JP6292515B2 - 需要予測装置、プログラム - Google Patents

Description

本発明は、需要電力量を予測して求める需要予測装置、コンピュータを需要予測装置として機能させるためのプログラムに関する。

従来、住宅ごとの電力需要を予測し、節電行動を促す技術が提案されている。また、電力需要については、データベースに格納された環境情報およびエネルギー消費量計測情報を用いて定義された演算式を用いて予測する技術が提案されている（たとえば、特許文献１参照）。特許文献１に記載された環境情報は、天気予報データなどを含んでいる。さらに、特許文献１には、エネルギー消費量を予測する際に、平日型と休日型とのデータベースを切り替えて使用する技術についても記載されている。

特開２０１３−１０９５５０号公報

ところで、特許文献１に記載された技術は、住宅を単位としてエネルギー消費予測値を算出している。すなわち、気象条件のような環境情報と住宅全体のエネルギー消費量とに相関があるという予測に基づいて予測を行っている。

しかしながら、エネルギーを消費する機器は住宅に多種類存在しているから、住宅を単位としてエネルギー消費量を予測したとしても、環境情報とエネルギー消費量の間に十分に強い相関が生じるとは言いがたい。

本発明は、所定の予測期間における需要電力量の予測精度を高めた需要予測装置を提供することを目的とする。さらに、本発明は、コンピュータをこの需要予測装置として機能させるためのプログラムを提供することを目的とする。

本発明に係る需要予測装置は、電気負荷が消費する電力の変動因子になる第１の情報を取得する第１の取得部と、所定の予測期間が開始される前に前記第１の取得部が取得した前記第１の情報を用いることにより、分電盤で複数系統に分岐された分岐回路ごとに前記予測期間に要求される需要電力量を求める予測部と、前記分岐回路ごとに前記電気負荷の消費電力値を第２の情報として計測装置から取得する第２の取得部と、前記第２の情報を取得した日時に前記第１の情報および前記第２の情報を結び付けて保存する記憶部と、前記記憶部が記憶している前記第１の情報および前記第２の情報を用いて、前記第１の情報と前記需要電力量との対応関係を規定しかつ前記分岐回路ごとに設定された予測モデルを生成するモデル生成部と、前記第１の情報と前記第２の情報との相関係数の絶対値が所定値以上である場合に、該当する第１の情報を採用する分析部とを備え、前記分析部は、前記分岐回路に接続された前記電気負荷について、前記記憶部に保存された前記第２の情報に基づいて、運転の開始時刻および運転が継続する運転時間を推定し、前記モデル生成部は、前記分析部が採用した前記第１の情報に前記需要電力値を対応させた前記予測モデルを生成し、前記開始時刻および前記運転時間を推定された前記電気負荷が接続されている前記分岐回路については、前記開始時刻と前記運転時間とを含むように前記予測モデルを生成し、前記予測部は、前記予測モデルに、前記第１の取得部が取得した前記第１の情報を当て嵌めることにより、前記予測期間における前記需要電力量を前記分岐回路ごとに求めることを特徴とする。

本発明は、予測モデルを分岐回路ごとに設定し、分岐回路ごとに需要電力量を求めている。この構成により、本発明は、所定の予測期間における需要電力量を分岐回路ごとに適切な予測モデルを用いて求めることが可能になり、結果的に、需要電力量の予測精度が高まるという利点がある。

実施形態の一例を示すブロック図である。 実施形態において外気温と消費電力値との関係例を示す図である。 実施形態における消費電力値に関する分布の例を示す図である。 実施形態において電気負荷を運転する頻度の例を示す図である。 実施形態において消費電力値の推移例を示す図である。 実施形態において外気温と消費電力値のピーク値との関係例を示す図である。 実施形態において消費電力値の推移例を示す図である。 実施形態において消費電力値の差分の推移例を示す図である。

図１に示すように、本実施形態の需要予測装置１０は、第１の取得部１１１と予測部１２とを備える。第１の取得部１１１は、電気負荷２４が消費する電力の変動因子になる第１の情報を取得する。予測部１２は、所定の予測期間が開始される前に第１の取得部１１１が取得した第１の情報を用いることにより、分電盤２１で複数系統に分岐された分岐回路２２ごとに予測期間に要求される需要電力量を求める。さらに、予測部１２は、第１の情報が需要電力量に対応しかつ分岐回路２２ごとに設定された予測モデルに、第１の取得部１１１が取得した第１の情報を当て嵌めることにより、予測期間における需要電力量を分岐回路２２ごとに求める。以下では、需要電力量を予測する対象が住宅２０である場合を想定して説明するが、需要電力量を予測する対象は、店舗、オフィス、教育施設（学校、塾）などであってもよい。

本実施形態の需要予測装置１０は、電源２５から受電した電力が分電盤２１により複数系統の分岐回路２２に分岐され、分岐回路２２に電気負荷２４が接続されていれば、利用する場所にとくに制限はない。電源２５は、電気事業者が供給する系統電源（商用電源）だけではなく、太陽光発電装置、蓄電装置、燃料電池システムなどの分散型電源を含んでいてもよい。電気負荷２４の消費電力は、分岐回路２２ごとに計測装置２３が計測する。

計測装置２３は、分電盤２１に内蔵される構成と、分電盤２１の外部に配置される構成とのいずれかが採用される。分岐回路２２と電気負荷２４とは、一対一に対応する場合と一対多に対応する場合とがある。たとえば、エアコン、ＩＨクッキングヒータ（ＩＨ：Induction Heating）、電子レンジのように消費電力が比較的大きい電気負荷２４は、分岐回路２２に一対一に接続されていることがある。分岐回路２２と電気負荷２４とが一対多に接続される場合、住宅２０における部屋を単位として分岐回路２２が割り当てられることが多い。本実施形態では、説明を簡単にするために、分岐回路２２に単一の電気負荷２４が接続されている場合と、分岐回路２２が住宅２０の部屋に対応する場合とのほかは考慮しない。

計測装置２３は、分岐回路２２ごとの通過電流をロゴスキーコイル、クランプ型の電流センサなどから選択されるセンサにより監視し、監視した電流値と分岐回路２２の線間の電圧値との積の積算値を消費電力値として算出する。すなわち、計測装置２３が計測する消費電力値は、実際には瞬時値ではなく、所定の単位時間ごとの電力量である。単位時間は、たとえば、１秒〜１０分程度の範囲で選択され、望ましくは、３０秒あるいは１分が選択される。単位時間は１秒程度であってもよい。

分岐回路２２ごとの瞬時電力は、単位時間内でも時間経過に伴って変動しているが、本実施形態では、単位時間内での瞬時電力の変動は考慮せず、単位時間における積算電力量を消費電力値とする。この消費電力値を単位時間で除すれば、単位時間における消費電力の平均値が得られる。単位時間が短いほど消費電力値の変化が詳細に監視されるが、処理すべき情報量が増加し、また、必要以上に詳細な情報が増加するから、負荷が増大することになる。単位時間は、消費電力値の時間変化の傾向を認識できる程度に設定されていればよい。

需要予測装置１０は、プログラムを実行することによって以下の機能を実現するコンピュータを主なハードウェア構成として備える。言い換えると、コンピュータを、需要予測装置１０として機能させるためのプログラムが提供される。この種のコンピュータは、パーソナルコンピュータのほか、スマートフォン、タブレット端末などの可搬型の端末装置であってもよい。また、コンピュータは、マイコン（microcontroller）のようにプロセッサとメモリとを一体に備える構成であってもよい。

需要予測装置１０を構成するコンピュータが、パーソナルコンピュータ、スマートフォン、タブレット端末などから選択される場合、計測装置２３から通信によって消費電力値を受け取るための中継装置を設けることが望ましい。この種の中継装置としては、ＨＥＭＳコントローラ（ＨＥＭＳ：Home Energy Management System）を用いることが望ましいが、無線ＬＡＮ（Local Area Network）のアクセスポイントを中継に用いるように構成することも可能である。

ＨＥＭＳコントローラは、計測装置２３から消費電力値を取得し、消費電力値を適宜の提示装置に提示することにより消費電力値を見える化するように構成される。また、ＨＥＭＳコントローラは、通信機能を備える特定の電気負荷２４との間で通信することによって、電気負荷２４の動作を監視し、また電気負荷２４の動作を指示することが可能になっている。ＨＥＭＳコントローラもまたコンピュータ（マイコン）を備えるから、需要予測装置１０は、ＨＥＭＳコントローラの一部の機能として実現することも可能である。

需要予測装置１０は、インターネットのような電気通信回線を通して通信するサーバと端末装置とによって構成されていてもよい。この場合、端末装置が計測装置２３から取得した消費電力値をサーバに転送するように構成されていてもよい。この構成では、サーバにおいて予測モデルが生成され、またサーバにおいて予測モデルを用いて需要電力量を予測する。なお、需要予測装置１０は、中継装置を経由することなく、計測装置２３から消費電力値を直接取得する構成であってもよい。

要するに、本実施形態を実現する態様は様々であり、ＣＰＵ（Central Processing Unit）の処理能力、メモリの容量などのハードウェア資源、あるいは利用の形態などに応じて、需要予測装置１０としてのタスクを適宜の装置で処理するように構成される。なお、プログラムは、ＲＯＭ（Read Only Memory）にあらかじめ書き込まれるほか、インターネットのような電気通信回線を通して提供されるようにしてもよい。また、コンピュータで読み取り可能な記録媒体によりプログラムが提供されてもよい。

以下に需要予測装置１０の構成および動作を説明する。以下では、図１に示すように、需要予測装置１０がサーバ４０の一機能として実現されている場合を想定して説明する。本実施形態の需要予測装置１０は、第１の取得部１１１と第２の取得部１１２と予測部１２と記憶部１３と分析部１４とモデル生成部１５と出力部１６とを備える。さらに、需要予測装置１０は内蔵時計１８を備える。

第１の取得部１１１は、消費電力値の変動因子になる第１の情報を取得する。また、第２の取得部１１２は、消費電力値を第２の情報として取得する。第１の取得部１１１は、分岐回路２２に接続された電気負荷２４に対応する消費電力値の変動因子のみを第１の情報として取得するように構成してもよいが、さまざま電気負荷２４に対応する消費電力値の変動因子をまとめて取得することが望ましい。

消費電力値の変動因子は、たとえば、分岐回路２２に接続された電気負荷２４が冷暖房装置あるいは冷蔵庫であれば、外気温、天候などが考えられる。外気温は、公的機関が発表する屋外の気温を意味する。天候は、室内に入射する日射量を変化させ、室温を変化させるから、結果的に消費電力値の変動因子になる。すなわち、この種の電気負荷２４に対しては、少なくとも、外気温および天候が第１の情報になる。

なお、太陽高度、カーテンあるいはブラインドの開閉状態などの因子によっても室内に入射する日射量が変化するが、これらの因子の消費電力値への影響は、人の習慣によって天候の影響に折り込まれるから、基本的には天候を考慮すればよい。つまり、室内への日射量が増加する時間帯であって晴天であれば、人はカーテンあるいはブラインドにより日射量を低減させようとし、曇天であれば、人は外光を遮らないようにカーテンあるいはブラインドを操作する。したがって、カーテンあるいはブラインドの開閉状態、太陽高度などの室温への影響は、天候の影響に折り込まれることになる。

分岐回路２２に接続された電気負荷２４が給湯器である場合は外気温、水温などが消費電力値の変動因子になり、電気負荷２４がＩＨクッキングヒータである場合は室温、水道水の水温などが消費電力値の変動因子になる。要するに、給湯器とＩＨクッキングヒータとのいずれについても、湯を沸かす場合には、消費電力値が水温により変化する。

また、分岐回路２２に接続された電気負荷２４が照明装置である場合、季節、天候などが消費電力値の変動因子になる。分岐回路２２に電気負荷２４として洗濯機が接続されている場合、天候に応じて、洗濯を行うか否かの判断が変わり、また洗濯量も変化すると考えられるから、天候が消費電力値の変動因子になる。

さらに、電気負荷２４の全般にわたって、住宅２０における人数の変化、行動の変化などが消費電力値の変動因子になる。住宅２０における人数および行動は、一般的には、平日、休日、長期休暇などの日の特性によりほぼ決まる。なお、長期休暇は、園児、就学児童、生徒、学生などが同居している住宅２０において、学校等の休暇期間を意味する。

上述のように、消費電力値の変動因子になる第１の情報の要素には、外気温、天候、日の特性、水温、室温などがあり、電気負荷２４の種類に応じた要素が消費電力値の変動因子になる。したがって、第１の取得部１１１は、電気負荷２４の種類に応じた要素を含む第１の情報を取得する。

第１の情報が外気温および天候である場合、第１の取得部１１１は、インターネットのような電気通信回線を通して第１の情報を取得すればよい。冷暖房機器がエアコンである場合、第１の取得部１１１は、室外機に内蔵された温度センサから外気温を取得してもよい。また、給湯器がヒートポンプ式の熱源機を備え、かつ熱源機が温度センサを備えていれば、第１の取得部１１１は、この温度センサから外気温を取得してもよい。

日の特性については、内蔵時計１８のカレンダとしての機能を用いることによって取得することが可能である。ただし、需要予測装置１０は、内蔵時計１８のカレンダとしての機能とは別に、休日および長期休暇などの設定が可能になるように構成されていることが望ましい。すなわち、需要予測装置１０は、適宜の入力装置３１から入力情報を受け付ける入力部１７を備え、入力部１７が入力情報として受け付けた日の特性を、記憶部１３に記憶させる構成であることが望ましい。この構成では、第１の取得部１１１は、内蔵時計１８が計時する日時を、記憶部１３に記憶された入力情報と照合することによって、該当する日の特性を取得することが可能になる。内蔵時計１８は、たとえば需要予測装置１０に設けられたリアルタイムクロックが用いられる。

日の特性は、ほとんどの電気負荷２４に対して消費電力値の変動因子になる。また、上述したように、分岐回路２２は電気負荷２４に一対一に対応しているとは限らず、分岐回路２２と電気負荷２４とが一対多に接続される場合もある。この場合、消費電力値は、部屋を単位として計測され、分岐回路２２ごとに計測した消費電力値には複数の電気負荷２４の消費電力値が混在して含まれる可能性がある。このように、部屋を単位とした消費電力値であっても、一般的には、平日と休日とで消費電力値に差異が生じるから、日の特性は変動因子になる。

第１の取得部１１１が、水温または室温を第１の情報として取得する場合、水温または室温を精度よく計測しようとすれば、水温または室温を監視するための温度センサが必要になるが、これらは外気温、天候などの情報から推定してもよい。つまり、水温または室温は、専用の温度センサを用いて監視することが望ましいが、外気温、天候から推定した値で代用してもよい。結局、第１の情報は、日の特性を除くと、外気温を含む気象情報であればよい。第１の取得部１１１が取得する第１の情報は、上述した例に限らず、電気負荷２４の種類に応じて適宜に定められる。

第２の取得部１１２は、計測装置２３が計測した分岐回路２２ごとの消費電力値を取得する。第２の取得部１１２は、計測装置２３を接続するためのインターフェイス部として兼用されている。上述したように第２の情報である消費電力値は、計測装置２３が単位時間ごとに算出するから、第２の取得部１１２は分岐回路２２ごとの消費電力値を単位時間ごとに取得する。なお、計測装置２３において単位時間ごとに消費電力値を算出する機能を第２の取得部１１２が兼用するように構成することも可能である。

記憶部１３は、第１の取得部１１１が取得した第１の情報と、第２の取得部１１２が取得した第２の情報と、内蔵時計１８が計時している日時とを結び付けた情報を記憶する。言い換えると、第２の取得部１１２が分岐回路２２ごとの消費電力値を第２の情報として取得した時点で、第１の取得部１１１が取得している第１の情報と、第２の情報を取得した時点で内蔵時計１８が計時している日時との組が記憶部１３に記憶される。要するに、記憶部１３は、第１の情報と分岐回路２２ごとに得られる第２の情報と日時とをまとめて記憶する。

第１の取得部１１１が電気通信回線を通して第１の情報としての外気温および天候を取得する場合、消費電力値が取得された時点の第１の情報は、たとえば１０分単位で取得可能であり、また、翌日の第１の情報は、たとえば１時間単位で取得可能である。第１の情報を取得する時間の間隔は、例示した時間に限られない。

上述した動作により、需要予測装置１０の記憶部１３は、分岐回路２２ごとの第２の情報と第１の情報との推移の履歴を記憶する。記憶部１３は、１週間、１ヶ月、６ヶ月、１年、２年などから選択される期間において第１の情報および第２の情報を記憶できる程度の容量を有することが望ましい。記憶部１３に第１の情報および第２の情報を格納する期間が長いほど情報量が多くなり、予測の精度が高い予測モデルを生成できる可能性があるが、長期間にわたって第１の情報および第２の情報を収集していると利用開始が遅れる。したがって、比較的短い期間の第１の情報および第２の情報を用いて予測モデルを仮に生成しておき、その後、予測精度を高めるために、必要に応じて予測モデルを修正することが望ましい。

ところで、本実施形態は、分岐回路２２に接続された電気負荷２４の種類に応じて第１の情報が適切に定められているときに、当該第１の情報から需要電力量を推定することが可能になるという予想に基づいて構成されている。つまり、所定の予測期間における需要電力量を求めようとすれば、該当する第１の情報に関して予測期間における値を知る必要がある。第１の情報に関する値は、外気温であれば温度値であり、天候であれば晴天、曇天などの別を意味し、日の特性であれば平日、休日などの別を意味する。

分岐回路２２ごとに第１の情報が定められていることは、分岐回路２２ごとに予測モデルが設定されていることを意味する。したがって、予測期間における第１の情報に関する値がわかっていれば、この値を予測モデルに当て嵌めることによって、予測期間における需要電力量を求めることが可能になる。すなわち、予測期間における第１の情報を第１の取得部１１１が取得していれば、予測部１２は予測期間における需要電力量を求めることが可能になる。

上述した説明から明らかなように、予測モデルは、第１の情報が需要電力量に対応するように生成される。予測モデルは、第１の情報を独立変数に持つ数式、あるいは第１の情報が照合されるデータテーブルによって表現される。第１の情報は、外気温あるいは天候については１時間単位で取得可能であり、日の特性については１日単位になる。

たとえば、電気負荷２４がエアコンであって、対応する第１の情報が外気温および天候であるとすれば、予測モデルは、外気温および天候の組み合わせに対して需要電力量を結び付けた形式になる。ここで、予測期間が翌日であれば、第１の情報である外気温および天候は１時間単位で取得することが可能であるから、１時間単位で需要電力量の予測が可能になる。

ただし、エアコンのような電気負荷２４は、一般的には、１日のうちの一部の時間帯でのみ運転されるから、需要電力量を求めるには運転する時間帯を求める必要がある。さらに、この種の電気負荷２４は、運転中の消費電力量が大幅に変動するから、消費電力値の変動を見込んで需要電力量を予測することが必要になる。この種の電気負荷２４が運転する時間帯を予測し、かつ消費電力量の変動を見込んで需要電力量を予測する技術については後述する。

次に、モデル生成部１５が予測モデルを生成する手順について説明する。上述したように、記憶部１３は、第２の取得部１１２が分岐回路２２ごとの消費電力値を第２の情報として取得した時点で、第１の取得部１１１が取得している第１の情報と、第２の情報を取得した時点で内蔵時計１８が計時している日時との組を記憶する。つまり、記憶部１３が記憶している第１の情報および第２の情報の履歴を分析すると、分岐回路２２ごとに、第１の情報と第２の情報との関連性を見出せる可能性がある。

分析部１４は、両者の相関を評価することによって、第１の情報と第２の情報との関連性を抽出する。記憶部１３が保存している第１の情報には、外気温、天候、日の特性などが含まれている。したがって、これらの要素を単独または組み合わせて第２の情報との相関を求めると、第２の情報と強い相関が現れる可能性が予測される。

いま、説明を簡単にするために、記憶部１３が保存しているデータを用いて、電気負荷２４としてエアコンが接続された分岐回路２２について、冷房期間における消費電力値と外気温との相関を求める場合を想定する。なお、第２の情報である消費電力値を第２の取得部１１２が取得する時間間隔は１分とする。すなわち、記憶部１３は、分岐回路２２ごとに消費電力値と外気温とのデータが１分間隔で保存していると仮定する。

記憶部１３に保存された消費電力値と外気温とを組み合わせたデータをプロットした散布図は、たとえば、図２のようになる。分析部１４は、該当する分岐回路２２について、外気温と消費電力値との相関係数を求める。図２は模式的に記載しているから、データ数が数十個程度と少ないが、実際には１日で１４４０個のデータをプロットすることが可能である。

分析部１４は、図示例のような関係において、相関係数の絶対値が適宜の基準値以上であれば、第１の情報と第２の情報とを結び付けた予測モデルを生成可能と判断する。基準値は、たとえば０．６〜０．８などの範囲内で適宜に定められる。分析部１４で設定された基準を満足した場合には、モデル生成部１５において予測モデルが生成される。すなわち、モデル生成部１５は、記憶部１３に保存された第１の情報と消費電力値との組み合わせに基づいて、第１の情報を需要電力量に対応させた予測モデルを生成する。ただし、記憶部１３が保存している消費電力値は、第１の情報と一対一に対応するわけではなく、第１の情報に対して消費電力値にはばらつきがある。そのため、予測モデルにおいても、第１の情報を需要電力量に一意に対応付けることは困難である。

そのため、モデル生成部１５は、第１の情報に需要電力量の標準値を対応させた第１の予測モデルと、第１の情報に需要電力量の許容範囲における境界値を対応させた第２の予測モデルとを生成することが望ましい。

第１の予測モデルは、たとえば図２の実線のように、消費電力値を外気温に対して直線で近似することによって求められる。すなわち、第１の予測モデルを生成するには、第１の情報を独立変数として需要電力量を求めるように１次関数の予測式を設定する。すなわち、予測式は、ａ×（外気温）＋ｂ×（需要電力量）＋ｃ＝０という形式で表される。記憶部１３に保存された消費電力値と外気温とを用いて、予測式における係数ａ、ｂ、ｃを、最小二乗法などによって定めると第１の予測モデルとなる予測式が得られる。このようにして定められた係数ａ、ｂ、ｃを標準値Ｖ０とする。

第２の予測モデルにおける境界値は、記憶部１３に保存されている第１の情報に対する消費電力値の分布に基づいる生成される。ここでは、図３に示すように、外気温が等しい場合の消費電力値の分布が、標準値Ｖ０を平均値とした正規分布に当て嵌められる。消費電力値の分布が正規分布に当て嵌められると分散が求められるから、分散の大きさで境界値を定めることが可能になる。たとえば、正規分布の平均値μおよび分散σを用いて、上側の境界値がμ＋σ、下側の境界値がμ−σなどに定められる。なお、境界値は外気温ごとに求めているから、外気温の全範囲について外気温ごとに求めた境界値を、係数ａ、ｂ、ｃが標準値Ｖ０である予測式と平行な直線で近似することが望ましい。このようにして定めた境界値の例を、図２に一点鎖線で示す。すなわち、第２の予測モデルは、図２に一点鎖線で示す２本の直線の間の領域になる。

上述のようにして第１の予測モデルと第２の予測モデルとが生成されると、予測部１２は、予測期間における需要電力量を、第１の予測モデルと第２の予測モデルとを用いて求めることが可能になる。その結果、予測部１２は、第１の予測モデルを用いて需要電力量の標準値を求め、第２の予測モデルを用いて需要電力量の上限値および下限値を求めることが可能になる。

需要予測装置１０は、予測部１２が求めた需要電力量を、適宜の提示装置３０に出力するための出力部１６を備える。提示装置３０は、液晶表示器のようなフラットパネルディスプレイである表示器と、タッチパネルあるいは押釦スイッチのような操作器とを一体に備える操作表示装置を採用することが望ましい。この種の提示装置３０は、需要予測装置１０のための専用装置であってもよいが、出力部１６に端末装置と通信する機能が付加されていれば、端末装置を提示装置３０として採用することが可能である。この種の端末装置として、パーソナルコンピュータ、スマートフォン、タブレット端末などから選択される汎用の端末装置を採用すると、専用の提示装置３０を用いることなく、需要予測装置１０との間で情報の授受が可能になる。

上述した入力部１７に入力情報を与える入力装置３１は、提示装置３０と同様に、表示器と操作器とを一体に備える操作表示装置を用いることが望ましい。すなわち、入力装置３１は需要予測装置１０のための専用装置であってもよいが、入力部１７に端末装置と通信する機能が付加されていれば、端末装置を入力装置３１として採用することが可能である。端末装置は、パーソナルコンピュータ、スマートフォン、タブレット端末などから選択される汎用の端末装置を採用することが望ましい。

提示装置３０と入力装置３１とは、ハードウェアを共用してもよい。ただし、提示装置３０と入力装置３１とのハードウェアを共用する場合、端末装置で実行する応用プログラム（いわゆる、アプリ）により、提示装置３０と入力装置３１との機能が実現される。

以上説明したように、第２の取得部１１２は、分岐回路２２ごとに電気負荷２４の消費電力値を第２の情報として計測装置２３から取得する。また、記憶部１３は、第２の情報を取得した日時に第１の情報および第２の情報を結び付けて保存する。モデル生成部１５は、記憶部１３が記憶している第１の情報および第２の情報を用いて、予測モデルを生成する。

また、需要予測装置１０は、第１の情報と第２の情報との相関係数の絶対値が所定値以上である場合に、該当する第１の情報を採用する分析部１４を備えることが望ましい。この場合、モデル生成部１５は、分析部１４が採用した第１の情報に需要電力量を対応させた予測モデルを生成する。

さらに、モデル生成部１５は、第１の予測モデルと第２の予測モデルとを生成することが望ましい。第１の予測モデルは、第１の情報に需要電力量の標準値を対応させる。第２の予測モデルは、記憶部１３に保存されている第１の情報に対する第２の情報の分布に基づいて、第１の情報に需要電力量の許容範囲における境界値を対応させる。

加えて、モデル生成部は、第１の情報に対して需要電力量が標準値になる確率と、第１の情報に対して境界値になる確率とを、記憶部１３に保存されている第１の情報に対する第２の情報の分布に基づいて求めてもよい。

さらに、予測部１２は、第１の情報に第１の予測モデルおよび第２の予測モデルをそれぞれ当て嵌めることにより、需要電力量の標準値と境界値とを求めるように構成されることが望ましい。この場合、需要予測装置１０は、予測部１２が求めた需要電力量の標準値および境界値にそれぞれ確率を対応付けて提示装置３０に出力する出力部１６をさらに備える。

上述した予測モデルは、電気負荷２４を運転する期間を考慮していない。そのため、上述した予測モデルのみを用いると、終日運転される電気負荷２４の需要電力量、あるいは電気負荷２４を運転する時間帯が指定されている場合の需要電力量を求めることになる。以下では、電気負荷２４を運転する時間帯の予測を行い、さらに、消費電力値が第１の情報とは関係なく変動する電気負荷２４に関する需要電力量を予測する技術について説明する。

ここで説明する予測モデルは、分岐回路２２ごとに電気負荷２４が使用される時間帯を含んでいる。この予測モデルを生成するために、分析部１４は、記憶部１３に保存されている複数日（たとえば、１ヶ月以上）のデータを用いて、分岐回路２２ごとに、電気負荷２４の運転が開始される時刻と、電気負荷２４の運転開始から運転停止までの時間とを求める。以下では、電気負荷２４の運転が開始される時刻を開始時刻といい、電気負荷２４の運転開始から運転停止までの時間を運転時間という。

なお、ここでは１つの分岐回路２２に１つの電気負荷２４が接続されている場合を想定する。電気負荷２４が、たとえばエアコン、ＩＨクッキングヒータ、電気床暖房装置などである場合、１つの分岐回路２２が１つの電気負荷２４で専用されることが多い。また、洗濯機のように設置場所からほとんど移動することのない電気負荷２４も１つの分岐回路２２を専用することがある。

本実施形態では、分岐回路２２ごとに待機電力値に基づいて基準値が定められており、分析部１４は、消費電力値が立ち上がって基準値を超えると、該当する分岐回路２２に接続された電気負荷２４の運転が開始されたと判断する。また、分析部１４は、消費電力値が基準値まで立ち下がると、該当する分岐回路２２に接続された電気負荷２４の運転が停止したと判断する。

ところで、分岐回路２２ごとの開始時刻は第１の情報における日の特性が同じであれば似た傾向を示し、また分岐回路２２ごとの運転時間は第１の情報における日の特性が同じであれば似た傾向を示すことが判明した。そこで、第１の情報における日の特性が同じであるデータを記憶部１３から抽出し、分岐回路２２ごとに１日における開始時刻の頻度と運転時間の頻度とを求めたところ、頻度に偏りが見られた。

図４は、エアコンのみが接続された分岐回路２２における開始時刻の頻度の例を表しており、９：００、１２：００、２２：００の３区間において、他の区間よりも頻度が大きいことがわかる。図４では１区間を１時間に定めているが、３０分、１５分など、さらに短い時間の区間を定めることも可能である。なお、区間に付与した各時刻は、区間の開始時刻を表している。したがって、９：００の区間は９：００から１０：００の１時間を意味する。

分析部１４は、図４のようにして開始時刻の頻度を求めた後、頻度が相対的に高い開始時刻を抽出する。抽出する開始時刻の個数にはとくに制限はないが、分析部１４は、頻度が１である場合、例外として扱えばよい。要するに、分析部１４は、頻度が１である開始時刻については、予測モデルの生成には用いなくてもよい。図４の例において、頻度が上位から３番目までの開始時刻が抽出されている。したがって、抽出される開始時刻は９：００、１２：００、２２：００である。

分析部１４は、電気負荷２４の１回の運転時間についても頻度を求め、頻度が相対的に高い運転時間を抽出する。ここでは、開始時刻を求めた分岐回路２２と同じエアコンのみが接続された分岐回路２２について１回の運転時間を抽出したところ、１時間、３時間、４時間の頻度が相対的に高いという結果が得られた。

さらに、３種類の開始時刻ごとに３種類の運転時間がそれぞれ生じる確率を求めたところ表１のような結果が得られた。表１における確率は、同じ開始時刻について、それぞれの運転時間が生じた割合を示している。

表１によれば、開始時刻が９：００であると運転時間は３時間がもっとも多く、開始時刻が１２：００であると運転時間は１時間がもっとも多く、開始時刻が２２：００であると運転時間は４時間がもっとも多くなっている。ここで、開始時刻の頻度により予測モデルとして採用するか否かが決められ、開始時刻ごとに確率が最大になる運転時間の組み合わせが予測モデルとして採用される。したがって、上述の例では、モデル生成部１５は、開始時刻が９：００の場合に１回の運転時間を３時間とする予測モデルを生成し、開始時刻が２２：００の場合に１回の運転時間を４時間とする予測モデルを生成する。

ところで、電気負荷２４の種類によっては、消費電力量が運転開始の直後において大幅に増加し、その後、消費電力値が低下して変動量が小さくなることがある。消費電力値がこのように変化する電気負荷２４には、たとえば、エアコンのような冷暖房装置、ＩＨクッキングヒータ、ヒートポンプ式の給湯器などがある。このように主として加熱または冷却のために用いられる電気負荷２４は、運転を開始した直後には、加熱または冷却の対象物の温度と目標温度との差が大きいから、対象物の温度を目標温度に近づけるために多くの電力を消費する。一方、対象物の温度が目標温度に達した後、目標温度を維持するための電力を消費するだけになるから、消費電力値は運転開始の直後に比べて低下する。

したがって、この種の電気負荷２４における消費電力値は、運転開始から急激に立ち上がり、ピーク値を経て低下した後、ほぼ安定するという変化を示す傾向がある。このような変化を模式的に表すと図５のようになる。図５における左側の消費電力値の変化は開始時刻が９：００の予測モデルを示し、上述したように運転時間は３時間である。また、図５における右側の消費電力値の変化は開始時刻が２２：００の予測モデルを示し、上述したように運転時間は４時間である。

ところで、消費電力値が図５に示すように変化する場合、図６のように、消費電力値のピーク値と外気温との間には比較的強い相関が生じることが知られている。ここでの外気温は、電気負荷２４を使用する環境の温度であって、室温の場合も含まれる。ただし、この場合の室温は、冷暖房装置を使用する前の温度であり、外気温に応じて変化する温度を意味する。一方、図５において消費電力値が安定している状態の電力値は、消費電力値のピーク値と外気温とにより定まることがわかっている。

これらの知見によれば、図５に示すような予測モデルでは、外気温と消費電力値のピーク値との関係をあらかじめ求めておけば、外気温に基づいて消費電力値のピーク値が求められる。また、消費電力値のピーク値および外気温から、消費電力値が安定している状態の電力値を導く関係をあらかじめ求めておけば、外気温から求めた消費電力値のピーク値と外気温とを用いて、消費電力値が安定している状態の電力値を推算することが可能になる。

いま、外気温θと消費電力値のピーク値Ｃｐとの関係がＣｐ＝ｆ（θ）で表され、消費電力値が安定している状態の電力値Ｃｓが、消費電力値のピーク値Ｃｐと外気温θとを用いてＣｓ＝ｇ（Ｃｐ，θ）という形式で表されると仮定する。この関係が成立する場合、Ｃｓ＝ｇ（ｆ（θ），θ）であって、予測モデルに関する消費電力値は、結局は、外気温θの関数に帰着することがわかる。

分析部１４は、予測モデルに関して消費電力の積算値を求めるために、予測モデルにおける運転時間を、実測に基づいて、消費電力値が安定した状態の期間とそれ以外の期間とに分け、それぞれの期間における消費電力の積算値を合計する。

上述した予測モデルを２つの期間に分けるには、予測モデルの生成と同様に、記憶部１３に保存されているデータを用いる。予測モデルを２つの期間に分けるには、予測モデルを生成する場合と同様に、複数日のデータを用いる必要があるが、ここでは、２つの期間を分ける手順を簡単に説明するために、１回の運転時間におけるデータを用いる。

図７に示すように、電気負荷２４がエアコンである場合、消費電力値は、運転開始の直後において急激に立ち上がり、その後、低下して安定した状態になる。さらに時間が経過すると、エアコンは、停止と運転とを断続的に繰り返すようになる。すなわち、エアコンによって室温が目標温度に達すると、運転が一旦停止する状態と、運転を再開する状態とを間欠的に繰り返すようになる。この動作は、エアコンの運転を止めるまで継続する。なお、運転が一旦停止する状態と再開する状態とを繰り返す期間において、消費電力値の平均値は、消費電力値が安定した状態と同程度とみなすことができる。

ここに、運転が一旦停止している時間は１０分以内であるから、この程度の時間の停止後に運転が再開される場合は、エアコンを運転中とみなす必要がある。そのため、分析部１４は、運転が停止した後、停止状態がたとえば３０分継続すると運転を止めたと判断する。一方、分析部１４は、消費電力値が基準値を超えて立ち上がった時点で、エアコンが運転を開始したと判断する。このようにして、分析部１４は、記憶部１３が保存しているデータを用いてエアコンを１回運転する期間における消費電力値を抽出する。エアコン以外の電気負荷２４についても同様の動作を行う電気負荷２４に対しては、分析部１４は同様に判断する。ただし、運転を止めたと判断する時間は、対象となる電気負荷２４に応じて設定される。

上述のようにして分析部１４がエアコンを１回運転する期間における消費電力値を抽出すると、モデル生成部１５は、抽出された消費電力値に基づいて予測モデルを生成する。エアコンの予測モデルを２つの期間に分けるために、分析部１４が抽出した消費電力値について、時刻が隣接するデータの差分を求める。すなわち、１つの消費電力値をＰ（ｎ）とすると、差分ΔＰ（ｎ）は、ΔＰ（ｎ）＝Ｐ（ｎ）−Ｐ（ｎ−１）であり、Ｐ（０）は基準値を超える直前の値が用いられる。なお、ｎは正の整数値である。

図７に示す消費電力値に対して、差分ΔＰ（ｎ）を求めると図８のようになる。図８では正負の符号を考慮せず、差分ΔＰ（ｎ）は絶対値を表している。図８から明らかなように、消費電力値のピーク値Ｃｐの前後の期間には比較的大きい差分ΔＰ（ｎ）の出現頻度が高くなる。一方、消費電力値が安定した状態の期間には比較的小さい差分ΔＰの出現頻度が高い状態が継続した後に、比較的大きい差分ΔＰ（ｎ）が間欠的に出現するようになる。

消費電力値が図７のように変化する場合、予測モデルを２つの期間に分けるには、消費電力値が安定した状態に切り替わるタイミングを定めることが必要である。このタイミングを定めるには、たとえば、エアコンを１回運転する期間における差分ΔＰ（ｎ）に適宜の閾値を設定しておき、差分ΔＰ（ｎ）の時系列において、差分ΔＰ（ｎ）が閾値以下になる状態が所定時間にわたって継続している時点を求めればよい。この時間は、エアコンの運転を止めたタイミングを抽出する場合と同様に、たとえば３０分に設定される。

差分ΔＰ（ｎ）との比較に用いられる閾値は、エアコンを１回運転する期間における差分Ｐ（ｎ）の出現頻度から求められる。すなわち、差分ΔＰ（ｎ）を適宜の区間に分けると、出現頻度が比較的高い区間の間に出現頻度が０になる区間が生じるから、閾値は、この区間から選択される。

上述のようにしてエアコンが１回運転する期間を２つの期間に分けると、前半の期間は消費電力値のピーク値Ｃｐを含む期間になり、後半の期間は消費電力値が安定した状態の期間になる。以下では、前半の期間を第１期間Ｔ１１、後半の期間を第２期間Ｔ１２と呼ぶ。上述の手順で定めた第１期間Ｔ１１および第２期間Ｔ１２は図８に示されている。なお、エアコンを１回運転する時間が短時間であって、消費電力値が安定した状態に達しない場合には、予測モデルを２つの期間に分けなくてもよい。

ここで、予測モデルにおける消費電力値の変化を図５のように近似して表すと、たとえば、第１期間Ｔ１１の消費電力値はガウス関数に当て嵌まり、第２期間Ｔ１２の消費電力値はおおむね一定値に当て嵌まる。このように当て嵌めた場合、第１期間Ｔ１１におけるピーク値Ｃｐは第１の情報である外気温の関数で表され、第１期間Ｔ１１の長さは既知であるから、第１期間Ｔ１１の消費電力の積算値が求められる。同様にして、第２期間Ｔ１２における消費電力値はピーク値Ｃｐと第１の情報である外気温とで決まり、第２期間Ｔ１２の長さは既知であるから、第２期間の消費電力の積算値が求められる。

以上のようにして、第１期間Ｔ１１における消費電力の積算値と第２期間Ｔ１２における消費電力の積算値とを合計すれば、エアコンが１回運転する期間における消費電力の積算値を求めることが可能になる。なお、このようにして求められる消費電力の積算値は概算値であるから、適宜の補正を行うことによって、演算の精度を高めることが望ましい。

以上説明したように、電気負荷２４の１回の運転時間が区切られている場合には、予測モデルとして、電気負荷２４の運転を開始する開始時刻と運転時間との組が用いられる。また、分岐回路２２に接続されている電気負荷２４の種類によっては、モデル生成部１５は、１回運転する期間を２つの期間に分けた予測モデルを生成する。このような予測モデルを用いることによって、電気負荷２４を１回運転する期間の消費電力の積算値を見積もることが可能になる。

モデル生成部１５が生成した予測モデルを用いて予測した結果は、出力部１６を通して提示装置３０に提示される。予測モデルには確率が定められるから、提示装置３０には予測の結果だけではなく、予測した確率を併せて提示することが望ましい。

上述した需要予測装置１０は、住宅２０における所定の予測期間における需要電力量を分岐回路２２ごとに求めることが可能である。そのため、住宅２０では、ＤＲ情報（ＤＲ：Demand Response）による節電要請を受けた場合などに、需要電力量を低減させる分岐回路２２を選択する際の目安を得ることができる。また、電源２５から供給する電力を制御する場合には、需要予測装置１０が求めた予測期間における需要電力量を用いることにより、予測期間の需要電力量に基づいて供給電力量を定めることが可能になる。

ところで、需要予測装置１０は、需要電力量について標準値と上限値および下限値を提示装置３０に提示し、それぞれに確率を与えている。そのため、電力を消費する需要側では、分岐回路２２ごとに、需要電力量の標準値と上限値と下限値とが生じる割合を確認することが可能になる。一方、電力の供給側では、需要予測装置１０が求めた需要電力量を集約すると、供給電力量の計画に対して需要電力量が増減することによって供給電力量に不足が生じる確率を推定することが可能になる。

以上説明したように、分析部１４は、分岐回路２２に接続された電気負荷２４について、記憶部１３に保存された第２の情報に基づいて、運転の開始時刻および運転が継続する運転時間を推定してもよい。この場合、モデル生成部１５は、該当する電気負荷については、開始時刻と運転時間とを含むように予測モデルを生成する。

さらに、電気負荷２４のいずれかは、消費電力値が、運転の開始直後においてピーク値まで上昇した後に時間経過に伴って低下し、その後に消費電力値が安定した状態になるように変化する電気負荷２４であってもよい。この場合、分析部１４は、記憶部１３に保存された第２の情報に基づいて、消費電力値がピーク値まで上昇した後に時間経過に伴って低下する第１の期間と、消費電力値が安定した状態になる第２の期間とを抽出することが望ましい。そして、モデル生成部１５は、第１の期間と第２の期間とのそれぞれに対して予測モデルを生成する。

なお、予測モデルは、ガスと水道水との少なくとも一方について前記予測期間の需要量を予測するように設定されていてもよい。

すなわち、上述した構成例において、モデル生成部１５は、需要電力量のみを予測しているが、住宅２０のガスと水道水との少なくとも一方について、予測期間における需要量を求めるように設定されていてもよい。予測モデルがガスあるいは水道水に関する需要量を予測する場合でも、基本的な動作は、第１の条件に基づいて需要量を求める点は、需要電力量を求める場合と同様である。また、この場合、第２の取得部１１２は、ガスと水道水との少なくとも一方の消費量も取得するように構成される。

上述した需要予測装置１０は、住宅２０ごとに設置することが可能である。また、住宅２０にＨＥＭＳコントローラが設置されている場合、計測装置２３からの電力値は、ＨＥＭＳコントローラからインターネットのような電気通信回線を通して取得してもよい。この構成では、需要予測装置１０は、電気通信回線を通して通信するサーバに設けられる。つまり、サーバが複数の住宅２０から分岐回路ごとに消費された電力値を収集し、住宅２０ごとの予測モデルを生成することになる。

この構成であれば、記憶部１３、分析部１４、モデル生成部１５などについて、サーバの豊富なハードウェア資源を利用することが可能になる。その結果、住宅２０には、計測装置２３から第２の情報を取得し、第２の情報をサーバに通知するためのＨＥＭＳコントローラを設けるだけでよく、需要予測装置１０を利用するための初期コストの増加が抑制される。なお、需要予測装置１０から出力される情報を提示する提示装置３０、および需要予測装置１０に指示を与える入力装置３１は、汎用の端末装置で実現すればよい。この場合、端末装置は、応用プログラムを実行することにより、提示装置３０および入力装置３１として機能する。応用プログラムは、インターネットのような電気通信回線を通して提供されるようにすればよい。また、コンピュータで読み取り可能な記録媒体により応用プログラムが提供されてもよい。

なお、上述した実施形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計等に応じて種々の変更が可能であることはもちろんのことである。

１０ 需要予測装置
１２ 予測部
１３ 記憶部
１４ 分析部
１５ モデル生成部
１６ 出力部
１７ 入力部
１８ 内蔵時計
２０ 住宅
２１ 分電盤
２２ 分岐回路
２３ 計測装置
２４ 電気負荷
３０ 提示装置
３１ 入力装置
１１１ 第１の取得部
１１２ 第２の取得部

Claims (8)

1. 電気負荷が消費する電力の変動因子になる第１の情報を取得する第１の取得部と、
   所定の予測期間が開始される前に前記第１の取得部が取得した前記第１の情報を用いることにより、分電盤で複数系統に分岐された分岐回路ごとに前記予測期間に要求される需要電力量を求める予測部と、
   前記分岐回路ごとに前記電気負荷の消費電力値を第２の情報として計測装置から取得する第２の取得部と、
   前記第２の情報を取得した日時に前記第１の情報および前記第２の情報を結び付けて保存する記憶部と、
   前記記憶部が記憶している前記第１の情報および前記第２の情報を用いて、前記第１の情報と前記需要電力量との対応関係を規定しかつ前記分岐回路ごとに設定された予測モデルを生成するモデル生成部と、
   前記第１の情報と前記第２の情報との相関係数の絶対値が所定値以上である場合に、該当する第１の情報を採用する分析部とを備え、
   前記分析部は、
   前記分岐回路に接続された前記電気負荷について、前記記憶部に保存された前記第２の情報に基づいて、運転の開始時刻および運転が継続する運転時間を推定し、
   前記モデル生成部は、
   前記分析部が採用した前記第１の情報に前記需要電力量を対応させた前記予測モデルを生成し、前記開始時刻および前記運転時間を推定された前記電気負荷が接続されている前記分岐回路については、前記開始時刻と前記運転時間とを含むように前記予測モデルを生成し、
   前記予測部は、
   前記予測モデルに、前記第１の取得部が取得した前記第１の情報を当て嵌めることにより、前記予測期間における前記需要電力量を前記分岐回路ごとに求める
   ことを特徴とする需要予測装置。
2. 前記モデル生成部は、
   前記第１の情報に前記需要電力量の標準値を対応させた第１の予測モデルを生成し、
   さらに、前記記憶部に保存されている前記第１の情報に対する前記第２の情報の分布に基づいて、前記第１の情報に前記需要電力量の許容範囲における境界値を対応させた第２の予測モデルを生成する
   請求項１記載の需要予測装置。
3. 前記モデル生成部は、
   前記第１の情報に対して前記需要電力量が前記標準値になる確率と、前記第１の情報に対して前記境界値になる確率とを、前記記憶部に保存されている前記第１の情報に対する前記第２の情報の分布に基づいて求める
   請求項２記載の需要予測装置。
4. 前記予測部は、前記第１の情報に前記第１の予測モデルおよび前記第２の予測モデルをそれぞれ当て嵌めることにより、前記需要電力量の前記標準値と前記境界値とを求めるように構成され、
   前記予測部が求めた前記需要電力量の前記標準値および前記境界値にそれぞれ前記確率を対応付けて提示装置に出力する出力部をさらに備える
   請求項３記載の需要予測装置。
5. 前記電気負荷のいずれかは、消費電力値が、運転の開始直後においてピーク値まで上昇した後に時間経過に伴って低下し、その後に消費電力値が安定した状態になるように変化する電気負荷であって、
   前記分析部は、
   前記記憶部に保存された前記第２の情報に基づいて、前記消費電力値がピーク値まで上昇した後に時間経過に伴って低下する第１の期間と、消費電力値が安定した状態になる第２の期間とを抽出し、
   前記モデル生成部は、
   前記第１の期間と前記第２の期間とのそれぞれに対して前記予測モデルを生成する
   請求項１乃至４のいずれか一項に記載の需要予測装置。
6. 前記第１の情報は、外気温を含む気象情報である請求項１〜５のいずれか１項に記載の需要予測装置。
7. 前記予測モデルは、ガスと水道水との少なくとも一方について前記予測期間の需要量を予測するように設定されている
   請求項１〜６のいずれか１項に記載の需要予測装置。
8. コンピュータを、請求項１〜７のいずれか１項に記載の需要予測装置として機能させるためのプログラム。

Images