WO2020003624A1 - 消費電力推定装置 - Google Patents

消費電力推定装置 Download PDF

Info

Publication number
WO2020003624A1
WO2020003624A1 PCT/JP2019/009600 JP2019009600W WO2020003624A1 WO 2020003624 A1 WO2020003624 A1 WO 2020003624A1 JP 2019009600 W JP2019009600 W JP 2019009600W WO 2020003624 A1 WO2020003624 A1 WO 2020003624A1
Authority
WO
WIPO (PCT)
Prior art keywords
power consumption
target
reference signals
unit
total
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2019/009600
Other languages
English (en)
French (fr)
Inventor
冬樹 佐藤
晋一郎 大谷
玄太 吉村
裕希 川野
利宏 妻鹿
義統 中島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to GB2020052.3A priority Critical patent/GB2586938B/en
Priority to SG11202012877TA priority patent/SG11202012877TA/en
Priority to AU2019292449A priority patent/AU2019292449B2/en
Publication of WO2020003624A1 publication Critical patent/WO2020003624A1/ja
Priority to US17/083,572 priority patent/US11215651B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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—ELECTRIC POWER NETWORKS; 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

Definitions

  • This specification discloses a power consumption estimation device that is installed in a predetermined area and estimates the power consumption of each of one or more target facilities whose operation state can be monitored.
  • a regression analysis is performed based on time-series data of the total power consumption in the predetermined area and time-series data indicating the driving status of the equipment installed in the predetermined area.
  • Patent Document 1 discloses an apparatus that calculates the power consumption of each of a plurality of air conditioners installed in a predetermined area.
  • total air-conditioning power consumed by a plurality of air conditioners is obtained from total power consumed in a predetermined area and base power, which is power consumed by other than the air conditioners.
  • the power consumption of each air conditioner is obtained based on the time series data of the electric power and the time series data indicating the driving state of each of the plurality of air conditioners. According to this technique, since it is not necessary to provide a power measuring device for each facility, it is possible to acquire the power consumption of each of a plurality of facilities at low cost.
  • Patent Document 1 has a problem that the accuracy of estimating the base power, which is power consumed by devices other than the air conditioner, is low, and as a result, the accuracy of estimating the power consumption of each facility is low. That is, in Patent Literature 1, the total power consumption at a specific date and time (for example, the total power consumption in a time period when the air conditioner is not driven in a certain day satisfying a specific condition) is consumed by other than the air conditioner. Power, that is, the base power, and the value of the base power is considered to be constant even if the day and month change.
  • a power consumption estimating apparatus estimates the amount of power consumed by equipment whose driving status cannot be monitored, for example, office equipment, from the number of personnel present in a predetermined area. (For example, Patent Document 2).
  • a system for managing the number of personnel is separately required, which leads to an increase in cost.
  • the present specification discloses a power consumption estimating apparatus that can estimate the power consumption of each target facility installed in a predetermined area with a simpler configuration and with higher accuracy.
  • a power consumption estimating device disclosed in the present specification is a power consumption estimating device that is installed in a predetermined area and estimates the power consumption of each of one or more target facilities whose operation state can be monitored.
  • a total power consumption obtaining unit that obtains time-series data of total power consumption, which is power consumption, and an operation state obtaining unit that obtains time-series data of operation parameters obtained by quantifying the operation state of the one or more target facilities.
  • a reference signal generation unit that generates one or more reference signals each represented by a predetermined basis function, the obtained total power consumption as an objective variable, the obtained operation parameters of the one or more target facilities, and the generation By performing a multiple regression analysis using the component values of the one or more reference signals obtained as explanatory variables, the contribution of the one or more target facilities to the total power consumption is calculated.
  • Azukado estimator by multiplying the operating parameters and the contribution of the target equipment, characterized in that it comprises a power consumption calculation unit for calculating a power consumption of the relevant equipment.
  • the power consumption calculation unit may generate a breakdown of the total power consumption for each hour by calculating the power consumption of each of the one or more target facilities for each hour.
  • the basis function may be a function in which a substantially mountain-shaped or substantially rectangular rising occurs only once.
  • each reference signal may repeat the signal represented by the basis function every unit time.
  • the one or more reference signals may include one or more signal groups, and each signal group may include a plurality of reference signals having the same shape and different phases.
  • the plurality of reference signals belonging to the same signal group are represented by a substantially mountain-shaped function having a peak of width W, and may be out of phase by W / 2.
  • the one or more reference signals include two or more signal groups, and a peak width of a reference signal belonging to one signal group is different from a peak width of a reference signal belonging to another signal group. Is also good.
  • the power consumption estimation device in order to simulate power consumed by a plurality of reference signals other than the target facility, the power consumption of each of the target facilities installed in a predetermined area is simplified. With the configuration, estimation can be performed with higher accuracy.
  • FIG. 2 is a block diagram illustrating a physical configuration of a power consumption estimation device.
  • FIG. 2 is a block diagram illustrating a functional configuration of a power consumption estimation device.
  • FIG. 5 is a diagram illustrating an example of a reference signal. It is the figure which superimposed a plurality of reference signals. It is a figure explaining a regression model. It is a flowchart which shows the estimation process of a contribution. It is a flowchart which shows the estimation process of the breakdown of power consumption. It is a figure which shows the measured value and estimated value of the power consumption by this example.
  • FIG. 7 is a diagram illustrating an example of another reference signal.
  • FIG. 7 is a diagram illustrating an example of another reference signal.
  • FIG. 9 is a diagram illustrating an actual measurement value and an estimated value of power consumption according to the related art.
  • FIG. 1 is a block diagram showing a physical configuration of the power consumption estimating apparatus 10
  • FIG. 2 is a block diagram showing a functional configuration.
  • This power consumption estimating apparatus 10 is an apparatus that estimates the power consumption of each of one or more target facilities installed in a predetermined area by regression analysis. That is, in general, a building such as a building or a factory is provided with a power meter for measuring the power consumption of the entire building or the entire floor. Using this power meter, the total power consumption of a predetermined area (for example, the whole building or the whole floor) can be grasped.
  • the target facility is a facility whose operation is managed by the building management system, and is, for example, an air conditioning facility.
  • the target facility is a facility whose operation is managed by the building management system, and is, for example, an air conditioning facility.
  • the power consumption estimation device 10 estimates such individual power consumption of the target facility based on the total power consumption and the operation state of the target facility.
  • the power consumption estimating apparatus 10 in which one whole building is defined as a “predetermined area” and a plurality of air conditioners installed in the whole building are “target facilities” will be described as an example.
  • the power consumption estimating apparatus 10 is constructed by one or more computers driven according to a specific program. That is, as illustrated in FIG. 1, the power consumption estimation device 10 includes a CPU 12, a storage device 14, an input device 16, an output device 18, and a communication interface (hereinafter, referred to as “communication I / F”) 20. And are connected by a bus 22.
  • the power consumption estimation device 10 includes a CPU 12, a storage device 14, an input device 16, an output device 18, and a communication interface (hereinafter, referred to as “communication I / F”) 20. And are connected by a bus 22.
  • the CPU 12 performs various operations. Specifically, the CPU 12 reads the power consumption estimation program stored in the storage device 14 as necessary, and performs various calculations necessary for estimating the power consumption. The specific contents of the processing by the CPU 12 will be described later.
  • the storage device 14 stores various data (including programs), and is configured by combining, for example, one or more semiconductor memories such as a RAM and a ROM, a hard disk drive, and a solid state drive.
  • the storage device 14 stores a power consumption estimation program for estimating power consumption, which will be described later.
  • the input device 16 receives an operation instruction and data input from an operator, and is configured by, for example, combining one or more of a keyboard, a mouse, a touch panel, a microphone, and the like.
  • the output device 18 outputs various types of information to an operator, and is configured by combining, for example, one or more displays, speakers, and the like.
  • the communication I / F 20 exchanges data with other electronic devices and information terminals. For example, the total power consumption detected by the building management system and the operation state of the target facility (air conditioning facility) are input to the power consumption estimation device 10 via the communication I / F 20. Further, the diagnosis result by the power consumption estimation device 10 may be sent to another information terminal via the communication I / F 20.
  • FIG. 1 illustrates the power consumption estimation device 10 as one computer, the power consumption estimation device 10 may include a plurality of computers that can communicate with each other. In addition, the power consumption estimation device 10 may be a part of a building management system.
  • the target facility 100 is a facility for which individual power consumption is to be estimated, and is a facility whose operation is managed by the building management system 110.
  • the air conditioner installed in the building for example, an air conditioner indoor unit, an air conditioner outdoor unit, and the like are set as the target facilities 100.
  • the non-monitoring facility 102 is a facility that consumes power and is not managed by the building management system 110. Therefore, the non-monitoring facility 102 includes, for example, lighting, an outlet, and the like.
  • the target facility 100 and the non-monitoring facility 102 are both connected to a power supply 106 via a power supply line 103, and power is supplied from the power supply 106.
  • the total value of the power supplied to the target facility 100 and the non-monitoring facility 102, that is, the total power consumption is measured by the power meter 104.
  • the building management system 110 manages the operation of the target facility 100 according to a management program set in advance.
  • the configuration of the building management system 110 can be changed as appropriate, but the building management system 110 has at least an operating state storage unit 114 and a total power consumption storage unit 112.
  • the operation state storage unit 114 stores time-series data of the operation state of each of the plurality of target facilities 100. More specifically, the building management system 110 periodically acquires the operation state of each target facility 100 and stores the acquired operation state in the operation state storage unit 114 in association with the date and time. At this time, the building management system 110 represents the operating state by a numerical value. For example, it is represented by a numerical value of “1” during operation and “0” during operation stop.
  • a numerical value indicating the operation state is referred to as an operation parameter.
  • the value of the operation parameter may be a binary value of “1” during operation and “0” during operation stop.
  • the operation parameter value is “1” during the heating operation, “0.8” during the cooling operation, “0.3” during the ventilation operation, and “0” during the stop operation.
  • it may be set in multiple stages according to the operation type.
  • the value of the operation parameter may be set according to a difference value between the target temperature of air conditioning and the current room temperature, the number of revolutions of the compressor, and the like.
  • the operation state storage unit 114 stores time-series data of numerical values (operation parameter values) indicating the operation state of each of the plurality of target facilities 100.
  • the total power consumption storage unit 112 stores time-series data of the total value (total power consumption) of the power consumption of the entire building. Specifically, the building management system 110 periodically acquires the total power consumption per unit time measured by the power meter 104 and stores the total power consumption in the total power consumption storage unit 112 in association with the date and time. It is desirable that the sampling timing of the total power consumption and the sampling timing of the operation state of the target facility 100 match. Further, the sampling period is not particularly limited, but is preferably set to a value of 30 seconds or more and within 1 hour, more preferably 1 minute or more and 10 minutes or less.
  • the building management system 110 stores the time series data of the operation parameter value and the total power consumption, but these data are stored in the storage device 14 provided in the power consumption estimation device 10. You may.
  • the power consumption estimating apparatus 10 estimates the individual power consumption of each of the plurality of target facilities 100 by performing a multiple regression analysis of the total power consumption as an objective variable, an operation parameter value, and components of a reference signal described later as explanatory variables. Before describing the functional configuration of the power consumption estimation device 10, the principle of individual power consumption estimation will be described.
  • Total power consumption y n at a sampling time n consists a total value X n of the individual power consumption of the plurality of target equipment 100, the total value R n of the individual power consumption of the plurality of non-monitoring facility 102, the sum of.
  • the y n X n + R n .
  • X n is referred to as “target power consumption” and R n is referred to as “unmonitored power consumption”.
  • the target power consumption Xn which is the total value of the individual power consumptions of the first to M-th target facilities 100, can be expressed by Expression 1.
  • FIG. 3 is a diagram showing the first to fifth reference signals r1 to r5
  • FIG. 4 is a diagram showing the first to fifth reference signals r1 to r5 superimposed.
  • the reference signal is a signal obtained by repeating a signal represented by a predetermined basis function every unit time (for example, every 24 hours).
  • the type of this basis function is not particularly limited, but is preferably a function in which a substantially mountain-shaped or substantially rectangular rising occurs only once.
  • a Gaussian function shown in Expression 2 is used as a basis function.
  • the Gaussian function is a mountain-shaped (more precisely, bell-shaped) function, but the width W of the mountain depends on ⁇ , and the center of the mountain depends on ⁇ .
  • the i-th reference signal ri is a signal obtained by repeating the signal represented by Expression 2 every 24 hours.
  • the peak width W is a period from when the value of ri exceeds 1% of the peak value until it becomes less than 1%.
  • the non-monitored power consumption R n is expressed by Expression 3 using the first to I-th reference signals r1 to rI.
  • bi is the contribution set for each reference signal ri.
  • c is a constant term, which means power consumption that always occurs without depending on time.
  • the operating parameters xm n of the target equipment 100, and the reference signal ri n, the total power consumption y n is known, the contribution am and bi, the constant term c is unknown is there. If the contributions am and bi and the constant term c can be solved, the individual power consumption xm n ⁇ am of the target facility 100 can be obtained. Therefore, in this example, the power consumption is modeled by Expression 4, and the contributions am and bi and the constant term c are obtained by multiple regression analysis.
  • FIG. 5 shows the description of each item of the equation (4).
  • Equation 4 can be solved if N> (M + I + 1). Therefore, (M + I + 1) or more times, if collected total power consumption y n and operating parameters xm n is, it calculates the contribution am, bi and constant term c. Then, the operating parameters xm n of each target equipment 100, by multiplying the calculated contribution am, may calculate power consumption of the m target equipment 100 at the sampling timing n.
  • the left side of Expression 4 is referred to as “total power vector”.
  • the first matrix on the right side is called a “state matrix”.
  • the power consumption estimation device 10 has a functional configuration capable of performing such calculations.
  • the functional configuration of the power consumption estimation device 10 will be described again with reference to FIG.
  • Total power vector generation unit 32 from the time-series data of the total power consumption y n stored in the total power consumption storage unit 112, the total power vector, i.e., generates a left-hand side vector in equation 4.
  • total power vector generation unit 32 functions as the total power consumption acquiring unit for acquiring time series data of the total power consumption y n.
  • the number N of samples constituting the total power vector is not particularly limited as long as it is equal to or more than the value (M + I + 1) obtained by adding the number M of the target equipment 100, the number I of reference signals, and 1 to each other. However, it is desirable that the number of samples N is equal to or more than 24 hours.
  • State matrix generator 34 time-series data of the operating parameter values xm n stored in the operation state storage unit 114, and, based on the reference signal ri n generated by the reference signal generator 36, generates a status matrix I do.
  • the state matrix generator 34 functions as the driving state acquisition unit for acquiring time series data of the operating parameter values xm n.
  • Reference signal generating unit 36 in response to a request from the state matrix generating unit 34 generates a reference signal ri n.
  • the generated total power vector and state matrix are input to the contribution estimating unit 38.
  • the contribution estimating unit 38 solves the contributions am and bi and the constant term c after applying the total power vector and the state matrix vector to Expression 4. Since a known multiple regression analysis technique can be used for this calculation, a detailed description is omitted.
  • the contributions am and bi and the constant term c calculated by the contribution estimation unit 38 are stored in the contribution storage unit 40.
  • Breakdown calculating section 42 the operating parameters xm n of the target equipment 100 multiplies am stored in the contribution degree storage unit 40, and calculates the individual consumption of the target equipment 100, as the power consumption estimation unit Function.
  • the power consumption of all the plurality of non-monitoring facilities 102 that is, the non-monitoring power consumption R n is calculated. I do.
  • the breakdown of the power consumption at each time is calculated.
  • the calculated details (individual power consumption and unmonitored power consumption R n of each target facility 100) are stored in the power consumption storage unit 44 in association with the time.
  • FIG. 6 shows the flow of the process of estimating the degree of contribution.
  • the process of estimating the contribution may be performed at least once. However, in order to improve the estimation accuracy, the process of estimating the contribution is repeatedly executed with a certain time interval, and the values of the contribution and the constant term stored in the contribution storage unit 40 are updated. It is desirable. That is, the contribution am of each of the plurality of target facilities 100 represents the individual power consumption per unit time (in the above example, the sampling period).
  • the individual power consumption per unit time varies depending on the surrounding environment, deterioration of the target facility 100, and the like. By periodically estimating and updating the degree of contribution, it is possible to obtain an estimation result in which such deterioration of the target facility 100 is also taken into consideration.
  • the total power vector generation unit 32 When estimating the degree of contribution, firstly, the total power vector generation unit 32, based on time-series data of the total power consumption y n, to produce a total power vector (S10). Further, the power consumption estimation device 10, the time series data of operational parameters xm n, the reference signal ri n, on the basis of, for generating a state matrix (S12).
  • the contribution estimating unit 38 obtains the contributions am and bi and the constant term c by multiple regression analysis according to the regression model of Equation 4 (S14).
  • the process of estimating the contribution ends (S16).
  • FIG. 7 is a flowchart showing the flow of the process of estimating the breakdown of power consumption.
  • the process of estimating the breakdown of the power consumption may be executed at any timing and any number of times after the contribution is calculated. Therefore, the process of estimating the breakdown may be performed periodically, or may be performed at a timing instructed by the user.
  • breakdown calculation portion 42 reads the time series data of a plurality of target equipment 100 each operating parameters xm n acquired during the period to be estimated breakdown (S20). Further, the breakdown calculation unit 42 also reads a plurality of contributions am and bi and a constant term c stored in the contribution storage unit 40 (S22).
  • breakdown calculation portion 42 the operating parameters xm n of the target facility 100, a value obtained by multiplying the contribution am, is calculated as a separate power of relevant equipment 100 (S24). Further, in Equation 3, the reference signal ri n, and, bi stored in the contribution degree storage unit 40, by fitting the c, calculates the unsupervised power R n (S26). Then, when these power consumptions are stored in the power consumption storage unit 44, the breakdown estimation processing ends (S28).
  • the non-monitoring power R n is the total value of the power consumption of the non-monitoring facility 102, it simulates a plurality of reference signals ri n. Therefore, as compared with Patent Document 1 considered the unsupervised power R n is constant, it is possible to reduce the error, it is possible to further improve the estimation accuracy of the individual power consumption of the target equipment 100. Further, unlike in Patent Document 2 in which power consumption is simulated by the number of personnel, in this example, the number of personnel is not used for power consumption estimation. Therefore, a system (for example, an entrance system) for monitoring the number of personnel is not required, and the individual power consumption of the target facility 100 can be more easily estimated.
  • FIGS. 8 and 11 are graphs respectively showing the measured values R # and X # and the estimated values R * and X * of the power consumption of a certain building for 24 hours. More specifically, in FIGS. 8 and 11, the total value of the power consumption of the plurality of non-monitoring facilities 102 (non-monitoring power consumption R) and the total value of the individual power consumption of the plurality of target facilities 100 (target power consumption X) Is a stacked graph.
  • the bold dashed line indicates the measured value R # of the unmonitored power consumption
  • the bold solid line indicates the measured value X # of the target power consumption drawn by being stacked on the measured value R # .
  • the thin broken line indicates the estimated value R * of the unmonitored power consumption
  • the thin solid line indicates the estimated value X * of the target power consumption drawn by being stacked on the estimated value R *. Is shown.
  • the estimated values R * and X * are estimated based on the technology disclosed in Patent Document 1. That is, in FIG. 11, on the assumption that the estimated value R * is always constant, based on the actually measured value of the total power consumption and the operating state of the plurality of target facilities 100, Individual power consumption is determined by multiple regression analysis. That is, FIG. 11 finds each contribution am based on the regression model shown in Expression 5. As is apparent from Equation 5, in the related art, the estimated value R * of the unmonitored power consumption is treated as a known constant term in the regression model.
  • the estimated value R * of the unmonitored power consumption is regarded as constant, so that the error between the estimated value R * of the unmonitored power consumption and the measured value R # increases. If the error of the constant term R * used in the regression model is large, the estimation accuracy using the regression model naturally deteriorates, and the estimation accuracy of the individual power consumption of the target facility 100 deteriorates. This is clear from the fact that the error between the estimated value X * of the target power consumption, which is the total value of the individual power consumption of the target facility 100, and the actually measured value X # is large in FIG.
  • non-monitoring power consumption is simulated using a plurality of reference signals ri.
  • the error between the estimated value R * of the unmonitored power consumption and the measured value R # is small. Since the unmonitored power consumption can be accurately estimated, in this example, the estimation accuracy of the individual power consumption of the target facility 100 is also improved. This is clear from the fact that the error between the estimated value X * of the target power consumption and the measured value X # is small in FIG.
  • the configuration described so far is an example, and at least multiple regression is performed using time series data of total power consumption as an objective variable, time series data of operation parameters of a plurality of target facilities and components of a plurality of reference signals as explanatory variables.
  • Other configurations may be appropriately changed as long as the power consumption of each of the plurality of target facilities is determined by the analysis.
  • the forms of the plurality of reference signals may be appropriately changed.
  • a peak-shaped signal having a width W of 12 hours is used as a reference signal, but the peak width W of the reference signal may be appropriately changed as shown in FIG.
  • the width W of the reference signal ri is 24 hours, 16 hours, 12 hours, and 8 hours in order from the top.
  • the phases of the plurality of reference signals ri are shifted by W / 2.
  • the plurality of reference signals ri include two or more signal groups, and the width W of the peak of the reference signal ri belonging to one signal group is equal to the width W of the peak of the reference signal ri belonging to another signal group. May be different.
  • the plurality of reference signals ri may be a combination of the four types of reference signals ri shown in FIG.
  • Non-monitoring power consumption may be simulated by using a plurality of reference signals ri as shown in FIG.
  • the shape of the reference signal may be changed as appropriate.
  • the basis function representing the reference signal is a function in which a mountain-shaped or rectangular rising occurs only once.
  • 10 power consumption estimating device 12 CPU, 14 storage device, 16 input device, 18 output device, 20 communication I / F, 22 bus, 32 total power vector generation unit (total power consumption acquisition unit), 34 state matrix generation unit ( Operating state acquisition unit), 36 reference signal generation unit, 38 contribution estimation unit, 40 contribution storage unit, 42 breakdown calculation unit (power consumption estimation unit), 44 power consumption storage unit, 100 target equipment, 102 non-monitoring equipment, 103 power supply line, 104 power meter, 106 power supply, 110 building management system, 112 total power consumption storage unit, 114 operation state storage unit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

運転状態が監視可能な１以上の対象設備（１００）それぞれの消費電力を推定する消費電力推定装置（１０）は、合計消費電力の時系列データを取得する合計電力ベクトル生成部（３２）と、１以上の対象設備（１００）の運転パラメータの時系列データを取得する状態行列生成部（３４）と、１以上の参照信号を生成する参照信号生成部（３６）と、合計消費電力を目的変数、１以上の対象設備（１００）の運転パラメータおよび１以上の参照信号の成分値を説明変数として重回帰分析することで、１以上の対象設備（１００）それぞれの寄与度を算出する寄与度推定部（３８）と、対象設備（１００）の寄与度と運転パラメータとを乗算することで、対象設備（１００）の消費電力を算出する内訳算出部（４２）と、を備える。

Description

消費電力推定装置
　本明細書は、所定区域に設置されるとともにその運転状態が監視可能な１以上の対象設備それぞれの消費電力を推定する消費電力推定装置を開示する。
　ビルや工場等の建物において、省エネを目的として電力の管理を行う場合には、その内部に設置されている複数の電気設備それぞれの消費電力を把握する必要がある。しかし、このような消費電力を計測するためには、各電気設備に電力量メータを設ける必要があり、コストがかかっていた。
　そこで、一部では、所定区域で消費される合計消費電力の時系列データと、所定区域に設置される設備の駆動状況を示す時系列データと、に基づいて回帰分析することで、各設備の消費電力を推定する技術が提案されている。
　例えば、特許文献１では、所定区域に設置された複数の空調機それぞれの消費電力を算出する装置が開示されている。この特許文献１では、所定区域で消費される合計消費電力と、空調機以外で消費される電力であるベース電力と、から複数の空調機で消費する全空調消費電力を求め、この全空調消費電力の時系列データと、複数の空調機それぞれの駆動状態を示す時系列データと、に基づいて各空調機の消費電力を求めている。かかる技術によれば、設備ごと電力計測機器を設ける必要がないため、低コストで、複数の設備それぞれの消費電力を取得できる。
特開２００４－１３８２６５号公報 特開２０１７－０５０９７１号公報
　しかしながら、特許文献１の技術では、空調機以外で消費される電力であるベース電力の推定精度が低いため、結果として、設備ごとの消費電力の推定精度も低いという問題があった。すなわち、特許文献１では、特定の日時における合計消費電力（例えば、特定の条件を満たすある一日のうち、空調機が駆動していない時間帯の合計消費電力）を、空調機以外で消費される電力、すなわち、ベース電力と推定しており、このベース電力の値は、日、月が変わっても一定であるとみなしている。
　しかし、空調機以外で消費される電力としては、照明や、パソコン、オフィス機器、調理機器など様々あり、これらの使用量（消費電力）は、刻々と変化するのが普通である。したがって、特許文献１のように、ベース電力を一定とみなした場合には、現実との乖離が大きくなり、空調機ごとの消費電力の推定精度が悪化する。
　そこで、一部では、消費電力推定装置で、その駆動状況が監視できない設備、例えば、オフィス機器などで消費される電力量を、所定区域内に存在する人員の数から推定することも提案されている（例えば特許文献２など）。しかし、この場合、人員の数を管理するためのシステムが別途必要であり、コストアップを招く。
　そこで、本明細書では、所定区域に設置された対象設備それぞれの消費電力を、より簡易な構成でより高精度に推定できる消費電力推定装置を開示する。
　本明細書で開示する消費電力推定装置は、所定区域に設置されるとともにその運転状態が監視可能な１以上の対象設備それぞれの消費電力を推定する消費電力推定装置であって、前記所定区域全体での消費電力である合計消費電力の時系列データを取得する合計消費電力取得部と、前記１以上の対象設備の運転状態を数値化した運転パラメータの時系列データを取得する運転状態取得部と、それぞれが所定の基底関数で表される１以上の参照信号を生成する参照信号生成部と、取得された前記合計消費電力を目的変数、取得された前記１以上の対象設備の運転パラメータおよび生成された前記１以上の参照信号の成分値を説明変数として重回帰分析することで、前記１以上の対象設備それぞれの前記合計消費電力に対する寄与度を算出する寄与度推定部と、前記対象設備の前記寄与度と前記運転パラメータとを乗算することで、前記対象設備の消費電力を算出する消費電力算出部と、を備えることを特徴とする。
　この場合、前記消費電力算出部は、前記１以上の対象設備それぞれの消費電力を各時間ごとに算出することで、前記合計消費電力の各時間ごとの内訳を生成してもよい。
　また、前記基底関数は、略山形または略矩形の立ち上がりが１回だけ発生する関数であってもよい。この場合、各参照信号は、前記基底関数で表される信号を、単位時間ごとに繰り返してもよい。さらに、前記１以上の参照信号は、１以上の信号グループを含み、各信号グループは、互いに同一の形状、かつ、互いに位相が異なる複数の参照信号を含んでもよい。この場合、同一の信号グループに属する前記複数の参照信号は、幅Ｗの山を持つ略山形の関数で表されており、Ｗ／２ずつ位相がずれていてもよい。さらに、前記１以上の参照信号は、２以上の信号グループを含んでおり、一つの信号グループに属する参照信号の山の幅は、他の信号グループに属する参照信号の山の幅と異なっていてもよい。
　本明細書に開示の消費電力推定装置によれば、複数の参照信号で、対象設備以外で消費される電力を模擬するため、所定区域に設置された対象設備それぞれの消費電力を、より簡易な構成でより高精度に推定できる。
消費電力推定装置の物理構成を示すブロック図である。 消費電力推定装置の機能構成を示すブロック図である。 参照信号の一例を示す図である。 複数の参照信号を重ね合わせた図である。 回帰モデルを説明する図である。 寄与度の推定処理を示すフローチャートである。 消費電力の内訳の推定処理を示すフローチャートである。 本例による消費電力の実測値と推定値とを示す図である。 他の参照信号の一例を示す図である。 他の参照信号の一例を示す図である。 従来技術による消費電力の実測値と推定値とを示す図である。
　以下、図面を参照して消費電力推定装置１０の構成について説明する。図１は、消費電力推定装置１０の物理的構成を、図２は、機能的構成を示すブロック図である。この消費電力推定装置１０は、所定区域に設置された１以上の対象設備それぞれの消費電力を回帰分析により、推定する装置である。すなわち、一般に、ビルや工場等の建物には、その建物全体、あるいは、フロア全体での消費電力を計測する電力量メータが設けられている。この電力量メータを用いれば、所定区域（例えば建物全体またはフロア全体）の合計消費電力は、把握できる。
　しかし、省エネを目的として電力を管理する場合には、合計消費電力だけでなく、所定区域内に設置された１以上の対象設備それぞれの消費電力（以下「個別消費電力」という）も把握することが望まれる。対象設備とは、建物管理システムで運転管理されている設備であり、例えば、空調設備である。こうした対象設備の個別消費電力を正確に把握するためには、対象設備ごとに電力量メータを設ける必要がある。しかし、対象設備ごとに電力量メータを設けることは、コスト増加を招く。そこで、消費電力推定装置１０は、こうした対象設備の個別消費電力を、合計消費電力、および、対象設備の運転状態に基づいて推定する。以下では、一つのビル全体を「所定区域」とし、このビル全体に設置された複数の空調設備を「対象設備」とする消費電力推定装置１０を例に挙げて説明する。
　図１に示すように、消費電力推定装置１０は、特定のプログラムに従って駆動する１以上のコンピュータで構築される。すなわち、消費電力推定装置１０は、図１に示すように、ＣＰＵ１２と、記憶装置１４と、入力装置１６と、出力装置１８と、通信インターフェース（以下「通信Ｉ／Ｆ」という）２０と、を備えており、これらが、バス２２により接続されている。
　ＣＰＵ１２は、各種演算を行なう。具体的には、ＣＰＵ１２は、必要に応じて、記憶装置１４に記憶される消費電力推定プログラムを読み込んで、消費電力の推定に必要な各種演算を行なう。このＣＰＵ１２による処理の具体的内容については、後述する。
　記憶装置１４は、各種データ（プログラム含む）を記憶するもので、例えば、ＲＡＭやＲＯＭといった半導体メモリ、ハードディスクドライブ、ソリッドステートドライブ等を１以上組み合わせて構成される。この記憶装置１４には、後述する消費電力の推定を行なうための消費電力推定プログラムが記憶されている。
　入力装置１６は、オペレータからの操作指示およびデータ入力を受け付けるもので、例えば、キーボード、マウス、タッチパネル、マイク等を１以上、組み合わせて構成される。出力装置１８は、オペレータに各種情報を出力するもので、例えば、ディスプレイ、スピーカー等を１以上、組み合わせて構成される。
　通信Ｉ／Ｆ２０は、他の電子機器および情報端末とデータを遣り取りする。例えば、建物管理システムで検知された合計消費電力や、対象設備（空調設備）の運転状態は、この通信Ｉ／Ｆ２０を介して、消費電力推定装置１０に入力される。また、消費電力推定装置１０による診断結果は、この通信Ｉ／Ｆ２０を介して、他の情報端末に送られてもよい。なお、図１では、消費電力推定装置１０を、１台のコンピュータとして図示しているが、消費電力推定装置１０は、互いに通信可能な複数のコンピュータで構成されてもよい。また、消費電力推定装置１０は、建物管理システムの一部であってもよい。
　次に、消費電力推定装置１０の機能構成について図２を参照して説明する。ビルには、複数の対象設備１００と、複数の非監視設備１０２と、が設置されている。対象設備１００は、個別消費電力の推定対象となる設備であり、建物管理システム１１０で、その運転が管理されている設備である。本例では、ビルに設置された空調設備、例えば、空調室内機、空調室外機等を対象設備１００としている。
　非監視設備１０２は、電力を消費する設備のうち、建物管理システム１１０で管理されていない設備である。したがって、非監視設備１０２としては、例えば、照明や、コンセント等が含まれる。対象設備１００および非監視設備１０２は、いずれも、電力供給ライン１０３を介して電源１０６に接続されており、当該電源１０６から電力が供給される。対象設備１００および非監視設備１０２に供給された電力の合計値、すなわち、合計消費電力は、電力量メータ１０４で計測される。
　建物管理システム１１０は、予め設定された管理プログラムに従って、対象設備１００の運転を管理する。この建物管理システム１１０の構成は、適宜、変更可能であるが、建物管理システム１１０は、少なくとも、運転状態記憶部１１４と、合計消費電力記憶部１１２と、を有している。
　運転状態記憶部１１４は、複数の対象設備１００それぞれの運転状態の時系列データを記憶する。より具体的には、建物管理システム１１０は、各対象設備１００の運転状態を定期的に取得して、日時と対応づけて運転状態記憶部１１４に記憶する。このとき、建物管理システム１１０は、運転状態を数値で表す。例えば、運転中は「１」、運転停止中は「０」という数値で表す。以下では、この運転状態を示す数値を、運転パラメータと呼ぶ。この運転パラメータの値は、上述したように、運転中なら「１」、運転停止中なら「０」という２値であってもよい。また、別の形態として、運転パラメータの値は、暖房運転中なら「１」、冷房運転中なら「０．８」、換気運転中なら「０．３」、運転停止中なら「０」というように、運転種類に応じて多段階に設定されてもよい。さらに、別の形態として、運転パラメータの値は、空調の目標温度と現在の室温との差分値や、コンプレッサーの回転数などに応じて設定されてもよい。いずれにしても、運転状態記憶部１１４には、複数の対象設備１００それぞれの運転状態を示す数値（運転パラメータ値）の時系列データが記憶されている。
　合計消費電力記憶部１１２は、ビル全体の消費電力の合計値（合計消費電力）の時系列データを記憶する。具体的には、建物管理システム１１０は、電力量メータ１０４で計測された単位時間当たりの合計消費電力を定期的に取得して、日時と対応付けて合計消費電力記憶部１１２に記憶する。この合計消費電力のサンプリングタイミングと、対象設備１００の運転状態のサンプリングタイミングは、一致させることが望ましい。また、サンプリング周期は、特に限定されないが、３０秒以上、１時間以内の値に設定されることが望ましく、１分以上、１０分以内の値に設定されることがより望ましい。
　また、本例では、運転パラメータ値および合計消費電力の時系列データを、建物管理システム１１０が記憶するとしているが、これらのデータは、消費電力推定装置１０に設けられた記憶装置１４に記憶されてもよい。
　消費電力推定装置１０は、合計消費電力を目的変数、運転パラメータ値および後述する参照信号の成分を説明変数として重回帰分析することで、複数の対象設備１００それぞれの個別消費電力を推定する。この消費電力推定装置１０の機能構成を説明する前に、個別消費電力の推定の原理について説明する。
　あるサンプリングタイミングｎにおける合計消費電力ｙｎは、複数の対象設備１００の個別消費電力の合計値Ｘｎと、複数の非監視設備１０２の個別消費電力の合計値Ｒｎと、の和となる。すなわち、ｙｎ＝Ｘｎ＋Ｒｎとなる。以下では、Ｘｎを「対象消費電力」、Ｒｎを「非監視消費電力」と呼ぶ。
　第ｍ対象設備１００の個別消費電力は、その運転状態（運転パラメータｘｍｎ）に依存すると考えると、第ｍ対象設備１００の個別消費電力は、（ｘｍｎ・ａｍ）と表すことができる。ここで、ａｍは、対象設備１００それぞれに設定される寄与度である。そして、第１～第Ｍ対象設備１００の個別消費電力の合計値である対象消費電力Ｘｎは、式１で表すことができる。
Figure JPOXMLDOC01-appb-M000001
　一方、非監視設備１０２は、運転状態を把握できないため、対象設備１００のようなモデルを構築することはできない。そこで、本例では、非監視設備１０２の個別消費電力の合計である非監視消費電力Ｒｎを、複数の参照信号ｒｉ（ｉ＝１，２，・・・，Ｉ）を用いて模擬する。図３、図４は、参照信号の一例を示す図である。図３は、第１～第５参照信号ｒ１～ｒ５を示す図であり、図４は、第１～第５参照信号ｒ１～ｒ５を重ね合わせた図である。
　参照信号は、所定の基底関数で表される信号を単位時間ごと（例えば２４時間ごと）に繰り返した信号である。この基底関数の種類は、特に限定されないが、略山形または略矩形の立ち上がりが１回だけ発生する関数であることが望ましい。本例では、基底関数として、式２に示すガウス関数を用いている。
Figure JPOXMLDOC01-appb-M000002
　ガウス関数は、山形（より正確には釣鐘形）の関数であるが、その山の幅Ｗは、σに依存し、山の中心は、μに依存する。第ｉ参照信号ｒｉは、式２で表される信号を、２４時間ごとに繰り返した信号である。図３、図４の例では、各参照信号ｒ１～ｒ５の山の幅Ｗは、約１２時間＝７２０分となっている。また、複数の参照信号の位相は、山の幅Ｗの約１／２である６時間＝３６０分ずつずれている。なお、ここで、山の幅Ｗとは、ｒｉの値が、ピーク値の１％を超えてから１％未満になるまでの期間とする。
　本例では、非監視消費電力Ｒｎを、第１～第Ｉ参照信号ｒ１～ｒＩを用いて、式３のように表す。なお、ｂｉは、参照信号ｒｉそれぞれに設定される寄与度である。また、ｃは、定数項であり、時間に依存することなく、常時、発生する消費電力を意味している。
Figure JPOXMLDOC01-appb-M000003
　ここで、これまでの説明において、対象設備１００の運転パラメータｘｍｎと、参照信号ｒｉｎと、合計消費電力ｙｎは、既知であるが、寄与度ａｍおよびｂｉと、定数項ｃが未知である。この寄与度ａｍおよびｂｉと定数項ｃを解くことができれば、対象設備１００の個別消費電力ｘｍｎ・ａｍを求めることができる。そこで、本例では、消費電力を式４でモデル化し、重回帰分析により、寄与度ａｍおよびｂｉと定数項ｃとを求める。この式４の各項目についての説明を図５に示す。
Figure JPOXMLDOC01-appb-M000004
　この式４は、Ｎ＞（Ｍ＋Ｉ＋１）であれば解くことができる。したがって、（Ｍ＋Ｉ＋１）回以上、合計消費電力ｙｎおよび運転パラメータｘｍｎが収集できれば、寄与度ａｍ，ｂｉと定数項ｃを算出できる。そして、各対象設備１００の運転パラメータｘｍｎに、算出された寄与度ａｍを乗算することで、サンプリングタイミングｎにおける第ｍ対象設備１００の消費電力を算出できる。なお、以下では、式４の左辺を「合計電力ベクトル」と呼ぶ。また、右辺にある一つ目の行列を「状態行列」と呼ぶ。
　消費電力推定装置１０は、こうした演算が行なえるような機能構成となっている。そこで、再び、図２を参照して消費電力推定装置１０の機能構成について説明する。合計電力ベクトル生成部３２は、合計消費電力記憶部１１２に記憶されている合計消費電力ｙｎの時系列データから、合計電力ベクトル、すなわち、式４における左辺のベクトルを生成する。したがって、合計電力ベクトル生成部３２は、合計消費電力ｙｎの時系列データを取得する合計消費電力取得部として機能する。なお、このとき、合計電力ベクトルを構成するサンプル数Ｎは、対象設備１００の個数Ｍと、参照信号の個数Ｉと、１と、を加算した値（Ｍ＋Ｉ＋１）以上であれば、特に限定されない。ただし、サンプル数Ｎは、２４時間分以上の個数であることが望ましい。
　状態行列生成部３４は、運転状態記憶部１１４に記憶されている運転パラメータ値ｘｍｎの時系列データ、および、参照信号生成部３６で生成された参照信号ｒｉｎに基づいて、状態行列を生成する。なお、状態行列生成部３４は、運転パラメータ値ｘｍｎの時系列データを取得する運転状態取得部として機能する。参照信号生成部３６は、状態行列生成部３４からの要求に応じて、参照信号ｒｉｎを生成する。
　生成された合計電力ベクトルおよび状態行列は、寄与度推定部３８に入力される。寄与度推定部３８は、合計電力ベクトルおよび状態行列ベクトルを、式４に当てはめたうえで、寄与度ａｍおよびｂｉと、定数項ｃを解く。この算出には、公知の重回帰分析技術を用いることができるため、詳細な説明は省略する。
　寄与度推定部３８で算出された寄与度ａｍ，ｂｉと定数項ｃは、寄与度記憶部４０に記憶される。内訳算出部４２は、対象設備１００の運転パラメータｘｍｎに、寄与度記憶部４０に記憶されているａｍを乗算して、対象設備１００の個別消費電力を算出するもので、消費電力推定部として機能する。また、式３に、参照信号ｒｉｎ、および、寄与度記憶部４０に記憶されているｂｉ，ｃを当てはめて、複数の非監視設備１０２全ての消費電力、すなわち非監視消費電力Ｒｎを算出する。そして、これにより、各時間の消費電力の内訳が算出される。算出された内訳（各対象設備１００の個別消費電力と非監視消費電力Ｒｎ）は、時刻と対応付けられて消費電力記憶部４４に記憶される。
　次に、この消費電力推定装置１０における消費電力推定処理の流れについて図６、図７を参照して説明する。消費電力推定処理は、寄与度の推定処理と、消費電力の内訳の推定処理と、に大別される。図６は、寄与度の推定処理の流れを示している。この寄与度の推定処理は、少なくとも、１回、実行されればよい。ただし、推定精度を向上するためには、この寄与度の推定処理を、ある程度の時間を空けて、繰り返し実行し、寄与度記憶部４０に記憶されている寄与度および定数項の値を更新するのが望ましい。すなわち、複数の対象設備１００それぞれの寄与度ａｍは、単位時間（上記の例ではサンプリング周期）当たりの個別消費電力を表している。この単位時間当たりの個別消費電力は、周辺環境や、対象設備１００の劣化等によって変化する。寄与度を定期的に推定し、更新することで、こうした対象設備１００の劣化等も考慮した推定結果を得ることができる。
　寄与度を推定する場合には、まず、合計電力ベクトル生成部３２が、合計消費電力ｙｎの時系列データに基づいて、合計電力ベクトルを生成する（Ｓ１０）。また、消費電力推定装置１０が、運転パラメータｘｍｎの時系列データと、参照信号ｒｉｎと、に基づいて、状態行列を生成する（Ｓ１２）。
　合計電力ベクトルおよび状態行列ベクトルが生成されれば、寄与度推定部３８は、式４の回帰モデルに従って、寄与度ａｍ，ｂｉ、定数項ｃを重回帰分析により求める（Ｓ１４）。そして、算出された寄与度ａｍ，ｂｉ、定数項ｃが、寄与度記憶部４０に記憶されれば、寄与度の推定処理は、終了となる（Ｓ１６）。
　図７は、消費電力の内訳の推定処理の流れを示すフローチャートである。この消費電力の内訳の推定処理は、寄与度が算出された後であれば、どのようなタイミングで何回実行されてもよい。したがって、内訳の推定処理は、定期的に行われてもよいし、ユーザから指示されたタイミングで行われてもよい。いずれにしても、内訳を推定する場合、内訳算出部４２は、内訳を推定したい期間中に取得された複数の対象設備１００それぞれの運転パラメータｘｍｎの時系列データを読み込む（Ｓ２０）。また、内訳算出部４２は、寄与度記憶部４０に記憶されている複数の寄与度ａｍ，ｂｉおよび定数項ｃも読み込む（Ｓ２２）。続いて、内訳算出部４２は、対象設備１００の運転パラメータｘｍｎに、寄与度ａｍを乗算した値を、対象設備１００の個別消費電力として算出する（Ｓ２４）。また、式３に、参照信号ｒｉｎ、および、寄与度記憶部４０に記憶されているｂｉ，ｃを当てはめて、非監視消費電力Ｒｎを算出する（Ｓ２６）。そして、これらの消費電力を消費電力記憶部４４に記憶すれば、内訳の推定処理は終了となる（Ｓ２８）。
　以上の説明から明らかなとおり、本例では、非監視設備１０２の消費電力の合計値である非監視消費電力Ｒｎを、複数の参照信号ｒｉｎで模擬している。そのため、非監視消費電力Ｒｎを一定とみなす特許文献１に比べて、誤差を低減することができ、対象設備１００の個別消費電力の推定精度をより向上できる。また、消費電力を、人員の数で模擬する特許文献２と異なり、本例では、人員の数を消費電力推定に利用していない。そのため、人員の数をモニタリングするシステム（例えば入館システムなど）が不要となり、対象設備１００の個別消費電力をより簡易に推定できる。
　そこで、本例と従来技術との推定精度の比較について、図８、図１１を参照して説明する。図８、図１１は、それぞれ、あるビルの２４時間分の消費電力の実測値Ｒ＃，Ｘ＃と推定値Ｒ＊，Ｘ＊とを示すグラフである。より詳しく説明すると、図８、図１１では、複数の非監視設備１０２の消費電力の合計値（非監視消費電力Ｒ）および複数の対象設備１００の個別消費電力の合計値（対象消費電力Ｘ）の積み上げグラフである。図８、図１１において、太破線は、非監視消費電力の実測値Ｒ＃を、太実線は、当該実測値Ｒ＃の上に積み上げて描画した対象消費電力の実測値Ｘ＃を示している。同様に、図８、図１１において、細破線は、非監視消費電力の推定値Ｒ＊を、細実線は、当該推定値Ｒ＊の上に積み上げて描画した対象消費電力の推定値Ｘ＊を示している。
　ここで、図１１では、特許文献１に開示の技術に基づいて、推定値Ｒ＊，Ｘ＊を推定している。すなわち、図１１では、推定値Ｒ＊が常に一定であるとみなしたうえで、合計消費電力の実測値と、複数の対象設備１００の運転状態と、に基づいて、複数の対象設備１００それぞれの個別消費電力を重回帰分析で求めている。すなわち、図１１は、式５に示す回帰モデルに基づいて、各寄与度ａｍを求めている。この式５から明らかなとおり、従来技術において、非監視消費電力の推定値Ｒ＊は、回帰モデルでは既知の定数項として扱われる。
Figure JPOXMLDOC01-appb-M000005
　図１１から明らかなとおり、従来技術では、非監視消費電力の推定値Ｒ＊を一定とみなすため、この非監視消費電力の推定値Ｒ＊と実測値Ｒ＃との誤差が大きくなる。回帰モデルで用いられる定数項であるＲ＊の誤差が大きいと、当然ながら、回帰モデルを用いた推定精度も悪化し、対象設備１００の個別消費電力の推定精度が悪化する。これは、図１１において、対象設備１００の個別消費電力の合計値である対象消費電力の推定値Ｘ＊と実測値Ｘ＃との誤差が大きいことからも明らかである。
　一方、本例では、複数の参照信号ｒｉを用いて、非監視消費電力を模擬している。その結果、図８に示す通り、本例では、非監視消費電力の推定値Ｒ＊と実測値Ｒ＃との誤差が小さい。そして、非監視消費電力を精度よく推定できるため、本例では、対象設備１００の個別消費電力の推定精度も向上している。これは、図８において、対象消費電力の推定値Ｘ＊と実測値Ｘ＃との誤差が小さいことからも明らかである。
　なお、これまで説明した構成は一例であり、少なくとも、合計消費電力の時系列データを目的変数、複数の対象設備の運転パラメータの時系列データおよび複数の参照信号の成分を説明変数として、重回帰分析して、複数の対象設備それぞれの消費電力を求めるのであれば、その他の構成は、適宜、変更されてもよい。例えば、複数の参照信号の形態は、適宜、変更されてもよい。例えば、上述の説明では、幅Ｗが１２時間の山形の信号を参照信号として用いているが、参照信号の山の幅Ｗは、図９に示すように、適宜、変更されてもよい。図９において、参照信号ｒｉの幅Ｗは、上段から順に、幅Ｗが、２４時間、１６時間、１２時間、８時間となっている。また、いずれの場合でも、複数の参照信号ｒｉは、Ｗ／２ずつ位相がずれている。
　また、複数の参照信号ｒｉは、２以上の信号グループを含んでおり、一つの信号グループに属する参照信号ｒｉの山の幅Ｗは、他の信号グループに属する参照信号ｒｉの山の幅Ｗと異なってもよい。例えば、複数の参照信号ｒｉは、図９に示した四種類の参照信号ｒｉを組み合わせてもよい。図１０に示すような複数の参照信号ｒｉで、非監視消費電力を模擬してもよい。
　また、これまでは、参照信号として、ガウス関数で表される信号を用いてきたが、参照信号の形は、適宜、変更されてもよい。ただし、参照信号を表す基底関数は、山形または矩形の立ち上がりが１回だけ生じる関数であることが望ましい。
　１０　消費電力推定装置、１２　ＣＰＵ、１４　記憶装置、１６　入力装置、１８　出力装置、２０　通信Ｉ／Ｆ、２２　バス、３２　合計電力ベクトル生成部（合計消費電力取得部）、３４　状態行列生成部（運転状態取得部）、３６　参照信号生成部、３８　寄与度推定部、４０　寄与度記憶部、４２　内訳算出部（消費電力推定部）、４４　消費電力記憶部、１００　対象設備、１０２　非監視設備、１０３　電力供給ライン、１０４　電力量メータ、１０６　電源、１１０　建物管理システム、１１２　合計消費電力記憶部、１１４　運転状態記憶部。

Claims (7)

  1. 　所定区域に設置されるとともにその運転状態が監視可能な１以上の対象設備それぞれの消費電力を推定する消費電力推定装置であって、
    　前記所定区域全体での消費電力である合計消費電力の時系列データを取得する合計消費電力取得部と、
    　前記１以上の対象設備の運転状態を数値化した運転パラメータの時系列データを取得する運転状態取得部と、
    　それぞれが所定の基底関数で表される１以上の参照信号を生成する参照信号生成部と、
    　取得された前記合計消費電力を目的変数、取得された前記１以上の対象設備の運転パラメータおよび生成された前記１以上の参照信号の成分値を説明変数として重回帰分析することで、前記１以上の対象設備それぞれの前記合計消費電力に対する寄与度を算出する寄与度推定部と、
    　前記対象設備の前記寄与度と前記運転パラメータとを乗算することで、前記対象設備の消費電力を算出する消費電力算出部と、
    　を備えることを特徴とする消費電力推定装置。
  2. 　請求項１に記載の消費電力推定装置であって、
    　前記消費電力算出部は、前記１以上の対象設備それぞれの消費電力を各時間ごとに算出することで、前記合計消費電力の各時間ごとの内訳を生成する、ことを特徴とする消費電力推定装置。
  3. 　請求項１または２に記載の消費電力推定装置であって、
    　前記基底関数は、略山形または略矩形の立ち上がりが１回だけ発生する関数である、ことを特徴とする消費電力推定装置。
  4. 　請求項３に記載の消費電力推定装置であって、
    　各参照信号は、前記基底関数で表される信号を、単位時間ごとに繰り返す、ことを特徴とする消費電力推定装置。
  5. 　請求項３または４に記載の消費電力推定装置であって、
    　前記１以上の参照信号は、１以上の信号グループを含み、
    　各信号グループは、互いに同一の形状、かつ、互いに位相が異なる複数の参照信号を含む、
    　ことを特徴とする消費電力推定装置。
  6. 　請求項４に記載の消費電力推定装置であって、
    　同一の信号グループに属する前記１以上の参照信号は、幅Ｗの山を持つ略山形の関数で表されており、Ｗ／２ずつ位相がずれている、
    　ことを特徴とする消費電力推定装置。
  7. 　請求項５に記載の消費電力推定装置であって、
    　前記１以上の参照信号は、２以上の信号グループを含んでおり、
    　一つの信号グループに属する参照信号の山の幅は、他の信号グループに属する参照信号の山の幅と異なる、
    　ことを特徴とする消費電力推定装置。
PCT/JP2019/009600 2018-06-27 2019-03-11 消費電力推定装置 Ceased WO2020003624A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
GB2020052.3A GB2586938B (en) 2018-06-27 2019-03-11 Power consumption estimation device
SG11202012877TA SG11202012877TA (en) 2018-06-27 2019-03-11 Power consumption estimation device
AU2019292449A AU2019292449B2 (en) 2018-06-27 2019-03-11 Power consumption estimation device
US17/083,572 US11215651B2 (en) 2018-06-27 2020-10-29 Power consumption estimation device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-122208 2018-06-27
JP2018122208A JP7081070B2 (ja) 2018-06-27 2018-06-27 消費電力推定装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/083,572 Continuation US11215651B2 (en) 2018-06-27 2020-10-29 Power consumption estimation device

Publications (1)

Publication Number Publication Date
WO2020003624A1 true WO2020003624A1 (ja) 2020-01-02

Family

ID=68986911

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/009600 Ceased WO2020003624A1 (ja) 2018-06-27 2019-03-11 消費電力推定装置

Country Status (6)

Country Link
US (1) US11215651B2 (ja)
JP (1) JP7081070B2 (ja)
AU (1) AU2019292449B2 (ja)
GB (1) GB2586938B (ja)
SG (1) SG11202012877TA (ja)
WO (1) WO2020003624A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022173831A (ja) * 2021-05-10 2022-11-22 東京電力ホールディングス株式会社 学習装置、情報処理装置、学習方法、情報処理方法及びプログラム
WO2023021607A1 (ja) * 2021-08-18 2023-02-23 三菱電機ビルソリューションズ株式会社 消費電力推定装置、消費電力推定方法および消費電力推定プログラム
JP2023147393A (ja) * 2022-03-30 2023-10-13 大和ハウス工業株式会社 省エネルギー性能簡易予測システム
CN116414657A (zh) 2023-03-24 2023-07-11 三星半导体(中国)研究开发有限公司 用于片上系统功耗分析的方法和系统
CN116204566B (zh) * 2023-04-28 2023-07-14 深圳市欣冠精密技术有限公司 一种数字化工厂监控大数据处理系统
CN119363495B (zh) * 2024-12-24 2025-04-01 中京科信技术有限公司 基于电源管理的通信设备优化方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014143819A (ja) * 2013-01-23 2014-08-07 Fujitsu Ltd 情報処理装置、情報処理方法、情報処理システムおよび情報処理プログラム
JP2014229252A (ja) * 2013-05-27 2014-12-08 株式会社日立製作所 計算機、予測方法、及び、予測プログラム
JP2015006105A (ja) * 2013-06-21 2015-01-08 富士通株式会社 情報処理装置、情報処理方法、情報処理システムおよび情報処理プログラム

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3591300B2 (ja) * 1998-04-24 2004-11-17 株式会社日立製作所 電力供給制御装置
JP2001056105A (ja) * 1999-08-12 2001-02-27 East Japan Railway Co 蒸気弁自動制御システム及び記憶媒体
JP2003189471A (ja) * 2001-12-12 2003-07-04 Mitsubishi Electric Corp 電力需要家データ分析方法
JP2003319556A (ja) 2002-04-18 2003-11-07 Daikin Ind Ltd 目標電力制御装置及び目標電力制御方法
JP4196635B2 (ja) 2002-10-15 2008-12-17 ダイキン工業株式会社 消費エネルギー量算出装置及び消費エネルギー量算出方法
JP4130134B2 (ja) 2003-02-26 2008-08-06 三洋電機株式会社 施設内機器の各運転モード毎の単位時間当たりの消費電力量算出装置および施設内機器の消費電力量算出装置
JP2004280618A (ja) * 2003-03-18 2004-10-07 Hitachi Ltd エネルギー管理システム
JP4346584B2 (ja) 2004-08-12 2009-10-21 三洋電機株式会社 デマンド制御装置およびプログラム
EP1729223A3 (en) 2005-06-01 2011-12-14 Sanyo Electric Co., Ltd. Demand control apparatus, electric power consumption prediction method, and program therefor
JP5011830B2 (ja) * 2006-06-09 2012-08-29 富士通セミコンダクター株式会社 データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置
JP4713623B2 (ja) * 2008-09-25 2011-06-29 株式会社日立製作所 充放電管理装置
JP2012017930A (ja) 2010-07-09 2012-01-26 Tokyo Electric Power Co Inc:The 空調システム内機器の使用エネルギー量推定方法、及び、この方法が実装された使用エネルギー量推定装置
JP2013101057A (ja) 2011-11-09 2013-05-23 Hitachi Ltd 電力量管理方法、電力量管理装置、及び電力量管理プログラム
JP5720632B2 (ja) 2012-06-29 2015-05-20 ダイキン工業株式会社 空調制御システム
JP5914860B2 (ja) * 2012-10-12 2016-05-11 パナソニックＩｐマネジメント株式会社 管理装置
JP2015002588A (ja) * 2013-06-14 2015-01-05 株式会社日立製作所 電力消費管理システムおよび方法
JP6414797B2 (ja) 2014-01-09 2018-10-31 日新電機株式会社 エネルギー消費量計算装置
JP6249895B2 (ja) * 2014-07-03 2017-12-20 シャープ株式会社 電力制御システム、方法及び電力制御装置
JP6564264B2 (ja) * 2014-09-16 2019-08-21 積水化学工業株式会社 電力管理システム及び電力管理方法
JP6498976B2 (ja) * 2015-03-20 2019-04-10 株式会社東芝 推定装置、推定方法およびコンピュータプログラム
JP6091568B1 (ja) 2015-09-01 2017-03-08 株式会社Ｌｏｏｏｐ 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム
WO2018101363A1 (ja) * 2016-11-30 2018-06-07 日本電気株式会社 状態推定装置と方法とプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014143819A (ja) * 2013-01-23 2014-08-07 Fujitsu Ltd 情報処理装置、情報処理方法、情報処理システムおよび情報処理プログラム
JP2014229252A (ja) * 2013-05-27 2014-12-08 株式会社日立製作所 計算機、予測方法、及び、予測プログラム
JP2015006105A (ja) * 2013-06-21 2015-01-08 富士通株式会社 情報処理装置、情報処理方法、情報処理システムおよび情報処理プログラム

Also Published As

Publication number Publication date
GB2586938A (en) 2021-03-10
GB2586938B (en) 2021-09-29
JP2020004041A (ja) 2020-01-09
GB202020052D0 (en) 2021-02-03
US11215651B2 (en) 2022-01-04
US20210041487A1 (en) 2021-02-11
SG11202012877TA (en) 2021-02-25
AU2019292449B2 (en) 2021-04-22
AU2019292449A1 (en) 2020-12-10
JP7081070B2 (ja) 2022-06-07

Similar Documents

Publication Publication Date Title
WO2020003624A1 (ja) 消費電力推定装置
US9753477B2 (en) Load forecasting for residential sector demand response
Aman et al. Holistic measures for evaluating prediction models in smart grids
US8799205B2 (en) Systems and methods for virtual sub-metering
JP6985833B2 (ja) データ処理装置、制御システム、データ処理方法及びプログラム
WO2013090026A2 (en) Automated monitoring for changes in energy consumption patterns
WO2015136666A1 (ja) 個別電気機器稼働状態推定装置、およびその方法
JP2021193563A (ja) 資産の予測健全性解析を実行するための方法およびコンピューティングシステム
Martin et al. Energy calibration of HVAC sub-system model using sensitivity analysis and meta-heuristic optimization
WO2013090017A2 (en) Systems, methods and devices for determining energy conservation measure savings
JP2025142367A (ja) データ処理方法及び電子機器
US20240135468A1 (en) Power Consumption Estimation Device, Power Consumption Estimation Method, and Non-transitory Computer Readable Storage Medium Storing Power Consumption Estimation Program
WO2016056113A1 (ja) 省エネルギ化診断装置、省エネルギ化診断方法およびプログラム
JP6919856B2 (ja) 強化学習プログラム、強化学習方法、および強化学習装置
JP6086875B2 (ja) 発電量予測装置および発電量予測方法
Kim Hybrid modeling approach for better identification of building thermal network model and improved prediction
CN114564487B (zh) 预报预测相结合的气象栅格数据更新方法
Figueiredo et al. On the regularization parameter selection for sparse code learning in electrical source separation
Namboodiri et al. Analytical calculation of errors in time and value perception due to a subjective time accumulator: A mechanistic model and the generation of Weber’s law
Fraga et al. Optimisation as a tool for gaining insight: an application to the built environment
Ledva et al. Disaggregating load by type from distribution system measurements in real time
JP6417152B2 (ja) 機器電力推定方法およびシステム
JP6143919B2 (ja) 電気機器モニタリング装置およびその方法
JP7525032B1 (ja) 性能評価装置、性能評価方法、及びプログラム
TW202346876A (zh) 耗電量估算裝置、程式產品及耗電量估算方法

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: 19826365

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019292449

Country of ref document: AU

Date of ref document: 20190311

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 202020052

Country of ref document: GB

Kind code of ref document: A

Free format text: PCT FILING DATE = 20190311

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19826365

Country of ref document: EP

Kind code of ref document: A1