JP6764302B2 - 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム - Google Patents
電力需要予測システム、電力需要予測方法及び電力需要予測プログラム Download PDFInfo
- Publication number
- JP6764302B2 JP6764302B2 JP2016194871A JP2016194871A JP6764302B2 JP 6764302 B2 JP6764302 B2 JP 6764302B2 JP 2016194871 A JP2016194871 A JP 2016194871A JP 2016194871 A JP2016194871 A JP 2016194871A JP 6764302 B2 JP6764302 B2 JP 6764302B2
- Authority
- JP
- Japan
- Prior art keywords
- demand
- power demand
- target area
- forecast
- density
- 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
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
- 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
- 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
-
- 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
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、地域の電力需要を予測する電力需要予測システム、電力需要予測方法及び電力需要予測プログラムに関する。
街等の地域単位での電力需要を予測し、需給の逼迫が予想される場合には、地域内の需要者にデマンドレスポンスへの参加を要請し、需要を抑制する仕組みが知られている（例えば下記の特許文献１を参照）。
なお、上記の従来技術では、電力需要の予測を過去の電力消費、天気予報等に基づいて行っている。
なお、上記の従来技術では、電力需要の予測を過去の電力消費、天気予報等に基づいて行っている。
ところで、需要者が特定の公共施設や民間施設に集まり、街全体の機器の稼働率を下げることで需要を抑制するクールシェアと称される取り組みも知られている。
しかしながら、従来の需要予測技術では、このような局所的に人が集まること等による需要変動効果は何ら考慮されていない。
しかしながら、従来の需要予測技術では、このような局所的に人が集まること等による需要変動効果は何ら考慮されていない。
本発明は上記の課題に鑑みてなされたものであって、その目的は、対象地域内の人の分布に応じた需要変動効果を加味した電力需要の予測が可能な電力需要予測システム、電力需要予測方法及び電力需要予測プログラムを提供することにある。
前記課題は、本発明に係る電力需要予測システムによれば、対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測部と、前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出部と、前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出部と、を備えることにより解決される。
また、前記課題は、本発明に係る電力需要予測方法によれば、電力需要予測システムが、対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測ステップと、前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出ステップと、前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出部ステップと、を実行することにより解決される。
また、前記課題は、本発明に係る電力需要予測プログラムによれば、コンピュータに、対象地域に設定した複数の領域のそれぞれの人の密集度を取得するステップと、前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出ステップと、前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出ステップと、を実行させることにより解決される。
本発明に係る電力需要予測システム、電力需要予測方法及び電力需要予測プログラムによれば、対象地域内の人の分布に基づく需要変動効果を加味した電力需要の予測を行うことができる。
以下、図１乃至図８に基づき、本発明の一実施形態（以下、本実施形態）に係る電力需要予測システム１について説明する。
［１．電力需要予測システム１の概要説明］
図１には、電力需要予測システム１のシステム構成を示した。本実施形態では、電力需要予測システム１は、対象地域Ａに設定した複数の領域（Ａ１〜Ａ９）のそれぞれの人の密集度を計測し、複数の領域の密集度に応じて、所定期間における対象地域Ａの電力需要の予測値である予測需要量を算出するシステムである。
以下、図１乃至図４に基づき、電力需要予測システム１の概要について説明する。
図１には、電力需要予測システム１のシステム構成を示した。本実施形態では、電力需要予測システム１は、対象地域Ａに設定した複数の領域（Ａ１〜Ａ９）のそれぞれの人の密集度を計測し、複数の領域の密集度に応じて、所定期間における対象地域Ａの電力需要の予測値である予測需要量を算出するシステムである。
以下、図１乃至図４に基づき、電力需要予測システム１の概要について説明する。
図１に示されるように、対象地域Ａは、例えば電力需要予測システム１の管轄地域であって、電力需要予測システム１による電力需要の予測を行う対象の地域である。対象地域Ａには、対象地域Ａを複数に分割した領域Ａ１〜領域Ａ９が設定されている。なお、対象地域Ａの分割は、面積、施設、住所等の任意の基準に基づいて行うこととしてよい。もちろん、本実施形態では、対象地域Ａを９に分割した例について説明するが、対象地域Ａの分割数は９に限られるものではない。
電力需要予測システム１は、電力需要予測サーバー１０と、対象地域Ａに設定される領域Ａｉ（ｉは１〜９の任意の整数）にそれぞれ設けられる計測器２０−ｉ（ｉは１〜９の任意の整数）を備える。
計測器２０−ｉは、領域Ａｉの人の密集度を計測する機器である。本実施形態では、計測器２０−ｉは、領域Ａｉにいる人Ｐの所持する携帯端末の位置情報（例えばＧＰＳによる位置情報）に基づいて領域Ａｉの人の密集度を計測することとするが、これに限られるものではない。例えば、計測器２０−ｉは、カメラを備え、カメラにより領域Ａｉを撮影した撮影画像から計数される人の数に基づき、領域Ａｉにいる人Ｐの密集度を計測してもよい。なお、領域Ａｉの密集度とは、領域Ａｉの単位面積当たりの人の数とする。以下において、計測器２０−１〜９に共通する内容については計測器２０と表記して説明する。
電力需要予測サーバー１０は、計測器２０（計測器２０−１〜計測器２０−９）とそれぞれ通信し、対象地域Ａに設定された複数の領域（領域Ａ１〜領域Ａ９）の人の密集度を取得する。そして、電力需要予測サーバー１０、対象地域Ａに設定された複数の領域（領域Ａ１〜領域Ａ９）の密集度に基づいて対象地域Ａの所定期間における電力需要を予測する。ここで、電力需要予測サーバー１０は、上記予測した電力需要が所定期間に定められた閾値を上回る場合には、対象地域Ａの需要者に対してデマンドレスポンスへの参加を要請することとする。
以下、図２、図３Ａ、図３Ｂ及び図４に基づき、対象地域Ａに設定された複数の領域（領域Ａ１〜領域Ａ９）の密集度に基づいて対象地域Ａの所定期間における電力需要を予測する処理の概要について説明する。なお、本実施形態では、密集度の計測時点から所定時間後（例えば３０分後）までの電力需要を予測することとする。
以下、図２、図３Ａ、図３Ｂ及び図４に基づき、対象地域Ａに設定された複数の領域（領域Ａ１〜領域Ａ９）の密集度に基づいて対象地域Ａの所定期間における電力需要を予測する処理の概要について説明する。なお、本実施形態では、密集度の計測時点から所定時間後（例えば３０分後）までの電力需要を予測することとする。
図２には、対象地域Ａに設定された一領域における密集度と（単位面積当たりの）需要削減量の関係を示した。例えば、密集度に基づいて特定される単位面積当たりの需要削減量に、領域の面積を乗じることで、当該領域の需要削減量が算出される。
なお、図２に示されるように、密集度が低い程、すなわち領域内にいる人が少ない程、需要削減量が増加することとする。また、密集度が閾値以上である場合には、需要削減量が一定とみなしてもよい。これは、人が不在であれば機器の使用がないことにより電力消費が抑制されるが、機器の電力消費は人数に比例して増加するものではないことを反映している。
また、需要削減量は、マイナスの値を取ってもよい。すなわち、密集度が高い場合には、需要が増加することとしてもよい。ただし、この場合においても、密集度の増加につれて需要削減量の減少分は逓減することとする。
また、需要削減量は、マイナスの値を取ってもよい。すなわち、密集度が高い場合には、需要が増加することとしてもよい。ただし、この場合においても、密集度の増加につれて需要削減量の減少分は逓減することとする。
次に、図３Ａには、対象地域Ａにおける人Ｐの密集状態の一例（ケース「Ａ」）を示した。図２Ａに示される状態では、対象地域Ａの各領域（Ａ１−Ａ９）に人Ｐが均等に分散していることとする。
また、図３Ｂには、対象地域Ａにおける人Ｐの密集状態の一例（ケース「Ｂ」）を示した。図２Ｂに示される状態では、対象地域Ａの領域（Ａ１−Ａ９）のうち、領域Ａ４と領域Ａ６に集中して人Ｐがいることとする。
なお、本実施形態では、簡単のため、対象地域Ａにおける人の流入と流出は均衡しており、対象地域Ａにいる人Ｐの数は変わらないこととする。また、ケース「Ａ」とケース「Ｂ」においても、対象地域Ａにいる人Ｐの数は同じとする。
なお、本実施形態では、簡単のため、対象地域Ａにおける人の流入と流出は均衡しており、対象地域Ａにいる人Ｐの数は変わらないこととする。また、ケース「Ａ」とケース「Ｂ」においても、対象地域Ａにいる人Ｐの数は同じとする。
電力需要予測システム１では、対象地域Ａの各領域について過去の需要量に基づいて予め基礎電力需要を定めておき、各領域の基礎電力需要の合計を対象地域Ａの総基礎電力需要として得る。なお、基礎電力需要は、季節及び時間帯に応じて定められることとしてよい。
更に、電力需要予測システム１では、各領域について計測された密集度に基づいて需要削減量を決定し、各領域の需要削減量の合計を総需要削減量として得る。
そして、電力需要予測システム１では、総基礎電力需要から総需要削減量を減じて対象地域Ａの予測電力需要量を得る。
更に、電力需要予測システム１では、各領域について計測された密集度に基づいて需要削減量を決定し、各領域の需要削減量の合計を総需要削減量として得る。
そして、電力需要予測システム１では、総基礎電力需要から総需要削減量を減じて対象地域Ａの予測電力需要量を得る。
図４には、ケース「Ａ」とケース「Ｂ」において電力需要予測システム１により得られる予測電力需要量の一例を示した。図４に示されるように、ケース「Ａ」の予測需要量ＤＡはケース「Ｂ」の予測需要量ＤＢに比べて大きくなる。これは以下の理由による。
図２に示されるように、密集度が低い程、需要削減量が大きくなり、密集度がある程度大きくなると需要の増分は略０とみなせる。
すなわち、ケース「Ａ」のように、対象地域Ａ内で人Ｐが均等に分散していると、いずれの領域においても需要の削減量が微小となり、結果として対象地域Ａの総需要削減量が小さくなる。
一方で、ケース「Ｂ」のように、対象地域Ａ内で、人Ｐが局所的に集まっていると、人Ｐが集まっている領域Ａ４と領域Ａ６以外の領域においては、需要の削減量が大きくなる。また、領域Ａ４と領域Ａ６においても密集度の増加による需要の削減量の減少は僅かであり、ケース「Ａ」と比べて密集度が増加した領域における需要の増加量は実質的に０とみなせる。
従って、ケース「Ｂ」のように、一部の領域に人Ｐを集約した場合には、全領域に均等に人Ｐが分散しているケース「Ａ」と比べて電力需要が減少することが予測できる。
すなわち、ケース「Ａ」のように、対象地域Ａ内で人Ｐが均等に分散していると、いずれの領域においても需要の削減量が微小となり、結果として対象地域Ａの総需要削減量が小さくなる。
一方で、ケース「Ｂ」のように、対象地域Ａ内で、人Ｐが局所的に集まっていると、人Ｐが集まっている領域Ａ４と領域Ａ６以外の領域においては、需要の削減量が大きくなる。また、領域Ａ４と領域Ａ６においても密集度の増加による需要の削減量の減少は僅かであり、ケース「Ａ」と比べて密集度が増加した領域における需要の増加量は実質的に０とみなせる。
従って、ケース「Ｂ」のように、一部の領域に人Ｐを集約した場合には、全領域に均等に人Ｐが分散しているケース「Ａ」と比べて電力需要が減少することが予測できる。
また、ケース「Ａ」における予測需要量ＤＡが、デマンドレスポンスを要請する基準値（閾値Ｔｈ）よりも大きいため、電力需要予測サーバー１０は、ケース「Ａ」の場合には対象地域Ａの需要者にデマンドレスポンスへの参加の要請を行う。
一方で、ケース「Ｂ」おける予測需要量ＤＢは、デマンドレスポンスを要請する基準値（閾値Ｔｈ）よりも小さいため、電力需要予測サーバー１０は、ケース「Ｂ」の場合には対象地域Ａの需要者にデマンドレスポンスへの参加の要請は行わない。
一方で、ケース「Ｂ」おける予測需要量ＤＢは、デマンドレスポンスを要請する基準値（閾値Ｔｈ）よりも小さいため、電力需要予測サーバー１０は、ケース「Ｂ」の場合には対象地域Ａの需要者にデマンドレスポンスへの参加の要請は行わない。
以下においては、以上の処理を実現するために電力需要予測システム１に備えられる構成について説明する。
［２．電力需要予測システム１のハードウェア構成］
図５には、電力需要予測システム１（電力需要予測サーバー１０及び計測器２０）のハードウェア構成を示した。
図５に示されるように、電力需要予測サーバー１０は、ハードウェアとして制御部１１、記憶部１２及び通信部１３を備える。
図５には、電力需要予測システム１（電力需要予測サーバー１０及び計測器２０）のハードウェア構成を示した。
図５に示されるように、電力需要予測サーバー１０は、ハードウェアとして制御部１１、記憶部１２及び通信部１３を備える。
制御部１１は、例えば中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含み構成され、記憶部１２に記憶されるプログラムやデータに基づいて各種の演算処理を実行するとともに、電力需要予測サーバー１０の各部を制御する。
記憶部１２は、例えばメモリ、磁気ディスク装置を含み構成され、各種のプログラムやデータを記憶するほか、制御部１１のワークメモリとしても機能する。なお、記憶部１２には、フラッシュメモリ、光ディスク等の情報記憶媒体を含むこととしてもよい。
通信部１３は、インターネット、イントラネット等のネットワークに接続し、ネットワークを介して接続する計測器２０等のデバイスと通信する。
また、計測器２０は、ハードウェアとして制御部２１、記憶部２２及び通信部２３を備える。
制御部２１は、例えば中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含み構成され、記憶部２２に記憶されるプログラムやデータに基づいて各種の演算処理を実行するとともに、計測器２０の各部を制御する。
記憶部２２は、例えばメモリ、磁気ディスク装置を含み構成され、各種のプログラムやデータを記憶するほか、制御部２１のワークメモリとしても機能する。なお、記憶部２２には、フラッシュメモリ、光ディスク等の情報記憶媒体を含むこととしてもよい。
通信部２３は、インターネット、イントラネット等のネットワークに接続し、ネットワークを介して接続する電力需要予測サーバー１０、携帯端末Ｔ等のデバイスと通信する。
［３．電力需要予測システム１の機能構成］
次に、図６に基づいて、電力需要予測システム１に備えられる機能について説明する。
図６に示されるように、電力需要予測システム１は、機能として、データ記憶部１００、計測部１１０、削減量算出部１２０、予測需要量算出部１３０及びデマンドレスポンス要請部１４０を備える。
なお、電力需要予測システム１に備えられる上記の各部の機能は、電力需要予測サーバー１０の制御部１１が記憶部１２に記憶されるプログラムに基づいて電力需要予測サーバー１０の各部を動作させ、また、計測器２０の制御部２１が記憶部２２に記憶されるプログラムに基づいて計測器２０の各部を動作させることにより実現されるものである。
以下、上記の各部の機能の詳細について説明する。
次に、図６に基づいて、電力需要予測システム１に備えられる機能について説明する。
図６に示されるように、電力需要予測システム１は、機能として、データ記憶部１００、計測部１１０、削減量算出部１２０、予測需要量算出部１３０及びデマンドレスポンス要請部１４０を備える。
なお、電力需要予測システム１に備えられる上記の各部の機能は、電力需要予測サーバー１０の制御部１１が記憶部１２に記憶されるプログラムに基づいて電力需要予測サーバー１０の各部を動作させ、また、計測器２０の制御部２１が記憶部２２に記憶されるプログラムに基づいて計測器２０の各部を動作させることにより実現されるものである。
以下、上記の各部の機能の詳細について説明する。
［３．１．データ記憶部１００］
データ記憶部１００は、主に電力需要予測サーバー１０の記憶部１２により実現される。
データ記憶部１００は、対象地域Ａに設定される領域のデータ、各領域の基礎電力需要に関するデータ（後述する基礎電力需要テーブルＴＢＬ）等の各種データを記憶する。以下、データ記憶部１００に記憶されるデータの具体例について説明する。
データ記憶部１００は、主に電力需要予測サーバー１０の記憶部１２により実現される。
データ記憶部１００は、対象地域Ａに設定される領域のデータ、各領域の基礎電力需要に関するデータ（後述する基礎電力需要テーブルＴＢＬ）等の各種データを記憶する。以下、データ記憶部１００に記憶されるデータの具体例について説明する。
図７には、基礎電力需要テーブルＴＢＬの一例を示した。基礎電力需要テーブルＴＢＬは、対象地域Ａに設定される領域Ａ１〜領域Ａ９のそれぞれについての季節（春夏秋冬）及び時間帯ごとの基礎電力需要を格納したテーブルである。
なお、各領域の基礎電力需要は、当該各領域についての過去の消費電力の実績値に基づいて予め設定されることとしてよい。
なお、各領域の基礎電力需要は、当該各領域についての過去の消費電力の実績値に基づいて予め設定されることとしてよい。
例えば、基礎電力需要テーブルＴＢＬにおける春とは３〜５月、夏とは６〜８月、秋とは９〜１１月、冬とは１２〜２月とする。ここで、具体例を挙げて説明すると、領域Ａ１について、９／１の１１：００〜１１：３０の基礎電力需要を得るには、基礎電力需要テーブルＴＢＬにおける季節が「秋」、及び時間帯を「１１：００〜１１：３０」のセルの値を参照すればよい。
［３．２．計測部１１０］
計測部１１０は、主に計測器２０の制御部２１、記憶部２２、通信部２３により実現される。
計測部１１０は、対象地域Ａに設定した複数の領域Ａ１〜Ａ９のそれぞれの人の密集度を計測する。
具体的には、計測部１１０は、各領域Ａｉにいる人の数を計数し、各領域Ａｉについて計数された人の数を領域Ａｉの面積で除して、領域Ａｉの密集度を算出する。なお、領域Ａｉにいる人の数は、人Ｐの所持する携帯端末Ｔから取得した位置情報に基づいて計数してもよいし、各領域Ａｉに設けられたカメラにより得られる画像に基づいて計数してもよい。
そして、計測部１１０は、各領域Ａｉの密集度を、電力需要予測サーバー１０に送信する。
計測部１１０は、主に計測器２０の制御部２１、記憶部２２、通信部２３により実現される。
計測部１１０は、対象地域Ａに設定した複数の領域Ａ１〜Ａ９のそれぞれの人の密集度を計測する。
具体的には、計測部１１０は、各領域Ａｉにいる人の数を計数し、各領域Ａｉについて計数された人の数を領域Ａｉの面積で除して、領域Ａｉの密集度を算出する。なお、領域Ａｉにいる人の数は、人Ｐの所持する携帯端末Ｔから取得した位置情報に基づいて計数してもよいし、各領域Ａｉに設けられたカメラにより得られる画像に基づいて計数してもよい。
そして、計測部１１０は、各領域Ａｉの密集度を、電力需要予測サーバー１０に送信する。
［３．３．削減量算出部１２０］
削減量算出部１２０は、主に電力需要予測サーバー１０の制御部１１及び記憶部１２により実現される。
削減量算出部１２０は、対象地域Ａに設定される複数の領域（Ａ１〜Ａ９）ごとの密集度に基づいて、複数の領域ごとの需要削減量を算出する。ここで、削減量算出部１２０は、領域の密集度が低いほど、当該領域の需要削減量を大きく算出することとする。
削減量算出部１２０は、主に電力需要予測サーバー１０の制御部１１及び記憶部１２により実現される。
削減量算出部１２０は、対象地域Ａに設定される複数の領域（Ａ１〜Ａ９）ごとの密集度に基づいて、複数の領域ごとの需要削減量を算出する。ここで、削減量算出部１２０は、領域の密集度が低いほど、当該領域の需要削減量を大きく算出することとする。
具体的には、削減量算出部１２０は、図２に示すグラフに基づいて領域Ａｉの密集度に対応する単位面積当たりの需要削減量を特定する。そして、削減量算出部１２０は、領域Ａｉの面積と、上記特定した単位面積当たりの需要削減量を乗じて、領域Ａｉの需要削減量を算出する。
［３．４．予測需要量算出部１３０］
予測需要量算出部１３０は、主に電力需要予測サーバー１０の制御部１１及び記憶部１２により実現される。
予測需要量算出部１３０は、対象地域Ａに設定される複数の領域の密集度に応じて、所定期間における対象地域Ａの電力需要の予測値である予測需要量を算出する。
ここで、予測需要量算出部１３０は、対象地域Ａに設定される複数の領域の密集度のばらつきが小さい程、対象地域Ａの予測需要量を大きく算出することとする。
例えば、予測需要量算出部１３０は、対象地域Ａに設定される複数の領域ごとに定められた基礎電力需要の合計から、複数の領域ごとに削減量算出部１２０により算出された需要削減量の合計を減じて、対象地域Ａの予測需要量を算出することとする。
予測需要量算出部１３０は、主に電力需要予測サーバー１０の制御部１１及び記憶部１２により実現される。
予測需要量算出部１３０は、対象地域Ａに設定される複数の領域の密集度に応じて、所定期間における対象地域Ａの電力需要の予測値である予測需要量を算出する。
ここで、予測需要量算出部１３０は、対象地域Ａに設定される複数の領域の密集度のばらつきが小さい程、対象地域Ａの予測需要量を大きく算出することとする。
例えば、予測需要量算出部１３０は、対象地域Ａに設定される複数の領域ごとに定められた基礎電力需要の合計から、複数の領域ごとに削減量算出部１２０により算出された需要削減量の合計を減じて、対象地域Ａの予測需要量を算出することとする。
具体的には、予測需要量算出部１３０は、基礎電力需要テーブルＴＢＬを参照して、対象地域Ａに設定される領域Ａ１〜Ａ９について予測期間の基礎電力需要を取得する。ここで、予測期間とは、計測日時から所定の時間範囲（例えば３０分）に設定することとしてよい。
そして、予測需要量算出部１３０は、領域Ａ１〜Ａ９の基礎電力需要の合計から、領域Ａ１〜Ａ９の需要削減量の合計を減じることで、予測期間における対象地域Ａの予測需要量を算出する。なお、予測需要量算出部１３０は、領域ごとに、基礎電力需要から需要削減量を減じた予測需要量を算出した後に、各領域の予測需要量を合計して対象地域Ａの予測需要量を算出してもよい。
そして、予測需要量算出部１３０は、領域Ａ１〜Ａ９の基礎電力需要の合計から、領域Ａ１〜Ａ９の需要削減量の合計を減じることで、予測期間における対象地域Ａの予測需要量を算出する。なお、予測需要量算出部１３０は、領域ごとに、基礎電力需要から需要削減量を減じた予測需要量を算出した後に、各領域の予測需要量を合計して対象地域Ａの予測需要量を算出してもよい。
［３．５．デマンドレスポンス要請部１４０］
デマンドレスポンス要請部１４０は、主に制御部１１、記憶部１２及び通信部１３により実現される。
デマンドレスポンス要請部１４０は、予測需要量算出部１３０により算出された予測需要量が、予め定められた閾値を超える場合に、対象地域Ａの需要者にデマンドレスポンスへの参加を要請する。
具体的には、デマンドレスポンス要請部１４０は、対象地域Ａの需要者の住宅等に設置された管理装置に対してデマンドレスポンスへの参加を要請する画面を表示させることで、需要者へのデマンドレスポンスへの参加を要請することとしてよい。
デマンドレスポンス要請部１４０は、主に制御部１１、記憶部１２及び通信部１３により実現される。
デマンドレスポンス要請部１４０は、予測需要量算出部１３０により算出された予測需要量が、予め定められた閾値を超える場合に、対象地域Ａの需要者にデマンドレスポンスへの参加を要請する。
具体的には、デマンドレスポンス要請部１４０は、対象地域Ａの需要者の住宅等に設置された管理装置に対してデマンドレスポンスへの参加を要請する画面を表示させることで、需要者へのデマンドレスポンスへの参加を要請することとしてよい。
［４．電力需要予測サーバー１０により実行される処理の説明］
次に、図８に示されるフローチャートに基づいて、電力需要予測サーバー１０により実行される処理の一例について説明する。
次に、図８に示されるフローチャートに基づいて、電力需要予測サーバー１０により実行される処理の一例について説明する。
図８に示されるように、電力需要予測サーバー１０の制御部１１は、計測器２０−１〜Ｎ（Ｎは領域数）から領域Ａ１〜ＡＮの密集度を取得する（Ｓ１）。
また、電力需要予測サーバー１０の制御部１１は、変数ｉを１に初期化する（Ｓ２）。
また、電力需要予測サーバー１０の制御部１１は、変数ｉを１に初期化する（Ｓ２）。
次に、電力需要予測サーバー１０の制御部１１は、領域Ａｉの需要削減量Ｒｉを決定する（Ｓ３）。なお、Ｓ３の処理は、削減量算出部１２０により実行される。
次に、電力需要予測サーバー１０の制御部１１は、領域Ａｉの基礎電力需要Ｂｉを取得する（Ｓ４）。
例えば、電力需要予測サーバー１０の制御部１１は、現在日時（又はＳ１の計測日時）に基づいて、予測期間を設定する。そして、電力需要予測サーバー１０の制御部１１は、領域Ａｉの情報を格納した基礎電力需要テーブルＴＢＬを参照して、予測期間に該当するセルに格納された基礎電力需要Ｂｉを取得する。
例えば、電力需要予測サーバー１０の制御部１１は、現在日時（又はＳ１の計測日時）に基づいて、予測期間を設定する。そして、電力需要予測サーバー１０の制御部１１は、領域Ａｉの情報を格納した基礎電力需要テーブルＴＢＬを参照して、予測期間に該当するセルに格納された基礎電力需要Ｂｉを取得する。
次に、電力需要予測サーバー１０の制御部１１は、基礎電力需要Ｂｉから需要削減量Ｒｉを減じることで、領域Ａｉの予測需要量Ｄｉを算出する（Ｓ５）。
ここで、変数ｉがＮに達していない場合には（Ｓ６：Ｎ）、電力需要予測サーバー１０の制御部１１は、変数ｉに１を加算して（Ｓ７）、処理Ｓ３に戻る。
一方で、変数ｉがＮに達している場合には（Ｓ６：Ｙ）、電力需要予測サーバー１０の制御部１１は、領域Ａ１〜ＡＮの予想需要量を合計して対象地域Ａの予測需要量Ｄを算出する（Ｓ８）。
一方で、変数ｉがＮに達している場合には（Ｓ６：Ｙ）、電力需要予測サーバー１０の制御部１１は、領域Ａ１〜ＡＮの予想需要量を合計して対象地域Ａの予測需要量Ｄを算出する（Ｓ８）。
次に、電力需要予測サーバー１０の制御部１１は、Ｓ８で算出した対象地域Ａの予測需要量Ｄがデマンドレスポンスの閾値Ｔｈを上回る場合には（Ｓ９：Ｙ）、対象地域Ａの需要者にデマンドレスポンスへの参加を要請し（Ｓ１０）、処理を終了する。
一方で、Ｓ８で算出した対象地域Ａの予測需要量Ｄがデマンドレスポンスの閾値Ｔｈを上回らない場合には（Ｓ９：Ｎ）、そのまま処理を終了する。
一方で、Ｓ８で算出した対象地域Ａの予測需要量Ｄがデマンドレスポンスの閾値Ｔｈを上回らない場合には（Ｓ９：Ｎ）、そのまま処理を終了する。
電力需要予測サーバー１０の制御部１１は、上記のフローを、対象地域Ａの需要予測を行うタイミングで繰り返し実行する。なお、対象地域Ａの需要予測は、所定の時間毎等のように定期的に実行することとしてよい。
また、電力需要予測サーバー１０の制御部１１は、上記算出した対象地域Ａの予測需要量Ｄを、クライアント装置等の要請に応じて提供することとしてもよい。
また、電力需要予測サーバー１０の制御部１１は、上記算出した対象地域Ａの予測需要量Ｄを、クライアント装置等の要請に応じて提供することとしてもよい。
以上説明した電力需要予測システム１によれば、対象地域Ａ内の人の分布に基づく需要変動効果を加味した電力需要の予測が可能となる。
また、電力需要予測システム１によれば、対象地域Ａ内で局所的に人が集まっている場合（例えばケース「Ｂ」）には、対象地域Ａ内で人が分散している場合（例えばケース「Ａ」）に比べて需要量が低くなると予測されるため、この点の需要変動効果を需要予測に反映させることができる。これにより、需要予測の精度を向上させることができる。
また、電力需要予測システム１によれば、対象地域Ａに設定した各領域について人の密集度の大小に応じて需要削減量を決定できる。これにより、対象地域Ａに設定した各領域の需要削減量を精度良く推定できる。その結果、対象地域Ａの電力需要を精度良く推定することができる。
また、電力需要予測システム１によれば、対象地域Ａの予測需要量のベースとなる基礎電力需要を日時に応じて調整できる。これにより、対象地域Ａの予測需要量を精度良く推定することができる。
また、電力需要予測システム１によれば、対象地域Ａ全体における人の密集度の分布を考慮して対象地域Ａの電力需要量を予測することができる。
また、電力需要予測システム１によれば、対象地域Ａにおいて需給の逼迫が予想される場合に、対象地域Ａの需要者にデマンドレスポンスへの参加を要請することができる。これにより、需給逼迫を事前に回避しやすくなる。
［５．その他の実施形態］
また、予測需要量算出部１３０による予測需要量の算出方法は上記の例に限られるものではなく以下の方法によってもよい。
例えば、予測需要量算出部１３０は、対象地域Ａにおける各領域Ａｉの密集度のばらつきの指標として標準偏差（又は分散）を算出し、標準偏差（又は分散）に基づいて対象地域Ａの基礎需要量を補正して予測需要量を算出してもよい。この場合には、予測需要量算出部１３０は、標準偏差（又は分散）が大きい程、基礎需要量が小さくなるように補正することとする。
また、予測需要量算出部１３０による予測需要量の算出方法は上記の例に限られるものではなく以下の方法によってもよい。
例えば、予測需要量算出部１３０は、対象地域Ａにおける各領域Ａｉの密集度のばらつきの指標として標準偏差（又は分散）を算出し、標準偏差（又は分散）に基づいて対象地域Ａの基礎需要量を補正して予測需要量を算出してもよい。この場合には、予測需要量算出部１３０は、標準偏差（又は分散）が大きい程、基礎需要量が小さくなるように補正することとする。
また、計測器２０は、人Ｐの生体情報を取得し、人Ｐの活動量（移動量、呼吸量、血流量等）を得ることとしてもよい。そして、電力需要予測サーバー１０は、計測器２０から人Ｐの活動量を取得し、人Ｐの活動量が大きい場合には、人Ｐの活動量が小さい場合に比べて、予測需要量が大きくなるように補正してもよい。これは、人Ｐの活動量が大きい場合には、人Ｐの分布が散らばりやすいためである。
また、対象地域Ａの各領域の基礎需要量は、天候に応じて調整してもよい。
また、人Ｐの携帯端末Ｔの位置情報に基づいて、対象地域Ａ内の各領域の密集度を計測する場合には、計測器２０を介さずに電力需要予測サーバー１０が各領域の密集度を計測してもよい。
また、上記の実施形態では、電力需要予測システム１において、対象地域Ａのそれぞれの領域に関しては密集度が大きくなる程、需要削減量が小さくなることとしたが、これに限られず密集度と需要削減量との関係は任意に定めてもよい。
同様に、電力需要予測システム１において、対象地域Ａの各領域の密集度のばらつきが大きい程、対象地域Ａの電力需要が小さくなることとしたが、これに限られず、対象地域Ａにおける各領域の密集度のばらつきと電力需要との関係は任意に定めてもよい。
なお、上記の対象地域Ａ内の一領域における密集度と需要削減量との関係や、対象地域Ａの各領域の密集度のばらつきと対象地域Ａの電力需要との関係は、過去の対象地域Ａの密集度と電力需要との実績値に基づいて統計的処理や機械学習処理により求めてもよい。
同様に、電力需要予測システム１において、対象地域Ａの各領域の密集度のばらつきが大きい程、対象地域Ａの電力需要が小さくなることとしたが、これに限られず、対象地域Ａにおける各領域の密集度のばらつきと電力需要との関係は任意に定めてもよい。
なお、上記の対象地域Ａ内の一領域における密集度と需要削減量との関係や、対象地域Ａの各領域の密集度のばらつきと対象地域Ａの電力需要との関係は、過去の対象地域Ａの密集度と電力需要との実績値に基づいて統計的処理や機械学習処理により求めてもよい。
［６．付記］
本発明の代表的な態様は以下の通りである。
本発明の代表的な態様は以下の通りである。
本発明に係る電力需要予測システムは、対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測部と、前記複数の領域の密集度に応じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出部と、を備えることを特徴とする。
本発明に係る電力需要予測方法は、電力需要予測システムが、対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測ステップと、前記複数の領域の密集度に応じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出ステップと、を実行することを特徴とする。
本発明に係る電力需要予測プログラムは、コンピュータに、対象地域に設定した複数の領域のそれぞれの人の密集度を取得するステップと、前記複数の領域の密集度に応じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出ステップと、を実行させるためのプログラムである。
上記の電力需要予測システム、電力需要予測方法及び電力需要予測プログラムによれば、対象地域内の人の分布に基づく需要変動効果を加味した電力需要の予測が可能となる。
また、上記の電力需要予測システムにおいて、前記予測需要量算出部は、前記複数の領域の密集度と、前記所定期間における前記対象地域の電力需要との対応を予め定めた情報に基づいて、前記予測需要量を算出することとしてよい。
こうすることで、対象地域内の人の分布に応じた電力需要の予測が容易となる。
こうすることで、対象地域内の人の分布に応じた電力需要の予測が容易となる。
また、上記の電力需要予測システムにおいて、前記予測需要量算出部は、前記複数の領域の密集度のばらつきが大きい程、前記対象地域の前記予測需要量を低く算出することとしてよい。
こうすることで、対象地域内で局所的に人が集まっている場合には、対象地域内で人が分散している場合に比べて需要量が低くなると予測されるため、この点の効果を需要予測に反映させることができる。これにより、需要予測の精度を向上させることができる。
こうすることで、対象地域内で局所的に人が集まっている場合には、対象地域内で人が分散している場合に比べて需要量が低くなると予測されるため、この点の効果を需要予測に反映させることができる。これにより、需要予測の精度を向上させることができる。
また、上記の電力需要予測システムにおいて、前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出部を備え、前記削減量算出部は、前記領域の密集度が低いほど、当該領域の前記需要削減量を大きく算出し、前記予測需要量算出部は、前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、前記予測需要量を算出することとしてよい。
こうすることで、対象地域に設定した各領域の需要削減量を精度良く推定できる。これにより、対象地域の電力需要を精度良く推定することができる。
こうすることで、対象地域に設定した各領域の需要削減量を精度良く推定できる。これにより、対象地域の電力需要を精度良く推定することができる。
また、上記の電力需要予測システムにおいて、前記基礎電力需要は、日時に基づいて特定されることとしてよい。
こうすることで、対象地域の予測需要量のベースとなる基礎電力需要を日時に応じて調整できる。これにより、対象地域の予測需要量を精度良く推定することができる。
こうすることで、対象地域の予測需要量のベースとなる基礎電力需要を日時に応じて調整できる。これにより、対象地域の予測需要量を精度良く推定することができる。
また、上記の電力需要予測システムにおいて、前記複数の領域は、前記対象地域を複数に分割して設定されることとしてよい。
こうすることで、対象地域全体における人の密集度の分布を考慮して需要量を予測することができる。
こうすることで、対象地域全体における人の密集度の分布を考慮して需要量を予測することができる。
また、上記の電力需要予測システムにおいて、前記予測需要量が予め定められた閾値を超える場合に、前記対象地域の需要者にデマンドレスポンスへの参加を要請するデマンドレスポンス要請部を備えることとしてよい。
こうすることで、対象地域において需給の逼迫が予想される場合に、対象地域の需要者にデマンドレスポンスへの参加を要請することができる。これにより、需給逼迫を事前に回避しやすくなる。
こうすることで、対象地域において需給の逼迫が予想される場合に、対象地域の需要者にデマンドレスポンスへの参加を要請することができる。これにより、需給逼迫を事前に回避しやすくなる。
Ａ 対象地域
Ａｉ（Ａ１〜Ａ９） 領域
Ｐ 人
Ｔ 携帯端末
ＴＢＬ 基礎電力需要テーブル
１ 電力需要予測システム
１０ 電力需要予測サーバー
１１ 制御部
１２ 記憶部
１３ 通信部
２０（２０−１〜２０−９） 計測器
２１ 制御部
２２ 記憶部
２３ 通信部
１００ データ記憶部
１１０ 計測部
１２０ 削減量算出部
１３０ 予測需要量算出部
１４０ デマンドレスポンス要請部
Ａｉ（Ａ１〜Ａ９） 領域
Ｐ 人
Ｔ 携帯端末
ＴＢＬ 基礎電力需要テーブル
１ 電力需要予測システム
１０ 電力需要予測サーバー
１１ 制御部
１２ 記憶部
１３ 通信部
２０（２０−１〜２０−９） 計測器
２１ 制御部
２２ 記憶部
２３ 通信部
１００ データ記憶部
１１０ 計測部
１２０ 削減量算出部
１３０ 予測需要量算出部
１４０ デマンドレスポンス要請部
Claims (8)
- 対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測部と、
前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出部と、
前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出部と、を備えることを特徴とする電力需要予測システム。 - 前記削減量算出部は、前記領域の密集度が低いほど、当該領域の前記需要削減量を大きく算出することを特徴とする請求項１に記載の電力需要予測システム。
- 前記予測需要量算出部は、前記複数の領域の密集度のばらつきが大きい程、前記対象地域の前記予測需要量を低く算出することを特徴とする請求項１又は２に記載の電力需要予測システム。
- 前記基礎電力需要は、日時に基づいて特定されることを特徴とする請求項１乃至３のいずれかに記載の電力需要予測システム。
- 前記複数の領域は、前記対象地域を複数に分割して設定されることを特徴とする請求項１乃至４のいずれかに記載の電力需要予測システム。
- 前記予測需要量が予め定められた閾値を超える場合に、前記対象地域の需要者にデマンドレスポンスへの参加を要請するデマンドレスポンス要請部を備えることを特徴とする請求項１乃至５のいずれかに記載の電力需要予測システム。
- 電力需要予測システムが、
対象地域に設定した複数の領域のそれぞれの人の密集度を計測する計測ステップと、
前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出ステップと、
前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出部ステップと、を実行することを特徴とする電力需要予測方法。 - コンピュータに、
対象地域に設定した複数の領域のそれぞれの人の密集度を取得するステップと、
前記複数の領域ごとの前記密集度に基づいて、前記複数の領域ごとの需要削減量を算出する削減量算出ステップと、
前記複数の領域ごとに定められた基礎電力需要の合計から、前記複数の領域ごとに算出された前記需要削減量の合計を減じて、所定期間における前記対象地域の電力需要の予測値である予測需要量を算出する予測需要量算出ステップと、を実行させるための電力需要予測プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016194871A JP6764302B2 (ja) | 2016-09-30 | 2016-09-30 | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016194871A JP6764302B2 (ja) | 2016-09-30 | 2016-09-30 | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018055650A JP2018055650A (ja) | 2018-04-05 |
| JP6764302B2 true JP6764302B2 (ja) | 2020-09-30 |
Family
ID=61836782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016194871A Active JP6764302B2 (ja) | 2016-09-30 | 2016-09-30 | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6764302B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7074709B2 (ja) * | 2019-03-29 | 2022-05-24 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
| JP7002492B2 (ja) * | 2019-03-29 | 2022-01-20 | Kddi株式会社 | 消費電力予測システム、方法およびプログラム |
| JP7286428B2 (ja) * | 2019-06-17 | 2023-06-05 | 大和ハウス工業株式会社 | 電力需要予測システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5851105B2 (ja) * | 2011-03-15 | 2016-02-03 | 株式会社東芝 | エネルギー需要予測装置及びプログラム |
| US20160125294A1 (en) * | 2014-10-31 | 2016-05-05 | Research Foundation Of The City University Of New York | Method for forecasting energy demands that incorporates urban heat island |
-
2016
- 2016-09-30 JP JP2016194871A patent/JP6764302B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018055650A (ja) | 2018-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9684356B2 (en) | Method for determining remaining service time of battery, client device and mobile terminal | |
| CN106713029B (zh) | 一种确定资源监控阈值的方法及装置 | |
| US9977847B2 (en) | Efficient forecasting for hierarchical energy systems | |
| US20160266181A1 (en) | Electric power demand prediction system, electric power demand prediction method, consumer profiling system, and consumer profiling method | |
| US8832267B2 (en) | System and method for adaptive baseline calculation | |
| CN108038040A (zh) | 计算机集群性能指标检测方法、电子设备及存储介质 | |
| JP6764302B2 (ja) | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム | |
| CN105631196A (zh) | 一种面向微服务架构的容器级弹性资源供给系统及方法 | |
| CN111198808B (zh) | 预测性能指标的方法、装置、存储介质及电子设备 | |
| CN107301570B (zh) | 业务量预测方法、异常业务量检测方法、装置和电子设备 | |
| US10746425B1 (en) | Thermal modeling technology | |
| CN103002005A (zh) | 云服务监测系统 | |
| US20130030785A1 (en) | Computer resource utilization modeling for multiple workloads | |
| CN104636874B (zh) | 检测业务异常的方法及设备 | |
| US20180039895A1 (en) | Data predicting method and apparatus | |
| US20130282331A1 (en) | Detecting abnormal behavior | |
| CN108459905B (zh) | 资源池容量规划方法及服务器 | |
| JP2017130041A (ja) | 情報処理装置、制御方法及び制御プログラム | |
| JP6519385B2 (ja) | ベースライン負荷推定装置及びベースライン負荷推定プログラム | |
| CN110209467A (zh) | 一种基于机器学习的弹性资源扩展方法和系统 | |
| CN110896357A (zh) | 流量预测方法、装置和计算机可读存储介质 | |
| CN114500339A (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
| CN104008433A (zh) | 基于贝叶斯动态模型的中长期电力负荷预测方法 | |
| Da Silva et al. | A clustering approach for sampling data streams in sensor networks | |
| WO2016106747A1 (zh) | 虚拟机能耗确定方法、物理机和网络系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190829 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200717 |
|
| 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: 20200825 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200911 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6764302 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |