JP6407110B2 - 負荷推定装置及び負荷推定方法 - Google Patents

Description

本発明は、需要家の電力負荷を推定する負荷推定装置及び負荷推定方法に関する。

近年、スマートメータの普及拡大により、需要家の総消費電力量（総負荷）を３０分ごとに計測及び収集するシステムが普及しつつある。しかし、エネルギーコントロールや省エネルギー化のためには、総消費電力量だけでなく、電力を消費する機器ごとの電力量、及び、電力利用の用途ごとの電力量を把握し、当該電力量に応じて、機器の利用方法を変更する必要がある。また、需要家の機器ごとの消費電力量（負荷）が把握できると、需要家の機器ごとの負荷を合計することにより、配電区間の機器ごとの負荷を推定することが可能となる。配電区間の機器ごとの負荷を把握することで、将来の機器普及率の変化や機器性能の向上に伴う負荷変化の予測を行うことが可能となる。さらに、配電区間の機器ごとの負荷を把握すると、電気料金変更に伴う需要家の機器利用時間の変化（シフト）を考慮した負荷予測も可能となる。このように、各種変化（機器普及率変化、機器性能向上の変化、及び、電気料金変更に伴う機器利用時間の変化）を予測することが可能な、需要家の機器ごとの負荷の把握は、需要家だけでなく、電力供給元にとっても有益である。

需要家の機器ごとの負荷を得る方法として、例えば、特許文献１に記載のように、需要家の保有する機器や電力供給回路ごとに計測器を設置し、ＨＥＭＳ（Home Energy Management System）を利用して上記負荷を収集するという方法が開示されている。

特許文献２には、機器ごとの負荷モデルと、需要家の保有する機器の詳細な情報と、需要家の負荷実績とに基づき、総需要電力における機器ごとの負荷の内訳を推定及び予測する方法が開示されている。

特開２０１４−１１２４３９号公報 特開２００４−２７２３４０号公報

しかしながら、従来の負荷推定装置では、全需要家について、機器ごとに新たな計測器を設置するか、全需要家の保有する機器の詳細情報を収集しなければ、需要家の機器ごとの負荷を把握することができないといった問題点があった。

具体的には、特許文献１では、あらゆる需要家に対して、機器ごと、または、需要家の電力供給経路の分岐先ごとに新たな計測器を設置し、計測器で計測される負荷データを収集する収集装置を設置する必要がある。特許文献２では、需要家の保有する機器の種類や台数、運転パラメータ等の詳細情報を得る必要がある。しかしながら、負荷データや詳細情報などを、あらゆる需要家について電力供給元が得ることは現実的に困難であるという問題点があった。

そこで、本発明は、上記のような問題点を鑑みてなされたものであり、所望の需要家の機器別電力を推定可能な技術を提供することを目的とする。

本発明に係る負荷推定装置は、予め定められた複数の第１需要家のそれぞれについて随時計測された複数の機器別電力に基づいて、それぞれが第１総需要電力の時間変化と、当該第１総需要電力における各前記機器別電力の割合とを含み、それぞれの前記第１総需要電力の時間変化が互いに異なる複数の負荷特性パターンを生成する負荷特性パターン生成部と、所望の第２需要家の第２総需要電力の時間変化が入力される需要家総電力入力部と、前記需要家総電力入力部に入力された前記第２総需要電力の時間変化と、前記負荷特性パターン生成部で生成された前記複数の負荷特性パターンとに基づいて、前記第２総需要電力の時間変化に類似する一の前記負荷特性パターンを抽出する負荷特性パターン比較部と、前記需要家総電力入力部に入力された前記第２総需要電力の時間変化と、前記負荷特性パターン比較部で抽出された前記一の負荷特性パターンとに基づいて、時間に応じて変化する前記第２総需要電力を、当該一の負荷特性パターンに含まれる前記各機器別電力の前記割合で案分する内訳計算部とを備える。

本発明に係る負荷推定方法は、（ａ）予め定められた複数の第１需要家のそれぞれについて随時計測された複数の機器別電力に基づいて、それぞれが第１総需要電力の時間変化と、当該第１総需要電力における各前記機器別電力の割合とを含み、それぞれの前記第１総需要電力の時間変化が互いに異なる複数の負荷特性パターンを生成する工程と、（ｂ）所望の第２需要家の第２総需要電力の時間変化が入力される工程と、（ｃ）前記工程（ｂ）で入力された前記第２総需要電力の時間変化と、前記工程（ａ）で生成された前記複数の負荷特性パターンとに基づいて、前記第２総需要電力の時間変化に類似する一の前記負荷特性パターンを抽出する工程と、（ｄ）前記工程（ｂ）で入力された前記第２総需要電力の時間変化と、前記工程（ｃ）で抽出された前記一の負荷特性パターンとに基づいて、時間に応じて変化する前記第２総需要電力を、当該一の負荷特性パターンに含まれる前記各機器別電力の前記割合で案分する工程とを備える。

本発明によれば、需要家総電力入力部に入力された第２総需要電力の時間変化と、負荷特性パターン比較部で抽出された一の負荷特性パターンとに基づいて、時間に応じて変化する第２総需要電力を、当該一の負荷特性パターンに含まれる各機器別電力の割合で案分する。これにより、所望の第２需要家についての機器別電力を計測しなくても推定することができる。

実施の形態１に係る負荷推定装置の構成を示すブロック図である。 実施の形態１に係る機器別電力記憶部に記憶される機器別電力の一例を示す図である。 実施の形態１に係る負荷特性パターン生成部の動作の一例を示すフローチャートである。 実施の形態１に係る負荷特性パターン生成部の動作の一例を示す図である。 実施の形態１に係る負荷特性パターン生成部の動作の一例を示す図である。 実施の形態１に係る負荷特性パターン記憶部に記憶される負荷特性パターンの一例を示す図である。 実施の形態１に係る負荷特性パターン記憶部に記憶される負荷特性パターンの一例を示す図である。 実施の形態１に係る負荷特性パターン記憶部に記憶される負荷特性パターンの一例を示す図である。 実施の形態１に係る負荷特性パターン記憶部に記憶される負荷特性パターンの一例を示す図である。 実施の形態１に係る負荷特性パターン記憶部に記憶される負荷特性パターンの一例を示す図である。 変形例２に係る負荷特性パターン生成部の動作の一例を示すフローチャートである。 変形例２に係る負荷特性パターン生成部の動作結果の一例を示すフローチャートである。 変形例２に係る負荷特性パターン記憶部に記憶される負荷特性パターンの一例を示す図である。 実施の形態２に係る負荷推定装置の構成を示すブロック図である。 実施の形態２に係る負荷特性パターン生成部の動作の一例を示すフローチャートである。 実施の形態３に係る負荷推定装置の構成を示すブロック図である。 実施の形態３に係る補正部により補正されるデータの一例を示す図である。 実施の形態３に係る補正部により補正されるデータの一例を示す図である。 実施の形態３に係る補正部の動作の一例を示すフローチャートである。 実施の形態４に係る負荷推定装置の構成を示すブロック図である。 実施の形態４に係る負荷特性パターン生成部の動作の一例を示すフローチャートである。

＜実施の形態１＞
図１は、本発明の実施の形態１に係る負荷推定装置の構成を示すブロック図である。図１の負荷推定装置は、機器別電力記憶部１と、負荷特性パターン生成部２と、負荷特性パターン記憶部３と、需要家総電力入力部４と、負荷特性パターン比較部５と、内訳計算部６とを備えている。

機器別電力記憶部１は、予め定められた複数の第１需要家のそれぞれについて随時計測された複数の機器別電力を記憶する。この機器別電力記憶部１に記憶された複数の機器別電力は、負荷特性パターン生成部２で用いられる。

負荷特性パターン生成部２は、機器別電力記憶部１に記憶された複数の機器別電力に基づいて、複数の負荷特性パターンを生成する。なお、複数の負荷特性パターンのそれぞれは、第１総需要電力の時間変化と、当該第１総需要電力における各機器別電力の割合とを含んでおり、複数の負荷特性パターンのそれぞれの第１総需要電力の時間変化は互いに異なっている。

負荷特性パターン記憶部３は、負荷特性パターン生成部２で生成された複数の負荷特性パターンを記憶する。この負荷特性パターン記憶部３に記憶された複数の負荷特性パターンは、負荷特性パターン比較部５に用いられる。

需要家総電力入力部４には、所望の第２需要家の第２総需要電力の時間変化が入力される。

負荷特性パターン比較部５は、需要家総電力入力部４に入力された第２総需要電力の時間変化と、負荷特性パターン生成部２で生成されて負荷特性パターン記憶部３に記憶された複数の負荷特性パターンとに基づいて、第２総需要電力の時間変化に類似する一の負荷特性パターン（以下「類似負荷特性パターン」と記す）を抽出する。

内訳計算部６は、需要家総電力入力部４に入力された第２総需要電力の時間変化と、負荷特性パターン比較部５で抽出された類似負荷特性パターンとに基づいて、時間に応じて変化する第２総需要電力を、当該類似負荷特性パターンに含まれる各機器別電力の割合で案分する。

以上のように構成された本実施の形態１に係る負荷推定装置によれば、予め定められた一部の需要家（機器別電力が計測される複数の第１需要家）から負荷特性パターンを生成することにより、所望の需要家（第２需要家）の機器別電力を計測しなくても、計測などによって既知の第２総需要電力から、第２総需要電力における未知の各機器の割合（各機器別電力）を推定することが可能となっている。以下、このような本実施の形態１に係る負荷推定装置の各構成要素について詳細に説明する。

＜機器別電力記憶部１＞
機器別電力記憶部１は、複数の第１需要家のそれぞれについて随時計測された複数の機器別電力を記憶する。

図２は、機器別電力記憶部１に記憶される機器別電力の一例を示す図である。機器別電力記憶部１には、機器別電力として、需要家ごとに、キッチン、リビングコンセント、ＩＨクッキングヒータ、洗濯機、食器洗い機、冷蔵庫、エアコン、給湯器等の機器別（機種別）の消費電力量が記憶されている。すなわち、機器別電力は、文字通りの電力だけでなく、電力量も含んでもよい。機器別電力記憶部１は、複数の機器別電力を記憶していることから、実質的にはそれら消費電力を合計して得られる総消費電力量を記憶している。

なお、ここでは図示されていないが、太陽光発電の発電量が機器別電力として記憶されていてもよい。すなわち、機器別電力は、負荷（消費電力量）だけでなく、発電量も含んでもよい。また、機器別電力は、機器一つ一つの電力だけでなく、給湯用、キッチン用、生産設備用等、用途ごとにグループ化された電力も含んでもよい。機器別電力記憶部１に記憶される機器別電力量（機器別の消費電力量または消費電力）は、例えば、分電盤の分岐回路ごとに設置された計測器を用いて計測された値でもよいし、コンセントタップに設置された計測器を用いて計測された値でもよいし、機器そのものが消費電力計測機能を持ち、その機能を用いて計測された値でもよいし、ＨＥＭＳを用いて計測された値でもよい。なお、図２は１時間単位で計測した機器別電力（消費電力量）を示しているが、１時間単位に限らず、１分単位、１０分単位、３０分単位等で計測した値であってもよい。

＜負荷特性パターン生成部２＞
負荷特性パターン生成部２は、機器別電力記憶部１に記憶された複数の機器別電力に基づいて、複数の負荷特性パターンを生成する。

図３は、本実施の形態１に係る負荷特性パターン生成部２の動作の一例を示すフローチャートである。まず、その概略について説明する。

ステップＳ１にて、負荷特性パターン生成部２は、データ同士の類似度（第１類似度）を計算（算出）する。１回目のステップＳ１で類似度の計算対象となるデータは、複数の第１需要家の複数の機器別電力のデータであり、２回目以降のステップＳ１で類似度の計算対象となるデータは、複数の第１需要家の複数の機器別電力のデータ、または、ステップＳ３で分類（統合）されたデータとなる。

以下、データの類似度が大きい（高い）ほど、データが類似し、データの非類似度が大きい（高い）ほど、データが類似しないものとして説明する。ただし、類似度と逆の関係にある非類似度にマイナスを付加したり、非類似度の逆数を取ったりすれば、非類似度を類似度に容易に換算することが可能である。そこで、以下では、類似度は、文字通りの類似度だけでなく非類似度も含むものとして説明する。

ステップＳ２にて、負荷特性パターン生成部２は、ステップＳ１で計算した類似度が予め定められた閾値以下であるか否かを判定する。閾値以下であると判定した場合には図３の動作を終了し、そうでない場合にはステップＳ３に進む。

ステップＳ３にて、負荷特性パターン生成部２は、ステップＳ１で計算した類似度に基づいてデータのパターン分類を行う。その後、ステップＳ１に戻る。

次に各ステップについて詳細に説明する。図４及び図５は、ステップＳ１の一例、つまりデータ間の類似度の計算の一例を示す図である。図４に示すように、データ番号１〜６のデータＤ１〜Ｄ６が存在する場合、負荷特性パターン生成部２は、全データのうちの２つのデータの類似度を、総当たりで計算する。

以下、図５を参照しながら、データＤ１（第１需要家Ａの総消費電力量）と、データＤ２（第１需要家Ｂの総消費電力量）とに基づいて、負荷特性パターン生成部２が、データＤ１及びデータＤ２の類似度を計算する例について説明する。

まず、負荷特性パターン生成部２は、データＤ１のうち時刻ｔ１の消費電力量ｙ１＿ｔ１と、データＤ２のうち時刻ｔ１の消費電力量ｙ２＿ｔ１とに基づいて、時刻ｔ１のデータ間距離｜ｙ２＿ｔ１−ｙ１＿ｔ１｜を、データＤ１及びデータＤ２の時刻ｔ１の類似度として計算する。厳密には、データ間距離は、データＤ１及びデータＤ２が類似しないほど大きくなる非類似度であるが、上述したように、ここでは非類似度は類似度に含まれるものとして説明する。

負荷特性パターン生成部２は、データＤ１及びデータＤ２の時刻ｔ１の類似度と同様の計算を行うことにより、次式（１）で示されるデータ間距離の１日の合計を、データＤ１及びデータＤ２の類似度として計算する。

なお、ここでは、データ間距離の合計を、類似度として計算したが、これに限ったものではない。例えば、データ間距離の平均、及び、最大データ間距離のいずれかを、類似度して計算してもよい。またここでは、類似度の計算にデータ間距離を用いたが、データ間距離に限ったものではない。例えば、データが示す曲線または直線などのグラフ（時間に関する消費電力量のグラフ）の各時刻における傾きの差異、相関係数、フーリエ変換やウェーブレット変換の係数を求め、当該係数をベクトルとしたときのベクトル間距離等を用いてもよい。

次に、ステップＳ３の一例、つまりデータのパターン分類の一例について説明する。負荷特性パターン生成部２は、最も類似度が高い２つのデータを機器別電力ごとに統合することをパターン分類として行うことによって、新しいデータを生成する。なお、統合には、例えば、平均値、最小値、最大値、中央値、ウォード法などを用いる。このようなパターン分類（データの統合）によって生成される新しいデータは、実質的に負荷特性パターンに相当する。

次に図４を用いて、このステップＳ３のパターン分類の一例について説明する。図４に示した例では、データＤ１及びデータＤ２の類似度と、データＤ４及びデータＤ５の類似度とが最も大きくなっている。このような場合には、負荷特性パターン生成部２は、データＤ１及びデータＤ２を統合して一つの負荷特性パターンを生成するとともに、データＤ４及びデータＤ５を統合して一つの負荷特性パターンを生成する。ステップＳ３の後は、ステップＳ１に戻る。

以上のようなステップＳ１の類似度の計算と、ステップＳ３のパターン分類とを制限なく繰り返していくと、最終的には類似度が低い一の負荷特性パターンが生成されることになる。ここで本実施の形態１では、ステップＳ２（図３）で類似度が閾値以下になった場合には、図３の動作を終了するので、類似度が比較的高い複数の負荷特性パターンが得られることになる。なお、ステップＳ２の閾値は、例えば負荷推定装置の運用などに合わせて適宜変更されてもよい。

以上のように、負荷特性パターン生成部２は、ステップＳ１で算出した類似度に基づいて複数の機器別電力を統合（パターン分類）することによって、複数の負荷特性パターンを生成するように構成されている。なおここでは、図３のステップＳ３のパターン分類の例として、階層的クラスタリングの例を示したが、非階層的クラスタリングの方法を用いてパターン分類を行ってもよい。

＜負荷特性パターン記憶部３＞
負荷特性パターン記憶部３は、負荷特性パターン生成部２で生成された負荷特性パターンを記憶する。

図６及び図７は、負荷特性パターン記憶部３に記憶される負荷特性パターンの例を示す図である。図６及び図７に示される２つの負荷特性パターンのそれぞれは、第１総需要電力の時間変化と、当該第１総需要電力における各機器別電力の割合とを含んでおり、２つの負荷特性パターンの第１総需要電力の時間変化は互いに異なっている。

図６の例では、負荷特性パターン記憶部３は、１日に朝、昼、夕の３回ピークが存在する昼在宅パターンを、負荷特性パターンとして記憶している。図７の例では、負荷特性パターン記憶部３は、１日に朝と夕との２回のピークが存在する昼不在パターンを、負荷特性パターンとして記憶している。ただし、負荷特性パターンはこれらに限ったものではなく、また、昼在宅パターン及び昼不在パターンも図６及び図７に示すパターンに限ったものではない。

図８〜図１０に、負荷特性パターン記憶部３に記憶される負荷特性パターンが、消費電力量である例を示す。ここでは、昼在宅パターン（図８）、昼不在パターン（図９）、及び、オフィスパターン（図１０）が図示されている。図８〜図１０に示す例では、負荷特性パターン記憶部３に、パターン別、時刻別、及び、機器別の消費電力量が、負荷特性パターンとして記憶されている。

なお、図８〜図１０では、パターン別、時刻別、及び、機器別の消費電力量が、平均値の表形式で表されているが、これに限ったものではない。例えば、そのパターンの標準偏差や気温をパラメータとする式で表されてもよい。具体的には、例えば気温Ｔ℃、時刻ｔのエアコンの消費電力量をｆ（ｔ，Ｔ）などの関数（式）で表してもよい。

＜需要家総電力入力部４＞
需要家総電力入力部４には、機器別電力を推定したい第２需要家の第２総需要電力の時間変化が入力される。第２総需要電力の時間変化は、例えば時刻ｔと総消費電力量とからなるデータである。時刻ｔの時間間隔は１時間ごとでも３０分ごとでも１分ごとでもよい。また、入力される第２総需要電力の期間（時刻ｔの開始時刻から終了時刻までの期間）は、１日でも１週間でも１年でもよい。需要家総電力入力部４に第２総需要電力を入力する手段としては、画面上でキーボードやマウスを用いて入力されてもよいし、第２総需要電力が記載されたファイルを読み込んでもよいし、あるいは、第２総需要電力が記憶されたデータベースから取り込んでもよい。

なお、需要家総電力入力部４に入力される第２需要家の第２総需要電力には、例えば、スマートメータ等を用いて計測された消費電力量が適用されてもよい。ただし、この場合には、消費電力量に太陽光発電の発電量が含まれるので、スマートメータとは別に計測した太陽光発電量、もしくは、太陽光発電量の推定量を求め、スマートメータ計測データから太陽光発電量を差し引いた分を総需要電力とする必要がある。

＜負荷特性パターン比較部５＞
負荷特性パターン比較部５は、需要家総電力入力部４から入力された第２総需要電力の時間変化と、負荷特性パターン記憶部３に記憶された複数の負荷特性パターンとに基づいて、類似負荷特性パターン（第２総需要電力の時間変化に類似する一の負荷特性パターン）を抽出する。

本実施の形態１に係る負荷特性パターン比較部５は、第２総需要電力の時間変化と、複数の負荷特性パターンとに基づいて類似度（第２類似度）を算出し、当該算出した類似度に基づいて類似負荷特性パターンを抽出する。

ここではその一例として、負荷特性パターン比較部５は、負荷特性パターン生成部２と同様に、第２総需要電力の時間変化と、全ての負荷特性パターンとの類似度を総当たりで計算する。ただし、負荷特性パターン比較部５の類似度の算出と、負荷特性パターン生成部２の類似度の算出とは、全く同じであってもよいし、一方にデータ間距離を用いて他方にベクトル間距離を用いるなどのように異なっていてもよい。

なお、第２総需要電力と負荷特性パターンとにおいて、計測時間間隔が異なるときには、計測時間間隔を揃えてから類似度を計算する。例えば、一方が１時間間隔で計測され、他方が１分間隔で計測されている場合には、１時間間隔のデータを平均して案分して１分間隔に揃えてから類似度を計算するか、１分間隔のデータを１時間分合計して１時間間隔に揃えてから類似度を計算する。

類似度の算出後、負荷特性パターン比較部５は、最も類似度の高い一の負荷特性パターンを、類似負荷特性パターンとして抽出する。

＜内訳計算部６＞
内訳計算部６では、第２需要家の第２総需要電力の時間変化と、類似負荷特性パターンとに基づいて、時間に応じて変化する第２総需要電力を案分して、時間に応じて変化する機器別電力を推定する。例えば、内訳計算部６は、次式（２）を用いて、第２需要家ｉの時刻ｔ機器ｎの機器別電力Ｐｉｎ（ｔ）を求める。なお、Ｔｉ（ｔ）は、第２需要家ｉの時刻ｔの第２総需要電力（総消費電力量）であり、Ｐｊｎ（ｔ）は、類似負荷特性パターンｊの時刻ｔ機器ｎの機器別電力であり、Ｔｊ（ｔ）は、類似負荷特性パターンｊの時刻ｔの第１総需要電力（総消費電力量）である。

第２需要家ｉの第２総需要電力の時間間隔と、類似負荷特性パターンｊの第１総需要電力の時間間隔とが異なるときには、負荷特性パターン比較部５の動作と同様に、時間間隔を揃えてから計算する。なお、第２需要家ｉの第２総需要電力の単位と、類似負荷特性パターンｊの第１総需要電力の単位とが異なる場合でも、上式（２）によれば、不具合なく機器別電力を推定することが可能となる。なお、内訳推定の方法は上記の方法に限ったものではない。

＜実施の形態１のまとめ＞
以上のような本実施の形態１によれば、総需要電力が類似である需要家同士においては、機器別電力の需要傾向も類似であるという特性に基づき、負荷特性パターン生成部２で、第１需要家の機器別電力から複数の負荷特性パターンを生成し、負荷特性パターン比較部５で、第２需要家の第２総需要電力の時間変化と複数の負荷特性パターンとに基づいて類似負荷特性パターンを抽出し、内訳計算部６で、類似負荷特性パターンを用いて、計測されていない第２需要家の機器別電力を推定する。このように、予め定められた一部の需要家（機器別電力が計測される複数の第１需要家）から負荷特性パターンを生成することにより、所望の需要家（第２需要家）の機器別電力を計測しなくても所望の需要家の総需要電力を計測できれば、当該機器別電力を推定することができる。したがって、機器別電力を計測する機器を設置するのにかかる手間及びコストなどの抑制が期待できる。

なお、以上の説明では、負荷特性パターン生成部２は、機器別電力記憶部１に記憶された複数の機器別電力を用いたが、これに限ったものではない。例えば、複数の機器別電力の情報が、外部から負荷特性パターン生成部２に入力されるように構成されている場合には、負荷特性パターン生成部２は、当該情報を用いてもよい。

また、以上の説明では、負荷特性パターン生成部２で生成され、負荷特性パターン比較部５に用いられる複数の負荷特性パターンを、負荷特性パターン記憶部３に記憶した。しかしこれに限ったものではなく、負荷特性パターン生成部２で生成された負荷特性パターンが、負荷特性パターン比較部５に直接入力されてもよい。ただし、以上の説明のように負荷特性パターン記憶部３を備える構成によれば、過去に生成した様々な負荷特性パターンを負荷特性パターン比較部５で用いることができる。

＜変形例１＞
実施の形態１では、類似度の計算（図３のステップＳ１）の例として、第１需要家Ａの総消費電力量を示すデータＤ１と、第１需要家Ｂの総消費電力量を示すデータＤ２とのデータ間距離を用いて、データＤ１及びデータＤ２の類似度を計算した。しかし総消費電力量を示すデータ同士ではなく、機器別電力を示すデータ同士のデータ間距離を用いてデータＤ１及びデータＤ２の類似度を計算してもよい。

例えば、第１需要家Ａ及び第１需要家Ｂの機器ｎの機器別電力を示すデータについて、データ間距離がｄｎ（ｎ＝洗濯機、ＩＨクッキングヒータ、エアコン、・・・）である場合に、負荷特性パターン生成部２は、例えば、ｄｎの合計、平均、最大値等を、データＤ１及びデータＤ２の類似度として計算してもよい。そして、負荷特性パターン生成部２は、機器ｎのデータ間距離ｄｎを、実施の形態１で説明した総消費電力量を示すデータ間距離と同様に用いて、類似度を計算してもよい。

ただし、機器ごとに消費電力量の大きさが異なるため、単に、機器ｎの消費電力量のデータ間距離ｄｎを類似度として適用すると、消費電力量の大きい機器（給湯器やエアコン等）の差異が大きく反映され、消費電力の小さい機器の差異はあまり反映されないことになってしまう。そこで、機器ｎの消費電力量のデータ間距離ｄｎを、当該機器ｎの平均消費電力ａｖｅｐ（ｎ）で割ることで、機器ごとの差異であるデータ間距離ｄｎを正規化し、正規化された機器ｎの消費電力量のデータ間距離ｄｎ／ａｖｅｐ（ｎ）を用いて、データＤ１及びデータＤ２の類似度を計算してもよい。

＜変形例２＞
一の需要家であっても、例えば、平日昼間は家族全員が不在であるが、休日昼間は在宅者がいる等、曜日ごとで電力消費パターンが異なることがある。また、一の需要家の１日の消費電力量データを単に取り出して、パターン分類を行うと、その日が特別に電力消費の傾向が大きく異なる日であった場合には、適切にパターン分類を行うことが難しくなる。また、第１需要家ごとに全ての日の平均消費電力を時刻ごとに求めたデータを、その第１需要家の代表データに適用してしまうと、異なる複数の電力消費の傾向が混じってしまい、適切にパターン分類を行うことが難しくなる。

そこで、負荷特性パターン生成部２は、図１１に示す動作を行ってもよい。つまり、ステップＳ１１にて、負荷特性パターン生成部２は、各第１需要家内の１日単位（曜日単位）のデータに対して、図３と同様の動作を行うことによってパターン分類を行ってもよい。そして、ステップＳ１２にて、負荷特性パターン生成部２は、複数の第１需要家間の、ステップＳ１１のパターン分類が行われたデータに対して、図３と同様の動作を行うことによってパターン分類を行ってもよい。

図１２に、ステップＳ１１の結果の一例、つまり一の第１需要家内の総消費電力量を示すデータを曜日単位でパターン分類を行った結果の一例を示す。この第１需要家の場合、月〜金曜日と、土及び日曜日とで負荷の需要傾向（時間変化）が異なるため、２つのパターンに分類される（２つの負荷特性パターンが生成される）。例えば、月〜金曜日のデータが営業日パターンとして分類され、土及び日曜日のデータが非営業日パターンとして分類される。

ステップＳ１２の複数の第１需要家間のパターン分類では、ステップＳ１１で分類された各需要家内のデータに基づいて、例えば、平日パターンのデータ同士、及び、休日パターンのデータ同士のパターン分類を行ったり、営業日パターンのデータ同士、及び、休業日パターンのデータ同士のパターン分類を行ったりする。なお、このステップＳ１２のパターン分類では、平均消費電力や契約容量を用いて、複数の第１需要家間の差異を正規化してからパターン分類を行ってもよい。

その具体例として、第１需要家Ｃの定休日が火曜日であり、第１需要家Ｄの定休日が水曜日である場合を想定する。この場合、まずステップＳ１１（図１１）にて、負荷特性パターン生成部２は、第１需要家Ｃ内のデータにパターン分類を行うことで、第１需要家Ｃのデータを、営業日パターン（例えば火曜日以外の日のデータの各時刻の平均）、及び、休業日パターン（例えば火曜日のデータの各時刻の平均）という２つのパターンに分類する。同様に、負荷特性パターン生成部２は、第１需要家Ｄ内のデータにパターン分類を行うことで、第１需要家Ｄのデータを、営業日パターン（例えば水曜日以外の日のデータの各時刻の平均）、及び、休業日パターン（水曜日のデータの各時刻の平均）という２つのパターンに分類する。

その後、ステップＳ１２にて、負荷特性パターン生成部２は、第１需要家Ｃ，Ｄの営業日パターン同士、及び、第１需要家Ｃ，Ｄの休業日パターン同士のパターン分類を行う。このような図１１に示す動作を行う構成によれば、例えば第１需要家Ｃ，Ｄの休業日パターンがほぼ同じである場合に、それらを同一パターンに分類することができる。

なお、ステップＳ１１の各第１需要家内のデータに対するパターン分類、及び、ステップＳ１２の複数の第１需要家間のデータに対するパターン分類のいずれにおいても、図３に示した方法を用いてパターン分類を行ってもよく、別の方法を用いてパターン分類を行ってもよい。また、図３に示した方法を用いてパターン分類を行う場合には、総消費電力量のみを用いてパターン分類を行うのではなく、例えば変形例１と同様に、機器別の消費電力量を用いてパターン分類を行ってもよい。

図１３は、第１需要家が属するパターンの一例を示す図である。図１３に示すように、各第１需要家は、１つの観点に基づいたパターン分類だけでなく、複数のパターンに属していてもよい。また、図１３に示すような情報は、負荷特性パターン記憶部３に記憶されてもよい。

なお、以上に説明した変形例１，２は、実施の形態１だけでなく、後述する実施の形態２以降においても適用可能である。

＜実施の形態２＞
図１４は、本発明の実施の形態２に係る負荷推定装置の構成を示すブロック図である。以下、本実施の形態２に係る負荷推定装置のうち、実施の形態１と同じまたは類似する構成要素については同じ参照符号を付し、異なる構成要素について主に説明する。

本実施の形態２では、実施の形態１（図１）の負荷特性パターン生成部２及び負荷特性パターン比較部５の一部が変更された負荷特性パターン生成部２ａ及び負荷特性パターン比較部５ａを備えている。

負荷特性パターン生成部２ａは、複数の機器別電力に基づいて、予め定められた需要電力のピーク時刻の類似度を上述の類似度（第１類似度）として算出し、当該算出した類似度に基づいて複数の機器別電力を統合することによって、複数の負荷特性パターンを生成する。なお、予め定められた需要電力は、総消費電力であってもよいし、特定の機器別電力であってもよい。また本実施の形態２では、需要電力のピーク時刻の類似度は、需要電力のピーク時刻同士が一致するほど大きく（高く）なるものとする。

負荷特性パターン比較部５ａは、需要家総電力入力部４に入力された第２総需要電力の時間変化と、負荷特性パターン記憶部３に記憶された複数の負荷特性パターンとに基づいて、予め定められた需要電力のピーク時刻の類似度を上述の類似度（第２類似度）として算出し、当該算出した類似度に基づいて類似負荷特性パターンを抽出する。なお、予め定められた需要電力（以下、単に「需要電力」と記す）は、総消費電力または総消費電力量であってもよいし、特定の機器別電力または機器別電力量であってもよい。またここでも、需要電力のピーク時刻の類似度は、需要電力のピーク時刻同士が一致するほど大きく（高く）なるものとする。

さて実施の形態１のように、全時刻の総需要電力（機器別電力）のデータ距離に基づく類似度によってパターン分類を行う構成では、機器別電力記憶部１に記憶された機器別負荷のデータ、ひいては負荷特性パターン記憶部３に記憶された負荷特性パターンが非常に大量に存在しないと、負荷特性パターン比較部５で適切な類似負荷特性パターンを抽出することができないことがある。その結果として、推定精度が低下してしまう可能性がある。その一方で、各時刻の総需要電力（機器別電力）のデータ距離が小さくなくても、需要電力のピーク時刻が一致する需要家同士においては、機器別電力の需要傾向（機器利用の傾向）が類似するという特性が存在する。

そこで、本実施の形態２では、全時刻の需要電力の絶対値の類似度を用いるのではなく、ピーク時刻の類似度を用いてパターン分類等を行うように構成されている。

＜負荷特性パターン生成部２ａ＞
本実施の形態２に係る負荷特性パターン生成部２ａは、機器別電力記憶部１に記憶された複数の機器別電力に基づいて、需要電力のピーク時刻の類似度を算出する。なお本実施の形態２では、上述したように需要電力のピーク時刻の類似度は、需要電力のピーク時刻同士が一致するほど大きく（高く）なるものとする。そして、負荷特性パターン生成部２ａは、当該類似度に基づいて複数の機器別電力を統合（分類）することによって、複数の負荷特性パターンを生成する。

図１５は、本実施の形態２に係る負荷特性パターン生成部２ａの動作の一例を示すフローチャートである。

まず、ステップＳ２１にて、負荷特性パターン生成部２ａは、各データの需要電力のピーク時刻の検出を行う。例えば、負荷特性パターン生成部２ａは、データが示す需要電力のグラフ（時間に関する需要電力のグラフ）を微分可能に滑らかになるまで平滑化し、そのグラフの微分値（接線の傾き）を計算し、隣り合う２つの時刻において微分値の正及び負の符号が反転する時刻を、ピーク時刻として検出する。ただし、ピーク時刻の検出方法はこの方法に限らず他の方法でもよい。例えば、負荷特性パターン生成部２ａは、データが示す需要電力のグラフを多項式関数で近似して、その極値をピーク時刻として求めてもよい。

ステップＳ２２にて、負荷特性パターン生成部２ａは、ステップＳ２１で検出したピーク時刻の類似度を計算する。例えば、データＤ１のピーク時刻が、ｔ＿１ｉ（ｉ＝１，２，・・・，ｎ１）であり、データＤ２のピーク時刻が、ｔ＿２ｊ（ｊ＝１，２，・・・，ｍ１）であり、ピーク時刻ｔ＿１ｉ，ｔ＿２ｊが、小さい時刻から並べられている場合、負荷特性パターン生成部２ａは、データ間距離｜ｔ＿１ｉ−ｔ＿２ｊ｜の合計を計算する。そして、負荷特性パターン生成部２ａは、データ間距離の合計を、データＤ１及びデータＤ２のピーク時刻の類似度に換算してもよく、データ間距離の合計＝０の場合にデータＤ１及びデータＤ２のピーク時刻の類似度＝１、データ間距離の合計＞０の場合に類似度＝０としてもよい。データ間距離の合計＝０の場合に類似度＝１、データ間距離の合計＞０の場合に類似度＝０とする構成（類似度が二値である構成）では、類似度＝１となるデータ、つまりピーク時刻が完全に一致するデータ同士のみが同一パターンに分類されることになる。

なお、ステップＳ２２のピーク時刻の類似度は、上述の類似度に限ったものではない。例えば、データＤ１のピーク時刻ｔ＿１ｉ（ｉ＝１，２，・・・，ｎ１）と、データＤ２のピーク時刻ｔ＿２ｊ（ｊ＝１，２，・・・，ｍ１）とから、時刻が最も近いもの同士をペアとして、データ間距離｜ｔ＿１ｋ−ｔ＿２ｋ｜（ｋはペアの番号）の合計を算出してから、当該合計を類似度に換算する構成であってもよい。なお、その構成において、ピーク時刻ｔ＿１ｉ，ｔ＿２ｊのうち一方は存在するが他方が存在せずにペアができない場合には、他方のピーク時刻を０として計算してもよい。また、以上の説明とは逆に、つまり類似度が０に近いほどデータが類似するとしてもよい。

ステップＳ２３にて、負荷特性パターン生成部２ａは、ステップＳ２２で計算した類似度が予め定められた閾値以下であるか否かを判定する。閾値以下であると判定した場合には図１５の動作を終了し、そうでない場合にはステップＳ２４に進む。

ステップＳ２４にて、負荷特性パターン生成部２ａは、実施の形態１のステップＳ３（図３）と同様に、階層的クラスタリング等の手法を用いてパターン分類を行う。その後、ステップＳ２１に戻る。

＜負荷特性パターン比較部５ａ＞
本実施の形態２に係る負荷特性パターン比較部５ａは、需要家総電力入力部４に入力された第２総需要電力の時間変化と、負荷特性パターン記憶部３に記憶された複数の負荷特性パターンとに基づいて、需要電力のピーク時刻の類似度を算出し、当該算出した類似度に基づいて類似負荷特性パターンを抽出する。

ここではその一例として、負荷特性パターン比較部５ａは、負荷特性パターン生成部２ａと同様に、第２総需要電力の時間変化と、全ての負荷特性パターンとの類似度を総当たりで計算する。なお、負荷特性パターン比較部５ａで計算される類似度は、負荷特性パターン生成部２ａで計算される類似度と同様に、需要電力のピーク時刻同士が一致するほど大きく（高く）なるものとする。そして、負荷特性パターン比較部５ａは、最も類似度の高い一の負荷特性パターンを、類似負荷特性パターンとして抽出する。

＜実施の形態２のまとめ＞
全時刻の総需要電力（機器別電力）のデータ距離に基づく類似度によってパターン分類を行う実施の形態１のような構成では、機器別電力記憶部１に記憶された機器別負荷のデータ、ひいては負荷特性パターン記憶部３に記憶された負荷特性パターンが非常に大量に存在しないと、負荷特性パターン比較部５で適切な類似負荷特性パターンを抽出することができないことがある。

これに対して、本実施の形態２では、需要電力のピーク時刻が一致する需要家同士においては、機器別電力の需要傾向（機器利用の傾向）が類似するという特性を生かし、負荷特性パターン生成部２ａは、需要電力のピーク時刻の類似度を用いて負荷特性パターンを生成し、負荷特性パターン比較部５ａは、需要電力のピーク時刻の類似度を用いて類似負荷特性パターンを抽出する。これにより、全時刻の総需要電力（機器別電力）のデータ距離に基づく類似度を用いずに、ピーク時刻の類似度を用いてパターン分類等を行うことができるので、機器別電力の記憶に要する機器別電力記憶部１の記憶容量を低減することができ、パターン不一致による精度低下を抑制することができる。

＜実施の形態３＞
図１６は、本発明の実施の形態３に係る負荷推定装置の構成を示すブロック図である。以下、本実施の形態３に係る負荷推定装置のうち、実施の形態２と同じまたは類似する構成要素については同じ参照符号を付し、異なる構成要素について主に説明する。

本実施の形態３では、実施の形態２（図１４）の負荷特性パターン生成部２ａ、負荷特性パターン比較部５ａ、及び、内訳計算部６の一部が変更された、負荷特性パターン生成部２ｂ、負荷特性パターン比較部５ｂ、及び、内訳計算部６ｂを備えている。

負荷特性パターン生成部２ｂは、実施の形態２と同様に、複数の機器別電力に基づいて、需要電力のピーク時刻の類似度を上述の類似度（第１類似度）として算出し、当該算出した類似度に基づいて複数の機器別電力を統合することによって、複数の負荷特性パターンを生成する。ただし、本実施の形態３では、需要電力のピーク時刻の類似度は、１日におけるピーク時刻同士の回数が等しい場合に、当該ピーク時刻同士が類似するほど大きく（高く）なるものとする。

負荷特性パターン比較部５ｂは、実施の形態２と同様に、需要家総電力入力部４に入力された第２総需要電力の時間変化と、負荷特性パターン記憶部３に記憶された複数の負荷特性パターンとに基づいて、予め定められた需要電力のピーク時刻の類似度を上述の類似度（第２類似度）として算出し、当該算出した類似度に基づいて類似負荷特性パターンを抽出する。またここでも、需要電力のピーク時刻の類似度は、１日におけるピーク時刻同士の回数が等しい場合に、当該ピーク時刻同士が類似するほど大きく（高く）なるものとする。

内訳計算部６ｂは、実施の形態１で説明した内訳計算部６に、補正部６ｂ１の機能が追加されている。この補正部６ｂ１は、需要家総電力入力部４に入力された第２総需要電力の時間変化に対する、負荷特性パターン比較部５ｂで抽出された類似負荷特性パターンの、ピーク時刻に関する差を補正する。そして、内訳計算部６ｂは、補正部６ｂ１で補正された類似負荷特性パターンと、第２総需要電力の時間変化とに基づいて、上述した案分を行う。

さて実施の形態１のように、全時刻の総需要電力（機器別電力）のデータ距離に基づく類似度によってパターン分類を行う構成では、機器別電力記憶部１に記憶された機器別負荷のデータ、ひいては負荷特性パターン記憶部３に記憶された負荷特性パターンが非常に大量に存在しないと、負荷特性パターン比較部５で適切な類似負荷特性パターンを抽出することができないことがある。

そこで、本実施の形態３では、実施の形態２と同様に、ピーク時刻の類似度を用いてパターン分類等を行うように構成されている。また、ピーク時刻が完全に一致しない需要家同士であっても、例えば、ピーク時刻が７時である需要家と、ピーク時刻が８時である需要家とにおいては、機器別電力の需要傾向（機器利用の傾向）が類似するという特性が存在する。

このことに鑑みて、本実施の形態３では上述したように、需要電力のピーク時刻の類似度は、１日におけるピーク時刻同士の回数が等しい場合に、当該ピーク時刻同士が類似するほど大きく（高く）なっている。そして、ピーク時刻に関する差を補正して、上述した案分（内訳計算）を行うように構成されている。

＜負荷特性パターン生成部２ｂ＞
本実施の形態３に係る負荷特性パターン生成部２ｂは、実施の形態２に係る負荷特性パターン生成部２ａと同様に、機器別電力記憶部１に記憶された複数の機器別電力に基づいて、需要電力のピーク時刻の類似度を算出する。そして、負荷特性パターン生成部２ｂは、当該類似度に基づいて複数の機器別電力を統合（分類）することによって、複数の負荷特性パターンを生成する。

本実施の形態３に係る負荷特性パターン生成部２ｂの動作の一例を示すフローチャートは、実施の形態２に係る負荷特性パターン生成部２ａの動作の一例を示すフローチャート（図１５）と同じである。以下、図１５のフローチャートを用いて、本実施の形態３に係る負荷特性パターン生成部２ｂの動作の一例を説明する。

まず、ステップＳ２１にて、負荷特性パターン生成部２ｂは、実施の形態２に係る負荷特性パターン生成部２ａと同様に、各需要電力のピーク時刻の検出を行う。

ステップＳ２２にて、負荷特性パターン生成部２ｂは、ステップＳ２１で検出したピーク時刻の回数と、ピーク時刻の差とに基づいて、ピーク時刻の類似度を計算する。例えば、データＤ１のピーク時刻が、ｔ＿１ｉ（ｉ＝１，２，・・・，ｎ１）であり、データＤ２のピーク時刻が、ｔ＿２ｊ（ｊ＝１，２，・・・，ｍ１）であり、ピーク時刻ｔ＿１ｉ，ｔ＿２ｊが、小さい時刻から並べられている場合、負荷特性パターン生成部２ｂは、ｎ１＝ｍ１か否か、つまりピーク時刻同士の回数が等しいか否かを判定する。

ｎ１＝ｍ１でない（ピーク時刻同士の回数が異なる）と判定した場合、負荷特性パターン生成部２ｂは、データＤ１及びデータＤ２のピーク時刻の類似度＝０とする。

ｎ１＝ｍ１である（ピーク時刻同士の回数が等しい）と判定した場合、負荷特性パターン生成部２ｂは、ピーク時刻同士を比較して、データ間距離｜ｔ＿１ｉ−ｔ＿２ｉ｜＜閾値という不等式が各ピーク時刻（ｉ＝１，２，・・・，ｎ１）について成り立つか否かを判定する。そして、負荷特性パターン生成部２ｂは、上記不等式が各ピーク時刻（ｉ＝１，２，・・・，ｎ１）について成り立つと判定した場合にはデータＤ１及びデータＤ２のピーク時刻の類似度＝１とし、それ以外の場合には当該類似度＝０とする。このように、負荷特性パターン生成部２ｂは、ピーク時刻の回数と、ピーク時刻のずれとに基づいて、ピーク時刻の類似度の算出、ひいてはパターン分類等を行う。

このようなパターン分類によれば、基本的にはピーク時刻の回数が等しいデータ同士が同一パターンに分類されるが、ピーク時刻の回数が等しくとも、ピーク時刻が大幅に異なるデータ同士は同一パターンに分類されないことになる。なお、以上の例では、上記不等式が各ピーク時刻（ｉ＝１，２，・・・，ｎ１）について成り立つ場合にピーク時刻の類似度＝０とし、それ以外の場合にピーク時刻の類似度＝１として、類似度は二値である場合について説明した。しかしこれに限ったものではなく、例えば、データ間距離｜ｔ＿１ｉ−ｔ＿２ｉ｜の合計を、データＤ１及びデータＤ２のピーク時刻の類似度に換算してもよい。また、以上の説明とは逆に、類似度が０に近いほどデータが類似するとしてもよい。

ステップＳ２３にて、負荷特性パターン生成部２ｂは、実施の形態１と同様の判定を行い、ステップＳ２４にて、負荷特性パターン生成部２ｂは、実施の形態１のステップＳ３（図３）と同様に、階層的クラスタリング等の手法を用いてパターン分類を行う。

＜負荷特性パターン比較部５ｂ＞
本実施の形態３に係る負荷特性パターン比較部５ｂは、需要家総電力入力部４に入力された第２総需要電力の時間変化と、負荷特性パターン記憶部３に記憶された複数の負荷特性パターンとに基づいて、需要電力のピーク時刻の類似度を算出し、当該算出した類似度に基づいて類似負荷特性パターンを抽出する。

ここではその一例として、負荷特性パターン比較部５ｂは、負荷特性パターン生成部２ｂと同様に、第２総需要電力の時間変化と、全ての負荷特性パターンとの類似度を総当たりで計算する。また、負荷特性パターン比較部５ｂで計算される類似度は、負荷特性パターン生成部２ｂで計算される類似度と同様に、１日におけるピーク時刻同士の回数が等しい場合に、当該ピーク時刻同士が類似するほど大きく（高く）なるものとする。そして、負荷特性パターン比較部５ｂは、最も類似度の高い一の負荷特性パターンを、類似負荷特性パターンとして抽出する。

＜内訳計算部６ｂ及び補正部６ｂ１＞
補正部６ｂ１は、内訳計算部６ｃでの機器別電力の内訳計算時に、第２総需要電力の時間変化に対する、類似負荷特性パターンのピーク時刻に関する差を補正する。内訳計算部６ｂは、補正部６ｂ１で補正された類似負荷特性パターンを用いて、実施の形態１，２の内訳計算部６と同様に、時間に応じて変化する第２総需要電力の案分（内訳計算）を行う。

次に、本実施の形態３における補正部６ｂ１の動作について説明する。図１７及び図１８は、本実施の形態３に係る補正部６ｂ１により補正されるデータの一例を示す図である。図１７には、ピーク時刻などが並行にずれているデータＤ１１，Ｄ１２の例が示され、図１８にはピーク時刻は同じであるがピークの角度が異なるデータＤ１３，Ｄ１４，Ｄ１５の例が示されている。

図１９は、本実施の形態３に係る補正部６ｂ１の動作の一例を示すフローチャートである。

まず、ステップＳ３１にて、補正部６ｂ１は、ピーク時刻の検出と、ピーク開始時刻及びピーク終了時刻の検出とを含むピークの検出を行う。

補正部６ｂ１は、図１５のステップＳ２１と同様にしてピーク時刻を検出する。例えば、補正部６ｂ１は、図１８のデータＤ１１，Ｄ１２からピーク時刻ｔ１２，ｔ２２をそれぞれ検出し、図１９のデータＤ１３，Ｄ１４からピーク時刻ｔ３２，ｔ４２をそれぞれ検出する。なお、データの離散化が原因で、補正部６ｂ１は、図１９のデータＤ１５から、２つの時刻ｔ３３，ｔ３４をピーク時刻として検出する場合がある。このような場合には、補正部６ｂ１は、それら時刻ｔ３３，ｔ３４の中間点をピーク時刻として検出すればよい。

ピーク開始時刻及びピーク終了時刻の検出は、例えば、データが示すグラフの傾きを求め、当該傾きの絶対値が閾値を超えた時刻をピーク開始時刻またはピーク終了時刻として検出する。

ステップＳ３２にて、補正部６ｂ１は、ステップＳ３１で検出されたピークを用いて、負荷特性パターン比較部５ｂで抽出された類似負荷特性パターンを補正する。このステップＳ３２の補正は、２段階の補正（ステップＳ３２ａにおけるピーク時刻の補正、ステップＳ３２ｂにおけるピーク傾きの補正）を含む。

まず、図１７を用いて、ステップＳ３２ａにおけるピーク時刻の補正の一例を説明する。なお、データＤ１１（ピーク時刻ｔ１２、ピーク開始時刻ｔ１１及びピーク終了時刻ｔ１３）は、負荷特性パターン比較部５ｂで抽出された類似負荷特性パターンである。一方、データＤ１２（ピーク時刻ｔ２２、ピーク開始時刻ｔ２１及びピーク終了時刻ｔ２３）は、需要家総電力入力部４から入力された第２総需要電力である。

補正部６ｂ１は、データＤ１１のピーク時刻ｔ１２を、データＤ１２のピーク時刻ｔ２２に合わせる補正を行う。具体的には図１７に示すように、データＤ１１のピーク開始時刻ｔ１１が、データＤ１２のピーク開始時刻ｔ２１よりも早い場合には、補正部６ｂ１は、次式（３）を用いて、類似負荷特性パターンｊの時刻ｔ機器ｎの負荷である機器別電力Ｐｊｎ（ｔ）と、類似負荷特性パターンｊの時刻ｔの総負荷である第１総需要電力Ｔｊ（ｔ）とを補正する。なお、以下において補正に用いる式では、左辺の値が右辺の値に置換されるものとする。

なお図示しないが、データＤ１２のピーク時刻ｔ２２が、データＤ１１のピーク時刻ｔ１２よりも早い場合には、補正部６ｂ１は、次式（４）を用いて、機器別電力Ｐｊｎ（ｔ）及び第１総需要電力Ｔｊ（ｔ）を補正する。

以上のような補正部６ｂ１の補正により、データＤ１１（類似負荷特性パターン）のピーク時刻は、データＤ１２（第２総需要電力）のピーク時刻に合わせられる。なお、データＤ１１及びデータＤ１２が複数のピーク時刻を持つときには、データＤ１１の複数のピーク時刻のそれぞれに対して、上述と同様のピーク時刻の補正を行う。

次に、図１８を用いて、ステップＳ３２ｂにおけるピーク傾きの補正の一例を説明する。なお、データＤ１３（ピーク時刻ｔ３２及びピーク開始時刻ｔ３１）は、負荷特性パターン比較部５ｂで抽出された類似負荷特性パターンである。一方、データＤ１４（ピーク時刻ｔ４２及びピーク開始時刻ｔ４１）は、需要家総電力入力部４から入力された第２総需要電力である。なお、ステップＳ３１ａにより、データＤ１３のピーク時刻ｔ３２と、データＤ１４のピーク時刻ｔ４２とはすでに一致されているものとする。

補正部６ｂ１は、データＤ１３のピーク開始時刻ｔ３１からピーク時刻ｔ３２までのグラフの傾きを、データＤ１４のピーク開始時刻ｔ４１からピーク時刻ｔ４２までのグラフの傾きに合わせる補正を、ピーク傾きの補正として行う。

具体的には、補正部６ｂ１は、ピーク開始時刻からピーク時刻までのピーク傾きの補正として、次式（５）を用いて、類似負荷特性パターンｊの時刻ｔ機器ｎの負荷である機器別電力Ｐｊｎ（ｔ）と、類似負荷特性パターンｊの時刻ｔの総負荷である第１総需要電力Ｔｊ（ｔ）とを補正する。

ただし、ピーク傾きの補正はこれに限ったものではなく、例えば、補正部６ｂ１は、ｔ≦ｔ＜４２間の機器別電力Ｐｊｎ（ｔ）及び第１総需要電力Ｔｊ（ｔ）と、ｔ３１≦ｔ＜ｔ３２間の、第２需要家ｉの時刻ｔ機器ｎの機器別電力Ｐｉｎ（ｔ）及び第２需要家ｉの時刻ｔの第２総需要電力Ｔｉ（ｔ）とを用いて、ｔ≦ｔ＜４２間の機器別電力Ｐｊｎ（ｔ）及び第１総需要電力Ｔｊ（ｔ）を補正してもよい。その補正には、例えば、グラフを直線で近似してから線形補間を行うことなどが用いられる。

同様に、補正部６ｂ１は、上述したピーク開始時刻からピーク時刻までのピーク傾きの補正と同様に、ピーク時刻からピーク終了時刻までのピーク傾きの補正も行う。

＜実施の形態３のまとめ＞
全時刻の総需要電力（機器別電力）のデータ距離に基づく類似度によってパターン分類を行う実施の形態１のような構成では、機器別電力記憶部１に記憶された機器別負荷のデータ、ひいては負荷特性パターン記憶部３に記憶された負荷特性パターンが非常に大量に存在しないと、負荷特性パターン比較部５で適切な類似負荷特性パターンを抽出することができないことがある。

これに対して、本実施の形態３では、需要電力のピーク時刻が一致しなくとも類似する需要家同士においては、機器別電力の需要傾向（機器利用の傾向）が類似するという特性を生かし、負荷特性パターン生成部２ｂは、需要電力のピーク時刻の類似度を用いて負荷特性パターンを生成し、負荷特性パターン比較部５ｂは、需要電力のピーク時刻の類似度を用いて類似負荷特性パターンを抽出する。そして、補正部６ｂ１が、需要家総電力入力部４に入力された第２総需要電力の時間変化に対する、負荷特性パターン比較部５ｂで抽出された類似負荷特性パターンの、ピーク時刻に関する差を補正する。これにより、全時刻の総需要電力（機器別電力）のデータ距離に基づく類似度を用いずに、ピーク時刻の補正を行うことができるので、機器別電力の記憶に要する機器別電力記憶部１の記憶容量を低減することができ、パターン不一致による精度低下を抑制することができる。しかも、ピーク時刻の類似度を用いてパターン分類等を行うので、そのような効果をより高めることができる。

＜実施の形態４＞
図２０は本発明の実施の形態４に係る負荷推定装置の構成を示すブロック図である。以下、本実施の形態４に係る負荷推定装置のうち、実施の形態１と同じまたは類似する構成要素については同じ参照符号を付し、異なる構成要素について主に説明する。

本実施の形態４では、実施の形態１（図１）の構成要素の一部が変更された構成要素（機器別電力記憶部１ｃ、負荷特性パターン生成部２ｃ、負荷特性パターン記憶部３ｃ、需要家総電力入力部４ｃ、負荷特性パターン比較部５ｃ、内訳計算部６ｃ）を備えている。

機器別電力記憶部１ｃは、予め定められた複数の第１需要家の機器別電力だけでなく、当該複数の第１需要家の地域または保有機器情報を記憶する。

負荷特性パターン生成部２ｃは、機器別電力記憶部１ｃに記憶された複数の第１需要家の機器別電力と、複数の第１需要家の地域または保有機器情報とに基づいて、地域または保有機器情報に関する複数の負荷特性パターンを生成する。

負荷特性パターン記憶部３ｃは、負荷特性パターン生成部２ｃで生成された地域または保有機器情報に関する複数の負荷特性パターンを、地域または保有機器情報とともに記憶する。

需要家総電力入力部４ｃには、所望の第２需要家の第２総需要電力の時間変化が入力されるだけでなく、当該第２需要家の地域または保有機器情報が入力される。

負荷特性パターン比較部５ｃは、需要家総電力入力部４ｃに入力された第２総需要電力の時間変化、及び、地域または保有機器情報と、負荷特性パターン生成部２ｃで生成されて負荷特性パターン記憶部３ｃに記憶された複数の負荷特性パターンとに基づいて、類似負荷特性パターンを抽出する。

内訳計算部６ｃは、実施の形態１で説明した内訳計算部６に、補正部６ｃ１の機能が追加されている。この補正部６ｃ１は、需要家総電力入力部４ｃに入力された第２総需要電力の時間変化に対する、負荷特性パターン比較部５ｃで抽出された類似負荷特性パターンの、地域または保有機器情報の差を補正する。そして、内訳計算部６ｃは、補正部６ｃ１で補正された類似負荷特性パターンと、第２総需要電力の時間変化とに基づいて、上述した案分を行う。以下、本実施の形態４に係る負荷推定装置の各構成要素について詳細に説明する。

＜機器別電力記憶部１ｃ＞
本実施の形態４に係る機器別電力記憶部１ｃは、図２のような第１需要家の機器別電力だけでなく、第１需要家の地域または保有機器情報も記憶する。第１需要家の地域には、例えば、東北、関東、関西、仙台、東京、大阪のような行政区域などが含まれる。保有機器情報には、例えば、エアコンの台数が２台というような保有機器ごとの台数、及び、蓄熱暖房器具の冷暖房能力が７ｋＷというような保有機器ごとの能力などが含まれる。

＜負荷特性パターン生成部２ｃ＞
本実施の形態４に係る負荷特性パターン生成部２ｃは、機器別電力記憶部１ｃに記憶された機器別電力と、第１需要家の地域または保有機器情報とに基づいて、地域または保有機器情報に関する複数の負荷特性パターンを生成する。

本実施の形態４に係る負荷特性パターン生成部２ｃは、第１需要家の地域または保有機器情報が同一である需要家ごとに、実施の形態１の負荷特性パターン生成部２と同様の類似度の算出及びパターン分類を行うか、図２１に示す動作によって類似度の算出及びパターン分類を行う。図２１に示す動作では、負荷特性パターン生成部２ｃは、ステップＳ４１にて、地域または保有機器情報を用いて、類似度の算出対象となるデータの正規化を行い、その後のステップＳ４２にて、正規化されたデータの類似度の算出及びパターン分類を行う。

次にステップＳ４１での地域または保有機器情報を用いた正規化の一例について説明する。

保有機器情報を用いた正規化では、負荷特性パターン生成部２ｃは、例えば、それぞれの機器の負荷を、保有機器の台数や保有機器の能力で正規化する。例えば、エアコンをｎ台保有している第１需要家についてのエアコン負荷の正規化として、負荷特性パターン生成部２ｃは、各時刻のエアコン負荷を保有台数であるｎで割ることで１台あたりのエアコン負荷を求める。また例えば、ｎｋＷの能力を持つ蓄熱式暖房器具を保有している第１需要家についての蓄熱式暖房器具の負荷の正規化として、負荷特性パターン生成部２ｃは、同様に、蓄熱式暖房器具の負荷をｎで割ることで１ｋＷあたりの蓄熱式暖房器具の負荷を求める。

地域を用いた正規化では、負荷特性パターン生成部２ｃは、例えば、気温Ｔのときの機器ｎの気温補正係数ｆｎ（Ｔ）を求める。気温補正係数ｆｎ（Ｔ）は、例えば、気温１５℃のときの機器ｎの負荷と、気温Ｔ℃のときの機器ｎの負荷との比率で表す値であり、Ｔ＝１５の気温補正係数ｆｎ（１５）は１である。なお、気温補正係数ｆｎ（Ｔ）は時刻ごとや月ごとに求めてもよい。気温補正係数ｆｎ（Ｔ）を求めた後、負荷特性パターン生成部２ｃは、気温補正係数ｆｎ（Ｔ）と、第１需要家ｌの時刻ｔ機器ｎの機器別電力である負荷Ｐｌｎ（ｔ）とを用いてＰｌｎ（ｔ）／ｆｎ（Ｔａ）を算出する。Ｔａは、第１需要家ｌの地域ＲＡにおける平均気温である。ただし、地域を用いた正規化はこれに限ったものではなく、負荷特性パターン生成部２ｃは、気温補正係数ｆｎ（Ｔ）を用いる代わりに、地域の関数である地域補正係数ｆｎ（地域）を用いて同様にＰｌｎ（ｔ）／ｆｎ（地域）を算出してもよい。

以上のような正規化は、地域が異なるデータの正規化だけでなく、同じ地域の需要家データのうちの季節が異なるデータの正規化にも利用できる。例えば、第１需要家ＥについてはＥ１月のデータのみが、第１需要家Ｅと同じ地域の第１需要家ＦについてはＦ１月のデータのみが記憶されている場合に、それらデータをＥ１月の平均気温Ｔｅ１、Ｆ１月の平均気温Ｔｆ１を用いて正規化した後に、次に説明するステップＳ４２のパターン分類を行ってもよい。正規化に用いる気温は月ごとの平均気温でも、日ごとや時間ごとの気温でもよい。また、気温を用いて正規化するのではなく、月ごとの正規化パラメータを用いて正規化してもよい。

ステップＳ４２にて、負荷特性パターン生成部２ｃは、ステップＳ４１で地域または保有機器情報を用いて正規化したデータについて類似度の算出及びパターン分類を行う。ステップＳ４２での類似度の算出及びパターン分類は、実施の形態１〜３の負荷特性パターン生成部２，２ａ，２ｂの類似度の算出及びパターン分類と同様であり、実施の形態１等と同様に、類似度が閾値以下になるまでステップＳ４１及びＳ４２が繰り返される。

なお、地域または保有機器情報を用いて正規化されたデータに基づいて、負荷特性パターンが生成される場合には、当該負荷特性パターンも、地域または保有機器情報を用いて正規化されたものとなっている。

＜負荷特性パターン記憶部３ｃ＞
本実施の形態４に係る負荷特性パターン記憶部３ｃは、負荷特性パターン生成部２ｃで生成された地域または保有機器情報に関する複数の負荷特性パターンを、地域または保有機器情報と対応付けて（組み合わせて）記憶する。

なお、負荷特性パターン記憶部３ｃに記憶される負荷特性パターンは、実施の形態１にて負荷特性パターン記憶部３で記憶される負荷特性パターンと同様である。負荷特性パターンと組みあわせて記憶される地域または保有機器情報は、機器別電力記憶部１ｃに記憶される第１需要家の地域または保有機器情報と同様の情報である。

＜需要家総電力入力部４ｃ＞
本実施の形態４に係る需要家総電力入力部４ｃには、機器別電力を推定したい第２需要家の第２総需要電力の時間変化と、当該第２需要家の地域または保有機器情報とが入力される。本実施の形態４に係る需要家総電力入力部４ｃに入力される第２総需要電力の時間変化は、実施の形態１にて需要家総電力入力部４から入力される総需用電力の時間変化と同様である。また、本実施の形態４に係る需要家総電力入力部４ｃに入力される第２需要家の第２総需要電力の時間変化は、機器別電力記憶部１ｃに記憶される第１需要家の地域または保有機器情報と同様である。

＜負荷特性パターン比較部５ｃ＞
本実施の形態４に係る負荷特性パターン比較部５ｃは、需要家総電力入力部４ｃに入力された第２総需要電力の時間変化、及び、地域または保有機器情報と、負荷特性パターン記憶部３ｃに記憶された複数の負荷特性パターンとに基づいて、類似負荷特性パターンを抽出する。

本実施の形態４に係る負荷特性パターン比較部５ｃは、負荷特性パターン生成部２ｃと同様の動作を行うことにより、類似負荷特性パターンを抽出する。

つまり、負荷特性パターン比較部５ｃは、第２需要家の地域または保有機器情報ごとに、実施の形態１の負荷特性パターン比較部５と同様の類似度の算出及び類似負荷特性パターンの抽出を行う。

あるいは、負荷特性パターン比較部５ｃは、図２１のステップＳ４１と同様に地域または保有機器情報を用いて、類似度の算出対象となるデータ（第２総需要電力の時間変化及び負荷特性パターン記憶部３ｃに記憶された負荷特性パターン）の正規化を行い、その後、正規化されたデータに基づいて、類似度の算出及び類似負荷特性パターンの抽出を行う。なお、この場合には、類似負荷特性パターンは、地域または保有機器情報を用いて正規化されたものとなっている。

＜内訳計算部６ｃ及び補正部６ｃ１＞
本実施の形態４に係る補正部６ｃ１は、需要家総電力入力部４ｃに入力された第２総需要電力の時間変化に対する、負荷特性パターン比較部５ｃで抽出された類似負荷特性パターンの、地域または保有機器情報の差を補正する。そして、内訳計算部６ｃは、補正部６ｃ１で補正された類似負荷特性パターンを用いて、実施の形態１の内訳計算部６と同様に、時間に応じて変化する第２総需要電力の案分（内訳計算）を行う。

ただし、負荷特性パターン比較部５ｃが、第２需要家の地域または保有機器情報ごとに、実施の形態１の負荷特性パターン比較部５と同様の類似度の算出及び類似負荷特性パターンの抽出を行っていた場合には、補正部６ｃ１で補正を行わずに、内訳計算部６ｃは、実施の形態１の内訳計算部６と同様に案分（内訳計算）を行う。

一方、負荷特性パターン比較部５ｃが、地域または保有機器情報を用いて正規化したデータに基づいて類似度の算出及び類似負荷特性パターンの抽出を行っていた場合には、正規化されている類似負荷特性パターンを、第２需要家の地域または保有機器情報を用いて補正部６ｃ１で補正してから、内訳計算部６ｃは、実施の形態１の内訳計算部６と同様に案分（内訳計算）を行う。

次に、正規化されている類似負荷特性パターンを、第２需要家の地域または保有機器情報を用いて補正する動作について説明する。ここでは、補正部６ｃ１は、負荷特性パターン生成部２ｃの正規化と逆の動作を行うことによって、当該補正を行う。

保有機器情報を用いた補正では、補正部６ｃ１は、例えば、正規化された機器の負荷を、保有機器の台数や保有機器の能力で補正する。例えば、第２需要家がエアコンをｎ台保有している場合には、正規化されている類似負荷特性パターンにおける各時刻の１台あたりのエアコン負荷に、保有台数のｎをかけることによって、第２需要家（第２総需要電力）に合わせる補正を行う。また例えば、第２需要家がｎｋＷの能力を持つ蓄熱式暖房器具を保有している場合には、正規化されている類似負荷特性パターンにおける１ｋＷあたりの蓄熱式暖房器具の負荷に、能力のｎをかけることによって、第２需要家（第２総需要電力）に合わせる補正を行う。

地域を用いた補正では、補正部６ｃ１は、例えば、負荷特性パターン生成部２ｃで正規化に用いた上述の気温補正係数ｆｎ（Ｔ）、第２需要家が属する地域ＲＡの平均気温Ｔａを用いて、類似負荷特性パターンｊの時刻ｔ機器ｎの負荷Ｐｊｎ（ｔ）を補正する。具体的には、補正部６ｃ１は、Ｐｊｎ（ｔ）×ｆｎ（Ｔａ）を計算することによって負荷Ｐｊｎ（ｔ）を補正する。

なお、負荷特性パターン生成部２ｃで正規化に用いた補正係数が、気温補正係数ではなく、地域補正係数ｆｎ（地域）である場合には、補正部６ｃ１は、同様にＰｊｎ（ｔ）×ｆｎ（地域）を計算することによって負荷Ｐｊｎ（ｔ）を補正する。また、第２需要家の第２総需要電力及び類似負荷特性パターンを、計測月に関して正規化していた場合には、補正部６ｃ１は、上述と同様に、負荷特性パターン生成部２ｃや負荷特性パターン比較部５ｃの正規化と逆の動作を行って補正を行えばよい。

内訳計算部６ｃは、補正部６ｃ１で第２需要家（第２総需要電力）に合わせて補正された類似負荷特性パターンを用いて、実施の形態１の内訳計算部６と同様に、時間に応じて変化する第２総需要電力の案分（内訳計算）を行う。

＜実施の形態４のまとめ＞
本実施の形態４では、負荷特性パターン生成部２ｃで、需要家の地域や保有機器情報を考慮して負荷特性パターンを生成し、負荷特性パターン比較部５ｃで、需要家の地域や保有機器情報を考慮して類似負荷特性パターンを抽出し、補正部６ｃ１で第２需要家の第２総需要電力の時間変化に対する、類似負荷特性パターンの地域または保有機器情報の差を補正して、上述の案分を行う。

これにより、第１需要家が属する地域または保有機器情報と、第２需要家が属する地域または保有機器情報とが異なる場合でも、地域または保有機器情報の差による影響を抑制する補正を行うことができる。この結果として、精度良く機器別電力を推定することができる。また、地域や保有機器情報の違いごとにパターン分類を行うための負荷特性パターン数、ひいては機器別電力記憶部１ｃに記憶されるデータ数を抑制することができる。さらに、地域や保有機器情報の差を補正して内訳推定が可能となることにより、例えば、電力自由化後に、遠い地域の需要家と電力会社とが契約した場合の電気料金の推定を行うことが可能となる。

なお、本発明は、その発明の範囲内において、各実施の形態及び各変形例を自由に組み合わせたり、各実施の形態及び各変形例を適宜、変形、省略したりすることが可能である。

１，１ｃ 機器別電力記憶部、２，２ａ，２ｂ，２ｃ 負荷特性パターン生成部、３，３ｃ 負荷特性パターン記憶部、４，４ｃ 需要家総電力入力部、５，５ａ，５ｂ，５ｃ 負荷特性パターン比較部、６，６ｂ，６ｃ 内訳計算部、６ｂ１，６ｃ１ 補正部。

Claims (8)

1. 予め定められた複数の第１需要家のそれぞれについて随時計測された複数の機器別電力に基づいて、それぞれが第１総需要電力の時間変化と、当該第１総需要電力における各前記機器別電力の割合とを含み、それぞれの前記第１総需要電力の時間変化が互いに異なる複数の負荷特性パターンを生成する負荷特性パターン生成部と、
   所望の第２需要家の第２総需要電力の時間変化が入力される需要家総電力入力部と、
   前記需要家総電力入力部に入力された前記第２総需要電力の時間変化と、前記負荷特性パターン生成部で生成された前記複数の負荷特性パターンとに基づいて、前記第２総需要電力の時間変化に類似する一の前記負荷特性パターンを抽出する負荷特性パターン比較部と、
   前記需要家総電力入力部に入力された前記第２総需要電力の時間変化と、前記負荷特性パターン比較部で抽出された前記一の負荷特性パターンとに基づいて、時間に応じて変化する前記第２総需要電力を、当該一の負荷特性パターンに含まれる前記各機器別電力の前記割合で案分する内訳計算部と
   を備える、負荷推定装置。
2. 請求項１に記載の負荷推定装置であって、
   前記負荷特性パターン生成部で用いられる前記複数の機器別電力を記憶する機器別電力記憶部をさらに備える、負荷推定装置。
3. 請求項１または請求項２に記載の負荷推定装置であって、
   前記負荷特性パターン生成部で生成され、前記負荷特性パターン比較部に用いられる前記複数の負荷特性パターンを記憶する負荷特性パターン記憶部をさらに備える、負荷推定装置。
4. 請求項１から請求項３のうちのいずれか１項に記載の負荷推定装置であって、
   前記負荷特性パターン生成部は、
   前記複数の機器別電力に基づいて第１類似度を算出し、当該算出した第１類似度に基づいて前記複数の機器別電力を統合することによって、前記複数の負荷特性パターンを生成し、
   前記負荷特性パターン比較部は、
   前記需要家総電力入力部に入力された前記第２総需要電力の時間変化と、前記負荷特性パターン生成部で生成された前記複数の負荷特性パターンとに基づいて第２類似度を算出し、当該算出した第２類似度に基づいて前記一の負荷特性パターンを抽出する、負荷推定装置。
5. 請求項４に記載の負荷推定装置であって、
   前記負荷特性パターン生成部は、
   前記複数の機器別電力に基づいて、予め定められた需要電力のピーク時刻の類似度を、前記第１類似度として算出し、
   前記負荷特性パターン比較部は、
   前記第２総需要電力の時間変化と、前記複数の負荷特性パターンとに基づいて、予め定められた需要電力のピーク時刻の類似度を、前記第２類似度として算出する、負荷推定装置。
6. 請求項５に記載の負荷推定装置であって、
   前記内訳計算部は、
   前記需要家総電力入力部に入力された前記第２総需要電力の時間変化に対する、前記負荷特性パターン比較部で抽出された前記一の負荷特性パターンの、前記ピーク時刻に関する差を補正する補正部を備え、
   前記内訳計算部は、
   前記補正部で補正された前記一の負荷特性パターンと、前記第２総需要電力の時間変化とに基づいて、前記案分を行う、負荷推定装置。
7. 請求項１に記載の負荷推定装置であって、
   前記負荷特性パターン生成部は、
   前記複数の機器別電力と、前記複数の第１需要家の地域または保有機器情報とに基づいて、前記地域または前記保有機器情報に関する前記複数の負荷特性パターンを生成し、
   前記需要家総電力入力部には、
   前記第２需要家の地域または保有機器情報がさらに入力され、
   前記負荷特性パターン比較部は、
   前記需要家総電力入力部に入力された前記第２総需要電力の時間変化、及び、前記地域または前記保有機器情報と、前記負荷特性パターン生成部で生成された前記複数の負荷特性パターンとに基づいて、前記一の前記負荷特性パターンを抽出し、
   前記内訳計算部は、
   前記需要家総電力入力部に入力された前記第２総需要電力の時間変化に対する、前記負荷特性パターン比較部で抽出された前記一の負荷特性パターンの、前記地域または前記保有機器情報の差を補正する補正部を備え、
   前記内訳計算部は、
   前記補正部で補正された前記一の負荷特性パターンと、前記第２総需要電力の時間変化とに基づいて、前記案分を行う、負荷推定装置。
8. （ａ）予め定められた複数の第１需要家のそれぞれについて随時計測された複数の機器別電力に基づいて、それぞれが第１総需要電力の時間変化と、当該第１総需要電力における各前記機器別電力の割合とを含み、それぞれの前記第１総需要電力の時間変化が互いに異なる複数の負荷特性パターンを生成する工程と、
   （ｂ）所望の第２需要家の第２総需要電力の時間変化が入力される工程と、
   （ｃ）前記工程（ｂ）で入力された前記第２総需要電力の時間変化と、前記工程（ａ）で生成された前記複数の負荷特性パターンとに基づいて、前記第２総需要電力の時間変化に類似する一の前記負荷特性パターンを抽出する工程と、
   （ｄ）前記工程（ｂ）で入力された前記第２総需要電力の時間変化と、前記工程（ｃ）で抽出された前記一の負荷特性パターンとに基づいて、時間に応じて変化する前記第２総需要電力を、当該一の負荷特性パターンに含まれる前記各機器別電力の前記割合で案分する工程と
   を備える、負荷推定方法。

Images