JP7069058B2 - 負荷推定装置及び負荷推定方法 - Google Patents

Description

本発明は、推定対象需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す部分負荷情報を推定する負荷推定装置及び負荷推定方法に関する。

近年におけるスマートメーターの普及により、需要家が消費した電気エネルギーの全体の大きさを示す総負荷を３０分ごとに計測し計測した総負荷を収集するシステムが普及しつつある。このため、総負荷を把握することが容易になっている。

一方で、総負荷だけでなく需要家が使用する複数の機器が消費した電気エネルギーの大きさをそれぞれ示す複数の機器別負荷を把握することができた場合は、電力供給元が電力の供給の制御の精度を向上でき、需要家が省エネルギーのための行動の成果を推定でき、電力供給元及び需要家の両方に利益が生じる。

機器別負荷は、機器が消費した電気エネルギーを直接的に測定することにより把握される場合もあるし、総負荷から機器別負荷を推定することにより把握される場合もある。

特許文献１に記載された技術においては、５つの測定器が、エアコン、テレビジョン、電子レンジ、冷蔵庫及び照明器具における電力消費に関する測定情報をそれぞれ取得し、取得した測定情報を管理システムへ送信する（段落００３１及び００３２）。

特許文献２に記載された技術においては、データベースに、機器全体による電力の消費パターン、及び機器ごとの典型的な電力の消費パターンが登録される（段落００１６）。また、計測手段が、機器全体による消費電力量の時間変化を示した時系列データを時系列データベース内に記録する（段落００１３）。また、時系列補完部が、時系列データベースに格納された時系列データと部分的に最も類似する、または距離が閾値以下に収まる機器全体のパターンをデータベースにおける機器全体のパターンから選択する（段落００２１）。また、時系列補完部が、選択されたパターンにおける現在時刻より後から終了時刻までの部分を抽出し、時系列データの後ろに補完する（段落００２４）。また、パターン選択部が、補完パターンに総和が最も類似する、又は距離が閾値以下となるようなパターンを各機器のパターン群からそれぞれ抽出する（段落００２６）。

特許文献３に記載された技術においては、クラスタリング実施部が、Ｎ人の需要家それぞれの消費エネルギー量である需要家個別負荷の経時変化を指示し総負荷及び機器別負荷を含むモニタリング住宅情報に基づき、Ｎ人の需要家をＭ種のクラスタに分類する（段落００２２及び００２４）。また、代表モデルデータ取得部が、Ｍ種のクラスタ毎に同一クラスタに属する少なくとも１人の需要家の需要家個別負荷に基づき、Ｍ種の代表モデルデータを取得する（段落００２５）。また、代表モデルデータ選択部が、Ｍ種の代表モデルデータのうち、推定対象需要家の全消費エネルギー量である総負荷を指示する推定対象需要家情報との類似度を判断基準として一のデータを選択代表モデルデータとして選択する（段落００２７及び００２８）。また、内訳計算部が、推定対象需要家情報で指示する総負荷と選択代表モデルデータとを時系列上で対応づけて推定対象需要家における複数の部分負荷である複数の機器別負荷を計算する（段落００２９）。

特開２０１４－１１２４３９号公報 特開２０１１－１７６９８４号公報 特開２０１７－２２４１２１号公報

特許文献１、２及び３に代表される機器別負荷を把握するための従来技術は、対象の需要家の機器別負荷を計測する計測機器等を設置しなければならない、想定される全部の行動パターンにそれぞれ対応する機器別負荷を事前に準備しなければならない等の問題を有する。このため、特許文献１、２及び３に代表される機器別負荷を把握するための従来技術は、機器別負荷を容易に得ることができないという問題を有する。

また、特許文献３に代表される機器別負荷を把握するための従来技術は、複数の需要家の総負荷が互いに類似しているにもかかわらず当該複数の需要家の機器別負荷が互いに類似していない場合に、高い精度を有する機器別負荷を得ることができないという問題を有する。

これらの問題は、機器別負荷以外の部分負荷を推定する場合にも生じる。

本発明は、これらの問題を解決するためになされる。本発明が解決しようとする課題は、部分負荷を計測する計測機器を推定対象需要家に設置することなく推定対象需要家の部分負荷情報を容易に得るとともに、推定対象需要家の部分負荷情報を精度よく推定することである。

本発明は、負荷推定装置に向けられる。

負荷推定装置は、部分負荷割合計算部、第１の類似度計算部、１次クラスタリング部、導出式作成部、第２の類似度計算部、２次クラスタリング部、第３の類似度計算部、３次クラスタリング部、代表モデル取得部、１次クラスタ選択部、第４の類似度計算部、代表モデル選択部及び計算部を備える。

部分負荷割合計算部は、複数の負荷情報の各々である各負荷情報について、部分負荷割合を計算する。各負荷情報は、総負荷情報及び部分負荷情報を含む。総負荷情報は、ひとつの需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す。部分負荷情報は、ひとつの需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す。各負荷情報には、ひとつの需要家の特徴を示す特徴量が対応づけられる。部分負荷割合は、総負荷に対する複数の部分負荷の割合を示す。

第１の類似度計算部は、複数の負荷情報についてそれぞれ計算された複数の部分負荷割合の間の第１の類似度を計算する。

１次クラスタリング部は、第１の類似度にしたがって複数の負荷情報、及び複数の負荷情報にそれぞれ対応づけられた複数の特徴量を複数の１次クラスタに分類する。これにより、複数の１次クラスタの各々に属する、少なくともひとつの負荷情報、及び少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの特徴量が特定される。

導出式作成部は、複数の１次クラスタの各々に属する少なくともひとつの負荷情報及び少なくともひとつの特徴量を学習し、与えられた総負荷情報及び与えられた特徴量から１次クラスタを導出する導出式を作成する。

第２の類似度計算部は、複数の１次クラスタに含まれる少なくともひとつの１次クラスタの各々である各１次クラスタに属する複数の負荷情報にそれぞれ含まれる複数の総負荷情報の間の第２の類似度を計算する。

２次クラスタリング部は、第２の類似度にしたがって各１次クラスタに属する複数の負荷情報を複数の２次クラスタに分類する。これにより、複数の２次クラスタの各々に属する少なくともひとつの負荷情報が特定される。

第３の類似度計算部は、複数の２次クラスタに含まれる少なくともひとつの２次クラスタの各々である各２次クラスタに属する複数の負荷情報にそれぞれ含まれる複数の部分負荷情報の間の第３の類似度を計算する。

３次クラスタリング部は、第３の類似度にしたがって各２次クラスタに属する複数の負荷情報を複数の３次クラスタに分類する。これにより、複数の３次クラスタの各々である各３次クラスタに属する少なくともひとつの負荷情報が特定される。

代表モデル取得部は、各３次クラスタに属する少なくともひとつの負荷情報を代表する代表モデルを作成する。これにより、複数の代表モデルが取得される。

１次クラスタ選択部は、推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報が与えられた総負荷情報であり、推定対象需要家の特徴を示す特徴量が与えられた特徴量である場合に導出式により導出される選択１次クラスタを複数の１次クラスタから選択する。

第４の類似度計算部は、選択１次クラスタに属する負荷情報を代表する２個以上の代表モデルを複数の代表モデルから選択し、推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報と２個以上の代表モデルの各々に含まれる総負荷情報との間の第４の類似度を計算する。

代表モデル選択部は、第４の類似度に基づいて、推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報と候補となる代表モデルに含まれる総負荷情報との類似度が高くなるほど候補となる代表モデルが選択されやすくなる選択基準を用いて、２個以上の代表モデルから選択代表モデルを選択する。

計算部は、選択代表モデルに含まれる部分負荷情報が反映されるように、推定対象需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す部分負荷情報を計算する。

本発明は、負荷推定方法にも向けられる。

本発明によれば、需要家の複数の負荷情報及び複数の特徴量、並びに推定対象需要家の総負荷情報及び特徴量から推定対象需要家の部分負荷情報が得られるので、推定対象需要家の部分負荷を計測する計測機器を設置することなく推定対象需要家の部分負荷情報が容易に得られる。

また、本発明によれば、推定対象需要家の特徴量に類似する特徴量を有する需要家の負荷情報を代表する２個以上の代表モデルから、推定対象需要家の総負荷情報に類似する総負荷情報を有する選択代表モデルが選択される。また、選択された選択代表モデルを利用して推定対象需要家の部分負荷情報が推定される。これにより、推定対象需要家の部分負荷情報が精度よく推定される。

この発明の目的、特徴、局面、及び利点は、以下の詳細な説明と添付図面とによって、より明白となる。

実施の形態１の負荷推定装置を図示するブロック図である。 実施の形態１の負荷推定装置において扱われる負荷情報及び特徴量のデータ構造を示す図である。 実施の形態１の負荷推定装置において行われる処理を説明する説明図である。 実施の形態１の負荷推定装置において行われる処理を説明する説明図である。 実施の形態１の負荷推定装置に備えられる負荷割合分類部を図示するブロック図である。 実施の形態１の負荷推定装置において扱われる負荷情報の例をグラフ及び表により示す図である。 実施の形態１の負荷推定装置において行われる１次クラスタリングを説明する説明図である。 実施の形態１の負荷推定装置において扱われる負荷情報、特徴量及び１次クラスタ番号のデータ構造を示す図である。 実施の形態１の負荷推定装置において行われる導出式による１次クラスタ番号の導出の例を説明する説明図である。 実施の形態１の負荷推定装置に備えられる代表モデル準備部を図示するブロック図である。 実施の形態１の負荷推定装置において扱われるデータＸ及びＹの例を示すグラフである。 実施の形態１の負荷推定装置において扱われる、データＸの各時系列点とデータＹの各時系列点との間の距離distの例を表により図示する図である。 実施の形態１の負荷推定装置において扱われる、データＸの各時系列点とデータＹの各時系列点とを対応させるのに必要なコストcostの例を表により図示する図である。 実施の形態１の負荷推定装置において扱われる、データＹの時系列点にそれぞれ対応するデータＸの時系列点、及びデータＸの時系列点とデータＹの時系列点とをそれぞれ対応させるのに必要なコストの例を表により図示する図である。 実施の形態１の負荷推定装置において行われる２次クラスタリングを説明する説明図である。 実施の形態１の負荷推定装置において扱われる、負荷情報に含まれる総負荷情報の間の類似度の例を図示する図である。 実施の形態１の負荷推定装置において行われる３次クラスタリングを説明する説明図である。 実施の形態１の負荷推定装置において扱われる、第１の負荷情報に含まれる総負荷の時系列点が図１４により示されるデータＹの時系列点であり、第２の負荷情報に含まれる総負荷の時系列点が図１４により示されるデータＸの時系列点である場合の、第１の負荷情報に含まれる機器Ａの機器別負荷の時系列点及び第２の負荷情報に含まれる機器Ａの機器別負荷の時系列点の例を表により図示する図である。 実施の形態１の負荷推定装置において扱われる代表モデルの例を棒グラフ及び表により図示する図である。 実施の形態１の負荷推定装置において扱われる代表モデルの例を棒グラフ及び表により図示する図である。 実施の形態１の負荷推定装置に備えられる代表モデル取得部を図示するブロック図である。 実施の形態１の負荷推定装置において扱われる基準モデル、非基準モデル及び対応関係情報の例を表により図示する図である。 実施の形態１の負荷推定装置に備えられる推定部を図示するブロック図である。 実施の形態１の負荷推定装置において扱われる推定対象住宅の総負荷情報の例を表により図示する図である。 実施の形態１の負荷推定装置において扱われる推定対象住宅の総負荷情報及び特徴量から抽出された情報の例を表により図示する図、並びに実施の形態１の負荷推定装置における導出式による１次クラスタ番号の導出の例を説明する説明図を含む図である。 実施の形態１の負荷推定装置において扱われる推定対象の総負荷情報の例を折れ線グラフにより図示する図である。 実施の形態１の負荷推定装置において扱われる選択代表モデルの例を積み上げ棒グラフにより図示する図である。 実施の形態１の負荷推定装置において扱われる推定対象の総負荷情報及び選択代表モデルの例を比較可能となるように重ねて図示する図である。 実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報を利用しない場合に利用される対応関係情報の例を表により図示する図である。 実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報を利用しない場合に推定される機器別負荷情報を積み上げ棒グラフにより図示する図である。 実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報の例を表により図示する図である。 実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報を利用する場合に推定される機器別負荷情報を図示する図である。 実施の形態２の負荷推定装置を図示するブロック図である。 実施の形態２の負荷推定装置に備えられる負荷割合分類部を図示するブロック図である。 実施の形態２の負荷推定装置において行われる導出式による１次クラスタ番号の導出の例を説明する説明図である。 実施の形態２の負荷推定装置に備えられる推定部を図示するブロック図である。 実施の形態２の負荷推定装置において扱われる推定対象住宅の総負荷情報及び特徴量、並びに気温情報から抽出された情報の例を表により図示する図、並びに実施の形態２の負荷推定装置における導出式による１次クラスタ番号の導出の例を説明する説明図を含む図である。 実施の形態３の負荷推定装置を図示するブロック図である。 実施の形態３の負荷推定装置に備えられる負荷割合分類部を図示するブロック図である。 実施の形態３の負荷推定装置において行われる導出式による１次クラスタ番号の導出の例を説明する説明図である。 実施の形態３の負荷推定装置に備えられる推定部を図示するブロック図である。 実施の形態３の負荷推定装置において扱われる推定対象住宅の総負荷情報及び特徴量、並びに天候情報から抽出された情報の例を表により図示する図、並びに実施の形態３の負荷推定装置における導出式による１次クラスタ番号の導出の例を説明する説明図を含む図である。

１ 実施の形態１
１．１ 負荷推定装置
図１は、実施の形態１の負荷推定装置を図示するブロック図である。

図１に図示される実施の形態１の負荷推定装置１０００は、負荷割合分類部１０２０、代表モデル準備部１０２１及び推定部１０２２を備える。負荷推定装置１０００がこれらの構成物以外の構成物を備えてもよい。

負荷推定装置１０００は、インストールされたプログラムを実行するコンピューターである。負荷割合分類部１０２０、代表モデル準備部１０２１及び推定部１０２２は、コンピューターがプログラムを実行することにより実現される機能を有する。機能の全部又は一部が、プログラムを実行しないハードウェアにより実現されてもよい。

負荷推定装置１０００は、N個の負荷情報１０４０及びN個の特徴量１０４１をモニタリング住宅１０６０から取得し、総負荷情報１０８０及び特徴量１０８１を推定対象住宅１１００から取得する。Nは、２以上の整数である。N個の負荷情報１０４０の各々は、１日分の負荷情報である。総負荷情報１０８０は、１日分の総負荷情報である。N個の負荷情報１０４０及びN個の特徴量１０４１が住宅以外の需要家から取得されてもよい。総負荷情報１０８０及び特徴量１０８１が住宅以外の需要家から取得されてもよい。N個の負荷情報１０４０は、それぞれ互いに異なるN個のモニタリング住宅１０６０から取得されてもよいし、そうでなくてもよい。N個の負荷情報１０４０がそれぞれ互いに異なるN個のモニタリング住宅１０６０から取得されない場合は、N個の負荷情報１０４０は、１個のモニタリング住宅から取得される複数日分の負荷情報を含む。例えば、N個の負荷情報１０４０は、A個のモニタリング住宅１０６０の各々からB日分の負荷情報を取得することにより取得されるN=A*B個の負荷情報であってもよい。この場合は、N個の特徴量１０４１は、A個のモニタリング住宅１０６０の各々からB個の特徴量を取得することにより取得されるN=A*B個の特徴量である。

また、負荷推定装置１０００は、取得したモニタリング住宅１０６０のN個の負荷情報１０４０及びN個の特徴量１０４１、並びに推定対象住宅１１００の総負荷情報１０８０及び特徴量１０８１から推定対象住宅１１００の機器別負荷情報１１２０を推定する。

さらに、負荷推定装置１０００は、推定した推定対象住宅１１００の機器別負荷情報１１２０をサービス提供システム１１４０及び需要予測装置１１４１に出力する。機器別負荷情報１１２０がサービス提供システム１１４０及び需要予測装置１１４１以外の外部装置に出力されてもよい。機器別負荷情報１１２０が外部装置に出力されず負荷推定装置１０００の内部において利用されてもよい。

サービス提供システム１１４０は、入力された推定対象住宅１１００の機器別負荷情報１１２０に基づいて推定対象住宅１１００に種々のサービスを提供する。

需要予測装置１１４１は、入力された推定対象住宅１１００の機器別負荷情報１１２０に基づいて推定対象住宅１１００の電気エネルギーの需要を予測する。

「負荷」は、消費された電気エネルギーの総称であり、典型的には消費電力である。

「需要家」は、電気エネルギーの消費を共有する一単位の共同体であり、典型的には住宅である。しかし、以下では、便宜上、「需要家」を、電気エネルギーの供給を必要とし、電気エネルギーの供給を受け、供給された電気エネルギーを消費する人として扱う場合がある。

１．２ 負荷推定装置において扱われる情報
図２は、実施の形態１の負荷推定装置において扱われる負荷情報及び特徴量のデータ構造を示す図である。

モニタリング住宅１０６０のN個の負荷情報１０４０の各々である各負荷情報１１６０は、図２に図示されるように、総負荷情報１１８０及び機器別負荷情報１１８１を含む。モニタリング住宅１０６０のN個の特徴量１０４１は、図２に図示される、各負荷情報１１６０に対応づけられる特徴量１２００を含む。したがって、N個の特徴量１０４１は、それぞれN個の負荷情報１０４０に対応づけられる。

総負荷情報１１８０は、各負荷情報１１６０の取得先のモニタリング住宅が消費した電気エネルギーの全体の大きさを示す総負荷の１日における時間変化を示す。総負荷は、１時間ごとに示される。

１日が１日より短い又は長い期間に置き換えられてもよい。１時間が１時間より短い又は長い時間間隔に置き換えられてもよい。例えば、１時間が１分、３０分等に置き換えられてもよい。

総負荷情報１１８０が、太陽光発電により発電された電気エネルギーの大きさを示す発電量の時間変化を示す情報を含んでもよい。

機器別負荷情報１１８１は、各負荷情報１１６０の取得先のモニタリング住宅の複数の機器が消費した電気エネルギーの大きさをそれぞれ示す複数の機器別負荷の１日における時間変化を示す。複数の機器別負荷は、１時間ごとに示される。

１日が１日より短い又は長い期間に置き換えられてもよい。１時間が１時間より短い又は長い時間間隔に置き換えられてもよい。例えば、１時間が１分、３０分等に置き換えられてもよい。

機器別負荷情報１１８１が機器別負荷情報１１８１以外の部分負荷情報に置き換えられてもよい。例えば、機器別負荷情報１１８１が、用途別負荷情報に置き換えられてもよい。用途別負荷情報は、各負荷情報１１６０の取得先のモニタリング住宅の複数の用途が消費した電気エネルギーの大きさをそれぞれ示す複数の用途別負荷の時間変化を示す。機器には、キッチン、リビングコンセント、誘導加熱（ＩＨ）クッキングヒータ、洗濯機、食器洗い機等がある。用途には、給湯、キッチン、娯楽、空調等がある。

機器別負荷情報１１８１に含まれる機器別負荷は、各負荷情報１１６０の取得先のモニタリング住宅に設置された計測機器により計測される。計測機器は、分電盤の各分岐回路に挿入されてもよいし、コンセントタップに組み込まれてもよい。機器が有する負荷計測機能により機器別負荷が計測されてもよい。ホームエネルギーマネジメントシステム（ＨＥＭＳ）により計測された機器別負荷が取得されてもよい。分電盤の主幹回路に計測機器が挿入され、挿入された計測機器の計測結果から推定された機器別負荷が取得されてもよい。ただし、推定された機器別負荷は、高い精度を有しなければならない。

機器別負荷情報１１８１が、太陽光発電により発電された電気エネルギーの大きさを示す発電量の時間変化を示す情報を含んでもよい。

特徴量１２００は、各負荷情報１１６０の取得先のモニタリング住宅の特徴を示す。モニタリング住宅の特徴は、モニタリング住宅そのものの特徴、モニタリング住宅に居住する居住者の特徴等を含む。モニタリング住宅そのものの特徴は、住所、緯度及び経度、築年数、床面積等であるが、これらに制限されない。モニタリング住宅に居住する居住者の特徴は、居住人数、家族構成、年齢等であるが、これらに制限されない。

推定対象住宅１１００の総負荷情報１０８０は、推定対象住宅１１００が消費した電気エネルギーの全体の大きさを示す総負荷の１日における時間変化を示す。総負荷は、１時間ごとに示される。

１日が１日より短い又は長い期間に置き換えられてもよい。例えば、１日が１週間に置き換えられてもよい。１時間が１時間より短い又は長い時間間隔に置き換えられてもよい。例えば、１時間が１分、３０分等に置き換えられてもよい。

推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷は、推定対象住宅１１００に設置されたスマートメーターにより計測された計測量から得られる。ただし、スマートメーターにより計測された計測量には、太陽光発電により発電された電気エネルギーの大きさを示す発電量、蓄電池に対して入出力が行われた電気エネルギーの大きさを示す入出力量等が加えられている。このため、スマートメーターにより計測された計測量から総負荷が得られる場合は、スマートメーターにより計測された計測量から、スマートメーター以外により計測された発電量、入出力量等が引かれる。計測された発電量に代えて、発電量の推定量が引かれてもよい。推定対象の総負荷がスマートメーターにより計測された計測量以外から得られてもよい。

推定対象住宅１１００の特徴量１０８１は、推定対象住宅１１００の特徴を示す。推定対象住宅１１００の特徴は、推定対象住宅１１００そのものの特徴、推定対象住宅１１００に居住する居住者の特徴等を含む。推定対象住宅１１００そのものの特徴は、住所、緯度及び経度、築年数、床面積等であるが、これらに制限されない。推定対象住宅１１００に居住する居住者の特徴は、居住人数、家族構成、年齢等であるが、これらに制限されない。

推定対象住宅１１００の特徴量１０８１は、推定対象住宅１１００の機器別負荷情報１１２０が推定される際に、特徴量１０８１が入力される機器から取得される。例えば、特徴量１０８１は、機器別負荷情報１１２０が推定される際に、推定対象住宅１１００においてパーソナルコンピュータ等の機器に入力され、当該機器からインターネットを経由して取得される。特徴量１０８１が、予め、特徴量１０８１を保存する機器に保存され、機器別負荷情報１１２０が推定される際に、当該機器から取得されてもよい。例えば、特徴量１０８１は、予め、推定対象住宅１１００においてパーソナルコンピュータ等の機器に入力され、当該機器からインターネットを経由して転送されサーバー等の機器に保存され、機器別負荷情報１１２０が推定される際に、当該機器から取得される。

推定対象住宅１１００からは、機器別負荷情報が取得されない。このため、推定対象住宅１１００に機器別負荷を計測するための計測機器を設置する必要はない。

推定対象住宅１１００の機器別負荷情報１１２０は、推定対象住宅１１００の複数の機器が消費した電気エネルギーの大きさをそれぞれ示す複数の機器別負荷の時間変化を示す。機器別負荷情報１１８１が機器別負荷情報１１８１以外の部分負荷情報に置き換えられる場合は、機器別負荷情報１１２０も機器別負荷情報１１２０以外の部分負荷情報に置き換えられる。

電気エネルギーの大きさは、電力量により表現される。電気エネルギーの大きさが電力量以外により表現されてもよい。例えば、電気エネルギーの大きさが、電力、電流等により表現されてもよい。総負荷に占める割合により機器別負荷が表現されてもよい。

１．３ 負荷推定装置において行われる処理
図３及び図４は、実施の形態１の負荷推定装置において行われる処理を説明する説明図である。

負荷割合分類部１０２０は、図３に図示されるN個の負荷情報１０４０及びN個の特徴量１０４１をモニタリング住宅１０６０から取得する。

また、負荷割合分類部１０２０は、図３に図示されるように、取得したモニタリング住宅１０６０のN個の負荷情報１０４０及びN個の特徴量１０４１に対して１次クラスタリングを行い、N個の負荷情報１０４０及びN個の特徴量１０４１をM_1個の１次クラスタ１２２０に分類し、M_1個の１次クラスタ１２２０の各々である各１次クラスタ１２４０に属する、N(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を特定する。特定されるN(m_1)個の特徴量１２６１は、それぞれ特定されるN(m_1)個の負荷情報１２６０に対応づけられている。M_1は、Nより小さく、例外的な場合を除いて２以上の整数である。１次クラスタリングは、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０についてそれぞれ計算されるN(m_1)個の機器別負荷割合が互いに類似するように行われる。したがって、各１次クラスタ１２４０は、類似する機器別負荷割合を有するN(m_1)個の負荷情報１２６０が属する機器別負荷割合クラスタである。各負荷情報１１６０について計算される機器別負荷割合は、各負荷情報１１６０に含まれる総負荷に対する、各負荷情報１１６０に含まれる複数の機器別負荷の割合を示す。

また、負荷割合分類部１０２０は、図３に図示されるように、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を学習し、与えられた総負荷情報及び与えられた特徴量から１次クラスタを導出する導出式１２８０を作成する。

代表モデル準備部１０２１は、図３及び図４に図示されるように、特定されたN(m_1)個の負荷情報１２６０に対して２次クラスタリングを行い、特定されたN(m_1)個の負荷情報１２６０をM_2個の２次クラスタ１３００に分類し、M_2個の２次クラスタ１３００の各々である各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０を特定する。これにより、モニタリング住宅１０６０のN個の負荷情報１０４０がM_1×M_2個の２次クラスタに分類され、M_1×M_2個の２次クラスタの各々である各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０が特定される。M_2は、N(m_1)より小さく、例外的な場合を除いて２以上の整数である。２次クラスタリングは、各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０にそれぞれ含まれるN(m_2)個の総負荷情報が互いに類似するように行われる。

また、代表モデル準備部１０２１は、図４に図示されるように、特定されたN(m_2)個の負荷情報１３４０に対して３次クラスタリングを行い、特定されたN(m_2)個の負荷情報１３４０をM_3個の３次クラスタ１３６０に分類し、M_3個の３次クラスタ１３６０の各々である各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００を特定する。これにより、モニタリング住宅１０６０のN個の負荷情報１０４０がM_1×M_2×M_3個の３次クラスタに分類され、M_1×M_2×M_3個の３次クラスタの各々である各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００が特定される。M_3は、N(m_2)以下であり、例外的な場合を除いて２以上の整数である。３次クラスタリングは、各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００にそれぞれ含まれるN(m_3)個の機器別負荷情報が互いに類似するように行われる。

加えて、代表モデル準備部１０２１は、図４に図示されるように、各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００を代表する各代表モデル１４２０を作成することにより、M_1*M_2*M_3個の代表モデル１４４０を準備する。

推定部１０２２は、図３に図示される総負荷情報１０８０及び特徴量１０８１を推定対象住宅１１００から取得する。

また、推定部１０２２は、図３に図示されるように、推定対象住宅１１００の総負荷情報１０８０及び特徴量１０８１から導出式１２８０により導出される選択１次クラスタ１４６０をM_1個の１次クラスタ１２２０から選択する。また、推定部１０２２は、図４に図示されるように、選択１次クラスタ１４６０に属する負荷情報１４８０を代表する２個以上の代表モデル１５００から選択代表モデル１５２０を選択する。

さらに、推定部１０２２は、選択した選択代表モデル１５２０を利用して、推定対象住宅１１００の総負荷情報１０８０から推定対象住宅１１００の機器別負荷情報１１２０を推定する。

１．４ 負荷割合分類部
図５は、実施の形態１の負荷推定装置に備えられる負荷割合分類部を図示するブロック図である。

負荷割合分類部１０２０は、図５に図示されるように、負荷情報記憶部１５４０、機器別負荷割合計算部１５４１、１次クラスタ数決定部１５４２、学習データ分類部１５４３及び導出式作成部１５４４を備える。

１．５ 負荷情報記憶部
負荷情報記憶部１５４０は、N個の負荷情報１０４０及びN個の特徴量１０４１をモニタリング住宅１０６０から取得し、取得したN個の負荷情報１０４０及びN個の特徴量１０４１を記憶する。

１．６ 負荷情報の例
図６は、実施の形態１の負荷推定装置において扱われる負荷情報の例をグラフ及び表により示す図である。

図６(a)に図示される負荷情報は、「需要家１」から取得されており、積み上げ棒グラフにおける複数の成分の全体及び折れ線グラフにより示される総負荷情報、並びに積み上げ棒グラフにおける複数の成分により示される機器別負荷情報を含む。

図６(b)に図示される負荷情報は、「需要家１」から取得されており、表により示される総負荷情報及び機器別負荷情報を含む。

１．７ 機器別負荷割合計算部
機器別負荷割合計算部１５４１は、各負荷情報１１６０について、総負荷情報１１８０に含まれる総負荷に対する、機器別負荷情報１１８１に含まれる複数の機器別負荷の割合を示す機器別負荷割合を計算する。これにより、N個の負荷情報１０４０についてそれぞれN個の機器別負荷割合１５６０が計算される。計算される機器別負荷割合は、各時刻における機器別負荷割合であってもよいし、１日における機器別負荷割合であってもよい。機器別負荷割合が計算される際の時間区分は、機器別負荷情報１１８１において機器別負荷が示される時間区分以上で任意に設定される。

１．８ １次クラスタ数決定部
１次クラスタ数決定部１５４２は、計算されたN個の機器別負荷割合１５６０を示す情報の大きさにしたがってモニタリング住宅１０６０のN個の負荷情報１０４０及びN個の特徴量１０４１が分類される１次クラスタ１２２０の数である１次クラスタ数M_1を決定する。１次クラスタ数M_1が、負荷推定装置１０００の利用者の入力操作にしたがって決定されてもよい。１次クラスタ数M_1が、N個の負荷情報１０４０を分析することにより決定されてもよい。

１．９ 学習データ分類部
図７は、実施の形態１の負荷推定装置において行われる１次クラスタリングを説明する説明図である。図８は、実施の形態１の負荷推定装置において扱われる負荷情報、特徴量及び１次クラスタ番号のデータ構造を示す図である。

学習データ分類部１５４３は、図５に図示されるように、１次クラスタリング用の類似度計算部１５８０及び１次クラスタリング部１５８１を備える。

１次クラスタリング用の類似度計算部１５８０は、図７に図示されるように、計算されたN個の機器別負荷割合１５６０の間の１次クラスタリング用の類似度１６００を計算する。

１次クラスタリング部１５８１は、図７に図示されるように、１次クラスタリング用の類似度計算部１５８０により計算された１次クラスタリング用の類似度１６００にしたがって、負荷情報記憶部１５４０に記憶されたモニタリング住宅１０６０のN個の負荷情報１０４０及びN個の特徴量１０４１をM_1個の１次クラスタ１２２０に分類し、M_1個の１次クラスタ１２２０の各々である各１次クラスタ１２４０に属する、N(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を特定する。N(m_1)個の特徴量１２６１は、それぞれN(m_1)個の負荷情報１２６０に対応づけられている。N(m_1)個の負荷情報１２６０は、少なくともひとつの負荷情報である。N(m_1)個の特徴量１２６１は、少なくともひとつの特徴量である。１次クラスタリングは、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０についてそれぞれ計算されるN(m_1)個の機器別負荷割合が互いに類似するように行われる。N個の負荷情報１０４０がM_1個の１次クラスタ１２２０に分類される際の時間区分は、機器別負荷割合が計算される際の時間区分と同じである。

また、１次クラスタリング部１５８１は、図５に図示されるように、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０を負荷情報記憶部１７２０に記憶させる。

また、１次クラスタリング部１５８１は、図８に図示されるように、各負荷情報１１６０及び特徴量１２００が属する１次クラスタを他の１次クラスタから識別する１次クラスタ番号１６２０を各負荷情報１１６０に対応づける。これにより、図５に図示されるように、N個の分類済負荷情報１６４０が得られる。

１．１０ 導出式作成部
導出式作成部１５４４は、図７に図示されるように、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を学習し、与えられた総負荷情報１６６０及び与えられた特徴量１６６１から１次クラスタ番号１６６２を導出する導出式１２８０を作成する。導出される１次クラスタ番号１６６２は、１次クラスタを識別する。したがって、作成される導出式１２８０は、与えられた総負荷情報１６６０及び与えられた特徴量１６６１から１次クラスタを導出する。

導出式１２８０は、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を学習して作成される。このため、導出式１２８０により導出される１次クラスタ番号１６６２は、与えられた総負荷情報１６６０及び特徴量１６６１に最も類似する総負荷情報及び特徴量が属する１次クラスタを識別する１次クラスタ番号である。総負荷情報が属する１次クラスタは、当該総負荷情報を含む負荷情報が属する１次クラスタである。特定の１次クラスタに属する負荷情報に含まれる総負荷情報が与えられた総負荷情報１６６０であり、当該負荷情報に対応づけられた特徴量が与えられた特徴量１６６１である場合は、導出式１２８０により導出される１次クラスタ番号１６６２は、当該特定の１次クラスタを識別する１次クラスタ番号である。

導出式１２８０の作成は、N(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を多変量的に分析する手法を用いて行われてもよいし、負荷推定装置１０００の利用者の入力操作にしたがって設定される総負荷情報１６６０及び特徴量１６６１の閾値に基づいて行われてもよい。N(m_1)個の負荷情報１２６０及びN(m_1)個の特徴量１２６１を多変量的に分析する手法には、決定木を利用する手法、サポートベクターマシーンを利用する手法等がある。

また、導出式作成部１５４４は、作成した導出式１２８０を導出式記憶部１６８０に記憶させる。

１．１１ １次クラスタ番号の導出例
図９は、実施の形態１の負荷推定装置において行われる導出式による１次クラスタ番号の導出の例を説明する説明図である。

導出式１２８０による１次クラスタ番号の導出においては、与えられた総負荷情報１６６０及び与えられた特徴量１６６１が分析され、導出される１次クラスタ番号１６６２に影響を及ぼす情報が抽出され、図９に図示されるように、ノード１７００，１７０１，１７０２及び１７０３において、抽出された情報と基準値との大小、抽出された情報の条件への該否等が判定される。そして、その結果に基づいて、１次クラスタ番号の候補１７１０，１７１１，１７１２，１７１３及び１７１４から、導出される１次クラスタ番号１６６２が選択される。抽出される情報は、総負荷情報１６６０及び特徴量１６６１から直接的に抽出される情報であってもよいし、総負荷情報１６６０及び特徴量１６６１を加工することにより抽出される情報であってもよい。総負荷情報１６６０を加工することにより抽出される情報は、総負荷情報１６６０に含まれる総負荷の１時間の最大値、最小値、平均値等の総負荷の統計値、総負荷情報１６６０に含まれる総負荷をフーリエ変換することにより得られる数値等である。

１．１２ 代表モデル準備部
図１０は、実施の形態１の負荷推定装置に備えられる代表モデル準備部を図示するブロック図である。

代表モデル準備部１０２１は、図１０に図示されるように、負荷情報記憶部１７２０、クラスタリング用の対応関係計算部１７２１、２次クラスタリング用の類似度計算部１７２２、２次クラスタリング部１７２３、３次クラスタリング用の類似度計算部１７２４、３次クラスタリング部１７２５、代表モデル取得部１７２６及び代表モデル記憶部１７２７を備える。

１．１３ 負荷情報記憶部
負荷情報記憶部１７２０は、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０を記憶する。

１．１４ クラスタリング用の対応関係計算部
クラスタリング用の対応関係計算部１７２１は、負荷情報記憶部１７２０に記憶された各１次クラスタ１２４０に属するN（m_1）個の負荷情報１２６０における全部の負荷情報対の各々である各負荷情報対について、各負荷情報対を構成する第１の負荷情報に含まれる総負荷情報と各負荷情報対を構成する第２の負荷情報に含まれる総負荷情報との間の時系列上の対応関係を示す対応関係情報を計算する。これにより、各１次クラスタ１２４０に属するN（m_1）個の負荷情報１２６０にそれぞれ含まれるN（m_1）個の総負荷情報の間の時系列上の対応関係を示すクラスタリング用の対応関係情報１７４０が計算される。

対応関係計算部１７２１は、第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の時系列上の対応関係を示す対応関係情報を計算する場合に、第１の負荷情報に含まれる総負荷の複数の時系列点が、第２の負荷情報に含まれる総負荷の複数の時系列点に近似するように、第１の負荷情報に含まれる総負荷の複数の時系列点にそれぞれ対応する、第２の負荷情報に含まれる総負荷の複数の時系列点を特定する。

１．１５ 対応関係の計算手法の例
第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の時系列上の対応関係の計算に用いられる、データＸとデータＹとの間の時系列上の対応関係の計算手法の例を以下で説明する。

データＸとデータＹとの間の時系列上の対応関係は、データＸとデータＹとを互いにマッチングさせる途上で得られる。データＸとデータＹとのマッチングは、例えば動的時間伸縮法（ＤＴＷ）により行われる。

データＸ及びデータＹの各々は、値の時間変化を示す。以下では、データＸが時刻t(1),t(2),t(3),t(4),t(5)及びt(6)における値をそれぞれ示す時系列点x_t(1),x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)を有し、データＹが時刻t(1),t(2),t(3),t(4),t(5)及びt(6)における値をそれぞれ示す時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)を有するとする。

図１１は、実施の形態１の負荷推定装置において扱われるデータＸ及びＹの例を示すグラフである。

図１１(a)及び図１１(b)には、データＸ及びＹの例がそれぞれ示される。図１１(a)及び図１１(b)に示されるデータＸ及びＹは、データＸ及びＹの各時系列点により示される値が０又は１となるように簡略化されている。

データＸとデータＹとのマッチングが行われる場合は、データＸの時系列点x_t(1),x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)の各々とデータＹの時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)の各々との間の距離distが計算される。

データＸの時系列点x_t(i)とデータＹの時系列点y_t(j)との間の距離dist(x_t(i),y_t(j))は、式(1)により求められる。

図１２は、実施の形態１の負荷推定装置において扱われる、データＸの各時系列点とデータＹの各時系列点との間の距離distの例を表により図示する図である。

続いて、計算された距離distを用いて、データＸの時系列点x_t(1),x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)の各々とデータＹの時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)の各々とを対応させるのに必要なコストcostが計算される。データＸの時系列点x_t(i)とデータＹの時系列点y_t(j)とを対応させるのに必要なコストcost(x_t(i),y_t(j))は、式(2),(3),(4)及び(5)により求められる。

式(2)は、データＸの時刻t(1)における時系列点x_t(1)とデータＹの時刻t(1)における時系列点y_t(1)とを対応させるのに必要なコストを求めるための演算式である。当該コストは、初期値となる。式(3)は、データＸの時刻t(1)以外における時系列点x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)の各々とデータＹの時刻t(1)における時系列点y_t(1)とを対応させるのに必要なコストを求めるための演算式である。式(4)は、データＸの時刻t(1)における時系列点x_t(1)とデータＹの時刻t(1)以外における時系列点y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)の各々とを対応させるのに必要なコストを求めるための演算式である。式(5)は、データＸの時刻t(1)以外における時系列点x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)の各々とデータＹの時刻t(1)以外における時系列点y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)の各々とを対応させるのに必要なコストを求めるための演算式である。式(5)に含まれる因子min(cost(x_t(i),y_t(j-1)),cost(x_t(i-1),y_t(j)),cost(x_t(i-1),y_t(j-1)))は、cost(x_t(i),y_t(j-1)),cost(x_t(i-1),y_t(j))及びcost(x_t(i-1),y_t(j-1))という３個の引数のうちの最小値となる引数を返す関数である。

図１３は、実施の形態１の負荷推定装置において扱われる、データＸの各時系列点とデータＹの各時系列点とを対応させるのに必要なコストcostの例を表により図示する図である。

続いて、データＹの時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)の各々である各時系列点に対応する時系列点が、データＸの時系列点x_t(1),x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)から抽出される。抽出は、データＸの時系列点x_t(1),x_t(2),x_t(3),x_t(4),x_t(5)及びx_t(6)のそれぞれとデータＹの終点となる時系列点y_t(6)と対応させるのに必要なコストcost(x_t(1),y_t(6)),cost(x_t(2),y_t(6)),cost(x_t(3),y_t(6)),cost(x_t(4),y_t(6)),cost(x_t(5),y_t(6))及びcost(x_t(6),y_t(6))のうちの最小のコストmin(cost(x_t(1),y_t(6)),cost(x_t(2),y_t(6)),cost(x_t(3),y_t(6)),cost(x_t(4),y_t(6)),cost(x_t(5),y_t(6)),cost(x_t(6),y_t(6)))を計算する途上で必要となる距離を用いて行われる。抽出は、抽出されたデータＸの時系列点とデータＹの各時系列点とを対応させるのに必要なコストが最小になるように行われる。

これにより、データＹの６個の時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)にそれぞれ対応するデータＸの６個の時系列点が特定され、データＸとデータＹとの間の時系列上の対応関係が特定される。データＸとデータＹとの間の時系列上の対応関係を示す対応関係情報は、データＹの６個の時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)にそれぞれ対応するデータＸの６個の時系列点を示す情報を含む。

データＹの６個の時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)にそれぞれ対応するデータＸの６個の時系列点における値の時間変化は、データＹの６個の時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)における値の時間変化に近似する。

終点となる時系列点y_t(6)に代えて終点とならない時系列点y_t(2),y_t(3),y_t(4)又はy_t(5)が用いられてもよい。最小のコストを計算する途上で必要となる距離に距離dist(x_t(1),y_t(1))が含まれなくてもよい。最小のコストを計算する途上で用いることができる複数のコストが存在する場合は、当該複数のコストから任意に選択されたコストが用いられてもよい。例えば、図１３に示されるコストcostの例においては、コストcost(x_t(5),y_t(5))及びcost(x_t(6),y_t(5))から任意に選択されるコストが用いられてもよい。

マッチングにおいては、データＹの始点となる時系列点y_t(1)にデータＸの始点となる時系列点x_t(1)が対応づけられなくてもよく、データＹの終点となる時系列点y_t(6)にデータXの終点となる時系列点x_t(6)が対応づけられなくてもよい。

図１４は、実施の形態１の負荷推定装置において扱われる、データＹの時系列点にそれぞれ対応するデータＸの時系列点、及びデータＸの時系列点とデータＹの時系列点とをそれぞれ対応させるのに必要なコストの例を表により図示する図である。

上記の計算手法が第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の時系列上の対応関係の計算に用いられる場合は、第１の負荷情報に含まれる総負荷情報及び第２の負荷情報に含まれる総負荷情報がそれぞれデータＹ及びＸにされ、第１の負荷情報に含まれる総負荷情報（データＹ）と第２の負荷情報に含まれる総負荷情報（データＸ）との間の時系列上の対応関係が計算される。

第１の負荷情報に含まれる総負荷の時系列点（データＹの時系列点）と第２の負荷情報に含まれる総負荷の時系列点（データＸの時系列点）とをそれぞれ対応させるのに必要なコストは、第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度が高くなるほど小さくなる特性を有する。このため、当該コストは、第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度として利用できる。

上記の計算手法が第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の時系列上の対応関係の計算に用いられる場合に、第１の負荷情報に含まれる総負荷の範囲及び第２の負荷情報に含まれる総負荷の範囲が共通の範囲、例えば０から１までの範囲となるような正規化が行われてもよい。データＸが複数の時間帯にそれぞれ属する複数の時間帯別データに分割され、データＹが複数の時間帯にそれぞれ属する複数の時間帯別データに分割され、各時間帯に属しデータＸ及びＹをそれぞれ構成する２個の時間帯別データの間で対応関係の計算が行われてもよい。その際に、時間帯に応じた重みづけを用いた処理が行われた数値が対応関係の決定に利用されてもよい。当該処理を行うか否か及び当該処理を行う場合に必要となる重みは、利用者により負荷推定装置１０００に手動入力されてもよいし、パーソナルコンピューター（ＰＣ）等の計算機により自動的に決定されてもよい。利用者は、負荷推定装置１０００の利用目的に応じて当該処理を行うか否か及び当該処理を行う場合に必要となる重みを決定できる。ＰＣは、利用者により選択された利用目的に基づいて当該処理を行うか否か及び当該処理を行う場合に必要となる重みを決定できる。

ＤＴＷ手法以外の手法によりマッチングが行われてもよい。

１．１６ ２次クラスタリング用の類似度計算部
図１５は、実施の形態１の負荷推定装置において行われる２次クラスタリングを説明する説明図である。

２次クラスタリング用の類似度計算部１７２２は、負荷情報記憶部１７２０に記憶された各１次クラスタ１２４０に属するN（m_1）個の負荷情報１２６０における全部の負荷情報対の各々である各負荷情報対について、各負荷情報対を構成する第１の負荷情報に含まれる総負荷情報と各負荷情報対を構成する第２の負荷情報に含まれる総負荷情報との間の類似度を計算する。これにより、図１５に図示されるように、N（m_1）個の負荷情報１２６０にそれぞれ含まれるN(m_1)個の総負荷情報１７６０の間の２次クラスタリング用の類似度１７８０が計算される。

類似度計算部１７２２は、第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度を計算する場合に、クラスタリング用の対応関係計算部１７２１により計算されたクラスタリング用の対応関係情報１７４０を参照する。

類似度計算部１７２２は、対応関係情報１７４０を参照することにより、第１の負荷情報に含まれる総負荷の複数の時系列点にそれぞれ対応する、第２の負荷情報に含まれる総負荷の複数の時系列点を特定する。

また、類似度計算部１７２２は、当該第１の負荷情報に含まれる総負荷の複数の時系列点と当該第２の負荷情報に含まれる総負荷の複数の時系列との間の類似度を、第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度とする。

「１．１５ 対応関係の計算手法の例」において説明した計算手法が用いられ、第１の負荷情報に含まれる総負荷の複数の時系列点と第２の負荷情報に含まれる総負荷の複数の時系列とをそれぞれ対応させるために必要なコストが第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度として利用される場合は、類似度計算部１７２２が省略され、対応関係計算部１７２１が１次クラスタリング用の類似度計算部を兼ねる。

１．１７ ２次クラスタリング部
２次クラスタリング部１７２３は、図１５に図示されるように、２次クラスタリング用の類似度計算部１７２２により計算された２次クラスタリング用の類似度１７８０にしたがって、負荷情報記憶部１７２０に記憶された各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０をM_2個の２次クラスタ１３００に分類し、M_2個の２次クラスタ１３００の各々である各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０を特定する。N(m_2)個の負荷情報１３４０は、少なくともひとつの負荷情報である。２次クラスタリングは、各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０にそれぞれ含まれるN(m_2)個の総負荷情報１８００が互いに類似するように行われる。

M_1個の１次クラスタ１２２０に含まれる第１の少なくともひとつの１次クラスタの各々に属するN(m-1)個の負荷情報１２６０がひとつの負荷情報であり、M_1個の１次クラスタ１２２０に含まれる第２の少なくともひとつの１次クラスタの各々に属するN(m_1)個の負荷情報１２６０が複数の負荷情報である場合は、類似度計算部１７２４は、第２の少なくともひとつの１次クラスタの各々に属するN(m_1)個の負荷情報１２６０にそれぞれ含まれるN(m_1)個の総負荷情報１７６０の間の類似度である２次クラスタリング用の類似度１７８０を計算する。

図１６は、実施の形態１の負荷推定装置において扱われる、負荷情報に含まれる総負荷情報の間の類似度の例を図示する図である。

図１６に示される例においては、データ番号１，２，３，４，５及び６がそれぞれ与えられた負荷情報１８２１，１８２２，１８２３，１８２４，１８２５及び１８２６において、負荷情報１８２１に含まれる総負荷情報と負荷情報１８２２に含まれる総負荷情報との間の類似度が高く、負荷情報１８２４に含まれる総負荷情報と負荷情報１８２５に含まれる総負荷情報との間の類似度が高い。また、負荷情報１８２１及び１８２２が統合された場合に形成されるクラスタの負荷情報に含まれる総負荷情報と負荷情報１８２３に含まれる総負荷情報との間の類似度が中程度であり、負荷情報１８２４及び１８２５が統合された場合に形成されるクラスタの負荷情報に含まれる総負荷情報と負荷情報１８２６に含まれる総負荷情報との間の類似度が中程度である。また、負荷情報１８２１，１８２２及び１８２３が統合された場合に形成されるクラスタの負荷情報に含まれる総負荷情報と負荷情報１８２４，１８２５及び１８２６が統合された場合に形成されるクラスタの負荷情報に含まれる総負荷情報との間の類似度が低い。

２次クラスタリングにおいては、負荷情報１８２１，１８２２，１８２３，１８２４，１８２５及び１８２６における全部の負荷情報対の各々である各負荷情報対について、各負荷情報対を構成する第１の負荷情報に含まれる総負荷情報と各負荷情報対を構成する第２の負荷情報に含まれる総負荷情報との間の類似度が計算され、最も高い類似度が計算された負荷情報対を構成する第１の負荷情報及び第２の負荷情報が同じ１次クラスタに属するようにされる。

「１．１５ 対応関係の計算手法の例」において説明した計算手法が第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の時系列上の対応関係の計算に用いられ、第１の負荷情報に含まれる総負荷の複数の時系列点と第２の負荷情報に含まれる総負荷の複数の時系列とをそれぞれ対応させるために必要なコストが第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度として利用される場合は、当該コストが小さい場合に第１の負荷情報に含まれる総負荷情報と第２の負荷情報に含まれる総負荷情報との間の類似度が高いと判定される。また、当該コストが小さい順に第１の負荷情報及び第２の負荷情報が統合される。

最も単純な例においては、負荷情報１８２１，１８２２，１８２３，１８２４，１８２５及び１８２６における全部の負荷情報対の各々である各負荷情報対について、各負荷情報対を構成する第１の負荷情報に含まれる総負荷の複数の時系列点と各負荷情報対を構成する第２の負荷情報に含まれる総負荷の複数の時系列点とを対応させるのに必要なコストが計算され、計算されたコストが最小である負荷情報対を構成する第１の負荷情報及び第２の負荷情報にそれぞれ含まれる２個の総負荷情報の間の類似度が最も高いと判定される。

複数の負荷情報が統合された場合に形成されるクラスタの負荷情報に含まれる総負荷情報と他の負荷情報に含まれる総負荷情報との間の類似度の計算は、最近隣法、最遠隣法、群平均法、メディアン法、重心法、ウォード法等により行われる。

複数の負荷情報が統合された場合に形成されるクラスタの負荷情報を決定する方法は任意である。例えば、形成されたクラスタに属する少なくともひとつの負荷情報を代表するひとつの負荷情報が形成されたクラスタの負荷情報とされる。

２次クラスタリングにおいては、負荷情報１８２１，１８２２，１８２３，１８２４，１８２５及び１８２６が分類される２次クラスタの数が指定されてもよいし、同じ２次クラスタに属する少なくともひとつの負荷情報にそれぞれ含まれる少なくともひとつの総負荷情報の間の類似度が指定されてもよい。

例えば、同じ１次クラスタに属する少なくともひとつの負荷情報にそれぞれ含まれる少なくともひとつの総負荷情報の間の類似度を高くする指定が行われた場合は、負荷情報１８２１，１８２２，１８２３，１８２４，１８２５及び１８２６が分類される１次クラスタの数が４個に設定され、１次クラスタリングが行われた後に、負荷情報１８２１及び１８２２が第１の１次クラスタに属し、負荷情報１８２３が第２の１次クラスタに属し、負荷情報１８２４及び１８２５が第３の１次クラスタに属し、負荷情報１８２６が第４の１次クラスタに属する。

また、負荷情報１８２１，１８２２，１８２３，１８２４，１８２５及び１８２６が分類される１次クラスタの数を２個にする指定が行われた場合は、同じ１次クラスタに属する少なくともひとつの負荷情報にそれぞれ含まれる少なくともひとつの総負荷情報の間の類似度が中程度に設定され、１次クラスタリングが行われた後に、負荷情報１８２１，１８２２及び１８２３が第１の１次クラスタに属し、負荷情報１８２４，１８２５及び１８２６が第２の１次クラスタに属する。

１．１８ ３次クラスタリング用の類似度計算部
図１７は、実施の形態１の負荷推定装置において行われる３次クラスタリングを説明する説明図である。

３次クラスタリング用の類似度計算部１７２４は、M_2個の２次クラスタ１３００の各々である各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０における全部の負荷情報対の各々である各負荷情報対について、各負荷情報対を構成する第１の負荷情報に含まれる機器別負荷情報と各負荷情報対を構成する第２の負荷情報に含まれる機器別負荷情報との間の類似度を計算する。これにより、各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０にそれぞれ含まれるN(m_2)個の機器別負荷情報１８４０の間の３次クラスタリング用の類似度１８６０が計算される。

M_2個の２次クラスタ１３００に含まれる第１の少なくともひとつの２次クラスタの各々に属するN(m-2)個の負荷情報１３４０がひとつの負荷情報であり、M_2個の２次クラスタ１３００に含まれる第２の少なくともひとつの２次クラスタの各々に属するN(m_2)個の負荷情報１３４０が複数の負荷情報である場合は、類似度計算部１７２４は、第２の少なくともひとつの１次クラスタの各々に属するN(m_2)個の負荷情報１３４０にそれぞれ含まれるN(m_2)個の機器別負荷情報１８４０の間の類似度である３次クラスタリング用の類似度１８６０を計算する。

類似度計算部１７２４は、第１の負荷情報に含まれる機器別負荷情報と第２の負荷情報に含まれる機器別負荷情報との間の類似度を計算する場合に、クラスタリング用の対応関係計算部１７２１により計算されたクラスタリング用の対応関係情報１７４０を参照する。

類似度計算部１７２４は、対応関係情報１７４０を参照することにより、第１の負荷情報に含まれる総負荷の複数の時系列点にそれぞれ対応する、第２の負荷情報に含まれる総負荷の複数の時系列を特定する。

また、類似度計算部１７２４は、当該第１の負荷情報に含まれる総負荷の複数の時系列点と同時刻にそれぞれ取得された機器別負荷の複数の時系列点と当該第２の負荷情報に含まれる総負荷の複数の時系列と同時刻にそれぞれ取得された機器別負荷の複数の時系列点との類似度を、第１の負荷情報に含まれる機器別負荷情報と第２の負荷情報に含まれる機器別負荷情報との間の類似度とする。

図１８は、実施の形態１の負荷推定装置において扱われる、第１の負荷情報に含まれる総負荷の時系列点が図１４により示されるデータＹの時系列点であり、第２の負荷情報に含まれる総負荷の時系列点が図１４により示されるデータＸの時系列点である場合の、第１の負荷情報に含まれる機器Ａの機器別負荷の時系列点及び第２の負荷情報に含まれる機器Ａの機器別負荷の時系列点の例を表により図示する図である。

図１８に示される例においては、第１の負荷情報に含まれる機器Ａの機器別負荷の時系列点yA_t(1),yA_t(2),yA_t(3),yA_t(4),yA_t(5)及びyA_t(6)に、第２の負荷情報に含まれる機器Ａの機器別負荷の時系列点xA_t(1),xA_t(2),xA_t(2),xA_t(2),xA_t(5)及びxA_t(6)がそれぞれ対応させられる。時系列点yA_t(1),yA_t(2),yA_t(3),yA_t(4),yA_t(5)及びyA_t(6)は、第１の負荷情報に含まれる総負荷の時系列点y_t(1),y_t(2),y_t(3),y_t(4),y_t(5)及びy_t(6)と同時刻にそれぞれ取得されている。時系列点xA_t(1),xA_t(2),xA_t(2),xA_t(2),xA_t(5)及びxA_t(6)は、第２の負荷情報に含まれる総負荷の時系列点x_t(1),x_t(2),x_t(2),x_t(2),x_t(5)及びx_t(6)と同時刻にそれぞれ取得されている。

第１の負荷情報に含まれる機器Ａの機器別負荷の時系列点yA_t(j)と第２の負荷情報に含まれる機器Ａの機器別負荷xA_t(i)との間の誤差ε_A(xA_t(i),yA_t(j))は、式(6)により計算される。

第１の負荷情報に含まれる機器Ａの機器別負荷の複数の時系列点と第２の負荷情報に含まれる機器Ａの機器別負荷の複数の時系列点との間の機器別負荷誤差ε_A(X,Y)は、第１の負荷情報に含まれる機器Ａの機器別負荷の複数の時系列点の各々である各時系列点について、当該各時系列点をyA_t(j)とし第２の負荷情報に含まれる当該各時系列点に対応する機器Ａの機器別負荷の時系列点をxA_t(i)として誤差ε_A(xA_t(i),yA_t(j))を計算し、第１の負荷情報に含まれる機器Ａの機器別負荷の複数の時系列点についてそれぞれ計算した複数の誤差ε_A(xA_t(i),yA_t(j))を合計することにより計算される。

第１の負荷情報に含まれる機器別負荷情報と第２の負荷情報に含まれる機器別負荷情報との間の機器別負荷誤差ε_(X,Y)は、複数の機器の各々を機器Ａとして機器別負荷誤差ε_A(X,Y)を計算し、複数の機器についてそれぞれ計算した複数の機器別負荷誤差ε_A(X,Y)を合計することにより計算される。

計算された機器別負荷誤差ε_A(X,Y)は、第１の負荷情報に含まれる機器別負荷情報と第２の負荷情報に含まれる機器別負荷情報との間の類似度が高くなるほど小さくなる特性を有する。このため、機器別負荷誤差ε_A(X,Y)は、第１の負荷情報に含まれる機器別負荷情報と第２の負荷情報に含まれる機器別負荷情報との間の類似度として利用できる。

１．１９ ３次クラスタリング部
３次クラスタリング部１７２５は、図１７に図示されるように、３次クラスタリング用の類似度計算部１７２４により計算された３次クラスタリング用の類似度１８６０にしたがって、M_2個の２次クラスタ１３００の各々である各２次クラスタ１３２０に属するN(m_2)個の負荷情報１３４０をM_3個の３次クラスタ１３６０に分類し、M_3個の３次クラスタ１３６０の各々である各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００を特定する。N(m_3)個の負荷情報１４００は、少なくともひとつの負荷情報である。３次クラスタリングは、各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００にそれぞれ含まれるN(m_3)個の機器別負荷情報１１２０が互いに類似するように行われる。

３次クラスタリングは、２次クラスタリング用の類似度１７８０に代えて３次クラスタリング用の類似度１８６０が用いられる点を除いて、２次クラスタリングと同様に行われる。

１．２０ 代表モデル取得部
代表モデル取得部１７２６は、図４に図示されるように、M_3個の３次クラスタ１３６０の各々である各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００を代表する各代表モデル１４２０を生成することにより、M_1*M_2*M_3個の代表モデル１４４０を取得する。

代表モデル取得部１７２６は、各３次クラスタ１３８０に１個の負荷情報のみが属する場合は、当該１個の負荷情報をそのまま各代表モデル１４２０にする。

一方、代表モデル取得部１７２６は、各３次クラスタ１３８０に複数の負荷情報が属する場合は、当該複数の負荷情報から各代表モデル１４２０を生成する。

各代表モデル１４２０は、総負荷情報及び機器別負荷情報を含む。各代表モデル１４２０が総負荷情報及び機器別負荷情報以外の情報を含んでもよい。例えば、各代表モデル１４２０が気温情報、曜日情報等を含んでもよい。総負荷に占める割合により機器別負荷が表現されてもよい。

各代表モデル１４２０に含まれる総負荷情報は、総負荷の１日における時間変化を示す。総負荷は、１時間ごとに示される。

各代表モデル１４２０に含まれる機器別負荷情報は、複数の機器別負荷の１日における時間変化を示す。複数の機器別負荷は、１時間ごとに示される。

１日が１日より短い又は長い期間に置き換えられてもよい。１時間が１時間より短い又は長い時間間隔に置き換えられてもよい。例えば、１時間が１分、３０分等に置き換えられてもよい。

１．２１ 代表モデル記憶部
代表モデル記憶部１７２７は、代表モデル取得部１７２６により取得されたM_1*M_2*M_3個の代表モデル１４４０を記憶する。

１．２２ 代表モデルの例
図１９は、実施の形態１の負荷推定装置において扱われる代表モデルの例を棒グラフ及び表により図示する図である。図２０は、実施の形態１の負荷推定装置において扱われる代表モデルの例を棒グラフ及び表により図示する図である。

図１９(a)に図示される「代表モデルＤＭ－Ａ」は、棒グラフにより示される総負荷情報を含む。図１９(a)においては、「代表モデルＤＭ－Ａ」に含まれる機器別負荷情報を示すことが便宜上省略されている。

図１９(b)に図示される「代表モデルＤＭ－Ａ」は、表により示される総負荷情報及び機器別情報を含む。

図２０(a)に図示される「代表モデルＤＭ－Ｂ」は、棒グラフにより示される総負荷情報を含む。図２０(a)においては、「代表モデルＤＭ－Ｂ」に含まれる機器別負荷情報を示すことが便宜上省略されている。

図２０(b)に図示される「代表モデルＤＭ－Ｂ」は、表により示される総負荷情報及び機器別情報を含む。

１．２３ 代表モデル取得部の詳細
図２１は、実施の形態１の負荷推定装置に備えられる代表モデル取得部を図示するブロック図である。

代表モデル取得部１７２６は、図２１に図示されるように、基準モデル抽出部１８８０、代表モデル作成用の対応関係計算部１８８１及び代表モデル作成部１８８２を備える。

１．２４ 基準モデル抽出部
基準モデル抽出部１８８０は、M_1*M_2*M_3個の３次クラスタの各々である各３次クラスタ１３８０について、基準モデル１９００を抽出する。

基準モデル抽出部１８８０は、各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００が複数の負荷情報である場合は、N(m_3)個の負荷情報１４００から任意の１個の負荷情報を選択し、選択した１個の負荷情報を基準モデル１９００として抽出する。１個の負荷情報が選択される場合に、N(m_3)個の負荷情報１４００の間の類似度が計算され、計算された類似度が考慮されてもよい。

N(m_3)個の負荷情報１４００が複数の負荷情報である場合の基準モデル１９００の抽出方法が変更されてもよい。例えば、N(m_3)個の負荷情報１４００の平均値が計算され、計算された平均値が基準モデル１９００として抽出されてもよい。

１．２５ 代表モデル作成用の対応関係計算部
代表モデル作成用の対応関係計算部１８８１は、M_1*M_2*M_3個の３次クラスタの各々である各３次クラスタ１３８０について、各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００が複数の負荷情報である場合に、抽出された基準モデル１９００に含まれる総負荷情報と各３次クラスタ１３８０に属する基準モデル１９００以外の少なくともひとつの負荷情報である少なくともひとつの非基準モデル１９２０の各々に含まれる総負荷情報との間の時系列上の対応関係を示す代表モデル作成用の対応関係情報１９４０を計算する。

代表モデル作成用の対応関係計算部１８８１は、基準モデル１９００に含まれる総負荷情報と少なくともひとつの非基準モデル１９２０の各々に含まれる総負荷情報との間の時系列上の対応関係を示す対応関係情報を計算する場合に、基準モデル１９００に含まれる総負荷の複数の時系列点が、少なくともひとつの非基準モデル１９２０の各々に含まれる総負荷の複数の時系列点に近似するように、基準モデル１９００に含まれる総負荷の複数の時系列点にそれぞれ対応する、少なくともひとつの非基準モデル１９２０の各々に含まれる総負荷の複数の時系列点を特定する。

基準モデル１９００に含まれる総負荷情報と少なくともひとつの非基準モデル１９２０の各々に含まれる総負荷情報との間の時系列上の対応関係の計算には、「１．１５ 対応関係の計算手法の例」において説明した計算手法が用いられる。「１．１５ 対応関係の計算手法の例」において説明した計算手法以外の計算手法が用いられてもよい。

１．２６ 代表モデル作成部
代表モデル作成部１８８２は、M_1*M_2*M_3個の３次クラスタの各々である各３次クラスタ１３８０について、各３次クラスタ１３８０に属するN(m_3)個の負荷情報１４００が複数の負荷情報である場合は、代表モデル作成用の対応関係計算部１８８１により計算された代表モデル作成用の対応関係情報１９４０を参照し、代表モデル１３００を作成する。これにより、代表モデル作成部１８８２は、M_1*M_2*M_3個の３次クラスタに属する少なくともひとつの負荷情報をそれぞれ代表するM_1*M_2*M_3個の代表モデル１４４０を作成する。

代表モデルに含まれる機器別負荷の時刻iにおける時系列点d(i)は、基準モデル１９００に含まれる機器別負荷の時刻iにおける時系列点m(i)及び少なくともひとつの非基準モデル１９２０の時系列点m(i)に対応する時系列点a(j),b(k),...から式(7)により演算される。

式(7)に含まれる因子f(m(i),a(j),b(k),...)は、m(i),a(j),b(k),...という引数の代表値を返す関数である。代表値は、典型的には平均値である。代表値が、平均値以外の統計処理により得られる値であってもよい。

１．２７ 代表モデルの作成の例
少なくともひとつの非基準モデル１９２０の数が１個の基準モデルである場合に基準モデル１９００及び非基準モデル１９２０から各代表モデル１４２０を作成する手順を説明する。

図２２は、実施の形態１の負荷推定装置において扱われる基準モデル、非基準モデル及び対応関係情報の例を表により図示する図である。

図２２(a)に図示される「基準モデルＭＳ１」は、表により示される総負荷情報及び機器別負荷情報を含む。

図２２(b)に図示される「非基準モデルＭＸＡ」は、表により示される総負荷情報及び機器別負荷情報を含む。

図２２(c)に図示される対応関係情報は、「基準モデルＭＳ１」に含まれる総負荷情報と「非基準モデルＭＸＡ」に含まれる総負荷情報との時系列上の対応関係を示す。

図２２(c)に図示される対応関係情報は、「基準モデルＭＳ１」に含まれる機器別負荷の時系列点m(0)及びm(1)に、「非基準モデルＭＸＡ」に含まれる機器別負荷の時系列点a(0)及びa(2)がそれぞれ対応することを示す。したがって、代表モデルに含まれる機器別負荷の時系列点d(0)及びd(1)は、式(8)及び式(9)によりそれぞれ求められる。

「非基準モデルＭＸＡ」が、「基準モデルＭＳ１」に含まれる機器別負荷の時系列点m(i)に対応する機器別負荷の時系列点を含まない場合は、時系列点m(i)がそのまま代表モデルに含まれる機器別負荷の時系列点d(i)にされてもよいし、時系列点が必要な時刻の前後の時刻における時系列点から統計処理により時系列点が必要な時刻における時系列点が計算されてもよい。

このような各代表モデル１４２０の作成によれば、各３次クラスタ１３８０について偏りのない各代表モデル１４２０が得られる。

１．２８ 推定部
図２３は、実施の形態１の負荷推定装置に備えられる推定部を図示するブロック図である。

推定部１０２２は、図２３に図示されるように、受付部１９６０、１次クラスタ選択部１９６１、代表モデル選択用の対応関係計算部１９６２、代表モデル選択用の類似度計算部１９６３、代表モデル選択部１９６４及び内訳計算部１９６５を備える。

１．２９ 受付部
受付部１９６０は、総負荷情報１０８０を推定対象住宅１１００から取得する。

受付部１９６０は、キーボード、マウス等の入力装置を用いて画面に対して行われる操作から推定対象住宅１１００の総負荷情報１０８０を取得してもよいし、推定対象住宅１１００の総負荷が記載されたファイルを負荷推定装置１０００の外部から読み込むことにより総負荷情報１０８０を取得してもよいし、負荷推定装置１０００の外部装置であり推定対象住宅１１００の総負荷が記憶されたデータベースから総負荷を受信することにより総負荷情報１０８０を取得してもよい。

１．３０ 総負荷情報の例
図２４は、実施の形態１の負荷推定装置において扱われる推定対象住宅の総負荷情報の例を表により図示する図である。

図２４に図示される総負荷情報は、複数の時刻及び当該複数の時刻にそれぞれ対応する複数の総負荷からなる単純な時系列データである。

１．３１ １次クラスタ選択部
１次クラスタ選択部１９６１は、推定対象住宅１１００の総負荷情報１０８０が与えられた総負荷情報１６６０であり、推定対象住宅１１００の特徴量１０８１が与えられた特徴量１６６１である場合に導出式１２８０により導出される１次クラスタ番号により識別される選択１次クラスタ１４６０をM_1個の１次クラスタ１２２０から選択する。

図２５は、実施の形態１の負荷推定装置において扱われる推定対象住宅の総負荷情報及び特徴量から抽出された情報の例を表により図示する図、及び実施の形態１の負荷推定装置における導出式による１次クラスタ番号の導出の例を説明する説明図を含む図である。

図２５(a)に図示される例においては、推定対象住宅１１００の総負荷情報１０８０から抽出された情報が、１時間の平均値及び最大値である。また、推定対象住宅１１００の特徴量１０８１から抽出された情報が、床面積及び居住人数である。

図２５(b)に図示される例においては、ノード１７０２及び１７０３において、それぞれ１時間の最大値及び平均値と基準値との大小が判定され、ノード１７００及び１７０１において、それぞれ床面積及び居住人数と基準値との大小が判定されている。その結果として、１次クラスタ番号の候補１７１０，１７１１，１７１２，１７１３及び１７１４から、導出される１次クラスタ番号１７１１が選択されている。

１．３２ 代表モデル選択用の対応関係計算部
代表モデル選択用の対応関係計算部１９６２は、代表モデル記憶部１７２７に記憶されたM_1*M_2*M_3個の代表モデル１４４０から、選択１次クラスタ１４６０に属する負荷情報１４８０を代表する２個以上の代表モデル１５００を選択する。また、代表モデル選択用の対応関係計算部１９６２は、受付部１９６０により取得された推定対象住宅１１００の総負荷情報１０８０と選択した２個以上の代表モデル１５００の各々である各代表モデルに含まれる総負荷情報との間の時系列上の対応関係を示す代表モデル選択用の対応関係情報１９８０を計算する。

代表モデル選択用の対応関係計算部１９６２は、代表モデル選択用の対応関係情報１９８０を計算する場合に、推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷の複数の時系列点が、各代表モデルに含まれる総負荷の複数の時系列点に近似するように、総負荷情報１０８０に含まれる総負荷の複数の時系列点にそれぞれ対応する、各代表モデルに含まれる総負荷の複数の時系列点を特定する。

推定対象住宅１１００の総負荷情報１０８０と各代表モデルに含まれる総負荷情報との間の時系列上の対応関係の計算には、「１．１５ 対応関係の計算手法の例」において説明した計算手法が用いられる。「１．１５ 対応関係の計算手法の例」において説明した計算手法以外の計算手法が用いられてもよい。

１．３３ 代表モデル選択用の類似度計算部
代表モデル選択用の類似度計算部１９６３は、代表モデル記憶部１７２７に記憶されたM_1*M_2*M_3個の代表モデル１４４０から、選択１次クラスタ１４６０に属する負荷情報１４８０を代表する２個以上の代表モデル１５００を選択する。また、代表モデル選択用の類似度計算部１９６３は、受付部１９６０により取得された推定対象住宅１１００の総負荷情報１０８０と選択した２個以上の代表モデル１５００の各々である各代表モデルに含まれる総負荷情報との間の代表モデル選択用の類似度１９９０を計算する。

代表モデル選択用の類似度計算部１９６３は、代表モデル選択用の類似度１９９０を計算する場合に、代表モデル選択用の対応関係計算部１９６２により計算された代表モデル選択用の対応関係情報１９８０を参照する。

代表モデル選択用の類似度計算部１９６３は、代表モデル選択用の対応関係情報１９８０を参照することにより、推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷の複数の時系列点にそれぞれ対応する、各代表モデルに含まれる総負荷の複数の時系列点を特定する。

また、代表モデル選択用の類似度計算部１９６３は、当該推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷の複数の時系列点と当該各代表モデルに含まれる総負荷の複数の時系列との間の類似度を、代表モデル選択用の類似度１９９０とする。

「１．１５ 対応関係の計算手法の例」において説明した計算手法が用いられ、推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷の複数の時系列点と各代表モデルに含まれる総負荷の複数の時系列とをそれぞれ対応させるために必要なコストが代表モデル選択用の類似度１９９０として利用される場合は、代表モデル選択用の類似度計算部１９６３が省略され、代表モデル選択用の対応関係計算部１９６２が代表モデル選択用の類似度計算部を兼ねる。

１．３４ 代表モデル選択部
代表モデル選択部１９６４は、代表モデル選択用の類似度計算部１９６３により計算された代表モデル選択用の類似度１９９０に基づいて、M_1*M_2*M_3個の代表モデル１４４０から１個の選択代表モデル１５２０を選択する。

代表モデル選択部１９６４は、選択代表モデル１５２０を選択する場合に、受付部１９６０により取得された推定対象住宅１１００の総負荷情報１０８０と候補となる代表モデルに含まれる総負荷情報との類似度が高くなるほど候補となる代表モデルが選択されやすくなる選択基準を用いる。

選択基準は、典型的には推定対象住宅１１００の総負荷情報１０８０と選択代表モデル１５２０に含まれる総負荷情報との間の類似度が最高の類似度となるように選択代表モデル１５２０が選択されるようにするという基準である。しかし、選択基準が代表モデル選択用の類似度１９９０以外の考慮要素を含み、選択代表モデル１５２０が選択される場合に代表モデル選択用の類似度１９９０に加えて代表モデル選択用の類似度１９９０以外の考慮要素が考慮されてもよい。例えば、選択基準がM_1*M_2*M_3個の代表モデル１４４０にそれぞれ付随するM_1*M_2*M_3個の気温情報、M_1*M_2*M_3個の曜日情報等の考慮要素を含み、選択代表モデル１５２０を選択する場合に代表モデル選択用の類似度１９９０に加えてM_1*M_2*M_3個の気温情報、M_1*M_2*M_3個の曜日情報等が考慮されてもよい。

１．３５ 内訳計算部
内訳計算部１９６５は、受付部１９６０により取得された推定対象住宅１１００の総負荷情報１０８０並びに選択代表モデル１５２０に含まれる総負荷情報及び機器別負荷情報から推定対象住宅１１００の総負荷情報１０８０の内訳を計算する。これにより、総負荷情報１０８０の内訳を示す推定対象住宅１１００の機器別負荷情報１１２０が計算される。内訳の計算は、選択代表モデル１５２０に含まれる総負荷情報の内訳を示す、選択代表モデル１５２０に含まれる機器別負荷情報が、総負荷情報１０８０の内訳を示す機器別負荷情報１１２０に反映されるように行われる。

内訳計算部１９６５は、代表モデル選択用の対応関係計算部１９６２により計算された代表モデル選択用の対応関係情報１９８０に含まれる、推定対象住宅１１００の総負荷情報１０８０と選択代表モデル１５２０に含まれる総負荷情報との間の時系列上の対応関係を示す内訳計算用の対応関係情報に基づいて、総負荷情報１０８０と選択代表モデル１５２０に含まれる総負荷情報とを時系列上で対応づけ、総負荷情報１０８０並びに選択代表モデル１５２０に含まれる総負荷情報及び機器別負荷情報から総負荷情報１０８０の内訳を計算する。

推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷の時系列点X=x_t(1),x_t(2),...,x_t(m)及び選択代表モデル１５２０に含まれる総負荷の時系列点Y=y_t(1),y_t(2),...,y_t(n)において時系列点x_t(i)に時系列点y_t(j)が対応することが内訳計算用の対応関係情報により示される場合は、推定対象住宅１１００の機器EPの時刻iにおける機器別負荷の時系列点E(X,t(i))は、推定対象住宅１１００の総負荷の時系列点A(X,t(i))、選択代表モデル１５２０に含まれる総負荷の時系列点A(Y,t(i))、及び選択代表モデル１５２０に含まれる機器EPの機器別負荷の時系列点E(Y,t(j))を用いて、式(10)により求められる。

式(10)以外の式により時系列点E(X,t(i))が求められてもよい。

推定対象住宅１１００の総負荷情報１０８０において総負荷を示す時間間隔が、選択代表モデル１５２０に含まれる総負荷情報において総負荷を示す時間間隔と異なる場合は、短い時間間隔で総負荷を示す総負荷情報を、長い時間間隔で総負荷を示す総負荷情報に揃える処理が行われた後に、上記のように時系列点E(X,t(i))が求められる。

内訳計算用の対応関係情報に基づく内訳の計算によれば、選択代表モデル１５２０に含まれる総負荷の時間変化が推定対象住宅１１００の総負荷情報１０８０に含まれる総負荷の時間変化と類似するが、選択代表モデル１５２０における総負荷の発生時刻が総負荷情報１０８０における総負荷の発生時刻と相違する場合、選択代表モデル１５２０における総負荷が高くなる時刻が総負荷情報１０８０における総負荷が高くなる時刻と相違する場合等においても、相違を解消するマッチングが行われ、推定対象住宅１１００の機器別負荷情報１１２０が精度よく推定される。

１．３６ 内訳計算用の対応関係情報を利用することの利点
図２６は、実施の形態１の負荷推定装置において扱われる推定対象の総負荷情報の例を折れ線グラフにより図示する図である。

図２６には、「総負荷情報ＴＬ」が図示される。

図２７は、実施の形態１の負荷推定装置において扱われる選択代表モデルの例を積み上げ棒グラフにより図示する図である。

図２７に図示される「選択代表モデルＳＭ１」は、積み上げ棒グラフにおける複数の成分の全体により示される総負荷情報及び積み上げ棒グラフにおける複数の成分により示される機器別負荷情報を含む。

図２８は、実施の形態１の負荷推定装置において扱われる推定対象の総負荷情報及び選択代表モデルの例を比較可能となるように重ねて図示する図である。

図２８には、「総負荷情報ＴＬ」が図示される。また、図２８に図示される「選択代表モデルＳＭ１」は、積み上げ棒グラフにおける複数の成分の全体により示される総負荷情報及び積み上げ棒グラフにおける複数の成分により示される機器別負荷情報を含む。

「総負荷情報ＴＬ」及び「選択代表モデルＳＭ１」に含まれる総負荷情報は、朝、昼及び晩において消費される電力量が大きくなるという共通の特徴を有する。このため、「選択代表モデルＳＭ１」が、「総負荷情報ＴＬ」に類似する総負荷情報を含む代表モデルとして選択されている。ただし、「総負荷情報ＴＬ」において消費される電力量が大きくなる晩の時刻は、「選択代表モデルＳＭ１」に含まれる総負荷情報において消費される電力量が大きくなる晩の時刻からずれている。

以下では、内訳計算用の対応関係情報を利用しない場合及び内訳計算用の対応関係情報を利用する場合の各々について、「総負荷情報ＴＬ」及び「選択代表モデルＳＭ１」からの推定対象住宅１１００の機器別負荷情報１１２０の推定の結果を説明する。

（ａ）内訳計算用の対応関係情報を利用しない場合
図２９は、実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報を利用しない場合に利用される対応関係情報の例を表により図示する図である。

図３０は、実施の形態１の負荷推定装置において扱われる代表モデル選択用の対応関係情報を利用しない場合に推定される機器別負荷情報を積み上げ棒グラフにより図示する図である。

図３０に図示される「機器別負荷情報ＳＬ０」においては、積み上げ棒グラフにおける複数の成分により機器別負荷情報が示される。

図２９に図示される対応関係情報によれば、「総負荷情報ＴＬ」に含まれる複数の時系列点に、「選択代表モデルＳＭ１」に含まれる同時刻に取得された複数の時系列点がそれぞれ対応させられる。このため、「総負荷情報ＴＬ」並びに「選択代表モデルＳＭ１」に含まれる総負荷情報及び機器別負荷情報の特徴は考慮されない。

図２９に図示される対応関係情報が利用された場合は、「選択代表モデルＳＭ１」に含まれる総負荷が低い２１時における「選択代表モデルＳＭ１」により示される内訳が、「総負荷情報ＴＬ」が高い２１時における「総負荷情報ＴＬ」の内訳の計算に用いられる。このため、図３０に図示される「機器別負荷情報ＳＬ０」においては、２１時における総負荷に対するリビングの負荷の割合は、２１時における「選択代表モデルＳＭ１」より示される内訳を反映して高くなっている。

しかし、２１時における総負荷に対するリビングの負荷の割合は、「選択代表モデルＳＭ１」に含まれる総負荷が高くなる１８時における「選択代表モデルＳＭ１」により示される内訳を反映させて求めるのが適切であると考えられ、「機器別負荷情報ＳＬ０」は大きな誤差を含む可能性が高い。

（ｂ）内訳計算用の対応関係情報を利用する場合
図３１は、実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報の例を表により図示する図である。

図３２は、実施の形態１の負荷推定装置において扱われる内訳計算用の対応関係情報を利用する場合に推定される機器別負荷情報を積み上げ棒グラフにより図示する図である。

図３２に図示される「機器別負荷情報ＳＬ１」においては、積み上げ棒グラフにおける複数の成分により機器別負荷情報が示される。

図３１に図示される対応関係情報が利用された場合は、「選択代表モデルＳＭ１」に含まれる総負荷が低い１５時における「選択代表モデルＳＭ１」により示される内訳が、「総負荷情報ＴＬ」が低い１５時－１８時における「総負荷情報ＴＬ」の内訳の計算に用いられる。また、「選択代表モデルＳＭ１」に含まれる総負荷が高い１８時における「選択代表モデルＳＭ１」により示される内訳が、「総負荷情報ＴＬ」が高い２１時における「総負荷情報ＴＬ」の内訳の計算に用いられる。このため、図３２に図示される「機器別負荷情報ＳＬ１」においては、２１時における総負荷に対するリビングの負荷の割合は、１８時における「選択代表モデルＳＭ１」より示される内訳を反映して適切なものとなっている。したがって、「機器別負荷情報ＳＬ１」は大きな誤差を含む可能性が低い。

１．３７ 特徴量を利用して負荷情報を分類することの利点
一般的に言って、第１の住宅の総負荷情報が第２の住宅の総負荷情報と類似する場合でも、第１の住宅の機器別負荷情報が第２の住宅の機器別負荷情報と類似するとは限らない。例えば、第１の住宅の居住者が１人の居住者であり、第２の住宅の居住者が２人以上の居住者である場合は、第１の住宅の機器別負荷情報が第２の住宅の機器別負荷情報と類似しない場合が多い。このことは、１人の居住者が保有するエアコンの台数は１台であることが多いが、２人以上の居住者が保有するエアコンの台数は２台以上であることが多いこと等を考慮すれば理解できる。

このため、モニタリング住宅１０６０のN個の特徴量１０４１及び推定対象住宅１１００の特徴量１０８１を利用せずに選択代表モデル１５２０が選択された場合は、推定対象住宅１１００の機器別負荷情報１１２０に類似しない機器別負荷情報を含む選択代表モデル１５２０が選択される場合がある。このため、機器別負荷情報１１２０が精度よく推定されない場合がある。

これに対して、モニタリング住宅１０６０のN個の特徴量１０４１及び推定対象住宅１１００の特徴量１０８１を利用して、推定対象住宅１１００の特徴量１０８１に類似する特徴量を有するモニタリング住宅の負荷情報が属する選択１次クラスタ１４６０が選択され、選択された選択１次クラスタ１４６０に属する負荷情報を代表する２個以上の代表モデル１５００から選択代表モデル１５２０が選択された場合は、推定対象住宅１１００の機器別負荷情報１１２０に類似する機器別負荷情報を含む選択代表モデル１５２０が選択される。このため、機器別負荷情報１１２０が精度よく推定される。

１．３８ 実施の形態１の負荷推定装置の利点
実施の形態１の負荷推定装置１０００によれば、推定対象住宅１１００から機器別負荷を取得する必要がないので、機器別負荷を計測する計測機器を推定対象住宅１１００に設置する必要がなく、推定対象住宅１１００の機器別負荷情報１１２０が容易に得られる。

一般的に行って、住宅の特徴は、当該住宅の総負荷の内訳である機器別負荷に影響する。このため、推定対象住宅１１００の総負荷の時間変化がモニタリング住宅の総負荷の時間変化に類似し、推定対象住宅１１００の特徴が当該モニタリング住宅の特徴に類似する場合は、推定対象住宅１１００の総負荷の内訳である機器別負荷が当該モニタリング住宅の総負荷の内訳である機器別負荷に類似する可能性が高い。そして、実施の形態１の負荷推定装置１０００によれば、推定対象住宅１１００の特徴量１０８１に類似する特徴量を有するモニタリング住宅の負荷情報を代表する２個以上の代表モデル１５００から、推定対象住宅１１００の総負荷情報１０８０に類似する総負荷情報を有する選択代表モデル１５２０が選択される。また、選択代表モデル１５２０を利用して推定対象住宅１１００の機器別負荷情報１１２０が推定される。これにより、機器別負荷情報１１２０が精度よく推定される。

さらに、実施の形態１の負荷推定装置１０００によれば、選択代表モデル１５２０を選択する場合に、推定対象住宅１１００の総負荷情報１０８０と候補となる代表モデルに含まれる総負荷情報とを時系列上に対応づけてから総負荷情報１０８０と候補となる代表モデルに含まれる総負荷情報との間の類似度を計算しているので、適切な選択代表モデル１５２０が選択される。これにより、機器別負荷情報１１２０がさらに精度よく推定される。

２ 実施の形態２
２．１ 実施の形態１と実施の形態２との相違
図３３は、実施の形態２の負荷推定装置を図示するブロック図である。

実施の形態１の負荷推定装置１０００においては、N個の負荷情報１０４０及びN個の特徴量１０４１がM_1個の１次クラスタ１２２０に分類される。また、与えられた総負荷情報１６６０及び特徴量１６６１から１次クラスタ番号１６６２を導出する導出式１２８０が作成される。また、推定対象住宅１１００の総負荷情報１０８０及び特徴量１０８１が与えられた場合に導出式１２８０により導出される１次クラスタ番号により識別される選択１次クラスタ１４６０がM_1個の１次クラスタ１２２０から選択される。また、選択１次クラスタ１４６０に属する負荷情報を代表する２個以上の代表モデル１５００から選択代表モデル１５２０が選択される。

これに対して、実施の形態２の負荷推定装置２０００においては、N個の負荷情報１０４０、N個の特徴量１０４１及びN個の気温情報１０４２がM_1個の１次クラスタ１２２０に分類される。また、与えられた総負荷情報１６６０、特徴量１６６１及び気温情報から１次クラスタ番号１６６２を導出する導出式１２８０が作成される。また、推定対象住宅１１００の総負荷情報１０８０及び特徴量１０８１並びに気温情報１０８２が与えられた場合に導出式１２８０により導出される１次クラスタ番号により識別される選択１次クラスタ１４６０がM_1個の１次クラスタ１２２０から選択される。

以下では、上記の相違をもたらす実施の形態２の負荷推定装置２０００の構成を説明する。上記の相違をもたらす構成の採用を阻害しない範囲内において、他の実施の形態の負荷推定装置の構成がそのまま又は変形されてから実施の形態２の負荷推定装置２０００において採用されてもよい。

２．２ 負荷推定装置
図３３に図示される負荷推定装置２０００は、負荷割合分類部１０２０、代表モデル準備部１０２１及び推定部１０２２を備える。

負荷推定装置２０００は、N個の負荷情報１０４０及びN個の特徴量１０４１をモニタリング住宅１０６０から取得し、総負荷情報１０８０及び特徴量１０８１を推定対象住宅１１００から取得する。加えて、負荷推定装置２０００は、N個の気温情報１０４２を気温情報源１０６１から取得し、気温情報１０８２を気温情報源１１０１から取得する。

２．３ 負荷推定装置において扱われる気温情報
N個の気温情報１０４２は、各負荷情報１１６０に対応づけられる気温情報を含む。したがって、N個の気温情報１０４２は、それぞれN個の負荷情報１０４０に対応づけられる。

各負荷情報１１６０に対応づけられる気温情報は、各負荷情報１１６０の取得先のモニタリング住宅が電気エネルギーを消費した際の各負荷情報１１６０の取得先のモニタリング住宅が設置された地域の気温を示す。各負荷情報１１６０は１日分の負荷情報であるので、各負荷情報１１６０に対応づけられ各負荷情報１１６０に含まれる総負荷及び機器別負荷が計測された際の気温を示す気温情報も１日分の気温情報である。

気温情報１０８２は、推定対象住宅１１００が電気エネルギーを消費した際の推定対象住宅１１００が設置される地域の気温を示す。総負荷情報１０８０は１日分の総負荷情報であるので、総負荷情報１０８０に含まれる総負荷が計測された際の気温を示す気温情報１０８２も１日分の気温情報である。

気温情報源１０６１は、インターネット上で気温情報を公開しているサイトであってもよいし、モニタリング住宅１０６０に設置された気温情報が手入力される装置であってもよいし、モニタリング住宅１０６０に設置された気温計であってもよい。

気温情報源１１０１も、インターネット上で気温情報を公開しているサイトであってもよいし、推定対象住宅１１００に設置された気温情報が手入力される装置であってもよいし、推定対象住宅１１００に設置された気温計であってもよい。気温情報源１１０１が気温情報源１０６１と同じ気温情報源であってもよい。

N個の気温情報１０４２の各々は、各時刻における気温を含む時系列データであってもよいし、最高気温、最低気温等の当該時系列データから抽出されるデータであってもよいし、平均気温等の当該時系列データを加工することにより得られるデータであってもよい。

気温情報１０８２は、各時刻における気温を含む時系列データであってもよいし、最高気温、最低気温等の当該時系列データから抽出されるデータであってもよいし、平均気温等の当該時系列データを加工することにより得られるデータであってもよい。

２．４ 負荷割合分類部
図３４は、実施の形態２の負荷推定装置に備えられる負荷割合分類部を図示するブロック図である。

負荷割合分類部１０２０は、負荷情報記憶部１５４０、機器別負荷割合計算部１５４１、１次クラスタ数決定部１５４２、学習データ分類部１５４３及び導出式作成部１５４４を備え、気温情報取得部１５４５をさらに備える。

２．５ 気温情報取得部
気温情報取得部１５４５は、N個の気温情報１０４２を気温情報源１０６１から取得する。

２．６ １次クラスタリング部
１次クラスタリング部１５８１は、１次クラスタリング用の類似度計算部１５８０により計算された１次クラスタリング用の類似度１６００にしたがって、負荷情報記憶部１５４０に記憶されたモニタリング住宅１０６０のN個の負荷情報１０４０及びN個の特徴量１０４１、並びに気温情報取得部１５４５により取得されたN個の気温情報１０４２をM_1個の１次クラスタ１２２０に分類し、M_1個の１次クラスタ１２２０の各々である各１次クラスタ１２４０に属する、N(m_1)個の負荷情報１２６０、N(m_1)個の特徴量１２６１及びN(m_1)個の気温情報を特定する。N(m_1)個の特徴量１２６１は、それぞれN(m_1)個の負荷情報１２６０に対応づけられる。N(m_1)個の気温情報は、それぞれN(m_1)個の負荷情報１２６０に対応づけられる。N(m_1)個の負荷情報１２６０は、少なくともひとつの負荷情報である。N(m_1)個の特徴量１２６１は、少なくともひとつの特徴量である。N(m_1)個の気温情報は、少なくともひとつの気温情報である。

２．７ 導出式作成部
導出式作成部１５４４は、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０、N(m_1)個の特徴量１２６１及びN(m_1)個の気温情報を学習し、与えられた総負荷情報１６６０、与えられた特徴量１６６１及び与えられた気温情報から１次クラスタ番号１６６２を導出する導出式１２８０を作成する。導出される１次クラスタ番号１６６２は、１次クラスタを識別する。したがって、作成される導出式１２８０は、与えられた総負荷情報１６６０、与えられた特徴量１６６１及び与えられた気温情報から１次クラスタを導出する。

導出式１２８０は、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０、N(m_1)個の特徴量１２６１及びN(m_1)個の気温情報を学習して作成される。このため、導出式１２８０により導出される１次クラスタ番号１６６２は、与えられた総負荷情報１６６０、特徴量１６６１及び気温情報に最も類似する総負荷情報、特徴量及び気温情報が属する１次クラスタを識別する１次クラスタ番号である。特定の１次クラスタに属する負荷情報に含まれる総負荷情報が与えられた総負荷情報１６６０であり、当該負荷情報に対応づけられた特徴量が与えられた特徴量１６６１であり、特定の１次クラスタに属する気温情報が与えられた気温情報である場合は、導出式１２８０により導出される１次クラスタ番号は、当該特定の１次クラスタを識別する１次クラスタ番号である。

２．８ １次クラスタ番号の導出例
図３５は、実施の形態２の負荷推定装置において行われる導出式による１次クラスタ番号の導出の例を説明する説明図である。

導出式１２８０による１次クラスタ番号の導出においては、与えられた総負荷情報１６６０、与えられた特徴量１６６１及び与えられた気温情報が分析され、導出される１次クラスタ番号１６６２に影響を及ぼす情報が抽出され、図３５に図示されるように、ノード１７００，１７０１，１７０３及び１７０５において、抽出された情報と基準値との大小、抽出された情報の条件への該否等が判定される。そして、その結果に基づいて、１次クラスタ番号の候補１７１０，１７１１，１７１２，１７１３及び１７１４から、導出される１次クラスタ番号１６６２が選択される。抽出される情報は、総負荷情報１６６０、特徴量１６６１及び気温情報から直接的に抽出される情報であってもよいし、総負荷情報１６６０、特徴量１６６１及び気温情報を加工することにより抽出される情報であってもよい。総負荷情報１６６０を加工することにより抽出される情報は、総負荷情報１６６０に含まれる総負荷の１時間の最大値、最小値、平均値等の総負荷の統計値、総負荷情報１６６０に含まれる総負荷をフーリエ変換することにより得られる数値等である。気温情報を加工することにより抽出される情報は、ノード１７０５において判定の対象となる最高気温等の気温の代表値であってもよいし、平均気温等の気温の統計値であってもよい。これらの情報の一部のみが用いられてもよい。

２．９ 推定部
図３６は、実施の形態２の負荷推定装置に備えられる推定部を図示するブロック図である。

推定部１０２２は、図３６に図示されるように、受付部１９６０、１次クラスタ選択部１９６１、代表モデル選択用の対応関係計算部１９６２、代表モデル選択用の類似度計算部１９６３、代表モデル選択部１９６４及び内訳計算部１９６５を備え、気温情報取得部１９６６をさらに備える。

２．１０ 気温情報取得部
気温情報取得部１９６６は、気温情報１０８２を気温情報源１１０１から取得する。

２．１１ １次クラスタ選択部
１次クラスタ選択部１９６１は、推定対象住宅１１００の総負荷情報１０８０が与えられた総負荷情報１６６０であり、推定対象住宅１１００の特徴量１０８１が与えられた特徴量１６６１であり、気温情報１０８２が与えられた気温情報である場合に導出式１２８０により導出される１次クラスタ番号により識別される選択１次クラスタ１４６０をM_1個の１次クラスタ１２２０から選択する。

図３７は、実施の形態２の負荷推定装置において扱われる推定対象住宅の総負荷情報及び特徴量、並びに気温情報から抽出された情報の例を表により図示する図、並びに実施の形態２の負荷推定装置における導出式による１次クラスタ番号の導出の例を説明する説明図を含む図である。

図３７(a)に図示される例においては、推定対象住宅１１００の総負荷情報１０８０から抽出された情報が、１時間の平均値及び最大値である。また、推定対象住宅１１００の特徴量１０８１から抽出された情報が、床面積及び居住人数である。また、気温情報１０８２から抽出された情報が、最高気温である。

図３７(b)に図示される例においては、ノード１７０３において、１時間の平均値と基準値との大小が判定され、ノード１７００及び１７０１において、それぞれ床面積及び居住人数と基準値との大小が判定され、ノード１７０５において、最高気温と基準値との大小が判定されている。その結果として、１次クラスタ番号の候補１７１０，１７１１，１７１２，１７１３及び１７１４から、導出される１次クラスタ番号１７１４が選択されている。

２．１２ 実施の形態２の負荷推定装置の利点
実施の形態２の負荷推定装置２０００は、実施の形態１の負荷推定装置１０００の利点と同様の利点を有する。

また、一般的に行って、住宅の特徴及び当該住宅が電気エネルギーを消費した際の気温は、当該住宅の総負荷の内訳である機器別負荷に影響する。このため、推定対象住宅１１００の総負荷の時間変化がモニタリング住宅の総負荷の時間変化に類似し、推定対象住宅１１００の特徴が当該モニタリング住宅の特徴に類似し、推定対象住宅１１００が電気エネルギーを消費した際の気温が当該モニタリング住宅が電気エネルギーを消費した際の気温に類似する場合は、推定対象住宅１１００の総負荷の内訳である機器別負荷が当該モニタリング住宅の総負荷の内訳である機器別負荷に類似する可能性が高い。そして、実施の形態２の負荷推定装置２０００によれば、推定対象住宅１１００の特徴量１０８１に類似する特徴量を有し、電気エネルギーを消費した際の気温情報が推定対象住宅１１００が電気エネルギーを消費した際の気温情報１０８２に類似するモニタリング住宅の負荷情報を代表する２個以上の代表モデル１５００から、推定対象住宅１１００の総負荷情報１０８０に類似する総負荷情報を有する選択代表モデル１５２０が選択される。また、選択代表モデル１５２０を利用して推定対象住宅１１００の機器別負荷情報１１２０が推定される。これにより、機器別負荷情報１１２０が精度よく推定される。

３ 実施の形態３
３．１ 実施の形態１と実施の形態３との相違
図３８は、実施の形態３の負荷推定装置を図示するブロック図である。

実施の形態１の負荷推定装置１０００においては、N個の負荷情報１０４０及びN個の特徴量１０４１がM_1個の１次クラスタ１２２０に分類される。また、与えられた総負荷情報１６６０及び特徴量１６６１から１次クラスタ番号１６６２を導出する導出式１２８０が作成される。また、推定対象住宅１１００の総負荷情報１０８０及び特徴量１０８１が与えられた場合に導出式１２８０により導出される１次クラスタ番号により識別される選択１次クラスタ１４６０がM_1個の１次クラスタ１２２０から選択される。また、選択１次クラスタ１４６０に属する負荷情報を代表する２個以上の代表モデル１５００から選択代表モデル１５２０が選択される。

これに対して、実施の形態３の負荷推定装置３０００においては、N個の負荷情報１０４０、N個の特徴量１０４１及びN個の天候情報１０４３がM_1個の１次クラスタ１２２０に分類される。また、与えられた総負荷情報１６６０、特徴量１６６１及び天候情報から１次クラスタ番号１６６２を導出する導出式１２８０が作成される。また、推定対象住宅１１００の総負荷情報１０８０及び特徴量１０８１並びに天候情報１０８３が与えられた場合に導出式１２８０により導出される１次クラスタ番号により識別される選択１次クラスタ１４６０がM_1個の１次クラスタ１２２０から選択される。

以下では、上記の相違をもたらす実施の形態３の負荷推定装置３０００の構成を説明する。上記の相違をもたらす構成の採用を阻害しない範囲内において、他の実施の形態の負荷推定装置の構成がそのまま又は変形されてから実施の形態３の負荷推定装置３０００において採用されてもよい。

３．２ 負荷推定装置
図３８に図示される負荷推定装置３０００は、負荷割合分類部１０２０、代表モデル準備部１０２１及び推定部１０２２を備える。

負荷推定装置３０００は、N個の負荷情報１０４０及びN個の特徴量１０４１をモニタリング住宅１０６０から取得し、総負荷情報１０８０及び特徴量１０８１を推定対象住宅１１００から取得する。加えて、負荷推定装置３０００は、N個の天候情報１０４３を天候情報源１０６２から取得し、天候情報１０８３を天候情報源１１０２から取得する。

３．３ 負荷推定装置において扱われる天候情報
N個の天候情報１０４３は、各負荷情報１１６０に対応づけられる天候情報を含む。したがって、N個の天候情報１０４３は、それぞれN個の負荷情報１０４０に対応づけられる。

各負荷情報１１６０に対応づけられる天候情報は、各負荷情報１１６０の取得先のモニタリング住宅が電気エネルギーを消費した際の各負荷情報１１６０の取得先のモニタリング住宅が設置された地域の天候を示す。天候は、「晴れ」「曇り」、「晴れ時々曇り」等により表現される。各負荷情報１１６０は１日分の負荷情報であるので、各負荷情報１１６０に対応づけられ各負荷情報１１６０に含まれる総負荷及び機器別負荷が計測された際の天候を示す天候情報も１日分の天候情報である。

天候情報１０８３は、推定対象住宅１１００が電気エネルギーを消費した際の推定対象住宅１１００が設置される地域の天候を示す。総負荷情報１０８０は１日分の総負荷情報であるので、総負荷情報１０８０に含まれる総負荷が計測された際の天候を示す天候情報１０８３も１日分の天候情報である。

天候情報源１０６２は、インターネット上で天候情報を公開しているサイトであってもよいし、モニタリング住宅１０６０に設置された天候情報が手入力される装置であってもよいし、モニタリング住宅１０６０に設置されたカメラであってもよい。

天候情報源１１０２も、インターネット上で天候情報を公開しているサイトであってもよいし、推定対象住宅１１００に設置された天候情報が手入力される装置であってもよいし、推定対象住宅１１００に設置されたカメラであってもよい。天候情報源１１０２が天候情報源１０６２と同じ天候情報源であってもよい。

N個の天候情報１０４３の各々は、各時刻における天候を含む時系列データであってもよいし、当該時系列データから抽出されるデータであってもよいし、当該時系列データを加工することにより得られるデータであってもよい。

天候情報１０８３は、各時刻における天候を含む時系列データであってもよいし、当該時系列データから抽出されるデータであってもよいし、当該時系列データを加工することにより得られるデータであってもよい。

３．４ 負荷割合分類部
図３９は、実施の形態３の負荷推定装置に備えられる負荷割合分類部を図示するブロック図である。

負荷割合分類部１０２０は、負荷情報記憶部１５４０、機器別負荷割合計算部１５４１、１次クラスタ数決定部１５４２、学習データ分類部１５４３及び導出式作成部１５４４を備え、天候情報取得部１５４６をさらに備える。

３．５ 天候情報取得部
天候情報取得部１５４６は、N個の天候情報１０４３を天候情報源１０６２から取得する。

３．６ １次クラスタリング部
１次クラスタリング部１５８１は、１次クラスタリング用の類似度計算部１５８０により計算された１次クラスタリング用の類似度１６００にしたがって、負荷情報記憶部１５４０に記憶されたモニタリング住宅１０６０のN個の負荷情報１０４０及びN個の特徴量１０４１、並びに天候情報取得部１５４６により取得されたN個の天候情報１０４３をM_1個の１次クラスタ１２２０に分類し、M_1個の１次クラスタ１２２０の各々である各１次クラスタ１２４０に属する、N(m_1)個の負荷情報１２６０、N(m_1)個の特徴量１２６１及びN(m_1)個の天候情報を特定する。N(m_1)個の特徴量１２６１は、それぞれN(m_1)個の負荷情報１２６０に対応づけられる。N(m_1)個の天候情報は、それぞれN(m_1)個の負荷情報１２６０に対応づけられる。N(m_1)個の負荷情報１２６０は、少なくともひとつの負荷情報である。N(m_1)個の特徴量１２６１は、少なくともひとつの特徴量である。N(m_1)個の天候情報は、少なくともひとつの天候情報である。

３．７ 導出式作成部
導出式作成部１５４４は、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０、N(m_1)個の特徴量１２６１及びN(m_1)個の天候情報を学習し、与えられた総負荷情報１６６０、与えられた特徴量１６６１及び与えられた天候情報から１次クラスタ番号１６６２を導出する導出式１２８０を作成する。導出される１次クラスタ番号１６６２は、１次クラスタを識別する。したがって、作成される導出式１２８０は、与えられた総負荷情報１６６０、与えられた特徴量１６６１及び与えられた天候情報から１次クラスタを導出する。

導出式１２８０は、各１次クラスタ１２４０に属するN(m_1)個の負荷情報１２６０、N(m_1)個の特徴量１２６１及びN(m_1)個の天候情報を学習して作成される。このため、導出式１２８０により導出される１次クラスタ番号１６６２は、与えられた総負荷情報１６６０、特徴量１６６１及び天候情報に最も類似する総負荷情報、特徴量及び天候情報が属する１次クラスタを識別する１次クラスタ番号である。特定の１次クラスタに属する負荷情報に含まれる総負荷情報が与えられた総負荷情報１６６０であり、当該負荷情報に対応づけられた特徴量が与えられた特徴量１６６１であり、特定の１次クラスタに属する天候情報が与えられた天候情報である場合は、導出式１２８０により導出される１次クラスタ番号は、当該特定の１次クラスタを識別する１次クラスタ番号である。

３．８ １次クラスタ番号の導出例
図４０は、実施の形態３の負荷推定装置において行われる導出式による１次クラスタ番号の導出の例を説明する説明図である。

導出式１２８０による１次クラスタ番号の導出においては、与えられた総負荷情報１６６０、与えられた特徴量１６６１及び与えられた天候情報が分析され、導出される１次クラスタ番号１６６２に影響を及ぼす情報が抽出され、図４０に図示されるように、ノード１７００，１７０１，１７０３及び１７０６において、抽出された情報と基準値との大小、抽出された情報の条件への該否等が判定される。そして、その結果に基づいて、１次クラスタ番号の候補１７１０，１７１１，１７１２，１７１３及び１７１４から、導出される１次クラスタ番号１６６２が選択される。抽出される情報は、総負荷情報１６６０、特徴量１６６１及び天候情報から直接的に抽出される情報であってもよいし、総負荷情報１６６０、特徴量１６６１及び天候情報を加工することにより抽出される情報であってもよい。総負荷情報１６６０を加工することにより抽出される情報は、総負荷情報１６６０に含まれる総負荷の１時間の最大値、最小値、平均値等の総負荷の統計値、総負荷情報１６６０に含まれる総負荷をフーリエ変換することにより得られる数値等である。これらの情報の一部のみが用いられてもよい。

３．９ 推定部
図４１は、実施の形態３の負荷推定装置に備えられる推定部を図示するブロック図である。

推定部１０２２は、図４１に図示されるように、受付部１９６０、１次クラスタ選択部１９６１、代表モデル選択用の対応関係計算部１９６２、代表モデル選択用の類似度計算部１９６３、代表モデル選択部１９６４及び内訳計算部１９６５を備え、天候情報取得部１９６７をさらに備える。

３．１０ 天候情報取得部
天候情報取得部１９６７は、天候情報１０８３を天候情報源１１０２から取得する。

３．１１ １次クラスタ選択部
１次クラスタ選択部１９６１は、推定対象住宅１１００の総負荷情報１０８０が与えられた総負荷情報１６６０であり、推定対象住宅１１００の特徴量１０８１が与えられた特徴量１６６１であり、天候情報１０８３が与えられた天候情報である場合に導出式１２８０により導出される１次クラスタ番号１６６２により識別される選択１次クラスタ１４６０をM_1個の１次クラスタ１２２０から選択する。

図４２は、実施の形態３の負荷推定装置において扱われる推定対象住宅の総負荷情報及び特徴量、並びに天候情報から抽出された情報の例を表により図示する図、並びに実施の形態３の負荷推定装置における導出式による１次クラスタ番号の導出の例を説明する説明図を含む図である。

図４２(a)に図示される例においては、推定対象住宅１１００の総負荷情報１０８０から抽出された情報が、１時間の平均値及び最大値である。また、推定対象住宅１１００の特徴量１０８１から抽出された情報が、床面積及び居住人数である。また、天候情報１０８３から抽出された情報が、天候である。

図４２(b)に図示される例においては、ノード１７０３において、１時間の平均値と基準値との大小が判定され、ノード１７００及び１７０１において、それぞれ床面積及び居住人数と基準値との大小が判定され、ノード１７０６において、天候の条件への該非が判定されている。その結果として、１次クラスタ番号の候補１７１０，１７１１，１７１２，１７１３及び１７１４から、導出される１次クラスタ番号１７１３が選択されている。

３．１２ 実施の形態２の負荷推定装置の利点
実施の形態３の負荷推定装置３０００は、実施の形態１の負荷推定装置１０００の利点と同様の利点を有する。

また、一般的に行って、住宅の特徴及び当該住宅が電気エネルギーを消費した際の天候は、当該住宅の総負荷の内訳である機器別負荷に影響する。このため、推定対象住宅１１００の総負荷の時間変化がモニタリング住宅の総負荷の時間変化に類似し、推定対象住宅１１００の特徴が当該モニタリング住宅の特徴に類似し、推定対象住宅１１００が電気エネルギーを消費した際の天候が当該モニタリング住宅が電気エネルギーを消費した際の天候に類似する場合は、推定対象住宅１１００の総負荷の内訳である機器別負荷が当該モニタリング住宅の総負荷の内訳である機器別負荷に類似する可能性が高い。そして、実施の形態３の負荷推定装置３０００によれば、推定対象住宅１１００の特徴量１０８１に類似する特徴量を有し、電気エネルギーを消費した際の天候情報が推定対象住宅１１００が電気エネルギーを消費した際の天候情報１０８３に類似するモニタリング住宅の負荷情報を代表する２個以上の代表モデル１５００から、推定対象住宅１１００の総負荷情報１０８０に類似する総負荷情報を有する選択代表モデル１５２０が選択される。また、選択代表モデル１５２０を利用して推定対象住宅１１００の機器別負荷情報１１２０が推定される。これにより、機器別負荷情報１１２０が精度よく推定される。

なお、本発明は、その発明の範囲内において、各実施の形態を自由に組み合わせたり、各実施の形態を適宜、変形、省略することが可能である。

この発明は詳細に説明されたが、上記した説明は、すべての局面において、例示であって、この発明がそれに限定されるものではない。例示されていない無数の変形例が、この発明の範囲から外れることなく想定され得るものと解される。

１０００ 負荷推定装置、１０４０ N個の負荷情報、１０４１ N個の特徴量、１０６０ モニタリング住宅、１１００ 推定対象住宅、１１２０ 機器別負荷情報、１１６０ 各負荷情報、１１８０ 総負荷情報、１１８１ 機器別負荷情報、１２００ 特徴量、１２２０ M_1個の１次クラスタ、１２４０ 各１次クラスタ、１２６０ N(m_1)個の負荷情報、１２６１ N(m_1)個の特徴量、１２８０ 導出式、１３００ M_2個の２次クラスタ、１３２０ 各２次クラスタ、１３４０ N(m_2)個の負荷情報、１３６０ M_3個の３次クラスタ、１３８０ 各３次クラスタ、１４００ N(m_3)個の負荷情報、１４２０ 各代表モデル、１４４０ M_1*M_2*M_3個の代表モデル、１４６０ 選択１次クラスタ、１５００ ２個以上の代表モデル、１５２０ 選択代表モデル、１５４１ 機器別負荷割合計算部、１５４４ 導出式作成部、１５６０ N個の機器別負荷割合、１５８０ １次クラスタリング用の類似度計算部、１５８１ １次クラスタリング部、１６００ １次クラスタリング用の類似度、１６２０ １次クラスタ番号、１６６０ 総負荷情報、１６６１ 特徴量、１６６２ １次クラスタ番号、１７２２ ２次クラスタリング用の類似度計算部、１７２３ ２次クラスタリング部、１７２４ ３次クラスタリング用の類似度計算部、１７２５ ３次クラスタリング部、１７２６ 代表モデル取得部、１７６０ N(m_1)個の総負荷情報、１７８０ ２次クラスタリング用の類似度、１８００ N(m_2)個の総負荷情報、１８４０ N(m_2)個の機器別負荷情報、１８６０ ３次クラスタリング用の類似度、１８８２ 代表モデル作成部、１９６１ １次クラスタ選択部、１９６３ 代表モデル選択用の類似度計算部、１９６４ 代表モデル選択部、１９６５ 内訳計算部、１９９０ 代表モデル選択用の類似度、２０００ 負荷推定装置、１０４２ N個の気温情報、１０８２ 気温情報、１０４３ N個の天候情報、１０８３ 天候情報。

Claims (4)

1. 複数の負荷情報の各々であり、ひとつの需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報、及び前記ひとつの需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す部分負荷情報を含み、前記ひとつの需要家の特徴を示す特徴量が対応づけられた各負荷情報について、前記総負荷に対する前記複数の部分負荷の割合を示す部分負荷割合を計算する部分負荷割合計算部と、
   前記複数の負荷情報についてそれぞれ計算された複数の部分負荷割合の間の第１の類似度を計算する第１の類似度計算部と、
   前記第１の類似度にしたがって前記複数の負荷情報、及び前記複数の負荷情報にそれぞれ対応づけられた複数の特徴量を複数の１次クラスタに分類し、前記複数の１次クラスタの各々に属する、少なくともひとつの負荷情報及び前記少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの特徴量を特定する１次クラスタリング部と、
   前記複数の１次クラスタの各々に属する少なくともひとつの負荷情報及び少なくともひとつの特徴量を学習し、与えられた総負荷情報及び与えられた特徴量から１次クラスタを導出する導出式を作成する導出式作成部と、
   前記複数の１次クラスタに含まれる少なくともひとつの１次クラスタの各々である各１次クラスタに属する複数の負荷情報にそれぞれ含まれる複数の総負荷情報の間の第２の類似度を計算する第２の類似度計算部と、
   前記第２の類似度にしたがって前記各１次クラスタに属する複数の負荷情報を複数の２次クラスタに分類し、前記複数の２次クラスタの各々に属する少なくともひとつの負荷情報を特定する２次クラスタリング部と、
   前記複数の２次クラスタに含まれる少なくともひとつの２次クラスタの各々である各２次クラスタに属する複数の負荷情報にそれぞれ含まれる複数の部分負荷情報の間の第３の類似度を計算する第３の類似度計算部と、
   前記第３の類似度にしたがって前記各２次クラスタに属する複数の負荷情報を複数の３次クラスタに分類し、前記複数の３次クラスタの各々である各３次クラスタに属する少なくともひとつの負荷情報を特定する３次クラスタリング部と、
   前記各３次クラスタに属する少なくともひとつの負荷情報を代表する代表モデルを作成することにより、複数の代表モデルを取得する代表モデル取得部と、
   推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報が前記与えられた総負荷情報であり、前記推定対象需要家の特徴を示す特徴量が前記与えられた特徴量である場合に前記導出式により導出される選択１次クラスタを前記複数の１次クラスタから選択する１次クラスタ選択部と、
   前記選択１次クラスタに属する負荷情報を代表する２個以上の代表モデルを前記複数の代表モデルから選択し、前記推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報と前記２個以上の代表モデルの各々に含まれる総負荷情報との間の第４の類似度を計算する第４の類似度計算部と、
   前記第４の類似度に基づいて、前記推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報と候補となる代表モデルに含まれる総負荷情報との類似度が高くなるほど候補となる代表モデルが選択されやすくなる選択基準を用いて、前記２個以上の代表モデルから選択代表モデルを選択する代表モデル選択部と、
   前記選択代表モデルに含まれる部分負荷情報が反映されるように、前記推定対象需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す部分負荷情報を計算する計算部と、
   を備える負荷推定装置。
2. 前記ひとつの需要家が電気エネルギーを消費した際の気温を示す気温情報が前記各負荷情報に対応づけられ、
   前記１次クラスタリング部は、前記複数の負荷情報にそれぞれ対応づけられた複数の気温情報を前記複数の１次クラスタに分類し、前記複数の１次クラスタの各々に属する、前記少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの気温情報を特定し、
   前記導出式作成部は、前記少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの気温情報を学習し、
   前記導出式は、前記与えられた総負荷情報、前記与えられた特徴量及び与えられた気温情報から前記１次クラスタを導出し、
   前記選択１次クラスタは、前記推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷情報が前記与えられた総負荷情報であり、前記推定対象需要家の特徴を示す特徴量が前記与えられた特徴量であり、前記推定対象需要家が電気エネルギーを消費した際の気温を示す気温情報が前記与えられた気温情報である場合に前記導出式により導出される１次クラスタである
   請求項１の負荷推定装置。
3. 前記ひとつの需要家が電気エネルギーを消費した際の天候を示す天候情報が前記各負荷情報に対応づけられ、
   前記１次クラスタリング部は、前記複数の負荷情報にそれぞれ対応づけられた複数の天候情報を前記複数の１次クラスタに分類し、前記複数の１次クラスタの各々に属する、前記少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの天候情報を特定し、
   前記導出式作成部は、前記少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの天候情報を学習し、
   前記導出式は、前記与えられた総負荷情報、前記与えられた特徴量及び与えられた天候情報から前記１次クラスタを導出し、
   前記選択１次クラスタは、前記推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷情報が前記与えられた総負荷情報であり、前記推定対象需要家の特徴を示す特徴量が前記与えられた特徴量であり、前記推定対象需要家が電気エネルギーを消費した際の天候を示す天候情報が前記与えられた天候情報である場合に前記導出式により導出される１次クラスタである
   請求項１の負荷推定装置。
4. コンピュータの動作によって実現される負荷推定方法であって、
   a) 複数の負荷情報の各々であり、ひとつの需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報、及び前記ひとつの需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す部分負荷情報を含み、前記ひとつの需要家の特徴を示す特徴量が対応づけられた各負荷情報について、前記総負荷に対する前記複数の部分負荷の割合を示す部分負荷割合を計算する工程と、
   b) 前記複数の負荷情報についてそれぞれ計算された複数の部分負荷割合の間の第１の類似度を計算する工程と、
   c) 前記第１の類似度にしたがって前記複数の負荷情報、及び前記複数の負荷情報にそれぞれ対応づけられた複数の特徴量を複数の１次クラスタに分類し、前記複数の１次クラスタの各々に属する、少なくともひとつの負荷情報及び前記少なくともひとつの負荷情報にそれぞれ対応づけられた少なくともひとつの特徴量を特定する工程と、
   d) 前記複数の１次クラスタの各々に属する少なくともひとつの負荷情報及び少なくともひとつの特徴量を学習し、与えられた総負荷情報及び与えられた特徴量から１次クラスタを導出する導出式を作成する工程と、
   e) 前記複数の１次クラスタに含まれる少なくともひとつの１次クラスタの各々である各１次クラスタに属する複数の負荷情報にそれぞれ含まれる複数の総負荷情報の間の第２の類似度を計算する工程と、
   f) 前記第２の類似度にしたがって前記各１次クラスタに属する複数の負荷情報を複数の２次クラスタに分類し、前記複数の２次クラスタの各々に属する少なくともひとつの負荷情報を特定する工程と、
   g) 前記複数の２次クラスタに含まれる少なくともひとつの２次クラスタの各々である各２次クラスタに属する複数の負荷情報にそれぞれ含まれる複数の部分負荷情報の間の第３の類似度を計算する工程と、
   h) 前記第３の類似度にしたがって前記各２次クラスタに属する複数の負荷情報を複数の３次クラスタに分類し、前記複数の３次クラスタの各々である各３次クラスタに属する少なくともひとつの負荷情報を特定する工程と、
   i) 前記各３次クラスタに属する少なくともひとつの負荷情報を代表する代表モデルを作成することにより、複数の代表モデルを取得する工程と、
   j) 推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報が前記与えられた総負荷情報であり、前記推定対象需要家の特徴を示す特徴量が前記与えられた特徴量である場合に前記導出式により導出される選択１次クラスタを前記複数の１次クラスタから選択する工程と、
   k) 前記選択１次クラスタに属する負荷情報を代表する２個以上の代表モデルを前記複数の代表モデルから選択し、前記推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報と前記２個以上の代表モデルの各々に含まれる総負荷情報との間の第４の類似度を計算する工程と、
   l) 前記第４の類似度に基づいて、前記推定対象需要家が消費した電気エネルギーの全体の大きさを示す総負荷の時間変化を示す総負荷情報と候補となる代表モデルに含まれる総負荷情報との類似度が高くなるほど候補となる代表モデルが選択されやすくなる選択基準を用いて、前記２個以上の代表モデルから選択代表モデルを選択する工程と、
   m) 前記選択代表モデルに含まれる部分負荷情報が反映されるように、前記推定対象需要家の複数の部分が消費した電気エネルギーの大きさをそれぞれ示す複数の部分負荷の時間変化を示す部分負荷情報を計算する工程と、
   を備える負荷推定方法。

Images