JP6230055B2 - 電力需要予測装置及び電力需要予測方法 - Google Patents
電力需要予測装置及び電力需要予測方法 Download PDFInfo
- Publication number
- JP6230055B2 JP6230055B2 JP2013237364A JP2013237364A JP6230055B2 JP 6230055 B2 JP6230055 B2 JP 6230055B2 JP 2013237364 A JP2013237364 A JP 2013237364A JP 2013237364 A JP2013237364 A JP 2013237364A JP 6230055 B2 JP6230055 B2 JP 6230055B2
- Authority
- JP
- Japan
- Prior art keywords
- power demand
- power
- value
- solar radiation
- predicted
- 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.)
- Expired - Fee Related
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
- 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、電力需要を予測する電力需要予測装置及び電力需要予測方法に関する。
近年、地球環境の保護やエネルギ資源の有効利用を目的として、風力発電や太陽光発電等、自然エネルギを利用した発電機の開発が進められている。また、工場設備等に設置される発電機から負荷装置に電力供給する際、その不足分を電力会社から買い取ったり、余剰分を電力会社に販売したりする事業が広まりつつある。
発電機を所有する事業者にとっては、電力会社から買い取る電力量をできるだけ小さくして電力コストを抑制することが望まれる。一方、電力需要は、気象条件や時間帯等によって大きく変動する。したがって、将来（例えば、翌日）の電力需要を正確に予測し、その予測結果に応じて発電電力を調整することで、無駄な発電を行わないことが要請される。
例えば、特許文献１には、予測対象となる負荷量を含む時系列の実績データを取得する取得部と、気象要素の時系列の予報データを受信する受信部と、気象状態を表す因子と負荷量とを変数に含む回帰式の係数を変更する演算部と、を備えた負荷量予測装置について記載されている。
なお、前記した因子として、不快指数、外気エンタルピ、湿球温度、及び気温のうち、いずれか一種類が用いられる。
なお、前記した因子として、不快指数、外気エンタルピ、湿球温度、及び気温のうち、いずれか一種類が用いられる。
前記したように、特許文献１に記載の発明では、予測に用いるパラメータが一種類（例えば、不快指数）であるため、負荷量（つまり、電力需要）を正確に予測できない可能性がある。実際の負荷量と、予測した負荷量と、の間に大きな差が生じた場合、無駄な発電に伴うエネルギロスが生じて電力コストが高くなる可能性がある。
そこで、本発明は、電力需要を正確に予測する電力需要予測装置及び電力需要予測方法を提供することを課題とする。
前記課題を解決するために、本発明は、気象情報を管理する気象情報管理サーバから、所定地域における気温予測値と、湿度予測値と、日射量予測値と、を含む気象情報を受信する気象情報受信手段と、前記気温予測値及び前記湿度予測値に対応する外気エンタルピが電力需要に与える影響度を表す外気エンタルピ係数と、前記日射量予測値が電力需要に与える影響度を表す日射係数と、がそれぞれ格納される記憶手段と、前記気象情報受信手段によって受信される前記気象情報と、前記記憶手段に格納される前記外気エンタルピ係数及び前記日射係数と、に基づいて、前記所定地域における電力需要の予測値である電力需要予測値を算出する電力需要予測値算出手段と、を備え、前記記憶手段は、さらに、建物への日射が当該建物の室内温度の上昇に反映されるまでの遅れ時間が格納される建物情報データベースを有し、前記電力需要予測値算出手段は、前記遅れ時間の候補となる複数の遅れ時間候補ごとに、日射量の時間的変化を前記遅れ時間候補だけ遅らせたグラフと、前記電力需要の時間的変化を示すグラフと、の相関を表す相関係数を算出し、複数の前記遅れ時間候補のうち前記相関係数が最大となるものを前記遅れ時間として設定し、将来の所定時刻について前記電力需要予測値を算出する際、前記建物情報データベースを参照し、前記所定時刻よりも前記遅れ時間だけ遡った時刻における前記日射量予測値を用いて、前記電力需要予測値を算出することを特徴とする。
なお、詳細については、発明を実施するための形態において説明する。
なお、詳細については、発明を実施するための形態において説明する。
本発明によれば、電力需要を正確に予測する電力需要予測装置及び電力需要予測方法を提供できる。
本発明を実施するための形態（以下、実施形態という）について、適宜図面を参照しながら詳細に説明する。以下では、一例として、図１に示す負荷装置Ｌ１，…，Ｌｍと、発電機Ｇ１，Ｇ２，Ｇ３と、蓄電池Ｂ１，…，Ｂｎとが、所定地域の工場設備（図示せず）に設置されている場合について説明する。
≪実施形態≫
図１は、本実施形態に係る電力需要予測装置を含む電力管理システムの構成図である。電力管理システムＳは、電力系統Ｋから供給される電力や、発電機Ｇ１，Ｇ２，Ｇ３の発電電力によって、負荷装置Ｌ１，…，Ｌｍに電力を供給するシステムである。また、電力管理システムＳは、負荷装置Ｌ１，…，Ｌｍの電力需要に応じて、蓄電池Ｂ１，…，Ｂｎを充放電させるように構成されている。
図１は、本実施形態に係る電力需要予測装置を含む電力管理システムの構成図である。電力管理システムＳは、電力系統Ｋから供給される電力や、発電機Ｇ１，Ｇ２，Ｇ３の発電電力によって、負荷装置Ｌ１，…，Ｌｍに電力を供給するシステムである。また、電力管理システムＳは、負荷装置Ｌ１，…，Ｌｍの電力需要に応じて、蓄電池Ｂ１，…，Ｂｎを充放電させるように構成されている。
電力管理システムＳは、電力情報管理サーバ１００と、電力計Ｐ0，ＰL1，…，ＰLm，ＰG1，ＰG2，ＰG3，ＰB1，…，ＰBnと、ＰＣＳ２１（Power Conditioning Subsystems），２２，２３，３１，…，３ｎと、気象情報管理サーバ４００と、管理用ＰＣ５００と、を備えている。
以下では、まず、負荷装置Ｌ１，…，Ｌｍ、発電機Ｇ１，Ｇ２，Ｇ３、及び蓄電池Ｂ１，…，Ｂｎについて簡単に説明した後、電力管理システムＳの各構成について説明する。
以下では、まず、負荷装置Ｌ１，…，Ｌｍ、発電機Ｇ１，Ｇ２，Ｇ３、及び蓄電池Ｂ１，…，Ｂｎについて簡単に説明した後、電力管理システムＳの各構成について説明する。
＜負荷装置＞
負荷装置Ｌ１は、電力系統Ｋから供給される電力を消費する機器である。負荷装置Ｌ１として、例えば、工場設備の生産ラインに設置される機械設備、室内を照らす照明設備、機械設備を駆動させるためのエネルギ（例えば、圧縮空気）を供給するユーティリティ設備、室内を空調する空調設備が挙げられる（図２（ａ）参照）。他の負荷装置Ｌ２，…，Ｌｍについても同様である。
負荷装置Ｌ１は、電力系統Ｋから供給される電力を消費する機器である。負荷装置Ｌ１として、例えば、工場設備の生産ラインに設置される機械設備、室内を照らす照明設備、機械設備を駆動させるためのエネルギ（例えば、圧縮空気）を供給するユーティリティ設備、室内を空調する空調設備が挙げられる（図２（ａ）参照）。他の負荷装置Ｌ２，…，Ｌｍについても同様である。
なお、図１に示す電力系統Ｋは、変電所（図示せず）の下流側に接続される配電線ｋ１と、配電線ｋ１の電圧を降圧する変圧器Ｔｒと、変圧器Ｔｒの下流側に接続される引込線ｋ２と、を含んでいる。引込線ｋ２は、図１に示すように分岐しており、負荷装置Ｌ１，…，Ｌｍ、発電機Ｇ１，Ｇ２，Ｇ３、及び蓄電池Ｂ１，…，Ｂｎに接続されている。
＜発電機＞
太陽光発電機Ｇ１は、太陽光が照射されることで発電する太陽光発電パネル（図示せず）を有し、ＰＣＳ２１及び引込線ｋ２を介して変圧器Ｔｒに接続されている。
風力発電機Ｇ２は、風力によって回転するブレード（図示せず）と、このブレードの回転軸に連結される発電機と、を有し、ＰＣＳ２２及び引込線ｋ２を介して変圧器Ｔｒに接続されている。
太陽光発電機Ｇ１は、太陽光が照射されることで発電する太陽光発電パネル（図示せず）を有し、ＰＣＳ２１及び引込線ｋ２を介して変圧器Ｔｒに接続されている。
風力発電機Ｇ２は、風力によって回転するブレード（図示せず）と、このブレードの回転軸に連結される発電機と、を有し、ＰＣＳ２２及び引込線ｋ２を介して変圧器Ｔｒに接続されている。
ガスエンジン発電機Ｇ３は、燃料ガスを燃焼させて運動エネルギを発生させるガスエンジン（図示せず）と、このガスエンジンで発生させた運動エネルギを電気エネルギに変換する発電機と、を有し、ＰＣＳ２３及び引込線ｋ２を介して変圧器Ｔｒに接続されている。
発電機Ｇ１，Ｇ２，Ｇ３によって発電される電力は、ＰＣＳ２１〜２３による制御に応じて負荷装置Ｌ１，…，Ｌｍに供給されたり、蓄電池Ｂ１，…，Ｂｎに充電されたりする。
なお、発電機の種類及び個数は、図１に示すものに限定されない。
発電機Ｇ１，Ｇ２，Ｇ３によって発電される電力は、ＰＣＳ２１〜２３による制御に応じて負荷装置Ｌ１，…，Ｌｍに供給されたり、蓄電池Ｂ１，…，Ｂｎに充電されたりする。
なお、発電機の種類及び個数は、図１に示すものに限定されない。
＜蓄電池＞
蓄電池Ｂ１は、直列又は直並列に接続された複数の電池セル（図示せず）を有し、ＰＣＳ３１及び引込線ｋ２を介して変圧器Ｔｒに接続されている。なお、他の蓄電池Ｂ２，…，Ｂｎについても同様である。
蓄電池Ｂ１は、直列又は直並列に接続された複数の電池セル（図示せず）を有し、ＰＣＳ３１及び引込線ｋ２を介して変圧器Ｔｒに接続されている。なお、他の蓄電池Ｂ２，…，Ｂｎについても同様である。
＜電力計＞
電力計Ｐ0は、電力系統Ｋを介して工場設備に供給される電力を検出するセンサであり、引込線ｋ２に接続されている。電力計Ｐ0は、有線又は無線通信によって、検出した電力値を電力情報管理サーバ１００に送信するように構成されている。
電力計ＰL1は、負荷装置Ｌ１の消費電力を検出し、その電力値を電力情報管理サーバ１００に送信する（電力計ＰL2，…，ＰLmについても同様）。
電力計Ｐ0は、電力系統Ｋを介して工場設備に供給される電力を検出するセンサであり、引込線ｋ２に接続されている。電力計Ｐ0は、有線又は無線通信によって、検出した電力値を電力情報管理サーバ１００に送信するように構成されている。
電力計ＰL1は、負荷装置Ｌ１の消費電力を検出し、その電力値を電力情報管理サーバ１００に送信する（電力計ＰL2，…，ＰLmについても同様）。
電力計ＰG1は、太陽光発電機Ｇ１で発電された電力を検出し、その電力値を電力情報管理サーバ１００に送信する（電力計ＰG2，ＰG3についても同様）。
電力計ＰB1は、蓄電池Ｂ１の充放電電力を検出し、その電力値を電力情報管理サーバ１００に送信する（電力計ＰB2，…，ＰBnについても同様）。
なお、前記した各電力計として、自身が制御機能を有するスマートメータを用いてもよいし、単に検出機能と通信機能のみを有する電力計を用いてもよい。
電力計ＰB1は、蓄電池Ｂ１の充放電電力を検出し、その電力値を電力情報管理サーバ１００に送信する（電力計ＰB2，…，ＰBnについても同様）。
なお、前記した各電力計として、自身が制御機能を有するスマートメータを用いてもよいし、単に検出機能と通信機能のみを有する電力計を用いてもよい。
＜ＰＣＳ＞
ＰＣＳ２１は、インバータ回路、開閉器等を有しており、太陽光発電機Ｇ１の発電状態に応じて、直流／交流変換や電力変動補償を実行する（ＰＣＳ２２についても同様）。
ＰＣＳ２３は、電力情報管理サーバ１００からの指令に応じて、ガスエンジン発電機Ｇ３の発電電力を制御する。なお、ガスエンジン発電機Ｇ３の運転開始／停止を手動で行うようにしてもよい。
ＰＣＳ３１は、電力情報管理サーバ１００からの指令に応じて、蓄電池Ｂ１の充放電電力を制御したり、充放電に伴う電圧変動を抑制したりする（ＰＣＳ３２，…，３ｎについても同様）。
ＰＣＳ２１は、インバータ回路、開閉器等を有しており、太陽光発電機Ｇ１の発電状態に応じて、直流／交流変換や電力変動補償を実行する（ＰＣＳ２２についても同様）。
ＰＣＳ２３は、電力情報管理サーバ１００からの指令に応じて、ガスエンジン発電機Ｇ３の発電電力を制御する。なお、ガスエンジン発電機Ｇ３の運転開始／停止を手動で行うようにしてもよい。
ＰＣＳ３１は、電力情報管理サーバ１００からの指令に応じて、蓄電池Ｂ１の充放電電力を制御したり、充放電に伴う電圧変動を抑制したりする（ＰＣＳ３２，…，３ｎについても同様）。
以下では、任意の負荷装置、発電機、蓄電池、電力計、ＰＣＳ（ＰＣＳ３１，…，３ｎを含む）を指す場合、それぞれ負荷装置Ｌ、発電機Ｇ、蓄電池Ｂ、電力計Ｐ，ＰＣＳ２０と記す。
＜気象情報管理サーバ＞
気象情報管理サーバ４００は、例えば、気象庁（図示せず）から取得した気象情報を管理するサーバであり、ネットワークＮを介して電力情報管理サーバ１００に接続されている。なお、前記した気象情報には、各地の気温予測値・湿度予測値・日射量予測値（つまり、将来の気象情報）と、各地の気温実測値・湿度実測値・日射量実測値（つまり、現在又は過去の気象情報）と、が含まれる。
気象情報管理サーバ４００は、例えば、気象庁（図示せず）から取得した気象情報を管理するサーバであり、ネットワークＮを介して電力情報管理サーバ１００に接続されている。なお、前記した気象情報には、各地の気温予測値・湿度予測値・日射量予測値（つまり、将来の気象情報）と、各地の気温実測値・湿度実測値・日射量実測値（つまり、現在又は過去の気象情報）と、が含まれる。
＜管理用ＰＣ＞
管理用ＰＣ５００は、例えば、入力手段（マウス、キーボード等）を介した操作に応じて電力情報管理サーバ１００に各種情報を送信するコンピュータであり、ネットワークＮを介して電力情報管理サーバ１００に接続されている。前記した操作は、例えば、電力管理システムＳの管理者によって行われる。
管理用ＰＣ５００は、例えば、入力手段（マウス、キーボード等）を介した操作に応じて電力情報管理サーバ１００に各種情報を送信するコンピュータであり、ネットワークＮを介して電力情報管理サーバ１００に接続されている。前記した操作は、例えば、電力管理システムＳの管理者によって行われる。
＜電力情報管理サーバ＞
電力情報管理サーバ１００は、工場設備を含む所定地域の電力情報を管理するサーバである。電力情報管理サーバ１００は、電力需要予測装置１１０と、制御信号生成装置１２０と、を備えている。
電力情報管理サーバ１００は、工場設備を含む所定地域の電力情報を管理するサーバである。電力情報管理サーバ１００は、電力需要予測装置１１０と、制御信号生成装置１２０と、を備えている。
（電力需要予測装置）
電力需要予測装置１１０は、気象情報管理サーバ４００から取得した気象情報を用いて、所定地域における電力需要を予測する装置であり、ネットワークＮを介して気象情報管理サーバ４００及び管理用ＰＣ５００に接続されている。まず、電力需要予測装置１１０が実行する処理の概要を説明する。
図２（ａ）は、電力需要の内訳を示す説明図である。工場設備に設置される負荷装置Ｌの電力需要は、例えば、図２（ａ）に示す内訳になる。ここで、生産ライン、照明、及びユーティリティ（例えば、圧縮空気の生成）の電力需要は、外気条件（温湿度）や日射量の変化に影響されにくい「定常負荷」に相当する。図２（ｂ）は、電力需要の内訳の時間的変化を示すグラフである。図２（ｂ）に示す「定常負荷」は、工場設備の稼働スケジュール等に基づいて推定される。
電力需要予測装置１１０は、気象情報管理サーバ４００から取得した気象情報を用いて、所定地域における電力需要を予測する装置であり、ネットワークＮを介して気象情報管理サーバ４００及び管理用ＰＣ５００に接続されている。まず、電力需要予測装置１１０が実行する処理の概要を説明する。
図２（ａ）は、電力需要の内訳を示す説明図である。工場設備に設置される負荷装置Ｌの電力需要は、例えば、図２（ａ）に示す内訳になる。ここで、生産ライン、照明、及びユーティリティ（例えば、圧縮空気の生成）の電力需要は、外気条件（温湿度）や日射量の変化に影響されにくい「定常負荷」に相当する。図２（ｂ）は、電力需要の内訳の時間的変化を示すグラフである。図２（ｂ）に示す「定常負荷」は、工場設備の稼働スケジュール等に基づいて推定される。
一方、空調に伴う電力需要は、外気条件や日射量によって変動する「変動負荷」に相当する。本実施形態において電力需要予測装置１１０（図１参照）は、図２（ａ）、（ｂ）に示すように、外気条件による負荷と、日射による負荷と、の和で表わされる変動負荷と、前記した定常負荷と、に基づいて工場設備の電力需要を予測する。
すなわち、電力需要予測装置１１０は、外気エンタルピｈと、日射量予測値Ｓｒと、に基づいて、以下に示す（数式１）によって工場設備の電力需要予測値Ｐ１を算出する。
すなわち、電力需要予測装置１１０は、外気エンタルピｈと、日射量予測値Ｓｒと、に基づいて、以下に示す（数式１）によって工場設備の電力需要予測値Ｐ１を算出する。
Ｐ１＝α・ｈ＋β・Ｓｒ＋γ＋σ ・・・（数式１）
ここで、外気エンタルピｈは外気条件に応じて変化する値であり、気象情報管理サーバ４００（図１参照）から送信される気温予測値・湿度予測値に基づいて算出される。外気エンタルピ係数αは、外気エンタルピｈが電力需要に与える影響度を表している。日射係数βは、日射量Ｓｒが電力需要に与える影響度を表している。
（数式１）のうち（α・ｈ＋β・Ｓｒ）の部分が、外気条件及び日射によって変化する「変動負荷」に相当する。
（数式１）のうち（α・ｈ＋β・Ｓｒ）の部分が、外気条件及び日射によって変化する「変動負荷」に相当する。
また、（数式１）の定数γは、外気条件や日射量の変化に影響されることはほとんどなく、工場の稼働スケジュール等に基づいて算出される。補正値σは、工場設備の昼休憩等に伴う一時的な電力需要の低下を電力需要予測値Ｐ１に反映させるために設定される。
（数式１）のうち（γ＋σ）の部分が、外気条件及び日射の影響を受けない「定常負荷」に相当する。電力需要予測装置１１０は、「変動負荷」と「定常負荷」との和をとることで、電力需要予測値Ｐ１を算出する。
なお、（数式１）に示す各パラメータの詳細については後記する。
（数式１）のうち（γ＋σ）の部分が、外気条件及び日射の影響を受けない「定常負荷」に相当する。電力需要予測装置１１０は、「変動負荷」と「定常負荷」との和をとることで、電力需要予測値Ｐ１を算出する。
なお、（数式１）に示す各パラメータの詳細については後記する。
図３は、電力需要予測装置を備える電力情報管理サーバの構成図である。なお、図３では、ネットワークＮ（図１参照）の図示を省略した。図３に示すように、電力需要予測装置１１０は、電力情報受信部１１１と、気象情報受信部１１２と、パラメータ算出部１１３と、電力需要予測部１１４と、記憶部１１５と、を備えている。
電力情報受信部１１１（電力情報受信手段）は、電力計Ｐ（図３参照）から電力情報を受信して電力情報データベース１１５ａに格納する。なお、前記した「電力情報」には、電力計Ｐの識別情報と、検出された電力値である電力需要実績と、が含まれる。
気象情報受信部１１２（気象情報受信手段）は、工場設備を含む所定地域の気象情報を気象情報管理サーバ４００から受信し、記憶部１１５に格納する。なお、前記した「気象情報」には、気温予測値と、湿度予測値と、日射量予測値と、が含まれる。
気象情報受信部１１２は、受信した気象情報のうち温湿度に関する情報を温湿度データベース１１５ｂに格納し、日射量に関する情報を日射量データベース１１５ｃに格納する。
気象情報受信部１１２（気象情報受信手段）は、工場設備を含む所定地域の気象情報を気象情報管理サーバ４００から受信し、記憶部１１５に格納する。なお、前記した「気象情報」には、気温予測値と、湿度予測値と、日射量予測値と、が含まれる。
気象情報受信部１１２は、受信した気象情報のうち温湿度に関する情報を温湿度データベース１１５ｂに格納し、日射量に関する情報を日射量データベース１１５ｃに格納する。
パラメータ算出部１１３は、記憶部１１５に格納された情報を用いて、前記した外気エンタルピ係数α、日射係数β、定数γ、及び補正値σを算出する。
電力需要予測部１１４（電力需要予測値算出手段）は、記憶部１１５に格納された情報を用いて、所定の日付・時間帯（例えば、翌日の１時間ごと）における工場設備の電力需要を予測する。
なお、電力需要予測装置１１０が実行する処理の詳細については、後記する。
電力需要予測部１１４（電力需要予測値算出手段）は、記憶部１１５に格納された情報を用いて、所定の日付・時間帯（例えば、翌日の１時間ごと）における工場設備の電力需要を予測する。
なお、電力需要予測装置１１０が実行する処理の詳細については、後記する。
記憶部１１５（記憶手段）は、電力情報データベース１１５ａと、温湿度データベース１１５ｂ、日射量データベース１１５ｃと、建物情報データベース１１５ｄと、イベント情報データベース１１５ｅと、日射係数データベース１１５ｆと、を有している。
図４は、記憶部の各データベースに格納される情報を示す説明図である。
図４（ａ）に示すように、電力情報データベース１１５ａには、電力計Ｐの識別情報である電力計ＩＤと、予測（又は検出）対象を特定するための日付・時間帯・位置と、電力需要予測値と、電力需要実績と、を含む電力情報が格納される。
ここで、「電力需要予測値」とは、負荷装置Ｌ（図１参照）の電力需要であり、電力需要予測部１１４（図２参照）によって予測される。また、「電力需要実績」とは、負荷装置Ｌの消費電力であり、電力計Ｐによって検出される。
図４（ａ）に示すように、電力情報データベース１１５ａには、電力計Ｐの識別情報である電力計ＩＤと、予測（又は検出）対象を特定するための日付・時間帯・位置と、電力需要予測値と、電力需要実績と、を含む電力情報が格納される。
ここで、「電力需要予測値」とは、負荷装置Ｌ（図１参照）の電力需要であり、電力需要予測部１１４（図２参照）によって予測される。また、「電力需要実績」とは、負荷装置Ｌの消費電力であり、電力計Ｐによって検出される。
図４（ｂ）に示すように、温湿度データベース１１５ｂには、予測（又は実測）対象を特定するための日付・時間帯・位置と、気温予測値と、湿度予測値と、気温実測値と、湿度実測値と、を含む温湿度情報が格納される。
気温予測値・湿度予測値は、所定地域について予測される将来（例えば、翌日）の気温・湿度である。一方、気温実測値・湿度実測値は、所定地域において実際に検出された気温・湿度である。温湿度データベース１１５ｂに格納される情報は、気象情報受信部１１２によって、気象情報管理サーバ４００から取得される（図３参照）。
気温予測値・湿度予測値は、所定地域について予測される将来（例えば、翌日）の気温・湿度である。一方、気温実測値・湿度実測値は、所定地域において実際に検出された気温・湿度である。温湿度データベース１１５ｂに格納される情報は、気象情報受信部１１２によって、気象情報管理サーバ４００から取得される（図３参照）。
図４（ｃ）に示すように、日射量データベース１１５ｃには、予測（又は実測）対象を特定するための日付・時間帯・位置と、日射量予測値と、日射量実測値と、を含む日射量情報が格納される。
日射量予測値は、所定地域について予測される将来（例えば、翌日）の日射量である。一方、日射量実測値は、所定地域において実際に検出された日射量である。日射量データベース１１５ｃに格納される情報は、気象情報受信部１１２によって、気象情報管理サーバ４００から取得される（図３参照）。
日射量予測値は、所定地域について予測される将来（例えば、翌日）の日射量である。一方、日射量実測値は、所定地域において実際に検出された日射量である。日射量データベース１１５ｃに格納される情報は、気象情報受信部１１２によって、気象情報管理サーバ４００から取得される（図３参照）。
図４（ｄ）に示すように、建物情報データベース１１５ｄには、建物ＩＤ、住所、緯度・経度、面積、壁厚、材質、建物区分、及び遅れ時間Δｔが格納される。建物ＩＤとは、所定地域（例えば、工場設備内）に存在する建物の識別情報であり、電力需要予測装置１１０によって付与される。住所、緯度・経度は、前記した建物の位置情報であり、ネットワークＮ（図１参照）を介して管理用ＰＣ５００から取得される。
図４（ｄ）に示す面積は、建物を平面視した場合の面積である。壁厚は、建物を構成する壁（例えば、天井壁）の厚さである。材質は、建物を構成する壁の材質（例えば、コンクリート）である。建物区分は、前記した面積・壁厚・材質等を考慮して、建物の伝熱特性を反映させるように設定される区分である。例えば、壁の材質を基準としてコンクリート、鋼板、及び漆喰の３区分で建物を分類してもよい。
前記した面積・壁厚・材質・建物区分は、ネットワークＮを介して管理用ＰＣ５００から取得される。なお、図４（ｄ）に示す遅れ時間Δｔについては後記する。
前記した面積・壁厚・材質・建物区分は、ネットワークＮを介して管理用ＰＣ５００から取得される。なお、図４（ｄ）に示す遅れ時間Δｔについては後記する。
図４（ｅ）に示すように、イベント情報データベース１１５ｅには、イベントＩＤ、日付、時間帯、イベント区分、影響範囲、及び外気エンタルピ係数αを含むイベント情報が格納される。
イベントＩＤとは、各イベントの識別情報であり、電力需要予測装置１１０によって付与される。日付・時間帯は、イベントの時期を特定するための情報である。
イベントＩＤとは、各イベントの識別情報であり、電力需要予測装置１１０によって付与される。日付・時間帯は、イベントの時期を特定するための情報である。
イベント区分とは、日付に対応する季節・曜日、時間帯が朝・昼・夜のいずれに属するか、行事内容、工場の稼働スケジュール等を考慮して定められる区分である。例えば、夏季の日曜日の昼間と、夏季の平日の昼間と、は外気条件が同一でも電力需要への影響の仕方が異なる。したがって、これらは互いに異なるイベント区分に分類される。
一方、電力需要に対する影響が同等とみなせるイベント（例えば、春季の日曜日の昼間と、秋季の日曜日の昼間）は、同一のイベント区分に分類される。
一方、電力需要に対する影響が同等とみなせるイベント（例えば、春季の日曜日の昼間と、秋季の日曜日の昼間）は、同一のイベント区分に分類される。
影響範囲は、イベントが電力需要に影響する範囲を特定するための情報であり、例えば、緯度・経度を指定することで外縁が特定される領域である。日付、時間帯、イベント区分、及び影響範囲は、ネットワークＮ（図１参照）を介して管理用ＰＣ５００から取得される。
建物に設置される空調装置の稼働状態は、外気エンタルピｈの大きさが同じであっても、季節、曜日、時間帯等（つまり、イベント）によって異なる。本実施形態では、パラメータ算出部１１３（図３参照）によって、イベント区分ごとに外気エンタルピ係数αを算出するようにした。これによって、電力需要に対するイベントの影響を、（数式１）の外気エンタルピ係数αに反映させることができる。なお、外気エンタルピ係数αの算出処理については後記する。
図４（ｆ）に示すように、日射係数データベース１１５ｆには、建物区分、イベント区分、及び日射係数βが格納される。ここで、図４（ｆ）に示す建物区分は、建物情報データベース１１５ｄ（図４（ｄ）参照）に格納される建物区分に対応している。また、図４（ｆ）に示すイベント区分は、イベント情報データベース１１５ｅに格納されるイベント区分に対応している。
ところで、建物に設置される空調装置の稼働状態は、日射条件が同じであっても、建物の伝熱特性（構造・材質）や、前記したイベントによって異なってくる。本実施形態では、パラメータ算出部１１３（図３参照）によって、イベント区分及び建物区分ごとに日射係数βを算出するようにした。これによって、電力需要に対するイベントの影響と、建物の伝熱特性と、を（数式１）の日射係数βに反映させることができる。なお、日射係数βの算出処理については後記する。
（制御信号生成装置）
図３に示す制御信号生成装置１２０は、電力需要予測装置１１０によって予測された電力需要と、電力情報データベース１１５ａに格納されている電力情報と、に基づいて制御信号を生成し、ＰＣＳ２０及び発電機Ｇに出力する。
なお、制御信号生成装置１２０が実行する処理については後記する。
図３に示す制御信号生成装置１２０は、電力需要予測装置１１０によって予測された電力需要と、電力情報データベース１１５ａに格納されている電力情報と、に基づいて制御信号を生成し、ＰＣＳ２０及び発電機Ｇに出力する。
なお、制御信号生成装置１２０が実行する処理については後記する。
＜電力管理システムの動作＞
図５は、電力管理システムの動作の流れを示すシーケンスである。
ステップＳ１０１において電力情報管理サーバ１００は、管理用ＰＣ５００から設定情報を受信する。この設定情報には、電力需要の予測対象とする地域を特定するための情報と、当該地域内に存在する建物の住所・建物ＩＤ・面積・壁厚・材質・建物区分（図４（ｄ）参照）と、が含まれる。なお、図４（ｄ）に示す遅れ時間Δｔは、次のステップＳ１０２の処理で算出される。電力情報管理サーバ１００は、管理用ＰＣ５００から受信した情報を建物情報データベース１１５ｄ（図３参照）に格納する。
図５は、電力管理システムの動作の流れを示すシーケンスである。
ステップＳ１０１において電力情報管理サーバ１００は、管理用ＰＣ５００から設定情報を受信する。この設定情報には、電力需要の予測対象とする地域を特定するための情報と、当該地域内に存在する建物の住所・建物ＩＤ・面積・壁厚・材質・建物区分（図４（ｄ）参照）と、が含まれる。なお、図４（ｄ）に示す遅れ時間Δｔは、次のステップＳ１０２の処理で算出される。電力情報管理サーバ１００は、管理用ＰＣ５００から受信した情報を建物情報データベース１１５ｄ（図３参照）に格納する。
ステップＳ１０２において電力情報管理サーバ１００は、ステップＳ１０１で受信した設定情報に基づいて、遅れ時間Δｔを算出する。ここで、「遅れ時間Δｔ」とは、建物への日射が、壁を介した伝熱によって室内温度の上昇（つまり、空調負荷・電力需要の増加）に反映されるまでの時間を意味している。このような遅れ時間Δｔの長さは、建物の面積、壁厚、壁の材質によって異なる。
図６（ａ）は、電力需要及び日射量の時間的変化と、遅れ時間を考慮した日射量の時間的変化と、を示すグラフである。図６（ａ）に示す例では、電力需要（破線）のグラフがＭ字状を呈している。これは、工場設備で昼休憩（１２：００〜１３：００）がとられることに伴い、電力需要が一時的に減少したためである。このような一時的な減少は、前記した（数式１）の補正値σ（＜０）によって電力需要予測値Ｐ１に反映される。
また、図６（ａ）に示す例では、電力需要（破線）が１４：３０付近で最大になっているのに対し、日射量（一点鎖線）は１３：００付近で最大になっている。これは、建物の壁を介した伝熱に時間を要するため、日射が空調負荷に影響するまでに約１．５時間の遅れが生じることに起因している。
電力情報管理サーバ１００は、以下の相関係数分析を実行し、建物情報データベース１１５ｄ（図４（ｄ）参照）に格納された建物区分ごとに最適な遅れ時間Δｔを算出する。
電力情報管理サーバ１００は、以下の相関係数分析を実行し、建物情報データベース１１５ｄ（図４（ｄ）参照）に格納された建物区分ごとに最適な遅れ時間Δｔを算出する。
図６（ｂ）は、遅れ時間だけシフトさせた日射量のグラフと電力需要のグラフとの相関係数と、複数の遅れ時間の候補と、の関係を示す説明図である。電力情報管理サーバ１００は、遅れ時間Δｔの候補として、例えば、０［ｈ］、０．５［ｈ］、…、２．５［ｈ］を設定する。そして、電力情報管理サーバ１００は、過去１年間のデータを用いて、複数の遅れ時間候補に関する電力需要のグラフ（図６（ａ）の破線）と、遅れ時間候補ぶんだけシフトした日射量のグラフ（図６（ａ）の実線）と、の相関係数を算出する。
ちなみに、電力情報管理サーバ１００は、相関係数が最大値ρMaxとなる遅れ時間（図６（ｂ）では、１．５ｈ）を遅れ時間Δｔとして設定し、建物情報データベース１１５ｄに格納する（図４（ｄ）参照）。
ちなみに、電力情報管理サーバ１００は、相関係数が最大値ρMaxとなる遅れ時間（図６（ｂ）では、１．５ｈ）を遅れ時間Δｔとして設定し、建物情報データベース１１５ｄに格納する（図４（ｄ）参照）。
また、電力需要予測部１１４（図３参照）は、設定した遅れ時間Δｔ（１．５ｈ）だけ遡った時刻の日射量を用いて、電力需要予測値Ｐ１を算出する。例えば、翌日の午後４時における電力需要を予測する際、電力需要予測部１１４は、遅れ時間１．５時間だけ遡った午後２時半の日射量予測値を用いる。これによって、建物の構造に伴う伝熱の遅れを電力需要予測値Ｐ１に反映させることができる。
再び、図５に戻って説明を続ける。ステップＳ２０１において電力情報管理サーバ１００は、電力情報受信部１１１（図３参照）によって、電力計Ｐから電力情報を受信し、電力情報データベース１１５ａに格納する。前記した電力情報には、実際に検出された電力値（電力需要実績）と、電力計ＩＤと、検出時刻と、が含まれる。ステップＳ２０１で取得した電力情報は、ステップＳ２０４のパラメータ算出処理に用いられる。
ステップＳ２０２において電力情報管理サーバ１００は、気象情報受信部１１２（図３参照）によって、気象情報管理サーバ４００から気象情報を受信し、温湿度データベース１１５ｂ及び日射量データベース１１５ｃに格納する。前記した気象情報には、検出対象を特定するための日付・時刻・位置、気温実測値、湿度実測値、及び日射量実測値が含まれる。ステップＳ２０２で取得した気象情報は、ステップＳ２０４のパラメータ算出処理に用いられる。
なお、ステップＳ２０１，Ｓ２０２の処理は、所定時間ごとに逐次実行される。
なお、ステップＳ２０１，Ｓ２０２の処理は、所定時間ごとに逐次実行される。
ステップＳ２０３において管理用ＰＣ５００は、電力情報管理サーバ１００に対し、ネットワークＮを介してパラメータ算出指令を送信する。当該送信処理は、自動的に行ってもよいし、入力手段（図示せず）を介した管理者の操作に応じて手動で行ってもよい。
ステップＳ２０４において電力情報管理サーバ１００は、パラメータ算出部１１３（図３参照）によって、ステップＳ２０１，Ｓ２０２で取得した情報を用いてパラメータ算出処理を実行する。
ステップＳ２０４において電力情報管理サーバ１００は、パラメータ算出部１１３（図３参照）によって、ステップＳ２０１，Ｓ２０２で取得した情報を用いてパラメータ算出処理を実行する。
図７（ａ）は、外気エンタルピと電力需要実績との相関関係を示す説明図である。図７（ａ）に示すように、外気エンタルピと電力需要実績（消費電力検出値）との間には正の相関がある。パラメータ算出部１１３は、外気エンタルピと、電力需要実績と、に基づく相関係数分析によって、外気エンタルピ係数を算出する。
すなわち、パラメータ算出部１１３は、外気エンタルピ及び電力需要実績の共分散を、外気エンタルピ、電力需要実績それぞれの分散幾何平均の積で割ることによって相関係数を算出する。そして、パラメータ算出部１１３は、外気エンタルピ及び電力需要実績の標準偏差と、前記した相関係数と、に基づいて、図７（ａ）に示す傾きαを算出し、外気エンタルピ係数αとして設定する。
つまり、前記した（数式１）の外気エンタルピ係数αは、外気エンタルピ（の変化）が電力需要（の変化）に与える影響度を表している。
つまり、前記した（数式１）の外気エンタルピ係数αは、外気エンタルピ（の変化）が電力需要（の変化）に与える影響度を表している。
なお、図７（ａ）に示すデータは、ある特定のイベント（例えば、日曜日の昼間）に関して取得されたデータである。つまり、イベントが異なる場合、図７（ａ）に示す傾きαの大きさも異なってくる。
パラメータ算出部１１３は、過去１年間に取得した電力情報及び気象情報を用いてイベント区分ごとに外気エンタルピ係数αを算出し、イベント区分に対応付けてイベント情報データベース１１５ｅに格納する（図４（ｅ）参照）。
パラメータ算出部１１３は、過去１年間に取得した電力情報及び気象情報を用いてイベント区分ごとに外気エンタルピ係数αを算出し、イベント区分に対応付けてイベント情報データベース１１５ｅに格納する（図４（ｅ）参照）。
また、図７（ｂ）に示すように、日射量実測値と電力需要実績との間にも正の相関がある。前記した場合と同様に、パラメータ算出部１１３は、日射量実測値と、電力需要実績（消費電力検出値）と、に基づく相関係数分析によって傾きβを算出し、日射係数βとして設定する。つまり、前記した（数式１）の日射係数βは、日射量（の変化）が電力需要（の変化）に与える影響度を表している。
なお、図７（ｂ）に示すデータは、ある特定のイベント（例えば、日曜日の昼間）と、建物区分（例えば、コンクリート製の建物）と、の組合せに関して取得されたデータである。パラメータ算出部１１３は、過去１年間に取得したデータを用いて、建物区分及びイベント区分の組合せごとに日射係数βを算出する。そして、パラメータ算出部１１３は、算出した日射係数βを建物区分及びイベント区分に対応付けて、日射係数データベース１１５ｆに格納する（図４（ｆ）参照）。
また、パラメータ算出部１１３は、前記した（数式１）の定数γ及び補正値σを算出する。定数γは、例えば、工場設備の稼働スケジュール等に基づいて算出される。
補正値σは、例えば、工場設備の昼休憩において一時的に機器が停止される（つまり、一時的に電力需要が小さくなる）場合を考慮して算出される。補正値σは、電力計Ｐから入力される電力情報（実測値）と、工場設備の運営状況と、に基づいて算出される。
ステップＳ２０３，Ｓ２０４の処理は、例えば、一年ごとに行われる（つまり、過去の電力需要実績に基づいて、定期的にパラメータが更新される）。
補正値σは、例えば、工場設備の昼休憩において一時的に機器が停止される（つまり、一時的に電力需要が小さくなる）場合を考慮して算出される。補正値σは、電力計Ｐから入力される電力情報（実測値）と、工場設備の運営状況と、に基づいて算出される。
ステップＳ２０３，Ｓ２０４の処理は、例えば、一年ごとに行われる（つまり、過去の電力需要実績に基づいて、定期的にパラメータが更新される）。
再び、図５に戻って説明を続ける。ステップＳ３０１において電力情報管理サーバ１００は、気象情報受信部１１２（図３参照）によって、気象情報管理サーバ４００から気象情報を受信する（気象情報受信ステップ）。当該気象情報には、予測対象を特定するための日付・時間帯・位置、気温予測値、湿度予測値、及び日射量予測値が含まれている。
なお、外気エンタルピに関する情報は温湿度データベース１１５ｂ（図４（ｂ）参照）に格納され、日射量に関する情報は日射量データベース１１５ｃ（図４（ｃ）参照）に格納される。
なお、外気エンタルピに関する情報は温湿度データベース１１５ｂ（図４（ｂ）参照）に格納され、日射量に関する情報は日射量データベース１１５ｃ（図４（ｃ）参照）に格納される。
ステップＳ３０２において電力情報管理サーバ１００は、電力需要予測部１１４（図３参照）によって、電力需要予測処理を実行する。図８は、電力需要予測処理の流れを示すフローチャートである。
ステップＳ１において電力需要予測部１１４は、前記した所定地域に属する区域を指定して電力需要の予測対象を特定する。ここで「区域」とは、例えば、緯度・経度を指定することで外縁が定まる領域である。
ステップＳ１において電力需要予測部１１４は、前記した所定地域に属する区域を指定して電力需要の予測対象を特定する。ここで「区域」とは、例えば、緯度・経度を指定することで外縁が定まる領域である。
ステップＳ２において電力需要予測部１１４は、建物情報データベース１１５ｄ（図４（ｄ）参照）から建物情報を読み込む。この建物情報には、ステップＳ１で指定した区域に存在する建物の建物区分、遅れ時間Δｔ等が含まれている。
ステップＳ３において電力需要予測部１１４は、時間帯（例えば、翌日の午前０時〜１時）を指定して電力需要の予測対象を特定する。
ステップＳ４において電力需要予測部１１４は、イベント情報データベース１１５ｅ（図４（ｅ）参照）からイベント情報を読み込む。このイベント情報には、イベント区分、外気エンタルピ係数α等が含まれている。
なお、管理用コンピュータ５００が、ネットワークＮ（図１参照）を介して区域の指定（Ｓ１）や時間帯の指定（Ｓ３）を行ってもよい。
ステップＳ４において電力需要予測部１１４は、イベント情報データベース１１５ｅ（図４（ｅ）参照）からイベント情報を読み込む。このイベント情報には、イベント区分、外気エンタルピ係数α等が含まれている。
なお、管理用コンピュータ５００が、ネットワークＮ（図１参照）を介して区域の指定（Ｓ１）や時間帯の指定（Ｓ３）を行ってもよい。
ステップＳ５において電力需要予測部１１４は、前記した（数式１）の外気エンタルピ係数α、日射係数β、定数γ、及び補正値σを記憶部１１５から読み込む。なお、外気エンタルピ係数αは、ステップＳ４で読み込んだイベント情報に含まれている（図４（ｅ）参照）。日射係数βは、日射係数データベース１１５ｆ（図４（ｆ）参照）を参照して取得される。
なお、定数γ及び補正値σは、前記したパラメータ算出処理（Ｓ２０４：図５参照）で算出され、予め記憶部１１５に格納されている。
なお、定数γ及び補正値σは、前記したパラメータ算出処理（Ｓ２０４：図５参照）で算出され、予め記憶部１１５に格納されている。
ステップＳ６において電力需要予測部１１４は、温湿度データベース１１５ｂ（図４（ｂ）参照）から温度予測値及び湿度予測値を読み込む。この温湿度予測値及び湿度予測値は、ステップＳ１，Ｓ３で指定された区域・時間帯に対応している。
ステップＳ７において電力需要予測部１１４は、ステップＳ６で読み込んだ温度予測値及び湿度予測値を用いて、前記した（数式１の外気エンタルピｈを算出する。
ステップＳ７において電力需要予測部１１４は、ステップＳ６で読み込んだ温度予測値及び湿度予測値を用いて、前記した（数式１の外気エンタルピｈを算出する。
ステップＳ８において電力需要予測部１１４は、日射量データベース１１５ｃ（図４（ｃ）参照）から日射量予測値Ｓｒを読み込む。この日射量予測値は、ステップＳ１，Ｓ３で指定された区域・時間帯に対応している。なお、前記した時間帯は、ステップＳ３で指定された時間帯よりも遅れ時間Δｔだけ遡った時間帯である（図６（ａ）参照）。
ステップＳ９において電力需要予測部１１４は、前記した（数式１）に基づいて電力需要予測値を算出する（電力需要予測値算出ステップ）。すなわち、電力需要予測部１１４は、ステップＳ５で読み込んだ各パラメータと、ステップＳ７で算出した外気エンタルピｈと、ステップＳ８で読み込んだ日射量予測値Ｓｒと、を（数式１）に代入して電力需要予測値Ｐ１を算出する。
図９は、電力需要予測処理の結果を示す説明図である。本実施形態では、図９（ａ）に示すように、翌日の０：００〜６：００、及び１０：００〜１７：００の電力需要を、（数式１）に基づいて１時間刻みで予測するようにした（図９（ｂ）、（ｃ）に示す複数の黒点に対応）。
このような予測処理を行った後、図９（ｂ）に示すように、翌日の６：００に対応する点Ｘ１と、１０：００に対応する点Ｘ２と、を直線で結んで近似する。また、１７：００〜２４：００の電力需要についても点Ｘ３，Ｘ４を直線で結んで近似する。ちなみに、実際の電力需要も、６：００〜１０：００、及び１７：００〜２４：００において線形的に変化する。したがって、実際の電力需要との誤差を小さくしつつ、電力需要予測処理に要する演算量を低減できる。
また、正午付近の電力需要に関して、（数式１）で説明した補正値σ（＜０）が加算される。つまり、図９（ｃ）に示すように、電力需要予測部１１４は、電力需要予測値のグラフが正午付近（領域Ｑを参照）において凹状を呈するように補正する。これによって、電力需要予測値を、実際の電力需要の変化に近付けることができる。なお、補正値σは、正午付近を除く領域においてゼロになるように設定されている。
次に、図８のステップＳ１０において電力需要予測部１１４は、翌日の２４時間分の予測が完了したか否かを判定する。翌日の２４時間分の予測が完了していない場合（Ｓ１０→Ｎｏ）、電力需要予測部１１４の処理はステップＳ１１に進む。ステップＳ１１において電力需要予測部１１４は、他の時間帯（例えば、翌日の午前１時〜２時）を指定し、ステップＳ４の処理に戻る。一方、翌日の２４時間分の予測が完了した場合（Ｓ１０→Ｙｅｓ）、電力需要予測部１１４の処理はステップＳ１２に進む。
ステップＳ１２において電力需要予測部１１４は、全ての区域について予測が完了したか否かを判定する。なお、「全ての区域」とは、工場設備を含む複数の区域を意味しており、予め設定されている。
予測が完了していない区域が存在する場合（Ｓ１２→Ｎｏ）、電力需要予測部１１４の処理はステップＳ１３に進む。ステップＳ１３において電力需要予測部１１４は、他の区域を指定する。一方、全ての区域について予測が完了した場合（Ｓ１２→Ｙｅｓ）、電力需要予測部１１４は処理を終了する（ＥＮＤ）。
予測が完了していない区域が存在する場合（Ｓ１２→Ｎｏ）、電力需要予測部１１４の処理はステップＳ１３に進む。ステップＳ１３において電力需要予測部１１４は、他の区域を指定する。一方、全ての区域について予測が完了した場合（Ｓ１２→Ｙｅｓ）、電力需要予測部１１４は処理を終了する（ＥＮＤ）。
再び、図５に戻って説明を続ける。ステップＳ３０３において制御信号生成装置１２０（図３参照）は、ガスエンジン発電機Ｇ３（図１参照）の駆動や蓄電池Ｂの充放電を制御するための制御信号を生成する。ステップＳ３０４において制御信号生成装置１２０（図３参照）は、ステップＳ３０３で生成した制御信号をＰＣＳ２０及び発電機Ｇに送信する（図３参照）。
図１０は、制御信号生成装置が実行する処理（Ｓ３０２，Ｓ３０３）の流れを示すフローチャートである。なお、図１０に示す処理の実行中も、太陽光発電機Ｇ１（図１参照）及び風力発電機Ｇ２による発電は継続し、その発電電力及び電力系統Ｋからの電力が負荷装置Ｌに供給されているものとする。
ステップＳ２１において制御信号生成装置１２０は、翌日の電力ピーク時間帯と、ピーク電力量と、を予測する。ここで、ピーク電力量［ｋＷｈ］とは、電力需要予測値（ステップＳ９：図８参照）に基づいて算出される所定時間あたりの電力量の最大値である。また、ピーク時間帯とは、翌日のピーク電力量に対応する時間帯である。
ステップＳ２２において制御信号生成装置１２０は、蓄電池Ｂからの放電電力でピークカットすることが可能であるか否かを判定する。
図１１は、電力需要の時間的変化と、蓄電池の充放電を行う時間帯と、ガスエンジン発電機を駆動する時間帯と、を示す説明図である。図１１に示すように、工場設備を運営する事業者は、電力会社との契約に基づいて、電力系統Ｋからの供給電力の目標上限値ＰSを予め設定している。
図１１は、電力需要の時間的変化と、蓄電池の充放電を行う時間帯と、ガスエンジン発電機を駆動する時間帯と、を示す説明図である。図１１に示すように、工場設備を運営する事業者は、電力会社との契約に基づいて、電力系統Ｋからの供給電力の目標上限値ＰSを予め設定している。
前記したピークカットとは、蓄電池Ｂからの放電電力によって、電力系統Ｋからの供給電力を目標上限値ＰS以下に抑えられる（図１１に示す斜線部が、蓄電池Ｂの放電電力で補われる）ことを意味している。ステップＳ２２の判定処理は、電力情報データベース１１５ａに格納された負荷装置Ｌの消費電力、太陽光発電機Ｇ１及び風力発電機Ｇ２の発電電力、蓄電池Ｂの充電電力等に基づいて実行される。
ちなみに、ガスエンジン発電機Ｇ３（図１参照）は、通常時において停止している。
ちなみに、ガスエンジン発電機Ｇ３（図１参照）は、通常時において停止している。
再び、図１０に戻って説明を続ける。蓄電池Ｂの放電電力でピークカットが可能である場合（Ｓ２２→Ｙｅｓ）、制御信号生成装置１２０の処理はステップＳ２３に進む。ステップＳ２３において制御信号生成装置１２０は、ＰＣＳ２０に対して蓄電池Ｂへの充電指令を出力する（図１１参照）。なお、安価な夜間電力を用いて蓄電池Ｂを充電することで、負荷の平準化及び電力コストの低減を図ることが好ましい。
ステップＳ２４において制御信号生成装置１２０は、ステップＳ２１で予測した電力ピーク時間帯になったか否かを判定する。電力ピーク時間帯になっていない場合（Ｓ２４→Ｎｏ）、制御信号生成装置１２０はステップＳ２４の処理を繰り返す。一方、電力ピーク時間帯になった場合（Ｓ２４→Ｙｅｓ）、制御信号生成装置１２０の処理はステップＳ２５に進む。
ステップＳ２５において制御信号生成装置１２０は、ＰＣＳ２０に対して蓄電池Ｂの放電指令を出力する。その結果、蓄電池Ｂからの放電電力が負荷装置Ｌに供給される。
ステップＳ２５において制御信号生成装置１２０は、ＰＣＳ２０に対して蓄電池Ｂの放電指令を出力する。その結果、蓄電池Ｂからの放電電力が負荷装置Ｌに供給される。
一方、蓄電池Ｂの放電電力のみではピークカットが不可能である場合（Ｓ２２→Ｎｏ）、制御信号生成装置１２０の処理はステップＳ２６に進む。ステップＳ２６において制御信号生成装置１２０は、ガスエンジン発電機Ｇ３（図１参照）に発電準備指令を出力する。例えば、制御信号生成装置１２０は、ガスエンジン発電機Ｇ３の操作盤（図示せず）のランプを点灯させることで、操作者に対してガスエンジン発電機Ｇ３の発電準備を促す。
ステップＳ２７，Ｓ２８は、前記したステップＳ２３，２４と同様であるから説明を省略する。ステップＳ２９において制御信号生成装置１２０は、発電機Ｇ３（図１参照）にガスエンジンの発電開始指令を出力する。また、制御信号生成装置１２０は、操作者に対してガスエンジン発電機Ｇ３の発電開始時刻になったことを通知する。これによって、操作者は、手動でガスエンジン発電機Ｇ３の発電を開始させる（図１１参照）。
なお、ガスエンジン発電機Ｇ３は、ステップＳ９（図８参照）で予測した電力需要予測値に基づき、電力需要をピークカットできる程度の発電電力を供給するように制御される。
なお、ガスエンジン発電機Ｇ３は、ステップＳ９（図８参照）で予測した電力需要予測値に基づき、電力需要をピークカットできる程度の発電電力を供給するように制御される。
図１０のステップＳ３０において制御信号生成装置１２０は、ＰＣＳ２０に対して蓄電池Ｂの放電指令を出力し、処理を終了する（ＥＮＤ）。その結果、ガスエンジン発電機Ｇ３の発電電力と、蓄電池Ｂからの放電電力と、が負荷装置Ｌに供給される。
＜効果＞
本実施形態に係る電力需要予測装置１１０によれば、気象情報管理サーバ４００から取得される外気エンタルピｈ及び日射量予測値Ｓｒに基づいて電力需要予測値Ｐ１を算出するため（（数式１）を参照）、従来よりも電力需要を正確に予測できる。
例えば、実際の電力需要が電力需要予測値を大幅に超えた場合、蓄電池Ｂやガスエンジン発電機Ｇ３では不足分を補うことができず、系統電力Ｋからの供給電力が目標上限値ＰS（図１１参照）を超える可能性がある。また、実際の電力需要が電力需要予測値よりも小さい場合、ガスエンジン発電機Ｇ３を無駄に発電することでエネルギロスが発生する可能性がある。
本実施形態に係る電力需要予測装置１１０によれば、気象情報管理サーバ４００から取得される外気エンタルピｈ及び日射量予測値Ｓｒに基づいて電力需要予測値Ｐ１を算出するため（（数式１）を参照）、従来よりも電力需要を正確に予測できる。
例えば、実際の電力需要が電力需要予測値を大幅に超えた場合、蓄電池Ｂやガスエンジン発電機Ｇ３では不足分を補うことができず、系統電力Ｋからの供給電力が目標上限値ＰS（図１１参照）を超える可能性がある。また、実際の電力需要が電力需要予測値よりも小さい場合、ガスエンジン発電機Ｇ３を無駄に発電することでエネルギロスが発生する可能性がある。
これに対して、本実施形態では、電力需要を正確に予測することでエネルギロスを少なくし、かつ、電力系統Ｋからの供給電力を目標上限値ＰS（図１１参照）以下に抑えることができる。その結果、発電機Ｇを高効率で運転し、工場設備に要する電力コストを低減できる。
また、外気エンタルピ係数α及び日射係数βを随時補正する必要はない（更新する場合でも、１年間に１回程度でよい）。したがって、イベント区分や建物区分を特定することで、係数α，βを簡単に特定できる。
また、外気エンタルピ係数α及び日射係数βを随時補正する必要はない（更新する場合でも、１年間に１回程度でよい）。したがって、イベント区分や建物区分を特定することで、係数α，βを簡単に特定できる。
また、本実施形態では、外気エンタルピ係数αを相関係数分析に基づいてイベント区分ごとに算出し、日射係数βを建物区分とイベント区分との組合せごとに算出する。これによって、イベントや建物の構造が電力需要（主に、空調に伴う変動負荷）に与える影響を反映させ、電力需要を正確に予測できる。
また、日射が建物の室内温度の上昇に反映されるまでの遅れ時間Δｔを考慮することで、電力需要を正確に予測できる。特に、建物の構造や材質に基づく建物区分ごとに遅れ時間Δｔを算出することで、建物の伝熱特性（蓄熱に伴う時間遅れ）を電力需要予測値Ｐ１に反映させることができる。
また、電力需要予測装置１１０は、外気エンタルピ係数αと外気エンタルピｈの積と、日射係数βと日射量予測値Ｓｒの積と、の和に基づいて電力需要予測値Ｐ１を算出する（（数式１）を参照）。このように、電力需要予測値の算出式が単純であるため、電力需要予測装置１１０の演算量を低減できる。
また、電力需要予測装置１１０は、外気エンタルピ係数αと外気エンタルピｈの積と、日射係数βと日射量予測値Ｓｒの積と、の和に基づいて電力需要予測値Ｐ１を算出する（（数式１）を参照）。このように、電力需要予測値の算出式が単純であるため、電力需要予測装置１１０の演算量を低減できる。
また、相関係数分析に基づいて外気エンタルピ係数α、日射係数βを算出することで、実際に検出された消費電力検出値と外気エンタルピとの相関や、消費電力検出値と日射量との相関を、係数α，βの大きさに反映させることができる。したがって、電力需要を正確に予測し、それぞれの発電機Ｇを効率的に稼働させることができる。
≪変形例≫
以上、本発明に係る電力需要予測装置１１０について説明したが、本発明は前記実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更可能である。
例えば、前記実施形態では、（数式１）に基づいて電力需要を予測する場合について説明したが、これに限らない。例えば、指数関数、対数関数等を用いた他の計算式を用いて電力需要予測値を算出してもよい。
以上、本発明に係る電力需要予測装置１１０について説明したが、本発明は前記実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更可能である。
例えば、前記実施形態では、（数式１）に基づいて電力需要を予測する場合について説明したが、これに限らない。例えば、指数関数、対数関数等を用いた他の計算式を用いて電力需要予測値を算出してもよい。
また、前記実施形態では、外気エンタルピ係数αをイベント区分ごとに設定し、日射係数βをイベント区分と建物区分の組合せごとに設定する場合について説明したが、これに限らない。例えば、個々のイベントや建物に応じて、外気エンタルピ係数α及び日射係数βを算出してもよい。
また、建物の伝熱特性を反映させた建物区分のみに対応付けて日射係数βを設定し、日射係数データベース１１５ｆに格納してもよい。この場合、需要電力予測部１１４は、日射量実測値と、消費電力検出値と、に基づく相関係数分析によって、建物区分ごとに日射係数を算出する。
また、建物の伝熱特性を反映させた建物区分のみに対応付けて日射係数βを設定し、日射係数データベース１１５ｆに格納してもよい。この場合、需要電力予測部１１４は、日射量実測値と、消費電力検出値と、に基づく相関係数分析によって、建物区分ごとに日射係数を算出する。
また、前記実施形態では、相関係数分析に基づいて外気エンタルピ係数α、日射係数β、遅れ時間Δｔを算出する場合について説明したが、これに限らない。例えば、相関係数分析に代えて、回帰分析に基づき各係数α，βを算出してもよい。また、遅れ時間Δｔを電力需要と日射量との相互相関関数とみなし、両者の類似度を最大化するように遅れ時間Δｔを算出してもよい。
また、前記実施形態では、ガスエンジン発電機Ｇ３によって発電電力を調整する場合について説明したが、ディーゼルエンジン発電機、ガスタービンエンジン発電機、ボイラ発電機等を用いてもよい。
また、前記実施形態では、負荷装置Ｌ（図１参照）、発電機Ｇ、及び蓄電池Ｂが引込線ｋ２を介して同一の変圧器Ｔｒに接続されている場合について説明したが、これらの構成の一部が電力系統Ｋを介して他の変圧器に接続されていてもよい。
また、前記実施形態では、負荷装置Ｌ（図１参照）、発電機Ｇ、及び蓄電池Ｂが引込線ｋ２を介して同一の変圧器Ｔｒに接続されている場合について説明したが、これらの構成の一部が電力系統Ｋを介して他の変圧器に接続されていてもよい。
また、前記実施形態では、負荷装置Ｌ、発電機Ｇ、及び蓄電池Ｂが工場設備に設置されている場合について説明したが、これに限らない。すなわち、大学構内に設置される複数の施設、工業団地等、他の設備に前記実施形態を適用してもよい。また、電力系統Ｋに接続される需要家、発電事業者が運営する発電設備、需要家に設置される太陽光発電機等を網羅した広域の範囲に適用してもよい。
また、電力計Ｐ（図１参照）としてスマートメータを用いた自律分散型のスマートグリッドシステムに前記実施形態を適用してもよい。
また、電力計Ｐ（図１参照）としてスマートメータを用いた自律分散型のスマートグリッドシステムに前記実施形態を適用してもよい。
また、電力需要予測処理（Ｓ３０２：図５参照）を、プログラムによって、コンピュータである電力情報管理サーバ１００に実行させるようにしてもよい。前記したプログラムは、通信回線を介して提供することもできるし、ＣＤ−ＲＯＭ等の記録媒体に書き込んで配布することも可能である。
Ｓ 電力管理システム
１００ 電力情報管理サーバ
１１０ 電力需要予測装置
１１１ 電力情報受信部（電力情報受信手段）
１１２ 気象情報受信部（気象情報受信手段）
１１３ パラメータ算出部
１１４ 電力需要予測部（電力需要予測値算出手段）
１１５ 記憶部（記憶手段）
１１５ａ 電力情報データベース
１１５ｂ 温湿度データベース
１１５ｃ 日射量データベース
１１５ｄ 建物情報データベース
１１５ｅ イベント情報データベース
１１５ｆ 日射係数データベース
１２０ 制御信号生成装置
４００ 気象情報管理サーバ
５００ 管理用ＰＣ
Ｌ１，…，Ｌｍ 負荷装置
Ｂ１，…，Ｂｎ 蓄電池
Ｇ１ 太陽光発電機
Ｇ２ 風力発電機
Ｇ３ ガスエンジン発電機
Ｋ 電力系統
Ｐ 電力計
１００ 電力情報管理サーバ
１１０ 電力需要予測装置
１１１ 電力情報受信部（電力情報受信手段）
１１２ 気象情報受信部（気象情報受信手段）
１１３ パラメータ算出部
１１４ 電力需要予測部（電力需要予測値算出手段）
１１５ 記憶部（記憶手段）
１１５ａ 電力情報データベース
１１５ｂ 温湿度データベース
１１５ｃ 日射量データベース
１１５ｄ 建物情報データベース
１１５ｅ イベント情報データベース
１１５ｆ 日射係数データベース
１２０ 制御信号生成装置
４００ 気象情報管理サーバ
５００ 管理用ＰＣ
Ｌ１，…，Ｌｍ 負荷装置
Ｂ１，…，Ｂｎ 蓄電池
Ｇ１ 太陽光発電機
Ｇ２ 風力発電機
Ｇ３ ガスエンジン発電機
Ｋ 電力系統
Ｐ 電力計
Claims (7)
- 気象情報を管理する気象情報管理サーバから、所定地域における気温予測値と、湿度予測値と、日射量予測値と、を含む気象情報を受信する気象情報受信手段と、
前記気温予測値及び前記湿度予測値に対応する外気エンタルピが電力需要に与える影響度を表す外気エンタルピ係数と、前記日射量予測値が電力需要に与える影響度を表す日射係数と、がそれぞれ格納される記憶手段と、
前記気象情報受信手段によって受信される前記気象情報と、前記記憶手段に格納される前記外気エンタルピ係数及び前記日射係数と、に基づいて、前記所定地域における電力需要の予測値である電力需要予測値を算出する電力需要予測値算出手段と、を備え、
前記記憶手段は、さらに、建物への日射が当該建物の室内温度の上昇に反映されるまでの遅れ時間が格納される建物情報データベースを有し、
前記電力需要予測値算出手段は、
前記遅れ時間の候補となる複数の遅れ時間候補ごとに、日射量の時間的変化を前記遅れ時間候補だけ遅らせたグラフと、前記電力需要の時間的変化を示すグラフと、の相関を表す相関係数を算出し、複数の前記遅れ時間候補のうち前記相関係数が最大となるものを前記遅れ時間として設定し、
将来の所定時刻について前記電力需要予測値を算出する際、前記建物情報データベースを参照し、前記所定時刻よりも前記遅れ時間だけ遡った時刻における前記日射量予測値を用いて、前記電力需要予測値を算出すること
を特徴とする電力需要予測装置。 - 前記電力需要予測値算出手段は、複数の前記遅れ時間候補のうち前記相関係数が最大となるものを、前記建物の識別情報に対応付けて、前記遅れ時間として前記建物情報データベースに格納すること
を特徴とする請求項１に記載の電力需要予測装置。 - 前記記憶手段は、
前記外気エンタルピ係数が、電力需要の予測対象を特定するための時間帯を少なくとも含むイベントに対応付けて格納されるイベント情報データベースと、
前記日射係数が、前記所定地域に存在する建物の伝熱特性を反映させた建物区分に対応付けて格納される日射係数データベースと、を有し、
前記電力需要予測値算出手段は、前記イベントに対応する前記外気エンタルピ係数と、前記建物区分に対応する前記日射係数と、を用いて前記電力需要予測値を算出すること
を特徴とする請求項１に記載の電力需要予測装置。 - 前記電力需要予測値算出手段は、前記外気エンタルピ係数と前記外気エンタルピの積と、前記日射係数と前記日射量予測値の積と、の和に基づいて、前記電力需要予測値を算出すること
を特徴とする請求項１から請求項３のいずれか一項に記載の電力需要予測装置。 - 前記所定地域内の負荷装置に接続される電力計から、前記負荷装置の消費電力検出値を含む電力情報を受信する電力情報受信手段を備え、
前記記憶手段は、前記電力情報受信手段によって前記電力計から受信した前記電力情報が格納される電力情報データベースを有し、
前記気象情報受信手段は、前記所定地域における温度実測値及び湿度実測値をさらに含む前記気象情報を前記気象情報管理サーバから受信して前記記憶手段に格納し、
前記電力需要予測値算出手段は、前記温度実測値及び前記湿度実測値を用いて外気エンタルピを算出し、当該外気エンタルピと、前記消費電力検出値と、に基づく相関係数分析によって、前記イベントごとに前記外気エンタルピ係数を算出すること
を特徴とする請求項３に記載の電力需要予測装置。 - 前記所定地域内の負荷装置に接続される電力計から、前記負荷装置の消費電力検出値を含む電力情報を受信する電力情報受信手段を備え、
前記記憶手段は、前記電力情報受信手段によって前記電力計から受信した前記電力情報が格納される電力情報データベースを有し、
前記気象情報受信手段は、前記所定地域における日射量実測値をさらに含む前記気象情報を前記気象情報管理サーバから受信して前記記憶手段に格納し、
前記電力需要予測値算出手段は、前記日射量実測値と、前記消費電力検出値と、に基づく相関係数分析によって、前記建物区分ごとに前記日射係数を算出すること
を特徴とする請求項３に記載の電力需要予測装置。 - 所定地域における電力需要を予測する電力需要予測装置が実行する電力需要予測方法であって、
前記電力需要予測装置は、気温予測値及び湿度予測値に対応する外気エンタルピが電力需要に与える影響度を表す外気エンタルピ係数と、日射量予測値が電力需要に与える影響度を表す日射係数と、がそれぞれ格納される記憶手段を備えており、
前記記憶手段は、さらに、建物への日射が当該建物の室内温度の上昇に反映されるまでの遅れ時間が格納される建物情報データベースを有しており、
気象情報を管理する気象情報管理サーバから、所定地域における前記気温予測値と、前記湿度予測値と、前記日射量予測値と、を含む気象情報を受信する気象情報受信ステップと、
前記気象情報受信ステップで受信した前記気象情報と、前記記憶手段に格納される前記外気エンタルピ係数及び前記日射係数と、に基づいて、前記所定地域における電力需要の予測値である電力需要予測値を算出する電力需要予測値算出ステップと、を含み、
前記電力需要予測値算出ステップにおいて、
前記遅れ時間の候補となる複数の遅れ時間候補ごとに、日射量の時間的変化を前記遅れ時間候補だけ遅らせたグラフと、前記電力需要の時間的変化を示すグラフと、の相関を表す相関係数を算出し、複数の前記遅れ時間候補のうち前記相関係数が最大となるものを前記遅れ時間として設定し、
将来の所定時刻について前記電力需要予測値を算出する際、前記建物情報データベースを参照し、前記所定時刻よりも前記遅れ時間だけ遡った時刻における前記日射量予測値を用いて、前記電力需要予測値を算出すること
を特徴とする電力需要予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013237364A JP6230055B2 (ja) | 2013-11-15 | 2013-11-15 | 電力需要予測装置及び電力需要予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013237364A JP6230055B2 (ja) | 2013-11-15 | 2013-11-15 | 電力需要予測装置及び電力需要予測方法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2015097059A JP2015097059A (ja) | 2015-05-21 |
| JP2015097059A5 JP2015097059A5 (ja) | 2016-10-13 |
| JP6230055B2 true JP6230055B2 (ja) | 2017-11-15 |
Family
ID=53374317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013237364A Expired - Fee Related JP6230055B2 (ja) | 2013-11-15 | 2013-11-15 | 電力需要予測装置及び電力需要予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6230055B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7206915B2 (ja) * | 2017-01-10 | 2023-01-18 | 日本電気株式会社 | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム |
| JP7455531B2 (ja) * | 2019-08-23 | 2024-03-26 | 東芝エネルギーシステムズ株式会社 | 充電制御装置及びその方法、プログラム、充電管理装置及びその方法、プログラム |
| JP7405068B2 (ja) | 2020-12-15 | 2023-12-26 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、およびプログラム |
| CN117424231B (zh) * | 2023-12-14 | 2024-03-15 | 深圳市华星数字有限公司 | 一种节能配电控制系统及方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS4983246A (ja) * | 1972-12-15 | 1974-08-10 | ||
| JP2582447B2 (ja) * | 1989-12-26 | 1997-02-19 | 三菱重工業株式会社 | 冷暖房装置における負荷予測装置 |
| JP2681421B2 (ja) * | 1991-06-20 | 1997-11-26 | 株式会社日立製作所 | 需要量予測方法及び装置 |
| JPH07151369A (ja) * | 1993-11-30 | 1995-06-13 | Toshiba Corp | 熱負荷予測装置およびプラント熱負荷予測装置 |
| JP3910948B2 (ja) * | 2003-08-04 | 2007-04-25 | 東京電力株式会社 | 電源計画についての情報処理方法及びコンピュータ・システム |
| JP5735283B2 (ja) * | 2011-01-05 | 2015-06-17 | 株式会社環境経営戦略総研 | 使用電力量予測システム、及び使用電力量予測システムの制御方法 |
| JP5743881B2 (ja) * | 2011-12-28 | 2015-07-01 | 株式会社東芝 | 電力管理システム、電力管理方法、需要家端末及び電力管理装置 |
-
2013
- 2013-11-15 JP JP2013237364A patent/JP6230055B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015097059A (ja) | 2015-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2846342C (en) | Use of demand response (dr) and distributed energy resources (der) to mitigate the impact of variable energy resources (ver) in power system operation | |
| EP3002848B1 (en) | Demand-side grid-level load balancing aggregation system | |
| US9201411B2 (en) | Optimal energy management of a microgrid system using multi-objective optimization | |
| EP2408082B1 (en) | Integrated demand response for energy utilization | |
| EP3422516B1 (en) | Power supply and demand prediction system, power supply and demand prediction method and power supply and demand prediction program | |
| US10298056B2 (en) | Power control system, power control method, and recording medium | |
| WO2015021603A1 (en) | System, method and apparatus for integrated multi-energy scheduling in a micro-grid and a tangible computer readable medium | |
| JP6543145B2 (ja) | ピーク電力予測装置、電力管理システム及びピーク電力予測方法 | |
| CA2856887A1 (en) | Energy search engine with autonomous control | |
| US20190011970A1 (en) | Method for predicting power demand and controlling ess charge/discharge based on the predicted demand, and apparatus using the same | |
| CN103283104A (zh) | 电力管理系统及电力管理方法 | |
| US20160187910A1 (en) | Unit and Method for Energy Regulation of an Electrical Production and Consumption System | |
| KR20190105173A (ko) | 에너지 저장 장치를 이용한 가상 발전소 | |
| JP6230055B2 (ja) | 電力需要予測装置及び電力需要予測方法 | |
| WO2017051615A1 (ja) | 電力制御システム、方法及び制御装置 | |
| US20170250539A1 (en) | Cloud-based control for power distribution system | |
| EP2993640A1 (en) | Power management system | |
| JP2018153011A (ja) | 電力制御システム | |
| JP2017077151A (ja) | 建物の消費電力予測システム、蓄電装置の制御システム、及び蓄電装置の制御方法 | |
| JP6069738B2 (ja) | 充放電制御システム、充放電制御方法、および充放電制御プログラム | |
| JP2010213507A (ja) | 自然エネルギー併用型蓄電システム、および自然エネルギー併用型蓄電方法 | |
| Ramahatana et al. | Economic optimization of micro-grid operations by dynamic programming with real energy forecast | |
| JP2003244841A (ja) | 電力貯蔵用二次電池を用いたハイブリッドシステムの情報提供方法およびシステム | |
| JP6042775B2 (ja) | 制御装置、プログラム | |
| JP6985090B2 (ja) | 充放電制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20160705 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160805 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160805 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160805 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170609 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170620 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170810 |
|
| 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: 20170912 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171011 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6230055 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |