JP6474782B2 - データ分析システム及び方法 - Google Patents

データ分析システム及び方法 Download PDF

Info

Publication number
JP6474782B2
JP6474782B2 JP2016506204A JP2016506204A JP6474782B2 JP 6474782 B2 JP6474782 B2 JP 6474782B2 JP 2016506204 A JP2016506204 A JP 2016506204A JP 2016506204 A JP2016506204 A JP 2016506204A JP 6474782 B2 JP6474782 B2 JP 6474782B2
Authority
JP
Japan
Prior art keywords
clusters
cluster
data
data analysis
consumer
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
JP2016506204A
Other languages
English (en)
Other versions
JPWO2015133635A1 (ja
Inventor
渡辺　徹
徹 渡辺
光一朗 飯島
光一朗 飯島
悠 池本
悠 池本
陽一郎 守田
陽一郎 守田
光佳 近藤
光佳 近藤
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
Publication of JPWO2015133635A1 publication Critical patent/JPWO2015133635A1/ja
Application granted granted Critical
Publication of JP6474782B2 publication Critical patent/JP6474782B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
    • 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)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (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)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Description

本発明は、データ分析システム及び方法に関し、例えば、エネルギー販売システムに適用して好適なものである。
従来、エネルギー事業者は、契約した需要家に対して安定して電力を供給するため、各需要家から収集した単位時間ごとの電力使用量の時系列データに基づいて電力需要を分析し、分析結果に基づいて発電量の調整や、電力取引市場からの電力の調達を行っている。
このような電力需要の分析処理に関して、例えば特許文献１には、時系列データの形状に着目した特徴量を抽出し、抽出した特徴量をもとに任意に分類すると共に、時系列データの属性と分類結果による適合度評価を行う類似度分析評価システムが開示されている。
また特許文献２には、複数の需要家を資源量の消費パターンが類似するグループに区分し、そのグループの資源の消費パターンを表した標準負荷カーブをグループごとに生成し、推定対象の需要家が属するグループを特定し、特定したグループの標準負荷カーブを用いて、推定対象の需要家に対する任意の期間内の単位時間ごとの資源消費量を推定する負荷カーブ推定システムが開示されている。
特開２００９−２７７１３６号公報 特開２００６−１１７１５号公報
ところが特許文献１に開示された類似度分析評価システムでは、時系列データの形状に着目した特徴量を複数のクラスタに分類する際、そのクラスタ数を人手により設定することとしているため、かかる特徴量を実状に応じた適切な数のクラスタに分類できない問題があった。
また特許文献２に開示された負荷カーブ推定システムにおいても、消費パターンのグループが予め設定されており、特許文献１と同様に、需要家を資源量の消費パターンを実状に応じた適切な数のグループに分類できない問題があった。
そして特許文献１及び特許文献２のように、かかる特徴量や消費パターンを実状に応じた適切な数のクラスタやグループに分類できない場合、分析結果に基づいて行われる発電量の調整や、電力取引市場からの電力の調達が実情に合致したものにならず、必要な電力量に対して過不足が発生するおそれがある。
また特許文献１及び特許文献２に開示された技術によると、時系列データや消費パターンを取得していない新規の需要家や、時系列データや消費パターンを取得できない既存の需要家を適切なクラスタやグループに分類できないという問題もある。この結果、上述と同様に、分析結果に基づいて行われる発電量の調整や、電力取引市場からの電力の調達が実情に合致したものにならず、必要な電力量に対して過不足が発生するおそれがある。
本発明は以上の点を考慮してなされたもので、実状に合致した信頼性の高い分析処理を行い得るデータ分析システム及び方法を提案しようとするものである。
かかる課題を解決するため本発明においては、データ分析システムにおいて、各需要家の単位時間ごとの電力使用量を表すロードデータをそれぞれ収集すると共に、各前記需要家の属性情報を管理するサーバ装置と、前記サーバ装置から定期的に通知される各前記需要家の前記単位時間ごとのロードデータと、各前記需要家の前記属性情報とに基づいて前記ロードデータを需要家単位で複数のクラスタに分類するデータ分析装置とを設け、前記データ分析装置が、前記需要家を当該需要家の属性情報に基づいていずれかの前記クラスタに分類するための診断決定木を生成するようにした。
また本発明においては、かかるデータ分析システムにおいて、前記データ分析装置が、クラスタ数を１乃至Ｍ（Ｍは前記需要家の数）とそれぞれ仮定した場合の各前記クラスタ内における前記ロードデータのまとまり度合いを表すクラスタ内適合度と、前記クラスタ同士の分離度合いを表すクラスタ間平均分離度とをそれぞれ算出し、算出結果に基づいて、前記ロードデータを分類する際のクラスタ数を決定するようにした。
さらに本発明においては、各需要家の単位時間ごとの電力使用量を表すロードデータをそれぞれ収集すると共に、各前記需要家の属性情報を管理するサーバ装置と、前記サーバ装置から定期的に通知される各前記需要家の前記単位時間ごとのロードデータと、各前記需要家の前記属性情報とに基づいて前記ロードデータを需要家単位で複数のクラスタに分類するデータ分析装置とをデータ分析システムにおいて実行されるデータ分析方法において、前記データ分析装置が、前記需要家を当該需要家の属性情報に基づいていずれかの前記クラスタに分類するための診断決定木を生成するようにした。
さらに本発明においては、かかるデータ分析方法において、前記データ分析装置が、クラスタ数を１乃至Ｍ（Ｍは前記需要家の数）とそれぞれ仮定した場合の各前記クラスタ内における前記ロードデータのまとまり度合いを表すクラスタ内適合度と、前記クラスタ同士の分離度合いを表すクラスタ間平均分離度とをそれぞれ算出する第１のステップと、前記データ分析装置が、算出結果に基づいて、前記ロードデータを分類する際のクラスタ数を決定する第２のステップとを設けるようにした。
本データ分析システム及びデータ分析方法によれば、ロードデータを取得していない新規の需要家やロードデータを取得できない既存の需要家についても適切なクラスタに分類することができる。
また本データ分析システム及びデータ分析方法によれば、クラスタ数を１乃至Ｍ（Ｍは前記需要家の数）とそれぞれ仮定した場合のクラスタ内適合度及びクラスタ間平均分離度をそれぞれ実際に算出し、算出結果に基づいてロードデータを分類（クラスタリング）する際のクラスタ数を決定しているため、実状に合致した適切なクラスタリングを行うことができる。
本発明によれば、実状に合致した信頼性の高い分析処理を行い得るデータ分析システム及び方法を実現できる。
本実施の形態によるエネルギー販売システムの全体構成を示すブロック図である。 データ分析装置の概略構成を示すブロック図である。 営業情報処理装置の概略構成を示すブロック図である。 データ分析機能に関連してエネルギー販売システムにおいて実行される一連の処理の流れを示すタイミングチャートである。 エネルギー事業者送付データデータベースの概略構成を示す概念図である。 クラスタ属性情報テーブルの概略構成を示す概念図である。 クラス属性情報テーブルの概略構成を示す概念図である。 ロードデータクラスタリング処理の処理手順を示すフローチャートである。 クラスタリング処理の処理手順を示すフローチャートである。 クラスタ数妥当性評価値算出処理の処理手順を示すフローチャートである。 最適クラスタ数決定処理の処理手順を示すフローチャートである。 （Ａ）〜（Ｄ）は、最適クラスタ数決定処理の説明に供する特性曲線図である。 標準ロードカーブ概形データ生成処理の処理手順を示すフローチャートである。 （Ａ）及び（Ｂ）は、診断決定木の概略構成を示す概念図である。 診断決定木生成処理の処理手順を示すフローチャートである。 第１の診断決定木生成処理の処理手順を示すフローチャートである。 第２の診断決定木生成処理の処理手順を示すフローチャートである。 ベースロード販売契約締結処理の処理手順を示すフローチャートである。 ベースロード販売契約締結処理の説明に供する概念図である。 （Ａ）及び（Ｂ）は、未契約需要家リスト提示処理の説明に供する概念図である。 未契約需要家リスト提示処理の処理手順を示すフローチャートである。
以下図面について、本発明の一実施の形態を詳述する。
（１）本実施の形態による電力需要分析システムの構成
図１において、１は全体として本実施の形態によるエネルギー販売システムを示す。このエネルギー販売システム１は、エネルギー事業者２のメータデータ収集サーバ３、需要家向け情報提供サーバ４、営業情報処理装置５、取引商品情報処理装置６及びコーポレート情報処理装置７と、エネルギー事業者２から電力の供給を受ける各需要家８側にそれぞれ設置された設備制御端末９及び情報入出力端末１０と、分析事業者１１のデータ分析装置１２及び情報入出力端末１３とがネットワーク１４を介して接続されることにより構成されている。
需要家８側の設備制御端末９は、例えばスマートメータから構成される。設備制御端末９は、需要家８の電力使用量を計測し、計測結果をロードデータとしてエネルギー事業者２のメータデータ収集サーバ３に送信する。また各需要家８の情報入出力端末１０は、例えばブラウザが実装されたパーソナルコンピュータから構成される。この情報入出力端末１０は、需要家８がエネルギー事業者２の需要家向け情報提供サーバ４にアクセスするために利用される。
エネルギー事業者２のメータデータ収集サーバ３は、各需要家８の設備制御端末９からそれぞれ送信されるロードデータを蓄積及び管理する機能を有するサーバ装置である。メータデータ収集サーバ３は、各需要家８のロードデータと併せて、地理的位置、契約料金メニュー、系統フィーダ番号、契約受電量及び受電設備といった予め登録された各需要家８の属性情報をも管理する。そしてメータデータ収集サーバ３は、蓄積した各需要家８の属性情報及びロードデータを定期的に分析事業者１１のデータ分析装置１２に送信する。
需要家向け情報提供サーバ４は、汎用のサーバ装置から構成され、需要家８からの要求に応じて、後述のように分析事業者１１のデータ分析装置１２により推定されたその需要家８の将来の電力使用量の推移を表す電力負荷曲線（以下、これをロードカーブと呼ぶ）を提示したり、分析事業者１１のデータ分析装置１２により判定されたその需要家８に推奨される料金メニューや設備（地域冷暖房設備、ヒートポンプ式給湯器又は蓄熱式暖房機器など）等の情報を提供する。
営業情報処理装置５は、エネルギー事業者２の営業課に設置されるコンピュータ装置であり、エネルギー事業者２が分析事業者１１のデータ分析装置１２から営業に関する分析結果を取得するために利用される。また取引商品情報処理装置６は、エネルギー事業者２の発電調達課に設置されるコンピュータ装置であり、例えば卸電力取引所が提供する電力取引のためのウェブサイトにアクセスして、必要な電力の買い入札や余剰電力の売り入札を行う。またコーポレート情報処理装置７は、エネルギー事業者２の管理課に設置されるコンピュータ装置である。
分析事業者１１のデータ分析装置１２は、エネルギー事業者２のメータデータ収集サーバ３から送信される各需要家８のロードデータ及び属性情報に基づいて過去の電力需要を分析する機能を有するコンピュータ装置である。また分析事業者１１の情報入出力端末１３は、例えばブラウザが実装されたパーソナルコンピュータから構成される。この情報入出力端末１３は、分析事業者１１がデータ分析装置１２の保守を行う際などに利用される。
