JP6877956B2 - 需要予測装置及び需要予測方法 - Google Patents

Description

本発明の実施形態は、需要予測装置及び需要予測方法に関する。

従来、浄水場の運転のために一日単位の水需要量の予測が実施されている。しかしながら、寒冷地では、融雪装置が稼働することにより水需要量の予測誤差が大きくなってしまう場合があった。このような問題は、融雪による水需要量に限らず、熱や電気等の需要量の予測においても生じうる問題である。

特開２００７−３１５８５０号公報 特開２０００−２９３２０３号公報 特開２０１４−２０３２２９号公報 特開２００１−２４５４３２号公報

本発明が解決しようとする課題は、需要量の予測精度を高めることができる需要予測装置及び需要予測方法を提供することである。

実施形態の需要予測装置は、予測モデル作成部と、需要量予測部と、需要量補正部とを持つ。予測モデル作成部は、過去の需要量に関する実績需要量データに基づいて、需要量を予測するための予測モデルを作成する。需要量予測部は、前記予測モデルと、前記実績需要量データと、予測対象日に係る気象予測データとに基づいて、前記予測対象日の需要量を予測する。需要量補正部は、前記需要量を補正するための補正量を決定するための指標である補正量決定指標の値を、前記気象予測データの値と、前記予測対象日の過去一定期間分の気象に関する実績気象データの値とに基づいて算出する。前記需要量補正部は、前記補正量決定指標の値に基づいて得られる補正量を、前記需要量に加算することによって前記需要量を補正する。

第１の実施形態における需要予測装置１の機能構成を表す概略ブロック図。 需要予測装置１の処理の流れを示すフローチャート。 需要予測装置１の処理の流れを示すフローチャート。 補正量と補正量決定指標との関係を表す図。 第２の実施形態における需要予測装置１ａの機能構成を表す概略ブロック図。 需要予測装置１ａの処理の流れを示すフローチャート。 補正量算出用パラメータ値の一例を示す図。 第３の実施形態における需要予測装置１ｂの機能構成を表す概略ブロック図。 需要予測装置１ｂの処理の流れを示すフローチャート。 需要予測装置１ｂの処理の流れを示すフローチャート。 第４の実施形態における需要予測装置１ｃの機能構成を表す概略ブロック図。 需要予測装置１ｃの処理の流れを示すフローチャート。 第５の実施形態における需要予測装置１ｄの機能構成を表す概略ブロック図。 需要予測装置１ｄの処理の流れを示すフローチャート。 需要予測装置１がクラウド上に設けられる場合のシステム構成を表すシステム構成図。

以下、実施形態の需要予測装置及び需要予測方法を、図面を参照して説明する。
（概要）
実施形態における需要予測装置は、需要予測を行う装置である。需要予測装置は、例えば需要予測を行う対象となる地域又は施設等の監視及び制御を行う中央監視制御システム内に設置される。なお、以下の説明では、需要予測装置が、水需要の予測を行う装置として説明するが、需要予測装置が行う需要予測の対象は水需要に限定される必要はない。例えば、需要予測装置は、電力需要、熱需要等の需要予測を行う装置であってもよい。
以下、各実施形態（第１の実施形態〜第５の実施形態）における需要予測装置の具体的な構成について説明する。

（第１の実施形態）
図１は、第１の実施形態における需要予測装置１の機能構成を表す概略ブロック図である。
需要予測装置１は、バスで接続されたＣＰＵ（Central Processing Unit）やメモリや補助記憶装置などを備え、需要予測プログラムを実行する。需要予測プログラムの実行によって、需要予測装置１は、実績データ記憶部１０、予測モデル作成部１１、予測モデル記憶部１２、データ入力部１３、未来データ記憶部１４、需要量予測部１５、需要量補正部１６を備える装置として機能する。なお、需要予測装置１の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。また、需要予測プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、需要予測プログラムは、電気通信回線を介して送受信されてもよい。

実績データ記憶部１０は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。実績データ記憶部１０は、各種実績データを記憶する。実績データ記憶部１０が記憶する実績データの具体例として、例えば、過去一定期間（例えば、三か月）の気象に関するデータである実績気象データ、及び、過去一定期間（例えば、三か月）の需要量に関するデータである実績需要量データが挙げられる。実績気象データには、例えば最高気温、最低気温、午前（例えば、ＡＭ０：００：００〜１１：５９：５９）の天気、午後（例えば、ＰＭ１２：００：００〜２３：５９：５９）の天気、降雪量及び積雪深等が含まれる。実績需要量データには、例えば配水量等が含まれる。

予測モデル作成部１１は、実績データ記憶部１０に記憶されている実績データに基づいて、需要量の予測モデルを作成する。予測モデル作成部１１は、定期的、あるいは、不定期（例えば、手動による動作入力による）なタイミングで予測モデルを作成する。
予測モデル記憶部１２は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。予測モデル記憶部１２は、予測モデル作成部１１が作成した予測モデルを記憶する。

データ入力部１３は、外部から未来データの入力を受け付ける。未来データとは、現在の日時よりも先の日時（例えば、１日後、２日後等）におけるデータである。未来データの具体例として、現在の日時よりも先の日時における気象予測データ（以下「未来気象予測データ」という。）が挙げられる。本実施形態において、外部とは、例えばキーボードやマウス等の入力装置、及び、気象予報を提供する気象サーバ等の装置を表す。データ入力部１３による未来データの入力は、ユーザがＧＵＩ（Graphical User Interface）等を介して手入力してもよいし、気象サーバ等と連携して自動的に入力されてもよい。
未来データ記憶部１４は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。未来データ記憶部１４は、データ入力部１３を介して自装置に入力された未来データを記憶する。例えば、未来データ記憶部１４は、未来気象予測データを記憶する。

需要量予測部１５は、実績データと、予測モデルと、未来データとに基づいて、需要量を予測する。以下の説明では、需要量予測部１５によって予測された需要量を予測需要量と記載する。
需要量補正部１６は、実績データと、未来データと、予測需要量とに基づいて、予測需要量を補正するための補正量を取得し、取得した補正量を用いて予測需要量を補正する。

図２は、需要予測装置１の処理の流れを示すフローチャートである。なお、図２では、予測モデル作成部１１の処理の流れについて説明する。
予測モデル作成部１１は、実績データ記憶部１０に記憶されている過去一定期間分の実績データ（実績気象データ及び実績需要量データ）を取得する（ステップＳ１０１）。予測モデル作成部１１は、取得した過去一定期間分の実績データを用いて予測モデルを作成する（ステップＳ１０２）。予測モデルの作成には、ニューラルネットワーク、回帰分析等の手法が用いられてもよい。予測モデル作成部１１は、作成した予測モデルを予測モデル記憶部１２に記憶させる（ステップＳ１０３）。

図３は、需要予測装置１の処理の流れを示すフローチャートである。なお、図３では、予測モデルの作成後の処理の流れについて説明する。
需要量予測部１５は、予測モデル記憶部１２に記憶されている予測モデルを取得する（ステップＳ２０１）。需要量予測部１５は、未来データ記憶部１４に記憶されている未来データを取得する（ステップＳ２０２）。例えば、需要量予測部１５は、予測対象日の最高気温、最低気温、午前天気及び午後天気の未来データを取得する。需要量予測部１５は、実績データ記憶部１０に記憶されている実績データを取得する（ステップＳ２０３）。例えば、需要量予測部１５は、予測対象日の前日の午前天気、午後天気及び配水量の実績データを取得する。需要量予測部１５は、取得した予測モデルに、取得した実績データ及び未来データを入力することによって予測需要量を取得する。需要量予測部１５は、取得した予測需要量を需要量補正部１６に出力する（ステップＳ２０４）。

需要量補正部１６は、需要量予測部１５から出力された予測需要量を取得する。需要量補正部１６は、未来データ記憶部１４に記憶されている未来データを取得する（ステップＳ２０５）。例えば、需要量補正部１６は、予測対象日の降雪量の未来データを取得する。需要量補正部１６は、実績データ記憶部１０に記憶されている実績データを取得する（ステップＳ２０６）。例えば、需要量補正部１６は、予測対象日の前々日の降雪量と最低気温、予測対象日前日の降雪量と最低気温と積雪深の実績データを取得する。需要量補正部１６は、取得した未来データと、実績データとを用いて、補正量を決定するための指標（以下「補正量決定指標」）の値を取得する（ステップＳ２０７）。

ここで、補正量決定指標の値の計算方法について説明する。補正量決定指標の値をＳ、予測対象日ｉ（ｉは１以上の整数）日前の降雪量をｑ_ｉ、予測対象日ｉ日前の重み係数をｗ_ｉとすると、補正量決定指標の値Ｓは以下の式１のように表される。ここでは、予測対象日の重み係数は１とする。

需要量補正部１６は、ｉ日前の重み係数をそれぞれ、以下の式２のように予測対象日ｉ日前の最低気温ｐ_ｉ（第１のデータ項目の値）に応じて決定する。

式２において、ｔ_ｌｏｗ及びｔ_ｈｉｇｈは係数決定用の最低気温の閾値を表し、ｗ_ｉｈｉｇｈ、ｗ_ｉｍｉｄ及びｗ_ｉｌｏｗは予測対象日ｉ日前用の重み係数を表し、ｄ_１は前日の積雪深（第３のデータ項目の値）を表し、ｄは係数決定用の積雪深の閾値を表す。式２において、ｗ_ｉは前日と、前々日の降雪量（第２のデータ項目の値）の一部が予測対象日にも残り、融雪の対象となることを想定したものである。基本的には、ｗ_１≧ｗ_２であり、前日の降雪の方が前々日の降雪よりも残りやすいと考えられる。ただし、需要量補正部１６は、前日の積雪深ｄ_１が閾値以下の場合、前日と前々日の降雪量は補正量決定指標の値Ｓの算出に利用しない。すなわち、予測対象日の前日までの雪の影響が予測対象日に残らないと考えて０とみなす。

需要量補正部１６は、上記の式１において取得した補正量決定指標の値Ｓを、予め設定された補正量導出用関数に入力して補正量を取得する（ステップＳ２０８）。補正量導出用関数は、例えばステップ関数、比例関数及び２次関数のいずれの関数であってもよい。補正量導出用関数の一例として図４に示すステップ関数が用いられてもよい。図４は、補正量と補正量決定指標との関係を表す図である。図４に示す例では、横軸が補正量決定指標、縦軸が補正量である。例えば、需要量補正部１６は、上記の式１において取得した補正量決定指標の値Ｓが“２０”の場合、補正量として“１０００”を取得する。その後、需要量補正部１６は、取得した補正量を、需要量予測部１５から取得した予測需要量に加算することによって予測需要量を補正する。需要量補正部１６は、補正後の予測需要量（以下「補正後予測需要量」という。）を出力する（ステップＳ２０９）。

以上のように構成された需要予測装置１によれば、予測対象日以前の雪により生じうる水需要量を加味して、予測モデルにより予測された予測需要量を補正する。これにより、予測モデルで予測できない雪により生じうる水需要量を加味することができる。そのため、予測精度を高めることが可能になる。
また、需要予測装置１は、通常の予測モデルと、補正量の予測部分とを分離し、補正量を加算する仕組みにより、雪の日以外の予測精度に影響を与えることなく雪の日の予測精度を高めることができる。

また、需要予測装置１は、補正量決定指標の値を関連するデータから計算し、その値から補正量を決定する仕組みによって、補正量決定指標に対してどれくらいの補正量とすべきかをユーザが把握しやすくなる。
また、需要予測装置１は、雪の量に対する指標は統計的に算出され、そこから補正量を導出するため、補正量導出関数をユーザの経験値に基づいて決定すれば、統計的な指標にユーザの経験に基づく判断を加えて補正量を導出できる。
また、需要予測装置１は、補正量決定指標に対する補正量を、プラント操作員が経験をもとに決定することもできる。新たな融雪装置が導入された場合に、予測モデルは変更せずに、補正量のみを意識的に増加させることも可能である。

（第２の実施形態）
第２の実施形態では、補正量の算出に用いられるパラメータの値（以下「補正量算出用パラメータ値」という。）を、補正量の算出前に決定しておく。以下、第２の実施形態について詳細に説明する。
図５は、第２の実施形態における需要予測装置１ａの機能構成を表す概略ブロック図である。
需要予測装置１ａは、バスで接続されたＣＰＵやメモリや補助記憶装置などを備え、需要予測プログラムを実行する。需要予測プログラムの実行によって、需要予測装置１ａは、実績データ記憶部１０、予測モデル作成部１１、予測モデル記憶部１２、データ入力部１３、未来データ記憶部１４、需要量予測部１５、需要量補正部１６ａ、パラメータ値決定部１７、パラメータ値記憶部１８を備える装置として機能する。なお、需要予測装置１ａの各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されてもよい。また、需要予測プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、需要予測プログラムは、電気通信回線を介して送受信されてもよい。

需要予測装置１ａは、需要量補正部１６に代えて需要量補正部１６ａを備える点、パラメータ値決定部１７及びパラメータ値記憶部１８を新たに備える点で需要予測装置１と構成が異なる。需要予測装置１ａは、他の構成については需要予測装置１と同様である。そのため、需要予測装置１ａ全体の説明は省略し、需要量補正部１６ａ、パラメータ値決定部１７及びパラメータ値記憶部１８について説明する。

パラメータ値決定部１７は、予測モデルと、実績データとに基づいて、補正量算出用パラメータ値を決定する。
パラメータ値記憶部１８は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。パラメータ値記憶部１８は、パラメータ値決定部１７によって決定された補正量算出用パラメータ値を記憶する。
需要量補正部１６ａは、実績データと、未来データと、予測需要量と、補正量算出用パラメータ値とに基づいて補正量を取得し、取得した補正量を用いて予測需要量を補正する。

図６は、需要予測装置１ａの処理の流れを示すフローチャートである。なお、図６では、予測モデルの作成後の処理の流れについて説明する。また、図３と同様の処理については、図６において図３と同様の符号を付して説明を省略する。
ステップＳ２０４までの処理が終了すると、パラメータ値決定部１７は予測モデル記憶部１２に記憶されている予測モデルを取得する（ステップＳ３０１）。パラメータ値決定部１７は、実績データ記憶部１０に記憶されている実績データを取得する（ステップＳ３０２）。例えば、パラメータ値決定部１７は、過去一定期間分の最高気温、最低気温、午前天気、午後天気、配水量、降雪量及び積雪深の実績データを取得する。

パラメータ値決定部１７は、取得した実績データと、予測モデルとを用いて、需要量予測と需要量補正のシミュレーションを実行し、予測精度が最も高くなる補正量算出用パラメータ値を統計的に決定する。パラメータ値決定部１７は、需要量予測部１５の動きに連動せずとも、定期的、あるいは、不定期なタイミングで処理を実行する。すなわち、パラメータ値決定部１７の処理は、補正量決定指標の値の計算と補正量の計算の前に必ずしも実行される必要はなく、パラメータ値決定部１７に設定されている定期的、あるいは、不定期なタイミングで実行されればよい。パラメータ値決定部１７が決定した補正量算出用パラメータ値の一例を図７に示す。パラメータ値決定部１７は、決定した補正量算出用パラメータ値をパラメータ値記憶部１８に記憶する（ステップＳ３０３）。その後、ステップＳ２０５からステップＳ２０７までの処理が実行される。そして、需要量補正部１６ａは、上記の式１において取得した補正量決定指標の値Ｓを用いて補正量を取得する（ステップＳ３０４）。

ここで、本実施形態における補正量の取得方法について説明する。補正量をＶ、補正対象となる補正量決定指標の最低値をｂ、補正量決定指標の値のステップ幅をｒ、単位補正量をｖ、補正量決定指標の値のキャップ値をｃとすると、補正量Ｖは以下の式３に基づいて得られる。

例えば、各パラメータがｂ＝５、ｒ＝１０、ｖ＝５００、ｃ＝２８である場合、補正量Ｖは以下のようになる。
補正量決定指標の値が５未満の場合、補正量が０。
補正量決定指標の値が５以上１５未満の場合、補正量が単位補正量５００×１＝５００ｍ^３。
補正量決定指標の値が１５以上２５未満の場合、補正量が単位補正量５００×２＝１０００ｍ^３。
補正量決定指標の値が２５以上キャップ値２８未満の場合、補正量が単位補正量５００×３＝１５００ｍ^３。
キャップ値２８以上の場合、一律で５００×４＝２０００ｍ^３。
その後、ステップＳ２０９の処理が実行される。

以上のように構成された需要予測装置１ａによれば、第１の実施形態と同様の効果を得ることができる。
また、需要予測装置１ａは、補正量の算出前に補正量算出用パラメータ値を決定する。これにより、以下の２つの効果を得ることができる。
（１）統計的にパラメータ値を求めることで、より良いパラメータ値に決定できる。
（２）例えば、一年に一回など定期的に統計しなおしたり、不定期の任意のタイミングで統計しなおすことで、最新の需要実績に応じたパラメータ設定が可能にある。

以下、需要予測装置１ａの変形例について説明する。
本実施形態では、補正値算出用パラメータ値に、ステップ関数に関するパラメータ値が含まれているが、関数の種類自体を指定するような補正値算出用パラメータが存在してもよい。例えば、補正量導出関数として使用する関数の種類がステップ関数、比例関数、２次関数などのいずれであるかを補正値算出用パラメータ値にて指定することが考えられる。

（第３の実施形態）
第３の実施形態では、補正後予測需要量と、同日の実績需要量とを比較し、予測の乖離が検知された場合に補正量算出用パラメータ値が新たに決定される。以下、第３の実施形態について詳細に説明する。
図８は、第３の実施形態における需要予測装置１ｂの機能構成を表す概略ブロック図である。
需要予測装置１ｂは、バスで接続されたＣＰＵやメモリや補助記憶装置などを備え、需要予測プログラムを実行する。需要予測プログラムの実行によって、需要予測装置１ｂは、実績データ記憶部１０、予測モデル作成部１１、予測モデル記憶部１２、データ入力部１３、未来データ記憶部１４、需要量予測部１５、需要量補正部１６ｂ、パラメータ値決定部１７ｂ、パラメータ値記憶部１８、補正後予測需要量記憶部１９、乖離検知部２０を備える装置として機能する。なお、需要予測装置１ｂの各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されてもよい。また、需要予測プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、需要予測プログラムは、電気通信回線を介して送受信されてもよい。

需要予測装置１ｂは、需要量補正部１６ａ及びパラメータ値決定部１７に代えて需要量補正部１６ｂ及びパラメータ値決定部１７ｂを備える点、補正後予測需要量記憶部１９及び乖離検知部２０を新たに備える点で需要予測装置１ａと構成が異なる。需要予測装置１ｂは、他の構成については需要予測装置１ａと同様である。そのため、需要予測装置１ｂ全体の説明は省略し、需要量補正部１６ｂ、パラメータ値決定部１７ｂ、補正後予測需要量記憶部１９及び乖離検知部２０について説明する。

補正後予測需要量記憶部１９は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。補正後予測需要量記憶部１９は、過去一定期間分の補正後予測需要量を記憶する。
乖離検知部２０は、補正後予測需要量と、実績データとに基づいて、予測需要量の乖離を検知する。
需要量補正部１６ｂは、実績データと、未来データと、予測需要量と、補正量算出用パラメータ値とに基づいて補正量を取得し、取得した補正量を用いて予測需要量を補正する。需要量補正部１６ｂは、所定の条件が満たされた場合に、補正後予測需要量を補正後予測需要量記憶部１９に記憶する。
パラメータ値決定部１７ｂは、予測モデルと、実績データとに基づいて、補正量算出用パラメータ値を決定する。また、パラメータ値決定部１７ｂは、乖離検知部２０によって予測需要量の乖離が検知された場合に、新たに補正量算出用パラメータ値を決定する。

図９は、需要予測装置１ｂの処理の流れを示すフローチャートである。なお、図９では、予測モデルの作成後の処理の流れについて説明する。また、図６と同様の処理については、図９において図６と同様の符号を付して説明を省略する。
ステップＳ２０９までの処理が終了すると、需要量補正部１６ｂは、所定の条件下で補正量決定指標の値が０より大きいか否かを判定する（ステップＳ４０１）。ここで、所定の条件下とは、重み係数を全て１として、閾値カット実施しない場合である。所定の条件下で補正量決定指標の値が０より大きい場合（ステップＳ４０１−ＹＥＳ）、需要量補正部１６ｂはステップＳ２０９の処理で取得した補正後予測需要量を補正後予測需要量記憶部１９に記憶する（ステップＳ４０２）。所定の条件下で補正量決定指標の値が０より大きい場合には、実施形態において、予測対象日、前日及び前々日のいずれかの降雪量が０より大きいことを意味する。
一方、所定の条件下で補正量決定指標の値が０より大きくない場合（ステップＳ４０１−ＮＯ）、需要量補正部１６ｂはステップＳ２０９の処理で取得した補正後予測需要量を補正後予測需要量記憶部１９に記憶せずに処理を終了する。

図１０は、需要予測装置１ｂの処理の流れを示すフローチャートである。なお、図１０では、乖離検知部２０の処理の流れについて説明する。なお、乖離検知部２０の処理は、定期的、あるいは、不定期なタイミングで実行される。
乖離検知部２０は、補正後予測需要量記憶部１９に記憶されている過去一定期間分の補正後予測需要量と、実績データ記憶部１０に記憶されている過去一定期間分の実績データとを取得する（ステップＳ５０１）。乖離検知部２０は、取得した補正後予測需要量と、実績データとの差の平均値が閾値以上であるか否か判定する（ステップＳ５０２）。平均値が閾値以上である場合（ステップＳ５０２−ＹＥＳ）、乖離検知部２０はパラメータ値決定部１７ｂに対して補正量算出用パラメータ値を決定する処理の開始を指示する（ステップＳ５０３）。
一方、平均値が閾値未満である場合（ステップＳ５０２−ＮＯ）、乖離検知部２０は処理を終了する。

以上のように構成された需要予測装置１ｂによれば、第２の実施形態と同様の効果を得ることができる。
また、需要予測装置１ｂは、補正後予測需要量と、実績データとに基づいて得られる値の乖離が閾値以上である場合には、改めて補正量算出用パラメータ値を決定する。これにより、予測誤差が大きくなりすぎることを抑制することができる。

（第４の実施形態）
第４の実施形態では、データ入力部を介して、補正量算出用パラメータ値が入力される。以下、第４の実施形態について詳細に説明する。
図１１は、第４の実施形態における需要予測装置１ｃの機能構成を表す概略ブロック図である。
需要予測装置１ｃは、バスで接続されたＣＰＵやメモリや補助記憶装置などを備え、需要予測プログラムを実行する。需要予測プログラムの実行によって、需要予測装置１ｃは、実績データ記憶部１０、予測モデル作成部１１、予測モデル記憶部１２、データ入力部１３ｃ、未来データ記憶部１４、需要量予測部１５、需要量補正部１６ｃ、補正量算出用パラメータ値記憶部２１を備える装置として機能する。なお、需要予測装置１ｃの各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されてもよい。また、需要予測プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、需要予測プログラムは、電気通信回線を介して送受信されてもよい。

需要予測装置１ｃは、データ入力部１３及び需要量補正部１６に代えてデータ入力部１３ｃ及び需要量補正部１６ｃを備える点、補正量算出用パラメータ値記憶部２１を新たに備える点で需要予測装置１と構成が異なる。需要予測装置１ｃは、他の構成については需要予測装置１と同様である。そのため、需要予測装置１ｃ全体の説明は省略し、データ入力部１３ｃ、需要量補正部１６ｃ及び補正量算出用パラメータ値記憶部２１について説明する。

データ入力部１３ｃは、外部から未来データの入力を受け付ける。また、データ入力部１３ｃは、補正量算出用パラメータ値の入力を受け付ける。
補正量算出用パラメータ値記憶部２１は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。補正量算出用パラメータ値記憶部２１は、データ入力部１３ｃを介して、入力された補正量算出用パラメータ値を記憶する。
需要量補正部１６ｃは、実績データと、未来データと、予測需要量と、補正量算出用パラメータ値とに基づいて、予測需要量を補正するための補正量を取得し、取得した補正量を用いて予測需要量を補正する。

図１２は、需要予測装置１ｃの処理の流れを示すフローチャートである。なお、図１２では、データ入力部１３ｃの処理の流れについて説明する。図１２の処理は、定期的、あるいは、不定期なタイミングで実行される。
データ入力部１３ｃは、ユーザの操作に応じて補正量算出用パラメータ値入力用ＧＵＩを起動する（ステップＳ５０１）。補正量算出用パラメータ値入力用ＧＵＩは、例えば、数値を入力してもらう方法、関数グラフをグラフィカルに指定してもらう方法等が考えられる。データ入力部１３ｃは、入力された補正量算出用パラメータ値を補正量算出用パラメータ値記憶部２１に記憶する（ステップＳ５０２）。

以上のように構成された需要予測装置１ｃによれば、第１の実施形態と同様の効果を得ることができる。
また、需要予測装置１ｃは、熟練者が決定した補正量算出用パラメータ値を、データ入力部１３ｃを介して入力することによって熟練者の経験を反映して予測需要量を補正することができる。

（第５の実施形態）
図１３は、第５の実施形態における需要予測装置１ｄの機能構成を表す概略ブロック図である。
第５の実施形態では、区域情報を用いて、対象地域を複数の区域に分割して、区域毎に異なる補正量算出用パラメータ値を用いて補正量を取得し、区域毎の補正量を全て足し合わせた値を予測需要量に加算して補正後予測需要量を取得する。例えば需要量を予測すべき地域が山手と平地で分けられるときに、山手の区域と平地の区域で補正量の計算方法に差をつける。以下、第５の実施形態について詳細に説明する。

需要予測装置１ｄは、バスで接続されたＣＰＵやメモリや補助記憶装置などを備え、需要予測プログラムを実行する。需要予測プログラムの実行によって、需要予測装置１ｄは、実績データ記憶部１０、予測モデル作成部１１、予測モデル記憶部１２、データ入力部１３、未来データ記憶部１４、需要量予測部１５、需要量補正部１６ｄ、パラメータ値決定部１７ｄ、パラメータ値記憶部１８ｄ、区域情報記憶部２２を備える装置として機能する。なお、需要予測装置１ｄの各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されてもよい。また、需要予測プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、需要予測プログラムは、電気通信回線を介して送受信されてもよい。

需要予測装置１ｄは、需要量補正部１６、パラメータ値決定部１７及びパラメータ値記憶部１８に代えて需要量補正部１６ｄ、パラメータ値決定部１７ｄ及びパラメータ値記憶部１８ｄを備える点、区域情報記憶部２２を新たに備える点で需要予測装置１ａと構成が異なる。需要予測装置１ｄは、他の構成については需要予測装置１ａと同様である。そのため、需要予測装置１ｄ全体の説明は省略し、需要量補正部１６ｄ、パラメータ値決定部１７ｄ、パラメータ値記憶部１８ｄ及び区域情報記憶部２２について説明する。

区域情報記憶部２２は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。区域情報記憶部２２は、予測対象領域における所定の各領域が山手の区域であるか平地の区域であるかを示す区域情報を記憶する。
需要量補正部１６ｄは、実績データと、未来データと、予測需要量と、補正量算出用パラメータ値と、区域情報とに基づいて補正量を取得し、取得した補正量を用いて予測需要量を補正する。

パラメータ値決定部１７ｄは、予測モデルと、実績データと、区域情報とに基づいて、補正量算出用パラメータ値を区域毎に決定する。
パラメータ値記憶部１８ｄは、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。パラメータ値記憶部１８ｄは、パラメータ値決定部１７によって決定された区域毎の補正量算出用パラメータ値を記憶する。

図１４は、需要予測装置１ｄの処理の流れを示すフローチャートである。なお、図１４では、予測モデルの作成後の処理の流れについて説明する。また、図６と同様の処理については、図１４において図６と同様の符号を付して説明を省略する。
ステップＳ３０２までの処理が終了すると、パラメータ値決定部１７ｄは、区域情報記憶部２２に記憶されている区域情報を取得する（ステップＳ７０１）。パラメータ値決定部１７ｄは、取得した実績データと、予測モデルと、区域情報とを用いて、需要量予測と需要量補正のシミュレーションを実行し、予測精度が最も高くなる補正量算出用パラメータ値を統計的に決定する（ステップ７０２）。パラメータ値決定部１７ｄは、決定した補正量算出用パラメータ値をパラメータ値記憶部１８に記憶する。その後、ステップＳ２０６までの処理が実行される。需要量補正部１６ｄは、区域情報記憶部２２に記憶されている区域情報に基づいて、補正量を導出していないある区域の補正量算出用パラメータ値をパラメータ値記憶部１８ｄから取得する（ステップＳ７０３）。需要量補正部１６ｄは、上記の式１に基づいて、補正量決定指標の値Ｓを取得する（ステップＳ７０４）。需要量補正部１６ｄは、上記の式１において取得した補正量決定指標の値Ｓを用いて区域別補正量を取得する（ステップＳ７０５）。

その後、需要量補正部１６ｄは、全区域の区域別補正量を取得したか否か判定する（ステップＳ７０６）。全区域の区域別補正量を取得していない場合（ステップＳ７０６−ＮＯ）、需要量補正部１６ｄはステップＳ７０３以降の処理を繰り返し実行する。
一方、全区域の区域別補正量を取得した場合（ステップＳ７０６−ＹＥＳ）、需要量補正部１６ｄは区域別補正量を合算して補正量を取得する（ステップＳ７０７）。その後、ステップＳ２０９の処理が実行される。

以上のように構成された需要予測装置１ｄによれば、第２の実施形態と同様の効果を得ることができる。
また、需要予測装置１ｄは、平地の区域や山手の区域等、区域毎に異なる補正量算出用パラメータ値を用いて補正量を導出する。そのため、より精度よく需要量を予測することができる。

以下、需要予測装置１ｄの変形例について説明する。
区域情報は、平地の区域や山手の区域に限定されることなく、さらに細かい区域の情報が含まれていてもよい。

上記の各実施形態に共通する変形例について説明する。
補正値算出用パラメータ値は、一部又は全てがプログラム中にハードコーディングされていてもよいし、熟練者等が設定値として記述できるようにファイル等に記述する形式でもよいし、各種実績データをもとにパラメータ値決定部１７が自動的に計算するのでもよい（第２の実施形態、第３の実施形態及び第４の実施形態）。
一般的な運用では、補正値算出用パラメータ値は、定期的、あるいは、不定期に自動又は手動で更新されることが想定されてもよい。
上記の各実施形態では、実績データ及び未来データに気象データを用いているが、その他のデータが実績データ及び未来データとして用いられてもよい。例えば、実績データ及び未来データとして、人口の情報等が用いられてもよい。

需要予測装置１（１ａ、１ｂ、１ｃ及び１ｄも含む）の一部又は全ての機能部が、クラウド上に設けられてもよい。需要予測装置１の全ての機能部が、クラウド上に設けられる場合の一例について説明する。図１５は、需要予測装置１がクラウド上に設けられる場合のシステム構成を表すシステム構成図である。需要予測システム１００は、需要予測装置１及び中央監視制御システム３０を備える。需要予測装置１は、クラウド４０に設けられる。中央監視制御システム３０は、需要予測を行う対象となる地域又は施設等を監視及び制御を行う。視制御システム３０は、サーバ３１を備える。サーバ３１は、パーソナルコンピュータ等の情報処理装置を用いて構成される。サーバ３１は、補正後の予測需要量の予測結果を需要予測装置１に対して要求し、要求した補正後の予測需要量の予測結果を取得してサーバ３１の画面上に表示する。

以上説明した少なくともひとつの実施形態によれば、過去の需要量の実績データに基づいて、需要量を予測するための予測モデルを作成する予測モデル作成部１１と、予測モデルと、実績データと、未来の気象予測データとに基づいて、需要量を予測する需要量予測部１５と、実績データと、未来の気象予測データと、予測された需要量とに基づいて得られる補正量を、前記需要量に加算することによって前記需要量を補正する需要量補正部１６とを持つことにより、需要量の予測精度を高めることができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１、１ａ、１ｂ、１ｃ、１ｄ…需要予測装置，１０…実績データ記憶部，１１…予測モデル作成部，１２…予測モデル記憶部，１３…データ入力部，１４…未来データ記憶部，１５…需要量予測部，１６、１６ａ、１６ｂ、１６ｃ、１６ｄ…需要量補正部，１７、１７ｂ、１７ｄ…パラメータ値決定部，１８、１８ｄ…パラメータ値記憶部，１９…補正後予測需要量記憶部，２０…乖離検知部，２１…補正量算出用パラメータ値記憶部，２２…区域情報記憶部

Claims (11)

1. 過去の需要量に関する実績需要量データに基づいて、需要量を予測するための予測モデルを作成する予測モデル作成部と、
   前記予測モデルと、前記実績需要量データと、予測対象日に係る気象予測データとに基づいて、前記予測対象日の需要量を予測する需要量予測部と、
   前記需要量を補正するための補正量を決定するための指標である補正量決定指標の値を、前記気象予測データの値と、前記予測対象日の過去一定期間分の気象に関する実績気象データの値とに基づいて算出し、前記補正量決定指標の値に基づいて得られる補正量を、予測された前記需要量に加算することによって、前記需要量を補正する需要量補正部と、
   を備える需要予測装置。
2. 前記需要量補正部は、前記気象予測データにおける第１のデータ項目の値と、過去一定期間分の前記実績気象データにおける第１のデータ項目の値とを用いて重み係数を決定し、決定した前記重み係数を各データにおける第２のデータ項目の値に乗じて合算することによって前記補正量決定指標の値を取得する、請求項１に記載の需要予測装置。
3. 前記需要量補正部は、前記実績気象データにおける第３のデータ項目の値が閾値以下の場合、前記補正量決定指標の値の取得過程において過去一定期間分の前記実績気象データにおける前記第２のデータ項目の値を合算対象から除く、請求項２に記載の需要予測装置。
4. 前記予測モデルと、前記実績気象データ及び前記実績需要量データとに基づいて、前記補正量の算出に用いられるパラメータの値を表す補正量算出用パラメータ値を決定するパラメータ値決定部をさらに備え、
   前記需要量補正部は、前記実績気象データと、前記気象予測データと、予測された需要量と、前記補正量算出用パラメータ値とに基づいて前記需要量を補正する、請求項１から３のいずれか一項に記載の需要予測装置。
5. 前記需要量補正部により得られた補正結果と、前記実績需要量データとの乖離を検知する乖離検知部をさらに備え、
   前記乖離検知部は、乖離を検知した場合、前記需要量補正部の補正に利用するパラメータを更新させる、請求項１から４のいずれか一項に記載の需要予測装置。
6. 前記需要量補正部は、対象地域を複数の区域に分割して、前記区域毎に設定されているパラメータ値を用いて区域別補正量を算出し、算出した前記区域別補正量を合算した値を補正量として前記需要量に加算することによって前記需要量を補正する、請求項１から５のいずれか一項に記載の需要予測装置。
7. 前記第１のデータ項目の値が最低気温であり、前記第２のデータ項目の値が降雪量であり、
   前記需要量補正部は、過去一定期間分の最低気温を用いて過去一定期間分の前記重み係数を決定し、決定した過去一定期間分の前記重み係数を過去一定期間分の降雪量に乗じた値と、前記気象予測データにおける降雪量に所定の重み係数を乗じた値とを合算することによって前記補正量決定指標の値を取得する、請求項２に記載の需要予測装置。
8. 前記需要量補正部は、前記重み係数を、前記第１のデータ項目の値である前記実績気象データの最低気温と、予め定められている最低気温の閾値とを比較することによって決定する、請求項２又は３に記載の需要予測装置。
9. 前記第３のデータ項目の値は、積雪深である、請求項３に記載の需要予測装置。
10. 前記需要量補正部は、補正量算出用パラメータ値に基づいたステップ関数によって得られる補正量決定指標の値に応じた補正量を取得する、請求項１から９のいずれか一項に記載の需要予測装置。
11. コンピュータが、過去の需要量に関する実績需要量データに基づいて、需要量を予測するための予測モデルを作成する予測モデル作成ステップと、
    前記コンピュータが、前記予測モデルと、前記実績需要量データと、予測対象日に係る気象予測データとに基づいて、前記予測対象日の需要量を予測する需要量予測ステップと、
    前記コンピュータが、前記需要量を補正するための補正量を決定するための指標である補正量決定指標の値を、前記気象予測データの値と、前記予測対象日の過去一定期間分の気象に関する実績気象データの値とに基づいて算出する指標算出ステップと、
    前記コンピュータが、前記補正量決定指標の値に基づいて得られる補正量を、前記需要量に加算することによって前記需要量を補正する需要量補正ステップと、
    を有する需要予測方法。

Images