JPH09273795A - 熱負荷予測装置 - Google Patents

Abstract

(57)【要約】 【課題】人手による演算を必要とせず常に精度の高い熱
負荷予測を行うこと。 【解決手段】気象予報値・気象実績値と熱消費機器で消
費される熱負荷実績値を基に、熱負荷分類のための曜日
モードに対応した日熱負荷予測モデルを同定する日熱負
荷予測モデル同定手段１２と、気象予報値・気象実績値
と熱負荷実績値を基に、曜日モードに対応した時間熱負
荷パターン予測モデルを同定する時間熱負荷パターン予
測モデル同定手段１３と、気象予報値・気象実績値と熱
負荷実績値と日熱負荷予測モデルを基に、日熱負荷を予
測する日熱負荷予測手段１５と、気象予報値・気象実績
値と熱負荷実績値と時間熱負荷パターン予測モデルを基
に、時間熱負荷パターンを予測する時間熱負荷パターン
予測手段１６と、日熱負荷予測値と時間熱負荷パターン
を基に、時間単位の熱負荷予測値を演算する時間単位熱
負荷予測手段１７とを備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば地域冷暖房
冷暖房プラントから輸送される冷熱・温熱を冷房・暖房
等に利用する地域ビル群の熱消費機器で消費される熱負
荷を予測する熱負荷予測装置に係り、特に人手による演
算を必要とせず、常に精度の高い熱負荷予測が行なえる
ようにした熱負荷予測装置に関するものである。

【０００２】

【従来の技術】従来から、地域冷暖房プラントには、蓄
熱槽を備えたものがある。そして、電気による地域冷暖
房プラントでは、昼間に消費される熱負荷の一部または
全てを、夜間に冷水、温水として蓄積している。このこ
とによって、昼間における熱源機器の熱負荷が軽減され
るため、熱源機器の設備容量を小さくすることが可能と
なる。

【０００３】また、電気による地域冷暖房プラントの場
合には、電力会社と業務用蓄熱調整契約をすることで、
安価な夜間電力を利用してランニングコストを節約する
ことができる。

【０００４】ところで、このような地域冷暖房プラント
においては、蓄熱槽を効率よく使用するために、前日の
業務用蓄熱調整契約の始まる時間前に、当日消費される
熱負荷を予測して、契約時間帯（夜間）にその予測に従
って過不足のない熱量を蓄積するようにしている。ま
た、当日には、この予測に従って、熱消費機器への冷
水、温水、および蒸気の供給量を操作するようにしてい
る。

【０００５】一方、従来では、当日の熱負荷を前日に予
測するために、例えば月別に設定した基準熱負荷を実績
熱負荷や外気温度で線形補正する方式や、熱負荷の実績
値の加重平均や、カルマンフィルタによる予測方法が用
いられている。

【０００６】しかしながら、このような予測方法では、
熱を供給する対象設備に適合した定数や補正項の係数を
設定する必要があり、これらの数値を設定するには、過
去の運転実績に基づいたデータによる調整作業を行なわ
なければならない。

【０００７】また、熱を供給する対象設備の条件が、設
備の新設、改造等によって変化した場合には、その都
度、設定する定数および係数を変更しなければならな
い。そして、このような作業は、実運用上では、オペレ
ータの手作業となるため、作業の煩わしさ等の理由によ
り使われなくなってしまい、実際には、地域冷暖房プラ
ントを運用するオペレータが、過去の熱負荷実績や翌日
の天候、現在の気温等から経験的に判断して、翌日の熱
負荷を予測するようにしている。

【０００８】しかしながら、オペレータの経験に基づく
熱負荷予測に依存したプラント運用では、オペレータの
負荷を低減することが難しい。また、従来の方法のまま
予測を継続すると、予測誤差が原因で、熱源機器の運転
効率が低下するばかりでなく、安価な夜間電力を有効に
利用できなくなってしまうという課題がある。

【０００９】さらに、前日中に蓄積される熱量が不足し
たり、過剰となるばかりでなく、当日、熱消費機器へ適
切な熱の供給が行なわれなくなるという不具合が発生す
る。さらにまた、熱負荷は、曜日、天気等の気象条件等
の要因によって変動することが分かっているが、例えば
曜日の分類は地域毎に異なる場合がある（例：水曜日定
休のビルがある等）。そして、従来では、この分類に応
じた統計処理が容易にできないため、精度の高い熱負荷
予測値を用いた熱源機器の予測台数制御を行なう時に、
最適な運転台数が得られず、結果として熱源機器の始動
・停止頻度の増大によりランニングコストが増大した
り、熱源機器の寿命を短くするという問題点がある。

【００１０】

【発明が解決しようとする課題】以上のように、従来の
熱負荷の予測方法においては、オペレータの経験に基づ
く熱負荷予測であることから、熱負荷の予測精度が低い
という問題があった。本発明の目的は、人手による演算
を必要とせず、常に精度の高い熱負荷予測を行なうこと
が可能な熱負荷予測装置を提供することにある。

【００１１】

【課題を解決するための手段】上記の目的を達成するた
めに、まず、請求項１に対応する発明では、熱消費機器
で消費される熱負荷を予測する熱負荷予測装置におい
て、熱負荷を変動させる最高気温、最低気温等の要因デ
ータである気象予報値および気象実績値を入力する気象
予報値・気象実績値入力手段と、熱消費機器で消費され
る熱負荷を検出する熱負荷検出手段と、熱負荷分類のた
めの曜日モードを発生させる曜日モード発生手段と、気
象予報値・気象実績値入力手段により入力される気象予
報値および気象実績値と熱負荷検出手段により検出され
る熱負荷実績値とに基づいて、曜日モード発生手段によ
り発生した曜日モードに対応した日熱負荷の予測モデル
のパラメータを学習し日熱負荷予測モデルを同定する日
熱負荷予測モデル同定手段と、気象予報値・気象実績値
入力手段により入力される気象予報値および気象実績値
と熱負荷検出手段により検出される熱負荷実績値とに基
づいて、曜日モード発生手段により発生した曜日モード
に対応した時間熱負荷パターンの予測モデルのパラメー
タを学習し時間熱負荷パターン予測モデルを同定する時
間熱負荷パターン予測モデル同定手段と、気象予報値・
気象実績値入力手段により入力される気象予報値および
気象実績値と熱負荷検出手段により検出される熱負荷実
績値と日熱負荷予測モデル同定手段により同定された日
熱負荷予測モデルとに基づいて、日熱負荷を予測する日
熱負荷予測手段と、気象予報値・気象実績値入力手段に
より入力される気象予報値および気象実績値と熱負荷検
出手段により検出される熱負荷実績値と時間熱負荷パタ
ーン予測モデル同定手段により同定された時間熱負荷パ
ターン予測モデルとに基づいて、時間熱負荷パターンを
予測する時間熱負荷パターン予測手段と、日熱負荷予測
手段により予測された日熱負荷予測値と時間熱負荷パタ
ーン予測手段により予測された時間熱負荷パターンとに
基づいて、時間単位の熱負荷予測値を演算する時間単位
熱負荷予測手段とを備えて成る。

【００１２】また、請求項２に対応する発明では、上記
請求項１に対応する発明の熱負荷予測装置において、熱
消費機器にその冷房・暖房に利用される冷熱・温熱を輸
送する地域冷暖房プラントを制御するための地域冷暖房
プラント制御手段に対し、時間単位熱負荷予測手段によ
り演算された時間単位熱負荷予測値を出力するデータ出
力手段を付加して成る。

【００１３】さらに、請求項３に対応する発明では、上
記請求項１または請求項２に対応する発明の熱負荷予測
装置において、地域固有の時間単位のイベント負荷を入
力するイベント負荷入力手段を付加し、時間単位熱負荷
予測手段において、日熱負荷予測値および時間熱負荷パ
ターンから得られた時間単位熱負荷予測値とイベント負
荷入力手段により入力される時間単位のイベント負荷と
を加算し、イベント負荷を考慮した時間単位熱負荷予測
値を得るようにしている。

【００１４】ここで、特に上記時間熱負荷パターン予測
手段としては、例えば請求項４に記載したように、当日
の予測最高・最低気温と前日の最高・最低気温とを入力
とし、かつ時間熱負荷パターン予測モデルにニューロモ
デルを用いて熱負荷パターンの特徴量を予測し、当該予
測された特徴量を用いて過去の熱負荷実績値の中から熱
負荷パターンを検索するようにすることが好ましい。

【００１５】また、上記時間単位熱負荷予測手段として
は、例えば請求項５に記載したように、熱負荷検出手段
により検出される最新の熱負荷実績値を用いて日熱負荷
予測手段により予測された日熱負荷予測値を修正し、当
該修正された日熱負荷予測値と時間熱負荷パターン予測
値とを用いて時間単位熱負荷予測値の修正を行なう予測
修正手段を有するものであることが好ましい。

【００１６】さらに、上記予測修正手段としては、例え
ば請求項６に記載したように、現時点までの熱負荷実績
値を用いて、日量の熱負荷予測値と熱負荷実績値とを比
較することにより日量の熱負荷予測値を修正するように
することが好ましい。

【００１７】さらにまた、上記予測修正手段としては、
例えば請求項７に記載したように、日量の熱負荷予測値
と熱負荷実績値との比較時に重み係数を付けるようにす
ることが好ましい。

【００１８】従って、請求項１に対応する発明の熱負荷
予測装置においては、熱負荷実績値と翌日の気象予報値
とに基づき、曜日モードを考慮して日熱負荷量を予測す
る。次に、時間熱負荷パターンと翌日の気象予報値とに
基づき、曜日モードを考慮して時間熱負荷パターンを予
測し、日熱負荷予測値を按分する。これらの予測では、
熱負荷と要因との関係が予測モデルとして定式化されて
いるため、蓄積されたデータを用いた予測モデルの同定
によって熱負荷予測を行なうことができ、かつ予測モデ
ルのパラメータを自動的に更新する。

【００１９】これにより、人手による演算を必要としな
いで、精度の高い熱負荷予測を行なうことができる。ま
た、最新の熱負荷実績値に基づいて予測モデルパラメー
タが更新されるため、徐々に予測モデルが外れていく場
合においても、常に高精度な熱負荷予測を行なうことが
できる。

【００２０】また、請求項２に対応する発明の熱負荷予
測装置においては、熱負荷実績値と翌日の気象予報値と
に基づき、曜日モードを考慮して日熱負荷量を予測す
る。次に、時間熱負荷パターンと翌日の気象予報値とに
基づき、曜日モードを考慮して時間熱負荷パターンを予
測し、日熱負荷予測値を按分する。これらの予測では、
熱負荷と要因との関係が予測モデルとして定式化されて
いるため、蓄積されたデータを用いた予測モデルの同定
によって熱負荷予測を行なって出力することができ、か
つ予測モデルのパラメータを自動的に更新する。

【００２１】これにより、人手による演算を必要としな
いで、精度の高い熱負荷予測を行なって出力することが
できる。また、最新の熱負荷実績値に基づいて予測モデ
ルパラメータが更新されるため、徐々に予測モデルが外
れていく場合においても、常に高精度な熱負荷予測を行
なって出力することができる。

【００２２】さらに、請求項３に対応する発明の熱負荷
予測装置においては、地域固有のイベント等による不定
期な負荷の発生に対しては、イベント情報に基づいたイ
ベント負荷量を、時間単位熱負荷予測値に加算すること
により、イベント等により発生する不定期な熱負荷も考
慮したより一層高精度な熱負荷予測を行なうことができ
る。

【００２３】一方、請求項４に対応する発明の熱負荷予
測装置においては、熱消費機器において消費される時間
単位熱負荷パターンを、ニューロモデルに基づいて予測
し、またこのニューロモデルにおけるパラメータを、過
去の熱負荷実績値と気象データおよび曜日モードに基づ
いてバックプロパゲーション法により学習するため、常
により一層精度の高い熱負荷予測を行なうことができ
る。

【００２４】また、請求項５乃至請求項７に対応する発
明の熱負荷予測装置においては、最新の熱負荷実績値に
基づいて予測を修正するため、当日の熱負荷予測に誤差
が生じてきた場合においても、高精度な熱負荷予測を行
なうことができる。

【００２５】

【発明の実施の形態】以下、本発明の一実施形態につい
て図面を参照して詳細に説明する。図１は、本実施形態
による地域冷暖房プラントの熱負荷予測装置の構成例を
示すブロック図である。

【００２６】図１において、まず、対象となるプラント
設備は、ヒートポンプ、蓄熱槽等からなる地域冷暖房冷
暖房プラント１で製造される冷熱・温熱を、熱輸送系統
２により地域ビル群の熱消費機器３に輸送し、冷房・暖
房等に利用するものである。また、地域冷暖房冷暖房プ
ラント１は、後述する熱負荷予測装置本体４からの熱負
荷予測値に基づいて、地域冷暖房プラント制御手段５に
より制御されるようになっている。

【００２７】一方、熱負荷予測装置は、気象予報値入力
手段６と、気象実績値入力手段７と、熱負荷検出手段８
と、イベント負荷入力手段９と、熱負荷予測装置本体４
とからなっている。

【００２８】また、熱負荷予測装置本体４は、曜日モー
ド発生手段１０と、データ記憶手段１１と、日熱負荷予
測モデル同定手段１２と、時間熱負荷パターン予測モデ
ル同定手段１３と、予測モデル記憶手段１４と、日熱負
荷予測手段１５と、時間熱負荷パターン予測手段１６
と、時間単位熱負荷予測手段１７と、データ出力手段１
８とからなっている。

【００２９】ここで、気象予報値入力手段６は、熱負荷
を変動させる最高気温、最低気温等の要因データである
翌日の気象予報値を入力するものである。また、気象実
績値入力手段７は、熱負荷を変動させる最高気温、最低
気温等の要因データである気象実績値を入力するもので
ある。

【００３０】さらに、熱負荷検出手段８は、熱消費機器
３で消費される熱負荷を検出するものである。さらにま
た、イベント負荷入力手段９は、地域固有の時間単位の
イベント負荷を入力するものである。

【００３１】一方、曜日モード発生手段１０は、熱負荷
分類のための曜日モードを発生させるものである。ま
た、データ記憶手段１１は、気象予報値入力手段６、気
象実績値入力手段７、熱負荷検出手段８、およびイベン
ト負荷入力手段９によりそれぞれ入力されるデータを記
憶するものである。

【００３２】一方、日熱負荷予測モデル同定手段１２
は、データ記憶手段１１に記憶された気象予報値および
気象実績値と熱負荷実績値とに基づいて、データ記憶手
段１１に記憶された曜日モードに対応した日熱負荷の予
測モデルのパラメータを学習し、日熱負荷予測モデルを
同定するものである。

【００３３】また、時間熱負荷パターン予測モデル同定
手段１３は、データ記憶手段１１に記憶された気象予報
値および気象実績値と熱負荷実績値とに基づいて、デー
タ記憶手段１１に記憶された曜日モードに対応した時間
熱負荷パターンの予測モデルのパラメータを学習し、時
間熱負荷パターン予測モデルを同定するものである。

【００３４】さらに、予測モデル記憶手段１４は、日熱
負荷予測モデル同定手段１２、および時間熱負荷パター
ン予測モデル同定手段１３により同定された日熱負荷予
測モデル、および時間熱負荷パターン予測モデル記憶す
るものである。

【００３５】一方、日熱負荷予測手段１５は、データ記
憶手段１１に記憶された気象予報値および気象実績値と
熱負荷実績値と、予測モデル記憶手段１４に記憶された
日熱負荷予測モデルとに基づいて、日熱負荷（１日分の
積分熱負荷量）を予測するものである。

【００３６】また、時間熱負荷パターン予測手段１６
は、データ記憶手段１１に記憶された気象予報値および
気象実績値と熱負荷実績値と、予測モデル記憶手段１４
に記憶された時間熱負荷パターン予測モデルとに基づい
て、時間熱負荷パターン（時間単位の熱負荷量の１日分
の推移パターン）を予測するものである。

【００３７】なお、この時間熱負荷パターン予測手段１
６としては、例えば当日の予測最高・最低気温と前日の
最高・最低気温とを入力とし、かつ時間熱負荷パターン
予測モデルにニューロモデルを用いて熱負荷パターンの
特徴量を予測し、当該予測された特徴量を用いて過去の
熱負荷実績値の中から熱負荷パターンを検索するように
することが好ましい。

【００３８】さらに、時間単位熱負荷予測手段１７は、
日熱負荷予測手段１５により予測された日熱負荷予測値
と、時間熱負荷パターン予測手段１６により予測された
時間熱負荷パターンとに基づいて、時間単位の熱負荷予
測値を演算するものである。

【００３９】また、この時間単位熱負荷予測手段１７
は、日熱負荷予測値および時間熱負荷パターンから得ら
れた時間単位熱負荷予測値と、データ記憶手段１１に記
憶された地域固有の時間単位のイベント負荷とを加算
し、イベント負荷を考慮した時間単位熱負荷予測値を得
るものである。

【００４０】なお、この時間単位熱負荷予測手段１７と
しては、例えば最新の熱負荷実績値を用いて日熱負荷予
測手段１５により予測された日熱負荷予測値を修正し、
当該修正された日熱負荷予測値と時間熱負荷パターン予
測値とを用いて時間単位熱負荷予測値の修正を行なう予
測修正手段を有するものであることが好ましい。

【００４１】さらにまた、データ出力手段１８は、地域
冷暖房プラント制御手段５に対し、時間単位熱負荷予測
手段１７により演算された時間単位熱負荷予測値を出力
するものである。

【００４２】次に、以上のように構成した本実施形態に
よる地域冷暖房プラントの熱負荷予測装置の作用につい
て説明する。図１において、地域冷暖房プラント１の熱
負荷予測値は、熱負荷予測装置本体４により演算され
る。

【００４３】すなわち、熱負荷予測装置本体４では、ま
ず、曜日モード発生手段１０により発生した曜日モード
を、データ記憶手段１１を介して予測モデル記憶手段１
４へ出力する。

【００４４】すると、予測モデル記憶手段１４では、入
力された曜日モードに対応した日熱負荷予測モデル、お
よび時間熱負荷パターン予測モデルを日熱負荷予測手段
１５、および時間熱負荷パターン予測手段１６にそれぞ
れ出力する。

【００４５】一方、日熱負荷予測手段１５では、気象予
報値入力手段６から出力される翌日の気象予報値と、気
象実績入力手段７から出力される気象実績値と、熱負荷
検出手段８から出力される熱負荷実績値とからなる熱負
荷予測の入力情報と、予測モデル記憶手段１４から出力
される日熱負荷予測モデルとにより、日熱負荷量を予測
する。

【００４６】次に、時間熱負荷パターン予測手段１６で
は、上記熱負荷予測の入力情報と、予測モデル記憶手段
１４から出力される時間熱負荷パターン予測モデルとに
より、時間熱負荷パターンを予測する。

【００４７】さらに、時間単位熱負荷予測手段１７で
は、日熱負荷予測手段１５からの日熱負荷量と、時間熱
負荷パターン予測手段１６からの時間熱負荷パターンと
を入力して、時間単位の熱負荷を予測する。そして、こ
の時間単位熱負荷予測値は、データ出力手段１８を介し
て、地域冷暖房プラント制御手段５に出力する。

【００４８】一方、日熱負荷予測モデル同定手段１２、
および時間熱負荷パターン予測モデル同定手段１３で
は、データ記憶手段１１から出力される上記熱負荷予測
の入力情報を用いて、日熱負荷予測モデル、および時間
熱負荷パターン予測モデルのパラメータをそれぞれ推定
し、このパラメータ値を予測モデル記憶手段１４に保存
する。

【００４９】また、時間単位熱負荷予測修正手段１７で
は、当日の運用時において、現時刻までの熱負荷実績値
を用いて日熱負荷予測手段１５で予測された日熱負荷予
測値を修正し、この修正された日熱負荷予測値と先に得
られた時間熱負荷パターン予測値とを用いて時間熱負荷
予測値の修正を行ない、データ出力手段１８に出力す
る。

【００５０】さらに、イベント負荷入力手段９では、地
域固有の時間単位のイベント負荷量を、データ記憶手段
１１を介して時間単位熱負荷予測手段１７に入力し、時
間単位熱負荷予測手段１７において、上記得られた時間
単位熱負荷予測値と加算することにより、イベント負荷
を考慮した時間単位熱負荷予測値を得ることができる。

【００５１】次に、まず、上記日熱負荷予測モデル同定
手段１２、および日熱負荷予測手段１５の作用につい
て、より具体的に説明する。日熱負荷の予測では、下記
（１）式に示すような時系列モデルを用いる手法によっ
て、熱負荷の予測を行なう。

【００５２】

【数１】

【００５３】ここで、例えばｎ＝３である。日熱負荷予
測モデル同定手段１２において、日熱負荷、および最高
・最低気温実績値を用いて、上記（１）式のシステムパ
ラメータを、例えば逐次最小２乗法を用いて同定する。
日熱負荷予測手段１５では、例えばｎ＝３とした時、下
記（２）式によって日熱負荷を予測する。

【００５４】

【数２】

【００５５】次に、上記時間熱負荷パターン予測モデル
同定手段１３の作用について、より具体的に説明する。 ［Ａ］データ処理機能 データ記憶手段１１に記憶されている最高気温、最低気
温、熱負荷のデータを、曜日モード発生手段１０で発生
した曜日モード毎（例えば、休日、土曜、平日）に、以
下のようなデータ処理を行なう。

【００５６】（Ａ−１）気温データ 最高気温、最低気温に関するデータを、それぞれ以下の
ような方法で処理する。

【００５７】

【数３】 （Ａ−２）熱負荷特徴量 熱負荷の午前の特徴量は、以下のような方法で与える。

【００５８】

【数４】 同様に、熱負荷の午後の特徴量は、以下のような方法で
与える。

【００５９】

【数５】

【００６０】［Ｂ］ニューラルネットワークによる時間
熱負荷パターン予測モデルの同定機能 例えば、図２に示すような時間熱負荷パターン予測モデ
ルに対して、上記データ処理機能［Ａ］により処理され
た当日の最高気温、最低気温、前日の最高気温、最低気
温を入力情報とし、当日の午前の特徴量、当日の午後の
特徴量を教示データとしてデータ記憶手段１１より入力
し、バックプロパゲーション法によってニューロン間の
重み係数（パラメータ）を学習する。

【００６１】この時間熱負荷パターン予測の重み係数に
は、 ｗ_p12 (i,j) ：入力層−中間層間の重み係数 ｗ_p23 (i,k) ：中間層−出力層間の重み係数 がある。

【００６２】そして、この学習された時間熱負荷パター
ン予測モデルのパラメータを、予測モデル記憶手段１４
に記憶する。以上が、時間熱負荷パターン予測モデル同
定手段１３における具体的な作用である。

【００６３】次に、時間熱負荷パターン予測手段１６の
作用について、図３を用いてより具体的に説明する。図
３に示すような時間熱負荷パターン予測モデルに対し
て、予測モデル記憶手段１４から得られる時間熱負荷パ
ターン予測モデルのパラメータを用いて、入力情報とし
て上記データ処理機能［Ａ］により処理された前日の最
高気温、最低気温、当日の最高気温予想、最低気温予想
を、データ記憶手段１１から入力し、当日の午前の特徴
量Ｒ_sa、および当日の午後の特徴量Ｒ_spを予測する。

【００６４】さらに、過去の実績（ｉ日、例えば３０日
間）の特徴量をデータ記憶手段１１から入力し、その中
から最も類似した日、すなわち次式で示すＩ(i) が最も
小さい日１日を、類似日として選び出す。

【００６５】

【数６】

【００６６】ここで、類似日が第ｋ日であるとすると、
この第ｋ日の時間熱負荷パターンを当日の時間熱負荷パ
ターンとする。この場合、時間熱負荷パターンとは、次
式で示す按分比である。

【００６７】

【数７】

【００６８】以上により、時間熱負荷パターンを予測す
る。時間単位熱負荷予測手段１７では、日熱負荷予測手
段１５で得られた日熱負荷予測値と、時間熱負荷パター
ン予測手段１６で得られた時間熱負荷パターンと、イベ
ント情報入力手段９から時間毎のイベント負荷量とを入
力し、次式により時間単位熱負荷予測値を演算する。

【００６９】

【数８】

【００７０】そして、この予測された時間単位熱負荷予
測値を、データ出力手段１８を介して、地域冷暖房プラ
ント制御手段５に出力する。次に、上記時間単位熱負荷
予測手段１７における予測修正手段の作用についてより
具体的に説明する。いま、現在時刻の当日の Ｔ＋１時
とする時、

【００７１】

【数９】 これより、上記（９）式で得られた日熱負荷予測値の修
正を次式で行なう。

【００７２】

【数１０】 また、上記（１０）式による予測修正を安定させるため
には、次式のように重み係数を用いることで可能とな
る。

【００７３】

【数１１】

【００７４】以上が、予測修正手段の作用である。上述
したように、本実施形態の地域冷暖房プラントの熱負荷
予測装置は、熱負荷を変動させる最高気温、最低気温等
の要因データである翌日の気象予報値を入力する気象予
報値入力手段６と、熱負荷を変動させる最高気温、最低
気温等の要因データである気象実績値を入力する気象実
績値入力手段７と、熱消費機器３で消費される熱負荷を
検出する熱負荷検出手段８と、地域固有の時間単位のイ
ベント負荷を入力するイベント負荷入力手段９と、熱負
荷分類のための曜日モードを発生させる曜日モード発生
手段１０、気象予報値入力手段６、気象実績値入力手段
７、熱負荷検出手段８、およびイベント負荷入力手段９
によりそれぞれ入力されるデータを記憶するデータ記憶
手段１１、データ記憶手段１１に記憶された気象予報値
および気象実績値と熱負荷実績値とに基づいて、データ
記憶手段１１に記憶された曜日モードに対応した日熱負
荷の予測モデルのパラメータを学習し、日熱負荷予測モ
デルを同定する日熱負荷予測モデル同定手段１２、デー
タ記憶手段１１に記憶された気象予報値および気象実績
値と熱負荷実績値とに基づいて、データ記憶手段１１に
記憶された曜日モードに対応した時間熱負荷パターンの
予測モデルのパラメータを学習し、時間熱負荷パターン
予測モデルを同定する時間熱負荷パターン予測モデル同
定手段１３、日熱負荷予測モデル同定手段１２、および
時間熱負荷パターン予測モデル同定手段１３により同定
された日熱負荷予測モデル、および時間熱負荷パターン
予測モデル記憶する予測モデル記憶手段１４、データ記
憶手段１１に記憶された気象予報値および気象実績値と
熱負荷実績値と、予測モデル記憶手段１４に記憶された
日熱負荷予測モデルとに基づいて、日熱負荷（１日分の
積分熱負荷量）を予測する日熱負荷予測手段１５、デー
タ記憶手段１１に記憶された気象予報値および気象実績
値と熱負荷実績値と、予測モデル記憶手段１４に記憶さ
れた時間熱負荷パターン予測モデルとに基づいて、時間
熱負荷パターン（時間単位の熱負荷量の１日分の推移パ
ターン）を予測する時間熱負荷パターン予測手段１６、
日熱負荷予測手段１５により予測された日熱負荷予測値
と、時間熱負荷パターン予測手段１６により予測された
時間熱負荷パターンとに基づいて、時間単位熱負荷予測
値を得、またこの得られた時間単位熱負荷予測値と、デ
ータ記憶手段１１に記憶された地域固有の時間単位のイ
ベント負荷とを加算し、イベント負荷を考慮した時間単
位の熱負荷予測値を演算する時間単位熱負荷予測手段１
７、地域冷暖房プラント制御手段５に対し、時間単位熱
負荷予測手段１７により演算された時間単位熱負荷予測
値を出力するデータ出力手段１８よりなる熱負荷予測装
置本体４とから構成したものである。

【００７５】従って、熱消費機器３において翌日消費さ
れる時間単位熱負荷パターンを、ニューロモデルに基づ
いて予測し、またこのニューロモデルにおけるパラメー
タは、過去の熱負荷実績と気象データおよび曜日モード
に基づいて、バックプロパゲーション法により学習でき
るため、常に精度の高い熱負荷予測を行なうことが可能
となる。

【００７６】すなわち、熱消費機器３において翌日消費
される熱負荷予測値を、学習機能を持った予測モデルに
従って求め、この予測モデルのパラメータを、消費され
る熱負荷を変動させる要因データを基に推定（同定）し
ているため、常に精度の高い熱負荷予測を行なうことが
可能となる。

【００７７】また、消費される熱負荷を変動させる要因
データとして、翌日の気象予報値を採用しており、これ
らのデータは天気予報等で容易に入手することが可能で
あるという利点がある。

【００７８】併せて、熱負荷実績とそれに影響を及ぼす
要因実績により負荷データの分類を行なうことにより、
曜日の違い等で大きく変わる熱負荷に対して、極めて誤
差の少ない熱負荷予測を行なうことが可能となる。

【００７９】すなわち、データ記憶手段１１に記憶され
ている過去の実績を曜日等の要因により分類した熱負荷
データに基づいて、熱負荷実績値と気象実績値とによっ
て予測モデルを同定しているため、曜日、気温、天気、
あるいは季節等によって変動する熱負荷に対して、より
一層精度の高い予測値を得ることが可能となる。

【００８０】一方、予測値と実績値とに誤差が生じたよ
うな場合でも、予測値の修正を行なうことができるた
め、常に精度のよい予測値を得ることが可能となる。す
なわち、当日の熱負荷予測に誤差が生じてきたような場
合においても、最新の熱負荷実績値に基づいて予測を修
正しているため、高精度な熱負荷予測値を得ることが可
能となる。

【００８１】また、イベント情報を入力することによ
り、地域固有のイベント等により発生する不定期な熱負
荷も考慮したより一層高精度の熱負荷予測を行なうこと
が可能となる。

【００８２】さらに、蓄積された実績データに基づいて
学習することのできる予測モデルを内蔵し、曜日や気象
条件と熱負荷との関係を定式化し、かつ地域特性を考慮
していることにより、翌日の熱負荷予測値を人手による
演算を必要としないで、高精度に求めることが可能とな
る。

【００８３】以上により、本実施形態の地域冷暖房プラ
ントの熱負荷予測装置を用いて運用することにより、前
述した従来のように、熱消費機器３へ供給する熱量が不
足したり、あるいは過剰となることがなくなり、適切な
熱エネルギーの供給を行なうことができる。

【００８４】尚、本発明は上記実施形態に限定されるも
のではなく、次のようにしても同様に実施できるもので
ある。 （ａ）本発明において、気象情報としては、最高気温、
最低気温の他にも、熱負荷モデルに合わせて、天気、湿
度等の情報を用いたり、あるいはそれらを組み合わせる
ようにしてもよい。

【００８５】（ｂ）本発明において、日熱負荷の予測と
しては、１日を例えば夜（２２時〜８時）と昼（８時〜
２２時）とに分けて、それぞれの予測を行なうようにし
てもよい。

【００８６】（ｃ）本発明において、時間熱負荷予測に
おける特徴量の取り方としては、他の時間帯を用いるよ
うにしてもよい。また、特徴量は、午前、午後の二つに
限らず、一つ、あるいは三つ以上とするようにしてもよ
い。

【００８７】

【発明の効果】以上説明したように、請求項１に対応す
る発明によれば、熱消費機器で消費される熱負荷を予測
する熱負荷予測装置において、熱負荷を変動させる最高
気温、最低気温等の要因データである気象予報値および
気象実績値を入力する気象予報値・気象実績値入力手段
と、熱消費機器で消費される熱負荷を検出する熱負荷検
出手段と、熱負荷分類のための曜日モードを発生させる
曜日モード発生手段と、気象予報値・気象実績値入力手
段により入力される気象予報値および気象実績値と熱負
荷検出手段により検出される熱負荷実績値とに基づい
て、曜日モード発生手段により発生した曜日モードに対
応した日熱負荷の予測モデルのパラメータを学習し日熱
負荷予測モデルを同定する日熱負荷予測モデル同定手段
と、気象予報値・気象実績値入力手段により入力される
気象予報値および気象実績値と熱負荷検出手段により検
出される熱負荷実績値とに基づいて、曜日モード発生手
段により発生した曜日モードに対応した時間熱負荷パタ
ーンの予測モデルのパラメータを学習し時間熱負荷パタ
ーン予測モデルを同定する時間熱負荷パターン予測モデ
ル同定手段と、気象予報値・気象実績値入力手段により
入力される気象予報値および気象実績値と熱負荷検出手
段により検出される熱負荷実績値と日熱負荷予測モデル
同定手段により同定された日熱負荷予測モデルとに基づ
いて、日熱負荷を予測する日熱負荷予測手段と、気象予
報値・気象実績値入力手段により入力される気象予報値
および気象実績値と熱負荷検出手段により検出される熱
負荷実績値と時間熱負荷パターン予測モデル同定手段に
より同定された時間熱負荷パターン予測モデルとに基づ
いて、時間熱負荷パターンを予測する時間熱負荷パター
ン予測手段と、日熱負荷予測手段により予測された日熱
負荷予測値と時間熱負荷パターン予測手段により予測さ
れた時間熱負荷パターンとに基づいて、時間単位の熱負
荷予測値を演算する時間単位熱負荷予測手段とを備える
ようにしたので、人手による演算を必要とせず、常に精
度の高い熱負荷予測を行なうことが可能な熱負荷予測装
置が提供できる。

【００８８】また、請求項２に対応する発明によれば、
上記請求項１に対応する発明の熱負荷予測装置におい
て、熱消費機器にその冷房・暖房に利用される冷熱・温
熱を輸送する地域冷暖房プラントを制御するための地域
冷暖房プラント制御手段に対し、時間単位熱負荷予測手
段により演算された時間単位熱負荷予測値を出力するデ
ータ出力手段を付加するようにしたので、人手による演
算を必要とせず、常に精度の高い熱負荷予測を行なって
出力することが可能な熱負荷予測装置が提供できる。

【００８９】さらに、請求項３に対応する発明によれ
ば、上記請求項１または請求項２に対応する発明の熱負
荷予測装置において、地域固有の時間単位のイベント負
荷を入力するイベント負荷入力手段を付加し、時間単位
熱負荷予測手段において、日熱負荷予測値および時間熱
負荷パターンから得られた時間単位熱負荷予測値とイベ
ント負荷入力手段により入力される時間単位のイベント
負荷とを加算し、イベント負荷を考慮した時間単位熱負
荷予測値を得るようにしたので、イベント等により発生
する不定期な熱負荷も考慮したより一層高精度な熱負荷
予測を行なうことが可能な熱負荷予測装置が提供でき
る。

【００９０】一方、請求項４に対応する発明によれば、
上記時間熱負荷パターン予測手段として、当日の予測最
高・最低気温と前日の最高・最低気温とを入力とし、か
つ時間熱負荷パターン予測モデルにニューロモデルを用
いて熱負荷パターンの特徴量を予測し、当該予測された
特徴量を用いて過去の熱負荷実績値の中から熱負荷パタ
ーンを検索するようにしたので、常により一層精度の高
い熱負荷予測を行なうことが可能な熱負荷予測装置が提
供できる。

【００９１】また、請求項５乃至請求項７に対応する発
明によれば、上記時間単位熱負荷予測手段として、熱負
荷検出手段により検出される最新の熱負荷実績値を用い
て日熱負荷予測手段により予測された日熱負荷予測値を
修正し、当該修正された日熱負荷予測値と時間熱負荷パ
ターン予測値とを用いて時間単位熱負荷予測値の修正を
行なう予測修正手段を有するようにしたので、当日の熱
負荷予測に誤差が生じてきた場合においても、高精度な
熱負荷予測を行なうことが可能な熱負荷予測装置が提供
できる。

【図面の簡単な説明】

【図１】本発明による地域冷暖房プラントの熱負荷予測
装置の一実施形態を示すブロック図。

【図２】同実施形態の熱負荷予測装置における時間熱負
荷パターンの予測モデルの一例を示す構成図。

【図３】同実施形態の熱負荷予測装置における時間熱負
荷パターン予測モデルによる時間熱負荷パターンの予測
方法を説明するための概要図。

【符号の説明】

１…地域冷暖房冷暖房プラント、 ２…熱輸送系統、 ３…熱消費機器、 ４…熱負荷予測装置本体、 ５…地域冷暖房プラント制御手段、 ６…気象予報値入力手段、 ７…気象実績値入力手段、 ８…熱負荷検出手段、 ９…イベント負荷入力手段、 １０…曜日モード発生手段、 １１…データ記憶手段、 １２…日熱負荷予測モデル同定手段、 １３…時間熱負荷パターン予測モデル同定手段、 １４…予測モデル記憶手段、 １５…日熱負荷予測手段、 １６…時間熱負荷パターン予測手段、 １７…時間単位熱負荷予測手段、 １８…データ出力手段。

フロントページの続き (72)発明者 長岩 明弘 東京都府中市東芝町１番地 株式会社東芝 府中工場内 (72)発明者 小林 主一郎 東京都府中市東芝町１番地 株式会社東芝 府中工場内 (72)発明者 山田 幸弘 東京都港区芝浦一丁目１番１号 株式会社 東芝本社事務所内 (72)発明者 藤田 信人 東京都府中市東芝町１番地 株式会社東芝 府中工場内

Claims (7)

【特許請求の範囲】
1. 【請求項１】 熱消費機器で消費される熱負荷を予測す
   る熱負荷予測装置において、 前記熱負荷を変動させる最高気温、最低気温等の要因デ
   ータである気象予報値および気象実績値を入力する気象
   予報値・気象実績値入力手段と、 前記熱消費機器で消費される熱負荷を検出する熱負荷検
   出手段と、 熱負荷分類のための曜日モードを発生させる曜日モード
   発生手段と、 前記気象予報値・気象実績値入力手段により入力される
   気象予報値および気象実績値と前記熱負荷検出手段によ
   り検出される熱負荷実績値とに基づいて、前記曜日モー
   ド発生手段により発生した曜日モードに対応した日熱負
   荷の予測モデルのパラメータを学習し日熱負荷予測モデ
   ルを同定する日熱負荷予測モデル同定手段と、 前記気象予報値・気象実績値入力手段により入力される
   気象予報値および気象実績値と前記熱負荷検出手段によ
   り検出される熱負荷実績値とに基づいて、前記曜日モー
   ド発生手段により発生した曜日モードに対応した時間熱
   負荷パターンの予測モデルのパラメータを学習し時間熱
   負荷パターン予測モデルを同定する時間熱負荷パターン
   予測モデル同定手段と、 前記気象予報値・気象実績値入力手段により入力される
   気象予報値および気象実績値と前記熱負荷検出手段によ
   り検出される熱負荷実績値と前記日熱負荷予測モデル同
   定手段により同定された日熱負荷予測モデルとに基づい
   て、日熱負荷を予測する日熱負荷予測手段と、 前記気象予報値・気象実績値入力手段により入力される
   気象予報値および気象実績値と前記熱負荷検出手段によ
   り検出される熱負荷実績値と前記時間熱負荷パターン予
   測モデル同定手段により同定された時間熱負荷パターン
   予測モデルとに基づいて、時間熱負荷パターンを予測す
   る時間熱負荷パターン予測手段と、 前記日熱負荷予測手段により予測された日熱負荷予測値
   と前記時間熱負荷パターン予測手段により予測された時
   間熱負荷パターンとに基づいて、時間単位の熱負荷予測
   値を演算する時間単位熱負荷予測手段と、 を備えて成ることを特徴とする熱負荷予測装置。
2. 【請求項２】 前記請求項１に記載の熱負荷予測装置に
   おいて、 前記熱消費機器にその冷房・暖房に利用される冷熱・温
   熱を輸送する地域冷暖房プラントを制御するための地域
   冷暖房プラント制御手段に対し、前記時間単位熱負荷予
   測手段により演算された時間単位熱負荷予測値を出力す
   るデータ出力手段を付加して成ることを特徴とする熱負
   荷予測装置。
3. 【請求項３】 前記請求項１または請求項２に記載の熱
   負荷予測装置において、 地域固有の時間単位のイベント負荷を入力するイベント
   負荷入力手段を付加し、 前記時間単位熱負荷予測手段において、前記日熱負荷予
   測値および時間熱負荷パターンから得られた時間単位熱
   負荷予測値とイベント負荷入力手段により入力される時
   間単位のイベント負荷とを加算し、イベント負荷を考慮
   した時間単位熱負荷予測値を得るようにしたことを特徴
   とする熱負荷予測装置。
4. 【請求項４】 前記時間熱負荷パターン予測手段として
   は、当日の予測最高・最低気温と前日の最高・最低気温
   とを入力とし、かつ時間熱負荷パターン予測モデルにニ
   ューロモデルを用いて熱負荷パターンの特徴量を予測
   し、当該予測された特徴量を用いて過去の熱負荷実績値
   の中から熱負荷パターンを検索するようにしたことを特
   徴とする請求項１乃至請求項３のいずれか１項に記載の
   熱負荷予測装置。
5. 【請求項５】 前記時間単位熱負荷予測手段としては、
   熱負荷検出手段により検出される最新の熱負荷実績値を
   用いて前記日熱負荷予測手段により予測された日熱負荷
   予測値を修正し、当該修正された日熱負荷予測値と時間
   熱負荷パターン予測値とを用いて時間単位熱負荷予測値
   の修正を行なう予測修正手段を有するものであることを
   特徴とする請求項１乃至請求項３のいずれか１項に記載
   の熱負荷予測装置。
6. 【請求項６】 前記予測修正手段としては、現時点まで
   の熱負荷実績値を用いて、日量の熱負荷予測値と熱負荷
   実績値とを比較することにより日量の熱負荷予測値を修
   正するようにしたことを特徴とする請求項５に記載の熱
   負荷予測装置。
7. 【請求項７】 前記予測修正手段としては、日量の熱負
   荷予測値と熱負荷実績値との比較時に重み係数を付ける
   ようにしたことを特徴とする請求項６に記載の熱負荷予
   測装置。