図面 (/)

技術 情報評価プログラム、情報評価装置及び情報評価方法

出願人 一般財団法人電力中央研究所
発明者 小松秀徳木村宰
出願日 2018年1月17日 (2年11ヶ月経過) 出願番号 2018-005625
公開日 2019年7月25日 (1年4ヶ月経過) 公開番号 2019-126193
状態 未査定
技術分野 給配電網の遠方監視・制御
主要キーワード 仕様状態 資源消費量 感応的 情報評価装置 平均消費量 指標取得 総消費量 省コスト
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(2019年7月25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 (17)

課題

対象の施設の状態の判定を適切に行う情報評価プログラム情報評価装置及び情報評価方法を提供する。

解決手段

評価対象の施設における単位時間当たりの電力消費を表す電力消費情報などの資源消費情報収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に、各日を分類して、評価対象の施設における在、不在又は半不在などを表す複数のグループを生成する処理をコンピュータに実行させる。

概要

背景

近年、家庭におけるスマートメータやHome Energy Management System(HEMS)及びBuilding Energy Management System(BEMS)などの省エネルギー支援機器の普及に向けた動き加速している。スマートメータ、HEMS又はBEMSを用いることで電力消費量などの電力需要データが大量に利用可能となる。

そして、スマートメータ導入の進展などに伴い、電力需要データの省エネルギー推進への活用や、電気事業者による顧客サービス向上への期待が高まっている。このような要望応えることは、小売電気事業者にとって重要である一方、中小事業所での省エネルギーの取り組みは大規模事業者と比べて遅れている場合が多い。その背景として、中小事業所ではエネルギー管理のための人手不足しがちであること、省エネルギー対策に関する情報が十分でないことが挙げられる。

例えば、大量の電力需要データが存在する場合、その中から適切なデータを用いて適切に判断することは、専門家以外にとっては困難な作業である。そこで、データを動的に処理し、省エネルギー及び節電アドバイスを行うシステムが注目されてきている。

このような省エネルギーや節電のアドバイスを行うシステムとして、対象世帯の過去の計測データや計測データを用いて作成されたグラフを基にコメント文を作成して省エネ診断報告書を作成する従来技術がある。また、アドバイスの表示履歴などのユーザ情報を基に表示するアドバイスを決定する従来技術がある。また、スマートメータから取得したデータを基に中小事業所向け省エネアドバイスレポート自動生成する従来技術がある。

概要

対象の施設の状態の判定を適切に行う情報評価プログラム情報評価装置及び情報評価方法を提供する。評価対象の施設における単位時間当たりの電力消費を表す電力消費情報などの資源消費情報収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に、各日を分類して、評価対象の施設における在、不在又は半不在などを表す複数のグループを生成する処理をコンピュータに実行させる。

目的

開示の技術は、上記に鑑みてなされたものであって、施設の状態の判定を適切に行う情報評価プログラム、情報評価装置及び情報評価方法を提供する

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

資源消費情報収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に各日を分類して複数のグループを生成する処理をコンピュータに実行させることを特徴とする情報評価プログラム

請求項2

前記指標を正規化して前記分類を行うことを特徴とする請求項1に記載の情報評価プログラム。

請求項3

各日を稼働日、半稼働日及び非稼働日に分類して複数の前記グループを生成することを特徴とする請求項1又は2に記載の情報評価プログラム。

請求項4

自己組織化マップ及びk平均法を用いて分類を行うことを特徴とする請求項1〜3のいずれか一つに記載の情報評価プログラム。

請求項5

資源消費情報を収集する情報収集部と、前記情報収集部により収集された前記資源消費情報を基に、各日における複数の指標を求める指標取得部と、前記指標取得部により求められた前記指標を基に各日を分類して複数のグループを生成する分類部とを備えたことを特徴とする情報評価装置

請求項6

資源消費情報を収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に各日を分類して複数のグループを生成することを特徴とする情報評価方法

請求項7

資源消費量を基に各日を分類した複数のグループの情報を取得し、取得した複数の前記グループの情報を基に、回帰モデルを用いて空調需要推定を行う処理をコンピュータに実行させることを特徴とする情報評価プログラム。

請求項8

資源消費量を基に各日を分類した複数のグループの情報を取得する情報取得部と、前記情報取得部により取得された複数の前記グループの情報を基に、回帰モデルを用いて空調需要の推定を行う空調需要推定部とを備えたことを特徴とする情報評価装置。

請求項9

資源消費量を基に各日を分類した複数のグループの情報を取得し、取得した複数の前記グループの情報を基に、回帰モデルを用いて空調需要の推定を行うことを特徴とする情報評価方法。

請求項10

資源消費情報を収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に各日を分類して複数のグループを生成し、生成した複数の前記グループの情報を基に、回帰モデルを用いて空調需要の推定を行う処理をコンピュータに実行させることを特徴とする情報評価プログラム。

請求項11

資源消費情報を収集する情報収集部と、前記情報収集部により収集された前記資源消費情報を基に、各日における複数の指標を求める指標取得部と、前記指標取得部により求められた前記指標を基に各日を分類して複数のグループを生成する分類部と、前記分類部により生成された複数の前記グループの情報を基に、回帰モデルを用いて空調需要の推定を行う空調需要推定部とを備えたことを特徴とする情報評価装置。

請求項12

資源消費情報を収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に各日を分類して複数のグループを生成し、生成した複数の前記グループの情報を基に、回帰モデルを用いて空調需要の推定を行うことを特徴とする情報評価方法。

技術分野

0001

本発明は、情報評価プログラム情報評価装置及び情報評価方法に関する。

背景技術

0002

近年、家庭におけるスマートメータやHome Energy Management System(HEMS)及びBuilding Energy Management System(BEMS)などの省エネルギー支援機器の普及に向けた動き加速している。スマートメータ、HEMS又はBEMSを用いることで電力消費量などの電力需要データが大量に利用可能となる。

0003

そして、スマートメータ導入の進展などに伴い、電力需要データの省エネルギー推進への活用や、電気事業者による顧客サービス向上への期待が高まっている。このような要望応えることは、小売電気事業者にとって重要である一方、中小事業所での省エネルギーの取り組みは大規模事業者と比べて遅れている場合が多い。その背景として、中小事業所ではエネルギー管理のための人手不足しがちであること、省エネルギー対策に関する情報が十分でないことが挙げられる。

0004

例えば、大量の電力需要データが存在する場合、その中から適切なデータを用いて適切に判断することは、専門家以外にとっては困難な作業である。そこで、データを動的に処理し、省エネルギー及び節電アドバイスを行うシステムが注目されてきている。

0005

このような省エネルギーや節電のアドバイスを行うシステムとして、対象世帯の過去の計測データや計測データを用いて作成されたグラフを基にコメント文を作成して省エネ診断報告書を作成する従来技術がある。また、アドバイスの表示履歴などのユーザ情報を基に表示するアドバイスを決定する従来技術がある。また、スマートメータから取得したデータを基に中小事業所向け省エネアドバイスレポート自動生成する従来技術がある。

先行技術

0006

特開2012−185608号公報
特開2005−352716号公報
特開2017−134460号公報

発明が解決しようとする課題

0007

しかしながら、単に対象世帯の計測データから報告書を作成する従来技術では、対象世帯における需要の変化は把握できるが、多人数が所定時間勤務し特定の機械連続稼働による電力消費が存在する事業所については的確な需要の判定が困難である。そのため、事業所における省エネルギー及び省コストの向上を図ることは困難である。また、表示履歴を用いる従来技術を用いても、事業所における省エネルギー及び省コストの向上を図ることは困難である。

0008

また、中小事業所向け省エネアドバイスレポートを自動生成する従来技術では、利用者が出力結果を基に調整するパラメータが多く含まれており、それなりの人手や経験を必要とするため、中小事業所での実現にはハードルが高い。また、稼働日と非稼働日の2種類に分けた推定しか行えず、推定結果の精度が不足するおそれがある。また、年間の何れの時期に需要が小さくなるかは事業所毎バラつきがあり、推定結果の精度が不足するおそれがある。

0009

開示の技術は、上記に鑑みてなされたものであって、施設の状態の判定を適切に行う情報評価プログラム、情報評価装置及び情報評価方法を提供することを目的とする。

課題を解決するための手段

0010

本願の開示する情報評価プログラム、情報評価装置及び情報評価方法の一つの態様において、資源消費情報収集し、収集した前記資源消費情報を基に、各日における複数の指標を求め、求めた前記指標を基に各日を分類して複数のグループを生成する処理をコンピュータに実行させる。

発明の効果

0011

1つの側面では、本発明は、施設の状態の判定を適切に行うことができる。

図面の簡単な説明

0012

図1は、実施例1に係る状態推定装置ブロック図である。
図2は、クラスタ数が3の場合の稼働日推定の概念図である。
図3は、実施例1に係る状態推定装置による稼働日推定処理フローチャートである。
図4は、特定の事業所における電力需要強度マップを示す図である。
図5は、稼働日推定の推定結果を表す図である。
図6は、クラスタリング結果散布図である。
図7は、非稼働日の電力需要のロードカーブを表す図である。
図8は、半稼働日の電力需要のロードカーブを表す図である。
図9は、稼働日の電力需要のロードカーブを表す図である。
図10は、実施例2に係る空調需要推定装置のブロック図である。
図11は、実施例2に係る空調需要推定装置による空調需要推定処理のフローチャートである。
図12は、空調需要の推定結果を表す図である。
図13は、空調需要の推定精度頻度を表す図である。
図14は、実施例3に係る情報評価装置のブロック図である。
図15は、実施例3に係る情報評価装置による空調需要推定処理のフローチャートである。
図16は、プログラムを実行する情報処理装置ハードウェア構成図である。

0013

以下に、本願の開示する情報評価プログラム、情報評価装置及び情報評価方法の実施例を図面に基づいて詳細に説明する。なお、以下の実施例により本願の開示する情報評価プログラム、情報評価装置及び情報評価方法が限定されるものではない。

0014

図1は、実施例1に係る状態推定装置のブロック図である。状態推定装置1は、所定の需要家における1年の各日の在、不在、又は、半不在を判定する情報評価装置である。以下では、需要家として、中小事業所を例に説明する。中小事業所の場合、在、不在、及び、半不在は、それぞれ稼働日、非稼働日、及び、半稼働日にあたる。また、以下で、在不在の判定と言った場合、在、不在及び半不在の3種類の状態の判定などの複数の状態の判定を含むものとする。

0015

また、対象の事業所には、情報取得装置2が設置される。情報取得装置2は、30分毎の消費電力を含む電力消費情報気象データを取得する。ここで、情報取得装置2としては、例えば、スマートメータ、HEMS及びBEMSなどがある。以下では、電力を使用する側からみた「電力消費」を、電力を提供する側からみて「電力需要」又は単に「需要」という場合がある。さらに、電力を一定時間使用した場合の電力の消費量を「消費電力量」又は「使用量」という場合がある。また、この電力消費情報が、「資源消費情報」の一例にあたる。

0016

状態推定装置1は、図1に示すように、情報収集部11、記憶部12、指標取得部13、正規化部14、クラスタ取得部15及び出力部16を有する。状態推定装置1は、事業所に設置された情報取得装置2に接続される。

0017

情報収集部11は、事業所の電力消費情報を情報取得装置2から取得する。さらに、情報収集部11は、各日の気象データを情報取得装置2から取得する。そして、情報収集部11は、取得した事業所の電力消費情報及び気象データを記憶部12に記憶させる。

0018

記憶部12は、ハードディスクなどの記憶装置である。記憶部12は、情報収集部11が各事業所の情報取得装置2から取得した電力消費情報及び各日の気象データを記憶する。記憶部12は、少なくとも1年分の電力消費情報及び各日の気象データを蓄積する。

0019

指標取得部13は、各日の各時刻の電力消費の情報を記憶部12から取得する。そして、指標取得部13は、取得した電力消費の情報から、稼働日推定の指標とする各日における電力需要関連情報を算出する。電力需要関連情報には、例えば、消費電力の最小値総消費量、消費電力の最大値、消費量の標準偏差、消費量の分散、消費量の度、消費量の歪度、日毎負荷率、消費電力の最大値と最小値の差分、消費電力の最大値と最小値の比率、消費電力の最大値と最小値との差分と最大値との比率、消費量の変化の微分値の最小値、消費量の変化の微分値の平均値、消費量の変化の微分値の最大値、消費量の変化の微分値の標準偏差、外気温の平均値、外気温の最大値、外気温と基準温度(例えば、20℃)との差分の平均値、外気温と基準温度との差分の最大値、外気温と基準温度との差分の絶対値の平均値、外気温と基準温度との差分の絶対値の最大値、消費電力の変化の加速度の最大値、cos((2π/48)×需要が最小値となる時間帯)などが含まれる。

0020

ここで、総消費量は、消費電力の平均値と考えてもよい。また、日毎負荷率は、消費電力の平均値を最大値で除算した値である。また、cos((2π/48)×需要が最小値となる時間帯)における時間帯は、30分毎に計測しているので、値は0以上47以下の値として表される。そのほかにも、曜日祝日といったカレンダー情報を考慮してもよい。

0021

これらの電力需要関連情報の中でも稼働日推定に用いる情報としては、消費電力の最小値、総消費量、消費電力の最大値、消費量の標準偏差、消費量の分散、消費量の尖度、消費量の歪度、日毎負荷率、消費電力の最大値と最小値との差分、cos((2π/48)×需要が最小値となる時間帯)が特に好ましい。そして、指標取得部13は、取得した各日における電力需要関連情報を正規化部14へ出力する。この電力需要関連情報が、「複数の指標」の一例にあたる。

0022

正規化部14は、各日における電力需要関連情報の入力を指標取得部13から受ける。そして、正規化部14は、取得した各日における電力需要関連情報に対して正規化を施す。正規化部14が実行する正規化の方法は特に制限は無い。例えば、正規化部14が用いることができる正規化の方法として以下のような方法がある。

0023

正規化の方法の1つとして、正規化部14は、取得した各日における電力需要関連情報をxとした場合に、xに対してx’=log(x−m+1)という式を用いて変換を施して、xを正規化した値であるx’を取得する。ここで、mは、xの最小値である。

0024

他にも、正規化の他の方法として、正規化部14は、分散が1となるように変換してもよい。また、正規化部14は、最小値が0となり、最大値が1となるように線形変換してもよい。また、正規化部14は、ソフトマックス変換を用いてもよい。

0025

その後、正規化部14は、各日における電力需要関連情報を正規化したデータをクラスタ取得部15へ出力する。

0026

クラスタ取得部15は、各日における電力需要関連情報を正規化したデータの入力を正規化部14から受ける。そして、クラスタ取得部15は、自己組織化マップ(SOM:Self-Organizing Maps)を取得したデータに対して用いて次元縮約する。

0027

次に、クラスタ取得部15は、縮約した空間上で、k−平均法(k−means)を用いて、クラスタ数を1から3までとしてクラスタリングを行う。そして、クラスタ取得部15は、Gap統計量に基づき、gap(k)≧Gmax−se(Gmax)という条件を満たす最も少ないクラスタ数を選択する。ここで、kはクラスタ数であり、gapはギャップ値であり、Gmaxは最大ギャップ値であり、seは標準誤差である。

0028

ここで、クラスタリングの結果を評価する指標は複数あるが、本実施例では、クラスタ数が1の場合でも値を定義できるGap統計量を採用した。ただし、クラスタ取得部15は、クラスタリングの結果を評価する指標として他の指標を用いてもよい。例えば、クラスタ取得部15は、Calinski−Harabasz指標、Davies−Bouldin指標又はSilhouette指標などを用いてもよい。

0029

例えば、事業所の各日の電力需要の状態がクラスタ取得部15により3つのクラスタに分けられた場合、それぞれのクラスタが、稼働日、非稼働日又は半稼働日を表す。他にも、事業所の各日の電力需要の状態がクラスタ取得部15により1つのクラスタに分けられた場合、そのクラスタは稼働日を表すと考えられ、例えば、その事業所が年中無休であることを表す。また、事業所の各日の電力需要の状態がクラスタ取得部15により2つのクラスタに分けられた場合、それぞれのクラスタが、稼働日又は非稼働日を表す。

0030

図2は、クラスタ数が3の場合の稼働日推定の概念図である。紙面に向かって左側の情報101は、事業所の各日における時間毎に並べられた正規化済の電力需要関連情報を表す。情報101は、紙面に向かって縦方向で時間を表し、横方向で日付を表す。そして、情報101は、1年分のデータを含む。クラスタ取得部15は、情報101に含まれる各日の電力需要関連情報を用いて各日をクラスタリングし、稼働日、非稼働日及び半稼働日の3つのクラスタに分ける。図2における紙面に向かって右側の情報102は、1年分の各日がクラスタ分けされた状態を表す。情報102において、斜線パターンが付された日が非稼働日にあたり、ドットのパターンが付された日が半稼働日にあたり、横線のパターンを付された日が稼働日にあたる。このように、クラスタ取得部15は、1年における各日を稼働日、稼働日及び半稼働日の3つのクラスタに分ける。このクラスタが、「複数のグループ」の一例にあたる。

0031

その後、クラスタ取得部15は、取得したクラスタの情報を出力部16へ出力する。ここで、クラスタ取得部15は、クラスタの情報として、各クラスタに含まれる日付の情報を出力する。また、クラスタ取得部15は、単に各クラスタに対応する日付の情報を出力してもよいし、また、各クラスタが稼働日、非稼働日又は半稼働日の何れにあたるかを判定し、判定結果とともに各クラスタに対応する日付の情報を出力してもよい。

0032

出力部16は、クラスタの情報の入力をクラスタ取得部15から受ける。そして、出力部16は、各日がどのクラスタにあたるかを示す情報を出力する。ここで、出力部16は、クラスタに分類された各日の情報を用いて他の処理を行う装置を出力先としてもよいし、クラスタに分類された各日の情報をモニタなどに表示するなどして状態推定装置1の操作者へ提供してもよい。ここで、クラスタに分類された各日の情報を用いて他の処理を行う装置とは、例えば、後述する空調需要推定装置や、省エネアドバイスレポート作成装置である。

0033

次に、図3を参照して、本実施例に係る状態推定装置1による稼働日推定処理の全体的な流れを説明する。図3は、実施例1に係る状態推定装置による稼働日推定処理のフローチャートである。

0034

情報収集部11は、電力需要の30分値データを情報取得装置2から取得する(ステップS1)。ここで、図3のフローでは、電力需要の30分値データの取得を1回のみ記載しているが、実際には、情報収集部11は、電力需要の30分値データの取得を継続的に繰り返す。

0035

また、情報収集部11は、気象データを情報取得装置2から取得する(ステップS2)。気象データについても、図3のフローでは1回のみ記載しているが、実際には、情報収集部11は、気象データの取得を継続的に繰り返す。ここで、情報収集部11は、ステップS1及びS2は、図3のフローの順に行わなくてもよく、例えば、2つのステップを並行して行ってもよい。そして、情報収集部11は、電力需要の30分値データ及び気象データを記憶部12に格納する。

0036

指標取得部13、正規化部14及びクラスタ取得部15は、記憶部12に格納された電力需要の30分値データ及び気象データを用いてクラスタリングを行い、各日を1つ又は複数のクラスタに分けて稼働日推定を行う(ステップS3)。

0037

ここで、ステップS3について稼働日推定の処理の流れをさらに詳細に説明する。指標取得部13は、各日の各時刻の電力消費の情報を記憶部12から取得する。そして、指標取得部13は、取得した電力消費の情報から、各日における予め決められた電力需要関連情報を算出して稼働日推定に用いる指標を取得する(ステップS31)。そして、指標取得部13は、取得した指標を正規化部14へ出力する。

0038

正規化部14は、稼働日推定に用いる指標の入力を指標取得部13から受ける。そして、正規化部14は、取得した指標を正規化する(ステップS32)。その後、正規化部14は、正規化された指標をクラスタ取得部15へ出力する。

0039

クラスタ取得部15は、正規化された指標の入力を正規化部14から受ける。そして、クラスタ取得部15は、自己組織化マップ及びk−平均法を用いて、クラスタ数を1から3までとして各日のクラスタリングを行う(ステップS33)。例えば、クラスタ取得部15は、各日を稼働日、非稼働日及び半稼働日の3つのクラスタに分ける。そして、クラスタ取得部15は、各日をクラスタリングした結果を出力部16へ出力する。

0040

出力部16は、各日をクラスタリングした結果をクラスタ取得部15から受ける。そして、出力部16は、各日のクラスタリング結果を他の装置やモニタなどへ出力する(ステップS4)。

0041

図4は、特定の事業所における電力需要の強度マップを示す図である。図4の紙面に向かって左側の需要マップは、縦軸で時刻を表し、横軸で日付を表す。そして、図4では、2013年2月1日を初日として、1年分のデータが並ぶ。さらに、図4の紙面に向かって右側の濃淡バーは、電力需要を色の濃淡で表し、紙面に向かって上にいくほど電力需要が多くなる。需要マップの各箇所は、濃淡バーにおける同じ濃淡に対応する電力需要が発生したことを表す。この図4における電力需要マップは、情報収集部11が情報取得装置2から取得した事業所の電力消費情報を表す。図4から、この事業所では、お盆休み、年末年始の休み、及び週末において電力需要が低下していることが分かる。

0042

そして、図4に対応する電力消費情報を用いて指標取得部13、正規化部14及びクラスタ取得部15がクラスタリングを行った結果が図5で示される。図5は、稼働日推定の推定結果を表す図である。図5は、縦軸で時刻を表し、横軸で日付を表す。そして、図5では、2013年2月1日を初日として、1年分の各日のクラスタリング結果が並べられている。さらに、図5の紙面に向かって右側のバーは、それぞれのパターンで各クラスタを表す。斜線のパターンが非稼働日を表し、ドットのパターンが半稼働日を表し、横線のパターンが稼働日を表す。すなわち、図5に表された1年分の各日は、対応するパターンのクラスタに属する。図5から、図4に示される電力需要で表される傾向を推定できていることが分かる。

0043

図6は、クラスタリング結果の散布図である。図6は、縦軸で平均需要を表し、横軸で最高気温を表す。図6は、稼働日推定結果に対応させた1日の総需要と最高気温の相関を表す。図6において丸が稼働日を表し、三角が半稼働日を表し、バツが非稼働日を表す。図6から、稼働日の電力需要は気温感応的であり、非稼働日の電力需要は気温感応的でないことがわかる。さらに、気温感応的な電力需要と、気温感応的でない電力需要との間の電力需要が、半稼働日の電力需要となっている。

0044

図7は、非稼働日の電力需要のロードカーブを表す図である。図8は、半稼働日の電力需要のロードカーブを表す図である。図9は、稼働日の電力需要のロードカーブを表す図である。図7〜9はいずれも、縦軸で電力の需要を表し、横軸で時刻を表す。

0045

図7から分かるように、非稼働日では、電力需要は終日増えない。また、図8から分かるように、半稼働日では、電力需要は7時以降に増えた後は大きく変わらない。また、図9から分かるように、稼働日では、電力需要は9時に顕著なピークが検出される。これらのことから、稼働日では、空調の動作により電力需要が大きく変動し、半稼働日では電力需要は空調の動作の影響はそれほど受けないことが分かる。

0046

すなわち、稼働日の電力需要は気温感応的といえ、非稼働日の電力需要は気温に関わらず低くなり、半稼働日の電力需要はある程度発生するが気温感応的とまでは言えないことが分かる。したがって、図7〜9に示されるロードカーブの形状からも、図6に示される稼働日推定の推定結果が実際の状態に則したものと言うことができる。このように、本実施例に係る状態推定装置1による1年の各日の在不在の判定結果は、実際の状態を適切に反映している。

0047

以上に説明したように、本実施例に係る状態推定装置は、特定の施設に置かれた情報取得装置から取得した電力消費情報から決められた指標を取得し、取得した指標を用いて、特定の施設における在不在の判定を行う。これにより、例えば、中小事業所の稼働日の推定などの、判定対象の施設の状態判定を高精度で行うことが可能となる。そして、判定対象の施設の状態判定の精度を向上させることで、判定結果を用いて休みのパターンの特定などを適切に行うことができ、その施設における使用状態に応じた電力消費に対してアドバイスを提供するなどの適切なアクションを実行することが可能となる。

0048

また、以上では、各施設に設置されたスマートメータなどから電力消費情報を収集し一元化して、まとめて各施設の在不在の判定を行ったが、これ以外の構成でもよい。例えば、各施設のスマートメータやHEMSやBEMSに、実施例1における状態推定装置の機能を組み込んでもよいし、実施例1における状態推定装置の機能を実行するプログラムを各施設のスマートメータやHEMSやBEMSで実行してもよい。また、以上で説明した状態推定を行うプログラムを実行するアプリケーションスマートフォンなどの携帯端末インストールし、スマートメータなどから電力消費情報を収集して、携帯端末にて在不在の判定を行ってもよい。その場合、携帯端末にインストールされた他のアプリケーションと連動してもよい。例えば、省エネアドバイスを行うアプリケーションと連動させた場合、精度のよう在不在判定の結果を用いて省エネアドバイスを生成することができ、より適切な省エネアドバイスの生成が実現可能である。

0049

例えば、スマートメータで在不在の判定を行い、判定結果を電気事業者へ送る。そして、電気事業者は、取得した在不在の判定結果を用いて電力消費の傾向や特徴を抽出して省エネアドバイスを生成し、各施設へ生成した省エネアドバイスを提供するなど行ってもよい。

0050

図10は、実施例2に係る空調需要推定装置のブロック図である。本実施例に係る空調需要推定装置3は、状態推定部31、空調需要推定部32、出力部33を有する。空調需要推定装置3は、事業所や家庭などの様々な電力需要施設における空調需要の推定を行う情報評価装置である。以下の説明では、判定対象とする電力需要施設として中小事業所を例に説明する。

0051

状態推定部31は、中小事業所の電力消費情報及び気象データを情報取得装置2から取得する。そして、状態推定部31は、取得した電力消費情報を用いて対象施設である中小事業所の稼働日推定を行う。ここでは、状態推定部31が、稼働日、非稼働日及び半稼働日の3つのクラスタに分けて稼働日推定を行った場合で説明する。状態推定部31は、稼働日推定の推定結果及び気象データを空調需要推定部32へ出力する。

0052

空調需要推定部32は、稼働日推定の推定結果及び気象データの入力を状態推定部31から受ける。これにより、空調需要推定部32は、1年における各日が、稼働日、非稼働日又は半稼働日のいずれにあたるかの情報を所得する。そして、空調需要推定部32は、次の数式(1)で表される回帰モデルを用いて各日の空調需要を推定する。

0053

0054

ここで、CDH(Cooling Degree Hours)は、冷房度時を表す。また、HDH(Heating Degree Hours)は、暖房度時を表す。さらに、Tdは、当日の最大気温を表す。また、a1及びa2は、それぞれCDH及びHDHにかける係数である。また、a3は、切片である。さらに、cは冷房使用開始温度であり、hは暖房使用開始温度である。この数式(1)は、気温上昇と冷房需要増、あるいは気温低下と暖房需要増が線形の関係であることを表した線形式である。

0055

CDHやHDHの計算には、固定的な冷房使用開始温度及び暖房使用開始温度が使われることが多いが、実際にはこれらの値は施設の仕様状態によって多様である。このことを考慮して、空調需要推定部32は、施設毎にc≧hとなる14℃から24℃まで、全ての整数値の組み合わせについて評価を行い、その中から赤池情報量基準が最小となるモデルを選択する。さらに、非稼働日の空調使用状況が半稼働日及び稼働日とは大きく異なることを考慮して、空調需要推定部32は、回帰に用いるデータは非稼働日と稼働日と半稼働日とをまとめた非稼働日以外で分けて、それぞれについてa1,a2,a3を推定する。

0056

その後、空調需要推定部32は、対象施設である中小事業所の空調需要の推定結果を出力部33へ出力する。

0057

出力部33は、対象施設である中小事業所の空調需要の推定結果の入力を空調需要推定部32から受ける。そして、出力部33は、空調需要の推定結果を出力先に出力する。ここで、出力部33は、空調需要の推定結果を省エネアドバイスレポート作成装置などの他の処理を行う装置を出力先としてもよいし、モニタなどに表示するなどして空調需要推定装置3の操作者へ提供してもよい。

0058

次に、図11を参照して、本実施例に係る空調需要推定装置3による空調需要推定処理の流れについて説明する。図11は、実施例2に係る空調需要推定装置による空調需要推定処理のフローチャートである。

0059

状態推定部31は、電力需要の30分値データを情報取得装置2から取得する(ステップS11)。ここで、図11のフローでは、電力需要の30分値データの取得を1回のみ記載しているが、実際には、状態推定部31は、電力需要の30分値データの取得を継続的に繰り返す。

0060

また、状態推定部31は、気象データを情報取得装置2から取得する(ステップS12)。気象データについても、図11のフローでは1回のみ記載しているが、実際には、状態推定部31は、気象データの取得を継続的に繰り返す。

0061

状態推定部31は、取得した電力需要の30分値データ及び気象データを用いてクラスタリングを行い、各日を1つ又は複数のクラスタに分けて稼働日推定を行う(ステップS13)。そして、状態推定部31は、稼働日推定の結果及び気象データを空調需要推定部32へ出力する。

0062

空調需要推定部32は、稼働日推定の結果及び気象データの入力を状態推定部31から受ける。そして、空調需要推定部32は、稼働日推定の結果及び気象データを基に、数式(1)で示される回帰モデルを用いて重回帰分析を行い、空調需要を推定する(ステップS14)。その後、空調需要推定部32は、空調需要の推定結果を出力部33へ出力する。

0063

出力部33は、空調需要の推定結果の入力を空調需要推定部32から受ける。そして、出力部33は、空調需要の推定結果を他の装置やモニタへ出力する(ステップS15)。

0064

図12は、空調需要の推定結果を表す図である。図12では、77か所の事業所を対象として空調需要推定を行った場合の、それぞれの空調需要の推定結果を表している。図12の縦軸は年間冷暖房需要を表し、横軸は各事業所を表す。

0065

図12に示すように、空調需要推定装置3による空調需要の推定結果と各事業所における実測値との差については、正負偏りや大きさの偏りは見られない。すなわち、空調需要推定装置3は、おおよそ適切な空調需要の推定結果を得ているといえる。

0066

そして、図12に示す各事業所に対する推定精度として誤差率の絶対値を求めた結果を図13に示す。図13は、空調需要の推定精度の頻度を表す図である。図13は、縦軸で推定結果の件数を表し、横軸で誤差率の絶対値(APE:Absolute Percentage Error)を表す。

0067

図13に示すように、空調需要推定装置3による空調需要の推定結果は誤差率の絶対値が20%に収まっている。具体的には、誤差率の絶対値が20%未満となる事業所の件数は77件中67件である。さらに、77件の事業所それぞれの誤差率の絶対値をさらに平均した値は12.0%である。すなわち、空調需要推定装置3は、高精度で空調需要の推定を行うことができるといえる。

0068

ここで、本実施例に係る空調需要推定装置3は、図10に示すように状態推定部31を有する場合で説明したが、状態推定部31の機能は外部の装置が有してもよい。その場合、空調需要推定装置3は、状態推定部31の機能は外部の装置から各日の電力消費情報を取得し、且つ、気象データを他の装置から取得して上述した回帰モデルを用いた空調需要の推定を行う。

0069

以上に説明したように、本実施例に係る空調需要推定装置は、在、不在及び半不在を表す施設の状態を基に場合分けを行い、回帰モデルを用いて空調需要の推定を行う。これにより、本実施例に係る空調需要推定装置は、精度の高い空調需要の推定を行うことができる。

0070

また、使用量平均が最小となる月の電力の時間帯別平均消費量最低需要として、最低需要からの増分を空調需要とみなして空調需要の推定を行う差分法と呼ばれる方法がある。ここで、差分法を用いて空調需要の推定を行った場合、極端に大きく推定が外れる場合がある。これに対して、実施例2の空調需要推定装置のように重回帰分析を用いた場合、推定結果が大きく外れる頻度を軽減することができる。

0071

図14は、実施例3に係る情報評価装置のブロック図である。図14に示すように、本実施例に係る情報評価装置10は、情報収集部11、記憶部12、指標取得部13、正規化部14、クラスタ取得部15、空調需要推定部32及び出力部33を有する。

0072

図14における情報収集部11、記憶部12、指標取得部13、正規化部14及びクラスタ取得部15は、それぞれ図1における情報収集部11、記憶部12、指標取得部13、正規化部14、クラスタ取得部15と同じ機能を有する。また、図14における空調需要推定部32及び出力部33は、それぞれ図10における空調需要推定部32及び出力部33と同じ機能を有する。

0073

情報収集部11は、電力消費情報及び気象データを情報取得装置2から取得し、記憶部12に記憶させる。

0074

指標取得部13、正規化部14及びクラスタ取得部15は、実施例1と同様に、記憶部12に格納された電力消費情報から予め決められた指標を日毎に取得し、取得した指標を正規化してクラスタリングを行い、各日の在、不在及び半不在を特定する。

0075

空調需要推定部32は、クラスタリングの結果の情報をクラスタ取得部15から取得する。また、空調需要推定部32は、各日の気象データを記憶部12から取得する。そして、空調需要推定部32は、各日のクラスタリングの結果及び気象データを基に、数式(1)で示した回帰モデルを用いて空調需要の推定を行う。

0076

出力部33は、空調需要推定部32が行った空調需要の推定結果を出力する。

0077

次に、図15を参照して、本実施例に係る情報評価装置10による空調需要推定処理の流れを説明する。図15は、実施例3に係る情報評価装置による空調需要推定処理のフローチャートである。

0078

情報収集部11は、電力需要の30分値データを情報取得装置2から取得する(ステップS21)。

0079

また、情報収集部11は、気象データを情報取得装置2から取得する(ステップS22)。そして、情報収集部11は、電力需要の30分値データ及び気象データを記憶部12に格納する。

0080

指標取得部13は、各日の各時刻の電力消費の情報を記憶部12から取得する。そして、指標取得部13は、取得した電力消費の情報から、各日における予め決められた電力需要関連情報を算出して稼働日推定に用いる指標を取得する(ステップS23)。そして、指標取得部13は、取得した指標を正規化部14へ出力する。

0081

正規化部14は、稼働日推定に用いる指標の入力を指標取得部13から受ける。そして、正規化部14は、取得した指標を正規化する(ステップS24)。その後、正規化部14は、正規化された指標をクラスタ取得部15へ出力する。

0082

クラスタ取得部15は、正規化された指標の入力を正規化部14から受ける。そして、クラスタ取得部15は、自己組織化マップ及びk−平均法を用いて、クラスタ数を1から3までとして各日のクラスタリングを行う(ステップS25)。例えば、クラスタ取得部15は、各日を稼働日、非稼働日及び半稼働日の3つのクラスタに分ける。そして、クラスタ取得部15は、各日の稼働日推定の結果を空調需要推定部32へ出力する。

0083

空調需要推定部32は、稼働日推定の結果の入力をクラスタ取得部15から受ける。さらに、空調需要推定部32は、気象データを記憶部12から取得する。そして、空調需要推定部32は、稼働日推定の結果及び気象データを基に、数式(1)で示される回帰モデルを用いて重回帰分析を行い、空調需要を推定する(ステップS26)。その後、空調需要推定部32は、空調需要の推定結果を出力部33へ出力する。

0084

出力部33は、空調需要の推定結果の入力を空調需要推定部32から受ける。そして、出力部33は、空調需要の推定結果を他の装置やモニタへ出力する(ステップS27)。

0085

以上に説明したように、本実施例に係る情報評価装置は、電力消費情報から取得した予め決められた指標を用いてクラスタリングを行い、クラスタリングの結果を基に空調需要の推定を行う。予め決められた指標を用いてクラスタリングを行うことで、精度よくクラスタリングを行うことができ、精度のよいクラスタリングの結果を用いて空調需要の推定を行うことで、空調需要の推定の精度をより向上させることができる。

0086

また、上記の各実施例で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータワークステーションなどの情報処理装置で実行することによって実現することもできる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータシステムの一例を説明する。図16は、プログラムを実行する情報処理装置のハードウェア構成図である。

0087

図16に示した情報処理装置100は、実施例1の状態推定装置1、実施例2の空調需要推定装置3及び実施例3の情報評価装置10を実現する。情報処理装置100は、CPU(Central Processing Unit)91、メモリ92、ハードディスク93及びネットワークインタフェース94を有する。CPU91は、バスを介してメモリ92、ハードディスク93及びネットワークインタフェース94と接続される。

0088

情報処理装置100により状態推定装置1を実現する場合には、ハードディスク93は、図1に例示した記憶部12の機能を実現する。また、ハードディスク93は、情報収集部11、指標取得部13、正規化部14、クラスタ取得部15及び出力部16の機能を実現するためのプログラムを含む各種プログラムを格納する。また、メモリ92及びハードディスク93は、上述の在不在の判定に用いる各種データを記憶する。この場合、CPU91は、ハードディスク93から各種プログラムを読み出し、メモリ92に展開して実行することで、情報収集部11、指標取得部13、正規化部14、クラスタ取得部15及び出力部16の機能を実現する。また、ネットワークインタフェース94は、情報取得装置2などの外部の装置との間でCPU91が通信を行うためのインタフェースである。

0089

また、情報処理装置100により空調需要推定装置3を実現する場合には、ハードディスク93は、図10に例示した状態推定部31、空調需要推定部32及び出力部33の機能を実現するためのプログラムを含む各種プログラムを格納する。また、メモリ92及びハードディスク93は、上述の空調需要推定に用いる各種データを記憶する。この場合、CPU91は、ハードディスク93から各種プログラムを読み出し、メモリ92に展開して実行することで、状態推定部31、空調需要推定部32及び出力部33の機能を実現する。また、ネットワークインタフェース94は、情報取得装置2などの外部の装置との間でCPU91が通信を行うためのインタフェースである。

0090

また、情報処理装置100により情報評価装置10を実現する場合には、ハードディスク93は、図14に例示した情報収集部11、指標取得部13、正規化部14、クラスタ取得部15、空調需要推定部32及び出力部33の機能を実現するためのプログラムを含む各種プログラムを格納する。また、メモリ92及びハードディスク93は、上述の在不在の判定及び空調需要推定に用いる各種データを記憶する。この場合、CPU91は、ハードディスク93から各種プログラムを読み出し、メモリ92に展開して実行することで、情報収集部11、指標取得部13、正規化部14、クラスタ取得部15、空調需要推定部32及び出力部33の機能を実現する。また、ネットワークインタフェース94は、情報取得装置2などの外部の装置との間でCPU91が通信を行うためのインタフェースである。

0091

なお、上記した実施例1の状態推定装置1、実施例2の空調需要推定装置3又は実施例3の情報評価装置10の各機能を実現するためのプログラムについては、必ずしも最初からハードディスク93に記憶させなくてもよい。

0092

例えば、情報処理装置100に挿入されるフレキシブルディスクFD)、CD−ROM(Compact Disk-Read Only Memory)、DVD、光磁気ディスク、IC(IntegratedCircuit)カードなどの「可搬用の物理媒体」にプログラムを記憶させておく。そして、情報処理装置100がこれらからプログラムを読み出して実行するようにしてもよい。

実施例

0093

さらには、公衆回線インターネット、LAN(Local Area Network)、WAN(Wide Area Network)などを介して情報処理装置100に接続される「他のコンピュータ(またはサーバ)」などにプログラムを記憶させておく。そして、情報処理装置100がこれらからプログラムを読み出して実行するようにしてもよい。

0094

1状態推定装置
2情報取得装置
3空調需要推定装置
11情報収集部
12 記憶部
13指標取得部
14正規化部
15クラスタ取得部
16 出力部
31状態推定部
32 空調需要推定部
33 出力部

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 -

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