図面 (/)

技術 電力需要予測方法および電力需要予測プログラム

出願人 東日本旅客鉄道株式会社
発明者 國友正人小幡裕和
出願日 2016年8月4日 (4年4ヶ月経過) 出願番号 2016-153449
公開日 2018年2月8日 (2年10ヶ月経過) 公開番号 2018-023227
状態 特許登録済
技術分野 特定用途計算機 交流の給配電
主要キーワード 温度境界条件 負荷平均値 時間帯条件 鉄道設備 気象現象 予報値 加速距離 供給計画
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(2018年2月8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 (5)

課題

人のと経験によらず短時間で高精度に電力需要予測することが可能な電力需要予測方法を実現する。

解決手段

重回帰分析によって所定時間単位電力需要を予測する電力需要予測方法において、目的変数電力負荷とするとともに、説明変数として、少なくとも、気温と、気温の2乗、曜日繁忙期直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、目的変数=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成し、該複数の予測式の前記目的変数と前記説明変数X1〜X6に、過去数年分の実績値を入れて、各予測式に対応した定数aおよび係数b,c,d,e,f,gの値を得た後、予測対象の説明変数X1〜X6を対応する予測式に代入して電力需要の予測値を算出するようにした。

概要

背景

電力事業者等の電力供給者は、需要家に対して電力を安定且つ効率的に供給するために、将来の電力需要予測し、予測した結果に基づいて電力の供給計画を策定している。
従来、電力需要予測方法としては様々な方法が提案されており、電力会社において重回帰式を利用して電力需要を予測する方法として例えば特許文献1に開示されているものがある。また、鉄道事業者電力供給システムにおける電力負荷電力消費)を予測する発明として、例えば特許文献2に開示されているものがある。

概要

人のと経験によらず短時間で高精度に電力需要を予測することが可能な電力需要予測方法を実現する。重回帰分析によって所定時間単位で電力の需要を予測する電力需要予測方法において、目的変数を電力負荷とするとともに、説明変数として、少なくとも、気温と、気温の2乗、曜日繁忙期直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、目的変数=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成し、該複数の予測式の前記目的変数と前記説明変数X1〜X6に、過去数年分の実績値を入れて、各予測式に対応した定数aおよび係数b,c,d,e,f,gの値を得た後、予測対象の説明変数X1〜X6を対応する予測式に代入して電力需要の予測値を算出するようにした。

目的

本発明は上記のような課題に着目してなされたもので、人の勘と経験によらず電力需要を短時間で高精度に予測することが可能な電力需要予測方法および電力需要予測プログラムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

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

重回帰分析によって所定時間単位電力需要予測する電力需要予測方法であって、目的変数電力負荷とするとともに、説明変数として、少なくとも、気温、気温の2乗、曜日繁忙期直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、次の回帰式目的変数=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成し、該複数の予測式の前記目的変数と前記説明変数X1,X2,X3,X4,X5,X6に、過去数年分の実績値を入れて、各予測式に対応した定数aおよび係数b,c,d,e,f,gの値を得た後、予測対象の説明変数X1,X2,X3,X4,X5,X6を対応する予測式に代入して、電力需要予測値を算出することを特徴とする電力需要予測方法。

請求項2

鉄道事業者電力供給システムにおける電力の需要を予測する場合において、前記温度境界条件を負荷−気温特性の最小点近傍の温度とすることを特徴とする請求項1記載の電力需要予測方法。

請求項3

前記説明変数のうち気温および気温の2乗について、前日の予報気温もしくは当日の予報気温、または前日の予報気温および当日の予報気温、を説明変数として予測式を作成し、作成した前記予測式を用いて電力需要を予測することを特徴とする請求項1または2に記載の電力需要予測方法。

請求項4

前記電力負荷の実績値を記憶する記憶装置には、異常値であることを示すフラグを付記した実績データを格納しておいて、前記基本演算式を用いて定数aおよび係数b,c,d,e,f,gの値を得る際に、前記フラグが付いている実績データを除いたデータを用いることを特徴とする請求項1〜3のいずれか1項に記載の電力需要予測方法。

