JP5292505B1 - 行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム - Google Patents

行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム Download PDF

Info

Publication number
JP5292505B1
JP5292505B1 JP2012254748A JP2012254748A JP5292505B1 JP 5292505 B1 JP5292505 B1 JP 5292505B1 JP 2012254748 A JP2012254748 A JP 2012254748A JP 2012254748 A JP2012254748 A JP 2012254748A JP 5292505 B1 JP5292505 B1 JP 5292505B1
Authority
JP
Japan
Prior art keywords
power
power value
value
data
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.)
Active
Application number
JP2012254748A
Other languages
English (en)
Other versions
JP2014102709A (ja
Inventor
真也 梅野
義行 坂本
英夫 坂本
貴史 小磯
修一郎 今原
隆生 新垣
亨 矢野
亮介 竹内
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.)
Toshiba Corp
Original Assignee
Toshiba Corp
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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP2012254748A priority Critical patent/JP5292505B1/ja
Priority to EP13182536.6A priority patent/EP2741437A1/en
Priority to US14/015,547 priority patent/US8924324B2/en
Application granted granted Critical
Publication of JP5292505B1 publication Critical patent/JP5292505B1/ja
Publication of JP2014102709A publication Critical patent/JP2014102709A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/26—Monitoring; Testing of receivers using historical data, averaging values or statistics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J4/00—Circuit arrangements for mains or distribution networks not specified as ac or dc

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Security & Cryptography (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】 需要家における人物の行動状態の推定精度を向上させることが可能な行動推定装置、及びこの行動推定装置に用いる閾値算出装置、行動推定方法、行動推定プログラムを提供する。
【解決手段】 実施形態の行動推定装置は、需要家が消費した電力値を所定の期間の間収集した第１データを記憶する記憶部と、第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出する第１算出部と、第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出する第２算出部と、需要家の行動状態を推定すべき推定期間において需要家が消費した電力値を取得し、当該電力値と第１の電力閾値とを用いて、推定期間における需要家の行動状態を推定する推定部とを備える。
【選択図】図１

Description

本発明の実施形態は、行動推定装置、閾値算出装置、行動推定方法、行動推定プログラムに関する。
一般家庭等の需要家の電力消費を適切に管理し、あるいは電力消費の情報に基づく様々なサービスを提供するためには、需要家の人物の行動状態を簡便に推定する必要がある。すなわち、人感センサや需要家自らが設定する在宅情報等を必要とすることなく、需要家の行動状態の推定精度を向上させることが望まれている。
特開２０１１−３９８８６号公報
需要家の行動状態の推定精度を向上させることが可能な行動推定装置、及びこの行動推定装置に用いる閾値算出装置、行動推定方法、行動推定プログラムを提供する。
実施形態の行動推定装置は、需要家が消費した電力値を所定の期間の間収集した第１データを記憶する記憶部と、前記第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出する第１算出部と、前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出する第２算出部と、前記需要家の行動状態を推定すべき推定期間において前記需要家が消費した電力値を取得し、当該電力値と前記第１の電力閾値とを用いて、前記推定期間における前記需要家の行動状態を推定する推定部とを備える。
実施形態の閾値算出装置は、需要家が消費した電力値を所定の期間の間収集した第１データを記憶する記憶部と、前記第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出する第１算出部と、前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出する第２算出部とを備える。
実施形態の行動推定方法は、第１算出部が、需要家が消費した電力値を所定の期間の間収集した第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出し、第２算出部が、前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出し、推定部が、前記需要家の行動状態を推定すべき推定期間において前記需要家が消費した電力値を取得し、当該電力値と前記第１の電力閾値とを用いて、前記推定期間における前記需要家の行動状態を推定する。
実施形態の行動推定プログラムは、コンピュータに、需要家が消費した電力値を所定の期間の間収集した第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出するステップと、前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出するステップと、前記需要家の行動状態を推定すべき推定期間において前記需要家が消費した電力値を取得し、当該電力値と前記第１の電力閾値とを用いて、前記推定期間における前記需要家の行動状態を推定するステップとを実行させる。
第１の実施形態に係る推定装置を含むシステムのブロック図。 第１の実施形態に係る行動状態を説明する図。 第１の実施形態に係る行動状態を説明する図。 第１の実施形態に係る電力値データの一例を示す図。 第１の実施形態に係る頻度データの一例を示す図。 図１の第２算出部を示すブロック図。 第１の実施形態に係る計測値の頻度分布の近似を示す図。 第１の実施形態に係る閾値を示す図。 第１の実施形態に係る閾値セットデータの一例を示す図。 図１の推定部を示すブロック図。 第１の実施形態に係る離散化された時系列データＤ’を示す図。 第１の実施形態に係る推定方法を示すフローチャート。 図１の第２算出部の処理動作を示すフローチャート。 図１の第２算出部の処理動作を説明する図。 図１の推定部の処理動作を示すフローチャート。 第１の変形例に係る第２算出部を示すブロック図。 図１６の第２算出部の処理動作を示すフローチャート。 第１の変形例に係る計測値の頻度分布の近似を示す図。 第２の変形例に係る第２算出部を示すブロック図。 図１９の第２算出部の処理動作を示すフローチャート。 第２の変形例に係る計測値のクラスタリングを示す図。 第２の実施形態に係る推定装置を含むシステムのブロック図。 図２２の第３算出部を示すブロック図。 第２の実施形態に係る電力値域セットデータの一例を示す図。 第２の実施形態に係る第３演算部の処理動作を示すフローチャート。
以下、発明を実施するための実施形態について説明する。
（第１の実施形態）
図１は、第１の実施形態に係る行動推定装置１０００を含むシステムのブロック図である。この例では、行動推定装置１０００が需要家の外部サーバとして置かれている。すなわち、需要家と行動推定装置１０００とは例えばネットワークを介して接続されている。なお、ここでの需要家とは、例えば一般家庭やマンション、スーパーマーケット等の店舗、オフィスビルや工場等を含む。需要家は、電力を消費（使用）する複数の電気機器を有し、需要家において人物の電力消費に係る行動が期待でき、かつ需要家全体で消費した電力を１つの主幹電力で管理可能なグループであればよい。
需要家の外の配電線は、需要家内の分電盤１０の中に引き込まれており、需要家内の統括のブレーカである主幹電力ブレーカ１１に接続されている。主幹電力ブレーカ１１は、この配電線から電力を供給される。さらに、主幹電力ブレーカ１１の下では、サブブレーカ１２に分岐し、最終的に複数の電化製品（電気機器）２０に繋がっている。図１の例では、サブブレーカ１２には、テレビ、照明、冷蔵庫、ドライヤが繋がれている。なお、ここでは図示していないが、サブブレーカ１２と電気機器２０の間は通常、コンセントによって繋がれる。また、電気機器２０としては、作動に伴い電力を使用する電化製品であればよく、サブブレーカ１２には、例えばエアコン、洗濯機、掃除機、アイロン、瞬間湯沸かしポット、ＩＨ調理器、等が繋がれてもよい。
主幹電力ブレーカ１１に接続される配電線には、電流の瞬時値を測定する電流センサ１３を設置している。主幹電力計測器（計測部）１４は、この電流センサ１３から得られるセンシング値を用いて、定期的に需要家内の使用電力の瞬時値（瞬時電力）を計測する。この計測は例えば1分間隔で行うが、それより短くても、また長くてもよい。主幹電力計測器１４は、この瞬時電力の計測値を電力値データとして、この電力値データを無線もしくは有線にてデータ収集親機１５に送信する。データ収集用親機１５は、受信した電力値データを一次保持し、無線もしくは有線にて行動推定装置１０００に送信する。
図１の行動推定装置１０００は、１日または複数日分の電力値データを用いて、需要家において人物（例えば、居住者）の在または不在、意図ある電力使用の有無、電力消費に係る行動等（行動状態）を推定するための電力閾値を算出し、この電力閾値と例えば直近の使用電力とを比較することで行動状態を推定する。
図２及び図３は、本実施形態に係る行動状態を説明する図である。
本実施形態では、需要家（例として家庭）における人物（例として居住者）の行動状態により消費電力の頻度分布（確率分布）が統計的に異なって現れる点、すなわち行動状態により使用される電気機器が異なる点に着目した。例えば居住者が「不在（外出）」という「行動状態」にあれば、家庭内で主として使用される電力は、各電気機器の待機電力や、冷蔵庫などの居住者の行動とは独立して常時運転する機器による電力となる。このような電力を「ベース電力」と呼ぶこととする。また、居住者が「団らん」「くつろぎ」というような需要家における通常の行動状態にあれば、主として使用される電力は、「ベース電力」に加え、室内の住環境を整えるための照明やエアコン、また、団らんするためのテレビやゲーム機器による電力が追加される。このような、長時間にまたがる可能性のある行動（長期行動）で、安定的に使用する電力を「長期行動電力」と呼ぶこととする。さらに、単なる「団らん、くつろぎ」ではなく、「コーヒーを作る」ときの瞬間湯沸かし器や、「調理」時の電子レンジや炊飯ジャー、「髪を乾かす」時のドライヤなど、明確な目的を持った行動（短期行動）に伴い、長期行動と比較して短時間の内に高い消費電力にて使用する電機機器がある。このような電気機器による電力が「長期行動電力」に追加されたものを、「短期行動電力」と呼ぶことにする（図２）。
これらの「ベース電力（A）」「長期行動電力（B）」「短期行動電力（C）」の３つの電力値は、上記に述べたように、ＢはＡに照明などの電力を加えたもの、ＣはＢに電子レンジなどの電力を加えたものである。したがって、それぞれの電力の頻度分布には、その平均値を見れば、Ａ<Ｂ<Ｃという関係が成り立つ。実際には、Ａ、Ｂ、Ｃの電力は、使う電気機器の数（例えば照明を付ける数）等により、バラつき（分散）が存在するが、例えば、Ａの出現はＡの平均値を出現頻度の中心（極大値）とした山型の頻度分布を取る（図３(a)）。Ｂ、Ｃについても同様である（図３(b)、(c)）。このバラつき（分散）は、一般的には、Ａの平均値とＢの平均値の差、また、Ｂの平均値とＣの平均値との差に比べて比較的小さい。
以下に説明する行動推定装置１０００では、上記の知見に基づくことにより、計測された電力値が「ベース電力（A）」「長期行動電力（B）」「短期行動電力（C）」のいずれに由来した電力なのかに着目し、需要家の行動状態、すなわち需要家における人物の在・不在を推定するものである。
行動推定装置１０００は、行動推定装置１０００の制御を行う制御部３０、一定期間の電力値データ（第１データ）を用いて、各電力値の大きさに応じた計測値の頻度（出現頻度または確率密度）を示す頻度データ（第２データ）を算出する第１算出部４０、頻度の極大値に対応する１つの電力値のなかで、１つの電力値（第１の電力値）と、この電力値の次に大きい電力値（第２の電力値）とを区分する１または複数の電力閾値を算出する第２算出部５０、電力閾値を用いて需要家の行動状態を推定する推定部６０、主幹電力データＤＢ１１０、頻度データＤＢ１２０、電力閾値ＤＢ１３０、パラメータＤＢ１４０、推定結果ＤＢ１５０を備える。なお、制御部３０、第１算出部４０、第２算出部５０、推定部６０の処理は、例えばＣＰＵ等の演算処理装置を用いて行われる。
主幹電力データＤＢ１１０は、需要家のデータ収集用親機１５から受信した電力値データを貯め込む。図４は、電力値データの一例を示す図である。なお、この例では主幹電力データＤＢ１１０が貯め込んだ需要家１軒分の電力値データを示している。図４の例では、電力値データは、各エントリに通し番号、データ測定の時刻（タイムスタンプ）、計測値（例えば単位はw、ワット）を含む。主幹電力計測器１４が瞬時電力の計測に失敗した場合には、この時刻の電力値データの計測値を「X」として、この時刻の電力値データについては欠損として扱うことができる。
制御部３０は、例えば需要家や行動推定装置１０００の管理者等からの外部命令に基づいて、第１算出部４０、第２算出部５０、推定部６０の全て、またはいずれかの各処理動作の開始、実行、終了を制御する。また、制御部３０は、直接的に第１算出部４０、第２算出部５０、推定部６０の制御を行うのではなく、単に各処理動作の開始、実行、終了のためのトリガを与えるものであってもよい。なお、外部命令としては、需要家や管理者等が、例えば図示しない入力端末により行動推定装置１０００に対して信号を入力することで与えることができる。
第１算出部４０は、主幹電力データＤＢ１１０が格納する一定期間（N日分）の電力値データを参照して、各電力値と計測値の頻度が対応づけられた頻度データを算出する。図５は、頻度データの一例を示す図である。図５の例では、電力値に対する計測値の頻度を示す数値データをヒストグラムで表現している。第１算出部４０は、頻度データを例えば数値データの形式で頻度データＤＢ１２０に格納する。
第２算出部５０は、頻度データＤＢ１２０が格納する頻度データを参照して、第２算出部５０は、電力値空間の値域を複数（M個）の値域に分割する複数の閾値（閾値セット）を算出する。第２算出部５０が算出する閾値セットは、計測値の頻度の異なる極大値に対応する電力値を各々が含むように複数の値域に分割する。すなわち、複数の値域の各々は、電力値データ集合に含まれる計測値の分布の疎密に着目し、近傍と比較して計測値が密な部分を中心部に有し、この中心部と比較して計測値が疎な部分を端部に有する山型の分布を含む。第２算出部５０は、閾値セットデータを電力閾値ＤＢ１３０に格納する。
図６は、第２算出部５０を示すブロック図である。第２算出部５０は、近似部（第３算出部）５１と、閾値算出部（第４算出部）５２とを有する。
近似部５１は、頻度データに含まれる計測値の頻度分布に対して確率モデルの当てはめを行う。このとき、例えば予めパラメータＤＢ１４０に格納されている分割する値域の数Mを参照し、確率モデルの当てはめを行うことで、各々が極大値を含むM個の確率分布に近似される。これには、例えば確率モデルの１つである混合ガウスモデルのEM (Expectation-Maximization) アルゴリズムを用いることで、M個の確率分布のパラメータを算出する。図７は、M＝３とした場合の計測値の頻度分布の近似を示す図である。近似部５１は、頻度分布を近似したM個の確率分布のパラメータ（平均、分散等）をパラメータＤＢ１４０に格納する。
閾値算出部５２は、各々が異なる極大値に対応する電力値を含むM個の値域に分割する（M−1）個の電力値の閾値を算出する。閾値算出部５２は、閾値セットデータを電力閾値ＤＢ１３０に格納する。図８は、M＝３とした場合の閾値を示す図である。この図の例では、閾値算出部５２は、近似部５１が計測値の頻度分布に対して当てはめを行うことで得られた確率モデルの交点に対応する電力値を閾値として算出している。すなわち、確率モデルAと確率モデルBの交点を閾値（E1）、確率モデルBと確率モデルCの交点を閾値（E2）として算出している。図９は、閾値セットデータの一例を示す図である。この図に示すように、各エントリに、値域の通し番号、値域の最小値を示す閾値、値域の最大値を示す閾値を含む。
推定部６０は、電力閾値ＤＢ１３０に格納された閾値セットデータを参照し、推定すべき任意の期間（推定期間）における瞬時電力の計測値の時系列データを用いて、計測値と各閾値を比較することで行動状態を推定する。なお、計測値の時系列データとしては、主幹電力データＤＢ１１０から取得する過去の時系列データであってもよいし、主幹電力計測器１４がリアルタイムに計測する計測値であってもよい。また、推定期間については、例えば需要家における管理者や行動推定装置１０００の管理者等からの外部命令に基づいて事前に設定することができる。
図１０は、推定部６０を示すブロック図である。推定部６０は、離散化部６１、比較部６２を有する。
離散化部６１は、閾値セットを基準として、計測値の時系列データDを0から（M-2）の(M-1)段階に離散化し、離散化された時系列データＤ’を算出する。この時系列データＤ’は一旦パラメータＤＢ１４０に格納する。図１１は、時系列データD及び離散化された時系列データＤ’を示す図である。
比較部６２は、時系列データＤ’を参照し、離散化された計測値と閾値に相当する0（閾値E1に相当）から(M-2)までの整数を比較し、所定の時間帯における行動状態を推定する。例えば、比較部６２は、離散化された計測値が0の場合には、「ベース電力」と推定し、需要家において人物が不在、あるいは意図する電力使用が無いものと推定する。また、離散化された計測値が1以上の場合には、「行動電力」と推定し、需要家において人物が在、あるいは意図する電力使用が有るものと推定する。この推定結果を推定結果ＤＢ１５０に格納する。
図１２は、推定方法を示すフローチャートである。
主幹電力測定器１４及びデータ収集用親機１５が、需要家における管理者のスイッチ操作により作動し、需要家内の瞬時電力の計測をスタートする（S101）。
主幹電力測定器１４は、１分間隔で瞬時電力を計測する。計測した計測値は計測時間と共に１つの電力値データとなり、この電力値データをデータ収集用親機１５に対して無線または有線で送信する。また、データ収集用親機１５は受信した電力値データを一次保持し、一定の時間間隔（例えば１０分置き）に電力値データを主幹電力データＤＢ１１０に対して送信する(S102)。
主幹電力データＤＢ１１０は、受信した電力値データを貯め込む(S103)。このとき重複してデータを貯め込まないように、例えば既に貯め込んだデータと最新のデータの計測時間が異なっていることを確認してもよい。なお、(S103)の貯め込みの動作は、以降のステップとは独立して並行に動作しても構わない。
制御部３０からのトリガを得て、第１算出部４０は、主幹電力データＤＢ１１０が格納するN日分の電力値データの時系列データを参照して、頻度データを算出し、この頻度データを頻度ＤＢ１２０に格納する(S104)。
第２算出部５０は、頻度ＤＢ１２０が格納する頻度データを参照して、閾値セットを算出し、この閾値セットデータを電力閾値ＤＢ１３０に格納する(S105)。
推定部６０は、制御部３０からのトリガを得て、閾値セットデータ、主幹電力データＤＢ１１０が格納する過去の計測値またはリアルタイムで計測される計測値を参照して、行動状態を推定し、この推定結果を推定結ＤＢ１５０に格納する(S106)。
推定部６０が推定を終了したタイミング、または制御部３０からのトリガにより、以上のステップを終了する(S107)。
以下、図１３乃至図１５を参照して、(S105)及び(S106)の詳細について説明する。
図１３は、第２算出部５０の処理動作を示すフローチャートである。
近似部５１は、制御部３０または第１算出部４０からのトリガを得て、処理動作を開始する(S201)。
近似部５１は、頻度データＤＢ１２０から頻度データを取得する。また、パラメータＤＢ１４０から最終的に分割する値域の数（K）の初期値、初期値ベクトルVを取得する（S202）。
近似部５１は、頻度データに対して、初期値ベクトルVを用いて混合ガウスモデルの当てはめを行う（S203）。頻度データに含まれるデータ点の数をQとし、データ点の集合を{x1, x2, … xQ}とする。このQ点のデータ集合が与えられた時、このデータ集合に対する、K個のガウス分布で構成される混合ガウスモデルの対数尤度は、以下の式で表すことができる。ここで、lnは自然対数を表す。また、混合ガウスモデルのパラメータは、V＝{π,μ,σ}の３つであり、これらはそれぞれ、混合される対象である３つのパラメータの混合割合を示すパラメータである（π1, π2, …πk）、平均値を示すパラメータである（μ1, μ2, …μk）、標準偏差を示すパラメータである（σ1, σ2, …σk）という３つのベクトルを表している。
ただし、N(xn｜μk,σk)は、以下で表されるガウス分布を表す。
この対数尤度が最大になるようなガウス分布のパラメータ{π,μ,σ}を算出する。このためには、EM(Expectation-Maximization)アルゴリズムなどの公知の手法が使用できる。Ｋ個のガウス分布を分布の平均値の小さい順に１から通し番号i(1≦i≦K)を付けて、分布のパラメータをパラメータＤＢ１４０に格納する。このとき、i番目の分布Giとi+1番目の分布G(i+1)を比べて、後述の（S204）において所定の確率密度δ1以上の２つの交点があるか（図１４（a））、また所定の確率密度δ2以上において全値域の区間で一方の密度が他方の密度より小さい（図１４（b））場合、分散の小さい方の分布を取り除く。取り除きがあれば、再度残った分布に対して平均値の小さい順に１から通し番号を付ける。一方、平均値の差が所定の電力値δ3以下である場合（図１４（a））には２つの分布を１つにまとめる。最終的に得られた分布の数Kが値域の数Mとなる。
なお、ここでは、パラメータＤＢ１４０からＫの値を設定したが、Ｋを実際のデータの分布に合わせて動的に選ぶような方法を用いてもよい。例えば、Ｋの数を繰り返しごとに１つずつ増やしながら、複数のＫでのモデル当てはめを試す方法がある。Ｋ増加のループの停止条件は、例えば以下のような方法が使用できる。現在のＫで当てはめられた混合ガウス分布の尤度の値に着目し、１つ前の（Ｋ−１）での当てはめの尤度に比べて、Ｋの尤度の増加が、予め設定された値ε以下であったとき、Ｋの増加のループを停止する。この他、上記の「尤度」だけでの比較だけでなく、例えばある定数αを用いて「尤度−αＫ」の増加が止まれば停止するなど、Ｋが増えるとその分だけペナルティをかせて、Ｋが余り大きくならないようにする方法などが使用できる。
閾値算出部５２は、隣り合うi番目の分布Giとi+1番目の分布G(i+1)について、各々の分布の平均値の間にある交点を算出する（S204）。
閾値算出部５２は、算出した混合ガウス分布の交点に対応する電力値を閾値EP(1≦p≦M-1)として算出する（S205）。なお、上記の閾値Epの算出方法は一例である。この他に、例えば、隣り合う分布Giの平均値μiとμ(i+1)の算術平均である(μi+μ(i+1))/2を閾値Epとしてもよい。また、単純な算術平均ではなく、各々の分布の大きさを表すπiとπ(i+1)を用いて、μiとμ(i+1)をπi ：π(i+1)に内分する内分点を閾値Epとしてもよい。
なお、ここでは混合ガウス分布を確率モデルとして用いたが、他の混合分布を用いてもよい。例えば、混合対数正規分布を用いることができる。
閾値算出部５２が、全ての閾値EP(1≦p≦M-1)を算出したタイミングで上記のステップを終了する(S206)。
図１５は、推定部６０の処理動作を示すフローチャートである。
離散化部６１は、制御部３０からのトリガを得て、処理動作を開始する(S301)。
離散化部６１は、電力閾値ＤＢ１３０から (Ｍ−1)個の閾値セットを取得する。また、主幹電力データＤＢ１１０から一定期間（例えば直近の１日分）の計測値の時系列データDを取得する(S302)。なお、どの時間帯の計測値を用いるかはパラメータＤＢ１４０が予め格納している。
離散化部６１は、 (M-1)個の閾値セットを用いて、時系列データDを0から（M-2）の（M-1）段階に離散化し、時系列データＤ’ を算出する(S303)。
比較部６２は、時系列データＤ’ を参照して、時系列データＤ’の単位時間に対し、値が「0」の場合はその時間は「不在」と推定し(S304)、値が「1」以上の場合は、その時間は「在宅」と推定する(S305)。
比較部６２は、時系列データＤ’の時間帯ごとに推定された時系列データを推定結果としてＤＢ１４０に格納する(S307)。上記のステップを時系列データＤ’の全ての時刻について行ったタイミングで処理動作を終了する(S308)。
なお、比較部６２は、例えば隠れマルコフモデルを用いて、連続在宅時間や不在（外出）時間の統計的・常識（経験）的知見を推定に取り入れることも可能である。例えば、隠れマルコフモデルを、在宅・不在の２つの状態を用いて構築し、在宅時間、不在時間の一般統計上の平均を用いてそれぞれの状態の状態遷移確率を決定する。この上で、この隠れマルコフモデルの出力を、上記時系列データＤ’で出てくる離散化データであると考え、出力確率を、不在中は１以上が出る確率が低い、などの知見を使って決定する。このように隠れマルコフモデルを構築すれば、例えばViterbiアルゴリズムを使用して、時系列データＤ’が出るような、もっとも確率の高い状態遷移列、つまり、「在宅・不在」の時系列データが得られる。このようにして得られた「在宅・不在」の時系列データを推定に用いることで、例えば不自然に短い時間間隔で複数回「在宅・不在」を繰り返すようなノイズによる影響を低減することができ、推定精度をさらに向上させることができる。
本実施形態によれば、図２及び図３で説明したように統計的な裏づけに基づいて、 需要家の行動状態の推定精度を向上させることができる。また、センサや需要家自らが設定する在宅情報等を必要とすることなく、需要家全体の消費電力である主幹電力のみに基づいて需要家の行動状態を簡便に推定することができる。
なお、本実施形態では、例として主幹電力計測器１４の計測頻度を１分として挙げているが、それ以外の計測頻度で取得したデータでもよい。例えば、計測頻度が短い10秒、１秒、１ミリ秒というデータでも、計測頻度が長い１０分、３０分、１時間、というデータでもよい。また、計測値は、その計測タイミングでの瞬時値でも、計測タイミングまでの電力量（累積電力量）でもよい。累積値の場合は、計測値の前後２つの差分を用いて算出できる、測定間隔当たりの累積値や平均値を用いることもできる。
また、電力値データの形式は、図４で表したものに限らない。例えば、計測された時刻が記録（タイムスタンプ）される時系列データでなくとも、Ｎ日分ランダムに計測された需要家内の消費電力データが、タイムスタンプの情報なしに主幹電力データＤＢ１１０に格納されてもよい。また、Ｎ日分は、例えば連続Ｎ日でもよいし、１か月中のランダムサンプルを取ったＮ日でもよい。また、例えば同じ月の平日のみに収集したＮ日分のデータや、休日のみに収集したＮ日分のデータでもよい。
また、図１のシステムについては様々な様態が考えられる。例えば、本実施形態の行動推定装置１０００から推定部６０及び推定結果ＤＢ１５０を除いた装置を閾値算出装置として、需要家が閾値算出装置を備え、外部サーバが推定部６０及び推定結果ＤＢ１５０を備えることもできる。
（第１の変形例）
図１６は、第１の変形例に係る第２算出部８０を示すブロック図である。第２算出部８０は、近似部（第５算出部）８１、閾値算出部（第６算出部）８２を有する。以下、図６の第２算出部５０と異なる点を中心に説明する。
図１７は、図１６の第２算出部８０の処理動作を示すフローチャートである。
近似部８１は、制御部３０からのトリガを得て、処理動作を開始し(S401)、頻度データＤＢ１２０から頻度データを取得する(S402)。
近似部８１は、頻度データを参照して、横軸を電力値、縦軸を頻度とする電力値空間におけるヒストグラムを作成する(S403)。
近似部８１は、ヒストグラムを用いて、頻度データに含まれる電力値の頻度分布の近似曲線を算出する(S404)。近似曲線の算出としては、例えば、電力値の値域について所定のウィンド幅（例えば前後１００W）として計算した移動平均により移動近似曲線を算出することができる。この近似曲線を電力値空間における座標データとして頻度データＤＢ１２０に格納する。
閾値算出部８２は、頻度データＤＢ１２０が格納する近似曲線の座標データを参照して、頻度の極小値に対応する電力値を閾値として算出する（図１８）(S405)。極小値としては、例えば、電力値の値域について所定のウィンド幅（例えば前後１００W）として、近似曲線に対して微分演算を行うことで算出することができる。算出された閾値は電力閾値ＤＢ１３０に格納する。閾値算出部８２が、全ての閾値を算出したタイミングで処理動作を終了する(S406)。なお、上記のウィンド幅は予めパラメータＤＢ１４０に格納しておくことができる。
（第２の変形例）
図１９は、第２の変形例に係る第２算出部９０を示すブロック図である。第２算出部９０は、クラスタリング部（分類部）９１、閾値算出部（第７算出部）９２を有する。以下、図６の第２算出部５０と異なる点を中心に説明する。
図２０は、図１９の第２算出部９０の処理動作を示すフローチャートである。
クラスタリング部９１は、制御部３０からのトリガを得て、処理動作を開始し(S501)、主幹電力データＤＢ１１０からN日分の電力値データ{x1, x2, … ,xQ}を、パラメータＤＢ１４０からクラスタの数（K）を取得する(S502)。
クラスタリング部９１は、N日分の電力値データの疎密に基づいて、電力値データをK個のクラスタ（グループ）にグルーピング（分類）する(S503)。クラスタリングとしては、K-meansやK-monoids、K-medians、密度ベースクラスタリング(Density-based clustering)であるDBSCAN等を用いることができる。また、階層型クラスタリングの手法を用いることもできる。
閾値算出部９２は、各クラスタの代表値を算出する(S504)。各クラスタの代表値としては、例えば、各クラスタ内において最もデータが密な電力値、すなわち頻度の極大値に対応する電力値を用いることができる。
閾値算出部９２は、隣り合う２つのクラスタの代表値の中心に対応する電力値を閾値として算出する(S505)。算出された閾値は電力閾値ＤＢ１３０に格納する。閾値算出部９２が、全ての閾値を算出したタイミングで処理動作を終了する(S506)。
なお、(S505)において、閾値算出部９２は、例えば隣り合う２つのクラスタ内のデータ数Ｄ１、Ｄ２を用いてD1:D2に内分する内分点を閾値として算出してもよい。
（第３の変形例）
図１０の推定部６０の変形例について説明する。
第３の変形例に係る推定部６０は、需要家の行動状態、すなわち需要家における人物の電力消費に係る短期行動または長期行動を推定するものである。
推定部６０の比較部６２は、離散化された計測値が1以上であって、かつ２以下の場合には、「長期行動電力」と推定し、需要家において人物が長期行動を行っているものと推定する。また、離散化された計測値が２以上であって、かつ３以下の場合には、需要家において人物が短期行動を行っているものと推定する。この推定結果を推定結果ＤＢ１５０に格納する。
なお、比較部６２は、系列データＤ’ を参照して、離散化された計測値が各値域に含まれる時間（期間）に基づいて、需要家の行動状態を推定することもできる。例えば、離散化された計測値が1以上であって、かつ２以下の状態が予め定める所定の時間（継続時間）継続した場合に、「長期行動電力」と推定し、離散化された計測値が２以上であって、かつ３以下の状態が予め定める所定の時間継続した場合に、「長期行動電力」と推定する。
（第２の実施形態）
図２２は、第１の実施形態に係る行動推定装置２０００を含むシステムのブロック図である。行動推定装置２０００は、第３算出部７０、電力値域ＤＢ１６０をさらに備える点で行動推定装置１０００とは異なる。なお、行動推定装置１０００と共通の構成については共通の符号を付し、その詳細な説明は省略する。
第３算出部７０は、電力閾値データＤＢ１３０が格納する閾値セットデータを参照して、閾値セットにより分割された複数の値域を行動状態に対応付けて分類し、分類された複数の値域（値域セット）を算出する。第３算出部７０は、１つの「ベース電力値域」と１つまたは複数の「行動電力値域」を算出する。
図２３は、算３算出部７０を示すブロック図である。第３算出部７０は、第１値域算出部７１、第２値域算出部７２、第３値域算出部７３を有する。
第１値域算出部７１は、電力閾値ＤＢ１３０が格納する閾値セットデータを参照し、最も小さい閾値（E1）より小さい値域を「ベース電力値域」として分類する。また、閾値（E1）以上の１または複数の値域を「行動電力値域」として分類する。この結果を電力値域ＤＢ１６０に格納する。
第２値域算出部７２は、値域の数M≧３の場合に、「行動電力値域」をさらに２つの電力値域に分類する。すなわち、第２値域算出部７２は、二番目に小さい閾値（E2）より小さい値域を「長期行動電力値域」として分類する。また、閾値（E2）以上の１または複数の値域を「短期行動電力値域」として分類する。この結果を電力値域ＤＢ１６０に格納する。
第３値域算出部７３は、値域の数M≧４の場合に、「短期行動電力値域」をさらに２つの電力値域に分類する。すなわち、ここではM=４を例に説明すると、第３値域算出部７３は、「短期行動電力値域」を三番目に小さい閾値（E3）より小さい値域と、この閾値（E3）以上の値域とに分類する。この結果を電力値域ＤＢ１６０に格納する。
図２４は、電力値域セットデータの一例を示す図である。
図２５は、第３演算部７０の処理動作を示すフローチャートである。
第１値域算出部７１は、制御部３０または第２算出部５０からのトリガを得て、処理動作を開始する(S601)。
第１値域算出部７１は、電力閾値ＤＢ１３０から閾値セットデータを取得する(S602)。
第１値域算出部７１は、最も小さい閾値（E1）より小さい値域を「ベース電力値域」（0 ≦X＜E1）として電力値域ＤＢ１６０に格納する。また、閾値（E1）以上の１または複数の値域を「行動電力値域」（E1≦X）として電力値域ＤＢ１６０に格納する(S603)。
M≧3の場合には、さらに以下の(S604)にむ。そうでない場合には、処理動作を終了する(S606)。
第２値域算出部７２は、最も小さい閾値（E1）以上の値域について、二番目に小さい閾値（E2）より小さい値域を「長期行動電力値域」（E1≦X＜E2）として電力値域ＤＢ１６０に格納する。また、閾値（E2）以上の１または複数の値域を「短期行動電力値域」（E2≦X）として電力値域ＤＢ１６０に格納する(S604)。
M≧4の場合には、さらに以下の(S605)に進む。そうでない場合には、処理動作を終了する (S606)。
第３値域算出部７３は、「短期行動電力値域」をさらに複数のサブの値域に分類し、各々の値域を電力値域ＤＢ１６０に格納する(S605)。第３値域算出部７３は、三番目に小さい閾値（E3）以降の閾値を用いて、「短期行動電力値域」をM-2個のサブの値域に分類する。以上のステップを行ったタイミングで、処理動作を終了する(S606)。
なお、ここでは、「行動電力値域」を１つの「長期行動電力値域」、複数の「短期行動電力値域」に分類することを例に説明したが、「長期行動電力値域」についても「短期行動電力値域」と同様複数に分類することもできる。
また、図２のシステムについては様々な様態が考えられる。例えば、本実施形態の行動推定装置２０００から推定部６０、推定結果ＤＢ１５０及び電力値域ＤＢ１６０を除いた装置を閾値算出装置として、需要家が閾値算出装置を備え、外部サーバが推定部６０、推定結果ＤＢ１５０及び電力値域ＤＢ１６０を備えることもできる。
以上説明した少なくとも１つの実施形態によれば、需要家の行動状態の推定精度を向上させることが可能となる。
これら実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、様々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同時に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１０・・・分電盤
１１・・・主幹電力ブレーカ
１２・・・サブブレーカ
１３・・・電流センサ
１４・・・主幹電力計測器
１５・・・データ収集親機
２０・・・電気機器
３０・・・制御部
４０・・・第１算出部
５０、８０・・・第２算出部
５１、８１・・・近似部
５２、８２・・・閾値算出部
６０・・・推定部
６１・・・離散化部
６２・・・比較部
７０・・・第３算出部
７１・・・第１値域算出部
７２・・・第２値域算出部
７３・・・第３値域算出部
１１０・・・主幹電力データDB
１２０・・・頻度データDB
１３０・・・電力閾値DB
１４０・・・パラメータDB
１５０・・・推定結果DB
１６０・・・電力値域DB
１０００、２０００・・・行動推定装置

Claims (14)

  1. 需要家が消費した電力値を所定の期間の間収集した第１データを記憶する記憶部と、
    前記第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出する第１算出部と、
    前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出する第２算出部と、
    前記需要家の行動状態を推定すべき推定期間において前記需要家が消費した電力値を取得し、当該電力値と前記第１の電力閾値とを用いて、前記推定期間における前記需要家の行動状態を推定する推定部と、
    を備える行動推定装置。
  2. 前記第２算出部は少なくとも、最も小さい第３の電力値と、この第３の電力値の次に小さい第４の電力値とを区分する第２の電力閾値を算出し、
    前記推定部は、推定期間における前記需要家の消費した電力値と前記第２の電力閾値とを比較することにより、前記需要家における人物の在または不在を推定する請求項１に記載の行動推定装置。
  3. 前記推定部は、推定期間における前記需要家の消費した電力値と前記第１の電力閾値とを比較することにより、前記需要家における人物の電力消費に係る行動が、短期行動であるか、または長期行動であるかを推定する請求項１に記載の行動推定装置。
  4. 前記第２算出部は、
    前記第２データに対して確率モデルを当てはめることにより、異なる極大値を含む複数の確率分布を算出する第３算出部と、
    隣り合う前記確率分布の交点に対応する電力値を前記第１の電力閾値として算出する第４算出部と、
    を備える請求項１乃至３いずれか１項に記載の行動推定装置。
  5. 前記確率モデルは、混合ガウスモデルである請求項４に記載の行動推定装置。
  6. 前記第２算出部は、
    前記第２データを用いて、前記頻度の近似曲線を算出する第５算出部と、
    前記近似曲線の極小値に対応する電力値を前記第１の電力閾値として算出する第６算出部と、
    を備える請求項１乃至３いずれか１項に記載の行動推定装置。
  7. 前記近似曲線は、移動平均近似曲線である請求項６に記載の行動推定装置。
  8. 前記第２算出部は、前記頻度に基づいて、前記第１データを複数のクラスタに分類する分類部と、
    前記複数のクラスタの各々において前記頻度の極大値に対応する電力値を前記クラスタの代表値として算出し、隣り合う２つの前記クラスタの前記代表値を区分する電力値を前記第１の電力閾値として算出する第７算出部と、
    を備える請求項１乃至３いずれか１項に記載の行動推定装置。
  9. 前記電力値は、複数の時刻に使用した瞬時電力または複数の時間間隔に使用した累積電力量を含む請求項１に記載の行動推定装置。
  10. 前記頻度は、前記電力値の出現頻度または確率密度を含む請求項１に記載の行動推定装置。
  11. 前記推定期間とは、現在時刻を含む任意の期間、または過去の任意の期間である請求項１に記載の行動推定装置。
  12. 需要家が消費した電力値を所定の期間の間収集した第１データを記憶する記憶部と、
    前記第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出する第１算出部と、
    前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出する第２算出部と、
    を備える閾値算出装置。
  13. 第１算出部が、需要家が消費した電力値を所定の期間の間収集した第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出し、
    第２算出部が、前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出し、
    推定部が、前記需要家の行動状態を推定すべき推定期間において前記需要家が消費した電力値を取得し、当該電力値と前記第１の電力閾値とを用いて、前記推定期間における前記需要家の行動状態を推定する行動推定方法。
  14. コンピュータに、
    需要家が消費した電力値を所定の期間の間収集した第１データを用いて、各電力値の大きさに応じた頻度を示す第２データを算出するステップと、
    前記第２データに出現する頻度の極大値に対応する電力値のなかで少なくとも、第１の電力値と、この第１の電力値の次に大きい第２の電力値とを区分する第１の電力閾値を算出するステップと、
    前記需要家の行動状態を推定すべき推定期間において前記需要家が消費した電力値を取得し、当該電力値と前記第１の電力閾値とを用いて、前記推定期間における前記需要家の行動状態を推定するステップと、
    を実行させる行動推定プログラム。
JP2012254748A 2012-11-20 2012-11-20 行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム Active JP5292505B1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2012254748A JP5292505B1 (ja) 2012-11-20 2012-11-20 行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム
EP13182536.6A EP2741437A1 (en) 2012-11-20 2013-08-30 Behavior estimation apparatus, threshold calculation apparatus, and behavior estimation method
US14/015,547 US8924324B2 (en) 2012-11-20 2013-08-30 Behavior estimation apparatus, threshold calculation apparatus, behavior estimation method and non-transitory computer readable medium thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012254748A JP5292505B1 (ja) 2012-11-20 2012-11-20 行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム

Publications (2)

Publication Number Publication Date
JP5292505B1 true JP5292505B1 (ja) 2013-09-18
JP2014102709A JP2014102709A (ja) 2014-06-05

Family

ID=49226012

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012254748A Active JP5292505B1 (ja) 2012-11-20 2012-11-20 行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム

Country Status (3)

Country Link
US (1) US8924324B2 (ja)
EP (1) EP2741437A1 (ja)
JP (1) JP5292505B1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015155916A1 (ja) * 2014-04-07 2015-10-15 パナソニックＩｐマネジメント株式会社 行動予測装置、プログラム
CN111241475A (zh) * 2019-12-30 2020-06-05 国网北京市电力公司 功耗分类处理方法、装置、存储介质以及处理器

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10140401B1 (en) 2011-07-25 2018-11-27 Clean Power Research, L.L.C. System and method for inferring a photovoltaic system configuration specification with the aid of a digital computer
US10599747B1 (en) 2011-07-25 2020-03-24 Clean Power Research, L.L.C. System and method for forecasting photovoltaic power generation system degradation
US10797639B1 (en) 2011-07-25 2020-10-06 Clean Power Research, L.L.C. System and method for performing power utility remote consumer energy auditing with the aid of a digital computer
US10663500B2 (en) 2011-07-25 2020-05-26 Clean Power Research, L.L.C. System and method for estimating photovoltaic energy generation through linearly interpolated irradiance observations with the aid of a digital computer
US9411073B1 (en) 2011-07-25 2016-08-09 Clean Power Research, L.L.C. Computer-implemented system and method for correlating satellite imagery for use in photovoltaic fleet output estimation
US11068563B2 (en) 2011-07-25 2021-07-20 Clean Power Research, L.L.C. System and method for normalized ratio-based forecasting of photovoltaic power generation system degradation with the aid of a digital computer
US9880230B1 (en) 2011-07-25 2018-01-30 Clean Power Research, L.L.C. System and method for inferring operational specifications of a photovoltaic power generation system using net load with the aid of a digital computer
US9645180B1 (en) 2011-07-25 2017-05-09 Clean Power Research, L.L.C. System and method for estimating photovoltaic energy generation for use in photovoltaic fleet operation with the aid of a digital computer
US8165812B2 (en) 2011-07-25 2012-04-24 Clean Power Research, L.L.C. Computer-implemented system and method for estimating power data for a photovoltaic power generation fleet
US10409925B1 (en) 2012-10-17 2019-09-10 Clean Power Research, L.L.C. Method for tuning photovoltaic power generation plant forecasting with the aid of a digital computer
US10719636B1 (en) 2014-02-03 2020-07-21 Clean Power Research, L.L.C. Computer-implemented system and method for estimating gross energy load of a building
US10789396B1 (en) 2014-02-03 2020-09-29 Clean Power Research, L.L.C. Computer-implemented system and method for facilitating implementation of holistic zero net energy consumption
US10024733B1 (en) 2014-02-03 2018-07-17 Clean Power Research, L.L.C. Apparatus and method for empirically estimating overall thermal performance of a building with the aid of a digital computer
US10747914B1 (en) * 2014-02-03 2020-08-18 Clean Power Research, L.L.C. Computer-implemented system and method for estimating electric baseload consumption using net load data
JP6352732B2 (ja) * 2014-08-28 2018-07-04 株式会社日立製作所 生活パターン管理システム及びアプリケーションサーバ
US11921478B2 (en) * 2015-02-25 2024-03-05 Clean Power Research, L.L.C. System and method for estimating periodic fuel consumption for cooling of a building with the aid of a digital computer
US10203674B1 (en) 2015-02-25 2019-02-12 Clean Power Research, L.L.C. System and method for providing constraint-based heating, ventilation and air-conditioning (HVAC) system optimization with the aid of a digital computer
US10332021B1 (en) 2015-02-25 2019-06-25 Clean Power Research, L.L.C. System and method for estimating indoor temperature time series data of a building with the aid of a digital computer
US10156554B1 (en) 2015-02-25 2018-12-18 Clean Power Research, L.L.C. System and method for determining infiltration of a building through empirical testing using a CO2 concentration monitoring device
US10339232B1 (en) 2015-02-25 2019-07-02 Clean Power Research, L.L.C. Computer-implemented system and method for modeling building heating energy consumption
JP6374371B2 (ja) * 2015-11-24 2018-08-15 株式会社日立製作所 電力系統監視装置および電力系統監視方法
US10941950B2 (en) * 2016-03-03 2021-03-09 Kabushiki Kaisha Toshiba Air conditioning control device, air conditioning control method and non-transitory computer readable medium
JP6802467B2 (ja) * 2016-08-22 2020-12-16 長野県 処理装置、判定装置および適正範囲特定方法
US10359206B1 (en) 2016-11-03 2019-07-23 Clean Power Research, L.L.C. System and method for forecasting seasonal fuel consumption for indoor thermal conditioning with the aid of a digital computer
US10551471B2 (en) * 2016-12-05 2020-02-04 GEIRI North America Data mining based approach for online calibration of phasor measurement unit (PMU)
US11087330B2 (en) * 2017-06-29 2021-08-10 Paypal, Inc. System and method for malware detection
US20190005501A1 (en) * 2017-06-29 2019-01-03 Paypal, Inc. System and method for malware detection
US11423199B1 (en) 2018-07-11 2022-08-23 Clean Power Research, L.L.C. System and method for determining post-modification building balance point temperature with the aid of a digital computer
JP7292081B2 (ja) * 2019-03-28 2023-06-16 大阪瓦斯株式会社 制御システム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005065099A (ja) * 2003-08-19 2005-03-10 Fujitsu Ltd 到来時刻識別装置、無線端末装置および移動端末
WO2010143588A1 (ja) * 2009-06-10 2010-12-16 株式会社 日立メディコ 超音波診断装置とその内膜中膜複合体厚計測方法
JP2011039886A (ja) * 2009-08-14 2011-02-24 Central Res Inst Of Electric Power Ind 生活状況推定方法及びシステム、並びに生活状況推定用プログラム
JP2011053951A (ja) * 2009-09-02 2011-03-17 Canon Inc 画像処理装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2678084B1 (fr) 1991-06-24 1993-09-24 Sgs Thomson Microelectronics Procede pour communiquer des informations et commandes au sein d'une habitation ou d'un immeuble, systeme pour sa mise en óoeuvre, et application de ce systeme a une installation domotique.
JP2001054176A (ja) * 1999-08-06 2001-02-23 Sanyo Electric Co Ltd 家庭内電気機器の電力制御システム
JP4851997B2 (ja) * 2007-06-18 2012-01-11 財団法人電力中央研究所 生活状況推定方法及びシステム
JP5172642B2 (ja) * 2008-12-19 2013-03-27 株式会社東芝 省エネ行動評価装置及び方法
JP5191412B2 (ja) 2009-02-05 2013-05-08 中国電力株式会社 行動判別システム
WO2010129059A1 (en) 2009-05-08 2010-11-11 Consert Inc. System and method for estimating and providing dispatchable operating reserve energy capacity through use of active load management
JP5054741B2 (ja) 2009-08-21 2012-10-24 一般財団法人電力中央研究所 電力需要家居住者の生活状況推定方法およびシステム並びに生活状況推定用プログラム
KR101123835B1 (ko) 2009-09-28 2012-03-16 버츄얼빌더스 주식회사 적응형 전력 절감 시스템 및 그 제공방법
JP5087153B2 (ja) 2011-03-29 2012-11-28 株式会社東芝 行動状態推定システムおよびその方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005065099A (ja) * 2003-08-19 2005-03-10 Fujitsu Ltd 到来時刻識別装置、無線端末装置および移動端末
WO2010143588A1 (ja) * 2009-06-10 2010-12-16 株式会社 日立メディコ 超音波診断装置とその内膜中膜複合体厚計測方法
JP2011039886A (ja) * 2009-08-14 2011-02-24 Central Res Inst Of Electric Power Ind 生活状況推定方法及びシステム、並びに生活状況推定用プログラム
JP2011053951A (ja) * 2009-09-02 2011-03-17 Canon Inc 画像処理装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015155916A1 (ja) * 2014-04-07 2015-10-15 パナソニックＩｐマネジメント株式会社 行動予測装置、プログラム
JPWO2015155916A1 (ja) * 2014-04-07 2017-04-13 パナソニックＩｐマネジメント株式会社 行動予測装置、プログラム
CN111241475A (zh) * 2019-12-30 2020-06-05 国网北京市电力公司 功耗分类处理方法、装置、存储介质以及处理器
CN111241475B (zh) * 2019-12-30 2023-08-08 国网北京市电力公司 功耗分类处理方法、装置、存储介质以及处理器

Also Published As

Publication number Publication date
US20140142862A1 (en) 2014-05-22
JP2014102709A (ja) 2014-06-05
EP2741437A1 (en) 2014-06-11
US8924324B2 (en) 2014-12-30

Similar Documents

Publication Publication Date Title
JP5292505B1 (ja) 行動推定装置、閾値算出装置、行動推定方法、行動推定プログラム
US11588896B2 (en) Electrical meter for identifying devices connected to a smart plug
JP6455431B2 (ja) 監視装置、監視方法及びプログラム
US10411467B2 (en) Information presentation apparatus, information presentation method, and recording medium storing computer program
JP6342700B2 (ja) 電力消費行動推定装置
WO2014126131A1 (ja) 生活行動推定システム、生活行動推定装置、生活行動推定プログラム、及び記録媒体
JP2017122572A (ja) 居住者の在宅不在の判定方法、判定装置、及び判定プログラム、並びに、不在期間の確定方法
JP6076242B2 (ja) 配電系統の負荷予測装置および配電系統の負荷予測方法
JP5473956B2 (ja) 監視装置
CN110989430A (zh) 一种智能家居联动方法、***和可读存储介质
EP2733647A1 (en) On-demand power control system, on-demand power control system program, and computer-readable recording medium recorded with said program
JP6437862B2 (ja) 在宅状況判定装置、方法及びプログラム
US10402732B2 (en) User management method, server device, and user management system
JP6641235B2 (ja) 負荷推定装置及び負荷推定方法
JP6119423B2 (ja) 情報処理装置、情報処理方法、情報処理システムおよび情報処理プログラム
KR102087026B1 (ko) 시계열 분석 기법을 이용한 소비전력 패턴 분류 방법 및 장치
KR101735550B1 (ko) 소비전력 모델 생성 및 전처리를 통한 가전 기기의 분류 장치 및 방법
JP7265847B2 (ja) 電力データ処理システム及び電力データ処理システムを用いて電力データを処理する方法
KR102271955B1 (ko) IoT 서비스 연동 기반 비접촉 가전기기 식별 방법 및 시스템
Lee et al. Applications of support vector machines to standby power reduction
US20210019643A1 (en) Predicting the impact of flexible energy demand on thermal comfort
JP6441746B2 (ja) 電力時系列データ補正方法およびシステム
CN116718934A (zh) 用于灶具电量检测的方法及装置、灶具、存储介质
JP5974768B2 (ja) 情報処理装置、情報処理方法、情報処理システムおよびプログラム

Legal Events

Date Code Title Description
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: 20130517

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130610

R151 Written notification of patent or utility model registration

Ref document number: 5292505

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151