JP6280485B2 - 省エネルギ支援システムおよび省エネルギ支援方法 - Google Patents

Description

本発明は、省エネルギ支援システムおよび省エネルギ支援方法に関する。

エネルギ管理サービス提供者（いわゆるサービスプロバイダ）は、需要家の消費電力を低減し、省エネルギを実現する。省エネルギを実現するためには、需要家に対し、消費電力を抑制するように行動させる必要がある。以下、省エネルギを省エネと略記する場合がある。

特許文献１では、入力された省エネ効果の目標値と過去における省エネ行動の有無と効果値とから、省エネ目標を達成するための行動を抽出する。特許文献２では、外気温度と機器の運転条件を収集し、標準平年外気条件と実績外気条件の差および機器の運転状態に基づいて、省エネ効果量の平年値を算出する。特許文献３では、設備運転状態情報と基準情報とを照合して推奨すべき省エネ対策を抽出し、ユーザ端末に送信する。特許文献４では、所定値以下のＣＯＰ（Coefficient of Performance）で運転している空調機を検出し、その空調機の消費電力量を省エネの余地として扱う。

特許第４３２６３７６号公報 特許第４４２６２４３号公報 特許第５１５９８４８号公報 特許第５３１６３３５号公報

従来技術では、ユーザ自身が省エネ効果の目標値を考えて設定するため、適切な省エネ効果の目標値を選択するのが難しい。つまり、特許文献１に記載の従来技術では、省エネ効果の目標値を、過去の経験やエネルギコストからトップダウンで決定するため、実現不可能な高い目標値が設定されたり、あるいは、低すぎる目標値が設定されたりする。高すぎる目標値を設定した場合、実行可能な省エネ行動が存在せず、結果的に省エネ行動が行われない可能性がある。また低すぎる目標値を設定した場合、環境変化などによりその目標値が自然に達成されてしまい、結果的に意味のある省エネ行動が実行されない可能性がある。

さらに、従来技術では、需要家における過去の省エネ行動の実績とそのときの省エネ効果との関係から、その需要家での省エネ行動を抽出する。従って、需要家で実行されたことのない省エネ行動は抽出されず、定期的に実行されているために省エネ効果が低いと判断された省エネ行動は評価されない。

本発明は上記課題に鑑みてなされたもので、その目的は、適切な省エネルギ行動を提案することができるようにした省エネルギ支援システムおよび省エネルギ支援方法を提供することにある。

上記課題を解決すべく、本発明に従う省エネルギ支援システムは、需要家における省エネルギを支援するための省エネルギ支援システムであって、各需要家の電力消費データと、各需要家のエネルギ消費に関する属性情報と、各需要家で実施された省エネルギ行動の履歴とを取得する情報取得部と、取得した各電力消費データから複数の電力消費パターンを抽出し、抽出した電力消費パターン毎に各需要家を分類する分類部と、各需要家から属性情報が共通する需要家群を抽出する需要家群抽出部と、需要家群を構成する各需要家の属する電力消費パターンのうち、所定の省エネルギ指標に関する値が所定の省エネルギ基準値以上である電力消費パターンを目標電力消費パターンとして選択する目標選択部と、各需要家のうち目標電力消費パターンに属する目標需要家で実行された省エネルギ行動のうち少なくとも一部を推奨省エネルギ行動として抽出し、抽出した推奨省エネルギ行動を含む支援情報を作成して、支援対象の需要家に送信する省エネルギ行動支援部と、を含んでいる。

本発明によれば、属性情報が共通する需要家群を構成する各需要家の属する電力消費パターンのうち、目標電力消費パターンに属する目標需要家で実行された省エネルギ行動のうち少なくとも一部を推奨省エネルギ行動として、支援対象の需要家に送信できる。従って、本発明によれば適切な省エネ行動を抽出して支援対象の需要家に提案できる。

省エネルギ支援システムの機能構成の概略を示す説明図。 省エネルギ支援システムを含む電力管理システムの全体を示す構成図。 省エネルギ支援システムの一部の構成を示す説明図。 省エネルギ支援システムの残りの構成を示す説明図。 需要家の構成を示す説明図。 需要家の電力消費データからパターンを抽出する概念を示す説明図。 クラスタデータベースの例を示す構成図。 診断木の例を示す説明図。 電力消費データと環境との相関関係を分析する様子を示す説明図。 省エネ行動データベースの例を示す構成図。 省エネルギ支援処理のフローチャート。 需要家を分類する処理のフローチャート。 目標需要家に特徴的な要因を抽出する処理のフローチャート。 電力消費データと環境との相関関係を分析する処理のフローチャート。 省エネ行動を抽出する処理のフローチャート。 省エネ行動をユーザに提案する画面の例を示す説明図。 第２実施例に係り、目標需要家に特徴的な設備防御方法を抽出する処理のフローチャート。 省エネ行動を抽出する処理のフローチャート。

以下、図面に基づいて、本発明の実施の形態を説明する。以下に述べるように、本実施形態の省エネルギ支援システム１は、各需要家２（１）〜２（ｎ）の単位時間ごとの電力消費量を表す電力消費データをそれぞれ収集すると共に、各需要家２（１）〜２（ｎ）の属性情報を管理する。支援システム１は、各需要家２（１）〜２（ｎ）から単位時間ごとの電力消費データを定期的に受信する。支援システム１は、その電力消費データを複数のクラスタ１３に分類する。クラスタ１３は、電力消費パターン別クラスタ、パターン別クラスタと呼んでもよい。ここで、電力消費パターンとは、電力消費データを示す時系列データの概形である。なお、電力消費データをロードデータと、電力消費パターンをロードカーブと呼ぶこともできる。

支援システム１は、各クラスタ１３に属する需要家に共通する属性情報１４を抽出し、各需要家の電力消費データと属性情報１４の少なくとも一つとから、各需要家が属する可能性のある属性別のクラスタを１つ以上抽出する。属性の共通する複数のクラスタを、類似クラスタ群と呼ぶことができる。

支援システム１は、類似クラスタ群の中から所定の省エネに関する指標が所定の省エネ基準値に最も近いクラスタを、目標クラスタとして抽出する。

支援システム１は、クラスタ１３毎に、需要家の電力消費データと環境情報との相互相関関数を算出することもできる。支援システム１は、例えば、遅れ時刻ゼロにおける相互相関関数の値、任意の遅れ時刻範囲における相互相関関数のピーク値、ピーク値の遅れ時刻の少なくともいずれか１つを、相互相関に関する特徴量として抽出する。

支援システム１は、属性情報が共通する類似クラスタ群において、類似クラスタ群に属する需要家に共通する特徴量の範囲を算出し、類似クラスタ群における特徴量の差異を算出する。支援システム１は、算出した差異が基準値よりも大きな特徴量を抽出し、特徴量の種別と特徴量に対応する環境情報の種別とから、関連する省エネ行動を選定する。選定した省エネ行動は、支援情報として需要家に送信され、提示される。

これにより、本実施形態によれば、属性情報が共通する類似クラスタ群の中から目標クラスタを抽出し、その目標クラスタを目標として選択する。そして、目標クラスタで実行されている省エネ行動を、支援対象の需要家に推奨する。

本実施形態では、属性情報が共通するにもかかわらず、所属先クラスタが異なる場合、換言すれば、異なるクラスタに属する需要家同士が共通する属性情報を持つ場合、手本となる需要家を検出する。そして、その手本となる需要家（目標需要家）で実行されている省エネ行動を、他の需要家（支援対象の需要家）で実行させる。これにより、支援対象の需要家の電力消費パターンが、手本とした需要家の電力消費パターンに近づくように、支援対象の需要家を誘導することができる。

図１は、省エネルギ支援システム１の機能構成を示す。省エネルギ支援システム（以下、支援システムと略記する場合がある。）１は、後述のように、少なくとも一つのコンピュータから構成されるもので、支援対象の需要家に対して支援情報を提示する。

支援システム１は、例えば、エネルギサービスプロバイダにより使用される。エネルギサービスプロバイダは、電力を利用する複数の需要家２（１）〜２（ｎ）と契約し、各需要家２（１）〜２（ｎ）に対して、電力管理に関するサービスを提供する。

エネルギサービスプロバイダとしては、例えば、経費節減の実績に応じて報酬を得るＥＳＣＯ事業者（Energy Service Company）、電力小売事業者、設備管理サービスを提供するＥＭＳ（Energy Management System）アグリゲータ、のいずれでもよい。

支援システム１は、例えば、データ収集部１０、情報記憶部１１、分類部１２、類似クラスタ群抽出部１５、目標クラスタ選定部１６、特徴検出部１７、省エネ行動推定部１８、支援情報提供部１９を備える。

データ収集部１０は、「情報取得部」の例であり、各需要家２（１）〜２（ｎ）からデータを取得する。以下、特に区別しない場合、需要家２と呼ぶ。データ収集部１０は、各需要家２から、電力消費データとしての電力消費データと、エネルギ消費に関する属性情報と、省エネ行動の履歴とを取得する。データ収集部１０の取得したデータは、情報記憶部１１に記憶されて管理される。

分類部１２は、各需要家の電力消費データの中から、複数の電力消費パターンを抽出する。電力消費パターンごとにクラスタ１３が生成される。以下の説明では、クラスタ１３の持つ電力消費パターンを、電力消費パターン１３と呼ぶ場合がある。

電力消費傾向の似ている電力消費データは、同じ電力消費パターンに分類されるため、同じクラスタ１３に所属する。同一クラスタ１３に属する需要家は、それぞれエネルギ消費に関する属性情報１４を一つ以上備えている。エネルギ消費に関する属性情報１４としては、例えば、電力消費データの取得日や時刻、需要家の業種、契約条件、保有する電気設備の種類、需要家の環境などがある。需要家の業種には、例えば、一般家庭、集合住宅、商業施設、ビルディング、工場、病院、映画館、遊園地、学校などがある。需要家の環境には、例えば、気温、湿度、日照量、降雨量、風速などの気象条件がある。

類似クラスタ群抽出部１５は、「需要家群抽出部」の例である。類似クラスタ群抽出部１５は、各クラスタ１３に分類された需要家から、属性情報が共通する複数の需要家を需要家群として抽出する。つまり、各クラスタ１３から、共通の属性情報を有する需要家を抽出して類似クラスタ群を生成する。これにより、例えば、「平日の昼間に電力を多く使用し、かつ太陽光発電装置を備えている一般需要家」という共通の属性を有する需要家を各クラスタ１３から集めることができる。

目標クラスタ選定部１６は、「目標選択部」の例である。目標クラスタ選定部１６は、類似クラスタ群の各需要家の属する電力消費パターンのうち、所定の省エネルギ指標に関する値が所定の省エネルギ基準値以上である電力消費パターンを持つクラスタ１３を、目標クラスタ（目標電力消費パターン）として選択する。

特徴検出部１７は、目標クラスタに属する需要家（目標需要家）の持つ属性情報の中から特徴的な属性情報を検出する。省エネルギ行動推定部１８は、目標クラスタに特徴的な属性情報と、目標クラスタで実行された省エネ行動の履歴とに基づいて、効果を発揮している省エネ行動を推定する。

支援情報提供部１９は、省エネルギ行動推定部１８と共に「省エネルギ行動支援部」の一例を構成する。支援情報提供部１９は、省エネルギ行動推定部１８で推定した省エネ行動を含む支援情報を作成し、支援対象の需要家２へ送信する。支援情報は、推奨する省エネ行動、手本にすべき目標クラスタの電力消費パターンの少なくともいずれか一方を含むことができる。

支援対象の需要家には、例えば、省エネルギ支援システム１の管理下に置かれた新たな需要家と、既存の需要家２のうちエネルギ効率の低い需要家とがある。なお、省エネルギ支援システム１の管理対象として新たに追加された需要家の電力消費パターンが、その需要家に対応する目標クラスタの電力消費パターンに属する場合は、支援対象として抽出する必要はない。エネルギ消費について改善する必要がないためである。

省エネルギ行動推定部１８は、省エネ行動に代えて、または省エネ行動と共に、目標クラスタで実施されている電気設備の設備制御情報を、推奨制御方法として推定することもできる。支援情報提供部１９は、推奨制御方法を含む支援情報を作成して、支援対象の需要家に送信してもよい。支援情報提供部１９は、推奨制御方法に従って、支援対象の需要家の持つ電気設備を遠隔制御することもできる。

図２は、省エネルギ支援システム１を含む電力管理システムの全体を示す。支援システム１は、例えば、電力情報収集サーバ１１０、データ分析サーバ１２０、需要家データベースサーバ１３０、省エネルギ支援情報サーバ１４０、支援情報提供サーバ１５０を備えている。それらサーバ１１０〜１５０は、通信ネットワークＣＮ２を介して双方向通信可能に接続されている。通信ネットワークＣＮ２は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネットなどから構成できる。

各サーバ１１０〜１５０は別々の物理サーバとして構成してもよい。各サーバ１１０〜１５０を仮想サーバとして生成し、一つの物理サーバ上に設ける構成としてもよい。複数のサーバで実現する複数の機能を一つのサーバに統合してもよいし、その逆に、一つのサーバで実現する一つの機能を複数のサーバで分散してもよい。各サーバ１１０〜１５０の構成は後述する。以下の説明では、データベースをＤＢと略記する場合がある。

支援システム１は、通信ネットワークＣＮ１を介して、複数の需要家２と双方向通信可能に接続されている。通信ネットワークＣＮ１は、公衆回線、専用回線、インターネットなどから構成することができる。

需要家２は、図示せぬ電力系統から供給される電力を消費する。需要家２は、例えば、管理端末２１０、センサ２２０、電気設備を有する。電気設備の内容は、需要家２の目的や性質に応じて異なる。

例えば、ある需要家２（１）は、電気設備として、太陽光発電装置（図中、ＰＶ）２３０と、バッテリ２４０と、ヒートポンプ（図中、ＣＨＰ）２５０と、電気的負荷２６０を有する。電気負荷２６０としては、例えば、照明装置、空調装置、冷蔵庫、エレベータなどがある。

他の需要家２（２）は、電気設備として、太陽光発電装置２３０と、バッテリ２４０と、電気的負荷２６０を備えており、ヒートポンプ２５０は有していない。さらに別の需要家２（ｎ）は、電気設備として、ヒートポンプ２５０と電気的負荷２６０を備えており、太陽光発電装置２３０およびバッテリ２４０は備えていない。

センサ２２０は、例えば、電力計、電圧計、電流計、周波数計、温度計、湿度計、日照量計、風速計のような計測装置である。センサ２２０は、需要家２の消費電力（電力消費データ）と、需要家２での電力消費に関わる環境情報とを計測して出力する。従って、センサ２２０は、実際には、計測目的の異なる複数のセンサから構成されるセンサ群であるが、図中では一つのセンサであるかのように示している。センサ２２０の種類および構成は、需要家２の目的や性質に応じて異なる。

管理端末２１０は、センサ２２０で検出したデータ（電力消費データ、温度などの環境情報）を定期的にまたは不定期に、支援システム１へ送信する。また、管理端末２１０は、支援システム１から受信した支援情報に基づいて、省エネ行動を提案するための画面（後述）を表示したり、管理下にある電気設備を制御したりする。

図３，図４は、支援システム１を構成する各サーバ１１０〜１５０のハードウェア構成およびソフトウェア構成を示す。

図３は、データ分析サーバ１２０、需要家情報ＤＢサーバ１３０、省エネルギ支援情報サーバ１４０を示す。

データ分析サーバ１２０は、電力情報収集サーバ１１０の収集した電力情報を分析するサーバである。データ分析サーバ１２０は、例えば、ユーザインターフェース部１２１、マイクロプロセッサ部１２２、メモリ部１２３、クラスタＤＢ１２４、通信部１２５を備えており、これら各装置１２１〜１２５は内部バスで接続されている。

ユーザインターフェース部１２１は、支援システム１を操作するオペレータとの間で、情報を交換する装置である。なお、オペレータには、支援システム１を管理するシステム管理者を含むものとする。ユーザインターフェース部１２１は、オペレータがサーバ１２０へ情報を入力するための情報入力装置と、サーバ１２０がオペレータに情報を提示するための情報出力装置を含む。情報入力装置には、例えば、キーボード、タッチパネル、マウスなどのポインティングデバイス、音声指示装置などがある。情報出力装置には、例えば、ディスプレイ、プリンタ、音声出力装置などがある。

マイクロプロセッサ部１２２は、メモリ部１２３に格納されたコンピュータプログラムＰＧ１１〜ＰＧ１３を実行することで、後述の機能を実現する。クラスタＤＢ１２４は、後述するように、需要家２の属性情報を管理するデータベースである。通信部１２５は、通信ネットワークＣＮ２を介して、他のサーバと通信するための装置である。

メモリ部１２３は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置を総称した記憶装置であり、コンピュータプログラムＰＧ１１〜ＰＧ１３を格納する。なお、本実施例では、オペレーティングシステム、デバイスドライバなどの基本的コンピュータプログラムは図示を省略する。

クラスタリングプログラムＰＧ１１は、電力消費データに基づいて需要家２を分類するためのクラスタリング処理を行う。要因分析プログラムＰＧ１２は、クラスタ毎の電力消費パターンの原因となっている属性を特定するための処理を実行する。相関分析プログラムＰＧ１３は、電力消費データと環境情報との相関関係を分析する処理を実行する。各プログラムＰＧ１１〜ＰＧ１３の処理結果は、クラスタＤＢ１２４に格納される。

需要家情報ＤＢサーバ１３０は、各需要家２の属性情報などを記憶し、管理するサーバである。需要家情報ＤＢサーバ１３０は、データ分析サーバ１２０と同様に、ユーザインターフェース部１３１、マイクロプロセッサ部１３２、メモリ部１３３、データベース１３４〜１３６、通信部１３７を備える。

ユーザインターフェース部１３１、マイクロプロセッサ１３２、メモリ部１３３、通信部１３７は、データ分析サーバ１２０で述べた構成と対応するため、説明を省略する。メモリ部１３３に格納されている蓄積プログラムＰＧ１４は、各需要家２から取得されたデータを所定のデータベースに格納する蓄積処理を実行する。

環境情報ＤＢ１３４は、各需要家２から取得する環境情報を記憶して管理する。上述の通り、環境情報には、例えば、気温、湿度、日照量、風速などがある。属性情報ＤＢ１３５は、各需要家２から取得する他の属性情報を記憶して管理する。他の属性情報としては、上述の通り、電気設備の種類、契約条件、需要家の種別などがある。電力消費量ＤＢ１３６は、各需要家２から単位時間毎に取得した電力消費データを記憶して管理する。

省エネルギ支援情報サーバ１４０（以下、支援情報サーバとも呼ぶ）は、支援対象の需要家２における省エネルギを促進するための省エネ行動を抽出し、抽出した省エネ行動を含む支援情報を生成するサーバである。

支援情報サーバ１４０も、データ分析サーバ１２０と同様に、ユーザインターフェース部１４１、マイクロプロセッサ部１４２、メモリ部１４３、データベース１４４、通信部１４５を備える。

ユーザインターフェース部１４１、マイクロプロセッサ部１４２、メモリ部１４３、通信部１４５は、データ分析サーバ１２０で述べた構成と同様なので説明を省略する。メモリ部１４３に格納されている省エネ行動抽出プログラムＰＧ１５は、目標クラスタの需要家で実行されている省エネ行動の中から、支援対象の需要家に推奨すべき省エネ行動を抽出する処理を実行する。省エネ目標設定プログラムＰＧ１６は、省エネルギの目標値を算出する処理を実行する。省エネルギの目標値には、例えば、目標となる電力消費パターン、省エネ指標における目標値がある。

各プログラムＰＧ１５，ＰＧ１６で算出された省エネ行動と省エネ目標とは、省エネ行動ＤＢ１４４に格納される。後述の支援情報提供サーバ１５０は、省エネ行動ＤＢ１４４から省エネ行動および省エネ目標を読み出して、支援対象の需要家２へ送信する。省エネ行動ＤＢ１４４は、支援情報を記憶するための支援情報記憶部と呼ぶこともできる。

図４は、電力情報収集サーバ１１０と支援情報提供サーバ１５０を示す。電力情報収集サーバ１１０は、各需要家２から電力消費データや属性情報および環境情報を収集するサーバであり、上述したデータ分析サーバ１２０と同様に、ユーザインターフェース部１１１、マイクロプロセッサ部１１２、メモリ部１１３、通信部１１４を備える。これらはデータ分析サーバ１２０で述べたと同様であるため、説明を省略する。電力情報収集サーバ１１０は、データベースを備えない。電力情報収集サーバ１１０の収集した情報（データ）は、需要家情報ＤＢサーバ１３０の有するＤＢ１３４〜１３６へ格納される。

メモリ部１１３に格納された情報収集プログラムＰＧ１０は、各需要家２から電力情報を収集する処理を実行する。上述のように、ここで電力情報には、電力消費データ、属性情報、環境情報を含む。

なお、電力情報収集サーバ１１０が収集する情報の一部を、オペレータがユーザインターフェース部１１１を介して電力情報収集サーバ１１０へ入力することもできる。例えば、需要家の種別を示す情報（一般家庭、工場、ビルなど）、発電事業者や送配電事業者またはエネルギサービスプロバイダとの契約条件などを、オペレータは電力情報収集サーバ１１０へ入力できる。入力方法は問わない。キーボードから手動で入力してもよいし、音声で入力してもよいし、記録媒体に記憶させた情報をサーバ１１０のドライブにセットして読み取らせてもよい。または、オペレータの指示する外部サーバへアクセスし、その外部サーバから情報をダウンロードしてもよい。電力情報収集サーバ１１０は、需要家２から瞬時電力値や検針値を直接取得できない場合、送配電事業者などが運用するコンピュータシステムから、それら瞬時電力値や検針値を取得してもよい。

支援情報提供サーバ１５０は、支援対象の需要家へ支援情報を提供するサーバであり、上述した電力情報収集サーバ１１０と同様に、ユーザインターフェース部１５１、マイクロプロセッサ部１５２、メモリ部１５３、通信部１５４を備える。それら装置１５１〜１５４は、電力情報収集サーバ１１０で述べたと同様であるため、説明を省略する。

メモリ部１５３に格納された支援情報提供プログラムＰＧ１７は、支援情報サーバ１４０の省エネ行動ＤＢ１４４から支援情報を取得して支援対象の需要家へ送信する処理を実行する。

ここで、図１に示す支援システム１と図２〜図４に示す各サーバ１１０〜１５０との対応関係の一例を説明する。データ収集部１０は、例えば、電力情報収集サーバ１１０に対応する。情報記憶部１１は、例えば、需要家情報ＤＢサーバ１３０に対応する。分類部１２、類似クラスタ群抽出部１５、目標クラスタ選定部１６、特徴検出部１７は、例えば、データ分析サーバ１２０に対応する。省エネルギ行動推定部１８は、例えば、省エネルギ支援情報サーバ１４０に対応する。支援情報提供部１９は、例えば、支援情報提供サーバ１５０に対応する。

図５は、需要家２の構成例を示す。需要家２は、その文脈に応じて、自然人または法人等として、または、装置等として扱う。需要家２は、電力を消費する自然人または法人等であるが、実際に電力を使用するのは家庭電化製品やエレベータなどの電気設備や電気負荷である。支援システム１を利用する需要家２を、ユーザまたは需要家２のユーザと呼ぶことがある。

図２で述べたように、需要家２には、管理端末２１０が設けられている。管理端末２１０は、例えば、マイクロプロセッサ部２１１、メモリ部２１２、入力部２１３、表示部２１４、通信部２１５、Ｉ／Ｏ（Input/Output）部２１６を備える。

マイクロプロセッサ部２１１は、メモリ部２１２に格納されたコンピュータプログラムＰＧ２１、ＰＧ２２を実行することで、管理端末２１０としての機能を実現する。メモリ部２１２には、例えば、送信プログラムＰＧ２１、表示プログラムＰＧ２２、制御プログラムＰＧ２３が格納されている。

送信プログラムＰＧ２１は、センサ２２０の検出した情報を定期的にまたは随時に電力情報収集サーバ１１０へ送信する処理を実行するプログラムである。情報の送信タイミングとしては、例えば、前回の送信時から所定時間が経過した場合、サーバ１１０から要求された場合、所定の変化が検出された場合などがある。

表示プログラムＰＧ２２は、支援情報提供サーバ１５０から受信した支援情報の全部または一部を表示部２１４に表示させる処理を実行するプログラムである。制御プログラムＰＧ２３は、支援情報提供サーバ１５０から受信した支援情報に後述する設備制御方法が含まれている場合に、その設備制御方法に従って電気設備を制御する処理を実行するプログラムである。

入力部２１３は、需要家２のユーザからの情報を受け付ける装置である。入力部２１３は、例えば、キーボード、手動ボタン、タッチパネル、音声指示装置などとして構成することができる。表示部２１４から管理端末２１０からユーザへ情報を提供するための装置である。表示部２１４は、例えば、ディスプレイ、プリンタ、音声出力装置などから構成することができる。

通信部２１５は、通信ネットワークＣＮ１を介して、支援システム１の電力情報収集サーバ１１０および支援情報提供サーバ１５０に接続されている。通信部２１５は、情報を電力情報収集サーバ１１０へ送信する。さらに、通信部２１５は、支援情報提供サーバ１５０から支援情報を受信する。

Ｉ／Ｏ部２１６は、管理端末２１０の外部に設けられている所定の装置と通信ネットワークＣＮ３を介して接続されている。Ｉ／Ｏ部２１６は、所定の装置との間で、信号やデータを交換する。所定の装置としては、センサ２２０、太陽光発電装置２３０、バッテリ２４０、ヒートポンプ２５０、電気負荷２６０がある。上述のように、全ての需要家２がそれぞれ同一の設備を有するわけではなく、需要家の種別に応じて保有設備の種類や仕様は異なる。

図６は、電力消費データを分類するクラスタリング処理を示す概念図である。図６（ａ）は、各需要家２から収集した電力消費データであって、クラスタリング処理の実行前の状態を示す。

複数の電力消費データの形状の類似度を分析することで、図６（ｂ）〜（ｄ）に示すように、幾つかのクラスタＫ１、Ｋ２、Ｋ３を抽出することができる。各クラスタを代表する電力消費データの形状は、「電力消費パターン」に該当する。

昼間の電力需要の変動が比較的少ない需要家は、クラスタＫ１に分類される。不規則な電力需要変動の多い需要家は、クラスタＫ２に分類される。昼間に大きな需要ピークが現れる需要家は、クラスタＫ３に分類される。図６に示すクラスタ（電力消費パターン）は例示であって、図示したものに限定されない。

図７は、クラスタＤＢ１２４の構成例を示す。クラスタリング処理の結果は、データ分析サーバ１２０のクラスタＤＢ１２４に記録される。クラスタＤＢ１２４は、リレーショナル型のＤＢであり、例えば、需要家識別子と、需要家の電力消費データと、属性情報と、クラスタ番号と、類似クラスタ群の情報とが格納される。ここでの属性情報には、例えば、需要家の位置、契約メニュー、契約受電量、電気設備などがある。

需要家識別子（需要家ＩＤ）は、各需要家２を識別する情報である。電力消費データは、例えば３０分間のような所定時間毎の電力消費データである。契約メニューには、通常プラン、深夜割引プランなどの用意された契約メニューのうち、その需要家で契約しているメニューである。契約受電量は、その需要家で利用可能な電力量の上限値である。電気設備には、ヒートポンプ、バッテリ、太陽光発電装置２１０、負荷２６０を含むことができる。

クラスタ番号は、クラスタリング処理の結果、その需要家が属するクラスタを識別する情報である。類似クラスタ群番号とは、その需要家と共通する属性を有する他の需要家をまとめたクラスタ群を識別する情報である。図７の例では、一方の需要家（ＩＤ１）はクラスタＫ１に、他方の需要家（ＩＤ２）はクラスタＫ２にそれぞれ属している。そして、各需要家（ＩＤ１、ＩＤ２）は同一の類似クラスタ群に属している。

図８は、診断木の例を示す概念図である。ノードＮ１は、需要家の属性である「業種（種別）」を示す。業種の値が「商業施設」である場合は左側の診断木へ、「工場」である場合は右側の診断木へと進む。業種が「商業施設」の場合、電気設備の属性として「ヒートポンプ（ＣＨＰ）有り」「電気設備無し」「太陽光発電装置（ＰＶ）有り」のいずれかに分類される。業種が「工場」の場合、契約プランの属性として「深夜割引プラン」「通常プラン」のいずれかに分類される。

リーフＬ１、Ｌ２は、診断結果としてのクラスタ番号を示す。リーフＬ１には、業種が「商業施設」であり、属性「電気設備」が「ＣＨＰ」である需要家の属するクラスタが集まっている。「商業施設」であり、「ＣＨＰ」を有するクラスタには、クラスタＫ１とクラスタＫ２の需要家が集まっている。これらの共通する属性を有するクラスタの集合を類似クラスタ群ＳＫと呼ぶ。属性が共通するクラスタとは、属性の全てが共通する場合に限らず、属性の一部が共通する場合も含む。換言すれば、需要家の持つ全ての属性のうち、一部が共通する需要家は、属性の類似する需要家である。

図９は、電力消費データと環境情報との相関を分析する概念を示す。図９の上段は、各クラスタＫ１〜Ｋ３を代表する電力消費パターンを示す。図９の中段は、環境情報の一例としての気温の時間変化を示す。図９の下段は、電力消費データと気温との相互相関関数の算出結果を示す。

下記の数１により、相互相関関数を得ることができるｆ（ｔ）は電力消費データの変化、ｇ（ｔ）は温度変化を示す。算出した相互相関関数は、代表電力消費パターンと環境情報とのタイムラグｔにおける類似度を示し、t=０における値を同一時刻での類似度である相関係数と呼ぶ。環境情報は、クラスタの算出に用いた電力消費データと同一期間に計測された温度、湿度、日照量、降雨量などの気象条件に関する時系列データである。

図９の左列に、クラスタＫ１より算出された相互相関関数を示す。図９の中央の列に、クラスタＫ２より算出された相互相関関数を示す。図９の右列に、クラスタＫ３により算出された相互相関関数を示す。

クラスタＫ１に係る相互相関関数は、クラスタＫ２に係る相互相関関数よりも、ピーク値および相関係数が大きい。クラスタＫ１に係る相互相関関数は、クラスタＫ３に係る相互相関関数よりも、ピーク値および相関係数が大きく、かつ、ピーク遅れ時間は小さい。

ここで例えば、クラスタＫ１が電力消費の点で優良なクラスタ（目標クラスタ）であるとする。この場合、クラスタＫ１を他のクラスタＫ２、クラスタＫ３と比較すること、相関係数の大きさがクラスタＫ１とその他クラスタＫ２およびＫ３とを区別するための特徴量として抽出することができる。クラスタ同士を区別する特徴量の種別としては、相関係数に限らず、ピーク値、遅れ時間などがある。

図１０は、省エネルギ支援情報サーバ１４０の有する省エネ行動ＤＢ１４４の構成例を示す。省エネ行動ＤＢ１４４は、例えば、省エネ行動と、環境情報と、特徴量と、変化を対応付けて管理する。

省エネ行動とは、電力消費量を低減するために需要家で実行しうる具体的な行動を示す情報である。省エネ行動の例としては、「冷暖房前倒し」、「照明消灯」、「ＰＶ清掃」、「夜間外気取り入れ」などがある。

「冷暖房前倒し」は、冷暖房設備の運転開始時刻を通常よりも早くする行動を示す。建物断熱性などによっても異なるが、気温が低い早朝のうちに冷房を開始したり、気温がまだ高い夕方のうちに暖房を開始したりすることで、電力消費量を低減できる。省エネ行動「冷暖房前倒し」を実行する場合、環境情報としての気温と電力消費データとの相互相関関数において、「ピーク値」「遅れ時刻」「相関係数」がそれぞれ減少する。それらの値の変化は、省エネ行動ＤＢ１４４の「変化」に記録されている。

省エネ行動「照明消灯」は、照明装置を消灯する行動を示す。省エネ行動「照明消灯」は、環境情報としての日照量と電力消費データとの相関係数を減少させる。省エネ行動「ＰＶ清掃」は、太陽光発電装置２３０を清掃する行動を示す。太陽光発電パネルの表面に積もった塵埃などを取り除いたり、太陽光発電パネルを覆い隠す雑草を除いたりする行動である。省エネ行動「ＰＶ清掃」は、環境情報としての日照量と電力消費データとの相互相関関数において「ピーク値」を減少させる。

省エネ行動「夜間外気取り入れ」は、夜間に外気を建物内に取り込むことで、室温を予め低下させる行動である。省エネ行動「夜間外気取り入れ」は、環境情報としての気温と電力消費データとの相互相関関数において、「遅れ時刻」を増加させる。つまり、外部の気温が上昇した場合でも、前夜のうちに冷たい外気を室内に導いて室温を低下させているため、空調装置を作動させる時刻が通常よりも遅くなる。すなわち、省エネ行動「夜間外気取り入れ」は、気温上昇に対する電力消費量増大の追従が遅れる。さらに、省エネ行動「夜間外気取り入れ」は、環境情報としての気温と電力消費データとの相互相関関数において、ピーク値を減少させる。

省エネ行動は、図１０に示すものに限られない。電力消費量を節減できる行動であればよい。例えば、空調装置のフィルタを清掃したり、空調装置の冷媒を補充または交換したり、窓ガラスに遮光シールを貼ったり、壁に断熱材を設けたりする行為も省エネ行動の一種である。

図１１は、省エネルギ支援処理の全体を示すフローチャートである。各需要家２の管理端末２１０は、契約条件や電気設備の種類、需要家の種別（業種）などの基本的な属性情報を支援システム１の電力情報収集サーバ１１０へ送信する（Ｓ１０）。電力情報収集サーバ１１０は、需要家２から受信した属性情報を需要家情報ＤＢサーバ１３０の属性情報ＤＢ１３５へ蓄積する（Ｓ１１）。

なお、基本的属性情報は、需要家２から支援システム１へ送信する場合に限らず、オペレータが需要家情報ＤＢサーバ１３０へ入力してもよい。また、基本的属性情報は、管理端末２１０が自動的に支援システム１へ送信してもよいし、ユーザが管理端末２１０を操作して送信してもよい。

需要家２では、その後、何らかの省エネ行動を実施することができる（Ｓ１２）。このステップＳ１２は、人間により手動で行われる可能性がある。手動で実行されるステップは点線で示す。

省エネ行動としては、図１０で述べたように、冷暖房前倒し、照明消灯、ＰＶ清掃、夜間外気取り入れなどがある。管理端末２１０が電気設備を制御できる場合、空調装置の設定温度などの設定値や動作ログは、省エネ行動の実績となる。

ユーザが空調装置のフィルタや室外機を清掃したり、夜間の外気を取り込んだり、太陽光発電装置の周囲の除草をしたりした場合、ユーザは、それら省エネ行動の作業記録を管理端末２１０へ入力する。自動的に実行される省エネ行動がある場合、その省エネ行動が実行された旨の情報も管理端末２１０へ入力される。

手動または自動で何らかの省エネ行動が実施されると、その省エネ行動の実績を示す情報は、管理端末２１０から通信ネットワークＣＮ１を介して支援システム１へ送信される（Ｓ１３）。支援システム１の電力情報収集サーバ１１０は、管理端末２１０から省エネ行動の実績に関するデータを受信すると、記憶する（Ｓ１４）。

需要家２において電気負荷２６０が作動すると、電力を消費する（Ｓ１５）。センサ２２０は、その電力消費量を検出して管理端末２１０に送る。管理端末２１０は、電力消費データを支援システム１へ送信する（Ｓ１６）。管理端末２１０は、例えば、３０分間などの所定周期で消費電力量（ｋＷｈ）を支援システム１へ送信する。支援システム１の需要家情報ＤＢサーバ１３０は、管理端末２１０から受信した電力消費データを電力消費量ＤＢ１３６へ記憶する（Ｓ１７）。

管理端末２１０は、センサ２２０で検出した気温や日照量などの環境情報を支援システム１へ送信する（Ｓ１８）。支援システム１の需要家情報ＤＢサーバ１３０は、管理端末２１０から受信した環境情報を環境情報ＤＢ１３４へ記憶する（Ｓ１９）。

支援システム１は、所定のタイミングで、需要家２における省エネルギを支援するための処理（Ｓ２０〜Ｓ２４）を実行する。所定のタイミングとしては、例えば、一年毎、季節毎、毎月、毎週、毎日を挙げることができる。例えば、夏と冬のように、消費電力量の大きい季節だけ、省エネルギを実現するための行動を提案してもよい。

データ分析サーバ１２０は、各需要家２の電力消費データに基づいて、各需要家２を電力消費の実態が似ているクラスタへ分類すると共に、各クラスタに属する需要家２の属性情報に基づいて、各クラスタを特徴付けている属性値を抽出する（Ｓ２０）。

データ分析サーバ１２０は、分類した各クラスタと、受信した省エネ行動の実績とに基づいて、クラスタ毎に特徴的な省エネ実績を抽出する（Ｓ２１）。さらに、データ分析サーバ１２０は、気温や日照量などの環境情報と、各クラスタにおける電力消費の代表的な傾向を示す電力消費パターンとの相関を分析することで、電力消費パターンに影響を与えている環境情報の項目を推測する（Ｓ２２）。

省エネルギ支援情報サーバ１４０は、各需要家２に対して提示すべき省エネ行動を、クラスタ分類と省エネ実績と環境情報との相関に基づいて抽出する（Ｓ２３）。省エネルギ支援情報サーバ１４０は、省エネ行動を含む支援情報を生成し、各需要家２へ送信する（Ｓ２４）。

需要家２の管理端末２１０は、支援システム１から支援情報を受信すると、表示部２１４に表示する（Ｓ２５）。ステップＳ２０〜Ｓ２３の詳細は、後述する。

図１２は、各需要家２を電力消費データに基づいて分類する処理（図１１のＳ２０）の詳細を示すフローチャートである。

データ分析サーバ１２０は、各需要家２から収集した電力消費データの類似度に応じてクラスタリングを行う（Ｓ３０）。ここで電力消費データの類似度を求める方法の一例を説明する。例えば、電力消費データをフーリエ変換することで、周波数成分の量（フーリエ係数）を抽出する。次に、分割した各電力消費パターン間の類似度を、抽出したフーリエ係数列の差として定義する。そして、例えば、ｋ−ｍｅａｎｓ法等の、教師なしクラスタリング手法を用いて、電力消費データを分類する。なお、これまでに受信した電力消費データの時系列全体を分類処理に用いてもよいし、あるいは、月毎や週毎のような任意の期間の電力消費データを用いて分類してもよい。

データ分析サーバ１２０は、需要家２の契約条件や保有する電気設備等の属性情報とクラスタとから、診断木を生成する（Ｓ３１）。診断木は、電力消費パターンを分類したクラスタ毎に特徴的な属性値を発見するためのものである。つまり、ステップＳ３１では、各クラスタを特徴付けている属性値を発見するために、診断木を作成する。

図８に示したように、属性情報をノードとして、クラスタを示す識別番号をリーフとして、各需要家の契約条件や保有設備等の属性と当該需要家が属するクラスタの識別番号とを入力として、決定木学習アルゴリズムにより診断木を作成する。決定木学習アルゴリズムとしては、例えば、ＩＤ３、Ｃ４．５などがある。なお、診断木は、ＩＤ３などの決定木学習アルゴリズムで生成する場合に限らない。各クラスタに共通する属性項目と属性値を抽出することが可能であり、かつ、属性値に基づいて、既知の需要家の属するクラスタのうちいずれのクラスタに属するかを予測できる方法であればよい。例えば、全ての属性値の組合せを網羅した決定表を用いて、診断木を作成してもよい。

データ分析サーバ１２０は、クラスタと診断木を用いて、図８に示すように、属性値が類似するクラスタ群ＳＫを抽出する（Ｓ３２）。類似クラスタ群とは、契約条件や保有する電気設備等の属性値が全て共通するクラスタ、もしくは、一定割合以上共通するクラスタの集合である。ステップＳ３１で作成した診断木において、リーフに割り当てられた１つ以上のクラスタを類似クラスタ群と判断して、抽出する。

図１３は、クラスタ毎に特徴的な省エネ実績を抽出する処理（図１１のＳ２１）の詳細を示すフローチャートである。

データ分析サーバ１２０は、全ての類似クラスタ群について、複数のクラスタが含まれているか検査する（Ｓ４０）。

類似クラスタ群に複数のクラスタが含まれる場合（Ｓ４０：ＹＥＳ）、それらクラスタを代表する電力消費パターンに基づいて、最も省エネ指標の値の良い優良クラスタを抽出する（Ｓ４１）。つまり、データ分析サーバ１２０は、類似クラスタ群を構成する各クラスタの電力消費パターンについて、省エネ指標の値をそれぞれ算出し、最も良い値を得たクラスタを優良クラスタとして抽出する。

類似クラスタ群を構成する各クラスタのうち、優良クラスタ以外の他のクラスタを、省エネ支援の対象クラスタとして抽出することもできる。または、省エネ指標の値が所定の支援対象基準値よりも低いクラスタを、支援対象クラスタとして抽出してもよい。さらには、オペレータ（システム管理者）の指定するクラスタを支援対象クラスタとしてもよいし、あるいは、需要家２からの黙示または明示の要求により、その需要家２の属するクラスタを支援対象クラスタとして抽出してもよい。なお、ここでは、省エネ指標が良いとは、省エネ指標が高いことを意味する。

ここで、代表的な電力消費パターンは、そのクラスタに属する需要家の電力消費の傾向を代表する電力消費パターンである。例えば、当該クラスタに属する需要家の電力消費データにおける時刻毎の平均値を代表電力消費パターンとしてもよい。または、ｋ−ｍｅａｎｓ法により求めたクラスタの重心を、逆フーリエ変換した時系列データを代表電力消費パターンとして用いてもよい。

省エネ指標は、支援システム１または需要家２にとっての、電力消費の効率を示す値である。省エネ指標は、クラスタの代表電力消費パターンから算出可能であり、かつ、クラスタ間で比較可能な値であれば何れでもよい。省エネ指標は、例えば、最大使用電力、合計使用電力、稼働率のいずれでもよい。最大使用電力は、代表電力消費パターンの最大値から算出できる。合計使用電力は、代表電力消費パターンの値を合算することで求めることができる。稼働率は、合計使用電力量を最大使用電力で割ることで求められる。

データ分析サーバ１２０は、優良クラスタの省エネ行動履歴と支援対象クラスタの省エネ行動履歴とから、優良クラスタに特徴的な省エネ行動を抽出する（Ｓ４２）。

データ分析サーバ１２０は、例えば、需要家分類に用いた電力消費パターンの計測期間における省エネ行動履歴を取得する。そして、データ分析サーバ１２０は、優良クラスタで実施されている省エネ行動のうち、支援対象の需要家での実行回数よりも多く実施されている省エネ行動を、抽出する。つまり、データ分析サーバ１２０は、優良クラスタに属する需要家で実施されている省エネ行動の種別およびその実行回数と、支援対象クラスタに属する需要家で実施されている省エネ行動の種別およびその実行回数と、優良クラスタに属する需要家で実施されていない省エネ行動の種別およびその実行回数数と、支援対象クラスタに属する需要家で実施されていない省エネ行動およびその実行回数とを算出することで、優良クラスタでの実行回数が支援対象クラスタでの実行回数よりも多い省エネ行動種別を抽出する。

ここでは、優良クラスタに特徴的な省エネ行動を推奨すべき省エネ行動として抽出する場合を説明した。これに代えて、例えば、支援対象クラスタのみに見られる省エネ行動を「効果の薄い省エネ行動」として抽出しても良い。効果の薄い省エネ行動を需要家に通知することで、需要家は無駄な省エネ行動を実行する必要がなくなり、需要家の利便性が向上する。

図１４は、気温や日照量などの環境情報と電力消費パターンとの相関を分析する処理（図１１のＳ２２）の詳細を示すフローチャートである。

データ分析サーバ１２０は、全ての類似クラスタ群について、複数のクラスタが含まれるか検査する（Ｓ５０）。類似クラスタ群が複数のクラスタを含む場合（Ｓ５０：ＹＥＳ）、データ分析サーバ１２０は、類似クラスタ群を構成する各クラスタの中から、最も省エネ指標の高い優良クラスタを抽出する（Ｓ５１）。データ分析サーバ１２０は、図１３のステップＳ４１で述べたと同様に、各クラスタを代表する代表電力消費パターンを生成し、各電力消費パターンについて省エネ指標を算出し、省エネ指標が最も良いクラスタを優良クラスタとして抽出する。データ分析サーバ１２０は、優良クラスタ以外の他のクラスタを、支援対象クラスタとして抽出することができる。

データ分析サーバ１２０は、優良クラスタの代表電力消費パターンと、支援対象クラスタの代表電力消費パターンと、それら代表電力消費パターンの算出対象期間における環境情報との、相互相関関数を算出する（Ｓ５２）。相互相関関数は、図９で述べたように、上述の数１で算出することができる。

データ分析サーバ１２０は、相互相関関数から複数の特徴量を算出する（Ｓ５３）。ここで、特徴量としては、相互相関関数から算出可能であり、相互相関関数の何らかの特徴を示す値であり、かつ、スカラー値であれば何れの値でもよい。特徴量は、例えば、相互相関関数の最大値もしくは最小値として算出されるピーク値、ピーク値でのタイムラグであるピーク遅れ時刻、タイムラグ０における相関係数の少なくともいずれか１つを含むことができる。

データ分析サーバ１２０は、相互相関関数から算出した特徴量に基づいて、優良クラスタと支援対象クラスタとを区別するための特徴量とその閾値とを算出する（Ｓ５４）。データ分析サーバ１２０は、例えば、クラスタと各クラスタの特徴量とから、環境情報の種別と特徴量の種別を１つずつ抽出し、優良クラスタと支援対象クラスタを分割する閾値を算出する。

例えば、線形Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅにおいて、特徴量を要素とするベクトル化した特徴量ベクトルを入力情報とする。そして、優良クラスタで有れば「１」を、支援対象クラスタであれば「−１」を教師信号として学習し、学習結果としての識別平面の係数から最も影響の大きい特徴量を抽出しても良い。

または、特徴量の種別それぞれについて、優良クラスタと支援対象クラスタとを分割する最も誤識別率が少ない閾値を算出し、誤識別が最も小さい特徴量種別およびその閾値を抽出してもよい。

図１５は、支援対象の需要家へ推奨する省エネ行動を抽出する処理（図１１のＳ２３）の詳細を示すフローチャートである。

省エネルギ支援情報サーバ１４０は、省エネ行動の提示対象である需要家（支援対象の需要家）について、その契約条件や保有する電気設備などの属性情報を属性情報ＤＢ１３５から取得する（Ｓ６０）。

なお、支援対象の需要家は、例えば電力消費量が多いなどの何らかの抽出基準によって事前に抽出しておいても良いし、省エネ行動の提示を支援システム１に要求した需要家でも良い。または、支援システム１の管理下にある各需要家のうち、優良クラスタに属する需要家以外の全需要家を、支援対象の需要家として抽出してもよい。

支援情報サーバ１４０は、支援対象の需要家が属するクラスタを推定し、そのクラスタが属する類似クラスタ群と、その類似クラスタ群からステップＳ４１およびステップＳ５１で抽出された優良クラスタとを取得する（Ｓ６１）。

支援対象の需要家のこれまでの電力消費データが取得可能な場合、例えばｋ−ｍｅａｎｓ法で算出したクラスタの重心との距離の最も近いクラスタを、支援対象の需要家の属するクラスタとする。支援対象の需要家のこれまでの電力消費データが得られない場合、属性情報を図１２のステップＳ３１で生成した診断木へ入力することで、その支援対象の需要家が所属する類似クラスタ群を推定する。

支援情報サーバ１４０は、支援対象の需要家が優良クラスタに属するか否かを判定する（Ｓ６２）。支援情報サーバ１４０は、支援対象の需要家が優良クラスタに属すると判定した場合（Ｓ６２：ＹＥＳ）、本処理を終了する。支援対象の需要家は、省エネ指標の最も良いクラスタに属しており、省エネ行動を提示する必要性が乏しいためである。

支援情報サーバ１４０は、支援対象の需要家が優良クラスタ以外のクラスタに属すると判定した場合（Ｓ６２：ＮＯ）、そのクラスタの属する類似クラスタ群を特定する。支援情報サーバ１４０は、その類似クラスタ群から抽出される優良クラスタの持つ代表電力消費パターンを、目標とすべき電力消費パターンに設定する（Ｓ６３）。

支援情報サーバ１４０は、優良クラスタに特異な省エネ行動を取得し、その省エネ行動を、支援対象の需要家へ提示する推奨省エネ行動とする（Ｓ６４）。優良クラスタに特異な省エネ行動を抽出する処理は、図１３で述べた。

支援情報サーバ１４０は、図１４で算出した環境情報との相関分析結果として、優良クラスタと支援対象の需要家の属するクラスタとを区別する、環境情報の種別および特徴量の種別を取得する（Ｓ６５）。

支援情報サーバ１４０は、環境情報の種別および特徴量の種別に対応する省エネ行動を抽出する（Ｓ６６）。ここで、環境情報の種別および特徴量の種別に対応する省エネ行動とは、温度や日照量等の環境情報に依存して内容が変化する省エネ行動である。例えば、温度に応じて制御内容と電力消費量とが変化する冷暖房設備における冷房の前倒し運転や、夜間の外気取り入れなどの行動が該当する。

環境情報の種別および特徴量の種別と省エネ行動との対応関係は、事前に省エネルギ支援情報サーバ１４０の省エネ行動ＤＢ１４４に登録しておいても良い。あるいは、需要家の過去の電力消費データと過去の省エネ行動との対応関係に基づいて、環境情報の種別および特徴量の種別と省エネ行動との関係を統計的に推定しても良い。

例えば、「夜間の外気取り入れ」を実施する前後で、電力消費量と気温との相互相関関数のピーク値が低下した場合を想定する。この場合、環境情報の種別「気温」と特徴量の種別「ピーク値」とに対して、省エネ行動「夜間の外気取り入れ」を対応付けて記憶することができる。

本処理では、目標とする電力消費パターン（Ｓ６３）と、過去の省エネ行動履歴から抽出した省エネ行動（Ｓ６４）と、環境情報との相関から抽出した省エネ行動（Ｓ６６）の３つの情報を抽出する場合を説明した。しかし、それら３つの情報全てを抽出して支援対象の需要家へ提示する必要はなく、３つのうちのいずれか１つ以上を抽出して提示する構成でもよい。

図１６は、省エネ行動の提案画面Ｇ１０の一例を示す。支援システム１の支援情報提供サーバ１５０は、支援対象の需要家に対し、省エネ行動提案画面Ｇ１０を通じて支援情報を提供する。

提案画面Ｇ１０は、例えば、分析結果表示部ＧＰ１１、電力消費パターン表示部ＧＰ１２、推奨省エネ行動表示部ＧＰ１３、効果表示部ＧＰ１４を備える。分析結果表示部ＧＰ１１は、支援対象の需要家の電力消費を分析した結果を表示する。電力消費パターン表示部ＧＰ１２は、支援対象の需要家が目標とすべき電力消費パターンと、支援対象の需要家の現在の電力消費の時間変化とが表示される。

推奨省エネルギ行動表示部ＧＰ１３は、支援対象の需要家に推奨する省エネ行動を表示する。効果表示部ＧＰ１４は、推奨省エネ行動を実行した場合に期待できる省エネ効果の推定値を表示する。支援対象の需要家は、画面Ｇ１０の表示内容を確認し、省エネ行動を実行することができる。

このように構成される本実施例によれば、需要家の電力消費データを分類し、省エネルギに関して支援を要する需要家と手本となるべき需要家とを抽出し、支援を要する需要家に適切な省エネ行動を提示することができる。本実施例によれば、支援対象の需要家自身との比較ではなく、支援対象の需要家と似た属性を有する他の需要家を手本として、省エネ行動を抽出するため、実践的で効果の高い省エネ行動を推奨できる。

また本実施例によれば、環境情報との関係からも省エネ行動を抽出して支援対象の需要家へ提示することができる。

従って、本実施例によれば、需要家での電力消費を効果的に節減し、電力料金を低減することができる。

本実施例によれば、最初に需要家を分類し、次に類似クラスタ群を抽出するため、電力消費パターンの似ている需要家については省エネ行動を抽出する必要がなく、その分計算処理を低減できる。また、最初に需要家を分類するため、クラスタリング処理（分類処理）に使用するデータを十分確保して、適切なクラスタを適切な数だけ形成できる。もし、類似クラスタ群の抽出を先に実行し、その類似クラスタ群の中で需要家を分類する場合、クラスタリング処理に使用するデータ量が少なくなるため、クラスタを形成する処理の精度が低下する。

図１７および図１８を用いて第２実施例を説明する。本実施例は、第１実施例の変形例に該当するため、第１実施例との相違を中心に説明する。本実施例では、支援対象の需要家の有する電気設備を遠隔制御することで、省エネルギを達成する。

図１７は、クラスタ毎に特徴的な省エネ実績を抽出する処理の他の例を示すフローチャートである。本処理は、図１３に示す処理と共通のステップＳ４０，Ｓ４１と、異なるステップＳ４２Ａとを含む。

データ分析サーバ１２０は、各類似クラスタ群について、複数のクラスタが含まれるかを検査する（Ｓ４０）。類似クラスタ群が複数のクラスタを含む場合（Ｓ４０：ＹＥＳ）、データ分析サーバ１２０は、図１３のステップＳ４１で述べたように、優良クラスタを抽出する（Ｓ４１）。

データ分析サーバ１２０は、優良クラスタにおける過去の設備制御履歴と支援対象の需要家における過去の設備制御履歴とに基づいて、優良クラスタのみに見られる設備制御方法を抽出する（Ｓ４２Ａ）。

データ分析サーバ１２０は、需要家の分類処理で用いた電力消費パターンの計測期間における、各需要家の冷暖房設備などの設定モードや動作ログを取得し、優良クラスタに属する需要家に多く設定されている設備制御方法を抽出する。ここで、設備制御方法は、各需要家間で比較できるように、例えば「前倒し」「設定温度上げ」「設定温度下げ」等の動作状態を示す有限離散個のラベルで表現する。

図１８は、支援対象の需要家用に省エネ行動を抽出する処理の他の例を示すフローチャートである。本処理は、図１５に示す処理と共通のステップＳ６０〜Ｓ６３と、異なるステップＳ６４Ａ、Ｓ７０、Ｓ７１を含む。

支援情報サーバ１４０は、支援対象の需要家について、その契約条件や保有設備などの属性情報を取得する（Ｓ６０）。支援情報サーバ１４０は、支援対象の需要家が属するクラスタを推定し、そのクラスタが属する類似クラスタ群と、その類似クラスタ群から選ばれた優良クラスタとを取得する（Ｓ６１）。支援対象の需要家が優良クラスタに属する場合（Ｓ４０：ＹＥＳ）、本処理は終了する。

支援情報サーバ１４０は、支援対象の需要家が優良クラスタ以外の他のクラスタに属すると判定した場合（Ｓ４０：ＮＯ）、そのクラスタの属する類似クラスタ群から選ばれた優良クラスタの代表電力消費パターンを取得し、その代表電力消費パターンを目標とすべき電力消費パターンとする（Ｓ６３）。

支援情報サーバ１４０は、図１７の処理で抽出した、優良クラスタに特異な設備制御方法を取得する（Ｓ６４Ａ）。支援情報サーバ１４０は、抽出した設備制御方法が支援対象の需要家に適用可能であるか検査する（Ｓ７０）例えば、抽出した設備制御方法が、特定の冷暖房設備の制御に関する方法の場合、支援対象需要家がその冷暖房設備を保有しているかを検査する。さらに、支援情報サーバ１４０は、支援対象の需要家の保有設備が遠隔からの制御を受け付けるかを検査する。さらに、支援情報サーバ１４０は、抽出した設備制御方法の内容が、支援対象の需要家の保有設備に対する指示方法へ変換可能であるかを検査する。

支援情報サーバ１４０は、抽出した設備制御方法を含む支援情報を生成し、その支援情報を支援情報提供サーバ１５０を介して、支援対象の需要家へ送信する（Ｓ７１）。支援対象の需要家の管理端末２１０は、支援情報に含まれる設備制御方法を、その制御対象の電気設備に送り、動作を制御する。これにより、支援システム１による支援対象の需要家の保有設備を遠隔制御する。

なお、支援情報に、設備制御方法を実現するための指示と指定時刻とを含ませて、事前に管理端末２１０へ送信して記憶させてもよい。この場合、指定時刻になったら、指示通りに電気設備を制御する。リアルタイムで遠隔制御する場合は、その時点で、設備制御方法を実現するための指示を含む支援情報を支援対象の需要家へ送信すればよい。

このように構成される本実施例も第１実施例と同様の作用効果を奏する。さらに本実施例では、支援システム１が支援対象の需要家の保有する電気設備を遠隔制御することができるため、例えばユーザが高齢者などの場合でも、適切に省エネルギを実現することができ、ユーザの利便性が向上する。

なお、本発明は、上述した実施形態に限定されない。当業者であれば、本発明の範囲内で、種々の追加や変更等を行うことができる。

１：省エネルギ支援システム、２：需要家、１１０：電力情報収集サーバ、１２０：データ分析サーバ、１３０：需要家情報ＤＢサーバ、１４０：省エネルギ支援情報サーバ、１５０：支援情報提供サーバ、２１０：管理端末、２２０：センサ、２３０：太陽光発電装置、２４０：バッテリ、２５０：ヒートポンプ、２６０：電気負荷

Claims (15)

1. 需要家における省エネルギを支援するための省エネルギ支援システムであって、
   各需要家の電力消費データと、前記各需要家のエネルギ消費に関する属性情報と、前記各需要家で実施された省エネルギ行動の履歴とを取得する情報取得部と、
   取得した前記各電力消費データから複数の電力消費パターンを抽出し、抽出した前記電力消費パターン毎に前記各需要家を分類する分類部と、
   前記各需要家から前記属性情報が共通する需要家群を抽出する需要家群抽出部と、
   前記需要家群を構成する各需要家の属する電力消費パターンのうち、所定の省エネルギ指標に関する値が所定の省エネルギ基準値以上である電力消費パターンを目標電力消費パターンとして選択する目標選択部と、
   前記各需要家のうち前記目標電力消費パターンに属する目標需要家で実行された省エネルギ行動のうち少なくとも一部を推奨省エネルギ行動として抽出し、抽出した前記推奨省エネルギ行動を含む支援情報を作成して、支援対象の需要家に送信する省エネルギ行動支援部と、を含む
   省エネルギ支援システム。
   
2. 前記省エネルギ行動支援部は、前記目標需要家が複数ある場合、前記各目標需要家で共通して実施された省エネルギ行動の少なくとも一部を前記推奨省エネルギ行動として抽出する、
   請求項１に記載の省エネルギ支援システム。
   
3. 前記省エネルギ行動支援部は、前記需要家群を構成する前記各需要家で実行された省エネルギ行動と前記目標需要家で実行された省エネルギ行動とを比較し、前記目標需要家での実行数が前記各需要家での実行数よりも多い省エネルギ行動を前記推奨省エネルギ行動として抽出する、
   請求項１または２のいずれかに記載の省エネルギ支援システム。
   
4. 前記省エネルギ行動支援部は、前記推奨省エネルギ行動と前記目標電力消費パターンを含めて支援情報を作成する、
   請求項２または３のいずれかに記載の省エネルギ支援システム。
   
5. 前記省エネルギ行動支援部は、前記需要家群を構成する前記各需要家の属する前記電力消費パターンのうち、前記所定の省エネルギ指標に関する値が前記所定の省エネルギ基準値未満である電力消費パターンを検出し、検出した前記電力消費パターンに属する需要家を前記支援対象の需要家として選択する、
   請求項４に記載の省エネルギ支援システム。
   
6. 前記情報取得部は、さらに、前記各需要家における電気設備の制御方法を示す制御履歴を取得し、
   前記省エネルギ行動支援部は、前記目標需要家で実行された電気設備の制御方法のうち少なくとも一部を推奨制御方法として抽出し、抽出した前記推奨制御方法を前記支援情報に含める、
   請求項１に記載の省エネルギ支援システム。
   
7. 前記省エネルギ行動支援部は、前記支援情報に含まれる前記推奨制御方法に従って、前記支援対象の需要家の電気設備を遠隔制御する、
   請求項６に記載の省エネルギ支援システム。
   
8. 前記情報取得部は、さらに、前記各需要家の環境に関する環境情報を取得し、
   前記省エネルギ行動支援部は、
   前記各需要家の前記電力消費データと前記環境情報との関係の度合を示す特徴量を算出し、
   前記需要家群を構成する前記各需要家に共通する前記特徴量の範囲を算出し、
   前記需要家群を構成する前記各需要家における前記特徴量の差異を算出し、
   前記差異が所定の特徴量基準値以上の特徴量に対応する環境情報を特定し、
   特定した前記環境情報に対応する省エネルギ行動を推定し、
   推定した前記省エネルギ行動を他の推奨省エネルギ行動として選定する、
   請求項１に記載の省エネルギ支援システム。
   
9. 前記省エネルギ行動支援部は、前記各需要家の前記電力消費データと前記環境情報との相互相関関数を算出し、遅れ時間が無い場合の前記相互相関関数の値、任意の遅れ時間における前記相互相関関数のピーク値、前記ピーク値の遅れ時間の少なくともいずれか一つを、前記特徴量として算出する、
   請求項８に記載の省エネルギ支援システム。
   
10. 前記省エネルギ行動支援部は、前記環境情報の種別および前記特徴量の種別に対応させて、前記省エネルギ行動を管理する、
    請求項９に記載の省エネルギ支援システム。
    
11. 前記省エネルギ行動支援部は、前記省エネルギ行動を実行した場合と実行しなかった場合とにおける前記特徴量の差異が所定の記憶基準値以上のときに、前記特徴量の種別と前記環境情報の種別と前記省エネルギ行動とを対応付けて管理する、
    請求項１０に記載の省エネルギ支援システム。
    
12. 需要家における省エネルギをコンピュータを用いて支援するための省エネルギ支援方法であって、
    前記コンピュータは、通信ネットワークを介して前記各需要家に接続されており、
    前記コンピュータは、
    各需要家の電力消費データと、前記各需要家のエネルギ消費に関する属性情報と、前記各需要家で実施された省エネルギ行動の履歴とを取得し、
    取得した前記各電力消費データから複数の電力消費パターンを抽出し、
    抽出した前記電力消費パターン毎に前記各需要家を分類し、
    前記各需要家から前記属性情報が共通する需要家群を抽出し、
    前記需要家群を構成する各需要家の属する電力消費パターンのうち、所定の省エネルギ指標に関する値が所定の省エネルギ基準値以上である電力消費パターンを目標電力消費パターンとして選択し、
    前記各需要家のうち前記目標電力消費パターンに属する目標需要家で実行された省エネルギ行動のうち少なくとも一部を推奨省エネルギ行動として抽出し、
    抽出した前記推奨省エネルギ行動を含む支援情報を作成して、支援対象の需要家に送信する、
    省エネルギ支援方法。
    
13. 前記コンピュータは、前記目標需要家が複数ある場合、前記各目標需要家で共通して実施された省エネルギ行動の少なくとも一部を前記推奨省エネルギ行動として抽出する、
    請求項１２に記載の省エネルギ支援方法。
    
14. 前記コンピュータは、前記需要家群を構成する前記各需要家で実行された省エネルギ行動と前記目標需要家で実行された省エネルギ行動とを比較し、前記目標需要家での実行数が前記各需要家での実行数よりも多い省エネルギ行動を前記推奨省エネルギ行動として検出する、
    請求項１２または１３のいずれかに記載の省エネルギ支援方法。
    
15. 前記コンピュータは、前記推奨省エネルギ行動と前記目標電力消費パターンを含めて支援情報を作成する、
    請求項１３または１４のいずれかに記載の省エネルギ支援方法。

Images