JP5248372B2 - Power generation plan creation method, device, program, and storage device - Google Patents

Power generation plan creation method, device, program, and storage device Download PDF

Info

Publication number
JP5248372B2
JP5248372B2 JP2009057682A JP2009057682A JP5248372B2 JP 5248372 B2 JP5248372 B2 JP 5248372B2 JP 2009057682 A JP2009057682 A JP 2009057682A JP 2009057682 A JP2009057682 A JP 2009057682A JP 5248372 B2 JP5248372 B2 JP 5248372B2
Authority
JP
Japan
Prior art keywords
power generation
generation plan
demand
curve
curves
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
Application number
JP2009057682A
Other languages
Japanese (ja)
Other versions
JP2010213477A (en
Inventor
好樹 村上
武則 小林
勝利 廣政
葉子 小坂
日出男 草野
広文 高橋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP2009057682A priority Critical patent/JP5248372B2/en
Publication of JP2010213477A publication Critical patent/JP2010213477A/en
Application granted granted Critical
Publication of JP5248372B2 publication Critical patent/JP5248372B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、一定の将来にわたる電力需要の変動を予測して制御対象である発電機の発電計画を作成する手法に係り、特に、発電機を運用する際の修正が少ない発電計画を作成するための方法、装置、プログラムおよび記憶装置に関するものである。   The present invention relates to a method for generating a power generation plan for a generator to be controlled by predicting fluctuations in power demand over a certain future, and in particular, for generating a power generation plan with few corrections when operating a generator. The present invention relates to a method, a device, a program, and a storage device.

一般に、電力需要は、気象状況や社会動向などの諸要因により常に変動している。そのため、電気事業者においては、刻々と変動する電力需要に対応して電力を安定供給する責務があり、消費電力量と発電量との同時同量バランスを維持することが重要である。したがって、消費電力に対し発電量の過不足が生じれば、電気事業者は所有する発電機の出力を調整して需給バランスをとる必要がある。   In general, power demand is constantly fluctuating due to various factors such as weather conditions and social trends. For this reason, electric utilities have a duty to stably supply electric power in response to the ever-changing electric power demand, and it is important to maintain the same amount balance of power consumption and power generation. Therefore, if there is an excess or deficiency in the amount of power generated with respect to the power consumption, the electric power company needs to balance the supply and demand by adjusting the output of the generator it owns.

また、電気事業者にあっては、発電コストを最小限に抑えることも重要である。ただし、発電量と発電コストは単純に比例している訳ではなく、発電機の稼働状態により発電コストは大きく異なる。具体的には、発電機を起動又は停止させるためのコストは、起動中の発電機の出力を増減するコストよりも大きくなる場合がある。そのため、どの発電機を起動させ、どの発電機を停止させるかの判断が発電コストを大きく左右する。   It is also important for electric utilities to minimize power generation costs. However, the power generation amount and the power generation cost are not simply proportional, and the power generation cost varies greatly depending on the operating state of the generator. Specifically, the cost for starting or stopping the generator may be higher than the cost for increasing or decreasing the output of the generator that is being started. Therefore, the determination of which generator is started and which generator is stopped greatly affects the power generation cost.

そこで電気事業者は、変動する電力需給を満たしつつ、発電コストが最小となるように、発電計画を予め作成している。発電計画とは、電気事業者が所有する各発電機の起動停止計画であって、過去の気象データや需要データなどに基づいて、将来の電力需要を予測した上で作成する。このような発電計画は、発電機の運用効率を高める上で不可欠であって、電気事業者は多くの時間と費用を掛けて計画の作成手法を開発している。   Therefore, the electric power company creates a power generation plan in advance so that the power generation cost is minimized while satisfying the fluctuating power supply and demand. The power generation plan is a start / stop plan for each generator owned by an electric power company, and is created after predicting future power demand based on past weather data, demand data, and the like. Such a power generation plan is indispensable for improving the operation efficiency of the generator, and electric power companies have developed a method for creating a plan with much time and cost.

特に、電力需要の予測に関しては、発電計画の作成に際して前提となるものであり、過去の需要データや気象データを解析して予測誤差の低減を図っている。しかし実際には、想定外の事態や事故が発生するので、予測した電力需要の変動と運用時の電力需要の変動とは、異なる方が普通である。   In particular, the prediction of power demand is a precondition for the generation of a power generation plan, and past demand data and weather data are analyzed to reduce prediction errors. However, in reality, unexpected situations and accidents occur, and therefore, it is normal that the predicted fluctuation in power demand differs from the fluctuation in power demand during operation.

したがって電気事業者は、発電機の運用時に、作成した発電計画に修正を加えながら、リアルタイムで複数の発電機を制御している。発電計画の修正に際しては、電力の需給バランスは勿論のこと、必要に応じて予備力制約や燃料費制約、発電機の最小停止時間や最小運転時間の制約、揚水発電所の運転条件に対する制約なども考慮に入れている。   Therefore, the electric power company controls a plurality of generators in real time while modifying the generated power generation plan when operating the generators. When correcting the power generation plan, not only the supply and demand balance of power, but also reserve capacity constraints and fuel cost constraints as necessary, minimum generator downtime and minimum operating time constraints, constraints on pumping power plant operating conditions, etc. Is also taken into account.

ただし、運用時に電気事業者が発電計画を修正して発電機を制御すると言っても、予め作成した発電計画と実際の運用との相違は、小さい方が望ましいことは言うまでもない。両者の差が大きければ、運転員の作業コストや、発電機の起動又は停止のためのコストなどが増加し、それに伴って最終的には発電コストが上がり、運用効率の低下を招くからである。   However, even if the electric power company modifies the power generation plan and controls the generator during operation, it is needless to say that the difference between the power generation plan created in advance and the actual operation is preferably small. If the difference between the two is large, the operating cost of the operator and the cost for starting or stopping the generator will increase, eventually resulting in an increase in power generation cost and a decrease in operational efficiency. .

このような状況の下、発電計画の作成手法に関しては、運用時の修正量が少なくて済む、つまり実際の電力需要の変動に対して頑強性の高い発電計画を作成することが望まれている。例えば、特許文献１記載の技術では、電力需要の変動である需要カーブの予測誤差を考慮して、発電コストの最小化を目指している。   Under such circumstances, it is desirable to create a power generation plan that requires less correction during operation, that is, a power generation plan that is highly robust against fluctuations in actual power demand. . For example, the technique described in Patent Document 1 aims at minimizing power generation cost in consideration of a prediction error of a demand curve that is a fluctuation in power demand.

特許文献１の技術では、確率的に重みがつけられた複数の需要カーブを作成しておき、それぞれの需要カーブに対して発電コストを計算し、この発電コストに確率的な重みを掛けた合計が最小になるような発電計画を、数理計画法によって作成している。   In the technique of Patent Document 1, a plurality of demand curves that are probabilistically weighted are created, the power generation cost is calculated for each demand curve, and this power generation cost is multiplied by a probabilistic weight. A power generation plan that minimizes the power consumption is created by mathematical programming.

特開２００７−２２８６７６号公報JP 2007-228676 A

ところが、上記特許文献１には次のような問題点があった。すなわち、特許文献１では、「予測誤差に基づいた複数の需要カーブを入力して」いる（特許文献１の段落番号０００７参照）。ここで需要カーブを得るための具体的な設定処理としては、「需要予測データは、通常の方法から予想したものをカーブ０とし、過去の予想誤差の分布をもとにカーブ１から４を設定し、その確率を重み係数として設定している」（特許文献１の段落番号００２６参照）。このように、過去のデータから、将来にわたるある特定の時刻における電力需要の変動、つまり需要予測カーブについて、統計的に分析することは可能である。   However, Patent Document 1 has the following problems. That is, in Patent Document 1, “a plurality of demand curves based on prediction errors are input” (see paragraph number 0007 of Patent Document 1). Here, the specific setting process for obtaining the demand curve is as follows: “Demand forecast data is set to curve 0 based on the forecast from the normal method, and curves 1 to 4 are set based on the distribution of past forecast errors. The probability is set as a weighting coefficient ”(see paragraph number 0026 of Patent Document 1). As described above, it is possible to statistically analyze the fluctuation of the power demand at a specific time in the future, that is, the demand prediction curve, from the past data.

しかしながら、需要予測カーブは時間の関数であるため、適当に作成した需要予測カーブが何パーセントの確率で実現するのかを計算することはできない。電力需要の変動は各時刻において同じであるということはない。具体的には、朝方の変動は小さいが、昼間（特に昼食時間帯など）の変動は大きいといった事態は、頻繁に発生する。   However, since the demand forecast curve is a function of time, it is impossible to calculate what percentage of the probability that the appropriately created demand forecast curve will be realized. The fluctuations in power demand are not the same at each time. Specifically, a situation in which the fluctuation in the morning is small, but the fluctuation in the daytime (particularly, the lunch time) is frequently generated.

しかも、各時刻における電力需要の変動には統計的な相関も存在することも明らかである。したがって、一定の確率で実現する需要予測カーブを求めることは容易ではない。需要予測カーブの確実性が低ければ、需要予測カーブが実際の需要カーブに近似しているかどうかは不明である。つまり、予測した需要カーブに沿って立案した発電計画は、実際の需要変動に対して頑強であるかどうかが分からない。このため、せっかく発電計画を作成しても予測が大きく外れて、運用時に多大な修正が必要となる可能性がある。   Moreover, it is clear that there is a statistical correlation between fluctuations in power demand at each time. Therefore, it is not easy to obtain a demand prediction curve that is realized with a certain probability. If the certainty of the demand forecast curve is low, it is unknown whether the demand forecast curve approximates the actual demand curve. That is, it is not known whether the power generation plan designed along the predicted demand curve is robust against actual demand fluctuations. For this reason, even if a power generation plan is created with great effort, the prediction may be greatly deviated and a large amount of correction may be required during operation.

さらに、特許文献１においては、複数の需要カーブを同時に目的関数に組み込んで発電計画を作成している。そのため、作成する需要カーブの数が大きくなるにつれて、計算時間の長期化を余儀なくされる。したがって、発電計画を作成するための所要時間が長くかかっていた。   Further, in Patent Document 1, a power generation plan is created by simultaneously incorporating a plurality of demand curves into an objective function. Therefore, as the number of demand curves to be created increases, the calculation time is forced to be prolonged. Therefore, it took a long time to create a power generation plan.

また、上記の特許文献１の方法では、現時点で実施されている発電計画作成手法をそのまま使用するプロセスが全くない。前述したように現状の計算手法は電気事業者が多くの時間と費用を掛けて構築してきたものであり、非常に貴重なソフト資産である。したがって、現状の発電計画作成手法を有効に利用しないと、既に評価の確定したメリットを十分に享受できないおそれがある。   Moreover, in the method of said patent document 1, there is no process which uses the electric power generation plan preparation method currently implemented at all as it is. As described above, the current calculation method has been constructed by electric utilities with a lot of time and money, and is a very valuable software asset. Therefore, if the current power generation plan creation method is not used effectively, there is a possibility that the merit that has already been evaluated cannot be fully enjoyed.

このように従来技術では、上述した３点、すなわち、適切な確率的な重みを持つ需要カーブを簡単に作成することができず運用時における発電計画の修正量を小さくすることが難しい、発電計画の作成に要する計算時間が長い、現時点で実施されている発電計画の作成手法を全く利用することができないといった点が問題となっていた。   As described above, in the conventional technology, it is difficult to easily create a demand curve having the above three points, that is, appropriate probabilistic weights, and it is difficult to reduce the amount of correction of the power generation plan during operation. The problem is that the calculation time required to create the power generation is long, and the power generation plan creation method currently in use cannot be used at all.

本発明は、上記の問題点を解決するために提案されたものであり、その目的は、需要予測カーブに関して確率的な重みを持った組を求め、これを用いて発電計画の運用時修正量を評価することができ、計画としての頑強性が向上すると同時に、発電計画作成に要する計算時間の長期化を防いで作業効率を高め、さらには処理の一部に従来の手法をそのまま適用して現行のメリットを十分に引き出すことが可能である、経済性および信頼性に優れた発電計画作成方法、装置、プログラムおよび記憶装置を提供することにある。   The present invention has been proposed in order to solve the above-described problems, and its purpose is to obtain a set having a probabilistic weight with respect to a demand prediction curve, and use this to determine a correction amount during operation of a power generation plan. As a result, the robustness of the plan can be improved, and at the same time, the calculation time required to create the power generation plan can be prevented from increasing, and the work efficiency can be improved. An object of the present invention is to provide a power generation plan creation method, device, program, and storage device excellent in economic efficiency and reliability, which can sufficiently draw out the current merit.

上記目的を達成するために、本発明は、将来の一定期間の電力需要の時系列データである需要予測カーブを作成する需要予測ステップと、前記需要予測カーブに対応して一台以上の発電機に関する起動停止計画である発電計画を複数作成する発電計画群作成ステップを含む発電計画作成方法において、前記需要予測ステップでは、実現可能性のある複数の異なる需要予測カーブについて確率的な重みを持った組を作成し、前記確率的な重みを持った需要予測カーブの組を用いて各発電計画に関して前記需要予測カーブが実現した場合の発電計画の修正量を評価し、前記発電計画群作成ステップの作成した前記発電計画群の中から、前記修正量に関する平均または重み付き平均あるいは与えられた関係式の値が最小になる発電計画を、最適な発電計画として選択する最適発電計画選択ステップを含むことを特徴とするものである。   In order to achieve the above object, the present invention provides a demand forecasting step for creating a demand forecasting curve that is time-series data of power demand for a certain period in the future, and one or more generators corresponding to the demand forecasting curve. In the power generation plan creation method including a power generation plan group creation step of creating a plurality of power generation plans that are start / stop plans related to, the demand prediction step has stochastic weights for a plurality of different demand forecast curves that can be realized. A set of demand prediction curves having probabilistic weights is used to evaluate the amount of correction of the power generation plan when the demand prediction curve is realized for each power generation plan, and the power generation plan group creation step From the generated power generation plan group, an optimal power generation plan that minimizes the average of the correction amount, the weighted average or the value of the given relational expression is selected. It is characterized in that including the best power program selection step of selecting a plan.

以上のような本発明では、従来からの手法を適用して需要予測カーブおよびそれに基づく発電計画を複数作成しておき、さらに、確率的な重みを持った需要予測カーブの組を作成し、これを用いて各需要予測カーブが実現した場合の発電計画の修正量を評価できるので、実際の需要変動に対する発電計画の頑強性を把握可能となり、修正量の値が最小となる発電計画を適切に選択することができる。   In the present invention as described above, a conventional method is applied to create a plurality of demand forecast curves and power generation plans based on the demand forecast curves, and further, a set of demand forecast curves having probabilistic weights is created. Can be used to evaluate the amount of correction of the power generation plan when each demand forecast curve is realized, so that the robustness of the power generation plan against actual demand fluctuations can be grasped, and the power generation plan that minimizes the amount of correction can be appropriately You can choose.

本発明の発電計画作成方法、装置、プログラムおよび記憶装置によれば、確率的な需要予測カーブの組を作成し、この需要予測カーブの組を用いて複数の発電計画の中から最も頑強な発電計画を選択することができ、また、発電計画の作成に要する計算時間を短縮化して作業効率の向上を図り、さらにはプロセスの一部に現状の手法をそのまま適用することができ、優れた経済性と信頼性を獲得することができる。   According to the power generation plan creation method, device, program, and storage device of the present invention, a set of stochastic demand prediction curves is created, and the most robust power generation among a plurality of power generation plans using the set of demand prediction curves. The plan can be selected, the calculation time required to create a power generation plan can be shortened to improve work efficiency, and the current method can be applied to a part of the process as it is. Can gain sexuality and reliability.

（１）本実施形態の構成
（概略）
以下、本発明に係る実施形態について、図面を参照して具体的に説明する。図１は、本実施形態を発電計画作成装置として実現した場合の主要な機能を示すブロック図である。 (1) Configuration of this embodiment (outline)
Embodiments according to the present invention will be specifically described below with reference to the drawings. FIG. 1 is a block diagram showing main functions when the present embodiment is realized as a power generation plan creation device.

図１に示すように、本実施形態には、過去のデータ格納部１０１、需要予測部１０２、発電計画群作成部１０３、発電計画選択部１０４、発電計画格納部１０５が設けられている。このうち、過去のデータ格納部１０１は、過去の需要データや過去の気象データを蓄積、格納する部分である。   As illustrated in FIG. 1, the present embodiment includes a past data storage unit 101, a demand prediction unit 102, a power generation plan group creation unit 103, a power generation plan selection unit 104, and a power generation plan storage unit 105. Among these, the past data storage unit 101 is a part that accumulates and stores past demand data and past weather data.

発電計画群作成部１０３は需要予測部１０２にて作成されたＮ個（Ｎ≧２）の需要予測カーブに対して、１対１対応でＮ個の発電計画を作成する部分である。需要予測部１０２は複数の需要予測カーブを作成するので、発電計画群作成部１０３も必ず複数の発電計画を作成するようになっている。発電計画群作成部１０３における発電計画の作成方法は、従来用いられている作成手法と全く同じ手法を採用するようになっている。このため、現在用いられている最新最良の手法を適用可能である。   The power generation plan group creation unit 103 is a part that creates N power generation plans in a one-to-one correspondence with the N demand prediction curves created by the demand prediction unit 102 (N ≧ 2). Since the demand prediction unit 102 creates a plurality of demand prediction curves, the power generation plan group creation unit 103 always creates a plurality of power generation plans. The power generation plan creation method in the power generation plan group creation unit 103 adopts the same method as the conventionally used creation method. For this reason, the latest best method currently used can be applied.

需要予測部１０２は、複数の需要予測カーブおよび需要予測カーブの集まりである需要シナリオを作成する部分である。需要シナリオとは、過去の電力需要の変動つまり過去の需要カーブを再現するためのものであり、一定の確率で実現する需要予測カーブの集まりである。このとき、需要予測カーブの組は、互いに相関を持つＮ個の乱数の組つまり相関を持った乱数行列、より詳しくは平均と分散および相関を持った乱数行列である。   The demand prediction unit 102 is a part that creates a demand scenario that is a collection of a plurality of demand prediction curves and demand prediction curves. The demand scenario is for reproducing past power demand fluctuations, that is, past demand curves, and is a collection of demand forecast curves realized with a certain probability. At this time, the set of demand prediction curves is a set of N random numbers correlated with each other, that is, a correlated random number matrix, more specifically, a random number matrix having a mean, variance, and correlation.

発電計画選択部１０４は、需要予測部１０２の作成した需要シナリオを用いることにより、発電計画群作成部１０３の作成した各発電計画を検討して、その頑強性を評価し、発電計画群の中から需要変動に最も頑強な発電計画を、最適な発電計画を選択する部分である。   The power generation plan selection unit 104 examines each power generation plan created by the power generation plan group creation unit 103 by using the demand scenario created by the demand prediction unit 102, evaluates its robustness, This is the part that selects the power generation plan that is most robust to demand fluctuations and the optimal power generation plan.

つまり、発電計画群作成部１０３の作成したＮ個の発電計画は、あくまでも発電計画の候補であって、最終的な発電計画は発電計画選択部１０４の選択により決定する。さらに、発電計画格納部１０５は発電計画選択部１０４にて選択された最適発電計画を格納する部分である。   That is, the N power generation plans created by the power generation plan group creation unit 103 are only candidates for power generation plans, and the final power generation plan is determined by the selection of the power generation plan selection unit 104. Furthermore, the power generation plan storage unit 105 is a part that stores the optimum power generation plan selected by the power generation plan selection unit 104.

（需要予測部１０２における需要シナリオの作成手法）
需要予測部１０２にて需要シナリオを作成する点、および発電計画選択部１０４にて最適な発電計画を選択する点、この２点が本実施形態の特徴的な部分である。以下、需要予測部１０２における需要シナリオの作成手法について、図２〜図６を用いて詳しく説明する。図２のブロック図に示すように、需要予測部１０２は、分散共分散行列作成部２０１、相関を持った乱数発生部２０２、需要シナリオ作成部２０３を有している。 (Demand scenario creation method in the demand forecasting unit 102)
The point that a demand scenario is created by the demand prediction unit 102 and the point that an optimal power generation plan is selected by the power generation plan selection unit 104 are the two characteristic parts of this embodiment. Hereinafter, a method for creating a demand scenario in the demand prediction unit 102 will be described in detail with reference to FIGS. As shown in the block diagram of FIG. 2, the demand prediction unit 102 includes a variance-covariance matrix creation unit 201, a correlated random number generation unit 202, and a demand scenario creation unit 203.

前述したように需要シナリオとは、相関を持った乱数行列であって、確率的な複数の需要予測カーブであるが、このような需要シナリオを作成する場合、図３に示すように、確率的な重みを持った複数の需要予測カーブを作成するか（図３では、２０％の需要カーブ１、５０％の需要カーブ２、３０％の需要カーブ３）、あるいは、図４に示すように、等しい確率で実現する需要予測カーブを多数作成する（図４では需要カーブ１〜Ｎ）ことが考えられる。   As described above, the demand scenario is a random matrix having a correlation and is a plurality of stochastic demand forecast curves. However, when creating such a demand scenario, as shown in FIG. Whether to create multiple demand forecast curves with appropriate weights (in FIG. 3, 20% demand curve 1, 50% demand curve 2, 30% demand curve 3), or as shown in FIG. It is conceivable to create a large number of demand prediction curves that are realized with equal probability (the demand curves 1 to N in FIG. 4).

図３に示した、確率的な重みを持った需要予測カーブに関しては、図４にて示した需要予測カーブの本数の密度から計算することが可能である。そのため、以下では、需要シナリオを作成するにあたって、図４のような需要予測カーブ群を作る場合を例にとって説明する。なお、発電計画は通常、数日単位以上でなされる場合が多いが、ここでは説明を簡単にするために一日分の需要予測カーブを、過去の実績データからモデル化する手法について説明する。   The demand forecast curve having a probabilistic weight shown in FIG. 3 can be calculated from the density of the number of demand forecast curves shown in FIG. Therefore, in the following, a case where a demand prediction curve group as shown in FIG. In many cases, the power generation plan is usually made in units of several days or more. Here, in order to simplify the explanation, a method for modeling a daily demand forecast curve from past performance data will be described.

（分散共分散行列作成部２０１の機能）
まず、需要シナリオを作成しようとする日と同様な条件を適宜設定し、この条件に見合った過去の日を二日以上選択して、過去データ格納部１０１より、該当する日の過去の需要データを（場合によっては過去の気象データも）、分散共分散行列作成部２０１に取り込む。 (Function of the variance-covariance matrix creation unit 201)
First, conditions similar to the day on which the demand scenario is to be created are set as appropriate, and two or more past days that meet the conditions are selected, and past demand data for the corresponding day is selected from the past data storage unit 101. (Possible weather data in some cases) is taken into the variance-covariance matrix creation unit 201.

それらの日の１日分の需要データについて、１時間ごとに分解し、時刻ｉの需要をｘｉで表すと、複数の日にわたる各時刻の需要データ{ｘｉ}が得られる。さらに時刻間の相関を考慮するために、分散共分散行列作成部２０１において、下記の数式１に基づいて、２４×２４の成分を持つ分散共分散行列を作成する。なお、ここでは１日を１時間ごと、つまり２４時間に分割したが、任意の時間で分割することも可能である。 When the demand data for one day of those days is decomposed every hour and the demand at time i is represented by x i , demand data {x i } at each time over a plurality of days is obtained. Furthermore, in order to consider the correlation between the times, the variance-covariance matrix creation unit 201 creates a variance-covariance matrix having 24 × 24 components based on the following Equation 1. Here, one day is divided every hour, that is, 24 hours, but can be divided at any time.

数式１において、ｖａｒ(ｘｉ)は{ｘｉ}の分散、ｃｏｖ(ｘｉ,ｘj)は、{ｘｉ}と{ｘj}の共分散である。このような分散や共分散を計算するために、過去の需要データは、最低でも２日分以上、選択する必要である。需要データの日数は２日でもかまわないが、日数が多いほど、需要シナリオの精度は高くなる。

Figure 0005248372
In Equation 1, var (x i ) is the variance of {x i }, and cov (x i , x j ) is the covariance of {x i } and {x j }. In order to calculate such variance and covariance, it is necessary to select past demand data for at least two days. The number of days of demand data may be two days, but the more days, the higher the accuracy of the demand scenario.
Figure 0005248372

一日分の需要データは、２４次元のベクトルxとみなすことができるので、２４次元のべクトル x = (ｘ１,ｘ２,ｘ３, ... , ｘ２４)が、２４次元正規分布に従う場合、xが満たす確率密度関数は、xの平均値ベクトルμ = (μ１,μ２,μ３, ... , μ２４) を用いて、下記の数式２に表される。

Figure 0005248372
Since the demand data for one day can be regarded as a 24-dimensional vector x, a 24-dimensional vector x = (x 1 , x 2 , x 3 , ..., x 24 ) is represented by a 24-dimensional normal distribution. , The probability density function satisfied by x is expressed by Equation 2 below using the average value vector μ of x (μ 1 , μ 2 , μ 3 ,..., Μ 24 ).
Figure 0005248372

すなわち、上記数式２の確率分布に従う２４個の乱数の組を多数発生させることによって、任意の数の需要予測カーブを作成することが可能となる。この需要カーブは、過去の需要データの統計的な性質を再現している。   That is, an arbitrary number of demand prediction curves can be created by generating a large number of sets of 24 random numbers according to the probability distribution of the above formula 2. This demand curve reproduces the statistical nature of past demand data.

つまり、各時刻の変動幅を各時刻の分散によって再現することができ、時刻間の相関について共分散によって再現することが可能となる。このとき、過去のデータである需要カーブがわずか２個しかなくても、例えば百万個の需要予測カーブを作成することが可能となり、過去のデータとして再現性に優れた高精度の需要シナリオを得ることができる。   That is, the fluctuation range of each time can be reproduced by the variance of each time, and the correlation between the times can be reproduced by the covariance. At this time, even if there are only two demand curves that are past data, it is possible to create, for example, one million demand forecast curves, and a highly accurate demand scenario with excellent reproducibility can be created as past data. Can be obtained.

なお、上記の説明では過去の需要データから需要予測カーブを作成するための確率分布として、２４次元の正規分布を用いたが、従うべき確率分布は正規分布に限定されない。すなわち、確率分布としては、対数正規分布、指数分布、ワイブル分布、ベータ分布、その他の任意の分布を用いることができる。さらには、実際の電力需要から分布形状を関数近似により作成することも可能である。   In the above description, a 24-dimensional normal distribution is used as a probability distribution for creating a demand prediction curve from past demand data. However, the probability distribution to be followed is not limited to the normal distribution. That is, as the probability distribution, a lognormal distribution, an exponential distribution, a Weibull distribution, a beta distribution, and other arbitrary distributions can be used. Furthermore, it is also possible to create a distribution shape from the actual power demand by function approximation.

例えば、電力需要のようにその下限と上限が予め決まっている場合、フィッティング精度を高める手法としてベータ分布などを用いることが有効である。ベータ分布は、確率密度関数が、下記数式３のように表される分布となる。

Figure 0005248372
For example, when the lower limit and the upper limit are determined in advance as in power demand, it is effective to use a beta distribution or the like as a technique for improving the fitting accuracy. The beta distribution is a distribution in which the probability density function is expressed as the following Equation 3.
Figure 0005248372

上記数式３において、Ｂ（ｐ，ｑ）はベータ関数であり、ａは分布の下限、ｂは分布の上限（ａ≦ｘ≦ｂ）、ｐとｑは分布の形状を決めるパラメータである。図５では、特定の時刻の需要データの分布をベータ分布で近似した例である。この場合、最小値がａ＝１ＧＷ、最大値がｂ＝２．５ＧＷ、分布パラメータｐ＝５、ｑ＝３であり、これらのパラメータを調整することにより、需要データの分布を正規分布よりも精度よく近似することができる。   In Equation 3, B (p, q) is a beta function, a is the lower limit of the distribution, b is the upper limit of the distribution (a ≦ x ≦ b), and p and q are parameters that determine the shape of the distribution. FIG. 5 shows an example in which the distribution of demand data at a specific time is approximated by a beta distribution. In this case, the minimum value is a = 1 GW, the maximum value is b = 2.5 GW, the distribution parameters p = 5, and q = 3. By adjusting these parameters, the distribution of demand data is more accurate than the normal distribution. Can be approximated well.

（相関を持った乱数発生部２０２の機能）
需要シナリオとして相関を持った乱数行列を作成するためには、まずは、与えられた分布に従う独立な乱数を作成しなくてはならない。そして、コレスキー分解あるいは特異値分解などにより得られる変換行列を用いて、作成した独立な乱数の組を、相関を持った乱数の組に変換する必要がある。 (Function of the random number generator 202 having correlation)
In order to create a correlated random number matrix as a demand scenario, first, an independent random number according to a given distribution must be created. Then, it is necessary to convert the created independent random number set into a correlated random number set using a conversion matrix obtained by Cholesky decomposition or singular value decomposition.

そこで、相関を持った乱数発生部２０２では、上記数式３のような特定の分布に従い、かつ、相互に与えられた相関を持つ乱数の組をＮ組だけ作成するようになっている。ここでは、互いに相関を持つ２４個の乱数の組をＮ組生成する場合を例にとって説明する。   Therefore, the correlated random number generator 202 generates only N sets of random numbers having a correlation given to each other in accordance with a specific distribution as shown in the above formula 3. Here, a case where N sets of 24 random numbers having correlation with each other are generated will be described.

最初に、時刻ごとに過去の需要データの分布を求め、その分布に従う乱数をＮ個発生する。特定の分布に従う乱数を作成する最も簡単な方法として、棄却法を採用する。棄却法とは、分布関数の定義域と値域によって定められる領域で一様な乱数を生成し、その中から分布関数の値を超えるものを棄却する方法である。この手法は、乱数の作成効率は決して良好ではなく、定義域が有限の領域でない場合にも適用しにくいといったデメリットはあるが、あらゆる分布関数に用いることができるというメリットは大きい。   First, a distribution of past demand data is obtained for each time, and N random numbers according to the distribution are generated. As the simplest method of generating random numbers according to a specific distribution, the rejection method is adopted. The rejection method is a method of generating a uniform random number in a region defined by a domain and a range of a distribution function and rejecting those that exceed the value of the distribution function. This method has a demerit that the random number generation efficiency is never good and is difficult to apply even when the definition area is not a finite area, but it has a great merit that it can be used for any distribution function.

特に電力需要の場合には、ある程度以上に大きな需要は無視しても実用上は問題ない。仮に特定の分布の逆関数が存在すれば、一様乱数から容易に特定の分布に従う乱数を作成することができる。これを、２４時間の各時刻において繰り返す。以上のプロセスにより、Ｎ個の乱数を２４時間分、作成する。この段階で、各時刻の乱数の組は、他の時間の乱数の組と相関がなく、互いに独立である。   In particular, in the case of power demand, there is no practical problem even if a demand larger than a certain level is ignored. If an inverse function of a specific distribution exists, a random number according to the specific distribution can be easily created from a uniform random number. This is repeated at each time of 24 hours. Through the above process, N random numbers are generated for 24 hours. At this stage, the set of random numbers at each time has no correlation with the set of random numbers at other times and is independent of each other.

しかしながら、通常のアルゴリズムで生成される乱数は疑似乱数なので、独立な乱数を作成したつもりでも、実際には相関がある可能性がある。そこで必要に応じて、主成分分析により、互いに独立な乱数の組に変換し、Ｎ行２４列（Ｎ×２４）の成分を持つ乱数行列を得る。また、この段階で各乱数は標準偏差１、平均０になるように変数変換により正規化しておく。このようにして、正規乱数行列Ｇを得る。   However, since the random number generated by a normal algorithm is a pseudo-random number, there is a possibility that there is actually a correlation even if an independent random number is created. Therefore, if necessary, the random number matrix having components of N rows and 24 columns (N × 24) is obtained by converting into a set of random numbers independent from each other by principal component analysis. At this stage, each random number is normalized by variable transformation so that the standard deviation is 1 and the average is 0. In this way, a normal random matrix G is obtained.

次に下記の数式４に示すように、２４×２４の相関係数行列Ｒをコレスキー分解して、上三角行列ＴＵと下三角行列ＴＬに分解する。相関係数行列Ｒは分散共分散行列Σを規格化することで得られる。その後、下記の数式５に示すように、正規乱数行列Ｇに上三角行列ＴＵを右から掛けることで、相関を持った正規乱数行列Ｇ'を作成することができる。
（数４） Ｒ＝ＴＵＴＬ
（数５） Ｇ'＝ＧＴＵ Next, as shown in Equation 4 below, and Cholesky decomposition of the correlation matrix R of 24 × 24, decomposed into the upper triangular matrix T U and the lower triangular matrix T L. The correlation coefficient matrix R is obtained by normalizing the variance covariance matrix Σ. Thereafter, as shown in Equation 5 below, by multiplying the upper triangular matrix T U from right to normal random matrix G, it is possible to create a normal random number matrix G 'having a correlation.
(Equation 4) R = T U T L
(Equation 5) G ′ = GT U

以上のようにして互いに独立な乱数の組を作成した後、コレスキー分解による変換行列を用いて、相関を持った乱数の組に変換している。なお、時刻分割数が大きい場合や、需要の相関が強い場合などは、数値計算上の問題として桁落ちによる誤差が大きくなる。そのため、相関係数行列Ｒをコレスキー分解することが困難になるので、このときには、必要に応じて固有値分解や特異値分解を用いている。   After creating a pair of random numbers that are independent from each other as described above, it is converted into a set of correlated random numbers using a conversion matrix by Cholesky decomposition. In addition, when the number of time divisions is large or when the correlation of demand is strong, an error due to a digit loss becomes a large numerical calculation problem. Therefore, it is difficult to perform Cholesky decomposition on the correlation coefficient matrix R. At this time, eigenvalue decomposition or singular value decomposition is used as necessary.

（需要シナリオ作成部２０３の機能）
上記正規乱数行列Ｇ'に対し、各時刻の標準偏差を対角線上におき、他の成分が０である２４行２４列（２４×２４）の標準偏差行列Ｓを右から掛け、平均値ベクトルμをＮ行並べたＮ行２４列（Ｎ×２４）の平均値行列Ａを加えることで、最終的に求める平均と分散および相関を持った乱数行列Ｇ"が得られる（下記の数式６）。
（数６） Ｇ"＝Ｇ'Ｓ ＋ Ａ (Function of demand scenario creation unit 203)
A standard deviation matrix S of 24 rows by 24 columns (24 × 24) in which the standard deviation at each time is placed on a diagonal line and the other components are 0 is multiplied from the right to the normal random number matrix G ′, and the average value vector μ By adding an average matrix A of N rows and 24 columns (N × 24) in which N rows are arranged, a random number matrix G ″ having a mean, variance, and correlation to be finally obtained is obtained (Formula 6 below).
(Equation 6) G "= G'S + A

この行列Ｇ"が需要シナリオそのものであり、Ｇ"のＮ個の各行ベクトル（１行２４列）が各需要予測カーブに相当する。需要シナリオ作成部２０３では、相関を持った乱数発生部２０２からのデータに加えて、運用当日の気象データを取り込み（図２参照）、このような乱数行列Ｇ"となる需要シナリオを作成する。   This matrix G ″ is the demand scenario itself, and each N row vector (1 row, 24 columns) of G ″ corresponds to each demand prediction curve. In the demand scenario creation unit 203, in addition to the data from the correlated random number generation unit 202, the meteorological data of the operation day is fetched (see FIG. 2), and a demand scenario that becomes such a random number matrix G ″ is created.

（需要シナリオの具体例）
図６は、本実施形態の需要予測部１０２にて作成された需要シナリオの具体例である。ここでは確率分布としては正規分布を用いており、３０通りの需要予測カーブを表示している。 (Specific example of demand scenario)
FIG. 6 is a specific example of a demand scenario created by the demand prediction unit 102 of this embodiment. Here, a normal distribution is used as the probability distribution, and 30 kinds of demand prediction curves are displayed.

図６において、３０通りの需要予測カーブを表示したのは単に表示を見易くするためであって、実際に発電計画を最適化する場合には、さらに多数のカーブ数を用いることもできる。これらの需要予測カーブは等しい確率で発生すると考えられ、各時刻の平均ベクトルに相当するカーブ（平均需要カーブと呼ぶ）付近には多数の需要予測カーブが生成されていることが分かる。   In FIG. 6, the 30 demand forecast curves are simply displayed to make the display easy to see. When actually optimizing the power generation plan, a larger number of curves can be used. These demand prediction curves are considered to occur with equal probability, and it can be seen that a large number of demand prediction curves are generated in the vicinity of a curve corresponding to an average vector at each time (referred to as an average demand curve).

（発電計画選択部１０４における発電計画の選択手法）
続いて、発電計画選択部１０４における発電計画の選択手法について、図７を用いて説明する。図７のブロック図に示すように、発電計画選択部１０４は、発電計画修正部２０４、コスト計算部２０５および発電単価格納部２０６を備えている。 (Power generation plan selection method in the power generation plan selection unit 104)
Next, a method for selecting a power generation plan in the power generation plan selection unit 104 will be described with reference to FIG. As shown in the block diagram of FIG. 7, the power generation plan selection unit 104 includes a power generation plan correction unit 204, a cost calculation unit 205, and a power generation unit price storage unit 206.

発電計画選択部１０４の選択する、需要変動に対し最も頑強な発電計画とは、実際に需要が変動した場合に発電計画の修正量が最小となるような発電計画である。最小化を目指す発電計画の修正項目としては、発電機の運転員の操作量、発電計画の修正に必要なコスト、発電計画の修正に必要な時間などがある。本実施形態においては、発電計画の修正項目として、修正に必要なコストが最小になるような発電計画の選択手法について説明する。   The power generation plan that is most robust against demand fluctuation, which is selected by the power generation plan selection unit 104, is a power generation plan that minimizes the correction amount of the power generation plan when the demand actually fluctuates. The items to be revised in the power generation plan aiming at minimization include the amount of operation of the generator operator, the cost required for correcting the power generation plan, and the time required for correcting the power generation plan. In the present embodiment, a method for selecting a power generation plan that minimizes the cost required for correction as a correction item for the power generation plan will be described.

既に述べたように、発電計画群作成部１０３による発電計画の作成手法は、従来用いられている手法と全く同様で良い。発電計画群作成部１０３で作成されたＮ個の発電計画は、需要予測部１０２の作成したＮ個の需要予測カーブに対応する発電計画であり、現在用いられている最新最良の手法の適用によってメリットは享受できるものの、従来と同じく、実際の需要カーブが需要予測カーブと大きく異なる可能性がある。   As already described, the power generation plan creation method by the power generation plan group creation unit 103 may be exactly the same as a conventionally used method. The N power generation plans created by the power generation plan group creation unit 103 are power generation plans corresponding to the N demand prediction curves created by the demand prediction unit 102, and are applied by applying the latest best method currently used. Although the benefits can be enjoyed, the actual demand curve may be significantly different from the demand forecast curve as before.

この予測と異なる可能性のある需要予測カーブは、需要予測カーブの数が十分に多ければ、上記の需要シナリオで近似可能である。したがって、各発電計画が実際の電力の需要変動に対して頑強かどうかは、需要シナリオに対して頑強性のテストを実施することで、判定することができる。発電計画選択部１０４では、まず発電計画修正部２０４にて発電計画を修正し、コスト計算部２０５にて修正に要するコストを計算することで、頑強性のテストを行っている。   A demand forecast curve that may be different from this forecast can be approximated by the above demand scenario if the number of demand forecast curves is sufficiently large. Therefore, whether or not each power generation plan is robust against the actual power demand fluctuation can be determined by performing a robustness test on the demand scenario. In the power generation plan selection unit 104, the power generation plan is first corrected by the power generation plan correction unit 204, and the cost required for the correction is calculated by the cost calculation unit 205, thereby performing a robustness test.

（発電計画修正部２０４の機能）
まず、発電計画修正部２０４について説明する。例えば、与えられた発電計画（ｉ番目の発電計画）に対して、ある需要カーブ（ｉ番目以外）が実現したとする。この場合、需要カーブが予測と異なっているわけであるから、発電計画を修正する必要が出てくる。 (Function of power generation plan correction unit 204)
First, the power generation plan correction unit 204 will be described. For example, it is assumed that a certain demand curve (other than the i-th power generation) is realized for a given power generation plan (i-th power generation plan). In this case, since the demand curve is different from the forecast, it is necessary to correct the power generation plan.

そこで発電計画修正部２０４にて発電計画を修正する。このとき、発電計画の修正の仕方は種々考えられるが、各時刻において電力が足らなければ、適当な発電機の出力を増加させることが一般的である。また、適当な発電機がなければ新たな発電機を起動する。一方、各時刻に電力が余っていれば適当な発電機の出力を減少させたり、起動中の発電機を停止したりすることになる。   Therefore, the power generation plan correction unit 204 corrects the power generation plan. At this time, there are various ways of correcting the power generation plan, but if there is not enough power at each time, it is general to increase the output of an appropriate generator. If no suitable generator is available, a new generator is started. On the other hand, if there is surplus power at each time, the output of an appropriate generator will be reduced, or the generator being started will be stopped.

（コスト計算部２０５の機能）
コスト計算部２０６では、発電計画修正部２０４にて発電計画を修正した際のコストを計算する。この場合、発電コストの増減に伴い、発電量も増減するので単純なコスト比較はできない。そこで、各発電計画における発電単価を計算して、その比較を行う。計算された発電単価は発電単価格納部２０６に格納される。 (Function of the cost calculation unit 205)
The cost calculation unit 206 calculates the cost when the power generation plan correction unit 204 corrects the power generation plan. In this case, since the amount of power generation increases and decreases with the increase and decrease in power generation cost, a simple cost comparison cannot be made. Therefore, the power generation unit price in each power generation plan is calculated and compared. The calculated power generation unit price is stored in the power generation unit price storage unit 206.

電力が余剰な場合には適当な発電機の出力を下げればよいが、電力が不足する場合には発電計画を修正することが困難な場合もある。この場合、需給バランス不足および予備力不足の電力量に対してペナルティー的な電力コストを仮定して発電コストを評価することも可能である。   If the power is surplus, it is sufficient to reduce the output of an appropriate generator, but if the power is insufficient, it may be difficult to correct the power generation plan. In this case, it is also possible to evaluate the power generation cost on the assumption of a penalty power cost with respect to the amount of power with insufficient supply and demand balance and insufficient reserve capacity.

しかし、もっとも望ましい、発電計画の修正に必要なコストの計算方法は、電力会社の中央給電システムの運転員が現在実際に行っている修正方法を実施した場合に要するコスト、つまり発電機の操作回数や作業時間の増加量などを計算することである。本実施形態におけるコスト計算部２０５では、このようなコスト計算を容易に採用することができる。   However, the most desirable method for calculating the cost required to modify the power generation plan is the cost required when the power company's central power supply system operator implements the current correction method, that is, the number of generator operations. And the amount of increase in work time. In the cost calculation unit 205 in the present embodiment, such cost calculation can be easily adopted.

以上のようにして計算された発電コストや発電単価は、ｉ番目の発電計画においてｊ番目の需要予測カーブが実現した場合のものである。そこで、需要予測カーブの１〜Ｎについて同様な処理を行い、その平均をとることでｉ番目の発電計画の発電単価の期待値を求めることができる。なお、需要シナリオが図３のように重み付きで作成されている場合には、重みを掛けて平均をとればよい。最終的に発電単価の最も小さな発電計画が、需要変動に対して最も頑強な発電計画となる。   The power generation cost and the power generation unit price calculated as described above are those when the j-th demand prediction curve is realized in the i-th power generation plan. Therefore, the same processing is performed for 1 to N of the demand prediction curve, and the average value thereof is taken to obtain the expected value of the power generation unit price of the i-th power generation plan. In addition, when the demand scenario is created with weight as shown in FIG. 3, it is only necessary to multiply the weight and take an average. Eventually, the power generation plan with the smallest unit price of power generation will be the most robust power generation plan against demand fluctuations.

（処理の流れ）
続いて、図８を参照して本実施形態における全体的な処理の流れについて説明する。ステップ３０１では需要予測部１０２がＮ個の需要予測カーブを作成し、作成した需要予測カーブそれぞれに対して、ステップ３０２において、発電計画群作成部１０３が制御対象となる複数の発電機の発電計画を作成する。これにより各発電機が何時に起動し、何時に停止するか、あるいは一日中起動または停止しているという情報が得られる。このような複数の発電機の起動状態又は停止状態の組合せを発電機体制と呼ぶ。 (Process flow)
Next, the overall processing flow in this embodiment will be described with reference to FIG. In step 301, the demand prediction unit 102 creates N demand prediction curves, and in step 302, the power generation plan group creation unit 103 generates a power generation plan for a plurality of generators to be controlled in step 302. Create As a result, it is possible to obtain information that each generator is started and stopped, or that the generator is started or stopped throughout the day. Such a combination of the activated state or the stopped state of a plurality of generators is called a generator system.

需要予測カーブごとに得られた発電機体制は、従来と同様な考え方では最適な（つまり発電コストが最小な）発電機体制であるが、実際には発電計画を作成した需要予測カーブは、程度の差こそあれ、そのまま実現しないことがある。そこで、上記需要シナリオを利用して、需要予測カーブを評価する。まずｉを１から順次Ｎまで設定し、ｉ番目の発電計画を選択して発電機体制を固定する（ステップ３０３）。ｉ番目の発電計画を選択した発電機体制を、ｉ番目の発電機体制とする。   The generator system obtained for each demand forecast curve is an optimal generator system based on the same concept as before (that is, the power generation cost is minimal), but in reality, the demand forecast curve that created the power generation plan is about However, it may not be realized as it is. Therefore, the demand forecast curve is evaluated using the demand scenario. First, i is sequentially set from 1 to N, the i-th power generation plan is selected, and the generator system is fixed (step 303). The generator system that has selected the i-th power generation plan is the i-th generator system.

その後、ｊ番目の需要予測カーブについて１〜Ｎ番目まで設定し、ｊ＝１〜Ｎ番目の需要予測カーブが実現した場合に、発電機体制に如何なる修正が必要かを検討する。つまり、ステップ３０４において、ｉ番目の発電機体制で、ｊ番目の需要予測カーブの発電単価を計算し、これをＮ番目の需要予測カーブまで繰り返す。   Thereafter, the jth demand prediction curve is set from 1 to Nth, and when the j = 1 to Nth demand prediction curve is realized, what kind of correction is necessary for the generator system is examined. That is, in step 304, the power generation unit price of the j-th demand prediction curve is calculated in the i-th generator system, and this is repeated until the N-th demand prediction curve.

このとき、発電機体制の出力が、わずかに増加するだけであれば、燃料費は増加するが発電量も増加するため発電単価は大きく変化しない。しかし、停止していた発電機を動かす必要があった場合などは、発電コストが大きく変化する可能性がある。   At this time, if the output of the generator system only increases slightly, the fuel cost increases, but the power generation amount also increases, so the power generation unit price does not change significantly. However, when it is necessary to move a generator that has been stopped, the power generation cost may change significantly.

このような修正に必要なコストを含めて、各需要予測カーブに対する発電コストを評価する。これらを平均することにより、ｉ番目の発電機体制の発電単価の期待値を計算し、これをＮ番目の発電機体制まで繰り返す（ステップ３０５）。最終的にステップ３０６において、発電計画選択部１０４により発電単価の期待値が最小の発電計画を選択する。   The power generation cost for each demand forecast curve is evaluated including the cost required for such correction. By averaging these, the expected value of the unit price of power generation for the i-th generator system is calculated, and this is repeated until the N-th generator system (step 305). Finally, in step 306, the power generation plan selection unit 104 selects a power generation plan with the minimum expected value of the power generation unit price.

発電機体制の期待値を計算する最も簡単な方法は、ある発電計画に対して、ある需要カーブが実現した場合に、需給バランスが取れているかどうかを判定し、発電量が過剰である場合には発電量を減らし、発電量が不足している場合には一定の価格で電力を購入したとして合計の発電コストを評価する方法である。図９は、このような例を示している。   The simplest way to calculate the expected value of the generator system is to determine whether a supply-demand balance is achieved when a certain demand curve is realized for a certain power generation plan. Is a method of reducing the amount of power generation and evaluating the total power generation cost, assuming that power is purchased at a fixed price when the amount of power generation is insufficient. FIG. 9 shows such an example.

この購入電力の単価は任意に定めることができるが、電力市場の価格を用いてもかまわないし、運用者が入力してもかまわない。これは一種のペナルティーコストと言えるものであり、この値を大きくすることで不適切な発電計画の発電単価を高く設定することができる。   The unit price of the purchased power can be arbitrarily determined, but the price in the electric power market may be used or may be input by the operator. This can be said to be a kind of penalty cost, and by increasing this value, the power generation unit price of an inappropriate power generation plan can be set high.

上記の場合、仮に発電機の発電量に下限が存在するならば、その部分の電力は無駄になる。そのため損失として計算する必要がある。もし、電力市場に対して販売することが可能であれば、市場価格で販売したとして計算することもできる。また、発電計画を立案する上で、予備力を考慮する必要がある場合もある。これは、起動中のすべての発電機の発電可能量を合計したものが、需要カーブの（１＋Ｒ）倍を超えている必要があるといった制約条件であり、従来手法において需要の変動にそなえるために考慮されているものである。   In the above case, if there is a lower limit in the power generation amount of the generator, the power in that portion is wasted. Therefore, it is necessary to calculate as a loss. If it is possible to sell to the electric power market, it can be calculated that it is sold at the market price. In addition, reserve power may need to be taken into account when planning a power generation plan. This is a constraint that the total power generation capacity of all the generators in operation needs to exceed (1 + R) times the demand curve. In order to prepare for fluctuations in demand in the conventional method This is what is being considered.

ここで、Ｒは予備力の比率であり、数％の値を採用することが多い。しかしながら、予備力の比率をあまり大きくすると無駄に発電機を起動することになってしまう。本実施形態においても、予備力を考慮して発電コストの期待値を計算することが可能である。図１０はそのための方法を示している。この場合、発電量の不足分と同じく、予備力の不足分をペナルティーコストとして計算することができる。このペナルティーコストは、予備力市場が存在すれば、その価格でもかまわないし、運用者が任意の値を与えることも可能である。   Here, R is a ratio of reserve power, and a value of several percent is often adopted. However, if the reserve power ratio is too large, the generator is wasted. Also in the present embodiment, it is possible to calculate the expected value of power generation cost in consideration of reserve capacity. FIG. 10 shows a method for this. In this case, the shortage of reserve capacity can be calculated as the penalty cost, as is the shortage of power generation. If there is a reserve market, the penalty cost may be the price, or the operator can give an arbitrary value.

発電量の不足や予備力の不足に対するペナルティーコストの計算は、Ｎ通りの発電計画を作成した後で独立に実施することができるので、種々の値を用いてシミュレーションを行い、最適な発電計画の選定するための意思決定の資料とすることも可能である。図１１は、このようにして得られた多数の発電計画（発電機体制）の発電単価を示している。図１２は、図１１の発電単価の期待値をヒストグラムで表したものである。   Penalty costs for power generation deficiencies and reserve capacity can be calculated independently after N power generation plans have been created. Therefore, simulations using various values are performed to determine the optimal power generation plan. It can also be used as decision-making material for selection. FIG. 11 shows the power generation unit prices of a large number of power generation plans (generator systems) obtained in this way. FIG. 12 shows the expected value of the power generation unit price in FIG. 11 as a histogram.

（作用効果）
以上のような本発明では、従来からの手法を適用して需要予測カーブおよびそれに基づく発電計画をＮ個作成しておき、さらに、確率的な重みを持った需要予測カーブの集まりである需要シナリオを作成して、この需要シナリオを用いて各需要予測カーブが実現した場合の発電計画の修正量を計算できるので、実際の需要変動に対する発電計画を適切に評価することができ、修正量の値が最小となる発電計画を確実に選択して、発電計画の頑強性を高めることができる。 (Function and effect)
In the present invention as described above, a demand scenario, which is a collection of demand forecast curves having probabilistic weights, is created by applying N conventional demand forecast curves and power generation plans based thereon. Can be used to calculate the amount of correction of the power generation plan when each demand forecast curve is realized using this demand scenario. It is possible to increase the robustness of the power generation plan by reliably selecting the power generation plan that minimizes the power generation plan.

また、発電計画の修正は、アルゴリズムを決めれば計算時間は殆どかからないので、本アルゴリズムの計算時間は、従来の発電計画作成手法の計算時間に需要カーブの数Ｎを掛けたものに近似的に等しく、実質的な計算時間の延長は微々たるものである。さらには、発電計画群作成部１０３における発電計画の作成方法は、従来用いられている作成手法と全く同じ手法を採用しているのでおり、現行手法の持つ経済性や信頼性を確保できるといった点もメリットである。   In addition, since it takes almost no calculation time to modify the power generation plan, the calculation time of this algorithm is approximately equal to the calculation time of the conventional power generation plan creation method multiplied by the number N of demand curves. However, the substantial increase in calculation time is insignificant. Furthermore, since the power generation plan creation method in the power generation plan group creation unit 103 employs exactly the same method as the conventionally used creation method, it is possible to ensure the economy and reliability of the current method. Is also a merit.

（他の実施形態）
なお、本発明では、上記の実施形態に限定されるものではなく、需要シナリオではなく、通常の需要予測カーブに基づく発電計画の作成手法については、適宜選択可能であり、上述したように従来から使用されている方法をそのまま用いることができるし、従来からの手法が改良された時点で直ちにその手法を採用することができる。 (Other embodiments)
It should be noted that the present invention is not limited to the above-described embodiment, and it is possible to appropriately select a power generation plan creation method based on a normal demand forecast curve instead of a demand scenario. The method used can be used as it is, or the method can be adopted immediately when the conventional method is improved.

また、発電計画の修正量の評価に関しては、例えば。図１３に示すように、各需要予測カーブの一日の総需要と、発電単価の期待値の関係をプロットして求めても良い。この図の場合、４０１で示した発電計画の発電単価の期待値が約９.０７（\/kWh）で最小になっていることがわかる。   For example, regarding the evaluation of the correction amount of the power generation plan. As shown in FIG. 13, the relationship between the total daily demand for each demand prediction curve and the expected value of the power generation unit price may be obtained by plotting. In the case of this figure, it can be seen that the expected value of the power generation unit price of the power generation plan indicated by 401 is minimum at about 9.07 (¥ / kWh).

これに対して、従来の手法による発電単価の期待値は、約９.１０（\/kWh）である。このように、本実施形態によれば、発電単価の期待値を低減することが可能であり、長期的な期待値としてのコストを低減することができる。もし、電力の販売価格が同じであれば、電力販売による収益の期待値を増大させることができる。   On the other hand, the expected value of power generation unit price by the conventional method is about 9.10 (¥ / kWh). Thus, according to this embodiment, the expected value of the power generation unit price can be reduced, and the cost as a long-term expected value can be reduced. If the sales price of power is the same, the expected value of profit from power sales can be increased.

図１４は、このような方法による最適な発電計画の選択手法を示しており、分散共分散行列を作成する統計処理部２０７を設けた点と、Ｎ通りの需要シナリオを作成して、発電コストの期待値１〜Ｎを求め、期待値の最も小さな発電計画を最適な発電計画として選択する点に特徴がある。   FIG. 14 shows a method for selecting an optimal power generation plan by such a method. The statistical processing unit 207 for creating the variance-covariance matrix is provided, and N demand scenarios are created to generate the power generation cost. The expected values 1 to N are obtained, and the power generation plan having the smallest expected value is selected as the optimum power generation plan.

さらに、本発明は、発電計画を作成するためのプログラムおよびそれを記憶する記憶装置としても捉えることもでき、プログラム記憶用の記憶装置の形態は、各種記憶媒体をはじめとして適宜選択自由である。   Furthermore, the present invention can also be understood as a program for creating a power generation plan and a storage device for storing the program, and the form of the storage device for program storage can be selected as appropriate including various storage media.

本発明に係る代表的な実施形態の機能ブロック図。1 is a functional block diagram of a representative embodiment according to the present invention. 本実施形態における要部ブロック図。The principal part block diagram in this embodiment. 本実施形態における需要シナリオの一例を示す図。The figure which shows an example of the demand scenario in this embodiment. 本実施形態における需要シナリオの一例を示す図。The figure which shows an example of the demand scenario in this embodiment. ベータ分布の例を示す図。The figure which shows the example of beta distribution. 本実施形態における発電単価計算方法を説明するための図。The figure for demonstrating the power generation unit price calculation method in this embodiment. 本実施形態における要部ブロック図。The principal part block diagram in this embodiment. 本実施形態の処理の流れを示すフローチャート。The flowchart which shows the flow of the process of this embodiment. 本実施形態において発電量の不足分評価に関する説明図。Explanatory drawing regarding the shortage evaluation of the electric power generation amount in this embodiment. 本実施形態において予備力の不足分評価に関する説明図。Explanatory drawing regarding the shortage evaluation of reserve power in this embodiment. 各発電計画の発電単価の期待値を示した図。The figure which showed the expected value of the power generation unit price of each power generation plan. 発電単価の期待値のヒストグラム。Histogram of expected value of power generation unit price. 総需要と発電単価の期待値の関係を示した図。The figure which showed the relationship between the total demand and the expected value of the power generation unit price. 本発明の他の実施形態のブロック図。The block diagram of other embodiment of this invention.

１０１…過去のデータ格納部
１０２…需要予測部
１０３…発電計画群作成部
１０４…発電計画選択部
１０５…発電計画格納部
２０１…分散共分散行列作成部、
２０２…相関を持った乱数発生部
２０３…需要シナリオ作成部
２０４…発電計画修正部
２０５…コスト計算部
２０６…発電単価格納部
２０７…統計処理部 101 ... Past data storage unit 102 ... Demand prediction unit 103 ... Power generation plan group creation unit 104 ... Power generation plan selection unit 105 ... Power generation plan storage unit 201 ... Distribution covariance matrix creation unit,
202 ... Correlated random number generation unit 203 ... Demand scenario creation unit 204 ... Power generation plan correction unit 205 ... Cost calculation unit 206 ... Power generation unit price storage unit 207 ... Statistical processing unit

Claims (13)

将来の一定期間の電力需要の時系列データである需要予測カーブを作成する需要予測ステップと、前記需要予測カーブに対応して一台以上の発電機に関する起動停止計画である発電計画を複数作成する発電計画群作成ステップを含む発電計画作成方法において、
前記需要予測ステップでは、実現可能性のある複数の異なる需要予測カーブについて確率的な重みを持った組を作成し、
前記確率的な重みを持った需要予測カーブの組を用いて各発電計画に関して前記需要予測カーブが実現した場合の発電計画の修正量を評価し、前記発電計画群作成ステップの作成した前記発電計画群の中から、前記修正量に関する平均または重み付き平均あるいは与えられた関係式の値が最小になる発電計画を、最適な発電計画として選択する最適発電計画選択ステップを含むことを特徴とする発電計画作成方法。 A demand prediction step for creating a demand forecast curve that is time-series data of power demand for a certain period in the future, and a plurality of power generation plans that are start-stop plans for one or more generators corresponding to the demand forecast curve In a power generation plan creation method including a power generation plan group creation step,
In the demand forecasting step, a pair having probabilistic weights is created for a plurality of different demand forecasting curves that can be realized,
The power generation plan created by the power generation plan group creation step is evaluated by evaluating a correction amount of the power generation plan when the demand prediction curve is realized with respect to each power generation plan using the set of demand prediction curves having probabilistic weights. An optimal power generation plan selecting step for selecting, as an optimal power generation plan, a power generation plan that minimizes the average or weighted average of the correction amount or the value of the given relational expression from the group; Planning method. 前記最適発電計画選択ステップでは、前記発電計画の修正量として、燃料コスト、発電機の起動コスト、その他の発電機の運転にかかるコストのいずれかの増加分、あるいは発電機の操作回数の増加量、あるいは作業時間の増加量を評価することを特徴とする請求項１に記載の発電計画作成方法。   In the optimum power generation plan selection step, as an amount of correction of the power generation plan, an increase in any one of fuel cost, generator start-up cost, other generator operation costs, or increase in the number of generator operations The power generation plan creation method according to claim 1, wherein the amount of increase in work time is evaluated. 前記最適発電計画選択ステップでは、前記需要カーブに実現する確率の重みを与えて各需要カーブが実現した場合の発電計画の修正量の期待値を評価することを特徴とする請求項１又は２に記載の発電計画作成方法。   3. The optimum power generation plan selection step evaluates an expected value of the correction amount of the power generation plan when each demand curve is realized by giving a weight of probability to be realized to the demand curve. The power generation plan creation method described. 前記需要予測ステップでは、前記需要カーブを実現する確率に比例した数だけ需要予測カーブを作成し、
前記最適発電計画選択ステップでは、前記需要カーブが実現した場合の発電計画の修正量の期待値を評価することを特徴とする請求項１又は２に記載の発電計画作成方法。 In the demand forecasting step, demand forecast curves are created in a number proportional to the probability of realizing the demand curve,
3. The power generation plan creation method according to claim 1, wherein, in the optimum power generation plan selection step, an expected value of a correction amount of the power generation plan when the demand curve is realized is evaluated. 前記需要予測ステップでは、過去の２個以上の前記需要予測カーブをそれぞれＭ等分した各時刻の需要値の分散および各時刻間の相関係数からＭ×Ｍの分散共分散行列を作成し、この分散共分散行列を用いて相関のあるＭ個の乱数の組をＮ個発生させることにより、Ｎ個の需要カーブを作成し、
前記最適発電計画選択ステップでは、これらＮ個の需要予測カーブに対して発電計画の修正量を計算し、その平均を計算することで修正量の期待値を計算することを特徴とする請求項１〜４のいずれか１項に記載の発電計画作成方法。 In the demand prediction step, an M × M variance-covariance matrix is created from the variance of demand values at each time obtained by dividing the past two or more demand forecast curves into M equal parts and the correlation coefficient between the times, By generating N sets of M random numbers that are correlated using this variance-covariance matrix, N demand curves are created,
The optimal power generation plan selection step calculates a power generation plan correction amount for these N demand forecast curves, and calculates an expected value of the correction amount by calculating an average thereof. The power generation plan preparation method of any one of -4. 前記需要予測ステップにおいて、相関のあるＭ個の乱数の組を生成するときの元になる確率分布として、正規分布、対数正規分布、ベータ分布、ガンマ分布、ワイブル分布、あるいは過去のデータを関数近似した分布を用いることを特徴とする請求項５に記載の発電計画作成方法。   In the demand forecasting step, a normal distribution, lognormal distribution, beta distribution, gamma distribution, Weibull distribution, or past data is approximated as a function as a probability distribution that becomes a base when generating a set of M random numbers having correlation. The power generation plan creation method according to claim 5, wherein the distribution is used. 前記需要予測ステップにおいて、計算機により疑似乱数を生成し、Ｍ個の乱数の組をＮ個生成した場合に、疑似乱数の生成方法に起因して意図せずに互いに相関のあるＮ個の乱数の組が得られた場合に、このＮ個の乱数の組から、互いに独立なＮ個の乱数の組を生成するために、主成分分析を用いることを特徴とする請求項５又は６に記載の発電計画作成方法。   In the demand prediction step, when a computer generates pseudo random numbers and N sets of M random numbers are generated, N random numbers that are unintentionally correlated with each other due to the pseudo random number generation method. 7. The principal component analysis is used to generate a set of N random numbers independent of each other from the set of N random numbers when a set is obtained. Power generation plan creation method. 前記需要予測ステップにおいて、Ｍ個の乱数の組をＮ個生成した場合に、相関のないＮ個の乱数の組から相関係数行列を用いて、相関のあるＮ個の乱数の組を生成するために、コレスキー分解、または固有値分解および特異値分解のうちのいずれか１つを用いることを特徴とする請求項５〜７のいずれか１項に記載の発電計画作成方法。   In the demand prediction step, when N sets of M random numbers are generated, a correlated N random number set is generated from the uncorrelated N random number sets using a correlation coefficient matrix. Therefore, any one of Cholesky decomposition, eigenvalue decomposition, and singular value decomposition is used for the power generation plan creation method according to any one of claims 5 to 7. 前記最適発電計画選択ステップでは、起動予定のない発電機の起動、起動予定のある発電機の起動時刻の前倒しあるいは停止時刻の後ろ倒し、起動予定の発電機の起動中止にかかるコストを評価して発電計画の修正量の期待値を計算し、修正量が最小になる発電計画を選択することを特徴とする請求項１〜８のいずれか１項に記載の発電計画作成方法。   In the optimum power generation plan selection step, the cost of starting the generator that is not scheduled to start, bringing the start time of the generator that is scheduled to start up to the front or behind the stop time, and evaluating the cost of stopping the start of the generator that is scheduled to start is evaluated. The power generation plan creation method according to any one of claims 1 to 8, wherein an expected value of the correction amount of the power generation plan is calculated, and a power generation plan that minimizes the correction amount is selected. 前記需要予測ステップでは、発電機が運転される当日に現在時刻以後の需要予測カーブを複数作成し、
現在時刻以後の発電計画を最適化することによって発電機の運用を支援する発電機運用支援ステップを含むことを特徴とする請求項１〜９のいずれか１項に記載の発電計画作成方法。 In the demand prediction step, a plurality of demand prediction curves after the current time are created on the day when the generator is operated,
The power generation plan creation method according to any one of claims 1 to 9, further comprising a generator operation support step for supporting operation of the generator by optimizing a power generation plan after the current time. 将来の一定期間の電力需要の時系列データである需要予測カーブを作成する需要予測手段と、前記需要予測カーブに対応して一台以上の発電機に関する起動停止計画である発電計画を複数作成する発電計画群作成手段を設けた発電計画作成装置において、
前記需要予測手段は、実現可能性のある複数の異なる需要予測カーブについて確率的な重みを持った組を作成するように構成し、
前記確率的な重みを持った需要予測カーブの組を用いて各発電計画に関して前記需要予測カーブが実現した場合の発電計画の修正量を評価し、前記発電計画群作成ステップの作成した前記発電計画群の中から、前記修正量に関する平均または重み付き平均あるいは与えられた関係式の値が最小になる発電計画を、最適な発電計画として選択する最適発電計画選択手段を備えたことを特徴とする発電計画作成装置。 Demand forecasting means for creating a demand forecast curve, which is time-series data of power demand for a certain period in the future, and a plurality of power generation plans that are startup / shutdown plans for one or more generators corresponding to the demand forecast curve In the power generation plan creation device provided with the power generation plan group creation means,
The demand forecasting means is configured to create a set having a probabilistic weight for a plurality of different demand forecast curves that can be realized,
The power generation plan created by the power generation plan group creation step is evaluated by evaluating a correction amount of the power generation plan when the demand prediction curve is realized with respect to each power generation plan using the set of demand prediction curves having probabilistic weights. An optimum power generation plan selecting means for selecting, as an optimum power generation plan, a power generation plan that minimizes the average or weighted average related to the correction amount or the value of the given relational expression from the group, is provided. Power generation plan creation device. コンピュータを利用することにより、将来の一定期間の電力需要の時系列データである需要予測カーブを作成する需要予測機能と、前記需要予測カーブに対応して一台以上の発電機に関する起動停止計画である発電計画を複数作成する発電計画群作成機能をコンピュータに実現させる発電計画作成プログラムにおいて、
前記需要予測機能では、実現可能性のある複数の異なる需要予測カーブについて確率的な重みを持った組を作成することをコンピュータに実現させ、
前記確率的な重みを持った需要予測カーブの組を用いて各発電計画に関して前記需要予測カーブが実現した場合の発電計画の修正量を評価し、前記発電計画群作成ステップの作成した前記発電計画群の中から、前記修正量に関する平均または重み付き平均あるいは与えられた関係式の値が最小になる発電計画を、最適な発電計画として選択する最適発電計画選択機能をコンピュータに実現させることを特徴とする発電計画作成プログラム。 By using a computer, a demand forecast function that creates a demand forecast curve that is time-series data of power demand for a certain period in the future, and a start / stop plan for one or more generators corresponding to the demand forecast curve In a power generation plan creation program for realizing a power generation plan group creation function for creating a plurality of power generation plans on a computer,
In the demand prediction function, the computer realizes creating a set having probabilistic weights for a plurality of different demand prediction curves that can be realized,
The power generation plan created by the power generation plan group creation step is evaluated by evaluating a correction amount of the power generation plan when the demand prediction curve is realized with respect to each power generation plan using the set of demand prediction curves having probabilistic weights. A computer is realized with an optimum power generation plan selection function for selecting, as an optimum power generation plan, a power generation plan that minimizes the average or weighted average relating to the correction amount or the value of a given relational expression from the group. A power generation plan creation program. 上記請求項１２記載の発電計画作成プログラムを記憶したことを特徴とする記憶装置。   A storage device storing the power generation plan creation program according to claim 12.
JP2009057682A 2009-03-11 2009-03-11 Power generation plan creation method, device, program, and storage device Active JP5248372B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009057682A JP5248372B2 (en) 2009-03-11 2009-03-11 Power generation plan creation method, device, program, and storage device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009057682A JP5248372B2 (en) 2009-03-11 2009-03-11 Power generation plan creation method, device, program, and storage device

Publications (2)

Publication Number Publication Date
JP2010213477A JP2010213477A (en) 2010-09-24
JP5248372B2 true JP5248372B2 (en) 2013-07-31

Family

ID=42973048

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009057682A Active JP5248372B2 (en) 2009-03-11 2009-03-11 Power generation plan creation method, device, program, and storage device

Country Status (1)

Country Link
JP (1) JP5248372B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3576242A1 (en) * 2018-05-31 2019-12-04 Hitachi, Ltd. Energy operation apparatus, method, and system

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5537304B2 (en) * 2010-07-12 2014-07-02 株式会社東芝 Information processing apparatus and program thereof
JP2012034444A (en) 2010-07-28 2012-02-16 Toshiba Corp Power supply-demand planning device and method thereof
JP5777404B2 (en) * 2011-05-27 2015-09-09 株式会社東芝 Time series data prediction apparatus, prediction method, prediction program, and storage medium
JP6401553B2 (en) * 2014-09-17 2018-10-10 一般財団法人電力中央研究所 Operation plan formulation device, operation plan formulation method, and operation plan formulation program
JP6582758B2 (en) * 2015-09-01 2019-10-02 富士電機株式会社 Power generation plan creation device, power generation plan creation program, and power generation plan creation method
CN105305490B (en) * 2015-10-26 2017-10-13 国网天津市电力公司 A kind of active power distribution network planing method for considering that quality of power supply economy is optimal
JP6600553B2 (en) * 2015-12-25 2019-10-30 株式会社東芝 Imbalance price prediction apparatus, method, and program
JP6697358B2 (en) * 2016-09-16 2020-05-20 株式会社東芝 Information processing apparatus, information processing system, information processing method, and program
JP6689732B2 (en) * 2016-11-30 2020-04-28 株式会社日立製作所 Power system control device and power system control method
JP7059960B2 (en) * 2019-02-12 2022-04-26 三菱電機株式会社 Power supply and demand planning device and power supply and demand planning method
CN111612239B (en) * 2020-05-15 2023-07-07 云南电网有限责任公司电力科学研究院 Correction method for power generation plan of marketized power plant
CN115063041A (en) * 2022-07-28 2022-09-16 广东电网有限责任公司电力调度控制中心 Alternating current-direct current power transmission planning method

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4069944B2 (en) * 2001-03-29 2008-04-02 株式会社日立製作所 Power plant control method, operation command method
JP2003016374A (en) * 2001-06-28 2003-01-17 Toshiba Corp Evaluating method and drawing-up method for power generating facility plan, and program
JP3910948B2 (en) * 2003-08-04 2007-04-25 東京電力株式会社 Information processing method and computer system for power supply plan
JP2006180673A (en) * 2004-12-24 2006-07-06 Mitsubishi Electric Corp System to prepare operation plan for generator
JP4577232B2 (en) * 2006-02-22 2010-11-10 株式会社日立製作所 Power plant operation plan creation device and method
JP2007280204A (en) * 2006-04-10 2007-10-25 Toshiba Corp Power transaction support system, method and program
JP2008146105A (en) * 2006-12-05 2008-06-26 Toshiba Corp System, method and program for evaluating power transaction

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3576242A1 (en) * 2018-05-31 2019-12-04 Hitachi, Ltd. Energy operation apparatus, method, and system

Also Published As

Publication number Publication date
JP2010213477A (en) 2010-09-24

Similar Documents

Publication Publication Date Title
JP5248372B2 (en) Power generation plan creation method, device, program, and storage device
Wang et al. Optimal power scheduling using data-driven carbon emission flow modelling for carbon intensity control
Hilorme et al. Smart grid concept as a perspective for the development of Ukrainian energy platform
JP5606114B2 (en) Power generation amount prediction device, prediction method, and prediction program
Delarue et al. Enhanced priority list unit commitment method for power systems with a high share of renewables
Ferreira et al. Demand response models with correlated price data: A robust optimization approach
US20040215529A1 (en) System and method for energy price forecasting automation
Windler et al. One month-ahead electricity price forecasting in the context of production planning
US20040117236A1 (en) Automated optimization tool for electric utility sypply services
Lu et al. A hybrid deep learning-based online energy management scheme for industrial microgrid
JP4154373B2 (en) Power supply business risk management support system
Mařík et al. Decision support tools for advanced energy management
US20190066235A1 (en) Systems and methods for energy management
El Kafazi et al. Modeling and forecasting energy demand
JP3966236B2 (en) Power generation facility operation planning method and power generation facility operation planning system
Geiger Strategic power plant investment planning under fuel and carbon price uncertainty
Yu et al. A practical real-time OPF method using new triangular approximate model of wind electric generators
Mardiana et al. Forecasting gasoline demand in Indonesia using time series
Simoglou et al. Long-term electricity procurement portfolio optimization
Keles et al. Evaluation of photovoltaic storage systems on energy markets under uncertainty using stochastic dynamic programming
Newham Power system investment planning using stochastic dual dynamic programming
JP2019046467A (en) Power transaction support device and power transaction support method
JP3982761B2 (en) Power transaction determination method, apparatus thereof, and program thereof
JP4400324B2 (en) Electric power transaction determination device, electric power transaction method answering system, program, and storage medium
Nobis et al. Extended Benders Decomposition for CVaR-constrained unit commitment decisions in pan-European energy system models considering feed-in uncertainties

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110909

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130214

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: 20130319

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130410

R151 Written notification of patent or utility model registration

Ref document number: 5248372

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160419

Year of fee payment: 3