JP6389934B2 - 節電支援システム、及び節電支援装置 - Google Patents

Description

本発明は、節電支援システム、及び節電支援装置に関する。

近年、ビルなどの建物の使用電力量を監視してデマンド電力（需要電力）を算出し、算出したデマンド電力における所定の期間単位（例えば、３０分単位）の推移状況からデマンド電力を予測するシステムが知られている（例えば、非特許文献１を参照）。

"電力デマンド監視システム"、［online］、株式会社ロボティクスウェア、［平成２５年７月１２日検索］、インターネット<URL: http://www.roboticsware.co.jp/demand/demand.htm>

しかしながら、上述のようなシステムにおけるデマンド電力の予測では、直近のデマンド電力の数値の推移（点群）に基づいて、「傾き」を求める手法、つまりは最小二乗法による線形単回帰で傾き求める手法に過ぎず、例えば、日にち単位でデマンド電力の未来予測を行うものではなかった。そのため、上述のようなシステムでは、建物の利用者がリードタイムをもった節電目標、又は節電対策の立案を実施することが困難であった。

本発明は、上記問題を解決すべくなされたもので、その目的は、需要電力に基づいて、節電目標、又は節電対策を立案することができる節電支援システム、及び節電支援装置を提供することにある。

上記問題を解決するために、本発明の一態様は、建物の使用電力を、少なくとも電力を測定する計測機器が測定した電力値に基づく電力の時系列データとして収集するデータ収集装置と、前記データ収集装置が収集した前記電力の時系列データに基づいて、前記建物における需要電力を予測する節電支援装置とを備え、前記節電支援装置は、前記データ収集装置が収集した前記電力の時系列データのうちの所定の学習範囲の時系列データを取得する学習データ取得部と、前記学習データ取得部が取得した前記所定の学習範囲における時系列データの階差の相加平均を示す階差系列データと、所定の統計モデルとに基づいて、所定の予測期間における需要電力を予測する予測処理部とを備えることを特徴とする節電支援システムである。
また、本発明の一態様は、建物の使用電力を、少なくとも電力を測定する計測機器が測定した電力値に基づく電力の時系列データとして収集し、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置と、データ収集装置が収集した前記測定情報に基づいて、前記建物における節電に関する試算を行う節電支援装置とを備え、前記節電支援装置は、前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する試算処理部であって、前記エリア全体の現在の消費電力と、予め定められた電力目標値と、前記機器の消費電力とに基づいて、前記エリア全体の現在の消費電力と前記電力目標値との差分に対して前記機器の消費電力がどの程度の割合であるかを示す前記機器の消費電力の寄与率を前記試算情報として試算し、少なくとも前記寄与率を含む前記試算提示情報を前記端末装置に出力する試算処理部を備えることを特徴とする節電支援システムである。

また、本発明の一態様は、上記の節電支援システムにおいて、前記予測処理部は、前記所定の学習範囲における前記時系列データのうちから抽出された説明変数に対応する時系列データから生成された前記階差系列データと、前記所定の学習範囲における前記時系列データのうちから抽出された従属変数に対応する従属変数データと、前記所定の統計モデルとに基づいて、前記所定の予測期間の需要電力を予測することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記所定の学習範囲は、第１の周期期間を定数倍した第２の周期期間を複数回含む範囲であり、前記節電支援装置は、前記説明変数に対応する時系列データに欠損がある場合に、欠損している時刻の前後の時系列データに基づいて補間データを算出し、算出した前記補間データを、前記欠損している時刻における前記階差系列データの代わりに置き換えるとともに、前記従属変数に対応する前記従属変数データに欠損がある場合に、前記欠損を含む前記第１の周期期間を前記所定の学習範囲から除外し、前記所定の学習範囲より過去の前記第１の周期期間であって、前記第２の周期期間において前記欠損を含む前記第１の周期期間と等しい前記第１の周期期間を、前記所定の学習範囲に追加する最適化処理部を備えることを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記第１の周期期間は１日であり、前記第２の周期期間は１週間であり、前記節電支援装置は、需要電力における特異点となる特異日を示す特異日情報を記憶する特異日情報記憶部を備え、前記最適化処理部は、前記特異日情報記憶部が記憶する前記特異日情報に基づいて、前記所定の学習範囲に前記特異日が含まれるか否かを判定し、前記所定の学習範囲に前記特異日が含まれている場合に、当該特異日を前記所定の学習範囲から除外し、前記所定の学習範囲より過去の１日であって、前記１週間において当該特異日と等しい曜日の１日を、前記所定の学習範囲に追加することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記予測処理部は、前記特異日情報記憶部が記憶する前記特異日情報に基づいて、前記所定の予測期間に前記特異日が含まれるか否かを判定し、前記所定の予測期間に前記特異日が含まれている場合に、前記データ収集装置が収集した過去の前記特異日における前記電力の時系列データに基づいて、当該特異日の需要電力を予測することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記データ収集装置は、収集した前記時系列データを記憶する収集データ記憶部に前記時系列データを記憶させ、前記節電支援装置は、前記収集データ記憶部から前記第１の周期期間ごとに前記時系列データを取得し、前記時系列データを過去の電力情報として記憶する電力情報記憶部に、取得した前記第１の周期期間ごとの前記時系列データを記憶させる測定データ取得部を備え、前記学習データ取得部は、前記電力情報記憶部から前記所定の学習範囲の時系列データを取得することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記節電支援装置は、前記電力の時系列データとは異なる前記説明変数を学習情報として追加する学習情報追加部を備え、前記予測処理部は、前記学習情報が追加された場合に、前記需要電力を予測するとともに、追加した前記学習情報が統計的に有効である否かを評価することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記予測処理部は、予測した前記所定の予測期間における需要電力を少なくとも提示する電力提示情報を生成し、生成した前記電力提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力することを特徴する。

また、本発明の一態様は、上記の節電支援システムにおいて、前記データ収集装置は、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集し、前記節電支援装置は、前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する試算処理部を備えることを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記試算処理部は、予め定められた電力目標値と、前記機器の消費電力とに基づいて、前記電力目標値に対する前記機器の消費電力の寄与率を前記試算情報として試算し、少なくとも前記寄与率を含む前記試算提示情報を前記端末装置に出力することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記人が感じる負荷を示す指標には、平均照度が含まれ、前記試算処理部は、前記平均照度に応じた、前記建物が有する照明機器の消費電力を算出し、算出した前記照明機器の消費電力に基づく照明に関する試算情報を試算し、試算した当該試算情報を含む照明に関する試算提示情報を、前記端末装置に出力する照明試算処理部を備えることを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記照明試算処理部は、前記平均照度が第１の基準値である場合の前記照明に関する試算情報である第１試算情報と、前記平均照度が第２の基準値である場合の前記照明に関する試算情報である第２試算情報とを試算し、試算した当該第１試算情報及び当該第２試算情報を含む前記照明に関する試算提示情報を、前記端末装置に出力することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記計測機器は、前記建物が有するエリアに備えられた複数の前記照明機器のうちの１台分の使用電力を測定する第１のセンサによって前記１台分の使用電力を測定するとともに、前記エリアに備えられた前記照明機器の全使用電力を測定する第２のセンサによって前記照明機器の全使用電力を測定し、前記データ収集装置は、前記１台分の使用電力と、前記照明機器の全使用電力とを前記測定情報としてエリアごとに収集し、前記照明試算処理部は、前記照明機器を有するエリアの空間条件と、前記１台分の使用電力と、前記照明機器の全使用電力とに基づいて、前記平均照度に応じた前記照明機器の必要数を前記試算情報として算出し、少なくとも前記照明機器の必要数を含む前記試算提示情報を前記端末装置に出力することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記人が感じる負荷を示す指標には、温度及び湿度に基づいて算出される人が不快に感じる指標を示す不快指数が含まれ、前記試算処理部は、前記不快指数に応じた、前記建物が有する空調機器の消費電力を算出し、算出した前記空調機器の消費電力に基づく空調に関する前記試算情報を試算し、試算した当該試算情報を含む空調に関する試算提示情報を、前記端末装置に出力する空調試算処理部を備えることを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記計測機器は、前記空調機器の使用電力を測定するとともに、前記建物が有するエリア内の温度を測定する温度センサによって前記エリア内の温度を測定し、前記エリア内の湿度を測定する湿度センサによって前記エリア内の湿度を測定し、前記データ収集装置は、前記空調機器の使用電力と、前記エリア内の温度と、前記エリア内の湿度とを前記測定情報としてエリアごとに収集し、前記空調試算処理部は、前記エリア内の温度、及び前記エリア内の湿度に基づいて、前記不快指数を算出し、前記データ収集装置が収集した過去の前記空調機器の使用電力に基づいて、算出した前記不快指数に応じた前記空調機器の消費電力を算出することを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記節電支援装置は、節電の協力を要請する節電要請の前後において前記計測機器によって測定された前記建物の使用電力に基づいて、前記節電要請の前後における前記建物の節電に関する評価指標値を算出し、算出した前記評価指標値に基づく節電の評価結果を含む評価提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する評価処理部を備えることを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、複数の前記データ収集装置を備え、複数の前記データ収集装置のそれぞれは、複数の前記建物のそれぞれの使用電力を収集し、前記評価処理部は、前記節電要請の前後において前記計測機器によって測定された複数の前記建物の使用電力に基づいて、前記節電要請の前後における前記建物の使用電力の変化が、前記複数の建物の間において有意差があるか否かを検定する検定情報を前記評価指標値として算出し、算出した当該検定情報に基づく前記評価結果を含む前記評価提示情報を前記端末装置に出力する節電努力検定部を備えることを特徴とする。

また、本発明の一態様は、上記の節電支援システムにおいて、前記建物は、複数のエリアを有し、前記データ収集装置は、前記電力の時系列データを前記エリアごとに収集し、前記評価処理部は、前記節電要請の前後において前記計測機器によって測定された前記建物における前記エリアごとの使用電力に基づいて、前記エリアごとの使用電力を順位付けし、前記節電要請の前後においてそれぞれ順位付けした順位に基づいて、前記エリアごとの使用電力の相関係数を前記評価指標値として算出し、算出した当該相関係数に基づく前記評価結果を含む前記評価提示情報を前記端末装置に出力する節電順位評価部を備えることを特徴とする。

また、本発明の一態様は、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置と、前記データ収集装置が収集した前記測定情報に基づいて、前記建物における節電に関する試算を行う節電支援装置とを備え、前記節電支援装置は、前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算する試算処理部を備えることを特徴とする節電支援システムである。

また、本発明の一態様は、少なくとも電力を測定する計測機器によって建物の使用電力を収集するデータ収集装置と、前記データ収集装置が収集した前記建物の使用電力に基づいて、前記建物における節電に関する評価を行う節電支援装置とを備え、前記節電支援装置は、節電の協力を要請する節電要請の前後において前記計測機器によって測定された前記建物の使用電力に基づいて、前記節電要請の前後における前記建物の節電に関する評価指標値を算出し、算出した前記評価指標値に基づく節電の評価結果を含む評価提示情報を出力する評価処理部を備えることを特徴とする節電支援システムである。

また、本発明の一態様は、建物の使用電力を、少なくとも電力を測定する計測機器が測定した電力値に基づく電力の時系列データとして収集するデータ収集装置が収集した前記電力の時系列データのうちの所定の学習範囲の時系列データを取得する学習データ取得部と、前記学習データ取得部が取得した前記所定の学習範囲における時系列データの階差の相加平均を示す階差系列データと、所定の統計モデルとに基づいて、所定の予測期間の需要電力を予測する予測処理部とを備えることを特徴とする節電支援装置である。

また、本発明の一態様は、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置が収集した前記測定情報に基づいて、前記建物における節電に関する試算を行う節電支援装置であって、前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する試算処理部であって、前記エリア全体の現在の消費電力と、予め定められた電力目標値と、前記機器の消費電力とに基づいて、前記エリア全体の現在の消費電力と前記電力目標値との差分に対して前記機器の消費電力がどの程度の割合であるかを示す前記機器の消費電力の寄与率を前記試算情報として試算し、少なくとも前記寄与率を含む前記試算提示情報を前記端末装置に出力する試算処理部を備えることを特徴とする節電支援装置である。

また、本発明の一態様は、少なくとも電力を測定する計測機器によって建物の使用電力を収集するが収集した前記建物の使用電力に基づいて、前記建物における節電に関する評価を行う節電支援装置であって、節電の協力を要請する節電要請の前後において前記計測機器によって測定された前記建物の使用電力に基づいて、前記節電要請の前後における前記建物の節電に関する評価指標値を算出し、算出した前記評価指標値に基づく節電の評価結果を含む評価提示情報を出力する評価処理部を備えることを特徴とする節電支援装置である。

本発明によれば、需要電力に基づいて、節電目標、又は節電対策を立案することができる。

第１の実施形態による節電支援システムの一例を示すブロック図である。 本実施形態における階差系列データを説明する説明図である。 本実施形態における説明変数のデータに欠損がある場合の処理の一例を説明する説明図である。 本実施形態における学習範囲の測定データの一例を示す図である。 本実施形態における需要電力の予測処理の一例を示すフローチャートである。 本実施形態における取得した測定データの最適化処理の一例を示すフローチャートである。 本実施形態における需要電力の予測結果の端末装置に表示する場合の表示例を示す図である。 本実施形態における需要電力の予測結果を携帯端末装置に表示する場合の表示例を示す図である。 本実施形態における需要電力の予測結果と実測値とを比較した第１のグラフを示す図である。 本実施形態における需要電力の実測平均値と予測平均値との比較を示す第１の図である。 本実施形態における需要電力の予測結果と実測値とを比較した第２のグラフを示す図である。 本実施形態における需要電力の実測平均値と予測平均値との比較を示す第２の図である。 第２の実施形態による節電支援システムの一例を示すブロック図である。 本実施形態における説明変数情報の追加した予測処理、及び評価処理の一例を示すフローチャートである。 本実施形態におけるエリアの照明用の設定情報、及び照明機器の電力測定の一例を説明する説明図である。 本実施形態における照度の基準の一例を示す図である。 図１６とは別の照度の基準の一例を示す図である。 本実施形態における照度計算のためのパラメータ設定の画面の一例を示す図である。 本実施形態における保守率の参考値の一例を示す図である。 本実施形態におけるランプ選択のメニューの一例を示す図である。 本実施形態における照明機器の節電試算処理の一例を示すフローチャートである。 本実施形態における照明機器の節電試算結果の表示画面の一例を示す図である。 本実施形態におけるエリアの温度測定及び湿度測定の一例を説明する説明図である。 本実施形態における不快指数の基準の一例を示す図である。 本実施形態における空調機器の節電試算処理の一例を示すフローチャートである。 本実施形態における空調機器の節電試算結果の表示画面の一例を示す図である。 本実施形態におけるΔＴ・熱量計算結果の表示画面の一例を示す図である。 本実施形態における空調の制御処理の一例を示すフローチャートである。 第３の実施形態による節電支援システムの一例を示すブロック図である。 本実施形態における節電努力の分析処理の一例を示すフローチャートである。 本実施形態における節電努力の分析処理における分析結果の表示画面の一例を示す図である。 本実施形態における節電順位相関係数の分析処理の一例を示すフローチャートである。 本実施形態における節電順位相関係数の分析処理における分析結果の表示画面の一例を示す図である。

以下、本発明の一実施形態による節電支援システムについて図面を参照して説明する。
［第１の実施形態］
本実施形態では、例えば、過去３ヶ月分の建物の使用電力データに基づいて、未来の建物の需要電力（例えば、２日先の需要電力）を予測する節電支援システムについて説明する。

図１は、第１の実施形態による節電支援システム１の一例を示すブロック図である。
この図において、節電支援システム１は、節電支援装置１００、データ収集装置２００、及び複数の計測機器４０（４０−１、４０−２、・・・）を備えている。また、節電支援システム１は、ネットワークＮ１を介して節電支援装置１００と接続される複数の端末装置１０（１０−１、１０−２、・・・）と、ＦＷ（Fire Wall）装置２０を介して節電支援装置１００と接続される外部連携サーバ３００と、携帯端末装置３０（３０−１、３０−２、・・・）とを備えている。なお、携帯端末装置３０は、携帯キャリア網や公衆無線ＬＡＮなどのネットワークＮ２を介して外部連携サーバ３００に接続されている。

ここで、計測機器４０−１、計測機器４０−２、・・・は、節電支援システム１が備える任意の計測機器を示す場合、又は特に区別しない場合には、「−１」、「−２」等の記載を省略して計測機器４０として説明する。
また、端末装置１０−１、１０−２、・・・は、節電支援システム１が備える任意の端末装置を示す場合、又は特に区別しない場合には、「−１」、「−２」等の記載を省略して端末装置１０として説明する。
また、携帯端末装置３０−１、３０−２、・・・は、節電支援システム１が備える任意の携帯端末装置を示す場合、又は特に区別しない場合には、「−１」、「−２」等の記載を省略して携帯端末装置３０として説明する。

データ収集装置２００及び計測機器４０は、ビルなどの建物（例えば、建物Ｂ１（建物１））に備えられており、節電支援システム１は、このようにデータ収集装置２００及び計測機器４０を備える建物を複数備えている。また、複数の計測機器４０は、エリア（例えば、エリアＡ１（エリア１））に備えられており、建物は、このように複数の計測機器４０を備えるエリアを複数有している。
ここで、エリアとは、例えば、建物が備えるフロア、部屋などの所定の範囲である。

計測機器４０は、少なくとも電力を測定する装置であって、所定の時間間隔（例えば、３０分間隔）で電力を測定する。計測機器４０は、例えば、電力センサ、温度センサ、及び湿度センサなどから測定データを取得し、データ収集装置２００に測定データを送信する。なお、計測機器４０は、例えば、ＵＤＰ（User Datagram Protocol）を利用して測定データを取得するとともに送信する。

データ収集装置２００は、建物の使用電力を、計測機器４０が３０分間隔で測定した電力値に基づく電力の時系列データとして収集するサーバ装置である。データ収集装置２００は、収集処理部２１０と、収集データ記憶部２２０とを備えている。
収集処理部２１０は、例えば、ＣＰＵ（Central Processing Unit）などを含むプロセッサであり、データ収集装置２００を統括的に制御する。収集処理部２１０は、電力収集部２１１を備えている。

電力収集部２１１は、例えば、計測機器４０から３０分間隔で電力値を取得し、取得した電力値に基づく建物ごとの使用電力、及びエリアごとの使用電力を示す時系列データを収集データ記憶部２２０に記憶させる。
収集データ記憶部２２０は、建物ごと、及びエリアごとの使用電力を示す時系列データを含む収集データを記憶する。

節電支援装置１００は、データ収集装置２００が収集した電力の時系列データに基づいて、建物における未来の需要電力を予測するサーバ装置である。節電支援装置１００は、処理部１１０、記憶部１２０、及び測定データ取得部１３０を備えている。
記憶部１２０は、節電支援装置１００における各種処理において利用する各種情報を記憶する。記憶部１２０は、例えば、電力情報記憶部１２１、カレンダ情報記憶部１２２、設定情報記憶部１２３、及び予測結果記憶部１２４を備えている。

電力情報記憶部１２１は、建物ごと、及びエリアごとの時系列データを過去の電力情報として記憶する。
カレンダ情報記憶部１２２（特異日情報記憶部）は、需要電力における特異点となる特異日（例えば、休日、祝日、夏季休暇など）を示す特異日情報を記憶する。ここで、特異日情報は、システム管理者によって予め記憶されているものとする。
設定情報記憶部１２３は、節電支援装置１００における各種処理において利用される設定情報を記憶する。設定情報記憶部１２３は、例えば、節電目標値（閾値）、予測のための学習期間の切り替え設定情報などを記憶する。
予測結果記憶部１２４は、処理部１１０によって予測された未来の需要電力の予想結果を記憶する。

測定データ取得部１３０は、データ収集装置２００の収集データ記憶部２２０から１日ごと（第１の周期期間ごとの一例）に時系列データを取得し、時系列データを過去の電力情報として電力情報記憶部１２１に記憶させる。測定データ取得部１３０は、例えば、定期的（１日１回）にバッチ処理により、収集データ記憶部２２０から１日分の時系列データを取得し、取得した時系列データを過去の電力情報として電力情報記憶部１２１に記憶させる。

処理部１１０は、例えば、ＣＰＵなどを含むプロセッサであり、節電支援装置１００における各種処理を実行する。処理部１１０は、学習データ取得部１１１、最適化処理部１１２、及び予測処理部１１３を備えている。
学習データ取得部１１１は、データ収集装置２００が収集した電力の時系列データのうちの所定の学習範囲（例えば、３ヶ月）の時系列データを取得する。ここで、所定の学習範囲とは、第１の周期期間（例えば、１日）を定数倍（例えば、７倍）した第２の周期期間（例えば、１週間）を複数回（例えば、１２回）含む範囲である。すなわち、所定の学習範囲は、第１の周期期間を１日とし、７日間（１週間）を１２回分有する３ヶ月の期間である。このように、学習データ取得部１１１は、電力情報記憶部１２１から例えば、３ヶ月分の電力の時系列データを学習範囲の時系列データとして取得する。

最適化処理部１１２は、学習データ取得部１１１が取得した学習範囲（例えば、過去３ヶ月）の時系列データを最適化する処理を行う。具体的に、最適化処理部１１２は、学習データ取得部１１１が取得した所定の学習範囲における時系列データの階差の相加平均を示す階差系列データを生成する。また、最適化処理部１１２は、例えば、需要電力の予測に用いる説明変数に対応する時系列データに欠損（ロスト）がある場合に、欠損している時刻の前後の時系列データに基づいて補間データを算出し、算出した補間データを、欠損している時刻における階差系列データの代わりに置き換える。

また、最適化処理部１１２は、例えば、需要電力の予測に用いる従属変数に対応する従属変数データに欠損（ロスト）がある場合に、欠損を含む１日を過去３ヶ月の学習範囲から除外し、過去３ヶ月の学習範囲より過去の１日であって、１週間において欠損を含む曜日と等しい１日を、学習範囲に追加する。すなわち、最適化処理部１１２は、従属変数に対応する従属変数データに欠損（ロスト）がある場合に、欠損した部分をＮｕｌｌ（ヌル）と定義し、学習範囲から除外した形を取り、適用となる学習範囲から欠損した分（ロストした分）を追加した学習範囲を適用（例、過去３ヶ月分＋ｎ日の学習対象期間（欠損した数：ｎ））する。
また、最適化処理部１１２は、カレンダ情報記憶部１２２が記憶する特異日情報（例えば、休日情報）に基づいて、過去３ヶ月の学習範囲に休日又は祝日（特異日の一例）が含まれるか否かを判定し、学習範囲に休日又は祝日が含まれている場合に、当該休日又は祝日を過去３ヶ月の学習範囲から除外し、過去３ヶ月の学習範囲より過去の１日であって、１週間において当該休日又は祝日と等しい曜日の１日を、学習範囲に追加する。
なお、上述した最適化処理部１１２の詳細な処理については後述する。

予測処理部１１３は、学習データ取得部１１１が取得した所定の学習範囲（例えば、過去３ヶ月の学習範囲）における時系列データの階差の相加平均を示す階差系列データと、所定の統計モデル（例えば、線形重回帰モデル）とに基づいて、所定の予測期間（例えば、２日先までの期間）における未来の需要電力を予測する。すなわち、予測処理部１１３は、過去３ヶ月の学習範囲における時系列データのうちから抽出された説明変数に対応する時系列データから生成された階差系列データと、過去３ヶ月の学習範囲における時系列データのうちから抽出された従属変数に対応する従属変数データと、所定の統計モデルとに基づいて、２日先までの期間における未来の需要電力を予測する。予測処理部１１３は、予測した２日先までの予測結果を予測結果記憶部１２４に記憶させる。

また、予測処理部１１３は、カレンダ情報記憶部１２２が記憶する休日情報に基づいて、予測期間である２日間に休日又は祝日が含まれるか否かを判定する。予測処理部１１３は、予測期間である２日間に休日又は祝日が含まれている場合に、データ収集装置２００が収集した過去の休日又は祝日における電力の時系列データに基づいて、当該休日又は祝日である予測対象日の需要電力を予測する。具体的に、予測処理部１１３は、例えば、電力情報記憶部１２１が記憶する休日又は祝日における過去の実績データをそのまま予測値として出力する。また、予測処理部１１３は、例えば、夏季休暇、冬季休暇、GW（ゴールデンウィーク）など連休の週およびその前後１週間については、所定の統計モデルを利用した予測結果が不安定となる可能性があるので、このような週の予測対象日については、過去の実績データをそのまま予測値として出力する。
なお、予測処理部１１３による予測処理の詳細については後述する。

予測処理部１１３は、予測した２日先までの予測期間における需要電力を少なくとも利用者に提示する電力提示情報（例えば、電力表示情報）を生成し、生成した電力提示情報を、節電支援装置１００とネットワークを介して接続された端末装置１０（又は携帯端末装置３０）に出力する。

端末装置１０は、例えば、クライアント端末、クライアントＰＣ（パーソナルコンピュータ）などであり、ブラウザソフトウェアを利用して、節電支援装置１００が出力する電力提示情報（例えば、電力表示情報）を表示して利用者に提示する。ここで、電力表示情報には、例えば、指定した部分単位（建物単位、、エリア単位、フロア単位）などの月、日、及び時間毎の需要電力の推移グラフや、当日から先２日分の需要電力の予測グラフなどが含まれる。
携帯端末装置３０は、例えば、携帯電話、スマートフォンなどの携帯端末であり、ブラウザソフトウェアを利用して、端末装置１０と同様に、節電支援装置１００が出力する電力提示情報（例えば、電力表示情報）を表示して利用者に提示する。

なお、端末装置１０（又は携帯端末装置３０）には、不特定の一般利用者用のクライアント端末、建物（例えば、ビル）のオーナ又はエネルギー管理者用のクライアント端末、及びシステム管理者用のクライアント端末などが含まれ、それぞれの権限により、表示情報や設定変更可能な情報、処理内容などが異なってもよい。

外部連携サーバ３００は、ＦＷ装置２０を介して節電支援装置１００に接続され、節電支援装置１００から出力される電力提示情報（例えば、電力表示情報）を受け取り、携帯端末装置３０に送信する。

次に、本実施形態における節電支援システム１の動作について、図面を参照して説明する。
＜階差系列データの生成処理＞
まず、最適化処理部１１２による階差系列データの生成処理について説明する。
図２は、本実施形態における階差系列データを説明する説明図である。
この図において、データＤ_１、Ｄ_２、・・・は、例えば、データ収集装置２００によって収集された建物の使用電力の時系列データを示し、データ⁻ｄ_１、⁻ｄ_２、・・・（ただし本文中の上付の“−”は文字の真上に付けられた記号を表すこととする）は、階差系列データを示している。
階差系列データは、データＤ_Ｍとその３０分前のデータＤ_Ｍ−１との相加平均したデータであり、最適化処理部１１２は、下記の式（１）によって、階差系列データを算出する。

予測処理部１１３は、このように算出された階差系列データを基に説明変数を導出し、予測処理に利用する。具体的に、予測処理部１１３は、下記の式（２）に示すように、予測対象時刻と、その時刻の前後３０分、及び前後１時間との５つの階差系列データを対象時刻の属性値ベクトル（代表ベクトル）として定義する。属性値ベクトルＸＶ_ｉ１〜ＸＶ_ｉｍは、１つの対象時刻に対して、過去３ヶ月の時系列データによって導出される属性値ベクトルを示している。

ここで、変数ｉは、１日分の時系列データの測定時刻を示す１〜４８の整数であり、変数ｍは、過去１２週間（３ヶ月分）までを示す１〜１２の整数である。
このように、階差系列データを生成することにより、線形のトレンドや自己相関をある程度除去することができる。

＜説明変数のデータに欠損がある場合の補間処理＞
次に、図３を参照して、本実施形態における説明変数のデータに欠損がある場合の補間処理について説明する。
図３は、本実施形態における説明変数のデータに欠損がある場合の処理の一例を説明する説明図である。
データ収集装置２００によって収集される時系列データは、計測機器４０の一時的なトラブルやネットワークの一時的な障害などにより、一部のデータが欠損（ロスト）する場合がある。図３に示すように、説明変数のデータに欠損がある場合に、最適化処理部１１２は、欠損しているデータの前後３０分のデータにより、下記の式（３）に示す移動平均（ＳＭＡ_Ｍ）を算出して、対象時刻の補間データとして適用する。

なお、最適化処理部１１２は、データの欠損により補間データを適用した対象時刻には、階差系列データを算出せずに、式（３）に基づいて算出した移動平均（ＳＭＡ_Ｍ）の補間データをそのまま適用する。

＜需要電力の予測処理＞
次に、本実施形態における需要電力の予測処理について説明する。
図４は、本実施形態における学習範囲の測定データの一例を示す図である。
この図において、過去３ヶ月の学習範囲の測定データは、１日を３０分ごとに電力を測定した測定データＤ_１〜Ｄ_４８の４８サンプルのデータの組みの１週間分（７日分）であり、さらに。この１週間分の測定データの１２組分（過去１２週間分）の測定データである。学習データ取得部１１１は、図４に示すような過去３ヶ月の学習範囲の測定データを取得する。なお、範囲ＳＤ１は、１週間前から１２週間前の月曜日の測定データを示し、範囲ＳＤ２は、１週間前から１２週間前の火曜日の測定データを示し、範囲ＳＤ７は、１週間前から１２週間前の日曜日の測定データを示している。

予測処理部１１３は、例えば、予測対象日が月曜日である場合には、範囲ＳＤ１の測定データ（１週間前から１２週間前の月曜日の測定データ）に基づいて、需要電力を予測する。この場合、予測処理部１１３は、例えば、１週間前の月曜日の測定データ（Ｄ_１〜Ｄ_４８）を従属変数として抽出し、２週間前〜１２週間前の測定データの階差系列データを雪面変数として抽出し、線形重回帰モデルに基づいて、未来の月曜日（直近の月曜日）の需要電力を予測する。予測処理部１１３は、同様に、予測対象日が火曜日である場合には、範囲ＳＤ２の測定データに基づいて需要電力を予測する。

なお、線形重回帰モデルとは、以下のような統計モデルである。
上述した式（２）に示すｍ個の属性値ベクトルの組を、ベクトルＸ_ｉとすると、下記の式（４）のように表すことができ、このベクトルＸ_ｉについて関数ｆ（Ｘ_ｉ）にノイズεが加えられた値ｙ_ｉをひとつの事例として考える。

この事例が、Ｎ個集まった事例集合が与えられた場合に、関数ｆ（Ｘ_ｉ）の出力の予測を行う。この場合、関数ｆ（Ｘ_ｉ）が以下の式（５）に示す線形モデルで与えられたとする。

ここで、ノイズεが多変量正規分布である場合、パラメータθを最尤推定で求めることは、最小二乗法で求めることと等価となり、その解は、下記の式（６）により求めることができる。

この式（６）の最後の式は、正規方程式であり、一般的に変数Ｘは、説明変数を示し、変数ｙは、従属変数を示す。
予測処理部１１３は、この線形重回帰モデルを利用して、過去に得られた観測値（例えば、ある時刻の電力の測定データＤ_ｉ）を従属変数とし、その従属変数と関連すると思われる説明変数であるベクトルＸ_ｉの組み合わせから得られたパラメータを利用して、３０分単位の需要電力の未来値を予測する。

次に、図５及び図６を参照して、本実施形態における節電支援システム１の需要電力の予測処理の手順について説明する。
図５は、本実施形態における需要電力の予測処理の一例を示すフローチャートである。
なお、この図に示す処理において、データ収集装置２００が予め使用電力の測定データを時系列データとして収集し、節電支援装置１００の測定データ取得部１３０が、収集データ記憶部２２０から時系列データを取得し、時系列データを過去の電力情報として電力情報記憶部１２１に予め記憶させているものとして説明する。

この図において、まず、節電支援装置１００の学習データ取得部１１１は、過去半年分のデータがあるか否かを判定する（ステップＳ１０１）。すなわち、学習データ取得部１１１は、電力情報記憶部１２１を参照して、電力情報記憶部１２１に過去半年分以上の使用電力の時系列データが記憶されているか否かを判定する。学習データ取得部１１１は、電力情報記憶部１２１に過去半年分以上の使用電力の時系列データが記憶されている場合（ステップＳ１０１：ＹＥＳ）に処理をステップＳ１０２に進める。また、学習データ取得部１１１は、電力情報記憶部１２１に過去半年分未満の使用電力の時系列データが記憶されている場合（ステップＳ１０１：ＮＯ）に処理をステップＳ１０５に進める。

次に、ステップＳ１０２において、学習データ取得部１１１は、学習範囲の切り替えを利用者に通知する。すなわち、学習データ取得部１１１は、学習範囲を切り替えるか否かの問合せを、例えば、端末装置１０に対して実行する。

次に、学習データ取得部１１１は、学習範囲の切り替え指定がされたか否かを判定する（ステップＳ１０３）。具体的に、学習データ取得部１１１は、利用者によって、例えば、端末装置１０を介して、学習範囲の切り替え指定がされたか否かを判定する。学習データ取得部１１１は、学習範囲の切り替え指定（６ヶ月の学習範囲指定）がされた場合（ステップＳ１０３：ＹＥＳ）に、処理をステップＳ１０４に進める。また、学習データ取得部１１１は、学習範囲の切り替え指定（６ヶ月の学習範囲指定）がさていない場合（ステップＳ１０３：ＮＯ）に、処理をステップＳ１０５に進める。

次に、ステップＳ１０４において、学習データ取得部１１１は、６ヶ月分のデータを取得する。すなわち、学習データ取得部１１１は、学習範囲の時系列データとして、過去６ヶ月分の時系列データを電力情報記憶部１２１から取得し、処理をステップＳ１０６に進める。

また、ステップＳ１０５において、学習データ取得部１１１は、３ヶ月分のデータを取得する。すなわち、学習データ取得部１１１は、学習範囲の時系列データとして、過去３ヶ月分の時系列データを電力情報記憶部１２１から取得する。

次に、ステップＳ１０６において、節電支援装置１００の予測処理部１１３は、予測対象日が連休であるか否かを判定する。すなわち、予測処理部１１３は、カレンダ情報記憶部１２２に記憶されている休日、祝日、夏季休暇などを示す休日情報（特異日情報の一例）に基づいて、予測対象日が２日間連続して休日であるか否かを判定する。予測処理部１１３は、予測対象日が２日間連続して休日であると判定した場合（ステップＳ１０６：ＹＥＳ）に、処理をステップＳ１１４に進める。また、予測処理部１１３は、予測対象日が２日間連続して休日ではないと判定した場合（ステップＳ１０６：ＮＯ）に、処理をステップＳ１０７に進める。

次に、ステップＳ１０７において、節電支援装置１００の最適化処理部１１２は、階差系列データを生成する。すなわち、最適化処理部１１２は、学習範囲の時系列データから上述した式（１）によって、階差系列データを算出する。

次に、最適化処理部１１２は、学習範囲の時系列データに対して、最適化処理を実行する（ステップＳ１０８）。なお、ステップＳ１０８における最適化処理については、図６を参照して後述する。

次に、節電支援装置１００の予測処理部１１３は、予測対象日が休日又は祝日であるか否かを判定する（ステップＳ１０８）。すなわち、予測処理部１１３は、カレンダ情報記憶部１２２に記憶されている休日、祝日、夏季休暇などを示す休日情報（特異日情報の一例）に基づいて、予測対象日のうちの１日が休日又は祝日であるか否かを判定する。予測処理部１１３は、予測対象日のうちの１日が休日又は祝日であると判定した場合（ステップＳ１０９：ＹＥＳ）に、処理をステップＳ１１０に進める。また、予測処理部１１３は、予測対象日が休日又は祝日ではないと判定した場合（ステップＳ１０９：ＮＯ）に、処理をステップＳ１１１に進める。

次に、ステップＳ１１０において、最適化処理部１１２は、休日又は祝日である予測対象日に対して過去の近似データを適用する。すなわち、最適化処理部１１２は、休日又は祝日である予測対象日に対して、電力情報記憶部１２１に記憶されている過去の実績データを需要電力の予測データとして適用する。

次に、最適化処理部１１２は、学習範囲に休日又は祝日が含まれるか否かを判定する（ステップＳ１１１）。すなわち、最適化処理部１１２は、カレンダ情報記憶部１２２が記憶する休日情報に基づいて、学習範囲に休日又は祝日が含まれるか否かを判定する。最適化処理部１１２は、学習範囲に休日又は祝日が含まれている場合（ステップＳ１１１：ＹＥＳ）に、処理をステップＳ１１２に進め、学習範囲に休日又は祝日が含まれていない場合（ステップＳ１１１：ＮＯ）に、処理をステップＳ１１３に進める。

次に、ステップＳ１１２において、最適化処理部１１２は、休日又は祝日のデータを除外し、学習範囲を除外分だけ拡張する。すなわち、最適化処理部１１２は、当該休日又は祝日を学習範囲から除外し、学習範囲より過去の１日であって、１週間において当該休日又は祝日と等しい曜日の１日を、学習範囲に追加する。

次に、ステップＳ１１３において、節電支援装置１００の予測処理部１１３は、予測計算処理を行う。すなわち、予測処理部１１３は、上述した学習範囲の時系列データ及び階差系列データと、上述した線形重回帰モデルとに基づいて、２日先までの需要電力の予測値を算出する。なお、ステップＳ１１１において、過去の実績データを需要電力の予測データとして適用している場合には、予測処理部１１３は、その予測対象日に対する予測計算処理を行わないが、予測範囲の２日のうちに休日又は祝日でない日が含まれる場合には、休日又は祝日でない日に対して予測計算処理を行う。予測処理部１１３は、算出した２日先までの需要電力の予測値を、予測結果記憶部１２４に記憶させる。

また、一方で、ステップＳ１１４において、予測処理部１１３は、過去の実績データを予測データとして適用する。すなわち、予測処理部１１３は、予測対象日が休日又は祝日である場合に、電力情報記憶部１２１に記憶されている過去の実績データを需要電力の予測データとして適用する。

次に、予測処理部１１３は、予測結果を表示する（ステップＳ１１５）。すなわち、予測処理部１１３は、予測した予測結果に基づいて、予測結果を含む電力提示情報（電力表示情報）を生成し、例えば、端末装置１０に出力する。これにより、端末装置１０が、電力提示情報（電力表示情報）を表示部（不図示）に表示して、予測結果を利用者に提示して、処理を終了する。

次に、図６を参照して、図５のステップＳ１０８の処理である最適化処理について説明する。
図６は、本実施形態における取得した測定データの最適化処理の一例を示すフローチャートである。
この図において、まず、最適化処理部１１２は、従属変数にロスト（欠損）があるか否かを判定する（ステップＳ２０１）。すなわち、最適化処理部１１２は、取得した過去３ヶ月のデータから抽出した従属変数にＮｕｌｌがあるか否かにより従属変数に欠損があるか否かを判定する。最適化処理部１１２は、従属変数に欠損がある場合（ステップＳ２０１：ＹＥＳ）に、処理をステップＳ２０２に進める。また、最適化処理部１１２は、従属変数に欠損がない場合（ステップＳ２０１：ＮＯ）に、処理をステップＳ２０２に進める。

次に、ステップＳ２０２において、最適化処理部１１２は、Ｎｕｌｌの数分、学習範囲を拡張する。
次に、ステップＳ２０３において、最適化処理部１１２は、説明変数にロスト（欠損）があるか否かを判定する。最適化処理部１１２は、説明変数に欠損がある場合（ステップＳ２０３：ＹＥＳ）に、処理をステップＳ２０４に進める。また、最適化処理部１１２は、説明変数に欠損がない場合（ステップＳ２０３：ＮＯ）に、処理を終了する。

次に、ステップＳ２０４において、最適化処理部１１２は、移動平均処理を実行する。すなわち、最適化処理部１１２は、図３に示す移動平均（ＳＭＡ_Ｍ）を算出して、対象時刻の補間データとして適用する。

次に、図７及び図８を参照して、図５のステップＳ１１５における予測結果の表示の一例について説明する。
図７は、本実施形態における需要電力の予測結果の端末装置１０に表示する場合の表示例を示す図である。
この図において、画面Ｇ１は、端末装置１０が表示する表示画面を示している。この図に示す一例では、節電支援装置１００の予測処理部１１３が、昨日の需要電力（波形Ｗ１）、当日の需要電力（波形Ｗ２）、翌日以降（２日分）の予測結果（波形Ｗ３）、及び目標電力値（ＬＶ１）を含む表示画面Ｇ１（電力提示情報の一例）を生成し、端末装置１０は、節電支援装置１００から送信された表示画面Ｇ１を表示する。なお、予測処理部１１３は、時刻Ｔ１に示すように、マウスオーバーによる電力ポイントを表示させる機能を備えていてもよい。また、予測処理部１１３は、当日、過去を含め表示状態をデフォルトとするが、ユーザの任意により、当日と過去との分を一括で非表示にさせることが可能な非表示機能を備えていてもよい。

また、図８は、本実施形態における需要電力の予測結果を携帯端末装置３０に表示する場合の表示例を示す図である。
この図において、画面Ｇ２は、携帯端末装置３０が表示する表示画面を示している。この図に示す一例では、節電支援装置１００の予測処理部１１３が、当日の需要電力の予測結果（波形Ｗ４）、当日の需要電力（棒グラフＢＧ１）、ピーク電力（Ｐ１）、及び目標電力値（ＬＶ２）を含む表示画面Ｇ２を生成し、携帯端末装置３０は、節電支援装置１００から外部連携サーバ３００を介して送信された表示画面Ｇ２を表示する。

次に、本実施形態の節電支援システム１による需要電力の予測結果の精度について、図９〜１２を参照して説明する。
図９は、本実施形態における需要電力の予測結果と実測値とを比較した第１のグラフを示す図である。また、図１０は、本実施形態における需要電力の実測平均値と予測平均値との比較を示す第１の図である。
図９及び図１０に示す例では、節電支援システム１が予測した「ビルＡ」の予測結果と実測値との比較を表している。図９に示すグラフにおいて、縦軸が需要電力（ｋＷ（キロワット））を示し、横軸が時刻を示している。また、図９において、波形Ｗ５は、「ビルＡ」の需要電力の予測値を示し、波形Ｗ６は、「ビルＡ」の予測値と同一期間における需要電力の実測値を示している。このように、節電支援システム１による予測結果は、実測値と同様の傾向を示し、本実施形態における節電支援システム１は、高精度に需要電力を予測することができる。

また、図１０に示すグラフは、図９に示す「ビルＡ」における実測平均値と、予測平均値との比較を示しており、縦軸が需要電力（ｋＷ）を示し、横軸が項目（実測平均値及び予測平均値）を示している。この図に示すように、実測平均値と予測平均値との差の絶対値である需要電力の平均誤差は、１２．１９ｋＷであり、実測平均値に対する誤差は、０．７５％である。このように、本実施形態における節電支援システム１は、高精度に需要電力を予測することができる。

また、図１１は、本実施形態における需要電力の予測結果と実測値とを比較した第２のグラフを示す図である。また、図１２は、本実施形態における需要電力の実測平均値と予測平均値との比較を示す第２の図である。
図１１及び図１２に示す例では、節電支援システム１が、上述した「ビルＡ」とは異なる「ビルＢ」に対して予測した予測結果と実測値との比較を表している。なお、「ビルＡ」と「ビルＢ」とは、例えば、規模や外装などの保温状態、等の条件が異なる建物である。図１１に示すグラフにおいて、縦軸が需要電力（ｋＷ）を示し、横軸が時刻を示している。また、図１１において、波形Ｗ７は、「ビルＢ」の需要電力の予測値を示し、波形Ｗ８は、「ビルＢ」の予測値と同一期間における需要電力の実測値を示している。

また、図１２に示すグラフは、図１１に示す「ビルＢ」における実測平均値と、予測平均値との比較を示しており、縦軸が需要電力（ｋＷ）を示し、横軸が項目（実測平均値及び予測平均値）を示している。この図に示すように、実測平均値と予測平均値との差の絶対値である需要電力の平均誤差は、０．６５５ｋＷであり、実測平均値に対する誤差は、０．８８％である。
このように、本実施形態における節電支援システム１は、「ビルＡ」とは異なる「ビルＢ」においても、高精度に需要電力を予測することができる。

以上説明したように、本実施形態における節電支援システム１は、データ収集装置２００と、節電支援装置１００とを備えている。データ収集装置２００は、建物の使用電力を、少なくとも電力を測定する計測機器４０が所定の時間間隔で測定した電力値に基づく電力の時系列データとして収集する。節電支援装置１００は、データ収集装置２００が収集した過去の電力の時系列データに基づいて、建物における未来の需要電力を予測する。さらに、節電支援装置１００は、学習データ取得部１１１と、予測処理部１１３とを備えている。学習データ取得部１１１は、データ収集装置２００が収集した過去の電力の時系列データのうちの所定の学習範囲（例えば、過去３ヶ月）の時系列データを取得する。予測処理部１１３は、学習データ取得部１１１が取得した所定の学習範囲における時系列データの階差の相加平均を示す階差系列データと、所定の統計モデル（例えば、線形重回帰モデル）とに基づいて、所定の予測期間（例えば、先２日間）における未来の需要電力を予測する。予測処理部１１３は、所定の学習範囲における時系列データのうちから抽出された説明変数に対応する時系列データから生成された階差系列データと、所定の学習範囲における時系列データのうちから抽出された従属変数に対応する従属変数データと、所定の統計モデルとに基づいて、所定の予測期間における未来の需要電力を予測する。

これにより、時系列データを階差系列データに変換して、所定の統計モデルに利用することで、線形のトレンドや自己相関を除去できるので、本実施形態における節電支援システム１は、需要電力を高精度に予測することができる。また、このことにより、本実施形態における節電支援システム１は、例えば、日にち単位といった長期間先の需要電力の未来予測を行うことができる。そのため、本実施形態における節電支援システム１は、建物の利用者がリードタイムをもった節電目標、又は節電対策の立案を実施することができる。よって、本実施形態における節電支援システム１は、需要電力（例えば、予測した需要電力）に基づいて、節電目標、又は節電対策を適切に立案することができる。

また、本実施形態では、上述した所定の学習範囲（例えば、過去３ヶ月）は、第１の周期期間（例えば、１日）を定数倍した第２の周期期間（例えば、１週間）を複数回含む範囲であり、節電支援装置１００は、最適化処理部１１２を備えている。最適化処理部１１２は、説明変数に対応する時系列データに欠損がある場合に、欠損している時刻の前後の時系列データに基づいて補間データを算出し、算出した補間データを、欠損している時刻における階差系列データの代わりに置き換える。そして、最適化処理部１１２は、従属変数に対応する従属変数データに欠損がある場合に、欠損を含む第１の周期期間を所定の学習範囲から除外し、所定の学習範囲より過去の第１の周期期間であって、第２の周期期間において欠損を含む第１の周期期間と等しい第１の周期期間を、所定の学習範囲に追加する。すなわち、最適化処理部１１２は、需要電力の予測に用いる従属変数に対応する従属変数データに欠損がある場合に、欠損を含む１日を過去３ヶ月の学習範囲から除外し、過去３ヶ月の学習範囲より過去の１日であって、１週間において欠損を含む曜日と等しい１日を、学習範囲に追加する。

これにより、例えば、計測機器４０の一時的なトラブルやネットワークの一時的な障害などにより、一部のデータが欠損した場合であっても、ロバスト性（耐障害性）を確保できるので、本実施形態における節電支援システム１は、需要電力を高精度に予測することができる。

また、本実施形態では、上述の第１の周期期間は１日であり、上述の第２の周期期間は１週間であり、節電支援装置１００は、需要電力における特異点となる特異日（例えば、休日など）を示す特異日情報（例えば、休日情報）を記憶するカレンダ情報記憶部１２２（特異日情報記憶部の一例）を備えている。そして、最適化処理部１１２は、カレンダ情報記憶部１２２が記憶する特異日情報に基づいて、所定の学習範囲（例えば、過去３ヶ月）に特異日が含まれるか否かを判定し、所定の学習範囲に特異日が含まれている場合に、当該特異日を所定の学習範囲から除外し、所定の学習範囲より過去の１日であって、１週間において当該特異日と等しい曜日の１日を、所定の学習範囲に追加する。
これにより、本実施形態における節電支援システム１は、所定の学習範囲に、例えば、休日などの特異日が含まれる場合であっても、需要電力を高精度に予測することができる。

また、本実施形態では、予測処理部１１３は、カレンダ情報記憶部１２２が記憶する特異日情報（例えば、休日情報）に基づいて、所定の予測期間（例えば、先２日間）に特異日（例えば、休日）が含まれるか否かを判定し、所定の予測期間に特異日が含まれている場合に、データ収集装置２００が収集した過去の特異日における電力の時系列データに基づいて、当該特異日の需要電力を予測する。
これにより、本実施形態における節電支援システム１は、予測期間に、例えば、休日などの特異日が含まれる場合であっても、適切に需要電力を予測することができる。

また、本実施形態では、データ収集装置２００は、収集した時系列データを記憶する収集データ記憶部２２０に時系列データを記憶させる。節電支援装置１００は、収集データ記憶部２２０から第１の周期期間（例えば、１日）ごとに時系列データを取得し、時系列データを過去の電力情報として記憶する電力情報記憶部１２１に、取得した第１の周期期間ごとの時系列データを記憶させる測定データ取得部１３０を備えている。そして、学習データ取得部１１１は、電力情報記憶部１２１から所定の学習範囲の時系列データを取得する。
これにより、節電支援装置１００が、データ収集装置２００により収集した時系列データを第１の周期期間ごとに、電力情報記憶部１２１に記憶させて、建物の需要電力を分散処理により収集するので、本実施形態における節電支援システム１は、建物の需要電力の収集処理にかかる情報処理量やネットワークの負荷を低減しつつ、適切に建物の需要電力を収集することができる。

また、本実施形態では、予測処理部１１３は、予測した所定の予測期間（例えば、先２日間）における需要電力を少なくとも提示する電力提示情報（例えば、電力表示情報）を生成し、生成した電力提示情報を、節電支援装置１００とネットワークを介して接続された端末装置１０（又は携帯端末装置３０）に出力する。
これにより、本実施形態における節電支援システム１は、端末装置１０（又は携帯端末装置３０）を介して、利用者に需要電力の予測結果を提示することができる。そのため、利用者は、節電目標、又は節電対策を適切に立案することができる。
例えば、利用者が、不特定の一般ユーザである場合、予測における２日先の消費電力傾向を把握することで、日常における節電意識を向上させるとともに、夏季の節電対策（要請）等に対応するひとつの指標として用いることができる。このように、本実施形態における節電支援システム１は、建物の不特定の一般ユーザが、各々所掌するエリア等の効果的な電力節電施策を支援することができる。

また、例えば、利用者が、建物のエネルギー管理者である場合、夏季の節電対策、最大需要電力の傾向把握することができるとともに、予測値を参考に必要に応じた節電プランの遂行や、遂行後の予測値と実績値の比較による効果検証などを行うことができる。
また、例えば、利用者が、システム管理者である場合、需要電力の予測結果を適宜確認し、著しく不安定と思われる予測結果に対して原因の調査及び設定変更を行うことができる。

［第２の実施形態］
次に、第２の実施形態における節電支援システムについて図面を参照して説明する。
本実施形態では、第１の実施形態における予測処理に他に、さらに、例えば、新たな説明変数を追加して予測値を評価する処理、平均照度又は不快指数に応じた節電に関する試算を行う処理、及び、エリアの空気温度をｃａｌ（カロリー）及びＪ（ジュール）で表示する処理が追加されている。

図１３は、第２の実施形態による節電支援システム１ａの一例を示すブロック図である。
この図において、節電支援システム１ａは、節電支援装置１００ａ、データ収集装置２００ａ、複数の計測機器４０（４０−１、４０−２、・・・）、及び複数の空調機器５０（５０−１、５０−２、・・・）を備えている。また、節電支援システム１ａは、ネットワークＮ１を介して節電支援装置１００ａと接続される複数の端末装置１０（１０−１、１０−２、・・・）と、ＦＷ（Fire Wall）装置２０を介して節電支援装置１００ａと接続される外部連携サーバ３００と、携帯端末装置３０（３０−１、３０−２、・・・）とを備えている。

ここで、空調機器５０−１、空調機器５０−２、・・・は、節電支援システム１ａが備える任意の空調機器を示す場合、又は特に区別しない場合には、「−１」、「−２」等の記載を省略して空調機器５０として説明する。
また、データ収集装置２００ａ、計測機器４０、及び空調機器５０は、ビルなどの建物（例えば、建物Ｂ１（建物１））に備えられており、節電支援システム１ａは、このようにデータ収集装置２００ａ、計測機器４０、及び空調機器５０を備える建物を複数備えている。また、複数の計測機器４０は、エリア（例えば、エリアＡ１（エリア１））に備えられており、建物は、このように複数の計測機器４０及び複数の空調機器５０を備えるエリアを複数有している。

なお、この図において、図１に示す構成と同一の構成については同一の符号を付し、その説明を省略する。以下、図１と異なる構成について説明する。

空調機器５０は、例えば、エアコンディショナなどのエリア内の温度及び湿度を調整する機器である。空調機器５０は、データ収集装置２００ａからの要求により、例えば、ＢＡＣｎｅｔ（Building Automation and Control Networking protocol）を介してＡＧＣＵ（エアコングループコントロールユニット）部５１（図２３参照）経由で、空調機器５０の内部情報（空調情報）をデータ収集装置２００ａに送信する。

データ収集装置２００ａは、収集処理部２１０ａと、収集データ記憶部２２０とを備えている。また、収集処理部２１０ａは、電力収集部２１１ａと、空調情報収集部２１２と、空調制御部２１３とを備えている。

電力収集部２１１ａは、図１に示す電力収集部２１１と同様の機能を備えるとともに、後述する照明機器の電力を測定する。
空調情報収集部２１２は、例えば、空調機器５０から３０分間隔で空調情報を取得し、取得した空調情報を収集データ記憶部２２０に記憶させる。ここで、空調情報には、例えば、空調機器５０の設定温度、設定湿度、設定モード、使用電力などが含まれる。
空調制御部２１３は、空調機器５０の設定温度、設定湿度、設定モード、使用電力などを空調機器５０に送信して、空調機器５０を制御する。なお、設定モードには、「温度高モード（設定湿度低）」、「温度低モード（設定湿度高）、及び「バランス運転モード」の３つの基本制御モードがあるものとする。

節電支援装置１００ａは、処理部１１０ａ、記憶部１２０ａ、及び測定データ取得部１３０を備えている。
記憶部１２０ａは、例えば、電力情報記憶部１２１、カレンダ情報記憶部１２２、設定情報記憶部１２３、予測結果記憶部１２４、及び空調情報記憶部１２５を備えている。
空調情報記憶部１２５は、データ収集装置２００ａが収集した空調機器５０の設定情報を記憶する。

なお、本実施形態における測定データ取得部１３０は、第１の実施形態と同様の機能の他に、データ収集装置２００ａが収集した空調機器５０の設定情報を収集データ記憶部２２０から取得し、取得した設定情報を空調情報記憶部１２５に記憶させる。

処理部１１０ａは、学習データ取得部１１１、最適化処理部１１２、予測処理部１１３、学習情報追加部１１４、及び試算処理部１４０を備えている。また、試算処理部１４０は、照明試算処理部１４１及び空調試算処理部１４２を備えている。

学習情報追加部１１４は、電力の時系列データとは異なる説明変数を学習情報として追加する。追加する説明変数としては、例えば、気象情報などであり、システム管理者によって、任意に設定することができる。
なお、本実施形態における予測処理部１１３は、学習情報が追加された場合に、追加した説明変数を含めた説明変数により未来の需要電力を予測するとともに、追加した学習情報が統計的に有効である否かを評価する。

試算処理部１４０は、データ収集装置２００ａによって、少なくとも使用電力を含むエリアに関する測定情報に基づいて、人が感じる負荷を示す指標に応じた人が感じる負荷に関係する機器の消費電力を算出する。試算処理部１４０は、算出した機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、節電支援装置１００ａとネットワークを介して接続された端末装置１０に出力する。
ここで、測定情報には、例えば、後述する照明機器６０（図１５参照）の１台分の使用電力、照明機器６０の全使用電力、空調機器５０の使用電力、エリア内の温度、及びエリア内の湿度などである。また、人が感じる負荷を示す指標とは、例えば、照明における平均照度、又は、空調における不快指数などである。また、人が感じる負荷に関係する機器とは、照明機器６０、又は空調機器５０である。

また、試算処理部１４０は、予め定められた電力目標値と、機器の消費電力とに基づいて、電力目標値に対する機器の消費電力の寄与率を試算情報として試算し、少なくとも寄与率を含む試算提示情報（例えば、試算表示情報）を端末装置１０に出力する。
また、試算処理部１４０は、照明試算処理部１４１と、空調試算処理部１４２とを備えている。

照明試算処理部１４１は、平均照度に応じた、建物が有する照明機器６０の消費電力を算出し、算出した照明機器６０の消費電力に基づく照明に関する試算情報を試算し、試算した当該試算情報を含む照明に関する試算提示情報を、端末装置１０に出力する。
ここでの試算情報には、照明機器６０の必要数（機器台数、所要灯数など）、電力目標値に対する照明機器６０の消費電力の寄与率などが含まれる。

また、照明試算処理部１４１は、平均照度がＪＩＳ 基準「JIS Z9110-1979」（第１の基準値）である場合の必要数及び寄与率（第１試算情報）と、平均照度が労働安全衛生法の規定に基づく事務所衛生基準規則第十条（第２の基準値）である場合の必要数及び寄与率（第２試算情報）とを試算する。照明試算処理部１４１は、試算した当該第１試算情報及び当該第２試算情報を含む照明に関する試算提示情報を端末装置１０に出力する。
なお、照明試算処理部１４１の詳細な処理については後述する。

空調試算処理部１４２は、不快指数に応じた、建物が有する空調機器５０の消費電力を算出し、算出した空調機器５０の消費電力に基づく空調に関する試算情報を試算し、試算した当該試算情報を含む空調に関する試算提示情報を、端末装置１０に出力する。
ここでの試算情報には、空調機器５０の電力削減率、電力目標値に対する空調機器５０の消費電力の寄与率などが含まれる。
なお、空調試算処理部１４２の詳細な処理については後述する。

次に、本実施形態における節電支援システム１ａの動作について、図面を参照して説明する。
なお、本実施形態における節電支援システム１ａの予測処理は、第１の実施形態と同様であるので、ここではその説明を省略する。

＜説明変数の追加処理＞
まず、図１４を参照して、学習情報追加部１１４及び予測処理部１１３による説明変数を追加する場合の処理について説明する。
図１４は、本実施形態における説明変数情報の追加した予測処理、及び評価処理の一例を示すフローチャートである。
この図において、まず、節電支援装置１００ａの学習情報追加部１１４が、説明変数の追加処理を実行する（ステップＳ３０１）。学習情報追加部１１４は、例えば、端末装置１０を介して、システム管理者から指定された説明変数（例えば、気象データなど）を学習情報として追加する。また、学習情報追加部１１４は、システム管理者からの指定に基づいて、追加された学習情報に対する属性値ベクトルを設定する。

続く、ステップＳ３０２からステップＳ３１６までの処理は、図５に示すステップＳ１０１からステップＳ１１５までの処理と同様であるので、ここではその説明を省略する。
次に、ステップＳ３１７において、予測処理部１１３は、原因変数の評価を行う。予測処理部１１３は、例えば、重回帰分析の手法を利用して、重相関係数、決定係数、補正決定係数などの原因変数の評価指標を算出する。

次に、予測処理部１１３は、追加した説明変数が原因変数であるか否かを判定する（ステップＳ３１８）。すなわち、予測処理部１１３は、上述した原因変数の評価指標に基づいて、追加した説明変数が原因変数であるか否かを判定する。予測処理部１１３は、追加した説明変数が原因変数であると判定した場合（ステップＳ３１８：ＹＥＳ）に、処理をステップＳ３１９に進める。また、予測処理部１１３は、追加した説明変数が原因変数でないと判定した場合（ステップＳ３１８：ＮＯ）に、処理をステップＳ３２０に進める。

次に、ステップＳ３１９において、予測処理部１１３は、追加した説明変数の適用を表示する。すなわち、予測処理部１１３は、追加した説明変数を適用する旨を表示する提示情報（表示情報）を生成し、生成した提示情報（表示情報）を端末装置１０に出力し、処理を終了する。

また、ステップＳ３２０において、予測処理部１１３は、追加した説明変数の排除を表示する。すなわち、予測処理部１１３は、追加した説明変数を排除する旨を表示する提示情報（表示情報）を生成し、生成した提示情報（表示情報）を端末装置１０に出力し、処理を終了する。

＜照明に関する節電試算処理＞
次に、本実施形態における照明に関する試算処理について、図面を参照して説明する。
図１５は、本実施形態におけるエリアの照明用の設定情報、及び照明機器６０の電力測定の一例を説明する説明図である。
この図において、エリアＡ１は、例えば、複数の照明機器６０（６０−１、６０−２、６０−３、・・・）を有するオフィスなどの居室を示している。このエリアＡ１において、長さＸＬは、間口方向のエリアサイズを示し、長さＹＬは、奥行方向のエリアサイズを示している。また、長さＸＤは、間口方向の照明機器６０の間隔を示し、長さＹＤは、奥行方向の照明機器６０の間隔を示している。これらの長さＸＬ、長さＹＬ、長さＸＤ、及び長さＹＤは、後述する設定画面において、利用者によって空間条件として設定される。

また、エリアＡ１は、電力センサ（Ｓ１、Ｓ２）及び分電盤４２を備えている。
電力センサＳ１（第１のセンサ）は、例えば、照明機器６０−１と照明機器６０−２との間に配置され、照明機器６０（６０−１）の１台分の使用電力を測定する。
電力センサＳ２（第２のセンサ）は、例えば、分電盤４２と照明機器６０との間に配置され、照明機器６０の全使用電力を測定する。
なお、計測機器４０は、センタＧＷ（ゲートウェイ）部４１を介して、電力センサ（Ｓ１、Ｓ２）に接続されており、計測機器４０は、電力センサＳ１によって照明機器６０の１台分の使用電力を測定するとともに、電力センサＳ２によってエリアにおける照明機器６０の全使用電力を測定する。

この場合、データ収集装置２００ａは、照明機器６０の１台分の使用電力と、エリアにおける照明機器６０の全使用電力とを測定情報としてエリアごとに収集する。そして、照明試算処理部１４１は、照明機器６０を有するエリアの空間条件と、１台分の使用電力と、エリアにおける照明機器６０の全使用電力とに基づいて、平均照度に応じた照明機器６０の必要数を試算情報として算出する。照明試算処理部１４１は、少なくとも照明機器６０の必要数を含む試算提示情報を端末装置１０に出力する。

次に、平均照度、及び試算情報（照明機器６０の必要数、電力目標値に対する照明機器６０の消費電力の寄与率）の算出方法について説明する。
下記の式（７）は、平均照度の算出モデルを示している。

ここで、変数Ｌｘは、平均照度、又は所要照度を示し、変数Ａは、床面積（ｍ^２）（＝間口方向の長さＸＬ（ｍ）×奥行方向の長さＹＬ（ｍ））を示している。また、変数ｌｍは、ランプの光束（後述する図２０の一覧により選択される）を示し。変数ＬＭＰｎは、照明機器６０の１台あたりのランプ個数を示している。また、変数Nは、照明機器６０の台数を示し、変数Ｕは、室指数に基づいて算出される照明率を示し、変数Mは、照明機器６０の保守率を示している。
なお、照明試算処理部１４１は、照明率を算出するための室指数を、下記の式（８）によって算出する。

ここで、“０．８５”は、光源から視作業面までの高さであり、床上８５ｃｍと定義し、天井面の高さＨＣから減じて算出される。
照明試算処理部１４１は、下記の式（９）により、ランプ単体の消費電力を算出する。

ここで、変数Ｎｐは、ランプ単体の消費電力を示し、変数Ｓ１は、照明機器６０の１台当りの消費電力を示している。
次に、照明試算処理部１４１は、下記の式（１０）により、所要灯数を算出するとともに、所要灯数における消費電力を算出する。

ここで、変数Ｐ_ＬＭは、所要灯数における消費電力を示している。
次に、照明試算処理部１４１は、下記の式（１１）により、電力目標値（節電目標値）に対しての寄与率を算出する。

ここで、変数Ｐ_{ｔｏｔａｌ}は、エリア全体の現在の消費電力を示し、変数Ｐ_ｅｃｏは、電力目標値（節電目標値）を示している。
また、照明試算処理部１４１は、下記の式（１２）により、具体的に消灯するランプの必要数を算出する。

なお、本実施形態では、照明試算処理部１４１は、第１ステップ、及び第２ステップの所要灯数を算出し、具体的に消灯するランプの必要数、及び寄与率を端末装置１０に表示させる。ここで、第１ステップでは、照明試算処理部１４１は、平均照度がＪＩＳ 基準「JIS Z9110-1979」（第１の基準値）である場合の必要数及び寄与率（第１試算情報）を算出する。また、第２ステップでは、照明試算処理部１４１は、平均照度が労働安全衛生法の規定に基づく事務所衛生基準規則第十条（第２の基準値）である場合の必要数及び寄与率（第２試算情報）を算出する。
なお、図１６は、ＪＩＳ 基準「JIS Z9110-1979」を示し、図１７は、上述した事務所衛生基準規則第十条を示している。

また、図１８は、本実施形態における照度計算のためのパラメータ設定の画面の一例を示す図である。
照明試算処理部１４１は、この図に示すような設定画面Ｇ３を端末装置１０に表示させ、利用者によって各種パラメータが設定される。照明試算処理部１４１は、利用者によって設定された設定情報を端末装置１０から取得し、例えば、設定情報記憶部１２３に記憶させる。
なお、図１８に示す設定画面Ｇ３において、“参考値”ボタンＢＴ１がクリックされた場合に、照明試算処理部１４１は、図１９に示すような設定画面を端末装置１０に表示させて、利用者に保守率を設定させる。また、“ランプ選択”の項目（ボタンＢＴ２）がクリックされた場合に、照明試算処理部１４１は、図２０に示すような設定画面を端末装置１０に表示させて、利用者にランプ選択を設定させる。

次に、図２１を参照して、本実施形態における照明に関する節電試算処理の手順について説明する。
図２１は、本実施形態における照明機器６０の節電試算処理の一例を示すフローチャートである。
この図において、まず、照明試算処理部１４１は、証明用のパラメータ設定を実行する（ステップＳ４０１）。すなわち、照明試算処理部１４１は、図１８に示すような設定画面Ｇ３を端末装置１０に表示させて、利用者に、証明用のパラメータを設定させる。

次に、照明試算処理部１４１は、測定データを取得する（ステップＳ４０２）。すなわち、照明試算処理部１４１は、データ収集装置２００ａによって収集された照明機器６０の１台分の使用電力と、エリアにおける照明機器６０の全使用電力とを取得する。

次に、照明試算処理部１４１は、任意計算するか否かを判定する（ステップＳ４０３）。例えば、照明試算処理部１４１は、利用者によって、任意計算が指定されたか否かを判定する。照明試算処理部１４１は、任意計算する場合（ステップＳ４０３：ＹＥＳ）に、処理をステップＳ４０６に進める。また、照明試算処理部１４１は、任意計算しない場合（ステップＳ４０３：ＮＯ）に、処理をステップＳ４０４又はステップＳ４０５に進める。

ステップＳ４０４において、照明試算処理部１４１は、第１ステップとして最適計算（試算処理）を実行する。すなわち、照明試算処理部１４１は、例えば、図１６に示すＪＩＳ 基準「JIS Z9110-1979」である「事務室ｂ、役員室、会議室、電子系三室」に対応する基準である７５０ｌｘ（ルクス）において消灯するランプの必要数、及び寄与率を試算する。

また、ステップＳ４０５において、照明試算処理部１４１は、第２ステップとして最適計算（試算処理）を実行する。すなわち、照明試算処理部１４１は、例えば、図１７に示す労働安全衛生法の規定に基づく事務所衛生基準規則第十条である「精密な作業」に対応する基準である３５０ｌｘにおいて消灯するランプの必要数、及び寄与率を試算する。

また、ステップＳ４０６において、照明試算処理部１４１は、図１８に示すような設定画面Ｇ３により利用者によって指定された平均照度を取得する。
次に、照明試算処理部１４１は、指定された平均照度に応じた試算処理を実行する（ステップＳ４０７）。すなわち、照明試算処理部１４１は、平均照度に応じた、所要灯数、機器の台数、及び寄与率などを試算する。

次に、照明試算処理部１４１は、試算結果を表示する（ステップＳ４０８）。すなわち、照明試算処理部１４１は、試算結果を含む試算提示情報（例えば、試算表示情報）を生成し、端末装置１０に出力する。これにより、端末装置１０は、試算提示情報である図２２に示すような表示画面Ｇ４を表示し、試算結果を利用者に提示する。

次に、照明試算処理部１４１は、分析終了であるか否かを判定する（ステップＳ４０９）。すなわち、照明試算処理部１４１は、利用者によって、この照明に関する試算処理の終了が指定されたか否かを判定する。照明試算処理部１４１は、試算処理の終了が指定された場合（ステップＳ４０９：ＹＥＳ）に処理を終了し、試算処理の終了が指定された場合（ステップＳ４０９：ＮＯ）に、処理をステップＳ４０３に戻し、試算処理を繰り返す。

図２２は、本実施形態における照明機器６０の節電試算結果の表示画面の一例を示す図である。
この図において、表示画面Ｇ４は、照明試算処理部１４１による試算結果を示している。照明試算処理部１４１は、表示画面Ｇ４に示すように、上述した第１のステップの試算結果と第２のステップの試算結果とを併記して表示させる。これにより、利用者は、試算結果を比較することができる。また、照明試算処理部１４１は、表示画面Ｇ４に示すように、“計算”ボタンＢＴ３をクリックすることで指定された任意の平均照度に応じた試算処理を実行し、その試算結果を表示させる。これにより、利用者は、平均照度による作業員の作業効率及び快適性を考慮した節電プランを試算することができる。

＜空調に関する節電試算処理＞
次に、本実施形態における空調に関する試算処理について、図面を参照して説明する。
図２３は、本実施形態におけるエリアの温度測定及び湿度測定の一例を説明する説明図である。
この図において、エリアＡ１は、例えば、複数の温度センサ７０（７０−１〜７０−６）、複数の湿度センサ８０（８０−１、８０−２）、及び、ＡＧＣＵ部５１を有する空調機器５０を備えている。ＡＧＣＵ部５１は、空調機器５０の使用電力を測定するとともに、空調機器５０のモード変更などの設定変更を行うことで、空調機器５０の制御を可能とする。

温度センサ７０は、エリア内の温度を測定し、湿度センサ８０は、エリア内の湿度を測定する。なお、エリアの温度は、複数の温度センサ７０によって測定された温度の平均温度を適用し、エリアの湿度は、複数の湿度センサ８０によって測定された湿度の平均湿度を適用する。
また、計測機器４０は、センタＧＷ（ゲートウェイ）部４１を介して、複数の温度センサ７０及び複数の湿度センサ８０に接続されており、計測機器４０は、温度センサ７０によってエリア内の温度（平均温度）を測定するとともに、湿度センサ８０によってエリア内の湿度を測定する。なお、計測機器４０は、ＡＧＣＵ部５１を含んでもよいし、計測機器４０は、空調機器５０の使用電力を測定してもよい。

この場合、データ収集装置２００ａは、空調機器５０の使用電力と、エリア内の温度と、エリア内の湿度を測定情報としてエリアごとに収集する。そして、空調試算処理部１４２は、エリア内の温度、及びエリア内の湿度に基づいて、不快指数を算出し、データ収集装置２００ａが収集した過去の空調機器５０の使用電力に基づいて、算出した不快指数に応じた空調機器５０の消費電力を算出する。空調試算処理部１４２は、算出した不快指数に応じた空調機器５０の消費電力に基づいて、空調機器５０の電力削減率、及び電力目標値に対する空調機器５０の消費電力の寄与率を試算情報として算出する。空調試算処理部１４２は、空調機器５０の電力削減率、及び空調機器５０の消費電力の寄与率を含む試算提示情報を生成し、生成した試算提示情報を端末装置１０に出力する。

次に、不快指数、及び試算情報（空調機器５０の電力削減率、電力目標値に対する空調機器５０の消費電力の寄与率）の算出方法について説明する。
なお、不快指数（ＤＩ）は、快適性の目安となる指標であり、空調試算処理部１４２は、下記の式（１３）により算出する。

ここで、変数Ｔは、乾球気温（℃）を示し、変数Ｈは、湿度（％）を示している。例えば、温度が３８．５℃であり、湿度が１８％である場合に、不快指数は、“７８”と算出される。
なお、不快指数と体感温度との関係は、図２４に示すような関係がある。例えば、日本人では、不快指数が“７５”である場合に約９％の人が不快感を持ち、不快指数が“７７”である場合に約６５％の人が不快感を持ち、不快指数が“８５”である場合に約９３％の人が不快感を持ちつと言われている。
空調試算処理部１４２は、エリアの気温と湿度との情報を基に不快指数を算出し、図２４に示すような関係から、不快指数の下限を“５９”、上限を“７６”とする閾値を基本設定とする。例えば、夏季の場合、電力会社からの需要抑制依頼（節電要請）に対して設定した節電目標値に対応する形で、空調試算処理部１４２は、上限に“７６”に対する最適な空調機設定を利用者（例えば、エネルギー管理者）に提示する。

次に、図２５を参照して、本実施形態における空調に関する節電試算処理の手順について説明する。
図２５は、本実施形態における空調機器５０の節電試算処理の一例を示すフローチャートである。
この図において、まず、空調試算処理部１４２は、空調用のパラメータ設定を実行する（ステップＳ５０１）。すなわち、空調試算処理部１４２は、空調用の設定画面を端末装置１０に表示させて、利用者に、空調用のパラメータを設定させる。ここで、空調用のパラメータには、例えば、エリアの間口方向のサイズ、奥行方向のサイズ、天井高方向のサイズなどの空間条件が含まれる。

次に、空調試算処理部１４２は、測定データを取得する（ステップＳ５０２）。すなわち、空調試算処理部１４２は、データ収集装置２００ａによって収集された空調機器５０の使用電力、エリア内の温度（平均温度）、及びエリア内の湿度を取得する。

次に、空調試算処理部１４２は、任意計算するか否かを判定する（ステップＳ５０３）。例えば、空調試算処理部１４２は、利用者によって、任意計算が指定されたか否かを判定する。空調試算処理部１４２は、任意計算する場合（ステップＳ５０３：ＹＥＳ）に、処理をステップＳ５０８に進める。また、空調試算処理部１４２は、任意計算しない場合（ステップＳ５０３：ＮＯ）に、処理をステップＳ５０４に進める。

次に、ステップＳ５０４において、空調試算処理部１４２は、カレンダ情報を取得する。ここで、カレンダ情報とは、夏季か冬季かを判定するための情報であり、空調試算処理部１４２は、カレンダ情報記憶部１２２が記憶する休日情報を利用してもよい。

次に、空調試算処理部１４２は、季節が夏であるか否かを判定する（ステップＳ５０５）。すなわち、空調試算処理部１４２は、カレンダ情報に基づいて、季節が夏であるか否かを判定する。空調試算処理部１４２は、季節が夏であると判定した場合（ステップＳ５０５：ＹＥＳ）に、処理をステップＳ５０６に進める。また、空調試算処理部１４２は、季節が夏でないと判定した場合（ステップＳ５０５：ＮＯ）に、処理をステップＳ５０７に進める。

次に、ステップＳ５０６において、空調試算処理部１４２は、夏季不快指数の限界値計算（試算処理）を実行する。例えば、空調試算処理部１４２は、温度２５℃〜２７℃ 、及び湿度５０％〜６０％に設定して、空調機器５０の電力削減率、及び空調機器５０の消費電力の寄与率を試算する。

また、ステップＳ５０７において、空調試算処理部１４２は、冬季不快指数の限界値計算（試算処理）を実行する。例えば、空調試算処理部１４２は、温度１８℃〜２０℃ 、及び湿度４０％〜５０％に設定して、空調機器５０の電力削減率、及び空調機器５０の消費電力の寄与率を試算する。

また、ステップＳ５０８において、空調試算処理部１４２は、利用者によって指定された温度と湿度とを取得する。例えば、空調試算処理部１４２は、取得した温度と湿度とを空調機器５０の電力削減率、及び空調機器５０の消費電力の寄与率を試算する。
次に、照明試算処理部１４１は、指定された平均照度に応じた試算処理を実行する（ステップＳ５０９）。すなわち、空調試算処理部１４２は、指定された温度と湿度と基づいて不快指数を算出し、不快指数に応じた、空調機器５０の電力削減率、及び空調機器５０の消費電力の寄与率などを試算する。

次に、空調試算処理部１４２は、試算結果を表示する（ステップＳ５１０）。すなわち、空調試算処理部１４２は、試算結果を含む試算提示情報（例えば、試算表示情報）を生成し、端末装置１０に出力する。これにより、端末装置１０は、試算提示情報である図２６に示すような表示画面Ｇ５を表示し、試算結果を利用者に提示する。

次に、空調試算処理部１４２は、分析終了であるか否かを判定する（ステップＳ５１１）。すなわち、空調試算処理部１４２は、利用者によって、この空調に関する試算処理の終了が指定されたか否かを判定する。空調試算処理部１４２は、試算処理の終了が指定された場合（ステップＳ５１１：ＹＥＳ）に処理を終了し、試算処理の終了が指定された場合（ステップＳ５１１：ＮＯ）に、処理をステップＳ５０３に戻し、試算処理を繰り返す。

図２６は、本実施形態における空調機器５０の節電試算結果の表示画面の一例を示す図である。
この図において、表示画面Ｇ５は、空調試算処理部１４２による試算結果を示している。空調試算処理部１４２は、表示画面Ｇ５に示すように、不快指数に応じた電力削減率及び寄与率を試算結果として表示させる。また、照明試算処理部１４１は、表示画面Ｇ４に示すように、“計算”ボタンＢＴ４をクリックすることで、指定された任意の温度及び湿度に応じた試算処理を実行し、その試算結果を表示させる。これにより、利用者は、不快指数による作業員の作業効率及び快適性を考慮した節電プランを試算することができる。

次に、本実施形態におけるエリアごとの温度変化量ΔＴ（空気温度の変化量）を表示する処理について、図２７を参照して説明する。
ところで、空気の中で管理したい要素として温度が圧倒的に重要なファクターであり、温度を左右するのは「熱」となる。「熱」は、一般的には「温熱」を指すが、冷たくても「熱」は存在する（「冷熱」）。「熱」は、エネルギーの移動形態の一つであり、また、「熱」という形態を通して移動したエネルギーの量を「熱量」といい、「熱」は、必ず高温の物体から低温の物体へと移動する。熱量の単位には、ｃａｌ（カロリー）とＪ（ジュール）の２つがあり、本実施形態では、この双方で表示し、管理要素ならびに様々な物理的、統計的な分析のための基本情報としてエネルギー管理担当に提示する。

図２７は、本実施形態におけるΔＴ・熱量計算結果の表示画面の一例を示す図である。
本実施形態における空調試算処理部１４２は、図２７の表示画面Ｇ６に示すように、ΔＴ・熱量計算結果を表示する。すなわち、空調試算処理部１４２は、温度変化量ΔＴ、温度変化量ΔＴのｃａｌ換算値、及びＪ換算値を算出し、これらの熱量計算結果を含む提示情報（表示情報）を生成し、生成した提示情報（表示情報）を端末装置１０に出力する。これにより、端末装置１０は、提示情報（表示情報）である図２７に示すような表示画面Ｇ６を表示する。

熱量の導出モデルは、下記の式（１４）により表される。なお、変数Ｖは、体積を示す。

空調試算処理部１４２は、式（１４）に基づいて、下記の式（１５）に示すように、熱量を算出する。

ここで、変数ｃｐは、空気の定圧比熱（気体の圧力を一定にしたときの比熱）を示している。さらに、空調試算処理部１４２は、下記の式（１６）により、Ｊ換算値を算出する。

ここで、ｃａｌ_ｔｈは、熱力学カロリー（４．１８４：日本計量法）を示す。
なお、温度変化量ΔＴを算出する際には、空調試算処理部１４２は、上述した温度センサ７０により温度情報を随時取得し、空調機器５０の温度設定等に基づき、エリア内の温度変化が安定した時点での前後の温度変化の温度変化量ΔTを算出する。
また、体積Ｖは、下記の式（１７）により算出される。

次に、本実施形態における空調機器５０を、ＡＧＣＵ部５１を介して制御する処理について説明する。
図２８は、本実施形態における空調の制御処理の一例を示すフローチャートである。
この図において、空調試算処理部１４２は、空調設定変更の指定処理を実行する（ステップＳ６０１）。ここでは、空調試算処理部１４２は、温湿度設定（ステップＳ６０１Ａ）と、モード選択（ステップＳ６０１Ｂ）との２つの処理を実行する。
次に、空調試算処理部１４２は、制御指令を空調機器５０のＡＧＣＵ部５１に出力する（ステップＳ６０２）。

具体的には、ステップＳ６０１Ａの温湿度設定では、図２６に示す表示画面Ｇ５において、利用者が、温度と湿度とを指定した後に、“制御”ボタンＢＴ９をクリックすることにより、空調試算処理部１４２は、指定された温度と湿度とを取得する。そして、ステップＳ６０２において、空調試算処理部１４２は、空調機器５０のＡＧＣＵ部５１に指定された温度及び湿度を出力し、設定情報を変更する制御を実行する。

また、ステップＳ６０１Ｂのモード選択では、図２６に示す表示画面Ｇ５において、利用者が、“温度高モード”ボタンＢＴ５、“温度低モード”ボタンＢＴ６、及び“バランスモード”ボタンＢＴ７のいずれか１つを選択した後に、“制御”ボタンＢＴ８をクリックすることにより、空調試算処理部１４２は、選択された設定モードを取得する。そして、ステップＳ６０２において、空調試算処理部１４２は、空調機器５０のＡＧＣＵ部５１に選択された設定モードを出力し、設定情報を変更する制御を実行する。

以上説明したように、本実施形態における節電支援システム１ａでは、節電支援装置１００ａは、電力の時系列データとは異なる説明変数を学習情報として追加する学習情報追加部１１４を備えている。そして、予測処理部１１３は、学習情報が追加された場合に、未来の需要電力を予測するとともに、追加した学習情報が統計的に有効である否かを評価する。
これにより、本実施形態における節電支援システム１ａは、説明変数を追加するとともに、その説明変数が需要電力の予測に有効か否かを、統計的手法を利用して定量的に評価することができる。これにより、重要電力の予測精度を向上させることができるとともに、不要な説明変数の適用を抑制することができる。

また、本実施形態では、データ収集装置２００ａは、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集する。節電支援装置１００ａは、試算処理部１４０を備えている。試算処理部１４０は、測定情報に基づいて、人が感じる負荷を示す指標に応じた人が感じる負荷に関係する機器の消費電力を算出し、算出した機器の消費電力に基づく節電に関する試算情報を試算する。そして、試算処理部１４０は、試算した当該試算情報を含む試算提示情報を、節電支援装置１００ａとネットワークを介して接続された端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ａは、人が感じる負荷を考慮した、節電に関する試算を行うことができる。そのため、本実施形態における節電支援システム１ａは、需要電力に基づいて、人が感じる負荷を考慮した、節電目標、又は節電対策を適切に立案することができる。

また、本実施形態では、試算処理部１４０は、予め定められた電力目標値と、機器の消費電力とに基づいて、電力目標値に対する機器の消費電力の寄与率を試算情報として試算し、少なくとも寄与率を含む試算提示情報を端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ａは、消費電力の寄与率に基づいて、節電目標、又は節電対策を適切に立案することができる。

また、本実施形態では、人が感じる負荷を示す指標には、平均照度が含まれ、試算処理部１４０は、照明試算処理部１４１を備えている。照明試算処理部１４１は、平均照度に応じた、建物が有する照明機器６０の消費電力を算出し、算出した照明機器６０の消費電力に基づく照明に関する試算情報を試算する。そして、照明試算処理部１４１は、試算した当該試算情報を含む照明に関する試算提示情報を、端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ａは、平均照度による作業効率及び快適性を考慮した、節電に関する試算を行うことができる。そのため、本実施形態における節電支援システム１ａは、平均照度による作業効率及び快適性を考慮した、節電目標、又は節電対策を適切に立案することができる。

また、本実施形態では、照明試算処理部１４１は、平均照度が第１の基準値である場合の照明に関する試算情報である第１試算情報と、平均照度が第２の基準値である場合の照明に関する試算情報である第２試算情報とを試算し、試算した当該第１試算情報及び当該第２試算情報を含む照明に関する試算提示情報を、端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ａは、平均照度の２つの基準による施策を比較することができる。

また、本実施形態では、計測機器４０は、建物が有するエリアに備えられた複数の照明機器６０のうちの１台分の使用電力を測定する電力センサＳ１（第１のセンサ）によって１台分の使用電力を測定するとともに、エリアに備えられた照明機器６０の全使用電力を測定する電力センサＳ２（第２のセンサ）によって照明機器６０の全使用電力を測定する。データ収集装置２００ａは、１台分の使用電力と、照明機器６０の全使用電力とを測定情報としてエリアごとに収集する。照明試算処理部１４１は、照明機器６０を有するエリアの空間条件と、１台分の使用電力と、照明機器６０の全使用電力とに基づいて、平均照度に応じた照明機器６０の必要数を試算情報として算出し、少なくとも照明機器６０の必要数を含む試算提示情報を端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ａは、平均照度による作業効率及び快適性を考慮した照明機器６０の必要数を試算することができる。そのため、本実施形態における節電支援システム１ａは、適切な節電目標、又は節電対策を効率よく立案することができる。

また、本実施形態では、人が感じる負荷を示す指標には、温度及び湿度に基づいて算出される人が不快に感じる指標を示す不快指数が含まれ、試算処理部１４０は、空調試算処理部１４２を備えている。そして、空調試算処理部１４２は、不快指数に応じた、建物が有する空調機器５０の消費電力を算出し、算出した空調機器５０の消費電力に基づく空調に関する試算情報を試算し、試算した当該試算情報を含む空調に関する試算提示情報を、端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ａは、不快指数による作業効率及び快適性を考慮した、節電に関する試算を行うことができる。そのため、本実施形態における節電支援システム１ａは、不快指数による作業効率及び快適性を考慮した、節電目標、又は節電対策を適切に立案することができる。

また、本実施形態では、計測機器４０は、空調機器５０の使用電力を測定するとともに、建物が有するエリア内の温度を測定する温度センサによってエリア内の温度を測定し、エリア内の湿度を測定する湿度センサによってエリア内の湿度を測定する。データ収集装置２００ａは、空調機器５０の使用電力と、エリア内の温度と、エリア内の湿度とを測定情報としてエリアごとに収集する。空調試算処理部１４２は、エリア内の温度、及びエリア内の湿度に基づいて、不快指数を算出し、データ収集装置２００が収集した過去の空調機器５０の使用電力に基づいて、算出した不快指数に応じた空調機器５０の消費電力を算出する。
これにより、本実施形態における節電支援システム１ａは、不快指数による作業効率及び快適性を考慮した空調機器５０の消費電力を試算することができる。そのため、本実施形態における節電支援システム１ａは、適切な節電目標、又は節電対策を効率よく立案することができる。

また、本実施形態における節電支援システム１ａは、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置２００ａと、データ収集装置２００ａが収集した測定情報に基づいて、建物における節電に関する試算を行う節電支援装置１００ａとを備えている。そして、節電支援装置１００ａは、試算処理部１４０を備えている。試算処理部１４０は、測定情報に基づいて、人が感じる負荷を示す指標に応じた人が感じる負荷に関係する機器の消費電力を算出し、算出した機器の消費電力に基づく節電に関する試算情報を試算する。
これにより、本実施形態における節電支援システム１ａは、人が感じる負荷を考慮した、節電に関する試算を行うことができる。そのため、本実施形態における節電支援システム１ａは、需要電力に基づいて、人が感じる負荷を考慮した、節電目標、又は節電対策を適切に立案することができる。なお、本実施形態における節電支援システム１ａは、省エネ及び省ＣＯ２においても目標、又は対策を適切に立案することができる。

［第３の実施形態］
次に、第３の実施形態における節電支援システムについて図面を参照して説明する。
本実施形態では、第２の実施形態に、さらに、節電に関する評価処理が追加されている。

図２９は、第３の実施形態による節電支援システム１ｂの一例を示すブロック図である。
この図において、節電支援システム１ｂは、節電支援装置１００ｂ、データ収集装置２００ａ、複数の計測機器４０（４０−１、４０−２、・・・）、及び複数の空調機器５０（５０−１、５０−２、・・・）を備えている。また、節電支援システム１ｂは、ネットワークＮ１を介して節電支援装置１００ｂと接続される複数の端末装置１０（１０−１、１０−２、・・・）と、ＦＷ（Fire Wall）装置２０を介して節電支援装置１００ｂと接続される外部連携サーバ３００と、携帯端末装置３０（３０−１、３０−２、・・・）とを備えている。
なお、この図において、図１及び図１３に示す構成と同一の構成については同一の符号を付し、その説明を省略する。以下、図１及び図１３と異なる構成について説明する。

節電支援装置１００ｂは、処理部１１０ｂ、記憶部１２０ａ、及び測定データ取得部１３０を備えている。
処理部１１０ｂは、学習データ取得部１１１、最適化処理部１１２、予測処理部１１３、学習情報追加部１１４、試算処理部１４０、及び評価処理部１５０を備えている。また、評価処理部１５０は、節電努力検定部１５１及び節電順位評価部１５２を備えている。

評価処理部１５０は、節電の協力を要請する節電要請の前後において計測機器４０によって測定された建物の使用電力に基づいて、節電要請の前後における建物の節電に関する評価指標値を算出する。評価処理部１５０は、算出した評価指標値に基づく節電の評価結果を含む評価提示情報（例えば、評価表示情報）を、節電支援装置１００ｂとネットワークを介して接続された端末装置１０に出力する。
ここで、評価指標値とは、例えば、ｔ検定におけるｔ値やスピアマンの順位相関係数などのである。

節電努力検定部１５１は、節電要請の前後において計測機器４０によって測定された複数の建物の使用電力に基づいて、節電要請の前後における建物の使用電力の変化が、複数の建物の間において有意差があるか否かを検定する検定情報（例えば、ｔ値）を評価指標値として算出する。節電努力検定部１５１は、算出した当該検定情報に基づく評価結果を含む評価提示情報を端末装置１０に出力する。

例えば、節電努力検定部１５１は、複数の建物において複数のエリアで構成される異なる建物規模において、複数の建物において節電努力に差があるかどうかを分析する。
具体的には、下記の式（１８）のような回帰分析モデルを考える。

ここで、ｘ_ｉ（ｉは、１、・・・ｎ）は、既存の説明変数であり、αとβは未知の係数である。そしてε_ｉは、独立に同一の正規分布に従った期待値“０”で未知の分散σ２であるランダムな誤差とする。また、Ｙ_ｉ（ｉは、１、・・・ｎ）は、観測値である。この場合、βがある特定の値β_０と等しいか否かをテストしたいとする。なお、多くの場合、β_０は“０”である。なぜなら、βが“０”であればｘとｙとに相関性が無いということになり、βが“０”以外の値であれば、ｘとｙとは、相関しているということになる。
ここで、下記の式（１９）とすると、ｔ_{ｓｃｏｒｅ}は、下記の式（２０）となる。

ここで、帰無仮説が正しければ、この数値は、ｔ値の自由度が（ｎ−２）に従う。さらに、下記の式（２１）とすると、ｔ_{ｓｃｏｒｅ}は、下記の式（２２）となる。

ここで、帰無仮説が正しいと仮定した場合、統計量がｔ分布に従うことを利用する統計学的検定法、つまりｔ検定（２群の差の検定）を利用することができる。
本実施形態において、節電努力検定部１５１は、この検定モデルを利用して、利用者が当該建物ｎ数を任意に選択することにより、選択された建物単位の節電努力に差があるか否かを、節電要請の前後のデータに基づいて、関連２群の検定を実行する。

節電順位評価部１５２は、節電要請の前後において計測機器４０によって測定された建物におけるエリアごとの使用電力に基づいて、エリアごとの使用電力を順位付けし、節電要請の前後においてそれぞれ順位付けした順位に基づいて、エリアごとの使用電力の相関係数を評価指標値として算出する。節電順位評価部１５２は、算出した当該相関係数に基づく評価結果を含む評価提示情報を端末装置１０に出力する。

例えば、節電順位評価部１５２は、建物のエリア単位の節電順位における相関関係を分析する。すなわち、節電順位評価部１５２は、統計学において順位データから求められる相関の指標を利用して関係性を求める。具体的には、節電順位評価部１５２は、スピアマンの順位相関係数を利用する。
すなわち、本実施形態では、下記の式（２３）のようなモデルを考える。

ただし、ここでは、変数Ｄは、対応するＸとＹとの値の順位の差であり、変数Ｎは、値のペア数（組数）を示している。これは、ノンパラメトリックな指標である。すなわち、このモデルは、２つの変数の分布について何も仮定せずに、変数の間の関係が任意の単調関数によってどの程度忠実に表現できるかを評価するものであり、順位が明らかであればよい。また、上記の式（２３）を変形すると、下記の式（２４）となる。

節電順位評価部１５２は、この検定モデルを利用して、建物のエリア単位の節電行動における相関関係の評価を行う。
節電順位評価部１５２は、利用者が当該となる建物を選択することで、選択された建物に紐づく全エリアの節電順位に相関関係があるか否かを評価する。節電順位評価部１５２は、節電要請の前後のデータを基に、前置処理として、各エリアの節電要請前の消費電力順位（消費量が最も少ないエリアを最上位とし、順に下位とする）と、各エリアの節電要請後の削減率順位（削減率が最も高いエリアを最上位とし、順に下位とする）付けを行う。節電順位評価部１５２は、この前置処理によって生成された順位を基に相関関係を分析する。なお、上述した削減率は、下記の式（２５）により表される。

次に、本実施形態における節電支援システム１ｂの動作について、図面を参照して説明する。
まず、節電努力検定部１５１による節電努力の分析処理について説明する。
＜節電努力の分析処理＞
図３０は、本実施形態における節電努力の分析処理の一例を示すフローチャートである。また、図３１は、本実施形態における節電努力の分析処理における分析結果の表示画面の一例を示す図である。

図３０において、まず、節電努力検定部１５１は、利用者によって、建物が選択される（ステップＳ７０１）。すなわち、節電努力検定部１５１は、図３１に示す表示画面Ｇ７を端末装置１０に表示させ、この表示画面Ｇ７において、利用者が建物を選択する。節電努力検定部１５１は、選択された建物の情報を、端末装置１０を介して取得する。

次に、節電努力検定部１５１は、節電要請により分析処理を開始する（ステップＳ７０２）。すなわち、利用者が“節電要請”ボタンＢＴ１０をクリックするタイミングをキーに、節電努力検定部１５１は、上述したｔ検定による分析処理を開始する。

次に、節電努力検定部１５１は、節電要請前後の測定データを取得する（ステップＳ７０３）。すなわち、節電努力検定部１５１は、上述の“節電要請”ボタンＢＴ１０のクリック時と、その１時間後との測定データを取得する。

次に、節電努力検定部１５１は、取得した節電要請前後の測定データに基づいて、上述したｔ検定による分析処理を実行する（ステップＳ７０４）。節電努力検定部１５１は、上述した式（２２）に示す検定モデルを利用して、選択された建物単位の節電努力に差があるか否かを、節電要請の前後のデータに基づいて、関連２群の検定を実行する。

次に、節電努力検定部１５１は、検定結果を表示する（ステップＳ７０５）。すなわち、節電努力検定部１５１は、ｔ検定による検定結果を含む評価提示情報を生成し、評価提示情報を端末装置１０に出力する。その結果、端末装置１０に、図３１に示す表示画面Ｇ７が表示され、利用者に検定結果が提示される。

次に、節電順位評価部１５２による節電順位相関係数の分析処理について説明する。
＜節電順位相関係数の分析処理＞
図３２は、本実施形態における節電順位相関係数の分析処理の一例を示すフローチャートである。また、図３３は、本実施形態における節電順位相関係数の分析処理における分析結果の表示画面の一例を示す図である。

図３２において、まず、節電順位評価部１５２は、利用者によって、建物が選択される（ステップＳ８０１）。すなわち、節電努力検定部１５１は、図３３に示す表示画面Ｇ８を端末装置１０に表示させ、この表示画面Ｇ８において、利用者が建物を選択し、これによりエリアが選択される。節電順位評価部１５２は、選択された建物の情報（全エリア情報）を、端末装置１０を介して取得する。

次に、節電順位評価部１５２は、節電要請により分析処理を開始する（ステップＳ８０２）。すなわち、利用者が“節電要請”ボタンＢＴ１１をクリックするタイミングをキーに、節電順位評価部１５２は、上述したスピアマンの順位相関係数による分析処理を開始する。

次に、節電順位評価部１５２は、節電要請前後の測定データを取得する（ステップＳ８０３）。すなわち、節電順位評価部１５２は、上述の“節電要請”ボタンＢＴ１１のクリック時と、その１時間後との測定データを取得する。

次に、節電順位評価部１５２は、取得した節電要請前後の測定データに基づいて、上述した前置処理（順位付け処理）した(ステップＳ８０４)後に、上述したスピアマンの順位相関係数による相関分析処理を実行する（ステップＳ８０５）。節電努力検定部１５１は、上述した式（２４）に示す順位による相関分析を利用して、選択された建物における全エリアの節電行動に相関関係があるか否かを分析する。

次に、節電順位評価部１５２は、分析結果を表示する（ステップＳ８０６）。すなわち、節電順位評価部１５２は、スピアマンの順位相関係数による分析結果を含む評価提示情報を生成し、評価提示情報を端末装置１０に出力する。その結果、端末装置１０に、図３３に示す表示画面Ｇ８が表示され、利用者に分析結果が提示される。

以上説明したように、本実施形態による節電支援システム１ｂにおいて、節電支援装置１００ｂは、評価処理部１５０を備える。評価処理部１５０は、節電要請の前後において計測機器４０によって測定された建物の使用電力に基づいて、節電要請の前後における建物の節電に関する評価指標値を算出する。評価処理部１５０は、算出した評価指標値に基づく節電の評価結果を含む評価提示情報を、端末装置１０に出力する。
これにより、本実施形態による節電支援システム１ｂは、節電行動の評価を定量的に評価することができる。節電行動を適切に評価できるため、本実施形態による節電支援システム１ｂは、評価結果に基づいて、節電目標、又は節電対策を適切に立案することができる。なお、本実施形態における節電支援システム１ｂは、省エネ及び省ＣＯ２においても目標、又は対策を適切に立案することができる。

また、本実施形態における節電支援システム１ｂは、複数のデータ収集装置２００ａを備え、複数のデータ収集装置２００ａのそれぞれは、複数の建物のそれぞれの使用電力を収集する。そして、評価処理部１５０は、節電努力検定部１５１を備えている。節電努力検定部１５１は、節電要請の前後において計測機器４０によって測定された複数の建物の使用電力に基づいて、節電要請の前後における建物の使用電力の変化が、複数の建物の間において有意差があるか否かを検定する検定情報を評価指標値として算出する。節電努力検定部１５１は、算出した当該検定情報に基づく評価結果を含む評価提示情報を端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ｂは、建物間において、節電努力に差があるか否かを定量的に評価することができる。

また、本実施形態における節電支援システム１ｂでは、建物は、複数のエリアを有し、データ収集装置２００ａは、電力の時系列データをエリアごとに収集する。そして、評価処理部１５０は、節電順位評価部１５２を備えている。節電順位評価部１５２は、節電要請の前後において計測機器４０によって測定された建物におけるエリアごとの使用電力に基づいて、エリアごとの使用電力を順位付けし、節電要請の前後においてそれぞれ順位付けした順位に基づいて、エリアごとの使用電力の相関係数を評価指標値として算出する。節電順位評価部１５２は、算出した当該相関係数に基づく評価結果を含む評価提示情報を端末装置１０に出力する。
これにより、本実施形態における節電支援システム１ｂは、建物内の全エリアにおいて、節電行動に相関関係があるか否かを定量的に評価することができる。

また、本実施形態における節電支援システム１ｂは、少なくとも電力を測定する計測機器４０によって建物の使用電力を収集するデータ収集装置２００ａと、データ収集装置２００ａが収集した建物の使用電力に基づいて、建物における節電に関する評価を行う節電支援装置１００ｂとを備えている。そして、節電支援装置１００ｂは、評価処理部１５０を備えている。評価処理部１５０は、節電要請の前後において計測機器４０によって測定された建物の使用電力に基づいて、節電要請の前後における建物の節電に関する評価指標値を算出する。評価処理部１５０は、算出した評価指標値に基づく節電の評価結果を含む評価提示情報を出力する。
これにより、本実施形態による節電支援システム１ｂは、節電行動の評価を定量的に評価することができる。節電行動を適切に評価できるため、本実施形態による節電支援システム１ｂは、評価結果に基づいて、節電目標、又は節電対策を適切に立案することができる。

なお、本発明は、上記の各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変更可能である。
例えば、上記の各実施形態において、予測処理の統計モデルとして、線形重回帰モデルを利用する一例を説明したが、これに限定されるものではない。例えば、予測処理の統計モデルとしては、判別モデル、分類木（決定木）、自己回帰モデル、移動平均自己回帰モデル、ニューラルネットワークモデル、サポートベクトル回帰モデルなどを適用してもよい。
また、所定の時間間隔、所定の学習範囲、第１の周期期間、及び第２の周期期間は、上記の各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変更可能である。

また、上記の各実施形態において、節電支援装置１００（１００ａ、１００ｂ）が、記憶部１２０を備える場合について説明したが、記憶部１２０の全て又は一部を節電支援装置１００（１００ａ、１００ｂ）に外部に備えてもよい。例えば、記憶部１２０（１２０ａ）がネットワーク上にあるファイルサーバであってもよい。
また、上記の各実施形態において、データ収集装置２００（２００ａ）が、収集データ記憶部２２０を備える場合について説明したが、収集データ記憶部２２０の全て又は一部をデータ収集装置２００（２００ａ）に外部に備えてもよい。

また、上記の実施形態において、温度変化量ΔＴをｃａｌ換算、及びＪ換算する場合について説明したが、ＣＯ２（二酸化炭素）排出量に換算してもよいし、原油換算やＷ（ワット）換算してもよい。

また、上記の各実施形態において、最適化処理部１１２が、説明変数に対応する時系列データに欠損（ロスト）がある場合に、欠損している時刻の前後の２つのデータの移動平均により補間する一例を説明したが、これに限定されるものではない。例えば、最適化処理部１１２は、前後２個ずつ、計４個のデータの移動平均を用いてもよい。また、最適化処理部１１２は、近似関数を利用して、欠損しているデータを補間してもよい。
また、上記の各実施形態において、各処理が、利用者の操作によって開始される場合について説明したが、節電要請をトリガーに自動で開始されてもよい。
また、上記の各実施形態において、建物単位、又はエリア単位に、予測処理、試算処理、及び評価処理を行う場合について説明したが、各処理を、例えば、部屋単位、町単位、都市単位などに適用してもよい。

なお、本発明における節電支援システム１（１ａ、１ｂ）が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述した節電支援システム１（１ａ、１ｂ）が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部または外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に節電支援システム１（１ａ、１ｂ）が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、上述した機能の一部または全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１、１ａ、１ｂ 節電支援システム
１０、１０−１、１０−２ 端末装置
２０ ＦＷ装置
３０、３０−１、３０−２ 携帯端末装置
４０、４０−１、４０−２ 計測機器
４１ センサＧＷ部
４２ 分電盤
５０、５０−１、５０−２ 空調機器
５１ ＡＧＣＵ部
６０、６０−１、６０−２、６０−３ 照明機器
７０、７０−１、７０−２、７０−３、７０−４、７０−５、７０−６ 温度センサ
８０、８０−１、８０−２ 湿度センサ
１００、１００ａ、１００ｂ 節電支援装置
１１０、１１０ａ、１１０ｂ 処理部
１１１ 学習データ取得部
１１２ 最適化処理部
１１３ 予測処理部
１２０、１２０ａ 記憶部
１２１ 電力情報記憶部
１２２ カレンダ情報記憶部
１２３ 設定情報記憶部
１２４ 予測結果記憶部
１２５ 空調情報記憶部
１３０ 測定データ取得部
１４０ 試算処理部
１４１ 照明試算処理部
１４２ 空調試算処理部
１５０ 評価処理部
１５１ 節電努力検定部
１５２ 節電順位評価部
２００、２００ａ データ収集装置
２１０、２１０ａ 収集処理部
２１１、２１１ａ 電力収集部
２１２ 空調情報収集部
２１３ 空調制御部
２２０ 収集データ記憶部
Ａ１ エリア
Ｂ１ 建物
Ｎ１、Ｎ２ ネットワーク
Ｓ１、Ｓ２ 電力センサ

Claims (8)

1. 建物の使用電力を、少なくとも電力を測定する計測機器が測定した電力値に基づく電力の時系列データとして収集し、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置と、
   データ収集装置が収集した前記測定情報に基づいて、前記建物における節電に関する試算を行う節電支援装置と
   を備え、
   前記節電支援装置は、
   前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する試算処理部であって、前記エリア全体の現在の消費電力と、予め定められた電力目標値と、前記機器の消費電力とに基づいて、前記エリア全体の現在の消費電力と前記電力目標値との差分に対して前記機器の消費電力がどの程度の割合であるかを示す前記機器の消費電力の寄与率を前記試算情報として試算し、少なくとも前記寄与率を含む前記試算提示情報を前記端末装置に出力する試算処理部
   を備えることを特徴とする節電支援システム。
2. 前記人が感じる負荷を示す指標には、平均照度が含まれ、
   前記試算処理部は、
   前記平均照度に応じた、前記建物が有する照明機器の消費電力を算出し、算出した前記照明機器の消費電力に基づく照明に関する試算情報を試算し、試算した当該試算情報を含む照明に関する試算提示情報を、前記端末装置に出力する照明試算処理部
   を備えることを特徴とする請求項１に記載の節電支援システム。
3. 前記照明試算処理部は、
   前記平均照度が第１の基準値である場合の前記照明に関する試算情報である第１試算情報と、前記平均照度が第２の基準値である場合の前記照明に関する試算情報である第２試算情報とを試算し、試算した当該第１試算情報及び当該第２試算情報を含む前記照明に関する試算提示情報を、前記端末装置に出力する
   ことを特徴とする請求項２に記載の節電支援システム。
4. 前記計測機器は、
   前記建物が有するエリアに備えられた複数の前記照明機器のうちの１台分の使用電力を測定する第１のセンサによって前記１台分の使用電力を測定するとともに、前記エリアに備えられた前記照明機器の全使用電力を測定する第２のセンサによって前記照明機器の全使用電力を測定し、
   前記データ収集装置は、
   前記１台分の使用電力と、前記照明機器の全使用電力とを前記測定情報としてエリアごとに収集し、
   前記照明試算処理部は、
   前記照明機器を有するエリアの空間条件と、前記１台分の使用電力と、前記照明機器の全使用電力とに基づいて、前記平均照度に応じた前記照明機器の必要数を前記試算情報として算出し、少なくとも前記照明機器の必要数を含む前記試算提示情報を前記端末装置に出力する
   ことを特徴とする請求項２又は請求項３に記載の節電支援システム。
5. 建物の使用電力を、少なくとも電力を測定する計測機器が測定した電力値に基づく電力の時系列データとして収集し、建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置と、
   データ収集装置が収集した前記測定情報に基づいて、前記建物における節電に関する試算を行う節電支援装置と
   を備え、
   前記節電支援装置は、
   前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する試算処理部
   を備え、
   前記人が感じる負荷を示す指標には、平均照度が含まれ、
   前記試算処理部は、
   前記平均照度に応じた、前記建物が有する照明機器の消費電力を算出し、算出した前記照明機器の消費電力に基づく照明に関する試算情報を試算し、試算した当該試算情報を含む照明に関する試算提示情報を、前記端末装置に出力する照明試算処理部
   を備え、
   前記計測機器は、
   前記建物が有するエリアに備えられた複数の前記照明機器のうちの１台分の使用電力を測定する第１のセンサによって前記１台分の使用電力を測定するとともに、前記エリアに備えられた前記照明機器の全使用電力を測定する第２のセンサによって前記照明機器の全使用電力を測定し、
   前記データ収集装置は、
   前記１台分の使用電力と、前記照明機器の全使用電力とを前記測定情報としてエリアごとに収集し、
   前記照明試算処理部は、
   前記照明機器を有するエリアの空間条件と、前記１台分の使用電力と、前記照明機器の全使用電力とに基づいて、前記平均照度に応じた前記照明機器の必要数を前記試算情報として算出し、少なくとも前記照明機器の必要数を含む前記試算提示情報を前記端末装置に出力する
   ことを特徴とする節電支援システム。
6. 前記人が感じる負荷を示す指標には、温度及び湿度に基づいて算出される人が不快に感じる指標を示す不快指数が含まれ、
   前記試算処理部は、
   前記不快指数に応じた、前記建物が有する空調機器の消費電力を算出し、算出した前記空調機器の消費電力に基づく空調に関する前記試算情報を試算し、試算した当該試算情報を含む空調に関する試算提示情報を、前記端末装置に出力する空調試算処理部
   を備えることを特徴とする請求項１から請求項５のいずれか一項に記載の節電支援システム。
7. 前記計測機器は、
   前記空調機器の使用電力を測定するとともに、前記建物が有するエリア内の温度を測定する温度センサによって前記エリア内の温度を測定し、前記エリア内の湿度を測定する湿度センサによって前記エリア内の湿度を測定し、
   前記データ収集装置は、
   前記空調機器の使用電力と、前記エリア内の温度と、前記エリア内の湿度とを前記測定情報としてエリアごとに収集し、
   前記空調試算処理部は、
   前記エリア内の温度、及び前記エリア内の湿度に基づいて、前記不快指数を算出し、前記データ収集装置が収集した過去の前記空調機器の使用電力に基づいて、算出した前記不快指数に応じた前記空調機器の消費電力を算出する
   ことを特徴とする請求項６に記載の節電支援システム。
8. 建物が有するエリアにおける、少なくとも使用電力を含むエリアに関する測定情報を収集するデータ収集装置が収集した前記測定情報に基づいて、前記建物における節電に関する試算を行う節電支援装置であって、
   前記測定情報に基づいて、人が感じる負荷を示す指標に応じた前記人が感じる負荷に関係する機器の消費電力を算出し、算出した前記機器の消費電力に基づく節電に関する試算情報を試算し、試算した当該試算情報を含む試算提示情報を、前記節電支援装置とネットワークを介して接続された端末装置に出力する試算処理部であって、前記エリア全体の現在の消費電力と、予め定められた電力目標値と、前記機器の消費電力とに基づいて、前記エリア全体の現在の消費電力と前記電力目標値との差分に対して前記機器の消費電力がどの程度の割合であるかを示す前記機器の消費電力の寄与率を前記試算情報として試算し、少なくとも前記寄与率を含む前記試算提示情報を前記端末装置に出力する試算処理部
   を備えことを特徴とする節電支援装置。

Images