TWI592811B - 需求預測裝置、程式以及記錄媒體 - Google Patents
需求預測裝置、程式以及記錄媒體 Download PDFInfo
- Publication number
- TWI592811B TWI592811B TW099123102A TW99123102A TWI592811B TW I592811 B TWI592811 B TW I592811B TW 099123102 A TW099123102 A TW 099123102A TW 99123102 A TW99123102 A TW 99123102A TW I592811 B TWI592811 B TW I592811B
- Authority
- TW
- Taiwan
- Prior art keywords
- demand
- time
- prediction
- forecasting
- input
- Prior art date
Links
- 238000000034 method Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 description 13
- 238000013500 data storage Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本發明是有關於一種用於進行電力、氣體、熱、水等的需求預測的需求預測裝置、程式以及記錄媒體。
對將來的電力需求或氣體需求、熱需求等的能量的需求、水需求或其他商品的需求進行預測而言,對於製定發電計劃、供給計劃或者銷售計劃是重要的。
尤其就電力需求而言,為了決定可起動的發電機,非常有必要對翌日的最大電力需求進行預測。為此,要根據過去的電力需求的實績或翌日的最高氣溫的預測值等並利用回歸分析(regression analysis)等來預測出最大電力需求。
另一方面,不僅最大電力需求,早晨的電力需求的上升及午休的電力需求的下降對於製作發電機的運轉計劃而言也較為重要。為此,必需對一日的電力需求量的變化即時間序列(time series)資料進行預測,例如對以1小時為單位的24點的時間序列資料進行預測。
作為此種對時間序列資料進行預測的領域的技術,例如有日本專利特開平5-18995號公報所揭示的電力總需求量預測裝置。該裝置根據氣溫及濕度的資料與過去的電力需求資料來對將來的電力總需求量進行預測。該裝置對一日的電力總需求量進行預測,並利用神經網路(neural network)等的方法來補正誤差。亦即,該裝置在例如氣溫變動大的情況下等的誤差具有特定傾向的情況下,利用神經網路等的方法來找出該誤差並進行補正。
而且,作為上述對時間序列資料進行預測的領域的技術的另一例,例如有日本專利特開2007-47996號公報所揭示的需求預測裝置。該裝置根據氣象資訊來預測出將來的固定期間內的每小時的電力需求。作為預測模型(model),使用回歸(regression)模型作為一例,輸入資料設為在該時間點可獲取的最新的需求實績等。而且,該裝置為了提高預測的精度而使用最新的氣象資料來時刻對預測值進行修正。
如上述般,先前技術中,在最大需求的預測中,即便每小時的需求的預測中也會使用特定的預測模型,各時刻、各日的預測模型為獨立。而在實際的電力需求中,一日內的各時刻的需求彼此相關聯。亦即,發現如果因為某種原因而早晨的電力需求增大,則中午的最高的電力需求也有增大的傾向。例如,在夏天,如果早晨的氣溫較高則因空調所引起的早晨的電力需求會增加,而即便假如從中午開始氣溫下降,也會有較大的電力需求仍繼續存在的情況。在此種情況下,當針對各時刻單獨進行預測時,因無法考慮過去的履歷,故而存在作為預測結果的電力需求與實際的需求的誤差增大的問題。
另一方面,也有以一日的需求曲線作為模式(pattern)進行預測的方法。作為具代表性的一例,例如有日本專利特開平10-80062號公報所揭示的使用神經網路(neural network)的技術。在該技術中,因同時獲取各時刻的需求預測值來作為輸出資料,故而各時刻的需求的關聯性為預測模型所固有。該裝置中,僅取得某時刻與另外的特定時刻的關聯性,而為了指定該些時刻的需求的因果關係,則必需另外製作用於該因果關係的預測模型。
另一方面,作為利用其他方法考慮各時刻間的關聯性的技術,例如有日本專利特開2005-56103號公報所揭示般的如下技術:為了考慮單位時間間隔的連續性來進行需求預測,將過去的氣溫資料加以平均化而使用。藉此,要考慮需求變化的時間延遲,該延遲是由室內氣溫對室外氣溫保持時間延遲而變化所引起。然而,該方法要基於對需求的影響理由的具體考察,因而不可一直以公式化(formulation)來進行。
如上述般,先前技術中,在電力需求等的時間序列資料例如以1小時為單位而以24點進行預測的情況下,為了考慮各時刻的相關性,則必需進行特別的公式化,或者必需使用以24點為輸出的神經網路。
然而,就上述特別的公式化而言,雖可進行如氣溫般物理現象的公式化,但會在因不明原因的理由而導致需求變化的情況下無法考慮時刻間的相關性。而且,關於神經網路的使用,存在該神經網路的輸入與輸出的關係的解釋困難的問題。
而且,在以24點進行預測的情況下,也必需針對各時刻準備輸入資料,因此與僅對最大需求進行預測相比輸入資料大幅增加,從而就現實而言難以準備該些資料。如此,當以24點進行預測時,與以1點進行預測的情況相比所得的計算時間僅成為24倍,而如果在考慮了各時刻的關聯性的情況下輸入資料會進一步增加。由此,為了預測而使用神經網路的情況下等等,計算時間與以1點進行預測的情況相比,要遠遠大於上述的24倍。
對此,本發明的目的在於提供一種可進行考慮了時刻間的相關性的適當的需求預測的需求預測裝置、程式以及記錄媒體。
亦即,本發明的需求預測裝置包括:輸入裝置,在需求的將來的時間序列資料的預測中,當對1日中的多個時刻的需求進行預測時,將用於需求預測對象時刻的需求預測的輸入資料及上述需求預測對象時刻以前的規定時刻的需求的預測結果作為上述用於需求預測對象時刻的需求預測的輸入資料的一部分而輸入;以及需求預測運算處理部,使用上述輸入裝置的輸入結果來計算出上述需求預測對象時刻的需求的預測值。
為讓本發明之上述和其他目的、特徵和優點能更明顯易懂,下文特舉較佳實施例,並配合所附圖式,作詳細說明如下。
以下,藉由附圖來說明本發明的實施形態。
本實施形態中,是以電力的時間序列資料的需求預測為例來進行說明,但也可適用於氣體或熱等的其他能量的需求預測或能量以外的需求預測,例如水或其他商品的銷售需求預測中。
關於必需對一日中的幾點的時刻的需求值進行預測,根據預測的目的有所不同,而方法論(methodology)或考慮方法、計算的工夫等亦大有不同。最終以1小時為單位的需求預測值為必需,且視情況以更短的時間為單位的需求預測值為必需。通常採用如下方法:以最大需求值及最小需求值等的2點至數點進行預測,根據該預測結果,選擇與過去的電力需求的負載曲線的傾向類似的一日,並根據該日的電力需求的負載曲線來推測電力需求的預測對象日的一日的電力需求的負載曲線。近年來,因微細時間間隔的預測的必要性提高,故而討論了以預測對象日的1小時為單位的24點進行預測的方法。
圖1是表示基於電力的最大需求及最小需求的電力需求的先前的預測方法的一例的圖。
圖1所示的橫軸為時間,該橫軸的左端為午前0點,右端為24點。以下的圖的橫軸也同樣。在圖1的情況下,需求預測裝置首先對電力需求預測對象日的電力的最小需求預測值101(Dbottom)與最大需求預測值102(Dpeak)進行預測。繼而,需求預測裝置在將電力需求的過去的一日的負載曲線103、104、105等應用於上述各種需求預測值後,藉由選擇該些之中最恰當的較佳的負載曲線103,來預測電力需求預測對象日的一日24小時的電力需求值。
在該情況下,應預測的需求值為2個,該些預測雖然容易進行,但無法預測出電力需求預測對象日的電力需求的負載曲線的詳細情況。另外,圖1中的最小需求預測值101以及最大需求預測值102的I字型的標識表示誤差的範圍。
圖2是表示以一小時為單位的24小時的電力需求的電力需求的先前的預測方法的一例的圖。
圖2所示的例中,需求預測裝置對電力需求預測對象日的一小時的各時刻即24點的各個分別預測電力需求值201,根據該些值獲得電力需求的最終的負載曲線202。該方法中,若各時刻的預測模型的精度較佳則可詳細地預測上述負載曲線,但因必需以24點進行預測,故而關於與該24點相對應的各時刻,輸入資料為必需,計算也變得複雜。而且,各時刻的預測值中當然也包含與實際的需求值相對的誤差,從而存在難以考慮整體的誤差的問題。
圖3是表示電力需求的先前的預測結果與誤差的關係的一例的圖。
圖3所示的例中,即便能夠根據各時刻的預測結果預測出電力需求預測對象日的電力需求的負載曲線301,但通常表示實際的電力需求的負載曲線302或負載曲線303會偏離所預測的負載曲線301。負載曲線301亦可被認為是該季節的平均負載曲線。
一般而言,如圖3中的第1電力需求預測對象日的實際的負載曲線302所示,若早晨的實際的電力需求小於預測值(平均值),則該實際的電力需求的值即便在中午也會出現比預測值小的情況。而且,如圖3中的第2電力需求預測對象日的實際的負載曲線303所示,如果早晨的實際的電力需求大於預測值,則實際的電力需求值在中午會出現比預測值大的情況。
此時,例如,圖3所示的「時刻2」的需求預測值304(D2)、「時刻5」的需求預測值305(D5)、以及「時刻8」的需求預測值306(D8)彼此存在相互關係。因此,當進行各時刻的電力需求的預測時,重要的是考慮該些關係。
視情況,如圖3中的第3的電力需求預測對象日的實際的負載曲線307所示,考慮實際的電力需求值在早晨小於預測值,而午後亦會出現大於預測值的情況。
然而,在該情況下,如圖3所示,通常發現如下關係:若在接近的時刻之間,需求預測值D2大於負載曲線307上的同時刻的電力需求值,則需求預測值D5也大於負載曲線307上的同時刻的電力需求值。而且,可發現如下關係:若需求預測值D2大於負載曲線307上的同時刻的電力需求值,則需求預測值D8小於負載曲線307上的同時刻的電力需求值。因此,藉由將此種關係編入至預測模型中能夠提高預測精度。
圖4是表示電力需求的先前的預測結果與預測對象日當日的到目前為止的需求的實績的圖。
圖4所示的例中,表示獲得電力需求的預測對象日當日的到目前為止的需求的實績時的負載曲線。圖4所示的負載曲線401為電力需求預測對象日的前日以前所獲得的預測結果,而到該預測對象日的當日時,實際的電力需求從預測對象日當日的早晨開始到目前為止以負載曲線402的方式推移。
此時,必需根據負載曲線401所示的預測結果來修正預測對象日當日的目前以後的預測結果。將該修正稱作當日補正。在當日補正中,從目前來看當然是利用之前的電力需求值資料,但關於根據該資料究竟怎樣來預測近未來的電力需求,則存在如下的困難。
如果在預測對象日前日的預測中,關於各時刻單獨實施需求預測時,為了預測將來的需求而必需有該將來的氣溫等的資料。該將來的氣溫的預測值當然並非每時公布,在未獲得將來的氣溫資料的情況下,需求預測值成為與前日實施的預測結果相同的結果。因此,使負載曲線僅平行移動,或者進行若早晨的氣溫高1℃則白天的電力需求只比早晨增大多少的所謂依靠熟練工的經驗的修正。
為了進一步提高預測的精度,雖然也能夠以季節或時間為單位對過去的資料進行整理而統計性地處理,但處理較為煩雜,且不適於例如以1小時為單位的細微預測。
而且,作為其他方法,列舉預測將來的氣溫。對於電力從業者來說,實際上是根據過去的氣溫資料而預測數小時前的氣溫。然而,這是與氣象預測自身有關的技術,電力需求的預測的精度受該氣溫的預測的精度的影響。
而且,在使用神經網路進行24小時的電力需求的預測
的情況下也有同樣的困難。尤其在藉由神經網路來同時預測24小時的電力需求的情況下,該神經網路的一日的部分時刻的電力需求的預測較為困難。
圖5是表示先前的電力需求預測的方法的第1例的圖。圖6是表示先前的電力需求預測的方法的第2例的圖。
至此為止的方法中,普遍的是針對各時刻個別地預測電力需求,或者統一預測所有時刻的電力需求值,而關於進行預測的順序也無特別限制。在考慮各時刻間的相關性的情況下,亦對圖5所示的輸入資料,例如將來的氣溫進行預測。
若利用數式來表示圖5所示的預測模型,則為以下所示。
D1=f1(時刻1的氣溫、時刻1的濕度、時刻1的天氣、...)
D2=f2(時刻2的氣溫、時刻2的濕度、時刻2的天氣、...)
...
D23=f23(時刻23的氣溫、時刻23的濕度、時刻23的天氣、...)
D24=f24(時刻24的氣溫、時刻24的濕度、時刻24的天氣、...)
其中,Di(i=1~24)為時刻i的需求的預測結果,fi(i=1~24)為時刻i的電力需求值的預測模型。
圖7是表示本發明的實施形態的能量需求預測裝置的24小時的電力需求預測的方法的第1例的圖。
圖8是表示本發明的實施形態的能量需求預測裝置的24小時的電力需求預測的方法的第2例的圖。
該能量需求預測裝置基本上以時間為單位依序進行電力需求值的預測。
於圖7所示的例中,能量需求預測裝置為了進行24小時的電力需求值預測而使用24個預測模型。各個預測模型將該模型的預測對象時刻的1小時前的電力需求的預測結果用作輸入資料。例如,若以式子來表示對預測模型輸入1小時前的需求的預測結果的情況,則為以下所示。
D1=f1(時刻1的氣溫、時刻1的濕度、...、前日的時刻24的需求預測結果)
D2=f2(時刻2的氣溫、時刻2的濕度、...、時刻1的需求預測結果)
...
D23=f23(時刻23的氣溫、時刻23的濕度、...、時刻22的需求預測結果)
D24=f24(時刻24的氣溫、時刻24的濕度、...、時刻23的需求預測結果)
其中,Di(i=1~24)為時刻i的電力需求值的預測結果,fi(i=1~24)為時刻i的電力需求值的預測模型。
預測模型在將預測對象時刻以前的時刻的電力需求的預測結果作為輸入資料的情況下,並非必需使用預測對象時刻1小時前的資料。於圖8所示的例中,預測模型在5點的電力需求值的預測中,使用比該5點早2小時的3點的電力需求值的預測結果作為輸入資料,在18點的電力需求值的預測中,使用比該18點早6小時的12點的電力需求值的預測結果作為輸入資料。而且,於圖8所示的例中,預測模型在20點的電力需求值預測中,該20點以前的電力需求值的資料未被用作輸入資料。
圖9是表示先前的能量需求預測裝置的功能構成的一例的圖。圖10是表示本發明的實施形態的能量需求預測裝置的功能構成的一例的圖。
如圖9所示,先前的能量需求預測裝置將氣象資料或其他資料作為輸入資料,並根據該輸入資料且藉由需求預測處理來獲得需求預測結果。
另一方面,如圖10所示,本發明的實施形態的能量需求預測裝置可藉由切換部而將用於需求預測的模式在事前預測模式及當日補正模式之間進行切換。
該能量需求預測裝置在模式為事前預測模式的情況下,將預測對象時刻以前的時刻的需求預測結果資料及氣象預測值作為輸入資料,並根據該輸入資料及該預測對象時刻所對應的預測模型來進行需求預測處理,將該需求預測結果影印並作為用於下一預測對象時刻的需求預測的輸入資料而再利用。
而且,該能量需求預測裝置在模式為當日補正模式的情況下,代替上述預測對象時刻以前的時刻的需求預測結果資料,而將預測對象日當日的例如從早晨開始到該預測對象時刻以前的規定時刻為止的需求實績資料用作輸入資料並進行需求預測處理。
此時,在相同預測對象時刻的需求預測中,模式為事前預測模式的情況與為當日補正模式的情況下,輸入資料不同,但另一方面可利用相同的預測模型。
作為上述再利用的資料,可使用相關性最強的時刻的資料,還可使用相關性相對較小的時刻的資料。
圖11是表示不同時刻間的電力需求的相關關係的第1例的圖。圖12是表示不同時刻間的電力需求的相關關係的第2例的圖。
圖11表示9點的電力需求量與10點的電力需求量的關係,圖12表示10點的電力需求量與15點的電力需求量的關係。
如圖11所示,某時刻的電力需求與1小時前的電力需求的相關性非常強,因此有效的是將預測對象時刻的1小時前的需求預測值用於如下的輸入資料,該輸入資料用於該預測對象時刻的電力需求的預測。然而,在發電機的起動準備中要耗費數小時,因此即便根據預測對象時刻的1小時前的需求預測值來進行該預測對象時刻的電力需求的預測,也無法有效運用。由此,某預測對象時刻的電力需求預測通常在該預測對象時刻的數小時前或再之前而進行。
如此,難以將預測對象時刻的1小時前的電力需求實績值設為用於該預測對象時刻的電力需求的預測的輸入資料。然而,對於能量需求預測裝置而言,只要為相同預測對象時刻的1小時前的電力需求預測值,則可用作用於該預測對象時刻的電力需求的預測的輸入資料。而且,在發電機的起動性非常高、1小時以內可起動的情況下,也有可能在預測對象時刻的1小時前進行預測。此時,能量需求預測裝置可代替預測對象時刻的1小時前的電力需求預測值,而將該1小時前的電力需求實績值用作輸入資料。
圖13是表示本發明的實施形態的能量需求預測裝置的構成例的方塊圖。
如圖13所示,本發明的實施形態的能量需求預測裝置包括控制裝置整體的處理的控制部1、記憶裝置2、鍵盤或滑鼠等的輸入裝置3、液晶顯示器等的顯示裝置4、需求預測運算處理部5、影印處理部6以及切換處理部7,且各部經由匯流排8而相互連接。
記憶裝置2例如為非揮發性記憶體等的記憶媒體。記憶裝置2記憶用於需求預測運算處理部5、影印處理部6、切換處理部7的處理動作的程式,或與規定的日期的規定時刻相對應的預測模型的資料。而且,記憶裝置2包括輸入資料記憶部21、需求預測結果記憶部22以及需求實績資料記憶部23。該預測模型可為用於進行回歸分析的預測運算式,也可為神經網路。
需求預測運算處理部5使用預測對象時刻的溫度預測值或濕度預測值等的輸入資料以及儲存於記憶裝置2中的預測模型、即,與預測對象時刻相對應的規定的預測模型,來預測該預測對象時刻的電力需求值。
記憶裝置2的輸入資料記憶部21記憶各日期的各時刻的氣溫或濕度等的氣象預測值等的所謂用於電力需求預測的輸入資料。
記憶裝置2的需求預測結果記憶部22記憶需求預測運算處理部5的各日期的規定時刻的電力需求預測結果。
記憶裝置2的需求實績資料記憶部23記憶從過去到目前為止的各日期的規定時刻的實際的電力需求值。
影印處理部6具有將某預測對象時刻的電力需求預測值作為輸入資料而影印的功能,該輸入資料用於該預測對象時刻以後的不同的預測對象時刻的電力需求的預測。
切換處理部7具有將某預測對象時刻的電力需求的模式在事前預測模式及當日補正模式之間進行切換的功能。
所謂事前預測模式是指,用於在需求預測對象時刻所屬的需求預測對象日的前日以前進行該需求預測對象時刻的需求預測的模式。所謂當日補正模式是指,用於使用該需求預測對象時刻所屬的需求預測對象日當日所獲得的相同的預測對象時刻的最新的氣象資料等,來補正將藉由事前預測模式所求出的某需求預測對象時刻的需求預測值的模式。該些模式可藉由用戶進行對輸入裝置3的規定的操作而任意地變更。
該能量需求預測裝置可藉由硬體構成或硬體構成與軟體構成的組合而實現。在為後者的情況下,軟體構成是藉由預先將電腦可讀取的記憶媒體或可自網路獲得的程式安裝於電腦中,而實現作為能量需求預測裝置的各功能。
其次,對圖13所示的構成的能量需求預測裝置的動作進行說明。圖14是表示實施形態的能量需求預測裝置的處理動作的一例的流程圖。圖15是以表格的形式表示實施形態的能量需求預測裝置的各種模式中的輸入資料的類別與使用模型的類別的關係的圖。其中,各日期的各時刻的溫度或濕度等的最新的氣象預測資料,設為自外部裝置讀入並記憶於記憶裝置2的輸入資料記憶部21。
首先,用戶使用輸入裝置3來指定電力需求預測對象日及該預測對象日的電力需求預測對象時刻(步驟S1)。此處,翌日被指定為電力需求預測對象日,該日的24小時中的規定的多個時刻被指定為電力需求預測對象時刻。而且,被指定為需求預測對象時刻的多個時刻可為規定時間間隔的時刻,亦可為用戶任意各別地指定的各時刻。
於是,需求預測運算處理部5在目前的模式為事前預測模式的情況下(步驟S2的YES),選擇已指定的電力需求預測對象時刻中的未進行電力需求預測的最早的時刻,將該選擇的時刻的氣象預測資料自記憶裝置2的輸入資料記憶部21讀出並輸入(步驟S3)。
繼而,需求預測運算處理部5將已選擇的電力需求預測對象時刻的預測模型的資料自記憶裝置2中讀出。該預測模型中包含需求預測結果要否資訊,該資訊表示”為了預測與該預測模型相對應的時刻的電力需求值,該時刻以前的規定時刻的電力需求預測結果是否為必需”。需求預測運算處理部5藉由參照該資訊,對已選擇的電力需求預測對象時刻以前的規定時刻的電力需求預測結果是否為必要來進行判別(步驟S4)。
需求預測運算處理部5在步驟S4的處理中判別為「YES」的情況下,將上述已選擇的電力需求預測對象時刻以前的規定時刻的電力需求預測結果自記憶裝置2的需求預測結果記憶部22中讀出並輸入(步驟S5)。
然後,需求預測運算處理部5根據步驟S3的處理中輸入的氣象預測資料及步驟S5的處理中輸入的電力需求預測結果以及已選擇的電力需求預測對象時刻所對應的預測模型的資料,來運算出已選擇的電力需求預測對象時刻的電力需求預測值(步驟S6)。
而且,需求預測運算處理部5在步驟S4的處理中判別為「NO」的情況下,省略上述步驟S5的處理,根據步驟S3的處理所輸入的氣象預測資料及已選擇的電力需求預測對象時刻的預測模型的資料,來運算出已選擇的電力需求預測對象時刻的電力需求預測值(步驟S4→S6)。
需求預測運算處理部5在步驟S6的處理的電力需求預測值的運算後,有下一電力需求預測對象時刻的情況下,亦即如上述般所指定的所有電力需求預測對象時刻的電力需求預測尚未結束的情況下(步驟S7的YES),選擇該下一時刻。
其次,需求預測運算處理部5將與該選擇的時刻相對應的預測模型自記憶裝置2中讀出,並藉由參照該模型的需求預測結果要否資訊,來判別”為了預測該時刻的電力需求值,該時刻以前的規定時刻即上次所選擇的電力需求預測對象時刻的電力需求預測結果是否為必需”(步驟S8)。
當步驟S8的處理中判別為「YES」時,影印處理部6將藉由步驟S6的處理運算出的電力需求預測值,作為上述用於下一時刻的電力需求預測的輸入資料而影印於記憶裝置2的輸入資料記憶部21中(步驟S9)。
於步驟S9的處理後、或者步驟S8的處理中判別為「NO」時,進行上述關於下一時刻的步驟S1以後的處理。
另一方面,需求預測運算處理部5在目前的模式為當日補正模式的情況下(步驟S2的NO),選擇當日的電力需求預測對象時刻中的未進行電力需求預測值的當日補正的最早的時刻,將該已選擇的時刻的最新的氣象預測資料自記憶裝置2的輸入資料記憶部21中讀出並輸入(步驟S10)。
其次,需求預測運算處理部5將已選擇的電力需求預測對象時刻的預測模型的資料自記憶裝置2中讀出。於該預測模型的資料中包含需求實績資料要否資訊,該資訊表示”為了預測與該預測模型相對應的時刻的電力需求值,該相對應的時刻以前的規定時刻的電力需求實績資料是否為必需”。需求預測運算處理部5藉由參照該資訊,而判別已選擇的電力需求預測對象時刻以前的規定時刻的電力需求實績資料是否記憶於記憶裝置2的需求實績資料記憶部23中(步驟S11)。於步驟S11的處理判別為「NO」的情況下,處理結束。
需求預測運算處理部5在步驟S11的處理中判別為「YES」的情況下,將如上述般讀出的預測模型所示的、已選擇的電力需求預測對象時刻以前的規定時刻的電力需求實績資料自記憶裝置2的需求實績資料記憶部23中讀出並輸入(步驟S12)。
繼而,需求預測運算處理部5根據步驟S10的處理中所輸入的氣象預測資料及步驟S12的處理中所輸入的已選擇的電力需求預測對象時刻以前的規定時刻的電力需求實績資料以及該電力需求預測對象時刻的預測模型的資料,而運算出已選擇的電力需求預測對象時刻的電力需求預測值(步驟S12→S6)。藉此,進行已求出的電力需求預測值的當日補正。
而且,在步驟S7的處理中判別為「NO」的情況下,亦即,指定的所有電力需求預測對象時刻的電力需求預測已結束的情況下,處理結束。
如以上所述,在實施形態的能量需求預測裝置中,根據與某需求預測對象時刻的氣象預報值等的輸入資料及該時刻所對應的預測模型來運算出該時刻的需求預測值。然後,該能量需求預測裝置將該運算出的需求預測結果,作為該時刻後的需求預測對象時刻的需求預測值的運算用的輸入資料而影印,並根據該資料及其後的時刻的氣象預報值等的輸入資料以及其後的時刻所對應的預測模型,而運算出其後的時刻的需求預測值。由此,能夠進行考慮了各時刻間的相關性的適當的需求預測。
而且,該能量需求預測裝置在運算出某需求預測對象日的需求預測對象時刻的需求預測值之後,在成為需求預測對象日當日時必需對該需求預測值進行補正的情況下,可根據補正對象的電力需求值的需求預測對象時刻以前的規定時刻為止的需求實績資料來進行需求預測值的補正,因此可提高需求預測的精度。
本實施形態的能量需求預測裝置可直接利用先前的預測模型作為用於各時刻的電力需求的運算的預測模型,因此無需準備新的預測模型。而且,本實施形態的能量需求預測裝置可當日修正地使用與至前日為止所進行的用於預測的預測模型相同的預測模型。由此,伴隨需求的預測所耗費的時間的增加的計算時間的增加的程度明顯減少,從而能夠容易進行以24小時或者任意時刻為單位的需求預測。
如以上所述,在本實施形態中,可自由組合預測模型,進而各時刻的預測模型可如圖6所示為相同,亦可如圖5所示為不同。
而且,用於某預測對象時刻的需求值的預測的該時刻以前的輸入資料,不僅為電力需求值自身的預測值,亦可為需求的變化率的預測值,還可為需求與氣溫的函數。
實施形態的預測模型使用過去的預測值或者實績值作為某時刻的預測模型的輸入資料,用戶可任意地選擇應使用哪一時刻。在該情況下,時刻可由某些物理模型而決定,亦可統計性地選擇相關的某時刻。
而且,可知作為需求預測對象時刻而指定的多個時刻是規定時間間隔的時刻,在為了進行該些時刻中的第2個以後的時刻的需求預測而使用該需求預測時刻的僅在上述時間間隔前的時刻的需求預測結果的明確情況下,若藉由輸入裝置3輸入此種意向,則無需藉由該些時刻的需求預測運算處理部5進行上述步驟S4及步驟S8的處理。由此可提高計算效率。
根據該些各實施形態,可提供可進行考慮了時刻間的相關性的適當的需求預測的需求預測裝置、程式以及記錄媒體。
已說明了本發明的幾個實施形態,但該些實施形態作為示例而提示,並不意圖限定發明的範圍。該些新穎的實施形態能夠以其他各種形態而實施,在不脫離發明的主旨的範圍內,可進行各種省略、置換及變更。該些實施形態或其變形包含在發明的範圍或主旨內,並且包含在專利申請的範圍所記載的發明及其均等的範圍內。
另外,上述實施形態所記載的方法,亦可作為可由電腦執行的程式,而儲存並公布在磁碟(軟式(floppy)(註冊商標)磁碟,硬碟等)、光碟(光碟唯讀記憶體(Compact Disc Read-Only Memory,CD-ROM)、多功能數位碟片(digital versatile disc,DVD)等)、磁光碟(magnetic optic,MO)、半導體記憶體等的記憶媒體中。
而且,作為該記憶媒體,只要為可記憶程式且電腦可讀取的記憶媒體,則其記憶形式可為任何形態。
而且,根據自記憶媒體安裝在電腦的程式的指示,電腦上可運行的作業系統(operating system,OS)或資料庫管理軟體、網路軟體等的中介軟體(middleware,MW)等亦可執行用於實現上述實施形態的各處理的一部分。
進而,本發明中的記憶媒體並不限於與電腦獨立的媒體,也包含下載藉由區域網路(Local Area Network,LAN)或網際網路等來傳送的程式並記憶或暫時記憶該程式的記憶媒體。
而且,記憶媒體並不限於一個,在自多個媒體執行上述實施形態的處理的情況下,也包含於本發明的記憶媒體中,媒體構成可為任一構成。
另外,本發明的電腦根據記憶於記憶媒體中的程式來執行上述實施形態的各處理,也可為包含個人電腦等的一個的裝置、多個裝置連接於網路的系統等的任一構成。
而且,本發明的電腦並不限於個人電腦,也包含資訊處理機器中所包含的運算處理裝置、微電腦等,且統稱為可藉由程式來實現本發明的功能的機器、裝置。
雖然本發明已以較佳實施例揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
1...控制部
2...記憶裝置
3...輸入裝置
4...顯示裝置
5...需求預測運算處理部
6...影印處理部
7...切換處理部
8...匯流排
21...輸入資料記憶部
22...需求預測結果記憶部
23...需求實績資料記憶部
101...電力的最低需求的預測值
102...電力最高需求的預測值
103、104、105、202...電力需求的負載曲線
201...各時刻的電力需求
301...電力需求的負載曲線的預測結果
302、303、307...電力需求的實際的負載曲線
304...「時刻2」的電力需求的預測值
305...「時刻5」的電力需求的預測值
306‧‧‧「時刻8」的電力需求的預測值
401‧‧‧預測到的電力需求負載曲線
402‧‧‧實際的電力需求
D1‧‧‧時刻1的需求預測結果
D2‧‧‧時刻2的需求預測結果
D3‧‧‧時刻3的需求預測結果
D5‧‧‧時刻5的需求預測結果
D8‧‧‧時刻8的需求預測結果
Di‧‧‧時刻i的需求預測結果
D24‧‧‧時刻24的需求預測結果
S1~S9‧‧‧步驟
圖1是表示基於電力的最大需求及最小需求的電力需求的先前的預測方法的一例的圖。
圖2是表示以一小時為單位的24小時的電力需求的電力需求的先前的預測方法的一例的圖。
圖3是表示電力需求的先前的預測結果與誤差的關係的一例的圖。
圖4是表示電力需求的先前的預測結果與預測對象日當日的到目前為止的需求的實績的圖。
圖5是表示先前的電力需求預測的方法的第1例的圖。
圖6是表示先前的電力需求預測的方法的第2例的圖。
圖7是表示本發明的實施形態的能量需求預測裝置的24小時的電力需求預測的方法的第1例的圖。
圖8是表示本發明的實施形態的能量需求預測裝置的24小時的電力需求預測的方法的第2例的圖。
圖9是表示先前的能量需求預測裝置的功能構成的一例的圖。
圖10是表示本發明的實施形態的能量需求預測裝置的功能構成的一例的圖。
圖11是表示不同時刻間的電力需求的相關關係的第1例的圖。
圖12是表示不同時刻間的電力需求的相關關係的第2例的圖。
圖13是表示本發明的實施形態的能量需求預測裝置的構成例的方塊圖。
圖14是表示本發明的實施形態的能量需求預測裝置的處理動作的一例的流程圖。
圖15是以表格的形式表示本發明的實施形態的能量需求預測裝置的各種模式中的輸入資料的類別與使用模型的類別的關係的圖。
1...控制部
2...記憶裝置
3...輸入裝置
4...顯示裝置
5...需求預測運算處理部
6...影印處理部
7...切換處理部
8...匯流排
21...輸入資料處理部
22...需求預測結果記憶部
23...需求實績資料記憶部
Claims (9)
- 一種需求預測裝置,其特徵在於包括:輸入裝置(3),在需求的將來的時間序列資料的預測中,當對1日中的多個時刻的需求進行預測時,輸入用於需求預測對象時刻的需求預測的輸入資料,而且將在上述需求預測對象時刻以前,與上述需求預測對象時刻之間在上述需要上有強的相互關係的規定時刻中的需求的預測結果作為上述用於需求預測對象時刻的需求預測的輸入資料的一部分而輸入;以及需求預測運算處理部(5),使用上述輸入裝置(3)的輸入結果來對上述需求預測對象時刻的需求的預測值進行運算。
- 如申請專利範圍第1項所述之需求預測裝置,其中上述輸入裝置(3)輸入用於以規定時間間隔為單位的規定的需求預測對象時刻的需求預測的輸入資料、及上述需求預測對象時刻以前的規定時刻的需求的預測值,上述需求預測運算處理部(5)使用上述輸入裝置(3)的輸入結果來計算出上述以規定時間間隔為單位的規定的需求預測對象時刻的需求的預測值。
- 如申請專利範圍第1項所述之需求預測裝置,其更包括切換處理部(7),該切換處理部(7)將需求預測的模式切換為為在得到上述需求預測對象時刻的需求的實績值前做預測的事前預測模式,及為了補正在當日屬於在上述需求預測對象時刻中上述事前預測模式的需求的預測值的 當日補正模式中的任一模式,上述輸入裝置(3)在藉由上述切換處理部而已將需求預測的模式切換為事前預測模式的情況下,輸入上述用於需求預測對象時刻的需求預測的輸入資料、及上述需求預測對象時刻以前中的上述規定時刻的需求的預測值,在藉由上述切換處理部而已將需求預測的模式切換為當日補正模式的情況下,輸入上述用於需求預測對象時刻中的需求預測的輸入資料、及上述需求預測對象時刻所屬的當日的該需求預測對象時刻以前中的規定時刻的需求的實績值,上述需求預測運算處理部(5),補正藉由上述切換處理部而已將需求預測的模式切換為上述當日補正模式時,藉由上述輸入裝置(3)輸入時,上述用於需求預測對象時刻的需求預測的輸入資料;以及使用上述需求預測對象時刻所屬的當日的該需求預測對象時刻以前中的上述規定時刻的需求的實績值,補正由規定時間間隔所規定的需求預測對象時刻的需求的預測值。
- 如申請專利範圍第3項所述之需求預測裝置,其中上述預測對象的需求為電力需求,上述用於需求預測的輸入資料為氣象預測資料,上述輸入裝置在藉由上述切換處理部而將需求預測的模式切換為當日補正模式的情況下,輸入上述需求預測對象時刻所屬的當日的該需求預測對象時刻以前中的上述規定時刻的需求的實績值及該時刻的最新的氣象預測資料。
- 如申請專利範圍第1項所述之需求預測裝置,其中 上述需求預測運算處理部使用上述輸入裝置的輸入結果,並藉由回歸分析來計算出上述需求預測對象時刻中的需求的預測值。
- 如申請專利範圍第1項所述之需求預測裝置,其中上述需求預測運算處理部使用上述輸入裝置的輸入結果,並藉由神經網路來計算出上述需求預測對象時刻中的需求的預測值。
- 如申請專利範圍第1項所述之需求預測裝置,其中上述需求預測對象時刻為能量需求預測對象時刻,上述用於需求預測的輸入資料為上述能量需求預測對象時刻中的氣象預測值。
- 一種電腦可讀取的需求預測程式,為了使電腦作為如下各部件而發揮功能:輸入裝置,在需求的將來的時間序列資料的預測中,當對1日中的多個時刻的需求進行預測時,輸入用於需求預測對象時刻的需求預測的輸入資料,而且將在上述需求預測對象時刻以前,與上述需求預測對象時刻之間在上述需要上有強的相互關係的規定時刻中的需求的預測結果作為上述用於需求預測對象時刻的需求預測的輸入資料的一部分而輸入;以及需求預測運算處理部,使用上述輸入裝置的輸入結果來計算出上述需求預測對象時刻的需求的預測值。
- 一種電腦可讀取的記錄媒體,記錄著如申請專利範圍第8項所述之程式。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009165934A JP5618501B2 (ja) | 2009-07-14 | 2009-07-14 | 需要予測装置、プログラムおよび記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201106175A TW201106175A (en) | 2011-02-16 |
TWI592811B true TWI592811B (zh) | 2017-07-21 |
Family
ID=43449344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW099123102A TWI592811B (zh) | 2009-07-14 | 2010-07-14 | 需求預測裝置、程式以及記錄媒體 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120095608A1 (zh) |
EP (1) | EP2469676A4 (zh) |
JP (1) | JP5618501B2 (zh) |
CN (1) | CN102422311A (zh) |
TW (1) | TWI592811B (zh) |
WO (1) | WO2011007736A1 (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1367685A1 (en) | 2002-05-31 | 2003-12-03 | Whirlpool Corporation | Electronic system for power consumption management of appliances |
EP1441430B1 (en) * | 2003-01-21 | 2015-05-06 | Whirlpool Corporation | A process for managing and curtailing power demand of appliances and components thereof, and system using such process |
JP2011114944A (ja) * | 2009-11-26 | 2011-06-09 | Fuji Electric Systems Co Ltd | 電力需要予測装置、そのプログラム |
JP5596220B2 (ja) | 2011-03-07 | 2014-09-24 | 株式会社日立製作所 | エネルギー消費管理のためのシステム、方法及びコンピュータプログラム |
JP5578124B2 (ja) * | 2011-03-29 | 2014-08-27 | 株式会社デンソー | 電力供給システム |
US8977405B2 (en) * | 2011-12-13 | 2015-03-10 | Patrick Andrew Shiel | Continuous optimization energy reduction process in commercial buildings |
TW201326876A (zh) * | 2011-12-28 | 2013-07-01 | Inst Nuclear Energy Res Atomic Energy Council | 系集風能預報平台系統及其運作方法 |
DE112012006017T5 (de) * | 2012-03-12 | 2014-12-18 | Fujitsu Limited | Betriebsplan-Erschaffungssverfahren, Betriebsplan-Erschaffungsprogramm und Betriebsplan-Erschaffungsvorrichtung |
TWI547879B (zh) * | 2012-11-15 | 2016-09-01 | 英業達股份有限公司 | 負載預測方法與電子裝置 |
TWI492158B (zh) * | 2012-11-15 | 2015-07-11 | Inventec Corp | 負載預測方法與電子裝置 |
JP6104633B2 (ja) * | 2013-02-26 | 2017-03-29 | 三菱重工業株式会社 | ニーズ判定装置、ニーズ判定方法およびニーズ判定プログラム |
JP2014180187A (ja) * | 2013-03-15 | 2014-09-25 | Toshiba Corp | 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置 |
EP2851851A1 (en) | 2013-09-20 | 2015-03-25 | Tata Consultancy Services Limited | A computer implemented tool and method for automating the forecasting process |
JP6104116B2 (ja) * | 2013-09-26 | 2017-03-29 | アズビル株式会社 | エネルギー削減量予測方法および装置 |
US20170017215A1 (en) * | 2013-12-10 | 2017-01-19 | Panasonic Intellectual Property Management Co., Ltd. | Demand prediction system and program |
JP6245030B2 (ja) * | 2014-03-27 | 2017-12-13 | 富士通株式会社 | 消費電力予測方法、消費電力予測プログラム及び消費電力予測装置 |
DE102014010117A1 (de) * | 2014-07-08 | 2016-01-14 | Evohaus Gmbh | Prognose- und Steuerungssystem für den Strombezug von Haushalten |
JP2016059126A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社東芝 | 電力負荷推定装置、電力負荷推定方法、及び電力負荷推定プログラム |
US9798991B2 (en) * | 2014-11-22 | 2017-10-24 | Doojin Technology, Inc. | Revenue and productivity optimization system with environmental sensor-connected smart bell |
US9869486B2 (en) * | 2015-01-27 | 2018-01-16 | Patrick Andrew Shiel | Method of reducing heating energy consumption in commercial buildings |
US9869481B2 (en) * | 2015-01-27 | 2018-01-16 | Patrick Andrew Shiel | Method of controlling ventilation and chilling systems to conserve energy in commercial buildings |
JP6128624B2 (ja) * | 2015-02-19 | 2017-05-17 | 日本電気株式会社 | 電力消費量推定装置、電力消費量推定方法およびプログラム |
US9915965B2 (en) * | 2015-03-16 | 2018-03-13 | The Florida International University Board Of Trustees | Flexible, secure energy management system |
JP6427798B2 (ja) * | 2015-12-24 | 2018-11-28 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、制御方法、及びプログラム |
JP6566049B2 (ja) * | 2016-01-21 | 2019-08-28 | 富士通株式会社 | 電力需要値算出システム、電力需要値算出方法および電力需要値算出プログラム |
JP2017220980A (ja) * | 2016-06-03 | 2017-12-14 | 一般財団法人電力中央研究所 | 予測装置、予測方法および予測プログラム |
JP2018092267A (ja) * | 2016-11-30 | 2018-06-14 | パナソニックIpマネジメント株式会社 | 需要予測システムおよび需要予測方法 |
JP6735219B2 (ja) * | 2016-12-05 | 2020-08-05 | 株式会社日立製作所 | 予測システム及び予測方法 |
JP6971181B2 (ja) * | 2018-03-20 | 2021-11-24 | ヤフー株式会社 | 予測装置、予測方法、およびプログラム |
JP7217074B2 (ja) | 2018-06-01 | 2023-02-02 | 株式会社日立製作所 | 電力需給管理システム、電力需給管理方法、および電力需給管理装置 |
CN109543295B (zh) * | 2018-11-21 | 2023-08-25 | 国网青海省电力公司 | 数值天气预报的气象要素数据处理方法及装置 |
CN110503256B (zh) * | 2019-08-14 | 2022-08-05 | 北京国网信通埃森哲信息技术有限公司 | 基于大数据技术的短期负荷预测方法及系统 |
JP7474623B2 (ja) * | 2020-03-27 | 2024-04-25 | 本田技研工業株式会社 | 電力算出装置 |
JP2024032197A (ja) * | 2022-08-29 | 2024-03-12 | 株式会社日立製作所 | 需要予測装置および需要予測方法 |
DE102022129932A1 (de) | 2022-11-11 | 2024-05-16 | Stiebel Eltron Gmbh & Co. Kg | Verfahren zur Temperaturprognose und/oder Wärmebedarfsprognose eines Gebäudes und Wärmepumpe |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08111935A (ja) * | 1994-10-11 | 1996-04-30 | Toshiba Corp | 電力系統内の地域負荷予測システム |
JP3360520B2 (ja) * | 1996-02-08 | 2002-12-24 | 富士電機株式会社 | 日負荷曲線予測方法 |
JP4448226B2 (ja) * | 2000-03-07 | 2010-04-07 | 新日本製鐵株式会社 | 需要予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 |
US6577962B1 (en) * | 2000-09-28 | 2003-06-10 | Silicon Energy, Inc. | System and method for forecasting energy usage load |
JP3991811B2 (ja) * | 2002-08-06 | 2007-10-17 | 株式会社日立製作所 | 在庫制御システムおよび在庫制御方法 |
JP2004086896A (ja) * | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | 適応的予測モデル構築方法及び適応的予測モデル構築システム |
JP2004328907A (ja) * | 2003-04-24 | 2004-11-18 | Tm T & D Kk | 託送電力の需要予測方法と装置、そのためのプログラム |
JP2007199862A (ja) * | 2006-01-24 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー需要予測方法、予測装置、プログラム、および記録媒体 |
US7647137B2 (en) * | 2007-03-13 | 2010-01-12 | Honeywell International Inc. | Utility demand forecasting using utility demand matrix |
-
2009
- 2009-07-14 JP JP2009165934A patent/JP5618501B2/ja active Active
-
2010
- 2010-07-09 CN CN2010800199937A patent/CN102422311A/zh active Pending
- 2010-07-09 EP EP10799794.2A patent/EP2469676A4/en not_active Withdrawn
- 2010-07-09 WO PCT/JP2010/061718 patent/WO2011007736A1/ja active Application Filing
- 2010-07-14 TW TW099123102A patent/TWI592811B/zh not_active IP Right Cessation
-
2011
- 2011-12-28 US US13/338,482 patent/US20120095608A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP5618501B2 (ja) | 2014-11-05 |
EP2469676A4 (en) | 2017-11-15 |
JP2011024314A (ja) | 2011-02-03 |
WO2011007736A1 (ja) | 2011-01-20 |
US20120095608A1 (en) | 2012-04-19 |
TW201106175A (en) | 2011-02-16 |
EP2469676A1 (en) | 2012-06-27 |
CN102422311A (zh) | 2012-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI592811B (zh) | 需求預測裝置、程式以及記錄媒體 | |
JP4634242B2 (ja) | 省エネルギー量推定装置、方法、およびプログラム | |
JP5789421B2 (ja) | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム | |
JP2009237832A (ja) | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム | |
JP5734325B2 (ja) | 電力予測装置、設備制御システム、電力予測方法、及びプログラム | |
JP6605181B2 (ja) | 運転制御装置、空気調和システム、運転制御方法および運転制御プログラム | |
JP4512074B2 (ja) | エネルギー需要予測方法、予測装置、プログラム及び記録媒体 | |
JP6094369B2 (ja) | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム | |
JP5078128B2 (ja) | 動作方法、予測誤差補填装置、気象発電計画装置、およびプログラム | |
JP2020054214A (ja) | 蓄電池管理装置および蓄電池管理方法 | |
JP2009225613A (ja) | 電力需要予測装置及び電力需要予測方法 | |
JP7010674B2 (ja) | 電力需要予測装置、電力需要予測方法およびプログラム | |
JP6705716B2 (ja) | 電力需要予測方法および電力需要予測プログラム | |
JP6046530B2 (ja) | 最大発電量予測システム | |
JP6249982B2 (ja) | 費用予測装置およびプログラム | |
JP2017049756A (ja) | 熱源機器ネットワークの運転計画を最適化するための方法及びシステム、及びプログラム | |
KR101405594B1 (ko) | 전기자동차 충전부하 예측 방법 및 시스템 | |
JP7075772B2 (ja) | 電力需要予測装置、電力需要予測方法及び電力需要予測プログラム | |
JP2017048959A (ja) | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム | |
JP2009251742A (ja) | 需要予測装置、需要予測方法および需要予測プログラム | |
JPH07151369A (ja) | 熱負荷予測装置およびプラント熱負荷予測装置 | |
JP2018013934A (ja) | 電力価格予測装置 | |
JP4651401B2 (ja) | エネルギ需要予測装置及び方法 | |
JP2016127622A (ja) | 電力需要予測システム | |
JP2016181195A (ja) | ピーク電力発現予測装置および予測方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |