WO2012127585A1 - 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム - Google Patents

運転計画作成方法、運転計画作成装置及び運転計画作成プログラム Download PDF

Info

Publication number
WO2012127585A1
WO2012127585A1 PCT/JP2011/056652 JP2011056652W WO2012127585A1 WO 2012127585 A1 WO2012127585 A1 WO 2012127585A1 JP 2011056652 W JP2011056652 W JP 2011056652W WO 2012127585 A1 WO2012127585 A1 WO 2012127585A1
Authority
WO
WIPO (PCT)
Prior art keywords
operation plan
evaluation value
demand
scenario
storage battery
Prior art date
Application number
PCT/JP2011/056652
Other languages
English (en)
French (fr)
Inventor
谷口　剛
由雄 仲尾
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to DE112011105049T priority Critical patent/DE112011105049T5/de
Priority to CN201180069303.3A priority patent/CN103430412B/zh
Priority to PCT/JP2011/056652 priority patent/WO2012127585A1/ja
Priority to JP2013505645A priority patent/JP5672371B2/ja
Publication of WO2012127585A1 publication Critical patent/WO2012127585A1/ja
Priority to US14/026,530 priority patent/US9425636B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0069—Charging or discharging for charge maintenance, battery initiation or rejuvenation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/32—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from a charging set comprising a non-electric prime mover rotating at constant speed
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/50—Energy storage in industry with an added climate change mitigation effect
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/14—Energy storage units

Definitions

  • the present invention relates to an operation plan creation method, an operation plan creation device, and an operation plan creation program.
  • This operation plan is, for example, a control parameter for appropriately controlling discharge from a storage battery having a limited capacity. For example, when a peak cut method for discharging the storage battery when the power demand exceeds a predetermined power value is used as the storage battery control method, this power value becomes the operation plan.
  • the prediction after confirming the weather condition of the day is more accurate than the prediction of the previous day. For this reason, when the prediction on the previous day of the weather change is off, the operation status of the storage battery is improved by correcting the operation plan in operation based on the weather status of the day.
  • a predicted deviation pattern in which the predicted value of power supply and demand deviates by a predetermined value or more and its occurrence probability are collected in advance.
  • an evaluation value considering the correction of the operation plan at the time of the predicted deviation is obtained by simulation.
  • the weather plan In a general operation plan creation method in which an operation plan is created so that the evaluation value becomes the best when the weather fluctuates as predicted, even if a method for correcting the operation plan during storage battery operation is used, the weather plan There were cases where it was not possible to cope with fluctuations in For example, if the weather fluctuation prediction is not correct, the amount of power generated by solar power generation may be reduced from the prediction. In such a case, the amount of discharge from the storage battery is increased more than expected, and the remaining amount of the storage battery may be exhausted during storage battery operation. Even if the operation plan is corrected in such a situation, the operation status of the storage battery has not been improved because it is not possible to supply power from the storage battery thereafter.
  • the storage battery can cope with weather fluctuations.
  • this method only when the predicted value of power supply and demand deviates from a certain value or more is considered as a predicted deviation pattern. It is not always possible. For example, a deviation in which the power demand is larger than the predicted value only temporarily may not be considered as a predicted deviation pattern. If the remaining amount of the storage battery is reduced more than expected due to such a deviation, the storage battery may not be able to cope with weather fluctuations.
  • the disclosed technology has been made in view of the above, and includes an operation plan creation method, an operation plan creation device, and an operation plan creation program capable of creating an operation plan that can cope with how the weather changes.
  • the purpose is to provide.
  • a computer executes a process of generating a plurality of scenarios indicating a transition of supply and demand power values that can occur for a given condition.
  • the computer executes a process of calculating an operation plan that obtains the first evaluation value that is the best evaluation value when the storage battery is operated for each of a plurality of scenarios.
  • the computer executes a process of calculating a second evaluation value obtained when the storage battery is operated with the operation plan candidate for each scenario for each of the plurality of operation plan candidates.
  • the computer executes a process of calculating a difference between the first evaluation value and the second evaluation value for each scenario for each of a plurality of operation plan candidates.
  • the computer executes a process of selecting an operation plan for the storage battery from a plurality of operation plans based on the difference.
  • FIG. 1 is a diagram illustrating a functional configuration of the operation plan creation device according to the first embodiment.
  • FIG. 2 is a diagram illustrating an example of a demand fluctuation scenario.
  • FIG. 3 is a diagram illustrating an example of a sunshine duration fluctuation probability table.
  • FIG. 4 is a diagram for explaining the peak cut effect.
  • FIG. 5 is a diagram illustrating an example of the optimum operation evaluation table.
  • FIG. 6 is a diagram illustrating an example of the initial operation plan table.
  • FIG. 7 is a diagram illustrating an example of the corrected operation evaluation table.
  • FIG. 8 is a diagram illustrating an example of the correspondence evaluation table.
  • FIG. 9 is a diagram for explaining a weather variation model.
  • FIG. 10 is a diagram illustrating an example of a solar radiation amount fluctuation scenario.
  • FIG. 10 is a diagram illustrating an example of a solar radiation amount fluctuation scenario.
  • FIG. 11 is a diagram illustrating an example of a supply and demand scenario.
  • FIG. 12 is a diagram for explaining a search range of control parameters.
  • FIG. 13 is a diagram illustrating an example of a distribution of regret values.
  • FIG. 14 is a diagram illustrating an example of a distribution of regret values.
  • FIG. 15 is a diagram illustrating an example of a distribution of regret values.
  • FIG. 16 is a flowchart showing a processing procedure of the operation plan creation device.
  • FIG. 17 is a flowchart illustrating a processing procedure of supply / demand scenario generation processing.
  • FIG. 18 is a flowchart showing the processing procedure of the initial operation plan selection process.
  • FIG. 19 is a diagram illustrating an example of the optimum driving evaluation table when the environmental load reduction effect is used.
  • FIG. 19 is a diagram illustrating an example of the optimum driving evaluation table when the environmental load reduction effect is used.
  • FIG. 20 is a diagram illustrating an example of a corrected operation evaluation table when the environmental load reduction effect is used.
  • FIG. 21 is a diagram illustrating an example of the correspondence evaluation table.
  • FIG. 22 is a diagram illustrating an example of an optimum operation evaluation table when the cost reduction effect is used.
  • FIG. 23 is a diagram illustrating an example of a corrected operation evaluation table when the cost reduction effect is used.
  • FIG. 24 is a diagram illustrating an example of a correspondence evaluation table.
  • FIG. 25 is a diagram illustrating an example of a computer that executes an operation plan creation program.
  • FIG. 26 is a diagram for explaining the operation mode of the communication base station.
  • FIG. 27 is a diagram illustrating an example of an operation plan of a communication base station.
  • FIG. 28 is a diagram illustrating an example of a transition of communication demand.
  • FIG. 29 is a diagram for explaining the amount of energy required to respond to communication demand.
  • FIG. 30 is a diagram illustrating an example of the mode switching cost.
  • FIG. 31 is a diagram illustrating an example of the search range of the operation mode.
  • FIG. 32 is a diagram showing an example (6-10 o'clock) of a communication demand fluctuation probability table.
  • FIG. 33 is a diagram illustrating an example of an optimal operation plan for a communication demand scenario.
  • FIG. 34 is a diagram illustrating an example of evaluation of an operation plan.
  • Example 1 demonstrates the case where an operation plan preparation apparatus produces an initial operation plan, this invention is not limited to this.
  • the operation plan creation device may create a corrected operation plan indicating an operation plan after the correction time in anticipation of further correction of the corrected operation plan, similarly to the initial operation plan.
  • the operation plan start time and the correction time are not limited to this example, and a person using the operation plan creation device may set any value.
  • FIG. 1 is a diagram illustrating an example of a functional configuration of the operation plan creation device according to the first embodiment.
  • the operation plan creation device 100 includes a storage unit 110 and a control unit 120.
  • the operation plan creation device 100 is connected to an input device 101 and an output device 102.
  • the input device 101 receives input of various information.
  • the input device 101 receives the demand data 111a and the solar radiation amount data 112.
  • the input device 101 receives, for example, the operation start time, the operation end time, and the operation plan correction time of the storage battery as conditions for designating the operation plan to be created.
  • the input device 101 accepts a start time t0, an end time t_e, an initial sunshine time h0, and a time step width ⁇ t as conditions for specifying the range of variation in solar radiation to be considered in the operation plan creation.
  • the input device 101 corresponds to a keyboard, a mouse, a medium reading device, or the like. The information received by the input device 101 will be described later.
  • the output device 102 outputs various information.
  • the output device 102 receives various types of information from an output unit 127 described later, and outputs the received information.
  • the output device 102 corresponds to a display, a monitor, or the like.
  • the storage unit 110 includes demand data 111a, a demand fluctuation scenario 111b, solar radiation data 112, a sunshine duration fluctuation probability table 113, output fluctuation data 114, and supply and demand data 115.
  • the storage unit 110 includes an optimum operation evaluation table 116, an initial operation plan table 117, a modified operation evaluation table 118, and a response capability evaluation table 119.
  • the storage unit 110 corresponds to, for example, a semiconductor memory element such as a RAM (Random Access Memory), a ROM (Read Only Memory), and a flash memory (Flash Memory), a storage device such as a magnetic disk device, an optical disk device, or a magneto-optical disk device. To do.
  • Demand data 111a is time-series data having a demand power value as an element.
  • the demand data 111a is data in which each time zone in a day is associated with a demand power value. This power demand value is calculated from statistical data of past power consumption values, for example.
  • the demand fluctuation scenario 111b indicates the possibility of a change in demand for the operation plan formulation target for one day.
  • the demand fluctuation scenario 111b shows the transition of the power demand value for each time slot of the day, and is generated based on the demand data 111a.
  • FIG. 2 is a diagram illustrating an example of a demand fluctuation scenario.
  • the horizontal axis indicates time, and the vertical axis indicates electric energy [kWh].
  • FIG. 2 illustrates a daily demand fluctuation scenario 111b in a certain factory.
  • FIG. 2 shows the case where the demand fluctuation scenario 111b has one pattern, the present invention is not limited to this.
  • the demand fluctuation scenario 111b has a difference in day of the week and time, and there are cases where there are M patterns when a plurality of ways of transition are expected. M is a natural number.
  • the solar radiation amount data 112 is a record of the past solar radiation amount for every predetermined time.
  • the amount of solar radiation includes, for example, a value measured in units of sunshine hours.
  • the sunshine time is a value defined as a time during which direct sunlight is irradiated on the ground surface with an intensity of a predetermined value (generally 0.12 kW / m 2) or more without being blocked by clouds.
  • a predetermined value generally 0.12 kW / m 2
  • the solar radiation data 112 is data acquired from, for example, a database of the Japan Weather Association.
  • the sunshine duration fluctuation probability table 113 is a table showing a conditional probability P (H after
  • FIG. 3 is a diagram illustrating an example of a sunshine duration fluctuation probability table.
  • the horizontal direction in FIG. 3 indicates the sunshine duration H before before the change, and four items of “0.0”, “0.1-0.5”, “0.6-0.9” and “1.0” are categorized.
  • the vertical direction indicates the sunshine time H after after the change, and is classified into 11 items from “0.0” to “1.0” in increments of “0.1”.
  • the sunshine duration fluctuation probability table 113 shows a conditional probability P (H after
  • the conditional probability P is a value represented by 0 to 1.
  • the sunshine duration fluctuation probability table 113 includes, for example, a conditional probability P that changes from a sunshine duration H before “0.0” to a sunshine duration H after “0.0” one hour after “0. 86 "is stored. Further, the sunshine duration fluctuation probability table 113 indicates that the conditional probability P that changes from the sunshine duration H before “0.1-0.5” to the sunshine duration H after “0.3” after 1 hour is “0.07”. Store something. Also, the sunshine duration fluctuation probability table 113 stores other conditional probabilities P in the same manner. Note that the data structure of the sunshine duration fluctuation probability table 113 shown in FIG. 3 is an example, and the present invention is not limited to this. For example, the sunshine hours H before before change may be classified into 11 items from “0.0” to “1.0” in increments of “0.1”.
  • the output fluctuation data 114 is time series data whose element is the amount of power generated by solar power generation.
  • the output fluctuation data 114 is data in which each time zone in a day is associated with the power generation amount.
  • the output fluctuation data 114 is generated by a supply and demand scenario generation unit 122 described later, and is stored in the storage unit 110.
  • the output fluctuation data 114 includes an output fluctuation scenario indicating a change in the amount of power generated by solar power generation for each time slot of the day. The output fluctuation scenario will be described later.
  • Supply / demand data 115 is time-series data whose element is the difference between the power demand in the power grid that operates the storage battery and the output from solar power generation.
  • the supply and demand data 115 is a set of supply and demand scenarios indicating the transition of the amount of power supply and demand that can occur after a given initial state.
  • the supply and demand data 115 is generated by, for example, a supply and demand scenario generation unit 122 described later and stored in the storage unit 110. The supply and demand scenario will be described later.
  • the optimum operation evaluation table 116 stores, for each of a plurality of scenarios, an operation plan (hereinafter referred to as “optimum operation plan”) that provides the first evaluation value that is the best evaluation value when the storage battery is operated.
  • the optimum operation evaluation table 116 stores the supply and demand scenario, the evaluation value based on the optimum operation plan, and the optimum control parameter in association with each other.
  • the “supply / demand scenario” of the optimum operation evaluation table 116 indicates identification information for identifying the supply / demand scenario.
  • the evaluation value based on the optimum operation plan shows the best evaluation value among the evaluation values obtained from the simulation results when a storage battery is operated with various control parameters for the supply and demand scenario.
  • the peak cut effect is used as the evaluation value when the storage battery is operated by a peak cut method that discharges when the power demand exceeds a predetermined power value.
  • This predetermined power value is also referred to as a discharge reference value.
  • the optimal control parameter indicates a control parameter of the storage battery from which an evaluation value based on the optimal operation plan is obtained.
  • the discharge reference value is used as the control parameter when the storage battery is operated by the peak cut method.
  • the evaluation value is not limited to the peak cut effect. For example, an environmental load reduction effect, a cost reduction effect, or a combination of these values may be used as the evaluation value. Further, the control parameter is not limited to the discharge reference value.
  • a combination of a time zone to be discharged and a discharge amount is a control parameter.
  • the initial power amount of the storage battery is a control parameter.
  • the peak cut effect is an evaluation value indicating the effect when the storage battery is operated by the peak cut method, and is a value evaluated by how much the demand value can be lowered.
  • the peak cut effect is represented by the following formula (1).
  • the demand value corresponds to the average power consumption [kW] every 30 minutes, and for example, a value calculated by simulation is used.
  • the demand value is expressed by the following formula (2).
  • FIG. 4 is a diagram for explaining the peak cut effect.
  • the horizontal axis in FIG. 4 indicates time, and the vertical axis indicates the amount of power [kWh].
  • the supply and demand situation is expressed by the following equation (3).
  • FIG. 5 is a diagram showing an example of the optimum operation evaluation table.
  • the optimum operation evaluation table 116 stores the supply and demand scenario “1”, the evaluation value “36” based on the optimum operation plan, and the optimum control parameter “278” in association with each other. That is, the optimum operation evaluation table 116 indicates that the best discharge reference value for the supply and demand scenario “1” is 278 kW, and the peak cut effect when the storage battery is operated with this discharge reference value is 36 kW.
  • the optimum operation evaluation table 116 stores the supply and demand scenario, the evaluation value based on the optimum operation plan, and the optimum control parameter in association with each other in the same manner.
  • the evaluation value based on the optimum operation plan is an example of the first evaluation value. Further, in equation (3), when the storage battery charge amount is used, the corresponding term is a + term.
  • FIG. 6 is a diagram showing an example of the initial operation plan table.
  • the initial operation plan table 117 stores an initial operation plan and control parameters in association with each other.
  • “initial operation plan” in the initial operation plan table 117 indicates identification information for identifying candidates for the initial operation plan.
  • control parameter indicates a control parameter of the initial operation plan.
  • the control parameter corresponds to the discharge reference value when the storage battery is operated by the peak cut method.
  • the initial operation plan table 117 stores the initial operation plan “1” and the control parameter “50” in association with each other. That is, the initial operation plan table 117 indicates that the discharge reference value of the initial operation plan “1” is 50 kW. Similarly, the initial operation plan table 117 stores the initial operation plan and control parameters in association with each other for the other initial operation plan candidates.
  • FIG. 7 is a diagram showing an example of the corrected operation evaluation table.
  • the corrected operation evaluation table 118 stores the initial operation plan, the supply and demand scenario, and the evaluation value of the optimum corrected operation plan for the initial operation plan in association with each other.
  • “initial operation plan” in the corrected operation evaluation table 118 indicates identification information for identifying candidates for the initial operation plan.
  • “Supply / demand scenario” indicates identification information for identifying a supply / demand scenario.
  • the “evaluation value of the optimum corrected operation plan for the initial operation plan P” is an evaluation value when the storage battery is operated in the optimum corrected operation plan indicating the optimum operation plan after the correction time for the corresponding initial operation plan. Shown for each supply-demand scenario.
  • the corrected operation evaluation table 118 stores the initial operation plan “1”, the supply and demand scenario “1”, and the evaluation value “34” of the optimum corrected operation plan for the initial operation plan P in association with each other. That is, the corrected operation evaluation table 118 has an evaluation value “34” when the storage battery is operated with the optimum corrected operation plan after the storage battery is operated with the initial operation plan “1” for the supply and demand scenario “1”. It shows that.
  • the corrected operation evaluation table 118 stores other supply and demand scenarios and other evaluation values of the optimum corrected operation plan for the other initial operation plans in association with each other for the initial operation plan “1”.
  • the corrected operation evaluation table 118 stores a plurality of supply and demand scenarios and evaluation values of the optimum corrected operation plan for the plurality of initial operation plans P in association with one initial operation plan. Similarly, the corrected operation evaluation table 118 stores the initial operation plan, the supply and demand scenario, and the evaluation value of the optimum corrected operation plan with respect to the initial operation plan in association with each other.
  • the evaluation value of the optimum modified operation plan with respect to the initial operation plan is an example of a second evaluation value.
  • FIG. 8 is a diagram illustrating an example of the correspondence evaluation table.
  • the responsiveness evaluation table 119 stores the initial operation plan, the supply and demand scenario, and the responsiveness evaluation for the initial operation plan in association with each other.
  • “initial operation plan” in the response capability evaluation table 119 indicates identification information for identifying candidates for the initial operation plan.
  • “Supply / demand scenario” indicates identification information for identifying a supply / demand scenario.
  • “Evaluation of response to initial operation plan” indicates a regret value calculated for each supply-demand scenario for the corresponding initial operation plan. This regret value is evaluated from the viewpoint of how close the evaluation value of the optimal modified operation plan for each supply and demand scenario is to the evaluation value of the optimal operation plan for each scenario, and the lower the regret value, the higher the correspondence Indicates power.
  • the response capability evaluation table 119 stores the initial operation plan “1”, the supply and demand scenario “1”, and the response capability evaluation “2” for the initial operation plan in association with each other. That is, the response capability evaluation table 119 indicates that the evaluation value of response capability is “2” when the storage battery is operated with the initial operation plan “1” with respect to the supply and demand scenario “1”.
  • the response capability evaluation table 119 stores, for the initial operation plan “1”, other supply and demand scenarios and response capability evaluations for other supply and demand scenarios in association with each other.
  • the response capability evaluation table 119 stores a plurality of supply and demand scenarios and a plurality of response capability evaluations in association with one initial operation plan.
  • the response capability evaluation table 119 stores the initial operation plan, the supply and demand scenario, and the response capability evaluation for the initial operation plan in association with each other.
  • the control unit 120 includes a reception unit 121, a supply and demand scenario generation unit 122, an optimum evaluation value calculation unit 123, a modified evaluation value calculation unit 124, a response capability calculation unit 125, an optimum plan selection unit 126, and an output unit 127. And have.
  • the accepting unit 121 accepts various information from the input device 101.
  • the reception unit 121 receives the demand data 111a and the solar radiation amount data 112 from the input device 101, and stores the received demand data 111a and the solar radiation amount data 112 in the storage unit 110.
  • the reception unit 121 inputs a start time t0, an end time t_e, an initial sunshine time h0, and a time step width ⁇ t as conditions for specifying the range of the solar radiation amount variation to be considered in the operation plan creation.
  • the start time t0 and the end time t_e are expected to have sufficient power generation output in the time zone in which the power generation output may fluctuate more than should be considered due to the influence of weather fluctuations, that is, in fine weather. It corresponds to the start time and end time of the time zone that can be performed. For example, the start time t0 is 9:00 and the end time t_e is 15:00.
  • the initial sunshine time h0 is the amount of solar radiation at the start time t0 of the day for which the initial operation plan is to be created, and is calculated based on, for example, the weather at the start time t0 predicted by the weather forecast of the previous day. For example, when the weather at the start time t0 is predicted to be “sunny”, the initial sunshine time h0 is “1”.
  • the reception unit 121 may receive an initial amount of solar radiation. Then, the initial sunshine duration h0 is calculated by converting the amount of solar radiation into the sunshine duration.
  • the reception unit 121 outputs the received start time t0, end time t_e, initial sunshine time h0, and time increment ⁇ t to the supply and demand scenario generation unit 122.
  • the supply and demand scenario generation unit 122 generates a plurality of scenarios indicating the possibility of a change in the supply and demand power value. For example, the supply and demand scenario generation unit 122 constructs a weather fluctuation model in which the weather fluctuation per unit time is modeled as a Markov process based on the solar radiation data 112. The supply and demand scenario generation unit 122 generates a plurality of output fluctuation scenarios O by performing a Monte Carlo simulation based on the constructed weather fluctuation model. Then, the supply and demand scenario generation unit 122 generates a plurality of supply and demand scenarios by taking the difference between the plurality of output fluctuation scenarios O and the demand fluctuation scenario indicated by the demand data 111a.
  • the supply and demand scenario is time-series data whose element is the difference between the power demand in the power network that operates the storage battery and the output from solar power generation.
  • the supply and demand scenario generation unit 122 is an example of a generation unit.
  • the supply / demand power value corresponds to the difference between the power demand in the power network operating the storage battery and the output from the photovoltaic power generation, and is also referred to as the supply / demand difference or supply / demand balance.
  • the supply and demand scenario is an example of a scenario.
  • the supply and demand scenario generation unit 122 generates a sunshine duration fluctuation probability table 113 from the solar radiation amount data 112. Specifically, the supply and demand scenario generation unit 122 assumes that the sunshine time at a certain time is affected by the sunshine time at the immediately preceding time, and models the fluctuation of the sunshine time per unit time as a Markov process. .
  • the supply and demand scenario generation unit 122 can model the fluctuation of the sunshine time as a Markov process when the sunshine time is influenced by the clouds and the state of the amount of cloudiness and density changes continuously with time. It is possible. That is, it is considered that the sunshine time measured at a time interval that can capture a continuous change in the state of the cloud is affected by the weather at the previous time.
  • FIG. 9 is a diagram for explaining the weather fluctuation model.
  • the supply and demand scenario generation unit 122 classifies the weather into three types: sunny, cloudy, and rainy. Then, the supply and demand scenario generation unit 122 calculates the probability of changing from the current weather to the weather one hour later (sunny, cloudy, rain) from the data in which the past weather is recorded, thereby changing the weather fluctuation. Generate a model.
  • the supply and demand scenario generation unit 122 outputs a plurality of scenarios indicating the possibility of daily weather fluctuation by repeatedly applying the weather fluctuation model every hour.
  • the weather fluctuation model shown in FIG. 9 is an example. More specifically, the supply and demand scenario generation unit 122 classifies the weather according to the daylight hours, and models how the daylight hours change after each daylight hour.
  • the supply and demand scenario generation unit 122 calculates a conditional probability P (H after
  • the demand-and-supply scenario generation unit 122 obtains the sunshine duration fluctuation probability table 113 shown in FIG. Generate.
  • the supply and demand scenario generation unit 122 generates a plurality of output fluctuation scenarios based on the generated sunshine duration fluctuation probability table 113. Specifically, the supply and demand scenario generation unit 122 receives the start time t0, the end time t_e, the initial sunshine time h0, and the time increment ⁇ t from the reception unit 121. The supply and demand scenario generation unit 122 uses the initial sunshine duration h0 as an initial value, and applies the sunshine duration variation probability table 113 for each unit time from the start time t0 to the end time t_e, thereby probabilistically generating N patterns of solar radiation. A quantity variation scenario is generated by Monte Carlo simulation. Note that N is a sufficiently large natural number, for example, 10,000.
  • the supply and demand scenario generation unit 122 generates a uniform random number r, and sets H (t + ⁇ t) as the minimum x where the integrated value of the conditional probability P (x
  • H (t) the sunshine duration
  • H (t) the sunshine duration
  • H (t) the sunshine duration change probability table 113 shown in FIG. .5 "column.
  • the supply and demand scenario generation unit 122 acquires the sunshine duration H (t + ⁇ t) that fluctuates for each time interval ⁇ t between the start time t0 and the end time t_e.
  • generation part 122 converts the acquired sunlight time H (t + (DELTA) t) into the solar radiation amount I (t + (DELTA) t) using the correlation between the sunlight time and the amount of solar radiation mentioned above. Then, the supply and demand scenario generation unit 122 generates the variation of the solar radiation amount I (t) from the start time t0 to the end time t_e as the solar radiation amount variation scenario I. Further, the supply and demand scenario generation unit 122 generates an N pattern solar radiation amount fluctuation scenario I by repeatedly executing the same processing. Note that N is a sufficiently large natural number, for example, 10,000.
  • FIG. 10 is a diagram showing an example of a solar radiation amount fluctuation scenario.
  • the horizontal axis in FIG. 10 indicates time, and the vertical axis indicates the amount of solar radiation [MJ / m 2].
  • the time zone from 9:00 to 16:00 is the solar radiation amount fluctuation scenario I showing the fluctuation of the solar radiation amount from 9:00 to 16:00, and includes an N pattern scenario.
  • the time zone from 0 o'clock to 9 o'clock and the time zone from 16 o'clock to 24 o'clock are parts generated based on the past solar radiation amount data 112 and include one pattern scenario.
  • the supply and demand scenario generation unit 122 generates an output fluctuation scenario O in solar power generation based on the generated solar radiation fluctuation scenario I.
  • the supply and demand scenario generation unit 122 converts the solar radiation amount I (t) [MJ / m2] included in the solar radiation amount fluctuation scenario I into a power generation amount O (t) [kWh] by solar power generation. This conversion is performed by, for example, estimating the amount of power generation by associating the amount of solar radiation with the conversion efficiency that changes depending on the scale, type, temperature, etc. of the panel.
  • the supply and demand scenario generation unit 122 generates a scenario from the start time t0 to the end time t_e by calculating the power generation amount O (t) from the solar radiation amount I (t) included in the solar radiation amount fluctuation scenario I. To do.
  • the supply and demand scenario generation unit 122 refers to the past data of the power generation amount of solar power generation, and calculates the average value of the power generation amount in each time zone, thereby generating the power generation amount from 0:00 to the start time t0.
  • a scenario from the end time t_e to 24:00 is generated.
  • the supply and demand scenario generation unit 122 combines the scenario from the start time t0 to the end time t_e with the power generation amount from 0:00 to the start time t0 and the scenario from the end time t_e to 24:00.
  • An output fluctuation scenario O is generated.
  • the supply and demand scenario generation unit 122 stores the generated output fluctuation scenario O as output fluctuation data 114 in the storage unit 110.
  • a correlation between the solar radiation amount I (t) and the power generation amount O (t) may be used. Specifically, the regression analysis of the solar radiation amount I (t) and the power generation amount O (t) is performed, and the solar radiation amount I (t) is substituted into the obtained regression line equation to generate the power generation amount O (t). Is calculated.
  • the supply and demand scenario generation unit 122 generates a plurality of supply and demand scenarios by taking the difference between the plurality of output fluctuation scenarios O and the demand fluctuation scenario shown in FIG. For example, the supply and demand scenario generation unit 122 generates a supply and demand scenario by subtracting the power generation amount in the corresponding time zone in the output fluctuation scenario O from the power demand value in each time zone in the demand fluctuation scenario. That is, this supply and demand scenario serves as an index of the amount of power demand for the storage battery.
  • FIG. 11 is a diagram illustrating an example of a supply and demand scenario.
  • the horizontal axis indicates time, and the vertical axis indicates electric energy [kWh]. It shows that there is much demand, so that there is much this electric energy.
  • the supply and demand scenario shows a change in the amount of power supply and demand for each time zone of the day. For example, when an M pattern demand fluctuation scenario and an N pattern output fluctuation scenario are used, the supply and demand scenario generation unit 122 generates an M ⁇ N pattern supply and demand scenario. Further, the supply and demand scenario generation unit 122 stores the generated supply and demand scenario in the storage unit 110 as supply and demand data 115.
  • the optimum evaluation value calculation unit 123 calculates an operation plan in which the evaluation value when the storage battery is operated is the best evaluation value for each of a plurality of scenarios, and uses the best evaluation value as a first evaluation value for each scenario. Record. For example, the optimum evaluation value calculation unit 123 creates an optimum operation plan that is an operation plan in which the evaluation value by simulation is the best for each of the supply and demand scenarios generated by the supply and demand scenario generation unit 122. Then, the optimum evaluation value calculation unit 123 associates the supply and demand scenario, the evaluation value based on the optimum operation plan, and the optimum control parameter indicating the best evaluation value with the optimum operation evaluation table 116 shown in FIG. Store.
  • the optimum evaluation value calculation unit 123 is an example of a first calculation unit.
  • the optimum operation plan creation process performed by the optimum evaluation value calculation unit 123 will be described in detail.
  • operated by a peak cut system is demonstrated.
  • the optimum evaluation value calculation unit 123 selects the supply / demand scenarios generated by the supply / demand scenario generation unit 122 one by one, and performs the following processing.
  • the optimum evaluation value calculation unit 123 calculates an evaluation value by performing simulation for the selected supply and demand scenario by applying various discharge reference values.
  • the discharge reference value for example, the discharge reference value included in the search range of the control parameter is sequentially applied in a predetermined step size. Then, the discharge reference value with the best evaluation value is selected as the optimum operation plan.
  • the control parameter search range will be described.
  • FIG. 12 is a diagram for explaining the search range of the control parameter.
  • the horizontal axis in FIG. 12 indicates time, and the vertical axis indicates the amount of power [kWh].
  • FIG. 12 shows a search range of control parameters for the supply and demand scenario shown in FIG.
  • the discharge reference value is a positive value that does not exceed the maximum demand value of the supply and demand scenario.
  • the optimum evaluation value calculation unit 123 uses the range from the maximum demand value 12a to the power value 0 kW as the search range 12b. That is, the optimum evaluation value calculation unit 123 selects an arbitrary power value from the search range 12b as the discharge reference value, and uses the selected discharge reference value for the simulation.
  • the discharge reference value 12c is 125 kW
  • the discharge reference value 12d is 100 kW
  • the discharge reference value 12e is 75 kW.
  • the optimum evaluation value calculation unit 123 selects the highest discharge reference value 157 kW among the discharge reference values included in the search range 12b, and performs a simulation when the storage battery is operated at the selected discharge reference value 157 kW.
  • the optimum evaluation value calculation unit 123 selects a value having a step size of 1 kW lower as the next discharge reference value, and repeats the process of performing simulation in the same manner until the lower limit of the search range 12b.
  • the optimum evaluation value calculation unit 123 selects, as an optimum operation plan, a discharge reference value showing the best peak cut effect among the discharge reference values obtained by the simulation.
  • the optimum evaluation value calculation unit 123 stores the supply and demand scenario, the best peak cut effect, and the discharge reference value indicating the best peak cut effect in the optimum operation evaluation table 116 in association with each other.
  • the best peak cut effect corresponds to the evaluation value according to the optimum operation plan
  • the discharge reference value showing the best peak cut effect corresponds to the optimum control parameter.
  • the optimal evaluation value calculation part 123 produces
  • the discharge reference value may be selected at intervals of 1 kW in order from the lowest discharge reference value 0 kW among the discharge reference values included in the search range 12b. Further, for example, the discharge reference value may be selected at intervals of 5 kW.
  • an optimal plan may be searched using an optimization algorithm such as Particle Swarm Optimization or a genetic algorithm.
  • the modified evaluation value calculation unit 124 creates a plurality of operation plan candidates, and for each operation plan candidate, a second obtained when the storage battery is operated up to the plan correction time with the operation plan candidate for each scenario. An evaluation value is calculated. For example, the modified evaluation value calculation unit 124 creates a plurality of initial operation plan candidates. Then, the corrected evaluation value calculation unit 124 operates the storage battery up to the correction time point in the created initial operation plan, and shows the optimal operation plan after the correction time in the subsequent state (remaining battery remaining amount). An evaluation value when the storage battery is operated in the operation plan is calculated for each supply / demand scenario.
  • the modified evaluation value calculation unit 124 is an example of a second calculation unit.
  • the modified evaluation value calculation unit 124 creates an initial operation plan candidate.
  • the modified evaluation value calculation unit 124 creates initial operation plan candidates in the range from the minimum value to the maximum value among the optimal control parameters of the optimal operation evaluation table 116 shown in FIG. This is because when a storage battery is operated by the peak cut method, the peak cut effect for each supply / demand scenario decreases as the discharge reference value deviates from the optimum discharge reference value for that supply / demand scenario, and deviates more than a certain amount. This is because it has the property of becoming 0.
  • the modified evaluation value calculation unit 124 creates discharge reference values from 50 kW to 150 kW at 10 kW intervals as initial operation plan candidates. Then, the modified evaluation value calculation unit 124 associates the initial operation plan with the control parameters and stores them in the initial operation plan table 117 shown in FIG.
  • the initial operation plan candidate corresponds to the initial operation plan
  • the discharge reference value corresponds to the control parameter.
  • the method of creating the initial operation plan candidate is not limited to the above method.
  • the modified evaluation value calculation unit 124 may arbitrarily create the search range 12b shown in FIG.
  • the modified evaluation value calculation unit 124 creates an optimal modified operation plan for each initial operation plan candidate. For example, the modified evaluation value calculation unit 124 performs a simulation when the storage battery is operated with the initial operation plan candidate for each supply and demand scenario. The modified evaluation value calculation unit 124 calculates the remaining amount of storage battery when the storage battery is operated until the correction time from the simulation result. Then, using the calculated remaining battery level as the initial remaining battery level, create an optimal operation plan that gives the best evaluation value when driving from the correction time to the operation end time, and optimize the combination of the initial operation plan candidate and scenario. Record as a revised operation plan. This optimum corrected operation plan creation process is performed in the same procedure as the optimum operation plan creation process performed by the optimum evaluation value calculation unit 123 described above.
  • the corrected evaluation value calculation unit 124 calculates an evaluation value when the storage battery is operated with the initial operation plan candidate until the correction time, and with the optimal correction operation plan after the correction time, and the evaluation value is calculated as the initial operation plan.
  • the second evaluation value for the combination of the plan candidate and each scenario is stored in the corrected operation evaluation table 118 shown in FIG.
  • the correction evaluation value calculation part 124 performs a process similarly about another initial operation plan.
  • an optimal plan may be searched using an optimization algorithm such as Particle Swarm Optimization or a genetic algorithm.
  • the response capability calculation unit 125 calculates a difference between the first evaluation value and the second evaluation value for each scenario for each of a plurality of operation plan candidates. For example, the response capability calculation unit 125 evaluates the optimal corrected operation plan with respect to the evaluation value based on the optimal operation plan shown in the optimal operation evaluation table 116 of FIG. 5 and the initial operation plan P shown in the corrected operation evaluation table 118 of FIG. Correspondence is evaluated by calculating the difference from the value. That is, the response capability calculation unit 125 evaluates the response capability from the viewpoint of how close the evaluation value of the optimum corrected operation plan for each supply-demand scenario is to the evaluation value of the optimal operation plan for each scenario. Note that the corresponding force calculation unit 125 is an example of a third calculation unit.
  • the corresponding force calculation unit 125 calculates a regret value using the following equation (5).
  • the response strength calculation unit 125 evaluates that the response strength is higher as the regret value is lower.
  • the response capability calculation unit 125 associates the initial operation plan, the supply and demand scenario, and the response capability evaluation with respect to the initial operation plan, and stores them in the response capability evaluation table 119 illustrated in FIG.
  • corresponds to the capability evaluation with respect to an initial operation plan.
  • Correspondence calculation unit 125 performs the same process for other initial operation plans.
  • the optimal plan selection unit 126 selects a storage battery operation plan from a plurality of operation plans based on the difference between the first evaluation value and the second evaluation value. For example, the optimum plan selection unit 126 aggregates the distribution of regret values for each candidate of the initial operation plan, and selects the initial operation plan based on the aggregated distribution of regret values.
  • the optimum plan selection unit 126 is an example of a selection unit.
  • FIG. 13 to FIG. 15 are diagrams showing an example of distribution of regret values.
  • the horizontal axis of FIGS. 13 to 15 indicates the regret value, and the vertical axis indicates the ratio of the supply and demand scenario corresponding to the regret value.
  • FIG. 13 illustrates the distribution of regret values of the initial operation plan A. As shown in FIG. 13, in the initial operation plan A, the best regret value is 21 and the worst regret value is 42.
  • FIG. 14 illustrates the distribution of regret values of the initial operation plan B. As shown in FIG. 14, in the initial operation plan B, the best regret value is 0 and the worst regret value is 7.
  • FIG. 15 illustrates the distribution of regret values of the initial operation plan C. As shown in FIG. 15, in the initial operation plan C, the best regret value is 0 and the worst regret value is 19.
  • the Wald standard is a standard for selecting an operation plan having the best evaluation value (worst evaluation value) in the worst scenario for each operation plan.
  • the initial operation plan A has a best regret value of 21, whereas the initial operation plan B has a regret value of 7 at worst. Therefore, the initial operation plan B is a highly responsive operation plan that can be expected to produce an effect close to the optimum as compared with the initial operation plan A regardless of any supply and demand scenario.
  • the optimal plan selection unit 126 selects the initial operation plan B when compared based on the Wald standard.
  • a regret value on a Wald basis it is called a savage criterion or a minimax loss criterion.
  • the initial operation plan C is an operation plan in which there are a small number of supply and demand scenarios that have high regret values, although the average regret value is lower than that of the initial operation plan B. That is, the initial operation plan C is an operation plan that can be expected to have an effect close to the optimal operation plan in a supply and demand scenario with a higher probability of occurrence than the initial operation plan B, but may possibly cause a large loss. I can say that. Therefore, the initial operation plan B is a highly responsive operation plan that can be expected to produce an effect close to the optimum compared to the initial operation plan C, regardless of any supply and demand scenario.
  • the optimal plan selection unit 126 selects the initial operation plan B when compared based on the Wald standard.
  • the criterion by which the optimal plan selection unit 126 selects the initial operation plan is not limited to the Wald criterion.
  • the optimal plan selection unit 126 may select the initial operation plan on the basis of selecting the best average regret value. In this case, the optimum plan selection unit 126 selects the initial operation plan C whose average regret value is lower than the initial operation plan B. Further, for example, the optimal plan selection unit 126 may select the initial operation plan based on a criterion of selecting the one having the smallest variance of the regret values.
  • the optimal plan selection unit 126 calculates the variances of the regret values of the initial operation plans B and C, respectively, and compares the calculated variances of the regret values.
  • the optimal plan selection unit 126 selects the initial operation plan B.
  • the optimal plan selection unit 126 may use a combination of the selection criteria described above.
  • the optimal plan selection unit 126 may select an initial operation plan in which the worst regret value is lower than a predetermined value and the average regret value is higher than the predetermined value.
  • the output unit 127 outputs various information to the output device 102.
  • the output unit 127 outputs the best initial operation plan selected by the optimal plan selection unit 126 to the output device 102.
  • the information output by the output unit 127 is not limited to the best initial operation plan.
  • the output unit 127 outputs the supply and demand scenario together with the initial operation plan selected by the optimal plan selection unit 126.
  • FIG. 16 is a flowchart showing a processing procedure of the operation plan creation device. The process illustrated in FIG. 16 is executed, for example, when the accepting unit 121 accepts the start time t0, the end time t_e, the initial sunshine time h0, and the time increment ⁇ t.
  • the supply and demand scenario generation unit 122 generates a plurality of supply and demand scenarios (step S102).
  • FIG. 17 is a flowchart illustrating a processing procedure of supply / demand scenario generation processing.
  • the supply and demand scenario generation unit 122 generates a sunshine duration fluctuation probability table 113 from the solar radiation amount data 112 (step S201).
  • the supply and demand scenario generation unit 122 determines the amount of solar radiation I (t + ⁇ t) at the time after the time interval ⁇ t (step S203).
  • the supply and demand scenario generation unit 122 uses the initial sunshine time h0 as an initial value, and acquires the sunshine time H (t + ⁇ t) at the time after the time interval ⁇ t.
  • the supply and demand scenario generation unit 122 converts the acquired sunshine duration H (t + ⁇ t) into the sunshine duration I (t + ⁇ t) using the correlation between the sunshine duration and the amount of sunshine described above.
  • the supply and demand scenario generation unit 122 adds the time increment ⁇ t to the current time t (step S204).
  • the supply and demand scenario generation unit 122 compares the time t with the end time t_e, and determines whether t ⁇ t_e is satisfied (step S205). When t ⁇ t_e is satisfied (step S205, Yes), the supply and demand scenario generation unit 122 returns to the process of step S203.
  • the supply and demand scenario generation unit 122 repeats the processing from step S203 to step S205 until the solar radiation amount fluctuation scenario I is generated.
  • step S205 when t ⁇ t_e is not satisfied (step S205, No), the supply and demand scenario generation unit 122 generates the output fluctuation scenario O based on the solar radiation amount fluctuation scenario I (step S206). The supply and demand scenario generation unit 122 repeats the processing from step S202 to step S206 until an N pattern output fluctuation scenario O is generated. Then, the supply and demand scenario generation unit 122 generates an M ⁇ N pattern supply and demand scenario by taking the difference between the N pattern output fluctuation scenario O and the M pattern demand fluctuation scenario (step S207).
  • the optimum evaluation value calculation unit 123 creates an optimum operation plan that provides the best evaluation value by simulation for each of the plurality of supply and demand scenarios generated by the supply and demand scenario generation unit 122 (step S103). Then, the optimum evaluation value calculation unit 123 stores the supply and demand scenario, the evaluation value based on the optimum operation plan, and the optimum control parameter indicating the best evaluation value in the optimum operation evaluation table 116.
  • the modified evaluation value calculation unit 124 creates a candidate for the initial operation plan (step S104).
  • the corrected evaluation value calculation unit 124 creates an optimal corrected operation plan indicating an optimal operation plan after the correction time for the created initial operation plan candidate (step S105).
  • the correction evaluation value calculation part 124 calculates the evaluation value when a storage battery is drive
  • the modified evaluation value calculation unit 124 returns to the process at Step S104.
  • the modified evaluation value calculation unit 124 returns to the process of step S104 when the process has not been completed for all the created initial operation plan candidates.
  • the modified evaluation value calculation unit 124 when a potential initial operation plan candidate to be evaluated next is estimated based on the combination of the initial operation plan candidate for which the evaluation value is calculated and the supply and demand scenario. Returns to the process of step S104.
  • step S106 when the termination condition is satisfied (step S106, Yes), the optimum plan selection unit 126 selects the initial operation plan (step S107).
  • FIG. 18 is a flowchart showing the processing procedure of the initial operation plan selection process.
  • the response capability calculation unit 125 calculates the response capability for each supply / demand scenario of the initial operation plan (step S301). That is, the corresponding force calculation unit 125 calculates the difference between the evaluation value based on the optimal operation plan recorded in the optimal operation evaluation table 116 and the evaluation value of the optimal correction operation plan with respect to the initial operation plan P recorded in the correction operation evaluation table 118. To evaluate the ability to respond.
  • the optimum plan selection unit 126 totals the distribution of the corresponding power for each candidate of the initial operation plan (Step S302). And the optimal plan selection part 126 selects an initial driving
  • the operation plan creation apparatus 100 generates a plurality of scenarios indicating the possibility of a change in the supply and demand power value.
  • the operation plan creation device 100 calculates an operation plan that obtains the first evaluation value that is the best evaluation value when the storage battery is operated for each scenario.
  • the operation plan creation device 100 calculates, for each of a plurality of operation plan candidates, a second evaluation value obtained when the storage battery is operated according to the plan for each scenario.
  • the operation plan creation device 100 calculates the difference between the first evaluation value and the second evaluation value for each scenario for each of a plurality of operation plan candidates.
  • the operation plan creation device 100 selects a storage battery operation plan from a plurality of operation plans based on the difference.
  • the operation plan creation device 100 can create an operation plan that can cope with how the weather fluctuates.
  • a plurality of scenarios that express the possibility of a change in supply and demand power values that can occur due to weather fluctuations are used, and the initial operation plan candidates are evaluated based on the first evaluation value that is the best evaluation value for each scenario. Therefore, after operating until the correction time in the initial operation plan, if the operation plan is corrected appropriately, it will operate from the beginning with the optimal operation plan for that scenario, regardless of which scenario is realized. It is possible to select an initial operation plan with high response capability that can provide an effect close to that of the case.
  • the operation plan creation apparatus 100 models the power generation output fluctuation scenario according to the occurrence probability of fluctuation in past weather data, and generates a supply and demand scenario. For this reason, the operation plan creation apparatus 100 can evaluate an operation plan including the possibility that the output by solar power generation may fluctuate rapidly, and can select an operation plan with high evaluation.
  • the operation plan creation apparatus 100 can evaluate an operation plan including the influence of such a small output decrease, an operation plan having a high response capability that is not easily affected by the output fluctuation due to the photovoltaic power generation. You can choose.
  • the operation plan creation device 100 outputs a supply and demand scenario together with the selected initial operation plan. Specifically, the operation plan creation device 100 extracts a supply and demand scenario included in a predetermined ratio from the one with the larger regret value in the selected initial operation plan, and outputs the extracted supply and demand scenario. For this reason, the operation plan creation device 100 specifically examines the possibility of avoiding losses in the output supply and demand scenario, such as improvement of the storage battery control method and introduction of standby power generation facilities that complement the shortage of the remaining amount of the storage battery. Can help you.
  • the operation plan creation device 100 extracts a supply and demand scenario included in a predetermined ratio from a larger regret value with respect to the selected initial operation plan, and outputs the extracted supply and demand scenario.
  • the operation plan creation device 100 calculates an estimated remaining battery capacity indicating the remaining battery capacity when the storage battery is operated up to the correction time in the selected initial operation plan for the extracted supply and demand scenario.
  • the operation plan creation device 100 calculates an ideal storage battery remaining amount that indicates the remaining storage battery amount when the storage battery is operated until the correction time in the best operation plan with respect to the extracted supply and demand scenario.
  • the difference between the expected remaining battery capacity and the ideal remaining battery capacity corresponds to the total amount of power to be supplemented to avoid loss. For this reason, the operation plan creation apparatus 100 can perform an approximate estimate of the scale of the standby power generation facility that can be expected to have an introduction effect.
  • the operation plan is evaluated using the peak cut effect
  • the present invention is not limited to this.
  • the operation plan may be evaluated using an environmental load reduction effect or a cost reduction effect.
  • the environmental load reduction effect evaluates how much CO 2 can be reduced by using solar power generation or storage batteries.
  • the environmental load reduction effect is expressed by the following equation (6).
  • the CO 2 conversion coefficient for daytime power generation is, for example, 0.462 [kg-CO 2 / kWh], and the CO 2 conversion coefficient for night power generation is, for example, 0.435 [kg-CO 2 / kWh]. ].
  • This is based on the reference document “Study Group Secretariat on the Calculation Method of Emission Factors by Business Based on the Warm Way“ Introduction of Average Emission Factors by Season (March 27, 2009) ” It is.
  • the conversion coefficient shown here is an example and arbitrary values can be used.
  • operation evaluation table 118, and the corresponding capability evaluation table 119 are illustrated.
  • FIG. 19 is a diagram illustrating an example of the optimum driving evaluation table when the environmental load reduction effect is used.
  • the optimum operation evaluation table 116 stores the supply and demand scenario “1”, the evaluation value “17” based on the optimum operation plan, and the optimum control parameter “278” in association with each other. That is, in the optimum operation evaluation table 116, the best discharge reference value for the supply and demand scenario “1” is 278 kW, and the environmental load reduction effect when the storage battery is operated with this discharge reference value is 17 kg-CO 2. Indicates.
  • the optimum operation evaluation table 116 stores the supply and demand scenario, the evaluation value based on the optimum operation plan, and the optimum control parameter in association with each other in the same manner.
  • FIG. 20 is a diagram illustrating an example of a corrected operation evaluation table when the environmental load reduction effect is used.
  • the corrected operation evaluation table 118 stores the initial operation plan “1”, the supply and demand scenario “1”, and the evaluation value “16” of the optimum corrected operation plan for the initial operation plan P in association with each other. That is, the corrected operation evaluation table 118 shows that the environmental load reduction effect is 16 kg ⁇ when the storage battery is operated with the optimum corrected operation plan after the storage battery is operated with the initial operation plan “1” for the supply and demand scenario “1”. Indicates CO 2 . Further, the corrected operation evaluation table 118 stores other supply-demand scenarios and the evaluation values of the optimal corrected operation plan for the other initial operation plan P in association with each other for the initial operation plan “1”.
  • the corrected operation evaluation table 118 stores a plurality of supply and demand scenarios and evaluation values of the optimum corrected operation plan for the plurality of initial operation plans P in association with one initial operation plan. Similarly, the corrected operation evaluation table 118 stores the initial operation plan, the supply and demand scenario, and the evaluation value of the optimum corrected operation plan for the initial operation plan P in association with each other.
  • FIG. 21 is a diagram illustrating an example of the correspondence evaluation table.
  • the response capability evaluation table 119 stores the initial operation plan “1”, the supply and demand scenario “1”, and the response capability evaluation “1” for the initial operation plan P in association with each other.
  • the response evaluation table 119 shows that when the storage battery is operated with the initial operation plan “1” for the supply and demand scenario “1”, the deviation from the ideal value of the environmental load reduction effect is 1 kg-CO 2. Indicates.
  • the response capability evaluation table 119 stores, for the initial operation plan “1”, other supply and demand scenarios and response capability evaluations for other initial operation plans P in association with each other.
  • the response capability evaluation table 119 stores a plurality of supply and demand scenarios and response capability evaluations for a plurality of initial operation plans P in association with one initial operation plan.
  • the correspondence capability evaluation table 119 stores the correspondence between the initial operation plan, the supply and demand scenario, and the response evaluation for the initial operation plan P in association with each other.
  • the operation plan creation apparatus 100 associates the supply and demand scenario, the evaluation value based on the optimal operation plan, and the optimal control parameter indicating the best evaluation value. , And stored in the optimum driving evaluation table 116 shown in FIG. Further, the operation plan creation device 100 associates the initial operation plan, the supply and demand scenario, and the evaluation value of the optimum corrected operation plan with respect to the initial operation plan P, and stores them in the corrected operation evaluation table 118 shown in FIG. Further, the operation plan creation apparatus 100 evaluates the optimum corrected operation plan with respect to the evaluation value based on the optimum operation plan shown in the optimum operation evaluation table 116 of FIG. 19 and the initial operation plan P shown in the corrected operation evaluation table 118 of FIG. Correspondence is evaluated by calculating the difference from the value. For this reason, the operation plan creation apparatus 100 can create an operation plan that can obtain an effect close to the best environmental load reduction effect regardless of how the weather fluctuates.
  • the cost reduction effect is to evaluate how much the cost can be reduced by using solar power generation or storage battery in terms of money.
  • the cost reduction effect is expressed by the following formula (7).
  • the basic charge is calculated from the maximum demand value, and is, for example, a charge set for each electric power company.
  • operation evaluation table 118, and the corresponding capability evaluation table 119 are illustrated.
  • FIG. 22 is a diagram showing an example of the optimum operation evaluation table when the cost reduction effect is used.
  • the optimum operation evaluation table 116 stores the supply and demand scenario “1”, the evaluation value “36” based on the optimum operation plan, and the optimum control parameter “278” in association with each other. That is, the optimum operation evaluation table 116 indicates that the best discharge reference value for the supply and demand scenario “1” is 278 kW, and the cost reduction effect when the storage battery is operated at this discharge reference value is 36 million yen. .
  • the optimum operation evaluation table 116 stores the supply and demand scenario, the evaluation value based on the optimum operation plan, and the optimum control parameter in association with each other in the same manner.
  • FIG. 23 is a diagram showing an example of a corrected operation evaluation table when the cost reduction effect is used.
  • the corrected operation evaluation table 118 stores the initial operation plan “1”, the supply and demand scenario “1”, and the evaluation value “34” of the optimum corrected operation plan for the initial operation plan P in association with each other.
  • the corrected operation evaluation table 118 shows a cost reduction effect of 34 million yen when the storage battery is operated in the optimum corrected operation plan after the storage battery is operated in the initial operation plan “1” for the supply and demand scenario “1”.
  • the corrected operation evaluation table 118 stores other supply-demand scenarios and the evaluation values of the optimal corrected operation plan for the other initial operation plan P in association with each other for the initial operation plan “1”.
  • the corrected operation evaluation table 118 stores a plurality of supply and demand scenarios and evaluation values of the optimum corrected operation plan for the plurality of initial operation plans P in association with one initial operation plan. Similarly, the corrected operation evaluation table 118 stores the initial operation plan, the supply and demand scenario, and the evaluation value of the optimum corrected operation plan for the initial operation plan P in association with each other.
  • FIG. 24 is a diagram illustrating an example of the correspondence evaluation table.
  • the response capability evaluation table 119 stores the initial operation plan “1”, the supply and demand scenario “1”, and the response capability evaluation “2” for the initial operation plan P in association with each other. That is, the response capability evaluation table 119 indicates that when the storage battery is operated with the initial operation plan “1” with respect to the supply and demand scenario “1”, the deviation from the ideal value of the cost reduction effect is 2 million yen. .
  • the response capability evaluation table 119 stores, for the initial operation plan “1”, other supply and demand scenarios and response capability evaluations for other initial operation plans P in association with each other.
  • the response capability evaluation table 119 stores a plurality of supply and demand scenarios and response capability evaluations for a plurality of initial operation plans P in association with one initial operation plan.
  • the correspondence capability evaluation table 119 stores the correspondence between the initial operation plan, the supply and demand scenario, and the response evaluation for the initial operation plan P in association with each other.
  • the operation plan creation apparatus 100 associates the supply and demand scenario, the evaluation value based on the optimal operation plan, and the optimal control parameter indicating the best evaluation value, They are stored in the optimum operation evaluation table 116 shown in FIG. Further, the operation plan creation device 100 associates the initial operation plan, the supply and demand scenario, and the evaluation value of the optimum corrected operation plan with respect to the initial operation plan P, and stores them in the corrected operation evaluation table 118 shown in FIG. Further, the operation plan creation apparatus 100 evaluates the optimum corrected operation plan with respect to the evaluation value based on the optimum operation plan shown in the optimum operation evaluation table 116 of FIG. 22 and the initial operation plan P shown in the corrected operation evaluation table 118 of FIG. Correspondence is evaluated by calculating the difference from the value. For this reason, the operation plan creation device 100 can create an operation plan that can achieve an effect close to the best cost reduction effect regardless of how the weather changes.
  • all or a part of the processes described as being automatically performed can be manually performed, or the processes described as being manually performed can be performed. All or a part can be automatically performed by a known method.
  • the optimum plan selection unit 126 may cause the user to manually select the best operation plan by causing the output device 102 to output a diagram showing the distribution of the corresponding power for each initial operation plan candidate. it can.
  • the processing procedures, control procedures, specific names, and information including various data and parameters shown in the above-described document and drawings can be arbitrarily changed unless otherwise specified.
  • the optimum operation evaluation table shown in FIG. 5 does not necessarily have to store optimum control parameters.
  • each component of the operation plan creation device 100 shown in FIG. 1 is functionally conceptual and does not necessarily need to be physically configured as illustrated. That is, the specific form of distribution / integration of the operation plan creation device 100 is not limited to the illustrated one, and all or a part of the operation plan creation apparatus 100 may be functional or physical in arbitrary units according to various loads and usage conditions. Can be distributed and integrated.
  • the optimum evaluation value calculation unit 123 and the modified evaluation value calculation unit 124 illustrated in FIG. 1 can be configured to be integrated.
  • the operation plan creation device 100 can be realized by installing each function of the operation plan creation device 100 in a known information processing device.
  • the known information processing apparatus corresponds to a device such as a personal computer, a workstation, a mobile phone, a PHS (Personal Handy-phone System) terminal, a mobile communication terminal, or a PDA (Personal Digital Assistant).
  • FIG. 25 is a diagram illustrating an example of a computer that executes an operation plan creation program.
  • the computer 300 includes a CPU 301 that executes various arithmetic processes, an input device 302 that receives data input from a user, and a monitor 303.
  • the computer 300 also includes a medium reading device 304 that reads programs and the like from a storage medium, and a network interface device 305 that exchanges data with other devices.
  • the computer 300 also includes a RAM (Random Access Memory) 306 that temporarily stores various information and a hard disk device 307.
  • the devices 301 to 307 are connected to the bus 308.
  • the hard disk device 307 has the same functions as the processing units of the supply and demand scenario generation unit 122, the optimal evaluation value calculation unit 123, the modified evaluation value calculation unit 124, the response capability calculation unit 125, and the optimal plan selection unit 126 shown in FIG.
  • the operation plan creation program is stored.
  • the hard disk device 307 stores various data for realizing the operation plan creation program.
  • the various data includes, for example, demand data 111a and solar radiation data 112.
  • the CPU 301 reads out the operation plan creation program from the hard disk device 307, develops it in the RAM 306, and executes it, whereby the operation plan creation program functions as an operation plan creation process. That is, the operation plan creation program is the same as each processing unit of the supply and demand scenario generation unit 122, the optimum evaluation value calculation unit 123, the modified evaluation value calculation unit 124, the response capability calculation unit 125, and the optimum plan selection unit 126 shown in FIG. Functions as a process.
  • the computer 300 may read and execute a program stored in a computer-readable recording medium.
  • the computer-readable recording medium corresponds to, for example, a portable recording medium such as a CD-ROM, a DVD disk, and a USB memory, a semiconductor memory such as a flash memory, a hard disk drive, and the like.
  • the program may be stored in a device connected to a public line, the Internet, a LAN (Local Area Network), a WAN (Wide Area Network), etc., and the computer 300 may read and execute the program therefrom. good.
  • the storage battery operation plan embodiment of the present invention has been described so far, but the present invention is not limited to a storage battery, and it is possible to create an operation plan for an apparatus in which it is effective to adjust the operation state of the apparatus according to the transition of demand It can also be applied to Therefore, in the following, an embodiment will be described in which an operation plan that adjusts the number of operating communication base stations in accordance with changes in communication demand is optimized from the viewpoint of reducing energy required for operation of communication base stations in the operation plan. .
  • FIG. 26 illustrates an outline of adjustment of the number of operating communication base stations assumed in this embodiment.
  • an area composed of seven hexagons is an area to be covered by the communication base station.
  • the leftmost Mode 1 indicates that the entire target area is covered by one base station.
  • Mode 4 on the right is covered by four base stations, and Mode 7 is covered by seven base stations.
  • FIG. 27 what designates which of the three modes is used for each preset time zone is called an operation plan.
  • an operation plan that allows you to operate with energy that is close to the minimum energy that can be achieved if any of the expected changes in communication demand during the day are realized in advance. The purpose is to seek.
  • FIG. 28 shows typical data of daily communication demand transition assumed in this embodiment. Based on this transition, this embodiment is divided into the five time zones shown in FIG. 27, and it is assumed that one of the time zones shown in FIG. 26 is selected and operated in each time zone.
  • each time zone is a time zone when communication demand is low at 0-6 o'clock, a time zone when communication demand is increasing at 6-10 o'clock, and a communication demand at a relatively high level at 10-14 o'clock. Is a time zone in which 18:00 is stable, a time zone in which the peak increases toward the peak, and 18:00 to 24:00 corresponds to a time zone in which demand decreases from the peak.
  • FIG. 29 shows the relationship between the communication demand and the amount of energy required for the correspondence (the amount of power consumption per unit time) for each operation mode.
  • the horizontal axis is the amount of communication demand.
  • As an index of communication demand various indexes such as the number of calls of a user (mobile terminal) per unit time (for example, about several minutes) and communication volume, and combinations of these indexes can be considered. In order to simplify the explanation, the number of calls per unit time is used.
  • the vertical axis indicates the amount of energy required to respond to communication demand in units of the amount of power consumed by the base station per hour.
  • Mode 1 consumes about 1.5 kWh for the response
  • Mode 4 consumes about 3 kWh that is larger than Mode 1
  • Mode 4 requires less power consumption than Mode 1 when a call is made about 35 times or more.
  • the operation mode in which the relationship with the energy efficiency is different depending on the communication demand as described above is appropriately selected in consideration of the transition of the communication demand expected in each time zone. Become one point.
  • FIG. 30 is an example of the cost required for switching the operation mode, which is another energy amount considered in the operation plan creation of the present embodiment.
  • the first line is the cost for switching the device from Mode 1 to Mode 4, and corresponds to C (1, 4) in FIG.
  • this cost data is available in advance through past performance data or simulation experiments.
  • the candidate operation plan range assumed in this embodiment is the one shown in FIG. This covers the search range shown in FIG.
  • the search range in FIG. 31 is obtained by selecting the operation mode worth considering for each time zone based on the transition of the communication demand illustrated in FIG. Note that all mode combinations may be used as candidates for the operation plan without considering the search range of FIG.
  • FIG. 32 is an example of a variation probability table for generating a communication demand scenario.
  • “0-20”, “20-40”, “40-60”, “60-80”, and “80-” shown in the horizontal direction in FIG. 32 correspond to the number of calls per unit time, respectively.
  • N ( ⁇ , ⁇ ) indicates that a value randomly generated according to a normal distribution of an average value ⁇ and a standard deviation ⁇ is used as a value after fluctuation.
  • the probability values and the values of ⁇ 1 to ⁇ 5 in this table may be calculated by statistical analysis of past communication demand data.
  • the fluctuation probability table like FIG. Create and use based on data.
  • an operation mode from 6 to 10 o'clock operation plan from 6 o'clock to 6 o'clock
  • the initial value for generating communication demand is the communication demand immediately before 6 o'clock. Use the value.
  • an optimum operation plan (communication device operation mode switching plan) is created in the same procedure as the storage battery optimum operation plan creation for the supply and demand scenario.
  • an evaluation value calculated based on the following formula is used.
  • i is an index for each of the above-described time zones
  • t is an index corresponding to a time in unit time (for example, 10 minutes) in each time zone.
  • D_t is a communication demand value at the time corresponding to t, and this value is determined by the communication scenario to be evaluated.
  • Mode_i is an operation mode designated corresponding to the time zone i in the operation plan to be evaluated.
  • E (D_t, Mode_i) is the amount of power consumed in the operation mode of Mode_i when the communication demand value of D_t continues for a unit time, and the value is calculated by the data in FIG. C () is the cost for switching the operation mode, and the value is calculated based on 30 data (0 when there is no operation mode switching).
  • the power consumption calculated here corresponds to the evaluation value. That is, the lower the evaluation value, the better the value.
  • FIG. 33 is an example of the created optimum operation plan.
  • the first number in the column of “optimum operation plan” is the operation plan ID.
  • the information in parentheses is supplementary information for explanation, and indicates how to switch the operation mode from the time zone of 6-10 o'clock to the time zone of 0-6 o'clock the next day.
  • the operation plan indicated by ID14 indicates that operation is performed at Mode 4 at 6-10, Mode 4 at 10-14, Mode 7 at 14-18, Mode 4 at 18-24, and Mode 1 at 0-6 next time.
  • the evaluation value when each communication demand scenario is realized is calculated in the same procedure as the evaluation of the initial operation plan of the storage battery.
  • the calculation formula of the evaluation value used for the evaluation is the same as the above formula (8).
  • the evaluation value when the communication demand scenario “1” is realized for the candidate Mode 1 is 204.
  • the difference between the evaluation value calculated here and the evaluation value based on the optimum operation plan corresponds to the regret value.
  • the regret value is 0, so the simulation is omitted. it can.
  • Fig. 34 shows the evaluation results. Based on this evaluation result, for example, the worst evaluation value for the communication demand scenario is that the best operation plan (6-10 o'clock operation mode) is selected. If the operation plan is corrected at 10:00, it is guaranteed that the vehicle can be operated with energy close to the minimum energy that can be achieved if it is known that the transition will occur in advance.
  • the worst evaluation value for the communication demand scenario is that the best operation plan (6-10 o'clock operation mode) is selected. If the operation plan is corrected at 10:00, it is guaranteed that the vehicle can be operated with energy close to the minimum energy that can be achieved if it is known that the transition will occur in advance.
  • operation plan creation device 101 input device 102 output device 110 storage unit 111 demand data 112 solar radiation amount data 113 sunshine duration variation probability table 114 output variation data 115 supply and demand data 116 optimum operation evaluation table 117 initial operation plan table 118 modified operation evaluation table 119
  • Correspondence evaluation table 120 Control unit 121 Reception unit 122 Supply and demand scenario generation unit 123 Optimal evaluation value calculation unit 124 Correction evaluation value calculation unit 125 Correspondence calculation unit 126 Optimal plan selection unit 127 Output unit 300 Computer 301 CPU 302 Input Device 303 Monitor 304 Medium Reading Device 305 Network Interface Device 306 RAM 307 Hard disk device 308 Bus

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　需給シナリオ生成部（１２２）は、与えられた条件において起こり得る需給電力値の推移の可能性を示す複数のシナリオを生成する。最適評価値算出部（１２３）は、複数のシナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画を算出する。修正評価値算出部（１２４）は、複数の運転計画候補ごとに、各シナリオに対して当該計画で蓄電池を運転した場合に得られる第２の評価値を算出する。対応力算出部（１２５）は、複数の運転計画候補ごとに、各シナリオについて第１の評価値と第２の評価値との差分を算出する。最適計画選択部（１２６）は、差分に基づいて、複数の運転計画候補から蓄電池の運転計画を選択する。

Description

運転計画作成方法、運転計画作成装置及び運転計画作成プログラム
　本発明は、運転計画作成方法、運転計画作成装置及び運転計画作成プログラムに関する。
　現在、地球環境問題への対策は世界規模の課題として認識されている。この対策として注目されているのが、太陽光発電などの自然エネルギーの利用である。太陽光発電は天候の影響を受けやすく、出力が不安定であるため、その有効活用にはさまざまな工夫がなされている。
　太陽光発電の不安定性に対応する方法としては、蓄電池や燃料電池などの別の種類の分散電源を運転計画に沿って運用する方法がある。この運転計画は、例えば、容量に限りがある蓄電池からの放電を適切に制御する制御パラメータである。例えば、蓄電池の制御方式として、電力需要が所定の電力値を超えた場合に蓄電池を放電するピークカット方式を用いる場合には、この電力値が運転計画となる。太陽光発電と蓄電池の組み合わせの運用では、一般的に、翌日の電力需要の推移と天候変動の前日予測に基づいて、予測通りに電力需給が推移した場合に評価値が最良になるように、蓄電池を一日運転するための運転計画が作成される。
　また、例えば、蓄電池運用中に運転計画を修正する運用方法がある。一般的に、当日の天候状況を確認後の予測は、前日の予測よりも確度が高い。このため、天候変動の前日予測が外れてしまった場合には、当日の天候状況に基づいて運用中の運転計画を修正することにより、蓄電池の運用状況が改善される。
　また、例えば、予測が逸脱した場合に運転計画を修正することを踏まえてシミュレーションを行うことで、蓄電池の運転計画を作成する方法もある。この方法では、過去のデータに基づいて、電力需給の予測値が一定値以上外れる予測逸脱パターンとその発生確率を予め収集しておく。そして、各予測逸脱パターンに対し、予測逸脱時の運転計画の修正を考慮した評価値をシミュレーションで求める。そして、予測的中時の評価値に、各予測逸脱パターンについて得られた評価値を、それぞれの発生確率に応じて重み付け加算して求めた総合的な評価値に基づき、予測が逸脱した場合を考慮した運転計画を作成する。
特許第４２４５５８３号公報
工藤満、竹内章、野崎洋介、遠藤久仁、角田二郎，「エネルギーネットワークにおける太陽光発電予測技術」，電気学会論文誌Ｂ，Ｖｏｌ．１２７（２００７）、Ｎｏ．７、ｐｐ．８４７‐８５３ 高山聡志、岩坂佑二、原亮一、北裕幸、伊藤孝充、植田喜延、三輪修也、松野直也、滝谷克幸、山口浩司，「大規模太陽光発電所における日射量予測に基づく発電計画作成手法」，電気学会論文誌Ｂ，Ｖｏｌ．１２９（２００９），Ｎｏ．１２，ｐｐ．１５１４‐１５２１
　しかしながら、従来の技術には、天候がどのように変動しても対応できる運転計画を作成することができる技術は存在しなかった。
　例えば、天候が予測通りに変動した場合に評価値が最良となるように運転計画を作成するという一般的な運転計画作成方法では、蓄電池運用中に運転計画を修正する方法を用いても、天候の変動に対応できない場合があった。例えば、天候の変動予測が的中しなかった場合には、太陽光発電による発電量が予測よりも減少することが起こり得る。このような場合には、蓄電池からの放電量を予測よりも増加させて対応することとなり、蓄電池運用中に蓄電池の残量が枯渇してしまうこともあった。このような状況で運転計画を修正しても、以降に蓄電池から電力を供給するといった対応ができないため、蓄電池の運用状況は改善されなかった。
　また、例えば、前記の予測が逸脱した場合を考慮して運転計画を作成する方法でも、蓄電池が天候の変動に対応できることは保障されていなかった。この方法では、電力需給の予測値が一定値以上外れる場合のみが予測逸脱パターンとして考慮されるため、予測逸脱の程度は小さいが、蓄電池残量の不足が大きな損失につながるような場合にも対応できるとは限らない。例えば、一時的にのみ電力需要が予測値よりも大きくなる逸脱は予測逸脱パターンとして考慮されないことがある。このような逸脱により蓄電池の残量が予測よりも減少すると、蓄電池が天候の変動に対応できなくなってしまう場合があった。また、この方法では、予測的中時の評価値に予測逸脱パターンの評価値を発生確率に応じて重み付け加算した総合的評価値を用いているため、例えば、予測的中時の評価値により総合的評価値が引き上げられると、予測逸脱パターンの評価値の考慮が相対的に低下する。この結果、予測逸脱パターンに対応し難い運転計画が選択されてしまう場合も考えられる。
　開示の技術は、上記に鑑みてなされたものであって、天候がどのように変動しても対応できる運転計画を作成することができる運転計画作成方法、運転計画作成装置及び運転計画作成プログラムを提供することを目的とする。
　本願の開示する運転計画作成方法は、一つの態様において、与えられた条件に対して起こり得る需給電力値の推移を示す複数のシナリオを生成する処理をコンピュータが実行する。また、運転計画作成方法は、複数のシナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画を算出する処理をコンピュータが実行する。また、運転計画作成方法は、複数の運転計画候補ごとに、各シナリオに対して運転計画候補で蓄電池を運転した場合に得られる第２の評価値を算出する処理をコンピュータが実行する。また、運転計画作成方法は、複数の運転計画候補ごとに、各シナリオについて第１の評価値と第２の評価値との差分を算出する処理をコンピュータが実行する。また、運転計画作成方法は、差分に基づいて、複数の運転計画から蓄電池の運転計画を選択する処理をコンピュータが実行する。
　本願の開示する技術の一つの態様によれば、天候がどのように変動しても対応できる運転計画を作成することができるという効果を奏する。
図１は、実施例１に係る運転計画作成装置の機能構成を示す図である。 図２は、需要変動シナリオの一例を示す図である。 図３は、日照時間変動確率テーブルの一例を示す図である。 図４は、ピークカット効果について説明するための図である。 図５は、最適運転評価テーブルの一例を示す図である。 図６は、当初運転計画テーブルの一例を示す図である。 図７は、修正運転評価テーブルの一例を示す図である。 図８は、対応力評価テーブルの一例を示す図である。 図９は、天候変動モデルを説明するための図である。 図１０は、日射量変動シナリオの一例を示す図である。 図１１は、需給シナリオの一例を示す図である。 図１２は、制御パラメータの探索範囲について説明するための図である。 図１３は、リグレット値の分布の一例を示す図である。 図１４は、リグレット値の分布の一例を示す図である。 図１５は、リグレット値の分布の一例を示す図である。 図１６は、運転計画作成装置の処理手順を示すフローチャートである。 図１７は、需給シナリオの生成処理の処理手順を示すフローチャートである。 図１８は、当初運転計画の選択処理の処理手順を示すフローチャートである。 図１９は、環境負荷低減効果を用いた場合の最適運転評価テーブルの一例を示す図である。 図２０は、環境負荷低減効果を用いた場合の修正運転評価テーブルの一例を示す図である。 図２１は、対応力評価テーブルの一例を示す図である。 図２２は、コスト削減効果を用いた場合の最適運転評価テーブルの一例を示す図である。 図２３は、コスト削減効果を用いた場合の修正運転評価テーブルの一例を示す図である。 図２４は、対応力評価テーブルの一例を示す図である。 図２５は、運転計画作成プログラムを実行するコンピュータの一例を示す図である。 図２６は、通信基地局の運転モードについて説明するための図である。 図２７は、通信基地局の運転計画の一例を示す図である。 図２８は、通信需要の推移の一例を示す図である。 図２９は、通信需要への対応に要するエネルギー量について説明するための図である。 図３０は、モード切替コストの一例を示す図である。 図３１は、運転モードの探索範囲の一例を示す図である。 図３２は、通信需要変動確率テーブルの一例（６－１０時）を示す図である。 図３３は、通信需要シナリオに対する最適運転計画の一例を示す図である。 図３４は、運転計画の評価の一例を示す図である。
　以下に、本願の開示する運転計画作成方法、運転計画作成装置及び運転計画作成プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例により本発明が限定されるものではない。各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
　実施例１に係る運転計画作成装置の構成について説明する。この運転計画作成装置は、蓄電池を一日運転するための運転計画を修正することを見越して、修正時点以降に天候がどのように変動しても対応できるように、運転計画開始時点から修正時点までの運転計画を示す当初運転計画を作成するものである。この運転計画開始時点は、例えば、０時であり、修正時点は、例えば、１３時である。なお、実施例１では、運転計画作成装置が当初運転計画を作成する場合を説明するが、本発明はこれに限定されるものではない。例えば、運転計画作成装置は、修正時点以降の運転計画を示す修正運転計画についても当初運転計画と同様に、修正運転計画をさらに修正することを見越して作成するようにしても良い。また、運転計画開始時点及び修正時点についても、この例示に限るものではなく、運転計画作成装置を利用する者が任意の値に設定して良い。
　図１は、実施例１に係る運転計画作成装置の機能構成の一例を示す図である。図１に示すように、運転計画作成装置１００は、記憶部１１０と、制御部１２０とを有する。また、運転計画作成装置１００は、入力装置１０１と、出力装置１０２とに接続される。
　入力装置１０１は、各種情報の入力を受け付ける。例えば、入力装置１０１は、需要データ１１１ａ及び日射量データ１１２を受け付ける。また、入力装置１０１は、作成すべき運転計画を指定する条件として、例えば、蓄電池の運転開始時刻、運転終了時刻、および、運転計画修正時刻を受け付ける。また、例えば、入力装置１０１は、運転計画作成において考慮すべき日射量変動の範囲を特定する条件として、開始時刻ｔ０と、終了時刻ｔ＿ｅと、初期日照時間ｈ０と、時間刻み幅Δｔとを受け付ける。例えば、入力装置１０１は、キーボードやマウス、媒体読取装置などに対応する。なお、入力装置１０１が受け付ける情報については、説明を後述する。
　出力装置１０２は、各種情報を出力する。例えば、出力装置１０２は、後述する出力部１２７から各種情報を受け付けて、受け付けた情報を出力する。例えば、出力装置１０２は、ディスプレイやモニタなどに対応する。
　記憶部１１０は、需要データ１１１ａと、需要変動シナリオ１１１ｂと、日射量データ１１２と、日照時間変動確率テーブル１１３と、出力変動データ１１４と、需給データ１１５とを有する。また、記憶部１１０は、最適運転評価テーブル１１６と、当初運転計画テーブル１１７と、修正運転評価テーブル１１８と、対応力評価テーブル１１９とを有する。記憶部１１０は、例えば、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ（Flash　Memory）等の半導体メモリ素子、磁気ディスク装置、光ディスク装置又は光磁気ディスク装置等の記憶装置に対応する。
　需要データ１１１ａは、需要電力値を要素とする時系列データである。例えば、需要データ１１１ａは、一日における各時間帯と需要電力値とを対応づけたデータである。この需要電力値は、例えば、過去の消費電力値の統計データから算出される。
　需要変動シナリオ１１１ｂは、運転計画策定対象の１日に対する需要の推移の可能性を示す。例えば、需要変動シナリオ１１１ｂは、一日の時間帯ごとの需要電力値の推移を示し、需要データ１１１ａに基づいて生成される。図２は、需要変動シナリオの一例を示す図である。図２の横軸は時間を示し、縦軸は電力量［ｋＷｈ］を示す。図２には、ある工場における一日の需要変動シナリオ１１１ｂを例示する。図２では、需要変動シナリオ１１１ｂが１パターンである場合を示したが、本発明はこれに限定されるものではない。例えば、需要変動シナリオ１１１ｂは、曜日や時期に違いがあり、複数の推移の仕方が予想されるような場合には、Ｍパターン存在する場合もある。なお、Ｍは、自然数である。
　日射量データ１１２は、所定時間ごとの過去の日射量の記録である。日射量には、例えば、日照時間という単位で計測された値を含む。ここで、日照時間とは、直射日光が雲などに遮られずに所定の値（一般に０．１２ｋＷ／ｍ２）以上の強さで地表を照射した時間として定義される値である。例えば、日射量データ１１２は、２０１０年７月の１ヶ月分の日照時間と単位面積あたりの積算日射量が１時間ごとに記録されたものである。日射量データ１１２は、例えば、日本気象協会のデータベースから取得されるデータである。
　日照時間変動確率テーブル１１３は、変動前の日照時間Ｈｂｅｆｏｒｅが単位時間過ぎた後に変動後の日照時間Ｈａｆｔｅｒへ変動する条件付確率Ｐ（Ｈａｆｔｅｒ｜Ｈｂｅｆｏｒｅ）を示すテーブルである。
　図３は、日照時間変動確率テーブルの一例を示す図である。図３の横方向は変動前の日照時間Ｈｂｅｆｏｒｅを示し、「０．０」、「０．１－０．５」、「０．６－０．９」及び「１．０」の４項目に分類される。また、縦方向は変動後の日照時間Ｈａｆｔｅｒを示し、「０．０」から「１．０」まで「０．１」刻みで１１項目に分類される。図３に示すように、日照時間変動確率テーブル１１３は、変動前の日照時間Ｈｂｅｆｏｒｅが１時間過ぎた後に変動後の日照時間Ｈａｆｔｅｒへ変動する条件付確率Ｐ（Ｈａｆｔｅｒ｜Ｈｂｅｆｏｒｅ）を格納する。なお、条件付確率Ｐは、０～１で表される値である。
　図３に示すように、日照時間変動確率テーブル１１３は、例えば、日照時間Ｈｂｅｆｏｒｅ「０．０」から１時間後に日照時間Ｈａｆｔｅｒ「０．０」へ変動する条件付確率Ｐが「０．８６」であることを格納する。また、日照時間変動確率テーブル１１３は、日照時間Ｈｂｅｆｏｒｅ「０．１－０．５」から１時間後に日照時間Ｈａｆｔｅｒ「０．３」へ変動する条件付確率Ｐが「０．０７」であることを格納する。また、日照時間変動確率テーブル１１３は、他の条件付確率Ｐについても同様に格納する。なお、図３に示した日照時間変動確率テーブル１１３のデータ構造は一例であり、これに限定されるものではない。例えば、変動前の日照時間Ｈｂｅｆｏｒｅを「０．０」から「１．０」まで「０．１」刻みで１１項目に分類するようにしても良い。
　出力変動データ１１４は、太陽光発電による発電量を要素とする時系列データである。例えば、出力変動データ１１４は、一日における各時間帯と発電量とを対応づけたデータである。この出力変動データ１１４は、例えば、後述する需給シナリオ生成部１２２により生成され、記憶部１１０に格納される。例えば、出力変動データ１１４は、一日の時間帯ごとの太陽光発電による発電量の推移を示す出力変動シナリオを含む。この出力変動シナリオについては、説明を後述する。
　需給データ１１５は、蓄電池を運用する電力網内の電力需要と、太陽光発電による出力との差を要素とする時系列データである。例えば、需給データ１１５は、与えられた初期状態に対してその後に起こり得る需給電力量の推移を示す需給シナリオの集合である。需給データ１１５は、例えば、後述する需給シナリオ生成部１２２により生成され、記憶部１１０に格納される。なお、需給シナリオについては、説明を後述する。
　最適運転評価テーブル１１６は、複数のシナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画（以下「最適運転計画」と称する）を記憶する。例えば、最適運転評価テーブル１１６は、需給シナリオと、最適運転計画による評価値と、最適な制御パラメータとを対応づけて記憶する。このうち、最適運転評価テーブル１１６の「需給シナリオ」は、需給シナリオを識別する識別情報を示す。また、最適運転計画による評価値は、需給シナリオについて様々な制御パラメータで蓄電池を運用した場合のシミュレーションを行い、シミュレーション結果から得られた評価値のうち、最良の評価値を示す。例えば、評価値は、電力需要が所定の電力値を超えた場合に放電するピークカット方式により蓄電池が運転される場合には、ピークカット効果が用いられる。この所定の電力値は、放電基準値とも称する。また、最適な制御パラメータは、最適運転計画による評価値が得られる蓄電池の制御パラメータを示す。例えば、制御パラメータは、ピークカット方式により蓄電池が運転される場合には、放電基準値が用いられる。なお、評価値は、ピークカット効果に限定されるものではなく、例えば、環境負荷低減効果、コスト削減効果、あるいはこれらの値の組み合わせなどを評価値として用いても良い。また、制御パラメータは、放電基準値に限定されるものではない。例えば、一定放電方式により蓄電池が運転される場合には、放電すべき時間帯と放電量との組み合わせが制御パラメータとなる。また、例えば、余剰電力吸収方式により蓄電池が運転される場合には、蓄電池の初期電力量が制御パラメータとなる。以下では、ピークカット方式により蓄電池が運転され、評価値としてピークカット効果が用いられる場合を説明する。
　ここで、ピークカット効果について説明する。ピークカット効果は、ピークカット方式により蓄電池が運転された場合の効果を示す評価値であり、デマンド値をどれだけ下げることができたかで評価される値である。例えば、ピークカット効果は、下記の式（１）で表される。
　（ピークカット効果）＝（ピークカット対策なしデマンド値）－（ピークカット対策ありデマンド値）・・・（１）
　なお、デマンド値は、３０分ごとの平均使用電力［ｋＷ］に対応し、例えば、シミュレーションによって算出した値を用いる。例えば、デマンド値は、下記の式（２）で表される。
　（デマンド値［ｋＷ］）＝（３０分間の使用電力量［ｋＷｈ］）×２・・・（２）
　図４は、ピークカット効果について説明するための図である。図４の横軸は時間を示し、縦軸は電力量［ｋＷｈ］を示す。図４を用いて、シミュレーションによってピークカット効果を算出する場合を説明する。図４に示すように、需給状況４ａは、シミュレーションによって得られたピークカット対策なしの需給状況を示す。需給状況４ａの３０分間の最大使用電力量は１５７ｋＷｈであるので、デマンド値４ｂは１５７×２＝３１４ｋＷとなる。ここで、ピークカット制御により蓄電池を運転することで、デマンド値４ｂをデマンド値４ｃに下げることに成功した場合には、需給状況４ａは需給状況４ｄに改善される。このデマンド値４ｃは１１８×２＝２３６ｋＷであるので、ピークカット効果４ｅは３１４－２３６＝７８ｋＷとなる。なお、需給状況は、下記の式（３）で表される。
　（需給状況［ｋＷｈ］）＝（需要電力量［ｋＷｈ］）＋（太陽光発電量［ｋＷｈ］）－（蓄電池放電量［ｋＷｈ］（又は、蓄電池充電量））・・・（３）
　図５は、最適運転評価テーブルの一例を示す図である。例えば、最適運転評価テーブル１１６は、需給シナリオ「１」と、最適運転計画による評価値「３６」と、最適な制御パラメータ「２７８」とを対応づけて記憶する。つまり、最適運転評価テーブル１１６は、需給シナリオ「１」に対して最良の放電基準値は２７８ｋＷであり、この放電基準値で蓄電池を運転した場合のピークカット効果が３６ｋＷであることを示す。また、最適運転評価テーブル１１６は、他の需給シナリオについても同様に、需給シナリオと、最適運転計画による評価値と、最適な制御パラメータとを対応づけて記憶する。なお、最適運転計画による評価値は、第１の評価値の一例である。また、式（３）において、蓄電池充電量を用いる場合には、該当する項は＋の項になる。
　図６は、当初運転計画テーブルの一例を示す図である。当初運転計画テーブル１１７は、当初運転計画と、制御パラメータとを対応づけて記憶する。このうち、当初運転計画テーブル１１７の「当初運転計画」は、当初運転計画の候補を識別する識別情報を示す。また、「制御パラメータ」は、当初運転計画の制御パラメータを示す。例えば、制御パラメータは、ピークカット方式により蓄電池が運転される場合には、放電基準値に対応する。
　例えば、当初運転計画テーブル１１７は、当初運転計画「１」と、制御パラメータ「５０」とを対応づけて記憶する。つまり、当初運転計画テーブル１１７は、当初運転計画「１」の放電基準値が５０ｋＷであることを示す。また、当初運転計画テーブル１１７は、他の当初運転計画の候補についても同様に、当初運転計画と、制御パラメータとを対応づけて記憶する。
　図７は、修正運転評価テーブルの一例を示す図である。修正運転評価テーブル１１８は、当初運転計画と、需給シナリオと、当初運転計画に対する最適修正運転計画の評価値とを対応づけて記憶する。このうち、修正運転評価テーブル１１８の「当初運転計画」は、当初運転計画の候補を識別する識別情報を示す。また、「需給シナリオ」は、需給シナリオを識別する識別情報を示す。また、「当初運転計画Ｐに対する最適修正運転計画の評価値」は、対応する当初運転計画について、修正時点以降の最適な運転計画を示す最適修正運転計画で蓄電池が運転された場合の評価値を需給シナリオごとに示す。
　例えば、修正運転評価テーブル１１８は、当初運転計画「１」と、需給シナリオ「１」と、当初運転計画Ｐに対する最適修正運転計画の評価値「３４」とを対応づけて記憶する。つまり、修正運転評価テーブル１１８は、需給シナリオ「１」に対して当初運転計画「１」で蓄電池が運転された後に最適修正運転計画で蓄電池が運転された場合の評価値が「３４」であることを示す。また、修正運転評価テーブル１１８は、当初運転計画「１」について、他の需給シナリオと、他の当初運転計画に対する最適修正運転計画の他の評価値とを対応づけて記憶する。このように、修正運転評価テーブル１１８は、一つの当初運転計画に対して、複数の需給シナリオと、複数の当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。そして、修正運転評価テーブル１１８は、他の当初運転計画についても同様に、当初運転計画と、需給シナリオと、当初運転計画に対する最適修正運転計画の評価値とを対応づけて記憶する。なお、当初運転計画に対する最適修正運転計画の評価値は、第２の評価値の一例である。
　図８は、対応力評価テーブルの一例を示す図である。対応力評価テーブル１１９は、当初運転計画と、需給シナリオと、当初運転計画に対する対応力評価とを対応づけて記憶する。このうち、対応力評価テーブル１１９の「当初運転計画」は、当初運転計画の候補を識別する識別情報を示す。また、「需給シナリオ」は、需給シナリオを識別する識別情報を示す。また、「当初運転計画に対する対応力評価」は、対応する当初運転計画について、需給シナリオごとに算出されるリグレット値を示す。このリグレット値は、各需給シナリオに対する最適修正運転計画の評価値が、各シナリオに対する最適な運転計画による評価値にどれだけ近づくかという観点から評価される値であり、リグレット値が低いほど高い対応力であることを示す。
　例えば、対応力評価テーブル１１９は、当初運転計画「１」と、需給シナリオ「１」と、当初運転計画に対する対応力評価「２」とを対応づけて記憶する。つまり、対応力評価テーブル１１９は、需給シナリオ「１」に対して当初運転計画「１」で蓄電池が運転された場合の対応力の評価値が「２」であることを示す。また、対応力評価テーブル１１９は、当初運転計画「１」について、他の需給シナリオと、他の需給シナリオに対する対応力評価とを対応づけて記憶する。このように、対応力評価テーブル１１９は、一つの当初運転計画に対して、複数の需給シナリオと、複数の対応力評価とを対応づけて記憶する。そして、対応力評価テーブル１１９は、他の当初運転計画についても同様に、当初運転計画と、需給シナリオと、当初運転計画に対する対応力評価とを対応づけて記憶する。
　図１の説明に戻る。制御部１２０は、受付部１２１と、需給シナリオ生成部１２２と、最適評価値算出部１２３と、修正評価値算出部１２４と、対応力算出部１２５と、最適計画選択部１２６と、出力部１２７とを有する。
　受付部１２１は、入力装置１０１から各種情報を受け付ける。例えば、受付部１２１は、需要データ１１１ａ及び日射量データ１１２を入力装置１０１から受け付けて、受け付けた需要データ１１１ａ及び日射量データ１１２を記憶部１１０に格納する。
　また、例えば、受付部１２１は、運転計画作成において考慮すべき日射量変動の範囲を特定する条件として、開始時刻ｔ０と、終了時刻ｔ＿ｅと、初期日照時間ｈ０と、時間刻み幅Δｔとを入力装置１０１から受け付ける。ここで、開始時刻ｔ０及び終了時刻ｔ＿ｅは、天候の変動の影響により、考慮すべき程度以上に発電出力が変動する可能性がある時間帯、すなわち、晴天時であれば十分な発電出力が期待できる時間帯の開始時刻及び終了時刻にそれぞれ対応する。例えば、開始時刻ｔ０は９時であり、終了時刻ｔ＿ｅは１５時である。また、初期日照時間ｈ０は、当初運転計画の作成対象となる日の開始時刻ｔ０における日射量であり、例えば、前日の天気予報によって予想される開始時刻ｔ０における天候に基づいて算出される。例えば、開始時刻ｔ０における天候が「晴れ」と予想される場合には、初期日照時間ｈ０は「１」である。なお、ここでは、受付部１２１が初期日照時間ｈ０を受け付ける場合を説明したが、これに限定されるものではない。例えば、受付部１２１は、初期日射量を受け付けても良い。そして、日射量を日照時間に変換することで、初期日照時間ｈ０が算出される。この変換には、例えば、各月ごとの日照時間と日射量との間の相関関係を用いる。具体的には、日照時間と日射量との回帰分析を行い、得られた回帰直線の式を用いることで、日照時間を算出する。また、時間刻み幅Δｔは、日射量データ１１２に記録された日照時間の時間間隔に対応する。例えば、時間刻み幅Δｔは、１時間である。そして、受付部１２１は、受け付けた開始時刻ｔ０と、終了時刻ｔ＿ｅと、初期日照時間ｈ０と、時間刻み幅Δｔとを需給シナリオ生成部１２２に出力する。
　需給シナリオ生成部１２２は、需給電力値の推移の可能性を示す複数のシナリオを生成する。例えば、需給シナリオ生成部１２２は、日射量データ１１２に基づいて単位時間当たりの天候変動をマルコフ過程としてモデル化した天候変動モデルを構築する。需給シナリオ生成部１２２は、構築した天候変動モデルに基づいてモンテカルロシミュレーションを行うことで、複数の出力変動シナリオＯを発生する。そして、需給シナリオ生成部１２２は、複数の出力変動シナリオＯと、需要データ１１１ａによって示される需要変動シナリオとの差をとることで、複数の需給シナリオを生成する。ここで、需給シナリオとは、蓄電池を運用する電力網内の電力需要と、太陽光発電による出力との差を要素とする時系列データである。なお、需給シナリオ生成部１２２は、生成部の一例である。また、需給電力値は、蓄電池を運用する電力網内の電力需要と、太陽光発電による出力との差に対応し、需給差、又は需給バランスとも称される。また、需給シナリオは、シナリオの一例である。
　以下において、需給シナリオ生成部１２２が実行する処理について詳細に説明する。例えば、需給シナリオ生成部１２２は、日射量データ１１２から日照時間変動確率テーブル１１３を生成する。具体的には、需給シナリオ生成部１２２は、ある時刻の日照時間がその直前の時刻の日照時間の影響を受けるものと仮定して、単位時間ごとの日照時間の変動をマルコフ過程としてモデル化する。ここで、需給シナリオ生成部１２２が日照時間の変動をマルコフ過程としてモデル化できるのは、日照時間が雲の影響を受け、曇の量や密度などの状態が時間に伴って連続的に変化すると考えられるからである。すなわち、雲の状態の連続的な変化を捉えられる程度の時間間隔で計測された日照時間は、直前の時刻の天候の影響を受けるものと考えられるからである。
　図９は、天候変動モデルを説明するための図である。例えば、図９に示すように、需給シナリオ生成部１２２は、天候を晴れ、曇り、雨の３種類に分類する。そして、需給シナリオ生成部１２２は、現在の天候から１時間後の天候（晴れ、曇り、雨の３種類）に変動する確率を、過去の天候が記録されたデータから算出することで、天候変動モデルを生成する。需給シナリオ生成部１２２は、１時間毎に天候変動モデルを繰り返し適用することで、一日の天候変動の可能性を示すシナリオを複数出力する。なお、図９に示した天候変動モデルは一例である。より詳細には、需給シナリオ生成部１２２は、天候を日照時間によって分類し、それぞれの日照時間の後にどのように日照時間が変化するかをモデル化している。
　例えば、需給シナリオ生成部１２２は、日射量データ１１２に基づいて、日照時間Ｈｂｅｆｏｒｅが単位時間過ぎた後に日照時間Ｈａｆｔｅｒへ変動する条件付確率Ｐ（Ｈａｆｔｅｒ｜Ｈｂｅｆｏｒｅ）を、下記の式（４）を用いて計算する。
　Ｐ（Ｈａｆｔｅｒ｜Ｈｂｅｆｏｒｅ）＝（日照時間Ｈｂｅｆｏｒｅの後に日照時間Ｈａｆｔｅｒが出現するデータ数）/（日照時間Ｈｂｅｆｏｒｅが出現するデータ数）・・・（４）
　上記の式を利用して過去の日射量データ１１２から条件付確率Ｐ（Ｈａｆｔｅｒ｜Ｈｂｅｆｏｒｅ）を計算することで、需給シナリオ生成部１２２は、図３に示した日照時間変動確率テーブル１１３を生成する。
　例えば、需給シナリオ生成部１２２は、生成した日照時間変動確率テーブル１１３に基づいて、複数の出力変動シナリオを生成する。具体的には、需給シナリオ生成部１２２は、開始時刻ｔ０と、終了時刻ｔ＿ｅと、初期日照時間ｈ０と、時間刻み幅Δｔとを受付部１２１から受け付ける。需給シナリオ生成部１２２は、初期日照時間ｈ０を初期値とし、開始時刻ｔ０から終了時刻ｔ＿ｅまでに対して単位時間ごとに日照時間変動確率テーブル１１３を適用することで、確率的にＮパターンの日射量変動シナリオをモンテカルロシミュレーションによって発生する。なお、Ｎは、十分に大きい自然数であり、例えば、１００００である。
　例えば、需給シナリオ生成部１２２は、一様乱数ｒを発生させ、ｘ以下の条件付確率Ｐ（ｘ｜Ｈ（ｔ））の積算値がｒより大きくなる最小のｘをＨ（ｔ＋Δｔ）とする。例えば、需給シナリオ生成部１２２は、日照時間Ｈ（ｔ）が「０．１」の場合には、図３に示した日照時間変動確率テーブル１１３の変動前の日照時間が「０．１－０．５」の列を参照する。そして、需給シナリオ生成部１２２は、発生した乱数が「ｒ＜０．４５」の場合には、「Ｈ（ｔ＋Δｔ）＝０．０」を取得し、乱数が「０．４５≦ｒ＜０．６」の場合には、「Ｈ（ｔ＋Δｔ）＝０．１」を取得する。このように、需給シナリオ生成部１２２は、開始時刻ｔ０から終了時刻ｔ＿ｅまでの間に、時間刻み幅Δｔごとに変動する日照時間Ｈ（ｔ＋Δｔ）を取得する。そして、需給シナリオ生成部１２２は、上述した日照時間と日射量と間の相関関係を用いて、取得した日照時間Ｈ（ｔ＋Δｔ）を日射量Ｉ（ｔ＋Δｔ）に変換する。そして、需給シナリオ生成部１２２は、開始時刻ｔ０から終了時刻ｔ＿ｅまでの日射量Ｉ（ｔ）の変動を、日射量変動シナリオＩとして生成する。また、需給シナリオ生成部１２２は、同様の処理を繰り返し実行することで、Ｎパターンの日射量変動シナリオＩを生成する。なお、Ｎは、十分に大きい自然数であり、例えば、１００００である。
　図１０は、日射量変動シナリオの一例を示す図である。図１０の横軸は時間を示し、縦軸は日射量［ＭＪ／ｍ２］を示す。日射量変動シナリオＩのうち９時から１６時までの時間帯は、９時から１６時までの日射量の変動を示す日射量変動シナリオＩであり、Ｎパターンのシナリオを含む。また、０時から９時までの時間帯及び１６時から２４時までの時間帯は、過去の日射量データ１１２に基づいて生成される部分であり、１パターンのシナリオを含む。
　例えば、需給シナリオ生成部１２２は、生成した日射量変動シナリオＩに基づいて、太陽光発電における出力変動シナリオＯを生成する。例えば、需給シナリオ生成部１２２は、日射量変動シナリオＩに含まれる日射量Ｉ（ｔ）［ＭＪ／ｍ２］を太陽光発電による発電量Ｏ（ｔ）［ｋＷｈ］に変換する。この変換は、例えば、パネルの規模や種類、気温などによって変化する変換効率に日射量を対応づけて発電量を見積もることによって行う。このように、需給シナリオ生成部１２２は、日射量変動シナリオＩに含まれる日射量Ｉ（ｔ）から発電量Ｏ（ｔ）を算出することで、開始時刻ｔ０から終了時刻ｔ＿ｅまでのシナリオを生成する。また、例えば、需給シナリオ生成部１２２は、太陽光発電の発電量の過去のデータを参照し、各時間帯における発電量の平均値を算出することで、０時から開始時刻ｔ０までの発電量及び終了時刻ｔ＿ｅから２４時までのシナリオを生成する。そして、需給シナリオ生成部１２２は、開始時刻ｔ０から終了時刻ｔ＿ｅまでのシナリオと、０時から開始時刻ｔ０までの発電量及び終了時刻ｔ＿ｅから２４時までのシナリオとを組み合わせることで、一日の出力変動シナリオＯを生成する。また、需給シナリオ生成部１２２は、生成した出力変動シナリオＯを出力変動データ１１４として記憶部１１０に格納する。なお、ここでは、変換効率を用いる場合を説明したが、これに限定されるものではない。例えば、日射量Ｉ（ｔ）と発電量Ｏ（ｔ）と間の相関関係を用いても良い。具体的には、日射量Ｉ（ｔ）と発電量Ｏ（ｔ）との回帰分析を行い、得られた回帰直線の式に日射量Ｉ（ｔ）を代入することで発電量Ｏ（ｔ）を算出する。
　例えば、需給シナリオ生成部１２２は、複数の出力変動シナリオＯと、図２に示した需要変動シナリオとの差をとることで、複数の需給シナリオを生成する。例えば、需給シナリオ生成部１２２は、需要変動シナリオにおける各時間帯の需要電力値から、出力変動シナリオＯにおいて対応する時間帯の発電量を減算することで、需給シナリオを生成する。つまり、この需給シナリオは、蓄電池に対する需要電力量の指標となる。
　図１１は、需給シナリオの一例を示す図である。図１１の横軸は時間を示し、縦軸は電力量［ｋＷｈ］を示す。この電力量が多いほど、需要が多いことを示す。図１１に示すように、需給シナリオは、一日の時間帯ごとの需給電力量の推移を示す。例えば、需給シナリオ生成部１２２は、Ｍパターンの需要変動シナリオとＮパターンの出力変動シナリオとを用いた場合には、Ｍ×Ｎパターンの需給シナリオを生成する。また、需給シナリオ生成部１２２は、生成した需給シナリオを需給データ１１５として記憶部１１０に格納する。
　図１の説明に戻る。最適評価値算出部１２３は、複数のシナリオごとに、蓄電池を運転した場合の評価値が最良の評価値となる運転計画を算出し、その最良の評価値を各シナリオに対する第１の評価値として記録する。例えば、最適評価値算出部１２３は、需給シナリオ生成部１２２により生成された需給シナリオのそれぞれに対して、シミュレーションによる評価値が最良となる運転計画である最適運転計画を作成する。そして、最適評価値算出部１２３は、需給シナリオと、最適運転計画による評価値と、最良の評価値を示した最適な制御パラメータとを対応づけて、図５に示した最適運転評価テーブル１１６に格納する。なお、最適評価値算出部１２３は、第１の算出部の一例である。
　以下において、最適評価値算出部１２３が行う最適運転計画作成処理について詳細に説明する。ここでは、蓄電池がピークカット方式により運転される場合を説明する。例えば、最適評価値算出部１２３は、需給シナリオ生成部１２２により生成された需給シナリオを一つずつ選択し、以下の処理を行う。最適評価値算出部１２３は、選択した需給シナリオについて、様々な放電基準値を適用してシミュレーションを行って評価値を算出する。この放電基準値は、例えば、制御パラメータの探索範囲に含まれる放電基準値を、所定の刻み幅で順に適用する。そして、評価値が最良になる放電基準値を最適運転計画として選択する。ここで、制御パラメータの探索範囲について説明する。
　図１２は、制御パラメータの探索範囲について説明するための図である。図１２の横軸は時間を示し、縦軸は電力量［ｋＷｈ］を示す。図１２には、図１１に示した需給シナリオに対する制御パラメータの探索範囲を示す。ピークカット方式により蓄電池が運転される場合には、放電基準値は需給シナリオの最大デマンド値を超えない正の値である。このため、図１２に示す例では、最適評価値算出部１２３は、最大デマンド値１２ａから電力値０ｋＷまでの範囲を探索範囲１２ｂとして用いる。つまり、最適評価値算出部１２３は、探索範囲１２ｂから任意の電力値を放電基準値として選択し、選択した放電基準値をシミュレーションに用いる。なお、例えば、放電基準値１２ｃは１２５ｋＷであり、放電基準値１２ｄは１００ｋＷであり、放電基準値１２ｅは７５ｋＷである。
　例えば、最適評価値算出部１２３は、探索範囲１２ｂに含まれる放電基準値のうち最も高い放電基準値１５７ｋＷを選択し、選択した放電基準値１５７ｋＷで蓄電池を運転した場合のシミュレーションを行う。最適評価値算出部１２３は、次の放電基準値として、刻み幅１ｋＷ低い値を選択し、同様にシミュレーションを行うという処理を、探索範囲１２ｂの下限まで繰り返す。最適評価値算出部１２３は、シミュレーションで得られた放電基準値のうち最良のピークカット効果を示す放電基準値を最適運転計画として選択する。そして、最適評価値算出部１２３は、需給シナリオと、最良のピークカット効果と、最良のピークカット効果を示す放電基準値とを対応づけて、最適運転評価テーブル１１６に格納する。なお、最良のピークカット効果は最適運転計画による評価値に対応し、最良のピークカット効果を示す放電基準値は最適な制御パラメータに対応する。また、最適評価値算出部１２３は、他の需給シナリオについても同様の処理を実行することで、最適運転評価テーブル１１６を生成する。なお、最適評価値算出部１２３が行う最適運転計画の探索処理は、上記の方法に限定されるものではない。例えば、探索範囲１２ｂに含まれる放電基準値のうち最も低い放電基準値０ｋＷから順に、１ｋＷ間隔で放電基準値を選択するようにしても良い。また、例えば、放電基準値を５ｋＷ間隔で選択するようにしても良い。あるいは、Particle　Swarm　Optimizationや遺伝的アルゴリズムなどの最適化アルゴリズムを用いて、最適計画を探索しても良い。
　修正評価値算出部１２４は、複数の運転計画候補を作成し、それぞれの運転計画候補について、各シナリオに対してその運転計画候補で計画修正時刻まで前記蓄電池を運転した場合に得られる第２の評価値を算出する。例えば、修正評価値算出部１２４は、当初運転計画の候補を複数作成する。そして、修正評価値算出部１２４は、作成した当初運転計画について、その計画で修正時点まで蓄電池を運転し、その後の状態（蓄電池残量）で、修正時点以降の最適な運転計画を示す最適修正運転計画で蓄電池が運転された場合の評価値を、需給シナリオごとに算出する。なお、修正評価値算出部１２４は、第２の算出部の一例である。
　以下において、修正評価値算出部１２４が行う処理について詳細に説明する。まず、修正評価値算出部１２４は、当初運転計画の候補を作成する。例えば、修正評価値算出部１２４は、図５に示した最適運転評価テーブル１１６の最適な制御パラメータのうち最小値から最大値の範囲で当初運転計画の候補を作成する。これは、ピークカット方式により蓄電池が運転される場合には、各需給シナリオに対するピークカット効果は、放電基準値がその需給シナリオに対して最適な放電基準値から乖離するに従って減少し、一定以上乖離すると０になるという性質があるからである。例えば、修正評価値算出部１２４は、５０ｋＷから１０ｋＷ間隔で１５０ｋＷまでの放電基準値を当初運転計画の候補として作成する。そして、修正評価値算出部１２４は、当初運転計画と制御パラメータとを対応づけて、図６に示した当初運転計画テーブル１１７に格納する。なお、当初運転計画の候補は当初運転計画に対応し、放電基準値は制御パラメータに対応する。なお、当初運転計画の候補の作成方法は、上記の方法に限定されるものではない。例えば、修正評価値算出部１２４は、図１２に示した探索範囲１２ｂで任意に作成しても良い。
　次に、修正評価値算出部１２４は、各当初運転計画候補について、最適な修正運転計画を作成する。例えば、修正評価値算出部１２４は、各需給シナリオについて当初運転計画候補で蓄電池が運用された場合のシミュレーションを行う。修正評価値算出部１２４は、シミュレーション結果から蓄電池が修正時刻まで運用された場合の蓄電池残量を算出する。そして、算出した蓄電池残量を蓄電池の初期残量として、修正時刻から運転終了時刻まで運転した場合に最良の評価値となる最適な運転計画を作成し、当初運転計画候補とシナリオの組み合わせに対する最適修正運転計画として記録する。この最適修正運転計画作成処理は、前記の最適評価値算出部１２３が行う最適運転計画作成処理と同様の手順で実施する。
　次に、修正評価値算出部１２４は、修正時刻までは当初運転計画候補で、修正時刻以降は最適修正運転計画で、蓄電池を運転した場合の評価値を算出し、その評価値を、当初運転計画候補と各シナリオの組み合わせに対する第２の評価値として、図７に示した修正運転評価テーブル１１８に格納する。また、修正評価値算出部１２４は、他の当初運転計画についても同様に処理を実行する。あるいは、Particle　Swarm　Optimizationや遺伝的アルゴリズムなどの最適化アルゴリズムを用いて、最適計画を探索しても良い。
　対応力算出部１２５は、複数の運転計画候補ごとに、各シナリオについて第１の評価値と第２の評価値との差分を算出する。例えば、対応力算出部１２５は、図５の最適運転評価テーブル１１６に示した最適運転計画による評価値と、図７の修正運転評価テーブル１１８に示した当初運転計画Ｐに対する最適修正運転計画の評価値との差分を算出することで、対応力を評価する。すなわち、対応力算出部１２５は、各需給シナリオに対する最適修正運転計画の評価値が、各シナリオに対する最適な運転計画による評価値にどれだけ近づくかという観点から、対応力を評価する。なお、対応力算出部１２５は、第３の算出部の一例である。
　例えば、対応力算出部１２５は、下記の式（５）を用いて、リグレット値を算出する。例えば、対応力算出部１２５は、リグレット値が低いほど高い対応力であると評価する。
　（リグレット値）＝（最適運転計画による評価値）－（当初運転計画に対する最適修正運転計画の評価値）・・・（５）
　例えば、対応力算出部１２５は、当初運転計画と、需給シナリオと、当初運転計画に対する対応力評価とを対応づけて、図８に示した対応力評価テーブル１１９に格納する。なお、リグレット値は、当初運転計画に対する対応力評価に対応する。対応力算出部１２５は、他の当初運転計画についても同様に処理を実行する。
　最適計画選択部１２６は、第１の評価値と第２の評価値との差分に基づいて、複数の運転計画から蓄電池の運転計画を選択する。例えば、最適計画選択部１２６は、当初運転計画の候補ごとにリグレット値の分布を集計し、集計したリグレット値の分布に基づいて、当初運転計画を選択する。なお、最適計画選択部１２６は、選択部の一例である。
　図１３～図１５は、リグレット値の分布の一例を示す図である。図１３～図１５の横軸はリグレット値を示し、縦軸はリグレット値に対応する需給シナリオの割合を示す。図１３には、当初運転計画Ａのリグレット値の分布を例示する。図１３に示すように、当初運転計画Ａは、最良のリグレット値が２１であり、最悪のリグレット値が４２である。図１４には、当初運転計画Ｂのリグレット値の分布を例示する。図１４に示すように、当初運転計画Ｂは、最良のリグレット値が０であり、最悪のリグレット値が７である。図１５には、当初運転計画Ｃのリグレット値の分布を例示する。図１５に示すように、当初運転計画Ｃは、最良のリグレット値が０であり、最悪のリグレット値が１９である。
　ここで、図１３に示した当初運転計画Ａと、図１４に示した当初運転計画Ｂとをワルド基準で比較する場合を説明する。このワルド基準とは、それぞれの運転計画にとって最悪のシナリオにおける評価値（最悪評価値）が最良の運転計画を選択するという基準である。当初運転計画Ａは、最良のリグレット値が２１であるのに対して、当初運転計画Ｂは、最悪でもリグレット値が７である。したがって、当初運転計画Ｂは、どの需給シナリオを想定しても、当初運転計画Ａと比較して最適に近い効果が期待できる対応力の高い運転計画である。このため、最適計画選択部１２６は、ワルド基準で比較した場合には、当初運転計画Ｂを選択する。なお、このようにリグレット値をワルド基準で選択する場合、サベッジの基準又はミニマックス損失基準という。
　また、図１４に示した当初運転計画Ｂと、図１５に示した当初運転計画Ｃとをワルド基準で比較する場合を説明する。当初運転計画Ｃは、当初運転計画Ｂに比べ、平均リグレット値は低いものの、高いリグレット値をとる需給シナリオが少数存在する運転計画である。すなわち、当初運転計画Ｃは、当初運転計画Ｂに比べ、発生確率が高い需給シナリオにおいて最適な運転計画と近い効果を期待できる一方、稀に大きな損失が発生する可能性がある運転計画であると言える。したがって、当初運転計画Ｂは、どの需給シナリオを想定しても、当初運転計画Ｃと比較して最適に近い効果が期待できる対応力の高い運転計画である。このため、最適計画選択部１２６は、ワルド基準で比較した場合には、当初運転計画Ｂを選択する。なお、最適計画選択部１２６が当初運転計画を選択する基準は、ワルド基準に限定されるものではない。例えば、最適計画選択部１２６は、平均リグレット値が最良のものを選択するという基準で当初運転計画を選択しても良い。この場合、最適計画選択部１２６は、平均リグレット値が当初運転計画Ｂよりも低い当初運転計画Ｃを選択する。また、例えば、最適計画選択部１２６は、リグレット値の分散が最小のものを選択するという基準で当初運転計画を選択しても良い。この場合、最適計画選択部１２６は、当初運転計画Ｂ及びＣのリグレット値の分散をそれぞれ算出し、算出したリグレット値の分散をそれぞれ比較する。ここで、当初運転計画Ｂのリグレット値の分散が最小である場合には、最適計画選択部１２６は、当初運転計画Ｂを選択する。また、例えば、最適計画選択部１２６は、上述した選択基準を組み合わせて用いても良い。例えば、最適計画選択部１２６は、最悪のリグレット値が所定値を下回り、かつ、平均リグレット値が所定値を上回る当初運転計画を選択するようにしても良い。
　出力部１２７は、出力装置１０２に各種情報を出力する。例えば、出力部１２７は、最適計画選択部１２６により選択された最良の当初運転計画を出力装置１０２に出力する。なお、出力部１２７が出力する情報は、最良の当初運転計画のみに限定されるものではない。例えば、出力部１２７は、最適計画選択部１２６により選択された当初運転計画とともに需給シナリオを出力する。
　次に、実施例１に係る運転計画作成装置１００の処理手順について説明する。図１６は、運転計画作成装置の処理手順を示すフローチャートである。図１６に示す処理は、例えば、受付部１２１が開始時刻ｔ０と、終了時刻ｔ＿ｅと、初期日照時間ｈ０と、時間刻み幅Δｔとを受け付けたことを契機として実行される。
　図１６に示すように、需給シナリオ生成部１２２は、複数の需給シナリオを生成する（ステップＳ１０２）。
　ここで、図１７を用いて、図１６のステップＳ１０２に示した需給シナリオの生成処理の処理手順について説明する。図１７は、需給シナリオの生成処理の処理手順を示すフローチャートである。
　図１７に示すように、需給シナリオ生成部１２２は、日射量データ１１２から日照時間変動確率テーブル１１３を生成する（ステップＳ２０１）。需給シナリオ生成部１２２は、時刻ｔ、日射量Ｉを初期化する（ステップＳ２０２）。つまり、需給シナリオ生成部１２２は、時刻ｔ＝ｔ０、日射量Ｉ（ｔ）＝ｈ０とする。
　需給シナリオ生成部１２２は、時間刻み幅Δｔ後の時刻の日射量Ｉ（ｔ＋Δｔ）を決定する（ステップＳ２０３）。需給シナリオ生成部１２２は、初期日照時間ｈ０を初期値とし、時間刻み幅Δｔ後の時刻の日照時間Ｈ（ｔ＋Δｔ）を取得する。需給シナリオ生成部１２２は、上述した日照時間と日射量との間の相関関係を用いて、取得した日照時間Ｈ（ｔ＋Δｔ）を日射量Ｉ（ｔ＋Δｔ）に変換する。
　需給シナリオ生成部１２２は、現在の時刻ｔに時間刻み幅Δｔを加算する（ステップＳ２０４）。需給シナリオ生成部１２２は、時刻ｔと終了時刻ｔ＿ｅとを比較し、ｔ＜ｔ＿ｅであるか否かを判定する（ステップＳ２０５）。ｔ＜ｔ＿ｅである場合には（ステップＳ２０５，Ｙｅｓ）、需給シナリオ生成部１２２は、ステップＳ２０３の処理に戻る。需給シナリオ生成部１２２は、日射量変動シナリオＩを発生するまで、ステップＳ２０３からステップＳ２０５までの処理を繰り返す。
　一方、ｔ＜ｔ＿ｅでない場合には（ステップＳ２０５，Ｎｏ）、需給シナリオ生成部１２２は、日射量変動シナリオＩに基づいて、出力変動シナリオＯを生成する（ステップＳ２０６）。なお、需給シナリオ生成部１２２は、Ｎパターンの出力変動シナリオＯを生成するまでステップＳ２０２からステップＳ２０６までの処理を繰り返す。そして、需給シナリオ生成部１２２は、Ｎパターンの出力変動シナリオＯと、Ｍパターンの需要変動シナリオとの差をとることで、Ｍ×Ｎパターンの需給シナリオを生成する（ステップＳ２０７）。
　図１６の説明に戻る。最適評価値算出部１２３は、需給シナリオ生成部１２２により生成された複数の需給シナリオそれぞれに対して、シミュレーションによる評価値が最良となる最適運転計画を作成する（ステップＳ１０３）。そして、最適評価値算出部１２３は、需給シナリオと、最適運転計画による評価値と、最良の評価値を示した最適な制御パラメータとを対応づけて、最適運転評価テーブル１１６に格納する。
　修正評価値算出部１２４は、当初運転計画の候補を作成する（ステップＳ１０４）。修正評価値算出部１２４は、作成した当初運転計画の候補について、修正時点以降の最適な運転計画を示す最適修正運転計画を作成する（ステップＳ１０５）。そして、修正評価値算出部１２４は、最適修正運転計画で蓄電池が運転された場合の評価値を需給シナリオごとに算出する。
　修正評価値算出部１２４は、終了条件を満たさない場合には（ステップＳ１０６，Ｎｏ）、ステップＳ１０４の処理に戻る。例えば、修正評価値算出部１２４は、作成した全ての当初運転計画の候補について処理を終了していない場合に、ステップＳ１０４の処理に戻る。また、例えば、修正評価値算出部１２４は、評価値を計算した当初運転計画の候補と需給シナリオとの組み合わせに基づいて、次に評価すべき有力な当初運転計画の候補が推定される場合には、ステップＳ１０４の処理に戻る。
　一方、終了条件を満たす場合には（ステップＳ１０６，Ｙｅｓ）、最適計画選択部１２６は、当初運転計画を選択する（ステップＳ１０７）。
　ここで、図１８を用いて、図１６のステップＳ１０７に示した当初運転計画の選択処理の処理手順について説明する。図１８は、当初運転計画の選択処理の処理手順を示すフローチャートである。
　図１８に示すように、対応力算出部１２５は、当初運転計画の各需給シナリオに対する対応力を計算する（ステップＳ３０１）。つまり、対応力算出部１２５は、最適運転評価テーブル１１６に記録した最適運転計画による評価値と、修正運転評価テーブル１１８に記録した当初運転計画Ｐに対する最適修正運転計画の評価値との差分を算出することで、対応力を評価する。
　最適計画選択部１２６は、当初運転計画の候補ごとに対応力の分布を集計する（ステップＳ３０２）。そして、最適計画選択部１２６は、集計した対応力の分布に基づいて、当初運転計画を選択する（ステップＳ３０３）。
　次に、実施例１に係る運転計画作成装置１００の効果について説明する。運転計画作成装置１００は、需給電力値の推移の可能性を示す複数のシナリオを生成する。運転計画作成装置１００は、シナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画を算出する。運転計画作成装置１００は、複数の運転計画候補ごとに、各シナリオに対してその計画で蓄電池を運転した場合に得られる第２の評価値を算出する。運転計画作成装置１００は、複数の運転計画候補ごとに、各シナリオについて第１の評価値と第２の評価値との差分を算出する。運転計画作成装置１００は、差分に基づいて、複数の運転計画から蓄電池の運転計画を選択する。このため、運転計画作成装置１００は、天候がどのように変動しても対応できる運転計画を作成することができる。すなわち、天候変動によって起こり得る需給電力値の推移の可能性を表現する複数のシナリオを用い、また、各シナリオに対する最良の評価値である第１の評価値を基準に、当初運転計画候補を評価しているので、その当初運転計画で修正時刻まで運転した後で、適切に運転計画を修正すれば、いずれのシナリオが実現しても、そのシナリオに対して最適な運転計画で当初から運転した場合に近い効果が得られるような、対応力の高い当初運転計画を選択できる。
　また、運転計画作成装置１００は、太陽光発電の出力が大きく変動する状況でも、過去の天候データにおける変動の発生確率に応じて発電出力変動シナリオに含めるようにモデル化し、需給シナリオを発生する。このため、運転計画作成装置１００は、太陽光発電による出力が急激に変動する可能性を含めて運転計画を評価し、評価の高い運転計画を選択できる。
　すなわち、例えば、従来技術ではピークカット方式で蓄電池を運転する場合に、蓄電池残量が少ないと、比較的小幅な短時間の出力低下にも対応できず、大きな損失を生ずることがあった。これに対して、運転計画作成装置１００は、このような小規模の出力低下の影響を含めて運転計画を評価できるので、太陽光発電による出力変動の影響を受けにくい対応力の高い運転計画を選択できる。
　また、例えば、運転計画作成装置１００は、選択した当初運転計画とともに需給シナリオを出力する。具体的には、運転計画作成装置１００は、選択した当初運転計画のうち、リグレット値が大きい方から所定割合に含まれる需給シナリオを抽出し、抽出した需給シナリオを出力する。このため、運転計画作成装置１００は、出力した需給シナリオについて、蓄電池の制御方式の改良や、蓄電池の残量不足を補完する予備発電設備の導入など、損失を回避する可能性を具体的に検討することを支援することができる。
　また、例えば、運転計画作成装置１００は、選択した当初運転計画に対して、リグレット値が大きい方から所定割合に含まれる需給シナリオを抽出し、抽出した需給シナリオを出力する。運転計画作成装置１００は、抽出した需給シナリオについて、選択された当初運転計画で修正時刻まで蓄電池を運転した場合の蓄電池残量を示す予想蓄電池残量を算出する。運転計画作成装置１００は、抽出した需給シナリオに対して最良の運転計画で修正時刻まで蓄電池を運転した場合の蓄電池残量を示す理想蓄電池残量を算出する。ここで、予想蓄電池残量と理想蓄電池残量との差分は、損失回避のために補完すべき電力の総量に相当する。このため、運転計画作成装置１００は、導入効果が期待できる予備発電設備の規模の概算見積もりを行うことができる。
　さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、その他の実施例にて実施されても良い。そこで、以下では、その他の実施例について説明する。
　例えば、上記の実施例では、ピークカット効果を用いて運転計画を評価する場合を説明したが、本発明はこれに限定されるものではない。例えば、環境負荷低減効果やコスト削減効果を用いて運転計画を評価しても良い。
　ここで、環境負荷低減効果について説明する。環境負荷低減効果は、太陽光発電や蓄電池の利用によりＣＯ２をどれだけ削減することができたかを評価するものである。例えば、環境負荷低減効果は、下記の式（６）で表される。
　（環境負荷低減効果）＝（昼の発電に対するＣＯ２換算係数）×（昼の使用電力削減量）－（夜の発電に対するＣＯ２換算係数）×（夜間電力使用量）・・・（６）
　なお、昼の発電に対するＣＯ２換算係数は、例えば、０．４６２［ｋｇ－ＣＯ２／ｋＷｈ］であり、夜の発電に対するＣＯ２換算係数は、例えば、０．４３５［ｋｇ－ＣＯ２／ｋＷｈ］である。これは、参考文献「温対法に基づく事業者別排出係数の算出方法等に係る検討会事務局「季時別平均排出係数の導入について（平成２１年３月２７日）」」に基づくものである。また、ここに示した換算係数は一例であり、任意の値を用いることができる。以下において、環境負荷低減効果を用いた場合の最適運転評価テーブル１１６と、修正運転評価テーブル１１８と、対応力評価テーブル１１９とを例示する。
　図１９は、環境負荷低減効果を用いた場合の最適運転評価テーブルの一例を示す図である。例えば、最適運転評価テーブル１１６は、需給シナリオ「１」と、最適運転計画による評価値「１７」と、最適な制御パラメータ「２７８」とを対応づけて記憶する。つまり、最適運転評価テーブル１１６は、需給シナリオ「１」に対して最良の放電基準値は２７８ｋＷであり、この放電基準値で蓄電池を運転した場合の環境負荷低減効果が１７ｋｇ－ＣＯ２であることを示す。また、最適運転評価テーブル１１６は、他の需給シナリオについても同様に、需給シナリオと、最適運転計画による評価値と、最適な制御パラメータとを対応づけて記憶する。
　図２０は、環境負荷低減効果を用いた場合の修正運転評価テーブルの一例を示す図である。例えば、修正運転評価テーブル１１８は、当初運転計画「１」と、需給シナリオ「１」と、当初運転計画Ｐに対する最適修正運転計画の評価値「１６」とを対応づけて記憶する。つまり、修正運転評価テーブル１１８は、需給シナリオ「１」に対して当初運転計画「１」で蓄電池が運転された後に、最適修正運転計画で蓄電池が運転された場合の環境負荷低減効果が１６ｋｇ－ＣＯ２であることを示す。また、修正運転評価テーブル１１８は、当初運転計画「１」について、他の需給シナリオと、他の当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。このように、修正運転評価テーブル１１８は、一つの当初運転計画に対して、複数の需給シナリオと、複数の当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。そして、修正運転評価テーブル１１８は、他の当初運転計画についても同様に、当初運転計画と、需給シナリオと、当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。
　図２１は、対応力評価テーブルの一例を示す図である。例えば、対応力評価テーブル１１９は、当初運転計画「１」と、需給シナリオ「１」と、当初運転計画Ｐに対する対応力評価「１」とを対応づけて記憶する。つまり、対応力評価テーブル１１９は、需給シナリオ「１」に対して当初運転計画「１」で蓄電池が運転された場合に、環境負荷低減効果の理想値との乖離が１ｋｇ－ＣＯ２であることを示す。また、対応力評価テーブル１１９は、当初運転計画「１」について、他の需給シナリオと、他の当初運転計画Ｐに対する対応力評価とを対応づけて記憶する。このように、対応力評価テーブル１１９は、一つの当初運転計画に対して、複数の需給シナリオと、複数の当初運転計画Ｐに対する対応力評価とを対応づけて記憶する。そして、対応力評価テーブル１１９は、他の当初運転計画についても同様に、当初運転計画と、需給シナリオと、当初運転計画Ｐに対する対応力評価とを対応づけて記憶する。
　このように、運転計画作成装置１００は、環境負荷低減効果を用いた場合にも、需給シナリオと、最適運転計画による評価値と、最良の評価値を示した最適な制御パラメータとを対応づけて、図１９に示した最適運転評価テーブル１１６に格納する。また、運転計画作成装置１００は、当初運転計画と、需給シナリオと、当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて、図２０に示した修正運転評価テーブル１１８に格納する。また、運転計画作成装置１００は、図１９の最適運転評価テーブル１１６に示した最適運転計画による評価値と、図２０の修正運転評価テーブル１１８に示した当初運転計画Ｐに対する最適修正運転計画の評価値との差分を算出することで、対応力を評価する。このため、運転計画作成装置１００は、天候がどのように変動しても最良の環境負荷低減効果に近い効果が得られる運転計画を作成することができる。
　また、コスト削減効果について説明する。コスト削減効果は、太陽光発電や蓄電池の利用によりコストをどれだけ削減することができたかを金額に換算して評価するものである。例えば、コスト削減効果は、下記の式（７）で表される。
　（コスト削減効果）＝（１ｋＷｈあたりの電力使用料金）×｛（対策前の使用電力量）－（対策後の使用電力量）｝＋｛（対策前の基本料金）－（対策後の基本料金）｝・・・（７）
　なお、基本料金は最大デマンド値から算出され、例えば、電力会社ごとに設定される料金である。以下において、コスト削減効果を用いた場合の最適運転評価テーブル１１６と、修正運転評価テーブル１１８と、対応力評価テーブル１１９とを例示する。
　図２２は、コスト削減効果を用いた場合の最適運転評価テーブルの一例を示す図である。例えば、最適運転評価テーブル１１６は、需給シナリオ「１」と、最適運転計画による評価値「３６」と、最適な制御パラメータ「２７８」とを対応づけて記憶する。つまり、最適運転評価テーブル１１６は、需給シナリオ「１」に対して最良の放電基準値は２７８ｋＷであり、この放電基準値で蓄電池を運転した場合のコスト削減効果が３６００万円であることを示す。また、最適運転評価テーブル１１６は、他の需給シナリオについても同様に、需給シナリオと、最適運転計画による評価値と、最適な制御パラメータとを対応づけて記憶する。
　図２３は、コスト削減効果を用いた場合の修正運転評価テーブルの一例を示す図である。例えば、修正運転評価テーブル１１８は、当初運転計画「１」と、需給シナリオ「１」と、当初運転計画Ｐに対する最適修正運転計画の評価値「３４」とを対応づけて記憶する。つまり、修正運転評価テーブル１１８は、需給シナリオ「１」に対して当初運転計画「１」で蓄電池が運転された後に、最適修正運転計画で蓄電池が運転された場合のコスト削減効果が３４００万円であることを示す。また、修正運転評価テーブル１１８は、当初運転計画「１」について、他の需給シナリオと、他の当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。このように、修正運転評価テーブル１１８は、一つの当初運転計画に対して、複数の需給シナリオと、複数の当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。そして、修正運転評価テーブル１１８は、他の当初運転計画についても同様に、当初運転計画と、需給シナリオと、当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて記憶する。
　図２４は、対応力評価テーブルの一例を示す図である。例えば、対応力評価テーブル１１９は、当初運転計画「１」と、需給シナリオ「１」と、当初運転計画Ｐに対する対応力評価「２」とを対応づけて記憶する。つまり、対応力評価テーブル１１９は、需給シナリオ「１」に対して当初運転計画「１」で蓄電池が運転された場合に、コスト削減効果の理想値との乖離が２００万円であることを示す。また、対応力評価テーブル１１９は、当初運転計画「１」について、他の需給シナリオと、他の当初運転計画Ｐに対する対応力評価とを対応づけて記憶する。このように、対応力評価テーブル１１９は、一つの当初運転計画に対して、複数の需給シナリオと、複数の当初運転計画Ｐに対する対応力評価とを対応づけて記憶する。そして、対応力評価テーブル１１９は、他の当初運転計画についても同様に、当初運転計画と、需給シナリオと、当初運転計画Ｐに対する対応力評価とを対応づけて記憶する。
　このように、運転計画作成装置１００は、コスト削減効果を用いた場合にも、需給シナリオと、最適運転計画による評価値と、最良の評価値を示した最適な制御パラメータとを対応づけて、図２２に示した最適運転評価テーブル１１６に格納する。また、運転計画作成装置１００は、当初運転計画と、需給シナリオと、当初運転計画Ｐに対する最適修正運転計画の評価値とを対応づけて、図２３に示した修正運転評価テーブル１１８に格納する。また、運転計画作成装置１００は、図２２の最適運転評価テーブル１１６に示した最適運転計画による評価値と、図２３の修正運転評価テーブル１１８に示した当初運転計画Ｐに対する最適修正運転計画の評価値との差分を算出することで、対応力を評価する。このため、運転計画作成装置１００は、天候がどのように変動しても最良のコスト削減効果に近い効果が得られる運転計画を作成することができる。
　また、実施例１において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。例えば、図１において、最適計画選択部１２６の処理が自動的に行われる場合を説明したが、この処理は手動的に行うこともできる。具体的には、最適計画選択部１２６は、当初運転計画候補ごとの対応力の分布を示す図を出力装置１０２に出力させることで、利用者に最良の運転計画を手動的に選択させることもできる。この他、上述文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、図５に示した最適運転評価テーブルは、必ずしも最適な制御パラメータを記憶しなくても良い。
　また、図１に示した運転計画作成装置１００の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、運転計画作成装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図１に示した最適評価値算出部１２３及び修正評価値算出部１２４を統合して構成することができる。
　また、運転計画作成装置１００は、運転計画作成装置１００の各機能を既知の情報処理装置に搭載することによって実現することもできる。既知の情報処理装置は、例えば、パーソナルコンピュータ、ワークステーション、携帯電話、ＰＨＳ（Personal　Handy-phone　System）端末、移動体通信端末またはＰＤＡ（Personal　Digital　Assistant）などの装置に対応する。
　図２５は、運転計画作成プログラムを実行するコンピュータの一例を示す図である。図２５に示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、ユーザからデータの入力を受け付ける入力装置３０２と、モニタ３０３とを有する。また、コンピュータ３００は、記憶媒体からプログラム等を読み取る媒体読み取り装置３０４と、他の装置とデータの授受を行うネットワークインターフェース装置３０５とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ（Random　Access　Memory）３０６と、ハードディスク装置３０７とを有する。また、各装置３０１～３０７は、バス３０８に接続される。
　ハードディスク装置３０７は、図１に示した需給シナリオ生成部１２２、最適評価値算出部１２３、修正評価値算出部１２４、対応力算出部１２５、最適計画選択部１２６の各処理部と同様の機能を有する運転計画作成プログラムを記憶する。また、ハードディスク装置３０７は、運転計画作成プログラムを実現するための各種データを記憶する。この各種データは、例えば、需要データ１１１ａや日射量データ１１２を含む。
　ＣＰＵ３０１が運転計画作成プログラムをハードディスク装置３０７から読み出してＲＡＭ３０６に展開して実行することにより、運転計画作成プログラムは、運転計画作成プロセスとして機能する。すなわち、運転計画作成プログラムは、図１に示した需給シナリオ生成部１２２、最適評価値算出部１２３、修正評価値算出部１２４、対応力算出部１２５、最適計画選択部１２６の各処理部と同様のプロセスとして機能する。
　なお、上記の運転計画作成プログラムは、必ずしもハードディスク装置３０７に記憶されている必要はない。例えば、コンピュータが読み取り可能な記録媒体に記憶されたプログラムを、コンピュータ３００が読み出して実行するようにしても良い。コンピュータが読み取り可能な記録媒体は、例えば、ＣＤ－ＲＯＭやＤＶＤディスク、ＵＳＢメモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ（Local　Area　Network）、ＷＡＮ（Wide　Area　Network）等に接続された装置にこのプログラムを記憶させておき、コンピュータ３００がこれらからプログラムを読み出して実行するようにしても良い。
　さて、これまで本発明の蓄電池運転計画実施例について説明してきたが、本発明は蓄電池に限らず、需要の推移に合わせて機器の稼動状態を調節することが効果的な機器の運転計画を作成する場合にも適用できる。そこで、以下では、通信需要の推移にあわせて、通信基地局の稼動台数を調整する運転計画を、運転計画の通信基地局の運転に必要なエネルギー低減の観点で最適化する実施例を説明する。
　まず、図２６～３０を使って、本実施例で想定する運転計画の作成について説明する。
　図２６は、本実施例で想定する通信基地局の運転台数調整の概略を図示している。図で、７個の六角形で構成される領域が、通信基地局でカバーすべき領域である。最も左のＭｏｄｅ１は、対象領域全体を１台の基地局でカバーすることを示しており、同様に、その右のＭｏｄｅ４は、４台の基地局で、Ｍｏｄｅ７は、７台の基地局でカバーすることを示している。本実施例では、図２７のように、予め設定されている時間帯毎に、上記３つのモードのいずれで運転するかを指定したものを運転計画と呼ぶ。そして、１日の中で予想される通信需要の推移のいずれが実現しても、予めその推移が起きることが分かっていた場合に達成できる最小のエネルギーに近いエネルギーで運転できるような、運転計画を求めることを目的とする。
　図２８は、本実施例で想定する１日の通信需要の推移の典型的なデータを示している。この推移に基づき、本実施例では、図２７に示した５つの時間帯にわけ、それぞれの時間帯では、図２６の中のいずれか１つを選択して運転することを想定している。なお、それぞれの時間帯は、０－６時は、通信需要が少ない時間帯、６－１０時は、通信需要が増加傾向にある時間帯、１０－１４時は、比較的高いレベルで通信需要が安定している時間帯、１４－１８時は、ピークに向かい増加する時間帯、１８－２４時は、ピークから需要が減少していく時間帯に相当する。
　図２９は、通信需要と、その対応に要するエネルギー量（単位時間あたりの消費電力量）の関係を、それぞれの運転モード毎に示したものである。横軸は、通信需要の量である。通信需要の指標としては、単位時間（例えば数分程度）あたりのユーザ（モバイル端末）の発呼回数や通信量などの色々な指標や、それらの指標の組み合わせなどが考えられるが、本実施例では、説明を簡略化するため、単位時間あたりの発呼回数を用いている。縦軸は、通信需要の対応に要するエネルギー量を、１時間あたりに基地局が消費する電力量を単位に示している。例えば、単位時間あたり２０回程度発呼されるような状態が１時間続いた場合には、Ｍｏｄｅ１では、その対応に１．５ｋＷｈ程度の電力を、Ｍｏｄｅ４では、Ｍｏｄｅ１より大きい３ｋＷｈ程度の電力を消費することを示している。同様に、３５回程度以上発呼されるようになると、Ｍｏｄｅ４の方が、Ｍｏｄｅ１より少ない消費電力量ですむことがわかる。本実施例の運転計画作成では、このように通信需要によってエネルギー効率との関係が異なる運転モードを、各時間帯内で予想される通信需要の推移を考慮して適切に選択するというのが１つのポイントになる。
　図３０は、本実施例の運転計画作成で考慮するもう１つのエネルギー量である、運転モード切り替えに要するコストの例である。例えば、最初の行は、Ｍｏｄｅ１からＭｏｄｅ４に機器を切り替えるためのコストであり、図２６のＣ（１，４）に相当する。本実施例では、このコストデータは、過去の実績データ、もしくは、模擬実験等により、予め利用可能になっていることを前提とする。
　次に、以上で説明した通信基地局の運転計画の作成に、本発明を適用した結果を説明する。
　本実施例で想定する運転計画の候補の範囲は、前述の図２７で示したものでる。これは、図３１に示した探索範囲を網羅したものである。図３１の探索範囲は、図２８に例示した通信需要の推移をベースに、考慮に値する運転モードを各時間帯別に選択したものである。なお、図２８の探索範囲を考慮せずに、全てのモードの組み合わせを運転計画の候補としてもかまわない。
　以下では、６－１０時の時間帯の直前に、６－１０時の運転モードを決定することを例に、処理手順を説明する。
　まず、本実施例では、前記の太陽光発電出力変動シナリオと同様の手順で、起こり得る通信需要の推移のシナリオを生成する。図３２は、通信需要シナリオ生成のための変動確率テーブルの例である。図３２の横方向に示した「０－２０」、「２０－４０」、「４０－６０」、「６０－８０」、「８０－」は、それぞれ単位時間あたりの発呼回数に対応する。Ｎ（μ，σ）は、平均値μ、標準偏差σの正規分布に従いランダムに発生した値を、変動後の値として用いることを示している。この表の確率値およびσ1～σ５の値は、過去の通信需要データの統計分析により算出すればよい。なお、前記の太陽光発電出力変動シナリオ生成では、１つの変動確率テーブルを使用していたが、本実施例では、前記の５つの時間帯毎に、図３２のような変動確率テーブルを、過去データに基づき作成し、使用する。また、現在説明の例では、６－１０時の運転モード（６時から翌６時までの運転計画）を作成するので、通信需要生成用の初期値としては、6時の直前の通信需要の値を使用する。
　次に、作成した複数の通信需要シナリオのそれぞれについて、需給シナリオに対する蓄電池の最適運転計画作成と同様の手順で、最適な運転計画（通信機の運転モードの切り替え計画）を作成する。最適運転計画の作成に必要な運転計画の評価では、以下の式に基づき計算した評価値を用いる。
　（消費電力量）＝Σｉ（Σｔ　Ｅ（Ｄ＿ｔ，Ｍｏｄｅ＿ｉ））＋Σｉ　Ｃ（Ｍｏｄｅ＿ｉ，Ｍｏｄｅ＿（ｉ＋１））・・・（８）
　式（８）において、ｉは、前述の時間帯のそれぞれに対するインデックスであり、ｔは、各時間帯における単位時間（例えば１０分）刻みの時刻に対応するインデックスである。なお、今回の例では、６－１０時を最初の時間帯として、翌日の０－６時を最後の時間帯として扱う。Ｄ＿ｔは、ｔに対応する時刻における通信需要値であり、これは、評価対象の通信シナリオによって決まる値である。Ｍｏｄｅ＿ｉは、評価対象の運転計画において、時間帯ｉに対応して指定された運転モードである。Ｅ（Ｄ＿ｔ，Ｍｏｄｅ＿ｉ）は、Ｄ＿ｔの通信需要値が単位時間継続した時に、Ｍｏｄｅ＿ｉの運転モードで消費される電力量であり、その値は、図２９のデータによって算出する。また、Ｃ（）は、前記の運転モード切替のコストであり、その値は３０のデータによって算出する（運転モードの切り替えがない場合には０）。なお、ここで算出された消費電力量が評価値に対応する。つまり、この評価値は、低い方が良い値となる。
　図３３は、作成した最適な運転計画の例である。図で、「最適運転計画」の列の先頭の数字は、運転計画ＩＤである。また、カッコ内は、説明用に補足した情報で、６－１０時の時間帯を先頭に、翌日０－６時の時間帯までの運転モードの切り替えを方を示している。例えば、ＩＤ１４で示される運転計画は、６－１０時にＭｏｄｅ４、１０－１４時にＭｏｄｅ４、１４－１８時にＭｏｄｅ７、１８－２４時にＭｏｄｅ４、翌０－６時にＭｏｄｅ１でそれぞれ運転されることを示す。
　最後に、６－１０時の時間帯の運転モードの２つの候補Ｍｏｄｅ１とＭｏｄｅ４について、各通信需要シナリオが実現した場合の評価値を、蓄電池の当初運転計画の評価と同様の手順で算出する。評価に利用する評価値の計算式は、上記の式（８）と同一である。例えば、候補Ｍｏｄｅ１について通信需要シナリオ「１」が実現した場合の評価値は、２０４である。そして、ここで算出された評価値と最適運転計画による評価値との差分がリグレット値に対応する。例えば、候補Ｍｏｄｅ１について通信需要シナリオ「１」が実現した場合のリグレット値は、２０４－１６０＝４４となる。また、今回の例では、各シナリオに対する最適運転計画の６－１０時の時間帯の運転モードが、評価対象の運転モードと一致している場合は、リグレット値は０になるので、シミュレーションは省略できる。
　図３４がこの評価結果である。この評価結果に基づき、例えば、通信需要シナリオに対する評価値の中で最悪のものが、最良の運転計画（６－１０時の運転モード）を選ぶことで、いずれの通信需要シナリオが実現しても、１０時に運転計画を修正すれば、予めその推移が起きることが分かっていた場合に達成できる最小のエネルギーに近いエネルギーで運転できることが保障される。
１００　　　運転計画作成装置
１０１　　　入力装置
１０２　　　出力装置
１１０　　　記憶部
１１１　　　需要データ
１１２　　　日射量データ
１１３　　　日照時間変動確率テーブル
１１４　　　出力変動データ
１１５　　　需給データ
１１６　　　最適運転評価テーブル
１１７　　　当初運転計画テーブル
１１８　　　修正運転評価テーブル
１１９　　　対応力評価テーブル
１２０　　　制御部
１２１　　　受付部
１２２　　　需給シナリオ生成部
１２３　　　最適評価値算出部
１２４　　　修正評価値算出部
１２５　　　対応力算出部
１２６　　　最適計画選択部
１２７　　　出力部
３００　　　コンピュータ
３０１　　　ＣＰＵ
３０２　　　入力装置
３０３　　　モニタ
３０４　　　媒体読み取り装置
３０５　　　ネットワークインターフェース装置
３０６　　　ＲＡＭ
３０７　　　ハードディスク装置
３０８　　　バス

Claims (9)

  1. 　コンピュータが実行する運転計画作成方法であって、
    　与えられた条件に対して起こり得る需給電力値の推移を示す複数のシナリオを生成し、
    　前記複数のシナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画を算出し、
    　前記複数の運転計画候補ごとに、各シナリオに対して前記運転計画候補で前記蓄電池を運転した場合に得られる第２の評価値を算出し、
    　前記複数の運転計画候補ごとに、各シナリオについて前記第１の評価値と前記第２の評価値との差分を算出し、
    　前記差分に基づいて、前記複数の運転計画候補から前記蓄電池の運転計画を選択する
    　各処理を実行することを特徴とする運転計画作成方法。
  2. 　前記複数のシナリオを生成する処理は、単位時間当たりの天候の変動をモデル化した天候変動モデルに基づいて、前記シナリオを生成することを特徴とする請求項１に記載の運転計画作成方法。
  3. 　前記第２の評価値を算出する処理は、前記複数の運転計画候補ごとに、当該運転計画候補で修正時点まで蓄電池を運転した場合の蓄電池残量に基づいて修正時点以降の最適な運転計画を示す最適修正運転計画を作成し、作成した最適修正運転計画についての評価値を第２の評価値として算出することを特徴とする請求項１又は２に記載の運転計画作成装置。
  4. 　与えられた条件に対して起こり得る需給電力値の推移を示す複数のシナリオを生成する生成部と、
    　前記複数のシナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画を算出する第１の算出部と、
    　前記複数の運転計画候補ごとに、各シナリオに対して前記運転計画候補で前記蓄電池を運転した場合に得られる第２の評価値を算出する第２の算出部と、
    　前記複数の運転計画候補ごとに、各シナリオについて前記第１の評価値と前記第２の評価値との差分を算出する第３の算出部と、
    　前記差分に基づいて、前記複数の運転計画候補から前記蓄電池の運転計画を選択する選択部と
    　を備えたことを特徴とする運転計画作成装置。
  5. 　前記生成部は、単位時間当たりの天候の変動をモデル化した天候変動モデルに基づいて、前記シナリオを生成することを特徴とする請求項４に記載の運転計画作成装置。
  6. 　前記第２の算出部は、前記複数の運転計画候補ごとに、当該運転計画候補で修正時点まで蓄電池を運転した場合の蓄電池残量に基づいて修正時点以降の最適な運転計画を示す最適修正運転計画を作成し、作成した最適修正運転計画についての評価値を第２の評価値として算出することを特徴とする請求項４又は５に記載の運転計画作成装置。
  7. 　コンピュータに、
    　与えられた条件に対して起こり得る需給電力値の推移を示す複数のシナリオを生成し、
    　前記複数のシナリオごとに、蓄電池を運転した場合に最良の評価値である第１の評価値が得られる運転計画を算出し、
    　前記複数の運転計画候補ごとに、各シナリオに対して前記運転計画候補で前記蓄電池を運転した場合に得られる第２の評価値を算出し、
    　前記複数の運転計画候補ごとに、各シナリオについて前記第１の評価値と前記第２の評価値との差分を算出し、
    　前記差分に基づいて、前記複数の運転計画候補から前記蓄電池の運転計画を選択する
    　処理を実行させることを特徴とする運転計画作成プログラム。
  8. 　前記複数のシナリオを生成する処理は、単位時間当たりの天候の変動をモデル化した天候変動モデルに基づいて、前記シナリオを生成することを特徴とする請求項７に記載の運転計画作成プログラム。
  9. 　前記第２の評価値を算出する処理は、前記複数の運転計画候補ごとに、当該運転計画候補で修正時点まで蓄電池を運転した場合の蓄電池残量に基づいて修正時点以降の最適な運転計画を示す最適修正運転計画を作成し、作成した最適修正運転計画についての評価値を第２の評価値として算出することを特徴とする請求項７又は８に記載の運転計画作成装置。
PCT/JP2011/056652 2011-03-18 2011-03-18 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム WO2012127585A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE112011105049T DE112011105049T5 (de) 2011-03-18 2011-03-18 Betriebsplanvorbereitungsverfahren, Betriebsplanvorbereitungsvorrichtung und Betriebsplanvorbereitungsprogramm
CN201180069303.3A CN103430412B (zh) 2011-03-18 2011-03-18 运转计划创建方法以及运转计划创建装置
PCT/JP2011/056652 WO2012127585A1 (ja) 2011-03-18 2011-03-18 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム
JP2013505645A JP5672371B2 (ja) 2011-03-18 2011-03-18 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム
US14/026,530 US9425636B2 (en) 2011-03-18 2013-09-13 Operation plan preparation method, operation plan preparation device, and recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2011/056652 WO2012127585A1 (ja) 2011-03-18 2011-03-18 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/026,530 Continuation US9425636B2 (en) 2011-03-18 2013-09-13 Operation plan preparation method, operation plan preparation device, and recording medium

Publications (1)

Publication Number Publication Date
WO2012127585A1 true WO2012127585A1 (ja) 2012-09-27

Family

ID=46878782

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/056652 WO2012127585A1 (ja) 2011-03-18 2011-03-18 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム

Country Status (5)

Country Link
US (1) US9425636B2 (ja)
JP (1) JP5672371B2 (ja)
CN (1) CN103430412B (ja)
DE (1) DE112011105049T5 (ja)
WO (1) WO2012127585A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015033461A1 (ja) 2013-09-09 2015-03-12 富士通株式会社 運転計画生成装置、運転計画生成方法、運転計画生成プログラムおよび蓄電池システム
WO2018029722A1 (en) * 2016-08-09 2018-02-15 Yanmar Co., Ltd. Control device optimizing evaluation of energy management in in-plant energy network
JP2020065368A (ja) * 2018-10-17 2020-04-23 株式会社東芝 発電計画決定システム、発電計画決定方法、およびプログラム
CN113285834A (zh) * 2021-05-26 2021-08-20 国网四川省电力公司经济技术研究院 一种感知通信一体化网络的多目标规划赋权评估方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6088737B2 (ja) * 2012-02-16 2017-03-01 株式会社日立製作所 電力系統の運用方法、運用装置および蓄電池管理装置
US9509176B2 (en) 2012-04-04 2016-11-29 Ihi Inc. Energy storage modeling and control
CN106557828A (zh) * 2015-09-30 2017-04-05 中国电力科学研究院 一种长时间尺度光伏出力时间序列建模方法和装置
JP6461779B2 (ja) * 2015-12-21 2019-01-30 株式会社日立製作所 計画調整システムおよび計画調整方法
JP6732676B2 (ja) * 2017-02-10 2020-07-29 三菱日立パワーシステムズ株式会社 シミュレーション結果の評価装置及び方法
US10734811B2 (en) * 2017-11-27 2020-08-04 Ihi Inc. System and method for optimal control of energy storage system
WO2019126806A1 (en) * 2017-12-22 2019-06-27 The Regents Of The University Of California Design and control of electric vehicle charging infrastructure
US10531317B1 (en) * 2018-11-07 2020-01-07 Amdocs Development Limited System, method, and computer program for performing intelligent radio access network (RAN) management
CN112398165B (zh) * 2020-11-05 2022-07-05 贵州电网有限责任公司 一种基于极限场景分析的新能源消纳能力评估方法
TWI802064B (zh) * 2021-10-28 2023-05-11 財團法人工業技術研究院 為工作站篩選派工規則的電子裝置和方法
CN114336793B (zh) * 2021-11-19 2024-03-29 国电南瑞科技股份有限公司 交直流混合配电网灵活性确定方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006304402A (ja) * 2005-04-15 2006-11-02 Nippon Telegr & Teleph Corp <Ntt> 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体
JP2008141918A (ja) * 2006-12-05 2008-06-19 Nippon Telegr & Teleph Corp <Ntt> 太陽光発電システム評価装置、方法、およびプログラム
JP2011002929A (ja) * 2009-06-17 2011-01-06 Nippon Telegr & Teleph Corp <Ntt> 分散電力供給システムおよびその制御方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04245583A (ja) 1991-01-31 1992-09-02 Toshiba Corp 光学式文字読取装置
JPH11326542A (ja) 1998-05-11 1999-11-26 Nippon Telegr & Teleph Corp <Ntt> 気象パターン分類予測方法、装置、および気象パターン分類予測プログラムを記録した記録媒体
JP4064334B2 (ja) * 2003-11-06 2008-03-19 日本電信電話株式会社 エネルギーシステムの制御装置および制御方法
JP4713623B2 (ja) * 2008-09-25 2011-06-29 株式会社日立製作所 充放電管理装置
JP5291422B2 (ja) * 2008-09-29 2013-09-18 大阪瓦斯株式会社 電力需給システム
JP2010098793A (ja) * 2008-10-14 2010-04-30 Osaka Gas Co Ltd 電力需給システム
JP2011114945A (ja) * 2009-11-26 2011-06-09 Fuji Electric Systems Co Ltd 供給電力計画作成装置、そのプログラム
US20110125337A1 (en) * 2010-08-30 2011-05-26 Vyacheslav Zavadsky Household appliance adapted to work with time of use electricity rates
JP2013192401A (ja) * 2012-03-14 2013-09-26 Toshiba Corp 電力需給制御装置
JP6054122B2 (ja) * 2012-09-28 2016-12-27 株式会社東芝 鉄道電力管理装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006304402A (ja) * 2005-04-15 2006-11-02 Nippon Telegr & Teleph Corp <Ntt> 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体
JP2008141918A (ja) * 2006-12-05 2008-06-19 Nippon Telegr & Teleph Corp <Ntt> 太陽光発電システム評価装置、方法、およびプログラム
JP2011002929A (ja) * 2009-06-17 2011-01-06 Nippon Telegr & Teleph Corp <Ntt> 分散電力供給システムおよびその制御方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015033461A1 (ja) 2013-09-09 2015-03-12 富士通株式会社 運転計画生成装置、運転計画生成方法、運転計画生成プログラムおよび蓄電池システム
JPWO2015033461A1 (ja) * 2013-09-09 2017-03-02 富士通株式会社 運転計画生成装置、運転計画生成方法、運転計画生成プログラムおよび蓄電池システム
WO2018029722A1 (en) * 2016-08-09 2018-02-15 Yanmar Co., Ltd. Control device optimizing evaluation of energy management in in-plant energy network
JP2019502356A (ja) * 2016-08-09 2019-01-24 ヤンマー株式会社 構内エネルギー網におけるエネルギー管理の評価を最適化する制御装置
JP2020065368A (ja) * 2018-10-17 2020-04-23 株式会社東芝 発電計画決定システム、発電計画決定方法、およびプログラム
JP7048472B2 (ja) 2018-10-17 2022-04-05 株式会社東芝 発電計画決定システム、発電計画決定方法、およびプログラム
CN113285834A (zh) * 2021-05-26 2021-08-20 国网四川省电力公司经济技术研究院 一种感知通信一体化网络的多目标规划赋权评估方法

Also Published As

Publication number Publication date
JP5672371B2 (ja) 2015-02-18
CN103430412B (zh) 2015-09-09
JPWO2012127585A1 (ja) 2014-07-24
US20140012428A1 (en) 2014-01-09
CN103430412A (zh) 2013-12-04
DE112011105049T5 (de) 2013-12-19
US9425636B2 (en) 2016-08-23

Similar Documents

Publication Publication Date Title
JP5672371B2 (ja) 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム
Khalid et al. On maximizing profit of wind-battery supported power station based on wind power and energy price forecasting
Nemati et al. Optimization of unit commitment and economic dispatch in microgrids based on genetic algorithm and mixed integer linear programming
Vu et al. An integrated energy management approach for the economic operation of industrial microgrids under uncertainty of renewable energy
US9367108B2 (en) Reduction of operational cost using energy storage management and demand response
Sachs et al. A two-stage model predictive control strategy for economic diesel-PV-battery island microgrid operation in rural areas
Narayan et al. Exploring the boundaries of Solar Home Systems (SHS) for off-grid electrification: Optimal SHS sizing for the multi-tier framework for household electricity access
US9568901B2 (en) Multi-objective energy management methods for micro-grids
JP6216377B2 (ja) 電力調整装置、電力調整方法、電力調整システム、蓄電装置、サーバ、プログラム
Lee et al. Novel battery degradation cost formulation for optimal scheduling of battery energy storage systems
US20140350743A1 (en) Tiered power management system for microgrids
Umeozor et al. Operational scheduling of microgrids via parametric programming
JP5813544B2 (ja) エネルギー管理装置とその管理方法及びエネルギー管理プログラム
US9535474B2 (en) Renewable energy management using weighted load patterns
Xu et al. Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation
Pelzer et al. Energy arbitrage through smart scheduling of battery energy storage considering battery degradation and electricity price forecasts
Roy et al. A multi-level Demand-Side Management algorithm for offgrid multi-source systems
Kwon et al. Enhanced method for considering energy storage systems as ancillary service resources in stochastic unit commitment
Rodríguez-Gallegos et al. Optimal PV and storage sizing for PV-battery-diesel hybrid systems
Kelepouris et al. Cost-effective hybrid PV-battery systems in buildings under demand side management application
Hafiz et al. Multi-stage stochastic optimization for a PV-storage hybrid unit in a household
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
Das et al. Approximate dynamic programming with policy-based exploration for microgrid dispatch under uncertainties
Hafiz et al. Coordinated control of PEV and PV-based storage system under generation and load uncertainties
Tohidi et al. Stochastic optimisation for investment analysis of flow battery storage systems

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: 11861362

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2013505645

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 112011105049

Country of ref document: DE

Ref document number: 1120111050496

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11861362

Country of ref document: EP

Kind code of ref document: A1