JP7434065B2 - 機械学習モデルを構築する装置、方法及びそのためのプログラム - Google Patents
機械学習モデルを構築する装置、方法及びそのためのプログラム Download PDFInfo
- Publication number
- JP7434065B2 JP7434065B2 JP2020095109A JP2020095109A JP7434065B2 JP 7434065 B2 JP7434065 B2 JP 7434065B2 JP 2020095109 A JP2020095109 A JP 2020095109A JP 2020095109 A JP2020095109 A JP 2020095109A JP 7434065 B2 JP7434065 B2 JP 7434065B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- amount
- value
- electricity
- machine 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
Links
- 238000010801 machine learning Methods 0.000 title claims description 59
- 238000000034 method Methods 0.000 title claims description 41
- 230000005611 electricity Effects 0.000 claims description 66
- 239000000446 fuel Substances 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 9
- 238000000137 annealing Methods 0.000 claims description 5
- 238000009472 formulation Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 9
- 238000010248 power generation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/14—Combined heat and power generation [CHP]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/12—Improving ICE efficiencies
Landscapes
- Feedback Control In General (AREA)
Description
本発明においては、与えられたある期間の電気及び熱の需要量の少なくとも一方の入力に対して最適化計算によって当該期間の燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの出力を生成して、学習データセットを用意することが必要となる。ここで「最適化計算」とは、特定の集合A上で定義された、解くべき問題を数理モデルとして定式化した目的関数E(x)を最小化又は最大化する最適解を計算することをいう。xは、各時点t(i)における入力及び出力の各量の値が含まれる。Aについては、定式化に応じて制約が付き、具体的には、
等式制約 Q(x)=C(Cは定数)
不等式制約 G(x)≦F(Fは定数)
の少なくとも一方が課されることで、最適解が取り得る元が制約されることとなる。
図4を参照して、本発明の一実施形態にかかる機械学習モデルの構築プロセスを説明する。上述した手法によって、一例として、与えられたすべての時点{t(i)|iは0以上H以下の整数}における電気及び熱の量のそれぞれの値に対して、最適化計算の最適解を与える当該与えられたすべての時点における燃料の必要量並びに電気及び熱の生成量の値の集合が生成される。そして、いずれかの時点t(h)(hは0以上H-1以下の整数)以前の入力の量の値の少なくとも一部(図4において、{入力(h)}で表す。)を当該時点t(h)における特徴量(図4において、{特徴量(h)}で表す。)とし、次の時点t(h+1)における出力の量の値(図4において、出力(h+1)で表す。)を当該時点t(h+1)における教師データとする機械学習により、機械学習モデルを構築する。
を含む。
301 通信部
302 処理部
303 記憶部
304 データベース
310 制御装置
Claims (10)
- 電気及び熱の少なくとも一方の需要量の各時点以前における値の少なくとも一部の入力に対して燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの次の時点における値を出力する装置のための機械学習モデルを構築する方法であって、
与えられた複数の時点{t(i)|iは0以上H以下の整数であって、Hは正の整数}における入力の値の集合を用いて、前記複数の時点の少なくともいずれかの時点につき当該時点よりも先の時点の入力が考慮され得るように前記装置の動作を定式化した最適化計算の最適解を与える出力の前記複数の時点における値の集合を生成するステップと、
各時点t(h)(hは0以上H-1以下の整数)以前における前記入力の値の少なくとも一部を前記時点t(h)における特徴量とし、時点t(h+1)における前記出力の値を前記時点t(h+1)における教師データとする機械学習により、前記機械学習モデルを構築するステップと
を含む、方法。 - 請求項1に記載の方法であって、
前記時点t(h)における特徴量は、前記時点t(h)における前記入力の値を含む。 - 請求項1又は2に記載の方法であって、
前記時点t(h)における特徴量は、前記時点t(h+1)以降時点t(H)までの期間内の前記入力の値の少なくとも一部に対して演算を行って得られる前記時点t(h)におけるスカラー量の値を含む。 - 請求項1から3のいずれかに記載の方法であって、
前記時点t(h)における特徴量は、前記時点t(h)以前の前記出力の値の少なくとも一部を含む。 - 請求項1から4のいずれかに記載の方法であって、
前記定式化は、二次計画問題としての定式化であり、
前記最適化計算は、アニーリングによって行う。 - コンピュータに、電気及び熱の少なくとも一方の需要量の各時点以前における値の少なくとも一部の入力に対して燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの次の時点における値を出力する装置のための機械学習モデルを構築する方法を実行させるためのプログラムであって、前記方法は、
与えられた複数の時点{t(i)|iは0以上H以下の整数であって、Hは正の整数}における入力の値の集合を用いて、前記複数の時点の少なくともいずれかの時点につき当該時点よりも先の時点の入力が考慮され得るように前記装置の動作を定式化した最適化計算の最適解を与える出力の前記複数の時点における値の集合を生成するステップと、
各時点t(h)(hは0以上H-1以下の整数)以前における前記入力の値の少なくとも一部を前記時点t(h)における特徴量とし、時点t(h+1)における前記出力の値を前記時点t(h+1)における教師データとする機械学習により、前記機械学習モデルを構築するステップと
を含む、プログラム。 - 電気及び熱の少なくとも一方の需要量の各時点以前における値の少なくとも一部の入力に対して燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの次の時点における値を出力する装置のための機械学習モデルを構築する装置であって、
与えられた複数の時点{t(i)|iは0以上H以下の整数であって、Hは正の整数}における入力の値の集合を用いて、前記複数の時点の少なくともいずれかの時点につき当該時点よりも先の時点の入力が考慮され得るように前記装置の動作を定式化した最適化計算の最適解を与える出力の前記複数の時点における値の集合を生成し、
各時点t(h)(hは0以上H-1以下の整数)以前における前記入力の値の少なくとも一部を前記時点t(h)における特徴量とし、時点t(h+1)における前記出力の値を前記時点t(h+1)における教師データとする機械学習により、前記機械学習モデルを構築する、装置。 - 電気及び熱の少なくとも一方の需要量の各時点以前における値の入力に対して燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの次の時点における値を出力する装置において、出力の値を決定する方法であって、
電気及び熱の少なくとも一方の需要量の時点t(h)以前における値を受け取るステップと、
前記時点t(h)以前における値の少なくとも一部を前記時点t(h)における特徴量として、請求項1記載の方法によって構築された機械学習モデルにより、時点t(h+1)における出力の値を決定するステップと
を含む、方法。 - 電気及び熱の少なくとも一方の需要量の各時点以前における値の入力に対して燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの次の時点における値を出力する装置に、出力の値を決定する方法を実行させるためのプログラムであって、前記方法は、
電気及び熱の少なくとも一方の需要量の時点t(h)以前における値を受け取るステップと、
前記時点t(h)以前における値の少なくとも一部を前記時点t(h)における特徴量として、請求項1記載の方法によって構築された機械学習モデルにより、時点t(h+1)における出力の値を決定するステップと
を含む、プログラム。 - 電気及び熱の少なくとも一方の需要量の各時点以前における値の入力に対して燃料の必要量、電気の生成量及び熱の生成量の少なくともいずれかの次の時点における値を出力する装置であって、
電気及び熱の少なくとも一方の需要量の時点t(h)以前における値を受け取り、
前記時点t(h)以前における値の少なくとも一部を前記時点t(h)における特徴量として、請求項1記載の方法によって構築された機械学習モデルにより、時点t(h+1)における出力の値を決定する、装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020095109A JP7434065B2 (ja) | 2020-05-29 | 2020-05-29 | 機械学習モデルを構築する装置、方法及びそのためのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020095109A JP7434065B2 (ja) | 2020-05-29 | 2020-05-29 | 機械学習モデルを構築する装置、方法及びそのためのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021188568A JP2021188568A (ja) | 2021-12-13 |
JP7434065B2 true JP7434065B2 (ja) | 2024-02-20 |
Family
ID=78849123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020095109A Active JP7434065B2 (ja) | 2020-05-29 | 2020-05-29 | 機械学習モデルを構築する装置、方法及びそのためのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7434065B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116224795B (zh) * | 2023-03-06 | 2023-11-17 | 北京全应科技有限公司 | 一种基于机器学习模型的热电生产设备控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015146026A1 (ja) | 2014-03-28 | 2015-10-01 | 日本電気株式会社 | モデル選択システム、モデル選択方法およびプログラムを記憶する記録媒体 |
JP2018011465A (ja) | 2016-07-15 | 2018-01-18 | 大阪瓦斯株式会社 | コージェネレーションシステム |
US20190228481A1 (en) | 2018-01-22 | 2019-07-25 | Pason Power Inc. | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning |
US20190302706A1 (en) | 2012-03-23 | 2019-10-03 | Concentric Power, Inc. | Systems and methods for power cogeneration |
JP2020035110A (ja) | 2018-08-28 | 2020-03-05 | パナソニックIpマネジメント株式会社 | 表示方法、プログラム及び表示制御システム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09264584A (ja) * | 1996-03-29 | 1997-10-07 | Mitsubishi Electric Corp | 蓄熱空気調和システム及びその残蓄量決定方法 |
US10189171B1 (en) * | 2017-07-19 | 2019-01-29 | I-Wei Chiang | Scissor cutter |
-
2020
- 2020-05-29 JP JP2020095109A patent/JP7434065B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190302706A1 (en) | 2012-03-23 | 2019-10-03 | Concentric Power, Inc. | Systems and methods for power cogeneration |
WO2015146026A1 (ja) | 2014-03-28 | 2015-10-01 | 日本電気株式会社 | モデル選択システム、モデル選択方法およびプログラムを記憶する記録媒体 |
JP2018011465A (ja) | 2016-07-15 | 2018-01-18 | 大阪瓦斯株式会社 | コージェネレーションシステム |
US20190228481A1 (en) | 2018-01-22 | 2019-07-25 | Pason Power Inc. | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning |
JP2020035110A (ja) | 2018-08-28 | 2020-03-05 | パナソニックIpマネジメント株式会社 | 表示方法、プログラム及び表示制御システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021188568A (ja) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mi et al. | Short‐term power load forecasting method based on improved exponential smoothing grey model | |
JP6292076B2 (ja) | 時系列予測アンサンブル | |
US20120095608A1 (en) | Demand prediction apparatus, and computer readable, non-transitory storage medium | |
Wang et al. | A Pareto-based estimation of distribution algorithm for the multi-objective flexible job-shop scheduling problem | |
JP5606114B2 (ja) | 発電量予測装置、予測方法及び予測プログラム | |
Bumroongsri et al. | An off-line robust MPC algorithm for uncertain polytopic discrete-time systems using polyhedral invariant sets | |
WO2009107373A1 (ja) | エネルギー貯蔵装置の運転計画作成方法および運転計画作成装置 | |
JP7206874B2 (ja) | 制御装置、制御方法及びプログラム | |
Dalipi et al. | Data‐Driven Machine‐Learning Model in District Heating System for Heat Load Prediction: A Comparison Study | |
Dudek | Genetic algorithm with binary representation of generating unit start-up and shut-down times for the unit commitment problem | |
Nguyen et al. | A novel multiple objective whale optimization for time-cost-quality tradeoff in non-unit repetitive projects | |
Baranski et al. | Comparative study of neighbor communication approaches for distributed model predictive control in building energy systems | |
Rodriguez-Mier et al. | Feature selection and evolutionary rule learning for Big Data in smart building energy management | |
JP7434065B2 (ja) | 機械学習モデルを構築する装置、方法及びそのためのプログラム | |
Shang et al. | Modified genetic algorithm with simulated annealing applied to optimal load dispatch of the Three Gorges Hydropower Plant in China | |
CN111126707A (zh) | 能耗方程构建、能耗预测方法与装置 | |
Wenhan et al. | Improved grasshopper optimization algorithm to solve energy consuming reduction of chiller loading | |
Wang et al. | Digital twin based multi-objective energy management strategy for energy internet | |
CN116544931B (zh) | 基于集成片段变换和时间卷积网络的电力负荷分布预测方法 | |
Xue et al. | Enterprise information system structure optimization based on time property with improved immune genetic algorithm and binary tree | |
Awadallah et al. | A neuro-fuzzy adaptive power system stabilizer using genetic algorithms | |
Cheng et al. | Fuzzy control to improve energy-economizing in cyber-physical systems | |
Soyacikgoz et al. | Designing an intuitive algorithm based load frequency controller for electrical power systems | |
Min et al. | Research on mid-long term load forecasting based on combination forecasting mode | |
CN113608434A (zh) | 一种综合能源系统异质能流联动优化平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230526 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231128 |
|
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: 20240202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7434065 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |