WO2010071158A1 - 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム - Google Patents

貯水施設運用支援システム、貯水施設運用支援方法およびプログラム Download PDF

Info

Publication number
WO2010071158A1
WO2010071158A1 PCT/JP2009/070996 JP2009070996W WO2010071158A1 WO 2010071158 A1 WO2010071158 A1 WO 2010071158A1 JP 2009070996 W JP2009070996 W JP 2009070996W WO 2010071158 A1 WO2010071158 A1 WO 2010071158A1
Authority
WO
WIPO (PCT)
Prior art keywords
water level
unit
inflow
unit period
amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2009/070996
Other languages
English (en)
French (fr)
Inventor
隆二 大江
宏昭 小野
数典 岩田
万由佳 川上
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chugoku Electric Power Co Inc
Original Assignee
Chugoku Electric Power Co Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chugoku Electric Power Co Inc filed Critical Chugoku Electric Power Co Inc
Publication of WO2010071158A1 publication Critical patent/WO2010071158A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the present invention relates to a water storage facility operation support system, a water storage facility operation support method, and a program.
  • Patent Document 1 Japanese Patent Laid-Open No. 2006-39838
  • a power generation operation plan is created by displaying and accepting corrections as necessary.
  • This invention is made in view of such a background, and it aims at providing the system, method, and program which support operation of a water storage facility so that the electric power generation amount by hydroelectric power generation can be enlarged. To do.
  • a main invention of the present invention for solving the above problems is a system for supporting the operation of a water storage facility for hydroelectric power generation, wherein the water level at the start of a unit period constituting a predetermined operation period, and the unit
  • the optimum water level table that stores the optimum water level that is the optimum water level at the end of the unit period in association with the inflow amount to the water storage facility during the period, and the water level of the water storage facility at the start of the operation period
  • a water level acquisition unit to acquire, a predicted inflow amount acquisition unit to acquire a predicted value of the inflow amount in each unit period, and a water level at the start time and a predicted value of the inflow amount in the unit period for each unit period.
  • the corresponding optimum water level is read from the optimum water level table, and the read optimum water level is the start time of the next unit period of the unit period.
  • a water level plan storage unit that stores the optimum water level for each unit period, and at the end of each unit period, the water level acquisition unit is configured to store the water storage facility at the current time point.
  • the predicted inflow amount acquisition unit acquires a predicted value of the inflow amount after the next unit period of the unit period, and the water level planning unit acquires the current water level after the next unit period.
  • the optimum water level is read from the optimum water level table for each unit period after the next unit period, and the water level plan storage unit is updated with the read optimum water level.
  • the predicted inflow amount acquisition unit acquires a plurality of predicted values of the inflow amount in each unit period and the occurrence probability of the predicted value, and the optimum water level table Is generated by probabilistic dynamic programming based on each water level that the water storage facility can take, the predicted value of the inflow amount in each unit period, and the occurrence probability of the predicted value of the inflow amount. It may be.
  • a database that stores the actual value of the inflow amount, the inflow amount in a second unit period immediately before a certain first unit period, and a predetermined constant
  • a model storage unit for storing a statistical model having a difference from the equilibrium inflow amount as an explanatory variable and an increase amount of the inflow amount from the second unit period to the first unit period as a target variable
  • An inflow amount model estimation unit that performs regression analysis based on the stored actual value of the inflow amount and the statistical model, and estimates a regression coefficient for the explanatory variable and the equilibrium inflow amount, and each unit period
  • the first actual value of the inflow amount corresponding to the second unit period immediately before the first unit period, which is the unit period, and the second actual result of the inflow amount corresponding to the first period Is obtained by subtracting the value obtained by subtracting the second actual value from the estimated equilibrium inflow amount and the regression coefficient, and subtracting the difference between the first and second actual values.
  • a residual term frequency distribution generation unit that calculates a residual term and generates a frequency distribution of the residual term; and for each unit period, a first actual value of the inflow corresponding to the second unit period And a drift obtained by reading the second actual value of the inflow corresponding to the first unit period from the database, and subtracting the second actual value from the estimated balanced inflow, and multiplying by the regression coefficient.
  • a drift term frequency distribution generation unit that generates a frequency distribution of the drift term and adds the frequency distribution of the residual term and the frequency distribution of the drift term to generate the frequency distribution of the inflow amount.
  • Frequency of the inflow A probability distribution generation unit that generates the occurrence probability distribution of the inflow amount from a cloth, and the predicted inflow amount acquisition unit uses each value in a predetermined range that the inflow amount can take as a predicted value of the inflow amount.
  • the occurrence probability of the predicted value of the inflow amount may be calculated based on the occurrence probability distribution.
  • Another aspect of the present invention is a method for supporting the operation of a water storage facility for hydroelectric power generation, wherein the water level at the start of a unit period constituting a predetermined operation period, and the water storage facility in the unit period
  • a computer having an optimum water level table that stores an optimum water level that is an optimum water level at the end of the unit period in association with the amount of inflow into the unit period acquires the water level of the water storage facility at the start of the operation period.
  • the optimal value corresponding to the water level at the start time and the predicted value of the inflow amount in the unit period The water level is read from the optimum water level table, and the read optimum water level is used as the water level at the start of the unit period next to the unit period.
  • the optimum water level for each unit period is stored in a memory, and at the end of each unit period, a current water level that is the water level of the water storage facility at the current time point is acquired, and after the next unit period of the unit period The predicted value of the inflow amount at the time is acquired, the current water level is set as the water level at the start of the next unit period, and the optimum water level is read from the optimum water level table for each unit period after the next unit period. Then, the memory is updated with the read optimum water level.
  • another aspect of the present invention is a program for supporting the operation of a water storage facility for hydroelectric power generation, wherein the water level at the start of a unit period constituting a predetermined operation period, and the above-described unit period
  • An optimal water level table that stores an optimal water level that is an optimal water level at the end of the unit period in association with an inflow amount to the water storage facility, and a computer comprising the optimal water level table that stores the optimal water level at the end of the unit period.
  • a step of acquiring a water level a step of acquiring a predicted value of an inflow amount in each unit period before the start of the operation period, and a water level at the start time and the inflow amount in the unit period for each unit period.
  • the optimum water level corresponding to the predicted value is read from the optimum water level table, and the read optimum water level is read for the unit period. And the step of storing the optimum water level for each unit period in a memory is performed, and at the end of each unit period, the water level of the water storage facility at the present time is executed. Obtaining a current water level, obtaining a predicted value of the inflow after the next unit period of the unit period, and setting the current water level as a water level at the start of the next unit period. The step of reading the optimum water level from the optimum water level table for each of the unit periods after the unit period and the step of updating the memory with the read optimum water level are executed.
  • the amount of electric power generated by hydroelectric power generation can be increased.
  • FIG. 1 It is a figure which shows the flow of the creation process of the weather pattern information based on a weather forecast. It is a graph which shows the change of inflow when there is no precipitation. It is a graph which shows the change of inflow when there is precipitation. It is a graph which shows the change of inflow when there is snow melting. It is a figure which shows the hardware constitutions of the inflow amount prediction system 20 of this embodiment. It is a figure which shows the software structure of the inflow amount prediction system 20 of this embodiment. It is a figure which shows the structural example of the weather performance information memorize
  • FIG. 2 is a diagram illustrating a hardware configuration of an operation planning system 30.
  • FIG. 2 is a diagram illustrating a software configuration of an operation planning system 30.
  • FIG. It is a figure which shows the structural example of the specification information memorize
  • FIG. It is a figure which shows the structural example of the optimal water level database 334.
  • FIG. It is a figure for demonstrating the method of calculating
  • the operation support system of the present embodiment provides support for appropriately operating the water level in a water storage facility such as a dam.
  • precipitation is predicted using past weather patterns, and the amount of water flowing into the water storage facility due to rivers, precipitation, etc. using a statistical model (hereinafter simply referred to as inflow).
  • the water level plan is formulated so as to calculate the probability distribution and maximize the amount of power generated.
  • FIG. 1 is a diagram showing the overall configuration of the operation support system of the present embodiment.
  • the operation support system according to the present embodiment includes a precipitation prediction system 10, an inflow prediction system 20, and an operation planning system 30.
  • the precipitation prediction system 10, the inflow prediction system 20, and the operation planning system 30 are each connected to a communication network 40 and can communicate with each other.
  • the communication network 40 is, for example, the Internet or a LAN (Local Area Network), and is constructed by Ethernet (registered trademark), a public telephone line network, a wireless communication network, or the like.
  • the precipitation prediction system 10 is a computer that predicts precipitation.
  • the inflow amount prediction system 20 is a computer that predicts the inflow amount to the water storage facility. In the present embodiment, the inflow amount prediction system 20 calculates the inflow amount and the probability distribution of the inflow amount.
  • the operation planning system 30 creates an optimal water level plan in the water storage facility.
  • various computers such as a personal computer, a workstation, a PDA (Personal Digital Assistant), and a mobile phone terminal can be employed.
  • the precipitation prediction system 10 patterns the past weather conditions in advance, patterns the future weather forecast, and uses the percentile value of the precipitation of the past date of the same pattern to calculate the precipitation amount. Make a prediction.
  • FIG. 2 is a diagram illustrating a hardware configuration of the precipitation prediction system 10.
  • the precipitation prediction system 10 includes a CPU 101, a memory 102, a storage device 103, a communication interface 104, an input device 105, and an output device 106.
  • the storage device 103 stores various programs and data, for example, a hard disk drive, a flash memory, a CD-ROM drive, and the like.
  • the CPU 101 implements various functions by reading a program stored in the storage device 103 into the memory 102 and executing it.
  • the communication interface 104 is an interface for connecting to the communication network 40.
  • the communication interface 104 is constructed by, for example, Ethernet (registered trademark), a public telephone line network, or a wireless communication network.
  • the input device 105 is, for example, a keyboard, a mouse, a touch panel, or a microphone that receives data input from a user.
  • the output device 106 is, for example, a display, a printer, or a speaker that outputs data.
  • FIG. 3 is a diagram showing a software configuration of the precipitation prediction system 10.
  • the precipitation prediction system 10 includes a weather overview acquisition unit 111, a weather pattern registration unit 112, a predicted precipitation acquisition request reception unit 113, a weather forecast acquisition unit 114, a precipitation prediction unit 115, a predicted precipitation transmission unit 116, and a weather overview database. 131 and a weather pattern database 132 are provided.
  • the weather forecast acquisition unit 111, the weather pattern registration unit 112, the predicted precipitation acquisition request reception unit 113, the weather forecast acquisition unit 114, the precipitation prediction unit 115, and the predicted precipitation transmission unit 116 are provided in the precipitation prediction system 10. This is realized by the CPU 101 reading out the program stored in the storage device 103 to the memory 102 and executing it.
  • the weather overview database 131 and the weather pattern database 132 are realized as storage areas provided by the memory 102 and the storage device 103 provided in the precipitation prediction system.
  • the weather overview database 131 stores information (hereinafter referred to as weather overview information) indicating the weather of past dates and the results of precipitation.
  • FIG. 4 is a diagram illustrating a configuration example of weather summary information stored in the weather summary database 131.
  • the weather summary information includes the date, the total precipitation amount of the day, the maximum precipitation amount in the daytime period (06: 00-18: 00), and the night time period (18 0: 00 to the next day 06:00), the text information indicating the weather in the daytime period (hereinafter referred to as the weather overview), and the weather overview in the night time zone.
  • the weather overview information is generally provided by the Japan Meteorological Agency or weather companies.
  • the weather overview acquisition unit 111 acquires weather overview information.
  • the weather overview acquisition unit 111 can, for example, access a server operated by the Japan Meteorological Agency or a private weather company to acquire weather overview information. Moreover, you may make it the weather general condition acquisition part 111 receive the input of weather general condition information from a user.
  • the weather pattern database 132 stores information (hereinafter referred to as weather pattern information) in which weather conditions are patterned for each date.
  • FIG. 5 is a diagram illustrating a configuration example of weather pattern information stored in the weather pattern database 132.
  • a term hereinafter referred to as a weather word
  • a time word indicating a time when the weather occurs
  • the term indicating the weather is any one of “sunny”, “cloudy”, “snow”, “rain”, and “heavy rain”, and the time word is “sometimes” “sometimes”. It shall be either “temporary” or “after”.
  • the time word includes a null character (indicating that no time is specified). That is, as shown in FIG.
  • the weather pattern is “sunny”, “cloudy”, “snow”, “rain”, “heavy rain”, “sometimes heavy rain”, “temporarily heavy rain”, “after heavy rain”, “sometimes rain”, “ “Temporary rain”, “After rain”, “Sometimes snow”, “Temporary snow”, “After snow”, “Sometimes cloudy”, “Temporarily cloudy”, “After cloudy”, “Sometimes sunny”, “Temporarily sunny”, and “God sunny”.
  • the weather pattern registration unit 112 generates weather pattern information based on the weather overview information and registers it in the weather pattern database 132.
  • FIG. 6 is a diagram showing a flow of weather pattern information registration processing.
  • FIG. 7 is a diagram showing a configuration of a table (hereinafter referred to as a pattern table 161) used for weather pattern information registration processing.
  • the pattern table 161 is a table with weather as a row and time words as a column. Further, in the matrix of the pattern table 161, items having a high degree of precipitation are arranged so as to be above and to the left. In the example of the pattern table 161 in FIG. 7, the rows are arranged in the order of “heavy rain”, “rain”, “snow”, “cloudy”, and “clear”, and the columns are arranged in the order of “temporary”, “sometimes”, and “after”. Yes.
  • the weather overview acquisition unit 111 first acquires weather overview information (S1511).
  • the weather pattern registration unit 112 generates a pattern table 161 in which “0” is set in each cell (S1512).
  • the weather pattern registration unit 112 performs the following processing for each of the daytime weather overview and the nighttime weather overview included in the weather overview information.
  • the weather pattern registration unit 112 deletes words other than weather words and time words from the weather overview (S1513), divides the weather overview immediately after the term indicating weather, and sets the divided words as weather chunks (S1514). .
  • the weather pattern registration unit 112 sets the value of the pattern table 161 corresponding to the time word and the weather included in the weather chunk to “1” for each divided weather chunk (S1515).
  • the weather pattern registration unit 112 After the weather pattern registration unit 112 performs the above process for each of the weather conditions in the daytime period and the weather conditions in the nighttime period, a cell in which “1” is set for each row of the pattern table 161 is displayed. The leftmost cell is searched, and “0” is set in all the cells to the right of the searched cell (S1516). For each column of the pattern table 161, the weather pattern registration unit 112 searches for the uppermost cell in which “1” is set, and sets “0” to all cells below the searched cell. Is set (S1517).
  • the weather pattern registration unit 112 creates weather pattern information including a combination of a time word and a weather word and a date from the pattern table 161 created as described above, and registers it in the weather pattern database 132 (S1518). .
  • FIG. 8 is a diagram for explaining a specific example of the registration process of the weather pattern information based on the weather overview information.
  • the weather overview 1711 for the noon time zone included in the weather overview information is “cloudy after a cloudy rain” and the weather overview 1712 for a night time zone is “temporarily cloudy after the sky”.
  • the weather pattern registration unit 112 divides the daytime weather overview 1711 immediately after the weather word, that is, after “cloudy”, “rainy”, and “sunny”, and displays “cloudy”, “temporarily raining”, and “afternoon”. A weather chunk is created (S1514).
  • the weather pattern registration unit 112 corresponds to a weather word and a time word included in each weather chunk, that is, a cell 1721 corresponding to “cloudy” and an empty character, and a cell corresponding to “rain” and “temporary”. 1722, and “1” is set in the cell 1723 corresponding to “clear” and “after” (S1515).
  • the weather pattern registration unit 112 also divides the weather overview 1712 for the night time zone into weather chunks of “sunny” and “temporarily cloudy after” (S1514), and cells corresponding to “sunny” and sky characters. 1731, and “1” is set in the cells 1732 and 1733 corresponding to “cloudy”, “temporary”, and “after”, respectively (S1515).
  • the weather pattern registration unit 112 sets “0” in other cells, leaving only the leftmost “1” in each row of the pattern table 161 (S1516). In the row 174, the leftmost cell 1741 among the cells in which “1” is set is left, and “0” is set in the other cells 1742 and 1743.
  • the weather pattern registration unit 112 sets “0” in the other cells, leaving only the top “1” in each column of the pattern table 161 (S1517). In the column 175, the cell 1751 at the top of the cells set with “1” is left, and “0” is set in the other cells 1752.
  • the pattern table 161 in FIG. 8 indicates that “1” is set only in the cell 1751 corresponding to “cloudy” and blank and the cell 1753 corresponding to “rain” and “temporary”. Become. Based on the pattern table 161, weather pattern information 177 in which “1” is set only for “cloudy” and “temporary rain” is generated and registered in the weather pattern database 132.
  • the predicted precipitation acquisition request receiving unit 113 receives a command (hereinafter referred to as predicted precipitation acquisition) for acquiring a predicted precipitation value (hereinafter also referred to as predicted precipitation) from another computer connected to the communication network 40. Request).
  • a percentile setting value (hereinafter referred to as a percentile setting value) is set in the predicted precipitation acquisition request.
  • the percentile setting value for example, an arbitrary numerical value (0 ⁇ percentile setting value ⁇ 1) such as 5% or 10% can be set.
  • the weather forecast acquisition unit 114 acquires information describing the weather forecast (hereinafter referred to as weather forecast information).
  • the weather forecast acquisition unit 114 may acquire weather forecast information from, for example, the Japan Meteorological Agency or a weather company, or may accept input of weather forecast information from the user.
  • the weather forecast information includes a date and a weather forecast on that date. Unlike the weather overview information, the weather forecast information describes the weather on a daily basis. On the other hand, the weather forecast information describes the weather and, if necessary, a time word, like the weather overview.
  • the precipitation prediction unit 115 calculates the predicted precipitation, and the predicted precipitation transmission unit 116 transmits the predicted precipitation calculated by the precipitation prediction unit 115 to the transmission source of the predicted precipitation acquisition request.
  • the precipitation forecasting unit 115 patterns the weather forecast obtained by the weather forecast obtaining unit 114, obtains and sorts the precipitation of the same day in the past, obtains the percentile value based on the percentile setting value, and predicts the precipitation Amount.
  • FIG. 9 is a diagram showing a flow of precipitation prediction processing.
  • FIG. 10 is a diagram showing a flow of processing for creating weather pattern information based on the weather forecast.
  • the precipitation prediction unit 115 creates the pattern table 161 of FIG. 7 and sets “0” in all the cells (S1551).
  • the precipitation prediction unit 115 deletes words other than the weather word and the time word from the weather forecast (S1552), divides the weather forecast immediately after each weather word, and sets the divided character string as a weather chunk (S1553). ).
  • the precipitation amount prediction unit 115 sets “1” in the cell of the pattern table 161 corresponding to the time word and the weather word included in the weather chunk for each weather chunk (S1554). For each row of the pattern table 161, the precipitation amount prediction unit 115 selects the leftmost cell among the cells set with “1”, and sets “0” to all the cells to the right of the selected cell. Set (S1555). In addition, for each column of the pattern table 161, the precipitation amount predicting unit 115 selects the uppermost cell among the cells in which “1” is set, and assigns “all” to all the cells below the selected cell. "0” is set (S1556).
  • the precipitation prediction unit 115 extracts the cell value corresponding to each combination of the time designation word and the weather word from the pattern table 161, and creates forecast weather pattern information in which the extracted value is set ( S1557).
  • the precipitation prediction unit 115 searches the weather pattern database 132 for a date that matches the created forecast weather pattern information that is in the same month as the date included in the weather forecast information (S1533). ), The precipitation corresponding to the searched date is acquired from the weather overview database 131 (S1534).
  • the precipitation prediction unit 115 sorts the acquired precipitations in ascending order (S1535), and converts the value obtained by multiplying the number of acquired precipitations by the percentile setting value included in the predicted precipitation acquisition request to an integer value. Is set to n (S1536).
  • the precipitation prediction unit 115 sets the n-th precipitation from the top of the sorted precipitations as the predicted precipitation (S1537).
  • past weather conditions are patterned and stored in association with precipitation, future weather forecasts are patterned, and past of the same pattern is stored. Can be used as a forecast for the future. Weather and precipitation are known to correlate, and precipitation can be predicted with high accuracy. Moreover, according to the precipitation prediction system 10 of this embodiment, since the character string contained in a weather general condition can be patterned and memorize
  • the date matching the forecast weather pattern information is searched for the same month as the date included in the weather forecast information.
  • the weather pattern information Includes typhoon information indicating whether or not a typhoon has occurred in the forecasted area and rainy season information indicating whether or not a rainy season has occurred. You may make it search the thing of the same month as a forecast day among the dates with which information or rainy season information matches.
  • the pattern of precipitation differs depending on whether a typhoon is occurring or not, whether it is rainy season, or not.
  • Precipitation can be predicted based on the value. Therefore, more accurate precipitation can be predicted.
  • the inflow amount prediction system 20 predicts the inflow amount to the water storage facility.
  • the inflow prediction system 20 estimates a regression coefficient by performing regression analysis on past temperature, precipitation, snowfall, snow cover, snowmelt, and inflow using a statistical model described later, Predicted values of temperature and precipitation (for example, predicted values from weather forecasts) and estimated regression coefficients are applied to a statistical model to predict inflow.
  • the inflow amount is predicted in a predetermined first unit period (in this embodiment, one day), and the probability distribution of the inflow amount is a second unit period (this embodiment) longer than the first unit period. In the form, it is one month.) It shall be done in units.
  • FIGS. 11 to 13 are graphs showing changes in the inflow amount. Even when there is no precipitation or snowmelt, there is a predetermined inflow due to, for example, oozing from a forest. Therefore, if there is no precipitation or snowmelt, the inflow will gradually decrease to a predetermined equilibrium value (hereinafter referred to as equilibrium inflow) (FIG. 11). On the other hand, if there is precipitation, the amount of water flowing temporarily increases accordingly, but the precipitation stops and starts decreasing again toward the equilibrium inflow (Fig. 12). On the other hand, when the temperature rises, snow melts and the amount of water flowing increases accordingly, but the effect of snow melt on the inflow is more gradual than that of precipitation (FIG. 13). This is a case where, for example, snow melting continuously occurs when the average temperature rises during the period from winter to spring.
  • the inflow is predicted using a regression model that calculates the inflow.
  • the inflow prediction system 20 of this embodiment estimates parameters based on actual values of weather data such as past temperature and precipitation and a regression model to be described later, and is obtained from the estimated parameters and, for example, weather forecasts.
  • the predicted value of inflow is calculated by applying the predicted value of temperature (hereinafter referred to as predicted temperature) and the predicted precipitation obtained by the precipitation prediction system to the regression model. Details will be described below.
  • FIG. 14 is a diagram illustrating a hardware configuration of the inflow amount prediction system 20 of the present embodiment.
  • the inflow amount prediction system 20 includes a CPU 201, a memory 202, a storage device 203, a communication interface 204, an input device 205, and an output device 206.
  • the storage device 204 stores various programs and data, for example, a hard disk drive, a flash memory, a CD-ROM drive, or the like.
  • the CPU 201 implements various functions by reading a program stored in the storage device 203 into the memory 202 and executing it.
  • the communication interface 204 is an adapter for connecting to the communication network 40.
  • the communication interface 204 is constructed by, for example, Ethernet (registered trademark), a public telephone line network, or a wireless communication network.
  • the input device 205 is, for example, a keyboard, a mouse, a touch panel, or a microphone that receives data input from a user.
  • the output device 206 is, for example, a display, a printer, or a speaker that outputs data.
  • FIG. 15 is a diagram showing a software configuration of the inflow amount prediction system 20 of the present embodiment.
  • the inflow prediction system 20 of this embodiment includes a snowfall temperature estimation unit 211, a snowmelt amount model estimation unit 212, an inflow amount model estimation unit 213, a predicted temperature acquisition unit 214, a predicted precipitation amount acquisition unit 215, and a predicted inflow amount acquisition request reception.
  • the predicted inflow amount transmission unit 218, the inflow amount distribution acquisition request reception unit 219, the inflow amount occurrence probability model estimation unit 220, the inflow amount distribution generation unit 221, and the inflow amount distribution transmission unit 222 are stored in the CPU 11 of the inflow amount prediction system 20. This is realized by reading the program stored in the device 13 into the memory 12 and executing it.
  • the model storage unit 231, parameter storage unit 232, and weather performance database 233 are realized as storage areas provided by the memory 202 and the storage device 203 of the inflow amount prediction system 20.
  • the meteorological record database 233 stores a history of information including various meteorological record values (hereinafter referred to as meteorological record information).
  • FIG. 16 is a diagram illustrating a configuration example of weather performance information stored in the weather performance database 233.
  • the weather result information includes temperature, precipitation, snowfall, snow cover, snowmelt, and inflow in association with the date.
  • the temperature is the average daily temperature.
  • Precipitation, snowfall and snowmelt are cumulative values of daily precipitation, snowfall and snowmelt.
  • the snow cover is the snow cover observed on that day.
  • the inflow is the cumulative amount of water that has flowed into a water storage facility such as a dam per day.
  • the temperature, precipitation amount, snowfall amount, and snowfall amount are data provided by, for example, the Japan Meteorological Agency or a private weather company.
  • the inflow is a measured value measured at the water storage facility.
  • the inflow amount may be, for example, a measurement value of a river flow rate provided by a local government that manages the river.
  • the amount of snowmelt may be measured by the Japan Meteorological Agency, a private weather company, a surveying company, or the like, or a value calculated by a model described later may be recorded as an actual value.
  • the model storage unit 231 stores various statistical models based on weather performance information, and the parameter storage unit 232 stores parameters such as regression coefficients and constants applied to the models stored in the model storage unit 231. Is done.
  • the model storage unit 231 includes a precipitation statistical model (hereinafter referred to as precipitation model A1), a snowfall statistical model (hereinafter referred to as snowfall model A2), and a snowfall statistical model (hereinafter referred to as snowfall model).
  • snowmelt model A4 a statistical model of snowmelt
  • inflow model A5 a statistical model related to the increase in inflow from the previous day
  • inflow model A5 a statistical model related to the increase in inflow from the previous day
  • inflow probability model A6 the probability of occurrence of inflow Is stored
  • the temperature at which the rain changes to snow hereinafter referred to as snow temperature
  • the daily equilibrium inflow ⁇ 1 the daily equilibrium inflow ⁇ 1
  • the monthly inflow ⁇ 3 the temperature at which snow melting starts ⁇ 2
  • regression coefficient ⁇ 1 to ⁇ 4 , ⁇ 1 , ⁇ 2 are stored in the parameter storage unit 32. It is assumed that the daily inflow ⁇ 1 and the temperature ⁇ 2 at which snow melting starts are stored in the parameter storage unit 132 in advance as predetermined constants.
  • the temperature at the date t, rainfall, snowfall, snowfall, snowmelt and inflow respectively, T t, and P t, S t, D t, M t, and F t.
  • ⁇ Ft be the increase in the inflow from the previous day.
  • the precipitation when the temperature Tt is higher than ⁇ is P1 t
  • the precipitation when the temperature T t is ⁇ or less is P2 t .
  • the inflow of month m and F m the average of the past inflow for month m and I m.
  • An inflow amount normalized by dividing F m by I m is defined as F m *
  • an increase amount of the inflow amount is normalized as ⁇ F m * .
  • Precipitation Model A1 is precipitation P t is, the boundary of snow temperature [delta], is a model that indicates that the P1 t or P2 t, is expressed by the following equation.
  • the snowfall model A2 is a regression model in which the precipitation P2t when the temperature Tt is equal to or less than ⁇ is an explanatory variable and the snowfall St is an objective variable, and is represented by the following equation.
  • Snowfall model A3 snowfall D t is a model showing the relationship of addition of the day of snowfall S t in snowfall D t-1 of the previous day, matches therefrom minus snowmelt M t Yes, it is expressed by the following formula.
  • Snowmelt model A4 is a regression model and a value obtained by multiplying the snow accumulation D t to the value obtained by subtracting the temperature mu 2 that snow melting starts at temperature T t, as explanatory variables and P1 t, snow melting amount M t aimed variable And is represented by the following equation.
  • the first term becomes 0 if the temperature T t is lower than ⁇ 2
  • the snow melting amount M t becomes 0 if the snow accumulation amount D t ⁇ 1 up to the previous day is 0.
  • Inflow model A5 is a value obtained by subtracting the inflow F t-1 of the previous day from equilibrium inflow mu 1, and precipitation P1 t where temperature T t of the day is higher than [delta], and the day of snowmelt M t Is an regression variable, and an inflow increase ⁇ F t is a target variable, which is expressed by the following equation.
  • the inflow probability model A6 describes the monthly inflow ⁇ 3 , the balance inflow ⁇ 3 minus the previous month's normalized inflow F m ⁇ 1 * , and the residual term u m This is a model in which the increase amount ⁇ F m * of the normalized inflow amount is a target variable, and is expressed by the following equation.
  • the snowfall temperature estimation unit 211 estimates the snowfall temperature ⁇ based on the precipitation model A1 and the weather record information, and registers the estimated snowfall temperature ⁇ in the parameter storage unit 232. The details of the process of estimating ⁇ by the snow temperature estimating unit 211 will be described later.
  • the snow temperature estimation unit 211 reads out the weather record information corresponding to the date t from the weather record database 233 for each date t, and calculates the precipitation amount and temperature of the read weather record information and the estimated snowfall temperature ⁇ as described above.
  • P2 t is calculated by applying it to precipitation model 1.
  • the snowfall temperature estimation unit 211 performs regression analysis based on the weather record information, P2 t , and the snowfall amount model A2, and estimates the regression variable ⁇ .
  • the snowfall temperature estimation unit 211 registers the estimated regression variable ⁇ in the parameter storage unit 32.
  • the snow melting amount model estimation unit 212 is an equation in which the snow accumulation amount model A3 is substituted into the snow melting amount model A4. And regression coefficients ⁇ 2 , ⁇ 3 and ⁇ 2 are estimated. The snow melting amount model estimation unit 212 registers the estimated regression coefficients ⁇ 2 , ⁇ 3, and ⁇ 2 in the parameter storage unit 232.
  • the inflow amount model estimation unit 213 estimates the regression coefficients ⁇ 1 , ⁇ 1 , and ⁇ 2 based on the inflow amount model A5 and the actual weather information. Specifically, the inflow amount model estimating unit 213 calculates P1 t for each date t based on the precipitation amount of the precipitation model 1, ⁇ , and the weather performance information corresponding to the date t, and the meteorology for each date t.
  • the inflow model A5 is subjected to regression analysis using the actual information and the corresponding P1 t , and the regression coefficients ⁇ 1 , ⁇ 1 , ⁇ 2 and ⁇ 1 are estimated.
  • the inflow model A5 It is also possible to estimate regression coefficients ⁇ 1 , ⁇ 1 , ⁇ 2 and ⁇ 1 by performing regression analysis.
  • the inflow amount model estimation unit 23 registers the estimated regression coefficients ⁇ 1 , ⁇ 1 , ⁇ 2, and ⁇ 1 in the parameter storage unit 232.
  • the predicted temperature acquisition unit 214 acquires a predicted temperature value (hereinafter referred to as a predicted temperature).
  • the predicted temperature acquisition unit 214 may receive an input of the predicted temperature from the user, or may access the computer of the Japan Meteorological Agency or a private weather company to acquire the predicted temperature.
  • a statistical model used for general temperature prediction is stored in the model storage unit 31, and the predicted temperature acquisition unit 214 performs regression analysis based on the statistical model and the weather performance information to set the parameter
  • the estimated temperature can be calculated by applying the estimated parameter and the weather performance information to the statistical model.
  • the predicted precipitation acquisition unit 215 acquires the predicted precipitation.
  • the predicted precipitation acquisition unit 215 transmits a predicted precipitation acquisition request to the precipitation prediction system 10, and the predicted precipitation returned from the precipitation prediction system 10 according to the predicted precipitation acquisition request. By receiving the amount, the predicted precipitation shall be obtained.
  • the predicted precipitation acquisition unit 215 transmits a predicted precipitation acquisition request in which a predetermined percentile setting value (for example, 10% or 90%) is set to the precipitation prediction system.
  • a predetermined percentile setting value for example, 10% or 90%
  • the predicted precipitation acquisition unit 215 may receive an input of predicted precipitation from a user, or may access a computer of the Japan Meteorological Agency or a private weather company to acquire the predicted precipitation.
  • the predicted precipitation amount acquiring unit 215 may perform the prediction of the precipitation amount based on the weather performance information, similarly to the predicted temperature acquiring unit 214.
  • the predicted flow input acquisition request receiving unit 216 receives a command (hereinafter referred to as a predicted inflow amount acquisition request) for acquiring a predicted value of the inflow amount (hereinafter referred to as a predicted inflow amount) from another computer connected to the communication network 40. Is received.
  • a predicted inflow amount acquisition request a command for acquiring a predicted value of the inflow amount (hereinafter referred to as a predicted inflow amount) from another computer connected to the communication network 40. Is received.
  • the inflow amount prediction unit 217 includes the predicted temperature acquired by the predicted temperature acquisition unit 214, the predicted precipitation acquired by the predicted precipitation acquisition unit 215, the parameters estimated by the snowfall temperature estimation unit 211, the actual weather information, and the inflow amount model A5. Is used to calculate the predicted inflow. Details of the predicted inflow calculation process will be described later.
  • the predicted inflow amount transmission unit 218 transmits the predicted inflow amount calculated by the inflow amount prediction unit 217 to the transmission source of the predicted inflow amount acquisition request.
  • the inflow amount distribution acquisition request receiving unit 219 receives a command (hereinafter referred to as an inflow amount distribution acquisition request) for acquiring an inflow amount occurrence probability distribution from another computer connected to the communication network 40.
  • the inflow rate probability model estimation unit 219 performs regression analysis on the inflow rate probability model A6 to estimate the parameters ⁇ 4 and ⁇ 3 .
  • the inflow rate probability model estimation unit 219 may register the estimated parameters ⁇ 4 and ⁇ 3 in the parameter storage unit 232, but in this embodiment, the inflow rate distribution acquisition request is received. Accordingly, the parameters of the inflow rate probability model A6 are estimated.
  • the inflow amount distribution generation unit 221 generates an inflow amount occurrence probability distribution (hereinafter referred to as an inflow amount distribution).
  • the inflow amount distribution is a distribution of conditional probability Pr (F m
  • the inflow amount distribution transmission unit 222 transmits the inflow amount distribution generated by the inflow amount distribution generation unit 221.
  • FIG. 17 is a diagram showing the flow of the process of estimating the snow temperature ⁇ by the snow temperature estimator 211.
  • the snowfall temperature estimation unit 211 acquires weather record information whose snowfall amount is greater than 0 from the weather record database 233 (S2501). Thereby, as shown in FIG. 18, only the snowfall amount larger than 0 is extracted among the weather performance information stored in the weather performance database 233.
  • the snowfall temperature estimation unit 211 sets “a ⁇ weather performance information temperature + b ⁇ rainfall of weather performance information” when the temperature is ⁇ or less, and “0” when the temperature is higher than ⁇ as the estimated snowfall amount. ⁇ that minimizes the value obtained by squaring the difference between the estimated amount of snowfall and the amount of snowfall in the weather information is calculated (S2503).
  • the snowfall temperature estimation unit 211 increases the regression coefficient a to the temperature if the temperature is higher than ⁇ for each meteorological record information as shown in FIG.
  • the sum of the value multiplied by the above and the value obtained by multiplying the above-mentioned area coefficient b by the amount of precipitation is calculated as the estimated snowfall, and the value obtained by squaring the difference between the estimated snowfall and the snowfall in the weather information is an error.
  • a general statistical method can be used for the process of determining ⁇ so that the square of the error is minimized.
  • the snow temperature estimation unit 211 registers ⁇ determined as described above in the parameter storage unit 32 (S2504).
  • the snow melting temperature ⁇ is determined as described above.
  • FIG. 20 is a diagram illustrating a flow of the inflow amount prediction process in the inflow amount prediction system 20 of the present embodiment. In the process of FIG. 20, it is assumed that the date t is the date to be predicted.
  • Predicting temperature acquiring unit 214 acquires the prediction temperature T t (S2521). As described above, the predicted temperature acquisition unit 214 can acquire T t by receiving data input from a user or accessing a computer of the Japan Meteorological Agency or a private weather company to acquire data, for example.
  • Predicted rainfall obtaining unit 215 obtains the predicted rainfall P t (S2522). As described above, the predicted precipitation acquisition unit 215 transmits a predicted precipitation acquisition request in which a predetermined percentile setting value is set to the precipitation prediction system 10 and receives the predicted precipitation returned from the precipitation prediction system 10. To obtain the predicted precipitation.
  • the inflow amount predicting unit 217 reads ⁇ 1 to ⁇ 3 , ⁇ 1 , ⁇ 2 , ⁇ 1 , and ⁇ 2 from the parameter storage unit 32 (S2525).
  • the inflow amount predicting unit 217 reads the weather performance information corresponding to the previous day t-1 from the weather performance database 233, sets the snow accumulation amount of the read weather performance information as D t-1 (S2526), The inflow amount is set to F t-1 (S2527).
  • the inflow amount prediction unit 217 substitutes ⁇ 2 , T t , ⁇ 2 , D t ⁇ 1 , ⁇ 3 , and P1 t into the snow melting amount model A4, and calculates the predicted value M t of the snow melting amount (S2528). Then, ⁇ 1 , ⁇ 1 , F t ⁇ 1 , ⁇ 1 , P 1 t , ⁇ 2 , and M t are substituted into the inflow amount model A5 to calculate a predicted value ⁇ F t of the inflow increase amount (S2529). The inflow amount predicting unit 217 adds ⁇ F t to F t ⁇ 1 to calculate the predicted inflow amount F t (S2530).
  • the inflow amount is predicted in consideration of the precipitation amount and the snowmelt amount, based on the predicted temperature, the predicted precipitation amount, and the actual weather information. Can do. Even when there is no precipitation, the amount of inflow increases due to snow melting, so the prediction accuracy can be improved by predicting the amount of inflow taking into account the amount of snow melting.
  • the amount of snowmelt can be calculated from precipitation and temperature. Prediction of precipitation and temperature are easily available because there are various methods for weather forecasting. Therefore, even if it is difficult to predict the amount of snowmelt, it is possible to easily predict the inflow amount in consideration of the amount of snowmelt by predicting the amount of snowmelt based on the easily obtained precipitation and temperature predicted values. can do.
  • the first term is the difference between the balanced inflow and the inflow, and the balanced inflow is taken into account. Compared to the case where the inflow is simply used as an explanatory variable, More accurate inflow prediction can be performed.
  • the inflow amount prediction system of the present embodiment the amount of water flowing into the water storage facility such as a dam is predicted from the river.
  • the inflow amount prediction system can be easily applied to a system that predicts the amount of water flowing through the river. it can. In this case, forecast and actual values of temperature and precipitation in the upstream area of the river are acquired and recorded.
  • the equilibrium inflow amount ⁇ 1 and the temperature ⁇ 2 at which snow melting starts are stored in the parameter storage unit 32 in advance.
  • the present invention is not limited to this, and based on past weather record information. A good value may be estimated.
  • the inflow amount model A5 may not consider the snowmelt amount M.
  • the inflow amount model A5 is expressed by the following equation.
  • the snow temperature estimation unit 211 may estimate the parameters by the Prais-Winstein transformation or the Cochrane ocut method.
  • the inflow distribution is a conditional probability distribution with the inflow of the previous month as a condition.
  • inflow F m is inflow F m is a predetermined minimum value (hereinafter, referred to as a minimum flow rate, expressed as F min.) Maximum value (hereinafter, referred to as the maximum flow rate, F denoted as max between up.), the unit amount (e.g., 1 or cubic meter 10 cu.m., 1000 cubic meters, and the like.
  • each assumed to be discrete value to increase or decrease, inflow The distribution is assumed to be a table in which probabilities are described in association with the inflow amount for each unit inflow amount from the minimum inflow amount Fmin to the maximum inflow amount Fmax .
  • the inflow rate probability model A6 When the inflow rate probability model A6 is applied to the conditional probability Pr (F m
  • A6 ′ can be further transformed as the following equation. That is, the conditional probability Pr (F m
  • conditional probability is conditional on the inflow of the previous month, but is conditional conditional on the inflow of the previous month and the previous month, that is, Pr (F m
  • FIG. 21 is a diagram for explaining the flow of the inflow amount distribution creation process.
  • the inflow rate probability model estimation unit 219 performs the following processing, where m is each month (January to December). Inflow probability model estimation unit 219, the actual weather database 233, and an average inflow amount corresponding to the date of the month m of all the year to calculate the I m (S2541), all year m-1 month I m ⁇ 1 is calculated by averaging the inflows corresponding to the dates (S2542).
  • Inflow probability model estimation unit 219 for each date belongs year actual weather information stored in the actual weather database 233, F by averaging the flow rate of the date corresponding to the date of the month m of the year m calculating the (S2543), the F m normalized by dividing by I m, and calculates the F m * (S2544). Further, inflow probability model estimation unit 219 calculates the actual weather database 233, of m-1_Tsukinohizukenitaiosururyunyuryouoheikinshite F m-1 of the year (S2545), F m-1 Is divided by I m-1 to calculate F m-1 * (S2546).
  • the inflow rate probability model estimation unit 219 After performing the above process for each year, the inflow rate probability model estimation unit 219 performs regression analysis on the inflow rate probability model A6 ′′ to estimate ⁇ 4 and ⁇ 3 (S2547), and the inflow rate probability model estimation unit 219. Calculates the drift term ⁇ 4 ( ⁇ 3 ⁇ F m ⁇ 1 * ) I m (S2548). Further, inflow probability model estimation unit 219, a residual u m of inflow probability model A6 "calculated by the following equation (S2549). The inflow rate probability model estimation unit 219 calculates a residual term u m I m (S2550).
  • the inflow rate probability model estimation unit 219 calculates the drift term and the residual term for each month by repeating the above processing for each month, and then the drift term drift term ⁇ 4 ( ⁇ 3 ⁇ F m ⁇ 1 * ). generates a frequency distribution of I m (S2551), generates a frequency distribution of Zansako u m I m (S2552), it creates a frequency distribution of inflow F m and the sum of these (S2553).
  • Inflow probability model estimation unit 219 based on the frequency distribution of inflow F m, inflow of conditional probability Pr
  • the inflow distribution may be described as a probability distribution calculation formula.
  • the water level in the water storage facility is assumed to be a discrete value for each predetermined unit amount (for example, 1 meter, 5 meters, etc., hereinafter referred to as a unit water level).
  • the water level in the medium-term operation period that maximizes the amount of power generated in the long-term operation period is obtained by Stochastic Dynamic Programming (SDP).
  • SDP Stochastic Dynamic Programming
  • the water level of each unit period in the short-term operation period is subject to restrictions such as the maximum and minimum values of the water level in the water storage facility and the maximum and minimum values of the amount of water used for hydropower generation (hereinafter referred to as water intake, Q).
  • the water level of each day is simulated by changing the unit water level, and the water level that maximizes the amount of power sales is calculated.
  • FIG. 22 is a diagram showing a hardware configuration of the operation planning system 30.
  • the operation planning system 30 includes a CPU 301, a memory 302, a storage device 303, a communication interface 304, an input device 305, and an output device 306.
  • the storage device 303 stores various data and programs, for example, a hard disk drive, a flash memory, a CD-ROM drive, and the like.
  • the CPU 301 implements various functions by reading the program stored in the storage device 303 into the memory 302 and executing it.
  • the communication interface 304 is an interface for connecting to the communication network 40.
  • an adapter for connecting to Ethernet (registered trademark), a modem for connecting to a public telephone line network, and a communication for performing wireless communication
  • a vessel Such as a vessel.
  • the input device 305 is a keyboard, a mouse, a touch panel, a microphone, or the like that accepts data input.
  • the output device 306 is, for example, a display, a printer, or a speaker that outputs data.
  • FIG. 23 is a diagram showing a software configuration of the operation planning system 30.
  • the operation planning system 30 includes a specification input unit 311, a stored water amount set value input unit 312, an inflow amount distribution acquisition unit 313, a medium-term plan unit 314, a predicted inflow amount acquisition unit 315, and a short-term plan unit 316.
  • the specification input unit 311, the stored water amount set value input unit 312, the inflow amount distribution acquisition unit 313, the medium-term plan unit 314, the predicted inflow amount acquisition unit 315, and the short-term plan unit 316 are included in the CPU 201 included in the operation planning system 30.
  • the specification storage unit 331, the power price database 333, and the optimum water level database 334 are realized as storage areas provided by the memory 202 and the storage device 203 provided in the operation planning system 30.
  • the specification storage unit 331, the model storage unit 332, the power price database 333, and the optimum water level database 334 are managed by a database server different from the operation planning system 30, and the operation planning system 30 accesses the database server. It may be.
  • the specification storage unit 331 stores information (hereinafter referred to as specification information) including setting values of various specifications such as water storage facilities, rivers, and power generation facilities.
  • FIG. 24 is a diagram illustrating a configuration example of the specification information stored in the specification storage unit 331. As shown in the figure, the specification information includes a specification name, a unit, and a set value.
  • the specification input unit 311 receives input of specification information and registers the received specification information in the specification storage unit 331.
  • the specification input unit 311 may receive input of each item of specification information from the input device 205 such as a keyboard and a mouse, for example, or access the specification information by accessing the host computer of the power company, for example. You may make it acquire.
  • the specification input unit 331 has, as specifications relating to the water storage facility, the maximum value of the water level (maximum operating water level; hereinafter referred to as H max .
  • the unit is m), and the minimum value of the water level (minimum). Operational water level; hereinafter referred to as H min .
  • the unit is m.
  • the specification information including the highest operational water level received and the specification information including the lowest operational water level are created and specifications are created.
  • S0 a maintenance flow rate
  • the unit is m 3 / s) as specifications relating to the river, and creates specification information including the received maintenance flow rate Then, the maximum amount of water that can be used for power generation (maximum water intake; hereinafter referred to as Q max .
  • the unit is m 3 / s. ), The minimum amount of water available for power generation (minimum water intake; Q min .
  • the unit is m 3 / s.)
  • the height of water discharge after power generation water discharge level; hereinafter referred to as H out .
  • the unit is m.), And the loss drop (hereinafter, (It is expressed as H los .
  • the unit is m.)
  • the specification information including the maximum water intake received, the specification information including the minimum water intake, the specification information including the discharge level, and the loss head Is created and registered in the specification storage unit 331.
  • the power price database 333 stores the power price for each date.
  • FIG. 25 is a diagram illustrating a configuration example of the power price database 333. As shown in the figure, the power price database 333 stores a power price (unit: yen / kWh) in association with the date. In this embodiment, it is assumed that the power price can be changed for each date, and the power price for each day is input in advance by the user and registered in the power price database 333.
  • the stored water amount set value input unit 312 accepts an input of a scheduled value of the stored water amount (hereinafter referred to as an initial stored water amount) at the start time (0:00) of the first day of the short-term operation period.
  • the water storage amount setting value input unit 312 may acquire the water storage amount of the current water storage facility and set it as the initial water storage amount, for example. Further, the water storage amount set value input unit 312 may predict the initial water storage amount from the past water level.
  • the optimum water level database 334 stores the water level after the optimum medium-term operation period corresponding to the month, the water level at the start of the month, and the inflow amount in the month.
  • FIG. 26 is a diagram illustrating a configuration example of the optimum water level database 334. As shown in the figure, the optimum water level database 334 is associated with the water level H m and the inflow amount F m for each month m during the long-term operation period, and the optimum water level in the following month (the optimum water level after one month). H m + 1 ) is stored as a target water level table 351 for each water level inflow.
  • the target water level at the final time of the month is obtained by reading out the optimal water level after one month corresponding to the month, the water level at the start of the month, and the predicted inflow from the optimal water level database 334. be able to.
  • the inflow amount distribution acquisition unit 313 acquires the inflow amount distribution.
  • the inflow amount distribution acquisition unit 313 transmits an inflow amount distribution acquisition request to the inflow amount prediction system 20 and receives the inflow amount distribution transmitted by the inflow amount prediction system 20 in response to the inflow amount distribution acquisition request.
  • the inflow amount distribution acquisition unit 313 may receive an input of the inflow amount distribution from the user.
  • the mid-term planning unit 314 creates an optimal water level plan for each mid-term operation period.
  • the medium-term plan unit 314 uses the inflow amount distribution and a statistical model stored in the model storage unit 332 described later to create an optimal water level plan by probabilistic dynamic programming, and an optimal water level database Register at 334. Details of the process for creating the optimum water level plan by the medium-term plan unit 314 will be described later.
  • the predicted inflow amount acquisition unit 313 accesses the inflow amount prediction system 20 and acquires a predicted value (predicted inflow amount) of the inflow amount R for each day in the short-term operation period predicted by the inflow amount prediction system 20. .
  • the predicted inflow amount acquisition unit 313 may accept an input of the predicted inflow amount from the input device 205 such as a keyboard or a mouse.
  • the short-term planning unit 316 calculates the optimum water level (hereinafter referred to as short-term operation water level, referred to as H) on each day during the short-term operation period by simulation, and calculates each day The short-term operational water level is output to the output device.
  • the short-term planning unit 316 performs a simulation using a statistical model stored in a model storage unit 332 described later.
  • the model storage unit 332 stores the following models B1 to B11.
  • Model B1 is for calculating the operational water level H based on the water storage amount V (water level calculation model), and is represented by the following equation. Note that a is a constant specific to the water storage facility.
  • the model B2 is for calculating the upper limit of the water storage amount (hereinafter referred to as the upper limit water storage amount and expressed as V max ) based on the maximum operational water level Hmax , and is represented by the following equation.
  • Model B3 is for calculating the lower limit of the water storage amount (hereinafter referred to as the lower limit water storage amount and expressed as V min ) based on the minimum operating water level Hmin , and is represented by the following equation.
  • Model B4 is based on the amount of stored water from 0:00 to 24:00 on the day (that is, 0:00 on the next day), and the difference in the amount of stored water from the start point to the end point of the unit period (hereinafter referred to as the stored water amount difference). , And expressed as ⁇ V), and is expressed by the following equation, where V t is the amount of water stored at 0:00 on a certain date t.
  • the model B5 is for calculating a water amount (R0) obtained by subtracting the maintenance flow rate S0 and the stored water amount difference ⁇ V from the inflow amount R, and is represented by the following equation.
  • the model B6 is for determining the water intake Q based on the minimum water intake Q min , the maximum water intake Q max , the minimum operation output Q0 min and R0 (water intake calculation model), and is expressed by the following equation.
  • R0 is, and the minimum intake quantity Q min or more, and equal to or less than the maximum intake amount Q max is, R0 is intake amount Q, and the minimum intake if R0 is smaller than the minimum intake quantity Q min
  • the amount Q min becomes the water intake amount Q
  • R0 is larger than the maximum water intake amount
  • the maximum water intake amount Q max becomes the water intake amount Q.
  • the water intake Q is 0.
  • Model B7 is for calculating the amount of water discharged in the water storage facility on the basis of R0 and the amount of water intake Q (hereinafter referred to as normal discharge flow rate, expressed as S). expressed.
  • Model B8 is for calculating the effective head hn based on the operating water level at the end of the day, the discharge water level H out and the loss head H los , and the operating water level at 0:00 on date t is H t.
  • b is a predetermined constant for converting the water level to the sea level, and is expressed by the following equation.
  • the model B9 is for calculating the generated power Pn generated on the basis of the water intake amount Q and the effective head hn, where c is a coefficient relating to the conversion efficiency of power generation and g is a gravitational acceleration. It is represented by Model B10 is for calculating the amount of generated power En generated per day based on the generated power Pn (power amount calculation model), and is represented by the following equation. The model B11 is for calculating the amount of power sold based on the amount of generated power En for a certain date and the power price corresponding to the date, and is represented by the following equation.
  • the medium-term plan unit 314 calculates an optimal water level by probabilistic dynamic programming using the inflow distribution and the statistical model. Specifically, the medium-term plan unit 314 obtains a combination of water levels that satisfies the following equation.
  • GE H m , H m + 1 , F m
  • m + 1 H m + 1 .
  • this is the generated electric energy En when the inflow amount of month m is F m .
  • the generated power amount in the month m is calculated by multiplying the generated power amount En per day calculated by the model B10 by the number of days in the month m.
  • FIGS. 27 to 29 are diagrams for explaining a method for obtaining an optimum water level by probabilistic dynamic programming.
  • the long-term operation period is four months, and the water level of the water storage facility takes only one of the values h1 to h3.
  • the medium-term plan unit 314 performs the following processing when the water level at the end time point m5 is h1 to h3.
  • the medium-term plan unit 314 sets the total amount of generated power E (1, H 1 , F 1 ) in the previous period (stage) to 0, for each water level at the start time m4 of the fourth month. Calculates the amount of generated power for each inflow in the fourth month, and adds the expected value for each water level calculated by multiplying the calculated amount of generated power by the occurrence probability of the inflow in the first month (here, Since the total power generation amount is 0, the expected value is also 0.) is calculated as the expected value for the fourth month. The medium-term plan unit 314 selects the one with the highest expected value for the fourth month (indicated by a bold line in the figure) (step 1).
  • the medium-term plan unit 314 calculates the amount of generated power in the third month for each combination of the water level at the time point m4 and the water level at the time point m3, and is calculated by multiplying the calculated value by the occurrence probability of the inflow amount in the fourth month. The sum of the expected values for each water level is calculated as the expected value for the third and subsequent months.
  • the medium-term plan unit 314 selects a combination (indicated by a thick line in the figure) having the largest expected value after the third month (step 2).
  • the medium-term plan unit 314 calculates the generated power amount in the second month by the occurrence probability of the inflow amount in the third month.
  • the expected value of the amount of generated power after the second month is calculated, and a combination (indicated by a bold line in the figure) that maximizes the expected value after the second month is selected (step 3). ).
  • the medium-term plan unit 314 calculates the combination of the water level at the time point m2 and the water level at the time point m1 by multiplying the generated power amount in the first month by the occurrence probability of the inflow amount in the second month.
  • the expected value of the amount of generated power after the first month is calculated by adding the expected values for each water level, and a combination (indicated by a bold line in the figure) that maximizes the expected value after the first month is selected. (Step 4).
  • the optimum water level is determined as described above.
  • Term plan unit 3144 every time the processes described above the (stage) is completed, the total value of the amount of power generated from the first month to the fourth month, inflow of water level H 1 and the first month of the first month F
  • the power level table 341 for each water level inflow amount managed in association with 1 is created.
  • FIG. 28 shows a configuration example of the power amount table 341 for each water level inflow amount.
  • the medium-term plan unit 314 reads the total power generation amount of the previous stage from the power amount table 341 by the water level inflow amount and performs the above processing (see FIG. 29).
  • the medium-term plan unit 314 repeats the above processing until the difference between the total power amount in the previous stage and the total power amount in the current stage is equal to or less than a predetermined value.
  • FIG. 30 is a diagram showing the flow of the optimum water level planning process in the long-term operation period.
  • the medium-term plan unit 314 sets 1 to ST indicating the stage of processing (S3601), and for each month from the last month (the 12th month in this embodiment) to the 1st month, the water level by the stochastic dynamic programming method
  • the planning process is performed (S3602).
  • FIG. 31 is a diagram showing a configuration of a generated power amount table 352 for each water level inflow, which is a table used for water level planning processing by probabilistic dynamic programming.
  • the water level inflow by generated power table 352 shown in FIG. 31, the water level H 12 of the December, in association with the inflow F 12 of the December, generated power amount in the December is registered .
  • FIG. 32 and FIG. 33 are diagrams showing the flow of water level planning processing by probabilistic dynamic programming.
  • FIG. 32 is a diagram showing the flow of the water level planning process for the last month (December).
  • the mid-term planning unit 314 performs processing for each month from the 12th month to the 1st month, which is the month related to the previous processing. month according the first month.) until the total power generation amount E (1, H 1, F 1) was used as a 0 (S3621), the water level H 12 of the last month, sets the minimum water level H min (S3622 ).
  • the medium-term planning unit 314 sets 0 to the accumulated power generation amount E (12, H 12 , F 12 ) until December (S3623), and sets the minimum inflow amount F min to the inflow amount F 12 in December. (S3624).
  • the medium-term plan unit 314 sets the minimum water level H min to the water level H 1 in January (S3625), applies each item stored in the item storage unit 331 to the above-described model, and generates power generation amount En Is calculated (S3626).
  • the medium-term plan unit 314 multiplies En by 31 (the number of days in December) to calculate an expected value GE of the generated power amount for one month (S3627).
  • the mid-term plan unit 314 acquires the occurrence probability of the inflow amount F 1 in January (S3628), and for each F 1 , the conditional probability of F 1 on the condition of F 12 is calculated as the accumulated power generation amount E (12, H 12 , F 12 ) are summed and added to GE to calculate E1 (12, H 12 , F 12 ) (S3629).
  • Term plan unit 3144 if E1 (12, H 12, F 12) is in E (12, H 12, F 12) or more (S3630: YES), the E (12, H 12, F 12) E1 (12, H 12 , F 12 ) is set (S3631), and the month 12, H 12 , H 1 , F 12 are registered in the target water level table 351 and the water level inflow amount generated power amount table 352 by water level inflow amount ( S3632).
  • the medium-term plan unit 314 adds the unit water level to H 1 (S3633), and if the added H 1 is not larger than the maximum water level H max (S3634: NO), the process from step S3626 is repeated. If the water level H 1 after the addition is greater than the highest water level H max is (S3634: YES), the medium-term planning unit 314 adds the unit inflow into the inflow F 12 (S3635). If the inflow F 12 does not exceed the maximum inflow F max is (S3636: NO), the process is repeated from step S3625.
  • step S3636 If inflow F 12 exceeds the maximum flow rate F max (S3636: YES), the medium-term planning unit 314, the water level H 12 in adding the unit level (S3637), the water level H 12 up to level H max after addition If it is not larger (S3638: NO), the processing from step S3623 is repeated.
  • the medium-term plan unit 314 calculates the accumulated power generation amount E (m + 1, H m + 1 , F m + 1 ) up to the month m + 1 related to the previous process from the power generation amount table 352 for each water level inflow amount (S3641). .
  • the calculation was performed with the accumulated power generation amount E (1, H 1 , F 1 ) set to 0 (FIG. 32, S3621). This is because when the process of FIG. 32 is executed, no value is registered in the generated power amount table 352 for each water level inflow amount.
  • the medium-term plan unit 314 sets the minimum water level H min to the water level H m of the month m (S3642), as in the process of FIG. 32, and the accumulated power generation amount E (m, H m up to the month m. , F m ) is set to 0 (S3643), and the minimum inflow amount F min is set to the inflow amount F m of month m (S3644).
  • the medium-term plan unit 314 sets the minimum water level H min to the water level H m + 1 of the previous month m + 1 (S3645), and applies each item stored in the item storage unit 331 to the above-described model, The amount of generated power En is calculated (S3646).
  • the medium-term plan unit 314 multiplies En by the number of days in month m to calculate an expected value GE of the generated power amount for one month (S3647).
  • the medium-term plan unit 314 acquires the occurrence probability of the inflow amount F m + 1 of the previous month m + 1 in the previous period (S3648), and for each F m + 1 , the conditional probability of F m on the condition of F m + 1 is the accumulated power generation amount E (m + 1).
  • H m + 1 , F m + 1 ) are summed and added to GE to calculate E1 (m, H m , F m ) (S3649).
  • E1 (m, H m, F m) is, E (m, H m, F m) is greater than or equal (S3650: YES), E ( m, H m, F m) in E1 (M, H m , F m ) is set (S3651), and the months m, H m , H m + 1 , and F m are registered in the target water level table 351 and the water level inflow amount generated power amount table 352 by water level inflow amount ( S3652).
  • the medium-term plan unit 314 adds the unit water level to H m + 1 (S3653). If H m + 1 after the addition is not larger than the maximum water level H max (S3654: NO), the process from step S3646 is repeated. If the water level H m + 1 after the addition is greater than the highest water level H max is (S3654: YES), the medium-term planning unit 314 adds the unit inflow into the inflow F m (S3655). If the inflow F m does not exceed the maximum inflow F max is (S3656: NO), the process is repeated from step S3645.
  • step S3643 the medium-term planning unit 314 ends the process.
  • the medium-term planning unit 314 After performing the water level planning process by the above stochastic dynamic programming for each month from the 12th month to the 1st month, the medium-term planning unit 314 performs the calculation process of the expected total generated electric energy shown in FIG. 34 (S3603). ). The medium-term planning unit 314 sets H min to H 1 (S3661), and acquires the occurrence probability of each F 1 for each unit inflow (S3662). The medium-term plan unit 314 calculates the accumulated power generation amount E (1, H 1 , F 1 ) up to the first month from the power generation amount table 352 for each water level inflow amount (S3663), and F 12 is calculated for each F 1.
  • the value obtained by multiplying E by the conditional probability of F 1 as a condition is summed to calculate the expected total generated power EE (1, H 1 ) of the stage (S3664).
  • the medium-term planning unit adds the unit water level to H 1 (S3665), and if H 1 does not exceed H max (S3666: NO), repeats the processing from step S3663.
  • the medium-term plan unit 314 sets the expected total generated power EE (1, H 1 ) as E02 (1, H 1 ) (S3605), When ST is 2 (S3604: 2), the expected total power generation amount EE (1, H 1 ) is set as E01 (1, H 1 ) (S3606).
  • the medium-term plan unit 314 increments ST (S3607), and repeats the process from the water level planning process by the probabilistic planning method from the last month to the first month in step S3602.
  • the medium-term plan unit 314 sets the expected total power generation amount EE (1, H 1 ) as E00 (1, H 1 ) (S3609). , a first value obtained by subtracting the E01 (1, H 1) from E02 (1, H 1), divided by a second value obtained by subtracting the E01 (1, H 1) from E00 (1, H 1) Convergence is determined based on whether the quotient does not exceed a predetermined threshold.
  • the threshold value S3610: YES
  • the medium-term plan unit 314 sets E01 (1, H 1 ) in E02 (1, H 1 ) (S3611), and E01 (1, H 1 ). Is set to E00 (1, H 1 ) (S3612), and the process proceeds to step S3607 described above. If the quotient does not exceed the threshold (S3610: NO), the medium-term plan unit 314 ends the process.
  • the water level inflow target water level table 351 for each month stored in the optimal water level database 334 is updated.
  • the predicted value of the future inflow amount is used to increase the expected value of the power generation amount in the long-term operation period, and the combination of the water levels at the start time and end time of the medium-term operation period Can be requested. Therefore, the operator of the water storage facility should operate the water storage facility at the start of the medium-term operation period with reference to the optimum water level database 334 and using the water level one month later corresponding to the water level at that time as the target water level. As a result, it is possible to increase the amount of generated power for one year. Therefore, even if the experience of the water storage facility operator is shallow, it can be easily adjusted to the optimum water level.
  • the operation planning system 30 of the present embodiment it is possible to formulate a water level plan based on objective data as compared with the case where the water level is planned based on the intuition and experience of the operator of the water storage facility. Further, in the operation planning system 30 of the present embodiment, by using the stochastic dynamic programming method, even when the predicted value of the future inflow is obtained as a probability distribution, the expected value of the generated power in the water storage facility is obtained. The optimal water level plan to be increased can be easily derived.
  • the short-term planning unit 316 sets the initial water storage amount received by the water storage amount setting value input unit 312 as V 1 on the first day of the short-term operation period, applies V 1 to the model B1, and calculates the water level H 1 on the first day.
  • the short-term planning unit 316 reads the optimum water level after one month corresponding to the month to which the short-term operation period belongs and H 1, and the water level H 2 at the end of the short-term operation period (also the start point on the seventh day). To do.
  • Short-term planning unit 316 by using the water level H 2 and model B2 or B3, a target value of the water volume in the end of the short operation period (hereinafter, referred to as final target storage volume.) To calculate the V 7.
  • the short-term planning unit 316 uses dynamic programming in this simulation. By using dynamic programming, it can be quickly calculated optimal combination of V t.
  • FIG. 35 is a diagram illustrating an example of a screen 60 used for the simulation of the operational water level.
  • the screen 60 is provided with an operation period input field 611, an initial storage water volume input field 612, a final target water storage volume input field 613, and various specifications display fields 621 to 627.
  • the short-term planning unit 316 reads setting values (H min and H max ) corresponding to the minimum operating water level and the maximum operating water level from the specification storage unit 331, and displays the read H min and H max in the display column 621 and the display column 622. To display.
  • the short-term planning unit 316 reads the set value (S0) corresponding to the maintenance flow rate from the specification storage unit 331, and displays the read S0 in the display column 623.
  • the short-term planning unit 316 reads the set values (Q min and Q max ) corresponding to the minimum water intake and the maximum water intake from the specification storage unit 331, and the read Q min and Q max are displayed in the display columns 624 and 625, respectively. indicate.
  • the short-term planning unit 316 reads the set value (H out ) corresponding to the water discharge level from the specification storage unit 331, and displays the read H out in the display column 626.
  • the short-term planning unit 316 reads the setting value (H los ) corresponding to the loss drop from the specification storage unit 331, and displays the read H los in the display field 627.
  • the short-term planning unit 316 calculates V max and V min using the above-described model B2 and model B3, and displays the calculated V max and V min in the display column 631 and the display column 632, respectively.
  • the predicted inflow amount acquisition unit 313 accesses the inflow amount prediction system 20, acquires the predicted value of the inflow amount R for each day in the operation period predicted by the inflow amount prediction system 20, and displays the acquired R This is displayed in the column 633.
  • the water storage amount setting value input unit 312 is input to the input fields 611, 612 and 613.
  • the short-term planning unit 316 simulates the water storage amount V for each day during the operation period, receiving the input of the operation period, the initial water storage amount, and the final target water storage amount.
  • Short-term planning unit 316 the initial water amount inputted in the input column 612 and the first day of water storage V 1, and the final purpose water amount that has been input to the input field 613 and the seventh day of storage volume V 7
  • the water storage amount V t from the first day to the sixth day is simulated, and the water storage amount V is displayed in the display column 651.
  • the short-term planning unit 316 calculates the operating water level H by applying the water storage amount V for each date to the model B1, and displays the calculated operating water level H in the display column 652.
  • the short-term planning unit 316 calculates the water storage amount difference ⁇ V t for each date t by applying V t and V t + 1 to the model B4 for the date t on the first to sixth days, and calculates the calculated water storage amount difference ⁇ V t. Is displayed in the display field 653.
  • the short-term planning unit 316 calculates the R0 by applying the predicted value R of the inflow rate, the maintenance flow rate S0, and the water storage amount difference ⁇ V to the model B5, and determines the water intake amount Q corresponding to R0 by the model B6.
  • the amount of water intake Q is displayed in the display column 654.
  • the short-term planning unit 316 calculates the normal discharge flow rate S by applying R0 and the water intake amount Q to the model B7, and displays the calculated S in the display column 655.
  • the short-term planning unit 316 calculates the effective head hn for each day t of the first to sixth days by applying the calculated operational water level H t + 1 , the water discharge level H out and the loss head H los to the model B8. Hn is displayed in the display column 656.
  • the short-term planning unit 316 applies the water intake amount Q and the effective head hn to the model B9, calculates the generated power Pn and displays it in the display column 657, and applies the calculated Pn to the model B10 to generate the generated power amount En. And the calculated En is displayed in the display field 660.
  • the short-term planning unit 316 reads the power price corresponding to the date of each day during the operation period from the power price database 333 and displays it on the display column 659, and applies the En and the read power price to the model B11.
  • the power sale amount is calculated, and the calculated power sale amount is displayed in the display field 658.
  • the short-term plan part 316 can determine the optimal water storage amount efficiently by determining the combination of the water storage amount V by a dynamic programming method.
  • the short-term planning unit 316 displays the display columns 651 to 660 so as to correspond to the determined combination of the stored water amount V.
  • FIG. 36 is a graph showing a result of a simulation of a past actual water level in a certain water storage facility.
  • FIG. 36 (a) is a graph showing changes in water intake and operation water level in July 2003, which is known as a relatively high water season.
  • the operational water level is determined by the experience of the operator, and the actual value of the amount of electricity sold in the July 2003 period was about 258 (million yen).
  • the amount of power sold corresponding to the combination of the water storage amount V as a result of the simulation was about 269 (million yen). In other words, there was an increase in power sales by about 4%.
  • Fig. 36 (b) is a graph showing changes in water intake and operating water level in April 2007, which is known as a relatively dry season.
  • the actual value of power sales in the April 2007 period was 107 (million yen), and the power sales price corresponding to the combination of the amount of stored water V as a result of the simulation was 114 (million yen). There was a 6% increase.
  • the amount of electric power sold is increased compared to the operation based on the experience of the operator. It was confirmed that it would be possible.
  • the water level operation support system of the present embodiment it is possible to present an operation water level that maximizes the amount of power sold according to the initial water storage amount and the final target water storage amount. Therefore, the operator of the water storage facility can perform hydropower generation more efficiently and effectively by operating the water level of the water storage facility with reference to the presentation from the water level operation support system.
  • the precipitation prediction system 10, the inflow prediction system 20, and the operation planning system 30 are different computers. However, they can be realized by a single computer. In addition, any one of the precipitation prediction system 10, the inflow prediction system 20, and the operation planning system 30 can be realized by a plurality of computers.
  • the weather is assumed to be one of “sunny”, “cloudy”, “snow”, “rain”, and “heavy rain”.
  • “sleet” or “hyo” Etc. may be included.
  • the time word is “sometimes”, “temporary”, or “after”, but may include “gradually”, “start”, and the like.
  • the weather summary information includes the weather summary in the day time zone and the night time zone.
  • the present invention is not limited to this. May be included, or weather conditions for three or more time zones such as morning, afternoon, and night may be included.
  • the weather words and the time words are arranged in descending order of the degree of precipitation in the matrix of the pattern table 161. You may make it provide the priority memory
  • the weather pattern registration unit 112 generates a list of weather chunks in step S1514 of FIG. 6 without using the pattern table 161, and the degree corresponding to the weather word included for each weather chunk included in the list The degree corresponding to the included time word is acquired from the priority storage unit, and the total value of the acquired degrees is set as the priority of the weather chunk.
  • the weather pattern registration unit 112 For each weather word, the weather pattern registration unit 112 identifies a weather chunk that includes the weather word, leaves the highest priority among the identified weather chunks, and deletes the others from the list.
  • the weather pattern registration unit 112 can create weather pattern information and register it in the weather pattern database 132 based on the weather chunks remaining in the list.
  • the weather pattern database 132 registers the date and the flag value corresponding to the weather chunk.
  • the present invention is not limited to this, for example, in association with the date, A list of weather chunks may be registered. Further, the precipitation amount included in the weather summary information may be stored in the weather pattern database 132 in association with the date.
  • the predicted precipitation is determined using the percentile value, but the present invention is not limited to this, and may be an average value, a median, or the like.
  • the inflow amount and the water level are discrete values for each unit inflow amount and unit water level, but may be continuous values of real numbers.
  • the inflow amount distribution created in the inflow amount prediction system 20 is described as a function for obtaining a probability corresponding to the inflow amount
  • the optimum water level database 334 of the operation planning system 30 includes the month, the water level, and the inflow amount. Is used as an argument and is described as a function for obtaining the optimum water level after one month.
  • the long-term operation period is one year
  • the medium-term operation period is one month
  • the short-term operation period is six days.
  • the length can be set.
  • the long-term operation period may be six months or three months
  • the medium-term operation period may be three months, seasonal (10 days), or one week.
  • the short-term operation period may be 2 weeks, 1 week, 4 days, or the like.
  • the optimal combination of water levels at the start time and end time of the medium-term operation period is determined by the stochastic dynamic programming method.
  • the water level can be calculated using various optimum route search methods that maximize the expected value of the amount of generated power in
  • the combination of the water storage amount V is determined so that the amount of electric power sold is maximized, but the combination that maximizes the generated electric energy En is determined. May be. In this case, more efficient power generation can be performed regardless of price fluctuations.
  • the operation planning system 30 may perform simulation by providing an upper limit of the normal discharge flow rate S.
  • the short-term planning unit 316 receives the input of the upper limit value from the user, and determines the combination of the water storage amount V in which the normal discharge flow rate S does not exceed the upper limit value to maximize the amount of power sales.
  • FIG. 37 shows the actual value of the discharge flow rate S in the above-mentioned July 2003 period, the theoretical value of the discharge flow rate S when the power sales amount is maximum when no upper limit value is provided, and the upper limit value of 15 m 3 / It is the graph which compared with the theoretical value of the discharge flow rate S when the amount of power sales becomes the maximum when it sets with s. As shown in FIG.
  • discharge amount S is increased to 25 (m 3/2) close.
  • the amount of electricity sold in this case was also about 269 million yen, an increase of about 4%. Therefore, when operating an actual water storage facility, an upper limit is set for the discharge flow rate in consideration of the downstream impact, such as when there are fishermen or camping people. Even if an upper limit value is set, more efficient power generation can be performed by operating the water level of the water storage facility according to the result of the simulation.
  • the inflow amount prediction system 20 of the present embodiment the amount of water flowing from the river into a water storage facility such as a dam is predicted.
  • the inflow amount prediction system 20 can be easily applied to a system that predicts the amount of water flowing through the river. Can do. In this case, forecast and actual values of temperature and precipitation in the upstream area of the river are acquired and recorded.
  • the inflow amount R is acquired from the inflow amount prediction system 20, but not limited thereto, for example, an input of the inflow amount R may be received from the user. .
  • the past actual value of the inflow amount may be stored in a database, and the past actual value may be read as R and simulated.
  • the power price is assumed to be stored in advance in the power price database 333.
  • the power price (JEPX price) at the Japan Wholesale Power Exchange is automatically acquired. You may do it.
  • the electric power price database 333 may be omitted, and the JEPX price may be acquired every time the short-term planning unit 316 performs the simulation.

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】水力発電による発電電力量を大きくすることができる。 【解決手段】運用計画システム３０は、各月の開始時点における水位Ｈｍと、１ヶ月の流入量とに対応づけて、前記月末における最適な水位である最適水位を記憶する最適水位データベース３３４を備える。運用計画システム３０は、各月の開始時点における水位および流入量の予測値に対応する最適水位を最適水位データベース３３４から読み出すとともに、読み出した最適水位を次月の開始時点における水位としていく。また、運用計画システム３０は、各月の終了時に、現在時点における水位と、次月以後における流入量の予測値を取得し、現在の水位を次月の開始時点における水位として、次月以後の各月について最適水位を最適水位データベース３３４から読み出していき、読み出した最適水位により水位計画を更新する。

Description

貯水施設運用支援システム、貯水施設運用支援方法およびプログラム
　本発明は、貯水施設運用支援システム、貯水施設運用支援方法およびプログラムに関する。
　水力発電を効率的に行うために、コンピュータによる運用支援システムが用いられている。例えば、特許文献１（特開２００６－３９８３８号公報）では、１日の放水水量に基づいて自動計算した発電機運転計画及び水位計画や、過去の発電機運転計画及び水位計画の実績データなどを表示し、必要に応じて修正を受け付けて発電運用計画を作成している。
　しかしながら、特許文献１に記載の装置では、放水量や実績に応じて水位を計画しているものの、水位計画と発電電力との関係に着目しておらず、発電電力を増加させるような水位の計画を行うことはできない。
　本発明は、このような背景を鑑みてなされたものであり、水力発電による発電電力量を大きくすることができるように貯水施設の運用を支援するシステム、方法及びプログラムを提供することを目的とする。
　上記課題を解決するための本発明のうち主たる発明は、水力発電のための貯水施設の運用を支援するシステムであって、所定の運用期間を構成する単位期間の開始時点における水位と、前記単位期間における前記貯水施設への流入量とに対応づけて、前記単位期間の終了時点における最適な水位である最適水位を記憶する最適水位テーブルと、前記運用期間の開始時点における前記貯水施設の水位を取得する水位取得部と、前記各単位期間における流入量の予測値を取得する予測流入量取得部と、前記各単位期間について、前記開始時点における水位および当該単位期間における前記流入量の予測値に対応する前記最適水位を前記最適水位テーブルから読み出すとともに、読み出した前記最適水位を当該単位期間の次の単位期間の開始時点における水位としていく水位計画部と、前記各単位期間についての前記最適水位を記憶する水位計画記憶部と、を備え、前記各単位期間の終了時に、前記水位取得部は、現在時点における前記貯水施設の水位である現在水位を取得し、前記予測流入量取得部は、当該単位期間の次の単位期間以後における前記流入量の予測値を取得し、前記水位計画部は、前記現在水位を前記次の単位期間の開始時点における水位として、前記次の単位期間以後の前記各単位期間について前記最適水位を前記最適水位テーブルから読み出していき、前記読み出した最適水位により前記水位計画記憶部を更新することとする。
　また、本発明の貯水施設運用支援システムでは、前記予測流入量取得部は、前記各単位期間における複数の前記流入量の予測値と、当該予測値の発生確率とを取得し、前記最適水位テーブルは、前記貯水施設がとりうる各水位と、前記各単位期間における前記流入量の予測値と、前記流入量の予測値の発生確率とに基づいて、確率的動的計画法により作成されるようにしてもよい。
　また、本発明の貯水施設運用支援システムでは、前記単位期間ごとに、前記流入量の実績値を記憶するデータベースと、ある第１単位期間の直前の第２単位期間における前記流入量と所定の定数である均衡流入量との差を説明変数とし、前記第２単位期間から前記第１単位期間までの前記流入量の増加量を目的変数とする統計モデルを記憶するモデル記憶部と、前記データベースに記憶されている前記流入量の実績値、および前記統計モデルに基づいて回帰分析を行い、前記説明変数についての回帰係数および前記均衡流入量を推計する流入量モデル推計部と、前記各単位期間について、当該単位期間である第１単位期間の直前の第２単位期間に対応する前記流入量の第１の実績値、および前記第１期間に対応する前記流入量の第２の実績値を前記データベースから読み出し、前記推計した均衡流入量から前記第２の実績値を引いたものに前記回帰係数を乗じた値を、前記第１および第２の実績値の差から引いた値である残差項を算出して、前記残差項の頻度分布を生成する残差項頻度分布生成部と、前記各単位期間について、前記第２単位期間に対応する前記流入量の第１の実績値、および前記第１単位期間に対応する前記流入量の第２の実績値を前記データベースから読み出し、前記推計した均衡流入量から前記第２の実績値を引いたものに前記回帰係数を乗じたドリフト項を算出して、前記ドリフト項の頻度分布を生成するドリフト項頻度分布生成部と、前記残差項の頻度分布および前記ドリフト項の頻度分布を加算して前記流入量の頻度分布を生成し、前記流入量の頻度分布から前記流入量の発生確率分布を生成する確率分布生成部と、を備え、前記予測流入量取得部は、前記流入量がとりうる所定の範囲の値のそれぞれを前記流入量の予測値として、前記発生確率分布に基づき前記流入量の予測値の発生確率を算出するようにしてもよい。
　また、本発明の他の態様は、水力発電のための貯水施設の運用を支援する方法であって、所定の運用期間を構成する単位期間の開始時点における水位と、前記単位期間における前記貯水施設への流入量とに対応づけて、前記単位期間の終了時点における最適な水位である最適水位を記憶する最適水位テーブルを備えるコンピュータが、前記運用期間の開始時点における前記貯水施設の水位を取得し、前記運用期間の開始前に、前記各単位期間における流入量の予測値を取得し、前記各単位期間について、前記開始時点における水位および当該単位期間における前記流入量の予測値に対応する前記最適水位を前記最適水位テーブルから読み出すとともに、読み出した前記最適水位を当該単位期間の次の単位期間の開始時点における水位としていき、前記各単位期間についての前記最適水位をメモリに記憶し、前記各単位期間の終了時に、現在時点における前記貯水施設の水位である現在水位を取得し、当該単位期間の次の単位期間以後における前記流入量の予測値を取得し、前記現在水位を前記次の単位期間の開始時点における水位として、前記次の単位期間以後の前記各単位期間について前記最適水位を前記最適水位テーブルから読み出していき、前記読み出した最適水位により前記メモリを更新することとする。
　また、本発明の他の態様は、水力発電のための貯水施設の運用を支援するためのプログラムであって、所定の運用期間を構成する単位期間の開始時点における水位と、前記単位期間における前記貯水施設への流入量とに対応づけて、前記単位期間の終了時点における最適な水位である最適水位を記憶する最適水位テーブルと、を備えるコンピュータに、前記運用期間の開始時点における前記貯水施設の水位を取得するステップと、前記運用期間の開始前に、前記各単位期間における流入量の予測値を取得するステップと、前記各単位期間について、前記開始時点における水位および当該単位期間における前記流入量の予測値に対応する前記最適水位を前記最適水位テーブルから読み出すとともに、読み出した前記最適水位を当該単位期間の次の単位期間の開始時点における水位としていくステップと、前記各単位期間についての前記最適水位をメモリに記憶するステップと、を実行させ、前記各単位期間の終了時に、現在時点における前記貯水施設の水位である現在水位を取得するステップと、当該単位期間の次の単位期間以後における前記流入量の予測値を取得するステップと、前記現在水位を前記次の単位期間の開始時点における水位として、前記次の単位期間以後の前記各単位期間について前記最適水位を前記最適水位テーブルから読み出していくステップと、前記読み出した最適水位により前記メモリを更新するステップと、を実行させることとする。
　その他本願が開示する課題やその解決方法については、発明の実施形態の欄および図面により明らかにされる。
　本発明によれば、水力発電による発電電力量を大きくすることができる。
本実施形態の運用支援システムの全体構成を示す図である。 降水量予測システム１０のハードウェア構成を示す図である。 降水量予測システム１０のソフトウェア構成を示す図である。 天気概況データベース１３１に記憶される天気概況情報の構成例を示す図である。 天気パターンデータベース１３２に記憶される天気パターン情報の構成例を示す図である。 天気パターン情報の登録処理の流れを示す図である。 天気パターン情報の登録処理に用いられるパターン表１６１の構成を示す図である。 天気概況情報に基づく天気パターン情報の登録処理の具体例を説明するための図である。 降水量の予測処理の流れを示す図である。 天気予報に基づく天気パターン情報の作成処理の流れを示す図である。 降水がない場合の流入量の変化を示すグラフである。 降水がある場合の流入量の変化を示すグラフである。 融雪がある場合の流入量の変化を示すグラフである。 本実施形態の流入量予測システム２０のハードウェア構成を示す図である。 本実施形態の流入量予測システム２０のソフトウェア構成を示す図である。 気象実績データベース２３３に記憶される気象実績情報の構成例を示す図である。 降雪気温推計部２１１による降雪気温δの推計処理の流れを示す図である。 降雪量が０より大きい気象実績情報を抽出することを説明する図である。 ある降雪気温δについて推計降雪量および誤差の２乗を計算した結果を示す図である。 流入量予測処理の流れを示す図である。 流入量分布の作成処理の流れを説明するための図である。 運用計画システム３０のハードウェア構成を示す図である。 運用計画システム３０のソフトウェア構成を示す図である。 諸元記憶部３３１に記憶される諸元情報の構成例を示す図である。 電力価格データベース３３３の構成例を示す図である。 最適水位データベース３３４の構成例を示す図である。 確率論的動的計画法により最適な水位を求める方法を説明するための図である。 確率論的動的計画法により最適な水位を求める方法において用いられる表の構成を示す図である。 確率論的動的計画法により最適な水位を求める方法を説明するための図である。 最適な水位を計画する処理の流れを示す図である。 最適水位の計画処理に用いる作業表である水位流入量別電力量表３５２の構成例を示す図である。 最終月についての確率論的動的計画法による水位の計画処理の流れを示す図である。 最終月以外の月についての確率論的動的計画法による水位の計画処理の流れを示す図である。 期待合計発電電力量の計算処理の流れを示す図である。 運用水位のシミュレーションに用いられる画面６０の一例を示す図である。 ある貯水施設において、過去の実績水位についてシミュレーションを行った結果を示すグラフである。 放流量の実績値と、上限値ありのシミュレーションの結果における放流量の理論値と、上限値なしのシミュレーションの結果における放流量とを比較したグラフである。
＝＝システム構成＝＝
　以下、本発明の一実施形態に係る貯水施設の運用支援システムについて説明する。本実施形態の運用支援システムは、ダムなどの貯水施設における水位を適切に運用するための支援を行う。本実施形態の運用支援システムでは、過去の気象のパターンを用いて降水量を予測し、統計モデルを用いて貯水施設に河川や降水などにより流入する水の量（以下、単に流入量という。）の確率分布を算出し、発電電力量を最大化するように、水位の計画を策定する。
　図１は、本実施形態の運用支援システムの全体構成を示す図である。本実施形態の運用支援システムは、降水量予測システム１０、流入量予測システム２０、および運用計画システム３０を含んで構成される。降水量予測システム１０、流入量予測システム２０および運用計画システム３０は、それぞれ通信ネットワーク４０に接続されており、互いに通信可能となっている。通信ネットワーク４０は、例えば、インターネットやＬＡＮ（Local Area Network）であり、イーサネット（登録商標）や公衆電話回線網、無線通信網などにより構築される。
　降水量予測システム１０は、降水量を予測するコンピュータである。流入量予測システム２０は、貯水施設への流入量を予測するコンピュータである。本実施形態では、流入量予測システム２０は、流入量および流入量の確率分布を算出する。運用計画システム３０は、貯水施設における最適な水位の計画を作成する。降水量予測システム１０、流入量予測システム２０および運用計画システム３０には、例えばパーソナルコンピュータやワークステーション、ＰＤＡ（Personal Digital Assistant）、携帯電話端末など各種のコンピュータを採用することができる。
＝＝降水量予測システム１０＝＝
　降水量予測システム１０は、降水量を予測する。本実施形態では、降水量予測システム１０は、過去の天気の概況をパターン化しておき、将来の天気予報をパターン化して、同じパターンの過去の日付の降水量のパーセンタイル値を用いて降水量の予測を行う。
　図２は、降水量予測システム１０のハードウェア構成を示す図である。降水量予測システム１０は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５および出力装置１０６を備える。記憶装置１０３は、各種のプログラムやデータを記憶する、例えば、ハードディスクドライブやフラッシュメモリ、ＣＤ－ＲＯＭドライブなどである。ＣＰＵ１０１は、記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより各種の機能を実現する。通信インタフェース１０４は、通信ネットワーク４０に接続するためのインタフェースである。通信インタフェース１０４は、例えば、イーサネット（登録商標）や公衆電話回線網、無線通信網により構築される。入力装置１０５は、ユーザからデータの入力を受け付ける、例えばキーボードやマウス、タッチパネル、マイクロフォンなどである。出力装置１０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
　図３は、降水量予測システム１０のソフトウェア構成を示す図である。降水量予測システム１０は、天気概況取得部１１１、天気パターン登録部１１２、予測降水量取得要求受信部１１３、天気予報取得部１１４、降水量予測部１１５、予測降水量送信部１１６、天気概況データベース１３１および天気パターンデータベース１３２を備えている。なお、天気概況取得部１１１、天気パターン登録部１１２、予測降水量取得要求受信部１１３、天気予報取得部１１４、降水量予測部１１５および予測降水量送信部１１６は、降水量予測システム１０が備えるＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現される。また、天気概況データベース１３１および天気パターンデータベース１３２は、降水量予測システムが備えるメモリ１０２や記憶装置１０３が提供する記憶領域として実現される。
　天気概況データベース１３１は、過去の日付の天気および降水量の実績を示す情報（以下、天気概況情報という。）を記憶する。図４は、天気概況データベース１３１に記憶される天気概況情報の構成例を示す図である。同図に示すように、天気概況情報には、日付、１日の降水量の合計値、昼の時間帯（０６：００～１８：００）における降水量の最大値、夜の時間帯（１８：００～翌日０６：００）における降水量の最大値、昼の時間帯における天気を表す文字情報（以下、天気概況という。）、および夜の時間帯における天気概況が含まれている。なお、天気概況情報は、気象庁や気象会社などが一般に提供しているものである。
　天気概況取得部１１１は、天気概況情報を取得する。天気概況取得部１１１は、例えば、気象庁や民間気象会社が運営するサーバにアクセスして天気概況情報を取得するようにすることができる。また、天気概況取得部１１１は、ユーザから天気概況情報の入力を受け付けるようにしてもよい。
　天気パターンデータベース１３２は、日付ごとに、天気概況をパターン化した情報（以下、天気パターン情報という。）を記憶する。図５は、天気パターンデータベース１３２に記憶される天気パターン情報の構成例を示す図である。天気パターン情報には、日付に対応付けて、天気を示す用語（以下、天気語という。）と、その天気が発生する時間を示す用語（以下、時間語という。）との組合せ（以下、天気パターンという。）ごとのフラグ値が含まれている。本実施形態では、天気を示す用語（以下、天気語という。）は、「晴」「曇」「雪」「雨」「大雨」のいずれかであるものとし、時間語は、「時々」「一時」「後」のいずれかであるものとする。なお、時間語には、空文字（時間が指定されていないことを示す。）も含まれるものとする。すなわち、図５に示すように、本実施形態では、天気パターンは、「晴」「曇」「雪」「雨」「大雨」「時々大雨」「一時大雨」「後大雨」「時々雨」「一時雨」「後雨」「時々雪」「一時雪」「後雪」「時々曇」「一時曇」「後曇」「時々晴」「一時晴」および「後晴」である。
　天気パターン登録部１１２は、天気概況情報に基づいて天気パターン情報を生成して天気パターンデータベース１３２に登録する。図６は、天気パターン情報の登録処理の流れを示す図である。図７は、天気パターン情報の登録処理に用いられる表（以下、パターン表１６１という。）の構成を示す図である。
　図７に示すように、パターン表１６１は、天気を行とし、時間語を列とする表である。また、パターン表１６１の行列には、降水量に関する度合いの強い項目がより上および左になるように配置される。図７のパターン表１６１の例では、行は、「大雨」「雨」「雪」「曇」「晴」の順に配置され、列は、「一時」「時々」「後」の順に配置されている。
　天気概況取得部１１１は、まず天気概況情報を取得する（Ｓ１５１１）。
　天気パターン登録部１１２は、各セルに「０」を設定したパターン表１６１を生成する（Ｓ１５１２）。天気パターン登録部１１２は、天気概況情報に含まれている、昼の天気概況と、夜の天気概況とのそれぞれについて以下の処理を行う。
　天気パターン登録部１１２は、天気概況から天気語および時間語以外の語句を削除し（Ｓ１５１３）、天気概況を、天気を示す用語の直後で分割し、分割した語句を天気チャンクとする（Ｓ１５１４）。天気パターン登録部１１２は、分割した各天気チャンクについて、天気チャンクに含まれている時間語および天気に対応するパターン表１６１の値を「１」に設定する（Ｓ１５１５）。
　天気パターン登録部１１２は、以上の処理を昼の時間帯の天気概況と夜の時間帯の天気概況とのそれぞれについて行った後、パターン表１６１の各行について、「１」が設定されているセルのうち最も左にあるものを検索し、検索したセルよりも右にある全てのセルに「０」を設定する（Ｓ１５１６）。天気パターン登録部１１２は、パターン表１６１の各列について、「１」が設定されているセルのうち最も上にあるものを検索し、検索したセルよりも下にある全てのセルに「０」を設定する（Ｓ１５１７）。
　天気パターン登録部１１２は、以上のようにして作成したパターン表１６１から、時間語と天気語との組合せと、日付とを含む天気パターン情報を作成して天気パターンデータベース１３２に登録する（Ｓ１５１８）。
　図８は、天気概況情報に基づく天気パターン情報の登録処理の具体例を説明するための図である。図８の例では、天気概況情報に含まれる昼の時間帯についての天気概況１７１１が「曇一時雨後晴」であり、夜の時間帯についての天気概況１７１２が「晴後一時曇」である。
　天気パターン登録部１１２は、昼の天気概況１７１１について、天気語の直後、すなわち「曇」「雨」および「晴」の後ろで分割して、「曇」「一時雨」および「後晴」の天気チャンクを作成する（Ｓ１５１４）。
　次に、天気パターン登録部１１２は、各天気チャンクに含まれる天気語および時間語に対応するセル、すなわち、「曇」および空文字に対応するセル１７２１、「雨」および「一時」に対応するセル１７２２、並びに、「晴」および「後」に対応するセル１７２３に「１」を設定する（Ｓ１５１５）。
　天気パターン登録部１１２は、夜の時間帯についての天気概況１７１２についても同様に、「晴」および「後一時曇」の天気チャンクに分割して（Ｓ１５１４）、「晴」および空文字に対応するセル１７３１、並びに、「曇」と「一時」および「後」のそれぞれとに対応するセル１７３２およびセル１７３３に「１」を設定する（Ｓ１５１５）。
　天気パターン登録部１１２は、パターン表１６１の各行の最も左の「１」のみを残してその他のセルに「０」を設定する（Ｓ１５１６）。行１７４では、「１」が設定されているセルのうち最も左にあるセル１７４１を残して、その他のセル１７４２および１７４３には「０」が設定されることになる。
　天気パターン登録部１１２は、パターン表１６１の各列の最も上の「１」のみを残してその他のセルに「０」を設定する（Ｓ１５１７）。列１７５では、「１」が設定されているセルのうち最も上にあるセル１７５１を残し、その他のセル１７５２には「０」が設定される。
　上記の処理が行われると、図８においてパターン表１６１は、「曇」および空白に対応するセル１７５１および「雨」および「一時」に対応するセル１７５３のみに「１」が設定された状態となる。そして、パターン表１６１に基づき、「曇」および「一時雨」のみに「１」が設定された天気パターン情報１７７が生成されて天気パターンデータベース１３２に登録される。
　予測降水量取得要求受信部１１３は、通信ネットワーク４０に接続される他のコンピュータから、降水量の予測値（以下、予測降水量ともいう。）を取得するためのコマンド（以下、予測降水量取得要求という。）を受信する。予測降水量取得要求には、パーセンタイルの設定値（以下、パーセンタイル設定値という。）が設定される。パーセンタイル設定値としては、例えば、５％や１０％など、任意の数値（０＜パーセンタイル設定値＜１）を設定することができる。
　天気予報取得部１１４は、天気予報が記載された情報（以下、天気予報情報という。）を取得する。天気予報取得部１１４は、例えば、気象庁や気象会社などから天気予報情報を取得するようにしてもよいし、ユーザから天気予報情報の入力を受け付けるようにしてもよい。天気予報情報は、日付と、その日付における天気予報とが含まれている。天気予報情報は、天気概況情報とは異なり１日単位で天気が記述されている。一方、天気予報情報は、天気概況と同様に、天気と、必要に応じて時間語とが記述されている。
　降水量予測部１１５は、予測降水量を算出し、予測降水量送信部１１６は、降水量予測部１１５が算出した予測降水量を、予測降水量取得要求の送信元に対して送信する。降水量予測部１１５は、天気予報取得部１１４が取得した天気予報をパターン化し、同じパターンの過去の日の降水量を取得してソートし、パーセンタイル設定値に基づくパーセンタイル値を取得して予測降水量とする。図９は降水量の予測処理の流れを示す図である。
　天気予報取得部１１４が天気予報情報を取得すると（Ｓ１５３１）、降水量予測部１１５は、天気予報情報に含まれる天気予報をパターン化した情報（以下、予報天気パターン情報という。）を作成する（Ｓ１５３２）。図１０は、天気予報に基づく天気パターン情報の作成処理の流れを示す図である。
　降水量予測部１１５は、図７のパターン表１６１を作成して全てのセルに「０」を設定する（Ｓ１５５１）。降水量予測部１１５は、天気予報から、天気語および時間語を除く語句を削除し（Ｓ１５５２）、天気予報を各天気語の直後で分割して、分割した文字列を天気チャンクとする（Ｓ１５５３）。
　降水量予測部１１５は、各天気チャンクについて、天気チャンクに含まれている時間語と天気語とに対応するパターン表１６１のセルに「１」を設定する（Ｓ１５５４）。降水量予測部１１５は、パターン表１６１の各行について、「１」が設定されているセルのうち最も左にあるものを選択し、選択したセルよりも右にある全てのセルに「０」を設定する（Ｓ１５５５）。また、降水量予測部１１５は、パターン表１６１の各列について、「１」が設定されているセルのうち最も上にあるものを選択し、選択したセルよりも下にある全てのセルに「０」を設定する（Ｓ１５５６）。
　降水量予測部１１５は、パターン表１６１から、時間指定語と天気語との各組合せについて、組合せに対応するセルの値を抽出し、抽出した値とを設定した予報天気パターン情報を作成する（Ｓ１５５７）。
　図９に戻り、降水量予測部１１５は、作成した予報天気パターン情報にマッチする日付のうち、天気予報情報に含まれている日付と同じ月であるものを天気パターンデータベース１３２から検索し（Ｓ１５３３）、検索した日付に対応する降水量を天気概況データベース１３１から取得する（Ｓ１５３４）。降水量予測部１１５は、取得した降水量の少ない順にソートし（Ｓ１５３５）、取得した降水量の数に、予測降水量取得要求に含まれるパーセンタイル設定値を乗じた値（を整数値に変換したもの）をｎとする（Ｓ１５３６）。降水量予測部１１５は、ソートした降水量の先頭からｎ番目の降水量を予測降水量とする（Ｓ１５３７）。
　以上のようにして、本実施形態の降水量予測システム１０によれば、過去の天気概況をパターン化して降水量と対応付けて記憶しておき、将来の天気予報をパターン化し、同じパターンの過去の降水量を、将来の予測値として用いることができる。天気と降水量とは相関することが知られており、精度の高い降水量の予測を行うことができる。また、本実施形態の降水量予測システム１０によれば、天気概況に含まれる文字列をパターン化して記憶することができるので、天気予報と同じ天気であった過去の日の降水量を容易に抽出することができる。
　なお、本実施形態の降水量予測システム１０では、予報天気パターン情報にマッチする日付のうち、天気予報情報に含まれている日付と同じ月であるものを検索するものとしたが、天気パターン情報に、その予報対象の地域において台風が発生しているか否かを示す台風情報や、梅雨入りしているか否かを示す梅雨入り情報を含ませるようにして、予報天気パターン情報にマッチし、かつ、台風情報または梅雨入り情報が一致する日付のうち、予報日と同じ月のものを検索するようにしてもよい。台風が発生している場合と、していない場合、梅雨入りしている場合と、していない場合では、降水量のパターンは異なる。したがって、台風情報や梅雨入り情報が一致している天気パターン情報にのみマッチする日の降水量の実績値を降水量の予測値に用いることで、同じような降水量のパターンになると期待される実績値に基づいて降水量の予測を行うことが可能になる。よって、より精度の高い降水量の予測を行うことができる。
＝＝流入量予測システム２０＝＝
　次に、流入量予測システム２０について説明する。流入量予測システム２０は、貯水施設への流入量を予測する。本実施形態では、流入量予測システム２０は、過去の気温、降水量、降雪量、積雪量、融雪量、流入量を、後述する統計モデルを用いて回帰分析することにより回帰係数を推計し、気温および降水量の予測値（例えば、気象予報による予報値を採用することができる。）と、推計した回帰係数とを統計モデルに適用して流入量を予測する。なお、流入量の予測は所定の第１単位期間（本実施形態では、一日とする。）単位で行い、流入量の確率分布は、第１単位期間よりも長い第２単位期間（本実施形態では、一ヶ月とする。）単位で行うものとする。
　図１１～１３は、流入量の変化を示すグラフである。降水や融雪などがない場合にも、例えば山林などからの滲出によって、所定の流入量は存在する。したがって、降水や融雪がないと、流入量は所定の均衡値（以下、均衡流入量という。）に逓減していく（図１１）。これに対し、降水があると、それに応じて流水量は一時的に増加するが、降水が止むとともに、再度均衡流入量に向けて逓減を始める（図１２）。一方、気温が上昇すると融雪が発生し、それに応じて流水量も増加するが、融雪は降水に比べて流入量に与える影響の変化が緩やかである（図１３）。これは、例えば冬季から春季に向けての時期などにおいて、平均気温が上昇している場合に、継続的に融雪が発生するような場合である。
　そこで、本実施形態では、降水量、融雪量および均衡流入量に着目し、流入量を算出する回帰モデルを用いて流入量を予測する。本実施形態の流入量予測システム２０は、過去の気温や降水量などの気象データの実績値と後述する回帰モデルとに基づいてパラメタを推計し、推計したパラメタと、例えば気象予報などにより求められる気温の予測値（以下、予測気温という。）と、降水量予測システムが求めた予測降水量とを回帰モデルに適用して流入量の予測値を算出する。以下、詳細について説明する。
　図１４は、本実施形態の流入量予測システム２０のハードウェア構成を示す図である。流入量予測システム２０は、ＣＰＵ２０１、メモリ２０２、記憶装置２０３、通信インタフェース２０４、入力装置２０５および出力装置２０６を備える。記憶装置２０４は、各種のプログラムやデータを記憶する、例えば、ハードディスクドライブやフラッシュメモリ、ＣＤ－ＲＯＭドライブなどである。ＣＰＵ２０１は、記憶装置２０３に記憶されているプログラムをメモリ２０２に読み出して実行することにより各種の機能を実現する。通信インタフェース２０４は、通信インタフェース２０４は、通信ネットワーク４０に接続するためのアダプタである。通信インタフェース２０４は、例えば、イーサネット（登録商標）や公衆電話回線網、無線通信網により構築される。入力装置２０５は、ユーザからデータの入力を受け付ける、例えばキーボードやマウス、タッチパネル、マイクロフォンなどである。出力装置２０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
　図１５は、本実施形態の流入量予測システム２０のソフトウェア構成を示す図である。本実施形態の流入量予測システム２０は、降雪気温推計部２１１、融雪量モデル推計部２１２、流入量モデル推計部２１３、予測気温取得部２１４、予測降水量取得部２１５、予測流入量取得要求受信部２１６、流入量予測部２１７、予測流入量送信部２１８、流入量分布取得要求受信部２１９、流入量発生確率モデル推計部２２０、流入量分布生成部２２１、流入量分布送信部２２２、モデル記憶部２３１、パラメタ記憶部２３２、および気象実績データベース２３３を備えている。
　なお、降雪気温推計部２１１、融雪量モデル推計部２１２、流入量モデル推計部２１３、予測気温取得部２１４、予測降水量取得部２１５、予測流入量取得要求受信部２１６、流入量予測部２１７、予測流入量送信部２１８、流入量分布取得要求受信部２１９、流入量発生確率モデル推計部２２０、流入量分布生成部２２１、流入量分布送信部２２２は、流入量予測システム２０のＣＰＵ１１が、記憶装置１３に記憶されているプログラムをメモリ１２に読み出して実行することにより実現される。また、モデル記憶部２３１、パラメタ記憶部２３２、気象実績データベース２３３は、流入量予測システム２０のメモリ２０２や記憶装置２０３が提供する記憶領域として実現される。
　気象実績データベース２３３には、気象の各種実績値を含む情報（以下、気象実績情報という。）の履歴が記憶される。図１６は、気象実績データベース２３３に記憶される気象実績情報の構成例を示す図である。同図に示すように、気象実績情報には、日付に対応付けて、気温、降水量、降雪量、積雪量、融雪量、流入量が含まれている。気温は、一日の平均気温である。降水量、降雪量、融雪量は一日の降水量、降雪量、融雪量の累積値である。積雪量は、その日に観測された積雪量である。流入量は、一日にダムなどの貯水施設に流入した水量の累計値である。気温、降水量、降雪量および積雪量は、例えば、気象庁や民間気象会社などが提供するデータである。流入量は、貯水施設において測定した測定値である。流入量は、例えば、河川を管理する自治体などが提供する河川の流量の測定値としてもよい。融雪量は、気象庁や民間気象会社、測量会社などが測定したものであってもよいし、後述するモデルにより計算した値を実績値として記録するようにしてもよい。
　モデル記憶部２３１には、気象実績情報に基づく各種の統計モデルが記憶され、パラメタ記憶部２３２には、モデル記憶部２３１に記憶されているモデルに適用される回帰係数や定数などのパラメタが記憶される。モデル記憶部２３１には、降水量の統計モデル（以下、降水量モデルＡ１という。）、降雪量の統計モデル（以下、降雪量モデルＡ２という。）、積雪量の統計モデル（以下、積雪量モデルＡ３という。）、融雪量の統計モデル（以下、融雪量モデルＡ４という。）、前日からの流入量の増加量に係る統計モデル（以下、流入量モデルＡ５という。）、および流入量の発生確率に係る統計モデル（以下、流入量確率モデルＡ６という。）が記憶される。パラメタ記憶部１３２には、降雨が降雪に変わる気温（以下、降雪気温という。）δ、日単位の均衡流入量μ１、月単位の均衡流入量μ３、融雪が始まる気温μ２、回帰係数α１～α４、β１、β２がパラメタ記憶部３２に記憶される。なお、日単位の均衡流入量μ１、および融雪が始まる気温μ２については、所定の定数として、予めパラメタ記憶部１３２に記憶されているものとする。
　なお以下の説明において、日付ｔにおける気温、降水量、降雪量、積雪量、融雪量および流入量をそれぞれ、Ｔｔ、Ｐｔ、Ｓｔ、Ｄｔ、ＭｔおよびＦｔとする。前日からの流入量の増加量をΔＦｔとする。気温Ｔｔがδより高い場合の降水量をＰ１ｔ、気温Ｔｔがδ以下である場合の降水量をＰ２ｔとする。また、ｍ月における流入量をＦｍとし、ｍ月についての過去の流入量の平均をＩｍとする。ＦｍをＩｍで割ることによって規格化した流入量をＦｍ ＊とし、流入量の増加量を規格化したものをΔＦｍ ＊とする。
　降水量モデルＡ１は、降水量Ｐｔが、降雪気温δを境に、Ｐ１ｔまたはＰ２ｔとなることを示すモデルであり、次式で表される。　
Figure JPOXMLDOC01-appb-I000001
　降雪量モデルＡ２は、気温Ｔｔがδ以下である場合の降水量Ｐ２ｔを説明変数とし、降雪量Ｓｔを目的変数とした回帰モデルであり、次式で表される。　
Figure JPOXMLDOC01-appb-I000002
　積雪量モデルＡ３は、積雪量Ｄｔが、前日までの積雪量Ｄｔ－１に当日の降雪量Ｓｔを加え、そこから融雪量Ｍｔを引いたものに一致するという関係を示すモデルであり、次式で表される。　
Figure JPOXMLDOC01-appb-I000003
　融雪量モデルＡ４は、気温Ｔｔから融雪が始まる気温μ２を減じた値に積雪量Ｄｔを乗じた値と、Ｐ１ｔとを説明変数とし、融雪量Ｍｔを目的変数とした回帰モデルであり、次式で表される。　
Figure JPOXMLDOC01-appb-I000004
　融雪量モデルＡ４において、気温Ｔｔがμ２よりも低ければ第１項は０になり、前日までの積雪量Ｄｔ－１が０であれば融雪量Ｍｔは０になる。
　流入量モデルＡ５は、均衡流入量μ１から前日の流入量Ｆｔ－１を減じた値と、当日の気温Ｔｔがδより高い場合の降水量Ｐ１ｔと、当日の融雪量Ｍｔとを説明変数とし、流入量の増加量ΔＦｔを目的変数とした回帰モデルであり、次式で表される。　
Figure JPOXMLDOC01-appb-I000005
　流入量確率モデルＡ６は、月単位の均衡流入量μ３と、均衡流入量μ３から前月の正規化流入量Ｆｍ－１ ＊を減じたものと、残差項となるｕｍとを説明変数とし、規格化流入量の増加量ΔＦｍ ＊を目的変数としたモデルであり、次式で表される。　
Figure JPOXMLDOC01-appb-I000006
　降雪気温推計部２１１は、降水量モデルＡ１および気象実績情報に基づいて降雪気温δを推計し、推計した降雪気温δをパラメタ記憶部２３２に登録する。なお、降雪気温推計部２１１によるδの推計処理の詳細については後述する。
　また、降雪気温推計部２１１は、各日付ｔについて、日付ｔに対応する気象実績情報を気象実績データベース２３３から読み出し、読み出した気象実績情報の降水量および気温と、上記推計した降雪気温δを前記降水量モデル１に適用してＰ２ｔを算出する。降雪気温推計部２１１は、気象実績情報、Ｐ２ｔ、および降雪量モデルＡ２に基づいて回帰分析を行い、回帰変数γを推計する。降雪気温推計部２１１は、推計した回帰変数γをパラメタ記憶部３２に登録する。
　融雪量モデル推計部２１２は、積雪量モデルＡ３を融雪量モデルＡ４に代入した式
Figure JPOXMLDOC01-appb-I000007
を回帰分析して、回帰係数α２、α３およびμ２を推計する。融雪量モデル推計部２１２は、推計した回帰係数α２、α３およびμ２をパラメタ記憶部２３２に登録する。
　流入量モデル推計部２１３は、流入量モデルＡ５および気象実績情報に基づいて回帰係数α１、β１、およびβ２を推計する。具体的には、流入量モデル推計部２１３は、各日付ｔについて、降水量モデル１、δおよび日付ｔに対応する気象実績情報の降水量に基づいてＰ１ｔを算出し、各日付ｔの気象実績情報と、対応するＰ１ｔを用いて、流入量モデルＡ５を回帰分析し、回帰係数α１、β１、β２およびμ１を推計する。気象実績情報に融雪量がない場合は，日付ｔ－１の積雪量と日付ｔのその他の気象情報を用いて，融雪量モデルＡ４を用いて算出したＭｔを用いて，流入量モデルＡ５を回帰分析し、回帰係数α１、β１、β２およびμ１を推計することもできる。流入量モデル推計部２３は、推計した回帰係数α１、β１、β２およびμ１をパラメタ記憶部２３２に登録する。
　予測気温取得部２１４は、気温の予測値（以下、予測気温という。）を取得する。予測気温取得部２１４は、例えば、ユーザから予測気温の入力を受け付けてもよいし、気象庁や民間気象会社のコンピュータにアクセスして予測気温を取得するようにしてもよい。また、予測気温取得部２１４は、気象実績情報に基づいて気温の予測を行うようにしてもよい。この場合、例えば、一般的な気温の予測に用いられる統計モデルをモデル記憶部３１に記憶しておき、予測気温取得部２１４がその統計モデルと気象実績情報とに基づいて回帰分析を行ってパラメタを推計し、推計したパラメタと気象実績情報とを統計モデルに適用して予測気温を算出することができる。
　予測降水量取得部２１５は、予測降水量を取得する。本実施形態では、予測降水量取得部２１５は、降水量予測システム１０に対して、予測降水量取得要求を送信し、予測降水量取得要求に応じて降水量予測システム１０から応答される予測降水量を受信することにより、予測降水量を取得するものとする。予測降水量取得部２１５は、所定のパーセンタイル設定値（例えば、１０％や９０％など）を設定した予測降水量取得要求を降水量予測システムに送信する。なお、予測降水量取得部２１５は、例えば、ユーザから予測降水量の入力を受け付けてもよいし、気象庁や民間気象会社のコンピュータにアクセスして予測降水量を取得するようにしてもよい。また、予測降水量取得部２１５は、予測気温取得部２１４と同様に、気象実績情報に基づいて降水量の予測を行うようにしてもよい。
　予測流入力取得要求受信部２１６は、通信ネットワーク４０に接続された他のコンピュータから、流入量の予測値（以下、予測流入量という。）を取得するためのコマンド（以下、予測流入量取得要求という。）を受信する。
　流入量予測部２１７は、予測気温取得部２１４が取得した予測気温、予測降水量取得部２１５が取得した予測降水量、降雪気温推計部２１１が推計したパラメタ、気象実績情報、および流入量モデルＡ５を用いて、予測流入量を算出する。なお、予測流入量の算出処理の詳細については後述する。
　予測流入量送信部２１８は、流入量予測部２１７が算出した予測流入量を、予測流入量取得要求の送信元に対して送信する。
　流入量分布取得要求受信部２１９は、通信ネットワーク４０に接続された他のコンピュータから、流入量の発生確率分布を取得するためのコマンド（以下、流入量分布取得要求という。）を受信する。
　流入量確率モデル推計部２１９は、流入量確率モデルＡ６を回帰分析して、パラメタα４およびμ３を推計する。なお、流入量確率モデル推計部２１９は、推計したパラメタα４およびμ３は、パラメタ記憶部２３２に登録しておくようにしてもよいが、本実施形態では、流入量分布取得要求の受信に応じて流入量確率モデルＡ６のパラメタの推計を行うものとする。
　流入量分布生成部２２１は、流入量の発生確率分布（以下、流入量分布という。）を生成する。本実施形態では、流入量分布は、前期の流入量の発生を条件とした、条件付確率Ｐｒ（Ｆｍ｜Ｆｍ－１）の分布であるものとし、条件付確率で発生する流入量は月単位での流入量の平均値であるものとする。なお、流入量分布の生成処理の詳細については後述する。
　流入量分布送信部２２２は、流入量分布生成部２２１が生成した流入量の分布を送信する。
　以下、本実施形態の流入量予測システムにおける処理の詳細について説明する。
＝＝降雪気温δの推計処理＝＝
　まず、降雪気温推計部２１１による降雪気温δの推計処理について説明する。図１７は、降雪気温推計部２１１による降雪気温δの推計処理の流れを示す図である。　
　まず、降雪気温推計部２１１は、気象実績データベース２３３から降雪量が０より大きい気象実績情報を取得する（Ｓ２５０１）。これにより、図１８に示すように、気象実績データベース２３３に記憶されている気象実績情報のうち、降雪量が０より大きいもののみが抽出される。
　次に、降雪気温推計部２１１は、抽出した気象実績情報に基づき、モデル
　降雪量＝ａ×気温＋ｂ×降水量
を回帰分析して、回帰係数ａおよびｂを推計する（Ｓ２５０２）。
　降雪気温推計部２１１は、気温がδ以下の場合には「ａ×気象実績情報の気温＋ｂ×気象実績情報の降水量」、気温がδより高い場合には「０」を推計降雪量として、推計降雪量と気象実績情報の降雪量との差を２乗した値が最小になるδを算出する（Ｓ２５０３）。
　降雪気温推計部２１１は、例えば、所定範囲の気温を所定ステップごとに増加させたδについて、図１９に示すように、各気象実績情報について、気温がδより高ければ、上記回帰係数ａを気温に乗じた値と、上記か域係数ｂを降水量に乗じた値とを合計して推計降雪量として算出し、推計降雪量と気象実績情報の降雪量との差を２乗した値を誤差の２乗として算出していき、誤差の２乗が最も小さくなったものをδとして決定することができる。なお、上記誤差の２乗が最も小さくなるように上記δを決定する処理については、一般的な統計手法を利用することが可能である。
　降雪気温推計部２１１は、上記のようにして決定したδを、パラメタ記憶部３２に登録する（Ｓ２５０４）。
　以上のようにして融雪気温δが決定される。
＝＝流入量の予測処理＝＝
　次に、流入量の予測について説明する。図２０は、本実施形態の流入量予測システム２０における流入量予測処理の流れを示す図である。なお、図２０の処理では、日付ｔが予測対象となる日付であるものとしている。
　予測気温取得部２１４は、予測気温Ｔｔを取得する（Ｓ２５２１）。上述したように、予測気温取得部２１４は、例えば、ユーザからデータの入力を受け付けたり、気象庁や民間気象会社のコンピュータにアクセスしてデータを取得することにより、Ｔｔを取得することができる。予測降水量取得部２１５は、予測降水量Ｐｔを取得する（Ｓ２５２２）。上述したように、予測降水量取得部２１５は、所定のパーセンタイル設定値を設定した予測降水量取得要求を降水量予測システム１０に送信し、降水量予測システム１０から応答される予測降水量を受信することにより予測降水量を取得する。
　流入量予測部２１７は、パラメタ記憶部１３２からδを読み出し（Ｓ２５２３）、降水量モデル１にδ、ＴｔおよびＰｔを適用してＰ１ｔを算出する（Ｓ２５２４）。すなわち、予測気温Ｔｔがδより大きければＰ１ｔ＝Ｐｔとなり、Ｔｔがδ以下であればＰ１ｔ＝０となる。
　流入量予測部２１７は、パラメタ記憶部３２から、α１～α３、β１、β２、μ１、μ２を読み出す（Ｓ２５２５）。流入量予測部２１７は、気象実績データベース２３３から、前日ｔ－１に対応する気象実績情報を読み出し、読み出した気象実績情報の積雪量をＤｔ－１とし（Ｓ２５２６）、読み出した気象実績情報の流入量をＦｔ－１とする（Ｓ２５２７）。
　流入量予測部２１７は、融雪量モデルＡ４に、α２、Ｔｔ、μ２、Ｄｔ－１、α３、Ｐ１ｔを代入して、融雪量の予測値Ｍｔを算出し（Ｓ２５２８）、流入量モデルＡ５に、α１、μ１、Ｆｔ－１、β１、Ｐ１ｔ、β２、Ｍｔを代入して流入増加量の予測値ΔＦｔを算出する（Ｓ２５２９）。流入量予測部２１７は、Ｆｔ－１にΔＦｔを加算して、予測流入量Ｆｔを算出する（Ｓ２５３０）。
　以上のようにして、本実施形態の流入量予測システム２０によれば、予測気温および予測降水量と、気象実績情報とに基づいて、降水量および融雪量を考慮した流入量の予測を行うことができる。降水がなかい場合にも融雪により流入量は増加するため、融雪量を考慮して流入量の予測を行うことで、予測の精度を向上することができる。
　また、本実施形態の流入量予測システム２０によれば、融雪量は、降水量および気温から算出することができる。降水量および気温の予測は、気象予報の手法として様々な手法が存在し、容易に入手可能である。したがって、融雪量の予測が困難である場合でも、容易に取得可能な降水量や気温の予測値に基づいて融雪量の予測を行うことで、融雪量を考慮した流入量の予測を容易に実現することができる。
　また、上記流入量モデルＡ５では、第１項を均衡流入量と流入量との差であるものとして、均衡流入量を考慮に入れているので、単に流入量を説明変数とする場合に比べ、より精度の高い流入量予測を行うことができる。
　なお、本実施形態の流入量予測システムでは、ダムなどの貯水施設に河川から流入する水量についての予測を行うものとしたが、河川を流れる水量の予測を行うシステムにも容易に適用することができる。この場合、河川の上流域における気温や降水量の予報値および実績値などを取得および記録するものとする。
　また、本実施形態では、均衡流入量μ１および融雪が始まる気温μ２については、予めパラメタ記憶部３２に記憶されているものとしたが、これに限らず、過去の気象実績情報に基づいて当てはまりのよい値を推計するようにしてもよい。
　また、貯水施設が降雪や積雪の少ない地域に存在する場合などには、流入量モデルＡ５は融雪量Ｍを考慮しないようにしてもよい。この場合流入量モデルＡ５は、次式で表される。　
Figure JPOXMLDOC01-appb-I000008
　また、本実施形態の各回帰モデルについて、誤差項に系列相関があるような場合には、降雪気温推計部２１１がPrais-Winstein変換やコクラン・オーカット法によりパラメータを推計するようにしてもよい。この場合、例えば、コクランオーカット法により流入量モデルＡ５のパラメータを推計する場合、残差をεｔとし、説明変数Ｘｔ＊＝Ｘｔ－ρＸｔ－１として（すなわち、Ｆｔ＊＝Ｆｔ－ρＦｔ－１、Ｐ１ｔ＊＝Ｐ１ｔ－ρＰ１ｔ－１、Ｍｔ＊＝Ｍｔ－ρＭｔ－１などとして）、流入量モデルＡ５を式のようにすることができる。　
Figure JPOXMLDOC01-appb-I000009
　上記式（Ａ５”）を変形すると次式となる。　
Figure JPOXMLDOC01-appb-I000010
　上記のようにして、残差εｔに系列相関がなくなるｎ期前まで遡って式変形を行った流入量モデルＡ５を求めることができる、その他のモデルについても同様に、誤差項に系列相関がなくなるようにパラメータを推計することができる。上記のようにして残差εｔの系列相関がなくなるｎ期遅れのモデルをモデル記憶部１３１に記憶しておき、ｎ期遅れのモデルを用いて流入量を予測することにより、残差項に系列相関がある場合にも、適切なパラメータの推計を行うことが可能となり、適切なパラメータを用いて精度よく流入量を予測することができる。
＝＝流入量分布の作成処理＝＝
　次に、流入量分布の作成処理について説明する。流入量分布は、前月の流入量を条件とした条件付確率の分布である。本実施形態では、流入量Ｆｍは、流入量Ｆｍは、所定の最小値（以下、最小流入量といい、Ｆｍｉｎと表記する。）から最大値（以下、最大流入量といい、Ｆｍａｘと表記する。）までの間を、単位量（例えば、１立法メートルや、１０立方メートル、１０００立方メートルなどである。以下、単位流入量という。）ずつ増減する離散値であるものとし、流入量分布は、最小流入量Ｆｍｉｎから最大流入量Ｆｍａｘまで単位流入量ごとの流入量に対応付けて、確率が記述された表であるものとする。
　条件付確率Ｐｒ（Ｆｍ｜Ｆｍ－１）に、流入量確率モデルＡ６を適用すると次式のように変形できる。　
Figure JPOXMLDOC01-appb-I000011
　ここで、残差ｕｍには系列相関がないことから、Ａ６’は、さらに次式のように変形できる。　
Figure JPOXMLDOC01-appb-I000012
　すなわち、条件付確率Ｐｒ（Ｆｍ｜Ｆｍ－１）は、前期（ｍ－１月）の流入量に応じて変化するドリフト項α４（μ３－Ｆｍ－１ ＊）Ｉｍと、残差項ｕｍＩｍとから構成されることになる。
　なお、本実施形態において条件付確率は、前月の流入量を条件とするが、前月および前々月の流入量を条件とした条件付確率、すなわち、Ｐｒ（Ｆｍ｜Ｆｍ－１，Ｆｍ－２）としてもよい。
　図２１は、流入量分布の作成処理の流れを説明するための図である。　
　流入量確率モデル推計部２１９は、各月（１月～１２月）をｍとして、以下の処理を行う。　
　流入量確率モデル推計部２１９は、気象実績データベース２３３から、全ての年のｍ月の日付に対応する流入量を平均してＩｍを算出し（Ｓ２５４１）、全ての年のｍ－１月の日付に対応する流入量を平均してＩｍ－１を算出する（Ｓ２５４２）。
　流入量確率モデル推計部２１９は、気象実績データベース２３３に記憶されている気象実績情報の日付が属する年のそれぞれについて、当該年のｍ月の日付に対応する日付の流入量を平均してＦｍを算出し（Ｓ２５４３）、ＦｍをＩｍで割ることで規格化して、Ｆｍ ＊を算出する（Ｓ２５４４）。また、流入量確率モデル推計部２１９は、気象実績データベース２３３から、当該年のｍ－１月の日付に対応する流入量を平均してＦｍ－１を算出し（Ｓ２５４５）、Ｆｍ－１をＩｍ－１で割ることで規格化して、Ｆｍ－１ ＊を算出する（Ｓ２５４６）。
　流入量確率モデル推計部２１９は、以上の処理を各年について行った後、流入量確率モデルＡ６”を回帰分析してα４およびμ３を推計し（Ｓ２５４７）、流入量確率モデル推計部２１９は、ドリフト項α４（μ３－Ｆｍ－１ ＊）Ｉｍを計算し（Ｓ２５４８）する。　
　また、流入量確率モデル推計部２１９は、流入量確率モデルＡ６”の残差ｕｍを次式により計算する（Ｓ２５４９）。　
Figure JPOXMLDOC01-appb-I000013
　流入量確率モデル推計部２１９は、残差項ｕｍＩｍを算出する（Ｓ２５５０）。
　流入量確率モデル推計部２１９は、以上の処理を各月について繰り返して、各月についてのドリフト項および残差項を算出した後、ドリフト項ドリフト項α４（μ３－Ｆｍ－１ ＊）Ｉｍの頻度分布を生成し（Ｓ２５５１）、残差項ｕｍＩｍの頻度分布を生成し（Ｓ２５５２）、これらを足し合わせて流入量Ｆｍの頻度分布を作成する（Ｓ２５５３）。流入量確率モデル推計部２１９は、流入量Ｆｍの頻度分布に基づいて、流入量の条件付発生確率Ｐｒ（Ｆｍ｜Ｆｍ－１）を算出し（Ｓ２５５４）、算出した発生確率を記述した流入量分布を作成する。なお、流入分布は、確率分布の計算式として記述するようにしてもよい。
＝＝運用計画システム３０＝＝
　運用計画システム３０は、長期の運用計画の対象となる期間（以下、長期運用期間という。本実施形態では１年とする。）における発電電力量が最大となるように、中期の運用計画の対象となる期間（以下、中期運用期間という。本実施形態では、１ヶ月とする。）ごとの最適な水位についてのシミュレーションを行い、その後、中期運用期間における最適な水位となり、かつ、短期の運用対象となる期間（以下、短期運用期間という。本実施形態では６日とする。）における売電額が最大となるように、短期運用期間中の各単位期間（本実施形態では１日とする。）ごとの水位を求める。なお、以下の説明において、貯水施設における水位は、所定の単位量（例えば、１メートルや５メートルなどである。以下、単位水位という。）ごとの離散値であるものとする。長期運用期間における発電電力量が最大となるような中期運用期間での水位は、確率論的動的計画法（Stochastic Dynamic Programming; SDP）により求める。短期運用期間における各単位期間の水位は、貯水施設における水位の最大最小値や水力発電に利用する水量（以下、取水量といい、Ｑと表記する。）の最大最小値などの制約の下に、流入量予測システム２０が予測した予測流入量を用いて、各日の水位を単位水位ずつ変化させてシミュレーションし、売電額が最大となるような水位を算出する。
　図２２は、運用計画システム３０のハードウェア構成を示す図である。同図に示すように、運用計画システム３０は、ＣＰＵ３０１、メモリ３０２、記憶装置３０３、通信インタフェース３０４、入力装置３０５、および出力装置３０６を備えている。記憶装置３０３は、各種のデータやプログラムを記憶する、例えば、ハードディスクドライブやフラッシュメモリ、ＣＤ－ＲＯＭドライブなどである。ＣＰＵ３０１は、記憶装置３０３に記憶されているプログラムをメモリ３０２に読み出して実行することにより各種の機能を実現する。通信インタフェース３０４は、通信ネットワーク４０に接続するためのインタフェースであり、例えば、イーサネット（登録商標）に接続するためのアダプタや、公衆電話回線網に接続するためのモデム、無線通信を行うための通信器などである。入力装置３０５は、データの入力を受け付ける、例えば、キーボードやマウス、タッチパネル、マイクロフォンなどである。出力装置３０６は、データを出力する、例えば、ディスプレイやプリンタ、スピーカなどである。
　図２３は、運用計画システム３０のソフトウェア構成を示す図である。同図に示すように、運用計画システム３０は、諸元入力部３１１、貯水量設定値入力部３１２、流入量分布取得部３１３、中期計画部３１４、予測流入量取得部３１５、短期計画部３１６、諸元記憶部３３１、モデル記憶部３３２、電力価格データベース３３３、最適水位データベース３３４を備えている。なお、諸元入力部３１１、貯水量設定値入力部３１２、流入量分布取得部３１３、中期計画部３１４、予測流入量取得部３１５、および短期計画部３１６は、運用計画システム３０が備えるＣＰＵ２０１が、記憶装置２０３に記憶されているプログラムをメモリ２０２に読み出して実行することにより実現される。また、諸元記憶部３３１、電力価格データベース３３３、および最適水位データベース３３４は、運用計画システム３０が備えるメモリ２０２や記憶装置２０３が提供する記憶領域として実現される。なお、諸元記憶部３３１、モデル記憶部３３２、電力価格データベース３３３、および最適水位データベース３３４は、運用計画システム３０とは異なるデータベースサーバが管理し、運用計画システム３０がそのデータベースサーバにアクセスするようにしてもよい。
　諸元記憶部３３１は、貯水施設、河川、発電設備などの各種の諸元の設定値を含む情報（以下、諸元情報という。）を記憶する。図２４は、諸元記憶部３３１に記憶される諸元情報の構成例を示す図である。同図に示すように、諸元情報は、諸元名、単位、および設定値が含まれる。
　諸元入力部３１１は、諸元情報の入力を受け付け、受け付けた諸元情報を諸元記憶部３３１に登録する。諸元入力部３１１は、例えば、キーボードやマウスなどの入力装置２０５から諸元情報の各項目の入力を受け付けるようにしてもよいし、例えば、電力会社のホストコンピュータにアクセスして諸元情報を取得するようにしてもよい。
　なお、諸元入力部３３１は予め、貯水施設に係る諸元として、水位の最高値（最高運用水位；以下、Ｈｍａｘと表記する。単位はｍである。）、および水位の最低値（最低運用水位；以下、Ｈｍｉｎと表記する。単位はｍである。）の入力を受け付け、受け付けた最高運用水位を含む諸元情報と、最低運用水位を含む諸元情報とを作成して諸元記憶部３３１に登録し、河川に係る諸元として、維持流量（以下、Ｓ０と表記する。単位はｍ３／ｓである。）の入力を受け付け、受け付けた維持流量を含む諸元情報を作成して諸元記憶部３３１に登録し、発電設備に係る諸元として、発電に利用する可能な最大の水量（最大取水量；以下、Ｑｍａｘと表記する。単位はｍ３／ｓである。）、発電に利用可能な最低の水量（最小取水量；以下、Ｑｍｉｎと表記する。単位はｍ３／ｓである。）、発電した後に放水する高さ（放水位；以下、Ｈｏｕｔと表記する。単位はｍである。）、および損失落差（以下、Ｈｌｏｓと表記する。単位はｍである。）の入力を受け付けて、受け付けた最大取水量を含む諸元情報、最小取水量を含む諸元情報、放水位を含む諸元情報、および損失落差を含む諸元情報を作成して諸元記憶部３３１に登録しているものとする。
　電力価格データベース３３３は、日付ごとの電力価格を記憶する。図２５は電力価格データベース３３３の構成例を示す図である。同図に示すように、電力価格データベース３３３には、日付に対応付けて電力価格（単位は、円／ｋＷｈである。）が記憶されている。本実施形態では、電力価格は日付ごとに変更しうるものとし、また各日の電力価格は予めユーザから入力されて電力価格データベース３３３に登録されているものとする。
　貯水量設定値入力部３１２は、短期運用期間の初日の開始時点（０時）における貯水量の予定値（以下、初期貯水量という。）の入力を受け付ける。なお、貯水量設定値入力部３１２は、例えば、現在の貯水施設の貯水量を取得して初期貯水量としてもよい。また、貯水量設定値入力部３１２は、過去の水位から初期貯水量を予測するようにしてもよい。
　最適水位データベース３３４は、月と、当該月の開始時点における水位と、当該月における流入量とに対応する、最適な中期運用期間後の水位を記憶する。図２６は、最適水位データベース３３４の構成例を示す図である。同図に示すように、最適水位データベース３３４には、長期運用期間中の各月ｍごとに、水位Ｈｍおよび流入量Ｆｍに対応付けて、その翌月における最適な水位（１月後最適水位Ｈｍ＋１）が設定される水位流入量別目標水位表３５１を記憶している。後述するように、月と、その月の開始時点における水位と、予測流入量とに対応する１月後最適水位を最適水位データベース３３４から読み出すことにより、その月の最終時点における目標水位を取得することができる。
　流入量分布取得部３１３は、流入量分布を取得する。本実施形態では、流入量分布取得部３１３は、流入量予測システム２０に流入量分布取得要求を送信し、流入量分布取得要求に応じて流入量予測システム２０が送信する流入量分布を受信することにより流入量分布を取得するものとする。なお、流入量分布取得部３１３は、ユーザから流入量分布の入力を受け付けるようにしてもよい。
　中期計画部３１４は、中期運用期間ごとの最適な水位の計画を作成する。中期計画部３１４は、流入量分布と、後述するモデル記憶部３３２に記憶されている統計モデルとを用いて、確率論的動的計画法により最適な水位の計画を作成して、最適水位データベース３３４に登録する。なお、中期計画部３１４による最適水位計画の作成処理の詳細については後述する。
　予測流入量取得部３１３は、流入量予測システム２０にアクセスして、流入量予測システム２０が予測した、短期運用期間内の各日についての流入量Ｒの予測値（予測流入量）を取得する。なお、予測流入量取得部３１３は、例えば、キーボードやマウスなどの入力装置２０５から、予測流入量の入力を受け付けるようにしてもよい。
　短期計画部３１６（最適貯水量決定部）は、シミュレーションにより、短期運用期間中の各日における最適な水位（以下、短期運用水位といい、Ｈと表記する。）を算出し、算出した各日の短期運用水位を出力装置に出力する。短期計画部３１６は、後述するモデル記憶部３３２に記憶されている統計モデルを用いてシミュレーションを行う。
　モデル記憶部３３２には、以下のモデルＢ１～Ｂ１１が記憶されている。
　モデルＢ１は、貯水量Ｖに基づいて運用水位Ｈを算出するためのもの（水位算出モデル）であり、次式により表される。なお、ａは貯水施設に固有の定数である。　
Figure JPOXMLDOC01-appb-I000014
　モデルＢ２は、最高運用水位Ｈｍａｘに基づいて貯水量の上限（以下、上限貯水量といい、Ｖｍａｘと表記する。）を算出するためのものであり、次式により表される。　
Figure JPOXMLDOC01-appb-I000015
　モデルＢ３は、最低運用水位Ｈｍｉｎに基づいて貯水量の下限（以下、下限貯水量といい、Ｖｍｉｎと表記する。）を算出するためのものであり、次式により表される。　
Figure JPOXMLDOC01-appb-I000016
　モデルＢ４は、１日の０時から２４時（すなわち次の日の０時）の貯水量に基づいて、単位期間の開始時点から終了時点までの貯水量の差（以下、貯水量差といい、ΔＶと表記する。）を算出するものであり、ある日付ｔの０時における貯水量をＶｔとして、次式により表される。　
Figure JPOXMLDOC01-appb-I000017
　モデルＢ５は、流入量Ｒから維持流量Ｓ０および貯水量差ΔＶを引いた水量（Ｒ０）を算出するためのものであり、次式により表される。　
Figure JPOXMLDOC01-appb-I000018
　モデルＢ６は、最小取水量Ｑｍｉｎ、最大取水量Ｑｍａｘ、最低運転出力Ｑ０ｍｉｎおよびＲ０に基づいて、取水量Ｑを決定するためのもの（取水量算出モデル）であり、次式により表される。　
Figure JPOXMLDOC01-appb-I000019
　すなわち、Ｒ０が、最小取水量Ｑｍｉｎ以上であり、かつ、最大取水量Ｑｍａｘ以下である場合には、Ｒ０が取水量Ｑとなり、Ｒ０が最小取水量Ｑｍｉｎよりも小さい場合には最小取水量Ｑｍｉｎが取水量Ｑとなり、Ｒ０が最大取水量よりも大きい場合には最大取水量Ｑｍａｘが取水量Ｑとなる。ただし、Ｒ０が最低運転出力Ｑ０ｍｉｎよりも小さい場合は、取水量Ｑは０となる。
　モデルＢ７は、Ｒ０および取水量Ｑに基づいて、１日に貯水施設において放流される水量（以下、普通放流量といい、Ｓと表記する。）を算出するためのものであり、次式により表される。　
Figure JPOXMLDOC01-appb-I000020
　モデルＢ８は、１日の終了時点における運用水位、放水位Ｈｏｕｔおよび損失落差Ｈｌｏｓに基づいて、有効落差ｈｎを算出するためのものであり、日付ｔの０時における運用水位をＨｔとし、水位を海抜高さに変換するための所定の定数をｂとして、次式により表される。　
Figure JPOXMLDOC01-appb-I000021
　モデルＢ９は、取水量Ｑおよび有効落差ｈｎに基づいて１日に発電される発電電力Ｐｎを算出するためのものであり、発電の変換効率に係る係数をｃ、重力加速度をｇとして、次式により表される。　
Figure JPOXMLDOC01-appb-I000022
　モデルＢ１０は、発電電力Ｐｎに基づいて１日に発電される発電電力量Ｅｎを算出するためのもの（電力量算出モデル）であり、次式により表される。　
Figure JPOXMLDOC01-appb-I000023
　モデルＢ１１は、ある日付についての発電電力量Ｅｎと、その日付に対応する電力価格とに基づいて売電額を算出するためのものであり、次式により表される。　
Figure JPOXMLDOC01-appb-I000024
＝＝中期計画＝＝
　中期計画部３１４は、流入量分布と上記の統計モデルとを用いて確率論的動的計画法により最適な水位を算出する。具体的には、中期計画部３１４は、次式を満たす水位の組合せを求める。　
Figure JPOXMLDOC01-appb-I000025
　式Ｂ１２において、ＧＥ（Ｈｍ，Ｈｍ＋１，Ｆｍ）は、月ｍの開始時点ｍにおいて水位がＨｍであり、月ｍの終了時点（月ｍ＋１の開始時点）ｍ＋１における水位がＨｍ＋１であり、月ｍの流入量がＦｍである場合の発電電力量Ｅｎである。ここで、月ｍにおける発電電力量は、上記モデルＢ１０により算出される１日あたりの発電電力量Ｅｎに、月ｍの日数を乗じることにより算出される。
　図２７～２９は、確率論的動的計画法により最適な水位を求める方法を説明するための図である。図２７～２９の例では、説明を簡単にするために、長期運用期間が４ヶ月であるものとし、貯水施設の水位はｈ１～ｈ３のいずれかの値のみを取るものとしている。なお、中期計画部３１４は、終了時点ｍ５における水位がｈ１～ｈ３のそれぞれである場合について以下の処理を行う。
　図２７に示すように、中期計画部３１４は、前の期（ステージ）の合計発電電力量Ｅ（１，Ｈ１，Ｆ１）を０として、第４月の開始時点ｍ４における水位ごとに、第４月における各流入量ごとに発電電力量を算出し、算出した発電電力量に、第１月の流入量の発生確率を乗じて算出された水位毎の期待値を加算したもの（ここでは合計発電電力量が０であるため、期待値も０になる。）を第４月の期待値として算出する。中期計画部３１４は、第４月の期待値が最も大きいもの（図中に太線で示す。）を選択する（ステップ１）。
　中期計画部３１４は、時点ｍ４における水位と、時点ｍ３における水位の各組合せについて、第３月における発電電力量を算出し、算出値に第４月の流入量の発生確率を乗じて算出された水位毎の期待値を加算したものを第３月以降の期待値として算出する。中期計画部３１４は、第３月以降の期待値が最も大きい組合せ（図中に太線で示す。）を選択する（ステップ２）。
　中期計画部３１４は、同様に、時点ｍ３における水位と、時点ｍ２における水位の各組合せについて、第２月における発電電力量に、第３月の流入量の発生確率を乗じて算出された水位毎の期待値を加算して、第２月以降の発電電力量の期待値を算出し、第２月以降の期待値が最大になる組合せ（図中に太線で示す。）を選択する（ステップ３）。
　中期計画部３１４は、第１月についても、時点ｍ２における水位と、時点ｍ１における水位との各組合せについて、第１月における発電電力量に、第２月の流入量の発生確率を乗じて算出された水位毎の期待値を加算した、第１月以降の発電電力量の期待値を算出し、第１月以降の期待値が最大になる組合せ（図中に太線で示す。）を選択する（ステップ４）。　
　以上のようにして最適な水位が決定される。
　上記説明では、長期運用期間の終了時点における水位（目的水位）のみを与え、発電電力量の期待値を最大化するような各月の水位の組合せを算出する手順を示したが、長期運用期間の終了時点における水位によっては、次の長期運用期間の運用パフォーマンスが悪化することが考えられる。この問題を解決するために長期運用期間における合計発電電力量の期待値が最大となるまで繰り返していく。
　中期計画部３１４は、上述した各処理（ステージ）が終わるごとに、第１月から第４月までの発電電力量の合計値を、第１月の水位Ｈ１および第１月の流入量Ｆ１に対応付けて管理する水位流入量別電力量表３４１を作成していく。水位流入量別電力量表３４１の構成例を図２８に示す。中期計画部３１４は、二回目以降の各ステージにおいては、前のステージの合計発電電力量を水位流入量別電力量表３４１から読み出して、上記処理を行う（図２９参照）。中期計画部３１４は、前のステージにおける合計電力量と、現在のステージにおける合計電力量との差が所定値以下となるまで上記処理を繰り返す。
　図３０は、長期運用期間における最適水位の計画処理の流れを示す図である。　
　中期計画部３１４は、処理のステージを示すＳＴに１を設定し（Ｓ３６０１）、最終月（本実施形態では第１２月）から第１月までの各月について、確率的動的計画法による水位の計画処理を行う（Ｓ３６０２）。図３１は、確率的動的計画法による水位計画処理に用いられる表である水位流入量別発電電力量表３５２の構成を示す図である。図３１に示す水位流入量別発電電力量表３５２には、第１２月の水位Ｈ１２と、第１２月の流入量Ｆ１２とに対応づけて、第１２月における発電電力量が登録される。
　図３２および図３３は、確率的動的計画法による水位計画処理の流れを示す図である。　
　図３２は、最終月（１２月）についての水位計画処理の流れを示す図である。中期計画部３１４は、１つ前の処理に係る月である第１月（第１２月から第１月までの各月に対して処理が行われるため、第１２月の１つ前の処理に係る月は第１月となる。）までの累計発電電力量Ｅ（１，Ｈ１，Ｆ１）を０とし（Ｓ３６２１）、最終月の水位Ｈ１２に、最低水位Ｈｍｉｎを設定する（Ｓ３６２２）。中期計画部３１４は、１２月までの累計発電電力量Ｅ（１２，Ｈ１２，Ｆ１２）に０を設定し（Ｓ３６２３）、１２月の流入量Ｆ１２に、最小流入量Ｆｍｉｎを設定する（Ｓ３６２４）。中期計画部３１４は、１月の水位Ｈ１に最低水位Ｈｍｉｎを設定し（Ｓ３６２５）、諸元記憶部３３１に記憶されている各諸元を上述したモデルに適用して、発電電力量Ｅｎを算出する（Ｓ３６２６）。中期計画部３１４は、Ｅｎに３１（１２月の日数）を乗じて、１ヶ月の発電電力量の期待値ＧＥを算出する（Ｓ３６２７）。中期計画部３１４は、１月の流入量Ｆ１の発生確率を取得し（Ｓ３６２８）、各Ｆ１について、Ｆ１２を条件としたＦ１の条件付確率を累計発電電力量Ｅ（１２，Ｈ１２，Ｆ１２）に乗じた値を合計してＧＥに加算し、Ｅ１（１２，Ｈ１２，Ｆ１２）を算出する（Ｓ３６２９）。
　中期計画部３１４は、Ｅ１（１２，Ｈ１２，Ｆ１２）が、Ｅ（１２，Ｈ１２，Ｆ１２）以上である場合（Ｓ３６３０：ＹＥＳ）、Ｅ（１２，Ｈ１２，Ｆ１２）にＥ１（１２，Ｈ１２，Ｆ１２）を設定して（Ｓ３６３１）、月１２、Ｈ１２、Ｈ１、Ｆ１２を水位流入量別目標水位表３５１および水位流入量発電電力量表３５２に登録する（Ｓ３６３２）。
　中期計画部３１４は、Ｈ１に単位水位を加算し（Ｓ３６３３）、加算後のＨ１が最高水位Ｈｍａｘよりも大きくなければ（Ｓ３６３４：ＮＯ）、ステップＳ３６２６からの処理を繰り返す。加算後の水位Ｈ１が最高水位Ｈｍａｘよりも大きい場合には（Ｓ３６３４：ＹＥＳ）、中期計画部３１４は、流入量Ｆ１２に単位流入量を加算する（Ｓ３６３５）。流入量Ｆ１２が最大流入量Ｆｍａｘを越えていない場合には（Ｓ３６３６：ＮＯ）、ステップＳ３６２５からの処理を繰り返す。流入量Ｆ１２が最大流入量Ｆｍａｘを越えた場合（Ｓ３６３６：ＹＥＳ）、中期計画部３１４は、水位Ｈ１２に単位水位を加算し（Ｓ３６３７）、加算後の水位Ｈ１２が最大水位Ｈｍａｘよりも大きくなっていなければ（Ｓ３６３８：ＮＯ）、ステップＳ３６２３からの処理を繰り返す。中期計画部３１４は、水位Ｈ１２が最大水位Ｈｍａｘよりも大きくなると（Ｓ３６３８）、処理を終了する。
　図３３は、最終月（１２月）以外の月ｍ（ｍ＝１１，１０，．．．，１）についての水位計画処理の流れを示す図である。まず、中期計画部３１４は、１つ前の処理に係る月ｍ＋１までの累計発電電力量Ｅ（ｍ＋１，Ｈｍ＋１，Ｆｍ＋１）を、水位流入量別発電電力量表３５２から算出する（Ｓ３６４１）。上述した図３２の最終月に係る水位計画の処理では、累計発電電力量Ｅ（１，Ｈ１，Ｆ１）を０として計算をしていたが（図３２、Ｓ３６２１）、これは、最初に図３２の処理を実行するとき、水位流入量別発電電力量表３５２に値が登録されていないためである。
　次に、中期計画部３１４は、図３２の処理と同様に、月ｍの水位Ｈｍに、最低水位Ｈｍｉｎを設定し（Ｓ３６４２）、月ｍまでの累計発電電力量Ｅ（ｍ，Ｈｍ，Ｆｍ）に０を設定し（Ｓ３６４３）、月ｍの流入量Ｆｍに、最小流入量Ｆｍｉｎを設定する（Ｓ３６４４）。中期計画部３１４は、前の期の月ｍ＋１の水位Ｈｍ＋１に最低水位Ｈｍｉｎを設定し（Ｓ３６４５）、諸元記憶部３３１に記憶されている各諸元を上述したモデルに適用して、発電電力量Ｅｎを算出する（Ｓ３６４６）。中期計画部３１４は、Ｅｎに月ｍの日数を乗じて、１ヶ月の発電電力量の期待値ＧＥを算出する（Ｓ３６４７）。中期計画部３１４は、前期の月ｍ＋１の流入量Ｆｍ＋１の発生確率を取得し（Ｓ３６４８）、各Ｆｍ＋１について、Ｆｍ＋１を条件としたＦｍの条件付確率を累計発電電力量Ｅ（ｍ＋１，Ｈｍ＋１，Ｆｍ＋１）に乗じた値を合計してＧＥに加算し、Ｅ１（ｍ，Ｈｍ，Ｆｍ）を算出する（Ｓ３６４９）。
　中期計画部３１４は、Ｅ１（ｍ，Ｈｍ，Ｆｍ）が、Ｅ（ｍ，Ｈｍ，Ｆｍ）以上である場合（Ｓ３６５０：ＹＥＳ）、Ｅ（ｍ，Ｈｍ，Ｆｍ）にＥ１（ｍ，Ｈｍ，Ｆｍ）を設定して（Ｓ３６５１）、月ｍ、Ｈｍ、Ｈｍ＋１、Ｆｍを水位流入量別目標水位表３５１および水位流入量発電電力量表３５２に登録する（Ｓ３６５２）。
　中期計画部３１４は、Ｈｍ＋１に単位水位を加算し（Ｓ３６５３）、加算後のＨｍ＋１が最高水位Ｈｍａｘよりも大きくなければ（Ｓ３６５４：ＮＯ）、ステップＳ３６４６からの処理を繰り返す。加算後の水位Ｈｍ＋１が最高水位Ｈｍａｘよりも大きい場合には（Ｓ３６５４：ＹＥＳ）、中期計画部３１４は、流入量Ｆｍに単位流入量を加算する（Ｓ３６５５）。流入量Ｆｍが最大流入量Ｆｍａｘを越えていない場合には（Ｓ３６５６：ＮＯ）、ステップＳ３６４５からの処理を繰り返す。流入量Ｆｍが最大流入量Ｆｍａｘを越えた場合（Ｓ３６５６：ＹＥＳ）、中期計画部３１４は、水位Ｈｍに単位水位を加算し（Ｓ３６５７）、加算後の水位Ｈｍが最大水位Ｈｍａｘよりも大きくなっていなければ（Ｓ３６５８：ＮＯ）、ステップＳ３６４３からの処理を繰り返す。中期計画部３１４は、水位Ｈｍが最大水位Ｈｍａｘよりも大きくなると（Ｓ３６５８）、処理を終了する。
　第１２月から第１月までの各月について上記確率的動的計画法による水位計画処理を行った後、中期計画部３１４は、図３４に示す期待合計発電電力量の計算処理を行う（Ｓ３６０３）。中期計画部３１４は、Ｈ１にＨｍｉｎを設定し（Ｓ３６６１）、単位流入量ごとの各Ｆ１の発生確率を取得する（Ｓ３６６２）。中期計画部３１４は、第１月までの累積発電電力量Ｅ（１，Ｈ１，Ｆ１）を水位流入量別発電電力量表３５２から算出し（Ｓ３６６３）、各Ｆ１について、Ｆ１２を条件としたＦ１の条件付確率をＥに乗じた値を合計して、ステージの期待合計発電電力量ＥＥ（１，Ｈ１）を算出する（Ｓ３６６４）。中期計画部は、Ｈ１に単位水位を加算し（Ｓ３６６５）、Ｈ１がＨｍａｘを越えなければ（Ｓ３６６６：ＮＯ）、ステップＳ３６６３からの処理を繰り返す。
　図３０に戻り、中期計画部３１４は、ＳＴが１である場合（Ｓ３６０４：１）、期待合計発電電力量ＥＥ（１，Ｈ１）をＥ０２（１，Ｈ１）として設定し（Ｓ３６０５）、ＳＴが２である場合には（Ｓ３６０４：２）、期待合計発電電力量ＥＥ（１，Ｈ１）をＥ０１（１，Ｈ１）として設定する（Ｓ３６０６）。中期計画部３１４は、ＳＴをインクリメントして（Ｓ３６０７）、ステップＳ３６０２の最終月から第１月までの確率的計画法による水位計画処理からの処理を繰り返す。
　一方、ＳＴが３以上である場合には（Ｓ３６０４：３以上）、中期計画部３１４は、期待合計発電電力量ＥＥ（１，Ｈ１）をＥ００（１，Ｈ１）として設定し（Ｓ３６０９）、Ｅ０２（１，Ｈ１）からＥ０１（１，Ｈ１）を減じた第１の値を、Ｅ０１（１，Ｈ１）からＥ００（１，Ｈ１）を減じた第２の値で割った商が所定の閾値を越えていないかどうかにより、収束を判断する。上記商が閾値を越えている場合（Ｓ３６１０：ＹＥＳ）、中期計画部３１４は、Ｅ０２（１，Ｈ１）にＥ０１（１，Ｈ１）を設定し（Ｓ３６１１）、Ｅ０１（１，Ｈ１）にＥ００（１，Ｈ１）を設定して（Ｓ３６１２）、上述したステップＳ３６０７に進む。上記商が閾値を越えていなければ（Ｓ３６１０：ＮＯ）、中期計画部３１４は、処理を終了する。
　以上のようにして、最適水位データベース３３４に格納される各月についての水位流入量別目標水位表３５１が更新される。　
　本実施形態の運用計画システム３０によれば、将来の流入量の予測値を用いて、長期運用期間における発電電力量の期待値を大きくする、中期運用期間の開始時点および終了時点の水位の組合せを求めることができる。したがって、貯水施設の運用者は、中期運用期間の開始時点に、最適水位データベース３３４を参考にして、その時点での水位に対応する１ヶ月後の水位を目標の水位として貯水施設を運用することにより、１年間の発電電力量を大きくすることが可能となる。よって、貯水施設の運用者の経験が浅い場合であっても容易に最適な水位に調整することができる。
　また、本実施形態の運用計画システム３０によれば、貯水施設の運用者の勘と経験によって水位を計画する場合に比べ、客観的なデータに基づいて、水位の計画を策定することができる。また、本実施形態の運用計画システム３０では、確率論的動的計画法を用いることにより、将来の流入量の予測値を確率分布として求めた場合でも、貯水施設における発電電力量の期待値を大きくする最適な水位の計画を容易に導出することができる。
＝＝短期計画＝＝
　上述のように、中期計画部３１４は、中期運用期間（月）の開始時点および終了時点の最適な水位の組合せを求めるのに対し、短期計画部３３４は、短期運用期間（６日）における売電額を大きくするように、短期運用期間における水位を計画する。
　短期計画部３１６は、貯水量設定値入力部３１２が受け付けた初期貯水量を短期運用期間の初日のＶ１とし、Ｖ１をモデルＢ１に適用し、初日の水位Ｈ１を算出する。短期計画部３１６は、短期運用期間が属する月とＨ１とに対応する１月後最適水位を読み出して、短期運用期間の終了時点（７日目の開始時点でもある。）における水位Ｈ２とする。短期計画部３１６は、水位Ｈ２およびモデルＢ２またはＢ３を用いて、短期運用期間の終了時点における貯水量の目標値（以下、最終目的貯水量という。）Ｖ７を算出する。短期計画部３１６は、各日付ｔ（ｔ＝２～６）について、０時における貯水量ＶｔをＶｍｉｎからＶｍａｘの間で所定のステップ（例えば、０．１や０．５、１など）で変化させてシミュレーションを行い、Ｅｎが最大となるようにＶｔを決定する。短期計画部３１６は、このシミュレーションにおいて、動的計画法を用いるものとする。動的計画法を用いることで、最適なＶｔの組合せを迅速に算出することができる。
＝＝画面例＝＝
　図３５は、運用水位のシミュレーションに用いられる画面６０の一例を示す図である。画面６０には、運用期間の入力欄６１１、初期貯水量の入力欄６１２、最終目的貯水量の入力欄６１３、および各種諸元の表示欄６２１～６２７が設けられている。
　短期計画部３１６は、諸元記憶部３３１から、最小運用水位および最大運用水位に対応する設定値（ＨｍｉｎおよびＨｍａｘ）を読み出し、読み出したＨｍｉｎおよびＨｍａｘを表示欄６２１および表示欄６２２に表示する。短期計画部３１６は、諸元記憶部３３１から、維持流量に対応する設定値（Ｓ０）を読み出し、読み出したＳ０を表示欄６２３に表示する。短期計画部３１６は、諸元記憶部３３１から、最小取水量および最大取水量に対応する設定値（ＱｍｉｎおよびＱｍａｘ）を読み出し、読み出したＱｍｉｎおよびＱｍａｘを表示欄６２４および６２５にそれぞれ表示する。短期計画部３１６は、諸元記憶部３３１から、放水位に対応する設定値（Ｈｏｕｔ）を読み出し、読み出したＨｏｕｔを表示欄６２６に表示する。短期計画部３１６は、諸元記憶部３３１から、損失落差に対応する設定値（Ｈｌｏｓ）を読み出し、読み出したＨｌｏｓを表示欄６２７に表示する。
　また、短期計画部３１６は、上述したモデルＢ２およびモデルＢ３を用いて、ＶｍａｘおよびＶｍｉｎを算出し、算出したＶｍａｘおよびＶｍｉｎを表示欄６３１および表示欄６３２にそれぞれ表示する。
　予測流入量取得部３１３は、流入量予測システム２０にアクセスして、流入量予測システム２０が予測した、運用期間内の各日についての流入量Ｒの予測値を取得し、取得したＲを表示欄６３３に表示する。
　入力欄６１１、６１２および６１３に運用期間、初期貯水量および最終目的貯水量が入力され、ボタン６４１が押下されると、貯水量設定値入力部３１２は、入力欄６１１、６１２および６１３に入力された運用期間、初期貯水量、および最終目的貯水量の入力を受け付け、短期計画部３１６は、運用期間中の各日について貯水量Ｖをシミュレーションする。短期計画部３１６は、例えば以下のようにして貯水量Ｖのシミュレーションを行う。なお、図３５の例では、貯水施設に固有の係数ａ＝３００００であり、水位を海抜高さに変換する定数ｂ＝５００であるものとしている。
　短期計画部３１６は、入力欄６１２に入力された初期貯水量を第１日目の貯水量Ｖ１とし、入力欄６１３に入力された最終目的貯水量を第７日目の貯水量Ｖ７とし、第１日目から第６日目までの貯水量Ｖｔのシミュレーションを行い、貯水量Ｖを表示欄６５１に表示する。
　短期計画部３１６は、各日付についての貯水量ＶをモデルＢ１に適用して運用水位Ｈを算出し、算出した運用水位Ｈを表示欄６５２に表示する。短期計画部３１６は、１～６日目の日付ｔについて、ＶｔおよびＶｔ＋１をモデルＢ４に適用して、各日付ｔについての貯水量差ΔＶｔを算出し、算出した貯水量差ΔＶｔを表示欄６５３に表示する。
　短期計画部３１６は、流入量の予測値Ｒ、維持流量Ｓ０、および貯水量差ΔＶをモデルＢ５に適用してＲ０を算出し、モデルＢ６によりＲ０に応じた取水量Ｑを決定し、決定した取水量Ｑを表示欄６５４に表示する。短期計画部３１６は、Ｒ０および取水量ＱをモデルＢ７に適用して、普通放流量Ｓを算出し、算出したＳを表示欄６５５に表示する。
　短期計画部３１６は、１～６日目の各日ｔについて、上記算出した運用水位Ｈｔ＋１、放水位Ｈｏｕｔおよび損失落差ＨｌｏｓをモデルＢ８に適用して、有効落差ｈｎを算出し、算出したｈｎを表示欄６５６に表示する。
　短期計画部３１６は、取水量Ｑ、有効落差ｈｎをモデルＢ９に適用して、発電電力Ｐｎを算出して表示欄６５７に表示するとともに、算出したＰｎをモデルＢ１０に適用して発電電力量Ｅｎを算出し、算出したＥｎを表示欄６６０に表示する。
　短期計画部３１６は、運用期間中の各日の日付に対応する電力価格を電力価格データベース３３３から読み出して表示欄６５９に表示するとともに、上記Ｅｎおよび読み出した電力価格をモデルＢ１１に適用して、売電額を算出し、算出した売電額を表示欄６５８に表示する。
　短期計画部３１６は、貯水量Ｖｔ（ｔ＝２～６）を最大ＶｍｉｎからＶｍａｘまで変化させて、上記の処理を繰り返すことによりシミュレーションを行い、運用期間中の売電額の合計額が最大となる貯水量Ｖの組合せを決定する。なお、短期計画部３１６は、動的計画法により、貯水量Ｖの組合せを決定することで、効率的に最適な貯水量を決定することができる。短期計画部３１６は、決定した貯水量Ｖの組合せに対応するように表示欄６５１～６６０を表示する。
　図３６は、ある貯水施設において、過去の実績水位についてシミュレーションを行った結果を示すグラフである。　
　図３６（ａ）は、比較的豊水期として知られている２００３年７月における取水量および運用水位の変化を示すグラフである。貯水施設では、運用者の経験によって運用水位が決定されており、２００３年７月期における売電額の実績値は約２５８（百万円）であった。これに対して、上記シミュレーションの結果の貯水量Ｖの組合せに対応する売電額は約２６９（百万円）となった。すなわち、約４％の売電額の上昇がみられた。
　図３６（ｂ）は、比較的渇水期として知られている２００７年４月における取水量および運用水位の変化を示すグラフである。２００７年４月期における売電額の実績値は１０７（百万円）であったところ、上記シミュレーションの結果の貯水量Ｖの組合せに対応する売電価格は１１４（百万円）となり、約６％の上昇がみられた。
　このように、上記シミュレーションにより、売電額が最大になるように貯水量Ｖの組合せを決定して運用水位Ｈを運用することで、運用者の経験による運用に比べて売電額の上昇が可能になることが確認された。
　以上説明したように、本実施形態の水位運用支援システムによれば、初期貯水量および最終目的貯水量に応じて、売電額が最大になるような運用水位を提示することができる。したがって、貯水施設の運用者は、水位運用支援システムからの提示を参考にして、貯水位施設の水位を運用することで、より効率的かつ効果的に水力発電を行うことができる。
　なお、本実施形態では、降水量予測システム１０、流入量予測システム２０、運用計画システム３０はそれぞれ異なるコンピュータであるものとしたが、１台のコンピュータにより実現することもできる。また、降水量予測システム１０、流入量予測システム２０および運用計画システム３０のいずれかを、複数台のコンピュータにより実現するようにすることもできる。
　また、本実施形態の降水量予測システム１０では、天気は、「晴」「曇」「雪」「雨」「大雨」のいずれかであるものとしたが、例えば、「みぞれ」や「ひょう」などを含めてもよい。また、本実施形態では、時間語は、「時々」「一時」「後」のいずれかであるものとしたが、例えば、「次第に」「はじめ」などを含めてもよい。
　また、本実施形態の降水量予測システム１０では、天気概況情報には昼の時間帯および夜の時間帯の天気概況が含まれているものとしたが、これに限らず、１日の天気概況のみが含まれていてもよいし、午前、午後、夜など３つ以上の時間帯についての天気概況が含まれていてもよい。
　また、本実施形態の降水量予測システム１０では、パターン表１６１の行列ともに、降水量への度合いの強い順に天気語および時間語が並んでいるものとしたが、例えば、天気語および時間語に対応付けて、降水量に関する度合い（優先度）を記憶する優先度記憶部を備えるようにしてもよい。この場合、天気パターン登録部１１２は、パターン表１６１を用いず、図６のステップＳ１５１４で天気チャンクのリストを生成し、リストに含まれる天気チャンクのそれぞれについて、含まれる天気語に対応する度合いと、含まれる時間語に対応する度合いとを優先度記憶部から取得し、取得した度合いの合計値を当該天気チャンクの優先度とする。天気パターン登録部１１２は、天気語のそれぞれについて、当該天気語が含まれる天気チャンクを特定し、特定した天気チャンクのうち、最も優先度が高いものを残して、それ以外をリストから削除する。天気パターン登録部１１２は、リストに残った天気チャンクに基づいて、天気パターン情報を作成して天気パターンデータベース１３２に登録することができる。
　また、本実施形態の降水量予測システム１０では、天気パターンデータベース１３２は、日付と天気チャンクに対応するフラグ値が登録されるものとしたが、これに限らず、例えば、日付に対応付けて、天気チャンクのリストを登録するようにしてもよい。また、天気パターンデータベース１３２に、日付に対応付けて、天気概況情報に含まれていた降水量も記憶するようにしてもよい。
　また、本実施形態の流入量予測システム２０では、パーセンタイル値を用いて予測降水量を決定するものとしたが、これに限らず、平均値や中央値などとしてもよい。
　また、本実施形態では、流入量および水位は単位流入量および単位水位ごとの離散値であるものとしたが、実数の連続値としてもよい。この場合、流入量予測システム２０において作成される流入量分布は、流入量に応じた確率を求める関数として記述され、また、運用計画システム３０の最適水位データベース３３４は、月、水位、および流入量を引数として、１ヵ月後の最適水位を求める関数として記述される。
　また、本実施形態の運用計画システム３０では、長期運用期間は１年であり、中期運用期間は１ヶ月であり、短期運用期間は６日であるものとしたが、これに限らず、任意の長さを設定することができる。例えば、長期運用期間を半年や３ヶ月などとしてもよいし、中期運用期間を３ヶ月や旬（１０日）、１週間としてもよい。また、短期運用期間を２週間や１週間、４日などとしてもよい。
　また、本実施形態の運用計画システム３０では、確率論的動的計画法により中期運用期間の開始時点および終了時点における最適な水位の組合せを求めるものとしたが、これに限らず、長期運用期間における発電電力量の期待値を最大化するような、各種の最適経路探索手法を用いて水位を算出することができる。
　また、本実施形態の運用計画システム３０では、売電額が最大になるように貯水量Ｖの組合せを決定するものとしたが、発電電力量Ｅｎが最大となるような組合せを決定するようにしてもよい。この場合、価格の変動に関わらず、より効率的な発電を行うことが可能となる。
　また、運用計画システム３０は、普通放流量Ｓの上限を設けて、シミュレーションを行うようにしてもよい。この場合、短期計画部３１６は、ユーザから上限値の入力を受け付けて、普通放流量Ｓが上限値を超えない貯水量Ｖの組合せのうち、売電額が最大になるものを決定するようにする。図３７は、上記２００３年７月期における放流量Ｓの実績値と、上限値を設けなかった場合に売電額が最大になるときの放流量Ｓの理論値と、上限値を１５ｍ３／ｓと設定した場合に売電額が最大になるときの放流量Ｓの理論値とを比較したグラフである。図３７に示すように、例えば、７月２４日では、放流量Ｓが２５（ｍ３／２）近くまで増加している。この場合の売電額も、約２６９（百万円）となり、約４％の上昇がみられた。したがって、実際の貯水施設の運用時には、例えば、釣り人やキャンプをしている人などがいる場合などの、下流への影響を考慮して、放流量には上限値を設けることが行われるが、上限値を設けたとしても、上記のシミュレーションの結果に従って貯水施設の水位を運用することで、より効率的な発電を行うことが可能となる。
　また、本実施形態の流入量予測システム２０では、ダムなどの貯水施設に河川から流入する水量についての予測を行うものとしたが、河川を流れる水量の予測を行うシステムにも容易に適用することができる。この場合、河川の上流域における気温や降水量の予報値および実績値などを取得および記録するものとする。
　また、本実施形態の運用計画システム３０では、流入量予測システム２０から流入量Ｒを取得するものとしたが、これに限らず、例えば、流入量Ｒの入力をユーザから受け付けるようにしてもよい。また、過去の流入量の実績値をデータベースに記憶しておき、過去の実績値をＲとして読み出してシミュレーションするようにしてもよい。
　また、本実施形態の運用計画システム３０では、予め電力価格は電力価格データベース３３３に記憶されているものとしたが、例えば、日本卸電力取引所における電力価格（ＪＥＰＸ価格）を自動的に取得するようにしてもよい。この場合、電力価格データベース３３３を省略して、短期計画部３１６によるシミュレーションの度に、ＪＥＰＸ価格を取得するようにすることもできる。
　以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。
１０　降水量予測システム、２０　流入量予測システム、３０　運用計画システム、４０　通信ネットワーク、１０１　ＣＰＵ、１０２　メモリ、１０３　記憶装置、１０４　通信インタフェース、１０５　入力装置、１０６　出力装置、１１１　天気概況取得部、１１２　天気パターン登録部、１１３　予測降水量取得要求受信部、１１４　天気予報取得部、１１５　降水量予測部、１１６　予測降水量送信部、１３１　天気概況データベース、１３２　天気パターンデータベース、２０１　ＣＰＵ、２０２　メモリ、２０３　記憶装置、２０４　入力装置、２０５　出力装置、２１１　降雪気温推計部、２１２　融雪量モデル推計部、２１３　流入量モデル推計部、２１４　予測気温取得部、２１５　予測降水量取得部、２１６　予測流入量取得要求受信部、２１７　流入量予測部、２１８　予測流入量送信部、２１９　流入量分布取得要求受信部、２２０　流入量発生確率モデル推計部、２２１　流入量分布生成部、２２２　流入量分布送信部、２３１　モデル記憶部、２３２　パラメタ記憶部、２３３　気象実績データベース、２１１　降雪気温推計部、２１２　融雪量モデル推計部、２１３　流入量モデル推計部、２１４　予測気温取得部、２１５　予測降水量取得部、２１６　予測流入量取得要求受信部、２１７　流入量予測部、２１８　予測流入量送信部、２１９　流入量分布取得要求受信部、２２０　流入量発生確率モデル推計部、２２１　流入量分布生成部、２２２　流入量分布送信部、２３１　モデル記憶部、２３２　パラメタ記憶部、２３３　気象実績データベース、３１１　諸元入力部、３１２　貯水量設定値入力部、３１３　流入量分布取得部、３１４　中期計画部、３１５　予測流入量取得部、３１６　短期計画部、３３１　諸元記憶部、３３２　モデル記憶部、３３３　電力価格データベース、３３４　最適水位データベース、３５１　水位流入量別目標水位表、３５２　水位流入量別発電電力量表

Claims (5)

  1. 　水力発電のための貯水施設の運用を支援するシステムであって、
    　所定の運用期間を構成する単位期間の開始時点における水位と、前記単位期間における前記貯水施設への流入量とに対応づけて、前記単位期間の終了時点における最適な水位である最適水位を記憶する最適水位テーブルと、
    　前記運用期間の開始時点における前記貯水施設の水位を取得する水位取得部と、
    　前記各単位期間における流入量の予測値を取得する予測流入量取得部と、
    　前記各単位期間について、前記開始時点における水位および当該単位期間における前記流入量の予測値に対応する前記最適水位を前記最適水位テーブルから読み出すとともに、読み出した前記最適水位を当該単位期間の次の単位期間の開始時点における水位としていく水位計画部と、
    　前記各単位期間についての前記最適水位を記憶する水位計画記憶部と、
    　を備え、
    　前記各単位期間の終了時に、前記水位取得部は、現在時点における前記貯水施設の水位である現在水位を取得し、前記予測流入量取得部は、当該単位期間の次の単位期間以後における前記流入量の予測値を取得し、前記水位計画部は、前記現在水位を前記次の単位期間の開始時点における水位として、前記次の単位期間以後の前記各単位期間について前記最適水位を前記最適水位テーブルから読み出していき、前記読み出した最適水位により前記水位計画記憶部を更新すること、
    　を特徴とする貯水施設運用支援システム。
  2. 　請求項１に記載の貯水施設運用支援システムであって、
    　前記予測流入量取得部は、前記各単位期間における複数の前記流入量の予測値と、当該予測値の発生確率とを取得し、
    　前記最適水位テーブルは、前記貯水施設がとりうる各水位と、前記各単位期間における前記流入量の予測値と、前記流入量の予測値の発生確率とに基づいて、確率的動的計画法により作成されること、
    　を特徴とする貯水施設運用支援システム。
  3. 　請求項２に記載の貯水施設運用支援システムであって、
    　前記単位期間ごとに、前記流入量の実績値を記憶するデータベースと、
    　ある第１単位期間の直前の第２単位期間における前記流入量と所定の定数である均衡流入量との差を説明変数とし、前記第２単位期間から前記第１単位期間までの前記流入量の増加量を目的変数とする統計モデルを記憶するモデル記憶部と、
    　前記データベースに記憶されている前記流入量の実績値、および前記統計モデルに基づいて回帰分析を行い、前記説明変数についての回帰係数および前記均衡流入量を推計する流入量モデル推計部と、
    　前記各単位期間について、当該単位期間である第１単位期間の直前の第２単位期間に対応する前記流入量の第１の実績値、および前記第１期間に対応する前記流入量の第２の実績値を前記データベースから読み出し、前記推計した均衡流入量から前記第２の実績値を引いたものに前記回帰係数を乗じた値を、前記第１および第２の実績値の差から引いた値である残差項を算出して、前記残差項の頻度分布を生成する残差項頻度分布生成部と、
    　前記各単位期間について、前記第２単位期間に対応する前記流入量の第１の実績値、および前記第１単位期間に対応する前記流入量の第２の実績値を前記データベースから読み出し、前記推計した均衡流入量から前記第２の実績値を引いたものに前記回帰係数を乗じたドリフト項を算出して、前記ドリフト項の頻度分布を生成するドリフト項頻度分布生成部と、
    　前記残差項の頻度分布および前記ドリフト項の頻度分布を加算して前記流入量の頻度分布を生成し、前記流入量の頻度分布から前記流入量の発生確率分布を生成する確率分布生成部と、
    　を備え、
    　前記予測流入量取得部は、前記流入量がとりうる所定の範囲の値のそれぞれを前記流入量の予測値として、前記発生確率分布に基づき前記流入量の予測値の発生確率を算出すること、
    　を特徴とする貯水施設運用支援システム。
  4. 　水力発電のための貯水施設の運用を支援する方法であって、
    　所定の運用期間を構成する単位期間の開始時点における水位と、前記単位期間における前記貯水施設への流入量とに対応づけて、前記単位期間の終了時点における最適な水位である最適水位を記憶する最適水位テーブルを備えるコンピュータが、
    　前記運用期間の開始時点における前記貯水施設の水位を取得し、
    　前記運用期間の開始前に、
    　前記各単位期間における流入量の予測値を取得し、
    　前記各単位期間について、前記開始時点における水位および当該単位期間における前記流入量の予測値に対応する前記最適水位を前記最適水位テーブルから読み出すとともに、読み出した前記最適水位を当該単位期間の次の単位期間の開始時点における水位としていき、
    　前記各単位期間についての前記最適水位をメモリに記憶し、
    　前記各単位期間の終了時に、
    　現在時点における前記貯水施設の水位である現在水位を取得し、
    　当該単位期間の次の単位期間以後における前記流入量の予測値を取得し、
    　前記現在水位を前記次の単位期間の開始時点における水位として、前記次の単位期間以後の前記各単位期間について前記最適水位を前記最適水位テーブルから読み出していき、
    　前記読み出した最適水位により前記メモリを更新すること、
    　を特徴とする貯水施設運用支援方法。
  5. 　水力発電のための貯水施設の運用を支援するためのプログラムであって、
    　所定の運用期間を構成する単位期間の開始時点における水位と、前記単位期間における前記貯水施設への流入量とに対応づけて、前記単位期間の終了時点における最適な水位である最適水位を記憶する最適水位テーブルと、を備えるコンピュータに、
    　前記運用期間の開始時点における前記貯水施設の水位を取得するステップと、
    　前記運用期間の開始前に、
    　前記各単位期間における流入量の予測値を取得するステップと、
    　前記各単位期間について、前記開始時点における水位および当該単位期間における前記流入量の予測値に対応する前記最適水位を前記最適水位テーブルから読み出すとともに、読み出した前記最適水位を当該単位期間の次の単位期間の開始時点における水位としていくステップと、
    　前記各単位期間についての前記最適水位をメモリに記憶するステップと、
    　を実行させ、
    　前記各単位期間の終了時に、
    　現在時点における前記貯水施設の水位である現在水位を取得するステップと、
    　当該単位期間の次の単位期間以後における前記流入量の予測値を取得するステップと、
    　前記現在水位を前記次の単位期間の開始時点における水位として、前記次の単位期間以後の前記各単位期間について前記最適水位を前記最適水位テーブルから読み出していくステップと、
    　前記読み出した最適水位により前記メモリを更新するステップと、
    　を実行させるためのプログラム。
PCT/JP2009/070996 2008-12-19 2009-12-16 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム Ceased WO2010071158A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2008-324752 2008-12-19
JP2008324752 2008-12-19

Publications (1)

Publication Number Publication Date
WO2010071158A1 true WO2010071158A1 (ja) 2010-06-24

Family

ID=42268828

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2009/070996 Ceased WO2010071158A1 (ja) 2008-12-19 2009-12-16 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム

Country Status (3)

Country Link
JP (1) JP5225256B2 (ja)
TW (1) TWI490811B (ja)
WO (1) WO2010071158A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5014522B1 (ja) * 2011-06-28 2012-08-29 中国電力株式会社 流入量予測装置、流入量予測方法及びプログラム
US10125740B2 (en) * 2016-01-18 2018-11-13 Horacio L. Velasco Method for operation of hydropower reservoir with a 2-parameter elevation rule curve
CN112686416A (zh) * 2019-10-17 2021-04-20 中国电力科学研究院有限公司 一种风电功率概率预测方法和系统
JP7303960B1 (ja) 2022-12-07 2023-07-06 中国科学院西北生態環境資源研究院 氷河融雪水流出量の推定方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5153850B2 (ja) * 2010-10-26 2013-02-27 中国電力株式会社 貯水施設運用支援システム、貯水施設運用支援方法及びプログラム
JP5279867B2 (ja) * 2011-05-18 2013-09-04 中国電力株式会社 貯水施設運用支援システム、貯水施設運用支援方法及びプログラム
WO2013014799A1 (ja) * 2011-07-28 2013-01-31 中国電力株式会社 水位計画評価支援装置、水位計画評価支援方法およびプログラム
JP5415507B2 (ja) * 2011-10-07 2014-02-12 中国電力株式会社 太陽光発電出力推定装置及び太陽光発電出力推定方法
TWI618016B (zh) * 2016-07-05 2018-03-11 台灣電力股份有限公司 水庫水位之預測顯示系統及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005031821A (ja) * 2003-07-09 2005-02-03 Hitachi Ltd 水力発電所運用計画作成装置，方法及びプログラム
JP2006039838A (ja) * 2004-07-26 2006-02-09 Mitsubishi Electric Corp 水系の発電運用計画作成支援装置
JP2008118810A (ja) * 2006-11-07 2008-05-22 Hitachi Ltd 連接水系の運用計画作成支援システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3693089B2 (ja) * 1998-08-04 2005-09-07 富士電機システムズ株式会社 ダムにおける流量予測方法
TW500873B (en) * 2000-11-10 2002-09-01 Lung-Ping Huang Marine energy power generating system using waves and tides
JP2005285032A (ja) * 2004-03-31 2005-10-13 Ffc Ltd 水力発電所群の日間発電計画立案システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005031821A (ja) * 2003-07-09 2005-02-03 Hitachi Ltd 水力発電所運用計画作成装置，方法及びプログラム
JP2006039838A (ja) * 2004-07-26 2006-02-09 Mitsubishi Electric Corp 水系の発電運用計画作成支援装置
JP2008118810A (ja) * 2006-11-07 2008-05-22 Hitachi Ltd 連接水系の運用計画作成支援システム

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Proceedings of the Annual Conference of Power & Energy Society, 2008.09", article YUKI HAYASHI: "Markov-gata DP ni Motozuku Chosuichi Un'yo Keikakuho" *
HIROSHI ISHIKAWA: "Chosuichi Un'yo Keikaku Shuho no Kaizen", HINSHITSU KANRI, vol. 36, no. 11 GAT, 1985, pages 1848 - 1852 *
KELMAN, J.: "Sampling Stchastic Dynamic Programming Applied to Reservoir Operation", WATER RESOURCES RESEARCH, vol. 26, no. 3, 1990, pages 447 - 454 *
RYUJI OE: "Chosuichi no Tanki Oyobi Choki Un'yo Shien System no Kaihatsu", ENERUGIA SOKEN REBYU, vol. 17, 25 September 2009 (2009-09-25), pages 20 - 23 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5014522B1 (ja) * 2011-06-28 2012-08-29 中国電力株式会社 流入量予測装置、流入量予測方法及びプログラム
WO2013001600A1 (ja) * 2011-06-28 2013-01-03 中国電力株式会社 流入量予測装置、流入量予測方法及びプログラム
US10125740B2 (en) * 2016-01-18 2018-11-13 Horacio L. Velasco Method for operation of hydropower reservoir with a 2-parameter elevation rule curve
EP3405914A4 (en) * 2016-01-18 2019-06-19 Velasco, Horacio METHOD FOR OPERATING A RESERVOIR FOR HYDROELECTRIC ENERGY WITH A 2-PARAMETER RISE RULE CURVE
CN112686416A (zh) * 2019-10-17 2021-04-20 中国电力科学研究院有限公司 一种风电功率概率预测方法和系统
JP7303960B1 (ja) 2022-12-07 2023-07-06 中国科学院西北生態環境資源研究院 氷河融雪水流出量の推定方法
JP2024082208A (ja) * 2022-12-07 2024-06-19 中国科学院西北生態環境資源研究院 氷河融雪水流出量の推定方法

Also Published As

Publication number Publication date
TW201033930A (en) 2010-09-16
JP2010165346A (ja) 2010-07-29
JP5225256B2 (ja) 2013-07-03
TWI490811B (zh) 2015-07-01

Similar Documents

Publication Publication Date Title
JP5047260B2 (ja) 降水量予測システム、降水量予測方法およびプログラム
JP5225256B2 (ja) 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム
JP5014213B2 (ja) 貯水施設の運用支援システム、運用支援方法及びプログラム
EP3333999A1 (en) Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation
JP2013164286A (ja) 日射量予測方法、太陽光発電出力予測方法、及びシステム
JP5415507B2 (ja) 太陽光発電出力推定装置及び太陽光発電出力推定方法
JP5235923B2 (ja) 貯水施設の運用支援システム、運用支援方法及びプログラム
JP4969599B2 (ja) 流入量予測システム、流入量予測方法およびプログラム
JP7514148B2 (ja) 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム
JP5279765B2 (ja) 気温予測システム、気温予測方法およびプログラム
CN112580899A (zh) 一种融合机器学习模型的中长期风力发电预测方法及系统
WO2022168357A1 (ja) 発電量管理システム及び発電量管理方法
Okonkwo et al. Economic analysis of cross-breed power arrangement for Salalah region in the Al-Khareef season
Rodríguez-Martinez et al. Economic analysis and modelling of rooftop photovoltaic systems in Spain for industrial self-consumption
Olivares et al. Representing energy price variability in long-and medium-term hydropower optimization
JP5425985B2 (ja) 貯水施設の運用支援システム、運用支援方法及びプログラム
JP5235922B2 (ja) 貯水施設の運用支援システム、運用支援方法及びプログラム
JP4969623B2 (ja) 貯水施設の運用支援システム、運用支援方法及びプログラム
JP2016170468A (ja) 電力取引量決定システム、電力取引量決定方法およびプログラム
KR102460279B1 (ko) 태양광 분산 에너지 자원의 정보 제공 시스템
KR20150096099A (ko) 미래 표준 기상 데이터 산출 장치 및 그 방법
Coburn et al. Can synoptic drivers explain rotor‐area wind conditions and predict energy output?
JP2011215672A (ja) 情報処理装置、発電出力推定方法およびプログラム
Izkara et al. GIS-3D Platform to Help Decision Making for Energy Rehabilitation in Urban Environments
CN113632131A (zh) 电力管理装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09833461

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 09833461

Country of ref document: EP

Kind code of ref document: A1