WO2018221330A1 - 管理方法及び管理装置 - Google Patents

管理方法及び管理装置 Download PDF

Info

Publication number
WO2018221330A1
WO2018221330A1 PCT/JP2018/019743 JP2018019743W WO2018221330A1 WO 2018221330 A1 WO2018221330 A1 WO 2018221330A1 JP 2018019743 W JP2018019743 W JP 2018019743W WO 2018221330 A1 WO2018221330 A1 WO 2018221330A1
Authority
WO
WIPO (PCT)
Prior art keywords
power
facility
error
management server
prediction error
Prior art date
Application number
PCT/JP2018/019743
Other languages
English (en)
French (fr)
Inventor
和歌 中垣
琢 中山
健太 沖野
啓 岩田
古川　貴士
尚久 吉谷
Original Assignee
京セラ株式会社
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 京セラ株式会社 filed Critical 京セラ株式会社
Priority to US16/617,500 priority Critical patent/US11138679B2/en
Priority to JP2019522148A priority patent/JP6839277B2/ja
Priority to EP18808796.9A priority patent/EP3633813A1/en
Publication of WO2018221330A1 publication Critical patent/WO2018221330A1/ja

Links

Images

Classifications

    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/52—The controlling of the operation of the load not being the total disconnection of the load, i.e. entering a degraded mode or in current limitation
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Definitions

  • the present invention relates to a management method and a management apparatus used in a power management system.
  • a management device that manages a plurality of facilities may be used.
  • the management device determines a facility that can accept a power reduction request among a plurality of subordinate facilities and a power consumption to be reduced, and reduces the power consumption to the facility. Request.
  • the management apparatus needs to predict the power usage amount of the facility in the future period in which reduction of the power usage amount is requested.
  • the management method is used in a management apparatus that manages a plurality of entities that use or manage power.
  • a step A for estimating an error pattern related to a prediction error that occurs when a power usage amount in a future period is predicted; and the plurality of entities based on the error pattern A step B of determining a group of entities as destinations of the power reduction request for requesting reduction of the power consumption.
  • Step A includes estimating whether the prediction error is a positive error or a negative error.
  • the step B includes combining an entity estimated that the prediction error becomes a positive error and an entity estimated that the prediction error becomes a negative error so that the total prediction error of the group is minimized. Determining the group.
  • the management methods according to the first to third embodiments are used in a management apparatus that manages a plurality of entities that use or manage power.
  • a step A for estimating an error pattern related to a prediction error that occurs when a power usage amount in a future period is predicted; and the plurality of entities based on the error pattern A step B of determining a group of entities as destinations of the power reduction request for requesting reduction of the power consumption.
  • Step A includes estimating whether the prediction error is a positive error or a negative error.
  • the step B includes combining an entity estimated that the prediction error becomes a positive error and an entity estimated that the prediction error becomes a negative error so that the total prediction error of the group is minimized. Determining the group.
  • the positive error and the negative error are weakened by combining the entity estimated that the prediction error becomes a positive error and the entity estimated that the prediction error becomes a negative error.
  • the total error of the group can be reduced by adding the positive error and the negative error. Therefore, according to such a management method, it is possible to minimize the total prediction error of the group while allowing the generation of the prediction error, and thus it is possible to increase the DR success rate.
  • the management device manages a plurality of facilities as a plurality of entities.
  • the management device is a higher-level management device that manages a plurality of lower-level management devices as a plurality of entities.
  • the power management system 100 includes a power management server 200, a plurality of facilities 300, and a power provider server 400.
  • facilities 300A, 300B, 300C,... are illustrated as a plurality of facilities 300.
  • Each facility 300 is connected to the power system 110.
  • the flow of power from the power system 110 to the facility 300 is referred to as a tidal current.
  • the flow of power from the facility 300 to the power system 110 is referred to as reverse power flow.
  • the power management server 200, the facility 300, and the power provider server 400 are connected to the network 120.
  • the network 120 may provide a line between the power management server 200 and the facility 300 and a line between the power management server 200 and the power provider server 400.
  • the network 120 is, for example, the Internet.
  • the network 120 may provide a dedicated line such as a VPN (Virtual Private Network).
  • the power management server 200 is a server managed by an aggregator.
  • the aggregator is a business operator that collects power reductions by bundling a plurality of facilities 300.
  • the power management server 200 is an example of a management device that manages a plurality of facilities 300.
  • the power management server 200 may be referred to as an aggregator DRAS (Demand Response Automation Server).
  • the facility 300 is, for example, a store such as a supermarket or a convenience store.
  • the facility 300 may be a house, a building, or a factory.
  • the facility 300 includes a load 310, a distributed power supply 320, and a local control device 330.
  • the load 310 is a device that operates using electric power.
  • the load 310 may be an air conditioner or a lighting device.
  • the distributed power supply 320 is a device having at least one of a function of outputting power and a function of storing power.
  • the distributed power source 320 may be, for example, a solar cell, a fuel cell, or a storage battery.
  • the local control device 330 is a device (EMS; Energy Management System) that manages the power of the facility 300.
  • the local control device 330 may control the operation state of the load 310 or may control the operation state of the distributed power source 320 provided in the facility 300.
  • the local control device 330 may periodically transmit the power usage (measured value) of the corresponding facility 300 to the power management server 200.
  • the power usage amount of the facility 300 may be measured by a smart meter (not shown) provided in the facility 300.
  • the power provider server 400 is a server managed by a power provider that provides an infrastructure such as the power grid 110.
  • the power provider server 400 transmits a power reduction request for requesting a reduction in power consumption (tidal flow) to the power management server 200 in order to stabilize the power supply / demand balance.
  • the power provider server 400 may be referred to as a power provider DRAS.
  • the power reduction request may be referred to as a DR request.
  • the power management server 200 transmits a power reduction request to the facility 300 selected from the plurality of facilities 300 in response to receiving the power reduction request from the power provider server 400.
  • the local control device 330 of the facility 300 selected by the power management server 200 receives the power reduction request from the power management server 200, and controls the control target devices (load 310 and load) to reduce the power consumption (tidal flow). And / or control the distributed power source 320). By stopping or suppressing the operation of the load 310, power consumption is reduced. By outputting power from the distributed power supply 320, the power usage may be reduced.
  • communication between the power management server 200 and the power provider server 400 and communication between the power management server 200 and the local control device 330 are performed according to the first protocol.
  • communication between the local control device 330 and the device (the load 310 or the distributed power supply 320) is performed according to a second protocol different from the first protocol.
  • the first protocol for example, a protocol compliant with Open ADR (Automated Demand Response) or a unique dedicated protocol can be used.
  • the second protocol for example, a protocol conforming to ECHONET Lite, SEP (Smart Energy Profile) 2.0, KNX, or an original dedicated protocol can be used.
  • the power management server 200 may communicate with a device (the load 310 or the distributed power source 320) using the first protocol. In this case, the power management server 200 can directly control the device without using the local control device 330.
  • the power management server 200 includes a storage unit 210, a communication unit 220, and a control unit 230.
  • the storage unit 210 is configured by a storage medium such as a non-volatile memory and / or an HDD (Hard Disk Drive).
  • the storage unit 210 stores information used for processing and control by the control unit 230.
  • the communication unit 220 includes a communication module.
  • the communication unit 220 communicates with the power management server 200 and the local control device 330 via the network 120.
  • the controller 230 is configured by a CPU (Central Processing Unit) or the like.
  • the control unit 230 controls each component provided in the power management server 200.
  • the control unit 230 performs various processes and controls described later.
  • the local control device 330 includes a storage unit 331, a first communication unit 332, a second communication unit 333, and a control unit 334.
  • the storage unit 331 stores information used for processing and control by the control unit 334.
  • the first communication unit 332 is configured by a communication module, and communicates with the power management server 200 via the network 120.
  • the 2nd communication part 333 is comprised by the communication module and communicates with an apparatus (the load 310 and / or the distributed power supply 320).
  • the control unit 334 is configured by a CPU or the like.
  • the control unit 334 controls each component provided in the local control device 330.
  • the control unit 334 performs various processes and controls described later.
  • Management method A management method according to the first embodiment will be described.
  • step S ⁇ b> 110 the power management server 200 receives facility-specific parameters from each facility 300. Specifically, the power management server 200 receives the facility-specific parameter of the facility 300A from the local control device 330 of the facility 300A (step S110A), and receives the facility-specific parameter of the facility 300B from the local control device 330 of the facility 300B. (Step S110B), the facility-specific parameter of the facility 300C is received from the local control device 330 of the facility 300C (Step S110C).
  • the facility-specific parameters transmitted from the facility 300 to the power management server 200 include the use or type of business of the facility 300, the configuration of the equipment provided in the facility 300, the location of the facility 300, the breakdown of the space of the facility 300, It includes at least one of a work schedule in the facility 300, a control algorithm used for controlling devices provided in the facility 300, and an average power consumption of the facility 300.
  • the average power consumption of the facility 300 may be expressed by a power capacity (contract power) determined by a contract between the facility 300 (customer) and a power company.
  • the local control device 330 of the facility 300 may transmit the facility-specific parameters of the facility 300 to the power management server 200 when the facility 300 is registered with the power management server 200.
  • the local control device 330 of the facility 300 may transmit the facility-specific parameter to the power management server 200 when requested by the power management server 200.
  • the local control device 330 of the facility 300 may transmit the changed facility-specific parameter (change information) to the power management server 200 when the facility-specific parameter of the facility 300 is changed.
  • the power management server 200 stores the facility-specific parameters received from each facility 300, and manages the facility-specific parameters for each facility 300.
  • the power management server 200 uses the facility-specific parameters of another facility 300 similar to the one facility 300 (for example, a facility 300 of the same size in the same area).
  • the insufficient facility-specific parameter may be compensated.
  • the power management server 200 may store and manage the prediction algorithm as one of the facility-specific parameters.
  • the power management server 200 receives a power reduction request from the power provider server 400.
  • the power management server 200 may receive a power reduction request from the server of the higher level aggregator (see the third embodiment).
  • the power reduction request may include at least one of the start date and time of the power reduction period, the duration of the power reduction period, and the requested power reduction amount.
  • the power reduction period is determined by the start date and time and the duration.
  • the requested power reduction amount may be represented by an absolute value (for example, [kW]) or a relative value (for example, [%]).
  • the power management server 200 may store in advance a requested power reduction amount (for example, DR contract capacity) determined by a contract between the aggregator and the power provider.
  • the time difference between the power reduction request timing and the power reduction start timing and the duration of power reduction may also be determined in advance in the contract.
  • the power management server 200 determines the target power reduction amount using the predicted value of the power usage amount of the facility 300 during the power reduction period.
  • the target power reduction amount is determined as follows, for example.
  • the power management server 200 calculates a baseline (P1) of power usage during a power reduction period that is a future period.
  • the baseline is a power usage amount that is predicted when there is no power reduction request, and is calculated by a predetermined algorithm based on a contract or the like.
  • the baseline is defined as, for example, an average power usage amount for a certain period before the power reduction start time.
  • the difference between the baseline and the actual power usage after power reduction may be defined as negative watts.
  • the success condition of DR may be that the difference between the negative wattage and the requested power reduction amount (the power reduction amount requested by the power company) is within a predetermined range.
  • the power management server 200 calculates a target value (P2) of the power usage after power reduction based on the baseline and the requested power reduction amount.
  • the power management server 200 calculates a predicted value (P3) of the power usage amount of the facility 300 during the power reduction period using a prediction algorithm in order to predict the power usage amount with higher accuracy than the baseline. To do.
  • the power management server 200 calculates the difference between the predicted power usage value (P3) and the target power usage value (P2) after power reduction as the target power reduction amount (P4).
  • the power management server 200 estimates an error pattern related to a prediction error that occurs when the power usage amount in the power reduction period (future period) is predicted for each facility 300.
  • the power management server 200 estimates an error pattern of each facility 300 based on the facility specific parameters of each facility 300.
  • the error pattern includes whether the prediction error becomes a positive error or a negative error, and the magnitude (absolute value) of the prediction error.
  • the prediction error is defined as “predicted value of power usage—actual power usage (true value)” in the power reduction period.
  • the prediction error is a positive value (that is, a positive error).
  • the prediction error is a negative value (that is, a negative error). Also, the greater the difference between the predicted value of power usage and the actual power usage, the greater the value (absolute value) of the prediction error. Details of the error pattern estimation processing (step S150) will be described later.
  • the error pattern estimation process (step S150) may be performed before step S140.
  • the power management server 200 determines, from the plurality of facilities 300, the facility group including the facilities 300 that are the destinations of the power reduction request, based on the error pattern of each facility 300.
  • the power management server 200 combines the facility estimated that the prediction error becomes a positive error and the facility estimated that the prediction error becomes a negative error so that the total prediction error of the facility group is minimized.
  • Determine the facility group For example, as shown in FIG. 5, it is assumed that there are a facility 300A in which the prediction error is a positive (+) error and a facility 300B in which the prediction error is a negative ( ⁇ ) error. In this case, by grouping the facility 300A and the facility 300B, the prediction error of the facility 300A and the prediction error of the facility 300B can be weakened. In FIG. 5, the absolute value approximates the prediction error of the facility 300A and the prediction error of the facility 300B, and the total prediction error of the facility group including the facilities 300A and 300B becomes a value close to zero.
  • step S160 the power management server 200 further determines that the total power reduction possible amount of the facility group is equal to or greater than the target power reduction amount based on the power reduction possible amount of each facility 300, and the total of the facility group The facility group is determined so that the prediction error is minimized. That is, the power management server 200 selects the facility 300 that constitutes the facility group so that the following two conditions are satisfied.
  • the total power reduction possible for the facility group is greater than the target power reduction.
  • the power management server 200 manages the facilities 300A to 300H and the target power reduction amount is 60 [kW].
  • the power management server 200 estimates the prediction error of each facility 300 and grasps the power reduction possible amount of each facility 300.
  • the power management server 200 determines a facility group including the facility 300B, the facility 300D, the facility 300E, the facility 300F, and the facility 300G.
  • the facility group has a total power reduction possible amount of 60 [kW].
  • the sum of positive prediction errors is +26 [kW]
  • the sum of negative prediction errors is ⁇ 26 [kW]. Therefore, since the positive prediction error and the negative prediction error are offset, the total prediction error of the facility group becomes zero.
  • the amount of power that can be reduced in the facility 300 may be determined by a contract between the facility 300 (customer) and the aggregator.
  • the power management server 200 may determine the power reduction possible amount of the facility 300 based on the estimated error pattern. For example, the power management server 200 may determine to reduce the power reduction possible amount of the facility 300 estimated that the prediction error is larger than a predetermined value.
  • the power management server 200 may vary the power reduction possible amount between the facility 300 that provides the facility-specific parameter to the power management server 200 and the facility 300 that does not provide the facility-specific parameter to the power management server 200. For example, the power management server 200 may determine to reduce the power reduction possible amount of the facility 300 that does not provide the facility-specific parameter to the power management server 200.
  • the power management server 200 may determine the power reduction possible amount further based on the most recent power usage amount of the load 310.
  • the power management server 200 may determine the power reduction possible amount based further on the rated output of the distributed power source 320.
  • the power management server 200 transmits a power reduction request to each facility 300 in the determined facility group.
  • the power management server 200 transmits a power reduction request to the facility 300A (step S170A) and transmits a power reduction request to the facility 300B (step S170B).
  • the power reduction request transmitted from the power management server 200 to the facility 300 may include at least one of the start date and time of the power reduction period, the duration of the power reduction period, and the requested power reduction amount.
  • the local control device 330 of the facility 300 that has received the power reduction request performs power reduction using the control target device within the power reduction period.
  • the power management server 200 may control each facility 300 in the facility group. For example, the power management server 200 determines that the total power reduction amount of the facility group is the target power reduction amount based on information (for example, power usage amount) fed back from each facility 300 in the facility group within the power reduction period. As such, control may be performed on each facility 300 in the facility group. In such control, the power management server 200 may predict the power usage of each facility 300 in the facility group using a prediction algorithm, and may perform control using the predicted value (that is, prediction control). .
  • the power management server 200 may perform power reduction control other than DR for each facility 300 using a control algorithm. For example, the power management server 200 performs control to turn off the load 310 such as an air conditioner in a predetermined time zone.
  • the power management server 200 may change the control pattern for each facility 300 in the facility group. For example, the facilities 300 in the facility group are adjusted to turn off the load 310 in different time zones. As a result, it is possible to reduce a phenomenon in which the prediction error increases in a specific time zone.
  • step S150 Details of the error pattern estimation process (step S150) will be described.
  • the power management server 200 acquires facility-specific parameters of each facility 300 and / or facility-specific parameter change information. Specifically, the control unit 230 of the power management server 200 reads out the facility-specific parameters (and change information) stored in the storage unit 210 in step S120.
  • Facility-specific parameters include facility usage or type of business, configuration of equipment provided in the facility, location of the facility, breakdown of the space in the facility, work schedule in the facility, control algorithm used to control equipment provided in the facility, facility Including at least one of a prediction algorithm used for predicting the power usage of the facility and an average power usage of the facility.
  • step S152 the power management server 200 acquires an external factor parameter that affects the prediction error.
  • the external factor parameter is a parameter related to the power reduction period, and includes at least one of weather conditions, seasons, days of the week, and time zones, for example.
  • Weather conditions may include weather and temperature.
  • the power management server 200 may acquire weather conditions from a server (not shown) that distributes weather information.
  • Step S152 may be performed before step S151. Step S152 is not essential and may be omitted.
  • step S153 the power management server 200 estimates an error pattern for each facility 300 based on the facility-specific parameters and / or the change information.
  • the power management server 200 may estimate the error pattern further based on the external factor parameter.
  • facility use or business type is, for example, a house, a store, a company (office), a school, a data center, or the like. These pieces of information may be further subdivided.
  • the daytime zone of weekdays is assumed. Companies and schools tend to increase power consumption as the number of users increases. On the other hand, department stores tend to reduce power consumption as the number of users decreases. Therefore, the power management server 200 estimates that the prediction error of the company and the school becomes a negative error (that is, the actual power consumption increases with respect to the predicted value) during the daytime hours on weekdays. The power management server 200 estimates that in the daytime hours of weekdays, the department store estimates that the prediction error is a positive error (that is, the actual power consumption is lower than the predicted value).
  • the power management server 200 estimates that the prediction error becomes a negative error in the data center and the prediction error becomes a positive error in the house, the store, and the office.
  • the configuration of equipment provided in the facility includes the type and specifications of the equipment.
  • a showcase provided in a supermarket is assumed.
  • the influence of the in-store environment on the temperature inside the showcase is small, and therefore the fluctuation of the power consumption tends to be small.
  • the power management server 200 estimates that the prediction error is small for a supermarket where the showcase is a reach-in type, and the prediction error is large for a supermarket where the showcase is not a reach-in type.
  • the breakdown of the space of the facility includes the presence / absence and size of the parking lot in the store, the presence / absence of the eat-in space in the store, and the like.
  • the power management server 200 estimates that a store with a large parking lot has a negative prediction error, and a store with a small or no parking lot has a positive prediction error.
  • the time zone for lunch and dinner is assumed.
  • Stores with eat-in spaces tend to increase power consumption as the number of users increases.
  • stores that do not have eat-in spaces tend to reduce power consumption due to a decrease in users. Therefore, the power management server 200 estimates that, for lunch and dinner times, a store with eat-in space has a negative prediction error, and a store without eat-in space has a positive prediction error. .
  • Control Algorithm and Prediction Algorithm The control algorithm is the type / content of an algorithm used for power reduction control other than DR and the presence / absence of the control. For example, when a time zone is used as the external factor parameter, a time zone of 16:00 is assumed. Facilities that perform control to switch the air conditioner from off to on at 16:00 tend to increase the amount of power used. On the other hand, the amount of power used tends to decrease in facilities where control is performed to switch the air conditioner from on to off at 16:00. Therefore, the power management server 200 has a negative prediction error in the facility where the control is performed to switch the air conditioner from OFF to ON at 16:00 in the 16:00 range, and the air conditioner is turned OFF from 16:00 at 16:00. The facility where the switching control is performed estimates that the prediction error becomes a positive error.
  • the prediction algorithm is the type and content of an algorithm for predicting a value at another time point using a parameter at a certain time point.
  • the power usage data used for prediction of the power usage is data in a time zone in which control by the control algorithm is performed.
  • the power management server 200 estimates that the prediction error becomes a negative error in such a case.
  • the power usage data used for the prediction of the power usage is data in a time zone when the control by the control algorithm is not performed. In this case, when the power usage amount in the time zone in which control by the control algorithm is performed is predicted, the actual power usage amount tends to be smaller than the predicted value. Therefore, the power management server 200 estimates that the prediction error becomes a positive error in such a case.
  • the power management server 200 may estimate the magnitude of the prediction error according to the type of the prediction algorithm.
  • the power management server 200 estimates the size of the prediction error according to the average power usage (contract power) of the facility.
  • the power management server 200 estimates that the prediction error increases when the contracted power of the facility is changed.
  • the power management server 200 estimates that the prediction error is small when the contracted power of the facility is changed to be small.
  • the power management server 200 acquires statistical information based on past prediction errors for each facility 300 and estimates an error pattern of each facility 300 based on the statistical information.
  • the power management server 200 predicts the power usage of each facility 300 using a prediction algorithm.
  • the power management server 200 may predict the power usage amount using a different prediction algorithm for each facility 300.
  • step S220 the power management server 200 receives the actual power consumption (measured value) from each facility 300.
  • step S230 the power management server 200 calculates a prediction error based on the predicted value of the power usage and the actual power usage, and stores and manages the prediction error.
  • the power management server 200 repeats the processes of steps S210 to S230, thereby performing statistical processing of prediction errors and calculating statistical information of prediction errors.
  • the statistical information of prediction error includes an error pattern of prediction error and prediction accuracy.
  • the power management server 200 manages statistical information of prediction errors in association with facilities, external factor parameters, and types of prediction algorithms.
  • the external factor parameter includes, for example, at least one of a weather condition, a season, a day of the week, and a time zone.
  • the power management server 200 may further manage the statistical information of the prediction error in association with the facility specific parameter.
  • As the types of prediction algorithms a first prediction algorithm that performs linear prediction from data on the latest power consumption, a second prediction algorithm that uses an average value of power consumption in the same time period in the past, and weather conditions (weather) And a third prediction algorithm for predicting the power usage from the weather forecast based on statistical information indicating the correlation between the power usage and the power consumption.
  • the predicted value tends to shift downward during a time period in which the power usage increases rapidly, and a negative prediction error tends to occur.
  • the second prediction algorithm when a new device is introduced into a facility, the actual power usage increases from the past power usage and the predicted value shifts downward, and a negative prediction error tends to occur. is there.
  • the third prediction algorithm when the weather forecast is cloudy and actually clear, the electric power consumption tends to increase due to an increase in temperature, or the electric power consumption tends to decrease due to an increase in the power generation amount of the solar cell.
  • steps S240 and S250 is the same as that in the first embodiment.
  • step S260 the power management server 200 estimates an error pattern for each facility 300.
  • the power management server 200 estimates an error pattern of each facility 300 based on statistical information based on past prediction errors. Details of the error pattern estimation processing (step S260) will be described later. Step S260 may be performed before step S250.
  • steps S270 and S280 are the same as those in the first embodiment.
  • step S260 Details of the error pattern estimation process (step S260) will be described.
  • step S261 the power management server 200 acquires an external factor parameter related to the power reduction period.
  • step S262 the power management server 200 performs statistical information associated with the acquired external factor parameter based on the statistical information of the prediction error managed in step S230 and the external factor parameter acquired in step S261. To get.
  • step S263 the power management server 200 selects a prediction algorithm with the highest prediction accuracy for each facility 300 based on the statistical information acquired in step S262.
  • step S264 the power management server 200 estimates an error pattern of each facility 300 based on the prediction algorithm and statistical information selected in step S264.
  • the power management server 200 may manage statistical information of prediction errors in further association with facility-specific parameters (particularly, business schedules and control algorithms).
  • the power management server 200 determines a business schedule and / or control algorithm that minimizes the prediction error based on the managed statistical information, and notifies the facility 300 of the determined business schedule and / or control algorithm. Good.
  • the local control device 330 of the facility 300 may notify the power management server 200 when changing the business schedule and / or the control algorithm in response to the notification from the power management server 200.
  • the power management system according to the third embodiment has a hierarchical power management server configuration.
  • the power management system includes a plurality of lower power management servers 200 (200A, 200B,...) And a higher power management server 500 that manages the plurality of lower power management servers 200.
  • the lower power management server 200A manages a plurality of facilities 300A (300A1, 300A2,).
  • the lower power management server 200B manages a plurality of facilities 300B (300B1, 300B2, etc.
  • the lower power management server 200 is a server managed by the lower aggregator.
  • the lower aggregator is a business operator that collects power reductions by bundling a plurality of facilities 300.
  • the lower power management server 200 is an example of a lower management apparatus that manages a plurality of facilities 300.
  • the upper power management server 500 is a server managed by the upper aggregator.
  • the upper aggregator is a business operator that collects a power reduction amount by bundling a plurality of lower aggregators (a plurality of lower power management servers 200).
  • the higher-level power management server 500 is an example of a higher-level management device that manages a plurality of lower-level management devices.
  • the hardware configuration of the upper power management server 500 is the same as that of the lower power management server 200 (see FIG. 2).
  • the upper power management server 500 may be shared with the power provider server 400. In this case, the upper power management server 500 may be managed by a power provider that provides an infrastructure such as a power system.
  • the upper power management server 500 responds to the lower power management server 200 (lower power management server group) selected from the plurality of lower power management servers 200 in response to reception of the power reduction request from the power provider server 400. Send a power reduction request.
  • the lower power management server 200 selected by the upper power management server 500 receives the power reduction request from the upper power management server 500, and selects the facility 300 selected from the plurality of facilities 300 under its management. Send a power reduction request.
  • the operation in which the lower power management server 200 determines the facility group is the same as in the first embodiment or the second embodiment.
  • the method of minimizing the prediction error of the total of the facility groups by making the prediction errors weaken between the facilities by grouping the facilities 300 has been described.
  • the prediction error is weakened between the lower power management servers by grouping the lower power management servers 200, and the total prediction error of the lower power management server groups is minimized.
  • step S ⁇ b> 310 the upper power management server 500 receives prediction error statistical information from each lower power management server 200. Specifically, the upper power management server 500 receives the prediction error statistical information of the lower power management server 200A from the lower power management server 200A (step S310A), and the prediction error of the lower power management server 200B from the lower power management server 200B. Statistical information is received (step S310B), and prediction error statistical information of the lower power management server 200C is received from the lower power management server 200C (step S310C).
  • Prediction error statistical information is information calculated by the lower power management server 200 through statistical processing based on past prediction errors.
  • the prediction error statistical information may include an upper shake amount and a lower shake amount.
  • the upward amount is a predicted value of how much the actual power usage amount will increase when the actual power usage amount is higher than the predicted value of the power usage amount.
  • the amount of downward swing is a predicted value of how much downward the actual amount of power used falls when the amount of actual power usage falls below the predicted value of power usage.
  • the prediction error statistical information may include a prediction error width and a prediction error center.
  • the prediction error width is a predicted value of a deviation width of the actual power usage amount with respect to the predicted power usage amount.
  • the prediction error center is a value indicating the center of the prediction error width.
  • Table 1 shows an example of transmitting the amount of upswing and downswing using a message conforming to Open ADR.
  • the lower power management server 200 may periodically transmit the prediction error statistical information to the upper power management server 500.
  • the lower power management server 200 may transmit prediction error statistical information to the upper power management server 500 when requested by the upper power management server 500.
  • the upper power management server 500 stores the prediction error statistical information received from each lower power management server 200 and manages the prediction error statistical information for each lower power management server 200.
  • step S320 the upper power management server 500 receives a power reduction request from the power provider server 400.
  • step S330 the upper power management server 500 estimates an error pattern for each lower power management server 200 based on the prediction error statistical information received in step S310.
  • the error pattern includes whether the prediction error becomes a positive error or a negative error, and the magnitude (absolute value) of the prediction error.
  • step S340 the upper power management server 500, based on the error pattern of each lower power management server 200, out of the plurality of lower power management servers 200, the lower power management server 200 that is the destination of the power reduction request. Determine the power management server group.
  • the upper power management server 500 combines the lower power management server estimated that the prediction error becomes a positive error with the lower power management server estimated that the prediction error becomes a negative error, thereby The lower power management server group is determined so that the total prediction error is minimized.
  • the upper power management server 500 further determines that the total power reducible amount of the lower power management server group is equal to or greater than the required power reduction amount based on the power reducible amount of each lower power management server 200, and the lower power management server The lower power management server group may be determined so that the total group prediction error is minimized.
  • the upper power management server 500 transmits a power reduction request to each lower power management server 200 in the determined lower power management server group.
  • the upper power management server 500 transmits a power reduction request to the lower power management server 200A (step S350A), and transmits a power reduction request to the lower power management server 200B (step S350B).
  • the lower power management server 200 that has received the power reduction request determines a facility group by the same method as in the first embodiment or the second embodiment.
  • the upper power management server 500 performs provisional grouping of the lower power management server 200 in response to receiving the power reduction request from the power provider server 400, determines a provisional lower power management server group, and provisional lower power management.
  • a power reduction request is transmitted to each lower power management server 200 in the server group.
  • the lower power management server 200 performs grouping of the facilities 300 in response to the reception of the power reduction request from the upper power management server 500, and determines the facility group.
  • the lower power management server 200 calculates a residual error in the total prediction error of the determined facility group, and transmits information indicating the calculated residual error to the upper power management server 500 as prediction error statistical information.
  • the lower power management server 200 may transmit prediction error statistical information to the upper power management server 500 in response to a request from the upper power management server 500.
  • the upper power management server 500 receives prediction error statistical information (information indicating residual error) from each lower power management server 200 in the provisional lower power management server group, and based on the received prediction error statistical information, the lower power The management server 200 is regrouped, and the power reduction request to the lower power management server 200 is updated.
  • prediction error statistical information information indicating residual error
  • the power management server 200 may add and / or change an error pattern estimation rule based on statistical information as described in the second embodiment.
  • a program for causing a computer to execute the management method according to the first to third embodiments may be provided.
  • the program may be recorded on a computer readable medium. If a computer-readable medium is used, a program can be installed in the computer.
  • the computer-readable medium on which the program is recorded may be a non-transitory recording medium.
  • the non-transitory recording medium is not particularly limited, but may be a recording medium such as a CD-ROM or a DVD-ROM.

Landscapes

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

Abstract

管理方法は、複数のエンティティのそれぞれについて、将来の期間における電力使用量を予測する場合に発生する予測誤差に関する誤差パターンを推定するステップＡと、前記誤差パターンに基づいて、前記複数のエンティティの中から、前記電力使用量の削減を要請する電力削減要請の宛先とするエンティティからなるグループを決定するステップＢとを備える。前記ステップＡは、前記予測誤差が正の誤差になるか又は負の誤差になるかを推定するステップを含む。前記ステップＢは、前記予測誤差が正の誤差になると推定されたエンティティと前記予測誤差が負の誤差になると推定されたエンティティとを組み合わせることにより、前記グループの合計の予測誤差が最小になるように前記グループを決定するステップを含む。

Description

管理方法及び管理装置
　本発明は、電力管理システムに用いられる管理方法及び管理装置に関する。
　近年、電力を供給する電力事業者が電力使用量の削減を要請し、電力系統に接続された施設（需要家）における電力使用量を削減することにより、電力の需要及び供給のバランスをとる仕組みであるＤＲ（Ｄｅｍａｎｄ　Ｒｅｓｐｏｎｓｅ）が注目されている。
　このようなＤＲにおいて、複数の施設を管理する管理装置が用いられることがある。管理装置は、電力事業者からの電力削減要請に応じて、配下の複数の施設のうち電力削減要請を受け入れ可能な施設及び削減させる電力使用量を決定し、当該施設に電力使用量の削減を要請する。このような処理を適切に行うために、管理装置は、電力使用量の削減が要請された将来の期間における施設の電力使用量を予測する必要がある。
　ＤＲの成功条件として、電力事業者から要請された電力削減量と実際に達成された電力削減量との差を所定値以内に収めることが要求される。よって、ＤＲの成功率を高めるために、電力使用量の予測精度を高めることが望まれる。
　電力使用量の予測が外れるリスクを小さくするための方法として、各機器（空気調和装置）のＤＲ成績情報に基づいて、非安定条件を満たす機器を特定し、特定した機器を除外する又は重み付けを小さくして電力使用量を予測する方法が提案されている（特許文献１参照）。
特開２０１６－２１７５９８号公報
　一つの様態に係る管理方法は、電力を使用又は管理する複数のエンティティを管理する管理装置において用いられる。前記管理方法は、前記複数のエンティティのそれぞれについて、将来の期間における電力使用量を予測する場合に発生する予測誤差に関する誤差パターンを推定するステップＡと、前記誤差パターンに基づいて、前記複数のエンティティの中から、前記電力使用量の削減を要請する電力削減要請の宛先とするエンティティからなるグループを決定するステップＢとを備える。前記ステップＡは、前記予測誤差が正の誤差になるか又は負の誤差になるかを推定するステップを含む。前記ステップＢは、前記予測誤差が正の誤差になると推定されたエンティティと前記予測誤差が負の誤差になると推定されたエンティティとを組み合わせることにより、前記グループの合計の予測誤差が最小になるように前記グループを決定するステップを含む。
第１及び第２実施形態に係る電力管理システムの構成を示す図である。 第１～第３実施形態に係る電力管理サーバの構成を示す図である。 第１～第３実施形態に係るローカル制御装置の構成を示す図である。 第１実施形態に係る管理方法を示す図である。 第１実施形態に係る施設のグルーピングの一例を示す図である。 第１実施形態に係る施設のグルーピングの他の例を示す図である。 第１実施形態に係る誤差パターンの推定処理を示す図である。 第２実施形態に係る管理方法を示す図である。 第２実施形態に係る誤差パターンの推定処理を示す図である。 第３実施形態に係る電力管理システムの構成を示す図である。 第３実施形態に係る管理方法を示す図である。
　実施形態について図面を参照しながら説明する。以下の図面の記載において、同一又は類似の部分には、同一又は類似の符号を付している。
　［実施形態の概要］
　背景技術に言及した電力使用量の予測精度を高めることには限界があるため、実際の電力使用量に対して誤差（予測誤差）が発生することは不可避であると考えられる。よって、電力使用量の予測精度を高めることによりＤＲの成功率を高めるアプローチには自ずと限界がある。
　以下において、電力使用量の予測誤差の発生を許容しつつ、ＤＲの成功率を高めることを可能とする管理方法及び管理装置について説明する。
　第１～第３実施形態に係る管理方法は、電力を使用又は管理する複数のエンティティを管理する管理装置において用いられる。前記管理方法は、前記複数のエンティティのそれぞれについて、将来の期間における電力使用量を予測する場合に発生する予測誤差に関する誤差パターンを推定するステップＡと、前記誤差パターンに基づいて、前記複数のエンティティの中から、前記電力使用量の削減を要請する電力削減要請の宛先とするエンティティからなるグループを決定するステップＢとを備える。前記ステップＡは、前記予測誤差が正の誤差になるか又は負の誤差になるかを推定するステップを含む。前記ステップＢは、前記予測誤差が正の誤差になると推定されたエンティティと前記予測誤差が負の誤差になると推定されたエンティティとを組み合わせることにより、前記グループの合計の予測誤差が最小になるように前記グループを決定するステップを含む。
　このような管理方法によれば、予測誤差が正の誤差になると推定されたエンティティと予測誤差が負の誤差になると推定されたエンティティとを組み合わせることにより、正の誤差と負の誤差とが弱め合うようにすることができる。すなわち、このような管理方法によれば、正の誤差と負の誤差とが足し合わさることによって、グループの合計の予測誤差を小さくすることができる。よって、このような管理方法によれば、予測誤差の発生を許容しつつ、グループの合計の予測誤差を最小にすることができるため、ＤＲの成功率を高めることができる。
　第１及び第２実施形態において、管理装置は、複数のエンティティとして複数の施設を管理する。第３実施形態において、管理装置は、複数のエンティティとして複数の下位管理装置を管理する上位管理装置である。
　［第１実施形態］
　（電力管理システム）
　第１実施形態に係る電力管理システムの構成について説明する。図１に示すように、電力管理システム１００は、電力管理サーバ２００と、複数の施設３００と、電力事業者サーバ４００とを有する。図１では、複数の施設３００として、施設３００Ａ、３００Ｂ、３００Ｃ、…が例示されている。各施設３００は、電力系統１１０に接続される。以下において、電力系統１１０から施設３００への電力の流れを潮流と称する。施設３００から電力系統１１０への電力の流れを逆潮流と称する。
　電力管理サーバ２００、施設３００、及び電力事業者サーバ４００は、ネットワーク１２０に接続されている。ネットワーク１２０は、電力管理サーバ２００と施設３００との間の回線及び電力管理サーバ２００と電力事業者サーバ４００との間の回線を提供すればよい。ネットワーク１２０は、例えば、インターネットである。ネットワーク１２０は、ＶＰＮ（Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｎｅｔｗｏｒｋ）などの専用回線を提供してもよい。
　電力管理サーバ２００は、アグリゲータによって管理されるサーバである。アグリゲータは、複数の施設３００を束ねて電力削減量を集める事業者である。第１実施形態において、電力管理サーバ２００は、複数の施設３００を管理する管理装置の一例である。電力管理サーバ２００は、アグリゲータＤＲＡＳ（Ｄｅｍａｎｄ　Ｒｅｓｐｏｎｓｅ　Ａｕｔｏｍａｔｉｏｎ　Ｓｅｒｖｅｒ）と称されてもよい。
　施設３００は、例えば、スーパーマーケット及びコンビニエンスストアなどの店舗である。施設３００は、住宅、ビル、又は工場であってもよい。施設３００は、負荷３１０、分散電源３２０、及びローカル制御装置３３０を有する。負荷３１０は、電力を使用して動作する機器である。負荷３１０は、例えば、空調機器であってもよく、照明機器であってもよい。分散電源３２０は、電力を出力する機能及び電力を蓄積する機能の少なくともいずれかを有する機器である。分散電源３２０は、例えば、太陽電池であってもよく、燃料電池であってもよく、蓄電池であってもよい。ローカル制御装置３３０は、施設３００の電力を管理する装置（ＥＭＳ；Ｅｎｅｒｇｙ　Ｍａｎａｇｅｍｅｎｔ　Ｓｙｓｔｅｍ）である。ローカル制御装置３３０は、負荷３１０の動作状態を制御してもよく、施設３００に設けられる分散電源３２０の動作状態を制御してもよい。ローカル制御装置３３０は、対応する施設３００の電力使用量（測定値）を周期的に電力管理サーバ２００に送信してもよい。施設３００の電力使用量は、施設３００に設けられたスマートメータ（不図示）により測定されてもよい。
　電力事業者サーバ４００は、電力系統１１０などのインフラストラクチャーを提供する電力事業者によって管理されるサーバである。電力事業者サーバ４００は、電力需給バランスの安定化を図るために、電力使用量（潮流量）の削減を要請する電力削減要請を電力管理サーバ２００に送信する。電力事業者サーバ４００は、電力事業者ＤＲＡＳと称されてもよい。電力削減要請は、ＤＲ要請と称されてもよい。
　電力管理サーバ２００は、電力事業者サーバ４００からの電力削減要請の受信に応じて、複数の施設３００の中から選択した施設３００に対して電力削減要請を送信する。電力管理サーバ２００により選択された施設３００のローカル制御装置３３０は、電力管理サーバ２００からの電力削減要請の受信に応じて、電力使用量（潮流量）を削減するよう制御対象機器（負荷３１０及び／又は分散電源３２０）を制御する。負荷３１０の動作を停止又は抑制することにより、電力使用量が削減される。分散電源３２０から電力を出力することにより、電力使用量が削減されてもよい。
　第１実施形態において、電力管理サーバ２００と電力事業者サーバ４００との間の通信、及び電力管理サーバ２００とローカル制御装置３３０との間の通信は、第１プロトコルに従って行われる。一方で、ローカル制御装置３３０と機器（負荷３１０又は分散電源３２０）との間の通信は、第１プロトコルとは異なる第２プロトコルに従って行われる。第１プロトコルとしては、例えば、Ｏｐｅｎ　ＡＤＲ（Ａｕｔｏｍａｔｅｄ　Ｄｅｍａｎｄ　Ｒｅｓｐｏｎｓｅ）に準拠するプロトコル、或いは、独自の専用プロトコルを用いることができる。第２プロトコルは、例えば、ＥＣＨＯＮＥＴ　Ｌｉｔｅに準拠するプロトコル、ＳＥＰ（Ｓｍａｒｔ　Ｅｎｅｒｇｙ　Ｐｒｏｆｉｌｅ）２．０、ＫＮＸ、或いは、独自の専用プロトコルを用いることができる。電力管理サーバ２００は、第１プロトコルを用いて機器（負荷３１０又は分散電源３２０）との通信を行ってもよい。この場合、電力管理サーバ２００は、ローカル制御装置３３０を介さずに直接的に機器を制御することができる。
　第１実施形態に係る電力管理サーバ２００の構成について説明する。図２に示すように、電力管理サーバ２００は、記憶部２１０と、通信部２２０と、制御部２３０とを有する。記憶部２１０は、不揮発性メモリ及び／又はＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などの記憶媒体によって構成される。記憶部２１０は、制御部２３０による処理及び制御に用いられる情報を記憶する。通信部２２０は、通信モジュールによって構成される。通信部２２０は、ネットワーク１２０を介して電力管理サーバ２００及びローカル制御装置３３０と通信を行う。制御部２３０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などによって構成される。制御部２３０は、電力管理サーバ２００に設けられる各構成を制御する。制御部２３０は、後述する各種の処理及び制御を行う。
　第１実施形態に係るローカル制御装置３３０の構成について説明する。図３に示すように、ローカル制御装置３３０は、記憶部３３１と、第１通信部３３２と、第２通信部３３３と、制御部３３４とを有する。記憶部３３１は、制御部３３４による処理及び制御に用いられる情報を記憶する。第１通信部３３２は、通信モジュールによって構成されており、ネットワーク１２０を介して電力管理サーバ２００と通信を行う。第２通信部３３３は、通信モジュールによって構成されており、機器（負荷３１０及び／又は分散電源３２０）と通信を行う。制御部３３４は、ＣＰＵなどによって構成される。制御部３３４は、ローカル制御装置３３０に設けられる各構成を制御する。制御部３３４は、後述する各種の処理及び制御を行う。
　（管理方法）
　第１実施形態に係る管理方法について説明する。
　図４に示すように、ステップＳ１１０において、電力管理サーバ２００は、各施設３００から施設固有パラメータを受信する。具体的には、電力管理サーバ２００は、施設３００Ａのローカル制御装置３３０から施設３００Ａの施設固有パラメータを受信し（ステップＳ１１０Ａ）、施設３００Ｂのローカル制御装置３３０から施設３００Ｂの施設固有パラメータを受信し（ステップＳ１１０Ｂ）、施設３００Ｃのローカル制御装置３３０から施設３００Ｃの施設固有パラメータを受信する（ステップＳ１１０Ｃ）。
　施設３００から電力管理サーバ２００に送信される施設固有パラメータは、当該施設３００の用途又は業種、当該施設３００に設けられた機器の構成、当該施設３００の立地、当該施設３００が有するスペースの内訳、当該施設３００における業務スケジュール、当該施設３００に設けられた機器の制御に用いる制御アルゴリズム、当該施設３００の平均電力使用量のうち、少なくとも１つを含む。施設３００の平均電力使用量は、施設３００（需要家）と電力事業者との契約により定まる電力容量（契約電力）により表現されてもよい。
　施設３００のローカル制御装置３３０は、電力管理サーバ２００に対する施設３００の登録時に、施設３００の施設固有パラメータを電力管理サーバ２００に送信してもよい。施設３００のローカル制御装置３３０は、電力管理サーバ２００から要求があった際に、施設固有パラメータを電力管理サーバ２００に送信してもよい。施設３００のローカル制御装置３３０は、施設３００の施設固有パラメータが変更された際に、変更された施設固有パラメータ（変更情報）を電力管理サーバ２００に送信してもよい。
　ステップＳ１２０において、電力管理サーバ２００は、各施設３００から受信した施設固有パラメータを記憶し、施設３００ごとに施設固有パラメータを管理する。電力管理サーバ２００は、一の施設３００の施設固有パラメータに不足がある場合、当該一の施設３００に類似する他の施設３００（例えば、同地域の同規模の施設３００）の施設固有パラメータを用いて、当該不足する施設固有パラメータを補ってもよい。電力使用量の予測に用いる予測アルゴリズムが施設３００ごとに異なる場合、電力管理サーバ２００は、施設固有パラメータの１つとして予測アルゴリズムを記憶及び管理してもよい。
　ステップＳ１３０において、電力管理サーバ２００は、電力事業者サーバ４００から電力削減要請を受信する。或いは、電力管理サーバ２００は、上位アグリゲータ（第３実施形態参照）のサーバから電力削減要請を受信してもよい。電力削減要請は、電力削減期間の開始日時、電力削減期間の継続時間、及び要請電力削減量のうち少なくとも１つを含んでもよい。開始日時及び継続時間により電力削減期間が定められる。要請電力削減量は、絶対値（例えば、［ｋＷ］）で表されてもよく、相対値（例えば、［％］）で表されてもよい。或いは、電力管理サーバ２００は、アグリゲータと電力事業者との間の契約で定められた要請電力削減量（例えば、ＤＲ契約容量）を予め記憶していてもよい。電力削減要請のタイミングと電力削減の開始タイミングとの間の時間差、及び電力削減の継続時間も、契約で予め定められてもよい。
　ステップＳ１４０において、電力管理サーバ２００は、電力削減期間における施設３００の電力使用量の予測値を用いて目標電力削減量を決定する。目標電力削減量は、例えば次のようにして決定される。第１に、電力管理サーバ２００は、将来の期間である電力削減期間における電力使用量のベースライン（Ｐ１）を算出する。ベースラインは、電力削減要請がない場合に予測される電力使用量であり、契約などに基づいて所定のアルゴリズムで計算される。ベースラインは、例えば電力削減の開始時間の前の一定期間の平均電力使用量として定義される。ベースラインと電力削減後の実際の電力使用量との差分はネガワットとして定義されてもよい。ＤＲの成功条件は、ネガワットと要請電力削減量（電力事業者から要請された電力削減量）との差分が所定範囲内に収まることであってもよい。第２に、電力管理サーバ２００は、ベースラインと要請電力削減量とに基づいて、電力削減後の電力使用量の目標値（Ｐ２）を算出する。第３に、電力管理サーバ２００は、ベースラインよりも高精度な電力使用量を予測するために、予測アルゴリズムを用いて、電力削減期間における施設３００の電力使用量の予測値（Ｐ３）を算出する。第４に、電力管理サーバ２００は、電力使用量の予測値（Ｐ３）と電力削減後の電力使用量の目標値（Ｐ２）との差分を目標電力削減量（Ｐ４）として算出する。
　ステップＳ１５０において、電力管理サーバ２００は、各施設３００について、電力削減期間（将来の期間）における電力使用量を予測する場合に発生する予測誤差に関する誤差パターンを推定する。第１実施形態において、電力管理サーバ２００は、各施設３００の施設固有パラメータに基づいて、各施設３００の誤差パターンを推定する。誤差パターンは、予測誤差が正の誤差になるか又は負の誤差になるか、及び予測誤差の大きさ（絶対値）を含む。例えば、予測誤差は、電力削減期間における「電力使用量の予測値－実際の電力使用量（真値）」として定義される。電力使用量の予測値が実際の電力使用量よりも大きい場合、予測誤差は正の値（すなわち、正の誤差）になる。電力使用量の予測値が実際の電力使用量よりも小さい場合、予測誤差は負の値（すなわち、負の誤差）になる。また、電力使用量の予測値と実際の電力使用量との乖離が大きい程、予測誤差の値（絶対値）が大きくなる。誤差パターンの推定処理（ステップＳ１５０）の詳細については後述する。誤差パターンの推定処理（ステップＳ１５０）は、ステップＳ１４０の前に行われてもよい。
　ステップＳ１６０において、電力管理サーバ２００は、各施設３００の誤差パターンに基づいて、複数の施設３００の中から、電力削減要請の宛先とする施設３００からなる施設グループを決定する。電力管理サーバ２００は、予測誤差が正の誤差になると推定された施設と予測誤差が負の誤差になると推定された施設とを組み合わせることにより、施設グループの合計の予測誤差が最小になるように施設グループを決定する。例えば、図５に示すように、予測誤差が正（＋）の誤差になる施設３００Ａと予測誤差が負（－）の誤差になる施設３００Ｂとが存在すると仮定する。この場合、施設３００Ａと施設３００Ｂとをグループ化することにより、施設３００Ａの予測誤差及び施設３００Ｂの予測誤差が弱め合うようにすることができる。図５では、施設３００Ａの予測誤差及び施設３００Ｂの予測誤差で絶対値が近似しており、施設３００Ａ及び３００Ｂからなる施設グループの合計の予測誤差はゼロに近い値になる。
　また、ステップＳ１６０において、電力管理サーバ２００は、各施設３００の電力削減可能量にさらに基づいて、施設グループの合計の電力削減可能量が目標電力削減量以上になり、かつ、施設グループの合計の予測誤差が最小になるように、施設グループを決定する。すなわち、電力管理サーバ２００は、以下の２つの条件が満たされるように、施設グループを構成する施設３００を選択する。
　・施設グループの合計の電力削減可能量が目標電力削減量以上である。
　・施設グループの合計の予測誤差が最小である。
　例えば、図６に示すように、電力管理サーバ２００が施設３００Ａ～３００Ｈを管理しており、目標電力削減量が６０［ｋＷ］であると仮定する。電力管理サーバ２００は、各施設３００の予測誤差を推定し、かつ、各施設３００の電力削減可能量を把握している。電力管理サーバ２００は、施設３００Ｂ、施設３００Ｄ、施設３００Ｅ、施設３００Ｆ、及び施設３００Ｇからなる施設グループを決定する。当該施設グループは、合計の電力削減可能量が６０［ｋＷ］である。また、当該施設グループは、正の予測誤差の合計が＋２６［ｋＷ］であり、負の予測誤差の合計が－２６［ｋＷ］である。よって、正の予測誤差と負の予測誤差が相殺されるため、施設グループの合計の予測誤差がゼロになる。
　施設３００の電力削減可能量は、施設３００（需要家）とアグリゲータとの契約により定められてもよい。電力管理サーバ２００は、推定した誤差パターンに基づいて、施設３００の電力削減可能量を決定してもよい。例えば、電力管理サーバ２００は、予測誤差が所定値よりも大きいと推定された施設３００の電力削減可能量を小さくするように決定してもよい。電力管理サーバ２００は、施設固有パラメータを電力管理サーバ２００に提供した施設３００と施設固有パラメータを電力管理サーバ２００に提供しなかった施設３００とで電力削減可能量を異ならせてもよい。例えば、電力管理サーバ２００は、施設固有パラメータを電力管理サーバ２００に提供しない施設３００の電力削減可能量を小さくするように決定してもよい。制御対象機器としての負荷３１０の動作を停止することで電力削減を行う場合、電力管理サーバ２００は、負荷３１０の直近の電力使用量にさらに基づいて電力削減可能量を決定してもよい。制御対象機器としての分散電源３２０から電力を出力することで電力削減を行う場合、電力管理サーバ２００は、分散電源３２０の定格出力にさらに基づいて電力削減可能量を決定してもよい。
　施設グループの決定後、ステップＳ１７０において、電力管理サーバ２００は、決定された施設グループ内の各施設３００に対して電力削減要請を送信する。例えば、電力管理サーバ２００は、施設３００Ａに電力削減要請を送信し（ステップＳ１７０Ａ）、施設３００Ｂに電力削減要請を送信する（ステップＳ１７０Ｂ）。電力管理サーバ２００から施設３００に送信される電力削減要請は、電力削減期間の開始日時、電力削減期間の継続時間、及び要請電力削減量のうち少なくとも１つを含んでもよい。電力削減要請を受信した施設３００のローカル制御装置３３０は、電力削減期間内において制御対象機器を用いて電力削減を行う。
　電力削減期間の開始後、電力管理サーバ２００は、施設グループ内の各施設３００に対する制御を行ってもよい。例えば、電力管理サーバ２００は、電力削減期間内において、施設グループ内の各施設３００からフィードバックされる情報（例えば、電力使用量）に基づいて、施設グループの合計の電力削減量が目標電力削減量になるように、施設グループ内の各施設３００に対する制御を行ってもよい。このような制御において、電力管理サーバ２００は、予測アルゴリズムを用いて、施設グループ内の各施設３００の電力使用量を予測し、予測値を用いた制御（すなわち、予測制御）を行ってもよい。
　電力管理サーバ２００は、制御アルゴリズムを用いて、各施設３００に対して、ＤＲ以外の電力削減制御を行ってもよい。例えば、電力管理サーバ２００は、所定の時間帯において、空調機器などの負荷３１０をオフにする制御を行う。このような電力削減制御を行う場合、電力管理サーバ２００は、施設グループ内の各施設３００に対する制御パターンを異ならせてもよい。例えば、施設グループ内の施設３００が異なる時間帯において負荷３１０をオフにするよう調整する。これにより、特定の時間帯において予測誤差が大きくなる現象を低減することができる。
　次に、誤差パターンの推定処理（ステップＳ１５０）の詳細について説明する。
　図７に示すように、ステップＳ１５１において、電力管理サーバ２００は、各施設３００の施設固有パラメータ、及び／又は施設固有パラメータの変更情報を取得する。具体的には、電力管理サーバ２００の制御部２３０は、ステップＳ１２０で記憶部２１０に記憶された施設固有パラメータ（及び変更情報）を読み出す。施設固有パラメータは、施設の用途又は業種、施設に設けられた機器の構成、施設の立地、施設が有するスペースの内訳、施設における業務スケジュール、施設に設けられた機器の制御に用いる制御アルゴリズム、施設の電力使用量の予測に用いる予測アルゴリズム、施設の平均電力使用量のうち、少なくとも１つを含む。
　ステップＳ１５２において、電力管理サーバ２００は、予測誤差に影響を与える外的要因パラメータを取得する。外的要因パラメータは、電力削減期間に関するパラメータであって、例えば、気象条件、季節、曜日、及び時間帯のうち、少なくとも１つを含む。気象条件は、天候及び気温を含んでもよい。電力管理サーバ２００は、気象情報を配信するサーバ（不図示）から気象条件を取得してもよい。ステップＳ１５２はステップＳ１５１よりも前に行われてもよい。また、ステップＳ１５２は必須ではなく、省略してもよい。
　ステップＳ１５３において、電力管理サーバ２００は、施設固有パラメータ及び／又は変更情報に基づいて、各施設３００について誤差パターンを推定する。電力管理サーバ２００は、外的要因パラメータにさらに基づいて誤差パターンを推定してもよい。
　以下において、電力管理サーバ２００が誤差パターンを推定する際に用いる推定規則の具体例について説明する。
　（１）施設の用途又は業種
　施設の用途又は業種とは、例えば、住宅、店舗、会社（オフィス）、学校、データセンタなどである。これらの情報は、さらに細分化されてもよい。
　例えば、外的要因パラメータとして曜日及び時間帯を用いる場合において、平日の昼間の時間帯を想定する。会社及び学校は利用者が増えることにより電力使用量が増加する傾向がある。一方で、デパートは利用者が減ることにより電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、平日の昼間の時間帯については、会社及び学校は予測誤差が負の誤差になる（すなわち、実際の電力使用量が予測値に対して上昇する）と推定する。電力管理サーバ２００は、平日の昼間の時間帯については、デパートは予測誤差が正の誤差になる（すなわち、実際の電力使用量が予測値に対して低下する）と推定する。
　また、外的要因パラメータとして季節及び気象条件（気温）を用いる場合において、冬に気温が上昇するシナリオを想定する。データセンタは冬でも冷房を使用することにより電力使用量が増加する傾向がある。一方で、住宅、店舗、及びオフィスは、冬に冷房を使用せず、かつ暖房の使用が減ることにより電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、冬に気温が上昇する場合には、データセンタは予測誤差が負の誤差になり、住宅、店舗、及びオフィスは予測誤差が正の誤差になると推定する。
　（２）施設に設けられた機器の構成
　施設に設けられた機器の構成とは、機器の種別及びスペック等である。例えば、スーパーマーケットに設けられるショーケースを想定する。ショーケースがリーチイン型（扉あり）である場合、店内環境がショーケース内の温度に与える影響が小さいため、電力使用量の変動も小さい傾向がある。一方で、ショーケースがリーチイン型でない場合、店内環境がショーケース内の温度に与える影響が大きいため、電力使用量の変動も大きい傾向がある。よって、電力管理サーバ２００は、ショーケースがリーチイン型であるスーパーマーケットについては予測誤差が小さく、ショーケースがリーチイン型でないスーパーマーケットについては予測誤差が大きくなると推定する。
　（３）施設の立地
　例えば、外的要因パラメータとして気象条件を用いる場合において、雨が降るシナリオを想定する。駅から近い店舗は利用者が増えることにより電力使用量が増加する傾向がある。一方で、駅から遠い店舗は利用者が減ることにより電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、雨が降る場合には、駅から近い店舗は予測誤差が負の誤差になり、駅から遠い店舗は予測誤差が正の誤差になると推定する。
　（４）施設が有するスペースの内訳
　施設が有するスペースの内訳とは、店舗における駐車場の有無及びその広さ、店舗におけるイートインスペースの有無などである。
　例えば、外的要因パラメータとして気象条件を用いる場合において、雨が降るシナリオを想定する。駐車場が広い店舗は利用者が増えることにより電力使用量が増加する傾向がある。一方で、駐車場が狭い又は無い店舗は利用者が減ることにより電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、雨が降る場合には、駐車場が広い店舗は予測誤差が負の誤差になり、駐車場が狭い又は無い店舗は予測誤差が正の誤差になると推定する。
　また、外的要因パラメータとして時間帯を用いる場合において、昼食時及び夕食時の時間帯を想定する。イートインスペースがある店舗は利用者が増えることにより電力使用量が増加する傾向がある。一方で、イートインスペースが無い店舗は利用者が減ることにより電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、昼食時及び夕食時の時間帯については、イートインスペースがある店舗は予測誤差が負の誤差になり、イートインスペースが無い店舗は予測誤差が正の誤差になると推定する。
　（５）施設における業務スケジュール
　例えば、外的要因パラメータとして時間帯を用いる場合において、１６時台の時間帯を想定する。１６時から営業を開始する店舗は利用者が増えることにより電力使用量が増加する傾向がある。一方で、１６時で営業を終了する店舗は利用者が減ることにより電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、１６時台の時間帯について、１６時から営業を開始する店舗は予測誤差が負の誤差になり、１６時で営業を終了する店舗は予測誤差が正の誤差になると推定する。
　（６）制御アルゴリズム及び予測アルゴリズム
　制御アルゴリズムとは、ＤＲ以外の電力削減制御に用いられるアルゴリズムの種類・内容及び当該制御の有無などである。例えば、外的要因パラメータとして時間帯を用いる場合において、１６時台の時間帯を想定する。１６時に空調機器をオフからオンに切り替える制御が行われる施設は電力使用量が増加する傾向がある。一方で、１６時に空調機器をオンからオフに切り替える制御が行われる施設は電力使用量が減少する傾向がある。よって、電力管理サーバ２００は、１６時台の時間帯について、１６時に空調機器をオフからオンに切り替える制御が行われる施設は予測誤差が負の誤差になり、１６時に空調機器をオンからオフに切り替える制御が行われる施設は予測誤差が正の誤差になると推定する。
　予測アルゴリズムとは、ある時点でのパラメータを用いて別の時点の値を予測するためのアルゴリズムの種類・内容などである。例えば、電力使用量の予測に用いる電力使用量のデータが、制御アルゴリズムによる制御が行われた時間帯のデータである場合を想定する。この場合、制御アルゴリズムによる制御が行われない時間帯の電力使用量を予測すると、予測値よりも実際の電力使用量が大きくなる傾向がある。よって、電力管理サーバ２００は、このような場合には、予測誤差が負の誤差になると推定する。一方で、電力使用量の予測に用いる電力使用量のデータが、制御アルゴリズムによる制御が行われなかった時間帯のデータである場合を想定する。この場合、制御アルゴリズムによる制御が行われる時間帯の電力使用量を予測すると、予測値よりも実際の電力使用量が小さくなる傾向がある。よって、電力管理サーバ２００は、このような場合には、予測誤差が正の誤差になると推定する。
　また、予測アルゴリズムの種類としては、直近の電力使用量のデータから線形予測を行う第１の予測アルゴリズム、及び過去の同時間帯の電力使用量の平均値を用いる第２の予測アルゴリズムなどがある。例えば、上述した「（５）施設における業務スケジュール」の具体例において、第２の予測アルゴリズムにより電力使用量を予測する場合には、予測誤差は小さいと考えられる。よって、電力管理サーバ２００は、予測アルゴリズムの種類に応じて、予測誤差の大きさを推定してもよい。
　（７）施設の平均電力使用量（契約電力）
　施設の平均電力使用量（契約電力）、すなわち、施設の規模が大きいほど、予測誤差が大きくなる傾向がある。よって、電力管理サーバ２００は、施設の平均電力使用量（契約電力）に応じて、予測誤差の大きさを推定する。
　（８）変更情報
　例えば、店舗における業務スケジュールに変更があり、商品の追加作業の時間が変更された場合を想定する。商品の追加時には、ショーケース（冷ケース）の電力使用量が増加するため、業務スケジュールの変更により商品の追加作業が行われる時間帯については、電力使用量の予測値よりも実際の電力使用量が大きくなる傾向がある。よって、電力管理サーバ２００は、このような場合には、予測誤差が負の誤差になると推定する。一方で、業務スケジュールの変更により商品の追加作業が行われなくなった時間帯については、電力使用量の予測値よりも実際の電力使用量が小さくなる傾向がある。よって、電力管理サーバ２００は、このような場合には、予測誤差が正の誤差になると推定する。
　また、施設の契約電力が変更された場合を想定する。施設の契約電力が変更された場合、施設の電力使用量も変更されると考えられるため、予測誤差の大きさに影響を与える。よって、電力管理サーバ２００は、施設の契約電力が大きくなるよう変更された場合には、予測誤差が大きくなると推定する。一方で、電力管理サーバ２００は、施設の契約電力が小さくなるよう変更された場合には、予測誤差が小さくなると推定する。
　［第２実施形態］
　第２実施形態に係る管理方法について、第１実施形態との相違点を主として説明する。第２実施形態において、電力管理サーバ２００は、各施設３００について過去の予測誤差に基づく統計情報を取得し、統計情報に基づいて各施設３００の誤差パターンを推定する。
　図８に示すように、ステップＳ２１０において、電力管理サーバ２００は、予測アルゴリズムを用いて、各施設３００の電力使用量を予測する。電力管理サーバ２００は、施設３００ごとに異なる予測アルゴリズムを用いて電力使用量を予測してもよい。
　ステップＳ２２０において、電力管理サーバ２００は、各施設３００から実際の電力使用量（測定値）を受信する。
　ステップＳ２３０において、電力管理サーバ２００は、電力使用量の予測値と実際の電力使用量とに基づいて予測誤差を算出し、予測誤差を記憶及び管理する。電力管理サーバ２００は、ステップＳ２１０～Ｓ２３０の処理を繰り返すことにより、予測誤差の統計処理を行い、予測誤差の統計情報を算出する。予測誤差の統計情報は、予測誤差の誤差パターン及び予測精度を含む。
　電力管理サーバ２００は、施設、外的要因パラメータ、及び予測アルゴリズムの種類と関連付けて、予測誤差の統計情報を管理する。外的要因パラメータは、例えば、気象条件、季節、曜日、及び時間帯のうち、少なくとも１つを含む。電力管理サーバ２００は、さらに、施設固有パラメータと関連付けて予測誤差の統計情報を管理してもよい。予測アルゴリズムの種類としては、直近の電力使用量のデータから線形予測を行う第１の予測アルゴリズム、過去の同時間帯の電力使用量の平均値を用いる第２の予測アルゴリズム、気象条件（天候）と電力使用量との相関を示す統計情報に基づいて天気予報から電力使用量を予測する第３の予測アルゴリズムなどがある。例えば、第１の予測アルゴリズムは、電力使用量が急増する時間帯では予測値が下にずれ、負の予測誤差が生じる傾向がある。第２の予測アルゴリズムは、新たに機器が施設に導入された場合などにおいて、過去の電力使用量よりも実際の電力使用量が増えて予測値が下にずれ、負の予測誤差が生じる傾向がある。第３の予測アルゴリズムは、天気予報が曇であり、実際には晴れた場合、気温の上昇により電力使用量が増えたり、太陽電池の発電量増加により電力使用量が減ったりする傾向がある。
　ステップＳ２４０及びＳ２５０の処理は、第１実施形態と同様である。
　ステップＳ２６０において、電力管理サーバ２００は、各施設３００について誤差パターンを推定する。第２実施形態において、電力管理サーバ２００は、過去の予測誤差に基づく統計情報に基づいて、各施設３００の誤差パターンを推定する。誤差パターンの推定処理（ステップＳ２６０）の詳細については後述する。ステップＳ２６０は、ステップＳ２５０の前に行われてもよい。
　ステップＳ２７０及びＳ２８０の処理は、第１実施形態と同様である。
　次に、誤差パターンの推定処理（ステップＳ２６０）の詳細について説明する。
　図９に示すように、ステップＳ２６１において、電力管理サーバ２００は、電力削減期間に関する外的要因パラメータを取得する。
　ステップＳ２６２において、電力管理サーバ２００は、ステップＳ２３０で管理している予測誤差の統計情報と、ステップＳ２６１で取得した外的要因パラメータとに基づいて、取得した外的要因パラメータと関連付けられた統計情報を取得する。
　ステップＳ２６３において、電力管理サーバ２００は、ステップＳ２６２で取得した統計情報に基づいて、施設３００ごとに、最も予測精度の高い予測アルゴリズムを選択する。
　ステップＳ２６４において、電力管理サーバ２００は、ステップＳ２６４で選択した予測アルゴリズムと統計情報とに基づいて、各施設３００の誤差パターンを推定する。
　［第２実施形態の変更例］
　第２実施形態において、電力管理サーバ２００は、施設固有パラメータ（特に、業務スケジュール、制御アルゴリズム）とさらに関連付けて予測誤差の統計情報を管理してもよい。電力管理サーバ２００は、管理している統計情報に基づいて、予測誤差が最小になる業務スケジュール及び／又は制御アルゴリズムを決定し、決定した業務スケジュール及び／又は制御アルゴリズムを施設３００に通知してもよい。施設３００のローカル制御装置３３０は、電力管理サーバ２００からの通知に応じて業務スケジュール及び／又は制御アルゴリズムを変更する場合に、その旨を電力管理サーバ２００に通知してもよい。
　［第３実施形態］
　第３実施形態について、第１及び第２実施形態との相違点を主として説明する。
　（電力管理システム）
　第３実施形態に係る電力管理システムの構成について説明する。図１０に示すように、第３実施形態に係る電力管理システムは、階層化された電力管理サーバ構成を有する。具体的には、電力管理システムは、複数の下位電力管理サーバ２００（２００Ａ、２００Ｂ、…）と、複数の下位電力管理サーバ２００を管理する上位電力管理サーバ５００とを有する。下位電力管理サーバ２００Ａは、複数の施設３００Ａ（３００Ａ１、３００Ａ２、…）を管理する。下位電力管理サーバ２００Ｂは、複数の施設３００Ｂ（３００Ｂ１、３００Ｂ２、…）を管理する。
　下位電力管理サーバ２００は、下位アグリゲータによって管理されるサーバである。下位アグリゲータは、複数の施設３００を束ねて電力削減量を集める事業者である。第３実施形態において、下位電力管理サーバ２００は、複数の施設３００を管理する下位管理装置の一例である。
　上位電力管理サーバ５００は、上位アグリゲータによって管理されるサーバである。上位アグリゲータは、複数の下位アグリゲータ（複数の下位電力管理サーバ２００）を束ねて電力削減量を集める事業者である。第３実施形態において、上位電力管理サーバ５００は、複数の下位管理装置を管理する上位管理装置の一例である。上位電力管理サーバ５００のハードウェア構成は下位電力管理サーバ２００と同様である（図２参照）。上位電力管理サーバ５００は、電力事業者サーバ４００と共通化されてもよい。この場合、上位電力管理サーバ５００は、電力系統などのインフラストラクチャーを提供する電力事業者によって管理されてもよい。
　上位電力管理サーバ５００は、電力事業者サーバ４００からの電力削減要請の受信に応じて、複数の下位電力管理サーバ２００の中から選択した下位電力管理サーバ２００（下位電力管理サーバグループ）に対して電力削減要請を送信する。
　上位電力管理サーバ５００により選択された下位電力管理サーバ２００は、上位電力管理サーバ５００からの電力削減要請を受信し、自身の管理下にある複数の施設３００の中から選択した施設３００に対して電力削減要請を送信する。下位電力管理サーバ２００が施設グループを決定する動作については、第１実施形態又は第２実施形態と同様である。
　（管理方法）
　第３実施形態に係る管理方法について説明する。
　第１及び第２実施形態において、施設３００のグルーピングにより施設間で予測誤差を弱め合うようにし、施設グループの合計の予測誤差を最小化する方法について説明した。しかしながら、１つの下位電力管理サーバ２００が管理する施設３００の数及び／又は誤差パターンによっては、施設間で予測誤差を相殺しきれない可能性がある。そこで、第３実施形態では、下位電力管理サーバ２００のグルーピングにより下位電力管理サーバ間で予測誤差を弱め合うようにし、下位電力管理サーバグループの合計の予測誤差を最小化する。
　図１１に示すように、ステップＳ３１０において、上位電力管理サーバ５００は、各下位電力管理サーバ２００から予測誤差統計情報を受信する。具体的には、上位電力管理サーバ５００は、下位電力管理サーバ２００Ａから下位電力管理サーバ２００Ａの予測誤差統計情報を受信し（ステップＳ３１０Ａ）、下位電力管理サーバ２００Ｂから下位電力管理サーバ２００Ｂの予測誤差統計情報を受信し（ステップＳ３１０Ｂ）、下位電力管理サーバ２００Ｃから下位電力管理サーバ２００Ｃの予測誤差統計情報を受信する（ステップＳ３１０Ｃ）。
　予測誤差統計情報は、下位電力管理サーバ２００が過去の予測誤差に基づいて統計処理により算出した情報である。予測誤差統計情報は、上振れ量及び下振れ量を含んでもよい。上振れ量は、電力使用量の予測値に対して実際の電力使用量が上振れした場合において、どの程度の上振れになるかの予測値である。下振れ量は、電力使用量の予測値に対して実際の電力使用量が下振れした場合において、どの程度の下振れになるかの予測値である。予測誤差統計情報は、予測誤差幅及び予測誤差中心を含んでもよい。予測誤差幅は、電力使用量の予測値に対する実際の電力使用量のずれ幅の予測値である。予測誤差中心は、予測誤差幅の中心を示す値である。
　Ｏｐｅｎ　ＡＤＲに準拠したメッセージを用いて上振れ量及び下振れ量を伝送する一例を表１に示す。
Figure JPOXMLDOC01-appb-T000001
  
　下位電力管理サーバ２００は、予測誤差統計情報を上位電力管理サーバ５００に周期的に送信してもよい。下位電力管理サーバ２００は、上位電力管理サーバ５００から要求があった際に、予測誤差統計情報を上位電力管理サーバ５００に送信してもよい。上位電力管理サーバ５００は、各下位電力管理サーバ２００から受信した予測誤差統計情報を記憶し、下位電力管理サーバ２００ごとに予測誤差統計情報を管理する。
　ステップＳ３２０において、上位電力管理サーバ５００は、電力事業者サーバ４００から電力削減要請を受信する。
　ステップＳ３３０において、上位電力管理サーバ５００は、ステップＳ３１０で受信した予測誤差統計情報に基づいて、各下位電力管理サーバ２００について誤差パターンを推定する。誤差パターンは、予測誤差が正の誤差になるか又は負の誤差になるか、及び予測誤差の大きさ（絶対値）を含む。
　ステップＳ３４０において、上位電力管理サーバ５００は、各下位電力管理サーバ２００の誤差パターンに基づいて、複数の下位電力管理サーバ２００の中から、電力削減要請の宛先とする下位電力管理サーバ２００からなる下位電力管理サーバグループを決定する。上位電力管理サーバ５００は、予測誤差が正の誤差になると推定された下位電力管理サーバと予測誤差が負の誤差になると推定された下位電力管理サーバとを組み合わせることにより、下位電力管理サーバグループの合計の予測誤差が最小になるように下位電力管理サーバグループを決定する。上位電力管理サーバ５００は、各下位電力管理サーバ２００の電力削減可能量にさらに基づいて、下位電力管理サーバグループの合計の電力削減可能量が要請電力削減量以上になり、かつ、下位電力管理サーバグループの合計の予測誤差が最小になるように、下位電力管理サーバグループを決定してもよい。
　下位電力管理サーバグループの決定後、ステップＳ３５０において、上位電力管理サーバ５００は、決定された下位電力管理サーバグループ内の各下位電力管理サーバ２００に対して電力削減要請を送信する。例えば、上位電力管理サーバ５００は、下位電力管理サーバ２００Ａに電力削減要請を送信し（ステップＳ３５０Ａ）、下位電力管理サーバ２００Ｂに電力削減要請を送信する（ステップＳ３５０Ｂ）。電力削減要請を受信した下位電力管理サーバ２００は、第１実施形態又は第２実施形態と同様の方法で施設グループを決定する。
　［第３実施形態の変更例］
　図１１に示すシーケンスを次のように変更してもよい。
　上位電力管理サーバ５００は、電力事業者サーバ４００からの電力削減要請の受信に応じて、下位電力管理サーバ２００の仮グルーピングを行い、仮の下位電力管理サーバグループを決定し、仮の下位電力管理サーバグループ内の各下位電力管理サーバ２００に対して電力削減要請を送信する。
　下位電力管理サーバ２００は、上位電力管理サーバ５００からの電力削減要請の受信に応じて、施設３００のグルーピングを行い、施設グループを決定する。下位電力管理サーバ２００は、決定した施設グループの合計の予測誤差における残留誤差を算出し、算出した残留誤差を示す情報を予測誤差統計情報として上位電力管理サーバ５００に送信する。下位電力管理サーバ２００は、上位電力管理サーバ５００からの要求に応じて、予測誤差統計情報を上位電力管理サーバ５００に送信してもよい。
　上位電力管理サーバ５００は、仮の下位電力管理サーバグループ内の各下位電力管理サーバ２００から予測誤差統計情報（残留誤差を示す情報）を受信し、受信した予測誤差統計情報に基づいて、下位電力管理サーバ２００の再グルーピングを行い、下位電力管理サーバ２００に対する電力削減要請を更新する。
　［その他の実施形態］
　本開示は実施形態によって説明したが、この開示の一部をなす論述及び図面は、この発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施形態、実施例及び運用技術が明らかとなろう。
　第１実施形態において、電力管理サーバ２００が誤差パターンを推定する際に用いる推定規則の具体例について説明した。電力管理サーバ２００は、第２実施形態で説明したような統計情報に基づいて誤差パターンの推定規則を追加及び／又は変更してもよい。
　第１～第３実施形態において、電力削減期間の開始前に初期グループを決定する一例を説明した。しかしながら、電力削減期間中にグループを変更する場合に、誤差パターンに基づく再グルーピングを行ってもよい。
　第１～第３実施形態に係る管理方法をコンピュータに実行させるプログラムが提供されてもよい。また、プログラムは、コンピュータ読取り可能媒体に記録されていてもよい。コンピュータ読取り可能媒体を用いれば、コンピュータにプログラムをインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取り可能媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ等の記録媒体であってもよい。
　なお、日本国特許出願第２０１７－１０５９７１号（２０１７年５月２９日出願）の全内容が、参照により、本願明細書に組み込まれている。

Claims (12)

  1. 　電力を使用又は管理する複数のエンティティを管理する管理装置において用いられる管理方法であって、
    　前記複数のエンティティのそれぞれについて、将来の期間における電力使用量を予測する場合に発生する予測誤差に関する誤差パターンを推定するステップＡと、
    　前記誤差パターンに基づいて、前記複数のエンティティの中から、前記電力使用量の削減を要請する電力削減要請の宛先とするエンティティからなるグループを決定するステップＢとを備え、
    　前記ステップＡは、前記予測誤差が正の誤差になるか又は負の誤差になるかを推定するステップを含み、
    　前記ステップＢは、前記予測誤差が正の誤差になると推定されたエンティティと前記予測誤差が負の誤差になると推定されたエンティティとを組み合わせることにより、前記グループの合計の予測誤差が最小になるように前記グループを決定するステップを含む、管理方法。
  2. 　前記ステップＢで決定された前記グループ内の各エンティティに対して前記電力削減要請を送信するステップＣをさらに備える、請求項１に記載の管理方法。
  3. 　前記ステップＢは、前記複数のエンティティのそれぞれの電力削減可能量にさらに基づいて、前記グループの合計の電力削減可能量が目標電力削減量以上になるように、前記グループを決定するステップを含む、請求項１又は２に記載の管理方法。
  4. 　前記複数のエンティティのそれぞれは、電力を使用する施設であり、
    　前記管理装置は、複数の施設を前記複数のエンティティとして管理し、
    　前記ステップＡは、前記複数の施設のそれぞれについて前記誤差パターンを推定するステップを含み、
    　前記ステップＢは、前記複数の施設の中から、前記電力削減要請の宛先とする施設からなる前記グループを決定するステップを含む、請求項１～３の何れか一項に記載の管理方法。
  5. 　前記ステップＡは、
    　前記複数の施設のそれぞれについて、前記予測誤差に影響を与える施設固有パラメータを取得するステップと、
    　前記施設固有パラメータに基づいて、前記複数の施設のそれぞれについて前記誤差パターンを推定するステップとを含み、
    　前記施設固有パラメータは、対応する施設の用途又は業種、前記対応する施設に設けられた機器の構成、前記対応する施設の立地、前記対応する施設が有するスペースの内訳、前記対応する施設における業務スケジュール、前記対応する施設に設けられた機器の制御に用いる制御アルゴリズム、前記対応する施設の電力使用量の予測に用いる予測アルゴリズム、前記対応する施設の平均電力使用量のうち、少なくとも１つを含む、請求項４に記載の管理方法。
  6. 　前記ステップＡは、前記施設固有パラメータと、前記予測誤差に影響を与える外的要因パラメータとに基づいて、前記複数の施設のそれぞれについて前記誤差パターンを推定するステップを含み、
    　前記外的要因パラメータは、気象条件、季節、曜日、及び時間帯のうち、少なくとも１つを含む、請求項５に記載の管理方法。
  7. 　前記ステップＡは、
    　前記施設固有パラメータの変更に関する変更情報を取得するステップと、
    　前記変更情報に基づいて、前記施設固有パラメータが変更された施設について前記誤差パターンを推定するステップとを含む、請求項５に記載の管理方法。
  8. 　前記ステップＡは、
    　前記複数の施設のそれぞれについて、過去の予測誤差に基づく統計情報を取得するステップと、
    　前記統計情報に基づいて、前記複数の施設のそれぞれについて前記誤差パターンを推定するステップとを含む、請求項４に記載の管理方法。
  9. 　前記ステップＡは、
    　前記統計情報と、前記予測誤差に影響を与える外的要因パラメータとに基づいて、前記複数の施設のそれぞれについて、前記電力使用量の予測に用いる予測アルゴリズムを選択するステップと、
    　前記複数の施設のそれぞれについて、前記選択した予測アルゴリズムに基づいて前記誤差パターンを推定するステップとを含む請求項８に記載の管理方法。
  10. 　前記複数のエンティティのそれぞれは、電力を使用する複数の施設を管理する下位管理装置であり、
    　前記管理装置は、複数の下位管理装置を管理する上位管理装置であり、
    　前記ステップＡは、前記複数の下位管理装置のそれぞれについて前記誤差パターンを推定するステップを含み、
    　前記ステップＢは、前記複数の下位管理装置の中から、前記電力削減要請の宛先とする下位管理装置からなる前記グループを決定するステップを含む、請求項１～３の何れか一項に記載の管理方法。
  11. 　前記誤差パターンを推定するための予測誤差統計情報を前記複数の下位管理装置のそれぞれから受信するステップを備え、
    　前記ステップＡは、前記受信した予測誤差統計情報に基づいて、前記複数の下位管理装置のそれぞれについて前記誤差パターンを推定するステップを含む、請求項１０に記載の管理方法。
  12. 　電力を使用又は管理する複数のエンティティを管理する管理装置であって、
    　前記複数のエンティティのそれぞれについて、将来の期間における電力使用量を予測する場合に発生する予測誤差に関する誤差パターンを推定する処理Ａと、
    　前記誤差パターンに基づいて、前記複数のエンティティの中から、前記電力使用量の削減を要請する電力削減要請の宛先とするエンティティからなるグループを決定する処理Ｂと、を実行する制御部を備え、
    　前記処理Ａは、前記予測誤差が正の誤差になるか又は負の誤差になるかを推定する処理を含み、
    　前記処理Ｂは、前記予測誤差が正の誤差になると推定されたエンティティと前記予測誤差が負の誤差になると推定されたエンティティとを組み合わせることにより、前記グループの合計の予測誤差が最小になるように前記グループを決定する処理を含む、管理装置。
PCT/JP2018/019743 2017-05-29 2018-05-23 管理方法及び管理装置 WO2018221330A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/617,500 US11138679B2 (en) 2017-05-29 2018-05-23 Management method and management apparatus
JP2019522148A JP6839277B2 (ja) 2017-05-29 2018-05-23 管理方法及び管理装置
EP18808796.9A EP3633813A1 (en) 2017-05-29 2018-05-23 Management method and management device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017105971 2017-05-29
JP2017-105971 2017-05-29

Publications (1)

Publication Number Publication Date
WO2018221330A1 true WO2018221330A1 (ja) 2018-12-06

Family

ID=64454697

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/019743 WO2018221330A1 (ja) 2017-05-29 2018-05-23 管理方法及び管理装置

Country Status (4)

Country Link
US (1) US11138679B2 (ja)
EP (1) EP3633813A1 (ja)
JP (1) JP6839277B2 (ja)
WO (1) WO2018221330A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020188646A (ja) * 2019-05-17 2020-11-19 アズビル株式会社 デマンドレスポンスシステムおよび方法
JP2020188647A (ja) * 2019-05-17 2020-11-19 アズビル株式会社 デマンドレスポンスシステムおよび方法
JP7369655B2 (ja) 2020-03-27 2023-10-26 本田技研工業株式会社 電力算出装置
JP7484034B2 (ja) 2020-01-31 2024-05-16 日本電気株式会社 上位制御装置、電力システムおよび下位制御装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200068870A (ko) * 2018-12-06 2020-06-16 삼성전자주식회사 에너지 절감을 제어하는 방법 및 그 장치

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013240154A (ja) * 2012-05-11 2013-11-28 Toshiba Corp 電力需給調整装置及びその方法
JP2016136795A (ja) * 2015-01-23 2016-07-28 ジョンソンコントロールズ ヒタチ エア コンディショニング テクノロジー（ホンコン）リミテッド デマンド制御装置
JP2016217598A (ja) 2015-05-19 2016-12-22 ダイキン工業株式会社 複数の空気調和装置の管理装置
JP2017041941A (ja) * 2015-08-18 2017-02-23 アズビル株式会社 電力デマンド制御装置および電力デマンド制御方法
JP2017105971A (ja) 2015-11-27 2017-06-15 株式会社リコー インク、インク収容容器、インクジェット記録装置、及び記録物
JP2017228148A (ja) * 2016-06-23 2017-12-28 株式会社東芝 デマンドレスポンス計画装置、方法及びプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19746903B4 (de) * 1996-10-25 2006-12-14 Denso Corp., Kariya Klimaanlage für ein Fahrzeug
GB2481946A (en) * 2009-03-31 2012-01-11 Gridpoint Inc Electric vehicle power management systems
JP6109066B2 (ja) * 2011-02-28 2017-04-05 横河電機株式会社 エネルギー管理方法
KR101958902B1 (ko) * 2011-09-30 2019-07-03 삼성전자주식회사 전자기기들의 그룹 제어 방법 및 그를 위한 전자기기 관리 시스템
WO2013172431A1 (ja) * 2012-05-16 2013-11-21 京セラ株式会社 電力管理装置、電力管理システム及び電力管理方法
JP6271209B2 (ja) * 2013-10-10 2018-01-31 三井不動産株式会社 複数の街区のエネルギー需給を調整するためのエネルギー管理システム、及びエネルギー管理方法
US11210617B2 (en) * 2015-10-08 2021-12-28 Johnson Controls Technology Company Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs
US20200348662A1 (en) * 2016-05-09 2020-11-05 Strong Force Iot Portfolio 2016, Llc Platform for facilitating development of intelligence in an industrial internet of things system
JP6742813B2 (ja) * 2016-05-20 2020-08-19 株式会社日立製作所 需要予測システム及び需要予測方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013240154A (ja) * 2012-05-11 2013-11-28 Toshiba Corp 電力需給調整装置及びその方法
JP2016136795A (ja) * 2015-01-23 2016-07-28 ジョンソンコントロールズ ヒタチ エア コンディショニング テクノロジー（ホンコン）リミテッド デマンド制御装置
JP2016217598A (ja) 2015-05-19 2016-12-22 ダイキン工業株式会社 複数の空気調和装置の管理装置
JP2017041941A (ja) * 2015-08-18 2017-02-23 アズビル株式会社 電力デマンド制御装置および電力デマンド制御方法
JP2017105971A (ja) 2015-11-27 2017-06-15 株式会社リコー インク、インク収容容器、インクジェット記録装置、及び記録物
JP2017228148A (ja) * 2016-06-23 2017-12-28 株式会社東芝 デマンドレスポンス計画装置、方法及びプログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020188646A (ja) * 2019-05-17 2020-11-19 アズビル株式会社 デマンドレスポンスシステムおよび方法
JP2020188647A (ja) * 2019-05-17 2020-11-19 アズビル株式会社 デマンドレスポンスシステムおよび方法
JP7232124B2 (ja) 2019-05-17 2023-03-02 アズビル株式会社 デマンドレスポンスシステムおよび方法
JP7484034B2 (ja) 2020-01-31 2024-05-16 日本電気株式会社 上位制御装置、電力システムおよび下位制御装置
JP7369655B2 (ja) 2020-03-27 2023-10-26 本田技研工業株式会社 電力算出装置

Also Published As

Publication number Publication date
US20200184577A1 (en) 2020-06-11
US11138679B2 (en) 2021-10-05
JPWO2018221330A1 (ja) 2020-03-26
JP6839277B2 (ja) 2021-03-03
EP3633813A1 (en) 2020-04-08

Similar Documents

Publication Publication Date Title
WO2018221330A1 (ja) 管理方法及び管理装置
US20190163152A1 (en) Power sharing in a mesh energy system
US20170159955A1 (en) Air-conditioning controller, air-conditioning control method and air-conditioning control program
JP7048740B2 (ja) 管理サーバ、管理システム、及び管理方法
JP2013222293A (ja) エネルギー管理システム、エネルギー管理方法、プログラム、サーバ装置およびクライアント装置
JP2011062075A (ja) 配電ネットワークにおける需要反応のための方法およびシステム
US10461535B2 (en) Power management system, power management method, and computer program
EP3343720A1 (en) Management server, management method, and management system
JP6697080B2 (ja) 電力管理装置、電力管理方法及び電力管理システム
WO2014087539A1 (ja) 電力系統制御システム及び電力系統制御方法
Haque et al. Distributed intelligence: Unleashing flexibilities for congestion management in smart distribution networks
JP2016192872A (ja) ゲートウェイ装置、デマンドレスポンスシステム及びゲートウェイ装置のプログラム
WO2015087528A1 (ja) エネルギーシステム、管理システム、エネルギーシステムの制御方法、および管理システムの制御方法
JP6732205B2 (ja) 電力管理方法、電力管理サーバ、ローカル制御装置及び電力管理システム
JP2023071748A (ja) 需要側装置及び発電側装置
JP2018182883A (ja) 電力管理方法及び電力管理装置
JP6686510B2 (ja) 電力消費管理装置および電力消費管理プログラム
Jain et al. Network architecture for demand response implementation in smart grid
US9608446B2 (en) Method and apparatus for controlling energy supply
US20140309799A1 (en) Request control device, request control method, and computer program product
Majidi et al. Dynamic matching in power systems using model predictive control
JP7386915B2 (ja) 電力管理サーバ及び電力管理方法
JP7354394B2 (ja) 電力管理装置及び電力管理方法
WO2021060143A1 (ja) 電力管理システム及び電力管理方法
US20240028395A1 (en) Managing an operation of a data center based on predicting localized weather conditions

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: 18808796

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019522148

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2018808796

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2018808796

Country of ref document: EP

Effective date: 20200102