にすることを目標として遺伝的アルゴリズム（ＧＡ）を適用し、適応度の高いＥＳＳの充放電スケジュールを生成し、対応する火力発電装置の起動停止スケジュールと合わせて電力供給設備の運用計画素案とする。
第１ステップでは、所期の期間にわたるＥＳＳの充放電スケジュールを充電（Ｃ）、停止（０）、放電（Ｄ）の３進法で表して遺伝子情報とした個体とみなし、選択した個体についてＥＳＳの出力を一定と仮定して電力需要を満たすように火力発電装置の起動停止スケジュールを決定して、火力発電装置の運用コストの総和を評価関数とし、これを最小にすることを目標として遺伝的アルゴリズム（ＧＡ）を適用し、適応度の高いＥＳＳの充放電スケジュールを生成し、対応する火力発電装置の起動停止スケジュールと合わせて電力供給設備の運用計画素案とする。
所期の期間とは、運用計画の１単位となる期間で、たとえば１日（２４時間）などが指定される。
また、ＥＳＳの充放電スケジュールが与えられた後に求める火力発電装置の起動停止スケジュールは、拡張優先リスト法などのヒューリスティックな手法を使って求めることができる。
また、ＥＳＳの充放電スケジュールが与えられた後に求める火力発電装置の起動停止スケジュールは、拡張優先リスト法などのヒューリスティックな手法を使って求めることができる。
第２ステップでは、第１ステップで求めた運用計画素案に対して、所期の期間にわたるＥＳＳの充放電電力量を２進数などの数値で表して遺伝子情報とした個体とみなし、火力発電装置の総運用コストを最小にすることを評価関数としてＧＡを適用することにより、火力ユニットとＥＳＳから電力系統に供給される総電力が電力需要を満たすように決定して運用計画案とする。運用計画案は、火力発電装置の制約条件を満たさないものを除外して作成され、表示装置を介して提示される。また、配信部と送受信部を介して遠隔の発電所や中央管理室に送信することもできる。
ＧＡは、データを遺伝子で表現した個体を複数用意して、適応度の高い個体を選択しては、個体相互に交叉や突然変異などの遺伝的操作を施して、より高い適応度の個体を生成することにより解を探索する手法である。したがって、ＧＡを適用して有効な解を求めるためには、遺伝子表示をいかにするかが重要である。
本発明の発明者らは、時間にしたがって変化するＥＳＳの充放電電力値に着目して、各時間帯毎に一定に設定する充放電電力値を２進化表示して個体群とすることによって、ＧＡ操作が可能になることを見いだした。
本発明では、第２ステップで、所期の期間にわたるＥＳＳの充放電電力値を個体群としてＧＡを適用し、淘汰の結果を解とする。
本発明では、第２ステップで、所期の期間にわたるＥＳＳの充放電電力値を個体群としてＧＡを適用し、淘汰の結果を解とする。
本発明の電力供給設備の運用支援方法によれば、はじめにＥＳＳの充放電状態を３進数で表現した数列を遺伝子として遺伝的アルゴリズム（ＧＡ）を適用することにより発電装置の運用コストが最小になるような発電装置起動停止ＥＳＳ充放電計画を作成し、その後、その計画に対してＥＳＳの充放電電力値を個体群としてＧＡを適用した解に基づいてＥＳＳの充放電計画を形成するので、全く機械的に同じ操作を繰り返すことによって発電機とＥＳＳの運用計画案を得ることができる。
また、本発明の運用支援方法は、さらに、第２ステップにおいて、生成した運用計画案を改善する手順を追加してもよい。すなわち、一旦得られた運用計画案を用いたときに運転予備力が不足するときは、火力発電装置をさらに追加して起動するようにスケジュールを修正する。これにより運転予備力が充足されるようになったときは再度ＧＡを適用して火力発電装置運用コストの総和が最小になるようにスケジュールを決定して、新しい運用計画最終案とする。運用計画最終案は表示装置から提示される。
運転予備力制約条件に整合させる修正を行うことにより、さらに運用コストの節約が可能になる。
運転予備力制約条件に整合させる修正を行うことにより、さらに運用コストの節約が可能になる。
また、本発明の課題を解決するため、複数の火力発電装置と電力貯蔵装置（ＥＳＳ）を含む電力供給設備に使用する本発明の運用支援装置は、第１演算部と第２演算部とデータ記憶装置からなる演算装置と入出力装置を備える。
入出力装置が電力需要施設の需要予測を取り込み、データ記憶装置が電力供給装置の制約条件を格納している。
入出力装置が電力需要施設の需要予測を取り込み、データ記憶装置が電力供給装置の制約条件を格納している。
第１演算部は、ＥＳＳの放電時の出力を一定と仮定し所期の期間にわたる火力発電装置の起動停止情報を個体群として遺伝的アルゴリズム（ＧＡ）の演算を実行して、電力需要を満たす火力発電装置の起動停止スケジュールとＥＳＳの充放電スケジュールを火力発電装置の運用コストが最小になるようにした運用計画素案を生成する。
第２演算部は、第１演算部で作成した運用計画素案に対して所期の期間にわたるＥＳＳの充放電電力値を個体群とし電力系統に電力供給する火力発電機の運用コストを最小化することを目標にしてＧＡの演算を実行することにより運用計画案を作成する。作成した運用計画案は電力供給設備について予め決められる制約条件に適合しないものを排除して作成され、入出力装置を介して提示され、また配信部、送受信部を介して遠隔の発電所や中央管理室で表示されるようにする。
なお、第２演算部は、運用計画案を用いたときに運転予備力が不足するときは起動する火力発電装置を追加し、運転予備力が充足されるときは再度ＧＡを適用して火力発電装置の運用コストが最小になるように決定した運用計画最終案を作成するようにしてもよい。
本発明の方法および装置は、遺伝的アルゴリズムを用いて運用コストを最小化する発電機と電力貯蔵装置（ＥＳＳ）の運用計画を決定することができるので、これを導入することによって電力会社における運用合理化に大きく貢献することができる。
また、本発明の方法は、ＥＳＳを一般的に定式化して演算に取り込んでいるので、ＥＳＳの種類によらずに適用できる。
また、本発明の方法は、ＥＳＳを一般的に定式化して演算に取り込んでいるので、ＥＳＳの種類によらずに適用できる。
シミュレーションによりこれらの手法を用いた効果を確認した結果、１０基の火力ユニットと１基のＥＳＳを備えた火力発電施設において、ＥＳＳを無視した運用計画によれば運用コストが約５６１千ドルとなり、特許文献１における方法でＥＳＳを最適化した運用計画案にしたがうと運用コストが約５５６千ドルと約５千ドル減少するところ、本発明のＥＳＳ最適化と火力ユニットの運用改善を盛り込んだ運用計画最終案によれば、運用コストは約５４８千ドルと約１万３千ドル（約２．３％）も減少し、本発明が明らかな効果を有することが証明された。
また、負荷の平準化効果は、本発明における第１ステップより第２ステップの方が大きいことが示された。
また、負荷の平準化効果は、本発明における第１ステップより第２ステップの方が大きいことが示された。
以下、実施例を用いて本発明を詳細に説明する。
図１は本実施例に係る運用支援方法を適用する電力供給施設のブロック図である。
本実施例の電力供給設備の運用支援方法および装置は、図１に示すような電力供給施設に適用するものである。本実施例の運用支援方法を適用する電力供給施設は、電力貯蔵素子２とインバータ３を有する電力貯蔵装置（ＥＳＳ）１と、適当な数Ｎ基の火力ユニット４を備え、電力系統６を介して負荷５に電力を供給する。なお、ＥＳＳ１として、揚水発電機、フライホイール、超伝導磁気エネルギー貯蔵装置（ＳＭＥＳ）、ＮＡＳ電池、レドックスフロー電池など、種々のものが利用できる。
図１は本実施例に係る運用支援方法を適用する電力供給施設のブロック図である。
本実施例の電力供給設備の運用支援方法および装置は、図１に示すような電力供給施設に適用するものである。本実施例の運用支援方法を適用する電力供給施設は、電力貯蔵素子２とインバータ３を有する電力貯蔵装置（ＥＳＳ）１と、適当な数Ｎ基の火力ユニット４を備え、電力系統６を介して負荷５に電力を供給する。なお、ＥＳＳ１として、揚水発電機、フライホイール、超伝導磁気エネルギー貯蔵装置（ＳＭＥＳ）、ＮＡＳ電池、レドックスフロー電池など、種々のものが利用できる。
Ｎ基の火力ユニット４はそれぞれ起動されると出力Ｐ１，Ｐ２，・・・，ＰＮを発生し、電力系統６に供給される。ＥＳＳ１は、電力系統６に接続されて、電力系統６における総出力Ｐｔｈから充電電力Ｐｃ−ｉｎｖを充電し、また放電電力Ｐｄ−ｉｎｖを電力系統６に放電して補充する。したがって、負荷５に供給される電力ＤはＥＳＳ１の充放電状態にしたがって変化する。
本電力供給設備の運用の目標は、与えられた期間における火力ユニットの燃料コストと起動コストの和である総コストＴＣを最小化することである。
したがって、本実施例の運用支援方法および装置は、負荷５の電力需要予測に対応して、運用目標に適合した各火力ユニット４の起動停止とＥＳＳ１の充放電の最適な組み合わせとなる運用計画案を提示することである。
ただし、提示する運用計画案は、装置上の制約条件、すなわち、電力の予想需要や発電機の起動停止あるいは負荷配分などを決定する電力系統のデータ、発電機特性、運用制約条件、目的関数、電力貯蔵装置の特性や容量などの条件に適合していなければならない。
したがって、本実施例の運用支援方法および装置は、負荷５の電力需要予測に対応して、運用目標に適合した各火力ユニット４の起動停止とＥＳＳ１の充放電の最適な組み合わせとなる運用計画案を提示することである。
ただし、提示する運用計画案は、装置上の制約条件、すなわち、電力の予想需要や発電機の起動停止あるいは負荷配分などを決定する電力系統のデータ、発電機特性、運用制約条件、目的関数、電力貯蔵装置の特性や容量などの条件に適合していなければならない。
（１）目的関数の定式化
本実施例の運用支援方法における評価関数は、ＥＳＳ運用計画を考慮して火力ユニットの出力Ｐｉ(t)に依存する燃料費Ｆi(Ｐi(t))と起動費ＳＣi(t)で表される（１）式の総コストＴＣを最小化することである。
ＴＣ＝Σ（ｔ＝１〜Ｔ）Σ（ｉ＝１〜Ｎ）[Ｆi(Ｐi(t))+ＳＣi(t)] （１）
ただし、
Ｆi(Ｐi(t))＝ａi＋ｂi・Ｐi(t)＋ｃi・(Ｐi(t))２ （２）
ＳＣi(t)＝h-costｉ ：Ｔiｏｆｆ≦Ｘiｏｆｆ≦Ｈiｏｆｆ または
c-costｉ ：Ｘiｏｆｆ＞Ｈiｏｆｆ （３）
Ｈiｏｆｆ＝Ｔiｏｆｆ＋c-h-costｉ （４）
本実施例の運用支援方法における評価関数は、ＥＳＳ運用計画を考慮して火力ユニットの出力Ｐｉ(t)に依存する燃料費Ｆi(Ｐi(t))と起動費ＳＣi(t)で表される（１）式の総コストＴＣを最小化することである。
ＴＣ＝Σ（ｔ＝１〜Ｔ）Σ（ｉ＝１〜Ｎ）[Ｆi(Ｐi(t))+ＳＣi(t)] （１）
ただし、
Ｆi(Ｐi(t))＝ａi＋ｂi・Ｐi(t)＋ｃi・(Ｐi(t))２ （２）
ＳＣi(t)＝h-costｉ ：Ｔiｏｆｆ≦Ｘiｏｆｆ≦Ｈiｏｆｆ または
c-costｉ ：Ｘiｏｆｆ＞Ｈiｏｆｆ （３）
Ｈiｏｆｆ＝Ｔiｏｆｆ＋c-h-costｉ （４）
（２）制約条件の定式化
対象とする装置には、発電機やＥＳＳの特性や技術面などから下に記載する幾つかの制約条件があり、解はこれらの条件を満足しなければならない。
（i）電力需給バランス制約
時間ｔにおける各火力ユニットの出力Ｐi(t)の総和とインバータ入出力Ｐｉｎｖ(t)を加えたものが電力需要と一致しなければならない。
Ｄ(t)＝Σ（ｉ＝１〜Ｎ）Ｐi(t)＋Ｐｉｎｖ(t) （５）
対象とする装置には、発電機やＥＳＳの特性や技術面などから下に記載する幾つかの制約条件があり、解はこれらの条件を満足しなければならない。
（i）電力需給バランス制約
時間ｔにおける各火力ユニットの出力Ｐi(t)の総和とインバータ入出力Ｐｉｎｖ(t)を加えたものが電力需要と一致しなければならない。
Ｄ(t)＝Σ（ｉ＝１〜Ｎ）Ｐi(t)＋Ｐｉｎｖ(t) （５）
（ii）運転予備力制約
ＥＳＳが充電あるいは放電動作するときは、火力ユニットが分担する電力Ｄ'(t)は、負荷に充当する電力Ｄ(t)に対してインバータの充電電力Ｐｃ−ｉｎｖや放電電力Ｐｄ−ｉｎｖだけ過不足が生じて下の式のようになる。
充電時：
Ｄ'(t)＝Ｄ(t)＋Ｐｃ−ｉｎｖ(t) （６）
放電時：
Ｄ'(t)＝Ｄ(t)−Ｐｄ−ｉｎｖ(t) （７）
そこで、火力ユニットの分担電力Ｄ'(t)の変化にしたがって、運転予備力Ｒｔ も変化する。各火力ユニットの起動停止状態を１，０で表す関数Ｉi(t)を用いると、火力ユニット群の総出力は運転予備力を満たさなくてはならない。
Σ（ｉ＝１〜Ｎ）Ｉi(t)・Ｐimax≧Ｄ'(t)＋Ｒｔ （８）
運転予備力Ｒｔ は、たとえば、火力ユニットの分担電力Ｄ'(t)の１０％などに選択するとよい。
ＥＳＳが充電あるいは放電動作するときは、火力ユニットが分担する電力Ｄ'(t)は、負荷に充当する電力Ｄ(t)に対してインバータの充電電力Ｐｃ−ｉｎｖや放電電力Ｐｄ−ｉｎｖだけ過不足が生じて下の式のようになる。
充電時：
Ｄ'(t)＝Ｄ(t)＋Ｐｃ−ｉｎｖ(t) （６）
放電時：
Ｄ'(t)＝Ｄ(t)−Ｐｄ−ｉｎｖ(t) （７）
そこで、火力ユニットの分担電力Ｄ'(t)の変化にしたがって、運転予備力Ｒｔ も変化する。各火力ユニットの起動停止状態を１，０で表す関数Ｉi(t)を用いると、火力ユニット群の総出力は運転予備力を満たさなくてはならない。
Σ（ｉ＝１〜Ｎ）Ｉi(t)・Ｐimax≧Ｄ'(t)＋Ｒｔ （８）
運転予備力Ｒｔ は、たとえば、火力ユニットの分担電力Ｄ'(t)の１０％などに選択するとよい。
（iii）発電機出力上下限制約
各火力ユニットには、それぞれ容量の限界がある。
Ｐimin ≦Ｐi(t)≦Ｐimax （９）
（iv）発電機最小運転・停止時間制約
各火力ユニットは、それぞれ決められた最小時間の間は、運転状態あるいは停止状態を継続していなければならない。
Ｔiｏｎ≦Ｘiｏｎ
Ｔiｏｆｆ≦Ｘiｏｆｆ(t) （１０）
各火力ユニットには、それぞれ容量の限界がある。
Ｐimin ≦Ｐi(t)≦Ｐimax （９）
（iv）発電機最小運転・停止時間制約
各火力ユニットは、それぞれ決められた最小時間の間は、運転状態あるいは停止状態を継続していなければならない。
Ｔiｏｎ≦Ｘiｏｎ
Ｔiｏｆｆ≦Ｘiｏｆｆ(t) （１０）
（v）初期貯蔵電力量
ＥＳＳは、ある初期電力量Ｃｓｒ ｉｎｉから充電動作を開始する。
Ｃｓｒ ｉｎｉ＝ω・Ｃｓｒ ｍａｘ （１１）
ここで、ω（０＜ω＜１）は放電係数、Ｃｓｒ ｍａｘは貯蔵可能最大電力量である。
（vi）充放電制約
時刻ｔにおける充電電力量Ｃｓｒｃ(t)と放電電力量Ｃｓｒｄ(t)は、時刻ｔにおけるインバータからの出力Ｐｉｎｖ(t)を用いて、それぞれ下式で表される。ここで、α（０＜α≦１）は充電時の効率であるが、ここでは対象とするＥＳＳの全ての効率を集約した総合効率とする。
Ｃｓｒｃ(t)＝∫αＰｉｎｖ(t)dt （１２）
Ｃｓｒｄ(t)＝∫Ｐｉｎｖ(t)dt （１３）
電力貯蔵量は離散化式で表すと次の式のようになる。
Ｃｓｒ(t)＝Ｃｓｒ(t−1)＋Ｃｓｒｃ(t)−Ｃｓｒｄ(t) （１４）
ＥＳＳは、ある初期電力量Ｃｓｒ ｉｎｉから充電動作を開始する。
Ｃｓｒ ｉｎｉ＝ω・Ｃｓｒ ｍａｘ （１１）
ここで、ω（０＜ω＜１）は放電係数、Ｃｓｒ ｍａｘは貯蔵可能最大電力量である。
（vi）充放電制約
時刻ｔにおける充電電力量Ｃｓｒｃ(t)と放電電力量Ｃｓｒｄ(t)は、時刻ｔにおけるインバータからの出力Ｐｉｎｖ(t)を用いて、それぞれ下式で表される。ここで、α（０＜α≦１）は充電時の効率であるが、ここでは対象とするＥＳＳの全ての効率を集約した総合効率とする。
Ｃｓｒｃ(t)＝∫αＰｉｎｖ(t)dt （１２）
Ｃｓｒｄ(t)＝∫Ｐｉｎｖ(t)dt （１３）
電力貯蔵量は離散化式で表すと次の式のようになる。
Ｃｓｒ(t)＝Ｃｓｒ(t−1)＋Ｃｓｒｃ(t)−Ｃｓｒｄ(t) （１４）
ＥＳＳの充放電に伴う制約は下の通りである。
全ての時刻において：
Ｃｓｒ ｍｉｎ≦Ｃｓｒ(t)≦Ｃｓｒ ｍａｘ （１５）
充電終了時において：
ｋ・Ｃｓｒ ｍａｘ≦Ｃｓｒ(tc)≦Ｃｓｒ ｍａｘ （１６）
放電終了時において：
Ｃｓｒ ｍｉｎ≦Ｃｓｒ(td)≦ω・Ｃｓｒ ｍａｘ （１７）
ここで、ωは放電係数、ｋ（ω≦ｋ≦１）は充電係数で、ｋ・Ｃｓｒ ｍａｘは充電終了時下限電力量、ω・Ｃｓｒ ｍａｘは放電終了時上限電力量、Ｃｓｒ ｍｉｎは貯蔵可能な最低電力量である。
