JP6408451B2 - エネルギー需要予測システム及びエネルギー需要予測方法 - Google Patents

エネルギー需要予測システム及びエネルギー需要予測方法 Download PDF

Info

Publication number
JP6408451B2
JP6408451B2 JP2015211260A JP2015211260A JP6408451B2 JP 6408451 B2 JP6408451 B2 JP 6408451B2 JP 2015211260 A JP2015211260 A JP 2015211260A JP 2015211260 A JP2015211260 A JP 2015211260A JP 6408451 B2 JP6408451 B2 JP 6408451B2
Authority
JP
Japan
Prior art keywords
demand
information
data
time
granularity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015211260A
Other languages
English (en)
Other versions
JP2016220515A (ja
Inventor
将人 内海
将人 内海
渡辺　徹
徹 渡辺
悠 池本
悠 池本
羊子 崎久保
羊子 崎久保
郁雄 茂森
郁雄 茂森
広晃 小川
広晃 小川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to PCT/JP2016/063696 priority Critical patent/WO2016185919A1/ja
Priority to EP16796313.1A priority patent/EP3300205A4/en
Priority to US15/574,187 priority patent/US20180128863A1/en
Publication of JP2016220515A publication Critical patent/JP2016220515A/ja
Priority to JP2018176343A priority patent/JP6895416B2/ja
Application granted granted Critical
Publication of JP6408451B2 publication Critical patent/JP6408451B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/007—Adapted for special tariff measuring
    • G01R21/008—Measuring maximum demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Description

本発明は、エネルギー需要予測システムおよびエネルギー需要予測方法に関する。
締結した電気供給契約に基づいて需要家への電気販売を行うと共に、販売する電気を自社発電機にて発電、もしくは他の電気事業者から直接、あるいは取引所を介して調達する電気事業者は、一般に、電気の調達量と販売量とを清算時間ごとに一致させることが求められる。従って電気事業者においては、自社が契約している需要家の需要（契約需要）の合計（総契約需要）の将来の値を的確に予測することが重要となる。
上述の需要予測を行うための技術として、例えば特許文献１には、過去の時系列的な電力需要データを長周期変動需要データと短周期変動需要データとに分離し、長周期変動需要データに基づき推移ベクトル法により長周期変動需要について短時間先の需要予測値を演算し、短周期変動需要データに基づき局所ファジイ再構成法により、短周期変動需要について短時間先の需要予測値を演算することが開示されている。このような特許文献１に開示された方法によれば、両者を加算することで総電力の需要予測値を算出することができる。
また特許文献２には、業務用既設電力、業務用既設熱、業務用新設電力、業務用新設熱、産業用既設電力、産業用既設熱、産業用新設電力、産業用新設熱に分けて負荷曲線を生成することが開示されている。この特許文献２に開示された方法によれば、少ない量の基礎データから負荷曲線を生成することができる。
さらに特許文献３には、家屋タイプや所有器具タイプといった属性に基づいて需要家情報データを分類し、分類結果に基づいて使用量情報をデータベースから無作為に抽出し、抽出した使用量情報から各属性の最大使用量を求め、これら最大使用量が出現する頻度分布を求めることで予測データを作成する方法が開示されている。
特開２００５−３２８６７３号公報 特開２００６−３３３６８７号公報 特開平７−６４６０９号公報
一般に、ＰＰＳ（Power Producer and Supplier）あるいは新電力と呼ばれる電気事業者は、保有契約口数の規模が比較的小さいため、契約口数の増減等に伴い総契約需要の連続的な特性が短期間で大きく変化する。しかし特許文献１では、連続的な特性が過去と未来で大きく変化しないことを前提としており、このため保有契約口数の規模が小さい電気事業者の契約需要の総契約需要の将来の値を的確に予測することが難しい問題がある。また特許文献１では、需要のタイプ毎に異なる需要の特性を反映できないため、誤差が大きくなるという問題もある。
また特許文献２および３では、需要のタイプ毎に異なる需要の特性を反映することで、より的確な需要予測を実現している。しかし特許文献２では、業務用・産業用の既設・新設といった需要タイプの特性が時間不変であることを前提としている。また特許文献３では、予測に最適な需要タイプの分類数やその粒度（日単位、週単位など）を決定する機構が存在しない。すなわちこれら技術では、変化を伴う需要タイプの数やその粒度を的確に捉えることができないという問題があった。
本発明は以上の点を考慮してなされたものであり、予測誤差が最小となるように作成する需要タイプの数と粒度を決定することにより、総契約需要の連続的な特性が短期間で変化する中での需要予測を可能とするエネルギー需要予測システムおよびエネルギー需要予測を提供する事を目的とする。
この課題を解決するために、本発明においては、エネルギー需要を予測するエネルギー需要予測システムにおいて、予め設定された過去期間のエネルギー需要実績情報を需要パターン生成用基礎データとして抽出する需要パターン生成用基礎データ抽出部と、抽出された前記需要パターン生成用基礎データに基づいて、予め１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、当該組み合わせにおける前記時間の粒度ごとのエネルギー需要をそれぞれ表す１または複数の単位データからなる需要パターン生成用データをそれぞれ生成する分類粒度調整処理部と、前記需要パターン生成用データごとに、当該需要パターン生成用データを構成する各前記単位データを、エネルギー需要の傾向の特徴を示す特徴量に基づいて適切な数の部分集合に分類し、前記部分集合ごとの代表的なエネルギー消費の傾向を表す需要パターンを抽出するセグメンテーション処理部と、前記需要パターン生成用データごとに、当該需要パターン生成用データの各前記需要パターンと、当該各前記需要パターンに共通する前記需要家の属性情報との組み合わせを当該需要パターン生成用データンの需要タイプとして生成するプロファイリング処理部と、前記需要タイプごとに、予め設定された過去の日時のエネルギー需要を評価用予測値として算出する評価用予測値算出処理部と、前記需要タイプごとの前記評価用予測値と、前記エネルギー需要実績情報とに基づいて、前記過去の日時のエネルギー需要の推定値もしくは予測値と、当該日時の実際の観測値との誤差が最小となるように、前記契約需要の粒度と時間の粒度とを決定する評価演算部と、決定された前記契約需要の粒度と前記時間の粒度とに応じた前記需要タイプの情報と、任意の日時の電気の販売計画情報と、当該日時の属性情報の予測値とに基づいて、当該日時のエネルギー需要値を推定もしくは予測する最終予測値算出処理部とを設けるようにした。
またこの課題を解決するために、本発明においては、エネルギー需要を予測するエネルギー需要予測方法において、予め設定された過去期間のエネルギー需要実績情報を需要パターン生成用基礎データとして抽出する第１のステップと、抽出した前記需要パターン生成用基礎データに基づいて、予め１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、当該組み合わせにおける前記時間の粒度ごとのエネルギー需要をそれぞれ表す１または複数の単位データからなる需要パターン生成用データをそれぞれ生成する第２のステップと、前記需要パターン生成用データごとに、当該需要パターン生成用データを構成する各前記単位データを、エネルギー需要の傾向の特徴を示す特徴量に基づいて適切な数の部分集合に分類し、前記部分集合ごとの代表的なエネルギー消費の傾向を表す需要パターンを抽出し、当該需要パターン生成用データの各前記需要パターンと、当該各前記需要パターンに共通する前記需要家の属性情報との組み合わせを当該需要パターン生成用データンの需要タイプとして生成し、前記需要タイプごとに、予め設定された過去の日時のエネルギー需要を評価用予測値として算出する第３のステップと、前記需要タイプごとの前記評価用予測値と、前記エネルギー需要実績情報とに基づいて、前記過去の日時のエネルギー需要の推定値もしくは予測値と、当該日時の実際の観測値との誤差が最小となるように、前記契約需要の粒度と時間の粒度とを決定する第４のステップと、決定した前記契約需要の粒度と前記時間の粒度とに応じた前記需要タイプの情報と、任意の日時の電気の販売計画情報と、当該日時の属性情報の予測値とに基づいて、当該日時のエネルギー需要値を推定もしくは予測する第５のステップとを設けるようにした。
発明によれば、総契約需要の連続的な特性が短期間で変化する中での需要予測を可能とする。
エネルギー需要管理システムの全体構成図である。 エネルギー需要予測システムの全体構成図である。 エネルギー需要予測システムを構成する各装置の機能構成図である。 表示する需要家情報の概念図である。 表示する販売契約予実情報の概念図である。 表示する需要タイプ情報の概念図である。 表示する需要タイプ情報の概念図である。 表示する需要タイプ情報の概念図である。 表示する需要タイプ情報の概念図である。 エネルギー需要予測処理の手順を示すフローチャートである。 セグメンテーション処理の手順を示すフローチャートである。 評価用予測値算出処理の手順を示すフローチャートである。 提供する技術による効果を示す概念図である。
以下図面について、本発明の一実施の形態を詳述する。
（１）第１の実施の形態
（１−１）全体構成
図１に、本実施の形態によるエネルギー需要管理システム１の全体構成を示す。本エネルギー需要管理システム１は、需要実績情報に基づいて任意の日時の需用の予測値を算出し、算出した需要予測値に基づいて運用可能な発電機の運転計画の生成と制御を実行し、あるいは他の電気事業者からの直接、若しくは取引所からの電力調達取引の計画生成と実行を行うためのシステムであり、電気事業者２、系統運用者７、取引市場運用者８、公共情報提供者９、および需要家１０がそれぞれ所有する各種装置および各種端末から構成される。また通信経路１１１および１１２は、エネルギー需要管理システム１を構成する各種装置および端末を互いに通信可能に接続する通信経路であり、例えばＬＡＮ（Local Area Network）から構成される。
電気事業者２は、需給管理者３、営業管理者４、取引管理者５、および設備管理者６から構成される事業者である。
需給管理者３は、自社が保有する販売計画や今後の販売計画に基づいて、例えば30分単位の清算時間単位ごとに将来の需要量を予測し、予測した需要量を充足できるよう電力の調達量を管理する部署または担当者であり、需要の予測値を算出するための予測演算装置３１と、需要予測値の計算に用いる需要のタイプを生成し管理するための需要タイプ管理装置３０と、これら装置とのデータのやり取りを行うための情報入出力端末３２とを備える。
営業管理者４は、長期あるいは短期での電気の販売計画の立案と、需要家と電気供給の新規の契約締結と、既存の電気供給契約の管理とを行う部署または担当者であり、立案した販売計画や電気供給契約を締結した需要家の情報を管理するための販売管理装置４０を備える。
取引管理者５は、他の電気事業者との直接的な契約を通じて、あるいは取引所を介して電気を調達するための取引を計画し実行する部署もしくは担当者であり、電気の調達取引計画や契約済みの電気の調達契約の情報を管理し、他の電気事業者や取引所と取引に関する電文をやり取りするための取引管理装置５０を備える。
設備管理者６は、自社が保有する発電設備、あるいは自社の電気調達計画に組み入れることが可能な自社保有外の発電設備の運転計画の立案と実行を行う部署もしくは担当者であり、発電設備の情報の管理と、発電設備の運転計画の立案と、実行のための制御信号を送信するための設備管理装置６１と、設備管理装置６１から制御信号を受信し実際に発電設備の制御を実行するための制御装置６２を備える。
一方、系統運用者７は、広範囲の地域にまたがる送配電系統設備の管理と、地域の需要家それぞれの需要実績を計測し計測値を保管する事業者であり、計測した需要家の需要実績値を配信するための系統情報管理装置７０を備える。
また取引市場運用者８は、複数の電気事業者に対して、電力の取引を行うために必要な情報や手続きを統括的に管理する事業者であり、電力取引に関する情報を配信し、各電気事業者から受け付けた注文の付け合せ処理を行うための市場運用管理装置８０を備える。
公共情報提供者９は、気温、湿度、日射量などの気象に関する過去の履歴情報と未来の予報情報を提供する事業者であり、気象の過去履歴情報と予報情報を配信するための公共情報配信装置９０を備える。
需要家１０は、負荷設備や発電設備を有する個人または法人であり、電気事業者２もしくは系統運用者７に、所有する設備や施設、業種、在室人数、所在地などの需要や発電の傾向に影響を与えうる情報を送信するための情報入出力端末１００と、需要や発電の実績量を計測するための計測装置１０１とを備える。
図２は、かかるエネルギー需要管理システム１の一部を構成する本実施の形態によるエネルギー需要予測システム１２を示す。本実施の形態のエネルギー需要予測システム１２は、需要タイプ管理装置３０、予測演算装置３１、および販売管理装置４０から構成される。
需要タイプ管理装置３０は、販売管理装置４０が保持する需要実績情報４００６Ａおよび需要家情報４００７Ａと、公共情報配信装置９０から受信した気象過去情報９００１Ａおよび産業動態過去情報９００３Ａとに基づいて需要タイプ情報３０１１Ａを生成し、生成した需要タイプ情報３０１１Ａを予測演算装置３１に送信する。需要タイプ管理装置３０が保持する需要タイプ情報３０１１Ａは、例えば、需要家ごとの需要タイプを識別する識別子（以下、これを需要タイプＩＤと呼ぶ）、各需要タイプを説明する属性情報、需要タイプごとの需要パターンの情報を含む。
予測演算装置３１は、需要タイプ管理装置３０が生成した需要タイプ情報３０１１Ａと、販売管理装置４０が保持する販売契約予実情報４００８Ａと、公共情報配信装置９０が保持する気象過去情報９００１Ａおよび産業動態過去情報９００３Ａとに基づいて、予め設定した任意の過去の日時の需要を評価用予測値として算出する。
また予測演算装置３１は、評価用予測値と過去の観測値との差分が最小となる需要タイプ情報３０１１Ａを１組抽出し、抽出した需要タイプ情報と、気象予報情報９００２Ａおよび産業動態情報９００４Ａとに基づいて、指定した将来日時の需要予測値を算出し、販売管理装置４０が保持する需要予測情報４００９Ａを生成する。また予測演算装置３０は、このようにして算出した需要予測値を設備管理装置６１および取引管理装置５０に送信する。
販売管理装置４０は、需要実績情報４００６Ａ、需要家情報４００７Ａ、販売契約予実情報４００８Ａ、および需要予測情報４００９Ａを保持する。
このうち需要実績情報４００６Ａは、計測装置１０１や系統情報管理装置７０から取得される契約済みの需要家や契約締結対象の需要家の過去の需要実績情報４００６Ａに基づき生成される情報であり、例えば、需要家１０ごとの過去数年間の３０分ごとの電気需要（エネルギー需要）の実績値を含む。
また需要家情報４００７Ａは、需要家１０からの電気供給契約の締結の申し込み時に需要家１０から提供される情報であり、例えば、所在地、業種、建物種別、床面積、管理会社、在室人数、契約電力容量、電気供給の開始日時や終了日時などの需要家の属性を示す情報を含む。
販売契約予実情報４００８は、販売管理装置４０もしくは営業管理者４が作成する情報であり、例えば、過去および未来の任意の期間に亘る週単位、あるいは月単位での需要タイプごとの獲得契約の電力容量や軒数の計画値と実績値などの情報を含む。
さらに需要予測情報４００９Ａは、予測演算装置３１によって生成される情報であり、例えば、時間単位粒度は３０分単位から年単位まで、時間範囲は向こう数時間から向こう数年間まで、対象粒度は１契約需要単位から総契約需要単位までの需要の予測値の情報を含む。
（１−２）内部構成
図３は、エネルギー需要予測システム１２を構成する各装置の具体的な構成を示す。
需要タイプ管理装置３０は、例えばパーソナルコンピュータ、サーバコンピュータ又はハンドヘルドコンピュータなどの情報処理装置から構成され、需要タイプ管理装置３０の動作を統括的に制御するＣＰＵ（Central Processing Unit）３００１、入力装置３００２、出力装置３００３、通信装置３００４および記憶装置３００５を備える。
入力装置３００２は、キーボードまたはマウスから構成され、出力装置３００３は、ディスプレイまたはプリンタから構成される。また通信装置３００４は、無線ＬＡＮ又は有線ＬＡＮに接続するためのＮＩＣ（Network Interface Card）を備えて構成される。さらに記憶装置３００５は、ＲＡＭ（Random Access Memory）およびＲＯＭ（Read Only Memory）などの記憶媒体から構成される。
記憶装置３００５には、需要パターン生成用基礎データ抽出部３００６、予測値評価用データ生成部３００７、分類粒度調整処理部３００８、セグメンテーション処理部３００９、プロファイリング処理部３０１０などの各種コンピュータプログラムが格納される。
需要パターン生成用基礎データ抽出部３００６は、需要実績情報４００６Ａ（図２）から、予め１つ以上設定された契約需要の予め設定された過去期間の実績情報（以下、これを需要パターン生成用基礎データと呼ぶ）を抽出する機能を有するプログラムである。
また予測値評価用データ生成部３００７は、需要実績情報４００６Ａから、予測演算装置３１が生成する評価用予測値との差分を計算するための評価用データを生成する機能を有するプログラムである。
分類粒度調整処理部３００８は、需要パターン生成用基礎データ抽出部３００６により抽出された需要パターン生成用基礎データに基づいて、予め１組以上設定された契約需要（需要家単位）の粒度と時間の粒度との組み合わせ情報に従い、需要パターンを生成するためのデータ組を１組以上生成する機能を有するプログラムである。
なお、「契約需要の粒度」とは、例えば、１契約需要単位、総契約需要単位、あるいは両者の間の任意の契約需要単位などの特定の契約需要の単位を指す。また「時間の粒度」とは、数時間単位、１日単位、数日単位、１週間単位、１ヶ月単位、１年単位などの特定の時間の単位を指す。以下においては、契約需要の粒度と時間の粒度とをそれぞれ１つずつ設定し、生成された需要パターン生成のためのデータを１つのデータ組または需要パターン生成用データと呼ぶ。
セグメンテーション処理部３００９は、分類粒度調整処理部３００８が生成したデータ組のそれぞれに基づいて、各データ組の中で電力消費の周期的な変動の傾向が類似する契約需要を分類し、それぞれから代表的な需要パターンを生成する機能を有するプログラムである。
プロファイリング処理部３０１０は、セグメンテーション処理部３００９が生成した需要パターンと、需要家情報４００７Ａ、気象過去情報９００１Ａ、産業動態過去情報９００３Ａなどの需要パターンを発生させている要因となり得る属性情報とに基づいて、各需要パターンに共通している属性情報を抽出し、需要タイプを生成する機能を有するプログラムである。
また記憶装置３００５には、需要タイプ情報記憶部３０１１などのデータベースが格納されている。需要タイプ情報記憶部３０１１には需要タイプ情報３０１１Ａが保持される。需要タイプ情報３０１１Ａは、プロファイリング処理部３０１０が生成した需要タイプの情報であり、契約需要ごとの需要タイプの識別子（需要タイプＩＤ）、各需要タイプの共通的な属性情報、需要タイプの各需要パターンに関する情報を含む。
一方、予測演算装置３１は、例えばパーソナルコンピュータ、サーバコンピュータ又はハンドヘルドコンピュータなどの情報処理装置から構成され、予測演算装置３１の動作を統括的に制御するＣＰＵ３１０１、入力装置３１０２、出力装置３１０３、通信装置３１０４および記憶装置３１０５を備える。
記憶装置３１０５は、ＲＡＭおよびＲＯＭなどの記憶媒体から構成され、評価用予測値算出処理部３１０６、評価演算部３１０７、最終予測値算出処理部３１０８などの各種コンピュータプログラムと、予め設定された重み係数３１０９とが格納される。
評価用予測値算出処理部３１０６は、需要タイプ管理装置３０が生成した１組以上の需要タイプに関する情報と、販売契約予実情報４００８Ａ、気象過去情報９００１Ａ、産業動態過去情報９００３Ａなどの各需要タイプに共通する属性情報の情報と、販売管理装置４０が管理する需要実績情報４００６Ａと、予め設定された重み係数情報３１０９Ａとに基づいて、予め設定した過去の評価対象日時の需要を評価用予測値として算出する機能を有するプログラムである。
また評価演算部３１０７は、評価用予測値算出処理部３１０６が算出した評価用予測値のそれぞれを、需要タイプ管理装置３０が生成した評価用データと比較し、その差分が最も小さくなる需要タイプセットを抽出する機能を有するプログラムである。需要タイプセットの詳細については、後述する。
さらに最終予測値算出処理部３１０８は、評価演算部３１０７が抽出した需要タイプセットと、販売契約予実情報４００８Ａ、気象予測情報９００２Ａ、産業動態情報９００４Ａなどの各需要タイプに共通する属性情報の将来の予測値、予報値、想定値を含む情報とに基づいて、予め設定した任意の将来日時の需要予測値を算出する機能を有するプログラムである。
さらに重み係数情報３１０９Ａは、上述のように評価用予測値算出処理部３１０６が予め設定した過去の評価対象日時の需要を評価用予測値として算出する際に利用する各種の重み係数を含む情報である。重み係数情報３１０９Ａの詳細については、後述する。
他方、販売管理装置４０は、例えばパーソナルコンピュータ、サーバコンピュータ又はハンドヘルドコンピュータなどの情報処理装置から構成され、販売管理装置４０の動作を統括的に制御するＣＰＵ４００１、入力装置４００２、出力装置４００３、通信装置４００４および記憶装置４００５を備える。
入力装置４００２は、キーボードまたはマウスから構成され、出力装置４００３は、ディスプレイまたはプリンタから構成される。また通信装置４００４は、無線ＬＡＮ又は有線ＬＡＮに接続するためのＮＩＣを備えて構成される。
記憶装置４００５は、ＲＡＭおよびＲＯＭなどの記憶媒体から構成され、データ入出力部４０１０および販売契約予実情報生成部４０１１などの各種コンピュータプログラムが格納される。
データ入出力部４０１０は、需要実績情報記憶部４００６、需要家情報記憶部４００７、販売契約予実情報記憶部４００８、需要予測情報記憶部４００９などのデータベースに対して、登録、検索、更新、削除の操作を行う機能を有するプログラムである。
また販売契約予実情報生成部４０１１は、需要タイプ管理装置３０が生成した需要タイプ情報３０１１Ａと、販売管理装置４０が保持する需要家情報４００７Ａとに基づいて、販売契約予実情報４００８Ａを作成する機能を有するプログラムである。
加えて、記憶装置４００５には、需要実績情報記憶部４００６、需要家情報記憶部４００７、販売契約予実情報記憶部４００８、需要予測情報記憶部４００９などのデータベースも格納されている。
需要実績情報記憶部４００６は、計測装置１０１や系統情報管理装置７０から受信し取得した情報が格納されるデータベースであり、契約需要や契約対象需要の過去数年分の需要の実績情報を含む各種情報が格納される。実績情報の粒度は例えば３０分単位などである。
需要家情報記憶部４００７は、電気供給契約の申し込み時や締結時に需要家１０からの申請に基づいて取得された情報が格納されるデータベースであり、需要家１０の所在地、業種、建物種別、床面積、管理会社、在室人数などの需要家１０の属性を含む各種情報が格納される。
販売契約予実情報記憶部４００８は、販売契約予実情報生成部４０１１や営業管理者４が生成した電気の販売計画の予定と実績の情報が格納されるデータベースであり、需要タイプごとの過去と将来の期間にわたっての契約件数や契約電力容量の計画値と実測値を含む各種情報が格納される。
さらに需要予測情報記憶部４００９は、予測演算装置３１が生成した将来需要の予測値の情報が格納されるデータベースであり、予め設定した開始日時から終了日時までの３０分ごとの需要の予測値を含む各種情報が格納される。
（１−３）各構成の詳細
図４は、需要家情報４００７Ａの概念図を示す。需要家情報４００７Ａは、需要家１０（図１）からの電気供給契約の締結申し込み時や締結時に、需要家１０からの申請情報に基づいて営業管理者４によって作成される情報である。需要家情報４００７Ａは、プロファイリング処理部３０１０が需要タイプ情報を生成する際に用いられる。
具体的に、需要家情報４００７Ａは、需要家ＩＤ欄４００７Ａ１、所在地欄４００７Ａ２、業種欄４００７Ａ３、建物種別欄４００７Ａ４、床面積欄４００７Ａ５欄、管理会社欄４００７Ａ６、人数欄４００７Ａ７、契約容量欄４００７Ａ８、供給開始日欄４００７Ａ９、および供給終了日欄４００７Ａ１０を備えたテーブル構成を有する。
そして需要家ＩＤ欄４００７Ａ１には、各需要家１０にそれぞれ付与されたその需要家１０に固有の識別子（需要家ＩＤ）が格納され、所在地欄４００７Ａ２および業種欄４００７Ａ３には、それぞれ対応する需要家１０の所在地および業種が格納される。また建物種別欄４００７Ａ４、床面積欄４００７Ａ５欄、管理会社欄４００７Ａ６および人数欄４００７Ａ７には、それぞれ対応する需要家１０の建物の種別、床面積、設備の運用会社、通常の在室人数が格納され、契約容量欄４００７Ａ８、供給開始日欄４００７Ａ９および供給終了日欄４００７Ａ１０には、それぞれ対応する需要家１０の契約電力容量、電気供給の開始日および電気供給の終了日が格納される。
従って図４の場合、例えば、「C001」という需要家ＩＤの需要家は、所在地が「東京都大田区」、業種は「小売業」であり、建物の種別は「事務所」、床面積は「100ｍ２」、設備の運用管理会社は「Ａ社」、通常の在室人数は「12名」、契約電力容量は「30kW」、供給開始日は「15年３月25日」、供給終了日は「未定」であることが示されている。
一方、図５は、販売契約予実情報４００８Ａの概念図を示す。販売契約予実情報４００８Ａは、需要タイプ管理装置３０が生成した需要タイプ情報と、需要家情報４００７Ａとに基づいて、販売管理装置４０もしくは営業管理者４によって作成される情報であり、所定期間ごとの各需要タイプの獲得契約の電力容量や軒数の計画値と実績値を含む。
具体的に、販売契約予実情報４００８Ａは、図５に示すように、需要タイプＩＤ欄４００８Ａ１と、各需要タイプＩＤ欄４００８Ａ１にそれぞれ対応させて設けられた予め営業管理者４によって設定された期間ごとの各需要タイプの契約の計画値欄４００８Ａ２および実績値欄４００８Ａ３とを備えたテーブル構成を有する。４００８Ａ２で示される期間の粒度と範囲は、営業管理者４によって予め設定される。
そして需要タイプＩＤ欄４００８Ａ１には、後述する各需要タイプにそれぞれ付与されたその需要タイプに固有の識別子が格納され、期間ごとの各需要タイプの契約の計画値欄４００８Ａ２には、対応する期間で対応する需要タイプについて計画された契約電力容量の計画値が格納される。また期間ごとの各需要タイプの契約の実績欄４００８Ａ３には、対応する期間で対応する需要タイプについての契約電力容量の実績値が格納される。
従って図５の場合、例えば、「S1-DT001」という需要タイプの契約電力容量の実績値は、15年度１週目が「2000kW」、２週目が「3000kW」であり、これ以降は将来期間のためまだ実績が集計されていない（「null」）ことが示されている。また、かかる需要タイプの契約電力容量の計画値は、営業管理者４によって、15年度３週目は「4000KW」、15年度４週目は「5000kW」の契約電力容量であることが示されている。
他方、図６乃至図９は、需要タイプ情報３０１１Ａの概念図を示す。需要タイプ情報３０１１Ａは、需給管理者３およびプロファイリング処理部３０１０によって生成される情報であり、以下に記す情報を含む。
図６は、需給管理者３によって予め設定される需要タイプ情報３０１１Ａの１つを示す概念図である。この需要タイプ情報３０１１Ａは、生成する需要タイプの契約需要の粒度と時間の粒度とを含む情報である。
具体的に、この需要タイプ情報３０１１Ａは、需要タイプセットＩＤ欄３０１１Ａ１、契約需要粒度欄３０１１Ａ２、および時間粒度欄３０１１Ａ３を備えたテーブル構成を有する。
そして契約需要粒度欄３０１１Ａ２には、契約需要の粒度が格納され、時間粒度欄３０１１Ａ３には、時間の粒度が格納される。また需要タイプセットＩＤ欄には、対応する契約需要粒度欄３０１１Ａ２に格納された契約需要の粒度と、対応する時間粒度欄３０１１Ａ３に格納された時間の粒度との組み合わせ（以下、これを需要タイプセットと呼ぶ）に対して付与されたその需要タイプセットに固有の識別子（需要タイプセットＩＤ）が格納される。
従って図６の場合、例えば、「S1」という需要タイプセットは、「総契約需要単位」という契約需要の粒度と、１年相当である「8760時間」という時間の粒度との組み合わせを表す需要タイプセットであることが示されている。
図７は、プロファイリング処理部３０１０によって生成される需要タイプ情報３０１１Ａの１つを示す概念図である。この需要タイプ情報３０１１Ａは、需要家１０および需要タイプの関係を含む情報である。
具体的に、この需要タイプ情報３０１１Ａは、需要家ＩＤ欄３０１１Ａ４と、需要タイプセットごとにそれぞれ複数設けられた複数の需要タイプＩＤ欄３０１１Ａ５とを備えたテーブル構成を有する。
そして需要家ＩＤ欄３０１１Ａ４には、各需要家１０にそれぞれ付与された需要家ＩＤが格納され、各需要家タイプＩＤ欄３０１１Ａ５には、それぞれ対応する需要家１０の対応する需要タイプセットにおける対応する期間での需要タイプを表す識別子（需要タイプＩＤ）が格納される。
従って図７の場合、例えば、「C001」という需要家１０は、需要タイプセットが「S1」の場合、１つ目の期間の需要タイプは「S1-DT014」、２つ目の期間の需要タイプは「S1-DT043」であり、最後の期間「T1」の需要タイプは「S1-DT022」であることが示されている。この需要家１０は、また需要タイプセットが「SS」の場合には、期間１、期間２、そして最後の期間「TS」までの需要タイプが、需要タイプセットが「S1」の場合とは異なることが示されている。
なお需要タイプセットが「S1」の場合の最後の期間「T1」までの期間の数と、需要タイプセットが「S2」の場合の最後の期間「TS」までの機関の数は必ずしも同じではなく、それぞれの期間の数は、需要パターン生成用基礎データ抽出部３００６が抽出した需要パターン生成用基礎データの期間に対して、需要タイプ情報３０１１Ａの時間の粒度欄３０１１Ａ３に基づいて定まる。
図８は、プロファイリング処理部３０１０によって生成される需要タイプ情報３０１１Ａの１つを示す概念図である。この需要タイプ情報３０１１Ａは、需要タイプそれぞれの共通的な属性を含む情報である。
具体的に、この需要タイプ情報３０１１Ａは、需要タイプセットＩＤ欄３０１１Ａ６、需要タイプＩＤ欄３０１１Ａ７、および複数の属性情報欄３０１１Ａ８を備えたテーブル構成を有する。
そして需要タイプセットＩＤ欄３０１１Ａ６には、各需要タイプセットにそれぞれ付与された需要タイプセットＩＤが格納され、需要タイプＩＤ欄３０１１Ａ７には、対応する需要タイプセットから生成された１つの需要タイプの需要タイプＩＤが格納される。このため、この需要タイプ情報３０１１Ａでは、１つの需要タイプセットＩＤに対して当該需要タイプセットから生成可能な需要タイプと同じ数の行が設けられ、各行の需要タイプＩＤ欄３０１１Ａ７に、それぞれ異なる需要タイプの需要タイプＩＤが格納される。
また各属性情報欄３０１１Ａ８には、それぞれ対応する需要タイプセットから生成された対応する需要タイプに属する契約需要に共通する属性情報の内容がそれぞれ格納される。
従って図８の場合、例えば、「S1」という需要タイプセットから生成された「S1-DT001」という需要タイプは、この需要タイプに属する契約需要に共通する属性情報として、運営会社が「Ａ社」、床面積が「90ｍ２以上」、業種が「製造業」、気温が「15℃以下」であることなど、Ｎ個の属性情報が抽出されたことが示されている。また、「S1」という需要タイプセットから生成された「S1-DT002」という需要タイプは、運営会社が「Ｂ社」、人数が「50人以上」という２つの属性情報のみが抽出されたことが示されている。この場合、その他の需要タイプとの違いを説明できることから、３つ目以降の属性情報は「null」として設定される。なお、属性情報が不足している場合にも、同様に「null」が設定される。
図９は、プロファイリング処理部３０１０によって生成される需要タイプ情報３０１１Ａの一つを示す概念図である。この需要タイプ情報３０１１Ａは、需要タイプそれぞれの代表的な需要パターンを含む。
具体的に、この需要タイプ情報３０１１Ａは、需要タイプセットＩＤ欄３０１１Ａ６、需要タイプＩＤ欄３０１１Ａ７、および複数の時間欄３０１１Ａ９を備えるテーブル構成を有する。
そして需要タイプセットＩＤ欄３０１１Ａ６には、各需要タイプセットにそれぞれ付与された需要タイプセットＩＤが格納され、需要タイプＩＤ欄３０１１Ａ７には、対応する需要タイプセットから生成された１つの需要タイプの需要タイプＩＤが格納される。このため、この需要タイプ情報３０１１Ａでは、１つの需要タイプセットＩＤに対して当該需要タイプセットから生成可能な需要タイプと同じ数の行が設けられ、各行の需要タイプＩＤ欄３０１１Ａ７に、それぞれ異なる需要タイプの需要タイプＩＤが格納される。
また各時間欄３０１１Ａ９には、それぞれ対応する需要タイプセットの対応する需要タイプの対応する時間における代表的な需要パターンを表す値が格納される。
従って、図９の場合、例えば、「S1」という需要タイプセットの「S1-DT001」という需要タイプは、時間１が「0.66」、時間２が「0.28」、時間３が「-0.088」と時系列に連なっている需要パターンであることが示されている。
なおここでの時間とは、例えば30分単位を意味する。また図９に示す需要パターンは、分類粒度調整処理部３００８におけるデータ生成処理時点で、平均が０、標準偏差が１となるように元データを正規化した結果として得られた需要パターンを示しており、分類粒度調整処理部３００８において正規化処理を行なわずに処理を進めてもよく、その場合は、図９に示す需要パターンの値の単位は、需要実績情報４００６Ａに記録されているデータの単位と同一となる。
（１−４）エネルギー需要予測処理
図１０は、エネルギー需要予測処理の処理手順を示す。この処理は、需要タイプ管理装置３０が需給管理者３からの入力操作を受け付けた事を契機として開始される処理であり、需要タイプ管理装置３０によりステップＳ１０１からステップＳ１０５の処理が実行され、予測演算装置３１によりステップＳ１０６からステップＳ１０８の処理が実行される。
なお実際には、需要タイプ管理装置３０のＣＰＵ３００１および記憶装置３００５に格納されている各種コンピュータプログラムに基づいて処理が実行され、また予測演算装置３１のＣＰＵ３１０１および記憶装置３１０５に格納されている各種コンピュータプログラムに基づいて処理が実行される。説明の便宜上、処理主体を需要タイプ管理装置３０および予測演算装置３１が有する各種コンピュータプログラムとして説明する。
先ず需要パターン生成用基礎データ抽出部３００６が、需要実績情報４００６Ａから、予め設定された需要家１０の同じく予め設定された期間の需要実績情報４００６Ａを需要パターン生成用基礎データとして抽出する（Ｓ１０１）。
また予測値評価用データ生成部３００７が、需要実績情報４００６Ａから、予め設定された過去の評価対象日時の全需要家１０の需要実績情報４００６Ａを取得し、例えば３０分間の時間単位ごとに合算することで、予測値の評価用データを生成する（Ｓ１０２）。
次いで分類粒度調整処理部３００８が、需給管理者３によって予め１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、それぞれ需要パターン生成用基礎データ抽出部３００６が抽出した需要パターン生成用基礎データを整形し、設定された上記組み合わせ数分の需要パターン生成用データを作成する（Ｓ１０３）。
具体的に、分類粒度調整処理部３００８は、例えば、ステップＳ１０１において需要パターン生成用基礎データ抽出部３００６が過去１年分のデータを抽出し、かつ契約需要の粒度と時間の粒度との組み合わせが図６の３行目に示すような「総契約需要」および「２４時間」については、需要パターン生成用基礎データの全需要家１０分の需要を合算することで総契約需要とし、次いで、２４時間単位で総契約需要を分割することで、２４時間分を１つとした合計３６５個のデータ（以下、これを需要パターン生成用単位データと呼ぶ）からなる需要パターン生成用データに整形する。このような整形処理を図６に示す他の組み合わせについても同様に繰り返すことで、図６に示す組み合わせ毎に需要パターン生成用データをそれぞれ生成する。
次いでセグメンテーション処理部３００９が、分類粒度調整処理部３００８が生成した需要パターン生成用データの１つについて、需要パターン生成用単位データを需要の周期的な変動の傾向が類似しているもの同士の部分集合に分類し、分類結果に基づいて代表的な部分集合ごとの需要のパターン（以下、これを需要パターンと呼ぶ）をそれぞれ生成する（Ｓ１０４）。このステップＳ１０４の具体的な処理内容は図１１を用いて後述する。
次いでプロファイリング処理部３０１０が、セグメンテーション処理部３００９が生成した代表的な需要パターンを元に、この需要パターンのそれぞれを生み出している需要家１０の属性情報郡の中から共通している属性情報を、需要家情報４００７Ａ、気象過去情報９００１Ａ、産業動態過去情報９００３Ａから抽出することで需要タイプ情報３０１１Ａを生成し、生成した需要タイプ情報３０１１Ａを予測演算装置３１に送信すると共に、需要タイプ情報記憶部３０１１に登録する（Ｓ１０５）。
具体的に、プロファイリング処理部３０１０は、セグメンテーション処理部３００９が生成した代表的な需要パターンＩＤと、この需要パターンに所属する契約需要に紐づいている需要家ＩＤとの関係情報に基づいて、ＣＡＲＴ、ＩＤ３、ランダムフォレストなどの決定木作成アルゴリズムを用いて、図７、図８、および図９に示される需要タイプ情報３０１１Ａを生成する。
次いで評価用予測値算出処理部３１０６が、プロファイリング処理部３０１０が生成した需要タイプ情報３０１１Ａの各組のそれぞれについて、需要タイプ情報３０１１Ａ、販売契約予実情報４００８Ａ、需要家情報４００７Ａ、気象過去情報９００１Ａ、および産業動態過去情報９００３Ａに基づいて、需給管理者３によって予め設定された過去の日時の需要を、評価用予測値として算出する（Ｓ１０６）。具体的な処理手順は、図１２を用いて後述する。
以上のステップＳ１０４〜ステップＳ１０６の処理を、分類粒度調整処理部３００８が生成した需要パターン生成用データのそれぞれに対して実行する。
次いで、評価演算部３１０７が、評価用予測値算出処理部３１０６が生成した需要タイプ情報３０１１Ａの組ごとの評価用予測値と、予測値評価用データ生成部３００７が生成した評価用実績値との差分を計算し、差分が最小となる需要タイプ情報３０１１Ａの組を抽出し、需要タイプ情報３０１１Ａを更新する（Ｓ１０７）。
最後に、最終予測値算出処理部３１０８が、評価用予測値算出処理部３１０６が抽出した需要タイプ情報３０１１Ａ、販売契約予実情報４００８Ａ、気象予報情報９００２Ａ、および産業動態情報９００４Ａに基づいて、需給管理者３が予め設定した予測対象日時の需要予測値を算出し、需要予測情報４００９Ａに登録する（Ｓ１０８）。
需要予測値算出の具体的な処理手順は、ステップＳ１０６の評価予測値算出処理部３１０６の処理手順において過去の情報として入力している販売契約予実情報４００８Ａ、気象予報情報９００２Ａ、産業動態情報９００４Ａを、将来の予測対象日時の情報である販売契約予実情報４００８Ａ、気象予報情報９００２Ａ、産業動態過去情報９００３Ａとして入力することで、同じ処理手順で実現可能である。
以上の処理を以って、本実施形態におけるエネルギー需要予測処理が終了する。
図１１は、図１０について上述したエネルギー需要予測処理のステップＳ１０４におけるセグメンテーション処理部３００９の具体的な処理内容を示す。この処理は、分類粒度調整処理部３００８が終了したこと、もしくは需給管理者３の操作を契機として、セグメンテーション処理部３００９およびＣＰＵ３００１により実行される。
まずセグメンテーション処理部３００９は、分類粒度調整処理部３００８が生成した需要パターン生成用データの各需要パターン生成用単位データについて、需要の周期的な変動を表現する特徴量をそれぞれ生成する（Ｓ１１１）。具体的には、各需要パターン生成用単位データを、平均が０、標準偏差が１となるように正規化した後にフーリエ変換処理を施すことで周波数成分を抽出し、これをその各需要パターン生成用単位データの特徴量とする。
次いで、セグメンテーション処理部３００９は、需要パターン生成用単位データを分類するパターン数を１つ以上設定する（Ｓ１１２）。具体的には、２つに分類する場合、３つに分類する場合などと設定する。
次いで、セグメンテーション処理部３００９は、ステップＳ１１２で設定した分類するパターン数の中から１つ選択し、ステップＳ１１１で生成した特徴量に基づいて、選択したパターン数に需要パターン生成用単位データを分類する（Ｓ１１３）。具体的には、分類するパターン数を２とした場合、各需要パターン生成用単位データの特徴量である周波数成分を入力として、ｋ−ｍｅａｎｓ、ＥＭアルゴリズムやスペクトラルクラスタリングといった近傍の最適化の教師なしクラスタリングアルゴリズム、もしくは教師なしＳＶＭ（Support Vector Machine）やＶＱアルゴリズム、ＳＯＭ（Self-Organizing Maps）といった識別面の最適化の教師なしのクラスタリングアルゴリズムを用いて、需要パターン生成用単位データを２つのパターン（部分集合）に分類する。
次いで、セグメンテーション処理部３００９は、分類結果に基づいて、そのパターン数を評価するための評価指標値を算出する（Ｓ１１４）。具体的に、セグメンテーション処理部３００９は、赤池情報量基準などの分類された各データ群の内部の凝集性を測る指標や、マージンなどの分類された各データ群の間の分離性を測る指標を用いて、そのパターン数についての評価指標値を算出する。
セグメンテーション処理部３００９は、以上のステップＳ１１３およびステップＳ１１４をステップＳ１１２で設定した分類するパターン数分だけ繰り返す。
次いで、セグメンテーション処理部３００９は、ステップＳ１１４で算出された各パターン数の評価指標値に基づいて、分類するパターン数を決定し、このパターン数で分類した結果を抽出する（Ｓ１１５）。具体的に、セグメンテーション処理部３００９は、各部分集合の内部の凝集性を測る指標が最小値となる数や、各部分集合の間の分離性を測る指標値が最大となる数などを分類するパターン数として決定し、このパターン数で分類した結果を、ステップＳ１１３の算出結果から抽出する。
最後に、セグメンテーション処理部３００９は、抽出した分類結果から代表的な需要パターンを生成する（Ｓ１１６）。具体的に、セグメンテーション処理部３００９は、分類された各需要パターン生成用単位データの特徴量の平均値を算出し、算出した平均値に逆フーリエ変換を施すことで、代表的な需要パターンを生成する。
一方、図１２は、図１０について上述したエネルギー需要予測処理のステップＳ１０６における評価用予測値算出処理部３１０６の具体的な処理内容を示す。この処理は、プロファイリング処理部３０１０が終了したこと、もしくは需給管理者３の操作を契機として、評価用予測値算出処理部３１０６およびＣＰＵ３１０１により実行される。
評価用予測値算出処理部３１０６は、まず、需給管理者３によって予め設定された評価対象日時の、販売契約予実情報４００８Ａ、気象過去情報９００１Ａ、産業動態過去情報９００３Ａと、需要実績情報４００６Ａとなどに基づいて、プロファイリング生成処理部３０１０が生成した需要タイプ情報３０１１Ａから、評価対象日時に関わる需要タイプをすべて抽出する（Ｓ１２１）。
具体的に、評価用予測値算出処理部３１０６は、例えば、先ず販売契約予実情報４００８Ａから、予測対象日時に電力契約容量の実績値もしくは計画値が０ではない需要タイプをすべて抽出する。そして評価用予測値算出処理部３１０６は、抽出した需要タイプのうち、対象日時の気象や産業動態情報９００４Ａの情報に合致する需要タイプを、需要タイプ情報３０１１Ａの属性情報欄３０１１Ａ８に基づいて選別することで対象日時に関わる需要タイプＩＤを抽出し、抽出した需要タイプＩＤに紐づく需要パターン情報を３０１１Ａ９から取得する。
次いで、評価用予測値算出処理部３１０６は、抽出した需要タイプのうち１つを選択し、この需要タイプの販売契約容量の実績値と計画値を販売契約予実情報４００８Ａから取得し、対象日時の契約電力容量の計画値と任意の過去日時の契約電力容量の実績値の比率を算出し、算出した比率と需要実績情報４００６Ａに基づいて、予測対象日における需要の最大値と最小値を算出する（Ｓ１２２）。
具体的に、評価用予測値算出処理部３１０６は、選択した需要タイプが「S1-DT001」で、予測対象日時が15年度の２週目にあたる「15年４月12日」である場合、この需要タイプの契約電力容量として、実績値である「3000kW」を取得する。また任意の過去日を15年度の１週目にあたる「15年４月５日」とした場合、この需要タイプの契約電力容量は、実績値である「2000kW」が取得される。従ってその比率は次式
として算出される。
さらに評価用予測値算出処理部３１０６は、需要タイプ「S1-DT001」の「15年４月５日」の需要の最大値と最小値のそれぞれを、以下の（２）式及び（３）式に示す回帰式に基づいて算出する。
（２）式及び（３）式において、y^とz^はそれぞれ被説明変数である需要の最大値と最小値、x1、x2、x3、x4はそれぞれ説明変数であり、例えばx1は月、x2は平均気温、x3は前日の需要最小値の実績値、x4は最低気温などである。またａ、ｂ、ｃ、ｄ、ｅ、ｆ、ｇ、ｈは係数である。
実際上、評価用予測値算出処理部３１０６は、先ず、需要実績情報４００６Ａに格納されている需要タイプ「S1-DT001」の過去の実績から、被説明変数である需要の最大値と最小値と、説明変数である月、平均気温、前日の需要最小値の実績値、最低気温をそれぞれ抽出する。次いで、評価用予測値算出処理部３１０６は、抽出した過去実績を基に、最小二乗法により係数ａ〜ｈの値をそれぞれ推定する。この際、評価用予測値算出処理部３１０６は、抽出した過去実績に対して忘却型重み係数を乗算することで、直近の過去実績値に対する再現性をより重視した係数の推定を行う。具体的に評価用予測値算出処理部３１０６は、例えば需要最大値の回帰式の場合、以下の（４）式が最小となるような係数ａ〜ｄの値をそれぞれ推定する。
なお（４）式において、Nは抽出した過去実績値の数、ynは抽出した過去の需要最大値の実績値、wnは抽出したn番目のynおよびy^nに対応する重み係数である。重み係数は具体的に、過去日数の逆数であり、例えば１日前の過去実績値であれば１/１、２日前であれば１/２、３日前であれば１/３である。
そして評価用予測値算出処理部３１０６は、算出した需要の最大値と最小値のそれぞれに対して算出した比率を乗算することで、予測対象日の需要の最大値と最小値の予測値を算出する。
次いで、評価用予測値算出処理部３１０６は、ステップＳ１２２で算出した対象日の需要の最大値と最小値の予測値と、需要パターンの対象日の最大値と最小値がそれぞれ一致するように、この需要パターン全体を調整する（Ｓ１２３）。
評価用予測値算出処理部３１０６は、以上のステップＳ１２２とＳ１２３を、ステップＳ１２１で抽出したすべての需要タイプに対して行う。
そして評価用予測値算出処理部３１０６は、最後に、調整された需要パターンを、時間帯ごとにすべて合算することで、対象日における需要予測値として算出する（Ｓ１２４）。
以上までに説明したエネルギー需要予測処理によって生成された需要予測情報４００９Ａに基づいて、設備管理者６は、設備管理装置６１を用いて、運用可能な発電設備の運転計画を生成し、制御装置６２に送信する。運転計画を受信した制御装置６２は、発電設備の具体的な制御計画を生成し、実際の制御を実行する。
また取引管理者５は、取引管理装置５０を用いて、他の電気事業者や取引市場との電力の調達にかかわる取引計画を作成し、市場運用管理装置８０に対して、売買注文や注文取消しなどの電文を送信する。
以上の動作を以って、エネルギー需要管理システム１の動作は完結する。
図１３に、本実施の形態による効果と原理を説明する概念図を示す。図１３に示すグラフ１３００は、横軸が分割する時間単位の粒度、縦軸にそれぞれの時間単位粒度において生成した需要タイプ情報３０１１Ａを用いた場合の需要予測値の誤差を示している。
図１３では、分割する粒度が過小な場合の予測誤差と（１３０１）原理説明（１３０１Ａ）、最適な場合の予測誤差と（１３０２）原理説明（１３０２Ａ）、過大な場合の予測誤差と（１３０３）原理説明（１３０３Ａ）の３つの場合を例示している。
分類粒度が過小な場合、１３０１Ａに示す様に、需要実績情報４００６Ａの周期的な特徴の情報が消失するため、予測誤差が大きくなる。また分類粒度が過大な場合、１３０３Ａに示す様に、小さな周期の特徴を示す情報量よりも、大きな周期を示す特徴の情報量が大きくなるため、小さな周期の特徴の差異を捉えることができず、予測誤差が大きくなる。本実施の形態では、１３０２Ａに示す様な最適な分割粒度を決定するものであり、従って、需要予測値の誤差が最小となる。なお図１３は、説明の簡単のために時間単位の粒度にのみ言及しているが、需要家の単位においても同様である。
（１−５）本実施の形態による効果
以上のように本実施の形態によるエネルギー需要管理システム１では、計測された需要家１０ごとの過去の需要実績情報４００６Ａを元に、１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、代表的なエネルギー消費の傾向である需要パターンの生成に用いる需要パターン生成用データをそれぞれ生成し、生成した需要パターン生成用データの組のそれぞれにおいて、代表的な需要の傾向を示す需要パターンを１つ以上生成し、生成した需要パターンを生み出す需要家の属性の中から共通的に存在する属性を、需要家情報４００７Ａ、気象予報情報９００２Ａ、産業動態情報９００４Ａなどの属性となり得る情報から抽出することで、需要パターン生成用データの組ごとに１つ以上の需要タイプを生成し、生成した需要タイプを元に、販売契約予実情報４００８Ａと、気象過去情報９００１Ａや産業動態過去情報９００３Ａなどの属性となり得る情報を用いて、任意の対象日時の総契約需要の予測値を需要タイプセットごとに算出し、予測値と実際の観測値との誤差が最小である需要タイプセットを抽出し、抽出した需要タイプセットを用いて最終的な需要予測値を算出する。従って、本エネルギー需要管理システム１によれば、総契約需要の連続的な特性が短期間で変化する中での需要予測を可能とすることができる。
（２）第２の実施の形態
第２の実施形態では、需要の属性から最大デマンドが推定できることで、電気の調達量と販売量とを清算時間ごとに一致させることに代わり、事前に所定期間の最大需要を推定し、電力の長期の調達や、送電計画のために事前申請することを可能とする。
本第２の実施形態では、需要タイプを需要パターンと属性情報とで構成することに変わり、需要タイプを所定期間（例えば一ヶ月間や一週間）における、契約需要家の単位時間（例えば30分）での最大需要である最大デマンドと属性からなる情報で構成するようにする。
このとき、前述のブロック３００９の処理に代わり、周期的な特徴のセグメンテーション（部分集合への分割）に代わり、最大デマンドの値の特徴からクラスタリングのアルゴリズムを用いて部分集合への分割し、需要パターンを生成するようにする。またブロック３１０８に代わり、需要の属性から、需要パターンを推定し、これにより所定期間の最大デマンドを推定するようにする。
取引管理装置５０は、最大需要の推定（予測）の値を用いて、前記所定期間の電力の調達の計画を立てて市場運用管理装置８０に計画を実行するため電文を送付する。
（３）他の実施の形態
本実施の形態によるエネルギー需要管理システム１では、予測値算出処理において、ある過去時点と予測対象時点の契約電力容量の比率を、過去時点の需要実績値に乗算することで、予測対象時点の需要の最大値と最小値するものとして説明したが、これに限らず、例えば重回帰モデルや自己回帰モデルなどを用いた予測対象時点の需要の最大値と最小値の予測値に対して比率を乗算してもよい。これにより、需要予測精度がより高いモデルに切り替えることが可能となる。また予測対象時点の最大値もしくは最小値は、実際に観測した値を用いてもよい。また最大値と最小値に限らず、予測対象日の複数の時刻の値を用いてもよい。これにより、実際に観測した値を反映しより精度の高い需要予測が可能となる。また比率の算出において契約電力容量を用いる説明をしたが、これに限らず、契約口数に基づいて比率の算出を行ってもよい。これにより、契約口数の増減に応じた需要の最大値や最小値の予測を可能とすることが出来る。
また本実施の形態におけるエネルギー需要管理システム１では、算出する予測値をある日の３０分単位の系列として説明したが、これに限らず、例えば、日、週、月、年の最大値のみを算出し出力してもよい。これにより、必要とする任意の時間断面での予測値の出力が可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、最終的に算出する予測値を総契約需要の値として説明したが、これに限らず、任意の契約需要単で行ってもよい。これにより、ある特定のエリアや需要タイプ群のみの需要予測が可能になる。
また本実施の形態におけるエネルギー需要管理システム１では、説明の簡単のために需要タイプ生成に関わる一連の処理を一度のみ行うものとして説明したが、これに限らず、例えば日単位、週単位、月単位など所定の間隔で実行じてもよいし、需給管理者３の操作によって任意の時点で行ってもよい。これにより、経時的な需要の規模や態様の変化に伴う需要予測精度の劣化を防止することが可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、説明の簡単のために、予め契約需要と時間の粒度の組み合わせをすべて定義し、その中より予測値が最小となる組み合わせを選び出す実施例の構成として説明したが、これに限らず、例えば、最初に上記の組み合わせを一つ設定し、以降、予測値評価と組み合わせの再設定を繰り返しながら、最適な組み合わせを探索する様な最適化処理を行う構成であってもよい。これにより、エネルギー需要管理システム１が必要とする計算資源を必要十分な量に適正化することが可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、説明の簡単のために過去に観測した需要実績情報４００６Ａにのみに基づいて契約需要と時間の粒度の組み合わせを決定する実施例の構成として説明したが、これに限らず、例えば、需要実績を観測と同時に需要タイプ生成に関わる一連の処理を行う、オンラインでの処理として構成されてもよい。これにより、経時的な需要の規模や態様の変化に常に追従するような適応的な需要予測が可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、ある契約需要と時間の粒度で需要パターン生成用基礎データを抽出した後、すべてのデータを以降の処理に用いる構成として説明したが、これに限らず、例えば真夏日や機器の種別などの予め任意に設定した属性情報に基づいて需要パターン生成用基礎データをフィルタリングし、その後に以降の処理に用いてもよい。これにより、需要パターンが生まれることに対して寄与しないことが明白な属性情報の事前排除、あるいは寄与が明確な属性情報のみの使用など、エネルギー需要管理システム１の利用者の持つ事前情報を反映させることが可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、需要の最大値と最小値を算出するに際して使用した回帰式の説明変数に、それぞれ月と平均気温、および前日の需要最小値の実績値と最低気温を使用するものとして説明したが、これに限らず、例えば気温、湿度、日射量、日照時間、降水量、降雪量、風速、気圧などの気象情報の最高、最低、平均値や、前日の最大値、最小値の実績値など需要の過去値、あるいは需要家建屋内の在室人数などの需要家情報を説明変数として使用してもよい。また使用する回帰式は、１次式、２次以上の多項式、フーリエ級数、ニューラルネットワークなどの線形あるいは非線形な回帰式を用いてもよいし、ＡＲモデル、ＡＲＭＡモデル、ＡＲＩＭＡモデル、ＶＡＲモデルなどの自己回帰モデルを用いてもよい。これにより経時的な需要の規模や態様の変化に伴う中でも、最も適した需要予測のモデルを使用することが可能となる。また自己回帰モデルについて、対象とする遅れ要素とその数(次数)の決定において、過去のデータに対する自己相関あるいは偏自己相関、もしくはその両方を計算し、統計的に有意な相関を持たない遅れに対する重みをゼロとしてもよい。これにより、自己相関を持たない遅れデータによる予測精度低下を回避し、また自己回帰モデルのパラメータ推定の処理負荷を軽減することが可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、回帰式および説明変数を予め一意に設定するものとして説明したが、これに限らず、例えば、回帰式の形態、使用する説明変数の種類と数が異なる２種類以上の回帰モデルのうち、ＡＩＣなどの情報量基準に基づいて一つ選択してもよいし、同様に情報量基準に基づいて複数の回帰モデルの算出結果を重み付け平均することで、需要の最大値と最小値の算出を行ってもよい。これにより経時的な需要の規模や態様の変化に伴う中で、最も適した需要予測のモデルを自動的に選択し、変化に対する適応的な予測が可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、需要の最大値と最小値を算出する回帰式の係数を推定する際に用いた忘却型重み係数を過去日数の逆数として説明したが、これに限らず、例えば指数関数やシグモイド関数などの任意の関数に従ってもよし、例えば予測対象日と気候が反転する期間の過去実績値の重みをより小さくするといった与え方を行ってもよい。これにより、経時的な需要の規模や態様の変化を最もよく再現する重みの設定が可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、ＣＡＲＴ、ＩＤ３、ランダムフォレストなどの決定木作成アルゴリズムを用いて作成した需要タイプ情報に対して、特に加工処理等を施すことなく使用するものとして説明したが、これに限らず、例えば決定木作成アルゴリズムにより作成した決定木上の枝もしくは葉、又はその両方について、需要パターンの分類精度や、各枝の分枝条件の属性値範囲に対するはずれ値判定などに基づいて確信度を事前に評価し、予め設定した閾値でなる確信度を下回る枝もしくは葉、又はその両方については使用せず、予め１種類以上設定した属性および属性値範囲に基づいて作成した需要パターン情報および需要パターンを以って代替するなどを行ってもよい。これにより、決定木による需要パターンの識別の正答率を一定の水準に維持することが可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、需要パターン生成用単位データを部分集合に分割し需要パターンを抽出する際の分割数を、各部分集合の内部の凝集性を測る指標が最小値となる数や、各部分集合の間の分離性を測る指標値が最大となる数として説明したが、これに限らず、プロファイリング処理部が生成する決定木を用いた需要パターン識別の際の誤識別率を指標としてこれが最小となるように分割数を決定してもよいし、最終的な予測の誤差を指標としてこれが最小となるように分割数を決定してもよい。これにより、使用可能な属性情報が十分に存在しない中でも、一定の水準での需要予測が可能となる。
また本実施の形態におけるエネルギー需要管理システム１では、説明の簡単のために、表示部を省いているが、各処理部の出力結果や、各処理部の中間結果を、ディスプレイやプリンタなどの出力装置を通じて、適宜出力しても良い。
１……エネルギー需要管理システム、２……電気事業者、３……需給管理者、４……営業管理者、５……取引管理者、６……設備管理者、７……系統運用者、８……取引市場運用者、９……公共情報提供者、１０……需要家、３０……需要タイプ管理装置、３１……予測演算装置、３２……需要入出力装置、４０……販売管理装置、５０……取引管理装置、６１……設備管理装置、６２……制御装置、７０……系統情報管理装置、８０……市場運用管理装置、９０……公共情報配信装置、１１１……ネットワーク、１１２……ネットワーク。

Claims (11)

  1. エネルギー需要を予測するエネルギー需要予測システムにおいて、
    予め設定された過去期間のエネルギー需要実績情報を需要パターン生成用基礎データとして抽出する需要パターン生成用基礎データ抽出部と、
    抽出された前記需要パターン生成用基礎データに基づいて、予め１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、当該組み合わせにおける前記時間の粒度ごとのエネルギー需要をそれぞれ表す１または複数の単位データからなる需要パターン生成用データをそれぞれ生成する分類粒度調整処理部と、
    前記需要パターン生成用データごとに、当該需要パターン生成用データを構成する各前記単位データを、エネルギー需要の傾向の特徴を示す特徴量に基づいて適切な数の部分集合に分類し、前記部分集合ごとの代表的なエネルギー消費の傾向を表す需要パターンを抽出するセグメンテーション処理部と、
    前記需要パターン生成用データごとに、当該需要パターン生成用データの各前記需要パターンと、当該各前記需要パターンに共通する需要家の属性情報との組み合わせを当該需要パターン生成用データの需要タイプとして生成するプロファイリング処理部と、
    前記需要タイプごとに、予め設定された過去の日時のエネルギー需要を評価用予測値として算出する評価用予測値算出処理部と、
    前記需要タイプごとの前記評価用予測値と、前記エネルギー需要実績情報とに基づいて、前記過去の日時のエネルギー需要の推定値もしくは予測値と、当該日時の実際の観測値との誤差が最小となるように、前記契約需要の粒度と時間の粒度とを決定する評価演算部と、
    決定された前記契約需要の粒度と前記時間の粒度とに応じた前記需要タイプの情報と、任意の日時の電気の販売計画情報と、当該日時の属性情報の予測値とに基づいて、当該日時のエネルギー需要値を推定もしくは予測する最終予測値算出処理部と
    を備えることを特徴とするエネルギー需要予測システム。
  2. 前記分類粒度調整処理部は、
    抽出された前記需要パターン生成用基礎データに基づいて、予め１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、当該組み合わせにおける前記時間の粒度ごとのエネルギー需要をそれぞれ表す１または複数の単位データからなる需要パターン生成用データをそれぞれ生成し、予め設定した属性情報に基づいて、前記需要パターン生成用データから前記設定した属性情報に合致するデータを抽出し、需要パターン生成用データを生成する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  3. 前記セグメンテーション処理部は、
    前記部分集合の数を予め２つ以上設定し、各数で前記単位データを分類した場合の前記部分集合内の類似度と、部分集合間の分離度とを算出し、前記類似度と分離度の両方、もしくはいずれかの値に基づいて、前記単位データを分類する前記部分集合の数を決定する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  4. 前記セグメンテーション処理部は、
    各前記需要パターン生成用データについて、前記部分集合の数を予め２つ以上設定し、設定した前記部分集合の数ごとに、当該数に前記単位データを分類した場合における最終的な需要予測の誤差をそれぞれ算出し、算出した前記数ごとの前記誤差に基づいて、前記単位データを分類する前記部分集合の数を決定する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  5. 前記セグメンテーション処理部は、
    前記各部分集合に属する前記単位データ、もしくは各前記部分集合を代表する前記単位データを抽出し、
    前記最終予測値算出処理部は、
    抽出した前記単位データのいずれかを用いて、任意の日時のエネルギー需要値を推定もしくは予測する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  6. 前記評価用予測値算出処理部は、
    予測対象日に関する抽出した各前記部分集合に属する前記単位データ、もしくは各前記部分集合を代表する前記単位データから算出されるエネルギー需要の最大値と最小値が、別途予測もしくは観測した予測対象日の需要の最大値と最小値と一致するように調節する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  7. 前記評価用予測値算出処理部は、
    任意の過去期間の実績データに基づき、予測対象日の需要の最大値および最小値、若しくは任意の時刻の需要値を予測するための予測式の係数の推定、若しくは予測式の同定、又は係数の推定および予測式の同定において、前記予測対象日若しくは予測対象時刻と相関の高い過去期間の実績データに重きを置くように前記過去期間の実績データのそれぞれに対して予め設定した重みを付与して前記予測対象日の需要の最大値や最小値、若しくは任意の時刻の需要値を算出する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  8. 前記属性情報は、
    各前記需要家の属性を示す情報、気象情報、および産業動態情報を含む
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  9. 前記最終予測値算出処理部は、
    予め作成された前記需要タイプごとの契約締結の実績情報と計画情報を入力し、算出した需要予測値を、契約情報を管理する装置、発電設備を管理する装置、および電力取引を管理する装置、もしくはそのいずれかに送信する
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  10. 前記プロファイリング処理部は、
    前記需要タイプの情報の生成において使用する決定木に対し、決定木上の枝もしくは葉、または両方について、当該枝もしくは葉に属する需要パターンの共通属性として前記需要タイプの情報が該当することに対する確度を予め算出し、算出した前記確度と予め設定された閾値とに基づいて、枝もしくは葉または両方の使用または未使用を切り替える
    ことを特徴とする請求項１に記載のエネルギー需要予測システム。
  11. エネルギー需要を予測するエネルギー需要予測方法において、
    予め設定された過去期間のエネルギー需要実績情報を需要パターン生成用基礎データとして抽出する第１のステップと、
    抽出した前記需要パターン生成用基礎データに基づいて、予め１組以上設定された契約需要の粒度と時間の粒度との組み合わせごとに、当該組み合わせにおける前記時間の粒度ごとのエネルギー需要をそれぞれ表す１または複数の単位データからなる需要パターン生成用データをそれぞれ生成する第２のステップと、
    前記需要パターン生成用データごとに、当該需要パターン生成用データを構成する各前記単位データを、エネルギー需要の傾向の特徴を示す特徴量に基づいて適切な数の部分集合に分類し、前記部分集合ごとの代表的なエネルギー消費の傾向を表す需要パターンを抽出し、当該需要パターン生成用データの各前記需要パターンと、当該各前記需要パターンに共通する需要家の属性情報との組み合わせを当該需要パターン生成用データの需要タイプとして生成し、前記需要タイプごとに、予め設定された過去の日時のエネルギー需要を評価用予測値として算出する第３のステップと、
    前記需要タイプごとの前記評価用予測値と、前記エネルギー需要実績情報とに基づいて、前記過去の日時のエネルギー需要の推定値もしくは予測値と、当該日時の実際の観測値との誤差が最小となるように、前記契約需要の粒度と時間の粒度とを決定する第４のステップと、
    決定した前記契約需要の粒度と前記時間の粒度とに応じた前記需要タイプの情報と、任意の日時の電気の販売計画情報と、当該日時の属性情報の予測値とに基づいて、当該日時のエネルギー需要値を推定もしくは予測する第５のステップと
    を備えることを特徴とするエネルギー需要予測方法。
JP2015211260A 2015-05-21 2015-10-27 エネルギー需要予測システム及びエネルギー需要予測方法 Active JP6408451B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2016/063696 WO2016185919A1 (ja) 2015-05-21 2016-05-09 エネルギー需要予測システム及びエネルギー需要予測方法
EP16796313.1A EP3300205A4 (en) 2015-05-21 2016-05-09 Energy demand predicting system and energy demand predicting method
US15/574,187 US20180128863A1 (en) 2015-05-21 2016-05-09 Energy Demand Predicting System and Energy Demand Predicting Method
JP2018176343A JP6895416B2 (ja) 2015-05-21 2018-09-20 エネルギー需要予測システム及びエネルギー需要予測方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015104036 2015-05-21
JP2015104036 2015-05-21

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2018176343A Division JP6895416B2 (ja) 2015-05-21 2018-09-20 エネルギー需要予測システム及びエネルギー需要予測方法

Publications (2)

Publication Number Publication Date
JP2016220515A JP2016220515A (ja) 2016-12-22
JP6408451B2 true JP6408451B2 (ja) 2018-10-17

Family

ID=57581926

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2015211260A Active JP6408451B2 (ja) 2015-05-21 2015-10-27 エネルギー需要予測システム及びエネルギー需要予測方法
JP2018176343A Active JP6895416B2 (ja) 2015-05-21 2018-09-20 エネルギー需要予測システム及びエネルギー需要予測方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2018176343A Active JP6895416B2 (ja) 2015-05-21 2018-09-20 エネルギー需要予測システム及びエネルギー需要予測方法

Country Status (3)

Country Link
US (1) US20180128863A1 (ja)
EP (1) EP3300205A4 (ja)
JP (2) JP6408451B2 (ja)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170132549A1 (en) * 2015-11-10 2017-05-11 International Business Machines Corporation Automated information technology resource system
JP6876048B2 (ja) * 2015-12-18 2021-05-26 シー３．エーアイ， インコーポレイテッド エネルギー顧客の予測的セグメント化
JP6735219B2 (ja) 2016-12-05 2020-08-05 株式会社日立製作所 予測システム及び予測方法
JP7319757B2 (ja) 2016-12-05 2023-08-02 株式会社日立製作所 データ処理システム及びデータ処理方法
JP6987514B2 (ja) * 2017-03-24 2022-01-05 株式会社日立製作所 取引計画装置および取引計画方法
JP6848647B2 (ja) * 2017-04-21 2021-03-24 富士電機株式会社 需給計画計算支援装置、方法、及びプログラム
JP7098411B2 (ja) * 2018-05-17 2022-07-11 株式会社日立製作所 電力系統の需給調整監視装置
JP6476338B1 (ja) * 2018-08-28 2019-02-27 新日鉄住金エンジニアリング株式会社 電力需要予測システム、電力需要予測モデルの構築方法、プログラム、及び営業支援システム
JP7370710B2 (ja) * 2018-08-28 2023-10-30 日鉄エンジニアリング株式会社 電力需要予測システム、電力需要予測モデルの構築方法、プログラム、及び営業支援システム
CN109193624B (zh) * 2018-09-11 2021-11-26 国网天津市电力公司电力科学研究院 一种基于改进k均值聚类的负荷分类方法
JP7103134B2 (ja) * 2018-10-04 2022-07-20 富士通株式会社 出力プログラム、および出力方法
CN109492950B (zh) * 2018-12-26 2020-11-10 广东电网有限责任公司 一种基于gis技术可满足大区域范围空间饱和负荷预测方法
CN110322135A (zh) * 2019-06-26 2019-10-11 国网江苏省电力有限公司南京供电分公司 一种电网设备安全运行状态的实时监控方法及系统
JP7516023B2 (ja) * 2019-09-05 2024-07-16 株式会社日立製作所 電力調達支援方法及びシステム
CN110688620A (zh) * 2019-09-11 2020-01-14 新奥数能科技有限公司 一种短期负荷预测方法及装置
US11720526B2 (en) 2019-11-12 2023-08-08 ClearTrace Technologies, Inc. Sustainable energy tracking system utilizing blockchain technology and Merkle tree hashing structure
JP7458183B2 (ja) * 2019-12-26 2024-03-29 川崎重工業株式会社 エネルギー需要変動パターンの分類方法及びシステム
JP6902636B1 (ja) * 2020-01-28 2021-07-14 株式会社電通 予測装置、予測方法、及び予測プログラム
IT202000004717A1 (it) 2020-03-05 2021-09-05 Engled S R L Sistema e procedimento di pagamento anticipato di una domanda di energia prevista
CN111859286B (zh) * 2020-06-12 2024-01-26 美林数据技术股份有限公司 一种疫情影响下售电量精准预测方法
CN111967650A (zh) * 2020-07-21 2020-11-20 浙江中新电力工程建设有限公司 一种基于模型对比的能源消费预测系统及其预测方法
JP7446199B2 (ja) 2020-10-08 2024-03-08 大阪瓦斯株式会社 エネルギー量推定システム
CN114418602B (zh) * 2020-10-28 2024-06-04 华中科技大学 一种基于需求预测的在线零售商产品库存决策方法和系统
EP4285456A1 (en) 2021-01-29 2023-12-06 Cleartrace Technologies, Inc. Sustainable energy physical delivery tracking and verification of actual environmental impact
US11817704B2 (en) * 2021-02-23 2023-11-14 Distro Energy B.V. Transparent customizable and transferrable intelligent trading agent
CN114255544A (zh) * 2021-11-24 2022-03-29 厦门中源能链科技有限公司 一种电力计费系统同户不同表的需量计算方法
CN114580771A (zh) * 2022-03-14 2022-06-03 南方电网数字电网研究院有限公司 能源负荷混合预测方法、装置、计算机设备和存储介质
CN116542421A (zh) * 2023-04-18 2023-08-04 国网河北省电力有限公司营销服务中心 园区综合能源系统低碳调度方法及系统
CN116993029B (zh) * 2023-09-27 2023-12-12 超网实业(成都)股份有限公司 用于智慧厂务的设备能效评估方法及系统
CN117235173B (zh) * 2023-11-14 2024-02-20 睿至科技集团有限公司 一种基于数字能源的分析方法及系统
CN117829352B (zh) * 2023-12-19 2024-08-02 浙江大学 一种基于聚类算法和机器学习的工业行业能源消耗量预测方法及系统
CN117649131B (zh) * 2024-01-29 2024-06-07 广州豪特节能环保科技股份有限公司 一种基于ai的能源系统资源适配方法、系统和介质
CN118411003B (zh) * 2024-07-03 2024-09-24 国网浙江省电力有限公司杭州供电公司 多类别电力设备的负荷控制方法、系统、设备和存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09285010A (ja) * 1996-04-11 1997-10-31 Toshiba Corp 電力需要予測支援装置
JP3927040B2 (ja) * 2002-01-28 2007-06-06 株式会社日立製作所 配電系統負荷推定装置
JP4895735B2 (ja) * 2006-09-08 2012-03-14 清水建設株式会社 マイクログリッドシステムの構築方法
US20120083930A1 (en) * 2010-09-30 2012-04-05 Robert Bosch Gmbh Adaptive load management: a system for incorporating customer electrical demand information for demand and supply side energy management
JP5538288B2 (ja) * 2011-03-31 2014-07-02 三菱電機株式会社 配電系統電圧制御装置
CA2864739C (en) * 2011-11-29 2020-03-31 Energy Aware Technology Inc. Method and system for forecasting power requirements using granular metrics
US9118182B2 (en) * 2012-01-04 2015-08-25 General Electric Company Power curve correlation system
US20140229026A1 (en) * 2013-02-13 2014-08-14 Al Cabrini Prediction of future energy and demand usage using historical energy and demand usage
JP5734325B2 (ja) * 2013-02-22 2015-06-17 三菱電機株式会社 電力予測装置、設備制御システム、電力予測方法、及びプログラム
JP5930989B2 (ja) * 2013-02-28 2016-06-08 Kddi株式会社 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法
US10338622B2 (en) * 2013-06-27 2019-07-02 Panasonic Corporation Power adjustment device, power adjustment method, power adjustment system, power storage device, server, program
US20150186827A1 (en) * 2013-12-11 2015-07-02 The Board Of Trustees Of The Leland Stanford Junior University Data-driven targeting of energy programs using time-series data
JP6564264B2 (ja) * 2014-09-16 2019-08-21 積水化学工業株式会社 電力管理システム及び電力管理方法

Also Published As

Publication number Publication date
EP3300205A4 (en) 2018-08-01
JP2019022442A (ja) 2019-02-07
EP3300205A1 (en) 2018-03-28
JP6895416B2 (ja) 2021-06-30
JP2016220515A (ja) 2016-12-22
US20180128863A1 (en) 2018-05-10

Similar Documents

Publication Publication Date Title
JP6408451B2 (ja) エネルギー需要予測システム及びエネルギー需要予測方法
JP7319757B2 (ja) データ処理システム及びデータ処理方法
JP6837949B2 (ja) 予測システム及び方法
JP6742894B2 (ja) データ予測システムおよびデータ予測方法
JP2018092439A5 (ja)
US11107094B2 (en) Prediction system and prediction method
JP6831280B2 (ja) 予測システム、及び、予測方法
JP6474782B2 (ja) データ分析システム及び方法
US10740773B2 (en) Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities
Park et al. A framework for baseline load estimation in demand response: Data mining approach
US20190279239A1 (en) Power Trading Assistance Device and Market Price Prediction Information Generation Method
Huang et al. A Bayesian Network model for predicting cooling load of commercial buildings
WO2017212880A1 (ja) データ予測システムおよびデータ予測方法
Voronin et al. A hybrid electricity price forecasting model for the Nordic electricity spot market
Arjmand et al. Meta-learning in multivariate load demand forecasting with exogenous meta-features
WO2016185919A1 (ja) エネルギー需要予測システム及びエネルギー需要予測方法
Jiang et al. An optimized forecasting approach based on grey theory and Cuckoo search algorithm: a case study for electricity consumption in New South Wales
Singla et al. Load forecasting using back propagation algorithm
Haq Machine learning for load profile data analytics and short-term load forecasting
Zhao Research on E-Commerce Retail Demand Forecasting Based on SARIMA Model and K-means Clustering Algorithm
Sinitsyna et al. Identification of Electric Power Consumption Patterns in Relation to Standard Load Profiles
Inala et al. Optimal Load Prediction in a Smart Metering Network using Random Forest Algorithm
Zhao E-Commerce Demand Forecasting Using SARIMA Model and K-means Clustering Analysis
Harisandy et al. Forecasting Revenue from Electricity Sales of Household Customers using Various Methods
PETRONIO et al. On load forecasting methodology and applications.

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180119

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180612

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180810

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180821

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180920

R150 Certificate of patent or registration of utility model

Ref document number: 6408451

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150