図面 (/)

技術 卸電力価格予測システムおよび卸電力価格予測方法

出願人 株式会社日立製作所
発明者 岡本佳久渡辺徹飯島光一朗内海将人
出願日 2014年10月22日 (6年2ヶ月経過) 出願番号 2014-215189
公開日 2016年5月16日 (4年7ヶ月経過) 公開番号 2016-081452
状態 特許登録済
技術分野 特定用途計算機
主要キーワード 情報入出力端末 変化量閾値 時系列推定 気候情報 平均時刻 管理者システム 参照期間 変動パラメータ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年5月16日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (19)

課題

電力価格予測精度を向上させる。

解決手段

卸電力価格予測システムは、予測対象日における属性予測値である属性予測値と属性及び複数のクラスタとの関係を示す決定木とに基づいて、複数のクラスタの中から、属性予測値に対応する対象クラスタを選択し、対象クラスタ及び予測方式切替情報に基づいて、複数の予測方式の中から一つの特定予測方式を選択し、特定予測方式を用いて、複数の観測日の時系列実績値から、予測対象日の時系列の卸電力価格を時系列予測値として算出する。

概要

背景

近年、卸電力取引市場において多数の参加者により価格を決定する電力取引の拡大が期待されている。各参加者は、円滑な取引のために卸電力取引市場の価格推移予測できることが望ましい。

卸電力取引市場における将来の価格推移を予測する技術が知られている。

特許文献1によれば、過去に観測された電力需要時系列情報を、周期的に発生する変動と、ランダムに発生する変動とに分解して、各変動の予測値を合成することにより電力需要の予測値を計算し、電力需要の予測値に特定の係数を乗じて定数加算することにより、電力価格の予測値を計算することが可能であると記載されている。

また、特許文献2によれば、卸電力価格の履歴情報と、予め設定した説明変数曜日気温原油価格)の履歴情報に基づき重回帰モデルを同定し、同定した重回帰モデルを用いて、卸電力価格の予測値を計算することが可能であると記載されている。

概要

卸電力価格の予測精度を向上させる。卸電力価格予測システムは、予測対象日における属性の予測値である属性予測値と属性及び複数のクラスタとの関係を示す決定木とに基づいて、複数のクラスタの中から、属性予測値に対応する対象クラスタを選択し、対象クラスタ及び予測方式切替情報に基づいて、複数の予測方式の中から一つの特定予測方式を選択し、特定予測方式を用いて、複数の観測日の時系列実績値から、予測対象日の時系列の卸電力価格を時系列予測値として算出する。

目的

本発明は以上の点を考慮してなされたものであり、卸電力価格の予測精度を向上させることを目的とする

効果

実績

技術文献被引用数
1件
牽制数
4件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

予測対象日電力価格予測する卸電力価格予測システムであって、前記予測対象日より過去の複数の観測日の夫々に観測された時系列の卸電力価格である時系列実績値を記憶し、前記複数の観測日に対応するクラスタを示す分類情報を記憶し、卸電力価格に影響を与える属性について、前記予測対象日における前記属性の予測値である属性予測値を記憶し、前記属性と前記複数のクラスタの関係を示す決定木を記憶し、前記複数のクラスタと予め定められた複数の予測方式との関係を示す予測方式切替情報を記憶する記憶部と、前記属性予測値及び前記決定木に基づいて、前記複数のクラスタの中から、前記属性予測値に対応する対象クラスタを選択し、前記対象クラスタ及び前記予測方式切替情報に基づいて、前記複数の予測方式の中から一つの特定予測方式を選択し、前記特定予測方式を用いて、前記複数の観測日の時系列実績値から、前記予測対象日の時系列の卸電力価格を時系列予測値として算出する算出部と、を備える卸電力価格予測システム。

請求項2

前記算出部は、前記複数の予測方式の少なくとも一つである第一予測方式を用いる場合、前記複数の観測日の中から、前記予測対象日より過去で前記対象クラスタに対応する複数の参照観測日を選択し、前記複数の参照観測日の時系列実績値に基づいて前記時系列予測値を算出する、請求項1に記載の卸電力価格予測システム。

請求項3

前記記憶部は、前記複数の観測日に観測された前記属性の実績値である属性実績値を記憶し、前記複数の観測日の時系列実績値を前記複数のクラスタに分類することにより前記複数の観測日の夫々に対応するクラスタを示す前記分類情報を生成し、前記属性実績値と前記分類情報に基づいて前記決定木を生成し、前記複数の観測日の時系列実績値と前記属性実績値と前記分類情報に基づいて前記予測方式切替情報を生成する生成部を更に備える、請求項2に記載の卸電力価格予測システム。

請求項4

前記記憶部は、前記複数の観測日に観測された複数の属性実績値と、前記予測対象日の前記複数の属性予測値とを記憶し、前記算出部は、前記複数の予測方式の少なくとも一つである第二予測方式を用いる場合、前記複数の観測日の夫々の時系列実績値におけるピーク時刻を検出し、前記複数の属性の中から、前記ピーク時刻との相関が高い特定属性を選択し、前記予測対象日の特定属性の予測値と前記特定属性の実績値とに基づいて、前記複数の観測日の中から特定観測日を選択し、前記特定観測日の時系列実績値に基づいて前記時系列予測値を算出する、請求項3に記載の卸電力価格予測システム。

請求項5

前記生成部は、前記複数の観測日の夫々の時系列実績値の周波数成分に基づいて、前記複数の観測日の時系列実績値を前記複数のクラスタに分類する、請求項4に記載の卸電力価格予測システム。

請求項6

前記生成部は、複数のクラスタ数候補の夫々に対し、複数のクラスタ候補を生成し、前記複数のクラスタ候補の夫々の評価指標を算出し、前記複数のクラスタ数候補の中から最良の評価指標に対応するクラスタ数候補を前記複数のクラスタの数として選択する、請求項5に記載の卸電力価格予測システム。

請求項7

前記生成部は、前記複数の観測日の中から前記対象クラスタに対応する推定対象日を選択し、予め定められた複数の予測方式の夫々を用いて、前記推定対象日より過去の観測日の時系列実績値から、前記推定対象日の時系列の卸電力価格を時系列推定値として算出し、前記時系列推定値及び前記推定対象日の時系列実績値に基づいて、前記推定対象日の時系列実績値に対する前記時系列推定値の誤差の大きさを示す誤差評価値を算出し、誤差評価値に基づいて予測方式切替情報を作成する、請求項6に記載の卸電力価格予測システム。

請求項8

前記算出部は、前記複数の観測日の中の特定観測日の時系列実績値の変動の大きさが予め定められた条件を満たす場合、前記予測対象日の卸電力価格の変動の傾向を示す変動パラメータを予測する、請求項7に記載の卸電力価格予測システム。

請求項9

前記算出部は、前記対象クラスタの中心に最も近い時系列実績値を選択し、前記選択された時系列実績値を表示装置に表示させる、請求項1乃至8の何れか一項に記載の卸電力価格予測システム。

請求項10

前記算出部は、前記特定予測方式及び前記時系列予測値の少なくとも何れかを表示装置に表示させる、請求項1乃至8の何れか一項に記載の卸電力価格予測システム。

請求項11

予測対象日の卸電力価格を予測する卸電力価格予測方法であって、前記予測対象日より過去の複数の観測日の夫々に観測された時系列の卸電力価格である時系列実績値を記憶し、前記複数の観測日の時系列実績値の分類を示す複数のクラスタを示す分類情報を記憶し、卸電力価格に影響を与える属性について、前記予測対象日における前記属性の予測値である属性予測値を記憶し、前記属性及び前記複数のクラスタの関係を示す決定木を記憶し、前記複数のクラスタと予め定められた複数の予測方式との関係を示す予測方式切替情報を記憶し、前記属性予測値及び前記決定木に基づいて、前記複数のクラスタの中から、前記属性予測値に対応する対象クラスタを選択し、前記対象クラスタ及び前記予測方式切替情報に基づいて、前記複数の予測方式の中から一つの特定予測方式を選択し、前記特定予測方式を用いて、前記複数の観測日の時系列実績値から、前記予測対象日の時系列の卸電力価格を時系列予測値として算出することを備える卸電力価格予測方法。

技術分野

0001

本発明は、電力価格予測システムに関する。

背景技術

0002

近年、卸電力取引市場において多数の参加者により価格を決定する電力取引の拡大が期待されている。各参加者は、円滑な取引のために卸電力取引市場の価格推移予測できることが望ましい。

0003

卸電力取引市場における将来の価格推移を予測する技術が知られている。

0004

特許文献1によれば、過去に観測された電力需要時系列情報を、周期的に発生する変動と、ランダムに発生する変動とに分解して、各変動の予測値を合成することにより電力需要の予測値を計算し、電力需要の予測値に特定の係数を乗じて定数加算することにより、卸電力価格の予測値を計算することが可能であると記載されている。

0005

また、特許文献2によれば、卸電力価格の履歴情報と、予め設定した説明変数曜日気温原油価格)の履歴情報に基づき重回帰モデルを同定し、同定した重回帰モデルを用いて、卸電力価格の予測値を計算することが可能であると記載されている。

先行技術

0006

特開2004−145396号公報
特開2008−084095号公報

発明が解決しようとする課題

0007

しかしながら、従来の技術では、予め設定した説明変数が卸電力価格を変動させる支配要因でない時、また、予め設定した説明変数以外に支配要因が存在する時等、予測方式が適切でない場合に、予測精度が低下する。例えば、説明できない要因によって突発的に価格が急変した場合は、予測精度が大幅に低下する。

0008

本発明は以上の点を考慮してなされたものであり、卸電力価格の予測精度を向上させることを目的とする。

課題を解決するための手段

0009

上記課題を解決するために、本発明の一態様である卸電力価格予測システムは、予測対象日の卸電力価格を予測する卸電力価格予測システムであって、前記予測対象日より過去の複数の観測日の夫々に観測された時系列の卸電力価格である時系列実績値を記憶し、前記複数の観測日に対応するクラスタを示す分類情報を記憶し、卸電力価格に影響を与える属性について、前記予測対象日における前記属性の予測値である属性予測値を記憶し、前記属性と前記複数のクラスタの関係を示す決定木を記憶し、前記複数のクラスタと予め定められた複数の予測方式との関係を示す予測方式切替情報を記憶する記憶部と、前記属性予測値及び前記決定木に基づいて、前記複数のクラスタの中から、前記属性予測値に対応する対象クラスタを選択し、前記対象クラスタ及び前記予測方式切替情報に基づいて、前記複数の予測方式の中から一つの特定予測方式を選択し、前記特定予測方式を用いて、前記複数の観測日の時系列実績値から、前記予測対象日の時系列の卸電力価格を時系列予測値として算出する算出部と、を備える。

図面の簡単な説明

0010

本発明の実施形態の電力取引システム4の構成を示す。
卸電力価格予測システム6の機能構成を示す。
卸電力価格予測システム6の構成を示す。
価格予測情報124Aを示す。
価格情報103Aを示す。
価格分類情報104Aを示す。
予測方式切替情報107Aを示す。
外部情報111Aを示す。
決定木情報105Aの概念図を示す。
決定木情報105Aの別の形態を示す。
価格分類部101の動作を示す。
価格分類部101により抽出された特徴量を示す。
価格分類部101により分類されたクラスタを示す。
予測方式切替部122の動作を示す。
予測方式Aの価格予測処理を示す。
予測方式Bの価格予測処理を示す。
予測方式Cの価格予測処理を示す。
予測方式Dの価格予測処理を示す。

実施例

0011

本発明の実施形態について図面を参照して説明する。

0012

(1)全体構成

0013

図1は、本発明の実施形態の電力取引システム4の構成を示す。

0014

電力取引システム4は、取引参加者電力取引市場において他の取引参加者と電力取引を行うためのシステムである。電力取引システム4は、取引参加者により用いられる取引参加者システム1、取引市場運用者により用いられる取引市場運用者システム2、外部情報管理者により用いられる外部情報管理者システム3を含む。

0015

取引参加者は、電力小売事業者電力アグリゲータなど、電力取引市場において電力取引を行う事業者である。取引参加者システム1は、卸電力価格予測システム6、情報入出力端末13を含む。卸電力価格予測システム6は、価格情報管理装置10、外部情報管理装置11、価格情報予測装置12を含む。

0016

取引市場運用者は、取引参加者が電力取引を行うために必要な情報を管理する事業者である。取引市場運用者システム2は、電力取引市場における価格情報を配信するための価格情報配信端末20を含む。

0017

外部情報管理者は、卸電力価格の変動要因となり得る気象情報経済情報などの外部情報を管理する事業者である。外部情報管理者システム3は、外部情報を配信するための外部情報配信端末30を含む。

0018

図2は、卸電力価格予測システム6の機能構成を示す。

0019

価格情報管理装置10は、情報入出力部100、価格分類部101、決定木作成部102、予測方式切替情報作成部106、価格情報記憶部103、価格分類情報記憶部104、決定木情報記憶部105、予測方式切替情報記憶部107を含む。情報入出力部100は、価格情報配信端末20から価格情報103Aを取得し、価格情報記憶部103へ保存する。価格情報103Aは、各観測日における卸電力価格の時系列情報を含む。価格分類部101は、価格情報103Aに基づいて、価格分類情報104Aを作成し、価格分類情報記憶部104へ保存する。価格分類情報104Aは、各観測日における卸電力価格の時系列情報に対するクラスタ番号を含む。決定木作成部102は、価格分類情報104Aと外部情報111Aに基づいて、決定木情報105Aを作成し、決定木情報記憶部105へ保存する。決定木情報105Aは、外部情報111Aからクラスタ番号を決定するための決定木を示す。予測方式切替情報作成部106は、価格情報103Aと価格分類情報104Aと外部情報111Aに基づいて、予測方式切替情報107Aを作成し、予測方式切替情報記憶部107へ保存する。予測方式切替情報107Aは、クラスタ番号から予測方式を決定するための切替情報を示す。

0020

決定木を作成する際、決定木作成部102は、まず決定木のリーフに対して卸電力価格の時系列情報を対応付け、次いで各時系列情報をクラスタ番号に置き換えることにより、決定木のリーフとクラスタ番号を対応付ける。本実施形態の図9は、決定木の末端ノード(リーフ)に対応して1つのクラスタ番号が対応されている形態を示した。本形態のほかに、図10のように、決定木の末端ノードに対して、複数のクラスタ番号が対応付けられるようにしても良い。この場合ノード(属性に対応、特にリーフにおいてはクラスタ番号に対応)と枝(属性の値に対応)で構成される決定木が、十分な数の属性から構成できず、一意にリーフがクラスタ番号と対応しない場合においても、適切な処理が行える。

0021

外部情報管理装置11は、情報入出力部110、外部情報記憶部111を含む。情報入出力部110は、外部情報配信端末30より外部情報111Aを取得し、外部情報記憶部111へ保存する。外部情報111Aは、各観測日における気象情報や経済情報などを含む。

0022

価格情報予測装置12は、情報入出力部120、クラスタ決定部121、予測方式切替部122、価格予測部123、価格予測情報記憶部124を含む。クラスタ決定部121は、決定木情報105Aと外部情報111Aに基づいて、予測対象日における卸電力価格の時系列情報に対するクラスタ番号を決定する。予測方式切替部122は、決定したクラスタ番号と予測方式切替情報107Aに基づいて、予測対象日における卸電力価格の時系列情報を予測するための予測方式を決定する。価格予測部123は、決定した予測方式と価格情報103Aと外部情報111Aに基づいて、価格予測情報124Aを作成し、価格予測情報記憶部124へ保存する。価格予測情報124Aは、予測対象日における卸電力価格の時系列情報を含む。情報入出力部120は、価格予測情報124Aや、価格予測情報124Aに含まれる予測対象日の卸電力価格の時系列情報の波形等を示す画面を、図3で示される出力装置1203、情報入出力端末13等の表示装置に表示させる。

0023

本発明は本実施形態に限定されるものではない。決定木のリーフに対して複数のクラスタ番号が対応付けられるケースでは、図7を用いて各々のクラスタ番号に対応づく予測方式を仮選択した後にそのいずれかの予測方式を最終選択するようにして良い。このときは、複数の予測方式の中で、クラスタ番号に対応づくクラスタに分類されている価格時系列の個数が最大のクラスタのクラスタ番号に対応づく予測方式を最終選択する。さらに、別の実施形態ではより簡易な方法として、予測方式切替部122は、予測方式切替情報107Aの代わりに、夜昼、月番号(1,2,...,12)、時間帯(例えば、日没付近の時間帯)といった時間情報により、予測方式を切り替えても良い。また季節天候といった気候情報により予測方式を切り替えても良い。また、直前の時間帯において、もっとも推定精度の高かった予測方式を選択するようにしても良い。

0024

(2)内部構成

0025

図3は、卸電力価格予測システム6の構成を示す。

0026

価格情報管理装置10は、CPU(central processing unit)1001、入力装置1002、出力装置1003、通信装置1004、記憶装置1000を含む。価格情報管理装置10は、例えば、サーバ装置やPC(personal computer)などの情報処理装置である。

0027

入力装置1002は、キーボードマウス等を含む。出力装置1003は、ディスプレイプリンタ等を含む。通信装置1004は、LAN(local area network)やUSB(universal serial bus)などの有線もしくは無線ネットワーク5に接続されるインターフェースデバイスである。記憶装置1000は、RAM(random access memory)やROM(read only memory)などの半導体メモリや、HDD(hard disk drive)等である。

0028

記憶装置1000には、情報入出力部100、価格分類部101、決定木作成部102、予測方式切替情報作成部106などのためのコンピュータプログラムが格納されている。CPU1001がこれらのコンピュータプログラムに従って動作することにより、情報入出力部100、価格分類部101、決定木作成部102、予測方式切替情報作成部106を実現する。

0029

情報入出力部100は、価格情報記憶部103に対して、価格情報103Aの登録または削除を行うプログラムである。

0030

価格分類部101は、価格情報配信端末20より取得した価格情報103Aから、過去に観測された卸電力価格の時系列情報を取得し、取得した卸電力価格の時系列情報の概形に応じて卸電力価格の時系列情報を分類して複数のクラスタを作成するプログラムである。

0031

決定木作成部102は、外部情報配信端末30より取得した外部情報111Aから、過去に観測された外部情報を取得し、価格分類部101が作成したクラスタに基づいて外部情報からクラスタを決定するための決定木を作成するプログラムである。

0032

予測方式切替情報作成部106は、価格情報配信端末20より取得した価格情報103Aから、過去に観測された卸電力価格の時系列情報を取得し、外部情報配信端末30より取得した外部情報111Aから、過去に観測された外部情報を取得し、価格分類情報104Aが作成したクラスタ分類情報に基づいて、クラスタ番号から予測方式を決定するための予測方式切替情報107Aを作成するプログラムである。

0033

また、記憶装置1000には、価格情報記憶部103、価格分類情報記憶部104、決定木情報記憶部105、予測方式切替情報記憶部107などのデータベースが格納されている。価格情報記憶部103には、価格情報103Aが保持される。価格分類情報記憶部104には、価格分類情報104Aが保持される。決定木情報記憶部105には、決定木情報105Aが保持される。予測方式切替情報記憶部107には、予測方式切替情報107Aが保持される。

0034

価格情報103Aは、各観測日における卸電力価格の時系列情報を含む情報である。

0035

価格分類情報104Aは、各観測日における卸電力価格の時系列情報に対するクラスタ番号を含む情報である。

0036

決定木情報105Aは、外部情報とクラスタ番号の関係を含む情報である。

0037

予測方式切替情報107Aは、クラスタ番号と予測方式の関係を含む情報である。

0038

外部情報管理装置11は、CPU1101、入力装置1102、出力装置1103、通信装置1104、記憶装置1100を含む。外部情報管理装置11は、例えば、サーバやPCなどの情報処理装置である。

0039

入力装置1102は、キーボード、マウス等を含む。出力装置1103は、ディスプレイ、プリンタ等を含む。通信装置1104は、LANやUSBなどの有線、もしくは無線のネットワークである。記憶装置1100は、RAMやROMなどのメモリである。

0040

記憶装置1100には、情報入出力部110などのためのコンピュータプログラムが格納されている。CPU1101がこのコンピュータプログラムに従って動作することにより、情報入出力部110を実現する。

0041

情報入出力部110は、外部情報記憶部111に対して、外部情報111Aの登録または削除を行うプログラムである。

0042

また、記憶装置1100には、外部情報記憶部111などのデータベースが格納されている。外部情報記憶部111には、外部情報111Aが保持される。

0043

外部情報111Aは、各観測日における気象情報や経済情報などを含む情報である。

0044

価格情報予測装置12は、CPU1201、入力装置1202、出力装置1203、通信装置1204、記憶装置1200等を含む。価格情報予測装置12は、例えば、サーバやPCなどの情報処理装置である。

0045

入力装置1202は、キーボード、マウス等を含む。出力装置1203は、ディスプレイ、プリンタ等を含む。通信装置1204は、LANやUSBなどの有線、もしくは無線のネットワークである。記憶装置1200は、RAMやROMなどのメモリである。

0046

記憶装置1200には、クラスタ決定部121、予測方式切替部122、価格予測部123などのためのコンピュータプログラムが格納されている。CPU126がこれらのコンピュータプログラムに従って動作することにより、クラスタ決定部121、予測方式切替部122、価格予測部123を実現する。

0047

クラスタ決定部121は、外部情報配信端末30より取得した外部情報111Aから、予測対象日における外部情報を取得し、取得した外部情報を用いて決定木作成部102が作成した決定木を探索し、予測対象日における卸電力価格の時系列情報に対するクラスタ番号を決定するプログラムである。

0048

予測方式切替部122は、クラスタ決定部121が決定したクラスタ番号を用いて、予測方式切替情報作成部106が作成した予測方式切替情報107Aに基づいて予測対象日における卸電力価格の時系列情報を予測するための予測方式を決定するプログラムである。

0049

価格予測部123は、予測方式切替部122が決定した予測方式を用いて、予測対象日における卸電力価格の時系列情報を予測するプログラムである。

0050

また、記憶装置1200には、価格予測情報記憶部124などのデータベースが格納されている。価格予測情報記憶部124には、価格予測情報124Aが保持される。

0051

なお、価格情報管理装置10、外部情報管理装置11、価格情報予測装置12の何れか複数の装置の機能が一つの装置で実現されてもよい。例えば、情報入出力部100、価格分類部101、決定木作成部102、予測方式切替情報作成部106、情報入出力部120、クラスタ決定部121、予測方式切替部122、価格予測部123が、一つのコンピュータで実現されてもよい。また、記憶装置1000、1100、1200の何れか複数の装置が一つの装置で実現されてもよい。情報入出力部100、情報入出力部120の夫々は、ローカルの装置内の記憶装置にアクセスしてもよいし、外部の装置内の記憶装置にアクセスしてもよい。

0052

(3)各構成の詳細

0053

図4は、価格予測情報124Aを示す。

0054

価格予測情報124Aは、価格予測部123によって作成される情報であり、将来の予測対象日に対して算出された卸電力価格の予測値である価格予測値が格納される。

0055

具体的に価格予測情報124Aは、予測対象日毎のエントリを有する。一つの予測対象日に対応するエントリは、予測対象日欄124A1、価格予測値欄124A2を含む。

0056

予測対象日欄124A1には、当該予測対象日の日付が格納される。

0057

価格予測値欄124A2には、当該予測対象日における価格予測値の時系列情報である時系列価格予測値(時系列予測値)が格納される。時系列価格予測値は、予め定められた複数の時間帯(ピリオド)の夫々における価格予測値を含む。価格予測値は、単位電力量当たりの価格を示す。

0058

従って、この図の例において、予測対象日「2014年8月1日」における時系列価格予測値は、ピリオド1で「35.25£/MWh」、ピリオド2で「37.94£/MWh」、・・・、ピリオド48で「38.56£/MWh」となることが示されている。ここで、ピリオドとは、電力商品受渡時刻を表すインデックスで、受渡しが30分単位の電力商品の場合、0:00−0:30をピリオド1、0:30−1:00をピリオド2、・・・、23:00−24:00をピリオド48としている。ピリオドの時間長は、例えば卸電力市場により定められており、他の時間長であってもよい。

0059

図5は、価格情報103Aを示す。

0060

価格情報103Aは、価格情報配信端末20より取得される情報であり、過去の観測日に観測された卸電力価格の実績値である価格実績値が格納される。

0061

具体的に価格情報103Aは、観測日毎のエントリを有する。一つの観測日に対応するエントリは、観測日欄103A1、価格実績値欄103A2を含む。

0062

観測日欄103A1には、当該観測日の日付が格納される。

0063

価格実績値欄103A2には、当該観測日における価格実績値の時系列情報である時系列価格実績値(時系列実績値)が格納される。時系列価格実績値は、予め定められた複数の時間帯の夫々における価格実績値を含む。

0064

従って、この図の例において、観測日「2012年1月1日」の時系列価格実績値は、ピリオド1で「45.46£/MWh」、ピリオド2で「47.19£/MWh」、・・・、ピリオド48で「35.69£/MWh」となることが示されている。

0065

図6は、価格分類情報104Aを示す。

0066

価格分類情報104Aは、価格分類部101によって作成される情報であり、過去の観測日の時系列価格実績値に対応するクラスタ番号が格納される。各観測日の時系列価格実績値は、その特徴により複数のクラスタの何れかに分類される。クラスタ番号は、複数のクラスタの何れか一つを示す識別子である。

0067

具体的に価格分類情報104Aは、観測日毎のエントリを有する。一つの観測日に対応するエントリは、観測日欄104A1、クラスタ番号欄104A2を含む。

0068

観測日欄104A1には、当該観測日の日付が格納される。

0069

クラスタ番号欄104A2には、当該観測日の時系列価格実績値に対応するクラスタ番号が格納される。

0070

従って、この図の例において、観測日「2012年1月1日」のクラスタ番号は「4」となることが示されている。

0071

図7は、予測方式切替情報107Aを示す。

0072

予測方式切替情報107Aは、予測方式切替情報作成部106によって作成される情報であり、クラスタ番号に対応する予測方式が格納される。

0073

具体的に予測方式切替情報107Aは、クラスタ番号毎のエントリを有する。一つのクラスタ番号に対応するエントリは、クラスタ番号欄107A1、予測方式欄107A2を含む。

0074

クラスタ番号欄107A1には、クラスタ番号が格納される。

0075

予測方式欄107A2には、当該クラスタ番号に対応する予測方式が格納される。

0076

従って、この図の例において、クラスタ番号「1」の予測方式は「B」となることが示されている。

0077

図8は、外部情報111Aを示す。

0078

外部情報111Aは、外部情報配信端末30より取得される情報であり、過去に観測された外部情報の実績値である外部情報実績値と、将来の外部情報の予測値である外部情報予測値とが格納される。

0079

具体的に外部情報111Aは、観測日毎のエントリを有する。ここでの観測日は、過去の観測日と将来の観測日を含む。一つの観測日に対応するエントリは、観測日欄111A1、外部情報値欄111A2を含む。

0080

観測日欄111A1には、当該観測日の日付が格納される。

0081

外部情報値欄111A2には、当該観測日に対応する外部情報の実績値及び予測値が格納される。外部情報が複数の属性を含む場合、外部情報値欄111A2には、複数の属性の夫々に対し、当該観測日に対応する実績値及び予測値が格納される。属性は、季節、平均気温日没時刻等である。なお、季節の区切り方は、国ごとに異なってもよい。例えば、日本の場合は、3月〜5月を「」、6月〜8月を「」、9月〜11月を「」、12月〜2月を「」とし、英国の場合は、4月〜6月を「春」、7月〜9月を「夏」、10月〜12月を「秋」、1月〜3月を「冬」としてもよい。また、季節は、月ではなく、気候条件(平均気温、平均日射量、晴や雨などの発生頻度)などに基づいて区切ってもよい。

0082

従って、この図の例において、観測日「2012年1月1日」の季節は「冬」、平均気温は「10℃」、日没時刻は「16:03」となることが示されている。

0083

図9は、決定木情報105Aの概念図を示す。

0084

決定木情報105Aは、決定木作成部102によって作成される情報であり、外部情報からクラスタ番号を決定するための決定木を示す。

0085

具体的に決定木情報105Aは、ノードラベル欄105A1、パスラベル欄105A2、クラスタ番号欄105A3を含む。

0086

ノードラベル欄105A1には、属性の名称が格納される。

0087

パスラベル欄105A2には、当該属性の値が格納される。

0088

クラスタ番号欄105A3には、クラスタ番号が格納される。

0089

従って、この図の例において、ノードラベル「季節」に対応するパスは「春・秋」「夏」「冬」となることが示されている。

0090

(4)処理フロー

0091

卸電力価格予測システム6における処理手順を示す。

0092

価格情報予測装置12は、予測対象日毎に、クラスタ決定部121、予測方式切替部122、価格予測部123の動作を実行する。

0093

<価格分類部101>

0094

価格分類部101では、過去に観測された卸電力価格の時系列情報をその概形に応じて分類し、各観測日における卸電力価格の時系列情報のクラスタ番号を計算する。

0095

図11は、価格分類部101の動作を示す。

0096

まず、ステップS1011にて価格分類部101は、価格情報103Aから、過去の分類対象期間内の観測日の時系列価格実績値を取得する。分類対象期間は、予め定められた参照時間長だけ過去の観測日から最新の観測日までの期間である。参照時間長は例えば2年である。次に、ステップS1012にて価格分類部101は、ステップS1011で取得した時系列価格実績値から、クラスタリングに用いる特徴量を抽出する。例えば、価格分類部101は、時系列価格実績値をフーリエ変換することにより周波数解析し、得られるフーリエ係数を特徴量として用いても良い。なお、価格分類部101は、特徴量に対応するフィルタ等、他の方法を用いて、時系列価格実績値から特徴量を算出してもよい。

0097

図12は、価格分類部101により抽出された特徴量を示す。

0098

この図の例において、価格分類部101は、図5の価格情報103Aの例をフーリエ変換することにより得られるフーリエ係数を特徴量として抽出している。ここでは、価格分類部101は、ピリオドの時間長により定まる周波数1〜周波数25のフーリエ係数のうち、予め定められた周波数1〜周波数3のフーリエ係数を特徴量として抽出している。

0099

次に、価格分類部101は、複数のクラスタ数候補の夫々を順次選択してステップS1013からステップS1016を繰り返す。クラスタ数候補は、予め設定されたクラスタ数の候補である。次に、ステップS1014にて価格分類部101は、ステップS1012で抽出した特徴量を、選択されたクラスタ数候補のクラスタに分類し、各観測日のクラスタ番号を計算する。ここで価格分類部101は、特徴量の分類に、K−means法最短距離法などの既存のクラスタリング手法を用いることができる。

0100

図13は、価格分類部101により分類されたクラスタを示す。

0101

この図の例は、前述の特徴量を軸とする空間に、観測日毎の特徴量で表される点をプロットし、観測日をクラスタに分類した結果を示す。ここでのクラスタ数は6であり、価格分類部101は、図12に示す特徴量(周波数1〜3)を6つのクラスタに分類しており、図6に示すように観測日毎の時系列価格実績値を1〜6のクラスタ番号の何れかに割り振る。次に、ステップS1015にて価格分類部101は、ステップS1014で得られた価格分類情報104Aをもとに、分類の妥当性を表す妥当性評価値を計算する。例えば、価格分類部101は、AIC(赤池情報量基準)やBIC(ベイズ情報量基準)などの評価指標を妥当性評価値として用いる。

0102

全てのクラスタ数候補に対してステップS1013からステップS1016が繰り返された後、ステップS1017にて価格分類部101は、クラスタ数候補毎にステップS1015で計算した妥当性評価値を比較し、複数のクラスタ数候補の中から、最良の妥当性評価値に対応するクラスタ数候補を最適クラスタ数として選択する。例えば、妥当性評価値がAICであり、クラスタ数候補が2の時のAICが「12000」、クラスタ数候補が4の時のAICが「13000」、クラスタ数候補が6の時のAICが「11000」、クラスタ数候補が8の時のAICが「12000」、クラスタ数候補が10の時のAICが「13000」である時、クラスタ数候補が6の時のAICが最小となるため、価格分類部101は、最適クラスタ数として6を選択する。これにより、価格分類部101は、S1014で最適クラスタ数を用いて算出された観測日毎のクラスタ番号を、価格分類情報104Aとして価格分類情報記憶部104へ保存する。なお、価格分類部101は、複数のクラスタ数候補を用いることなく、予め設定された最適クラスタ数を用いて価格分類情報104Aを作成してもよい。

0103

以上に述べたように、例えば、価格分類部101が、観測日毎の時系列価格実績値の周波数成分を特徴量として算出することにより、特徴量を用いて複数の観測日を複数のクラスタに分類することができる。また、価格分類部101が、複数のクラスタ数候補の夫々に対して妥当性評価値を算出することにより、複数のクラスタ数候補の中から最適クラスタ数を選択することができる。

0104

<決定木作成部102>

0105

決定木作成部102は、観測日の外部情報111Aに基づき、当該観測日のクラスタ番号を特定するための決定木を作成する。まず、決定木作成部102は、外部情報111Aから、分類対象期間内の外部情報実績値を取得する。次に、決定木作成部102は、分類対象期間内の各観測日に対応する、外部情報実績値及び価格分類情報104Aを用いて、予測対象日の外部情報予測値から予測対象日のクラスタ番号を特定するための決定木を作成し、決定木情報105Aとして決定木情報記憶部105へ保存する。ここで決定木作成部102は、決定木の作成に、ID3やC4.5などの既存の機械学習手法を用いることができる。図9は、外部情報111A内の属性である「季節」「平均気温」「日没時刻」と、価格分類情報104Aとに基づいて作成された決定木の一例である。

0106

<予測方式切替情報作成部106>

0107

予測方式切替情報作成部106では、クラスタ番号から予測方式を決定するための切替情報を作成する。

0108

図14は、予測方式切替情報作成部106の動作を示す。

0109

まず、予測方式切替情報作成部106は、複数のクラスタ番号の夫々を順次選択し、ステップS1221からS1228を繰り返す。

0110

次に、予測方式切替情報作成部106は、複数の予測方式の夫々を順次選択し、ステップS1222からステップS1226を繰り返す。複数の予測方式は、予め設定された予測方式の候補である。本実施形態では、予測方式切替情報作成部106は、複数の予測方式として、時系列分析に基づく予測方式A、類似データに基づく予測方式B、重回帰モデルを用いる予測方式C、相関分析に基づく予測方式Dを用いる。

0111

まず、ステップS1223にて予測方式切替情報作成部106は、価格分類情報104Aを参照し、過去の分類対象期間内の観測日の中から、選択されたクラスタ番号に対応する複数の観測日を推定対象日として特定する。更に価格情報103Aから、推定対象日の時系列価格実績値を取得する。例えば、選択されたクラスタ番号が「3」である時は、予測方式切替情報作成部106は、価格分類情報104Aにて推定参照期間内でクラスタ番号が「3」である観測日を、複数の推定対象日として特定する。更に予測方式切替情報作成部106は、複数の推定対象日の時系列価格実績値を価格情報103Aから取得する。

0112

次に、ステップS1224にて予測方式切替情報作成部106は、選択された予測方式を用いて、複数の推定対象日の夫々の卸電力価格の時系列情報の推定値を計算し、得られる複数の推定対象日の時系列情報をピリオド毎に平均化し、得られる1日分の時系列情報の推定値を時系列価格推定値(時系列推定値)とする。

0113

ここで、選択された予測方式が予測方式Aである場合、予測方式切替情報作成部106は、図15に示す価格予測処理(処理の詳細は後述)に従って時系列価格推定値を計算する。選択された予測方式が予測方式Bである場合、予測方式切替情報作成部106は、図16に示す価格予測処理(処理の詳細は後述)に従って時系列価格推定値を計算する。選択された予測方式が予測方式Cである場合、予測方式切替情報作成部106は、図17に示す価格予測処理(処理の詳細は後述)に従って時系列価格推定値を計算する。選択された予測方式が予測方式Dである場合、予測方式切替情報作成部106は、図18に示す価格予測処理(処理の詳細は後述)に従って時系列価格推定値を計算する。

0114

次に、ステップS1225にて予測方式切替情報作成部106は、ステップS1223で取得した時系列価格実績値と、ステップS1224で計算した時系列価格推定値を用いて、選択された予測方式の予測精度を表す予測精度評価値を計算する。予測精度評価値としては例えば、平均絶対誤差率平均二乗誤差など、推定対象日の時系列価格実績値に対する推定対象日の時系列価格推定値の誤差の大きさを示す誤差評価値が用いられる。

0115

全ての予測方式に対してステップS1222からステップS1226を繰り返された後、最後に、ステップS1227にて予測方式切替情報作成部106は、複数の予測方式の中から、最も良い予測精度評価値に対応する予測方式を、最適予測方式として選択する。例えば、クラスタ番号「3」に対する最適予測方式を決定する時、予測精度評価値が平均絶対誤差率であり、予測方式Aにより得られた平均絶対誤差率が15%、予測方式Bにより得られた平均絶対誤差率が12%、予測方式Cにより得られた平均絶対誤差率が18%、予測方式Dにより得られた平均絶対誤差率が16%であるとすると、予測方式切替情報作成部106は、平均絶対誤差率が最小となる予測方式Bを、クラスタ番号「3」に対する最適予測方式として選択する。これにより、予測方式切替情報作成部106は、クラスタごとに、複数の予測方式の中から誤差が最も小さい予測方式を最適予測方式として選択することができる。

0116

以上の予測方式切替情報作成部106は、推定対象日の時系列価格実績値に対する時系列価格推定値の誤差の大きさを算出することにより、対象クラスタに対する予測精度が最も高い予測方式を選択することができる。

0117

<クラスタ決定部121>

0118

例えば、価格情報管理装置10の動作に応じて価格情報予測装置12が動作する。クラスタ決定部121は、予測対象日の外部情報111Aに基づいて、予測対象日のクラスタ番号を計算する。まず、クラスタ決定部121は、外部情報111Aから、予測対象日の外部情報予測値を取得する。この時、クラスタ決定部121は、外部情報111Aのうち、決定木情報105Aのノードラベル欄に存在する属性の予測値を取得する。次に、クラスタ決定部121は、決定木情報105Aを用いて、取得した予測対象日の外部情報予測値に対応するクラスタを対象クラスタとして決定し、対象クラスタを示すクラスタ番号を対象クラスタ番号として決定する。

0119

例として、クラスタ決定部121が、2014年8月1日を予測対象日として設定し、図8で示した外部情報の例と図9で示した決定木の例を用いて、対象クラスタ番号を決定する例について説明する。まず、図9に示される決定木の最初のノードラベルが「季節」で、2014年8月1日の「季節」が「夏」であるため、クラスタ決定部121は、「夏」のパスを選択する。次に、「夏」のパスが選択された後の、決定木の2番目のノードラベルが「平均気温」となり、2014年8月1日の「平均気温」が「28℃」であるため、クラスタ決定部121は、「20℃以上」のパスを選択する。その結果、クラスタ決定部121は、対象クラスタ番号を「3」と決定する。

0120

このようにクラスタ決定部121が決定木情報105Aを用いることにより、予測対象日の外部情報予測値から対象クラスタを選択することができる。

0121

<予測方式切替部122>

0122

予測方式切替部122では、予測対象日の時系列価格予測値を計算するための最適予測方式を決定する。予測方式切替部122は、予測方式切替情報107Aを用いて、予測対象日のクラスタ番号に対応する最適予測方式を決定する。

0123

例として、クラスタ決定部121において予測対象日のクラスタ番号が「3」と決定されたとすると、図7で示した予測方式切替情報の例を用いることにより、最適予測方式は「D」と決定される。

0124

<価格予測部123>

0125

価格予測部123では、予測方式切替部122で決定した最適予測方式を用いて価格予測処理を行うことにより、予測対象日の時系列価格予測値を計算する。

0126

以下、予測方式A〜予測方式Dの価格予測処理を、図15図18を用いて夫々説明する。

0127

<時系列分析に基づく予測方式A>

0128

図15は、予測方式Aの価格予測処理を示す。

0129

まず、ステップS1251にて価格予測部123は、予測参照期間内の複数の観測日を複数の参照観測日として特定し、複数の参照観測日の時系列価格実績値を価格情報103Aから取得する。予測参照期間は、予測対象日に対して参照時間長だけ過去の観測日から予測対象日の直前の観測日までの期間である。次に、ステップS1252にて、ステップS1251で取得した卸電力価格の時系列情報を、周期的に現れる変動である周期成分と、ランダムに現れる変動を示すランダム成分とに分解する。ここで、周期成分は、1日周期や1年周期などの一定周期で繰り返される卸電力価格の変動を表す。例えば、卸電力価格の時系列情報における1日周期の周期成分は、夕方にピークが発生する。また、ランダム成分は、卸電力価格の時系列情報から周期成分を減算した残りの変動を表す。

0130

例えば、ステップS1252にて価格予測部123は、複数の参照観測日の時系列価格実績値に対して、1日の長さの移動平均を行うことにより移動平均値を計算し、複数の参照観測日の時系列価格実績値から移動平均値を減ずることにより差分値を計算し、得られる複数の参照観測日の差分値をピリオド毎に平均化し、得られる1日分の時系列情報を周期成分とする。更に価格予測部123は、複数の参照観測日の時系列価格実績値から周期成分を減算することにより、ランダム成分を計算する。

0131

次に、ステップS1253にて価格予測部123は、ステップS1252で計算した周期成分を用いて、周期成分のモデルを同定する。例えば、価格予測部123は、ステップS1252で計算した周期成分に含まれる各周波数成分に対応するフーリエ係数を計算することにより、周期成分のモデルを同定できる。次に、ステップS1254にて価格予測部123は、ステップS1253で同定した周期成分のモデルを用いて、予測対象日の周期成分の時系列情報の予測値を計算する。

0132

次に、ステップS1255にて価格予測部123は、ステップS1252で計算したランダム成分のモデルを同定する。ランダム成分は、AR(autoregressive)モデルやARMA(autoregressive moving average)モデルなどの回帰モデルにより表される。例えば、あるピリオドの卸電力価格が、1つ前のピリオド、2つ前のピリオド、3つ前のピリオドの卸電力価格によって説明されるARモデルで表される時、価格予測部123は、最小二乗法などを用いて、1つ前のピリオド、2つ前のピリオド、3つ前のピリオドの卸電力価格に対する重み係数を計算することによりランダム成分のモデルを同定できる。次に、ステップS1256にて価格予測部123は、ステップS1255で同定したランダム成分のモデルを用いて、予測対象日のランダム成分の時系列情報の予測値を計算する。最後に、ステップS1257にて価格予測部123は、ステップS1254で計算した周期成分の時系列情報の予測値に、ステップS1256で計算したランダム成分の時系列情報の予測値をピリオド毎に加算することにより、予測対象日の時系列価格予測値を計算する。

0133

以上の予測方式Aによれば、価格予測部123は、時系列価格実績値を周期成分とランダム成分に分け、それらを互いに異なる方式でモデル化することにより、予測の精度を向上させることができる。

0134

<類似データに基づく予測方式B>

0135

図16は、予測方式Bの価格予測処理を示す。

0136

まず、ステップS1261にて価格予測部123は、価格分類情報104A内の観測日から、予測参照期間内で対象クラスタ番号に対応する複数の観測日を複数の参照観測日として特定する。次に、ステップS1262にて価格予測部123は、外部情報111Aを参照して、予測参照期間内の外部情報実績値と、予測対象日の外部情報予測値を取得する。次に、ステップS1263にて価格予測部123は、複数の参照観測日の中から、外部情報実績値が予測対象日の外部情報予測値に類似する観測日を選択し、選択された観測日の時系列価格実績値を価格情報103Aから取得して類似データとする。例えば、価格予測部123は、属性として気温を用い、予測対象日の外部情報予測値(予報値)の気温と、複数の参照観測日の夫々の外部情報実績値の気温との間のユークリッド距離を計算し、複数の参照観測日の中から、ユークリッド距離が小さい順に所定数の観測日を選択し、選択された所定数の観測日の時系列価格実績値を所定数の類似データとして選択する。ここで価格予測部123は、複数の参照観測日の中から最小のユークリッド距離に対応する一つの観測日を選択してもよい。

0137

最後に、ステップS1264にて価格予測部123は、ステップS1263で抽出した類似データを用いて、予測対象日の時系列価格予測値を計算する。例えば、価格予測部123は、選択された所定数の観測日に対応する所定数の類似データをピリオド毎に平均化することにより、得られる1日分の時系列情報を予測対象日の時系列価格予測値としても良い。

0138

以上の予測方式Bによれば、価格予測部123は、予測参照期間内で予測対象日と同一クラスタに属する観測日の中から、予測対象日に類似する外部情報を選択することにより、予測参照期間の全ての観測日の中から、予測対象日に類似する外部情報を選択する場合に比べて、類似データの精度を向上させることができる。

0139

<重回帰モデルを用いた予測方式C>

0140

図17は、予測方式Cの価格予測処理を示す。

0141

まず、ステップS1271にて価格予測部123は、価格分類情報104Aから、予測参照期間内で対象クラスタ番号に対応する複数の観測日を複数の参照観測日として特定し、複数の参照観測日の時系列価格実績値を価格情報103Aから取得する。次に、ステップS1272にて価格予測部123は、複数の参照観測日の外部情報を外部情報111Aから取得する。次に、ステップS1273にて価格予測部123は、ステップS1271で取得した時系列価格実績値と、ステップS1272で取得した外部情報実績値を用いて、重回帰モデルの係数を推定する。重回帰モデルの係数は、卸電力価格を説明する複数の属性にそれぞれ対応する複数の重み係数である。ここで価格予測部123は、最小二乗法などを用いることにより重み係数を推定できる。最後に、ステップS1274にて価格予測部123は、ステップS1273で計算した重回帰モデルの係数と、予測対象日における外部情報予測値を用いて、予測対象日の時系列価格予測値を計算する。例えば、価格予測部123は、予測対象日における外部情報予測値の中の複数の属性に複数の重み係数を夫々乗じて、それらの乗算結果を加算することにより、予測対象日の時系列価格予測値を計算する。

0142

以上の予測方式Cによれば、価格予測部123は、予測参照期間の中から予測対象日と同一クラスタに属する観測日の時系列価格実績値に基づいて重回帰モデルを生成することにより、予測参照期間の全ての観測日の時系列価格実績値に基づいて重回帰モデルを生成する場合に比べて、重回帰モデルの精度を向上させることができる。

0143

<相関分析に基づく予測方式D>

0144

図18は、予測方式Dの価格予測処理を示す。

0145

まず、ステップS1281にて価格予測部123は、予測参照期間内の複数の観測日を複数の参照観測日として特定し、複数の参照観測日の時系列価格実績値を価格情報103Aから取得する。次に、ステップS1283にて価格予測部123は、ステップS1281で取得した時系列価格実績値をもとに、観測日毎に卸電力価格が1日の中で最大となる時刻を価格ピーク時刻として抽出する。

0146

次に、価格予測部123は、外部情報111Aの中の複数の属性の夫々を順次選択し、ステップS1284からステップS1287を繰り返す。次に、ステップS1285にて価格予測部123は、複数の参照観測日の選択された属性の実績値を外部情報111Aから取得する。ステップS1286にて価格予測部123は、ステップS1282で取得した属性の実績値と、ステップS1283で抽出した価格ピーク時刻との間の相関係数を計算する。

0147

全ての属性に対してステップS1284からステップS1287が繰り返された後、ステップS1288にて価格予測部123は、複数の属性の中から、卸電力価格を高騰させる要因となる影響属性を選択する。例えば、価格予測部123は、相関係数閾値以上となる相関係数に対応する属性を影響属性として選択する。属性は、1日の最高気温を記録した時刻である最高気温観測時刻、夕方のラッシュのピーク時刻、企業のランチタイム平均時刻等であってもよい。例えば、属性が「最高気温観測時刻」と「日没時刻」であり、最高気温観測時刻と価格ピーク時刻の間の相関係数が0.3で、日没時刻と価格ピーク時刻の間の相関係数が0.7で、相関係数閾値が0.6である場合、価格予測部123は、日没時刻を影響属性として選択する。

0148

次に、ステップS1289にて価格予測部123は、影響属性の実績値を用いて予測参照期間内の複数の観測日を複数のグループに分類し、影響属性の予測値を用いて予測対象日を複数のグループの何れかに分類する。例えば、価格予測部123は、日没時刻を所定の時間帯に分類することにより、日没時刻が18:00−18:15となる観測日をグループ1、日没時刻が18:15−18:30となる観測日をグループ2に分類する。

0149

最後に、ステップS1290にて価格予測部123は、ステップS1285で予測対象日と同じグループに分類された観測日を選択し、選択された観測日の時系列価格実績値を用いて、予測対象日の時系列価格予測値を計算する。例えば、価格予測部123は、選択された複数の観測日に夫々対応する複数の時系列価格実績値をピリオド毎に平均化することにより、得られる1日分の時系列情報を予測対象日の時系列価格予測値としても良い。

0150

以上の予測方式Dによれば、価格ピーク時刻が時系列価格予測値に対して大きな影響を与えるため、価格ピーク時刻を用いることにより、時系列価格予測値の予測精度を向上させることができる。また、複数の属性の中から相関係数を用いて影響属性を選択することにより、価格ピーク時刻に影響を与えるイベントを検出することができる。

0151

以上の予測方式A〜Dは、価格予測部123に用いられる他、ステップS1223にて予測方式切替部122により用いられる。この場合、予測対象日の代わりに推定対象日を用いる。即ち、予測参照期間は、推定対象日に対して参照時間長だけ過去の観測日から推定対象日の直前の観測日までの期間になる。

0152

なお、本実施形態における卸電力価格予測システム6は、価格分類部101により価格分類情報104Aを作成し、決定木作成部102により決定木情報105Aを作成したが、これに限らず、予め作成された価格分類情報と決定木情報が、それぞれ価格分類情報記憶部104と決定木情報記憶部105に保持され、価格情報予測装置12がこれらの情報を用いて予測を行っても良い。

0153

また、価格情報予測装置12が、一日間隔で予測対象日を設定して予測し、価格情報管理装置10は、それと異なる間隔で決定木情報105Aを生成してもよい。例えば、価格情報管理装置10は、外部情報実績値や時系列価格実績値等を監視することにより、特定のイベントが発生したか否かを判定し、特定のイベントが発生したと判定された場合、価格分類部101及び決定木作成部102の処理を実行することにより、決定木情報105Aを更新してもよい。特定のイベントは、価格情報管理装置10の管理者からの指示であってもよい。また、属性が株式指標等である場合、特定のイベントは一日の属性の変化量の大きさが予め定められた変化量閾値を上回ること等であってもよい。また、価格情報管理装置10は、定期的に価格分類部101及び決定木作成部102の処理を実行することにより、決定木情報105Aを更新してもよい。

0154

以上の価格情報予測装置12によれば、クラスタ決定部121が、複数のクラスタの中から対象クラスタを選択し、予測方式切替部122が、対象クラスタに対応する最適な予測方式を選択することができる。これにより、予測対象日の卸電力価格の変動に近い過去の観測日選択することができる。また、卸電力価格の変動の支配要因が変化する場合の予測精度を向上させることができる。また、予測方式の少なくとも一つが、予測対象日より過去の推定参照期間内で対象クラスタに属する観測日の時系列価格実績値から、時系列価格予測値を推定することにより、対象クラスタ以外の観測日の時系列価格実績値を用いる場合に比べて、予測精度を向上させることができる。

0155

(5)他の実施形態

0156

予測方式切替部122は、特定の時系列価格実績値の分散が予め定められた分散閾値以上であるか否かを判定し、分散が分散閾値以上であると判定された場合、予測方式切替部122及び価格予測部123の処理を行わず、予測対象日の卸電力価格のボラティリティや、予測対象日の卸電力価格の推移方向等、予測対象日の卸電力価格の変動の傾向を示す変動パラメータを予測してもよい。例えば、予測方式切替部122は、対象クラスタに属する観測日の時系列価格実績値の分散が分散閾値以上であるか否かを判定してもよい。なお、分散の代わりに標準偏差等が用いられてもよい。これにより、卸電力価格の変動が不安定である場合、時系列価格予測値の予測精度が低くなることが予想されるため、予測方式切替部122は、価格予測値と異なる変動パラメータを算出することにより、予測対象日の卸電力価格の変動の参考となる情報を出力することができる。また、卸電力価格予測システム6は、時系列価格予測値に加え、変動パラメータを算出してもよい。また、卸電力価格予測システム6は、特定の時系列価格実績値の分散に基づいて、時系列価格予測値の信頼度確度)を算出してもよい。また、価格予測部123は、予測対象日の時系列価格予測値の分散が分散閾値以上であると判定された場合、変動パラメータを算出してもよい。

0157

価格分類部101は、図13のような特徴量の空間において、予測対象日のクラスタの中心に最も近い特徴量に対応する観測日を中心観測日として選択してもよい。この場合、情報入出力部120は、予測対象日のクラスタを示す情報として、中心観測日の時系列価格実績値の波形を、表示装置に表示させてもよい。また、情報入出力部120は、中心観測日の時系列価格実績値のボラティリティや推移方向等の統計処理の結果を、表示装置に表示させてもよい。これにより、卸電力価格予測システム6の管理者は、対象クラスタの特徴を知ることができる。また、情報入出力部120は、変動パラメータ、時系列価格予測値の信頼度等を表示装置に表示させてもよい。これにより、卸電力価格予測システム6の管理者は、卸電力価格の参考になる情報を知ることができる。また、情報入出力部120は、最適予測方式の名称等を表示装置に表示させてもよい。これにより、卸電力価格予測システム6の管理者は、卸電力価格の予測に用いられた予測方式を知ることができる。

0158

本発明の表現のための用語について説明する。記憶部として、記憶装置1000、1100、1200等が用いられてもよい。算出部として、CPU1201等が用いられてもよい。生成部として、CPU1001等が用いられてもよい。

0159

1…取引参加者システム2…取引市場運用者システム3…外部情報管理者システム4…電力取引システム5…ネットワーク6…卸電力価格予測システム10…価格情報管理装置11…外部情報管理装置 12…価格情報予測装置13…情報入出力端末20…価格情報配信端末30…外部情報配信端末 100…情報入出力部 101…価格分類部 102…決定木作成部 103…価格情報記憶部 104…価格分類情報記憶部 105…決定木情報記憶部 106…予測方式切替情報作成部 107…予測方式切替情報記憶部 110…情報入出力部 111…外部情報記憶部 120…情報入出力部 121…クラスタ決定部 122…予測方式切替部 123…価格予測部 124…価格予測情報記憶部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