JP7360005B2 - 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム - Google Patents

目標電力算出装置、目標電力算出方法及び目標電力算出プログラム Download PDF

Info

Publication number
JP7360005B2
JP7360005B2 JP2019023839A JP2019023839A JP7360005B2 JP 7360005 B2 JP7360005 B2 JP 7360005B2 JP 2019023839 A JP2019023839 A JP 2019023839A JP 2019023839 A JP2019023839 A JP 2019023839A JP 7360005 B2 JP7360005 B2 JP 7360005B2
Authority
JP
Japan
Prior art keywords
target power
period
information
demand control
learning
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
JP2019023839A
Other languages
English (en)
Other versions
JP2020137167A (ja
Inventor
耕平 黒田
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.)
Daikin Industries Ltd
Original Assignee
Daikin Industries 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 Daikin Industries Ltd filed Critical Daikin Industries Ltd
Priority to JP2019023839A priority Critical patent/JP7360005B2/ja
Priority to CN202080011504.7A priority patent/CN113366723A/zh
Priority to EP20755552.5A priority patent/EP3926778A4/en
Priority to PCT/JP2020/004400 priority patent/WO2020166456A1/ja
Priority to US17/310,559 priority patent/US20220019210A1/en
Priority to SG11202108722UA priority patent/SG11202108722UA/en
Publication of JP2020137167A publication Critical patent/JP2020137167A/ja
Application granted granted Critical
Publication of JP7360005B2 publication Critical patent/JP7360005B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • Y04S20/244—Home appliances the home appliances being or involving heating ventilating and air conditioning [HVAC] units
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Description

本開示は、目標電力算出装置、目標電力算出方法及び目標電力算出プログラムに関する。
従来より、契約電力を低減するために、各機器（例えば、空調機器）への供給電力を、目標電力に基づいて制御するデマンド制御処理が知られている。また、デマンド制御処理を行う際に設定した目標電力についての適否を判定する判定技術も提案されている。
特開２００２－１６５３６１号公報
しかしながら、従来の判定技術では、目標電力が不適であると判定された場合に、適切な目標電力を導出することまではできない。
本開示は、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置、目標電力算出方法及び目標電力算出プログラムを提供する。
本開示の第１の態様による目標電力算出装置は、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報に従って、該第１の期間において設定された目標電力の適否を学習する学習部と、
前記学習部による学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで取得された制御情報から、該第２の期間において設定された目標電力の適否を推論する推論部と、
前記推論部が不適であると推論した場合に、前記第２の期間において設定された目標電力を、所定の補正量に基づいて補正する補正部とを有する。
本開示の第１の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置を提供することができる。
また、本開示の第２の態様は、第１の態様に記載の目標電力算出装置であって、
前記制御情報は、デマンド制御処理が行われることにより電力の供給が遮断される範囲の程度を表す遮断レベルの発生状況を示す情報を含む。
また、本開示の第３の態様は、第２の態様に記載の目標電力算出装置であって、
前記制御情報は、各遮断レベルの累積時間、または、各遮断レベルの累積時間の比率のいずれか一方を含む。
また、本開示の第４の態様は、第１乃至第３のいずれかの態様に記載の目標電力算出装置であって、
前記学習部は、前記第１の期間においてデマンド制御処理が行われることで取得された制御情報と、前記第１の期間においてデマンド制御処理が行われた空調機器が配された居室の快適性を示す情報との組み合わせを含むデータセットに従って、前記第１の期間において設定された目標電力の適否を学習する。
また、本開示の第５の態様による目標電力算出装置は、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報を取得する取得部と、
前記使用された電力の実績情報に従って、前記第１の期間において設定されるべき目標電力を学習する学習部とを有する。
本開示の第５の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置を提供することができる。
また、本開示の第６の態様は、第５の態様に記載の目標電力算出装置であって、
前記取得部は、前記第１の期間においてデマンド制御処理が行われた空調機器の機器情報であって、該空調機器の運転時間、機器種別、物件属性、熱負荷、能力のいずれかを含む機器情報を更に取得し、
前記学習部は、前記使用された電力の実績情報と前記機器情報との組み合わせを含むデータセットに従って、前記第１の期間において設定されるべき目標電力を学習する。
また、本開示の第７の態様は、第５の態様に記載の目標電力算出装置であって、
前記取得部は、前記第１の期間においてデマンド制御処理が行われることで取得された、前記使用された電力の実績情報に対応する環境情報であって、天候、日射量、室外温度、室外湿度、室内温度、室内湿度、在室人数のいずれかを含む環境情報を更に取得し、
前記学習部は、前記使用された電力の実績情報と前記環境情報との組み合わせを含むデータセットに従って、前記第１の期間において設定されるべき目標電力を学習する。
また、本開示の第８の態様は、第５の態様に記載の目標電力算出装置であって、
前記学習部による学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで使用された電力の実績情報から、第２の期間において設定されるべき目標電力を推論する推論部を更に有する。
また、本開示の第９の態様による目標電力算出装置は、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報から、該第１の期間において設定された目標電力に関する報酬を算出する算出部と、
設定された目標電力に基づいて、前記第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報に従って、第２の期間において設定されるべき目標電力を学習する学習部と、を有し、
前記学習部は、前記報酬に基づいて、前記第２の期間において設定されるべき目標電力を学習する。
本開示の第９の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置を提供することができる。
また、本開示の第１０の態様は、第９の態様に記載の目標電力算出装置であって、
前記制御情報は、デマンド制御処理が行われることにより電力の供給が遮断される範囲の程度を表す遮断レベルの発生状況を示す情報を含む。
また、本開示の第１１の態様は、第１０の態様に記載の目標電力算出装置であって、
前記制御情報は、各遮断レベルの累積時間、または、各遮断レベルの累積時間の比率のいずれか一方を含む。
また、本開示の第１２の態様は、第９乃至第１１のいずれかの態様に記載の目標電力算出装置であって、
前記算出部は、前記第１の期間においてデマンド制御処理が行われることで取得された制御情報と、前記第１の期間においてデマンド制御処理が行われた空調機器が配された居室の快適性を示す情報とに基づいて、前記第１の期間において設定された目標電力に関する報酬を算出する。
また、本開示の第１３の態様は、第９の態様に記載の目標電力算出装置であって、
前記第１の期間においてデマンド制御処理が行われた空調機器の機器情報であって、該空調機器の運転時間、機器種別、物件属性、熱負荷、能力のいずれかを含む機器情報を更に取得し、
前記学習部は、前記使用された電力の実績情報と前記機器情報との組み合わせを含むデータセットに従って、前記第２の期間において設定されるべき目標電力を学習する。
また、本開示の第１４の態様は、第９の態様に記載の目標電力算出装置であって、
前記第１の期間においてデマンド制御処理が行われることで取得された、前記使用された電力の実績情報に対応する環境情報であって、天候、日射量、室外温度、室外湿度、室内温度、室内湿度、在室人数のいずれかを含む環境情報を更に取得し、
前記学習部は、前記使用された電力の実績情報と前記環境情報との組み合わせを含むデータセットに従って、前記第２の期間において設定されるべき目標電力を学習する。
また、本開示の第１５の態様は、第９の態様に記載の目標電力算出装置であって、
前記算出部は、設定された目標電力に基づいて、所定の期間においてデマンド制御処理が行われることで取得された制御情報から、該所定の期間において設定された目標電力の適否を学習する学習部による学習の結果に基づき、前記第１の期間においてデマンド制御処理が行われることで取得された制御情報から、前記第１の期間において設定された目標電力の適否を推論し、推論した適否から、前記第１の期間において設定された目標電力に関する報酬を算出する。
また、本開示の第１６の態様による目標電力算出方法は、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報に従って、該第１の期間において設定された目標電力の適否を学習する学習工程と、
前記学習工程における学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで取得された制御情報から、該第２の期間において設定された目標電力の適否を推論する推論工程と、
前記推論工程において不適であると推論された場合に、前記第２の期間において設定された目標電力を、所定の補正量に基づいて補正する補正工程とを有する。
本開示の第１６の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出方法を提供することができる。
また、本開示の第１７の態様による目標電力算出プログラムは、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報に従って、該第１の期間において設定された目標電力の適否を学習する学習工程と、
前記学習工程における学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで取得された制御情報から、該第２の期間において設定された目標電力の適否を推論する推論工程と、
前記推論工程において不適であると推論された場合に、前記第２の期間において設定された目標電力を、所定の補正量に基づいて補正する補正工程とをコンピュータに実行させる。
本開示の第１７の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出プログラムを提供することができる。
また、本開示の第１８の態様による目標電力算出方法は、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報を取得する取得工程と、
前記使用された電力の実績情報に従って、前記第１の期間において設定されるべき目標電力を学習する学習工程とを有する。
本開示の第１８の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出方法を提供することができる。
また、本開示の第１９の態様による目標電力算出プログラムは、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報を取得する取得工程と、
前記使用された電力の実績情報に従って、前記第１の期間において設定されるべき目標電力を学習する学習工程とをコンピュータに実行させる。
本開示の第１９の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出プログラムを提供することができる。
また、本開示の第２０の態様による目標電力算出方法は、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報から、該第１の期間において設定された目標電力に関する報酬を算出する算出工程と、
設定された目標電力に基づいて、前記第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報に従って、第２の期間において設定されるべき目標電力を学習する学習工程と、を有し、
前記学習工程は、前記報酬に基づいて、前記第２の期間において設定されるべき目標電力を学習する。
本開示の第２０の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出方法を提供することができる。
また、本開示の第２１の態様による目標電力算出プログラムは、
設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報から、該第１の期間において設定された目標電力に関する報酬を算出する算出工程と、
設定された目標電力に基づいて、前記第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報に従って、第２の期間において設定されるべき目標電力を学習する学習工程と、をコンピュータに実行させるための目標電力算出プログラムであって、
前記学習工程は、前記報酬に基づいて、前記第２の期間において設定されるべき目標電力を学習する。
本開示の第２１の態様によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出プログラムを提供することができる。
デマンド制御システムのシステム構成の一例を示す第１の図である。 デマンド制御対象の具体例を示す図である。 目標電力算出装置のハードウェア構成の一例を示す図である。 デマンド制御部の機能構成の一例を示す図である。 デマンド制御処理の具体例を示す図である。 解析結果の具体例を示す図である。 履歴情報の具体例を示す図である。 第１の実施形態に係る目標電力算出装置の、学習フェーズにおいて実現される機能の一例を示す図である。 第１の実施形態に係る目標電力算出装置の、推論フェーズにおいて実現される機能の一例を示す図である。 第１の実施形態に係る目標電力算出装置による目標電力算出処理の流れを示すフローチャートである。 第２の実施形態に係る目標電力算出装置の、学習フェーズにおいて実現される機能の一例を示す図である。 第２の実施形態に係る目標電力算出装置の、推論フェーズにおいて実現される機能の一例を示す図である。 第２の実施形態に係る目標電力算出装置による目標電力算出処理の流れを示すフローチャートである。 デマンド制御システムのシステム構成の一例を示す第２の図である。 第３の実施形態に係る目標電力算出装置の機能構成の一例を示す図である。 第３の実施形態に係る目標電力算出装置による目標電力算出処理の流れを示すフローチャートである。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省く。
［第１の実施形態］
＜デマンド制御システムのシステム構成＞
はじめに、デマンド制御システムのシステム構成について説明する。図１は、デマンド制御システムのシステム構成の一例を示す第１の図である。図１に示すように、デマンド制御システム１００は、例えば、オフィスビル等の建物１４０内において実現され、デマンド制御対象１１０と、デマンド制御装置１２０と、目標電力算出装置１３０とを有する。
デマンド制御対象１１０は、供給される電力が制御される各機器を含む。各機器は、目標電力を超えないように、デマンド制御装置１２０によって供給される電力が制御される。図１に示す機器１、機器２、・・・機器ｎは、例えば、建物１４０内の各居室に配された空調機器である。
デマンド制御対象１１０に含まれる各機器は、デマンド制御装置１２０から送信されるデマンド制御データ（例えば、電力の供給を遮断する遮断指令、遮断した電力の供給を再開する復帰指令等）に基づいて動作する。
デマンド制御対象１１０に含まれる各機器において使用された電力量は、デマンドパルスとして、デマンド制御装置１２０に送信される。また、デマンド制御対象１１０に含まれる各機器の機器情報や、デマンド制御対象１１０に含まれる各機器によって、デマンド制御処理期間に検出された環境情報、機器情報等の各種情報は、デマンド制御装置１２０に送信される。
デマンド制御装置１２０には、デマンド制御プログラムがインストールされており、当該プログラムが実行されることで、デマンド制御装置１２０は、デマンド制御部１２１として機能する。
デマンド制御部１２１は、
・デマンド制御処理期間に取得した情報（デマンド制御対象１１０から送信された各種情報を含む）、
・取得した情報を解析した解析結果、
等（以下、これらを「履歴情報」と称す）を目標電力算出装置１３０に送信する。
また、デマンド制御部１２１は、履歴情報を目標電力算出装置１３０に送信したことに応じて目標電力算出装置１３０によって新たに算出された目標電力を取得し、デマンド制御装置１２０内のメモリに設定する。デマンド制御部１２１は、設定した目標電力に基づいてデマンド制御処理を行う。
目標電力算出装置１３０には、目標電力算出プログラムがインストールされており、当該プログラムが実行されることで、目標電力算出装置１３０は、学習部１３１、入力部１３２、推論部１３３として機能する。
学習部１３１は取得部の一例であり、デマンド制御部１２１より送信された履歴情報を取得する。また、学習部１３１は学習部の一例であり、取得した履歴情報に基づいて、目標電力を算出するためのモデルについて機械学習を行う。これにより、学習部１３１は、目標電力を算出するための学習済みモデルを生成する。
入力部１３２は入力部の一例である。入力部１３２は、例えば、学習部１３１がモデルについて機械学習を行う際に、デマンド制御装置１２０の管理者により入力された情報を受け付ける。デマンド制御装置１２０の管理者は、履歴情報を参照することで得た知見を入力する。なお、入力部１３２への情報の入力は、手動であっても自動であってもよい。入力部１３２への情報の自動入力とは、例えば、予め定められた形式に情報が配列されたデータを生成しておき、当該データを入力部１３２に流し込むことで、情報を入力する方式等が挙げられる。
推論部１３３は、デマンド制御部１２１より新たに送信された履歴情報を学習済みモデルに入力し、学習済みモデルを実行させることで、適切な目標電力を算出する。また、推論部１３３は、算出した目標電力をデマンド制御部１２１に送信する。
＜デマンド制御対象の具体例＞
次に、デマンド制御対象１１０の具体例について説明する。図２は、デマンド制御対象の具体例を示す図である。図２では、デマンド制御対象１１０として、空調機器２１０、２２０、２３０を例示している。
空調機器２１０は、建物１４０内の所定のフロア２００の居室２１１内の空気の汚れを除去し、温度、湿度を自動的に調整するように動作する。なお、空調機器２１０は、動作時に、居室内情報２１２（居室２１１内の在室人数、室内温度、室内湿度等）を検出する。また、空調機器２１０は、動作時に、運転時間を検出する。
同様に、空調機器２２０は、建物１４０内の所定のフロア２００の居室２２１内の空気の汚れを除去し、温度、湿度を自動的に調整するように動作する。なお、空調機器２２０は、動作時に、居室内情報２２２（居室２２１内の在室人数、室内温度、室内湿度等）を検出する。また、空調機器２２０は、動作時に、運転時間を検出する。
同様に、空調機器２３０は、建物１４０内の所定のフロア２００の居室２３１内の空気の汚れを除去し、温度、湿度を自動的に調整するように動作する。なお、空調機器２３０は、動作時に、居室内情報２３２（居室２３１内の在室人数、室内温度、室内湿度等）を検出する。また、空調機器２３０は、動作時に、運転時間を検出する。
更に、空調機器２１０、２２０、２３０は、動作時に、建物外情報２４０（建物１４０外の天候、日射量、室外温度、室外湿度等）を検出する。
なお、図２では、空調機器２１０、２２０、２３０に電力を供給するための電力線を省略しているが、当該電力線には、電力メータが取り付けられているものとする。また、電力メータはデマンドパルスをデマンド制御装置１２０に送信するように構成されているものとする。
また、図２では、空調機器２１０、２２０、２３０にデマンド制御データを送信するための制御線を省略している。ただし、空調機器２１０、２２０、２３０は、当該制御線を介して、デマンド制御装置１２０から送信されるデマンド制御データを受信するように構成されているものとする。
また、図２では、空調機器２１０、２２０、２３０によって検出された環境情報（居室内情報、建物外情報）をデマンド制御装置１２０に送信するための通信線を省略している。ただし、空調機器２１０、２２０、２３０は、当該通信線を介して、デマンド制御装置１２０に対して環境情報を送信するように構成されているものとする。また、空調機器２１０、２２０、２３０は、当該通信線を介して、各機器の機器情報（運転時間を含む）を、デマンド制御装置１２０に対して送信するように構成されているものとする。
＜目標電力算出装置のハードウェア構成＞
次に、デマンド制御システム１００を構成する各装置のハードウェア構成について説明する。なお、デマンド制御装置１２０と目標電力算出装置１３０とは同様のハードウェア構成を有するため、ここでは、目標電力算出装置１３０のハードウェア構成についてのみ説明する。
図３は、目標電力算出装置のハードウェア構成の一例を示す図である。図３に示すように、目標電力算出装置１３０は、ＣＰＵ（Central Processing Unit）３０１、ＲＯＭ（Read Only Memory）３０２、ＲＡＭ（Random Access Memory）３０３を有する。ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３は、いわゆるコンピュータを形成する。また、目標電力算出装置１３０は、補助記憶装置３０４、表示装置３０５、操作装置３０６、Ｉ／Ｆ（Interface）装置３０７、ドライブ装置３０８を有する。目標電力算出装置１３０の各ハードウェアは、バス３０９を介して相互に接続される。
ＣＰＵ３０１は、補助記憶装置３０４にインストールされている各種プログラム（例えば、目標電力算出プログラム等）を実行する演算デバイスである。ＲＯＭ３０２は、不揮発性メモリである。ＲＯＭ３０２は、主記憶デバイスとして機能し、補助記憶装置３０４にインストールされている各種プログラムをＣＰＵ３０１が実行するために必要な各種プログラムやデータ等を格納する。具体的には、ＲＯＭ３０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
ＲＡＭ３０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ３０３は、主記憶デバイスとして機能し、補助記憶装置３０４にインストールされている各種プログラムがＣＰＵ３０１によって実行される際に展開される作業領域を提供する。
補助記憶装置３０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する。
表示装置３０５は、目標電力算出装置１３０が取得した情報（例えば、履歴情報）を表示する、表示デバイスである。操作装置３０６は、例えば、デマンド制御装置１２０の管理者や各居室の利用者が目標電力算出装置１３０に対して各種操作を行うための操作デバイスである。Ｉ／Ｆ装置３０７は、デマンド制御装置１２０と通信する通信デバイスである。
ドライブ装置３０８は記録媒体３１０をセットするためのデバイスである。ここでいう記録媒体３１０には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体３１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置３０４にインストールされる各種プログラムは、例えば、配布された記録媒体３１０がドライブ装置３０８にセットされ、該記録媒体３１０に記録された各種プログラムがドライブ装置３０８により読み出されることでインストールされる。あるいは、補助記憶装置３０４にインストールされる各種プログラムは、不図示のネットワークよりダウンロードされることで、インストールされてもよい。
＜デマンド制御部の機能構成＞
次に、デマンド制御部１２１の機能構成について説明する。図４は、デマンド制御部の機能構成の一例を示す図である。図４に示すように、デマンド制御部１２１は、パルスカウンタ４０１、残り時間演算部４０２、予測電力演算部４０３、制御要否判定部４０４、負荷制御部４０５、解析部４０６を有する。
パルスカウンタ４０１は、デマンドパルスを積算し、デマンド制御対象１１０により使用された電力の実績情報を算出する。残り時間演算部４０２は、デマンド時限（例えば、３０分間）から経過時間を減算することで、残り時間を算出する。予測電力演算部４０３は、使用された電力の実績情報及び残り時間に基づいて、予測電力を算出する。
制御要否判定部４０４は、目標電力格納部４１１から読み出し、メモリに設定した目標電力と、予測電力演算部４０３にて算出された予測電力とに基づいて、制御の要否を判定し、制御が必要と判定した場合に、遮断レベルを負荷制御部４０５に出力する。
遮断レベルとは、デマンド制御対象１１０に含まれる各機器において、遮断指令により電力の供給が遮断される範囲の程度を表す値である。遮断レベルが高い状態とは、多数の機器に対して遮断指令が出力されている状態、または、各機器の能力を制限している状態を指す。また、遮断レベルが低い状態とは、遮断指令が出力されている機器が少ない状態、または、各機器の能力を制限していない状態を指す。
なお、目標電力格納部４１１に格納された目標電力は、目標電力算出装置１３０により更新される。また、制御要否判定部４０４は、読み出した目標電力や、出力した遮断レベル、使用された電力の実績情報等を、デマンド制御対象１１０より送信された各種情報と対応付けて、履歴情報格納部４１２に格納する。
負荷制御部４０５は、デマンド制御データをデマンド制御対象１１０に送信する。デマンド制御データには、制御要否判定部４０４より出力された遮断レベルに応じた遮断指令または復帰指令が含まれる。
解析部４０６は、履歴情報格納部４１２に格納された遮断レベルを解析し、解析結果を遮断レベルと対応付けて履歴情報格納部４１２に格納する。
なお、履歴情報格納部４１２に格納された履歴情報は、目標電力算出装置１３０によって読み出される。
＜デマンド制御処理の具体例＞
次に、デマンド制御部１２１によるデマンド制御処理の具体例について説明する。図５は、デマンド制御処理の具体例を示す図である。
このうち、図５（ａ）は、デマンド時限において使用された電力の実績情報の一例を示している。図５（ａ）において、横軸は時間を表し、縦軸は電力を表す。また、横軸の"Ｔ"は、デマンド時限開始直後の、"デマンド制御データの出力を禁止すべき時間"であり、"３０分"は、デマンド時限である。更に、縦軸の"α"は、目標電力である。
図５（ａ）のグラフ５０１は、デマンド時限開始直後から現在時刻までの間に使用された電力の実績情報である。予測電力演算部４０３は、例えば、所定のパルス重み×パルス積算値×（６０÷デマンド時限［分］）を算出することで、現在時刻までに使用された電力の実績情報を算出する。また、予測電力演算部４０３は、（現在時刻までに使用された電力の実績情報）＋（過去Δｔ分間の電力変化量）÷（サンプリング時間Δｔ）×（残り時間）を算出することで、予測電力を算出する。
なお、制御要否判定部４０４は、目標電力÷デマンド時限×経過時間を算出することで、各時刻における目標現在電力を得る。
一方、図５（ｂ）は、デマンド時限における遮断レベルの発生状況の一例を示している。図５（ｂ）において、横軸は時間を表し、縦軸は遮断レベルを表す。
制御要否判定部４０４は、
・予測電力≧目標電力、かつ、
・現在時刻までに使用された電力の実績情報≧目標現在電力
の場合に、遮断レベルを１つ上げる。この場合、負荷制御部４０５は、デマンド制御データとして遮断指令を出力する。
また、制御要否判定部４０４は、
・予測電力＜目標電力
・現在時刻までに使用された電力の実績情報＜目標現在電力
の場合に、遮断レベルを１つ下げる。この場合、負荷制御部４０５は、デマンド制御データとして復帰指令を出力する。
また、制御要否判定部４０４は、上記条件のいずれも成立しない場合、遮断レベルを維持する。この場合、負荷制御部４０５は、デマンド制御データ（遮断指令、復帰指令）を出力しない。
図５（ｂ）のグラフ５１１は、デマンド時限開始直後から現在時刻までの間の遮断レベルの発生状況を表している。グラフ５１１の例は、現在時刻の直前で、
・予測電力≧目標電力、かつ、
・現在時刻までに使用された電力の実績情報≧目標現在電力、
の条件が成立したことで、制御要否判定部４０４が、遮断レベルを１つ上げたことを示している。
＜解析部による解析結果の具体例＞
次に、解析部４０６による解析結果の具体例について説明する。解析部４０６による解析結果は、履歴情報格納部４１２に格納された遮断レベルの発生状況が、解析部４０６によって解析されることで得られる。図６は、解析結果の具体例を示す図である。
このうち、図６（ａ－１）及び（ａ－２）は、制御要否判定部４０４によって履歴情報格納部４１２に格納された遮断レベルの発生状況が、解析部４０６によって解析されることで算出された、遮断レベルごとの累積時間を表している。なお、図６（ａ－１）及び図６（ａ－２）は、同じデマンド制御対象１１０に対するデマンド制御処理において、異なる目標電力が設定された場合の、それぞれの、遮断レベルごとの累積時間を表している。このように、設定される目標電力が変わることで、遮断レベルごとの累積時間は大きく変化する。
図６（ｂ－１）及び（ｂ－２）は、制御要否判定部４０４によって履歴情報格納部４１２に格納された遮断レベルの発生状況を、解析部４０６によって解析されることで算出された、遮断レベルごとの累積時間の比率を表している。なお、図６（ｂ－１）及び図６（ｂ－２）は、同じデマンド制御対象１１０に対するデマンド制御処理において、異なる目標電力が設定された場合の、それぞれの、遮断レベルごとの累積時間の比率を表している。このように、設定される目標電力が変わることで、遮断レベルごとの累積時間の比率は大きく変化する。
＜履歴情報の具体例＞
次に、履歴情報格納部４１２に格納される履歴情報の具体例について説明する。図７は、履歴情報の具体例を示す図である。
図７に示すように、履歴情報７００には、現在の目標電力情報７１０が含まれる。図７の例は、現在の目標電力が、"α"であることを示している。
また、履歴情報７００には、デマンド制御対象１１０に含まれる各機器の機器情報７２０が含まれる。機器情報７２０には、情報の項目として、"識別情報"、"機器種別"、"運転時間"、"物件属性"、"熱負荷"、"能力"が含まれる。
また、履歴情報７００には、使用された電力の実績情報７３０＿１がデマンド時限ごとに格納される。また、履歴情報７００には、遮断レベル７３０＿２ａがデマンド時限ごとに格納されるとともに、遮断レベル７３０＿２ａの解析結果７３０＿２ｂが格納される。遮断レベル７３０＿２ａと、解析結果７３０＿２ｂとを含む情報を、以下では、「制御情報」と称する。
また、履歴情報７００には、環境情報７３０＿３がデマンド時限ごとに格納される。なお、機器情報７２０と、使用された電力の実績情報７３０＿１と、環境情報７３０＿３とを含む情報を、以下では、「検出情報」と称する。
＜目標電力算出装置の機能構成＞
次に、第１の実施形態に係る目標電力算出装置１３０の機能構成について説明する。なお、以下では、学習フェーズと推論フェーズとをわけて説明する。
（１）学習フェーズにおける機能構成
はじめに、学習フェーズにおける機能構成について説明する。図８は、第１の実施形態に係る目標電力算出装置の、学習フェーズにおいて実現される機能の一例を示す図である。図８に示すように、目標電力算出装置１３０は、学習フェーズにおいて、学習部１３１及び入力部１３２として機能する。
学習部１３１及び入力部１３２は、デマンド制御部１２１の履歴情報格納部４１２に格納された履歴情報７００のうち、所定の目標電力に基づいてデマンド制御処理が行われた際（所定の目標電力によるデマンド制御処理期間）の制御情報を読み出す。例えば、学習部１３１及び入力部１３２は、制御情報として、遮断レベル７３０＿２ａ、解析結果７３０＿２ｂを読み出す。
入力部１３２は、読み出した制御情報を、例えば、デマンド制御装置１２０の管理者８１０に表示する。管理者８１０は過去の知見に基づき目標電力の適否を判断する。入力部１３２は、管理者８１０が判断した目標電力の適否を示す情報について、入力を受け付ける。
また、入力部１３２は、読み出した制御情報を、例えば、居室２１１、２２１、２３１の利用者８２０に表示する。利用者８２０は、体感に基づき快適性指標（快適性の有無を含む）を判断する。入力部１３２は、利用者８２０が判断した居室２１１、２２１、２３１の快適性指標を示す情報について、入力を受け付ける。
学習部１３１は、適否判定モデル８０１と、比較及び変更部８０２とを有する。学習部１３１は、読み出した制御情報と、入力を受け付けた快適性指標を示す情報とを適否判定モデル８０１に入力することで、適否判定モデル８０１を実行させる。これにより、適否判定モデル８０１は、目標電力の適否を示す情報を出力する。
適否判定モデル８０１より出力された目標電力の適否を示す情報は、比較及び変更部８０２に入力される。比較及び変更部８０２は、
・適否判定モデル８０１より出力された目標電力の適否を示す情報と、
・入力部１３２が入力を受け付けた目標電力の適否を示す情報（教師データ）と、
を比較する。比較及び変更部８０２は、比較結果に応じて適否判定モデル８０１のモデルパラメータを変更する。
このように、学習部１３１は、
・制御情報及び快適性指標を示す情報（データセット）と、
・目標電力の適否を示す情報と、
の対応関係を特定する適否判定モデル８０１について機械学習を行う。これにより、学習部１３１は、目標電力の適否を判定するための学習済み適否判定モデルを生成する。
なお、図６の例は、学習部１３１が、制御情報及び快適性指標を示す情報を適否判定モデル８０１に入力する場合について示したが、制御情報または制御情報の一部のみを適否判定モデル８０１に入力してもよい。
このように、学習部１３１は、
・制御情報の一部（遮断レベル７３０＿２ａ）と、
・目標電力の適否を示す情報と、
の対応関係を特定する適否判定モデル８０１、あるいは、
・制御情報（遮断レベル７３０＿２ａ、解析結果７３０＿２ｂの一部）と、
・目標電力の適否を示す情報と、
の対応関係を特定する適否判定モデル８０１について機械学習を行う。これにより、学習部１３１は、目標電力の適否を判定するための学習済み適否判定モデルを生成する（なお、解析結果７３０＿２ｂの一部とは、遮断レベルの累積時間及び遮断レベルの累積時間の比率のいずれか一方を指すものとする）。
（２）推論フェーズにおける機能構成
次に、推論フェーズにおける機能構成について説明する。図９は、第１の実施形態に係る目標電力算出装置の、推論フェーズにおいて実現される機能の一例を示す図である。図９に示すように、目標電力算出装置１３０は、推論フェーズにおいて、入力部１３２及び推論部１３３として機能する。
推論部１３３は、学習部１３１により生成された学習済み適否判定モデル９０１と、目標電力修正部９０２とを有する。推論部１３３は、デマンド制御部１２１の履歴情報格納部４１２に格納された履歴情報７００のうち、現在の目標電力に基づいてデマンド制御処理が行われた際（現在の目標電力によるデマンド制御処理期間）の制御情報を読み出す。なお、推論部１３３により読み出される制御情報は、学習部１３１が機械学習を行った際に学習部１３１により読み出された制御情報とは異なる制御情報である。
また、推論部１３３は、現在の目標電力によるデマンド制御処理期間において、利用者８２０が判断した居室２１１、２２１、２３１の快適性指標を示す情報を、入力部１３２を介して取得する。
推論部１３３は、読み出した制御情報及び取得した快適性指標を示す情報を学習済み適否判定モデル９０１に入力することで、学習済み適否判定モデル９０１を実行させる。これにより、学習済み適否判定モデル９０１は、目標電力の適否を示す情報を推論する。
目標電力修正部９０２は、学習済み適否判定モデル９０１によって推論された目標電力の適否を示す情報に基づいて、目標電力を補正する。具体的には、学習済み適否判定モデル９０１によって、目標電力が適切であると推論された場合、目標電力修正部９０２は、目標電力を補正することなく、現在の目標電力をデマンド制御装置１２０に送信する。
また、学習済み適否判定モデル９０１によって、目標電力が不適であると推論された場合、目標電力修正部９０２は、所定の補正量に基づいて現在の目標電力を補正し、補正後の目標電力をデマンド制御装置１２０に送信する。
このように、現在の目標電力のもとでデマンド制御処理が行われた際の制御情報及び快適性指標を示す情報に基づいて、目標電力の適否を推論して目標電力を補正することで、推論部１３３は、適切な目標電力を導出することができる。
なお、上記説明では、推論部１３３が、制御情報及び快適性指標を示す情報を、学習済み適否判定モデル９０１に入力するものとした。しかしながら、学習済み適否判定モデル９０１が、制御情報（または制御情報の一部）のみに基づいて生成されていた場合にあっては、推論部１３３は、制御情報（制御情報の一部）のみを、学習済み適否判定モデル９０１に入力するものとする。
また、上記説明では、学習済み適否判定モデル９０１と、目標電力修正部９０２とが、推論部１３３内に設けられるものとしたが、学習済み適否判定モデル９０１と、目標電力修正部９０２とは、分けて設けられてもよい。例えば、学習済み適否判定モデル９０１は、推論部内に設けられ、目標電力修正部９０２は、推論部外の補正部（不図示）内に設けられてもよい。
＜目標電力算出処理の流れ＞
次に、第１の実施形態に係る目標電力算出装置１３０によって実行される目標電力算出処理の流れについて説明する。図１０は、第１の実施形態に係る目標電力算出処理の流れを示すフローチャートである。
ステップＳ１００１において、学習部１３１は、所定の目標電力に基づいてデマンド制御処理が実行された際の、デマンド制御処理期間における制御情報を取得する。
ステップＳ１００２において、入力部１３２は、所定の目標電力に基づいてデマンド制御処理が実行された際の、デマンド制御処理期間における目標電力の適否を示す情報及び快適性指標を示す情報について、管理者及び利用者から入力を受け付ける。
ステップＳ１００３において、学習部１３１は、制御情報を適否判定モデル８０１に入力することで、適否判定モデル８０１を実行させる。そして、学習部１３１は、適否判定モデル８０１より出力される目標電力の適否を示す情報が、入力部１３２により入力された目標電力の適否を示す情報（教師データ）に近づくように、適否判定モデル８０１について機械学習を行う。
ステップＳ１００４において、推論部１３３は、所定のデマンド制御処理期間の制御情報を取得する。
ステップＳ１００５において、入力部１３２は、所定のデマンド制御処理期間における、快適性指標を示す情報について、入力を受け付ける。
ステップＳ１００６において、推論部１３３は、取得した制御情報及び快適性指標を示す情報を、学習済み適否判定モデル９０１に入力することで、学習済み適否判定モデル９０１を実行させる。これにより、推論部１３３は、目標電力の適否を示す情報を推論する。
ステップＳ１００７において、推論部１３３は、推論結果に応じて、目標電力を補正し、補正後の目標電力を、デマンド制御装置１２０に送信する。これにより、補正後の目標電力がデマンド制御装置１２０内のメモリに設定される。
ステップＳ１００８において、推論部１３３は、目標電力算出処理を終了するか否かを判定する。ステップＳ１００８において目標電力算出処理を継続すると判定した場合には（ステップＳ１００８においてＮｏの場合には）、ステップＳ１００４に戻る。
一方、ステップＳ１００８において目標電力算出処理を終了すると判定した場合には（ステップＳ１００８においてＹｅｓの場合には）、目標電力算出処理を終了する。
なお、図１０では、学習部１３１が、制御情報を、適否判定モデル８０１に一括して入力することでモデルパラメータを変更する一括学習を行う場合について示した。しかしながら、学習部１３１は、制御情報を、適否判定モデル８０１に所定数ずつ入力することでモデルパラメータを変更する逐次学習を行ってもよい。
＜まとめ＞
以上の説明から明らかなように、第１の実施形態に係る目標電力算出装置１３０は、
・デマンド制御処理期間に取得された制御情報（の一部）に従って、デマンド制御処理期間において設定された目標電力の適否を学習する。
・学習の結果に基づき、次のデマンド制御処理期間に取得された制御情報（の一部）から、該次のデマンド制御処理期間において設定された目標電力の適否を推論する。
・目標電力が不適であると推論した場合に、所定の補正量で、該設定された目標電力を補正する。
これにより、第１の実施形態に係る目標電力算出装置１３０によれば、目標電力の適否を精度よく判定することが可能となり、適切な目標電力を導出することができる。
このように、第１の実施形態によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置、目標電力算出方法及び目標電力算出プログラムを提供することができる。
［第２の実施形態］
上記第１の実施形態では、目標電力を算出するにあたり、制御情報（の一部）と、目標電力の適否を示す情報との対応関係について機械学習を行う場合について説明した。これに対して、第２の実施形態では、目標電力を算出するにあたり、使用された電力の実績情報と、目標電力との対応関係について機械学習を行う。以下、第２の実施形態について、上記第１の実施形態との相違点を中心に説明する。
＜目標電力算出装置の機能構成＞
はじめに、第２の実施形態に係る目標電力算出装置１３０の機能構成について説明する。なお、ここでも、学習フェーズと推論フェーズとにわけて説明する。
（１）学習フェーズにおける機能構成
図１１は、第２の実施形態に係る目標電力算出装置の、学習フェーズにおいて実現される機能の一例を示す図である。図１１に示すように、目標電力算出装置１３０は、学習フェーズにおいて、学習部１３１及び入力部１３２として機能する。
学習部１３１及び入力部１３２は、デマンド制御部１２１の履歴情報格納部４１２に格納された履歴情報７００のうち、所定の目標電力に基づいてデマンド制御処理が行われた際（所定の目標電力によるデマンド制御処理期間）の検出情報を読み出す。例えば、学習部１３１及び入力部１３２は、検出情報として、機器情報７２０、使用された電力の実績情報７３０＿１、環境情報７３０＿３を読み出す。
入力部１３２は、読み出した検出情報を、例えば、デマンド制御装置１２０の管理者８１０に表示する。管理者８１０は過去の知見に基づき当該デマンド制御処理期間に設定されるべき目標電力を判断する。入力部１３２は、管理者８１０が判断した、当該デマンド制御処理期間に設定されるべき目標電力について、入力を受け付ける。また、入力部１３２は、読み出した制御情報を、例えば、居室２１１、２２１、２３１の利用者８２０に表示する。利用者８２０は、体感に基づき快適性指標を判断する。入力部１３２は、利用者８２０が判断した居室２１１、２２１、２３１の快適性指標を示す情報について、入力を受け付ける。
学習部１３１は、目標電力モデル１１０１と、比較及び変更部１１０２とを有する。学習部１３１は、読み出した検出情報と、入力を受け付けた快適性指標を示す情報とを目標電力モデル１１０１に入力することで、目標電力モデル１１０１を実行させる。これにより、目標電力モデル１１０１は、目標電力を出力する。
目標電力モデル１１０１より出力された目標電力は、比較及び変更部１１０２において、入力部１３２が入力を受け付けた目標電力（教師データ）と比較される。比較及び変更部１１０２は、比較結果に応じて目標電力モデル１１０１のモデルパラメータを変更する。
このように、学習部１３１は、
・検出情報及び快適性指標を示す情報（データセット）と、
・目標電力と、
の対応関係を特定する目標電力モデル１１０１について機械学習を行う。これにより、学習部１３１は、学習済み目標電力モデルを生成する。
なお、図１１の例では、学習部１３１が、検出情報及び快適性指標を示す情報を目標電力モデル１１０１に入力するものとした。しかしながら、学習部１３１は、検出情報のみ、または検出情報の一部のみを目標電力モデル１１０１に入力してもよい。
このように、学習部１３１は、
・検出情報と、
・目標電力と、
の対応関係を特定する目標電力モデル１１０１、あるいは、
・検出情報の一部（使用された電力の実績情報７３０＿１）と、
・目標電力と、
の対応関係を特定する目標電力モデル１１０１、あるいは、
・検出情報の一部（使用された電力の実績情報７３０＿１及び機器情報７２０のデータセット）と、
・目標電力と、
の対応関係を特定する目標電力モデル１１０１、あるいは、
・検出情報の一部（使用された電力の実績情報７３０＿１及び環境情報７３０＿３のデータセット）と、
・目標電力と、
の対応関係を特定する目標電力モデル１１０１について機械学習を行う。これにより、学習部１３１は、学習済み目標電力モデルを生成する。
（２）推論フェーズにおける機能構成
次に、推論フェーズにおける機能構成について説明する。図１２は、第２の実施形態に係る目標電力算出装置の、推論フェーズにおいて実現される機能の一例を示す図である。図１２に示すように、目標電力算出装置１３０は、推論フェーズにおいて、入力部１３２及び推論部１３３として機能する。
推論部１３３は、学習部１３１により生成された学習済み目標電力モデル１２０１を有する。推論部１３３は、デマンド制御部１２１の履歴情報格納部４１２に格納された履歴情報７００のうち、現在の目標電力に基づいてデマンド制御処理が行われた際（現在の目標電力によるデマンド制御処理期間）の検出情報を読み出す。なお、推論部１３３により読み出される検出情報は、学習部１３１が機械学習を行った際に学習部１３１により読み出された検出情報とは異なる検出情報である。
また、推論部１３３は、現在の目標電力によるデマンド制御処理期間において、利用者８２０が判断した居室２１１、２２１、２３１の快適性指標を示す情報を、入力部１３２を介して取得する。
推論部１３３は、読み出した検出情報及び取得した快適性指標を示す情報を学習済み目標電力モデル１２０１に入力することで、学習済み目標電力モデル１２０１を実行させる。これにより、学習済み目標電力モデル１２０１は、目標電力を推論する。
また、推論部１３３は、学習済み目標電力モデル１２０１により推論された目標電力を、デマンド制御装置１２０に送信する。
このように、現在の目標電力のもとでデマンド制御処理が行われた際の検出情報及び快適性指標を示す情報に基づいて、目標電力を推論することで、推論部１３３は、適切な目標電力を導出することができる。
なお、上記説明では、推論部１３３が、検出情報及び快適性指標を示す情報を学習済み目標電力モデル１２０１に入力するものとした。しかしながら、学習済み目標電力モデル１２０１が、検出情報（または検出情報の一部）のみに基づいて生成されていた場合にあっては、推論部１３３は、検出情報（検出情報の一部）のみを学習済み目標電力モデル１２０１に入力するものとする。
＜目標電力算出処理の流れ＞
次に、第２の実施形態に係る目標電力算出装置１３０による目標電力算出処理の流れについて説明する。図１３は、第２の実施形態に係る目標電力算出処理の流れを示すフローチャートである。
ステップＳ１３０１において、学習部１３１は、所定の目標電力によるデマンド制御処理期間の検出情報を取得する。
ステップＳ１３０２において、入力部１３２は、所定の目標電力によるデマンド制御処理期間において設定されるべき目標電力及び快適性指標を示す情報について、入力を受け付ける。
ステップＳ１３０３において、学習部１３１は、検出情報を目標電力モデル１１０１に入力することで、目標電力モデル１１０１を実行させる。そして、学習部１３１は、目標電力モデル１１０１より出力される目標電力が、入力部１３２により入力された目標電力（教師データ）に近づくように目標電力モデル１１０１について機械学習を行う。
ステップＳ１３０４において、推論部１３３は、所定のデマンド制御処理期間の検出情報を取得する。
ステップＳ１３０５において、入力部１３２は、所定のデマンド制御処理期間における、快適性指標を示す情報について、入力を受け付ける。
ステップＳ１３０６において、推論部１３３は、取得した検出情報及び快適性指標を示す情報を、学習済み目標電力モデル１２０１に入力することで、学習済み目標電力モデル１２０１を実行させる。これにより、推論部１３３は、目標電力を推論する。
ステップＳ１３０７において、推論部１３３は、推論した目標電力を、デマンド制御装置１２０に送信する。これにより、推論した目標電力がデマンド制御装置１２０内のメモリに設定される。
＜まとめ＞
以上の説明から明らかなように、第２の実施形態に係る目標電力算出装置１３０は、
・設定された目標電力に基づいて、デマンド制御処理期間に使用された電力の実績情報を取得する。また、該使用された電力の実績情報に従って、デマンド制御処理期間において設定されるべき目標電力を学習する。
これにより、第２の実施形態に係る目標電力算出装置１３０によれば、適切な目標電力を導出することができる。
このように、第２の実施形態によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置、目標電力算出方法及び目標電力算出プログラムを提供することができる。
［第３の実施形態］
上記第１及び第２の実施形態では、目標電力を算出するためのモデルについて機械学習を行う際、教師データを用いて機械学習を行う場合について説明した。これに対して、第３の実施形態では、強化学習を行う場合について説明する。以下、第３の実施形態について、上記第１及び第２の実施形態との相違点を中心に説明する。
＜デマンド制御システムのシステム構成＞
はじめに、デマンド制御システムのシステム構成について説明する。図１４は、デマンド制御システムのシステム構成の一例を示す第２の図である。図１との相違点は、目標電力算出装置１４００である。
目標電力算出装置１４００には、目標電力算出プログラムがインストールされており、当該プログラムが実行されることで、目標電力算出装置１４００は、報酬判定部１４０１、強化学習部１４０２、入力部１４０３として機能する。
報酬判定部１４０１は、強化学習部１４０２が、強化学習を行う際に用いる報酬を判定する。
強化学習部１４０２は、デマンド制御部１２１より送信された履歴情報に基づいて、目標電力を出力するためのモデルについて強化学習を行う。また、強化学習部１４０２は、強化学習を行うことで取得される目標電力を、デマンド制御部１２１に送信する。
入力部１４０３は、居室の利用者から、居室の快適性指標を示す情報について入力を受け付け、報酬判定部１４０１に通知する。これにより、強化学習部１４０２が強化学習を行う際に用いる報酬に、居室の快適性指標を示す情報を反映することができる。
＜目標電力算出装置の機能構成＞
次に、第３の実施形態に係る目標電力算出装置１４００の機能構成の詳細について説明する。図１５は、第３の実施形態に係る目標電力算出装置１４００の機能構成の一例を示す図である。
上述したように、目標電力算出装置１４００は、報酬判定部１４０１、強化学習部１４０２及び入力部１４０３として機能する。
報酬判定部１４０１及び入力部１４０３は、デマンド制御部１２１の履歴情報格納部４１２に格納された履歴情報７００のうち、現在の目標電力に基づいてデマンド制御処理が行われた際（現在の目標電力によるデマンド制御処理期間）の制御情報を読み出す。例えば、報酬判定部１４０１及び入力部１４０３は、制御情報として、遮断レベル７３０＿２ａ、解析結果７３０＿２ｂを読み出す。
入力部１４０３は、読み出した制御情報を、例えば、居室２１１、２２１、２３１の利用者８２０に表示する。利用者８２０は、体感に基づき快適性指標を判断する。入力部１４０３は、利用者８２０が判断した居室２１１、２２１、２３１の快適性指標を示す情報について、入力を受け付ける。
報酬判定部１４０１は、入力部１４０３が入力を受け付けた快適性指標を示す情報を取得する。また、報酬判定部１４０１は算出部として機能し、読み出した制御情報と取得した快適性指標を示す情報とに基づいて、現在の目標電力に関する報酬を算出する。
強化学習部１４０２は、現在の目標電力に基づいてデマンド制御処理が行われた際（現在の目標電力によるデマンド制御処理期間）の検出情報を読み出す。
また、強化学習部１４０２は学習部の一例であり、目標電力モデル１５０１を有する。強化学習部１４０２は、報酬判定部１４０１によって算出された報酬が最大になるように、目標電力モデル１５０１のモデルパラメータを変更する。また、強化学習部１４０２は、モデルパラメータが変更された目標電力モデル１５０１に、読み出した検出情報を入力することで、目標電力モデル１５０１を実行させる。これにより、目標電力モデル１５０１は、目標電力を出力する。強化学習部１４０２は、目標電力モデル１５０１より出力された目標電力を、デマンド制御装置１２０に送信する。
このように、強化学習部１４０２は、現在の目標電力のもとでデマンド制御処理が行われた際の制御情報及び快適性指標を示す情報に基づいて算出された報酬が最大になるように目標電力モデル１５０１について強化学習を行う。これにより、強化学習部１４０２は、適切な目標電力を導出することができる。
なお、上記説明では、報酬判定部１４０１に、制御情報及び快適性指標を示す情報を入力するものとした。しかしながら、報酬判定部１４０１には、制御情報（または制御情報の一部）のみ、あるいは、制御情報の一部と快適性指標を示す情報のみを入力してもよい。
これにより、報酬判定部１４０１は、
・制御情報（遮断レベル７３０＿２ａ、解析結果７３０＿２ｂ）
に基づいて、あるいは、
・制御情報の一部（遮断レベル７３０＿２ａ）
に基づいて、あるいは、
・制御情報の一部（遮断レベル７３０＿２ａ）と、
・快適性指標を示す情報と、
に基づいて、報酬を算出することができる。
また、上記説明では、強化学習部１４０２が、検出情報全てを目標電力モデル１５０１に入力するものとした。しかしながら、強化学習部１４０２は、検出情報の一部のみを目標電力モデル１５０１に入力してもよい。
このように、強化学習部１４０２は、
・検出情報の一部（使用された電力の実績情報７３０＿１）と、
・目標電力と、
の対応関係を特定する目標電力モデル１５０１、あるいは、
・検出情報の一部（使用された電力の実績情報７３０＿１及び機器情報７２０のデータセット）と、
・目標電力と、
の対応関係を特定する目標電力モデル１５０１、あるいは、
・検出情報の一部（使用された電力の実績情報７３０＿１及び環境情報７３０＿３のデータセット）と、
・目標電力と、
の対応関係を特定する目標電力モデル１５０１について強化学習を行う。
＜目標電力算出処理の流れ＞
次に、第３の実施形態に係る目標電力算出装置１４００による目標電力算出処理の流れについて説明する。図１６は、第３の実施形態に係る目標電力算出処理の流れを示すフローチャートである。
ステップＳ１６０１において、報酬判定部１４０１は、現在の目標電力によるデマンド制御処理期間の制御情報を取得する。
ステップＳ１６０２において、入力部１４０３は、現在の目標電力によるデマンド制御処理期間の快適性指標を示す情報について、入力を受け付ける。
ステップＳ１６０３において、報酬判定部１４０１は、制御情報及び快適性指標を示す情報に基づいて、目標電力に関する報酬を算出する。
ステップＳ１６０４において、報酬判定部１４０１は、算出した報酬が所定の閾値以上であるか否かを判定する。ステップＳ１６０４において、算出した報酬が所定の閾値未満であると判定した場合には（ステップＳ１６０４においてＮｏの場合には）、ステップＳ１６０５に進む。
ステップＳ１６０５において、強化学習部１４０２は、算出した報酬が最大になるように目標電力モデル１５０１について機械学習を行う。
ステップＳ１６０６において、強化学習部１４０２は、現在の目標電力によるデマンド制御処理期間の検出情報を取得する。
ステップＳ１６０７において、強化学習部１４０２は、取得した検出情報を目標電力モデル１５０１に入力することで、目標電力モデル１５０１を実行させる。これにより、強化学習部１４０２は、目標電力を出力する。
ステップＳ１６０８において、強化学習部１４０２は、出力した目標電力をデマンド制御装置１２０に送信する。これにより、出力した目標電力がデマンド制御装置１２０内のメモリに設定される。その後、ステップＳ１６０１に戻る。
一方、ステップＳ１６０４において、算出した報酬が所定の閾値以上であると判定した場合には（ステップＳ１６０４においてＹｅｓの場合には）、目標電力算出処理を終了する。
＜まとめ＞
以上の説明から明らかなように、第３の実施形態に係る目標電力算出装置１４００は、
・現在の目標電力によるデマンド制御処理期間に取得された制御情報（の一部）と、快適性指標を示す情報とに基づいて、目標電力に関する報酬を算出する。また、算出した報酬が最大になるように、目標電力モデルについて強化学習を行う。
・現在の目標電力によるデマンド制御処理期間に取得された検出情報（の一部）を入力することで、強化学習が行われた目標電力モデルを実行させる。また、目標電力モデルを実行させることで出力された目標電力を、次のデマンド制御処理期間における目標電力として、デマンド制御装置に送信する。
これにより、第３の実施形態に係る目標電力算出装置１４００によれば、適切な目標電力を導出することができる。
このように、第３の実施形態によれば、デマンド制御処理を行う際に設定する目標電力を導出する目標電力算出装置、目標電力算出方法及び目標電力算出プログラムを提供することができる。
［第４の実施形態］
上記第３の実施形態では、報酬判定部が、制御情報と快適性指標を示す情報とに基づいて、目標電力に関する報酬を算出するものとして説明した。しかしながら、報酬の算出方法はこれに限定されない。例えば、第１の実施形態において生成された学習済み適否判定モデルを適用し、制御情報と快適性指標を示す情報から、目標電力の適否を推論し、推論結果に基づいて、目標電力に関する報酬を算出するように構成してもよい。
［その他の実施形態］
上記各実施形態では、機械学習を行う際に用いるモデル（適否判定モデル、目標電力モデル）の詳細について特に言及しなかったが、機械学習を行う際に用いるモデルには任意の種類のモデルが適用されるものとする。具体的には、ＮＮ（Neural Network）モデルや、ランダムフォレストモデル、ＳＶＭ（Support Vector Machine）モデル等、任意の種類のモデルが適用される。
また、上記第１及び第２の実施形態では、比較及び変更部による比較結果に基づいて、モデルパラメータを変更する場合の変更方法の詳細について特に言及しなかったが、比較及び変更部によるモデルパラメータの変更方法はモデルの種類に従うものとする。
また、上記第３の実施形態では、報酬判定部による報酬の算出方法の詳細について特に言及しなかったが、報酬判定部による報酬の算出方法は任意である。
また、上記第１の実施形態では、目標電力の適否（適切または不適）を推論する場合について説明したが、例えば、目標電力が不適であると推論する場合にあっては、目標電力が高いために不適であるのか、低いために不適であるのかを推論するように構成してもよい。あるいは、不適の度合いを推論するように構成してもよい。これにより、目標電力修正部では、適切な補正量により目標電力を補正することができる。
また、上記第１の実施形態では、目標電力算出処理の終了条件について特に言及しなかったが、終了条件は任意である。例えば、学習済み適否判定モデルにより推論される目標電力の適否が、一定期間継続して、目標電力が適切であると推論された場合に、目標電力算出処理を終了するように構成してもよい。
また、上記第２の実施形態では、デマンド制御装置１２０の管理者８１０が検出情報に基づいて、教師データ（設定されるべき目標電力）を判断し、管理者８１０が判断した教師データを入力部に入力するものとして説明した。しかしながら、教師データ（設定されるべき目標電力）の入力方法はこれに限定されない。例えば、設定された目標電力の履歴を蓄積した目標電力設定履歴データのうち、一定期間変更されなかった目標電力を、教師データとして、入力部に入力するようにしてもよい。
また、上記各実施形態では、目標電力算出装置を、建物１４０内に配するものとして説明したが、目標電力算出装置は、建物１４０の外部に配されてもよい。この場合、目標電力算出装置は、複数の建物におけるデマンド制御システムの一部として機能してもよい。また、上記各実施形態では、目標電力算出装置を、デマンド制御装置１２０と別体として構成したが、デマンド制御装置１２０と一体として構成してもよい。
以上、実施形態を説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
１００ ：デマンド制御システム
１１０ ：デマンド制御対象
１２０ ：デマンド制御装置
１２１ ：デマンド制御部
１３０ ：目標電力算出装置
１３１ ：学習部
１３２ ：入力部
１３３ ：推論部
７１０ ：目標電力情報
７２０ ：機器情報
７３０＿１ ：使用された電力の実績情報
７３０＿２ａ ：遮断レベル
７３０＿２ｂ ：解析結果
７３０＿３ ：環境情報
８０１ ：適否判定モデル
８０２ ：比較及び変更部
９０１ ：学習済み適否判定モデル
９０２ ：目標電力修正部
１１０１ ：目標電力モデル
１１０２ ：比較及び変更部
１２０１ ：学習済み目標電力モデル
１４００ ：目標電力算出装置
１４０１ ：報酬判定部
１４０２ ：強化学習部
１４０３ ：入力部
１５０１ ：目標電力モデル

Claims (20)

  1. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報に従って、該第１の期間において設定された目標電力の適否を学習する学習部と、
    前記学習部による学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで取得された制御情報から、該第２の期間において設定された目標電力の適否を推論する推論部と、
    前記推論部が不適であると推論した場合に、前記第２の期間において設定された目標電力を、所定の補正量に基づいて補正する補正部と
    を有する目標電力算出装置。
  2. 前記制御情報は、デマンド制御処理が行われることにより電力の供給が遮断される範囲の程度を表す遮断レベルの発生状況を示す情報を含む、請求項１に記載の目標電力算出装置。
  3. 前記制御情報は、各遮断レベルの累積時間、または、各遮断レベルの累積時間の比率のいずれか一方を含む、請求項２に記載の目標電力算出装置。
  4. 前記学習部は、前記第１の期間においてデマンド制御処理が行われることで取得された制御情報と、前記第１の期間においてデマンド制御処理が行われた空調機器が配された居室の快適性を示す情報との組み合わせを含むデータセットに従って、前記第１の期間において設定された目標電力の適否を学習する、請求項１乃至３のいずれか１項に記載の目標電力算出装置。
  5. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報を取得する取得部と、
    前記使用された電力の実績情報に従って、前記第１の期間において設定されるべき目標電力を学習する学習部と、
    前記学習部による学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで使用された電力の実績情報から、第２の期間において設定されるべき目標電力を推論する推論部と
    を有する目標電力算出装置。
  6. 前記取得部は、前記第１の期間においてデマンド制御処理が行われた空調機器の機器情報であって、該空調機器の運転時間、機器種別、物件属性、熱負荷、能力のいずれかを含む機器情報を更に取得し、
    前記学習部は、前記使用された電力の実績情報と前記機器情報との組み合わせを含むデータセットに従って、前記第１の期間において設定されるべき目標電力を学習する、請求項５に記載の目標電力算出装置。
  7. 前記取得部は、前記第１の期間においてデマンド制御処理が行われることで取得された、前記使用された電力の実績情報に対応する環境情報であって、天候、日射量、室外温度、室外湿度、室内温度、室内湿度、在室人数のいずれかを含む環境情報を更に取得し、
    前記学習部は、前記使用された電力の実績情報と前記環境情報との組み合わせを含むデータセットに従って、前記第１の期間において設定されるべき目標電力を学習する、請求項５に記載の目標電力算出装置。
  8. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報から、該第１の期間において設定された目標電力に関する報酬を算出する算出部と、
    設定された目標電力に基づいて、前記第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報に従って、第２の期間において設定されるべき目標電力を学習する学習部と、を有し、
    前記学習部は、前記報酬に基づいて、前記第２の期間において設定されるべき目標電力を学習する目標電力算出装置。
  9. 前記制御情報は、デマンド制御処理が行われることにより電力の供給が遮断される範囲の程度を表す遮断レベルの発生状況を示す情報を含む、請求項８に記載の目標電力算出装置。
  10. 前記制御情報は、各遮断レベルの累積時間、または、各遮断レベルの累積時間の比率のいずれか一方を含む、請求項９に記載の目標電力算出装置。
  11. 前記算出部は、前記第１の期間においてデマンド制御処理が行われることで取得された制御情報と、前記第１の期間においてデマンド制御処理が行われた空調機器が配された居室の快適性を示す情報とに基づいて、前記第１の期間において設定された目標電力に関する報酬を算出する、請求項８乃至１０のいずれか１項に記載の目標電力算出装置。
  12. 前記第１の期間においてデマンド制御処理が行われた空調機器の機器情報であって、該空調機器の運転時間、機器種別、物件属性、熱負荷、能力のいずれかを含む機器情報を更に取得し、
    前記学習部は、前記使用された電力の実績情報と前記機器情報との組み合わせを含むデータセットに従って、前記第２の期間において設定されるべき目標電力を学習する、請求項８に記載の目標電力算出装置。
  13. 前記第１の期間においてデマンド制御処理が行われることで取得された、前記使用された電力の実績情報に対応する環境情報であって、天候、日射量、室外温度、室外湿度、室内温度、室内湿度、在室人数のいずれかを含む環境情報を更に取得し、
    前記学習部は、前記使用された電力の実績情報と前記環境情報との組み合わせを含むデータセットに従って、前記第２の期間において設定されるべき目標電力を学習する、請求項８に記載の目標電力算出装置。
  14. 前記算出部は、設定された目標電力に基づいて、所定の期間においてデマンド制御処理が行われることで取得された制御情報から、該所定の期間において設定された目標電力の適否を学習する学習部による学習の結果に基づき、前記第１の期間においてデマンド制御処理が行われることで取得された制御情報から、前記第１の期間において設定された目標電力の適否を推論し、推論した適否から、前記第１の期間において設定された目標電力に関する報酬を算出する、請求項８に記載の目標電力算出装置。
  15. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報に従って、該第１の期間において設定された目標電力の適否を学習する学習工程と、
    前記学習工程における学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで取得された制御情報から、該第２の期間において設定された目標電力の適否を推論する推論工程と、
    前記推論工程において不適であると推論された場合に、前記第２の期間において設定された目標電力を、所定の補正量に基づいて補正する補正工程と
    を有する目標電力算出方法。
  16. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報に従って、該第１の期間において設定された目標電力の適否を学習する学習工程と、
    前記学習工程における学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで取得された制御情報から、該第２の期間において設定された目標電力の適否を推論する推論工程と、
    前記推論工程において不適であると推論された場合に、前記第２の期間において設定された目標電力を、所定の補正量に基づいて補正する補正工程と
    をコンピュータに実行させるための目標電力算出プログラム。
  17. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報を取得する取得工程と、
    前記使用された電力の実績情報に従って、前記第１の期間において設定されるべき目標電力を学習する学習工程と、
    前記学習工程における学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで使用された電力の実績情報から、第２の期間において設定されるべき目標電力を推論する推論工程と
    を有する目標電力算出方法。
  18. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報を取得する取得工程と、
    前記使用された電力の実績情報に従って、前記第１の期間において設定されるべき目標電力を学習する学習工程と、
    前記学習工程における学習の結果に基づき、第２の期間においてデマンド制御処理が行われることで使用された電力の実績情報から、第２の期間において設定されるべき目標電力を推論する推論工程と
    をコンピュータに実行させるための目標電力算出プログラム。
  19. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報から、該第１の期間において設定された目標電力に関する報酬を算出する算出工程と、
    設定された目標電力に基づいて、前記第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報に従って、第２の期間において設定されるべき目標電力を学習する学習工程と、を有し、
    前記学習工程は、前記報酬に基づいて、前記第２の期間において設定されるべき目標電力を学習する目標電力算出方法。
  20. 設定された目標電力に基づいて、第１の期間においてデマンド制御処理が行われることで取得された制御情報から、該第１の期間において設定された目標電力に関する報酬を算出する算出工程と、
    設定された目標電力に基づいて、前記第１の期間においてデマンド制御処理が行われることで使用された電力の実績情報に従って、第２の期間において設定されるべき目標電力を学習する学習工程と、をコンピュータに実行させるための目標電力算出プログラムであって、
    前記学習工程は、前記報酬に基づいて、前記第２の期間において設定されるべき目標電力を学習する目標電力算出プログラム。
JP2019023839A 2019-02-13 2019-02-13 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム Active JP7360005B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2019023839A JP7360005B2 (ja) 2019-02-13 2019-02-13 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム
CN202080011504.7A CN113366723A (zh) 2019-02-13 2020-02-05 目标电力计算装置、目标电力计算方法及目标电力计算程序
EP20755552.5A EP3926778A4 (en) 2019-02-13 2020-02-05 TARGET ELECTRIC POWER CALCULATION DEVICE, TARGET ELECTRIC POWER CALCULATION METHOD AND TARGET ELECTRIC POWER CALCULATION PROGRAM
PCT/JP2020/004400 WO2020166456A1 (ja) 2019-02-13 2020-02-05 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム
US17/310,559 US20220019210A1 (en) 2019-02-13 2020-02-05 Apparatus for calculating target power, method of calculating target power, and program for calculating target power
SG11202108722UA SG11202108722UA (en) 2019-02-13 2020-02-05 Apparatus for calculating target power, method of calculating target power, and program for calculating target power

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019023839A JP7360005B2 (ja) 2019-02-13 2019-02-13 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム

Publications (2)

Publication Number Publication Date
JP2020137167A JP2020137167A (ja) 2020-08-31
JP7360005B2 true JP7360005B2 (ja) 2023-10-12

Family

ID=72044743

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019023839A Active JP7360005B2 (ja) 2019-02-13 2019-02-13 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム

Country Status (6)

Country Link
US (1) US20220019210A1 (ja)
EP (1) EP3926778A4 (ja)
JP (1) JP7360005B2 (ja)
CN (1) CN113366723A (ja)
SG (1) SG11202108722UA (ja)
WO (1) WO2020166456A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7027273B2 (ja) * 2018-07-11 2022-03-01 三菱電機ビルテクノサービス株式会社 設備選択支援装置及びプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002165361A (ja) 2000-11-20 2002-06-07 Daikin Ind Ltd デマンド制御監視方法およびその装置
JP2016127688A (ja) 2014-12-26 2016-07-11 日本テクノ株式会社 デマンド目標値変更装置、デマンド目標値変更装置メンテナンス方法、デマンド目標値変更プログラム、記憶媒体

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH099502A (ja) * 1995-06-23 1997-01-10 Mitsubishi Electric Corp デマンド制御装置
JP2007060848A (ja) * 2005-08-26 2007-03-08 Sanyo Electric Co Ltd 電力量制御装置および電力量制御方法ならびにプログラム
CN102483247B (zh) * 2010-07-26 2015-03-11 松下电器产业株式会社 供暖系统及供暖系统控制方法
WO2015059774A1 (ja) * 2013-10-22 2015-04-30 三菱電機株式会社 制御装置、制御方法およびプログラム
JP6480280B2 (ja) * 2014-10-24 2019-03-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 情報処理方法および情報処理装置
AU2017229644A1 (en) * 2016-03-08 2018-10-25 Grid4C A method and system for optimizing and predicting demand response
US10693296B2 (en) * 2017-05-03 2020-06-23 International Business Machines Corporation Stabilizing consumer energy demand
JP6469183B2 (ja) 2017-07-25 2019-02-13 レノボ・シンガポール・プライベート・リミテッド 電子機器
US11579680B2 (en) * 2019-02-01 2023-02-14 Alibaba Group Holding Limited Methods and devices for power management based on synthetic machine learning benchmarks

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002165361A (ja) 2000-11-20 2002-06-07 Daikin Ind Ltd デマンド制御監視方法およびその装置
JP2016127688A (ja) 2014-12-26 2016-07-11 日本テクノ株式会社 デマンド目標値変更装置、デマンド目標値変更装置メンテナンス方法、デマンド目標値変更プログラム、記憶媒体

Also Published As

Publication number Publication date
EP3926778A1 (en) 2021-12-22
US20220019210A1 (en) 2022-01-20
CN113366723A (zh) 2021-09-07
EP3926778A4 (en) 2022-06-15
WO2020166456A1 (ja) 2020-08-20
JP2020137167A (ja) 2020-08-31
SG11202108722UA (en) 2021-09-29

Similar Documents

Publication Publication Date Title
US10705492B2 (en) Heuristic method of automated and learning control, and building automation systems thereof
US10146237B2 (en) Smart thermostat with model predictive control
KR20230110452A (ko) 데이터 학습 서버 및 이의 학습 모델 생성 및 이용방법
KR102114989B1 (ko) 심층 강화 학습 알고리즘을 적용한 공기조화기 정밀 학습 시스템 및 그 방법
CN110781969B (zh) 基于深度强化学习的空调风量控制方法、装置以及介质
JP6870312B2 (ja) 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法
US20160321564A1 (en) Operational parameter value learning device, operational parameter value learning method, and controller for learning device
CN114442697B (zh) 一种温度控制方法、设备、介质及产品
JP2021004703A (ja) カビ抑制システムおよびプログラム
JP7360005B2 (ja) 目標電力算出装置、目標電力算出方法及び目標電力算出プログラム
US8989877B2 (en) System and method for controlling a machine
US20170139384A1 (en) Recommendation apparatus, recommendation method and non-transitory computer readable medium
KR102413648B1 (ko) 대상 건물의 에너지 운용 정책을 결정하는 장치, 방법 및 컴퓨터 프로그램
KR102081425B1 (ko) 사용자 만족도 기반 에너지 대비 쾌적도 효율성 지수 분석 시스템 및 방법
WO2021234763A1 (ja) 室内温度推定装置、プログラム及び室内温度推定方法
JP6725088B1 (ja) 設定温度算出装置、低温処理システム、設定温度算出方法及び設定温度算出プログラム
JP7313158B2 (ja) 空気調和機制御装置、空気調和機制御方法およびプログラム
US20220057761A1 (en) Smart window control device, smart window control method, and smart window control program
KR102547071B1 (ko) 관제 맵 가중치 제어 방법 및 그 장치
CN111142598A (zh) 一种智能药箱的内部环境控制方法及装置
KR102539203B1 (ko) 에너지시뮬레이션모델 생성방법 및 생성장치, 그리고, 에너지시뮬레이션모델을 이용한 건물에너지관리방법 및 건물에너지관리장치
CN115204056A (zh) 一种电网前瞻优化调度方法及系统
CN112032980B (zh) 空调器的控制方法
KR20230093678A (ko) 강화학습을 이용한 건물의 에너지를 관리하는 장치 및 방법
KR970016361A (ko) 가습기의 실평수 계산을 통한 가습량조절방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220121

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230322

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230519

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: 20230829

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230911

R151 Written notification of patent or utility model registration

Ref document number: 7360005

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151