JP7478019B2 - 予測装置、予測システム、予測方法、及びプログラム - Google Patents
予測装置、予測システム、予測方法、及びプログラム Download PDFInfo
- Publication number
- JP7478019B2 JP7478019B2 JP2020078508A JP2020078508A JP7478019B2 JP 7478019 B2 JP7478019 B2 JP 7478019B2 JP 2020078508 A JP2020078508 A JP 2020078508A JP 2020078508 A JP2020078508 A JP 2020078508A JP 7478019 B2 JP7478019 B2 JP 7478019B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- coefficient
- output
- input
- measurement value
- 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
- 238000000034 method Methods 0.000 title claims description 74
- 238000005259 measurement Methods 0.000 claims description 218
- 239000011159 matrix material Substances 0.000 claims description 129
- 230000008569 process Effects 0.000 claims description 49
- 230000004044 response Effects 0.000 claims description 30
- 238000013277 forecasting method Methods 0.000 claims 3
- 239000013598 vector Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 230000007423 decrease Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 239000000446 fuel Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 241001123248 Arma Species 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明の第1の態様によれば、予測対象の将来における出力を予測する予測装置は、プロセッサと、前記プロセッサに接続され、前記予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、を備える。前記プロセッサは、過去に記憶された複数の前記入力計測値、及び複数の前記出力計測値から、移動平均フィルタを用いて前記入力に対する第1係数を同定する同定処理と、前記入力計測値、前記出力計測値、及び前記第1係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測する予測処理と、を実行する。前記同定処理については、出力yの予測値の事前分布の評価において、観測雑音の共分散行列σw 2I(n×n)と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、を用いることを特徴とする。
以下、本発明の第1の実施形態に係る予測装置、及び当該予測装置を具備する予測システムについて、図1Aを参照しながら説明する。
図1Aは、本発明の第1の実施形態に係る予測システムの機能構成を示す図である。
図1Aに示すように、予測システム1は、予測対象2の将来における出力を予測する予測装置3を備えている。
ここで、従来のカーネル型システム同定法における同定処理について説明する。従来のカーネル型システム同定法において、予測対象の時刻毎の入力計測値をui(i=t,t-1,t-2,…)、出力計測値をyi(i=t,t-1,t-2,…)とすると、予測対象の1ステップ先(時刻t+1)における出力yt+1は、以下の式(1)のように、移動平均フィルタ(MAフィルタ)の形式で表現される。なお、明細書中における「^y」との表記は、以下に示す図、式中において「y」にハット記号「^」が付された表記に対応する。同様に、明細書中における「^K」、「^a」との表記は、以下に示す図、式中において「K」、「a」にハット記号「^」が付された表記に対応する。
本実施形態に係る予測装置3の同定部310は、移動平均フィルタ(MAフィルタ)を用いるところは従来と同様である。しかし、本実施形態の移動平均フィルタでは、予測対象2の1ステップ先(時刻t+1)における出力「yt+1」を、入力外乱vを考慮して以下の式(6A)で表して、同定処理S1を行う。ここに、入力外乱vは、平均が「0」、標準偏差がσvのガウス分布に従うものとする。これを、v~N(0,σv 2)と表記する。なお、観測雑音wは従来の手法と同様である。「^yt+1」は「yt+1」の予測値である。この「^yt+1」を求める式は、本実施形態における予測モデルを表している。
以上のように、本実施形態に係る予測システム1の予測装置3は、入力に対する第1係数aの同定処理S1については、観測雑音の共分散行列σw 2I(n×n)と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、を用いることを特徴とする。これにより、観測不可能な外乱による影響が生じた場合であっても、外乱の標準偏差についての事前情報を利用して、予測対象の出力の予測精度が低下することを抑制することができる。
以下、本発明の第2の実施形態に係る予測装置、及び当該予測装置を具備する予測システムについて、図1Bを参照しながら説明する。前述した第1の実施形態との差異は、第1の実施形態が移動平均フィルタを利用するのに対し、本実施形態では自己回帰移動平均フィルタを利用するところにある。これは、予測装置3の同定部310にて行う同定処理S1と予測部311にて行う予測処理S2の演算にのみ影響を及ぼすので、それのみを説明する。それ以外の機能と構成は第1の実施形態と同一である。
本実施形態に係る予測装置3の同定部310は、前述の移動平均フィルタに代えて、自己回帰移動平均フィルタ(ARMAフィルタ)を用いて同定処理S1を行う。自己回帰移動平均フィルタでは、予測対象2の1ステップ先(時刻t+1)における出力「yt+1」を以下の式(6F)で表す。なお、観測雑音wは従来の手法と同様である。「^yt+1」は「yt+1」の予測値である。この「^yt+1」を求める式は、本実施形態における予測モデルを表している。
図2は、本発明の第2の実施形態に係る予測システムの実用例を示す図である。
以下、図2を参照しながら、本実施形態に係る予測システム1の実用方法の一例について説明する。なお、以下に説明する実用例は、第1の実施形態に適用してもよい。
予測装置3は、将来において発電所Gから電力系統L1へ供給される電力の周波数(出力)を予測する。
計測器50は、発電所Gと電力系統L1との接続点に設置され、当該接続点において発電所Gから電力系統L1に供給される有効電力と、当該接続点における電力系統L1の周波数とを計測可能とする。
以上のように、本実施形態に係る予測システム1の予測装置3は、プロセッサ31と、プロセッサ31に接続され、予測対象2の入力の計測値である入力計測値u、及び出力の計測値である出力計測値yを記憶する記録装置30と、を備える。プロセッサ31は、過去に記憶された複数の入力計測値u、及び複数の出力計測値yから、自己回帰移動平均フィルタを用いて入力に対する第1係数aと、出力に対する第2係数bとを同定する同定処理S1と、入力計測値u、出力計測値y、第1係数a、及び第2係数bからなる予測モデルに基づいて、予測対象2の将来における出力を予測する予測処理S2と、を実行する。 第1実施例で述べた移動平均フィルタによる予測は、入力計測値uのみから出力を予測するので、観測不可能な外乱の影響によって出力計測値yが変動した場合であっても、これを予測に使うことが出来ない。したがって、外乱が大きい場合には予測精度が低下する。しかし、一般に自己回帰移動平均フィルタによる予測では、過去の出力計測値yも予測につかうので、観測不可能な外乱の影響によって出力計測値yが変動した場合であっても、その変動を予測に反映できる点は有利である。さらに、第2の実施形態で述べた自己回帰移動平均フィルタによる予測は、事前分布の評価において、第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、第2係数に係るカーネル行列で重み付けした観測雑音の共分散行列と、を用いるところに特徴がある。この特徴により、予測対象2の入力計測値uと出力計測値yとを関係付ける第1係数a、及び第2係数bを、観測不可能な入力外乱および出力外乱の影響を考慮に入れつつ決定することができる。これにより、第2の実施例による予測装置3は外乱による予測精度の低下が抑制される。
このようにすることで、予測システム1は、予測対象2の出力が適切な値となるように、入力を精度よく調整することができる。
このようにすることで、予測システム1の制御装置210は、電力系統L1の周波数(出力)を適切に維持できるように、電源21,22,23,…の有効電力(入力)を精度よく調整することができる。すなわち、制御装置210は、発電所Gにおける調整能力を向上させることができる。
以下、本発明の第3の実施形態に係る予測装置、及び当該予測装置を具備する予測システムについて、図1Cを参照しながら説明する。前述した第2の実施形態との差異は、第2の実施形態が自己回帰移動平均フィルタ(ARMAフィルタ)を利用するのに対し、本実施形態では無限インパルス応答フィルタ(IIRフィルタ)を利用するところにある。これは、予測装置3の同定部310にて行う同定処理S1と予測部311にて行う予測処理S2の演算にのみ影響を及ぼすので、それのみを説明する。それ以外の機能と構成は第1の実施形態と同一である。
本実施形態に係る予測装置3の同定部310は、前述の移動平均フィルタ、自己回帰移動平均フィルタ(ARMAフィルタ)に代えて、無限インパルス応答フィルタを用いて同定処理S1を行う。無限インパルス応答フィルタでは、予測対象2の1ステップ先(時刻t+1)における出力「yt+1」を以下の式(15A)で表す。「^yt+1」は「yt+1」の予測値である。この「^yt+1」を求める式は、本実施形態における予測モデルを表している。
以上のように、本実施形態に係る予測システム1の予測装置3は、プロセッサ31と、プロセッサ31に接続され、予測対象2の入力の計測値である入力計測値u、及び出力の計測値である出力計測値yを記憶する記録装置30と、を備える。プロセッサ31は、過去に記憶された複数の入力計測値u、及び複数の出力計測値yから、無限インパルス応答フィルタの形式のモデルを用いて入力に対する第1係数aと、出力に対する第2係数bとを同定する同定処理S1と、入力計測値u、出力計測値y、第1係数a、及び第2係数bからなる予測モデルに基づいて、予測対象2の将来における出力を予測する予測処理S2と、を実行する。無限インパルス応答フィルタを利用することにより、移動平均フィルタと同様に、入力観測値uのみから出力を予測することが可能であるから実装が容易である。さらに、移動平均フィルタとの比較では、一般に、無限インパルス応答フィルタは、移動平均フィルタに比べて、フィルタの次数(荷重係数の数n)が小さくて済むから数値演算の点で有利である、などの利点が得られる。
次に、本発明の第4の実施形態に係る予測システム1について、図3を参照しながら説明する。
第1及び第2の実施形態と共通の構成要素には同一の符号を付して詳細説明を省略する。
本実施形態に係る予測装置3は、予測対象2のmステップ先(時刻t+m)における出力の予測を行う点において、第1~第3の実施形態と異なっている。
図3は、本発明の第4の実施形態に係る予測システムの機能構成を示す図である。
図3に示すように、本実施形態では、予測対象2のmステップ先(時刻t+m)における出力の予測値「^ym+1」を以下の式(16)で表す。この「^yt+1」を求める式は、本実施形態における予測モデルを表している。
以上のように、本実施形態に係る予測装置3のプロセッサ31(予測部311)は、予測処理S2において、現在から所定時間後(mステップ先)の前記予測対象の出力を予測する。
このようにすることで、予測装置3は、第1の実施形態よりも長時間先における予測対象2の出力を予測することができる。
次に、本発明の第5の実施形態に係る予測システム1について、図4を参照しながら説明する。
第1~第4の実施形態と共通の構成要素には同一の符号を付して詳細説明を省略する。
本実施形態に係る予測装置3は、複数種類の入力、及び複数種類の出力を持つシステム等を予測対象2として扱う点において、第1~第4の実施形態と異なっている。
図4に示すように、本実施形態に係る予測装置3の記録装置30は、予測対象2から複数種類の入力計測値(入力ベクトル)、及び複数種類の出力計測値(出力ベクトル)を記憶する。
以上のように、本実施形態に係る予測装置3の記録装置30は、予測対象2の複数種類の入力計測値u、及び複数種類の出力計測値yを記憶し、プロセッサ31(同定部310)は、同定処理S1において、複数種類の入力それぞれに対する複数の第1係数Aと、複数種類の出力それぞれに対する複数の第2係数Bと、を同定する。
このようにすることで、予測装置3は、予測対象2が複数の入力及び複数種類の出力を持つシステム等であった場合でも、この予測対象2の複数種類の出力それぞれを予測することができる。
図5は、本発明の少なくとも一実施形態に係る予測装置、及び制御装置のハードウェア構成の一例を示す図である。
図5に示すように、コンピュータ900は、プロセッサ901、メインメモリ902、ストレージ903、インタフェース904を備える。
2 予測対象
21,22,23 電源
210 制御装置
211 タービン装置
212 発電機
213 加減弁
3 予測装置
30 記録装置
31 プロセッサ
310 同定部
311 予測部
50 計測器
Claims (13)
- 予測対象の将来における出力を予測する予測装置であって、
プロセッサと、
前記プロセッサに接続され、前記予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、
を備え、
前記プロセッサは、
過去に記憶された複数の前記入力計測値、及び複数の前記出力計測値から、移動平均フィルタを用いて前記入力に対する第1係数を同定する同定処理と、
前記入力計測値、前記出力計測値、及び前記第1係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測する予測処理と、
を実行し、
前記同定処理において、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列とを用いる、
予測装置。 - 予測対象の将来における出力を予測する予測装置であって、
プロセッサと、
前記プロセッサに接続され、前記予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、
を備え、
前記プロセッサは、
過去に記憶された複数の前記入力計測値、及び複数の前記出力計測値から、自己回帰移動平均フィルタを用いて前記入力に対する第1係数と、前記出力に対する第2係数とを同定する同定処理と、
前記入力計測値、前記出力計測値、前記第1係数、及び前記第2係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測する予測処理と、
を実行し、
前記同定処理において、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、前記第2係数に係るカーネル行列で重み付けした観測雑音の共分散行列とを用いる、
予測装置。 - 予測対象の将来における出力を予測する予測装置であって、
プロセッサと、
前記プロセッサに接続され、前記予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、
を備え、
前記プロセッサは、過去に記憶された複数の前記入力計測値、及び複数の前記出力計測値から、無限インパルス応答フィルタを用いて前記入力に対する第1係数と、前記出力に対する第2係数とを同定する同定処理と、
前記入力計測値、前記出力計測値、前記第1係数、及び前記第2係数からなる無限インパルス応答フィルタの形式による予測モデルに基づいて、前記予測対象の将来における出力を予測する予測処理と、
を実行し、
前記同定処理において、観測雑音の共分散行列、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列を用いる、
予測装置。 - 前記プロセッサは、前記予測処理において、現在から所定時間後の前記予測対象の出力を予測する、
請求項1から3の何れか一項に記載の予測装置。 - 前記記録装置は、前記予測対象の複数種類の入力計測値、及び複数種類の出力計測値を記憶し、
前記プロセッサは、前記同定処理において、複数種類の前記入力それぞれに対する複数の前記第1係数と、複数種類の前記出力それぞれに対する複数の前記第2係数と、を同定する、
請求項2に記載の予測装置。 - 請求項1から5の何れか一項に記載の予測装置と、
前記予測装置と通信可能に接続され、当該予測装置から受信した前記予測対象の出力の予測値に基づいて、当該予測対象の入力を調整する制御装置と、
を備える予測システム。 - 前記予測対象は、電力系統に電力の供給を行う電源であり、
前記制御装置は、前記予測値に基づいて、前記電源が有するタービン装置の加減弁の開度を調整する、
請求項6に記載の予測システム。 - 予測対象の将来における出力を予測する予測方法であって、
予測装置が、過去の複数の入力の計測値である入力計測値、及び複数の出力の計測値である出力計測値から、移動平均フィルタを用いて前記入力に対する第1係数を同定するステップと、
前記予測装置が、前記入力計測値、前記出力計測値、及び前記第1係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測するステップと、
を有し、
前記第1係数を同定するステップにおいて、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列とを用いる、
予測方法。 - 予測対象の将来における出力を予測する予測方法であって、
予測装置が、過去の複数の入力の計測値である入力計測値、及び複数の出力の計測値である出力計測値から、自己回帰移動平均フィルタを用いて前記入力に対する第1係数と、前記出力に対する第2係数とを同定するステップと、
前記予測装置が、前記入力計測値、前記出力計測値、前記第1係数、及び前記第2係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測するステップと、
を有し、
前記第1係数及び前記第2係数を同定するステップにおいて、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、前記第2係数に係るカーネル行列で重み付けした観測雑音の共分散行列とを用いる、
予測方法。 - 予測対象の将来における出力を予測する予測方法であって、
予測装置が、過去の複数の入力の計測値である入力計測値、及び複数の出力の計測値である出力計測値から、無限インパルス応答フィルタを用いて前記入力に対する第1係数と、前記出力に対する第2係数とを同定するステップと、
前記予測装置が、前記入力計測値、前記出力計測値、前記第1係数、及び前記第2係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測するステップと、
を有し、
前記第1係数及び前記第2係数を同定するステップにおいて、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、を用いる、
予測方法。 - プロセッサと、前記プロセッサに接続され、予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、を備える予測装置のコンピュータを機能させるプログラムであって、前記コンピュータに、
過去に記憶された複数の前記入力計測値、及び複数の前記出力計測値から、移動平均フィルタを用いて前記入力に対する第1係数を同定するステップと、
前記入力計測値、前記出力計測値、及び前記第1係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測するステップと、
を実行させ、
前記第1係数を同定するステップにおいて、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列とを用いる、
プログラム。 - プロセッサと、前記プロセッサに接続され、予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、を備える予測装置のコンピュータを機能させるプログラムであって、前記コンピュータに、
過去に記憶された複数の前記入力計測値、及び複数の前記出力計測値から、自己回帰移動平均フィルタを用いて前記入力に対する第1係数と、前記出力に対する第2係数とを同定するステップと、
前記入力計測値、前記出力計測値、前記第1係数、及び前記第2係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測するステップと、
を実行させ、
前記第1係数及び前記第2係数を同定するステップにおいて、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、前記第2係数に係るカーネル行列で重み付けした観測雑音の共分散行列とを用いる、
プログラム。 - プロセッサと、前記プロセッサに接続され、予測対象の入力の計測値である入力計測値、及び出力の計測値である出力計測値を記憶する記録装置と、を備える予測装置のコンピュータを機能させるプログラムであって、前記コンピュータに、
過去の複数の入力の計測値である入力計測値、及び複数の出力の計測値である出力計測値から、無限インパルス応答フィルタを用いて前記入力に対する第1係数と、前記出力に対する第2係数とを同定するステップと、
前記入力計測値、前記出力計測値、前記第1係数、及び前記第2係数からなる予測モデルに基づいて、前記予測対象の将来における出力を予測するステップと、
を実行させ、
前記第1係数及び前記第2係数を同定するステップにおいて、観測雑音の共分散行列と、前記第1係数に係るカーネル行列で重み付けした入力外乱の共分散行列と、を用いる、 プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425756.6A CN111985673A (zh) | 2019-05-22 | 2020-05-19 | 预测装置、预测系统、预测方法以及记录介质 |
US16/878,924 US20200372377A1 (en) | 2019-05-22 | 2020-05-20 | Prediction device, prediction system, prediction method, and non-transitory computer-readable medium |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019096151 | 2019-05-22 | ||
JP2019096151 | 2019-05-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020194535A JP2020194535A (ja) | 2020-12-03 |
JP7478019B2 true JP7478019B2 (ja) | 2024-05-02 |
Family
ID=73052333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020078508A Active JP7478019B2 (ja) | 2019-05-22 | 2020-04-27 | 予測装置、予測システム、予測方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7478019B2 (ja) |
DE (1) | DE102020113662A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7430127B2 (ja) | 2020-09-02 | 2024-02-09 | 三菱重工業株式会社 | 予測装置、予測方法、及びプログラム |
JP2023043642A (ja) | 2021-09-16 | 2023-03-29 | キオクシア株式会社 | テスト制御装置、テストシステム、および制御方法 |
CN114610224A (zh) * | 2022-01-25 | 2022-06-10 | 清华大学 | 一种结构动载荷识别方法和虚拟键盘 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004062440A (ja) | 2002-07-26 | 2004-02-26 | Toshiba Corp | 予測モデルシステム |
JP2006244176A (ja) | 2005-03-03 | 2006-09-14 | Osaka Prefecture | 予測におけるパラメータ推定方法、同推定装置、コンピュータプログラム及び記録媒体 |
-
2020
- 2020-04-27 JP JP2020078508A patent/JP7478019B2/ja active Active
- 2020-05-20 DE DE102020113662.5A patent/DE102020113662A1/de active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004062440A (ja) | 2002-07-26 | 2004-02-26 | Toshiba Corp | 予測モデルシステム |
JP2006244176A (ja) | 2005-03-03 | 2006-09-14 | Osaka Prefecture | 予測におけるパラメータ推定方法、同推定装置、コンピュータプログラム及び記録媒体 |
Non-Patent Citations (1)
Title |
---|
辛 景民,入出力雑音を受ける場合のMSEに基づくモデル次数の決定法,計測自動制御学会論文集,1998年08月31日,Vol.34 No.8,pp.941-949 |
Also Published As
Publication number | Publication date |
---|---|
DE102020113662A1 (de) | 2020-11-26 |
JP2020194535A (ja) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7478019B2 (ja) | 予測装置、予測システム、予測方法、及びプログラム | |
US7548830B2 (en) | System and method for equipment remaining life estimation | |
US9275335B2 (en) | Autonomous biologically based learning tool | |
US8078552B2 (en) | Autonomous adaptive system and method for improving semiconductor manufacturing quality | |
Molnár et al. | Optimal monetary policy when agents are learning | |
Xia et al. | Operating load based real-time rolling grey forecasting for machine health prognosis in dynamic maintenance schedule | |
Wang et al. | Convergence of the recursive identification algorithms for multivariate pseudo‐linear regressive systems | |
Yang et al. | A fault tolerant control framework for periodic switched non-linear systems | |
Wei et al. | Reliable output feedback control for piecewise affine systems with Markov-type sensor failure | |
US20210133376A1 (en) | Systems and methods of parameter calibration for dynamic models of electric power systems | |
Habib et al. | Data-driven modeling: concept, techniques, challenges and a case study | |
AU2018251134A1 (en) | Method and apparatus for monitoring the condition of subsystems within a renewable generation plant or microgrid | |
Elleuch et al. | State and faults estimation based on proportional integral sliding mode observer for uncertain Takagi–Sugeno fuzzy systems and its application to a turbo-reactor | |
Merkli et al. | Fast AC power flow optimization using difference of convex functions programming | |
Golabi et al. | A Bayesian approach for estimation of linear-regression LPV models | |
Ruan et al. | Estimating demand flexibility using Siamese LSTM neural networks | |
Zhang et al. | Parameter-dependent mixed ℋ2/ℋ∞ filtering for linear parameter-varying systems | |
JP2015148934A (ja) | 発電量予測装置および発電量予測方法 | |
Fusco et al. | Power systems data fusion based on belief propagation | |
Ferdowsi et al. | Decentralized fault tolerant control of a class of nonlinear interconnected systems | |
Köroğlu et al. | Scheduled control for robust attenuation of non-stationary sinusoidal disturbances with measurable frequencies | |
US20210286324A1 (en) | Compensator, control system, compensation method, and program | |
JP2018516413A (ja) | モデル予測制御アプリケーションにおける最高性能値に関する優れた性能のためのシステム及び方法 | |
Lu et al. | Novel extreme learning machine using Kalman filter for performance prediction of aircraft engine in dynamic behavior | |
Zhou et al. | Parsimonious kernel recursive least squares algorithm for aero-engine health diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240328 |
|
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: 20240409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7478019 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |