JP6715911B2 - 電力需要管理機能を有するサーバおよびその電力需要管理方法 - Google Patents
電力需要管理機能を有するサーバおよびその電力需要管理方法 Download PDFInfo
- Publication number
- JP6715911B2 JP6715911B2 JP2018213909A JP2018213909A JP6715911B2 JP 6715911 B2 JP6715911 B2 JP 6715911B2 JP 2018213909 A JP2018213909 A JP 2018213909A JP 2018213909 A JP2018213909 A JP 2018213909A JP 6715911 B2 JP6715911 B2 JP 6715911B2
- Authority
- JP
- Japan
- Prior art keywords
- subscriber
- power
- information
- event
- feature
- 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
- 238000007726 management method Methods 0.000 title claims description 51
- 230000004044 response Effects 0.000 claims description 137
- 238000000034 method Methods 0.000 claims description 46
- 230000009467 reduction Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 17
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 28
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000007477 logistic regression Methods 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 5
- 239000001569 carbon dioxide Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
本発明は、電力需要管理方案に関し、より詳しくは、デマンドレスポンスイベント参加可能性の高い加入者を選定する対象者選択プロセスにおいて、エネルギー関連の知識のない一般加入者に選定過程に対する理解が容易な説明性を提供できるデマンドレスポンスイベント時における招待対象加入者の選定方法を提供する電力需要管理機能を有するサーバおよびその電力需要管理方法に関する。
家庭の電力消費は弛まず増加しており、今後２０年内に全体電力消費の４１％を占めると予想される。さらに、家庭は電力消費の大きな部分を占めているだけでなく、家庭に対する教育活動を通じてエネルギー使用に対する社会的認識を改善するのに重要な役割をすることができるため、大きな影響力を有する。それ故に、住宅用デマンドレスポンス（Ｒｅｓｉｄｅｎｔｉａｌ Ｄｅｍａｎｄ Ｒｅｓｐｏｎｓｅ）は、電力需要と供給の不均衡問題を解決する重要な道具とみなされる。
住宅用デマンドレスポンスには、価格ベースのデマンドレスポンス（Ｐｒｉｃｅ−Ｂａｓｅｄ Ｄｅｍａｎｄ Ｒｅｓｐｏｎｓｅ）とインセンティブベースのデマンドレスポンス（Ｉｎｃｅｎｔｉｖｅ−Ｂａｓｅｄ Ｄｅｍａｎｄ Ｒｅｓｐｏｎｓｅ）の二つの類型がある。この中、インセンティブベースのデマンドレスポンスは、加入者がデマンドレスポンス参加有無を自ら選択できる柔軟性を提供することができ、初期に専用インフラに対する大規模の投資が必要ない。したがって、インセンティブベースのデマンドレスポンスは、加入者の負担が少なくて導入に有利であり、デマンドレスポンスの初期適用時に効率性と信頼性を全て提供することができる。
このようなインセンティブベースのデマンドレスポンスは、一般に電力の減縮が最も多く要求される時点に予定された招待状を発送して加入者の参加を誘導する招待ベースのイベントの形態で運営される。この場合、インセンティブベースのデマンドレスポンスは、加入者が参加するように強制することはできない。したがって、加入者のうち参加が有力視される加入者を主として招待状を発送する「対象者選択プロセス（ｓｅｌｅｃｔｉｖｅ ｐｒｏｃｅｓｓ）」をインセンティブベースのデマンドレスポンスに導入することが下記の二つの面で役に立つ。
第１に、対象者選択プロセスは、電力減縮に実質的に役に立たないのに補償だけを受領するデマンドレスポンス参加者を排除することができる。人々の電力消費パターンは非常に様々であるため、ある人たちは、単に全てのデマンドレスポンス事件に参加するばかりで電力減縮のための努力はせずに本人の既存の電力消費パターンどおりに電力を消費しても補償を受けることがある。この問題は、住宅用デマンドレスポンス参加者の使用パターンがビジネスデマンドレスポンス参加者の使用パターンより遥かに様々であるために発生する。したがって、ＤＲプログラム運営者は、対象者選択プロセスを活用して、このようなデマンドレスポンス参加者を探知して除外できるオプションを提供して運営効率性を向上させることができる。
第２に、対象者選択プロセスは、招待（Ｉｎｖｉｔａｔｉｏｎ）および通知（Ｎｏｔｉｆｉｃａｔｉｏｎ）を送る頻度を適切に制御してデマンドレスポンス参加者の満足度を高めることができる。インセンティブベースのデマンドレスポンスが動作するためには基本的に招待状を発送しなければならず、また、減縮時点を喚起させるための通知メッセージは住宅用デマンドレスポンスの効率性を高めるのに役に立つ。しかし、招待および通知が多い場合には、一部のデマンドレスポンス参加者を煩わしくするという短所があり、その結果、抗議や通知に対する受信拒否をもたらしうる。この問題に対し、対象者選択プロセスは、特定のデマンドレスポンス参加者に対する通知回数を決めて制御することができる。
しかし、大半の既存の研究は補償金額の最適化に重点を置いており、対象者選択プロセスに対して多くの研究はなかった。これは、対象者選択プロセスを通じて運営効率性およびデマンドレスポンス参加者の満足度が向上するとはしても、選択的な招待によって一部消費者の参加機会が差別的に制限されるために公正性是非および法的紛争につながる可能性があることを意味する。
特に、対象者選択プロセスを適用する場合、デマンドレスポンスプログラム供給者は、加入者に公正性を保障しなければならず、プロセスを透明にし、デマンドレスポンスの補償に対する因果関係を説明しなければならない。その上、住宅用デマンドレスポンスは、エネルギー産業に対する知識のない数多くの一般加入者を相手にするため、容易で簡潔な説明が必要である。したがって、「説明性（Ｅｘｐｌａｉｎａｂｉｌｉｔｙ）」は、住宅用デマンドレスポンスの運営時に非常に重要な要求事項である。
しかし、対象者選択プロセスは、効率性を極大化するために、通常、機械学習を通じて実現されている。機械学習を通じて実現されるアルゴリズムは、数学的なアルゴリズムを伴うため、基本的に説明性が落ちる。特に、デマンドレスポンス加入者の大半は、一般のエネルギー非専門家であるため、機械学習アルゴリズムを理解することか非常に難しい。
したがって、デマンドレスポンスプログラムの運営時、機械学習を通じて効率的な対象者選択プロセスを活用し、且つ、説明性を保障することができる、電力需要管理システムが切実に要請されている。
前記問題点を解決するために、本発明は、デマンドレスポンスプログラムの運営時、効率的な対象者選択プロセスを活用し、且つ、説明性を保障することができる、電力需要管理機能を有するサーバ、通信機器およびシステム、並びにその電力需要管理方法を提供しようとする。
なお、本研究は、2016年度産業通商資源部(MOTIE)と韓国エネルギー技術評価院(KETEP)の支援を受けて遂行した研究課題である(No.20161210200410)。
前記技術的課題を解決するために、本発明に係る電力需要管理機能を有するサーバは、加入者の少なくとも一つの電力消費機器に対する電力使用量および前記加入者の個人デマンドレスポンスイベント参加記録を含む加入者情報と、デマンドレスポンスイベントの日付を含むイベント情報とを格納する格納部、電力使用節減に対する要請信号を受信する受信部、前記要請信号を受信することに伴い、前記加入者情報およびイベント情報を用いて電力使用節減を要請しようとする加入者を選定する選定部、および前記選定された加入者の加入者端末に前記電力使用節減に対する案内情報を送信する送信部を含み、前記選定部は、信用点数化モデルを生成し、前記信用点数化モデルにより加入者の信用点数を評価して、前記電力使用節減を要請しようとする加入者を評価された信用点数に応じて選定してもよい。
一方、本発明に係る電力需要管理方法は、加入者の少なくとも一つの電力消費機器に対する電力使用量および前記加入者の個人デマンドレスポンスイベント参加記録を含む加入者情報と、デマンドレスポンスイベントの日付を含むイベント情報とを格納するステップ、電力使用節減に対する要請信号を受信するステップ、前記要請信号を受信することに伴い、前記加入者情報およびイベント情報を用いて電力使用節減を要請しようとする加入者を選定するステップ、および前記選定された加入者の通信機器に前記電力使用節減に対する案内情報を送信するステップを含み、前記選定するステップは、信用点数化モデルを生成するステップ、および前記信用点数化モデルにより加入者の信用点数を評価して、前記電力使用節減を要請しようとする加入者を評価された信用点数に応じて選定するステップを含んでもよい。
また、本発明に係るデマンドレスポンスイベント対象加入者の選定方法は、加入者の少なくとも一つの電力消費機器に対する電力使用量および前記加入者の個人デマンドレスポンスイベント参加記録を含む加入者情報と、デマンドレスポンスイベントの日付を含むイベント情報とを格納する格納部、電力使用節減に対する要請信号を受信する受信部、前記要請信号を受信することに伴い、前記加入者情報およびイベント情報を用いて電力使用節減を要請しようとする加入者を選定する選定部、および前記選定された加入者の加入者端末に前記電力使用節減に対する案内情報を送信する送信部を含む電力需要管理機能を有するサーバにおいて、前記加入者情報に基づいて生成された複数のフィーチャー（Ｆｅａｔｕｒｅ）に対する情報値に基づいてフィーチャー（Ｆｅａｔｕｒｅ）を選定するステップ、前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を求めて前記フィーチャー（Ｆｅａｔｕｒｅ）を概略分類するステップ、および前記概略分類の各範囲に対する点数範囲を機械学習を通じて生成して点数化モデルを生成するステップを含んでもよい。
本発明によれば、デマンドレスポンスプログラムの運営時、効率的な対象者選択プロセスを活用し、且つ、説明性を保障することができる、電力需要管理機能を有するサーバ、通信機器およびシステム、並びにその電力需要管理方法が提供される。
また、本発明によれば、デマンドレスポンスイベント参加可能性の高い加入者にデマンドレスポンスイベント参加を促すことができるため、安定的に電力使用の減縮が行われる。
以下の内容は単に発明の原理を例示する。よって、当業者であれば、たとえ本明細書に明確に説明または図示されていないと言えども、発明の原理を実現し、発明の概念と範囲に含まれた様々な装置を発明することができるものである。また、本明細書に列挙された全ての条件付きの用語および実施形態は原則的に発明の概念が理解できるようにするための目的にのみ明白に意図され、このように特別に列挙された実施形態および状態に制限的ではないものとして理解しなければならない。
上述した目的、特徴および長所は添付された図面と関連した次の詳細な説明を通じてより明らかになるものであり、それにより、発明が属する技術分野で通常の知識を有した者が発明の技術的思想を容易に実施することができるものである。
また、発明を説明するにおいて発明と関連した公知技術に関する具体的な説明が発明の要旨を不要に濁す恐れがあると判断される場合にはその詳細な説明は省略する。以下では添付した図面を参照して説明する。
以下では、図１〜図６を参照して本発明の一実施形態による電力需要管理機能を有するサーバ、通信機器およびシステム、並びにその電力需要管理方法について説明する。
本発明を説明するに先立ち、本明細書で主に言及される用語に対して定義することにする。
先ず、電力使用節減に対する要請信号は、電力使用に対する節減要求電力量、節減要求時間帯、節減要求地域のうち少なくとも一つに関する情報を含むことができる。例えば、要請信号は、２０１５年５月１日午後２時から午後５時（節減要求時間帯）の間、１万ＫＷｈ（節減要求電力量）を節減するようにする情報を含むことができる。さらに、要請信号は、節減要求地域として特定地域（例えば、水原市、ソウル市、江南区など）を指定する情報をさらに含むことができる。
次に、加入者情報は、フィーチャー（Ｆｅａｔｕｒｅ）を生成するための原始データとして、デマンドレスポンスプログラムに加入した加入者の個人イベント記録（例えば、以前のイベント別の参加有無、最高減縮目標の成功、減縮目標および使用）、および各デマンドレスポンスプログラム加入者の一定期間の間の単位時間当たりに電力計測装置（例えば、スマートメータ）により収集された電気使用量データが含まれている。
次に、電力使用節減に対する案内情報は、デマンドレスポンスイベントに招待しようとするために選定された加入者に要求される節減電力量、該加入者の電力使用現況、節減要求時間帯、節減に応じた予想補償のうち少なくとも一つに関する情報を含むことができ、加入者が使う全体電力消費機器または個別電力消費機器に対して提供されることができる。
最後に、電力使用節減に対する補償に関する情報は、案内情報に相応するように実際に節減された電力量に比例して該加入者に付与される電力使用料の割引または電力使用料の支払い時に使用可能なポイントに関する情報を含むことができる。
図１は本発明の一実施形態による電力需要管理機能を有するシステムの構成図であり、図２は本発明の一実施形態による電力需要管理方法のフローチャートである。
図１に示すように、電力需要管理機能を有するシステム７００は、デマンドレスポンス（需要反応）運用サーバ３００、電力計測装置２００、サーバ１００から受信された電力使用節減に対する招待状を表示または出力する加入者端末４００、およびデマンドレスポンス運用サーバ３００に電力使用節減に対する要請信号を送信する電力供給業者サーバ６００を含むことができる。
また、本発明の一実施形態によれば、電力需要管理機能を有するシステム７００は、さらにスポンサーサーバ６１０と連結されることもできる。
この場合、デマンドレスポンス運用サーバ３００、電力計測装置２００および加入者端末４００は、例えば、インターネットなどのネットワーク１００を介して連結されている。
デマンドレスポンス運用サーバ３００は、ネットワーク１００を介して電力計測装置２００から住内の電力消費機器５００の電力使用量をリアルタイムで受けることができる。また、デマンドレスポンス運用サーバ３００は、前記電力消費量に基づいて、加入者のうちデマンドレスポンスプログラムへの参加対象を選定することができる。
また、デマンドレスポンス運用サーバ３００は、電力供給業者サーバ６００から電力使用節減に対する要請信号を受信することができる。デマンドレスポンス運用サーバ３００は、要請信号の受信時、前記電力消費量および加入者のプロファイルにデマンドレスポンスプログラムへの参加対象を選定することができる。その後、デマンドレスポンス運用サーバ３００は、選定された参加対象に対して、加入者端末４００にデマンドレスポンスイベントに参加を要請する招待状（Ｉｎｖｉｔａｔｉｏｎ）、および、例えば、デマンドレスポンスイベントの参加に対するリマインダー（Ｒｅｍｉｎｄｅｒ）などの通知（Ｎｏｔｉｆｉｃａｔｉｏｎ）を送付することができる。
また、デマンドレスポンス運用サーバ３００は、前記デマンドレスポンスイベントに参加した加入者に補償を提供することができる。この場合、デマンドレスポンス運用サーバ３００は、スポンサーサーバ６１０と連結されて、スポンサーサーバ６１０から提供するクーポン、現金などを補償としてデマンドレスポンスイベントに参加した加入者に提供することができる。
電力計測装置２００は、住内の電力消費機器５００の電力使用量をリアルタイムでデマンドレスポンス運用サーバ３００に供給する。
一方、加入者端末４００は、前述したように、デマンドレスポンス運用サーバ３００から招待状および通知を受信してユーザにデマンドレスポンスイベントに参加するように案内することができる。また、デマンドレスポンス運用サーバ３００から提供する各種情報を表示することができる。加入者端末４００は、例えば、携帯電話、タブレット、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などの様々な形態の通信可能な機器であってもよい。
以下では、図２を参照して本発明を実施するための各構成要素別の動作について説明する。
デマンドレスポンス運用サーバ３００は、電力使用節減に対する要請信号を電力供給業者サーバ６００から受信する（Ｓ２１０）。
ここで、電力供給業者サーバ６００は、電力供給源（例えば、韓国電力公社）または電力供給代行業者が管理するサーバであって、電力供給に関する全般的な動作を実行することができる。
デマンドレスポンス運用サーバ３００は、前記要請信号を受信することに伴い、加入者情報を用いて対象者選択プロセスを通じて電力使用節減を要請しようとする加入者を選定する（Ｓ２２０）。
ここで、デマンドレスポンス運用サーバ３００は、加入者情報を格納することができ、加入者の電力使用現況／パターンを反映して前記加入者情報をアップデートしたり、加入者の要請に応じて前記加入者情報をアップデートしたりすることができる。
デマンドレスポンス運用サーバ３００は、参加率（Ｐａｒｔｉｃｉｐａｔｉｏｎ Ｒａｔｅ）、最大連続参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｐａｒｔｉｃｉｐａｔｉｏｎ）、累積補償（Ｃｕｍｕｌａｔｉｖｅ Ｒｅｂａｔｅ）、最大連続不参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｎｏｎ−Ｐａｒｔｉｃｉｐａｔｉｏｎ）、および前回イベントでの成功可否（Ｓｕｃｃｅｓｓ ｉｎ ｔｈｅ Ｌａｓｔ Ｅｖｅｎｔ、前回イベントへの参加または電力減縮の失敗）などを考慮した所定の基準に応じて、デマンドレスポンスイベントに参加する少なくとも一人の加入者を選定することができる。したがって、デマンドレスポンス運用サーバ３００は、電力使用節減要請に応答してデマンドレスポンスイベントに参加し電力使用を減らす可能性の高い加入者を対象者選択プロセス（Ｓｅｌｅｃｔｉｖｅ Ｐｒｏｃｅｓｓ）を通じて選定することができる。または、デマンドレスポンス運用サーバ３００は、電力使用節減要請に対する応答が高いと予測される加入者を選定することもできる。
加入者の選定に関する対象者選択プロセスについては図３を参照して詳細に後述する。
デマンドレスポンス運用サーバ３００は、選定ステップ（Ｓ２２０）で選定された加入者端末４００に電力使用節減に対する案内情報を含む招待状を送信する（Ｓ２３０）。
ここで、加入者端末４００は、デマンドレスポンス運用サーバ３００とのデータ通信のためにデマンドレスポンス運用サーバ３００に登録された加入者の通信機器であって、スマートフォン、ノートブック、タブレットＰＣなどのモバイル機器、および通信機能が搭載された固定型家電機器（例えば、ＴＶ、冷蔵庫、エアコンなど）を全て含むことができる。
デマンドレスポンス運用サーバ３００は、選定ステップ（Ｓ２２０）で選定された加入者の少なくとも一つの電力消費機器５００による電力使用量をモニターする（Ｓ２４０）。
したがって、デマンドレスポンス運用サーバ３００は、送信ステップ（Ｓ２３０）で送信された案内情報に相応するように前記選定された加入者の電力消費機器において実際に電力使用量が減少したか否かおよび節減電力量を確認することができる（Ｓ２５０）。
デマンドレスポンス運用サーバ３００は、例えば、確認ステップ（Ｓ２５０）で案内情報に相応するように電力使用量が減少したと判断される場合、電力使用量の節減に相応する補償を付与することができる（Ｓ２６０）。
デマンドレスポンス運用サーバ３００は、案内情報に相応するように実際に節減された電力量を考慮して該加入者に付与する補償を決定することができる。
例えば、デマンドレスポンス運用サーバ３００は、節減電力量に比例して補償を付与することができる。また、デマンドレスポンス運用サーバ３００は、電力使用料に関する補償を付与してもよく、電力使用料の割引または電力使用料の支払いに使用可能なポイント支給の方式で補償を付与してもよい。
または、本発明の一実施形態による補償は、電力供給業者関連サーバ以外のスポンサーサーバ６１０から提供した現金、贈り物、クーポンなどを含むことができる。この場合、デマンドレスポンス運用サーバ３００は、スポンサーサーバ６１０から現金、贈り物、クーポンなどを電子的な形態で受信することができる。または、デマンドレスポンス運用サーバ３００は、スポンサーから提供された現金、贈り物、クーポンに相応するように電子的な形態の換算ポイントを該スポンサーのアカウントに積み立てしてもよい。デマンドレスポンス運用サーバ３００は、スポンサー別に提供された現金、贈り物、クーポンまたは換算ポイントに該当する電力使用節減量を算出する。また、スポンサーサーバ６１０は、算出された電力使用節減量に基づいて、二酸化炭素排出権取引きサーバ６２０から二酸化炭素排出権を取得することができる。この場合、「電力使用節減量に基づく」とは、電力使用節減量に基づいて二酸化炭素節減量に換算される全ての場合を意味し、当業者は、既存の方法を用いて電力使用節減量を二酸化炭素節減量に換算することができる。また、二酸化炭素排出権取引きサーバ６２０は、電力供給業者サーバ６００またはデマンドレスポンス運用サーバ３００から、スポンサーサーバ６１０が提供した現金、贈り物、クーポンなどに相応しただけの電力減少が行われたことを確認することができる。
デマンドレスポンス運用サーバ３００は、付与ステップ（Ｓ２６０）で付与された補償に関する情報（以下、補償情報）を該加入者端末４００に送信して、電力使用情報をアップデートすることができる（Ｓ２７０）。
したがって、加入者端末４００の加入者は、自身の電力節減行為によって実際に電力使用料が割引されるか否かおよび割引程度を確認することができる。これは、加入者を電力節減が要求される時期に電力節減に積極的に参加するように誘導するという効果を発揮することができる。
図３は、図１に示された電力需要管理機能を有するデマンドレスポンス運用サーバ３００の詳細構成図である。
図３に示すように、デマンドレスポンス運用サーバ３００は、加入者情報を格納する格納部３１０、電力使用節減に対する要請信号を受信する受信部３２１、前記要請信号を受信することに伴い、前記加入者情報を用いて電力使用節減を要請しようとする加入者を選定する選定部３３１、前記選定された加入者の通信機器に前記電力使用節減に対する案内情報を送信する送信部３２２、前記選定された加入者の電力消費機器による電力使用量をモニターするモニター部３３２、および前記電力消費機器による電力使用量が前記案内情報に従って減少する場合、該加入者に所定の補償を付与する補償管理部３３３を含むことができる。
ここで、受信部３２１および送信部３２２は、それぞれの通信モジュールで実現されてもよく、または一つの通信モジュール３２０で実現されてもよい。また、選定部３３１、モニター部３３２および補償管理部３３３は、それぞれのモジュールで実現されてもよく、一つの制御モジュール３３０で実現されてもよい。
格納部３１０は、加入者情報およびイベント情報を格納することができ、特に加入者別の電力使用に関する情報を格納することができる。例えば、加入者情報として、加入者別の全体電力消費機器または個別電力消費機器による電力使用量、時間別の電力使用プロファイル、案内情報に応じた電力節減履歴に関する情報を格納することができる。より具体的には、案内情報に応じた電力節減履歴は、補償方式および金額を含む以前案内情報に相応して、実際に電力使用量を節減したか否か、節減電力量、電力量の節減を実行した電力消費機器に関する情報などを含むことができる。
イベント情報は、全てのデマンドレスポンス参加者に共通したイベント日付情報（日付、開始時間、天気、温度および基本インセンティブ金額）が含まれる。
受信部３２１は、電力使用節減が要求される期間／時間帯の開始前に、電力供給業者サーバ６００から電力使用節減に対する要請信号を受信することができる。
例えば、電力供給業者サーバ６００は、電力使用節減が要求される期間／時間帯の開始１週間前、１日前または１時間前に要請信号を送信することができる。これは、電力使用節減が要求される期間／時間前に加入者に電力使用節減に対する案内情報を提供することによって、積極的な電力使用節減行為を誘導するためである。
選定部３３１は、参加率（Ｐａｒｔｉｃｉｐａｔｉｏｎ Ｒａｔｅ）、最大連続参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｐａｒｔｉｃｉｐａｔｉｏｎ）、累積補償（Ｃｕｍｕｌａｔｉｖｅ Ｒｅｂａｔｅ）、最大連続不参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｎｏｎ−Ｐａｒｔｉｃｉｐａｔｉｏｎ）、および前回イベントでの成功可否（Ｓｕｃｃｅｓｓ ｉｎ ｔｈｅ Ｌａｓｔ Ｅｖｅｎｔ、前回イベントへの参加または電力減縮の失敗）などを考慮した所定の基準に応じて、電力使用節減を要請しようとする少なくとも一人の加入者を選定することができる。したがって、デマンドレスポンス運用サーバ３００は、電力使用節減要請に対する応答が高いと予測される加入者を選定することができる。
以下では、図５を参照して選定部３３１の詳細動作である対象者選択プロセスについて説明する。
本発明の実施形態による選定部３３１は、基本的に機械学習（Ｍａｃｈｉｎｅ）を活用して効率性を極大化しつつ、信用点数化（Ｃｒｅｄｉｔ Ｓｃｏｒｉｎｇ）アルゴリズムをつなぎ合わせて説明性（Ｅｘｐｌａｉｎａｂｉｌｉｔｙ）を高める方向に設計された。
選定部３３１は、信用点数化学習モードと信用点数評価モードの二つのモードを有する。この場合、信用点数化学習モードは、既存の加入者情報に基づいて、デマンドレスポンス招待対象者を選定するための信用点数化モデルを生成するモードであり、信用点数評価モードは、生成された信用点数化モデルに基づいて、個別加入者の信用点数を評価し、デマンドレスポンスイベント招待対象者を選定するモードである。
選定部３３１の二つのモードを説明するに先立ち、本発明のための重要な概念である説明性および信用点数化の概念について詳細に説明する。
［デマンドレスポンスプログラムにおける説明性の重要性］
ビッグデータおよび機械学習を使う自動化された意思決定の増加により、多くのデマンドレスポンス参加者が個人情報の保護に恐れを持つようになった。このような恐れを解消するために、ＥＵの「ＧＤＰＲ（Ｇｅｎｅｒａｌ Ｄａｔａ Ｐｒｏｔｅｃｔｉｏｎ Ｒｅｇｕｌａｔｉｏｎ）」と「エネルギー消費者のためのニューディールの伝達に関するコミュニケーション（Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｏｎ Ｄｅｌｉｖｅｒｉｎｇ ａ Ｎｅｗ Ｄｅａｌ ｆｏｒ ｅｎｅｒｇｙ ｃｏｎｓｕｍｅｒｓ（以下、ニューディール））」という法的規制が履行されている。
ビッグデータおよび機械学習を使う自動化された意思決定の増加により、多くのデマンドレスポンス参加者が個人情報の保護に恐れを持つようになった。このような恐れを解消するために、ＥＵの「ＧＤＰＲ（Ｇｅｎｅｒａｌ Ｄａｔａ Ｐｒｏｔｅｃｔｉｏｎ Ｒｅｇｕｌａｔｉｏｎ）」と「エネルギー消費者のためのニューディールの伝達に関するコミュニケーション（Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｏｎ Ｄｅｌｉｖｅｒｉｎｇ ａ Ｎｅｗ Ｄｅａｌ ｆｏｒ ｅｎｅｒｇｙ ｃｏｎｓｕｍｅｒｓ（以下、ニューディール））」という法的規制が履行されている。
ＧＤＰＲは、２０１６年５月に通過し、２０１８年から施行される。自動化された意思決定のために個人データが用いられる場合に透明性と公正性を提供するためのものである。ＧＤＰＲによれば、データ主体は、全てのプロセスをモニターし理解できる説明を受ける権利がある。すなわち、自動意思決定に用いられるモデルは、デマンドレスポンス参加者が質問を提起したり抗議を伝達したりする時に回答を提供することができるように説明可能な方式に設計されなければならない。
ＥＵのニューディール２０１５によれば、同じ理由でエネルギー市場で説明可能なモデリングが必要である。エネルギー市場でエネルギーサービスと関連した全ての意思決定プロセスはデマンドレスポンス参加者に透明に公開されるべきであり、デマンドレスポンス参加者はいつでもプログラムオプションを自由にモニターし変更する権利がある。したがって、デマンドレスポンスおよび対象選択プロセスも同じ規制に従うべきであり、特に、住宅用デマンドレスポンスプログラムは一般大衆が対象であるため、より簡単な説明が利用可能でなければならない。
［説明性の定義］
デマンドレスポンスの効率性および正確度は、ＡＵＲＯＣ（Ａｒｅａ Ｕｎｄｅｒ Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）およびＡＵＰＲＣ（Ａｒｅａ Ｕｎｄｅｒ Ｐｒｅｃｉｓｉｏｎ−Ｒｅｃａｌｌ Ｃｕｒｖｅ）のような様々な測定技法を利用できる。
デマンドレスポンスの効率性および正確度は、ＡＵＲＯＣ（Ａｒｅａ Ｕｎｄｅｒ Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）およびＡＵＰＲＣ（Ａｒｅａ Ｕｎｄｅｒ Ｐｒｅｃｉｓｉｏｎ−Ｒｅｃａｌｌ Ｃｕｒｖｅ）のような様々な測定技法を利用できる。
しかし、説明性は、人の背景と知識ベースに依存するために定義するのが容易でない。説明性の主観的な本質のために、既存の研究の大半は間接的に説明性を定義し評価する。例えば、説明性は、既存の研究（例えば、Ｌｅａｒｎｉｎｇ Ｉｎｔｅｒｐｒｅｔａｂｌｅ Ｍｏｄｅｌｓ、Ｓ．Ｒｕｐｉｎｇ、Ｄｏｒｔｍｕｎｄ Ｕｎｉｖ．（ＰｈＤ Ｔｈｅｓｉｓ） ２００６、Ｔｏｗａｒｄｓ ａ Ｒｉｇｏｒｏｕｓ Ｓｃｉｅｎｃｅ ｏｆ Ｉｎｔｅｒｐｒｅｔａｂｌｅ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ、Ｆｉｎａｌｅ Ｄｏｓｈｉ−Ｖｅｌｅｚ、ａｒＸｉｖ、２０１７）によれば、図８のように定性的な方法に定義される。
図８の以前研究の説明性の定義によれば、説明性は、経験的方法を用いて定義することができるが、定量的メートル法を用いて評価することはできない。特に上記の既存の研究によれば、説明能力を保障する唯一の方法は、既に説明可能なものとして知られたモデルを用いることであると指摘する。したがって、本発明では、説明可能な接近法として知られた信用点数化を採択してデマンドレスポンスにおいて説明性を強化する。
［信用点数化］
１９４１年Ｄｕｒａｎｄが考案した信用点数化は、デマンドレスポンス加入者の過去データから生成されたフィーチャー（Ｆｅａｔｕｒｅ）のロジスティック回帰または線形プログラミングを通じて各範囲の点数を設定する。信用点数化は、統計に対する専門知識のないデマンドレスポンス加入者が理解できるように簡単で慣れた形式であるスコアカードを用いる。主にＣＳは、銀行が財務危険を最小化し説明しやすいように提供する。例えば、住宅ローンを得るために銀行を訪問すると、銀行は、信用点数化モデルを通じてその人の貸金返済可能性を予測し、借りることのできる金額、利率および期間を決定する。点数評価のために、以前の３ヶ月間の延滞が−１０点、平均給与が５，０００ドル以上の場合には＋５０点、自動車を所有した場合には＋２０点などを付与するということである。この場合、デマンドレスポンス参加者が貸し出しを拒否された場合、デマンドレスポンス参加者は銀行の公正性に対する不満を提起することができる。
１９４１年Ｄｕｒａｎｄが考案した信用点数化は、デマンドレスポンス加入者の過去データから生成されたフィーチャー（Ｆｅａｔｕｒｅ）のロジスティック回帰または線形プログラミングを通じて各範囲の点数を設定する。信用点数化は、統計に対する専門知識のないデマンドレスポンス加入者が理解できるように簡単で慣れた形式であるスコアカードを用いる。主にＣＳは、銀行が財務危険を最小化し説明しやすいように提供する。例えば、住宅ローンを得るために銀行を訪問すると、銀行は、信用点数化モデルを通じてその人の貸金返済可能性を予測し、借りることのできる金額、利率および期間を決定する。点数評価のために、以前の３ヶ月間の延滞が−１０点、平均給与が５，０００ドル以上の場合には＋５０点、自動車を所有した場合には＋２０点などを付与するということである。この場合、デマンドレスポンス参加者が貸し出しを拒否された場合、デマンドレスポンス参加者は銀行の公正性に対する不満を提起することができる。
この問題を取り扱うために、金融部門は、銀行が意思決定プロセスを公開し各プロセスの因果関係を明確に説明する法的義務がある「第６２条の国家信用法」（‘Ｔｈｅ Ｎａｔｉｏｎａｌ Ｃｒｅｄｉｔ Ａｃｔ ｏｆ ２００５ ｓｔａｔｅｓ ｉｎ ａｒｔｉｃｌｅ ６２’）のような法的規制を施行した。すなわち、デマンドレスポンス参加者が公正性に対して質問できる状況で説明可能なモデルを用いなければならない。
信用点数化は、説明性の要件を満たすことの他にも高い予測的中率により６０年以上業界で活発に用いられている。高い予測性能には二つの理由がある。第１に、予測に必要なフィーチャーのみを抽出して過適合（ｏｖｅｒｆｉｔｔｉｎｇ）を制御する。第２に、非線形性は他の点数の範囲を適応的に選択して処理される。
信用点数化は、確率ベースに基づいて分類を行うため、原始データをそのまま使用する単純な場合に比べて予測性能が向上する。信用点数化の予測性能を向上させるために、機械学習をフィーチャー選択またはフィーチャー生成ステップに適用することができる。しかし、機械学習が採択されても、説明性が維持されるように簡単なスコアカードの形態が維持されなければならない。本発明では機能選択と信用点数範囲の指定のような幾つかのステップに機械学習を適用したが、最終モデルは一般のデマンドレスポンス参加者が理解できる点数カードとして残るように設計された。
以下では、図５を参照して選定部３３１の対象者選択プロセスの信用点数化学習モードについて詳細に説明する。
［デマンドレスポンス参加対象者の選定のための信用点数化モデル］
１．フィーチャー選択（Ｆｅａｔｕｒｅ Ｓｅｌｅｃｔｉｏｎ）（ステップＳ７１０）
信用点数化のフィーチャー選択は、説明性を維持し、且つ、効率性を極大化するのに必要な幾つかの重要な基準フィーチャーを選択するステップである。デマンドレスポンスのための信用点数化は、下記の数学式１に定義される情報値に基づいて基準フィーチャーを選択する。
（数学式１）
ここで、ＩＶは情報値（Ｉｎｆｏｒｍａｔｉｏｎ Ｖａｌｕｅ）であり、Ｐｒ（）は確率関数である。上記の数学式１は、二つのグループ（Ｙ＝０またはＹ＝１）がフィーチャー（ｘ）によってどれくらいよく分離されるのかを測定する値である。ここで、フィーチャー選択の対象となるフィーチャー（Ｆｅａｔｕｒｅ）は図６に例示されている。通常、情報値が０．１以上のフィーチャー（Ｆｅａｔｕｒｅ）は重要なフィーチャー（Ｆｅａｔｕｒｅ）であるといえる。
１．フィーチャー選択（Ｆｅａｔｕｒｅ Ｓｅｌｅｃｔｉｏｎ）（ステップＳ７１０）
信用点数化のフィーチャー選択は、説明性を維持し、且つ、効率性を極大化するのに必要な幾つかの重要な基準フィーチャーを選択するステップである。デマンドレスポンスのための信用点数化は、下記の数学式１に定義される情報値に基づいて基準フィーチャーを選択する。
（数学式１）
ここで、ＩＶは情報値（Ｉｎｆｏｒｍａｔｉｏｎ Ｖａｌｕｅ）であり、Ｐｒ（）は確率関数である。上記の数学式１は、二つのグループ（Ｙ＝０またはＹ＝１）がフィーチャー（ｘ）によってどれくらいよく分離されるのかを測定する値である。ここで、フィーチャー選択の対象となるフィーチャー（Ｆｅａｔｕｒｅ）は図６に例示されている。通常、情報値が０．１以上のフィーチャー（Ｆｅａｔｕｒｅ）は重要なフィーチャー（Ｆｅａｔｕｒｅ）であるといえる。
この場合、選定部３３１は、例えば、情報値の高い順に定められた個数のフィーチャー、例えば５個のフィーチャーを選択することができる。または、上記のように、情報値が０．１以上のフィーチャー（Ｆｅａｔｕｒｅ）を全て選択することもできる。本発明の実施形態では、図６に示した５６個のフィーチャーのうち５個のフィーチャーを選択した。ここで、図６に示した５６個のフィーチャーに対する情報は、選定部３３１によって個別加入者情報およびイベント情報から演算できる。
２．詳細分類（Ｆｉｎｅ Ｃｌａｓｓｉｎｇ）ステップ（ステップＳ７２０）
詳細分類は、連続した値を有するフィーチャーを２０個以下の範囲の分類値に分けるステップである。例えば、基準フィーチャーが電力使用量である場合、全体加入者の電力使用量データのうち９５％の範囲に該当するデータが２５０ｋＷｈから４５０ｋＷｈの間であれば、一つの詳細分類の範囲は１０ｋＷｈ（（４５０ｋＷｈ−２５０ｋＷｈ）／２０）の間隔を有するようになる。全体的に一つのフィーチャーに２０個未満の値がある場合（例えば、前の１０回のデマンドレスポンスイベントの間の特定ユーザの参加回数）には整数（ｉｎｔｅｇｅｒ）になった参加回数そのものが詳細分類の対象となる。
詳細分類は、連続した値を有するフィーチャーを２０個以下の範囲の分類値に分けるステップである。例えば、基準フィーチャーが電力使用量である場合、全体加入者の電力使用量データのうち９５％の範囲に該当するデータが２５０ｋＷｈから４５０ｋＷｈの間であれば、一つの詳細分類の範囲は１０ｋＷｈ（（４５０ｋＷｈ−２５０ｋＷｈ）／２０）の間隔を有するようになる。全体的に一つのフィーチャーに２０個未満の値がある場合（例えば、前の１０回のデマンドレスポンスイベントの間の特定ユーザの参加回数）には整数（ｉｎｔｅｇｅｒ）になった参加回数そのものが詳細分類の対象となる。
３．概略分類（Ｃｏａｒｓｅ Ｃｌａｓｓｉｎｇ）ステップ（ステップＳ７３０）
選定部３３１は、詳細分類において一部の分類を併合して概略分類に分類調整を行う。詳細分類が分類を定義する簡単で線形的な方法を提供する反面、分類に該当する値の数（Ｐｏｐｕｌａｔｉｏｎ）間の均衡をよく維持することが説明性に重要である。概略分類は、より安定的で統計的に重要な分類に分類ステップを併合する。
選定部３３１は、詳細分類において一部の分類を併合して概略分類に分類調整を行う。詳細分類が分類を定義する簡単で線形的な方法を提供する反面、分類に該当する値の数（Ｐｏｐｕｌａｔｉｏｎ）間の均衡をよく維持することが説明性に重要である。概略分類は、より安定的で統計的に重要な分類に分類ステップを併合する。
この場合、信用点数化は、ロジスティック回帰（Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ）によって二つの確率を近似する。この時、ロジスティック回帰のロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）は点数（ＳＣＯＲＥ）変数と線形関係にある（下記の数学式４を参照）。点数（ＳＣＯＲＥ）変数は、各フィーチャーに対する各分類の点数値である。数学式２および数学式３は、数学式４のロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を演算するためのステップである。
（数学式２）
（数学式３）
（数学式４）
この場合、Ｘは各フィーチャーを意味し、ｒａｎｇｅ １は詳細分類から得られたフィーチャー分類ステップの範囲に該当し、β０、β１はロジスティック回帰の定数である。また、数学式４の左辺はロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）である。選定部３３１は、さらに少ない数の分類ステップを用いて説明性を増加させるために、詳細分類ステップを活用して演算されたロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を四捨五入した後、同じ値を有した分類ステップを統合する。
（数学式２）
（数学式３）
（数学式４）
この場合、Ｘは各フィーチャーを意味し、ｒａｎｇｅ １は詳細分類から得られたフィーチャー分類ステップの範囲に該当し、β０、β１はロジスティック回帰の定数である。また、数学式４の左辺はロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）である。選定部３３１は、さらに少ない数の分類ステップを用いて説明性を増加させるために、詳細分類ステップを活用して演算されたロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を四捨五入した後、同じ値を有した分類ステップを統合する。
４．機械学習を通じた点数調整ステップ（Ｓ７４０）
選定部３３１は、機械学習を通じた点数調整によって信用点数化モデルを最終的に生成する。
選定部３３１は、機械学習を通じた点数調整によって信用点数化モデルを最終的に生成する。
本発明によれば、点数（Ｓｃｏｒｅ）を０から１００の間の値をスケーリング要素（Ｓｃａｌｉｎｇ Ｆａｃｔｏｒ）である０．０５段階に分けて演算する。すなわち、０から１００の間を２０００段階に分けた値を点数（ＳＣＯＲＥ）値に設定した後、意味のある点数範囲を設定する。本発明の実施形態は、例えば、ＡＵＲＯＣ（Ａｒｅａ Ｕｎｄｅｒ Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）が０．００１増加するのを基準に点数範囲を分けた。
また、本発明の実施形態では、ＧＢＭ（Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ Ｍｅｔｈｏｄ）に基づいて機械学習を実行した。機械学習方法にはＬＲ（Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ）、ニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＮＢ（Ｎａｉｖｅ Ｂａｙｅｓ）などの様々な方法があるが、検討の結果、ＧＢＭに基づいた機械学習が最も優れた性能を示した。
本発明の実施形態により選定された最終的なフィーチャーおよびフィーチャーに応じた分類ステップ（Ｒａｎｇｅ）および点数分類は図７に示す。
図７を参照すれば、図６に示した５６個のデマンドレスポンス関連フィーチャー（Ｆｅａｔｕｒｅ）のうち選定された５個のフィーチャーは、参加率（Ｐａｒｔｉｃｉｐａｔｉｏｎ Ｒａｔｅ）、最大連続参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｐａｒｔｉｃｉｐａｔｉｏｎ）、累積補償（Ｃｕｍｕｌａｔｉｖｅ Ｒｅｂａｔｅ）、最大連続不参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｎｏｎ−Ｐａｒｔｉｃｉｐａｔｉｏｎ）、および前回イベントでの成功可否（Ｓｕｃｃｅｓｓ ｉｎ ｔｈｅ Ｌａｓｔ Ｅｖｅｎｔ、前回イベントへの参加または電力減縮の失敗）である。
［選定部３３１の信用点数評価モード］
選定部３３１は、上記のような信用評価点数化学習モードにより選択されたフィーチャーおよび点数に基づいて、加入者のうちデマンドレスポンスイベントに招待される加入者を選定する。
選定部３３１は、上記のような信用評価点数化学習モードにより選択されたフィーチャーおよび点数に基づいて、加入者のうちデマンドレスポンスイベントに招待される加入者を選定する。
例えば、現在までのデマンドレスポンスイベント参加率が０．６であり、最大連続参加回数が３回であり、累積補償が５００であり、最大連続不参加回数が６であり、前回イベントに参加したユーザの場合には、図７を参照すれば、７５＋２８．３５＋１７．７５＋９．１＋４０＝９５．９５点の信用点数を得る。
一方、再び図３を参照すれば、送信部３２２は、選定部３３１によって選定された加入者端末４００に前記電力使用節減に対する案内情報（１）を送信することができる。
例えば、案内情報は、電力節減が要求される時間帯、節減要求電力量、全体電力消費機器または個別電力消費機器に対する節減可能電力量、電力使用節減のためのガイド（例えば、エアコン温度を何度に下げて下さい、冷蔵庫の冷蔵／冷凍温度を上げて下さい、未使用の電子製品のコンセントを外して下さいなど）、電力使用節減に応じた補償情報などを含むことができる。
モニター部３３２は、案内情報の送信後、前記選定された加入者の電力消費機器による電力使用量をモニターすることができる。これは、案内情報に相応するように加入者の電力消費機器による電力使用が実際に減少したか否か、または減少した電力量がどの程度であるかを把握し、それに基づいて今後の補償を付与するためのものである。
補償管理部３３３は、前記選定された加入者の電力消費機器による電力使用量が前記送信された案内情報に従って減少する場合、減少した電力使用量に比例して該加入者に所定の補償を付与することができる。より具体的には、補償管理部３３３は、電力使用料に対する補償を付与することができる。
例えば、補償管理部３３３は、電力使用料の割引または電力使用料の支払いに使用可能なポイント支給の方式で補償を付与することができる。または、補償管理部３３３は、スポンサーサーバ６１０から受けた現金、贈り物、クーポンなどを補償として付与することもできる。
さらに、送信部３２２は、加入者別の案内情報に応じた電力節減に関する情報（以下、節減情報）を電力供給業者サーバ６００に送信することができ、電力供給業者サーバ６００は、節減情報に含まれた電力節減有無および節減電力量に相応する補償を決定し、それに関する情報をデマンドレスポンス運用サーバ３００に送信することができる。したがって、補償管理部３３３は、電力供給業者サーバ６００から受信した補償に関する情報に基づいて該加入者に対する補償を付与することができる。
一方、補償管理部３３３は、案内情報に応じた電力節減有無および節減電力量に基づいた補償付与基準を予め定めており、前記補償付与基準に基づいて該加入者に対する補償を付与することもできる。
送信部３２２は、前記付与された補償に関する情報（以下、補償情報）（２）を該加入者の通信機器である加入者端末４００に送信することができる。
図４は、図１に示された電力需要管理機能を有する加入者端末４００の構成図である。
図４によれば、加入者端末４００は、デマンドレスポンス運用サーバ３００から電力使用節減に対する案内情報を受信する通信部４１０、前記案内情報を受信することに伴い、電力関連アプリケーションを実行する制御部４２０、および前記電力関連アプリケーションを実行することによって前記案内情報を出力する出力部４３０を含むことができる。また、加入者端末４００は、電力関連アプリケーション、案内情報、補償情報などを格納する格納部４５０をさらに含むことができる。
ここで、制御部４２０は、通信部４１０、出力部４３０、入力部４４０および格納部４４０のうち少なくとも一つの動作を制御することができる。
ここで、電力関連アプリケーションは、加入者端末４００の加入者が保有した電力消費機器の電力使用を管理するためのアプリケーションを意味し、加入者端末４００の生産時に設置されるか、または加入者の選択によって外部サーバからダウンロードして設置されてもよい。
制御部４２０は、案内情報を受信する場合、電力関連アプリケーションを自動実行するか、または案内情報の受信通知を加入者に提供した後、加入者から実行命令の入力を受けた場合に限って電力関連アプリケーションを実行してもよい。
例えば、案内情報の受信通知は、案内情報の簡略内容を表示してもよく、単に受信有無だけを知らせるための振動／ランプ／通知音を出力してもよい。
また、通信部４１０は、前記案内情報に応じた電力使用節減に相応して付与された補償に関する情報（以下、補償情報）をデマンドレスポンス運用サーバ３００から受信し、出力部４３０は、電力関連アプリケーションを実行することによって前記受信した補償情報を出力することができる。
補償情報の受信通知に関連し、上述した案内情報の受信通知に関する説明を引用することができるので、それに関する詳細な説明は省略する。
したがって、本発明によれば、デマンドレスポンスプログラムの運営時、効率的な対象者選択プロセスを活用し、且つ、説明性を保障することができる、電力需要管理機能を有するサーバ、通信機器およびシステム、並びにその電力需要管理方法が提供される。
また、本発明によれば、デマンドレスポンスイベント参加可能性の高い加入者にデマンドレスポンスイベント参加を促すことができるため、安定的に電力使用減縮が行われる。
以上の説明は本発明の技術思想を例示的に説明したものに過ぎず、本発明が属する技術分野で通常の知識を有した者であれば、本発明の本質的な特性から逸脱しない範囲内で様々な修正、変更および置換が可能である。
したがって、本発明に開示された実施形態および添付された図面は本発明の技術思想を限定するためのものではなく説明するためのものであり、このような実施形態および添付された図面によって本発明の技術思想の範囲が限定されるものではない。本発明の保護範囲は下記の特許請求の範囲によって解釈しなければならず、それと同等な範囲内にある全ての技術思想は本発明の権利範囲に含まれるものとして解釈しなければならない。
Claims (19)
- 加入者の少なくとも一つの電力消費機器に対する電力使用量および前記加入者のデマンドレスポンスイベント参加記録を含む加入者情報と、デマンドレスポンスイベントの日付を含むイベント情報とを格納する格納部、
電力使用節減に対する要請信号を受信する受信部、
前記要請信号を受信することに伴い、前記加入者情報およびイベント情報を用いて電力使用節減を要請しようとする加入者を選定する選定部、および
前記選定された加入者の加入者端末に前記要請しようとする電力使用節減に対する案内情報を送信する送信部を含み、
前記選定部は、信用点数化モデルを生成し、前記信用点数化モデルにより加入者の信用点数を評価して、前記電力使用節減を要請しようとする加入者を評価された信用点数に応じて選定し、
前記信用点数化モデルは、前記加入者情報に基づいて生成された複数のフィーチャー（Ｆｅａｔｕｒｅ）に対する情報値に基づいてフィーチャー（Ｆｅａｔｕｒｅ）を選定し、前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を求めて前記フィーチャー（Ｆｅａｔｕｒｅ）を概略分類した後、前記概略分類の各範囲に対する点数範囲を機械学習を通じて生成して作られる、電力需要管理機能を有するサーバ。 - 前記概略分類は、前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）を詳細分類した後、前記詳細分類された分類範囲に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を四捨五入して同じロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を有する場合に前記詳細分類された分類範囲を統合して生成される、請求項１に記載の電力需要管理機能を有するサーバ。
- 前記詳細分類された分類範囲は一つのフィーチャーに対して２０個以下である、請求項２に記載の電力需要管理機能を有するサーバ。
- 前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）は、参加率（Ｐａｒｔｉｃｉｐａｔｉｏｎ Ｒａｔｅ）、最大連続参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｐａｒｔｉｃｉｐａｔｉｏｎ）、累積補償（Ｃｕｍｕｌａｔｉｖｅ Ｒｅｂａｔｅ）、最大連続不参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｎｏｎ−Ｐａｒｔｉｃｉｐａｔｉｏｎ）、および前回イベントでの成功可否（Ｓｕｃｃｅｓｓ ｉｎ ｔｈｅ Ｌａｓｔ Ｅｖｅｎｔ、前回イベントへの参加または電力減縮の失敗）を含む、請求項１に記載の電力需要管理機能を有するサーバ。
- 前記選定部は、前記加入者情報および前記イベント情報に基づいて複数のフィーチャー（Ｆｅａｔｕｒｅ）を生成する、請求項１から４の何れか１項に記載の電力需要管理機能を有するサーバ。
- 前記選定された前記少なくとも一つの電力消費機器による電力使用量をモニターするモニター部、および
前記電力消費機器による電力使用量が前記案内情報に従って減少する場合、該加入者に所定の補償を付与する補償管理部をさらに含む、請求項１から５の何れか１項に記載の電力需要管理機能を有するサーバ。 - 前記送信部は、前記付与された補償に関する情報を前記該加入者の加入者端末に送信する、請求項６に記載の電力需要管理機能を有するサーバ。
- 加入者の少なくとも一つの電力消費機器に対する電力使用量および前記加入者の個人デマンドレスポンスイベント参加記録を含む加入者情報と、デマンドレスポンスイベントの日付を含むイベント情報とを格納するステップ、
電力使用節減に対する要請信号を受信するステップ、
前記要請信号を受信することに伴い、前記加入者情報およびイベント情報を用いて電力使用節減を要請しようとする加入者を選定するステップ、および
前記選定された加入者の通信機器に前記電力使用節減に対する案内情報を送信するステップを含み、
前記選定するステップは、信用点数化モデルを生成するステップ、および前記信用点数化モデルにより加入者の信用点数を評価して、前記電力使用節減を要請しようとする加入者を評価された信用点数に応じて選定するステップを含み、
前記信用点数化モデルを生成するステップは、
前記加入者情報に基づいて生成された複数のフィーチャー（Ｆｅａｔｕｒｅ）に対する情報値に基づいてフィーチャー（Ｆｅａｔｕｒｅ）を選定するステップ、
前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を求めて前記フィーチャー（Ｆｅａｔｕｒｅ）を概略分類するステップ、および
前記概略分類の各範囲に対する点数範囲を機械学習を通じて生成するステップを含む、電力需要管理方法。 - 前記概略分類するステップは、
前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）を詳細分類するステップ、および
前記詳細分類された分類範囲に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を求めるステップ、および
前記ロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を四捨五入して同じロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を有する場合に前記詳細分類された分類範囲を統合して前記概略分類を生成するステップを含む、請求項８に記載の電力需要管理方法。 - 前記詳細分類された分類範囲は一つのフィーチャーに対して２０個以下である、請求項９に記載の電力需要管理方法。
- 前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）は、参加率（Ｐａｒｔｉｃｉｐａｔｉｏｎ Ｒａｔｅ）、最大連続参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｐａｒｔｉｃｉｐａｔｉｏｎ）、累積補償（Ｃｕｍｕｌａｔｉｖｅ Ｒｅｂａｔｅ）、最大連続不参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｎｏｎ−Ｐａｒｔｉｃｉｐａｔｉｏｎ）、および前回イベントでの成功可否（Ｓｕｃｃｅｓｓ ｉｎ ｔｈｅ Ｌａｓｔ Ｅｖｅｎｔ、前回イベントへの参加または電力減縮の失敗）を含む、請求項８に記載の電力需要管理方法。
- 前記選定するステップは、前記加入者情報および前記イベント情報に基づいて複数のフィーチャー（Ｆｅａｔｕｒｅ）を生成するステップをさらに含む、請求項８から１１の何れか１項に記載の電力需要管理方法。
- 前記加入者の電力消費機器による電力使用量をモニターするステップ、および
前記電力消費機器の電力使用量が前記案内情報に従って減少する場合、該加入者に所定の補償を付与するステップを含む、請求項８から１２の何れか１項に記載の電力需要管理方法。 - 前記送信するステップは、前記付与された補償に関する情報を前記該加入者の加入者端末に送信するステップを含む、請求項１３に記載の電力需要管理方法。
- 加入者の少なくとも一つの電力消費機器に対する電力使用量および前記加入者の個人デマンドレスポンスイベント参加記録を含む加入者情報と、デマンドレスポンスイベントの日付を含むイベント情報とを格納する格納部、電力使用節減に対する要請信号を受信する受信部、前記要請信号を受信することに伴い、前記加入者情報およびイベント情報を用いて電力使用節減を要請しようとする加入者を選定する選定部、および前記選定された加入者の加入者端末に前記電力使用節減に対する案内情報を送信する送信部を含む電力需要管理機能を有するサーバにおいて、
前記加入者情報に基づいて生成された複数のフィーチャー（Ｆｅａｔｕｒｅ）に対する情報値に基づいてフィーチャー（Ｆｅａｔｕｒｅ）を選定するステップ、
前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を求めて前記フィーチャー（Ｆｅａｔｕｒｅ）を概略分類するステップ、および
前記概略分類の各範囲に対する点数範囲を機械学習を通じて生成して信用点数化モデルを生成するステップを含む、デマンドレスポンスイベント対象加入者の選定方法。 - 前記概略分類するステップは、
前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）を詳細分類するステップ、および
前記詳細分類された分類範囲に対するロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を求めるステップ、および
前記ロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を四捨五入して同じロジット値（Ｌｏｇｉｔ Ｖａｌｕｅ）を有する場合に前記詳細分類された分類範囲を統合して前記概略分類を生成するステップを含む、請求項１５に記載のデマンドレスポンスイベント対象加入者の選定方法。 - 前記詳細分類された分類範囲は一つのフィーチャーに対して２０個以下である、請求項１６に記載のデマンドレスポンスイベント対象加入者の選定方法。
- 前記フィーチャー（Ｆｅａｔｕｒｅ）を選定するステップは、前記加入者情報および前記イベント情報に基づいて複数のフィーチャー（Ｆｅａｔｕｒｅ）を生成するステップを含む、請求項１６に記載のデマンドレスポンスイベント対象加入者の選定方法。
- 前記選定されたフィーチャー（Ｆｅａｔｕｒｅ）は、参加率（Ｐａｒｔｉｃｉｐａｔｉｏｎ Ｒａｔｅ）、最大連続参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｐａｒｔｉｃｉｐａｔｉｏｎ）、累積補償（Ｃｕｍｕｌａｔｉｖｅ Ｒｅｂａｔｅ）、最大連続不参加回数（Ｍａｘｉｍｕｍ Ｎｕｍｂｅｒ ｏｆ Ｃｏｎｓｅｃｕｔｉｖｅ Ｎｏｎ−Ｐａｒｔｉｃｉｐａｔｉｏｎ）、および前回イベントでの成功可否（Ｓｕｃｃｅｓｓ ｉｎ ｔｈｅ Ｌａｓｔ Ｅｖｅｎｔ、前回イベントへの参加または電力減縮の失敗）を含む、請求項１８に記載のデマンドレスポンスイベント対象加入者の選定方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2017-0183977 | 2017-12-29 | ||
| KR1020170183977A KR102133741B1 (ko) | 2017-12-29 | 2017-12-29 | 전력 수요 관리 기능을 갖는 서버, 및 그것의 전력 수요 관리 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019121363A JP2019121363A (ja) | 2019-07-22 |
| JP6715911B2 true JP6715911B2 (ja) | 2020-07-01 |
Family
ID=67261148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018213909A Active JP6715911B2 (ja) | 2017-12-29 | 2018-11-14 | 電力需要管理機能を有するサーバおよびその電力需要管理方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6715911B2 (ja) |
| KR (1) | KR102133741B1 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705899A (zh) * | 2019-10-13 | 2020-01-17 | 国网福建省电力有限公司 | 一种面向电力用户的信用评价管理方法、系统 |
| WO2023120764A1 (ko) * | 2021-12-21 | 2023-06-29 | 주식회사 투파더 | 에너지 소비 절감 적극성 평가 시스템 |
| KR102423911B1 (ko) * | 2022-05-11 | 2022-07-21 | 주식회사 투파더 | 에너지 소비 모니터링 및 최적화 시스템 |
| CN116050946B (zh) * | 2023-03-29 | 2023-06-16 | 东莞先知大数据有限公司 | 一种水务用户催收管理方法、装置、电子设备和存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9595070B2 (en) * | 2013-03-15 | 2017-03-14 | Google Inc. | Systems, apparatus and methods for managing demand-response programs and events |
| KR102438439B1 (ko) * | 2015-06-05 | 2022-08-31 | 주식회사 인코어드 테크놀로지스 | 전력 수요 관리 기능을 갖는 서버, 통신 기기 및 서버, 및 그것의 전력 사용 관리 방법 |
| KR101672408B1 (ko) * | 2015-05-07 | 2016-11-04 | 주식회사 우암코퍼레이션 | 전력 수요감축 경매시스템 및 경매방법 |
| US10438303B2 (en) * | 2015-09-01 | 2019-10-08 | Fujitsu Limited | Optimization and distribution of coupons in residential demand response |
| JP6722481B2 (ja) * | 2016-03-18 | 2020-07-15 | 株式会社エヌ・ティ・ティ・データ | エネルギー需要制御装置、エネルギー需要制御方法、エネルギー需要制御システム、およびプログラム |
-
2017
- 2017-12-29 KR KR1020170183977A patent/KR102133741B1/ko active IP Right Grant
-
2018
- 2018-11-14 JP JP2018213909A patent/JP6715911B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019121363A (ja) | 2019-07-22 |
| KR20190081436A (ko) | 2019-07-09 |
| KR102133741B1 (ko) | 2020-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6715911B2 (ja) | 電力需要管理機能を有するサーバおよびその電力需要管理方法 | |
| US20230006444A1 (en) | Methods and systems for an automated utility marketplace platform | |
| Saad et al. | Toward a consumer-centric grid: A behavioral perspective | |
| US9543785B2 (en) | Electrical charging/discharging control apparatus, electric-power management apparatus, electric-power management method and electric-power management system | |
| US11789411B2 (en) | COI optimizer | |
| JP6507576B2 (ja) | 需要応答イベント査定プログラム | |
| JP2017049998A (ja) | 住宅需要反応におけるクーポンの最適化及び配信 | |
| US20130123995A1 (en) | Power management device, power management method, and demand notifying device | |
| Ströhle et al. | Local matching of flexible load in smart grids | |
| Yang et al. | Quantifying the benefits to consumers for demand response with a statistical elasticity model | |
| Kiguchi et al. | Predicting winners and losers under time-of-use tariffs using smart meter data | |
| de Leon Barido et al. | Opportunities for behavioral energy efficiency and flexible demand in data-limited low-carbon resource constrained environments | |
| Rasheed et al. | Minimizing pricing policies based on user load profiles and residential demand responses in smart grids | |
| US9805321B2 (en) | Eco score analytics system | |
| US20180364664A1 (en) | Personalized actionable energy management based on load disambiguation | |
| Gao et al. | Review of virtual power plant operations: Resource coordination and multidimensional interaction | |
| Lv et al. | Hierarchical learning optimisation method for the coordination dispatch of the inter‐regional power grid considering the quality of service index | |
| KR102582302B1 (ko) | 전력 수요 관리 기능을 갖는 시스템 | |
| KR102593286B1 (ko) | 전력 수요 관리 기능을 갖는 시스템, 및 그것의 전력 수요 관리 방법 | |
| Cui et al. | Electric vehicles embedded virtual power plants dispatch mechanism design considering charging efficiencies | |
| KR20230148315A (ko) | 전력 수요 관리 기능을 갖는 서버, 및 그것의 전력 수요 관리 방법 | |
| Bahmani et al. | Quantifying the impact of electricity pricing on electric vehicle user behavior: a V2G perspective for smart grid development | |
| Xu et al. | Application of deep reinforcement learning in electricity demand response market: Demand response decision-making of load aggregator | |
| Andrews | Towards Urban Decarbonization: Integrating Energy Efficiency, Demand Flexibility, and Emissions Accounting in Building Decarbonization Policy | |
| Gross | Residential demand-side response in the UK: maximising consumer uptake and response |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181114 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191023 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191112 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200207 |
|
| 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: 20200526 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200609 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6715911 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |