WO2020209142A1 - 電力管理装置 - Google Patents

電力管理装置 Download PDF

Info

Publication number
WO2020209142A1
WO2020209142A1 PCT/JP2020/014855 JP2020014855W WO2020209142A1 WO 2020209142 A1 WO2020209142 A1 WO 2020209142A1 JP 2020014855 W JP2020014855 W JP 2020014855W WO 2020209142 A1 WO2020209142 A1 WO 2020209142A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
classification
prediction
power demand
setting information
Prior art date
Application number
PCT/JP2020/014855
Other languages
English (en)
French (fr)
Inventor
平田　陽介
悠太 奥村
義人 西田
Original Assignee
三菱電機株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to EP20787623.6A priority Critical patent/EP3955201A4/en
Priority to US17/429,383 priority patent/US11954744B2/en
Priority to JP2020549071A priority patent/JP6795134B1/ja
Priority to CN202080024341.6A priority patent/CN113632131A/zh
Publication of WO2020209142A1 publication Critical patent/WO2020209142A1/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
    • H02J3/28—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • 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
    • 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
    • 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

  • This disclosure relates to a power management device having a function of predicting power demand.
  • the air temperature is predicted from the data correlated with the air temperature, and the future electric power demand is predicted by using the predicted air temperature.
  • the present disclosure has been made to solve the above-mentioned problems, and an object of the present disclosure is to provide a power management device capable of forecasting demand even when temperature forecasting cannot be performed in an offline environment.
  • the classification setting information for deriving the classification result from the environmental information measured by the measuring instrument in the prediction target area and the date attribute information is associated with the environmental information and the date attribute information.
  • the classification result of the electric power demand actual information is classified from the electric power demand actual information including the electric power demand, the acquisition unit for acquiring the electric power demand, and the date attribute information and the environmental information associated with each of the electric power demands included in the electric power demand actual information.
  • the performance information classification unit that derives from the classification setting information and associates the derived classification results with each of the power demand performance information, the date attribute information of the prediction target date that is the prediction date, and the prediction start of the prediction target date.
  • the classification result of the forecast target date is derived from the classification setting information, and the forecast target date is based on the power demand of the power demand actual information corresponding to the classification result of the forecast target date. It is equipped with a forecast information calculation unit that forecasts power demand.
  • the power management device According to the power management device according to the present disclosure, it is possible to predict future power demand even when the temperature cannot be predicted in an offline environment.
  • FIG. It is a block diagram of the power management system which concerns on Embodiment 1.
  • FIG. It is explanatory drawing of the classification setting information which concerns on Embodiment 1.
  • FIG. It is a flowchart of the electric power management apparatus which concerns on Embodiment 1.
  • FIG. It is a hardware block diagram which realizes the electric power management apparatus which concerns on Embodiment 1.
  • FIG. It is a block diagram of the power management system which concerns on Embodiment 2.
  • FIG. It is explanatory drawing of the verification result information which concerns on Embodiment 2.
  • FIG. It is explanatory drawing of the power management system which concerns on Embodiment 3.
  • every hour (6:00 to 7:00, 7:00 to 8:00, ..., 16:) from 6:00 to 12 hours after the prediction reference time (prediction start).
  • the explanation will be given by taking as an example the case where the power demand of 00: 00-17: 00, 17: 00-18: 00) is predicted, but the present invention is not limited to this example.
  • FIG. 1 is a configuration diagram of the power management system 1 according to the first embodiment.
  • the power management system 1 includes a storage unit that stores various types of data, and a power management device 10 that uses the data in the storage unit to forecast demand.
  • the storage units include a classification setting information storage unit 11 in which classification setting information is stored, a performance information storage unit 12 in which power demand performance information is stored, and a prediction target in which classification setting information for the day of prediction is stored.
  • the day classification setting information storage unit 13 is included.
  • the power management device 10 includes an acquisition unit (not shown) that acquires information from the storage units 11, 12, and 13.
  • the power management device 10 is configured not to include the storage unit, but may be configured to include the storage unit.
  • the power management device 10 includes a performance information classification unit 101, a prediction information calculation unit 102, and a display unit 103.
  • the performance information classification unit 101 associates the past performance of electric power demand with the classification result.
  • the forecast information calculation unit 102 predicts the power demand on the forecast target date by using the past power demand associated with the classification result by the performance information classification unit 101 and the classification result of the forecast target date which is the forecast date. I do.
  • the display unit 103 displays the predicted value of the electric power demand calculated by the forecast information calculation unit 102.
  • the power management device 10 in the power management system 1 is configured to include a display unit 103, the power management device 10 may be configured to have a display unit 103 outside the power management system 1.
  • FIG. 2 is an explanatory diagram of the classification setting information stored in the classification setting information storage unit 11 according to the first embodiment.
  • the classification setting information includes information on the date attribute classification and the environment classification. Further, the classification setting information includes information for associating the classification result corresponding to each set with the group of the classification result by the date attribute classification and the classification result by the environment classification.
  • the classification setting information includes information regarding a date attribute classification and an environment classification (temperature).
  • the date attribute classification includes the classification conditions of "weekdays” and “holidays”
  • the environment classification (temperature) includes the classification conditions of "20 ° C or higher” and “less than 20 ° C”.
  • the classification result by date attribute and environment classification is "weekday” and “less than 20 ° C"
  • the group of classification result by date attribute and environment classification is associated with "Pattern 1" which is the classification result corresponding to the set. Be done.
  • the date attribute classification is, for example, a classification related to a date attribute such as "weekday” or “holiday” in FIG. 2, but is not limited to the above example as long as it is information for classifying according to the characteristics of each day.
  • the environmental classification includes, for example, classification conditions based on environmental information such as measured temperature.
  • one classification value (“20 ° C”) is set for the environment classification, and the classification value is divided into “20 ° C or higher” and “less than 20 ° C”. May be good. That is, a plurality of classification values (for example, "10 ° C” and "20 ° C”) are set, and the classification conditions are set so as to be classified as "less than 10 ° C", "10 ° C or more and less than 20 ° C", and "20 ° C or more”. It may be set.
  • the environmental information according to the present embodiment is the measured temperature, but the environmental information may be temperature, humidity, atmospheric pressure, wind speed, wind direction, rainfall, and the like.
  • the measured temperature is acquired at a preset time (prediction reference time) by a measuring instrument such as a thermometer or a hygrometer installed at the prediction target point.
  • the display format of the classification setting information (FIG. 2) of this embodiment is a tabular format, but the display format of the classification setting information is an example, and the display format is not limited to the above example. ..
  • FIG. 3 is an explanatory diagram showing an example of the electric power demand actual information stored in the actual information storage unit 12 according to the first embodiment.
  • the first column is the date (yyyMMdd notation), and 20170101 in the first row and first column indicates January 01, 2017.
  • the second column shows the date attribute classification result.
  • the third column shows the measured temperature as environmental information, and is measured at the time of prediction reference time (hh: mm notation: 06:00 indicates 6:00 am).
  • the fourth column shows the measured humidity at the time of the prediction reference.
  • the fifth column to the last column (17th column) show the actual power demand [kWh] for each hour after 06:00.
  • the date attribute classification result is "weekdays” and the environment classification result is "20 ° C. or higher”. It is classified into pattern 1 corresponding to the set of these environment classification results (“20 ° C. or higher”) and date attribute classification results (“weekdays”).
  • the second line (2017012) corresponds to the condition that the date attribute classification result corresponds to "holiday”
  • the environment classification result corresponds to the condition that the temperature is "less than 20 ° C.”.
  • the classification result "Pattern 4" can be derived by using the classification setting information.
  • the temperature as the environmental information is the actual temperature observed by the thermometer installed in the prediction target point or the prediction target area.
  • This actual temperature is a value measured at a time before the prediction reference time.
  • the measurement time of the environmental information may be any time as long as it is before the prediction reference time, but it is desirable that the measurement time is close to the prediction reference time. In this embodiment, when the prediction reference time is set to 06:00, the actual measurement time of the temperature is set to, for example, 05:55, and this measurement time corresponds to the time 5 minutes before the prediction reference time.
  • FIG. 4 is a flowchart showing an example of the operation of the power management device 10 according to the embodiment.
  • the timing of the prediction start in FIG. 4 is automatically started at an arbitrary time zone (such as 6:00 am) or time interval (every other day, every other month, etc.) set in advance by the user or the like.
  • the user inputs an input to an input device (FIG. 5) such as a keyboard to start the operation at an arbitrary timing.
  • the performance information classification unit 101 classifies using the power demand record (stored in the performance information storage unit 12) and the classification setting information (stored in the classification setting information storage unit 11). Correspond the result to the power demand (step S1).
  • the performance information classification unit 101 derives the classification result from the date attribute information and the environment information associated with each of the power demands included in the power demand performance information, and derives the classification result.
  • the derived classification results are associated with each power demand actual information.
  • the forecast information calculation unit 102 acquires information necessary for forecasting the power demand on the forecast target day (step S2). More specifically, the prediction information calculation unit 102 acquires the environment information and the date attribute information of the prediction target date from the prediction target day classification setting information storage unit 13. Further, the prediction information calculation unit 102 acquires the classification setting information from the classification setting information storage unit 11.
  • the forecast information calculation unit 102 uses these input information (classification setting information and classification information of the forecast target date) and output from the performance information classification unit 101 (power demand performance information associated with the classification result). , Predict the power demand on the forecast target day (step S3).
  • the prediction information calculation unit 102 derives the classification result corresponding to the date attribute information and the environment information of the prediction target date by using the classification setting information. Further, the forecast information calculation unit 102 predicts the power demand on the forecast target day based on the power demand in the power demand actual information associated with the classification result of the forecast target day.
  • the display unit 103 displays the value of the power demand predicted by the prediction information calculation unit 102 (step S4).
  • FIG. 5 is a hardware configuration diagram for realizing the power management system 1 according to the first embodiment.
  • a part or all of the power management system 1 includes a CPU 151 (Central Processing Unit), a storage device 152, an IO (INPUT OUTPUT: input / output) interface 153, and a system bus 154.
  • the storage device 152 is composed of a ROM (Read Only Memory), an HDD (Hard Disk Drive), and the like.
  • the power management system 1 may further include input / output devices (input device 156 and output device 157) connected via a cable 155.
  • the classification setting information storage unit 11, the performance information storage unit 12, and the prediction target date classification setting information storage unit 13 correspond to the storage device 152.
  • the performance information classification unit 101 and the prediction information calculation unit 102 correspond to the CPU 151.
  • the acquisition unit (acquiring information from various storage units 11, 12, and 13) corresponds to the IO interface 153.
  • the display unit 103 corresponds to the output device 157.
  • the information used for the above-mentioned power demand forecast it can also be applied to the forecast of the amount of renewable energy generated by solar power generation and the like. This is because the power demand forecast and the power generation amount forecast are basically the same except that the information used is different.
  • the difference from the power demand forecast is the classification setting information of the classification setting information storage unit 11 and the information stored in the performance information storage unit 12.
  • the actual power generation information storage unit 12 stores power generation actual information, which is the actual power generation amount, instead of the electric power demand actual information.
  • the classification setting information used for power generation amount prediction includes environmental classifications for a plurality of types of environmental information that are different from each other.
  • the classification setting information includes a classification classification targeting temperature and an environment classification targeting at least one of humidity, atmospheric pressure, wind speed, wind direction, and rainfall.
  • the environmental information covered by the environmental classification is the value actually measured in the predicted target area including at least one of humidity, atmospheric pressure, wind speed, wind direction and rainfall, and temperature.
  • the environmental information targeted by the environmental classification is set as the temperature and the amount of rainfall, and the environmental classification is set for both the temperature and the amount of rainfall.
  • by changing the information used as described above it can be applied to the power generation amount prediction of renewable energy instead of the power demand forecast. Due to the above configuration, there is a problem that the calculation processing of the temperature prediction value is indispensable in the conventional power generation prediction of renewable energy.
  • the power management device 10 having the above configuration allows the temperature in an offline environment. Even if no prediction is made, it is possible to predict the amount of power generation.
  • the power management device 10 and the power management system 1 determine the power demand after the prediction reference time based on the past power demand in which the forecast target date and time, the date attribute information, and the environmental information are similar. Predict. As a result, it is possible to predict the power demand even if the temperature prediction is unnecessary in the offline environment.
  • the power management device 10 and the power management system 1 according to the present embodiment also generate power after the prediction reference time based on the past power generation results of renewable energy in which the prediction target date and time, the date attribute information, and the environmental information are similar. Predict the amount. As a result, it is possible to predict the amount of power generation even if the temperature prediction is unnecessary in the offline environment.
  • FIG. 6 is a configuration diagram showing the power management system 1A according to the second embodiment.
  • the power management system 1A includes a power management device 10A instead of the power management device 10. Further, the power management system 1A further includes a verification record information storage unit 23.
  • the power management device 10A is different from the power management system according to the first embodiment in that the prediction accuracy evaluation unit 201, the classification optimization unit 202, and the classification update unit 203 are further provided.
  • the prediction accuracy evaluation unit 201, the classification optimization unit 202, and the classification update unit 203 are further provided.
  • FIG. 6 those having the same reference numerals as those in FIG. 1 have the same or corresponding configurations, and detailed description of these configurations will not be repeated.
  • FIG. 7 is an example of an explanatory diagram of verification record information.
  • the verification record information differs from the power demand record information in the acquisition time such as “acquisition year” and “acquisition month”.
  • the verification performance information is the same as the power demand performance information except that the acquisition time is different, and includes information on the power demand on each date associated with the environmental information and the date attribute information.
  • the year of acquisition of the actual power demand information is 2017, while the year of acquisition of the verification actual information is 2018.
  • FIG. 8 is a flowchart showing an example of the operation of the power management device 10A according to the second embodiment.
  • steps common to or corresponding to the flowchart of FIG. 4 may be designated by the same reference numerals, and detailed description of those steps may be omitted.
  • the prediction accuracy evaluation unit 201 evaluates the prediction accuracy (prediction error) by using the verification result information (step S201). More specifically, the prediction accuracy evaluation unit 201 uses the classification setting information and the electric power demand actual information for each day included in the verification actual information, as in the case of the forecast information calculation unit 102, to obtain the predicted value of the electric power demand. calculate. The prediction accuracy evaluation unit 201 calculates the prediction accuracy (prediction error) based on the difference between the actual value and the predicted value of the electric power demand included in the verification actual information.
  • the classification optimization unit 202 calculates new classification setting information that can improve the demand forecast accuracy by performing the optimization calculation described later (step S202).
  • the classification optimization unit 202 derives classification setting information including an environment classification that improves prediction accuracy.
  • the classification update unit 203 stores the classification setting information derived by the classification optimization unit 202 in the classification setting information storage unit 11 as the updated classification setting information. (Step S203).
  • steps S1 to S4 are executed using the updated classification setting information.
  • the performance information classification unit 101 and the prediction information calculation unit 102 use the updated classification setting information stored in the classification setting information storage unit 11 to perform the process described in the first embodiment (that is, steps S1 to 4 in FIG. 4). The process of step S4) is performed.
  • step S201 The method for evaluating the prediction accuracy in step S201 will be described in detail below.
  • the first row of the table of verification results information shown in FIG. 7 is 20180101, and a case where the prediction accuracy is evaluated with this day as the prediction target day will be described. Since this day corresponds to the condition that the date attribute classification is "holiday” and the environment classification is "the temperature is less than 20 ° C", the classification result is "Pattern 4" according to the classification setting information in FIG. It may be called “classification result (pattern 4)").
  • the prediction accuracy evaluation unit 201 calculates the predicted value of the electric power demand, but the prediction information calculation unit 102 may calculate the predicted value.
  • the prediction accuracy evaluation unit 201 calculates, for example, an average value for each time zone of the power demand of the power demand actual information classified in the classification result (pattern 4) as a predicted value Predict (date, time).
  • date indicates a date index and indicates the period from 20180101 to 20181231.
  • the prediction accuracy evaluation unit 201 uses the predicted value Predict and the actual value of the power demand in the verification result information (FIG. 7) Result (date, time) to predict the prediction accuracy (prediction error) shown in Equation 1 (date). Is calculated.
  • A means taking an absolute value with respect to A.
  • the prediction accuracy evaluation unit 201 calculates the prediction error by the mathematical formula 1 for each line of the verification result information.
  • the prediction accuracy evaluation unit 201 totals the calculated prediction accuracy (prediction error) as shown in Equation 2 and calculates it as Accuracy.
  • Accuracy is also called total prediction error.
  • the prediction error may be the prediction error for one day shown in the above-mentioned formula 1 or the sum of the prediction errors for a plurality of days shown in the formula 2.
  • the environment classification (air temperature) in the classification setting information is expressed as a variable x such as "x ° C or higher” and “less than x ° C”, and further, the total prediction accuracy accuracy is expressed using this variable x.
  • the solution of the optimization problem is derived by using the accuracy, which is the prediction accuracy (prediction error) of the total, as the objective function. Assuming that the derived solution is x', the classification condition of the environment classification is updated to "x'° C or higher" and "less than x'° C".
  • an optimization method such as particle swarm optimization or a genetic algorithm is used as an example of the method for deriving the solution (x') for setting the classification condition of the environment classification described above.
  • a solution (x') is derived so that the objective function based on the prediction accuracy is the minimum or less than or equal to a preset value.
  • the prediction error is calculated based on the difference between the predicted value and the actual value of the power demand, and the classification setting information is updated so as to reduce the calculated prediction error. , It is possible to predict the power demand with high accuracy.
  • the prediction error is calculated based on the difference between the predicted value and the actual value of the power generation amount, and the classification setting information is updated so as to reduce the calculated prediction error, so that the power generation amount can be predicted with high accuracy. ..
  • FIG. 9 is a diagram for explaining the third embodiment.
  • the power management system 1B includes a power management device 10B instead of the power management device 10A.
  • the power management device 10B is different from the above-described embodiment in that the power management device 10B includes a classification selection unit 301 that selects items of classification setting information so as to improve measurement accuracy, instead of the classification optimization unit 202 of the power management device 10A. ..
  • the power management device 10B includes a classification selection unit 301 that selects items of classification setting information so as to improve measurement accuracy, instead of the classification optimization unit 202 of the power management device 10A. ..
  • those having the same reference numerals as those in FIG. 6 are the same or corresponding configurations, and the description of those configurations is not repeated.
  • FIG. 10 is an example of classification setting information when humidity is used as an environment classification. For example, when the humidity is 75% and it is a holiday, the environment classification (humidity) is "50% or more" and the date attribute information is "holiday”, so the classification result is "pattern 2".
  • the classification selection unit 301 has a plurality of classifications based on the prediction error calculated by the prediction accuracy evaluation unit 201 in each of the plurality of classification setting information for classifying different types of environmental information (for example, temperature and humidity). Select at least one of the setting information as the classification setting information. Specifically, the classification selection unit 301 uses the prediction error when the classification setting information based on the environmental classification targeting the environmental information such as temperature is used and the classification setting information based on the environmental classification targeting the environmental information such as humidity. Compare with the prediction error if there is. Then, the classification selection unit 301 selects the classification setting information having a small prediction error. When the classification selection unit 301 selects the classification setting information of the environment classification targeting the temperature, the classification setting information becomes FIG. 2, and when the classification selection unit 301 selects the classification setting information of the environment classification targeting the humidity.
  • the classification setting information is shown in FIG.
  • the comparison between the temperature and the humidity is illustrated, but other meteorological information (atmospheric pressure, wind speed, wind direction, rainfall, etc.) may be used.
  • the power management device According to the above configuration, a plurality of types of environment classifications are used, and the one having a small prediction error is used as the classification setting information, so that the power demand forecast is more accurate. Alternatively, it is possible to predict the amount of power generation.
  • the power management device and the power management system according to the first to third embodiments described in the above-described embodiment have been described above, but by appropriately combining a part or all of the configurations of these embodiments, the electric power can be obtained. Needless to say, a management device and a power management system may be configured.
  • Classification setting information storage unit 12
  • Performance information storage unit 13 Prediction target date Classification setting information storage unit 101
  • Performance information classification unit 102
  • Forecast information calculation unit 103
  • Display unit 201
  • Prediction accuracy evaluation unit 202
  • Classification optimization Part 203
  • Classification update part 301
  • Classification selection part

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

電力管理装置は、実績情報分類部（１０１）と予測情報算出部（１０２）とを備える。実績情報分類部（１０１）は、電力需要実績情報に含まれる電力需要の各々に対応付けられた日付属性情報と環境情報とから、電力需要実績情報の分類結果を分類設定情報により導出すると共に、導出された分類結果を電力需要実績情報の各々に対応付ける実績情報分類部（１０１）と、予測情報算出部（１０２）は、予測を行う日である予測対象日の日付属性情報、および、予測対象日の予測開始前に測定された環境情報を用いて、分類設定情報により予測対象日の分類結果を導出するとともに、予測対象日の分類結果に対応する電力需要実績情報の電力需要に基づいて、予測対象日の電力需要を予測する。

Description

電力管理装置
　本開示は、電力需要の予測機能を備えた電力管理装置に関する。
　ＥＭＳ（エネルギーマネジメントシステム）等において、電力需要を予測する場合、インターネット等のネットワークを介して取得した天気予報を用いて予測精度の向上を行う場合が多い。しかし、そのためには、プロバイダとの契約料やファイアウォール設置費用等の費用を要すると共に、システムの構成が複雑となる。これら費用を削減するため、オフライン環境下でも電力需要の予測を実現する技術が提案されている（特許文献１、参照。）。
特許文献１に係る技術において、気温と相関があるデータから気温を予測し、予測された気温を用いて、将来の電力需要の予測を行う。
特開２０１４－１９２９１０号公報
　特許文献１に係る電力需要の予測方法によると、電力需要の予測には気温予測値の演算処理が必須となるという問題があった。
　本開示は上述のような問題を解決するためになされたものであり、オフライン環境下において気温予測を行うことができない場合でも需要予測が可能な電力管理装置を提供することを目的としている。
　本開示に係る電力管理装置は、予測対象地域内の測定器によって測定された環境情報と日付属性情報とにより分類結果を導出するための分類設定情報と、環境情報および日付属性情報が関連付けられた電力需要を含む電力需要実績情報と、を取得する取得部と、電力需要実績情報に含まれる電力需要の各々に対応付けられた日付属性情報と環境情報とから、電力需要実績情報の分類結果を分類設定情報により導出すると共に、導出された分類結果を電力需要実績情報の各々に対応付ける実績情報分類部と、予測を行う日である予測対象日の日付属性情報、および、予測対象日の予測開始前に測定された環境情報を用いて、分類設定情報により予測対象日の分類結果を導出するとともに、予測対象日の分類結果に対応する電力需要実績情報の電力需要に基づいて、予測対象日の電力需要を予測する予測情報算出部と、を備える。
　本開示に係る電力管理装置によると、オフライン環境下において気温予測を行うことができない場合でも将来の電力需要の予測ができる。
実施の形態１に係る電力管理システムの構成図である。 実施の形態１に係る分類設定情報の説明図である。 実施の形態１に係る電力需要実績情報の説明図である。 実施の形態１に係る電力管理装置のフローチャート図である。 実施の形態１に係る電力管理装置を実現するハードウェア構成図である。 実施の形態２に係る電力管理システムの構成図である。 実施の形態２に係る検証実績情報の説明図である。 実施の形態２に係る電力管理装置のフローチャート図である。 実施の形態３に係る電力管理システムの説明図である。 実施の形態３に係る分類設定情報の別の例の説明図である。
以下の実施の形態では、予測基準時（予測開始時）である６：００から１２時間後までの１時間ごと（６：００～７：００，７：００～８：００，…，１６：００～１７：００，１７：００～１８：００）の電力需要についての予測を行った場合を例に挙げて説明を行うが、この例に限定されない。
実施の形態１．
　以下図１～図５を用いて実施の形態１を説明する。図１は、実施の形態１に係る電力管理システム１の構成図である。電力管理システム１は、各種のデータを記憶する記憶部と、この記憶部のデータを用いて需要予測を行う電力管理装置１０とを備える。上記記憶部としては、分類設定情報が記憶された分類設定情報記憶部１１、電力需要実績情報が記憶された実績情報記憶部１２、および、予測を行う日の分類設定情報が記憶された予測対象日分類設定情報記憶部１３が含まれる。また、電力管理装置１０は、上記記憶部１１、１２、および１３からの情報を取得する取得部（図示省略）を備える。
なお、以下の実施の形態では、電力管理装置１０は、上記記憶部を含まない構成としているが、上記記憶部を含む構成としてもよい。
電力管理装置１０は、実績情報分類部１０１、予測情報算出部１０２、および表示部１０３を備える。
実績情報分類部１０１は過去の電力需要の実績を分類結果と対応付ける。実績情報分類部１０１にて分類結果が対応付けられた過去の電力需要、および予測を行う日である予測対象日の分類結果を用いて、予測情報算出部１０２は予測対象日の電力需要の予測を行う。表示部１０３は、予測情報算出部１０２により算出された電力需要の予測値を表示する。なお、電力管理システム１における電力管理装置１０は、表示部１０３を備えている構成としているが、電力管理システム１の外部に表示部１０３が設けられている構成としてもよい。
図２は実施の形態１に係る分類設定情報記憶部１１に記憶された分類設定情報の説明図である。
分類設定情報は日付属性区分と環境区分とに関する情報を含む。さらに、分類設定情報は、日付属性区分による区分結果と環境区分による区分結果との組に対し、各々の組に対応する分類結果を関連付けるための情報含む。
例えば、分類設定情報は、日付属性区分と環境区分（気温）とに関する情報を含む。図中、日付属性区分が「平日」および「休日」の区分条件を含み、環境区分（気温）が「２０℃以上」および「２０℃未満」の区分条件を含む。日付属性および環境区分による区分結果がそれぞれ「平日」および「２０℃未満」である場合、日付属性および環境区分による区分結果の組について、その組に対応する分類結果である「パターン１」が関連付けられる。
日付属性区分は、例えば図２において、「平日」又は「休日」のような日付属性に関する区分であるが、各々の日の特性により区分するための情報であれば、上述の例に限定されない。
環境区分は、例えば、実測温度等の環境情報による区分条件を含む。環境区分は、図２では、１つの区分値（「２０℃」）を設定し、この区分値により「２０℃以上」と「２０℃未満」に区分しているが、区分値を複数設けてもよい。つまり、複数の区分値（例えば「１０℃」と「２０℃」）を設定し、「１０℃未満」「１０℃以上２０℃未満」「２０℃以上」のように区分するように区分条件を設定してもよい。
より詳細には、本実施の形態に係る環境情報は、実測温度とするが、環境情報は、気温、湿度、気圧、風速、風向、降雨量等であってもよい。ここで、実測温度は、予測対象地点に設置された温度計、湿度計等の測定器により、予め設定された時間（予測基準時）に取得されたものである。
なお、本実施例の分類設定情報の表示形式（図２）は表形式であるが、この分類設定情報の表示形式は一例であって、その表示形式は上述の例に限定されるものではない。
図３は、実施の形態１に係る実績情報記憶部１２に記憶された電力需要実績情報の一例を示す説明図である。図３において、第１列は日付（ｙｙｙyＭＭｄｄ表記）であり、第１行第１列の２０１７０１０１は２０１７年０１月０１日を示す。第２列は、日付属性区分結果を示す。第３列は、環境情報としての実測の気温を示し、予測基準時（ｈｈ：ｍｍ表記：０６:００は午前６時００分を示す。）において測定されたものである。第４列は予測基準時における実測の湿度を示す。第５列から最終列（第１７列）までは、０６：００以降の、１時間ごとの実際の電力需要［ｋＷｈ］を示す。
具体的には、電力需要実績情報の第１行（２０１７０１０１）を例に挙げると、日付属性区分結果が「平日」であり、環境区分結果が「２０℃以上」となる。これらの環境区分結果（「２０℃以上」）と日付属性区分結果（「平日」）との組に対応するパターン１に分類される。また第２行（２０１７０１０２）は、日付属性区分結果が「休日」という条件に該当し、環境区分結果は、気温が「２０℃未満」という条件に該当する。結果として、分類設定情報を用いることにより「パターン４」という分類結果を導出することができる。
なお、本実施の形態に係る環境情報としての気温は、予測対象地点又は予測対象地域内に設置した気温計で観測した気温実績である。この気温実績は予測基準時よりも前の時刻において測定された値である。環境情報の測定時刻は、予測基準時よりも前の時刻であればいずれの時刻でもよいが、予測基準時に近い時刻であることが望ましい。本実施例では、予測基準時を０６：００とした場合は、気温実績の測定時刻を例えば０５：５５とし、この測定時刻は予測基準時の５分前の時刻に対応する。
　図４は、実施の形態に係る電力管理装置１０における動作の一例を示すフローチャート図である。なお、図４における予測開始のタイミングは、ユーザ等が事前に設定した任意の時間帯（午前６時など）や時間間隔（１日おき、１カ月おき等）で自動的に開始される。または、ユーザがキーボード等の入力装置（図５）へ入力することにより、任意のタイミングで開始される。
電力管理装置１０の予測が開始されると、実績情報分類部１０１は電力需要実績（実績情報記憶部１２に記憶）と分類設定情報（分類設定情報記憶部１１に記憶）とを用いて、分類結果を電力需要に対応付ける（ステップＳ１）。
　より詳細には、実績情報分類部１０１は、電力需要実績情報に含まれる電力需要の各々に対応付けられた日付属性情報および環境情報から分類設定情報を用いて、分類結果を導出すると共に、この導出された分類結果を各々の電力需要実績情報に対応付ける。
　続いて、予測情報算出部１０２は、予測対象日の電力需要の予測に必要な情報を取得する（ステップＳ２）。より詳細には、予測情報算出部１０２は、予測対象日分類設定情報記憶部１３から、予測対象日の環境情報と日付属性情報とを取得する。また、予測情報算出部１０２は、分類設定情報記憶部１１より分類設定情報を取得する。
予測情報算出部１０２は、これらの入力された情報（分類設定情報と予測対象日の分類情報）および実績情報分類部１０１からの出力（分類結果が対応付けられた電力需要実績情報）を用いて、予測対象日の電力需要を予測する（ステップＳ３）。
より詳細には、予測情報算出部１０２は分類設定情報を用いることにより、予測対象日の日付属性情報と環境情報に対応する分類結果を導出する。さらに、予測情報算出部１０２は、予測対象日の分類結果に対応付けられた電力需要実績情報の電力需要に基づき、予測対象日の電力需要を予測する。
　続いて、表示部１０３は、予測情報算出部１０２により予測された電力需要の値を表示する（ステップＳ４）。
図５は、実施の形態１に係る電力管理システム１を実現するためのハードウェア構成図である。電力管理システム１の一部又は全部は、具体的には、ＣＰＵ１５１（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、記憶装置１５２、ＩＯ（ＩＮＰＵＴ　ＯＵＴＰＵＴ：入出力）インターフェース１５３、システムバス１５４を備える。記憶装置１５２はＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）等から構成される。また、電力管理システム１は、ケーブル１５５を介して接続された入出力装置（入力装置１５６および出力装置１５７）をさらに備えていてもよい。
　分類設定情報記憶部１１と実績情報記憶部１２と予測対象日分類設定情報記憶部１３とは、記憶装置１５２に対応する。実績情報分類部１０１、および、予測情報算出部１０２は、ＣＰＵ１５１に対応する。また、取得部（各種記憶部１１、１２、および１３からの情報を取得する）は、ＩＯインターフェース１５３に対応する。表示部１０３は、出力装置１５７に対応する。
上述の電力需要予測について用いる情報を変更すると、太陽光発電等による再生可能エネルギーの発電量予測に関しても適用可能である。これは、電力需要予測と発電量予測とは、用いる情報が異なる以外は基本的な処理は同様であるためである。
ここで、上記発電量予測に用いる情報において、上記電力需要予測に用いる情報との相違点を以下に説明する。上記電力需要予測との相違点は、分類設定情報記憶部１１の分類設定情報および実績情報記憶部１２に保存された情報である。まず、実績情報記憶部１２には、電力需要実績情報の代わりに、発電量の実績である発電実績情報が記憶されている。次に、発電量予測に用いられる分類設定情報は、互いに異なる複数種類の環境情報についての環境区分を含む。具体的には、分類設定情報において、気温を対象とする分類区分を有するとともに、湿度、気圧、風速、風向および降雨量の少なくとも１つを対象とする環境区分を含む。
換言すると、環境区分が対象とする環境情報は湿度、気圧、風速、風向および降雨量の少なくとも１つと温度とを含む予測対象地域内で実際に測定された値である。例えば、環境区分が対象とする環境情報を気温と降雨量とし、気温と降雨量とに双方について環境区分をそれぞれ設定する。
なお、以下の実施の形態においても本実施の形態と同様に、上記のように用いる情報を変更することにより、電力需要予測の代わりに再生エネルギーの発電量予測に適用可能である。
上述の構成により、従来の再生可能エネルギーの発電量予測では、気温予測値の演算処理が必須となるという問題があったが、上述のような構成の電力管理装置１０により、オフライン環境下において気温予測を行わない場合でも、発電量予測が可能となる。
　上述のとおり、本実施の形態に係る電力管理装置１０および電力管理システム１は、予測対象日時と日付属性情報と環境情報とが類似する過去の電力需要に基づき、予測基準時以後の電力需要を予測する。これにより、オフライン環境において気温予測が不要としても電力需要の予測を行うことができる。
　本実施の形態に係る電力管理装置１０および電力管理システム１は、また、予測対象日時と日付属性情報と環境情報とが類似する過去の再生可能エネルギーの発電実績に基づき、予測基準時以後の発電量を予測する。これにより、オフライン環境において気温予測が不要としても発電量予測を行うことができる。
実施の形態２．
　図６は、実施の形態２に係る電力管理システム１Ａを示す構成図である。電力管理システム１Ａは、電力管理装置１０の代わりに電力管理装置１０Ａを備える。また、電力管理システム１Ａは検証実績情報記憶部２３をさらに備える。
電力管理装置１０Ａは、予測精度評価部２０１、分類最適化部２０２、および分類更新部２０３をさらに備える点が実施の形態１に係る電力管理システムと異なる。図６において、図１と同一の符号を付したものは、同一または対応する構成であり、これらの構成に関する詳細な説明は繰り返さない。
　予測精度評価部２０１および分類更新部２０３の詳細を説明する前に、検証実績情報記憶部２３の検証実績情報を説明する。図７は検証実績情報の説明図の一例である。図７に示すとおり、検証実績情報は、電力需要実績情報と「取得年」や「取得月」等の取得時期が異なる。検証実績情報は、取得時期が異なる以外は、電力需要実績情報と同様であり、環境情報および日付属性情報が対応付けられた各日付の電力需要に関する情報を含む。図中、電力需要実績情報の取得年は２０１７年であるのに対し、検証実績情報の取得年は２０１８年である。
　図８は、実施の形態２に係る電力管理装置１０Ａの動作の一例を示すフローチャート図である。図中、図４のフローチャート図と共通又は対応するステップについては、同符号を付し、それらのステップの詳細な説明を省略する場合がある。
　予測精度評価部２０１は、検証実績情報を用いることで、予測精度（予測誤差）を評価する（ステップＳ２０１）。より詳細には、予測精度評価部２０１は、検証実績情報に含まれる各日に対し、予測情報算出部１０２と同様に、分類設定情報および電力需要実績情報を用いて、電力需要の予測値を算出する。予測精度評価部２０１は、検証実績情報に含まれる電力需要の実績値と予測値との差に基づいて、予測精度（予測誤差）を算出する。
　続いて、分類最適化部２０２において、後述の最適化計算を行うことにより、需要予測精度の向上が実現できる新たな分類設定情報を算出する（ステップＳ２０２）。分類最適化部２０２は、予測精度が向上する環境区分を含む分類設定情報を導出する。
　分類更新部２０３は、分類最適化部２０２により導出された分類設定情報を更新後分類設定情報として、分類設定情報記憶部１１に保存させる。（ステップＳ２０３）。
　その後、更新後分類設定情報を用いてステップＳ１～ステップＳ４が実行される。実績情報分類部１０１および予測情報算出部１０２は、分類設定情報記憶部１１に保存された更新後分類設定情報を用いて、実施の形態１にて説明した処理（すなわち、図４のステップＳ１～ステップＳ４の処理）を行う。
ここで、ステップＳ２０１における予測精度の評価方法を以下に詳細に説明する。図７に示す検証実績情報の表の第１行は２０１８０１０１であり、この日を予測対象日として予測精度を評価する場合を説明する。この日は、日付属性区分が「休日」という条件、環境区分が「気温が２０℃未満」という条件に該当するため、図２の分類設定情報によると分類結果が「パターン４」となる（以下「分類結果（パターン４）」と呼ぶ場合がある。）。なお、以下では、予測精度評価部２０１が電力需要の予測値を算出すると説明するが、この予測値の算出は、予測情報算出部１０２が行ってもよい。
予測精度評価部２０１は、分類結果（パターン４）に分類される電力需要実績情報の電力需要について、例えば時間帯別に平均した値を、を予測値Ｐｒｅｄｉｃｔ(ｄａｔｅ，ｔｉｍｅ)として算出する。ここで、ｄａｔｅは日付インデックスを示し、２０１８０１０１から２０１８１２３１までの期間を示す。さらに、ｔｉｍｅは時刻インデックスを示し、ｔｉｍｅ＝１，２，…，１１，１２は、それぞれ時刻６：００，７：００…，１６：００，１７：００に対応する。
予測精度評価部２０１は、上述の予測値Ｐｒｅｄｉｃｔおよび検証実績情報（図７）における電力需要の実績値Ｒｅｓｕｌｔ（ｄａｔｅ，ｔｉｍｅ）を用いて、数式１に示す予測精度（予測誤差）Ａｃｃｕｒａｃｙ（ｄａｔｅ）を算出する。ただし、数式１において、｜Ａ｜はＡに関して、絶対値を取ることを意味する。
Figure JPOXMLDOC01-appb-M000001
　予測精度評価部２０１は、検証実績情報の各行に関して数式１による予測誤差を算出する。予測精度評価部２０１は、算出された予測精度（予測誤差）を数式２の通り合計し、Ａｃｃｕｒａｃｙとして算出する。
Ａｃｃｕｒａｃｙは合計の予測誤差とも言い、換言すると、分類設定情報と電力需要実績情報とを用いて算出された電力需要の予測値とこの予測値に対応する日の実績値（検証実績情報）との差に基づき算出された値である。
なお、予測誤差は、上述の数式１で示す、一日分の予測誤差であっても、数式２に示す複数日分の予測誤差を合計したものであってもよい。
Figure JPOXMLDOC01-appb-M000002
分類最適化部２０２における分類設定情報の最適化方法の一例を以下に説明する。まず、分類設定情報における環境区分（気温）を「ｘ℃以上」・「ｘ℃未満」のように、変数ｘとして表現し、さらにこの変数ｘを用いて合計の予測精度Ａｃｃｕｒａｃｙを表現する。この合計の予測精度（予測誤差）であるＡｃｃｕｒａｃｙを目的関数にして最適化問題の解を導出する。この導出した解をｘ’とすると、環境区分の区分条件を、「ｘ’℃以上」「ｘ’℃未満」に更新する。
上述の環境区分の区分条件を設定するための解（ｘ’）の導出方法は、一例として、粒子群最適化や遺伝的アルゴリズム等の最適化手法を用いる。具体的には、予測精度Ａｃｃｕｒａｃｙを目的関数として、これらの最適化手法において、この予測精度に基づく目的関数を最小又は予め設定された値以下とするような、解（ｘ’）を導出する。
　以上、本実施の形態に係る電力管理装置では、電力需要の予測値と実績値との差に基づいて予測誤差を算出し、この算出した予測誤差を小さくするように分類設定情報を更新するため、精度の高い電力需要の予測が可能となる。また、発電量の予測値と実績値との差に基づいて予測誤差を算出し、この算出した予測誤差を小さくするように分類設定情報を更新するため、精度の高い発電量予測が可能となる。
　実施の形態３．
　図９は、実施の形態３を説明するための図である。電力管理システム１Ｂは、電力管理装置１０Ａの代わりに電力管理装置１０Ｂを備える。電力管理装置１０Ｂは、電力管理装置１０Ａの分類最適化部２０２の代わりに、測精度が向上するように分類設定情報の項目を選定する分類選定部３０１を備える点が上述の実施の形態と異なる。図９において、図６と同一の符号を付したものは、同一または対応する構成として、それらの構成に関する説明を繰り返さない。
図１０は、湿度を環境区分とした場合の分類設定情報の一例である。例えば、湿度が７５％であり休日の場合は、環境区分（湿度）が「５０％以上」で、日付属性情報が「休日」であるので、分類結果は「パターン２」となる。
分類選定部３０１は、互いに異なる種類の環境情報（例えば、気温と湿度）を区分するための複数の分類設定情報の各々において、予測精度評価部２０１により算出された予測誤差に基づき、複数の分類設定情報のうち少なくとも１つを分類設定情報として選択する。
具体的には、分類選定部３０１は、気温という環境情報を対象とする環境区分による分類設定情報を用いた場合の予測誤差と、湿度という環境情報を対象とする環境区分による分類設定情報を用いた場合の予測誤差とを比較する。そして、分類選定部３０１は、予測誤差が小さい分類設定情報を選択する。
分類選定部３０１が気温を対象とする環境区分の分類設定情報を選択した場合は、分類設定情報が図２となり、分類選定部３０１が湿度を対象とする環境区分の分類設定情報を選択した場合は、分類設定情報が図１０となる。
なお、本実施の形態では気温と湿度の比較を例示したが、それ以外の気象情報（気圧・風速・風向、降雨量等）を使用してもよい。
　以上、本実施の形態に係る電力管理装置によれば、上述の構成により、複数の種類の環境区分を用いて、予測誤差が小さいものを分類設定情報として用いるため、より精度の高い電力需要予測又は発電量予測が可能となる。
　以上、上述の実施の形態において説明した実施の形態１～３に係る電力管理装置および電力管理システムを説明したが、これらの実施の形態の構成の一部又は全部を適宜組合せることにより、電力管理装置および電力管理システムを構成してもよいことは言うまでもない。
１０，１０Ａ，１０Ｂ　電力管理装置
１１　分類設定情報記憶部
１２　実績情報記憶部
１３　予測対象日分類設定情報記憶部
１０１　実績情報分類部
１０２　予報情報算出部
１０３　表示部
２０１　予測精度評価部
２０２　分類最適化部
２０３　分類更新部
３０１　分類選定部

Claims (7)

  1. 　予測対象地域内の測定器によって測定された環境情報と日付属性情報とにより分類結果を導出するための分類設定情報と、前記環境情報および前記日付属性情報が関連付けられた電力需要を含む電力需要実績情報と、を取得する取得部と、
    前記電力需要実績情報に含まれる電力需要の各々に対応付けられた前記日付属性情報と前記環境情報とから、前記電力需要実績情報の分類結果を前記分類設定情報により導出すると共に、前記導出された分類結果を前記電力需要実績情報の各々に対応付ける実績情報分類部と、
    予測を行う日である予測対象日の前記日付属性情報、および、前記予測対象日の予測開始前に測定された前記環境情報を用いて、前記分類設定情報により前記予測対象日の分類結果を導出するとともに、前記予測対象日の分類結果に対応する前記電力需要実績情報の電力需要に基づいて、前記予測対象日の電力需要を予測する予測情報算出部と、
    　を備えた電力管理装置。
  2. 　前記環境情報は、気温又は湿度の少なくとも１つを含む、請求項１に記載の電力管理装置。
  3. 前記電力需要実績情報を用いて算出された電力需要の予測値と前記予測値に対応する日付の検証実績情報における電力需要の実績値との差に基づき、前記実績値に対する前記予測値の予測誤差を評価する予測精度評価部とを備える
    請求項１又は請求項２に記載の電力管理装置。
  4. 　前記予測誤差が最小となるように、又は、予め設定された値よりも小さくなるように、前記分類設定情報における前記環境情報を区分するための環境区分を更新後分類設定情報として設定する分類最適化部と、
    　前記更新後分類設定情報を前記分類設定情報として更新する分類更新部と
    　をさらに備えた請求項３に記載の電力管理装置。
  5. 分類選定部をさらに備え、
    前記予測精度評価部は、互いに異なる種類の前記環境情報を含む複数の前記分類設定情報を用いた場合の前記予測誤差をそれぞれ算出し、
    前記分類選定部は、前記予測精度評価部により複数の前記分類設定情報の各々により算出された前記予測誤差の大きさに基づき、複数の前記分類設定情報のうち少なくとも１つを前記分類設定情報として選択する
    請求項３又は請求項４に記載の電力管理装置。
  6. 　前記予測対象日の電力需要を表示する表示部を備えた請求項１から請求項５のいずれか一項に記載の電力管理装置。
  7. 　湿度、気圧、風速、風向および降雨量の少なくとも１つと温度とを含む予測対象地域内で実際に測定された環境情報と日付属性情報とにより分類結果を導出するための分類設定情報と、前記環境情報および前記日付属性情報が関連付けられた再生エネルギーの過去の発電実績である発電実績情報と、を取得する取得部と、
    前記発電実績情報に含まれる発電実績の各々に対応付けられた前記日付属性情報および前記環境情報から、前記発電実績情報の分類結果を前記分類設定情報により導出すると共に、前記導出された分類結果を前記発電実績情報の各々に対応付ける実績情報分類部と、
    予測を行う日である予測対象日の前記日付属性情報、および、前記予測対象日の予測開始前に測定された前記環境情報を用いて、前記分類設定情報により前記予測対象日の分類結果を導出するとともに、前記予測対象日の分類結果に対応する前記発電実績情報の発電実績に基づいて、前記予測対象日の発電実績を予測する予測情報算出部と、
    　を備えた電力管理装置。
PCT/JP2020/014855 2019-04-10 2020-03-31 電力管理装置 WO2020209142A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP20787623.6A EP3955201A4 (en) 2019-04-10 2020-03-31 ELECTRICAL ENERGY MANAGEMENT DEVICE
US17/429,383 US11954744B2 (en) 2019-04-10 2020-03-31 Electric power management station
JP2020549071A JP6795134B1 (ja) 2019-04-10 2020-03-31 電力管理装置
CN202080024341.6A CN113632131A (zh) 2019-04-10 2020-03-31 电力管理装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-074539 2019-04-10
JP2019074539 2019-04-10

Publications (1)

Publication Number Publication Date
WO2020209142A1 true WO2020209142A1 (ja) 2020-10-15

Family

ID=72751686

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/014855 WO2020209142A1 (ja) 2019-04-10 2020-03-31 電力管理装置

Country Status (5)

Country Link
US (1) US11954744B2 (ja)
EP (1) EP3955201A4 (ja)
JP (1) JP6795134B1 (ja)
CN (1) CN113632131A (ja)
WO (1) WO2020209142A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102327413B1 (ko) * 2021-02-25 2021-11-16 국민대학교산학협력단 전력 관리 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013196037A (ja) * 2012-03-15 2013-09-30 Hitachi Ltd 需要予測システム及び需要予測方法
JP2014180187A (ja) * 2013-03-15 2014-09-25 Toshiba Corp 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置
JP2014192910A (ja) 2013-03-26 2014-10-06 Mitsubishi Electric Corp 電力需要予測装置及び方法
JP2017153259A (ja) * 2016-02-25 2017-08-31 中国電力株式会社 電力需要予測装置、及び電力需要予測方法
JP2017220050A (ja) * 2016-06-08 2017-12-14 株式会社東芝 電力量予測装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002262458A (ja) 2001-03-02 2002-09-13 Toshiba Eng Co Ltd 気象予測情報を利用した電力供給システム
CN1815497A (zh) * 2005-01-31 2006-08-09 宝山钢铁股份有限公司 钢铁企业日用电量预测方法
JP5492848B2 (ja) * 2011-09-20 2014-05-14 株式会社日立製作所 電力需要予測システムおよび方法
CN103606022A (zh) * 2013-12-05 2014-02-26 国家电网公司 一种短期负荷预测方法
JP6628700B2 (ja) * 2016-08-05 2020-01-15 三菱電機株式会社 気象情報予測装置および電力需要予測装置
CN106651200A (zh) * 2016-12-29 2017-05-10 中国西电电气股份有限公司 一种工业企业聚合用户电力负荷管理方法和系统
JP6837949B2 (ja) * 2017-09-08 2021-03-03 株式会社日立製作所 予測システム及び方法
CN108009686B (zh) * 2017-12-13 2021-12-10 阳光电源股份有限公司 一种光伏发电功率预测方法、装置及系统
CN108416690A (zh) 2018-01-19 2018-08-17 中国矿业大学 基于深度lstm神经网络的电网负荷预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013196037A (ja) * 2012-03-15 2013-09-30 Hitachi Ltd 需要予測システム及び需要予測方法
JP2014180187A (ja) * 2013-03-15 2014-09-25 Toshiba Corp 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置
JP2014192910A (ja) 2013-03-26 2014-10-06 Mitsubishi Electric Corp 電力需要予測装置及び方法
JP2017153259A (ja) * 2016-02-25 2017-08-31 中国電力株式会社 電力需要予測装置、及び電力需要予測方法
JP2017220050A (ja) * 2016-06-08 2017-12-14 株式会社東芝 電力量予測装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3955201A4

Also Published As

Publication number Publication date
EP3955201A1 (en) 2022-02-16
CN113632131A (zh) 2021-11-09
US20220129998A1 (en) 2022-04-28
US11954744B2 (en) 2024-04-09
JP6795134B1 (ja) 2020-12-02
EP3955201A4 (en) 2022-06-08
JPWO2020209142A1 (ja) 2021-04-30

Similar Documents

Publication Publication Date Title
US9568519B2 (en) Building energy consumption forecasting procedure using ambient temperature, enthalpy, bias corrected weather forecast and outlier corrected sensor data
JP5743881B2 (ja) 電力管理システム、電力管理方法、需要家端末及び電力管理装置
WO2013042493A1 (ja) 電力需要予測システムおよび方法
US20130297240A1 (en) Methods and systems for improved time cost and accuracy of energy usage baselining
JP6094369B2 (ja) 電力需要予測装置、電力需要予測方法および電力需要予測プログラム
JP2007281060A (ja) 太陽光発電システムの発電予測方法、装置、およびプログラム
JP7521291B2 (ja) 予測装置、予測プログラム、及び予測方法
US20180248370A1 (en) Methods and systems for energy use normalization and forecasting
JP2011114944A (ja) 電力需要予測装置、そのプログラム
WO2022168357A1 (ja) 発電量管理システム及び発電量管理方法
JP2010218394A (ja) エネルギー需要予測装置
JP2009225613A (ja) 電力需要予測装置及び電力需要予測方法
JP5104567B2 (ja) エネルギー需要予測装置
WO2020209142A1 (ja) 電力管理装置
JP7257117B2 (ja) 太陽光発電システム分布推定装置、太陽光発電システム分布推定方法及び太陽光発電出力予測装置
JP2023100466A (ja) 電力需要予測装置及び電力需要予測方法
JP2016163511A (ja) 電力需要量予測システム、電力需要量予測方法及びプログラム
JP6467953B2 (ja) 気温予測システム、気温予測方法およびプログラム
JP6628700B2 (ja) 気象情報予測装置および電力需要予測装置
CN117200223A (zh) 日前电力负荷预测方法和装置
JP6461397B2 (ja) 卸電力価格予測システムおよび卸電力価格予測方法
WO2019207622A1 (ja) 電力需要予測装置、電力需要予測方法、およびそのプログラム
CN115575737A (zh) 一种载流量检测方法及系统
JP7508922B2 (ja) 予測システム、及び予測値の算出方法
WO2021260982A1 (ja) 予測システムおよび予測方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2020549071

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 20787623

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020787623

Country of ref document: EP

Effective date: 20211110