JPH0538051A - Method and apparatus for predicting power demand - Google Patents
Method and apparatus for predicting power demandInfo
- Publication number
- JPH0538051A JPH0538051A JP18280891A JP18280891A JPH0538051A JP H0538051 A JPH0538051 A JP H0538051A JP 18280891 A JP18280891 A JP 18280891A JP 18280891 A JP18280891 A JP 18280891A JP H0538051 A JPH0538051 A JP H0538051A
- Authority
- JP
- Japan
- Prior art keywords
- power demand
- temperature
- day
- weather
- forecast
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title description 20
- 230000008859 change Effects 0.000 description 63
- 238000004364 calculation method Methods 0.000 description 48
- 238000007405 data analysis Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 18
- 238000001816 cooling Methods 0.000 description 12
- 238000013277 forecasting method Methods 0.000 description 10
- 230000007423 decrease Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 208000008454 Hyperhidrosis Diseases 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000013460 sweaty Diseases 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 101100452374 Mus musculus Ikbke gene Proteins 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
【０００１】[0001]
【請求項１】 過去の日の電力需要実績と該過去の日の
気温、天気、湿度等の気象データとから天気別に気温と
電力需要との関係式を求め、該関係式と予想対象日の予
想される天気、気温とから予想対象日の電力需要を求
め、該予想対象日の電力需要を、少なくとも予想対象日
とその前日、前前日の３日間での予想気象の変化パター
ンと類似する気象データを持った過去の参照日の電力需
要実績により補正し、該補正した値を予想対象日の電力
需要予測値とすることを特徴とする電力需要予測方法。1. A relational expression between temperature and power demand for each weather is obtained from the past power demand record and meteorological data such as temperature, weather, and humidity of the past day, and the relational expression and the forecast target day The power demand for the forecast target day is calculated from the forecast weather and temperature, and the power demand for the forecast target day is at least similar to the forecast weather change pattern for the forecast target day, the day before the forecast day, and the three days before the forecast day. A power demand forecasting method, comprising: correcting with a power demand record of a past reference date having data; and using the corrected value as a power demand forecast value on a forecast target day.
【０００２】[0002]
【請求項２】 前記予想気象の変化パターンは気温の変
化パターンなることを特徴とする請求項１記載の電力需
要予測方法。2. The power demand forecasting method according to claim 1, wherein the forecasted weather change pattern is a temperature change pattern.
【０００３】[0003]
【請求項３】 前記予想気象の変化パターンは気温と湿
度から求められる不快指数の変化パターンなることを特
徴とする請求項１記載の電力需要予測方法。3. The power demand prediction method according to claim 1, wherein the expected weather change pattern is a change pattern of a discomfort index obtained from temperature and humidity.
【０００４】[0004]
【請求項４】 前記予想気象の変化パターンは湿度の変
化パターンなることを特徴とする請求項１記載の電力需
要予測方法。4. The power demand forecasting method according to claim 1, wherein the forecasted weather change pattern is a humidity change pattern.
【０００５】[0005]
【請求項５】 前記過去の日の気温及び予想対象日の予
想される気温をそれぞれ日最高気温とすることを特徴と
する請求項１〜４いずれか記載の電力需要予測方法。5. The power demand forecasting method according to claim 1, wherein the temperature of the past day and the expected temperature of the forecast target day are respectively set as the daily maximum temperature.
【０００６】[0006]
【請求項６】 前記過去の日の気温及び予想対象日の予
想される気温をそれぞれ日平均気温とすることを特徴と
する請求項１〜４いずれか記載の電力需要予測方法。6. The electric power demand forecasting method according to claim 1, wherein the temperature of the past day and the expected temperature of the forecast target day are each set as a daily average temperature.
【０００７】[0007]
【請求項７】 前記過去の日の気温及び予想対象日の予
想される気温をそれぞれ日最低気温とすることを特徴と
する請求項１〜４いずれか記載の電力需要予測方法。7. The power demand prediction method according to claim 1, wherein the temperature of the past day and the predicted temperature of the predicted target day are respectively set as the daily minimum temperature.
【０００８】[0008]
【請求項８】 予想対象日とその前日及び前前日の少な
くとも３日間の予想気象を入力するデータ入力部と、過
去の日の電力需要実績と該過去の日の気温、天気、湿度
等の気象データを有するデータベースと、該データベー
スに格納された過去の電力需要実績と気象データとから
天気別に気温と電力需要との関係式を求めるデータ分析
部と、該データ分析部で求めた関係式に予想日の予想さ
れる気温を代入して電力需要を求める電力需要予測部
と、該電力需要予測部で求めた予想対象日の電力需要
を、少なくとも予想対象日とその前日、前前日の３日間
での予想気象の変化パターンと類似する気象データを持
った過去の参照日の電力需要実績により、補正する補正
値計算部と、該補正値計算部で補正された電力需要の値
を出力する出力部とから構成されたことを特徴とする電
力需要予測装置。8. A data input section for inputting a forecast target date and forecast weather for the preceding day and at least three days before the preceding day, a power demand record of the past day, and weather such as temperature, weather and humidity of the past day. A database having data, a data analysis unit that obtains a relational expression between temperature and power demand for each weather based on past power demand records and meteorological data stored in the database, and expects the relational expression obtained by the data analysis unit The power demand forecasting unit that obtains the power demand by substituting the expected temperature of the day and the power demand on the forecast target day obtained by the power demand forecasting unit are at least the forecast target date, the day before the forecast target day, and the three days before the preceding day. Correction value calculation unit that corrects the power demand result in the past reference date having weather data similar to the expected weather change pattern, and an output unit that outputs the value of the power demand corrected by the correction value calculation unit And from A power demand forecasting device characterized by being configured.
【０００９】[0009]
【請求項９】 前記補正値計算部は、予想気象の変化パ
ターンを、最上位クラスに分類された気象の種類と、第
２位のクラスに複数レベルに分割された対象日とその前
日の気温偏差と、第３位のクラスに複数レベルに分割さ
れた前日と前前日の気温偏差とから構成する階層構造に
することを特徴とする請求項５記載の電力需要予測装
置。9. The correction value calculation unit divides the expected weather change pattern into the weather class classified into the highest class, the target day divided into a plurality of levels into the second class, and the temperature of the previous day. The power demand prediction apparatus according to claim 5, wherein the power demand prediction apparatus has a hierarchical structure including a deviation and a temperature deviation of the previous day divided into a plurality of levels into a third rank class and a temperature deviation of the previous day.
【００１０】[0010]
【請求項１０】 前記過去の日の気温及び予想対象日の
予想される気温をそれぞれ日最高気温とすることを特徴
とする請求項６または７記載の電力需要予測装置。10. The electric power demand prediction apparatus according to claim 6, wherein the temperature of the past day and the predicted temperature of the predicted target day are respectively set as maximum daily temperatures.
【００１１】[0011]
【産業上の利用分野】本発明は将来の予想対象日の一日
当たりの電力需要を予測する方法及び装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method and apparatus for predicting daily electric power demand for future forecast target days.
【００１２】[0012]
【従来の技術】従来技術は、特開昭６０−１０６３２５
号公報に記載のように、過去の日々の日最高気温実績と
それぞれの日の電力需要実績から日最高気温に対する電
力需要特性を最小二乗法を用いて二次式で表現し、この
関係式に電力需要を予測しようとする予想対象日の予想
最高気温を代入することにより、予想対象日の電力需要
を予測していた。2. Description of the Related Art The prior art is disclosed in JP-A-60-106325.
As described in the official gazette, the power demand characteristic for the daily maximum temperature is expressed by a quadratic equation using the least squares method from the past daily maximum daily temperature record and the power demand record of each day. The electric power demand was predicted by substituting the predicted maximum temperature of the predicted target day for which the electric power demand is to be predicted.
【００１３】[0013]
【発明が解決しようとする課題】上記従来技術は、過去
の日々の電力需要実績と日最高気温から求めた二次式に
予想対象日の予想日最高気温を代入することにより、予
想対象日の電力需要を予測しているため、予想対象日の
前の日々における過去の気温など気象の変動による電力
需要の変動分については考慮していないという問題があ
った。SUMMARY OF THE INVENTION The above-mentioned conventional technique is to substitute the predicted maximum day temperature of the predicted target day into a quadratic formula obtained from past daily power demand records and the maximum daily temperature. Since the electric power demand is predicted, there is a problem that the fluctuation amount of the electric power demand due to the change of the weather such as the past temperature in the days before the forecast target day is not taken into consideration.
【００１４】本発明は、予想対象日の予想気象だけでな
く、予想対象日とその前の日々を含め少なくとも３日間
における気象の変動を考慮することにより、電力需要の
予測精度を向上することにある。The present invention improves not only the forecasted weather of the forecasted target date but also the forecasted date and the fluctuation of the weather for at least three days including the days before the forecasted target date to improve the forecast accuracy of the power demand. is there.
【００１５】[0015]
【課題を解決するための手段】上記目的を達成するため
に、本発明の電力需要予測方法は、過去の日の電力需要
実績とそれぞれの過去の日の気温、天気、湿度等の気象
データとから天気別に気温と電力需要との関係式を求
め、その関係式に予想対象日の予想される天気、気温を
代入して予想対象日の電力需要を求め、求めた予想対象
日の電力需要を、少なくとも予想対象日とその前日、前
前日の３日間での予想気象の変化パターンと類似する気
象データを持った過去の参照日の電力需要実績により補
正して、補正した値を予想対象日の電力需要予測値とす
ることを特徴としている。In order to achieve the above object, the power demand forecasting method of the present invention uses the past power demand record and meteorological data such as temperature, weather and humidity of each past day. From this, we obtain the relational expression between the temperature and the power demand for each weather, and by substituting the expected weather and temperature of the forecasted target date into the relational formula, we obtain the power demand on the forecasted target date, and calculate the calculated power demand on the forecasted target date. , At least the forecast target date, the day before the forecast day, and the forecast value of the forecast target date after being corrected by the actual power demand record of the past reference date that has weather data similar to the change pattern of the forecast weather for the previous three days. It is characterized by using it as a power demand forecast value.
【００１６】前記予想気象の変化パターンは気温の変化
パターン、または湿度から求められる不快指数の変化パ
ターン、または変化パターンとし、さらに前記過去の日
の気温及び予想対象日の予想される気温をそれぞれ、夏
季は日最高気温とし、冬季、春季及び秋季は日平均気温
または日最低気温とするのがよい。The change pattern of the expected weather is a change pattern of the temperature, or a change pattern of the discomfort index obtained from the humidity, or a change pattern, and further, the temperature of the past day and the expected temperature of the predicted target day, respectively. It is recommended to set the daily maximum temperature in summer and the average daily temperature or minimum daily temperature in winter, spring and autumn.
【００１７】また、本発明の電力需要予測装置は、予想
対象日とその前日及び前前日の少なくとも３日間の予想
気象を入力するデータ入力部と、過去の日の電力需要実
績とそれぞれの過去の日の気温、天気湿度等の気象デー
タを有するデータベースと、そのデータベースに格納さ
れた過去の電力需要実績と気象データとから天気別に気
温と電力需要との関係式を求めるデータ分析部と、その
データ分析部で求めた関係式に予想日の予想される天
気、気温を代入して電力需要を求める電力需要予測部
と、電力需要予測部で求めた予想対象日の電力需要を、
少なくとも予想対象日とその前日、前前日の３日間での
予想気象の変化パターンと類似する気象データを持った
過去の参照日の電力需要実績により、補正する補正値計
算部と、その補正値計算部で補正された電力需要の値を
出力する出力部とから構成されたことを特徴としてい
る。Further, the power demand forecasting apparatus of the present invention includes a data input section for inputting the forecast target day, the forecasted day before the forecasted day, and forecasted weather for at least three days before the forecasted day, and the past demands of the past days for the forecasted power demand. A database having meteorological data such as daily temperature and weather humidity, a data analysis unit that obtains a relational expression between temperature and electric power demand for each weather from past power demand records and meteorological data stored in the database, and the data. The power demand forecasting unit that obtains the power demand by substituting the expected weather and temperature in the relational expression obtained by the analysis unit, and the power demand on the forecast target date obtained by the power demand forecasting unit,
At least the forecast target date, the day before the forecast day, and the revision value calculation unit that compensates for the past demand on the power demand record having the weather data similar to the forecast weather change pattern for the three days before the previous day. And an output unit that outputs the value of the power demand corrected by the unit.
【００１８】前記補正値計算部は、予想気象の変化パタ
ーンを、最上位クラスに分類された気象の種類と、第２
位のクラスに複数レベルに分割された対象日とその前日
の気温偏差と、第３位のクラスに複数レベルに分割され
た前日と前前日の気温偏差とから構成する階層構造と
し、また、前記過去の日の気温及び予想対象日の予想さ
れる気温をそれぞれ、夏季は日最高気温とし、冬季、春
季及び秋季は日平均気温または日最低気温とするのがよ
い。The correction value calculation unit calculates the expected weather change pattern based on the type of weather classified into the highest class and the second
A hierarchical structure composed of the target day and the temperature deviation of the previous day divided into a plurality of classes in the first rank, and the temperature deviation of the previous day and the temperature change of the previous day divided into a plurality of the levels in the third rank. It is preferable that the past day temperature and the expected temperature of the target day be the maximum daily temperature in summer and the average daily temperature or minimum daily temperature in winter, spring, and autumn, respectively.
【００１９】[0019]
【作用】データ入力部は、電力需要を予測する予想対象
日とその前日及び前前日の少なくとも３日間の予想気象
を入力するのに用い、データベースは過去の日の電力需
要実績と過去の日それぞれの気温、天気、湿度等の気象
データを有しており、データ分析部はデータベース中に
格納されたデータを読み込み、天気別に気温に対する電
力需要の関係式すなわち回帰式を求め、電力需要予測部
はデータ分析部で求めた回帰式に予想日の予想される気
温を代入して電力需要を求め、補正値計算部は過去の気
象データから予想対象日とその前の日々を含めて少なく
とも３日間における気象の変化パターンと類似した日を
全て検索し、データ分析部で求めた気温と電力需要実績
の回帰式に類似した日の気温を代入したときの電力需要
値と電力需要実績の差を気象の変動による補正値として
計算し、需要予測部が予想対象日の予想気象をもとに予
測した電力需要値に気象の変動による補正値を加算して
補正し、出力部は補正値計算部で補正された電力需要の
値を出力する。The data input unit is used to input the forecast target date for forecasting the power demand and the forecast weather for the preceding day and at least three days before the preceding day, and the database is used for the past power demand record and the past day, respectively. It has weather data such as temperature, weather, humidity, etc., and the data analysis unit reads the data stored in the database, obtains the relational expression of the power demand with respect to temperature for each weather, that is, the regression formula, and the power demand prediction unit Electric power demand is calculated by substituting the expected temperature of the forecast day into the regression equation obtained by the data analysis unit, and the correction value calculation unit calculates the past demand date and the previous days from at least three days from past meteorological data. Electric power demand value and electric power demand record when all the days similar to the weather change pattern are searched and the temperature of the day calculated by the data analysis unit and the temperature of the similar day are substituted into the regression formula of the electric power demand record The difference is calculated as a correction value due to fluctuations in the weather, and the demand prediction unit adds the correction value due to the fluctuations in the weather to the power demand value predicted based on the forecast weather on the forecast target day to correct it, and the output unit corrects it. The value of the electric power demand corrected by the calculation unit is output.
【００２０】そして予想気象の変化パターンを、最上位
クラスに分類された気象の種類と、第２位のクラスに複
数レベルに分割された対象日とその前日の気温偏差と、
第３位のクラスに複数レベルに分割された前日と前前日
の気温偏差とから構成する階層構造にし、補正値計算部
が検索した過去の気象の変化パターンを同様に階層化し
て比較することにより、過去のデータから予想対象日と
類似した気象の変化パターンを持つ過去の日を容易に選
択することができる。Then, the change pattern of the forecasted weather is classified into the highest class, the kind of weather, and the temperature deviation of the target day and the previous day divided into a plurality of levels in the second class.
By making a hierarchical structure consisting of the previous day and the temperature deviation of the previous day divided into multiple classes into the third class, and comparing the past weather change patterns retrieved by the correction value calculation unit in the same manner and comparing them. , It is possible to easily select a past day having a weather change pattern similar to the forecast target day from the past data.
【００２１】[0021]
【実施例】本発明の第一の実施例を図１〜図５を用いて
説明する。図１は本発明の電力需要予測装置の構成図で
あり、図２は電力需要予測の手順を示すフローチャート
である。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS A first embodiment of the present invention will be described with reference to FIGS. FIG. 1 is a block diagram of a power demand prediction apparatus of the present invention, and FIG. 2 is a flowchart showing a procedure of power demand prediction.
【００２２】電力需要予測装置は、データ入力部１、電
力需要予測部２、データベース３及び予測結果出力部４
からなる。データ入力部１はキーボード等の入力装置で
あり、予測結果出力部４は表示画面、印刷機等の表示装
置である。電力需要予測部２はデータ分析部５、需要予
測部６及び補正値計算部７からなる。データ入力部１と
電力需要予測部２は入力信号ｓ１でつながれている。デ
ータベース３と電力需要予測部２はデータリクエスト信
号ｓ２とデータ信号ｓ３でつながれている。また、電力
需要予測部２と予測結果出力部４は出力信号ｓ４でつな
がれている。The power demand forecasting device comprises a data input unit 1, a power demand forecasting unit 2, a database 3 and a forecast result output unit 4.
Consists of. The data input unit 1 is an input device such as a keyboard, and the prediction result output unit 4 is a display screen, a display device such as a printing machine. The power demand prediction unit 2 includes a data analysis unit 5, a demand prediction unit 6 and a correction value calculation unit 7. The data input unit 1 and the power demand prediction unit 2 are connected by the input signal s1. The database 3 and the power demand prediction unit 2 are connected by the data request signal s2 and the data signal s3. Further, the power demand prediction unit 2 and the prediction result output unit 4 are connected by the output signal s4.
【００２３】次に電力需要予測装置の動作について、図
１の構成図と図２のフローチャートを参照して説明す
る。図２において、ステップ１０”予想条件の入力”で
は、データ入力部１を介して予想対象日の年月日、曜
日、予想気象（最高気温、最低気温、平均気温、湿度、
不快指数、天気、照度、日照時間など）をデータｓ１と
して電力需要予測装置２に入力し、このデータｓ１によ
り電力需要予測部２はデータベース３に過去のデータを
要求するリクエスト信号ｓ２を出力する。Next, the operation of the power demand forecasting apparatus will be described with reference to the block diagram of FIG. 1 and the flowchart of FIG. In FIG. 2, in step 10 “input forecast conditions”, the date input date, the day of the week, and forecast weather (maximum temperature, minimum temperature, average temperature, humidity,
(Discomfort index, weather, illuminance, sunshine duration, etc.) is input to the power demand prediction device 2 as data s1, and the power demand prediction unit 2 outputs a request signal s2 requesting past data to the database 3 based on this data s1.
【００２４】ステップ１１”データベース中のデータの
取り込み”では、データベース３はリクエスト信号ｓ２
を受けて、電力需要予測部２にデータｓ３を出力する。
出力されるデータｓ３は過去のデータで、年月日（カレ
ンダー）毎の電力需要、気象（最高気温、最低気温、平
均気温、天気、湿度など）である。これら電力需要予測
部２に取り込まれたデータｓ３はデータ分析部５に送ら
れる。In step 11 "Fetch data in database", the database 3 requests the request signal s2.
In response to this, the data s3 is output to the power demand prediction unit 2.
The output data s3 is past data, and is power demand and weather (maximum temperature, minimum temperature, average temperature, weather, humidity, etc.) for each date (calendar). The data s3 captured by the power demand prediction unit 2 is sent to the data analysis unit 5.
【００２５】ステップ１２”データの分析計算”では、
データ分析部５は次のように分析計算を実施する。デー
タ分析部５は、まず電力需要はその日の気温に最も関係
があることから、日最高気温Ｔと電力需要Ｐの関係を求
める、すなわち、データｓ３を用いて最小二乗法などに
より図３に示すような回帰曲線２０、Ｐt（Ｔ）を計算
する。ここでは例として夏季の電力需要について説明す
る。In Step 12 "Data Analysis Calculation",
The data analysis unit 5 carries out the analytical calculation as follows. First, the data analysis unit 5 finds the relationship between the daily maximum temperature T and the electric power demand P because the electric power demand is most related to the temperature of the day, that is, the data s3 is used in the method of least squares or the like to show in FIG. Such a regression curve 20, Pt (T) is calculated. Here, the power demand in summer will be described as an example.
【００２６】図３は夏季における日最高気温と電力需要
の関係を示す図で、日最高気温が高くなるにつれて冷房
装置の稼働が増加し、電力需要が伸びることを示してい
る。ある程度気温が低い（Ｔｌ）場合は冷房装置の稼働
が少なくなるので需要の伸びがなくなり、逆に気温が非
常に高い（Ｔh）場合、冷房装置がフル稼働し、これ以
上冷房による電力需要の伸びがないことを示している。
ちなみに冬季の場合は、気温の低下とともに暖房装置の
稼働とともに電力需要が増加するグラフになる。FIG. 3 is a diagram showing the relationship between the daily maximum temperature in summer and the electric power demand, and shows that the operation of the cooling device increases and the electric power demand increases as the daily maximum temperature rises. When the temperature is low (Tl) to a certain extent, the cooling system is less used, so the demand does not increase. On the contrary, when the temperature is extremely high (Th), the cooling system is in full operation and the demand for cooling is further increased. Indicates that there is no.
By the way, in the case of winter, the graph shows that the electricity demand increases with the operation of the heating system as the temperature decreases.
【００２７】この他、データ分析部５で天気の影響を分
析するため、天気別（晴、曇り、雨など）に図３と同様
の回帰曲線を求める。この結果から天気ｗが与える影響
Ｐw（ｗ）を計算し、基準天気ｗ0での電力需要の回帰式
Ｐtw（Ｔ）を求める。ここでは電力需要が最小となる天
気を基準天気ｗ0、予想対象日の気温を基準気温Ｔ０と
する。In addition to this, in order to analyze the influence of weather in the data analysis unit 5, a regression curve similar to that in FIG. 3 is obtained for each weather (clear, cloudy, rain, etc.). From this result, the effect Pw (w) given by the weather w is calculated, and the regression equation Ptw (T) of the power demand in the standard weather w0 is obtained. Here, it is assumed that the weather at which the power demand is the minimum is the reference weather w0 and the temperature of the forecast target day is the reference temperature T0.
【００２８】一般に電力需要には図４に示すように、２
４時間の周期と１週間の周期があり、週末（土、日、月
曜日）及び祝日はその他の日（平日）より電力需要が低
下する。週末、祝日の平日に対する電力需要の低下率を
下記の数式１で計算する。Generally, the power demand is 2 as shown in FIG.
There is a cycle of 4 hours and a cycle of 1 week. On weekends (Saturday, Sunday, Monday) and holidays, power demand is lower than on other days (weekdays). The decrease rate of the power demand with respect to weekdays on weekends and holidays is calculated by the following formula 1.
【００２９】[0029]
【数１】 但し、Ｐ：最近のｍ週間の週末（祝日）の電力需要
を、基準気温、基準天気とした場合に換算した平均電力
需要（ｐiの平均値） 第ｉ週の週末（祝日）の電力需要を、基準気温、基準天
気とした場合に換算した電力需要ｐi ｐi＝ｐi0＋ｒ0×（Ｐtw（Ｔ0）−Ｐtw（Ｔ）−Ｐw
（ｗ）） ｐi0：週末（祝日）の電力需要実績 Ｐ0：最近のｍ週間の平日の電力需要を、基準気温、基
準天気とした場合に換算した平均電力需要（Ｐijの平均
値） Ｐij＝Ｐij0＋（Ｐtw（Ｔ0）−Ｐtw(Ｔ)−Ｐw(ｗ)） Ｐij0：平日の電力需要実績（ｊは曜日のサフィックス
で火曜日から金曜日） ｍ：１以上の設定した整数 ｒ0：仮の低下率 ステップ１３”予想気象での補正値の計算”では、補
正値計算部７が予想気象での補正値の計算を実施する。
予想対象日の電力需要予測値は予想気温Ｔfを基に関数
Ｐtw（Ｔf）から計算できる。基準天気w0に対する予想
天気wｆによる補正値はＰw（ｗf）により計算する。下
記の数式２は予想対象日の予想気象のみを用いた電力需
要の予測値Ｐを示す。[Equation 1] However, P: average power demand (average value of pi) converted when the power demand on the weekend (holiday) for the last m weeks is used as the standard temperature and standard weather, and the power demand on the weekend (holiday) of the i-th week , Power demand converted in the case of standard temperature and standard weather pi pi = pi0 + r0 × (Ptw (T0) -Ptw (T) -Pw
(W)) pi0: Actual electricity demand on weekends (holidays) P0: Average electricity demand (average value of Pij) converted when the electricity demand on weekdays for the last m weeks is used as reference temperature and reference weather Pij = Pij0 + (Ptw (T0) -Ptw (T) -Pw (w)) Pij0: Electric power demand record on weekdays (j is a suffix from Tuesday to Friday) m: Integer set to 1 or more r0: Temporary decrease rate In step 13 "calculation of correction value in predicted weather", the correction value calculation unit 7 calculates the correction value in predicted weather.
The power demand forecast value on the forecast target day can be calculated from the function Ptw (Tf) based on the forecast temperature Tf. The correction value based on the expected weather wf with respect to the reference weather w0 is calculated by Pw (wf). Formula 2 below shows the predicted value P of the power demand using only the forecast weather on the forecast target day.
【００３０】[0030]
【数２】Ｐ＝ｒ0×(Ｐtw（Ｔf）＋Ｐw（ｗf）） ここで図３の示すように回帰曲線２０から大きく外れた
点Ｐ0が存在することがわかった。天気による影響Ｐw
（ｗ）よりもその誤差が大きい場合もある。電力需要と
気温を時系列的に分析した結果、電力需要実績と気温を
プロットしたとき回帰曲線２０から大きく外れる場合
（点Ａ，Ｂ）は、図５に示す気温変動のパターンと関係
があることがわかった。ここで、パターンに示す折れ線
は３日間の相対的な気温の変化を示し、一番左が前前日
の気温、中央が前日の気温そして右が当日の気温という
具合に左側から時系列的に示している。## EQU00002 ## P = r0.times. (Ptw (Tf) + Pw (wf)) As shown in FIG. 3, it has been found that there is a point P0 that greatly deviates from the regression curve 20. Effect of weather Pw
The error may be larger than that of (w). As a result of time-series analysis of the electric power demand and the temperature, when the actual electric power demand and the temperature are greatly deviated from the regression curve 20 (points A and B), there is a relation with the temperature fluctuation pattern shown in FIG. I understood. Here, the polygonal line shown in the pattern shows the relative temperature change for 3 days, the leftmost time is the temperature of the previous day, the center is the temperature of the previous day, and the right is the temperature of the current day. ing.
【００３１】電力需要が回帰曲線から大きく外れる理由
について、夏の冷房により電力需要が変動する場合を例
にとって説明する。前日の気温が高く、当日が前日より
気温が低い場合、前日の余熱が残っていることや人は前
日からの延長で冷房装置を稼働し易いことが考えられ
る。このため、気温に対して一時遅れ的な要素が存在す
ることがわかる。但し、この傾向が当日と前日との気温
の変化だけでなく、前日と前前日との気温の変化も電力
需要に影響することがわかる。しかし、１０日前の気温
変化が当日の電力需要に影響を与えるとは考えられない
ので、気温変動の影響を考慮する日を多くすれば多くす
るほど精度を向上できるものではない。The reason why the power demand greatly deviates from the regression curve will be described by taking the case where the power demand fluctuates due to cooling in summer as an example. When the temperature of the previous day is high and the temperature of the current day is lower than that of the previous day, it is considered that the residual heat of the previous day remains and that the person can easily operate the cooling device by extending from the previous day. Therefore, it can be seen that there is an element that is temporarily behind the temperature. However, it can be seen that this tendency affects not only the change in temperature between the current day and the previous day but also the change in temperature between the previous day and the previous day on the power demand. However, since it is unlikely that the temperature change 10 days ago will affect the power demand of the day, the accuracy cannot be improved by increasing the number of days in which the influence of the temperature change is taken into consideration.
【００３２】予想対象日とそれ以前の気温の変動パター
ンと類似する取り込んだデータｓ３を用いて気温変動パ
ターンによる補正値を計算する。類似する日の決定方法
は、当日の気温が予想対象日の気温と類似しており、変
動パターンが類似するときを検索する。類似度数ｑの計
算として下記の数式３を用いる。A correction value according to the temperature variation pattern is calculated using the captured data s3 similar to the variation pattern of the predicted target date and the temperature before that. The similar day determination method searches for a case where the temperature on the current day is similar to the temperature on the predicted target day and the variation patterns are similar. The following Equation 3 is used to calculate the similarity frequency q.
【００３３】[0033]
【数式３】 [Formula 3]
【００３４】 予想対象日からｉ日前の気温変化 △Ｔi＝Ｔi+1−Ｔi 参照する日からｉ日前の気温変化 △ｔi＝ｔi+1−ｔi 予想対象日からｉ日前の気温 Ｔi 参照する日からｉ日前の気温 ｔi 定数 ｋi 類似度数ｑは、過去のデータに対して、予想対象日の気
温が等しく、第ｉ日前から第（ｉ＋１）日前の気温の変
化が等しいとき、ゼロで、最も類似していることにな
る。よって、類似度数ｑが小さいものからｎ番目（ｎ≧
１）までの日を参照する日である。気温変動による補正
値Ｃは下記の数式４で示される。Temperature change i days before the forecast target date ΔTi = Ti + 1−Ti Temperature change i days before the reference date Δti = ti + 1−ti Temperature i days before the forecast target date Ti From the reference date i day before temperature ti constant ki The similarity degree q is zero and most similar to the past data when the temperature on the forecast target day is the same and the change in temperature from the i th day to the (i + 1) th day is the same. It will be. Therefore, the nth (n ≧
It is a day that refers to the days up to 1). The correction value C due to the temperature change is expressed by the following mathematical formula 4.
【００３５】[0035]
【数式４】 [Formula 4]
【００３６】定数 ｕj 気温変動による補正値Ｃj＝（ｐ0−Ｐw（ｗ0）)−Ｐtw
（ｔ0） 参照日の電力需要実績 ｐ０ 参照日の天気補正値 Ｐｗ（ｗ0） 参照日の当日気温から予測した電力需要 Ｐtw（ｔ0） 以上でステップ１３”予想気象での補正値の計算”が終
了する。Constant uj Correction value due to temperature fluctuation Cj = (p0-Pw (w0))-Ptw
(T0) Actual power demand on the reference day p0 Weather correction value on the reference day Pw (w0) Electric power demand predicted from the temperature on the day of the reference day Ptw (t0) Above, step 13 "Calculation of correction value in forecast weather" is completed. To do.
【００３７】ステップ１４”予想気象での需要予測値の
計算”では、電力予測部６はその予想気象での需要予測
値の計算を実施する。予想気象での需要予測値Ｐの計算
を下記の数式５に示す。In step 14 "calculation of the demand forecast value in the forecast weather", the power predicting section 6 calculates the demand forecast value in the forecast weather. The calculation of the demand forecast value P in the forecast weather is shown in Equation 5 below.
【００３８】[0038]
【数５】 Ｐ＝ｒ×(Ｐtw（Ｔf）＋Ｐw（ｗf）−Ｃ） ｒ：週末、祝日の電力需要低下率 ステップ１５”補正後の予測値の出力”では、電力需要
予測部２は予想気象による電力需要予測値Ｐとともに予
想対象日の年月日、予想気象、週末の電力需要低下率ｒ
など予測計算に使用した値をデータ信号ｓ４として予想
結果出力部４に出力する。予想結果出力部４はデータ信
号ｓ４を表示画面、印刷機等にその値を出力する。## EQU00005 ## P = r.times. (Ptw (Tf) + Pw (wf) -C) r: Decrease rate of power demand on weekends and holidays In the step 15 "output of corrected forecast value", the power demand forecasting unit 2 forecasts. The forecasted value P of the power demand due to the weather, the forecasted date of the forecasted day, the forecasted weather, and the decline rate of the power demand on the weekend r
The value used for the prediction calculation is output to the prediction result output unit 4 as the data signal s4. The prediction result output unit 4 outputs the value of the data signal s4 to a display screen, a printing machine or the like.
【００３９】以上説明したように第一の実施例によれ
ば、予想対象日と類似した気温変動である参照日を決定
し、その参照日の実績気温を回帰曲線２０に代入した値
と電力需要実績との差を気温変動による補正値とするこ
とにより、予想対象日の天気と気温だけでなく気温変動
による電力需要を考慮することができるので電力需要の
予測精度が向上できる。As described above, according to the first embodiment, a reference date having a temperature variation similar to the forecast target date is determined, and the actual temperature of the reference date is substituted into the regression curve 20 and the power demand. By setting the difference from the actual value as the correction value due to the temperature change, not only the weather and temperature of the forecast target day but also the power demand due to the temperature change can be considered, so that the prediction accuracy of the power demand can be improved.
【００４０】なお、上記第１の実施例では、図３の回帰
曲線は夏季における日最高気温と電力需要の関係を示す
が、日最高気温は夏季の電力需要との相関関係が強く、
また日平均気温は冬季の電力需要との相関関係が強いこ
とがわかっている。また日最高気温、日平均気温及び日
最低気温には相関関係があるので、夏季の電力需要を求
めるのに日平均気温または日最低気温を用いることがで
き、冬季の電力需要を求めるのに日最高気温または日最
低気温を用いることができる。In the first embodiment, the regression curve of FIG. 3 shows the relationship between the daily maximum temperature in summer and the power demand, but the maximum daily temperature has a strong correlation with the summer power demand.
It is also known that the average daily temperature has a strong correlation with the power demand in winter. Moreover, since the daily maximum temperature, average daily temperature, and minimum daily temperature are correlated, the average daily temperature or minimum daily temperature can be used to determine the summer power demand, and the daily average temperature can be used to determine the winter power demand. A maximum temperature or a daily minimum temperature can be used.
【００４１】次に本発明の第二の実施例について説明す
る。第二の実施例は図１の構成と同じで、補正値計算部
７とデータベース３に次の動作を付加したものである。
第二の実施例では第一の実施例で予測した結果ｓ４を予
測結果出力部４に出力するとともにデータベース３に出
力し、データベースとして格納する。不快指数は、暑さ
の度合いを知るためのものである。不快指数ＤＩの計算
式（Ｊ.Ｆ．Bosenらによる）の例を下記の数式６に示
す。Next, a second embodiment of the present invention will be described. The second embodiment has the same configuration as that of FIG. 1, except that the following operation is added to the correction value calculation unit 7 and the database 3.
In the second embodiment, the result s4 predicted in the first embodiment is output to the prediction result output unit 4 and the database 3 and stored as a database. The discomfort index is for knowing the degree of heat. An example of the calculation formula of the discomfort index DI (by J. F. Bosen et al.) Is shown in the following formula 6.
【００４２】[0042]
【数６】 ＤＩ＝0.81×Ｔ＋0.01×Ｕ×(0.99×Ｔ−14.3)＋46.3 Ｔ：気温（℃） Ｕ：相対湿度（％） 日本人の体感によると、不快指数７５以上になると「や
や暑さ」を感じ、８０以上になると「暑くて汗がでる」
ようになり、８５以上になると「暑くてたまらない」ほ
どになるといわれている（理科年表より）。同一気温で
も不快指数が大きいほうが体感気温が高いので電力需要
は大きくなり、誤差が大きくなる原因の一つと考えられ
る。補正値計算部７では不快指数の変動パターンによる
補正値Ｕを下記の数式７により計算する。[Equation 6] DI = 0.81 × T + 0.01 × U × (0.99 × T-14.3) +46.3 T: Temperature (° C) U: Relative humidity (%) According to Japanese experience, when the discomfort index becomes 75 or more Feeling "slightly hot", and when it is over 80, "it's hot and sweaty"
It is said that when it becomes 85 or more, it will be "hot and irresistible" (from the science chronology). It can be considered that one of the causes is that the power consumption increases as the discomfort index increases and the power demand increases, even when the temperature is the same. The correction value calculation unit 7 calculates the correction value U based on the variation pattern of the discomfort index by the following Expression 7.
【００４３】[0043]
【数７】Ｕ＝Ｐ−Ｐf 過去の類似日の電力需要実績 Ｐ 過去の類似日の予測電力値 Ｐf 補正値計算を気温変動パターンのときの類似日を検索す
る方法と同じく、不快指数の変動が等しいものを類似し
ているとする。需要予測部６では数式５に不快指数の変
動パターンによる補正値を加算した下記の数式８によ
り、予想気象での電力需要予測値Ｐを計算する。[Equation 7] U = P-Pf Actual power demand record on similar days in the past P Predicted power value on similar days in the past Pf Correction value calculation Similar to the method of searching for similar days in the temperature variation pattern, fluctuation of discomfort index Those that are equal are said to be similar. The demand forecasting unit 6 calculates the power demand forecast value P in the forecast weather according to the following equation 8 in which the correction value according to the variation pattern of the discomfort index is added to the equation 5.
【００４４】[0044]
【数８】 Ｐ＝ｒ×(Ｐtw（Ｔf）＋Ｐw（ｗf）−Ｃ＋Ｕ） 第二の実施例によれば、不快指数の変動を考慮している
ので、不快指数の変動による補正ができるので電力需要
の予測精度を向上できる。## EQU00008 ## P = r.times. (Ptw (Tf) + Pw (wf) -C + U) According to the second embodiment, since the fluctuation of the discomfort index is taken into consideration, the correction can be made by the fluctuation of the discomfort index. Prediction accuracy of demand can be improved.
【００４５】次に第三の実施例を図６を用いて説明す
る。第三の実施例は第一の実施例においてデータベース
３に気温の変動パターンによる参照日を設け、この構造
を図６に示す階層構造にしたものである。階層構造の例
としてフレームを用いた場合で説明する。図６では最上
位のクラスを気温変動データとし、この下位に参照日の
１日前と参照日（０日前）の気温の差△Ｔ0を正で大き
い、正で小さい、ゼロ、負で小さい、負で大きいに分類
する。以下、同じ方法で気温の差△Ｔiに応じて分類す
ることを繰り返し、階層化する。最下位には参照日の年
月日が格納されている。Next, a third embodiment will be described with reference to FIG. In the third embodiment, the database 3 is provided with a reference date according to the temperature variation pattern in the first embodiment, and this structure has a hierarchical structure shown in FIG. A case where a frame is used as an example of the hierarchical structure will be described. In FIG. 6, the highest class is the temperature fluctuation data, and the difference ΔT0 between the temperatures one day before the reference date and the reference day (0 days before) is positive, large positive, small positive, zero, small negative, negative. Classify as large. Hereinafter, classification is repeated according to the temperature difference ΔTi by the same method to form a hierarchy. The reference date is stored at the lowest level.
【００４６】図６では２日前までの例を示し、ａ１，ａ
２・・・、ｙ１，ｙ２は参照する年月日である。階層構
造となっているため、△Ｔ0が正で大、△Ｔ1が負で大で
ある場合は参照日の候補はｅ1,ｅ2，・・・だけであ
る。参照日の候補ｅ1,ｅ2，・・・が分かったら、これ
らの日の気温などの気象データを取り込む。類似度数ｑ
を参照日の候補ｅ1,ｅ2，・・・について計算し、類似
度数が小さいものからｎ番目までの日を参照することに
する。参照日のデータを用いて数式４により補正値を計
算し、数式５により予想気象による電力需要の予測値を
計算する。FIG. 6 shows an example up to two days ago, a1, a
2 ..., y1 and y2 are reference dates. Because of the hierarchical structure, when ΔT0 is positive and large and ΔT1 is negative and large, the reference date candidates are only e1, e2, .... When the reference date candidates e1, e2, ... Are found, the meteorological data such as the temperature on these days is fetched. Similarity q
Are calculated for the reference date candidates e1, e2, ..., And the days from the smallest similarity degree to the nth day are referred to. A correction value is calculated by the formula 4 using the data of the reference date, and a predicted value of the power demand based on the forecast weather is calculated by the formula 5.
【００４７】第三の実施例によれば、気温の変動パター
ンごとにデータを格納しているので、同じパターンから
類似している参照日を検索でき、時間を短縮できる。According to the third embodiment, since data is stored for each temperature variation pattern, similar reference dates can be retrieved from the same pattern, and the time can be shortened.
【００４８】次に第四の実施例を図７を用いて説明す
る。第四の実施例は補正値計算部７に類似度数の計算結
果から数式４により補正値を決める代わりに気温変動に
よる電力需要の変動をファジィ推論によって求める機能
を付加したものである。第四の実施例の動作について説
明する。図５に示す気温変動のパターンをさらに細かく
分析すると、ファジィ推論のルールを作成できる。図７
に作成したファジィルールの一部の例を次に示す。Next, a fourth embodiment will be described with reference to FIG. In the fourth embodiment, the correction value calculation unit 7 is provided with a function of obtaining the fluctuation of the electric power demand due to the temperature fluctuation by fuzzy inference instead of determining the correction value from the calculation result of the similarity degree by the mathematical expression 4. The operation of the fourth embodiment will be described. Further detailed analysis of the temperature fluctuation pattern shown in FIG. 5 allows the creation of fuzzy inference rules. Figure 7
The following is an example of part of the fuzzy rules created in.
【００４９】ファジィルール１：「当日の気温が高く、
前前日との気温偏差が負で小さく、前日との気温偏差が
正で小さいならば、気温変動による補正値は負で小さ
い」 ファジィルール２：「当日の気温がやや高く、前前日と
の気温偏差がゼロで、前日との気温偏差が正で大きいな
らば、気温変動による補正値は負で大きい」 図７の例では予想対象日の予想気温を当日の気温、その
前前日の気温偏差、前日の気温偏差を入力する。ファジ
ィルールでは前件部に対する適合度の最小値を最大値と
するように後件部の補正値のメンバーシップを修正す
る。修正された後件部のメンバーシップ関数を重ねあわ
せてその面積の重心を補正値とする。この値を気温変動
による電力需要の補正値Ｃとして、数式５により予想気
象による電力需要の予測値を計算する。Fuzzy rule 1: "The temperature of the day is high,
If the temperature deviation from the previous day is negative and small, and the temperature deviation from the previous day is positive and small, the correction value due to temperature fluctuation is negative and small. ”Fuzzy Rule 2:“ The temperature on the day is slightly high and the temperature on the previous day is small ” If the deviation is zero and the temperature deviation from the previous day is large and positive, the correction value due to temperature fluctuation is negative and large. ”In the example of FIG. 7, the predicted temperature of the predicted target day is the temperature of the current day, the temperature deviation of the previous day, Enter the temperature deviation of the previous day. In the fuzzy rule, the membership of the correction value of the consequent part is modified so that the minimum value of the goodness of fit to the antecedent part becomes the maximum value. The corrected membership functions of the consequent part are superimposed and the center of gravity of the area is used as the correction value. By using this value as the correction value C of the power demand due to the temperature change, the forecast value of the power demand according to the forecast weather is calculated by Equation 5.
【００５０】第四の実施例によれば、予想対象日の予想
気温と気温偏差が分かれば、データの検索、類似度数の
計算が不要なので、電力需要の予測に要する時間を短縮
でき、類似度数が小さいデータがない場合でもファジイ
推論により補正値を内挿でき予測精度を向上できる。According to the fourth embodiment, if the predicted temperature and the temperature deviation of the predicted target day are known, it is not necessary to retrieve the data and calculate the similarity score, so that the time required to predict the power demand can be shortened and the similarity score can be reduced. Even if there is no small data, the fuzzy inference can interpolate the correction value and improve the prediction accuracy.
【００５１】[0051]
【発明の効果】本発明によれば、電力需要予測方法は、
過去の日の電力需要実績とその過去の日の気象データと
から天気別に求めた気温と電力需要との関係式に予想対
象日の予想天気、気温を代入して予想対象日の電力需要
を計算し、その過去のデータから求めた電力需要の値
を、少なくとも予想対象日とその前日及び前前日の気象
変化のパターンと類似する過去の参照日の電力需要によ
り補正する方法としたので、予想対象日の電力需要の予
測精度を向上することができる。According to the present invention, the power demand forecasting method is
Calculate the power demand on the forecast target day by substituting the forecast weather and temperature on the forecast target date into the relational expression between the temperature and the power demand calculated for each weather from the past day power demand record and the weather data on the past date. However, the value of the power demand calculated from the past data is corrected at least by the power demand of the past reference date and the past reference date, which is similar to the weather change pattern of the previous day and the previous day. The prediction accuracy of daily power demand can be improved.
【００５２】また、本発明によれば、電力需要予測装置
は、過去の日の電力需要とその過去の日の気象とから求
めた天気別の気温と電力需要の関係式に予想対象日の予
想天気、気温を代入して予想対象日の電力需要を計算す
る電力需要予測部と、その電力需要予測部により求めた
電力需要予測値を、少なくとも予想対象日とその前日及
び前前日の気象変化のパターンと類似する過去の参照日
の電力需要により補正する補正値計算部を備えたので、
予想対象日の電力需要の予測精度を向上することができ
る効果がある。Further, according to the present invention, the power demand prediction apparatus uses the relational expression of the temperature and the power demand for each weather obtained from the power demand of the past day and the weather of the past day to predict the forecast target day. Calculate the power demand forecasting part that calculates the power demand on the forecast target day by substituting the weather and temperature, and the power demand forecast value obtained by the power demand forecasting part, Since it has a correction value calculation unit that corrects according to the power demand of past reference days similar to the pattern,
This has the effect of improving the accuracy of power demand prediction on the forecast target day.
【図１】本発明の第１の実施例の全体構成図である。FIG. 1 is an overall configuration diagram of a first embodiment of the present invention.
【図２】予想対象日の電力需要予測値を求めるフローチ
ャートである。FIG. 2 is a flowchart for obtaining a power demand forecast value on a forecast target day.
【図３】気温と電力需要実績の関係を示す図である。FIG. 3 is a diagram showing a relationship between temperature and power demand record.
【図４】２４時間周期及び一週間周期の電力需要の時間
推移を示す図である。FIG. 4 is a diagram showing a time transition of power demand in a 24-hour cycle and a weekly cycle.
【図５】気温の変動パターンによる電力需要の補正値を
示す図である。FIG. 5 is a diagram showing a correction value of power demand based on a variation pattern of temperature.
【図６】本発明の第３の実施例のデータの階層構造を示
す図である。FIG. 6 is a diagram showing a hierarchical structure of data according to a third embodiment of this invention.
【図７】本発明の第４の実施例のファジィ推論による補
正値算出方法を示す図である。FIG. 7 is a diagram showing a correction value calculation method by fuzzy inference according to a fourth embodiment of the present invention.
１ データ入力部 ２ 電力需要予測部 ３ データベース ４ 予測結出力部 ５ データ分析部 ６ 需要予測部 ７ 補正値計算部 1 Data Input Section 2 Electric Power Demand Forecasting Section 3 Database 4 Prediction Result Output Section 5 Data Analysis Section 6 Demand Forecasting Section 7 Correction Value Calculation Section
【手続補正書】[Procedure amendment]
【提出日】平成４年５月２５日[Submission date] May 25, 1992
【手続補正１】[Procedure Amendment 1]
【補正対象書類名】明細書[Document name to be amended] Statement
【補正対象項目名】全文[Name of item to be corrected] Full text
【補正方法】変更[Correction method] Change
【補正内容】[Correction content]
【書類名】 明細書[Document name] Statement
【発明の名称】 電力需要予測方法及び装置Title: Electric power demand forecasting method and apparatus
【特許請求の範囲】[Claims]
【発明の詳細な説明】Detailed Description of the Invention
【０００１】[0001]
【産業上の利用分野】本発明は将来の予想対象日の一日
当たりの電力需要を予測する方法及び装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method and apparatus for predicting daily electric power demand for future forecast target days.
【０００２】[0002]
【従来の技術】従来技術は、特開昭６０−１０６３２５
号公報に記載のように、過去の日々の日最高気温実績と
それぞれの日の電力需要実績から日最高気温に対する電
力需要特性を最小二乗法を用いて二次式で表現し、この
関係式に電力需要を予測しようとする予想対象日の予想
最高気温を代入することにより、予想対象日の電力需要
を予測していた。2. Description of the Related Art The prior art is disclosed in JP-A-60-106325.
As described in the official gazette, the power demand characteristic for the daily maximum temperature is expressed by a quadratic equation using the least squares method from the past daily maximum daily temperature record and the power demand record of each day. The electric power demand was predicted by substituting the predicted maximum temperature of the predicted target day for which the electric power demand is to be predicted.
【０００３】[0003]
【発明が解決しようとする課題】上記従来技術は、過去
の日々の電力需要実績と日最高気温から求めた二次式に
予想対象日の予想日最高気温を代入することにより、予
想対象日の電力需要を予測しているため、予想対象日の
前の日々における過去の気温など気象の変動による電力
需要の変動分については考慮していないという問題があ
った。SUMMARY OF THE INVENTION The above-mentioned conventional technique is to substitute the predicted maximum day temperature of the predicted target day into a quadratic formula obtained from past daily power demand records and the maximum daily temperature. Since the electric power demand is predicted, there is a problem that the fluctuation amount of the electric power demand due to the change of the weather such as the past temperature in the days before the forecast target day is not taken into consideration.
【０００４】本発明は、予想対象日の予想気象だけでな
く、予想対象日とその前の日々を含め少なくとも３日間
における気象の変動を考慮することにより、電力需要の
予測精度を向上することにある。The present invention improves the accuracy of forecasting power demand by considering not only the forecasted weather on the forecasted target day, but also the variation in the weather for at least three days including the forecasted target day and the days before the forecasted target day. is there.
【０００５】[0005]
【課題を解決するための手段】上記目的を達成するため
に、本発明の電力需要予測方法は、過去の日の電力需要
実績とそれぞれの過去の日の気温、天気、湿度等の気象
データとから天気別に気温と電力需要との関係式を求
め、その関係式に予想対象日の予想される天気、気温を
代入して予想対象日の電力需要を求め、求めた予想対象
日の電力需要を、少なくとも予想対象日とその前日、前
前日の３日間での予想気象の変化パターンと類似する気
象データを持った過去の参照日の電力需要実績により補
正して、補正した値を予想対象日の電力需要予測値とす
ることを特徴としている。In order to achieve the above object, the power demand forecasting method of the present invention uses the past power demand record and meteorological data such as temperature, weather and humidity of each past day. From this, we obtain the relational expression between the temperature and the power demand for each weather, and by substituting the expected weather and temperature of the forecasted target date into the relational formula, we obtain the power demand on the forecasted target date, and calculate the calculated power demand on the forecasted target date. , At least the forecast target date, the day before the forecast day, and the forecast value of the forecast target date after being corrected by the actual power demand record of the past reference date that has weather data similar to the change pattern of the forecast weather for the previous three days. It is characterized by using it as a power demand forecast value.
【０００６】前記予想気象の変化パターンは気温の変化
パターン、または湿度から求められる不快指数の変化パ
ターン、または変化パターンとし、さらに前記過去の日
の気温及び予想対象日の予想される気温をそれぞれ、夏
季は日最高気温とし、冬季、春季及び秋季は日平均気温
または日最低気温とするのがよい。The predicted weather change pattern is a temperature change pattern, or a change pattern of a discomfort index obtained from humidity, or a change pattern. It is recommended to set the daily maximum temperature in summer and the average daily temperature or minimum daily temperature in winter, spring and autumn.
【０００７】また、本発明の電力需要予測装置は、予想
対象日とその前日及び前前日の少なくとも３日間の予想
気象を入力するデータ入力部と、過去の日の電力需要実
績とそれぞれの過去の日の気温、天気湿度等の気象デー
タを有するデータベースと、そのデータベースに格納さ
れた過去の電力需要実績と気象データとから天気別に気
温と電力需要との関係式を求めるデータ分析部と、その
データ分析部で求めた関係式に予想日の予想される天
気、気温を代入して電力需要を求める電力需要予測部
と、電力需要予測部で求めた予想対象日の電力需要を、
少なくとも予想対象日とその前日、前前日の３日間での
予想気象の変化パターンと類似する気象データを持った
過去の参照日の電力需要実績により、補正する補正値計
算部と、その補正値計算部で補正された電力需要の値を
出力する出力部とから構成されたことを特徴としてい
る。Further, the power demand forecasting apparatus of the present invention includes a data input section for inputting a forecasted target day and forecasted weather for the previous day and at least three days before the previous day, a power demand record of a past day, and a past demand for each. A database having meteorological data such as daily temperature and weather humidity, a data analysis unit that obtains a relational expression between temperature and electric power demand for each weather from past power demand records and meteorological data stored in the database, and the data. The power demand forecasting unit that obtains the power demand by substituting the expected weather and temperature in the relational expression obtained by the analysis unit, and the power demand on the forecast target date obtained by the power demand forecasting unit,
At least the forecast target date, the day before the forecast day, and the revision value calculation unit that compensates for the past demand on the power demand record having the weather data similar to the forecast weather change pattern for the three days before the previous day. And an output unit that outputs the value of the power demand corrected by the unit.
【０００８】前記補正値計算部は、予想気象の変化パタ
ーンを、最上位クラスに分類された気象の種類と、第２
位のクラスに複数レベルに分割された対象日とその前日
の気温偏差と、第３位のクラスに複数レベルに分割され
た前日と前前日の気温偏差とから構成する階層構造と
し、また、前記過去の日の気温及び予想対象日の予想さ
れる気温をそれぞれ、夏季は日最高気温とし、冬季、春
季及び秋季は日平均気温または日最低気温とするのがよ
い。[0008] The correction value calculation unit sets the change pattern of the expected weather to the type of weather classified into the highest class and the second
A hierarchical structure composed of the target day and the temperature deviation of the previous day divided into a plurality of classes in the first rank, and the temperature deviation of the previous day and the temperature change of the previous day divided into a plurality of the levels in the third rank. It is preferable that the past day temperature and the expected temperature of the target day be the maximum daily temperature in summer and the average daily temperature or minimum daily temperature in winter, spring, and autumn, respectively.
【０００９】[0009]
【作用】データ入力部は、電力需要を予測する予想対象
日とその前日及び前前日の少なくとも３日間の予想気象
を入力するのに用い、データベースは過去の日の電力需
要実績と過去の日それぞれの気温、天気、湿度等の気象
データを有しており、データ分析部はデータベース中に
格納されたデータを読み込み、天気別に気温に対する電
力需要の関係式すなわち回帰式を求め、電力需要予測部
はデータ分析部で求めた回帰式に予想日の予想される気
温を代入して電力需要を求め、補正値計算部は過去の気
象データから予想対象日とその前の日々を含めて少なく
とも３日間における気象の変化パターンと類似した日を
全て検索し、データ分析部で求めた気温と電力需要実績
の回帰式に類似した日の気温を代入したときの電力需要
値と電力需要実績の差を気象の変動による補正値として
計算し、需要予測部が予想対象日の予想気象をもとに予
測した電力需要値に気象の変動による補正値を加算して
補正し、出力部は補正値計算部で補正された電力需要の
値を出力する。The data input unit is used to input the forecast target date for forecasting the power demand and the forecast weather for the preceding day and at least three days before the preceding day, and the database is used for the past power demand record and the past day, respectively. It has weather data such as temperature, weather, humidity, etc., and the data analysis unit reads the data stored in the database, obtains the relational expression of the power demand with respect to temperature for each weather, that is, the regression formula, and the power demand prediction unit Electric power demand is calculated by substituting the expected temperature of the forecast day into the regression equation obtained by the data analysis unit, and the correction value calculation unit calculates the past demand date and the previous days from at least three days from past meteorological data. Electric power demand value and electric power demand record when all the days similar to the weather change pattern are searched and the temperature of the day calculated by the data analysis unit and the temperature of the similar day are substituted into the regression formula of the electric power demand record The difference is calculated as a correction value due to fluctuations in the weather, and the demand prediction unit adds the correction value due to the fluctuations in the weather to the power demand value predicted based on the forecast weather on the forecast target day to correct it, and the output unit corrects it. The value of the electric power demand corrected by the calculation unit is output.
【００１０】そして予想気象の変化パターンを、最上位
クラスに分類された気象の種類と、第２位のクラスに複
数レベルに分割された対象日とその前日の気温偏差と、
第３位のクラスに複数レベルに分割された前日と前前日
の気温偏差とから構成する階層構造にし、補正値計算部
が検索した過去の気象の変化パターンを同様に階層化し
て比較することにより、過去のデータから予想対象日と
類似した気象の変化パターンを持つ過去の日を容易に選
択することができる。Then, the change pattern of the expected weather is classified into the highest class, the kind of weather classified into the second class, the target day divided into a plurality of levels into the second class, and the temperature deviation of the preceding day,
By making a hierarchical structure consisting of the previous day and the temperature deviation of the previous day divided into multiple classes into the third class, and comparing the past weather change patterns retrieved by the correction value calculation unit in the same manner and comparing them. , It is possible to easily select a past day having a weather change pattern similar to the forecast target day from the past data.
【００１１】[0011]
【実施例】本発明の第一の実施例を図１〜図５を用いて
説明する。図１は本発明の電力需要予測装置の構成図で
あり、図２は電力需要予測の手順を示すフローチャート
である。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS A first embodiment of the present invention will be described with reference to FIGS. FIG. 1 is a block diagram of a power demand prediction apparatus of the present invention, and FIG. 2 is a flowchart showing a procedure of power demand prediction.
【００１２】電力需要予測装置は、データ入力部１、電
力需要予測部２、データベース３及び予測結果出力部４
からなる。データ入力部１はキーボード等の入力装置で
あり、予測結果出力部４は表示画面、印刷機等の表示装
置である。電力需要予測部２はデータ分析部５、需要予
測部６及び補正値計算部７からなる。データ入力部１と
電力需要予測部２は入力信号ｓ１でつながれている。デ
ータベース３と電力需要予測部２はデータリクエスト信
号ｓ２とデータ信号ｓ３でつながれている。また、電力
需要予測部２と予測結果出力部４は出力信号ｓ４でつな
がれている。The power demand forecasting device comprises a data input unit 1, a power demand forecasting unit 2, a database 3 and a forecast result output unit 4.
Consists of. The data input unit 1 is an input device such as a keyboard, and the prediction result output unit 4 is a display screen, a display device such as a printing machine. The power demand prediction unit 2 includes a data analysis unit 5, a demand prediction unit 6 and a correction value calculation unit 7. The data input unit 1 and the power demand prediction unit 2 are connected by the input signal s1. The database 3 and the power demand prediction unit 2 are connected by the data request signal s2 and the data signal s3. Further, the power demand prediction unit 2 and the prediction result output unit 4 are connected by the output signal s4.
【００１３】次に電力需要予測装置の動作について、図
１の構成図と図２のフローチャートを参照して説明す
る。図２において、ステップ１０”予想条件の入力”で
は、データ入力部１を介して予想対象日の年月日、曜
日、予想気象（最高気温、最低気温、平均気温、湿度、
不快指数、天気、照度、日照時間など）をデータｓ１と
して電力需要予測装置２に入力し、このデータｓ１によ
り電力需要予測部２はデータベース３に過去のデータを
要求するリクエスト信号ｓ２を出力する。Next, the operation of the power demand forecasting apparatus will be described with reference to the block diagram of FIG. 1 and the flowchart of FIG. In FIG. 2, in step 10 “input forecast conditions”, the date input date, the day of the week, and forecast weather (maximum temperature, minimum temperature, average temperature, humidity,
(Discomfort index, weather, illuminance, sunshine duration, etc.) is input to the power demand prediction device 2 as data s1, and the power demand prediction unit 2 outputs a request signal s2 requesting past data to the database 3 based on this data s1.
【００１４】ステップ１１”データベース中のデータの
取り込み”では、データベース３はリクエスト信号ｓ２
を受けて、電力需要予測部２にデータｓ３を出力する。
出力されるデータｓ３は過去のデータで、年月日（カレ
ンダー）毎の電力需要、気象（最高気温、最低気温、平
均気温、天気、湿度など）である。これら電力需要予測
部２に取り込まれたデータｓ３はデータ分析部５に送ら
れる。In step 11 "Fetch data in database", the database 3 requests the request signal s2.
In response to this, the data s3 is output to the power demand prediction unit 2.
The output data s3 is past data, and is power demand and weather (maximum temperature, minimum temperature, average temperature, weather, humidity, etc.) for each date (calendar). The data s3 captured by the power demand prediction unit 2 is sent to the data analysis unit 5.
【００１５】ステップ１２”データの分析計算”では、
データ分析部５は次のように分析計算を実施する。デー
タ分析部５は、まず電力需要はその日の気温に最も関係
があることから、日最高気温Ｔと電力需要Ｐの関係を求
める、すなわち、データｓ３を用いて最小二乗法などに
より図３に示すような回帰曲線２０、Ｐt（Ｔ）を計算
する。ここでは例として夏季の電力需要について説明す
る。In step 12 "Data Analysis Calculation",
The data analysis unit 5 carries out the analytical calculation as follows. First, the data analysis unit 5 finds the relationship between the daily maximum temperature T and the electric power demand P because the electric power demand is most related to the temperature of the day, that is, the data s3 is used in the method of least squares or the like to show in FIG. Such a regression curve 20, Pt (T) is calculated. Here, the power demand in summer will be described as an example.
【００１６】図３は夏季における日最高気温と電力需要
の関係を示す図で、日最高気温が高くなるにつれて冷房
装置の稼働が増加し、電力需要が伸びることを示してい
る。ある程度気温が低い（Ｔｌ）場合は冷房装置の稼働
が少なくなるので需要の伸びがなくなり、逆に気温が非
常に高い（Ｔh）場合、冷房装置がフル稼働し、これ以
上冷房による電力需要の伸びがないことを示している。
ちなみに冬季の場合は、気温の低下とともに暖房装置の
稼働とともに電力需要が増加するグラフになる。FIG. 3 is a diagram showing the relationship between the daily maximum temperature in summer and the power demand, and shows that the operation of the cooling device increases and the power demand increases as the daily maximum temperature rises. When the temperature is low (Tl) to a certain extent, the cooling system is less used, so the demand does not increase. On the contrary, when the temperature is extremely high (Th), the cooling system is in full operation and the demand for cooling is further increased. Indicates that there is no.
By the way, in the case of winter, the graph shows that the electricity demand increases with the operation of the heating system as the temperature decreases.
【００１７】この他、データ分析部５で天気の影響を分
析するため、天気別（晴、曇り、雨など）に図３と同様
の回帰曲線を求める。この結果から天気ｗが与える影響
Ｐw（ｗ）を計算し、基準天気ｗ0での電力需要の回帰式
Ｐtw（Ｔ）を求める。ここでは電力需要が最小となる天
気を基準天気ｗ0、予想対象日の気温を基準気温Ｔ0とす
る。In addition to this, in order to analyze the influence of weather in the data analysis unit 5, a regression curve similar to that in FIG. 3 is obtained for each weather (clear, cloudy, rain, etc.). From this result, the effect Pw (w) given by the weather w is calculated, and the regression equation Ptw (T) of the power demand in the standard weather w0 is obtained. Here, it is assumed that the weather at which the power demand is the minimum is the reference weather w0 and the temperature of the forecast target day is the reference temperature T0.
【００１８】一般に電力需要には図４に示すように、２
４時間の周期と１週間の周期があり、週末（土、日、月
曜日）及び祝日はその他の日（平日）より電力需要が低
下する。週末、祝日の平日に対する電力需要の低下率を
下記の数式１で計算する。Generally, the electric power demand is 2 as shown in FIG.
There is a cycle of 4 hours and a cycle of 1 week. On weekends (Saturday, Sunday, Monday) and holidays, power demand is lower than on other days (weekdays). The decrease rate of the power demand with respect to weekdays on weekends and holidays is calculated by the following formula 1.
【００１９】[0019]
【数１】 [Equation 1]
【００２０】ステップ１３”予想気象での補正値の計
算”では、補正値計算部７が予想気象での補正値の計算
を実施する。予想対象日の電力需要予測値は予想気温Ｔ
fを基に関数Ｐtw（Ｔf）から計算できる。基準天気w0に
対する予想天気wｆによる補正値はＰw（ｗf）により計
算する。下記の数式２は予想対象日の予想気象のみを用
いた電力需要の予測値Ｐを示す。In step 13 "calculation of the correction value in the predicted weather", the correction value calculation unit 7 calculates the correction value in the predicted weather. The forecasted power demand on the forecast target day is the forecasted temperature T
It can be calculated from the function Ptw (Tf) based on f. The correction value based on the expected weather wf with respect to the reference weather w0 is calculated by Pw (wf). Formula 2 below shows the predicted value P of the power demand using only the forecast weather on the forecast target day.
【００２１】[0021]
【数２】 Ｐ＝ｒ0×(Ｐtw（Ｔf）＋Ｐw（ｗf））(2) P = r0 × (Ptw (Tf) + Pw (wf))
【００２２】ここで図３の示すように回帰曲線２０から
大きく外れた点Ｐ0が存在することがわかった。天気に
よる影響Ｐw（ｗ）よりもその誤差が大きい場合もあ
る。電力需要と気温を時系列的に分析した結果、電力需
要実績と気温をプロットしたとき回帰曲線２０から大き
く外れる場合（点Ａ，Ｂ）は、図５に示す気温変動のパ
ターンと関係があることがわかった。ここで、パターン
に示す折れ線は３日間の相対的な気温の変化を示し、一
番左が前前日の気温、中央が前日の気温そして右が当日
の気温という具合に左側から時系列的に示している。As shown in FIG. 3, it has been found that there is a point P0 that greatly deviates from the regression curve 20. The error may be larger than the influence Pw (w) due to the weather. As a result of time-series analysis of the electric power demand and the temperature, when the actual electric power demand and the temperature are greatly deviated from the regression curve 20 (points A and B), there is a relation with the temperature fluctuation pattern shown in FIG. I understood. Here, the polygonal line shown in the pattern shows the relative temperature change for 3 days, the leftmost time is the temperature of the previous day, the center is the temperature of the previous day, and the right is the temperature of the current day. ing.
【００２３】電力需要が回帰曲線から大きく外れる理由
について、夏の冷房により電力需要が変動する場合を例
にとって説明する。前日の気温が高く、当日が前日より
気温が低い場合、前日の余熱が残っていることや人は前
日からの延長で冷房装置を稼働し易いことが考えられ
る。このため、気温に対して一時遅れ的な要素が存在す
ることがわかる。但し、この傾向が当日と前日との気温
の変化だけでなく、前日と前前日との気温の変化も電力
需要に影響することがわかる。しかし、１０日前の気温
変化が当日の電力需要に影響を与えるとは考えられない
ので、気温変動の影響を考慮する日を多くすれば多くす
るほど精度を向上できるものではない。The reason why the power demand greatly deviates from the regression curve will be described by taking the case where the power demand fluctuates due to cooling in summer as an example. When the temperature of the previous day is high and the temperature of the current day is lower than that of the previous day, it is considered that the residual heat of the previous day remains and that the person can easily operate the cooling device by extending from the previous day. Therefore, it can be seen that there is an element that is temporarily behind the temperature. However, it can be seen that this tendency affects not only the change in temperature between the current day and the previous day but also the change in temperature between the previous day and the previous day on the power demand. However, since it is unlikely that the temperature change 10 days ago will affect the power demand of the day, the accuracy cannot be improved by increasing the number of days in which the influence of the temperature change is taken into consideration.
【００２４】予想対象日とそれ以前の気温の変動パター
ンと類似する取り込んだデータｓ３を用いて気温変動パ
ターンによる補正値を計算する。類似する日の決定方法
は、当日の気温が予想対象日の気温と類似しており、変
動パターンが類似するときを検索する。類似度数ｑの計
算として下記の数式３を用いる。A correction value based on the temperature variation pattern is calculated using the captured data s3 similar to the variation pattern of the predicted target date and the temperature before that. The similar day determination method searches for a case where the temperature on the current day is similar to the temperature on the predicted target day and the variation patterns are similar. The following Equation 3 is used to calculate the similarity frequency q.
【００２５】[0025]
【数式３】 [Formula 3]
【００２６】 予想対象日からｉ日前の気温変化 △Ｔi＝Ｔi+1−Ｔi 参照する日からｉ日前の気温変化 △ｔi＝ｔi+1−ｔｉ 予想対象日からｉ日前の気温 Ｔｉ 参照する日からｉ日前の気温 ｔi 定数 ｋiTemperature change i days before the forecast target date ΔTi = Ti + 1−Ti Temperature change i days before the reference date Δti = ti + 1−ti Temperature i days before the forecast target date Ti From the reference date i days ago temperature ti constant ki
【００２７】類似度数ｑは、過去のデータに対して、予
想対象日の気温が等しく、第ｉ日前から第（ｉ＋１）日
前の気温の変化が等しいとき、ゼロで、最も類似してい
ることになる。よって、類似度数ｑが小さいものからｎ
番目（ｎ≧１）までの日を参照する日である。気温変動
による補正値Ｃは下記の数式４で示される。The degree of similarity q is zero and is the most similar to the past data when the temperature of the predicted target day is the same and the change in temperature from the i-th day to the (i + 1) th day is the same. Become. Therefore, the similarity degree q is n
It is a day that refers to the nth day (n ≧ 1). The correction value C due to the temperature change is expressed by the following mathematical formula 4.
【００２８】[0028]
【数式４】 [Formula 4]
【００２９】 定数 ｕj 気温変動による補正値Ｃj＝（ｐ0−Ｐw（ｗ0）)−Ｐtw
（ｔ0） 参照日の電力需要実績 ｐ0 参照日の天気補正値 Ｐw（ｗ0） 参照日の当日気温から予測した電力需要 Ｐtw（ｔ0） 以上でステップ１３”予想気象での補正値の計算”が終
了する。Constant uj Correction value due to temperature change Cj = (p0-Pw (w0))-Ptw
(T0) Actual power demand on the reference day p0 Weather correction value on the reference day Pw (w0) Electric power demand predicted from the temperature of the day on the reference day Ptw (t0) With the above, step 13 "Calculation of correction value in forecast weather" is completed. To do.
【００３０】ステップ１４”予想気象での需要予測値の
計算”では、電力予測部６はその予想気象での需要予測
値の計算を実施する。予想気象での需要予測値Ｐの計算
を下記の数式５に示す。In step 14 "calculation of the demand forecast value in the forecast weather", the power predicting unit 6 calculates the demand forecast value in the forecast weather. The calculation of the demand forecast value P in the forecast weather is shown in Equation 5 below.
【００３１】[0031]
【数５】 Ｐ＝ｒ×(Ｐtw（Ｔf）＋Ｐw（ｗf）−Ｃ） ｒ：週末、祝日の電力需要低下率## EQU00005 ## P = r.times. (Ptw (Tf) + Pw (wf) -C) r: Decrease in power demand on weekends and holidays
【００３２】ステップ１５”補正後の予測値の出力”で
は、電力需要予測部２は予想気象による電力需要予測値
Ｐとともに予想対象日の年月日、予想気象、週末の電力
需要低下率ｒなど予測計算に使用した値をデータ信号ｓ
４として予想結果出力部４に出力する。予想結果出力部
４はデータ信号ｓ４を表示画面、印刷機等にその値を出
力する。In step 15 "output of corrected forecasted value", the power demand forecasting unit 2 forecasts the power demand forecasted value P based on the forecasted weather, the forecasted date of the forecasted day, the forecasted weather, the power demand reduction rate r on the weekend, etc. The value used for the prediction calculation is the data signal s
4 is output to the expected result output unit 4. The prediction result output unit 4 outputs the value of the data signal s4 to a display screen, a printing machine or the like.
【００３３】以上説明したように第一の実施例によれ
ば、予想対象日と類似した気温変動である参照日を決定
し、その参照日の実績気温を回帰曲線２０に代入した値
と電力需要実績との差を気温変動による補正値とするこ
とにより、予想対象日の天気と気温だけでなく気温変動
による電力需要を考慮することができるので電力需要の
予測精度が向上できる。As described above, according to the first embodiment, the reference date having the temperature fluctuation similar to the predicted target day is determined, and the actual temperature on the reference date is substituted into the regression curve 20 and the power demand. By setting the difference from the actual value as the correction value due to the temperature change, not only the weather and temperature of the forecast target day but also the power demand due to the temperature change can be considered, so that the prediction accuracy of the power demand can be improved.
【００３４】なお、上記第１の実施例では、図３の回帰
曲線は夏季における日最高気温と電力需要の関係を示す
が、日最高気温は夏季の電力需要との相関関係が強く、
また日平均気温は冬季の電力需要との相関関係が強いこ
とがわかっている。また日最高気温、日平均気温及び日
最低気温には相関関係があるので、夏季の電力需要を求
めるのに日平均気温または日最低気温を用いることがで
き、冬季の電力需要を求めるのに日最高気温または日最
低気温を用いることができる。In the first embodiment, the regression curve of FIG. 3 shows the relationship between the daily maximum temperature in summer and the power demand, but the maximum daily temperature has a strong correlation with the summer power demand.
It is also known that the average daily temperature has a strong correlation with the power demand in winter. Moreover, since the daily maximum temperature, average daily temperature, and minimum daily temperature are correlated, the average daily temperature or minimum daily temperature can be used to determine the summer power demand, and the daily average temperature can be used to determine the winter power demand. A maximum temperature or a daily minimum temperature can be used.
【００３５】次に本発明の第二の実施例について説明す
る。第二の実施例は図１の構成と同じで、補正値計算部
７とデータベース３に次の動作を付加したものである。
第二の実施例では第一の実施例で予測した結果ｓ４を予
測結果出力部４に出力するとともにデータベース３に出
力し、データベースとして格納する。不快指数は、暑さ
の度合いを知るためのものである。不快指数ＤＩの計算
式（Ｊ.Ｆ．Bosenらによる）の例を下記の数式６に示
す。Next, a second embodiment of the present invention will be described. The second embodiment has the same configuration as that of FIG. 1, except that the following operation is added to the correction value calculation unit 7 and the database 3.
In the second embodiment, the result s4 predicted in the first embodiment is output to the prediction result output unit 4 and the database 3 and stored as a database. The discomfort index is for knowing the degree of heat. An example of the calculation formula of the discomfort index DI (by J. F. Bosen et al.) Is shown in the following formula 6.
【００３６】[0036]
【数６】 ＤＩ＝0.81×Ｔ＋0.01×Ｕ×(0.99×Ｔ−14.3)＋46.3 Ｔ：気温（℃） Ｕ：相対湿度（％）[Equation 6] DI = 0.81 × T + 0.01 × U × (0.99 × T-14.3) +46.3 T: Temperature (° C) U: Relative humidity (%)
【００３７】日本人の体感によると、不快指数７５以上
になると「やや暑さ」を感じ、８０以上になると「暑く
て汗がでる」ようになり、８５以上になると「暑くてた
まらない」ほどになるといわれている（理科年表よ
り）。同一気温でも不快指数が大きいほうが体感気温が
高いので電力需要は大きくなり、誤差が大きくなる原因
の一つと考えられる。補正値計算部７では不快指数の変
動パターンによる補正値Ｕを下記の数式７により計算す
る。According to the experience of Japanese people, when the discomfort index is 75 or more, "slight heat" is felt, when it is 80 or more, it becomes "hot and sweaty", and when it is 85 or more, it is "hot and unbearable". It is said to be (from the science chronology). It can be considered that one of the causes is that the power consumption increases as the discomfort index increases and the power demand increases, even when the temperature is the same. The correction value calculation unit 7 calculates the correction value U based on the variation pattern of the discomfort index by the following Expression 7.
【００３８】[0038]
【数７】Ｕ＝Ｐ−Ｐf 過去の類似日の電力需要実績 Ｐ 過去の類似日の予測電力値 Ｐf[Equation 7] U = P-Pf Actual power demand record on similar days in the past P P Predicted power value on similar days in the past Pf
【００３９】補正値計算を気温変動パターンのときの類
似日を検索する方法と同じく、不快指数の変動が等しい
ものを類似しているとする。需要予測部６では数式５に
不快指数の変動パターンによる補正値を加算した下記の
数式８により、予想気象での電力需要予測値Ｐを計算す
る。As in the method of calculating the correction value for similar days in the case of the temperature variation pattern, it is assumed that those having the same variation in the discomfort index are similar. The demand forecasting unit 6 calculates the power demand forecast value P in the forecast weather according to the following equation 8 in which the correction value according to the variation pattern of the discomfort index is added to the equation 5.
【００４０】[0040]
【数８】 Ｐ＝ｒ×(Ｐtw（Ｔf）＋Ｐw（ｗf）−Ｃ＋Ｕ）(8) P = r × (Ptw (Tf) + Pw (wf) −C + U)
【００４１】第二の実施例によれば、不快指数の変動を
考慮しているので、不快指数の変動による補正ができる
ので電力需要の予測精度を向上できる。According to the second embodiment, since the fluctuation of the discomfort index is taken into consideration, the correction can be performed by the fluctuation of the discomfort index, so that the prediction accuracy of the power demand can be improved.
【００４２】次に第三の実施例を図６を用いて説明す
る。第三の実施例は第一の実施例においてデータベース
３に気温の変動パターンによる参照日を設け、この構造
を図６に示す階層構造にしたものである。階層構造の例
としてフレームを用いた場合で説明する。図６では最上
位のクラスを気温変動データとし、この下位に参照日の
１日前と参照日（０日前）の気温の差△Ｔ0を正で大き
い、正で小さい、ゼロ、負で小さい、負で大きいに分類
する。以下、同じ方法で気温の差△Ｔiに応じて分類す
ることを繰り返し、階層化する。最下位には参照日の年
月日が格納されている。Next, a third embodiment will be described with reference to FIG. In the third embodiment, the database 3 is provided with a reference date according to the temperature variation pattern in the first embodiment, and this structure has a hierarchical structure shown in FIG. A case where a frame is used as an example of the hierarchical structure will be described. In FIG. 6, the highest class is the temperature fluctuation data, and the difference ΔT0 between the temperatures one day before the reference date and the reference day (0 days before) is positive, large positive, small positive, zero, small negative, negative. Classify as large. Hereinafter, classification is repeated according to the temperature difference ΔTi by the same method to form a hierarchy. The reference date is stored at the lowest level.
【００４３】図６では２日前までの例を示し、ａ１，ａ
２・・・、ｙ１，ｙ２は参照する年月日である。階層構
造となっているため、△Ｔ0が正で大、△Ｔ1が負で大で
ある場合は参照日の候補はｅ1,ｅ2，・・・だけであ
る。参照日の候補ｅ1,ｅ2，・・・が分かったら、これ
らの日の気温などの気象データを取り込む。類似度数ｑ
を参照日の候補ｅ1,ｅ2，・・・について計算し、類似
度数が小さいものからｎ番目までの日を参照することに
する。参照日のデータを用いて数式４により補正値を計
算し、数式５により予想気象による電力需要の予測値を
計算する。FIG. 6 shows an example up to two days ago, a1, a
2 ..., y1 and y2 are reference dates. Because of the hierarchical structure, when ΔT0 is positive and large and ΔT1 is negative and large, the reference date candidates are only e1, e2, .... When the reference date candidates e1, e2, ... Are found, the meteorological data such as the temperature on these days is fetched. Similarity q
Are calculated for the reference date candidates e1, e2, ..., And the days from the smallest similarity degree to the nth day are referred to. A correction value is calculated by the formula 4 using the data of the reference date, and a predicted value of the power demand based on the forecast weather is calculated by the formula 5.
【００４４】第三の実施例によれば、気温の変動パター
ンごとにデータを格納しているので、同じパターンから
類似している参照日を検索でき、時間を短縮できる。According to the third embodiment, since data is stored for each temperature variation pattern, similar reference dates can be retrieved from the same pattern, and the time can be shortened.
【００４５】次に第四の実施例を図７を用いて説明す
る。第四の実施例は補正値計算部７に類似度数の計算結
果から数式４により補正値を決める代わりに気温変動に
よる電力需要の変動をファジィ推論によって求める機能
を付加したものである。第四の実施例の動作について説
明する。図５に示す気温変動のパターンをさらに細かく
分析すると、ファジィ推論のルールを作成できる。図７
に作成したファジィルールの一部の例を次に示す。Next, a fourth embodiment will be described with reference to FIG. In the fourth embodiment, the correction value calculation unit 7 is provided with a function of obtaining the fluctuation of the electric power demand due to the temperature fluctuation by fuzzy inference instead of determining the correction value from the calculation result of the similarity degree by the mathematical expression 4. The operation of the fourth embodiment will be described. Further detailed analysis of the temperature fluctuation pattern shown in FIG. 5 allows the creation of fuzzy inference rules. Figure 7
The following is an example of part of the fuzzy rules created in.
【００４６】ファジィルール１：「当日の気温が高く、
前前日との気温偏差が負で小さく、前日との気温偏差が
正で小さいならば、気温変動による補正値は負で小さ
い」 ファジィルール２：「当日の気温がやや高く、前前日と
の気温偏差がゼロで、前日との気温偏差が正で大きいな
らば、気温変動による補正値は負で大きい」 図７の例では予想対象日の予想気温を当日の気温、その
前前日の気温偏差、前日の気温偏差を入力する。ファジ
ィルールでは前件部に対する適合度の最小値を最大値と
するように後件部の補正値のメンバーシップを修正す
る。修正された後件部のメンバーシップ関数を重ねあわ
せてその面積の重心を補正値とする。この値を気温変動
による電力需要の補正値Ｃとして、数式５により予想気
象による電力需要の予測値を計算する。Fuzzy rule 1: "The temperature of the day is high,
If the temperature deviation from the previous day is negative and small, and the temperature deviation from the previous day is positive and small, the correction value due to temperature fluctuation is negative and small. ”Fuzzy Rule 2:“ The temperature on the day is slightly high and the temperature on the previous day is small ” If the deviation is zero and the temperature deviation from the previous day is large and positive, the correction value due to temperature fluctuation is negative and large. ”In the example of FIG. 7, the predicted temperature of the predicted target day is the temperature of the current day, the temperature deviation of the previous day, Enter the temperature deviation of the previous day. In the fuzzy rule, the membership of the correction value of the consequent part is modified so that the minimum value of the goodness of fit to the antecedent part becomes the maximum value. The corrected membership functions of the consequent part are superimposed and the center of gravity of the area is used as the correction value. By using this value as the correction value C of the power demand due to the temperature change, the forecast value of the power demand according to the forecast weather is calculated by Equation 5.
【００４７】第四の実施例によれば、予想対象日の予想
気温と気温偏差が分かれば、データの検索、類似度数の
計算が不要なので、電力需要の予測に要する時間を短縮
でき、類似度数が小さいデータがない場合でもファジイ
推論により補正値を内挿でき予測精度を向上できる。According to the fourth embodiment, if the predicted temperature and the temperature deviation of the predicted target day are known, it is not necessary to search for data or calculate the similarity score, so that the time required to predict the power demand can be shortened and the similarity score can be reduced. Even if there is no small data, the fuzzy inference can interpolate the correction value and improve the prediction accuracy.
【００４８】[0048]
【発明の効果】本発明によれば、電力需要予測方法は、
過去の日の電力需要実績とその過去の日の気象データと
から天気別に求めた気温と電力需要との関係式に予想対
象日の予想天気、気温を代入して予想対象日の電力需要
を計算し、その過去のデータから求めた電力需要の値
を、少なくとも予想対象日とその前日及び前前日の気象
変化のパターンと類似する過去の参照日の電力需要によ
り補正する方法としたので、予想対象日の電力需要の予
測精度を向上することができる。According to the present invention, the power demand forecasting method is
Calculate the power demand on the forecast target day by substituting the forecast weather and temperature on the forecast target date into the relational expression between the temperature and the power demand calculated for each weather from the past day power demand record and the weather data on the past date. However, the value of the power demand calculated from the past data is corrected at least by the power demand of the past reference date and the past reference date, which is similar to the weather change pattern of the previous day and the previous day. The prediction accuracy of daily power demand can be improved.
【００４９】また、本発明によれば、電力需要予測装置
は、過去の日の電力需要とその過去の日の気象とから求
めた天気別の気温と電力需要の関係式に予想対象日の予
想天気、気温を代入して予想対象日の電力需要を計算す
る電力需要予測部と、その電力需要予測部により求めた
電力需要予測値を、少なくとも予想対象日とその前日及
び前前日の気象変化のパターンと類似する過去の参照日
の電力需要により補正する補正値計算部を備えたので、
予想対象日の電力需要の予測精度を向上することができ
る効果がある。Further, according to the present invention, the power demand forecasting apparatus predicts the forecast target date in the relational expression of the temperature-dependent power demand by weather obtained from the power demand of the past day and the weather of the past day. Calculate the power demand forecasting part that calculates the power demand on the forecast target day by substituting the weather and temperature, and the power demand forecast value obtained by the power demand forecasting part, Since it has a correction value calculation unit that corrects according to the power demand of past reference days similar to the pattern,
This has the effect of improving the accuracy of power demand prediction on the forecast target day.
【図面の簡単な説明】[Brief description of drawings]
【図１】本発明の第１の実施例の全体構成図である。FIG. 1 is an overall configuration diagram of a first embodiment of the present invention.
【図２】予想対象日の電力需要予測値を求めるフローチ
ャートである。FIG. 2 is a flowchart for obtaining a power demand forecast value on a forecast target day.
【図３】気温と電力需要実績の関係を示す図である。FIG. 3 is a diagram showing a relationship between temperature and power demand record.
【図４】２４時間周期及び一週間周期の電力需要の時間
推移を示す図である。FIG. 4 is a diagram showing a time transition of power demand in a 24-hour cycle and a weekly cycle.
【図５】気温の変動パターンによる電力需要の補正値を
示す図である。FIG. 5 is a diagram showing a correction value of power demand based on a variation pattern of temperature.
【図６】本発明の第３の実施例のデータの階層構造を示
す図である。FIG. 6 is a diagram showing a hierarchical structure of data according to a third embodiment of this invention.
【図７】本発明の第４の実施例のファジィ推論による補
正値算出方法を示す図である。FIG. 7 is a diagram showing a correction value calculation method by fuzzy inference according to a fourth embodiment of the present invention.
【符号の説明】 １ データ入力部 ２ 電力需要予測部 ３ データベース ４ 予測結出力部 ５ データ分析部 ６ 需要予測部 ７ 補正値計算部[Explanation of symbols] 1 data input unit 2 power demand prediction unit 3 database 4 predicted result output unit 5 data analysis unit 6 demand prediction unit 7 correction value calculation unit
───────────────────────────────────────────────────── フロントページの続き (72)発明者 福崎 孝治 茨城県日立市森山町1168番地 株式会社日 立製作所エネルギー研究所内 (72)発明者 森田 憲一 茨城県日立市大みか町５丁目２番１号 株 式会社日立製作所大みか工場内 (72)発明者 遠藤 為治郎 宮城県仙台市青葉区中山七丁目２番１号 東北電力株式会社電力技術研究所内 (72)発明者 白崎 隆 宮城県仙台市青葉区中山七丁目２番１号 東北電力株式会社電力技術研究所内 (72)発明者 鈴木 生喜 宮城県仙台市青葉区錦町一丁目12番23号 東北電力株式会社宮城給電指令所内 ─────────────────────────────────────────────────── ─── Continuation of the front page (72) Inventor Koji Fukusaki 1168 Moriyama-cho, Hitachi City, Ibaraki Pref., Energy Research Laboratories, Nitrate Manufacturing Co., Ltd. (72) Kenichi Morita 5-2-1 Omika-cho, Hitachi City, Ibaraki Prefecture Ceremony Company Inside Hitachi Omika Plant (72) Inventor Teijiro Endo 7-2-1, Nakayama, Aoba-ku, Sendai City, Miyagi Prefecture Tohoku Electric Power Co., Inc. Electric Power Technology Research Institute (72) Takashi Shirasaki Nakayama, Aoba-ku, Sendai City, Miyagi Prefecture 7-2-1, Tohoku Electric Power Co., Inc. Electric Power Research Laboratory (72) Inventor Ikki Suzuki 1-22-3, Nishikicho, Aoba-ku, Sendai City, Miyagi Prefecture Tohoku Electric Power Co., Inc.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18280891A JP3141164B2 (en) | 1991-07-24 | 1991-07-24 | Power demand forecasting method and device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18280891A JP3141164B2 (en) | 1991-07-24 | 1991-07-24 | Power demand forecasting method and device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0538051A true JPH0538051A (en) | 1993-02-12 |
| JP3141164B2 JP3141164B2 (en) | 2001-03-05 |
Family
ID=16124801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18280891A Expired - Fee Related JP3141164B2 (en) | 1991-07-24 | 1991-07-24 | Power demand forecasting method and device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3141164B2 (en) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01164005A (en) * | 1988-11-17 | 1989-06-28 | Seiko Epson Corp | Rare earth permanent magnet |
| JPH0556698A (en) * | 1991-08-26 | 1993-03-05 | Toshiba Corp | Demand prediction controller |
| JP2000333367A (en) * | 1999-05-19 | 2000-11-30 | Toshiba Corp | Thermoelectric consumption predicting system |
| JP2011101553A (en) * | 2009-11-09 | 2011-05-19 | Shimizu Corp | Energy storage system |
| JP2013017293A (en) * | 2011-07-04 | 2013-01-24 | Yahoo Japan Corp | Power saving information provision device, method, system, and program |
| WO2013042493A1 (en) * | 2011-09-20 | 2013-03-28 | 株式会社日立製作所 | Electric power demand forecast system and method |
| WO2014141841A1 (en) * | 2013-03-15 | 2014-09-18 | 株式会社 東芝 | Power demand estimating device, method, and program, and demand restraint planning device |
| WO2015075794A1 (en) * | 2013-11-20 | 2015-05-28 | 株式会社 東芝 | Power demand prediction system, power demand prediction method, customer profiling system, and customer profiling method |
| JP2015104171A (en) * | 2013-11-22 | 2015-06-04 | 富士通株式会社 | Power demand prediction device, power demand prediction method, and power demand prediction program |
| JP2017034797A (en) * | 2015-07-30 | 2017-02-09 | 富士電機株式会社 | Baseline load estimation device and baseline load estimation program |
| JP2017055629A (en) * | 2015-09-11 | 2017-03-16 | 積水化学工業株式会社 | Peak power estimation device, power management system, and peak power estimation method |
| JP2019097327A (en) * | 2017-11-24 | 2019-06-20 | 株式会社Ｎｔｔファシリティーズ | Power demand forecasting device, power demand forecasting method, and program |
| JPWO2019008698A1 (en) * | 2017-07-05 | 2019-11-07 | 三菱電機株式会社 | Operation control device, air conditioning system, operation control method, and operation control program |
| CN111563644A (en) * | 2020-02-24 | 2020-08-21 | 中国气象局公共气象服务中心 | Method for determining summer electricity utilization index, computer-readable storage medium and electronic device |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5068382B1 (en) | 2011-06-21 | 2012-11-07 | ヤンマー株式会社 | Prediction device, prediction method, and prediction program |
| WO2014003001A1 (en) | 2012-06-27 | 2014-01-03 | ヤンマー株式会社 | Prediction device, prediction method, and computer programme |
| JP5416809B2 (en) | 2012-06-27 | 2014-02-12 | ヤンマー株式会社 | Prediction device, prediction method, and computer program |
| JP6024758B2 (en) | 2012-10-01 | 2016-11-16 | 富士通株式会社 | Power distribution management device, pattern extraction method, and pattern extraction program |
-
1991
- 1991-07-24 JP JP18280891A patent/JP3141164B2/en not_active Expired - Fee Related
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01164005A (en) * | 1988-11-17 | 1989-06-28 | Seiko Epson Corp | Rare earth permanent magnet |
| JPH0556698A (en) * | 1991-08-26 | 1993-03-05 | Toshiba Corp | Demand prediction controller |
| JP2000333367A (en) * | 1999-05-19 | 2000-11-30 | Toshiba Corp | Thermoelectric consumption predicting system |
| JP2011101553A (en) * | 2009-11-09 | 2011-05-19 | Shimizu Corp | Energy storage system |
| JP2013017293A (en) * | 2011-07-04 | 2013-01-24 | Yahoo Japan Corp | Power saving information provision device, method, system, and program |
| US9852483B2 (en) | 2011-09-20 | 2017-12-26 | Hitachi, Ltd. | Forecast system and method of electric power demand |
| WO2013042493A1 (en) * | 2011-09-20 | 2013-03-28 | 株式会社日立製作所 | Electric power demand forecast system and method |
| JP2013066318A (en) * | 2011-09-20 | 2013-04-11 | Hitachi Ltd | Power demand prediction system and method |
| WO2014141841A1 (en) * | 2013-03-15 | 2014-09-18 | 株式会社 東芝 | Power demand estimating device, method, and program, and demand restraint planning device |
| US10345770B2 (en) | 2013-03-15 | 2019-07-09 | Kabushiki Kaisha Toshiba | Power demand estimating apparatus, method, program, and demand suppressing schedule planning apparatus |
| WO2015075794A1 (en) * | 2013-11-20 | 2015-05-28 | 株式会社 東芝 | Power demand prediction system, power demand prediction method, customer profiling system, and customer profiling method |
| JPWO2015075794A1 (en) * | 2013-11-20 | 2017-03-16 | 株式会社東芝 | Electric power demand prediction system, electric power demand prediction method, customer profiling system, and customer profiling method |
| JP2015104171A (en) * | 2013-11-22 | 2015-06-04 | 富士通株式会社 | Power demand prediction device, power demand prediction method, and power demand prediction program |
| JP2017034797A (en) * | 2015-07-30 | 2017-02-09 | 富士電機株式会社 | Baseline load estimation device and baseline load estimation program |
| JP2017055629A (en) * | 2015-09-11 | 2017-03-16 | 積水化学工業株式会社 | Peak power estimation device, power management system, and peak power estimation method |
| JPWO2019008698A1 (en) * | 2017-07-05 | 2019-11-07 | 三菱電機株式会社 | Operation control device, air conditioning system, operation control method, and operation control program |
| EP3617607A4 (en) * | 2017-07-05 | 2020-05-27 | Mitsubishi Electric Corporation | Operation control device, air conditioning system, operation control method, and operation control program |
| JP2019097327A (en) * | 2017-11-24 | 2019-06-20 | 株式会社Ｎｔｔファシリティーズ | Power demand forecasting device, power demand forecasting method, and program |
| CN111563644A (en) * | 2020-02-24 | 2020-08-21 | 中国气象局公共气象服务中心 | Method for determining summer electricity utilization index, computer-readable storage medium and electronic device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3141164B2 (en) | 2001-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0538051A (en) | Method and apparatus for predicting power demand | |
| US8745183B2 (en) | System and method for adaptively refreshing a web page | |
| US20150378373A1 (en) | Data-driven hvac optimization | |
| US7844427B1 (en) | Weather model predictor | |
| CN102236674B (en) | Method and device for updating index page | |
| JP2009086706A (en) | Model creation support system, method and program | |
| CN111242602B (en) | Control method, device, computer readable storage medium and apparatus for payment apparatus | |
| JP2011114944A (en) | Power demand estimation device, and program of the same | |
| Lee | Low-cost and simple short-term load forecasting for energy management systems in small and middle-sized office buildings | |
| KR102478684B1 (en) | Method for predicting energy consumption for using ensemble learning, and computing apparatus for performing the method | |
| JP2000270473A (en) | Power demand estimating method | |
| JPH09285010A (en) | Power demand estimation supporting apparatus | |
| JP2017050971A (en) | Power consumption prediction control apparatus, power consumption prediction method, and power consumption prediction program | |
| JP2021131627A (en) | DR activation prediction system | |
| JP3650304B2 (en) | Demand forecasting device | |
| US5924076A (en) | Coin operated device collection scheduler | |
| JP6461397B2 (en) | Wholesale electricity price prediction system and wholesale electricity price prediction method | |
| WO2022162798A1 (en) | Power demand prediction device, power demand prediction method, and program | |
| WO2020209142A1 (en) | Electrical power management device | |
| JP3462933B2 (en) | Temperature prediction method and device | |
| CN112052430B (en) | Photovoltaic station correlation comprehensive evaluation system based on improved TOPSIS | |
| JPH03212702A (en) | Demand forecast supporting system | |
| JP2017135921A (en) | Power demand prediction device, power demand prediction method, and power demand prediction program | |
| CN114117713A (en) | Regional photovoltaic output prediction method and device | |
| JP2002297236A (en) | Data base device for manufacture result |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |