[go: up one dir, main page]

WO2015087470A1 - 需要予測装置、プログラム - Google Patents

需要予測装置、プログラム Download PDF

Info

Publication number
WO2015087470A1
WO2015087470A1 PCT/JP2014/004800 JP2014004800W WO2015087470A1 WO 2015087470 A1 WO2015087470 A1 WO 2015087470A1 JP 2014004800 W JP2014004800 W JP 2014004800W WO 2015087470 A1 WO2015087470 A1 WO 2015087470A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
power
model
unit
period
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/JP2014/004800
Other languages
English (en)
French (fr)
Inventor
紀芳 清水
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Priority to US15/100,150 priority Critical patent/US20170017215A1/en
Priority to JP2015552290A priority patent/JPWO2015087470A1/ja
Priority to EP14870498.4A priority patent/EP3082096A4/en
Publication of WO2015087470A1 publication Critical patent/WO2015087470A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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—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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
    • H02J2103/30—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof

Definitions

  • the present invention generally relates to a demand prediction apparatus and a program, and more particularly relates to a demand prediction apparatus that calculates an amount of electric power for which demand is predicted in the future, and a program that causes a computer to function as the demand prediction apparatus.
  • the technology described in Document 1 stores future energy consumption values corresponding to past weather conditions, and analyzes future user behavior patterns based on the past energy consumption values, thereby responding to future behavior patterns. It is a technology that predicts the predicted energy consumption.
  • the technology described in Document 1 predicts a plurality of future behavior patterns of a user corresponding to future weather information based on the analyzed past behavior patterns, thereby providing energy corresponding to each of the plurality of behavior patterns.
  • the consumption forecast value is obtained.
  • As an action pattern in Document 1 a distinction between presence and absence for each time zone is shown.
  • the technique described in Document 1 uses a distinction between presence and absence as an action pattern, and associates weather information with this action pattern. It is possible to obtain a predicted energy consumption value.
  • An object of the present invention is to provide a demand forecasting device that makes it possible to accurately determine the amount of power for which demand is predicted in a future forecast period, and further provides a program that causes a computer to function as this demand forecasting device. The purpose is to do.
  • the demand prediction device includes an acquisition unit that acquires a power value consumed for each branch circuit branched by a distribution board provided in a power consumer from the measurement device, and the acquisition unit acquires the power value
  • a storage unit that stores power information in which a power value for each branch circuit is associated with a date and time, and an electrical load that uses power for each branch circuit based on the power information stored in the storage unit 1
  • the extraction unit that extracts the usage period of the first time, the order in which the usage period occurred, and the amount of power consumed in each of the usage period
  • the demand in the forecast period defined as the period after the determination time is characterized by comprising a prediction unit for calculating a result predicts the amount of power expected.
  • the demand prediction apparatus includes an acquisition unit, a storage unit, an extraction unit, a model generation unit, and a prediction unit.
  • the said acquisition part acquires the consumed electric power value from each measuring device about each of the branch circuit of N system (N is an integer greater than or equal to 2) branched by the distribution board provided in the electric power consumer.
  • the storage unit stores power information in which the power value and date / time of each of the N-system branch circuits acquired by the acquisition unit are associated with each other.
  • the extraction unit extracts a usage period in which the electric load uses power once for each of the N branch circuits based on the power information stored in the storage unit.
  • the model generation unit is a combination of at least one branch circuit that is related to the order in which the use periods extracted by the extraction unit among the N system branch circuits are generated based on the power information of a predetermined period. Is a model group.
  • the model generation unit generates a plurality of models so as to correspond one-to-one to a plurality of model groups.
  • Each of the plurality of models includes, for at least one branch circuit belonging to the corresponding model group, the order in which the usage periods occur, the amount of power consumed in each of the usage periods, and each of the usage periods. Start time and duration.
  • the model generation unit further obtains a transition probability to another model among the plurality of models for each of the plurality of generated models, and stores the plurality of models and the transition probability in a model storage unit. .
  • the prediction unit collates the power information immediately before the determination time with the plurality of models using the specified determination time as a reference, and applies the power information immediately before the determination time from the plurality of models.
  • a full first model is extracted.
  • the prediction unit selects a second model based on the transition probability from the first model (for example, the transition probability is maximized) among the plurality of models. Select from.
  • the prediction unit calculates, as a prediction result, an amount of power for which demand is predicted in a prediction period determined as a period after the determination time, based on the selected second model.
  • the program according to the present invention causes a computer to function as the demand prediction apparatus described above.
  • the demand prediction apparatus 10 described below includes an acquisition unit 11, a storage unit 12, an extraction unit 13, a model generation unit 14, and a prediction unit 15.
  • the acquisition unit 11 acquires, from the measurement device 23, the power value consumed for each branch circuit 22 branched by a distribution board 21 provided in a power consumer 20.
  • the storage unit 12 stores power information in which the power value for each branch circuit 22 acquired by the acquisition unit 11 is associated with the date and time.
  • the extraction unit 13 extracts one usage period in which the electrical load 24 uses power for each branch circuit 22 based on the power information stored in the storage unit 12. Based on the power information for a predetermined period stored in the storage unit 12, the model generation unit 14 determines the order in which the usage periods occur, the amount of power consumed in each of the usage periods, the start time and the continuation of the usage period. A model including time is generated. Further, the model generation unit 14 obtains a transition probability to another model for each generated model.
  • the prediction unit 15 performs a prediction period T1 that is determined as a period after the determination time tx based on the past model and the transition probability with respect to the determination time tx at the specified determination time tx.
  • the amount of power for which demand is predicted is calculated as a prediction result.
  • the demand prediction device 10 determines the start time and duration of the order of use of power for each branch circuit 22, the amount of power consumed in one use of the electrical load 24, and the usage period of the electrical load 24.
  • transition probabilities are obtained among a plurality of models.
  • the model before the determination time tx is estimated based on the order of use of power for each branch circuit 22 in the past at the determination time tx, and the model generated in the prediction period T1 is determined as the transition probability based on the estimated model. Estimated based on.
  • the prediction unit 15 generates a plurality of prediction results and obtains a prediction probability for each prediction result.
  • the demand prediction device 10 includes an output unit 16 that presents a prediction result by the prediction unit 15 to the presentation device 30.
  • the demand prediction apparatus 10 further preferably includes an input unit 17 and a correction unit 18.
  • the input unit 17 receives the actual amount of power consumed in the prediction period T1.
  • the correction unit 18 corrects the transition probability between models in the model generation unit 14 using an error between the power amount of the prediction result predicted by the prediction unit 15 and the actual power amount input to the input unit 17.
  • the correction unit 18 corrects the power amount for each model in the model generation unit 14 using an error between the power amount of the prediction result predicted by the prediction unit 15 and the actual power amount input to the input unit 17. It may be a configuration.
  • the model generation unit 14 generates a model including consumption information regarding consumption of at least one of the gas and tap water of the consumer 20.
  • consumption of the gas (or tap water) of the consumer 20 means consumption of gas (or tap water) in the equipment etc. with which the consumer 20 is equipped.
  • the model generation unit 14 generates a model including the external environment of the customer 20, and the transition probability is set according to the external environment.
  • the prediction unit 15 takes into account the external environment in the prediction period T1, and the prediction result It is desirable to calculate
  • the model generation unit 14 finds at least a relationship in the order in which the use periods occur among the branch circuits 22 of the plurality of systems.
  • a combination of one branch circuit 22 is desirably used as a model group.
  • the model generation unit 14 determines the order in which the usage periods occur, the amount of power consumed in each usage period, the start time of each usage period, and A model including the duration is generated.
  • the demand prediction apparatus 10 includes a computer that realizes the above-described functions by executing a program as a main hardware configuration. That is, this program is a program that causes a computer to function as the demand prediction apparatus 10.
  • This type of computer includes portable terminals such as smartphones and tablet terminals in addition to personal computers.
  • the computer may have a configuration in which a processor and a memory are integrally provided, such as a microcomputer.
  • the program may be written in a ROM (Read Only Memory) in advance or provided through an electric communication line such as the Internet.
  • the program may be provided by a computer-readable recording medium.
  • the consumer 20 includes a distribution board 21 that receives commercial power supplied by an electric power company.
  • the distribution board 21 branches the received power to a plurality of branch circuits 22 and distributes the power to the electrical load 24 used by the customer 20.
  • the measuring device 23 measures the power value consumed for each branch circuit 22. That is, the measuring device 23 measures the consumed power value for each of the branch circuits 22 of the plurality of systems.
  • the measuring device 23 employs either a configuration built in the distribution board 21 or a configuration arranged outside the distribution board 21.
  • the branch circuit 22 and the electrical load 24 correspond one-to-one or one-to-many. That is, the branch circuit 22 may correspond to the electrical load 24 on a one-to-one basis for an electrical load 24 that consumes a relatively large amount of power, such as an air conditioner, an IH cooking heater (IH), and a microwave oven.
  • the branch circuit 22 is often assigned in units (places) in the customer 20 as a unit.
  • the measuring device 23 monitors the passing current for each branch circuit 22 with a Rogowski coil or a clamp-type current sensor, and uses the integrated value of the product of the monitored current value and the voltage value between the lines of the branch circuit 22 as a power value. calculate. That is, the power value measured by the measuring device 23 is not actually instantaneous power, but is selected in a predetermined unit time (for example, in the range of about 30 seconds to 10 minutes, and preferably 30 seconds or 1 minute). ). In general, the instantaneous power for each branch circuit 22 fluctuates with time even within a unit time, but in this embodiment, the fluctuation of the instantaneous power within the unit time is not taken into account, and the integrated power in the unit time is taken into account. Use quantity as power value. This power value can be regarded as equivalent to the average power value (instantaneous power) in unit time.
  • the consumer 20 generally means the customer who receives electric power from an electric power company, the consumer 20 shall mean the space which the said customer occupies here. That is, the consumer 20 includes a detached house, a dwelling unit housing, a tenant building tenant, and the like. However, these are merely examples and are not intended to limit the customer 20.
  • the demand prediction device 10 includes an acquisition unit 11 that acquires a power value for each branch circuit 22 measured by the measurement device 23.
  • the power value acquired by the acquisition unit 11 from the measurement device 23 is associated with the date and time and stored in the storage unit 12 as power information.
  • the date and time is measured by a built-in clock 19 such as a real-time clock built in the demand prediction apparatus 10. That is, the power information includes the power value for each unit time and the date and time when the power value was acquired.
  • the storage unit 12 stores power information for each of a plurality of branch circuits 22 branched by the distribution board 21. That is, the storage unit 12 stores a history of power value transitions for each of the multiple systems of branch circuits 22.
  • the storage unit 12 has a capacity that can store power information for a period selected from one week, one month, six months, one year, two years, and the like. The longer the period for storing power information in the storage unit 12, the greater the amount of information, and it is considered that a model with high prediction accuracy can be generated. However, if long-term power information was collected, the start of use was delayed, In addition, the model may change due to changes in user lifestyle. Therefore, it is desirable to generate a model using power information for a relatively short period and modify the model as necessary.
  • This embodiment is based on the expectation that regularity may be found in the order in which the user uses the electric load 24 in the consumer 20.
  • This order includes the case where the electric load 24 is used independently from the other electric loads 24. That is, not only the case where a plurality of electric loads 24 are used in order but also the case where only one electric load 24 is used is included.
  • the usage state of each electric load 24 is estimated using the change in the power value for each of the branch circuits 22 of the plurality of systems, and further, the use of the plurality of electric loads 24 is used.
  • the power consumption is estimated by estimating the relationship with respect to the state. In order to find the relationship between the usage states of the plurality of electrical loads 24, it is first necessary to extract one usage period in which each of the plurality of electrical loads 24 uses power.
  • the extraction unit 13 uses the power information stored in the storage unit 12 to obtain a standby power value for each of the plurality of branch circuits 22 and calculates a power value for the standby power value for each of the plurality of branch circuits 22. Based on the change, the period of operation and non-operation of the electrical load 24 is extracted.
  • a change in the power value in a predetermined period such as one day is used.
  • the power value history the power value stored in the storage unit 12 is used.
  • the comparison value is changed so as to be gradually decreased and compared with the power value, and the comparison value satisfying the condition that the duration of the state in which the power value is smaller than the comparison value is equal to or longer than a predetermined reference time.
  • the minimum value may be used as the standby power value.
  • the reference time to be compared with the duration is determined according to the frequency and time zone in which the electric load 24 is used. That is, the reference time is set according to the time during which the target electric load 24 is in a non-operating state.
  • the model generation unit 14 is in the order (order) in which the power usage periods of the branch circuits 22 in the plurality of systems have occurred. Evaluate the relationship.
  • the model generation unit 14 uses, as a model group, a combination of at least one branch circuit 22 in which the relationship is found in the order in which the usage periods occur among the branch circuits 22 of the plurality of systems. Further, the model generation unit 14 includes, for each model group, a model including, in attributes, the order (order) in which the usage periods have occurred, the amount of power consumed in each usage period, and the start time and duration of each usage period. Is generated.
  • the model generation unit 14 determines the order in which the usage periods occur and the amount of power consumed in each usage period for at least one branch circuit 22 in which the relationship is found in the order in which the usage periods occur. Then, a model including the start time and duration of each use period is generated.
  • the order in which the usage periods occur means the order in which the usage periods start, that is, the order in which the usage periods start in the at least one branch circuit 22 belonging to the model group.
  • the occurrence frequency for each time zone is obtained for each power usage period of the branch circuits 22 of the multiple systems, and when the occurrence frequency is equal to or higher than a reference value, the correlation of the power usage period is calculated. What is necessary is just to evaluate strength.
  • FIG. 2 shows power information from around 6:00 to 15:00 on a holiday at home during the day.
  • C1 represents the living room
  • C2 represents the kitchen
  • C3 represents the air conditioner
  • C4 represents the power value of the branch circuit 22 corresponding to the washing machine.
  • the electric load 24 or the room name corresponding to each of the branch circuits 22 of a plurality of systems is used.
  • the branch circuit 22 of the washing machine forms a model group independent of the other three branch circuits 22.
  • whether or not to form a model group is determined based on the occurrence frequency of the power usage period and the evaluation of the correlation coefficient between the plurality of branch circuits 22.
  • three branch circuits 22 of a living room, a kitchen, and an air conditioner form a model group.
  • the model generation unit 14 determines the order (order) in which the usage periods occur, the amount of power consumed in each usage period, and the amount of power consumed in each usage period for the branch circuits 22 belonging to the model group.
  • a model including the start time and the duration as attributes is generated. In the case of the case of FIG. 2, for example, a model as shown in Table 1 is generated.
  • ⁇ 11 to ⁇ 13, ⁇ 21 to ⁇ 23, and ⁇ 31 to ⁇ 33 each represent an allowable error. That is, the allowable errors ⁇ 11 to ⁇ 13 represent the degree of variation regarding the start time, the allowable errors ⁇ 21 to ⁇ 23 represent the degree of variation regarding the duration, and the allowable errors ⁇ 31 to ⁇ 33 represent the degree of variation regarding the electric energy.
  • the power information from around 6:00 to around 9:00 will be as shown in FIG. 3, for example, and a model as shown in Table 2 is generated.
  • Table 2 the allowable errors ⁇ 11 to ⁇ 13, ⁇ 21 to ⁇ 23, and ⁇ 31 to ⁇ 33 have the same values as holidays, but the allowable errors actually vary depending on the power information used for generating the model.
  • model generation unit 14 extracts model groups for other time zones, and generates a model for each model group.
  • Tables 3 and 4 are models generated for the branch circuit 22 corresponding to the washing machine, where Table 3 corresponds to holidays and Table 4 corresponds to weekdays.
  • Table 4 shows a model in which power is not used. This model confirms that no power is used in the branch circuit 22 corresponding to the washing machine from 13:00 to 18:00. Represents.
  • the model generation unit 14 obtains a transition probability between a plurality of models.
  • the transition probability here refers to the probability of transition from the model of interest to another model of the plurality of models when attention is paid to one of the models, that is, the model of the model of interest. Next, it means the probability that another model will come.
  • the transition probability indicates the probability that the transition of the power value that occurs next applies to the model other than the model of interest among the multiple models. This is the value obtained for each model. For example, the transition probability is high between a plurality of models on holidays, and the transition probability is low between a model on holidays and a model on weekdays.
  • transition probabilities are determined as shown in Table 5, for example.
  • Table 5 shows the respective transition probabilities from the model shown in the left column to the model shown in the upper column.
  • the model and the transition probability generated by the model generation unit 14 as described above are stored in the model storage unit 41.
  • the model and the transition probability generated each time the model generation unit 14 generates a new model is stored in the model storage unit 41, and the data (model and transition probability) stored in the model storage unit 41 is updated as needed.
  • the Further, the model and the transition probability stored in the model storage unit 41 are appropriately corrected as will be described later.
  • the model and the transition probability are stored in the model storage unit 41, it is possible to calculate the amount of power for which demand is predicted in the prediction period T1 after the specified determination time tx as follows.
  • the prediction unit 15 determines to which model the transition of the past power value applies from the determination time tx. For example, as shown in FIG. 4, if the determination time tx is past 9:00 and the power information before the determination time tx is known, the power information before the determination time tx is checked against the model, It is determined whether it fits the model. In the case of the illustrated example, it can be seen that this applies to model 1 out of models 1 to 4 described above. In addition, when it applies to both the model 1 and the model 2, the similarity is evaluated and the one that is similar is selected. For the evaluation of the degree of similarity, a distance related to the start time (such as the square root of the sum of squared differences) may be used.
  • the prediction unit 15 obtains a transition probability of the model, and an event corresponding to the model having the maximum transition probability occurs after the determination time tx. Predict. That is, in the example shown in FIG. 4, it is determined from the power information up to the determination time tx that the model 1 is applicable, and models 3 and 4 are extracted as models representing events that occur after the model 1. In this case, model 3 is selected because model 3 has a higher transition probability than model 4 with respect to model 1.
  • the prediction unit 15 determines that the model applicable to the power information immediately before the determination time tx is the model 1, the prediction unit 15 predicts that the probability of the model 3 occurring after the determination time tx is high.
  • the amount of power for which demand is predicted in the prediction period T1 (for example, the period until the end time of the day) determined as the period after the determination time tx includes the power amount of the model 3.
  • the prediction period T1 may be set by the end time of a period when power saving is requested when there is a power saving request (so-called demand response) from an electric power supplier that supplies power. Further, the prediction period T1 may be appropriately set by the user regardless of the power saving request. When a plurality of models occurring in the prediction period T1 are predicted, the amount of power whose demand is predicted in the prediction period T1 after the determination time tx is added up for the plurality of predicted models.
  • the power information immediately before the determination time tx is applied to the model 1.
  • the model 1 since the model 1 has not ended yet at the determination time tx, the power amount of the remaining time of the model can be added up. desirable.
  • the model does not end at the determination time tx.
  • the prediction unit 15 obtains only one prediction result (the amount of power whose demand is predicted in the prediction period T1).
  • the prediction unit 15 may generate a plurality of prediction results and obtain a prediction probability for each prediction result.
  • the prediction unit 15 predicts the model 1 estimated from the power information immediately before the determination time tx and includes the power amount of the model 3.
  • a result and a prediction result including the amount of power of the model 4 are generated.
  • the prediction probability that the model 1 to the model 3 is generated is 80% as a transition probability
  • the prediction probability that the model 1 to the model 4 is generated is 20% that is a transition probability.
  • the prediction probability of the prediction result including the power amount of the model 3 is 80%
  • the prediction probability of the prediction result including the power amount of the model 4 is 20%.
  • the prediction unit 15 obtains a prediction probability for each combination using each transition probability.
  • the prediction unit 15 uses each prediction probability as a weighting coefficient.
  • a weighted average is obtained by weighting the model power.
  • the prediction unit 15 desirably uses this weighted average for the amount of power for which demand is predicted.
  • the total amount of power for each model may be the amount of power for which demand is predicted in the prediction period T1 with a combination of models that maximizes the prediction probability.
  • the electric energy in the prediction period T1 predicted by the prediction unit 15 as described above is presented to the presentation device 30 through the output unit 16. Therefore, the user can check the content presented on the presentation device 30.
  • the prediction unit 15 obtains the amount of power for which demand is predicted in the prediction period T1, it is possible to configure a device that provides support or advice regarding the use of power in the consumer 20 by using this function. .
  • the transition probability between models is automatically set based on the power information stored in the storage unit 12, but the transition probability may change depending on various conditions. Therefore, it is desirable that the demand prediction apparatus 10 includes an input unit 17 to which a condition for determining the transition probability is input and a correction unit 18 that corrects the transition probability.
  • the actual amount of power consumed in the prediction period T1 is input. That is, by giving the actual power amount from the input unit 17 after the end of the prediction period T1, it is possible to compare with the power amount for which the demand is predicted before the start of the prediction period T1 at the determination time tx.
  • the correction unit 18 does not correct the transition probability if the error of the predicted power amount (the power amount of the prediction result) with respect to the actual power amount is assumed, and exceeds the range where the error is assumed. If so, the transition probability is corrected.
  • the correction unit 18 corrects the transition probability using a plurality of prediction results, rather than determining whether or not to correct the transition probability using a single prediction result.
  • the predicted power amount can be adjusted to the actual power amount by correcting the transition probability based on a plurality of prediction results.
  • the correction part 18 may be comprised so that the electric energy for every model may be corrected instead of correcting a transition probability.
  • the operation device that inputs conditions to the input unit 17 and the display device that becomes the presentation device 30 can use an operation display device that is configured exclusively for the demand prediction device 10.
  • the operation display unit employs a configuration in which a display unit that is a flat panel display such as a liquid crystal display unit and an operation unit such as a touch panel or a push button switch are integrally provided.
  • the interface part (not shown) for communicating with a terminal device may be provided in the demand prediction apparatus 10, and a terminal device may be used as an operating device and a display.
  • a personal computer, a smartphone, a tablet terminal, or the like is used as this type of terminal device.
  • the model generation unit 14 generates a model based only on the power information, but generates a model including consumption information regarding consumption of at least one of the gas and tap water of the consumer 20. Also good.
  • the model includes at least one of the consumption of gas and the consumption of tap water in addition to the amount of electric power.
  • the model generation unit 14 may generate a model including the external environment of the customer 20.
  • the transition probability is set according to the external environment in the transition model. That is, the model generation unit 14 obtains a transition probability according to the external environment.
  • weather unsunny weather, cloudy weather, rainy weather, etc.
  • outdoor temperature outdoor humidity, and the like are used.
  • These external environments are preferably acquired through a telecommunication line such as the Internet. That is, it is desirable that the demand prediction apparatus 10 includes a communication unit (not shown) that enables communication through an electric communication line.
  • the prediction unit 15 calculates a prediction result in consideration of the external environment in the prediction period T1. For example, it is assumed that the prediction result determined by the prediction unit 15 using the transition probability predicts the use of the washing machine in the prediction period T1. At this time, the prediction unit 15 may use the electric energy for washing only as a prediction result if the weather, which is the external environment, is fine, and may use the electric energy obtained by summing washing and drying as the prediction result in the case of rainy weather. In addition, the prediction unit 15 may obtain the prediction result by adjusting the amount of power predicted to be consumed by the air conditioner according to the outside air temperature that is the external environment. If the external environment is taken into consideration in this way, the prediction accuracy of the electric energy that the prediction unit 15 predicts as the demand in the prediction period T1 can be improved.
  • the demand prediction device 10 can be installed for each customer 20.
  • the power value from the measuring device 23 may be acquired from the HEMS controller through an electric communication line such as the Internet.
  • the demand prediction device 10 is provided in a server that communicates through an electric communication line.
  • the server collects the power values consumed for each branch circuit from the plurality of consumers 20 and generates a model for each consumer 20.
  • the server includes the demand prediction device 10 as described above, when similarities are found in models between different consumers 20, the customers 20 having high similarity may be grouped together. In this case, it is possible to apply the same model to a plurality of consumers 20 grouped together.
  • the purpose is to obtain the amount of power for which demand is expected in the prediction period T1 after the determination time tx.
  • the demand prediction apparatus 10 of this embodiment it is also possible to utilize the demand prediction apparatus 10 of this embodiment as follows.
  • the power storage device stores the power generated by the solar power generation device before the start of the power saving request target period. It is possible to advise you to do so.
  • the washing machine when focusing on the washing machine, if the target period of the power saving request is included in the time zone where the washing machine is scheduled to be used, the washing machine should be used before or after the target period. Advice can be given. Similarly, it is possible to give advice to change the time zone in which the washing machine is used when rainy weather is predicted in the time zone in which the washing machine is scheduled to be used. In addition, when the use of the washing machine is predicted, if the washing machine is not used, a configuration may be added in which it is determined that there is a possibility that the user 20 has an abnormality in the consumer 20.
  • the demand prediction device 10 can determine the amount of power for which demand is predicted for the appropriately set prediction period T1, and thus various applications are possible using the predicted amount of power.
  • the above-described embodiment is an example of the present invention.
  • the present invention is not limited to the above-described embodiment, and various modifications can be made according to design and the like as long as the technical idea according to the present invention is not deviated from this embodiment. Of course, it can be changed.

Landscapes

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

Abstract

　将来の予測期間において需要が予測される電力量を精度よく求めることを可能にする。需要予測装置（１０）は、取得部（１１）と記憶部（１２）と抽出部（１３）とモデル生成部（１４）と予測部（１５）とを備える。抽出部（１３）は、分岐回路（２２）ごとに電力の１回の使用期間を抽出する。モデル生成部（１４）は、使用期間が生じた順番と、使用期間ごとの電力量と、使用期間の開始時刻および継続時間とを含むモデルを生成する。モデル生成部（１４）は、モデル間の遷移確率を求める。予測部（１５）は、判定時刻に対する過去のモデルと遷移確率とに基づいて、当該判定時刻後の期間として指定される予測期間において需要が予測される電力量を予測結果として算出する。

Description

需要予測装置、プログラム
　本発明は、一般に需要予測装置、プログラムに関し、より詳細には、将来に需要が予測される電力量を求める需要予測装置、およびコンピュータを需要予測装置として機能させるプログラムに関する。
　従来、エネルギー消費予測値を予測する技術が提案されている（たとえば、文献１：ＪＰ２０１１－２３２９０３Ａ参照）。文献１に記載された技術は、過去の気象条件に対応するエネルギー消費実績値を記憶し、エネルギー消費実績値に基づいてユーザの過去の行動パターンを分析することにより、将来の行動パターンに対応するエネルギー消費予測値を予測する技術である。文献１に記載された技術は、分析された過去の行動パターンに基づいて、将来の気象情報に対応するユーザの複数の将来の行動パターンを予測することにより、複数の行動パターンそれぞれに対応するエネルギー消費予測値を求めている。文献１における行動パターンとしては、時間帯ごとの在と不在との別が示されている。
　文献１に記載された技術は、在と不在との別を行動パターンとしており、気象情報をこの行動パターンと対応付けているから、将来における気象情報から在か不在かを判別し、それぞれの場合のエネルギー消費予測値を求めることは可能である。
　しかしながら、在宅時であってもどのような機器を使用するかに応じて、エネルギーの消費量は変化し、また時間帯によっても使用する機器が変化してエネルギーの消費量が変化すると考えられる。すなわち、文献１に記載された技術を採用しても、将来の所定の期間におけるエネルギー消費量を精度よく予測することはできない。
　本発明は、将来の予測期間において需要が予測される電力量を精度よく求めることを可能にする需要予測装置を提供することを目的とし、さらに、コンピュータをこの需要予測装置として機能させるプログラムを提供することを目的とする。
　本発明に係る需要予測装置は、電力の需要家に設けられた分電盤で分岐された分岐回路ごとに消費された電力値を計測装置から取得する取得部と、前記取得部が取得した前記分岐回路ごとの電力値と日時とを対応付けた電力情報を記憶する記憶部と、前記記憶部が記憶している前記電力情報に基づいて、前記分岐回路ごとに電気負荷が電力を使用する１回の使用期間を抽出する抽出部と、前記記憶部が記憶している所定期間の前記電力情報に基づいて、前記使用期間が生じた順番と、前記使用期間のそれぞれで消費された電力量と、前記使用期間の開始時刻および継続時間とを含むモデルを生成し、さらに生成した前記モデルごとに他のモデルへの遷移確率を求めるモデル生成部と、指定された判定時刻において、当該判定時刻に対する過去の前記モデルと前記遷移確率とに基づいて、当該判定時刻後の期間として定められる予測期間において需要が予測される電力量を予測結果として算出する予測部とを備えることを特徴とする。
　すなわち、この需要予測装置は、取得部と、記憶部と、抽出部と、モデル生成部と、予測部とを備えている。前記取得部は、電力の需要家に設けられた分電盤で分岐されたＮ系統（Ｎは２以上の整数）の分岐回路の各々について、消費された電力値を計測装置から取得する。前記記憶部は、前記取得部が取得した前記Ｎ系統の分岐回路の各々の電力値と日時とを対応付けた電力情報を記憶する。前記抽出部は、前記記憶部が記憶している前記電力情報に基づいて、前記Ｎ系統の分岐回路の各々について１回ずつ、電気負荷が電力を使用する使用期間を抽出する。前記モデル生成部は、所定期間の前記電力情報に基づいて、前記Ｎ系統の分岐回路のうち前記抽出部で抽出された前記使用期間が生じる順番に関係性のある少なくとも１系統の分岐回路の組み合わせをモデル群とする。前記モデル生成部は、複数のモデル群に一対一に対応するように複数のモデルを生成する。前記複数のモデルの各々は、対応する前記モデル群に属する少なくとも１系統の分岐回路について、前記使用期間が生じた順番と、各々の前記使用期間で消費された電力量と、各々の前記使用期間の開始時刻および継続時間とを含んでいる。前記モデル生成部は、さらに生成した前記複数のモデルの各々について、前記複数のモデルのうちの他のモデルへの遷移確率を求め、前記複数のモデルと前記遷移確率とをモデル記憶部に保存する。前記予測部は、指定された判定時刻を基準として、当該判定時刻の直前の前記電力情報を前記複数のモデルに照合し、前記複数のモデルの中から当該判定時刻の直前の前記電力情報に当て嵌まる第１のモデルを抽出する。前記予測部は、前記第１のモデルが抽出されると、当該第１のモデルからの前記遷移確率に基づいて（たとえば前記遷移確率が最大となる）第２のモデルを前記複数のモデルの中から選択する。前記予測部は、選択した前記第２モデルに基づいて、前記判定時刻後の期間として定められる予測期間において需要が予測される電力量を予測結果として算出する。
　本発明に係るプログラムは、コンピュータを、上述した需要予測装置として機能させるものである。
実施形態を示すブロック図である。 実施形態の動作例を説明する図である。 実施形態の動作例を説明する図である。 実施形態の動作例を説明する図である。
　図１に示すように、以下に説明する需要予測装置１０は、取得部１１と記憶部１２と抽出部１３とモデル生成部１４と予測部１５とを備える。取得部１１は、電力の需要家（facility）２０に設けられた分電盤２１で分岐された分岐回路２２ごとに消費された電力値を計測装置２３から取得する。記憶部１２は、取得部１１が取得した分岐回路２２ごとの電力値と日時とを対応付けた電力情報を記憶する。
　抽出部１３は、記憶部１２が記憶している電力情報に基づいて、分岐回路２２ごとに電気負荷２４が電力を使用する１回の使用期間を抽出する。モデル生成部１４は、記憶部１２が記憶している所定期間の電力情報に基づいて、使用期間が生じた順番と、使用期間のそれぞれで消費された電力量と、使用期間の開始時刻および継続時間とを含むモデルを生成する。さらに、モデル生成部１４は、生成したモデルごとに他のモデルへの遷移確率を求める。
　予測部１５は、図４に示すように、指定された判定時刻ｔｘにおいて、当該判定時刻ｔｘに対する過去のモデルと遷移確率とに基づいて、当該判定時刻ｔｘ後の期間として定められる予測期間Ｔ１において需要が予測される電力量を予測結果として算出する。
　このように、需要予測装置１０は、分岐回路２２ごとの電力の使用の順番と、電気負荷２４の１回の使用において消費された電力量と、電気負荷２４の使用期間について開始時刻と継続時間とを含むモデルを生成している。また、複数のモデルの間で遷移確率を求めている。さらに、判定時刻ｔｘの過去における分岐回路２２ごとの電力の使用の順番に基づいて、判定時刻ｔｘの前のモデルが推定され、推定したモデルに基づいて、予測期間Ｔ１において生じるモデルが遷移確率に基づいて推定される。その結果、上記構成によれば、判定時刻ｔｘの後に設定された予測期間Ｔ１において需要が予測される電力量を求める精度を高めることが可能になるという利点を有する。
　予測部１５は、予測結果を複数生成し、かつ予測結果ごとに予測確率を求めることが望ましい。
　需要予測装置１０は、予測部１５による予測結果を提示装置３０に提示する出力部１６を備えることが望ましい。また、需要予測装置１０は、入力部１７と修正部１８とを備えることがさらに望ましい。入力部１７は、予測期間Ｔ１において消費された実際の電力量が入力される。修正部１８は、予測部１５が予測した予測結果の電力量と入力部１７に入力された実際の電力量との誤差を用いて、モデル生成部１４におけるモデル間の遷移確率を修正する。あるいは、修正部１８は、予測部１５が予測した予測結果の電力量と入力部１７に入力された実際の電力量との誤差を用いて、モデル生成部１４におけるモデルごとの電力量を修正する構成であってもよい。
　モデル生成部１４は、需要家２０のガスと水道水との少なくとも一方の消費に関する消費情報を含むモデルを生成することが望ましい。なお、需要家２０のガス（または水道水）の消費とは、需要家２０に備わっている設備等でのガス（または水道水）の消費を意味する。また、モデル生成部１４は、需要家２０の外部環境を含むモデルを生成し、かつ遷移確率は外部環境に応じて設定され、予測部１５は、予測期間Ｔ１における外部環境を考慮して予測結果を算出することが望ましい。
　また、モデル生成部１４は、抽出部１３が複数系統の分岐回路２２の各々について使用期間を抽出すると、複数系統の分岐回路２２のうち使用期間の生じた順番に関係性が見出された少なくとも１系統の分岐回路２２の組み合わせをモデル群とすることが望ましい。この場合、モデル生成部１４は、モデル群に属する少なくとも１系統の分岐回路２２について、使用期間の生じた順番と、各々の使用期間で消費された電力量と、各々の使用期間の開始時刻および継続時間とを含むモデルを生成する。
　需要予測装置１０は、プログラムを実行することによって上述の機能を実現するコンピュータを主なハードウェア構成として備える。つまり、このプログラムは、コンピュータを上記需要予測装置１０として機能させるプログラムである。この種のコンピュータは、パーソナルコンピュータのほか、スマートフォン、タブレット端末などの可搬型の端末装置を含む。また、コンピュータは、マイコン（microcontroller）のようにプロセッサとメモリとを一体に備える構成であってもよい。
　プログラムは、ＲＯＭ（Read Only Memory）にあらかじめ書き込まれるほか、インターネットのような電気通信回線を通して提供されるようにしてもよい。また、コンピュータで読み取り可能な記録媒体によりプログラムが提供されてもよい。
　以下に本実施形態の構成をさらに詳しく説明する。図１に示すように、需要家２０は、電気事業者が供給する商用電源を受電する分電盤２１を備える。分電盤２１は、受電した電力を複数系統の分岐回路２２に分岐させ、需要家２０で使用される電気負荷２４に電力を分配する。計測装置２３は、分岐回路２２ごとに消費された電力値を計測する。つまり、計測装置２３は、複数系統の分岐回路２２の各々について、消費された電力値を計測する。この計測装置２３は、分電盤２１に内蔵される構成と、分電盤２１の外部に配置される構成とのいずれかが採用される。
　分岐回路２２と電気負荷２４とは、一対一に対応するか一対多に対応する。すなわち、エアコン、ＩＨクッキングヒータ（ＩＨ：Induction Heating）、電子レンジのように消費電力が比較的大きい電気負荷２４に対しては、分岐回路２２が電気負荷２４に一対一に対応する場合がある。また、一対多に対応する場合には、需要家２０における場所（部屋）を単位として分岐回路２２が割り当てられることが多い。
　計測装置２３は、分岐回路２２ごとの通過電流をロゴスキーコイルあるいはクランプ型の電流センサにより監視し、監視した電流値と分岐回路２２の線間の電圧値との積の積算値を電力値として算出する。すなわち、計測装置２３が計測する電力値は、実際には瞬時電力ではなく、所定の単位時間（たとえば、３０秒～１０分程度の範囲で選択され、３０秒あるいは１分を選択することが望ましい）ごとの電力量である。一般に、分岐回路２２ごとの瞬時電力は、単位時間内でも時間経過に伴って変動しているが、本実施形態では、単位時間内での瞬時電力の変動は考慮せず、単位時間における積算電力量を電力値として用いる。この電力値は、単位時間における平均の電力値（瞬時電力）と等価とみなせる。
　なお、需要家２０は、一般に電気事業者から電力を受電する顧客を意味するが、ここでは、需要家２０は、当該顧客が占有する空間を意味するものとする。すなわち、需要家２０は、戸建て住宅、集合住宅の住戸、テナントビルのテナントなどを含む。ただし、これらは一例であって需要家２０を限定する趣旨ではない。
　需要予測装置１０は、計測装置２３が計測した分岐回路２２ごとの電力値を取得する取得部１１を備える。取得部１１が計測装置２３から取得した電力値は、日時と対応付けられ、電力情報として記憶部１２に格納される。日時は、需要予測装置１０が内蔵しているリアルタイムクロックのような内蔵時計１９が計時する。すなわち、電力情報は、単位時間ごとの電力値と、当該電力値が取得された日時とを含んでいる。
　記憶部１２は、分電盤２１で分岐された複数系統の分岐回路２２の各々について電力情報を記憶する。すなわち、記憶部１２は、複数系統の分岐回路２２の各々について電力値の推移の履歴を記憶することになる。記憶部１２は、１週間、１ヶ月、６ヶ月、１年、２年などから選択される期間の電力情報を記憶できる程度の容量を有する。記憶部１２に電力情報を格納する期間が長いほど情報量が多くなり、予測の精度が高いモデルを生成できると考えられるが、長期間の電力情報を収集していたのでは利用開始が遅れ、また利用者の生活習慣の変化によりモデルが変化する可能性もある。したがって、比較的短い期間の電力情報を用いてモデルを生成し、必要に応じてモデルを修正することが望ましい。
　本実施形態は、需要家２０において利用者が電気負荷２４を使用する順番には、規則性が見出される場合があるという予想に基づいている。なお、この順番には電気負荷２４が他の電気負荷２４とは独立して単独で使用される場合も含む。つまり、複数の電気負荷２４が順番に使用される場合だけではなく、１つの電気負荷２４だけが使用される場合も含まれる。
　要するに、利用者の生活において、複数の行動の間に関係性（あるいは相関性）が見出される場合があり、なんらかの行動に連鎖して次の行動が生じるという事象は比較的多く出現する。このような事象は、需要家２０における利用者の生活リズム、生活習慣、生活のくせなどによって出現すると考えられる。また、需要家２０における利用者の行動には、電気負荷２４を使用する行動も多く含まれるから、複数の電気負荷２４の使用状態を監視することにより、行動の関係性を見出すことができると推測される。
　このような知見に基づいて、本実施形態では、複数系統の分岐回路２２の各々について電力値の変化を用いて個々の電気負荷２４の使用状態を推定し、さらに、複数の電気負荷２４の使用状態について関係性を推定することによって、電力の消費量を推定している。複数の電気負荷２４の使用状態の関係性を見出すには、まず、複数の電気負荷２４の各々が電力を使用する１回の使用期間を抽出することが必要である。
　そこで、抽出部１３は、記憶部１２に蓄積された電力情報を用い、複数系統の分岐回路２２の各々について待機電力値を求め、複数系統の分岐回路２２の各々について待機電力値に対する電力値の変化に基づいて電気負荷２４の稼働と非稼働との期間を抽出する。
　複数系統の分岐回路２２の各々について待機電力値を求めるには、１日のような所定の期間における電力値の変化を用いる。このような電力値の履歴としては記憶部１２が記憶している電力値が用いられる。具体的には、比較値を徐々に小さくするように変化させて電力値と比較し、電力値が比較値より小さい状態の継続時間が所定の基準時間以上であるという条件を満足する比較値の最小値を、待機電力値として用いればよい。継続時間と対比される基準時間は、電気負荷２４が使用される頻度や時間帯に応じて定められる。すなわち、基準時間は、対象となる電気負荷２４が非稼働状態である時間に応じて設定される。
　抽出部１３が複数系統の分岐回路２２の各々について電気負荷２４による電力の使用期間を抽出すると、モデル生成部１４は、複数系統の分岐回路２２の電力の使用期間が生じた順番（順序）の関係性を評価する。モデル生成部１４は、複数系統の分岐回路２２のうち、使用期間が生じた順番に関係性が見出された少なくとも１系統の分岐回路２２の組み合わせをモデル群とする。さらに、モデル生成部１４は、モデル群ごとに、使用期間が生じた順番（順序）と、各使用期間において消費された電力量と、各使用期間の開始時刻および継続時間とを属性に含むモデルを生成する。すなわち、モデル生成部１４は、使用期間の生じた順番に関係性が見出された少なくとも１系統の分岐回路２２について、使用期間の生じた順番と、各々の使用期間で消費された電力量と、各々の使用期間の開始時刻および継続時間とを含むモデルを生成する。なお、ここでいう使用期間の生じた順番とは、モデル群に属する少なくとも１系統の分岐回路２２において、使用期間が開始した順番、つまり使用期間の開始時刻の並び順を意味する。
　関係性の評価には、複数系統の分岐回路２２の各々の電力の使用期間について、時間帯ごとの発生頻度を求め、さらに発生頻度が基準値以上である場合に、電力の使用期間に関する相関の強さを評価すればよい。
　いま、複数の分岐回路２２における電力値が時間経過に伴って図２のように変化したとする。実際に記憶部１２が蓄積する電力情報では、電力値の変動はさらに複雑であるが、説明を簡単にするために図２は電力値の推移を模式化して示している。図２は、日中に在宅している休日における６：００頃～１５：００頃の電力情報である。図２において、Ｃ１はリビング、Ｃ２はキッチン、Ｃ３はエアコン、Ｃ４は洗濯機にそれぞれ対応した分岐回路２２の電力値を表している。なお、以下の説明でも複数系統の分岐回路２２の各々に対応する電気負荷２４または部屋の名称を用いる。
　休日において日中に得られる電力情報がおおむね図２のようになっている場合、リビング、キッチン、エアコンの３つの分岐回路２２により１つのモデル群が形成されることが予想される。つまり、洗濯機の分岐回路２２は、他の３つの分岐回路２２とは独立したモデル群を形成していると推定される。この場合、電力の使用期間の発生頻度、複数の分岐回路２２の間の相関係数の評価などにより、モデル群を形成するか否かが判断される。ここでは、リビング、キッチン、エアコンの３つの分岐回路２２がモデル群を形成すると仮定する。
　モデル生成部１４は、モデル群が決まると、モデル群に属する複数系統の分岐回路２２について、使用期間が生じた順番（順序）と、各使用期間において消費された電力量と、各使用期間の開始時刻および継続時間とを属性に含むモデルを生成する。図２の事例の場合、たとえば表１のようなモデルが生成される。
Figure JPOXMLDOC01-appb-T000001
  
　表１において、σ１１～σ１３、σ２１～σ２３、σ３１～σ３３は、それぞれ許容誤差を表す。つまり、許容誤差σ１１～σ１３は開始時刻に関するばらつきの程度を表し、許容誤差σ２１～σ２３は継続時間に関するばらつきの程度を表し、許容誤差σ３１～σ３３は電力量に関するばらつきの程度を表している。
　日中には外出する平日であれば、６：００頃～９：００頃の電力情報は、たとえば図３のようになるから、表２のようなモデルが生成される。表２において許容誤差σ１１～σ１３、σ２１～σ２３、σ３１～σ３３は、休日と同じ値になっているが、許容誤差は、実際にはモデルの生成に用いた電力情報に依存して変化する。
Figure JPOXMLDOC01-appb-T000002
  
　モデル生成部１４は、同様にして他の時間帯についてもモデル群を抽出し、モデル群ごとにモデルを生成する。表３、表４は洗濯機に対応した分岐回路２２について生成したモデルであって、表３は休日に対応し、表４は平日に対応している。
Figure JPOXMLDOC01-appb-T000003
  
Figure JPOXMLDOC01-appb-T000004
  
　なお、表４は、電力が使用されないモデルを表しており、このモデルは、洗濯機に対応する分岐回路２２では、１３：００～１８：００において電力が使用されないことが確定していることを表している。
　モデル生成部１４は、上述のようにしてモデルを生成すると、複数のモデルの間での遷移確率を求める。ここでいう遷移確率は、複数のモデルのうちの１つのモデルに着目したときに、着目しているモデルから複数のモデルのうちの他のモデルに遷移する確率、つまり、着目しているモデルの次に他のモデルがくる確率を意味している。言い換えれば、遷移確率は、着目しているモデルに当て嵌まる電力値の推移が発生した場合、次に発生する電力値の推移が当て嵌まる確率を、複数のモデルのうち着目しているモデル以外のモデルの各々について求めた値である。たとえば、休日における複数のモデルの間では遷移確率が高くなり、休日におけるモデルと平日におけるモデルとの間では遷移確率は低くなる。表１～表４に示したモデル１～４については、たとえば表５のように遷移確率が定められる。ここでは、簡単な事例を用いて説明しているから、４種類のモデルのみを示し、４種類のモデル間での遷移確率を示しているが、実際には、さらに多種類のモデルが生成され、モデルの組み合わせ数も多くなる。表５は左欄に示したモデルから上欄に示したモデルへのそれぞれの遷移確率を表している。
Figure JPOXMLDOC01-appb-T000005
  
　以上のようにしてモデル生成部１４が生成したモデルと遷移確率とは、モデル記憶部４１に保存される。モデル生成部１４が新たなモデルを生成する度に生成されたモデルと遷移確率とはモデル記憶部４１に保存され、モデル記憶部４１に保存されているデータ（モデルおよび遷移確率）は随時更新される。また、モデル記憶部４１に保存されたモデルおよび遷移確率は、後述するように適宜に修正される。モデル記憶部４１にモデルおよび遷移確率が保存されていると、以下のようにして、指定された判定時刻ｔｘ後の予測期間Ｔ１において需要が予測される電力量を算出することが可能になる。
　予測部１５は、判定時刻ｔｘが指定されると、判定時刻ｔｘから過去の電力値の推移がどのモデルに当て嵌まるかを判断する。たとえば、図４に示すように、判定時刻ｔｘが９：００過ぎであり、判定時刻ｔｘの前の電力情報が既知であるとすると、判定時刻ｔｘの前の電力情報をモデルに照合し、どのモデルに当て嵌まるかが判断される。図示例の場合、上述したモデル１～４のうちのモデル１に当て嵌まることがわかる。なお、モデル１とモデル２との両方に当て嵌まる場合には、類似度を評価して類似しているほうを選択する。類似度の評価には、開始時刻に関する距離（差分の二乗和の平方根など）などを用いればよい。
　予測部１５は、判定時刻ｔｘの直前の電力情報に当て嵌まるモデルが抽出されると、このモデルの遷移確率を求め、遷移確率が最大であるモデルに相当する事象が判定時刻ｔｘの後に生じると予測する。つまり、図４に示す例で言えば、判定時刻ｔｘまでの電力情報からモデル１に当て嵌まると判断され、モデル１の後に生じる事象を表すモデルとして、モデル３、モデル４が抽出される。この場合、モデル１に対して、モデル３はモデル４よりも遷移確率が大きいから、モデル３が選択される。
　すなわち、予測部１５は、判定時刻ｔｘの直前の電力情報に当て嵌まるモデルをモデル１と判断した場合に、判定時刻ｔｘの後にモデル３が生じる確率が高いと予測する。その結果、判定時刻ｔｘの後の期間として定められる予測期間Ｔ１（たとえば、１日の終了時刻までの期間）において需要が予測される電力量はモデル３の電力量を含むことになる。
　予測期間Ｔ１は、電力を供給する電気事業者から節電要請（いわゆるデマンドレスポンス）がある場合は、節電が要請される期間の終了時刻までに設定してもよい。また、予測期間Ｔ１は、節電要請とは無関係に利用者が適宜に設定してもよい。予測期間Ｔ１において生じるモデルが複数予測される場合には、判定時刻ｔｘの後の予測期間Ｔ１において需要が予測される電力量は、予測される複数のモデルについて合算される。
　図４の例では、判定時刻ｔｘの直前における電力情報をモデル１に当て嵌めているが、判定時刻ｔｘではモデル１がまだ終了していないから、モデルの残り時間の電力量を合算することが望ましい。もっとも、節電要請のように、節電の対象期間が判定時刻ｔｘから時間を経て開始される場合であって、対象期間の電力量に関して需要を予測する場合は、判定時刻ｔｘにおいて終了していないモデルが終了した後の需要を予測すればよい場合もある。つまり、図４の例では、予測部１５は、モデル１が終了した後に、モデル３で消費される電力量のみを需要が予測される電力量とすればよい。
　上述した動作は、予測部１５が１つだけの予測結果（予測期間Ｔ１に需要が予測される電力量）を求めている。予測部１５は、予測結果を複数生成し、それぞれの予測結果について予測確率を求めるようにしてもよい。
　たとえば、モデルごとの遷移確率が表５のように設定されている場合、予測部１５は、判定時刻ｔｘの直前の電力情報から推定されたモデル１に対して、モデル３の電力量を含む予測結果と、モデル４の電力量を含む予測結果とを生成する。モデル１からモデル３が生じる予測確率を遷移確率である８０％とし、モデル１からモデル４が生じる予測確率を遷移確率である２０％とする。この場合、モデル３の電力量を含む予測結果の予測確率は８０％となり、モデル４の電力量を含む予測結果の予測確率は２０％となる。
　もちろん、判定時刻ｔｘの直前の電力情報に基づいて推定されたモデルに対して、判定時刻ｔｘ後の予測期間Ｔ１に生じる可能性があるモデルに複数の組み合わせが生じる場合もある。この場合、予測部１５は、それぞれの遷移確率を用いて組み合わせごとの予測確率を求める。
　上述のようにして、予測期間Ｔ１に生じる可能性がある複数のモデルに基づいて求まる複数の予測結果の各々について予測確率が定められると、予測部１５は、予測確率を重み係数に用いて各モデルの電力量に重み付けをした加重平均を求める。予測部１５は、この加重平均を需要が予測される電力量に用いることが望ましい。また、加重平均を用いる代わりに、予測確率が最大になるモデルの組み合わせで、モデルごとの電力量の総和を予測期間Ｔ１において需要が予測される電力量としてもよい。
　上述のようにして予測部１５が予測した予測期間Ｔ１の電力量は、出力部１６を通して提示装置３０に提示される。したがって、利用者は提示装置３０に提示された内容を確認することが可能になる。また、予測部１５が予測期間Ｔ１において需要が予測される電力量を求めるから、この機能を利用して、需要家２０における電力の使用に関する支援あるいは助言を行う装置を構成することが可能になる。
　ところで、モデル間の遷移確率は、記憶部１２に格納された電力情報に基づいて自動的に設定されるが、遷移確率は諸条件によって変化する可能性がある。そのため、需要予測装置１０は、遷移確率を定めるための条件が入力される入力部１７と、遷移確率を修正する修正部１８とを備えることが望ましい。
　入力部１７からは、たとえば、予測期間Ｔ１において消費された実際の電力量が入力される。つまり、入力部１７から予測期間Ｔ１の終了後に実際の電力量を与えることによって、判定時刻ｔｘにおいて予測期間Ｔ１の開始前に需要を予測した電力量との比較が可能になる。修正部１８は、実際の電力量に対する予測した電力量（予測結果の電力量）の誤差が想定される範囲内であれば、遷移確率は修正せず、誤差が想定される範囲を超えている場合には、遷移確率を修正する。
　修正部１８は、１回の予測結果を用いて遷移確率を修正するか否かを判断するのではなく、複数回の予測結果を用いて遷移確率を修正することが望ましい。上述したように、加重平均により電力量を算出する場合、複数回の予測結果に基づいて遷移確率を修正することにより、予測した電力量を実際の電力量に合わせ込むことが可能である。なお、修正部１８は、遷移確率を修正する代わりに、モデルごとの電力量を修正するように構成されていてもよい。
　入力部１７に条件を入力する操作器、および提示装置３０となる表示器は、需要予測装置１０のために専用に構成された操作表示装置を用いることができる。操作表示器は、液晶表示器のようなフラットパネルディスプレイである表示器と、タッチパネルあるいは押釦スイッチのような操作器とを一体に備える構成が採用される。また、需要予測装置１０に端末装置と通信するためのインターフェイス部（図示せず）を設け、端末装置を操作器および表示器として用いてもよい。この種の端末装置としては、パーソナルコンピュータのほか、スマートフォン、タブレット端末などが用いられる。
　上述した構成例において、モデル生成部１４は、電力情報のみに基づいてモデルを生成しているが、需要家２０のガスと水道水との少なくとも一方の消費に関する消費情報を含むモデルを生成してもよい。この場合、モデルは、電力量に加えて、ガスの消費量と水道水の消費量との少なくとも一方を含むことになる。
　したがって、判定時刻ｔｘの直前におけるガスあるいは水道水の消費量の推移である消費情報を含めてモデルを推定し、判定時刻ｔｘの後の予測期間Ｔ１において生じる事象としてのモデルを予測することが可能になる。言い換えると、判定時刻ｔｘの直前におけるモデルを定める情報量が増加することによって、予測期間Ｔ１に生じる事象としてのモデルを予測する精度を高めることが可能になる。さらに、モデルにガスと水道水との少なくとも一方の消費量に関する情報が含まれていると、ガスと水道水との少なくとも一方に関しても予測期間Ｔ１における需要を予測することが可能になる。
　また、モデル生成部１４は、需要家２０の外部環境を含むモデルを生成してもよい。この場合、遷移確率は、遷移するモデルにおける外部環境に応じて設定されることが望ましい。つまり、モデル生成部１４は、外部環境に応じて遷移確率を求める。外部環境は、天候（晴天、曇天、雨天など）、屋外の気温、屋外の湿度などが用いられる。これらの外部環境は、インターネットのような電気通信回線を通して取得することが望ましい。すなわち、需要予測装置１０は、電気通信回線を通して通信を可能にする通信部（図示せず）を備えることが望ましい。
　モデルが外部環境を含む場合、予測部１５は、予測期間Ｔ１における外部環境を考慮して予測結果を算出する。たとえば、予測部１５が遷移確率を用いて判断した予測結果が、予測期間Ｔ１において洗濯機の使用を予測している場合を想定する。このとき、予測部１５は、外部環境である天候が晴天であれば洗濯のみの電力量を予測結果とし、雨天の場合には洗濯と乾燥とを合計した電力量を予測結果とすればよい。また、予測部１５は、外部環境である外気温に応じて、エアコンで消費することが予測される電力量を調節して予測結果を求めてもよい。このように外部環境を考慮すれば、予測部１５が予測期間Ｔ１の需要として予測する電力量の予測精度が高められる。
　需要予測装置１０は、需要家２０ごとに設置することが可能である。また、需要家２０にＨＥＭＳ（Home Energy Management System）のコントローラが設置されている場合、計測装置２３からの電力値は、ＨＥＭＳのコントローラからインターネットのような電気通信回線を通して取得してもよい。この構成では、需要予測装置１０は、電気通信回線を通して通信するサーバに設けられる。つまり、サーバが複数の需要家２０から分岐回路ごとに消費された電力値を収集し、需要家２０ごとのモデルを生成することになる。このようにサーバが需要予測装置１０を備える場合、異なる需要家２０の間でモデルに類似性が見出されたときには、類似性の高い需要家２０をグループにまとめてもよい。この場合、グループにまとめられた複数の需要家２０に対して同じモデルを適用することが可能である。
　上述した構成例では、判定時刻ｔｘの後の予測期間Ｔ１において需要が見込まれる電力量を求めることを目的にしている。このように将来において需要が予測される電力量を求めることにより、本実施形態の需要予測装置１０を、以下のように利用することも可能である。
　たとえば、エアコンに着目した場合、エアコンを使用することが予定されている時間帯が節電要請の対象期間に含まれているとすると、外出するように促す助言、事前に室温を調節するように促す助言などを行うことが可能である。また、需要家２０に太陽光発電装置と蓄電装置とが設けられている場合、節電要請の対象期間が開始されるまでに太陽光発電装置が発電した電力の売電を控えて蓄電装置に蓄電するように助言することが可能である。
　あるいはまた、洗濯機に着目した場合、洗濯機を使用することが予定されている時間帯に節電要請の対象期間が含まれているとすると、対象期間の前または後に洗濯機を使用するように助言を行うことが可能である。同様に、洗濯機の使用が予定されている時間帯に雨天が予測される場合に、洗濯機を使用する時間帯を変更する助言を行うことが可能である。なお、洗濯機の使用が予測されている場合に洗濯機が使用されなければ、需要家２０において利用者に異常が生じた可能性があると判断する構成を付加してもよい。
　このように、需要予測装置１０により、適宜に設定される予測期間Ｔ１について、需要が予測される電力量を求めることができるから、予測した電力量を用いて様々な応用が可能になる。なお、上述した実施形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計等に応じて種々の変更が可能であることはもちろんのことである。
 

Claims (9)

  1. 　電力の需要家に設けられた分電盤で分岐された分岐回路ごとに消費された電力値を計測装置から取得する取得部と、
    　前記取得部が取得した前記分岐回路ごとの電力値と日時とを対応付けた電力情報を記憶する記憶部と、
    　前記記憶部が記憶している前記電力情報に基づいて、前記分岐回路ごとに電気負荷が電力を使用する１回の使用期間を抽出する抽出部と、
    　前記記憶部が記憶している所定期間の前記電力情報に基づいて、前記使用期間が生じた順番と、前記使用期間のそれぞれで消費された電力量と、前記使用期間の開始時刻および継続時間とを含むモデルを生成し、さらに生成した前記モデルごとに他のモデルへの遷移確率を求めるモデル生成部と、
    　指定された判定時刻において、当該判定時刻に対する過去の前記モデルと前記遷移確率とに基づいて、当該判定時刻後の期間として定められる予測期間において需要が予測される電力量を予測結果として算出する予測部とを備える
    　ことを特徴とする需要予測装置。
  2. 　前記予測部は、前記予測結果を複数生成し、かつ前記予測結果ごとに予測確率を求める
    　請求項１記載の需要予測装置。
  3. 　前記予測部による前記予測結果を提示装置に提示する出力部をさらに備える
    　請求項１又は２記載の需要予測装置。
  4. 　前記予測期間において消費された実際の電力量が入力される入力部と、
    　前記予測部が予測した前記予測結果の電力量と前記入力部に入力された実際の電力量との誤差を用いて、前記モデル生成部における前記モデル間の遷移確率を修正する修正部とをさらに備える
    　請求項１～３のいずれか１項に記載の需要予測装置。
  5. 　前記予測期間において消費された実際の電力量が入力される入力部と、
    　前記予測部が予測した前記予測結果の電力量と前記入力部に入力された実際の電力量との誤差を用いて、前記モデル生成部における前記モデルごとの電力量を修正する修正部とをさらに備える
    　請求項１～３のいずれか１項に記載の需要予測装置。
  6. 　前記モデル生成部は、
    　　前記需要家のガスと水道水との少なくとも一方の消費に関する消費情報を含むモデルを生成する
    　請求項１～５のいずれか１項に記載の需要予測装置。
  7. 　前記モデル生成部は、
    　　前記需要家の外部環境を含むモデルを生成し、かつ前記遷移確率は前記外部環境に応じて設定され、
    　前記予測部は、
    　　前記予測期間における前記外部環境を考慮して前記予測結果を算出する
    　請求項１～６のいずれか１項に記載の需要予測装置。
  8. 　前記モデル生成部は、
    　　前記抽出部が複数系統の前記分岐回路の各々について前記使用期間を抽出すると、複数系統の前記分岐回路のうち使用期間の生じた順番に関係性が見出された少なくとも１系統の前記分岐回路の組み合わせをモデル群とし、
    　　前記モデル群に属する少なくとも１系統の前記分岐回路について、前記使用期間の生じた順番と、各々の前記使用期間で消費された電力量と、各々の前記使用期間の開始時刻および継続時間とを含むモデルを生成する
    　請求項１～７のいずれか１項に記載の需要予測装置。
  9. 　コンピュータを、請求項１～８のいずれか１項に記載の需要予測装置として機能させるプログラム。
     
PCT/JP2014/004800 2013-12-10 2014-09-18 需要予測装置、プログラム Ceased WO2015087470A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US15/100,150 US20170017215A1 (en) 2013-12-10 2014-09-18 Demand prediction system and program
JP2015552290A JPWO2015087470A1 (ja) 2013-12-10 2014-09-18 需要予測装置、プログラム
EP14870498.4A EP3082096A4 (en) 2013-12-10 2014-09-18 DEMAND PRESENCE DEVICE AND PROGRAM

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013255395 2013-12-10
JP2013-255395 2013-12-10

Publications (1)

Publication Number Publication Date
WO2015087470A1 true WO2015087470A1 (ja) 2015-06-18

Family

ID=53370808

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/004800 Ceased WO2015087470A1 (ja) 2013-12-10 2014-09-18 需要予測装置、プログラム

Country Status (4)

Country Link
US (1) US20170017215A1 (ja)
EP (1) EP3082096A4 (ja)
JP (1) JPWO2015087470A1 (ja)
WO (1) WO2015087470A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976072A (zh) * 2016-05-31 2016-09-28 中国地质科学院矿产资源研究所 基于“s”形模型的电力需求预测方法
CN106126769A (zh) * 2016-05-31 2016-11-16 中国地质科学院矿产资源研究所 基于s形模型的铅需求预测方法
CN108572631A (zh) * 2018-03-08 2018-09-25 华南理工大学 一种基于二型模糊认知图的智能控制系统及方法
EP3467984A4 (en) * 2016-05-30 2019-11-13 Hitachi, Ltd. SYSTEM MONITOR AND PROGRAM
JP2021036752A (ja) * 2019-08-30 2021-03-04 株式会社日立製作所 分散リソースの調整力管理装置および調整力管理方法
JP2022029292A (ja) * 2020-08-04 2022-02-17 東京瓦斯株式会社 ガスの需要予測方法、システム、プログラム、記録媒体およびサーバー

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017093193A (ja) * 2015-11-12 2017-05-25 富士通株式会社 電力調達調整プログラム、電力調達調整装置および電力調達調整方法
WO2017183337A1 (ja) * 2016-04-22 2017-10-26 住友電気工業株式会社 デマンド監視装置、デマンド監視システム、デマンド監視方法およびデマンド監視プログラム
JP6735219B2 (ja) * 2016-12-05 2020-08-05 株式会社日立製作所 予測システム及び予測方法
US10819116B2 (en) * 2017-02-28 2020-10-27 International Business Machines Corporation Forecasting solar power generation using real-time power data
US10447077B2 (en) 2017-04-26 2019-10-15 Kohler Co. Predictive generator events
CN110245771B (zh) * 2018-03-09 2021-08-20 亿可能源科技（上海）有限公司 需量预测方法、需量控制方法及系统
AU2022284507B2 (en) * 2021-06-02 2025-01-16 Ihi Corporation Energy consumption prediction device, energy consumption prediction method, and energy consumption prediction program

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011232903A (ja) 2010-04-27 2011-11-17 Sekisui Chem Co Ltd 予測表示サーバ及び予測表示システム
WO2014126131A1 (ja) * 2013-02-13 2014-08-21 株式会社構造計画研究所 生活行動推定システム、生活行動推定装置、生活行動推定プログラム、及び記録媒体

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4181950A (en) * 1977-09-30 1980-01-01 Westinghouse Electric Corp. Adaptive priority determination power demand control method
JP5618501B2 (ja) * 2009-07-14 2014-11-05 株式会社東芝 需要予測装置、プログラムおよび記録媒体
US9251479B2 (en) * 2010-07-02 2016-02-02 General Electric Technology Gmbh Multi-interval dispatch method for enabling dispatchers in power grid control centers to manage changes
US8930037B2 (en) * 2010-10-01 2015-01-06 General Electric Company Energy manager with minimum use energy profile
JP6277537B2 (ja) * 2012-04-09 2018-02-14 パナソニックＩｐマネジメント株式会社 エネルギー管理装置、エネルギー管理システム、エネルギー管理方法、およびプログラム
SG11201500172TA (en) * 2012-07-13 2015-07-30 Nitto Denko Corp On-demand multiple power source management system, on-demand multiple power source management system program and computer-readable recording medium on which said program is recorded

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011232903A (ja) 2010-04-27 2011-11-17 Sekisui Chem Co Ltd 予測表示サーバ及び予測表示システム
WO2014126131A1 (ja) * 2013-02-13 2014-08-21 株式会社構造計画研究所 生活行動推定システム、生活行動推定装置、生活行動推定プログラム、及び記録媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3082096A4

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3467984A4 (en) * 2016-05-30 2019-11-13 Hitachi, Ltd. SYSTEM MONITOR AND PROGRAM
CN105976072A (zh) * 2016-05-31 2016-09-28 中国地质科学院矿产资源研究所 基于“s”形模型的电力需求预测方法
CN106126769A (zh) * 2016-05-31 2016-11-16 中国地质科学院矿产资源研究所 基于s形模型的铅需求预测方法
CN108572631A (zh) * 2018-03-08 2018-09-25 华南理工大学 一种基于二型模糊认知图的智能控制系统及方法
JP2021036752A (ja) * 2019-08-30 2021-03-04 株式会社日立製作所 分散リソースの調整力管理装置および調整力管理方法
JP7184716B2 (ja) 2019-08-30 2022-12-06 株式会社日立製作所 分散リソースの調整力管理装置および調整力管理方法
JP2022029292A (ja) * 2020-08-04 2022-02-17 東京瓦斯株式会社 ガスの需要予測方法、システム、プログラム、記録媒体およびサーバー
JP7461244B2 (ja) 2020-08-04 2024-04-03 東京瓦斯株式会社 ガスの需要予測方法、システム、プログラム、記録媒体およびサーバー

Also Published As

Publication number Publication date
EP3082096A1 (en) 2016-10-19
EP3082096A4 (en) 2016-10-26
JPWO2015087470A1 (ja) 2017-03-16
US20170017215A1 (en) 2017-01-19

Similar Documents

Publication Publication Date Title
WO2015087470A1 (ja) 需要予測装置、プログラム
JP4648482B1 (ja) 分析装置及び計測管理システム
JP5929575B2 (ja) 消費電力管理装置及び消費電力管理システム
JP6610059B2 (ja) 電力需要誘導装置
US10380706B2 (en) Equipment management apparatus
US11329602B2 (en) Device and method for simulating power consumption by power load
EP3958195B1 (en) Energy prediction system, energy prediction method, program, recording medium, and management system
CN110312637B (zh) 改进的充电装置，尤其适用于电动汽车
EP2730003B1 (en) Distributed energy grid management
Huang et al. Real-time data and energy management in microgrids
JP2017169289A (ja) 電力予測システム、電力予測方法及びプログラム
JP2016077051A (ja) デマンドレスポンス量配分システム
KR101866564B1 (ko) 원격검침 로드 프로파일의 부하기기별 전력 사용 패턴 분리 장치 및 방법
JP6264695B2 (ja) 電力管理装置、及び情報提示方法
JPWO2018042521A1 (ja) 給湯制御システム、サーバ、給湯制御方法及びプログラム
JP6437139B2 (ja) 電力管理装置、サーバ、電力管理システム、電力管理方法、及び、プログラム
JPWO2017104237A1 (ja) 情報処理装置、その情報処理方法、およびプログラム
JP6292515B2 (ja) 需要予測装置、プログラム
JP2016127622A (ja) 電力需要予測システム
US10601225B2 (en) Management device, management system, control method for management device, and control program
JP5984095B2 (ja) 行動管理装置、行動管理方法およびプログラム
JP6641235B2 (ja) 負荷推定装置及び負荷推定方法
JP2016218681A (ja) インセンティブ予測量提示装置
AU2023288807B2 (en) Hot water supply system and hot water supply method
EP4546247A1 (en) Water heater system and water heater method

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: 14870498

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015552290

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15100150

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2014870498

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014870498

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE