JP6451735B2 - エネルギー量推定装置、エネルギー量推定方法、及び、エネルギー量推定プログラム - Google Patents
エネルギー量推定装置、エネルギー量推定方法、及び、エネルギー量推定プログラム Download PDFInfo
- Publication number
- JP6451735B2 JP6451735B2 JP2016509949A JP2016509949A JP6451735B2 JP 6451735 B2 JP6451735 B2 JP 6451735B2 JP 2016509949 A JP2016509949 A JP 2016509949A JP 2016509949 A JP2016509949 A JP 2016509949A JP 6451735 B2 JP6451735 B2 JP 6451735B2
- Authority
- JP
- Japan
- Prior art keywords
- energy amount
- component
- prediction
- hierarchical
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims description 82
- 238000012545 processing Methods 0.000 claims description 254
- 238000005457 optimization Methods 0.000 claims description 156
- 230000006870 function Effects 0.000 claims description 116
- 238000004364 calculation method Methods 0.000 claims description 64
- 238000009826 distribution Methods 0.000 claims description 29
- 239000000284 extract Substances 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 2
- 230000004931 aggregating effect Effects 0.000 claims 1
- 238000012905 input function Methods 0.000 claims 1
- 238000004148 unit process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 30
- 238000003860 storage Methods 0.000 description 13
- 230000014509 gene expression Effects 0.000 description 9
- 238000005338 heat storage Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 239000000203 mixture Substances 0.000 description 5
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25011—Domotique, I-O bus, home automation, building automation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40458—Grid adaptive optimization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
エネルギー量に影響を与え得る1つ以上の説明変数である予測データを入力する予測データ入力手段と、
各階層に1以上のノードが配され、第1階層に配されたノードと、下位の第2階層に配されたノードとの間に経路を有する階層構造によって隠れ変数が表され、当該階層構造の最下層におけるノードに確率モデルを表すコンポーネントが配された構造である階層隠れ構造と、前記コンポーネントを決定する場合に、当該階層隠れ構造を構成するノード間における前記経路を決定する基である門関数モデルと、前記予測データとに基づいて、前記エネルギー量の予測に用いる前記コンポーネントを決定するコンポーネント決定手段と、
前記コンポーネント決定手段が決定した前記コンポーネントと、前記予測データとに基づいて、前記エネルギー量を予測するエネルギー量予測手段と
を備える。
情報処理装置を用いて、エネルギー量に影響を与え得る1つ以上の説明変数である予測データを入力し、各階層に1以上のノードが配され、第1階層に配されたノードと、下位の第2階層に配されたノードとの間に経路を有する階層構造によって隠れ変数が表され、当該階層構造の最下層におけるノードに確率モデルを表すコンポーネントが配された構造である階層隠れ構造と、前記コンポーネントを決定する場合に、当該階層隠れ構造を構成するノード間における前記経路を決定する基である門関数モデルと、前記予測データとに基づいて、前記エネルギー量の予測に用いる前記コンポーネントを決定し、決定した前記コンポーネントと、前記予測データとに基づいて、前記エネルギー量を予測する。
図1は、本発明の第1の実施形態に係るエネルギー量予測システムが有する構成の一例を表すブロック図である。
・・・・・・・・・・・・・・・・・・・・・・・(式3)
・・・・・・・・・・・・・・・・・・(式A)
以降の説明において、S1,・・・,SK1×K2は、φkに対応する観測確率の種類を表すとする。たとえば、多変量データの生成確率の場合、S1〜SK1×K2になり得る候補は、正規分布、対数正規分布、または、指数分布等である。また、たとえば、多項曲線が出力される場合、S1〜SK1×K2になり得る候補は、0次曲線、1次曲線、2次曲線、または、3次曲線等である。
・階層隠れ構造の設定部102、
・初期化処理部103、
・階層的な隠れ変数の変分確率の計算処理部104(より詳しくは、最下層における経路隠れ変数の変分確率の計算処理部104−1と、階層設定部104−2と、上層における経路隠れ変数の変分確率の計算処理部104−3と、階層計算終了の判定処理部104−4)、
・コンポーネントの最適化処理部105、
・門関数モデルの最適化処理部106(より詳しくは、分岐ノードの情報取得部106−1と、分岐ノードの選択処理部106−2と、分岐パラメータの最適化処理部106−3と、全分岐ノードの最適化終了の判定処理部106−4)、
・最適性の判定処理部107、
・最適モデルの選択処理部108。
・階層隠れ構造の設定部102、
・初期化処理部103、
・階層的な隠れ変数の変分確率の計算処理部104(より詳しくは、最下層における経路隠れ変数の変分確率の計算処理部104−1と、階層設定部104−2と、上層における経路隠れ変数の変分確率の計算処理部104−3と、階層計算終了の判定処理部104−4)、
・コンポーネントの最適化処理部105、
・門関数モデルの最適化処理部106(より詳しくは、分岐ノードの情報取得部106−1と、分岐ノードの選択処理部106−2と、分岐パラメータの最適化処理部106−3と、全分岐ノードの最適化終了の判定処理部106−4)、
・最適性の判定処理部107、
・最適モデルの選択処理部108。
・階層隠れ構造の設定部102、
・初期化処理部103、
・階層的な隠れ変数の変分確率の計算処理部104、
・コンポーネントの最適化処理部105、
・門関数モデルの最適化処理部106、
・最適性の判定処理部107、
・最適モデルの選択処理部108。
次に、エネルギー量予測システムの第2の実施形態について説明する。本実施形態に係るエネルギー量予測システムは、たとえば、エネルギー量予測システム10と比較して、階層的な隠れ変数モデルの推定装置100が階層的な隠れ変数モデルの推定装置200に置き換わっていることが相違する。
・・・・・・・・・・・・・・・・・・・(式5)
次に、エネルギー量予測システムの第3の実施形態について説明する。本実施形態に係るエネルギー量予測システムは、たとえば、階層的な隠れ変数モデルの推定装置の構成が第2の実施形態と異なる。本実施形態の階層的な隠れ変数モデルの推定装置は、階層的な隠れ変数モデルの推定装置200と比較して、たとえば、門関数モデルの最適化処理部106が門関数モデルの最適化処理部113に置き換わったということが相違する。
次に、階層的な隠れ変数モデルの推定装置の基本構成について説明する。図17は、本発明の少なくとも1つの実施形態に係る階層的な隠れ変数モデルの推定装置の基本構成を示すブロック図である。
次に、本発明の第4の実施形態について説明する。
次に、上述した実施形態を基本とする本発明の第5の実施形態について説明する。
(理由1)第5の実施形態に係るエネルギー量推定装置2104が有する構成は、第4の実施形態に係るエネルギー量推定装置が有する構成を含む。
次に、上述した実施形態を基本とする本発明の第6の実施形態について説明する。
(コンポーネント1)0時から6時までの期間における建物Aのエネルギー量を予測可能なコンポーネント、
(コンポーネント2)6時から12時までの期間における建物Aのエネルギー量を予測可能なコンポーネント、
(コンポーネント3)12時から18時までの期間における建物Aのエネルギー量を予測可能なコンポーネント、
(コンポーネント4)18時から24時までの期間における建物Aのエネルギー量を予測可能なコンポーネント。
次に、情報生成部2204は、既設建物等ごとにパラメータを集約する。次に、情報生成部2204は、集約したパラメータを説明変数として第2学習情報を算出する。
(理由1)第6の実施形態に係るエネルギー量推定装置2205が有する構成は、第5の実施形態に係るエネルギー量推定装置が有する構成を含む。
100 階層的な隠れ変数モデルの推定装置
500 モデルデータベース
300 学習データベース
700 エネルギー量推定装置
111 入力データ
101 データ入力装置
102 階層隠れ構造の設定部
103 初期化処理部
104 階層的な隠れ変数の変分確率の計算処理部
105 コンポーネントの最適化処理部
106 門関数モデルの最適化処理部
107 最適性の判定処理部
108 最適モデルの選択処理部
109 モデルの推定結果の出力装置
112 モデルの推定結果
104−1 最下層における経路隠れ変数の変分確率の計算処理部
104−2 階層設定部
104−3 上層における経路隠れ変数の変分確率の計算処理部
104−4 階層計算終了の判定処理部
104−5 推定モデル
104−6 階層隠れ変数の変分確率
106−1 分岐ノードの情報取得部
106−2 分岐ノードの選択処理部
106−3 分岐パラメータの最適化処理部
106−4 全分岐ノードの最適化終了の判定処理部
106−6 門関数モデル
701 データ入力装置
702 モデル取得部
703 コンポーネント決定部
704 エネルギー量予測部
705 予測結果出力装置
711 入力データ
712 予測結果
200 階層的な隠れ変数モデルの推定装置
201 階層隠れ構造の最適化処理部
201−1 経路隠れ変数の和演算処理部
201−2 経路除去の判定処理部
201−3 経路除去の実行処理部
113 門関数モデルの最適化処理部
113−1 有効な分岐ノードの選別部
113−2 分岐パラメータの最適化の並列処理部
106−1 分岐ノードの情報取得部
106−2 分岐ノードの選択処理部
106−3 分岐パラメータの最適化処理部
106−4 全分岐ノードの最適化終了の判定処理部
106−6 門関数モデル
80 学習情報入力部
81 変分確率計算部
82 階層隠れ構造の設定部
83 コンポーネントの最適化処理部
84 門関数モデルの最適化部
90 予測データ入力部
91 コンポーネント決定部
92 エネルギー量予測部
93 エネルギー量推定装置
1000 コンピュータ
1001 CPU
1002 主記憶装置
1003 補助記憶装置
1004 インタフェース
2001 予測部
2002 エネルギー量推定装置
2101 予測部
2102 分類部
2103 クラスタ推定部
2104 エネルギー量推定装置
2201 分類部
2202 クラスタ推定部
2203 コンポーネント決定部
2204 情報生成部
2205 エネルギー量推定装置
2301 学習情報
2302 ノード
2303 ノード
2304 コンポーネント
2305 コンポーネント
2306 コンポーネント
2307 確率情報
2308 条件情報
2309 確率情報
2310 条件情報
Claims (11)
- エネルギー量に影響を与え得る1つ以上の説明変数である予測データを入力する予測データ入力手段と、
各階層に1以上のノードが配され、第1階層に配されたノードと、下位の第2階層に配されたノードとの間に経路を有する階層構造によって隠れ変数が表され、当該階層構造の最下層におけるノードに確率モデルを表すコンポーネントが配された構造である階層隠れ構造と、前記コンポーネントを決定する場合に、当該階層隠れ構造を構成するノード間における前記経路を決定する基である門関数モデルと、前記予測データとに基づいて、前記エネルギー量の予測に用いる前記コンポーネントを決定するコンポーネント決定手段と、
前記コンポーネント決定手段が決定した前記コンポーネントと、前記予測データとに基づいて、前記エネルギー量を予測するエネルギー量予測手段と
を備えるエネルギー量推定装置。 - 前記隠れ変数の確率分布を表す変分確率が基準を満たさない前記経路を、前記階層隠れ構造において最適化処理を実行する処理対象から除外することにより、前記階層隠れ構造を最適化する最適化手段
を備える請求項1に記載のエネルギー量推定装置。 - 前記経路において、前記階層隠れ構造から除外されていない分岐ノードを表す有効な分岐ノードを、当該階層隠れ構造におけるノードから選別する選別手段と、
前記有効な分岐ノードにおける前記隠れ変数の前記変分確率に基づいて、前記門関数モデルを最適化する並列処理手段と
を含む最適化手段を
さらに備え、
前記並列処理手段は、前記有効な分岐ノードに関する各分岐パラメータの最適化を並列に処理する
請求項2に記載のエネルギー量推定装置。 - 前記隠れ変数が2分木構造を用いて表される前記階層隠れ構造を設定する設定手段と、
各ノードにおける前記隠れ変数の確率分布を表す変分確率に基づいて、ベルヌーイ分布を基とする前記門関数モデルを最適化する最適化手段と
をさらに備える請求項1乃至請求項3のいずれかに記載のエネルギー量推定装置。 - 周辺化対数尤度を最大化するように前記隠れ変数の確率分布を表す変分確率を計算する変分確率計算手段
をさらに備える請求項1乃至請求項3のいずれかに記載のエネルギー量推定装置。 - エネルギー量を表す目的変数、及び、当該エネルギー量に影響を与え得る情報を表す1つ以上の説明変数が関連付けされた学習情報において、予測対象を表す前記説明変数を含む予測情報と類似または一致する特定の学習情報に基づき算出される、前記説明変数と前記エネルギー量との間の関係に基づき、前記予測情報に関する前記エネルギー量を予測する予測手段と、
前記学習情報が分類された複数の第1学習情報を代表する第2学習情報を、前記複数の第1学習情報からランダムに抜き出す、前記複数の第1学習情報の平均を算出する、前記複数の第1学習情報の中心を求める、または、前記複数の第1学習情報に関する確率モデルを表すコンポーネントに含まれるパラメータを集約することによって算出し、算出した前記第2学習情報を複数のクラスタに分類する分類手段と、
前記複数のクラスタの内、前記予測情報が属する特定のクラスタを選ぶクラスタ推定手段と
を備え
前記予測手段は、前記特定のクラスタに属する前記第2学習情報が表す前記第1学習情報を用いて、前記エネルギー量を予測する
エネルギー量推定装置。 - 前記クラスタ推定手段は、前記第2学習情報を表す第2説明変数と、前記複数のクラスタを識別するクラスタ識別子とが関連付けされた第3学習情報に基づき、前記第2説明変数と、前記クラスタ識別子との間において成り立つ第2関係を抽出し、前記予測情報を表す前記第2説明変数に、前記第2関係を適用することにより、前記特定のクラスタを推定する
請求項6に記載のエネルギー量推定装置。 - 各階層に1以上のノードが配され、第1階層に配されたノードと、下位の第2階層に配されたノードとの間に経路を有する階層構造によって隠れ変数が表され、当該階層構造の最下層におけるノードに確率モデルを表す前記コンポーネントが配された構造である階層隠れ構造と、前記コンポーネントを決定する場合に、当該階層隠れ構造を構成するノード間における前記経路を決定する基である門関数モデルと、前記予測情報とに基づいて、前記エネルギー量の予測に用いる前記コンポーネントを決定するコンポーネント決定手段と
前記第1学習情報と、前記コンポーネントとに基づき、前記第2学習情報を算出する情報生成手段と
をさらに備え、
前記分類手段は、前記情報生成手段が算出する前記第2学習情報に基づき、前記複数のクラスタに分類する
請求項6または請求項7に記載のエネルギー量推定装置。 - 前記情報生成手段は、前記第1学習情報に関する前記コンポーネントに含まれるパラメータについて集計することにより、前記第2学習情報を算出する
請求項8に記載のエネルギー量推定装置。 - 情報処理装置を用いて、エネルギー量に影響を与え得る1つ以上の説明変数である予測データを入力し、各階層に1以上のノードが配され、第1階層に配されたノードと、下位の第2階層に配されたノードとの間に経路を有する階層構造によって隠れ変数が表され、当該階層構造の最下層におけるノードに確率モデルを表すコンポーネントが配された構造である階層隠れ構造と、前記コンポーネントを決定する場合に、当該階層隠れ構造を構成するノード間における前記経路を決定する基である門関数モデルと、前記予測データとに基づいて、前記エネルギー量の予測に用いる前記コンポーネントを決定し、決定した前記コンポーネントと、前記予測データとに基づいて、前記エネルギー量を予測するエネルギー量推定方法。
- エネルギー量に影響を与え得る1つ以上の説明変数である予測データを入力する予測データ入力機能と、
各階層に1以上のノードが配され、第1階層に配されたノードと、下位の第2階層に配されたノードとの間に経路を有する階層構造によって隠れ変数が表され、当該階層構造の最下層におけるノードに確率モデルを表すコンポーネントが配された構造である階層隠れ構造と、前記コンポーネントを決定する場合に、当該階層隠れ構造を構成するノード間における前記経路を決定する基である門関数モデルと、前記予測データとに基づいて、前記エネルギー量の予測に用いる前記コンポーネントを決定するコンポーネント決定機能と、
決定された前記コンポーネントと、前記予測データとに基づいて、前記エネルギー量を予測するエネルギー量予測機能と
をコンピュータに実現させるエネルギー量推定プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461971592P | 2014-03-28 | 2014-03-28 | |
US61/971,592 | 2014-03-28 | ||
PCT/JP2015/001022 WO2015145978A1 (ja) | 2014-03-28 | 2015-02-27 | エネルギー量推定装置、エネルギー量推定方法、及び、記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015145978A1 JPWO2015145978A1 (ja) | 2017-04-13 |
JP6451735B2 true JP6451735B2 (ja) | 2019-01-16 |
Family
ID=54194534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016509949A Active JP6451735B2 (ja) | 2014-03-28 | 2015-02-27 | エネルギー量推定装置、エネルギー量推定方法、及び、エネルギー量推定プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170075372A1 (ja) |
JP (1) | JP6451735B2 (ja) |
WO (1) | WO2015145978A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170122773A1 (en) * | 2015-10-30 | 2017-05-04 | Global Design Corporation Ltd. | Resource Consumption Monitoring System, Platform and Method |
CN107394820B (zh) * | 2017-08-25 | 2020-02-18 | 河海大学 | 一种求取可控光伏系统出力概率模型的方法 |
KR102084920B1 (ko) * | 2019-04-19 | 2020-03-05 | 한국전력공사 | 근린생활시설 영업시간 예측 장치 및 방법 |
CN110175386B (zh) * | 2019-05-21 | 2022-11-25 | 陕西科技大学 | 变电站电气设备温度预测方法 |
WO2024095305A1 (ja) * | 2022-10-31 | 2024-05-10 | 日本電気株式会社 | 支援装置、支援方法、および支援プログラム |
WO2024095304A1 (ja) * | 2022-10-31 | 2024-05-10 | 日本電気株式会社 | 支援装置、支援方法、および支援プログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11175504A (ja) * | 1997-12-08 | 1999-07-02 | Takashi Matsumoto | エネルギー消費予測方法 |
JP2006079426A (ja) * | 2004-09-10 | 2006-03-23 | Shimizu Corp | エネルギー消費量診断装置及びエネルギー消費量診断方法 |
US8219505B2 (en) * | 2007-08-15 | 2012-07-10 | Constellation Energy Group, Inc. | Energy usage prediction and control system and method |
JP5016704B2 (ja) * | 2010-05-31 | 2012-09-05 | 株式会社エナリス | 電力需要管理装置、および電力需要管理システム |
JP2012018521A (ja) * | 2010-07-07 | 2012-01-26 | Hitachi Building Systems Co Ltd | エネルギー管理システム |
US20130124436A1 (en) * | 2011-11-15 | 2013-05-16 | Fujitsu Limited | Profiling Energy Consumption |
US9118182B2 (en) * | 2012-01-04 | 2015-08-25 | General Electric Company | Power curve correlation system |
US9043261B2 (en) * | 2012-05-31 | 2015-05-26 | Nec Corporation | Latent variable model estimation apparatus, and method |
-
2015
- 2015-02-27 WO PCT/JP2015/001022 patent/WO2015145978A1/ja active Application Filing
- 2015-02-27 JP JP2016509949A patent/JP6451735B2/ja active Active
- 2015-02-27 US US15/125,394 patent/US20170075372A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JPWO2015145978A1 (ja) | 2017-04-13 |
US20170075372A1 (en) | 2017-03-16 |
WO2015145978A1 (ja) | 2015-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6451735B2 (ja) | エネルギー量推定装置、エネルギー量推定方法、及び、エネルギー量推定プログラム | |
JP6525002B2 (ja) | メンテナンス時期決定装置、劣化予測システム、劣化予測方法および記録媒体 | |
JP6344395B2 (ja) | 払出量予測装置、払出量予測方法、プログラム、及び、払出量予測システム | |
Dudziak et al. | Brp-nas: Prediction-based nas using gcns | |
CN104969216B (zh) | 分级潜在变量模型估计设备 | |
CN109657805B (zh) | 超参数确定方法、装置、电子设备及计算机可读介质 | |
JP6620422B2 (ja) | 設定方法、設定プログラム、及び設定装置 | |
WO2015040789A1 (ja) | 商品推薦装置、商品推薦方法、及び、記録媒体 | |
JP6344396B2 (ja) | 発注量決定装置、発注量決定方法、プログラム、及び、発注量決定システム | |
CN110969290A (zh) | 一种基于深度学习的径流概率预测方法及系统 | |
JP6451736B2 (ja) | 価格推定装置、価格推定方法、及び、価格推定プログラム | |
Alfred | A genetic-based backpropagation neural network for forecasting in time-series data | |
JP6330901B2 (ja) | 階層隠れ変数モデル推定装置、階層隠れ変数モデル推定方法、払出量予測装置、払出量予測方法、及び記録媒体 | |
JP6477703B2 (ja) | Cm計画支援システムおよび売上予測支援システム | |
CN115795131B (zh) | 基于人工智能的电子档案分类方法、装置及电子设备 | |
CN117170294B (zh) | 基于空间热环境预测的卫星热控系统的智能控制方法 | |
Liu et al. | Residual useful life prognosis of equipment based on modified hidden semi-Markov model with a co-evolutional optimization method | |
CN113743453A (zh) | 一种基于随机森林的人口数量预测方法 | |
D’Ambrosio et al. | Optimizing cellular automata through a meta-model assisted memetic algorithm | |
CN116562408A (zh) | 一种页岩气产能预测和开发方案优化方法 | |
CN117454180A (zh) | 光伏发电功率预测模型构建方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180828 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181024 |
|
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: 20181113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181126 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6451735 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |