JP2016178738A - 電力需要予測装置および電力需要予測方法 - Google Patents
電力需要予測装置および電力需要予測方法 Download PDFInfo
- Publication number
- JP2016178738A JP2016178738A JP2015055470A JP2015055470A JP2016178738A JP 2016178738 A JP2016178738 A JP 2016178738A JP 2015055470 A JP2015055470 A JP 2015055470A JP 2015055470 A JP2015055470 A JP 2015055470A JP 2016178738 A JP2016178738 A JP 2016178738A
- Authority
- JP
- Japan
- Prior art keywords
- value
- target time
- precipitation
- time
- prediction
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000001556 precipitation Methods 0.000 claims abstract description 294
- 239000000284 extract Substances 0.000 claims abstract description 19
- 230000001186 cumulative effect Effects 0.000 claims description 29
- 239000010865 sewage Substances 0.000 claims description 18
- 230000004913 activation Effects 0.000 description 23
- 238000001994 activation Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 18
- 230000008878 coupling Effects 0.000 description 11
- 238000010168 coupling process Methods 0.000 description 11
- 238000005859 coupling reaction Methods 0.000 description 11
- 238000000611 regression analysis Methods 0.000 description 6
- 238000004065 wastewater treatment Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Sewage (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【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
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。
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。
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。
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。
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。
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。
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。
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。
{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。
{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。
{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。
{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。
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。
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。
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。
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。
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)。
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、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。
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。
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。
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。
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。
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)。
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。
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
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
・・・(式11)
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。
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。
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、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)。
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、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)。
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)
- 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。 - 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。 - 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。
- 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。
- 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。
- 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。 - 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。
- 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015055470A JP6440543B2 (ja) | 2015-03-19 | 2015-03-19 | 電力需要予測装置および電力需要予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015055470A JP6440543B2 (ja) | 2015-03-19 | 2015-03-19 | 電力需要予測装置および電力需要予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016178738A true JP2016178738A (ja) | 2016-10-06 |
JP6440543B2 JP6440543B2 (ja) | 2018-12-19 |
Family
ID=57069394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015055470A Active JP6440543B2 (ja) | 2015-03-19 | 2015-03-19 | 電力需要予測装置および電力需要予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6440543B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006241900A (ja) * | 2005-03-04 | 2006-09-14 | Toshiba Corp | 雨水排水設備運転準備支援システム |
JP2013161336A (ja) * | 2012-02-07 | 2013-08-19 | Metawater Co Ltd | 監視対象量予測方法及び監視対象量予測装置 |
JP2014061508A (ja) * | 2012-09-24 | 2014-04-10 | Hitachi Ltd | 上下水道管理システム及び方法 |
-
2015
- 2015-03-19 JP JP2015055470A patent/JP6440543B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006241900A (ja) * | 2005-03-04 | 2006-09-14 | Toshiba Corp | 雨水排水設備運転準備支援システム |
JP2013161336A (ja) * | 2012-02-07 | 2013-08-19 | Metawater Co Ltd | 監視対象量予測方法及び監視対象量予測装置 |
JP2014061508A (ja) * | 2012-09-24 | 2014-04-10 | Hitachi Ltd | 上下水道管理システム及び方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6440543B2 (ja) | 2018-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Short term load forecasting using artificial neural network | |
El-Din et al. | A neural network model to predict the wastewater inflow incorporating rainfall events | |
Farajzadeh et al. | Modeling of monthly rainfall and runoff of Urmia lake basin using “feed-forward neural network” and “time series analysis” model | |
Kleiner | Scheduling inspection and renewal of large infrastructure assets | |
JP3795775B2 (ja) | 下水流入量予測装置および方法、サーバ装置 | |
Alfares et al. | Electric load forecasting: literature survey and classification of methods | |
CN107506868B (zh) | 一种短时电力负荷预测的方法及装置 | |
CN110288046A (zh) | 一种基于小波神经网络与隐马尔科夫模型的故障预测方法 | |
KR101119983B1 (ko) | 지엠디에이치 알고리즘을 이용한 물수요 예측방법 | |
CN109858681B (zh) | 一种基于ic卡的交通短时客流预测方法和相关装置 | |
CN112733307B (zh) | 一种供暖季城市天然气负荷预测方法及装置 | |
CN103077428A (zh) | 一种厂级多台发电机组可靠性在线预测方法 | |
CN110110890A (zh) | 基于elman神经网络的日污水量预测方法 | |
JP2023169099A (ja) | 流入量予測システム | |
CN114542442A (zh) | 一种水处理提升泵调度控制方法、装置、电子设备及介质 | |
Ahcene et al. | Energetic optimization and evaluation of a drinking water pumping system: application at the Rassauta station | |
Bremnes et al. | Probabilistic visibility forecasting using neural networks | |
JP6440543B2 (ja) | 電力需要予測装置および電力需要予測方法 | |
JP2006004097A (ja) | ポンプ制御装置 | |
Giustolisi et al. | Supporting decision on energy vs. asset cost optimization in drinking water distribution networks | |
CN109146187A (zh) | 一种基于自适应贝叶斯模型平均的降雨预测方法 | |
JP3321308B2 (ja) | プラント予測制御装置 | |
CN115238952A (zh) | 一种Bi-LSTM-Attention的短期电力负荷预测方法 | |
Prakash et al. | Short Term Load Forecasting for Uttarakhand using neural network and time series models | |
Lu et al. | Water-level based discrete integrated dynamic control to regulate the flow for sewer-WWTP operation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181002 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181009 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181023 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6440543 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |