WO2012137814A1 - コントローラおよび制御方法 - Google Patents

コントローラおよび制御方法 Download PDF

Info

Publication number
WO2012137814A1
WO2012137814A1 PCT/JP2012/059185 JP2012059185W WO2012137814A1 WO 2012137814 A1 WO2012137814 A1 WO 2012137814A1 JP 2012059185 W JP2012059185 W JP 2012059185W WO 2012137814 A1 WO2012137814 A1 WO 2012137814A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
prediction information
information
power consumption
information parameter
Prior art date
Application number
PCT/JP2012/059185
Other languages
English (en)
French (fr)
Inventor
嘉浩 北浦
Original Assignee
シャープ株式会社
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 シャープ株式会社 filed Critical シャープ株式会社
Publication of WO2012137814A1 publication Critical patent/WO2012137814A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Definitions

  • the present invention relates to a controller arranged in a house or the like and connected to an electric device in the house and a control method.
  • the controller can control a heat pump water heater, an air conditioner, a refrigerator, lighting, a liquid crystal television, and the like, and can display the status of these devices.
  • a controller that can appropriately control other devices based on the weather or the like has been proposed.
  • the controller predicts the future power generation energy by the solar power generation device in the home and the energy consumption consumed by the energy consuming device, etc., and based on the prediction, formulates the operation schedule of the device and controls the device.
  • the controller realizes device control that achieves both energy saving and comfort for the resident. However, if the prediction is wrong, the resident may be uncomfortable. Therefore, the device control is a very important technique that requires the accuracy of the prediction.
  • energy consumption correlates with information such as weather, occupants, and device status (for example, depending on the device status (number of operating energy consumption devices) Etc.)
  • the accuracy of prediction can be improved by performing prediction using a plurality of pieces of information instead of a single piece of information.
  • Patent Document 1 discloses a power network management system and a power network management method.
  • the control device of each natural energy power generation system predicts the power generation amount on the scheduled power generation date based on the weather information on the planned power generation date according to the weather forecast or the current season and the predetermined power generation amount information
  • the power network management device predicts the power consumption amount of the load on the scheduled power generation date based on the weather information or the current season or the date or day of the scheduled power generation date and the predetermined power consumption information.
  • the amount of power supplied to each natural energy power generation system is determined so that the total amount of power supplied to the power network on the scheduled power generation date is constant based on the amount of power and the amount of power consumption.
  • Patent Document 2 discloses a power fluctuation prediction system. According to Patent Literature 2, the power fluctuation prediction system corrects similar power change curve information, which is past power change curve information, with external environment data to create equipment group power change curve information creation unit.
  • an in-system grid power change curve information creation unit that creates a plurality of first in-house system power change curve information by adding together the equipment group power change curve information of different equipment groups, and a plurality of first in-house systems
  • a first increase / decrease-side power change curve information creation unit that creates first increase-side power change curve information and first decrease-side power change curve information based on the average value and standard deviation value of power in the power change curve information
  • a power fluctuation information creating unit that calculates at least one of a maximum change width and a maximum change rate of the power fluctuation calculated from the first increase power change curve information and the first decrease power change curve information.
  • Patent Document 3 discloses an energy consumption prediction method and an energy consumption prediction device.
  • a method and apparatus for predicting energy consumption includes personal information including at least gender, generation, and occupation type of a consumer, and device information including at least the type and number of facility devices that consume energy used by the consumer. And an equipment operation schedule and equipment energy consumption database. Enter personal information including at least gender, generation and occupation of the people living in the building and equipment information including at least the type and number of equipment that consumes the energy used by the consumers.
  • the energy consumption is predicted by calculating the operation schedule for each created time division for each equipment and the energy consumption for each equipment set in advance.
  • Patent Document 4 discloses an energy consumption calculation system and an energy consumption calculation method.
  • an energy consumption system that calculates information related to energy consumption of a device includes a consumption model database that stores a consumption model indicating an energy fee of a predetermined device in a predetermined space, spatial information, and the spatial information.
  • a usage model reception unit that receives an input of a usage model associated with a usage time of a space, a setting information reception unit that receives an input of installation information in which device information and spatial information are associated, a received usage model, and An operation status estimation unit that estimates the operation status of the device based on the installation information, a calculation unit that calculates an energy fee in the operation status based on the estimated operation status and consumption model, and outputs the energy fee And an output unit.
  • JP 2004-072900 A JP 2009-055713 A JP 2003-281223 A JP 2008-250542 A
  • the present invention has been made to solve such a problem.
  • the objective in one situation is providing the controller for controlling an electric equipment more appropriately.
  • the objective in the other situation is to provide the control method of an electric equipment.
  • a controller for controlling a plurality of electric devices connected via a network is provided.
  • the controller is based on a memory for storing a database including power consumption amounts of a plurality of electrical devices in association with each of a plurality of prediction information, and a predicted power consumption amount calculated using reliability related to the prediction information.
  • a device control unit for controlling a plurality of electric devices is provided.
  • the controller further includes a prediction information parameter generation unit configured to generate a plurality of prediction information parameters related to future power consumption consumed by the network-connected electrical device.
  • each prediction information parameter and the power consumption corresponding to the prediction information parameter are accumulated for each time segment.
  • the controller includes at least one selected from a plurality of prediction information parameters according to a reliability generation unit configured to generate a reliability indicating the certainty of each prediction information parameter and the reliability corresponding to each prediction information parameter.
  • a power consumption amount prediction unit configured to use the power consumption amount in the database as a predicted value using one prediction information parameter.
  • the reliability generation unit is configured to calculate the reliability from each prediction information parameter at the start time of the prediction target period and a degree of change in each past prediction information parameter accumulated in the database. .
  • the power consumption amount prediction unit stores information on past power consumption amounts that coincide with the prediction information parameter excluding the prediction information parameter corresponding to at least the minimum value among the reliability corresponding to each prediction information parameter. And the extracted information is used as a predicted value.
  • the power consumption amount prediction unit excludes the prediction information parameter corresponding to at least the minimum value when at least one of the reliability levels corresponding to the prediction information parameters is smaller than a predetermined value.
  • Information regarding past power consumption that matches the parameters is extracted from the database, and the extracted information is used as a predicted value.
  • a control method for controlling a plurality of electric devices connected via a network using a controller having a processor controls the plurality of electrical devices based on the predicted power consumption calculated using the reliability regarding the plurality of pieces of prediction information associated with the power consumption of each of the plurality of electrical devices. Including that.
  • the method generates the reliability indicating the certainty of each prediction information parameter based on each prediction information parameter at the start time of the prediction target period and each past prediction information parameter, and each prediction information parameter And predicting the power consumption based on at least one prediction information parameter selected from a plurality of prediction information parameters according to the reliability corresponding to.
  • the method includes calculating the reliability from each prediction information parameter at the start time of the prediction target period and the degree of change in each past prediction information parameter.
  • the method extracts information on past power consumption that matches the prediction information parameter excluding the prediction information parameter corresponding to at least the minimum value among the reliability corresponding to each prediction information parameter, and predicts Including value.
  • the method excludes the prediction information parameter corresponding to at least the minimum value when the extracted information is smaller than at least one of the reliability corresponding to each prediction information parameter. It includes extracting information on the past power consumption that matches the prediction information parameter, and using the extracted information as a prediction value.
  • a controller and an information processing method that can more appropriately control an electric device are provided.
  • FIG. It is an image figure which shows the whole structure of the network system 1 which concerns on this Embodiment. It is an image figure of the database stored in the memory 101 which concerns on this Embodiment. It is a block diagram showing the hardware constitutions of the controller 100 which concerns on this Embodiment. 2 is a block diagram showing a functional configuration of a controller 100.
  • FIG. It is an image figure which shows how to obtain
  • It is an image figure which shows the correspondence data of the indoor number of persons and a parameter in the case of L 10. It is a flowchart which shows the calculation method of the predicted power consumption in this embodiment. It is an image figure which shows the relationship between a prediction information parameter and power consumption. It is an example which showed the relationship between the power consumption for every time division, and a prediction information parameter. It is an example which showed the relationship of the reliability of each prediction information parameter for every time division. It is a block diagram showing the hardware constitutions of the electric equipment 200 which concerns on this Embodiment.
  • FIG. 1 is an image diagram showing an overall configuration of a network system 1 according to the present embodiment.
  • network system 1 is installed in, for example, a house or an office.
  • the network system 1 includes a controller 100.
  • Network system 1 includes a heat pump water heater 200A, an air conditioner 200B, a refrigerator 200C, an illumination 200D, and a liquid crystal television 200E controlled by the controller 100.
  • the heat pump water heater 200A, the air conditioner 200B, the refrigerator 200C, the lighting 200D, and the liquid crystal television 200E are collectively referred to as home appliances (electric equipment 200).
  • the network system 1 includes a sensing device 200S (human sensor 200G, temperature / humidity sensor 200H, electric power sensor 200I, anemometer 200J, anemometer 200K, an anemometer 200L) controlled by the controller 100, and a smart meter 200R. .
  • a sensing device 200S human sensor 200G, temperature / humidity sensor 200H, electric power sensor 200I, anemometer 200J, anemometer 200K, an anemometer 200L
  • a smart meter 200R controlled by the controller 100
  • a smart meter 200R controlled by the controller 100
  • the network system 1 includes a power conditioner 200X controlled by the controller 100, a solar battery 200Y and a storage battery 200Z controlled by the controller 100 via the power conditioner 200X.
  • the storage battery 200Z may be provided in a house or the like, or may be a battery for an automobile.
  • the controller 100 performs data communication with the above apparatus via a wired or wireless network.
  • a wireless LAN for example, a wireless LAN, ZigBee (registered trademark), Bluetooth (registered trademark), wired LAN (Local Area Network), or PLC (Power Line Communications) is used.
  • the controller 100 may be portable, may be detachable from a base placed on a table, or may be fixed to a wall of a room.
  • the network system 1 receives information on factors that affect the power consumption of the electrical device 200, such as weather information, via the Internet.
  • the controller 100 controls the power conditioner 200X to acquire power from the system or the solar cell 200Y or the storage battery 200Z, or the electric device 200 or the system or the solar cell 200Y. Or electric power is supplied to the storage battery 200Z.
  • FIG. 2 is an image diagram of a database stored in the memory 101 according to the present embodiment.
  • controller 100 has a database in memory 101.
  • the database stored in the memory 101 is generated from a meteorological information parameter generation unit 110A (see FIG. 4), a personal information parameter generation unit 110B, a device information parameter generation unit 110C, an equipment information parameter generation unit 110D, and the like, which will be described later.
  • a meteorological information parameter generation unit 110A see FIG. 4
  • a personal information parameter generation unit 110B a personal information parameter generation unit 110B
  • a device information parameter generation unit 110C an equipment information parameter generation unit 110D, and the like, which will be described later.
  • Each value of the prediction information parameter, the power generation amount measured by the power generation amount measurement unit (power conditioner) 110Y, and the power consumption amount measured by the power consumption amount measurement unit 200U is stored.
  • the power generation and power consumption corresponding to the prediction information parameter are accumulated, and the time, power generation and power consumption corresponding to the prediction information parameter of the input data are stored. Each value is updated.
  • the controller 100 overwrites or averages the values to generate the power generation amount and the power consumption amount. Update each value.
  • controller 100 calculates a predicted value of power consumption by using weather information, personal information, device information, and facility information.
  • the controller 100 may use only a part of the information described above, or use information for specifying an environment around the network system 1 that affects other power consumption. May be.
  • the weather information includes information indicating weather (clear / rainy / cloudy), information indicating temperature (for example, a degree Celsius, b degree Fahrenheit), and / or information indicating humidity (c%), etc. including.
  • the controller 100 decreases the power consumption allocated to the refrigerator 200C and increases the power consumption allocated to the heat pump water heater 200A.
  • the controller 100 increases the power consumption allocated to the illumination 200D and decreases the power consumption allocated to the backlight of the liquid crystal television 200E.
  • Personal information includes information indicating the number (x) of people staying in a house or office, information indicating the gender of each person, and / or information indicating the age of each person.
  • the device information includes information indicating the number (N) of electric devices 200 installed in a house or office (connected to the controller 100), and the state (normal / abnormal / operating / stopped) of each electric device 200. ), Information indicating the operation mode, and / or information indicating the input command.
  • the facility information includes information (room, shape, etc.) relating to a house or an office room, information relating to a door (position and opening / closing state), information relating to a window (position and opening / closing state), and the like.
  • the controller 100 generates a prediction information parameter from the sensing device 200S (human sensor 200G, temperature / humidity sensor 200H, power sensor 200I, anemometer 200J, anemometer 200K, solar radiation meter 200L) or the operation unit of the controller 100.
  • Weather information, personal information, device information, and facility information are acquired as basic prediction information used for the operation.
  • the controller 100 accumulates weather information, personal information, device information, and facility information in a database stored in the memory 101. That is, the database stores time-series data regarding weather information, personal information, device information, and facility information.
  • the controller 100 calculates the reliability regarding the weather information based on the time series data of the weather information in the database stored in the memory 101. The smaller the variation in weather information, the higher the reliability related to weather information.
  • the controller 100 calculates the reliability related to the personal information based on the time-series data of the personal information stored in the memory 101. The smaller the fluctuation of the personal information, the higher the reliability related to the personal information.
  • the controller 100 calculates the reliability related to the device information based on the time series data of the device information in the database stored in the memory 101. The smaller the fluctuation of the device information, the higher the reliability related to the device information.
  • the controller 100 calculates the reliability related to the facility information based on the time-series data of the facility information in the database stored in the memory 101. The smaller the fluctuation of the facility information, the higher the reliability related to the facility information.
  • FIG. 4 is a block diagram illustrating a functional configuration of the controller 100.
  • the controller includes a prediction information parameter generation unit 110F, a power generation amount prediction unit 110E, a power consumption amount prediction unit 110H, a device control unit 110J, a reliability generation unit 110G, and a memory 101 that stores a database.
  • the prediction information parameter generation unit 110F, the power generation amount prediction unit 110E, the power consumption amount prediction unit 110H, the device control unit 110J, and the reliability generation unit 110G are calculated by the CPU 110 based on a program stored in the memory 101. This is realized.
  • the controller 100 is connected to a power conditioner 200X.
  • a renewable energy generation unit 400Y is connected to the power conditioner 200X.
  • the controller 100 measures the amount of power generated by the network, the sensing device 200S, and the prediction information output from the camera device 200T, and the amount of power generated by the renewable energy generator 400Y corresponding to the solar cell 200Y and other devices.
  • Power input information output from the power unit (power conditioner 200X) and power consumption information output from the power consumption measuring unit 200U that measures the amount of power consumed by the electric device 200 are received and connected to the network
  • Device control information is output to the electric device 200.
  • the device control information indicates ON / OFF control of a function associated with the device and parameters (for example, temperature information and strength information) indicating the degree of the function.
  • the sensing device 200S is a device that is installed indoors or outdoors and detects various phenomena or events.
  • the sensing device 200S is, for example, a temperature sensor, an illuminance sensor, a human sensor, or the like, but is not limited to these devices.
  • the camera device 200T is a device that captures still images and images installed indoors or outdoors.
  • the camera device 200T is, for example, a surveillance camera or a WEB camera, but is not limited to these devices. Further, the camera device 200T may be equipped with a recognition and authentication function and have the same role as the sensing device 200S.
  • the renewable energy generator 400Y is a device that is installed outdoors and generates electricity using a phenomenon that occurs repeatedly in the natural environment.
  • the aspect of electric power generation is sunlight, wind power, solar thermal power generation, etc.
  • the renewable energy generation part 400Y is not limited to the apparatus for implement
  • the power generation amount measurement unit 400X measures the renewable energy (power generation amount) output from the renewable energy generation unit.
  • the power generation amount measurement unit 400X is realized as the power conditioner 200X that measures the cumulative power generation amount generated within a predetermined time segment, but is not limited to this device.
  • the electrical device 200 is an electrical device having a network connection function with the controller.
  • the electric device 200 is, for example, an air conditioner, a television, a refrigerator, a lighting device, or the like, but is not limited to these devices.
  • the power consumption measuring unit 200U is a device that measures the amount of power consumed by an electrical device.
  • the power consumption measuring unit 200U is a device that measures the accumulated power consumed within a predetermined time interval, but is not limited to this device.
  • the power consumption measuring unit 200U may be mounted on each electric device 200, may be mounted on the controller 100, or may be provided separately from the electric device 200 and the controller 100.
  • the controller 100 processes information for each time segment (30 minutes, 1 hour, 1 day, etc.). For example, when the time division is 30 minutes, the output from the controller is the device control information 30 minutes after the current time.
  • the prediction information parameter generation unit 110F acquires basic information regarding prediction from the outside, converts the basic information regarding the prediction into a prediction information parameter that can be used by the power generation amount prediction unit 110E and the power consumption amount prediction unit 110H, and outputs the prediction information parameter.
  • the prediction information parameter generation unit 110F includes M types of information parameter generation units.
  • the prediction information parameter generation unit 110F includes a weather information parameter generation unit 110A, a facility information parameter generation unit 110D, a device information parameter generation unit 110C, and a personal information parameter generation unit 110B.
  • the prediction information parameter generation unit 110F is assumed to be composed of four types of information parameter generation units, but is not limited to four types. Further, an information parameter generation unit related to information other than the prediction information parameter generation unit 110F may be used.
  • the meteorological information parameter generation unit 110A inputs weather information from an external network and the sensing device 200S, and generates a weather information parameter.
  • the weather information is information on outdoor temperature, humidity, and illuminance, for example.
  • the facility information parameter generation unit 110D receives the facility information input from the sensing device 200S and outputs the facility information parameter.
  • the facility information is, for example, information related to door opening / closing status, indoor illuminance, humidity and illuminance.
  • the device information parameter generation unit 110C receives the input of the device information output from the device control unit 110J and generates a facility information parameter.
  • the device information relates to ON / OFF information of functions associated with each electrical device and information indicating the degree of function.
  • the personal information parameter generation unit 110B receives input of personal information from the sensing device 200S and the camera device 200T, and generates a personal information parameter.
  • the personal information is information related to information (for example, the number of people, sex, and age group) of people who are indoors.
  • the prediction information parameter generation unit 110F performs a process of converting into parameters that can be used by the power generation amount prediction unit 110E or the power consumption amount prediction unit 110H in order to treat information acquired from the outside equally.
  • the prediction information parameter generation unit 110F converts information input based on a predetermined table into L-stage parameters. Each information parameter generation unit holds a plurality of table tables, selects a table table corresponding to information to be handled, and performs parameter conversion.
  • the correspondence data between the external temperature and the parameter, the correspondence data between the number of indoor open doors and the parameter, the number of operating electric devices And the correspondence data between the parameters, and the correspondence data between the number of people in the room and the parameters are stored.
  • each information is divided by the same section width for each parameter.
  • the classification of each information is not limited to this method, and is divided by a different section width for each parameter. Also good.
  • the database stored in the memory 101 is measured by the prediction information parameter generated by the prediction information parameter generation unit 110F, the power generation amount measured by the power generation amount measurement unit (power conditioner 200X), and the power consumption amount measurement unit 200U. Each value of power consumption is stored. As shown in FIG. 2, the database stores the power generation amount and the consumption amount corresponding to the prediction information parameter.
  • the controller 100 updates values of time, power generation amount, and power consumption amount corresponding to the prediction information parameter of the input data.
  • past data past data accumulated in the database stored in the memory 101 will be collectively referred to as past data below.
  • the power generation amount prediction unit 110E predicts the power generation amount in the prediction target period using each prediction information parameter at the current time and past data.
  • the prediction target period is a period from the current time to the end of a predetermined time segment. For example, when the current time is 16:00 and the time segment is 30 minutes, the prediction target period indicates a section from 16:00 to 16:30. Note that the amount of power generation in the forecast period is unknown because it is a future event. Thus, the current time means the start time of the prediction target period.
  • the device control unit 110J receives input of each value of the predicted power generation amount predicted by the power generation amount prediction unit 110E and the predicted power consumption amount predicted by the power consumption amount prediction unit 110H. Create an operation schedule.
  • the operation schedule realizes both energy saving and comfort for the resident, and the device control unit 110J outputs information indicating an operation based on the operation schedule to the electric device 200.
  • the information includes ON / OFF information of the air conditioner power supply, an operation mode (cooling, heating, air blowing, etc.), temperature information, and wind direction information.
  • the power consumption prediction unit 110H includes each prediction information parameter at the current time (start time of the prediction target period), reliability corresponding to each prediction information parameter output from the reliability generation unit 110G described later, and past Using data, the power consumption amount in the prediction target period is predicted. Note that the power consumption in the prediction target period is unknown because it is a future event.
  • FIG. 11 is an image diagram showing the relationship between the prediction information parameter and the power consumption.
  • the horizontal axis is the prediction information parameter
  • the vertical axis is the power consumption.
  • the straight line on FIG. 11 is an approximate line, and the closer to the approximate line, the higher the correlation.
  • the power consumption varies depending on the number of indoor electrical devices in operation.
  • the prediction information parameter is large
  • the amount of power consumption tends to increase.
  • the prediction information parameter is small
  • the power consumption is in a downward trend.
  • the correlation is further enhanced by using a plurality of prediction information parameters.
  • FIG. 12 is an example showing the relationship between the power consumption for each time segment and the prediction information parameter.
  • prediction is performed using the current time T to time T + 1 as a prediction target period.
  • the processor using the conventional method first searches for prediction information parameters that match the parameters from past data (data before the current time T). As a result of the search, since the prediction information parameter coincides with the time T-5, the processor sets the power consumption W2 at the time T-5 as the predicted value of the power consumption in the time segment starting from the current time T. In the example illustrated in FIG. 6, the predicted value of the power consumption is “586”.
  • the actual power consumption and the predicted power consumption are almost the same. That is, when the prediction information parameters match at different times, the power consumption amounts in the time segments starting from that time also match. For example, if the power consumption in the time interval starting from time T-1 is unknown, the predicted power consumption is W1 and the actual power consumption is also W1, so that it is understood that the prediction is performed accurately.
  • an index for quantitatively evaluating each prediction information parameter is defined as the reliability.
  • the reliability is given to each prediction information parameter, and is calculated as needed at each time.
  • the concept of reliability is not applied.
  • the reliability for each prediction information parameter can be defined as a maximum value. That is, since all the prediction information parameters are determined to be reliable, the information used for prediction is not selected, and all the prediction information parameters are used for prediction.
  • the controller 100 determines whether to use the prediction information parameter for prediction by comparing the reliability corresponding to each prediction information parameter with a predetermined value. If the reliability is greater than a predetermined value, the controller 100 determines that the reliability is high and uses the corresponding prediction information parameter in the prediction. On the other hand, if the reliability is smaller than a predetermined value, the controller 100 determines that the reliability is low, and excludes the corresponding prediction information parameter from the prediction.
  • the number of prediction information parameters to be selected may be one, but a plurality is preferable.
  • FIG. 13 shows changes in reliability for each time segment when there are four types of prediction information parameters (weather information parameter, facility information parameter, device information parameter, and personal information parameter).
  • the predetermined threshold value is 50, and the number of prediction information parameters to be excluded is 1.
  • the personal information parameter is excluded, and only the weather information parameter, facility information parameter, and device information parameter are selected and used for prediction.
  • the reliability of the device information parameter and the personal information parameter is below the threshold value 50.
  • the device information parameter is excluded from time 9 to 12 and only the weather information parameter, the facility information parameter, and the personal information parameter are excluded. Is selected and used for prediction.
  • personal information parameters are excluded, and only weather information parameters, facility information parameters, and device information parameters are selected and used for prediction.
  • the personal information parameter is excluded, and only the weather information parameter, facility information parameter, and device information parameter are selected and used for prediction.
  • the equipment information parameter is excluded, and only the weather information parameter, the equipment information parameter, and the personal information parameter are selected and used for prediction.
  • the controller 100 selects prediction information to be used for prediction based on the magnitude relationship of reliability at each time.
  • the reliability generation unit 110G calculates the reliability corresponding to each prediction information parameter in the prediction target period using the prediction information parameter stored in the database stored in the memory 101 and each value of the power consumption. .
  • the reliability in this embodiment is calculated based on the absolute value of the difference between the sections in a certain section.
  • RX (T) A ⁇ P / ⁇ (1 + (
  • )) (T T ⁇ TP)
  • t is a time variable
  • T is the current time
  • X (t) is the prediction information parameter of the prediction information X at time t
  • P is the number of time segments in the section
  • RX (t) is the reliability of the prediction information X at time t.
  • A indicates a positive constant.
  • FIG. 10 is a flowchart illustrating a method for calculating the predicted power consumption in the present embodiment.
  • Step S2 The power consumption amount prediction unit 110H compares the reliability corresponding to the M prediction information parameters with the reliability threshold value.
  • Th Reliability threshold
  • the power consumption prediction unit 110H determines that the M prediction information parameters are larger than the reliability threshold Th, that is, all the prediction information parameters are reliable, it is not necessary to select the prediction information parameters, Transition to step S4.
  • the power consumption prediction unit 110H determines that at least one of the reliability of the M prediction information parameters is smaller than the reliability threshold Th, that is, some of the prediction information parameters are not reliable, the prediction information parameter Since it is necessary to select, the process transitions to step S3.
  • Step S3 Since the power consumption amount prediction unit 110H determines that it is necessary to select a prediction information parameter in Step S2, the prediction information parameter is selected.
  • the power consumption amount prediction unit 110H excludes only the prediction information parameter having the minimum value from the M reliability levels.
  • the power consumption amount prediction unit 110H excludes two prediction information parameters having small values from among the M reliability levels. That is, the power consumption prediction unit 110H excludes S prediction information parameters with low reliability from the M prediction information parameters, and uses only the MS prediction information parameters for prediction.
  • Step S4 Since the power consumption amount prediction unit 110H determines that it is not necessary to select the prediction information parameter in Step S2, the prediction information parameter is not selected. That is, the power consumption prediction unit 110H uses all M prediction information parameters for prediction.
  • Step S5 The power consumption prediction unit 110H extracts the power consumption of the time segment starting from the time that coincides with the MS prediction information parameters in the MS past data selected in Step S3. .
  • Step S6 The power consumption amount prediction unit 110H extracts the power consumption amount of the time section starting from the time that coincides with the M prediction information parameters in the past data.
  • Step S7 The power consumption prediction unit 110H outputs the power consumption extracted in step S5 or step S6 as the predicted power consumption.
  • the controller 100 calculates a predicted value of the power consumption amount for each electrical device based only on the power consumption amount corresponding to information whose reliability is equal to or higher than a predetermined value.
  • the controller 100 includes a predicted value of power consumption of a plurality of electrical devices, an upper limit value of power consumption related to the entire house or office set via an operation unit, and a predicted value of power generation of the solar cell 200Y. Based on this, the operation of each electrical device is controlled by calculating the amount of power consumption allocated to each electrical device.
  • the controller 100 according to the present embodiment calculates the predicted amount of power consumption in consideration of the reliability regarding weather information, personal information, device information, and facility information. That is, information with low reliability and information with high reliability can be appropriately used for power consumption prediction according to the degree of external environmental change and the like. As a result, the controller 100 according to the present embodiment can control the electrical device more appropriately than the conventional one.
  • FIG. 3 is a block diagram showing a hardware configuration of controller 100 according to the present embodiment.
  • the controller 100 includes a memory 101 for storing a database, a display 102, a tablet 103, a button 104, a communication interface 105, a speaker 107, a clock 108, and a CPU (Central Processing Unit) 110 that is a processor.
  • the database is stored in a memory 101 realized by various memories, for example, RAM (Random Access Memory), ROM (Read-Only Memory), a hard disk, and the like.
  • the database is used via a read interface, USB (Universal Serial Bus) memory, CD-ROM (Compact Disc-Read Only Memory), DVD-ROM (Digital Versatile Disk-Read Only Memory), memory Card, FD (Flexible Disk), hard disk, magnetic tape, cassette tape, MO (Magnetic Optical Disc), MD (Mini Disc), IC (Integrated Circuit) card (excluding memory card), optical card, mask ROM, EPROM, It can also be stored in a memory realized by a medium for storing a program in a nonvolatile manner such as an EEPROM (Electronically Erasable Programmable Read-Only Memory).
  • EEPROM Electrically Erasable Programmable Read-Only Memory
  • the database stored in the memory 101 stores a control program executed by the CPU 110 and various data. More specifically, as described above, the database stored in the memory 101 associates weather information, a predicted value of power consumption for each electrical device 200 for a predetermined period ahead of a predetermined time, and the amount of power generated by the solar cell 200Y. Store.
  • the database stores the personal information, the predicted value of the power consumption for each electric device 200 in a predetermined period ahead of the predetermined time, and the power generation amount by the solar battery 200Y in association with each other.
  • the database stores the device information, the predicted value of the power consumption amount for each electric device 200 in a predetermined period ahead of the predetermined time, and the power generation amount by the solar battery 200Y in association with each other.
  • the database stores the facility information, the predicted value of the power consumption for each electric device 200 in a predetermined period ahead of the predetermined time, and the power generation amount by the solar battery 200Y in association with each other.
  • the weather information includes information indicating weather (clear / rainy / cloudy), information indicating temperature (a degree Celsius or b degree Fahrenheit), and / or humidity (c%). It includes information indicating.
  • the personal information includes information indicating the number (x) of people staying in a house or office, information indicating the gender of each person, and / or information indicating the age of each person.
  • the device information includes information indicating the number (N) of electric devices 200 installed in a house or office (connected to the controller 100), and the state (normal / abnormal / operating / stopped) of each electric device 200. ), Information indicating the operation mode, and / or information indicating the input command.
  • the facility information includes information (room, shape, etc.) relating to a house or an office room, information relating to a door (position and opening / closing state), information relating to a window (position and opening / closing state), and the like.
  • the display 102 is controlled by the CPU 110 to display the state of the electric device and the power conditioner 200X.
  • the tablet 103 detects a touch operation with a user's finger and inputs touch coordinates or the like to the CPU 110.
  • the CPU 110 receives a command from the user via the tablet 103.
  • the tablet 103 is provided on the surface of the display 102. That is, in the present embodiment, display 102 and tablet 103 constitute touch panel 106. However, the controller 100 may not have the tablet 103.
  • the button 104 is disposed on the surface of the controller 100.
  • a plurality of buttons such as a determination key, a direction key, and a numeric keypad may be arranged on the controller 100.
  • the button 104 receives a command from the user.
  • the button 104 inputs a command from the user to the CPU 110.
  • the communication interface 105 transmits / receives data to / from an electric device via a network by being controlled by the CPU 110. As described above, the communication interface 105 transmits and receives data to and from an electrical device by using, for example, a wireless LAN, ZigBee (registered trademark), Bluetooth (registered trademark), wired LAN, or PLC.
  • a wireless LAN ZigBee (registered trademark), Bluetooth (registered trademark), wired LAN, or PLC.
  • Speaker 107 outputs sound based on a command from CPU 110.
  • the CPU 110 causes the speaker 107 to output sound based on the sound data.
  • the clock 108 inputs the current date and time to the CPU 110 based on a command from the CPU 110.
  • the CPU 110 executes various types of information processing by executing various programs stored in the memory 101.
  • the processing in the controller 100 is realized by each hardware and software executed by the CPU 110.
  • Such software may be stored in the memory 101 in advance.
  • the software may be stored in a storage medium and distributed as a program product.
  • the software may be provided as a program product that can be downloaded by an information provider connected to the so-called Internet.
  • Such software is read from the storage medium by using a reading device (not shown), or downloaded by using the communication interface 105 and temporarily stored in the memory 101.
  • the CPU 110 stores the software in the form of an executable program in the memory 101 and then executes the program.
  • CD-ROM Compact Disc-Read Only Memory
  • DVD-ROM Digital Versatile Disk-Read Only Memory
  • USB Universal Serial Bus
  • memory card memory card
  • FD Flexible Disk
  • hard disk Magnetic tape, cassette tape, MO (Magnetic Optical Disc), MD (Mini Disc), IC (Integrated Circuit) card (excluding memory card), optical card, mask ROM, EPROM, EEPROM (Electronically Erasable Programmable Read-Only Memory) And the like, for example, a medium for storing the program in a nonvolatile manner.
  • the program here includes not only a program directly executable by the CPU but also a program in a source program format, a compressed program, an encrypted program, and the like.
  • the CPU 110 executes the program to execute the following functional blocks (prediction information parameter generation unit 110F (weather information parameter generation unit 110A, personal information parameter generation unit 110B, A device information parameter generation unit 110C, an equipment information parameter generation unit 110D), a power generation amount prediction unit 110E, a reliability generation unit 110G, and a power consumption amount prediction unit 110H) are realized.
  • prediction information parameter generation unit 110F weather information parameter generation unit 110A, personal information parameter generation unit 110B, A device information parameter generation unit 110C, an equipment information parameter generation unit 110D
  • a power generation amount prediction unit 110E a reliability generation unit 110G
  • a power consumption amount prediction unit 110H a power consumption amount prediction unit 110H
  • the weather information parameter generation unit 110A is realized by the CPU 110, the communication interface 105, the touch panel 106, and the button 104.
  • the weather information parameter generation unit 110A uses the communication interface 105 to receive weather information that is basic prediction information from an external server.
  • the weather information parameter generation unit 110 ⁇ / b> A receives the weather information that is the basic prediction information from the sensors using the communication interface 105.
  • the weather information parameter generation unit 110 ⁇ / b> A receives weather information that is basic prediction information via the touch panel 106 or the button 104.
  • the weather information parameter generation unit 110A accumulates weather information parameters as time series data together with time in a database stored in the memory 101.
  • the personal information parameter generation unit 110B is realized by the CPU 110, the communication interface 105, the touch panel 106, and the button 104. Using the communication interface 105, the personal information parameter generation unit 110B receives personal information that is basic prediction information from an external server. Alternatively, the personal information parameter generation unit 110B receives the personal information that is the basic prediction information from the sensors by using the communication interface 105. Alternatively, the personal information parameter generation unit 110 ⁇ / b> B receives personal information that is basic prediction information via the touch panel 106 or the button 104. The personal information parameter generation unit 110B accumulates personal information parameters as time series data along with the time in a database stored in the memory 101.
  • the device information parameter generation unit 110C is realized by the CPU 110, the communication interface 105, the touch panel 106, and the button 104. Using the communication interface 105, the device information parameter generation unit 110C receives device information that is basic prediction information from an external server. Alternatively, the device information parameter generation unit 110 ⁇ / b> C receives device information that is basic prediction information from sensors using the communication interface 105. Alternatively, the device information parameter generation unit 110 ⁇ / b> C receives device information via the touch panel 106 or the button 104. The device information parameter generation unit 110C accumulates device information parameters as time series data together with time in a database stored in the memory 101.
  • the facility information parameter generation unit 110D is realized by the CPU 110, the communication interface 105, the touch panel 106, and the button 104.
  • the facility information parameter generation unit 110D receives the facility information that is the basic prediction information from an external server using the communication interface 105.
  • the facility information parameter generation unit 110D receives the facility information that is the basic prediction information from the sensors using the communication interface 105.
  • the facility information parameter generation unit 110 ⁇ / b> D receives facility information that is basic prediction information via the touch panel 106 or the button 104.
  • the equipment information parameter generation unit 110D accumulates equipment information parameters as time series data together with time in a database stored in the memory 101.
  • the power generation amount prediction unit 110E is realized by the CPU 110 executing a program. From the database stored in the memory 101, the power generation amount prediction unit 110E generates the power generation amount of the solar cell 200Y corresponding to the latest weather information, the power generation amount of the solar cell 200Y, the power generation amount of the solar cell 200Y, and the solar cell. The amount of power generation 200Y is read.
  • the power generation amount prediction unit 110E is configured to generate the power generation amount corresponding to the latest weather information, the power generation amount corresponding to the latest personal information, and the latest based on the reliability related to weather information, personal information, device information, or facility information. By calculating the power generation amount corresponding to the device information and the power generation amount corresponding to the latest facility information, a predicted value of the power generation amount for a predetermined period ahead of a predetermined time is calculated.
  • the reliability generation unit 110G is realized by the CPU 110 executing a program.
  • the reliability generation unit 110G calculates the reliability related to the weather information based on the time series data of the weather information parameters stored in the memory 101.
  • the reliability generation unit 110G calculates the reliability related to the personal information based on the time series data of the personal information parameters stored in the memory 101.
  • the reliability generation unit 110G calculates the reliability related to the device information based on the time series data of the device information parameter in the database stored in the memory 101.
  • the reliability generation unit 110G calculates the reliability related to the facility information based on the time series data of the facility information parameters in the database stored in the memory 101.
  • FIG. 5 is an image diagram showing how to obtain the reliability according to the present embodiment.
  • the greater the variation in weather information the lower the reliability related to weather information.
  • the greater the fluctuation of personal information the lower the reliability related to personal information.
  • the greater the variation in device information the lower the reliability related to device information.
  • the greater the fluctuation of the facility information the lower the reliability related to the facility information.
  • each degree of reliability related to weather information, personal information, device information, or facility information may be defined to be proportional to the reciprocal of the standard deviation of weather information, personal information, device information, and facility information in a predetermined period. .
  • the power consumption prediction unit 110H is realized by the CPU 110 executing a program. From the database stored in the memory 101, the power consumption amount prediction unit 110H includes the power consumption amounts of a plurality of electrical devices corresponding to the latest weather information and the power consumption amounts of the plurality of electrical devices corresponding to the latest personal information. Then, the power consumption amounts of the plurality of electrical devices corresponding to the latest device information and the values of the power consumption amounts of the plurality of electrical devices corresponding to the latest facility information are read.
  • the power consumption amount prediction unit 110H for each electric device, based on the reliability related to weather information, personal information, device information, or facility information, the power consumption amount corresponding to the latest weather information and the latest personal information Power consumption corresponding to the latest equipment information and power consumption corresponding to the latest equipment information are weighted to give Calculate the predicted value.
  • the power generation amount prediction unit 110E calculates a predicted value of the power consumption amount based only on the power consumption amount corresponding to information whose reliability is equal to or higher than a predetermined value.
  • the power consumption amount prediction unit 110H calculates a predicted value of the power generation amount after a predetermined time from the current time based only on the power generation amount corresponding to the information whose reliability is equal to or higher than the predetermined value.
  • the power generation amount measurement unit (power conditioner 200X) communicates with the CPU 110 and the communication interface 105.
  • CPU110 receives the electric power generation amount of the renewable energy production
  • the device control unit 110J is realized by the CPU 110, the communication interface 105, the touch panel 106, and the button 104.
  • the device control unit 110J includes a predicted value of power consumption for each of the plurality of electrical devices 200, an upper limit value of power consumption for the entire house or office set via the operation unit, and the power generation amount of the solar cell 200Y. Based on the predicted value, the power consumption to be allocated to each electric device 200 is calculated.
  • the device control unit 110J controls the operation of each electrical device 200 using the communication interface 105 based on the power consumption amount allocated to each electrical device 200.
  • the device control unit 110J controls the operation of each electrical device using the communication interface 105 based on a command received from the user via the touch panel 106 or the button 104.
  • FIG. 14 is a block diagram showing a hardware configuration of electric apparatus 200 according to the present embodiment.
  • electric device 200 includes a memory 201, a display 202, a button 204, a communication interface 205, a speaker 207, a sensor 209, and a CPU 210.
  • the memory 201 can be realized in the same manner as the memory 101 that stores the database of the controller 100.
  • the memory 201 stores a control program executed by the CPU 210, a power consumption amount of the electric device 200, a command input to the electric device 200, an operation state of the electric device 200, and the like.
  • the display 202 is controlled by the CPU 210. More specifically, the display 202 displays a still image or a moving image based on data from a TV tuner or VRAM (Video RAM) (not shown).
  • VRAM Video RAM
  • the button 204 is disposed on the surface of the electric device 200.
  • the electric device 200 may include a plurality of buttons 204 such as a determination key, a direction key, and a numeric keypad.
  • the button 204 receives a command from the user and inputs the command to the CPU 210.
  • the communication interface 205 transmits / receives data to / from the controller 100 via the network by being controlled by the CPU 210.
  • the communication interface 205 is connected to the controller 100 by using a wireless LAN, ZigBee (registered trademark), Bluetooth (registered trademark), a wired LAN (Local Area Network), or a PLC (Power Line Communications). Send and receive data.
  • Speaker 207 outputs sound based on a command from CPU 210.
  • the CPU 210 causes the speaker 207 to output sound based on the sound data.
  • the sensor 209 measures the power consumption of the electric device 200 and transmits the power consumption to the CPU 210.
  • the CPU 210 executes various types of information processing by executing various programs stored in the memory 201.
  • the processing in the electric device 200 is realized by each hardware and software executed by the CPU 210.
  • Such software may be stored in the memory 201 in advance.
  • the software may be stored in a storage medium and distributed as a program product.
  • the software may be provided as a program product that can be downloaded by an information provider connected to the so-called Internet.
  • Such software is read from the storage medium by using a reading device (not shown), or downloaded by using the communication interface 205 and temporarily stored in the memory 201.
  • the CPU 210 stores the software in the form of an executable program in the memory 201 and then executes the program. Note that the storage medium and the program can be realized in the same manner as the recording medium and program according to the controller 100.
  • the CPU 210 receives a control command from the controller 100 via the communication interface 205.
  • CPU110 controls each part of the electric equipment 200 based on a control command.
  • the CPU 210 of the heat pump water heater 200A receives a control command from the controller 100 and increases the target temperature of the tank or increases the circulation speed.
  • the present invention can also be applied to a case where it is achieved by supplying a program to the controller 100, an electric device, another communication device, or the like. Then, a storage medium storing a program represented by software for achieving the present invention is supplied to the system or apparatus, and the computer (or CPU or MPU) of the system or apparatus stores the program code stored in the storage medium It is possible to enjoy the effects of the present invention also by reading and executing.
  • the program code itself read from the storage medium realizes the functions of the above-described embodiment, and the storage medium storing the program code constitutes the present invention.
  • the function expansion is performed based on the instruction of the program code. It goes without saying that the CPU or the like provided in the board or the function expansion unit performs part or all of the actual processing and the functions of the above-described embodiments are realized by the processing.
  • 1 network system 100 controller, 101 memory, 102, 202 display, 103 tablet, 104, 204 button, 105, 205 communication interface, 106 touch panel, 107, 207 speaker, 108 clock, 110 CPU, 110A weather information parameter generator, 110B personal information parameter generation unit, 110C device information parameter generation unit, 110D facility information parameter generation unit, 110E power generation amount prediction unit, 110F prediction information parameter generation unit, 110G reliability generation unit, 110H power consumption prediction unit, 110J device control Part, 200 electrical equipment, 200A heat pump water heater, 200B air conditioner, 200C refrigerator, 200D lighting, 200E LCD TV, 200G Human sensor, 200H temperature / humidity sensor, 200I power sensor, 200J anemometer, 200K anemometer, 200L pyranometer, 200R smart meter, 200S sensing device, 200T camera device, 200U power consumption measuring unit, 200X power conditioner, 200Y Solar cell, 200Z storage battery, 201 memory, 209 sensor, 210 CPU (processor), 400Y renewable energy generator.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

　外部の環境に応じてエネルギ消費機器をより適切に制御することができるコントローラの提供。ネットワークを介して接続された複数の電気機器を制御するためのコントローラ（１００）が提供される。コントローラ（１００）は、複数の情報の各々に対応付けて複数の電気機器の消費電力量を記憶するメモリ（１０１）と、外部から情報を逐次受信するための通信インターフェイス（１０５）と、情報の信頼度を計算し、信頼度に基づいて予測消費電力量を計算し、予測消費電力量に基づいて複数の電気機器を制御するためのプロセッサ（１１０）とを備える。

Description

コントローラおよび制御方法
　本発明は、住宅などに配置されて当該住宅内の電気機器に接続されるコントローラおよび制御方法に関する。
　住宅などに配置されて、当該住宅内の電気機器を制御するためのコントローラが知られている。コントローラは、ヒートポンプ給湯機、エアコン、冷蔵庫、照明、液晶テレビなどを制御したり、それらの装置の状態を表示したりすることができる。近年では、天気などに基づいて、他の装置を適切に制御することができるコントローラが提案されている。
　コントローラは、家庭内の太陽光発電装置による未来の発電エネルギ、及び、エネルギ消費機器等が消費する消費エネルギを予測し、予測に基づき、機器の動作スケジュールを立案し、機器制御を行う。コントローラは、居住者に対して省エネルギ、及び、快適性を両立した機器制御を実現するものである。しかし、予測が外れた場合、居住者に不快感を与える可能性があるため、当該機器制御は、予測の正確さが求められる非常に重要な技術である。特に、消費エネルギは、天候、居住者、及び、機器状態等との情報の間に相関があることが知られている（例えば、機器状態（消費エネルギ機器の稼働数）に応じて、消費エネルギが増減する等）。また、１つの情報ではなく、複数の情報を用いて予測を実施することによって、予測の正確さを向上させることができる。
　たとえば、特開２００４－０７２９００号公報（特許文献１）には、電力ネットワーク管理システムおよび電力ネットワーク管理方法が開示されている。特許文献１によると、各自然エネルギ発電システムの制御装置は、天気予報による発電予定日の気象情報または現在の季節と所定の発電量情報に基づいて該発電予定日の発電量を予測するとともに、該気象情報または現在の季節または該発電予定日の日付または曜日と所定の消費電力量情報に基づいて該発電予定日の負荷の消費電力量を予測し、電力ネットワーク管理装置は、予測された発電量および消費電力量に基づいて当該発電予定日の電力ネットワークへの供給電力量の合計が一定になるように、各自然エネルギ発電システムの供給電力量を求めることを特徴とする。
　また、特開２００９－０５５７１３号公報（特許文献２）には、電力変動予測システムが開示されている。特許文献２によると、電力変動予測システムは、過去の電力変化曲線情報である類似電力変化曲線情報を外部環境データで補正して設備群電力変化曲線情報を作成する設備群電力変化曲線情報作成部と、異なる設備群の設備群電力変化曲線情報同士を加算して複数本の第１の所内系統電力変化曲線情報を作成する所内系統電力変化曲線情報作成部と、複数本の第１の所内系統電力変化曲線情報の電力の平均値と標準偏差値とに基づき第１の増加側電力変化曲線情報および第１の減少側電力変化曲線情報を作成する第１の増減側電力変化曲線情報作成部と、第１の増加側電力変化曲線情報および第１の減少側電力変化曲線情報から算出される電力変動の最大変化幅および最大変化率の少なくともいずれかを算出する電力変動情報作成部とを備える。
　また、特開２００３－２８１２２３号公報（特許文献３）には、消費エネルギ予測方法及び消費エネルギ予測装置が開示されている。特許文献３によると、消費エネルギ予測方法及び装置は、生活者の少なくとも性別、世代、職種を含む個人情報及び生活者が使用しているエネルギを消費する設備機器の少なくとも種類と台数を含む機器情報を入力する入力部と、設備機器運転スケジュール及び設備機器消費エネルギのデータベースとを備える。建造物で生活する生活者の少なくとも性別、世代、職種を含む個人情報及び生活者が使用しているエネルギを消費する設備機器の少なくとも種類と台数を含む機器情報を入力し、予め個人情報ごとに作成した設備機器ごとの時間区分毎における運転スケジュールと、同じく予め設定した設備機器ごとの消費エネルギを算出して消費エネルギを予測する。
　また、特開２００８－２５０５４２号公報（特許文献４）には、エネルギ消費算出システム及びエネルギ消費算出方法が開示されている。特許文献４によると、機器のエネルギ消費に関する情報を算出するエネルギ消費システムは、所定の空間における所定の機器のエネルギ料金を示す消費モデルを格納する消費モデルデータベースと、空間情報と該空間情報で示される空間の使用時間とが関連付けられた使用モデルの入力を受け付ける使用モデル受付部と、機器情報と空間情報とが関連付けられた設置情報の入力を受け付ける設置情報受付部と、受け付けられた使用モデル及び設置情報に基づいて機器の稼働状況を推定する稼働状況推定部と、推定された稼働状況と消費モデルとに基づいて、該稼働状況におけるエネルギ料金を算出する算出部と、そのエネルギ料金を出力する出力部とを備えることを特徴とする。
特開２００４－０７２９００号公報 特開２００９－０５５７１３号公報 特開２００３－２８１２２３号公報 特開２００８－２５０５４２号公報
　しかしながら、天候やユーザの行動に関する予測値と実測値との乖離が大きくなると、エネルギ消費機器の適切な制御ができない可能性が高くなる。換言すれば、予測値と実測値との乖離が大きい場合の対策がなされていない。したがって、その場合の対策が必要とされている。
　本発明は、かかる問題を解決するためになされたものである。ある局面における目的は、電気機器をより適切に制御するためのコントローラを提供することである。他の局面における目的は、電気機器の制御方法を提供することである。
　一実施の形態にしたがうと、ネットワークを介して接続された複数の電気機器を制御するためのコントローラが提供される。このコントローラは、複数の予測情報の各々に対応付けて複数の電気機器の消費電力量を含むデータベースを格納するためのメモリと、予測情報に関する信頼度を用いて計算された予測消費電力量に基づいて複数の電気機器を制御するための機器制御部とを備える。
　好ましくは、コントローラは、ネットワーク接続された電気機器で消費される未来の消費電力に関連する複数の予測情報パラメータを生成するように構成された予測情報パラメータ生成部をさらに備える。データベースには、各予測情報パラメータと予測情報パラメータに対応する消費電力量が時間区分毎に蓄積される。コントローラは、各予測情報パラメータの確からしさを示す信頼度を生成するように構成された信頼度生成部と、各予測情報パラメータに対応する信頼度によって、予測情報パラメータの複数から選択された少なくとも１つの予測情報パラメータを用いて、データベース内の消費電力量を予測値とするように構成された消費電力量予測部とをさらに備える。
　好ましくは、信頼度生成部は、予測対象期間の開始時刻の各予測情報パラメータとデータベースに蓄積された過去の各予測情報パラメータの変化量の度合いから、信頼度を算出するように構成されている。
　好ましくは、消費電力量予測部は、各予測情報パラメータに対応する信頼度のうち、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報をデータベースから抽出し、抽出された情報を予測値とするように構成されている。
　好ましくは、消費電力量予測部は、各予測情報パラメータに対応する信頼度のうち少なくとも１つ以上あらかじめ定められた値より小さい場合に、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報をデータベースから抽出し、抽出された情報を予測値とするように構成されている。
　他の実施の形態にしたがうと、プロセッサを備えたコントローラを用いて、ネットワークを介して接続された複数の電気機器を制御する制御方法が提供される。この方法は、プロセッサが、複数の電気機器の各々の消費電力量に対応付けられた複数の予測情報に関する信頼度を用いて計算された予測消費電力量に基づいて、複数の電気機器を制御することを含む。
　好ましくは、当該方法は、予測対象期間の開始時刻における各予測情報パラメータおよび過去の各予測情報パラメータに基づいて、各予測情報パラメータの確からしさを示す信頼度として生成することと、各予測情報パラメータに対応する信頼度によって、予測情報パラメーターの複数から選択された少なくとも一つの予測情報パラメータに基づいて、消費電力量を予測することとを含む。
　好ましくは、当該方法は、予測対象期間の開始時刻の各予測情報パラメータと過去の各予測情報パラメータの変化量の度合いから、信頼度を算出することを含む。
　好ましくは、当該方法は、各予測情報パラメータに対応する信頼度のうち、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報を抽出し、予測値とすることを含む。
　好ましくは、当該方法は、抽出された情報を各予測情報パラメータに対応する信頼度のうち少なくとも１つ以上あらかじめ定められた値より小さい場合に、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報を抽出し、抽出された情報を予測値とすることを含む。
　ある局面において、電気機器をより適切に制御することができるコントローラおよび情報処理方法が提供される。
　この発明の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解されるこの発明に関する次の詳細な説明から明らかとなるであろう。
本実施の形態に係るネットワークシステム１の全体構成を示すイメージ図である。 本実施の形態に係るメモリ１０１に格納されたデータベースのイメージ図である。 本実施の形態に係るコントローラ１００のハードウェア構成を表わすブロック図である。 コントローラ１００の機能構成を示すブロック図である。 本実施の形態に係る信頼度の求め方を示すイメージ図である。 Ｌ＝１０とした場合における外部温度とパラメータとの対応関係データを示すイメージ図である。 Ｌ＝１０とした場合における屋内の開放されているドアの数とパラメータとの対応関係データを示すイメージ図である。 Ｌ＝１０とした場合における電気機器稼動数とパラメータとの対応関係データを示すイメージ図である。 Ｌ＝１０とした場合における屋内の人数とパラメータとの対応関係データを示すイメージ図である。 本実施形態における予測消費電力量の算出方法を示すフローチャートである。 予測情報パラメータと消費電力量の関係を示すイメージ図である。 時間区分毎における消費電力量と、予測情報パラメータの関係を示した一例である。 時間区分毎における各予測情報パラメータの信頼度の関係を示した一例である。 本実施の形態に係る電気機器２００のハードウェア構成を表わすブロック図である。
　以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。
　＜ネットワークシステムの全体構成＞
　まず、本実施の形態に係るネットワークシステムの全体構成について説明する。図１は、本実施の形態に係るネットワークシステム１の全体構成を示すイメージ図である。
　図１を参照して、本実施の形態に係るネットワークシステム１は、たとえば、住宅やオフィスなどに設置される。ネットワークシステム１は、コントローラ１００を含む。ネットワークシステム１は、コントローラ１００によって制御される、ヒートポンプ給湯機２００Ａと、エアコン２００Ｂと、冷蔵庫２００Ｃと、照明２００Ｄと、液晶テレビ２００Ｅとを含む。以下では、ヒートポンプ給湯機２００Ａと、エアコン２００Ｂと、冷蔵庫２００Ｃと、照明２００Ｄと、液晶テレビ２００Ｅとを総称して家電（電気機器２００）ともいう。
　ネットワークシステム１は、コントローラ１００によって制御される、センシング機器２００Ｓ（人感センサ２００Ｇ、温湿度センサ２００Ｈ、電力センサ２００Ｉ、風力計２００Ｊ、風向計２００Ｋ、日射計２００Ｌ）と、スマートメータ２００Ｒとを含む。
　ネットワークシステム１は、コントローラ１００によって制御されるパワーコンディショナ２００Ｘと、パワーコンディショナ２００Ｘを介してコントローラ１００によって制御される太陽電池２００Ｙと蓄電池２００Ｚとを含む。なお、蓄電池２００Ｚは、住宅などに備え付けられるものであってもよいし、自動車用のバッテリーであってもよい。
　コントローラ１００は、有線あるいは無線のネットワークを介して、上記の装置とデータ通信する。ネットワークとしては、たとえば、無線ＬＡＮ、ZigBee(登録商標)、Bluetooth（登録商標）、有線ＬＡＮ（Local　Area　Network）、またはＰＬＣ（Power　Line　Communications）などを利用する。コントローラ１００は、持ち運び可能であってもよいし、テーブル上に置かれたベースに着脱自在であってもよいし、部屋の壁に固定されるものであってもよい。
　ネットワークシステム１は、インターネットを介して、気象情報などの、電気機器２００の消費電力量に影響を与える因子に関する情報を受信する。
　本実施の形態に係るネットワークシステム１においては、コントローラ１００が、パワーコンディショナ２００Ｘを制御することによって、系統または太陽電池２００Ｙまたは蓄電池２００Ｚから電力を取得したり、電気機器２００または系統または太陽電池２００Ｙまたは蓄電池２００Ｚへと電力を供給したりする。
　＜ネットワークシステムの動作概要＞
　次に、本実施の形態に係るネットワークシステム１の動作概要について説明する。図２は、本実施の形態に係るメモリ１０１に格納されたデータベースのイメージ図である。
　図１および図２を参照して、本実施の形態に係るコントローラ１００は、メモリ１０１内にデータベースを有する。
　メモリ１０１に格納されたデータベースには、後述する気象情報パラメータ生成部１１０Ａ（図４を参照）、個人情報パラメータ生成部１１０Ｂ、機器情報パラメータ生成部１１０Ｃ、設備情報パラメータ生成部１１０Ｄ等から生成される予測情報パラメータ、発電量測定部（パワーコンディショナ）１１０Ｙで測定される発電量、消費電力量測定部２００Ｕで測定される消費電力量の各値が格納されている。データベースでは図に示すように、予測情報パラメータに対応する発電、及び、消費電力量が蓄積されており、入力されたデータの予測情報パラメータに対応する、時刻、発電量、及び、消費電力量の各値が更新される。
　既に、予測情報パラメータに対応する発電量、及び、消費電力量の各値が蓄積されている場合は、コントローラ１００は、上書き、もしくは、それらの平均をとることで、発電量、消費電力量の各値を更新する。
　なお、本実施の形態に係るコントローラ１００は、気象情報と、個人情報と、機器情報と、設備情報とを利用することによって、消費電力量の予測値を計算するものである。しかしながら、コントローラ１００は、上記情報のうちの一部の情報のみを利用してもよいし、他の消費電力量に影響を与えるようなネットワークシステム１の周囲の環境を特定するための情報を利用してもよい。
　本実施の形態においては、気象情報は、気象（晴・雨・曇）を示す情報、気温（たとえば摂氏ａ度、華氏ｂ度）を示す情報、および／または湿度（ｃ％）を示す情報などを含む。たとえば、気温が低いと、コントローラ１００は、冷蔵庫２００Ｃに割り振る消費電力量を小さくするとともに、ヒートポンプ給湯機２００Ａに割り振る消費電力量を大きくする。曇りのときは、コントローラ１００は、照明２００Ｄに割り振る消費電力量を大きくするとともに、液晶テレビ２００Ｅのバックライトに割り振る消費電力量を小さくする。
　個人情報は、住宅やオフィスに滞在している人の数（ｘ人）を示す情報、各人の性別を示す情報、および／または各人の年齢を示す情報などを含む。機器情報は、住宅やオフィスに設置されている（コントローラ１００に接続されている）電気機器２００の数（Ｎ台）を示す情報、各電気機器２００の状態（正常・異常・動作中・停止中）を示す情報、動作モードを示す情報、および／または入力された命令を示す情報などを含む。設備情報は、住宅やオフィスの部屋に関する情報（広さや形状など）、ドアに関する情報（位置や開閉状態）、窓に関する情報（位置や開閉状態）などを含む。
　コントローラ１００は、センシング機器２００Ｓ（人感センサ２００Ｇ、温湿度センサ２００Ｈ、電力センサ２００Ｉ、風力計２００Ｊ、風向計２００Ｋ、日射計２００Ｌ）、またはコントローラ１００の操作部から、予測情報パラメータを生成するのに用いられる予測基礎情報として、気象情報、個人情報、機器情報、設備情報を取得する。コントローラ１００は、メモリ１０１に格納されたデータベースに、気象情報、個人情報、機器情報、および設備情報を蓄積する。すなわち、データベースは、気象情報、個人情報、機器情報、設備情報に関する時系列データを格納する。
　コントローラ１００は、メモリ１０１に格納されたデータベースの気象情報の時系列データに基づいて、気象情報に関する信頼度を計算する。気象情報の変動が小さいほど、気象情報に関する信頼度は高くなる。
　コントローラ１００は、メモリ１０１に格納されたデータベースの個人情報の時系列データに基づいて、個人情報に関する信頼度を計算する。個人情報の変動が小さいほど、個人情報に関する信頼度は高くなる。
　コントローラ１００は、メモリ１０１に格納されたデータベースの機器情報の時系列データに基づいて、機器情報に関する信頼度を計算する。機器情報の変動が小さいほど、機器情報に関する信頼度は高くなる。
　コントローラ１００は、メモリ１０１に格納されたデータベースの設備情報の時系列データに基づいて、設備情報に関する信頼度を計算する。設備情報の変動が小さいほど、設備情報に関する信頼度は高くなる。
　図４を参照して、本実施形態に係るコントローラ１００について説明する。図４は、コントローラ１００の機能構成を示すブロック図である。図４に示すように、コントローラは、予測情報パラメータ生成部１１０Ｆ、発電量予測部１１０Ｅ、消費電力量予測部１１０Ｈ、機器制御部１１０Ｊ、信頼度生成部１１０Ｇ、および、データベースを格納するメモリ１０１を備えている。なお、予測情報パラメータ生成部１１０Ｆ、発電量予測部１１０Ｅ、消費電力量予測部１１０Ｈ、機器制御部１１０Ｊおよび信頼度生成部１１０Ｇは、メモリ１０１に格納されたプログラムに基づいて、ＣＰＵ１１０が演算を実行することにより、実現される。
　コントローラ１００には、パワーコンディショナ２００Ｘが接続されている。パワーコンディショナ２００Ｘには、再生可能エネルギ生成部４００Ｙが接続されている。
　コントローラ１００は、ネットワーク、センシング機器２００Ｓ、及び、カメラ機器２００Ｔ、から出力される予測情報、太陽電池２００Ｙその他の機器に相当する再生可能エネルギ生成部４００Ｙから出力される発電量を測定する発電量測定部（パワーコンディショナ２００Ｘ）から出力される発電量情報、電気機器２００で消費される電力量を測定する消費電力量測定部２００Ｕから出力される消費電力量情報の入力を受け付け、ネットワーク接続された電気機器２００に対して、機器制御情報を出力する。機器制御情報とは、機器に付随する機能のＯＮ／ＯＦＦ制御や、機能の度合いを示すパラメータ（例えば、温度情報、強弱情報）を示す。
　センシング機器２００Ｓは、屋内もしくは屋外に設置され、様々な現象または事象を検知する機器である。センシング機器２００Ｓは、例えば、温度センサ、照度センサ、人感センサなどであるが、これらの機器に限定されるものではない。
　カメラ機器２００Ｔは、屋内もしくは屋外に設置された静止画、映像を撮像する機器である。カメラ機器２００Ｔは、例えば、監視カメラ、ＷＥＢカメラなどであるが、これらの機器に限定されるものではない。また、カメラ機器２００Ｔに、認識、認証機能を搭載し、センシング機器２００Ｓと同様の役割を有しても良い。
　再生可能エネルギ生成部４００Ｙは、屋外に設置された、自然環境の中で繰り返し発生する現象を利用して発電する機器である。例えば、発電の態様は、太陽光、風力、および、太陽熱発電などであるが、再生可能エネルギ生成部４００Ｙは、これらの発電を実現するための機器に限定されるものではない。
　発電量測定部４００Ｘは、再生可能エネルギ生成部から出力される再生可能エネルギ（発電量）を測定する。本実施形態においては、発電量測定部４００Ｘは、予め定められた時間区分内に発生する累積発電量を測定するパワーコンディショナ２００Ｘとして実現されるが、この機器に限定されるものではない。
　電気機器２００は、コントローラとのネットワーク接続機能を有する電気機器である。電気機器２００は、例えば、エアコン、テレビ、冷蔵庫、照明機器などであるが、これらの機器に限定されるものではない。
　消費電力量測定部２００Ｕは、電気機器で消費される電力量を測定する機器である。本実施形態では、消費電力量測定部２００Ｕは、予め定められた時間区分内で消費する累積電力量を測定する機器とするが、この機器に限定されるものではない。消費電力量測定部２００Ｕは、各電気機器２００に搭載されてもよいし、コントローラ１００に搭載されてもよいし、電気機器２００とコントローラ１００とは別に設けられてもよい。
　コントローラ１００は、時間区分毎（３０分、１時間、１日など）に情報を処理するものとする。例えば、時間区分が３０分の場合、コントローラからの出力は、現在時刻から３０分後の機器制御情報を出力するものとする。
　（予測情報パラメータ生成部１１０Ｆ）
　予測情報パラメータ生成部１１０Ｆは、外部から予測に関する基礎情報を取得し、発電量予測部１１０Ｅ及び消費電力量予測部１１０Ｈで利用可能な予測情報パラメータに変換し、予測情報パラメータを出力する。
　予測情報パラメータ生成部１１０Ｆは、Ｍ種類の情報パラメータ生成部から構成される。本実施形態においては、予測情報パラメータ生成部１１０Ｆは、気象情報パラメータ生成部１１０Ａ、設備情報パラメータ生成部１１０Ｄ、機器情報パラメータ生成部１１０Ｃ、個人情報パラメータ生成部１１０Ｂから構成される。以下の説明では、予測情報パラメータ生成部１１０Ｆは４種類の情報パラメータ生成部から構成されるものとするが、４種類に限定されるものではない。また、予測情報パラメータ生成部１１０Ｆ以外の情報に関する情報パラメータ生成部を用いても良い。
　気象情報パラメータ生成部１１０Ａは、外部のネットワーク、および、センシング機器２００Ｓから気象情報を入力し、気象情報パラメータを生成する。気象情報は、例えば、屋外の温度、湿度、照度に関する情報である。
　設備情報パラメータ生成部１１０Ｄは、センシング機器２００Ｓから設備情報の入力を受け、設備情報パラメータを出力する。設備情報は、例えば、ドアの開閉状況、屋内の照度、湿度、照度に関する情報である。
　機器情報パラメータ生成部１１０Ｃは、機器制御部１１０Ｊから出力される機器情報の入力を受け、設備情報パラメータを生成する。機器情報は、各電器機器に付随する機能のＯＮ／ＯＦＦ情報や、機能の度合いを示す情報に関する。
　個人情報パラメータ生成部１１０Ｂは、センシング機器２００Ｓおよびカメラ機器２００Ｔから個人情報の入力を受け、個人情報パラメータを生成する。個人情報は、屋内に存在する人の情報（たとえば、人数、性別、年齢層）に関する情報である。
　（予測情報パラメータ生成部１１０Ｆのパラメータ生成方法）
　予測情報パラメータ生成部１１０Ｆにおける、予測情報パラメータ生成手段について説明する。予測情報パラメータ生成部１１０Ｆは、外部から取得する情報を同等に扱うため、発電量予測部１１０Ｅまたは消費電力量予測部１１０Ｈで利用可能なパラメータに変換する処理を行う。予測情報パラメータ生成部１１０Ｆは、あらかじめ定められたテーブル表に基づき入力された情報をＬ段階のパラメータに変換する。各情報パラメータ生成部は、複数のテーブル表を保持しており、扱う情報に対応するテーブル表を選択し、パラメータの変換を行う。
　図６は、Ｌ＝１０とした場合における外部温度とパラメータとの対応関係データを示すイメージ図である。図７は、Ｌ＝１０とした場合における屋内の開放されているドアの数とパラメータとの対応関係データを示すイメージ図である。図８は、Ｌ＝１０とした場合における電気機器稼動数とパラメータとの対応関係データを示すイメージ図である。図９は、Ｌ＝１０とした場合における屋内の人数とパラメータとの対応関係データを示すイメージ図である。
　図６から図９を参照して、メモリ１０１に格納されるデータベースに、外部温度とパラメータとの対応関係データ、屋内の開放されているドアの数とパラメータとの対応関係データ、電気機器稼動数とパラメータとの対応関係データ、屋内の人数とパラメータとの対応関係データが格納される。
　図６から図９では、各情報は、パラメータ毎に同じ区間幅で区分されているが、各情報の区分は、本手法に限定されるものではなく、パラメータ毎に異なる区間幅で区分されても良い。
　（データベース）
　メモリ１０１に格納されたデータベースには、予測情報パラメータ生成部１１０Ｆで生成される予測情報パラメータ、発電量測定部（パワーコンディショナ２００Ｘ）で測定される発電量、消費電力量測定部２００Ｕで測定される消費電力量の各値が格納される。データベースには、図２に示すように、予測情報パラメータに対応する発電量、及び、消費量が蓄積されている。コントローラ１００は、入力されたデータの予測情報パラメータに対応する、時刻、発電量、及び、消費電力量の各値を更新する。
　既に、予測情報パラメータに対応する発電量、及び、消費電力量が蓄積されている場合は、コントローラ１００は、上書き、もしくは、それらの平均をとることで、発電量、消費電力量の各値を更新する。また、メモリ１０１に格納されたデータベースで蓄積されている過去のデータを総称して、以下では過去データと呼ぶ。
　（発電量予測部１１０Ｅ）
　発電量予測部１１０Ｅは、現在時刻における各予測情報パラメータ、および過去データを利用して、予測対象期間における発電量を予測する。なお、予測対象期間とは、現在時刻から、あらかじめ定められた時間区分終了後までの期間とする。例えば、現在時刻が１６：００、時間区分が３０分の場合は、予測対象期間は、１６：００から１６：３０までの区間を示す。なお、予測対象期間における発電量は未来の事象であるため未知である。このように、現在時刻とは、予測対象期間の開始時刻を意味することになる。
　（機器制御部１１０Ｊ）
　機器制御部１１０Ｊは、発電量予測部１１０Ｅで予測される予測発電量、及び、消費電力量予測部１１０Ｈで予測される予測消費電力量の各値の入力を受け付け、予測対象期間における電気機器の動作スケジュールを作成する。なお、動作スケジュールは、居住者に対して、省エネルギ、快適性の両立を実現しており、機器制御部１１０Ｊは、動作スケジュールに基づいた動作を指示する情報を、電気機器２００に出力する。例えば、電気機器２００の一つがエアコン２００Ｂである場合、当該情報は、エアコン電源のＯＮ／ＯＦＦ情報、動作モード（冷房、暖房、送風等）、温度情報、風向情報などである。
　（消費電力量予測部１１０Ｈ）
　本実施形態における消費電力量予測方法について説明する。消費電力量予測部１１０Ｈは、現在時刻（予測対象期間の開始時刻）における各予測情報パラメータ、及び、後述する信頼度生成部１１０Ｇから出力される各予測情報パラメータに対応する信頼度、及び、過去データを利用して、予測対象期間における消費電力量を予測する。なお、予測対象期間における消費電力は、未来の事象であるため未知である。
　（過去データを用いた一般的な予測手法、及び、課題）
　図１１を参照して、過去データを用いた一般的な予測方法及びその課題について説明する。なお、ここで説明する手法は、図４から信頼度生成部１１０Ｇを除いた構成に相当し、本発明における過去データ、および予測情報パラメータに相当する情報を用いて予測を実施する際に、利用される基本的な予測技術である。
　一般に、予測で利用する予測情報パラメータと消費電力量にはある程度の相関があることが知られている。また、図１１は、予測情報パラメータと消費電力量の関係を示すイメージ図である。
　図１１を参照して、横軸は予測情報パラメータであり、縦軸は消費電力量である。また、図１１上の直線は近似線であり、近似線に近いほど、相関が高いことを示す。
　例えば、消費電力量は、屋内の電気機器の稼働台数に応じて変動する。電気機器の稼働台数が非常に多い（図１１の場合、予測情報パラメータが大きい）場合、消費電力量は上昇傾向にある。一方、電気機器の稼働台数が非常に少ない（図１１の場合、予測情報パラメータが小さい）場合、消費電力量は下降傾向にある。電気機器の稼働台数に限らず、居住者の人数、天候といった、その他の情報に関しても、ある程度の相関がある。従来手法では、複数の予測情報パラメータを用いることで、相関をさらに高めている。
　図１２を参照して、従来手法の概要を説明する。図１２は、時間区分毎における消費電力量と、予測情報パラメータの関係を示した一例である。
　図１２に示すように、一般に、現在時刻をＴ、時間区分を１とすると、現在時刻Ｔから時刻Ｔ＋１までを予測対象期間として、予測を実施する。
　現在時刻Ｔにおける予測情報パラメータの値はそれぞれ、気象情報パラメータ＝８、設備情報パラメータ＝３、機器情報パラメータ＝２、個人情報パラメータ＝２である。従来手法を用いるプロセッサは、まず、過去データ（現在時刻Ｔより以前のデータ）内から、パラメータと一致する予測情報パラメータを検索する。検索の結果、時刻Ｔ－５との予測情報パラメータが一致するため、当該プロセッサは、時刻Ｔ－５における消費電力量Ｗ２を現在時刻Ｔから始まる時間区分における消費電力量の予測値とする。なお、図６に示す例では、消費電力量の予測値は「５８６」となる。
　予測情報パラメータと消費電力量値の相関を利用した場合、実際の消費電力量と予測消費電力量は、ほぼ一致すると考えられる。つまり、異なる時刻において、予測情報パラメータが一致する場合は、その時刻から始まる時間区分における消費電力量も一致する関係にある。例えば、時刻Ｔ－１から始まる時間区分における消費電力量を未知とした場合、予測消費電力量はＷ１、実際の消費電力量もＷ１となるため、予測が正確に行われていることがわかる。
　しかし、時刻Ｔ－２から始まる時間区分における消費電力量を未知とした場合、予測消費電力量はＷ４、実際の消費電力量はＷ３となるため、Ｗ４－Ｗ３の消費電力量の誤差が発生する。従来の手法においては、予測情報パラメータが一致するにもかかわらず、上記のように予測が正確に実施されないケースが発生する。予測情報パラメータが一致しているにもかかわらず、消費電力量の値が異なるということは、予測対象期間内において予測情報パラメータに突発的な変動（例えば、突然の気象変動、機器の故障等）が生じ、予測の正確さを低下させた可能性が高い。これは、図１１においては、近似線から離れている値に相当する。
　各予測情報パラメータの信頼性を評価し、予測において各予測情報パラメータを利用するかの判定を行うことができれば、予測の正確さを低下させる予測情報パラメータを除外することができ、予測の正確さを向上させることが可能である。しかし、従来の技術において、各予測情報パラメータを評価する手段は存在しなかった。
　本実施形態では、各予測情報パラメータを定量的に評価する指標を信頼度として定義する。なお、信頼度の値は大きいほど、信頼性が高いことを意味する。また、信頼度は、各予測情報パラメータそれぞれに対して付与されるものとし、各時刻において随時算出されるものとする。なお、従来の予測方法では、信頼度の概念は適用されていないが、仮に、従来の予測方法で信頼度を定義した場合、各予測情報パラメータに対する信頼度は最大値として定義できる。つまり、全ての予測情報パラメータは信頼できると判定されるため、予測で利用する情報の選択は行われず、すべての予測情報パラメータが予測で利用される。
　（信頼度を用いた消費電力量予測方法）
　本実施形態における信頼度生成部１１０Ｇで生成される信頼度を用いた予測方法について説明する。なお、信頼度の具体的な算出方法については後述する。
　本実施形態では、コントローラ１００は、各予測情報パラメータに対応する信頼度が予め定められた値との比較を行うことにより、予測情報パラメータを予測で利用するかを判定する。信頼度が予め定められた値より大きければ、コントローラ１００は、信頼性が高いと判断し、対応する予測情報パラメータを予測で利用する。一方、信頼度があらかじめ定められた値より小さければ、コントローラ１００は、信頼性が低いと判断し、対応する予測情報パラメータを予測から除外する。予測情報パラメータ生成部１１０ＦがＭ個から構成される、つまり、予測情報パラメータがＭ種類ある場合は、除外する予測情報パラメータ数をＳとすると、予測情報パラメータはＭ－Ｓ個からＭ個の範囲で選択されて、コントローラ１００は、予測を実施する。本実施形態では、除外する予測情報パラメータ数Ｓ＝１とするが、Ｓの値は小さい値の方が好ましい。除外する予測情報パラメータ数を多くすると、予測の正確さが低下するためである。
　言い換えれば、同様の理由により、選択する予測情報パラメータの数は、１つでも良いが、複数の方が好ましい。
　図１３を用いて、信頼度を用いた予測情報の選択方法の具体例について説明する。図１３は、予測情報パラメータが4種類（気象情報パラメータ、設備情報パラメータ、機器情報パラメータ、個人情報パラメータ）の場合における、時間区分毎の信頼度の変化を表している。なお、あらかじめ定められた閾値は５０、除外する予測情報パラメータ数を１とする。
　時刻１から時刻３においてはすべての信頼度が閾値を超えているため、予測情報の除外は実施されない。
　時刻４から時刻６においては、個人情報パラメータの信頼度が閾値５０を下回っているため、個人情報パラメータは除外され、気象情報パラメータ、設備情報パラメータ、機器情報パラメータのみが選択され予測に用いられる。
　時刻７から時刻１４においては、機器情報パラメータおよび個人情報パラメータの各信頼度が閾値５０を下回っている。この場合、機器情報パラメータ、個人情報パラメータのうち信頼度が小さい予測情報パラメータが除外されるため、時刻９から１２においては機器情報パラメータが除外され、気象情報パラメータ、設備情報パラメータ、個人情報パラメータのみが選択され予測に用いられる。時刻７から８および、時刻１３から時刻１４においては個人情報パラメータが除外され、気象情報パラメータ、設備情報パラメータ、機器情報パラメータのみが選択され予測に用いられる。
　時刻１５から時刻１８においては、個人情報パラメータの信頼度が閾値５０を下回っているため、個人情報パラメータは除外され、気象情報パラメータ、設備情報パラメータ、機器情報パラメータのみが選択され予測に用いられる。
　時刻１９から時刻２２においてはすべての信頼度が閾値を超えているため、予測情報の選択は行われない。
　時刻２３から時刻２６においては、設備情報パラメータの信頼度が閾値５０を下回っているため、設備情報パラメータは除外され、気象情報パラメータ、機器情報パラメータ、個人情報パラメータのみが選択され予測に用いられる。
　このように、コントローラ１００は、各時刻において信頼度の大小関係に基づき、予測で利用する予測情報の選択を行う。
　（信頼度生成部１１０Ｇ）
　信頼度生成部１１０Ｇは、メモリ１０１に格納されたデータベースに格納された予測情報パラメータ、及び、消費電力量の各値を用いて、予測対象期間における各予測情報パラメータに対応する信頼度を算出する。
　（信頼度生成部１１０Ｇにおける信頼度の算出方法のフローチャート）
　本実施形態における信頼度の算出方法の一例について説明する。本実施形態における信頼度はある一定の区間における、各区分間の差分絶対値に基づいて算出される。
　ＲＸ（Ｔ）＝Ａ・Ｐ / Σ(1 + （｜Ｘ（ｔ）－Ｘ（ｔ－１）｜）)
　（ｔ=Ｔ～Ｔ－Ｐ）
　なお、ｔは時間変数、Ｔは現在時刻、Ｘ（ｔ）は時刻ｔにおける予測情報Ｘの予測情報パラメータ、Ｐは区間における時間区分の個数、ＲＸ（ｔ）は時刻ｔにおける予測情報Ｘの信頼度、Ａは正の定数を示す。また、｜ｘ｜はｘの絶対値を示す。すなわち、｜Ｘ（ｔ）－Ｘ（ｔ－１）｜は時刻ｔに対応する時間区分おける予測情報パラメータの値と、ひとつ前の時間区分における予測情報パラメータの値との差分絶対値を示す。
　本式によると、該区間において、各区分の値にばらつきが多い場合は、分母の差分絶対値が大きくなることにより信頼度RX(T)の値は小さくなる。一方、各区分の値のばらつきが少ない場合は、分母の差分絶対値が小さくなることにより信頼度RX（T）の値は大きくなる。
　（消費電力量予測部１１０Ｈにおける予測消費電力量算出のフローチャート）
　図１０を参照して、本実施形態における予測消費電力量の算出方法について説明する。図１０は、本実施形態における予測消費電力量の算出方法を示すフローチャートである。
　（ステップＳ１）　消費電力量予測部１１０Ｈは、各パラメータの初期化を実施する。より詳しくは、消費電力量予測部１１０Ｈは、除外する予測情報パラメータ数Ｓ＝１、および、あらかじめ定められた値（以下、信頼度閾値：Ｔｈ）を設定する。除外する予測情報パラメータの数を大きくすると、予測で利用する予測情報パラメータの数が減少し、予測の正確さが低下するため、除外する予測情報パラメータ数は小さな値のほうが好ましい。
　除外する予測情報パラメータ数：Ｓ＝１
　信頼度の閾値：Ｔｈ
　（ステップＳ２）　消費電力量予測部１１０Ｈは、Ｍ個の予測情報パラメータに対応する信頼度と、信頼度閾値を比較する。消費電力量予測部１１０Ｈが、Ｍ個の予測情報パラメータが信頼度閾値Ｔｈより大きい、すなわち、すべての予測情報パラメータが信頼できると判定すると、予測情報パラメータを選択する必要がないため、処理は、ステップＳ４に遷移する。一方、消費電力量予測部１１０Ｈが、Ｍ個の予測情報パラメータの信頼度のうち、一つでも信頼度閾値Ｔｈより小さい、すなわち、一部の予測情報パラメータが信頼できないと判定すると、予測情報パラメータを選択する必要があるため、処理は、ステップＳ３に遷移する。
　（ステップＳ３）　消費電力量予測部１１０Ｈは、ステップＳ２において予測情報パラメータを選択する必要があると判定したため、予測情報パラメータの選択を実施する。除外する予測情報パラメータ数Ｓ＝１の場合、消費電力量予測部１１０Ｈは、Ｍ個の信頼度のうち最小の値を持つ予測情報パラメータのみを除外する。また、除外する予測情報パラメータ数Ｓ＝２の場合、消費電力量予測部１１０Ｈは、Ｍ個の信頼度の中で、小さな値を持つ２つの予測情報パラメータを除外する。すなわち、消費電力量予測部１１０Ｈは、Ｍ個の予測情報パラメータのうち、信頼度が小さい予測情報パラメータＳ個を除外し、Ｍ－Ｓ個の予測情報パラメータのみを予測に利用する。
　（ステップＳ４）　消費電力量予測部１１０Ｈは、ステップＳ２において予測情報パラメータを選択する必要がないと判定したため、予測情報パラメータの選択を実施しない。すなわち、消費電力量予測部１１０Ｈは、Ｍ個の予測情報パラメータすべてを予測に利用する。
　（ステップＳ５）　消費電力量予測部１１０Ｈは、ステップＳ３においてＭ－Ｓ個選択された過去データ内において、Ｍ－Ｓ個の予測情報パラメータと一致する時刻から始まる時間区分の消費電力量を抽出する。
　（ステップＳ６）　消費電力量予測部１１０Ｈは、過去データ内において、Ｍ個の予測情報パラメータと一致する時刻から始まる時間区分の消費電力量を抽出する。
　（ステップＳ７）　消費電力量予測部１１０Ｈは、ステップＳ５もしくはステップＳ６において抽出された消費電力量を予測消費電力量として出力する。
　好ましくは、コントローラ１００は、信頼度が所定値以上である情報に対応する消費電力量のみに基づいて、電気機器毎の消費電力量の予測値を計算する。
　コントローラ１００は、複数の電気機器の消費電力量の予測値と、操作部などを介して設定された住宅またはオフィス全体に関する消費電力量の上限値と、太陽電池２００Ｙの発電量の予測値とに基づいて、各電気機器に割り振る消費電力量を計算することによって、各電気機器の動作を制御する。
　このように、本実施の形態に係るコントローラ１００は、気象情報、個人情報、機器情報、設備情報に関する信頼度を考慮しながら、消費電力量の予測量を計算する。つまり、外部の環境変化の度合いなどに応じて、信頼度が低い情報と信頼度が高い情報とを、消費電力量の予測のために適切に利用することができる。その結果、本実施の形態に係るコントローラ１００は、従来のものよりも、より適切に電気機器を制御することができる。
　以下、このような機能を実現するためのネットワークシステム１の具体的な構成について詳述する。
　＜コントローラ１００のハードウェア構成＞
　図３を参照して、本実施の形態に係るコントローラ１００のハードウェア構成の一態様について説明する。図３は、本実施の形態に係るコントローラ１００のハードウェア構成を表わすブロック図である。
　コントローラ１００は、データベースを格納するメモリ１０１と、ディスプレイ１０２と、タブレット１０３と、ボタン１０４と、通信インターフェイス１０５と、スピーカ１０７、時計１０８、プロセッサであるＣＰＵ（Central　Processing　Unit）１１０とを含む。
　データベースは、各種のメモリ、例えば、ＲＡＭ（Random　Access　Memory）や、ＲＯＭ（Read-Only　Memory）や、ハードディスクなどによって実現されるメモリ１０１に格納されている。また、データベースは、読取用のインターフェイスを介して利用される、ＵＳＢ（Universal　Serial　Bus）メモリ、ＣＤ－ＲＯＭ（Compact　Disc　-　Read　Only　Memory）、ＤＶＤ－ＲＯＭ（Digital　Versatile　Disk　-　Read　Only　Memory）、メモリカード、ＦＤ（Flexible　Disk）、ハードディスク、磁気テープ、カセットテープ、ＭＯ（Magnetic　Optical　Disc）、ＭＤ（Mini　Disc）、ＩＣ（Integrated　Circuit）カード（メモリカードを除く）、光カード、マスクＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（Electronically　Erasable　Programmable　Read-Only　Memory）などの、不揮発的にプログラムを格納する媒体などによっても実現されるメモリにも格納できる。
　メモリ１０１に格納されているデータベースは、ＣＰＵ１１０によって実行される制御プログラムと各種データとを記憶する。より詳細には、上述したように、メモリ１０１に格納されたデータベースは、気象情報と所定時間先における所定期間の電気機器２００毎の消費電力量の予測値と太陽電池２００Ｙによる発電量を対応付けて格納する。データベースは、個人情報と所定時間先における所定期間の電気機器２００毎の消費電力量の予測値と太陽電池２００Ｙによる発電量とを対応付けて格納する。データベースは、機器情報と所定時間先における所定期間の電気機器２００毎の消費電力量の予測値と太陽電池２００Ｙによる発電量とを対応付けて格納する。さらに、データベースは、設備情報と所定時間先における所定期間の電気機器２００毎の消費電力量の予測値と太陽電池２００Ｙによる発電量とを対応付けて格納する。
　上述したように、本実施の形態においては、気象情報は、気象（晴・雨・曇）を示す情報、気温（摂氏ａ度または華氏ｂ度）を示す情報、および／または湿度（ｃ％）を示す情報などを含む。個人情報は、住宅やオフィスに滞在している人の数（ｘ人）を示す情報、各人の性別を示す情報、および／または各人の年齢を示す情報などを含む。機器情報は、住宅やオフィスに設置されている（コントローラ１００に接続されている）電気機器２００の数（Ｎ台）を示す情報、各電気機器２００の状態（正常・異常・動作中・停止中）を示す情報、動作モードを示す情報、および／または入力された命令を示す情報などを含む。設備情報は、住宅やオフィスの部屋に関する情報（広さや形状など）、ドアに関する情報（位置や開閉状態）、窓に関する情報（位置や開閉状態）などを含む。
　ディスプレイ１０２は、ＣＰＵ１１０によって制御されることによって、電気機器やパワーコンディショナ２００Ｘの状態を表示する。タブレット１０３は、ユーザの指によるタッチ操作を検出して、タッチ座標などをＣＰＵ１１０に入力する。ＣＰＵ１１０は、タブレット１０３を介して、ユーザからの命令を受け付ける。
　本実施の形態においては、ディスプレイ１０２の表面にタブレット１０３が設けられている。すなわち、本実施の形態においては、ディスプレイ１０２とタブレット１０３とがタッチパネル１０６を構成する。ただし、コントローラ１００は、タブレット１０３を有していなくともよい。
　ボタン１０４は、コントローラ１００の表面に配置される。決定キー、方向キー、テンキーなどの複数のボタンがコントローラ１００に配置されても良い。ボタン１０４は、ユーザからの命令を受け付ける。ボタン１０４は、ユーザからの命令をＣＰＵ１１０に入力する。
　通信インターフェイス１０５は、ＣＰＵ１１０によって制御されることによって、ネットワークを介して、電気機器とデータを送受信する。上述したように、通信インターフェイス１０５は、たとえば、無線ＬＡＮ、ZigBee(登録商標)、Bluetooth（登録商標）、有線ＬＡＮ、またはＰＬＣなどを利用することによって、電気機器とデータを送受信する。
　スピーカ１０７は、ＣＰＵ１１０からの命令に基づいて、音声を出力する。たとえば、ＣＰＵ１１０は、音声データに基づいて、スピーカ１０７に音声を出力させる。
　時計１０８は、ＣＰＵ１１０からの命令に基づいて、現在の日付や時刻をＣＰＵ１１０に入力する。
　ＣＰＵ１１０は、メモリ１０１に記憶されている各種のプログラムを実行することによって、各種の情報処理を実行する。換言すれば、コントローラ１００における処理は、各ハードウェアおよびＣＰＵ１１０により実行されるソフトウェアによって実現される。このようなソフトウェアは、メモリ１０１に予め記憶されている場合がある。また、ソフトウェアは、記憶媒体に格納されて、プログラム製品として流通している場合もある。あるいは、ソフトウェアは、いわゆるインターネットに接続されている情報提供事業者によってダウンロード可能なプログラム製品として提供される場合もある。
　このようなソフトウェアは、図示しない読取装置を利用することによってその記憶媒体から読み取られて、あるいは、通信インターフェイス１０５を利用することによってダウンロードされて、メモリ１０１に一旦格納される。ＣＰＵ１１０は、ソフトウェアを実行可能なプログラムの形式でメモリ１０１に格納してから、当該プログラムを実行する。
　なお、記憶媒体としては、ＣＤ－ＲＯＭ（Compact　Disc　-　Read　Only　Memory）、ＤＶＤ－ＲＯＭ（Digital　Versatile　Disk　-　Read　Only　Memory）、ＵＳＢ（Universal　Serial　Bus）メモリ、メモリカード、ＦＤ（Flexible　Disk）、ハードディスク、磁気テープ、カセットテープ、ＭＯ（Magnetic　Optical　Disc）、ＭＤ（Mini　Disc）、ＩＣ（Integrated　Circuit）カード（メモリカードを除く）、光カード、マスクＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（Electronically　Erasable　Programmable　Read-Only　Memory）などの、不揮発的にプログラムを格納する媒体が挙げられる。
　ここでいうプログラムとは、ＣＰＵにより直接実行可能なプログラムだけでなく、ソースプログラム形式のプログラム、圧縮処理されたプログラム、暗号化されたプログラム等を含む。
　図４を再び参照して、本実施の形態に係るＣＰＵ１１０は、プログラムを実行することによって、以下の機能ブロック（予測情報パラメータ生成部１１０Ｆ（気象情報パラメータ生成部１１０Ａ、個人情報パラメータ生成部１１０Ｂ、機器情報パラメータ生成部１１０Ｃ、設備情報パラメータ生成部１１０Ｄ）、発電量予測部１１０Ｅ、信頼度生成部１１０Ｇ、消費電力量予測部１１０Ｈ）を実現する。
　気象情報パラメータ生成部１１０Ａは、ＣＰＵ１１０と通信インターフェイス１０５とタッチパネル１０６とボタン１０４とによって実現される。気象情報パラメータ生成部１１０Ａは、通信インターフェイス１０５を利用して、外部のサーバから予測基礎情報である気象情報を受信する。あるいは、気象情報パラメータ生成部１１０Ａは、通信インターフェイス１０５を利用して、センサ類から予測基礎情報である気象情報を受信する。あるいは、気象情報パラメータ生成部１１０Ａは、タッチパネル１０６またはボタン１０４を介して予測基礎情報である気象情報を受け付ける。気象情報パラメータ生成部１１０Ａは、メモリ１０１に格納されたデータベースに気象情報パラメータを時刻とともに時系列データとして蓄積していく。
　個人情報パラメータ生成部１１０Ｂは、ＣＰＵ１１０と通信インターフェイス１０５とタッチパネル１０６とボタン１０４とによって実現される。個人情報パラメータ生成部１１０Ｂは、通信インターフェイス１０５を利用して、外部のサーバから予測基礎情報である個人情報を受信する。あるいは、個人情報パラメータ生成部１１０Ｂは、通信インターフェイス１０５を利用して、センサ類から予測基礎情報である個人情報を受信する。あるいは、個人情報パラメータ生成部１１０Ｂは、タッチパネル１０６またはボタン１０４を介して予測基礎情報である個人情報を受け付ける。個人情報パラメータ生成部１１０Ｂは、メモリ１０１に格納されたデータベースに個人情報パラメータを時刻とともに時系列データとして蓄積していく。
　機器情報パラメータ生成部１１０Ｃは、ＣＰＵ１１０と通信インターフェイス１０５とタッチパネル１０６とボタン１０４とによって実現される。機器情報パラメータ生成部１１０Ｃは、通信インターフェイス１０５を利用して、外部のサーバから予測基礎情報である機器情報を受信する。あるいは、機器情報パラメータ生成部１１０Ｃは、通信インターフェイス１０５を利用して、センサ類から予測基礎情報である機器情報を受信する。あるいは、機器情報パラメータ生成部１１０Ｃは、タッチパネル１０６またはボタン１０４を介して機器情報を受け付ける。機器情報パラメータ生成部１１０Ｃは、メモリ１０１に格納されているデータベースに機器情報パラメータを時刻とともに時系列データとして蓄積していく。
　設備情報パラメータ生成部１１０Ｄは、ＣＰＵ１１０と通信インターフェイス１０５とタッチパネル１０６とボタン１０４とによって実現される。設備情報パラメータ生成部１１０Ｄは、通信インターフェイス１０５を利用して、外部のサーバから予測基礎情報である設備情報を受信する。あるいは、設備情報パラメータ生成部１１０Ｄは、通信インターフェイス１０５を利用して、センサ類から予測基礎情報である設備情報を受信する。あるいは、設備情報パラメータ生成部１１０Ｄは、タッチパネル１０６またはボタン１０４を介して予測基礎情報である設備情報を受け付ける。設備情報パラメータ生成部１１０Ｄは、メモリ１０１に格納されているデータベースに設備情報パラメータを時刻とともに時系列データとして蓄積していく。
　発電量予測部１１０Ｅは、ＣＰＵ１１０がプログラムを実行することによって実現される。発電量予測部１１０Ｅは、メモリ１０１に格納されているデータベースから、最新の気象情報に対応する太陽電池２００Ｙの発電量と、太陽電池２００Ｙの発電量と、太陽電池２００Ｙの発電量と、太陽電池２００Ｙの発電量とを読み出す。発電量予測部１１０Ｅは、気象情報、個人情報、機器情報、または設備情報に関する各信頼度に基づいて、最新の気象情報に対応する発電量と、最新の個人情報に対応する発電量と、最新の機器情報に対応する発電量と、最新の設備情報に対応する発電量に重み付けを行うことによって、所定時間先における所定期間の発電量の予測値を計算する。
　信頼度生成部１１０Ｇは、ＣＰＵ１１０がプログラムを実行することによって実現される。信頼度生成部１１０Ｇは、メモリ１０１に格納されたデータベースの気象情報パラメータの時系列データに基づいて、気象情報に関する信頼度を計算する。信頼度生成部１１０Ｇは、メモリ１０１に格納されたデータベースの個人情報パラメータの時系列データに基づいて、個人情報に関する信頼度を計算する。信頼度生成部１１０Ｇは、メモリ１０１に格納されたデータベースの機器情報パラメータの時系列データに基づいて、機器情報に関する信頼度を計算する。信頼度生成部１１０Ｇは、メモリ１０１に格納されたデータベースの設備情報パラメータの時系列データに基づいて、設備情報に関する信頼度を計算する。
　図５は、本実施の形態に係る信頼度の求め方を示すイメージ図である。図５を参照して、気象情報の変動が大きいほど、気象情報に関する信頼度は低くなる。個人情報の変動が大きいほど、個人情報に関する信頼度は低くなる。機器情報の変動が大きいほど、機器情報に関する信頼度は低くなる。設備情報の変動が大きいほど、設備情報に関する信頼度は低くなる。
　たとえば、気象情報、個人情報、機器情報、または設備情報に関する各信頼度は、それぞれ、所定期間における、気象情報、個人情報、機器情報、設備情報の標準偏差の逆数に比例すると定義してもよい。
　図４に戻って、消費電力量予測部１１０Ｈは、ＣＰＵ１１０がプログラムを実行することによって実現される。消費電力量予測部１１０Ｈは、メモリ１０１に格納されたデータベースから、最新の気象情報に対応する複数の電気機器の消費電力量と、最新の個人情報に対応する複数の電気機器の消費電力量と、最新の機器情報に対応する複数の電気機器の消費電力量と、最新の設備情報に対応する複数の電気機器の消費電力量の各値とを読み出す。消費電力量予測部１１０Ｈは、各々の電気機器に関して、気象情報、個人情報、機器情報、または設備情報に関する各信頼度に基づいて、最新の気象情報に対応する消費電力量と、最新の個人情報に対応する消費電力量と、最新の機器情報に対応する消費電力量と、最新の設備情報に対応する消費電力量の各値に重み付けを行うことによって、現時点から所定時間後における消費電力量の予測値を計算する。
　好ましくは、発電量予測部１１０Ｅは、信頼度が所定値以上である情報に対応する消費電力量のみに基づいて、消費電力量の予測値を計算する。消費電力量予測部１１０Ｈは、信頼度が所定値以上である情報に対応する発電量のみに基づいて、現時点から所定時間後における発電量の予測値を計算する。
　発電量測定部（パワーコンディショナ２００Ｘ）は、ＣＰＵ１１０と通信インターフェイス１０５とによって通信を行う。ＣＰＵ１１０は、通信インターフェイス１０５を利用して、再生可能エネルギ生成部４００Ｙの発電量を受信する。
　機器制御部１１０Ｊは、ＣＰＵ１１０と通信インターフェイス１０５とタッチパネル１０６とボタン１０４とによって実現される。機器制御部１１０Ｊは、複数の電気機器２００毎の消費電力量の予測値と、操作部などを介して設定された住宅またはオフィス全体に関する消費電力量の上限値と、太陽電池２００Ｙの発電量の予測値とに基づいて、各々の電気機器２００に割り振るべき消費電力量を計算する。機器制御部１１０Ｊは、各々の電気機器２００に割り振る消費電力量に基づいて、通信インターフェイス１０５を利用して、各々の電気機器２００の動作を制御する。機器制御部１１０Ｊは、タッチパネル１０６またはボタン１０４を介してユーザから受け付けた命令に基づいて、通信インターフェイス１０５を利用して、各々の電気機器の動作を制御する。
　＜電気機器２００のハードウェア構成＞
　図１４を参照して、本実施の形態に係る電気機器２００のハードウェア構成の一態様について説明する。図１４は、本実施の形態に係る電気機器２００のハードウェア構成を表わすブロック図である。
　図１４を参照して、電気機器２００は、メモリ２０１と、ディスプレイ２０２と、ボタン２０４と、通信インターフェイス２０５と、スピーカ２０７と、センサ２０９と、ＣＰＵ２１０とを含む。
　メモリ２０１は、コントローラ１００のデータベースを格納するメモリ１０１と同様に実現され得る。メモリ２０１は、ＣＰＵ２１０によって実行される制御プログラムや、電気機器２００の消費電力量や、電気機器２００に入力された命令や、電気機器２００の動作状態などを記憶する。
　ディスプレイ２０２は、ＣＰＵ２１０によって制御される。より詳細には、ディスプレイ２０２は、図示しないＴＶチューナやＶＲＡＭ（Video　RAM）からのデータに基づいて、静止画像や動画像を表示する。
　ボタン２０４は、電気機器２００の表面に配置される。電気機器２００は、決定キー、方向キー、テンキーなどの複数のボタン２０４を有してもよい。ボタン２０４は、ユーザからの命令を受け付けて、当該命令をＣＰＵ２１０に入力する。
　通信インターフェイス２０５は、ＣＰＵ２１０によって制御されることによって、ネットワークを介して、コントローラ１００とデータを送受信する。上述したように、通信インターフェイス２０５は、無線ＬＡＮ、ZigBee(登録商標)、Bluetooth（登録商標）、有線ＬＡＮ（Local　Area　Network）、またはＰＬＣ（Power　Line　Communications）などを利用することによって、コントローラ１００とデータを送受信する。
　スピーカ２０７は、ＣＰＵ２１０からの命令に基づいて、音声を出力する。たとえば、ＣＰＵ２１０は、音声データに基づいて、スピーカ２０７に音声を出力させる。
　センサ２０９は、電気機器２００の消費電力量を測定し、消費電力量をＣＰＵ２１０に伝える。
　ＣＰＵ２１０は、メモリ２０１に記憶されている各種のプログラムを実行することによって、様々な情報処理を実行する。換言すれば、電気機器２００における処理は、各ハードウェアおよびＣＰＵ２１０により実行されるソフトウェアによって実現される。このようなソフトウェアは、メモリ２０１に予め記憶されている場合がある。また、ソフトウェアは、記憶媒体に格納されて、プログラム製品として流通している場合もある。あるいは、ソフトウェアは、いわゆるインターネットに接続されている情報提供事業者によってダウンロード可能なプログラム製品として提供される場合もある。
　このようなソフトウェアは、図示しない読取装置を利用することによってその記憶媒体から読み取られて、あるいは、通信インターフェイス２０５を利用することによってダウンロードされて、メモリ２０１に一旦格納される。ＣＰＵ２１０は、ソフトウェアを実行可能なプログラムの形式でメモリ２０１に格納してから、当該プログラムを実行する。なお、記憶媒体およびプログラムは、コントローラ１００に係る記録媒体やプログラムと同様に実現され得る。
　たとえば、ＣＰＵ２１０は、通信インターフェイス２０５を介して、コントローラ１００から制御命令を受け付ける。ＣＰＵ１１０は、制御命令に基づいて、電気機器２００の各部を制御する。たとえば、ヒートポンプ給湯機２００ＡのＣＰＵ２１０は、コントローラ１００からの制御命令を受け付けて、タンクの目標温度を上げたり、循環速度を高めたりする。
　＜その他の実施の形態＞
　本発明は、コントローラ１００や電気機器や他の通信機器などにプログラムを供給することによって達成される場合にも適用できることはいうまでもない。そして、本発明を達成するためのソフトウェアによって表されるプログラムを格納した記憶媒体を、システム或いは装置に供給し、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、本発明の効果を享受することが可能となる。
　この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施の形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。
　また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施の形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼動しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行い、その処理によって前述した実施の形態の機能が実現される場合も含まれることは言うまでもない。
　さらに、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施の形態の機能が実現される場合も含まれることは言うまでもない。
　この発明を詳細に説明し示してきたが、これは例示のためのみであって、限定ととってはならず、発明の範囲は添付の請求の範囲によって解釈されることが明らかに理解されるであろう。
　１　ネットワークシステム、１００　コントローラ、１０１　メモリ、１０２，２０２　ディスプレイ、１０３　タブレット、１０４，２０４　ボタン、１０５，２０５　通信インターフェイス、１０６　タッチパネル、１０７，２０７　スピーカ、１０８　時計、１１０　ＣＰＵ、１１０Ａ　気象情報パラメータ生成部、１１０Ｂ　個人情報パラメータ生成部、１１０Ｃ　機器情報パラメータ生成部、１１０Ｄ　設備情報パラメータ生成部、１１０Ｅ　発電量予測部、１１０Ｆ　予測情報パラメータ生成部、１１０Ｇ　信頼度生成部、１１０Ｈ　消費電力量予測部、１１０Ｊ　機器制御部、２００　電気機器、２００Ａ　ヒートポンプ給湯機、２００Ｂ　エアコン、２００Ｃ　冷蔵庫、２００Ｄ　照明、２００Ｅ　液晶テレビ、２００Ｇ　人感センサ、２００Ｈ　温湿度センサ、２００Ｉ　電力センサ、２００Ｊ　風力計、２００Ｋ　風向計、２００Ｌ　日射計、２００Ｒ　スマートメータ、２００Ｓ　センシング機器、２００Ｔ　カメラ機器、２００Ｕ　消費電力量測定部、２００Ｘ　パワーコンディショナ、２００Ｙ　太陽電池、２００Ｚ　蓄電池、２０１　メモリ、２０９　センサ、２１０　ＣＰＵ（プロセッサ）、４００Ｙ　再生可能エネルギ生成部。

Claims (10)

  1. 　ネットワークを介して接続された複数の電気機器を制御するためのコントローラであって、
    　複数の予測情報の各々に対応付けて前記複数の電気機器の消費電力量を含むデータベースを格納するためのメモリと、
    　前記予測情報に関する信頼度を用いて計算された予測消費電力量に基づいて前記複数の電気機器を制御するための機器制御部とを備える、コントローラ。
  2. 　前記コントローラは、ネットワーク接続された電気機器で消費される未来の消費電力に関連する複数の予測情報パラメータを生成するように構成された予測情報パラメータ生成部をさらに備え、
    　前記データベースには、前記各予測情報パラメータと前記予測情報パラメータに対応する消費電力量が時間区分毎に蓄積され、
    　前記コントローラは、
    　　前記各予測情報パラメータの確からしさを示す前記信頼度を生成するように構成された信頼度生成部と、
    　　前記各予測情報パラメータに対応する前記信頼度によって、前記予測情報パラメータの複数から選択された少なくとも１つの予測情報パラメータを用いて、前記データベース内の消費電力量を予測値とするように構成された消費電力量予測部とをさらに備える、請求項１に記載のコントローラ。
  3. 　前記信頼度生成部は、予測対象期間の開始時刻の各予測情報パラメータと前記データベースに蓄積された過去の各予測情報パラメータの変化量の度合いから、信頼度を算出するように構成されている、請求項２に記載のコントローラ。
  4. 　前記消費電力量予測部は、各予測情報パラメータに対応する信頼度のうち、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報を前記データベースから抽出し、抽出された情報を予測値とするように構成されている、請求項２または３に記載のコントローラ。
  5. 　前記消費電力量予測部は、各予測情報パラメータに対応する信頼度のうち少なくとも１つ以上あらかじめ定められた値より小さい場合に、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報を前記データベースから抽出し、抽出された情報を予測値とするように構成されている、請求項２または３に記載のコントローラ。
  6. 　プロセッサを備えたコントローラを用いて、ネットワークを介して接続された複数の電気機器を制御する制御方法であって、
    　前記プロセッサが、前記複数の電気機器の各々の消費電力量に対応付けられた複数の予測情報に関する信頼度を用いて計算された予測消費電力量に基づいて、前記複数の電気機器を制御することを含む、制御方法。
  7. 　予測対象期間の開始時刻における各予測情報パラメータおよび過去の各予測情報パラメータに基づいて、前記各予測情報パラメータの確からしさを示す前記信頼度として生成することと、
    　前記各予測情報パラメータに対応する前記信頼度によって、前記予測情報パラメーターの複数から選択された少なくとも一つの予測情報パラメータに基づいて、消費電力量を予測することとを含む、請求項６に記載の制御方法
  8. 　予測対象期間の開始時刻の各予測情報パラメータと過去の各予測情報パラメータの変化量の度合いから、信頼度を算出することを含む、請求項７に記載の制御方法。
  9. 　各予測情報パラメータに対応する信頼度のうち、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報を抽出し、抽出された情報を予測値とすることを含む、請求項７または８に記載の制御方法。
  10. 　各予測情報パラメータに対応する信頼度のうち少なくとも１つ以上あらかじめ定められた値より小さい場合に、少なくとも最小の値に対応する予測情報パラメータを除いた予測情報パラメータと一致する過去の消費電力量に関する情報を抽出し、抽出された情報を予測値とすることを含む、請求項７または８に記載の制御方法。
PCT/JP2012/059185 2011-04-04 2012-04-04 コントローラおよび制御方法 WO2012137814A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011082746 2011-04-04
JP2011-082746 2011-04-04

Publications (1)

Publication Number Publication Date
WO2012137814A1 true WO2012137814A1 (ja) 2012-10-11

Family

ID=46969208

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/059185 WO2012137814A1 (ja) 2011-04-04 2012-04-04 コントローラおよび制御方法

Country Status (1)

Country Link
WO (1) WO2012137814A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014091784A1 (ja) * 2012-12-11 2014-06-19 株式会社 東芝 エネルギー管理サーバ、エネルギー管理方法およびプログラム
WO2016031065A1 (ja) * 2014-08-29 2016-03-03 三菱電機株式会社 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム
CN106406130A (zh) * 2015-12-04 2017-02-15 苏州新亚科技有限公司 一种热泵智能控制系统及方法
US10345766B2 (en) 2012-12-11 2019-07-09 Kabushiki Kaisha Toshiba Energy management server, energy management method, and medium
US20220083696A1 (en) * 2016-06-17 2022-03-17 Arm Limited Apparatus and Method for Masking Power Consumption of a Processor

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003281223A (ja) * 2002-03-26 2003-10-03 Sekisui Chem Co Ltd 消費エネルギ予測方法及び消費エネルギ予測装置
JP2004072900A (ja) * 2002-08-06 2004-03-04 Mitsubishi Heavy Ind Ltd 電力ネットワーク管理システムおよび電力ネットワーク管理方法
JP2006163465A (ja) * 2004-12-02 2006-06-22 Fujitsu Ltd 医療情報分析装置、方法及びプログラム
JP2008250542A (ja) * 2007-03-29 2008-10-16 Nippon Oil Corp エネルギー消費算出システム及びエネルギー消費算出方法
JP2009055713A (ja) * 2007-08-27 2009-03-12 Toshiba Corp 電力変動予測システム
JP2010243211A (ja) * 2009-04-01 2010-10-28 Pioneer Electronic Corp 受信装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003281223A (ja) * 2002-03-26 2003-10-03 Sekisui Chem Co Ltd 消費エネルギ予測方法及び消費エネルギ予測装置
JP2004072900A (ja) * 2002-08-06 2004-03-04 Mitsubishi Heavy Ind Ltd 電力ネットワーク管理システムおよび電力ネットワーク管理方法
JP2006163465A (ja) * 2004-12-02 2006-06-22 Fujitsu Ltd 医療情報分析装置、方法及びプログラム
JP2008250542A (ja) * 2007-03-29 2008-10-16 Nippon Oil Corp エネルギー消費算出システム及びエネルギー消費算出方法
JP2009055713A (ja) * 2007-08-27 2009-03-12 Toshiba Corp 電力変動予測システム
JP2010243211A (ja) * 2009-04-01 2010-10-28 Pioneer Electronic Corp 受信装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014091784A1 (ja) * 2012-12-11 2014-06-19 株式会社 東芝 エネルギー管理サーバ、エネルギー管理方法およびプログラム
JP2014115878A (ja) * 2012-12-11 2014-06-26 Toshiba Corp エネルギー管理サーバ、エネルギー管理方法およびプログラム
US10345766B2 (en) 2012-12-11 2019-07-09 Kabushiki Kaisha Toshiba Energy management server, energy management method, and medium
WO2016031065A1 (ja) * 2014-08-29 2016-03-03 三菱電機株式会社 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム
JPWO2016031065A1 (ja) * 2014-08-29 2017-04-27 三菱電機株式会社 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム
CN106406130A (zh) * 2015-12-04 2017-02-15 苏州新亚科技有限公司 一种热泵智能控制系统及方法
CN106406130B (zh) * 2015-12-04 2018-08-21 苏州新亚科技有限公司 一种热泵智能控制系统及方法
US20220083696A1 (en) * 2016-06-17 2022-03-17 Arm Limited Apparatus and Method for Masking Power Consumption of a Processor
US11822705B2 (en) * 2016-06-17 2023-11-21 Arm Limited Apparatus and method for masking power consumption of a processor

Similar Documents

Publication Publication Date Title
US11782465B2 (en) Optimization of energy use through model-based simulations
JP6876733B2 (ja) 建造物の熱力学的モデルの生成および実施
US10101050B2 (en) Dispatch engine for optimizing demand-response thermostat events
JP5874311B2 (ja) 電力需要予測装置、電力需要予測方法および電力需要予測システム
US9910577B2 (en) Prospective determination of processor wake-up conditions in energy buffered HVAC control unit having a preconditioning feature
JP5851105B2 (ja) エネルギー需要予測装置及びプログラム
JP5491891B2 (ja) 機器マネージメント装置およびプログラム
JP6735492B2 (ja) 空気調和機のレコメンド処理を実行するサーバおよびレコメンド処理システム
US20150338869A1 (en) Demand response control method and demand response control device
CN111201407B (zh) 用于控制空气调节系统中的空调机的装置和方法
US20100025483A1 (en) Sensor-Based Occupancy and Behavior Prediction Method for Intelligently Controlling Energy Consumption Within a Building
CN102142062A (zh) 基于关于装置的耗电信息控制装置的操作的方法和设备
CN105247290A (zh) 用于资源节约的hvac排程的自动化调整
WO2012137814A1 (ja) コントローラおよび制御方法
JP2011232903A (ja) 予測表示サーバ及び予測表示システム
JP5927576B2 (ja) エネルギー管理装置、およびエネルギー管理システム
Jain et al. Portable+ A Ubiquitous And Smart Way Towards Comfortable Energy Savings
WO2010140090A1 (en) Energy information apparatus and method
JP2017003192A (ja) エネルギー管理装置、エネルギー管理方法及びエネルギー管理プログラム
CN111260110A (zh) 能源消耗量预测装置及其方法
JP2017016206A (ja) エネルギー消費量用途分解装置及び省エネルギー支援装置
JP6292515B2 (ja) 需要予測装置、プログラム
Chen et al. SHE: Smart home energy management system based on social and motion behavior cognition
JP2013012080A (ja) 予測方法及び予測システム
JP2014195348A (ja) 情報処理装置及び情報処理方法

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: 12768017

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12768017

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP