JP2016178738A - 電力需要予測装置および電力需要予測方法 - Google Patents

Abstract

【課題】雨水による電力需要量の変動を正確に予測することができる電力需要予測装置および電力需要予測方法を提供する。
【解決手段】対象時刻ＴＮの第一所定時間Ｍ１前から対象時刻までの最大電力量値ＧＮを抽出する実績データ取得部５０と、対象時刻ＴＮの第二所定時間Ｍ２前から対象時刻までの過去降水量ＲＮ、および、対象時刻ＴＮから第三所定時間Ｍ３後までの将来降水量ＱＮとを抽出する気象情報取得部３０と、最大電力量値ＧＮ、過去降水量ＲＮ、将来降水量ＱＮの関係と電力需要実績値ＥＮから予測対象時刻ＴＸの電力量予測値ＦＸを予測する需要予測部４０を備える。
【選択図】図１

Description

この発明は、雨水および排水を合流式にて処理する下水道ポンプ場または水再生センタなどの下水処理を行う施設の電力需要量を予測する電力需要予測装置および電力需要予測方法に関し、特に施設における雨水による電力需要量の変動を正確に予測することができるものである。

近年、蓄電池または発電機などの分散型電源の導入が進み、それらを連携制御するためのエネルギーマネジメントシステムが開発されている。分散型電源を最適に連携制御するには、需要家施設内の電力需要を正確に把握する必要があり、これまで、気象情報と電力需要との関係をモデル化した予測モデルを構築し、電力需要量を予測する方法が提案されてきた。

例えば、特許文献１に記載されている電力需要予測方法では、各時刻の気温と電力量との関係から予測モデルを構築し、予測モデルを用いて電力需要量を予測している。また、特許文献２に記載されている電力需要予測方法では、天気および雨量等の気象データを用いて予測モデルを構築し、電力需要を予測している。

特開２００４−１６４３８８号公報 特開２０１３−１６１３３６号公報

しかしながら、下水処理施設は、排水処理だけでなく雨水を処理する役割を有している。通常、雨水は下水道幹線を経由して、雨水排出ポンプから海または河川へ放水される。そのため、下水処理施設の電力需要は気温との関係があまりなく、特許文献１の電力需要予測方法では、正確に予測できないという問題点があった。

また、特許文献２のように、雨量降水量を用いることで電力需要をある程度予測することができるが、下水処理施設では、一般的な施設に備わっている照明および空調などの設備に加えて、ポンプおよび貯蔵槽などの雨を処理するための設備を備えている。そして、ポンプは貯蔵槽に流れ込んできた雨水をくみ上げる際に電力を消費する。

そのため、施設全体の電力需要は、ポンプ等の水処理設備の運転状況の影響も受けて変化する。ポンプ等の水処理設備は、これまでの数時間でどのくらいの雨が降ったのか、これから数時間でどのくらいの雨が降るのかなどの累積値によって運転状況が変化し、また、過去にいつポンプ等の水処理設備を運転したのかによって今後の運転状況が変わる。そのため、単純に雨量および電力需要量の関係に基づいた電力需要予測では正確な予測ができないという問題点があった。

この発明は上記のような課題を解決するためになされたものであり、下水処理を行う施設における雨水による電力需要量の変動を正確に予測する電力需要予測装置および電力需要予測方法を提供することを目的とする。

この発明の電力需要予測装置は、
下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測装置において、
前記施設の各時刻の電力需要実績値を取得し、前記電力需要実績値に対して対象時刻の第一所定時間前から前記対象時刻までの最大の前記電力需要実績値を検出して前記対象時刻の最大電力量値として抽出する実績データ取得部と、
前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出する気象情報取得部と、
前記対象時刻の最大電力量値を蓄積する最大電力量値データベースと、
前記対象時刻の過去降水量を蓄積する過去降水量データベースと、
前記対象時刻の将来降水量を蓄積する将来降水量データベースと、
前記最大電力量値、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測する需要予測部とを備えたものである。

また、この発明の電力需要予測装置は、
ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測装置において、
前記施設の各時刻の電力需要実績値を取得する実績データ取得部と、
対象時刻の第四所定時間前から前記対象時刻までの前記ポンプの運転状態を対象運転状態として抽出するポンプデータ取得部と、
前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の将来降水量として抽出する気象情報取得部と、
前記対象時刻の前記対象運転状態を蓄積するポンプ運転状態データベースと、
前記対象時刻の過去降水量を蓄積する過去降水量データベースと、
前記対象時刻の将来降水量を蓄積する将来降水量データベースと、
前記対象運転状態、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測する需要予測部とを備えたものである。

また、この発明の電力需要予測装置は、
ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測装置において、
前記ポンプの第一電力需要実績値と、前記施設の前記ポンプ以外の第二電力需要実績値とを取得し、
前記第一電力需要実績値に対して対象時刻の第五所定時間前から前記対象時刻までの最大の前記第一電力需要実績値を検出して前記対象時刻のポンプ最大電力量値として抽出する実績データ取得部と、
前記施設に関係する実績値および予報値の降水量値と気温値とを含む気象情報を取得し、前記気象情報に対して、前記対象時刻の気温値を抽出し、かつ、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出する気象情報取得部と、
前記対象時刻のポンプ最大電力量値を蓄積するポンプ最大電力量値データベースと、
前記対象時刻の気温値を蓄積する気温値データベースと、
前記対象時刻の過去降水量を蓄積する過去降水量データベースと、
前記対象時刻の将来降水量を蓄積する将来降水量データベースと、
前記ポンプ最大電力量値、前記過去降水量、および前記将来降水量の関係と前記第一電力需要実績値とから前記予測対象時刻の前記ポンプの第一電力量予測値を予測し、前記気温値と前記第二電力需要実績値との関係から前記予測対象時刻の前記ポンプ以外の第二電力量予測値を予測して前記第一電力量予測値と前記第二電力量予測値との合計を値前記電力量予測値として予測する需要予測部とを備えたものである。

また、この発明の電力需要予測方法は、
下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測方法において、
前記施設の各時刻の電力需要実績値を取得し、前記電力需要実績値に対して対象時刻の第一所定時間前から前記対象時刻までの最大の前記電力需要実績値を検出して前記対象時刻の最大電力量値として抽出し、
前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出し、
前記最大電力量値、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測するものである。

また、この発明の電力需要予測方法は、
ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測方法において、
前記施設の各時刻の電力需要実績値を取得する実績データ取得部と、
対象時刻の第四所定時間前から前記対象時刻までの前記ポンプの運転状態を対象運転状態として抽出し、
前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の将来降水量として抽出し、
前記対象運転状態、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測するものである。

また、この発明の電力需要予測方法は、
ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測方法において、
前記ポンプの第一電力需要実績値と、前記施設の前記ポンプ以外の第二電力需要実績値とを取得し、前記第一電力需要実績値に対して対象時刻の第五所定時間前から前記対象時刻までの最大の前記第一電力需要実績値を検出して前記対象時刻のポンプ最大電力量値として抽出し、
前記施設に関係する実績値および予報値の降水量値と気温値とを含む気象情報を取得し、前記気象情報に対して、前記対象時刻の気温値を抽出し、かつ、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出し、
前記ポンプ最大電力量値、前記過去降水量、および前記将来降水量の関係と前記第一電力需要実績値とから前記予測対象時刻の前記ポンプの第一電力量予測値を予測し、前記気温値と前記第二電力需要実績値との関係から前記予測対象時刻の前記ポンプ以外の第二電力量予測値を予測して前記第一電力量予測値と前記第二電力量予測値との合計を値前記電力量予測値として予測するものである。

この発明の電力需要予測装置および電力需要予測方法によれば、雨水による電力需要量の変動を正確に予測することができる。

この発明の実施の形態１の電力需要予測装置の構成を示す図である。 図１に示した電力需要予測装置における最大電力量値を説明するための図である。 図１に示した電力需要予測装置における過去降水量を説明するための図である。 図１に示した電力需要予測装置における将来降水量を説明するための図である。 図１に示した電力需要予測装置の需要予測部におけるニューラルネットワークの予測モデルを説明するための図である。 図１に示した電力需要予測装置の需要予測部の動作を説明するためのフローチャートである。 図１に示した電力需要予測装置における最大電力量値を説明するための図である。 図１に示した電力需要予測装置における最大電力量値を説明するための図である。 図１に示した電力需要予測装置における過去降水量を説明するための図である。 図１に示した電力需要予測装置における過去降水量を説明するための図である。 図１に示した電力需要予測装置における将来降水量を説明するための図である。 図１に示した電力需要予測装置における将来降水量を説明するための図である。 この発明の実施の形態２の電力需要予測装置の構成を示す図である。 図１３に示した電力需要予測装置におけるポンプの対象運転状態を説明するための図である。 図１３に示した電力需要予測装置の需要予測部におけるニューラルネットワークの予測モデルを説明するための図である。 図１３に示した電力需要予測装置の需要予測部の動作を説明するためのフローチャートである。 図１３に示した電力需要予測装置におけるポンプの対象運転状態を説明するための図である。 図１３に示した電力需要予測装置におけるポンプの対象運転状態を説明するための図である。 この発明の実施の形態３の電力需要予測装置の構成を示す図である。 図１９に示した電力需要予測装置の需要予測部におけるニューラルネットワークの予測モデルを説明するための図である。 図１９に示した電力需要予測装置の需要予測部におけるニューラルネットワークの予測モデルを説明するための図である。 図１９に示した電力需要予測装置の需要予測部の動作を説明するためのフローチャートである。

実施の形態１．
以下、本願発明の実施の形態について説明する。図１はこの発明の実施の形態１における電力需要予測装置の構成を示すブロック図である。
図２は図１に示した電力需要予測装置における対象時刻の最大電力量値を説明するための図である。
図３は図１に示した電力需要予測装置における対象時刻の過去降水量を説明するための図である。
図４は図１に示した電力需要予測装置における対象時刻の将来降水量を説明するための図である。

図５は図１に示した電力需要予測装置の需要予測部におけるニューラルネットワークの予測モデルを説明するための図である。
図６は図１に示した電力需要予測装置の需要予測部の動作を説明するためのフローチャートである。
図７は図１に示した電力需要予測装置における予測開始時刻の最大電力量値を説明するための図である。
図８は図１に示した電力需要予測装置における予測対象時刻の最大電力量値を説明するための図である。

図９は図１に示した電力需要予測装置における予測開始時刻の過去降水量を説明するための図である。
図１０は図１に示した電力需要予測装置における予測対象時刻の過去降水量を説明するための図である。
図１１は図１に示した電力需要予測装置における予測開始時刻の将来降水量を説明するための図である。
図１２は図１に示した電力需要予測装置における予測対象時刻の将来降水量を説明するための図である。

図１において、電力需要予測装置１は、雨水および排水を合流式にて処理する下水道ポンプ場または水再生センタなどの下水処理を行う施設２の電力需要量を予測するものである。施設２には、例えば、ポンプ、ブロア、照明、および空調などの電力を使用する設備が存在する。よって、施設２の電力需要量は、これら各設備の使用量に応じて変動するものである。

電力需要予測装置１は、実績データ取得部５０と、気象情報取得部３０と、需要予測部４０と、電力需要実績値データベース（以下、データベースはＤＢと略して示す）１１と、最大電力量値ＤＢ１２と、降水量ＤＢ１３と、過去降水量ＤＢ１４と、将来降水量ＤＢ１５とを備えている。

実績データ取得部５０は、施設２にて使用した電力の実績値を電力需要実績値ＥＮとして取得し、時刻毎の電力需要実績値ＥＮを電力需要実績値ＤＢ１１に格納する。尚、ここでは時刻毎として、１時間毎のデータを取得するものとする。さらに、実績データ取得部５０は、電力需要実績値ＤＢ１１の電力需要実績値ＥＮから、対象時刻ＴＮの第一所定時間Ｍ１前から対象時刻ＴＮまでの各時刻の電力需要実績値ＥＮの内、最大の電力需要実績値ＥＮを検出して、対象時刻ＴＮの最大電力量値ＧＮとして抽出する。そして、実績データ取得部５０は、対象時刻ＴＮの最大電力量値ＧＮとして最大電力量値ＤＢ１２に格納する。

気象情報取得部３０は、降水量の実績値および降水量の予報値を含む気象情報３を外部から取得し、時刻毎の降水量値ＳＮを降水量ＤＢ１３に格納する。尚、施設２に関係する気象情報３としては、外部の気象情報を提供する会社から取得してもよいし、施設２内に設置したセンサから取得してもよい。また、施設２に関係する気象情報３とは、施設２に対して雨水として流れ込むと考えられる範囲の気象情報３をさすものである。その範囲は、施設２の規模および予測の実績などにより適宜設定されるものである。また、ここでの時刻毎とは、先の電力需要実績値ＥＮと同一の時刻毎であり、１時間毎のデータを取得するものとする。

さらに、気象情報取得部３０は、降水量ＤＢ１３の各時刻の降水量値ＳＮから、対象時刻ＴＮの第二所定時間Ｍ２前から対象時刻ＴＮまでの各時刻の各降水量値ＳＮの累積降水量を算出し、対象時刻ＴＮの過去降水量ＲＮとして抽出する。そして、気象情報取得部３０は、対象時刻ＴＮの過去降水量ＲＮとして過去降水量ＤＢ１４に格納する。

さらに、気象情報取得部３０は、降水量ＤＢ１３の各時刻の降水量値ＳＮから、対象時刻ＴＮから対象時刻ＴＮの第三所定時間Ｍ３後までの各時刻の各降水量値ＳＮの累積降水量を算出し、対象時刻ＴＮの将来降水量ＱＮとして抽出する。そして、気象情報取得部３０は、対象時刻ＴＮの将来降水量ＱＮとして将来降水量ＤＢ１５に格納する。

需要予測部４０は、電力需要実績値ＤＢ１１、最大電力量値ＤＢ１２、過去降水量ＤＢ１４、および、将来降水量ＤＢ１５に蓄積されている対象時刻ＴＮの最大電力量値ＧＮ、過去降水量ＲＮ、および将来降水量ＱＮの関係性および電力需要実績値ＥＮから予測対象時刻ＴＸの電力量予測値ＦＸを予測するものである。

上記のように構成された実施の形態１の電力需要予測装置１の予測対象時刻ＴＸの電力量予測値ＦＸを予測する方法について説明する。まず、当該予測を行う前に、例えば、過去数年に渡る施設２および気象情報３のデータを用いて、各対象時刻ＴＮの最大電力量値ＧＮ、過去降水量ＲＮ、および、将来降水量ＱＮを抽出または算出して関係性を得る。尚、数年に渡るデータが存在すれば、季節毎の変化の関係性を得ることができるため適当であるものの、これに限られることなく、数日間または数ヶ月間のデータを用いて算出しても当該予測を行うことは可能である。尚、このことは以下の実施の形態においても同様のため、その説明は適宜省略する。

次に、実績データ取得部５０は、施設２にて使用した電力の実績値を１時間毎に電力需要実績値ＥＮとして取得して、時刻毎の電力需要実績値ＥＮを電力需要実績値ＤＢ１１に格納する。そして、実績データ取得部５０は、電力需要実績値ＤＢ１１の電力需要実績値ＥＮから、図２に示すように、対象時刻ＴＮの第一所定時間Ｍ１前、ここでは例えば４時間（４Ｈ）前の対象時刻ＴＮ−Ｍ１から対象時刻ＴＮまでの各時刻の電力需要実績値ＥＮをそれぞれ抽出する。そして各電力需要実績値ＥＮ内、最大の電力需要実績値ＥＮを検出して、対象時刻ＴＮの最大電力量値ＧＮとして抽出する。

そして、実績データ取得部５０は、対象時刻ＴＮの最大電力量値ＧＮとして最大電力量値ＤＢ１２に格納する。このように各時刻をそれぞれ対象時刻ＴＮとして、各時刻（対象時刻ＴＮ）の最大電力量値ＧＮを検出して、それぞれ対象時刻ＴＮに関連付けて格納しておく。

次に、気象情報取得部３０は、１時間毎の降水量の実績値および降水量の予報値を含む気象情報３を外部から取得し、１時間毎の降水量値ＳＮを降水量ＤＢ１３に格納する。
そして、気象情報取得部３０は、降水量ＤＢ１３の各時刻の降水量値ＳＮから、図３に示すように、対象時刻ＴＮの第二所定時間Ｍ２前、ここでは例えば７時間（７Ｈ）前の対象時刻ＴＮ−Ｍ２から対象時刻ＴＮ（但し、対象時刻ＴＮを含まない）までの各時刻の各降水量値ＳＮの累積降水量を算出する。そして、対象時刻ＴＮの過去降水量ＲＮとして抽出する。

ここで、過去降水量ＲＮを算出する場合、各時刻に対する降水量値ＳＮに重み付けを行わない場合、または、各時刻に対する降水量値ＳＮに重み付けを行うために重みαＬを乗算して算出する場合が考えられる。

各時刻に重み付けを行わない場合は、ここでは第二所定時間Ｍ２が７時間であるため、重みαＬは、
｛α０、α１、α２、α３、α４、α５、α６｝＝｛１．０、１．０、１．０、１．０、１．０、１．０、１．０｝
と、全て１．０同じ値を取り、各時刻の重み付けを行わない場合が考えられる。
尚、重みαＬの添え字Ｌは、対象時刻ＴＮから１時間前の時刻Ｔ１から対象時刻ＴＮ−Ｍ２にかけて、０、１、２、３、４、５、６と値を取るものである。

また、各時刻の降水量値ＳＮに重み付けを行う場合は、重みαＬは、０．０から１．０までの実数値を取り、
｛α０、α１、α２、α３、α４、α５、α６｝＝｛０．０、１．０、０．７５、０．５、０．２５、０．１２５、０．０６２５｝
このように、各時刻によって異なる重み付け値の重みαＬを取ることが考えられる。よって、以下に示す（式１）にて過去降水量ＲＮを求めることができる。

尚、この重み付け値は、各施設２と、降水量との関係により適宜変更され設定されるものであり、一般的には、対象時刻ＴＮに近い時刻に対して重みαＬの値が大きくなると考えられる。但し、ここでは、対象時刻ＴＮに一番近い１時間前の過去の時刻Ｔ１の降水量は、施設２に流れ込むまでに達していないと考え、重みα０＝０として過去降水量ＲＮに対して実施的に積算しない考えを示している。

そして、気象情報取得部３０は、対象時刻ＴＮの過去降水量ＲＮとして過去降水量ＤＢ１４に格納する。このように各時刻をそれぞれ対象時刻ＴＮとして、各時刻（対象時刻ＴＮ）の過去降水量ＲＮを算出して、それぞれ対象時刻ＴＮに関連付けて格納しておく。

さらに、気象情報取得部３０は、降水量ＤＢ１３の各時刻の降水量値ＳＮから、図４に示すように、対象時刻ＴＮから対象時刻ＴＮの第三所定時間Ｍ３後前、ここでは例えば６時間（６Ｈ）後の対象時刻ＴＮ＋Ｍ３までの各時刻の各降水量値ＳＮの累積降水量を算出する。そして、対象時刻ＴＮの将来降水量ＱＮとして抽出する。

ここで、将来降水量ＱＮを算出する場合、各時刻に対する降水量値ＳＮに重み付けを行わない場合、または、各時刻に対する降水量値ＳＮに重み付けを行うために重みβＫを乗算して算出する場合が考えられる。

各時刻に重み付けを行わない場合は、ここでは第三所定時間Ｍ３が６時間であるため、重みβＫは、
｛β０、β１、β２、β３、β４、β５｝＝｛１．０、１．０、１．０、１．０、１．０、１．０｝
と、全て１．０と同じ値を取り、各時刻の重み付けを行わない場合が考えられる。
尚、重みβＫの添え字Ｋは、対象時刻ＴＮから対象時刻ＴＮ＋Ｍ３にかけて、０、１、２、３、４、５と値を取るものである。

また、各時刻の降水量値ＳＮに重み付けを行う場合は、重みβＫは、０．０から１．０までの実数値を取り、
｛β０、β１、β２、β３、β４、β５｝＝｛１．０、０．７５、０．５、０．２５、０．１２５、０．０６２５｝
このように、各時刻によって異なる重み付け値の重みβＫを取ることが考えられる。よって、以下に示す（式２）にて将来降水量ＱＮを求めることができる。

尚、この重み付け値は、各施設２と、降水量との関係により適宜変更され設定されるものであり、一般的には、対象時刻ＴＮに近い時刻に対して重みβＫの値が大きくなると考えられる。

そして、気象情報取得部３０は、対象時刻ＴＮの将来降水量ＱＮとして将来降水量ＤＢ１５に格納する。このように各時刻をそれぞれ対象時刻ＴＮとして、各時刻（対象時刻ＴＮ）の将来降水量ＱＮを算出して、それぞれ対象時刻ＴＮに関連付けて格納しておく。

尚、ここで示した例においては、対象時刻ＴＮの降水量値ＳＮは、過去降水量ＲＮに積算せず、将来降水量ＱＮに積算する方法を示したが、これに限られることはなく、過去降水量ＲＮに積算して、将来降水量ＱＮに積算しない方法も考えられる。

次に、需要予測部４０について説明する。
上記に示したように求められた、過去の各対象時刻ＴＮに対する過去降水量ＤＢ１４、将来降水量ＤＢ１５、最大電力量値ＤＢ１２、電力需要実績値ＤＢ１１の各値を用いて、対象時刻ＴＮ毎の予測モデルを構築する。そして、予測対象時刻ＴＸの過去降水量ＲＸ、将来降水量ＱＸ、最大電力量値ＧＸから予測対象時刻ＴＸの電力量予測値ＦＸを算出する。

尚、電力量予測値ＦＸの算出方法としては、重回帰分析、または、ニューラルネットワークによる予測モデルを用いて算出する方法が考えられる。また、パターンマッチングによる手法を用いる方法が考えられる。

まず、具体例として、重回帰分析による予測モデルを用いた電力量予測値の算出方法について説明する。
予測モデルを用いた予測対象時刻ＴＸの電力量予測値ＦＸの算出式を、（式３）にて次に示す。

電力量予測値（ＦＸ）＝ＰＰ・過去降水量（ＲＮ）＋ＰＦ・将来降水量（ＱＮ）＋ＭＡＸ・最大電力量値（ＧＮ）＋ｉｎｔｅｒｃｅｐｔ ・・・（式３）

ここで、ＰＰ、ＰＦ、ＭＡＸとは偏回帰係数であり、ｉｎｔｅｒｃｅｐｔとは切片をそれぞれ表している。尚、各編回帰係数と切片とは最小二乗法を用いて、以下に示す（式４）の誤差の平方和が最小となるような定数項を求める。

次に、具体例として、ニューラルネットワークによる予測モデルを用いた電力量予測値の算出方法について説明する。
ニューラルネットワークの予測モデルの例を図５に示す。
図５に示すように、予測対象時刻ＴＸの過去降水量ＲＸ、将来降水量ＱＸ、最大電力量値ＧＸを入力値とし、予測モデルを用いて予測対象時刻ＴＸの電力量予測値ＦＸを算出する。電力量予測値ＦＸの算出式を、（式５）にて次に示す。

ここで、Ｘｊは入力値である、過去降水量ＲＸ、将来降水量ＱＸ、最大電力量値ＧＸを表し、ｗｉは中間層から出力層を結ぶ各ユニットの結合係数、ｗｉｊは入力層と中間層を結ぶ各ユニットの結合係数、ｆは出力層における出力関数、ｆｊは中間層における出力関数を表す。尚、各ユニットの結合係数ｗｉ、ｗｉｊについては、過去の各時刻の過去降水量ＲＮ、将来降水量ＱＮ、最大電力量値ＧＮと、電力需要実績値ＥＮとの関係から最小二乗法により算出する。

次に、具体例として、パターンマッチングによる手法を用いた電力量予測値ＦＸの算出方法について説明する。図６は需要予測部４０における電力需要予測の処理手順を示すフローチャートである。

まず、電力需要予測に使用する電力需要実績値ＥＮを過去の電力需要実績値ＤＢ１１から取得するための絞り込み条件を取得する（図６のステップＳＴ１）。
例えば、絞り込み条件とは、過去降水量ＲＮ、将来降水量ＱＮ、最大電力量値ＧＮの３つを使用した、以下の例が考えられる。

｜予測対象時刻ＴＸの過去降水量ＲＸ−比較する対象時刻ＴＮの過去降水量ＲＮ｜≦Ａ１＝１ｍｍ
｜予測対象時刻ＴＸの将来降水量ＱＸ−比較する対象時刻ＴＮの将来降水量ＱＮ｜≦Ａ２＝２ｍｍ
｜予測対象時刻ＴＸの最大電力量値ＧＸ−比較する対象時刻ＴＮの最大電力量値ＧＮ｜≦Ａ３＝５００ｋＷ
以上、各式を絞り込み条件とする。

尚、予測対象時刻ＴＸとは、現在時刻を含む将来の電力需要を予測する任意の時刻のことである。また、比較の対象時刻ＴＮとは、現在時刻を含まない過去の任意の時刻のことである。また、Ａ１、Ａ２、Ａ３は、ここでは１ｍｍ、５ｍｍ、５００ｋＷをそれぞれ設定したが、これに限られることはなく、０以上の値を取り、施設２の設備構成および排水処理の可能量などによって異なるため、システム導入時に過去データを使用して精度評価を実施し、最もよい値を設定する。

次に、絞り込み条件に基づいて、電力需要実績値ＤＢ１１から絞り込み条件に該当する比較の対象時刻ＴＮの電力需要実績値ＥＮを取得する（図６のステップＳＴ２）。
次に、取得した電力需要実績値ＥＮの平均値を算出し、この値を予測対象時刻ＴＸの電力量予測値ＦＸとする（図６のステップＳＴ３）。

以上に示したように、需要予測部４０にて各方法を用いて予測された予測対象時刻ＴＸの電力量予測値ＦＸは、予測対象時刻ＴＸの電力需要実績値ＥＸとして電力需要実績値ＤＢ１１に格納する。尚、予測対象時刻ＴＸの時刻の予測に基づいて保存された電力需要実績値ＥＸは、実際の時刻が予測対象時刻ＴＸに到達して、実際の電力需要実績値ＥＸを得ることができた際には、実際の電力需要実績値ＥＸを置き換えて保存するものである。

以下、実際に予測を行う場合について更に説明する。予測を行う時刻である予測開始時刻ＴＹにおいて、予測を行うべき時刻である予測対象時刻ＴＸまでの電力需要実績値ＥＮは、図７に示すように、予測開始時刻ＴＹも含めて予測対象時刻ＴＸまで存在しない。

よって、上記に示した方法により、まず、予測開始時刻ＴＹの電力量予測値ＦＹを算出する。そして、図８に示すように、この電力量予測値ＦＹを、予測開始時刻ＴＹの電力量予測値ＦＹとして、電力需要実績値ＤＢ１１に登録する。そして、この予測開始時刻ＴＹから予測対象時刻ＴＸまでの各対象時刻ＴＮに対応する電力量予測値ＦＸを順次求める。

またこの場合における、予測対象時刻ＴＸにおける過去降水量ＲＸについて説明する。図９に示すように、予測開始時刻ＴＹにおいては、実績値の降水量値ＳＮのみにて、過去降水量ＲＹは求められる。しかしながら、図１０に示すように、予測対象時刻ＴＸの第二所定時間Ｍ２時間前から予測対象時刻ＴＸまでの各時刻の降水量値ＳＮは実績値が存在しないため、予報値を用いて算出することとなる。

また、予測対象時刻ＴＸにおける将来降水量ＱＸについて説明する。図１１および図１２に示すように、予測開始時刻ＴＹ、予測対象時刻ＴＸのいずれの場合も、降水量の実績値は存在しないため、各時刻の降水量値ＳＮの予報値を用いて、将来降水量ＱＹ、将来降水量ＱＸとしてそれぞれ算出することとなる。

上記のように構成された実施の形態１の電力需要予測装置によれば、
所定時間前から予測対象時刻までの累積降水量、予測対象時刻から所定時間先までの累積降水量と、所定時間前から予測対象時刻までの最大電力量値と、電力需要実績値との関係を用いて、予測対象時刻の電力量予測値の予測を行っているので、施設における雨水の変動を加味した電力需要を精度よく予測することができる。

また、需要予測部は、予測対象時刻の電力量予測値を、予測対象時刻の電力需要実績値として電力需要実績値ＤＢに格納し、実績データ取得部が予測対象時刻の電力需要実績値として設定できるため、順々に予測対象時刻の電力量予測値を行うことができる。

また、過去降水量および将来降水量を、各対象時刻の降水量値に重み付けして算出しているため、施設の状況に応じて、雨水の変動を加味した電力需要をさらに精度よく予測することができる。

尚、上記実施の形態１において示した、各パラメータ（所定時間、時間毎、重みなどの値）は、施設の設備構成および排水処理の可能量などによって異なる。このため、各パラメータは過去データを使用して精度評価を実施し、適切であると考えられる値を設定するものである。

また、各パラメータは始めに設定したものに限定されるものではなく、電力量の予測の評価に応じて、適宜変更することが考えられる。
また、このことは以下の実施の形態においても同様であるため、その説明は適宜省略する。

実施の形態２．
図１３はこの発明の実施の形態２における電力需要予測装置の構成を示すブロック図である。
図１４は図１３に示した電力需要予測装置の対象時刻におけるポンプの対象運転状態を説明するための図である。
図１５は図１３に示した電力需要予測装置の需要予測部におけるニューラルネットワークの予測モデルを説明するための図である。

図１６は図１３に示した電力需要予測装置の需要予測部の動作を説明するためのフローチャートである。
図１７は図１３に示した電力需要予測装置の予測開始時刻におけるポンプの対象運転状態を説明するための図である。
図１８は図１３に示した電力需要予測装置の予測対象時刻におけるポンプの対象運転状態を説明するための図である。
尚、上記実施の形態１と同様の部分は同一符号を付して説明を省略する。

図１３において、電力需要予測装置１は、ポンプデータ取得部６０と、ポンプ運転状態ＤＢ１６とを備える。ポンプデータ取得部６０は、施設２のポンプの運転状態を取得し、時刻毎のポンプの運転状態をポンプ運転状態ＤＢ１６に格納する。尚、ここでは時刻毎として、上記実施の形態１と同様に１時間毎のデータを取得するものとする。
さらに、ポンプデータ取得部６０は、ポンプ運転状態ＤＢ１６のポンプの運転状態から、対象時刻ＴＮの第四所定時間Ｍ４前から対象時刻ＴＮまでのポンプの運転状態を対象時刻ＴＮの対象運転状態として抽出してポンプ運転状態ＤＢ１６に格納する。

次に上記のように構成された実施の形態２の電力需要予測装置１の動作について説明する。尚、上記実施の形態１と同様の動作の部分は適宜省略する。
まず、ポンプデータ取得部６０は、施設２のポンプの運転状態として、ポンプのＯＮまたはＯＦＦの１時間毎のポンプのＯＮの台数の運転情報を、例えば図１４に示すように取得する。

そして、ポンプデータ取得部６０は、対象時刻ＴＮの第四所定時間Ｍ４前、ここでは例えば７時間（７Ｈ）前の対象時刻ＴＮ−７Ｈから対象時刻ＴＮまでの各時刻のポンプの運転状態をそれぞれ抽出する。そして、ここでは、各ポンプの運転状態の内、最大起動数ＶＮを対象運転状態として検出して、対象時刻ＴＮの最大起動数ＶＮとして抽出する。

そして、ポンプデータ取得部６０は、対象時刻ＴＮの対象運転状態を最大起動数ＶＮとしてポンプ運転状態ＤＢ１６に格納する。このように、各時刻をそれぞれ対象時刻ＴＮとして、各時刻（対象時刻ＴＮ）の最大起動数ＶＮを検出して、それぞれ対象時刻ＴＮに関連付けて格納しておく。

尚、対象時刻ＴＮの対象運転状態として、対象時刻ＴＮの第四所定時間Ｍ４時間前から対象時刻ＴＮまでの各時刻のポンプの起動数の内の最大起動数ＶＮを設定する場合を示したが、これに限られることはなく、例えば、対象時刻ＴＮのＭ４時間前から対象時刻ＴＮまでの各時刻のポンプの起動数の延べ起動数を設定してもよい。

次に、需要予測部４０について説明する。尚、対象時刻ＴＮにおける、過去降水量ＲＮおよび将来降水量ＱＮは、上記実施の形態１と同様に算出するため、その説明は省略する。上記のようにして求められた、過去の各対象時刻ＴＮに対する過去降水量ＤＢ１４、将来降水量ＤＢ１５、ポンプ運転状態ＤＢ１６、電力需要実績値ＤＢ１１の各値を用いて、対象時刻ＴＮ毎の予測モデルを構築する。そして、予測対象時刻ＴＸの過去降水量ＲＸ、将来降水量ＱＸ、最大起動数ＶＸから予測対象時刻ＴＸの電力量予測値ＦＸを算出する。

尚、電力量予測値ＦＸの算出方法としては、上記実施の形態１と同様に、重回帰分析、または、ニューラルネットワークによる予測モデルを用いて算出する方法が考えられる。また、パターンマッチングによる手法を用いる方法が考えられる。

まず、具体例として、重回帰分析による予測モデルを用いた電力量予測値の算出方法について説明する。予測モデルを用いた予測対象時刻ＴＸの電力量予測値ＦＸの算出式を、（式６）にて次に示す。

電力量予測値（ＦＸ）＝ＰＰ・過去降水量（ＲＮ）＋ＰＦ・将来降水量（ＱＮ）＋ｐｏｍｐ・ポンプ起動状態（ＶＮ）＋ｉｎｔｅｒｃｅｐｔ ・・・（式６）

ここで、ＰＰ、ＰＦ、ｐｏｍｐとは偏回帰係数であり、ｉｎｔｅｒｃｅｐｔとは切片をそれぞれ表している。尚、各編回帰係数と切片とは最小二乗法を用いて、以下に示す（式７）の誤差の平方和が最小となるような定数項を求める。

次に、具体例として、ニューラルネットワークによる予測モデルを用いた電力量予測値の算出方法について説明する。ニューラルネットワークの予測モデルの例を図１５示す。図１５に示すように、予測対象時刻ＴＸの過去降水量ＲＸ、将来降水量ＱＸ、最大起動数ＶＸを入力値とし、予測モデルを用いて予測対象時刻ＴＸの電力量予測値ＦＸを算出する。電力量予測値ＦＸの算出式を、（式８）にて次に示す。

ここで、Ｘｊは入力値である、過去降水量ＲＸ、将来降水量ＱＸ、最大起動数ＶＸを表し、ｗｉは中間層から出力層を結ぶ各ユニットの結合係数、ｗｉｊは入力層と中間層を結ぶ各ユニットの結合係数、ｆは出力層における出力関数、ｆｊは中間層における出力関数を表す。尚、各ユニットの結合係数ｗｉ、ｗｉｊについては、過去の各時刻の過去降水量ＲＮ、将来降水量ＱＮ、最大起動数ＶＮと、電力需要実績値ＥＮとの関係から最小二乗法により算出する。

次に、具体例として、パターンマッチングによる手法を用いた電力量予測値の算出方法について説明する。図１６は需要予測部４０における電力需要予測の処理手順を示すフローチャートである。

まず、電力需要予測に使用する電力需要実績値ＥＮを過去の電力需要実績値ＤＢ１１から取得するための絞り込み条件を取得する（図１６のステップＳＴ１１）。
例えば、絞り込み条件とは、過去降水量ＲＮ、将来降水量ＱＮ、最大起動数ＶＮの３つを使用した、以下の例が考えられる。

｜予測対象時刻ＴＸの過去降水量ＲＸ−比較する対象時刻ＴＮの過去降水量ＲＮ｜≦Ａ４＝１ｍｍ
｜予測対象時刻ＴＸの将来降水量ＱＸ−比較する対象時刻ＴＮの将来降水量ＱＮ｜≦Ａ２＝５ｍｍ
予測対象時刻ＴＸの最大起動数ＶＸ＝比較する対象時刻ＴＮの最大起動数ＶＮ
以上、各式を絞り込み条件とする。

尚、予測対象時刻ＴＸとは、現在時刻を含む将来の電力需要を予測する任意の時刻のことである。また、比較する対象時刻ＴＮとは、現在時刻を含まない過去の任意の時刻のことである。また、Ａ４、Ａ５は、ここでは１ｍｍ、５ｍｍをそれぞれ設定したが、これに限られることはなく、０以上の値を取り、施設２の設備構成および排水処理の可能量などによって異なるため、システム導入時に過去データを使用して精度評価を実施し、最もよい値を設定する。

次に、絞り込み条件に基づいて、電力需要実績値ＤＢ１１から絞り込み条件に該当する比較の対象時刻ＴＮの電力需要実績値ＥＮを取得する（図１６ステップＳＴ１２）。
次に、取得した電力需要実績値ＥＮの平均値を算出し、この値を予測対象時刻ＴＸの電力量予測値ＦＸとする（図１６のステップＳＴ１３）。

以上に示したように、需要予測部４０にて各方法を用いて予測された予測対象時刻ＴＸの電力量予測値ＦＸは、予測対象時刻ＴＸの電力需要実績値ＥＸとして電力需要実績値ＤＢ１１に格納する。尚、予測対象時刻ＴＸの時刻の予測に基づいて保存された電力需要実績値ＥＸは、実際の時刻が予測対象時刻ＴＸに到達して、実際の電力需要実績値ＥＸを得ることができた際には、実際の電力需要実績値ＥＸを置き換えて保存するものである。

以下、実際に予測を行う場合について更に説明する。予測を行う時刻である予測開始時刻ＴＹにおいて、予測を行うべき時刻である予測対象時刻ＴＸまでの最大起動数ＶＮは、図１７に示すように、予測開始時刻ＴＹから予測対象時刻ＴＸまで、ポンプの運転状態の情報が存在しないため、検出することができない。尚、予測開始時刻ＴＹの最大起動数ＶＹは、”２”として抽出できる。よって、それ以後の予測対象時刻ＴＸまで最大起動数ＶＸを、簡便に予測するために、図１８に示すように、予測開始時刻ＴＹも含めて予測対象時刻ＴＸまで、最大起動数ＶＮからＶＸをそれぞれ０として設定して行うことも考えられる。

また、予測開始時刻ＴＹから予測対象時刻ＴＸまでの、最大起動数ＶＮを求める方法として、まず、上記に示した方法により、予測開始時刻ＴＹの電力量予測値ＦＹを算出する。そして、この電力量予測値ＦＹを、予測開始時刻ＴＹの電力需要実績値ＥＹとして、電力需要実績値ＤＢ１１に登録する。

そして、ポンプデータ取得部６０が、この予測開始時刻ＴＹの電力量予測値ＦＹ（＝電力需要実績値ＥＹ）から、予測開始時刻ＴＹのポンプの運転状態、すなわち、ポンプの運転台数を予測する。その際例えば、次のような条件式に基づいて予測することができる。

ポンプ０台：０≦電力量予測値ＦＹ≦閾値γ１
ポンプ１台：閾値γ１≦電力量予測値ＦＹ≦閾値γ２
ポンプ２台：閾値γ２≦電力量予測値ＦＹ≦閾値γ３
・・・
ポンプｎ台：閾値γｎ≦電力量予測値ＦＹ
尚、閾値γｎは施設２のポンプの台数分存在し、この閾値については、過去の電力需要実績値ＥＮとポンプの運転台数とから推定した値を設定する。

具体的は、施設２にポンプが３台、第一ポンプ、第二ポンプ、および、第三ポンプが存在し、各ポンプ起動時の電力量が以下に示す場合について説明する。
第一ポンプ起動時＝１０００ｋＷ
第二ポンプ起動時＝１５００ｋＷ
第三ポンプ起動時＝８００ｋＷ

よって、上記に示した条件式は以下に示すように設定される。
ポンプ０台：０≦電力量予測値ＦＹ＜８００ｋＷ
ポンプ１台：８００ｋＷ≦電力量予測値ＦＹ＜１８００ｋＷ
ポンプ２台：１８００ｋＷ≦電力量予測値ＦＹ＜２５００ｋＷ
ポンプ３台：２５００ｋＷ≦電力量予測値ＦＹ

よって、例えば、電力量予測値ＦＹが１０００ｋＷであれば、ポンプの起動台数は１台と推定される。そして、算出した予測開始時刻ＴＹのポンプの運転状態をポンプ運転状態ＤＢ１６に格納する。このようにして、予測対象時刻ＴＸまでの各対象時刻ＴＮに対応するポンプの運転状態である順次求め、これに基づいて、予測対象時刻ＴＸまでの各対象時刻ＴＮに対応する電力量予測値ＦＸを順次求める。

上記のように構成された実施の形態２の電力需要予測装置によれば、上記実施の形態１と同様の効果を奏するのはもちろんのこと、所定時間前から予測対象時刻までの累積降水量、予測対象時刻から所定時間先までの累積降水量と、所定時間前から予測対象時刻までのポンプの対象運転状態と、電力需要実績値との関係を用いて、予測対象時刻の電力量予測値の予測を行っているので、施設の雨水の変動を加味した電力需要を精度よく予測することができる。

また、ポンプデータ取得部は、対象運転状態を、ポンプの最大起動数またはポンプの延べ起動数として抽出して設定できるため、対象運転状態の設定を簡便に行うことができる。

さらに、電力量予測値を用いてポンプの運転状態を予測することができるため、電力量予測値をより精度の高く予測することが可能になる。

実施の形態３．
図１９はこの発明の実施の形態３における電力需要予測装置の構成を示すブロック図である。
図２０は図１９に示した電力需要予測装置の需要予測部における第一電力量予測値を求めるためのニューラルネットワークの予測モデルを説明するための図である。
図２１は図１９に示した電力需要予測装置の需要予測部における第二電力量予測値を求めるためのニューラルネットワークの予測モデルを説明するための図である。
図２２は図１９に示した電力需要予測装置の需要予測部の動作を説明するためのフローチャートである。
尚、上記各実施の形態と同様の部分は同一符号を付して説明を省略する。

図１９において、電力需要予測装置１は、第一電力需要実績値ＤＢ１７と、ポンプ最大電力量値ＤＢ１８と、第二電力需要実績値ＤＢ１９と、気温値ＤＢ２０とを備える。
そして、実績データ取得部５０は、施設２のポンプのみの時刻毎の第一電力需要実績値ＥＰＮを第一電力需要実績値ＤＢ１７に格納する。
さらに、実績データ取得部５０は、施設２のポンプ以外の時刻毎の第二電力需要実績値ＥＥＮを第二電力需要実績値ＤＢ１９に格納する。
尚、ここでは時刻毎として、上記各実施の形態と同様に１時間毎のデータを取得するものとする。

さらに、実績データ取得部５０は、第一電力需要実績値ＤＢ１７の第一電力需要実績値ＥＰＮから、対象時刻ＴＮの第五所定時間Ｍ５前から対象時刻ＴＮまでの各時刻の第一電力需要実績値ＥＰＮの内、最大の第一電力需要実績値ＥＰＮを検出して、対象時刻ＴＮのポンプ最大電力量値ＧＰＮとして抽出する。
そして、実績データ取得部５０は、対象時刻ＴＮのポンプ最大電力量値ＧＰＮとしてポンプ最大電力量値ＤＢ１８に格納する。

気象情報取得部３０は、気温値の実績値および気温値の予測値を含む気象情報３を外部から取得し、時刻毎の気温値ＵＮを気温値ＤＢ２０に格納する。
また、ここでの時刻毎とは、各電力需要実績値ＥＰＮ、ＥＥＮと同一の時刻毎であり、１時間毎のデータを取得するものとする。
尚、気象情報取得部３０の降水量に関しては、上記実施の形態１と同様に取得し、さらに、対象時刻ＴＮにおける、過去降水量ＲＮおよび将来降水量ＱＮについては、上記実施の形態１と同様に算出するため、その説明は適宜省略する。

次に上記のように構成された実施の形態３の電力需要予測装置１の動作について説明する。尚、上記各実施の形態と同様の動作の部分は適宜省略する。
まず、実績データ取得部５０は、施設２に設置されているポンプ、ブロア、照明、空調、等のそれぞれの設備の時刻毎の電力需要実績値を取得する。そして、取得したデータをポンプのみの第一電力需要実績値ＥＰＮと、ポンプ以外の第二電力需要実績値ＥＥＮとに分けて算出する。そして、第一電力需要実績値ＥＰＮを第一電力需要実績値ＤＢ１７に、また、第二電力需要実績値ＥＥＮを第二電力需要実績値ＤＢ１９にそれぞれ格納する。

そして、実績データ取得部５０は、第一電力需要実績値ＤＢ１７の第一電力需要実績値ＥＰＮから、対象時刻ＴＮの第五所定時間Ｍ５前、ここでは例えば４時間（４Ｈ）前の対象時刻ＴＮ−Ｍ５から対象時刻ＴＮまでの各時刻の第一電力需要実績値ＥＰＮをそれぞれ抽出する。そして各第一電力需要実績値ＥＰＮの内、最大の第一電力需要実績値ＥＰＮを検出して、対象時刻ＴＮのポンプ最大電力量値ＧＰＮとして抽出する。

そして、実績データ取得部５０は、対象時刻ＴＮのポンプ最大電力量値ＧＰＮとしてポンプ最大電力量値ＤＢ１８に格納する。このように各時刻をそれぞれ対象時刻ＴＮとして、各時刻（対象時刻ＴＮ）のポンプ最大電力量値ＧＰＮを検出して、それぞれ対象時刻ＴＮに関連付けて格納しておく。
尚、この方法は、上記実施の形態１にて示した、最大電力量値ＧＮと同様に行うことができるため、その詳細の説明は省略する。

次に、気象情報取得部３０は、１時間毎の気温値の実績値および気温値の予報値を含む気象情報３を外部から取得し、１時間毎の気温値ＵＮを気温値ＤＢ２０に格納する。
尚、気象情報取得部３０の降水量に関しては、上記実施の形態１と同様に取得し、さらに、対象時刻ＴＮにおける、過去降水量ＲＮおよび将来降水量ＱＮについては、上記実施の形態１と同様に算出するため、その説明は適宜省略する。

次に、需要予測部４０について説明する。
本実施の形態３においては、電力需要予測を、施設２のポンプと、施設２のポンプ以外とに分けて予測する。
上記に示したように求められた、過去の各対象時刻ＴＮに対する過去降水量ＤＢ１４、将来降水量ＤＢ１５、ポンプ最大電力量値ＤＢ１８、第一電力需要実績値ＤＢ１７の各値を用いて、対象時刻ＴＮ毎の予測モデルを構築する。

そして、予測対象時刻ＴＸの過去降水量ＲＸ、将来降水量ＱＸ、ポンプ最大電力量値ＧＰＸから予測対象時刻ＴＸの第一電力量予測値ＦＰＸを算出する。さらに、第二電力需要実績値ＤＢ１９、気温値ＤＢ２０の各値を用いて、対象時刻ＴＮ毎の予測モデルを構築する。そして、予測対象時刻ＴＸの気温値ＵＸから予測対象時刻ＴＸの第二電力量予測値ＦＦＸを算出する。そして、これら第一電力量予測値ＦＰＸと第二電力量予測値ＦＦＸとを合計して、予測対象時刻ＴＸの電力量予測値ＦＸを予測する。

尚、電力量予測値ＦＸの算出方法としては、上記各実施の形態と同様に、重回帰分析、または、ニューラルネットワークによる予測モデルを用いて算出する方法が考えられる。また、パターンマッチングによる手法を用いる方法が考えられる。

まず、具体例として、重回帰分析による予測モデルを用いたポンプの第一電力量予測値ＦＰＸの算出方法について説明する。
予測モデルを用いた予測対象時刻ＴＸのポンプの第一電力量予測値ＦＰＸの算出式を、（式９）にて次に示す。

第一電力量予測値（ＦＰＸ）＝ＰＰ・過去降水量（ＲＮ）＋ＰＦ・将来降水量（ＱＮ）＋ＭＡＸ・ポンプ最大電力量値（ＧＰＮ）＋ｉｎｔｅｒｃｅｐｔ ・・・（式９）

ここで、ＰＰ、ＰＦ、ＭＡＸとは偏回帰係数であり、ｉｎｔｅｒｃｅｐｔとは切片をそれぞれ表している。尚、各編回帰係数と切片とは最小二乗法を用いて、以下に示す（式１０）の誤差の平方和が最小となるような定数項を求める。

次に、重回帰分析による予測モデルを用いたポンプ以外の第二電力量予測値ＦＦＸの算出方法について説明する。
予測モデルを用いた予測対象時刻ＴＸのポンプ以外の第二電力量予測値ＦＦＸの算出式を、（式１１）にて次に示す。

第二電力量予測値（ＦＦＸ）＝ｔｅｍｐ・気温値（Ｕ）＋ｉｎｔｅｒｃｅｐｔ
・・・（式１１）

ここで、ｔｅｍｐは回帰係数であり、ｉｎｔｅｒｃｅｐｔとは切片をそれぞれ表している。尚、回帰係数と切片とは最小二乗法を用いて、以下に示す（式１２）の誤差の平方和が最小となるような定数項を求める。

そして、このようにして求められた、第一電力量予測値ＦＰＸおよび第二電力量予測値ＦＦＸを合計して、施設２の予測対象時刻ＴＸの電力量予測値ＦＸを算出する。

次に、具体例として、ニューラルネットワークによる予測モデルを用いた電力量予測値の算出方法について説明する。
ポンプの第一電力量予測値ＦＰＸを算出するためのニューラルネットワークの予測モデルの例を図２０に示す。

図２０に示すように、予測対象時刻ＴＸの過去降水量ＲＸ、将来降水量ＱＸ、ポンプ最大電力量値ＧＰＮを入力値とし、予測モデルを用いて予測対象時刻ＴＸの第一電力量予測値ＦＰＸを算出する。第一電力量予測値ＦＰＸの算出式を、（式１３）にて次に示す。

ここで、Ｘｊは入力値である、過去降水量ＲＸ、将来降水量ＱＸ、ポンプ最大電力量値ＧＰＮを表し、ｗｉは中間層から出力層を結ぶ各ユニットの結合係数、ｗｉｊは入力層と中間層を結ぶ各ユニットの結合係数、ｆは出力層における出力関数、ｆｊは中間層における出力関数を表す。尚、各ユニットの結合係数ｗｉ、ｗｉｊについては、過去の各時刻の過去降水量ＲＮ、将来降水量ＱＮ、最大起動数ＶＮと、第一電力需要実績値ＥＰＮとの関係から最小二乗法により算出する。

ポンプ以外の第二電力量予測値ＦＦＸを算出するためのニューラルネットワークの予測モデルの例を図２１に示す。
図２１に示すように、予測対象時刻ＴＸの気温値、同一日の最高気温値、同一日の最低気温値を入力値とし、予測モデルを用いて予測対象時刻ＴＸの第二電力量予測値ＦＦＸを算出する。第二電力量予測値ＦＦＸの算出式を、（式１４）にて次に示す。

ここで、Ｘｊは入力値である、気温、同一日の最高気温、同一日の最低気温を表し、ｗｉは中間層から出力層を結ぶ各ユニットの結合係数、ｗｉｊは入力層と中間層を結ぶ各ユニットの結合係数、ｆは出力層における出力関数、ｆｊは中間層における出力関数を表す。尚、各ユニットの結合係数ｗｉ、ｗｉｊについては、過去の各時刻の気温、同一日の最高気温、同一日の最低気温、第二電力需要実績値ＥＥＮとの関係から最小二乗法により算出する。

そして、このようにして求められた、第一電力量予測値ＦＰＸおよび第二電力量予測値ＦＦＸを合計して、施設２の予測対象時刻ＴＸの電力量予測値ＦＮを算出する。

次に、具体例として、パターンマッチングによる手法を用いた電力量予測値の算出方法について説明する。図２２は需要予測部４０における電力需要予測の処理手順を示すフローチャートである。

まず、電力需要予測に使用する第二電力需要実績値ＥＥＮを過去の第二電力需要実績値ＤＢ１９から取得するための絞り込み条件を取得する（図２２のステップＳＴ２１）。
例えば、絞り込み条件とは、気温値ＵＮを使用した、以下の例が考えられる。

｜予測対象時刻ＴＸの気温値ＵＸ（予測値）−比較の対象時刻ＴＮの気温値ＵＮ（実測値）｜≦Ａ７
上記、式を絞り込み条件とする。
尚、Ａ７は、０以上の値を取り、施設２の設備構成および排水処理の可能量などによって異なるため、システム導入時に過去データを使用して精度評価を実施し、最もよい値を設定する。

次に、絞り込み条件に基づいて、第二電力需要実績値ＤＢ１９から絞り込み条件に該当する比較の対象時刻ＴＮの第二電力需要実績値ＥＥＮを取得する（図２２のステップＳＴ２２）。
次に、取得した第二電力需要実績値ＥＥＮの平均値を算出し、この値を予測対象時刻ＴＸの第二電力量予測値ＦＦＸとする（図２２のステップＳＴ２３）。

次に、電力需要予測に使用する第一電力需要実績値ＥＰＮを過去の第一電力需要実績値ＤＢ１７から取得するための絞り込み条件を取得する（図２２のステップＳＴ２４）。
例えば、絞り込み条件とは、上記実施の形態１と同様に行う。このため、その説明は適宜省略する。但し、本実施の形態３においては、最大電力量値ＧＮに変えて、ポンプ最大電力量値ＧＰＮを用いるものである。

次に、絞り込み条件に基づいて、第一電力需要実績値ＤＢ１７から絞り込み条件に該当する比較の対象時刻ＴＮの第一電力需要実績値ＥＰＮを取得する（図２２のステップＳＴ２５）。
次に、取得した第一電力需要実績値ＥＰＮの平均値を算出し、この値を予測対象時刻ＴＸの第一電力量予測値ＦＰＸとする（図２２のステップＳＴ２６）。
次に、先のステップＳＴ２３にて算出した第二電力量予測値ＦＦＸと、第一電力量予測値ＦＰＸとを合計して、施設２の予測対象時刻ＴＸの電力量予測値ＦＸとして算出する（図２２のステップＳＴ２７）。

以上に示したように、需要予測部４０にて各方法を用いて予測された予測対象時刻ＴＸの第一電力量予測値ＦＰＸおよび第二電力量予測値ＦＦＸは、予測対象時刻ＴＸの第一電力需要実績値ＥＰＸとして第一電力需要実績値ＤＢ１７に、また、予測対象時刻ＴＸの第二電力需要実績値ＥＥＸとして第二電力需要実績値ＤＢ１９にそれぞれ格納される。尚、予測対象時刻ＴＸの時刻の予測に基づいて保存された各電力需要実績値ＥＰＸ、ＥＥＸは、実際の時刻が予測対象時刻ＴＸに到達して、実際の各電力需要実績値ＥＰＸ、ＥＥＸを得ることができた際には、実際の各電力需要実績値ＥＰＸ、ＥＥＸを置き換えて保存するものである。

上記のように構成された実施の形態３の電力需要予測装置によれば、上記各実施の形態と同様の効果を奏するのはもちろんのこと、降水量およびポンプの運転状態の影響を大きく受けて変化すると考えられるポンプの電力量予測値と気温の影響を大きく受けて変化すると考えられるポンプ以外の電力量予測値とを別々に算出することで、施設の雨水を加味した電力需要を精度よく予測することができる。

尚、本発明は、その発明の範囲内において、各実施の形態を自由に組み合わせたり、各実施の形態を適宜、変形、省略することが可能である。

１ 電力需要予測装置、２ 施設、３ 気象情報、１１ 電力需要実績値ＤＢ、
１２ 最大電力量値ＤＢ、１３ 降水量ＤＢ、１４ 過去降水量ＤＢ、
１５ 将来降水量ＤＢ、１６ ポンプ運転状態ＤＢ、１７ 第一電力需要実績値ＤＢ、
１８ ポンプ最大電力量値ＤＢ、１９ 第二外電力需要実績値ＤＢ、２０ 気温値ＤＢ、３０ 気象情報取得部、４０ 需要予測部、５０ 実績データ取得部、
６０ ポンプデータ取得部、ＧＮ 最大電力量値（対象時刻ＴＮにおける）、
ＧＹ 最大電力量値（予測開始時刻ＴＹにおける）、
ＧＸ 最大電力量値（予測対象時刻ＴＸにおける）、
ＥＮ 電力需要実績値（対象時刻ＴＮにおける）、
ＥＸ 電力需要実績値（予測対象時刻ＴＸにおける）、
ＥＹ 電力需要実績値（予測開始時刻ＴＹにおける）、
ＦＹ 電力量予測値（予測開始時刻ＴＹにおける）、
ＦＸ 電力量予測値（予測対象時刻ＴＸにおける）、ＴＮ 対象時刻、Ｔ１ 時刻、
ＴＹ 予測開始時刻、ＴＸ 予測対象時刻、Ｍ１ 第一所定時間、Ｍ２ 第二所定時間、Ｍ３ 第三所定時間、Ｍ４ 第四所定時間、
ＲＮ 過去降水量（対象時刻ＴＮにおける）、
ＲＹ 過去降水量（予測開始時刻ＴＹにおける）、
ＲＸ 過去降水量（予測対象時刻ＴＸにおける）、
ＱＮ 将来降水量（対象時刻ＴＮにおける）、
ＱＹ 将来降水量（予測開始時刻ＴＹにおける）、
ＱＸ 将来降水量（予測対象時刻ＴＸにおける）、ＳＮ 降水量値、ＵＮ 気温値、
ＵＸ 気温値（予測対象時刻ＴＸにおける）、ＶＮ 最大起動数、ＶＹ 最大起動数、
ＶＸ 最大起動数、αＬ 重み、βＬ 重み、γＬ 重み、αＫ 重み、βＫ 重み、
γＫ 重み。

Claims (11)

1. 下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測装置において、
   前記施設の各時刻の電力需要実績値を取得し、前記電力需要実績値に対して対象時刻の第一所定時間前から前記対象時刻までの最大の前記電力需要実績値を検出して前記対象時刻の最大電力量値として抽出する実績データ取得部と、
   前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出する気象情報取得部と、
   前記対象時刻の最大電力量値を蓄積する最大電力量値データベースと、
   前記対象時刻の過去降水量を蓄積する過去降水量データベースと、
   前記対象時刻の将来降水量を蓄積する将来降水量データベースと、
   前記最大電力量値、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測する需要予測部とを備えた電力需要予測装置。
2. ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測装置において、
   前記施設の各時刻の電力需要実績値を取得する実績データ取得部と、
   対象時刻の第四所定時間前から前記対象時刻までの前記ポンプの運転状態を対象運転状態として抽出するポンプデータ取得部と、
   前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の将来降水量として抽出する気象情報取得部と、
   前記対象時刻の前記対象運転状態を蓄積するポンプ運転状態データベースと、
   前記対象時刻の過去降水量を蓄積する過去降水量データベースと、
   前記対象時刻の将来降水量を蓄積する将来降水量データベースと、
   前記対象運転状態、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測する需要予測部とを備えた電力需要予測装置。
3. 前記ポンプデータ取得部は、前記対象運転状態を、前記対象時刻の第四所定時間前から前記対象時刻までの前記ポンプの最大起動数または前記ポンプの延べ起動数として抽出する請求項２に記載の電力需要予測装置。
4. 前記ポンプデータ取得部は、前記需要予測部にて予測された前記予測対象時刻の前記電力量予測値から、前記予測対象時刻の前記ポンプの運転状態を予測する請求項２または請求項３に記載の電力需要予測装置。
5. 前記需要予測部は、前記予測対象時刻の前記電力量予測値を、前記予測対象時刻の前記電力需要実績値として前記実績データ取得部に設定する請求項１から請求項４のいずれか１項に記載の電力需要予測装置。
6. ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測装置において、
   前記ポンプの第一電力需要実績値と、前記施設の前記ポンプ以外の第二電力需要実績値とを取得し、
   前記第一電力需要実績値に対して対象時刻の第五所定時間前から前記対象時刻までの最大の前記第一電力需要実績値を検出して前記対象時刻のポンプ最大電力量値として抽出する実績データ取得部と、
   前記施設に関係する実績値および予報値の降水量値と気温値とを含む気象情報を取得し、前記気象情報に対して、前記対象時刻の気温値を抽出し、かつ、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出する気象情報取得部と、
   前記対象時刻のポンプ最大電力量値を蓄積するポンプ最大電力量値データベースと、
   前記対象時刻の気温値を蓄積する気温値データベースと、
   前記対象時刻の過去降水量を蓄積する過去降水量データベースと、
   前記対象時刻の将来降水量を蓄積する将来降水量データベースと、
   前記ポンプ最大電力量値、前記過去降水量、および前記将来降水量の関係と前記第一電力需要実績値とから前記予測対象時刻の前記ポンプの第一電力量予測値を予測し、前記気温値と前記第二電力需要実績値との関係から前記予測対象時刻の前記ポンプ以外の第二電力量予測値を予測して前記第一電力量予測値と前記第二電力量予測値との合計を値前記電力量予測値として予測する需要予測部とを備えた電力需要予測装置。
7. 前記需要予測部は、前記予測対象時刻の前記第一電力量予測値を、前記予測対象時刻の前記第一電力需要実績値として、かつ、前記予測対象時刻の前記第二電力量予測値を、前記予測対象時刻の前記第二電力需要実績値として前記実績データ取得部に設定する請求項６に記載の電力需要予測装置。
8. 前記気象情報取得部は、
   前記過去降水量を、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の前記降水量値に重み付けして算出し、
   前記将来降水量を、前記対象時刻から前記対象時刻から第三所定時間後までの各時刻の前記降水量値の重み付けして算出する請求項１から請求項７のいずれか１項に記載の電力需要予測装置。
9. 下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測方法において、
   前記施設の各時刻の電力需要実績値を取得し、前記電力需要実績値に対して対象時刻の第一所定時間前から前記対象時刻までの最大の前記電力需要実績値を検出して前記対象時刻の最大電力量値として抽出し、
   前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出し、
   前記最大電力量値、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測する電力需要予測方法。
10. ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測方法において、
    前記施設の各時刻の電力需要実績値を取得し、
    対象時刻の第四所定時間前から前記対象時刻までの前記ポンプの運転状態を対象運転状態として抽出し、
    前記施設に関係する実績値および予報値の降水量値を含む気象情報を取得し、前記気象情報に対して、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量の累積降水量を算出して前記対象時刻の将来降水量として抽出し、
    前記対象運転状態、前記過去降水量、および前記将来降水量の関係と前記電力需要実績値から前記予測対象時刻の前記電力量予測値を予測する電力需要予測方法。
11. ポンプを有し下水および雨水処理を行う施設における予測対象時刻の電力量予測値の予測を行う電力需要予測方法において、
    前記ポンプの第一電力需要実績値と、前記施設の前記ポンプ以外の第二電力需要実績値とを取得し、前記第一電力需要実績値に対して対象時刻の第五所定時間前から前記対象時刻までの最大の前記第一電力需要実績値を検出して前記対象時刻のポンプ最大電力量値として抽出し、
    前記施設に関係する実績値および予報値の降水量値と気温値とを含む気象情報を取得し、前記気象情報に対して、前記対象時刻の気温値を抽出し、かつ、前記対象時刻の第二所定時間前から前記対象時刻までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の過去降水量として抽出し、かつ、前記対象時刻から前記対象時刻の第三所定時間後までの各時刻の各前記降水量値の累積降水量を算出して前記対象時刻の将来降水量として抽出し、
    前記ポンプ最大電力量値、前記過去降水量、および前記将来降水量の関係と前記第一電力需要実績値とから前記予測対象時刻の前記ポンプの第一電力量予測値を予測し、前記気温値と前記第二電力需要実績値との関係から前記予測対象時刻の前記ポンプ以外の第二電力量予測値を予測して前記第一電力量予測値と前記第二電力量予測値との合計を値前記電力量予測値として予測する電力需要予測方法。

Images