JP6587889B2 - 電気料金メニュー推定装置、電気料金メニュー推定方法、及び電気料金メニュー推定プログラム - Google Patents
電気料金メニュー推定装置、電気料金メニュー推定方法、及び電気料金メニュー推定プログラム Download PDFInfo
- Publication number
- JP6587889B2 JP6587889B2 JP2015198005A JP2015198005A JP6587889B2 JP 6587889 B2 JP6587889 B2 JP 6587889B2 JP 2015198005 A JP2015198005 A JP 2015198005A JP 2015198005 A JP2015198005 A JP 2015198005A JP 6587889 B2 JP6587889 B2 JP 6587889B2
- Authority
- JP
- Japan
- Prior art keywords
- menu
- data
- electricity
- estimation
- power amount
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、第1の実施形態に係る電気料金メニュー推定装置100を含む電気料金メニュー推定システム1の構成の概略例を示す図である。電気料金メニュー推定システム1は、所定の建物で電力供給者から買電するにあたり、相対的に安い電気料金メニューを推定する。電気料金メニュー推定システム1は、推定した電気料金メニューを所定の建物のユーザに通知する。相対的に安い電気料金メニューは、最も安い最安電気料金メニュー、2番目に安い電気料金メニュー、3番目に安い電気料金メニュー等の安いことを示す条件を満たす電気料金メニューである。例えば、所定の建物は、住宅又はビルである。以下、本実施形態では、相対的に安い電気料金メニューを最も安い最安電気料金メニューとして説明する。また、本実施形態では、相対的に安い電気料金メニューを最も安い最安電気料金メニューとして説明する。また、本実施形態では、所定の建物を住宅2として説明する。
判別関数(メニューA)=a0+a1x1+a2x2+・・+aPxP ・・(1)
判別関数(メニューB)=b0+b1x1+b2x2+・・+bPxP ・・(2)
判別関数(メニューC)=c0+c1x1+c2x2+・・+cPxP ・・(3)
以下、第2の実施形態について説明する。第2の実施形態における電気料金メニュー推定装置100では、データ記憶部121に記憶された買電電力量データが第1の実施形態と相違する。従って、かかる相違点を中心に説明し、第1の実施形態と共通する部分についての説明は省略する。
以下、第3の実施形態について説明する。第3の実施形態における電気料金メニュー推定装置100では、データ記憶部121に記憶された買電電力量データが第1及び第2の実施形態と相違する。従って、かかる相違点を中心に説明し、第1及び第2の実施形態と共通する部分についての説明は省略する。
以下、第4の実施形態について説明する。第4の実施形態における電気料金メニュー推定装置100では、統計手法を用いた統計的機械学習によって最安電気料金プランを推定する際の推定手順が第1〜第3の実施形態と相違する。従って、かかる相違点を中心に説明し、第1〜第3の実施形態と共通する部分についての説明は省略する。
多数決による推定では、これらの最安電気料金メニュー候補が共通である場合、その最安電気料金メニュー候補を最安電気料金メニューと推定する。また、最安電気料金メニュー候補として、異なる最安電気料金メニュー候補が推定された場合には、多数決を行って最安電気料金メニューを推定することができる。例えば、5種類の統計手法を用いて最安電気料金メニュー候補を推定した結果、4種類の統計手法ではメニューAを最安電気料金メニュー候補と推定し、1種類の統計手法ではメニューBを最安電気料金メニュー候補と推定したとする。この場合、最安電気料金メニューとしては、メニューAを推定する。
重みづけによる推定では、各統計手法で求められた判別結果を正規化して重みづけを行い、最安電気料金メニューを推定する。重みづけによる推定では、例えば、下記の(4)〜(6)式に示す総合判別関数を作成する。
総合判別関数(メニューA)=Wa0+Wa1z1+Wa2z2+・・+Wamzm ・・・(4)
総合判別関数(メニューB)=Wb0+Wb1z1+Wb2z2+・・+Wbmzm ・・・(5)
総合判別関数(メニューC)=Wc0+Wc1z1+Wc2z2+・・+Wcmzm ・・・(6)
最安電気料金メニューの推定にあたり、複数の統計手法を用いた総合判別関数の判別結果にユーザ情報を考量して最安電気料金メニューを推定することもできる。ユーザ情報を用いた推定を行う際には、メニューA〜メニューCの各メニューについての判別関数を用いる。この場合のメニューAの判別関数は、下記(7)式で表すことができる。
判別関数(メニューA)=Wa0+Wa1z1+Wa2z2+・・+Wamzm+Wa(m+1)za(m+1) ・・・(7)
Claims (11)
- ユーザが購入した電力量のデータである買電電力量データと、電力供給者が提供する複数の電気料金メニューと、を取得する取得部と、
前記取得部が取得した前記買電電力量データの中から訓練データを抽出する訓練データ抽出部と、
前記取得部が取得した前記買電電力量データのうち、前記訓練データとして抽出した買電電力量データと共通する特性を有する買電電力量データの中から電気料金メニューの推定に利用するサンプルデータを抽出するサンプルデータ抽出部と、
前記訓練データ抽出部が抽出した前記訓練データに基づいて機械学習を行い、当該機械学習の結果と前記サンプルデータ抽出部が抽出したサンプルデータとによって、前記複数の電気料金メニューから電気料金が相対的に安い電気料金メニューを推定する推定部と、
を備える電気料金メニュー推定装置。 - 前記推定部は、前記機械学習の結果として判別関数を作成し、当該判別関数に前記サンプルデータを当てはめて、前記複数の電気料金メニューから電気料金が相対的に安い電気料金メニューを推定する、請求項1に記載の電気料金メニュー推定装置。
- 前記推定部は、ユーザが選択可能な電気料金メニューを抽出し、
抽出した前記電気料金メニューを前記買電電力量データに適用した電気料金を算出し、当該算出結果に基づいて前記相対的に安い電気料金メニューを推定する、請求項1又は2に記載の電気料金メニュー推定装置。 - 前記訓練データ抽出部は、過去所定期間分の買電電力量データの中から前記訓練データを抽出する、請求項1〜3のうちのいずれか一項に記載の電気料金メニュー推定装置。
- 前記訓練データ抽出部は、前記ユーザのユーザ情報に類似するユーザ情報を有する他のユーザの買電電力量データの中から前記訓練データを抽出する、請求項1〜3のうちのいずれか一項に記載の電気料金メニュー推定装置。
- 前記推定部は、前記機械学習に用いる統計手法として、線形判別分析、非線形判別分析、サポートベクターマシン、ランダムフォレスト、ナイーブベイズ、及びディープラーニングのうちの少なくとも1つを用いる、請求項1〜5のうちのいずれか一項に記載の電気料金メニュー推定装置。
- 前記推定部は、前記統計手法として、線形判別分析、非線形判別分析、サポートベクターマシン、ランダムフォレスト、ナイーブベイズ、及びディープラーニングの中から複数のものを用いて、前記相対的に安い電気料金メニューの候補を作成し、
複数の前記統計手法で作成された前記相対的に安い電気料金メニューの候補の中から、多数決によって前記相対的に安い電気料金メニューを推定する請求項6に記載の電気料金メニュー推定装置。 - 前記推定部は、前記統計手法として、線形判別分析、非線形判別分析、サポートベクターマシン、ランダムフォレスト、ナイーブベイズ、及びディープラーニングの中から複数のものを用いて前記相対的に安い電気料金メニューの候補を作成し、
複数の前記相対的に安い電気料金メニューの候補に対して重みづけを行い、重みづけられた複数の前記相対的に安い電気料金メニューの候補に基づいて、前記相対的に安い電気料金メニューを推定する請求項6又は7に記載の電気料金メニュー推定装置。 - 前記取得部は、買電電力量データを取得する単位として、
前記取得部が前記買電電力量データを取得可能な最低時間間隔、時間帯別料金メニューの電気料金単価の変わり目単位、及びN日単位のいずれか1つを用いる請求項1〜7のうちのいずれか一項に記載の電気料金メニュー推定装置。 - コンピュータが、
ユーザが購入した電力量のデータである買電電力量データと、電力供給者が提供する複数の電気料金メニューと、を取得するステップと、
取得した前記買電電力量データの中から訓練データを抽出するステップと、
取得した前記買電電力量データのうち、前記訓練データとして抽出した買電電力量データと共通する特性を有する買電電力量データの中から電気料金メニューの推定に利用するサンプルデータを抽出するステップと、
抽出した前記訓練データに基づいて機械学習を行い、当該機械学習の結果と抽出した前記サンプルデータとによって、前記複数の電気料金メニューから電気料金が相対的に安い電気料金メニューを推定するステップと、
を有する、電気料金メニュー推定方法。 - コンピュータに、
ユーザが購入した電力量のデータである買電電力量データと、電力供給者が提供する複数の電気料金メニューと、を取得する手順と、
取得した前記買電電力量データの中から訓練データを抽出する手順と、
取得した前記買電電力量データのうち、前記訓練データとして抽出した買電電力量データと共通する特性を有する買電電力量データの中から電気料金メニューの推定に利用するサンプルデータを抽出する手順と、
抽出した前記訓練データに基づいて機械学習を行い、当該機械学習の結果と抽出した前記サンプルデータとによって、前記複数の電気料金メニューから電気料金が相対的に安い電気料金メニューを推定する手順と、
を実行させるための電気料金メニュー推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015198005A JP6587889B2 (ja) | 2015-10-05 | 2015-10-05 | 電気料金メニュー推定装置、電気料金メニュー推定方法、及び電気料金メニュー推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015198005A JP6587889B2 (ja) | 2015-10-05 | 2015-10-05 | 電気料金メニュー推定装置、電気料金メニュー推定方法、及び電気料金メニュー推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017072915A JP2017072915A (ja) | 2017-04-13 |
JP6587889B2 true JP6587889B2 (ja) | 2019-10-09 |
Family
ID=58537685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015198005A Expired - Fee Related JP6587889B2 (ja) | 2015-10-05 | 2015-10-05 | 電気料金メニュー推定装置、電気料金メニュー推定方法、及び電気料金メニュー推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6587889B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210071037A (ko) * | 2018-10-11 | 2021-06-15 | 미쯔비시 가스 케미칼 컴파니, 인코포레이티드 | 폴리카보네이트 시트의 프레스 성형체의 제조 방법 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004164009A (ja) * | 2002-11-08 | 2004-06-10 | Sanmei:Kk | 使用電力最適化提案システム |
JP3994910B2 (ja) * | 2003-05-08 | 2007-10-24 | 株式会社日立製作所 | 電力売買支援システム |
JP2009075737A (ja) * | 2007-09-19 | 2009-04-09 | Nec Corp | 半教師あり学習方法、半教師あり学習装置及び半教師あり学習プログラム |
JP5717113B1 (ja) * | 2014-08-20 | 2015-05-13 | 国際航業株式会社 | 電気料金プラン選定システム |
-
2015
- 2015-10-05 JP JP2015198005A patent/JP6587889B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2017072915A (ja) | 2017-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Forecasting short-term electricity load using hybrid support vector regression with grey catastrophe and random forest modeling | |
Fiot et al. | Electricity demand forecasting by multi-task learning | |
Cai et al. | Two-layer transfer-learning-based architecture for short-term load forecasting | |
Ziel | Forecasting electricity spot prices using lasso: On capturing the autoregressive intraday structure | |
David et al. | Comparison of intraday probabilistic forecasting of solar irradiance using only endogenous data | |
Wijaya et al. | Consumer segmentation and knowledge extraction from smart meter and survey data | |
Høverstad et al. | Short-term load forecasting with seasonal decomposition using evolution for parameter tuning | |
JP6837949B2 (ja) | 予測システム及び方法 | |
Browell et al. | Improved very short‐term spatio‐temporal wind forecasting using atmospheric regimes | |
Vercamer et al. | Predicting consumer load profiles using commercial and open data | |
Lin et al. | Particle swarm optimisation aided least‐square support vector machine for load forecast with spikes | |
Yan et al. | Mid‐term electricity market clearing price forecasting using multiple least squares support vector machines | |
Dorokhova et al. | Rule-based scheduling of air conditioning using occupancy forecasting | |
Azadeh et al. | An integrated simulation-based fuzzy regression-time series algorithm for electricity consumption estimation with non-stationary data | |
Subbiah et al. | An improved short term load forecasting with ranker based feature selection technique | |
JP2021052588A (ja) | 電力需要量予測装置及び電力需要量予測方法 | |
Naceur et al. | Intelligent approach for optimal sizing in photovoltaic panel-battery system and optimizing smart grid energy | |
Tian | Approach for short-term wind power prediction via kernel principal component analysis and echo state network optimized by improved particle swarm optimization algorithm | |
JP6587889B2 (ja) | 電気料金メニュー推定装置、電気料金メニュー推定方法、及び電気料金メニュー推定プログラム | |
Ghassemi et al. | Optimal surrogate and neural network modeling for day-ahead forecasting of the hourly energy consumption of university buildings | |
Hedén | Predicting Hourly Residential Energy Consumption using Random Forest and Support Vector Regression: An Analysis of the Impact of Household Clustering on the Performance Accuracy | |
CN109784748B (zh) | 一种市场竞争机制下用户用电行为辨识方法及装置 | |
Dumas et al. | Classification of load forecasting studies by forecasting problem to select load forecasting techniques and methodologies | |
Wang et al. | Household electricity load forecasting based on multitask convolutional neural network with profile encoding | |
Pan et al. | Modeling optimization method based on Gamma test and NSGA II for forecast of PV power output |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170912 Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170912 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180723 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190604 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190725 |
|
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: 20190813 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6587889 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |