JP6293291B2 - 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム - Google Patents

Description

本発明は、消費電力推定装置、機器管理システム、消費電力推定方法及びプログラムに関する。

住宅におけるエネルギー消費を管理するＨＥＭＳ（Home Energy Management System）は、エネルギー消費を抑制し、電力コストを抑制するなどのために、住宅における消費電力の推定値に基づいて、電気機器を管理することがある。

例えば、特許文献１に記載の制御盤は、負荷の昼間の予想需要電力に関する負荷予想値などに基づいて目標充電率を設定し、設定した目標充電率となるようにＲＦ（レドックスフロー）電池を夜間に充電する。

特許文献１には、負荷予想値は、例えば全負荷の消費電力を「１００」、作動させる負荷の消費電力が全負荷の消費電力の半分の場合を「５０」のように、作動させる負荷の消費電力に応じて指定することが可能である、と記載されている。この記載によれば、負荷予想値は、作動させると予想される負荷の消費電力の、全負荷の消費電力に対する割合を表すので、消費電力の推定値に相当すると理解することができる。

特許文献１には、負荷予想値は、平日又は土日などのカレンダ情報から決定したり、過去の使用状況から決定したり、各負荷を稼働させるスケジュール情報から決定することが可能である、と記載されている。

特開２００４−２７４９８１号公報

しかしながら、引用文献１には、平日又は土日などのカレンダ情報、過去の使用状況及び各負荷を稼働させるスケジュール情報から負荷予想値をどのように決定するかは、記載されていない。消費電力を精度良く推定するための技術は、例えば消費エネルギーの抑制、電力コストの抑制などのために一般的に望まれているものの、現状ではそのような技術を見付けることが困難である。

本発明は、上記のような課題を解決するためになされたものであり、消費電力を精度良く推定することが可能な消費電力推定装置などを提供することを目的とする。

上記目的を達成するため、本発明に係る消費電力推定装置は、データ選定部と、相関演算部と、パラメータ選択部と、推定式決定部と、推定部とを備える。データ選定部は、需要場所に設置された複数の電気機器のうちから、前記需要場所に利用者が居るか否かと動作時間との相関の強さが閾値以上である電気機器を特定し、前記特定した電気機器の動作時間を、前記需要場所での消費電力を推定するためのパラメータ候補に含める。相関演算部は、前記需要場所での消費電力の実績値と前記パラメータ候補の各々との相関の強さを示す相関指標を算出する。パラメータ選択部は、前記算出された相関指標と予め定められた閾値とを比較し、比較した結果に基づいて、前記消費電力の実績値と相関が強いパラメータを前記パラメータ候補の中から選択する。推定式決定部は、前記選択されたパラメータを採用したモデル式に基づいて、前記消費電力を推定するための推定式を決定する。推定部は、前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用することによって、前記消費電力を推定する。推定部は、前記パラメータ選択部によって前記パラメータ候補の中から前記特定した電気機器の動作時間が選択された場合に、前記特定した電気機器の動作時間に対応するパラメータ値として前記需要場所に前記利用者が居る時間長さを前記決定された推定式に適用することによって、前記消費電力を推定する。

本発明によれば、需要場所に設置された複数の電気機器のうちから、需要場所に利用者が居るか否かと動作時間との相関の強さが閾値以上である電気機器を特定し、特定した電気機器の動作時間を、需要場所での消費電力を推定するためのパラメータ候補に含め、需要場所での消費電力の実績値と相関が強いパラメータをパラメータ候補の中から選択し、選択したパラメータを採用したモデル式に基づいて、消費電力を推定するための推定式を決定する。そして、特定した電気機器の動作時間がパラメータ候補の中から選択された場合に、需要場所に利用者が居る時間長さを推定式に適用することによって、消費電力を推定する。これにより、消費電力を精度良く推定することが可能になる。

本発明の実施の形態１に係る機器管理システムの構成を示す図である。 実施の形態１に係る機器管理装置の構成を示す図である。 予定データの一例を示す図である。 実施の形態１に係る推定部の構成を示す図である。 実施の形態１に係る推定式決定処理の流れを示すフローチャートである。 実施の形態１に係る消費電力推定処理の流れを示すフローチャートである。 本発明の実施の形態２に係る機器管理システムの構成を示す図である。 実施の形態２に係る機器管理装置の構成を示す図である。 実施の形態２に係る推定部の構成を示す図である。 実施の形態２に係る推定式決定処理の流れを示すフローチャートである。 実施の形態２に係る消費電力推定処理の流れを示すフローチャートである。 本発明の実施の形態３に係る機器管理システムの構成を示す図である。 実施の形態３に係るクラウドサーバの構成を示す図である。 実施の形態３に係る機器管理装置の構成を示す図である。

本発明の実施の形態について図を参照して説明する。全図を通じて同一の要素には同一の参照符号を付す。

実施の形態１．
本発明の実施の形態１に係る機器管理システム１００は、住宅におけるエネルギー消費を管理するためのＨＥＭＳ（Home Energy Management System）である。

なお、住宅は、電力の需要家が利用する場所として予め定められる需要場所の一例である。需要場所は、例えば、施設、ビルであってもよく、ビルにおいて区画された１つ又は複数の領域であってもよい。住宅の住人は、需要場所を利用する利用者の一例であって、本実施の形態では、父、母及び子の３人で構成される家族であるとする。なお、利用者は、１人以上の何人であってもよい。

機器管理システム１００は、図１に示すように、住宅に設置される電気機器としての複数の家電機器１０１、発電システム１０２及び蓄電システム１０３と、住宅における消費電力などを計測する電力計測装置１０４と、気象情報を提供する気象サーバ１０５と、住宅におけるエネルギー消費を管理する機器管理装置１０６と、機器管理装置１０６が利用する情報を管理するクラウドサーバ１０７と、利用者が機器管理装置１０６を操作するための操作端末１０８と、利用者が携帯する携帯端末１０９とを備える。

複数の家電機器１０１の各々と、発電システム１０２と、蓄電システム１０３と、電力計測装置１０４と、操作端末１０８とは、図１に示すように、宅内ネットワーク１１０を介して、機器管理装置１０６に通信可能に接続されている。気象サーバ１０５と、クラウドサーバ１０７と、携帯端末１０９とは、インターネットなどの広域ネットワーク１１１を介して、機器管理装置１０６に通信可能に接続されている。宅内ネットワーク１１０及び広域ネットワーク１１１の各々は、有線、無線又はこれらを組み合わせて構築されるとよい。

本実施の形態に係る家電機器１０１は、図１に示すように、３台であり、それぞれ、テレビ受像器（以下、「テレビ」という。）、空調機、冷蔵庫であるとする。

なお、本実施の形態では、機器管理システム１００が、上述の３種の家電機器１０１を１台ずつ備える例により説明するが、機器管理システム１００は、１台以上であれば、何台の家電機器１０１を備えてもよい。機器管理システム１００に備えられる家電機器１０１の種類は、テレビ、空調機、冷蔵庫に限られず、電気温水器、ＩＨ（Induction Heating）クッキングヒータ、照明などの１つ又は複数であってもよい。機器管理システム１００には、同じ種類の家電機器１０１が複数備えられてもよい。また機器管理システム１００には、例えば、機器管理装置１０６が空調機、照明などを制御するための温度、湿度、照度などを計測するセンサが、家電機器として備えられてもよい。

発電システム１０２は、例えば、太陽光を受けて発電する太陽光発電システムである。

なお、発電システム１０２は、風力により発電する風力発電システムなどであってもよい。機器管理システム１００には、複数の発電システム１０２が備えられてもよく、発電システム１０２が備えられなくてもよい。

蓄電システム１０３は、定置型の蓄電池を備えるシステムであって、例えば機器管理装置１０６の制御の下で、充電又は放電する。

なお、蓄電システム１０３は、電気自動車の充放電システムであってもよい。機器管理システム１００には、複数の蓄電システム１０３が備えられてもよく、蓄電システム１０３が備えられなくてもよい。

図１に示すように、電気機器（家電機器１０１の各々と、発電システム１０２と、蓄電システム１０３）は、いずれも、宅内の電気配線に接続されている。宅内の電気配線は、商用電源１１２にも接続されている。家電機器１０１の各々は、商用電源１１２、発電システム１０２及び蓄電システム１０３のいずれか１つ又は複数から宅内の電気配線を通じて供給される電力によって動作する。また、蓄電システム１０３が備える蓄電池は、商用電源１１２及び発電システム１０２のいずれか１つ又は両方から宅内の電気配線を通じて供給される電力によって、充電される。

電力計測装置１０４は、図１に示すように、宅内の電気配線の各分岐線に設けられた電流センサＣＴから、各分岐線を流れる電流の値を示す電流データを取得する。電流センサＣＴは、図１に示すように、宅内の電気配線の各分岐線に設けられており、これによって、家電機器１０１の各々へ流れる電流と、発電システム１０２から流れる電流と、蓄電システム１０３へ流れる又は蓄電システム１０３から流れる電流とを個別に測定することができる。電力計測装置１０４は、電流センサＣＴから取得した電流データ及び宅内の電気配線の電圧値に基づいて、発電システム１０２での発電量、蓄電システム１０３の充放電量、家電機器１０１の各々の消費電力量などを計測する。

気象サーバ１０５は、例えば、気象情報を広域ネットワーク１１１を介して一般に利用可能に気象情報を提供するサーバである。気象情報は、気温、天候、風力を含む。なお、気象情報は、上述の例に限られず、例えば、風向き、日照時間などのうちの１つ以上を含んでいればよい。

機器管理装置１０６は、宅内における予め定められた期間の消費電力を推定する消費電力推定装置の一例である。本実施の形態に係る機器管理装置１０６は、次の式（１）で表されるモデル式を用いて、宅内における予め定められた推定期間の消費電力を推定する。

消費電力の推定値ＰＥ＝α１×Ｘ１＋α２×Ｘ２＋・・・＋αｎ×Ｘｎ＋Ｃ
・・・ 式（１）
式（１）において、ｎは、整数である。Ｘ１、Ｘ２、・・、Ｘｎは、パラメータを表す。α１、α２、・・・、αｎは、それぞれ、パラメータであるＸ１、Ｘ２、・・、Ｘｎの係数を表す。Ｃは、定数項を表す。

推定期間は、本実施の形態では１日（例えば、０時００分００秒から２３時５９分５９秒まで）であるとする。すなわち、本実施の形態では、式（１）で表されるモデル式に基づいて、宅内における１日当たりの消費電力が推定される例を説明する。

本実施の形態に係るモデル式は、式（１）に示すように、１対１で対応付けられたｎ個の係数とｎ個のパラメータとのそれぞれの積である項と、定数項との和で表される。なお、モデル式には、式（１）で表される式に限られず、適宜選択された式が採用されてよい。

パラメータは、予め定められたパラメータ候補の中から機器管理装置１０６により選択される。本実施の形態に係るパラメータ候補は、気温、天候、風力、在宅人数及び在宅時間を含む。モデル式に採用されるパラメータには、パラメータ候補の中から、消費電力の実績値と相関が強いものが採用される。なお、在宅人数、在宅時間は、それぞれ、需要場所が住宅である場合の在場所人数、在場所時間である。定数項は、パラメータの変化にかかわらず、消費される電力に対応しており、例えば冷蔵庫、各種の電気機器の待機電力などの和に対応すると考えられる。

機器管理装置１０６は、機能的には、図２に示すように、パラメータ候補の中からモデル式に採用するパラメータを選択するためのデータを選定するデータ選定部１１３と、選定されたデータに基づいて、宅内での消費電力の実績値とパラメータ候補の各々との相関の強さを示す相関指標を算出する相関演算部１１４と、算出された相関指標に基づいて、宅内での消費電力の実績値と相関が強いパラメータをパラメータ候補の中から１つ以上選択するパラメータ選択部１１５と、選択された１つ以上のパラメータを採用したモデル式に基づいて、宅内での消費電力を推定するための推定式を決定する推定式決定部１１６と、選択された１つ以上のパラメータに対応するパラメータ値を、決定された推定式に適用することによって、宅内での消費電力を推定する推定部１１７と、推定された消費電力に基づいて、宅内に設置された電気機器のうちの１つ又は複数の電気機器の運用計画を作成する計画部１１８と、作成された運用計画に従って、１つ又は複数の電気機器を管理する機器管理部１１９と、広域ネットワーク１１１及び宅内ネットワーク１１０を介してデータを送受信する通信部１２０と、各種データを記憶する記憶部１２１とを備える。

記憶部１２１は、例えば、図２に示すように、パラメータを選択するための履歴情報を含む履歴データ１２２と、各住人の予定を示す予定データ１２３と、パラメータ候補（それがモデル式に採用された場合は、そのパラメータ）の各々に対応するパラメータ値の決定方法を定めるモデルデータ１２４と、決定された推定式を特定するための推定式データ１２５と、作成された運用計画を示す計画データ１２６とを記憶している。

履歴データ１２２は、例えば、宅内での消費電力の各日の実績値、過去の各日の気象情報、家電機器１０１の各々の動作履歴、発電システム１０２での発電電力の履歴、蓄電システム１０３の充放電の履歴、蓄電システム１０３が有する蓄電池の残容量の履歴などの一部又は全部を含む。家電機器１０１の各々の動作履歴は、例えば、家電機器１０１の各々が動作した時間帯、家電機器１０１の各々の消費電力などの一部又は全部を含む。

予定データ１２３は、図３に例示するように、利用者ＩＤ（Identification Data）と、イベント種別と、時期とが対応付けられたデータである。利用者ＩＤは、利用者の各々を特定するための情報であって、予定の主体を示す。イベント種別は、外出、会社、買い物、飲み会、来客、学校、旅行など予定されているイベントの種別を示す。時期は、予定が行われる時期を示し、典型的には、年月日と時刻で示される始期及び終期を含む。なお、時期は、始期と終期の一方のみであってもよく、始期及び終期を表す方法は、例えば年月日のみなどであってもよい。

図２を再び参照し、モデルデータ１２４は、本実施の形態に係るパラメータ候補である気温、天候、風力、在宅人数、在宅時間のそれぞれに対応するパラメータ値を決定する方法を定める。以下、モデルデータ１２４に含まれるパラメータ値の決定方法の例を説明する。

気温は、例えば、１日の平均気温であって、気温には、履歴データ１２２の気象情報に含まれる各日の気温が採用される。気象情報に時間帯別の気温が含まれる場合、例えば、その平均値が１日の平均気温とされるとよい。なお、気象情報に時間帯別の気温が含まれる場合、時間帯別の気温がそれぞれ、パラメータ候補とされてもよい。

天候は、晴れ、曇り、雨のそれぞれを例えば３、２、１で表すことによって数値化された値である。天候が１日で変化する場合、天候には、１日における晴れ、曇り、雨のそれぞれ時間で重み付けをした平均値が採用されるとよい。なお、気象情報に時間帯別の天候が含まれる場合、時間帯別の天候がそれぞれ、パラメータ候補とされてもよい。

風力は、例えば、１日の風速の平均であって、この場合、上述の気温と同様に定められる。すなわち、風力には、例えば、履歴データ１２２の気象情報に含まれる各日の平均の風速が採用される。気象情報に時間帯別の風速が含まれる場合、例えば、その平均値が風力とされるとよい。なお、気象情報に時間帯別の風速が含まれる場合、時間帯別の風力がそれぞれ、パラメータ候補とされ、時間帯別の風力に対応するパラメータ値には、対応する時間帯の風速が採用されてもよい。

在宅人数は、例えば、宅内に居る家族の人数の１日当たりの平均値であって、宅内に居る利用者の人数及び宅内に利用者が居る時間長さに基づいて定まる。詳細には例えば、在宅人数は、宅内に居る利用者の人数と宅内に利用者が居る時間長さの積の和を２４（時間）で割ることによって算出される。

在宅時間は、例えば、１日のうち、利用者が住宅に１人以上居る時間である。

具体例を挙げると、０時００分００秒から７時５９分５９秒までは宅内に３人居り、８時００分００秒から１７時５９分５９秒までは宅内に誰も居らず、１７時００分００秒から１９時５９分５９秒までは宅内に２人居り、２０時００分００秒から２３時５９分５９秒までは宅内に３人居たとする。この場合、在宅人数は、（３×８＋０×９＋２×３＋３×４）／２４＝１．７５（人）となる。在宅時間は、８＋３＋４＝１５（時間）となる。

推定式データ１２５は、パラメータ候補のうちモデル式に採用するパラメータとして選択されたものを特定するための情報、選択されたパラメータに掛ける係数の値及び定数項の値を含む。

データ選定部１１３は、予め定められた期間（例えば、本実施の形態では、直近３０日分）の履歴データ１２２及び予定データ１２３を記憶部１２１から取得する。データ選定部１１３は、取得した履歴データ１２２の中から、推定式を決定するためのデータ（推定式決定用データ）を選定する。

詳細には例えば、データ選定部１１３は、記憶部１２１から取得した予定データ１２３の中に予め定められたイベント種別を含むものがある場合、データ選定部１１３は、取得した履歴データ１２２の中から、その予定データに含まれる時期が示す日に対応する履歴データ１２２を除外して、推定式決定用データを選定する。ここで、データ選定部１１３にて履歴データ１２２から除外されるイベント種別は、例えば、旅行、出張、来客などの非定期的なイベントのイベント種別である。

相関演算部１１４は、データ選定部１１３によって選定された推定式決定用データに含まれる消費電力の実績値と、パラメータ候補の各々との相関指標を算出する。

詳細には例えば、相関演算部１１４は、モデルデータ１２４が示す決定方法に従って、データ選定部１１３によって選定された履歴データ１２２からパラメータ候補の各々に対応するパラメータ値を決定する。相関演算部１１４は、パラメータ候補の各々について、決定したパラメータ値と消費電力の実績値との相関指標を算出する。ここで、本実施の形態に係る相関指標は、決定したパラメータ値と消費電力の実績値との相関係数である。

パラメータ選択部１１５は、相関演算部１１４によって算出された相関指標と予め定められた閾値とを比較する。パラメータ選択部１１５は、比較した結果に基づいて、宅内での消費電力の実績値と相関が強いパラメータをパラメータ候補の中から選択する。相関係数は、値が大きいほど２変数間の相関が強いことを示すので、本実施の形態に係るパラメータ選択部１１５は、相関指標が閾値より大きいものを、モデル式に採用するパラメータに選択する。パラメータ選択部１１５は、選択したパラメータを特定するための情報を推定式データ１２５として記憶部１２１に記憶させる。

なお、相関演算部１１４は、重回帰分析のｔ値及びｐ値を相関指標として算出してもよく、自己組織化マップ（ＳＯＭ）、ニューラルネットワークなどを用いて、相関指標を算出してもよい。重回帰分析のｔ値及びｐ値を相関指標として採用する場合、パラメータ選択部１１５は、例えば、ｔ値が第１閾値以上であり、かつ、ｐ値が第２閾値以下であるものに対応するパラメータ候補を、モデル式のパラメータに採用するとよい。

推定式決定部１１６は、モデルデータ１２４と、推定式データ１２５と、データ選定部１１３によって選定された推定式決定用データとに基づいて、パラメータ選択部１１５によって選択されたパラメータに対応するパラメータ値を決定する。推定式決定部１１６は、パラメータ選択部１１５によって選択されたパラメータを採用したモデル式に、自身が決定したパラメータ値を適用する。そして、推定式決定部１１６は、例えば重回帰分析を実行することによって、選択されたパラメータに掛けられる係数の値と定数項の値とを決定する。このとき、例えば、推定式決定部１１６は、決定係数が最大となる係数及び定数項の値を決定することにより、データ選定部１１３によって選定された推定式決定用データに含まれる消費電力の実績値と推定値とが最も適合する係数及び定数項の値を決定する。これにより、推定式決定部１１６は、宅内での消費電力を推定するための推定式を決定する。推定式決定部１１６は、パラメータ選択部１１５により記憶部１２１に記憶された推定式データ１２５のパラメータを特定するための情報に、決定した係数の値を対応付けるとともに、決定した定数項の値を含めた推定式データ１２５を記憶部１２１に記憶させる。

推定部１１７は、詳細には、図４に示すように、推定式に含まれるパラメータに対応するパラメータ値を決定するために必要なデータを取得する推定用取得部１２７と、推定式決定部１１６によって決定された推定式に含まれるパラメータに適用するパラメータ値を決定するパラメータ値決定部１２８と、パラメータ値決定部１２８によって決定されたパラメータ値を、推定式決定部１１６によって決定された推定式に適用し、それによって、消費電力の推定値を算出する推定電力演算部１２９とを備える。

より詳細には、推定用取得部１２７は、記憶部１２１のモデルデータ１２４と推定式データ１２５とを取得し、取得したモデルデータ１２４と推定式データ１２５とに基づいて、推定用データを特定する。ここで、推定用データとは、推定式データ１２５により特定されるパラメータ、すなわち、モデル式に採用されるパラメータのパラメータ値を決定するために必要なデータである。例えば、気温、天候、風力のいずれか１つ又は複数がモデル式のパラメータに選択された場合、記憶部１２１の履歴データ１２２に含まれる予め定められた期間（例えば、直近３０日分）の気象情報の気温、天候、風力のいずれか１つ又は複数が、推定用データとして特定される。例えば、在宅人数、在宅時間のいずれか１つ又は複数がモデル式のパラメータに選択された場合、記憶部１２１に記憶された予め定められた期間（例えば、直近３０日分）の予定データ１２３が推定用データとして特定される。推定用取得部１２７は、特定した推定用データを記憶部１２１から取得する。

パラメータ値決定部１２８は、推定用取得部１２７により取得されたモデルデータ１２４、推定式データ１２５及び推定用データに基づいて、モデル式に採用されたパラメータに対応するパラメータ値を決定する。

推定電力演算部１２９は、推定用取得部１２７により取得された推定式データ１２５と、パラメータ値決定部１２８により決定されたパラメータ値とに基づいて、消費電力の推定値を算出する。詳細には、推定電力演算部１２９は、推定式データ１２５により特定される１つ又は複数のパラメータの各々に対応する係数の値とパラメータ値との積を算出する。推定電力演算部１２９は、算出した係数の値とパラメータ値との積と、推定式データ１２５に含まれる定数項の値との和を算出する。これにより、推定電力演算部１２９は、消費電力の推定値を算出する。

図２を再び参照し、計画部１１８は、推定電力演算部１２９によって算出された消費電力の推定値に基づいて、例えば、宅内の消費電力を予め設定される目標値とするための運用計画、電気料金を低く抑えるための運用計画などを作成する。

例えば、計画部１１８は、電気料金を低く抑えるために、蓄電システム１０３が有する蓄電池の残容量と、推定電力演算部１２９によって算出された消費電力の推定値とに基づいて、蓄電システム１０３が有する蓄電池の運用計画を作成する。

機器管理部１１９は、計画部１１８によって作成された運用計画に従って、例えば、宅内ネットワーク１１０を介して電気機器の各々へ制御信号を送信する。これによって、機器管理部１１９は、計画部１１８によって作成された運用計画に従って、電気機器を管理する。

通信部１２０は、例えば、記憶部１２１に記憶された各データ１２２〜１２６の一部又は全部をクラウドサーバ１０７と同期するために、広域ネットワーク１１１を介してクラウドサーバ１０７と通信する。通信部１２０は、例えば、定期的に、広域ネットワーク１１１を介して気象サーバ１０５から気象情報を取得して、その気象情報を履歴データ１２２として記憶部１２１に記憶させる。通信部１２０は、例えば、推定部１１７から要求を受けると、広域ネットワーク１１１を介して気象サーバ１０５から気象情報を取得して推定部１１７へ引き渡す。通信部１２０は、例えば、携帯端末１０９から広域ネットワーク１１１を介して予定データ１２３を取得すると、その予定データ１２３を記憶部１２１に記憶させる。通信部１２０は、例えば、発電システム１０２の発電量、蓄電システム１０３の充放電量及び蓄電池の残容量、家電機器１０１の各々から動作しているか否かなどを示す情報を宅内ネットワーク１１０を介して定期的に取得し、取得した情報を履歴データ１２２として記憶部１２１に記憶させる。通信部１２０は、例えば、電力計測装置１０４から電力情報を宅内ネットワーク１１０を介して定期的に取得し、取得した情報を履歴データ１２２として記憶部１２１に記憶させる。この電力情報は、例えば、発電システム１０２の発電電力、蓄電システムでの充電又は放電される電力、家電機器１０１の各々の消費電力などの一部又は全部を含む。

なお、通信部１２０は、図示しないサーバから広域ネットワーク１１１を介してライフログ情報などを取得してもよい。

機器管理装置１０６は、物理的には、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、通信インタフェースなどから構成される。例えば、機器管理装置１０６は、記憶部１２１に記憶されたプログラムを実行し、これによって、上述の各機能を発揮するとよい。

操作端末１０８は、利用者が機器管理装置１０６に宅内ネットワーク１１０を介して入力し、機器管理装置１０６の設定内容などを示す画面を出力する端末装置である。操作端末１０８は、例えば、機器管理装置１０６のユーザインタフェースとして機能させるためのソフトウェアプログラムがインストールされたタブレット端末、スマートフォンなどである。ユーザは、例えば、操作端末１０８を介して、予定データ１２３を機器管理装置１０６に設定する。また、ユーザは、例えば、操作端末１０８を介して、予め用意された複数のモデル式の中から、消費電力の推定に利用するモデル式を選択してもよい。

クラウドサーバ１０７は、例えば、広域ネットワーク１１１を介して機器管理装置１０６と定期的に通信することによって、機器管理装置１０６の記憶部１２１が記憶しているデータ１２２〜１２６の一部又は全部と同じデータを記憶部（不図示）に保持する。

携帯端末１０９は、利用者が機器管理装置１０６に広域ネットワーク１１１を介して入力し、機器管理装置１０６の設定内容などを示す画面を出力する端末装置である。携帯端末１０９は、例えば、機器管理装置１０６のユーザインタフェースとして機能させるためのソフトウェアプログラムがインストールされたスマートフォンなどである。携帯端末１０９と操作端末１０８とは、典型的には、広域ネットワーク１１１と宅内ネットワーク１１０とのいずれを介して機器管理装置１０６と通信するかを除いて、同様の機能を備える。

これまで、本発明の実施の形態１に係る機器管理システム１００の構成について説明した。ここから、本実施の形態に係る機器管理システム１００の動作について説明する。

機器管理装置１０６は、例えば２週間に１回など予め定められた時期に、図５に示すような、推定式を決定するための推定式決定処理を実行する。

データ選定部１１３は、履歴データ１２２、予定データ１２３及びモデルデータ１２４を記憶部１２１から取得する（ステップＳ１０１）。詳細には、データ選定部１１３は、直近３０日分の履歴データ１２２及び予定データ１２３と、モデルデータ１２４を記憶部１２１から取得する。

データ選定部１１３は、ステップＳ１０１で取得した予定データ１２３に基づいて、ステップＳ１０１で取得した履歴データ１２２から、推定式決定用データを選定する（ステップＳ１０２）。例えば、予め定められたイベント種別に属するイベントが行われる日の履歴データ１２２を推定式決定用データから除外する。これにより、例えば旅行、出張、来客のような非定期的なイベントが行われる日の消費電力を推定式決定用データから除外することができる。その結果、消費電力の推定に適切なパラメータを選択することが可能になり、正確な消費電力の推定を図ることが可能になる。

相関演算部１１４は、データ選定部１１３によって選定された推定式決定用データに含まれる消費電力の実績値と、パラメータ候補の各々との相関指標を算出する（ステップＳ１０３）。本実施の形態に係る相関指標は、上述の通り、相関係数である。

詳細には、相関演算部１１４は、ステップＳ１０１で取得されたモデルデータ１２４に基づいて、データ選定部１１３によって選定された推定式決定用データに含まれる履歴データ１２２からパラメータ候補の各々に対応するパラメータ値を決定する。相関演算部１１４は、パラメータ候補の各々について、決定したパラメータ値と、データ選定部１１３によって選定された推定式決定用データに含まれる履歴データ１２２の消費電力の実績値との相関指標を算出する。

パラメータ選択部１１５は、ステップＳ１０５からステップＳ１０６を繰り返すことで、モデル式に採用するパラメータを選択する（ループＡ；ステップＳ１０４）。

パラメータ選択部１１５は、ステップＳ１０３で算出した相関指標と予め定められた閾値とを比較する（ステップＳ１０５）。相関指標が閾値より大きい場合（ステップＳ１０５；Ｙｅｓ）、パラメータ選択部１１５は、処理対象であるパラメータ候補に関するループＡ（ステップＳ１０４）の処理を終了する。そして、パラメータ選択部１１５は、すべてのパラメータ候補についてループＡ（ステップＳ１０４）の処理が終了するまで、ループＡ（ステップＳ１０４）の処理を繰り返す。

相関指標が閾値より大きくない場合（ステップＳ１０５；Ｎｏ）、パラメータ選択部１１５は、処理対象であるパラメータ候補をモデル式に採用するパラメータから除外し（ステップＳ１０６）、処理対象であるパラメータ候補に関するループＡ（ステップＳ１０４）の処理を終了する。そして、パラメータ選択部１１５は、すべてのパラメータ候補についてループＡ（ステップＳ１０４）の処理が終了するまで、ループＡ（ステップＳ１０４）の処理を繰り返す。

すべてのパラメータ候補についてループＡ（ステップＳ１０４）の処理が終了すると、除外されていないパラメータ候補が、モデル式に採用するパラメータとして選択される。選択されたパラメータを特定するための情報がパラメータ選択部１１５から推定式決定部１１６へ引き渡される。

推定式決定部１１６は、例えば重回帰分析によって、ステップＳ１０４〜ステップＳ１０６の処理を実行することによって選択されたパラメータを採用したモデル式に含まれる係数及び定数項の値を決定する（ステップＳ１０７）。

詳細には、推定式決定部１１６は、ステップＳ１０１で取得してモデルデータ１２４とステップＳ１０２にて選定された推定式決定用データとに基づいて、ステップＳ１０４〜ステップＳ１０６の処理を実行することによって選択されたパラメータに対応するパラメータ値を決定する。

例えば、モデル式に採用するパラメータに気温が選択された場合、推定式決定用データに含まれる履歴データ１２２の気象情報が示す気温をパラメータ値として決定する。モデル式に採用するパラメータに天候が選択された場合、推定式決定用データに含まれる履歴データ１２２の気象情報が示す、天候に対応付けられた値を、パラメータ値として決定する。モデル式に採用するパラメータに風力が選択された場合、推定式決定用データに含まれる履歴データ１２２の気象情報が示す風速をパラメータ値として決定する。モデル式に採用するパラメータに在宅人数が選択された場合、推定式決定用データに含まれる予定データ１２３に基づいて、各日の在宅人数を算出し、その算出した在宅人数をパラメータ値として決定する。モデル式に採用するパラメータに在宅時間が選択された場合、推定式決定用データに含まれる予定データ１２３に基づいて、各日について、利用者が住宅に１人以上いる時間長さを算出し、その算出した時間長さをパラメータ値として決定する。

推定式決定部１１６は、決定したパラメータ値を、モデル式に採用するパラメータに適用して重回帰分析を行うことによって、各パラメータに対応する係数の値と、定数項の値とを決定する。推定式決定部１１６は、決定した係数及び定数項の値を、ステップＳ１０４〜ステップＳ１０６の処理を実行することによって選択されたパラメータを特定するための情報とともに、推定式データ１２５として記憶部１２１に記憶させる。

これにより、推定式決定部１１６は、推定式決定処理を終了する。推定式決定処理では、気象情報、在宅人数、在宅時間などの消費電力に影響すると考えられるパラメータ候補の中から選択された、消費電力との相関が強いパラメータを含むモデル式に基づいて、推定式が決定される。そのため、住宅における消費電力を精度良く推定できる推定式を決定することができる。

また、モデル式に採用されるパラメータは、パラメータ候補の中から選択されるので、パラメータ候補のすべてを用いて推定式を決定するよりも、係数、定数項、消費電力の推定値を決定するための処理量を軽減することができる。従って、消費電力を推定するための処理負荷の軽減を図ることが可能になる。

さらに、推定式決定処理は、予め定められた時期に随時実行されるので、推定式は、随時見直されることになる。消費電力の傾向は、季節、時期によって異なることがあり、推定式を随時見直すことによって、住宅における消費電力を精度良く推定できる推定式を維持することができる。

なお、機器管理システム１００は、利用者が投稿するインターネット上の投稿サイトのサーバ、ＳＮＳ（Social Networking Service）を提供するサーバなどを含んでもよい。この場合、機器管理装置１０６は、これらのサーバから提供される情報を広域ネットワーク１１１を介して取得し、その情報に基づいて、利用者の活動状況を示すライフログ情報を取得してもよい。これにより、利用者が予定とは異なる行動をしていた場合、ライフログ情報に基づいて、利用者が実際に宅内と宅外とのいずれに居たかを決定することができる。そして、予定データに基づく在宅人数、在宅時間を修正することができる。これにより、推定式の精度を向上させることが可能になる。また、機器管理装置１０６が、予め定められた家電機器（例えば、テレビ）１０１の動作状況を示す情報を宅内ネットワーク１１０を介して取得し、その情報に基づいて、利用者が実際に宅内と宅外とのいずれに居たかを決定してもよい。これによっても、予定データに基づく在宅人数、在宅時間を修正することができるので、推定式の精度を向上させることが可能になる。

機器管理装置１０６は、推定式決定処理で決定された推定式を利用して、図６に示すような、住宅における予め定められた推定期間の消費電力を推定するための消費電力推定処理を実行する。消費電力推定処理は、例えば毎日午前１時など、予め定められた時期に実行される。

推定用取得部１２７は、モデルデータ１２４、推定式データ１２５及び推定用データを取得する（ステップＳ１１１）。

詳細には、推定用取得部１２７は、推定式データ１２５を記憶部１２１から取得する。推定用取得部１２７は、取得した推定式データ１２５に基づいて、モデル式に採用されるパラメータを特定する。推定用取得部１２７は、さらに、モデルデータ１２４を記憶部１２１から取得する。推定用取得部１２７は、取得したモデルデータ１２４に基づいて、モデル式に採用されるパラメータに対応するパラメータ値を決定する方法を特定して、そのパラメータ値を決定するために必要な推定用データを取得する。

パラメータ値決定部１２８は、ステップＳ１１１にて取得された推定用データとステップＳ１１１にて特定されたパラメータ値の決定方法とに基づいて、モデル式に採用されるパラメータに対応するパラメータ値を決定する（ステップＳ１１２）。

推定電力演算部１２９は、ステップＳ１１１にて取得された推定式データ１２５に基づいて特定されるパラメータに対応する係数の値及び定数の値と、ステップＳ１１２にて決定されたパラメータ値とに基づいて、消費電力の推定値を算出する（ステップＳ１１３）。

詳細には、推定電力演算部１２９は、係数の値とそれに対応するパラメータのパラメータ値との積を算出する。モデル式に複数のパラメータが採用された場合、このような積を複数算出して、それらの和を算出する。さらに、推定電力演算部１２９は、係数の値とパラメータ値との積又は積の和に、定数項の値を加え、これによって、消費電力の推定値を算出する。

これにより、推定電力演算部１２９は、消費電力推定処理を終了する。

消費電力推定処理では、住宅における消費電力を上述の通り精度良く推定できる推定式に基づいて、消費電力の推定値が算出されるので、精度の良い消費電力の推定値を得ることができる。また、上述の通り、比較的低い処理負荷で消費電力の推定値を得ることができる。

消費電力推定処理によって算出された消費電力の推定値に基づいて、計画部１１８は、上述のように、蓄電システム１０３が有する蓄電池などの電気機器の運用計画を作成する。精度の良い消費電力の推定値に基づいて運用計画が作成されるので、適切な運用計画を作成することが可能になる。

例えば、計画部１１８は、電気料金が安い時間帯に蓄電し、電気料金が高い時間帯に放電するような蓄電池の運用計画が作成されてもよい。

この場合、詳細には例えば、計画部１１８は、推定電力演算部１２９によって算出された消費電力の推定値に基づいて、夜間（例えば、１時００分００秒から４時５９分５９秒まで）に比べて電気料金が高い時間帯（例えば、５時００分００秒から２３時５９分５９秒まで、０時００分００秒から〜０時５９分５９秒まで）の消費電力の推定値を算出する。具体的には例えば、計画部１１８は、記憶部１２１の履歴データ１２２を参照し、電気料金が高い時間帯の消費電力が１日の消費電力に占める割合を算出し、その割合を１日の消費電力の推定値に掛けることで、電気料金が高い時間帯の消費電力の推定値を算出する。そして、計画部１１８は、蓄電システム１０３が有する蓄電池の残容量が、電気料金が高い時間帯の始期（例えば、５時００分００秒）までに電気料金が高い時間帯の消費電力の推定値以上となるように、蓄電システム１０３が有する蓄電池の運用計画を作成する。

ここで、夜間は、第１時間帯の一例であり、夜間に比べて電気料金が高い時間帯は、第２時間帯の一例である。電気料金は、電力会社と需要家との契約により定まることが多く、例えばこのような契約の内容に従って、第１時間帯と第２時間帯との各々が定められるとよい。

なお、推定部１１７が、時間帯別の消費電力の推定値を算出し、計画部１１８は、その時間帯別の消費電力の推定値に基づいて、電気機器の運用計画を作成してもよい。

機器管理部１１９が、作成された運用計画に従って、蓄電システム１０３が有する蓄電池を管理することによって、電気料金が安い時間帯に蓄電池に蓄電し、電気料金が高い時間帯に蓄電池に放電させることができる。これにより、住宅における電気料金の低減を図ることが可能になる。

以上、本発明の実施の形態１について説明したが、本実施の形態は、以下のように変形されてもよい。

例えば、推定期間は、1日に限らず、１時間、３時間などの時間帯、１週間、１ヶ月など適宜定められてよい。例えば、時間帯別の消費電力の推定値に基づいて、蓄電池の運用計画を作成してもよい。

例えば、モデル式は、平日（祝日を除く月〜金）と土日祝とで異なる推定式を決定してもよい。その場合、平日用の推定式は、平日の履歴データ１２２に基づいて決定され、土日祝用の推定式は、土日祝の履歴データ１２２に基づいて決定されるとよい。

変形例１．
一般的に、テレビは、利用者が宅内に居る時に視聴される際に動作する。そのため、テレビが動作する時間長さ（動作時間）は、利用者が宅内に居るか否かとの相関が強いと考えられる。そこで、パラメータ候補には、例えば、テレビの動作時間が含められてもよい。この場合、推定式を決定する際、テレビの動作時間に対応するパラメータ値には、履歴データ１２２に含まれる過去のテレビの動作時間が採用されるとよい。そして、消費電力の推定値を算出する際、テレビの動作時間に対応するパラメータ値には、実施の形態１で説明した在宅時間が採用されるとよく、在宅時間は、パラメータ候補からは除外されるとよい。

このような動作時間をパラメータ候補に含める電気機器は、住宅に設置された電気機器から適宜選択されてよいが、利用者が宅内に居るか否かとの相関が強いものが望ましい。例えば、データ選定部１１３が、宅内に設置された電気機器のうち、宅内に利用者が居るか否かと電気機器の動作時間の各々との相関の強さを示す相関指標が閾値以上である電気機器を特定し、その電気機器の動作時間をパラメータ候補に設定してもよい。この場合も、モデル式のパラメータに採用されたときには、上述のテレビの動作時間をパラメータ候補に採用する場合と同様の方法により、推定式を決定し、消費電力の推定値を算出することができる。

すなわち、この場合、パラメータ値決定部１２８が、パラメータ選択部１１５によって電気機器の動作時間が選択された場合に、利用者の予定を示す予定データに基づいて、選択された電気機器の動作時間の推定値を、選択された電気機器の動作時間に対応するパラメータ値として決定するとよい。推定電力演算部１２９は、決定されたパラメータ値を決定された推定式に適用することによって、宅内の消費電力を推定するとよい。

ここで、消費電力を推定する際に、テレビの動作時間と在宅時間との関係が考慮されてもよい。この場合、例えば、推定式決定部１１６が、履歴データ１２２に基づいて在宅時間に対するテレビの動作時間の割合を求めて推定式データ１２５に含めて記憶部１２１に記憶させるとよい。パラメータ値決定部１２８は、パラメータ選択部１１５によって電気機器の動作時間が選択された場合に、利用者の予定を示す予定データ１２３に基づいて、選択された電気機器の動作時間の推定値を決定するとよい。そして、パラメータ値決定部１２８は、決定した動作時間の推定値に、推定式データ１２５に含まれる割合を乗じ、それによって得られた値を、選択された電気機器の動作時間に対応するパラメータ値として決定するとよい。

本変形例によれば、種々のパラメータ候補から適切なものを選択して推定式を決定することができる。従って、消費電力の推定値の精度を向上させることが可能になる。

実施の形態２．
本実施の形態では、以下の式（２）に示す実施の形態１とは異なるモデル式に基づいて、住宅における推定期間の消費電力を推定する方法について説明する。

消費電力の推定値ＰＥ＝α１×Ｘ１＋α２×Ｘ２＋・・・＋αｎ×Ｘｎ＋Ｅ１＋Ｅ２＋Ｃ
・・・ 式（２）
式（２）は、第１補正項であるＥ１と、第２補正項であるＥ２とを含む点が、式（１）と異なり、その他は式（１）と同様である。

第１補正項は、住宅に居る利用者の人数及び住宅に利用者が居る時間長さに基づいて、その値が定められる項である。例えば、テレビなどは、１台のテレビを複数の利用者が視聴することもあり、住宅に居る利用者の人数に比例して消費電力が増加するとは限らない。このように住宅に居る利用者の人数に比例しないことがある消費電力については、第１補正項が好適に採用される。第１補正項に適用される値である第１補正値は、例えば、住宅に居る利用者の人数及び住宅に利用者が居る時間長さに基づいて算出される各日の在宅人数から決定される。これによって、より正確に消費電力を推定することができる。

第２補正項は、利用者の予定のイベント種別に応じて、適用される値（第２補正値）が定められる項である。イベント種別によっては、そのイベント種別に属するイベントが行われることで、そのイベントが行われない日とは、消費電力が大きく変動するものがある。このようなイベント種別の例としては、旅行、出張、来客、誕生日会などの非定期的な又は頻度が比較的低いイベントのイベント種別を挙げることができる。旅行、出張では、在宅人数が減るため消費電力が減少することが多く、来客、家で行われる誕生日会では、招待する人数に応じて消費電力が増加することが多いと考えられる。このようなイベント種別を予め設定しておくことによって、そのイベント種別に属するイベントが行われる日の消費電力をより正確に推定することが可能になる。

なお、本実施の形態では、モデル式が第１補正項と第２補正項との両者を含む例により説明するが、モデル式には、第１補正項と第２補正項とのいずれか一方のみが含められてもよい。モデル式が第１補正項を含む場合、パラメータ候補には、実施の形態１で例示したパラメータ候補のうち、在宅人数と在宅時間が含められなくてもよい。

本実施の形態に係る機器管理システム２００は、図７に示すように、実施の形態１に係る機器管理システム１００と概ね同様に構成される。本実施の形態では、機器管理装置２０６の構成が、実施の形態１に係る機器管理装置１０６の構成と異なる。

機器管理装置２０６は、図８に示すように、実施の形態１の記憶部１２１、推定式決定部１１６及び推定部１１７のそれぞれに代わる記憶部２２１、推定式決定部２１６及び推定部２１７を備え、他の構成は、実施の形態１に係る機器管理装置１０６と同様である。

記憶部２２１は、実施の形態１と同様の履歴データ１２２、予定データ１２３及び計画データ１２６を記憶しており、実施の形態１に係るモデルデータ１２４及び推定式データ１２５のそれぞれに代わるモデルデータ２２４及び推定式データ２２５を記憶している。

モデルデータ２２４は、実施の形態１に係るモデルデータ１２４と同様にパラメータ値の決定方法を含み、これに加えて、第１補正値及び第２補正値の各々の決定方法を含む。

推定式データ２２５は、実施の形態１に係る推定式データ１２５と同様に、モデル式に採用するパラメータとして選択されたものを特定するための情報、選択されたパラメータに掛けられる係数の値及び定数項の値を含む。これに加えて、推定式データ２２５は、第１補正項に適用する値（第１補正値）を決定するための第１補正用テーブルと、第２補正項に適用する値（第２補正値）を決定するための第２補正用テーブルとを含む。

推定式決定部２１６は、係数、定数項、第１補正用テーブル及び第２補正用テーブルを決定し、これによって、実施の形態１に係る推定式決定部１１６と同様に、宅内での消費電力を推定するための推定式を決定する。推定式決定部２１６は、決定した係数、定数項、第１補正用テーブル及び第２補正用テーブルを推定式データ２２５として記憶部２２１に記憶させる。

推定式決定部２１６が、係数及び定数項の値を決定する方法は、実施の形態１に係る推定式決定部１１６と同様である。ここでは、推定式決定部２１６が第１補正用テーブル及び第２補正用テーブルを決定する方法について説明する。

推定式決定部２１６は、予定データ１２３と、データ選定部１１３によって選定された推定式決定用データとに基づいて、第１補正用テーブルを決定する。

詳細には、推定式決定部２１６は、予定データ１２３に基づいて、実施の形態１と同様に各日の在宅人数を算出する。推定式決定部２１６は、決定した係数及び定数項の値と、選定された推定式決定用データに基づくパラメータ値とをモデル式に適用することで、モデル式に基づく各日の推定値を算出する。推定式決定部２１６は、対応する各日について、算出した推定値と消費電力の実績値との差を算出する。推定式決定部２１６は、対応する各日について、算出した在宅人数と算出した差（第１補正値）とを対応付けた第１補正用テーブルを作成する。推定式決定部２１６は、作成した第１補正用テーブルを推定式データ２２５に含めて記憶部２２１に記憶させる。

なお、第１補正値は、正負いずれの値もあり得る。また、第１補正用テーブルは、利用者により適宜修正され又は設定されてもよい。

推定式決定部２１６は、予定データ１２３と、データ選定部１１３によって除外された履歴データ１２２とを補正用データとして取得し、取得した補正用データに基づいて、第２補正用テーブルを決定する。

詳細には、推定式決定部２１６は、補正用データが示す日の予定データ１２３に含まれるイベント種別を特定する。推定式決定部２１６は、決定した係数及び定数項の値と、選定された推定式決定用データに基づくパラメータ値とをモデル式に適用することで、補正用データが示す日の、モデル式に基づく推定値を算出する。推定式決定部２１６は、対応する日について、算出した推定値と消費電力の実績値との差を算出する。推定式決定部２１６は、特定したイベント種別と、算出した差（第２補正値）とを対応付けた第２補正用テーブルを作成する。推定式決定部２１６は、作成した第２補正用テーブルを推定式データ２２５に含めて記憶部２２１に記憶させる。同じイベント種別のイベントが行われた日が複数ある場合、例えば、差の平均値が第２補正値として、そのイベント種別に対応付けられるとよい。

なお、第２補正値は、正負いずれの値もあり得る。また、推定式決定部２１６は、算出した推定値と消費電力の実績値との差が予め定めた閾値以上である場合に、特定したイベント種別と、算出した差（第２補正値）とを対応付けた第２補正用テーブルを作成してもよい。第２補正用テーブルは、利用者により適宜修正され又は設定されてもよい。

推定部２１７は、実施の形態１と同様に、選択された１つ以上のパラメータに対応するパラメータ値を、決定された推定式に適用することによって、宅内での消費電力を推定する。

本実施の形態に係る推定部２１７は、第１補正項及び第２補正項が推定式に含まれる点が実施の形態１に係る推定部１１７と異なっており、そのため、図９に示すように、実施の形態１に係る推定電力演算部１２９に代わる推定電力演算部２２９を備える。推定部２１７が備える推定用取得部１２７及びパラメータ値決定部１２８は、実施の形態１と同様それぞれと同様の機能を備える。

推定電力演算部２２９は、推定用取得部１２７により取得された推定式データ２２５と、パラメータ値決定部１２８により決定されたパラメータ値とに基づいて、実施の形態１に係る推定電力演算部１２９と同様に、係数の値とパラメータ値との積と、推定式データ２２５に含まれる定数項の値との和を算出する。

さらに、推定電力演算部２２９は、予定データ１２３に基づいて、消費電力を推定する日の在宅人数を算出する。推定電力演算部２２９は、算出した在宅人数と、推定式データ２２５に含まれる第１補正用テーブルとに基づいて、第１補正値を決定する。算出した在宅人数と同じ人数に対応する第１補正値が、第１補正用テーブルに含まれていない場合、推定電力演算部２２９は、例えば、算出した在宅人数に近い２つの在宅人数に対応する第１補正値を按分して内挿補完又は外挿補完することで、算出した在宅人数に対応する第１補正値を決定するとよい。

さらに、推定電力演算部２２９は、予定データ１２３に基づいて、消費電力を推定する日のイベント種別を特定する。推定電力演算部２２９は、特定したイベント種別が、推定式データ２２５に含まれる第２補正用テーブルに含まれている場合、そのイベント種別に対応付けられた第２補正値を決定する。

推定電力演算部２２９は、上述のように算出した係数の値とパラメータ値との積と定数項の値との和に、決定した第１補正値及び第２補正値の各々を加え、これによって、消費電力の推定値を算出する。

これまで、本発明の実施の形態２に係る機器管理システム２００の構成について説明した。ここから、本実施の形態に係る機器管理システム２００の動作について説明する。

本実施の形態では、機器管理装置２０６は、図１０に処理の流れを示す推定式決定処理を実行する。本実施の形態に係る推定式決定処理は、同図に示すように、実施の形態１に係る推定式決定処理の各処理（ステップＳ１０１〜ステップＳ１０７）に加えて、ステップＳ２０８の処理を含む。

ステップＳ１０７の処理が実行されると、推定式決定部２１６は、第１補正用テーブル及び第２補正用テーブルを決定する（ステップＳ２０８）。

詳細には、推定式決定部２１６は、ステップＳ１０１にて取得された予定データ１２３と、ステップＳ１０２にて選定された推定式決定用データとに基づいて、上述のように第１補正用テーブルを決定する。

また、推定式決定部２１６は、ステップＳ１０１にて取得された履歴データ１２２のうち、ステップＳ１０２にて除外されたものである補正用データをデータ選定部１１３から取得する。推定式決定部２１６は、取得した補正用データと、ステップＳ１０１にて取得された予定データ１２３とに基づいて、上述のように第２補正用テーブルを決定する。

本実施の形態では、機器管理装置２０６は、図１１に処理の流れを示す消費電力推定処理を実行する。本実施の形態に係る消費電力推定処理は、同図に示すように、実施の形態１に係る消費電力推定処理と同様のステップＳ１１１及びＳ１１２の処理と、ステップＳ１１３の処理に代わるステップＳ２１３の処理とを含む。

ステップＳ１１２の処理が実行されると、推定電力演算部２２９は、上述の通り、推定式データ１２５に含まれる係数の値とパラメータ値との積と、推定用データに含まれる定数項の値と、上述のように決定される第１補正値及び第２補正値との和を算出する。これによって、推定電力演算部２２９は、消費電力の推定値を算出する。

これまで説明したように、本実施の形態に係るモデル式は、第１補正項を含む。これにより、在宅人数に比例して消費電力が増加しない場合であっても、在宅人数に応じて、消費電力の推定値を補正することができる。従って、より正確に消費電力を推定することが可能になる。

また、本実施の形態に係るモデル式は、第２補正項を含む。これにより、例えば不定期なイベントなど予め定められたイベント種別のイベントが行われる場合であっても、そのイベント種別に応じて消費電力の推定値を補正することができる。従って、より正確に消費電力を推定することが可能になる。

実施の形態３．
実施の形態１及び２では、データ選定部１１３、相関演算部１１４、パラメータ選択部１１５、推定式決定部１１６又は２１６、推定部１１７又は２１７及び計画部１１８のすべてを機器管理装置１０６又は２０６が備える例を説明した。データ選定部１１３、相関演算部１１４、パラメータ選択部１１５、推定式決定部１１６，２１６、推定部１１７，２１７及び計画部１１８の一部又は全部を、クラウドサーバが備えてもよい。本実施の形態では、実施の形態１に係る機器管理装置１０６が備える機能の一部をクラウドサーバが備える例について説明する。

本実施の形態に係る機器管理システム３００は、図１２に示すように、実施の形態１に係る機器管理システム１００と概ね同様に構成される。本実施の形態では、クラウドサーバ３０７及び機器管理装置３０６の構成が、実施の形態１に係るクラウドサーバ１０７及び機器管理装置１０６の構成と異なる。

本実施の形態では、図１３に示すように、実施の形態１と同様のデータ選定部１１３、相関演算部１１４、パラメータ選択部１１５、推定式決定部１１６及び推定部１１７と、履歴データ１２２、予定データ１２３、モデルデータ１２４及び推定式データ１２５を記憶する記憶部３２１ａと、広域ネットワーク１１１を介して機器管理装置３０６、気象サーバ１０５などと通信する通信部３２０ａとを備える。通信部３２０ａは、広域ネットワーク１１１を介して適宜取得する履歴データ１２２、予定データ１２３を記憶部３２１ａに記憶させる。

このような構成を備えることによって、本実施の形態に係るクラウドサーバ３０７は、実施の形態１に係る推定式決定処理及び消費電力推定処理を実行することができる。

本実施の形態に係る機器管理装置３０６は、図１４に示すように、実施の形態１と同様の計画部１１８及び機器管理部１１９と、広域ネットワーク１１１を介して通信する通信部３２０ｂと、計画データ１２６を記憶する記憶部３２１ｂとを備える。通信部３２０ｂは、例えば、クラウドサーバ３０７によって算出された消費電力の推定値を示すデータを広域ネットワーク１１１を介して取得する。これにより、機器管理装置３０６は、実施の形態１と同様に、消費電力の推定値に基づいて電気機器の運用計画を作成し、作成した運用計画に基づいて電気機器を管理することができる。

本実施の形態によっても、実施の形態１と同様の効果を奏する。

本発明は、コンピュータにインストールすることによって、そのコンピュータを、例えば実施の形態１〜３に係るデータ選定部１１３、相関演算部１１４、パラメータ選択部１１５、推定式決定部１１６又は２１６、推定部１１７又は２１７及び計画部１１８の一部又は全部として機能させるためのプログラムとして実現されてもよい。本発明は、そのようなプログラムが一時的ではなく記録された記憶媒体として実現されてもよい。

以上、本発明の実施の形態及び変形例（なお書きに記載したものを含む。以下、同様。）について説明したが、本発明はこれらに限定されるものではない。本発明は、実施の形態及び変形例が適宜組み合わされたもの、それに適宜変更が加えられたものを含む。

本発明は、電力の需要場所における消費電力を推定するための消費電力推定システム、消費電力推定装置、消費電力推定方法、そのためのプログラムなどに好適に利用することができる。

１００，２００，３００ 機器管理システム、１０１ 家電機器、１０２ 発電システム、１０３ 蓄電システム、１０４ 電力計測装置、１０５ 気象サーバ、１０６，２０６，３０６ 機器管理装置、１０７，３０７ クラウドサーバ、１１３ データ選定部、１１４ 相関演算部、１１５ パラメータ選択部、１１６，２１６ 推定式決定部、１１７，２１７ 推定部、１１８ 計画部、１１９ 機器管理部、１２０，３２０ａ，３２０ｂ 通信部、１２１，２２１ 記憶部、１２２ 履歴データ、１２３ 予定データ、１２４，２２４ モデルデータ、１２５，２２５ 推定式データ、１２６ 計画データ、１２７ 推定用取得部、１２８ パラメータ値決定部、１２９，２２９ 推定電力演算部。

Claims (13)

1. 需要場所に設置された複数の電気機器のうちから、前記需要場所に利用者が居るか否かと動作時間との相関の強さが閾値以上である電気機器を特定し、前記特定した電気機器の動作時間を、前記需要場所での消費電力を推定するためのパラメータ候補に含めるデータ選定部と、
   前記需要場所での消費電力の実績値と前記パラメータ候補の各々との相関の強さを示す相関指標を算出する相関演算部と、
   前記算出された相関指標と予め定められた閾値とを比較し、比較した結果に基づいて、前記消費電力の実績値と相関が強いパラメータを前記パラメータ候補の中から選択するパラメータ選択部と、
   前記選択されたパラメータを採用したモデル式に基づいて、前記消費電力を推定するための推定式を決定する推定式決定部と、
   前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用することによって、前記消費電力を推定する推定部とを備え、
   前記推定部は、前記パラメータ選択部によって前記パラメータ候補の中から前記特定した電気機器の動作時間が選択された場合に、前記特定した電気機器の動作時間に対応するパラメータ値として前記需要場所に前記利用者が居る時間長さを前記決定された推定式に適用することによって、前記消費電力を推定する、消費電力推定装置。
2. 前記パラメータ候補は、前記需要場所に居る前記利用者の人数及び前記時間長さに基づいて定まる在場所人数をさらに含む
   請求項１に記載の消費電力推定装置。
3. 前記推定部は、
   前記パラメータ選択部によって前記パラメータ候補の中から前記在場所人数が選択された場合に、前記利用者の予定を示す予定データに基づいて、前記在場所人数に対応するパラメータ値を決定するパラメータ値決定部と、
   前記決定されたパラメータ値を前記決定された推定式に適用することによって、前記消費電力を推定する推定電力演算部とを備える
   請求項２に記載の消費電力推定装置。
4. 前記推定部は、
   前記パラメータ選択部によって前記パラメータ候補の中から前記特定した電気機器の動作時間が選択された場合に、前記利用者の予定を示す予定データに基づいて、前記特定した電気機器の動作時間に対応するパラメータ値として前記時間長さを決定するパラメータ値決定部と、
   前記決定された時間長さを前記決定された推定式に適用することによって、前記消費電力を推定する推定電力演算部とを備える
   請求項１に記載の消費電力推定装置。
5. 前記モデル式は、前記需要場所に居る前記利用者の人数及び前記時間長さに基づいて定められる第１補正項を含み、
   前記推定式決定部は、前記選択されたパラメータを採用した前記モデル式に基づいて、前記第１補正項を含む前記推定式を決定し、
   前記推定部は、前記利用者の予定を示す予定データに基づいて、前記時間長さ及び前記人数を決定し、当該決定した時間長さ及び人数の推定値に基づいて、第１補正量を決定し、前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用するとともに、前記決定された推定式に含まれる前記第１補正項に前記決定された第１補正量を適用することによって、前記消費電力を推定する
   請求項１に記載の消費電力推定装置。
6. 前記モデル式は、前記利用者の予定のイベント種別に応じて定められる第２補正項を含み、
   前記推定式決定部は、前記選択されたパラメータを採用した前記モデル式に基づいて、前記第２補正項を含む前記推定式を決定し、
   前記推定部は、前記利用者の予定を示す予定データに含まれるイベント種別に基づいて、第２補正量を決定し、前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用するとともに、前記決定された推定式に含まれる前記第２補正項に前記決定された第２補正量を適用することによって、前記消費電力を推定する
   請求項１から５のいずれか１項に記載の消費電力推定装置。
7. 前記パラメータ候補は、気象情報を含む
   請求項１から６のいずれか１項に記載の消費電力推定装置。
8. 前記推定された消費電力に基づいて、前記複数の電気機器のうちの１つ又は複数の電気機器の運用計画を作成する計画部をさらに備える
   請求項１から７のいずれか１項に記載の消費電力推定装置。
9. 前記計画部は、蓄電池の残容量と前記推定された消費電力とに基づいて、前記蓄電池の運用計画を作成する
   請求項８に記載の消費電力推定装置。
10. 前記計画部は、前記蓄電池の残容量が、第１時間帯に比べて電気料金が高い第２時間帯までに、前記第２時間帯の前記推定された消費電力以上となるように、前記蓄電池の運用計画を作成する
    請求項９に記載の消費電力推定装置。
11. 需要場所に設置された複数の電気機器のうちから、前記需要場所に利用者が居るか否かと動作時間との相関の強さが閾値以上である電気機器を特定し、前記特定した電気機器の動作時間を、前記需要場所での消費電力を推定するためのパラメータ候補に含めるデータ選定部と、
    前記需要場所での消費電力の実績値と前記パラメータ候補の各々との相関の強さを示す相関指標を算出する相関演算部と、
    前記算出された相関指標と予め定められた閾値とを比較し、比較した結果に基づいて、前記消費電力の実績値と相関が強いパラメータを前記パラメータ候補の中から選択するパラメータ選択部と、
    前記選択されたパラメータを採用したモデル式に基づいて、前記消費電力を推定するための推定式を決定する推定式決定部と、
    前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用することによって、前記消費電力を推定する推定部と、
    前記推定された消費電力に基づいて、前記複数の電気機器のうちの１つ又は複数の電気機器の運用計画を作成する計画部と、
    前記作成された運用計画に従って、前記１つ又は複数の電気機器を管理する機器管理部とを備え、
    前記推定部は、前記パラメータ選択部によって前記パラメータ候補の中から前記特定した電気機器の動作時間が選択された場合に、前記特定した電気機器の動作時間に対応するパラメータ値として前記需要場所に前記利用者が居る時間長さを前記決定された推定式に適用することによって、前記消費電力を推定する、機器管理システム。
12. 消費電力推定装置が、需要場所に設置された複数の電気機器のうちから、前記需要場所に利用者が居るか否かと動作時間との相関の強さが閾値以上である電気機器を特定し、前記特定した電気機器の動作時間を、前記需要場所での消費電力を推定するためのパラメータ候補に含めることと、
    前記消費電力推定装置が、前記需要場所での消費電力の実績値と前記パラメータ候補の各々との相関の強さを示す相関指標を算出することと、
    前記消費電力推定装置が、前記算出された相関指標と予め定められた閾値とを比較し、比較した結果に基づいて、前記消費電力の実績値と相関が強いパラメータを前記パラメータ候補の中から選択することと、
    前記消費電力推定装置が、前記選択されたパラメータを採用したモデル式に基づいて、前記消費電力を推定するための推定式を決定することと、
    前記消費電力推定装置が、前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用することによって、前記消費電力を推定することとを含み、
    前記消費電力推定装置は、前記パラメータ候補の中から前記特定した電気機器の動作時間が選択された場合に、前記特定した電気機器の動作時間に対応するパラメータ値として前記需要場所に前記利用者が居る時間長さを前記決定された推定式に適用することによって、前記消費電力を推定する、消費電力推定方法。
13. コンピュータを、
    需要場所に設置された複数の電気機器のうちから、前記需要場所に利用者が居るか否かと動作時間との相関の強さが閾値以上である電気機器を特定し、前記特定した電気機器の動作時間を、前記需要場所での消費電力を推定するためのパラメータ候補に含めるデータ選定部、
    前記需要場所での消費電力の実績値と前記パラメータ候補の各々との相関の強さを示す相関指標を算出する相関演算部、
    前記算出された相関指標と予め定められた閾値とを比較し、比較した結果に基づいて、前記消費電力の実績値と相関が強いパラメータを前記パラメータ候補の中から選択するパラメータ選択部、
    前記選択されたパラメータを採用したモデル式に基づいて、前記消費電力を推定するための推定式を決定する推定式決定部、
    前記選択されたパラメータに対応するパラメータ値を前記決定された推定式に適用することによって、前記消費電力を推定する推定部、として機能させ、
    前記推定部は、前記パラメータ選択部によって前記パラメータ候補の中から前記特定した電気機器の動作時間が選択された場合に、前記特定した電気機器の動作時間に対応するパラメータ値として前記需要場所に前記利用者が居る時間長さを前記決定された推定式に適用することによって、前記消費電力を推定する、プログラム。

Images