充電は電力貯蔵量が充電終了時下限電力量を上回ったときに終了し、放電は放電終了時上限電力量を下回ったときに終了する。
全ての時刻において：
Ｃｓｒ ｍｉｎ≦Ｃｓｒ(t)≦Ｃｓｒ ｍａｘ （１５）
充電終了時において：
ｋ・Ｃｓｒ ｍａｘ≦Ｃｓｒ(tc)≦Ｃｓｒ ｍａｘ （１６）
放電終了時において：
Ｃｓｒ ｍｉｎ≦Ｃｓｒ(td)≦ω・Ｃｓｒ ｍａｘ （１７）
ここで、ωは放電係数、ｋ（ω≦ｋ≦１）は充電係数で、ｋ・Ｃｓｒ ｍａｘは充電終了時下限電力量、ω・Ｃｓｒ ｍａｘは放電終了時上限電力量、Ｃｓｒ ｍｉｎは貯蔵可能な最低電力量である。
充電は電力貯蔵量が充電終了時下限電力量を上回ったときに終了し、放電は放電終了時上限電力量を下回ったときに終了する。
インバータは理想的なものを想定する。インバータ出力は下式の制約を受ける。
０≦｜Ｐｉｎｖ(t)｜≦Ｐｉｎｖ ｍａｘ （１８）
０≦｜Ｐｉｎｖ(t)｜≦Ｐｉｎｖ ｍａｘ （１８）
ここで、主要な変数の意味は、
Ｎ ：発電ユニットの総数
Ｔ ：スケジューリング期間
ｉ ：発電ユニットのインデックス（ｉ＝１，２，・・・Ｎ）
ｔ ：時間のインデックス（ｔ＝１，２，・・・Ｔ）
Ｉi(t) ：時間ｔにおける発電ユニットｉの起動停止状態
（０：停止、１：運転）
h-costｉ ：発電ユニットｉをホットスタートさせるときのコスト
c-costｉ ：発電ユニットｉをコールドスタートさせるときのコスト
c-h-costｉ ：発電ユニットｉのボイラ冷却時間
Ｐi(t) ：時間ｔにおける発電ユニットｉの出力
Ｐimax ：発電ユニットｉの最大出力
Ｐimin ：発電ユニットｉの最小出力
Ｄ(t) ：時間ｔにおける需要電力
Ｒｔ ：時間ｔにおける運転予備力（たとえば、Ｄ(t)の１０％）
Ｔiｏｎ ：発電ユニットｉの最小運転時間
Ｔiｏｆｆ ：発電ユニットｉの最小停止時間
Ｘiｏｎ ：時間ｔにおける発電ユニットｉの運転時間
Ｘiｏｆｆ ：時間ｔにおける発電ユニットｉの停止時間
Ｈiｏｆｆ ：発電ユニットｉが冷却しきるまでの時間
ＳＣi(t) ：発電ユニットｉの起動コスト
Ｆi(Ｐi(t)) ：発電ユニットｉの燃料コスト
ＴＣ ：総コスト
である。
これら演算に必要な変数値は、入力装置を使って予め運用支援装置に入力して記憶装置に格納しておく。また、演算により生成したデータも、逐次、記憶装置に格納する。
Ｎ ：発電ユニットの総数
Ｔ ：スケジューリング期間
ｉ ：発電ユニットのインデックス（ｉ＝１，２，・・・Ｎ）
ｔ ：時間のインデックス（ｔ＝１，２，・・・Ｔ）
Ｉi(t) ：時間ｔにおける発電ユニットｉの起動停止状態
（０：停止、１：運転）
h-costｉ ：発電ユニットｉをホットスタートさせるときのコスト
c-costｉ ：発電ユニットｉをコールドスタートさせるときのコスト
c-h-costｉ ：発電ユニットｉのボイラ冷却時間
Ｐi(t) ：時間ｔにおける発電ユニットｉの出力
Ｐimax ：発電ユニットｉの最大出力
Ｐimin ：発電ユニットｉの最小出力
Ｄ(t) ：時間ｔにおける需要電力
Ｒｔ ：時間ｔにおける運転予備力（たとえば、Ｄ(t)の１０％）
Ｔiｏｎ ：発電ユニットｉの最小運転時間
Ｔiｏｆｆ ：発電ユニットｉの最小停止時間
Ｘiｏｎ ：時間ｔにおける発電ユニットｉの運転時間
Ｘiｏｆｆ ：時間ｔにおける発電ユニットｉの停止時間
Ｈiｏｆｆ ：発電ユニットｉが冷却しきるまでの時間
ＳＣi(t) ：発電ユニットｉの起動コスト
Ｆi(Ｐi(t)) ：発電ユニットｉの燃料コスト
ＴＣ ：総コスト
である。
これら演算に必要な変数値は、入力装置を使って予め運用支援装置に入力して記憶装置に格納しておく。また、演算により生成したデータも、逐次、記憶装置に格納する。
図２は、本実施例の運用支援装置の構成図である。
運用支援装置の主体となるデータ処理装置１０は、キーボードやマウスなどでなる入力部３０、液晶表示装置などの表示部４０、外部記憶装置である記憶部５０、各発電所あるいは集中制御室に設けられた送受信部７０と伝送路を介して接続する配信部６０と接続されている。
データ処理装置１０は、コントロール部１１、条件読込部１２、条件設定部１３、ユニット集約部１４、遺伝的アルゴリズム部１５、拡張優先リスト法部１６、計画評価部１７、表示データ作成部１８、データ格納部１９を備える。
運用支援装置の主体となるデータ処理装置１０は、キーボードやマウスなどでなる入力部３０、液晶表示装置などの表示部４０、外部記憶装置である記憶部５０、各発電所あるいは集中制御室に設けられた送受信部７０と伝送路を介して接続する配信部６０と接続されている。
データ処理装置１０は、コントロール部１１、条件読込部１２、条件設定部１３、ユニット集約部１４、遺伝的アルゴリズム部１５、拡張優先リスト法部１６、計画評価部１７、表示データ作成部１８、データ格納部１９を備える。
遺伝的アルゴリズム部１５は、遺伝的アルゴリズム（ＧＡ）を実行するために必要なプログラムやデータ格納領域を有するもので、個体群生成部２１、個体群格納部２２、選択部２３、交叉操作部２４、突然変異操作部２５、知的突然変異操作部２６および適応度評価部２７から構成される。
入力部３０は、キーボードなどから入力されたデータや、表示部４０に表示された選択肢から選択された所定情報をコントロール部１１に送る。記憶部５０は、演算に必要なデータや演算結果を格納する。配信部６０は、データ処理装置１０で作成した運転計画案を各発電所あるいは集中制御室の送受信部７０に伝送し、また各発電所の情報をデータ処理装置１０に伝送する。
コントロール部１１は、配信部６０を含めたデータ処理装置１０内外の各部のデータや処理プログラムなどの授受を円滑に行いながら、第１演算部１０１と第２演算部１０２の演算を実行する。
コントロール部１１は、配信部６０を含めたデータ処理装置１０内外の各部のデータや処理プログラムなどの授受を円滑に行いながら、第１演算部１０１と第２演算部１０２の演算を実行する。
条件読込部１２は、記憶部５０に保存されている装置上の制約条件、すなわち、電力の予想需要や発電機の起動停止あるいは負荷配分などを決定する電力系統のデータ、発電機特性、運用制約条件、目的関数、電力貯蔵装置の特性や容量などの条件、および処理プログラムなどを読み込み、主記憶装置あるいは一部を外部記憶装置に設定されるデータ格納部１９に格納する。
条件設定部１３は、入力部２、コントロール部１１を介して入力される、運用計画の作成に必要な条件や関数を設定する。
条件設定部１３は、入力部２、コントロール部１１を介して入力される、運用計画の作成に必要な条件や関数を設定する。
ユニット集約部１４は、記憶部５０に集約保存されている電力系統中の各ユニットに関するコスト係数などのパラメータを考慮し、演算に関連するデータを集約してデータ格納部１９に格納させる。
表示データ作成部１８は、データ処理装置１０の各部で計算する計画条件、計画、評価関数などの推移、あるいはデータ格納部１９や記憶部５０に格納しているデータ等を表示できる形態に変成して表示部４０に表示させる。また、作成された最終的な計画案は、コントロール部１１、配信部６０，伝送路、送受信機７０の径路を通って各発電所や集中制御室に伝送される。
表示データ作成部１８は、データ処理装置１０の各部で計算する計画条件、計画、評価関数などの推移、あるいはデータ格納部１９や記憶部５０に格納しているデータ等を表示できる形態に変成して表示部４０に表示させる。また、作成された最終的な計画案は、コントロール部１１、配信部６０，伝送路、送受信機７０の径路を通って各発電所や集中制御室に伝送される。
本実施例の運用支援方法は、第１演算部１０１で第１ステップを実行して、遺伝的アルゴリズム（ＧＡ）により火力ユニットの起動停止とＥＳＳの充放電の準最適組合せを決定し、その後、第２演算部１０２で第２ステップを実行して、準最適組合せにおいて再びＧＡによりＥＳＳの充放電電力値を最適化するように修正することにより、火力ユニットとＥＳＳの最適組合せを決定するものである。
図３は、本実施例の運用支援方法を説明するフローチャートである。
第１ステップでは、与えられた電力需要予測に対して、ＥＳＳの充電、放電、停止の準最適組合せを求めた上で、ＥＳＳの出力を所定の値に固定したと仮定し、残余の電力需要予測値を対象として準最適な火力ユニット起動停止スケジュールを求め、火力ユニットの起動費と燃料費を合わせた運用コストの総和を最小化することを評価関数として、たとえば２４時間など所定の期間にわたるＥＳＳの充放電スケジュールを充電（Ｃ）、停止（０）、放電（Ｄ）の３進法で表して遺伝子情報とした個体としてＧＡを実行し、電力供給施設の運用計画素案を作成する（Ｓ１）。
第１ステップでは、与えられた電力需要予測に対して、ＥＳＳの充電、放電、停止の準最適組合せを求めた上で、ＥＳＳの出力を所定の値に固定したと仮定し、残余の電力需要予測値を対象として準最適な火力ユニット起動停止スケジュールを求め、火力ユニットの起動費と燃料費を合わせた運用コストの総和を最小化することを評価関数として、たとえば２４時間など所定の期間にわたるＥＳＳの充放電スケジュールを充電（Ｃ）、停止（０）、放電（Ｄ）の３進法で表して遺伝子情報とした個体としてＧＡを実行し、電力供給施設の運用計画素案を作成する（Ｓ１）。
第２ステップでは、第１ステップで得られた運用計画素案に基づいて、各時間帯におけるＥＳＳの充放電電力値を２進法で表現した個体群とし、電力供給設備について予め決めた制約条件に違反しないことを前提とし、評価関数を火力発電機の運用コストを最小化することに対する適応度として、ＧＡを実行することにより、運用計画案を作成する。生成したスケジュールが最小運転・停止時間制約を満たす場合は、経済負荷配分計算を行い運用コスト評価を行い、最良の計画案を提示する（Ｓ２）。
第２ステップで得られる運用計画案は、運用コストが最小であるもので、そのまま電力供給施設において運用の基礎として実際に利用することができる。
第２ステップで得られる運用計画案は、運用コストが最小であるもので、そのまま電力供給施設において運用の基礎として実際に利用することができる。
しかし、さらに、たとえば１０％程度要求される運転予備力など制約条件を考慮に入れると、火力ユニットの運転計画を修正することが好ましい場合がある。
特に運転予備力を問題とする場合は、第２演算部１０２はさらに改善ステップを実行して、運転予備力制約について検証して不足の場合は、制約条件に適合するまで火力ユニットを１基ずつ起動するように計画案を修正する。
特に運転予備力を問題とする場合は、第２演算部１０２はさらに改善ステップを実行して、運転予備力制約について検証して不足の場合は、制約条件に適合するまで火力ユニットを１基ずつ起動するように計画案を修正する。
図４は、第１演算部１０１の実行する第１ステップにおける手順を表すフローチャートである。
第１ステップでは、ＥＳＳの初期運用スケジュールを作成する。
初めに、ＥＳＳの充放電スケジュールを作成する（Ｓ１１）。
図５は、ＥＳＳの初期運用スケジュールの作成方法を説明した図面である。上段図は１日の電力需要予測パターンを例示したもので、点線はその平均電力需要である。下段図に描いた表示は、時間帯毎にＥＳＳの充電（Ｃ）放電（Ｄ）の状態を示したものである。
第１ステップでは、ＥＳＳの初期運用スケジュールを作成する。
初めに、ＥＳＳの充放電スケジュールを作成する（Ｓ１１）。
図５は、ＥＳＳの初期運用スケジュールの作成方法を説明した図面である。上段図は１日の電力需要予測パターンを例示したもので、点線はその平均電力需要である。下段図に描いた表示は、時間帯毎にＥＳＳの充電（Ｃ）放電（Ｄ）の状態を示したものである。
運用支援装置の遺伝的アルゴリズム部１５は、個体群生成部２１に格納されたプログラムにより、運用予定日の時間帯毎の電力需要予測値を入力し、この電力需要予測値が平均電力需要値以下であればＥＳＳは充電（Ｃ）、平均以上の場合は放電（Ｄ）するものとして、電力供給施設の運用計画の基となるＥＳＳ運用予定表を作成する。図５の下段図は、与えられた需要予測に対するＥＳＳ初期運用スケジュール案を示したものである。
次に、ＥＳＳの初期運用スケジュールの内容を取り替えて複数のＥＳＳ運用スケジュールを生成する。
図６は、ＥＳＳ運用スケジュールである個体群の生成状況を説明する図面である。図５の下段図に示したＥＳＳの初期運用スケジュールに対して、個体群生成部２１のプログラムにしたがって、図６に示すように、ランダムに位置を指定しその内容を取り替えて複数のＥＳＳ運用スケジュールを生成する。ＥＳＳ運用スケジュールは、充電（Ｃ）放電（Ｄ）に停止（０）を加えた３進数の数列として表されたデータを遺伝子として有する個体とみなすことができる。これらは、遺伝的アルゴリズムを作用させるための個体群となる（Ｓ１２）。個体群は個体群格納部２２のプログラムにしたがって記憶部５０に画定された記憶領域に格納される。
図６は、ＥＳＳ運用スケジュールである個体群の生成状況を説明する図面である。図５の下段図に示したＥＳＳの初期運用スケジュールに対して、個体群生成部２１のプログラムにしたがって、図６に示すように、ランダムに位置を指定しその内容を取り替えて複数のＥＳＳ運用スケジュールを生成する。ＥＳＳ運用スケジュールは、充電（Ｃ）放電（Ｄ）に停止（０）を加えた３進数の数列として表されたデータを遺伝子として有する個体とみなすことができる。これらは、遺伝的アルゴリズムを作用させるための個体群となる（Ｓ１２）。個体群は個体群格納部２２のプログラムにしたがって記憶部５０に画定された記憶領域に格納される。
選択部２３のプログラムにしたがって、個体群から適応度の高い個体を１個または適当数選択する（Ｓ１３）。
選択された個体は拡張優先リスト法部１６のプログラムにしたがって処理される。このプログラムは、インバータの充放電電力をたとえば４０ＭＷなど一定値に仮定して、選択した個体におけるＥＳＳ運用スケジュールにしたがって、火力ユニット側に配分されるべき電力需要を算定して、この電力需要に適合するような火力ユニットの起動停止計画を作成する。
火力ユニットの起動停止計画は、特許文献１に開示されたと同じように、拡張優先リスト法（ＥＰＬ法）を用いて決定することができる（Ｓ１４）。
選択された個体は拡張優先リスト法部１６のプログラムにしたがって処理される。このプログラムは、インバータの充放電電力をたとえば４０ＭＷなど一定値に仮定して、選択した個体におけるＥＳＳ運用スケジュールにしたがって、火力ユニット側に配分されるべき電力需要を算定して、この電力需要に適合するような火力ユニットの起動停止計画を作成する。
火力ユニットの起動停止計画は、特許文献１に開示されたと同じように、拡張優先リスト法（ＥＰＬ法）を用いて決定することができる（Ｓ１４）。
ＥＰＬ法は、発電機データを事前解析して得た優先リストを使う初期解生成部分と、得られた初期解について制約条件を満足させ経済負荷配分を行いコストの低減化を図るように修正する後処理部分から構成される。
初期解生成部分では、ユニット集約部１４において発電機データを事前に解析し、各発電機毎に発電単価と起動停止の頻度を考慮して稼働優先度を決定した優先リストを利用することにより初期解の探索領域を削減したので、改善見込みある解のみを効率的に探索することができる。改善見込みある解とは、簡単な修正を施すことにより、最適解により近づいた近似解に変化するような解をいう。
後処理部分では、改善見込みある解に対して発電機起動停止計画（ＵＣ）問題の求解に適したヒューリスティック手法を適用して、各火力ユニットの起動停止タイミングに関係する種々の制約を満たすような修正解を求める。
初期解生成部分では、ユニット集約部１４において発電機データを事前に解析し、各発電機毎に発電単価と起動停止の頻度を考慮して稼働優先度を決定した優先リストを利用することにより初期解の探索領域を削減したので、改善見込みある解のみを効率的に探索することができる。改善見込みある解とは、簡単な修正を施すことにより、最適解により近づいた近似解に変化するような解をいう。
後処理部分では、改善見込みある解に対して発電機起動停止計画（ＵＣ）問題の求解に適したヒューリスティック手法を適用して、各火力ユニットの起動停止タイミングに関係する種々の制約を満たすような修正解を求める。
計画評価部１７は、修正解にしたがい、起動停止コストを含めた火力ユニット群の総コストＴＣを算定する（Ｓ１５)。
演算を終了すべき条件が整ったときは、得られた結果をデータ格納部１９に納めて、第１ステップの演算を終了する（Ｓ１６）。
第１ステップにおける終了条件は、ＧＡの世代交代数が規定の回数に達すること、あるいは、修正解がコスト評価を満足させること、である。
演算が終了していないときは、遺伝的アルゴリズム部１５により、ＥＳＳの充放電情報に遺伝的操作を施し新しい個体を生成して（Ｓ１７）、これを火力ユニットの起動停止計画作成のための個体として供給する（Ｓ１３）。
演算を終了すべき条件が整ったときは、得られた結果をデータ格納部１９に納めて、第１ステップの演算を終了する（Ｓ１６）。
第１ステップにおける終了条件は、ＧＡの世代交代数が規定の回数に達すること、あるいは、修正解がコスト評価を満足させること、である。
演算が終了していないときは、遺伝的アルゴリズム部１５により、ＥＳＳの充放電情報に遺伝的操作を施し新しい個体を生成して（Ｓ１７）、これを火力ユニットの起動停止計画作成のための個体として供給する（Ｓ１３）。
遺伝的操作は、遺伝的アルゴリズム（ＧＡ）に基づいて施される。
Ｎ個の個体が入る集合を２つ準備し、現世代と次世代とする。現世代にＮ個の個体を生成して収納する。現世代の各個体の適応度をそれぞれ計算する。
現世代の個体を適応度に応じて選択し、遺伝的操作を加えて、その結果生成する個体を次世代に収納する。選択と遺伝的操作を繰り返して次世代の個体数がＮ個になると、次世代の内容をそのまま現世代に移す。
これらの動作を設定した世代交代数Ｇまで繰り返し、最終的に形成された現世代の中で最も適応度の高い個体を解として出力する。
Ｎ個の個体が入る集合を２つ準備し、現世代と次世代とする。現世代にＮ個の個体を生成して収納する。現世代の各個体の適応度をそれぞれ計算する。
現世代の個体を適応度に応じて選択し、遺伝的操作を加えて、その結果生成する個体を次世代に収納する。選択と遺伝的操作を繰り返して次世代の個体数がＮ個になると、次世代の内容をそのまま現世代に移す。
これらの動作を設定した世代交代数Ｇまで繰り返し、最終的に形成された現世代の中で最も適応度の高い個体を解として出力する。
第１ステップでＥＳＳの充放電スケジュールを調整するために用いられるＧＡのオペレータは、交叉操作と突然変異操作と知的突然変異操作である。
交叉は、ＥＳＳの２４時間にわたる充放電スケジュールの個体群から２個の個体を選択し、ある時間帯ｎをランダムに指定し、それ以降（ｎ〜２４）のスケジュールを相互に入れ換えて新しい個体とするものである。
突然変異は、ＥＳＳの充放電スケジュール個体群から１個の個体を選択し、ある時間帯ｎをランダムに指定し、これ以降、たとえば３個など所定数の座位について、Ｃ，Ｄ，０から選ばれた所定の記号に置き換えることにより、新しい個体を生成するものである。
また、知的突然変異は、ＥＳＳ充放電スケジュールの個体群から１個の個体を選択し、負荷がある値より大きい時間帯で放電（Ｄ）、負荷がある値より小さい時間帯で充電（Ｃ）に置き換えて、新しい個体にするものである。
交叉は、ＥＳＳの２４時間にわたる充放電スケジュールの個体群から２個の個体を選択し、ある時間帯ｎをランダムに指定し、それ以降（ｎ〜２４）のスケジュールを相互に入れ換えて新しい個体とするものである。
突然変異は、ＥＳＳの充放電スケジュール個体群から１個の個体を選択し、ある時間帯ｎをランダムに指定し、これ以降、たとえば３個など所定数の座位について、Ｃ，Ｄ，０から選ばれた所定の記号に置き換えることにより、新しい個体を生成するものである。
また、知的突然変異は、ＥＳＳ充放電スケジュールの個体群から１個の個体を選択し、負荷がある値より大きい時間帯で放電（Ｄ）、負荷がある値より小さい時間帯で充電（Ｃ）に置き換えて、新しい個体にするものである。
これら操作を実行するプログラムはそれぞれ交叉操作部２４、突然変異操作部２５、知的突然変異部２６に格納されていて、コントロール部１１の第１演算部１０１にしたがって予め操作毎に決められた確率で読み出され、選択された個体に対して作用する。
選択は、自然淘汰をモデル化したもので、適応度に基づいて個体を増やしたり減らしたりする操作である。準備された個体群の中から個体を選択する方法は幾つか知られているが、たとえばルーレット選択など、高い適応度を持つ個体ほど選択される確率が高くなるように選択してもよい。
選択手順は選択部２３に格納されたプログラムにより決められる。
選択手順は選択部２３に格納されたプログラムにより決められる。
図７は、第２演算部１０２の実行する第２ステップの手順を表すフローチャートである。
第１ステップでは４０ＭＷ一定として、火力ユニットとＥＳＳのスケジュール素案を制作したが、ＥＳＳのインバータ出力は連続的に変化させることができるので、ＥＳＳの充放電電力量まで最適化したスケジュールを作成することが好ましい。
第１ステップでは４０ＭＷ一定として、火力ユニットとＥＳＳのスケジュール素案を制作したが、ＥＳＳのインバータ出力は連続的に変化させることができるので、ＥＳＳの充放電電力量まで最適化したスケジュールを作成することが好ましい。
そこで、第２ステップでは、第１ステップで得られた運用計画素案に基づいて、さらにＧＡを実行することにより各時間帯毎に充放電電力量を最適化したＥＳＳ充放電スケジュールを得て、実行可能な運用計画案を作成する。
第２ステップのＧＡは、ＥＳＳの充放電電力量を２進数で表現した情報を遺伝子として持つ個体について、火力ユニットの起動停止をヒューリスティックに決定したスケジュールにおける火力ユニット運用コストの総和を評価関数として、実行する。
第２ステップのＧＡは、ＥＳＳの充放電電力量を２進数で表現した情報を遺伝子として持つ個体について、火力ユニットの起動停止をヒューリスティックに決定したスケジュールにおける火力ユニット運用コストの総和を評価関数として、実行する。
第２ステップのプログラムでは、個体群生成部２１により、第１ステップで得られた運用計画素案で規定されたＥＳＳのたとえば２４時間など規定の時間にわたる充放電状態にしたがって、ＥＳＳのインバータを通した電力量を２進数で表現した遺伝子を持つ個体を生成する。
第１ステップでＥＳＳの充放電電力量を４０ＭＷと仮定した場合は、初めのデータは充放電した時間帯については４０となる。なお、数値はたとえば”０１０１０００”などと２進数で表現することがＧＡ処理上便利である。
第１ステップでＥＳＳの充放電電力量を４０ＭＷと仮定した場合は、初めのデータは充放電した時間帯については４０となる。なお、数値はたとえば”０１０１０００”などと２進数で表現することがＧＡ処理上便利である。
さらに、運用計画素案に基づき生成した準最適な個体に対して、各時間帯における数値にランダムな変成を施してＮ個の個体を形成して、現世代の個体群とする（Ｓ２１）。現世代の個体群は、個体群格納部２２により記憶部５０に格納される。
図８は、ＥＳＳインバータ出力の初期個体群の生成例を示す図面である。個体１は運用計画素案に基づいて形成された個体で、２４時間に対応して遺伝子が２４個形成される。充放電時間帯に対応する遺伝子はいずれも”０１０１０００”、停止中の時間帯に対応する遺伝子は”０００００００”になっている。
個体２以降は個体１や生成された別の個体を基礎としてランダムに２進数を置き換えた遺伝子から構成される。
図８は、ＥＳＳインバータ出力の初期個体群の生成例を示す図面である。個体１は運用計画素案に基づいて形成された個体で、２４時間に対応して遺伝子が２４個形成される。充放電時間帯に対応する遺伝子はいずれも”０１０１０００”、停止中の時間帯に対応する遺伝子は”０００００００”になっている。
個体２以降は個体１や生成された別の個体を基礎としてランダムに２進数を置き換えた遺伝子から構成される。
電力需要曲線を実情に合わせて修正する（Ｓ２２）。
現世代の個体群から選択した個体に対応して決まる火力ユニットとＥＳＳの運用スケジュールが制約条件を満足しているか否かを検査する（Ｓ２３）。
なお、たとえば、この第２ステップでＧＡによってＥＳＳのインバータ出力を調整した結果を第１ステップで決定した火力ユニット起動停止スケジュールと組み合わせると、運転予備力制約を満たさなくなることがある。
現世代の個体群から選択した個体に対応して決まる火力ユニットとＥＳＳの運用スケジュールが制約条件を満足しているか否かを検査する（Ｓ２３）。
なお、たとえば、この第２ステップでＧＡによってＥＳＳのインバータ出力を調整した結果を第１ステップで決定した火力ユニット起動停止スケジュールと組み合わせると、運転予備力制約を満たさなくなることがある。
運転予備力制約に適合せず、運転予備力が不足する場合には（Ｓ２４）、火力ユニット起動停止スケジュールに対して、火力ユニットを１基起動追加することにより補填することが可能である。なお、１基追加しただけでは補填しきれない場合は、運転予備力が足りるようになるまで火力ユニットを１基ずつ追加すればよい（Ｓ２５）。
運転予備力制約に反する時間帯で火力ユニットの運用計画が変更になった場合には、改めてヒューリスティックな方法で最適運用スケジュールを修正する（Ｓ２６）。
運転予備力制約に反する時間帯で火力ユニットの運用計画が変更になった場合には、改めてヒューリスティックな方法で最適運用スケジュールを修正する（Ｓ２６）。
次に、ＥＳＳインバータ出力のスケジュールと火力ユニットの運用スケジュールを合わせた運用計画案について適応度の評価を行う。
運転予備力が充足する個体や（Ｓ２４）、制約条件を全て満たす個体について、経済負荷配分計算を行い、適応度の評価として火力ユニットの出力に依存する燃料費と起動費を合わせた運用コストの総額に基づいて評価を行う（Ｓ２７）。なお、ＥＳＳの充放電電力量が変更され各時刻における電力需要が変化した場合などには、火力ユニットの出力配分を再度行う必要がある。
また、最小運転・停止時間制約に違反するケースは実行不可能なので、棄却する。このように、制約条件を満たさない個体は対象から除外し、運用コストの評価は行わない。
運転予備力が充足する個体や（Ｓ２４）、制約条件を全て満たす個体について、経済負荷配分計算を行い、適応度の評価として火力ユニットの出力に依存する燃料費と起動費を合わせた運用コストの総額に基づいて評価を行う（Ｓ２７）。なお、ＥＳＳの充放電電力量が変更され各時刻における電力需要が変化した場合などには、火力ユニットの出力配分を再度行う必要がある。
また、最小運転・停止時間制約に違反するケースは実行不可能なので、棄却する。このように、制約条件を満たさない個体は対象から除外し、運用コストの評価は行わない。
ＧＡの世代交代数が規定の回数に達した場合や、適応度評価の結果が所定の水準を超えて最適解に十分近い近似解が得られた場合は、得られた結果をデータ格納部１９に納めて、第２ステップの演算を終了する（Ｓ２８）。
終了条件を満たさないときは、遺伝的アルゴリズム部１５により、ＥＳＳの充放電電力量情報に遺伝的操作を施し新しい個体を生成する（Ｓ２９）。
終了条件を満たさないときは、遺伝的アルゴリズム部１５により、ＥＳＳの充放電電力量情報に遺伝的操作を施し新しい個体を生成する（Ｓ２９）。
第２ステップにおける遺伝的操作は、交叉操作と突然変異操作と知的突然変異操作である。
第２ステップの交叉は、ＥＳＳの２４時間にわたる充放電電力量を遺伝子とする個体群で現世代として格納された個体群からランダムに２個の個体を選択し、時間毎の数列についてそれぞれあるビット位置ｂをランダムに選択し、そこから７ビットの数列の最後までを相互に入れ換えて新しい個体とするものである。
第２ステップの交叉は、ＥＳＳの２４時間にわたる充放電電力量を遺伝子とする個体群で現世代として格納された個体群からランダムに２個の個体を選択し、時間毎の数列についてそれぞれあるビット位置ｂをランダムに選択し、そこから７ビットの数列の最後までを相互に入れ換えて新しい個体とするものである。
突然変異は、現世代の個体群からランダムに１個の個体を選択し、ある時間帯ｔをランダムに指定して、１と０を置き換えることにより、新しい個体を生成するものである。
知的突然変異は２種類あって、知的突然変異１は、個体群からランダムに１個の個体を選択し、その中で充電時間帯と放電時間帯を１時間分ずつ選択して、その位置の数値データにそれぞれランダムな２進数を加算して、新しい個体を生成するものである。
また、知的突然変異２は、個体群からランダムに１個の個体を選択し、その中で負荷がある値より大きい時間帯と負荷がある値より小さい時間帯で、数値データにそれぞれランダムな２進数を加算して、新しい個体を生成するものである。
知的突然変異は２種類あって、知的突然変異１は、個体群からランダムに１個の個体を選択し、その中で充電時間帯と放電時間帯を１時間分ずつ選択して、その位置の数値データにそれぞれランダムな２進数を加算して、新しい個体を生成するものである。
また、知的突然変異２は、個体群からランダムに１個の個体を選択し、その中で負荷がある値より大きい時間帯と負荷がある値より小さい時間帯で、数値データにそれぞれランダムな２進数を加算して、新しい個体を生成するものである。
これら操作を実行するプログラムはそれぞれ交叉操作部２４、突然変異操作部２５、知的突然変異部２６に格納されていて、コントロール部１１の第２演算部１０２にしたがって予め操作毎に決められた確率で読み出され作用する。
ＧＡによって生成された新しい個体は、再び制約適合性検査（Ｓ２２）、適応度評価（Ｓ２３）の対象として供給される。
ＧＡによって生成された新しい個体は、再び制約適合性検査（Ｓ２２）、適応度評価（Ｓ２３）の対象として供給される。
（シミュレーション）
本実施例の技術的効果を確認するため、具体的な条件を設定してシミュレーションを行った。
シミュレーションの対象は、火力ユニット１０基とＥＳＳ１基を備えた電力系統であって、本実施例の運用支援方法を適用して運用計画を作成した。火力ユニット８〜１０は発電効率が悪いため通常は予備機とされている。
図９に示した表１は、シミュレーションで使用したＥＳＳのパラメータのリストである。
本実施例の技術的効果を確認するため、具体的な条件を設定してシミュレーションを行った。
シミュレーションの対象は、火力ユニット１０基とＥＳＳ１基を備えた電力系統であって、本実施例の運用支援方法を適用して運用計画を作成した。火力ユニット８〜１０は発電効率が悪いため通常は予備機とされている。
図９に示した表１は、シミュレーションで使用したＥＳＳのパラメータのリストである。
第１ステップでは、ＥＳＳの各時間帯における充放電電力を４０ＭＷに固定してＧＡとＥＰＬを適用し、火力ユニットの起動停止とＥＳＳの充放電の準最適な計画素案を作成した。第２ステップでＥＳＳの電力量を遺伝子としてＧＡを適用して計画案を作成した。
図１０の表２は、第１ステップと第２ステップに使用したＧＡのパラメータである。これらのパラメータの値は、試行錯誤により結果が良好だったもの選択したものである。
図１０の表２は、第１ステップと第２ステップに使用したＧＡのパラメータである。これらのパラメータの値は、試行錯誤により結果が良好だったもの選択したものである。
図１１は、比較のため、ＥＳＳを導入する前における火力ユニットの最適起動停止スケジュールを示したものである。表は０時から２４時までの各火力ユニットの運転状態が、運転時に１、停止時に０で表記されている。なお、火力ユニットは優先リストにしたがって発電コストの小さい順に記載した。
図１２は本実施例の第１ステップで得られる準最適な運用計画素案を示すもの、図１３は第２ステップで得られた運用計画案によるスケジュールを示すものである。ＥＳＳの充放電状態を上の欄に充電をＣ、放電をＤ、停止を０により示している。
図１２は本実施例の第１ステップで得られる準最適な運用計画素案を示すもの、図１３は第２ステップで得られた運用計画案によるスケジュールを示すものである。ＥＳＳの充放電状態を上の欄に充電をＣ、放電をＤ、停止を０により示している。
図１１のＥＳＳを持たない電力系統における火力ユニット起動停止スケジュールでは、１０〜１３時の間、発電コストの高いユニット８〜１０が運転状態になっている。また、２０〜２２時において、ユニット８に加えて、比較的効率の悪いユニット７が運転状態にある。
図１２は、第１ステップの準最適な計画を示すが、ＥＳＳを導入した効果として昼間の時間帯にユニット８〜１０を停止して効率を向上させていることが分かる。
図１３に示した本実施例における最適運用計画案では、最適案に対してＥＳＳのインバータ出力を調整する結果、１２時におけるユニット８、２１時におけるユニット３の稼働を停止して効率向上を図ることができた。
図１３に示した本実施例における最適運用計画案では、最適案に対してＥＳＳのインバータ出力を調整する結果、１２時におけるユニット８、２１時におけるユニット３の稼働を停止して効率向上を図ることができた。
図１４の表３にヒューリスティック法を用いた従来法と本実施例の方法における運用コストを比較した結果を示す。本実施例の方法はＧＡを用いるためバラツキが生じるのでシミュレーションで得られた運用コストの最低値、最高値、平均値を記載した。
本実施例の方法では、ＥＳＳを導入した電力系統に従来法を適用したものと比べて運用コストを約８，５００ドル（約１．６％）、ＥＳＳを導入する前のものと比較すると約１３，５００ドル（約２．５％）削減できることになる。
本実施例の方法では、ＥＳＳを導入した電力系統に従来法を適用したものと比べて運用コストを約８，５００ドル（約１．６％）、ＥＳＳを導入する前のものと比較すると約１３，５００ドル（約２．５％）削減できることになる。
図１５に、本実施例の方法を適用したときの負荷曲線の変化を示す。図は実線が１日の電力需要を示し、破線が第１ステップ後の運用計画に従ったときの負荷曲線、点線が第２ステップ後の負荷曲線を表す。第１ステップで得られた運用計画によって電力需要のピークやボトムにおいて大きな平準化が見られ、さらに第２ステップで平準化が進んでいることが分かる。
図１６は、ＥＳＳの充放電電力量の推移、図１７はＥＳＳにおける電力貯蔵量の推移を示す図面である。４時に電力需要が最小になるので、充電量も大きくなって最大充電量に達して飽和している。この例では、ＥＳＳは、朝のうちに電力貯蔵量が最大値になって、昼頃から放電して火力ユニットの不足を充填し、１５時前後に極小値になって、夕刻の需要減退期に再び充電して電力貯蔵量を増加させている。
本発明において対象とするＥＳＳについては、全てのＥＳＳに共通するモデルを使って定式化して求解するので、ＥＳＳにどの様なものを選択しても本発明の運用支援方法と装置によって対応することができる。
１ 電力貯蔵装置（ＥＳＳ）
２ 電力貯蔵素子
３ インバータ
４ 火力ユニット
５ 負荷
６ 電力系統
１０ データ処理装置
１１ コントロール部
１２ 条件読込部
１３ 条件設定部
１４ ユニット集約部
１５ 遺伝的アルゴリズム部
１６ 拡張優先リスト法部
１７ 計画評価部
１８ 表示データ作成部
１９ データ格納部
２１ 個体群生成部
２２ 個体群格納部
２３ 選択部
２４ 交叉操作部
２５ 突然変異操作部
２６ 知的突然変異操作部
２７ 適応度評価部
３０ 入力部
４０ 表示部
５０ 記憶部
６０ 配信部
７０ 送受信部
１０１ 第１演算部
１０２ 第２演算部
２ 電力貯蔵素子
３ インバータ
４ 火力ユニット
５ 負荷
６ 電力系統
１０ データ処理装置
１１ コントロール部
１２ 条件読込部
１３ 条件設定部
１４ ユニット集約部
１５ 遺伝的アルゴリズム部
１６ 拡張優先リスト法部
１７ 計画評価部
１８ 表示データ作成部
１９ データ格納部
２１ 個体群生成部
２２ 個体群格納部
２３ 選択部
２４ 交叉操作部
２５ 突然変異操作部
２６ 知的突然変異操作部
２７ 適応度評価部
３０ 入力部
４０ 表示部
５０ 記憶部
６０ 配信部
７０ 送受信部
１０１ 第１演算部
１０２ 第２演算部
Claims (4)
- 電力需要施設に対して電力系統線を介して電力を供給する複数の火力発電装置と該系統線にインバータを介して接続され系統線に対して充放電する電力貯蔵装置（ＥＳＳ）で構成された電力供給設備に適用する運用支援方法であって、第１ステップで、所期の期間にわたるＥＳＳの充放電スケジュールを充電、停止、放電の３進法で表して遺伝子情報とした個体とみなして個体群を形成し、該個体群から個体を選択し、該選択した個体についてＥＳＳの充放電電力を一定と仮定して予測される電力需要を満たすように前記火力発電装置の起動停止スケジュールを決定し、前記火力発電装置の運用コストの総和を評価関数として該評価関数が最小になるように前記個体に遺伝的アルゴリズム（ＧＡ）を適用して、前記電力需要を満たす火力発電装置の起動停止スケジュールとＥＳＳの充放電スケジュールを決定して運用計画素案とし、第２ステップで該運用計画素案に対して所期の期間にわたるＥＳＳの充放電電力値を遺伝子情報とする個体とみなし、前記火力発電装置の運用コストを評価関数としてＧＡを適用することにより、前記電力需要を満たす火力発電装置の起動停止スケジュールとＥＳＳの充放電スケジュールを決定し、該スケジュールのうち予め決めた制約条件に違反するものを除去して、前記評価関数を最小化するスケジュールを運用計画案として提示する電力供給設備の運用支援方法。
- 前記第２ステップにおいて、前記制約条件のうち運転予備力が不足するときは、前記スケジュールにおいて起動する火力発電装置を追加し、運転予備力が充足されるようになったときは再度ＧＡを適用して火力発電装置の運用コストが最小になるように決定して運用計画最終案とすることを特徴とする請求項１記載の電力供給設備の運用支援方法。
- 電力需要施設に対して電力系統線を介して電力を供給する複数の火力発電装置と該系統線にインバータを介して接続され系統線に対して充放電する電力貯蔵装置（ＥＳＳ）で構成された電力供給設備に適用する運用支援装置であって、第１演算部と第２演算部からなる演算装置とデータ記憶装置と入出力装置を備え、該入出力装置が前記電力需要施設の電力需要予測を取り込み、前記データ記憶装置が前記電力供給装置の制約条件を格納していて、第１演算部がＥＳＳの充放電時の電力量を一定と仮定し、所期の期間にわたり前記電力需要予測に適合する火力発電装置の起動停止スケジュールを作成し、該所期の期間にわたるＥＳＳの充放電スケジュールを充電、停止、放電の３進法で表して遺伝子情報とした個体とみなし、前記火力発電装置の起動停止スケジュールにおける火力発電装置の運用コストの総和を最小にすることを評価関数とした遺伝的アルゴリズム（ＧＡ）の演算を実行して、前記電力需要予測に適合する火力発電装置の起動停止スケジュールとＥＳＳの充放電スケジュールを作成して運用計画素案として前記第２演算部に供給し、該第２演算部が該運用計画素案に対して前記所期の期間にわたるＥＳＳの充放電電力値を遺伝子情報とする個体とし、前記火力発電装置の運用コストの総和を評価関数として該評価関数が最小になるようにＧＡの演算を実行して、電力供給設備の運用計画案を生成して提示する電力供給設備の運用支援装置。
- 前記第２演算部が、さらに、前記制約条件のうち運転予備力が不足するときは火力発電装置を追加起動し、運転予備力が充足されるときは再度ＧＡを適用して火力発電機の運用コストが最小になるように前記スケジュールを修正して運用計画最終案とすることを特徴とする請求項３記載の電力供給設備の運用支援装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006242017A JP4203602B2 (ja) | 2006-09-06 | 2006-09-06 | 電力供給設備の運用支援方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006242017A JP4203602B2 (ja) | 2006-09-06 | 2006-09-06 | 電力供給設備の運用支援方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2008067481A JP2008067481A (ja) | 2008-03-21 |
| JP4203602B2 true JP4203602B2 (ja) | 2009-01-07 |
Family
ID=39289680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006242017A Active JP4203602B2 (ja) | 2006-09-06 | 2006-09-06 | 電力供給設備の運用支援方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4203602B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523097A (zh) * | 2018-12-29 | 2019-03-26 | 杭州电子科技大学 | 一种改进遗传算法的多微电网优化调度方法 |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5268458B2 (ja) * | 2008-07-09 | 2013-08-21 | 株式会社東芝 | 小規模電力系統の需給制御装置 |
| JP5083836B2 (ja) * | 2009-07-06 | 2012-11-28 | 国立大学法人長岡技術科学大学 | 熱機関サイクル多連結システム |
| JP5402569B2 (ja) * | 2009-11-26 | 2014-01-29 | 富士電機株式会社 | 経済負荷配分制御装置及び経済負荷配分制御方法 |
| JP5540698B2 (ja) * | 2009-12-28 | 2014-07-02 | 富士電機株式会社 | 電力系統計画作成装置および電力系統計画作成方法 |
| JP5494279B2 (ja) * | 2010-06-23 | 2014-05-14 | 東京電力株式会社 | 火力発電機の運転計画立案装置 |
| JP5481305B2 (ja) * | 2010-07-30 | 2014-04-23 | 株式会社東芝 | 出力配分制御装置 |
| JP5672186B2 (ja) | 2011-07-24 | 2015-02-18 | 株式会社デンソー | 電力供給システム |
| JP5882156B2 (ja) | 2012-07-23 | 2016-03-09 | 株式会社デンソー | 電力制御装置 |
| KR101449801B1 (ko) * | 2012-07-31 | 2014-10-28 | 제주대학교 산학협력단 | 유전자 알고리즘과 초기 해 선택 휴리스틱을 이용한 전기 자동차의 충전 태스크 스케쥴링 방법 및 시스템 |
| JP5704156B2 (ja) | 2012-12-25 | 2015-04-22 | 株式会社デンソー | 蓄電池システム |
| CN103762589B (zh) * | 2014-01-08 | 2015-10-21 | 河海大学 | 一种电网中新能源容量配比分层优化方法 |
| JP6430775B2 (ja) | 2014-10-10 | 2018-11-28 | 株式会社デンソー | 蓄電池装置 |
| CN104573875B (zh) * | 2015-01-27 | 2017-09-26 | 国家电网公司 | 一种低碳化的电源电网优化规划的方法 |
| KR101712944B1 (ko) * | 2015-04-29 | 2017-03-07 | 서강대학교산학협력단 | 에너지 저장 장치의 충방전 스케줄링 장치 및 방법 |
| KR102276949B1 (ko) * | 2018-12-27 | 2021-07-13 | 한국남동발전 주식회사 | 수요반응에 기반한 에너지 저장 시스템 충방전 제어 기능을 갖는 가상발전소 운영 시스템 및 그 운영 방법 |
-
2006
- 2006-09-06 JP JP2006242017A patent/JP4203602B2/ja active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523097A (zh) * | 2018-12-29 | 2019-03-26 | 杭州电子科技大学 | 一种改进遗传算法的多微电网优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2008067481A (ja) | 2008-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4203602B2 (ja) | 電力供給設備の運用支援方法および装置 | |
| Miranda et al. | A holistic approach to the integration of battery energy storage systems in island electric grids with high wind penetration | |
| JP3980541B2 (ja) | 分散型エネルギーコミュニティー制御システム、中央制御装置、分散制御装置と、それらの制御方法 | |
| WO2017000853A1 (zh) | 主动配电网多时间尺度协调优化调度方法和存储介质 | |
| CN102474105B (zh) | 电力系统的供求控制装置、供求控制程序及其存储介质 | |
| KR20200100626A (ko) | 에너지 저장 시스템의 최적의 제어를 위한 시스템 및 방법 | |
| CN111969593B (zh) | 基于混合储能的热电联供微网模型预测控制优化调度方法 | |
| US20140350743A1 (en) | Tiered power management system for microgrids | |
| CN103825304A (zh) | 控制电力网的方法 | |
| WO2019092905A1 (en) | Power generation system and energy generation system | |
| JP4920123B1 (ja) | 電力需要計画調整装置、電力需要計画調整方法、及びプログラム | |
| WO2013084300A1 (ja) | 電力需要計画調整装置、方法及びプログラム | |
| JP4187620B2 (ja) | 発電機の起動停止計画作成方法とその装置及び起動停止計画作成装置の処理プログラムを記録する記録媒体。 | |
| EP3664241A1 (en) | Power distribution control with asset assimilation and optimization | |
| CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
| JP5095036B1 (ja) | 水力発電計画調整装置、水力発電計画調整方法及びプログラム | |
| CN114336730B (zh) | 一种考虑辅助服务优选的电力系统低碳优化调度方法 | |
| JP2005304118A (ja) | 分散型エネルギーシステムの制御装置および制御方法 | |
| JP2016134933A (ja) | エネルギー管理システム、コンピュータプログラム及び運転計画の算出方法 | |
| JP3933002B2 (ja) | 発電機の起動停止計画作成方法 | |
| JP6705319B2 (ja) | 統括制御装置、統括制御システム、統括制御方法および統括制御プログラム | |
| JP7463885B2 (ja) | エネルギーマネジメントシステム、エネルギー管理方法、及びプログラム | |
| Bruninx et al. | Improved energy storage system & unit commitment scheduling | |
| CN108258734B (zh) | 基于风功率区间预测的鲁棒最优调度方法 | |
| JP6950296B2 (ja) | 制御計画作成装置、制御計画作成方法およびコンピュータプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080911 |
|
| 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: 20080916 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080930 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |