JP6679980B2 - 電力需要予測装置、及び電力需要予測方法 - Google Patents
電力需要予測装置、及び電力需要予測方法 Download PDFInfo
- Publication number
- JP6679980B2 JP6679980B2 JP2016033822A JP2016033822A JP6679980B2 JP 6679980 B2 JP6679980 B2 JP 6679980B2 JP 2016033822 A JP2016033822 A JP 2016033822A JP 2016033822 A JP2016033822 A JP 2016033822A JP 6679980 B2 JP6679980 B2 JP 6679980B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- power demand
- similarity
- degree
- 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
Images
Description
続いて、図3に示すフローチャートとともに、電力需要予測装置10が電力需要の予測に際して行う処理(以下、電力需要予測処理S300と称する。)について説明する。
図4に、第1の時系列データ及び第2の時系列データの例を示す。同図に示すグラフの横軸は時間であり、縦軸は電力需要(任意単位)である。同図において、時系列データA(a1,a2,a3,・・・)は第1の時系列データであり、時系列データB(b1,b2,b3,・・・)、時系列データC(c1,c2,c3,・・・)、及び時系列データD(d1,d2,d3,・・・)は、いずれも第2の時系列データである。
指標=−1.0×時間帯別評価値/(時間帯別評価値d)+1
類似度(一般式)=第1時間帯の指標×第1時間帯の時間帯別影響度数
+第2時間帯の指標×第2時間帯の時間帯別影響度数
+第3時間帯の指標×第3時間帯の時間帯別影響度数
+第4時間帯の指標×第4時間帯の時間帯別影響度数
第1時間帯の時間帯別影響度数=0.5
第2時間帯の時間帯別影響度数=0.7
第3時間帯の時間帯別影響度数=1.0
第4時間帯の時間帯別影響度数=0.3
時系列データB:第1時間帯の指標=0.5
第2時間帯の指標=0.7
第3時間帯の指標=0.5
第4時間帯の指標=0.0
時系列データC:第1時間帯の指標=0.3
第2時間帯の指標=0.6
第3時間帯の指標=0.7
第4時間帯の指標=0.5
時系列データD:第1時間帯の指標=0.0
第2時間帯の指標=0.0
第3時間帯の指標=0.0
第4時間帯の指標=0.6
時系列データBの類似度=0.5×0.5
+0.7×0.7
+0.5×1.0
+0.0×0.3=1.24
時系列データCの類似度=0.3×0.5
+0.6×0.7
+0.7×1.0
+0.5×0.3=1.42
時系列データDの類似度=0.0×0.5
+0.0×0.7
+0.0×1.0
+0.6×0.3=0.18
Claims (4)
- プロセッサ及び記憶装置と、
電力需要の実績値である時系列データを記憶する時系列データ記憶部と、
第1の前記時系列データと第2の前記時系列データとが類似する度合いを時間帯別に評価した値である時間帯別評価値を求める時間帯別評価値算出部と、
前記時間帯の夫々について設定された重みである時間帯別影響度を記憶する時間帯別影響度記憶部と、
前記時間帯別評価値の夫々を、夫々について設定された前記時間帯別影響度で重み付けして得られる値を、前記第1の時系列データと前記第2の時系列データの類似度として求める類似度算出部と、
前記類似度が予め設定されている閾値を超えている前記第2の時系列データを、前記時系列データ記憶部が記憶している前記第1の時系列データに類似する前記時系列データとして選出する、時系列データ選出部と、
前記第1の時系列データ及び前記時系列データ選出部が選出した前記時系列データのうちの少なくとも何れかを用いて電力需要を予測する、電力需要予測部と、
備える、電力需要予測装置。 - 請求項1に記載の電力需要予測装置であって、
前記類似度は、その値が大きい程、類似する度合いが高くなる特性を有し、
前記時間帯別評価値は、その値が小さい程、類似する度合いが高くなる特性を有し、
前記時間帯別評価値を、その値が大きい程、類似の度合いが高くなる特性を有する指標に変換する変換処理部を更に備え、
前記類似度算出部は、前記指標の夫々を、夫々に対応する時間帯について設定された前記時間帯別影響度により重み付けして得られる値を前記類似度として求める、
電力需要予測装置。 - プロセッサ及び記憶装置を有する情報処理装置が、
電力需要の実績値である時系列データを記憶するステップ、
第1の前記時系列データと第2の前記時系列データとが類似する度合いを時間帯別に評価した値である時間帯別評価値を求めるステップ、
前記時間帯の夫々について設定された重みである時間帯別影響度を記憶するステップ、
前記時間帯別評価値の夫々を、夫々について設定された前記時間帯別影響度で重み付けして得られる値を、前記第1の時系列データと前記第2の時系列データの類似度として求めるステップ、
前記類似度が予め設定されている閾値を超えている前記第2の時系列データを、記憶している前記第1の時系列データに類似する前記時系列データとして選出するステップ、及び、
前記第1の時系列データ及び選出した前記時系列データのうちの少なくとも何れかを用いて電力需要を予測するステップ、
を更に実行する、
電力需要予測方法。 - 請求項3に記載の電力需要予測方法であって、
前記類似度は、その値が大きい程、類似する度合いが高くなる特性を有し、
前記時間帯別評価値は、その値が小さい程、類似する度合いが高くなる特性を有し、
前記情報処理装置が、
前記時間帯別評価値を、その値が大きい程、類似の度合いが高くなる特性を有する指標に変換するステップ、及び、
前記指標の夫々を、夫々に対応する時間帯について設定された前記時間帯別影響度により重み付けして得られる値を前記類似度として求めるステップ、
を更に実行する、
電力需要予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016033822A JP6679980B2 (ja) | 2016-02-25 | 2016-02-25 | 電力需要予測装置、及び電力需要予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016033822A JP6679980B2 (ja) | 2016-02-25 | 2016-02-25 | 電力需要予測装置、及び電力需要予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017153257A JP2017153257A (ja) | 2017-08-31 |
JP6679980B2 true JP6679980B2 (ja) | 2020-04-15 |
Family
ID=59739881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016033822A Active JP6679980B2 (ja) | 2016-02-25 | 2016-02-25 | 電力需要予測装置、及び電力需要予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6679980B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115775088B (zh) * | 2023-02-13 | 2023-05-05 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气巡检计划确定方法与物联网系统 |
CN115854490B (zh) * | 2023-02-23 | 2023-05-23 | 深圳市森辉智能自控技术有限公司 | 一种用于除湿机状态监控的分析方法与系统 |
CN116307944B (zh) * | 2023-05-18 | 2023-08-04 | 山东欣瑞电气有限公司 | 基于人工智能与物联网的配电箱远程监测系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4614793B2 (ja) * | 2005-03-02 | 2011-01-19 | 大阪瓦斯株式会社 | エネルギ負荷データ作成装置及びコージェネレーションシステム |
JP5729282B2 (ja) * | 2011-11-30 | 2015-06-03 | 富士通株式会社 | 予測装置、予測プログラムおよび予測方法 |
JP5981313B2 (ja) * | 2012-11-09 | 2016-08-31 | 株式会社東芝 | 電力抑制型蓄電蓄熱最適化装置、最適化方法及び最適化プログラム |
JP6245030B2 (ja) * | 2014-03-27 | 2017-12-13 | 富士通株式会社 | 消費電力予測方法、消費電力予測プログラム及び消費電力予測装置 |
-
2016
- 2016-02-25 JP JP2016033822A patent/JP6679980B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017153257A (ja) | 2017-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7051856B2 (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
Goia et al. | Functional clustering and linear regression for peak load forecasting | |
Vásquez et al. | Dynamic type-cohort-time approach for the analysis of energy reductions strategies in the building stock | |
WO2018082523A1 (zh) | 一种负荷周期的模式识别方法 | |
JP6177208B2 (ja) | 電力系統監視装置および電力系統監視システム | |
KR20140105506A (ko) | 전력 생산 용량의 적응 및 에너지 저장 유닛 사이즈의 결정 | |
CN105989420A (zh) | 确定用户用电行为特征的方法、用户用电负荷的预测方法和装置 | |
CN106022530A (zh) | 一种电力需求侧柔性负荷有功功率预测方法 | |
CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
JP6679980B2 (ja) | 電力需要予測装置、及び電力需要予測方法 | |
JP7281960B2 (ja) | 電力系統計画装置および方法 | |
JP2017169289A (ja) | 電力予測システム、電力予測方法及びプログラム | |
Upadhyay et al. | A chance-constrained wind range quantification approach to robust scuc by determining dynamic uncertainty intervals | |
Ruan et al. | Optimization on building combined cooling, heating, and power system considering load uncertainty based on scenario generation method and two-stage stochastic programming | |
CN115545333A (zh) | 一种多负荷日类型配电网负荷曲线预测方法 | |
CN110533247A (zh) | 一种采用气温数据异常点补偿的月度用电量预测方法 | |
JP5538288B2 (ja) | 配電系統電圧制御装置 | |
US10931107B2 (en) | System and method for management of an electricity distribution grid | |
Mishra et al. | Performance evaluation of prophet and STL-ETS methods for load forecasting | |
JP6746946B2 (ja) | 電力需要予測装置、及び電力需要予測方法 | |
Lodetti et al. | MAE and RMSE analysis of K-means predictive algorithm for photovoltaic generation | |
Nematirad et al. | A Novel Statistical Framework for Optimal Sizing of Grid-Connected Photovoltaic-Battery Systems for Peak Demand Reduction to Flatten Daily Load Profiles | |
CN113626763A (zh) | 一种短期全网最大用电负荷预测方法及系统 | |
Nayak-Luke et al. | Quantifying network flexibility requirements in terms of energy storage | |
JP2021040437A (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190131 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191217 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200129 |
|
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: 20200218 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200302 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6679980 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |