JP6996651B1 - Load forecaster, load forecasting method, and program - Google Patents

Load forecaster, load forecasting method, and program Download PDF

Info

Publication number
JP6996651B1
JP6996651B1 JP2021089127A JP2021089127A JP6996651B1 JP 6996651 B1 JP6996651 B1 JP 6996651B1 JP 2021089127 A JP2021089127 A JP 2021089127A JP 2021089127 A JP2021089127 A JP 2021089127A JP 6996651 B1 JP6996651 B1 JP 6996651B1
Authority
JP
Japan
Prior art keywords
heat
load
supply device
time
prediction
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
Application number
JP2021089127A
Other languages
Japanese (ja)
Other versions
JP2022181907A (en
Inventor
達也 飯坂
尚登 竜田
旭 石津
祐一 島崎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuji Electric Co Ltd
Original Assignee
Fuji Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuji Electric Co Ltd filed Critical Fuji Electric Co Ltd
Priority to JP2021089127A priority Critical patent/JP6996651B1/en
Application granted granted Critical
Publication of JP6996651B1 publication Critical patent/JP6996651B1/en
Priority to CN202210303525.7A priority patent/CN115409232A/en
Publication of JP2022181907A publication Critical patent/JP2022181907A/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/17—District heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Heat-Pump Type And Storage Water Heaters (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

【課題】エネルギー供給装置の起動時も含む負荷を予測することができる。【解決手段】一実施形態に係る負荷予測装置は、エネルギー供給装置の負荷を予測する負荷予測装置であって、前記エネルギー供給装置の過去の負荷実績値と前記エネルギー供給装置の運転スケジュールとの少なくとも一方が格納されたデータベースを参照して、前記エネルギー供給装置の起動時に発生するスパイク状の負荷の予測値と、前記スパイク状の負荷の発生日時とを予測する第１の予測部、を有する。【選択図】図２PROBLEM TO BE SOLVED: To predict a load including when an energy supply device is started. A load prediction device according to an embodiment is a load prediction device that predicts a load of an energy supply device, and is at least a past load actual value of the energy supply device and an operation schedule of the energy supply device. It has a first prediction unit that predicts a predicted value of a spike-shaped load generated when the energy supply device is started and a date and time when the spike-shaped load is generated by referring to a database in which one is stored. [Selection diagram] Fig. 2

Description

本発明は、負荷予測装置、負荷予測方法、及びプログラムに関する。 The present invention relates to a load prediction device, a load prediction method, and a program.

熱や電力等といった様々なエネルギーの需要を予測する技術が従来から知られている（例えば、特許文献１～３等）。これらの技術では、過去の実績データ等からモデルを構築し、このモデルにより将来の需要を予測している。これらの技術により、エネルギーを供給するエネルギー供給装置の負荷を予測することが可能となる。 Techniques for predicting the demand for various energies such as heat and electric power have been conventionally known (for example, Patent Documents 1 to 3 and the like). With these technologies, a model is constructed from past performance data, etc., and future demand is predicted using this model. With these technologies, it becomes possible to predict the load of the energy supply device that supplies energy.

特許第３３６０５２０号公報Japanese Patent No. 3360520 特許第６１８７００３号公報Japanese Patent No. 6187003 特開２００１－２１６００１号公報Japanese Unexamined Patent Publication No. 2001-216001

ところで、例えば、エネルギーとして熱を供給する熱源装置では、その立ち上がり時（起動時）にスパイク状の熱負荷が発生することが知られている。これは、熱媒体を設定温度まで温める（又は冷やす）ために生じるものである。 By the way, for example, in a heat source device that supplies heat as energy, it is known that a spike-shaped heat load is generated at the time of rising (starting). This occurs because the heat medium is heated (or cooled) to a set temperature.

しかしながら、例えば、上記の特許文献１及び２は、熱源装置の立ち上がり後の安定的な需要（つまり、定常時の需要）を予測するものであり、立ち上がり時の熱源装置の熱負荷は予測することができなかった。一方で、例えば、上記の特許文献３は、熱源装置の起動時・停止時の熱需要を予測できるものの、精度予測するためにはデータ種類が不十分である。具体的には、過去数点の負荷実績データだけで予測するため、起動時における熱源装置の熱負荷の予測精度が低くなる場合があった。 However, for example, the above-mentioned Patent Documents 1 and 2 predict the stable demand after the start-up of the heat source device (that is, the demand at the steady state), and predict the heat load of the heat source device at the start-up. I couldn't. On the other hand, for example, in the above-mentioned Patent Document 3, although the heat demand at the time of starting and stopping of the heat source device can be predicted, the data type is insufficient for predicting the accuracy. Specifically, since the prediction is made only from the load actual data of several past points, the prediction accuracy of the heat load of the heat source device at the time of starting may be low.

本発明の一実施形態は、上記の点に鑑みてなされたもので、エネルギー供給装置の起動時も含む負荷を予測することを目的とする。 One embodiment of the present invention has been made in view of the above points, and an object thereof is to predict a load including when the energy supply device is started.

上記目的を達成するため、一実施形態に係る負荷予測装置は、エネルギー供給装置の負荷を予測する負荷予測装置であって、前記エネルギー供給装置の過去の負荷実績値と前記エネルギー供給装置の運転スケジュールとの少なくとも一方が格納されたデータベースを参照して、前記エネルギー供給装置の起動時に発生するスパイク状の負荷の予測値と、前記スパイク状の負荷の発生日時とを予測する第１の予測部、を有する。 In order to achieve the above object, the load prediction device according to the embodiment is a load prediction device that predicts the load of the energy supply device, and is a past load actual value of the energy supply device and an operation schedule of the energy supply device. A first prediction unit that predicts the predicted value of the spike-shaped load generated at the start of the energy supply device and the date and time when the spike-shaped load occurs by referring to the database in which at least one of the above is stored. Have.

エネルギー供給装置の起動時も含む負荷を予測することができる。 It is possible to predict the load including when the energy supply device is started.

熱源装置と負荷装置の構成の一例を示す図である。It is a figure which shows an example of the structure of a heat source device and a load device. 熱源装置の熱負荷の一例を説明するための図である。It is a figure for demonstrating an example of the heat load of a heat source apparatus. 本実施形態に係る負荷予測システムの全体構成の一例を示す図である。It is a figure which shows an example of the whole structure of the load prediction system which concerns on this embodiment. 本実施形態に係る負荷予測処理の一例を説明するための図である。It is a figure for demonstrating an example of the load prediction processing which concerns on this embodiment. 本実施形態に係る負荷予測装置のハードウェア構成の一例を示す図である。It is a figure which shows an example of the hardware composition of the load prediction apparatus which concerns on this embodiment.

以下、本発明の一実施形態について説明する。以下では、エネルギー供給装置の一例として熱源装置を想定し、エネルギーとして熱（冷熱である場合も含む）を供給する場合にその熱負荷を予測（特に、熱源装置の立ち上がり時（起動時）における熱負荷を予測）する場合について説明する。ただし、これは一例であって、エネルギーとして熱以外にも、例えば、電力や蒸気等の様々なエネルギーを対象として、そのエネルギーを供給するエネルギー供給装置の負荷を予測する場合にも同様に適用可能である。 Hereinafter, an embodiment of the present invention will be described. In the following, a heat source device is assumed as an example of an energy supply device, and the heat load is predicted when heat (including cold heat) is supplied as energy (particularly, heat at the start-up (startup) of the heat source device). The case of predicting the load) will be described. However, this is just an example, and it can be applied to predict the load of the energy supply device that supplies various energies such as electric power and steam in addition to heat as energy. Is.

＜熱源装置と負荷装置の構成＞
本実施形態で想定する熱源装置と負荷装置の構成の一例を図１に示す。図１に示すように、熱源装置１００と負荷装置２００はパイプ３１０及び３２０で連結されており、熱媒体の一例である水が循環している。なお、パイプ３１０及び３２０は図示しないポンプにより水が循環している。 <Structure of heat source device and load device>
FIG. 1 shows an example of the configuration of the heat source device and the load device assumed in the present embodiment. As shown in FIG. 1, the heat source device 100 and the load device 200 are connected by pipes 310 and 320, and water, which is an example of a heat medium, circulates. Water is circulated in the pipes 310 and 320 by a pump (not shown).

熱源装置１００はパイプ３１０から取り込んだ冷水を加熱し、温水としてパイプ３２０に排出する。一方で、負荷装置２００はパイプ３２０から取り込んだ温水の熱を利用し、冷水としてパイプ３２０から排出する。負荷装置２００としては、例えば、ビル等の建物内の空調設備、工場内の負荷設備（例えば、飲料等の殺菌設備）、或る特定の地域内の負荷設備等といったものが挙げられる。 The heat source device 100 heats the cold water taken in from the pipe 310 and discharges it to the pipe 320 as hot water. On the other hand, the load device 200 utilizes the heat of the hot water taken in from the pipe 320 and discharges it from the pipe 320 as cold water. Examples of the load device 200 include air conditioning equipment in a building such as a building, load equipment in a factory (for example, sterilization equipment such as beverages), load equipment in a specific area, and the like.

また、熱源装置１００（又は、パイプ３１０）内には、熱源装置１００がパイプ３１０から取り込んだ冷水（又は、パイプ３１０から取り込む冷水）の温度を計測する入口温度センサ４１０が設置されている。同様に、熱源装置１００（又は、パイプ３２０）内には、熱源装置１００がパイプ３２０に排出する温水（又は、パイプ３２０に排出した温水）の温度を計測する出口温度センサ４２０が設置されている。更に、パイプ３２０内には、パイプ３２０内の温水の流量を計測する流量センサ４３０が設置されている。 Further, in the heat source device 100 (or the pipe 310), an inlet temperature sensor 410 for measuring the temperature of the cold water taken in from the pipe 310 (or the cold water taken in from the pipe 310) by the heat source device 100 is installed. Similarly, in the heat source device 100 (or the pipe 320), an outlet temperature sensor 420 that measures the temperature of the hot water discharged from the heat source device 100 to the pipe 320 (or the hot water discharged to the pipe 320) is installed. .. Further, a flow rate sensor 430 for measuring the flow rate of hot water in the pipe 320 is installed in the pipe 320.

ここで、入口温度センサ４１０で計測された温度（入口側温度）をＴ１、出口温度センサ４２０で計測された温度（出口側温度）をＴ２、流量センサ４３０で計測された流量をＰ、熱媒体の比熱をＣとする。このとき、熱源装置１００の熱負荷Ｌは、以下で計算される。 Here, the temperature measured by the inlet temperature sensor 410 (inlet side temperature) is T 1 , the temperature measured by the outlet temperature sensor 420 (outlet side temperature) is T 2 , and the flow rate measured by the flow sensor 430 is P. Let C be the specific heat of the heat medium. At this time, the heat load L of the heat source device 100 is calculated as follows.

Ｌ＝｜Ｔ２－Ｔ１｜×Ｐ×Ｃ
なお、図１に示す構成は一例であって、例えば、熱源装置１００はパイプ３１０から温水を取り込んで、この温水を冷やしてもよい（つまり、冷熱を供給してもよい）。この場合、負荷装置２００はパイプ３２０から取り込んだ冷水を利用し、温水としてパイプ３１０から排出する。また、図１に示す例では、熱媒体として水が例示されているが、水以外の熱媒体が用いられもよいことは言うまでもない。 L = | T 2 -T 1 | × P × C
The configuration shown in FIG. 1 is an example. For example, the heat source device 100 may take in hot water from a pipe 310 and cool the hot water (that is, cold heat may be supplied). In this case, the load device 200 uses the cold water taken in from the pipe 320 and discharges it from the pipe 310 as hot water. Further, in the example shown in FIG. 1, water is exemplified as a heat medium, but it goes without saying that a heat medium other than water may be used.

更に、図１に示す例では、簡単のため、熱源装置１００と負荷装置２００がそれぞれ１台のみ記載されているが、これらはそれぞれ複数台存在してもよい。 Further, in the example shown in FIG. 1, for the sake of simplicity, only one heat source device 100 and one load device 200 are described, but a plurality of these may be present.

＜熱源装置の熱負荷＞
熱源装置１００の熱負荷の一例を図２に示す。図２に示す例では、熱源装置１００を時刻ｔ１に起動し、時刻ｔ４に停止操作が行われて時刻ｔ５に熱源装置１００の熱供給が停止した場合を示している。この場合、図２に示すように、時刻ｔ１に起動した後、熱源装置１００では或る時刻ｔ２にスパイク状の熱負荷（言い換えれば、スパイク状の熱需要）が発生し、或る時刻ｔ３以降では安定的な熱負荷が発生する。 <Heat load of heat source equipment>
FIG. 2 shows an example of the heat load of the heat source device 100. In the example shown in FIG. 2 , the case where the heat source device 100 is started at time t1, the stop operation is performed at time t4, and the heat supply of the heat source device 100 is stopped at time t5 is shown. In this case, as shown in FIG. 2 , after starting at time t1, the heat source device 100 generates a spike-shaped heat load (in other words, spike - shaped heat demand) at a certain time t2, and at a certain time. After t3 , a stable heat load is generated.

ここで、時刻ｔ３から時刻ｔ４の間の安定的な熱負荷は、負荷装置２００が需要する熱（真の負荷）と、パイプ３２０での放熱ロスとで構成される負荷である。一方で、時刻ｔ１から時刻ｔ３の間のスパイク状の熱負荷は、負荷装置２００が需要する熱（真の負荷）と、パイプ３２０での放熱ロスと、パイプ３２０内の熱媒体を或る設定温度まで温める（又は冷やす）ための熱とで構成される負荷である。つまり、スパイク状の熱負荷は、パイプ３２０内の熱媒体を或る設定温度まで温める（又は冷やす）ために生じるものである。なお、設定温度とは熱源装置１００に予め設定される温度であり、運転時におけるパイプ３２０内の熱媒体の目標温度（言い換えれば、熱源装置１００の出口側の目標温度）である。 Here, the stable heat load between the time t3 and the time t4 is a load composed of the heat ( true load) required by the load device 200 and the heat dissipation loss in the pipe 320. On the other hand, the spike - shaped heat load between the time t1 and the time t3 includes the heat (true load) required by the load device 200, the heat dissipation loss in the pipe 320, and the heat medium in the pipe 320. It is a load composed of heat for heating (or cooling) to a set temperature. That is, the spike-shaped heat load is generated to heat (or cool) the heat medium in the pipe 320 to a certain set temperature. The set temperature is a temperature preset in the heat source device 100, and is a target temperature of the heat medium in the pipe 320 during operation (in other words, a target temperature on the outlet side of the heat source device 100).

以下では、熱源装置１００の起動後、安定的な熱負荷が発生するまでの時間（つまり、時刻ｔ１から時刻ｔ３までの時間）を起動時といい、安定的な熱負荷が発生している間の時間（つまり、時刻ｔ３から時刻ｔ４までの時間）を安定運転時といい、熱源装置１００の停止操作が行われてから停止するまでの時間（つまり、時刻ｔ４から時刻ｔ５までの時間）を停止時という。なお、安定運転時は定常運転時等と呼ばれてもよい。 In the following, the time from the start of the heat source device 100 until the stable heat load is generated (that is, the time from time t 1 to time t 3 ) is referred to as the start time, and the stable heat load is generated. The time during the period ( that is , the time from the time t3 to the time t4) is called the stable operation, and the time from the stop operation of the heat source device 100 to the stop ( that is, the time from the time t4 to the time t). (Time up to 5 ) is called stop time. It should be noted that the stable operation may be referred to as a steady operation or the like.

このとき、本実施形態は、熱源装置１００の起動時の熱負荷と安定運転時の熱負荷とを精度良く予測（特に、起動時の熱負荷を精度良く予測）することが目的である。なお、安定運転時の熱負荷は、例えば特許文献１等に記載されている既存技術により精度良く予測することが可能であるため、本実施形態でも安定運転時の熱負荷の予測には既存技術を用いる。 At this time, it is an object of the present embodiment to accurately predict the heat load at the time of starting and the heat load at the time of stable operation of the heat source device 100 (particularly, the heat load at the time of starting is predicted with high accuracy). Since the heat load during stable operation can be accurately predicted by the existing technology described in, for example, Patent Document 1, the existing technology is used for predicting the heat load during stable operation even in this embodiment. Is used.

なお、図２に示す例では、簡単のため、安定運転時の熱負荷を一定としているが、これは一例であり、必ずしも一定とは限らない熱負荷が発生していてもよい。すなわち、安定運転時には定常的な熱負荷（又は、定常的とみなせる熱負荷）が発生していればよく、必ずしも負荷が一定である必要はない。 In the example shown in FIG. 2, for the sake of simplicity, the heat load during stable operation is constant, but this is only an example, and a heat load that is not always constant may be generated. That is, it is sufficient that a steady heat load (or a heat load that can be regarded as a steady state) is generated during stable operation, and the load does not necessarily have to be constant.

＜負荷予測システムの全体構成＞
本実施形態に係る負荷予測システムの全体構成を図３に示す。図３に示すように、本実施形態に係る負荷予測システムには、負荷予測装置５００と、データベースサーバ６００と、端末７００と、センサ群４００とが含まれ、それぞれが通信ネットワーク８００を介して通信可能に接続されている。 <Overall configuration of load prediction system>
FIG. 3 shows the overall configuration of the load prediction system according to this embodiment. As shown in FIG. 3, the load prediction system according to the present embodiment includes a load prediction device 500, a database server 600, a terminal 700, and a sensor group 400, each of which communicates via a communication network 800. It is connected as possible.

センサ群４００は、入口温度センサ４１０、出口温度センサ４２０、及び流量センサ４３０等を含む各種センサ群である。なお、センサ群４００には、熱源装置１００の負荷実績値を計測するセンサも含まれる。 The sensor group 400 is a group of various sensors including an inlet temperature sensor 410, an outlet temperature sensor 420, a flow rate sensor 430, and the like. The sensor group 400 also includes a sensor that measures the actual load value of the heat source device 100.

負荷予測装置５００は、データベースサーバ６００が持つデータベース６１０を参照して、熱源装置１００の起動時の熱負荷と安定運転時の熱負荷とを予測するコンピュータである。ここで、負荷予測装置５００は、起動時予測部５１０と、安定運転時予測部５２０とを有する。これら各部は、例えば、負荷予測装置５００にインストールされた１以上のプログラムが、ＣＰＵ（Central Processing Unit）等の演算装置に実行させる処理により実現される。 The load prediction device 500 is a computer that predicts the heat load at the time of starting the heat source device 100 and the heat load at the time of stable operation with reference to the database 610 of the database server 600. Here, the load prediction device 500 has a start-up prediction unit 510 and a stable operation time prediction unit 520. Each of these parts is realized, for example, by a process in which one or more programs installed in the load prediction device 500 are executed by an arithmetic unit such as a CPU (Central Processing Unit).

起動時予測部５１０は、熱源装置１００の起動時の熱負荷を予測する。安定運転時予測部５２０は、例えば特許文献１に記載されている予測モデルにより、安定運転時の熱負荷を予測する。ここで、安定運転時予測部５２０には、当該予測モデルを構築（学習）する学習部５２１と、当該予測モデルにより安定運転時の熱負荷を予測する予測部５２２とが含まれている。 The start-up prediction unit 510 predicts the heat load at the start-up of the heat source device 100. The stable operation prediction unit 520 predicts the heat load during stable operation by, for example, the prediction model described in Patent Document 1. Here, the stable operation prediction unit 520 includes a learning unit 521 for constructing (learning) the prediction model and a prediction unit 522 for predicting the heat load during stable operation by the prediction model.

データベースサーバ６００は、各種データが格納されるデータベース６１０を有している。データベース６１０には、例えば、熱源装置１００の負荷実績、各種センサ値、カレンダー等の暦情報、気温等の含む気象情報等を表すデータが格納される。負荷実績や各種センサ値を表すデータは、通信ネットワーク８００を介してセンサ群４００から収集される。また、暦情報や気象情報を表すデータは、通信ネットワーク８００を介して端末７００から入力される。ただし、気象情報を表すデータは、例えば、インターネット等を経由して外部のサーバ等から収集されてもよい。ここで、暦情報には、熱源装置１００の運転スケジュール（つまり、熱源装置１００の起動日時や停止日時、その他にもメンテナンス日時等）が含まれているものとする。 The database server 600 has a database 610 in which various data are stored. The database 610 stores, for example, data representing the load record of the heat source device 100, various sensor values, calendar information such as a calendar, weather information including temperature and the like. Data representing the load record and various sensor values are collected from the sensor group 400 via the communication network 800. Further, data representing calendar information and weather information is input from the terminal 700 via the communication network 800. However, the data representing the weather information may be collected from an external server or the like via, for example, the Internet or the like. Here, it is assumed that the calendar information includes the operation schedule of the heat source device 100 (that is, the start date / time and stop date / time of the heat source device 100, and the maintenance date / time, etc.).

端末７００は、上述した暦情報や気象情報等を、通信ネットワーク８００を介してデータベース６１０に格納する。なお、暦情報や気象情報等は、例えば、端末７００上に表示された画面等からユーザが入力してもよいし、暦情報や気象情報が記述されたファイル等により入力してもよい。 The terminal 700 stores the above-mentioned calendar information, weather information, and the like in the database 610 via the communication network 800. The calendar information, the weather information, and the like may be input by the user from, for example, a screen displayed on the terminal 700, or may be input by a file or the like in which the calendar information and the weather information are described.

なお、図１に示す負荷予測システムの全体構成は一例であって、例えば、負荷予測装置５００、データベースサーバ６００及び端末７００のうちの少なくとも１つが１台の装置で実現されていてもよい。 The overall configuration of the load prediction system shown in FIG. 1 is an example, and for example, at least one of the load prediction device 500, the database server 600, and the terminal 700 may be realized by one device.

＜負荷予測処理＞
本実施形態に係る負荷予測処理の流れを図４に示す。図４に示すように、負荷予測処理は学習フェーズと予測フェーズとで構成されており、ステップＳ１０１が学習フェーズ、ステップＳ１０２～ステップＳ１０３が予測フェーズである。なお、学習フェーズは予測フェーズよりも前に実行される。 <Load prediction processing>
FIG. 4 shows the flow of the load prediction process according to the present embodiment. As shown in FIG. 4, the load prediction process is composed of a learning phase and a prediction phase, in which step S101 is a learning phase and steps S102 to S103 are prediction phases. The learning phase is executed before the prediction phase.

安定運転時予測部５２０の学習部５２１は、データベース６１０に格納されている各種データ（熱源装置１００の負荷実績、各種センサ値、暦情報、気象情報等を表すデータ）を用いて、安定運転時の負荷予測に用いる予測モデルを学習する（ステップＳ１０１）。ここで、学習部５２１は、例えば特許文献１に記載されている予測モデルを学習すればよい。なお、特許文献１に記載されている予測モデルはニューラルネットワーク（特にリカレントニューラルネットワーク）で実現されたモデルであり、安定運転時の負荷を予測するものである。この予測モデルの構成や学習方法の詳細については特許文献１を参照されたい。ただし、特許文献１に記載されている予測モデルに限られず、安定運転時の負荷を予測できるモデルであれば任意の予測モデルを学習により構築してもよい。 The learning unit 521 of the stable operation prediction unit 520 uses various data (data representing the load record of the heat source device 100, various sensor values, calendar information, weather information, etc.) stored in the database 610 during stable operation. A prediction model used for load prediction is learned (step S101). Here, the learning unit 521 may learn, for example, the prediction model described in Patent Document 1. The prediction model described in Patent Document 1 is a model realized by a neural network (particularly a recurrent neural network), and predicts a load during stable operation. Please refer to Patent Document 1 for details of the configuration of this prediction model and the learning method. However, the model is not limited to the prediction model described in Patent Document 1, and any prediction model may be constructed by learning as long as it can predict the load during stable operation.

起動時予測部５１０は、データベース６１０に格納されている各種データ（熱源装置１００の負荷実績、各種センサ値、暦情報等を表すデータ）を用いて、熱源装置１００の起動時の熱負荷を予測する（ステップＳ１０２）。この予測方法の詳細については後述する。 The start-up prediction unit 510 predicts the heat load at the start-up of the heat source device 100 by using various data (data representing the load record of the heat source device 100, various sensor values, calendar information, etc.) stored in the database 610. (Step S102). The details of this prediction method will be described later.

次に、安定運転時予測部５２０の予測部５２２は、データベース６１０に格納されている各種データ（熱源装置１００の負荷実績、各種センサ値、暦情報、気象情報等を表すデータ）と、学習フェーズで学習された予測モデルとを用いて、安定運転時の熱負荷を予測する（ステップＳ１０３）。この予測モデルによる予測方法の詳細については特許文献１を参照されたい。ただし、特許文献１に記載されている予測モデル以外のモデルにより予測してもよいことは言うまでもない。 Next, the prediction unit 522 of the stable operation time prediction unit 520 contains various data (data representing the load record of the heat source device 100, various sensor values, calendar information, weather information, etc.) stored in the database 610, and a learning phase. The heat load during stable operation is predicted using the prediction model learned in step S103 (step S103). Please refer to Patent Document 1 for the details of the prediction method based on this prediction model. However, it goes without saying that prediction may be performed using a model other than the prediction model described in Patent Document 1.

このように、本実施形態に係る負荷予測装置５００は、熱源装置１００の起動時と安定運転時とを分けて負荷を予測する。後述するように、本実施形態に係る負荷予測装置５００は熱源装置１０の起動時の負荷を精度良く予測することができるため、起動時と安定運転時の両方で精度良く負荷を予測することが可能となる。 As described above, the load prediction device 500 according to the present embodiment predicts the load separately at the time of starting the heat source device 100 and at the time of stable operation. As will be described later, since the load prediction device 500 according to the present embodiment can accurately predict the load at the start of the heat source device 10, it is possible to accurately predict the load at both the start and stable operation. It will be possible.

なお、本実施形態に係る負荷予測装置５００は、例えば、上記のステップＳ１０２～ステップＳ１０３で得られた予測結果を端末７００上に表示させてもよいし、この予測結果に基づいて各種機器又は装置の制御を行ってもよい。例えば、当該予測結果に基づいて、熱源装置１００に燃料又は電力等を供給する装置又は機器の稼働を制御してもよいし、熱源装置１００自体の稼働を制御してもよいし、負荷装置２００の稼働を制御してもよい。 The load prediction device 500 according to the present embodiment may display, for example, the prediction results obtained in the above steps S102 to S103 on the terminal 700, and various devices or devices based on the prediction results. May be controlled. For example, based on the prediction result, the operation of a device or device that supplies fuel or electric power to the heat source device 100 may be controlled, the operation of the heat source device 100 itself may be controlled, or the load device 200 may be controlled. You may control the operation of.

＜起動時の熱負荷の予測方法＞
以下、上記のステップＳ１０２における起動時の熱負荷の予測方法について説明する。ここで、以下では、運用担当者等のユーザによって与えられた予測日における熱源装置１００の起動時の或る時間幅Δにおける熱負荷Ｌｉｎｆを予測するものとする。すなわち、熱負荷Ｌｉｎｆは時間幅Δの平均的な熱負荷を表すものとする。 <Method of predicting heat load at startup>
Hereinafter, the method of predicting the heat load at the time of starting in the above step S102 will be described. Here, in the following, it is assumed that the heat load Linf in a certain time width Δ at the time of starting the heat source device 100 on the predicted date given by a user such as an operation person is predicted. That is, the heat load L inf represents an average heat load having a time width Δ.

なお、時間幅Δは、例えば、１５分や３０分等の任意の時間幅を設定することが可能であるが、典型的にはΔ＝ｔ３－ｔ１と設定することが考えられる。Δ＝ｔ３－ｔ１と設定した場合、熱源装置１００の起動時の熱負荷の平均値が予測されることになる。 The time width Δ can be set to any time width such as 15 minutes or 30 minutes, but it is typically considered that Δ = t 3 − t 1 is set. When Δ = t 3 − t 1 is set, the average value of the heat load at the start of the heat source device 100 is predicted.

≪方法１≫
方法１は簡易的な予測方法である。熱源装置１００の起動時におけるスパイク状の熱負荷は、主に、出口側温度Ｔ２を設定温度にするために生じる負荷である。一般的に、その負荷は大きく、熱源装置１００の定格出力（つまり、起動時の条件下における最大出力）となることが多い。このため、方法１では、Ｌｉｎｆ＝定格出力、とする。 ≪Method 1≫
Method 1 is a simple prediction method. The spike-shaped heat load at the time of starting the heat source device 100 is mainly a load generated to set the outlet side temperature T 2 to the set temperature. In general, the load is large, and it is often the rated output of the heat source device 100 (that is, the maximum output under the starting conditions). Therefore, in method 1, Linf = rated output.

ここで、スパイクが発生する時刻、つまり予測熱負荷Ｌｉｎｆの発生時刻は、暦情報に含まれる運転スケジュールの予測日における起動時刻（熱源装置１００の予測日における起動時刻）とすればよい。又は、運転スケジュールが存在しない場合には、熱源装置１００の過去数日（例えば、過去１週間等の所定の過去期間）の負荷実績の中でスパイクが発生した時刻を用いて、予測日における当該時刻を、予測熱負荷Ｌｉｎｆの発生時刻とすればよい。 Here, the time when the spike occurs, that is, the time when the predicted heat load Linf occurs may be the start time on the predicted date of the operation schedule included in the calendar information (starting time on the predicted date of the heat source device 100). Alternatively, if there is no operation schedule, the time when the spike occurred in the actual load of the heat source device 100 for the past several days (for example, a predetermined past period such as the past week) is used, and the relevant time is used on the predicted date. The time may be set as the time when the predicted heat load Linf occurs.

これにより、簡易的に、比較的高い精度で予測日における熱負荷Ｌｉｎｆとその発生時刻とを予測することが可能となる。 This makes it possible to easily predict the heat load Linf and its occurrence time on the predicted date with relatively high accuracy.

≪方法２≫
方法２は方法１よりも厳密に予測する方法である。この方法２では、設定温度Ｔｓとして、以下により熱負荷Ｌｉｎｆを予測する。 ≪Method 2≫
Method 2 is a method of predicting more strictly than Method 1. In this method 2, the heat load L inf is predicted by the following as the set temperature Ts .

Ｌｉｎｆ＝｜Ｔｓ－Ｔ１｜×Ｐ×Ｃ
なお、Ｔ１及びＰも時間幅Δにおける平均を表すことに留意されたい。 L inf = | T s -T 1 | x P x C
Note that T 1 and P also represent the average over the time width Δ.

ここで、予測日時（つまり、予測日におけるスパイクの発生時刻）における入口側温度Ｔ１及び流量Ｐは得られないため、Ｔ１としては、例えば、予測時点の入口側温度の実績値、又は、過去数日（例えば、過去１週間等の所定の過去期間）の入口側温度の実績値のうち、予測時点と同時刻の入口側温度の実績値の平均値とする。また、Ｐとしては、例えば、パイプ３２０の定格値（つまり、起動時の条件下における最大流量）とする。ただし、ＰもＴ１と同様に、例えば、予測時点の流量の実績値としてもよいし、過去数日の流量の実績値のうち、予測時点と同時刻の流量の実績値の平均値としてもよい。 Here, since the inlet side temperature T 1 and the flow rate P at the predicted date and time (that is, the time when the spike occurs on the predicted date) cannot be obtained, the T 1 may be, for example, the actual value of the inlet temperature at the predicted time or the actual value. Of the actual values of the inlet side temperature for the past several days (for example, a predetermined past period such as the past week), the average value of the actual values of the inlet side temperature at the same time as the predicted time is used. Further, P is, for example, the rated value of the pipe 320 (that is, the maximum flow rate under the starting conditions). However, like T 1 , P may be, for example, the actual value of the flow rate at the time of prediction, or may be the average value of the actual value of the flow rate at the same time as the time of prediction among the actual values of the flow rate in the past several days. good.

なお、予測日におけるスパイクの発生時刻（つまり、予測熱負荷Ｌｉｎｆの発生時刻）は、方法１と同様の方法で決定すればよい。 The spike occurrence time on the predicted date (that is, the occurrence time of the predicted heat load Linf ) may be determined by the same method as in Method 1.

これにより、方法１よりも高い精度で予測日における熱負荷Ｌｉｎｆとその発生時刻とを予測することが可能となる。 This makes it possible to predict the heat load Linf and its occurrence time on the predicted date with higher accuracy than in Method 1.

≪方法３≫
Δ＝ｔ３－ｔ１と設定した場合、上記の方法１及び方法２では起動時における予測熱負荷Ｌｉｎｆとその発生時刻とが得られるが、Δをより細かく設定することでより精度良く熱負荷を予測することが可能になる。 ≪Method 3≫
When Δ = t 3 -t 1 is set, the predicted heat load Linf at the time of start-up and the time of occurrence thereof can be obtained in the above methods 1 and 2, but by setting Δ more finely, the heat is more accurately set. It becomes possible to predict the load.

すなわち、例えば、Δ１＝（（ｔ３－ｔ１）／２）－ｔ１、Δ２＝ｔ３－（（ｔ３－ｔ１）／２）とした上で、Δ１及びΔ２のそれぞれで上記の方法１又は方法２により熱負荷Ｌｉｎｆとその発生時刻とを予測する。 That is, for example, Δ 1 = ((t 3 -t 1 ) / 2) -t 1 , Δ 2 = t 3 -((t 3 -t 1 ) / 2), and then Δ 1 and Δ 2 The heat load Linf and its occurrence time are predicted by the above method 1 or 2 respectively.

また、より一般には、Ｎを予め決められた２以上の整数として、Δ１，・・・，ΔＮのそれぞれで上記の方法１又は方法２により熱負荷Ｌｉｎｆとその発生時刻とを予測してもよい。 Further, more generally, the heat load Linf and its occurrence time are predicted by the above method 1 or 2 for each of Δ1, ..., ΔN, where N is a predetermined integer of 2 or more. You may.

これにより、方法１又は方法２を用いて、予測日における熱負荷Ｌｉｎｆとその発生時刻とをより細かく予測（すなわち、より精度良く予測）することが可能となる。 This makes it possible to predict (that is, more accurately predict) the heat load Linf and its occurrence time on the predicted date by using the method 1 or the method 2.

＜負荷予測装置のハードウェア構成＞
本実施形態に係る負荷予測装置５００のハードウェア構成を図５に示す。図５に示すように、本実施形態に係る負荷予測装置５００は一般的なコンピュータ又はコンピュータシステムのハードウェアで実現され、例えば、入力装置９０１と、表示装置９０２と、外部Ｉ／Ｆ９０３と、通信Ｉ／Ｆ９０４と、プロセッサ９０５と、メモリ装置９０６とを有する。これらの各ハードウェアは、それぞれがバス９０７により通信可能に接続される。なお、データベースサーバ６００や端末７００も同様のハードウェアで実現され得るため、データベースサーバ６００及び端末７００のハードウェア構成についてはその説明を省略する。 <Hardware configuration of load forecaster>
FIG. 5 shows the hardware configuration of the load prediction device 500 according to the present embodiment. As shown in FIG. 5, the load prediction device 500 according to the present embodiment is realized by the hardware of a general computer or computer system, and for example, the input device 901, the display device 902, and the external I / F 903 communicate with each other. It has an I / F 904, a processor 905, and a memory device 906. Each of these hardware is communicably connected by bus 907. Since the database server 600 and the terminal 700 can be realized by the same hardware, the description of the hardware configuration of the database server 600 and the terminal 700 will be omitted.

入力装置９０１は、例えば、キーボードやマウス、タッチパネル、物理ボタン等である。表示装置９０２は、例えば、ディスプレイ等である。なお、負荷予測装置５００は、入力装置９０１及び表示装置９０２のうちの少なくとも一方を有していなくてもよい。 The input device 901 is, for example, a keyboard, a mouse, a touch panel, a physical button, or the like. The display device 902 is, for example, a display or the like. The load prediction device 500 may not have at least one of the input device 901 and the display device 902.

外部Ｉ／Ｆ９０３は、記録媒体９０３ａ等の外部装置とのインタフェースである。負荷予測装置５００は、外部Ｉ／Ｆ９０３を介して、記録媒体９０３ａの読み取りや書き込み等を行うことができる。なお、記録媒体９０３ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等が挙げられる。 The external I / F 903 is an interface with an external device such as a recording medium 903a. The load prediction device 500 can read or write the recording medium 903a via the external I / F 903. Examples of the recording medium 903a include a CD (Compact Disc), a DVD (Digital Versatile Disk), an SD memory card (Secure Digital memory card), a USB (Universal Serial Bus) memory card, and the like.

通信Ｉ／Ｆ９０４は、負荷予測装置５００を通信ネットワーク８００に接続するためのインタフェースである。プロセッサ９０５は、例えば、ＣＰＵやＧＰＵ（Graphics Processing Unit）等の各種演算装置である。メモリ装置９０６は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等の各種記憶装置である。 The communication I / F 904 is an interface for connecting the load prediction device 500 to the communication network 800. The processor 905 is, for example, various arithmetic units such as a CPU and a GPU (Graphics Processing Unit). The memory device 906 is, for example, various storage devices such as an HDD (Hard Disk Drive), an SSD (Solid State Drive), a flash memory, a RAM (Random Access Memory), and a ROM (Read Only Memory).

本実施形態に係る負荷予測装置５００は、図５に示すハードウェア構成を有することにより、上述した負荷予測処理を実現することができる。なお、図５に示すハードウェア構成は一例であって、負荷予測装置５００は、様々なハードウェア構成を有し得る。例えば、負荷予測装置５００は、複数のプロセッサ９０５を有していたり、複数のメモリ装置９０６を有していたりしてもよい。 The load prediction device 500 according to the present embodiment can realize the above-mentioned load prediction process by having the hardware configuration shown in FIG. The hardware configuration shown in FIG. 5 is an example, and the load prediction device 500 may have various hardware configurations. For example, the load prediction device 500 may have a plurality of processors 905 or a plurality of memory devices 906.

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。 The present invention is not limited to the above-described embodiment disclosed specifically, and various modifications and modifications, combinations with known techniques, and the like are possible without departing from the scope of claims.

１００ 熱源装置
２００ 負荷装置
３１０、３２０ パイプ
４００ センサ群
４１０ 入口温度センサ
４２０ 出口温度センサ
４３０ 流量センサ
５００ 負荷予測装置
５１０ 起動時予測部
５２０ 安定運転時予測部
５２１ 学習部
５２２ 予測部
６００ データベースサーバ
６１０ データベース
７００ 端末
８００ 通信ネットワーク
９０１ 入力装置
９０２ 表示装置
９０３ 外部Ｉ／Ｆ
９０３ａ 記録媒体
９０４ 通信Ｉ／Ｆ
９０５ プロセッサ
９０６ メモリ装置
９０７ バス 100 Heat source device 200 Load device 310, 320 Pipe 400 Sensor group 410 Inlet temperature sensor 420 Outlet temperature sensor 430 Flow sensor 500 Load prediction device 510 Startup prediction unit 520 Stable operation prediction unit 521 Learning unit 522 Prediction unit 600 Database server 610 Database 700 Terminal 800 Communication network 901 Input device 902 Display device 903 External I / F
903a Recording medium 904 Communication I / F
905 Processor 906 Memory Device 907 Bus

Claims (9)

熱需要装置に熱を供給する熱供給装置の負荷を予測する負荷予測装置であって、
前記熱供給装置の過去の負荷実績値と前記熱供給装置の運転スケジュールとが格納されたデータベースを参照して、前記熱供給装置の起動時に発生するスパイク状の負荷の予測値と、前記スパイク状の負荷の予測対象日における前記スパイク状の負荷の発生時刻とを予測する第１の予測部、
を有し、
前記第１の予測部は、
予め決められた所定の時間幅Δにおける前記熱供給装置の負荷の平均を、前記スパイク状の負荷の予測値とし、
前記スパイク状の負荷は、前記熱需要装置が需要する熱と、前記熱供給装置から前記熱需要装置に供給するときの放熱ロスを表す熱と、前記熱供給装置から前記熱需要装置に熱を供給する熱媒体を所定の設定温度にするための熱とで構成される熱に対応する負荷である、負荷予測装置。 A load prediction device that predicts the load of a heat supply device that supplies heat to a heat demand device.
With reference to the database in which the past actual load value of the heat supply device and the operation schedule of the heat supply device are stored, the predicted value of the spike-shaped load generated at the start of the heat supply device and the spike-like load are predicted. The first prediction unit that predicts the occurrence time of the spike-shaped load on the target day of load prediction,
Have,
The first prediction unit is
The average load of the heat supply device in a predetermined time width Δ is used as a predicted value of the spike-shaped load.
The spike-shaped load transfers heat required by the heat demand device, heat representing heat dissipation loss when the heat supply device supplies heat to the heat demand device, and heat from the heat supply device to the heat demand device. A load prediction device that is a load corresponding to heat composed of heat for supplying a heat medium to a predetermined set temperature. 前記第１の予測部は、
前記熱供給装置の定格出力を、前記時間幅Δにおける前記熱供給装置の負荷の平均とする、請求項１に記載の負荷予測装置。 The first prediction unit is
The load prediction device according to claim 1, wherein the rated output of the heat supply device is the average of the loads of the heat supply device in the time width Δ. 前記第１の予測部は、
前記熱供給装置の入口側温度の前記時間幅Δにおける平均をＴ１、前記熱媒体の比熱をＣ、前記熱供給装置の出口側の設定温度をＴｓ、前記熱供給装置と前記熱需要装置との間の前記熱媒体の流量の前記時間幅Δにおける平均をＰとして、｜Ｔｓ－Ｔ１｜×Ｐ×Ｃにより、前記時間幅Δにおける前記熱供給装置の負荷の平均を算出する、請求項１に記載の負荷予測装置。 The first prediction unit is
The average of the temperature on the inlet side of the heat supply device in the time width Δ is T 1 , the specific heat of the heat medium is C, the set temperature on the outlet side of the heat supply device is T s , and the heat supply device and the heat demand device. The average of the load of the heat supply device in the time width Δ is calculated by | T s −T 1 | × P × C, where P is the average of the flow rate of the heat medium between the two and the time width Δ. The load prediction device according to claim 1. 前記第１の予測部は、
前記過去の負荷実績値の中でスパイク状の負荷実績値が発生した時刻、又は、前記運転スケジュールにおける前記熱供給装置の起動時刻、のいずれかを、前記予測対象日における前記スパイク状の負荷の発生時刻として予測する、請求項１乃至３の何れか一項に記載の負荷予測装置。 The first prediction unit is
Either the time when the spike-shaped load actual value is generated in the past load actual value or the start time of the heat supply device in the operation schedule is set to the spike-shaped load on the prediction target date. The load prediction device according to any one of claims 1 to 3, which predicts the time of occurrence. 第１の予測部は、
前記熱供給装置が起動された時刻を第１の時刻、前記熱供給装置が定常的な運転状態となった時刻を第２の時刻として、前記第２の時刻と前記第１の時刻との差を前記時間幅Δとし、
前記定常的な運転とは、前記熱供給装置の負荷が、前記熱需要装置が需要する熱と、前記熱供給装置から前記熱需要装置に供給するときの放熱ロスを表す熱とで構成される熱に対応する負荷で表される運転状態のことである、請求項１乃至４の何れか一項に記載の負荷予測装置。 The first prediction unit is
The difference between the second time and the first time, where the time when the heat supply device is started is the first time and the time when the heat supply device is in a steady operation state is the second time. Is the time width Δ,
The steady operation is composed of the heat required by the heat demand device and the heat representing the heat dissipation loss when the load of the heat supply device is supplied from the heat supply device to the heat demand device. The load prediction device according to any one of claims 1 to 4, which is an operating state represented by a load corresponding to heat. 第１の予測部は、
前記熱供給装置が起動された時刻を第１の時刻、前記熱供給装置が定常的な運転状態となった時刻を第２の時刻、予め決められた２以上の整数をＮとして、前記第２の時刻と前記第１の時刻との差をＮ分割した時間幅を前記時間幅Δとし、
前記第１の時刻から前記第２の時刻までの各時間幅Δにおいて、前記スパイク状の負荷の予測値と、前記スパイク状の負荷の予測対象日における前記スパイク状の負荷の発生時刻とを予測し、
前記定常的な運転とは、前記熱供給装置の負荷が、前記熱需要装置が需要する熱と、前記熱供給装置から前記熱需要装置に供給するときの放熱ロスを表す熱とで構成される熱に対応する負荷で表される運転状態のことである、請求項１乃至４の何れか一項に記載の負荷予測装置。 The first prediction unit is
The second time, where the time when the heat supply device is started is the first time, the time when the heat supply device is in a steady operation state is the second time, and a predetermined integer of 2 or more is N. The time width obtained by dividing the difference between the time of the time and the first time into N is defined as the time width Δ.
In each time width Δ from the first time to the second time, the predicted value of the spike-shaped load and the occurrence time of the spike-shaped load on the prediction target day of the spike-shaped load are predicted. death,
The steady operation is composed of the heat required by the heat demand device and the heat representing the heat dissipation loss when the load of the heat supply device is supplied from the heat supply device to the heat demand device. The load prediction device according to any one of claims 1 to 4, which is an operating state represented by a load corresponding to heat. 前記データベースを参照して、予め学習された予測モデルにより、前記熱供給装置の定常的な運転状態における負荷の予測値を予測する第２の予測部を有し、
前記定常的な運転とは、前記熱供給装置の負荷が、前記熱需要装置が需要する熱と、前記熱供給装置から前記熱需要装置に供給するときの放熱ロスを表す熱とで構成される熱に対応する負荷で表される運転状態のことである、請求項１乃至６の何れか一項に記載の負荷予測装置。 It has a second prediction unit that predicts the predicted value of the load in the steady operating state of the heat supply device by referring to the database and using a prediction model learned in advance.
The steady operation is composed of the heat required by the heat demand device and the heat representing the heat dissipation loss when the load of the heat supply device is supplied from the heat supply device to the heat demand device. The load prediction device according to any one of claims 1 to 6, which is an operating state represented by a load corresponding to heat. 熱需要装置に熱を供給する熱供給装置の負荷を予測する負荷予測装置が、
前記熱供給装置の過去の負荷実績値と前記熱供給装置の運転スケジュールとが格納されたデータベースを参照して、前記熱供給装置の起動時に発生するスパイク状の負荷の予測値と、前記スパイク状の負荷の予測対象日における前記スパイク状の負荷の発生時刻とを予測する予測手順、
を実行し、
前記予測手順は、
予め決められた所定の時間幅Δにおける前記熱供給装置の負荷の平均を、前記スパイク状の負荷の予測値とし、
前記スパイク状の負荷は、前記熱需要装置が需要する熱と、前記熱供給装置から前記熱需要装置に供給するときの放熱ロスを表す熱と、前記熱供給装置から前記熱需要装置に熱を供給する熱媒体を所定の設定温度にするための熱とで構成される熱に対応する負荷である、負荷予測方法。 A load predictor that predicts the load of a heat supply device that supplies heat to a heat demand device
With reference to the database in which the past actual load value of the heat supply device and the operation schedule of the heat supply device are stored, the predicted value of the spike-shaped load generated at the start of the heat supply device and the spike-like load are predicted. Prediction procedure for predicting the occurrence time of the spike-shaped load on the target day of load prediction,
And run
The prediction procedure is
The average load of the heat supply device in a predetermined time width Δ is used as a predicted value of the spike-shaped load.
The spike-shaped load transfers heat required by the heat demand device, heat representing heat dissipation loss when the heat supply device supplies heat to the heat demand device, and heat from the heat supply device to the heat demand device. A load prediction method, which is a load corresponding to heat composed of heat for supplying a heat medium to a predetermined set temperature. 熱需要装置に熱を供給する熱供給装置の負荷を予測する負荷予測装置に、
前記熱供給装置の過去の負荷実績値と前記熱供給装置の運転スケジュールとが格納されたデータベースを参照して、前記熱供給装置の起動時に発生するスパイク状の負荷の予測値と、前記スパイク状の負荷の予測対象日における前記スパイク状の負荷の発生時刻とを予測する予測手順、
を実行させ、
前記予測手順は、
予め決められた所定の時間幅Δにおける前記熱供給装置の負荷の平均を、前記スパイク状の負荷の予測値とし、
前記スパイク状の負荷は、前記熱需要装置が需要する熱と、前記熱供給装置から前記熱需要装置に供給するときの放熱ロスを表す熱と、前記熱供給装置から前記熱需要装置に熱を供給する熱媒体を所定の設定温度にするための熱とで構成される熱に対応する負荷である、プログラム。 For a load predictor that predicts the load of a heat supply device that supplies heat to a heat demand device,
With reference to the database in which the past actual load value of the heat supply device and the operation schedule of the heat supply device are stored, the predicted value of the spike-shaped load generated at the start of the heat supply device and the spike-like load are predicted. Prediction procedure for predicting the occurrence time of the spike-shaped load on the target day of load prediction,
To execute,
The prediction procedure is
The average load of the heat supply device in a predetermined time width Δ is used as a predicted value of the spike-shaped load.
The spike-shaped load transfers heat required by the heat demand device, heat representing heat dissipation loss when the heat supply device supplies heat to the heat demand device, and heat from the heat supply device to the heat demand device. A program that is a load corresponding to heat composed of heat for supplying a heat medium to a predetermined set temperature.
JP2021089127A 2021-05-27 2021-05-27 Load forecaster, load forecasting method, and program Active JP6996651B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2021089127A JP6996651B1 (en) 2021-05-27 2021-05-27 Load forecaster, load forecasting method, and program
CN202210303525.7A CN115409232A (en) 2021-05-27 2022-03-24 Load prediction device, load prediction method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021089127A JP6996651B1 (en) 2021-05-27 2021-05-27 Load forecaster, load forecasting method, and program

Publications (2)

Publication Number Publication Date
JP6996651B1 true JP6996651B1 (en) 2022-01-17
JP2022181907A JP2022181907A (en) 2022-12-08

Family

ID=80448109

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021089127A Active JP6996651B1 (en) 2021-05-27 2021-05-27 Load forecaster, load forecasting method, and program

Country Status (2)

Country Link
JP (1) JP6996651B1 (en)
CN (1) CN115409232A (en)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006046703A (en) 2004-07-30 2006-02-16 Daikin Ind Ltd Floor heating device
JP2014066497A (en) 2012-09-27 2014-04-17 Noritz Corp Hot water circulating heating device
JP2014181570A (en) 2013-03-18 2014-09-29 Hitachi Ltd Steam turbine control device
JP2015017727A (en) 2013-07-09 2015-01-29 リンナイ株式会社 Floor heating device
JP2015105780A (en) 2013-11-29 2015-06-08 株式会社日立製作所 Heat storage control device and heat storage control method for energy network
JP2017048974A (en) 2015-09-03 2017-03-09 株式会社サムソン Heating medium boiler
JP2020118335A (en) 2019-01-23 2020-08-06 パナソニックＩｐマネジメント株式会社 Cogeneration system

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2983159B2 (en) * 1995-09-29 1999-11-29 東日本旅客鉄道株式会社 Heat storage utilization system and control method thereof

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006046703A (en) 2004-07-30 2006-02-16 Daikin Ind Ltd Floor heating device
JP2014066497A (en) 2012-09-27 2014-04-17 Noritz Corp Hot water circulating heating device
JP2014181570A (en) 2013-03-18 2014-09-29 Hitachi Ltd Steam turbine control device
JP2015017727A (en) 2013-07-09 2015-01-29 リンナイ株式会社 Floor heating device
JP2015105780A (en) 2013-11-29 2015-06-08 株式会社日立製作所 Heat storage control device and heat storage control method for energy network
JP2017048974A (en) 2015-09-03 2017-03-09 株式会社サムソン Heating medium boiler
JP2020118335A (en) 2019-01-23 2020-08-06 パナソニックＩｐマネジメント株式会社 Cogeneration system

Also Published As

Publication number Publication date
JP2022181907A (en) 2022-12-08
CN115409232A (en) 2022-11-29

Similar Documents

Publication Publication Date Title
CN111505938B (en) Building automation system with energy optimization constructor and generic data model designer
US8732706B2 (en) Generating governing metrics for resource provisioning
Ma et al. Statistical analysis of energy consumption patterns on the heat demand of buildings in district heating systems
JP4634242B2 (en) Energy saving amount estimation apparatus, method, and program
WO2011007736A1 (en) Demand-prediction device, program, and recording medium
JP5466711B2 (en) Turbine life modeling
Muller et al. An energy management method for the food industry
CN101901033A (en) Deterministic management of dynamic thermal response of processors
Lai et al. Vapnik's learning theory applied to energy consumption forecasts in residential buildings
KR20120114254A (en) Automated corrective and predictive maintenance system
US8355828B2 (en) Determining optimal settings for resource actuators
JP6385984B2 (en) Energy management apparatus, energy management method, and energy management program
US9026981B2 (en) Dielectric reliability assessment for advanced semiconductors
Obermeier et al. A discrete-time scheduling model for power-intensive processes taking fatigue of equipment into consideration
Scogland et al. A power-measurement methodology for large-scale, high-performance computing
CN105359056A (en) Date adjusted power budgeting for an information handling system
Hajej et al. An optimal integrated lot sizing and maintenance strategy for multi-machines system with energy consumption
EP2215539B1 (en) System synthesis to meet an exergy loss target value
JP2018106431A (en) Facility equipment operation plan generation apparatus and method
Jain et al. Imperfect debugging study of SRGM with fault reduction factor and multiple change point
Shoukourian et al. Forecasting power-efficiency related key performance indicators for modern data centers using LSTMs
Gonzato et al. Hierarchical price coordination of heat pumps in a building network controlled using model predictive control
US10705580B2 (en) Intelligent energy-optimization technique for computer datacenters
Alissa et al. Analysis of airflow imbalances in an open compute high density storage data center
JP6996651B1 (en) Load forecaster, load forecasting method, and program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210527

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210527

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210629

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210803

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211019

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211028

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: 20211116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211129

R150 Certificate of patent or registration of utility model

Ref document number: 6996651

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150