JP6076242B2 - 配電系統の負荷予測装置および配電系統の負荷予測方法 - Google Patents
配電系統の負荷予測装置および配電系統の負荷予測方法 Download PDFInfo
- Publication number
- JP6076242B2 JP6076242B2 JP2013263985A JP2013263985A JP6076242B2 JP 6076242 B2 JP6076242 B2 JP 6076242B2 JP 2013263985 A JP2013263985 A JP 2013263985A JP 2013263985 A JP2013263985 A JP 2013263985A JP 6076242 B2 JP6076242 B2 JP 6076242B2
- Authority
- JP
- Japan
- Prior art keywords
- mode
- model
- power consumption
- storage unit
- load
- 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
- 238000009826 distribution Methods 0.000 title claims description 156
- 238000000034 method Methods 0.000 title claims description 27
- 230000004913 activation Effects 0.000 claims description 55
- 238000005259 measurement Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 description 47
- 238000012937 correction Methods 0.000 description 41
- 230000008859 change Effects 0.000 description 19
- 230000036962 time dependent Effects 0.000 description 19
- 230000014509 gene expression Effects 0.000 description 14
- 238000012986 modification Methods 0.000 description 13
- 230000004048 modification Effects 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000011084 recovery Methods 0.000 description 11
- 230000001419 dependent effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000007710 freezing Methods 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008014 freezing Effects 0.000 description 7
- 230000002265 prevention Effects 0.000 description 7
- 238000001816 cooling Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005406 washing Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000001172 regenerating effect Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000035515 penetration Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
- 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
Description
(全体構成について)
図1は、本発明の実施の形態1における負荷予測装置901の構成を概略的に示す。負荷予測装置901は、複数の配電区間を有し負荷機器に電力供給を行う配電系統の電力負荷を予測するものである。電力負荷の予測は、後述するように、配電系統のおける任意の配電区間に対して可能である。電力供給が行われる負荷機器は、たとえば、IH(Induction Heating)クッキングヒータ、食器洗い機、給湯機、リビングコンセント、エアコンなどである。なお以下において、これら各機種を「機種n」と総称することもあり、また数式において「n」で表すことがある。また、任意の同一配電区間から電力供給を受ける負荷機器を「同一配電区間機器」と呼ぶことがある。
機種別推定機器数記憶部110は、予測の対象となる配電区間における負荷機器の機種別の台数またはその推定台数の情報を記憶するためのものである。この情報は、負荷予測装置901が使用される際に情報記憶部101に格納されてもよく、あるいは情報記憶部101にあらかじめ記憶されていてもよい。
図2は、モード別稼働確率モデル記憶部120に記憶される稼働確率モデルの一例を示す。モード別稼働確率モデル記憶部120は負荷機器の各機種についてモード別かつ時刻別に稼働確率モデルを記憶する。稼働確率モデルは、負荷機器の稼働確率(稼動割合)を、機種別および時刻別に示すモデルである。図2に示す例では、稼働確率モデルとして、時刻tのときに機種nがモードkで起動(稼動)している確率(割合)(%)を示す確率式である関数fn, k(t)が適用されている。関数fn, k(t)には、たとえばm次式などの近似式が用いられる。なお「モード」の詳細については後述する。
ただしfn, k(t,T)>100%のときはfn, k(t,T)=100%とみなす。以下においても同様である。
ただしfn, k(t,T)<0%のときはfn, k(t,T)=0%とみなす。以下においても同様である。
fn, k(t,T) = fn, k(t) + C2n(t,T)
モード別消費電力モデル記憶部130(図1)は負荷機器の各機種についてモード別に消費電力モデルを記憶するものである。図8は、モード別消費電力モデル記憶部130が記憶する消費電力モデルの例を示す。消費電力モデルは、1台の負荷機器が起動中(稼動中)に消費する消費電力を機種別かつモード別に示すモデルである。図8に示す例では、消費電力モデルとして、1台の機種nがモードkで起動中(稼動中)に消費する消費電力の確率分布が、平均Pn, k、標準偏差σnの正規規分布である例を示している。
モード別稼働機器数推定部220(図1)は、配電系統をなす複数の配電区間に含まれる一の配電区間内における負荷機器の機種別の推定機器数と、モード別稼働確率モデル記憶部120に記憶された稼働確率モデルとに基づいて、一の配電区間について機種別かつモード別の稼働機器数を推定するものである。すなわち、モード別稼働機器数推定部220は、モード別稼働確率モデル記憶部120に機種(n)別かつモード(k)別に記憶されたモード別稼働確率モデル(fn, k(t))に、上述した同一配電区間機器の機種別の台数を乗じることにより、同一配電区間機器の機種別および時刻別およびモード別の起動台数の期待値gn, k(t)を計算するものである。たとえば、モード別稼働機器数推定部220は、次式により、同一配電区間機器の時刻tおよび機種nおよびモードk毎の起動台数の期待値gn, k(t)を計算する。
モード別消費電力推定部230(図1)は、モード別稼働機器数推定部220によって推定された稼働機器数と、モード別消費電力モデル記憶部130に記憶された消費電力モデルと、に基づいて、機種別かつモード別の消費電力を推定する。すなわちモード別消費電力推定部230は、モード別消費電力モデル記憶部130が記憶する消費電力モデルから求められる機器の消費電力に、モード別稼働機器数推定部220により計算された起動台数の期待値gn, k(t)を乗じることにより、同一配電区間機器の機種別および時刻別およびモード別の消費電力の期待値hn, k(t)を計算する。すなわち、次式でしめされる計算が行われる。
×gn, k(t)
負荷合計部240(図1)は、モード別消費電力推定部230によって推定された機種別かつモード別の消費電力を合計することにより、一の配電区間における総消費電力の予測値を計算する。
以上、図1の各機能ブロックについて説明しつつ、負荷機器に電力供給を行う配電系統の電力負荷を予測する負荷予測方法の詳細について説明した。図14を参照して、この負荷予測方法の概略をまとめると、以下のとおりである。
本実施の形態によれば、機種別推定機器数記憶部110に記憶される推定機器数と、モード別稼働確率モデル記憶部120のモデルとに基づいて、同一配電区間機器の機種別および時刻別およびモード別の起動台数の期待値gn, k(t)が求められる。この期待値gn, k(t)と、モード別消費電力モデル記憶部130のモデルとに基づいて、同一配電区間機器の機種別および時刻別の消費電力の期待値hn(t)が求められる。この構成により、任意の配電区間について、負荷機器に起因する電力負荷を機種別および時刻別に、モードの差異を考慮しつつ予測することができる。よって配電系統の電力負荷を精度よく予測することができる。以下、より具体的に説明する。
(構成の概要について)
図15は、本発明の実施の形態2における負荷予測装置902の構成を概略的に示す。負荷予測装置902の構成において、実施の形態1で説明した機能ブロックと同一または類似のものについては同じ符号を付し、異なるものについて主に説明する。負荷予測装置902は、情報記憶部102および制御部202を有する。情報記憶部102はモード別稼働確率モデル記憶部120Vを有する。モード別稼働確率モデル記憶部120Vは機種別稼働確率モデル記憶部121およびモード確率モデル記憶部122を有する。制御部202はモード別稼働機器数推定部220Vを有する。モード別稼働機器数推定部220Vは機種別稼働機器数推定部221およびモード推定部222を有する。
機種別稼働確率モデル記憶部121は負荷機器の機種別の稼働有無の確率モデルを記憶するものである。すなわち機種別稼働確率モデル記憶部121は、機種nが時刻tに稼働する確率fn(t)を記憶するものである。実施の形態1のモード別稼働確率モデル記憶部120は機種nが時刻tにモードkで稼働する確率fn, k(t)を記憶するが、機種別稼働確率モデル記憶部121は機種nが時刻tに稼働しているか否かの確率をモードを問わずに記憶する。このようにモードを不問とする点以外は、機種別稼働確率モデル記憶部121が記憶するモデルは、実施の形態1のモード別稼働確率モデル記憶部120が記憶するモデルと同様であり、気温や曜日(平日・休日・祝日など)をパラメータとして求めてられてもよいし、確率分布で記憶されてもよい。
機種別稼働機器数推定部221は、配電系統をなす複数の配電区間に含まれる一の配電区間内における負荷機器の機種別の推定機器数と、機種別稼働確率モデル記憶部121に記憶された稼働確率モデルとに基づいて、一の配電区間について機種別の稼働機器数を推定するものである。
図18は、配電区間内の機種Aの機器数がX台の場合において、実施の形態1および実施の形態2の間での処理方法の差異を模式的に示す。
(構成の概要について)
図19は、本発明の実施の形態3における負荷予測装置903の構成を概略的に示す。負荷予測装置903の構成において、実施の形態1で説明した機能ブロックと同一または類似のものについては同じ符号を付し、異なるものについて主に説明する。負荷予測装置903は、情報記憶部103および制御部203を有する。情報記憶部103は機器毎計測電力記憶部140およびモード特性記憶部150を有する。制御部203はモデル生成部260を有する。
機器毎計測電力記憶部140は、負荷機器の機種別かつ時刻別の消費電力の計測結果(電力データ)が記録された計測電力データベース(計測電力DB)を記憶するものである。この計測結果は、たとえば、サンプルとされた住宅において取得されたものである。
モード特性記憶部150は、負荷機器の機種別のモード特性を記憶するものである。モード特性とは、モードの判別条件として用いることができるものであり、たとえば、モード毎の消費電力特性である。たとえば、図6に示すヒートポンプ式給湯器における通常運転モード(モードm1)および凍結防止モード(モードm2)の例では、稼働時の時刻(夜間およびそれ以外)または稼働時間の長さなどがモードm1とモードm2のモード特性となる。通常運転モードは深夜電力時間帯を利用してお湯を沸かすことを目的としているため、稼働時間は夜間となる。凍結防止モードでは凍結防止ができればよいので、お湯を沸かすことを目的とした通常運手モードより稼働時間は短く、時間帯に関わらず気温が一定以下の条件で定期的に稼働する。図5の冷蔵庫のモード1および2の例では、図10に示すように、モード毎に消費電力の特性が大きく異なる。このモード特性の例としては、たとえば、モード1のモード特性は消費電力PTh以上、モード2のモード特性は消費電力PTh未満、である。
モデル生成部260は、上述した計測電力DBと、モード特性記憶部150に記憶されたモード特性とを用いて、モード別稼働確率モデル記憶部120に記憶される稼働確率モデルと、モード別消費電力モデル記憶部130に記憶される消費電力モデルとを生成するものである。
本実施の形態によれば、モード別稼働確率モデル記憶部120で記憶される稼働確率モデルと、モード別消費電力モデル記憶部130で記憶されるモード別消費電力モデルと、を自動生成することが可能である。モード特性記憶部150にモード特性が記憶されており、それに基づいてモードが判別されるため、計測電力DBのデータの内容を変えるだけで、モデルを自動生成・更新することが可能である。
上記本実施の形態は、実施の形態1の負荷予測装置901(図1)におけるモード別稼働確率モデル記憶部120およびモード別消費電力モデル記憶部130の各々のモデルが生成されるものに対応する。その変形例として、実施の形態2の負荷予測装置902(図15)におけるモード別稼働確率モデル記憶部120Vおよびモード別消費電力モデル記憶部130の各々のモデルが生成されてもよい。図20に、その場合の負荷予測装置の構成の一部を示す。
ここでAThは、負荷機器が稼働しているか否かを判断する指標とされる電力である。
図21を参照して、本変形例においては、負荷予測装置単体に代わって負荷予測装置を有するシステムが用いられる。具体的には、負荷予測システム903Sは、負荷予測装置903Dと、それにネットワーク999を介して接続された計測電力データベースサーバ990とを有する。負荷予測装置903Dは、ネットワーク999に接続されるための通信部290を有する。負荷予測装置903Dは、負荷予測装置903(図19)と異なり、機器毎計測電力記憶部140を有しない。代わりに計測電力データベースサーバ990が機器毎計測電力記憶部140を有する。本変形例によれば、機器毎計測電力記憶部140、言い換えればそれに記憶される計測電力DB、を負荷予測装置自体が有する必要がない。
図22は、本発明の実施の形態4における負荷予測装置904の構成を概略的に示す。負荷予測装置904の制御部204は、実施の形態3の負荷予測装置903(図19)の制御部203の構成に加えてさらに、自動モード特性判別部270を有する。自動モード特性判別部270は、機器毎計測電力記憶部140に記憶された計測電力DBから、モード特性記憶部150に記憶されるモード特性を自動で生成する。モード特性としては、たとえば、各モードの消費電力の範囲、時刻、気温、曜日(平日/休日/祝日)などを用いてもよく、消費電力の周波数成分や、消費電力と当該消費電力で稼働する時間を複数組み合わせた消費電力パターン(消費電力W1でX1分稼働後、消費電力W2でX2分稼働するなど)を用いてもよい。
本実施の形態によれば、モード特性があらかじめ設定されていなくても、それを自動で判別して適切に設定することが可能である。これにより、モード数およびモード条件などのモード特性が明確でない機種でも、電力データを計測するだけでモード特性が自動判別・記憶される。さらに、計測電力DBの更新を反映してモード特性を生成し直すことにより、機種への新たなモードの追加、またはモード条件の変更(省エネ機器の普及または機器の機能向上に伴うモード間閾値の変化など)に自動で追従することができる。
図24は、本発明の実施の形態5における負荷予測装置905の構成を概略的に示す。実施の形態1〜4で説明した機能ブロックと同一または類似するものについては同じ符号を付し、異なる点を中心に説明する。負荷予測装置905は情報記憶部105を有する。情報記憶部105は、配電区間内の機種別推定機器数記憶部110およびモード別稼働確率モデル記憶部120(図1)のそれぞれの代わりに、配電区間内の機種組み合わせ別推定機器数記憶部115およびモード別機種組み合わせ別稼働確率モデル記憶部125を有する。
本実施の形態においては、モード別稼働確率モデル記憶部に記憶される稼働確率モデルは、負荷機器の機種組み合わせ別の稼働確率モデルを含む。言い換えると、機種組み合わせ別推定機器数記憶部115は、予測の対象となる配電区間における負荷機器の機種組み合わせ別の台数またはその推定台数の情報を記憶するためのものである。この情報は、負荷予測装置905が使用される際に情報記憶部105に格納されてもよく、あるいは情報記憶部105にあらかじめ記憶されていてもよい。
モード別機種組み合わせ別稼働確率モデル記憶部125は、機種組み合わせ別にモード別稼働確率を記憶するものである。図25および図26に、組み合わせ機器種別を用いたモード別稼働確率の例を示す。図25では、蓄熱式暖房器具およびエアコンの保有状況を機種組み合わせとして用いたときのモード別稼働確率モデルの例である。具体的には、単に機種「n=エアコン」と扱う代わりに、「機種n´1=エアコン保有かつ蓄熱式暖房器具非保有」および「機種n´2=エアコン保有かつ蓄熱式暖房器具保有」として扱い、各々の稼働確率モデルが記憶される。図26は、「機種n=エアコン」のモード1および2での稼働確率の代わりに、「機種n´3=エアコン保有かつホットカーペット保有」および「機種n´4=エアコン保有かつホットカーペット非保有」としたときの、機種n´3およびn´4それぞれのエアコンのモード別稼働確率モデルの例である。
本実施の形態では、モード別稼働機器数推定部220は、上記の機種組み合わせ別推定機器数と、モード別機種組み合わせ別稼働確率モデル記憶部125に記憶される機種組み合わせ別稼働確率モデルとを用いて、モード別稼働機器数を推定する。
=配電区間内の機種n´3の機器数 × 機種n´3のエアコンのモードmの稼働確率
+配電区間内の機種n´4の機器数 × 機種n´4のエアコンのモードmの稼働確率
(k=1,2)
本実施の形態によれば、機種組み合わせに応じて変化するモードおよび稼働確率を反映して配電区間内の電力予測をすることができる。冷房機器・暖房機器など、同種類の機器では、保有状況の組み合わせに応じて稼働確率および稼働モードが変化しやすい。
(構成の概要)
図27は、本発明の実施の形態6における負荷予測装置906の構成を概略的に示す。実施の形態1〜5で説明した機能ブロックと同一または類似するものについては同じ符号を付し、異なる点を中心に説明する。負荷予測装置906は情報記憶部106および制御部206を有する。
モード別稼働確率モデル記憶部120Cに記憶されるモード確率モデルは、負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への依存性を有する。具体的には、モード別稼働確率モデル記憶部120Cは、実施の形態2のモード確率モデル記憶部122の代わりに、モード確率の起動関連時間依存モデル記憶部122Cを有する。起動関連時間依存モデル記憶部122Cは、負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への依存性を有する。この例について、以下に説明する。
機種別稼働確率の起動関連時間依存モデル記憶部121Vに記憶されるモード確率モデルは、負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への依存性を有する。具体的には、起動関連時間依存モデル記憶部121Vは、実施の形態2と同様の機種別稼働確率モデル記憶部121に加えて、稼働確率の起動依存補正モデル記憶部121Cを有する。起動依存補正モデル記憶部121Cは、負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への稼働確率の依存性を考慮するために、機種別稼働確率モデル記憶部121に記憶された稼働確率モデルを補正するものである。この例について、以下に説明する。
起動依存補正モデル記憶部121Cが用いられる場合、モード別稼働機器数推定部220Cにおける機種別稼働機器数推定部221Vは、負荷機器の機種別の推定機器数と、機種別稼働確率モデル記憶部121に記憶された機種別の稼働有無の確率モデル(稼働確率fn, k(t)(%))と、起動依存補正モデル記憶部121Cに記憶された補正モデル(補正係数Kn(Δt)=Kn(t−t1))とに基づいて、一の配電区間について機種別の稼働機器数gn, k(t)を推定する。
本実施の形態によれば、停電復旧時などのように起動関連時間による近似が有効な場合に、起動関連時間依存モデル記憶部122Cを用いることで、モードの偏りを精度よく考慮した予測が可能である。また機種別稼働確率の起動関連時間依存モデル記憶部121Vを用いることで、稼働確率の偏りを精度よく考慮した予測が可能である。
図31を参照して、本変形例においては、起動関連時間が考慮されたモデルが、モード別稼働確率モデル記憶部120C(図27)ではなく、モード別消費電力モデル記憶部としての、モード別消費電力の起動関連時間依存モデル記憶部130Vに記憶される。すなわち、モード別消費電力の起動関連時間依存モデル記憶部130Vに記憶される消費電力モデルは、負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への依存性を有する。
Claims (8)
- 負荷機器に電力供給を行う配電系統の電力負荷を予測する、配電系統の負荷予測装置であって、
前記負荷機器の各機種についてモード別かつ時刻別に稼働確率モデルを記憶するモード別稼働確率モデル記憶部と、
前記負荷機器の各機種についてモード別に消費電力モデルを記憶するモード別消費電力モデル記憶部と、
前記配電系統をなす複数の配電区間に含まれる一の配電区間内における前記負荷機器の機種別の推定機器数と、前記モード別稼働確率モデル記憶部に記憶された前記稼働確率モデルとに基づいて、前記一の配電区間について機種別かつモード別の稼働機器数を推定するモード別稼働機器数推定部と、
前記モード別稼働機器数推定部によって推定された前記稼働機器数と、前記モード別消費電力モデル記憶部に記憶された前記消費電力モデルと、に基づいて、機種別かつモード別の消費電力を推定するモード別消費電力推定部と、
前記モード別消費電力推定部によって推定された前記消費電力を合計することにより、前記一の配電区間における総消費電力の予測値を計算する負荷合計部と
を備え、
前記モード別稼働確率モデル記憶部に記憶される前記稼働確率モデルは、前記負荷機器の機種組み合わせ別の稼働確率モデルを含む、配電系統の負荷予測装置。 - 請求項1に記載の配電系統の負荷予測装置であって、
前記モード別稼働確率モデル記憶部は、
前記負荷機器の機種別の稼働有無の確率モデルを記憶する機種別稼働確率モデル記憶部と、
前記負荷機器の各機種について稼働時におけるモード確率モデルを記憶するモード確率モデル記憶部と
を含む、配電系統の負荷予測装置。 - 請求項2に記載の配電系統の負荷予測装置であって、
前記モード確率モデル記憶部に記憶される前記モード確率モデルは、前記負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への依存性を有する、配電系統の負荷予測装置。 - 請求項1から3のいずれか1項に記載の配電系統の負荷予測装置であって、
前記負荷機器の機種別のモード特性を記憶するモード特性記憶部と、
前記負荷機器の機種別かつ時刻別の消費電力の計測結果が記録された計測電力データベースと前記モード特性記憶部とを用いて、前記モード別稼働確率モデル記憶部に記憶される前記稼働確率モデルと、前記モード別消費電力モデル記憶部に記憶される前記消費電力モデルとを生成するモデル生成部と
をさらに備える、配電系統の負荷予測装置。 - 請求項4に記載の配電系統の負荷予測装置であって、
前記計測電力データベースから、前記モード特性記憶部に記憶される前記モード特性を自動で生成する自動モード特性判別部
をさらに備える、配電系統の負荷予測装置。 - 請求項1から5のいずれか1項に記載の配電系統の負荷予測装置であって、
前記モード別稼働確率モデル記憶部に記憶される前記稼働確率モデルは、実使用時におけるモード別の稼働確率モデルを含む、
配電系統の負荷予測装置。 - 請求項1から6のいずれか1項に記載の配電系統の負荷予測装置であって、
前記モード別消費電力モデル記憶部に記憶される前記消費電力モデルは、前記負荷機器の起動開始からの経過時間および起動前の停止時間のうち少なくとも一方への依存性を有する、
配電系統の負荷予測装置。 - 負荷機器に電力供給を行う配電系統の電力負荷を予測する、配電系統の負荷予測方法であって、
前記配電系統をなす複数の配電区間に含まれる一の配電区間内における前記負荷機器の機種別の推定機器数と、モード別稼働確率モデル記憶部に前記負荷機器の各機種についてモード別かつ時刻別に記憶された稼働確率モデルとに基づいて、モード別稼働機器数推定部が前記一の配電区間について機種別かつモード別の稼働機器数を推定するステップと、
前記モード別稼働機器数推定部によって推定された前記稼働機器数と、モード別消費電力モデル記憶部に前記負荷機器の各機種についてモード別に記憶された消費電力モデルとに基づいて、モード別消費電力推定部が機種別かつモード別の消費電力を推定するステップと、
前記モード別消費電力推定部によって推定された前記消費電力を合計することにより、負荷合計部が前記一の配電区間における総消費電力の予測値を計算するステップと
を備え、
前記モード別稼働確率モデル記憶部に記憶される前記稼働確率モデルは、前記負荷機器の機種組み合わせ別の稼働確率モデルを含む、配電系統の負荷予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013263985A JP6076242B2 (ja) | 2013-12-20 | 2013-12-20 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013263985A JP6076242B2 (ja) | 2013-12-20 | 2013-12-20 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015122825A JP2015122825A (ja) | 2015-07-02 |
JP6076242B2 true JP6076242B2 (ja) | 2017-02-08 |
Family
ID=53533998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013263985A Active JP6076242B2 (ja) | 2013-12-20 | 2013-12-20 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6076242B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6806333B2 (ja) * | 2017-03-30 | 2021-01-06 | トーマステクノロジー株式会社 | 消費電力予測装置および消費電力予測方法 |
KR101875329B1 (ko) * | 2017-06-12 | 2018-07-05 | 한국과학기술원 | 전력 사용량 예측 장치 및 방법 |
WO2018229847A1 (ja) * | 2017-06-13 | 2018-12-20 | 三菱電機株式会社 | 制御装置、制御システム、制御方法及びプログラム |
JP7224119B2 (ja) * | 2018-06-28 | 2023-02-17 | 三菱電機ビルソリューションズ株式会社 | 省エネ計画作成支援装置及びプログラム |
CN111784019A (zh) * | 2019-12-26 | 2020-10-16 | 国网北京市电力公司 | 电力负荷处理方法和装置 |
CN112712203B (zh) * | 2020-12-29 | 2023-09-15 | 湖南大学 | 一种配电网日最高负荷预测方法和系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4793048B2 (ja) * | 2006-03-24 | 2011-10-12 | 日本電気株式会社 | 電子機器の省電力制御方法、省電力制御システム、およびプログラム |
US8549334B2 (en) * | 2009-06-25 | 2013-10-01 | Panasonic Corporation | Electric power control support device and electric power control support method |
WO2011111348A1 (ja) * | 2010-03-08 | 2011-09-15 | パナソニック株式会社 | 利用開始区間予測装置及び利用開始区間予測方法 |
JP4995958B2 (ja) * | 2010-09-16 | 2012-08-08 | 株式会社東芝 | 消費エネルギー算出装置 |
JP5436396B2 (ja) * | 2010-11-01 | 2014-03-05 | 三菱電機株式会社 | 電力制御装置、電力制御システム、電力制御プログラム、及び電力制御方法 |
US20120330585A1 (en) * | 2011-06-24 | 2012-12-27 | General Electric Company | Methods and Systems Involving Databases for Energy Usage Data |
JP5395923B2 (ja) * | 2012-03-22 | 2014-01-22 | 株式会社東芝 | 行動モデル生成装置およびその方法 |
EP2958072A4 (en) * | 2013-02-13 | 2016-09-14 | Kozo Keikaku Eng Inc | LIFESTYLE ESTIMATION SYSTEM, LIFESTYLE ESTIMATION APPARATUS, LIFESTYLE ESTIMATION APPROACH AND RECORDING MEDIUM |
-
2013
- 2013-12-20 JP JP2013263985A patent/JP6076242B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015122825A (ja) | 2015-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6076242B2 (ja) | 配電系統の負荷予測装置および配電系統の負荷予測方法 | |
JP5980195B2 (ja) | 配電系統の負荷予測装置および配電系統の負荷予測方法 | |
JP6193400B2 (ja) | 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法 | |
JP6784745B2 (ja) | リアルタイムデータ駆動型の電力測定およびコスト推定システム | |
JP6735492B2 (ja) | 空気調和機のレコメンド処理を実行するサーバおよびレコメンド処理システム | |
JP6707534B2 (ja) | 空調機を管理する方法及び装置 | |
EP2924631A1 (en) | Computer-implemented system and method for externally evaluating thermostat adjustment patterns of an indoor climate control system in a building | |
Ko et al. | Baseline building energy modeling of cluster inverse model by using daily energy consumption in office buildings | |
KR101660487B1 (ko) | 소비 특성에 따른 전력 소비량 예측 방법 및 장치 | |
JP6280485B2 (ja) | 省エネルギ支援システムおよび省エネルギ支援方法 | |
Neupane et al. | Generation and evaluation of flex-offers from flexible electrical devices | |
JP6498976B2 (ja) | 推定装置、推定方法およびコンピュータプログラム | |
Touretzky et al. | Building-level power demand forecasting framework using building specific inputs: Development and applications | |
KR101708709B1 (ko) | 데이터마이닝 기법을 이용하여 고객기준부하를 추정하는 방법 및 그에 따른 장치 | |
JP5928104B2 (ja) | 性能監視装置、性能監視方法、及びそのプログラム | |
JP2018042456A (ja) | 知能型電力使用環境における需用家向けにカスタマイズされた電力量スケジューリングシステム | |
US11920808B2 (en) | Energy management system and energy management method | |
Huang et al. | Designing customized energy services based on disaggregation of heating usage | |
Costa et al. | Inferring daily routines from electricity meter data | |
AU2017435881B2 (en) | Decoupled modeling methods and systems | |
Iyengar et al. | Inferring smart schedules for dumb thermostats | |
KR20130033214A (ko) | 원격검침 로드 프로파일의 부하기기별 전력 사용 패턴 분리 장치 및 방법 | |
JP7343857B2 (ja) | 分析装置 | |
US20130253890A1 (en) | Behavioral model generating device and method therefor | |
US10503192B2 (en) | Energy consumption modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151021 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160824 |
|
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: 20161213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6076242 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |