JPWO2016088370A1 - 情報処理装置、モデル構築方法及びプログラム記録媒体 - Google Patents

Abstract

異なる需要傾向を持つ複数の需要家が存在する場合であっても、適切な予測モデルを構築する情報処理装置等が開示される。係る情報処理装置は、契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、その需要の時系列に変化する特徴に基づいて、複数のその契約単位を任意の数のグループに分別する手段と、そのグループ毎にその需要のモデルである予測モデルを構築し、構築したその予測モデルを出力する手段と、を含む。

Description

本発明は、モデル構築の技術に関し、特に需要を予測するためのモデルを構築する技術に関する。

モデル構築に関し、様々な関連技術が知られている。

例えば、特許文献１は、適応的予測モデル構築システムを開示する。特許文献１の適応的予測モデル構築システムは、過去の時系列データを用いて予測モデルを構築し、その予測モデルから出力される予測値の誤差が第１の閾値より大きくなれば、その予測モデルを更新する。更に、その適応的予測モデル構築システムは、その予測値の誤差が第２の閾値より大きい場合は、その予測モデルのモデル構成についても更新する。尚、その適応的予測モデル構築システムは、過去の時系列データをクラスタリングし、クラスタ毎に予測モデルを構築する。

また、特許文献２は、可変的予測モデル構築システムを開示する。特許文献２の可変的予測モデル構築システムは、時系列データに補正（異常値の除去或いは補正）を加えた学習データを用いて、７〜７０日の複数の学習期間毎に予測モデルを構築する。次に、その可変的予測モデル構築システムは、各学習期間のモデル化精度評価（モデル化誤差の比較）を行い、予測精度が最も高い最適な学習期間、予測モデルを選択する。更に、その可変的予測モデル構築システムは、予測モデルのパラメータとして、需要データに加えて、曜日及び気温情報を説明変数として使用する。また、その可変的予測モデル構築システムは、特定の気温を境にして時系列データを分割し、分割された時系列データそれぞれに対応する予測モデルを構築する。

特開２００４−０８６８９６号公報 特開２００９−２３７８３２号公報

しかしながら、上述した先行技術文献に記載された技術においては、異なる需要傾向を持つ複数の需要家が存在する場合、構築される予測モデルが適切でない場合があるという課題がある。

その理由は、上述した先行技術文献に記載された技術においては、需要家によって需要傾向が異なる、即ち適切な予測モデルが異なるという点が考慮されていないからである。

具体的には、特許文献１の適応的予測モデル構築システムは、クラスタ毎に予測モデルを構築する。しかしながら、異なる多くの需要家が混在している場合、その適応的予測モデル構築システムにおいて、時系列データの一般的なクラスタ化により、適切な予測モデルの構築を保証できるとは限らない。

また、特許文献２の可変的予測モデル構築システムは、予測モデルのパラメータとして、曜日及び気温情報を説明変数として使用し、特定の気温の範囲に対応する複数の予測モデルを構築する。しかしながら、異なる多くの需要家が混在している場合、その可変的予測モデル構築システムにおいて、気温の範囲に応じて時系列データを分割することだけにより、適切な予測モデルの構築を保証できるとは限らない。

本発明の目的は、上述した課題を解決する情報処理装置、モデル構築方法及びそのためのプログラム記録媒体を提供することにある。

本発明の一様態における情報処理装置は、契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、前記需要の時系列に変化する特徴に基づいて、複数の前記契約単位を任意の数のグループに分別する分別手段と、前記グループ毎に前記需要のモデルである予測モデルを構築し、構築した前記予測モデルを出力するモデル構築手段と、を含む。

本発明の一様態におけるモデル構築方法は、コンピュータが、契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、前記需要の時系列に変化する特徴に基づいて、複数の前記契約単位を任意の数のグループに分別し、前記グループ毎に前記需要のモデルである予測モデルを構築し、構築した前記予測モデルを出力する。

なお同目的は、上記の各構成を有するモデル構築方法を、コンピュータによって実現するコンピュータ・プログラム、およびそのコンピュータ・プログラムが格納されている、コンピュータ読み取り可能な記憶媒体によっても達成される。

本発明は、異なる需要傾向を持つ複数の需要家が存在する場合であっても、適切な予測モデルを構築することが可能になるという効果がある。

図１は、本発明の第１の実施形態に係る情報処理装置の構成を示すブロック図である。 図２は、第１の実施形態に係る情報処理装置を実現するコンピュータのハードウエア構成を示すブロック図である。 図３は、第１の実施形態における電力需要データの一例を示す図である。 図４は、第１の実施形態における気象データの一例を示す図である。 図５は、第１の実施形態における典型パターンリストの一例を示す図である。 図６は、第１の実施形態における説明変数セットリストの一例を示す図である。 図７は、第１の実施形態における情報処理装置の動作を示すフローチャートである。 図８は、第１の実施形態の変形例に係る情報処理装置の構成を示すブロック図である。 図９は、本発明の第２の実施形態に係る情報処理装置の構成を示すブロック図である。 図１０は、第２の実施形態における情報処理装置の動作を示すフローチャートである。 図１１は、本発明の第３の実施形態に係る情報処理装置の構成を示すブロック図である。

本発明を実施するための形態について図面を参照して詳細に説明する。尚、各図面及び明細書記載の各実施形態において、同様の構成要素には同様の符号を付与し、適宜説明を省略する。なお、図面における矢印の方向は、一例を示すものであり、ブロック間の信号の向きを限定するものではない。

＜第１の実施形態＞
図１は、本発明の第１の実施形態に係る情報処理装置１００の構成を示すブロック図である。図１に示すように、本実施形態に係る情報処理装置１００は、分別部１１０とモデル構築部１２０とを含む。

図１に示す各構成要素は、ハードウエア単位の回路でも、マイクロチップに含まれるモジュールでも、コンピュータ装置の機能単位に分割された構成要素でもよい。ここでは、図１に示す構成要素が、コンピュータ装置の機能単位に分割された構成要素であるものとして説明する。尚、図１に示す情報処理装置１００は、あるサーバに実装され、ネットワークを介して利用可能にされてよいし、図１に示す各構成要素がネットワーク上に分散して設置されて利用可能にされてもよい。

図２は、本実施形態における情報処理装置１００を実現するコンピュータ７００のハードウエア構成を示す図である。

図２に示すように、コンピュータ７００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）７０１、記憶部７０２、記憶装置７０３、入力部７０４、出力部７０５及び通信部７０６を含む。更に、コンピュータ７００は、外部から供給される記録媒体（又は記憶媒体）７０７を含む。例えば、記録媒体７０７は、情報を非一時的に記憶する不揮発性記録媒体（非一時的記録媒体）である。また、記録媒体７０７は、情報を信号として保持する、一時的記録媒体であってもよい。

ＣＰＵ７０１は、オペレーティングシステム（不図示）を動作させて、コンピュータ７００の全体の動作を制御する。例えば、ＣＰＵ７０１は、記憶装置７０３に装着された記録媒体７０７から、そのプログラムやデータを読み込み、読み込んだそのプログラムやそのデータを記憶部７０２に書き込む。ここで、そのプログラムは、例えば、後述の図７に示すフローチャートの動作をコンピュータ７００に実行させるためのプログラムである。

そして、ＣＰＵ７０１は、その読み込んだプログラムに従って、またその読み込んだデータに基づいて、図１に示す分別部１１０及びモデル構築部１２０として各種の処理を実行する。

尚、ＣＰＵ７０１は、通信網（不図示）に接続される外部コンピュータ（不図示）から、記憶部７０２にそのプログラムやそのデータをダウンロードしてもよい。

記憶部７０２は、そのプログラムやそのデータを記憶する。記憶部７０２は、電力需要データ８１０（後述）、気象データ８２０（後述）、典型パターンリスト８３０（後述）、説明変数セットリスト８４０（後述）及び予測モデルリスト８６０（後述）などを記憶してよい。記憶部７０２は、分別部１１０及びモデル構築部１２０の一部として含まれてよい。

記憶装置７０３は、例えば、光ディスクや、フレキシブルディスク、磁気光ディスク、外付けハードディスク半導体メモリなどであって、記録媒体７０７を含む。記憶装置７０３（記録媒体７０７）は、そのプログラムをコンピュータ読み取り可能に記憶する。また、記憶装置７０３は、そのデータを記憶してもよい。記憶装置７０３は、電力需要データ８１０（後述）、気象データ８２０（後述）、典型パターンリスト８３０（後述）、説明変数セットリスト８４０（後述）及び予測モデルリスト８６０（後述）などを記憶してよい。記憶装置７０３は、分別部１１０及びモデル構築部１２０の一部として含まれてよい。

入力部７０４は、オペレータによる操作の入力や外部からの情報の入力を受け付ける。入力操作に用いられるデバイスは、例えば、マウスや、キーボード、内蔵のキーボタン及びタッチパネルなどである。入力部７０４は、分別部１１０及びモデル構築部１２０の一部として含まれてよい。

出力部７０５は、例えばディスプレイで実現される。出力部７０５は、例えばＧＵＩ（ＧＲＡＰＨＩＣＡＬ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）によるオペレータへの入力要求や、オペレータに対する出力提示などのために用いられる。出力部７０５は、分別部１１０及びモデル構築部１２０の一部として含まれてよい。

通信部７０６は、外部装置（不図示）とのインタフェースを実現する。通信部７０６は、分別部１１０及びモデル構築部１２０の一部として含まれてよい。

以上説明したように、図１に示す情報処理装置１００の機能単位の各構成要素は、図２に示すハードウエア構成のコンピュータ７００によって実現される。但し、コンピュータ７００が備える各部の実現手段は、上記に限定されない。すなわち、コンピュータ７００は、物理的に結合した１つの装置により実現されてもよいし、物理的に分離した２つ以上の装置を有線又は無線で接続し、これら複数の装置により実現されてもよい。

尚、上述のプログラムのコードを記録した記録媒体７０７が、コンピュータ７００に供給される場合、ＣＰＵ７０１は、記録媒体７０７に格納されたそのプログラムのコードを読み出して実行してもよい。或いは、ＣＰＵ７０１は、記録媒体７０７に格納されたそのプログラムのコードを、記憶部７０２、記憶装置７０３又はその両方に格納してもよい。すなわち、本実施形態は、コンピュータ７００（ＣＰＵ７０１）が実行するそのプログラム（ソフトウエア）を、一時的に又は非一時的に、記憶する記録媒体７０７の実施形態を含む。尚、情報を非一時的に記憶する記憶媒体は、不揮発性記憶媒体とも呼ばれる。

以上が、本実施形態における情報処理装置１００を実現するコンピュータ７００の、ハードウエア単位の各構成要素についての説明である。

図１に戻って、情報処理装置１００の機能単位の各構成要素について説明する。

＝＝＝分別部１１０＝＝＝
分別部１１０は、契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、その需要の時系列に変化する特徴に基づいて、複数の契約単位を任意の数のグループに分別する。

換言すると、第１に、分別部１１０は、各契約単位について、上記要素のそれぞれに対応する特徴を分析する。第２に、分別部１１０は、特徴パターンが所定の類似性を有している契約単位同士を、同じグループに分類する。ここで、特徴パターンとは、契約単位に関し、上記要素に対応する特徴の組み合わせにより示されるパターンである。具体的には、特徴パターンは、後述する図５に示す典型パターンリスト８３０に含まれる典型パターンと同じ構造を有する。

ここで、契約とは、例えば、電力を供給する電力事業者と電力を利用する需要家との間の電力使用契約である。この場合、契約単位の需要は、その電力使用契約に係る電力の使用量である。尚、契約単位として扱われる契約は、ガスの使用や、水道の使用、食材などの定期購入、クラウドシステムの使用に関する契約など、供給事業者と需要家との間の任意の契約であってよい。

要素とは、例えば、特定の時間帯（例えば、９：００から１７：００）や、特定の曜日（例えば、月曜日、土日曜日）、特定の学校休み期間（例えば、夏休み）、暦上の特定の特異日（例えば、盆、正月、クリスマス、大安、友引）などである。上述の要素は、一般的に、時間軸上の特定の期間とも呼ばれる。

また、要素は、気温（例えば、摂氏Ｔ（Ｔは、実数）度以上、摂氏Ｔ度以下、直前の最低気温）、降雨（１時間当たりの降水量がＲ（Ｒは、正の実数）ミリメートル以上）、風（最大風速が毎秒Ｘ（Ｘは、正の実数）メートル以上）などである。上述の要素は、一般的に、特定の気象状態とも呼ばれる。

需要の時系列変化とは、例えば、その需要が「電力の使用量」である場合、一定時間（例えば、３０分）毎の電力使用量の変化である。

要素に対応する特徴（需要の時系列変化の特徴）とは、その要素に対するその需要の感応度で示されてよい。具体的には、要素「日曜日」に需要（電力使用量）が増加するならば、「その需要は要素「日曜日」に正の感応度を有する」という特徴を有する。要素「日曜日」に需要（電力使用量）が減少するならば、「その需要は要素「日曜日」に負の感応度を有する」という特徴を有する。要素「日曜日」の需要（電力使用量）と他の曜日の需要との差異が所定の閾値以下ならば、「その需要は要素「日曜日」に対する感応度がない」という特徴を有する。この場合、その特徴の量は、感応度「正」、「負」及び「無」のそれぞれに対して、１、−１及び０として示されてよい。或いは、その特徴の量は、要素「日曜日」の需要と他の曜日の需要との差異に対応する連続的な値で示されてもよい。

具体的には、第１に、分別部１１０は、契約単位のそれぞれについて、例えば、適切な任意の期間の、需要の時系列データ（例えば、電力の需要データ）を標準化（正規分布と見なして標準正規分布に変換）し、要素毎に特徴を分析する。この際、分別部１１０は、時間軸上の特定の期間である要素については、カレンダー等に基づいて、その需要の時系列データと要素との対応を付けてよい。また、分別部１１０は、特定の気象状態である要素については、気象情報の時系列データに基づいて、その需要の時系列データと要素との対応を付けてよい。

第２に、分別部１１０は、上述の特徴の組み合わせにより示される特徴パターンが所定の類似性を有している契約単位同士が、同一のグループに含まれるように、契約単位を分別する。例えば、分別部１１０は、各契約単位を典型パターンのそれぞれに対応するグループに分別する。ここで、典型パターンは、後述する図５に示す典型パターンリスト８３０に含まれる、要素に対応する感応度の定義（特徴）の組み合わせ（パターン）により示される情報である。特徴パターンは、典型パターンと同じ構造を有する。

換言すると、各契約単位が分別されるグループは、その契約単位が示す特徴パターンに類似するパターンを有する典型パターンに対応するグループである。分別部１１０は、契約単位が示す特徴パターンと、典型パターンとの類似度を計算し、その類似度スコアに基づいて、各契約単位を分別してよい。また、分別部１１０は、判別処理により各契約単位が示す特徴パターンと、各典型パターン（その典型パターンに対応するグループ）との対応を決定してよい。分別部１１０は、パターンマッチング処理により、各契約単位が示す特徴パターンと、各典型パターンとの類似性を判定してもよい。

分別部１１０は、上述の例に係わらず、任意の適切な手段で、契約単位の需要の時系列変化の特徴に基づいて、複数のその契約単位を任意の数のグループに分別してよい。

＝＝＝モデル構築部１２０＝＝＝
モデル構築部１２０は、グループ毎に需要のモデルである予測モデルを構築し、構築した予測モデルを出力する。

モデル構築部１２０は、例えば、グループに対応する典型パターンに基づいて、説明変数セットを取得する。次に、モデル構築部１２０は、取得したその説明変数セットを用いて、そのグループの予測モデルを構築する。この時、モデル構築部１２０は、例えば、そのグループに含まれる各契約単位に含まれる需要の平均値に対して、予測モデルを構築する。

尚、モデル構築部１２０は、そのグループに含まれる契約単位のそれぞれの、需要に対して予測モデルを構築してもよい。この場合、予測モデルの構築に、より多くの計算機資源が必要となる。更に、構築された予測モデルを利用して、需要を予測するような場合にも、その予測モデルの数に対応する計算機資源が必要とされることが考えられる。

＝＝＝電力需要データ８１０＝＝＝
図３は、本実施形態における電力需要データ８１０の一例を示す図である。図３に示す電力需要データ８１０は、１つの契約単位における１時間毎の消費電力（キロワット時）を示すレコードからなる、時系列データである。

図３において、時刻は、日付（例えば、９／１２）と時刻（例えば、０（午前零時を示す））とを示す。また、消費電力は、そのレコードが示す時刻の、０分から５９分までの１時間の、消費電力である。尚、電力需要データ８１０は、図３に示す例に係わらず、任意の適切な時間単位の消費電力を示すレコードを含んでよい。

＝＝＝気象データ８２０＝＝＝
図４は、本実施形態における気象データ８２０の一例を示す図である。図４に示す気象データ８２０は、１時間毎の気象状態を示すレコードからなる、時系列データである。気象状態は、所定の地域毎に異なるため、１つの気象データ８２０は、その地域に存在する契約単位のそれぞれに対応する。

図４において、時刻は、日付（例えば、９／１２）と時刻（例えば、０（午前零時を示す））とを示す。また、気温は、例えば、そのレコードが示す時刻の、正時の気温である。湿度は、例えば、そのレコードが示す時刻の、正時の湿度である。降水量は、例えば、そのレコードが示す時刻の、０分から５９分までの１時間の、降水量である。風力は、そのレコードが示す時刻の、０分から５９分までの１時間の、平均風力である。尚、気象データ８２０は、図４に示す例に係わらず、任意の適切な時間単位の気象状態を示すレコードを含んでよい。尚、気象データ８２０は、図４に示す例に係わらず、任意の適切な気象状態の項目を示すレコードを含んでよい。

＝＝＝典型パターンリスト８３０＝＝＝
図５は、本実施形態における典型パターンリスト８３０の一例を示す図である。図５に示す典型パターンリスト８３０は、典型パターンを示すレコードからなる。図５において、パターン識別子は、典型パターンの識別子である。各レコードは、パターン識別子に対して、「平日」、「休日」、「夏休み」、「友引」及び「摂氏２５度以上」の５つの要素に対応する感応度の定義（特徴）の組み合わせを示す。図中の「＋１」、「−１」及び「０」のそれぞれは、その要素のそれぞれに対して、正の感応度を持つこと、負の感応度を持つこと、及び感応しないことを示す。

＝＝＝説明変数セットリスト８４０＝＝＝
図６は、本実施形態における説明変数セットリスト８４０の一例を示す図である。図６に示す説明変数セットリスト８４０は、パターン識別子とそのパターン識別子に対応する説明変数セットとの組を示すレコードからなる。

例えば、図６に示すパターン識別子「ＤＰ１」の説明変数セットである「曜日、祝祭日、学校休み、気温」は、図５に示すパターン識別子「ＤＰ１」の典型パターンに対応する。即ち、パターン識別子「ＤＰ１」の典型パターンの要素「平日」は、説明変数セットの「曜日」でモデル化される。同様に、要素「休日」は、説明変数セットの「曜日」及び「祝祭日」でモデル化される。要素「夏休み」は、説明変数セットの「学校休み」でモデル化される。要素「摂氏２５度以上」は、説明変数セットの「気温」でモデル化される。

以上が、情報処理装置１００の機能単位の各構成要素についての説明である。

次に本実施形態の動作について、図面を参照して詳細に説明する。

図７は、本実施形態の動作を示すフローチャートである。尚、このフローチャートによる処理は、前述したＣＰＵ７０１によるプログラム制御に基づいて、実行されてよい。また、処理のステップ名については、Ｓ６０１のように、記号で記載する。

例えば、情報処理装置１００は、図２に示す入力部７０４を介して操作者から指示を受けたことを契機に、図７に示すフローチャートの動作を開始する。情報処理装置１００は、図２に示す通信部７０６を介して、外部から要求を受信したことを契機に、図７に示すフローチャートの動作を開始してもよい。

分別部１１０は、典型パターンリスト８３０を取得する（ステップＳ６０１）。例えば、典型パターンリスト８３０は、図２に示す記憶部７０２或いは記憶装置７０３に、予め記憶されていてよい。また、分別部１１０は、図２に示す入力部７０４を介して操作者が入力した、典型パターンリスト８３０を取得してもよい。また、分別部１１０は、図２に示す通信部７０６を介して図示しない機器から、典型パターンリスト８３０を受信してもよい。また、分別部１１０は、図２に示す記憶装置７０３を介して、記録媒体７０７に記録された典型パターンリスト８３０を取得してもよい。

分別部１１０は、各契約単位に対応する電力需要データ８１０の全てについて、ステップＳ６０３からステップＳ６０５までの処理を実行する（ステップＳ６０２）。

分別部１１０は、１つの契約単位の電力需要データ８１０及びその電力需要データ８１０に対応する気象データ８２０を取得する（ステップＳ６０３）。

例えば、電力需要データ８１０及び気象データ８２０は、図２に示す記憶部７０２或いは記憶装置７０３に、予め記憶されていてよい。また、分別部１１０は、図２に示す入力部７０４を介して操作者が入力した、電力需要データ８１０及び気象データ８２０を取得してもよい。また、分別部１１０は、図２に示す通信部７０６を介して図示しない機器から、電力需要データ８１０及び気象データ８２０を受信してもよい。また、分別部１１０は、図２に示す記憶装置７０３を介して、記録媒体７０７に記録された電力需要データ８１０及び気象データ８２０を取得してもよい。

次に、分別部１１０は、典型パターンリスト８３０に含まれる要素毎に、気象データ８２０及びカレンダー情報に基づいて、電力需要データ８１０に含まれる時系列データの特徴を分析する（ステップＳ６０４）。分別部１１０は、カレンダー情報を予め備えているものとする。尚、分別部１１０は、カレンダー情報を、典型パターンリスト８３０と同様に取得してもよい。

次に、分別部１１０は、ステップＳ６０４で分析した特徴に基づいて、典型パターンリスト８３０に含まれる典型パターンの内、その特徴パターンが最も類似する典型パターンに、その契約単位を対応付ける（ステップＳ６０５）。換言すると、分別部１１０は、ステップＳ６０４で分析した特徴に基づいて、その契約単位が示す特徴パターンが最も類似する典型パターンに対応するグループに、その契約単位を分別する。

分別部１１０が全ての契約単位についてステップＳ６０３からステップＳ６０５までの処理を実行すると、ステップＳ６０２で開始したループが終了する。そして、処理は、ステップＳ６０７へ進む（ステップＳ６０６）。

次に、分別部１１０は、グループ毎に、そのグループに含まれる契約単位の電力需要データ８１０について、時刻毎の消費電力の平均値を算出し、平均需要データ８５０を作成する（ステップＳ６０７）。平均需要データ８５０は、電力需要データ８１０と同じ構造であって、算出されたその平均値を消費電力として含む。

次に、モデル構築部１２０は、説明変数セットリスト８４０を取得する（ステップＳ６０８）。例えば、説明変数セットリスト８４０は、図２に示す記憶部７０２或いは記憶装置７０３に、予め記憶されていてよい。また、モデル構築部１２０は、図２に示す入力部７０４を介して操作者が入力した、説明変数セットリスト８４０を取得してもよい。また、モデル構築部１２０は、図２に示す通信部７０６を介して図示しない機器から、説明変数セットリスト８４０を受信してもよい。また、モデル構築部１２０は、図２に示す記憶装置７０３を介して、記録媒体７０７に記録された説明変数セットリスト８４０を取得してもよい。

モデル構築部１２０は、グループの全てについて、ステップＳ６１０からステップＳ６１１までの処理を実行する（ステップＳ６０９）。

次に、モデル構築部１２０は、１つのグループの典型パターンに対応する説明変数セットを、説明変数セットリスト８４０から取得する（ステップＳ６１０）。

次に、モデル構築部１２０は、そのグループに対応する平均需要データ８５０及びその説明変数セットに基づいて、予測モデルを構築する（ステップＳ６１１）。予測モデルを構築する手法は特に限定しないが、例えば、特許文献１または特許文献２に記載の手法を用いてもよい。

モデル構築部１２０が全てのグループについてステップＳ６１０からステップＳ６１１までの処理を実行すると、処理はステップＳ６１３へ進む（ステップＳ６１２）。

次に、モデル構築部１２０は、各グループに対する予測モデルをリストにした予測モデルリスト８６０を出力する（ステップＳ６１３）。その後、処理は終了する。

例えば、モデル構築部１２０は、予測モデルリスト８６０を図２に示す出力部７０５を介して出力する。また、モデル構築部１２０は、図２に示す通信部７０６を介して、図示しない機器に予測モデルリスト８６０を送信してもよい。また、モデル構築部１２０は、図２に示す記憶装置７０３を介して、記録媒体７０７に予測モデルリスト８６０を記録してもよい。

尚、モデル構築部１２０は、予測モデルリスト８６０に加えて、各契約単位と各グループとの対応を示す情報、各グループに対応する典型パターンの情報、及びその典型パターンに対応する説明変数セットの情報を、人が認識可能な形式で出力してよい。

上述した本実施形態における第１の効果は、異なる需要傾向を持つ複数の需要家が存在する場合であっても、適切な予測モデルを構築することを可能にする点である。

その理由は、分別部１１０が契約単位の需要の時系列変化の特徴に基づいて、その契約単位をグループに分別し、モデル構築部１２０がそのグループ毎に予測モデルを構築して出力するからである。

上述した本実施形態における第２の効果は、予測モデルを構築するための計算機資源を節約することが可能になる点である。

その理由は、分別部１１０が平均需要データ８５０を作成し、モデル構築部１２０が平均需要データ８５０を利用してグループ毎に予測モデルを構築するからである。

＜第１の実施形態の変形例＞
図８は、第１の実施形態の変形例である情報処理システム１０１を示す図である。図８に示すように、情報処理システム１０１は、図１に示す情報処理装置１００の分別部１１０及びモデル構築部１２０と、端末１０２と、記憶装置１０３と、記憶装置１０４とを含む。分別部１１０と、モデル構築部１２０と、端末１０２と、記憶装置１０３と、記憶装置１０４とは、ネットワーク１０９を介して接続されている。尚、分別部１１０と、モデル構築部１２０と、端末１０２と、記憶装置１０３と、記憶装置１０４との任意の組み合わせは、１台の図２に示すようなコンピュータ７００であってよい。また、分別部１１０と、モデル構築部１２０と、端末１０２と、記憶装置１０３と、記憶装置１０４との任意のいずれかどうしは、ネットワークを介することなく直接接続されてもよい。即ち、分別部１１０と、モデル構築部１２０と、端末１０２と、記憶装置１０３と、記憶装置１０４とは、任意に、ネットワーク１０９を介して接続されてよい。

＝＝＝端末１０２＝＝
端末１０２は、操作者からの指示により、分別部１１０に対して予測モデルの生成を指示する。また、端末１０２は、モデル構築部１２０から受信した予測モデルリスト８６０を、出力（例えば、操作者に対して表示）する。

＝＝＝記憶装置１０３＝＝＝
記憶装置１０３は、電力需要データ８１０及び予測モデルリスト８６０を記憶する。

＝＝＝記憶装置１０４＝＝＝
記憶装置１０４は、気象データ８２０、典型パターンリスト８３０及び説明変数セットリスト８４０を記憶する。

上述した本実施形態における変形例の効果は、情報処理システム１０１の構築を柔軟に実現することが可能になる点である。

その理由は、分別部１１０と、モデル構築部１２０と、端末１０２と、記憶装置１０３と、記憶装置１０４とを、任意に、ネットワーク１０９を介して接続するからである。

＜第２の実施形態＞
次に、本発明の第２の実施形態について図面を参照して詳細に説明する。以下、本実施形態の説明が不明確にならない範囲で、前述の説明と重複する内容については説明を省略する。

図９は、本発明の第２の実施形態に係る情報処理装置２００の構成を示すブロック図である。

図９に示すように、本実施形態における情報処理装置２００は、第１の実施形態の情報処理装置１００と比べて、予測部２３０を更に含む点が異なる。

情報処理装置２００は、情報処理装置１００と同様に、図２に示すコンピュータ７００によって実現されてよい。

この場合、ＣＰＵ７０１は、その読み込んだプログラムに従って、またその読み込んだデータに基づいて、更に、図９に示す予測部２３０としても、各種の処理を実行する。ここで、そのプログラムは、例えば、後述の図１０に示すフローチャートの動作をコンピュータ７００に実行させるためのプログラムである。

記憶部７０２は、更に予測対象時刻８０１及び総需要予測８７０を記憶してよい。記憶部７０２は、更に予測部２３０の一部としても含まれてよい。

記憶装置７０３は、更に予測対象時刻８０１及び総需要予測８７０を記憶してよい。記憶装置７０３は、更に予測部２３０の一部としても含まれてよい。

入力部７０４は、更に予測部２３０の一部としても含まれてよい。

出力部７０５は、更に予測部２３０の一部としても含まれてよい。

通信部７０６は、更に予測部２３０の一部としても含まれてよい。

＝＝＝予測部２３０＝＝＝
予測部２３０は、予測モデルリスト８６０に含まれる予測モデルのそれぞれに基づいて、その予測モデルにおける需要（モデル需要）を予測する。次に、予測部２３０は、その予測モデルに対応するグループに含まれる契約単位の数を、そのモデル需要に乗じてグループ需要を算出する。更に、予測部２３０は、全てのそのグループ需要を合算して総需要予測８７０を算出して出力する。

次に本実施形態の動作について、図面を参照して詳細に説明する。

図１０は、本実施形態の動作を示すフローチャートである。

ステップＳ６０１からステップＳ６１３は、図７に示すＳ６０１からステップＳ６１３と同じである。

次に、予測部２３０は、予測対象時刻８０１を取得する（ステップＳ６１４）。
例えば、予測部２３０は、図２に示す入力部７０４を介して操作者が入力した、予測対象時刻８０１を取得する。また、予測部２３０は、図２に示す通信部７０６を介して図示しない機器から、予測対象時刻８０１を受信してもよい。

次に、予測部２３０は、総需要予測８７０を算出して出力する（ステップＳ６１５）。

例えば、予測部２３０は、総需要予測８７０を図２に示す出力部７０５を介して出力する。また、予測部２３０は、図２に示す通信部７０６を介して、図示しない機器に総需要予測８７０を送信してもよい。また、予測部２３０は、図２に示す記憶装置７０３を介して、記録媒体７０７に総需要予測８７０を記録してもよい。

尚、予測部２３０は、総需要予測８７０に加えて、予測対象時刻８０１、モデル需要及びグループ需要を、任意に、人が認識可能な形式で出力してよい。

上述した本実施形態における効果は、第１の実施形態の効果に加えて、異なる需要傾向を持つ複数の需要家が存在する場合であっても、より高精度な電力需要要求を提供することが可能になる点である。

その理由は、予測部２３０が、予測モデルリスト８６０に含まれる予測モデルに基づいて、総需要予測８７０を算出して出力するからである。

＜第２の実施形態の変形例＞
図８に示す情報処理システム１０１は、予測部２３０を含んでよい。この場合、予測部２３０は、ネットワーク１０９を介して、他の構成要素と接続されてよい。或いは、予測部２３０は、直接、他の構成要素と接続されてもよい。

＜第３の実施形態＞
図１１は、本発明の第３の実施形態に係る情報処理装置９００の構成を示すブロック図である、図１１に示すように、情報処理装置９００は、分別部９１０およびモデル構築部９２０を備える。

分別部９１０は、契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、需要の時系列に変化する特徴に基づいて、複数の契約単位を任意の数のグループに分別する。モデル構築部９２０は、グループ毎に需要のモデルである予測モデルを構築し、構築した予測モデルを出力する。

上記構成を採用することにより、本第３の実施形態によれば、需要傾向ごとに予測モデルを構築するので、異なる需要傾向を持つ複数の需要家が存在する場合であっても、適切な予測モデルを構築することが可能になるという効果がある。

以上の各実施形態で説明した各構成要素は、必ずしも個々に独立した存在である必要はない。例えば、複数個の任意のその構成要素が１個のモジュールとして実現されてよい。また、その構成要素の内の任意のひとつが複数のモジュールで実現されてもよい。また、その構成要素の内の任意のひとつがその構成要素の内の任意の他のひとつであってよい。また、その構成要素の内の任意のひとつの一部と、その構成要素の内の任意の他のひとつの一部とが重複してもよい。

以上説明した各実施形態における各構成要素及び各構成要素を実現するモジュールは、必要に応じ、可能であれば、ハードウエア的に実現されてよい。また、各構成要素及び各構成要素を実現するモジュールは、コンピュータ及びプログラムで実現されてよい。また、各構成要素及び各構成要素を実現するモジュールは、ハードウエア的なモジュールとコンピュータ及びプログラムとの混在により実現されてもよい。

そのプログラムは、例えば、磁気ディスクや半導体メモリなど、コンピュータが読み取り可能な非一時的記録媒体に記録され、コンピュータに提供される。そして、そのプログラムは、コンピュータの立ち上げ時などに、非一時的記録媒体からコンピュータに読み取られる。この読み取られたプログラムは、そのコンピュータの動作を制御することにより、そのコンピュータを前述した各実施形態における構成要素として機能させる。

また、以上説明した各実施形態では、複数の動作をフローチャートの形式で順番に記載してあるが、その記載の順番は複数の動作を実行する順番を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の順番は内容的に支障のない範囲で変更することができる。

更に、以上説明した各実施形態では、複数の動作は個々に相違するタイミングで実行されることに限定されない。例えば、ある動作の実行中に他の動作が発生してよい。また、ある動作と他の動作との実行タイミングが部分的に乃至全部において重複してもよい。

更に、以上説明した各実施形態では、ある動作が他の動作の契機になるように記載しているが、その記載はある動作と他の動作との関係を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の関係は内容的に支障のない範囲で変更することができる。また各構成要素の各動作の具体的な記載は、各構成要素の各動作を限定するものではない。このため、各構成要素の具体的な各動作は、各実施形態を実施する上で機能的、性能的、その他の特性に対して支障を来さない範囲内で変更されてよい。

以上、各実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１４年１２月５日に出願された日本出願特願２０１４−２４６９３５を基礎とする優先権を主張し、その開示の全てをここに取り込む。

本発明は、電力やガスなどのエネルギーや、水道水、食材、食料品、情報処理資源及び通信処理資源などの、需要予測及び供給制御に適用できる。

１００ 情報処理装置
１０１ 情報処理システム
１０２ 端末
１０３ 記憶装置
１０４ 記憶装置
１０９ ネットワーク
１１０ 分別部
１２０ モデル構築部
２００ 情報処理装置
２３０ 予測部
７００ コンピュータ
７０１ ＣＰＵ
７０２ 記憶部
７０３ 記憶装置
７０４ 入力部
７０５ 出力部
７０６ 通信部
７０７ 記録媒体
８０１ 予測対象時刻
８１０ 電力需要データ
８２０ 気象データ
８３０ 典型パターンリスト
８４０ 説明変数セットリスト
８５０ 平均需要データ
８６０ 予測モデルリスト
８７０ 総需要予測

Claims (10)

1. 契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、前記需要の時系列に変化する特徴に基づいて、複数の前記契約単位を任意の数のグループに分別する分別手段と、
   前記グループ毎に前記需要のモデルである予測モデルを構築し、構築した前記予測モデルを出力するモデル構築手段と、を含む
   情報処理装置。
2. 複数の前記要素のいずれかは時間軸上の任意の特定の期間であり、前記複数の要素の他のいずれかは任意の特定の気象状態である
   請求項１記載の情報処理装置。
3. 前記需要の時系列に変化する特徴は、前記要素に対する前記需要の感応度である
   請求項１又は２記載の情報処理装置。
4. 前記分別手段は、前記需要の時系列に変化する特徴の組み合わせを示す特徴パターンと、前記要素に対応する感応度の定義の組み合わせを示す典型パターンと、の類似度に基づいて、前記契約単位を前記グループに分別する
   請求項１乃至３のいずれか１項に記載の情報処理装置。
5. 前記モデル構築手段は、前記グループに対応する前記典型パターンに基づいて説明変数セットを取得し、取得した前記説明変数セットを用いて、前記グループに含まれる前記契約単位のそれぞれの需要の平均値に対して前記予測モデルを構築する
   請求項４記載の情報処理装置。
6. 前記予測モデルにおける需要であるモデル需要を予測し、前記予測モデルに対応する前記グループに含まれる前記契約単位数を前記モデル需要に乗じてグループ需要を算出し、全ての前記グループに対応する前記グループ需要を合算して予測総需要を算出する予測手段を更に含む、
   請求項１乃至５のいずれか１項に記載の情報処理装置。
7. 前記予測手段は、更に、前記モデル需要及び前記グループ需要を出力する
   請求項６記載の情報処理装置。
8. 前記モデル構築手段は、更に、前記契約単位のそれぞれと前記グループのそれぞれとの対応を示す情報、前記グループのそれぞれと前記典型パターンとの対応を示す情報、及び前記典型パターンのそれぞれと前記説明変数セットのそれぞれとの対応を示す情報を出力する
   請求項１乃至７のいずれか１項に記載の情報処理装置。
9. コンピュータが、
   契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、前記需要の時系列に変化する特徴に基づいて、複数の前記契約単位を任意の数のグループに分別し、
   前記グループ毎に前記需要のモデルである予測モデルを構築し、構築した前記予測モデルを出力する
   モデル構築方法。
10. 契約単位の需要に影響を及ぼしうる要素のそれぞれに対応する、前記需要の時系列に変化する特徴に基づいて、複数の前記契約単位を任意の数のグループに分別する処理と、
    前記グループ毎に前記需要のモデルである予測モデルを構築し、構築した前記予測モデルを出力する処理とを、
    コンピュータに実行させるプログラムを記録するプログラム記録媒体。

Images