JPWO2015075794A1 - 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法 - Google Patents

Abstract

［課題］需要家の消費電力を高精度で予測することができる電力需要予測システムを提供する。［解決手段］実施形態に係る電力需要予測システムは、抽出手段と、モデル作成手段と、予測手段とを備える。抽出手段は、需要家の過去の消費電力値データのうち、一定の期間に含まれる消費電力値データを選択し、選択された消費電力値データに基づいて、外気温と、消費電力のうち外気温に応じて変動する外気温変動電力と、の関係である外気温電力関係を抽出する。モデル作成手段は、抽出手段により抽出された外気温電力関係に基づいて、外気温に応じた需要家の消費電力を予測するための消費電力予測モデルを作成する。予測手段は、モデル作成手段により作成された消費電力予測モデルと予測対象時点の外気温とに基づいて、需要家の予測対象時点の消費電力を予測する。

Description

本発明の実施形態は、電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法に関する。

近年、次世代のエネルギー供給システムとしてスマートグリッドの研究が進められている。スマートグリッドでは、デマンドレスポンスの発行や需要家への節電促進情報の提示により、電力の需給バランスを維持することが想定されている。このような技術を実現するためには、電力供給に対する電力需要の過不足を予測する必要があるため、電力需要の予測、すなわち需要家の消費電力の予測が重要となる。

需要家の消費電力は、外気温に応じて大きく変動する。これは、夏場や冬場に冷暖房装置などの空調機器の消費電力が増大するためである。このため、消費電力を予測する上で、外気温に応じた消費電力の変動を考慮することは重要である。外気温を考慮して消費電力を予測する技術として、外気温と消費電力との過去のデータを比較することにより、外気温と消費電力との相関を算出する方法が提案されている。

しかし、このような従来技術では、消費電力を高い精度で予測することが困難であった。なぜなら、需要家の消費電力には、外気温に応じて変動する消費電力（以下、「外気温変動電力」という）と、外気温とは関係なく変動する消費電力（例えば、照明機器の消費電力）とが混在しているためである。消費電力と外気温とを単純に比較しただけでは、消費電力中に外気温変動電力がどの程度含まれているのか不明なため、消費電力と外気温との間で高い相関を得ることは困難である。

特開平５−３８０５１号公報

需要家の消費電力を高精度で予測することができる電力需要予測システム及び電力需要予測方法を提供する。また、外気温と外気温変動電力との関係に基づくプロファイルを需要家に付与することができる需要家プロファイリングシステム及び需要家プロファイリング方法を提供する。

実施形態に係る電力需要予測システムは、抽出手段と、モデル作成手段と、予測手段とを備える。抽出手段は、需要家の過去の消費電力値データのうち、一定の期間に含まれる消費電力値データを選択し、選択された消費電力値データに基づいて、外気温と、消費電力のうち外気温に応じて変動する外気温変動電力と、の関係である外気温電力関係を抽出する。モデル作成手段は、抽出手段により抽出された外気温電力関係に基づいて、外気温に応じた需要家の消費電力を予測するための消費電力予測モデルを作成する。予測手段は、モデル作成手段により作成された消費電力予測モデルと予測対象時点の外気温とに基づいて、需要家の予測対象時点の消費電力を予測する。

第１実施形態に係る電力需要予測システムの機能構成を示すブロック図。 消費電力値データの一例を示す図。 外気温データの一例を示す図。 予測外気温データの一例を示す図。 関係抽出部の機能構成を示すブロック図。 ベース電力とベース電力マージンの一例を示す図。 結合された外気温データと消費電力値データとの一例を示す図。 結合された外気温データと消費電力値データとの一例を示す図。 時間帯指定データの一例を示す図。 選択された消費電力値データの一例を示す図。 選択された消費電力値データの一例を示す散布図。 選択された消費電力値データの一例を示す図。 ベース電力を減算された消費電力値データの一例を示す図。 関係パラメータの一例を示す図。 モデル作成部の機能構成を示すブロック図。 行動状態推定モデルの一例を模式的に表した図。 行動状態推定モデルの一例を表形式で表した図。 行動状態推定モデルに基づいて推定された行動状態の一例を示す図。 集計された領域番号の一例を示す図。 行動状態予測モデルの一例を示す図。 外気温変動電力データの一例を示す図。 行動電力データの一例を示す図。 行動電力予測モデルの一例を示す図。 消費電力予測部の機能構成を示すブロック図。 消費電力予測部により予測された消費電力等を示す図。 本実施形態に係る電力需要予測システムの動作を示すフローチャート。 本実施形態に係る電力需要予測システムの出力画面の一例を示す図。 関係抽出処理を示すフローチャート。 消費電力予測モデル作成処理を示すフローチャート。 消費電力予測処理を示すフローチャート。 第２実施形態に係る電力需要予測システムの機能構成を示すブロック図。 外気温データの一例を示すグラフ。 第２実施形態に係る電力需要予測システムの動作を示すフローチャート。 前処理済み消費電力値データの一例を示す図。 消費電力値データの一例を示す散布図。 第４実施形態にかかる電力需要予測システムの機能構成を示すブロック図。 ＯＮ／ＯＦＦ情報の一例を示す図。 ベース電力を減算された消費電力値データの一例を示す図。 第５実施形態にかかる電力需要予測システムの機能構成を示すブロック図。 空調電力データの一例を示す図。 第６実施形態に係る電力需要予測システムの機能構成を示すブロック図。 本実施形態に係る電力需要予測システムの出力画面の一例を示す図。 需要家プロファイリングシステムの機能構成を示すブロック図。

（電力需要予測システム）
以下、電力需要予測システムの実施形態について図面を参照して説明する。なお、以下では、電力需要予測システムが需要家の冬季の消費電力を予測する場合について説明するが、電力需要予測システムは、需要家の夏季や他の季節の消費電力を予測することもできる。また、電力需要予測システムが消費電力を予測する需要家は、外気温変動電力と需要家の利用者（例えば居住者）の行動に応じた電力が消費される需要家であり、例えば、住宅、店舗、複合住宅（例えばマンション）など様々であるが、以下の説明では需要家は住宅であるものとする。

（第１実施形態）
以下、第１実施形態に係る電力需要予測システムについて、図１〜図３０を参照して説明する。本実施形態に係る電力需要予測システムは、需要家の過去の消費電力値データと外気温データとに基づいて、消費電力予測モデルを作成し、作成された消費電力予測モデルと予測対象時点（予測対象となる将来の日時）の外気温データとに基づいて、需要家の予測対象時点の消費電力を予測する。予測された消費電力は、電力事業者（例えば、電力会社、電力小売業者、及びデマンドレスポンスプロバイダー）に送信され、例えば、デマンドレスポンス（需要家に対する電力削減の要請）などの電力需給の制御に利用される。ここで、図１は、本実施形態に係る電力需要予測システムの機能構成を示すブロック図である。図１に示すように、本実施形態に係る電力需要予測システムは、需要家から消費電力値データを取得し、システム外部から外気温データ及び予測外気温データを取得する。

消費電力値データは、需要家が有する消費電力計測装置（例えば、スマートメータ）によって所定の日時に計測された需要家の消費電力や消費電力量、又はそれらの平均値や積算値を示すデータである。したがって、消費電力計測装置により需要家の消費電力の全てが計測される場合には、消費電力値データは、所定の日時における需要家の総消費電力を示すデータとなる。一方、消費電力計測装置により需要家の消費電力の一部が計測される場合には、消費電力値データは、所定の日時における需要家の消費電力の一部を示すデータとなる。一般に、消費電力計測装置は、需要家の総消費電力を計測するため、消費電力値データは、需要家の総消費電力を示すデータとなる。消費電力値データは、消費電力計測装置を介して電力需要予測システムに有線又は無線で送信される。送信された消費電力値データは、時系列でソートされ、履歴データとして後述する記憶部４に記憶される。記憶部４には、送信された消費電力値データが記憶されてもよいし、送信された消費電力値データの一部だけが記憶されてもよい。例えば、需要家から１分間隔の消費電力値データが送信された場合に、記憶部４は、５分間隔の消費電力値データだけを記憶してもよいし、５分間の１分間隔の消費電力の平均値を５分間隔に記憶してもよい。図２は、記憶部４に記憶された消費電力値データの一例を示す図である。図２の消費電力値データは３０分間隔で記憶されているが、当該間隔は任意に選択することができる。

外気温データは、所定の日時において計測された需要家の所在する地域の外気温を示すデータである。外気温データは、電力需要予測システムの外部に設けられた外気温データベースや、外気温データを提供する外部サービスなどから電力需要予測システムに有線又は無線で送信される。送信された外気温データは、時系列でソートされ、履歴データとして記憶部４に記憶される。記憶部４には、送信された外気温データが全て記憶されてもよいし、送信された外気温データの一部だけが記憶されてもよい。例えば、外部から１分間隔の外気温データが送信された場合、記憶部４は、５分間隔の外気温データだけを記憶してもよい。図３は、記憶部４に記憶された外気温データの一例を示す図である。図３の外気温データにおいて、外気温データは３０分間隔で記憶されているが、当該間隔は任意に選択することができる。なお、記憶部４には、同じ日時に計測された消費電力値データと外気温データとが記憶されるのが好ましい。これにより、需要家の消費電力を予測するために使用されるデータの欠損が抑制され、予測精度を向上させることができる。

予測外気温データは、需要家の所在する地域の予測対象時点の外気温の予測値を示すデータである。予測外気温データは、電力需要予測システムの外部に設けられた予測外気温データベースや、予測外気温データを提供する外部サービス（気象予報サービスなど）などから電力需要予測システムに有線又は無線で送信される。送信された予測外気温データは、時系列でソートされ、記憶部４に記憶される。記憶部４には、送信された予測外気温データが全て記憶されてもよいし、送信された予測外気温データの一部だけが記憶されてもよい。例えば、外部から１分間隔の予測外気温データが送信された場合、記憶部４は、５分間隔の予測外気温データだけを記憶してもよい。図４は、記憶部４に記憶された予測外気温データの一例を示す図である。図４の予測外気温データにおいて、予測外気温データは３０分間隔で記憶されているが、当該間隔は任意に選択することができる。

次に、電力需要予測システムの機能構成について説明する。図１に示すように、本実施形態に係る電力需要予測システムは、外気温と外気温変動電力との関係を抽出する関係抽出部１（抽出手段）と、関係抽出部１が抽出した外気温と外気温変動電力との関係に基づいて消費電力を予測するためのモデルを作成するモデル作成部２（モデル作成手段）と、モデル作成部２が作成した消費電力の予測モデルに基づいて需要家の予測対象時点の消費電力を予測する消費電力予測部３（予測手段）と、各種の情報を記憶する記憶部４とを備える。記憶部４は、上述の通り、消費電力値データと、外気温データと、予測外気温データとを記憶する。また、記憶部４は、電力需要予測システムによる消費電力予測処理の過程で使用された、あるいは作成された各種の情報を記憶する。以上のように構成された電力需要予測システムは、ＣＰＵやメモリを備えるコンピュータ装置を基本ハードウェアとして使用することによって実現することができる。より詳細には、関係抽出部１、モデル作成部２、及び消費電力予測部３の機能は、ＣＰＵで制御プログラムを実行することにより実現できる。また、記憶部４として、不揮発性メモリや外部記憶装置などの記憶装置を使用することができる。

（関係抽出部）
まず、関係抽出部１について説明する。関係抽出部１は、記憶部４から所定期間（例えば、３０日間や６０日間などの任意の期間）の消費電力値データを取得し、取得した需要家の過去の消費電力値データのうち、一定の期間に含まれる外気温と消費電力との相関が高い消費電力値データを選択する。関係抽出部１は、選択された消費電力値データに基づいて、外気温と外気温変動電力との関係である外気温電力関係（以下、「外気温電力関係」という）を抽出する。外気温変動電力とは、需要家の消費電力のうち、外気温に応じて変動する消費電力である。外気温変動電力には、例えば、冷暖房装置などの空調機器、床暖房装置、電気ヒータ及び扇風機などの消費電力が含まれる。関係抽出部１は、外気温と消費電力との相関が高い消費電力値データを予め選択し、選択された消費電力値データに基づいて外気温電力関係を抽出するため、外気温電力関係を精度よく抽出することができる。ここで、図５は、関係抽出部１の機能構成を示すブロック図である。図５に示すように、関係抽出部１は、ベース電力を算出するベース電力算出部１１（ベース電力算出手段）と、外気温データと消費電力値データとを結合する外気温−消費電力結合部１２と、外気温と消費電力との相関が高い消費電力値データを選択する第１データ選択部１３（第１のデータ選択手段）及び第２データ選択部１４（第２のデータ選択手段）と、選択された消費電力値データに基づいて回帰分析を行う回帰分析部１５（分析手段）とを備える。

ベース電力算出部１１は、記憶部４から取得した所定期間の消費電力値データに基づいてベース電力μ_Baseを算出する。ベース電力μ_Baseとは、需要家の消費電力の基準となる電力であり、上述の所定期間において一定であると仮定して算出される。ベース電力μ_Baseには、需要家が有する各電気機器の待機電力のような、需要家の居住者の行動とは独立して常時運転する電気機器の消費電力が含まれる。ベース電力μ_Baseの算出方法は任意に選択することができる。例えば、ベース電力μ_Baseは、所定期間の消費電力値データを統計処理することにより算出することができる。具体的には、所定期間の消費電力の頻度を所定の電力間隔（例えば１Ｗ間隔など）で集計し、最頻値となる電力値をベース電力μ_Baseとして算出してもよい。この際、ベース電力μ_Base以上の電力値であり、頻度が極小値となる最小の電力値を閾値電力μ_thとして算出してもよい。閾値電力μ_thは、後述する第２データ算出部１４において、データを選択するためのパラメータとして使用することができる。閾値電力μ_thのかわりに、閾値電力μ_thとベース電力μ_Baseとの差をベース電力マージンδ_Base（＝μ_th−μ_Base）として算出してもよい。ベース電力算出部１１により算出されたこれらのパラメータ（ベース電力μ_Base，閾値電力μ_th，ベース電力マージンδ_Base）は、記憶部４に記憶される。図６は、図２の消費電力値データに基づいて算出されたベース電力μ_Base及びベース電力マージンδ_Baseの一例を示す図である。

外気温−消費電力結合部１２は、記憶部４から所定期間（例えば、３０日間や６０日間などの任意の期間）の外気温データを取得し、取得した外気温データと上述の消費電力値データとを結合する。外気温データと消費電力値データとは、両データの日時に基づいて結合される。外気温−消費電力結合部１２は、同じ日時の消費電力値データと外気温データとを結合してもよいし、所定時間ずれた消費電力値データと外気温データとを結合してもよい。結合された外気温データと消費電力値データとは記憶部４に記憶される。図７及び図８は、結合された図２の消費電力履歴データと図３の外気温履歴データとの一例を示す図である。図７では、同じ日時の外気温データと消費電力値データとが結合されており、図８では、１時間ずつずれた外気温データと消費電力値データとが結合されている。

図８に示すように、結合する外気温データと消費電力値データとを所定時間ずらすことにより、外気温が室温へ影響するまでのタイムラグを考慮することができる。例えば、外気温が低下（上昇）した場合、外気温の低下（上昇）により室温が低下（上昇）し、需要家の居住者が寒さ（暑さ）を感じて暖房機器（冷房機器）などを使用し、外気温変動電力の消費量が変化する。この際、外気温の変化と室温の変化との間にタイムラグが生じると、外気温の変化と外気温変動電力の変化との間にはタイムラグが生じることがある。この場合、同じ日時のデータ同士を結合しても、外気温電力関係を正確に抽出できない恐れがある。そこで、このようなタイムラグを考慮して、所定時間ずらした外気温データと消費電力値データとを結合することにより、外気温電力関係をより正確に抽出可能となる。なお、上述のようなタイムラグは、通常、外気温の変化が先行するため、外気温−消費電力結合部１２は、外気温データと、外気温データより所定時間（例えば１時間〜２時間）後の消費電力値データとを結合するのが好ましい。また、当該タイムラグは、需要家の建物の断熱性や通気性に応じて変化するため、結合するデータをずらす時間は、需要家毎に異なる値としてもよい。

第１データ選択部１３は、記憶部４に記憶された消費電力値データから、外気温と消費電力との相関が高い消費電力値データを選択する。ここで、外気温と消費電量との相関が高い消費電力値データとは、消費電力に含まれる行動電力が少ない消費電力値データのことである。行動電力とは、需要家の消費電力からベース電力と外気温変動電力とを除いた残りの消費電力のことである。この行動電力には、需要家の居住者の行動に応じて変動する消費電力（例えば、照明やテレビなどの消費電力）が想定される。すなわち、需要家の消費電力は、所定期間において一定のベース電力と、外気温に応じて変動する外気温変動電力と、需要家の居住者の行動に応じて変動する行動電力とにより構成される。ベース電力は所定期間に亘って一定であるから、消費電力に含まれる行動電力が少ない場合、外気温と消費電力との相関は高くなる。

第１データ選択部１３は、外気温と消費電力との相関が高い消費電力値データとして、所定の時間範囲に含まれる消費電力値データを選択する。行動電力は、需要家の居住者の行動に応じて変動する消費電力であると考えられることから、例えば、居住者が就寝中又は外出中の時間帯の消費電力値データは、消費電力に含まれる行動電力が少ないものと予想される。したがって、第１データ選択部１３は、外気温と消費電力との相関が高い消費電力値データとして、需要家の居住者が就寝中又は外出中の時間帯の消費電力値データを選択することができる。居住者の就寝時間帯や外出時間帯が予めわかっている場合には、第１データ選択部１３は、当該時間帯の消費電力値データを選択すればよい。また、一般に、居住者は夜間には就寝中であると考えられるため、第１データ選択部１３は夜間の消費電力値データを選択してもよい。第１データ選択部１３が選択する消費電力値データの時間帯は、時間帯指定データとして予め記憶部４に記憶されていてもよい。また、例えば居住者が携帯するスマートフォン等の端末から受信する居住者の位置情報等に基づいて、外出時間帯を特定することにより第１データ選択部１３が当該時間帯の消費電力値データを選択してもよい。

図９は、時間帯指定データの一例を示す図である。図９の時間帯指定データにおいて、居住者が就寝中の夜間の時間帯として０時〜６時が指定されている。時間帯指定データにより指定される時間帯はこれに限られない。第１データ選択部１３は、記憶部４から時間帯指定データを取得し、時間帯指定データに基づいて、消費電力値データを選択する。図１０は、第１データ選択部１３により選択された消費電力値データの一例である。図１０の消費電力値データは、第１データ選択部１３により、図９の時間帯指定データに基づいて図８の消費電力値データから選択された消費電力値データである。第１データ選択部により選択された消費電力値データは、記憶部４に記憶される。

なお、第１データ選択部１３は、外気温−消費電力結合部１２により外気温データと消費電力値データとが結合される前に、所定期間の消費電力値データの中から消費電力値データを選択してもよい。この場合、外気温−消費電力結合部１２は、第１データ選択部１３が選択した消費電力値データと、記憶部４に記憶された外気温データとを結合する。また、図８に示すように、結合される外気温データと消費電力値データとの日時がずれている場合には、時間帯指定データは、外気温データの時間帯又は消費電力値データの時間帯のいずれか一方により、消費電力が選択される時間帯を指定すればよい。

図１１は、第１データ選択部１３により選択された消費電力値データを外気温−消費電力平面上にプロットした散布図である。図１１において、横軸は外気温（℃）であり、縦軸は消費電力（Ｗ）である。また、平面上にプロットされた各点は、外気温データと結合された消費電力値データを示す。図１１に示すように、第１データ選択部１３により選択された消費電力値データには、外気温に依存せずに消費電力が略一定の消費電力値データ（図１１において破線で囲まれた消費電力値データ）と、消費電力が外気温と相関している消費電力値データ（図１１において実線で囲まれた消費電力値データ）とが含まれていることがわかる。消費電力が略一定の消費電力値データは、消費電力のほとんどがベース電力であり、外気温変動電力や行動電力が消費電力にほとんど含まれていない消費電力値データである。また、外気温に応じて消費電力が変動している消費電力値データは、消費電力のほとんどがベース電力及び外気温変動電力であり、行動電力が消費電力にほとんど含まれていないデータである。このように、第１データ選択部により所定の時間帯の消費電力値データを選択することにより、消費電力に行動電力がほとんど含まれないデータ、すなわち、外気温と消費電力との相関が高い消費電力値データを選択することができる。なお、図１１は冬季の消費電力値データであるため、外気温の低下に応じて外気温変動電力が増加している。これは、外気温が低下するほど暖房装置などの使用が増加するためである。これに対して、夏季の消費電力値データの場合には、外気温が上昇するほど冷房装置などの使用が増加するため、外気温の上昇に応じて外気温変動電力が増加する。

第２データ選択部１４は、第１データ選択部１３により選択された消費電力値データから、ベース電力算出部１１により算出されたベース電力μ_Baseより消費電力が大きい消費電力値データを選択する。すなわち、図１１における実線で囲まれた消費電力値データを選択し、破線で囲まれた消費電力値データを除去する。これにより、第１データ選択部１３で選択されたデータから、消費電力のほとんどがベース電力であるデータを除去し、消費電力のほとんどが外気温変動電力とベース電力である消費電力値データ、すなわち、外気温と消費電力との相関が高いデータを選択することができる。第２データ選択部１４は、消費電力がベース電力μ_Baseより大きい消費電力値データを選択する代わりに、消費電力が閾値電力μ_th（＝μ_Base＋δ_Base）より大きい消費電力値データを選択してもよい。これにより、消費電力がベース電力付近の消費電力値データを除去し、ベース電力付近での消費電力の揺らぎの影響を抑制することができる。したがって、外気温と消費電力との相関がより高いデータを選択することができる。図１２は、第２データ選択部１４により選択された消費電力値データの一例を示す図である。図１２では、図１０の消費電力値データのうち、図６のパラメータに基づいて消費電力が閾値電力μ_th（＝８０Ｗ＋２０Ｗ）より大きい消費電力値データが選択されている。

なお、第２データ選択部１４は、第1データ選択部１３により消費電力値データが選択される前に、所定期間の消費電力値データの中からベース電力より消費電力が大きい消費電力値データを選択してもよい。この場合、第１データ選択部１３は、第２データ選択部１４により選択された消費電力値データの中から、所定の時間帯の消費電力値データを選択する。また。第２データ選択部１４は、外気温−消費電力結合部１２により外気温データと消費電力値データとが結合される前に、消費電力値データを選択してもよい。この場合、外気温−消費電力結合部１２は、第２データ選択部１４が選択した消費電力値データと、記憶部４に記憶された外気温データとを結合する。

回帰分析部１５は、第２データ選択部１４により選択された消費電力値データに基づいて、外気温を説明変数とし、外気温変動電力を目的変数とした回帰分析を行う。選択された消費電力値データは、消費電力のほとんどがベース電力と外気温変動電力とで構成されている。ベース電力は一定であるから、外気温をパラメータとした回帰式により消費電力を表すことができる。回帰分析部１５は、最小二乗法による線形回帰や、多項式開始などの非線形回帰など、任意の方法により回帰分析を行うことができる。また、回帰分析部１５は、回帰分析を行う前に、消費電力からベース電力を減算することにより、消費電力値データからベース電力の影響を除去してもよい。図１３は、ベース電力を減算された消費電力値データの一例を示す図である。図１３の消費電力値データは、図１２の消費電力値データから図６のベース電力を減算することにより作成されている。図１３の消費電力値データは、ベース電力を減算されているため、消費電力のほとんどが外気温変動電力である。したがって、当該消費電力値データに基づいて回帰分析を行うことにより、外気温電力関係を高精度に抽出することができる。

以下、回帰分析部１５が関係パラメータを計算する方法の一例を説明する。関係パラメータとは、回帰分析部１５が回帰分析を行うことにより得られる各種のパラメータである。外気温電力関係は、回帰分析部１５により関係パラメータとして抽出される。なお、以下では、回帰分析部１５が線形回帰により関係パラメータを計算する場合について説明する。回帰分析部１５が線形回帰により外気温電力関係を分析する場合、回帰式は以下のような一次式により表される。

ここで、目的変数ｙは外気温変動電力（Ｗ）、説明変数ｘは外気温（℃）、ａは回帰式の傾き、ｂは切片である。上記の回帰式におけるａ，ｂは関係パラメータである。例えば、回帰分析部１５が、最小二乗法により回帰分析を行う場合、関係パラメータａ，ｂは以下のように求めることができる。

また、回帰分析部１５は、外気温変動電力のばらつきδ_ACを算出してもよい。例えば、外気温変動電力のばらつきδ_ACは、分散を用いて以下の式により算出することができる。

なお、δ_ACは、σ_ACの任意の定数倍とすることができる。また、ばらつきδ_ACは上記のように算出されてもよいし、予め設定されていてもよい。さらに、回帰分析部１５は、外気温変動電力の使用が開始される閾値温度Ｔ_thを算出する。閾値温度Ｔ_thは、回帰直線がベース電力と交差する外気温である。したがって、ベース電力が減算されていない消費電力値データに基づいて回帰分析が行われた場合には、ｙ＝μ_Baseとなるｘが閾値温度Ｔ_thとなる。一方、ベース電力が減算された消費電力値データに基づいて回帰分析が行われた場合には、ｙ＝０となるｘが閾値温度Ｔ_thとなり、閾値温度Ｔ_thは以下のように算出することができる。

以上のように算出されたａ，ｂ，δ_AC，Ｔ_thは、関係パラメータとして記憶部４に記憶される。図１４は、図１３の消費電力値データに基づいて算出された関係パラメータを示す図である。以上のような構成により、関係抽出部１は、外気温電力関係（関係パラメータ）を高い精度で抽出することができる。

（モデル作成部）
次に、モデル作成部２について説明する。モデル作成部２は、抽出手段関係抽出部１により抽出された外気温電力関係（関係パラメータ）に基づいて、外気温に応じた需要家の消費電力を予測するための消費電力予測モデルを作成する。消費電力予測モデルは、外気温に応じた需要家の行動状態を予測する行動状態予測モデルと、各行動状態における行動電力を予測する行動電力予測モデルとを含んで構成される。ここで、図１５はモデル作成部２の機能構成を示す図である。モデル作成部２は、図１５に示すように、需要家の過去の行動状態を推定する行動状態推定部２１（行動状態推定手段）と、行動状態予測モデルを作成する行動状態予測モデル作成手段２２（行動状態予測モデル作成手段）と、需要家の過去の行動電力を算出する行動電力算出部２３（行動電力算出手段）と、各行動状態における行動電力を予測する行動電力予測モデル作成部２４（行動電力予測モデル作成手段）とを備える。

行動状態推定部２１は、外気温電力関係（関係パラメータ）と消費電力値データとに基づいて、需要家の過去の行動状態を推定する。行動状態とは、需要家の電力の使用状態であり、外気温変動電力を使用している状態、外気温変動電力を使用していない状態、行動電力を使用している状態、行動電力を使用していない状態などが含まれる。行動状態推定部２１は、需要家の行動状態を推定するために、関係パラメータに基づいて行動状態推定モデルを作成する。ここで、図１６は、行動状態推定モデルの一例を模式的に表した図である。図１６は、関係パラメータによって複数の領域に分割された外気温−消費電力平面であり、横軸は外気温ｘ（℃）、縦軸は消費電力ｙ（Ｗ）である。図１６において実線で囲まれた各領域は需要家の行動状態と対応している。行動状態推定部２１は、消費電力値データが含まれる領域を特定することにより、需要家の行動状態を推定する。例えば、消費電力値データは、結合された外気温データの外気温が閾値温度Ｔ_thより低く、消費電力がベース電力μ_Base以下の場合、領域３に含まれる。

消費電力値データと結合された外気温データの外気温をｘ_ｋ、消費電力値データの消費電力をｙ_ｋとすると、領域１は以下の式を満たす領域となる。
ｘ_ｋ＜Ｔ_th
μ_Base＋δ_Base＜ｙ_ｋ≦μ_Base＋ａｘ_ｋ＋ｂ−δ_AC

領域１は、外気温が閾値温度Ｔ_thより低く、消費電力が閾値電力μ_th（＝μ_Base＋δ_Base）より大きいとともに外気温変動電力の回帰直線が含まれる領域より下方の領域である。行動状態推定部２１は、領域１に含まれる消費電力値データの行動状態を、行動電力が使用され、外気温変動電力が使用されていない状態と推定する。

同様に、領域２は、以下の式を満たす領域となる。
ｘ_ｋ＜Ｔ_th
μ_Base＋ａｘ_ｋ＋ｂ＋δ_AC≦ｙ_ｋ

領域２は、外気温が閾値温度Ｔ_thより低く、消費電力が外気温変動電力の回帰直線の含まれる領域より上方の領域である。行動状態推定部２１は、領域２に含まれる消費電力値データの行動状態を、外気温変動電力及び行動電力が使用されている状態と推定する。

領域３は、以下の式を満たす領域である。
ｘ_ｋ＜Ｔ_th
ｙ_ｋ≦μ_Base＋δ_Base

領域３は、外気温が閾値温度Ｔ_thより低く、消費電力が閾値電力Ｔ_thより小さい領域である。行動状態推定部２１は、領域３に含まれる消費電力値データの行動状態を、外気温変動電力も行動電力も使用されていない状態と推定する。

領域４は、以下の式を満たす領域である。
ｘ_ｋ＜Ｔ_th
μ_Base＋ａｘ_ｋ＋ｂ−δ_AC＜ｙ_ｋ≦μ_Base＋ａｘ_ｋ＋ｂ＋δ_AC
μ_Base＋δ_Base＜ｙ_ｋ

領域４は、外気温が閾値温度Ｔ_thより低く、消費電力が外気温変動電力の回帰直線に近接する領域である。行動状態推定部２１は、領域４に含まれる消費電力値データの行動状態を外気温変動電力が使用され、行動電力が使用されていない状態と推定する。

領域５は、以下の式を満たす領域である。
Ｔ_th≦ｘ_ｋ
μ_Base＋δ_Base＜ｙ_ｋ

領域５は、外気温が閾値温度Ｔ_thより高く、消費電力が閾値電力μ_thより大きい領域である。行動状態推定部２１は、領域５に含まれる消費電力値データの行動状態を、外気温変動電力が使用されておらず、行動電力が使用されている状態と推定する。

領域６は、以下の式を満たす領域である。
Ｔ_th≦ｘ_ｋ
ｙ_ｋ≦μ_Base＋δ_Base

領域６は、外気温が閾値温度Ｔ_thより高く、消費電力が閾値電力μ_thより小さい領域である。行動状態推定部２１は、領域６に含まれる消費電力値データの行動状態を、外気温変動電力も行動電力も使用されていない状態と推定する。

なお、領域の分割方法はこれに限られない。例えば、上記の分割方法におけるμ_Base＋δ_Baseのかわりにμ_Baseを使用してもよい。また、外気温や消費電力以外のパラメータにより、領域を分割してもよい。またさらに、需要家が外気温変動電力を使用する機器（空調機器や床暖房など）を複数備え、外気温に応じて異なる機器を動作させるような場合には、外気温電力関係が直線的な関係にならないことがある。このような場合には、回帰分析部１５が非線形回帰により回帰分析を行い、上記の回帰式のａｘ_ｋ＋ｂを得られた非線形回帰式に置き換えて領域を分割してもよい。

図１７は、上述の行動状態推定モデルを表形式で示した図である。図１７において、ＯＮは電力が使用されている状態を示し、ＯＦＦは電力が使用されていない状態を示す。行動状態推定部２１は、行動状態推定モデルと消費電力値データとを比較し、消費電力値データが含まれる領域番号を特定し、特定された領域番号に対応する行動状態を、消費電力値データが取得された日時における需要家の行動状態として推定する。推定された行動状態（領域番号）は、消費電力値データと対応付けられ、記憶部４に記憶される。なお、このようにして推定された行動状態を、居住者の行動と対応させてもよい。例えば、行動電力が使用されている状態を居住者の在宅中と対応させ、行動電力が使用されていない状態を居住者の不在中（外出中）と対応させることができる。また、夜間（例えば０時〜６時）に行動電力が使用されていない状態を居住者の睡眠中と対応させてもよい。需要家の行動状態と対応させた居住者の行動は、記憶部４に記憶される。

図１８は、図７の消費電力値データに対して推定された需要家の行動状態を示す図である。図１８において、行動電力の使用の有無は、需要家の在宅及び不在と対応している。また、夜間の不在は、需要家の睡眠中と対応している。

なお、夏季の行動状態を推定する場合には、行動状態推定モデルのＴ_th≦ｘ_ｋとｘ_ｋ＜Ｔ_thとを入れ替えればよい。また、冬季の閾値温度と夏季の閾値温度とを両方用意してもよい。この場合、冬季の閾値温度より外気温が低い領域及び外気温が夏季の閾値温度以上の領域において、外気温変動電力が使用される状態が設定される。これにより、単一の行動状態推定モデルを用いて通年の需要家の行動状態を推定することができる。

行動状態予測モデル作成部２２は、行動状態推定部２１により推定された需要家の過去の行動状態を統計処理することにより、外気温に応じた需要家の行動状態を予測するための行動状態予測モデルを作成する。行動状態予測モデル作成部２２は、例えば、消費電力値データの領域番号を外気温及び時刻毎に集計する。図１９は、外気温及び時刻毎に集計された領域番号の一例を示す図である。図１９において、外気温は１℃毎に、時刻は１時間ごとに集計されているが、領域番号を集計する外気温及び時刻の間隔はこれに限られない。次に、行動状態予測モデル作成部２２は、このように集計された領域番号のうち、例えば、各外気温及び時刻において最も多く集計された領域番号を、当該外気温及び時刻において予想される領域番号として選択する。例えば、図１９の場合、０時〜１時かつ−５℃〜−４℃における領域番号として領域２が選択される。

また、行動状態予測モデル作成部２２は、行動状態推定部２１により推定された需要家の過去の行動状態を学習することにより行動状態予測モデルを作成してもよい。行動状態予測モデル作成部２２は、時刻と外気温とを説明変数、行動状態を目的変数として、多項ロジスティック判別や、ニューラル根とワークや、サポートベクトルマシンなどの既存の機械学習手法を用いて行動状態予測モデルを作成することができる。

行動状態予測モデル２２は、各外気温及び時刻に対して領域番号を選択することにより、行動状態予測モデルを作成する。作成された行動状態予測モデルは記憶部４に記憶される。図２０は、図１９の集計結果に基づいて作成された行動状態予測モデルの一例を示す図である。後述する消費電力予測部３は、記憶部４に記憶された行動状態予測モデルを参照して、予測対象時点の需要家の行動状態を予測する。なお、行動状態予測モデルのパラメータとして、外気温や時刻だけでなく、天候や曜日などの他の要素が利用されてもよい。

行動電力算出部２３は、消費電力値データと消費電力値データの行動状態とに基づいて、需要家の過去の消費電力値データにおける外気温変動電力ｙ_ACと行動電力ｙ_actとを算出する。まず、行動電力算出部２３は、各消費電力値データに対する外気温変動電力ｙ_ACを算出する。図２１に示すように、行動電力算出部２３は、外気温変動電力が使用されていない状態、すなわち、領域１，３，５，６の消費電力値データの外気温変動電力ｙ_ACを以下のように算出する。

一方、行動電力算出部２３は、外気温変動電力が使用されている状態、すなわち、領域２，４の消費電力値データの外気温変動電力ｙ_ACを、記憶部４に記憶された関係パラメータに基づいて、以下のように計算する。

このように算出された外気温変動電力は、時刻と領域番号と対応付けられた外気温変動電力データとして記憶部４に記憶される。図２１は、図１８の消費電力値データ及び行動状態に基づいて作成された外気温変動電力データの一例を示す図である。

次に、行動電力算出部２３は、各消費電力値データに対する行動電力ｙ_actを算出する。行動電力算出部２３は、行動電力が使用されていない状態、すなわち、領域３，４，６の消費電力値データの行動電力ｙ_actを以下のように算出する。

一方、行動電力算出部２３は、行動電力が使用されている状態、すなわち、領域１，２，５の消費電力値データの行動電力ｙ_actを、記憶部４に記憶された関係パラメータと外気温変動電力ｙ_ACと消費電力値データの消費電力ｙと基づいて、以下のように計算する。

すなわち、行動電力算出部２３は、消費電力ｙからベース電力μ_Baseと外気温変動電力ｙ_ACとを減算することにより行動電力ｙ_actを算出する。このように算出された行動電力は、時刻と領域番号と対応付けられた行動電力データとして記憶部４に記憶される。図２２は、図１８の消費電力値データと図２１の外気温変動電力データとに基づいて作成された行動電力データの一例を示す図である。

行動電力予測モデル作成部２４は、行動電力算出部２３により算出された行動電力と、行動状態推定手段により推定された行動状態とに基づいて、各行動状態における需要家の行動電力を予測するための行動電力予測モデルを作成する。行動電力予測モデル作成部２４は、行動電力算出部２３により作成された行動電力データを参照し、行動電力が使用されている状態（領域１，２，５）の行動電力を時刻毎に統計処理し、時刻毎の行動電力の予測値を算出する。統計処理は、例えば、時刻毎の行動電力の平均値や最頻値を取ることにより実現される。また、行動電力の予測値を算出する時間間隔は任意に設定することができる。これにより、行動電力予測モデルが作成される。図２３は、行動電力予測モデルの一例を示す図である。図２３は、図２２の行動電力データに基づいて、行動電力が使用されている状態における時刻毎の行動電力の予測値を算出することにより作成された行動電力予測モデルである。

また、行動電力予測モデル作成部２４は、行動電力算出部２３により算出された行動電力と、行動状態推定手段により推定された行動状態とに基づいて、時刻を説明変数、行動電力を目的変数とした任意の回帰モデルを作成してもよい。回帰モデルを作成するために、行動電力予測モデル作成部２４は、例えば、ニューラルネットワークによる回帰や、サポートベクトル回帰などの既存の手法を用いることができる。説明変数には、天気や曜日などが含まれてもよい。

図２３において、行動電力予測モデルは、行動電力の有無に応じて作成されているが、例えば、図２２の行動電力データを各領域毎に統計処理することにより作成されてもよい。この場合、行動電力予測モデル作成部２４は、行動電力が使用されている状態の各領域（領域１，２，５）における時刻毎の行動電力の予測値を算出することにより、行動電力予測モデルを作成する。また、行動電力予測モデルは、時刻や領域だけでなく、気温や曜日などの他の要素をパラメータとして作成されてもよい。作成された行動電力予測モデルは記憶部４に記憶される。後述する消費電力予測部３は、記憶部４に記憶された行動電力予測モデルを参照して、需要家の予測対象時点の行動電力を予測する。

（消費電力予測部）
次に、消費電力予測部３について説明する。消費電力予測部３は、上述の消費電力予測モデル（行動状態予測モデル、行動電力予測モデル）と、外気温電力関係（関係パラメータ）と、予測対象時点の外気温とに基づいて、需要家の予測対象時点の消費電力を予測する。ここで、図２４は、消費電力予測部３の機能構成を示すブロック図である。図２４に示すように、消費電力予測部３は、行動状態予測部３１と、外気温変動電力予測部３２と、行動電力予測部３３と、予測値算出部３４と、を備える。

行動状態予測部３１は、消費電力を予測する対象となる予測対象期間（例えば１日間）の予測外気温データ（図４参照）を記憶部４から取得し、各時刻における需要家の行動状態を予測する。行動状態予測部３１は、予測対象時刻と、予測対象時刻における予測外気温データとに基づいて、行動状態予測モデルから需要家の行動状態（領域番号）を取得する。このように取得された行動状態（領域番号）は、予測対象時刻に予測される需要家の行動状態として記憶部４に記憶される。

外気温変動電力予測部３２は、行動状態予測部３１が予測した各時刻における需要家の行動状態（領域番号）を参照し、外気温変動電力が使用される状態と予測された各時刻における外気温変動電力を以下のように予測する。

ここで、ａ，ｂは関係パラメータであり、ｘは予測対象時刻における予測外気温である。なお、外気温変動電力予測部３２は、外気温変動電力が使用されない状態と予測された各時刻における外気温変動電力を０と予測する。行動状態予測部３１が図２０の行動状態予測モデルを参照して行動状態を予測する場合、外気温変動電力予測部３２は、領域２，４の各時刻に対して上記の式により外気温変動電力を予測し、領域１，３，５，６の時刻に対して外気温変動電力を０と予測する。このように予測された外気温変動電力の予測値は、記憶部４に記憶される。

行動電力予測部３３は、行動状態予測部３１が予測した各時刻における需要家の行動状態（領域番号）を参照し、行動電力が使用される状態と予測された各時刻における行動電力を行動電力予測モデルから取得する。このように取得された行動電力が、当該時刻において予測される行動電力となる。また、行動電力予測部３３は、行動電力が使用されないと状態と予測された各時刻における行動電力を０と予測する。行動状態予測部３１が図２０の行動状態予測モデルを参照して行動状態を予測する場合、行動電力予測部３３は、領域１，２，５の時刻に対して行動電力予測モデルから行動電力を取得し、領域３，４，６の時刻に対して行動電力を０と予測する。このように予測された行動電力の予測値は、記憶部４に記憶される。

予測値算出部３４は、外気温変動電力予測部３２により予測された外気温変動電力の予測値と、行動電力予測部３３により予測された行動電力の予測値と、記憶部４に記憶されたベース電力とを合計し、予測対象期間の各時刻における需要家の消費電力の予測値を算出する。

算出された消費電力の予測値は記憶部４に記憶される。ここで、図２５は、図４の予測外気温データに対して予測された領域番号、外気温電力、行動電力、及び消費電力をまとめて示した図である。

以下、本実施形態に係る電力需要予測システムの動作について、図２６〜図３０を参照して説明する。なお、以下では、電力事業者のオペレータが本実施形態に係る電力需要予測システムを利用して需要家の予測対象時点の消費電力を予測する場合について説明する。ここで、図２６は、本実施形態に係る電力需要予測システムの動作を示すフローチャートである。

まず、需要家の消費電力を予測するための消費電力予測モデルを更新するか否かが判定される（ステップＳ１）。予測対象となる需要家の最新の消費電力予測モデルが記憶部４に記憶されている場合には、予測モデルを更新しなくともよい（ステップＳ１のＮｏ）。この場合、電力需要予測処理は、後述するステップＳ４へ進む。

一方、予測対象となる需要家の消費電力予測モデルが記憶部４に記憶されていない場合、あるいは季節の変化などにより需要家の電力消費動向が変化した場合には、消費電力予測モデルは更新される（ステップＳ１のＹｅｓ）。ステップＳ１の判定は、電力需要予測システムにより自動的に行われてもよい。これは、例えば、消費電力予測モデルの最新の更新日時からの経過時間が所定時間を超えている場合に、消費電力予測モデルが更新されるように構成することで実現できる。また、ステップＳ１の判定は、オペレータにより行われてもよい。この場合、オペレータは、電力需要予測システムの操作端末から、更新の可否を入力すればよい。

消費電力予測モデルが更新される場合（ステップＳ１のＹｅｓ）、まず、外気温電力関係が抽出される（ステップＳ２）。次に、抽出された外気温電力関係に基づいて、消費電力予測モデルが作成される（ステップＳ３）。作成された消費電力予測モデルは、記憶部４に記憶され、更新される。そして、更新された予測モデルに基づいて、予測対象期間における需要家の消費電力が予測される（ステップＳ４）。また、消費電力予測モデルが更新されない場合（ステップＳのＮｏ）、記憶部４に記憶された消費電力予測モデルに基づいて、予測対象期間における需要家の消費電力が予測される（ステップＳ４）。以上のステップＳ２〜ステップＳ４について詳しくは後述する。

ステップＳ４で予測された予測結果は、電力需要予測システムの出力端末や操作端末に設けられたモニターに出力される（ステップＳ５）。図２７は、電力需要予測システムの出力画面の一例を示す図である。図２７に示すように、電力需要予測システムは、横軸を予測対象時刻、縦軸を予測される電力需要（消費電力）としたグラフを出力してもよい。電力需要予測システムは、他の形式のグラフや表形式など、任意の形式で予測結果を出力することができる。

次に、ステップＳ２について説明する。ここで、図２８は、図２６のステップＳ２の関係抽出処理を示すフローチャートである。ステップＳ２は、関係抽出部１により実行される。まず、ベース電力算出部１１が、需要家の過去の所定期間の消費電力値データを取得し、当該期間におけるベース電力を算出する（ステップＳ２１）。消費電力値データを取得する期間は、予め記憶部４に記憶されていてもよいし、オペレータが操作端末から入力してもよい。

ベース電力が算出されると、外気温−消費電力結合部１２は、取得された消費電力値データと記憶部４に記憶された外気温データとを結合する（ステップＳ２２）。外気温データが記憶部４に記憶されていない場合には、外気温−消費電力結合部１２は、外部のサーバなどから必要な外気温データを取得してもよい。結合される外気温データと消費電力値データとの日時の関係は、予め記憶部４に記憶されていてもよいし、オペレータが操作端末から入力してもよい。

外気温データと消費電力値データとが結合されると、第１データ選択部１３は、外気温と消費電力との相関が高い消費電力値データを選択する（ステップＳ２３）。第１データ選択部１３は、時間帯指定データに基づいて消費電力値データを選択する。

さらに、第２データ選択部１４が、記憶部４に記憶されたベース電力μ_Base（又は閾値電力μ_th）より消費電力が大きい消費電力値データを選択する（ステップＳ２４）。以上のステップＳ２２〜ステップＳ２４の各ステップは、任意の順番で行うことができる。

ステップＳ２１において算出されたベース電力と、ステップＳ２２〜ステップＳ２４で選択され、外気温データと結合された消費電力値データとに基づいて、回帰分析部１５は、外気温電力関係を抽出する（ステップＳ２５）。すなわち、選択された消費電力値データの消費電力を目的変数とし、外気温を説明変数として回帰分析を行い、関係パラメータ（閾値温度や回帰式の各パラメータなど）を算出する。算出された関係パラメータは記憶部４に記憶される。

次に、ステップＳ３について説明する。ここで、図２９は、図２６のステップＳ３の消費電力予測モデル作成処理を示すフローチャートである。ステップＳ３は、モデル作成部２により実行される。まず、行動状態推定部２１が、ステップＳ２５で算出された関係パラメータに基づいて行動状態推定モデルを作成し、需要家の過去の行動状態を推定する（ステップＳ３１）。次に、行動状態予測モデル作成部２２が、行動状態推定部２１により推定された需要家の過去の行動状態に基づいて、行動状態予測モデルを作成する（ステップＳ３２）。次に、行動電力算出部２３が、行動状態推定部２１により推定された需要家の過去の行動状態と、ステップ２５で算出された関係パラメータとに基づいて、需要家の過去の行動電力を算出する（ステップＳ３３）。次に、行動電力予測モデル作成部２４が、ステップＳ３３で算出された行動電力と、需要家の過去の行動状態とに基づいて行動電力予測モデルを作成する（ステップＳ３４）。ステップＳ３２で作成された行動状態予測モデル及びステップＳ３４で作成された行動電力予測モデルは、記憶部４に記憶される。

次に、ステップＳ４について説明する。ここで、図３０は、図２６のステップＳ４の消費電力予測処理を示すフローチャートである。ステップＳ４は、消費電力予測部３により実行される。まず、行動状態予測部３１が、予測対象期間の予測外気温データを取得し、行動状態予測モデルを参照して、予測対象期間の各時刻における需要家の行動状態を予測する（ステップＳ４１）。予測対象期間の予測外気温データは、予め記憶部４に記憶されていてもよいし、行動状態予測部３１が外部のサーバなどから取得してもよい。また、予測対象となる各時刻の間隔は、予め記憶部４に記憶されていてもよいし、オペレータが操作端末から入力してもよい。次に、外気温変動電力予測部３２が、行動状態予測部３１により予測された需要家の行動状態と、予測外気温データと、関係パラメータとに基づいて、予測対象期間の各時刻における外気温変動電力を予測する（ステップＳ４２）。次に、行動電力予測部３３が、行動状態予測部３１により予測された需要家の行動状態と、行動電力予測モデルとに基づいて、予測対象期間の各時刻における行動電力を予測する（ステップＳ４３）。なお、ステップ４２とステップ４３とは任意の順番で行うことができる。次に、予測値算出部３４が、記憶部４に記憶されたベース電力と、ステップＳ４２において算出された外気温変動電力の予測値と、ステップＳ４３において算出された行動電力の予測値とに基づいて、対象期間の各時刻における通常時の消費電力や、デマンドレスポンス後の消費電力を予測する（ステップＳ４４）。ステップＳ４１〜ステップＳ４４で予測された各予測値は、記憶部４に記憶されるとともに、自動的に、あるいはオペレータの要求に応じて予測結果として出力される。

以上説明した通り、本実施形態に係る電力需要予測システムは、外気温と消費電力との相関が高い消費電力値データ、すなわち、消費電力に含まれる行動電力の割合が小さい消費電力値データを選択し、選択された消費電力値データに基づいて外気温電力関係を抽出する。したがって、本実施形態に係る電力需要予測システムは、外気温電力関係を高い精度で抽出することができる。また、本実施形態に係る電力需要予測システムは、このように抽出された外気温電力関係に基づいて消費電力を予測するため、高い精度で需要家の消費電力を予測することができる。本実施形態に係る電力需要予測システムにより予測された各需要家の消費電力を利用して、系統全体の電力需要を予測することにより、適切なデマンドレスポンスが可能となり、スマートグリッドにおける電力需給バランスを精度よく維持することができる。また、本実施形態に係る電力需要予測システムによれば、需要家毎に消費電力を予測することができるため、電力事業者は、各需要家の予測に対応したきめ細やかなデマンドレスポンス計画が可能となる。

（第２実施形態）
以下、第２実施形態に係る電力需要予測システムについて、図３１〜図３５を参照して説明する。本実施形態に係る電力需要予測システムは、記憶部４に記憶された消費電力値データ及び外気温データに所定の前処理を施し、前処理された消費電力値データ及び外気温データに基づいて需要家の消費電力を予測する。ここで、図３１は、本実施形態に係る電力需要予測システムの機能構成を示すブロック図である。図３１に示すように、本実施形態に係る電力需要予測システムは、関係抽出部１と、モデル作成部２と、消費電力予測部３と、記憶部４とを備える。以上の構成は第１実施形態と同様である。本実施形態に係る電力需要予測システムは、さらに前処理部５（前処理手段）を備える。

前処理部５は、記憶部４に記憶された消費電力値データや外気温データなどに対して平滑化処理、補完処理、異常値除去処理などの前処理を施す。前処理部５の機能は、ＣＰＵにより制御プログラムを実行することにより実現することができる。前処理部５は、前処理を１回だけ行ってもよいし、複数回行ってもよい。また、前処理が不要な場合には行われなくてもよい。前処理の実施の有無や実施回数は、オペレータが操作端末から入力してもよいし、電力需要予測システムにより自動的に決定されてもよい。さらに、前処理は、消費電力値データ及び外気温データのいずれか一方だけに施されてもよい。前処理された消費電力値データや外気温データは前処理済みデータとして記憶部４に記憶される。図３２は、前処理済み消費電力値データの一例を示す図である。

平滑化処理とは、消費電力値データや外気温データを平滑化する処理である。平滑化処理は、例えば、記憶部４に記憶された消費電力値データや外気温データの移動平均値、移動中央値を算出したり、Nadaraya-Watson推定やスプライン関数などを適用したりすることにより実現できる。前処理部５は、記憶部４に記憶された消費電力値データの分散を算出し、算出された分散と所定の閾値とを比較することにより、平滑化処理を行うか否かの判定を行ってもよい。

補完処理とは、欠損した消費電力値データや外気温データを補完する処理である。補完処理は、例えば、欠損したデータに隣接したデータや、隣接したデータから推定されるデータによって、欠損したデータを補うことにより実現できる。前処理部５は、記憶部４に記憶された消費電力値データや外気温データの欠損の有無を判定することにより、補完処理を行うか否かの判定を行ってもよい。

異常値除去処理とは、消費電力値データや外気温データから、異常値を含むデータを除去する処理である。異常値除去処理は、消費電力や外気温を所定の閾値と比較し、当該閾値を超える消費電力値データや外気温データを除去することにより実現できる。前処理部５は、消費電力や外気温の最大値及び最小値を所定の閾値と比較することにより、異常値除去処理を行うか否かの判定を行ってもよい。なお、異常値除去処理を行う場合、除去されたデータを補うために補完処理が行われるのが好ましい。

図３３は、本実施形態に係る電力需要予測システムの動作を示すフローチャートである。図３３に示すように、本実施形態において、消費電力予測モデルが更新される場合（ステップＳ１のＹｅｓ）、まず、前処理部５により消費電力値データ及び外気温データが前処理される（ステップＳ６）。前処理済みデータは、記憶部４に記憶される。以降のステップＳ２〜ステップＳ５は、第１実施形態と同様である。ただし、本実施形態では、各ステップにおいて、消費電力値データや外気温データの代わりに、前処理部５により前処理された前処理済み消費電力値データや前処理済み外気温データが使用される。なお、前処理が行われていない場合には、第１実施形態と同様、消費電力値データや外気温データが使用される。

以上説明した通り、本実施形態に係る電力需要予測システムによれば、消費電力値データや外気温データが平滑化され、データの欠損や異常値が除去されるため、より高い精度で外気温電力関係を抽出することができる。これにより、需要家の消費電力の予測精度を向上させることができる。特に、本実施形態は、元の消費電力値データから外気温電力関係を抽出が困難な場合に有用である。例えば、需要家の外気温変動電力がＯＮ・ＯＦＦにより制御される機器（空調装置など）に依存する場合、図３４に示すように、外気温変動電力がＯＮの状態とＯＦＦの状態とで消費電力が離散的な値となることがある。このような場合、消費電力が外気温に応じて変化しないため、図３５に示すように、外気温と消費電力外気温変動電力との相関が不明確であり、外気温電力関係の抽出が困難である。しかし、本実施形態によれば、前処理部５によって消費電力値データに平滑化処理を施すことにより、図３４に示すように、離散値となる消費電力値データから、連続的に変化する前処理済み消費電力値データを作成することができる。連続的に変化する前処理済み消費電力値データによれば、図１１に示したような散布図を得られるため、外気温電力関係を容易に抽出することができる。

（第３実施形態）
以下、第３実施形態に係る電力需要予測システムについて説明する。本実施形態において、第１データ選択部１３は、外気温と消費電力との相関がより大きくなる時間帯を特定し、特定された時間帯の消費電力値データを選択する。本実施形態において、電力需要予測システムの機能構成は第１実施形態と同様である。

第１データ選択部１３は、まず、記憶部４に記憶から所定の時間帯の消費電力値データを取得し、消費電力値データのグループを作成する。次に、作成したグループに含まれる消費電力値データの消費電力からベース電力を減算する。すなわち、図１３のような消費電力値データを作成する。次に、当該グループのベース電力を減算された消費電力値データに対して、外気温ｘと消費電力ｙとの相関を示す指標を算出する。第１データ選択部１３は、このような指標として、例えば、外気温ｘと消費電力ｙとの相関係数を計算する。相関係数は、例えば、以下の式により算出することができる。

第１データ選択部１３は、時間帯を所定時間ずつずらしながら消費電力値データのグループを作成し、各グループに対して同様の方法で相関係数を計算する。例えば、０時〜６時のグループ、１時〜７時のグループ、２時〜８時のグループのように、６時間のグループを１時間ずつずらしながら作成してもよい。各グループの時間幅、及び各グループをずらす時間は任意に選択することができる。

第１データ選択部１３は、複数のグループに対して上述の指標を計算し、各グループの指標を比較することにより、外気温ｘと消費電力ｙとの相関が最も高いグループの時間帯を特定する。指標として相関係数を用いる場合、第１データ選択部１３は、複数のグループに対して相関係数を計算し、相関係数が最大のグループの時間帯を、外気温と消費電力との相関が高い時間帯として特定する。特定された時間帯は、図９に示した時間帯指定データとして記憶部４に記憶される。第１データ選択部１３は、このように選択された時間帯指定データに基づいて消費電力値データを選択する。なお、第１データ選択部１３は、グループ毎に順位相関や相互相関関数などを計算することにより時間帯を特定してもよいし、変数間の類似性の度合いを示す別の指標により時間帯を特定してもよい。

以上説明した通り、本実施形態によれば、第１データ選択部１３は、外気温と消費電力との相関がより大きい時間帯を特定し、特定された時間帯に基づいて消費電力値データを選択することができる。これにより、より正確な外気温電力関係を抽出し、需要家の消費電力を高精度に予測することができる。

なお、第１データ選択部１３は、時間帯を特定したのと同様の手法により、外気温電力関係を抽出するために取得する消費電力値データの対象期間を選択することができる。例えば、対象期間が１月１日〜３月１日の消費電力値データの相関係数と、対象期間が１月２日〜３月２日の消費電力値データの相関係数とを計算し、相関係数が大きい対象期間を特定すればよい。このように特定された相関係数が大きい対象期間の消費電力値データに対して、上述の方法により相関係数の大きな時間帯を選択することもできる。これにより、さらに正確な外気温電力関係を抽出することができる。

（第４実施形態）
以下、第４実施形態に係る電力需要予測システムについて、図３６〜図３８を参照して説明する。本実施形態において、電力需要予測システムは、外気温変動電力の少なくとも一部の使用の有無を示すＯＮ／ＯＦＦ情報を取得する。ここで、図３６は、本実施形態に係る電力需要予測システムの機能構成を示すブロック図である。図３６に示すように、本実施形態に係る電力需要予測システムは、関係抽出部１と、モデル作成部２と、消費電力予測部３と、記憶部４とを備える。以上の構成は第１実施形態と同様である。本実施形態に係る電力需要予測システムは、さらにＯＮ／ＯＦＦ情報取得部６を備える。

ＯＮ／ＯＦＦ情報取得部６は、需要家からＯＮ／ＯＦＦ情報を取得する。ＯＮ／ＯＦＦ情報とは、需要家の外気温変動電力の少なくとも一部の使用の有無を示す情報であって、例えば、需要家が有する空調機器が使用されている否かを示す情報である。ＯＮ／ＯＦＦ情報取得部６の機能は、ＣＰＵ上で制御プログラムを実行することにより実現することができる。ＯＮ／ＯＦＦ情報取得部６は、スマートサーモスタットなどの空調制御機器からＯＮ／ＯＦＦ情報を取得することができる。スマートサーモスタットは、空調機器のＯＮ／ＯＦＦを制御するため、スマートスタットが空調機器に送信した制御信号を取得することにより、ＯＮ／ＯＦＦ情報取得部６は、ＯＮ／ＯＦＦ情報を取得することができる。ＯＮ／ＯＦＦ情報取得部６により取得されたＯＮ／ＯＦＦ情報は、記憶部４に記憶される。図３７は、記憶部４に記憶されたＯＮ／ＯＦＦ情報の一例を示す図である。図３７に示すように、ＯＮ／ＯＦＦ情報は、各時刻における空調機器の使用状態（ＯＮ／ＯＦＦ）を示す履歴データとして記憶される。

本実施形態において、関係抽出部１は、ＯＮ／ＯＦＦ情報に基づいて外気温電力関係を抽出することができる。まず、外気温−消費電力結合部１２は、外気温と消費電力とＯＮ／ＯＦＦ情報とを、各データの日時に応じて結合する。この際、同じ日時の消費電力値データとＯＮ／ＯＦＦ情報とが結合される。次に、回帰分析部１５は、第１データ選択部１３及び第２データ選択部１４により選択された消費電力値データのうち、空調使用状態がＯＮとなっている消費電力値データを選択し、選択された消費電力値データに基づいて回帰分析を行う。これにより、外気温変動電力が確実に使用されている消費電力値データに基づいて、関係パラメータを算出することができる。すなわち、第１データ選択部１３及び第２データ選択部１４により選択された消費電力値データから、外気温変動電力が含まれていないデータを除外することができる。したがって、関係抽出部１は、外気温電力関係を精度よく抽出することができる。特に、ＯＮ／ＯＦＦ情報が外気温変動電力の全て、あるいは外気温変動電力のほとんどの使用の有無を示す場合に有益である。図３８は、ＯＮ／ＯＦＦ情報が結合された消費電力値データの一例を示す図である。

また、本実施形態において、モデル作成部２は、ＯＮ／ＯＦＦ情報に基づいて、需要家の行動状態を推定することができる。まず、行動状態推定部２１は、行動状態推定モデルに基づいて需要家の過去の行動状態を推定する。次に、行動状態推定部２１は、ＯＮ／ＯＦＦ情報を参照して、推定した外気温変動電力の使用状態を修正する。例えば、推定された領域番号（行動状態）を、領域１（外気温変動電力ＯＦＦ）から領域４（外気温変動電力ＯＮ）に修正したり、領域２又は領域４から領域１に修正したりすることができる。これにより、より正確に需要家の過去の行動状態を推定することが可能となる。特に、ＯＮ／ＯＦＦ情報が外気温変動電力の全て、あるいは外気温変動電力のほとんどの使用の有無を示す場合に有益である。なお、行動状態の修正は、外気温変動電力と行動電力との関係を考慮して上述のルールとは異なるルールで行われてもよい。また、行動状態の修正のルールは予め記憶部４に記憶されていてもよいし、オペレータが操作端末から入力してもよい。

（第５実施例）
以下、第５実施形態に係る電力需要予測システムについて、図３９及び図４０を参照して説明する。本実施形態において、電力需要予測システムは、需要家の外気温変動電力の一部を取得する。ここで、図３９は、本実施形態に係る電力需要予測システムの機能構成を示すブロック図である。図３９に示すように、本実施形態に係る電力需要予測システムは、関係抽出部１と、モデル作成部２と、消費電力予測部３と、記憶部４とを備える。以上の構成は第１実施形態と同様である。本実施形態に係る電力需要予測システムは、さらに空調電力取得部７を備える。

空調電力取得部７は、需要家の外気温変動電力の一部である空調電力を示す空調電力データを取得する。空調電力データは、例えば、需要家が外気温変動電力を使用する空調機器を複数台有している場合の、１台の空調機器の消費電力を示すデータである。なお、空調電力は、外気温変動電力の一部であればよいため、空調機器の消費電力に限られない。空調電力取得部７は、例えば、需要家の総消費電力とは別に空調電力を計測するサブブレーカなどから空調電力データを取得することができる。空調電力取得部７の機能は、ＣＰＵ上で制御プログラムを実行することにより実現することができる。図４０は、空調電力データの一例を示す図である。図４０に示すように、空調電力データは、時系列にソートされた履歴データとして記憶部４に記憶される。

本実施形態において、関係抽出部１は、空調電力データに基づいて外気温電力関係を抽出することができる。例えば、ベース電力算出部１１は、消費電力値データの消費電力から空調電力データの空調電力を減算し、空調電力を減算された消費電力に基づいてベース電力を算出してもよい。これにより、ベース電力に含まれる外気温変動電力が減少し、ベース電力を正確に算出することができる。

また、電力需要予測システムは、空調電力データの空調電力と所定の閾値とを比較し、空調電力が閾値より大きい場合に外気温変動電力がＯＮ、空調電力が閾値以下の場合に外気温変動電力がＯＦＦと判定してもよい。これにより、空調電力データから外気温変動電力のＯＮ／ＯＦＦ情報を作成することが可能となる。作成されたＯＮ／ＯＦＦ情報を利用することにより、関係抽出部１及びモデル作成部２は、第４実施形態と同様の処理を行うことができる。すなわち、関係抽出部１は、ＯＮ／ＯＦＦ情報に基づいて外気温電力関係を抽出し、モデル作成部２は、ＯＮ／ＯＦＦ情報に基づいて、需要家の行動状態を推定することができる。

（第６実施形態）
以下、第６実施形態に係る電力需要予測システムについて、図４１及び図４２を参照して説明する。本実施形態において、電力需要予測システムは、デマンドレスポンスを実施した場合の電力削減量を見積もり、削減後の需要家の消費電力を予測する。これは、電力事業者が特定１日の電力消費を予測したうえで、その日の電力がひっ迫すると判断した場合、デマンドレスポンスの効果も予測したい場合が考えられるからである。本実施形態では、スマートサーモスタットなどの空調機器外部制御装置によって需要家の空調機器などを電力事業者が直接制御できる場合について説明するが、空調機器外部制御装置がない場合でも実施可能である。

ここで、図４１は、本実施形態に係る電力需要予測システムの機能構成を示すブロック図である。図４１に示すように、本実施形態に係る電力需要予測システムは、関係抽出部１と、モデル作成部２と、消費電力予測部３と、記憶部４とを備える。以上の構成は、第１実施形態と同様である。本実施形態において、電力需要予測システムは、さらに、電力削減見積部９を備える。

電力削減量見積部９は、デマンドレスポンスを実施した場合の需要家の電力削減量を見積もる。電力削減見積部９は、空調機器制御装置を通して空調機器などを制御する計画にしたがって電力削減量を見積もることができる。例えば、空調機器などの電源を５０％の割合で切るような間欠運転を行う場合には、電力削減量見積部９は、電力削減量を以下のように計算することができる。

ここで、ｒは電力削減量の予測値である。また、同様にＰ％の割合で空調機器などの電源を切るような間欠運転を行う場合、電力削減量見積部９は、電力削減量を以下のように計算することができる。

さらに、冬季の暖房の設定温度をＴ_ｎ℃下げる場合には、電力削減量見積部９は、電力削減量を以下のように計算することができる。

ここで、ａは上述の関係パラメータである。同様に、夏季の冷房の設定温度をＴ_ｎ℃上げる場合には、電力削減量見積部９は、電力削減量を以下のように計算することができる。

他にも、電力削減量見積部９は、デマンドレスポンスの種類や時間帯によって、rに別の値を設定しても良い。たとえば、空調機器外部制御装置が需要家に導入されていない場合、上記間欠運転のＰに適切な値をオペレータが設定しても良い。また、デマンドレスポンスを実施したときに実際に計測された消費電力と、第１実施形態のように消費電力予測部３が予測したデマンドレスポンスと同時刻における消費電力を比較して、その差を電力削減実績とし、記憶部４に蓄積しても良い。そして、蓄積された電力削減実績を統計処理してｒを計算しても良い。統計処理には、たとえば平均値や最頻値を用いることができる。また、天気や気温、時間帯などを説明変数として、ニューラルネットワークやサポートベクトル回帰などの任意の回帰手法を用いることもできる。統計処理をデマンドレスポンスの種類ごとに行っても良い。また、入力インターフェースを通して電力事業者のオペレータがｒに任意の値を設定しても良い。

本実施形態において、消費電力予測部３は、通常時の消費電力予測に加え、デマンドレスポンス実施時の消費電力予測を行い、記憶部４に保存しても良い。デマンドレスポンス実施時の消費電力予測は、通常時の消費電力予測から電力削減量見積部９が出力した電力削減量予測を引いて、以下のように計算することができる。

デマンドレスポンス実施時の消費電力予測は必要に応じて出力端末や操作端末に設けられたモニターに出力される。例えば、図４２に示すように、通常時の消費電力予測と、デマンドレスポンス実施時の消費電力予測を重ねて表示することができる。

電力削減対象の需要家群は、地域全体、配電の際の１支分となるブロック、需要家毎など様々であり、それぞれ異なったＤＲシナリオが必要となる。本実施形態によれば、全体電力積上げ後の需要予測や削減予測を行うのではなく、需要家毎などの細かな単位での外気温電力分析・削減予測を行うため、様々なＤＲシナリオに対応することができる。例えば、ある需要家は空調を５０％に間欠運転させるが、他の需要家は１００％完全に切る、また、別の需要家はスマートサーモスタットといったＤＲ用制御機器を用いて、空調温度設定を２℃緩めるというように、需要家群での混合的なＤＲシナリオに対する削減の予測も可能である。

（需要家プロファイリングシステム）
以下、需要家プロファイリングシステムの実施形態について、図４３を参照して説明する。本実施形態に係る需要家プロファイリングシステムは、住宅や店舗などの需要家の消費電力値データと、外気温データとに基づいて、外気温電力関係を抽出し、抽出された外気温電力関係に基づいて需要家にプロファイルを設定する。設定された各需要家のプロファイルは、例えば、需要家への情報提供やサービス提案のために利用することができる。ここで、図４３は、本実施形態に係る需要家プロファイリングシステムの機能構成を示すブロック図である。図４３に示すように、本実施形態に係る需要家プロファイリングシステムは、需要家から消費電力値データを取得し、システム外部から外気温データを取得する。需要家プロファイリングシステムが使用する消費電力値データ及び外気温データは、電力需要予測システムが使用する消費電力値データ及び外気温データと同様である。

次に、需要家プロファイリングシステムの機能構成について説明する。図４３に示すように、本実施形態に係る電力需要予測システムは、外気温と外気温変動電力との関係を抽出する関係抽出部１（抽出手段）と、各種の情報を記憶する記憶部４とを備える。以上の構成は、電力需要予測システムと同様である。需要家プロファイリングシステムは、さらに、関係抽出部１が抽出した外気温電力関係に基づいて需要家にプロファイルを設定するプロファイル設定部８（プロファイル設定手段）を備える。以上のように構成された電力需要予測システムは、ＣＰＵやメモリを備えるコンピュータ装置を基本ハードウェアとして使用することによって実現することができる。より詳細には、関係抽出部１及びプロファイル設定部８の機能は、ＣＰＵ上で制御プログラムを実行することにより実現できる。また、記憶部４として、不揮発性メモリや外部記憶装置などの記憶装置を使用することができる。

プロファイル設定部８は、関係抽出部１により抽出された外気温電力関係（関係パラメータ）に基づいて、需要家にプロファイルを設定する。プロファイルは、需要家の性質を示す定性的な情報である。まず、プロファイル設定部８が閾値温度Ｔ_thに基づいてプロファイルを設定する方法について説明する。

外気温電力関係が抽出された対象期間が冬季の場合、関係抽出部１が閾値温度Ｔ_thを算出すると、プロファイル設定部８は、閾値温度Ｔ_thと、寒がり閾値Ｔ_sとを比較する。寒がり閾値Ｔ_sは、外気温変動電力（例えば暖房機器）の使用が開始されると想定される外気温であり、予め記憶部４に記憶されていてもよいし、オペレータにより入力されてもよい。これに対して、冬季の閾値温度Ｔ_thとは、需要家が外気温変動電力（例えば暖房機器）の使用を開始する温度である。すなわち、Ｔ_th＞Ｔ_sの場合とは、暖房機器等の使用が開始されると想定された外気温よりも、需要家が暖房機器等の使用を開始する外気温の方が高い場合である。したがって、プロファイル設定部８は、Ｔ_th＞Ｔ_sの場合、需要家に「寒がり」というプロファイルを設定する。

同様に、外気温電力関係が抽出された対象期間が夏季の場合、関係抽出部１が閾値温度Ｔ_thを算出すると、プロファイル設定部８は、閾値温度Ｔ_thと、暑がり閾値Ｔ_aとを比較する。暑がり閾値Ｔ_aは、外気温変動電力（例えば冷房機器）の使用が開始されると想定される温度であり、予め記憶部４に記憶されていてもよいし、オペレータにより入力されてもよい。これに対して、夏季の閾値温度Ｔ_thとは、需要家が外気温変動電力（例えば冷房機器）の使用を開始する温度である。すなわち、Ｔ_th＜Ｔ_aの場合とは、冷房機器等の使用が開始されると想定された外気温よりも、需要家が冷房機器等の使用を開始する外気温の方が低い場合である。したがって、プロファイル設定部８は、Ｔ_th＜Ｔ_aの場合、需要家に「暑がり」というプロファイルを設定する。

以上のように設定された需要家のプロファイルは、記憶部４に記憶される。需要家のプロファイルは、例えば、電力供給業者に送信され、デマンドレスポンスを実施する需要家を選択するための判断要因の１つとして利用することができる。また、需要家のプロファイルを取得した事業者は、需要家のプロファイルを、プロファイルに応じた情報提供やサービス提案のために利用することができる。例えば、「寒がり」というプロファイルを設定された需要家に対して、床暖房設備の購入や、家屋の断熱性を高めるリフォームを提案することができる。

なお、上述の寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）は、複数の需要家の閾値温度Ｔ_thに基づいて設定されてもよい。この場合、プロファイル設定部８は、関係抽出部１により複数の需要家の閾値温度Ｔ_thが算出された後、算出された閾値温度Ｔ_thを統計処理することにより寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）を設定する。関係抽出部１は、例えば、複数の閾値温度Ｔ_thを昇順に並べ、下位（上位）の２５％に該当する閾値温度Ｔ_thを寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）として設定することができる。これにより、閾値温度Ｔ_thを算出された全需要家のうち２５％の需要家に「寒がり」（「暑がり」）というプロファイルが設定されるように、寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）が設定される。寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）として設定される閾値温度Ｔ_thは、算出された閾値Ｔ_th全体の下位（上位）の２５％に該当する閾値温度Ｔ_thに限られず、任意の割合に該当する閾値温度Ｔ_thとすることができる。

また、統計処理の方法として、算出された複数の閾値温度Ｔ_thを、いくつかのクラスタにクラスタリングした上で、閾値温度Ｔ_thが最も大きな（小さな）クラスタの閾値温度Ｔ_thと、閾値温度Ｔ_thが２番目に大きな（小さな）クラスタの閾値温度Ｔ_thと、の間の外気温を寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）として設定する方法も可能である。クラスタリングには、例えばk-means法などの任意のデータ・クラスタリング手法を用いればよい。これにより、閾値温度Ｔ_thが最も大きい（小さい）クラスタにクラスタリングされた需要家に「寒がり」（「暑がり」）というプロファイルを設定することができる。なお、プロファイル設定部８は、閾値温度が1番からＮ番目に大きい（小さい）クラスタに含まれる需要家に「寒がり」（「暑がり））というプロファイルが設定されるように、寒がり閾値Ｔ_s（暑がり閾値Ｔ_a）を設定することも可能である。

次に、プロファイル設定部８がベース電力μ_Base及び回帰直線の傾きａに基づいてプロファイルを設定する方法について説明する。関係抽出部１がベース電力μ_Baseを算出すると、プロファイル設定部８は、ベース電力μ_Baseと、ベース電力閾値μ_Base０とを比較する。ベース電力閾値μ_Base０は、予め記憶部４に記憶されていてもよいし、オペレータにより入力されてもよい。プロファイル設定部８は、μ_Base＞μ_Base０の場合、需要家のベース電力は大きいと判定し、「ベース電力大」というプロファイルを設定する。

同様に、関係抽出部１が回帰直線の傾きａを算出すると、プロファイル設定部８は、傾きａと、傾き閾値ａ_０とを比較する。傾き閾値ａ_０は、予め記憶部４に記憶されていてもよいし、オペレータにより入力されてもよい。外気温電力関係を抽出するために使用された消費電力値データが冬季の消費電力値データの場合、傾きａは負の値になるため、プロファイル設定部８は、ａ＜ａ_０の場合、需要家の外気温変動電力が大きいと判定し、「外気温変動電力大」というプロファイルを設定する。一方、外気温電力関係を抽出するために使用された消費電力値データが夏季の消費電力値データの場合、傾きａは正の値になるため、プロファイル設定部８は、ａ＞ａ_０の場合、需要家の外気温変動電力が大きいと判定し、「外気温変動電力大」というプロファイルを設定する。

また、プロファイル設定部８は、ベース電力閾値μ_Base0及び傾き閾値ａ_０を利用して、需要家に「住居大」というプロファイルを設定することもできる。需要家に「ベース電力大」かつ「外気温変動電力大」というプロファイルが設定された場合、需要家は出力の大きな空調機器や、待機電力の大きな冷蔵庫等の家電を有している可能性が高い。このような需要家の住居は大きいことが推定される。プロファイル設定部８は、このような需要家に「住居大」というプロファイルを設定する。なお、「住居大」というプロファイルを設定するためのベース電力閾値μ_Base0及び傾き閾値ａ_０は、「ベース電力大」及び「外気温変動電力大」というプロファイルを設定するための閾値と異なる値であってもよい。

以上のように設定された需要家のプロファイルは、記憶部４に記憶される。需要家のプロファイルは、例えば、電力供給業者に送信され、デマンドレスポンスを実施する世帯の需要家を選択するための判断要因の１つとして利用することができる。例えば、「住居大」というパラメータを設定された需要家は、電力需要削減余力が大きいと考えられるため、電力供給業者は、当該需要家に対して電力削減要請を優先的に出すことができる。また、需要家のプロファイルを取得した事業者は、需要家に対して需要家のプロファイルに応じた情報提供やサービス提案を行うことができる。例えば、事業者は、「住居大」というパラメータを設定された需要家に、「ホームキーパー」や「ロボット型自動走行掃除機」などを推薦することができる。

ベース電力閾値μ_Base０及び傾き閾値ａ_０は、寒がり閾値Ｔ_sや暑がり閾値Ｔ_aと同様に、複数の需要家のベース電力μ_Base及び傾きａに基づいて設定されてもよい。例えば、複数のベース電力μ_Base及び傾きａの下位又は上位の任意の割合に該当する値をベース電力閾値μ_Base０及び傾き閾値ａ_０として設定してもよい。また、ベース電力閾値μ_Base０及び傾き閾値ａ_０は、上述のクラスタリングによりそれぞれ設定されてもよい。さらに、ベース電力閾値μ_Base０及び傾き閾値ａ_０は、各需要家の（ａ，μBase）のデータの組を用いて２次元クラスタリングにより設定されてもよい。この場合、まず、プロファイル設定部８は、算出された複数の（ａ，μBase）を、いくつかのクラスタにクラスタリングする。次に、傾きａ及びベース電力μBaseが１番目からＮ番目に大きなクラスタに含まれる需要家に「住居大」というプロファイルが設定されるように（ａ，μBase）を設定すればよい。また、プロファイル設定部８は、各クラスタの重心を計算し、算出された重心を比較することによりベース電力閾値μ_Base０及び傾き閾値ａ_０を設定してもよい。

また、プロファイル設定部８は、需要家の行動状態を利用して、需要家に「不在時に空調ＯＮ」というプロファイルを設定することもできる。「不在時に空調ＯＮ」というプロファイルが設定された場合、需要家は無駄な電力を使っている可能性が高い。このような情報は、電力事業者やデマンドレスポンス事業者が電力削減を要請するための事前情報として利用することができる。

プロファイル設定部８は、不在時における外気温変動電力の利用時間の割合に基づいて、「不在時に空調ＯＮ」というプロファイルを設定する。例えば、「不在時」とは、睡眠時間帯（例えば２３：３０〜９：００）以外で行動電力がＯＦＦ（図１７における領域３，４，６）の時間帯であり、「外気温変動電力の利用時間」とは、外気温変動電力が予め設定された閾値以上の時間帯である。プロファイル設定部８は、任意の期間（例えば１か月間）から需要家の「不在時」を抽出し、抽出された「不在時」における「外気温変動電力の利用時間」を抽出し、「不在時」に対する「外気温変動電力の利用時間」の割合を算出する。プロファイル設定部８は、算出された割合と予め設定された閾値とを比較し、算出された割合が閾値より大きい場合、需要家に「不在時に外気温変動電力ＯＮ」というプロファイルを設定する。なお、上述の「外気温変動電力の利用時間」とは、外気温変動電力がＯＮ（図１７における領域２，４）の時間帯であってもよい。

このように、プロファイル設定部８が需要家の行動状態に基づいてプロファイルを設定する場合、需要家プロファイリングシステムは、上述のモデル作成部２を備えるのが好ましい。プロファイル設定部８は、モデル作成部２により作成された外気温変動電力データ（図２１参照）及び行動電力データ（図２２参照）を利用することにより、需要家の行動状態に基づいてプロファイルを設定することができる。あるいは、需要家プロファイリングシステムは、モデル作成部２を備えず、外気温変動電力データ及び行動電力データ、あるいは行動状態データを作成する機能を別に備えてもよい。

プロファイル設定部８は、需要家の行動状態を利用して、「消費電力ピーク時間帯に安定的に外気温変動電力ＯＮ」というプロファイルを需要家に設定することもできる。ここでいう「消費電力ピーク時間帯」とは、予め設定されたピーク時間帯（例えば冬季であれば５：００〜９：００）である。このようなプロファイルが設定された需要家は、電力削減の経済的効果が高いと考えられる。すなわち、このような需要家に電力削減を要請することにより、効果的にピーク電力を抑制することができる。

プロファイル設定部８は、「消費電力ピーク時間帯」に対する「外気温変動電力ＯＮ」の時間帯の割合を算出し、算出された割合と予め設定された閾値とを比較して「消費電力ピーク時間帯に安定的に外気温変動電力ＯＮ」というプロファイルを設定する。「外気温変動電力ＯＮ」の時間帯は、外気温変動電力が予め定められた閾値より大きい時間帯であってもよいし、外気温変動電力がＯＮ（図１７における領域２，４）の時間帯であってもよい。

プロファイル設定部８は、行動状態を利用したプロファイルと、上述の外気温電力関係を利用したプロファイルとを組み合わることにより、需要家に「不在時に外気温変動電力ＯＮかつ外気温変動電力大」や、「消費電力ピーク時間帯に安定的に外気温変動電力ＯＮかつ外気温変動電力大」などのプロファイルを設定することもできる。

以上のような構成により、本実施形態に係る需要家プロファイリングシステムによれば、外気温電力関係に基づいて、需要家に所定のプロファイルを設定することができる。設定されたプロファイルを利用することにより、電力供給業者や事業者は、需要家のプロファイルに応じた情報提供やサービス提案を行うことができる。

なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。

１：関係抽出部，２：モデル作成部，３：消費電力予測部，４：記憶部，５：前処理部，６：ＯＮ／ＯＦＦ情報取得部，７：空調電力取得部，８：プロファイル設定部，９：電力削減見積部，１１：ベース電力算出部，１２：外気温−消費電力結合部，１３：第１データ選択部，１４：第２データ選択部，１５：回帰分析部，２１：行動状態推定部，２２：行動状態予測モデル作成部，２３：行動電力算出部，２４：行動電力予測モデル作成部，３１：行動状態予測部，３２：外気温変動電力予測部，３３：行動電力予測部，３４：予測値算出部

Claims (21)

1. 需要家の過去の消費電力値データのうち、一定の期間に含まれる消費電力値データを選択し、選択された消費電力値データに基づいて、外気温と、消費電力のうち外気温に応じて変動する外気温変動電力と、の関係である外気温電力関係を抽出する抽出手段と、
   前記抽出手段により抽出された外気温電力関係に基づいて、外気温に応じた前記需要家の消費電力を予測するための消費電力予測モデルを作成するモデル作成手段と、
   前記モデル作成手段により作成された消費電力予測モデルと予測対象時点の外気温とに基づいて、前記需要家の予測対象時点の消費電力を予測する予測手段とを備える電力需要予測システム。
2. 前記抽出手段は、事前に定められた期間に含まれる消費電力値データを選択する請求項１に記載の電力需要予測システム。
3. 前記抽出手段は、消費電力値データのグループを複数作成し、各グループにおける外気温と消費電力との相関の大小を示す指標を算出し、前記指標を比較することにより外気温と消費電力との相関が最も高いグループに含まれる消費電力値データを選択する請求項１に記載の電力需要予測システム。
4. 前記抽出手段は、就寝時間帯または外出時間帯の消費電力値データを選択する請求項１に記載の電力需要予測システム。
5. 前記抽出手段は、前記消費電力値データに基づいて、前記需要家の消費電力の基準となるベース電力を算出し、
   前記ベース電力より消費電力が大きい前記消費電力値データを選択する請求項１に記載の電力需要予測システム。
6. 前記抽出手段は、前記消費電力値データに基づいて、外気温を説明変数とし、外気温変動電力を目的変数とした回帰分析を行い、
   分析結果に基づいて前記外気温電力関係を抽出する請求項１に記載の電力需要予測システム。
7. 前記モデル作成手段は、前記外気温電力関係に基づいて、前記需要家の電力の使用状態である行動状態を推定し、
   推定された行動状態に基づいて、外気温に応じた前記需要家の行動状態を予測するための行動状態予測モデルを作成し、
   前記需要家の消費電力のうち、外気温変動電力とベース電力とを除いた残りの電力である行動電力を算出し、
   前記行動電力と前記行動状態とに基づいて、各行動状態における前記需要家の行動電力を予測する請求項５に記載の電力需要予測システム。
8. 前記モデル作成手段は、前記外気温電力関係に基づいて、外気温と消費電力とに応じた前記需要家の行動状態を推定するための行動状態推定モデルを作成する請求項７に記載の電力需要予測システム。
9. 前記モデル作成手段は、推定された行動状態を統計処理することにより前記行動状態予測モデルを作成する請求項７に記載の電力需要予測システム。
10. 前記モデル作成手段は、前記外気温電力関係に基づいて外気温変動電力を算出し、
    算出された外気温変動電力とベース電力とを前記需要家の消費電力から減算することにより行動電力を算出する請求項７に記載の電力需要予測システム。
11. 前記行動状態には、前記需要家が外気温変動電力を使用している状態と、前記需要家が外気温変動電力を使用していない状態と、前記需要家が行動電力を使用している状態と、前記需要家が行動電力を使用していない状態と、の少なくとも１つが含まれる請求項７に記載の電力需要予測システム。
12. 前記消費電力値データに対して平滑化処理、補完処理、及び異常値除去処理のうちの少なくとも１つを施すことにより前処理済み消費電力値データを作成する前処理手段をさらに備える請求項１に記載の電力需要予測システム。
13. 前記抽出手段は、前記需要家の外気温変動電力の少なくとも一部の有無を示すＯＮ／ＯＦＦ情報を取得し、前記ＯＮ／ＯＦＦ情報と前記消費電力値データとに基づいて前記外気温電力関係を抽出する請求項１に記載の電力需要システム。
14. 前記モデル作成手段は、前記ＯＮ／ＯＦＦ情報と前記外気温電力関係とに基づいて行動状態を推定する請求項１３に記載の電力需要予測システム。
15. 前記抽出手段は、前記需要家の外気温変動電力の一部を取得し、取得した外気温変動電力と、前記消費電力値データとに基づいて前記外気温電力関係を抽出する請求項１に記載の電力需要予測システム。
16. 前記予測手段により予測された前記需要家の予測対象時点の消費電力に基づいて、デマンドレスポンスを実施した場合の前記需要家の電力削減量を予測する電力削減量見積部をさらに備え、
    前記予測手段は、前記電力削減量見積部により予測された前記電力削減量に基づいて、デマンドレスポンスを実施した場合の前記需要家の予測対象時点の消費電力を予測する請求項１に記載の電力需要予測システム。
17. 需要家の過去の消費電力値データのうち、一定の期間に含まれる消費電力値データを選択し、選択された消費電力値データに基づいて、外気温と、消費電力のうち外気温に応じて変動する外気温変動電力と、の関係である外気温電力関係を抽出し、
    前記抽出手段により抽出された外気温電力関係に基づいて、外気温に応じた前記需要家の消費電力を予測するための消費電力予測モデルを作成し、
    前記モデル作成手段により作成された消費電力予測モデルと予測対象時点の外気温とに基づいて、前記需要家の予測対象時点の消費電力を予測することを具備する電力需要予測方法。
18. 需要家の過去の消費電力値データのうち、一定の期間に含まれる消費電力値データを選択し、選択された消費電力値データに基づいて、外気温と、消費電力のうち外気温に応じて変動する外気温変動電力と、の関係である外気温電力関係を抽出する抽出手段と、
    前記抽出手段により抽出された外気温電力関係に基づいて、前記需要家にプロファイルを設定するプロファイル設定手段と、
    を備える需要家プロファイリングシステム。
19. 前記プロファイル設定手段は、前記外気温電力関係のうち、前記需要家が外気温変動電力の使用を開始する外気温に基づいて前記需要家のプロファイルを設定する請求項１８に記載の需要家プロファイリングシステム。
20. 前記プロファイル設定手段は、前記外気温電力関係と前記需要家の消費電力の基準となるベース電力とに基づいて、前記需要家のプロファイルを設定する請求項１８に記載の需要家プロファイリングシステム。
21. 需要家の過去の消費電力値データのうち、一定の期間に含まれる消費電力値データを選択し、選択された消費電力値データに基づいて、外気温と、消費電力のうち外気温に応じて変動する外気温変動電力と、の関係である外気温電力関係を抽出し、
    前記抽出手段により抽出された外気温電力関係に基づいて、前記需要家にプロファイルを設定することを具備する需要家プロファイリング方法。

Images