JP2015002588A - 電力消費管理システムおよび方法 - Google Patents
電力消費管理システムおよび方法 Download PDFInfo
- Publication number
- JP2015002588A JP2015002588A JP2013125187A JP2013125187A JP2015002588A JP 2015002588 A JP2015002588 A JP 2015002588A JP 2013125187 A JP2013125187 A JP 2013125187A JP 2013125187 A JP2013125187 A JP 2013125187A JP 2015002588 A JP2015002588 A JP 2015002588A
- Authority
- JP
- Japan
- Prior art keywords
- data
- power consumption
- power
- building
- acquired
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 31
- 238000003860 storage Methods 0.000 claims description 82
- 238000007726 management method Methods 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 98
- 238000010248 power generation Methods 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 31
- 230000005611 electricity Effects 0.000 description 20
- 230000005856 abnormality Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 16
- 230000004308 accommodation Effects 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000007599 discharging Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000007619 statistical method Methods 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 3
- 208000032368 Device malfunction Diseases 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
- G06F1/3209—Monitoring remote activity, e.g. over telephone lines or network connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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; CALCULATING OR 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
【課題】
従来、地域の消費電力を管理するためには、当該地域の各建物(計測単位)に設置された計測機器からの消費電力を用いて、地域全体の電力を管理していた。しかし、一部の建物に、計測機器が設置されていなかったり、計測機器に故障等があった場合、全体の管理ができなかった。
【解決手段】
上記の課題を解決するために、本発明では、以下の構成を採用する。つまり、地域全体の電力消費を推定するために、電力消費データを取得できない「建物」について、当該建物とその属性が類似し、電力消費データの取得が可能な建物を特定し、特定された建物の電力消費データから電力消費データを取得できない「建物」を推定するものである。なお、ここで、「建物」とは、電力賞データを算出、管理する単位となるものであり、施設、構造物、他の物体も含まれる概念である。
【選択図】 図2
従来、地域の消費電力を管理するためには、当該地域の各建物(計測単位)に設置された計測機器からの消費電力を用いて、地域全体の電力を管理していた。しかし、一部の建物に、計測機器が設置されていなかったり、計測機器に故障等があった場合、全体の管理ができなかった。
【解決手段】
上記の課題を解決するために、本発明では、以下の構成を採用する。つまり、地域全体の電力消費を推定するために、電力消費データを取得できない「建物」について、当該建物とその属性が類似し、電力消費データの取得が可能な建物を特定し、特定された建物の電力消費データから電力消費データを取得できない「建物」を推定するものである。なお、ここで、「建物」とは、電力賞データを算出、管理する単位となるものであり、施設、構造物、他の物体も含まれる概念である。
【選択図】 図2
Description
本発明は、電力の消費量や発電・蓄電量に関わるデータ、例えば、いわゆるビッグデータと呼ばれる大量のデータを用いて電力の供給を制御するための技術に関する。
その中でも特に、これらデータを情報制御連携基盤で管理して、需要者における電力の消費を集計することにより電力の供給の方法を決定するに関わり、情報制御連携基盤で建物から送られる電力消費データを取得し、需要予測を行い、既存の系統電力の消費に加え、夜間電力の蓄電や太陽光発電のような地域発電で保有する電力を組み合わせて消費する技術に係わる。
従来では、電力は火力発電や原子力発電を有する電力事業者との契約に基づいて供給され、建物への電力供給量が需要量を下回る場合には、供給を停止するなどの措置がとられている。しかし、スマートグリッドと呼ばれる電力供給者と需要者との間の双方向の情報交換に基づく電力需給、および、電力消費者が太陽光発電などの電力供給者になる場合では、需要者の電力消費だけでなく発電量も把握することで効率的な電力使用方式が考えられている。スマートグリッドでは、電力需要が大きい場合には需要家側で電力の消費を抑制するか、電力料金が安く使用量も少ない深夜での蓄電電力や、太陽光発電、電気自動車からの蓄電電力を利用する措置に切り替えることを行う。これにより、電力需要の高い時間帯の変更につながるピークシフトと呼ぶ電力消費低減を行うことが行われる。このような方式を適用していく場合、住宅、オフィス、商業施設などでの電力消費を把握して地域全体での電力使用の状況を把握することが求められる。これにより、電力の需給バランスを計測し、その結果に基づいて電力供給制御を行う技術が以下のように提案されている。
特許文献1においては、通信機能を具備する電力メータからデータを送るときの通信手段の選択方法について示されている。特許文献2では、複数の電気機器により消費される電力量の集計結果からネットワークを介して合計の消費電力を計算し、消費電力を制御する方法が示されている。特許文献3では、情報基盤を用いて、電力消費を集計し、太陽光発電などの地域発電の情報を用いて余剰電力を計算することによって電力需要者がこれらの新しい電力を使用していくインセンティブを与える方法について示されている。特許文献4では、電力の需給バランスを測るために電力消費データを用いて行う方法が示されている。
電力の利用側の情報を用いて、電力使用状況を制御する方法は、デマンドレスポンス(Demand Response)とも言われており、実施については、特許文献3にも示されるように公知になっている。また、需給バランスを制御する技術についても特許文献4に示されている。さらに、電力の使用状況に基づいて全体の消費量を推定し、制御を行う方法については特許文献1および特許文献2にて示されている。
しかし、建物の電力消費値の情報については、地域・街区に含まれるすべての建物から得られない場合や、このような取得できる情報が限定される場合については示されていない。実際、取得される電力消費データだけでは、データが取得できない建物が多く存在する場合には地域・街区の電力消費状況は不明になる。とくに、商業施設やオフィス、工場における電力消費は地域全体の電力消費の動向に影響を及ぼすため、電力消費データを取得できない場合は、これらの建物の電力消費値を推定しなければならない。推定を実際と大きく離れない精度で行うことによって将来の電力消費を予測することで、地域・街区の電力需給バランスをとることが可能となる。このことから地域・街区に含まれるすべての建物の電力消費量を算出することが必要となり、このため、地域の取得できる電力消費量から地域の建物の電力消費を推定することになる。
本発明では、次の2点の課題を解決するための技術について提案する。
(1)地域・街区に含まれる建物のなかで、電力消費データ取得を行わない建物、または、機器の故障により電力消費データが取得できない建物において、これらの電力消費量を推定して電力消費量を推定する。
(2)推定した地域・街区での電力消費に関して、地域・街区に発電・蓄電した電力を保有する場合には、地域・街区内の放電や、地域・街区間の融通を行うことによってピークシフトや需給逼迫の解消につなげる。
(1)地域・街区に含まれる建物のなかで、電力消費データ取得を行わない建物、または、機器の故障により電力消費データが取得できない建物において、これらの電力消費量を推定して電力消費量を推定する。
(2)推定した地域・街区での電力消費に関して、地域・街区に発電・蓄電した電力を保有する場合には、地域・街区内の放電や、地域・街区間の融通を行うことによってピークシフトや需給逼迫の解消につなげる。
上記の課題を解決するために、本発明では、以下の構成を採用する。つまり、地域全体の電力消費を推定するために、電力消費データを取得できない「建物」について、当該建物とその属性が類似し、電力消費データの取得が可能な建物を特定し、特定された建物の電力消費データから電力消費データを取得できない「建物」を推定するものである。なお、ここで、「建物」とは、電力賞データを算出、管理する単位となるものであり、施設、構造物、他の物体も含まれる概念である。
また、より詳細な解決手段は、以下のとおりである。大規模な電力消費データを取得する情報制御連携基盤を用いる、この情報制御連携基盤では、住宅やビルなどの建物ごとに備え付けられたエネルギ管理システムから電力消費データを取得して蓄積するとともに、時期、場所、建物種類などの属性に関連されて平均的な電力消費の変動解析を行う。また、電力消費データが取得できない建物については、以下のような処理により電力消費値の推定を行なう。
(1)地図情報、属性情報、類似建物の電力消費データを用いた推定
電力消費値を推定するために、地図の情報と地図に記載された建物のデータと建物形状と関連付けられた属性、建物ごとに分析された電力消費の各データを用いる。地図は座標列により構成されるベクトルデータであり、建物をあらわすベクトルデータには、建物の識別用の固有番号が付加されており、これらの属性番号によって建物の属性が関連付けられる。建物属性として、住宅や商業施設を示す建物の種類を示す番号(コード)のほかに、住宅の場合は、在宅、非在宅の区別の情報を含む。
このような属性を用いて、分析データとして情報制御連携基盤が保有する同じ種類の建物の電力消費データが検索される。電力消費データの取得のできない建物については、これらの履歴データを用いて平均化を行い、その建物の電力消費データとして使用する。電力消費データが取得できない原因として、電力消費データ取得を許諾していない場合、機器が故障してデータを送信または受信していない場合が考えられるが、このような状況でも対応が可能となる。
電力消費値を推定するために、地図の情報と地図に記載された建物のデータと建物形状と関連付けられた属性、建物ごとに分析された電力消費の各データを用いる。地図は座標列により構成されるベクトルデータであり、建物をあらわすベクトルデータには、建物の識別用の固有番号が付加されており、これらの属性番号によって建物の属性が関連付けられる。建物属性として、住宅や商業施設を示す建物の種類を示す番号(コード)のほかに、住宅の場合は、在宅、非在宅の区別の情報を含む。
このような属性を用いて、分析データとして情報制御連携基盤が保有する同じ種類の建物の電力消費データが検索される。電力消費データの取得のできない建物については、これらの履歴データを用いて平均化を行い、その建物の電力消費データとして使用する。電力消費データが取得できない原因として、電力消費データ取得を許諾していない場合、機器が故障してデータを送信または受信していない場合が考えられるが、このような状況でも対応が可能となる。
地域で電力使用料金の安い時間帯の電力を蓄電し、また、太陽光などで発電している場合には、これらの電力を電力料金の高い時間帯や、供給と需要が逼迫しているときに使用することができる。この課題を解決するために、以下の構成を採用する。
(2) 将来予測に基づく電力制御
電力の放電や融通などを行うためには、各地域・街区において電力の消費を予測することになる。このため、地域・街区ごとの電力消費を取得する統計解析機能と、過去の地域・街区での電力消費の分析結果を用いて電力の変動を予測するトレンド変動予測機能を用いる。統計解析機能によって、地域・街区に含まれる建物の電力消費データを集計するとともに、トレンド変動予測機能によって過去の分析結果から現在時間から先の将来予測を行い電力供給・消費の比率を予測する。この結果、地域・街区への放電量、地域・街区間の融通量を決定する。
電力の放電や融通などを行うためには、各地域・街区において電力の消費を予測することになる。このため、地域・街区ごとの電力消費を取得する統計解析機能と、過去の地域・街区での電力消費の分析結果を用いて電力の変動を予測するトレンド変動予測機能を用いる。統計解析機能によって、地域・街区に含まれる建物の電力消費データを集計するとともに、トレンド変動予測機能によって過去の分析結果から現在時間から先の将来予測を行い電力供給・消費の比率を予測する。この結果、地域・街区への放電量、地域・街区間の融通量を決定する。
本発明によれば、電力消費データを取得できない建物が存在しても、より正確に、地域等の全体消費電力を推定することが可能になる。
以下、本発明の一実施形態を図面を用いて説明する。本実施形態では、建物ごとの電力消費データを取得し、さらにデータが取得できない建物についても、類似の建物の電力消費データを当てはめることによって、地域全体の電力消費を把握することができる。また、地域・街区全体の電力消費状況を精度予測よく取得することによって、蓄電した電力を保有する場合には、これらの放電量、地域・街区間の融通量も求め、これにより適切な電力消費を実現することが可能となる。(※効果の欄から移動)
本実施形態は、計算機システムに実装された情報制御連携基盤、蓄電池の放電などを行う電力制御システムのようなアプリケーションを搭載した計算機システム、通信機能を有する住宅エネルギ管理システム、ビルエネルギ管理システムのようなセンサシステムをネットワークで連携させることによって実施される。その
建物内に設置された事業者と需要家の間の双方向の通信の行える電力消費センサを設置することによって、電力需要者の電力使用状況を把握することが可能となる。とくに、住宅エネルギ管理システム(HEMS:Home Energy Management System)、ビルエネルギ管理システム(BEMS:Building Energy Management System)と呼ばれる機器を用いると、建物内の個々の機器にセンサを設置することによって電力メータだけからは得られない、個々の機器の電力消費の情報も取得することが可能となる。これらのデータは、建物における電力消費データとして取得することができるが、電力消費データを集計することにより、街区・地域単位での電力消費を把握することができる。取得した建物ごと、地域・街区ごとの電力消費データを用いると、電気使用料金が安価になる時間帯での充電や、太陽光発電、燃料電池による地域発電電力が利用できる場合には、電力料金が高くなり、かつ、電力消費が高まる時間帯で、これらの地域電力を放電することにより電力のピークシフト(電力消費が最大になる使用時間帯を電力消費の少ない時間帯にシフトすること)や、電力使用料金を低減することも可能となる。このため、電力供給・消費のバランスをとりつつ居住者の生活や商業、企業活動に必要となる電力消費の最適化を行うため、建物のみならず地域・街区の電力消費の動向を把握して放電、電力融通などの運用をはかることとなる。以降、本発明では、このような放電に関連する設備を有することを前提とする。このような電力の地域運用を行うには、次のような課題を解決しなければならない。
・地域・街区に含まれる建物についてすべて電力消費データが取得できるとは限らない。実際、センサ機器が故障している場合、電力消費データは取得されない。また、このようなセンサ機器が設置されていない建物もある。
・地域・街区単位で充電や発電を行うことで適切な時期に放電することになるが、これらの放電の時期を判断する必要がある。また、放電では、放電した電力の使用が許可された建物が使用できる。さらに、電力消費は建物ごと、例えば、住宅やオフィス、商業施設で異なる。また、電力消費は一日の中でも変動し、平日、休日によってもそれぞれ異なる。
本実施形態は、計算機システムに実装された情報制御連携基盤、蓄電池の放電などを行う電力制御システムのようなアプリケーションを搭載した計算機システム、通信機能を有する住宅エネルギ管理システム、ビルエネルギ管理システムのようなセンサシステムをネットワークで連携させることによって実施される。その
建物内に設置された事業者と需要家の間の双方向の通信の行える電力消費センサを設置することによって、電力需要者の電力使用状況を把握することが可能となる。とくに、住宅エネルギ管理システム(HEMS:Home Energy Management System)、ビルエネルギ管理システム(BEMS:Building Energy Management System)と呼ばれる機器を用いると、建物内の個々の機器にセンサを設置することによって電力メータだけからは得られない、個々の機器の電力消費の情報も取得することが可能となる。これらのデータは、建物における電力消費データとして取得することができるが、電力消費データを集計することにより、街区・地域単位での電力消費を把握することができる。取得した建物ごと、地域・街区ごとの電力消費データを用いると、電気使用料金が安価になる時間帯での充電や、太陽光発電、燃料電池による地域発電電力が利用できる場合には、電力料金が高くなり、かつ、電力消費が高まる時間帯で、これらの地域電力を放電することにより電力のピークシフト(電力消費が最大になる使用時間帯を電力消費の少ない時間帯にシフトすること)や、電力使用料金を低減することも可能となる。このため、電力供給・消費のバランスをとりつつ居住者の生活や商業、企業活動に必要となる電力消費の最適化を行うため、建物のみならず地域・街区の電力消費の動向を把握して放電、電力融通などの運用をはかることとなる。以降、本発明では、このような放電に関連する設備を有することを前提とする。このような電力の地域運用を行うには、次のような課題を解決しなければならない。
・地域・街区に含まれる建物についてすべて電力消費データが取得できるとは限らない。実際、センサ機器が故障している場合、電力消費データは取得されない。また、このようなセンサ機器が設置されていない建物もある。
・地域・街区単位で充電や発電を行うことで適切な時期に放電することになるが、これらの放電の時期を判断する必要がある。また、放電では、放電した電力の使用が許可された建物が使用できる。さらに、電力消費は建物ごと、例えば、住宅やオフィス、商業施設で異なる。また、電力消費は一日の中でも変動し、平日、休日によってもそれぞれ異なる。
このように地域・街区全体の電力消費を管理して、地域充電・発電電力の放電、さらには、地域・街区間の電力融通を行う運用を実施することは、個々の建物の所有者が行うことは不可能であり、その代わりに地域管理者とよぶ運用者が行うことになる。地域管理者の電力運用、すなわち、地域管理者の操作に従った本実施形態でのシステムにおける運用処理は、次のように行う。
・地域・街区の電力消費を把握して、その変動を予測する。
・変動の予測を行った結果、消費電力の逼迫が予想される場合にピークシフトを行うため、地域発電電力や夜間蓄電電力の放電を行う。
・地域での供給電力が、発電所や配電系統の事故や故障で途絶えたり低減したりする場合には、この情報を元に、地域発電電力や夜間蓄電電力の放電を行う。
・地域・街区の電力消費を把握して、その変動を予測する。
・変動の予測を行った結果、消費電力の逼迫が予想される場合にピークシフトを行うため、地域発電電力や夜間蓄電電力の放電を行う。
・地域での供給電力が、発電所や配電系統の事故や故障で途絶えたり低減したりする場合には、この情報を元に、地域発電電力や夜間蓄電電力の放電を行う。
地域・街区ごとの発電や夜間電力の蓄電は、地域・街区の電力供給・消費バランスの最適化に貢献する。しかしこれらの電力を供給するには、従来のインフラ管理者による配電系統システムとも連携することになり、このため、地域・街区ごとの管理を行う地域管理システムを設置することになる。本実施形態では、このような地域管理システムによる地域・街区での電力消費の管理を行い、地域発電電力・夜間電力の放電により、電力料金の低減や電力不足状態を解消していく。さらには、複数の地域・街区の電力を把握して、余剰電力を有している地域・街区から電力の不足や使用電力量の増加が予想される地域・街区に電力の融通を行う。
地域管理システムは、複数の建物の電力消費状況、蓄電機器による蓄電量を管理し制御する。具体的には、以下の処理を行う。
・管理範囲に含まれる建物の電力消費データ、蓄電データを取得する。
・取得した電力消費値が適正な値かどうかを確認する。
・取得されない建物や設備の電力消費データについては電力量を推定し、地域・街区での変動動向を把握する。
・地域全体の電力の消費量を集計する。
・取得した電力消費データと、過去に取得した履歴データを用いて、地域・街区における将来の電力消費に関する変化トレンドを予測する。
・地域全体の電力消費の動向から判断して、地域発電・蓄電電力の放電を行う。また、地域・街区間で放電電力の融通を行う。
・管理範囲に含まれる建物の電力消費データ、蓄電データを取得する。
・取得した電力消費値が適正な値かどうかを確認する。
・取得されない建物や設備の電力消費データについては電力量を推定し、地域・街区での変動動向を把握する。
・地域全体の電力の消費量を集計する。
・取得した電力消費データと、過去に取得した履歴データを用いて、地域・街区における将来の電力消費に関する変化トレンドを予測する。
・地域全体の電力消費の動向から判断して、地域発電・蓄電電力の放電を行う。また、地域・街区間で放電電力の融通を行う。
電力消費データの取得、分析を行うのは情報制御連携基盤とよぶシステムである。情報制御連携基盤と電力消費を計測するセンサと、放電などの制御を行う電力制御システムを組み合わせて地域管理システムを構成する。地域管理システムの運用のためのシステムの操作を行うのが地域管理者である。これは、個人でなく特定の組織ないし役職であってもよい。
情報制御連携基盤は情報処理を行うシステムである。情報制御連携基盤を包含する全体システムの構成を図1に示す。地域管理者が管理する地域・街区にそれぞれ地域管理システム101、102がある。地域管理システム101は、情報制御連携基盤105と電力制御システム106より構成され、建物A111に設置された電力消費計測センサであるHEMS、BEMS,蓄電センサ103と接続する。地域管理システム102は、情報制御連携基盤107と電力制御システム108より構成され、建物A112に設置された電力消費計測センサであるHEMS、BEMS,蓄電センサ104と接続する。HEMS、BEMS、蓄電センサは複数の建物に設置される。情報制御連携基盤105は、建物に設置されたHEMS、BEMS、蓄電センサ103から電力消費データ、蓄電データや、電力関連機器の健全性を記載した機器データを取得し管理するとともに、電力消費総量算出、蓄電総量算出、電力消費変動などの分析を行い、結果を既存の配電系統システムに送る。さらには、電力制御システム106、108と連携して、夜間電力の蓄電、太陽光発電による発電で取得した地域発電・蓄電の状態データを取得分析するとともに、電力消費の状況を見て放電、地域・街区間の電力融通を行う。電力融通は同じ地域管理者が管理する地域・街区だけでなく、地域管理者間での融通もある。電力消費などのデータの取得はインタネットや専用線などの通信システム110によって行われる。電力融通など、地域管理者間の情報共有は通信システム109を解して行う。
本実施形態における地域管理システムの機能構成を図2に示す。システムを構成する各機能の役割(処理)を以下に示す。
・情報制御連携基盤200:情報制御連携基盤全体を示す。
・電力消費計測センサ(HEMS)201:住宅における個々の機器ごとの電力消費量を集計し、情報制御連携基盤に送る機能である。計測値は定期的に送る。
・電力消費計測センサ(BEMS)202:オフィスビルや集合住宅における電力消費量を集計し、情報制御連携基盤に送る機能である。計測値は定期的に送る。
蓄電池センサ203:地域・街区で設置された蓄電池における電力蓄積量、放電量を計測し、情報制御連携基盤に送る機能である。計測値は定期的、周期的など所定のタイミングで送る。
・情報制御連携基盤200:情報制御連携基盤全体を示す。
・電力消費計測センサ(HEMS)201:住宅における個々の機器ごとの電力消費量を集計し、情報制御連携基盤に送る機能である。計測値は定期的に送る。
・電力消費計測センサ(BEMS)202:オフィスビルや集合住宅における電力消費量を集計し、情報制御連携基盤に送る機能である。計測値は定期的に送る。
蓄電池センサ203:地域・街区で設置された蓄電池における電力蓄積量、放電量を計測し、情報制御連携基盤に送る機能である。計測値は定期的、周期的など所定のタイミングで送る。
通信ネットワーク204:センサのデータを情報制御連携基盤に送るためのネットワークである
上述したHEMS201、BEMS202、蓄電池センサ203からは機器データも定期的等の所定タイミングに取得する。機器データは、建物にあり、かつネットワークに接続された機器の機種情報、接続情報、その稼動情報(オン/オフ)、機器部品の健康情報(正常/故障)などが記載されている。
データ取得機能205:HEMS201、BEMS202、蓄電池センサ203から定期的に送られる電力消費、蓄電量の計測値を取得する機能である。
上述したHEMS201、BEMS202、蓄電池センサ203からは機器データも定期的等の所定タイミングに取得する。機器データは、建物にあり、かつネットワークに接続された機器の機種情報、接続情報、その稼動情報(オン/オフ)、機器部品の健康情報(正常/故障)などが記載されている。
データ取得機能205:HEMS201、BEMS202、蓄電池センサ203から定期的に送られる電力消費、蓄電量の計測値を取得する機能である。
格納データ生成機能206:取得した電力消費データ、蓄電データ、機器データをストリームデータベース213に格納するためにデータ変換を行う機能である。データの構造はキー・値ペア方式である。キーは、データの種類であり、電流消費などを示すコードで記載される。この場合、値は電力消費データの取得値であり、取得したデータそのものが値として記述される。
データ格納機能207:データベースへのデータ格納を行う機能である。電力消費データ、蓄電データ、機器データのキー・値形式によるデータをストリームデータベース(213)に格納する。また、構造化されたデータを履歴データベース214に格納する、電力消費、蓄電の分析結果を分析データベース215に格納する。
データ構造化機能208:キー・値方式で取得されたデータから解析に必要となるデータを取得して、情報制御連携基盤で使用する汎用項目に変換する機能である。これはキーおよび値からデータを取り出すことに相当する。データの種類、機器の番号、機器の種類、データの取得時間、データの取得間隔、計測値(電力消費値、蓄電量、機器状態)などを取り出して、あらかじめ決められた順番に並べることに相当する。
インメモリモデル機能209:電力消費データ、蓄電データ、機器データだけでなく、領域・街区の地図・属性データをメモリ展開して高速アクセスを行うとともに、履歴データをメモリ上に展開して分析を行えるようにした機能である。また、分析の結果得られるデータも展開する。
解析インタフェース機能210:電力消費データを用いたトレンド解析や、データの地域・街区ごとの集計、電力消費データの欠損に伴う推定、機器データに記載された機器異常、または機器データの欠損の頻度を分析する分析アプリケーション(アナリティクス:Analytics)ソフトウエア218を連携させるインタフェース機能である。
データ検索機能211:履歴データベース214や分析データベース215、地図データベース216、属性データベース217から電力消費データの履歴、データの統計処理結果、地図の位置に関連付けられた各データを検索して、インメモリ上に格納する機能である。
データ検索機能211:履歴データベース214や分析データベース215、地図データベース216、属性データベース217から電力消費データの履歴、データの統計処理結果、地図の位置に関連付けられた各データを検索して、インメモリ上に格納する機能である。
アプリケーション共通インタフェース212:電力制御機能225を連携させてデータ解析結果を用いて蓄電池の充放電アプリケーションを実行させるためのインタフェース機能である。
ストリームデータベース213:電力消費データ、機器データの取得した結果を格納するデータベースである。キー・値形式でデータを格納する。
履歴データベース214:電力消費データ、蓄電データ、機器データから分析に必要な項目値を取り出すことによって構造化したデータを履歴情報として格納するデータベースである。
ストリームデータベース213:電力消費データ、機器データの取得した結果を格納するデータベースである。キー・値形式でデータを格納する。
履歴データベース214:電力消費データ、蓄電データ、機器データから分析に必要な項目値を取り出すことによって構造化したデータを履歴情報として格納するデータベースである。
分析データベース215:電力消費データの分析(変動解析)や、地域・街区のような地理的な単位で集計した電力消費データを格納するためのデータベースである。変動解析については、将来予測した結果を格納する。地域・街区ごとに推定したデータは、地域・街区統計を取るために使用する。
地図データベース216:地域・街区の位置的な関係を判定するためのデータベースである。また、家屋形状の面瀬などを計算する場合にも使用する。また、背景図として衛星写真画像や航空写真画像なども格納する。
地図データベース216:地域・街区の位置的な関係を判定するためのデータベースである。また、家屋形状の面瀬などを計算する場合にも使用する。また、背景図として衛星写真画像や航空写真画像なども格納する。
属性データベース217:地図に関わる属性を格納したデータベースである。例えば、建物種類、建物内の使用用途、建物に含まれる人数、建物の高さなどが属性データに対応する。
アナリティクス機能218:履歴データベース214に格納されたデータや最新取得した電力消費データ、機器データを用いて、データの変動解析や統計処理、機器の異常判定を行う機能群である。トレンド予測機能219、ジャーナルデータ分析機能220、非取得データ値推定機能221、統計分析機能222、トレンド知識取得機能223、異常分析判定機能224により構成される。
アナリティクス機能218:履歴データベース214に格納されたデータや最新取得した電力消費データ、機器データを用いて、データの変動解析や統計処理、機器の異常判定を行う機能群である。トレンド予測機能219、ジャーナルデータ分析機能220、非取得データ値推定機能221、統計分析機能222、トレンド知識取得機能223、異常分析判定機能224により構成される。
トレンド予測機能219:電力消費、水道消費の変動を過去の履歴と比較し解析して将来変動を予測する機能である。ここでは、時間変化予測、場所による予測、長期休暇などのイベント時の変動予測を行う。
ジャーナル分析機能220:取得した機器データから、機器部品の故障、機器データ自体の欠損による機器の異常検知を行うことによって、計測値の異常を判定する機能である。
ジャーナル分析機能220:取得した機器データから、機器部品の故障、機器データ自体の欠損による機器の異常検知を行うことによって、計測値の異常を判定する機能である。
非取得データ値推定機能221:データが取得されない建物の電力消費データを、属性データベース217より検索された建物面積や建物種類、建物高さ、人員構成などから推移する機能である。
統計分析機能222:地域・街区ごとの電力消費データの統計や、時間ごとの電力消費の統計計算を行う機能である。
統計分析機能222:地域・街区ごとの電力消費データの統計や、時間ごとの電力消費の統計計算を行う機能である。
トレンド知識取得機能223:電力消費値を時間、時期、地域・街区に対応付けて、それどれの状況に応じた変動速度などを取得していく機能である。
異常データ分析機能224:取得した電力消費データと機器データを比較して正常・異常を判定する機能である。
異常データ分析機能224:取得した電力消費データと機器データを比較して正常・異常を判定する機能である。
電力制御機能225:地域での発電・蓄電量を参照して、放電を行う制御信号を制御機器に発信するとともに、放電量の管理と地域・街区間での電力融通を行うための配電機器の制御を行う。
なお、本明細書で説明する各機能は、コンピュータプログラムで実現される。つまり、コンピュータたる各装置において、当該コンピュータプログラムを読み込み、CPUの如き演算装置で読み込んだ内容に従った演算処理を実行することで実行される。
地域・街区は地域管理者による電力管理範囲全体を構成する管理単位を示す。図3に領域・街区の考え方について示す。地域・街区は地理的な広がりであり、変圧器によって電力が供給される範囲を示す。地域・街区の中に、電力を消費する建物が含まれる。同じ地域・街区であっても、電力消費データの取得対象となる建物と、取得できない建物が混在することがある。図3に示すように、304、305は地域・街区を表し、それぞれに含まれる建物や設備で使用する電力は電力系統線301からの電力を供給された変圧器302、303から供給される。そして、変圧器から電力供給線310を通して、建物に電力を供給する。地域・街区に含まれる建物は、電力を消費する建物305、306、308の他に、電力料金の安価な時間帯の電力や、太陽光発電の電力を蓄電する地域発電・蓄電システムを有する家屋307、309が含まれることがある。
なお、地域発電・蓄電を専用に行う建物が含まれることもある。電力メータ312、313、315を通して、系統電力の供給者にも送られるが、313、314、315に示すようなHEMS、BEMSを通して地域管理者321(以下、地域管理者321とは、地域管理者(人)が操作する情報処理装置(コンピュータ)を示す)にも通信ネットワーク311を通して送られる。また、電力メータ315、317は発電・蓄電に関する電力量を計測し、地域管理者321や系統電力事業者(で利用されるコンピュータ、以下同様である)に送られる。
地域・街区に含まれる建物の電力消費データはすべて地域管理者321で取得できるとは限らない。電力消費データは、契約などによってデータ提供に合意した地域管理者321に提供されるが、提供に合意していない建物の電力消費データは取得されない。また、他にも、そもそも電力計などの機器が設置されていなかったり、機器の故障でデータを取得できない場合もある。従って、異なる地域管理者(のコンピュータ)に提供する建物が同じ地域・領域に存在することもある。また、地域管理者321による電力消費データ取得は、複数の地域・街区にまたがることもある。
これにより、各地域管理者321が地域・領域全体の電力消費を把握するためには、自分の管理範囲に含まれる、データ提供に合意した建物の電力消費データを取得するだけでなく、提供されない家屋の、電力消費データを推定することが必要となる。また、このような地域・街区に地域での太陽光発電による発電や電気自動車から集めた電力、さらには、電力料金の低い時間帯での蓄電と、電力消費ピーク時の放電、さらには、発電・蓄電の設備が存在しない地域・街区への融通を行う。これらの電力は地域管理者321で取得できるものとする。これにより、地域管理者は管理範囲の地域・街区での電力消費状況を把握して放電の判断を行う。
地域管理者321による電力消費データ、蓄電データ取得から放電までの全体ステップを、図2に示す情報制御連携基盤に含まれる機能と関連付けて図4〜図6に示す、以下に各ステップの内容を示す。
ステップ401:電力関連データの取得時間判定
電力消費データ、蓄電データ、機器データを取得する時間かどうかを判定する。これらは一定の時間間隔で取得する。
ステップ401:電力関連データの取得時間判定
電力消費データ、蓄電データ、機器データを取得する時間かどうかを判定する。これらは一定の時間間隔で取得する。
ステップ402:電力消費・蓄電データの取得
HEMS201やBEMS202などから建物の電力消費データ、蓄電データ、機器データをインタネットのような通信ライン204を介して取得する。HEMS201は住宅での電力の使用状況を使用機器ごとに把握するデータ取得装置である。BEMS202はオフィスビル、商業ビルでの電力の消費状況をビル内にある機器ごとに把握するデータ取得装置である。また、蓄電センサ203から地域発電・蓄電システムにおける蓄電量データ、放電量データを取得する。合わせて、HEMS201、BEMS202、蓄電センサ203から自身の故障を含めた機器の故障に関する機器データも取得する。なお、HEMS201,BEMS202、蓄電センサ203については、電力消費量を電力供給元に使用量を送信するような通信機能を持つスマートメータのような機器であってもよい。これらの電力消費データ、蓄電データはデータ取得機能205で取得され、格納データ生成機能206によって、キー・値形式に変換されてデータ格納機能207によってストリームデータベース213に格納される。キー・値形式のデータのうち、キー値は、電力消費データ、蓄電データを示すデータ種類であり、値は電力消費データ、蓄電データの取得値である。従って、取得したデータにキー値を付加してストリームデータベース213にいったん格納する。
HEMS201やBEMS202などから建物の電力消費データ、蓄電データ、機器データをインタネットのような通信ライン204を介して取得する。HEMS201は住宅での電力の使用状況を使用機器ごとに把握するデータ取得装置である。BEMS202はオフィスビル、商業ビルでの電力の消費状況をビル内にある機器ごとに把握するデータ取得装置である。また、蓄電センサ203から地域発電・蓄電システムにおける蓄電量データ、放電量データを取得する。合わせて、HEMS201、BEMS202、蓄電センサ203から自身の故障を含めた機器の故障に関する機器データも取得する。なお、HEMS201,BEMS202、蓄電センサ203については、電力消費量を電力供給元に使用量を送信するような通信機能を持つスマートメータのような機器であってもよい。これらの電力消費データ、蓄電データはデータ取得機能205で取得され、格納データ生成機能206によって、キー・値形式に変換されてデータ格納機能207によってストリームデータベース213に格納される。キー・値形式のデータのうち、キー値は、電力消費データ、蓄電データを示すデータ種類であり、値は電力消費データ、蓄電データの取得値である。従って、取得したデータにキー値を付加してストリームデータベース213にいったん格納する。
ステップ403:取得データの構造化
取得した電力消費データ、蓄電データはデータ構造化機能208によって、解析に必要となる機器の電力消費を示すデータを分離する。電力消費データ、蓄電データは汎用のXML(eXchange Markup Language)形式でもよい。XML形式のデータ項目は、<**>による開始タグと</**>による終了タグで記載され、括弧内にデータの項目名が記載され、タグの間にデータが記載される。HEMS201やBEMS202、蓄電センサ203などは製造者が異なると記載される項目名が異なるため、製造者の項目名と情報制御基盤で管理する汎用項目名の対応テーブルを用いて、XMLのタグにつけられた電力消費・蓄電関連項目名と、情報制御基盤で必要とする汎用項目名を照合して、汎用項目に対応する値を取り出し、必要ならば単位変換を行ってインメモリ機能209によりメモリ展開する。汎用項目名は図7(b)の509から514に相当する。インメモリ管理機能208で管理するメモリデータの構造を図7(a)(b)(c)に示す。
取得した電力消費データ、蓄電データはデータ構造化機能208によって、解析に必要となる機器の電力消費を示すデータを分離する。電力消費データ、蓄電データは汎用のXML(eXchange Markup Language)形式でもよい。XML形式のデータ項目は、<**>による開始タグと</**>による終了タグで記載され、括弧内にデータの項目名が記載され、タグの間にデータが記載される。HEMS201やBEMS202、蓄電センサ203などは製造者が異なると記載される項目名が異なるため、製造者の項目名と情報制御基盤で管理する汎用項目名の対応テーブルを用いて、XMLのタグにつけられた電力消費・蓄電関連項目名と、情報制御基盤で必要とする汎用項目名を照合して、汎用項目に対応する値を取り出し、必要ならば単位変換を行ってインメモリ機能209によりメモリ展開する。汎用項目名は図7(b)の509から514に相当する。インメモリ管理機能208で管理するメモリデータの構造を図7(a)(b)(c)に示す。
ステップ404:構造化データのインメモリ展開
インメモリデータは、図7(a)に示すように、データの所在とその内容を記載したメタテーブル501と電力消費データを格納する実データ空間505のメモリ空間より構成される。
インメモリデータは、図7(a)に示すように、データの所在とその内容を記載したメタテーブル501と電力消費データを格納する実データ空間505のメモリ空間より構成される。
メタデータテーブル501は、図7(b)に示すように、データの順序番号であるメタテーブル番号506、データ格納領域の大きさを示すテーブルサイズ507、格納可能な大きさを示す残りサイズ508、地球座標(緯度経度)による位置座標509、領域・街区を特定するための領域・街区番号510、電力消費、蓄電、機器データ、また地域・街区集計などを区別するためのデータ種類番号511、実際にデータを格納した実データメモリ空間のアドレス512、建物の識別に用いる建物番号513、データを送り出した機器の固有番号である機器番号514、前のメタデータのメタデータ番号を示す、前メタデータ番号515、この後に続くメタデータのメタデータ番号を示す後メタデータ番号516、実データメモリ空間に最初に格納した実データの開始時間を格納する開始時間517、最後のデータの終了時間を示す終了時間518、より構成される。開始時間517と終了時間518を参照することによって実データメモリ空間に格納されたデータの時間範囲を参照することができる。これにより、指定された時間範囲の電力消費データ検索は容易になる。実データメモリ空間505は、次のようにテーブルサイズが決定される。電力消費データが30分おきに取得され、地域・街区に含まれる家屋数がN、地域・街区ごとに一日分のデータを格納する場合24×2×N=48N個が格納可能なサイズとする。N=1000の場合は、48000個を格納可能とし、データサイズは、この値に対応するバイト数を記載する。データ構造化機能208は、取得したデータから、メタデータテーブル501、実データメモリ空間505に格納する509から514の情報をキー・値形式のデータから取り出す。残りサイズ508は、最初はテーブルサイズ507と一致させる。これによりデータは未使用であることがわかる。メタデータ番号506は通し番号とする。前メタデータ番号515と後メタデータ番号516により、実データメモリ空間のリンク502が張られるため、複数の地域・街区をリンクによってたどることにより、地域・街区内の電力消費値の集計を取ることが容易になる。
電力消費データの実データ503は、実データメモリ空間505に格納し、新しいデータは504に示すように追加する。実データメモリ空間に格納するデータの内容は、図7(c)に示すように、データ取得の開始時間519、データ取得の終了時間520、建物の電力事業者との契約に基づく契約電力量521、開始時間と終了時間の間に取得された計測データ値522を格納する。電力消費値、蓄電電力量の場合は、開始時間と終了時間の間に消費、発電・蓄電した電力量を示すことになる。電力消費の場合、建物には複数の個別機器があるため、これらの個別機器の識別コードと各機器での電力消費量の組み合わせを取得することもある。個別としては、家電、空調、照明などがある。機器データの場合は、開始時間と終了時間は同一であり、その際での機器の正常・異常に関するデータを記載する。
ステップ405:非取得データとなる建物の検索
電力消費データの取得が行えない建物が領域の中に存在する。また、個々の建物からの大量の電力消費データを取得する場合、通信線の不具合や、通信機器の故障により取得できないことがある。このような場合電力消費値を推定する。
これは、地図データベース216、属性データベース217と履歴データベース214を用いることによって推定する。参照する地域・街区の地図データにより、どの建物のデータが取得されないかを特定する。この特定方法を図8に示す。
電力消費データの取得が行えない建物が領域の中に存在する。また、個々の建物からの大量の電力消費データを取得する場合、通信線の不具合や、通信機器の故障により取得できないことがある。このような場合電力消費値を推定する。
これは、地図データベース216、属性データベース217と履歴データベース214を用いることによって推定する。参照する地域・街区の地図データにより、どの建物のデータが取得されないかを特定する。この特定方法を図8に示す。
インメモリモデル機能209はデータ検索機能211を起動して、地図データベース216より、参照する地域の地図データ601を検索する。地図データ601は座標列によるベクトルデータである。建物データ、街区を示す形状はベクトルデータである。ベクトルデータに対して建物番号605が付加されている。建物番号はすべての建物に対してユニークである。電力消費データ、蓄電データを取得できる建物の建物番号は、あらかじめデータ取得建物データテーブル606に格納している。地域・街区番号607、建物番号608、建物に含まれるHEMS、BEMSなどの番号である機器番号609が記載される。一つの建物番号608に関して複数個の機器番号609が記載されることになる。
このデータがあれば地図データの建物形状に付加された建物番号605と、データ取得建物データテーブル606に含まれる建物番号608と照合することによってデータ取得建物データテーブル606に含まれない建物番号を取り出すことができる。図8では、地図データの建物602、603の建物番号は、データ取得建物テーブル606に含まれる(608、610)が、建物604は、機器データに含まれないため、データ非取得建物テーブル611に建物番号が格納される。このようなデータ取得建物テーブル606のデータは、データ送信に合意した建物の情報からあらかじめ登録しておく。
このデータがあれば地図データの建物形状に付加された建物番号605と、データ取得建物データテーブル606に含まれる建物番号608と照合することによってデータ取得建物データテーブル606に含まれない建物番号を取り出すことができる。図8では、地図データの建物602、603の建物番号は、データ取得建物テーブル606に含まれる(608、610)が、建物604は、機器データに含まれないため、データ非取得建物テーブル611に建物番号が格納される。このようなデータ取得建物テーブル606のデータは、データ送信に合意した建物の情報からあらかじめ登録しておく。
地図データに含まれる建物番号の中で、データ取得建物テーブル606に含まれない建物番号を持つ家屋(604)を検索し、データが取得できない建物として、データ非取得建物テーブル611に登録する。次にデータ非取得建物テーブル611に含まれる建物番号607に対してデータ検索機能211は属性データベース217を検索し、地図データ601に関連する属性データ606を検索する。地図の範囲を示す緯度・経度を属性データベース217のキーとすれば属性データの検索は可能である。この属性に含まれる建物番号607は、地図データの建物番号605と同一であり、属性としては、建物種類番号608、建物に含まれる人数609、高さ610がある。608、609、610を非取得データ建物テーブル611に建物番号とあわせて格納する。
このデータ取得建物テーブル606、データ非取得建物テーブル611は定期的に見直しをはかり更新を行う。データ取得建物テーブル606は一度生成しても、機器の異常などの原因で存在していたデータが消去されていることもある。この場合は、データ非取得建物テーブル611に追加される。
ステップ406:非取得データに対応する建物の電力消費量推定
ステップ405に示す地図データと属性データを用いた方式によって、電力消費データが非取得である建物が特定されるため、次にこのような建物の電力消費値を推定する方法を以下に示す。
データ検索機能211は分析データベース214から、建物種類番号、高さ、人員を検索キーとして過去の同じ日、さらにその前後(数週間範囲)における建物の電力消費データを検索する。なお、平日と休日で異なる場合はその日のデータは除外する。図9の701はメタデータテーブルのデータであり、実データは702に示す。ここでは、過去の3個の類似建物の電力消費変動が示されており、電力消費変動グラフ703に記載された704、705、706がこれに相当する。このデータはインメモリモデル機能209によってメモリ上に、図7(b)(c)と同じ形式でメタデータテーブルと実データメモリ空間に格納する。このとき開始時間と終了時間は過去の時間となる。非取得データ値推定機能221は、取得した過去の電力消費データの時間の平均値を取ることによって新しいデータを生成する。過去の特定の開始時間と終了時間における電力消費値をCEi(i=1、2、3、・・・N;Nは過去の電力消費データの数を示す)とすると非取得データ建物の電力消費値CEは次の(1.1)式より求める。
ステップ405に示す地図データと属性データを用いた方式によって、電力消費データが非取得である建物が特定されるため、次にこのような建物の電力消費値を推定する方法を以下に示す。
データ検索機能211は分析データベース214から、建物種類番号、高さ、人員を検索キーとして過去の同じ日、さらにその前後(数週間範囲)における建物の電力消費データを検索する。なお、平日と休日で異なる場合はその日のデータは除外する。図9の701はメタデータテーブルのデータであり、実データは702に示す。ここでは、過去の3個の類似建物の電力消費変動が示されており、電力消費変動グラフ703に記載された704、705、706がこれに相当する。このデータはインメモリモデル機能209によってメモリ上に、図7(b)(c)と同じ形式でメタデータテーブルと実データメモリ空間に格納する。このとき開始時間と終了時間は過去の時間となる。非取得データ値推定機能221は、取得した過去の電力消費データの時間の平均値を取ることによって新しいデータを生成する。過去の特定の開始時間と終了時間における電力消費値をCEi(i=1、2、3、・・・N;Nは過去の電力消費データの数を示す)とすると非取得データ建物の電力消費値CEは次の(1.1)式より求める。
CE=(CE1+CE2+・・・CEN)/N ・・・(1.1)
(1.1)式の実行結果得られるデータは、分析データベース215に格納するため、インメモリデータとして保持する。この場合、データ種類番号511は、データ推定結果を示す番号とする。図9では、時間707における平均値708が求められることを示している。
(1.1)式の実行結果得られるデータは、分析データベース215に格納するため、インメモリデータとして保持する。この場合、データ種類番号511は、データ推定結果を示す番号とする。図9では、時間707における平均値708が求められることを示している。
ステップ407:非取得データ家屋における電力消費値推定の繰り返し
ステップ406のステップをデータ非取得建物テーブル611に記載された建物番号に対応する建物について繰り返し、電力消費値を求める。終了した場合は408を行う。終了していない場合は、ステップ406を行う。
ステップ406のステップをデータ非取得建物テーブル611に記載された建物番号に対応する建物について繰り返し、電力消費値を求める。終了した場合は408を行う。終了していない場合は、ステップ406を行う。
ステップ408:不整合データの除去
電力計測機器の故障などによって取得した電力消費値が実際にはあり得ない数値を示すものもある。例えば、契約電力量を大きく超えたりする場合、オフィスビルなどにおいては、休日でも平日の電力消費を示す場合が相当する。このような場合、異常データ分析機能224は、過去の電力消費の状況から不具合と判定して、データの訂正を行う。
異常分析機能224は、インメモリに展開された(図7(c))の建物ごとの電力消費値522が契約電力量521よりも大きい建物を検索する。そして、データ検索機能211を起動して履歴データベース215より、同じ建物の電力消費量の履歴を検索し、ステップ405と同じように時間平均を求める。データ形式は、図7(b)(c)と同じであり、メタデータテーブルのデータは701、実データメモリ空間の計測データは702である。そして、これらのデータの同時刻平均を計算する。取得した電力消費値と時間平均値を比較する。取得した電力消費値をCE、平均電力消費量をAEとすると
|CE−AE|>ε ・・・(1.2)
であれば、異常データ候補とする。
電力計測機器の故障などによって取得した電力消費値が実際にはあり得ない数値を示すものもある。例えば、契約電力量を大きく超えたりする場合、オフィスビルなどにおいては、休日でも平日の電力消費を示す場合が相当する。このような場合、異常データ分析機能224は、過去の電力消費の状況から不具合と判定して、データの訂正を行う。
異常分析機能224は、インメモリに展開された(図7(c))の建物ごとの電力消費値522が契約電力量521よりも大きい建物を検索する。そして、データ検索機能211を起動して履歴データベース215より、同じ建物の電力消費量の履歴を検索し、ステップ405と同じように時間平均を求める。データ形式は、図7(b)(c)と同じであり、メタデータテーブルのデータは701、実データメモリ空間の計測データは702である。そして、これらのデータの同時刻平均を計算する。取得した電力消費値と時間平均値を比較する。取得した電力消費値をCE、平均電力消費量をAEとすると
|CE−AE|>ε ・・・(1.2)
であれば、異常データ候補とする。
次に、この異常が機器の故障によるかどうかを判定するため、ジャーナル分析機能220を起動して、取得した機器データをインメモリより検索する。
機器データの計測値の構成例を図8に示す。ここでは、例として内部温度(Internal_Temperature)、CPUボードの異常(CPU_Board)、通信ボード異常(COMM_Board)、通信コネクタの異常(COMM_Connector)が記載されており、これらが異常(Anomaly)と記載されていれば、機器の異常とみなす。
機器データの計測値の構成例を図8に示す。ここでは、例として内部温度(Internal_Temperature)、CPUボードの異常(CPU_Board)、通信ボード異常(COMM_Board)、通信コネクタの異常(COMM_Connector)が記載されており、これらが異常(Anomaly)と記載されていれば、機器の異常とみなす。
異常の電力消費データを取得した場合で、その機器データを参照する。そして、
(1) もっとも最新のジャーナルデータの中に異常が記載されているか
(2) 過去に取得したジャーナルの中に、欠損が発生しているか
(3) 誤動作か
を判定する。(1)については、異常指標が最新までの一定期間で継続している場合には異常とみなし、取得した電力消費データを異常とみなす。(2)については、現在の時間から一定時間過去の間に、欠損があるかどうかを検索する。そして、データ取得率に対して、欠損率があらかじめ決められた比率よりも大きい場合にはデータ異常とみなす。(3)については、機器データに記載される内部温度値を参照して、あらかじめ決められた設定温度よりも高い温度場合には、誤動作として判定する。(1)(2)の場合は、機器異常とするが、(3)の場合は、誤動作として、異常検知後もデータ取得を受け付ける。異常と判断された機器の電力消費データは受け取らない。このとき、データ非取得建物データ611にこの機器データを登録する。これにより、これらの機器から電力消費データを取得してもデータとしては利用しない。異常値を示している電力機器のジャーナルの中に部品の異常を示している場合は、同様に機器の異常と判定する。
(1) もっとも最新のジャーナルデータの中に異常が記載されているか
(2) 過去に取得したジャーナルの中に、欠損が発生しているか
(3) 誤動作か
を判定する。(1)については、異常指標が最新までの一定期間で継続している場合には異常とみなし、取得した電力消費データを異常とみなす。(2)については、現在の時間から一定時間過去の間に、欠損があるかどうかを検索する。そして、データ取得率に対して、欠損率があらかじめ決められた比率よりも大きい場合にはデータ異常とみなす。(3)については、機器データに記載される内部温度値を参照して、あらかじめ決められた設定温度よりも高い温度場合には、誤動作として判定する。(1)(2)の場合は、機器異常とするが、(3)の場合は、誤動作として、異常検知後もデータ取得を受け付ける。異常と判断された機器の電力消費データは受け取らない。このとき、データ非取得建物データ611にこの機器データを登録する。これにより、これらの機器から電力消費データを取得してもデータとしては利用しない。異常値を示している電力機器のジャーナルの中に部品の異常を示している場合は、同様に機器の異常と判定する。
さらに、データを取得する予定の建物からデータが取得されない場合にも、ジャーナル解析機能220を起動して、インメモリから過去に機器データが取得されていたかどうかを検索する。検索できない場合には、機器に異常が発生していると判断する。
ステップ409:機器異常の判定
機器に異常があると判定され、電力消費データが取得できない場合、また、取得したデータを無視した場合には、ステップ405を実行して、非取得データとして電力消費値の推定を行う。そうでない場合は、ステップ410を実行する。
機器に異常があると判定され、電力消費データが取得できない場合、また、取得したデータを無視した場合には、ステップ405を実行して、非取得データとして電力消費値の推定を行う。そうでない場合は、ステップ410を実行する。
ステップ410:地域・街区全体の消費量の集計
統計分析機能222は、地域・街区ごとの契約電力量と電力消費の集計を行う。集計の方法を図10に示す。集計を行うため、あらかじめ、地図データがインメモリモデル機能209によって実メモリ空間にロードされていない場合には、データ検索機能211が地図データを地図データベース216から地図データを検索して実メモリ上にロードする。こうして、地図データに記載された、地域・街区を示す図形901を検索し、この範囲に含まれる建物図形902を検索して建物番号と地域・街区番号を対応付けたリストである包含建物テーブル907を作成しておく。統計分析機能222は、包含建物テーブル907を参照し、地域・街区に含まれる建物番号を参照して、インメモリデータ908のメタデータテーブルから同じ建物番号に対応する電力消費値の実データを取得する。データ非取得の建物についてもステップ406により推定したデータがインメモリにあるため、このデータを取得する。これらの取得データはインメモリ908にあるためこれらを集計して地域・街区の電力消費データとする。なお、図7において電力消費値522は開始時間519と終了時間520の間に消費された電力でありすべての建物について同じ時間が記載されているわけではない。このような場合は、集計の対照となる時間帯に最も近い開始時間または終了時間を有するデータを使用する。
統計分析機能222は、地域・街区ごとの契約電力量と電力消費の集計を行う。集計の方法を図10に示す。集計を行うため、あらかじめ、地図データがインメモリモデル機能209によって実メモリ空間にロードされていない場合には、データ検索機能211が地図データを地図データベース216から地図データを検索して実メモリ上にロードする。こうして、地図データに記載された、地域・街区を示す図形901を検索し、この範囲に含まれる建物図形902を検索して建物番号と地域・街区番号を対応付けたリストである包含建物テーブル907を作成しておく。統計分析機能222は、包含建物テーブル907を参照し、地域・街区に含まれる建物番号を参照して、インメモリデータ908のメタデータテーブルから同じ建物番号に対応する電力消費値の実データを取得する。データ非取得の建物についてもステップ406により推定したデータがインメモリにあるため、このデータを取得する。これらの取得データはインメモリ908にあるためこれらを集計して地域・街区の電力消費データとする。なお、図7において電力消費値522は開始時間519と終了時間520の間に消費された電力でありすべての建物について同じ時間が記載されているわけではない。このような場合は、集計の対照となる時間帯に最も近い開始時間または終了時間を有するデータを使用する。
また、図11に示すように、個別機器(空調、照明、家電)の電力消費データ904、905、906がある場合は、個別機器ごとの集計も行っておく。これらのデータを表示すれば地域・街区の電力消費状況が別の視点で参照できる。
ステップ411:放電時期判定
あらかじめ決めておいた放電時期かどうかを判定する。放電する場合にはステップ412を実行する。放電しない場合は、ステップ413を実行する。放電は、複数の地域・街区にある蓄電池から行われることもある。このため、放電時期と放電量、放電を行う蓄電池を含む地域・街区、放電の際の電力融通を行う街区を対応付けた放電参照テーブル(図13の1101)を保有しておく。そして、放電時期になった場合で放電を行う。
あらかじめ決めておいた放電時期かどうかを判定する。放電する場合にはステップ412を実行する。放電しない場合は、ステップ413を実行する。放電は、複数の地域・街区にある蓄電池から行われることもある。このため、放電時期と放電量、放電を行う蓄電池を含む地域・街区、放電の際の電力融通を行う街区を対応付けた放電参照テーブル(図13の1101)を保有しておく。そして、放電時期になった場合で放電を行う。
ステップ412:放電の実行
電力制御機能425は放電参照テーブルを見て、放電時期と一致する地域・街区の蓄電池から放電を行う。放電した電力は、蓄電池を含む地域・街区および融通を行う地域・街区で消費することになる。終了後はステップ413を実行する。
電力制御機能425は放電参照テーブルを見て、放電時期と一致する地域・街区の蓄電池から放電を行う。放電した電力は、蓄電池を含む地域・街区および融通を行う地域・街区で消費することになる。終了後はステップ413を実行する。
ステップ413:地域・街区内の電力逼迫度の計算
地域・街区ごとの契約電力AEの総計とステップ410で計算した電力消費CEの比をステップ407の集計結果から判定する。地域・街区Aの契約電力をAAE、電力消費をACEとすると、
ACE/AAE>δ ・・・ (1.3)
であれば、放電要請状態であると判断する。このため、トレンド予測機能219は、履歴データを用いて変動を予測する。これはすべての地域・街区に対して行う。
地域・街区ごとの契約電力AEの総計とステップ410で計算した電力消費CEの比をステップ407の集計結果から判定する。地域・街区Aの契約電力をAAE、電力消費をACEとすると、
ACE/AAE>δ ・・・ (1.3)
であれば、放電要請状態であると判断する。このため、トレンド予測機能219は、履歴データを用いて変動を予測する。これはすべての地域・街区に対して行う。
ステップ414:地域・街区における電力消費変動予測
トレンド予測機能219は、データ検索機能211を起動して、分析データベース215から、地域・街区に対応する電力消費データを検索する。このデータもインメモリモデル機能209によりインメモリに展開されるが、メタテーブル501の建物番号513はNULLであり、データ種類番号511は地域・街区平均を示す番号となる。これらの平均をとることによって変動データを取得する。図10では、履歴データ1001,1002,1003が検索され、その平均変動が取得される。そして、現在の時間の変動の速度を求める。変動速度AV(t0)は、
AV(t0)=(ACE(t0)−ACE(t0−Δt))/Δt ・・・(1.4)
であり、AV(t0)は現在の時間の変動速度、ACE(t0)は過去の同じ時間の地域・街区における電力消費集計値、ACE(t−Δt)はΔt前の、電力消費集計値である。この電力変化速度値をすべてのデータ収集を行う時間で計算する。そして、現在の時刻t0値での電力消費値AE(t0)に対して、
APE(t0+Δt)=CE(t0)+AV(t)Δt ・・・ (1.5)
によって時間Δt後の電力消費を予測する。これはすべての地域・街区において計算を行う。これはすべてのサンプリング時間での値を求めておく。この結果は、放電や電力融通でのステップ417で使用する。
トレンド予測機能219は、データ検索機能211を起動して、分析データベース215から、地域・街区に対応する電力消費データを検索する。このデータもインメモリモデル機能209によりインメモリに展開されるが、メタテーブル501の建物番号513はNULLであり、データ種類番号511は地域・街区平均を示す番号となる。これらの平均をとることによって変動データを取得する。図10では、履歴データ1001,1002,1003が検索され、その平均変動が取得される。そして、現在の時間の変動の速度を求める。変動速度AV(t0)は、
AV(t0)=(ACE(t0)−ACE(t0−Δt))/Δt ・・・(1.4)
であり、AV(t0)は現在の時間の変動速度、ACE(t0)は過去の同じ時間の地域・街区における電力消費集計値、ACE(t−Δt)はΔt前の、電力消費集計値である。この電力変化速度値をすべてのデータ収集を行う時間で計算する。そして、現在の時刻t0値での電力消費値AE(t0)に対して、
APE(t0+Δt)=CE(t0)+AV(t)Δt ・・・ (1.5)
によって時間Δt後の電力消費を予測する。これはすべての地域・街区において計算を行う。これはすべてのサンプリング時間での値を求めておく。この結果は、放電や電力融通でのステップ417で使用する。
この結果、予測値APE(t0+Δt)と契約電力AAEを比較した場合、
APE(t0+Δt)/AAE>δ ・・・ (1.6)
となる場合は、放電、または、電力融通の候補とする。
APE(t0+Δt)/AAE>δ ・・・ (1.6)
となる場合は、放電、または、電力融通の候補とする。
ステップ415;放電時期の判断
放電時期のスケジューリングは一日に一回、あらかじめ決められた時間、また、ステップ413において電力が逼迫しているときに行う。スケジューリングを行うときはステップ416を実行し、行わない場合はステップ421を実行する。
ステップ416:放電可能量の計算
蓄電池センサ204からのデータは、過去に取得した蓄電データに記載された蓄電値総量のデータSEと、新しく取得した蓄電量をNE、ステップ412で放電した場合は放電量のデータをREとすると、SE+NE−REを計算して新たにSEと置き換え、インメモリに格納する。
放電時期のスケジューリングは一日に一回、あらかじめ決められた時間、また、ステップ413において電力が逼迫しているときに行う。スケジューリングを行うときはステップ416を実行し、行わない場合はステップ421を実行する。
ステップ416:放電可能量の計算
蓄電池センサ204からのデータは、過去に取得した蓄電データに記載された蓄電値総量のデータSEと、新しく取得した蓄電量をNE、ステップ412で放電した場合は放電量のデータをREとすると、SE+NE−REを計算して新たにSEと置き換え、インメモリに格納する。
ステップ417:放電電力量と電力融通量の計算
放電量と融通量の計算方法は複数あるが、ここでは、そのひとつを示す。なお計算方法は別の方法を採用しても実行ステップには影響しない。
蓄電池設備を有する地域・街区で、その地域・街区で使用可能な電力と、融通可能な地域・街区で求める。まず、ピークシフトを行うために行う放電量を各地域・街区であらかじめ決める。
放電量と融通量の計算方法は複数あるが、ここでは、そのひとつを示す。なお計算方法は別の方法を採用しても実行ステップには影響しない。
蓄電池設備を有する地域・街区で、その地域・街区で使用可能な電力と、融通可能な地域・街区で求める。まず、ピークシフトを行うために行う放電量を各地域・街区であらかじめ決める。
このため、予測した電力消費量から、各地域で最大消費する電力量を計算する。いま、街区1では、蓄電と融通による電力が得られるとすると、放電開始までの蓄電量をUE1とする。放電を行う時間帯はあらかじめ決めておく。融通量は放電量のm(0<=m<1)倍とする。なお、m=0となるのは、ほかへの融通を行えない場合である。したがって蓄電電力量をUEとすると、同じ地域・街区への放電電力量は(1−m)UE、他街区への融通電力量はmUEとなる。融通先の地域・街区数が、N個とすると、m/n×UE分が一つの街区に融通される。こうすると地域・街区1において各時間での蓄電と融通で使用できる電力AE1(t)は、
AE1(t)=(1-m)UE1×AE1(t)/(AE1(t)+AE1(t+Δt)+・・・+AE1(t+nΔt))+m’UEp1+m’’UEp2+++m(k)UEpk ・・・(1.7)
となる。m’は地域・街区1への他地域・街区からの融通分を示す。
AE1(t)=(1-m)UE1×AE1(t)/(AE1(t)+AE1(t+Δt)+・・・+AE1(t+nΔt))+m’UEp1+m’’UEp2+++m(k)UEpk ・・・(1.7)
となる。m’は地域・街区1への他地域・街区からの融通分を示す。
(1.7)式は、時々刻々変化する電力消費値に合わせて放電を行うことを示す。ここで、mUEpi(i=2,3、・・・k)は、融通元の地域・街区の融通電力量である。他の地域・街区から融通できない場合はmUEpi=0となる。
例えば、ステップ412の(1.3)式を満たす場合には融通され、満たさない場合には融通しないというような方式をとることもできる。
例えば、ステップ412の(1.3)式を満たす場合には融通され、満たさない場合には融通しないというような方式をとることもできる。
ステップ418:放電量と放電時期のリスト化
ステップ417において、地域発電・蓄電電力の電力を放電、融通のために決定した電力量を図13に示すような放電管理テーブル1101に格納する。放電データの単位は1102である。地域・街区番号1103は、放電を行う地域・街区番号を示し、放電数1104は放電を行う時間の単位数を示す。これは放電開始時間1104、放電終了時間1105の時間間隔が単位である。放電量1106は放電開始時間1104、放電終了時間1105の間に行われるが、これは時間単位での放電総量であり、線形的な増加により放電を行う。融通先数1107は、融通先の地域・街区数であり、1108以降に融通先の地域・街区の番号を記載する。
ステップ417において、地域発電・蓄電電力の電力を放電、融通のために決定した電力量を図13に示すような放電管理テーブル1101に格納する。放電データの単位は1102である。地域・街区番号1103は、放電を行う地域・街区番号を示し、放電数1104は放電を行う時間の単位数を示す。これは放電開始時間1104、放電終了時間1105の時間間隔が単位である。放電量1106は放電開始時間1104、放電終了時間1105の間に行われるが、これは時間単位での放電総量であり、線形的な増加により放電を行う。融通先数1107は、融通先の地域・街区数であり、1108以降に融通先の地域・街区の番号を記載する。
ステップ419:構造化されたデータの格納
インメモリに格納されている構造化された電力消費データと、蓄電データ、機器データをデータ格納機能207によって履歴データベース214に格納する。
ステップ420:トレンド知識の取得
電力消費に関するトレンドは一定にパターンを示すため、トレンド知識取得機能223により、変動パターンを知識として取得する。このため、一日の終了時に、一日の電力消費の動きを統合する。統合の単位は、
・ひと月の動き(平日)
・ひと月の動き(休日)
・ひと月の動き(平日・休日)
・長期休暇(3日以上の休暇日が続く場合)
さらに、上記の時期ごとのデータは、次のような建物種類によって分類される。
・住宅(在宅者あり)
・住宅(在宅者なし)
・商業施設
・レストラン
・オフィス
・公共施設(学校、市役所)
・公共医療施設(病院)
・公共インフラ(発電所、浄水場)
・工場
など。
また、場所に応じた
・地域・街区
ごとにまとめる。
インメモリに格納されている構造化された電力消費データと、蓄電データ、機器データをデータ格納機能207によって履歴データベース214に格納する。
ステップ420:トレンド知識の取得
電力消費に関するトレンドは一定にパターンを示すため、トレンド知識取得機能223により、変動パターンを知識として取得する。このため、一日の終了時に、一日の電力消費の動きを統合する。統合の単位は、
・ひと月の動き(平日)
・ひと月の動き(休日)
・ひと月の動き(平日・休日)
・長期休暇(3日以上の休暇日が続く場合)
さらに、上記の時期ごとのデータは、次のような建物種類によって分類される。
・住宅(在宅者あり)
・住宅(在宅者なし)
・商業施設
・レストラン
・オフィス
・公共施設(学校、市役所)
・公共医療施設(病院)
・公共インフラ(発電所、浄水場)
・工場
など。
また、場所に応じた
・地域・街区
ごとにまとめる。
施設については、一意的ではなく、異なる分類もある。データ検索機能211は、属性データベース217を検索して、上記の建物分類に対応する建物種類番号を検索する。さらに、履歴データベース214より、各建物種類に対応する地域ごとの電力消費データを検索し、インメモリにおく。トレンド知識取得機能223は、これらの過去の電力消費データと最新の電力消費データの平均値を、上記の分類に従って計算し、インメモリにおく。データ格納機能207は、平均化したデータを分析結果として分析データベース215に格納する。
ステップ421:繰り返し
以上401から420のステップを繰り返し行うことにより、地域・街区での電力消費の最適化を行っていく。
ステップ401〜421により、地域・街区において、電力消費データが取得されない場合でも、地図データと関連する属性データ、さらに類似の建物における電力消費データを用いることによって推定することが可能となる。
地域管理者321の制御により電力放電を行う場合、これらの電力は、系統電力とは異なるため、電力の使用料金は異なる。このため、系統電力の使用と地域発電・蓄電電力の使用を区別する必要がある。この場合、次の状況を考慮する必要がある。
以上401から420のステップを繰り返し行うことにより、地域・街区での電力消費の最適化を行っていく。
ステップ401〜421により、地域・街区において、電力消費データが取得されない場合でも、地図データと関連する属性データ、さらに類似の建物における電力消費データを用いることによって推定することが可能となる。
地域管理者321の制御により電力放電を行う場合、これらの電力は、系統電力とは異なるため、電力の使用料金は異なる。このため、系統電力の使用と地域発電・蓄電電力の使用を区別する必要がある。この場合、次の状況を考慮する必要がある。
(1)配電設備
配電設備の利用については、次の2通りを考慮する。
「1」 地域発電・蓄電の電力は既存の配電設備を使用する。これより、逆潮流によって電力の放電を行い、所定の街区・地域に電力を供給する。
「2」 地域発電・蓄電の電力は独自の配電設備を使用する。このため、電力使用時には、使用する電力設備の選択を行う。
(2)需要者
電力需要者は、放電電力を使用、不使用によって分けられる。
「3」街区・地域の需要者は全員、地域管理者と地域発電・蓄電電力使用を契約している。
「4」街区・地域の需要者が全員地域管理者と契約していない。このため、発電電力や蓄電電力の利用について知らされていない需要者が存在することになる。
上記の「2」と「3」または「4]」の組み合わせの場合は、配電設備の選択によって使用する電力を区別することができるため、契約または電力消費データ送信に合意していない需要者が地域発電・蓄電の電力を使用することを抑止できる。
配電設備の利用については、次の2通りを考慮する。
「1」 地域発電・蓄電の電力は既存の配電設備を使用する。これより、逆潮流によって電力の放電を行い、所定の街区・地域に電力を供給する。
「2」 地域発電・蓄電の電力は独自の配電設備を使用する。このため、電力使用時には、使用する電力設備の選択を行う。
(2)需要者
電力需要者は、放電電力を使用、不使用によって分けられる。
「3」街区・地域の需要者は全員、地域管理者と地域発電・蓄電電力使用を契約している。
「4」街区・地域の需要者が全員地域管理者と契約していない。このため、発電電力や蓄電電力の利用について知らされていない需要者が存在することになる。
上記の「2」と「3」または「4]」の組み合わせの場合は、配電設備の選択によって使用する電力を区別することができるため、契約または電力消費データ送信に合意していない需要者が地域発電・蓄電の電力を使用することを抑止できる。
「1」と「3」の組み合わせの場合は、蓄電池の放電量を系統電力事業者の電力メータ(314、316)を通して伝える、また、電力融通先の地域・街区もあわせて伝えることにより、使用料金を適正化することができる。なお、電力使用料金は、系統電力事業者はいったん系統電力をすべて消費したとして料金を徴収し、地域発電・蓄電電力は買い取りによって地域管理者にその料金を支払う。そして、放電電力の需要者に対しては、地域管理者から料金の払い戻しを行う。このために、図示していない装置を用いて振り込み等を行ってもよい。
「1」「4」の組み合わせの場合は、契約した需要者以外も地域発電・蓄電電力を使用することが可能である。このため、地域管理者は契約した建物ごとに、放電で使用する電力量を計算し、料金の払い戻しを行う。この方法によって、地域管理者と契約していない、放電電力を無断で使用できない建物の課金を正しく判断することができる。
以上の電力配分方法では、建物レベルでの電力の配分を考慮する。この方法を図14に示す。図14では、蓄電池の放電を、建物に割り振る方法が示される。ここでは、地域・街区Aが自分の地域・街区と地域・街区Bに融通する場合が示されている。さらに複数の地域・街区への融通も拡張は容易である。1201は地域・街区Aでの蓄電量を示しており、時間T2(>T1)において、放電を行うとともに融通も行うことを示している。放電量のうち1207は地域・街区A自身での消費を示し、1208は地域・街区Bへの融通を示す。1202、1203はそれぞれ地域・街区A、地域・街区Bでの電力契約量と消費電力量をしめす。1209、1210はそれぞれ地域・街区Aにおける契約電力量の総計、電力使用量の総計を示す。蓄電池からの放電電力は1211、1212である。放電電力は系統電力と比較して少ないため、優先的に消費することになる。これらは、地域・街区総計のため、建物に割り振る。図12は、1204、1205に示すように建物の契約電力に応じた割り振り方を示す。地域・街区Aでの放電電力使用を行える建物の契約電力量を、AEk(k=1,2,3・・・n)とすると、全消費可能量をEE、建物kでの消費可能量CEkは,
CEk=EE×CEk/(CE1+CE2+・・・CEn) ・・・(1.8)
となる。地域・街区Aに含まれる建物1、建物2の使用可能量は、1213、1214によって示されている。
CEk=EE×CEk/(CE1+CE2+・・・CEn) ・・・(1.8)
となる。地域・街区Aに含まれる建物1、建物2の使用可能量は、1213、1214によって示されている。
本実施形態により、地域ごとにまとめられた家屋の電力の使用状況がわかるため、地域管理者によって地域での充電した電力の放電による利用を行うことができる。とくに、電力の消費状況の不明になる建物が存在しても類似の建物から推定できる。蓄電池などがある場合は、需要家の要望に応じた放電を行うことが可能となる。
このようなセンサデータの情報と地域発電・蓄電電力の放電制御の連携は、電力事業者だけでなく、地域の電力消費の効率化を図る組織体である地域管理者によって運営することができる。地域管理者はデータセンタによる運営を行なうことになる。
このようなセンサデータの情報と地域発電・蓄電電力の放電制御の連携は、電力事業者だけでなく、地域の電力消費の効率化を図る組織体である地域管理者によって運営することができる。地域管理者はデータセンタによる運営を行なうことになる。
101、102・・・地域管理システム、103、104・・・HEMS、BEMS、蓄電センサ、105、107・・・情報制御連携基盤、106、108・・・電力制御アプリケーションシステム、109、110・・・通信ネットワーク、111、112・・・地域管理者の電力管理対象となる建物、200・・・ICCP基盤、201・・・HEMS、202・・・BEMS、203・・・蓄電センサ、204・・・通信ネットワーク、205・・・データ取得機能、206・・・格納データ生成機能、207・・・データ格納機能、208・・・データ構造化機能、209・・・インメモリモデル機能、210・・・解析インタフェース機能、211・・・データ検索機能、212・・・共通インタフェース機能、213・・・ストリームデータベース、214・・・履歴データベース、215・・・分析データベース、216・・・地図データベース、217・・・属性データベース、218・・・アナリティクス機能、219・・・トレンド予測機能、220・・・ジャーナル分析機能、221・・・未取得データ推定機能、222・・・統計分析機能、223・・・トレンド知識取得機能、224・・・異常分析機能、225・・・電力制御機能
Claims (10)
- 複数の建物が存在する地域で消費された電力を管理するための電力消費管理システムにおいて、
予め、前記複数の建物それぞれの属性データを記憶する手段と、
前記複数の建物のうち少なくともその一部の消費電力データを取得する手段と、
前記消費電力データが取得されなかった未取得建物の属性データを検索する手段と、
検索された属性データに対応する属性データを有する建物であって前記消費電力データが取得された既取得建物を特定する手段と、
特定された既取得建物の消費電力データを用いて、前記未取得建物の消費電力データを推定する手段と、
推定された消費電力データと、取得された消費電力データに基づいて、前記電力を管理する手段とを有することを特徴とする電力消費管理システム。 - 請求項1に記載の電力消費管理システムにおいて、
検索された属性データに対応する属性データとは、前記検索された属性データと一致ないし類似する属性データであることを特徴とする電力消費管理システム。 - 請求項1または2のいずれかに記載の電力消費管理システムにおいて、
前記属性データは、前記建物の種類、面積、利用人数および高さを含むことを特徴とする電力消費管理システム。 - 請求項1乃至3のいずれかに記載の電力消費管理システムにおいて、
前記取得する手段は、前記消費電力データに加え、前記建物の蓄電データを取得し、
前記管理する手段は、既取得建物の消費電力データ、前記未取得建物の消費電力データおよび前記蓄電データを用いて、前記電力の管理を実行することを特徴とする電力消費管理システム。 - 請求項4に記載の電力消費管理システムにおいて、
前記管理する手段は、既取得建物の消費電力データ、前記未取得建物の消費電力データおよび前記蓄電データを用いて、前記地域での電力消費状況の予測を行うことを特徴とする電力消費管理システム。 - 複数の建物が存在する地域で消費された電力を管理するための電力消費管理方法において、
予め、前記複数の建物それぞれの属性データを記憶装置に記憶しておき、
前記複数の建物のうち少なくともその一部の消費電力データを取得し、
前記消費電力データが取得されなかった未取得建物の属性データを検索し、
検索された属性データに対応する属性データを有する建物であって前記消費電力データが取得された既取得建物を特定し、
特定された既取得建物の消費電力データを用いて、前記未取得建物の消費電力データを推定し、
推定された消費電力データと、取得された消費電力データに基づいて、前記電力を管理することを特徴とする電力消費管理方法。 - 請求項6に記載の電力消費管理方法において、
検索された属性データに対応する属性データとは、前記検索された属性データと一致ないし類似する属性データであることを特徴とする電力消費管理方法。 - 請求項6または7のいずれかに記載の電力消費管理方法において、
前記属性データは、前記建物の種類、面積、利用人数および高さを含むことを特徴とする電力消費管理方法。 - 請求項6乃至8のいずれかに記載の電力消費管理方法において、
前記取得する処理は、前記消費電力データに加え、前記建物の蓄電データを取得し、
前記管理する処理は、既取得建物の消費電力データ、前記未取得建物の消費電力データおよび前記蓄電データを用いて、前記電力の管理を実行することを特徴とする電力消費管理方法。 - 請求項9に記載の電力消費管理方法において、
前記管理する処理は、既取得建物の消費電力データ、前記未取得建物の消費電力データおよび前記蓄電データを用いて、前記地域での電力消費状況の予測を行うことを特徴とする電力消費管理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013125187A JP2015002588A (ja) | 2013-06-14 | 2013-06-14 | 電力消費管理システムおよび方法 |
EP14172231.4A EP2813979A1 (en) | 2013-06-14 | 2014-06-12 | Electric power consumption management system and method |
US14/303,210 US20140371933A1 (en) | 2013-06-14 | 2014-06-12 | Electric power consumption management system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013125187A JP2015002588A (ja) | 2013-06-14 | 2013-06-14 | 電力消費管理システムおよび方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015002588A true JP2015002588A (ja) | 2015-01-05 |
Family
ID=50980931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013125187A Pending JP2015002588A (ja) | 2013-06-14 | 2013-06-14 | 電力消費管理システムおよび方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20140371933A1 (ja) |
EP (1) | EP2813979A1 (ja) |
JP (1) | JP2015002588A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016213933A (ja) * | 2015-05-01 | 2016-12-15 | 富士電機株式会社 | マイクログリッド又はスマートグリッドの供給設備構築装置および方法 |
JPWO2022153444A1 (ja) * | 2021-01-14 | 2022-07-21 | ||
KR20240039867A (ko) * | 2022-09-20 | 2024-03-27 | 케빈랩 주식회사 | 데이터 기반 건축물의 전력 산출 시뮬레이션 시스템 및 방법 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419589B (zh) * | 2011-12-31 | 2014-05-07 | 国家电网公司 | 一种园区的智能用电***及方法 |
US10209729B2 (en) * | 2014-04-28 | 2019-02-19 | Nec Corporation | Energy control system, energy control device, energy control method, and storage medium |
JP6414743B2 (ja) * | 2014-11-28 | 2018-10-31 | 富士通株式会社 | 電源制御装置、電源制御プログラム、電源制御方法及び電源制御システム |
JP6740270B2 (ja) * | 2018-02-27 | 2020-08-12 | 三菱重工業株式会社 | 工場評価装置、工場評価方法、およびプログラム |
JP7081070B2 (ja) * | 2018-06-27 | 2022-06-07 | 三菱電機ビルソリューションズ株式会社 | 消費電力推定装置 |
CN111738498B (zh) * | 2020-06-08 | 2024-05-24 | 国网安徽省电力有限公司经济技术研究院 | 一种综合能源***鲁棒规划方法及*** |
JP2022181267A (ja) * | 2021-05-26 | 2022-12-08 | 株式会社日立製作所 | 計算システム、計算方法 |
CN116757410B (zh) * | 2023-06-13 | 2024-04-26 | 黑龙江信志先创科技有限公司 | 利用人工智能模型的补电取电策略鉴别*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003224931A (ja) * | 2002-01-28 | 2003-08-08 | Hitachi Ltd | 配電系統負荷推定装置 |
JP2006204039A (ja) * | 2005-01-21 | 2006-08-03 | Chugoku Electric Power Co Inc:The | 配電系統負荷想定方法、配電系統負荷想定装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6996508B1 (en) * | 2001-12-03 | 2006-02-07 | The Texas A&M University System | System and method for remote retrofit identification of energy consumption systems and components |
US8706650B2 (en) * | 2009-01-14 | 2014-04-22 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
US20110231320A1 (en) * | 2009-12-22 | 2011-09-22 | Irving Gary W | Energy management systems and methods |
JP5518553B2 (ja) * | 2010-04-13 | 2014-06-11 | 文平 馬郡 | 相互学習による建築物の省エネルギー化ユニット及びシステム |
US8600572B2 (en) * | 2010-05-27 | 2013-12-03 | International Business Machines Corporation | Smarter-grid: method to forecast electric energy production and utilization subject to uncertain environmental variables |
JP5101675B2 (ja) | 2010-09-09 | 2012-12-19 | 株式会社東芝 | 需給バランス制御装置 |
WO2012066651A1 (ja) | 2010-11-17 | 2012-05-24 | 株式会社日立製作所 | 電力管理システム及び電力管理方法 |
JP5673167B2 (ja) | 2011-02-07 | 2015-02-18 | 日本電気株式会社 | 電気機器の電力管理方法 |
WO2012161804A1 (en) * | 2011-02-24 | 2012-11-29 | Clean Urban Energy, Inc. | Integration of commercial building operations with electric system operations and markets |
US20120268291A1 (en) | 2011-04-19 | 2012-10-25 | John Christopher Boot | Systems and method for transmitting data in an advanced metering infrastructure |
US8718850B2 (en) * | 2011-11-30 | 2014-05-06 | Nec Laboratories America, Inc. | Systems and methods for using electric vehicles as mobile energy storage |
-
2013
- 2013-06-14 JP JP2013125187A patent/JP2015002588A/ja active Pending
-
2014
- 2014-06-12 EP EP14172231.4A patent/EP2813979A1/en not_active Withdrawn
- 2014-06-12 US US14/303,210 patent/US20140371933A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003224931A (ja) * | 2002-01-28 | 2003-08-08 | Hitachi Ltd | 配電系統負荷推定装置 |
JP2006204039A (ja) * | 2005-01-21 | 2006-08-03 | Chugoku Electric Power Co Inc:The | 配電系統負荷想定方法、配電系統負荷想定装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016213933A (ja) * | 2015-05-01 | 2016-12-15 | 富士電機株式会社 | マイクログリッド又はスマートグリッドの供給設備構築装置および方法 |
JPWO2022153444A1 (ja) * | 2021-01-14 | 2022-07-21 | ||
WO2022153444A1 (ja) * | 2021-01-14 | 2022-07-21 | 三菱電機ビルテクノサービス株式会社 | 消費電力推定装置及びプログラム |
KR20240039867A (ko) * | 2022-09-20 | 2024-03-27 | 케빈랩 주식회사 | 데이터 기반 건축물의 전력 산출 시뮬레이션 시스템 및 방법 |
KR102655034B1 (ko) * | 2022-09-20 | 2024-04-05 | 케빈랩 주식회사 | 데이터 기반 건축물의 전력 산출 시뮬레이션 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20140371933A1 (en) | 2014-12-18 |
EP2813979A1 (en) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2015002588A (ja) | 電力消費管理システムおよび方法 | |
CN109066690B (zh) | 一种区域性产用电的电源调度方法 | |
Mancarella et al. | Modelling of integrated multi-energy systems: Drivers, requirements, and opportunities | |
Benetti et al. | Electric load management approaches for peak load reduction: A systematic literature review and state of the art | |
CN102136102B (zh) | 针对消费者能源消耗的分析 | |
JP6109631B2 (ja) | 情報処理システム | |
WO2018176863A1 (zh) | 配电网可靠性投资经济效益分析方法及装置、存储介质 | |
JP6242943B2 (ja) | インフラ運用装置、インフラ運用システム、情報処理方法およびプログラム | |
KR101215186B1 (ko) | 에너지 표시 시스템, 에너지 표시 장치, 에너지 표시 방법 | |
WO2013157481A1 (ja) | エネルギー管理システム、エネルギー管理方法、プログラム、サーバ装置およびクライアント装置 | |
WO2020098728A1 (zh) | 集群负荷预测方法、装置及存储介质 | |
JP2009077498A (ja) | 負荷低減計画策定システム及びデマンド制御システム | |
KR101800286B1 (ko) | 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 | |
CN110782153A (zh) | 一种企业园区综合能效评估体系建模方法及*** | |
KR20160078605A (ko) | 복합 이벤트 처리와 기계학습 기반의 가정별 물 수요량 예측 및 누수 탐지방법 | |
CN111524027B (zh) | 一种电力信息统计方法、装置、设备及存储介质 | |
KR20180028583A (ko) | 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템 | |
KR20120076662A (ko) | 에너지 자원 관리장치 및 방법 | |
KR20180130945A (ko) | 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 | |
Boulaire et al. | Statistical modelling of district-level residential electricity use in NSW, Australia | |
JP2012060637A (ja) | エネルギー管理システム、エネルギー管理方法、エネルギー管理システムの中継器 | |
Saatwong et al. | An interoperable building energy management system with IEEE1888 open protocol for peak-load shaving | |
JP2005045899A (ja) | 電力取引システムおよび電力取引方法 | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型***及方法 | |
Yu et al. | Key variables in determining energy shaving capacity of buildings during demand response events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150821 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160510 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20161108 |