請求項5

コンピュータに、目的変数を電力負荷とするとともに、説明変数として、少なくとも、気温、気温の2乗、曜日、繁忙期、直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、次の回帰式目的変数=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成する処理と、前記複数の予測式の前記目的変数と前記説明変数X1,X2,X3,X4,X5,X6に、過去数年分の実績値を入れて、各予測式に対応した定数aおよび係数b,c,d,e,f,gの値を求める処理と、予測対象の説明変数X1,X2,X3,X4,X5,X6を対応する予測式に代入して、電力需要の予測値を算出する処理と、を実行させるための電力需要予測プログラム

技術分野

0001

本発明は、電力需要予測方法および電力需要予測プログラムに関し、電力会社や鉄道事業者電力供給システムにおける電力需要予測に利用して有効な技術に関する。

背景技術

0002

電力事業者等の電力供給者は、需要家に対して電力を安定且つ効率的に供給するために、将来の電力需要予測し、予測した結果に基づいて電力の供給計画を策定している。
従来、電力需要予測方法としては様々な方法が提案されており、電力会社において重回帰式を利用して電力需要を予測する方法として例えば特許文献1に開示されているものがある。また、鉄道事業者の電力供給システムにおける電力負荷電力消費)を予測する発明として、例えば特許文献2に開示されているものがある。

先行技術

0003

特開2015−104171号公報
特開平08−34268号公報

発明が解決しようとする課題

0004

特許文献1に開示されている電力需要予測方法は重回帰式を利用して予測するため、コンピュータを用いて比較的精度の高い予測が可能であるが、電力事業者向けに開発された電力需要予測方法であり、一般の建物における電力需要を予測することに向けられており、鉄道設備における電力需要を反映していないため、鉄道設備における電力需要の占める割合が多い電力会社にとっては精度の高い予測値が得られない。また、鉄道事業者の電力供給システムにおける電力需要を予測するには適していない。
一方、特許文献2に開示されている発明は、鉄道事業者向けに開発された電力需要予測方法であるが、列車車両数走行距離加速距離などをパラメータとして負荷電力量を予測しており、気温等を加味した電力需要予測ではないため、精度の高い予測結果が得られないという課題がある。

0005

現在、鉄道事業者の電力供給システムでは、電力会社の発電所もしくは自社管理の発電所から電力供給を受け、電車運転・空調・各種サービス機器、現業機関駅ビル等の電力需要を賄っている。電力会社や鉄道事業者の発電所では、翌日以降の発電計画を基に発電業務を行なっており、発電計画の立案に際しては、 翌日の電力需要を予測して計画を立てることが行われている。

0006

ところで、鉄道事業者管理下の発電所はもちろん電力会社において、発電の計画値を定める上では、翌日の電力需要を正確に予測することが不可欠であり、従来は担当者手作業需要予測を行なっていることがあるが、その場合、長年のと経験に依存する部分が大きく、誰もが同等の精度を出せる手法としては確立されていない。また、人に依存する需要予測では予測結果が得られるまでに時間がかかってしまうという課題があった。

0007

本発明は上記のような課題に着目してなされたもので、人の勘と経験によらず電力需要を短時間で高精度に予測することが可能な電力需要予測方法および電力需要予測プログラムを提供することを目的とする。
本発明の他の目的は、鉄道事業者や電力会社が発電所における発電計画を立案するのに利用して有効な電力需要予測方法および電力需要予測プログラムを提供することにある。

課題を解決するための手段

0008

上記課題を解決するために、本出願の発明に係る電力需要予測方法は、
重回帰分析によって所定時間単位で電力の需要を予測する電力需要予測方法であって、
目的変数を電力負荷とするとともに、説明変数として、少なくとも、気温、気温の2乗、曜日繁忙期直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、次の回帰式
目的変数=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6
を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成し、該複数の予測式の前記目的変数と前記説明変数X1,X2,X3,X4,X5,X6に、過去数年分の実績値を入れて、各予測式に対応した定数aおよび係数b,c,d,e,f,gの値を得た後、
予測対象の説明変数X1,X2,X3,X4,X5,X6を対応する予測式に代入して、電力需要の予測値を算出するようにしたものである。

0009

上記のような方法によれば、人の勘と経験に頼ることなく、従来の人による電力需要予測と比べても遜色のない電力需要予測を行うことができる。特に、本発明方法は、重回帰分析による予測式の説明変数に、一般的な「気温」の他に「気温の2乗」を含んでいるため、精度の高い電力需要予測が可能である。また、コンピュータを利用して予測を行うことができるため、短時間に予測結果が得られるとともに、省力化を達成することができる。なお、本明細書において、「実績」なる語は「実測」と同義である。また、「過去数年」には1年も含まれる。

0010

ここで、望ましくは、鉄道事業者の電力供給システムにおける電力の需要を予測する場合において、前記温度境界条件を負荷−気温特性の最小点近傍の温度とするようにする。
上記のような方法によれば、鉄道事業者が発電所における発電計画を立案する際に、冷房運転暖房運転の影響を考慮した電力需要を、人の勘と経験によらず短時間に高精度で予測することができる。

0011

さらに、望ましくは、前記説明変数のうち気温および気温の2乗について、前日の予報気温もしくは当日の予報気温、または前日の予報気温および当日の予報気温、を説明変数として予測式を作成し、作成した前記予測式を用いて電力需要を予測するようにする。
このような方法とすることにより、従来の人による電力需要予測よりも高精度に電力需要を予測することができる。

0012

また、望ましくは、前記電力負荷の実績値を記憶する記憶装置には、異常値であることを示すフラグを付記した実績データを格納しておいて、前記基本演算式を用いて定数aおよび係数b,c,d,e,f,gの値を得る際に、前記フラグが付いている実績データを除いたデータを用いるようにする。
かかる方法によれば、異常発生時の実績データを除いた状態で電力需要の予測式の定数や係数を決定することができ、それによって電力需要をより高精度に予測することができる。

発明の効果

0013

本発明によれば、人の勘と経験によらず電力需要を短時間で高精度に予測することが可能な電力需要予測方法および電力需要予測プログラムを提供することができる。また、鉄道事業者が発電所における発電計画を立案するのに利用して有効な電力需要予測方法および電力需要予測プログラムを提供できるという効果がある。

図面の簡単な説明

0014

本発明に係る電力需要予測方法を実施するためのシステムの一構成例を示すブロック図である。
実施形態における予測式の分け方(パターン分割)の一例を示すイメージ図である。
年間の気温と電力負荷(電力使用量)との関係の一例を示す図である。
実施形態の電力需要予測手法によって行なった予測値と実際に計測された実績値との関係を示した図である。

実施例

0015

以下、図面を参照しながら、本発明に係る電力需要予測方法の実施の形態について説明する。本実施形態においては、図1に示すような機能ブロックからなるシステムを利用して電力需要予測を行うことができる。
図1に示すシステムは、一般的なコンピュータシステムにより実現することができるもので、マイクロプロセッサ(MPU)のようなプログラム方式演算処理装置11およびROM(読出し専用メモリ)12やRAM(随時読出し書込み可能なメモリ)13のような記憶手段を備えた電力需要予測実行部10と、電力需要予測に必要なデータを記憶した記憶装置21と、ユーザインタフェース(ユーザI/F)22と、キーボードマウスなどの入力装置23と、液晶表示パネルのような表示装置24と、を備えている。

0016

上記記憶装置21には、本実施形態の電力需要予測に必要なデータとして、過去数年間(例えば2年間)の日毎、時間帯毎実測気温データおよび日毎、時間帯毎の電力負荷データ(電力使用量の実測値)が実績値として格納されるようになっている。
電力需要予測の実行に必要なプログラムおよび基本演算式は電力需要予測実行部10のROM12に記憶されており、マイクロプロセッサ(MPU)11が該プログラムに従って電力需要予測に必要な演算処理を実行する。ここで、演算処理には、基本演算式に基づく予測式の作成および予測値の算出が含まれる。

0017

本発明に係る電力需要予測は、重回帰分析を利用するもので、重回帰式における説明変数として、例えば以下のようなパラメータを選択したことを特徴としており、特に(2)の「気温の2乗」をパラメータとして選択したことおよび後に説明するように複数個(例えば96個)の予測式を作成するようにしたことにも特徴がある。
[説明変数の例]
(1)気温 :X1
(2)気温の2乗 :X2
(3)曜日:X3
(4)繁忙期:X4
(5)直近数週間負荷平均値:X5
(6)直近数週間気温平均値:X6
ここで「繁忙期」とはゴールデンウィークのような連休期間や盆、暮れ、正月のように公共交通機関を利用した人の移動が非常に多い期間を指す。

0018

例えば上記6つの説明変数X1〜X6を用いた基本演算式としての重回帰式は、次式
目的変数=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6
で示される。上式で「目的変数」は電力負荷(電力消費量)である。本実施形態では、記憶装置21に記憶されている過去2年分の実測値から、重回帰分析によって、上記式における定数aおよび係数b〜gを決定し、例えば96個の予測式を作成する。そして、作成した予測式を用いて、時間帯ごと電力需要量を予測していく。この予測式は、
予測値E=a+b*X1+c*X2+d*X3+e*X4+f*X5+g*X6
で示される。定数aおよび係数b〜gは上記重回帰分析によって決定されているので、その値を用いることで予測値Eが得られる。

0019

上記定数aおよび係数b〜gを決定する際に、目的変数および説明変数X1〜X6に入れる値は、記憶装置21から読み出された実績値であり、予測式の数に対応した時間単位のデータを用いる。具体的には、予測式の数が図2に示すように96個の場合、1時間単位のデータを用いることとなる。
上記予測式を用いて予測値Eを算出する際に、上記説明変数X1とX2に入れる値は、それぞれ予想する日の予報気温と予報気温の2乗である。また、上記予測式を用いて、繁忙期以外の電力予測値Eを算出する場合には説明変数X4は使用しない。

0020

なお、重回帰分析は、公知の分析用ソフトウェアによって行うことができるので、詳しい説明は省略する。
直近数週間負荷平均値X5と直近数週間気温平均値X6を説明変数として選択したのは、気象現象等に起因して冷時や暖時のように過去のその時期の平均気温からずれている場合にも、精度の高い予測結果が得られるようにするためである。

0021

一方、上述したように、96個の予測式を作成することとしたのは、鉄道事業特有の電力需要を考慮した結果であり、以下にその理由を説明する。
本発明者らは、本発明に係る電力需要予測方法を開発するに当たり、過去の実測データの特徴について検討した。まず、鉄道事業における電力需要は、社会一般の電力需要と異なり走行させる列車の本数の影響を受ける。そして、列車本数は、平日と平日以外(土日、正月等)とで大きく異なる。また、列車本数は時間帯によっても異なっている。なお、鉄道事業者の電力供給システムにおける電力負荷には、列車が消費する電力の他、駅舎等で消費する電力も含まれるが、列車が消費する電力の方が全体に占める割合が大きい。

0022

これらのことから、時間帯を24に分けた場合、さらに平日と平日以外を区別すると48パターンに分かれることが分かる。また、過去の実測データを分析したところ、エアコン使用の冷房帯、暖房帯の境界と想定される気温16度近傍を境に、分割して予測することが有効であることが分かった。そこで、気温16度以上と16度未満とで予測式を異ならせることとした。その結果、合計で96個の予測式を使用することが有効であるとの結論に達した。なお、16度については、固定ではなく、環境などに応じて変化する可能性がある。この16度等の温度が、特許請求の範囲における負荷−気温特性の最小点近傍の温度である。

0023

図2に、96個の予測式の分け方(パターン分割)のイメージを示す。図2において、例えば式(2)は、「平日」の「2時」台であって予測気温が16度以上の場合に使用する予測式であることを意味する。なお、この「16度」などの気温は本発明者らが想定したエリアでの値であり、予測式の作成および予測値の算出に用いる気温はそのエリア内の適当な地点の値が選択される。
また、説明変数として、気温X1の他に、気温2乗X2を含ませることとしたのは、横軸に気温、縦軸に電力負荷(任意単位(a.u.))をとったグラフに過去2年分の実測値をプロットしたところ、図3に示すような結果が得られたためである。なお、図3は「平日のある時間」に関するものであるが、「休日」に関してもほぼ同様なグラフとなった。図3より、各点は下向きに凸状をなす曲線に集中している。このことから、本実施形態のように、気温2乗を説明変数として用いることが有効であることが分かる。

0024

また、本実施形態においては、記憶装置21内に格納されている過去の実績データ(実測電力負荷)に、輸送障害等が発生した日のデータには異常値であることを示すフラグを時間帯毎に付記して格納しておいて、上記重回帰分析を実行するに際して、スクリーニングを行なって異常フラグが付いているデータを予測のための演算に使用しないようにしている。さらに、大きなイベント開催された等の理由で一時的に電力消費が増加したと考えられるようなデータがあった場合、そのデータにも異常フラグを付記して、電力需要予測に使用しないようにしても良い。

0025

次に、上記予測式を用いた本実施形態の電力需要予測手法の評価結果について説明する。
本発明者らは、過去2年分の実績データを用いて上記予測式を用いた電力需要予測手法による予測結果について、予測精度評価指数としての決定係数R2と平均絶対誤差率MAPE)を用いた評価を行なったので、その評価結果と比較結果について説明する。

0026

図4は、上記電力需要予測手法によって行なった電力需要予測値(任意単位(a.u.))と実際に計測された電力需要実績値(任意単位(a.u.))との関係を示す。図4より、各点はほぼ1本の直線の近傍に集中していることが分かる。また、これらの予測値と実績値とから決定係数R2を求めたところ、R2は0.99以上であった。決定係数は、予測精度を示す評価指標であり、相関係数Rの2乗で表わされる値で、「1」に近いほど精度が高いことを意味している。

0027

また、上記電力需要予測手法によって行なった予測値と実績値とに基づいて求めた絶対誤差率を検証した。平均絶対誤差率(MAPE)は、予測値と実績値の差を実績値で割ったものの平均値であり、値が小さいほど精度が高いことを意味している。本実施形態の予測結果の場合、3%前後であった。
図4から、本実施形態の電力需要予測手法は非常に精度が高いこと分かる。
さらに、予測式における(1)と(2)の説明変数の「気温」と「気温の2乗」として、「当日発表の予報気温」を使用することで、より高い精度で予測が行えることが分かった。

0028

さらに、重回帰分析に使用する説明変数は前述の6種類に限定されるものではなく、「予報気温」として「前日予報気温」と「当日の予報気温」をそれぞれ説明変数として用いたり、「直近数時間の電力負荷実測値」など他の説明変数を加えたりして、7種類、8種類……としても良く、それによって予測の精度をさらに高めることが可能である。
また、前日の予測では、前述の6種類の説明変数を使用し、当日の予測では前述の6種類のうち、気温と気温2乗を当日の予報値とすることで、従来の人手による予測の精度と同等以上の精度が得られることを確認することができている。

0029

以上、本発明の各実施の形態について説明したが、本発明は上記実施形態に限定されるものではなく、種々の変形や変更が可能である。例えば、上記実施形態では96個の予測式を使用するとしたが、例えば30分毎、90分毎あるいは2時間毎に式を切り替えるようにすることで、192個や64個、48個等任意の数の予測式を立てるようにすることができる。1分毎に予測式を切り替えることも可能である。
また、説明変数「直近数週間負荷平均値」と「直近数週間気温平均値」としては、例えば直近1〜3週間あるいは10〜20日間の負荷平均値と気温平均値を用いても良い。要するに、任意の期間を定めその期間の平均値をとるようにすることができる。

0030

10演算処理装置
11 MPU
12 ROM
13 RAM
21データ記憶装置
22ユーザインタフェース
23入力装置
24 表示装置

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 -

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技術

関連性が強い 技術一覧

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