JP3894892B2 - Cogeneration apparatus and control method thereof - Google Patents

Cogeneration apparatus and control method thereof Download PDF

Info

Publication number
JP3894892B2
JP3894892B2 JP2003021456A JP2003021456A JP3894892B2 JP 3894892 B2 JP3894892 B2 JP 3894892B2 JP 2003021456 A JP2003021456 A JP 2003021456A JP 2003021456 A JP2003021456 A JP 2003021456A JP 3894892 B2 JP3894892 B2 JP 3894892B2
Authority
JP
Japan
Prior art keywords
hot water
value
demand
control
predicted
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.)
Expired - Lifetime
Application number
JP2003021456A
Other languages
Japanese (ja)
Other versions
JP2004236422A (en
Inventor
海 良 一 鳥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Gas Co Ltd
Original Assignee
Tokyo Gas Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tokyo Gas Co Ltd filed Critical Tokyo Gas Co Ltd
Priority to JP2003021456A priority Critical patent/JP3894892B2/en
Publication of JP2004236422A publication Critical patent/JP2004236422A/en
Application granted granted Critical
Publication of JP3894892B2 publication Critical patent/JP3894892B2/en
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E20/00—Combustion technologies with mitigation potential
    • Y02E20/14—Combined heat and power generation [CHP]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/12—Improving ICE efficiencies

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Fuel Cell (AREA)

Description

【０００１】
【発明の属する技術分野】
本発明は、例えば燃料電池装置のようなコージェネレーション装置と、その運転制御方法の改善に関する。
【０００２】
【従来の技術】
燃料電池のより効果的な運転のために、事前に給湯需要、電力需要の予測値を求めることが行われる。
その予測値をもとに計算して、何時に起動する、何ワット発電する等の指令を出す。このようにして、事前に給湯需要、電力需要の予測値を求め、その予測値に従い燃料電池の運転制御を行うことによって、エネルギの有効利用率が向上している。
【０００３】
給湯需要、電力需要の予測値に際して、需要そのものの毎日の負荷パターンが比較的一致していれば計測値だけでも予測は可能だが、より予測精度を高めるには、電力需要、給湯需要に影響が大きいパラメータも計測して、燃料電池装置内のメモリに蓄積し、データベースを作成する。そのようにして、データベースから抽出したデータにより、予測値を演算する。
【０００４】
データベースの１例として、図２２で示す様なデータ、即ち、年月日、季節、気温、電力消費量、給湯消費量、湿度、人の在不在の１分刻みのデータが、連続してコージェネレーション装置内の記憶手段（データベース）に蓄積される。
しかし、そのように各種のデータを連続してコージェネレーション装置内の記憶手段（データベース）に蓄積していくことは、１分刻みの間隔を多少長くしても、コージェネレーション装置の稼働時間が長くなるにつれて、制御に必要な記憶手段の記憶容量が莫大なものとなってしまい、コスト増加につながる。
【０００５】
係る必要記憶容量が莫大にならない様にするため、記憶するべき情報量（データの量）を抑える必要がある。
また、メモリ内のデータ量が多いと検索に時間が掛かってしまい、迅速な需要予測が困難となってしまうので、メモリを節約するためにも、メモリ内のデータ量或いは情報量を抑制しなければならない。
【０００６】
しかし、従来の技術では、コージェネレーション装置の稼働に際して、制御に必要なデータの情報量を抑制し、或いは、記憶手段の記憶容量を抑制することは行われていない。
【０００７】
また、図２３は、従来のコージェネレーション装置の制御の一例を示しており、その制御は、ステップＳＪ１において、データ計測値Ｄによってデータベースを作成する。次のステップＳＪ２では制御手段は、１週間経過したかを判断しており、経過していない場合（ステップＳＪ２のＮ）は、ステップＳＪ１に戻り、1週間経過していれば（ステップＳＪ２のＹ）は、ステップＳＪ３に進む。
しかし、「開始」の時点では、コージェネレーション装置は所謂「新品」の状態であり、データベースにデータの蓄積は無い。従って、コージェネレーション装置の自動運転は困難である。
【０００８】
ここで、現代人の生活パターンは、「週」が基本単位であるため、予測値を出すためには、少なくとも１週間のデータの蓄積が必要となる。ところが、導入後、最初の１週間は各曜日毎のデータの蓄積が無く、自動運転が出来ないので、煩雑な手入力操作をしなければならない。
特に、コージェネレーション装置が家庭用の燃料電池のように、一般ユーザの使用を前提としている場合、導入初期における煩雑な手入力操作の必要性は、装置普及にとって大きな障害となる。
すなわち、従来技術においては、新品の燃料電池装置であっても、自動化が出来る様にしたいという、強い要請があるものの、この要請に対して、何等対処が為されていないのが実状である。
【０００９】
その他の従来技術（特許文献１参照では、空調のための電力需要を予測する技術であって、所謂「新品」の装置を稼動して６０日経過するまでは、擬似データを用いて需要予測を行う技術が開示されている。
しかし、特許文献１の技術は、業務用、ビル用の電力需要予測を想定しているものであり、床面積等から類似したデータを容易に作成することができるビルディング等の空調を前提としている。そのため、個々の設置箇所（家庭）で類似したデータを得る事が困難な家庭用の空調や、全電力需要に関するコージェネレーション装置の制御には適用することが困難である。
換言すれば、家庭用の空調機器、さらには全電力需要では、類似したデータを事前に得る事が困難であるため、擬似データの作成そのものが家庭用では出来ない。従って、特許文献１の技術は、家庭用機器には適用が困難である。
【００１０】
さらに別の従来技術（特許文献２参照）では、エネルギ需要データベースに基づく制御を行う技術が開示されている。
しかし、特許文献２の技術では、各月においては、月間の需要が全て同じであるという前提に立って制御を行っている。そのため、同一月の１日〜月末までの制御パラメータが全て同じという制御となっており、予測精度が低くなってしまう。
また、装置稼動後１年間経過しないと需要予測が出来ないという問題も有している。
さらにその他の従来技術（特許文献３参照）もエネルギ需要データベースに基づく制御を行う技術が開示されている。
しかし、特許文献３の技術は、データベースが出来た後の段階についてのみ開示しており、データベースが出来上がる前の技術については何等開示していない。
また、装置稼動後、データ量が増加して、記憶容量が不足する事態の防止という観点については、何等の対応策も開示していない。
【００１１】
【特許文献１】
特開平９−２６４５８６号公報
【特許文献２】
特開２００１−２９５７００号公報
【特許文献３】
特開昭６０−１０２８２２号公報
【００１２】
【発明が解決しようとする課題】
本発明は上述した従来技術の問題点に鑑みて提案されたものであり、新品の状態でデータベースが十分に出来ていない場合でも自動運転が可能で、記憶するべきデータ量（情報量）が増加し過ぎるという事態を未然に防止することが出来て、しかも、一般家庭で使用することにも適合する様なコージェネレーション装置及びその制御方法の提供を目的としている。
【００１３】
【課題を解決するための手段】
本発明のコージェネレーション装置（例えば、家庭用の燃料電池装置）は、電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測手段（例えば、電力需要計測手段２、給湯需要計測手段３、室温等計測手段４、カレンダー機能５、タイマ機能６、温水貯湯量（蓄熱量）計測手段７）と、制御手段（制御装置Ａ）とを備え、該制御手段は、計測手段により計測されたパラメータを記憶してデータベースを作成する記憶手段（８）と、定時運転制御手段（１０６）と、自己回帰モデル作成手段（１０２）と、平均値演算手段（１０４）と、予測手段（１１０）とを有し、コージェネレーション装置稼動後に第１の設定期間（たとえば、１日或いは２４時間）が経過する以前には定時運転制御手段（１０６）により設定時刻に従って定時運転（起動、停止等）を行い、コージェネレーション装置稼動後に第２の設定期間（たとえば、２日〜７日）が経過する以前に電力需要については自己回帰モデル作成手段（１０２）により自己回帰モデルを作成して予測値を求め、給湯需要については平均値演算手段（１０４）によりコージェネレーション装置稼動後の平均値から予測値を求めて運転制御を行い、前記第２の設定期間が経過した後に（記憶手段８内の）データベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行う様に構成されていることを特徴としている（請求項１）。
【００１４】
また、本発明のコージェネレーション装置の制御方法は、電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測工程（ＳＡ２、ＳＢ２、ＳＣ２）と、計測されたパラメータを（記憶手段８に）記憶してデータベースを作成する記憶工程（ＳＡ３、ＳＢ３、ＳＣ３）と、コージェネレーション装置稼動後に第１の設定期間（たとえば、１日或いは２４時間）が経過する以前に（定時運転制御手段に記憶されている）設定時刻に従って定時運転（起動、停止等）を行う定時運転工程（ＳＡ５、ＳＢ５、ＳＣ５）と、コージェネレーション装置稼動後に第２の設定期間（たとえば、２日〜７日）が経過する以前に電力需要については（自己回帰モデル作成手段１０２により）自己回帰モデルを作成して予測値を求め、給湯需要については（平均値演算手段１０４により）コージェネレーション装置稼動後の平均値から予測値を求めて運転制御を行う工程（ＳＡ６、ＳＢ６、ＳＣ６）と、前記第２の設定期間が経過した後に（記憶手段８内の）データベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行う工程（ＳＡ９、ＳＢ９、ＳＣ９）、とを有することを特徴としている（請求項３）。
【００１５】
上述した構成を具備する本発明によれば、コージェネレーション装置稼動後に第１の設定期間（たとえば、１日或いは２４時間）が経過する以前だけは、設定した時間に起動する。
統計的には、どの家庭でも、給湯需要が一番多いのは、当日不在でない限りは夜の８時頃から１１時頃の間である。よって、例えば夜の９時に給湯タンクが満タンになる様に、工場等で事前に取得した燃料電池の発電効率や排熱効率の実測データから逆算して、起動時間を計算し、設定した時間に（例えば午後２時に）起動したとしても、大きな誤差が生じることは少ない。
【００１６】
第１の設定期間が経過した後、第２の設定期間が経過する以前の段階（例えば、装置稼動後２日〜７日）では、電力需要については、以下の自己回帰モデル式（１）（従来公知のもの：１次元の場合、Ｍ元連立１次方程式を行列式で解くことにより、式の未知数が求まる）により、電力需要予測値を求めて運転制御を行う。

Figure 0003894892
（１次元の場合。ａ（ｍ）は自己回帰係数、ε（ｎ）は白色雑音系列、Ｘ（ｎ−ｍ）は過去の値、Ｍはモデルの次数である。）
稼動後、約１日を経過すれば、自己回帰モデル式を求めることが可能である。１週間程度の期間であれば、１日先の１時間程度毎の電力需要については、自己回帰モデル式で予測しても、大きく破綻することは少ない。
【００１７】
一方、需要ゼロの時間が圧倒的に多く単発的に急峻な需要ピークが発生する給湯需要については、自己回帰モデル式に当て嵌めることは殆ど不可能である。
ここで、給湯需要については、家庭間の違いは非常に大きいが、その反面、同一家庭においては、給湯消費パターン（給湯需要特性）が単一化されている状態に近いことが多い。例えば、曜日と給湯需要との相関関係は大きくないことが多い。例えば、休日だから入浴時間を変えるというケースは比較的少ない。
そのため、給湯需要については、装置稼動後の時間毎の平均値を求めて、給湯需要を予測し、当該予測値に基いて運転制御を行う。上述した通り、給湯需要特性は略々単一化されている家庭が多いので、同時刻における平均値から需要予測しても妥当な予測精度が得られ、大きな問題は生じないと考えられる。
なお、給湯需要と気温とは相関が大きいので、平均給湯需要予測値をそれまでの平均気温と予測時の気温から
（給湯予測値）×（気温／予測時までの平均気温）
の様に補正しても良い。
【００１８】
そして、第２の設定期間が経過した後は、事例ベース推論を行うのに必要最低限のデータが蓄積されるので、事例ベース推論を行って需要予測値を求め、運転制御を行えば良い。
【００１９】
この様に本発明によれば、例えば、所謂「新品」の状態から装置を稼動した直後のように、事例ベース推論を行うのに必要最低限のデータが蓄積される以前の状態であっても、一般家庭用機器として一般ユーザに負担をかけず、致命的な不都合が生じない様なコージェネレーション装置及び制御方法が提供できるのである。
【００２０】
或いは、本発明のコージェネレーション装置（例えば、家庭用の燃料電池装置）は、電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測手段（例えば、電力需要計測手段２、給湯需要計測手段３、室温等計測手段４、カレンダー機能５、タイマ機能６、温水貯湯量計測手段７）と、制御手段（制御装置Ａ）とを備え、該制御手段は、計測手段により計測されたパラメータを記憶してデータベースを作成する記憶手段（８）を有しており、（記憶手段８内の）データベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行うと共に、第１の設定期間（α、β、１年間）が経過した際に前記パラメータ（期間のパラメータも含む）の１部（１つ或いは複数のパラメータ）を計測の対象から削除し、パラメータを削除した際（パラメータを削除してから第２の設定期間（数日、γ、１日）が経過した際、若しくは第１の設定期間が経過してパラメータを削除した段階）における予測精度（各時間毎、若しくは、第３の設定期間毎の精度）を求め、該予測精度が設定閾値以上であるか否かを判定し、前記予測精度が設定閾値以上である場合には前記パラメータ削除工程及び判定肯定を繰り返す制御を行う様に構成されていることを特徴としている（請求項２）。
【００２１】
さらに本発明のコージェネレーション装置の制御方法は、電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測工程（ＳＡ２、ＳＢ２、ＳＣ２）と、計測されたパラメータを（記憶手段８に）記憶してデータベースを作成する記憶工程と、（記憶手段８内の）データベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行う工程（ＳＡ９、ＳＢ９、ＳＣ９）と、第１の設定期間（α、β、１年間）が経過した際に前記パラメータ（期間のパラメータを含む）の１部（１つ或いは複数のパラメータ）を計測の対象から削除するパラメータ削除工程（ＳＡ１２、ＳＢ１２、ＳＣ１２）と、パラメータ削除工程（ＳＡ１２、ＳＢ１２、ＳＣ１２）後の（例えば、パラメータ削除工程から第２の設定期間（数日、γ、１日）が経過した際、若しくは、第１の設定期間が経過しパラメータを削除した段階における）予測精度（各時間毎、若しくは、第３の設定期間毎の精度）を求め、該予測精度が設定閾値以上であるか否かを判定する判定工程（ＳＡ１３、ＳＢ１３、ＳＣ１３）、とを有しており、前記予測精度が設定閾値以上である場合には前記パラメータ削除工程（ＳＡ１２、ＳＢ１２）及び判定肯定（ＳＡ１３、ＳＢ１３、ＳＣ１３）を繰り返すことを特徴としている（請求項４）。
【００２２】
係る構成を具備する本発明によれば、設定期間経過後、予測値を得るのに用いられるデータベースに記憶されるべき各種パラメータ或いは計測値の見直しを行う。例えば、湿度をデータベースから除去しても、予測精度が閾値以上を維持出来るのであれば、湿度のデータをデータベースから削除して、以降、湿度のデータは計測しない。
計測データの期間も同様な考え方で、１ヶ月間のデータ計測後に、１週間で閾値以上の精度が得られることが判明したのであれば、必要期間は「週」のみで、「月」や「日」といったパラメータは削除して良い。この様に、家庭により生活パターンが極めて規則的であれば、１週間単位（各曜日毎）で、電力、給湯の各需要データのみで予測が実現され、家庭毎に電力及び給湯需要との相関性のパラメータの選択が自動的に行える。
予測精度に影響を与えないパラメータであれば、計測して記憶する必要が無く、その様なパラメータに関するデータをデータベース或いは記憶手段（８）から削除するようにすれば、蓄積したデータ容量が大きくなりすぎることによる弊害が回避できる。
【００２３】
本発明の実施に際して、パラメータを削除した後の予測精度が設定閾値を下回る場合には、当該削除したパラメータは正確な予測に必要不可欠なパラメータであると判断できるので、計測対象及びデータベース（或いは記憶手段）に記憶・蓄積するべき対象と判定する。そして、その他のパラメータを削除して、予測精度が設定閾値以上であるか否かを判断するように構成するのが好ましい。
【００２４】
【発明の実施の形態】
以下、添付図面を参照して、本発明の実施形態について説明する。
図示の実施形態では、コージェネレーション装置として、家庭用の燃料電池装置が示されている。
【００２５】
図１、図２を参照して、第１実施形態を説明する。
図１は家庭用燃料電池装置を、自動運転を行う場合のブロック図として示している。
【００２６】
図１において、装置全体としては、例えば、起動・停止からモード選択その他に至る種々の指令を入力する各種指令入力手段１と、電力需要すなわち電力消費量を計測する電力需要計測手段２と、給湯需要すなわち温水（お湯）使用量を計測する給湯需要計測手段３と、室温或いは気温（室温等：室温に関する情報）(或いは水温)を計測する室温等計測手段４と、季節・日付データ等のカレンダー機能を有する手段（カレンダー機能）５と、計時手段であるタイマ機能６と、現在の温水貯湯量計測手段７と、制御装置（制御手段）Ａと、燃料電池装置Ｂと、外部負荷１３とにより構成されている。
【００２７】
前記制御装置Ａは、電力需要データ、給湯需要データ、室温データ、季節・日付データのその時点における計測値及び過去の数値を保存する記憶手段８と、電力需要及び／又は給湯需要を予測する予測手段１００と、制御モード（制御方法）の選択手段１０と、自己回帰モデル作成手段１０２と、平均値演算手段１０４と、定時起動制御用ユニット１０６と、予測精度判定手段１１０、とにより構成されている。
そして、前記燃料電池装置Ｂは、改質器等の水素製造手段１１と、セルスタック１２、とにより構成されている。
【００２８】
ここで、図１では室温データのみが表示され、気温データが表示されていない。電力需要或いは給湯需要に直接関連するのは気温だけでなく、ユーザの生活の場である屋内或いは室内の温度でも充分関連があり、気温は日照位置等に起因して計測手段設置箇所による差異が大きいのに対して、室温は空調のされた部屋を除き計測箇所による差異が小さいこと、気温計測手段に比較して室温計測手段は、例えばリモコンスイッチ内蔵にする等の手法により設置に関する制約が少ないと思われること、等の理由に基づくものである。
但し、上述した理由は支配的なものではない。従って、室温に代えて、気温もしくは水温を制御パラメータとすることは可能である。特に水温は給湯需要量計測のために必要不可欠な項目であるので、室温や気温計測のために新たな熱電対等を設置する必要がないというメリットがある。
【００２９】
前記制御モード選択手段１０では、使用者が制御モードを選択するか、或いは、自動選択を行う。ここで自動選択では、１日に１回、２４時間先の予測データから後述の方法により使用ガス量、電力量を算出し、運転停止回数が最小かつその時の料金テーブルから、ガス及び電気料金を計算して、最も安くなる方法を選択する。もしくは使用ガス量、電力量から算出される１次エネルギ量や排出ＣＯ２量など環境面で最も優位なものを選択する。
なお、制御モード選択手段１０による制御モード選択については、図１１以下を参照して後述する。
【００３０】
予測手段１００は、電力需要計測手段２からの電力需要データと、給湯需要計測手段３からの給湯需要データと、室温等計測手段４からの室温データと、カレンダー機能５からの季節・日付データと、記憶手段８に保存されている過去における電力需要データ、給湯需要データ、室温データ（過去事例データ）とから、所謂「事例ベース推論」の手法を用いて、電力需要及び／又は給湯需要についての予測値を演算する。
【００３１】
事例ベース推論を用いる場合、多数の事例をデータベース化してメモリ（記憶手段８）に蓄えておき、その中から予測時の状況との類似事例があった場合に前記蓄えられた事例を引き出す。
類似事例が無い場合は、蓄えられた事例の中で、最も類似事例に近いものを選択する。この際、類似データの無い部分のデータを追加したり、最新の事例に順次データを書き換える学習を行うことで、より的確な予測が可能となる。
具体的には、例えば、先ず曜日で分類し、土曜日の午前０時から２４時間後の予測（例えば、電力需要と、曜日、時間帯、天候及び気温もしくは水温との相関など）を、１分間毎に行う場合、２４時間以前とその時の現在値のデータベースの中から予測時の状態（曜日、時間、気温、給湯需要等）に最も類似したデータを選択し、予測値とする。２４時間後の電力需要であれば、２４時間前の電力需要、時刻、曜日、２４時間前の気温(水温)、２４時間前の給湯の順に相関が高いことが多く、この順にデータベースを検索する。２４時間後の給湯需要であれば、２４時間前給湯、２４時間前気温(水温)、時刻、２４時間前電力の順に相関が高いことが多い。
この様にして２４時間後の予測のために、２４時間以前とその時点の現在値のデータを、曜日毎に１週間程度に亘って１分毎に蓄えていけば、翌日の燃料電池運転を行うのに必要な電力需要及び／又は給湯需要の予測を行うのに必要な量のデータが蓄積され、データをさらに蓄積、学習していくことで２４時間先の精度の高い類似例の活用が可能となる。
なお、需要がある程度パターン化された住宅によっては、電力需要だけ（給湯需要だけ）もしくは電力需要（給湯需要）＋時間、＋曜日をパラメータとしても、十分な予測精度が得られるので必ずしも上述のパラメーターすべてをデータベースとしなくても良い。
【００３２】
ここで、前述した通り、燃料電池Ｂが「新品」である場合には、「事例ベース推論」の手法を用いて電力需要及び／又は給湯需要についての予測値を演算するために必要な、蓄積されたデータが存在しない。
これに対処するのが、自己回帰モデル作成手段１０２、平均値演算手段１０４、定時起動制御手段１０６である。
【００３３】
すなわち、燃料電池Ｂが「新品」であり、記憶手段８に計測データが蓄積されていない状態（燃料電池Ｂの稼動初日における状態）では、定時起動制御手段１０６に予め記憶された一般的な制御プログラムに従って、燃料電池Ｂの起動等を制御するのである。
そして、稼動後１日を経過したならば、自己回帰モデルによる連続式及び各種計測データの平均値の演算が可能となるので、自己回帰モデル作成手段１０２において、自己回帰モデル（式）を用いて電力需要の予測値（例えば、１時間毎の平均電力需要値）を演算し、平均値演算手段１０４において、稼動後の給湯需要（場合によってはその他の各種計測データの平均値）を用いて給湯需要の予測値を演算する。（パターン化された住宅では電力需要の予測も給湯需要の場合と同様に電力需要の平均値を予測としても良い。）
自己回帰モデル作成手段１０２、平均値演算手段１０４、定時起動制御手段１０６による制御については、後述する。
【００３４】
次に、図２を参照して、第１実施形態における制御を説明する。
第１日目だけは、定時起動制御手段１０６に予め記憶された一般的な制御プログラムに従って、燃料電池Ｂは設定した時間に起動する（ステップＳＡ１）。
具体的には、多くの家庭では給湯需要がピークとなるのは夜の８時頃から１１時頃の間であるので、例えば、夜の９時に給湯タンクが満タンになる様に、（夜の９時から）逆算して、起動時間（例えば、午後２時）を計算する。
【００３５】
（定時起動制御手段１０６に予め記憶された一般的な制御プログラムに従って、）設定した時間に起動したとしても、致命的な障害や大きな誤差は生じないと考えられる。それ故に、燃料電池Ｂの稼動後、最初の１日だけであれば、定時起動制御手段１０６により燃料電池Ｂの起動を制御しても、問題は無い。
【００３６】
ここで、燃料電池Ｂの起動後、直ちに、各種パラメータの計測を開始する（ステップＳＡ２）。燃料電池装置稼動後の最初の１日において、定時起動制御手段１０６に予め記憶された一般的な制御プログラムに従って運転制御を行っている場合においても、各種パラメータの計測及びデータベース化（ステップＳＡ３）が進行する。
他の家庭の予測実績等から想定される、出来る限り多種類のパラメータ（例えば、図２２で表示されている各種パラメータ等）をデータベース化する。
【００３７】
ステップＳＡ４では、制御手段Ａは１日経過したかを判断し、経過するまでは（ステップＳＡ４のＮＯ）定時運転制御（ＳＡ５）が行われ、１日経過したなら（ステップＳＡ４のＹＥＳ）ステップＳＡ６に進む。
【００３８】
ステップＳＡ６では、燃料電池Ｂ稼動後、２日〜７日については、電力需要については、自己回帰モデル作成手段１０２において、自己回帰モデル（式）を用いて電力需要の予測値を演算する。自己回帰モデル式は上述した式（１）で表記できる従来公知のものであり、行列式を解くことにより、電力需要の予測値（例えば、１時間毎の平均値）が求まる。
この際、最初に導出したモデル式で７日目まで適用すると誤差が大きいので、例えば１日経過する毎に自己回帰モデル式を導出し直すことが望ましい。
このように、電力需要については、自己回帰モデル式で予測しても、大きく破綻したり、制御が発散してしまう事態となることは無い。
【００３９】
一方、給湯需要については、自己回帰モデル式に当て嵌めることは殆ど不可能である。
電力のように、常に消費されており、需要量がゼロにならずに、且つ、需要量が連続している量（連続するアナログ量）に対しては、その特性曲線（電力需要量の特性曲線）を前述の式（１）の様な数式で近似させることが出来るので、電力需要量を自己回帰モデル（式）に当て嵌めることが可能である。
これに対して、給湯需要はゼロの時間が圧倒的に多く、単発的に需要ピークが発生する。この様な特性を有する給湯需要を、自己回帰モデル（式）に当て嵌めることは困難である。
つまり、給湯需要量を示す特性線のように、単発的にピークが発生するものを、連続式で近似することは殆ど不可能である。
【００４０】
ここで、給湯需要は、家庭間の違いが非常に大きいが、その反面、同一家庭においては、そのパターン（給湯量の特性線）が単一化されている状態に近い。例えば、曜日と給湯需要との相関関係は大きくない（休日だから入浴時間を変えるというケースは比較的少ない）。
そのため、平均値演算手段１０４により、燃料電池Ｂ稼動後の給湯需要の同時刻における平均値（その他の計測データに基いて補正しても良い）を用いて給湯需要の予測を行っても、ある程度まで精度の高い予測が可能である。
【００４１】
燃料電池Ｂ稼動後、時々刻々データを計測し（ステップＳＡ７）、そのデータを記憶手段８内のデータベースに書き加え、７日経過すれば（ステップＳＡ８のＹＥＳ）、事例ベース推論により予測を行うのに十分なデータが蓄積されるので、それ以降は事例ベース推論に移行して、給湯需要と電力需要の双方を事例データにより予測する（ステップＳＡ９）。
【００４２】
この様にすれば、燃料電池Ｂが所謂「新品」の状態で、事例ベース推論を行うのに必要なデータの蓄積が無い場合でも、燃料電池稼動後に自動制御を行うことが出来る。そして、１週間以上経過すると、各種計測データがデータベースに蓄積され、事例ベース推論による電力需要予測及び給湯需要予測が可能となる。
すなわち、図２において、ステップＳＡ１０、ステップＳＡ１１がＮＯのループよりも上流側（フローチャートで上側）の制御は、燃料電池Ｂが所謂「新品」の状態で、事例ベース推論を行うのに必要なデータの蓄積が無い場合でも、燃料電池Ｂを好適に自動制御させるための制御を示す。
【００４３】
事例ベース推論が可能となった以降も、各種パラメータを計測して、記憶手段８に記憶するので、記憶手段８では膨大なデータを蓄積することとなり、容量不足の問題が出てくる。
【００４４】
これに対して、図２のステップＳＡ１１で示す設定期間経過後（ＳＡ１１のＹＥＳ）には、データベースによる予測の見直しを行い、以って、データ量増加に対処している。
【００４５】
すなわち、ステップＳＡ１２において、予測精度に影響を与える可能性が少ないと思われるパラメータ（例えば湿度）を、例えば１日毎にそれまでの実測値から予測対象の電力又は給湯需要に対する相関値を導出し、その値が小さい順に計測対象から削除している。
若しくは、パラメータとしての必要期間が週で十分ならば、曜日毎のデータを分類し、何月や何日といった分類は削除する。
【００４６】
ステップＳＡ１２において、例えば湿度をデータベースから除去しても、予測精度が閾値以上を維持出来るか否かを、ステップＳＡ１３で判断する。予測精度が閾値以上を維持出来るのであれば（ステップＳＡ１３のＹＥＳ）、湿度のデータをデータベースから削除して、以降、湿度のデータは計測しない（ステップＳＡ１４）。
ここで、予測精度についてはステップＳＡ１３の式を参照して同式中、「｜予測値−実績値｜／実績値」の項が予測精度を示す。
ステップＳＡ１３の式は、全体として、予測精度が閾値を上回っているか否かを示す不等式となっている。
【００４７】
この状態で所定期間（例えば１月等、同じ季節の気温等の要素が大きく変化しない期間）が経過するまで、ステップＳＡ１２で、必要期間若しくは所定期間経過後は、ステップＳＡ６に戻って以降繰り返す（図２には図示せず）。
ステップＳＡ１４では、パラメータを削除した状態で、燃料電池Ｂの運転を継続する。
【００４８】
予測精度が閾値を超えなければ（ステップＳＡ１３のＹＥＳ）、削除したパラメータについては、（以降、計測して記憶手段８に記憶しなくても）予測精度には影響を与えないことが明らかである。したがって、以降、当該削除したパラメータ（若しくは必要期間）については計測せず、計測データをデータベースに記憶しなくても、予測精度に影響は与えない。計測するべきデータ、記憶するべきデータから抹消されるので、記憶手段８において記憶するべきデータ数が減少する。
なお、必要期間が週単位（月や日の記録は取得しない）の場合、曜日で分類し、時刻で分類して、同じ曜日、時刻で計測パラメータの値が別途設定の許容範囲内ならばデータは書き換えず、許容範囲外ならばデータを書き換えるか前の値との平均値や平滑値を取る（学習有り）。「学習なし」であれば、前の値のままとする。
そのようにして、記憶手段８の記憶容量の問題を解消することが出来る。
【００４９】
なお、予測精度が閾値以上であれば（ステップＳＡ１３のＮＯ）、削除したパラメータ（若しくは、月、日等の必要期間）を復帰させ（ステップＳＡ１５）、ステップＳＡ１２以下を繰り返す。
【００５０】
図３及び図４を参照して、第２実施形態を説明する。
図３及び図４の第２実施形態は、図１、図２の第１実施形態と燃料電池Ｂの構成は同様であるが、制御の態様が相違する。
【００５１】
図３及び図４のフローチャートに沿って制御の流れを説明する。この図３及び図４は元来１枚で記載するところ、縮尺の関係から不明瞭になるので、２枚に分けて表示したものである。
図２で示す第１実施形態と同等の制御をした上で、図２のステップＳＡ１４における所定期間Ｘ（例えば１月）よりも長いスパンの期間である季節（例えば、夏季）を経過したならば、パラメータの削除と、各時間毎若しくは設定期間毎の予測精度が閾値以下にならないか否かの検討を繰り返す。これにより、計測するべきパラメータを、季節毎に減少する。
【００５２】
図２のステップＳＡ１４に相当のステップＳＢ１５以降の制御の流れについて詳細に説明する。
図３のステップＳＢ１５では、制御手段Ａは、各期間（季節）毎に例えば、必要期間（例えば月）若しくはパラメータで例えば湿度を削減したデータベースで予測値を算出する。
一方、例えば、湿度を除いた新たなデータを計測し（ステップＳＢ１６）、設定期間である夏季が経過するまでそのような制御を繰返す。設定期間γである夏季が経過した場合（ステップＳＢ１７のＹＥＳ）、データベースの内、必要期間若しくは必要パラメータを維持した場合と１段階削減した場合の前日〜数日前までの実測値、予測値を算出する（図４のステップＳＢ１８）。
【００５３】
そして、制御手段Ａは、ステップＳＢ１９で、実績値に対する、予測値から前日（〜数日）までの実績値を差し引いた値の割合、即ち各時間毎若しくは設定期間毎の予測精度が閾値未満であるか否かを判定している。
予測精度が閾値を超えない場合（ステップＳＢ１９のＹＥＳ）には、ステップＳ２１以降において、ステップＳＢ１６以降と同様に期間γ毎に必要期間若しくはパラメータを削減したデータベースで予測値を算出する。
以降各期間（季節）毎に同様の予測値算出が繰り返される。
【００５４】
ステップＳＢ１９で各時間毎若しくは設定期間毎の予測精度が設定閾値以下であれば、ステップＳＢ２０で削除したパラメータを復帰させ、ステップＳＢ１８以降を繰り返す。
【００５５】
その他の構成及び作用効果は、図１、図２の実施形態と同様である。
【００５６】
次に図５及び図６を参照して、第３実施形態を説明する。
記憶手段８は、最大１年間は全てのパラメータの計測結果を記憶出来る容量を有している。
図３及び図４の第２実施形態では、予測精度に影響を与えないパラメータを季節毎に削除していたが、図５及び図６の第３実施形態では、１年前の同日、同時刻のパラメータは全て記憶手段８から削除する。
或いは、１年前の同日、同時刻のパラメータの計測データと、現時点における当該パラメータの計測データとを平均化（若しくは平滑化）して（ステップＳＣ１７、ＳＣ２１）、記憶手段８で記憶する。
【００５７】
この様にすれば、１年前の計測データは全て自動的に削除されるか、或いは計測時点におけるデータとの平均値として記憶される。従って、記憶手段８の記憶容量としては、１年間の計測結果の記憶に必要な容量があれば良い。
【００５８】
その他の構成及び作用効果は、図１〜図４の実施形態と同様である。
【００５９】
次に、図７〜図１１を参照して、図１から図４の各実施形態により、電力予測結果及び給湯予測結果を用いて、燃料電池装置の運転を制御する態様について説明する。
【００６０】
図７は電力予測結果及び給湯予測結果を用いて運転制御が為される燃料電池Ｂを含むコージェネレーション装置の全体構成を示している。
図７において、当該コージェネレーション装置は、発電装置である燃料電池Ｂ（又はガスエンジン等）と、発電装置が発電時に生じた温水を一端貯留する貯湯タンク２０と、その貯留タンク２０で貯留された温水が使用時に降温した場合に温水の温度を昇温するバックアップバーナ３０と、温水を消費する浴槽４０と、その浴槽４０内の温水を追い焚きするための追い焚き用熱交換器５０と、排水によって消費される温水を補填するための水道水源６０と、これらの機器Ｂ、２０、３０、４０、５０、６０を連通する温水ラインＬ１〜Ｌ６とによって構成されている。
【００６１】
水道水源６０から貯湯タンク２０を結ぶ温水ラインＬ１は第１の分岐点Ｙ１において分岐ラインＬ６を分岐し、その分岐ラインＬ６は、例えば浴槽に張ったお湯の温度が高過ぎる場合や、貯湯タンク２０からのラインＬ５の温水温度が高過ぎる場合に、熱いお湯を薄めるために水道水を浴槽に加えるために設けてある。その温水ラインＬ１の第１の分岐点Ｙ１の上流側には、第１の温度センサ（熱電対）Ｔ１と第１の流量計Ｆ１が介装されている。貯湯タンク２０から出て、内部を流過する水道水を燃料電池Ｂ内で高温の温水に温め、再び貯湯タンク２０に戻るラインＬ２には、燃料電池Ｂに冷水が流入する側に第２の温度センサＴ２が、燃料電池Ｂから排出される側に第３の温度センサＴ３と、第２の流量計Ｆ２が介装されている。
【００６２】
貯湯タンク２０の内部には浅い（温水の温度が高い）領域から深い（温水の温度が低い）領域に順に図示の例では５箇所に温度センサＴ４〜Ｔ８が設置されている。
【００６３】
貯湯タンク２０から排出され、バックアップバーナ３０を経由するラインＬ３は、第２の分岐点Ｙ２において浴槽４０の追い焚き用熱交換器５０を経由するラインＬ４と、浴槽に給湯するラインＬ５とに分岐している。
ラインＬ３の貯湯タンク２０とバックアップバーナ３０の間の領域には、第３の流量計Ｆ３が介装されている。
ラインＬ４の第２の分岐点Ｙ２と追い焚き用熱交換器５０の間の領域には、第４の流量計Ｆ４と第９の温度センサＴ９が、追い焚き用熱交換器５０と貯湯タンク２０の間の領域には、第１０の温度センサＴ１０が夫々介装されている。
ラインＬ５には前記ラインＬ６を合流させる合流点Ｇが設けてあり、この合流点Ｇと給湯蛇口７０の間には、第５の流量計Ｆ５と第１１の温度センサＴ１１が介装されている。
【００６４】
上述したコージェネレーション装置では、水道水源６０から供給された水道水は一端貯湯タンク２０の低温層に流入する（ただし、流入しないで直に燃料電池Ｂへ行く様に、Ｌ１とＬ２とを接続することもある）。前記低温層から更に燃料電池Ｂ内で熱交換を行うためにラインＬ２によって燃料電池Ｂに流入し、排熱を回収することにより高温のお湯に昇温され、再び貯湯タンク２０に戻され、（貯湯タンク２０に）貯湯される。
【００６５】
例えば、浴槽４０に給湯したい場合で、貯湯タンク２０から排出されるお湯の温度が程よい加減であれば、ラインＬ３からラインＬ４を流過する温水はバックアップバーナ３０が作動することなく、そのままラインＬ５を介して浴槽４０に給湯される。
【００６６】
給湯温度が十分でない場合は、バックアップバーナ３０が作動して、ラインＬ３を加熱し給湯温度を昇温させる。
或いは、一度入浴のために給湯しておいた浴槽４０内のお湯の温度が時間の経過とともに下がってしまい、次の人が入浴するときに浴槽４０のお湯の温度が十分でないので追い焚きしたくなった場合は、バックアップバーナ３０によって温水温度を昇温して高温となった温水をラインＬ４を流過させ、追い焚き用熱交換器５０を通過させることで、浴槽４０内のお湯と熱交換させて、浴槽のお湯の温度を高めることも出来る。
【００６７】
一方、浴槽４０に給湯するお湯の温度が高すぎる場合は、水道水を前述のラインＬ６を介してラインＬ５のお湯と合流点Ｇ以下で混合して熱過ぎるお湯を程よい湯加減に調節することも出来る。
【００６８】
図７で述べた燃料電池Ｂを運転するに当たっては、図８で示すような手順で各種データが伝達される。換言すれば、図８は、図１〜図６の何れかの実施形態を用いて電力需要及び給湯需要の予測値を求めた後における、燃料電池装置Ｂの運転制御の詳細を示している。なお、給湯需要(熱量)は前記の蛇口からの出湯温度Ｔ１１から水温Ｔ１を引いたものに、流量Ｆ５を乗算することで求まる(追いだき需要は式(Ｔ９−Ｔ１０)×Ｆ４)で求まる)。
【００６９】
図８において、年月日、曜日・祝日、気温（室温）、湿度、人の在不在、電力需要、給湯需要等の入力変数Ｃ１、及び電力需要Ｃ２１及び／又は給湯需要Ｃ２２の出力変数（予測対象）Ｃ２が、データベース記録部Ｃ３１、入力変数Ｃ３２、予測部Ｃ３３よりなる制御手段Ａのデータベース記録部Ｃ３１に入力され、予測部Ｃ３３で予測値Ｃ４を算出する。予測値Ｃ４が求まれば、その予測値Ｃ４に従って前述の図９〜図１１の制御ロジックに従って、当該コージェネレーション装置は運転される。
【００７０】
制御手段Ａにおける、データベースによる制御の工程としては、過去のデータベースＤ１と新規に付け加えられたデータの入力Ｄ２がデータベース記録部Ｃ３１においてデータの追加（学習）及び／又は不要なデータの削除を行い（Ｄ３）、類似事例の検索（具体的には最小二乗法等）を用いて（Ｄ４）、電力需要及び／又は給湯需要の予測値を出力するように構成されている。
【００７１】
図８において、電力需要及び給湯需要の予測値が制御ロジックまで伝達されると、図９及び図１０で示すような制御が行われる。すなわち、電力需要予測値及び給湯需要予測値を用いて、燃料電池を起動する時刻及び出力を決定するのである。
ここで、燃料電池Ｂの貯湯槽２０に蓄積される熱量が最大値に達した状態になった場合には停止するように設定されている。図９及び図１０で示す燃料電池Ｂの制御においては、その様な状態（燃料電池Ｂの貯湯槽２０に蓄積される熱量が最大値に達した状態）となることを出来る限り抑制し、しかも、発電コスト（或いは１次エネルギに換算したエネルギ消費量或いはＣＯ２排出量）が最小となる様に構成されている。
【００７２】
以下、図９及び図１０のフローチャートを参照して燃料電池Ｂを起動する時刻を決定する場合の制御方法について詳細に説明する。
【００７３】
図９において、ステップＳＤ１では、図２から図４のルーチンによって算出した予測値を用意し、予測範囲を例えば、通常日で１日先までと設定し、且つ予測値の抽出を例えば１５分毎（１５分毎の平均値）と定める（ステップＳＤ２）。
【００７４】
ステップＳＤ３では、電力負荷として、予測負荷が定格値よりも大きな場合は定格値とみなし、給湯負荷として、最大温水消費時刻（ＯＹＵ）及びその時の温水使用予測量（ＯＹＵＨＵＫＡ）を算出する。
【００７５】
次のステップＳＤ４では、温水使用予測量（ＯＹＵＨＵＫＡ）が閾値を超えているか否かを制御手段Ａが判断しており、閾値を超えていない場合（ステップＳＤ４のＮＯ）は、温水の負荷が小さいので貯湯タンクの放熱分を考慮して計算するため、図１２及び図１３で示すルーチンを履行する。
閾値を超えている場合（ステップＳＤ４のＹＥＳ）は、ステップＳＤ５において、設定時刻Ｙ時（深夜運転をしないのであれば、例えば朝７時）に起動するように初期設定する。
【００７６】
ステップＳＤ６では、以下の方法で貯湯タンクの満タン容量Ｑｔｘを以下の方法によって計算する。ここで、本明細書において「満タン容量」とは、これ以上タンクに熱量を投入出来ない状態の熱量を意味している。
即ち、排熱温度から供給する水温の計測値を減じた値にタンク容量及び定数を乗じた値を貯湯タンクの満タン容量（熱量）Ｑｔｘとして計算する。
計算例として、例えば排熱温度が６０℃、水温が２０℃、タンク容量Ｖが２００Ｌであれば貯湯タンクの満タン容量（熱量）Ｑｔｘは８０００Ｋｃａｌとなる。
なお、この「Ｑｔｘ」は、必ずしも容量分だけ貯められないことが多いので、別途試験した補正係数を乗じても良い。
【００７７】
次のステップＳＤ７では、起動設定時刻Ｙ時から最大消費時刻ＯＹＵまでの貯湯タンクの容量（蓄熱量）Ｑｔ１を以下の方法によって計算する。
即ち、起動設定時Ｙ時から最大消費時刻ＯＹＵまでの貯湯タンクの容量（貯湯量：熱量）Ｑｔ１は、現在の蓄熱量（温度Ｔ４≒Ｔ１となった時を蓄熱量ゼロとして、発電量実測値から求まる排熱量逐次加えると求められる。）に、電力予測値と抑制率の積を定格出力で除し８６０／６０（１分毎の場合）及び発電効率に対する排熱効率の比率を乗じた値を加え、更に起動から発電までのエネルギ回収分（排熱回収による温水）を加えた後、予測温水消費量を減じた値として計算される。
なお、電力負荷追従で出力上昇、下降がひんぱんな場合、特に上昇時は改質器に通常より多くの燃料(都市ガス等)が必要となることがあるので、その分を上乗せして計算することも考慮する方が良い。
【００７８】
次のステップＳＤ８では、ステップＳＤ７で求めた起動設定時Ｙ時から最大消費時刻ＯＹＵまでの貯湯タンクの容量（貯湯量：熱量）Ｑｔ１と、ステップＳＤ６で求めたタンク満タン容量Ｑｔｘを比較しており、Ｑｔ１≧Ｑｔｘとなる回数が設定値（例えば２回）以上であるか、設定値（例えば１回）以下であるかを判定する。
Ｑｔ１≧Ｑｔｘとなる回数が設定値（例えば２回）以上であればステップＳＤ９に進み、設定値（例えば１回）以下ならばステップＳＤ２５に進む。
ステップＳＤ９では、ステップＳＤ７、ＳＤ８で計算した結果である満タンになった時刻をＸとして記憶する。但し（Ｘ−ＯＹＵ）が正の場合はＯＹＵ以降の時刻でＸとなるので、当該Ｘとなる時刻まで計算範囲を延ばして計算を行い、図９の下方と図１０の上方にある符号「Ａ」で示す様に、図１０で示すステップＳＤ１０に進む。
【００７９】
図１０のステップＳＤ１０では、制御手段Ａは、満タンになる時刻Ｘから最大温水消費時刻（ＯＹＵ）を差し引いた値がプラスであるか、マイナスであるかを判断し、プラスであればステップＳＤ１１に、マイナスであればステップＳＤ１２に進む。
【００８０】
ステップＳＤ１１では、満タンになる時刻（Ｘ）から最大温水消費時刻（ＯＹＵ）を差し引いた値（すなわち、最大温水消費時刻から満タンになるまでの経過時間）が閾値（例えば１時間）を超えているか否かを判断する。
閾値を越えていなければ（ステップＳＤ１１のＮＯ）、すなわち、給湯負荷ピークが満タンになるよりも早いと給湯負荷ピーク時に貯湯タンク内にお湯が無くなり、バックアップバーナが多く働くという事態が予想され、これに対処するためにステップＳＤ１３で起動設定時を早めて（例えば１時間毎）再計算を行い、ステップＳＤ１５に進む。
また閾値を越えていれば（ステップＳＤ１１のＹＥＳ）、ステップＳＤ１６に進む。
ステップＳＤ１２では、最大温水消費時刻（ＯＹＵ）から満タンになる時刻（Ｘ）を差し引いた値（すなわち、満タンになる時刻から最大温水消費時刻までの経過時間）が閾値（例えば１時間）を超えているか否かを判断する。
閾値を越えていなければ（ステップＳＤ１２のＮＯ）、すなわち、満タンから給湯負荷ピーク時までの時間が長すぎると、タンク内のお湯の放熱量が大きくなるので、これに対処するためにステップＳＤ１４で起動設定時を遅らせて再計算を行い、ステップＳＤ１５に進む。
また閾値を越えていれば（ステップＳＤ１２のＹＥＳ）、ステップＳＤ１６に進む。
【００８１】
ステップＳＤ１５では、ステップＳＤ７で計算したのと同様な方法により、 Ｙ±１ａ，２ａ，３ａ・・・ の各ケースについて、起動から最大消費時刻ＯＹＵまでの蓄熱量Ｑｔ１´を計算し、ステップＳＤ１６に進む。
ステップＳＤ１６では、 Ｑｔ１´≧Ｑｔｘ 若しくは Ｑｔ１≧Ｑｔｘ となる回数を算出しており、この回数が設定値以上であるか、設定値以下であるかを判定する。そして、当該回数が設定値以下であれば、ステップＳＤ２５に進む。一方、当該回数が設定値以上ならば、ステップＳＤ１７に進む。
ステップＳＤ１７では、Ｙの値が設定時刻範囲を超えたかどうか（例えば５時を超えたかどうか）を判定し、設定範囲を超えたのであればステップＳＤ１９へ進み、超えていなければステップＳＤ１８へ進む。
ステップＳＤ１８では、Ｙの時刻をさらに「ａ」ずつ早めるか或いは遅らせて、ステップＳＤ１０へ進み、以下、ステップＳＤ１０〜ＳＤ１８を繰り返す。
ステップＳＤ１９では、定格及び／又は非定格について、抑制率０％、１０％、２０％、３０％、４０％、５０％、６０％、７０％の全ケースについて計算を行う。もちろん、０％から１０％刻みでなく、５％刻みでも、２０％刻みでも良い。
ここで、定格値に対して部分負荷効率の落ち方が小さい場合は、定格のみ抑制率を乗じることで、より効率の良い運転となる。一方、定格値は大きな発電効率でも部分負荷効率が定格に対して大きく低下する場合は、非定格のみ抑制率を乗じることで、より効率の良い運転となる。
【００８２】
ステップＳＤ２０では、 Ｑｔ１´≧Ｑｔｘ 若しくは Ｑｔ１≧Ｑｔｘ となる回数を比較し、設定値以下ならばステップＳＤ２１へ進み、設定値以上ならばステップＳＤ２２へ進む。
ステップＳＤ２１では、 Ｑｔ１´≧Ｑｔｘ 若しくは Ｑｔ１≧Ｑｔｘ となるケースが複数存在するか否かを判定し、複数存在しない場合（ステップＳＤ２１がＮＯ）はステップＳＤ２５へ進み、複数存在する場合（ステップＳＤ２１がＹＥＳ）はステップＳＤ２３へ進む。
ステップＳＤ２２では、最小の起動停止回数のケースのみ選択し、ステップＳＤ２３に進む。
【００８３】
ステップＳＤ２３では、それぞれのケースについて、起動開始から運転終了までを所定時間ごとに区切り、区切った時間毎に発電量を発電効率で除して定数８６０を乗じた値に、発電負荷と発電量の差を火力発電所の平均効率０．３５で除して定数８６０を乗じた値を加えた量を積算した値を求める。この算定式は、発電コストを間接的に知るための１次エネルギ量を求める計算式である。
若しくは、１次エネルギーの代わりに、ＣＯ２排出量やＮＯｘ排出量や光熱費を求める。
【００８４】
ステップＳＤ２４では、ステップＳＤ１２の計算で求めた値のうち最小のものを選択する。即ち、エネルギー使用量（若しくはＣＯ２排出量、ＮＯｘ排出量、光熱費）が最低となるものを選択し、ステップＳＤ２５で発電運転を行う。
【００８５】
図９及び図１０で示す制御において、給湯需要（給湯負荷）が非常に小さいと判定された場合（図９のステップＳＤ４がＮＯの場合）の制御については、図１１〜図１３を参照して説明する。
この場合には、図１１の給湯需要特性線で示す様に、運転停止後も貯湯タンク内にお湯が溜まっている。従って、エネルギの有効利用を考えると、貯湯槽内に残留したお湯を翌日の朝に使用するところまで、考えてやらなければならない。なお、最大の温水消費時刻のＯＹＵＨＵＫＡまでの時間を計算していたが、予測値を基に、日一日の合計温水消費量に対して設定値（例えば８０％）になるまでの時刻をＯＹＵＨＵＫＡとすることも出来る。
【００８６】
以下、図１２及び図１３のフローチャートを参照して給湯需要（給湯負荷）が非常に小さい場合の制御について説明する。
【００８７】
図９のステップＳＤ４のＮＯより、図１２のステップＳＥ１において、貯湯タンクが空になった時刻をＺとし、翌日の最大消費給湯使用時刻をＹＯＫＵＪＩＴＵＯＹＵとする。
設定時に起動し（ステップＳＥ２）、貯湯タンクの満タン容量Ｑｔｘを前述の図９と同じ要領で計算する（ステップＳＥ３）。
【００８８】
さらに、ステップＳＥ４で設定起動時（Ｙ時）からＹＯＫＵＪＩＴＯＹＵまでの蓄熱量Ｑｔ２を以下の方法にて求める。
即ち、設定起動時（Ｙ時）から翌日の最大消費給湯使用時刻になるまでの蓄熱量Ｑｔ２は、現在の蓄熱量に、Ｙ時〜満タン時間Ｘの間の電力予測値と抑制率の積を定格出力で除し８６０／６０及び発電効率に対する排熱効率の比率を乗じた値を加え、更に起動から発電までのエネルギ回収分（燃料電池の起動に必要とするエネルギ量による排熱によりお湯が発生した分）を加えた後、予測温水消費量を減じた値にタンクでの放熱率を乗じて求める。
【００８９】
次のステップＳＥ５では、ステップＳＥ４で求めた起動設定時（Ｙ時）から満タンになるまでの蓄熱量Ｑｔ２と、ステップＳＥ３で求めたタンク満タン容量Ｑｔｘを比較しており、Ｑｔ２≧Ｑｔｘとなる回数が設定値（例えば２回）以上であるか、設定値（例えば１回）以下であるかを判定する。
Ｑｔ２≧Ｑｔｘとなる回数が設定値（例えば２回）以上であればステップＳＥ６に進み、設定値（例えば１回）以下ならばステップＳＥ２２（図１３）に進む。
ステップＳＥ６では、満タンとなる時刻をＸと記憶する。ここで、満タンとなる回数が複数回であれば、最終の満タン時刻とする。
【００９０】
ステップＳＥ６の処理の後、図１２下方及び図１３上方における符号「Ｂ」で示す様に、図１３のステップＳＥ７の処理を行う。ステップＳＥ７では、制御手段Ａは、翌日の最大消費給湯使用時刻時刻（ＹＯＫＵＪＩＴＵＯＹＵ）から、貯湯タンクが最後に満タンになる時刻Ｘを差し引いた値が、プラスであるかマイナスであるかを判断し、プラスであればステップＳＥ８に、マイナスであればステップＳＥ９に夫々進む。
【００９１】
ステップＳＥ８では、翌日の最大消費給湯使用時刻時刻（ＹＯＫＵＪＩＴＵＯＹＵ）から、貯湯タンクが最後に満タンになる時刻Ｘを差し引いた値（すなわち、タンクが最後に満タンになった時刻から翌日の最も給湯で多くのお湯を使うであろう時間までのお湯を貯める時間）が、閾値を超えているか否かを判断する。閾値を越えていなければ（ステップＳＥ８のＮＯ）、すなわち、翌日の給湯負荷ピークになるまでに十分な時間がない場合は、必要とされるであろうお湯の量が不足する事態が生じかねないので、これに対処するためにステップＳＥ１０で起動設定時刻を早めて再計算を行い、ステップＳＥ１２へ進む。
また閾値を越えていれば（ステップＳＥ８のＹＥＳ）、ステップＳＥ１２へ進む。
ステップＳＥ９では、翌日の最大消費給湯使用時刻時刻（ＹＯＫＵＪＩＴＵＯＹＵ）から貯湯タンクが最後に満タンになる時刻Ｘを差し引いた値が閾値を超えているか否かを判断する。
閾値を越えていれば（ステップＳＥ９のＮＯ）、ステップＳＥ１１で起動設定時刻を遅らせて再計算を行い、ステップＳＥ１２へ進む。
また閾値を越えていなければ（ステップＳＥ９のＹＥＳ）、ステップＳＥ１２へ進む。
【００９２】
ステップＳＥ１２では、ステップＳＥ４で計算したのと同様な方法により、 Ｙ±１ａ、２ａ、３ａ・・・ の各ケースについて、起動から時刻ＹＯＫＵＪＩＴＵＯＹＵまでの蓄熱量Ｑｔ２´を計算し、ステップＳＥ１３へ進む。
ステップＳＥ１３では、 Ｑｔ２´≧Ｑｔｘ 若しくは Ｑｔ２≧Ｑｔｘ となる回数を算出しており、この回数が設定値以上であるか、設定値以下であるかを判定する。設定値以下であればステップＳＥ２２へ進み、設定値以上であればステップＳＥ１４へ進む。
ステップＳＥ１４では、Ｙの値が設定時刻範囲を超えたか（例えば５時を超えたか）否かを判定し、設定時刻範囲を超えたのであれば（ステップＳＥ１４がＹＥＳ）ステップＳＥ１６に進み、設定時刻範囲を超えていないのであれば（ステップＳＥ１４がＮＯ）ステップＳＥ１５に進む。
ステップＳＥ１５では、Ｙの時刻をさらに時間「ａ」ずつ早めるか遅らせるかの処理をして、ステップＳＥ７に戻り、ステップＳＥ７〜ステップＳＥ１４を繰り返す。
【００９３】
ステップＳＥ１６では、定格及び／又は非定格について、例えば、抑制率０％,１０％,２０％,３０％,４０％，５０％，６０％，７０％の全てのケースについて計算を行い、ステップＳＥ１７へ進む。
【００９４】
ステップＳＥ１７では、 Ｑ２ｔ´≧Ｑｔｘ 若しくは Ｑ２ｔ≧Ｑｔｘ となる回数を比較して、当該回数が設定値以下ならばステップＳＥ１８へ進み、設定値以上ならばステップＳＥ１９へ進む。
ステップＳＥ１８では、 Ｑ２ｔ´≧Ｑｔｘ 若しくは Ｑ２ｔ≧Ｑｔｘ となるケースが複数回存在するか否かを判定し、複数回存在しない場合はステップＳＥ２２へ進み、複数回存在する場合はステップＳＥ２０へ進む。
ステップＳＥ１９では、最小の起動停止回数のケースのみ選択し、ステップＳＥ２０へ進む。
【００９５】
ステップＳＥ２０では、前述の図９のＳＤ７で行ったと同様の方法で、１次エネルギ量、若しくは光熱費、ＣＯ２、ＮＯＸの排出量を求める。
ステップＳＥ２１では、ステップＳＥ２０で求めた値のうち最小のもの、即ち、コスト、若しくは環境性、省エネ性が最低となるものを選択する。
そして、ステップＳ２２で発電運転を行う。
【００９６】
図１４は、上述した実施形態において、２４時間後の予測値（電力需要予測値及び／又は給湯需要予測値）を求め、燃料電池装置を自動運転する制御を示している。
【００９７】
図１４において、運転制御に先立って、電力需要及び／又は給湯需要の予測を開始する（ステップＳＴ１のＹＥＳ）。
ここで、図示の実施形態においては、毎日、午前０時０分にその日１日の電力需要及び／又は給湯需要の予測を行うものとする。しかし、これはあくまでも例示であり、勿論、その他の時刻に予測を行っても良い。
【００９８】
予測に際しては、先ず、電力需要計測手段２から電力需要データを予測手段１００へ送り、給湯需要計測手段３から給湯需要データを予測手段１００に送り、室温等計測手段４から室温データを予測手段１００へ送り、カレンダー機能５から季節・日付データを予測手段１００に送る（ステップＳＴ２）。
それと共にステップＳＴ２では、記憶手段８に保存されている電力需要データ、給湯需要データ、室温データの、例えば２４時間以前のデータ、６０分以前のデータ、１０分以前のデータ及びその時の計測時のデータを、当該記憶手段８から予測手段１００に送る。
【００９９】
次に、上述した通り、事例ベース推論を用いて、電力需要及び／又は給湯需要を演算することにより、予測を行う（ステップＳＴ３）。
ここで、電力需要及び／又は給湯需要の予測においては、例えば２４時間後の数値（電力需要及び／又は給湯需要）を求めている（ステップＳＴ４、ＳＴ４Ａ）。
但し、電力需要については、２４時間後のみならず、６０分後、１０分後の予測をも行う。燃料電池の起動に際して、機械により差異はあるが起動から発電開始まで６０分掛かるとすると、起動から６０分後の電力需要が、非常に重要となるからである。一方、１０分後は燃料電池装置内の改質器の応答性を補正し、無駄な発電を行わないために重要である。
【０１００】
電力需要及び／又は給湯需要の予測（ステップＳＴ３、ＳＴ４，ＳＴ４Ａ）は、２４時間後まで、１分刻みに行われる（ステップＳＴ５）。これにより、２４時間後までの電力需要及び／又は給湯需要のパターンが予測されることとなる。そして、図１で示す燃料電池のその日における運転計画が出来上がる（ステップＳＴ６）。
【０１０１】
ステップＳＴ６で燃料電池の運転計画が出来上がった段階で、燃料電池の運転モードを決定する（ステップＳＴ７）。燃料電池の運転がなるべく停止することがないように、運転モードの決定が行われる。より詳細には、図１５以下を参照して後述する。
燃料電池の運転モードが決定したのち（ステップＳＴ７終了後）、燃料電池が起動するのを待つ（ステップＳＴ８がＮＯのループ）。
【０１０２】
燃料電池が起動したならば（ステップＳＴ８がＹＥＳ）、長時間停止後に起動した場合に該当する。その場合、起動後６０分経過した時点における電力需要及び／又は給湯需要の予測値を用いて、起動直後の電力需要及び／又は給湯需要を設定して、運転を行う（ステップＳＴ９）。
【０１０３】
燃料電池の起動直後の運転から定常運転に変わったならば、ステップＳＴ６で求めた電力需要及び／又は給湯需要パターンを用いて、常時、１０分後の予測値を参照しつつ、燃料電池の出力を設定する（ステップＳＴ１０）。
燃料電池の運転を続け、運転時の数値（タンク蓄熱量等）を計測し（ステップＳＴ１１）、予測値と比較する（ステップＳＴ１２）。実測値と予測値の差の絶対値が許容誤差以上であるかを判断し（ステップＳＴ１３）、許容誤差未満であれば（ステップＳＴ１３がＮＯ）、ステップＳＴ１１以降を繰り返す。実測値と予測値の差の絶対値が許容誤差以上であれば（ステップＳＴ１３がＹＥＳ）、コージェネレーション装置運転指令の指令値の変更（補正：例えば抑制率を１段階下げる）を行って（ステップＳＴ１４）、所定の時間が経過して、燃料電池の運転を終了するか否かを判断する（ステップＳＴ１５）。
燃料電池の運転を続行する（ステップＳＴ１５がＮＯ）場合は、ＳＴ１１以降を繰り返す。
【０１０４】
図１５〜図２０は、上述した実施形態において、運転モードを選択する場合の制御フローチャートを示している。
【０１０５】
図１５及び図１６に基づいて制御の流れを説明する。
燃料電池稼動率が曜日及び曜日の時間帯によって変わる（特色を有する）ことに着目して、ステップＳ１では、曜日を含むカレンダーを設定する。
【０１０６】
次のステップＳ２では、制御を行うに先立ち、予測モデル作成のためのデータ取得期間の設定をおこない（例えばデータ取得期間は向こう一週間とし）、予測時間すなわち、何時間後の物理量を予測するかを決める値であるＸ時間後（例えば２４時間後）を設定する。
その２４時間の間には修正回数としてＹ分（例えば３０分）毎、即ち修正回数４８回を設定する。これは手段１０における２４時間先予測のまま、データベースの学習（書き換え）無しに制御指令の計算を行うと、気温の急変や急な外出などの影響が大きいためである。更に、部分負荷効率の閾値（Ｗ％）と、継続時間（Ｖ分）を設定する。（制御の例としては、例えば、部分負荷効率が閾値Ｗ（７０）％以下の状態がＶ（１２０）分以上継続した場合に運転を停止する等。）
【０１０７】
次のステップＳ３では、出力（電力需要及び／又は給湯需要）データ及び入力（気候・温度等）データの収集を開始する。そして次のステップＳ４に進む。
【０１０８】
ステップＳ４では、制御装置Ａはデータの収集期間を越えたか否かを判断する。
データの収集期間を越えていれば（ステップＳ４においてＹＥＳ）、次のステップＳ５に進み、越えていなければ（ステップＳ４においてＮＯ）、ステップＳ３からを繰り返す。
【０１０９】
ステップＳ５では、負荷予測（電力需要及び／又は給湯需要の予測）を開始する。そして、次のステップＳ６において、今後の電力及び給湯量の予測のためのモデル作成を、例えば事例ベース推論、自己回帰モデル等の予測方法によって行う。
自己回帰モデルとしては、収集した各種のデータをモデル式に当てはめてしまえば、従来の事例からモデル式の次数、定数、その他を決定して電力消費量を示す式を完成させることが出来る。
そして、従来の事例に基づいて、ある期間のモデル式を作成し、当該式における「時間」のファクタを変化させて消費電力を予測することが出来る。
【０１１０】
事例ベース推論については、図１、図２で説明したのと同様である。
なお、予測法には、ニューラルネットワークを使用する方法、スペクトルモデルを使用する方法、など他にも存在する。
【０１１１】
次のステップＳ７１、Ｓ７２では、前述の予測に基づき、現在からＸ時間後の合計電力及び消費給湯量の予測を行う。すなわち、電力需要（電力消費量）、給湯需要（お湯消費量）、室温の計測値、過去のデータ（図２を参照して説明した過去のデータ）、日付及び曜日から、電力需要を予測し（ステップＳ７１）、予測された電力需要から給湯需要を予測する（ステップＳ７２）。
或いは、電力需要（電力消費量）、給湯需要（お湯消費量）、室温の計測値、過去のデータ（図２を参照して説明した過去のデータ）、日付及び曜日から、給湯需要を予測し（ステップＳ７１のカッコ書き）、予測された給湯需要から電力需要を予測しても良い（ステップＳ７２のカッコ書き）。
電力需要及び給湯需要を予測したならば（ステップＳ７１，Ｓ７２終了）、ステップＳ８に進む。
【０１１２】
ここで、電力需要、給湯需要の予測については、図１、図２で説明したのと同様である。図３及び図４において、電力需要、給湯需要の何れかを予測した後に、その予測結果を用いて他方を予測しているが、電力需要と給湯需要を同時に求めることも可能である。
【０１１３】
ステップＳ８では、Ｘ時間後の貯湯量を以下の算定式から求める。即ち、現在の貯湯量に、負荷予測電力カーブに基づく発電量を燃料電池の発電効率で除し更に排熱効率を掛けた値を加えたものから、温水消費量を減じたものが、Ｘ時間後の貯湯量である。
ここで、経時変化に伴う効率の変化を正確に反映させるため、効率算出に必要なセンサを取付けることが好ましい。そして、貯湯タンクの放熱量も考慮するのが好ましい。
そして、手段１０で述べたように、ステップＳ９で制御を自動選択するかを手段１により判断し、ＹＥＳ（選択する）の場合、ステップＳ１０へ進む。
【０１１４】
ステップＳ１０では図１６〜図２０のＭ１〜Ｍ５により、Ｘ時間先の予測結果に基づき、計算を行う。次に、ステップＳ１０´でそのうちＸ時間先の運転停止回数の最小のもので、そのうち光熱費（もしくはＣＯ２排出量、ＮＯｘ排出量）が最低のものを選択し、そのＭ（Ｍ１〜Ｍ５のどれか）へ進む。
一方、ステップＳ９でＮＯの場合は、手段１で選択したＭ（Ｍ１〜Ｍ５のどれか）へ進む。
【０１１５】
そして、図１６のブロックＭ１以降のステップＳ１１に進む。尚、図１６は燃料電池装置Ｂの停止抑制に関する制御である。
【０１１６】
ステップＳ１１において、制御装置Ａは、貯湯槽下部に設置した温度センサで貯湯槽が温水で満杯になるか否かを判断する。
【０１１７】
貯湯槽が満杯になると判断すれば（ステップＳ１１のＹＥＳ）、次のステップＳ１２に進み、満杯にならないと判断すれば（ステップＳ１１のＮＯ）、ステップＳ１５まで進む。
【０１１８】
ステップＳ１２において、制御装置Ａは現時点から貯湯槽の満杯終了予定時刻までの時間Ｚを算出し、次のステップＳ１３に進む。
【０１１９】
ステップＳ１３では、満杯終了予定時刻に貯湯槽が満杯にならないように、発電出力を落した燃料電池発電パターンを計算する。そして、次のステップＳ１４に進む。
【０１２０】
ステップＳ１４では、制御装置Ａは、Ｚ時間後に満杯になるか否かを判断する。
Ｚ時間後に満杯になるのであれば（ステップＳ１４のＹＥＳ）、ステップＳ１３に戻り、満杯にならないのであれば（ステップＳ１３のＮＯ）、ステップＳ１５に進む。
【０１２１】
ステップＳ１５では、電力負荷予測パターンから計算した発電パターンに先行して改質ガスの流量を決定して、次のステップＳ１６に進み、改質ガスを燃料電池Ｂに投入する。
【０１２２】
次のステップＳ１７において、制御装置Ａは、タイマ６を介して改質ガス投入からＹ分経過したか否かを判断する。
改質ガス投入からＹ分経過していれば（ステップＳ１７のＹＥＳ）、ステップＳ７に戻り予測、制御を繰り返し、経過していなければ、ステップＳ１５以降を繰り返す。
【０１２３】
係る構成及び制御方法を具備する第一実施形態である「運転停止回数を抑制する制御」によれば、各種の予測データにより貯湯量満杯までの所要時間が予測出来、また、リアルタイムで貯湯速度が監視できているために、例えば、消費給湯量が少なくても、燃料電池Ｂの運転停止には至らない。
具体例としては、従来の、「貯湯槽が満杯時に停止する通常制御」の場合の特性図である図２４によれば、そのｄ線上で４回の燃料電池Ｂの運転停止（ｄｏ１〜ｄｏ４）が示されている。これに対して、図３〜図６に関連して説明した「運転停止回数を抑制する制御」によれば、図２５のｄ線上では、燃料電池Ｂの運転停止はｄ０ｍ点で示される僅か一回のみである。
尚、図２５及び後述の図２６は、前述の図２４と同じ様式のグラフである。
【０１２４】
次に、「部分負荷効率の低下する部分で運転しない制御」、所謂「部分負荷モード」に関して、図１７のフローチャートに基づき説明する。
尚、図１７の制御フローにおいて、ブロックＭ２以前は、前述の図１５と同様であり、装置の構成も図１で示すのと同じである。
【０１２５】
図１５の最終ブロックＭから連続するステップＳ２１において、制御装置Ａは、予測開始から２４時間後までの範囲の部分負荷効率（電力負荷予測値を定格発電出力で除したものを１００分率で表す）を計算する。
【０１２６】
次のステップＳ２２において、部分負荷効率の閾値Ｗ％以下の時間を各区間で計算して、次のステップＳ２３に進む。
ステップＳ２３において制御装置Ａは、Ｗ％以下の最長の区間を算出する。なお、瞬時の時間α分（例えば、１分）以下の燃料電池Ｂの停止は、運転継続と見なす。
【０１２７】
ここで、閾値Ｗ％は、図２７の負荷割合に対する効率を示す特性曲線に示される如く、効率が急激に低下する部分負荷の定格負荷に対する割合である。
【０１２８】
なお、燃料電池Ｂでは定格出力時が最も効率が高く、定格出力に対して各機器の配置及び仕様が定められている。
【０１２９】
また、ステップＳ２３では、部分負荷効率がＷ％以下となる時間が最も長くなる区間を算出する。
【０１３０】
次のステップＳ２４において、上記最長区間の運転を停止する運転パターン、即ち、停止回数を減らすような運転パターンを計算して次のステップＳ２５に進む。
【０１３１】
ステップＳ２５において、制御装置Ａは、その他の区間で貯湯槽が温水で満杯になり、運転を停止するか否かを判断する。
運転を停止するのであれば（ステップＳ２５のＹＥＳ）、ステップＳ２６に進み、運転を停止しないのであれば（ステップＳ２５のＮＯ）、図１６の＊印で示す工程、即ち、ステップＳ１５に進む。
【０１３２】
ステップＳ２６では、最長区間の前後で運転時間を減らす様に制御して、再びステップＳ２４に戻る。
以上が「部分負荷モード」の制御である。
【０１３３】
上述した「部分負荷効率の低下する部分で運転しない制御」、所謂「部分負荷モード」によれば、図２６のｄ線に示す様に部分負荷効率の低下する部分（計測開始後、約４００分の間）で運転を行わない代わりに、その他の区間では運転停止は、僅か１度しか発生していない。
即ち、電気消費量、給湯消費量を予測しているので、燃料電池の運転停止を抑制することが出来る。
【０１３４】
次に、所謂「温水廃棄制御（その１）」に関して、図１８のフローチャートに基づき説明する。
尚、図１８の制御フローにおいて、Ｍ３で示す工程以前は図１１と同様であり、装置の構成も図１と同じである。
【０１３５】
図１５の最終ブロックＭから継続しているステップＳ３１において制御装置Ａは、消費電力が燃料電池の発電可能最低電力値、例えば０．３ｋＷ未満か否かを判断する。
０．３ｋＷ未満であれば（ステップＳ３１においてＹＥＳ）、ステップＳ３２に進む。
０．３ｋＷ以上であれば（ステップＳ３１においてＮＯ）、ステップＳ３１を繰り返す。
【０１３６】
ステップＳ３２では、最低発電可能電力値以下（例えば０．３ｋＷ）に消費電力がなった場合、運転は０．３ｋＷで発電させた場合、制御装置Ａは、燃料電池Ｂを仮に上記発電可能最低電力値（０．３ｋＷ）未満で運転した場合の貯湯槽満杯時までの余剰温水量つまり、発電可能最低電力運転時の温水量と最低電力未満で運転した場合の温水量の差を計算する。そしてステップＳ３３に進む。
【０１３７】
ステップＳ３３では、計算された廃棄すべき温水量を外部へ排出して、制御は図１６の＊印で示す工程（ステップＳ１５）に移る。
以上が「温水廃棄モード（その１）」の制御である。
【０１３８】
「温水廃棄制御（その１）」、所謂「温水廃棄モード（その１）」によれば、仮に発電可能最低電力値未満で運転続行した際に余剰となるであろうお湯を廃棄することが出来るので、燃料電池Ｂの運転停止は抑制される。
【０１３９】
次に、所謂「温水廃棄制御（その２）」に関して、図１９に基づき説明する。尚、図１９で示す制御フローにおいて、符号Ｍ４で示す工程以前は、図１５で説明したのと同様であり、装置の構成も図１，図２で説明したのと同じである。
【０１４０】
図１５の最終ブロックＭから継続するステップＳ４１において、制御装置Ａは、燃料電池Ｂが貯湯槽が満杯か否かに関わらず、常に発電した場合の発電カーブを計算する。
【０１４１】
次のステップＳ４２では、制御装置Ａは、貯湯槽が満杯になるか否かを判断する。
貯湯槽が満杯になるのであれば（ステップＳ４２においてＹＥＳ）、次のステップＳ４３に進み、満杯とならないのであれば（ステップＳ４２においてＮＯ）、制御は図６の＊印で示す工程であるステップＳ１５に移る。
【０１４２】
ステップＳ４３では、２４時間先の範囲で最大の温水消費量が予想される、例えば、夜間の８時から１０時付近以前には満杯にしないように、温水廃棄量を計算する。
【０１４３】
次のステップＳ４４では、計算された廃棄するべき温水量を外部へ排出して、制御は図１６の＊印の工程（ステップＳ１５）に移る。
【０１４４】
「温水廃棄制御（その２）」、所謂「温水廃棄モード（その２）」によれば、常時発電を監視しており、特定の時間帯において貯湯槽を満杯にしないように温水を廃棄することが出来る。
【０１４５】
次に、負荷応答ステップ制御、所謂「負荷応答ステップモード」に関して、図２０のフローチャートに基づき説明する。
図２０の符号Ｍ５以前は、図３及び図４と同様であり、装置の構成も図１と同じである。
【０１４６】
図１５の最終ブロックＭから継続して、ステップＳ５１において制御装置Ａは、ステップ数Δｗを設定する。
ここで、ステップΔｗは単位時間あたりに燃料電池の出力（電力）を上昇・下降させる大きさのことである。
具体例として、７０Ｗ／分、１７Ｗ／分、等と表す。
【０１４７】
ステップＳ５２に進み、制御装置Ａは予測値に基づき各々のステップ数Δｗで運転パターンを計算し、次のステップＳ５３に進む。
【０１４８】
ステップＳ５３では、各々の計算運転パターンで消費電力予測値と燃料電池発電量の予測値との差の面積、即ち、前述のステップ数の経過時間における積分値Ｆを求める。
【０１４９】
ステップＳ５４に進み、制御装置Ａは前記消費電力予測値と燃料電池発電量の予測値との差の面積Ｆを最小とするパターンを設定の時間区割り毎に選ぶ。
【０１５０】
そして、次のステップＳ５５において、制御装置Ａは全体を通して面積Ｆが最小となる様に燃料電池Ｂに制御信号を送り、燃料電池は該制御信号に基づき運転を行い、その後、制御は図１６の＊印で示す工程（ステップＳ１５）に移る。
【０１５１】
「負荷応答ステップ制御」、所謂「負荷応答ステップモード」によれば、図２１に示す如く、選択或いは制御によって、消費電力に大きな変化の無い計測開始から２９分経過まではステップ数Δｗを１７Ｗ／分とし、消費電力の変化が大きい２９分経過以降はΔｗを７０Ｗ／分に切替えている。
ここで、図２１の縦軸は電力値を、横軸は時間（分）を示し、ｃ線が電力負荷（消費電力）を、ｄ線が燃料電池発電電力（燃料電池発電量）を表す。
このように、消費電力の変化の大きさによってステップ数を変化させることにより、燃料電池Ｂの発電量をこれに追従させ、燃料電池の効率的な運転が可能となる。
【０１５２】
図示の実施形態はあくまでも例示であり、本発明の技術的範囲を限定する趣旨の記述ではないことを付記する。
例えば、図示の実施形態ではコージェネレーション装置として燃料電池を備えた装置について説明しているが、ガスエンジンコージェネレーションやその他のタイプのコージェネレーションシステムについても、本発明を適用することが可能である。
また、燃料電池の運転制御についても、図示の実施形態で示す以外の運転モードが可能である。
【０１５３】
【発明の効果】
本発明の作用効果を以下に列挙する。
（１） 所謂「新品」のように、事例ベース推論を行うことが出来る程度までデータが蓄積されていない状態であっても、自動運転によりコージェネレーション装置を稼動することが出来る。
（２） コージェネレーション稼動により、各種データを計測してデータベースに記憶しても、記憶するべきデータを適宜選択して、必要に応じて削除或いは平均化することが出来るので、記憶容量の不足や、データベースの大型化という問題に対処することが出来る。
【図面の簡単な説明】
【図１】本発明の全体構成を示すブロック図。
【図２】第１実施形態の制御を示すフローチャート。
【図３】第２実施形態の制御を示すフローチャートの前半部。
【図４】第２実施形態の制御を示すフローチャートの後半部。
【図５】第３実施形態の制御を示すフローチャートの前半部。
【図６】第３実施形態の制御を示すフローチャートの後半部。
【図７】各実施形態によって運転制御されるコージェネレーション装置の全体構成図。
【図８】電力需要、給湯需要の予測値算定後の燃料電池を自動運転する制御フローチャート。
【図９】燃料電池起動時刻を決定する制御フローチャート。
【図１０】図９と同一の制御で、図９に連続する処理の制御フローチャート。
【図１１】給湯需要特性図。
【図１２】給湯需要が小さい場合の制御を示すフローチャート。
【図１３】図１２と同一の制御で、図１２に連続する処理の制御フローチャート。
【図１４】２４時間後の電力需要、給湯需要の予測値を求め、燃料電池を自動運転する制御フローチャート。
【図１５】運転モードを選択する場合のベースとなる制御フローチャート。
【図１６】燃料電池の停止制御に関するフローチャート。
【図１７】部分負荷モード」の制御を示すフローチャート。
【図１８】温水廃棄モード（その１）を示すフローチャート。
【図１９】温水廃棄モード（その２）を示すフローチャート。
【図２０】負荷応答ステップモードを示すフローチャート。
【図２１】負荷応答ステップモードにおいて、負荷応答ステップ量を一律１７Ｗ／分とした場合の特性図。
【図２２】データベースの１例を表した図。
【図２３】従来のコージェネレーション装置の制御例を表したフローチャート。
【図２４】従来技術における電力等の特性を示す図。
【図２５】運転停止回数を抑制する制御の効果を表す特性図。
【図２６】部分負荷効率の低下する部分で運転しない制御の効果を表す特性図。
【図２７】部分効率の閾値Ｗを説明する特性図。
【符号の説明】
１・・・各種指令入力手段
２・・・電力需要計測手段
３・・・給湯需要計測手段
４・・・室温計測手段
５・・・カレンダー機能
６・・・計時手段
７・・・温水貯湯量計測手段
８・・・記憶手段
１０・・・制御モード選択手段
１１・・・水素製造手段
１２・・・セルスタック
１００・・電力需要予測手段
１０２・・・自己回帰モデル作成手段
１０４・・・平均値演算手段
１０６・・・定時起動制御手段
Ａ・・・制御手段
Ｂ・・・燃料電池[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a cogeneration apparatus such as a fuel cell apparatus and an improvement of an operation control method thereof.
[0002]
[Prior art]
In order to operate the fuel cell more effectively, the predicted values of hot water supply demand and power demand are obtained in advance.
The calculation is made based on the predicted value, and commands such as what time to start and how many watts to generate power are issued. Thus, the effective utilization rate of energy is improving by calculating | requiring the predicted value of hot-water supply demand and electric power demand in advance, and performing operation control of a fuel cell according to the predicted value.
[0003]
If the daily load pattern of the demand itself is relatively consistent with the predicted value of hot water supply demand and power demand, prediction can be made with only the measured value, but to increase the prediction accuracy, the power demand and hot water demand will be affected. Large parameters are also measured and stored in the memory in the fuel cell device to create a database. In this way, the predicted value is calculated from the data extracted from the database.
[0004]
As an example of the database, data as shown in FIG. 22, that is, data in increments of 1 minute, such as date, season, temperature, power consumption, hot water consumption, humidity, and the absence or presence of people, is continuously recorded. Accumulated in storage means (database) in the generation device.
However, such a continuous accumulation of various data in the storage means (database) in the cogeneration apparatus means that the operation time of the cogeneration apparatus is long even if the interval in 1 minute increments is slightly increased. Accordingly, the storage capacity of the storage means necessary for control becomes enormous, leading to an increase in cost.
[0005]
In order to prevent the required storage capacity from becoming enormous, it is necessary to reduce the amount of information (data amount) to be stored.
In addition, if the amount of data in the memory is large, it takes time to search and it becomes difficult to predict demand quickly. Therefore, in order to save memory, the amount of data or information in the memory must be suppressed. I must.
[0006]
However, in the conventional technology, when the cogeneration apparatus is operated, the amount of data necessary for control is not suppressed, or the storage capacity of the storage unit is not suppressed.
[0007]
FIG. 23 shows an example of the control of the conventional cogeneration apparatus. The control creates a database with the data measurement value D in step SJ1. In the next step SJ2, the control means determines whether one week has passed or not. If not (N in step SJ2), the control unit returns to step SJ1, and if one week has passed (Y in step SJ2). ) Proceeds to step SJ3.
However, at the time of “start”, the cogeneration apparatus is in a so-called “new” state, and no data is accumulated in the database. Therefore, automatic operation of the cogeneration apparatus is difficult.
[0008]
Here, since the basic unit of the living pattern of modern people is “week”, it is necessary to accumulate at least one week of data in order to obtain a predicted value. However, after the introduction, there is no accumulation of data for each day of the week for the first week, and automatic operation cannot be performed, so complicated manual input operations must be performed.
In particular, when the cogeneration device is assumed to be used by a general user, such as a household fuel cell, the necessity of complicated manual input operation at the initial stage of introduction is a major obstacle to the spread of the device.
In other words, in the prior art, although there is a strong demand for automating even a new fuel cell device, no actual measures have been taken against this demand.
[0009]
Other conventional technologies (refer to Patent Document 1 is a technology for predicting the power demand for air conditioning, and the demand forecast is made using pseudo data until 60 days have passed since the operation of a so-called “new” device. Techniques to do are disclosed.
However, the technique of Patent Document 1 assumes power demand prediction for business use and buildings, and is premised on air conditioning of buildings and the like that can easily generate similar data from the floor area and the like. . For this reason, it is difficult to apply to home air conditioning for which it is difficult to obtain similar data at individual installation locations (homes) and control of a cogeneration system related to total power demand.
In other words, since it is difficult to obtain similar data in advance for home air-conditioning equipment and further for all power demand, the creation of pseudo data itself is not possible for home use. Therefore, the technique of Patent Document 1 is difficult to apply to household equipment.
[0010]
Still another conventional technique (see Patent Document 2) discloses a technique for performing control based on an energy demand database.
However, in the technique of Patent Document 2, control is performed on the assumption that the monthly demands are all the same in each month. For this reason, control is performed such that all control parameters from the first day to the end of the same month are the same, and the prediction accuracy is lowered.
In addition, there is a problem that demand cannot be predicted until one year has passed after the operation of the apparatus.
In addition, another conventional technique (see Patent Document 3) discloses a technique for performing control based on an energy demand database.
However, the technique of Patent Document 3 discloses only the stage after the database is created, and does not disclose anything about the technique before the database is completed.
In addition, no countermeasures are disclosed in terms of preventing a situation in which the amount of data increases and the storage capacity becomes insufficient after the operation of the apparatus.
[0011]
[Patent Document 1]
JP-A-9-264586
[Patent Document 2]
JP 2001-295700 A
[Patent Document 3]
JP 60-102822 A
[0012]
[Problems to be solved by the invention]
The present invention has been proposed in view of the above-described problems of the prior art, and can be automatically operated even when a new database is not sufficiently formed, and the amount of data (information amount) to be stored is increased. An object of the present invention is to provide a cogeneration apparatus and a control method thereof that can prevent the situation from being excessively performed and that are suitable for use in a general household.
[0013]
[Means for Solving the Problems]
The cogeneration apparatus of the present invention (for example, a household fuel cell apparatus) is a measuring unit (for example, a power demand measuring unit 2) that measures a parameter required to obtain a predicted power demand value and / or a predicted hot water demand value. A hot water supply demand measuring means 3, a room temperature measuring means 4, a calendar function 5, a timer function 6, a hot water storage amount (heat storage amount) measuring means 7), and a control means (control device A) are provided. Storage means (8) for storing parameters measured by the means to create a database, scheduled operation control means (106), autoregressive model creation means (102), average value calculation means (104), prediction Means (110), and before the first set period (for example, 1 day or 24 hours) elapses after the cogeneration system is operated, the scheduled operation control means (106) Auto-regressive model creation means (102) for power demand before a second set period (for example, 2-7 days) elapses after the cogeneration system is operated after performing a scheduled operation (start, stop, etc.) according to a fixed time The auto-regression model is created by the above, the predicted value is obtained, and the hot water supply demand is obtained by obtaining the predicted value from the average value after the cogeneration apparatus is operated by the average value calculating means (104), and the operation control is performed. After the elapse of time, the electric power demand prediction value and / or the hot water supply demand prediction value is obtained by case-based reasoning based on the database (in the storage means 8), and the operation control is performed (claimed) Item 1).
[0014]
Moreover, the control method of the cogeneration apparatus of this invention is a measurement process (SA2, SB2, SC2) which measures the parameter required in order to obtain an electric power demand prediction value and / or a hot-water supply demand prediction value, and the measured parameter. A storage step (SA3, SB3, SC3) for storing (in the storage means 8) and creating a database, and before the first set period (for example, one day or 24 hours) elapses after the cogeneration apparatus is operated (on time) A scheduled operation step (SA5, SB5, SC5) for performing a scheduled operation (start, stop, etc.) according to a set time (stored in the operation control means), and a second set period (for example, 2 days to (7 days) before the elapse of the power demand (by the autoregressive model creation means 102) to create an autoregressive model and obtain a predicted value For hot water supply demand (by the average value calculation means 104), after obtaining the predicted value from the average value after the cogeneration apparatus is operated and performing operation control (SA6, SB6, SC6), and after the second set period has elapsed And a step (SA9, SB9, SC9) of performing operation control by obtaining a power demand prediction value and / or a hot water supply demand prediction value by case-based reasoning based on a database (in the storage means 8). (Claim 3).
[0015]
According to the present invention having the above-described configuration, the system is started at the set time only before the first set period (for example, one day or 24 hours) elapses after the cogeneration apparatus is operated.
Statistically, the highest demand for hot water in any household is between 8am and 11am at night unless it is absent on the day. Therefore, for example, at 9 pm at night, the start-up time is calculated by back-calculating from the measured data of the power generation efficiency and exhaust heat efficiency of the fuel cell acquired in advance at the factory etc. so that the hot water tank is full. Even if it is activated (for example, at 2 pm), it is unlikely that a large error will occur.
[0016]
In the stage before the second set period elapses after the first set period elapses (for example, 2 to 7 days after the operation of the device), the following autoregressive model equation (1) ( Conventionally known: In the case of one dimension, the unknown power of the equation is obtained by solving the M-ary simultaneous linear equations with a determinant), and the electric power demand predicted value is obtained to perform operation control.
Figure 0003894892
(In the case of one dimension. A (m) is an autoregressive coefficient, ε (n) is a white noise sequence, X (nm) is a past value, and M is the model order.)
If about one day has passed after the operation, the autoregressive model formula can be obtained. If it is a period of about one week, even if it predicts with the autoregressive model formula about the electric power demand for about one hour ahead of one day, there is little failure.
[0017]
On the other hand, it is almost impossible to fit the auto-regression model formula for hot water supply demand in which the demand zero time is overwhelmingly large and a sudden peak demand occurs.
Here, regarding the hot water supply demand, the difference between households is very large. On the other hand, in the same household, the hot water consumption pattern (hot water supply demand characteristic) is often close to a unified state. For example, the correlation between the day of the week and hot water demand is often not large. For example, there are relatively few cases of changing bathing time because it is a holiday.
Therefore, about hot water supply demand, the average value for every time after apparatus operation is calculated | required, hot water supply demand is estimated, and operation control is performed based on the said predicted value. As described above, since there are many households whose hot water supply demand characteristics are substantially unified, it is considered that a reasonable prediction accuracy can be obtained even if the demand is predicted from the average value at the same time, and no major problem occurs.
Since there is a large correlation between hot water demand and temperature, the average hot water demand forecast value is calculated from the average temperature so far and the predicted temperature.
(Predicted hot water supply value) x (Temperature / Average temperature until forecast)
It may be corrected as follows.
[0018]
Then, after the second set period has elapsed, the minimum data necessary for performing the case-based reasoning is accumulated. Therefore, the demand-predicted value is obtained by performing the case-based reasoning and the operation control may be performed.
[0019]
Thus, according to the present invention, for example, immediately after the apparatus is operated from a so-called “new” state, even in a state before the minimum data necessary for performing case-based reasoning is accumulated. Therefore, it is possible to provide a cogeneration apparatus and a control method that do not place a burden on a general user as a general household device and do not cause a fatal inconvenience.
[0020]
Alternatively, the cogeneration apparatus of the present invention (for example, a household fuel cell apparatus) is a measuring unit (for example, a power demand measuring unit) that measures parameters required to obtain a predicted power demand value and / or a predicted hot water demand value. 2, hot water supply demand measuring means 3, room temperature and the like measuring means 4, calendar function 5, timer function 6, hot water hot water storage amount measuring means 7), and control means (control device A). The storage means (8) for storing the measured parameters and creating a database is provided, and the power demand prediction value and / or the hot water supply demand prediction value is obtained by case-based reasoning based on the database (in the storage means 8). When the first set period (α, β, 1 year) elapses, a part (one or a plurality of parameters) of the parameters (including the period parameters) is obtained. When the second set period (several days, γ, 1 day) has elapsed since the parameter was deleted, or the first set period has elapsed. The parameter is deleted), the prediction accuracy (accuracy for each time or for each third setting period) is determined, whether or not the prediction accuracy is equal to or greater than a set threshold, and the prediction accuracy is set When the value is equal to or greater than the threshold value, the parameter deletion process and the determination affirmative control are repeatedly performed (Claim 2).
[0021]
Furthermore, the control method of the cogeneration apparatus according to the present invention includes a measurement process (SA2, SB2, SC2) for measuring parameters required to obtain a predicted power demand value and / or a predicted hot water supply demand value, and a measured parameter ( A storage step of storing in the storage unit 8 to create a database, and a step of performing operation control by obtaining a power demand prediction value and / or a hot water supply demand prediction value by case-based reasoning based on the database (in the storage unit 8) (SA9, SB9, SC9) and one part (one or a plurality of parameters) of the parameters (including the parameters of the period) are measured when the first set period (α, β, 1 year) has elapsed. The parameter deletion step (SA12, SB12, SC12) to be deleted from the target, and the parameter deletion step (SA12, SB12, SC12) (for example, parameters) Prediction accuracy (every time or first) when the second set period (several days, γ, 1 day) has elapsed since the data deletion step, or when the first set period has elapsed and the parameter has been deleted 3), and a determination step (SA13, SB13, SC13) for determining whether or not the prediction accuracy is equal to or higher than a set threshold value, and the prediction accuracy is equal to or higher than the set threshold value. If it is, the parameter deletion step (SA12, SB12) and the determination affirmation (SA13, SB13, SC13) are repeated (claim 4).
[0022]
According to the present invention having such a configuration, after the set period, various parameters or measurement values to be stored in a database used for obtaining a predicted value are reviewed. For example, even if the humidity is removed from the database, if the prediction accuracy can maintain the threshold value or more, the humidity data is deleted from the database, and thereafter the humidity data is not measured.
The period of measurement data is the same way of thinking. If it turns out that accuracy over the threshold can be obtained in one week after measuring data for one month, the required period is only “week”, and “month” or “ Parameters such as “day” may be deleted. In this way, if the lifestyle pattern is very regular depending on the household, prediction is realized only on demand data of electric power and hot water supply for each week (every day of the week), and correlation with electric power and hot water demand for each household. Sex parameters can be selected automatically.
If the parameters do not affect the prediction accuracy, there is no need to measure and store them, and if the data relating to such parameters is deleted from the database or storage means (8), the accumulated data capacity will increase. The harmful effect of being too much can be avoided.
[0023]
In the implementation of the present invention, if the prediction accuracy after deleting a parameter falls below a set threshold, it can be determined that the deleted parameter is an indispensable parameter for accurate prediction. (Means) to be stored and accumulated. And it is preferable to comprise so that other parameters may be deleted and it may be judged whether prediction accuracy is more than a setting threshold value.
[0024]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below with reference to the accompanying drawings.
In the illustrated embodiment, a household fuel cell device is shown as a cogeneration device.
[0025]
The first embodiment will be described with reference to FIGS. 1 and 2.
FIG. 1 shows a household fuel cell device as a block diagram when performing automatic operation.
[0026]
In FIG. 1, the entire apparatus includes, for example, various command input means 1 for inputting various commands ranging from start / stop to mode selection and the like, power demand measuring means 2 for measuring power demand, that is, power consumption, Hot water supply demand measurement means 3 for measuring demand, that is, hot water (hot water) usage, room temperature or other measurement means 4 for measuring room temperature or temperature (room temperature, etc .: information on room temperature) (or water temperature), and calendar for seasonal / date data, etc. A function (calendar function) 5 having a function, a timer function 6 that is a time measuring means, a current hot water storage amount measuring means 7, a control device (control means) A, a fuel cell device B, and an external load 13 It is configured.
[0027]
The control device A has storage means 8 for storing the current measured values and past numerical values of power demand data, hot water demand data, room temperature data, season / date data, and prediction for predicting power demand and / or hot water demand. A means 100; a control mode (control method) selection means 10; an autoregressive model creation means 102; an average value calculation means 104; a scheduled activation control unit 106; and a prediction accuracy judgment means 110. Yes.
The fuel cell apparatus B includes a hydrogen production means 11 such as a reformer and a cell stack 12.
[0028]
Here, in FIG. 1, only room temperature data is displayed, and temperature data is not displayed. It is not only the temperature that is directly related to the power demand or hot water supply demand, but also the indoor or indoor temperature where the user lives, and the temperature varies depending on the location of the measuring means due to the sunshine position etc. Whereas the room temperature is small, the difference between the measurement locations is small except in the air-conditioned room, and the room temperature measurement means is less restricted by the installation of the remote control switch than the temperature measurement means. This is based on reasons such as
However, the reasons described above are not dominant. Therefore, it is possible to use the temperature or water temperature as a control parameter instead of room temperature. In particular, since the water temperature is an indispensable item for measuring the amount of hot water supply, there is an advantage that it is not necessary to install a new thermocouple or the like for measuring room temperature or temperature.
[0029]
In the control mode selection means 10, the user selects a control mode or performs automatic selection. Here, in automatic selection, the amount of gas used and the amount of power are calculated once a day from the forecast data 24 hours ahead by the method described later, and the gas and electricity charges are calculated from the charge table with the minimum number of shutdowns. Calculate and choose the method that will be the cheapest. Alternatively, the most advantageous one in terms of environment such as the amount of primary energy calculated from the amount of gas used and the amount of electric power and the amount of CO2 emission is selected.
Control mode selection by the control mode selection means 10 will be described later with reference to FIG.
[0030]
The predicting means 100 includes power demand data from the power demand measuring means 2, hot water demand data from the hot water demand measuring means 3, room temperature data from the measuring means 4 such as room temperature, and season / date data from the calendar function 5. From the past power demand data, hot water demand data, and room temperature data (past case data) stored in the storage means 8, the so-called “case-based reasoning” method is used to determine the power demand and / or hot water demand. Calculate the predicted value.
[0031]
When using case-based reasoning, a large number of cases are stored in a memory (storage means 8), and the stored cases are extracted when there are similar cases with the situation at the time of prediction.
If there is no similar case, the case that is closest to the similar case is selected from the stored cases. At this time, it is possible to perform more accurate prediction by adding data of a portion having no similar data or performing learning to rewrite data sequentially to the latest case.
Specifically, for example, first, the classification is made by day of the week, and the prediction after 24 hours from midnight on Saturday (for example, the correlation between power demand and day of the week, time zone, weather and temperature or water temperature, etc.) is 1 minute. When performing every time, data most similar to the state at the time of prediction (day of the week, time, temperature, hot water demand, etc.) is selected from the database of current values before 24 hours and at that time, and set as a predicted value. In the case of power demand after 24 hours, the correlation is often high in the order of power demand before 24 hours, time, day of week, temperature (water temperature) before 24 hours, hot water supply before 24 hours, and the database is searched in this order. . In the case of demand for hot water supply after 24 hours, the correlation is often high in the order of hot water supply for 24 hours, air temperature (water temperature) for 24 hours, time, and power for 24 hours.
In this way, for the prediction after 24 hours, if the data of the current value before 24 hours and the current value is stored every minute for about one week every day of the week, the next day fuel cell operation Electricity demand and / or hot water supply demand necessary for performing the prediction is accumulated, and by further accumulating and learning data, utilization of similar examples with high accuracy 24 hours ahead is possible. It becomes possible.
In addition, depending on the house where demand is patterned to some extent, sufficient prediction accuracy can be obtained even if only electric power demand (only hot water supply demand) or electric power demand (hot water supply demand) + time, + day of week is used as a parameter. You don't have to make everything a database.
[0032]
Here, as described above, when the fuel cell B is “new”, the accumulation necessary for calculating the predicted value for the power demand and / or the hot water supply demand using the “case-based reasoning” method. No data has been created.
The auto-regressive model creation means 102, the average value calculation means 104, and the scheduled activation control means 106 deal with this.
[0033]
That is, when the fuel cell B is “new” and no measurement data is stored in the storage unit 8 (the state on the first operation day of the fuel cell B), the general control stored in advance in the scheduled activation control unit 106 is performed. The start-up of the fuel cell B is controlled according to the program.
Then, if one day has passed since the operation, it is possible to calculate a continuous formula and an average value of various measurement data using the autoregressive model. Therefore, the autoregressive model creating means 102 uses the autoregressive model (formula). A predicted value of power demand (for example, an average power demand value for every hour) is calculated, and the average value calculation means 104 uses hot water supply demand after operation (in some cases, an average value of other various measurement data) to supply hot water. Calculate the demand forecast. (For patterned houses, power demand may be predicted using the average value of power demand as in the case of hot water supply demand.)
Controls by the autoregressive model creation unit 102, the average value calculation unit 104, and the scheduled activation control unit 106 will be described later.
[0034]
Next, the control in the first embodiment will be described with reference to FIG.
Only on the first day, the fuel cell B is activated at a set time according to a general control program stored in advance in the scheduled activation control means 106 (step SA1).
Specifically, in many homes, hot water supply demand peaks between about 8 o'clock and 11 o'clock at night, so for example, so that the hot water tank is full at 9 o'clock at night (night The starting time (for example, 2:00 pm) is calculated by performing a reverse calculation.
[0035]
Even if it is started at the set time (in accordance with a general control program stored in advance in the scheduled start control means 106), it is considered that no fatal failure or large error occurs. Therefore, there is no problem even if the startup of the fuel cell B is controlled by the scheduled startup control means 106 for only the first day after the operation of the fuel cell B.
[0036]
Here, immediately after the start of the fuel cell B, measurement of various parameters is started (step SA2). Even when the operation control is performed in accordance with a general control program stored in advance in the scheduled activation control means 106 on the first day after the fuel cell device is operated, various parameters are measured and databased (step SA3). proceed.
As many parameters as possible (e.g., various parameters displayed in FIG. 22) assumed from other households' predicted results are stored in a database.
[0037]
In step SA4, the control means A determines whether one day has passed, and until it has passed (NO in step SA4), the regular operation control (SA5) is performed, and if one day has passed (YES in step SA4), step SA6. Proceed to
[0038]
In step SA6, for the 2nd to 7th days after the operation of the fuel cell B, for the power demand, the autoregressive model creating means 102 calculates the predicted value of the power demand using the autoregressive model (formula). The autoregressive model equation is a conventionally known one that can be expressed by the above-described equation (1). By solving the determinant, a predicted value of power demand (for example, an average value for every hour) can be obtained.
At this time, if the model formula derived first is applied up to the seventh day, the error is large. For example, it is desirable to derive the autoregressive model formula again every day.
As described above, even if the power demand is predicted by the autoregressive model formula, it does not cause a major failure or a situation where the control is diverged.
[0039]
On the other hand, it is almost impossible to fit hot water demand into the autoregressive model formula.
For power that is always consumed, such as electric power, the amount of demand is not zero, and the amount of demand is continuous (continuous analog amount), its characteristic curve (characteristic of power demand) (Curve) can be approximated by the mathematical expression such as the above-described formula (1), and thus it is possible to fit the power demand amount to the autoregressive model (formula).
On the other hand, the hot water demand is overwhelmingly long, and a demand peak occurs once. It is difficult to fit hot water demand having such characteristics to an autoregressive model (formula).
That is, it is almost impossible to approximate a single peak that occurs like a characteristic line indicating the amount of hot water supply by a continuous method.
[0040]
Here, the difference in the hot water supply is very large between households, but on the other hand, in the same household, the pattern (the characteristic line of the hot water supply amount) is close to a single state. For example, the correlation between the day of the week and the demand for hot water supply is not large (it is relatively rare to change the bathing time because it is a holiday).
Therefore, even if the average value calculation means 104 predicts the hot water supply demand using the average value of hot water supply demand after the operation of the fuel cell B at the same time (may be corrected based on other measurement data), Can be predicted with high accuracy.
[0041]
After the operation of the fuel cell B, data is measured every moment (step SA7), and the data is added to the database in the storage means 8, and if 7 days have passed (YES in step SA8), prediction is performed by case-based reasoning. Therefore, after that, the process shifts to case-based reasoning, and both hot water supply demand and power demand are predicted from the case data (step SA9).
[0042]
In this way, even when the fuel cell B is in a so-called “new” state and there is no accumulation of data necessary for performing case-based reasoning, automatic control can be performed after the fuel cell is operated. When one week or more elapses, various measurement data are accumulated in the database, and power demand prediction and hot water supply demand prediction by case-based reasoning are possible.
That is, in FIG. 2, the control upstream of the NO loop in steps SA10 and SA11 (upper side in the flowchart) is data necessary for performing case-based reasoning in a state where the fuel cell B is so-called “new”. Even when there is no accumulation, control for suitably automatically controlling the fuel cell B is shown.
[0043]
Even after the case-based reasoning becomes possible, various parameters are measured and stored in the storage unit 8, so that a large amount of data is accumulated in the storage unit 8 and the problem of insufficient capacity appears.
[0044]
On the other hand, after the set period shown in step SA11 of FIG. 2 has elapsed (YES in SA11), the prediction is reviewed by the database to cope with the increase in the data amount.
[0045]
That is, in step SA12, a parameter (for example, humidity) that is unlikely to affect the prediction accuracy is derived, for example, from a measured value obtained so far every day for a correlation value with respect to power to be predicted or hot water supply demand, The values are deleted from the measurement target in ascending order.
Alternatively, if the necessary period as a parameter is enough for a week, the data for each day of the week is classified, and the classification such as the month and the day is deleted.
[0046]
In step SA12, for example, it is determined in step SA13 whether or not the prediction accuracy can be maintained above the threshold even if the humidity is removed from the database. If the prediction accuracy can be maintained above the threshold (YES in step SA13), the humidity data is deleted from the database, and thereafter the humidity data is not measured (step SA14).
Here, regarding the prediction accuracy, the term “| predicted value−actual value | / actual value” indicates the predictive accuracy in the formula with reference to the formula of step SA13.
The expression of step SA13 is an inequality that indicates whether or not the prediction accuracy exceeds the threshold as a whole.
[0047]
In this state, until a predetermined period (for example, a period in which an element such as temperature in the same season does not change significantly, for example, January) elapses, in step SA12, after the necessary period or the predetermined period elapses, the process returns to step SA6 and repeats thereafter ( (Not shown in FIG. 2).
In step SA14, the operation of the fuel cell B is continued with the parameters deleted.
[0048]
If the prediction accuracy does not exceed the threshold value (YES in step SA13), it is clear that the deleted parameter does not affect the prediction accuracy (even if it is not measured and stored in the storage unit 8). . Therefore, thereafter, the deleted parameter (or necessary period) is not measured, and the measurement accuracy is not affected even if the measurement data is not stored in the database. Since the data to be measured and the data to be stored are deleted, the number of data to be stored in the storage unit 8 is reduced.
If the required period is weekly (month and day records are not acquired), the data is classified according to the day of the week and classified according to the time. Is not rewritten, and if it is outside the allowable range, the data is rewritten, or an average value or a smooth value with the previous value is taken (with learning). If “no learning”, the previous value is maintained.
In this way, the problem of the storage capacity of the storage means 8 can be solved.
[0049]
If the prediction accuracy is equal to or higher than the threshold (NO in step SA13), the deleted parameter (or a necessary period such as month, day) is restored (step SA15), and step SA12 and subsequent steps are repeated.
[0050]
The second embodiment will be described with reference to FIGS. 3 and 4.
The second embodiment shown in FIGS. 3 and 4 is the same as the first embodiment shown in FIGS. 1 and 2 in the configuration of the fuel cell B, but the control mode is different.
[0051]
The flow of control will be described along the flowcharts of FIGS. FIG. 3 and FIG. 4 are originally described as one sheet, but since they are obscured due to the scale relationship, they are displayed separately in two sheets.
When the same control as in the first embodiment shown in FIG. 2 is performed and a season (for example, summer) having a span longer than the predetermined period X (for example, January) in step SA14 in FIG. 2 has elapsed. The parameter deletion and the examination as to whether the prediction accuracy for each time or for each set period does not fall below the threshold are repeated. Thereby, the parameter which should be measured decreases for every season.
[0052]
A control flow after step SB15 corresponding to step SA14 in FIG. 2 will be described in detail.
In step SB15 of FIG. 3, the control means A calculates a predicted value for each period (season), for example, using a necessary period (for example, month) or a database in which humidity is reduced by a parameter, for example.
On the other hand, for example, new data excluding humidity is measured (step SB16), and such control is repeated until the summer, which is the set period, elapses. When the summer period, which is the set period γ, has passed (YES in step SB17), the measured values and predicted values from the previous day to several days before when the necessary period or necessary parameter in the database is maintained and when one stage is reduced are calculated. (Step SB18 in FIG. 4).
[0053]
Then, in step SB19, the control means A has a ratio of a value obtained by subtracting the actual value from the predicted value to the previous day (up to several days) with respect to the actual value, that is, the prediction accuracy for each time or set period is less than the threshold value. It is determined whether or not there is.
If the prediction accuracy does not exceed the threshold value (YES in step SB19), in step S21 and subsequent steps, a predicted value is calculated using a database in which the necessary period or parameter is reduced for each period γ, as in step SB16 and subsequent steps.
Thereafter, the same predicted value calculation is repeated for each period (season).
[0054]
If the prediction accuracy for each time or set period is equal to or less than the set threshold value in step SB19, the parameter deleted in step SB20 is restored, and step SB18 and subsequent steps are repeated.
[0055]
Other configurations and operational effects are the same as those of the embodiment of FIGS.
[0056]
Next, a third embodiment will be described with reference to FIGS.
The storage means 8 has a capacity capable of storing the measurement results of all parameters for a maximum of one year.
In the second embodiment of FIGS. 3 and 4, parameters that do not affect the prediction accuracy are deleted for each season, but in the third embodiment of FIGS. 5 and 6, the same day and the same time one year ago. Are all deleted from the storage means 8.
Alternatively, the measurement data of the parameter on the same day and the same time one year ago and the measurement data of the parameter at the present time are averaged (or smoothed) (steps SC17 and SC21) and stored in the storage unit 8.
[0057]
In this way, all the measurement data of one year ago is automatically deleted or stored as an average value with the data at the time of measurement. Accordingly, the storage capacity of the storage unit 8 may be a capacity necessary for storing the measurement results for one year.
[0058]
Other configurations and operational effects are the same as those of the embodiment of FIGS.
[0059]
Next, with reference to FIGS. 7 to 11, a mode of controlling the operation of the fuel cell device using the power prediction result and the hot water supply prediction result according to each embodiment of FIGS. 1 to 4 will be described.
[0060]
FIG. 7 shows the overall configuration of the cogeneration apparatus including the fuel cell B in which operation control is performed using the power prediction result and the hot water supply prediction result.
In FIG. 7, the cogeneration apparatus is stored in a fuel cell B (or a gas engine or the like) that is a power generation apparatus, a hot water storage tank 20 that temporarily stores hot water generated during power generation by the power generation apparatus, and the storage tank 20. A backup burner 30 that raises the temperature of the hot water when the hot water is lowered during use, a bathtub 40 that consumes the hot water, a reheating heat exchanger 50 that replenishes the hot water in the bathtub 40, and drainage It is comprised by the tap water source 60 for supplementing the warm water consumed by, and the warm water lines L1-L6 which connect these apparatuses B, 20, 30, 40, 50, 60.
[0061]
The hot water line L1 connecting the hot water storage tank 20 to the hot water storage tank 20 branches the branch line L6 at the first branch point Y1, and the branch line L6 is, for example, when the temperature of hot water stretched on the bathtub is too high or when the hot water storage tank 20 Is provided to add tap water to the bathtub to dilute hot water when the hot water temperature in line L5 from is too high. A first temperature sensor (thermocouple) T1 and a first flow meter F1 are interposed on the upstream side of the first branch point Y1 of the hot water line L1. The tap water flowing out of the hot water storage tank 20 and flowing through the inside is heated to high temperature hot water in the fuel cell B, and then returned to the hot water storage tank 20 to the line L2 where the cold water flows into the fuel cell B. On the side where the temperature sensor T2 is discharged from the fuel cell B, a third temperature sensor T3 and a second flow meter F2 are interposed.
[0062]
In the hot water storage tank 20, temperature sensors T <b> 4 to T <b> 8 are installed in five locations in the illustrated example in order from a shallow region (the temperature of the hot water is high) to a deep region (the temperature of the hot water is low).
[0063]
The line L3 discharged from the hot water storage tank 20 and passing through the backup burner 30 branches into a line L4 passing through the heat exchanger 50 for reheating the bathtub 40 and a line L5 supplying hot water to the bathtub at the second branch point Y2. is doing.
A third flow meter F3 is interposed in the region between the hot water storage tank 20 and the backup burner 30 in the line L3.
In a region between the second branch point Y2 of the line L4 and the reheating heat exchanger 50, the fourth flow meter F4 and the ninth temperature sensor T9 are provided with the reheating heat exchanger 50 and the hot water storage tank 20. A tenth temperature sensor T10 is interposed in each of the regions in between.
The line L5 is provided with a joining point G for joining the line L6, and a fifth flow meter F5 and an eleventh temperature sensor T11 are interposed between the joining point G and the hot water supply tap 70. .
[0064]
In the cogeneration apparatus described above, the tap water supplied from the tap water source 60 flows into the low temperature layer of the hot water storage tank 20 at one end (however, L1 and L2 are connected so as to go directly to the fuel cell B without flowing in). Sometimes). In order to further perform heat exchange in the fuel cell B from the low temperature layer, it flows into the fuel cell B through the line L2, and is heated to hot water by collecting the exhaust heat, and is returned to the hot water storage tank 20 again. Hot water is stored in the hot water storage tank 20).
[0065]
For example, when it is desired to supply hot water to the bathtub 40 and the temperature of hot water discharged from the hot water storage tank 20 is moderately adjusted, the hot water flowing through the line L4 from the line L3 does not operate the backup burner 30, and the line L5 is used as it is. Hot water is supplied to the bathtub 40 via
[0066]
When the hot water supply temperature is not sufficient, the backup burner 30 operates to heat the line L3 and raise the hot water supply temperature.
Alternatively, the temperature of the hot water in the bathtub 40 once hot water for bathing falls with the passage of time, and the temperature of the hot water in the bathtub 40 is not sufficient when the next person takes a bath. If this happens, the hot water temperature is raised by the backup burner 30 and the hot water that has become hot flows through the line L4 and passes through the reheating heat exchanger 50, thereby exchanging heat with hot water in the bathtub 40. Let the temperature of the hot water in the bathtub rise.
[0067]
On the other hand, when the temperature of the hot water supplied to the bathtub 40 is too high, the tap water is mixed with the hot water of the line L5 at the junction point G or less via the line L6 to adjust the hot water to a moderate level. You can also.
[0068]
When the fuel cell B described in FIG. 7 is operated, various data are transmitted in the procedure as shown in FIG. In other words, FIG. 8 shows details of operation control of the fuel cell device B after obtaining predicted values of power demand and hot water supply demand using any of the embodiments of FIGS. The hot water supply demand (amount of heat) is obtained by multiplying the tap water temperature T11 from the faucet by the water temperature T1 and the flow rate F5 (the follow-up demand is obtained by the formula (T9-T10) × F4). .
[0069]
In FIG. 8, the input variable C1 such as date, day of the week / holiday, temperature (room temperature), humidity, absence of people, electric power demand, hot water demand, etc., and output variables (prediction of electric power demand C21 and / or hot water demand C22) Target) C2 is input to the database recording unit C31 of the control means A including the database recording unit C31, the input variable C32, and the prediction unit C33, and the prediction unit C33 calculates the predicted value C4. When the predicted value C4 is obtained, the cogeneration apparatus is operated according to the control logic of FIGS. 9 to 11 described above according to the predicted value C4.
[0070]
As a control process by the database in the control means A, the data input D2 newly added to the past database D1 adds (learns) data and / or deletes unnecessary data in the database recording unit C31 ( D3), using a similar case search (specifically, a least square method or the like) (D4), it is configured to output a predicted value of power demand and / or hot water demand.
[0071]
In FIG. 8, when predicted values of power demand and hot water supply demand are transmitted to the control logic, control as shown in FIGS. 9 and 10 is performed. That is, the time and output for starting the fuel cell are determined using the predicted power demand value and the predicted hot water supply demand value.
Here, it is set to stop when the amount of heat accumulated in the hot water storage tank 20 of the fuel cell B reaches a maximum value. In the control of the fuel cell B shown in FIG. 9 and FIG. 10, such a state (a state in which the amount of heat accumulated in the hot water storage tank 20 of the fuel cell B reaches the maximum value) is suppressed as much as possible. , Power generation cost (or energy consumption converted to primary energy or CO 2 (Emission amount) is minimized.
[0072]
Hereinafter, a control method for determining the time to start the fuel cell B will be described in detail with reference to the flowcharts of FIGS. 9 and 10.
[0073]
In FIG. 9, in step SD1, a prediction value calculated by the routines of FIGS. 2 to 4 is prepared, the prediction range is set to, for example, one day ahead on a normal day, and the prediction value is extracted every 15 minutes, for example. (Average value every 15 minutes) (step SD2).
[0074]
In step SD3, when the predicted load is larger than the rated value as the power load, it is regarded as the rated value, and the maximum hot water consumption time (OYU) and the predicted hot water usage (OYUHUKA) at that time are calculated as the hot water supply load.
[0075]
In the next step SD4, the control means A determines whether or not the predicted amount of hot water usage (OYUHUKA) exceeds the threshold value. If the threshold value is not exceeded (NO in step SD4), the load of hot water is small. Therefore, the routine shown in FIG. 12 and FIG. 13 is executed in order to calculate in consideration of the heat radiation of the hot water storage tank.
If the threshold value is exceeded (YES in step SD4), initialization is performed in step SD5 so as to start at a set time Y (for example, 7:00 in the morning if midnight operation is not performed).
[0076]
In step SD6, the hot water storage tank full capacity Q is obtained by the following method. tx Is calculated by the following method. Here, in this specification, the “full tank capacity” means the amount of heat in a state where no more heat can be input into the tank.
That is, the full tank capacity (heat amount) Q of the hot water storage tank is obtained by multiplying the value obtained by subtracting the measured water temperature from the exhaust heat temperature by the tank capacity and constant. tx Calculate as
As a calculation example, for example, if the exhaust heat temperature is 60 ° C., the water temperature is 20 ° C., and the tank capacity V is 200 L, the full tank capacity (heat amount) Q of the hot water storage tank tx Is 8000 Kcal.
This “Q tx "Is not always stored by the capacity, so it may be multiplied by a separately tested correction coefficient.
[0077]
In the next step SD7, the capacity (heat storage amount) Q of the hot water storage tank from the start setting time Y to the maximum consumption time OYU. t1 Is calculated by the following method.
That is, the capacity of the hot water storage tank (hot water storage amount: heat amount) Q from the start time Y to the maximum consumption time OYU Q t1 Is obtained by adding the product of the predicted power value and the suppression rate to the current heat storage amount (when the temperature T4≈T1 is reached, assuming that the heat storage amount is zero, and adding the exhaust heat amount obtained from the measured power generation value sequentially) at the rated output. 860/60 (in the case of every minute) and a value multiplied by the ratio of the exhaust heat efficiency to the power generation efficiency, and after adding the energy recovery from start-up to power generation (warm water by exhaust heat recovery), the predicted hot water Calculated as the value of consumption reduced.
If the output rises and falls frequently following the power load, especially when it rises, the reformer may require more fuel (city gas, etc.), so add that amount to calculate. It is better to consider that.
[0078]
In the next step SD8, the hot water storage tank capacity (hot water storage amount: heat amount) Q from the start-up time Y determined in step SD7 to the maximum consumption time OYU Q t1 And tank full capacity Q obtained at step SD6 tx Q t1 ≧ Q tx It is determined whether the number of times is equal to or greater than a set value (for example, twice) or less than a set value (for example, once).
Q t1 ≧ Q tx If the number of times is equal to or greater than a set value (for example, 2 times), the process proceeds to step SD9, and if it is equal to or less than the set value (for example, 1 time), the process proceeds to step SD25.
In step SD9, the time when the tank is full, which is the result calculated in steps SD7 and SD8, is stored as X. However, when (X-OYU) is positive, X becomes X at the time after OYU. Therefore, the calculation range is extended to the time when the X becomes X, and the calculation is performed under the signs “A” below FIG. 9 and above FIG. As shown in FIG. 10, the process proceeds to step SD10 shown in FIG.
[0079]
In step SD10 of FIG. 10, the control means A determines whether the value obtained by subtracting the maximum hot water consumption time (OYU) from the time X when the tank is full is positive or negative. If negative, the process proceeds to step SD12.
[0080]
In step SD11, the value obtained by subtracting the maximum hot water consumption time (OYU) from the time when the tank is full (X) (that is, the elapsed time from the maximum hot water consumption time until the tank is full) exceeds a threshold (for example, 1 hour). Judge whether or not.
If the threshold value is not exceeded (NO in step SD11), that is, if the hot water supply load peak is earlier than the full tank, hot water is lost in the hot water storage tank at the hot water supply load peak, and a situation in which the backup burner works a lot is expected. In order to deal with this, recalculation is performed in advance in the start setting time (for example, every hour) in step SD13, and the process proceeds to step SD15.
If the threshold value is exceeded (YES in step SD11), the process proceeds to step SD16.
In step SD12, the value obtained by subtracting the time (X) when the tank is full from the maximum hot water consumption time (OYU) (that is, the elapsed time from the time when the tank is full to the maximum hot water consumption time) is a threshold (for example, 1 hour). Determine whether it has exceeded.
If the threshold is not exceeded (NO in step SD12), that is, if the time from the full tank to the peak time of the hot water supply load is too long, the amount of heat released from the hot water in the tank increases. Then, the start-up setting time is delayed and recalculation is performed, and the process proceeds to step SD15.
If it exceeds the threshold (YES in step SD12), the process proceeds to step SD16.
[0081]
In step SD15, by the same method as that calculated in step SD7, for each case Y ± 1a, 2a, 3a. t1 ′ Is calculated, and the process proceeds to Step SD16.
In step SD16, Q t1 '≧ Q tx Or Q t1 ≧ Q tx The number of times is calculated, and it is determined whether this number is greater than or equal to a set value. If the number of times is less than or equal to the set value, the process proceeds to step SD25. On the other hand, if the number of times is equal to or greater than the set value, the process proceeds to step SD17.
In step SD17, it is determined whether the value of Y exceeds the set time range (for example, whether it exceeds 5 o'clock). If it exceeds the set range, the process proceeds to step SD19, and if not, the process proceeds to step SD18.
In step SD18, the time of Y is further advanced or delayed by “a”, and the process proceeds to step SD10. Thereafter, steps SD10 to SD18 are repeated.
In step SD19, the calculation is performed for all cases of the rating rate and / or the non-rating rate with a suppression rate of 0%, 10%, 20%, 30%, 40%, 50%, 60%, and 70%. Of course, it may be in increments of 5% or 20% instead of 0% to 10%.
Here, when the drop in the partial load efficiency is small with respect to the rated value, a more efficient operation is obtained by multiplying only the rating by the inhibition rate. On the other hand, even when the rated value has a large power generation efficiency, if the partial load efficiency is greatly reduced with respect to the rating, only the non-rated rating is multiplied by the suppression rate, thereby achieving more efficient operation.
[0082]
In step SD20, Q t1 '≧ Q tx Or Q t1 ≧ Q tx If the number is equal to or less than the set value, the process proceeds to step SD21.
In step SD21, Q t1 '≧ Q tx Or Q t1 ≧ Q tx If there are not a plurality of cases (step SD21 is NO), the process proceeds to step SD25. If there are a plurality of cases (step SD21 is YES), the process proceeds to step SD23.
In step SD22, only the case of the minimum number of start / stop times is selected, and the process proceeds to step SD23.
[0083]
In step SD23, for each case, the period from the start of operation to the end of operation is divided at predetermined time intervals, and the power generation load and the power generation amount are obtained by dividing the power generation amount by the power generation efficiency at each divided time and multiplying by a constant 860. A value obtained by dividing the difference by the average efficiency of thermal power plant 0.35 and multiplying by a value obtained by multiplying by a constant 860 is obtained. This calculation formula is a calculation formula for obtaining a primary energy amount for indirectly knowing the power generation cost.
Or, instead of primary energy, CO2 emission amount, NOx emission amount and utility cost are obtained.
[0084]
In step SD24, the smallest one of the values obtained by the calculation in step SD12 is selected. That is, the one with the lowest energy consumption (or CO2 emission, NOx emission, utility cost) is selected, and the power generation operation is performed in step SD25.
[0085]
In the control shown in FIGS. 9 and 10, the control when it is determined that the hot water supply demand (hot water supply load) is very small (when step SD <b> 4 in FIG. 9 is NO) is referred to FIGS. 11 to 13. explain.
In this case, as indicated by the hot water supply demand characteristic line of FIG. 11, hot water remains in the hot water storage tank even after the operation is stopped. Therefore, when considering the effective use of energy, it is necessary to consider how to use the hot water remaining in the hot water storage tank the next morning. In addition, although the time to OYUHUKA of the maximum hot water consumption time was calculated, the time until it reaches a set value (for example, 80%) with respect to the total hot water consumption per day based on the predicted value is calculated as OYUHUKA. It can also be.
[0086]
Hereinafter, control when the hot water supply demand (hot water supply load) is very small will be described with reference to the flowcharts of FIGS. 12 and 13.
[0087]
From NO in step SD4 in FIG. 9, in step SE1 in FIG. 12, the time when the hot water storage tank is emptied is Z, and the maximum consumed hot water supply use time on the next day is YOKUJITOUYU.
It starts at the time of setting (step SE2), and the full tank capacity Q of the hot water storage tank tx Is calculated in the same manner as in FIG. 9 (step SE3).
[0088]
Further, in step SE4, the heat storage amount Q from the start of setting (Y time) to YOKUJITYU. t2 Is obtained by the following method.
That is, the amount of heat storage Q from the time of setting start (Y time) until the maximum consumption hot water use time of the next day t2 Divides the current heat storage amount by multiplying the product of the predicted power value and the suppression rate between Y hour and full tank time X by the rated output and multiplying by the ratio of 860/60 and the exhaust heat efficiency to the power generation efficiency, Furthermore, after adding the energy recovery from start-up to power generation (the amount of hot water generated due to the exhaust heat due to the amount of energy required for starting the fuel cell), the heat dissipation rate in the tank is reduced to the value obtained by reducing the predicted hot water consumption. Multiply to find.
[0089]
In the next step SE5, the heat storage amount Q from the start setting time (Y time) obtained in step SE4 until the tank becomes full. t2 And tank full capacity Q obtained in step SE3 tx Q t2 ≧ Q tx It is determined whether the number of times is equal to or greater than a set value (for example, twice) or less than a set value (for example, once).
Q t2 ≧ Q tx If the number of times is equal to or greater than a set value (for example, 2 times), the process proceeds to step SE6, and if it is equal to or less than the set value (for example, 1 time), the process proceeds to step SE22 (FIG. 13).
In step SE6, the time when the tank is full is stored as X. Here, if the number of times of full tank is a plurality of times, the final full tank time is set.
[0090]
After the process of step SE6, the process of step SE7 in FIG. 13 is performed as indicated by the symbol “B” in the lower part of FIG. 12 and the upper part of FIG. In step SE7, the control means A determines whether the value obtained by subtracting the time X at which the hot water storage tank is finally full from the maximum consumed hot water supply use time of the next day (YOKUJITOUYU) is positive or negative. If positive, the process proceeds to step SE8, and if negative, the process proceeds to step SE9.
[0091]
In step SE8, a value obtained by subtracting a time X at which the hot water storage tank is finally full from the maximum consumption hot water use time of the next day (YOKUJITOUYU) (that is, the most hot water supply of the next day from the time when the tank is finally full). It is determined whether or not the time for storing hot water until the time when a lot of hot water will be used is over a threshold. If the threshold is not exceeded (NO in step SE8), that is, if there is not enough time to reach the hot water supply load peak on the next day, there may be a situation where the amount of hot water that will be required is insufficient. Therefore, in order to cope with this, the start setting time is advanced in step SE10 to perform recalculation, and the process proceeds to step SE12.
If it exceeds the threshold value (YES in step SE8), the process proceeds to step SE12.
In step SE9, it is determined whether or not a value obtained by subtracting a time X at which the hot water storage tank is finally full from a maximum consumption hot water supply use time of the next day (YOKUJITUOYU) exceeds a threshold value.
If it exceeds the threshold value (NO in step SE9), the start setting time is delayed in step SE11, recalculation is performed, and the process proceeds to step SE12.
If the threshold is not exceeded (YES in step SE9), the process proceeds to step SE12.
[0092]
In step SE12, by the same method as that calculated in step SE4, for each case Y ± 1a, 2a, 3a,... t2 ′ Is calculated, and the process proceeds to Step SE13.
In step SE13, Q t2 '≧ Q tx Or Q t2 ≧ Q tx The number of times is calculated, and it is determined whether this number is greater than or equal to a set value. If it is less than the set value, the process proceeds to step SE22, and if it is greater than the set value, the process proceeds to step SE14.
In step SE14, it is determined whether or not the value of Y exceeds the set time range (for example, exceeds 5 o'clock). If the set time range is exceeded (YES in step SE14), the process proceeds to step SE16 to set the set time. If it does not exceed the range (NO in step SE14), the process proceeds to step SE15.
In step SE15, the process of whether the time of Y is further advanced or delayed by time “a” is performed, the process returns to step SE7, and steps SE7 to SE14 are repeated.
[0093]
In step SE16, for the rating and / or non-rating, for example, calculation is performed for all cases where the suppression rate is 0%, 10%, 20%, 30%, 40%, 50%, 60%, 70%, and step SE17. Proceed to
[0094]
In step SE17, Q 2t '≧ Q tx Or Q 2t ≧ Q tx If the number is equal to or less than the set value, the process proceeds to step SE18. If the number is equal to or greater than the set value, the process proceeds to step SE19.
In step SE18, Q 2t '≧ Q tx Or Q 2t ≧ Q tx It is determined whether or not there are a plurality of cases, and if there are not a plurality of times, the process proceeds to step SE22, and if there are a plurality of cases, the process proceeds to step SE20.
In step SE19, only the case with the minimum number of start / stop times is selected, and the process proceeds to step SE20.
[0095]
In step SE20, the amount of primary energy or the utility cost, CO 2 is calculated in the same manner as performed in SD7 in FIG. 2 , NO X The amount of emissions is calculated.
In step SE21, the smallest value among the values obtained in step SE20, that is, the one having the lowest cost, environmental performance, and energy saving performance is selected.
In step S22, power generation operation is performed.
[0096]
FIG. 14 shows control for automatically operating the fuel cell device by obtaining a predicted value (power demand predicted value and / or hot water demand predicted value) after 24 hours in the embodiment described above.
[0097]
In FIG. 14, prior to operation control, prediction of power demand and / or hot water demand is started (YES in step ST1).
Here, in the illustrated embodiment, it is assumed that the power demand and / or hot water supply demand of the day is predicted every day at 0:00 am. However, this is merely an example, and of course, prediction may be performed at other times.
[0098]
In the prediction, first, the power demand data is sent from the power demand measuring means 2 to the predicting means 100, the hot water demand measuring means 3 is sent to the predicting means 100, and the room temperature data is predicted from the measuring means 4 such as room temperature. The calendar function 5 sends season / date data to the prediction means 100 (step ST2).
At the same time, in step ST2, power demand data, hot water demand data, room temperature data stored in the storage means 8, for example, data before 24 hours, data before 60 minutes, data before 10 minutes, and measurement at that time Data is sent from the storage means 8 to the prediction means 100.
[0099]
Next, as described above, prediction is performed by calculating power demand and / or hot water supply demand using case-based reasoning (step ST3).
Here, in the prediction of power demand and / or hot water demand, for example, a numerical value (power demand and / or hot water demand) after 24 hours is obtained (steps ST4 and ST4A).
However, the power demand is predicted not only after 24 hours, but also after 60 minutes and 10 minutes. When starting a fuel cell, there is a difference depending on the machine, but if it takes 60 minutes from the start to the start of power generation, the power demand 60 minutes after the start becomes very important. On the other hand, after 10 minutes, it is important to correct the responsiveness of the reformer in the fuel cell device so that unnecessary power generation is not performed.
[0100]
The prediction of power demand and / or hot water supply demand (steps ST3, ST4, ST4A) is performed in increments of 1 minute until 24 hours later (step ST5). Thereby, the pattern of the electric power demand and / or hot water supply demand until after 24 hours will be estimated. Then, the operation plan for that day of the fuel cell shown in FIG. 1 is completed (step ST6).
[0101]
When the operation plan of the fuel cell is completed in step ST6, the operation mode of the fuel cell is determined (step ST7). The operation mode is determined so that the operation of the fuel cell is not stopped as much as possible. More details will be described later with reference to FIG.
After the operation mode of the fuel cell is determined (after the end of step ST7), it waits for the fuel cell to start (step ST8 is NO loop).
[0102]
If the fuel cell is activated (YES in step ST8), this corresponds to a case where the fuel cell is activated after being stopped for a long time. In that case, using the predicted value of the power demand and / or hot water supply demand at the time when 60 minutes have passed since the start, the power demand and / or the hot water supply demand immediately after the start is set and the operation is performed (step ST9).
[0103]
If the operation immediately after starting the fuel cell is changed to the steady operation, the output of the fuel cell is always referred to the predicted value after 10 minutes using the power demand and / or hot water demand pattern obtained in step ST6. Is set (step ST10).
The operation of the fuel cell is continued, and numerical values (tank heat storage amount, etc.) during operation are measured (step ST11) and compared with the predicted value (step ST12). It is determined whether the absolute value of the difference between the actual measurement value and the predicted value is greater than or equal to the allowable error (step ST13). If the absolute value is less than the allowable error (step ST13 is NO), step ST11 and subsequent steps are repeated. If the absolute value of the difference between the measured value and the predicted value is equal to or greater than the allowable error (YES in step ST13), the command value of the cogeneration device operation command is changed (correction: for example, the suppression rate is lowered by one step) (step) ST14) It is determined whether or not to end the operation of the fuel cell after a predetermined time has elapsed (step ST15).
When the operation of the fuel cell is continued (NO in step ST15), ST11 and subsequent steps are repeated.
[0104]
FIGS. 15-20 has shown the control flowchart in the case of selecting an operation mode in embodiment mentioned above.
[0105]
A control flow will be described with reference to FIGS. 15 and 16.
Focusing on the fact that the fuel cell operation rate changes (has a characteristic) depending on the day of the week and the time zone of the day of the week, in step S1, a calendar including the day of the week is set.
[0106]
In the next step S2, prior to performing the control, a data acquisition period for creating a prediction model is set (for example, the data acquisition period is set to the next week), and the predicted time, ie, how many hours later the physical quantity is predicted. After X hours (for example, after 24 hours), which is a value that determines the value of, is set.
During the 24 hours, the number of corrections is set every Y minutes (for example, 30 minutes), that is, 48 corrections. This is because if the control command is calculated without learning (rewriting) of the database with the 24-hour prediction in the means 10, the influence of a sudden change in temperature or a sudden outing is great. Further, a threshold value (W%) for partial load efficiency and a duration (V minutes) are set. (As an example of control, for example, the operation is stopped when a state where the partial load efficiency is equal to or less than the threshold value W (70)% continues for V (120) or more.)
[0107]
In the next step S3, collection of output (power demand and / or hot water supply demand) data and input (climate / temperature, etc.) data is started. Then, the process proceeds to the next step S4.
[0108]
In step S4, the control device A determines whether or not the data collection period has been exceeded.
If the data collection period has been exceeded (YES in step S4), the process proceeds to the next step S5, and if not exceeded (NO in step S4), the process from step S3 is repeated.
[0109]
In step S5, load prediction (prediction of power demand and / or hot water supply demand) is started. Then, in the next step S6, a model for prediction of future power and hot water supply amount is created by a prediction method such as a case-based reasoning or an autoregressive model.
As an autoregressive model, if the collected various data are applied to a model formula, the formula indicating the power consumption can be completed by determining the order, constant, etc. of the model formula from the conventional case.
Then, based on a conventional case, a model formula for a certain period can be created, and the power consumption can be predicted by changing the factor of “time” in the formula.
[0110]
The case-based reasoning is the same as described with reference to FIGS.
There are other prediction methods such as a method using a neural network and a method using a spectrum model.
[0111]
In the next steps S71 and S72, based on the above prediction, the total power and hot water consumption amount X hours after the present are predicted. That is, power demand is predicted from power demand (power consumption), hot water demand (hot water consumption), room temperature measurement value, past data (past data described with reference to FIG. 2), date and day of the week. (Step S71), hot water supply demand is predicted from the predicted power demand (step S72).
Alternatively, the hot water demand is predicted from power demand (power consumption), hot water demand (hot water consumption), room temperature measurement value, past data (past data described with reference to FIG. 2), date and day of the week. The power demand may be predicted from the predicted hot water supply demand (in parentheses in step S71).
If power demand and hot water supply demand are predicted (end of steps S71 and S72), the process proceeds to step S8.
[0112]
Here, prediction of electric power demand and hot water supply demand is the same as described with reference to FIGS. 3 and 4, after predicting either the power demand or the hot water supply demand, the other is predicted using the prediction result, but it is also possible to obtain the power demand and the hot water demand simultaneously.
[0113]
In step S8, the hot water storage amount after X hours is obtained from the following calculation formula. That is, the amount of hot water consumed is reduced by X hours after adding the value obtained by dividing the current hot water storage amount by the power generation efficiency of the fuel cell by the power generation efficiency of the fuel cell and multiplying it by the exhaust heat efficiency. Of hot water storage.
Here, in order to accurately reflect the change in efficiency accompanying a change with time, it is preferable to attach a sensor necessary for efficiency calculation. And it is preferable to consider the heat dissipation amount of the hot water storage tank.
Then, as described in the means 10, the means 1 determines whether or not the control is automatically selected in step S9. If YES (select), the process proceeds to step S10.
[0114]
In step S10, calculation is performed based on the prediction result of X hours ahead by M1 to M5 in FIGS. Next, in step S10 ′, select the one with the smallest number of shutdowns X hours ahead of which the utility cost (or CO2 emissions, NOx emissions) is the lowest, and M (M1-M5) Proceed to ka).
On the other hand, if NO at step S9, the process proceeds to M (any one of M1 to M5) selected by means 1.
[0115]
And it progresses to step S11 after the block M1 of FIG. FIG. 16 shows control related to suppression of stoppage of the fuel cell device B.
[0116]
In step S11, the controller A determines whether or not the hot water storage tank is filled with hot water using a temperature sensor installed at the lower part of the hot water storage tank.
[0117]
If it is determined that the hot water tank is full (YES in step S11), the process proceeds to the next step S12. If it is determined that the hot water tank is not full (NO in step S11), the process proceeds to step S15.
[0118]
In step S12, the control device A calculates a time Z from the current time to the scheduled hot water bath end time, and proceeds to the next step S13.
[0119]
In step S13, a fuel cell power generation pattern in which the power generation output is reduced is calculated so that the hot water tank does not become full at the scheduled end time. Then, the process proceeds to the next step S14.
[0120]
In step S14, the control device A determines whether or not it becomes full after Z time.
If it is full after Z time (YES in step S14), the process returns to step S13, and if not full (NO in step S13), the process proceeds to step S15.
[0121]
In step S15, the flow rate of the reformed gas is determined prior to the power generation pattern calculated from the power load prediction pattern, the process proceeds to the next step S16, and the reformed gas is input to the fuel cell B.
[0122]
In the next step S <b> 17, the control device A determines via the timer 6 whether or not Y minutes have elapsed since the reformed gas was charged.
If Y minutes have elapsed since the reforming gas was charged (YES in step S17), the process returns to step S7 and the prediction and control are repeated. If not, step S15 and subsequent steps are repeated.
[0123]
According to the “control for suppressing the number of operation stop” that is the first embodiment having such a configuration and a control method, it is possible to predict the time required for the hot water storage to be filled with various prediction data, and the hot water storage speed can be estimated in real time. Since monitoring is possible, for example, even if the amount of hot water consumption is small, the operation of the fuel cell B does not stop.
As a specific example, according to FIG. 24 which is a characteristic diagram in the case of the conventional “normal control that stops when the hot water tank is full”, the operation of the fuel cell B is stopped four times on the d line (do1 to do4). It is shown. On the other hand, according to the “control for suppressing the number of operation stop” described in relation to FIGS. 3 to 6, the operation stop of the fuel cell B is indicated by a point d0m on the d line in FIG. Only once.
Note that FIG. 25 and FIG. 26 described later are graphs in the same manner as FIG. 24 described above.
[0124]
Next, “control not to operate in a portion where the partial load efficiency is reduced”, so-called “partial load mode”, will be described based on the flowchart of FIG.
In the control flow of FIG. 17, the block M2 and before are the same as those of FIG. 15, and the configuration of the apparatus is the same as that shown in FIG.
[0125]
In step S21 continuing from the final block M in FIG. 15, the control device A represents the partial load efficiency in the range from the start of prediction to 24 hours later (the value obtained by dividing the predicted power load value by the rated power output in 100%). ).
[0126]
In the next step S22, a time equal to or less than the partial load efficiency threshold W% is calculated in each section, and the process proceeds to the next step S23.
In step S23, the control device A calculates the longest section of W% or less. In addition, the stop of the fuel cell B for an instantaneous time α minutes (for example, 1 minute) or less is regarded as continuation of operation.
[0127]
Here, the threshold value W% is a ratio of the partial load with respect to the rated load at which the efficiency rapidly decreases as shown in the characteristic curve indicating the efficiency with respect to the load ratio in FIG.
[0128]
The fuel cell B has the highest efficiency at the rated output, and the arrangement and specifications of each device are determined for the rated output.
[0129]
In step S23, a section in which the time during which the partial load efficiency is equal to or less than W% is longest is calculated.
[0130]
In the next step S24, an operation pattern for stopping the operation of the longest section, that is, an operation pattern for reducing the number of stops is calculated, and the process proceeds to the next step S25.
[0131]
In step S25, the control device A determines whether or not the hot water storage tank is filled with hot water in other sections and the operation is stopped.
If the operation is to be stopped (YES in step S25), the process proceeds to step S26. If the operation is not to be stopped (NO in step S25), the process proceeds to the process indicated by * in FIG. 16, that is, step S15.
[0132]
In step S26, control is performed to reduce the operation time before and after the longest section, and the process returns to step S24 again.
The above is the control of the “partial load mode”.
[0133]
According to the above-described “control that does not operate at a portion where the partial load efficiency is reduced”, so-called “partial load mode”, as shown by the d line in FIG. In the other section, the operation is stopped only once.
That is, since electricity consumption and hot water supply consumption are predicted, it is possible to suppress the shutdown of the fuel cell.
[0134]
Next, so-called “warm water disposal control (part 1)” will be described with reference to the flowchart of FIG.
In the control flow of FIG. 18, the process before M3 is the same as that of FIG. 11, and the configuration of the apparatus is the same as that of FIG.
[0135]
In step S31 continuing from the last block M in FIG. 15, the control device A determines whether or not the power consumption is less than the lowest power generation possible value of the fuel cell, for example, 0.3 kW.
If less than 0.3 kW (YES in step S31), the process proceeds to step S32.
If it is 0.3 kW or more (NO in step S31), step S31 is repeated.
[0136]
In step S32, when the power consumption is below the minimum power generation possible power value (for example, 0.3 kW), or when the operation is generated at 0.3 kW, the control device A temporarily sets the fuel cell B to the above power generation minimum power. The amount of excess hot water until the hot water storage tank is full when operated at a value less than (0.3 kW), that is, the difference between the amount of hot water at the time of power generation possible minimum power operation and the amount of hot water when operated at less than the minimum power is calculated. Then, the process proceeds to step S33.
[0137]
In step S33, the calculated amount of hot water to be discarded is discharged to the outside, and the control shifts to the step (step S15) indicated by * in FIG.
The above is the control of the “warm water discard mode (part 1)”.
[0138]
According to the “warm water disposal control (part 1)”, so-called “warm water disposal mode (part 1)”, it is possible to discard hot water that would be surplus when the operation is continued below the lowest power generation possible power value. Therefore, the operation stop of the fuel cell B is suppressed.
[0139]
Next, so-called “warm water disposal control (part 2)” will be described with reference to FIG. In the control flow shown in FIG. 19, the process before the step indicated by reference numeral M4 is the same as that described in FIG. 15, and the configuration of the apparatus is the same as that described in FIGS.
[0140]
In step S41 continuing from the final block M in FIG. 15, the control device A calculates a power generation curve when the fuel cell B always generates power regardless of whether the hot water storage tank is full.
[0141]
In the next step S42, the control device A determines whether or not the hot water tank is full.
If the hot water tank is full (YES in step S42), the process proceeds to the next step S43, and if not full (NO in step S42), the control is a step indicated by * in FIG. Move on.
[0142]
In step S43, the maximum amount of hot water consumption is predicted in the range of 24 hours ahead, for example, the amount of hot water discarded is calculated so as not to be filled before 8:00 to 10:00 in the evening.
[0143]
In the next step S44, the calculated amount of hot water to be discarded is discharged to the outside, and the control moves to the step marked with * in FIG. 16 (step S15).
[0144]
According to “Hot Water Disposal Control (Part 2)”, so-called “Hot Water Disposal Mode (Part 2)”, the power generation is constantly monitored and the hot water is discarded so as not to fill up the hot water storage tank in a specific time zone. I can do it.
[0145]
Next, load response step control, so-called “load response step mode” will be described with reference to the flowchart of FIG.
Before M5 in FIG. 20, the configuration is the same as in FIGS. 3 and 4, and the configuration of the apparatus is the same as that in FIG.
[0146]
Continuing from the final block M in FIG. 15, in step S51, the control device A sets the number of steps Δw.
Here, step Δw is a magnitude for increasing / decreasing the output (power) of the fuel cell per unit time.
As specific examples, it is expressed as 70 W / min, 17 W / min, or the like.
[0147]
In step S52, the control device A calculates an operation pattern with each step number Δw based on the predicted value, and then proceeds to the next step S53.
[0148]
In step S53, the area of the difference between the predicted power consumption value and the predicted fuel cell power generation amount for each calculated operation pattern, that is, the integral value F for the elapsed time of the aforementioned number of steps is obtained.
[0149]
In step S54, the control device A selects a pattern that minimizes the area F of the difference between the predicted power consumption value and the predicted fuel cell power generation amount for each set time division.
[0150]
In the next step S55, the control device A sends a control signal to the fuel cell B so that the area F is minimized throughout, and the fuel cell operates based on the control signal. The process proceeds to the process indicated by * (step S15).
[0151]
According to “load response step control”, so-called “load response step mode”, as shown in FIG. 21, by the selection or control, the number of steps Δw is reduced to 17 W / until 29 minutes from the start of measurement without significant change in power consumption. Minutes, and after 29 minutes when the change in power consumption is large, Δw is switched to 70 W / min.
Here, the vertical axis in FIG. 21 represents the power value, the horizontal axis represents time (minutes), the c line represents the power load (power consumption), and the d line represents the fuel cell power generation (fuel cell power generation).
Thus, by changing the number of steps according to the magnitude of the change in power consumption, the power generation amount of the fuel cell B can be made to follow this, and the fuel cell can be operated efficiently.
[0152]
It should be noted that the illustrated embodiment is merely an example, and is not a description to limit the technical scope of the present invention.
For example, in the illustrated embodiment, an apparatus including a fuel cell is described as a cogeneration apparatus, but the present invention can also be applied to gas engine cogeneration and other types of cogeneration systems.
Also, the operation control of the fuel cell can be performed in modes other than those shown in the illustrated embodiment.
[0153]
【The invention's effect】
The effects of the present invention are listed below.
(1) The cogeneration apparatus can be operated by automatic operation even in a state where data is not accumulated to the extent that case-based reasoning can be performed as in the so-called “new”.
(2) Even if various data are measured and stored in the database by cogeneration operation, the data to be stored can be appropriately selected and deleted or averaged as necessary. It can deal with the problem of large database.
[Brief description of the drawings]
FIG. 1 is a block diagram showing the overall configuration of the present invention.
FIG. 2 is a flowchart showing control of the first embodiment.
FIG. 3 is a first half of a flowchart showing the control of the second embodiment.
FIG. 4 is a second half of a flowchart showing the control of the second embodiment.
FIG. 5 is a first half of a flowchart showing the control of the third embodiment.
FIG. 6 is a second half of a flowchart showing the control of the third embodiment.
FIG. 7 is an overall configuration diagram of a cogeneration apparatus that is operation-controlled according to each embodiment.
FIG. 8 is a control flowchart for automatically operating the fuel cell after calculation of predicted values of power demand and hot water demand.
FIG. 9 is a control flowchart for determining a fuel cell activation time.
FIG. 10 is a control flowchart of processing that is the same as that in FIG.
FIG. 11 is a hot water supply demand characteristic diagram.
FIG. 12 is a flowchart showing control when hot water supply demand is small.
13 is a control flowchart of processing that is the same as that in FIG.
FIG. 14 is a control flowchart for obtaining predicted values of power demand and hot water supply demand after 24 hours and automatically operating the fuel cell.
FIG. 15 is a control flowchart serving as a base when an operation mode is selected.
FIG. 16 is a flowchart relating to stop control of a fuel cell.
FIG. 17 is a flowchart showing control in a “partial load mode”.
FIG. 18 is a flowchart showing a warm water discard mode (No. 1).
FIG. 19 is a flowchart showing a warm water discard mode (No. 2).
FIG. 20 is a flowchart showing a load response step mode.
FIG. 21 is a characteristic diagram when the load response step amount is uniformly 17 W / min in the load response step mode.
FIG. 22 is a diagram showing an example of a database.
FIG. 23 is a flowchart showing a control example of a conventional cogeneration apparatus.
FIG. 24 is a diagram showing characteristics such as electric power in the prior art.
FIG. 25 is a characteristic diagram showing the effect of control that suppresses the number of operation stops.
FIG. 26 is a characteristic diagram showing the effect of control that does not operate in a portion where the partial load efficiency decreases.
FIG. 27 is a characteristic diagram illustrating a threshold W of partial efficiency.
[Explanation of symbols]
1 ... Various command input means
2 ... Electric power demand measurement means
3 ... Hot water demand measurement means
4 ... Room temperature measurement means
5 ... Calendar function
6 ... Timekeeping means
7 ... Hot water storage amount measuring means
8. Storage means
10 ... Control mode selection means
11 ... Hydrogen production means
12 ... Cell stack
100 ・ ・ Power demand forecasting means
102 ... Autoregressive model creation means
104: Mean value calculation means
106 ... Scheduled start-up control means
A ... Control means
B ... Fuel cell

Claims (4)

電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測手段と、制御手段とを備え、該制御手段は、計測手段により計測されたパラメータを記憶してデータベースを作成する記憶手段８と、定時運転制御手段と、自己回帰モデル作成手段と、平均値演算手段と、予測手段とを有し、コージェネレーション装置稼動後に第１の設定期間が経過する以前には定時運転制御手段により設定時刻に従って定時運転を行い、コージェネレーション装置稼動後に第２の設定期間が経過する以前に電力需要については自己回帰モデル作成手段により自己回帰モデルを作成して予測値を求め、給湯需要については平均値演算手段によりコージェネレーション装置稼動後の平均値から予測値を求めて運転制御を行い、前記第２の設定期間が経過した後にデータベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行う様に構成されていることを特徴とするコージェネレーション装置。A measurement unit that measures parameters required to obtain a predicted power demand value and / or a predicted hot water supply demand value and a control unit are provided, and the control unit stores a parameter measured by the measurement unit and creates a database. Storage means 8, scheduled operation control means, autoregressive model creation means, average value calculation means, and prediction means, and the scheduled operation is performed before the first set period elapses after the cogeneration apparatus is operated. The control means performs a scheduled operation according to the set time, and before the second set period elapses after the cogeneration system is activated, an autoregressive model is created by the autoregressive model creating means to obtain a predicted value, and hot water demand For the second setting, the average value calculation means obtains the predicted value from the average value after the cogeneration system is operated and performs operation control. Cogeneration apparatus characterized by being configured so as to perform operation control in search of power demand prediction value and / or hot water demand prediction value by Case-Based Reasoning Based on database after a period has elapsed. 電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測手段と、制御手段とを備え、該制御手段は、計測手段により計測されたパラメータを記憶してデータベースを作成する記憶手段を有しており、データベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行うと共に、第１の設定期間が経過した際に前記パラメータの１部を計測の対象から削除し、パラメータを削除した際における予測精度を求め、該予測精度が設定閾値以上であるか否かを判定し、前記予測精度が設定閾値以上である場合には前記パラメータ削除工程及び判定肯定を繰り返す制御を行う様に構成されていることを特徴とするコージェネレーション装置。A measurement unit that measures parameters required to obtain a predicted power demand value and / or a predicted hot water supply demand value and a control unit are provided, and the control unit stores a parameter measured by the measurement unit and creates a database. Storage means that performs operation control by obtaining a power demand prediction value and / or a hot water supply demand prediction value by case-based reasoning based on a database, and when the first set period has elapsed, A part is deleted from the measurement target, the prediction accuracy when the parameter is deleted is obtained, it is determined whether or not the prediction accuracy is equal to or higher than a set threshold, A cogeneration apparatus configured to perform control to repeat a parameter deletion step and a positive determination. 電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測工程と、計測されたパラメータを記憶してデータベースを作成する記憶工程と、コージェネレーション装置稼動後に第１の設定期間が経過する以前に設定時刻に従って定時運転を行う定時運転工程と、コージェネレーション装置稼動後に第２の設定期間が経過する以前に電力需要については自己回帰モデルを作成して予測値を求め、給湯需要についてはコージェネレーション装置稼動後の平均値から予測値を求めて運転制御を行う工程と、前記第２の設定期間が経過した後にデータベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行う工程、とを有することを特徴とするコージェネレーション装置の制御方法。A measurement process for measuring parameters required to obtain a power demand prediction value and / or a hot water supply demand prediction value, a storage process for creating a database by storing the measured parameters, and a first setting after the cogeneration system is operated Scheduled operation process that performs scheduled operation according to the set time before the period elapses, and an autoregressive model is created for the power demand before the second set period elapses after the cogeneration system is operated to obtain a predicted value, Regarding demand, a process of performing operation control by obtaining a predicted value from an average value after operation of the cogeneration apparatus, and a predicted power demand value and / or hot water supply by case-based reasoning based on a database after the second set period has elapsed. A process for controlling operation by obtaining a demand forecast value, and controlling a cogeneration device Law. 電力需要予測値及び／又は給湯需要予測値を得るのに必要なパラメータを計測する計測工程と、計測されたパラメータを記憶してデータベースを作成する記憶工程と、データベースに基いて事例ベース推論により電力需要予測値及び／又は給湯需要予測値を求めて運転制御を行う工程と、第１の設定期間が経過した際に前記パラメータの１部を計測の対象から削除するパラメータ削除工程と、パラメータ削除工程後の予測精度を求め、該予測精度が設定閾値以上であるか否かを判定する判定工程、とを有しており、前記予測精度が設定閾値以上である場合には前記パラメータ削除工程及び判定肯定を繰り返すことを特徴とするコージェネレーション装置の制御方法。Electric power demand prediction value and / or hot water supply demand prediction value measurement process for measuring parameters, storage process for storing the measured parameters to create a database, and power generation by case-based reasoning based on the database A step of performing operation control by obtaining a demand prediction value and / or a hot water supply demand prediction value, a parameter deletion step of deleting a part of the parameters from the measurement target when the first set period has elapsed, and a parameter deletion step Determining a later prediction accuracy, and determining whether or not the prediction accuracy is equal to or higher than a set threshold, and when the prediction accuracy is equal to or higher than a set threshold, the parameter deletion step and the determination A control method for a cogeneration apparatus, characterized by repeating affirmation.
JP2003021456A 2003-01-30 2003-01-30 Cogeneration apparatus and control method thereof Expired - Lifetime JP3894892B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003021456A JP3894892B2 (en) 2003-01-30 2003-01-30 Cogeneration apparatus and control method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003021456A JP3894892B2 (en) 2003-01-30 2003-01-30 Cogeneration apparatus and control method thereof

Publications (2)

Publication Number Publication Date
JP2004236422A JP2004236422A (en) 2004-08-19
JP3894892B2 true JP3894892B2 (en) 2007-03-22

Family

ID=32950787

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003021456A Expired - Lifetime JP3894892B2 (en) 2003-01-30 2003-01-30 Cogeneration apparatus and control method thereof

Country Status (1)

Country Link
JP (1) JP3894892B2 (en)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006083720A (en) 2004-09-14 2006-03-30 Honda Motor Co Ltd Cogeneration apparatus
JP2006090603A (en) * 2004-09-22 2006-04-06 Rinnai Corp Cogeneration system
JP4859359B2 (en) * 2004-09-28 2012-01-25 京セラ株式会社 Operation method of fuel cell
JP4649182B2 (en) * 2004-11-30 2011-03-09 大阪瓦斯株式会社 Energy load data creation device and cogeneration system for energy generator
JP4883900B2 (en) * 2004-12-13 2012-02-22 株式会社Ｅｎｅｏｓセルテック FUEL CELL SYSTEM, FUEL CELL SYSTEM CONTROL METHOD, AND BUILDING
JP4657987B2 (en) * 2006-06-12 2011-03-23 日本電信電話株式会社 Control device, method and program for distributed energy system
JP4783691B2 (en) * 2006-08-03 2011-09-28 東邦瓦斯株式会社 Operation control device for household fuel cell cogeneration system
JP2009204221A (en) * 2008-02-27 2009-09-10 Mitsubishi Heavy Ind Ltd Air conditioning system and power consumption estimating device for building air-conditioning equipment
US9037307B2 (en) 2010-01-12 2015-05-19 Panasonic Intellectual Property Management Co., Ltd. Supply-and-demand control apparatus, supply-and-demand control method, and supply-and-demand control system
JP5268961B2 (en) * 2010-02-05 2013-08-21 中国電力株式会社 Power supply system control method and power supply system
US20120065793A1 (en) * 2010-02-25 2012-03-15 Kaji Mitsuru Demand and supply control apparatus, demand and supply control method, and program
JP5999576B2 (en) * 2012-04-11 2016-09-28 株式会社Ihi Power supply system for houses, houses and electric vehicles
JP5922498B2 (en) * 2012-05-30 2016-05-24 ダイキン工業株式会社 Hot water supply system proposal support device and hot water system proposal support program
JP6221337B2 (en) * 2013-05-13 2017-11-01 富士電機株式会社 Demand control device and demand control system
JP7292081B2 (en) * 2019-03-28 2023-06-16 大阪瓦斯株式会社 control system
CN114754396B (en) * 2022-04-12 2023-08-18 西安热工研究院有限公司 Intelligent algorithm optimized central heating system and method for thermal power plant

Also Published As

Publication number Publication date
JP2004236422A (en) 2004-08-19

Similar Documents

Publication Publication Date Title
JP3894892B2 (en) Cogeneration apparatus and control method thereof
US10983542B2 (en) Load-predicting and control system and method for subway heating, ventilation and air conditioning system
JP4889167B2 (en) Cogeneration system operation planning method
JP4378120B2 (en) Operation control system for home cogeneration system
JP4614793B2 (en) Energy load data creation device and cogeneration system
WO2011036524A1 (en) Heat pump hot-water supply system
JP2001065959A (en) Control method for energy supplying instrument and device for the same
Polyvianchuk et al. The efficiency of innovative technologies for transition to 4th generation of district heating systems in Ukraine
JP4516862B2 (en) Energy supply system
JP4662132B2 (en) Cogeneration system
JP2004068710A (en) Cogeneration device and its control method
KR102343585B1 (en) Bidirectional stratified thermal storage system
JP2003329292A (en) Cogeneration apparatus and control method for it
JPH07151369A (en) Heat load predicting apparatus and plant heat load predicting apparatus
WO2022123266A2 (en) Improvements in heating systems
JP2005265201A (en) Hot water heating load prediction system
US11636558B2 (en) Energy management system and energy management method for water supply
JP5295694B2 (en) Fuel cell system and operation method thereof
JP2005223964A (en) Operation control system for cogeneration system
JP3170393B2 (en) Driving method and apparatus for district heating and cooling system
JP2007247967A (en) Cogeneration system
JP2021117895A5 (en)
US20240044550A1 (en) Improvements in heating systems
JP3091414B2 (en) District heating and cooling system receiving equipment
JP3916227B2 (en) Cogeneration equipment

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050307

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20061127

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: 20061212

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20061212

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

Ref document number: 3894892

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101222

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101222

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111222

Year of fee payment: 5

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111222

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121222

Year of fee payment: 6

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121222

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131222

Year of fee payment: 7

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

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

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

EXPY Cancellation because of completion of term