JP2014195348A - 情報処理装置及び情報処理方法 - Google Patents

Abstract

【課題】 機器の消費電力を自然に抑制していく制御技術を提供する。
【解決手段】 機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、前記第１の期間の制御対象単位毎の消費電力の実績値の統計に基づく値を目標値とし、抑制制御対象であるか否かを制御対象単位毎に判定する抑制制御対象判定部と、前記抑制制御対象判定部により抑制制御対象と判定された制御対象単位の機器の消費電力の抑制制御を行う抑制制御処理部とを有することを特徴とする情報処理装置。
【選択図】 図８

Description

本発明は、情報処理技術に関し、特に、機器制御における情報処理技術に関する。

近年、省エネルギー意識の高まりとともに、家電などの機器の省エネルギー化が進んでいる。

例えば、近年では、家電機器や住宅設備機器などの複数の機器などを一括して制御できるようにしたシステム（例えば、ＨＥＭＳ： home energy management system）が普及しつつある。例えば、下記特許文献１に記載のシステムでは、家庭内ネットワークに接続されるエアコンや照明灯などのネットワーク家電機器について、パソコンにより表示されている画面で操作をする。その操作に応じて、ＡＳＰサーバが具体的にネットワーク家電機器を動作制御する。パソコンの画面には、便利ボタンとして、「おでかけ」、「おやすみ」、「おかえり」などの生活シーンに対応したモードボタンが設けられている。例えば「おでかけ」ボタンを操作すると、これに応じてエアコンが停止されると共に、照明灯が消灯されるようになっている。このようにして、異なる種類のネットワーク家電機器をあるモードとして一括して動作制御することができる。

また、下記特許文献２は、電力を抑制するために電気機器の使用の調整を人手で行うことは煩わしく、実施される確実性も懸念されるために自動制御を行うこと、さらに自動制御を単純に行えば気象条件等の影響により効果が不確実になるため、電気代や気象状況による制約条件や、ユーザの快適性を総合的にコスト評価値として複数の制御候補に対してシミュレーションを行い、最も評価値の小さい候補を採用して、各機器を自動制御することを開示する。

特開２００６−３５０８１９号公報 特開２０１０−１６６６３６号公報

しかしながら、上記特許文献２に記載の技術は、使用電力の予測として、長期シミュレーション予測というより使用電力の計画によるものと言える。すなわち、特許文献２には、１日、または、それぞれの時間帯の使用電力の予算という概念はない。さらに、属人的な要素を考慮しないため、誰かがいるかいないか、に依存する快適性の評価がないという点、本当は使う必要がないかもしれない時間帯・需要家に対しても電力を使用してしまうという点、抑制の必要なタイミング（電力供給状況が悪い時間帯）で、電力の抑制効果が得られない可能性があるという点、当たるはずのない、先々の天気予報の当たり/外れ、によって計算結果が大きく狂ってしまうという点などが問題となる。
また、日々の予算、目標を細かく人間が設定し、状況に合わせて更新し続けるのは難しかった。

本発明は、機器の消費電力を自然に抑制していく制御技術を提供することを目的とする。

本発明の一観点によれば、機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、前記第１の期間の制御対象単位毎の消費電力の実績値の統計に基づく値を目標値とし、抑制制御対象であるか否かを制御対象単位毎に判定する抑制制御対象判定部と、前記抑制制御対象判定部により抑制制御対象と判定された制御対象単位の機器の消費電力の抑制制御を行う抑制制御処理部とを有することを特徴とする情報処理装置が提供される。

前記制御対象単位は曜日であり、前記優先度変更処理を、ユーザの休日パターンに基づいて、該当する曜日の優先度に反映させることを特徴とする。前記制御対象単位は曜日以外にも、ユーザの在不在などの行動パターンに依存して特定可能である。

また、機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、統計に基づく値を目標値とし、リアルタイムに測定された前記第２の期間中の消費電力値とを比較して、抑制制御を行うか否かを判定し、抑制制御対象と判定されると消費電力のリアルタイムに抑制制御する抑制制御処理部とを有することを特徴とする情報処理装置が提供される。

本発明によれば、機器の消費電力を自然に抑制していくことができる。

本発明の第１の実施の形態による情報処理装置を備えたエアコン装置の一構成例を示す機能ブロック図である。 本発明の実施の形態による家電制御システム（ＨＥＭＳ）の一構成例を示す機能ブロック図である。 本実施の形態による消費電力予測プログラムによる処理を行う情報処理部の一構成例を示す機能ブロック図である。 本実施の形態による消費電力予測プログラムによる処理を行う情報処理部の一構成例を示す機能ブロック図である。 消費電力値の予測対象日と、予測に用いる計算の対象日とをカレンダーで示す図である。 情報処理部における処理の流れを示すフローチャート図である。 図４Ａに示す消費電力値の代わりに、消費電力値の時間依存性を求める場合の例を示す図である。 図４Ａ、図４Ｂに示す平均値の代わりに、外挿値を統計値とする場合の例（ここでは、時間依存を求める例を示す）を示す図である。 図４Ａ、図４Ｂに示す平均値の代わりに、外挿値を統計値とする場合の例（ここでは、時間依存を求める例を示す）情報処理部における処理の流れを示すフローチャート図である。 本発明の第１の実施の形態による電力制御技術の原理を示す図である。 本実施の形態により家電の電力制御装置の一構成例を示す機能ブロック図である。 本実施の形態による家電の電力制御方法の流れを示すフローチャート図である。 より具体的な処理を示すフローチャート図である。 本発明の第２の実施の形態による電力制御技術の原理を示す図である。 本実施の形態により家電の電力制御装置の一構成例を示す機能ブロック図である。 本実施の形態による家電の電力制御方法の流れを示すフローチャート図である。 優先度に基づく機器制御の原理を示す図である。 各種家電の消費電力、状態、設定値などの遷移例を示した図である。 制御の流れを示すフローチャート図である。 図１５における各家電機器の制御処理の例としてエアコン装置の制御例を示すフローチャート図である。 休日設定と優先度の関係を示す図である。 優先度変更前（ａ）、優先度変更後（ｂ）の値の例を示す図である。

以下に、本発明の実施の形態による情報処理技術について図面を参照しながら詳細に説明を行う。以下では、機器の例として、エアコン、テレビなどの家電を例にして説明し、情報処理の例として機器の制御処理を例にして説明する。図１Ｂは、本発明の実施の形態による家電制御システム（ＨＥＭＳ）の一構成例を示す機能ブロック図である。

図１Ｂに示すように、例えば、各家電ＡからＤまでの消費電力等を「コンセント差し込み型電力センサ」１８や分電盤にとりつけた「ＣＴセンサ」１８ａにより測定し、その測定結果を、ＨＥＭＳのＨＥＭＳ管理部３０へ提供する。また、ＨＥＭＳ管理部３０は、制御可能な家電Ａ〜Ｄ等に対して「家電の制御」を行い、制御できない家電に対してはテレビや小型モニタへアドバイスを表示する。

ＨＥＭＳ管理部３０は、少なくとも家電の消費電力予測部３１と家電のスケジューラ部３３とを有する。家電の消費電力予測部３１は、図２の消費電力予測部２１ａ−３に対応する構成を有する。或いは、図２の消費電力予測部２１ａ−３からの予測情報を一括して取得して制御に利用する構成でも良い。

さらに、図１Ｂにおいては、アドバイス生成部３５、見える化・制御ユーザインタフェース部３７、機器管理部４１を含む。

家電の消費電力予測部３１は、家庭における電力の使用履歴からユーザの生活パターンを分析し、季節／天候や各種センサの入力情報などと合わせて、同家庭における将来的な消費電力値を予測する。

家電のスケジューラ部３３は、家電の消費電力予測部３１の予測委などに応じて、家電の動作状態（レベルシフト=On/Off・温度・輝度等）や動作タイミング(タイムシフト、すなわち使用時間帯の変更)に関するスケジューリング（計画策定）を行う。制御可能な家電に対しては、上記スケジューリング結果等に応じて制御を行う。

アドバイス生成部３５は、スケジューリング結果等に応じてアドバイスを生成し、見える化・制御ユーザインタフェース３７を介してユーザへアドバイス表示を行う。

機器管理部４１は、太陽電池５１、蓄電池５３、電気自動車５５などの創エネ蓄エネ機器５０のエネルギー管理を行うとともに、家庭内の家電Ａ−Ｄの全体の消費エネルギーについての計画情報を生成する。計画情報は、家電Ａ−Ｄの消費エネルギーの時間帯別の目標値であったり、上限値や下限値であったりしても良い。

本ＨＥＭＳシステムでは、家電Ａ−Ｄの消費電力予測結果と前記の計画情報の２つの情報をもとに家電の動作状態とタイミングを家電のスケジューラ部３３にて生成する。尚、家電のスケジューラ部３３で生成するための情報は、これらに限定されない。

図１Ａは、本発明の第１の実施の形態による情報処理装置を備えたエアコン装置の一構成例を示す機能ブロック図である。情報処理装置は、エアコン装置と有線又は無線で接続される形態でも良い。図１に示すように、本実施の形態によるエアコン制御装置５を含むエアコン装置Ａは、室内機１と、室外機３と、リモコン装置１７と、消費電力測定器１８と、から構成されている。リモコン装置１７からの装置のオン／オフ、温度制御などを行うための遠隔制御信号は、リモコン信号受光部３１により受光される。消費電力測定器１８は、例えば、スマートタップなどの、家電機器と室内コンセントとの中間に配置され、検知した電圧と電流から消費電力を計算し、その結果を、例えば無線通信により送信する装置を用いて実現することができる。

エアコン制御装置５は、ＣＰＵ（制御部）２１と、ＲＡＭ（主記憶装置）２３と、ＲＯＭ（不揮発性メモリ）２７と、を有している。ＲＯＭ（不揮発性メモリ）２７内には、消費電力測定器１８により測定された測定値を記憶する測定値記憶部２７ａと、エアコンを自動運転させるための自動運転プログラム２７ｂと、消費電力予測プログラム２７ｃ等が格納されている。消費電力予測プログラム２７ｃは、ＣＰＵ２１に、消費電力を予測するための情報処理を行わせる情報処理部２１ａとして機能させるプログラムである。

測定値記憶部２７ａは、消費電力測定器１８等により測定された機器の消費電力値の時間変化を、例えば２４時間単位で、年月日、曜日とともに記憶する。自動運転プログラム２７ｂは、エアコン装置の制御を行う制御プログラムである。例えば、エアコンの起動開始時の場合には、ユーザが押したボタンに依存する「冷房」、「暖房」の判断と、エアコンが省エネ運転モードである「エコ自動運転」で運転する場合に判断した「冷房」、「暖房」の判断とが、同じ場合には、エアコンは「エコ自動運転」で運転する。一方、ユーザが押したボタンに依存する「冷房」、「暖房」の判断と、エアコンが「エコ自動運転」で運転する場合に判断した「冷房」、「暖房」の判断とが、異なる場合には、ユーザの判断（操作）を優先した「冷房」もしくは「暖房」状態で運転する。尚、「自動」ボタンで起動した場合は、「エコ自動運転」を行う。これらの運転は、例えば運転開始時の設定温度と、エコ自動運転範囲（エコ自動運転させる場合の運転状態判断）との関係の別に従って、どのような運転がなされるかを示した表等に基づいて制御される。エアコンの運転制御は、公知の種々の方法に対応することができる。上記では、エコ自動運転を例に説明したが、自動運転はエコに特化したものではなく、一般的なエアコンの自動運転でも良く、エコ運転に限定されるものではない。

消費電力予測プログラム２７ｃ及びそれに基づく処理内容等については、以下に詳細に説明する。

図２Ａは、本実施の形態による消費電力予測プログラム２７ｃによる処理を行う情報処理部２１ａの一構成例を示す機能ブロック図である。図３は、消費電力値の予測対象日と、予測に用いる計算の対象日とをカレンダーで示す図である。図４Ａは、情報処理部２１ａにおける処理の流れを示すフローチャート図である。

情報処理部２１ａは、消費電力値をメモリ等から読み出す消費電力読み出し部２１ａ−１と、消費電力値の情報処理に関する統計処理を行う統計処理部２１ａ−２と、統計処理を行った消費電力値等に基づいて消費電力値の予測を行う消費電力予測部２１ａ−３と、を有している。

消費電力値の予測対象日を、例えば７月２８日（土曜日）とし、予測には、それ以前の期間に測定した消費電力値を用いる。どの程度、過去まで遡るかは、任意に選択可能であり、例えば１ヶ月前などである。

情報処理が開始されると（ステップＳ１）、消費電力読み出し部２１ａ−１は、１日の消費電力値を、日付、曜日とともに記憶した測定値記憶部２７ａから予測対象日（７月２８日の土曜日）と同じ曜日である同曜日（図３では月曜日から始まるカレンダーの土曜日： ｓａｍｅ ｄａｙ ｏｆ ｔｈｅ ｗｅｅｋ）の過去の消費電力値を測定値記憶部２７ａから読み出す（ステップＳ２）。例えば、７月の土曜日の７月２１日、７月１４日、７月７日の消費電力値を読み出す。

統計処理部２１ａ−２は、同曜日の過去の消費電力値を統計的に処理した統計値（例えば平均値）を求める（ステップＳ３）。消費電力予測部２１ａ−３は、統計処理部２１ａ−２により求めた統計値に基づいて予測対象日の消費電力値を求める（ステップＳ４）。平均値であれば、３日間の平均を求めることで、予測対象日である７月２８日の消費電力値とする。

図４Ｂは、図４Ａに示す消費電力値の代わりに、消費電力値の時間依存性を求める場合の例を示す図である。

情報処理が開始されると（ステップＳ１１）、消費電力読み出し部２１ａ−１は、１日の消費電力値の時間依存を、日付、曜日とともに記憶した測定値記憶部２７ａから予測対象日（７月２８日）と同曜日の過去の消費電力値の時間依存を前記測定値記憶部から読み出す（ステップＳ１２）。例えば、７月２１日、７月１４日、７月７日の消費電力値を読み出す。

統計処理部２１ａ−２は、同曜日の過去の消費電力値の時間依存を統計的に処理した統計値（平均値）を求める（ステップＳ１３）。消費電力予測部２１ａ−３は、統計処理部２１ａ−２により求めた統計値に基づいて予測対象日の消費電力値の時間依存を求める（ステップＳ１４）。ここでは、平均値として、３日間の平均を求めることで、予測対象日である７月２８日の消費電力値の時間依存とし、処理を終了する（ステップＳ１５）。

図５Ａは、図４Ａ、図４Ｂに示す平均値の代わりに、外挿値を統計値とする場合の例（ここでは、時間依存を求める例を示す）を示す図である。

情報処理が開始されると（ステップＳ２１）、消費電力読み出し部２１ａ−１は、１日の消費電力値の時間依存を、日付、曜日とともに記憶した測定値記憶部２７ａから予測対象日（７月２８日）と同曜日の過去の消費電力値の時間依存を前記測定値記憶部から読み出す（ステップＳ２２）。例えば、７月２１日、７月１４日、７月７日の消費電力値を読み出す。

統計処理部２１ａ−２は、同曜日の過去の消費電力値の時間依存を統計的に処理した統計値（外挿値）を求める（ステップＳ２３）。外挿値は、予測対象日への外挿値である。この場合には、統計値として、平均値の代わりに、外挿値を求める。すなわち、例えば横軸に期間の長さを、縦軸に統計値をプロットして、期間が短くなる（例えば予測対象日との間の期間が０）に外挿する。７月７日、７月１４日、７月２１日、と時間軸上の消費電力値をプロットして７月２８日の値を求める。消費電力予測部２１ａ−３は、統計処理部２１ａ−２により求めた統計値に基づいて予測対象日の消費電力値の時間依存を求める（ステップＳ２４）。ここでは、外挿値を、予測対象日である７月２８日の消費電力値又はその時間依存とし、処理を終了する（ステップＳ２５）する。

以上のいずれか処理によっても、ユーザのエアコン機器の利用状況に対する曜日に依存する消費電力を求めることができる。

このように、消費電力に影響する在宅・不在などのライフスタイルにもっとも影響するのは、曜日であることが考えられることから、曜日に依存する電力予測を行うことで、消費電力の予測を精度良く行うことができる。

図２Ｂは、本実施の形態による消費電力予測プログラム２７ｃによる処理を行う情報処理部２１ｂの一構成例を示す機能ブロック図である。図５Ｂは、情報処理部２１ｂにおける処理の流れを示すフローチャート図である。

情報処理部２１ｂは、消費電力値を読み出す消費電力読み出し部２１ａ−１と、消費電力値の情報処理に関する統計処理を行う統計処理部２１ａ−２と、異なる消費電力値の依存性を求めた統計値に基づいて、その依存性の重み付け係数を求める係数算出部２１ｂ−１と、統計処理と係数算出を行った結果として消費電力値に基づいて消費電力値の予測を行う消費電力予測部２１ａ−３と、を有している。

消費電力値の予測対象日を、例えば７月２８日（土曜日）とし、予測には、それ以前の期間に測定した消費電力値を用いる。どの程度、過去まで遡るかは、任意に選択可能であり、例えば１ヶ月前などである。

情報処理が開始されると（Ｓｔａｒｔ： ステップＳ５１）、消費電力読み出し部２１ａ−１は、１日の消費電力値を、日付、曜日とともに記憶した測定値記憶部２７ａから予測対象日（７月２８日）と同曜日の過去の消費電力値を前記測定値記憶部から読み出す（ステップＳ５２）。例えば、予測対象日（７月２８日（土曜日））と例えば１週間前の同曜日（７月２１日（土曜日））を基準日として、この基準日より以前の同曜日の過去の消費電力値と、基準日（７月２１日（土曜日））より以前の過去の消費電力値（例えば、７月１日から７月２０日まで）と、を測定値記憶部２７ａから読み出す７月２１日、７月１４日、７月７日の消費電力値を読み出す（例えば、７月１日から７月２０日まで）。以前の過去の消費電力値は、曜日依存の有無が明らかにするため、同曜日（土曜日）を除いても良い。

統計処理部２１ａ−２は、同曜日の過去の消費電力値を統計処理した第１の統計値（例えば平均値）と、過去の消費電力値を統計処理した第２の統計値（例えば平均値）とを求める（ステップＳ５３）。係数算出部２１ｂ−１は、第１の統計値と第２の統計値との重み付け係数を求める（ステップＳ５４）。そして、消費電力予測部２１ａ−３は、重み付け係数に基づいて、統計処理部２１ａ−２により求めた統計値と、係数算出部２１ｂ−１より求めた係数とに基づいて予測対象日の消費電力値を求める（ステップＳ５５）。そして、処理を終了する（ステップＳ５６）。

予測結果を求めるための係数は以下のようにして求めることができる（図３のカレンダー例では２０日までのデータを利用し、２１日と比較する）。

A(t)：過去の全期間（例えば７月１日から２０日まで）の消費電力値の平均（曜日に依存しない）
B(t)：過去の指定曜日（例えば７月７、１４日）の消費電力値の平均（曜日に依存する）
D(t)：予測結果をフィッティングする対象日（予測日の１週前の７月２１日）の消費電力値
D(t)= aA(t)+bB(t) （１）

（１）式の値Ｄ（ｔ）が最も近くなる係数（a,b）の組み合わせを例えば二分法を利用して計算する。ただし、ここでtは時刻である。求めた係数a,bと、予測対象日（７月２８日（土曜日））に対するA’(t)、B’(t)から予測対象日である７月２８日の消費電力値D’(t)を算出する。
D’(t)= aA’(t)+bB’(t) （２）

尚、上記の期間や指定曜日は、突出した値を持つ日を除外したり、求めた値に依存して期間を変更したり、などの一般的な統計処理を適用することができる。

図５の場合と同様に、消費電力値の代わりに消費電力値の時間依存を求めることができる。この場合に、統計値と係数値を各時間帯又は時間毎に求めても良いし、或いは、しきい値消費電力等を用いて、オン時間とオフ時間とに切り分けた後に、オン期間とオフ期間とにおいて統計処理を行っても良い。

また、統計値としては、平均値を用いても良く、その代わりに、外挿値を用いても良い。

以上に説明したように、本実施の形態によれば、曜日依存性を持つ統計値と曜日に依存しない統計値との重み付けを求め、この重み付けを、予測対象日の消費電力値を求める際に用いることで、曜日依存性を考慮した予測を行うことができる。

以上のいずれかの処理により、エアコン機器の利用状況に対する消費電力値を予測することができる。

以上に説明した家電の消費電力の予測方法は一例であり、その他の方法を用いても良い。立てば、過去の電力使用のパターンから、在宅パターン、各機器毎、建物全体、天候条件、国、地域ごとなどの異なる条件について求めることができる。

また、図１Ａで示したエアコン制御装置５が家電内部に配置されている方法は一例であり、設置場所を家庭内外に問わない各種サーバや、スマートフォンや携帯電話などの携帯機器やタブレットや専用端末などの端末内に配置されていても良い。また、機能ブロックが様々な形で分割されて別々の機器や端末内部にあってもよい。

次に、上記の家電の消費電力予測部３１による予測結果をもとに家電の消費電力制御を行う家電のスケジューラ部３３について説明する。

図６は、本実施の形態による電力制御技術の原理を示す図である。図７は、本実施の形態により家電の電力制御装置の一構成例を示す機能ブロック図である。図８は、本実施の形態による家電の電力制御方法の流れを示すフローチャート図である。図９は、そのより具体的な処理を示すフローチャート図である。

図６では、横軸に時間（期間）、縦軸に消費電力をとり、Ａ期間における制御対象単位毎の電力値を実績値として求める。ここで、Ａ期間は例えば１日、１週間などの期間であるが、ここでは、２／１〜２／７日の１週間のうちの月から金曜までの間である。但し、土曜日、日曜日は生活パターンが大きく異なるため、除外している。

Ａ期間の実績値は、例えば、月曜日から金曜日までの５日のそれぞれの実績値からなる。この場合には、機器の制御対象単位は曜日である。すなわち、制御対象単位とは、行動パターンや属人な要素に依存して消費電力の大小に影響を与えるような括りとなるパラメータであり、曜日、家の住人などが該当する。

図７に示すように、本実施の形態による情報処理装置は、制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部１０１と、当該期間の消費電力の実績値に基づいて次期間の消費電力を予測する次期間消費電力予測部１０２と、抑制制御対象であるか否かを判定する抑制制御対象判定部１０３と、抑制制御対象と判定された曜日等における家電の消費電力の抑制制御を行う抑制制御処理部１０４と、次の期間の処理に変更する期間変更部１０５と、各種データを記憶する記憶部１０６と、を有している。

以下、制御対象単位を曜日にした例について説明する。図８（図９）のステップＳ１０１・２０１で処理を開始すると（Ｓｔａｒｔ）、制御対象単位毎消費電力実績値演算部１０１が、ステップＳ１０２・２０２で、ｎ期間（ここではＡ期間）の消費電力値を測定し、次期間消費電力予測部１０２が、ステップＳ１０３・２０３で、例えば上記のアルゴリズムを用いて、これに基づいて第ｎ＋１期間（ここではＢ期間）の予測電力値を求める。

ステップＳ１０４・２０４で、第ｎ期間の消費電力値の統計値（平均値等）から第ｎ＋１期間の目標値を求める。ここで、目標値は単純平均値に限るものではなく、目標値として各種統計値及び統計値を加工した値（上限や、下限、平均値に±α（Ｗ）した値）などを使用する事を想定している。

ステップＳ１０５・Ｓ２０５で、抑制制御対象判定部１０３が、図６に示す予測値のうち、例えばＡ期間の電力値の平均値を目標値として、予測値が目標値よりも大きい制御対象の値があるか否かを判定し、目標値よりも高い予測値を持つ制御対象単位（曜日等）について、消費電力の抑制制御の対象とする。

このＡ期間の実績値を基に、例えば、上記のようなアルゴリズムを用いて、Ｂ期間の消費電力の予測を行う。時間帯毎の実績値が表１に、予測の結果が表２に示されている。

表１は、Ａ期間の各曜日における時間帯毎の家全体の家電の消費電力の実績値を示す表である。図６では、Ａ期間の１９時台の１時間の電力消費の実績値を示している。但し、土曜日と日曜日は、行動パターンが異なるため、この例では目標値を予測する平均値を求める対象から除外した例を示している。ここでは、平均値は３２０Ｗｈである。一方、上記のアルゴリズムで求めた予測値は、各曜日毎の値として表２のように求められる。表２に示すように、月曜日の３４０Ｗｈ、木曜日の３９０Ｗｈが、図６の目標値よりも高い値であり、月曜日と木曜日との値が抑制制御の制御対象単位となる。それ以外の火曜日、水曜日、金曜日は制御対象とならない。

次に、抑制制御処理部１０４が、ステップＳ１０６・Ｓ２０６に示すように、ステップＳ１０５・２０５でＹｅｓの制御対象単位（曜日）について、例えば、Ｂ期間では、月曜日と木曜日とを、例えば目標値（平均値）程度或いは以下になるように抑制制御する。抑制制御の詳細は後述するが、家電の消費電力を下げる方向に温度設定の調整、オンオフ制御等を行えば良い。ステップＳ２０５の処理は、制御対象単位を曜日とした場合に、その曜日の全時間帯で抑制制御を行っても良いし、その中の任意の時間帯に限定して行っても良い。

また、ここでは１９時台についてのみ説明したが、他の時間帯も同様に処理することができる。処理の順番は１９時台の次は２０時台、というように時間の順番でも良いが、特に限定はしない。また、この処理は１週間の始めに行っても良いし、各曜日各時間の直前のタイミングで行っても良い。

表３に示すように、図６のＢ期間の実績値は、目標値３２０Ｗｈ以下になっており、実際には、３０７Ｗｈである。

次いで、期間変更部１０５が、ステップＳ１０７・Ｓ２０７に示すように、ｎ＝ｎ＋１とし、消費電力を抑制制御する。すなわち、Ｂ期間の実績値に基づいてＣ期間の目標値を定め、以後の処理は同様である（ステップＳ１０２・Ｓ２０２に戻る）。各種データは、記憶部１０６に記憶される。

上記のアルゴリズムに加えて、ユーザ宅の誰が在宅/不在か、というパターン別に平均を計算することによって、さらに、上記平均値を、ユーザにとって“普段”と自然に感じられる平均的な使用量とリンクさせることもできる。

以上に説明するように、本発明の第１の実施の形態による家電の制御技術によれば、期間の平均値等の統計値を目標値とし、予測値が目標値より多い制御対象単位に対して電力抑制制御を行うことで、期間毎に徐々に電力消費を抑制することができる。この際、電力を抑制する場合に、実測値に基づく目標値を基準とするとこで、我慢できないような制御を行うことなく、無理なく消費電力を抑制していくことができ、節電に関するストレスが少ない自然な節電を行うことができるという利点がある。

ここで、実績値や予測値、目標値は１時間単位を例に説明したが、これは説明の便宜上のためで、実際には１日単位でも、１５分単位でも、１分単位でも構わない。

また、この処理を実施するタイミングも任意であり、可能な限り直前に予測した方が、予測精度が上がるという考え方もあるので、例えば、本実施例であれば、１９時台の予測〜抑制制御の一連の処理を１８時５９分に行うなどのタイミングで実施する方法も考えられる。

また、予測電力値と目標値を比較して制御対象を決定しているが、予測を行わずに第１の期間の実績と同じ電力値が、第２の期間にも消費されるとして、制御対象単位を判定する方法も考えられる。

次に、本発明の第２の実施の形態による情報処理技術について、図面を参照しながら詳細に説明する。

図１０は、本実施の形態による電力制御技術の原理を示す図である。図１１は、本実施の形態により家電の電力制御装置の一構成例を示す機能ブロック図である。図１２は、本実施の形態による家電の電力制御方法の流れを示すフローチャート図である。それぞれ図６から図８・９に対応する。

表４は、本実施の形態によるリアルタイム制御における実測値と推定値と予測（目標）値との時間変化を示す表である。１９時０３分に、３分間の消費電力を元に、残り５７分間と合わせて１９時〜１９時５９分までの１時間の消費電力を推測すると３２０Ｗｈである。ここで、推測電力(３２０Ｗｈ)＞予測電力(２７０Ｗｈ)であるため、第１の実施の形態と同様の制御を実施する。

図１０では、図６と同様に横軸に時間（期間）、縦軸に消費電力をとり、Ａ期間における制御対象単位毎の電力値を実績値として求める。ここで、Ａ期間は例えば１日、１週間などの期間であるが、ここでは、２／１〜２／７日の１週間のうちの月から金曜までの間である。但し、土曜日、日曜日は生活パターンが大きく異なるため、除外している。

Ａ期間の実績値は、例えば、月曜日から金曜日までの５日のそれぞれの実績値からなる。この場合には、制御対象単位は曜日である。或いは、家の住人毎の実績値など、制御対象単位を区別するパラメータは任意である。

図１１に示すように、本実施の形態による情報処理装置は、制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部１０１と、当該期間の消費電力の実績値に基づいて次期間の消費電力を予測する次期間消費電力予測部１０２と、リアルタイムに消費電力を検出するリアルタイム電力検出部１０３ａと、家電の消費電力の抑制制御を行う抑制制御処理部１０４ａと、次の期間の処理に変更する期間変更部１０５ａと、各種データを記憶する記憶部１０６と、を有している。

以下、制御対象単位を曜日にした例について説明する。図８と同様に図１１のステップＳ２５１で処理を開始すると（Ｓｔａｒｔ）、制御対象単位毎消費電力実績値演算部１０１が、ステップＳ２５２で、ｎ期間（ここではＡ期間）の消費電力値を測定し、次期間消費電力予測部１０２が、ステップＳ２５３で、これに基づいて第ｎ＋１期間（ここではＢ期間）の予測電力値を計算しこれを目標値とする。

次いで、ステップＳ２５４で、抑制制御処理部１０４ａが、リアルタイム電力検出部１０３ａで検出された現在の測定電力値が、図１０に示す予測電力値を越えてしまうかどうかを判定し、予測電力値を超えてしまうと判定されると、ステップＳ２５５でリアルタイムに抑制制御を実行する。例えば、予測電力値は１時間で１００Ｗｈであり、測定中は１分で２Ｗｈである場合は予測電力値をオーバーする（１２０Ｗｈ）と判断して、抑制制御処理部１０４ａが、リアルタイムに電力抑制を行う。このようにしてＢ期間中の消費電力をリアルタイムに抑制制御し、ステップＳ２５６で、期間変更部１０５ａが、次の期間に移行させる。

上記のアルゴリズムに加えて、ユーザ宅の誰が在宅/不在か、というパターン別に平均を計算することによって、さらに、上記平均値を、ユーザにとって“普段”と自然に感じられる平均的な使用量とリンクさせることもできる。

以上のように、リアルタイムで電力抑制制御を行うことで、徐々に使用電力が下がっていく。ユーザの意向に沿って電力を下げるようにするため、無理なく消費電力を抑制していくことができ、節電のためのストレスが少ない自然な電力制御が可能である。

以下に、制御例の詳細について第３の実施の形態として説明する。上記の抑制制御において、複数の家電がある場合に、どのような優先度で制御を行うかを説明する。

図１３は、優先度に基づく機器制御の原理を示す図である。制御対象家電が、エアコン、ＬＥＤ照明、テレビ（ＴＶ）である場合に、優先度は５段階の例であり、０が変更を行わないことを示し、５は優先度が高く、１は優先度が低となる。ここで、優先度とは、制御を行う優先度であり、優先度の高いものから処理を行う。

図の例では、設定範囲は以下の通りである。エアコンの場合、１８〜３２℃が設定可能範囲である。
エアコン ０〜１４ （３２℃-１８℃で最大１４℃が設定可能範囲）。但し、このシナリオではユーザによって２３℃が下限と設定されている。これ以下には制御されないようになっている。
ＬＥＤ ０〜１０
ＴＶ ０〜＋１６

ＴＶについては１回の設定変更で、２ずつ設定値が変動するようになっている。目標値は３２０Ｗｈであったとする。図において、家電毎の優先度、現在の設定値、１回目の制御、２回目の制御、というように、制御が行われる。現在の設定における制御開始時の電力値は３９０Ｗｈであり、１回目の制御では、優先度が５のリビングエアコンにおける暖房の設定が２５℃から２４℃に制御抑制され電力が３８０Ｗｈになる。２回目の制御では、優先度５−４の家電が制御対象となり、ここでは、リビングのエアコンの暖房の設定が２４℃から２３℃に、寝室のＬＥＤが輝度４から３に、それぞれ変更される。但し、優先度５のリビングエアコンは、２回目の制御で２３℃となり、ユーザによって下限と設定されている温度に達したため、３回目以降は制御対象から除外される。以下、優先度の低い家電も制御対象になるが、４回目で目標を達成したことで、制御を終了する。

尚、図１４は、このような制御による各種家電の消費電力、状態、設定値などの遷移例を示した図である。全体の電力値が目標値内に収まった時点で抑制制御を終了するようにすれば良い。図１５は、上記の制御の流れを示すフローチャート図である。図１６は、図１５における各家電機器の制御処理の例としてエアコン装置の制御例を示すフローチャート図である。処理が開始されると（開始：ステップＳＳ３０１）、まず、予測消費電力が目標値よりも大きいか否かを判定する（ステップＳ３０２）。次いで、ステップＳ３０３からステップＳ３１１までのループ処理に入る。ステップＳ３１２でループ処理が終了する。以下、ループ処理の一例について説明する。

１回目の制御ステップ（Ｓ３０４でＹＥＳ）では動作変更対象機器（優先度５）の機器リストを作成する。そして、ステップＳ３０５からステップＳ３０９までのループ処理を行う。ステップＳ３０６、Ｓ３０６ａ、Ｓ３０６ｂで、機器がエアコン、ＬＥＤ、テレビであるかに応じて、ステップＳ３０７に進み、後述するエアコン等対象機器のスケジューラを実行する。そして、図１５の処理で家電機器における設定を変更した後の予測消費電力を更新する。優先度５の動作変更対象機器リスト内の機器全てに対してＳ３０５〜Ｓ３０９のループを実行した後、ステップＳ３１０で、目標値が予測消費電力よりも小さくなっていればＳ３１１で終了する。

予測消費電力が目標値より大きければ、ステップＳ３０４ａに進み、２回目の処理として優先度５−４の機器のリストを作成し、ステップＳ３０５からＳ３０９までの処理を行う。そして、順次、ステップＳ３０４ｄで５回目又はそれ以降の処理が終了し、ステップＳ３１０で、目標値が予測消費電力よりも小さくなると（Ｙｅｓ）、処理が終了する（ステップＳ３１２）。

図１６に示すように、ステップＳ３０７では、ステップＳ３０７−１においてエアコンの動作状態変更処理が開始され、ステップＳ３０７−２で、機器ＩＤをキーとして、記憶部から以下の情報を取得する。
・予測消費電力（エアコン）
・予測運転状態（運転状態、設定温度）
・優先順位設定（最小温度、最大温度）

次いで、ステップＳ３０７−３において、 予測運転状態が冷房であるか否かを判定する。Ｙｅｓの場合には、ステップＳ３０７−４に進み、予測設定温度を例えば１℃だけ上げる。ステップＳ３０７−５で、予測消費電力（全体）を計算する。

ここで求める値は、 全体の予測消費電力（関数の引数）− エアコンの予測消費電力（初期）＋ エアコンの予測消費電力（設定変更後）である。

次いで、ステップＳ３０７−６で、記憶部に記憶された変更内容テーブルを更新し、ステップＳ３０７−７で処理を終了する。ここで、設定変更後の全体の予測消費電力を返す（ステップＳ３０７−７）。ステップＳ３０７−３でＮｏであれば、ステップＳ３０７−８に進み、予測運転状態が暖房であるかどうかを判定する。Ｙｅｓであれば、ステップＳ３０７−９に進み、予測設定温度を例えば１℃下げる。次いで、ステップＳ３０７−１０で、予測消費電力（全体）＝ 全体の予測消費電力（関数の引数）−エアコンの予測消費電力（初期）＋ エアコンの予測消費電力（設定変更後）を計算し、ステップＳ３０７−６に進む。ステップＳ３０７−８でＮｏの場合にも、ステップＳ３０７−６に進む。
以上のような処理が、その他の機器についても同様に行われる。

ステップＳ３０７−６で、記憶部に記憶された変更内容テーブルを更新することで、ユーザの嗜好に近づく制御が自動的に行えるようになる。

次に、優先度の学習について説明する。休日が同じ曜日であるか否かによって、優先度の設定は、一般的なユーザインタフェースからユーザが設定で変更することができる。優先度の学習は、例えば、自動機器制御中に、ユーザが制御対象家電を操作した場合（設定値を、より電力を消費する方向にした場合に、ユーザが自動制御をキャンセルしていると判断されるため、該当家電機器の優先度を１デクリメントし、学習前よりも動作変更しにくくなる方向にする。自動機器制御中に、ユーザが制御対象家電を操作しなかった場合には、ユーザが自動制御を受け入れていると判断されるため、該当家電機器の優先度を１インクリメントして、学習前よりも動作変更しやすくなる方向にする。このように、ユーザの意向を考慮することで、制御に関する学習効果を得ることができる。

図１７は、休日設定と優先度の関係を示す図である。ユーザ１から６までの休日パターンが示されている。図１８は、優先度変更前（ａ）、優先度変更後（ｂ）の値の例を示す図である。月〜日の各曜日を分類すると、月木金は全日不在のユーザ２と、休日が土日のユーザ３〜６と、ユーザ１の全員が不在の日、火水は、ユーザ１の休日、土日はユーザ３〜６の休日、と３つのグループに曜日を分けて、月木金をグループＡ、火水をグループＢ、土日をグループＣのように分類できる。この場合に、例えば、優先度変更が発生した日が火曜日の場合には、（火曜日に、リビングのＬＥＤの自動制御中に、ユーザによるリビングＬＥＤの操作がなかった場合など、）火曜日と水曜日のグループＢの、対象機器（ここではリビングＬＥＤ）の優先度のみを変更する。これにより、ユーザに嗜好に合わせた機器制御を行うことができる。

上記の実施の形態において、添付図面に図示されている構成等については、これらに限定されるものではなく、本発明の効果を発揮する範囲内で適宜変更することが可能である。その他、本発明の目的の範囲を逸脱しない限りにおいて適宜変更して実施することが可能である。

また、上記では、制御対象単位を曜日として記載しているが、曜日に限定するものではない。例えば、交代制勤務の方など、ユーザ１がある週で月火が休みとすると、次の週は日月が休み、となる場合、ユーザ１だけの家庭とした場合にユーザ１の不在日、という分類である週の月火のグループＸは、次の週では日月がグループＸである。また、夜勤であれば、更に昼不在、夜不在、といった分類になる事も想定される。
また、対象は各家でも良いし、会社、工場、、、、などなど考えられる。

また、本発明の各構成要素は、任意に取捨選択することができ、取捨選択した構成を具備する発明も本発明に含まれるものである。

本実施の形態で説明した機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。尚、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。

また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また前記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。機能の少なくとも一部は、集積回路などのハードウェアで実現しても良い。

（付記）
本発明は、以下の開示を含む。
（１）機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、
第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、
前記第１の期間の制御対象単位毎の消費電力の実績値の統計に基づく値を目標値とし、抑制制御対象であるか否かを制御対象単位毎に判定する抑制制御対象判定部と、
前記抑制制御対象判定部により抑制制御対象と判定された制御対象単位の機器の消費電力の抑制制御を行う抑制制御処理部と
を有することを特徴とする情報処理装置。
（２）さらに、第１の期間の制御対象単位毎の消費電力の実績値に基づいて、前記第２の期間の消費電力を予測する次期間消費電力予測部を有し、
前記抑制制御対象判定部は、前記目標値と前記次期間消費電力予測部により予測された前記第２の期間の制御対象単位毎の消費電力の予測値と前記目標値とを比較して、抑制制御対象であるか否かを制御対象単位毎に判定することを特徴とする（１）に記載の情報処理装置。
（３）前記抑制制御処理部は、
機器毎に設定された機器を制御する順番を示す優先度に基づいて、機器の消費電力を抑制制御することを特徴とする（１）又は（２）に記載の情報処理装置。
（４）優先度の高い方から低い方へと機器の制御対象を変更し、全体の消費電力値が前記目標値内に収まった時点で抑制制御を終了することを特徴とする（３）に記載の情報処理装置。
（５） 抑制制御中にユーザによる操作を検出すると前記優先度をデクリメントし、
抑制制御中にユーザによる操作を検出しないと前記優先度をインクリメントする優先度変更処理を行うことを特徴とする（３）又は（４）に記載の情報処理装置。
（６） 前記制御対象単位は曜日であり、
前記優先度変更処理を、ユーザの休日パターンに基づいて、休日に該当する曜日の優先度に反映させることを特徴とする（３）から（５）までのいずれか１に記載の情報処理装置。
（７）次の期間の処理に変更する期間変更部を有することを特徴とする（１）から（６）までのいずれか１に記載の情報処理装置。
（８）機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、
第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、
統計に基づく値を目標値とし、リアルタイムに測定された前記第２の期間中の消費電力値とを比較して、抑制制御を行うか否かを判定し、抑制制御対象と判定されると消費電力のリアルタイムに抑制制御する抑制制御処理部と
を有することを特徴とする情報処理装置。
（９）さらに、第１の期間の制御対象単位毎の消費電力の実績値に基づいて、前記第２の期間の消費電力を予測する次期間消費電力予測部を有することを特徴とする（８）に記載の情報処理装置。
（１０）機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算ステップと、
第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理ステップと、
前記第１の期間の制御対象単位毎の消費電力の実績値の統計に基づく値を目標値とし、抑制制御対象であるか否かを制御対象単位毎に判定する抑制制御対象判定ステップと、
前記抑制制御対象判定ステップにより抑制制御対象と判定された制御対象単位の機器の消費電力の抑制制御を行う抑制制御処理ステップと
を有することを特徴とする情報処理方法。
（１１）さらに、第１の期間の制御対象単位毎の消費電力の実績値に基づいて、前記第２の期間の消費電力を予測する次期間消費電力予測ステップを有し、
前記抑制制御対象判定ステップは、前記目標値と前記次期間消費電力予測ステップにより予測された前記第２の期間の制御対象単位毎の消費電力の予測値と前記目標値とを比較して、抑制制御対象であるか否かを制御対象単位毎に判定することを特徴とする（１０）に記載の情報処理方法。
（１２）機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算ステップと、
第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理ステップと、
統計に基づく値を目標値とし、リアルタイムに測定された前記第２の期間中の消費電力値とを比較して、抑制制御を行うか否かを判定し、抑制制御対象と判定されると消費電力のリアルタイムに抑制制御する抑制制御処理ステップと
を有することを特徴とする情報処理方法。
（１３）さらに、第１の期間の制御対象単位毎の消費電力の実績値に基づいて、前記第２の期間の消費電力を予測する次期間消費電力予測ステップを有することを特徴とする（１２）に記載の情報処理方法。

本発明は、機器の電力抑制制御に用いることができる。

１０１…制御対象単位毎消費電力実績値演算部、１０２…次期間消費電力予測部、１０３…抑制制御対象判定部、１０３ａ…リアルタイム電力検出部、１０４、１０４ａ…抑制制御処理部と、１０５ａ…期間変更部、１０６…記憶部。

Claims (7)

1. 機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、
   第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、
   前記第１の期間の制御対象単位毎の消費電力の実績値の統計に基づく値を目標値とし、抑制制御対象であるか否かを制御対象単位毎に判定する抑制制御対象判定部と、
   前記抑制制御対象判定部により抑制制御対象と判定された制御対象単位の機器の消費電力の抑制制御を行う抑制制御処理部と
   を有することを特徴とする情報処理装置。
2. さらに、第１の期間の制御対象単位毎の消費電力の実績値に基づいて、前記第２の期間の消費電力を予測する次期間消費電力予測部を有し、
   前記抑制制御対象判定部は、前記目標値と前記次期間消費電力予測部により予測された前記第２の期間の制御対象単位毎の消費電力の予測値と前記目標値とを比較して、抑制制御対象であるか否かを制御対象単位毎に判定することを特徴とする請求項１に記載の情報処理装置。
3. 前記抑制制御処理部は、
   機器毎に設定された機器を制御する順番を示す優先度に基づいて、機器の消費電力を抑制制御し、
   抑制制御中にユーザによる操作を検出すると前記優先度をデクリメントし、
   抑制制御中にユーザによる操作を検出しないと前記優先度をインクリメントする優先度変更処理を行うことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記制御対象単位は曜日であり、
   前記優先度変更処理を、ユーザの休日パターンに基づいて、休日に該当する曜日の優先度に反映させることを特徴とする請求項３に記載の情報処理装置。
5. 機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算部と、
   第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理部と、
   統計に基づく値を目標値とし、リアルタイムに測定された前記第２の期間中の消費電力値とを比較して、抑制制御を行うか否かを判定し、抑制制御対象と判定されると消費電力のリアルタイムに抑制制御する抑制制御処理部と
   を有することを特徴とする情報処理装置。
6. 機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算ステップと、
   第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理ステップと、
   前記第１の期間の制御対象単位毎の消費電力の実績値の統計に基づく値を目標値とし、抑制制御対象であるか否かを制御対象単位毎に判定する抑制制御対象判定ステップと、
   前記抑制制御対象判定ステップにより抑制制御対象と判定された制御対象単位の機器の消費電力の抑制制御を行う抑制制御処理ステップと
   を有することを特徴とする情報処理方法。
7. 機器の消費電力の大小に影響を与えるような括りとなるパラメータである制御対象単位毎の消費電力の実測値を求める制御対象単位毎消費電力実績値演算ステップと、
   第１の期間の制御対象単位毎の消費電力の実績値の統計処理を行う統計処理ステップと、
   統計に基づく値を目標値とし、リアルタイムに測定された前記第２の期間中の消費電力値とを比較して、抑制制御を行うか否かを判定し、抑制制御対象と判定されると消費電力のリアルタイムに抑制制御する抑制制御処理ステップと
   を有することを特徴とする情報処理方法。

Images