WO2019116960A1 - 電力管理システム - Google Patents

電力管理システム Download PDF

Info

Publication number
WO2019116960A1
WO2019116960A1 PCT/JP2018/044538 JP2018044538W WO2019116960A1 WO 2019116960 A1 WO2019116960 A1 WO 2019116960A1 JP 2018044538 W JP2018044538 W JP 2018044538W WO 2019116960 A1 WO2019116960 A1 WO 2019116960A1
Authority
WO
WIPO (PCT)
Prior art keywords
power
predicted
customer
storage device
power consumption
Prior art date
Application number
PCT/JP2018/044538
Other languages
English (en)
French (fr)
Inventor
瞳 嶺岸
小掠　哲義
憲明 武田
潤一 加納
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to US16/772,634 priority Critical patent/US11342751B2/en
Priority to CN201880080673.9A priority patent/CN111466061B/zh
Priority to JP2019559563A priority patent/JP7033750B2/ja
Publication of WO2019116960A1 publication Critical patent/WO2019116960A1/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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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 disclosure relates to a control device of a power storage device in a consumer connected to a power system and including a plurality of load devices and at least one power storage device.
  • the present disclosure also relates to a power management system for such consumers, and also relates to a power grid management system for power grids including such multiple consumers.
  • the power management system connected to a power system and provided in a consumer provided with a plurality of load devices and at least one power storage device (see Patent Documents 1 to 3).
  • the power management system may be provided with a power generation device (such as a solar cell) of the customer.
  • the total power consumption of the customer also fluctuates. For example, when any load device of the consumer is turned on, the total power consumption of the consumer fluctuates rapidly.
  • the peak of the received power from the power system exceeds the threshold value of the contract with the power company, the unit price of the electricity charge increases.
  • the received power from the power system fluctuates rapidly in response to a sudden fluctuation in the overall power consumption of the customer, the quality of the power transmitted through the power system is degraded. Therefore, it is required to determine the magnitudes of the charging power and the discharging power of the power storage device so as to suppress the rapid fluctuation of the received power from the power system.
  • the present disclosure relates to charging power and discharging of a power storage device so as to suppress rapid fluctuations in received power from the power grid in a consumer connected to the power grid and provided with a plurality of load devices and at least one power storage device.
  • a control device of a power storage device that determines the magnitude of power.
  • the present disclosure also provides a power management system for such consumers, and also provides a power grid management system for power grids including such multiple consumers.
  • a control device of the power storage device in a customer connected to a power system and provided with a plurality of load devices and at least one power storage device The controller is A first prediction model representing temporal change in total power consumption of the customer according to time is used to predict temporal change in total power consumption of the customer as a first predicted power.
  • a controller configured to control charging and discharging of the power storage device to set a predetermined charging power or a predetermined discharging power for each fifth time period shorter than the third and fourth time periods based thereon.
  • the controller Predicting temporal changes in charge power, discharge power, and storage amount of the power storage device based on the first and second predicted powers;
  • the storage device is charged from the power system in advance when it is predicted that the storage amount reaches the lower limit value due to the discharge of the storage device.
  • the charging power of the power storage device is suppressed so as to suppress rapid fluctuation of received power from the power system.
  • the magnitude of the discharge power can be determined.
  • FIG. 2 illustrates a first exemplary short-term prediction model used in the short-term predictor 25 of FIG.
  • FIG. 2 illustrates a second exemplary short-term prediction model used in the short-term predictor 25 of FIG.
  • FIG. 6 illustrates a third exemplary short-term prediction model used in the short-term predictor 25 of FIG. It is a flowchart which shows the power management process performed by the controller 21 of FIG.
  • FIG. 16 is a graph showing an operation when a difference power Pcs-Pg of the power consumption Pcs and the generated power Pg exceeds the power threshold ThA of the received power Pr in the customer 1A of FIG. 15.
  • 16 is a graph showing an operation when the storage amount of the power storage device 13 reaches the upper limit value Th2 due to charging in the customer 1A of FIG. It is a block diagram which shows the structure of the power management system of the customer 1B which concerns on 3rd Embodiment. It is a block diagram which shows the structure of the power management system of the customer 1C which concerns on 4th Embodiment. It is a block diagram which shows the structure of the electric power grid 100 which concerns on 5th Embodiment. It is a block diagram which shows the structure of the electric power network which concerns on 6th Embodiment.
  • the conventional power management system performs passive feedback control so as to achieve, for example, the same amount for 30 minutes simultaneously, and according to the power generated by the power generation device, the magnitudes of the charging power and discharging power of the power storage device decide.
  • the conventional power management system can not control the magnitude of the charging power and discharging power of the storage device at high speed with a cycle shorter than 30 minutes, and also considers future power consumption except for nighttime charging. Can not be actively controlled.
  • the initial investment cost of the storage device is high, and recovery of the investment cost is difficult or takes a very long time. Therefore, it is desirable to maximize the effect of reducing the electricity bill by introducing a power storage device.
  • Patent Document 1 in order to maximize the effect of reducing the electricity bill by introducing the power storage device, the power supplied from the system is suppressed and the basic bill set based on the contract power is suppressed. Specifically, charging / discharging of the power storage device is controlled in advance based on the predicted data of power consumption so that the power from the grid falls below the upper limit value, and the peak of grid power is suppressed. In a time zone where power consumption reaches or is expected to reach a certain upper limit, the power consumed by the storage device is discharged prior to the time zone where it is predicted that the power consumption will exceed a certain upper limit. The difference is stored in the storage device to secure a necessary amount of discharge.
  • Patent Document 1 In order to control the discharge power following the rapid fluctuation of the power consumption, it is necessary to predict the short-term temporal change of the power consumption. Since the invention of Patent Document 1 only has a predicted value of power consumption for each time zone, it can not follow short-term rapid fluctuations in power consumption.
  • FIG. 1 is a block diagram showing a configuration of a power management system of a customer 1 according to the first embodiment.
  • the customer 1 includes a distribution board 11, a power meter 12, a power storage device 13, a sensor 14, load devices 15-1 and 15-2, and a control device 16.
  • the customer 1 is connected to the power system 2 via the power line 2 a and is further connected to the server device 3.
  • thick lines indicate power and thin lines indicate control signals.
  • the distribution board 11 transmits power between the power system 2, the storage device 13, and the load devices 15-1 and 15-2 under the control of the control device 16. In some cases, distribution board 11 transmits the power received from power system 2 via power line 2a to storage device 13 and / or load devices 15-1 and 15-2. In other cases, distribution board 11 sends the power received from power storage device 13 to load devices 15-1 and 15-2 and / or power system 2.
  • the power meter 12 measures the entire power consumption of the customer 1 (that is, the total power consumption of the load devices 15-1 and 15-2) and notifies the control device 16 of it.
  • Power storage device 13 charges the power received from power system 2, discharges the charged power, and sends it to load devices 15-1 and 15-2 or power system 2.
  • Power storage device 13 includes a battery, an alternating current to direct current power conversion circuit, and a direct current to alternating current power conversion circuit.
  • Power storage device 13 may include an electric vehicle.
  • the sensor 14 monitors the state of the power storage device 13 such as the maximum charging power amount, the current charging power amount, and the deterioration state.
  • the sensor 14 notifies the control device 16 of the state of the power storage device 13.
  • the load devices 15-1 and 15-2 are any electric device such as a lighting fixture, an air conditioner, a cooker, a television device, a personal computer, an electric car, and the like.
  • the load devices 15-1 and 15-2 are also collectively referred to as a load device 15. Although only two load devices 15-1 and 15-2 are shown in FIG. 1 etc., the customer 1 includes an arbitrary number of load devices.
  • the controller 16 includes a controller 21, a long-term prediction model generator 22, a long-term predictor 23, a short-term prediction model generator 24, and a short-term predictor 25.
  • Controller 21 executes power management processing described later with reference to FIG. 7 to control charging and discharging of power storage device 13.
  • the long-term prediction model generator 22 generates a long-term prediction model that represents the temporal change of the total power consumption of the customer 1 according to the time.
  • the long-term prediction model generator 22 generates a long-term prediction model based on the temporal change of the overall power consumption of the customer 1 measured by the power meter 12.
  • the long-term prediction model generator 22 may optionally refer to other information acquired from the server device 3 (such as temporal change in power consumption of other customers).
  • the long-term forecasting model is obtained, for example, by calculating an average value over several days of the total power consumption of the customer 1 for each time of day or each time zone (for example, every 30 minutes or every hour) Ru. In the long-term prediction model, for example, the average power for one day per hour is predicted with an error of 20% or less.
  • the long-term forecasting model may be obtained on a day of the week, a month and / or a season.
  • the long-term predictor 23 predicts the temporal change in the overall power consumption of the customer 1 as a long-term predicted power using a long-term prediction model.
  • the time period in which power consumption is predicted by the long-term prediction model is also referred to as "long-term prediction period".
  • the long prediction period is, for example, 24 hours. If multiple long-term forecasting models are generated by the long-term forecasting model generator 22, the long-term forecasting unit 23 determines the current power consumption of the customer 1 measured by the power meter 12 based on the overall current consumption of the customer 1. A long-term forecasting model closest to power consumption may be selected.
  • the long-term prediction model is also referred to as a "first prediction model”
  • the long-term prediction power is also referred to as a “first prediction power”
  • the long-term prediction model generator 22 is also referred to as a “first prediction model generator”.
  • the long-term predictor 23 is also referred to as a "first predictor”.
  • the short-term prediction model generator 24 generates a short-term prediction model representing a temporal change in the total power consumption of the customer 1 over a first time period before and after the power consumption of each of the plurality of load devices 15 changes.
  • the short-term prediction model represents, for example, a temporal change of the total power consumption of the customer 1 over a first time period before and after the power of each of the plurality of load devices 15 is turned on.
  • the short-term prediction model is, for example, when the load device 15 has a plurality of operation modes having different power consumption, the time of the total power consumption of the customer 1 over the first time period before and after switching the operation mode. Change may be expressed.
  • the plurality of operation modes correspond to a plurality of different set temperatures, for example, when the load device 15 is an air conditioner, a cooker, or the like.
  • the power consumption of each of the plurality of load devices 15 may be changed by user operation, by timer operation, or by a predetermined sequence.
  • the short-term prediction model is characterized by the peak power consumption, the length of time the peak or average power consumption exceeds a predetermined threshold, the time when the power of the load device 15 is turned on, and the like.
  • the short-term prediction model generator 24 generates a short-term prediction model based on the temporal change of the total power consumption of the customer 1 measured by the power meter 12.
  • the short-term prediction model generator 24 may optionally refer to other information acquired from the server device 3 (such as temporal change in power consumption of other customers).
  • the short-term predictor 25 uses the short-term prediction model to determine the third time period immediately after the current time based on the temporal change of the total power consumption of the customer 1 over the second time period immediately before the current time.
  • the temporal change of the total power consumption of the demander 1 over time is predicted as a short-term predicted power.
  • the time period (third time period) in which power consumption is predicted by the short-term prediction model is also referred to as “short-term prediction period”.
  • the short-term prediction period is, for example, one minute.
  • short-term prediction model is also referred to as “second prediction model”
  • short-term prediction power is also referred to as “second prediction power”
  • short-term prediction model generator 24 is also referred to as “second prediction model generator”.
  • the short-term predictor 25 is also referred to as a "second predictor”.
  • the controller 21 charges the power storage device 13 to set the predetermined charging power or the predetermined discharging power for each predetermined fourth time period based on the long-term predicted power of the customer 1 predicted by the long-term predictor 23. And control the discharge.
  • the fourth time period is, for example, 30 minutes or 1 hour.
  • the controller 21 further performs predetermined charge power or predetermined discharge for each fifth time period shorter than the third and fourth time periods based on the short-term predicted power of the customer 1 predicted by the short-term predictor 25.
  • the charge and discharge of the power storage device 13 are controlled to set the power.
  • the fifth time period is also referred to as a "unit time period".
  • the unit time period is, for example, one second.
  • controller 21 controls charging and discharging of power storage device 13 based on both long-term predicted power and short-term predicted power.
  • the controller 21 controls the charging and discharging of the power storage device 13 in order to suppress the rapid fluctuation of the received power from the electric power system 2 even if the entire power consumption of the customer 1 fluctuates suddenly, the long-term predicted power Prioritize short-term predicted power over priority.
  • FIG. 2 is a block diagram showing the configuration of the short-term prediction model generator 24 and the short-term predictor 25 of FIG.
  • the short-term prediction model generator 24 includes a learning device 31 and a learning device 32.
  • the learning device 31 is a demand based on the temporal change of the total power consumption of the customer 1 measured by the power meter 12 and the temporal change of the power consumption of other consumers acquired from the server device 3. Learn the entire power consumption model of House 1.
  • the learning device 32 learns a short-term prediction model of the power consumption of the individual load device 15 based on the temporal change of the total power consumption of the customer 1 measured by the power meter 12.
  • the learning device 31 is based on temporal change information of power consumption of various consumers and other information (for example, information of load devices of other consumers), and the temporal change of power consumption of various load devices. Classify the pattern.
  • the learning device 31 determines, based on the total power consumption of the customer 1, whether or not the customer 1 has the same load devices as other customers.
  • the learning efficiency and the learning accuracy of the learning device 32 are improved by considering the determination result of the learning device 31.
  • the learning device 31 classifies types of customers, including houses, stores, and factories, based on information on temporal changes in power consumption of various customers and other information.
  • the learning device 31 determines which type the customer 1 belongs to, based on the total power consumption of the customer 1.
  • the burden of detailed learning by the learning device 32 is reduced by considering the judgment result of the learning device 31, and the learning efficiency and learning accuracy of the learning device 32 are improved.
  • the learning device 32 learns in detail the pattern of the temporal change of the power consumption specific to the customer 1 based on the temporal change of the total power consumption of the customer 1, and the short-term corresponding to the individual load device 15 Generate a prediction model.
  • the learning device 31 Learning efficiency and learning accuracy.
  • the short-term predictor 25 includes a determiner 33 and a pattern recognizer 34.
  • the determiner 33 the short-term prediction model generated by the learning device 32 is set.
  • the determiner 33 determines whether the temporal change in the total power consumption of the customer 1 measured by the power meter 12 matches the short-term prediction model generated by the learner 32. Determine if When the temporal change of the total power consumption of the demander 1 coincides with the leading part of the short-term forecasting model, the pattern recognizer 34 calculates the overall power consumption of the demander 1 represented by the subsequent portion of the same short-term forecasting model
  • the controller 21 is notified of temporal changes in
  • the learning units 31 and 32 and the determination unit 33 of FIG. 2 may include a neural network.
  • FIG. 3 is a view showing an example of a neural network used in the learning units 31 and 32 and the determination unit 33 of FIG.
  • the neural network includes nodes N1-1 to N1-P of the input layer 41 and nodes N2-1 to N2-Q,..., N (M-1) -1 to N (M-) of the intermediate layer 42 of at least one layer. 1) -R and nodes NM-1 to NM-S of the output layer 43 are provided.
  • a time series representing a temporal change of the total power consumption of the customer 1 over a time length (second time period) shorter than the time length of the short-term prediction model to be generated Data is set.
  • time series data representing the temporal change of the total power consumption of the customer 1 over the time length (first time period) of the short-term prediction model to be generated is set.
  • the short-term prediction model learned by the learning device 32 that is, the weighting coefficient of the middle layer 42, is set in the middle layer 42 of the neural network of the determiner 33.
  • the time series data representing the temporal change of is input.
  • the output layer 43 of the neural network of the determiner 33 outputs time-series data representing a temporal change of the total power consumption of the customer 1 over the time length (first time period) of the short-term prediction model.
  • the output layer 43 indicates the demander represented by the entire short-term prediction model Time series data representing a temporal change of the entire power consumption of 1 is output.
  • Data indicating the type of the customer 1 may further be input to the input layer 41, including a house, a store, and a factory.
  • the input layer 41 including a house, a store, and a factory.
  • Data indicating the number of users of the customer 1 or the family configuration may be further input to the input layer 41.
  • this data it is possible to estimate a time zone or the like in which each load device 15 is operated, and to improve the accuracy of learning and prediction.
  • Data indicating the model or model number of each load device 15 may be further input to the input layer 41.
  • the power consumption and the like of each load device 15 can be estimated, and the accuracy of learning and prediction can be improved.
  • Data indicating the energized state or power consumption of each load device 15 may be further input to the input layer 41 (see the third embodiment described later).
  • Data indicating the behavior of the user of the customer 1 may be further input to the input layer 41.
  • this data it is possible to estimate a time zone or the like in which each load device 15 is operated, and to improve the accuracy of learning and prediction.
  • the server device 3 writes the user to the social network service as to which load device 15 the user uses and when and how, etc. It may be extracted from
  • data indicating the weather such as a weather forecast and the current temperature
  • data indicating the weather such as a weather forecast and the current temperature
  • Data indicating date and time or day of the week may be further input to the input layer 41.
  • this data it is possible to estimate a time zone or the like in which each load device 15 is operated based on information such as an event performed every day of the week or each season, and to improve the accuracy of learning and prediction.
  • FIGS. 4-6 an exemplary short-term prediction model used in the short-term predictor 25 of FIG. 1 is shown.
  • FIG. 4 is a diagram illustrating a first exemplary short-term prediction model used in the short-term predictor 25 of FIG.
  • the controller 21 controls the discharge of the power storage device 13 to set the discharge power in accordance with the power consumption of the television device.
  • FIG. 5 is a diagram illustrating a second exemplary short-term prediction model used in the short-term predictor 25 of FIG.
  • the controller 21 controls the discharge of the power storage device 13 to set the discharge power in accordance with the power consumption of the dryer.
  • FIG. 6 is a diagram illustrating a third exemplary short-term prediction model used in the short-term predictor 25 of FIG.
  • a third exemplary short-term prediction model used in the short-term predictor 25 of FIG.
  • controller 21 controls the discharge of power storage device 13 to set the discharge power in accordance with the predicted power consumption.
  • symbol T1 indicates the time period (first time period) of the short-term prediction model.
  • a code T2 indicates a time period (second time period) of time-series data representing a temporal change of the total power consumption of the customer 1 immediately before the current time, which is applied to the short-term prediction model.
  • the symbol T3 indicates a short-term prediction period, that is, a time period (third time period) of predicted short-term predicted power.
  • the controller 21 sets predetermined charge power or predetermined discharge power based on the short-term predicted power predicted by the short-term predictor 25
  • charge power or discharge is determined based on the long-term predicted power predicted by the long-term predictor 23.
  • the future charging and discharging plan acts as a constraint on the current charging power and discharging power, so that charging and discharging of power storage device 13 can be optimally controlled in consideration of the latest and future.
  • the customer 1 When the power of the load device 15 is turned on or off according to an unexpected behavior (such as a late night stay) or a sudden visitor of the user of the customer 1, or when the load device 15 breaks down, the customer 1 The overall power consumption of may fluctuate rapidly. If the received power from the power system 2 fluctuates rapidly in response to a sudden change in the overall power consumption of the customer 1, the quality of the power transmitted through the power system 2 may be degraded. Therefore, it is required to control the charge and discharge of power storage device 13 so as to suppress the rapid fluctuation of the received power from power system 2.
  • the total power consumption of customer 1 in the short-term prediction period increases more than the power consumption predicted as long-term predicted power, As a result, the storage amount of the storage device 13 may be insufficient.
  • the storage amount of the storage device 13 reaches the lower limit value, thereafter, the customer 1 must receive power from the power system 2 in accordance with the overall power consumption of the customer 1.
  • the received power from the power system 2 may fluctuate rapidly according to the rapid fluctuation of the entire power consumption of the customer 1, and the received power from the power system 2 is a contract with the power company May exceed the upper limit determined by Therefore, it is required to control the charge and discharge of the power storage device 13 so that the shortage of the storage amount hardly occurs.
  • FIG. 7 is a flowchart showing the power management process executed by the controller 21 of FIG.
  • step S1 of FIG. 7 the controller 21 causes the long-term predictor 23 and the short-term predictor 25 to respectively calculate the long-term predicted power and the short-term predicted power in the short-term prediction period immediately after the current time (or the short time prediction period including the current time). get. Furthermore, the controller 21 predicts temporal changes in charge power, discharge power, and storage amount of the storage device 13 in the short-term prediction period, based on the long-term predicted power and the short-term predicted power. As described above, controller 21 controls charging and discharging of power storage device 13 every unit time period shorter than the short-term prediction period. In step S2, the controller 21 acquires the total power consumption Pcs of the predicted customer 1 in the next unit time period from the short-term predicted power acquired in step S1.
  • step S3 the controller 21 determines whether or not the power consumption Pcs in the next unit time period exceeds the power threshold ThA. If YES, the process proceeds to step S4, and if NO, the process proceeds to step S5.
  • the power threshold ThA indicates, for example, an upper limit of the received power Pr from the power system 2 which is determined by a contract with the power company.
  • step S4 the controller 21 proceeds to the next unit time period, supplies received power Pr equal to the power threshold value ThA from the power system 2 to the load device 15, and supplies power insufficient for the power consumption Pcs from the storage device 13. The load device 15 is discharged.
  • FIG. 8 is a graph showing an operation when the consumed power Pcs exceeds the power threshold ThA of the received power Pr in the customer 1 of FIG.
  • the code T11 indicates the current unit time period.
  • the power consumption Pcs may exceed the power threshold ThA in a unit time period T11.
  • the controller 21 predicts that the power consumption Pcs exceeds the power threshold ThA, while the power consumption Pcs exceeds the power threshold ThA, the power storage device 13 The load device 15 is discharged. Thereby, the magnitude of the received power Pr can be made equal to or less than the power threshold ThA.
  • controller 21 determines whether or not the shortage of the storage amount of power storage device 13 is predicted in the short-term prediction period, and proceeds to step S6 when YES, and proceeds to step S7 when NO. move on.
  • step S6 the controller 21 proceeds to the next unit time period and charges the power storage device 13 from the power system 2 while supplying power equal to the power consumption Pcs from the power system 2 to the load device 15.
  • FIG. 9 is a graph showing an operation when the storage amount of the power storage device 13 reaches the lower limit value Th1 due to discharge in the customer 1 of FIG.
  • Power storage device 13 has lower limit value Th1 and upper limit value Th2 of the storage amount, which are determined according to the upper limit of charge power or discharge power set based on long-term predicted power.
  • Th1 and upper limit value Th2 of the storage amount are determined according to the upper limit of charge power or discharge power set based on long-term predicted power.
  • step S7 of FIG. 7 the controller 21 calculates the fluctuation speed d (Pcs) / dt of the power consumption Pcs. Further, controller 21 determines whether or not fluctuation speed d (Pcs) / dt is higher than positive speed threshold ThB, and proceeds to step S8 if YES, and proceeds to step S9 if NO.
  • the speed threshold ThB indicates, for example, the upper limit of the allowable change speed of the power transmitted via the power system 2.
  • step S8 indicates, for example, the upper limit of the allowable change speed of the power transmitted via the power system 2.
  • controller 21 proceeds to the next unit time period and discharges power lacking in power consumption Pcs from power storage device 13 to load device 15, while maintaining the magnitude of received power Pr from power system 2 .
  • FIG. 10 is a graph showing an operation when the power consumption Pcs rapidly increases in the customer 1 of FIG.
  • the power consumption Pcs may increase rapidly.
  • the controller 21 predicts that the power consumption Pcs will increase rapidly, the load device 15 starts to receive the load device 15 at the moment when the power consumption Pcs increases rapidly (unit time period T11). Start to discharge.
  • the controller 21 gradually increases the received power Pr and gradually decreases the discharged power in accordance with the power consumption Pcs. As a result, it is possible to make it difficult for the received power Pr to rapidly increase.
  • step S9 of FIG. 7 the controller 21 determines whether or not the fluctuation speed d (Pcs) / dt of the power consumption Pcs is lower than the negative speed threshold -ThB, and proceeds to step S10 if YES. If NO, the process proceeds to step S11. In step S10, the controller 21 proceeds to the next unit time period, and while maintaining the magnitude of the received power Pr from the power system 2, of the received power Pr, the power exceeding the power consumption Pcs is stored in the storage device 13. To charge.
  • FIG. 11 is a graph showing an operation when the power consumption Pcs rapidly decreases in the customer 1 of FIG.
  • the power consumption Pcs may decrease rapidly. If the received power Pr from the power system 2 is rapidly decreased according to the rapid decrease of the power consumption Pcs, the quality of the power transmitted through the power system may be degraded. Therefore, as shown in the lower part of FIG. 11, when the controller 21 predicts that the power consumption Pcs decreases sharply, the power storage device 13 is powered by the power system 2 at the moment when the power consumption Pcs decreases rapidly (unit time period T11). Start charging.
  • the controller 21 gradually reduces the charging power (that is, the received power Pr) in accordance with the power consumption Pcs. As a result, it is possible to make it difficult to cause an abrupt decrease in the received power Pr.
  • step S11 of FIG. 7 the controller 21 proceeds to the next unit time period, and controls charging and discharging of the power storage device 13 based on the long-term predicted power.
  • step S12 the controller 21 determines whether or not the last unit time period in the unit prediction period has been reached, and proceeds to step S13 if YES, and returns to step S2 if NO.
  • step S13 the controller 21 proceeds to the next short prediction period and returns to step S1.
  • FIG. 12 is a graph showing the temporal change of the total power consumption of the customer 1 of FIG. FIG. 12 further shows control of charging and discharging of power storage device 13 based on a long-term prediction model.
  • control device 16 When it is predicted that the total power consumption of customer 1 will be less than the threshold in FIG. 12, control device 16 further supplies power received from power system 2 to load device 15 and further to storage device 13. To charge.
  • control device 16 When it is predicted that the total power consumption of customer 1 will be equal to or higher than the threshold in FIG. 12, control device 16 further supplies power received from electric power system 2 to load device 15 and further from power storage device 13. The discharged power is supplied to the load device 15.
  • the control device 16 predicts the amount of power to be discharged and charges the power storage device 13 in advance before the time period in which the total power consumption of the customer 1 is predicted to be equal to or higher than the threshold in FIG.
  • the charge amount and the discharge amount can be optimized.
  • FIG. 13 is a graph showing temporal changes in the total power consumption of the customer 1 of FIG. 1 and the discharge power of the power storage device 13.
  • FIG. 14 is a graph showing temporal changes in received power from the power system 2 by the customer 1 of FIG. 1.
  • the power received by the customer 1 from the power system 2 is the remaining power obtained by subtracting the discharge power of the power storage device 13 from the overall power consumption of the customer 1.
  • 13 and 14 correspond to the time period T21 of FIG.
  • Control device 16 controls charging and discharging of power storage device 13 so as to achieve, for example, simultaneous 30 minutes of the same amount based on a long-term prediction model (shown as “control every 30 minutes” in FIGS. 13 and 14).
  • the discharge power is increased in accordance with the temporary increase of the power consumption.
  • the magnitude of the discharge power can not follow the temporal change of the power consumption in a time period shorter than 30 minutes.
  • FIG. 14 when viewed from the power system 2, the rapid fluctuation of the entire power consumption of the customer 1 affects the power system 2, and the quality of the power transmitted via the power system 2 is descend.
  • the rapid fluctuation of the entire power consumption of the customer 1 affects the power system 2, and the quality of the power transmitted via the power system 2 is descend.
  • the rapid fluctuation of the entire power consumption of the customer 1 affects the power system 2, and the quality of the power transmitted via the power system 2 is descend.
  • FIG. 14 shows that the rapid fluctuation of the power consumption of the entire customer 1 hardly affects the power system 2, and the power of the power system 2 can be stabilized.
  • the charge and discharge of the storage device 13 are controlled at high speed for each unit time period based on the short-term predicted power, so that the shortage of the storage amount of the storage device 13 does not easily occur. can do. It is possible to make it difficult for the rapid fluctuation of the received power from the power system 2 to occur while maintaining the restriction of the storage amount assumed based on the long-term predicted power.
  • the received power from the power system 2 based on the short-term predicted power can be controlled so as to suppress the rapid fluctuation of
  • charging and discharging of power storage device 13 are controlled following the change in power consumption by using the short-term prediction model, and as a result, the power received from power system 2 is received.
  • the amount can be reduced to reduce the electricity bill.
  • the storage device 13 is used more efficiently than in the prior art by controlling charging and discharging of the storage device 13 based on both long-term predicted power and short-term predicted power. be able to. Therefore, the introduction of the power storage device 13 can maximize the effect of reducing the electricity charge.
  • the power management system of the first embodiment since the sudden change of the received power from the power grid 2 is suppressed by the customer 1, complicated processing such as demand response by the power grid 2 is not necessary.
  • the sample time of the long-term prediction model is set longer than the sample time of the short-term prediction model, and the long-term prediction model and the short-term prediction model are used according to the purpose. It is possible to suppress an increase in the amount of data required.
  • the short-term forecasting model may be updated more frequently than the long-term forecasting model. As a result, changes in the environment of the customer 1 such as replacement of a resident can be better tracked, and the learning accuracy of the short-term prediction model is improved.
  • the controller 21 may communicate with the external server device 3 to acquire data of the electricity bill from the server device 3.
  • the controller 21 may set the power threshold ThA of step S3 of FIG. 7 dynamically according to the electricity rate.
  • controller 21 gives priority to power storage device 13 over electric power system 2 to supply power to load device 15 when the electricity charge exceeds the first threshold, and from power storage device 13 with a predetermined discharge power.
  • the load device 15 may be discharged.
  • the controller 21 may charge the storage device 13 from the power system 2 with a predetermined charging power when the electricity charge is less than the second threshold.
  • the second threshold may be equal to the first threshold and may be higher or lower than the first threshold. This can reduce the electricity bill.
  • the long-term prediction model generator 22 may further refer to the state of the storage device 13 obtained from the sensor 14 when generating the long-term prediction model.
  • the short-term prediction model generator 24 may further refer to the state of the storage device 13 obtained from the sensor 14 when generating the short-term prediction model.
  • the short-term predictor 25 may further refer to the state of the storage device 13 obtained from the sensor 14.
  • the controller 21 may also refer to the state of the power storage device 13 obtained from the sensor 14 when controlling charging and discharging of the power storage device 13. By referring to the state of power storage device 13 obtained from sensor 14, the charging power, discharging power, and storage amount of power storage device 13 can be grasped more accurately.
  • At least one of the load device 15 and the storage device 13 may include an electric vehicle.
  • the customer 1 may include a plurality of power storage devices. Thereby, the charge capacity per one power storage device can be reduced, and the maximum controllable current can be increased.
  • the short-term prediction model generator 24 may include three or more learners.
  • the long-term forecasting model when transmitting and receiving power among a plurality of consumers as described in the fifth embodiment, one consumer considers the power consumption of the other consumers, from which consumer to which consumer how much
  • the long-term forecasting model can be generated in consideration of power transmission and reception of the
  • a long-term forecasting model is generated in the same way as the short-term forecasting model, as with the short-term forecasting model, houses, stores, and other information based on temporal change information of power consumption of various consumers. Types of consumers may be classified, including factories.
  • the long-term prediction model generator 22 determines which type the customer 1 belongs to, based on the total power consumption of the customer 1, and generates a long-term prediction model based on the judgment result.
  • learning efficiency and learning accuracy improve by using data of other consumers.
  • FIG. 15 is a block diagram showing the configuration of the power management system of the customer 1A according to the second embodiment.
  • a customer 1A in FIG. 15 includes a distribution board 11A and a control device 16A instead of the distribution board 11 and the control device 16 of the customer 1 in FIG. 1, and further includes a power generation device 17 and a wattmeter 18.
  • the customer 1A is connected to the power system 2 and the server device 3A.
  • the power generation device 17 generates a predetermined generated power Pg.
  • the power generation device 17 is, for example, a solar cell, but may be another power supply.
  • the power generation device 17 includes a DC to AC power conversion circuit.
  • the power meter 18 measures the generated power of the power generation device 17 and notifies the control device 16A.
  • the distribution board 11A transmits power between the power system 2, the storage device 13, the power generation device 17, and the load devices 15-1 and 15-2 under the control of the control device 16A. In some cases, distribution board 11A sends the power received from power system 2 to storage device 13 and / or load devices 15-1 and 15-2. In other cases, distribution board 11A sends the power received from power storage device 13 to load devices 15-1 and 15-2 and / or power system 2. In other cases, distribution board 11A sends the power received from power generation device 17 to power storage device 13, load devices 15-1, 15-2, and / or power system 2.
  • the control device 16A includes a controller 21A in place of the controller 21 of the control device 16 of FIG. 1, and further, a long-term prediction model generator 26, a long-term predictor 27, and a short-term prediction model for predicting temporal changes in generated power.
  • a generator 28 and a short term predictor 29 are provided.
  • the long-term prediction model generator 22, the long-term predictor 23, the short-term prediction model generator 24, and the short-term predictor 25 of the controller 16A like the corresponding components of the controller 16 of FIG. Provided to predict temporal changes in power consumption of the
  • Controller 21A executes a power management process described later with reference to FIGS. 16 and 17 to control charging and discharging of power storage device 13.
  • the generated power long-term prediction model generator 26 generates a generated power long-term prediction model representing temporal change in the generated power of the power generation device 17 according to the time.
  • the long-term predictor 27 of the generated power uses the long-term prediction model of the generated power to predict the temporal change of the generated power over the long-term prediction period as the long-term predicted power of the generated power.
  • the long-term prediction model generator 26 acquires weather data from the server device 3A, and based on the weather data, changes in time of the generated power of the solar cell according to time.
  • a long-term forecasting model may be generated.
  • the long-term predictor 27 acquires weather data from the server device 3A, and based on the weather data, temporal change of the generated power of the solar cell over a long prediction period May be predicted as long-term predicted power of generated power.
  • the long-term prediction model of generated power is also referred to as “third prediction model”
  • long-term predicted power of generated power is also referred to as “third predicted power”
  • the long-term prediction model generator 26 is referred to as “third It is also referred to as a prediction model generator
  • the long-term predictor 27 is also referred to as a "third predictor.”
  • the generated power short-term prediction model generator 28 generates a generated power short-term prediction model representing temporal change of the generated power of the power generation device 17 over a short-term prediction period immediately after the current time.
  • the short-term predictor 29 of the generated power uses the short-term prediction model of the generated power to predict the temporal change of the generated power over the short-term prediction period immediately after the current time as the short-term predicted power of the generated power.
  • the short-term prediction model generator 28 acquires weather data from the server device 3A, and based on the weather data, the generated power of the solar cell for a short prediction period immediately after the current time A short-term forecasting model may be generated that shows temporal changes in Similarly, when the power generation device 17 is a solar cell, the short-term predictor 29 obtains weather data from the server device 3A, and based on the weather data, generates power of the solar cell for a short prediction period immediately after the current time. The temporal change of power may be predicted as short-term predicted power of generated power.
  • short-term prediction model of generated power is also referred to as “fourth prediction model”
  • short-term predicted power of generated power is also referred to as “fourth predicted power”
  • short-term prediction model generator 28 is referred to as “fourth It is also called a prediction model generator, and the short-term predictor 29 is also called a "fourth predictor.”
  • the short-term prediction model generator 28 and the short-term predictor 29 receive weather conditions having a finer temporal granularity than those input to the long-term prediction model generator 26 and the long-term predictor 27.
  • Data is input.
  • data such as weather forecasts for one day, one week, or one month later may be input to the long-term prediction model generator 26 and the long-term predictor 27.
  • the short-term prediction model generator 28 and the short-term predictor 29 for example, data such as weather forecasts up to several minutes or several hours later, images taken by weather satellites (eg, images showing the movement of clouds), etc. May be input.
  • the short-term forecast of the generated power and the long-term forecast of the long-term forecast are performed in the same forecast cycle, the amount of data becomes enormous.
  • the sample time of the long-term prediction model of generated power longer than the sample time of the short-term prediction model of generated power, and using the long-term prediction model and the short-term prediction model according to the purpose, It can be suppressed.
  • the generated power may fluctuate rapidly due to a change in weather or the like. In addition, due to the failure of the power generation device 17, the generated power may fluctuate rapidly. When the rapidly changing generated power flows in the power system 2, the quality of the power transmitted through the power system 2 may be degraded. Therefore, it is required to control the charge and discharge of power storage device 13 so as to absorb the rapid fluctuation of the power generated by power generation device 17.
  • 16 and 17 are flowcharts showing the power management process performed by the controller 21A of FIG.
  • step S21 of FIG. 16 the controller 21A determines from the long-term predictor 23 and the short-term predictor 25 the long-term predicted power and the short-term prediction of power consumption in the short-term prediction period immediately after the current time (or the short-term prediction period including the current time). Get each power. Furthermore, the controller 21A obtains the long-term predicted power and the short-term predicted power of the generated power in the short-term prediction period immediately after the current time (or the short-term prediction period including the current time) from the long-term predictor 27 and the short-term predictor 29, respectively. .
  • controller 21A is configured to charge, discharge and store the charge power of power storage device 13 in the short-term prediction period based on long-term predicted power and short-term predicted power consumption and long-term predicted power and short-term predicted power of generated power. Predict the temporal change of In step S22, the controller 21A calculates the total power consumption Pcs and the predicted power consumption of the customer 1 in the next unit time period from the short-term predicted power consumption of the power consumption acquired in step S21 and the short-term predicted power generation of the generated power. The generated power Pg is acquired.
  • step S23 the controller 21A determines whether or not the generated power Pg in the next unit time period exceeds the power consumption Pcs. If YES, the process proceeds to step S24, and if NO, the process proceeds to step S25. In step S24, the controller 21A proceeds to the next unit time period, and while the generated power Pg exceeds the power consumption Pcs, supplies a power equal to the power consumption Pcs from the power generation device 17 to the load device 15, and the remaining power Pg-Pcs is charged from power generation device 17 to power storage device 13.
  • step S25 the controller 21A determines whether the difference power Pcs-Pg of the power consumption Pcs and the generated power Pg in the next unit time period exceeds the power threshold ThA, and in the case of YES the process proceeds to step S26. If NO, the process proceeds to step S27.
  • step S26 the controller 21A proceeds to the next unit time period, supplies received power Pr equal to the power threshold ThA from the power system 2 to the load device 15, and stores power insufficient for the differential power Pcs-Pg.
  • the discharge device 13 discharges the load device 15.
  • FIG. 18 is a graph showing an operation when the power difference Pcs ⁇ Pg of the power consumption Pcs and the generated power Pg exceeds the power threshold ThA of the received power Pr in the customer 1A of FIG.
  • the generated power Pg decreases, as shown in the middle part of FIG. May exceed the power threshold ThA.
  • the unit price of the electricity charge increases as described above. Therefore, as shown in the lower part of FIG.
  • step S27 controller 21A determines whether or not the shortage of the storage amount of power storage device 13 is predicted in the short prediction period, and proceeds to step S28 if YES, and proceeds to step S29 if NO.
  • step S28 the controller 21A proceeds to the next unit time period and charges the power storage device 13 from the power system 2 while supplying power equal to the difference power Pcs-Pg from the power system 2 to the load device 15.
  • controller 21A predicts that the storage amount reaches lower limit value Th1 due to the discharge of power storage device 13 in the same manner as steps S5 to S6 in FIG. Power storage device 13 is charged from system 2. As a result, as described with reference to FIG. 9, even if the power storage device 13 is discharged, it is possible to make it difficult for the storage amount to reach the lower limit value Th1.
  • step S29 controller 21A determines whether or not the surplus of the storage amount of power storage device 13 is predicted in the short-term prediction period, and proceeds to step S30 in FIG. 17 when YES, and proceeds to step S31 when NO. move on.
  • step S30 the controller 21A proceeds to the next unit time period to discharge power equal to at least a part of the difference power Pcs-Pg from the storage device 13 to the load device 15.
  • FIG. 19 is a graph showing an operation when the storage amount of the power storage device 13 reaches the upper limit value Th2 due to charging in the customer 1A of FIG.
  • the storage amount of the power storage device 13 may reach the upper limit value Th2 as shown in the second stage of FIG. In this case, the storage device 13 can not be further charged, and the generated power is wasted. Therefore, when controller 21A predicts that the storage amount will reach upper limit value Th2 due to charging of power storage device 13, as shown in the third stage of FIG. The device 15 is discharged. Thereby, as shown in the fourth stage of FIG. 19, even when the power storage device 13 is charged, the amount of stored power can be made difficult to reach the upper limit value Th2.
  • step S31 of FIG. 17 the controller 21A calculates the fluctuation speed d (Pcs ⁇ Pg) / dt of the difference power Pcs ⁇ Pg. Furthermore, controller 21A determines whether or not fluctuation speed d (Pcs ⁇ Pg) / dt is higher than positive speed threshold ThB, and proceeds to step S32 if YES, and proceeds to step S33 if NO. move on. In step S32, the controller 21A proceeds to the next unit time period, and while maintaining the magnitude of the received power Pr from the electric power system 2, the power storage device 13 causes the load device 15 to supply power insufficient for the differential power Pcs-Pg. Discharge.
  • step S31 to S32 the controller 21A, similarly to steps S7 to S8 in FIG. 7, when it is predicted that the differential power Pcs-Pg increases rapidly, the power storage device 13 at the moment when the differential power Pcs-Pg increases rapidly. Start with the load device 15. As a result, as described with reference to FIG. 10 (however, the power consumption Pcs in the upper part of FIG. 10 is replaced with the difference power Pcs-Pg), it is possible to make it difficult to cause the rapid increase in the received power Pr.
  • step S33 controller 21A determines whether or not fluctuation speed d (Pcs-Pg) / dt is lower than negative speed threshold-ThB, and proceeds to step S34 if YES and proceeds to NO. The process proceeds to step S35.
  • step S34 controller 21A proceeds to the next unit time period, and while maintaining the magnitude of received power Pr from power system 2, of received power Pr, the power exceeding the differential power Pcs-Pg is stored in the storage device. Charge to 13.
  • step S33 to S34 the controller 21A predicts that the difference power Pcs-Pg sharply decreases, similarly to steps S9 to S10 in FIG. 7, the power system 2 at the moment when the difference power Pcs-Pg sharply decreases.
  • the power consumption Pcs in the upper part of FIG. 11 is replaced with the difference power Pcs-Pg
  • step S35 of FIG. 16 the controller 21A proceeds to the next unit time period, and controls charging and discharging of the power storage device 13 based on long-term predicted power.
  • step S36 the controller 21A determines whether or not the last unit time period has been reached, and proceeds to step S37 if YES, and returns to step S22 if NO.
  • step S37 the controller 21A proceeds to the next short prediction period and returns to step S21.
  • rapid control of charging and discharging of the power storage device 13 for each unit time period based on short-term predicted power allows rapid fluctuations in the power generated by the power generation device 17. It can be absorbed. By absorbing the rapid fluctuation of the power generated by the power generation device 17, the quality of the power transmitted through the power system 2 can be made difficult to deteriorate. By predicting the power generated by the power generation device 17, charging and discharging of the power storage device 13 can be controlled with high accuracy.
  • this makes it possible to expand the amount of introduced renewable energy while maintaining the stability of the power system 2. Since the power generated by the power generation device 17 and charged in the power storage device 13 can be effectively used, the effect of local production for local consumption of power in the customer 1A is increased.
  • FIG. 20 is a block diagram showing the configuration of the power management system of the customer 1B according to the third embodiment.
  • the customer 1B of FIG. 20 includes a control device 16B in place of the control device 16A of the customer 1A of FIG. 15, and further includes power meters 19-1 and 19-2.
  • the customer 1B is connected to the power system 2 and the server device 3B.
  • the power meters 19-1 and 19-2 respectively measure the power consumption of the load devices 15-1 and 15-2 and notify the control device 16B.
  • the control device 16B of FIG. 20 replaces the long-term prediction model generator 22, the long-term predictor 23, the short-term prediction model generator 24, and the short-term predictor 25 of the control device 16A of FIG.
  • a long-term predictor 23B, a short-term prediction model generator 24B, and a short-term predictor 25B are provided.
  • the long-term prediction model generator 22 B measures by the power meters 19-1 and 19-2 in addition to the temporal change of the total power consumption of the customer 1 measured by the power meter 12 when generating the long-term prediction model The temporal change of the power consumption of each load device 15-1 and 15-2 is referred to.
  • the long-term predictor 23 B adds each load device 15-1, 15 measured by the power meter 19-1, 19-2 in addition to the temporal change of the overall power consumption of the customer 1 measured by the power meter 12. Refer to the temporal change of -2 power consumption.
  • the short-term prediction model generator 24 B measures by the power meters 19-1 and 19-2 in addition to the temporal change of the overall power consumption of the customer 1 measured by the power meter 12.
  • the temporal change of the power consumption of each load device 15-1 and 15-2 is referred to.
  • the short-term predictor 25 B adds each load device 15-1, 15 measured by the power meter 19-1, 19-2 in addition to the temporal change of the total power consumption of the customer 1 measured by the power meter 12. Refer to the temporal change of -2 power consumption.
  • the demand is obtained by referring to the temporal change of the power consumption of each of the load devices 15-1 and 15-2 measured by the power meters 19-1 and 19-2. It is possible to improve the accuracy of predicting the temporal change of the overall power consumption of the house 1.
  • FIG. 21 is a block diagram showing a configuration of a power management system of a customer 1C according to the fourth embodiment.
  • the customer 1C of FIG. 21 includes a control device 16C instead of the control device 16A of the customer 1A of FIG.
  • the customer 1C is connected to the power system 2 and the server device 3C.
  • the control device 16C of FIG. 21 does not have the long-term prediction model generator 22, the short-term prediction model generator 24, the long-term prediction model generator 26, and the short-term prediction model generator 28 of the control device 16A of FIG.
  • the long-term prediction model generator 22, the short-term prediction model generator 24, the long-term prediction model generator 26, and the short-term prediction model generator 28 are provided in the external server device 3C.
  • the control device 16C causes the external server device 3C to use the entire power consumption of the customer 1 measured by the power meter 12, the state of the storage device 13 measured by the sensor 14, and the power generation measured by the power meter 18.
  • the generated power of the device 17 is notified.
  • the control device 16C acquires, from the server device 3C, a long-term prediction model and a short-term prediction model of power consumption, and a long-term prediction model and a short-term prediction model of generated power.
  • the server device 3C generates the long-term prediction model and the short-term prediction model of the power consumption and the long-term prediction model and the short-term prediction model of the generated power. Configuration and processing can be simplified. By expanding the scale of the server device 3C, it is possible to easily cope with an increase in the amount of data for generating a long-term prediction model and a short-term prediction model of power consumption and a long-term prediction model and a short-term prediction model of generated power. it can.
  • the controller 16A of the customer 1A generates a long-term prediction model and a short-term prediction model of power consumption, and a long-term prediction model and a short-term prediction model of generated power.
  • the control device 16A operates independently and can continue the operation even if the server device 3A goes down. Further, the communication charge with the server device 3A can be reduced.
  • the short-term prediction model generator 24 and the short-term predictor 25 are provided in the customer 1A, changes in the short-term prediction model of power consumption can be quickly dealt with.
  • FIG. 22 is a block diagram showing the configuration of a power grid 100 according to the fifth embodiment.
  • the power grid 100 of FIG. 22 includes a plurality of consumers 1A-1 to 1A-4 connected to the power system 2 via the power line 2a, and a server device 3A.
  • Each of the plurality of customers 1A-1 to 1A-4 is configured in the same manner as the customer 1A of the second embodiment (or the customers 1B to 1C of the second to third embodiments).
  • the customers 1A-1 to 1A-4 are collectively referred to as the customer 1A.
  • the server device 3A controls power transmission and reception among the customers 1A by controlling the control device 16A of each customer 1A.
  • Server device 3A changes temporally of the total power consumption of power grid 100 (that is, the total power consumption of each customer 1A) according to the time based on the long-term prediction model of the power consumption of each customer 1A. Generate a long-term forecast model of the power consumption of the power grid 100 that it represents. The server device 3A uses the long-term prediction model of the power consumption of the power grid 100 to predict the temporal change of the power consumption of the entire power grid 100 as the long-term predicted power of the power consumption of the power grid 100.
  • the server device 3A is based on the long-term prediction model and the short-term prediction model of the power consumption of each customer 1A, the time of the entire power consumption of the power grid 100 over the sixth time period in which the power consumption changes in each customer 1A. Generate a short-term forecast model of the power consumption of the power grid 100 that represents the global change.
  • the server apparatus 3A uses the short-term prediction model of the power consumption of the power grid 100 to immediately after the current time based on the temporal change of the total power consumption of the power grid 100 over the seventh time period immediately before the current time.
  • the change over time in the overall power consumption of the power grid 100 over the eighth period of time is predicted as the short-term predicted power of the power grid 100 power consumption.
  • the server device 3A sets the predetermined transmission power and the predetermined reception power for each predetermined ninth time period based on the long-term predicted power of the power consumption of the power grid 100. Control power transmission and reception.
  • the server apparatus 3A sets the predetermined transmission power and the predetermined reception power for each tenth time period shorter than the eighth and ninth time periods based on the short-term predicted power consumption of the power grid 100. Control the power transmission and reception between each customer 1A.
  • the server device 3A operates as follows when the power generation device 17 of each customer 1A is not considered (or when the power grid 100 includes the customer 1 of FIG. 1 without the power generation device).
  • the server device 3A is based on the long-term predicted power and the short-term predicted power of the power consumption of the power grid 100, and the charge power, the discharge power, and the storage amount of the entire power grid 100 (ie, the storage device 13 of each customer 1A). Predict the temporal change of the total value). When it is predicted that the storage amount reaches the lower limit due to the discharge of the power storage device 13 of each customer 1A, the server device 3A charges the power storage device 13 of each customer 1A from the power system 2 in advance.
  • the server apparatus 3A predicts that the overall power consumption of the power grid 100 will rapidly increase based on the short-term predicted power consumption of the power grid 100, the moment when the overall power consumption of the power grid 100 rapidly increases , The storage device 13 of one customer 1A discharges to the load device 15 of another customer 1A.
  • the power storage system 13 of each customer 1A is charged from the power system 2.
  • the server apparatus 3A predicts that the total power consumption of the power grid 100 exceeds a predetermined power threshold based on the short-term predicted power consumption of the power grid 100, the total power consumption of the power grid 100 is While exceeding the power threshold, the storage device 13 of one customer 1A discharges to the load device 15 of the other customer 1A.
  • the server device 3A When considering the power generation device 17 of each customer 1A, the server device 3A operates as follows.
  • the server device 3A changes the temporal change of the entire generated power of the power grid 100 (that is, the total generated power of the power generation device 17 of each customer 1A) according to the time, the long-term predicted power of the generated power of the power grid 100 Predict as.
  • the server device 3A predicts temporal changes in generated power of the entire power grid 100 over a short-term prediction period immediately after the current time as short-term predicted power of the generated power of the power grid 100.
  • the server apparatus 3A charges and discharges the entire power grid 100 based on the long-term predicted power and the short-term predicted power of the power grid 100 and the long-term predicted power and the short-term predicted power of the generated power of the power grid 100. Predict temporal changes in power and storage capacity.
  • the server device 3A predicts that the total storage capacity of the power grid 100 reaches the upper limit value by charging the power storage devices 13 of each customer 1A, the power storage device 13 of one customer 1A makes a request to another customer 1A in advance. Discharge to the load device 15 of
  • Server device 3A has a difference power obtained by subtracting the entire generated power of power grid 100 from the entire consumed power of power grid 100 based on the short-term predicted power of power grid 100 and the short-term predicted power of the generated power.
  • the storage device 13 of one customer 1A discharges to the load device 15 of another customer 1A at the moment when the differential power increases rapidly.
  • the server apparatus 3A predicts that the difference power decreases rapidly based on the short-term predicted power consumption of the power grid 100 and the short-term predicted power of the generated power, the power grid 2 at the moment the difference power sharply decreases.
  • the power storage device 13 of each customer 1A is charged.
  • the server device 3A determines a difference power obtained by subtracting the entire generated power of the power grid 100 from the entire consumed power of the power grid 100 based on the short-term predicted power of the power grid 100 and the short-term predicted power of the generated power. When the differential power exceeds the power threshold, the storage device 13 of one customer 1A discharges the load 15 of the other customer 1A.
  • the server device 3A predicts that the total generated power of the power grid 100 exceeds the total power consumption of the power grid 100 based on the short-term predicted power consumption of the power grid 100 and the short-term predicted power of the generated power, While the entire generated power of the power grid 100 exceeds the total power consumption of the power grid 100, the power generating device 17 of one customer 1A charges the power storage device 13 of the other customer 1A.
  • the power grid management system of the fifth embodiment it is possible to predict temporal change in power consumption over the entire power grid and stably control the entire power grid.
  • FIG. 23 is a block diagram showing the configuration of a power network according to the sixth embodiment.
  • the power network of FIG. 23 includes a plurality of power grids 100-1 to 100-4 connected to the power system 2 via the power line 2a, and a plurality of power grids 100-1 to 100-4 including a server device 3D.
  • Each is configured the same as the power grid 100 of the fifth embodiment.
  • power grids 100-1 to 100-4 are collectively referred to as power grid 100.
  • the server device 3D controls power transmission and reception between the power grids 100 to 100-4 by controlling the server device 3A of each power grid 100.
  • the server apparatus 3D generates, based on the long-term prediction model of the power consumption of each power grid 100, a long-term prediction model of the power consumption of the power network that represents the temporal change of the total power consumption of the power network according to time.
  • the server apparatus 3D uses the long-term prediction model of the power consumption of the power network to predict the temporal change of the power consumption of the entire power network as the long-term predicted power of the power consumption of the power network.
  • the server apparatus 3D is based on the long-term prediction model and the short-term prediction model of the power consumption of each power grid 100, and changes over time in the total power consumption of the power network over the eleventh time period in which the power consumption changes in each power grid 100. Generate a short-term forecast model of power consumption of the power grid that represents The server apparatus 3D uses the short-term prediction model of the power consumption of the power network to determine the thirteenth immediately after the current time based on the temporal change of the total power consumption of the power network over the twelfth time period immediately before the current time. Temporal changes in the total power consumption of the power network over a time period are predicted as short-term predicted power consumption of the power grid.
  • the server apparatus 3D transmits power between the respective power grids 100 and sets the predetermined transmission power and the predetermined reception power for each predetermined fourteenth time period based on the long-term predicted power of the power consumption of the power network. Control power reception. The server apparatus 3D sets the predetermined transmission power and the predetermined reception power for each fifteenth time period shorter than the thirteenth and fourteenth time periods based on the short-term predicted power consumption of the power network. Control power transmission and reception between each power grid 100.
  • the server device 3D operates as follows when the power generation devices 17 of the respective power grids 100 are not considered (or when the power network is formed of a power grid without power generation devices).
  • Server device 3D is based on the long-term predicted power and the short-term predicted power of the power consumption of the power network, the charge power of the entire power network, the discharged power, and the storage amount (that is, the total value of power storage devices 13 of each power grid 100). Predict temporal changes.
  • the server device 3D charges the power storage devices 13 of the respective power grids 100 from the power system 2 in advance when it is predicted that the storage amount reaches the lower limit value due to the discharge of the power storage devices 13 of the respective power grids 100.
  • the server apparatus 3D predicts that the total power consumption of the power network will increase rapidly based on the short-term predicted power consumption of the power grid, at a moment when the total power consumption of the power network rapidly increases, a certain power grid 100 Discharge from the power storage device 13 to the load device 15 of the other power grid 100.
  • the server apparatus 3D predicts that the total power consumption of the power network will decrease sharply based on the short-term predicted power consumption of the power grid, at the moment when the total power consumption of the power network decreases rapidly, The power storage devices 13 of each power grid 100 are charged.
  • the server apparatus 3D predicts that the total power consumption of the power network exceeds a predetermined power threshold based on the short-term predicted power consumption of the power network, the total power consumption of the power network exceeds the power threshold In the meantime, the storage device 13 of one power grid 100 discharges to the load device 15 of another power grid 100.
  • the server device 3D When considering the power generation device 17 of each power grid 100, the server device 3D operates as follows.
  • the server device 3D predicts temporal changes in the generated power of the entire power network (that is, the total generated power of the power generation devices 17 of the respective power grids 100) according to time as long-term predicted power of the generated power of the power network. In addition, the server device 3D predicts temporal changes in generated power of the entire power network over a short predicted period immediately after the current time as short-term predicted power of the generated power of the power network. Server device 3D is based on the long-term predicted power and the short-term predicted power of the power consumption of the power network, and the long-term predicted power and the short-term predicted power of the generated power of the power network. Predict temporal changes.
  • the server device 3D predicts that the total storage capacity of the power network reaches the upper limit due to the charging of the storage devices 13 of each power grid 100, the load of the other power grid 100 from the storage devices 13 of one power grid 100 is previously stored. The device 15 is discharged.
  • the server device 3D predicts that the difference power obtained by subtracting the entire generated power of the power network from the total consumed power of the power network based on the short-term predicted power of the power consumption of the power network and the short-term predicted power of the generated power At a moment when the difference power rapidly increases, the storage device 13 of one power grid 100 discharges to the load device 15 of another power grid 100.
  • the server apparatus 3D predicts that the difference power sharply decreases based on the short-term predicted power of the power consumption of the power network and the short-term predicted power of the generated power, the server apparatus 3D generates The power storage device 13 of the power grid 100 is charged.
  • the server device 3D is configured such that a difference power obtained by subtracting the entire generated power of the power network from the total consumed power of the power network is a predetermined power threshold based on the short-term predicted power of the power consumption of the power network and the short-term predicted power of the generated power.
  • a difference power obtained by subtracting the entire generated power of the power network from the total consumed power of the power network is a predetermined power threshold based on the short-term predicted power of the power consumption of the power network and the short-term predicted power of the generated power.
  • the server apparatus 3D predicts that the total generated power of the electric power grid exceeds the total consumed electric power of the electric power grid based on the short-term predicted electric power consumption of the electric power grid and the short-term predicted electric power of the generated power, the generated electric power of the entire electric power grid While the power consumption of the entire power grid is exceeded, the power storage device 13 of one power grid 100 is charged from the power generating device 17 of one power grid 100.
  • the power network management system of the sixth embodiment it is possible to predict temporal changes in power consumption throughout the power network and stably control the entire power network.
  • a higher-level power management system provided with a plurality of power networks configured in the same manner as the power network of the sixth embodiment may be configured.
  • the charging and discharging of the storage device in the lower power management system may be restricted by the upper power management system.
  • power transmission and power reception among the consumers are restricted in order to balance the entire supply and demand of the power grid, and the subordinate consumers charge and discharge the storage device in consideration of the restrictions. Control.
  • a control device, a power management system, and a power grid management system of a storage device of the present disclosure have the following configurations.
  • the controller is
  • a first prediction model representing temporal change in total power consumption of the customer according to time is used to predict temporal change in total power consumption of the customer as a first predicted power.
  • a controller configured to control charging and discharging of the power storage device to set a predetermined charging power or a predetermined discharging power for each fifth time period shorter than the third and fourth time periods based thereon.
  • the controller Predicting temporal changes in charge power, discharge power, and storage amount of the power storage device based on the first and second predicted powers;
  • the storage device is charged from the power system in advance when it is predicted that the storage amount reaches the lower limit value due to the discharge of the storage device.
  • the controller Based on the second predicted power, when it is predicted that the total power consumption of the customer will increase rapidly, at the moment when the total power consumption of the customer rapidly increases, the power storage device to the load device Discharged Based on the second predicted power, when it is predicted that the total power consumption of the customer will decrease sharply, the power system from the power system to the power storage device at the moment when the total power consumption of the customer decreases rapidly To charge.
  • the controller In the control device of the power storage device of the third aspect, in the control device of the power storage device of the first or second aspect, The controller The total power consumption of the customer exceeds the power threshold when the total power consumption of the customer is predicted to exceed the predetermined power threshold based on the second predicted power In the meantime, the power storage device discharges the load device.
  • the customer includes a power generation device that generates predetermined power generation.
  • the controller is A third predictor that predicts temporal changes in the generated power according to time as a third predicted power; A fourth predictor for predicting, as a fourth predicted power, a temporal change of the generated power over the third time period immediately after the current time; The controller Predict temporal changes in charge power, discharge power, and storage amount of the storage device based on the first to fourth predicted powers; When it is predicted that the storage amount reaches the upper limit value by charging of the power storage device, the power storage device is discharged in advance to the load device.
  • the controller Based on the second and fourth predicted powers, when it is predicted that the difference power obtained by subtracting the generated power from the entire consumed power of the customer will increase rapidly, the difference power may increase rapidly at the moment of increase. Discharge from the storage device to the load device; The power storage device is charged from the power system at the moment when the difference power is sharply decreased when the difference power is predicted to be sharply decreased based on the second and fourth predicted powers.
  • the controller When it is predicted that the difference power obtained by subtracting the generated power from the total power consumption of the customer based on the second and fourth predicted powers exceeds the predetermined power threshold, the difference power is the power While the threshold value is exceeded, the storage device is discharged to the load device.
  • control device of the power storage device of the eighth aspect in the control device of the power storage device according to one of the fifth to seventh aspects, The controller Based on the second and fourth predicted powers, when the generated power is predicted to exceed the total power consumption of the customer, while the generated power exceeds the total power consumption of the customer The power storage device is charged from the power generation device.
  • the power generation device is a solar cell
  • the third and fourth predictors communicate with an external server device to acquire weather data from the server device, and based on the weather data, the temporal change of the generated power of the solar cell is calculated based on the data of the weather. It is predicted as the third and fourth predicted powers respectively.
  • the second predictor comprises: an input layer into which time series data representing temporal change in total power consumption of the customer over the second time period is input; at least one intermediate layer; A neural network having an output layer for outputting time-series data representing a temporal change in total power consumption of the customer over one time period, the neural network representing the second prediction model Have been trained.
  • the second prediction model represents a temporal change in total power consumption of the customer over the first period of time before and after powering on each of the plurality of load devices.
  • the controller is A first prediction model generator generating the first prediction model; And a second prediction model generator that generates the second prediction model.
  • the first and second prediction models are generated with reference to the power consumption of other consumers.
  • the second prediction model is updated more frequently than the first prediction model.
  • the controller when setting a predetermined charging power or a predetermined discharging power based on the second predicted power, sets an upper limit of the charging power or the discharging power based on the first predicted power.
  • the controller Communicate with an external server device to obtain data of electricity charges from the server device; When the electricity charge exceeds a first charge threshold, the electricity storage device is discharged to the load device; When the electricity charge falls below a second charge threshold, the power storage system is charged from the power system.
  • a power management system for consumers connected to a power system The customer is With multiple load devices, At least one power storage device, And a control device of a power storage device according to one of the first to sixteenth aspects.
  • a power grid management system for a power grid comprising a plurality of consumers connected to a power grid, the power grid management system comprising:
  • Each of the plurality of consumers comprises the power management system according to the seventeenth aspect,
  • the power grid further includes a server device that controls power transmission and reception among the consumers by controlling a control device of the consumers.
  • the charging power of the power storage device is suppressed so as to suppress rapid fluctuation of received power from the power system.
  • the magnitude of the discharge power can be determined.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

要約　長期予測器（２３）は、需要家（１）の消費電力の長期予測モデルを用いて、需要家（１）の消費電力の時間的変化を長期予測電力として予測する。短期予測器（２５）は、需要家（１）の消費電力の短期予測モデルを用いて、現在時刻の直前の需要家（１）の消費電力の時間的変化に基づいて、現在時刻の直後の需要家（１）の消費電力の時間的変化を短期予測電力として予測する。コントローラ（２１）は、長期予測電力及び短期予測電力に基づいて所定の時間期間ごとに蓄電装置（１３）の充電及び放電を制御する。コントローラ（２１）は、長期予測電力及び短期予測電力に基づいて蓄電装置（１３）の充電電力、放電電力、及び蓄電量の時間的変化を予測し、蓄電装置（１３）の放電により蓄電量が下限値に達すると予測したとき、予め電力系統（２）から蓄電装置（１３）に充電する。

Description

電力管理システム
　本開示は、電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家における蓄電装置の制御装置に関する。本開示はまた、そのような需要家のための電力管理システムに関し、また、そのような複数の需要家を含む電力グリッドのための電力グリッド管理システムに関する。
　電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家に設けられる電力管理システムが知られている（特許文献１～３を参照）。電力管理システムは、需要家の発電装置（太陽電池など）を備えることもある。
特開２０１６－０１５８５７号公報 特許第５４０２５６６号公報 国際公開第２０１４／１７５３７４号
　需要家のいずれかの負荷装置の消費電力が変動するとき、需要家の全体の消費電力も変動する。例えば、需要家のいずれかの負荷装置の電源がオンされるとき、需要家の全体の消費電力が急激に変動する。電力系統からの受電電力のピークが電力会社との契約によるしきい値を超えると、電気料金の単価が増大する。また、需要家の全体の消費電力の急激な変動に応じて電力系統からの受電電力が急激に変動すると、電力系統を介して伝送される電力の品質が低下する。従って、電力系統からの受電電力の急激な変動を抑えるように蓄電装置の充電電力及び放電電力の大きさを決定することが求められる。
　本開示は、電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家において、電力系統からの受電電力の急激な変動を抑えるように蓄電装置の充電電力及び放電電力の大きさを決定する蓄電装置の制御装置を提供する。
　本開示はまた、そのような需要家のための電力管理システムを提供し、また、そのような複数の需要家を含む電力グリッドのための電力グリッド管理システムを提供する。
　本開示の一態様に係る蓄電装置の制御装置によれば、
　電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家における前記蓄電装置の制御装置であって、
　前記制御装置は、
　時刻に応じた前記需要家の全体の消費電力の時間的変化を表す第１の予測モデルを用いて、前記需要家の全体の消費電力の時間的変化を第１の予測電力として予測する第１の予測器と、
　前記複数の負荷装置のそれぞれの消費電力が変化する前後の第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す第２の予測モデルを用いて、現在時刻の直前の第２の時間期間にわたる前記需要家の全体の消費電力の時間的変化に基づいて、前記現在時刻の直後の第３の時間期間にわたる前記需要家の全体の消費電力の時間的変化を第２の予測電力として予測する第２の予測器と、
　前記第１の予測電力に基づいて所定の第４の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように前記蓄電装置の充電及び放電を制御し、前記第２の予測電力に基づいて前記第３及び第４の時間期間よりも短い第５の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように前記蓄電装置の充電及び放電を制御するコントローラとを備え、
　前記コントローラは、
　前記第１及び第２の予測電力に基づいて前記蓄電装置の充電電力、放電電力、及び蓄電量の時間的変化を予測し、
　前記蓄電装置の放電により前記蓄電量が下限値に達すると予測したとき、予め前記電力系統から前記蓄電装置に充電する。
　本開示によれば、電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家において、電力系統からの受電電力の急激な変動を抑えるように蓄電装置の充電電力及び放電電力の大きさを決定することができる。
第１の実施形態に係る需要家１の電力管理システムの構成を示すブロック図である。 図１の短期予測モデル生成器２４及び短期予測器２５の構成を示すブロック図である。 図２の学習器３１，３２及び判定器３３で使用されるニューラルネットワークの例を示す図である。 図１の短期予測器２５で使用される第１の例示的な短期予測モデルを示す図である。 図１の短期予測器２５で使用される第２の例示的な短期予測モデルを示す図である。 図１の短期予測器２５で使用される第３の例示的な短期予測モデルを示す図である。 図１のコントローラ２１によって実行される電力管理処理を示すフローチャートである。 図１の需要家１において消費電力Ｐｃｓが受電電力Ｐｒの電力しきい値ＴｈＡを超えるときの動作を示すグラフである。 図１の需要家１において蓄電装置１３の蓄電量が放電により下限値Ｔｈ１に達するときの動作を示すグラフである。 図１の需要家１において消費電力Ｐｃｓが急激に増大するときの動作を示すグラフである。 図１の需要家１において消費電力Ｐｃｓが急激に減少するときの動作を示すグラフである。 図１の需要家１の全体の消費電力の時間的変化を示すグラフである。 図１の需要家１の全体の消費電力と、蓄電装置１３の放電電力との時間的変化を示すグラフである。 図１の需要家１が電力系統２からの受電電力の時間的変化を示すグラフである。 第２の実施形態に係る需要家１Ａの電力管理システムの構成を示すブロック図である。 図１５のコントローラ２１Ａによって実行される電力管理処理の第１の部分を示すフローチャートである。 図１５のコントローラ２１Ａによって実行される電力管理処理の第２の部分を示すフローチャートである。 図１５の需要家１Ａにおいて消費電力Ｐｃｓ及び発電電力Ｐｇの差電力Ｐｃｓ－Ｐｇが受電電力Ｐｒの電力しきい値ＴｈＡを超えるときの動作を示すグラフである。 図１５の需要家１Ａにおいて蓄電装置１３の蓄電量が充電により上限値Ｔｈ２に達するときの動作を示すグラフである。 第３の実施形態に係る需要家１Ｂの電力管理システムの構成を示すブロック図である。 第４の実施形態に係る需要家１Ｃの電力管理システムの構成を示すブロック図である。 第５の実施形態に係る電力グリッド１００の構成を示すブロック図である。 第６の実施形態に係る電力網の構成を示すブロック図である。
＜本開示に至った経緯＞
　まず、本発明者が本開示に至った経緯を説明する。
　日本では、２０１９年に再生可能エネルギーの固定価格買取制度（ＦＩＴ）が終了することが予定されている。これに伴い、太陽電池を備えた需要家自体による発電電力の消費が増加するとともに、発電電力を無駄なく消費するために蓄電装置の需要が増えると予想される。
　従来の電力管理システムは、例えば３０分同時同量を達成するように受動的なフィードバック制御を行って、また、発電装置の発電電力に応じて、蓄電装置の充電電力及び放電電力の大きさを決定する。従来の電力管理システムは、蓄電装置の充電電力及び放電電力の大きさを３０分よりも短い周期で高速に制御することができず、また、夜間充電を除いては、未来の消費電力を考慮して能動的に制御することができない。
　蓄電装置の初期投資費用は高額であり、投資費用の回収は困難であるか、非常に長い時間がかかる。従って、蓄電装置の導入により電気料金を削減する効果を最大化することが望まれる。
　例えば特許文献１によれば、蓄電装置の導入により電気料金を削減する効果を最大化するために、系統から供給される電力を抑えて契約電力に基づき定められる基本料金を抑える。具体的には、系統からの電力が上限値以下となるように、消費電力の予測データに基づいて前もって蓄電装置の充放電を制御し、系統電力のピークを抑える。消費電力がある上限値に達する時間帯又は達すると予測される時間帯について、蓄電装置から放電される消費電力がある上限値を超えると予想される時間帯より前に、消費電力と上限値の差分を蓄電装置に蓄電し、必要な放電量を確保する。
　消費電力の急激な変動に追従して放電電力を制御するためには、消費電力の短期の時間的変化を予測することが必要である。特許文献１の発明は、時間帯ごとの消費電力の予測値を有しているだけなので、消費電力の短期の急激な変動に追従することができない。
　従って、電力系統からの受電電力の急激な変動を抑えるように蓄電装置の充電及び放電を制御することが求められる。
　以上の知見及び考察により、本発明者らは、以下の発明の各態様を想到するに至った。
　以下、本開示に係る実施形態について図面を参照して説明する。なお、以下の各実施形態において、同様の構成要素については同一の符号を付している。
＜第１の実施形態＞
　図１は、第１の実施形態に係る需要家１の電力管理システムの構成を示すブロック図である。需要家１は、分電盤１１、電力計１２、蓄電装置１３、センサ１４、負荷装置１５－１，１５－２、及び制御装置１６を備える。需要家１は、電力線２ａを介して電力系統２に接続され、さらに、サーバ装置３に接続される。図１他のブロック図において、太線は電力を示し、細線は制御信号を示す。
　分電盤１１は、制御装置１６の制御下で、電力系統２、蓄電装置１３、及び負荷装置１５－１，１５－２の間で電力を伝送する。分電盤１１は、ある場合には、電力系統２から電力線２ａを介して受けた電力を蓄電装置１３及び／又は負荷装置１５－１，１５－２に送る。分電盤１１は、他の場合には、蓄電装置１３から受けた電力を負荷装置１５－１，１５－２及び／又は電力系統２に送る。
　電力計１２は、需要家１の全体の消費電力（すなわち、負荷装置１５－１，１５－２の合計の消費電力）を測定して制御装置１６に通知する。
　蓄電装置１３は、電力系統２から受けた電力を充電し、充電された電力を放電して負荷装置１５－１，１５－２又は電力系統２に送る。蓄電装置１３は、バッテリと、交流から直流への電力変換回路と、直流から交流への電力変換回路とを備える。蓄電装置１３は電気自動車を含んでもよい。
　センサ１４は、最大充電電力量、現在の充電電力量、及び劣化状態など、蓄電装置１３の状態をモニタリングする。センサ１４は、蓄電装置１３の状態を制御装置１６に通知する。
　負荷装置１５－１，１５－２は、照明器具、冷暖房装置、調理器具、テレビジョン装置、パーソナルコンピュータ、電気自動車など、任意の電気機器である。以下、負荷装置１５－１，１５－２を総称して負荷装置１５ともいう。図１等では、２つの負荷装置１５－１，１５－２のみを示すが、需要家１は任意個数の負荷装置を備える。
　制御装置１６は、コントローラ２１、長期予測モデル生成器２２、長期予測器２３、短期予測モデル生成器２４、及び短期予測器２５を備える。
　コントローラ２１は、図７を参照して後述する電力管理処理を実行し、蓄電装置１３の充電及び放電を制御する。
　長期予測モデル生成器２２は、時刻に応じた需要家１の全体の消費電力の時間的変化を表す長期予測モデルを生成する。長期予測モデル生成器２２は、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に基づいて、長期予測モデルを生成する。長期予測モデル生成器２２は、長期予測モデルを生成するとき、オプションで、サーバ装置３から取得した他の情報（他の需要家の消費電力の時間的変化など）を参照してもよい。長期予測モデルは、例えば、１日の各時刻又は各時間帯（例えば、３０分ごと又は１時間ごと）について、需要家１の全体の消費電力の数日間にわたる平均値を計算することにより取得される。長期予測モデルでは、例えば、１時間ごとの１日分の平均電力を２０％以下の誤差で予測する。長期予測モデルは、曜日ごと、月ごと、及び／又は季節ごとに取得されてもよい。
　長期予測器２３は、長期予測モデルを用いて、需要家１の全体の消費電力の時間的変化を長期予測電力として予測する。長期予測モデルにより消費電力が予測される時間期間を、「長期予測期間」ともいう。長期予測期間は、例えば２４時間である。長期予測モデル生成器２２によって複数の長期予測モデルが生成されている場合には、長期予測器２３は、電力計１２によって測定された需要家１の全体の現在の消費電力に基づいて、現在の消費電力に最も近い長期予測モデルを選択してもよい。
　本明細書では、長期予測モデルを「第１の予測モデル」ともいい、長期予測電力を「第１の予測電力」ともいい、長期予測モデル生成器２２を「第１の予測モデル生成器」ともいい、長期予測器２３を「第１の予測器」ともいう。
　短期予測モデル生成器２４は、複数の負荷装置１５のそれぞれの消費電力が変化する前後の第１の時間期間にわたる需要家１の全体の消費電力の時間的変化を表す短期予測モデルを生成する。短期予測モデルは、例えば、複数の負荷装置１５のそれぞれの電源をオンする前後の第１の時間期間にわたる需要家１の全体の消費電力の時間的変化を表す。また、短期予測モデルは、例えば、負荷装置１５が異なる消費電力を有する複数の動作モードを有する場合、動作モードを切り換えるときの前後の第１の時間期間にわたる需要家１の全体の消費電力の時間的変化を表してもよい。複数の動作モードは、例えば、負荷装置１５が冷暖房装置及び調理器具などである場合には、その複数の異なる設定温度に対応する。複数の負荷装置１５のそれぞれの消費電力は、ユーザ操作によって、タイマ動作によって、又は予め決められたシーケンスによって変化してもよい。短期予測モデルは、消費電力のピークの大きさ、消費電力のピーク又は平均値が所定のしきい値を超える時間長、負荷装置１５の電源がオンされる時間帯、などによって特徴付けられる。短期予測モデル生成器２４は、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に基づいて、短期予測モデルを生成する。
　短期予測モデル生成器２４は、短期予測モデルを生成するとき、オプションで、サーバ装置３から取得した他の情報（他の需要家の消費電力の時間的変化など）を参照してもよい。
　短期予測器２５は、短期予測モデルを用いて、現在時刻の直前の第２の時間期間にわたる需要家１の全体の消費電力の時間的変化に基づいて、現在時刻の直後の第３の時間期間にわたる需要家１の全体の消費電力の時間的変化を短期予測電力として予測する。短期予測モデルにより消費電力が予測される時間期間（第３の時間期間）を、「短期予測期間」ともいう。短期予測期間は、例えば１分間である。
　本明細書では、短期予測モデルを「第２の予測モデル」ともいい、短期予測電力を「第２の予測電力」ともいい、短期予測モデル生成器２４を「第２の予測モデル生成器」ともいい、短期予測器２５を「第２の予測器」ともいう。
　コントローラ２１は、長期予測器２３によって予測された需要家１の長期予測電力に基づいて所定の第４の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように蓄電装置１３の充電及び放電を制御する。第４の時間期間は、例えば、３０分間又は１時間などである。コントローラ２１は、さらに、短期予測器２５によって予測された需要家１の短期予測電力に基づいて第３及び第４の時間期間よりも短い第５の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように蓄電装置１３の充電及び放電を制御する。第５の時間期間を「単位時間期間」ともいう。単位時間期間は、例えば１秒間である。
　このように、コントローラ２１は、長期予測電力及び短期予測電力の両方に基づいて蓄電装置１３の充電及び放電を制御する。コントローラ２１は、需要家１の全体の消費電力が急激に変動しても電力系統２からの受電電力の急激な変動を抑えるために、蓄電装置１３の充電及び放電を制御するとき、長期予測電力よりも短期予測電力を優先する。
　図２は、図１の短期予測モデル生成器２４及び短期予測器２５の構成を示すブロック図である。
　短期予測モデル生成器２４は、学習器３１及び学習器３２を備える。学習器３１は、電力計１２によって測定された需要家１の全体の消費電力の時間的変化と、サーバ装置３から取得された他の需要家の消費電力の時間的変化とに基づいて、需要家１の全体の消費電力モデルを学習する。学習器３２は、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に基づいて、個別の負荷装置１５の消費電力の短期予測モデルを学習する。
　学習器３１は、さまざまな需要家の消費電力の時間的変化の情報及び他の情報（例えば他の需要家の負荷装置の情報）に基づいて、さまざまな負荷装置の消費電力の時間的変化のパターンを分類する。学習器３１は、需要家１の全体の消費電力に基づいて、需要家１が他の需要家の負荷装置と同じものを備えているか否かを判断する。需要家１が既知の消費電力の時間的変化のパターンを有する負荷装置を備えている場合、学習器３１の判断結果を考慮することで、学習器３２の学習効率及び学習精度が向上する。学習器３１は、さまざまな需要家の消費電力の時間的変化の情報及び他の情報に基づいて、住宅、店舗、及び工場などを含む、需要家の種類を分類する。学習器３１は、需要家１の全体の消費電力に基づいて、需要家１がどの種類に属するのかを判断する。需要家１が既知の種類に属する場合、学習器３１の判断結果を考慮することで、学習器３２による詳細な学習の負担が減り、学習器３２の学習効率及び学習精度が向上する。学習器３２は、需要家１の全体の消費電力の時間的変化に基づいて、需要家１に固有の消費電力の時間的変化のパターンを詳細に学習し、個別の負荷装置１５に対応する短期予測モデルを生成する。また、学習器３１が学習器３２の判断結果を考慮することで、さまざまな負荷装置の消費電力の時間的変化のパターンを分類するとき、及び、需要家の種類を分類するとき、学習器３１の学習効率及び学習精度が向上する。
　短期予測器２５は、判定器３３及びパターン認識器３４を備える。判定器３３には、学習器３２によって生成された短期予測モデルが設定される。判定器３３は、パターン認識器３４の制御下で、電力計１２によって測定された需要家１の全体の消費電力の時間的変化が、学習器３２によって生成された短期予測モデルに一致するか否かを判定する。需要家１の全体の消費電力の時間的変化がある短期予測モデルの先頭部分に一致するとき、パターン認識器３４は、同じ短期予測モデルの後続部分で表される需要家１の全体の消費電力の時間的変化を、コントローラ２１に通知する。
　図２の学習器３１，３２及び判定器３３はニューラルネットワークを備えてもよい。
　図３は、図２の学習器３１，３２及び判定器３３で使用されるニューラルネットワークの例を示す図である。ニューラルネットワークは、入力層４１のノードＮ１－１～Ｎ１－Ｐと、少なくとも１層の中間層４２のノードＮ２－１～Ｎ２－Ｑ，…，Ｎ（Ｍ－１）－１～Ｎ（Ｍ－１）－Ｒと、出力層４３のノードＮＭ－１～ＮＭ－Ｓとを備える。学習器３２のニューラルネットワークの入力層４１には、生成する短期予測モデルの時間長よりも短い時間長（第２の時間期間）にわたる需要家１の全体の消費電力の時間的変化を表す時系列データが設定される。学習器３２のニューラルネットワークの出力層４３には、生成する短期予測モデルの時間長（第１の時間期間）にわたる需要家１の全体の消費電力の時間的変化を表す時系列データが設定される。学習器３２で学習された短期予測モデル、すなわち中間層４２の重み係数は、判定器３３のニューラルネットワークの中間層４２に設定される。判定器３３のニューラルネットワークの入力層４１には、学習器３２のニューラルネットワークの入力層４１に入力された時系列データと同じ時間長（第２の時間期間）にわたる需要家１の全体の消費電力の時間的変化を表す時系列データが入力される。判定器３３のニューラルネットワークの出力層４３からは、短期予測モデルの時間長（第１の時間期間）にわたる需要家１の全体の消費電力の時間的変化を表す時系列データが出力される。判定器３３のニューラルネットワークにおいて、入力層４１に入力された時系列データがある短期予測モデルの先頭部分に一致する場合、その出力層４３からは、同じ短期予測モデルの全体で表される需要家１の全体の消費電力の時間的変化を表す時系列データが出力される。
　図２の学習器３２及び判定器３３のニューラルネットワークの入力層４１には、例えばサーバ装置３又はコントローラ２１から、以下のような他のデータがさらに入力されてもよい。
　入力層４１には、住宅、店舗、及び工場などを含む、需要家１の種類を示すデータがさらに入力されてもよい。このデータを参照することにより、各負荷装置１５の機種及び消費電力、各負荷装置１５を動作させる時間帯などを推定し、学習及び予測の精度を向上させることができる。
　入力層４１には、需要家１のユーザの人数又は家族構成を示すデータがさらに入力されてもよい。このデータを参照することにより、各負荷装置１５を動作させる時間帯などを推定し、学習及び予測の精度を向上させることができる。
　入力層４１には、各負荷装置１５の機種又は型番を示すデータがさらに入力されてもよい。このデータを参照することにより、各負荷装置１５の消費電力などを推定し、学習及び予測の精度を向上させることができる。
　入力層４１には、各負荷装置１５の通電状態又は消費電力を示すデータがさらに入力されてもよい（後述する第３の実施形態を参照）。
　入力層４１には、需要家１のユーザの行動を示すデータがさらに入力されてもよい。このデータを参照することにより、各負荷装置１５を動作させる時間帯などを推定し、学習及び予測の精度を向上させることができる。例えば、需要家１のユーザの行動を示すデータを取得するために、サーバ装置３は、ユーザがどの負荷装置１５を、いつ、どのように使用するのかについて、ソーシャルネットワークサービスへのユーザの書き込みなどから抽出してもよい。
　入力層４１には、天気予報、現在の気温など、天候を示すデータがさらに入力されてもよい。このデータを参照することにより、例えば冷暖房のための負荷装置１５を動作させる時間帯、消費電力などを推定し、学習及び予測の精度を向上させることができる。
　入力層４１には、日時又は曜日を示すデータがさらに入力されてもよい。このデータを参照することにより、曜日ごと又は季節ごとに行われるイベント等の情報に基づいて各負荷装置１５を動作させる時間帯などを推定し、学習及び予測の精度を向上させることができる。
　図４～図６を参照して、図１の短期予測器２５で使用される例示的な短期予測モデルを示す。
　図４は、図１の短期予測器２５で使用される第１の例示的な短期予測モデルを示す図である。例えば、平日の夜における帰宅時の行動として、最初に照明等を点灯してからテレビジョン装置（ＴＶ）の電源をオンする場合が多いとき、照明等の点灯を検知することにより、その後にテレビジョン装置の電源がオンされると予測することができる。この場合、コントローラ２１は、テレビジョン装置の消費電力に合わせて放電電力を設定するように蓄電装置１３の放電を制御する。
　図５は、図１の短期予測器２５で使用される第２の例示的な短期予測モデルを示す図である。例えば入浴した後の行動として、風呂場の照明及び給湯器などの電源をオフしてからドライヤーの電源をオンする場合が多いとき、風呂場の照明及び給湯器の電源オフを検知することにより、その後にドライヤーの電源がオンされると予測することができる。この場合、コントローラ２１は、ドライヤーの消費電力に合わせて放電電力を設定するように蓄電装置１３の放電を制御する。
　図６は、図１の短期予測器２５で使用される第３の例示的な短期予測モデルを示す図である。例えばパーソナルコンピュータ（ＰＣ）の起動時の挙動として、電源をオンした直後に比較的に低い消費電力のブート処理を実行した後でより高い消費電力の起動状態になる場合、電源をオンした直後のブート処理を検知することにより、その後の消費電力を予測することができる。この場合、コントローラ２１は、予測された消費電力に合わせて放電電力を設定するように蓄電装置１３の放電を制御する。
　図４～図６において、符号Ｔ１は、短期予測モデルの時間期間（第１の時間期間）を示す。符号Ｔ２は、短期予測モデルにあてはめられる、現在時刻の直前の需要家１の全体の消費電力の時間的変化を表す時系列データの時間期間（第２の時間期間）を示す。符号Ｔ３は、短期予測期間、すなわち予測された短期予測電力の時間期間（第３の時間期間）を示す。
　コントローラ２１は、短期予測器２５によって予測された短期予測電力に基づいて所定の充電電力又は所定の放電電力を設定するとき、長期予測器２３によって予測された長期予測電力に基づいて充電電力又は放電電力の上限又は蓄電量の上限及び下限を設定する。負荷装置１５がオンされる時間期間の全体にわたって消費電力の増大を完全に相殺するには蓄電量が足りない場合であっても、この時間期間の全体にわたって受電電力のピークを多少でも下げるように放電する。言い換えると、将来の充電及び放電計画が現在の充電電力及び放電電力の制約として作用し、よって、直近及び将来を考慮して蓄電装置１３の充電及び放電を最適に制御することができる。
　需要家１のユーザの想定外の行動（夜更かしなど）もしくは急な来客などに応じて負荷装置１５の電源をオン又はオフするとき、又は、負荷装置１５が故障したとき、など、需要家１の全体の消費電力が急激に変動することがある。需要家１の全体の消費電力の急激な変動に応じて電力系統２からの受電電力が急激に変動すると、電力系統２を介して伝送される電力の品質を低下させるおそれがある。従って、電力系統２からの受電電力の急激な変動を抑えるように蓄電装置１３の充電及び放電を制御することが求められる。
　また、需要家１のユーザの想定外の行動もしくは急な来客などに応じて、短期予測期間における需要家１の全体の消費電力が、長期予測電力として予測された消費電力よりも増大し、その結果、蓄電装置１３の蓄電量が不足することがある。蓄電装置１３の蓄電量が下限値に達すると、その後は、需要家１は、需要家１の全体の消費電力に応じて電力系統２から受電しなければならない。この場合、需要家１の全体の消費電力の急激な変動に応じて電力系統２からの受電電力が急激に変動するおそれがあり、また、電力系統２からの受電電力が、電力会社との契約によって決まる上限を超えるおそれがある。従って、蓄電量の不足が生じにくいように蓄電装置１３の充電及び放電を制御することが求められる。
　次に、図７～図１１を参照して、図１のコントローラ２１によって実行される電力管理処理について説明する。
　図７は、図１のコントローラ２１によって実行される電力管理処理を示すフローチャートである。
　図７のステップＳ１において、コントローラ２１は、長期予測器２３及び短期予測器２５から、現在時刻の直後の短期予測期間（又は現在時刻を含む短期予測期間）における長期予測電力及び短期予測電力をそれぞれ取得する。さらに、コントローラ２１は、長期予測電力及び短期予測電力に基づいて、短期予測期間における蓄電装置１３の充電電力、放電電力、及び蓄電量の時間的変化を予測する。前述のように、コントローラ２１は、短期予測期間よりも短い単位時間期間ごとに蓄電装置１３の充電及び放電を制御する。ステップＳ２において、コントローラ２１は、ステップＳ１で取得された短期予測電力から、次の単位時間期間における、予測された需要家１の全体の消費電力Ｐｃｓを取得する。
　ステップＳ３において、コントローラ２１は、次の単位時間期間における消費電力Ｐｃｓが電力しきい値ＴｈＡを超えるか否かを判断し、ＹＥＳのときはステップＳ４に進み、ＮＯのときはステップＳ５に進む。電力しきい値ＴｈＡは、例えば、電力会社との契約によって決まる、電力系統２からの受電電力Ｐｒの上限を示す。ステップＳ４において、コントローラ２１は、次の単位時間期間に進み、電力しきい値ＴｈＡに等しい受電電力Ｐｒを電力系統２から負荷装置１５に供給し、消費電力Ｐｃｓに足りない電力を蓄電装置１３から負荷装置１５に放電する。
　図８は、図１の需要家１において消費電力Ｐｃｓが受電電力Ｐｒの電力しきい値ＴｈＡを超えるときの動作を示すグラフである。図８他において、符号Ｔ１１は現在の単位時間期間を示す。図８の上段に示すように、ある単位時間期間Ｔ１１において、消費電力Ｐｃｓが電力しきい値ＴｈＡを超えることがある。消費電力Ｐｃｓの増大に応じて電力系統２から電力しきい値ＴｈＡを超えて受電すると、前述のように、電気料金の単価が増大する。従って、図８の下段に示すように、コントローラ２１は、消費電力Ｐｃｓが電力しきい値ＴｈＡを超えると予測したとき、消費電力Ｐｃｓが電力しきい値ＴｈＡを超えている間に蓄電装置１３から負荷装置１５に放電する。これにより、受電電力Ｐｒの大きさを電力しきい値ＴｈＡ以下にすることができる。
　図７のステップＳ５において、コントローラ２１は、短期予測期間において蓄電装置１３の蓄電量の不足が予測されているか否かを判断し、ＹＥＳのときはステップＳ６に進み、ＮＯのときはステップＳ７に進む。ステップＳ６において、コントローラ２１は、次の単位時間期間に進み、消費電力Ｐｃｓに等しい電力を電力系統２から負荷装置１５に供給しながら、電力系統２から蓄電装置１３に充電する。
　図９は、図１の需要家１において蓄電装置１３の蓄電量が放電により下限値Ｔｈ１に達するときの動作を示すグラフである。蓄電装置１３は、長期予測電力に基づいて設定された充電電力又は放電電力の上限に応じて決まる、蓄電量の下限値Ｔｈ１及び上限値Ｔｈ２を有する。図９の１段目に示すように、蓄電装置１３から放電すると、図９の２段目に示すように、蓄電装置１３の蓄電量が下限値Ｔｈ１に達することがある。従って、コントローラ２１は、図９の３段目に示すように、蓄電装置１３の放電により蓄電量が下限値Ｔｈ１に達すると予測したとき、現在の単位時間期間Ｔ１１において、予め電力系統２から蓄電装置１３に充電する。これにより、図９の４段目に示すように、蓄電装置１３から放電しても、蓄電量が下限値Ｔｈ１に達しにくくすることができる。
　図７のステップＳ７において、コントローラ２１は、消費電力Ｐｃｓの変動速度ｄ（Ｐｃｓ）／ｄｔを計算する。さらに、コントローラ２１は、変動速度ｄ（Ｐｃｓ）／ｄｔが正の速度しきい値ＴｈＢよりも高いか否かを判断し、ＹＥＳのときはステップＳ８に進み、ＮＯのときはステップＳ９に進む。速度しきい値ＴｈＢは、例えば、電力系統２を介して伝送される電力の許容可能な変動速度の上限を示す。ステップＳ８において、コントローラ２１は、次の単位時間期間に進み、電力系統２からの受電電力Ｐｒの大きさを維持しながら、消費電力Ｐｃｓに足りない電力を蓄電装置１３から負荷装置１５に放電する。
　図１０は、図１の需要家１において消費電力Ｐｃｓが急激に増大するときの動作を示すグラフである。図１０の上段に示すように、消費電力Ｐｃｓが急激に増大することがある。消費電力Ｐｃｓの急激な増大に応じて電力系統２からの受電電力Ｐｒを急激に増大させると、電力系統を介して伝送される電力の品質を低下させるおそれがある。従って、図１０の下段に示すように、コントローラ２１は、消費電力Ｐｃｓが急激に増大すると予測したとき、消費電力Ｐｃｓが急激に増大する瞬間（単位時間期間Ｔ１１）において蓄電装置１３から負荷装置１５に放電し始める。コントローラ２１は、消費電力Ｐｃｓが急激に増大したあと、消費電力Ｐｃｓに合わせて、受電電力Ｐｒを次第に増大させ、放電電力を次第に減少させる。これにより、受電電力Ｐｒの急激な増大を生じにくくすることができる。
　図７のステップＳ９において、コントローラ２１は、消費電力Ｐｃｓの変動速度ｄ（Ｐｃｓ）／ｄｔが負の速度しきい値－ＴｈＢより低いか否かを判断し、ＹＥＳのときはステップＳ１０に進み、ＮＯのときはステップＳ１１に進む。ステップＳ１０において、コントローラ２１は、次の単位時間期間に進み、電力系統２からの受電電力Ｐｒの大きさを維持しながら、受電電力Ｐｒのうち、消費電力Ｐｃｓを超えた電力を蓄電装置１３に充電する。
　図１１は、図１の需要家１において消費電力Ｐｃｓが急激に減少するときの動作を示すグラフである。図１１の上段に示すように、消費電力Ｐｃｓが急激に減少することがある。消費電力Ｐｃｓの急激な減少に応じて電力系統２からの受電電力Ｐｒを急激に減少させると、電力系統を介して伝送される電力の品質を低下させるおそれがある。従って、図１１の下段に示すように、コントローラ２１は、消費電力Ｐｃｓが急激に減少すると予測したとき、消費電力Ｐｃｓが急激に減少する瞬間（単位時間期間Ｔ１１）において電力系統２から蓄電装置１３に充電し始める。コントローラ２１は、消費電力Ｐｃｓが急激に減少したあと、消費電力Ｐｃｓに合わせて、充電電力（すなわち受電電力Ｐｒ）を次第に減少させる。これにより、受電電力Ｐｒの急激な減少を生じにくくすることができる。
　図７のステップＳ１１において、コントローラ２１は、次の単位時間期間に進み、長期予測電力に基づいて蓄電装置１３の充電及び放電を制御する。
　ステップＳ１２において、コントローラ２１は、単位予測期間における最後の単位時間期間に達したか否かを判断し、ＹＥＳのときはステップＳ１３に進み、ＮＯのときはステップＳ２に戻る。ステップＳ１３において、コントローラ２１は、次の短期予測期間に進み、ステップＳ１に戻る。
　次に、図１２～図１４を参照して、第１の実施形態の電力管理システムの効果について説明する。
　図１２は、図１の需要家１の全体の消費電力の時間的変化を示すグラフである。図１２は、さらに、長期予測モデルに基づく蓄電装置１３の充電及び放電の制御を示す。需要家１の全体の消費電力が図１２のしきい値未満になると予測されるとき、制御装置１６は、電力系統２から受けた電力を負荷装置１５に供給しながら、さらに、蓄電装置１３に充電する。需要家１の全体の消費電力が図１２のしきい値以上になると予測されるとき、制御装置１６は、電力系統２から受けた電力を負荷装置１５に供給しながら、さらに、蓄電装置１３から放電した電力を負荷装置１５に供給する。制御装置１６は、需要家１の全体の消費電力が図１２のしきい値以上になると予測される時間期間が到来する前に、放電する電力量を予測して蓄電装置１３に予め充電する。このように、長期予測モデルを用いることにより、充電量と放電量とを最適化することができる。
　図１３は、図１の需要家１の全体の消費電力と、蓄電装置１３の放電電力との時間的変化を示すグラフである。図１４は、図１の需要家１が電力系統２からの受電電力の時間的変化を示すグラフである。需要家１が電力系統２から受電する電力は、需要家１の全体の消費電力から、蓄電装置１３の放電電力を減算した残りである。図１３及び図１４は、図１２の時間期間Ｔ２１に対応する。制御装置１６は、長期予測モデルに基づいて例えば３０分同時同量を達成するように蓄電装置１３の充電及び放電を制御する（図１３及び図１４では「３０分ごとの制御」として示す）。これにより、例えば図１３の時間期間Ｔ２２において、消費電力の一時的な増大に合わせて放電電力を増大させている。３０分ごとの制御のみを用いる場合、３０分よりも短い時間期間での消費電力の時間的変化に、放電電力の大きさを追従させることができない。このとき、図１４に示すように、電力系統２から見ると、需要家１の全体の消費電力の急激な変動が電力系統２に影響し、電力系統２を介して伝送される電力の品質が低下する。一方、長期予測モデルに加えて、短期予測モデルに基づいて蓄電装置１３の充電及び放電を制御する場合（図１３及び図１４では「１分ごとの制御」として示す）、需要家１の全体の消費電力の急激な変動に充電電力及び放電電力の大きさを追従させることができる。従って、このとき、図１４に示すように、需要家１の全体の消費電力の急激な変動が、電力系統２に影響しにくくなり、電力系統２の電力を安定化することができる。
　第１の実施形態の電力管理システムによれば、短期予測電力に基づいて蓄電装置１３の充電及び放電を単位時間期間ごとに高速に制御することにより、電力系統２からの受電電力の急激な変動を抑えることができる。電力系統２からの受電電力の急激な変動を抑えることにより、電力系統２を介して伝送される電力の品質を低下させにくくすることができる。
　第１の実施形態の電力管理システムによれば、短期予測電力に基づいて蓄電装置１３の充電及び放電を単位時間期間ごとに高速に制御することにより、蓄電装置１３の蓄電量の不足を生じにくくすることができる。長期予測電力に基づいて想定された蓄電量の制約を守りながら、電力系統２からの受電電力の急激な変動を生じにくくすることができる。
　第１の実施形態の電力管理システムによれば、需要家１の全体の消費電力が長期予測電力として予測された消費電力から外れても、短期予測電力に基づいて、電力系統２からの受電電力の急激な変動を抑えるように蓄電装置１３の充電及び放電を制御することができる。
　第１の実施形態の電力管理システムによれば、短期予測モデルを用いることにより、消費電力の変化に追従して蓄電装置１３の充電及び放電を制御するので、その結果、電力系統２から受ける電力量が減少して電気料金を低減することができる。第１の実施形態の電力管理システムによれば、長期予測電力及び短期予測電力の両方に基づいて蓄電装置１３の充電及び放電を制御することにより、蓄電装置１３を従来よりも効率的に使用することができる。従って、蓄電装置１３の導入により電気料金を削減する効果を最大化することできる。
　第１の実施形態の電力管理システムによれば、需要家１によって電力系統２からの受電電力の急激な変動を抑えるので、電力系統２によるデマンドレスポンスなどの複雑な処理が不要になる。
　需要家１の全体の消費電力の急激な変動に追従するように蓄電装置１３の放電を制御するためには、消費電力の短期の変動を捉える短期の予測及び制御が必要である。電力系統２からの受電電力の急激な変動を抑制するために必要な蓄電量を確保するには、１日分などの長期の予測及び制御が必要である。短期の予測及び制御と長期の予測及び制御とを同じ予測周期及び同じ制御周期で行うと、データ量が膨大になる。しかしながら、第１の実施形態の電力管理システムによれば、長期予測モデルのサンプル時間を短期予測モデルのサンプル時間よりも長く設定し、目的に応じて長期予測モデル及び短期予測モデルを用いることで、必要なデータ量の増大を抑えることができる。
　次に、第１の実施形態の電力管理システムの変形例について説明する。
　短期予測モデルは長期予測モデルよりも頻繁に更新されてもよい。これにより、居住者の交替など、需要家１の環境の変化に、より良好に追従することができ、短期予測モデルの学習精度が向上する。
　コントローラ２１は、外部のサーバ装置３と通信してサーバ装置３から電気料金のデータを取得してもよい。この場合、コントローラ２１は、図７のステップＳ３の電力しきい値ＴｈＡを、電気料金に応じて動的に設定してもよい。また、コントローラ２１は、電気料金が第１のしきい値を超えるとき、負荷装置１５に電力を供給するために電力系統２よりも蓄電装置１３を優先し、所定の放電電力で蓄電装置１３から負荷装置１５に放電してもよい。また、コントローラ２１は、電気料金が第２のしきい値未満になるとき、所定の充電電力で電力系統２から蓄電装置１３に充電してもよい。第２のしきい値は、第１のしきい値に等しくてもよく、第１のしきい値より高くても低くてもよい。これにより、電気料金を削減することができる。
　長期予測モデル生成器２２は、長期予測モデルを生成するとき、センサ１４から得た蓄電装置１３の状態をさらに参照してもよい。短期予測モデル生成器２４は、短期予測モデルを生成するとき、センサ１４から得た蓄電装置１３の状態をさらに参照してもよい。短期予測器２５は、センサ１４から得た蓄電装置１３の状態をさらに参照してもよい。コントローラ２１もまた、蓄電装置１３の充電及び放電を制御するとき、センサ１４から得た蓄電装置１３の状態をさらに参照してもよい。センサ１４から得た蓄電装置１３の状態を参照することにより、蓄電装置１３の充電電力、放電電力、及び蓄電量をより正確に把握することができる。
　負荷装置１５及び蓄電装置１３の少なくとも一方は電気自動車を含んでもよい。
　需要家１は、複数の蓄電装置を備えてもよい。これにより、１つの蓄電装置あたりの充電容量を低減し、制御可能な最大電流を増やすことができる。
　短期予測モデル生成器２４は、３つ以上の学習器を備えてもよい。
　例えば、第５の実施形態で説明するように複数の需要家の間で送電及び受電する場合、ある需要家が他の需要家の消費電力を考慮し、どの需要家からどの需要家へどれだけの電力を送電及び受電するかを考慮して、長期予測モデルを生成することができる。また、長期予測モデルを短期予測モデルと同じ方法で生成する場合、短期予測モデルと同様に、さまざまな需要家の消費電力の時間的変化の情報及び他の情報に基づいて、住宅、店舗、及び工場などを含む、需要家の種類を分類してもよい。長期予測モデル生成器２２は、需要家１の全体の消費電力に基づいて、需要家１がどの種類に属するのかを判断し、この判断結果に基づいて長期予測モデルを生成する。このように、長期予測モデルを生成するときにも、他の需要家のデータを使用することで、学習効率及び学習精度が向上する。
＜第２の実施形態＞
　第２の実施形態では、発電装置をさらに備える需要家の電力管理システムについて説明する。
　図１５は、第２の実施形態に係る需要家１Ａの電力管理システムの構成を示すブロック図である。図１５の需要家１Ａは、図１の需要家１の分電盤１１及び制御装置１６に代えて分電盤１１Ａ及び制御装置１６Ａを備え、さらに、発電装置１７及び電力計１８を備える。需要家１Ａは電力系統２及びサーバ装置３Ａに接続される。
　発電装置１７は所定の発電電力Ｐｇを発生する。発電装置１７は例えば太陽電池であるが、他の電源であってもよい。発電装置１７は、直流から交流への電力変換回路を備える。
　電力計１８は、発電装置１７の発電電力を測定して制御装置１６Ａに通知する。
　分電盤１１Ａは、制御装置１６Ａの制御下で、電力系統２、蓄電装置１３、発電装置１７、及び負荷装置１５－１，１５－２の間で電力を伝送する。分電盤１１Ａは、ある場合には、電力系統２から受けた電力を蓄電装置１３及び／又は負荷装置１５－１，１５－２に送る。分電盤１１Ａは、他の場合には、蓄電装置１３から受けた電力を負荷装置１５－１，１５－２及び／又は電力系統２に送る。分電盤１１Ａは、他の場合には、発電装置１７から受けた電力を蓄電装置１３、負荷装置１５－１，１５－２、及び／又は電力系統２に送る。
　制御装置１６Ａは、図１の制御装置１６のコントローラ２１に代えてコントローラ２１Ａを備え、さらに、発電電力の時間的変化を予測するための長期予測モデル生成器２６、長期予測器２７、短期予測モデル生成器２８、及び短期予測器２９を備える。制御装置１６Ａの長期予測モデル生成器２２、長期予測器２３、短期予測モデル生成器２４、及び短期予測器２５は、図１の制御装置１６の対応する構成要素と同様に、需要家１の全体の消費電力の時間的変化を予測するために設けられる。
　コントローラ２１Ａは、図１６及び図１７を参照して後述する電力管理処理を実行し、蓄電装置１３の充電及び放電を制御する。
　発電電力の長期予測モデル生成器２６は、時刻に応じた発電装置１７の発電電力の時間的変化を表す発電電力の長期予測モデルを生成する。発電電力の長期予測器２７は、発電電力の長期予測モデルを用いて、長期予測期間にわたる発電電力の時間的変化を発電電力の長期予測電力として予測する。発電装置１７が太陽電池である場合、長期予測モデル生成器２６は、サーバ装置３Ａから天候のデータを取得し、天候のデータに基づいて、時刻に応じた太陽電池の発電電力の時間的変化を示す長期予測モデルを生成してもよい。同様に、発電装置１７が太陽電池である場合、長期予測器２７は、サーバ装置３Ａから天候のデータを取得し、天候のデータに基づいて、長期予測期間にわたる太陽電池の発電電力の時間的変化を発電電力の長期予測電力として予測してもよい。
　本明細書では、発電電力の長期予測モデルを「第３の予測モデル」ともいい、発電電力の長期予測電力を「第３の予測電力」ともいい、長期予測モデル生成器２６を「第３の予測モデル生成器」ともいい、長期予測器２７を「第３の予測器」ともいう。
　発電電力の短期予測モデル生成器２８は、現在時刻の直後の短期予測期間にわたる発電装置１７の発電電力の時間的変化を表す発電電力の短期予測モデルを生成する。発電電力の短期予測器２９は、発電電力の短期予測モデルを用いて、現在時刻の直後の短期予測期間にわたる発電電力の時間的変化を発電電力の短期予測電力として予測する。発電装置１７が太陽電池である場合、短期予測モデル生成器２８は、サーバ装置３Ａから天候のデータを取得し、天候のデータに基づいて、現在時刻の直後の短期予測期間にわたる太陽電池の発電電力の時間的変化を示す短期予測モデルを生成してもよい。同様に、発電装置１７が太陽電池である場合、短期予測器２９は、サーバ装置３Ａから天候のデータを取得し、天候のデータに基づいて、現在時刻の直後の短期予測期間にわたる太陽電池の発電電力の時間的変化を発電電力の短期予測電力として予測してもよい。
　本明細書では、発電電力の短期予測モデルを「第４の予測モデル」ともいい、発電電力の短期予測電力を「第４の予測電力」ともいい、短期予測モデル生成器２８を「第４の予測モデル生成器」ともいい、短期予測器２９を「第４の予測器」ともいう。
　発電装置１７が太陽電池である場合、短期予測モデル生成器２８及び短期予測器２９には、長期予測モデル生成器２６及び長期予測器２７に入力されるものよりも細かい時間的粒度を有する天候のデータが入力される。長期予測モデル生成器２６及び長期予測器２７には、例えば、１日、１週間、又は１ヶ月後までの天気予報などのデータが入力されてもよい。一方、短期予測モデル生成器２８及び短期予測器２９には、例えば、数分又は数時間後までの天気予報、気象衛星などによって撮影された画像（例えば雲の動きを示す画像）、などのデータが入力されてもよい。
　発電電力の短期の予測予備長期の予測を同じ予測周期で行うと、データ量が膨大になる。しかしながら、発電電力の長期予測モデルのサンプル時間を発電電力の短期予測モデルのサンプル時間よりも長く設定し、目的に応じて長期予測モデル及び短期予測モデルを用いることで、必要なデータ量の増大を抑えることができる。
　発電装置１７が太陽電池である場合、その発電電力は、天候などの変化により急激に変動することがある。また、発電装置１７の故障により、その発電電力が急激に変動することがある。急激に変動する発電電力が電力系統２に流れると、電力系統２を介して伝送される電力の品質が低下するおそれがある。従って、発電装置１７の発電電力の急激な変動を吸収するように蓄電装置１３の充電及び放電を制御することが求められる。
　図１６及び図１７は、図１５のコントローラ２１Ａによって実行される電力管理処理を示すフローチャートである。
　図１６のステップＳ２１において、コントローラ２１Ａは、長期予測器２３及び短期予測器２５から、現在時刻の直後の短期予測期間（又は現在時刻を含む短期予測期間）における消費電力の長期予測電力及び短期予測電力をそれぞれ取得する。さらに、コントローラ２１Ａは、長期予測器２７及び短期予測器２９から、現在時刻の直後の短期予測期間（又は現在時刻を含む短期予測期間）における発電電力の長期予測電力及び短期予測電力をそれぞれ取得する。さらに、コントローラ２１Ａは、消費電力の長期予測電力及び短期予測電力と、発電電力の長期予測電力及び短期予測電力とに基づいて、短期予測期間における蓄電装置１３の充電電力、放電電力、及び蓄電量の時間的変化を予測する。ステップＳ２２において、コントローラ２１Ａは、ステップＳ２１で取得された消費電力の短期予測電力及び発電電力の短期予測電力から、次の単位時間期間における、予測された需要家１の全体の消費電力Ｐｃｓ及び予測された発電電力Ｐｇを取得する。
　ステップＳ２３において、コントローラ２１Ａは、次の単位時間期間における発電電力Ｐｇが消費電力Ｐｃｓを超えるか否かを判断し、ＹＥＳのときはステップＳ２４に進み、ＮＯのときはステップＳ２５に進む。ステップＳ２４において、コントローラ２１Ａは、次の単位時間期間に進み、発電電力Ｐｇが消費電力Ｐｃｓを超えている間、消費電力Ｐｃｓに等しい電力を発電装置１７から負荷装置１５に供給し、残りの電力Ｐｇ－Ｐｃｓを発電装置１７から蓄電装置１３に充電する。
　ステップＳ２５において、コントローラ２１Ａは、次の単位時間期間における消費電力Ｐｃｓ及び発電電力Ｐｇの差電力Ｐｃｓ－Ｐｇが電力しきい値ＴｈＡを超えるか否かを判断し、ＹＥＳのときはステップＳ２６に進み、ＮＯのときはステップＳ２７に進む。ステップＳ２６において、コントローラ２１Ａは、次の単位時間期間に進み、電力しきい値ＴｈＡに等しい受電電力Ｐｒを電力系統２から負荷装置１５に供給し、差電力Ｐｃｓ－Ｐｇに足りない電力を蓄電装置１３から負荷装置１５に放電する。
　図１８は、図１５の需要家１Ａにおいて消費電力Ｐｃｓ及び発電電力Ｐｇの差電力Ｐｃｓ－Ｐｇが受電電力Ｐｒの電力しきい値ＴｈＡを超えるときの動作を示すグラフである。消費電力Ｐｃｓが増大することによって、又は、図１８の上段に示すように、発電電力Ｐｇが減少することによって、ある単位時間期間Ｔ１１において、図１８の中段に示すように、差電力Ｐｃｓ－Ｐｇが電力しきい値ＴｈＡを超えることがある。差電力Ｐｃｓ－Ｐｇの増大に応じて電力系統２から電力しきい値ＴｈＡを超えて受電すると、前述のように、電気料金の単価が増大する。従って、図１８の下段に示すように、コントローラ２１Ａは、差電力Ｐｃｓ－Ｐｇが電力しきい値ＴｈＡを超えると予測したとき、差電力Ｐｃｓ－Ｐｇが電力しきい値ＴｈＡを超えている間に蓄電装置１３から負荷装置１５に放電する。これにより、受電電力Ｐｒの大きさを電力しきい値ＴｈＡ以下にすることができる。
　ステップＳ２７において、コントローラ２１Ａは、短期予測期間において蓄電装置１３の蓄電量の不足が予測されているか否かを判断し、ＹＥＳのときはステップＳ２８に進み、ＮＯのときはステップＳ２９に進む。ステップＳ２８において、コントローラ２１Ａは、次の単位時間期間に進み、差電力Ｐｃｓ－Ｐｇに等しい電力を電力系統２から負荷装置１５に供給しながら、電力系統２から蓄電装置１３に充電する。
　ステップＳ２７～Ｓ２８において、コントローラ２１Ａは、図７のステップＳ５～Ｓ６と同様に、蓄電装置１３の放電により蓄電量が下限値Ｔｈ１に達すると予測したとき、現在の単位時間期間Ｔ１１において、予め電力系統２から蓄電装置１３に充電する。これにより、図９を参照して説明したように、蓄電装置１３から放電しても、蓄電量が下限値Ｔｈ１に達しにくくすることができる。
　ステップＳ２９において、コントローラ２１Ａは、短期予測期間において蓄電装置１３の蓄電量の余剰が予測されているか否かを判断し、ＹＥＳのときは図１７のステップＳ３０に進み、ＮＯのときはステップＳ３１に進む。ステップＳ３０において、コントローラ２１Ａは、次の単位時間期間に進み、差電力Ｐｃｓ－Ｐｇの少なくとも一部に等しい電力を蓄電装置１３から負荷装置１５に放電する。
　図１９は、図１５の需要家１Ａにおいて蓄電装置１３の蓄電量が充電により上限値Ｔｈ２に達するときの動作を示すグラフである。図１９の１段目に示すように、発電装置１７から蓄電装置１３に充電すると、図１９の２段目に示すように、蓄電装置１３の蓄電量が上限値Ｔｈ２に達することがある。この場合、蓄電装置１３にさらに充電できなくなり、発電電力が無駄になる。従って、コントローラ２１Ａは、図１９の３段目に示すように、蓄電装置１３の充電により蓄電量が上限値Ｔｈ２に達すると予測したとき、現在の単位時間期間Ｔ１１において、予め蓄電装置１３から負荷装置１５に放電する。これにより、図１９の４段目に示すように、蓄電装置１３に充電しても、蓄電量が上限値Ｔｈ２に達しにくくすることができる。
　図１７のステップＳ３１において、コントローラ２１Ａは、差電力Ｐｃｓ－Ｐｇの変動速度ｄ（Ｐｃｓ－Ｐｇ）／ｄｔを計算する。さらに、コントローラ２１Ａは、変動速度ｄ（Ｐｃｓ－Ｐｇ）／ｄｔが正の速度しきい値ＴｈＢよりも高いか否かを判断し、ＹＥＳのときはステップＳ３２に進み、ＮＯのときはステップＳ３３に進む。ステップＳ３２において、コントローラ２１Ａは、次の単位時間期間に進み、電力系統２からの受電電力Ｐｒの大きさを維持しながら、差電力Ｐｃｓ－Ｐｇに足りない電力を蓄電装置１３から負荷装置１５に放電する。
　ステップＳ３１～Ｓ３２において、コントローラ２１Ａは、図７のステップＳ７～Ｓ８と同様に、差電力Ｐｃｓ－Ｐｇが急激に増大すると予測したとき、差電力Ｐｃｓ－Ｐｇが急激に増大する瞬間において蓄電装置１３から負荷装置１５し始める。これにより、図１０を参照して説明したように（ただし、図１０の上段の消費電力Ｐｃｓを差電力Ｐｃｓ－Ｐｇで読み替える）、受電電力Ｐｒの急激な増大を生じにくくすることができる。
　ステップＳ３３において、コントローラ２１Ａは、変動速度ｄ（Ｐｃｓ－Ｐｇ）／ｄｔが負の速度しきい値－ＴｈＢよりも低いか否かを判断し、ＹＥＳのときはステップＳ３４に進み、ＮＯのときはステップＳ３５に進む。ステップＳ３４において、コントローラ２１Ａは、次の単位時間期間に進み、電力系統２からの受電電力Ｐｒの大きさを維持しながら、受電電力Ｐｒのうち、差電力Ｐｃｓ－Ｐｇを超えた電力を蓄電装置１３に充電する。
　ステップＳ３３～Ｓ３４において、コントローラ２１Ａは、図７のステップＳ９～Ｓ１０と同様に、差電力Ｐｃｓ－Ｐｇが急激に減少すると予測したとき、差電力Ｐｃｓ－Ｐｇが急激に減少する瞬間において電力系統２から蓄電装置１３に充電し始める。これにより、図１１を参照して説明したように（ただし、図１１の上段の消費電力Ｐｃｓを差電力Ｐｃｓ－Ｐｇで読み替える）、受電電力Ｐｒの急激な減少を生じにくくすることができる。
　図１６のステップＳ３５において、コントローラ２１Ａは、次の単位時間期間に進み、長期予測電力に基づいて蓄電装置１３の充電及び放電を制御する。
　ステップＳ３６において、コントローラ２１Ａは、最後の単位時間期間に達したか否かを判断し、ＹＥＳのときはステップＳ３７に進み、ＮＯのときはステップＳ２２に戻る。ステップＳ３７において、コントローラ２１Ａは、次の短期予測期間に進み、ステップＳ２１に戻る。
　第２の実施形態の電力管理システムによれば、短期予測電力に基づいて蓄電装置１３の充電及び放電を単位時間期間ごとに高速に制御することにより、発電装置１７の発電電力の急激な変動を吸収することができる。発電装置１７の発電電力の急激な変動を吸収することにより、電力系統２を介して伝送される電力の品質を低下させにくくすることができる。発電装置１７の発電電力を予測することにより、蓄電装置１３の充電及び放電を高精度に制御することができる。
　第２の実施形態の電力管理システムによれば、これにより、電力系統２の安定性を保持したまま、再生可能エネルギーの導入量を拡大することができる。発電装置１７によって発電されて蓄電装置１３に充電された電力を有効に利用できるので、需要家１Ａにおける電力の地産地消の効果が増大する。
＜第３の実施形態＞
　図２０は、第３の実施形態に係る需要家１Ｂの電力管理システムの構成を示すブロック図である。図２０の需要家１Ｂは、図１５の需要家１Ａの制御装置１６Ａに代えて制御装置１６Ｂを備え、さらに、電力計１９－１，１９－２を備える。需要家１Ｂは電力系統２及びサーバ装置３Ｂに接続される。
　電力計１９－１，１９－２は、負荷装置１５－１，１５－２の消費電力をそれぞれ測定して制御装置１６Ｂに通知する。
　図２０の制御装置１６Ｂは、図１５の制御装置１６Ａの長期予測モデル生成器２２、長期予測器２３、短期予測モデル生成器２４、及び短期予測器２５に代えて、長期予測モデル生成器２２Ｂ、長期予測器２３Ｂ、短期予測モデル生成器２４Ｂ、及び短期予測器２５Ｂを備える。長期予測モデル生成器２２Ｂは、長期予測モデルを生成するとき、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に加えて、電力計１９－１，１９－２によって測定された各負荷装置１５－１，１５－２の消費電力の時間的変化を参照する。長期予測器２３Ｂは、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に加えて、電力計１９－１，１９－２によって測定された各負荷装置１５－１，１５－２の消費電力の時間的変化を参照する。短期予測モデル生成器２４Ｂは、短期予測モデルを生成するとき、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に加えて、電力計１９－１，１９－２によって測定された各負荷装置１５－１，１５－２の消費電力の時間的変化を参照する。短期予測器２５Ｂは、電力計１２によって測定された需要家１の全体の消費電力の時間的変化に加えて、電力計１９－１，１９－２によって測定された各負荷装置１５－１，１５－２の消費電力の時間的変化を参照する。
　第３の実施形態の電力管理システムによれば、電力計１９－１，１９－２によって測定された各負荷装置１５－１，１５－２の消費電力の時間的変化を参照することにより、需要家１の全体の消費電力の時間的変化を予測する精度を向上することができる。
＜第４の実施形態＞
　図２１は、第４の実施形態に係る需要家１Ｃの電力管理システムの構成を示すブロック図である。図２１の需要家１Ｃは、図１５の需要家１Ａの制御装置１６Ａに代えて制御装置１６Ｃを備える。需要家１Ｃは電力系統２及びサーバ装置３Ｃに接続される。
　図２１の制御装置１６Ｃは、図１５の制御装置１６Ａの長期予測モデル生成器２２、短期予測モデル生成器２４、長期予測モデル生成器２６、及び短期予測モデル生成器２８を持たない。長期予測モデル生成器２２、短期予測モデル生成器２４、長期予測モデル生成器２６、及び短期予測モデル生成器２８は、外部のサーバ装置３Ｃに設けられる。制御装置１６Ｃは、外部のサーバ装置３Ｃに、電力計１２によって測定された需要家１の全体の消費電力、センサ１４によって測定された蓄電装置１３の状態、及び、電力計１８によって測定された発電装置１７の発電電力を通知する。制御装置１６Ｃは、サーバ装置３Ｃから消費電力の長期予測モデル及び短期予測モデルと、発電電力の長期予測モデル及び短期予測モデルとを取得する。
　第４の実施形態の電力管理システムによれば、サーバ装置３Ｃによって、消費電力の長期予測モデル及び短期予測モデルと、発電電力の長期予測モデル及び短期予測モデルとを生成することにより、制御装置１６Ｃの構成及び処理を簡単化することができる。サーバ装置３Ｃの規模を拡張することにより、消費電力の長期予測モデル及び短期予測モデルと、発電電力の長期予測モデル及び短期予測モデルとを生成するためのデータ量の増大に簡単に対処することができる。
　一方、第２の実施形態等の電力管理システムのように、需要家１Ａの制御装置１６Ａによって、消費電力の長期予測モデル及び短期予測モデルと、発電電力の長期予測モデル及び短期予測モデルとを生成する場合には、制御装置１６Ａが自立的に動作し、サーバ装置３Ａがダウンしても動作を継続することができる。また、サーバ装置３Ａとの通信料金を低減することができる。短期予測モデル生成器２４及び短期予測器２５が需要家１Ａに設けられている場合には、消費電力の短期予測モデルの変化に迅速に対処することができる。
＜第５の実施形態＞
　図２２は、第５の実施形態に係る電力グリッド１００の構成を示すブロック図である。図２２の電力グリッド１００は、電力線２ａを介して電力系統２に接続された複数の需要家１Ａ－１～１Ａ－４と、サーバ装置３Ａとを備える。複数の需要家１Ａ－１～１Ａ－４のそれぞれは、第２の実施形態の需要家１Ａ（又は、第２～第３の実施形態の需要家１Ｂ～１Ｃ）と同様に構成される。以下、需要家１Ａ－１～１Ａ－４を総称して需要家１Ａともいう。サーバ装置３Ａは、各需要家１Ａの制御装置１６Ａを制御することにより各需要家１Ａの間における送電及び受電を制御する。
　サーバ装置３Ａは、各需要家１Ａの消費電力の長期予測モデルに基づいて、時刻に応じた電力グリッド１００の全体の消費電力（すなわち、各需要家１Ａの合計の消費電力）の時間的変化を表す電力グリッド１００の消費電力の長期予測モデルを生成する。サーバ装置３Ａは、電力グリッド１００の消費電力の長期予測モデルを用いて、電力グリッド１００の全体の消費電力の時間的変化を、電力グリッド１００の消費電力の長期予測電力として予測する。
　サーバ装置３Ａは、各需要家１Ａの消費電力の長期予測モデル及び短期予測モデルに基づいて、各需要家１Ａにおいて消費電力が変化する第６の時間期間にわたる電力グリッド１００の全体の消費電力の時間的変化を表す電力グリッド１００の消費電力の短期予測モデルを生成する。サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測モデルを用いて、現在時刻の直前の第７の時間期間にわたる電力グリッド１００の全体の消費電力の時間的変化に基づいて、現在時刻の直後の第８の時間期間にわたる電力グリッド１００の全体の消費電力の時間的変化を、電力グリッド１００の消費電力の短期予測電力として予測する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の長期予測電力に基づいて、所定の第９の時間期間ごとに所定の送電電力及び所定の受電電力を設定するように、各需要家１Ａの間における送電及び受電を制御する。サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力に基づいて、第８及び第９の時間期間よりも短い第１０の時間期間ごとに所定の送電電力及び所定の受電電力を設定するように、各需要家１Ａの間における送電及び受電を制御する。
　サーバ装置３Ａは、各需要家１Ａの発電装置１７を考慮しない場合（又は、電力グリッド１００が発電装置を持たない図１の需要家１からなる場合）、以下のように動作する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の長期予測電力及び短期予測電力に基づいて、電力グリッド１００の全体の充電電力、放電電力、及び蓄電量（すなわち、各需要家１Ａの蓄電装置１３の合計値）の時間的変化を予測する。サーバ装置３Ａは、各需要家１Ａの蓄電装置１３の放電により蓄電量が下限値に達すると予測したとき、予め電力系統２から各需要家１Ａの蓄電装置１３に充電する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力に基づいて、電力グリッド１００の全体の消費電力が急激に増大すると予測したとき、電力グリッド１００の全体の消費電力が急激に増大する瞬間において、ある需要家１Ａの蓄電装置１３から他の需要家１Ａの負荷装置１５に放電する。サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力に基づいて、電力グリッド１００の全体の消費電力が急激に減少すると予測したとき、電力グリッド１００の全体の消費電力が急激に減少する瞬間において、電力系統２から各需要家１Ａの蓄電装置１３に充電する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力に基づいて、電力グリッド１００の全体の消費電力が所定の電力しきい値を超えると予測したとき、電力グリッド１００の全体の消費電力が電力しきい値を超えている間に、ある需要家１Ａの蓄電装置１３から他の需要家１Ａの負荷装置１５に放電する。
　サーバ装置３Ａは、各需要家１Ａの発電装置１７を考慮する場合、以下のように動作する。
　サーバ装置３Ａは、時刻に応じた電力グリッド１００の全体の発電電力（すなわち、各需要家１Ａの発電装置１７の合計の発電電力）の時間的変化を、電力グリッド１００の発電電力の長期予測電力として予測する。また、サーバ装置３Ａは、現在時刻の直後の短期予測期間にわたる電力グリッド１００の全体の発電電力の時間的変化を、電力グリッド１００の発電電力の短期予測電力として予測する。サーバ装置３Ａは、電力グリッド１００の消費電力の長期予測電力及び短期予測電力と、電力グリッド１００の発電電力の長期予測電力及び短期予測電力とに基づいて、電力グリッド１００の全体の充電電力、放電電力、及び蓄電量の時間的変化を予測する。
　サーバ装置３Ａは、各需要家１Ａの蓄電装置１３の充電により電力グリッド１００の全体の蓄電量が上限値に達すると予測したとき、予め、ある需要家１Ａの蓄電装置１３から他の需要家１Ａの負荷装置１５に放電する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、電力グリッド１００の全体の消費電力から電力グリッド１００の全体の発電電力を減算した差電力が急激に増大すると予測したとき、差電力が急激に増大する瞬間において、ある需要家１Ａの蓄電装置１３から他の需要家１Ａの負荷装置１５に放電する。サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、差電力が急激に減少すると予測したとき、差電力が急激に減少する瞬間において、電力系統２から各需要家１Ａの蓄電装置１３に充電する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、電力グリッド１００の全体の消費電力から電力グリッド１００の全体の発電電力を減算した差電力が所定の電力しきい値を超えると予測したとき、差電力が電力しきい値を超えている間に、ある需要家１Ａの蓄電装置１３から他の需要家１Ａの負荷装置１５に放電する。
　サーバ装置３Ａは、電力グリッド１００の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、電力グリッド１００の全体の発電電力が電力グリッド１００の全体の消費電力を超えると予測したとき、電力グリッド１００の全体の発電電力が電力グリッド１００の全体の消費電力を超えている間に、ある需要家１Ａの発電装置１７から他の需要家１Ａの蓄電装置１３に充電する。
　第５の実施形態の電力グリッド管理システムによれば、電力グリッドの全体にわたる消費電力の時間的変化を予測し、電力グリッドの全体を安定的に制御することができる。
＜第６の実施形態＞
　図２３は、第６の実施形態に係る電力網の構成を示すブロック図である。図２３の電力網は、電力線２ａを介して電力系統２に接続された複数の電力グリッド１００－１～１００－４と、サーバ装置３Ｄとを備える、複数の電力グリッド１００－１～１００－４のそれぞれは、第５の実施形態の電力グリッド１００と同様に構成される。以下、電力グリッド１００－１～１００－４を総称して電力グリッド１００ともいう。サーバ装置３Ｄは、各電力グリッド１００のサーバ装置３Ａを制御することにより各電力グリッド１００～１００－４の間における送電及び受電を制御する。
　サーバ装置３Ｄは、各電力グリッド１００の消費電力の長期予測モデルに基づいて、時刻に応じた電力網の全体の消費電力の時間的変化を表す電力網の消費電力の長期予測モデルを生成する。サーバ装置３Ｄは、電力網の消費電力の長期予測モデルを用いて、電力網の全体の消費電力の時間的変化を、電力網の消費電力の長期予測電力として予測する。
　サーバ装置３Ｄは、各電力グリッド１００の消費電力の長期予測モデル及び短期予測モデルに基づいて、各電力グリッド１００において消費電力が変化する第１１の時間期間にわたる電力網の全体の消費電力の時間的変化を表す電力網の消費電力の短期予測モデルを生成する。サーバ装置３Ｄは、電力網の消費電力の短期予測モデルを用いて、現在時刻の直前の第１２の時間期間にわたる電力網の全体の消費電力の時間的変化に基づいて、現在時刻の直後の第１３の時間期間にわたる電力網の全体の消費電力の時間的変化を、電力網の消費電力の短期予測電力として予測する。
　サーバ装置３Ｄは、電力網の消費電力の長期予測電力に基づいて、所定の第１４の時間期間ごとに所定の送電電力及び所定の受電電力を設定するように、各電力グリッド１００の間における送電及び受電を制御する。サーバ装置３Ｄは、電力網の消費電力の短期予測電力に基づいて、第１３及び第１４の時間期間よりも短い第１５の時間期間ごとに所定の送電電力及び所定の受電電力を設定するように、各電力グリッド１００の間における送電及び受電を制御する。
　サーバ装置３Ｄは、各電力グリッド１００の発電装置１７を考慮しない場合（又は、電力網が発電装置を持たない電力グリッドからなる場合）、以下のように動作する。
　サーバ装置３Ｄは、電力網の消費電力の長期予測電力及び短期予測電力に基づいて、電力網の全体の充電電力、放電電力、及び蓄電量（すなわち、各電力グリッド１００の蓄電装置１３の合計値）の時間的変化を予測する。サーバ装置３Ｄは、各電力グリッド１００の蓄電装置１３の放電により蓄電量が下限値に達すると予測したとき、予め電力系統２から各電力グリッド１００の蓄電装置１３に充電する。
　サーバ装置３Ｄは、電力網の消費電力の短期予測電力に基づいて、電力網の全体の消費電力が急激に増大すると予測したとき、電力網の全体の消費電力が急激に増大する瞬間において、ある電力グリッド１００の蓄電装置１３から他の電力グリッド１００の負荷装置１５に放電する。サーバ装置３Ｄは、電力網の消費電力の短期予測電力に基づいて、電力網の全体の消費電力が急激に減少すると予測したとき、電力網の全体の消費電力が急激に減少する瞬間において、電力系統２から各電力グリッド１００の蓄電装置１３に充電する。
　サーバ装置３Ｄは、電力網の消費電力の短期予測電力に基づいて、電力網の全体の消費電力が所定の電力しきい値を超えると予測したとき、電力網の全体の消費電力が電力しきい値を超えている間に、ある電力グリッド１００の蓄電装置１３から他の電力グリッド１００の負荷装置１５に放電する。
　サーバ装置３Ｄは、各電力グリッド１００の発電装置１７を考慮する場合、以下のように動作する。
　サーバ装置３Ｄは、時刻に応じた電力網の全体の発電電力（すなわち、各電力グリッド１００の発電装置１７の合計の発電電力）の時間的変化を、電力網の発電電力の長期予測電力として予測する。また、サーバ装置３Ｄは、現在時刻の直後の短期予測期間にわたる電力網の全体の発電電力の時間的変化を、電力網の発電電力の短期予測電力として予測する。サーバ装置３Ｄは、電力網の消費電力の長期予測電力及び短期予測電力と、電力網の発電電力の長期予測電力及び短期予測電力とに基づいて、電力網の全体の充電電力、放電電力、及び蓄電量の時間的変化を予測する。
　サーバ装置３Ｄは、各電力グリッド１００の蓄電装置１３の充電により電力網の全体の蓄電量が上限値に達すると予測したとき、予め、ある電力グリッド１００の蓄電装置１３から他の電力グリッド１００の負荷装置１５に放電する。
　サーバ装置３Ｄは、電力網の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、電力網の全体の消費電力から電力網の全体の発電電力を減算した差電力が急激に増大すると予測したとき、差電力が急激に増大する瞬間において、ある電力グリッド１００の蓄電装置１３から他の電力グリッド１００の負荷装置１５に放電する。サーバ装置３Ｄは、電力網の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、差電力が急激に減少すると予測したとき、差電力が急激に減少する瞬間において、電力系統２から各電力グリッド１００の蓄電装置１３に充電する。
　サーバ装置３Ｄは、電力網の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、電力網の全体の消費電力から電力網の全体の発電電力を減算した差電力が所定の電力しきい値を超えると予測したとき、差電力が電力しきい値を超えている間に、ある電力グリッド１００の蓄電装置１３から他の電力グリッド１００の負荷装置１５に放電する。
　サーバ装置３Ｄは、電力網の消費電力の短期予測電力及び発電電力の短期予測電力に基づいて、電力網の全体の発電電力が電力網の全体の消費電力を超えると予測したとき、電力網の全体の発電電力が電力網の全体の消費電力を超えている間に、ある電力グリッド１００の発電装置１７から他の電力グリッド１００の蓄電装置１３に充電する。
　第６の実施形態の電力網管理システムによれば、電力網の全体にわたる消費電力の時間的変化を予測し、電力網の全体を安定的に制御することができる。
　また、第６の実施形態の電力網と同様に構成された複数の電力網を備えるさらに上位の電力管理システムを構成してもよい。
　下位の電力管理システムにおける蓄電装置の充電及び放電は、上位の電力管理システムによる制約を受けてもよい。この場合、例えば電力グリッドにおいて、電力グリッドの全体の需給バランスをとるために需要家の間の送電及び受電などが制約され、下位の需要家は、その制約も考慮して蓄電装置の充電及び放電を制御する。
　本開示の蓄電装置の制御装置、電力管理システム、及び電力グリッド管理システムは、以下の構成を備える。
　第１の態様に係る蓄電装置の制御装置によれば、
　電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家における前記蓄電装置の制御装置であって、
　前記制御装置は、
　時刻に応じた前記需要家の全体の消費電力の時間的変化を表す第１の予測モデルを用いて、前記需要家の全体の消費電力の時間的変化を第１の予測電力として予測する第１の予測器と、
　前記複数の負荷装置のそれぞれの消費電力が変化する前後の第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す第２の予測モデルを用いて、現在時刻の直前の第２の時間期間にわたる前記需要家の全体の消費電力の時間的変化に基づいて、前記現在時刻の直後の第３の時間期間にわたる前記需要家の全体の消費電力の時間的変化を第２の予測電力として予測する第２の予測器と、
　前記第１の予測電力に基づいて所定の第４の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように前記蓄電装置の充電及び放電を制御し、前記第２の予測電力に基づいて前記第３及び第４の時間期間よりも短い第５の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように前記蓄電装置の充電及び放電を制御するコントローラとを備え、
　前記コントローラは、
　前記第１及び第２の予測電力に基づいて前記蓄電装置の充電電力、放電電力、及び蓄電量の時間的変化を予測し、
　前記蓄電装置の放電により前記蓄電量が下限値に達すると予測したとき、予め前記電力系統から前記蓄電装置に充電する。
　第２の態様に係る蓄電装置の制御装置によれば、第１の態様に係る蓄電装置の制御装置において、
　前記コントローラは、
　前記第２の予測電力に基づいて、前記需要家の全体の消費電力が急激に増大すると予測したとき、前記需要家の全体の消費電力が急激に増大する瞬間において前記蓄電装置から前記負荷装置に放電し、
　前記第２の予測電力に基づいて、前記需要家の全体の消費電力が急激に減少すると予測したとき、前記需要家の全体の消費電力が急激に減少する瞬間において前記電力系統から前記蓄電装置に充電する。
　第３の態様に係る蓄電装置の制御装置によれば、第１又は第２の態様に係る蓄電装置の制御装置において、
　前記コントローラは、
　前記第２の予測電力に基づいて、前記需要家の全体の消費電力が所定の電力しきい値を超えると予測したとき、前記需要家の全体の消費電力が前記電力しきい値を超えている間に前記蓄電装置から前記負荷装置に放電する。
　第４の態様に係る蓄電装置の制御装置によれば、第１の態様に係る蓄電装置の制御装置において、
　前記需要家は、所定の発電電力を発生する発電装置を備える。
　第５の態様に係る蓄電装置の制御装置によれば、第４の態様に係る蓄電装置の制御装置において、
　前記制御装置は、
　時刻に応じた前記発電電力の時間的変化を第３の予測電力として予測する第３の予測器と、
　前記現在時刻の直後の前記第３の時間期間にわたる前記発電電力の時間的変化を第４の予測電力として予測する第４の予測器とを備え、
　前記コントローラは、
　前記第１～第４の予測電力に基づいて前記蓄電装置の充電電力、放電電力、及び蓄電量の時間的変化を予測し、
　前記蓄電装置の充電により前記蓄電量が上限値に達すると予測したとき、予め前記蓄電装置から前記負荷装置に放電する。
　第６の態様に係る蓄電装置の制御装置によれば、第５の態様に係る蓄電装置の制御装置において、
　前記コントローラは、
　前記第２及び第４の予測電力に基づいて、前記需要家の全体の消費電力から前記発電電力を減算した差電力が急激に増大すると予測したとき、前記差電力が急激に増大する瞬間において前記蓄電装置から前記負荷装置に放電し、
　前記第２及び第４の予測電力に基づいて、前記差電力が急激に減少すると予測したとき、前記差電力が急激に減少する瞬間において前記電力系統から前記蓄電装置に充電する。
　第７の態様に係る蓄電装置の制御装置によれば、第５又は第６の態様に係る蓄電装置の制御装置において、
　前記コントローラは、
　前記第２及び第４の予測電力に基づいて、前記需要家の全体の消費電力から前記発電電力を減算した差電力が所定の電力しきい値を超えると予測したとき、前記差電力が前記電力しきい値を超えている間に前記蓄電装置から前記負荷装置に放電する。
　第８の態様に係る蓄電装置の制御装置によれば、第５～第７のうちの１つの態様に係る蓄電装置の制御装置において、
　前記コントローラは、
　前記第２及び第４の予測電力に基づいて、前記発電電力が前記需要家の全体の消費電力を超えると予測したとき、前記発電電力が前記需要家の全体の消費電力を超えている間に前記発電装置から前記蓄電装置に充電する。
　第９の態様に係る蓄電装置の制御装置によれば、第５～第８のうちの１つの態様に係る蓄電装置の制御装置において、
　前記発電装置は太陽電池であり、
　前記第３及び第４の予測器は、外部のサーバ装置と通信して前記サーバ装置から天候のデータを取得し、前記天候のデータに基づいて、前記太陽電池の発電電力の時間的変化を前記第３及び第４の予測電力としてそれぞれ予測する。
　第１０の態様に係る蓄電装置の制御装置によれば、第１～第９のうちの１つの態様に係る蓄電装置の制御装置において、
　前記第２の予測器は、前記第２の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す時系列データが入力される入力層と、少なくとも１層の中間層と、前記第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す時系列データが出力される出力層とを有するニューラルネットワークを備え、前記ニューラルネットワークは、前記第２の予測モデルを表すように学習されている。
　第１１の態様に係る蓄電装置の制御装置によれば、第１～第１０のうちの１つの態様に係る蓄電装置の制御装置において、
　前記第２の予測モデルは、前記複数の負荷装置のそれぞれの電源をオンする前後の前記第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す。
　第１２の態様に係る蓄電装置の制御装置によれば、第１～第１１のうちの１つの態様に係る蓄電装置の制御装置において、
　前記制御装置は、
　前記第１の予測モデルを生成する第１の予測モデル生成器と、
　前記第２の予測モデルを生成する第２の予測モデル生成器とをさらに備える。
　第１３の態様に係る蓄電装置の制御装置によれば、第１２の態様に係る蓄電装置の制御装置において、
　前記第１及び第２の予測モデルは他の需要家の消費電力を参照して生成される。
　第１４の態様に係る蓄電装置の制御装置によれば、第１２又は第１３の態様に係る蓄電装置の制御装置において、
　前記第２の予測モデルは前記第１の予測モデルよりも頻繁に更新される。
　第１５の態様に係る蓄電装置の制御装置によれば、第１～第１４のうちの１つの態様に係る蓄電装置の制御装置において、
　前記コントローラは、前記第２の予測電力に基づいて所定の充電電力又は所定の放電電力を設定するとき、前記第１の予測電力に基づいて充電電力又は放電電力の上限を設定する。
　第１６の態様に係る蓄電装置の制御装置によれば、第１～第１５のうちの１つの態様に係る蓄電装置の制御装置において、
　前記コントローラは、
　外部のサーバ装置と通信して前記サーバ装置から電気料金のデータを取得し、
　前記電気料金が第１の料金しきい値を超えるとき、前記蓄電装置から前記負荷装置に放電し、
　前記電気料金が第２の料金しきい値未満になるとき、前記電力系統から前記蓄電装置に充電する。
　第１７の態様に係る電力管理システムによれば、
　電力系統に接続された需要家のための電力管理システムであって、
　前記需要家は、
　複数の負荷装置と、
　少なくとも１つの蓄電装置と、
　第１～第１６のうちの１つの態様に係る蓄電装置の制御装置とを備える。
　第１８の態様に係る電力グリッド管理システムによれば、
　電力系統に接続された複数の需要家を備える電力グリッドのための電力グリッド管理システムであって、
　前記複数の需要家のそれぞれは第１７の態様に係る電力管理システムを備え、
　前記電力グリッドは、前記各需要家の制御装置を制御することにより前記各需要家の間における送電及び受電を制御するサーバ装置をさらに備える。
　本開示によれば、電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家において、電力系統からの受電電力の急激な変動を抑えるように蓄電装置の充電電力及び放電電力の大きさを決定することができる。
１，１Ａ～１Ｃ，１Ａ－１～１Ａ－４　需要家
２　電力系統
２ａ　電力線
３，３Ａ～３Ｄ　サーバ装置
１１，１１Ａ　分電盤
１２　電力計
１３　蓄電装置
１４　センサ
１５－１，１５－２　負荷装置
１６，１６Ａ～１６Ｃ　制御装置
１７　発電装置
１８，１９－１，１９－２　電力計
２１，２１Ａ～２１Ｃ　コントローラ
２２，２２Ｂ　長期予測モデル生成器（消費電力）
２３，２３Ｂ　長期予測器（消費電力）
２４，２４Ｂ　短期予測モデル生成器（消費電力）
２５，２５Ｂ　短期予測器（消費電力）
２６　長期予測モデル生成器（発電電力）
２７　長期予測器（発電電力）
２８　短期予測モデル生成器（発電電力）
２９　短期予測器（発電電力）
３１　学習器（需要家１の全体）
３２　学習器（個別の負荷装置１５）
３３　判定器
３４　パターン認識器
４１　入力層
４２　中間層
４３　出力層
１００，１００－１～１００－４　電力グリッド
Ｎ１－１～Ｎ１－Ｐ　入力層のノード
Ｎ２－１～Ｎ２－Ｑ，Ｎ（Ｍ－１）－１～Ｎ（Ｍ－１）－Ｒ　中間層のノード
ＮＭ－１～ＮＭ－Ｓ　出力層のノード

Claims (18)

  1. 　電力系統に接続され、かつ、複数の負荷装置及び少なくとも１つの蓄電装置を備えた需要家における前記蓄電装置の制御装置であって、
    　前記制御装置は、
    　時刻に応じた前記需要家の全体の消費電力の時間的変化を表す第１の予測モデルを用いて、前記需要家の全体の消費電力の時間的変化を第１の予測電力として予測する第１の予測器と、
    　前記複数の負荷装置のそれぞれの消費電力が変化する前後の第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す第２の予測モデルを用いて、現在時刻の直前の第２の時間期間にわたる前記需要家の全体の消費電力の時間的変化に基づいて、前記現在時刻の直後の第３の時間期間にわたる前記需要家の全体の消費電力の時間的変化を第２の予測電力として予測する第２の予測器と、
    　前記第１の予測電力に基づいて所定の第４の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように前記蓄電装置の充電及び放電を制御し、前記第２の予測電力に基づいて前記第３及び第４の時間期間よりも短い第５の時間期間ごとに所定の充電電力又は所定の放電電力を設定するように前記蓄電装置の充電及び放電を制御するコントローラとを備え、
    　前記コントローラは、
    　前記第１及び第２の予測電力に基づいて前記蓄電装置の充電電力、放電電力、及び蓄電量の時間的変化を予測し、
    　前記蓄電装置の放電により前記蓄電量が下限値に達すると予測したとき、予め前記電力系統から前記蓄電装置に充電する、
    制御装置。
  2. 　前記コントローラは、
    　前記第２の予測電力に基づいて、前記需要家の全体の消費電力が急激に増大すると予測したとき、前記需要家の全体の消費電力が急激に増大する瞬間において前記蓄電装置から前記負荷装置に放電し、
    　前記第２の予測電力に基づいて、前記需要家の全体の消費電力が急激に減少すると予測したとき、前記需要家の全体の消費電力が急激に減少する瞬間において前記電力系統から前記蓄電装置に充電する、
    請求項１記載の制御装置。
  3. 　前記コントローラは、
    　前記第２の予測電力に基づいて、前記需要家の全体の消費電力が所定の電力しきい値を超えると予測したとき、前記需要家の全体の消費電力が前記電力しきい値を超えている間に前記蓄電装置から前記負荷装置に放電する、
    請求項１又は２記載の制御装置。
  4. 　前記需要家は、所定の発電電力を発生する発電装置を備えた、
    請求項１記載の制御装置。
  5. 　前記制御装置は、
    　時刻に応じた前記発電電力の時間的変化を第３の予測電力として予測する第３の予測器と、
    　前記現在時刻の直後の前記第３の時間期間にわたる前記発電電力の時間的変化を第４の予測電力として予測する第４の予測器とを備え、
    　前記コントローラは、
    　前記第１～第４の予測電力に基づいて前記蓄電装置の充電電力、放電電力、及び蓄電量の時間的変化を予測し、
    　前記蓄電装置の充電により前記蓄電量が上限値に達すると予測したとき、予め前記蓄電装置から前記負荷装置に放電する、
    請求項４記載の制御装置。
  6. 　前記コントローラは、
    　前記第２及び第４の予測電力に基づいて、前記需要家の全体の消費電力から前記発電電力を減算した差電力が急激に増大すると予測したとき、前記差電力が急激に増大する瞬間において前記蓄電装置から前記負荷装置に放電し、
    　前記第２及び第４の予測電力に基づいて、前記差電力が急激に減少すると予測したとき、前記差電力が急激に減少する瞬間において前記電力系統から前記蓄電装置に充電する、
    請求項５記載の制御装置。
  7. 　前記コントローラは、
    　前記第２及び第４の予測電力に基づいて、前記需要家の全体の消費電力から前記発電電力を減算した差電力が所定の電力しきい値を超えると予測したとき、前記差電力が前記電力しきい値を超えている間に前記蓄電装置から前記負荷装置に放電する、
    請求項５又は６記載の制御装置。
  8. 　前記コントローラは、
    　前記第２及び第４の予測電力に基づいて、前記発電電力が前記需要家の全体の消費電力を超えると予測したとき、前記発電電力が前記需要家の全体の消費電力を超えている間に前記発電装置から前記蓄電装置に充電する、
    請求項５～７のうちの１つに記載の制御装置。
  9. 　前記発電装置は太陽電池であり、
    　前記第３及び第４の予測器は、外部のサーバ装置と通信して前記サーバ装置から天候のデータを取得し、前記天候のデータに基づいて、前記太陽電池の発電電力の時間的変化を前記第３及び第４の予測電力としてそれぞれ予測する、
    請求項５～８のうちの１つに記載の制御装置。
  10. 　前記第２の予測器は、前記第２の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す時系列データが入力される入力層と、少なくとも１層の中間層と、前記第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す時系列データが出力される出力層とを有するニューラルネットワークを備え、前記ニューラルネットワークは、前記第２の予測モデルを表すように学習されている、
    請求項１～９のうちの１つに記載の制御装置。
  11. 　前記第２の予測モデルは、前記複数の負荷装置のそれぞれの電源をオンする前後の前記第１の時間期間にわたる前記需要家の全体の消費電力の時間的変化を表す、
    請求項１～１０のうちの１つに記載の制御装置。
  12. 　前記制御装置は、
    　前記第１の予測モデルを生成する第１の予測モデル生成器と、
    　前記第２の予測モデルを生成する第２の予測モデル生成器とをさらに備えた、
    請求項１～１１のうちの１つに記載の制御装置。
  13. 　前記第１及び第２の予測モデルは他の需要家の消費電力を参照して生成される、
    請求項１２記載の制御装置。
  14. 　前記第２の予測モデルは前記第１の予測モデルよりも頻繁に更新される、
    請求項１２又は１３記載の制御装置。
  15. 　前記コントローラは、前記第２の予測電力に基づいて所定の充電電力又は所定の放電電力を設定するとき、前記第１の予測電力に基づいて充電電力又は放電電力の上限を設定する、
    請求項１～１４のうちの１つに記載の制御装置。
  16. 　前記コントローラは、
    　外部のサーバ装置と通信して前記サーバ装置から電気料金のデータを取得し、
    　前記電気料金が第１の料金しきい値を超えるとき、前記蓄電装置から前記負荷装置に放電し、
    　前記電気料金が第２の料金しきい値未満になるとき、前記電力系統から前記蓄電装置に充電する、
    請求項１～１５のうちの１つに記載の制御装置。
  17. 　電力系統に接続された需要家のための電力管理システムであって、
    　前記需要家は、
    　複数の負荷装置と、
    　少なくとも１つの蓄電装置と、
    　請求項１～１６のうちの１つに記載の制御装置とを備えた、
    電力管理システム。
  18. 　電力系統に接続された複数の需要家を備える電力グリッドのための電力グリッド管理システムであって、
    　前記複数の需要家のそれぞれは請求項１７記載の電力管理システムを備え、
    　前記電力グリッドは、前記各需要家の制御装置を制御することにより前記各需要家の間における送電及び受電を制御するサーバ装置をさらに備えた、
    電力グリッド管理システム。
PCT/JP2018/044538 2017-12-15 2018-12-04 電力管理システム WO2019116960A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/772,634 US11342751B2 (en) 2017-12-15 2018-12-04 Power management system for customer connected to power network and having load apparatus and power storage apparatus
CN201880080673.9A CN111466061B (zh) 2017-12-15 2018-12-04 电力管理系统
JP2019559563A JP7033750B2 (ja) 2017-12-15 2018-12-04 電力管理システム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-240999 2017-12-15
JP2017240999 2017-12-15

Publications (1)

Publication Number Publication Date
WO2019116960A1 true WO2019116960A1 (ja) 2019-06-20

Family

ID=66820044

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/044538 WO2019116960A1 (ja) 2017-12-15 2018-12-04 電力管理システム

Country Status (4)

Country Link
US (1) US11342751B2 (ja)
JP (1) JP7033750B2 (ja)
CN (1) CN111466061B (ja)
WO (1) WO2019116960A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7429746B1 (ja) 2022-09-14 2024-02-08 財團法人資訊工業策進會 電気機器の稼働状態を識別する方法、及びそのシステム

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11411402B1 (en) * 2019-05-20 2022-08-09 Aquila Ip, Llc Systems and methods for optimizing energy demand with energy availability shapes, through inputs, incentivization and display
KR102485496B1 (ko) * 2019-12-20 2023-01-06 한국전자통신연구원 단기 전력 소비량을 이용해 에너지 저장 장치를 제어하는 전력 충·방전 제어 방법 및 장치
WO2021148127A1 (en) * 2020-01-23 2021-07-29 Telefonaktiebolaget Lm Ericsson (Publ) Power grid frequency stabilization using infrastructure of communications network
JP7474623B2 (ja) * 2020-03-27 2024-04-25 本田技研工業株式会社 電力算出装置
WO2022115678A1 (en) * 2020-11-28 2022-06-02 GreenPWR LLC Photovoltaic water heating control system and process
CN118137625A (zh) * 2024-05-08 2024-06-04 深圳市鸿锡科技有限公司 一种双向变频电流充电器的充电控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007143375A (ja) * 2005-11-22 2007-06-07 Chugoku Electric Power Co Inc:The 発電機制御装置及び発電機の制御方法
JP2010022101A (ja) * 2008-07-09 2010-01-28 Toshiba Corp 小規模電力系統の需給制御装置
WO2017217466A1 (ja) * 2016-06-17 2017-12-21 パナソニックＩｐマネジメント株式会社 電力管理システム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS542566B2 (ja) 1973-08-27 1979-02-09
CN102474110B (zh) * 2009-07-15 2014-12-10 松下电器产业株式会社 电力控制系统、电力控制方法、电力控制装置及电力控制程序
JP5685715B2 (ja) * 2009-09-28 2015-03-18 パナソニックＩｐマネジメント株式会社 系統連系形給電システム
WO2012014474A1 (ja) * 2010-07-28 2012-02-02 パナソニック株式会社 電力供給システム、電力供給システムの制御装置、電力供給システムの運転方法、及び電力供給システムの制御方法
JP5025834B2 (ja) * 2010-11-10 2012-09-12 パナソニック株式会社 運転計画方法、運転計画装置、ヒートポンプ式給湯システムの運転方法、及びヒートポンプ式給湯暖房システムの運転方法
US8949629B2 (en) * 2011-04-01 2015-02-03 International Business Machines Corporation Predicting battery power usage
JP5353957B2 (ja) * 2011-06-14 2013-11-27 株式会社デンソー 電力供給システム
DE102011113828A1 (de) * 2011-09-21 2013-03-21 Techem Energy Services Gmbh Verfahren zur Ermittlung des Batterieladezustands einer Batterie in einem batteriebetriebenen Gerät und Verbrauchserfassungsgerät
JP5877346B2 (ja) * 2011-10-24 2016-03-08 パナソニックＩｐマネジメント株式会社 負荷制御装置、プログラム、負荷制御システム
JP5624172B1 (ja) 2013-04-26 2014-11-12 三菱電機株式会社 電気機器管理装置及びプログラム
CN103248065B (zh) * 2013-05-22 2015-01-14 中国南方电网有限责任公司调峰调频发电公司 一种风电场中电池储能系统的充放电控制方法
JP2016015857A (ja) 2014-07-03 2016-01-28 シャープ株式会社 電力制御システム及び電力制御装置
TWI674729B (zh) * 2017-11-10 2019-10-11 財團法人資訊工業策進會 提供多服務之蓄電池之充放電控制裝置及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007143375A (ja) * 2005-11-22 2007-06-07 Chugoku Electric Power Co Inc:The 発電機制御装置及び発電機の制御方法
JP2010022101A (ja) * 2008-07-09 2010-01-28 Toshiba Corp 小規模電力系統の需給制御装置
WO2017217466A1 (ja) * 2016-06-17 2017-12-21 パナソニックＩｐマネジメント株式会社 電力管理システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7429746B1 (ja) 2022-09-14 2024-02-08 財團法人資訊工業策進會 電気機器の稼働状態を識別する方法、及びそのシステム

Also Published As

Publication number Publication date
JP7033750B2 (ja) 2022-03-11
JPWO2019116960A1 (ja) 2020-12-03
CN111466061A (zh) 2020-07-28
CN111466061B (zh) 2023-03-17
US11342751B2 (en) 2022-05-24
US20200389029A1 (en) 2020-12-10

Similar Documents

Publication Publication Date Title
JP6920658B2 (ja) 電力管理システム
WO2019116960A1 (ja) 電力管理システム
US8571720B2 (en) Supply-demand balance controller
JP5095495B2 (ja) 電力システムおよびその制御方法
EP2824789B1 (en) Frequency control method
JP6543145B2 (ja) ピーク電力予測装置、電力管理システム及びピーク電力予測方法
EP3065248A1 (en) Power control system, power control method and recording medium
US9543775B2 (en) Battery controller, management system, battery control method, battery control program, and storage medium
JP6426922B2 (ja) 電力システム、御装置及び充放電制御方法
JP6592360B2 (ja) 電力管理方法
KR101529294B1 (ko) 에너지 저장 장치를 제어하는 전력 관리 시스템
Rahmani et al. Multi-agent based operational cost and inconvenience optimization of PV-based microgrid
JP2013192351A (ja) 電力調整装置、電力調整方法、プログラム、および電力システム
WO2003071656A1 (en) Power supply method and power supply system
JP6820677B2 (ja) 電力管理装置及びプログラム
JP6664479B2 (ja) 制御装置、電力管理システム、充放電の制御方法及びプログラム
JP7420272B2 (ja) 電力調整方法および電力調整装置
JP4192131B2 (ja) 二次電池を用いた発電計画方法および発電計画装置
EP2721715A1 (en) Method for the overall optimization of the operation of distributed storage devices in an electrical power supply system having distributed generators and loads
WO2016185671A1 (ja) 蓄電池制御装置
JP7335128B2 (ja) 配電システムおよび配電方法
WO2017163934A1 (ja) 電力制御システム、制御装置、制御方法およびコンピュータプログラム
JP6705652B2 (ja) 蓄電池制御方法
Bustos et al. Demand side management for microgrids based on fuzzy prediction intervals
JP6543187B2 (ja) 蓄電池制御方法

Legal Events

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

Ref document number: 18887938

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019559563

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18887938

Country of ref document: EP

Kind code of ref document: A1