WO2015050182A1 - デマンド予測装置及びデマンド予測方法 - Google Patents

デマンド予測装置及びデマンド予測方法 Download PDF

Info

Publication number
WO2015050182A1
WO2015050182A1 PCT/JP2014/076352 JP2014076352W WO2015050182A1 WO 2015050182 A1 WO2015050182 A1 WO 2015050182A1 JP 2014076352 W JP2014076352 W JP 2014076352W WO 2015050182 A1 WO2015050182 A1 WO 2015050182A1
Authority
WO
WIPO (PCT)
Prior art keywords
time
demand
data
prediction
value
Prior art date
Application number
PCT/JP2014/076352
Other languages
English (en)
French (fr)
Inventor
光晃 松尾
橋本　博幸
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Publication of WO2015050182A1 publication Critical patent/WO2015050182A1/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Definitions

  • the present invention relates to a demand prediction apparatus and a demand prediction method.
  • the demand prediction device described in Patent Document 1 responds to a change in demand between the current time t and the time t- ⁇ t immediately before the current time t, regardless of the remaining time until the end time of the demand time limit. Because demand prediction is performed, the prediction accuracy may deteriorate.
  • the present invention has been made to solve the above-described problems, and an object thereof is to provide a demand prediction apparatus and a demand prediction method that improve the accuracy of demand prediction that causes excessive demand restriction. Is.
  • a demand prediction apparatus is a demand prediction apparatus that obtains a future demand prediction value of a load based on time-series data indicating past power consumption of the load, from the start time of the demand time limit to the current time Based on the historical data calculation unit that obtains actual data, which is the amount of power consumed, from the time-series data, and the fluctuation trend of the time-series data, it is predicted that the remaining time from the current time to the end time of the demand time limit will be consumed
  • a prediction data calculation unit that calculates prediction data that is power consumption, and a calculation processing unit that calculates a demand prediction value from the actual data and the prediction data.
  • the prediction data calculation unit varies depending on the remaining time
  • the prediction data is calculated by changing the tendency.
  • the prediction data calculation unit calculates the prediction data based on the fluctuation tendency of the time series data changed according to the remaining time from the current time to the end time of the demand time period, and the calculation processing unit calculates the prediction data Since the demand prediction value is calculated using the prediction data calculated by the calculation unit, it is possible to improve the accuracy of demand prediction that causes excessive demand restriction.
  • Embodiment 1 of this invention It is a figure explaining the basic principle of demand prediction in Embodiment 1 of this invention. It is a figure explaining the principle of the demand prediction performed according to the difference of the demand time limit T and the present time t in Embodiment 1 of this invention. It is a figure which shows an example of the system configuration
  • FIG. 3 It is a figure which shows an example of the software structure of the demand prediction apparatus 15 in Embodiment 3 of this invention. It is a block diagram which shows an example of a structure of the demand predicted value calculation process part 76 of FIG. It is a figure which shows an example of the data format of the demand predicted value R calculated by the demand prediction apparatus 15 in Embodiment 3 of this invention. It is a flowchart explaining the operation example of the demand predicted value calculation process of the demand prediction apparatus 15 in Embodiment 3 of this invention. It is a block diagram which shows the internal structure of the demand predicted value calculation process part 76 in Embodiment 4 of this invention. It is a flowchart explaining the operation example of the demand predicted value calculation process of the demand prediction apparatus 15 in Embodiment 4 of this invention.
  • each function described in the first to fourth embodiments is realized by hardware or software. That is, each block diagram described in the first to fourth embodiments may be considered as a hardware block diagram or a software functional block diagram. For example, each block diagram may be realized by hardware such as a circuit device, or may be realized by software executed on an arithmetic device such as a processor (not shown).
  • each block in the block diagrams described in Embodiments 1 to 4 only needs to perform its function, and the configuration may not be separated by each block.
  • FIG. FIG. 1 is a diagram for explaining the basic principle of demand prediction in Embodiment 1 of the present invention.
  • the demand prediction value R (kW) is a prediction value at the end time of the demand time period T (minute) set in the supply contract with the electric power company, and is the current value at which the prediction is performed.
  • time t
  • equation (1) it is expressed by the following equation (1).
  • D is the demand (kW) at the current time t
  • the demand change amount ⁇ D is the demand (kW) that has changed from the time before ⁇ t by the current time t to the current time t. .
  • the power demand is an average value obtained by dividing the amount of power (kWh) used by the consumer by the demand time period T within the demand time period T (minutes) set in the supply contract with the electric power company.
  • the unit is kW.
  • the demand time period T (minute) is set so as to be synchronized with the time interval (demand time period of the electric power company) for the electric power company to measure the demand power (demand), and for example, normally 30 minutes is adopted. . That is, time intervals such as time 0:00 to 0:30, 0:30 to 1:00,..., 23:30 to 0:00 correspond to the demand measurement interval.
  • the demand time limit T (minute) is 30 minutes, but is not particularly limited to this.
  • the demand time limit T (minute) may be set to 15 minutes. Further, for example, the demand time limit T (minute) may be set to 60 minutes.
  • the demand change amount ⁇ D (kW) increased from the time before ⁇ t to the current time t with the current time t as a reference is the remaining time until the end time of the demand time limit T (minutes).
  • a predicted value R is defined as a value obtained by adding the current demand value D at the current time t to a line extrapolated by (T ⁇ t) linearly.
  • the demand time limit T (minute) is set to 30 minutes, and the time is shown from 0:00 to 0:30.
  • the demand predicted value R calculated based on the formula (1) is compared with the target demand value Q (contract power). As a result of the comparison, when the demand predicted value R exceeds the target demand value Q, it is determined that there is a possibility that demand exceeds. In general, excess demand is accompanied by economic disadvantages such as the generation of a penalty and an increase in basic charges for future contracted power.
  • control for automatically reducing power consumption is performed, and for example, the control target load 21 (described later) is shut off. Further, the load 14 (described later) may be interrupted by a person or another system triggered by an alarm. In any case, a series of operations aiming to reduce power consumption and avoid excess demand in such operations is called demand control.
  • Demand control may be performed without synchronizing with the demand period of the electric power company, which is the time interval at which the electric power company measures the demand of the consumer.
  • the end time of the electric utility's demand time period (minutes) is not clear, so the remaining time from the current time to the end time of the electric power company's demand time period is clearly obtained. I can't.
  • the demand change amount ⁇ D immediately before the control period ⁇ t at the current time t is extrapolated linearly by the remaining time (T ⁇ t), and the demand predicted value R Is calculated. Therefore, when the remaining time (T ⁇ t) is long and the current demand value D changes suddenly and the demand change amount ⁇ D increases locally, the prediction accuracy of the demand prediction value R may deteriorate. there were. In such a case, for example, as described above, if the demand prediction is performed without synchronizing the time limit of the demand time period T, the end time of the demand time period of the electric power company is unknown, so the current time t The demand prediction value R corresponding to all cases of the remaining remaining time is generated.
  • the demand prediction value R is generated according to the remaining time assuming 3 to 30 minutes ahead, that is, the remaining time of 10 patterns. The Therefore, for example, when the remaining time is long, such as 30 minutes ahead, if a local demand change amount ⁇ D occurs during that time, the prediction accuracy deteriorates.
  • FIG. 2 is a diagram for explaining the principle of demand prediction performed in accordance with the difference between the electric utility's demand time limit and the current time t in Embodiment 1 of the present invention.
  • the demand time period T is not synchronized with the demand time period of the electric power company. Therefore, the coordinates at the demand time limit T are not uniquely determined for the current time t and the demand prediction value R [X]. Therefore, the time A that is the end time of the demand period of the electric power company and the time B that is the start time of the demand time period of the electric power company are unknown.
  • the current time t when the remaining time from the current time t to the time A that is the end time of the demand period of the electric utility is assumed to be (T ⁇ t) minutes.
  • the demand predicted value R (kW) after X minutes is the demand predicted value R [X].
  • the current time is calculated based on the latest trend of power consumption.
  • a predicted value of the power consumption consumed during the virtual remaining time from t to the end time of the demand time period T is obtained.
  • the demand prediction value R [X] if it is assumed that the current time t is located in the first half of the demand time period T, the time series data that is the actual value of the past power consumption will change. Based on this, a predicted value of the power consumption consumed during the virtual remaining time from the current time t to the end time of the demand time limit T is obtained.
  • the demand prediction value R [X] is obtained by changing the method of obtaining the fluctuation tendency of the time-series data that is the past actual value, so that the demand prediction accuracy is improved. And the deterioration of predictive control of demand control is avoided.
  • FIG. 3 is a diagram illustrating an example of a system configuration including the demand prediction apparatus 15 according to the first embodiment of the present invention.
  • the demand prediction system 1 includes a commercial power supply 11, a power meter 13, a demand prediction device 15, and the like.
  • a commercial power supply 11 and a power meter 13 are connected to a load 14 through a power supply line 33.
  • a power meter 13 and a demand prediction device 15 are connected by a power pulse communication line 31.
  • the demand prediction device 15 according to the first embodiment does not have a function that synchronizes with a demand time limit of an electric power company.
  • the commercial power supply 11 supplies power to the load 14 via the power supply line 33.
  • the power meter 13 measures the power used by the load 14.
  • the load 14 includes, for example, a control target load 21 and a non-control target load 25.
  • the control target load 21 includes, for example, control target loads 21_1 to 21_N. That is, the control target load 21 is a target of demand control and is one or more.
  • the non-control target load 25 is not subject to demand control. That is, the load 14 includes a control target and a non-control target, and the demand prediction device 15 predicts the entire demand value of the load 14.
  • the demand prediction device 15 receives a power pulse signal from the power meter 13 via the power pulse communication line 31.
  • the demand prediction device 15 measures the total power consumption of the load 14 by counting the received power pulse signals.
  • the demand prediction device 15 calculates a demand prediction value R based on the measured power consumption.
  • the demand prediction apparatus 15 may be configured by a general computer or a controller equipped with a microprocessor. That is, the hardware configuration of the demand prediction device 15 is not particularly limited as long as the functions described later are realized. Communication between the demand prediction device 15 and the power meter 13 is not limited to wired communication, and may be wireless communication. Note that the communication protocol between the demand prediction device 15 and the power meter 13 is not particularly limited in any of wired communication and wireless communication. Moreover, it is good also as a structure of contact connection simply instead of communication.
  • FIG. 4 is a diagram illustrating an example of a hardware configuration of the demand prediction apparatus 15 according to the first embodiment of the present invention.
  • the demand prediction device 15 includes, for example, a reception device 41, a transmission device 42, a storage device 43, a database device 44, an input device 45, an output device 46, and an arithmetic processing device 47 as hardware configurations. Each of which is connected via a communication bus 35. More precisely, they are connected by different buses.
  • the reception device 41 receives, for example, a power pulse signal from the power meter 13 via the power pulse communication line 31 and converts the received power pulse signal into a data format used inside the demand prediction device 15.
  • the transmission device 42 converts various calculation results of the arithmetic processing device 47 into a data format of the transmission destination and transmits the data to the transmission destination.
  • the storage device 43 is composed of, for example, a hard disk 65 or a flash memory 66, and stores various applications for realizing various functions executed by the arithmetic processing device 47 for a long time.
  • the database device 44 is composed of, for example, a hard disk 67 and stores the calculation results of the calculation processing device 47 for a long time.
  • the input device 45 is a device that accepts an external operation such as a keyboard, a mouse, a microphone, or the like (all not shown).
  • the output device 46 is a device that outputs a calculation result or the like to the outside, such as a display or a speaker (both not shown).
  • the arithmetic processing unit 47 includes, for example, a logic circuit 61, a register 62, and a cache memory 63, and is configured as a so-called MPU (Micro Processing Unit). Note that description and description of circuit configurations such as an oscillator are omitted.
  • the primary storage device 51 is formed from the register 62, the cache memory 63, and the main memory 64.
  • the primary storage device 51 can be directly operated by the arithmetic processing unit 47, and forms a virtual logical space.
  • Various data acquired from the database device 44 is temporarily stored in a virtual logical space.
  • Various applications acquired from the storage device 43 are developed in a virtual logical space and become executable.
  • a secondary storage device 53 is formed from the hard disk 65 or the flash memory 66. The secondary storage device 53 can be operated by the arithmetic processing unit 47 via an input / output channel (not shown).
  • the hardware configuration described above is merely an example, and is not particularly limited thereto.
  • the main memory 64 may be formed inside the arithmetic processing unit 47, and the register 62 and the cache memory 63 may be formed outside the arithmetic processing unit 47.
  • the database device 44 may be configured by the flash memory 66 instead of the hard disk 67.
  • FIG. 5 is a diagram illustrating an example of a software configuration of the demand prediction apparatus 15 according to Embodiment 1 of the present invention.
  • the demand prediction device 15 includes, for example, a data storage unit 71, a calculation storage unit 72, a data setting unit 73, a data input unit 74, a power consumption calculation processing unit 75, and a demand as software configurations.
  • a predicted value calculation processing unit 76 is provided.
  • the data storage unit 71 is realized by the database device 44 described above, and is used when storing the calculation result of the calculation processing device 47 for a long time.
  • the calculation storage unit 72 is realized by the primary storage device 51 described above, for example, the main memory 64, and is used when temporarily storing the calculation result of the calculation processing device 47.
  • the data input unit 74 is realized by the receiving device 41 described above, and has a function of receiving a power pulse signal from the power meter 13 via the power pulse communication line 31.
  • the data setting unit 73 is realized by the arithmetic processing unit 47 described above, and acquires various data used for calculating a plurality of demand predicted values R from the data storage unit 71 and stores the calculation storage unit. 72 etc.
  • the power consumption calculation processing unit 75 is realized by the calculation processing device 47 described above, calculates the power consumption by counting the received power pulse signals, and calculates the calculated power consumption. Store in the data storage unit 71.
  • the demand prediction value calculation processing unit 76 is realized by the calculation processing device 47 described above, and calculates a plurality of demand prediction values R based on various data set by the data setting unit 73.
  • FIG. 6 is a diagram showing a detailed example of the software configuration of the demand prediction apparatus 15 according to Embodiment 1 of the present invention.
  • the data storage unit 71 stores, for example, power consumption data 111, demand predicted value data 112, and calculation data 113.
  • the calculation data 113 is, for example, the demand time limit T, the current time t, the control period ⁇ t, and the calculation granularity and multiplication factor described later.
  • a storage area 91 for calculation of used electric energy and a storage area 92 for predicted demand value calculation processing are formed.
  • a current power consumption storage area 101, a power consumption storage area 102, and a pulse count value storage area 103 are formed in the power consumption calculation processing storage area 91.
  • a parameter storage area 104 and a calculation result storage area 105 are formed in the demand predicted value calculation processing storage area 92.
  • the power consumption calculation processing unit 75 includes, for example, a power pulse signal counting unit 121, a power consumption calculation unit 122, and a power consumption addition processing unit 123.
  • the demand predicted value calculation processing unit 76 includes, for example, a prediction data calculation unit 131, a performance data calculation unit 132, and a calculation processing unit 133.
  • the prediction data calculation part 131 calculates the prediction data used for calculation of the demand prediction value R using the past electric power consumption.
  • the actual data calculation unit 132 obtains actual data that is an actual value of the used electric energy consumed from the start time of the demand time limit to the current time.
  • the arithmetic processing unit 133 calculates the demand predicted value R based on the predicted data and the actual data.
  • the prediction data calculation unit 131 includes a first method calculation unit 141 that calculates prediction data using a moving average method, and a second method calculation unit 142 that calculates prediction data using an extrapolation method.
  • the data input unit 74 constantly receives the power pulse signal output from the power meter 13 via the power pulse communication line 31, converts the received power pulse signal into a predetermined format, and uses it as power pulse signal data. This is supplied to the electric energy calculation processing unit 75.
  • the power pulse signal counting unit 121 counts the number of pulses of the power pulse signal included in the power pulse signal data and stores it in the pulse count value storage area 103.
  • the power consumption calculation unit 122 acquires the multiplication factor (kWh / pulse) stored as the calculation data 113 in the data storage unit 71 every time the control cycle ⁇ t arrives, and counts the acquired multiplication factor. By multiplying the number of pulses, it is converted into a power consumption amount and stored in the power consumption storage area 102.
  • the power consumption addition processing unit 123 adds the converted power consumption and the power consumption (kWh) at the previous control period ⁇ t compared to the current time t, thereby using the power consumption at the current time t. Is stored in the data storage unit 71 every time the control period ⁇ t arrives.
  • the demand predicted value calculation processing unit 76 uses the current time t as a reference for the demand time period of the electric power company.
  • a plurality of demand predicted values R are calculated assuming all patterns of remaining time.
  • application of the moving average method is assumed as the first method
  • application of the extrapolation method is assumed as the second method.
  • the moving average method is applied. For example, when it is assumed that the current time t is located in the first half of the demand period of the electric utility, that is, in the first embodiment, the remaining time until the end time of the demand period of the electric utility is 15 to The moving average method is applied when assuming 30 minutes.
  • the control period ⁇ t is 3 minutes and the demand time period T is 30 minutes
  • the extrapolation method is applied. For example, when it is assumed that the current time t is located in the latter half of the demand period of the electric power company, that is, in the first embodiment, the remaining time until the end time of the electric company's demand time period is 3 to Extrapolation is applied when assuming 12 minutes. Further, the demand prediction is performed by extrapolating the deviation of the used power amount that is the value of the past two demands between the used power amount corresponding to the current time t and the used power amount corresponding to the time immediately before the current time t. The value R is obtained. In other words, by applying the extrapolation method, the demand prediction value R suitable for catching small changes in demand as a subject is calculated.
  • the demand prediction value R is obtained mainly based on a fluctuation tendency rather than a fine change in demand.
  • the demand predicted value R is obtained mainly by a fine change in demand in order to follow with good sensitivity when the demand value changes abruptly. Therefore, the accuracy of demand prediction is improved as a whole.
  • the process of obtaining the demand predicted value R includes the previous process for obtaining the power consumption up to the current time t and the remaining power (T) using the power consumption up to the current time t obtained in the previous process.
  • -t it is divided into a post-process for obtaining the demand predicted value R [X] by changing the method of obtaining the fluctuation tendency of the time series data. Details will be described in order below.
  • the data input unit 74 always receives a power pulse signal from the power meter 13.
  • the power pulse signal counting unit 121 of the power consumption calculation processing unit 75 counts the power pulse signal and overwrites the count result in the pulse count value storage area 103 on the main memory 64 until the control cycle ⁇ t arrives. repeat.
  • the power consumption calculation unit 122 acquires the count result of the power pulse signal, and then the count result of the power pulse signal is reset to 0, that is, the pulse count value storage area on the main memory 64 A variable corresponding to the count value stored in 103 is initialized to zero.
  • the used power amount calculation unit 122 obtains the counting result of the power pulse signal and the multiplication factor stored in the data storage unit 71 and then multiplies each to obtain the used power amount, thereby converting the main memory 64, a variable corresponding to the already stored conversion result is set in the used electric energy storage area 102 on the memory 64 after initialization.
  • the used power amount addition processing unit 123 performs a time (t ⁇ t) one time before the current time t from the used power amount data 111 stored in the data storage unit 71. , And initializes a variable corresponding to the power consumption at the previous time (t- ⁇ t) stored in the power consumption storage area 102 on the main memory 64 to obtain the acquired one The amount of power used at the previous time (t- ⁇ t) is stored.
  • the used power amount addition processing unit 123 adds the used power amount of the conversion result and the used power amount at the previous time (t ⁇ t), and uses the main memory as the used power amount at the current time t. 64 is stored in a variable corresponding to the addition result assigned to the current time used power storage area 101.
  • the power consumption calculation processing unit 75 stores the power consumption at the current time t stored in the current time power consumption storage area 101 in the data storage unit 71. In this way, the amount of power used is stored in the data storage unit 71 as time-series data for each control period ⁇ t as time elapses.
  • a series of operations as described above corresponds to a pre-process for obtaining the amount of power used up to the current time t.
  • the method for obtaining the fluctuation tendency of the time-series data is changed according to the remaining time (T ⁇ t), and the demand predicted value R [X A post-process for obtaining the above will be described.
  • the demand predicted value calculation processing unit 76 acquires the power consumption at the current time t from the power consumption data 111 of the data storage unit 71. Further, the demand predicted value calculation processing unit 76 acquires time-series data corresponding to each time corresponding to the set number. In the first embodiment, each time for the past 10 points (t ⁇ t, t ⁇ t ⁇ 2,..., T ⁇ t ⁇ 10) is adopted as each time for the set number.
  • the demand predicted value calculation processing unit 76 initializes various variables assigned to the parameter storage area 104 on the main memory 64 and then sets each value as a result of the acquisition.
  • the demand predicted value (kW) X minutes after the current time t is defined as the demand predicted value R [X] as described above.
  • time series data (power consumption (kWh)) Y minutes before the current time t is defined as PC [Y].
  • the amount of power used at the current time t corresponds to the amount of power used 0 minutes before the current time t, and thus is represented as PC [0].
  • the demand predicted value calculation processing unit 76 acquires values of various variables corresponding to the time series data for the past 10 points on the main memory 64 described above, and based on the following equation (2), the demand predicted value calculation processing unit 76 Predicted values R [15], R [18],..., R [30] are obtained, and the calculation results are written into various variables assigned to the calculation result storage area 105 on the main memory 64.
  • the unit of each amount in the curly braces is kWh
  • the used electric energy (kWh) calculated in the braces of the formula (2) is the demand time limit T, that is, 30 minutes, that is, 0.5 Divided by time. That is, as shown in Expression (2), the demand prediction value R [X] is obtained by multiplying the power consumption (kWh) obtained in the braces of Expression (2) by 2.
  • the first method calculation unit 141 obtains a variation tendency that is a change amount per hour of the amount of power used for the most recent demand time period from the current time t.
  • the first technique calculation unit 141 uses the consumed power between the current time t and the time A that is the end time of the assumed demand time period T (during the virtual remaining time) based on the fluctuation tendency.
  • the prediction data (the first term in the curly brackets of the equation (2)) that is a quantity is calculated.
  • the performance data calculation unit 132 stores performance data (Equation (2)) that is the amount of power consumed from the time B, which is the start time of the expected demand period T, to the current time t.
  • the second term in the curly brackets is calculated.
  • the calculation processing unit 133 calculates the demand predicted value R by multiplying the sum of the prediction data obtained by the first method calculation unit 141 and the result data obtained by the result data calculation unit 132 by two. [X] is obtained.
  • the application range of the moving average method on the time axis is the range from the time B to the time A of the demand time period T, but is not particularly limited to this, and before and after the time B or at the time A
  • the power consumption before and after may be applied.
  • the demand predicted value calculation processing unit 76 acquires values of various variables corresponding to the data of the power consumption for the past 10 points on the main memory 64, and R [3] based on the following equation (3): ,... R [12] are obtained, and the calculation results are written into various variables assigned to the calculation result storage area 105 on the main memory 64.
  • the second method calculation unit 142 obtains a variation tendency that is the amount of change per hour in the amount of power used for the most recent demand time period from the current time t. Further, the second technique calculation unit 142 is based on the fluctuation tendency, and predictive data (formula) that is the amount of power consumed between the current time t and the time A that is the expected end time of the demand time period T. (3) The first term in the curly braces) is obtained. Based on past time series data, the performance data calculation unit 132 stores performance data (Equation (3)) that is the amount of power consumed from the time B, which is the start time of the expected demand time period T, to the current time t. 2nd term in the curly brackets). The arithmetic processing unit 133 calculates the demand predicted value R by multiplying the sum of the predicted data obtained by the second method computing unit 142 and the actual data obtained by the actual data calculating unit 132 by 2 as shown in Expression (3). [X] is obtained.
  • the power consumption consumed between the current time t and the time A that is the expected end time of the demand time period T is calculated based on the two power consumptions.
  • the present invention is not limited to this, and similar processing may be executed based on a plurality of power consumption amounts. However, it is assumed that a smaller number of data is used than the number of data of power consumption used in the moving average method of the first method calculation unit 141.
  • the arithmetic processing unit 133 includes ten demand predicted values R [[R [3] to R [30] described above among various variables allocated to the arithmetic result storage area 105 on the main memory 64. X] is stored in the data storage unit 71 as shown in FIG. As a result, the demand predicted value data 112 in the data storage unit 71 is updated.
  • the demand prediction device 15 predicts the future value of demand based on the amount of power used, which is information related to power consumption. That is, when the remaining time is large, the demand prediction device 15 determines the power consumed by the customer according to the remaining time between the current time t and the time A that is the expected end time of the demand time period T. If the trend trend of the time series data of the measured power consumption is long, for example, if the demand time limit T is 30 minutes, the demand is predicted mainly for the large data fluctuation when a calculation granularity of 15 minutes or more is assumed.
  • the demand prediction device 15 uses the power consumed by the consumer. If the trend trend of the measured time series data of the amount of used electric power is short, for example, if the demand time limit T is 30 minutes, the demand is predicted mainly for the minute data fluctuation when assuming a calculation granularity of less than 15 minutes.
  • the demand prediction device 15 changes the method of obtaining the fluctuation tendency of the time series data according to the remaining time between the current time t and the expected end time of the demand time period T, thereby demand prediction.
  • the value R [X] is obtained.
  • calculation granularity standard described above is merely an example, and is not particularly limited thereto. For example, instead of determining with 15 minutes as a reference, a determination similar to the above may be executed with 10 minutes as a reference.
  • the configuration of the calculation storage unit 72 described above is merely an example, and is not particularly limited thereto. In short, it may be a virtual logical space that is temporarily stored when various processes are executed, and its configuration is not particularly limited.
  • FIG. 7 is a flowchart for explaining an overall operation example of the demand prediction apparatus 15 according to the first embodiment of the present invention.
  • step S11 to step S13 is a power consumption calculation process
  • steps S12 and step S13 are integrated power calculation processes.
  • steps S14 to S16 are demand predicted value calculation processes.
  • step S11 is a power pulse signal counting process
  • the process of step S12 is a power consumption calculation process
  • the process of step S13 is a power consumption addition process
  • the process of step S14 The process is a first technique calculation process
  • the process of step S15 is a second technique calculation process
  • the process of step S16 is an operation result storage process.
  • Step S11 The demand prediction device 15 executes a power pulse signal counting process.
  • Step S12 The demand prediction device 15 executes a power consumption calculation process.
  • Step S13 The demand prediction device 15 executes a power consumption addition process.
  • Step S14 The demand prediction device 15 executes a first technique calculation process.
  • Step S15 The demand prediction device 15 executes a second technique calculation process.
  • Step S16 The demand prediction device 15 executes calculation result storage processing.
  • Step S17 The demand prediction device 15 determines whether or not to end various controls. The demand prediction device 15 ends the process as it is when it ends various controls. On the other hand, the demand prediction apparatus 15 returns to step S11, when not complete
  • FIG. 8 is a flowchart for explaining an operation example of the power pulse signal counting process of the demand prediction device 15 according to the first embodiment of the present invention.
  • Step S21 The demand prediction device 15 receives a power pulse signal output from the power meter 13.
  • Step S22 The demand prediction device 15 counts the number of pulses of the power pulse signal.
  • Step S23 The demand prediction device 15 stores a pulse count value, which is a count result of the number of pulses, in the calculation storage unit 72.
  • Step S24 The demand prediction device 15 determines whether or not the control cycle ⁇ t has arrived. When the control cycle ⁇ t has arrived, the demand prediction device 15 proceeds to step S25. On the other hand, when the control cycle ⁇ t does not arrive, the demand prediction device 15 returns to step S21.
  • Step S25 The demand prediction device 15 resets the counted number of pulses to zero.
  • Step S26 The demand prediction device 15 determines whether or not to end various controls. If the demand prediction device 15 determines to end various controls, the demand prediction device 15 ends the processing as it is. On the other hand, if the demand prediction device 15 determines not to end the various controls, it returns to step S21.
  • FIG. 9 is a flowchart for explaining an operation example of the integrated power calculation process of the demand prediction device 15 according to the first embodiment of the present invention.
  • step S31 to step S34 is a used power amount calculation process
  • step S35 to step S39 is a used power amount addition process
  • Step S31 The demand prediction device 15 acquires various data from the calculation storage unit 72 and the data storage unit 71.
  • Step S32 The demand prediction device 15 initializes the storage unit 72 for calculation of various acquired data.
  • Step S33 The demand prediction device 15 converts the pulse count value into the amount of power used based on the pulse count value and the multiplication factor in the acquired various data.
  • Step S34 The demand prediction device 15 stores the used power amount converted after the used power amount storage area is initialized in the calculation storage unit 72.
  • Step S35 The demand prediction device 15 acquires the power consumption from the data storage unit 71 at a time (t ⁇ t) one time before the current time t.
  • Step S36 The demand prediction device 15 initializes the storage area of the acquired power consumption at the previous time (t ⁇ t).
  • Step S37 The demand prediction device 15 acquires the converted power consumption from the calculation storage unit 72.
  • Step S38 The demand prediction device 15 adds the converted power consumption and the power consumption at the previous time (t ⁇ t), and stores the power consumption at the current time t in the calculation storage unit 72.
  • Step S39 The demand prediction device 15 stores the power consumption at the current time t stored in the calculation storage unit 72 in the data storage unit 71 and ends the process.
  • FIG. 10 is a diagram illustrating an example of a data format of the power consumption used in the demand prediction apparatus 15 according to Embodiment 1 of the present invention.
  • the power consumption data 111 set data of a time and a power consumption corresponding to the time is formed.
  • the acquisition target data is not the current time t, but the amount of power used corresponding to the time obtained by subtracting the control cycle ⁇ t from the current time t, that is, the time immediately before the current time t.
  • FIG. 11 is a flowchart for explaining an operation example of the demand prediction value calculation process of the demand prediction device 15 according to the first embodiment of the present invention.
  • step S51 to step S57 is the first method calculation processing
  • step S58 to step S64 is the second method calculation processing
  • the processing from step S65 is the calculation result storage processing.
  • Step S51 The demand prediction device 15 uses the power consumption (t) at the current time t from the power consumption data 111 of the data storage unit 71 and the power consumption used for demand prediction (t ⁇ t), (t ⁇ t ⁇ 2),. .., (T ⁇ t ⁇ 10) is acquired.
  • Step S52 The demand prediction device 15 initializes the parameter storage area 104 of the calculation storage unit 72.
  • Step S53 The demand prediction device 15 stores the acquired power consumption in the parameter storage area 104.
  • Step S54 The demand prediction device 15 calculates the actual data when it is assumed that the current time t is located in the first half of the demand period of the electric power company from the stored power consumption.
  • Step S55 The demand prediction device 15 calculates prediction data when it is assumed that the current time t is located in the first half of the demand period of the electric power provider by using the moving average method from the stored power consumption.
  • Step S56 The demand prediction device 15 calculates a first demand prediction value R [X].
  • Step S57 The demand prediction device 15 stores the first demand prediction value R [X] in the calculation result storage area 105.
  • Step S58 The demand prediction device 15 uses the power consumption (t) at the current time t from the power consumption data 111 of the data storage unit 71 and the power consumption used for demand prediction (t ⁇ t), (t ⁇ t ⁇ 2),. .., (T ⁇ t ⁇ 10) is acquired.
  • Step S59 The demand prediction device 15 initializes the parameter storage area 104 of the calculation storage unit 72.
  • Step S60 The demand prediction device 15 stores the acquired power consumption in the parameter storage area 104.
  • Step S61 The demand prediction device 15 calculates the actual data when it is assumed that the current time t is located in the latter half of the demand time limit of the electric power company from the stored power consumption.
  • Step S62 The demand prediction device 15 calculates prediction data when it is assumed that the current time t is located in the second half of the demand period of the electric power provider by using an extrapolation method from the stored power consumption.
  • Step S63 The demand prediction device 15 calculates a second demand prediction value R [X].
  • Step S64 The demand prediction device 15 stores the second demand prediction value R [X] in the calculation result storage area 105.
  • Step S65 The demand prediction device 15 associates the first demand prediction value R [X] and the second demand prediction value R [X] stored in the calculation result storage area 105 and stores them in the data storage unit 71. The process is terminated.
  • FIG. 12 is a diagram illustrating an example of a data format of the demand prediction value R calculated by the demand prediction device 15 according to the first embodiment of the present invention.
  • the demand prediction value data 112 is a set in which the remaining time and the demand prediction value R [X] after X minutes from the current time t are associated with each other after X minutes from the current time t. Formed with data.
  • the set data corresponding to X of 3 to 12 is the demand predicted value R [X] when it is assumed that the current time t is located in the second half of the demand period of the electric utility.
  • the set data corresponding to X of 15 to 30 is the demand predicted value R [X] when it is assumed that the current time t is located in the first half of the demand period of the electric utility.
  • the demand prediction device 15 that does not synchronize the demand time T has a tendency to fluctuate when it is assumed that the remaining time is large according to the remaining time until the end time of the assumed demand time T.
  • the main prediction method is used.
  • the demand prediction device 15 that does not take time synchronization of the demand time period T mainly uses fine changes when it is assumed that the remaining time is small according to the remaining time until the end time of the assumed demand time period T. A prediction method is used.
  • the accuracy of the conventional method which has deteriorated the prediction accuracy particularly when the remaining time until the end time of the assumed demand time period T is large, is improved. can do.
  • the moving average method and the extrapolation method are used as the application method.
  • any method may be used as long as the same effect is exhibited according to the remaining time until the end time of the demand time period T.
  • These methods can be used in combination.
  • an example in which two methods are combined has been described.
  • the present invention is not particularly limited thereto, and three or more methods may be combined and used.
  • the future demand prediction value of the load 14 based on the time series data that is the actual value of the past power consumption corresponding to the load 14 that is the target of the power consumption demand prediction.
  • the demand prediction device 15 for obtaining R is based on the result data calculation unit 132 for obtaining the actual data, which is the amount of power used from the start time of the demand time period to the current time, from the time series data, and the fluctuation tendency of the time series data.
  • the predicted data calculation unit 131 that calculates the predicted data that is the predicted power consumption consumed in the remaining time from the current time to the end time of the demand time limit, and the demand predicted value R is calculated from the actual data and the predicted data.
  • a demand predicted value calculation processing unit 76 having a calculation processing unit 133. Further, the prediction data calculation unit 131 calculates the prediction data by changing the fluctuation tendency according to the remaining time from the current time to the end time of the demand time limit.
  • the time-series data indicates the amount of power used for each control cycle of the past demand of the load 14, and the prediction data calculation unit 131 sets the set number from the current time when the remaining time is greater than a preset threshold value.
  • a first method computing unit 141 that computes prediction data based on a fluctuation tendency using time series data of minute control cycles, and a time series of control cycles less than the set number from the current time when the remaining time is equal to or less than a threshold value
  • a second method calculation unit 142 that calculates prediction data based on a fluctuation tendency using the data.
  • the time series data from the current time to the demand time limit is used as the time series data of the control period of the set number from the current time used when the first technique calculation unit 141 obtains the fluctuation tendency. did. That is, as the set number, 10 obtained by dividing the demand time limit T (30 minutes) by the control period ⁇ t (3 minutes) is adopted, but as the set number, a natural number of 2 or more may be arbitrarily adopted. .
  • the time series data from the current time to the control period ⁇ t is used as the time series data of the control period less than the set number from the current time used when the second method calculation unit 142 obtains the fluctuation tendency. You may make it employ
  • the prediction data calculation unit 131 has a function of shifting the demand time period in units of control cycles before and after the current time to obtain a plurality of virtual remaining times as remaining time, and the first method
  • the computing unit 141 obtains prediction data at the end time corresponding to each virtual remaining time that is larger than the threshold, and the second technique computing unit 142 obtains predicted data at the end time corresponding to each virtual remaining time that is equal to or less than the threshold. Is.
  • the demand prediction device 15 changes the method for obtaining the fluctuation tendency of the time-series data used for demand prediction according to a plurality of virtual remaining times until the end time of the assumed demand time period T. Even if time synchronization of the time period T is not taken, it is possible to improve the accuracy of demand prediction that causes excessive demand restriction. Therefore, the demand prediction apparatus 15 can improve the defect that the quality of demand control falls.
  • the demand prediction value calculation processing unit 76 determines that the power consumption at the current time t and the power consumption at the latest time at the current time t when the virtual remaining time is equal to or less than the threshold. Based on this, if the virtual remaining time is larger than the threshold value, the fluctuation tendency is obtained based on the moving average value obtained from the time series data.
  • the demand predicted value calculation processing unit 76 calculates the power consumption consumed from the virtual start time assumed by the demand time limit T to the current time t according to the current time t. To obtain actual data.
  • the demand prediction device 15 changes the method for obtaining the fluctuation tendency of the time-series data used for demand prediction according to the virtual remaining time until the end time of the assumed demand time period T. Even if it is not taken, the accuracy of demand prediction, which causes excessive demand limitation, can be particularly remarkably improved. Therefore, the demand prediction device 15 can significantly improve the quality of demand control.
  • Embodiment 2 FIG. ⁇ Differences from Embodiment 1>
  • the difference from the first embodiment is that an exponential smoothing method is adopted as a time series data prediction method, and the characteristic of the exponential smoothing method is utilized according to the remaining time until the end time of the demand time period T. .
  • the basic configuration content of the demand prediction apparatus according to the second embodiment is the same as that of the first embodiment. Therefore, for convenience, the same reference numeral 15 is used, and the same reference numerals are used for equivalent components. Shall be used.
  • the demand prediction apparatus 15 in this Embodiment 2 does not have a function synchronized with the demand time limit which is a measurement unit of the electric power company.
  • FIG. 13 is a diagram showing a detailed example of the software configuration of the demand prediction apparatus 15 according to the second embodiment of the present invention. As shown in FIG. 13, the power storage unit 71 is added with predicted power consumption change value data 115. Further, the internal functional configuration of the demand predicted value calculation processing unit 76 is different.
  • the demand predicted value calculation processing unit 76 is the same in that it includes a prediction data calculation unit 131, a performance data calculation unit 132, and a calculation processing unit 133, but the prediction data calculation unit 131 performs exponential smoothing calculation.
  • Unit 161 the exponential smoothing method calculation unit 161 includes a first calculation unit 171 and a second calculation unit 172, and the calculation processing unit 133 includes prediction data that is a calculation result of the second calculation unit 172;
  • the difference is that the demand predicted value R [X] is obtained based on the result data that is the result of the result data operation unit 132.
  • ⁇ P t is the difference between the current time t and the amount of power used ⁇ t before the current time t, that is, one control cycle ( ⁇ t) immediately before the current time t, as expressed in the following equation (4).
  • the amount of change in the amount of power used (the amount of change in power consumption ⁇ P t ).
  • the power consumption change is time-series data corresponding to each change in the power consumption.
  • the predicted value of the change in power consumption ⁇ P t + ⁇ t at the time (t + ⁇ t) next to the current time t can be obtained by Expression (5) by applying the exponential smoothing method.
  • the exponential smoothing method computing unit 161 is configured to obtain the predicted value of the used power amount change ⁇ P t + ⁇ t shown in the equation (5) as the fluctuation tendency of the time series data.
  • the smoothing coefficient ⁇ is a parameter for adjusting the degree of influence of the past predicted value actual data on the current predicted value.
  • the smoothing coefficient ⁇ is set to a value larger than 0 and smaller than 1.
  • the smoothing coefficient ⁇ is selected so that the prediction error is minimized by analyzing the actual value of the time-series data to be predicted in advance and comparing the predicted value with the actual measurement value. Used.
  • the smoothing coefficient ⁇ is close to 1, the prediction is made with emphasis on the immediately preceding time series data. On the other hand, as the smoothing coefficient ⁇ is a value close to 0, the prediction is focused on time-series data from a long past.
  • the smoothing coefficient ⁇ is set to 1 or a value close to 1
  • an expression for predicting the power consumption change ⁇ P t is used.
  • prediction that can cope with abrupt fluctuations is performed in consideration of fine fluctuations in a short cycle.
  • the smoothing coefficient ⁇ is set to a value close to 0 and used. It is assumed that the power amount change ⁇ P t is predicted. As a result, a prediction is performed in which a reaction to excessively fine fluctuations is suppressed in consideration of fluctuations with a long period.
  • a description with a smoothing coefficient ⁇ of 0.5 is a time t + ⁇ t next to the current time t calculated using the prediction expression of Expression (5) with the smoothing coefficient ⁇ set to 0.5, For example, when ⁇ t is 3 minutes, it represents a predicted value of the change in power consumption after 3 minutes from the current time t.
  • the exponential smoothing method computing unit 161 sets the remaining time to the control period with respect to the predicted value of the power consumption change ⁇ P t + ⁇ t obtained from the above equation (5) as the fluctuation tendency of the time series data.
  • prediction data the first term in curly brackets in equation (6)
  • actual data is the amount of power consumed from the time B, which is the start time of the expected demand time period T, to the current time t.
  • the second term in the curly brackets is calculated.
  • the arithmetic processing unit 133 calculates the demand predicted value by multiplying the sum of the predicted data obtained by the exponential smoothing method computing unit 161 and the actual data obtained by the actual data computing unit 132 by 2. R [X] is obtained.
  • the demand forecast value R using the exponential smoothing method will be described more specifically.
  • the demand predicted value calculation processing unit 76 acquires various data used for the demand prediction calculation from the used power amount data 111 (time series data) and the used power amount change predicted value data 115 stored in the data storage unit 71. For example, the demand prediction value calculation processing unit 76 acquires time series data corresponding to the current time t and nine time series data 3 to 27 minutes before the current time t as various data necessary for demand prediction. Then, various variables assigned to the parameter storage area 104 on the main memory 64 are initialized and set.
  • the demand predicted value calculation processing unit 76 acquires the predicted value of the used power amount change one minute before the current time t, that is, the used power amount change value three minutes before, from the used power amount change predicted value data 115.
  • Various variables assigned to the parameter storage area 104 on the main memory 64 are initialized and set.
  • the electric power consumption change predicted value data 115 which is the fluctuation tendency of the time series data, is based on the equation (6), and is the ten values from 0.1 to 1.0 as the value of the smoothing coefficient ⁇ .
  • the past fluctuation tendency is stored.
  • the power consumption used 3 minutes before at least the current time t Since a predicted change value (fluctuation trend) is required, only the most recent past predicted value of power consumption change (fluctuation trend) may always be stored.
  • the demand predicted value calculation processing unit 76 obtains a demand predicted value R [X] (kW) after X minutes from the current time t.
  • the first calculation unit 171 acquires the power consumption at the current time t and the power consumption three minutes before the current time t among the variables assigned to the parameter storage area 104 on the main memory 64, A power consumption change ⁇ P t is obtained.
  • the second calculation unit 172 obtains a predicted value of a change in power consumption at the current time t among the variables assigned to the parameter storage area 104 on the main memory 64 (obtained 3 minutes before the current time t). (Predicted value of used electric energy change) is obtained, and the current time is calculated from the used electric energy change ⁇ P t , the predicted value of used electric energy change at the current time t, and the smoothing coefficient ⁇ based on the equation (5).
  • a fluctuation tendency that is a predicted value of the power consumption change ⁇ P t + ⁇ t at a time (t + ⁇ t) next to t is obtained.
  • the arithmetic processing unit 133 uses the prediction data obtained from the fluctuation tendency that is the predicted value of the power consumption change ⁇ P t + ⁇ t by the second arithmetic unit 172 and the actual data that is the arithmetic result of the actual data calculating unit 132. Based on equation (6), demand predicted values R [3] to R [30] are obtained, and the calculation results are written in various variables assigned to the calculation result storage area 105 on the main memory 64, respectively.
  • the arithmetic processing unit 133 associates the value stored in the variable corresponding to the predicted value of 10 power consumption changes on the main memory 64 with the corresponding time in the data format shown in FIG.
  • the data is stored in the data storage unit 71.
  • the arithmetic processing unit 133 converts the values stored in the variables corresponding to the ten demand predicted values R [3] to R [30] on the main memory 64 into the data format as shown in FIG. Store in the storage unit 71.
  • FIG. 14 is a flowchart for explaining an operation example of the demand predicted value calculation process of the demand prediction device 15 according to the second embodiment of the present invention.
  • processing in steps S81 to S87 is exponential smoothing calculation processing
  • processing in step S88 is calculation result storage processing.
  • Step S81 The demand prediction device 15 acquires the power consumption data 111 and the power consumption change predicted value data 115 from the data storage unit 71.
  • Step S82 The demand prediction device 15 initializes the parameter storage area 104 of the calculation storage unit 72.
  • Step S83 The demand prediction device 15 stores the acquired power consumption data 111 and the power consumption change predicted value data 115 in the parameter storage area 104.
  • Step S84 The demand prediction device 15 calculates prediction data by using an exponential smoothing method from the stored used power amount data 111 and the used power amount change predicted value data 115.
  • Step S85 The demand prediction device 15 calculates actual data for the remaining time of the demand time limit T from the stored power consumption data 111.
  • Step S86 The demand prediction device 15 calculates a third demand prediction value R [X].
  • Step S87 The demand prediction device 15 stores the third demand prediction value R [X] in the calculation result storage area 105.
  • Step S88 The demand prediction device 15 stores the third demand prediction value R [X] stored in the calculation result storage area 105 in the data storage unit 71 and ends the process.
  • FIG. 15 is a diagram illustrating an example of a data format of a predicted value (fluctuation tendency) of power consumption change used in the demand prediction device 15 according to the second embodiment of the present invention.
  • the predicted value of the power consumption change ⁇ P t is configured as set data corresponding to each case where the smoothing coefficient ⁇ is 1.0 to 0.1. Then, it has become the respective times, the configuration and the set data of the predicted value of the electric power consumption change [Delta] P t is tied.
  • the acquisition target data corresponds to the result of subtracting the control cycle ⁇ t from the current time t, that is, the time immediately before the current time t.
  • the smoothing coefficient ⁇ is given as a value in increments of 0.1.
  • the value is not limited to this, and other values may be used.
  • the smoothing coefficient ⁇ is set to be close to 0 and the remaining time of the demand time period T
  • the demand prediction device 15 that does not synchronize the demand time period T sets the smoothing coefficient ⁇ in the exponential smoothing method according to the virtual remaining time up to the expected end time of the demand time period T. .
  • a prediction method mainly using fluctuation tendency of time series data in a relatively wide range is used by setting the smoothing coefficient ⁇ to be small stepwise.
  • the smoothing coefficient ⁇ is set to be large stepwise so that a fine change is a fluctuation of the subject. Prediction techniques using trends are used.
  • Such a gradual decreasing trend of the demand predicted value R [X] is once the demand limit is entered, for example, after the load 14 is shut off, the demand limit is easily canceled, that is, the load 14 is re-input. It is also possible to prevent demand control hunting due to re-input of the load 14 at a high speed.
  • the demand prediction device 15 changes the method for obtaining the fluctuation tendency of the time-series data used for demand prediction according to the virtual remaining time until the end time of the demand time period T. Even if it is not taken, the accuracy of demand prediction, which causes excessive demand limitation, can be particularly remarkably improved. Therefore, the demand prediction device 15 can significantly improve the quality of demand control.
  • Embodiment 3 Since the demand prediction apparatus of the third embodiment has a demand time adjustment function and can synchronize with the demand time of the electric power company, the remaining time from the current time to the end time of the supply time can be calculated. It can be determined accurately. That is, the demand prediction apparatus according to the third embodiment calculates a plurality of demand prediction values in that it calculates only one demand prediction value corresponding to the remaining time from the current time to the end time of the demand time limit. This is different from the first and second embodiments.
  • the basic configuration content of the demand prediction apparatus according to the third embodiment is the same as that in each of the embodiments described above, the same reference numeral 15 is used for convenience, and the same reference numerals are used for equivalent structural members. Shall be used.
  • FIG. 16 is a diagram illustrating an example of a hardware configuration of the demand prediction apparatus 15 according to the third embodiment. As shown in FIG. 16, the demand prediction device 15 further includes a time adjustment processing device 48 in addition to the components shown in FIG. 4.
  • FIG. 17 is a diagram illustrating an example of a software configuration of the demand prediction apparatus 15 according to the third embodiment. As shown in FIG. 17, the demand prediction device 15 further includes a time adjustment processing unit 77 in addition to the components shown in FIG. 5.
  • the time adjustment processing unit 77 is realized by the time adjustment processing device 48 and synchronizes time with the demand time of the electric power company. More specifically, the time adjustment processing unit 77 detects the power supply frequency (50 Hz, 60 Hz), and adjusts the demand time period managed by the prediction data calculation unit 131 to the demand time period of the electric utility. Depending on the electric utility, a signal for timing adjustment may be output, and when the signal for timing adjustment can be used, the timing adjustment processing unit 77 uses the signal for timing adjustment to time-synchronize the demand time limit.
  • the demand time period of the electric power company is T (minutes)
  • the demand time period which is the demand management cycle of the demand prediction device 15
  • T the remaining time Tt (minutes) from the current time t to the end time of the demand time limit T is a fixed time that is determined, unlike the first and second embodiments.
  • the demand predicted value calculation processing unit 76 acquires the power consumption at the current time t from the power consumption data 111 of the data storage unit 71. Further, the demand predicted value calculation processing unit 76 uses the past 10 pieces of time-series data, for example, t ⁇ t, t, as the data of the power consumption required for demand prediction from the power consumption data 111 of the data storage unit 71. Data on the amount of power used corresponding to each time of ⁇ t ⁇ 2,..., T ⁇ t ⁇ 10 is acquired. As in the above embodiments, ⁇ t is a control cycle. Also in the third embodiment, the demand time period T is set to 30 minutes, and the control period ⁇ t is set to 3 minutes, which is 1/10 of the demand time period T. The demand predicted value calculation processing unit 76 initializes various variables assigned to the parameter storage area 104 on the main memory 64 and then sets the acquired data.
  • the moving average method is adopted as the first method
  • the extrapolation method is used as the second method. It was adopted. That is, when the remaining time Tt until the end time of the demand time period T is large (for example, the remaining time Tt from the current time t to the end time of the demand time period T is 15 to In the case of 30 minutes), the demand predicted value R is generated using the moving average method as the first method.
  • the prediction data calculation unit 131 obtains the prediction data used for calculating the demand prediction value R from the average of the time series data of the past 10 points from the current time, for example, based on the moving average method, as a result, the demand prediction value calculation process
  • the unit 76 can calculate the demand prediction value R mainly capturing the fluctuation tendency of the time-series data in a wide range such as a range corresponding to the demand time period, rather than a fine change in demand.
  • the prediction data calculation unit 131 for example, the difference between the past two points of time series data of the power consumption corresponding to the current time t and the power consumption corresponding to the time immediately before the current time t.
  • the demand predicted value calculation processing unit 76 can calculate a demand predicted value R that mainly captures a small change in demand.
  • FIG. 18 is a block diagram illustrating an example of a configuration of the demand predicted value calculation processing unit 76. That is, the demand predicted value calculation processing unit 76 uses the first method or the second method by comparing the remaining time T ⁇ t with the determination threshold value (threshold value) stored in the data storage unit 71. Has a prediction method determination processing unit 134 for determining whether to use.
  • the prediction method determination processing unit 134 determines that the first method is to be used, notifies the first method calculation unit 141 of a calculation command signal, and the remaining time Tt is When it is less than the determination threshold, it is determined that the second method is used, and a calculation command signal is notified to the second method calculation unit 142.
  • 15 minutes is adopted as the determination threshold value. Therefore, when the remaining time Tt is 15 minutes to 30 minutes, the first method calculation unit 141 causes the prediction method determination processing unit 134 to When the prediction data is calculated by the moving average method according to the calculation command signal notified from, and the remaining time Tt is 3 minutes to 12 minutes, the second method calculation unit 142 includes the prediction method determination processing unit. Prediction data is calculated by extrapolation according to the calculation command signal notified from 134.
  • the demand predicted value (kW) for each control cycle ⁇ t corresponding to the remaining time Tt from the current time t to the end time of the demand time limit T is defined as R [Tt].
  • the demand predicted value calculation processing unit 76 calculates the demand predicted value R [Tt] by the following formula (9) or formula (10). In other words, the demand predicted value calculation processing unit 76 calculates one demand predicted value R [Tt] according to the remaining time Tt determined for each control cycle ⁇ t.
  • time series data (power consumption (kWh)) Y minutes before the current time t is defined as PC [Y].
  • the amount of power used at the current time t corresponds to the amount of power used 0 minutes before the current time t, and thus is represented as PC [0].
  • the unit of each quantity in the curly braces is kWh.
  • the demand predicted value R [T ⁇ t] is an average value (kW) obtained by dividing the power consumption used within the demand time period T by the demand time period T
  • the demand predicted value R [X] In the calculation, the amount of power used (kWh) obtained in the braces of Equation (9) is divided by 30 minutes (1/2 hour), which is the demand time limit T. That is, the demand predicted value calculation processing unit 76 uses Expression (9) when the remaining time Tt is 15 to 30 minutes, and uses Expression (10) when the remaining time Tt is 3 to 12 minutes. Thus, only one demand predicted value R is obtained.
  • the first term for obtaining prediction data that is the amount of power consumed during the remaining time Tt based on the amount of power used immediately before the current time, and the demand time limit T There is a second term for obtaining actual data that is the amount of power consumed from the start time to the current time.
  • the first term for determining the fluctuation tendency of the power consumption consumed during the remaining time Tt based on the power consumption immediately before the current time, and the demand time limit There is a second term for obtaining actual data of the amount of power consumed consumed from the start time of T to the current time.
  • the first method calculation unit 141 calculates prediction data corresponding to the first term of Equation (9).
  • the result data calculation unit 132 calculates the result data corresponding to the second term of the formula (9), and the calculation processing unit 133 calculates the demand predicted value according to the formula (9) from the prediction data and the result data.
  • R [T ⁇ t] is calculated.
  • the arithmetic processing unit 133 uses the calculated demand predicted value R [Tt] (here, it is assumed that Tt is any one of 15, 18,..., 30 minutes). This is to be written in various variables assigned to the calculation result storage area 105 on the memory 64.
  • the prediction method determination processing unit 134 determines that the second method is to be used
  • the first method calculation unit 141 calculates prediction data corresponding to the first term of Expression (10), and results data
  • the calculation unit 132 calculates the actual data corresponding to the second term of the formula (10)
  • the calculation processing unit 133 calculates the demand predicted value R [T from the predicted data and the actual data according to the formula (10). -T] is calculated.
  • the arithmetic processing unit 133 uses the obtained demand predicted value R [Tt] (here, it is assumed that Tt is any of 3, 6,..., 12 minutes) as the main. This is to be written in various variables assigned to the calculation result storage area 105 on the memory 64.
  • FIG. 19 is a diagram illustrating an example of a data format of the demand prediction value R calculated by the demand prediction device 15 according to the third embodiment.
  • the arithmetic processing unit 133 stores the demand predicted value R [Tt] in the data storage unit 71 in the data format shown in FIG. As a result, the demand predicted value data 112 in the data storage unit 71 is updated.
  • the demand prediction value data 112 is formed of set data in which the remaining time T ⁇ t is associated with the demand prediction value R [T ⁇ t] at the end time of the demand time period T. .
  • the set data corresponding to the remaining time Tt of 3 to 12 is the demand predicted value R [Tt] when it is assumed that the current time t is located in the latter half of the demand time period T. Further, the set data corresponding to the remaining time Tt of 15 to 30 is the demand predicted value R [Tt] when the current time t is assumed to be located in the first half of the demand time period T.
  • the operation of the demand prediction apparatus 15 according to the third embodiment has only one demand prediction value R and a point where the demand time period managed by the electric power company and the demand time period managed by the prediction data calculation unit 131 are synchronized. Although it differs from the first embodiment described above in terms of generation, the other operation contents are the same. That is, the basic operation content of the demand prediction apparatus 15 is the same as that in the first embodiment, and therefore, in this operation description, a demand predicted value generation process will be described.
  • FIG. 20 is a flowchart for explaining an operation example of the demand prediction value calculation processing of the demand prediction device 15 in the third embodiment, and shows processing subsequent to FIG.
  • the demand predicted value calculation processing unit 76 uses the power consumption data 111 of the data storage unit 71 to use the power consumption at the current time t and each time (t ⁇ t to t ⁇ t ⁇ 10) retroactively in the control cycle ⁇ t. To 10) is acquired (FIG. 20: Step S91).
  • the demand predicted value calculation processing unit 76 initializes the parameter storage area 104 of the calculation storage unit 72 (FIG. 20: step S92).
  • the demand predicted value calculation processing unit 76 stores the acquired power consumption in the parameter storage area 104 (FIG. 20: step S93).
  • the prediction method determination processing unit 134 of the demand predicted value calculation processing unit 76 determines whether or not the remaining time Tt is equal to or greater than a determination threshold (FIG. 20: step S94).
  • the first method calculation unit 141 uses the moving average method as the first method. To calculate the prediction data (FIG. 20: step S95).
  • the second method calculation unit 142 outputs the second method as the second method. Prediction data is calculated by the insertion method (FIG. 20: Step S96).
  • the result data calculation unit 132 obtains the result data of the power consumption consumed from the start time of the demand time limit T to the current time (FIG. 20: Step S97).
  • the calculation processing unit 133 determines the demand predicted value R [T ⁇ t based on the prediction data obtained by the first method calculation unit 141 or the second method calculation unit 142 and the result data obtained by the result data calculation unit 132. ] Is calculated (FIG. 20: Step S98).
  • the arithmetic processing unit 133 stores the obtained demand predicted value R [T ⁇ t] in the arithmetic result storage area 105 (FIG. 20: Step S99).
  • the demand prediction apparatus 15 has a function of synchronizing time with the demand period of the electric power company, and from the current time t to the end time of the demand time period of the electric power company. Therefore, when calculating the demand prediction value R, the first method and the second method associated with the remaining time Tt can be appropriately selected and used. That is, when the remaining time Tt is large, the demand predicted value calculation processing unit 76 uses a prediction method mainly based on the fluctuation tendency of the time series data in a wide range (for example, a range corresponding to the demand time limit), and the remaining time When Tt is small, a prediction method mainly based on capturing small changes is used.
  • the demand prediction apparatus 15 in the third embodiment it is possible to improve the accuracy of demand prediction by using a combination of two time-series data prediction methods, and in particular, the remaining time T ⁇ There is an effect of improving the problem of the conventional method in which deterioration of prediction accuracy occurs when t is large.
  • the moving average method and the extrapolation method are applied as methods for calculating the prediction data.
  • the same effect is exhibited according to the remaining time Tt until the end time of the demand time period T.
  • Any technique may be used in combination.
  • an example in which two methods are combined has been described.
  • the present invention is not particularly limited to this, and two or more thresholds are set and prediction is performed by combining three or more methods. Data etc. may be calculated to obtain the demand predicted value R [T ⁇ t].
  • Embodiment 4 Since the demand prediction apparatus according to the fourth embodiment has a demand time adjustment function as in the third embodiment described above, the remaining time from the current time to the end time of the demand time limit of the electric power company is accurately determined. Can be sought.
  • the exponential smoothing method is adopted as a time series data prediction method, and the above-described embodiment is used in that the characteristic of the exponential smoothing method is utilized according to the remaining time until the end time of the demand period of the electric utility. 3 and different.
  • the basic configuration content of the demand prediction apparatus according to the third embodiment is the same as that in each of the embodiments described above, the same reference numeral 15 is used for convenience, and the same reference numerals are used for equivalent structural members. Shall be used.
  • the remaining time Tt (minutes) from the current time t to the end time of the demand time period T is a fixed time that is determined as in the third embodiment.
  • the system configuration and the hardware configuration are the same as those in FIGS. 3 and 16, respectively.
  • the software configuration of the demand prediction apparatus 15 includes a time adjustment processing unit 77 as in FIG.
  • the internal configuration of the demand prediction value calculation processing unit 76 is partially different as shown in FIG. Configurations other than the processing unit 76 and the time adjustment processing unit 77 are the same as those in FIG.
  • FIG. 21 is a block diagram showing an internal configuration of the demand predicted value calculation processing unit 76.
  • the demand predicted value calculation processing unit 76 includes a smoothing coefficient determining unit 173 that determines the smoothing coefficient ⁇ based on the remaining time Tt from the current time to the end time of the demand time period T.
  • the demand prediction apparatus 15 has a time adjustment processing unit 77, and the demand time period managed by the electric power company and the demand time period managed by the prediction data calculation unit 131 are time-synchronized.
  • the smoothing coefficient determination unit 173 determines one smoothing coefficient ⁇ based on the accurate remaining time T ⁇ t. Since the exponential smoothing method has been described in the second embodiment, a description thereof will be omitted.
  • the exponential smoothing method computing unit 161 uses the smoothing coefficient determining unit 173 to The smoothing coefficient ⁇ is determined to be 1 or a value close to 1, and the predicted value of the power consumption change ⁇ P t + ⁇ t is calculated. As a result, it is possible to realize prediction for abrupt fluctuations in consideration of short period fine fluctuations.
  • the exponential smoothing method computing unit 161 determines the smoothing coefficient ⁇ to a value close to 0 by the smoothing coefficient determining unit 173 and uses it.
  • a predicted value of the electric energy change ⁇ P t + ⁇ t is calculated. Thereby, it is possible to suppress an excessive reaction to a fine change, and it is possible to realize a prediction in preparation for a fluctuation tendency of time series data in a long cycle.
  • the demand predicted value calculation processing unit 76 uses a prediction formula in which the smoothing coefficient ⁇ is set as in the above formula (6) in accordance with the remaining time Tt until the end time of the demand time period T.
  • the time adjustment processing unit 77 can synchronize with the demand time period T and grasp the end time of the demand time period T. Therefore, unlike the second embodiment, the demand predicted value calculation processing unit 76 uses only one mathematical expression corresponding to the remaining time Tt in the expression (6) to calculate the demand predicted value R [T ⁇ t] is calculated. For example, when the remaining time Tt is 18 minutes, the demand predicted value calculation processing unit 76 calculates only the demand predicted value R [18].
  • the demand predicted value calculation processing unit 76 calculates the predicted value of the power consumption change ⁇ P t + ⁇ t obtained by changing the value of the smoothing coefficient ⁇ according to the remaining time T ⁇ t, as shown in the equation (6).
  • the predicted values of ⁇ P t + ⁇ t corresponding to a total of 10 smoothing coefficients ⁇ from 0.1 to 1.0 are calculated and stored every time for use in calculating the demand predicted value R [T ⁇ t]. It is configured as follows.
  • the operation of the demand prediction apparatus 15 according to the fourth embodiment is that the demand time period managed by the electric power company and the demand time period managed by the prediction data calculation unit 131 are synchronized with each other, and only one demand prediction value is obtained.
  • the other operation contents are the same. Therefore, in the description of the operation, the generation process of the demand prediction value R using the exponential smoothing method will be described.
  • FIG. 22 is a flowchart for explaining an operation example of the demand prediction value calculation processing of the demand prediction device 15 in the fourth embodiment, and shows processing subsequent to FIG.
  • the demand predicted value calculation processing unit 76 acquires various data used for the demand prediction calculation from the power consumption data 111 and the power consumption change predicted value data 115 stored in the data storage unit 71. Specifically, the demand prediction value calculation processing unit 76 uses the power consumption data 111 corresponding to the current time t and the power consumption corresponding to the current time t and one used power ⁇ t minutes before the current time t as data necessary for demand prediction. Get quantity data.
  • the demand predicted value calculation processing unit 76 predicts the change in the used power amount calculated and stored from the used power amount change predicted value data 115 one time before the current time t, that is, three minutes before. A value is acquired (FIG. 22: step S101). Then, the demand predicted value calculation processing unit 76 initializes various variables assigned to the parameter storage area 104 on the main memory 64 (FIG. 22: Step S102), and the acquired time series data of the used electric energy and the used electric power. The predicted value of the amount change is stored in the parameter storage area 104 (FIG. 22: Step S103).
  • the power consumption change predicted value data 115 is past predicted data obtained by the demand predicted value calculation processing unit 76 using the equation (6). That is, since there are 10 patterns from 3 minutes to 30 minutes in the remaining time T-t, the predicted value of the change in power consumption is predicted data for 10 smoothing coefficients ⁇ from 0.1 to 1.0. And stored in association with each time in the data format shown in FIG. FIG. 15 shows a format for storing a plurality of past prediction data.
  • an exponential smoothing method is applied and a predicted change in power consumption after 3 minutes is obtained based on equation (5),
  • at least the current time t as a base point requires prediction data three minutes ago. For this reason, only the latest past prediction data may be always stored.
  • the first arithmetic unit 171 calculates the power consumption at the current time t and the power consumption at 3 minutes before the current time t. Obtaining and obtaining the power consumption change ⁇ P t (FIG. 22: step S104).
  • the smoothing coefficient determination unit 173 determines the smoothing coefficient ⁇ based on the remaining time T ⁇ t, and notifies the determined smoothing coefficient ⁇ to the second calculation unit 172 (FIG. 22: step S105).
  • the second calculation unit 172 obtains a predicted value of the change in power consumption at the current time t among the variables assigned to the parameter storage area 104 on the main memory 64, and uses the power consumption change ⁇ P t and the current time.
  • the power consumption change ⁇ P t + ⁇ t at time t + ⁇ t next to the current time t is calculated using Equation (5).
  • Prediction data that is a predicted value is obtained (FIG. 22: step S106).
  • the result data calculation unit 132 obtains result data that is a result value of the power consumption consumed from the start time of the demand time limit T to the current time (FIG. 22: Step 107). Subsequently, the arithmetic processing unit 133 calculates a demand predicted value R [Tt] based on the predicted data obtained by the second computing unit 172 and the actual data obtained by the actual data calculating unit 132 (FIG. 22: Step S108). Then, the arithmetic processing unit 133 stores the obtained demand predicted value R [T ⁇ t] in the arithmetic result storage area 105 (FIG. 22: step S109).
  • the demand predicted value calculation processing unit 76 stores the demand predicted value R [Tt] corresponding to the remaining time Tt in the data storage unit 71 in the data format shown in FIG. Then, the demand predicted value calculation processing unit 76 ends the series of calculation processing (FIG. 22: step S110).
  • the demand prediction device 15 accurately detects the remaining time T detected in time synchronization with the demand time period, which is a time interval for measuring and managing the demand of the consumer. Since the smoothing coefficient ⁇ is determined according to ⁇ t, it is possible to improve the calculation accuracy of the demand predicted value R [T ⁇ t] at the end time of the demand time period T to which the current time belongs. That is, when the remaining time Tt is large, the demand prediction device 15 performs the prediction mainly based on the fluctuation tendency of the entire time series data by decreasing the smoothing coefficient ⁇ , and when the remaining time Tt is small. The prediction accuracy can be improved because the smoothing coefficient ⁇ is increased and the prediction that mainly captures the fine fluctuation tendency immediately before the current time is performed.
  • the demand prediction device 15 decreases the demand value, for example, when the demand prediction value R [T ⁇ t] falls below a preset target demand value, the demand restriction is released (load re-input). ) May be provided. Even when the restriction releasing function is provided, the demand prediction device 15 obtains the demand prediction value R [Tt] mainly capturing the long-term trend change when the remaining time Tt is large. Because it is configured, the demand forecast value R [Tt] decreases slowly after the actual demand value changes, so once the demand limit (load shutdown etc.) is entered, the demand can be easily The operation of releasing the restriction (reloading the load) can be avoided, and it is possible to prevent demand control hunting due to rapid load recharging.
  • the smoothing coefficient ⁇ is given as a value in increments of 0.1.
  • the smoothing coefficient ⁇ is set to other values. It may be changed linearly or exponentially. That is, when the remaining time Tt is large, the smoothing coefficient ⁇ is set to 1 or a value close to 1, and when the remaining time Tt is small, the smoothing coefficient ⁇ is set to a value close to 0.
  • the operations of the first to fourth embodiments have been described with reference to the flowcharts shown in FIGS. 7 to 9, 11, 14, 20, and 22. You may implement
  • the computer-readable recording medium on which such a program is recorded may be a removable medium such as a CD-ROM or MO (Magneto-Optical Disk) in addition to the hard disks 65 and 67.
  • the program itself may be acquired via an electric communication line without using a recording medium.
  • Such a program may be installed as a wiring logic in a microprocessor or the like. In short, as long as each function described above is realized, the mounting form is not particularly limited.
  • 1 demand prediction system 11 commercial power supply, 13 power meter, 14 load, 15 demand prediction device, 21, 21_1 to 21_N control target load, 25 non-control target load, 31 power pulse communication line, 33 power supply line, 35 communication bus , 41 receiving device, 42 transmitting device, 43 storage device, 44 database device, 45 input device, 46 output device, 47 arithmetic processing device, 48 timed processing device, 51 primary storage device, 53 secondary storage device, 61 logic circuit 62 registers, 63 cache memory, 64 main memory, 65, 67 hard disk, 66 flash memory, 71 data storage unit, 72 calculation storage unit, 73 data setting unit, 74 data input unit, 75 power consumption calculation processing unit, 76 Demand forecast performance Processing unit, 77 time-sizing processing unit, 91 storage area for calculation of used energy consumption, 92 storage area for demand predicted value calculation processing, 101 current power consumption storage area of current time, 102 usage energy storage area, 103 pulse count value storage Area, 104 parameter storage area, 105 calculation result storage area, 111 used power amount data, 112 demand

Landscapes

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

Abstract

　負荷の過去の使用電力量を示す時系列データに基づいて、負荷の将来のデマンド予測値を求めるデマンド予測装置のデマンド予測値演算処理部は、デマンド時限の開始時刻から現在時刻までに消費された使用電力量である実績データを時系列データから求める実績データ演算部と、時系列データの変動傾向に基づいて、現在時刻からデマンド時限の終了時刻までの残り時間に消費される予測使用電力量である予測データを演算する予測データ演算部と、実績データと予測データとに基づいてデマンド予測値を算出する演算処理部と、を有している。予測データ演算部は、残り時間に応じて変動傾向を変化させるものである。

Description

デマンド予測装置及びデマンド予測方法
　本発明は、デマンド予測装置及びデマンド予測方法に関する。
　従来から、現在時刻ｔと、現在時刻ｔの直前の時刻ｔ－Δｔとの間のデマンド変化分に応じてデマンド予測を行うデマンド予測装置がある（例えば、特許文献１参照）。特許文献１に記載のデマンド予測装置は、デマンド予測を行うに際して、デマンド時限の終了時刻までの残り時間を用いるものである。
特公昭６３－２６６１４号公報（図１）
　しかしながら、特許文献１に記載のデマンド予測装置は、デマンド時限の終了時刻までの残り時間に関係なく、現在時刻ｔと、現在時刻ｔの直前の時刻ｔ－Δｔとの間のデマンド変化分に応じてデマンド予測を行うため、予測精度が悪化する恐れがある。
　また、予測精度の悪化により、デマンド予測値が過大に演算されると、過剰なデマンド制限を促す恐れがある。つまり、過大なデマンド予測の見積もりは、短時間のうちにデマンド制限の実施と解除とを繰り返すハンチングの要因となる。
　本発明は、上記のような問題点を解決するためになされたもので、過剰なデマンド制限の原因となるデマンド予測の精度を改善するデマンド予測装置及びデマンド予測方法を提供することを目的とするものである。
　本発明に係るデマンド予測装置は、負荷の過去の使用電力量を示す時系列データに基づいて、負荷の将来のデマンド予測値を求めるデマンド予測装置であって、デマンド時限の開始時刻から現在時刻までに消費された使用電力量である実績データを時系列データから求める実績データ演算部と、時系列データの変動傾向に基づいて、現在時刻からデマンド時限の終了時刻までの残り時間に消費される予測使用電力量である予測データを演算する予測データ演算部と、実績データと予測データとからデマンド予測値を算出する演算処理部と、を有し、予測データ演算部は、残り時間に応じて変動傾向を変化させて予測データを演算するものである。
　本発明は、予測データ演算部が、現在時刻からデマンド時限の終了時刻までの残り時間に応じて変化させた時系列データの変動傾向に基づいて予測データを演算し、演算処理部が、予測データ演算部において演算された予測データを用いてデマンド予測値を算出するように構成したため、過剰なデマンド制限の原因となるデマンド予測の精度を改善することができる。
本発明の実施の形態１におけるデマンド予測の基本原理を説明する図である。 本発明の実施の形態１におけるデマンド時限Ｔと現在時刻ｔとの差異に応じて行われるデマンド予測の原理を説明する図である。 本発明の実施の形態１におけるデマンド予測装置１５を含むシステム構成の一例を示す図である。 本発明の実施の形態１におけるデマンド予測装置１５のハードウェア構成の一例を示す図である。 本発明の実施の形態１におけるデマンド予測装置１５のソフトウェア構成の一例を示す図である。 本発明の実施の形態１におけるデマンド予測装置１５のソフトウェア構成の詳細な一例を示す図である。 本発明の実施の形態１におけるデマンド予測装置１５の全体的な動作例を説明するフローチャートである。 本発明の実施の形態１におけるデマンド予測装置１５の電力パルス信号計数処理の動作例を説明するフローチャートである。 本発明の実施の形態１におけるデマンド予測装置１５の積算電力演算処理の動作例を説明するフローチャートである。 本発明の実施の形態１におけるデマンド予測装置１５で用いる使用電力量のデータ形式の一例を示す図である。 本発明の実施の形態１におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートである。 本発明の実施の形態１におけるデマンド予測装置１５で演算したデマンド予測値Ｒのデータ形式の一例を示す図である。 本発明の実施の形態２におけるデマンド予測装置１５のソフトウェア構成の詳細な一例を示す図である。 本発明の実施の形態２におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートである。 本発明の実施の形態２におけるデマンド予測装置１５で用いる使用電力量変化の予測値のデータ形式の一例を示す図である。 本発明の実施の形態３におけるデマンド予測装置１５のハードウェア構成の一例を示す図である。 本発明の実施の形態３におけるデマンド予測装置１５のソフトウェア構成の一例を示す図である。 図１７のデマンド予測値演算処理部７６の構成の一例を示すブロック図である。 本発明の実施の形態３におけるデマンド予測装置１５で演算したデマンド予測値Ｒのデータ形式の一例を示す図である。 本発明の実施の形態３におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートである。 本発明の実施の形態４におけるデマンド予測値演算処理部７６の内部構成を示すブロック図である。 本発明の実施の形態４におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートである。
　以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、本発明の実施の形態１～４の動作を行うプログラムを記述するステップは、記載された順序に沿って時系列に行われる処理であるが、必ずしも時系列に処理されなくても、並列的又は個別に実行される処理をも含んでもよい。
　また、本実施の形態１～４で説明される各機能をハードウェアで実現するか、ソフトウェアで実現するかは問わない。つまり、本実施の形態１～４で説明される各ブロック図は、ハードウェアのブロック図と考えても、ソフトウェアの機能ブロック図と考えてもよい。例えば、各ブロック図は、回路デバイス等のハードウェアで実現されてもよく、図示しないプロセッサ等の演算装置上で実行されるソフトウェアで実現されてもよい。
　また、本実施の形態１～４で説明されるブロック図の各ブロックは、その機能が実施されればよく、それらの各ブロックで構成が分離されなくてもよい。
　なお、本実施の形態１～４のそれぞれにおいて、特に記述しない項目については、各実施の形態間で共通するものとする。また、各実施の形態における同等の機能及び構成については、同一の符号を用いて述べることとする。
　また、本実施の形態１～４のそれぞれで説明する各種値等の設定例は一例を示すだけであり、特にこれらに限定しない。
実施の形態１．
　図１は、本発明の実施の形態１におけるデマンド予測の基本原理を説明する図である。図１に示すように、デマンド予測値Ｒ（ｋＷ）は、電気事業者との供給契約の中で設定されたデマンド時限Ｔ（分）の終了時刻における予測値であって、予測を実施する現在時刻をｔとすると、次式（１）で表される。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｄは、現在時刻ｔにおけるデマンド（ｋＷ）であり、デマンド変化量ΔＤは、現在時刻ｔを基準としてΔｔだけ前の時刻から現在時刻ｔまでの間に変化したデマンド（ｋＷ）である。
　一般的に、電力のデマンドとは、電気事業者との供給契約の中で設定されたデマンド時限Ｔ（分）内に需要家が使用した電力量（ｋＷｈ）をデマンド時限Ｔで除した平均値であって、単位はｋＷである。
　また、デマンド時限Ｔ（分）は、電気事業者が需要電力（デマンド）を計測する時間間隔（電気事業者のデマンド時限）と同期するように設定され、例えば、通常３０分が採用されている。つまり、時刻０時００分から０時３０分、０時３０分から１時００分、・・・、２３時３０分から０時００分といったような時間間隔がデマンドの計測間隔に対応する。なお、デマンド時限Ｔ（分）が３０分である場合を想定して以降の説明を行うが、特にこれに限定されない。例えば、デマンド時限Ｔ（分）が１５分に設定されていてもよい。また、例えば、デマンド時限Ｔ（分）が６０分に設定されていてもよい。
　式（１）においては、現在時刻ｔを基準としてΔｔだけ前の時刻から現在時刻ｔまでの間に増加したデマンド変化量ΔＤ（ｋＷ）を、デマンド時限Ｔ（分）の終了時刻までの残り時間（Ｔ－ｔ）だけ直線的に外挿したものに、現在時刻ｔにおける現在デマンド値Ｄを加えたものがデマンド予測値Ｒとして定義されている。
　図１においては、デマンド時限Ｔ（分）は、３０分が設定されており、時刻は、０時００分～０時３０分の場合が示されている。式（１）に基づいて演算されたデマンド予測値Ｒは、目標デマンド値Ｑ（契約電力）と比較される。比較の結果、デマンド予測値Ｒが目標デマンド値Ｑを超過した場合、デマンド超過発生の可能性があると判定される。通常、デマンド超過は、違約金の発生及び将来の契約電力における基本料金の引き上げといったような経済的なデメリットを伴うものである。
　したがって、デマンド超過発生の可能性があると判定された場合、自動で消費電力を低減する制御が行われ、例えば、制御対象負荷２１（後述する）が遮断される。また、警報の発報をトリガーとして人又は別のシステムで負荷１４（後述する）が遮断される場合もある。いずれにしろ、このような動作で消費電力は低減され、デマンド超過が回避されることを目指すような一連の動作は、デマンド制御と称される。
　また、デマンド制御には、電気事業者が需要家のデマンドを計測する時間間隔である電気事業者のデマンド時限に同期せずにデマンド制御が実施される場合がある。このような時限同期を取らないデマンド制御では、電気事業者のデマンド時限（分）の終了時刻は明らかではないため、現在時刻から電気事業者のデマンド時限の終了時刻までの残り時間が明確に得られない。
　例えば、図１に示すように、デマンド時限Ｔ（分）として３０分が設定され、デマンド時限Ｔ（分）の１０分の１である３分が制御周期Δｔとして設定された場合、デマンド制御では、３分先から３０分先までの１０個のデマンド予測値Ｒ（ｋＷ）が現在時刻ｔに生成され、生成された１０個のデマンド予測値Ｒ（ｋＷ）と、目標デマンド値Ｑとがそれぞれ比較され、デマンド制御が実施される。つまり、電気事業者のデマンド時限に同期しない場合のデマンド制御は、現在時刻ｔが電気事業者のデマンド時限のどの時刻であったとしても目標デマンド値Ｑを超過しないように実施される。
　式（１）においては、上記で説明したように、現在時刻ｔの制御周期Δｔ前の直前のデマンド変化量ΔＤを、残り時間（Ｔ－ｔ）分だけ直線的に外挿してデマンド予測値Ｒが演算されている。よって、残り時間（Ｔ－ｔ）が長い場合であって、現在デマンド値Ｄが急変してデマンド変化量ΔＤが局所的に大きくなる場合には、デマンド予測値Ｒの予測精度が悪化する恐れがあった。このような場合に、例えば、上記で説明したように、デマンド時限Ｔの時限同期を取らないでデマンド予測を行えば、電気事業者のデマンド時限の終了時刻が不明であるため、現在時刻ｔにおいて想定される残り時間の全ての場合に応じたデマンド予測値Ｒが生成される。
　例えば、上記で説明したように、制御周期Δｔを３分と想定すると、３分先から３０分先までを想定した残り時間、すなわち、１０パターンの残り時間に応じてデマンド予測値Ｒが生成される。よって、例えば、３０分先のように残り時間が長い場合、その間に局所的なデマンド変化量ΔＤが生じれば、予測精度が悪化する。
　また、予測精度の悪化により、デマンド予測値Ｒが過大に演算されると、過剰なデマンド制限を促す恐れがある。このような動作は、短時間のうちにデマンド制限の実施と解除とを繰り返すハンチングの要因にもなる。この結果、デマンド制御の品質が低下する。
　そこで、デマンド予測値Ｒを求めるときの変動傾向をΔＤ／Δｔといったような固定の変化率で求めるのではなく、残り時間（Ｔ－ｔ）に応じて変更する。具体的には、残り時間（Ｔ－ｔ）に応じて、デマンド予測に用いる時系列データの変動傾向の求め方を変更することで、デマンド予測値Ｒの予測制御の悪化を回避する。つまり、残り時間（Ｔ－ｔ）に応じてデマンド予測値Ｒを求める。次に、残り時間（Ｔ－ｔ）に応じたデマンド予測値Ｒを求める原理について図２を用いて説明する。
　図２は、本発明の実施の形態１における電気事業者のデマンド時限と現在時刻ｔとの差異に応じて行われるデマンド予測の原理を説明する図である。図２に示す場合においては、デマンド時限Ｔは電気事業者のデマンド時限と時限同期が取られていないと想定する。よって、現在時刻ｔ及びデマンド予測値Ｒ［Ｘ］は、デマンド時限Ｔにおける座標が一義に定まらない。したがって、電気事業者のデマンド時限の終了時刻である時刻Ａ及び電気事業者のデマンド時限の開始時刻である時刻Ｂは不明である。
　そこで、制御周期Δｔ（例えば、３分）毎に、現在時刻ｔから電気事業者のデマンド時限の終了時刻である時刻Ａまでの残り時間を（Ｔ－ｔ）分と想定したときの現在時刻ｔからＸ分後のデマンド予測値Ｒ（ｋＷ）をデマンド予測値Ｒ［Ｘ］と想定する。この場合、時刻Ａが不明であるため、Ｘ＝３、６、・・・、２７、３０のように１０個分のデマンド予測値Ｒ［Ｘ］を演算する。つまり、時間軸に沿って、デマンド時限Ｔを現在時刻ｔの前後で制御周期Δｔごとに１０回シフトし、そのつど、残り時間（Ｔ－ｔ）を求めることで、想定される全ての仮想の残り時間（Ｔ－ｔ）について、現在時刻ｔの３分先から３０分先までの１０パターン分を求める。
　具体的には、デマンド予測値Ｒ［Ｘ］を演算する際、現在時刻ｔがデマンド時限Ｔの後半側に位置すると想定した場合には、直近の使用電力量の変動傾向に基づいて、現在時刻ｔからデマンド時限Ｔの終了時刻までの仮想残り時間の間に消費される使用電力量の予測値が求められる。一方、デマンド予測値Ｒ［Ｘ］を演算する際、現在時刻ｔがデマンド時限Ｔの前半側に位置すると想定した場合には、過去の使用電力量の実績値である時系列データの変動傾向に基づいて、現在時刻ｔからデマンド時限Ｔの終了時刻までの仮想残り時間の間に消費される使用電力量の予測値が求められる。
　つまり、残り時間（Ｔ－ｔ）に応じて、過去の実績値である時系列データの変動傾向の求め方が変更されてデマンド予測値Ｒ［Ｘ］が求められることで、デマンド予測の精度が向上し、デマンド制御の予測制御の悪化が回避される。
　次に、上記で説明した内容の詳細な具体例について図３～図１２を用いて説明する。図３は、本発明の実施の形態１におけるデマンド予測装置１５を含むシステム構成の一例を示す図である。図３に示すように、デマンド予測システム１は、商用電源１１、電力メータ１３、デマンド予測装置１５等を備えている。デマンド予測システム１は、商用電源１１と、電力メータ１３とが、電力供給線３３で負荷１４に接続されている。デマンド予測システム１は、電力メータ１３と、デマンド予測装置１５とが、電力パルス通信線３１で接続されている。本実施の形態１におけるデマンド予測装置１５は、電気事業者のデマンド時限に同期する機能を有しないものである。
　商用電源１１は、電力供給線３３を介して負荷１４に電力を供給する。電力メータ１３は、負荷１４の使用電力を計測する。負荷１４は、例えば、制御対象負荷２１と、非制御対象負荷２５とを含んでいる。制御対象負荷２１は、例えば、制御対象負荷２１＿１～２１＿Ｎを含んでいる。つまり、制御対象負荷２１は、デマンド制御の対象となり、１つ以上である。一方、非制御対象負荷２５は、デマンド制御の対象とならないものである。つまり、負荷１４は、制御対象と非制御対象とが含まれており、デマンド予測装置１５は、負荷１４の全体のデマンド値を予測する。
　例えば、デマンド予測装置１５は、電力メータ１３から電力パルス通信線３１を介して電力パルス信号を受信する。デマンド予測装置１５は、受信した電力パルス信号をカウントすることで負荷１４の全体の使用電力量を計量する。デマンド予測装置１５は、計量した使用電力量に基づいて、デマンド予測値Ｒを演算する。
　ここで、デマンド予測装置１５は、一般的な計算機で構成されてもよく、マイクロプロセッサを搭載したコントローラーで構成されてもよい。つまり、デマンド予測装置１５は、詳細については後述する機能が実現されるものであれば、そのハードウェア構成は特に限定されない。また、デマンド予測装置１５と、電力メータ１３との間の通信は、有線通信に限定されず、無線通信であってもよい。なお、デマンド予測装置１５と、電力メータ１３との間の通信は、有線通信及び無線通信の何れであっても、その通信プロトコルについては、特に限定されない。また、通信ではなく簡便に接点接続の構成としてもよい。
　図４は、本発明の実施の形態１におけるデマンド予測装置１５のハードウェア構成の一例を示す図である。図４に示すように、デマンド予測装置１５は、ハードウェア構成として、例えば、受信装置４１、送信装置４２、記憶装置４３、データベース装置４４、入力装置４５、出力装置４６、及び演算処理装置４７を備え、それぞれが通信バス３５を介して接続されている。なお、正確には、それぞれ異なるバスで接続されている。
　受信装置４１は、例えば、電力メータ１３から電力パルス通信線３１を介して電力パルス信号を受信し、受信した電力パルス信号をデマンド予測装置１５内部で使用されるデータ形式に変換する。送信装置４２は、例えば、演算処理装置４７の各種演算結果を送信先のデータ形式に変換して送信先に送信する。記憶装置４３は、例えば、ハードディスク６５又はフラッシュメモリ６６で構成され、演算処理装置４７で実行される各種機能を実現する各種アプリケーション等を長期的に記憶する。
　データベース装置４４は、例えば、ハードディスク６７で構成され、演算処理装置４７の演算結果を長期的に記憶する。入力装置４５は、例えば、キーボード、マウス、又はマイク等（いずれも図示せず）といったような外部からの操作を受け付ける機器である。出力装置４６は、例えば、ディスプレイ又はスピーカ（いずれも図示せず）といったような外部へ演算結果等を出力する機器である。演算処理装置４７は、例えば、論理回路６１、レジスタ６２、及びキャッシュメモリ６３で構成され、いわゆるＭＰＵ（Ｍｉｃｒｏ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）として構成される。なお、発振器等の回路構成についての記載及び説明は省略する。
　レジスタ６２、キャッシュメモリ６３、及びメインメモリ６４から一次記憶装置５１が形成される。一次記憶装置５１は、演算処理装置４７が直接的に操作可能なものであって、仮想的な論理空間が形成される。データベース装置４４から取得された各種データは、仮想的な論理空間に一時的に格納される。また、記憶装置４３から取得された各種アプリケーション等は、仮想的な論理空間に展開され、実行可能な状態になる。ハードディスク６５又はフラッシュメモリ６６から二次記憶装置５３が形成される。二次記憶装置５３は、演算処理装置４７が図示しない入出力チャネル等を介して操作可能なものである。
　なお、上記で説明したハードウェア構成は一例を示すだけであって、特にこれに限定されない。例えば、メインメモリ６４が演算処理装置４７の内部に形成されてもよく、レジスタ６２及びキャッシュメモリ６３が演算処理装置４７の外部に形成されてもよい。また、データベース装置４４は、ハードディスク６７ではなくフラッシュメモリ６６で構成されてもよい。
　次に、デマンド予測装置１５のソフトウェア構成について図５を用いて説明する。図５は、本発明の実施の形態１におけるデマンド予測装置１５のソフトウェア構成の一例を示す図である。図５に示すように、デマンド予測装置１５は、ソフトウェア構成として、例えば、データ格納部７１、演算用格納部７２、データ設定部７３、データ入力部７４、使用電力量演算処理部７５、及びデマンド予測値演算処理部７６を備えている。
　データ格納部７１は、上記で説明したデータベース装置４４で実現されるものであって、演算処理装置４７の演算結果を長期的に格納する場合に用いられる。演算用格納部７２は、上記で説明した一次記憶装置５１、例えば、メインメモリ６４で実現されるものであって、演算処理装置４７の演算結果を一時的に格納する場合に用いられる。
　データ入力部７４は、上記で説明した受信装置４１で実現されるものであって、電力メータ１３から電力パルス通信線３１を介して電力パルス信号を受信する機能が構成されている。データ設定部７３は、上記で説明した演算処理装置４７で実現されるものであって、データ格納部７１から複数のデマンド予測値Ｒを演算するのに用いる各種データを取得して演算用格納部７２等に設定する。使用電力量演算処理部７５は、上記で説明した演算処理装置４７で実現されるものであって、受信した電力パルス信号を計数することで使用電力量を算出して、算出した使用電力量をデータ格納部７１に格納する。デマンド予測値演算処理部７６は、上記で説明した演算処理装置４７で実現されるものであって、データ設定部７３で設定された各種データに基づいて、複数のデマンド予測値Ｒを演算する。
　次に、デマンド予測装置１５の機能構成の詳細について図６を用いて説明する。図６は、本発明の実施の形態１におけるデマンド予測装置１５のソフトウェア構成の詳細な一例を示す図である。図６に示すように、データ格納部７１には、例えば、使用電力量データ１１１、デマンド予測値データ１１２、及び演算用データ１１３が格納されている。なお、演算用データ１１３は、例えば、上記で説明したデマンド時限Ｔ、現在時刻ｔ、及び制御周期Δｔ並びに後述する計算粒度及び乗率である。
　演算用格納部７２には、例えば、使用電力量演算処理用格納領域９１及びデマンド予測値演算処理用格納領域９２が形成されている。使用電力量演算処理用格納領域９１には、例えば、現在時刻使用電力量格納領域１０１、使用電力量格納領域１０２、及びパルス計数値格納領域１０３が形成されている。デマンド予測値演算処理用格納領域９２には、例えば、パラメータ格納領域１０４及び演算結果格納領域１０５が形成されている。
　使用電力量演算処理部７５は、例えば、電力パルス信号計数部１２１、使用電力量算出部１２２、及び使用電力量加算処理部１２３を備えている。デマンド予測値演算処理部７６は、例えば、予測データ演算部１３１、実績データ演算部１３２、及び演算処理部１３３を備えている。予測データ演算部１３１は、過去の使用電力量を用いてデマンド予測値Ｒの算出に用いる予測データを演算するものである。実績データ演算部１３２は、デマンド時限の開始時刻から現在時刻までに消費された使用電力量の実績値である実績データを求めるものである。演算処理部１３３は、予測データと実績データとに基づいてデマンド予測値Ｒを算出するものである。予測データ演算部１３１は、移動平均法を用いて予測データを演算する第１手法演算部１４１と、外挿法を用いて予測データを演算する第２手法演算部１４２とを有している。
　データ入力部７４は、電力メータ１３から出力される電力パルス信号を電力パルス通信線３１を介して常時受信し、受信した電力パルス信号を予め定めた形式に変換し、電力パルス信号データとして、使用電力量演算処理部７５に供給する。電力パルス信号計数部１２１は、電力パルス信号データに含まれる電力パルス信号のパルス数を計数し、パルス計数値格納領域１０３に格納する。
　使用電力量算出部１２２は、制御周期Δｔが到来するたびに、データ格納部７１に演算用データ１１３として格納されている乗率（ｋＷｈ／パルス）を取得し、取得した乗率と、計数したパルス数と、を乗算することで使用電力量に換算し、使用電力量格納領域１０２に格納する。
　使用電力量加算処理部１２３は、換算した使用電力量と、現在時刻ｔと比べて前の制御周期Δｔのときの使用電力量（ｋＷｈ）と、を加算することで現在時刻ｔの使用電力量として、制御周期Δｔが到来するごとにデータ格納部７１に格納する。
　次に、デマンド予測値演算処理部７６の詳細について説明する。デマンド予測装置１５は、電気事業者のデマンド時限に時限同期しないため、上記で説明したように、デマンド予測値演算処理部７６は、例えば、現在時刻ｔを基準として、電気事業者のデマンド時限の残り時間のすべてのパターンを想定して複数のデマンド予測値Ｒを演算する。このとき、使用電力量の時系列データの予測手法として任意の手法の適用が考えられる。ここでは、第１手法として、移動平均法の適用を想定し、第２手法として、外挿法の適用を想定する。
　まず、デマンド時限Ｔの終了時刻である時刻Ａまでの残り時間が大きい場合には、移動平均法が適用される。例えば、現在時刻ｔが電気事業者のデマンド時限の前半側に位置していると想定した場合、すなわち、本実施の形態１では、電気事業者のデマンド時限の終了時刻までの残り時間が１５～３０分であると想定した場合に、移動平均法を適用する。また、制御周期Δｔが３分であり、デマンド時限Ｔが３０分である場合、デマンド時限Ｔを制御周期Δｔで除することで、３０／３＝１０パターンの場合が想定される。よって、過去１０点のデマンドの値である使用電力量の変化の平均からデマンド予測値Ｒを求める。つまり、移動平均法を適用することで、デマンドの細かい変化と比べて変動傾向を主として捉えるのに適したデマンド予測値Ｒが演算されることになる。
　次に、デマンド時限Ｔの終了時刻である時刻Ａまでの残り時間が小さい場合には、外挿法が適用される。例えば、現在時刻ｔが電気事業者のデマンド時限の後半側に位置していると想定した場合、すなわち、本実施の形態１では、電気事業者のデマンド時限の終了時刻までの残り時間が３～１２分であると想定した場合に、外挿法を適用する。また、現在時刻ｔに対応する使用電力量と、現在時刻ｔから直前の時刻に対応する使用電力量との過去２点のデマンドの値である使用電力量の偏差を外挿することでデマンド予測値Ｒを求める。つまり、外挿法を適用することで、デマンドの細かい変化を主体に捉えるのに適したデマンド予測値Ｒが演算されることになる。
　このように、現在時刻ｔから電気事業者のデマンド時限の終了時刻である時刻Ａまでについて想定される仮想残り時間に応じて、２つの時系列データの予測手法を切り替えて適用することで、従来手法と比べて予測精度を向上させることができる。
　換言すれば、デマンド時限Ｔの終了時刻までの残り時間が大きい場合、途中でデマンドの値が急激に変化したときにも一時的な変化である可能性もあるため即応的な演算結果とならないように、デマンドの細かい変化ではなく変動傾向を主体としてデマンド予測値Ｒを求める。一方、デマンド時限Ｔの終了時刻までの残り時間が小さい場合、途中でデマンドの値が急激に変わるときに感度良く追随するため、デマンドの細かい変化を主体としてデマンド予測値Ｒを求める。したがって、全体的にデマンド予測の精度は向上する。
　さらに具体的には、デマンド予測値Ｒを求める工程は、現在時刻ｔまでの使用電力量を求める前工程と、前工程で求めた現在時刻ｔまでの使用電力量を用いて、残り時間（Ｔ－ｔ）に応じて、時系列データの変動傾向の求め方を変更してデマンド予測値Ｒ［Ｘ］を求める後工程とに分かれる。以下、詳細について順番に説明する。
　データ入力部７４は、電力メータ１３から電力パルス信号を常時受信する。使用電力量演算処理部７５の電力パルス信号計数部１２１は、電力パルス信号を計数し、メインメモリ６４上のパルス計数値格納領域１０３に計数結果を上書きで書き込む動作を制御周期Δｔが到来するまで繰り返す。
　次に、デマンド時限Ｔを３０分とし、制御周期Δｔをデマンド時限Ｔの１／１０である３分と想定する。制御周期Δｔの時刻が到来すると、使用電力量算出部１２２が電力パルス信号の計数結果を取得した後、電力パルス信号の計数結果は０にリセット、つまり、メインメモリ６４上のパルス計数値格納領域１０３に格納されている計数値に対応する変数が０に初期化される。使用電力量算出部１２２は、電力パルス信号の計数結果と、データ格納部７１に格納されている乗率と、を取得してからそれぞれを乗算することで、使用電力量に換算し、メインメモリ６４上の使用電力量格納領域１０２に、既に格納されている換算結果に対応する変数を初期化後にセットする。
　次に、使用電力量加算処理部１２３は、後述する図１０に示すように、データ格納部７１に格納されている使用電力量データ１１１から現在時刻ｔの１つ前の時刻（ｔ－Δｔ）の使用電力量を取得し、メインメモリ６４上の使用電力量格納領域１０２に格納されている１つ前の時刻（ｔ－Δｔ）の使用電力量に対応する変数を初期化し、取得した１つ前の時刻（ｔ－Δｔ）の使用電力量を格納する。次に、使用電力量加算処理部１２３は、換算結果の使用電力量と、１つ前の時刻（ｔ－Δｔ）の使用電力量とを加算し、現在時刻ｔの使用電力量として、メインメモリ６４上の現在時刻使用電力量格納領域１０１に割り当てられている加算結果に対応する変数に格納する。
　次に、使用電力量演算処理部７５は、現在時刻使用電力量格納領域１０１に格納した現在時刻ｔの使用電力量をデータ格納部７１に格納する。このように、時間の経過とともに使用電力量が、制御周期Δｔ毎に時系列データとしてデータ格納部７１に格納されていく。
　以上のような一連の動作が、現在時刻ｔまでの使用電力量を求める前工程に相当する。次に、前工程で求めた現在時刻ｔまでの時系列データを用いて、残り時間（Ｔ－ｔ）に応じて、時系列データの変動傾向の求め方を変更してデマンド予測値Ｒ［Ｘ］を求める後工程について説明する。
　デマンド予測値演算処理部７６は、データ格納部７１の使用電力量データ１１１から現在時刻ｔの使用電力量を取得する。また、デマンド予測値演算処理部７６は、設定数分の各時刻に対応する時系列データを取得する。本実施の形態１では、設定数分の各時刻として、過去１０点分の各時刻（ｔ－Δｔ、ｔ－Δｔ×２、・・・、ｔ－Δｔ×１０）を採用した。デマンド予測値演算処理部７６は、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている各種変数を初期化してからこれらの取得結果である各値をセットする。
　現在時刻ｔからデマンド時限Ｔの終了時刻までの残り時間をＸ＝Ｔ－ｔであると想定する。この場合において、現在時刻ｔからＸ分後のデマンドの予測値（ｋＷ）を上記で説明したように、デマンド予測値Ｒ［Ｘ］と定義する。また、現在時刻ｔのＹ分前の時系列データ（使用電力量（ｋＷｈ））をＰＣ［Ｙ］と定義する。ここで、特に、現在時刻ｔの使用電力量は、現在時刻ｔの０分前の使用電力量に相当するので、ＰＣ［０］と表される。
　次に、デマンド予測値演算処理部７６は、上記で説明したメインメモリ６４上の過去１０点分の時系列データに対応する各種変数の値を取得し、次式（２）に基づいて、デマンド予測値Ｒ［１５］、Ｒ［１８］、・・・、Ｒ［３０］を求め、演算結果をメインメモリ６４上の演算結果格納領域１０５に割り当てられている各種変数に書き込む。
Figure JPOXMLDOC01-appb-M000002
　式（２）において、中括弧内の各量の単位はｋＷｈであり、式（２）の中括弧内で求められる使用電力量（ｋＷｈ）がデマンド時限Ｔである３０分、すなわち、０．５時間で除算されている。つまり、式（２）で示されるように、デマンド予測値Ｒ［Ｘ］は、式（２）の中括弧内で求められる使用電力量（ｋＷｈ）に２が乗算されたものである。
　第１手法演算部１４１は、現在時刻ｔから直近のデマンド時限分の使用電力量の時間当たりの変化量である変動傾向を求めるものである。また、第１手法演算部１４１は、変動傾向に基づいて、現在時刻ｔと、想定されるデマンド時限Ｔの終了時刻である時刻Ａとの間（仮想残り時間の間）で消費される使用電力量である予測データ（式（２）の中括弧内の第１の項）を演算するものである。実績データ演算部１３２は、過去の時系列データに基づいて、想定されるデマンド時限Ｔの開始時刻である時刻Ｂから現在時刻ｔまでに消費された使用電力量である実績データ（式（２）の中括弧内の第２の項）を演算するものである。演算処理部１３３は、式（２）に示す通り、第１手法演算部１４１が求めた予測データと実績データ演算部１３２が求めた実績データとの和に２を乗ずる演算により、デマンド予測値Ｒ［Ｘ］を求めるものである。
　なお、上記の説明では、時間軸上における移動平均法の適用範囲は、デマンド時限Ｔの時刻Ｂから時刻Ａまでの範囲であるが、特にこれに限定されず、時刻Ｂの前後又は時刻Ａの前後の使用電力量が適用されてもよい。
　次に、デマンド予測値演算処理部７６は、メインメモリ６４上の過去１０点分の使用電力量のデータに対応する各種変数の値を取得し、次式（３）に基づいて、Ｒ［３］、・・・、Ｒ［１２］を求め、演算結果をメインメモリ６４上の演算結果格納領域１０５に割り当てられている各種変数に書き込む。
Figure JPOXMLDOC01-appb-M000003
　第２手法演算部１４２は、現在時刻ｔから直近のデマンド時限分の使用電力量の時間当たりの変化量である変動傾向を求めるものである。また、第２手法演算部１４２は、変動傾向に基づいて、現在時刻ｔと、想定されるデマンド時限Ｔの終了時刻である時刻Ａとの間で消費される使用電力量である予測データ（式（３）の中括弧内の第１の項）を求めるものである。実績データ演算部１３２は、過去の時系列データに基づいて、想定されるデマンド時限Ｔの開始時刻である時刻Ｂから現在時刻ｔまでに消費された使用電力量である実績データ（式（３）の中括弧内の第２の項）を求めるものである。演算処理部１３３は、式（３）に示す通り、第２手法演算部１４２が求めた予測データと実績データ演算部１３２が求めた実績データとの和に２を乗ずる演算により、デマンド予測値Ｒ［Ｘ］を求めるものである。
　なお、上記の説明では、２つの使用電力量に基づいて現在時刻ｔと、想定されるデマンド時限Ｔの終了時刻である時刻Ａとの間で消費される使用電力量が求められているが、特にこれに限定されず、複数の使用電力量に基づいて同様の処理が実行されてもよい。ただし、第１手法演算部１４１の移動平均法で用いられる使用電力量のデータ数と比べて少ないデータ数が利用されるものとする。
　演算処理部１３３は、メインメモリ６４上の演算結果格納領域１０５に割り当てられている各種変数のうち、上記で説明したＲ［３］～Ｒ［３０］のような１０個のデマンド予測値Ｒ［Ｘ］を、後述する図１２に示すように、データ格納部７１に格納する。この結果、データ格納部７１のデマンド予測値データ１１２が更新される。
　以上のように、デマンド予測装置１５は、消費電力に関する情報である使用電力量に基づいて、デマンドの将来値を予測する。つまり、デマンド予測装置１５は、現在時刻ｔと、想定されるデマンド時限Ｔの終了時刻である時刻Ａまでとの間の残り時間に応じて、残り時間が大きい場合には需要家の使用電力を計量した使用電力量の時系列データの長い周期の変動傾向、例えば、デマンド時限Ｔが３０分であれば、１５分以上の計算粒度を想定したときの大きいデータ変動分を主としてデマンドを予測する。
　一方、デマンド予測装置１５は、現在時刻ｔと、想定されるデマンド時限Ｔの終了時刻である時刻Ａまでとの間の残り時間に応じて、残り時間が小さい場合には需要家の使用電力を計量した使用電力量の時系列データの短い周期の変動傾向、例えば、デマンド時限Ｔが３０分であれば、１５分未満の計算粒度を想定したときの細かいデータ変動分を主としてデマンドを予測する。
　換言すれば、デマンド予測装置１５は、現在時刻ｔと、想定されるデマンド時限Ｔの終了時刻までとの間の残り時間に応じて、時系列データの変動傾向の求め方を変更してデマンド予測値Ｒ［Ｘ］を求める。
　なお、上記で説明した計算粒度の基準は一例であって、特にこれに限定されない。例えば、１５分を基準として判定するのではなく、１０分を基準として上記と同様の判定が実行されてもよい。
　なお、上記で説明した演算用格納部７２の構成は一例であって、特にこれらに限定されない。要するに、各種処理が実行されるときに一時的に格納される仮想的な論理空間であればよく、特にその構成については限定されない。
　図７は、本発明の実施の形態１におけるデマンド予測装置１５の全体的な動作例を説明するフローチャートである。
　なお、ステップＳ１１～ステップＳ１３の処理は、使用電力量演算処理であって、そのうち、ステップＳ１２及びステップＳ１３の処理は、積算電力演算処理である。ステップＳ１４～ステップＳ１６の処理は、デマンド予測値演算処理である。
　具体的には、ステップＳ１１の処理は、電力パルス信号計数処理であり、ステップＳ１２の処理は、使用電力量算出処理であり、ステップＳ１３の処理は、使用電力量加算処理であり、ステップＳ１４の処理は、第１手法演算処理であり、ステップＳ１５の処理は、第２手法演算処理であり、ステップＳ１６の処理は、演算結果格納処理である。
（ステップＳ１１）
　デマンド予測装置１５は、電力パルス信号計数処理を実行する。
（ステップＳ１２）
　デマンド予測装置１５は、使用電力量算出処理を実行する。
（ステップＳ１３）
　デマンド予測装置１５は、使用電力量加算処理を実行する。
（ステップＳ１４）
　デマンド予測装置１５は、第１手法演算処理を実行する。
（ステップＳ１５）
　デマンド予測装置１５は、第２手法演算処理を実行する。
（ステップＳ１６）
　デマンド予測装置１５は、演算結果格納処理を実行する。
（ステップＳ１７）
　デマンド予測装置１５は、各種制御を終了するか否かを判定する。デマンド予測装置１５は、各種制御を終了する場合、そのまま処理を終了する。一方、デマンド予測装置１５は、各種制御を終了しない場合、ステップＳ１１に戻る。
　図８は、本発明の実施の形態１におけるデマンド予測装置１５の電力パルス信号計数処理の動作例を説明するフローチャートである。
（ステップＳ２１）
　デマンド予測装置１５は、電力メータ１３が出力する電力パルス信号を受信する。
（ステップＳ２２）
　デマンド予測装置１５は、電力パルス信号のパルス数を計数する。
（ステップＳ２３）
　デマンド予測装置１５は、パルス数の計数結果であるパルス計数値を演算用格納部７２に格納する。
（ステップＳ２４）
　デマンド予測装置１５は、制御周期Δｔが到来したか否かを判定する。デマンド予測装置１５は、制御周期Δｔが到来した場合、ステップＳ２５に進む。一方、デマンド予測装置１５は、制御周期Δｔが到来しない場合、ステップＳ２１に戻る。
（ステップＳ２５）
　デマンド予測装置１５は、計数したパルス数を０にリセットする。
（ステップＳ２６）
　デマンド予測装置１５は、各種制御を終了するか否かを判定する。デマンド予測装置１５は、各種制御を終了すると判定した場合、そのまま処理を終了する。一方、デマンド予測装置１５は、各種制御を終了しないと判定した場合、ステップＳ２１に戻る。
　図９は、本発明の実施の形態１におけるデマンド予測装置１５の積算電力演算処理の動作例を説明するフローチャートである。
　なお、ステップＳ３１～ステップＳ３４の処理は、使用電力量算出処理であり、ステップＳ３５～ステップＳ３９の処理は、使用電力量加算処理である。
（ステップＳ３１）
　デマンド予測装置１５は、演算用格納部７２及びデータ格納部７１から各種データを取得する。
（ステップＳ３２）
　デマンド予測装置１５は、取得した各種データの演算用格納部７２を初期化する。
（ステップＳ３３）
　デマンド予測装置１５は、取得した各種データの中にあるパルス計数値と乗率とに基づいてパルス計数値を使用電力量に換算する。
（ステップＳ３４）
　デマンド予測装置１５は、使用電力量の格納領域を初期化後に換算した使用電力量を演算用格納部７２に格納する。
（ステップＳ３５）
　デマンド予測装置１５は、現在時刻ｔと比べて１つ前の時刻（ｔ－Δｔ）の使用電力量をデータ格納部７１から取得する。
（ステップＳ３６）
　デマンド予測装置１５は、取得した１つ前の時刻（ｔ－Δｔ）の使用電力量の格納先領域を初期化する。
（ステップＳ３７）
　デマンド予測装置１５は、換算した使用電力量を演算用格納部７２から取得する。
（ステップＳ３８）
　デマンド予測装置１５は、換算した使用電力量と１つ前の時刻（ｔ－Δｔ）の使用電力量とを加算して現在時刻ｔの使用電力量を演算用格納部７２に格納する。
（ステップＳ３９）
　デマンド予測装置１５は、演算用格納部７２に格納した現在時刻ｔの使用電力量をデータ格納部７１に格納し、処理を終了する。
　ここで、使用電力量のデータについて図１０を用いて説明する。図１０は、本発明の実施の形態１におけるデマンド予測装置１５で用いる使用電力量のデータ形式の一例を示す図である。図１０に示すように、使用電力量データ１１１の一つとして、時刻と、時刻に対応した使用電力量との組データが形成されている。そして、取得対象データは、現在時刻ｔではなく、現在時刻ｔから制御周期Δｔを減算した時刻、つまり、現在時刻ｔの１つ前の時刻に対応する使用電力量である。
　図１１は、本発明の実施の形態１におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートである。
　なお、ステップＳ５１～ステップＳ５７の処理は、第１手法演算処理であり、ステップＳ５８～ステップＳ６４の処理は、第２手法演算処理であり、ステップＳ６５の処理は、演算結果格納処理である。
（ステップＳ５１）
　デマンド予測装置１５は、データ格納部７１の使用電力量データ１１１から現在時刻ｔの使用電力量（ｔ）とデマンド予測に用いる使用電力量（ｔ－Δｔ）、（ｔ－Δｔ×２）、・・・、（ｔ－Δｔ×１０）とを取得する。
（ステップＳ５２）
　デマンド予測装置１５は、演算用格納部７２のパラメータ格納領域１０４を初期化する。
（ステップＳ５３）
　デマンド予測装置１５は、取得した使用電力量をパラメータ格納領域１０４に格納する。
（ステップＳ５４）
　デマンド予測装置１５は、格納した使用電力量から現在時刻ｔが電気事業者のデマンド時限の前半側に位置すると想定した場合の実績データを演算する。
（ステップＳ５５）
　デマンド予測装置１５は、格納した使用電力量から移動平均法を用いることで現在時刻ｔが電気事業者のデマンド時限の前半側に位置すると想定した場合の予測データを演算する。
（ステップＳ５６）
　デマンド予測装置１５は、第１のデマンド予測値Ｒ［Ｘ］を演算する。
（ステップＳ５７）
　デマンド予測装置１５は、演算結果格納領域１０５に第１のデマンド予測値Ｒ［Ｘ］を格納する。
（ステップＳ５８）
　デマンド予測装置１５は、データ格納部７１の使用電力量データ１１１から現在時刻ｔの使用電力量（ｔ）とデマンド予測に用いる使用電力量（ｔ－Δｔ）、（ｔ－Δｔ×２）、・・・、（ｔ－Δｔ×１０）とを取得する。
（ステップＳ５９）
　デマンド予測装置１５は、演算用格納部７２のパラメータ格納領域１０４を初期化する。
（ステップＳ６０）
　デマンド予測装置１５は、取得した使用電力量をパラメータ格納領域１０４に格納する。
（ステップＳ６１）
　デマンド予測装置１５は、格納した使用電力量から現在時刻ｔが電気事業者のデマンド時限の後半側に位置すると想定した場合の実績データを演算する。
（ステップＳ６２）
　デマンド予測装置１５は、格納した使用電力量から外挿法を用いることで現在時刻ｔが電気事業者のデマンド時限の後半側に位置すると想定した場合の予測データを演算する。
（ステップＳ６３）
　デマンド予測装置１５は、第２のデマンド予測値Ｒ［Ｘ］を演算する。
（ステップＳ６４）
　デマンド予測装置１５は、演算結果格納領域１０５に第２のデマンド予測値Ｒ［Ｘ］を格納する。
（ステップＳ６５）
　デマンド予測装置１５は、演算結果格納領域１０５に格納されている第１のデマンド予測値Ｒ［Ｘ］と第２のデマンド予測値Ｒ［Ｘ］とを紐付けしてデータ格納部７１に格納し、処理を終了する。
　ここで、デマンド予測値データ１１２の構成について図１２を用いて説明する。図１２は、本発明の実施の形態１におけるデマンド予測装置１５で演算したデマンド予測値Ｒのデータ形式の一例を示す図である。図１２に示すように、デマンド予測値データ１１２は、現在時刻ｔからＸ分後、つまり、残り時間と、現在時刻ｔからＸ分後のデマンド予測値Ｒ［Ｘ］とが対応付けられた組データで形成されている。このうち、Ｘが３～１２に対応する組データは、現在時刻ｔが電気事業者のデマンド時限の後半側に位置すると想定した場合のデマンド予測値Ｒ［Ｘ］である。また、Ｘが１５～３０に対応する組データは、現在時刻ｔが電気事業者のデマンド時限の前半側に位置すると想定した場合のデマンド予測値Ｒ［Ｘ］である。
＜実施の形態１の効果＞
　以上の説明から、デマンド時限Ｔの時限同期を取らないデマンド予測装置１５は、想定するデマンド時限Ｔの終了時刻までの残り時間に応じて、残り時間が大きいと想定する場合には、変動傾向を主体とする予測手法が使用される。一方、デマンド時限Ｔの時限同期を取らないデマンド予測装置１５は、想定するデマンド時限Ｔの終了時刻までの残り時間に応じて、残り時間が小さいと想定する場合には、細かい変化を主体とする予測手法が使用される。
　よって、２つの時系列データの予測手法を組み合わせて使用するため、特に、想定するデマンド時限Ｔの終了時刻までの残り時間が大きいときに予測精度の悪化が発生していた従来手法の精度を改善することができる。
　また、上記の説明では、適用手法として、移動平均法と、外挿法とを使用したが、デマンド時限Ｔの終了時刻までの残り時間に応じて同様の効果を発揮する手法であれば、任意の手法を組み合わせて使用することができる。さらに、上記の説明では、２つの手法を組み合わせる一例について説明したが、特にこれに限定されず、３つ以上の手法が組み合わされて用いられてもよい。
　以上、本実施の形態１において、消費電力のデマンドの予測対象となっている負荷１４に対応した過去の使用電力量の実績値である時系列データに基づいて、負荷１４の将来のデマンド予測値Ｒを求めるデマンド予測装置１５は、デマンド時限の開始時刻から現在時刻までに消費された使用電力量である実績データを時系列データから求める実績データ演算部１３２と、時系列データの変動傾向に基づいて、現在時刻からデマンド時限の終了時刻までの残り時間に消費される予測使用電力量である予測データを演算する予測データ演算部１３１と、実績データと予測データとからデマンド予測値Ｒを算出する演算処理部１３３と、を有するデマンド予測値演算処理部７６を備えるものである。また、予測データ演算部１３１は、現在時刻からデマンド時限の終了時刻までの残り時間に応じて変動傾向を変化させて予測データを演算するものである。時系列データは、負荷１４の過去のデマンドの制御周期ごとの使用電力量を示すものであり、予測データ演算部１３１は、残り時間が予め設定された閾値より大きい場合に、現在時刻から設定数分の制御周期の時系列データを用いた変動傾向に基づいて予測データを演算する第１手法演算部１４１と、残り時間が閾値以下の場合に、現在時刻から設定数未満の制御周期の時系列データを用いた変動傾向に基づいて予測データを演算する第２手法演算部１４２と、を有している。
　本実施の形態１では、第１手法演算部１４１が変動傾向を求める際に用いる現在時刻から設定数分の制御周期の時系列データとして、現在時刻からデマンド時限分前までの時系列データを採用した。すなわち、上記設定数として、デマンド時限Ｔ（３０分）を制御周期Δｔ（３分）で除した１０を採用したが、設定数としては、２以上の自然数を任意に採用するようにしてもよい。また、第２手法演算部１４２が変動傾向を求める際に用いる現在時刻から設定数未満の制御周期の時系列データとしては、現在時刻から制御周期Δｔ前までの時系列データを採用したが、現在時刻から直近の複数の制御周期までの時系列データを採用するようにしてもよい。
　本実施の形態１における予測データ演算部１３１は、デマンド時限を現在時刻の前後に亘って制御周期単位でシフトさせて、残り時間としての複数の仮想残り時間を求める機能を有し、第１手法演算部１４１は、閾値より大きい各仮想残り時間それぞれに応じた終了時刻における予測データを求め、第２手法演算部１４２は、閾値以下の各仮想残り時間それぞれに応じた終了時刻における予測データを求めるものである。
　上記構成のため、デマンド予測装置１５は、想定されるデマンド時限Ｔの終了時刻までの複数の仮想残り時間に応じて、デマンド予測に用いる時系列データの変動傾向の求め方を変更するため、デマンド時限Ｔの時限同期を取らなくても過剰なデマンド制限の原因となるデマンド予測の精度を改善することができる。よって、デマンド予測装置１５は、デマンド制御の品質が低下する欠点を改善することができる。
　また、本実施の形態１においては、デマンド予測値演算処理部７６は、仮想残り時間が、閾値以下の場合、現在時刻ｔの使用電力量と、現在時刻ｔの直近の使用電力量と、に基づいて、変動傾向を求め、仮想残り時間が、閾値と比べて大きい場合、時系列データから求めた移動平均値に基づいて、変動傾向を求める。
　また、本実施の形態１においては、デマンド予測値演算処理部７６は、現在時刻ｔに応じて、デマンド時限Ｔで想定される仮想開始時刻から現在時刻ｔまでに消費された使用電力量を演算することで実績データを求める。
　したがって、デマンド予測装置１５は、想定されるデマンド時限Ｔの終了時刻までの仮想残り時間に応じて、デマンド予測に用いる時系列データの変動傾向の求め方を変更するため、デマンド時限Ｔの時限同期を取らなくても過剰なデマンド制限の原因となるデマンド予測の精度を特に顕著に改善することができる。よって、デマンド予測装置１５は、デマンド制御の品質を特に顕著に向上させることができる。
実施の形態２．
＜実施の形態１との相違点＞
　実施の形態１との相違点は、時系列データの予測手法として指数平滑化法が採用され、デマンド時限Ｔの終了時刻までの残り時間に応じて指数平滑化法の特性を活用する点にある。なお、本実施の形態２のデマンド予測装置の基本的構成内容は、前述の実施の形態１と同様であるため、便宜上、同一の符号１５を用いるものとし、同等の構成部材についても同一の符号を用いるものとする。また、本実施の形態２におけるデマンド予測装置１５も、電気事業者の計測単位であるデマンド時限に同期する機能を有しないものである。
　図１３は、本発明の実施の形態２におけるデマンド予測装置１５のソフトウェア構成の詳細な一例を示す図である。図１３に示すように、データ格納部７１には、使用電力量変化予測値データ１１５が追加されている。また、デマンド予測値演算処理部７６の内部機能構成は異なっている。
　デマンド予測値演算処理部７６は、予測データ演算部１３１と、実績データ演算部１３２と、演算処理部１３３とを備えている点では一致するが、予測データ演算部１３１が、指数平滑化法演算部１６１を備え、指数平滑化法演算部１６１が、第１演算部１７１と、第２演算部１７２とを備え、演算処理部１３３が、第２演算部１７２の演算結果である予測データと、実績データ演算部１３２の演算結果である実績データとに基づいて、デマンド予測値Ｒ［Ｘ］を求めるという点で相違する。
　次に、指数平滑化法について説明する。なお、制御周期Δｔとして、例えば、３分が設定されていると想定する。ΔＰｔは、次式（４）に表されるように、現在時刻ｔと、現在時刻ｔからΔｔ前の使用電力量の差分、すなわち、現在時刻tより直前の１制御周期（Δｔ）の間に変動した使用電力量の変化量（使用電力量変化ΔＰｔ）である。ここで、使用電力量変化は、使用電力量の各変化に対応する時系列データであるものとする。
Figure JPOXMLDOC01-appb-M000004
　また、現在時刻ｔの次の時刻（ｔ＋Δｔ）における使用電力量変化ΔＰｔ＋Δｔの予測値を、指数平滑化法を適用することで、式（５）により求めることができる。本実施の形態２では、指数平滑化法演算部１６１が、式（５）示す使用電力量変化ΔＰｔ＋Δｔの予測値を、時系列データの変動傾向として求めるように構成されている。
Figure JPOXMLDOC01-appb-M000005
　ここで、平滑化係数αは、過去の予測値の実績データが現在の予測値に与える影響度を調整するパラメータである。平滑化係数αは、０より大きく１より小さい値が設定される。平滑化係数αは、通常、予測対象となる時系列データの実績値を予め分析し、予測値と実測値とを比較することで、最も予測誤差が小さくなるような平滑化係数αが選択されて使用される。
　平滑化係数αは、１に近い値であるにつれ、直前の時系列データを重視した予測となる。一方、平滑化係数αは、０に近い値であるにつれ、長い過去からの時系列データを重視した予測となる。
　つまり、平滑化係数αが１に近いほど、時系列データの直前の変動の影響が予測値に強く反映される。よって、時系列データの短周期の細かい変動、例えば、デマンド時限Ｔの３０分を想定した場合には１５分以下の周波数成分を持つデータ変動を反映した予測値が生成される。例えば、特に、平滑化係数αが１の場合を特別な設定であると想定すると、１つ前の時刻の時系列データの変動がそのまま予測値となる。
　一方、平滑化係数αが０に近いほど、さらに長い過去からの時系列データの長周期の変動傾向、例えば、デマンド時限Ｔが３０分であると想定した場合には１５分と比べて長い周波数成分を持つデータ変動を反映した予測値が生成される。
　ここで、上記で説明した平滑化係数αの特性を活用し、電気事業者のデマンド時限の終了時刻までの残り時間が小さいと想定する場合、平滑化係数αを１又は１に近い値に設定して使用電力量変化ΔＰｔを予測する式とする。この結果、短周期の細かい変動を考慮して急激な変動に対応できる予測を実施する。
　一方、上記で説明した平滑化係数αの特性を活用し、電気事業者のデマンド時限の終了時刻までの残り時間が大きいと想定する場合、平滑化係数αを０に近い値に設定して使用電力量変化ΔＰｔを予測する式とする。この結果、長周期の大きい変動を考慮して過度に細かい変動への反応を抑えた予測を実施する。
　例えば、電気事業者のデマンド時限の終了時刻までの残り時間の想定に応じて、平滑化係数αが次式（６）のように設定された予測式を用いる。
Figure JPOXMLDOC01-appb-M000006
　式（６）において、例えば、平滑化係数αが０．５の記述は、平滑化係数αを０．５として式（５）の予測式を用いて算出した現在時刻ｔの次の時刻ｔ＋Δｔ、例えば、Δｔを３分とすると、現在時刻ｔから３分後における使用電力量変化の予測値を表す。
　すなわち、実施の形態２では、指数平滑化法演算部１６１が、時系列データの変動傾向として上記式（５）から求めた使用電力量変化ΔＰｔ＋Δｔの予測値に対して、残り時間を制御周期Δｔで除した値を乗算することにより、予測データ（式（６）の中括弧内の第１の項）を演算するという構成を採っている。実績データ演算部１３２は、過去の時系列データに基づいて、想定されるデマンド時限Ｔの開始時刻である時刻Ｂから現在時刻ｔまでに消費された使用電力量である実績データ（式（６）の中括弧内の第２の項）を演算するものである。演算処理部１３３は、式（６）に示す通り、指数平滑化法演算部１６１が求めた予測データと実績データ演算部１３２が求めた実績データとの和に２を乗ずる演算により、デマンド予測値Ｒ［Ｘ］を求めるものである。
　指数平滑化法を用いたデマンド予測値Ｒについて、さらに具体的に説明する。デマンド予測値演算処理部７６は、データ格納部７１に格納されている使用電力量データ１１１（時系列データ）及び使用電力量変化予測値データ１１５からデマンド予測演算に用いる各種データを取得する。例えば、デマンド予測値演算処理部７６は、現在時刻ｔに対応する時系列データと、デマンド予測に必要な各種データとして現在時刻ｔを基点として３～２７分前の９つの時系列データとを取得し、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている各種変数を初期化してからセットする。
　また、例えば、デマンド予測値演算処理部７６は、使用電力量変化予測値データ１１５から、現在時刻ｔの１つ前の時刻、すなわち、３分前の使用電力量変化の予測値を取得し、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている各種変数を初期化してからセットする。
　ここで、時系列データの変動傾向である使用電力量変化予測値データ１１５は、式（６）に基づいて、平滑化係数αの値として、０．１～１．０までの１０個の値に対応して、後述する図１５に示すように、過去の変動傾向が格納されていたものである。なお、指数平滑化法を適用して３分後の使用電力量変化の予測値（変動傾向）を式（５）に基づいて求める場合、少なくとも現在時刻ｔを基点として３分前の使用電力量変化の予測値（変動傾向）が必要になるため、常に直近の過去の使用電力量変化の予測値（変動傾向）のみを格納させておくようにしてもよい。
　次に、デマンド予測値演算処理部７６は、現在時刻ｔからＸ分後のデマンド予測値Ｒ［Ｘ］（ｋＷ）を求める。第１演算部１７１は、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている変数のうち、現在時刻ｔの使用電力量と、現在時刻ｔの３分前の使用電力量とを取得し、使用電力量変化ΔＰｔを求める。
　次に、第２演算部１７２は、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている変数のうち、現在時刻ｔの使用電力量変化の予測値（現在時刻ｔより３分前に求めた使用電力量変化の予測値）を取得し、使用電力量変化ΔＰｔと、現在時刻ｔの使用電力量変化の予測値と、平滑化係数αとから、式（５）に基づいて、現在時刻ｔの次の時刻（ｔ＋Δｔ）の使用電力量変化ΔＰｔ＋Δｔの予測値である変動傾向を求める。
　次に、演算処理部１３３は、第２演算部１７２が使用電力量変化ΔＰｔ＋Δｔの予測値である変動傾向から求めた予測データと、実績データ演算部１３２の演算結果である実績データとから、式（６）に基づいて、デマンド予測値Ｒ［３］～Ｒ［３０］を求め、その演算結果をメインメモリ６４上の演算結果格納領域１０５に割り当てられている各種変数にそれぞれ書き込む。
　次に、演算処理部１３３は、メインメモリ６４上の１０個の使用電力量変化の予測値に対応する変数に格納されている値を、後述する図１５に示すデータ形式で該当する時刻と紐付けてデータ格納部７１に格納する。また、演算処理部１３３は、メインメモリ６４上の１０個のデマンド予測値Ｒ［３］～Ｒ［３０］に対応する変数に格納されている値を、図１２に示すようなデータ形式でデータ格納部７１に格納する。
　なお、上記で説明したソフトウェア構成は一例であって、特にこれらに限定されない。
　図１４は、本発明の実施の形態２におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートである。
　なお、ステップＳ８１～ステップＳ８７の処理が指数平滑化演算処理であり、ステップＳ８８の処理が演算結果格納処理である。
（ステップＳ８１）
　デマンド予測装置１５は、データ格納部７１から使用電力量データ１１１と使用電力量変化予測値データ１１５とを取得する。
（ステップＳ８２）
　デマンド予測装置１５は、演算用格納部７２のパラメータ格納領域１０４を初期化する。
（ステップＳ８３）
　デマンド予測装置１５は、取得した使用電力量データ１１１と使用電力量変化予測値データ１１５とをパラメータ格納領域１０４に格納する。
（ステップＳ８４）
　デマンド予測装置１５は、格納した使用電力量データ１１１と使用電力量変化予測値データ１１５とから指数平滑化法を用いることで予測データを演算する。
（ステップＳ８５）
　デマンド予測装置１５は、格納した使用電力量データ１１１からデマンド時限Ｔの残り時間分の実績データを演算する。
（ステップＳ８６）
　デマンド予測装置１５は、第３のデマンド予測値Ｒ［Ｘ］を演算する。
（ステップＳ８７）
　デマンド予測装置１５は、演算結果格納領域１０５に第３のデマンド予測値Ｒ［Ｘ］を格納する。
（ステップＳ８８）
　デマンド予測装置１５は、演算結果格納領域１０５に格納されている第３のデマンド予測値Ｒ［Ｘ］をデータ格納部７１に格納し、処理を終了する。
　次に、使用電力量変化予測値データ１１５の構成について図１５を用いて説明する。図１５は、本発明の実施の形態２におけるデマンド予測装置１５で用いる使用電力量変化の予測値（変動傾向）のデータ形式の一例を示す図である。図１５に示すように、使用電力量変化ΔＰｔの予測値は、平滑化係数αが１．０～０．１の各場合に対応して組データとして構成されている。そして、それぞれの時刻と、使用電力量変化ΔＰｔの予測値の組データとが紐付けられた構成となっている。ここで、取得対象データは、現在時刻ｔから制御周期Δｔを減算した結果、つまり、現在時刻ｔの１つ前の時刻に対応するものとなっている。
　以上の説明では、デマンド時限Ｔが３０分の場合について述べたが、デマンド時限Ｔが、例えば１５分である場合、制御周期Δｔを１．５分として、上記で説明した式（４）及び式（６）を次に示す式（７）及び式（８）に置換すればよい。
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
　なお、式（６）及び式（８）において、平滑化係数αを０．１刻みの値として与えているが、これに限らず他の値であってもよい。ただし、以降で具体的に説明する実施の形態２の効果を得るためには、デマンド時限Ｔの残り時間が大きい場合、平滑化係数αを０に近くなるように設定し、デマンド時限Ｔの残り時間が小さい場合、平滑化係数αを１に近くなるように設定することで、全ての平滑化係数αをデマンド時限Ｔの終了時刻までの残り時間が大きくなるにつれ、単調減少させる設定にする必要がある。
＜実施の形態２の効果＞
　以上の説明から、デマンド時限Ｔの時限同期を取らないデマンド予測装置１５は、想定されるデマンド時限Ｔの終了時刻までの仮想残り時間に応じて、指数平滑化法における平滑化係数αを設定する。例えば、残り時間が大きいと想定する場合には、平滑化係数αを段階的に小さく設定していくことで、比較的広い範囲における時系列データの変動傾向を主体とする予測手法が使用される。一方、デマンド時限Ｔの時限同期を取らないデマンド予測装置１５は、残り時間が小さいと想定する場合には、平滑化係数αを段階的に大きく設定していくことで、細かい変化が主体の変動傾向を用いた予測手法が使用される。
　よって、残り時間に応じて、直近の使用電力量と、過去の時系列データとの間で、平滑化係数αを用いて荷重のかけ方を変更するため、特に、想定するデマンド時限Ｔの終了時刻までの仮想残り時間が大きいときに予測精度の悪化が発生していた従来手法の精度を改善することができる。
　また、例えば、デマンドの値の減少時には、デマンド予測値Ｒ［３］～Ｒ［３０］の値が全て目標デマンド値Ｑを下回るとデマンド制限解除、すなわち、負荷１４の再投入と判定するデマンド制御装置があると想定する。この場合、実施の形態２におけるデマンド予測装置１５によれば、デマンド時限Ｔの終了時刻までの残り時間が大きいと想定する場合のデマンド予測値Ｒ［Ｘ］、すなわち、デマンド予測値Ｒ［Ｘ］のＸが大きい予測値が、長期的な変動傾向を主として捉える予測値であるため、デマンド予測値Ｒ［Ｘ］は、実際のデマンドの値の変化に遅れて緩やかに減少することとなる。
　そのようなデマンド予測値Ｒ［Ｘ］の緩やかな減少傾向は、一旦デマンド制限、例えば、負荷１４の遮断等の状態に入った後、安易にデマンド制限を解除、すなわち、負荷１４の再投入を避け、拙速な負荷１４の再投入に起因するデマンド制御のハンチングを防止することもできる。
　上記構成のため、デマンド予測装置１５は、デマンド時限Ｔの終了時刻までの仮想残り時間に応じて、デマンド予測に用いる時系列データの変動傾向の求め方を変更するため、デマンド時限Ｔの時限同期を取らなくても過剰なデマンド制限の原因となるデマンド予測の精度を特に顕著に改善することができる。よって、デマンド予測装置１５は、デマンド制御の品質を特に顕著に向上させることができる。
実施の形態３．
　本実施の形態３のデマンド予測装置は、デマンド時限合わせ機能を有しており、電気事業者のデマンド時限に時限同期することができるため、現在の時刻から供給時限の終了時刻までの残り時間を正確に求めることができる。すなわち、本実施の形態３のデマンド予測装置は、現在の時刻からデマンド時限の終了時刻までの残り時間に応じたデマンド予測値を唯一つ演算するという点で、複数のデマンド予測値を演算する上述の実施の形態１及び２とは相違する。なお、本実施の形態３のデマンド予測装置の基本的構成内容は、上記各実施の形態と同様であるため、便宜上、同一の符号１５を用いるものとし、同等の構成部材についても同一の符号を用いるものとする。
　図１６は、本実施の形態３におけるデマンド予測装置１５のハードウェア構成の一例を示す図である。図１６に示すように、デマンド予測装置１５は、図４に示す各構成に加え、さらに時限合わせ処理装置４８を有している。図１７は、本実施の形態３におけるデマンド予測装置１５のソフトウェア構成の一例を示す図である。図１７に示すように、デマンド予測装置１５は、図５に示す各構成に加え、さらに時限合わせ処理部７７を有している。
　時限合わせ処理部７７は、時限合わせ処理装置４８により実現され、電気事業者のデマンド時限との時限同期を取るものである。より具体的に、時限合わせ処理部７７は、電源周波数（５０Ｈｚ、６０Ｈｚ）を検知することにより、電気事業者のデマンド時限に予測データ演算部１３１が管理するデマンド時限を合わせるものである。電気事業者によっては、時限合わせ用の信号を出力する場合があり、時限合わせ用の信号を利用できるときは、時限合わせ処理部７７が、時限合わせ用の信号を利用してデマンド時限を時限同期させる。
　ここで、電気事業者のデマンド時限をＴ（分）とし、デマンド予測装置１５のデマンドの管理周期であるデマンド時限は、電気事業者のデマンド時限に合わせて設定されるものであるため、以降では、両者をデマンド時限Ｔと総称する。したがって、現在時刻ｔからデマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔ（分）は、上述した実施の形態１及び２とは異なり、ただ一つ定まる確定時間となる。
　デマンド予測値演算処理部７６は、データ格納部７１の使用電力量データ１１１から現在時刻ｔの使用電力量を取得する。また、デマンド予測値演算処理部７６は、データ格納部７１の使用電力量データ１１１からデマンド予測に必要な使用電力量のデータとして、過去の時系列データ１０点分、例えば、ｔ－Δｔ、ｔ－Δｔ×２、・・・、ｔ－Δｔ×１０の各時刻に対応する使用電力量のデータを取得する。上記各実施の形態と同じく、Δｔは制御周期である。本実施の形態３においても、デマンド時限Ｔを３０分とし、制御周期Δｔをデマンド時限Ｔの１／１０である３分とする。デマンド予測値演算処理部７６は、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている各種変数を初期化した上で、上記取得した各データをセットする。
　ここで、予測データ演算部１３１による予測データの演算に適用可能な手法は種々存在するが、本実施の形態３においても、第１手法として移動平均法を採用し、第２手法として外挿法を採用した。すなわち、デマンド予測値演算処理部７６は、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔが大きい場合（例えば、現在時刻ｔからデマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔが１５～３０分の場合）に、第１手法としての移動平均法を用いてデマンド予測値Ｒを生成するものである。予測データ演算部１３１が、移動平均法に基づいて、例えば現在時刻から過去１０点の時系列データの平均からデマンド予測値Ｒの算出に用いる予測データを求めるため、結果として、デマンド予測値演算処理部７６は、デマンドの細かい変化よりも、例えばデマンド時限相当の範囲といった広い範囲における時系列データの変動傾向を主として捉えたデマンド予測値Ｒを演算することが可能となる。
　一方、デマンド予測値演算処理部７６は、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔが小さい場合（例えば、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔが３～１２分の場合）に、第２手法としての外挿法を用いてデマンド予測値Ｒを生成するものである。すなわち、予測データ演算部１３１が、外挿法に基づいて、例えば現在時刻ｔに対応する使用電力量及び現在時刻ｔの直前の時刻に対応する使用電力量の過去２点の時系列データの差分を外挿することにより予測データを求めるため、結果として、デマンド予測値演算処理部７６は、デマンドの細かい変化を主体に捉えたデマンド予測値Ｒを演算することが可能となる。
　ここで、デマンド予測値演算処理部７６の具体的構成について図１８を参照して説明する。図１８は、デマンド予測値演算処理部７６の構成の一例を示すブロック図である。すなわち、デマンド予測値演算処理部７６は、残り時間Ｔ－ｔと、データ格納部７１に記憶されている判定閾値（閾値）と、を比較することで、第１手法を用いるか、第２手法を用いるかを判定する予測手法判定処理部１３４を有している。予測手法判定処理部１３４は、残り時間Ｔ－ｔが判定閾値以上の場合に、第１手法を用いると判定して第１手法演算部１４１に演算指令信号を通知し、残り時間Ｔ－ｔが判定閾値未満の場合に、第２手法を用いると判定して第２手法演算部１４２に演算指令信号を通知する。本実施の形態３では、判定閾値として１５分を採用しているため、残り時間Ｔ－ｔが１５分～３０分である場合には、第１手法演算部１４１が、予測手法判定処理部１３４から通知された演算指令信号に応じて移動平均法により予測データを算出し、残り時間Ｔ－ｔが３分～１２分である場合には、第２手法演算部１４２が、予測手法判定処理部１３４から通知された演算指令信号に応じて外挿法により予測データを算出する。
　ここで、現在時刻ｔからデマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔに応じた制御周期Δｔごとのデマンド予測値（ｋＷ）をＲ[Ｔ－ｔ]と定義する。デマンド予測値演算処理部７６は、下記式（９）又は式（１０）により、デマンド予測値Ｒ[Ｔ－ｔ]を演算するものである。すなわち、デマンド予測値演算処理部７６は、制御周期Δｔごとに定まる残り時間Ｔ－ｔに応じて、一つのデマンド予測値Ｒ[Ｔ－ｔ]を演算するものである。また、現在時刻ｔのＹ分前の時系列データ（使用電力量（ｋＷｈ））をＰＣ[Ｙ]と定義する。特に、現在時刻ｔの使用電力量は、現在時刻ｔの０分前の使用電力量に相当するため、ＰＣ[０]と表される。
Figure JPOXMLDOC01-appb-M000009
Figure JPOXMLDOC01-appb-M000010
　式（９）及び式（１０）において、中括弧内の各量の単位はｋＷｈである。また、デマンド予測値Ｒ［Ｔ－ｔ］は、デマンド時限Ｔ内に使用した使用電力量をデマンド時限Ｔで除して求められる平均値（ｋＷ）であるため、デマンド予測値Ｒ［Ｘ］の演算では、式（９）の中括弧内で求められる使用電力量（ｋＷｈ）がデマンド時限Ｔである３０分（１／２時間）で除算されている。すなわち、デマンド予測値演算処理部７６は、残り時間Ｔ－ｔが１５～３０分の場合に式（９）を用い、残り時間Ｔ－ｔが３～１２分の場合に式（１０）を用いることにより、デマンド予測値Ｒを１つだけ求めるものである。
　式（９）の中括弧内には、現在時刻の直前の使用電力量に基づいて、残り時間Ｔ－ｔに消費される使用電力量である予測データを求める第１の項と、デマンド時限Ｔの開始時刻から現在時刻までに消費された使用電力量である実績データを求める第２の項と、が存在する。また、式（１０）の中括弧内には、現在時刻の直前の使用電力量に基づいて、残り時間Ｔ－ｔに消費される使用電力量の変動傾向を求める第１の項と、デマンド時限Ｔの開始時刻から現在時刻までに消費された使用電力量の実績データを求める第２の項と、が存在する。
　より具体的に、予測手法判定処理部１３４において第１手法を用いると判定された場合には、第１手法演算部１４１が、式（９）の第１の項に相当する予測データを演算し、実績データ演算部１３２が、式（９）の第２の項に相当する実績データを演算し、演算処理部１３３が、予測データと実績データとから式（９）に則してデマンド予測値Ｒ［Ｔ－ｔ］を演算する。また、演算処理部１３３は、求めたデマンド予測値Ｒ［Ｔ－ｔ］（ここではＴ－ｔが、１５、１８、・・・、３０分の何れかであることを想定する）を、メインメモリ６４上の演算結果格納領域１０５に割り当てられている各種変数に書き込むものである。
　一方、予測手法判定処理部１３４において第２手法を用いると判定された場合には、第１手法演算部１４１が、式（１０）の第１の項に相当する予測データを演算し、実績データ演算部１３２が、式（１０）の第２の項に相当する実績データを演算し、演算処理部１３３が、予測データと実績データとから式（１０）に則してデマンド予測値Ｒ［Ｔ－ｔ］を演算する。また、演算処理部１３３は、求めたデマンド予測値Ｒ［Ｔ－ｔ］（ここではＴ－ｔが、３、６、・・・、１２分の何れかであることを想定する）を、メインメモリ６４上の演算結果格納領域１０５に割り当てられている各種変数に書き込むものである。
　図１９は、本実施の形態３におけるデマンド予測装置１５で演算したデマンド予測値Ｒのデータ形式の一例を示す図である。演算処理部１３３は、デマンド予測値Ｒ［Ｔ－ｔ］を、図１９に示すデータ形式でデータ格納部７１に格納するものである。この結果、データ格納部７１のデマンド予測値データ１１２が更新される。図１９に示すように、デマンド予測値データ１１２は、残り時間Ｔ－ｔと、デマンド時限Ｔの終了時刻におけるデマンド予測値Ｒ［Ｔ－ｔ］とが対応付けられた組データで形成されている。このうち、残り時間Ｔ－ｔが３～１２に対応する組データは、現在時刻ｔがデマンド時限Ｔの後半側に位置すると想定した場合のデマンド予測値Ｒ［Ｔ－ｔ］である。また、残り時間Ｔ－ｔが１５～３０に対応する組データは、現在時刻ｔがデマンド時限Ｔの前半側に位置すると想定した場合のデマンド予測値Ｒ［Ｔ－ｔ］である。
　本実施の形態３に係るデマンド予測装置１５の動作は、電気事業者が管理するデマンド時限と予測データ演算部１３１が管理するデマンド時限との時限同期を取る点及びデマンド予測値Ｒを一つのみ生成する点で、上述した実施の形態１とは異なるが、それ以外の動作内容は同一である。すなわち、デマンド予測装置１５の基本的な動作内容は、実施の形態１の場合と同様であるため、本動作説明では、デマンド予測値の生成処理について説明する。
　図２０は、本実施の形態３におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートであり、図９に後続する処理を示すものである。デマンド予測値演算処理部７６は、データ格納部７１の使用電力量データ１１１から、現在時刻ｔの使用電力量及び制御周期Δｔ単位で過去に遡った各時刻（ｔ－Δｔからｔ－Δｔ×１０まで）に応じた１０個の使用電力量を取得する（図２０：ステップＳ９１）。次に、デマンド予測値演算処理部７６は、演算用格納部７２のパラメータ格納領域１０４を初期化する（図２０：ステップＳ９２）。次いで、デマンド予測値演算処理部７６は、取得した使用電力量をパラメータ格納領域１０４に格納する（図２０：ステップＳ９３）。
　続いて、デマンド予測値演算処理部７６の予測手法判定処理部１３４は、残り時間Ｔ－ｔが判定閾値以上であるか否かを判定する（図２０：ステップＳ９４）。予測手法判定処理部１３４において、残り時間Ｔ－ｔが判定閾値以上であると判定した場合に（図２０：ステップＳ９４／Ｙｅｓ）、第１手法演算部１４１は、第１手法としての移動平均法により予測データを演算する（図２０：ステップＳ９５）。一方、予測手法判定処理部１３４において、残り時間Ｔ－ｔが判定閾値未満であると判定した場合に（図２０：ステップＳ９４／Ｎｏ）、第２手法演算部１４２は、第２手法としての外挿法により予測データを演算する（図２０：ステップＳ９６）。
　次いで、実績データ演算部１３２は、デマンド時限Ｔの開始時刻から現在時刻までに消費された使用電力量の実績データを求める（図２０：ステップＳ９７）。次に、演算処理部１３３は、第１手法演算部１４１又は第２手法演算部１４２において求めた予測データと実績データ演算部１３２において求めた実績データとに基づいてデマンド予測値Ｒ［Ｔ－ｔ］を演算する（図２０：ステップＳ９８）。そして、演算処理部１３３は、求めたデマンド予測値Ｒ［Ｔ－ｔ］を演算結果格納領域１０５に格納する（図２０：ステップＳ９９）。
＜実施の形態３の効果＞
　以上のように、本実施の形態３におけるデマンド予測装置１５は、電気事業者のデマンド時限との時限同期を取る機能を有しており、現在時刻ｔから電気事業者のデマンド時限の終了時刻までの残り時間Ｔ－ｔを正確に求めることができるため、デマンド予測値Ｒを演算するに際して、残り時間Ｔ－ｔに関連づけた第１手法及び第２手法を適宜選択して用いることができる。すなわち、デマンド予測値演算処理部７６は、残り時間Ｔ－ｔが大きい場合に、広い範囲（例えばデマンド時限相当分の範囲）における時系列データの変動傾向を主体とする予測手法を用い、残り時間Ｔ－ｔが小さい場合に、細かい変化を捉えることを主体とする予測手法を用いるように構成されている。したがって、本実施の形態３におけるデマンド予測装置１５によれば、２つの時系列データの予測手法を組み合わせて使用することにより、デマンド予測の精度の向上を図ることができ、特に、残り時間Ｔ－ｔが大きいときに予測精度の悪化が発生していた従来手法の課題を改善する効果を奏する。
　なお、本実施の形態３では、予測データの算出における手法として、移動平均法及び外挿法を適用したが、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔに応じて同様の効果を発揮する手法であれば、任意の手法を組み合わせて使用するようにしてもよい。また、本実施の形態３では、２つの手法を組み合わせる一例について説明したが、特にこれに限定されるものではなく、２つ以上の閾値を設定した上で、３つ以上の手法を組み合わせて予測データ等を算出し、デマンド予測値Ｒ［Ｔ－ｔ］を求めるようにしてもよい。
実施の形態４．
　本実施の形態４のデマンド予測装置は、前述の実施の形態３と同様にデマンド時限合わせ機能を有しているため、現在時刻から電気事業者のデマンド時限の終了時刻までの残り時間を正確に求めることができる。ただし、時系列データの予測手法として指数平滑化法が採用され、電気事業者のデマンド時限の終了時刻までの残り時間に応じて指数平滑化法の特性を活用する点において、前述の実施の形態３と相違する。なお、本実施の形態３のデマンド予測装置の基本的構成内容は、上記各実施の形態と同様であるため、便宜上、同一の符号１５を用いるものとし、同等の構成部材についても同一の符号を用いるものとする。また、電気事業者のデマンド時限をＴ（分）とし、デマンド予測装置１５のデマンドの管理周期であるデマンド時限は、電気事業者のデマンド時限に合わせて設定されるものであるため、以降では、両者をデマンド時限Ｔと総称する。したがって、現在時刻ｔからデマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔ（分）は、前述の実施の形態３と同様に、ただ一つ定まる確定時間となる。
　本実施の形態４のデマンド予測装置１５において、システム構成及びハードウェア構成は、それぞれ図３及び図１６と同様である。また、デマンド予測装置１５のソフトウェア構成においては、図１７と同様に、時限合わせ処理部７７を有している。上記実施の形態２において図１３をもとに説明した詳細なソフトウェア構成については、図２１に示すように、デマンド予測値演算処理部７６の内部構成が一部異なっているが、デマンド予測値演算処理部７６及び時限合わせ処理部７７以外の構成については図１３と同様である。
　図２１は、デマンド予測値演算処理部７６の内部構成を示すブロック図である。デマンド予測値演算処理部７６は、現在時刻からデマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔに基づいて平滑化係数αを決定する平滑化係数決定部１７３を有している。本実施の形態４のデマンド予測装置１５は、時限合わせ処理部７７を有しており、電気事業者が管理するデマンド時限と予測データ演算部１３１が管理するデマンド時限とが時限同期しているため、平滑化係数決定部１７３は、正確な残り時間Ｔ－ｔに基づいて、一つの平滑化係数αを決定するものである。指数平滑化法については上記実施の形態２において説明したため省略する。
　上記式（５）における平滑化係数αの増減の作用により、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔが小さい場合に、指数平滑化法演算部１６１は、平滑化係数決定部１７３によって平滑化係数αを１又は１に近い値に決定し、使用電力量変化ΔＰｔ＋Δｔの予測値を演算する。これにより、短周期の細かい変動を考慮して急激な変動に備えた予測が実現可能となる。一方、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔが大きい場合に、指数平滑化法演算部１６１は、平滑化係数決定部１７３によって平滑化係数αを０に近い値に決定し、使用電力量変化ΔＰｔ＋Δｔの予測値を演算する。これにより、細かい変化への過度な反応を抑えることができ、長周期における時系列データの変動傾向に備えた予測が実現可能となる。
　例えば、デマンド予測値演算処理部７６は、デマンド時限Ｔの終了時刻までの残り時間Ｔ－ｔに合わせて、平滑化係数αが上記式（６）のように設定された予測式を用いる。ただし、本実施の形態４におけるデマンド予測装置１５では、時限合わせ処理部７７が、デマンド時限Ｔとの時限同期を取り、デマンド時限Ｔの終了時刻を把握することが可能である。したがって、デマンド予測値演算処理部７６は、上記実施の形態２とは異なり、式（６）のうちで残り時間Ｔ－ｔに対応した一つの数式のみを用いて、デマンド予測値Ｒ［Ｔ－ｔ］を演算するものである。例えば、残り時間Ｔ－ｔが１８分の場合には、デマンド予測値演算処理部７６は、デマンド予測値Ｒ［１８］のみを演算することになる。もっとも、デマンド予測値演算処理部７６は、式（６）に示すように、残り時間Ｔ－ｔに応じて平滑化係数αの値を変化させて求めた使用電力量変化ΔＰｔ＋Δｔの予測値を、デマンド予測値Ｒ［Ｔ－ｔ］の演算に用いるため、０．１から１．０までの計１０個の平滑化係数αに対応するΔＰｔ＋Δｔの予測値を毎回演算して格納しておくように構成されている。
　本実施の形態４に係るデマンド予測装置１５の動作は、電気事業者が管理するデマンド時限と予測データ演算部１３１が管理するデマンド時限との時限同期を取る点、及びデマンド予測値を一つのみ生成する点において、上述した実施の形態２とは異なり、それ以外の動作内容は同一である。したがって、本動作説明では、指数平滑化法を用いたデマンド予測値Ｒの生成処理について説明する。
　図２２は、本実施の形態４におけるデマンド予測装置１５のデマンド予測値演算処理の動作例を説明するフローチャートであり、図９に後続する処理を示すものである。デマンド予測値演算処理部７６は、データ格納部７１に格納されている使用電力量データ１１１及び使用電力量変化予測値データ１１５から、デマンド予測演算に用いる各種データを取得する。具体的に、デマンド予測値演算処理部７６は、使用電力量データ１１１から、現在時刻ｔに対応する使用電力量及びデマンド予測に必要なデータとして現在の時刻tからΔｔ分前の１つの使用電力量データを取得する。また、デマンド予測値演算処理部７６は、使用電力量変化予測値データ１１５から、現在時刻ｔの１つ前の時刻、すなわち、３分前に演算し格納しておいた使用電力量変化の予測値を取得する（図２２：ステップＳ１０１）。そして、デマンド予測値演算処理部７６は、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている各種変数を初期化し（図２２：ステップＳ１０２）、取得した使用電力量の時系列データと使用電力量変化の予測値とをパラメータ格納領域１０４に格納する（図２２：ステップＳ１０３）。
　ここで、使用電力量変化予測値データ１１５とは、デマンド予測値演算処理部７６が、式（６）により求めた過去の予測データである。すなわち、残り時間Ｔ－ｔには３分から３０分までの１０パターンが存するため、使用電力量変化の予測値は、０．１から１．０までの１０個の平滑化係数αについての予測データであり、図１５に示すデータ形式により、各時刻に紐づけて格納されている。図１５では、複数の過去の予測データを格納する形式を示しているが、指数平滑化法を適用して３分後の使用電力量変化予測値を式（５）に基づいて求める場合には、少なくとも現在時刻ｔを基点として３分前の予測データが必要になる。このため、常に直近の過去の予測データのみを格納させておくようにしてもよい。
　次に、第１演算部１７１が、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている変数のうち、現在時刻ｔの使用電力量と、現在時刻ｔの３分前の使用電力量とを取得し、使用電力量変化ΔＰｔを求める（図２２：ステップＳ１０４）。次いで、平滑化係数決定部１７３が、残り時間Ｔ－ｔに基づいて平滑化係数αを決定し、決定した平滑化係数αを第２演算部１７２に通知する（図２２：ステップＳ１０５）。第２演算部１７２は、メインメモリ６４上のパラメータ格納領域１０４に割り当てられている変数のうち、現在時刻ｔの使用電力量変化の予測値を取得し、使用電力量変化ΔＰｔと、現在時刻ｔの使用電力量変化の予測値と、平滑化係数決定部１７３から取得した平滑化係数αとから、式（５）を用いて、現在時刻ｔの次の時刻ｔ＋Δｔの使用電力量変化ΔＰｔ＋Δｔの予測値である予測データを求める（図２２：ステップＳ１０６）。
　次いで、実績データ演算部１３２が、デマンド時限Ｔの開始時刻から現在時刻までに消費された使用電力量の実績値である実績データを求める（図２２：ステップ１０７）。続いて、演算処理部１３３が、第２演算部１７２により求めた予測データと実績データ演算部１３２により求めた実績データとに基づいてデマンド予測値Ｒ［Ｔ－ｔ］を演算する（図２２：ステップＳ１０８）。そして、演算処理部１３３は、求めたデマンド予測値Ｒ［Ｔ－ｔ］をを演算結果格納領域１０５に格納する（図２２：ステップＳ１０９）。
次に、デマンド予測値演算処理部７６は、式（５）及び式（６）に則して求めたΔＰｔ＋Δｔの予測値（α＝１．０）、ΔＰｔ＋Δｔの予測値（α＝０．９）、・・・、及びΔＰｔ＋Δｔの予測値（α＝０．１）と、デマンド予測値Ｒ[Ｔ－ｔ]をデータ格納部７１に格納する。より具体的に、デマンド予測値演算処理部７６は、１０個の平滑化係数αに対応するΔＰｔ＋Δｔの予測値に対する変数に格納されている値を、図１５に示すデータ形式により、各時刻に紐付けてデータ格納部７１に格納する。また、デマンド予測値演算処理部７６は、残り時間Ｔ－ｔに対応するデマンド予測値Ｒ[Ｔ－ｔ]を、図１９に示すデータ形式でデータ格納部７１に格納する。そして、デマンド予測値演算処理部７６は、一連の演算処理を終了する（図２２：ステップＳ１１０）。
＜実施の形態４の効果＞
　以上のように、本実施の形態４におけるデマンド予測装置１５は、電気事業者が需要家のデマンドを計測し管理する時間間隔であるデマンド時限との時限同期を取って検出した正確な残り時間Ｔ－ｔに応じて平滑化係数αを決定する、という構成を採ったため、現在時刻が属するデマンド時限Ｔの終了時刻におけるデマンド予測値Ｒ[Ｔ－ｔ]の算出精度を高めることができる。すなわち、デマンド予測装置１５は、残り時間Ｔ－ｔが大きい場合に、平滑化係数αを小さくして時系列データ全体の変動傾向を主とする予測を行い、残り時間Ｔ－ｔが小さい場合に、平滑化係数αを大きくして現在時刻の直前の細かい変動傾向を主として捉えた予測を行うため、予測精度の向上を図ることができる。
　また、デマンド予測装置１５が、例えば、デマンドの値の減少時において、デマンド予測値Ｒ[Ｔ－ｔ]の値が予め設定された目標デマンド値を下回った場合に、デマンド制限解除（負荷再投入）を行う制限解除機能を有するようにしてもよい。制限解除機能を有する場合でも、デマンド予測装置１５は、残り時間Ｔ－ｔが大きい場合に、デマンド予測装置１５長期的な傾向変化を主として捉えたデマンド予測値Ｒ[Ｔ－ｔ]を求めるように構成されているため、実際のデマンドの値の変化に遅れてデマンド予測値Ｒ[Ｔ－ｔ]が緩やかに減少することから、一旦デマンド制限（負荷遮断等）状態に入った後、安易にデマンド制限を解除（負荷再投入）するという動作を回避することができ、拙速な負荷再投入によるデマンド制御のハンチングを防止することが可能となる。
　本実施の形態４では、デマンド時限が３０分の場合について述べたが、デマンド時限が例えば１５分である場合には、式（４）及び式（６）に代えて式（７）及び式（８）を用いるようにしてもよい。また、式（６）及び式（８）では、平滑化係数αを０．１刻みの値として与えているが、この方式に限定されるものでなく、例えば、平滑化係数αを他の値でリニアに変化させたり、指数関数的に変化させたりするようにしてもよい。すなわち、残り時間Ｔ－ｔが大きい場合は、平滑化係数αを１又は１に近い値に設定し、残り時間Ｔ－ｔが小さい場合は、平滑化係数αを０に近い値に設定し、残り時間Ｔ－ｔが大きくなるほど平滑化係数αを減少させるように設定することで、デマンド予測の精度の向上を図ることができる。
　なお、上記実施の形態１～４の動作説明は、図７～図９、図１１、図１４、図２０、及び図２２に示すフローチャートを用いて行ったが、このようなフローチャートは実質的にデマンド予測処理内容を実行するプログラムで実現してもよい。このようなプログラムを記録したコンピュータ読み取り可能な記録媒体は、ハードディスク６５、６７の他にＣＤ－ＲＯＭ又はＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ　Ｄｉｓｋ）等のリムーバブルメディアであってもよい。さらには、記録媒体を介することなくプログラム自体を、電気通信回線を介して取得するようにしてもよい。また、このようなプログラムは、マイクロプロセッサ等に布線論理として搭載されてもよい。要するに、上記で説明した各機能が実現されるものであれば、特にその実装形態については限定されない。
　１　デマンド予測システム、１１　商用電源、１３　電力メータ、１４　負荷、１５　デマンド予測装置、２１、２１＿１～２１＿Ｎ　制御対象負荷、２５　非制御対象負荷、３１　電力パルス通信線、３３　電力供給線、３５　通信バス、４１　受信装置、４２　送信装置、４３　記憶装置、４４　データベース装置、４５　入力装置、４６　出力装置、４７　演算処理装置、４８　時限合わせ処理装置、５１　一次記憶装置、５３　二次記憶装置、６１　論理回路、６２　レジスタ、６３　キャッシュメモリ、６４　メインメモリ、６５、６７　ハードディスク、６６　フラッシュメモリ、７１　データ格納部、７２　演算用格納部、７３　データ設定部、７４　データ入力部、７５　使用電力量演算処理部、７６　デマンド予測値演算処理部、７７　時限合わせ処理部、９１　使用電力量演算処理用格納領域、９２　デマンド予測値演算処理用格納領域、１０１　現在時刻使用電力量格納領域、１０２　使用電力量格納領域、１０３　パルス計数値格納領域、１０４　パラメータ格納領域、１０５　演算結果格納領域、１１１　使用電力量データ、１１２　デマンド予測値データ、１１３　演算用データ、１１５　使用電力量変化予測値データ、１２１　電力パルス信号計数部、１２２　使用電力量算出部、１２３　使用電力量加算処理部、１３１　予測データ演算部、１３２　実績データ演算部、１３３　演算処理部、１３４　予測手法判定処理部、１４１　第１手法演算部、１４２　第２手法演算部、１６１　指数平滑化法演算部、１７１　第１演算部、１７２　第２演算部、１７３　平滑化係数決定部。

Claims (11)

  1. 　負荷の過去の使用電力量を示す時系列データに基づいて、前記負荷の将来のデマンド予測値を求めるデマンド予測装置であって、
    　デマンド時限の開始時刻から現在時刻までに消費された使用電力量である実績データを前記時系列データから求める実績データ演算部と、
    　前記時系列データの変動傾向に基づいて、前記現在時刻からデマンド時限の終了時刻までの残り時間に消費される予測使用電力量である予測データを演算する予測データ演算部と、
    　前記実績データと前記予測データとから前記デマンド予測値を算出する演算処理部と、を有し、
    　前記予測データ演算部は、前記残り時間に応じて前記変動傾向を変化させて前記予測データを演算するデマンド予測装置。
  2. 　前記時系列データは、前記負荷の制御周期ごとの使用電力量を示すものであり、
    　前記予測データ演算部は、
    　前記残り時間が予め設定された閾値より大きい場合に、前記現在時刻から設定数分の前記制御周期の前記時系列データを用いた前記変動傾向に基づいて前記予測データを演算する第１手法演算部と、
    　前記残り時間が前記閾値以下の場合に、前記現在時刻から前記設定数未満の前記制御周期の前記時系列データを用いた前記変動傾向に基づいて前記予測データを演算する第２手法演算部と、を有する
    　請求項１に記載のデマンド予測装置。
  3. 　前記第１手法演算部は、前記残り時間が前記閾値より大きい場合に、前記現在時刻から前記デマンド時限分前までの前記時系列データを用いた前記変動傾向に基づいて前記予測データを演算するものである
    　請求項２に記載のデマンド予測装置。
  4. 　前記第２手法演算部は、前記残り時間が予め設定された前記閾値以下の場合に、前記現在時刻から直近の前記制御周期までの前記時系列データを用いた前記変動傾向に基づいて前記予測データを演算するものである
    　請求項２又は３に記載のデマンド予測装置。
  5. 　前記第１手法演算部は、前記変動傾向として、前記時系列データの移動平均値を求めるものである
    　請求項２～４の何れか１項に記載のデマンド予測装置。
  6. 　前記予測データ演算部は、
    　前記デマンド時限を前記現在時刻の前後に亘って前記制御周期単位でシフトさせて、前記残り時間としての複数の仮想残り時間を求める機能を有し、
    　前記第１手法演算部は、前記閾値より大きい各仮想残り時間それぞれに応じた前記終了時刻における前記予測データを求めるものであり、
    　前記第２手法演算部は、前記閾値以下の各仮想残り時間それぞれに応じた前記終了時刻における前記予測データを求めるものである
    　請求項２～５の何れか１項に記載のデマンド予測装置。
  7. 　前記時系列データは、前記負荷の制御周期ごとの使用電力量を示すものであり、
    　前記予測データ演算部は、前記現在時刻より直前の１制御周期の間に変動した使用電力量の変化量から、前記変動傾向の前回値を差し引いた差分に平滑化係数を乗算し、かつ前記差分に平滑化係数を乗算した値に前記変動傾向の前回値を加算して求めた前記変動傾向に基づいて前記予測データを演算するものである
    　請求項１に記載のデマンド予測装置。
  8. 　前記予測データ演算部は、前記残り時間の増加に伴って前記平滑化係数を減少させるものである
    　請求項７に記載のデマンド予測装置。
  9. 　前記予測データ演算部は、前記デマンド時限を前記現在時刻の前後に亘って前記制御周期単位でシフトさせて、前記残り時間としての複数の仮想残り時間を求める機能を有するものである
    　請求項７又は８に記載のデマンド予測装置。
  10. 　電気事業者が管理する前記デマンド時限と、前記予測データ演算部が管理する前記デマンド時限と、の時限同期を行う時限合わせ処理部をさらに有する
    　請求項１～５、７、及び８の何れか１項に記載のデマンド予測装置。
  11. 　負荷の過去の使用電力量を示す時系列データに基づいて、前記負荷の将来のデマンド予測値を求めるデマンド予測方法であって、
    　デマンド時限の開始時刻から現在時刻までに消費された使用電力量である実績データを前記時系列データから求める実績データ演算工程と、
    　前記時系列データの変動傾向に基づいて、前記現在時刻からデマンド時限の終了時刻までの残り時間に消費される予測使用電力量である予測データを演算する予測データ演算工程と、
    　前記実績データと前記予測データとから前記デマンド予測値を算出する演算処理工程と、を有し、
    　前記予測データ演算工程では、前記残り時間に応じて前記変動傾向を変化させて前記予測データを演算するデマンド予測方法。
PCT/JP2014/076352 2013-10-03 2014-10-02 デマンド予測装置及びデマンド予測方法 WO2015050182A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-208523 2013-10-03
JP2013208523A JP2016208556A (ja) 2013-10-03 2013-10-03 デマンド予測装置及びデマンド予測方法

Publications (1)

Publication Number Publication Date
WO2015050182A1 true WO2015050182A1 (ja) 2015-04-09

Family

ID=52778769

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/076352 WO2015050182A1 (ja) 2013-10-03 2014-10-02 デマンド予測装置及びデマンド予測方法

Country Status (2)

Country Link
JP (1) JP2016208556A (ja)
WO (1) WO2015050182A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210115104A1 (en) * 2015-03-18 2021-04-22 Zealand Pharma A/S Amylin analogues

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6796533B2 (ja) * 2017-03-31 2020-12-09 アイシン高丘株式会社 デマンド制御システム
CN109886445A (zh) * 2018-12-13 2019-06-14 国网浙江省电力有限公司衢州供电公司 一种基于物资需求特性量化的未来需求预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61266025A (ja) * 1985-05-21 1986-11-25 株式会社　ヒユ−マン・ハイテツクス 最大需要電力監視制御装置
JPH06205534A (ja) * 1992-03-30 1994-07-22 Osaki Electric Co Ltd デマンドコントロ−ル装置
JP2004328940A (ja) * 2003-04-25 2004-11-18 Mitsubishi Electric Corp エネルギー監視制御方式及びエネルギー監視制御システム並びにエネルギー監視制御装置
JP2007014179A (ja) * 2004-08-12 2007-01-18 Sanyo Electric Co Ltd デマンド制御装置および消費電力予測方法ならびにプログラム
JP2007129837A (ja) * 2005-11-04 2007-05-24 Sanyo Special Steel Co Ltd デマンド制御装置
JP2009240049A (ja) * 2008-03-26 2009-10-15 Panasonic Electric Works Co Ltd デマンド制御システム、デマンド制御方法
JP2013188079A (ja) * 2012-03-09 2013-09-19 Toshiba Corp 電力デマンド制御装置および電力デマンド制御方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61266025A (ja) * 1985-05-21 1986-11-25 株式会社　ヒユ−マン・ハイテツクス 最大需要電力監視制御装置
JPH06205534A (ja) * 1992-03-30 1994-07-22 Osaki Electric Co Ltd デマンドコントロ−ル装置
JP2004328940A (ja) * 2003-04-25 2004-11-18 Mitsubishi Electric Corp エネルギー監視制御方式及びエネルギー監視制御システム並びにエネルギー監視制御装置
JP2007014179A (ja) * 2004-08-12 2007-01-18 Sanyo Electric Co Ltd デマンド制御装置および消費電力予測方法ならびにプログラム
JP2007129837A (ja) * 2005-11-04 2007-05-24 Sanyo Special Steel Co Ltd デマンド制御装置
JP2009240049A (ja) * 2008-03-26 2009-10-15 Panasonic Electric Works Co Ltd デマンド制御システム、デマンド制御方法
JP2013188079A (ja) * 2012-03-09 2013-09-19 Toshiba Corp 電力デマンド制御装置および電力デマンド制御方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210115104A1 (en) * 2015-03-18 2021-04-22 Zealand Pharma A/S Amylin analogues

Also Published As

Publication number Publication date
JP2016208556A (ja) 2016-12-08

Similar Documents

Publication Publication Date Title
US11709534B2 (en) Method and apparatus for managing global chip power on a multicore system on chip
JP6402731B2 (ja) 電力需給予測システム、電力需給予測方法および電力需給予測プログラム
TW201426280A (zh) 微處理器、操作微處理器的方法以及電腦程式產品
WO2015050182A1 (ja) デマンド予測装置及びデマンド予測方法
KR101611301B1 (ko) 스마트 서버 및 스마트 디바이스
JP6255251B2 (ja) 太陽光発電装置の出力推定方法および装置並びにこれを用いた電力系統監視装置
US11193984B2 (en) Method and device for the service life-optimized usage of an electrochemical energy store
JP6314543B2 (ja) 蓄電池の充電状態推定方法及び装置
JP7366352B2 (ja) 発電制御装置、発電制御方法、発電制御プログラム及び発電システム
KR101753907B1 (ko) 건물군 에너지 수요 관리 방법 및 그를 위한 장치
CN103185834A (zh) 电子式电能表和用于存储其数据的方法
JP6252250B2 (ja) デマンド制御方法及びデマンド制御システム
US20180274942A1 (en) Method and apparatus for detecting background noise of sensor
WO2016132796A1 (ja) 電力消費量推定装置、電力消費量推定方法およびプログラム
KR20190088083A (ko) 전력 사용량 예측 시스템 및 방법
KR101581684B1 (ko) 에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법
KR100893712B1 (ko) 멤버쉽 함수를 이용한 예측 전력량 획득 방법 및 장치
JP2013106374A (ja) 需要電力制御装置および需要電力制御方法
WO2018070007A1 (ja) 電力系統のインピーダンス測定装置及び方法、並びに電力系統の力率改善装置及び方法
WO2014167768A1 (ja) 周波数制御方法および周波数制御システム
JP2021035126A (ja) 電池容量推定装置、電池容量推定方法、及びプログラム
JP2017055612A (ja) 電力デマンド監視装置、方法およびプログラム
KR101171147B1 (ko) 센서 노드 및 그 제어방법
KR102382348B1 (ko) 전력량계 통합 관리 장치
Gao et al. Scheduling Schedulable Energy in Smart Grid

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: 14850259

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: 14850259

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP