JP6806333B2 - 消費電力予測装置および消費電力予測方法 - Google Patents
消費電力予測装置および消費電力予測方法 Download PDFInfo
- Publication number
- JP6806333B2 JP6806333B2 JP2017066938A JP2017066938A JP6806333B2 JP 6806333 B2 JP6806333 B2 JP 6806333B2 JP 2017066938 A JP2017066938 A JP 2017066938A JP 2017066938 A JP2017066938 A JP 2017066938A JP 6806333 B2 JP6806333 B2 JP 6806333B2
- Authority
- JP
- Japan
- Prior art keywords
- individual
- power consumption
- prediction
- power
- unit
- 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
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
Xjk=round(Xjreal-k)
Xjk[50W]={00111001222331100110・・・・}
ここで、“1”は個別機器[50W]の電源が1台オン、“2”は個別機器[50W]の電源が2台オンになっていることを意味する。他の推定分解電力の個別機器についても同様に、一定周期毎のスイッチ変数Xjkが生成される。
Xjk[50W]={00111001222331100110・・・・}
スイッチオン確率=0.2
平均オン時間=4.5分
結果={1, 0, 0, 0, 1, 1, 0, 0, 0, 1,・・・}
この数値列のうち、ベルヌーイ試行により値が“1”で電源オンとなった時点に対して昇順の試行番号を順に1, 2, 3と付けていくと、以下のような組の列を得ることができる。
{試行番号,電源オン時点}={1, 1},{2, 5},{3, 6},{4, 10},・・・
{試行番号,電源オン時点,電源オフ時点}={1, 1, 3}
{試行番号,電源オン時点,電源オフ時点}={2, 5, 8}
稼動状態推定部22が以下同様に計算をすると、次のような電源オン/オフの組の系列が得られる。
{試行番号,電源オン時点,電源オフ時点}={1, 1, 3},{2, 5, 8},{3, 6, 10},{4, 10, 15},・・・
(A) 試行番号1の系列 1, 1, 0, 0, 0. 0. 0. 0. 0. 0,・・・
(B) 試行番号2の系列 0, 0, 0, 0, 1, 1, 1, 0, 0, 0,・・・
(C) 試行番号3の系列 0, 0, 0, 0, 0, 1, 1, 1, 1, 0,・・・
(X) 合計のオン台数系列 1, 1, 0, 0, 1, 2, 2, 1, 1, 0,・・・
(a) 1, 1, 0, 0, 0, 0, ・・・
(b) 1, 1, 1, 1, 0, 0, ・・・
この場合、稼動状態推定部22は、この(a)、(b)に示すオン/オフ時系列と、上述した(A)、(B)、(C)に示すオン/オフ時系列とを加算することにより、初期値の個別機器も含めた電源オン台数系列の予測値を得る。
u(t,j)=v(t,j)−v(t−1,j)
なお、以下では説明上、J個のu(t,j)をu(t)で表すものとする。
x(t)=F(0)*x(t−1)+G(0)*u(t) ・・・(1)
なお、x(t)は時間tにおけるJ個の個別機器の状態変数ベクトル、F(0)およびG(0)は現在時刻における既知の係数行列である。
y(t)=H(0)*x(t) ・・・(2)
ここで、*はベクトルの内積を示す。ベクトルH(0)は各個別機器jの電力P(0,j)により、以下のように表される。電力P(0,j)は、機器リスト記憶部51に機器リストとして記憶されている個別機器jの個別消費電力である。
H(0)=(P(0,1),P(0,2),・・・,P(0,J))
11 個別電力分解部
12 スイッチ変数生成部
13 電源状態パラメータ算出部
20 個別電力予測部
21 実時間個別電力分解部
22 稼動状態推定部
23 個別予測消費電力算出部
30 総電力予測部
40 通知部
100 消費電力予測装置
200 ユーザ端末
300 総電力測定装置
400 送信装置
Claims (8)
- 特定の期間について測定された学習用の総消費電力の時間的変動を分析して、仮想した個別機器とその消費電力である個別消費電力とを推定することによって機器リストを得るとともに、当該機器リストを用いて上記個別機器の稼働台数を推定し、この推定結果をもとに上記個別機器の電源の状態を表す電源状態パラメータを所定の時間単位で算出することにより、上記個別機器の消費電力に関する学習データを生成する学習データ生成部と、
上記学習データ生成部により生成された上記学習データを用いて、実時間で測定された総消費電力に対して上記機器リストを適用することによって、上記実時間の総消費電力から予測開始時点での個別機器の稼動台数を推定するとともに、上記予測期間に対応する期間の上記電源状態パラメータを用いて、上記予測開始時点からの上記予測期間における個別消費電力の推移を予測する個別電力予測部と、
上記個別電力予測部により予測された上記予測期間における個別消費電力の推移をもとに、上記予測期間における総消費電力の推移を予測する総電力予測部とを備えたことを特徴とする消費電力予測装置。 - 上記学習データ生成部は、
上記学習用の総消費電力の時間的変動を分析して、上記個別機器および上記個別消費電力を推定することによって上記機器リストを得るとともに、当該個別消費電力の上記総消費電力に対する構成を上記個別機器の状態変数として一定周期毎に算出する個別電力分解部と、
上記個別電力分解部により算出された上記個別機器の状態変数を整数化し、整数化された値を上記個別機器の電源オン/オフを表すスイッチ変数とすることによって上記個別機器の稼働台数を推定するスイッチ変数生成部と、
上記スイッチ変数生成部により生成された上記スイッチ変数に基づいて、上記個別機器の電源の状態を表す上記電源状態パラメータを所定の時間単位で算出する電源状態パラメータ算出部とを備えたことを特徴とする請求項1に記載の消費電力予測装置。 - 上記電源状態パラメータ算出部は、上記スイッチ変数生成部により生成された上記スイッチ変数に基づいて、上記所定の時間単位において上記個別機器の電源をオンした回数から得られるスイッチオン確率を上記電源状態パラメータとして上記所定の時間単位で算出することを特徴とする請求項2に記載の消費電力予測装置。
- 上記電源状態パラメータ算出部は、上記スイッチ変数生成部により生成された上記スイッチ変数に基づいて、上記個別機器の電源がオンからオフになるまでの1回当たりの平均オン時間を上記電源状態パラメータとして上記所定の時間単位で算出することを特徴とする請求項2または3に記載の消費電力予測装置。
- 上記個別電力予測部は、
上記学習データの中から上記予測期間に対応する期間の上記機器リストを取得し、上記実時間で測定された総消費電力に対して上記機器リストを適用することによって、上記実時間の総消費電力から上記予測開始時点での上記個別機器の稼動台数を推定する実時間個別電力分解部と、
上記学習データの中から上記予測期間に対応する期間の上記電源状態パラメータを取得し、当該電源状態パラメータに乱数を適用して上記予測期間における上記個別機器の稼動状態を推定する稼動状態推定部と、
上記稼動状態推定部により推定された上記予測期間における上記個別機器の稼動状態に基づいて、上記予測期間における個別消費電力の推移を予測する個別予測消費電力算出部とを備えたことを特徴とする請求項1〜4の何れか1項に記載の消費電力予測装置。 - 上記電源状態パラメータ算出部は、上記スイッチ変数生成部により生成された上記スイッチ変数に基づいて、上記所定の時間単位において上記個別機器の電源をオンした回数から得られるスイッチオン確率と、上記個別機器の電源がオンからオフになるまでの1回当たりの平均オン時間とを上記電源状態パラメータとして上記所定の時間単位で算出し、
上記個別電力予測部は、
上記学習データの中から上記予測期間に対応する期間の上記機器リストを取得し、上記実時間で測定された総消費電力に対して上記機器リストを適用することによって、上記実時間の総消費電力から上記予測開始時点での上記個別機器の稼動台数を推定する実時間個別電力分解部と、
上記学習データの中から上記予測期間に対応する期間の上記電源状態パラメータを取得し、当該電源状態パラメータのうち上記スイッチオン確率に乱数を適用して上記予測期間における上記個別機器の電源オン動作を推定した後、上記電源状態パラメータのうち上記平均オン時間に乱数を適用して、上記推定された電源オン動作からの電源オン時間を推定する稼動状態推定部と、
上記稼動状態推定部により推定された上記予測期間における上記個別機器の稼動状態に基づいて、上記予測期間における個別消費電力の推移を予測する個別予測消費電力算出部とを備えたことを特徴とする請求項2に記載の消費電力予測装置。 - 上記個別電力予測部は、上記予測期間における個別消費電力を予測する処理を複数回行い、
上記総電力予測部は、上記個別電力予測部による複数回の処理によって予測された上記予測期間における個別消費電力をもとに、上記予測期間における総消費電力の予測を複数回行い、複数回分の総消費電力を統計処理することによって、上記予測期間における総消費電力の予測値を決定することを特徴とする請求項1〜6の何れか1項に記載の消費電力予測装置。 - 消費電力予測装置の学習データ生成部が、特定の期間について測定された学習用の総消費電力の時間的変動を分析し、仮想した個別機器とその消費電力である個別消費電力とを推定することによって機器リストを得るとともに、当該機器リストを用いて上記個別機器の稼働台数を推定し、この推定結果をもとに上記個別機器の電源の状態を表す電源状態パラメータを所定の時間単位で算出することにより、上記個別機器の消費電力に関する学習データを生成する第1のステップと、
上記消費電力予測装置の個別電力予測部が、上記学習データ生成部により生成された上記学習データを用いて、実時間で測定された総消費電力に対して上記機器リストを適用することによって、上記実時間の総消費電力から予測開始時点での個別機器の稼動台数を推定するとともに、上記予測期間に対応する期間の上記電源状態パラメータを用いて、上記予測開始時点からの上記予測期間における個別消費電力の推移を予測する第2のステップと、
上記の総電力予測部が、上記個別電力予測部により予測された上記予測期間における個別消費電力の推移をもとに、上記予測期間における総消費電力の推移を予測する第3のステップとを有することを特徴とする消費電力予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017066938A JP6806333B2 (ja) | 2017-03-30 | 2017-03-30 | 消費電力予測装置および消費電力予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017066938A JP6806333B2 (ja) | 2017-03-30 | 2017-03-30 | 消費電力予測装置および消費電力予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018169819A JP2018169819A (ja) | 2018-11-01 |
JP6806333B2 true JP6806333B2 (ja) | 2021-01-06 |
Family
ID=64020420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017066938A Active JP6806333B2 (ja) | 2017-03-30 | 2017-03-30 | 消費電力予測装置および消費電力予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6806333B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7162550B2 (ja) * | 2019-02-15 | 2022-10-28 | オムロン株式会社 | モデル生成装置、予測装置、モデル生成方法、及びモデル生成プログラム |
JP7366572B2 (ja) | 2019-04-03 | 2023-10-23 | 東京瓦斯株式会社 | 蓄電池延命システム、蓄電池延命サービス提供方法及びプログラム |
JP7277254B2 (ja) * | 2019-05-21 | 2023-05-18 | 三菱電機ビルソリューションズ株式会社 | 消費電力予測装置 |
KR102327274B1 (ko) * | 2019-06-10 | 2021-11-17 | 숭실대학교산학협력단 | 전력 소비량 예측 및 전력 공급 방법 및 장치 |
JP7352385B2 (ja) * | 2019-06-13 | 2023-09-28 | 株式会社エナリス | 電力管理システム、電力管理方法及び電力管理プログラム |
CN112633642B (zh) * | 2020-12-09 | 2023-02-03 | 中国南方电网有限责任公司 | 电力系统备用需求预测方法、系统、装置及存储介质 |
CN116436106B (zh) * | 2023-06-14 | 2023-09-05 | 浙江卓松电气有限公司 | 低压配电检测系统、方法、终端设备及计算机存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5598200B2 (ja) * | 2010-09-16 | 2014-10-01 | ソニー株式会社 | データ処理装置、データ処理方法、およびプログラム |
CN104246520B (zh) * | 2012-04-18 | 2016-11-02 | 索尼公司 | 电子装置的运行状态估计设备、电子装置的运行状态估计方法、电子装置的特征向量登记设备、电子装置的特征向量登记方法、服务器装置和电子装置的运行状态估计系统 |
JP6076242B2 (ja) * | 2013-12-20 | 2017-02-08 | 三菱電機株式会社 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
EP3133406B1 (en) * | 2014-03-13 | 2022-03-30 | Saburo Saito | Device and method for estimating operation states of individual electrical devices |
JP2015188280A (ja) * | 2014-03-26 | 2015-10-29 | シャープ株式会社 | 機器制御装置及び機器制御方法 |
JP6431283B2 (ja) * | 2014-05-14 | 2018-11-28 | 株式会社デンソーアイティーラボラトリ | 電力需要シミュレータ、電力需要シミュレーション方法、及びプログラム |
-
2017
- 2017-03-30 JP JP2017066938A patent/JP6806333B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018169819A (ja) | 2018-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6806333B2 (ja) | 消費電力予測装置および消費電力予測方法 | |
Jiang et al. | Holt–Winters smoothing enhanced by fruit fly optimization algorithm to forecast monthly electricity consumption | |
Hyndman et al. | Density forecasting for long-term peak electricity demand | |
Kim et al. | Unsupervised disaggregation of low frequency power measurements | |
Zhu et al. | A seasonal hybrid procedure for electricity demand forecasting in China | |
KR102087843B1 (ko) | 에너지 사용량 기준치의 시간 비용 및 정확도 개선 방법 및 시스템 | |
Mohapatra et al. | Energy consumption prediction in electrical appliances of commercial buildings using LSTM-GRU model | |
US20120095608A1 (en) | Demand prediction apparatus, and computer readable, non-transitory storage medium | |
US20120278272A1 (en) | System and method for disaggregating power load | |
WO2017153991A1 (en) | A method and system for optimizing and predicting demand response | |
Vellei et al. | Predicting the demand flexibility of wet appliances at national level: The case of France | |
KR101660487B1 (ko) | 소비 특성에 따른 전력 소비량 예측 방법 및 장치 | |
Chrysopoulos et al. | Bottom-up modeling of small-scale energy consumers for effective demand response applications | |
JP2012205385A (ja) | 予備力計算装置およびその方法、コンピュータプログラム | |
Lachut et al. | Predictability of energy use in homes | |
JP2017130041A (ja) | 情報処理装置、制御方法及び制御プログラム | |
Eskander et al. | A complementary unsupervised load disaggregation method for residential loads at very low sampling rate data | |
Dejamkhooy et al. | Non–intrusive appliance load disaggregation in smart homes using hybrid constrained particle swarm optimization and factorial hidden markov model | |
Chen et al. | Real-time forecasting and visualization toolkit for multi-seasonal time series | |
JP6431283B2 (ja) | 電力需要シミュレータ、電力需要シミュレーション方法、及びプログラム | |
Li et al. | Uncertainty modeling and prediction for customer load demand in smart grid | |
KR20210097613A (ko) | 수요관리 자원 최적화를 위한 전력사용량 예측 시스템 | |
Zufferey et al. | Inadequacy of standard algorithms and metrics for short-term load forecasts in low-voltage grids | |
WO2020003624A1 (ja) | 消費電力推定装置 | |
Aggarwal et al. | A novel hybrid approach using wavelet transform, time series time delay neural network, and error predicting algorithm for day-ahead electricity price forecasting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200109 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201009 |
|
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: 20201110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201126 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6806333 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |