JP7319757B2 - データ処理システム及びデータ処理方法 - Google Patents
データ処理システム及びデータ処理方法 Download PDFInfo
- Publication number
- JP7319757B2 JP7319757B2 JP2016236105A JP2016236105A JP7319757B2 JP 7319757 B2 JP7319757 B2 JP 7319757B2 JP 2016236105 A JP2016236105 A JP 2016236105A JP 2016236105 A JP2016236105 A JP 2016236105A JP 7319757 B2 JP7319757 B2 JP 7319757B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- factor
- time
- target
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/57—Arithmetic logic units [ALU], i.e. arrangements or devices for performing two or more of the operations covered by groups G06F7/483 – G06F7/556 or for performing logical operations
- G06F7/575—Basic arithmetic logic units, i.e. devices selectable to perform either addition, subtraction or one of several logical operations, using, at least partially, the same circuitry
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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"
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
-
- 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
Description
(1-1)全体構成
図1に、電力需要の予測において本発明を実施した場合での需給管理システム1の全体構成を示す。本需給管理システム1は、需要実績情報に基づいて任意の期間の需要の予測データを算出し、算出した需要の予測データに基づいて運用可能な発電機の運転計画の算出と制御を実行し、あるいは他の電気事業者からの直接、若しくは取引所からの電力調達取引の計画算出と実行を行うためのシステムであり、電気事業者2、系統運用者7、取引市場運用者8、公共情報提供者9、および需要家10がそれぞれ所有する各種装置および各種端末から構成される。また通信経路111および112は、需給管理システム1を構成する各種装置および端末を互いに通信可能に接続する通信経路であり、例えばLAN(Local Area Network)から構成される。
このうち対象観測データ4006Aは、計測装置100や系統情報管理装置70から取得される契約済みの需要家や契約締結対象の需要家の過去の対象観測データ4006Aで構成される情報であり、例えば、各需要家10の過去数年間の30分毎の電力需要の実績値を含む。
図3は、データ処理システムを構成する各装置の具体的な構成を示す。図3において、予測演算装置30は、演算部として、例えばパーソナルコンピュータ、サーバコンピュータ又はハンドヘルドコンピュータなどの情報処理装置から構成され、予測演算装置30の動作を統括的に制御するCPU(Central Processing Unit)3001、入力装置3002、出力装置3003、通信装置3004および記憶装置3005を備える。
図4は、データ処理システムにおける予測演算処理の処理手順を示す。この処理は、予測演算装置30が需給管理者3からの入力操作を受け付けた事を契機として、もしくは予め設定された時間間隔、あるいは時刻を契機として開始される処理であり、予測演算装置30によりステップS101からステップS103の処理が実行される。
以降、各処理部の実施形態の詳細を、図を用いて説明する。
(1-4-1)モデル同定部
図5は、データ処理システム12におけるモデル同定部3006の詳細な実施形態を示す。
本実施形態におけるモデル同定部3006は、対象観測データ4006Aと、因子観測データ3009Aを用いて、予測対象期間における予測対象の時間推移の予測データを算出する関数を識別するための識別モデル3006Bを算出する。
時間推移関数群生成部3006A1は、対象観測データ4006Aに格納されている予測対象の過去の観測データの時系列データから、予測対象の時間推移を示す代表的な関数群(時間推移関数群)を生成する。
時間推移関数識別モデル生成部3006A2は、因子観測データ3009Aを用いて、時間推移関数群生成部3006A1が算出した時間推移関数群の内、予測対象期間において用いるべき時間推移関数を識別するための識別モデル3006Bを生成する。
図6は、データ処理システム12における因子データ分類部3007の詳細な実施形態を示す。
特徴量算出部3007A1は、因子観測データ3009に格納されている各種因子について、それぞれの周期的な特徴を示す指標データを算出する。
特徴量分類部3007A2は、特徴量算出部3007A1が算出した指標データを特徴ベクトルとしたクラスタリング処理を施すことで、周期的な特徴が類似するデータ同士を一つの群となる様に、各種因子の時系列データ群をそれぞれクラスタとして分類する。ここでのクラスタリング処理は、k-meansアルゴリズム、EMアルゴリズムやスペクトラルクラスタリングアルゴリズムといった近傍の最適化の教師なしクラスタリングアルゴリズム、あるいは教師なしSVM(Support Vector Machine)アルゴリズムやVQ(Vector Quantization)アルゴリズム、SOM(Self-Organizing Maps)アルゴリズムといった識別面の最適化の教師なしのクラスタリングアルゴリズムなど、公知のクラスタリング技術を適用してもよい。
図7は、データ処理システム12におけるモデル変更部3008の詳細な実施形態を示す。
本実施形態におけるモデル変更部3008は、因子予報データ3010と、因子データ分類部3007が算出した因子それぞれの過去の観測時系列の分類結果データ3007Bとを用いて、モデル同定部3006が算出したモデル(識別モデル3006B)を変更し、変更したモデルと因子予報データ3010を用いて、予測対象期間における予測対象の予測データ3008Bを算出する。
時間推移関数識別モデル変更部3008A1は、因子予報データ3010と、因子データ分類部3007が算出した因子それぞれの過去の観測時系列の分類結果データ3007Bとを用いて、モデル同定部3006が算出したモデル(識別モデル3006B)を変更する。
時間推移関数識別部3008A2は、時間推移関数識別モデル変更部3008A1が変更したモデルと、因子予報データ3010Aとを用いて、予測対象期間における予測対象の時間推移を算出するための時間推移関数を識別する。
補正データ算出部3008A3は、因子データ分類部3007が算出した因子データの分類結果3007Bと、因子予報データ3010Aとを用いて、時間推移関数識別部3008A2が算出した予測対象期間における予測対象の時間推移を示す関数(時間推移関数)の振幅値の大小を補正するための補正データを算出する。なおここでの補正データとは、具体的には、例えば、予測対象期間もしくは予測対象期間内の任意の期間における予測対象の最大値、最小値、積算値、あるいは予測対象期間内の任意の時刻の予測対象の値、もしくは上記関数に対して加算、減算するバイアス値や、関数に対して乗算する倍率値などである。
時間推移関数補正部3008A4は、補正データ算出部3008A3が算出した補正データを用いて、時間推移関数識別部3008A2が算出した予測データのその時間推移が、因子の値の時間推移に類似する関数(時間推移関数)を補正することで、予測対象期間における予測データ3008を算出する。
以上の動作を以って、需給管理システム1の動作は完結する。
図8と図9に、本実施の形態による効果と原理を説明する概念図を示す。
先ず図8は、時間推移関数群生成部3006A1および時間推移関数識別モデル生成部3006A2により算出された識別モデル(時間推移関数識別モデル)3006Bに従い、予測対象期間における予測対象の時間推移を示す値の予測データ3008Bを算出する過程、および結果の概念を示している。なおここでの予測対象は日内の時刻毎の電力需要であり、また説明の簡単のため、因子は日平均気温のみとしている。
(2-1)因子データ分類部の変形例
上記の実施形態では、因子データ分類部3007において、各種因子の周期的な特徴を示す指標データを用いたクラスタリング処理により因子データを分類するとしたが、本発明の趣旨である因子の時間推移の類似性に基づいた予測もしくは計画算出のためのモデルの変更を逸脱しない範囲で実施の形態を変形してもよい。
上記の実施形態では、モデル同定部3006が算出した予測データもしくは計画データ算出のためのモデル(識別モデル)を、モデル変更部3008が変更するとして説明したが、これに限らず、予測データもしくは計画データ算出のためのモデルの同定と変更を同時に処理するとしてもよい。すなわち、予測データもしくは計画データ算出のためのモデルの同定処理の時点において、因子データ分類部3007が算出したデータを使用した上でモデル同定を行うとしても良い。
上記の実施形態では、予測データを算出するためのモデルを電力需要の予測モデルとして説明したが、これに限らず、予測の誤差あるいは偏差の予測データを算出するためのモデルとしてもよい。
上記の実施形態では、データ処理システム12が行う処理は予測データの算出として説明したが、これに限らず、例えば、発電機の起動停止計画や、電力卸取引所における電力売買計画などの計画データを対象としても良い。
上記の実施形態では、因子データ分類部3007が算出したデータに基づいたモデルの変更を、ある一つのモデルを対象とする様に説明したが、これに限らず、複数のモデルからの選択もしくは切換としてのモデル変更処理であってもよい。
また本実施の形態における需給管理システム1では、説明の簡単のために、表示部を省いているが、各処理部の算出結果や、各処理部の算出の中間結果を、ディスプレイやプリンタなどの出力装置を通じて、適宜出力しても良い。
Claims (5)
- 予測対象もしくは計画対象の過去の観測データである対象観測時系列データを、複数の時系列データに細分化し、複数の時系列データの各々について当該時系列データに対し周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の時系列データを複数の対象クラスタに分類し、対象クラスタ毎に予測対象もしくは計画対象の値の時間推移を示す時間推移関数を生成し、前記複数の対象クラスタにそれぞれ対応した複数の生成された時間推移関数である時間推移関数群のうちの時間推移関数を、前記予測対象の予測データもしくは前記計画対象の計画データに関わる各種因子の因子観測時系列データに格納されている因子を用いて識別するためのモデルを生成する第一の処理部と、
前記因子観測時系列データを、複数の時系列データである複数の因子データに細分化し、複数の因子データの各々について当該時系列データに周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の因子データを複数の因子クラスタに分類する第二の処理部と、
前記第二の処理部による分類結果としての複数の因子クラスタのうち、予測対象期間又は計画対象期間における因子の値の時間推移の因子予報データと類似する因子クラスタを、因子それぞれについて特定し、特定した因子クラスタに所属する因子データそれぞれの観測日時に対応する予測対象もしくは計画対象の過去の観測データを前記対象観測時系列データから抽出し、抽出した観測データへの適合が強まるように前記生成されたモデルを変更する第三の処理部と
を有することを特徴とするデータ処理システム。 - 予測対象もしくは計画対象の過去の観測データである対象観測時系列データを、複数の時系列データに細分化し、複数の時系列データの各々について当該時系列データに対し周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の時系列データを複数の対象クラスタに分類し、対象クラスタ毎に予測対象もしくは計画対象の値の時間推移を示す時間推移関数を生成し、前記複数の対象クラスタにそれぞれ対応した複数の生成された時間推移関数である時間推移関数群のうちの時間推移関数を、前記予測対象の予測データもしくは前記計画対象の計画データに関わる各種因子の因子観測時系列データに格納されている因子を用いて識別するためのモデルを複数生成する第一の処理部と、
前記因子観測時系列データを、複数の時系列データである複数の因子データに細分化し、複数の因子データの各々について当該時系列データに周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の因子データを複数の因子クラスタに分類し、分類された因子クラスタのそれぞれに対して、前記第一の処理部が生成した複数のモデルそれぞれとの適合性を示す指標データを算出する第二の処理部と、
前記第二の処理部による分類結果としての複数の因子クラスタのうち、予測対象期間又は計画対象期間における因子の値の時間推移の因子予報データと類似する因子クラスタを、因子それぞれについて特定し、特定した因子クラスタとの適合性を示す指標データが最も高いモデルを、前記第一の処理部により生成された複数のモデルから選択する第三の処理部と
を有することを特徴とするデータ処理システム。 - 前記算出される予測データは、電力需要量、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも気温、
もしくは、前記算出される予測データは、太陽光発電量、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも日射量、
もしくは、前記算出される計画データは、発電機起動停止計画、前記予測データもしくは前記計画データに関わる各種因子のデータに使用する因子データは、少なくとも電力需要量、卸電力価格であること
を特徴とする請求項1または2に記載のデータ処理システム。 - 予測対象もしくは計画対象の過去の観測データである対象観測時系列データを、複数の時系列データに細分化し、複数の時系列データの各々について当該時系列データに対し周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の時系列データを複数の対象クラスタに分類し、対象クラスタ毎に予測対象もしくは計画対象の値の時間推移を示す時間推移関数を生成し、前記複数の対象クラスタにそれぞれ対応した複数の生成された時間推移関数である時間推移関数群のうちの時間推移関数を、前記予測対象の予測データもしくは前記計画対象の計画データに関わる各種因子の因子観測時系列データに格納されている因子を用いて識別するためのモデルを生成する第一のステップと、
前記因子観測時系列データを、複数の時系列データである複数の因子データに細分化し、複数の因子データの各々について当該時系列データに周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の因子データを複数の因子クラスタに分類する第二のステップと、
前記第二のステップによる分類結果としての複数の因子クラスタのうち、予測対象期間又は計画対象期間における因子の値の時間推移の因子予報データと類似する因子クラスタを、因子それぞれについて特定し、特定した因子クラスタに所属する因子データそれぞれの観測日時に対応する予測対象もしくは計画対象の過去の観測データを前記対象観測時系列データから抽出し、抽出した観測データへの適合が強まるように前記生成されたモデルを変更する第三のステップと
をコンピュータが実行することを特徴とするデータ処理方法。 - 予測対象もしくは計画対象の過去の観測データである対象観測時系列データを、複数の時系列データに細分化し、複数の時系列データの各々について当該時系列データに対し周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の時系列データを複数の対象クラスタに分類し、対象クラスタ毎に予測対象もしくは計画対象の値の時間推移を示す時間推移関数を生成し、前記複数の対象クラスタにそれぞれ対応した複数の生成された時間推移関数である時間推移関数群のうちの時間推移関数を、前記予測対象の予測データもしくは前記計画対象の計画データに関わる各種因子の因子観測時系列データに格納されている因子を用いて識別するためのモデルを複数生成する第一のステップと、
前記因子観測時系列データを、複数の時系列データである複数の因子データに細分化し、複数の因子データの各々について当該時系列データに周波数解析処理を施すことで周期的な特徴を示す指標データを算出し、周期的な特徴が類似する指標データ同士を一つの群となるように前記複数の因子データを複数の因子クラスタに分類し、分類された因子クラスタのそれぞれに対して、前記第一のステップが生成した複数のモデルそれぞれとの適合性を示す指標データを算出する第二のステップと、
前記第二のステップによる分類結果としての複数の因子クラスタのうち、予測対象期間又は計画対象期間における因子の値の時間推移の因子予報データと類似する因子クラスタを、因子それぞれについて特定し、特定した因子クラスタとの適合性を示す指標データが最も高いモデルを、前記第一のステップにより生成された複数のモデルから選択する第三のステップと
をコンピュータが実行することを特徴とするデータ処理方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016236105A JP7319757B2 (ja) | 2016-12-05 | 2016-12-05 | データ処理システム及びデータ処理方法 |
US16/332,076 US11409498B2 (en) | 2016-12-05 | 2017-11-17 | Data processing system and data processing method |
EP17879598.5A EP3550480A4 (en) | 2016-12-05 | 2017-11-17 | DATA PROCESSING SYSTEM AND DATA PROCESSING METHOD |
PCT/JP2017/041400 WO2018105357A1 (ja) | 2016-12-05 | 2017-11-17 | データ処理システム及びデータ処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016236105A JP7319757B2 (ja) | 2016-12-05 | 2016-12-05 | データ処理システム及びデータ処理方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018092439A JP2018092439A (ja) | 2018-06-14 |
JP2018092439A5 JP2018092439A5 (ja) | 2019-05-09 |
JP7319757B2 true JP7319757B2 (ja) | 2023-08-02 |
Family
ID=62490871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016236105A Active JP7319757B2 (ja) | 2016-12-05 | 2016-12-05 | データ処理システム及びデータ処理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11409498B2 (ja) |
EP (1) | EP3550480A4 (ja) |
JP (1) | JP7319757B2 (ja) |
WO (1) | WO2018105357A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6735219B2 (ja) | 2016-12-05 | 2020-08-05 | 株式会社日立製作所 | 予測システム及び予測方法 |
US11875371B1 (en) | 2017-04-24 | 2024-01-16 | Skyline Products, Inc. | Price optimization system |
CA3114157C (en) * | 2018-11-01 | 2023-06-27 | Nec Corporation | Process management device, process management method, and process management program storage medium |
US11221607B2 (en) * | 2018-11-13 | 2022-01-11 | Rockwell Automation Technologies, Inc. | Systems and methods for analyzing stream-based data for asset operation |
US11740912B2 (en) | 2019-02-01 | 2023-08-29 | Nec Corporation | Operation support apparatus, system, method, and non-transitory computer readable medium storing program |
KR102065780B1 (ko) * | 2019-03-20 | 2020-01-13 | (주)제타큐브사이언스 | 빅데이터를 활용한 인공지능 시계열 데이터 예측을 수행하는 전자 장치 및 그 예측 방법 |
JP7243361B2 (ja) * | 2019-03-25 | 2023-03-22 | 富士通株式会社 | ジョブスケジューラ及びジョブスケジュール制御方法 |
KR102628551B1 (ko) * | 2019-05-14 | 2024-01-26 | 한국전력공사 | 하이브리드 타입 단기 전력수요 예측 장치 및 방법 |
JP6857301B2 (ja) * | 2019-06-06 | 2021-04-14 | 国立大学法人九州大学 | 電力需要量予測装置及び電力需要量予測方法 |
WO2020261449A1 (ja) * | 2019-06-26 | 2020-12-30 | 日本電信電話株式会社 | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム |
JP7257276B2 (ja) * | 2019-07-05 | 2023-04-13 | 株式会社日立製作所 | データ予測システム及びその方法 |
US11636310B2 (en) * | 2019-08-23 | 2023-04-25 | Johnson Controls Tyco IP Holdings LLP | Building system with selective use of data for probabilistic forecasting |
JP7316233B2 (ja) * | 2020-02-12 | 2023-07-27 | 株式会社日立製作所 | データ処理システムおよびデータ処理方法 |
WO2021210107A1 (ja) * | 2020-04-15 | 2021-10-21 | 日本電信電話株式会社 | モデル作成装置、モデル作成方法、及びモデル作成プログラム |
KR20210146528A (ko) | 2020-05-27 | 2021-12-06 | 삼성전자주식회사 | 전자장치 및 그 제어방법 |
CN111784381B (zh) * | 2020-06-09 | 2023-05-16 | 北京邮电大学 | 基于隐私保护和som网络的电力客户细分方法及系统 |
JP2022178003A (ja) * | 2021-05-19 | 2022-12-02 | 株式会社日立製作所 | 推定システムおよび推定方法 |
CN114429249B (zh) * | 2022-04-06 | 2022-08-16 | 杭州未名信科科技有限公司 | 钢管束生产设备的寿命预测方法、系统、设备及存储介质 |
CN114757722B (zh) * | 2022-06-09 | 2023-11-14 | 荣耀终端有限公司 | 一种电子设备的销量预测方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006331229A (ja) | 2005-05-27 | 2006-12-07 | Toshiba Corp | 電力取引支援システムと方法、およびプログラム |
JP2007199862A (ja) | 2006-01-24 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー需要予測方法、予測装置、プログラム、および記録媒体 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009225613A (ja) | 2008-03-18 | 2009-10-01 | Tokyo Electric Power Co Inc:The | 電力需要予測装置及び電力需要予測方法 |
US9292013B2 (en) | 2012-01-12 | 2016-03-22 | Enerallies, Inc. | Energy management computer system |
JP5797599B2 (ja) * | 2012-04-19 | 2015-10-21 | 株式会社日立パワーソリューションズ | 発電量予測方法及びそのシステム |
JP2014180187A (ja) | 2013-03-15 | 2014-09-25 | Toshiba Corp | 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置 |
JP6297466B2 (ja) * | 2014-10-22 | 2018-03-20 | 株式会社日立製作所 | 卸電力価格予測システムおよび卸電力価格予測方法 |
JP6408451B2 (ja) | 2015-05-21 | 2018-10-17 | 株式会社日立製作所 | エネルギー需要予測システム及びエネルギー需要予測方法 |
-
2016
- 2016-12-05 JP JP2016236105A patent/JP7319757B2/ja active Active
-
2017
- 2017-11-17 EP EP17879598.5A patent/EP3550480A4/en not_active Ceased
- 2017-11-17 US US16/332,076 patent/US11409498B2/en active Active
- 2017-11-17 WO PCT/JP2017/041400 patent/WO2018105357A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006331229A (ja) | 2005-05-27 | 2006-12-07 | Toshiba Corp | 電力取引支援システムと方法、およびプログラム |
JP2007199862A (ja) | 2006-01-24 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー需要予測方法、予測装置、プログラム、および記録媒体 |
Non-Patent Citations (1)
Title |
---|
Yuanmei Wen 他1名、"A Prediction Model Based on Adaptive Selective Scenario Clustering and Error Correction"、2016 2nd IEEE International Conference on Computer and Communications (ICCC)、2016年、p670,672-675 |
Also Published As
Publication number | Publication date |
---|---|
WO2018105357A1 (ja) | 2018-06-14 |
US11409498B2 (en) | 2022-08-09 |
EP3550480A1 (en) | 2019-10-09 |
US20190369963A1 (en) | 2019-12-05 |
JP2018092439A (ja) | 2018-06-14 |
EP3550480A4 (en) | 2020-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7319757B2 (ja) | データ処理システム及びデータ処理方法 | |
JP6895416B2 (ja) | エネルギー需要予測システム及びエネルギー需要予測方法 | |
JP2018092439A5 (ja) | ||
US11593690B2 (en) | Data prediction system and data prediction method | |
JP6837949B2 (ja) | 予測システム及び方法 | |
US11107094B2 (en) | Prediction system and prediction method | |
JP6831280B2 (ja) | 予測システム、及び、予測方法 | |
Park et al. | A framework for baseline load estimation in demand response: Data mining approach | |
US10740773B2 (en) | Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities | |
WO2017212880A1 (ja) | データ予測システムおよびデータ予測方法 | |
Arjmand et al. | Meta-learning in multivariate load demand forecasting with exogenous meta-features | |
Matsuo et al. | Forecasting daily electric load by applying artificial neural network with fourier transformation and principal component analysis technique | |
WO2016185919A1 (ja) | エネルギー需要予測システム及びエネルギー需要予測方法 | |
US20190370673A1 (en) | Data prediction system, data prediction method, and data prediction apparatus | |
Gajowniczek et al. | Seasonal peak demand classification with machine learning techniques | |
Sinitsyna et al. | Identification of Electric Power Consumption Patterns in Relation to Standard Load Profiles | |
WO2024014035A1 (ja) | データ予測支援方法およびデータ予測システム | |
US20240146580A1 (en) | Estimation system and estimation method | |
Oliveira et al. | Long-Term Energy Consumption Forecast for a Commercial Virtual Power Plant Using a Hybrid K-means and Linear Regression Algorithm | |
Zhao | Research on E-Commerce Retail Demand Forecasting Based on SARIMA Model and K-means Clustering Algorithm | |
Inala et al. | Optimal Load Prediction in a Smart Metering Network using Random Forest Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190327 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200526 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200722 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200923 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210330 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210625 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210625 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210706 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210713 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20211015 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20211019 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20211207 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220111 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220412 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20230404 |
|
C28A | Non-patent document cited |
Free format text: JAPANESE INTERMEDIATE CODE: C2838 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230530 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230721 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7319757 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |