JP6628700B2 - Weather information forecasting device and power demand forecasting device - Google Patents
Weather information forecasting device and power demand forecasting device Download PDFInfo
- Publication number
- JP6628700B2 JP6628700B2 JP2016154199A JP2016154199A JP6628700B2 JP 6628700 B2 JP6628700 B2 JP 6628700B2 JP 2016154199 A JP2016154199 A JP 2016154199A JP 2016154199 A JP2016154199 A JP 2016154199A JP 6628700 B2 JP6628700 B2 JP 6628700B2
- Authority
- JP
- Japan
- Prior art keywords
- weather
- value
- prediction target
- target point
- prediction
- 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
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
Images
Classifications
-
- 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
Description
この発明は、エネルギーマネジメントシステム（以下、ＥＭＳという）に係るものであり、気象サービスが提供する気象情報と、特定地点の気象実績値を用いて、予測対象地点の気象予報値を推定する装置に関する。また、この推定した気象予報値と電力需要実績値から、予測対象設備等の電力需要を予測する電力需要予測装置に関する。 The present invention relates to an energy management system (hereinafter, referred to as EMS), and relates to an apparatus for estimating a weather forecast value at a prediction target point using weather information provided by a weather service and actual weather values at a specific point. . Also, the present invention relates to a power demand prediction device that predicts power demand of facilities to be predicted or the like from the estimated weather forecast value and actual power demand value.
近年、低炭素社会の構築に向けて再生可能エネルギー、あるいは分散型電源設備の導入が進み、それらを連携制御するためのＥＭＳが開発されている。 In recent years, the introduction of renewable energy or distributed power supply equipment has been advanced toward the construction of a low-carbon society, and EMS for cooperatively controlling them has been developed.
例えば、大口需要家の所在地等、気象庁等公的機関が公表する気象データで扱われない地点の気温を、公的機関が公表するデータを基に予測する。予測手法としては、予測対象地点の気温予報値を目的変数とし、公的機関が公表する観測メッシュの気象データの予測値を説明変数とする重回帰式を、上記データの過去１年間の実績値を用いて作成し、作成した式より予測対象地点の気温を予測するものがある（例えば、特許文献１参照）。 For example, the temperature of a point not handled by weather data published by a public agency such as the Meteorological Agency, such as the location of a large customer, is predicted based on data published by a public agency. As a prediction method, a multiple regression equation using the temperature forecast value of the prediction target point as the target variable and the predicted value of the weather data of the observation mesh published by the public organization as the explanatory variable is the actual value of the above data for the past year. And predicts the temperature at the prediction target point from the prepared formula (for example, see Patent Document 1).
また、各時刻の気象および電力需要実績値を用いて、予測モデルを作成し、予測対象時刻の気象予報値を予測モデルに入力することで電力需要の予測値を算出するものがある（例えば、特許文献２参照）。 In addition, there is a type in which a prediction model is created using the weather value and the actual power demand value at each time, and a predicted value of the power demand is calculated by inputting the weather forecast value at the prediction target time into the prediction model (for example, Patent Document 2).
しかし、上記特許文献１の事例では、公的機関が公表する観測メッシュと予測対象地点にずれが生じた場合、予測精度を低下させるだけでなく、実績値が蓄積されない限り、予測精度の向上は見込めない可能性がある。 However, in the case of Patent Document 1 described above, when a deviation occurs between the observation mesh published by a public organization and the prediction target point, not only does the prediction accuracy decrease, but unless the actual values are accumulated, the prediction accuracy does not improve. May not be expected.
また、上記特許文献２の事例においては、予測対象地点の気象予報値があるという前提であり、データの粒度が粗く、地点(ポイント数)が少ない気象庁等の無償の気象サービスでは、電力需要の予測値を算出できない。 In the case of Patent Document 2, it is premised that there is a weather forecast value at the prediction target point. In a free weather service such as the Japan Meteorological Agency whose data granularity is small and the number of points (the number of points) is small, Predicted value cannot be calculated.
この発明は上記のような課題を解決するためになされたものであり、データの粒度が粗く、地点(ポイント数)が少ない気象庁等の無償の気象サービスが提供する気象情報と、特定地点(電力需要予測を行う負荷設備(例：ビル、駅)、以後、予測対象地点と呼ぶ)の気象実績値を用いて、予測対象地点の気象予報値を推定する。そして、推定した気象予報値と負荷設備全体の電力需要実績値から、負荷設備全体の電力需要を予測するための気象情報予測、及び電力需要予測装置に関するものである。 The present invention has been made in order to solve the above-described problems, and includes a weather information provided by a free weather service such as a Meteorological Agency having a small data granularity and a small number of points (number of points), and a specific point (power The weather forecast value of the prediction target point is estimated using the actual weather value of the load equipment (eg, building, station) for which demand forecast is performed, hereinafter referred to as the prediction target point. The present invention also relates to weather information prediction for predicting the power demand of the entire load facility from the estimated weather forecast value and the actual power demand value of the entire load facility, and to a power demand prediction device.
すなわち、予測対象地点と無償の気象サービスが提供する予測対象地点以外の（より地理的密度の粗い、或いは近隣の）地点または地域（ここで、地域は地点の集合体と考えることもできる。以下同様）、各々の気象実績値を基に、使用するデータの条件を変更した補正モデルを複数生成し、最も精度の高い補正モデルを選定する。
そして、予測対象地点以外の気象予報値から選定した補正モデルを用いて、予測対象地
点の気温予報値を推定し、電力需要を予測する。
これにより、無償の気象サービスを適用しても予測精度の高い電力需要予測を可能とすることを目的とする。なお、この発明で使用する気象予報値あるいは実績値は、気温を対象としている。
In other words, a point or area (where the geographical density is coarser or closer) other than the prediction target point and the prediction target point provided by the free weather service, where the region can be considered as a collection of points. Similarly, based on each weather actual value, a plurality of correction models in which conditions of data to be used are changed are generated, and a correction model with the highest accuracy is selected.
Then, by using the correction model selected from the weather forecast values other than the forecast target point, the temperature forecast value of the forecast target point is estimated, and the power demand is predicted.
Thus, an object of the present invention is to enable a power demand forecast with high forecast accuracy even when a free weather service is applied. The weather forecast value or the actual value used in the present invention is based on the temperature.
この発明に係る気象情報予測装置は、
予測対象地点の気象実績値および気象サービスによる、予め設定した地点である予測対象地点以外の地点の気象実績値を取得する気象実績値取得部と、
前記予測対象地点の気象実績値、および前記予測対象地点以外の地点の気象実績値を用いて、前記予測対象地点と前記予測対象地点以外の地点の気象実績値の関係を基に、使用するデータの条件を変更して生成した複数の補正モデルから選択した、気象予報の補正モデルを複数生成する補正モデル生成部と、
予測対象日時を基準として所定日時遡った日時における前記予測対象地点の気象実績値、前記予測対象地点以外の気象実績値、および前記補正モデル生成部により作成した各補正モデルより推定した前記予測対象地点の気象データ、を用いて、評価の基準となる指標の値を算出することにより、前記補正モデルを評価し選定する補正モデル評価部と、
前記補正モデル評価部により選定された補正モデルと予測対象地点以外の気象予報値を用いて、予測対象地点の気象予報値を推定する気象情報予測部と、
を備え、
予測対象地点における予測対象日時の気象予報値を推定し、前記補正モデルの生成において、気象実績値の取得期間を予測対象日時から予め定めた特定の期間とし、使用するデータの条件に応じて予測対象地点、および予測対象地点以外の気象実績値を取得する気象情報予測装置であって、
前記予め定めた特定の期間は、前記予測対象日時を基準にした３種類のモデルケースである、前年以前の同月同時刻、予測対象日±１５日の範囲の過去の同時刻、あるいは予測対象日±１５日の範囲の過去の同時刻に予測対象日の１５日以前の日から予測対象日の前日の同時刻を加えたもの、のうち、いずれか一のモデルケースであることを特徴とするものである。
The weather information prediction device according to the present invention includes:
A weather actual value acquisition unit that acquires a weather actual value of a point other than the prediction target point, which is a preset point, by a weather actual value and a weather service of the prediction target point,
Using the actual weather value of the prediction target point and the actual weather value of the point other than the prediction target point , the data to be used based on the relationship between the prediction target point and the actual weather value of the point other than the prediction target point A correction model generation unit that generates a plurality of correction models for weather forecast selected from a plurality of correction models generated by changing the conditions of
The actual weather value of the prediction target point at a date and time that is earlier than the prediction target date and time with respect to the prediction target date and time, the actual weather values of the weather other than the prediction target point, and the prediction target point estimated from each correction model created by the correction model generation unit using the weather data, and by calculating the value of the index as a reference of evaluation, a correction model evaluation unit to select and evaluate the correction model,
Using a correction model selected by the correction model evaluation unit and a weather forecast value other than the prediction target point, a weather information prediction unit that estimates a weather forecast value of the prediction target point,
With
Estimate the weather forecast value at the forecast target date and time at the forecast target point, and in the generation of the correction model, set the acquisition period of the actual weather value to a predetermined period from the forecast target date and time, and predict according to the conditions of the data to be used. It is a weather information prediction device that obtains actual weather values other than the target point and the prediction target point,
The predetermined specific period is one of three model cases based on the prediction target date and time, the same time in the same month before the previous year, the same time in the past within the range of ± 15 days of the prediction target date, or the prediction target date. It is one of the model cases of the same time in the past ± 15 days plus the same time on the day before the prediction target day from the
また、この発明に係る電力需要予測装置は、
予測対象地点の気象実績値および気象サービスによる、予め設定した地点である予測対象地点以外の地点の気象実績値を取得する気象実績値取得部と、
前記予測対象地点の気象実績値、および前記予測対象地点以外の地点の気象実績値を用いて、前記予測対象地点と前記予測対象地点以外の地点の気象実績値の関係を基に、使用するデータの条件を変更して生成した複数の補正モデルから選択した、気象予報の補正モデルを複数生成する補正モデル生成部と、
予測対象日時を基準として所定日時遡った日時における前記予測対象地点の気象実績値、前記予測対象地点以外の気象実績値、および前記補正モデル生成部により作成した各補正モデルより推定した前記予測対象地点の気象データ、を用いて、評価の基準となる指標の値を算出することにより、前記補正モデルを評価し選定する補正モデル評価部と、
前記補正モデル評価部により選定された補正モデルと予測対象地点以外の気象予報値を用いて、予測対象地点の気象予報値を推定する気象情報予測部と、
を備え、
前記補正モデルの生成において、気象実績値の取得期間を予測対象日時から予め定めた特定の期間とし、使用するデータの条件に応じて予測対象地点、および予測対象地点以外の気象実績値を取得して予測対象地点における予測対象日時の気象予報値を推定する気象情報予測装置であって、
前記予め定めた特定の期間は、前記予測対象日時を基準にした３種類のモデルケースである、前年以前の同月同時刻、予測対象日±１５日の範囲の過去の同時刻、あるいは予測対象日±１５日の範囲の過去の同時刻に予測対象日の１５日以前の日から予測対象日の前日の同時刻を加えたもの、のうち、いずれか一のモデルケースである気象情報予測装置を有し、
前記気象情報予測部より推定した予測対象地点の気象予報値と前記予測対象地点の気象実績値、及び予測対象地点の負荷設備全体の電力需要実績値を用いて、予測対象地点の負荷設備全体の電力需要を予測する電力需要予測部を備え、
推定した予測対象地点の気象予報値と気象実績値、及び予測対象地点の負荷設備全体の電力需要実績値を用いて、予測対象地点の負荷設備全体の電力需要を予測することを特徴とするものである。
In addition, the power demand prediction device according to the present invention,
A weather actual value acquisition unit that acquires a weather actual value of a point other than the prediction target point, which is a preset point, by a weather actual value and a weather service of the prediction target point,
Using the actual weather value of the prediction target point and the actual weather value of the point other than the prediction target point , the data to be used based on the relationship between the prediction target point and the actual weather value of the point other than the prediction target point A correction model generation unit that generates a plurality of correction models for weather forecast selected from a plurality of correction models generated by changing the conditions of
The actual weather value of the prediction target point at a date and time that is earlier than the prediction target date and time with respect to the prediction target date and time, the actual weather values of the weather other than the prediction target point, and the prediction target point estimated from each correction model created by the correction model generation unit using the weather data, and by calculating the value of the index as a reference of evaluation, a correction model evaluation unit to select and evaluate the correction model,
Using a correction model selected by the correction model evaluation unit and a weather forecast value other than the prediction target point, a weather information prediction unit that estimates a weather forecast value of the prediction target point,
Equipped with a,
In the generation of the correction model, the acquisition period of the actual weather value is set to a predetermined period from the prediction target date and time, and the prediction target point and the actual weather value other than the prediction target point are obtained according to the condition of the data to be used. A weather information prediction device for estimating a weather forecast value at a prediction target date and time at a prediction target point,
The predetermined specific period is one of three model cases based on the prediction target date and time, the same time in the same month before the previous year, the same time in the past within the range of ± 15 days of the prediction target date, or the prediction target date. The weather information prediction device, which is one of the model cases, is obtained by adding the same time of the day before the prediction target day to the same time of the day before the prediction target day to the same time in the past within the range of ± 15 days to the day before the 15th prediction target day. Have
The weather information actual weather value weather forecast value of the prediction target point estimated from the prediction unit and the prediction target point, and with a power demand actual value of the total load facility prediction target point, the predicted target point load facility overall A power demand forecasting unit for forecasting power demand is provided,
Using the estimated weather forecast value and actual weather value of the predicted target point and the actual power demand value of the entire load facility at the predicted target point, the power demand of the entire load facility at the predicted target point is predicted. It is.
この発明の気象情報予測、及び電力需要予測装置によれば、予測対象地点の電力需要予測をする上で必要な予測対象地点の気象予報値を予測対象地点の気象実績値と、無償の気象サービスより提供される予測対象地点以外の気象予報値および実績値を基に推定が可能となることから、有償の気象サービスから提供される気象予報値および実績値を使用しなくても、予測対象地点の気象予報値を推定することができる。また、負荷設備全体の電力需要の予測が可能となり、負荷設備のランニングコストが削減できるという効果を奏する。 According to the weather information prediction and power demand prediction device of the present invention, the weather forecast value of the prediction target point necessary for predicting the power demand of the prediction target point is calculated by using the actual weather value of the prediction target point and the free weather service. Since it is possible to estimate based on the weather forecast values and actual values other than the forecast target points provided by the forecast target points, the forecast target points can be estimated without using the weather forecast values and actual values provided by the paid weather service. Weather forecast value can be estimated. In addition, it is possible to predict the power demand of the entire load facility, and it is possible to reduce the running cost of the load facility.
実施の形態１
以下、本発明の実施の形態１に係る気象情報予測、及び電力需要予測装置を、図を用いて説明する。図１は、本実施の形態の気象情報予測、及び電力需要予測装置の一例を示すシステム構成図である。
Embodiment 1
Hereinafter, a weather information prediction and a power demand prediction device according to Embodiment 1 of the present invention will be described with reference to the drawings. FIG. 1 is a system configuration diagram illustrating an example of a weather information prediction and power demand prediction device according to the present embodiment.
最初に、気象情報予測装置および電力需要予測装置１が提供する各機能を、図１を用いて説明する。
まず、気象実績値取得部１０１は、気象実績の取得期間を使用するデータの条件に応じて変更して取得する。具体的には、使用するデータによって、予測対象日時から３種類のモデルケースである、以下に示すケース１からケース３に分けて、予測対象地点、及び予測対象地点以外の気象実績値を取得する。この場合、例えば、（無償）気象サービス２の気象実績値３を利用して取得すればよい。
・ケース１：前年同月同時刻
・ケース２：予測対象日の±１５日の過去の同時刻
・ケース３：予測対象日の±１５日の過去の同時刻＋予測対象日から−１５日までの同時刻
First, each function provided by the weather information prediction device and the power demand prediction device 1 will be described with reference to FIG.
First, the weather actual
・ Case 1: Same time in the same month of the previous year ・ Case 2: Same time in the past ± 15 days on the forecast target date ・ Case 3: Same time in the past ± 15 days on the forecast target date + -15 days from the forecast target date Same time
次に、補正モデル生成部１０２は、気象実績値取得部１０１により取得するデータの条件に応じて、複数の補正モデルを作成する。具体的には、補正モデルの生成の仕方として、回帰分析、あるいはニューラルネットワークによる生成を行う。
Next, the correction
次に、補正モデル評価部１０３は、補正モデル生成部１０２により作成した各補正モデルに対し、予測対象日時より最近過去(例：予測対象日時より１週間前等)、すなわち、予測対象日時を基準として所定日時遡った日時の予測対象地点の気象実績値と予測対象地点以外の気象実績値に対し、作成した各補正モデルより推定した予測対象地点の気象実績値を用いて、“予測対象地点の気象実績値”−“補正モデルを用いて、予測対象地点以外の気象実績値から推定した予測対象地点の気象実績値“により、最大誤差、最小誤差、平均誤差、及び誤差率（例えば±２℃以内の割合）を算出し、上記の指標を基に、最も精度の良いモデルを選定する（後ほど、図４等を参照してさらに詳しく説明）。
Next, the correction
次に、気象情報予測部１０４は、補正モデル評価部１０３により選定された補正モデルと予測対象地点以外の気象予報値を用いて（例えば、（無償）気象サービス２の気象予報値４を利用して取得すればよい）、予測対象地点の気象予報値を推定する。
Next, the weather
最後に、電力需要予測部１０５は、気象情報予測部１０４により推定した予測対象地点の気象予報値と予測対象地点の気象実績値、及び予測対象地点の負荷設備全体の電力需要
実績値を用いて、予測対象地点の負荷設備全体の電力需要を予測する。
Finally, the power
図１において、予測対象地点以外の気象実績データファイル２０１は、補正モデル作成に必要なシステム導入地点以外の気象実績データを登録するものであり、予測対象地点以外の気象予報データファイル２０２は、システム導入地点の気象予報を推定するために必要なシステム導入地点以外の気象予報データを登録するものであり、予測対象地点の気象実績データファイル２０３は、システム導入地点の気象実績データを登録するものである。 In FIG. 1, a weather actual data file 201 other than a prediction target point registers weather actual data other than a system introduction point required for creating a correction model, and a weather forecast data file 202 other than a prediction target point includes a system In order to estimate the weather forecast at the introduction point, the weather forecast data other than the system introduction point necessary for estimating the weather forecast is registered. The weather actual data file 203 of the prediction target point registers the weather actual data at the system introduction point. is there.
また、補正モデルデータファイル２０４は、予測対象地点以外の気象実績データファイル２０１と予測対象地点の気象実績データファイルから取得するシステム導入地点、及びシステム導入地点以外の気象実績データを基に、作成した補正モデルを登録するものであり、予測対象地点の気象予報データファイル２０５は、予測対象地点以外の気象予報データファイル２０２から取得するシステム導入地点以外の気象予報データと、補正モデルデータファイル２０４より取得した補正モデルを基に、推定したシステム導入地点の気象予報データを登録するものである。 Further, the correction model data file 204 is created based on the weather actual data file 201 other than the prediction target point and the system introduction point acquired from the weather actual data file of the prediction target point, and the weather actual data other than the system introduction point. The correction model is registered, and the weather forecast data file 205 of the prediction target point is obtained from the weather forecast data other than the system introduction point obtained from the weather forecast data file 202 other than the prediction target point, and obtained from the correction model data file 204. Based on the corrected model, the weather forecast data at the estimated system introduction point is registered.
また、電力需要実績データファイル２０６は、システム導入設備における負荷設備全体の電力需要実績データを登録するものであり、特異日需要予測データファイル２０７は、システム管理者が、特異日における電力需要を登録するものであり、電力需要予測データファイル２０８は、予測対象地点の気象予報データファイル２０５から取得する、推定した気象予報データと、予測対象地点の気象実績データファイル２０３から取得するシステム導入地点の気象実績データと、電力需要実績データファイル２０６から取得する負荷設備全体の電力需要実績データと、特異日需要予測データファイル２０７から取得する特異日における電力需要データを基に、負荷設備全体の電力需要予測データを登録するものである。以上において、特異日とは、施設（設備）の閉館日、祝祭日、台風が襲来した日などを意味する（以下同様）。 The power demand actual data file 206 is for registering the power demand actual data of the entire load equipment in the system introduction equipment, and the special day demand forecast data file 207 is for the system administrator to register the power demand on the special day. The power demand forecast data file 208 includes estimated weather forecast data obtained from the weather forecast data file 205 at the forecast target point and weather forecast data at the system introduction point obtained from the actual weather data file 203 at the forecast target point. Based on the actual data, the actual power demand data of the load facility obtained from the actual power demand data file 206, and the power demand data on the special day acquired from the special day demand forecast data file 207, the power demand prediction of the entire load facility is performed. This is for registering data. In the above, the special day means a closing day of a facility (equipment), a holiday, a day when a typhoon hits, and the like (the same applies hereinafter).
次に、具体的な気象情報、及び電力需要予測について、図２〜５を用いて説明する。
図２は、予測対象地点の気象予報値算出処理方式のフローチャートである。また、図３は、回帰分析から補正モデルを生成した場合を例とした、作成される回帰式、補正モデル値の概略を示す図、図４は、回帰分析から補正モデルを生成した場合を例とした、補正モデルの評価を示す図である。この図において、ケース１〜ケース３は、それぞれ上述のケース１〜ケース３の条件を満足している。さらに、図５は、電力需要予測値算出処理方式のフローチャートである。
Next, specific weather information and power demand prediction will be described with reference to FIGS.
FIG. 2 is a flowchart of a weather forecast value calculation processing method of a prediction target point. FIG. 3 is a diagram showing an outline of a created regression equation and a correction model value in a case where a correction model is generated from a regression analysis. FIG. 4 is an example of a case where a correction model is generated from a regression analysis. It is a figure which shows the evaluation of the correction model. In this figure, case 1 to case 3 respectively satisfy the conditions of case 1 to case 3 described above. FIG. 5 is a flowchart of a power demand predicted value calculation processing method.
まず、予測対象地点の気象予報データファイルに記載されている具体的な予測対象地点の気象予報値の算出方法について、図２を用いて説明する。図２は、実施の形態１による予測対象地点の気象予報値算出処理方式のフローチャートである。図において、以下の順に気象予報値の算出処理を行う。 First, a method of calculating a weather forecast value of a specific prediction target point described in a weather forecast data file of the prediction target point will be described with reference to FIG. FIG. 2 is a flowchart of a weather forecast value calculation processing method of a prediction target point according to the first embodiment. In the figure, the process of calculating the weather forecast value is performed in the following order.
ａ）ステップＳ２１１において、予測対象地点の気象予報値の予測の対象となる日時の範囲を取得する。予測の対象範囲は、算出開始時刻から３０分毎に３６時間先までである。
ｂ）ステップＳ２１２において、以下のケース１からケース３に示す通り、使用するデータの条件に応じた予測対象地点、及び予測対象地点以外の気象実績値を取得する機能を有する。
・ケース１：前年同月同時刻
・ケース２：予測対象日の±１５日の過去の同時刻
・ケース３：予測対象日の±１５日の過去の同時刻＋予測対象日から−１５日までの同
時刻
ｃ）ステップＳ２１３において、ケース毎の補正モデルを回帰分析、又はニューラルネットワークにより生成を行う。
ｄ）ステップＳ２１４において、ケース毎に作成した補正モデルに対し、各補正モデルを使用して予測対象日時を基準として所定日時遡った日時の無償の気象サービス２（図１参照）が提供する気温予報値を補正し、補正した予測対象地点の気温予報値と、予測対象地点の気温実績値とを比較する。
または、各補正モデルを使用して予測対象日時を基準として所定日時遡った日時の無償の気象サービスが提供する気温予報値を補正し、補正した気温予報値を基に電力需要を予測し、予測した電力需要予測値と同時刻の電力需要実績値とを比較する。
a) In step S211, a range of date and time for which the weather forecast value of the prediction target point is to be predicted is acquired. The prediction target range is 36 hours ahead every 30 minutes from the calculation start time.
b) In step S212, as shown in the following cases 1 to 3, a function is provided for acquiring a prediction target point according to the condition of data to be used and a weather actual value other than the prediction target point.
・ Case 1: Same time in the same month of the previous year ・ Case 2: Same time in the past ± 15 days on the forecast target date ・ Case 3: Same time in the past ± 15 days on the forecast target date + -15 days from the forecast target date At the same time c) In step S213, a correction model for each case is generated by regression analysis or a neural network.
d) In step S214, the temperature forecast provided by the free weather service 2 (see FIG. 1) at a date and time that is earlier than a predetermined date and time with respect to the prediction target date and time using each correction model with respect to the correction model created for each case. The value is corrected, and the corrected temperature forecast value at the prediction target point is compared with the actual temperature value at the prediction target point.
Alternatively, using each correction model, the temperature forecast value provided by the free weather service at a date and time that is earlier than the predetermined date and time based on the forecast target date and time is corrected, and the power demand is predicted based on the corrected temperature forecast value, and the prediction is performed. The predicted power demand value and the actual power demand value at the same time are compared.
なお、補正モデルは、図３に示す通り、予測対象地点の気象実績(例えば気温)と予測対象地点以外の気象実績(例えば気温)の関係を一次関数の回帰式にて示したものであり、補正モデル値は、予測対象地点以外の気温実績（横軸）をｘ、予測対象地点の気温実績（縦軸）をｙとしたときの、ｙとｘの関係を示す式（ここでは一次関数で表された回帰式）における傾き（図中の「１．０５５６」）と切片（図中の「−２．７６６９」）を示す。 As shown in FIG. 3, the correction model indicates a relationship between a weather result (for example, temperature) at the prediction target point and a weather result (for example, temperature) other than the prediction target point by a linear function regression equation. The correction model value is an expression indicating the relationship between y and x when the actual temperature (horizontal axis) other than the prediction target point is x and the actual temperature at the prediction target point (vertical axis) is y (here, a linear function is used). The slope (“1.0556” in the figure) and the intercept (“−2.7669” in the figure) in the expressed regression equation) are shown.
上記ｄ）に示した内容の処理に引き続き、下記ｅ）に示す処理を行う。
ｅ）ステップＳ２１５において、図３に示す通り、ステップＳ２１４より算出したケース毎に推定した気温予報値と予測対象地点の気温実績値との比較結果を基に、最も精度の良いモデルを選定する。
Subsequent to the processing of the content shown in the above d), the processing shown in the following e) is performed.
e) In step S215, as shown in FIG. 3, the model with the highest accuracy is selected based on the comparison result between the temperature forecast value estimated for each case calculated in step S214 and the actual temperature value of the prediction target point.
なお、補正モデルの選定方法については、各時刻の気温予測値と気温実績値の平均絶対誤差が最小となるモデルを選択してもよいし、各時刻の気温予測値と気温実績値の誤差が±Ｍ℃以内（Ｍは正の実数）になる率が最大となるモデル（誤差率を指標として選定するモデル）を選択してもよいし、各時刻の気温予測値と気温実績値の誤差の最大値と最小値の差が最小となるモデルを選択してもよい。
例えば、図４を用いて、誤差率を指標として選定するモデルについて具体的に説明する。すなわち、予測対象日時を基準として所定日時遡った日時の予測対象地点の気象実績値と予測対象地点以外の気象実績値に対し、作成した各補正モデルより推定した予測対象地点の気象実績値を用いて、“予測対象地点の気象実績値”−“補正モデルを用いて、予測対象地点以外の気象実績値から推定した予測対象地点の気象実績値“により、上記で説明したケース１からケース３の場合における、最大誤差、最小誤差、平均誤差、及び誤差率を、それぞれ算出した後、選定の指標とした誤差率の値を各ケースで比較する。そして、最も精度の良いモデルである図４中に矩形の破線で囲んだモデル、すなわちケース３のモデルを選定する。
Regarding the method of selecting the correction model, a model that minimizes the average absolute error between the predicted temperature value and the actual temperature value at each time may be selected, or the error between the predicted temperature value and the actual temperature value at each time may be selected. A model (model that selects an error rate as an index) that maximizes the rate of being within ± M ° C. (M is a positive real number) may be selected, or the error between the temperature predicted value and the temperature actual value at each time may be selected. A model that minimizes the difference between the maximum value and the minimum value may be selected.
For example, a model for selecting an error rate as an index will be specifically described with reference to FIG. That is, for the actual weather value of the prediction target point and the actual weather value of the prediction target point at a date and time that is earlier than the predetermined date and time with respect to the prediction target date and time, the actual weather value of the prediction target point estimated from each created correction model is used. The “weather actual value of the prediction target point” − “the actual weather value of the prediction target point estimated from the actual weather value of the weather other than the prediction target point using the correction model” is used for the cases 1 to 3 described above. After calculating the maximum error, the minimum error, the average error, and the error rate in each case, the values of the error rates used as selection indexes are compared in each case. Then, the model surrounded by a rectangular broken line in FIG. 4, which is the most accurate model, that is, the model of Case 3 is selected.
または、ステップＳ２１４より算出したケース毎に推定した気温予報値を基に予測した電力需要予測値と電力需要実績値との比較結果を基に、最も精度の良いモデルを選定する。なお、補正モデルの選定方法については、各時刻の電力需要予測値と電力需要実績値の平均絶対誤差が最小となるモデルを選定する。 Alternatively, the most accurate model is selected based on a comparison result between the predicted power demand value based on the predicted temperature value estimated for each case calculated in step S214 and the actual power demand value. Regarding the method of selecting a correction model, a model that minimizes the average absolute error between the predicted power demand value and the actual power demand value at each time is selected.
上記ｅ）に示した内容の処理に引き続き、下記ｆ）以下に示す処理を行う。
ｆ）ステップＳ２１６において、ステップＳ２１５より選定した補正モデルのモデル値を補正モデルデータファイルに更新して記載する。
ｇ）ステップＳ２１７において、無償の気象サービスより取得した予測対象日時の予測対象地点以外の気象予報値を取得する。
ｈ）ステップＳ２１８において、ステップＳ２１７より取得した予測対象地点以外の気象予報値とステップＳ２１６より更新した補正モデル値によるモデルを使用して、予測対象地点の気象予報値を推定する。
ｉ）ステップＳ２１９において、ステップＳ２１８より推定した予測対象地点の気象予報値を予測対象地点の気象予報データファイルに更新して記載する。
Subsequent to the process of the above e), the following process f) is performed.
f) In step S216, the model value of the correction model selected in step S215 is updated and described in the correction model data file.
g) In step S217, a weather forecast value other than the prediction target point at the prediction target date and time obtained from the free weather service is obtained.
h) In step S218, the weather forecast value of the prediction target point is estimated using a model based on the weather forecast value other than the prediction target point acquired in step S217 and the correction model value updated in step S216.
i) In step S219, the weather forecast value of the prediction target point estimated from step S218 is updated and described in the weather forecast data file of the prediction target point.
次に、電力需要予測データファイルに記載されている具体的な電力需要予測値の算出方法について説明する。図５は、電力需要予測値算出処理方式のフローチャートであり、詳細は、以下の通りである。 Next, a specific method of calculating a predicted power demand value described in the power demand prediction data file will be described. FIG. 5 is a flowchart of the power demand prediction value calculation processing method, and details are as follows.
ａ）ステップＳ４００において、予測対象地点の電力需要の予測の対象となる日時の範囲を取得する。予測の対象範囲は、算出開始時刻から３０分毎に３６時間先までである。
ｂ）ステップＳ４０１において、予測対象となる日時の範囲における、設備設置地域（ここで、地域は地点の集合体と考えることもできる）の気温の気象予報値を、予測対象地点の気象予報データファイルから取得し、同時にカレンダー情報（図示せず）を取得する。
ｃ）ステップＳ４０１で取得した予測対象地点の気象予報値、カレンダー情報を基に、ステップＳ４０２において、電力需要実績データファイルから、次の条件を満たす３０分毎の過去の電力需要実績値を３６時間分、繰り返し取得する。
a) In step S400, the range of the date and time for which the power demand at the prediction target point is to be predicted is acquired. The prediction target range is 36 hours ahead every 30 minutes from the calculation start time.
b) In step S401, the weather forecast value of the temperature of the facility installation area (here, the area can be considered as an aggregate of points) in the range of the date and time to be forecasted is stored in the weather forecast data file of the forecast target point. And calendar information (not shown) at the same time.
c) Based on the weather forecast value and the calendar information of the prediction target point acquired in step S401, in step S402, the past power demand actual value every 30 minutes satisfying the following conditions is obtained from the power demand actual data file for 36 hours. Minutes to get repeatedly.
（１）予測対象の曜日と時間帯がカレンダー情報と同じ
（２）予測対象の曜日と時間帯の天気が同じ
（３）予測対象の曜日と時間帯の気温予報値が実績値と±Ｎ℃の範囲内（ここでＮは正の実数。例：Ｎ＝２．０）
そして、（１）〜（３）を満たす電力需要実績値を基に、以下の算出方法にて電力需要予測値を算出する。
(1) The forecast day and time zone are the same as the calendar information. (2) The forecast day and time weather are the same. (3) The forecast day and time temperature forecast value is the actual value and ± N ° C. (Where N is a positive real number, for example, N = 2.0)
Then, based on the actual power demand value satisfying (1) to (3), the power demand forecast value is calculated by the following calculation method.
ｄ）予測対象日時が、特異日（閉館日、祝祭日、台風が襲来した日など）に該当する場合（ステップＳ４０３）、特異日需要予測データファイルに記載の各値を電力需要予測値とする（ステップＳ４０４）。このとき、特異日の場合、気温予報値から±２℃以内に合致する電力需要予測値を取得する処理はしない。なお、特異日、及び各特異日に該当する各値(電力需要予測値)は、ユーザにて設定可能である。 d) When the forecast target date and time corresponds to a special day (closed day, holiday, day when a typhoon hits, etc.) (step S403), each value described in the special day demand forecast data file is set as the power demand forecast value ( Step S404). At this time, in the case of a special day, the process of acquiring a power demand forecast value that matches within ± 2 ° C from the temperature forecast value is not performed. It should be noted that the unique day and each value (power demand forecast value) corresponding to each unique day can be set by the user.
ｅ）予測対象日時が特異日ではない場合、上述の（１）〜（３）の条件を満たす電力需要実績値が存在したかどうか判定する（ステップＳ４０５）。これらの条件を満たす電力需要実績値が１個以上の場合は、取得した実績値の平均値を算出し（ステップＳ４０６）電力需要予測値とする。 e) If the prediction target date and time is not a unique date, it is determined whether or not an actual power demand value that satisfies the above conditions (1) to (3) exists (step S405). If one or more actual power demand values satisfy these conditions, an average value of the acquired actual values is calculated (step S406) and used as the predicted power demand value.
ｆ）上述の（１）〜（３）の条件を満たす電力需要実績値が０（ゼロ）個の場合、予測対象日の１週間前の対応する３０分毎の需要実績値を取得し（ステップＳ４０６）、電力需要予測値とする（ステップＳ４０７）。 f) If the actual power demand value that satisfies the above conditions (1) to (3) is 0 (zero), the corresponding demand actual value every 30 minutes one week before the forecast target date is acquired (step S1). In step S406, the power demand prediction value is set (step S407).
ｇ）上記ｄ）〜ｆ）により算出した各電力需要予測値を電力需要予測データファイルに更新して記載する（ステップＳ４０８）。 g) The power demand forecast values calculated in d) to f) are updated and described in the power demand forecast data file (step S408).
以上説明したように、本発明の実施の形態１に係る気象情報予測、及び電力需要予測装置によれば、予測対象地点と無償の気象サービスが提供する予測対象地点以外の気象実績値を基に、使用するデータの条件を変更した補正モデルを複数生成し、最も精度の高い補正モデルを選定する。 As described above, according to the weather information prediction and the power demand prediction device according to the first embodiment of the present invention, the prediction target point and the actual weather values other than the prediction target point provided by the free weather service are used. Then, a plurality of correction models in which the conditions of the data to be used are changed are generated, and the correction model with the highest accuracy is selected.
そして、無償の気象サービスが提供する予測対象地点以外の気象予報値と、選定した補正モデルを用いて、予測対象地点の気象予報値を推定し、推定した予測対象地点の気象予報値と気象実績値、並びに負荷設備全体の電力需要実績値を基に電力需要を予測する点が
異なり、無償の気象サービスを適用しても予測精度の高い電力需要予測を可能にする。
なお、本発明は、その発明の範囲内において、実施の形態を適宜、変形、省略することが可能である。例えば、気温の単位は℃で説明したが、その他の単位、例えば華氏温度（°Ｆ）の単位を用いても、同様の議論が成り立つことは勿論である。
Then, the weather forecast value of the forecast target point is estimated using the weather forecast value of the forecast target point provided by the free weather service and the selected correction model. The difference is that the power demand is predicted based on the value and the actual power demand value of the load equipment. Even when a free weather service is applied, the power demand can be predicted with high prediction accuracy.
It should be noted that the present invention can appropriately modify and omit the embodiments within the scope of the invention. For example, although the unit of the temperature is described in degrees Celsius, it is needless to say that a similar argument can be made even if another unit, for example, a unit of Fahrenheit temperature (° F) is used.
１ 気象情報予測装置および電力需要予測装置、２ （無償）気象サービス、３ 気象実績値、４ 気象予報値、１０１ 気象実績値取得部、１０２ 補正モデル生成部、１０３ 補正モデル評価部、１０４ 気象情報予測部、１０５ 電力需要予測部、２０１ 予測対象地点以外の気象実績データファイル、２０２ 予測対象地点以外の気象予報データファイル、２０３ 予測対象地点の気象実績データファイル、２０４ 補正モデルデータファイル、２０５ 予測対象地点の気象予報データファイル、２０６ 電力需要実績データファイル、２０７ 特異日需要予測データファイル、２０８ 電力需要予測データファイル 1 weather information prediction device and power demand prediction device, 2 (free) weather service, 3 weather actual value, 4 weather forecast value, 101 weather actual value acquisition unit, 102 correction model generation unit, 103 correction model evaluation unit, 104 weather information Forecasting part, 105 Power demand forecasting part, 201 Weather actual data file other than prediction target point, 202 Weather forecast data file other than prediction target point, 203 Weather actual data file for prediction target point, 204 Correction model data file, 205 Prediction target Meteorological forecast data file at point, 206 Actual power demand data file, 207 Unique day demand forecast data file, 208 Power demand forecast data file
Claims (5)
前記予測対象地点の気象実績値、および前記予測対象地点以外の地点の気象実績値を用いて、前記予測対象地点と前記予測対象地点以外の地点の気象実績値の関係を基に、使用するデータの条件を変更して生成した複数の補正モデルから選択した、気象予報の補正モデルを複数生成する補正モデル生成部と、
予測対象日時を基準として所定日時遡った日時における前記予測対象地点の気象実績値、前記予測対象地点以外の気象実績値、および前記補正モデル生成部により作成した各補正モデルより推定した前記予測対象地点の気象データ、を用いて、評価の基準となる指標の値を算出することにより、前記補正モデルを評価し選定する補正モデル評価部と、
前記補正モデル評価部により選定された補正モデルと予測対象地点以外の気象予報値を用いて、予測対象地点の気象予報値を推定する気象情報予測部と、
を備え、
予測対象地点における予測対象日時の気象予報値を推定し、前記補正モデルの生成において、気象実績値の取得期間を予測対象日時から予め定めた特定の期間とし、使用するデータの条件に応じて予測対象地点、および予測対象地点以外の気象実績値を取得する気象情報予測装置であって、
前記予め定めた特定の期間は、前記予測対象日時を基準にした３種類のモデルケースである、前年以前の同月同時刻、予測対象日±１５日の範囲の過去の同時刻、あるいは予測対象日±１５日の範囲の過去の同時刻に予測対象日の１５日以前の日から予測対象日の前日の同時刻を加えたもの、のうち、いずれか一のモデルケースであることを特徴とする気象情報予測装置。 A weather actual value acquisition unit that acquires a weather actual value of a point other than the prediction target point, which is a preset point, by a weather actual value and a weather service of the prediction target point,
Using the actual weather value of the prediction target point and the actual weather value of the point other than the prediction target point, the data to be used based on the relationship between the prediction target point and the actual weather value of the point other than the prediction target point A correction model generation unit that generates a plurality of correction models for weather forecast selected from a plurality of correction models generated by changing the conditions of
The actual weather value of the prediction target point at a date and time that is earlier than the prediction target date and time with respect to the prediction target date and time, the actual weather values of the weather other than the prediction target point, and the prediction target point estimated from each correction model created by the correction model generation unit By using the meteorological data of, by calculating the value of the index as a reference of the evaluation, a correction model evaluation unit that evaluates and selects the correction model,
Using a correction model selected by the correction model evaluation unit and a weather forecast value other than the prediction target point, a weather information prediction unit that estimates a weather forecast value of the prediction target point,
With
Estimate the weather forecast value at the forecast target date and time at the forecast target point, and in the generation of the correction model, set the acquisition period of the actual weather value to a predetermined period from the forecast target date and time, and predict according to the conditions of the data to be used. It is a weather information prediction device that obtains actual weather values other than the target point and the prediction target point,
The predetermined specific period is one of three model cases based on the prediction target date and time, the same time in the same month before the previous year, the same time in the past within the range of ± 15 days of the prediction target date, or the prediction target date. It is one of the model cases of the same time in the past ± 15 days plus the same time on the day before the prediction target day from the day 15 days before the prediction target day. Weather information prediction device.
予測対象日時を基準として所定日時遡った日時の気象サービスが提供する気温予報値を補正した各々の予測対象地点の気温予報値と、予測対象日時を基準として所定日時遡った日時の予測対象地点の気温実績値を比較して、最も精度の良いモデルを選択できることを特徴とする請求項１に記載の気象情報予測装置。 Obtained during the periods of the three types of model cases, which are correction models created for the actual weather value of the forecast target point at a date and time that is earlier than the predetermined date and time based on the forecast target date and time, and the actual weather values of the points other than the forecast target point Multiple correction models created using the data
The temperature forecast value of each prediction target point obtained by correcting the temperature forecast value provided by the weather service at a date and time that is earlier than the predetermined date and time based on the prediction target date and the prediction target point of the date and time that is earlier than the predetermined date and time based on the prediction target date and time comparing the air temperature actual value, weather information prediction apparatus according to claim 1, characterized in that it select the most accurate model.
前記気象情報予測部より推定した予測対象地点の気象予報値と予測対象地点の気象実績値、及び予測対象地点の負荷設備全体の電力需要実績値を用いて、予測対象地点の負荷設備全体の電力需要を予測する電力需要予測部を備え、
推定した予測対象地点の気象予報値と気象実績値、及び予測対象地点の負荷設備全体の電力需要実績値を用いて、予測対象地点の負荷設備全体の電力需要を予測することを特徴とする電力需要予測装置。 It has the weather information prediction device according to claim 1 or claim 2 ,
Using the weather forecast value of the prediction target point estimated from the weather information prediction unit, the actual weather value of the prediction target point, and the actual power demand value of the load equipment at the prediction target point, the power of the entire load equipment at the prediction target point is calculated. Equipped with a power demand forecasting unit that forecasts demand,
Using the estimated weather forecast value and actual weather value at the prediction target point and the actual power demand value of the entire load equipment at the prediction target point, the power demand of the entire load equipment at the prediction target point is predicted. Demand forecasting device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016154199A JP6628700B2 (en) | 2016-08-05 | 2016-08-05 | Weather information forecasting device and power demand forecasting device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016154199A JP6628700B2 (en) | 2016-08-05 | 2016-08-05 | Weather information forecasting device and power demand forecasting device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018021856A JP2018021856A (en) | 2018-02-08 |
| JP6628700B2 true JP6628700B2 (en) | 2020-01-15 |
Family
ID=61164402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016154199A Active JP6628700B2 (en) | 2016-08-05 | 2016-08-05 | Weather information forecasting device and power demand forecasting device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6628700B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020134315A (en) * | 2019-02-20 | 2020-08-31 | 国立大学法人鳥取大学 | Wave prediction model construction method and wave prediction method |
| JP7210338B2 (en) * | 2019-03-14 | 2023-01-23 | 株式会社東芝 | Prediction device, prediction method and computer program |
| JP6795134B1 (en) * | 2019-04-10 | 2020-12-02 | 三菱電機株式会社 | Power management device |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07123589A (en) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | Demand estimation system |
| JPH08163778A (en) * | 1994-12-07 | 1996-06-21 | Toshiba Corp | Power demand prediction system |
| JPH10224990A (en) * | 1997-02-10 | 1998-08-21 | Fuji Electric Co Ltd | Method for correcting predicted value of electric power demand |
| JP4219292B2 (en) * | 2004-03-23 | 2009-02-04 | 大阪瓦斯株式会社 | Temperature prediction system and method for power consumption point |
| JP2006242747A (en) * | 2005-03-03 | 2006-09-14 | Toshiba Corp | Air temperature prediction correction device |
| US7996192B2 (en) * | 2005-05-28 | 2011-08-09 | Dblive Corporation | Method and apparatus for generating an environmental element prediction for a point of interest |
| JP2007047996A (en) * | 2005-08-09 | 2007-02-22 | Tokyo Electric Power Co Inc:The | Demand predicting device and method and program |
| JP5492848B2 (en) * | 2011-09-20 | 2014-05-14 | 株式会社日立製作所 | Power demand forecasting system and method |
| JP6275020B2 (en) * | 2014-01-14 | 2018-02-07 | 三菱電機株式会社 | Energy management system |
| JP5886339B2 (en) * | 2014-02-28 | 2016-03-16 | 中国電力株式会社 | Temperature prediction system, temperature prediction method |
| WO2016121202A1 (en) * | 2015-01-30 | 2016-08-04 | 日本電気株式会社 | Prediction device, prediction method, and program |
-
2016
- 2016-08-05 JP JP2016154199A patent/JP6628700B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018021856A (en) | 2018-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10734811B2 (en) | System and method for optimal control of energy storage system | |
| Meng et al. | Degree-day based non-domestic building energy analytics and modelling should use building and type specific base temperatures | |
| CN108700851B (en) | System, method and cloud-based platform for predicting energy consumption | |
| US9620959B2 (en) | Enhanced grid reliability through predictive analysis and dynamic action for stable power distribution | |
| JP5743881B2 (en) | Power management system, power management method, customer terminal, and power management apparatus | |
| JP5940922B2 (en) | Renewable energy prediction device | |
| KR102283487B1 (en) | A Forecasting System of Photovoltaic Generation Based on Machine-learning Using Realtime Satellite Data and Numerical Modeling Data | |
| CN104115077A (en) | Co-location electrical architecture | |
| JP6628700B2 (en) | Weather information forecasting device and power demand forecasting device | |
| US10770898B2 (en) | Methods and systems for energy use normalization and forecasting | |
| JP2019213299A (en) | Energy operation device, method, and system | |
| JP2016019358A (en) | Demand prediction apparatus, computer program, smart meter and power storage device | |
| US20160071125A1 (en) | Real time provisional evaluation of utility program performance | |
| JP2010218394A (en) | Energy demand prediction device | |
| JP2016073155A (en) | Demand prediction device, demand prediction method, and program | |
| Michiorri et al. | Forecasting real-time ratings for electricity distribution networks using weather forecast data | |
| JP6877956B2 (en) | Demand forecasting device and demand forecasting method | |
| Kim et al. | Using the National Digital Forecast Database for model-based building controls | |
| CN109034507B (en) | Hydropower station generating capacity prediction method and device, computer equipment and storage medium | |
| WO2021133249A1 (en) | Method and apparatus for generating maintenance plan of wind turbines, device and storage medium | |
| US11158007B2 (en) | Dynamic energy consumption and harvesting with feedback | |
| JP7257117B2 (en) | Photovoltaic power generation system distribution estimation device, photovoltaic power generation system distribution estimation method, and photovoltaic power generation output prediction device | |
| WO2022162798A1 (en) | Power demand prediction device, power demand prediction method, and program | |
| JP6795134B1 (en) | Power management device | |
| Kariniotakis et al. | Evaluation of the MORE-CARE wind power prediction platform. Perfrmance of the fuzzy logic based models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181116 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190417 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190507 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190703 |
|
| 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: 20191105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191203 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6628700 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |