JP3927040B2 - 配電系統負荷推定装置 - Google Patents
配電系統負荷推定装置 Download PDFInfo
- Publication number
- JP3927040B2 JP3927040B2 JP2002018220A JP2002018220A JP3927040B2 JP 3927040 B2 JP3927040 B2 JP 3927040B2 JP 2002018220 A JP2002018220 A JP 2002018220A JP 2002018220 A JP2002018220 A JP 2002018220A JP 3927040 B2 JP3927040 B2 JP 3927040B2
- Authority
- JP
- Japan
- Prior art keywords
- profile
- group
- daily load
- load curve
- estimation
- 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
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Description
【発明の属する技術分野】
本発明は、配電系統の負荷を推定する装置及び技術に関するもので、特に配電系統上の変圧器に設置され、幾つかの需要家が接続される変圧器の負荷を推定する配電系統負荷推定装置に関する。
【0002】
【従来の技術】
コロナ社発行の中部電気協会編「新訂配電工学現場の手引き(2)[保守・管理編]」のP359〜P363に、配電系統上の需要家に繋がる変圧器の負荷推定の幾つかの方法に関する記載がある。
【0003】
大きく分けて、計測による方法と、推定による方法が記載されている。計測による方法は、計測器を実際に設置して最大負荷を計測するもので、精度は高い。推定による方法としては、2つの方法が記載されている。
【0004】
第一の方法は負荷容量による方法で、変圧器につながる需要家の負荷容量の総和を契約容量等から求め、これに各種の換算係数を適用して、最大負荷を推定する方法である。
【0005】
第二の方法は、KWH法と呼ばれている方法で、変圧器につながる需要家の月間使用電力量を集計し、これから最大負荷を推定する方法である。月間電力使用量集計値と変圧器最大負荷にはある程度の相関が認められるという知見に基づく方法である。
【0006】
【発明が解決しようとする課題】
前述の従来技術のうち、計測による方法は、精度は非常に高いものの、計測器の設置コストが高く、多くの変圧器を計測するのは実際には困難である。
【0007】
負荷容量による推定方法は、上記資料にも記載されているが、負荷容量と最大負荷の相関にばらつきが多く、負荷設備によっても違いが見られるという課題があった。
【0008】
KWH法による推定方法は、月間電力使用量集計値と変圧器最大負荷に強い相関が見られるため、ある程度の精度が期待できるが、時代の変化と共に社会情勢や生活スタイルが変化すれば、その相関が変化するため推定誤差が生じるという課題があった。
【0009】
また、上記のいずれの推定方法も月間の最大負荷を推定するものであり、日間の最大負荷や、日間の各時刻の負荷を推定するものではない等により、電力ロスが少なく効率良く電力を運用することができない。
【0010】
本発明の目的は、社会情勢や生活スタイルの変化にも対応できる、変圧器の負荷における1時間刻み等の予め定められた時間毎の変動を推定できる配電系統負荷推定装置を提供することにある。これにより、配電運用において、配電ロス最小化、設備利用率適正化、事故制御の高信頼化等が可能となる。
【0011】
【課題を解決するための手段】
前述の目的を達成するために、本発明の配電系統負荷推定装置では、変圧器に接続する各需要家の日負荷カーブを推定する需要家負荷推定手段と、変圧器に接続する各需要家の日負荷カーブの推定結果を用いて変圧器の日負荷カーブを推定する変圧器負荷推定手段とを備えていることを特徴とする。
【0012】
【発明の実施の形態】
即ち、本発明による配電系統負荷推定装置は、前記の課題を解決するため、以下の手段を備えている。
【0013】
まず、基本的な手段として、変圧器に接続する各需要家の日負荷カーブを推定する需要家負荷推定手段と、変圧器に接続する各需要家の日負荷カーブの推定結果を用いて変圧器の日負荷カーブを推定する変圧器負荷推定手段とを備える。
【0014】
次に、需要家日負荷カーブ推定の精度を向上させるための手段として、需要家の過去の実績に応じた実績日負荷カーブを分類し、得られた日負荷カーブグループに格納された日負荷カーブの特徴を表す代表的な属性値として、代表的な日負荷カーブや計測日の最高気温などを関係付ける日負荷カーブプロファイルを構築するプロファイル構築手段と、複数の需要家日負荷カーブプロファイルを分類し、得られたプロファイルグループに格納されたプロファイルの特徴を表す代表的な属性値として、代表的なプロファイルデータや需要家業種などを関係付けるプロファイルセグメントを構築するプロファイルセグメント構築手段とを備え、前記の需要家負荷推定手段が、日負荷カーブプロファイルデータを用いて、推定対象日の気象や時期に関する条件に応じて、需要家の日負荷カーブを合成する手段と、プロファイルセグメントデータを用いて、推定対象の需要家の契約内容や業種などの属性と推定対象日の気象や時期に関する条件に応じて、需要家の日負荷カーブを合成する手段を備えている。
【0015】
次に、プロファイル構築精度を向上させる手段として、プロファイル構築手段が、分類して得られた日負荷カーブグループのうち、予め定められた基準に従って例外と判定される日負荷カーブグループをプロファイルデータから削除する日負荷カーブグループ例外除去手段を備え、また、プロファイルセグメント構築精度を向上させる手段として、プロファイルセグメント構築手段が、分類して得られたプロファイルグループのうち、予め定められた基準に従って例外と判定されるプロファイルグループをプロファイルセグメントデータから除去するプロファイルグループ例外除去手段を備えている。
【0016】
更に、プロファイル構築精度を向上させる手段として、日負荷カーブグループ例外除去手段が、グループに属する日負荷カーブの個数が、予め定められた範囲に該当する場合にそのグループを例外と判定するか、又は、グループに属する全ての日負荷カーブ間の予め定める基準に従って計算される類似度の平均値と、又は類似度の分布における分散とが、予め定められた範囲に該当する場合に、そのグループを例外と判定するか、又は、上記において3つの例外判定基準のいくつかを同時に満たす場合に、そのグループを例外と判定する手段を備えている。
【0017】
また、プロファイルセグメント構築精度を向上させる手段として、プロファイルグループ例外除去手段が、グループに属するプロファイルの個数が、予め定められた範囲に該当する場合にそのグループを例外と判定するか、又は、プロファイルグループに属する全てのプロファイル間の予め定める基準に従って計算される類似度の平均値と、又は類似度の分布の分散とが、予め定められた範囲に該当する場合に、そのグループを例外と判定するか、又は、上記のように3つの例外判定基準の幾つかを同時に満たす場合に、そのグループを例外と判定する手段を備えている。
【0018】
以下、本発明の具体的な実施例について図面を参照しながら詳細に説明する。
【0019】
図1は本発明の一実施形態における配電系統負荷推定装置の全体構成図である。
【0020】
配電系統負荷推定装置は、計算機1と入出力装置2から構成される。また、計算機1は配電システム3を介して配電系統4と接続され、その他、需要家情報提供部5と気象情報提供部6と接続されている。
【0021】
配電系統4は、配電線や開閉器や変圧器などの実際の電力設備で構成される。個々の需要家は変圧器を介して配電系統を構成する配電線に接続されている。1つの変圧器に一需要家のみが接続される場合もあるし、複数の需要家が接続される場合もある。変圧器はその対象とする電圧階級が低い場合は低圧バンクと呼ばれることもある。
【0022】
配電システム3は、配電系統4の計画,運用,制御を行うシステムである。開閉器の開閉状態や電力潮流などの配電系統4の状態を監視し、また開閉器の開閉操作などの制御を行う。
【0023】
入出力装置2は、計算機1へのデータ入力を行う装置である。
【0024】
需要家情報提供部5は、各需要家に関する各種の情報を提供する。例えば、30分や一日などある時間単位毎の電力消費量、契約種別等など電気購入時の契約内容、業種や床面積などの付帯情報などである。このうち、電力消費量データは需要家に設置する計測器から入手し、契約内容は電力供給事業者が管理する情報として入手し、付帯情報については契約時等にアンケートを行って入手することなどが考えられる。需要家情報のうち、電力消費に関する計測データ以外のデータを属性データということにする。
【0025】
気象情報提供部6は、気象に関する各種の情報を提供する。例えば、気温、湿度、日照時間、天候などの種別があり、更に、1時間おきの気温といった計測したままの情報のほか、1日の最高気温や平均気温といった加工して得られる情報もある。
【0026】
計算機1は、入出力装置2或いは配電システム3の要求に応じて、入出力装置2、配電システム3、配電系統4、需要家情報提供部5、気象情報提供部6から入力,或いは取り込んだデータに基づいて、指定された推定対象低圧バンクの推定対象日の日負荷カーブを推定し、その結果を入出力装置2に表示し、或いは配電システム3に返す。日負荷カーブとは、一日の予め定められた時間毎の負荷量の変動である。
【0027】
時間刻みについては、30分刻み、1時間刻みなどの一定時間刻みのほか、8時〜17時の昼間時間帯・17時〜22時の夕方時間帯・22時〜8時の夜間時間帯のような時間刻みも考えられるが、その何れであるかは本実施例を説明する上において本質ではないので、説明をわかりやすくするために、ここでは1時間刻みを想定することにする。
【0028】
即ち、日負荷カーブとは、一日24点の負荷量を表す数の組で表現されることになる。また、推定対象日の指定では、ある特定の日付を指定する場合と、その日の最高気温や曜日などの条件を指定して条件を満たす日として抽象的に指定する場合がある。前者の場合は、推定で得られる日負荷カーブは、まさにその日の日負荷カーブである。後者の場合は、与えられた条件にあう日の日負荷カーブということになる。
【0029】
図2は計算機1の機能ブロック図である。
【0030】
計算機1は、負荷推定制御部11、プロファイル構築部12、プロファイルセグメント構築部13、データ収集部14、計測需要家負荷推定部15、非計測需要家負荷推定部16、低圧バンク負荷推定部17、データベース部18から構成される。
【0031】
負荷推定制御部11は、入出力装置2或いは配電システム3の要求に応じて、入出力装置2、配電システム3、配電系統4、需要家情報提供部5、気象情報提供部6から入力或いは取り込み、またデータベース部18に格納されているデータを用いて、指定された推定対象低圧バンクの推定対象日の日負荷カーブを推定し、その結果を入出力装置2に表示し、或いは配電システム3に返す処理全体の制御を行う。処理の詳細については後述する。
【0032】
データ収集部14は、負荷推定に必要な各種のデータを、需要家情報提供部5や気象情報提供部6から入手し、データベース部18に周期的に格納する。
【0033】
プロファイル構築部12は、各需要家において実績の日負荷カーブ群の類型化を行う。つまり、実績日負荷カーブ群を、形状の類似性で幾つかのグループに分類し、各形状グループについて代表属性を抽出して、形状グループと代表属性の対応情報をその需要家の日負荷カーブプロファイル情報としてデータベース部18に格納する。形状の類似性の詳細については後述する。
【0034】
形状グループの代表属性としては、例えば、その形状グループに属する全ての日負荷カーブの平均日負荷カーブ(各24点毎に平均値をとって得られる日負荷カーブ)、その形状グループに格納された日負荷カーブにおける計測日の最高気温の平均値、その形状グループに格納された日負荷カーブの計測日の中でサンプル数が最大の曜日などが挙げられる。
【0035】
プロファイルセグメント構築部13は、日負荷カーブプロファイルの類型化を行う。つまり、日負荷カーブプロファイル群を、日負荷カーブプロファイルの類似性で幾つかのグループに分類し、各プロファイルグループについて代表属性を抽出して、プロファイルグループと代表属性の対応情報をプロファイルセグメント情報としてデータベース部18に格納する。
【0036】
日負荷カーブプロファイル間の類似性の詳細については後述する。プロファイルグループの代表属性としては、例えば、そのプロファイルグループに格納された日負荷カーブプロファイルの需要家の業種でサンプル数が多いもの、そのプロファイルグループに格納された日を負荷カーブプロファイルにおいて需要家の床面積の平均値などが挙げられる。
【0037】
計測需要家負荷推定部15は、推定対象計測需要家の日負荷カーブプロファイルデータを用いて、推定対象日に関する条件に応じて、日負荷カーブを合成する。処理の詳細については後述する。
【0038】
非計測需要家負荷推定部16は、全計測需要家の日負荷カーブプロファイルデータを用いて、推定対象である非計測需要家の属性データと推定対象日に関する条件に応じて、日負荷カーブを合成する。処理の詳細については後述する。
【0039】
低圧バンク負荷推定部17は、推定対象低圧バンクに接続する全ての需要家の、推定対象日の推定日負荷カーブを用いて、低圧バンクの推定対象日の日負荷カーブを合成する。処理の詳細については後述する。
【0040】
データベース部18は、上記の推定処理に関する全てのデータを管理する。前述の需要家に関するデータ、気象に関するデータ、カレンダーに関するデータ、プロファイリング結果のデータ、各低圧バンクの接続需要家を示すデータ、負荷推定結果のデータなどである。
【0041】
次に各部の処理の詳細を説明する。
【0042】
負荷推定制御部11の処理の詳細について図3を用いて説明する。
(1)データ収集の起動・データ収集部14を起動する。
(2)プロファイル構築部12の起動・プロファイル構築部12を起動する。
(3)プロファイルセグメント構築部13の起動・プロファイルセグメント構築部13を起動する。
(4)負荷推定制御部11の処理要求待ち・入出力装置2或いは、配電システム3からの負荷推定処理要求があれば、(5)の処理へとび、入出力装置2から処理停止要求があれば、(14)の処理へとび、それ以外の場合は(4)の処理を周期的に繰り返す。
(5)推定条件データの取得・負荷推定処理要求を受けた入出力装置2或いは配電システム3から、推定条件データとして、推定対象の低圧バンクID、推定対象日に関する条件データを取得する。
(6)接続需要家の抽出・推定対象として指定された低圧バンクに接続する全ての需要家IDをデータベース部18に問い合わせて取得する。
(7)推定対象需要家の選択・推定処理がされていない接続需要家を1軒選択する。
(8)計測有無の判別
・各需要家が計測需要家であるか非計測需要家であるかはデータベース部18に格納されている。
・推定対象需要家が計測需要家かどうかをデータベース部18に問い合わせて判別する。
・計測需要家の場合は(9)の処理へとび、非計測需要家の場合は(10)の処理へとぶ。
(9)計測需要家負荷推定部15
・推定対象需要家の負荷推定を計測需要家負荷推定部15に要求し、結果を取得する。
・計測需要家負荷推定部15へは、推定対象需要家IDと、推定対象日に関する条件データが渡される。
・推定結果を取得後は、(11)の処理へとぶ。
(10)非計測需要家負荷推定部16
・推定対象需要家の負荷推定を非計測需要家負荷推定部16に要求し、結果を取得する。
・計測需要家負荷推定部16へは、推定対象需要家IDと、推定対象日に関する条件データが渡される。
・推定結果を取得後は、(11)の処理へとぶ。
(11)需要家推定終了判定・推定処理がされていない需要家があれば、(7)の処理へとび、そうでなければ(12)の処理へとぶ。
(12)低圧バンク負荷推定部17
・推定対象の低圧バンクの負荷推定を低圧バンク負荷推定部17に要求し、結果を取得する。
・低圧バンク負荷推定部17へは、接続需要家の推定日負荷カーブデータを低圧バンク負荷推定部17に渡される。
(13)推定結果の出力
・推定対象の低圧バンクの日負荷カーブ推定結果を、処理要求もとの入出力装置2或いは配電システム3へ返す。
・(4)の処理へとぶ。
(14)停止・プロファイルセグメント構築部13、プロファイル構築部12、データ収集部14の処理を停止する。
【0043】
次に、プロファイル構築部12の処理の詳細について図4を用いて説明する。
(1)START・負荷推定制御部11からの起動要求によって処理を開く。
(2)需要家リストの抽出・データベース部に実績日負荷カーブデータが格納されている計測需要家のリストをデータベース部18に問い合わせて取得する。
(3)処理対象需要家の選択・需要家リストからプロファイル構築処理が未処理の需要家を1軒選択する。
(4)データの抽出
・必要なデータをデータベース部18から取得する。
・データ項目は、対象需要家について格納されている全ての日負荷カブデータ(各1時間毎の電力消費量で、全24点)、各日負荷カーブの計測日の気象データ(最高気温、最低気温、平均気温、湿度、天候、日照時間など)、各日負荷カーブの計測日の時期に関するデータ(曜日、平日/休日の区分、季節、月など)などである。
(5)日負荷カーブ類型化・日負荷カーブ類型化処理とは、形状の類似性で幾つかのグループに分類することである。
(6)以下の類型化処理を行う。
▲1▼各日負荷カーブ単体で構成されるグループを作成する。
▲2▼各グループに属する日負荷カーブ全ての平均日負荷カーブを作成し、これをそのグループの代表日負荷カーブとする。
▲3▼2つの日負荷カーブにおける形状の類似度を定義する距離計算式に従って、全ての2つのグループにおける組合せについて、代表日負荷カーブ間の類似度を計算する。
【0044】
類似度を定義する距離計算式については各種の例が考えられるが、ここでは例として通常のユークリッド的距離として、日負荷カーブが24点の1時間電力量で表現される場合、各24点の値における差の二乗和の平方根とする。
▲4▼全ての2つのグループに置ける組合せについて、その類似度が予め定められた閾値を超える場合は、類型化処理を終了する。
▲5▼類似度が最も小さい組合せの2つのグループを1つのグループに統合する。
▲6▼統合してできた新しいグループに属する日負荷カーブ全ての平均日負荷カーブを作成し、これをそのグループの代表日負荷カーブとする。
▲7▼処理▲3▼にとぶ。
(6)例外グループの除去
・予め定められた例外判別基準に従って、例外的なグループを除外する。
・例外判別基準については以下のような各種のアイデアがある。
▲1▼グループに属する日負荷カーブの個数が、予め定められた閾値以下の場合に、そのグループを例外と判別する。
▲2▼グループに属する全ての日負荷カーブ間における類似度の平均値が、予め定められた閾値を超える場合に、そのグループを例外と判別する。
▲3▼グループに属する全ての日負荷カーブ間における類似度の分布の分散が、予め定められた閾値を超える場合に、そのグループを例外と判別する。
▲4▼上記のアイデアの組合せも考えられる。即ち、上記の判別基準の幾つかを同時に満たす場合に、そのグループを例外と判別する。
(7)グループ代表属性の抽出
・例外除去されずに残った各グループについて、そのグループに属する日負荷カーブの特徴を表すデータを代表属性として抽出する。
・代表属性の例としては下記が挙げられる。
▲1▼グループの代表日負荷カーブ
▲2▼グループに属する日負荷カーブの計測日における最高気温の分布に関するデータ(平均値や最大値や分散値など)
▲3▼,▲2▼において最高気温を他の気象データに置き換えたデータ
▲4▼グループに属する日負荷カーブの計測日における曜日の分布に関するデータ(サンプル数が最大の曜日、サンプル数が多い方の平日/休日の種別など)
▲5▼グループに属する日負荷カーブの計測日における時期の分布に関するデータ(サンプル数が最大の月、サンプル数が最大の季節など)
(8)結果の格納・処理対象需要家のプロファイルデータとして、下記のデータを相互に関連付けてデータベース部18に格納する。
▲1▼処理対象需要家の全てにおける日負荷カーブグループのID
▲2▼各日負荷グループに属する日負荷カーブのID
▲3▼各日負荷グループの代表属性
(9)終了判定・未処理の需要家がなければ処理終了、未処理の需要家があれば処理未完とし、(3)の処理へとぶ。
【0045】
次に、プロファイルセグメント構築部13の処理の詳細について図5を用いて説明する。
(1)START・負荷推定制御部11からの起動要求によって処理を開始する。
(2)プロファイルデータの抽出・データベース部18に格納されている全ての計測需要家のプロファイルデータを抽出する。
(3)需要家属性データの抽出
・データベース部18に格納されている全ての計測需要家の属性データを抽出する。
・属性データには下記のものがある。
▲1▼契約種別、契約容量などの電気購入時の契約内容
▲2▼業種や床面積などの付帯情報
(4)プロファイル類型化・プロファイル類型化処理とは、プロファイルの類似性で幾つかのグループに分類することである。日負荷カーブのグループと区別するため、プロファイルのグループをセグメントと呼ぶことにする。
【0046】
以下の類型化処理を行う。
▲1▼各プロファイル単体で構成されるセグメントを作成する。
▲2▼各セグメントの代表プロファイルを、それぞれに属するプロファイルと定める。
▲3▼2つのプロファイルの類似度を定義する距離計算式に従って、全ての2つのセグメントにおける組合せについて、代表プロファイル間の類似度を計算する。
【0047】
類似度を定義する距離計算式については各種の例が考えられるが、ここでは次の例を想定する。
【0048】
まず、2つのプロファイルにおける代表属性間の距離として、各属性値の差において二乗和の平方根を計算する。そのため、予め定められた規則に従って全ての属性値を数値に変換しておく。
【0049】
次に、2つのプロファイルにおける代表日負荷カーブ間の距離を計算する。距離の計算式は、前述のプロファイル構築部12の処理における説明の(5)と同様とする。
【0050】
そして、2つのプロファイル間の類似度を、代表日負荷カーブ間距離/代表属性間距離で計算する。
▲4▼全ての2つのセグメントにおける組合せについて、その類似度が予め定められた閾値を超える場合は、類型化処理を終了する。
▲5▼類似度が最も小さい組合せの2つのセグメントを1つのセグメントに統合する。▲6▼統合してできた新しいセグメントの代表プロファイルを作成する。
【0051】
代表プロファイルの作成は前述のプロファイル構築部12における1軒の需要家のプロファイル構築処理と同様である。即ち、セグメント内の全てのプロファイルに属する全ての日負荷カーブを対象に、日負荷カーブの類型化を行い、各日負荷カーブグループの代表属性を抽出する。
▲7▼処理▲3▼にとぶ。
(5)例外セグメントの除去
・予め定められた例外判別基準に従って、例外的なセグメントを除外する。
・例外判別基準については以下のような各種のアイデアがある。
▲1▼セグメントに属するプロファイルの個数が、予め定められた閾値以下の場合に、そのセグメントを例外と判別する。
▲2▼セグメントに属する全てのプロファイル間類似度の平均値が、予め定められた閾値を超える場合に、そのセグメントを例外と判別する。
▲3▼セグメントに属する全てのプロファイル間における類似度の分布の分散が、予め定められた閾値を超える場合に、そのセグメントを例外と判別する。
▲4▼上記のアイデアの組合せも考えられる。即ち、上記の判別基準の幾つかを同時に満たす場合に、そのセグメントを例外と判別する。
(6)セグメント代表属性の抽出
・例外除去されずに残った各セグメントについて、そのセグメントに属するプロファイルの特徴を表すデータを代表属性として抽出する。
・代表属性の例としては下記が挙げられる。
▲1▼セグメントの代表プロファイル
▲2▼セグメントに属する需要家属性のうちカテゴリータイプ属性の分布に関するデータ(サンプル数が最大の契約種別、サンプル数が最大の業種など)
▲3▼セグメントに属する需要家属性のうち数値タイプにおける属性の分布に関するデータ(契約容量や床面積などの属性の平均値や最大値や分散値など)
(7)結果の格納・プロファイルセグメント構築結果データとして、下記のデータを相互に関連付けてデータベース部18に格納する。
▲1▼全てのプロファイルセグメントのID
▲2▼各プロファイルセグメントに属する全ての需要家ID
▲3▼各プロファイルセグメントの代表属性
次に、計測需要家負荷推定部15の処理の詳細について図6を用いて説明する。(1)START・負荷推定制御部11からの推定処理要求によって処理を開始する。
(2)推定条件の取得
・負荷推定制御部11から、推定条件データとして、推定対象需要家IDと、推定対象日に関する条件データを取得する。
・推定対象日に関する条件データには下記のデータがある。
▲1▼推定対象日の日付
▲2▼推定対象日における最高気温の分布に関するデータ(平均値や最大値や分散値など)
▲3▼において最高気温を他の気象データに置き換えたデータ
▲4▼推定対象日の曜日の分布に関するデータ(サンプル数が最大の曜日、サンプル数が多い方の平日/休日の種別など)
▲5▼推定対象日の時期の分布に関するデータ(サンプル数が最大の月、サンプル数が最大の季節など)
・推定対象日に関する条件データの中に推定対象日を特定する日付データが含まれる場合は、データベース部18に格納されているその日の前記▲2▼〜▲5▼のような条件データを取得する。
(3)プロファイルデータの抽出・推定対象需要家の日負荷カーブのプロファイルデータをデータベース部18から抽出する。
(4)グループマッチング率の計算
・プロファイルに属する各日負荷カーブグループについて、グループ代表属性と推定条件の類似度を計算し、これをグループマッチング率とする。
・類似度の計算式については各種考えられるが、ここでは例として、グループ代表属性と推定条件の両方に存在する全ての属性について、属性値の差における二乗和の平方根を計算するものとする。
(5)日負荷カーブの合成・プロファイルに属する各日負荷カーブグループの代表日負荷カーブを、グループマッチング率の比率で重み付けして合成する。即ち、以下の処理を行う。
▲1▼各グループGiのグループマッチング率をMiとする。
▲2▼Miが予め定めた閾値以上のグループにおけるグループマッチング率Miの合計値をMaとする。
▲3▼各グループGiの代表日負荷カーブを表現する24点の各点の値をXitとおく。
▲4▼合成日負荷カーブを表現する24点の各点の値をXatとおく。
▲5▼Xat=Σ(Mi×Xit)を計算する。ただし、和を表すΣは、Miが予め定めた閾値以上のグループに関する和をとるものとする。
(6)結果の出力・合成日負荷カーブデータを負荷推定制御部11に返す。
【0052】
次に、非計測需要家負荷推定部16の処理の詳細における図7を用いて説明する。
(1)START・負荷推定制御部11からの推定処理要求によって処理を開始する。
(2)推定条件の取得
・負荷推定制御部11から、推定条件データとして、推定対象需要家IDと、推定対象日に関する条件データを取得する。
・推定対象需要家の属性データをデータベース部18から抽出する。
・推定対象日に関する条件データには下記のデータがある。
▲1▼推定対象日の日付
▲2▼推定対象日の最高気温の分布に関するデータ(平均値や最大値や分散値など)
▲3▼において最高気温を他の気象データに置き換えたデータ
▲4▼推定対象日の曜日の分布に関するデータ(サンプル数が最大の曜日、サンプル数が多い方の平日/休日の種別など)
▲5▼推定対象日の時期の分布に関するデータ(サンプル数が最大の月、サンプル数が最大の季節など)
・推定対象日に関する条件データの中に推定対象日を特定する日付データが含まれる場合は、データベース部18に格納されているその日の前記▲2▼〜▲5▼のような条件データを取得する。
(3)プロファイルセグメントデータの抽出・全てのプロファイルセグメントデータをデータベース部18から抽出する。
(4)セグメントマッチング率の計算
・各プロファイルセグメントについて、プロファイルセグメント代表属性と推定条件の類似度を計算し、これをセグメントマッチング率とする。
・類似度の計算式については各種考えられるが、ここでは例として、プロファイルセグメント代表属性と推定条件の両方に存在する需要家属性全てについて、属性値の差における二乗和の平方根を計算するものとする。
(5)グループマッチング率の計算
・各プロファイルセグメントの代表プロファイルに属する各日負荷カーブグループについて、グループ代表属性と推定条件の類似度を計算し、これをグループマッチング率とする。
・類似度の計算式については各種考えられるが、ここでは例として、グループ代表属性と推定条件の両方に存在する推定日条件データの全ての属性について、属性値の差における二乗和の平方根を計算するものとする。
(6)日負荷カーブの合成・各プロファイルセグメントの代表プロファイルに属する各日負荷カーブグループの代表日負荷カーブを、セグメントマッチング率とグループマッチング率の比率で重み付けして合成する。
【0053】
即ち、以下の処理を行う。
▲1▼各プロファイルセグメントSiのセグメントマッチング率をSMiとする。
▲2▼プロファイルセグメントSiにの代表プロファイルに属する各グループGijのグループマッチング率をGMijとする。
▲3▼SMiが予め定めた閾値以上のプロファイルセグメントにおけるセグメントマッチング率SMiの合計値をSMaとする。
▲4▼プロファイルセグメントSiの代表プロファイルに属するグループのうち、Mijが予め定めた閾値以上のグループにおけるグループマッチング率Mijの合計値をMiaとする。
▲3▼各プロファイルセグメントSiの代表プロファイルに属する各グループGijの代表日負荷カーブを表現する24点の各点の値をXijtとおく。
▲5▼Xat=ΣΣ(SMi×GMij×Xijt)を計算する。ただし、内側の和を表すΣは、プロファイルセグメントSiの代表プロファイルに属するグループのうち、Mijが予め定めた閾値以上のグループに関する和をとるものとする。また、外側の和をあらわすΣは、SMiが予め定めた閾値以上のプロファイルセグメントに関する和をとるものとする。
(7)結果の出力・合成日負荷カーブデータを負荷推定制御部11に返す。
【0054】
次に、低圧バンク負荷推定部17の処理の詳細において図8を用いて説明する。(1)START・負荷推定制御部11からの推定処理要求によって処理を開始する。
(2)接続需要家データの取得・全ての接続需要家の推定日負荷カーブデータを取得する。
(3)日負荷カーブの合成・全ての接続需要家の推定日負荷カーブデータを、日負荷カーブを表現する24点の数値毎に足し合わせて、低圧バンクの推定日負荷カーブを合成する。
(4)結果の出力・合成日負荷カーブデータを負荷推定制御部11に返す。
【0055】
このように前述の実施例においては、日負荷カーブの精度を良くする場合について説明したが、本発明では要するに、配電系統負荷推定装置では、配電系統上の変圧器に複数の需要家を接続し、各需要家の予め消費される負荷変動量を表した日負荷カーブを推定する需要家負荷推定手段と、日負荷カーブの推定結果に基いて変圧器の日負荷カーブを推定する変圧器負荷推定手段とを備える。
【0056】
例えば配電系統のある需要家領域で著しく電力消費が多い場合、変圧器の日負荷カーブから電力に余分がある需要家領域があるか、及び変圧器の容量等を参照に電力を供給すれば、電力ロスが少なく、効率良く電力を運用することができる。
【0057】
また配電系統で事故が生じた場合には、事故需要家の日負荷カーブと変圧器の日負荷カーブとを参照に配電系統のどの開閉器を開放すれば、事故需要家付近の正常な需要家に最短距離から電力を供給できるか判断できるので、事故時の電力融通は電力ロスを少なくし効率良く電力を運用することができる。これにより、配電運用において、配電ロス最小化、設備利用率適正化、事故制御の高信頼化等が可能となる。
【0058】
【発明の効果】
以上のように、本発明によれば、社会情勢や生活スタイルの変化にも対応できるように、変圧器の負荷における1時間刻みの予め定められた時間毎の変動を推定できる。これにより、配電運用において、配電ロス最小化、設備利用率適正化、事故制御の高信頼化等が可能となる。電力ロスが少なく効率良く電力を運用することができる。
【図面の簡単な説明】
【図1】本発明の一実施形態における配電系統負荷推定装置の全体構成図である。
【図2】図1における計算機1の機能ブロック図である。
【図3】図2における負荷推定制御部11の処理フローを説明する図である。
【図4】図2におけるプロファイル構築部12の処理フローを説明する図である。
【図5】図2におけるプロファイルセグメント構築部13の処理フローを説明する図である。
【図6】図2における計測需要家負荷推定部15の処理フローを説明する図である。
【図7】図2における非計測需要家負荷推定部16の処理フローを説明する図である。
【図8】図2における低圧バンク負荷推定部17の処理フローを説明する図である。
【符号の説明】
1…計算機、2…入出力装置、3…配電システム、4…配電系統、5…需要家情報提供部、6…気象情報提供部、11…負荷推定制御部、12…プロファイル構築部、13…プロファイルセグメント構築部、14…データ収集部、15…計測需要家負荷推定部、16…非計測需要家負荷推定部、17…低圧バンク負荷推定部、18…データベース部。
Claims (5)
- 配電系統上に複数の需要家を接続した変圧器の負荷を推定する配電系統負荷推定装置において、
前記変圧器に接続された各需要家の消費される負荷変動量を表した日負荷カーブを推定する需要家負荷推定手段と、前記日負荷カーブの推定結果に基いて変圧器の日負荷カーブを推定する変圧器負荷推定手段を備え、
需要家の過去における電力消費実績における日負荷カーブを分類し、前記電力消費実績以外の代表的な属性値として、代表的な日負荷カーブや計測日の最高気温などを関係付ける日負荷カーブプロファイルを構築するプロファイル構築手段と、前記日負荷カーブプロファイルを分類し、得られたプロファイルグループに格納されたプロファイルの特徴を表す代表的な属性値として、代表的なプロファイルデータや需要家業種などを関係付けるプロファイルセグメントを構築するプロファイルセグメント構築手段を備え、
前記需要家負荷推定手段が、日負荷カーブプロファイルデータを用いて、推定対象日の気象や時期に関する条件に応じて、需要家の日負荷カーブを合成する手段と、前記プロファイルセグメントのデータを用いて、推定対象の需要家の契約内容や業種などの属性と推定対象日の気象や時期に関する条件に応じて、需要家の日負荷カーブを合成する手段のどちらか一方、若しくは両方を備え、
前記プロファイル構築手段で分類して得られた日負荷カーブグループのうち、予め定められた基準に従って例外と判定される日負荷カーブグループをプロファイルデータから削除する日負荷カーブグループ例外除去手段と、前記プロファイルセグメント構築手段で分類して得られたプロファイルグループのうち、予め定められた基準に従って例外と判定されるプロファイルグループをプロファイルセグメントデータから除去するプロファイルグループ例外除去手段を備えていることを特徴とする配電系統負荷推定装置。 - 前記日負荷カーブグループ例外除去手段が、グループに属する日負荷カーブの個数が、予め定められた範囲に該当する場合にそのグループを例外と判定するか、又は、グループに属する全ての日負荷カーブ間の予め定める基準に従って計算される類似度の平均値、又は、類似度の分布における分散が、予め定められた範囲に該当する場合に、そのグループを例外と判定するか、又は、上記のように3つの例外判定基準のいくつかを同時に満たす場合に、そのグループを例外と判定することを特徴とする請求項1に記載の配電系統負荷推定装置。
- 前記プロファイルグループ例外除去手段が、グループに属するプロファイルの個数が、予め定められた範囲に該当する場合にそのグループを例外と判定するか、又は、プロファイルグループに属する全てのプロファイル間の予め定める基準に従って計算される類似度の平均値と、又は類似度の分布の分散が予め定められた範囲に該当する場合に、そのグループを例外と判定するか、又は、上記のように3つの例外判定基準のいくつかを同時に満たす場合に、そのグループを例外と判定することを特徴とする請求項2に記載の配電系統負荷推定装置。
- 前記代表的な日負荷カーブ同士が類似する日負荷カーブグループ同士を統合し、代表日負荷カーブを新グループ内の平均日負荷カーブとして作成しなおす日負荷カーブ類型化手段を備えていることを特徴とする請求項1−3の何れかに記載の配電系統負荷推定装置。
- 前記代表的なプロファイルデータ同士が類似するプロファイルセグメント同士を統合するプロファイルセグメント類型化手段を備えていることを特徴とする請求項4に記載の配電系統負荷推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002018220A JP3927040B2 (ja) | 2002-01-28 | 2002-01-28 | 配電系統負荷推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002018220A JP3927040B2 (ja) | 2002-01-28 | 2002-01-28 | 配電系統負荷推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003224931A JP2003224931A (ja) | 2003-08-08 |
JP3927040B2 true JP3927040B2 (ja) | 2007-06-06 |
Family
ID=27742929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002018220A Expired - Lifetime JP3927040B2 (ja) | 2002-01-28 | 2002-01-28 | 配電系統負荷推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3927040B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006011715A (ja) * | 2004-06-24 | 2006-01-12 | Tokyo Electric Power Co Inc:The | 資源消費量の推定方法及び装置 |
JP4531638B2 (ja) * | 2005-06-15 | 2010-08-25 | 中国電力株式会社 | 変圧器負荷想定方法、変圧器負荷想定装置 |
JP4837388B2 (ja) * | 2006-01-27 | 2011-12-14 | 株式会社日立製作所 | 環境負荷低減量算定システム、環境負荷低減量算定方法、および環境負荷低減量算定プログラム |
JP5560828B2 (ja) * | 2010-03-26 | 2014-07-30 | 東京電力株式会社 | 変圧器の負荷推定方法 |
JP5711623B2 (ja) * | 2010-07-22 | 2015-05-07 | 中部電力株式会社 | 変圧器管理装置、その方法及びそのプログラム |
JP5538288B2 (ja) * | 2011-03-31 | 2014-07-02 | 三菱電機株式会社 | 配電系統電圧制御装置 |
JP5483503B1 (ja) * | 2012-12-26 | 2014-05-07 | 中国電力株式会社 | トランス管理システム |
JP2015002588A (ja) * | 2013-06-14 | 2015-01-05 | 株式会社日立製作所 | 電力消費管理システムおよび方法 |
JP6356523B2 (ja) * | 2014-07-29 | 2018-07-11 | 株式会社デンソーウェーブ | 使用電力量変化パターン予測装置 |
JPWO2016088370A1 (ja) * | 2014-12-05 | 2017-09-14 | 日本電気株式会社 | 情報処理装置、モデル構築方法及びプログラム記録媒体 |
JP6408451B2 (ja) * | 2015-05-21 | 2018-10-17 | 株式会社日立製作所 | エネルギー需要予測システム及びエネルギー需要予測方法 |
-
2002
- 2002-01-28 JP JP2002018220A patent/JP3927040B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP2003224931A (ja) | 2003-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
Zhang et al. | Forecasting residential energy consumption: Single household perspective | |
Fu et al. | Clustering-based short-term load forecasting for residential electricity under the increasing-block pricing tariffs in China | |
Amjady | Short-term bus load forecasting of power systems by a new hybrid method | |
JP6837949B2 (ja) | 予測システム及び方法 | |
US20160364807A1 (en) | Electric power business profit and loss calculation system and electric power business profit and loss calculation method | |
CN105612546B (zh) | 用于能量测量的装置、服务器、***和方法 | |
Kouzelis et al. | Estimation of residential heat pump consumption for flexibility market applications | |
JP2003242212A (ja) | ユーティリティの消費特性が類似する曜日を決定する装置および方法 | |
JP3927040B2 (ja) | 配電系統負荷推定装置 | |
Gerbec et al. | An approach to customers daily load profile determination | |
CN109165763A (zh) | 一种95598客服工单的潜在被投诉的评估方法及装置 | |
CN111553516A (zh) | 一种短期电量负荷精准预测方法 | |
EP3000087A2 (en) | Visualizing energy consumption and cost trends using virtual billing cycle calculations and statistical analysis | |
CN110675087A (zh) | 一种区域综合能源***投资潜力评估方法 | |
CN108898248B (zh) | 电力负荷影响因素量化分析方法、装置、设备及介质 | |
JP2006011715A (ja) | 資源消費量の推定方法及び装置 | |
CN111428745A (zh) | 一种基于聚类分析的低压用户用电特征提取方法 | |
CN111310854A (zh) | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 | |
Lee | Low-cost and simple short-term load forecasting for energy management systems in small and middle-sized office buildings | |
CN115759393A (zh) | 基于集成学习的累积负荷基线预测方法 | |
KR20190109773A (ko) | 지역별 특성에 기초한 전력 수요 예측 장치 및 방법 | |
Yu et al. | Estimating power demand shaving capacity of buildings on an urban scale using extracted demand response profiles through machine learning models | |
KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
JP7316233B2 (ja) | データ処理システムおよびデータ処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060728 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060815 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061011 |
|
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: 20070227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 3927040 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110309 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110309 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120309 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130309 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130309 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140309 Year of fee payment: 7 |
|
EXPY | Cancellation because of completion of term |