図２は、分析事業者のデータ分析装置１２の概略構成を示す。この図２に示すように、データ分析装置１２は、内部バス２０を介して相互に接続されたＣＰＵ（Central Processing Unit）２１、メモリ２２、記憶装置２３及び通信部２４を備えて構成される。
ＣＰＵ２１は、データ分析装置１２全体の動作制御を司るプロセッサである。またメモリ２２は、主として各種プログラムやデータを一時的に記憶するために利用される。後述するクラスタリング処理プログラム２５、標準ロードカーブ概形データ生成処理プログラム２６、診断決定木生成処理プログラム２７及び需要家データ分析処理プログラム２８もこのメモリ２２に格納されて保持される。
記憶装置２３は、例えばハードディスク装置から構成され、プログラムやデータを長期間保持するために利用される。後述するエネルギー事業者送付データデータベース２９やクラス及びクラスタ情報データベース３０は、この記憶装置２３に格納されて保持される。
通信部２４は、ネットワーク１４を介したエネルギー事業者２のメータデータ収集サーバ３や、需要家向け情報提供サーバ４、営業情報処理装置５、取引商品情報処理装置６又はコーポレート情報処理装置７との通信時や、情報入出力端末１３との通信時におけるプロトコル制御を行う。
一方、図３は、エネルギー事業者２の営業情報処理装置５の概略構成を示す。この図３に示すように、営業情報処理装置５は、内部バス３１を介して相互に接続されたＣＰＵ３２、メモリ３３、記憶装置３４及び通信部３５を備えて構成される。これらのＣＰＵ３２、メモリ３３、記憶装置３４及び通信部３５は、図２について上述したデータ分析装置１２のＣＰＵ２１、メモリ２２、記憶装置２３及び通信部２４と同様の機能及び構成を有するものであるため、これらの説明は省略する。なお、営業情報処理装置５のメモリ３３には、後述する未契約需要家リスト作成プログラム３６及び契約締結処理プログラム３７が格納される。
（２）本エネルギー販売システムにおけるデータ分析処理の流れ
次に、分析事業者１１のデータ分析装置１２に搭載されたデータ分析機能について説明する。本実施の形態の場合、データ分析装置１２には、エネルギー事業者２のメータデータ収集サーバ３に蓄積された各需要家８のロードデータ及び属性情報に基づいて過去の電力需要を分析し、エネルギー事業者２や各需要家８に有益な情報を生成して、生成した情報をエネルギー事業者２に提供するデータ分析機能が搭載されている。
図４は、このようなデータ分析機能に関連して本エネルギー販売システム１において実行される一連の処理の流れを示す。本エネルギー販売システム１では、各需要家８の設備制御端末９（図１）がそれぞれ定期的に単位時間（例えば30分）ごとの電力使用量を表すロードデータをエネルギー事業者２のメータデータ収集サーバ３（図１）に送信する（ＳＰ１）。またメータデータ収集サーバ３は、記憶保持している各需要家８のロードデータのうちの所定期間（例えば１年であり、以下、これを分析期間と呼ぶ）分のロードデータと、これら需要家８の属性情報とを定期的に分析事業者１１のデータ分析装置１２に送信する（ＳＰ２）。
データ分析装置１２は、メータデータ収集サーバ３から需要家８ごとのロードデータ及び属性情報が与えられると、これらロードデータを需要家単位で複数のクラスタに分類するロードデータクラスタリング処理を実行する（ＳＰ３）。これにより各需要家８も、それぞれ対応するロードデータが属するクラスタと対応付けられたグループ（以下、これを需要家クラスと呼ぶ）に分類される。またデータ分析装置１２は、この後、クラスタごとに、そのクラスタに対応する需要家クラスに属する需要家８の標準的な分析期間内の電力使用量の推移を表すロードカーブ（以下、これを標準ロードカーブと呼ぶ）を表す概形データを生成する（ＳＰ４）。なお、ロードデータが平均０、分散１の値をとるように正規化の処理をロードデータクラスタリングの処理の前に実行しても良い。このようにすることで、需要家の受電量の大きさに関わらず、それぞれ相似形をなすロードカーブが属するクラスタと対応付けられた需要家のグループを得ることができる。例えば、夕の特定の時間帯に受電量が増える需要家のグループを得ることができる。
続いて、データ分析装置１２は、ステップＳＰ２で取得した各需要家８のロードデータ及び属性情報に基づいて、需要家８ごとの電力使用状況を分析する需要家データ分析処理を実行する（ＳＰ５）。具体的に、データ分析装置１２は、分析期間内の電力使用量の推移を表すロードカーブの概形データを需要家８ごとに生成し、これら生成した概形データをそれぞれ対応する需要家８の将来の電力使用量の推定値としてエネルギー事業者２の需要家向け情報提供サーバ４に送信する。またデータ分析装置１２は、上述のように生成した需要家８ごとの分析期間内のロードカーブの概形データに基づいて、推奨する料金メニューや設備を需要家８ごとに判定したり、他の分析処理を実行し、これらの判定結果や分析結果をエネルギー事業者２の需要家向け情報提供サーバ４に送信する。
この際、データ分析装置１２は、ステップＳＰ２で取得した各需要家８のロードデータ及び属性情報に基づいて、需要家８ごとに、かかる分析期間内における総電力使用量や、計画停電時などのエネルギー事業者２の電力供給逼迫時における電力使用量、及び、気温に対する使用電力の伸び量などの付帯情報を算出し、算出した需要家８ごとの付帯情報を統計情報として図７について後述するクラス属性情報テーブル３０Ｂ（図７）に格納する。
この後、データ分析装置１２は、ステップＳＰ２で取得した需要家８ごとの属性情報と、ステップＳＰ３のロードデータクラスタリング処理の処理結果とに基づいて、ロードデータを取得していない新たな需要家８や、設備制御端末９（図１）が設置されていないためにロードデータを取得できない既存の需要家８（以下、これらの需要家８をまとめて新たな需要家８と呼ぶ）をいずれかの需要家クラスに分類するための図１４に示すような診断決定木を生成する（ＳＰ６）。なお本実施の形態の場合、後述のようにこれらの診断決定木を作成するためのアルゴリズムとしてＩＤ３（Iterative Dichotomiser 3）を用いることとしているが、ＩＤ３以外のアルゴリズムを適用することもできる。診断決定木の詳細については、後述する。
一方、データ分析装置１２は、この後、メータデータ収集サーバ３から新たな需要家８の属性情報が送信されてくると（ＳＰ７）、ステップＳＰ６で作成した診断決定木を用いてその新たな需要家８がいずれの需要家クラスに属するかを診断（正確には、その新たな需要家８のロードデータがいずれのクラスタに属するかを推定）する（ＳＰ８）。
そしてデータ分析装置１２は、その新たな需要家８が属すると診断した需要家クラスに対応する上述の標準ロードカーブの概形データをその新たな需要家８の将来の電力使用量の推定結果としてエネルギー事業者２の需要家向け情報提供サーバ４に送信する。またデータ分析装置１２は、かかる標準ロードカーブの概形データに基づいて、その新たな需要家８に推奨する料金メニューや設備を判定すると共に、他の分析処理を実行し、これらの判定結果や分析結果をエネルギー事業者２の需要家向け情報提供サーバ４に送信する。さらにデータ分析装置１２は、その新たな需要家８の付帯情報についても推定し、推定した付帯情報を統計情報として後述のクラス属性情報テーブル３０Ｂ（図７）に格納する（ＳＰ９）。
かくして、エネルギー事業者２の需要家向け情報提供サーバ４は、この後、既存の又は新たな需要家８が自己の情報入出力端末１０（図１）を用いてエネルギー事業者２の需要家向け情報提供サーバ４にアクセスし、その需要家８に関する情報の提供を要求した場合に（ＳＰ１０）、ステップＳＰ５又はステップＳＰ９においてデータ分析装置１２から与えられたその需要家８の標準ロードカーブの概形データに基づき得られるロードカーブを将来の電力使用量の推定結果として表示したり、データ分析装置１２により判定された推奨する料金メニュー及び設備などの情報をその需要家８に提供する（ＳＰ１１）。
一方、ステップＳＰ１１において推奨する料金メニュー及び設備などの情報を取得した需要家８がこの情報に基づいて、例えば推奨される料金メニューの契約締結を要求する操作を行った場合や、エネルギー事業者２と未契約の新たな需要家８が自己の情報入出力端末を操作して、そのエネルギー事業者２と新たなエネルギー販売契約の締結を申し込んだ場合、その要求がその情報入出力端末からエネルギー事業者２の営業情報処理装置５に送信される（ＳＰ１２）。
そしてエネルギー事業者２の営業情報処理装置５は、この要求に応じて、既存の需要家８については、要求された料金メニューでの新たなエネルギー販売契約を締結するための処理を行い、未契約の新たな需要家８については、要求されたエネルギー販売契約を締結するための必要な処理を実行する（ＳＰ１３）。
以上のようなデータ分析機能に基づくステップＳＰ３〜ステップＳＰ６、ステップＳＰ８及びステップＳＰ９の処理をデータ分析装置１２が実行するための手段として、データ分析装置１２のメモリ２２（図２）には、図２に示すように、クラスタリング処理プログラム２５、標準ロードカーブ概形データ生成処理プログラム２６、診断決定木生成処理プログラム２７及び需要家データ分析処理プログラム２８が格納され、データ分析装置１２の記憶装置２３には、エネルギー事業者送付データデータベース２９、並びに、クラス及びクラスタ情報データベース３０が格納されている。
クラスタリング処理プログラム２５は、エネルギー事業者２のメータデータ収集サーバ３から定期的に送信される需要家８ごとのロードデータを需要家単位で複数のクラスタに分類する機能を有するプログラムである。また標準ロードカーブ概形データ生成処理プログラム２６は、クラスタリング処理プログラム２５の処理結果に基づいて、各クラスタの標準ロードカーブの概形データをそれぞれ生成する機能を有するプログラムであり、診断決定木生成処理プログラム２７は、クラスタリング処理プログラム２５の処理結果に基づいて、上述の診断決定木（図１４）を生成する機能を有するプログラムである。
さらに需要家データ分析処理プログラム２８は、エネルギー事業者２のメータデータ収集サーバ３から定期的に与えられる既存の需要家８のロードデータ及び属性情報に基づいて、これら既存の需要家８の将来の電力使用量や、推奨する料金メニュー及び設備を判定したり、診断決定木生成処理プログラム２７により生成された診断決定木に基づいて新たな需要家８の需要家クラスを判定すると共に、当該新たな需要家８の将来の電力使用量や、推奨する料金メニュー及び設備を判定等する機能を有するプログラムである。
一方、エネルギー事業者送付データデータベース２９は、エネルギー事業者２のメータデータ収集サーバ３から与えられた需要家８ごとのロードデータ及び属性情報を記憶保持するために利用されるデータベースである。このエネルギー事業者送付データデータベース２９は、図５に示すように、需要家ＩＤ欄２９Ａ、項目欄２９Ｂ及び値欄２９Ｃから構成されるテーブル状の構成を有する。
そして需要家ＩＤ欄２９Ａには、各需要家８の識別番号がそれぞれ格納され、項目欄２９Ｂには、対応する需要家８のロードデータ及び属性情報の項目名（「ロードデータ」については「ロードデータ」、属性情報については「月間積算電力量」、「位置（地理）」及び「料金メニュー」など）が格納される。また値欄には、対応する需要家の対応する項目の値が格納される。
従って、図５の例の場合、「１」という識別番号の需要家８については、単位時間ごとの電力使用量（「ロードデータ」）が「100.0kW,150kW,……」であり、月間積算電力量が「10000kWh,14000kWh,……」、緯度及び北緯が「A+30.0,B+130.0」（Ａ，Ｂは所定の定数）の位置に存在し、現在の料金メニューが「深夜割引型Ａ」、系統フィーダ番号が「101」、１時間当たりの契約受電量が「500kW」、設備として「CHP:10kW」を所有し、上述のクラスタリングにより分類されたロードデータのクラスタのクラスタ番号が「170」、需要家自身の需要家クラスが「70」であることが示されている。
またクラス及びクラスタ情報データベース３０（図２）は、図６に示すクラスタ属性情報テーブル３０Ａ及び図７に示すクラス属性情報テーブル３０Ｂから構成される。
このうちクラスタ属性情報テーブル３０Ａは、図４のステップＳＰ３において各需要家８のロードデータをクラスタリング処理することにより得られた各クラスタを管理するために利用されるテーブルであり、図６に示すように、クラスタＩＤ欄３０ＡＡ、項目欄３０ＡＢ及び値欄３０ＡＣから構成される。
そしてクラスタＩＤ欄３０ＡＡには、かかるクラスタリング処理により得られた各クラスタにそれぞれ付与された識別番号が格納され、項目欄３０ＡＢには、対応するクラスタに関する各情報の項目名（「サンプル需要家数」、「サンプル需要家ＩＤリスト」、「クラスタ中心」、「総電力シェア」及び「総消費量シェア」）が格納される。また値欄３０ＡＣには、対応する需要家８の対応する項目の値が格納される。
従って、図６の場合、「１」という識別番号が付与されたクラスタについては、そのクラスタに属する需要家数が「4000」、これら需要家８のＩＤは「1,2,4,…,5780」であり、そのクラスタのクラスタ中心の座標は「[0,100,100,0,0,200,…,0]」、全需要家８の契約受電量の合計に対するそのクラスタに属する各需要家８の契約受電量の合計の割合は「10％」、全需要家８の消費電力量の合計に対するそのクラスタに属する各需要家８の消費電力量の合計の割合も「10％」であることが示されている。
またクラス属性情報テーブル３０Ｂは、需要家８が振り分けられた各需要家クラスを管理するために利用されるテーブルであり、図７に示すように、クラスＩＤ欄３０ＢＡ、項目欄３０ＢＢ及び値欄３０ＢＣから構成される。
そしてクラスＩＤ欄３０ＢＡには、各需要家クラスにそれぞれ付与された識別番号が格納され、項目欄３０ＢＢには、対応する需要家クラスに関する各情報の項目名（「標準ロードカーブ」、「クラスタ番号リスト」、「需要家ＩＤリスト」、「統計情報リスト」及び「有効省エネ投資リスト」）が格納される。また値欄３０ＢＣには、対応する需要家クラスの対応する項目の値が格納される。
従って、図７の場合、「１」という識別番号が付与された需要家クラスについては、対応するクラスタの識別番号が「１」であり、当該需要家クラスの標準ロードカーブは対応するクラスタのクラスタ中心「[0,100,100,0,0,200,…,0]」を逆フーリエ変換したものであることが示されている。また図７では、その需要家クラスに属する需要家はＩＤが「４」の需要家８のみであり、その需要家８のロードデータを分析することにより得られたその需要家クラスに属する需要家８全体の統計情報（付帯情報）として、総電力使用量が「1000」MW、計画停電時などエネルギー事業者２の給電状態が逼迫した時期の電力使用量が「5000」MW、気温に対する電力使用量の伸び量が「500」MWであり、その需要家クラスに属する需要家８に対して推奨する設備は「100kW」の「ＣＨＰ（Combined Heat Power）」で、推奨する料金メニューは「夜間型契約Ａ」であることが示されている。なお、識別番号が付与された需要家クラスについての統計情報（付帯情報）は、上記に限定されるものではなく、最終需要在庫指数、新規求人数、完全失業率、法人税収入などの、各々の景気動向指数に対する電力使用量の伸び量の情報が格納されても良い。
（３）データ分析機能に関連する各種処理
次に、上述のデータ分析機能に関連して分析業者１１のデータ分析装置１２やエネルギー事業者２の営業情報処理装置５において実行される各種処理の具体的な処理内容について説明する。なお、以下においては、適宜、各種処理の処理主体を「プログラム」として説明するが、実際上は、その「プログラム」に基づいてデータ分析装置１２のＣＰＵ２１（図２）や営業情報処理装置５のＣＰＵ３２（図３）がその処理を実行することは言うまでもない。
（３−１）ロードデータクラスタリング処理
図８は、図４について上述した一連の処理のステップＳＰ３において、分析事業者１１のデータ分析装置１２により実行される処理（以下、これをロードデータクラスタリング処理と呼ぶ）の具体的な処理内容を示す。ロードデータクラスタリング処理は、各需要家８をロードデータの概形などの特徴量が概類似している幾つかのクラスタに分類し、各クラスタを代表する情報としてクラスタ中心を算出する処理である。
データ分析装置１２は、エネルギー事業者２のメータデータ収集サーバ３から各需要家８のロードデータ及び属性情報が与えられると、この図８に示すロードデータクラスタリング処理を開始し、まず、このとき取得したロードデータを需要家単位で１〜Ｍ（Ｍは需要家８の数）個のクラスタにそれぞれ分類した場合の各クラスタのクラスタ中心の集合｛Ｃｋ :ｋ=１、２…、Ｎ｝を求める（ＳＰ２０）。
具体的に、データ分析装置１２は、k-means法により、かかるロードデータを需要家単位で１個のクラスタに分類した場合のそのクラスタのクラスタ中心集合｛Ｃ１｝、かかるロードデータを需要家単位で２個のクラスタに分類した場合の各クラスタのクラスタ中心集合｛Ｃ１、Ｃ２｝、かかるロードデータを需要家単位で３個のクラスタに分類した場合の各クラスタのクラスタ中心集合｛Ｃ１、Ｃ２、Ｃ３｝、……のように、クラスタ数Ｎを順次１〜Ｍ個に変化させながら、ロードデータを各クラスタに振り分け、そのときの各クラスタのクラスタ中心集合｛Ｃｋ｝を求める。
続いて、データ分析装置１２は、上述のクラスタリング処理の処理結果に基づいて、クラスタ数Ｎをいずれにするのが妥当かを評価するための指数（以下、これを妥当性評価値と呼ぶ）を算出するクラスタ数妥当性評価値算出処理を実行する（ＳＰ２１）。本実施の形態の場合、データ分析装置１２は、かかる妥当性評価値として、個々のクラスタ内におけるロードデータのまとまり度合いを表すクラスタ内適合度と、クラスタ同士の分離の度合いを表すクラスタ間平均分離度とを算出する。
この後、データ分析装置１２は、ステップＳＰ２１で算出したクラスタ内適合度及びクラスタ間平均分離度に基づいて、最適なクラスタ数を決定する（ＳＰ２２）。
以上の処理により、各需要家８のロードデータが需要家単位で適切なクラスタ数のクラスタに分類され、これに伴い各需要家８も適切なクラス数の需要家クラスに分類される。
（３−１−１）クラスタリング処理
図９は、図８について上述したロードデータクラスタリング処理のステップＳＰ２０において実行されるクラスタリング処理の具体的な処理内容を示す。このクラスタリング処理は、クラスタリング処理プログラム２５（図２）により実行される。
実際上、クラスタリング処理プログラム２５は、エネルギー事業者２のメータデータ収集サーバ３（図１）から各需要家８の分析期間分のロードデータ及び属性情報を受信すると、この図９に示すクラスタリング処理を開始し、まず、需要家８のクラスタ数Ｎ｛Ｎ＝１，２，……，Ｍ（Ｍは全需要家数）｝を１〜Ｍのうちいずれか１つと仮定し（ＳＰ３０）、そのときの各クラスタのクラスタ中心の集合｛Ｃｋ：ｋ＝１，２，……，Ｎ｝の初期値をそれぞれ設定する（ＳＰ３１）。この初期値は、どのような値でも良く、例えば、以前のクラスタリング処理の実行結果を適用することができる。
続いて、クラスタリング処理プログラム２５は、各需要家ｉ｛ｉ＝１，２，……，Ｍ｝の分析期間分のロードデータの特徴量Ｓｉ｛ｓｉ，１，ｓｉ，２，……ｓｉ，ｔ｝を算出する（ＳＰ３２）。本実施の形態においては、日次、週次又は年次の電力需要周期性からロードデータをクラスタリングするため、各需要家ｉの分析期間分のロードデータをそれぞれフーリエ変換した結果を、その需要家ｉの特徴量Ｓｉとする。また、上述の特徴量は各需要家ｉのロードデータの特徴を示す情報であればフーリエ変換した結果以外の情報でも良く、ロードデータの時系列データそのものでも良いし、ロードデータの平均値（平均需要量）や最大値（最大需要量）などのロードデータの統計情報を用いても良い。
次いで、クラスタリング処理プログラム２５は、ロードデータを受信した各需要家ｉの中から未処理の一人の需要家ｉを選択する（ＳＰ３３）。そしてクラスタリング処理プログラム２５は、その需要家ｉについて、ステップＳＰ３１で設定した各クラスタのクラスタ中心の集合｛Ｃｋ｝と、ステップＳＰ３２で取得したその需要家ｉのロードデータの特徴量Ｓｉとのユークリッド距離をそれぞれ算出し、最も近傍のクラスタのクラスタ集合Ｘ ｋにその需要家ｉのロードデータを振り分ける（ＳＰ３４）。
続いて、クラスタリング処理プログラム２５は、すべての需要家ｉについてステップＳＰ３４の処理を実行し終えたか否かを判定し（ＳＰ３５）、否定結果を得るとステップＳＰ３３に戻る。そしてクラスタリング処理プログラム２５は、この後、ステップＳＰ３３において選択する需要家ｉを未処理の他の需要家ｉに順次切り替えながら、ステップＳＰ３３〜ステップＳＰ３５の処理を繰り返す。
そしてクラスタリング処理プログラム２５は、やがて各需要家ｉのロードデータをそれぞれいずれかのクラスタのクラスタ集合｛Ｘｋ｝に振り分け終えると（ＳＰ３５：ＹＥＳ）、各クラスタのクラスタ中心の集合｛Ｃｋ｝を、それぞれ対応するクラスタに属する需要家ｉの集合（以下クラスタ集合と呼ぶ）｛Ｘｋ｝における特徴量の平均値Ｓｋ＿ａｖｅ＝｛Σｉ ｓｊ，１／Ｍ，Σｉ ｓｉ，２／Ｍ，Σｉ ｓｉ，３／Ｍ，……｝（但しｉ∈Ｘ ｋ）に更新する（ＳＰ３６）。
この後、クラスタリング処理プログラム２５は、少なくとも１つのクラスタのクラスタ中心の集合｛Ｃｋ｝のステップＳＰ３６における変更量が予め設定された閾値以上であるか否かを判断する（ＳＰ３７）。そしてクラスタリング処理プログラム２５は、この判断で肯定結果を得るとステップＳＰ３３に戻り、この後、ステップＳＰ３３〜ステップＳＰ３７を繰り返す。
そしてクラスタリング処理プログラム２５は、やがてすべてのクラスタのクラスタ中心Ｃｋの変更量が閾値未満となると（ＳＰ３７：ＹＥＳ）、そのときの各クラスタのクラスタ中心の集合｛Ｃｋ｝及び各クラスタのクラスタ集合｛Ｘｋ｝をメモリ２２（図２）に保存する（ＳＰ３８）。
次いで、クラスタリング処理プログラム２５は、すべてのクラスタ数ＮについてステップＳＰ３１〜ステップＳＰ３８の処理を実行し終えたか否かを判断する（ＳＰ３９）。そしてクラスタリング処理プログラム２５は、この判断で否定結果を得ると、この後、ステップＳＰ３０で選択するクラスタ数Ｎを未処理の他の値（１〜Ｍ）に変更しながらステップＳＰ３０〜ステップＳＰ３９の処理を繰り返す。
そしてクラスタリング処理プログラム２５は、やがてクラスタ数を１〜Ｍとそれぞれ仮定した場合における個々のクラスタのクラスタ中心の集合｛Ｃｋ｝及びクラスタ集合｛Ｘ ｉ｝を取得し終えると（ＳＰ３９：ＹＥＳ）、このクラスタリング処理を終了する。
（３−１−２）クラスタ数妥当性評価値算出処理
図１０は、図８について上述したロードデータクラスタリング処理のステップＳＰ２１において実行されるクラスタ数妥当性評価値算出処理の具体的な処理内容を示す。このクラスタ数妥当性評価値算出処理は、クラスタリング処理プログラム２５により実行される。クラスタ数妥当性表値算出処理は、上述したロードデータクラスタリング処理で算出したクラスタ数１〜Ｍのそれぞれのクラスタリングの結果をロードデータとクラスタ中心との距離や各クラスタ間の距離などの複数の距離指標で評価し、クラスタ数を決定する処理である。
実際上、クラスタリング処理プログラム２５は、図９について上述したクラスタリング処理を終了すると、この図１０に示すクラスタ数妥当性評価値算出処理を開始し、まず、クラスタ数Ｎとして１〜Ｍ（Ｍは全需要家数）のうちのいずれか１つを選択し（ＳＰ４０）、クラスタ数ＮがステップＳＰ４０で選択した個数と仮定した場合について、クラスタごとに、そのクラスタに属する各ロードデータの特徴量Ｓｉと、そのクラスタのクラスタ中心Ｃｋとの間の誤差（以下、これをクラスタ内誤差と呼ぶ）Ｅｋを算出する（ＳＰ４１）。具体的に、クラスタリング処理プログラム２５は、１つのクラスタのクラスタ内誤差を、そのクラスタに属する個々のロードデータの特徴量Ｓｉと、そのクラスタのクラスタ中心Ｃｋと間の距離の合計値として算出する。
続いて、クラスタリング処理プログラム２５は、ステップＳＰ４１で算出したクラスタ内誤差ＥＮに基づいて、大きすぎるクラスタ数を抑止するためのペナルティ係数をａ、特徴量次元数をＤとして、次式
によりクラスタごとのクラスタ内適合度Ｅ（Ｎ）を算出する（ＳＰ４２）。このクラスタ内適合度Ｅ（Ｎ）は、上述のようにクラスタ内における個々のロードデータのまとまり度合いを表す指標であり、クラスタ内適合度Ｅ（Ｎ）が大きいほどそのクラスタ内においてロードデータがまとまった状態にあることを表す。また、k-means法ではクラスタ数Ｎが大きければＥＮは小さくなりＮ＝Ｍ（需要家数）の場合に最小となるので、k-means法におけるパラメータ数に比例するペラルティ項ａ×Ｎ×Ｄを付加する。
次いで、クラスタリング処理プログラム２５は、クラスタ同士間をそれぞれ分離可能な境界面ｇを多クラスサポートベクターマシンでそれぞれ算出し（ＳＰ４３）、この後、各クラスタ間のマージン（距離）の合計値をＭＮとして、次式
によりクラスタ間平均分離度Ｂ（Ｎ）を算出する（ＳＰ４４）。このクラスタ間平均分離度Ｂ（Ｎ）は、上述のようにクラスタ同士の分離の度合いを表す指標であり、大きいほどクラスタ同士が分離していることを表す。また、クラスタ間平均分離度は、各クラスタ間の平均的な距離が大きければ増大する指標であればいずれでも良く、クラスタ中心の集合｛Ｃｋ｝間のそれぞれの距離の平均値を指標としても良い。
この後、クラスタリング処理プログラム２５は、すべてのクラスタ数Ｎ（１〜Ｍ）についてクラスタ内適合度Ｅ（Ｎ）及びクラスタ間平均分離度Ｂ（Ｎ）を算出し終えたか否かを判断する（ＳＰ４５）。そしてクラスタリング処理プログラム２５は、この判断で否定結果を得ると、この後、ステップＳＰ４０で選択するクラスタ数Ｎを未処理の他の値（１〜Ｍ）に変更しながらステップＳＰ４０〜ステップＳＰ４５の処理を繰り返す。
そしてクラスタリング処理プログラムは、やがてすべてのクラスタ数Ｎ（１〜Ｍ）についてクラスタ内適合度Ｅ（Ｎ）及びクラスタ間平均分離度Ｂ（Ｎ）を算出し終えると（ＳＰ４５：ＹＥＳ）、このクラスタ数妥当性評価値算出処理を終了する。
（３−１−３）最適クラスタ数決定処理
図１１は、図８について上述したロードデータクラスタリング処理のステップＳＰ２２において実行される最適クラスタ数決定処理の具体的な処理内容を示す。この最適クラスタ数決定処理も、クラスタリング処理プログラム２５により実行される。
実際上、クラスタリング処理プログラム２５は、図１０について上述したクラスタ数妥当性評価値算出処理を終了すると、この図１１に示す最適クラスタ数決定処理を開始し、まず、クラスタ数妥当性評価値算出処理において算出したクラスタ数Ｎを１〜Ｍと仮定した場合の各クラスタ内適合度Ｅ（Ｎ）の値に基づいて、図１２（Ａ）に示すように、クラスタ数の変化量に対するクラスタ内適合度Ｅ（Ｎ）の変化量の割合が予め設定された第１の閾値以下となる最小のクラスタ数を適合度最適クラスタ数ＣＬ１として算出する（ＳＰ５０）。
続いて、クラスタリング処理プログラム２５は、クラスタ数妥当性評価値算出処理において算出したクラスタ数Ｎを１〜Ｍとした場合の各クラスタ間平均分離度Ｂ（Ｎ）の値に基づいて、図１２（Ａ）に示すように、クラスタ数の変化量に対する当該クラスタ間平均分離度Ｂ（Ｎ）の変化量の割合が予め設定された第２の閾値以下となる最小のクラスタ数を分離度最適クラスタ数ＣＬ２として算出する（ＳＰ５１）。
ここで、適合度最適クラスタ数ＣＬ１及び分離度最適クラスタ数ＣＬ２のいずれよりも小さい値を今回のクラスタ数として決定した場合、個々のクラスタにおけるロードデータのまとまり度合いも小さく、かつクラスタ同士の分離度も小さいため、図１２（Ｂ）に示すように、各クラスタの標準ロードカーブの概形とクラスタに属する需要家のロードカーブとの差異が大きくなり過ぎる。
また適合度最適クラスタ数ＣＬ１及び分離度最適クラスタ数ＣＬ２のいずれよりも大きい値を今回のクラスタ数として決定した場合、個々のクラスタにおけるロードデータのまとまり度合いは小さく、かつクラスタ同士の分離度も小さいため、図１２（Ｄ）に示すように、各クラスタの標準ロードカーブの概形の差異が小さく、各クラスタにそれぞれ対応するクラスに属する需要家８の電力使用パターンの特徴（平日日中使用型、夜間使用型、又は、特定時期使用型など）を抽出し難い。
これに対して、適合度最適クラスタ数ＣＬ１及び分離度最適クラスタ数ＣＬ２間のいずれかのクラス数を今回のクラスタ数として決定した場合、個々のクラスタにおけるロードデータのまとまり度合い及びクラスタ同士の分離度が適切となるため、図１２（Ｃ）に示すように、各クラスタの標準ロードカーブの概形の差異が適切であり、各クラスタにそれぞれ対応するクラスに属する需要家の電力使用パターンの特徴を抽出し易い。
そこでクラスタリング処理プログラム２５は、この後、ステップＳＰ５０で算出した適合度最適クラスタ数ＣＬ１と、ステップＳＰ５１で算出した分離度最適クラスタ数ＣＬ２との間のクラスタ数の中から１つのクラスタ数を今回のクラスタ数として決定する（ＳＰ５２）。
具体的に、クラスタリング処理プログラム２５は、適合度最適クラスタ数ＣＬ１及び分離度最適クラスタ数ＣＬ２間に少なくとも１つのクラスタ数が存在する場合には、その中央値に最も近いクラスタ数又はその中からランダムに選択したクラスタ数を今回のクラスタ数として決定する。またクラスタリング処理プログラム２５は、適合度最適クラスタ数ＣＬ１及び分離度最適クラスタ数ＣＬ２間に１つのクラスタ数も存在しない場合には、適合度最適クラスタ数ＣＬ１及び分離度最適クラスタ数ＣＬ２のうちの任意の又は予め定められたいずれか一方を今回のクラスタ数として決定する。
次いで、クラスタリング処理プログラム２５は、ステップＳＰ５２の決定結果に基づいてクラスタ属性情報テーブル３０Ａ（図６）及びクラス属性情報テーブル３０Ｂをそれぞれ作成し（ＳＰ５３）、この後、このクラスタ数決定処理を終了する。
（３−２）標準ロードカーブ概形データ生成処理
図１３は、図４について上述した一連の処理のステップＳＰ４においてデータ分析装置１２により実行される標準ロードカーブ概形データ生成処理の具体的な処理内容を示す。この標準ロードカーブ概形データ生成処理は、標準ロードカーブ概形データ生成処理プログラム２６（図２）により実行される。
実際上、標準ロードカーブ概形データ生成処理プログラム２６は、クラスタリング処理プログラム２５が図８〜図１２について上述したロードデータクラスタリング処理を終了すると、この図１３に示す標準ロードカーブ概形データ生成処理を開始し、まず、上述の最適クラスタ数決定処理（図１１）において決定されたクラスタ数の各クラスタの中から１つのクラスタを選択する（ＳＰ６０）。
続いて、標準ロードカーブ概形データ生成処理プログラム２６は、ステップＳＰ６０で選択したクラスタについての標準ロードカーブの概形データを生成する（ＳＰ６１）。具体的に、標準ロードカーブ概形データ生成処理プログラム２６は、ステップＳＰ６０で選択したクラスタのクラスタ中心をクラスタ属性情報テーブル３０Ａ（図６）から取得する。必要であれば、そのクラスタ中心をクラスタに属する需要家８のロードカーブとの誤差や最大値により補正することにより、そのクラスタの標準ロードカーブの概形データを生成する。標準ロードカーブの補正は、例えば、最大需要量を必要とする場合には、クラスタに属する需要家のロードカーブの中でクラスタ中心からの超過量（上方向の誤差）が大きいものを選んでその超過量をクラスタ中心に加算しても良いし、クラスタに属する需要家のロードカーブの分散を標準ロードカーブの誤差として付加しても良い。
次いで、標準ロードカーブ概形データ生成処理プログラム２６は、ステップＳＰ６１で生成した標準ロードカーブの概形データをクラス属性情報テーブル３０Ｂ（図７）に格納し（ＳＰ６２）、この後、すべてのクラスタについて標準ロードカーブの概形データを生成し終えたか否かを判断する（ＳＰ６３）。
標準ロードカーブ概形データ生成処理プログラム２６は、この判断で否定結果を得ると、この後ステップＳＰ６０で選択するクラスタを未処理の他のクラスタに順次切り替えながら、ステップＳＰ６０〜ステップＳＰ６３の処理を繰り返す。
そして標準ロードカーブ概形データ生成処理プログラム２６は、やがてすべてのクラスタについて標準ロードカーブの概形データを生成し終えると（ＳＰ６３：ＹＥＳ）、この標準ロードカーブ概形データ生成処理を終了する。
（３−３）診断決定木生成処理
図１４は、図４について上述した一連の処理のステップＳＰ６において生成される診断決定木の概略構成を示す。診断決定木生成処理は、エネルギー事業者と分析事業者がそれぞれ保有する情報から需要家が関連するクラスタを推定するための診断決定木を統合的に生成するための処理である。この図１４に示すように、かかる診断決定木は、図１４（Ａ）に示す第１の診断決定木ＴＲ１と、図１４（Ｂ）に示す第２の診断決定木ＴＲ２とから構成される。
このうち第１の診断決定木ＴＲ１は、エネルギー事業者２のメータデータ収集サーバ３（図１）からデータ分析装置１２に提供される各需要家８の分析期間分のロードデータ及び属性情報にのみ基づいて作成される診断木である。実際上、第１の診断決定木ＴＲ１では、各ノードＮＤ１の内容がロードデータに基づき認識される需要家８の電力使用状況や、需要家８の属性情報に関するもののみとなっており、需要家８の属性情報にのみ基づいて需要家８をいずれかのクラスタに関連付け得るようになされている。
また第２の診断決定木ＴＲ２は、第１の診断決定木ＴＲ１の各リーフＬＦ１のうち、振分け先のクラスタが明確となっていない（振分け先のクラスタが１つに決定されていない）リーフＬＦ１をルートとして、当該リーフＬＦ１に振り分けられる既存の需要家８の分析期間分のロードデータを分析することにより得られた、これら需要家８の付帯情報（これら需要家８が属する需要家クラスの属性情報）に基づいて作成される診断木である。実際上、第２の診断決定木ＴＲ２では、各ノードＮＤ２の内容が需要家８の付帯情報に関するもののみとなっており、これら付帯情報に基づいて需要家をいずれかのクラスタと関連付け得るようになされている。
図１５は、このような第１及び第２の診断決定木ＴＲ１，ＴＲ２を作成するために図４について上述した一連の処理のステップＳＰ６において実行される診断決定木生成処理の具体的な処理内容を示す。この診断決定木生成処理は、診断決定木生成処理プログラム２７（図２）により実行される。
実際上、診断決定木生成処理プログラム２７は、図４について上述した一連の処理のステップＳＰ６進むと、この図１５に示す診断決定木生成処理を開始し、まず、エネルギー事業者送付データデータベース２９（図５）及びクラスタ属性情報テーブル３０Ａ（図６）を参照して、第１の診断決定木ＴＲ１を生成する（ＳＰ７０）。
続いて、診断決定木生成処理プログラム２７は、第１の診断決定木ＴＲ１において振分け先のクラスタが１つに決定されていないリーフＬＦ１が存在するか否かを判断する（ＳＰ７１）。そして診断決定木生成処理プログラム２７は、この判断で否定結果を得ると、この診断決定木生成処理を終了する。
これに対して診断決定木生成処理プログラム２７は、ステップＳＰ７１の判断で肯定結果を得ると、クラス属性情報テーブル３０Ｂを参照して、第２の診断決定木ＴＲ２を生成し（ＳＰ７２）、この後、この診断木決定処理を終了する。
図１６は、かかる診断木決定処理（図１５）のステップＳＰ７０における診断決定木生成処理プログラム２７の具体的な処理内容を示す。診断決定木生成処理プログラム２７は、診断木決定処理のステップＳＰ７０に進むと、この図１６に示す第１の診断決定木作成処理を開始し、まず、上述のクラスタリング処理、及び、最適クラスタ数決定処理で決定したクラスタ情報｛Ｘｋ｝と、それぞれの需要家の属性項目｛Ａｉ｝を取得し（ＳＰ８０）、生成しようとする診断決定木のルート（最上位のノード）から処理を開始する（ＳＰ８１）。
続いて、診断決定木生成処理プログラム２７は、ステップＳＰ８０で取得した属性項目｛Ａｉ｝が空集合であるか否かを判断する（ＳＰ８２）。そして診断決定木生成処理プログラム２７は、この判断で否定結果を得ると、そのノードをリーフ（末端のノード）とした後ステップＳＰ９２に進む（ＳＰ８３）。
これに対して診断決定木生成処理プログラム２７は、ステップＳＰ８２の判断で否定結果を得ると、現在のクラスタ情報に含まれる全需要家におけるクラスタの平均情報量Ｈ（｛Ｘｋ｝）を次式
により算出する（ＳＰ８４）。ただし、｜Ｘｋ｜はクラスタｋに含まれる需要家数とする。
クラスタの平均情報量Ｈ（｛Ｘｋ｝）は、入力された需要家８について属するクラスタにばらつきが大きければ大きく、偏りが大きい場合に大きな値を取る。入力された全需要家８が１つのクラスタのみに所属している場合には０となる。
次いで、診断決定木生成処理プログラム２７は、入力された属性項目｛Ａｉ｝から、１つの属性項目Ａｉを選択し（ＳＰ８５）、選択した属性項目Ａｉに含まれる値ａｉ，１，ａｉ，２，ａｉ，３，……を属性値としてもつ需要家８の部分集合におけるクラスタ集合｛ＹＫ,ｊ｝、その需要家数｜ＹＫ,ｊ｜を算出する（ＳＰ８６）。
そして、診断決定木生成処理プログラム２７は、選択した属性項目についての情報ゲインＩＧ（Ａｉ）を次式
により算出する（ＳＰ８７）。なお情報ゲインＩＧ（Ａｉ）は、属性値ａi,1，ａi,2，ａｉ,3，……によって需要家８を部分集合に分割した場合に属するクラスタのばらつきがどの程度減少するかを表すパラメータである。
この後、診断決定木生成処理プログラム２７は、入力されたすべての属性項目｛Ａｉ｝について情報ゲインＩＧ（Ａｉ）を算出し終えたか否かを判断し（ＳＰ８８）、否定結果を得るとステップＳＰ８５に戻る。そして診断決定木生成処理プログラム２７は、この後、ステップＳＰ８５〜ステップＳＰ８８の処理を繰り返す。
そして診断決定木生成処理プログラム２７は、やがてすべての属性項目｛Ａｉ｝について情報ゲインＩＧ（Ａｉ）を算出し終えることによりステップＳＰ８８で肯定結果を得ると、上述の処理により得られた情報ゲインＩＧ（Ａｉ）の中から最も情報ゲインＩＧ（Ａ ｉ）が大きい属性項目Ａｉ ＊を診断決定木の現在のノードに設定し（ＳＰ８９）、属性項目Ａｉ ＊の属性値ａｉ ＊ ，1，ａｉ ＊ ，２，ａｉ ＊ ，３，……それぞれについて子ノードを作成する（ＳＰ９０）。
続いて、診断決定木生成処理プログラム２７は、上述の属性項目Ａｉ ＊の属性値ａｉ ＊ ，１，ａｉ ＊ ，２，ａｉ ＊ ，３，……について、当該属性値ａｉ ＊ ，ｊをもつ需要家８についてのクラスタの部分集合｛ＹＫ，ｊ｝を、対応する子ノードに対する新たなクラスタ集合｛Ｘｋ｝として記録する。また、上述の最も情報ゲインＩＧ（Ａｉ）が大きい属性項目Ａｉ ＊を除く属性項目の部分集合｛Ａｉ＼Ａｉ ＊｝を各子ノードに対する新たな属性集合｛Ａｉ｝として記録する（ＳＰ９１）。
次いで、診断決定木生成処理プログラム２７は、すべてのノードについてステップＳＰ８１〜ステップＳＰ９１の処理を実行し終えたか否かを判断し（ＳＰ９２）、否定結果を得ると、この後、ステップＳＰ８１で選択するノードを未処理の他のノードに順次切り替えながらステップＳＰ８１〜ステップＳＰ９２の処理を繰り返す。
そして診断決定木生成処理プログラム２７は、やがてすべてのノードで対応する属性項目Ａｉ ＊を決定等することによりステップＳＰ９２で肯定結果を得ると、この第１の診断決定木生成処理を終了する。
一方、図１７は、図１５について上述した診断木決定処理（図１５）のステップＳＰ７１における診断決定木生成処理プログラム２７の具体的な処理内容を示す。この図１７に示す第２の診断決定木生成処理は、図１６で生成した診断決定木ＴＲ１の各リーフＬＦ１のうち、振分け先のクラスタが明確となっていない（振分け先のクラスタが１つに決定されていない）リーフＬＦ１について、需要家８の付帯情報を属性項目｛Ｂｉ｝として第２の診断決定木ＴＲ２（図１４（Ｂ））を作成する際に診断決定木生成処理プログラム２７により実行される。この第２の診断決定木生成処理の処理内容は、付帯情報を入力項目とすること以外は図１６について上述した第１の診断決定木生成処理と同様であるため、その詳細説明は省略する。
なお図１６について上述した第１の診断決定木生成処理及び図１７について上述した第２の診断決定木生成処理はＩＤ３をベースとしたが、クラスタを診断可能な決定木を生成する方法であればいずれの方法でも良く、また、第１及び第２の診断決定木ＴＲ１，ＴＲ２の生成方法は同一でなくても良い。
（３−４）ベースロード販売契約締結処理
図１８は、図４について上述した一連の処理のステップＳＰ１３において、エネルギー販売契約が未契約の需要家（以下、これを未契約需要家と呼ぶ）８から使用電力のうちのベースロード部分のエネルギー販売契約の申込みを受けた営業情報処理装置５（図３）により実行されるベースロード販売契約締結処理の処理内容を示す。このベースロード販売契約締結処理は、営業情報処理装置５のメモリ３３に格納された契約締結処理プログラム３７（図３）により実行される。
実際上、契約締結処理プログラム３７は、ネットワーク１４を介して未契約需要家８からのかかるエネルギー販売契約の申込みを受けると、この図１８に示すベースロード販売契約締結処理を開始し、まず、その未契約需要家８の将来の電力使用量を推定すべき旨の要求を、申込時に入力されたその未契約需要家８の属性情報と共にデータ分析装置１２に送信する。かくしてデータ分析装置１２は、この要求に応じて、その未契約需要家８の属性情報に基づいて、図１４について上述した診断決定木を用いてその未契約需要家８が属すると推定される需要家クラスを判定し、その需要家クラスの標準ロードカーブの概形データをクラス属性情報テーブル３０Ｂ（図７）から読み出し、これをその未契約需要家について推定される将来の電力使用量を表すロードカーブの概形データとして営業情報処理装置５に送信する（ＳＰ１２０）。
続いて、契約締結処理プログラム３７は、ステップＳＰ１２０で取得した未契約需要家のロードカーブの概形データに基づいて、その未契約需要家が、現在、他のエネルギー事業者と契約しているであろう受電量を推測すると共に（ＳＰ１２１）、その未契約需要家の最小の受電量（以下、これを最小受電量と呼ぶ）ｅ（図２１）を算出する（ＳＰ１２２）。他のエネルギー事業者と契約している所定期間の最大受電量（kW）と所定期間の受電電力量（kWh）を、需要家８が分析業者１１とエネルギー事業者２の処理装置に情報入出力端末１０を介して伝送するようにしても良く、また、需要家８の建物面積や受電設備台数に各々所定の係数を乗じて推測するようにしても良い。このようにすることで、正規化されたロードデータからロードカーブの概形データを得ている場合にも、所定期間の最大受電量と受電電力量の２つの値を用いて、ロードカーブの概形データから未契約需要家のロードデータを推定でき、その未契約需要家の最小受電量ｅを算出できる。
次いで、契約締結処理プログラム３７は、ステップＳＰ１２２で算出した最小受電量ｅが予め定められた閾値よりも大きいか否かを判断する（ＳＰ１２３）。そして契約締結処理プログラム３７は、この判断で否定結果を得ると、かかるエネルギー販売契約を締結しない旨のメッセージをその未契約需要家に送信した後、このベースロード販売契約締結処理を終了する。従って、この場合には、その未契約需要家との間のかかるエネルギー販売契約は締結されない。
これに対して、契約締結処理プログラム３７は、ステップＳＰ１２３の判断で肯定結果を得ると、その未契約需要家との間でかかるエネルギー販売契約を締結するための所定の処理を実行すると共に（ＳＰ１２４）、ステップＳＰ１２２で算出した最小受電量ｅの電力調達を取引商品情報処理装置６に指示し（ＳＰ１２５）、この後、このベースロード販売契約締結処理を終了する。
（４）未契約需要家リスト提示処理
次に、図４について上述した一連の処理とは別に本エネルギー販売システム１において実行される未契約需要家リスト提示処理について説明する。なお以下においては、データ分析装置１２が、予め複数存在するエネルギー事業者２のいずれかから電力供給を受けるすべて電力需要家のリスト（以下、これを全需要家リストと呼ぶ）を保持しており、その全需要家リストには、登録されたすべての電力需要家の属性情報が掲載されているものとする。
図２０（Ａ）において、実線Ｌ１で囲まれた領域はエネルギー事業者２の発電調達課により調達済みの将来のある期間における電力量を示し、破線Ｌ２で囲まれた領域は分析事業者１１のデータ分析装置１２により推定されたその期間における電力需要量を示す。なお、ここで言う「調達済みの電力量」とは、発電調達課が電力取引市場で購入予約した電力量だけでなく、エネルギー事業者２が発電施設を有する場合には、発電調達課が発電施設に指示した発電量をも含む電力量の合計値を指す。以下においても同様である。この図２０（Ａ）では、斜線が引かれた領域ＡＲ１，ＡＲ２の電力量が余剰電力量となる可能性がある。
そこで、本実施の営業情報処理装置５には、このような余剰電力量と同じ図１８（Ｂ）に示すようなパターンで電力を使用する未契約需要家を、今後、新たにエネルギー販売契約を締結すべき候補として掲載したリスト（以下、これを未契約需要家リストと呼ぶ）を提示する未契約需要家リスト提示機能が搭載されている。
図２１は、このような未契約需要家リスト提示機能に関連して営業情報処理装置５において実行される未契約需要家リスト提示処理の処理手順を示す。この未契約需要家リスト提示処理は、営業情報処理装置５のメモリ３３（図３）に格納された未契約需要家リスト作成プログラム３６により実行される。
実際上、未契約需要家リスト作成プログラム３６は、営業情報処理装置５（図１）に対する所定操作に応じてこの図２１に示す未契約需要家リスト提示処理を開始し、まず、取引商品情報処理装置６（図１）から所定期間分の調達済みの電力量を表すデータを取得し（ＳＰ１３０）、取得したデータに基づき認識される調達済みの電力量と、上述のようにデータ分析装置１２から通知されたそのエネルギー事業者２における将来の需要電力量とを比較する。
そして未契約需要家リスト作成プログラム３６は、かかる比較結果に基づいて、調達済みの電力量と、将来の需要電力量の推定値との差分を算出することにより、かかる所定期間内において発生すると予想される余剰電力量を算出する（ＳＰ１３１）。また未契約需要家リスト作成プログラム３６は、この後、上述の未契約需要家リストの作成要求（以下、これを未契約需要家リスト作成要求と呼ぶ）をステップＳＰ１３１で算出した余剰電力量のデータと共に分析業者２のデータ分析装置１２に送信する（ＳＰ１３２）。
かくして、この未契約需要家リスト作成要求を受信したデータ分析装置１２は、かかる余剰電力量の時間的変化と類似する標準ロードカーブを有する需要家クラス（以下、これを特定需要家クラスと呼ぶ）を、クラス属性情報テーブル３０Ｂ（図７）を参照して検出する。またデータ分析装置１２は、上述の全需要家リストに登録されている需要家８のうちの未契約需要家８を、図１４について上述した診断決定木を用いてそれぞれいずれかの需要家クラスに分類する。さらにデータ分析装置１２は、このとき特定需要家クラスに分類された各未契約需要家８を拡販先候補として掲載した上述の未契約需要家リストを作成し、作成した未契約需要家リストのデータ（以下、これを未契約需要家リストデータと呼ぶ）を営業情報処理装置５に送信する。また、前述のクラスタ中心の集合｛Ｃｋ :ｋ＝１，２，…，Ｎ｝のデータとk-means法を用いた識別処理により、余剰電力量の時間的変化と類似する標準ロードカーブを有する特定需要家クラスを求めるようにしても良い。
そして、この未契約需要家リストデータを受信した営業情報処理装置５の未契約需要家リスト作成プログラム３６は、当該未契約需要家リストデータに基づく未契約需要家リストを表示し（ＳＰ１３３）、この後、この未契約需要家リスト提示処理を終了する。
（５）販売電力量の積上げ
上述した一連の処理とは別に本エネルギー販売システム１において実行される販売電力量の積上げの処理を説明する。営業情報処理装置５は、生成した需要家８ごとの分析期間内のロードカーブの概形データを販売電力量として加算し、分析期間内の各時間帯で必要な発電調達量を算出し、電力調達を取引商品情報処理装置６に指示する処理を行っても良い。
（６）本実施の形態の効果
以上のように本実施の形態のエネルギー販売システム１では、図１１について上述したように、個々のクラスタ内におけるロードデータのまとまり度合いを表すクラスタ内適合度と、クラスタ同士の分離の度合いを表すクラスタ間平均分離度とに基づいて各需要家８のロードデータをクラスタリングする際のクラスタ数を決定し、決定したクラスタ数にロードデータをクラスタリングするため、各需要家８のロードデータを実状に合致したクラスタ数にクラスタリングすることができる。
かくするにつきエネルギー販売システム１によれば、需要家８を適切に複数の需要家クラスに分類することができ、この分類結果に基づいて、その後のデータ分析処理をより信頼性高く行うことができる。
また本実施の形態のエネルギー販売システム１では、需要家８の属性情報及び付帯情報に基づいて、個々の需要家８のプロファイリングの最終単位をセグメンテーション結果とする図１４のような診断決定木を作成するため、ロードデータを取得していない新規の需要家８や、設備制御端末９（図１）が設置されていないためにロードデータを取得できない既存の需要家８（新たな需要家８）についても適切なクラスタに分類することができる。
（７）本実施の形態の効果
なお上述の実施の形態においては、本発明を図１のように構成されたエネルギー販売システム１に適用するようにした場合について述べたが、本発明はこれに限らず、要は、エネルギー事業者から電力供給を受ける各需要家のロードデータ及び属性情報に基づいて種々のデータ分析を行うこの他種々の構成のデータ分析システムに広く適用することができる。
また上述の実施の形態においては、ロードデータを需要家単位で１〜Ｍ（Ｍは需要家８の数）個のクラスタにそれぞれ分類した場合の各クラスタのクラスタ中心Ｃｋを求める際の手法としてk-means法を適用するようにした場合について述べたが、本発明はこれに限らず、この他種々の手法を広く適用することができる。
本発明は、エネルギー事業者から電力供給を受ける各需要家のロードデータ及び属性情報に基づいて種々のデータ分析を行うデータ分析システムに広く適用することができる。
１……エネルギー販売システム、２……エネルギー事業者、３……メータデータ収集サーバ、４……需要家向け情報提供サーバ、５……営業情報処理装置、６……取引商品情報処理装置、７……コーポレート情報処理装置、８……需要家、９……設備制御端末、１０……情報入出力端末、１１……分析事業者、１２……データ分析装置、２１，３２……ＣＰＵ、２５……クラスタリング処理プログラム、２６……標準ロードカーブ概形データ生成処理プログラム、２７……診断決定木生成処理プログラム、２８……需要家データ分析処理プログラム、２９……エネルギー事業者送付データデータベース、３０……クラス及びクラスタ情報データベース、３０Ａ……クラスタ属性情報テーブル、３０Ｂ……クラス属性情報テーブル、３６……未契約需要家リスト作成プログラム、３７……契約締結処理プログラム、ＴＲ１，ＴＲ２……診断決定木。

Claims (38)

  1. 需要家の電力使用量に関する需要データを受信し当該需要データを分析するデータ分析装置において、
    異なる複数のクラスタ数の各々について、当該クラスタ数分のクラスタへのそれぞれの前記需要データの分類を試行する手段と、
    前記複数のクラスタ数の各々についてのクラスタ数分のクラスタにおける前記それぞれの前記需要データのまとまり度合いを表すクラスタ内適合度と、前記クラスタ同士の分離度合いを表すクラスタ間分離度との両方を用いて前記複数のクラスタ数から前記それぞれの前記需要データの分類に用いるクラスタ数を決定する手段と
    を備え、
    前記決定する手段は、
    前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に少なくとも１つのクラスタ数が存在する場合には、前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に存在するいずれかのクラスタ数を前記用いるクラスタ数として決定する
    ことを特徴とするデータ分析装置。
  2. 前記決定する手段は、
    クラスタ数の変化量に対する前記クラスタ内適合度の変化量の割合が予め設定された第１の閾値以下となる最小のクラスタ数を適合度最適クラスタ数として算出すると共に、クラスタ数の変化量に対する前記クラスタ間分離度の変化量の割合が予め設定された第２の閾値以下となる最小のクラスタ数を分離度最適クラスタ数として算出し、
    前記クラスタ内適合度に基づく最適なクラスタ数が、前記適合度最適クラスタ数であり、
    前記クラスタ間分離度に基づく最適なクラスタ数が、前記分離度最適クラスタ数である
    ことを特徴とする請求項１に記載のデータ分析装置。
  3. 前記決定する手段は、
    前記適合度最適クラスタ数及び前記分離度最適クラスタ数間にクラスタ数が存在しない場合には、前記適合度最適クラスタ数及び前記分離度最適クラスタ数のいずれか一方を前記用いるクラスタ数として決定する
    ことを特徴とする請求項２に記載のデータ分析装置。
  4. 前記需要データの属性情報に基づいていずれかの前記クラスタに当該需要データを分類するための診断決定木を生成する手段、
    を更に備えたことを特徴とする請求項１乃至３のうちのいずれか１項に記載のデータ分析装置。
  5. 前記診断決定木は、
    新たな需要データの属性情報に基づいて当該新たな需要データをいずれかの前記クラスタに関連付けるための第１の診断決定木と、
    前記第１の診断決定木のリーフのうち、該当する前記新たな需要データの振分け先の前記クラスタが明確となっていないリーフをルートとし、前記新たな需要データをいずれかの前記クラスタに関連付けるための第２の診断決定木とから構成される
    ことを特徴とする請求項４に記載のデータ分析装置。
  6. 前記需要データをそれぞれ収集するサーバ装置により収集されて前記サーバ装置から通知された、単位時間ごとの電力使用量を表す前記需要データとしてのロードデータに関して、
    当該ロードデータが分類されたクラスタについて電力使用量の推移を表す推移データを算出する手段と、
    前記電力使用量の前記推移データと、電力使用の付帯情報とを用いて、将来の電力使用量の推移を算出する手段と
    を更に備える
    ことを特徴とする請求項１乃至５のうちのいずれか１項に記載のデータ分析装置。
  7. 各時間帯の電力調達を指示する手段、
    を更に備えることを特徴とする請求項１乃至６のうちのいずれか１項に記載のデータ分析装置。
  8. 前記決定された前記用いるクラスタ数分のいずれかのクラスタのクラスタ中心を用いて、需要家のグループである需要家クラスに属する需要家の標準的な電力使用量の推移を表す標準ロードカーブを生成する手段と、
    前記生成された標準ロードカーブと、当該需要家クラスに関する統計情報とから推奨される料金メニューを提示する手段、
    を更に備えることを特徴とする請求項１乃至７のうちのいずれか１項に記載のデータ分析装置。
  9. データをそれぞれ収集するサーバ装置により収集されて前記サーバ装置から通知された未契約需要家の属性情報に基づいて、未契約需要家が属すると推定される需要家クラスを判定する手段と、
    前記決定された前記用いるクラスタ数分のいずれかのクラスタのクラスタ中心を用いて、当該判定された需要家クラスに属する需要家の標準的な電力使用量の推移を表す標準ロードカーブを生成する手段と、
    前記生成された標準ロードカーブを、当該未契約需要家について推定される将来の電力使用量を表すロードカーブのデータとして出力する手段と
    を更に備えることを特徴とする請求項１乃至８のうちのいずれか１項に記載のデータ分析装置。
  10. 需要家の電力使用量に関する需要データをそれぞれ収集するサーバ装置と、
    前記サーバ装置からそれぞれ通知される前記需要データを受信し当該需要データを分析するデータ分析装置と
    を備え、
    前記データ分析装置は、
    異なる複数のクラスタ数の各々について、当該クラスタ数分のクラスタへのそれぞれの前記需要データの分類を試行し、
    前記複数のクラスタ数の各々についてのクラスタ数分のクラスタにおける前記それぞれの前記需要データのまとまり度合いを表すクラスタ内適合度と、前記クラスタ同士の分離度合いを表すクラスタ間分離度との両方を用いて前記複数のクラスタ数から前記それぞれの前記需要データの分類に用いるクラスタ数を決定する
    ようになっており、
    前記データ分析装置は、
    前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に少なくとも１つのクラスタ数が存在する場合には、前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に存在するいずれかのクラスタ数を前記用いるクラスタ数として決定する
    ことを特徴とするデータ分析システム。
  11. 前記データ分析装置は、
    クラスタ数の変化量に対する前記クラスタ内適合度の変化量の割合が予め設定された第１の閾値以下となる最小のクラスタ数を適合度最適クラスタ数として算出すると共に、クラスタ数の変化量に対する前記クラスタ間分離度の変化量の割合が予め設定された第２の閾値以下となる最小のクラスタ数を分離度最適クラスタ数として算出し、
    前記クラスタ内適合度に基づく最適なクラスタ数が、前記適合度最適クラスタ数であり、
    前記クラスタ間分離度に基づく最適なクラスタ数が、前記分離度最適クラスタ数である
    ことを特徴とする請求項１０に記載のデータ分析システム。
  12. 前記データ分析装置は、
    前記適合度最適クラスタ数及び前記分離度最適クラスタ数間にクラスタ数が存在しない場合には、前記適合度最適クラスタ数及び前記分離度最適クラスタ数のいずれか一方を前記用いるクラスタ数として決定する
    ことを特徴とする請求項１１に記載のデータ分析システム。
  13. 前記サーバ装置は、
    需要家に対してエネルギーを供給するエネルギー事業者側に設けられ、
    前記データ分析装置は、
    過去の各前記需要家の前記需要データを分析する分析事業者側に設けられ、
    前記データ分析装置は、
    前記需要データを需要家単位で複数のクラスタに分類し、分類結果に基づいて前記エネルギー事業者の将来の電力需要を推定し、推定結果を前記エネルギー事業者に通知する
    ことを特徴とする請求項１０乃至１２のいずれか１項に記載のデータ分析システム。
  14. 前記エネルギー事業者側に設けられた需要家向け情報提供サーバを備え、
    前記データ分析装置は、
    各前記需要家の前記需要データに基づいて、将来の電力使用量を前記需要家ごとに推定し、推定結果を前記需要家向け情報提供サーバに送信し、
    前記需要家向け情報提供サーバは、
    前記需要家からの要求に応じて、当該需要家の将来の電力使用量の推移を当該需要家に提示する
    ことを特徴とする請求項１３に記載のデータ分析システム。
  15. 前記エネルギー事業者側に設けられた需要家向け情報提供サーバを備え、
    前記データ分析装置は、
    各前記需要家の前記需要データに基づいて、奨励される料金メニュー及び設備を前記需要家ごとに推定し、推定結果を前記需要家向け情報提供サーバに送信し、
    前記需要家向け情報提供サーバは、
    前記需要家からの要求に応じて、当該需要家に推奨される前記料金メニュー及び前記設備を当該需要家に提示する
    ことを特徴とする請求項１３に記載のデータ分析システム。
  16. 前記エネルギー事業者側に設けられた営業情報処理装置を備え、
    前記営業情報処理装置は、
    未契約の需要家から、当該需要家の使用電力のうちのベースロード部分についての販売契約の申し込みを受けると、当該需要家の将来の電力使用量の推定を前記データ分析装置に要求し、
    前記データ分析装置は、
    前記営業情報処理装置からの要求に応じて、当該需要家の将来の電力使用量を推定し、推定結果を前記営業情報処理装置に通知し、
    前記営業情報処理装置は、
    前記データ分析装置により推定された前記需要家の将来の電力使用量に基づいて、当該需要家の最小の受電量を算出し、算出した当該需要家の最小の受電量が閾値以下である場合には、前記販売契約を締結しない旨のメッセージを当該需要家に送信する
    ことを特徴とする請求項１３に記載のデータ分析システム。
  17. 前記エネルギー事業者側に設けられた営業情報処理装置を備え、
    前記営業情報処理装置は、
    前記データ分析装置により分析された前記エネルギー事業者における前記将来の電力需要と、前記エネルギー事業者において調達済みの電力量とに基づいて将来の余剰電力量を算出し、算出した前記余剰電力量と類似する電力使用量の未契約の需要家が掲載された未契約需要者リストの作成を前記データ分析装置に要求し、
    前記データ分析装置は、
    前記営業情報処理装置からの要求に応じて、前記未契約需要者リストを作成し、作成した前記未契約需要者リストを前記営業情報処理装置に送信する
    ことを特徴とする請求項１３に記載のデータ分析システム。
  18. 前記データ分析装置は、
    前記需要データの属性情報に基づいていずれかの前記クラスタに当該需要データを分類するための診断決定木を生成する
    ことを特徴とする請求項１０乃至１７のうちのいずれか１項に記載のデータ分析システム。
  19. 前記診断決定木は、
    新たな需要データの属性情報に基づいて当該新たな需要データをいずれかの前記クラスタに関連付けるための第１の診断決定木と、
    前記第１の診断決定木のリーフのうち、該当する前記新たな需要データの振分け先の前記クラスタが明確となっていないリーフをルートとし、前記新たな需要データをいずれかの前記クラスタに関連付けるための第２の診断決定木とから構成される
    ことを特徴とする請求項１８に記載のデータ分析システム。
  20. 前記エネルギー事業者側に設けられた取引商品情報処理装置を備え、
    前記データ分析装置は、各時間帯の電力調達を前記取引商品情報処理装置に指示する、
    ことを特徴とする請求項１３に記載のデータ分析システム。
  21. 需要家の電力使用量に関する需要データを受信し分析するデータ分析方法において、
    データ分析装置の試行する手段により、異なる複数のクラスタ数の各々について、当該クラスタ数分のクラスタへのそれぞれの前記需要データの分類を試行するステップと、
    前記データ分析装置の決定する手段により、前記複数のクラスタ数の各々についてのクラスタ数分のクラスタにおける前記それぞれの前記需要データのまとまり度合いを表すクラスタ内適合度と、前記クラスタ同士の分離度合いを表すクラスタ間分離度との両方を用いて前記複数のクラスタ数から前記それぞれの前記需要データの分類に用いるクラスタ数を決定するステップと
    を有し、
    前記決定するステップにおいて、前記データ分析装置の前記決定する手段は、
    前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に少なくとも１つのクラスタ数が存在する場合には、前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に存在するいずれかのクラスタ数を前記用いるクラスタ数として決定する
    ことを特徴とするデータ分析方法。
  22. 前記決定するステップにおいて、前記データ分析装置の前記決定する手段は、
    クラスタ数の変化量に対する前記クラスタ内適合度の変化量の割合が予め設定された第１の閾値以下となる最小のクラスタ数を適合度最適クラスタ数として算出すると共に、クラスタ数の変化量に対する前記クラスタ間分離度の変化量の割合が予め設定された第２の閾値以下となる最小のクラスタ数を分離度最適クラスタ数として算出し、
    前記クラスタ内適合度に基づく最適なクラスタ数が、前記適合度最適クラスタ数であり、
    前記クラスタ間分離度に基づく最適なクラスタ数が、前記分離度最適クラスタ数である
    ことを特徴とする請求項２１に記載のデータ分析方法。
  23. 前記決定するステップにおいて、前記データ分析装置の前記決定する手段は、
    前記適合度最適クラスタ数及び前記分離度最適クラスタ数間にクラスタ数が存在しない場合には、前記適合度最適クラスタ数及び前記分離度最適クラスタ数のいずれか一方を前記用いるクラスタ数として決定する
    ことを特徴とする請求項２１又は２２に記載のデータ分析方法。
  24. 前記データ分析装置の診断決定木を生成する手段により、前記需要データの属性情報に基づいていずれかの前記クラスタに当該データを分類するための診断決定木を生成するステップ、
    を更に有することを特徴とする請求項２１乃至２３のうちのいずれか１項に記載のデータ分析方法。
  25. 前記診断決定木は、
    新たな需要データの属性情報に基づいて当該新たな需要データをいずれかの前記クラスタに関連付けるための第１の診断決定木と、
    前記第１の診断決定木のリーフのうち、該当する前記新たな需要データの振分け先の前記クラスタが決定されていないリーフをルートとし、前記新たな需要データをいずれかの前記クラスタに関連付けるための第２の診断決定木とから構成される
    ことを特徴とする請求項２４に記載のデータ分析方法。
  26. 前記需要データをそれぞれ収集するサーバ装置により収集されて前記サーバ装置から通知された、単位時間ごとの電力使用量を表す前記需要データとしてのロードデータに関して、
    前記データ分析装置の推移データを算出する手段により、当該ロードデータが分類されたクラスタについて電力使用量の推移を表す推移データを算出するステップと、
    前記データ分析装置の推移を算出する手段により、前記電力使用量の前記推移データと、電力使用の付帯情報とを用いて、将来の電力使用量の推移を算出するステップと
    を更に有することを特徴とする請求項２１乃至２５のうちのいずれか１項に記載のデータ分析方法。
  27. 前記データ分析装置の指示する手段により、各時間帯の電力調達を指示するステップ
    を更に有することを特徴とする請求項２１乃至２６のうちのいずれか１項に記載のデータ分析方法。
  28. 前記データ分析装置の標準ロードカーブを生成する手段により、前記決定された前記用いるクラスタ数分のいずれかのクラスタのクラスタ中心を用いて、需要家のグループである需要家クラスに属する需要家の標準的な電力使用量の推移を表す標準ロードカーブを生成するステップと、
    前記データ分析装置の提示する手段により、前記生成された標準ロードカーブと、当該需要家クラスに関する統計情報とから推奨される料金メニューを提示するステップ
    を更に有することを特徴とする請求項２１乃至２７のうちのいずれか１項に記載のデータ分析方法。
  29. 前記データ分析装置の判定する手段により、前記需要データをそれぞれ収集するサーバ装置により収集されて前記サーバ装置から通知された未契約需要家の属性情報に基づいて、未契約需要家が属すると推定される需要家クラスを判定するステップと、
    前記データ分析装置の標準ロードカーブを生成する手段により、前記決定された前記用いるクラスタ数分のいずれかのクラスタのクラスタ中心を用いて、当該判定された需要家クラスに属する需要家の標準的な電力使用量の推移を表す標準ロードカーブを生成するステップと、
    前記データ分析装置の出力する手段により、前記生成された標準ロードカーブを、当該未契約需要家について推定される将来の電力使用量を表すロードカーブのデータとして出力するステップと
    を更に有することを特徴とする請求項２１乃至２８のうちのいずれか１項に記載のデータ分析方法。
  30. 需要家の電力使用量に関する需要データを受信し分析するデータ分析装置としてコンピュータが機能するために前記コンピュータに実行されるコンピュータプログラムであって、
    異なる複数のクラスタ数の各々について、当該クラスタ数分のクラスタへのそれぞれの前記需要データの分類を試行する手段と、
    前記複数のクラスタ数の各々についてのクラスタ数分のクラスタにおける前記それぞれの前記需要データのまとまり度合いを表すクラスタ内適合度と、前記クラスタ同士の分離度合いを表すクラスタ間分離度との両方を用いて前記複数のクラスタ数から前記それぞれの前記需要データの分類に用いるクラスタ数を決定する手段と
    を備えた前記データ分析装置として前記コンピュータが機能するために前記コンピュータに実行され、
    前記決定する手段は、
    前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に少なくとも１つのクラスタ数が存在する場合には、前記クラスタ内適合度に基づく最適なクラスタ数と前記クラスタ間分離度に基づく最適なクラスタ数との間に存在するいずれかのクラスタ数を前記用いるクラスタ数として決定する
    ことを特徴とするコンピュータプログラム。
  31. 前記決定する手段は、
    クラスタ数の変化量に対する前記クラスタ内適合度の変化量の割合が予め設定された第１の閾値以下となる最小のクラスタ数を適合度最適クラスタ数として算出すると共に、クラスタ数の変化量に対する前記クラスタ間分離度の変化量の割合が予め設定された第２の閾値以下となる最小のクラスタ数を分離度最適クラスタ数として算出し、
    前記クラスタ内適合度に基づく最適なクラスタ数が、前記適合度最適クラスタ数であり、
    前記クラスタ間分離度に基づく最適なクラスタ数が、前記分離度最適クラスタ数である
    ことを特徴とする請求項３０に記載のコンピュータプログラム。
  32. 前記決定する手段は、
    前記適合度最適クラスタ数及び前記分離度最適クラスタ数間にクラスタ数が存在しない場合には、前記適合度最適クラスタ数及び前記分離度最適クラスタ数のいずれか一方を前記用いるクラスタ数として決定する
    ことを特徴とする請求項３０又は３１に記載のコンピュータプログラム。
  33. 前記需要データの属性情報に基づいていずれかの前記クラスタに当該需要データを分類するための診断決定木を生成する手段、
    を更に備えた前記データ分析装置として前記コンピュータが機能するために前記コンピュータに実行されることを特徴とする請求項３０乃至３２のうちのいずれか１項に記載のコンピュータプログラム。
  34. 前記診断決定木は、
    新たな需要データの属性情報に基づいて当該新たな需要データをいずれかの前記クラスタに関連付けるための第１の診断決定木と、
    前記第１の診断決定木のリーフのうち、該当する前記新たな需要データの振分け先の前記クラスタが明確となっていないリーフをルートとし、前記新たな需要データをいずれかの前記クラスタに関連付けるための第２の診断決定木とから構成される
    ことを特徴とする請求項３３に記載のコンピュータプログラム。
  35. 前記需要データをそれぞれ収集するサーバ装置により収集されて前記サーバ装置から通知された、単位時間ごとの電力使用量を表す前記需要データとしてのロードデータに関して、
    当該ロードデータが分類されたクラスタについて電力使用量の推移を表す推移データを算出する手段と、
    前記電力使用量の前記推移データと、電力使用の付帯情報とを用いて、将来の電力使用量の推移を算出する手段と
    を更に備えた前記データ分析装置として前記コンピュータが機能するために前記コンピュータに実行させることを特徴とする請求項３０乃至３４のうちのいずれか１項に記載のコンピュータプログラム。
  36. 各時間帯の電力調達を指示する手段
    を更に備えた前記データ分析装置として前記コンピュータが機能するために前記コンピュータに実行されることを特徴とする請求項３０乃至３５のうちのいずれか１項に記載のコンピュータプログラム。
  37. 前記決定された前記用いるクラスタ数分のいずれかのクラスタのクラスタ中心を用いて、需要家のグループである需要家クラスに属する需要家の標準的な電力使用量の推移を表す標準ロードカーブを生成する手段と、
    前記生成された標準ロードカーブと、当該需要家クラスに関する統計情報とから推奨される料金メニューを提示する手段
    を更に備えた前記データ分析装置として前記コンピュータが機能するために前記コンピュータに実行されることを特徴とする請求項３０乃至３６のうちのいずれか１項に記載のコンピュータプログラム。
  38. 前記需要データをそれぞれ収集するサーバ装置により収集されて前記サーバ装置から通知された未契約需要家の属性情報に基づいて、未契約需要家が属すると推定される需要家クラスを判定する手段と、
    前記決定された前記用いるクラスタ数分のいずれかのクラスタのクラスタ中心を用いて、当該判定された需要家クラスに属する需要家の標準的な電力使用量の推移を表す標準ロードカーブを生成する手段と、
    前記生成された標準ロードカーブを、当該未契約需要家について推定される将来の電力使用量を表すロードカーブのデータとして出力する手段と
    を更に備えた前記データ分析装置として前記コンピュータが機能するために前記コンピュータに実行されることを特徴とする請求項３０乃至３７のうちのいずれか１項に記載のコンピュータプログラム。
JP2016506204A 2014-03-07 2015-03-06 データ分析システム及び方法 Active JP6474782B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014045749 2014-03-07
JP2014045749 2014-03-07
PCT/JP2015/056739 WO2015133635A1 (ja) 2014-03-07 2015-03-06 データ分析システム及び方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2018212892A Division JP6854270B2 (ja) 2014-03-07 2018-11-13 データ分析システム及び方法

Publications (2)

Publication Number Publication Date
JPWO2015133635A1 JPWO2015133635A1 (ja) 2017-04-06
JP6474782B2 true JP6474782B2 (ja) 2019-02-27

Family

ID=54055432

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2016506204A Active JP6474782B2 (ja) 2014-03-07 2015-03-06 データ分析システム及び方法
JP2018212892A Active JP6854270B2 (ja) 2014-03-07 2018-11-13 データ分析システム及び方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2018212892A Active JP6854270B2 (ja) 2014-03-07 2018-11-13 データ分析システム及び方法

Country Status (4)

Country Link
US (1) US10664931B2 (ja)
EP (1) EP3115959B1 (ja)
JP (2) JP6474782B2 (ja)
WO (1) WO2015133635A1 (ja)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017093193A (ja) * 2015-11-12 2017-05-25 富士通株式会社 電力調達調整プログラム、電力調達調整装置および電力調達調整方法
FR3045867B1 (fr) * 2015-12-17 2024-03-22 Suez Environnement Traitement des donnees de telerelevee pour l'analyse des modes de consommation
JP2017182266A (ja) * 2016-03-29 2017-10-05 株式会社東芝 電力需要予測装置
US10509459B2 (en) * 2016-05-19 2019-12-17 Scenera, Inc. Scene-based sensor networks
JP6742813B2 (ja) * 2016-05-20 2020-08-19 株式会社日立製作所 需要予測システム及び需要予測方法
CN108550053B (zh) * 2018-04-12 2022-05-13 南京海丽尔信息技术有限公司 基于平台技术的用户消费数据采集分析系统及方法
CN109636101A (zh) * 2018-11-02 2019-04-16 国网辽宁省电力有限公司朝阳供电公司 基于大数据的开放售电环境下大用户用电行为分析方法
CN109684673B (zh) * 2018-12-03 2023-03-24 三峡大学 一种电力系统暂态稳定结果的特征提取和聚类分析方法
JP7157681B2 (ja) * 2019-03-01 2022-10-20 東京瓦斯株式会社 属性推定装置、方法、およびプログラム
WO2020237540A1 (zh) * 2019-05-29 2020-12-03 西门子股份公司 电网用户分类方法、装置和计算机可读存储介质
CN110264251B (zh) * 2019-05-31 2021-08-10 杭州博钊科技有限公司 表征现金流的数据组织形式与基于多任务学习的预测方法
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
CN111125630B (zh) * 2019-12-27 2023-12-22 北京工业大学 一种基于l1/2范数和同质性约束的能源分解方法
JP2021114172A (ja) * 2020-01-20 2021-08-05 東京瓦斯株式会社 エネルギー消費量予測システム、エネルギー消費量予測支援システム、エネルギー消費量予測方法、及びプログラム
JP7296337B2 (ja) * 2020-03-31 2023-06-22 株式会社日立製作所 電力需要マッチングシステム及び方法
CN111737001A (zh) * 2020-06-24 2020-10-02 国网电力科学研究院有限公司 一种计算系统负载均衡方法、装置及存储介质
FR3117283A1 (fr) * 2020-12-04 2022-06-10 Electricite De France Système pour la détermination d’une puissance électrique
JP7423505B2 (ja) * 2020-12-21 2024-01-29 株式会社日立製作所 データ分析システムおよび方法
CN112906790B (zh) * 2021-02-20 2023-08-18 国网江苏省电力有限公司营销服务中心 一种基于用电数据的独居老人识别方法和系统
CN115146881B (zh) * 2022-09-05 2023-01-13 广东电网有限责任公司江门供电局 一种低压分布式光伏系统不良数据检测方法和系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001134577A (ja) * 1999-11-01 2001-05-18 Fujitsu Ltd データ分析装置、方法、およびそのコンピュータプログラムを記憶した記憶媒体
AU2002224386B2 (en) * 2000-10-18 2007-12-13 Johnson & Johnson Consumer Companies, Inc. Intelligent performance-based product recommendation system
JP2002169613A (ja) * 2000-12-04 2002-06-14 Hitachi Ltd 電力ロードカーブの分析方法およびシステム
US9785953B2 (en) * 2000-12-20 2017-10-10 International Business Machines Corporation System and method for generating demand groups
JP2003162787A (ja) * 2001-08-03 2003-06-06 Matsushita Electric Ind Co Ltd エネルギー管理システム
JP2003189471A (ja) * 2001-12-12 2003-07-04 Mitsubishi Electric Corp 電力需要家データ分析方法
JP4212369B2 (ja) * 2003-01-22 2009-01-21 中国電力株式会社 電力供給サービス方法およびシステム
JP2006011715A (ja) * 2004-06-24 2006-01-12 Tokyo Electric Power Co Inc:The 資源消費量の推定方法及び装置
JP4971811B2 (ja) * 2007-01-25 2012-07-11 パナソニック株式会社 関数データベース生成方法及び関数データベース生成装置
JP5075009B2 (ja) 2008-05-16 2012-11-14 三菱電機株式会社 類似度分析評価システム
US20100332373A1 (en) * 2009-02-26 2010-12-30 Jason Crabtree System and method for participation in energy-related markets
JP5537339B2 (ja) * 2010-08-26 2014-07-02 パナソニック株式会社 電気量管理システムおよびセンタサーバ
JP2012113625A (ja) * 2010-11-26 2012-06-14 Sony Corp 情報処置装置、情報処置方法およびプログラム
CN103336770B (zh) * 2012-02-28 2017-03-01 国际商业机器公司 用于标识互补数据对象的方法和系统
JP2013240154A (ja) * 2012-05-11 2013-11-28 Toshiba Corp 電力需給調整装置及びその方法
US20150213564A1 (en) 2012-08-27 2015-07-30 Hitachi, Ltd. Consumer cooperation support apparatus
JP6181360B2 (ja) 2012-08-30 2017-08-16 アクセンチュア グローバル サービシズ リミテッド マーケティング装置、マーケティング方法、プログラム、及び記録媒体
KR101768438B1 (ko) * 2013-10-30 2017-08-16 삼성에스디에스 주식회사 데이터 분류 장치 및 방법과 이를 이용한 데이터 수집 시스템
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

Also Published As

Publication number Publication date
JP2019023937A (ja) 2019-02-14
US10664931B2 (en) 2020-05-26
EP3115959B1 (en) 2020-06-03
JPWO2015133635A1 (ja) 2017-04-06
JP6854270B2 (ja) 2021-04-07
WO2015133635A1 (ja) 2015-09-11
US20170018038A1 (en) 2017-01-19
EP3115959A4 (en) 2017-11-01
EP3115959A1 (en) 2017-01-11

Similar Documents

Publication Publication Date Title
JP6474782B2 (ja) データ分析システム及び方法
JP6895416B2 (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
JP6837949B2 (ja) 予測システム及び方法
US9753477B2 (en) Load forecasting for residential sector demand response
US20190279239A1 (en) Power Trading Assistance Device and Market Price Prediction Information Generation Method
WO2018105341A1 (ja) 予測システム及び予測方法
CN105556557A (zh) 出货量预测设备、出货量预测方法、记录介质和出货量预测系统
CN111832861A (zh) 基于大数据平台的居民负荷变尺度画像方法和系统
JP2955081B2 (ja) 商品の需要予測装置
CN110826886A (zh) 一种基于聚类算法和主成分分析的电力客户画像构建方法
CN105580044A (zh) 产品推荐设备、产品推荐方法和记录介质
US11068816B2 (en) System and method for selecting research and development project through autonomous proposals of evaluation indicators
CN104573996A (zh) 一种铸造企业用自动报价系统
CN110991989A (zh) 一种电力市场零售合同自动结算方法、装置及设备
Paraschiv Price dynamics in electricity markets
Kim et al. Short-term electric load forecasting using data mining technique
JP2021512421A (ja) 負荷形状分析に基づく、エネルギープログラム通信制御システムおよび方法
KR20210085863A (ko) 클라우드 시스템에서 원자재 그룹 구매 추천 장치 및 방법
US20190370673A1 (en) Data prediction system, data prediction method, and data prediction apparatus
CN116226293A (zh) 一种电力客户画像生成管理的方法及系统
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
CN113743838A (zh) 目标用户识别方法、装置、计算机设备和存储介质
CN111047354A (zh) 一种分时定价的实现方法、装置、电子设备和存储介质
CN110533334A (zh) 一种电网企业成本先进性评估的方法及系统
Döhrn Weather, the forgotten factor in business cycle analyses

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170808

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171006

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180320

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180427

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20180814

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181113

A911 Transfer of reconsideration by examiner before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20181121

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: 20190115

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190130

R150 Certificate of patent or registration of utility model

Ref document number: 6474782

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150