JP6431283B2 - Electric power demand simulator, electric power demand simulation method, and program - Google Patents
Electric power demand simulator, electric power demand simulation method, and program Download PDFInfo
- Publication number
- JP6431283B2 JP6431283B2 JP2014100941A JP2014100941A JP6431283B2 JP 6431283 B2 JP6431283 B2 JP 6431283B2 JP 2014100941 A JP2014100941 A JP 2014100941A JP 2014100941 A JP2014100941 A JP 2014100941A JP 6431283 B2 JP6431283 B2 JP 6431283B2
- Authority
- JP
- Japan
- Prior art keywords
- home appliance
- action
- time
- data
- power
- 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 - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 42
- 238000004088 simulation Methods 0.000 title claims description 25
- 230000009471 action Effects 0.000 claims description 125
- 238000013500 data storage Methods 0.000 claims description 64
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010411 cooking Methods 0.000 description 33
- 238000009826 distribution Methods 0.000 description 18
- 230000006399 behavior Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 8
- 230000007704 transition Effects 0.000 description 8
- 238000005406 washing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、ユーザの生活パターンに基づいて電力需要をシミュレーションする技術に関する。 The present invention relates to a technique for simulating power demand based on a user's life pattern.
近年、戸別の住宅におけるエネルギーマネジメントの機運が高まっており、家庭の電力消費量の可視化、省エネルギーの観点からの最適な機器構成の提案、太陽光発電とエネルギーストレージの協調制御、デマンドレスポンス等の様々なサービスが開発されている。これらのサービスを開発・改良していく際、必要な全ての試験を実地で実施しようとすると、莫大な費用と時間が必要となる。そのため、エネルギーマネジメントサービスの開発を効率的に進めるためには、コンピュータ上で住宅の電力消費量をシミュレーションし、その値にもとづいて試験を実施することが不可欠となる。 In recent years, there has been an increase in the momentum of energy management in homes by doors. Various methods such as visualization of household power consumption, proposal of optimal equipment configuration from the viewpoint of energy saving, cooperative control of photovoltaic power generation and energy storage, demand response, etc. Services have been developed. As these services are developed and improved, enormous costs and time are required to perform all necessary tests in the field. Therefore, in order to advance the development of energy management services efficiently, it is indispensable to simulate the power consumption of a house on a computer and perform a test based on that value.
非特許文献１，２は、戸別の住宅の電力需要シミュレーションのためのモデルを提案している。非特許文献１に記載されたモデルは、平日または休日などの生活パターンごとに、各時刻にどのような種類の行動がどの程度の確率で発生するかをモデル化するものである。例えば、午前８時に炊事が発生する確率、午前８時に洗濯が発生する確率、午前９時に炊事が発生する確率といったデータによってモデルを表現するものである。 Non-Patent Documents 1 and 2 propose a model for power demand simulation of a house by door. The model described in Non-Patent Document 1 models what kind of behavior occurs with a certain probability at each time for each life pattern such as weekdays or holidays. For example, the model is expressed by data such as the probability of cooking at 8 am, the probability of washing at 8 am, and the probability of cooking at 9 am.
非特許文献２に記載されたモデルは、各時刻にどのような種類の行動が発生するかを、当該時刻だけでなく、その１時間前の行動に依存する条件付き確率でモデル化したものである。例えば、午前８時に炊事をしていた場合に午前９時に洗濯をする確率、午前８時に掃除をしていた場合に午前９時に洗濯をする確率といったデータによってモデルを表現するものである。 The model described in Non-Patent Document 2 is a model of what kind of behavior occurs at each time with a conditional probability that depends not only on that time but also on the behavior one hour before that time. is there. For example, the model is expressed by data such as the probability of washing at 9 am when cooking at 8 am and the probability of washing at 9 am when cleaning at 8 am.
上記した非特許文献１，２に記載された方法は、多くのパラメータを用いているため、モデルの表現能力が高く、精度の高いシミュレーションが実現可能であるが、次のような問題点があった。 Since the methods described in Non-Patent Documents 1 and 2 described above use many parameters, the model has a high expression capability and can realize a highly accurate simulation. However, there are the following problems. It was.
まず、パラメータ数が非常に多いため、シミュレーションを行う際にパラメータの調整が困難であった。１日のサンプル数をＮ、行動種類の数をＫとすると、非特許文献１で用いるパラメータ数のオーダーは、Ｏ（ＮＫ）、非特許文献２で用いるパラメータ数のオーダーはＯ（ＮＫ2）である。例えば、１日の時刻サンプル数を１４４個（１０分単位）、行動の種類を５個（炊事、洗濯、団欒、睡眠、外出）とすると、非特許文献１で用いるパラメータ数は７２０個、非特許文献２で用いるパラメータ数は３６００個にも上ることになる。 First, since the number of parameters is very large, it is difficult to adjust parameters when performing simulation. If the number of samples per day is N and the number of action types is K, the order of the number of parameters used in Non-Patent Document 1 is O (NK), and the order of the number of parameters used in Non-Patent Document 2 is O (NK 2 ). It is. For example, if the number of time samples per day is 144 (in 10-minute units) and the type of action is 5 (cooking, laundry, dumpling, sleeping, going out), the number of parameters used in Non-Patent Document 1 is 720, non The number of parameters used in Patent Document 2 is as high as 3600.
また、非特許文献１，２におけるパラメータの解釈は、時刻を所与とした際の需要家行動の発生の揺らぎ（例えば６時に炊事が発生する確率、６時〜７時に炊事・洗濯の順で１時間ずつ発生する確率）として与えられる。しかし、開始時刻や行動完了に要する時間そのものの揺らぎ（例えば、炊事は６〜７時の間に開始し、６０分〜９０分程度実施）に関しては、直接的な解釈を与えない。したがって、人間にとって直観的な解釈が困難であり、試験を行う際に、パラメータを調整することが困難であった。 Moreover, the interpretation of the parameters in Non-Patent Documents 1 and 2 is the fluctuation in the occurrence of customer behavior when the time is given (for example, the probability that cooking will occur at 6 o'clock, cooking and washing in the order of 6 o'clock to 7 o'clock) Probability of occurring every hour). However, no direct interpretation is given with respect to fluctuations in the start time and the time required to complete the action itself (for example, cooking starts between 6 and 7 o'clock and is performed for about 60 to 90 minutes). Therefore, it is difficult for humans to understand intuitively, and it is difficult to adjust parameters when performing a test.
また、特許文献１には、連続する機器の起動系列に、その間に存在する時間間隔を含めて系列を作成し、確率を計算することで、機器の起動の予測を行う技術が開示されている。しかし、この方法は、家電毎に起動系列をモデル化しているため、試験を行う際にパラメータの調整が困難であると共に、パラメータ数が増大するという問題があった。さらに、家電が新しくなった場合には、起動系列のモデル化をやり直さなくてはならない。 Patent Document 1 discloses a technique for predicting device activation by creating a sequence including a time interval existing between consecutive device activation sequences and calculating a probability. . However, since this method models the activation sequence for each home appliance, there is a problem that it is difficult to adjust parameters when performing a test and the number of parameters increases. Furthermore, when home appliances are new, the startup sequence must be remodeled.
そこで、本発明は、少ないパラメータでモデルを表現すると共に、パラメータの直観的な解釈が容易な電力需要シミュレータを提供することを目的とする。 Therefore, an object of the present invention is to provide a power demand simulator that can express a model with a small number of parameters and can easily interpret the parameters intuitively.
本発明の電力需要シミュレータは、ユーザがとる行動の種類ごとに、所定の基準時刻と当該行動を最初に開始する時刻との時間間隔、当該行動を２回目以降に開始する時刻とその前の行動開始時刻との時間間隔、及び、当該行動が継続する時間、によって１日の生活パターンを表した生活パターンデータを記憶した生活パターンデータ記憶部と、前記行動の種類に関連付けて家電を特定するデータを記憶した家電紐付けデータ記憶部と、前記家電の駆動時の消費電力量に関するデータを家電電力特性データとして記憶した家電電力特性データ記憶部と、前記生活パターンデータ記憶部から読み出した生活パターンデータに基づいて、所定の時刻においてユーザがとる行動の種類を求め、前記家電紐付けデータを用いて当該行動の種類に紐付けられた家電を特定し、前記家電電力特性データ記憶部から読み出した家電電力特性データに基づいて、当該家電の所定の時刻における消費電力量を算出する演算部と、前記消費電力量のデータを出力する出力部とを備える。 The power demand simulator of the present invention provides a time interval between a predetermined reference time and a time at which the action is first started for each type of action taken by the user, a time at which the action is started for the second time or later, and a previous action. A life pattern data storage unit that stores life pattern data representing a daily life pattern according to the time interval from the start time and the time during which the action continues, and data that specifies a home appliance in association with the type of action Household appliance linking data storage section, household appliance power characteristic data storage section that stores data relating to power consumption during driving of the household appliance as household appliance power characteristic data, and lifestyle pattern data read from the lifestyle pattern data storage section Based on the above, the type of action that the user takes at a predetermined time is obtained and linked to the type of action using the home appliance linking data And calculating a power consumption amount at a predetermined time of the home appliance based on the home appliance power characteristic data read from the home appliance power characteristic data storage unit, and outputting the power consumption data And an output unit.
このように、ユーザの生活パターンを、例えば、炊事、洗濯、団欒等といった行動の種類ごとに、基準時刻から最初の行動までの時間間隔、各行動の間の時間間隔、及び、行動が継続する時間という３つのパラメータによって表すので、パラメータ数を大幅に減らすことができる。例えば、１日の時刻サンプル数を１４４個（１０分単位）、行動の種類を５個（炊事、洗濯、団欒、睡眠、外出）とすると、パラメータ数はわずか３１個となる。また、生活パターンを、各行動の開始時刻とその継続時間によって表しているので、パラメータの意味を直観的に理解することができ、試験を実施する際のパラメータ調整が容易になる。 In this way, the user's life pattern is continued for each type of behavior such as cooking, washing, and grouping, for example, the time interval from the reference time to the first behavior, the time interval between each behavior, and the behavior. Since the time is represented by three parameters, the number of parameters can be greatly reduced. For example, if the number of time samples per day is 144 (in units of 10 minutes) and the type of action is 5 (cooking, laundry, dumpling, sleeping, going out), the number of parameters is only 31. Moreover, since the life pattern is represented by the start time and the duration of each action, the meaning of the parameter can be intuitively understood, and the parameter adjustment at the time of performing the test becomes easy.
本発明の電力需要シミュレータは、前記行動の種類に関連付けて、当該行動をとる継続時間内に当該家電を用いる選択確率を記憶した選択確率データ記憶部を備え、前記演算部は、前記家電電力特性データ記憶部から読み出した家電電力特性データと、前記選択確率データ記憶部から読み出した選択確率に基づいて決定される前記所定時刻における家電選択状態とに基づいて、前記家電の消費電力量を求めてもよい。 The power demand simulator of the present invention includes a selection probability data storage unit that stores a selection probability of using the home appliance within a duration of taking the action in association with the type of action, and the calculation unit includes the home appliance power characteristics. Based on the home appliance power characteristic data read from the data storage unit and the home appliance selection state at the predetermined time determined based on the selection probability read from the selection probability data storage unit, the power consumption amount of the home appliance is obtained. Also good.
家電は、ユーザの行動の継続時間中にわたって間断なく使用されるわけではない場合が多い。例えば、６時〜７時まで炊事を行う際に、６時〜７時まで常時電子レンジを使っているわけではなく、電子レンジを使うのは一部の時間である。本発明では、ユーザの行動の継続時間中において、当該行動に紐付けられた家電がどの程度使用されるか（家電選択状態）を選択確率によって求め、消費電力量を適切に計算することができる。 Home appliances are often not used without interruption over the duration of the user's action. For example, when cooking from 6 o'clock to 7 o'clock, the microwave oven is not always used from 6 o'clock to 7 o'clock, and the microwave oven is used for some time. In the present invention, during the duration of the user's action, the degree of use of the home appliance associated with the action (the home appliance selection state) can be obtained by the selection probability, and the power consumption can be calculated appropriately. .
本発明の電力需要シミュレータにおいて、前記家電電力特性データ記憶部は、前記家電の待機時の消費電力量に関するデータをさらに記憶しており、前記演算部は、前記家電電力特性データ記憶部から前記家電の駆動時の家電電力特性データと待機時の家電電力特性データとを読み出し、前記所定時刻における前記家電選択状態に加え、前記選択確率に基づいて前記家電非選択状態を決定し、前記駆動時の家電電力特性データから求めた消費電力量に前記家電選択状態を乗じた値と、前記待機時の家電電力特性データから求めた消費電力量に家電非選択状態を乗じた値とを加算して、前記家電の消費電力量を求めてもよい。 In the electric power demand simulator of the present invention, the home appliance power characteristic data storage unit further stores data related to power consumption during standby of the home appliance, and the calculation unit receives the home appliance power characteristic data storage unit from the home appliance power characteristic data storage unit. Home appliance power characteristic data during driving and home appliance power characteristic data during standby are read out, in addition to the home appliance selection state at the predetermined time, the home appliance non-selection state is determined based on the selection probability, A value obtained by multiplying the power consumption obtained from the home appliance power characteristic data by the home appliance selection state, and a value obtained by multiplying the power consumption obtained from the home appliance power characteristic data during standby by the home appliance non-selection state, You may obtain | require the power consumption of the said household appliance.
この構成により、待機時の消費電力量をも計算に含めるので、消費電力量を精度良く求めることができる。 With this configuration, the amount of power consumption during standby is also included in the calculation, so that the amount of power consumption can be obtained with high accuracy.
本発明の電力需要シミュレータにおいて、前記生活パターンデータ記憶部は、状況に応じて複数の生活パターンのデータを記憶していてもよい。 In the power demand simulator of the present invention, the life pattern data storage unit may store data of a plurality of life patterns depending on the situation.
ユーザが消費する電力量は、例えば、季節によって、あるいは、平日か休日か等の状況の違いによって大きく異なる。本発明の構成により、状況に応じて複数の生活パターンのデータを用意しておくことにより、状況に応じて適切に消費電力量を求めることができる。 The amount of power consumed by the user varies greatly depending on, for example, the season or the difference in the situation such as weekdays or holidays. According to the configuration of the present invention, by preparing data of a plurality of life patterns according to the situation, it is possible to appropriately obtain the power consumption amount according to the situation.
本発明の電力需要シミュレータは、１日を単位時間に分割したときの各単位時間における前記家電の使用に関するデータの入力を受け付ける入力部を備え、前記演算部は、前記各単位時間に使用された家電に対応する行動の種類のデータを前記家電紐付けデータ記憶部から読み出し、同じ種類の行動が連続する複数の単位時間を一つの行動が行われた時間であるとして当該行動の開始時刻及び継続時間を決定して、前記生活パターンデータを生成してもよい。 The power demand simulator according to the present invention includes an input unit that receives input of data relating to use of the home appliance in each unit time when a day is divided into unit times, and the calculation unit is used for each unit time. Data on the type of action corresponding to the home appliance is read from the home appliance association data storage unit, and a plurality of unit times in which the same type of action continues are regarded as the time when one action was performed, and the start time and continuation of the action The life pattern data may be generated by determining time.
この構成により、家電の使用に関するデータに基づいて、生活パターンデータを生成することができる。 With this configuration, life pattern data can be generated based on data related to the use of home appliances.
本発明の電力需要シミュレータにおいて、前記演算部は、前記家電が使用された時間と当該家電に紐付けられた行動の継続時間とに基づいて、当該家電の選択確率を生成してもよい。 In the power demand simulator of the present invention, the calculation unit may generate a selection probability of the home appliance based on a time when the home appliance is used and a duration of an action associated with the home appliance.
この構成により、家電の使用に関するデータに基づいて、家電の選択確率を求めることができる。 With this configuration, the selection probability of home appliances can be obtained based on data related to the use of home appliances.
本発明の電力需要シミュレータにおいて、前記入力部に入力されるデータは、前記家電が各単位時間に消費した電力量に関するデータであって、前記演算部は、前記電力量に関するデータの値が特定の条件を満たす場合に、前記家電が駆動状態にあると判定してもよい。 In the power demand simulator of the present invention, the data input to the input unit is data related to the amount of power consumed by the home appliance in each unit time, and the calculation unit is configured to specify a value of the data related to the power amount. When satisfy | filling conditions, you may determine with the said household appliance in a drive state.
この構成により、家電の消費電力量のデータに基づいて、家電が駆動状態にあるか待機状態にあるかを判定することができる。駆動状態と待機状態の判定方法としては、例えば、（１）前記演算部は、前記電力量のデータを昇順にプロットしたグラフにおいて、電力量が低い方から２つめの鞍点を閾値として、当該閾値以上の電力量を有する場合に、前記家電が駆動状態にあると判定してもよく、（２）前記電力量のデータに対して複数のガウス分布を持つ混合ガウス分布を適用し、平均の大きな分布に帰属するデータを駆動状態の電力量データと判定し、平均の小さな分布に帰属するデータを待機状態の電力量データと判定してもよい。 With this configuration, it is possible to determine whether the home appliance is in the driving state or in the standby state based on the power consumption data of the home appliance. As a determination method of the driving state and the standby state, for example, (1) the arithmetic unit plots the power amount data in ascending order, and sets the second saddle point from the lowest power amount as a threshold value. In the case of having the above power amount, it may be determined that the home appliance is in a driving state. (2) A mixed Gaussian distribution having a plurality of Gaussian distributions is applied to the power amount data, and the average is large The data belonging to the distribution may be determined as the power amount data in the driving state, and the data belonging to the small average distribution may be determined as the power amount data in the standby state.
本発明の電力需要シミュレータにおいて、前記演算部は、前記駆動状態と判定された電力量を用いて駆動時の家電電力特性データを生成し、前記駆動状態とは判定されなかった電力量を用いて待機時の家電電力特性データを生成してもよい。 In the power demand simulator of the present invention, the calculation unit generates household appliance power characteristic data at the time of driving using the power amount determined as the driving state, and uses the power amount not determined as the driving state. You may produce | generate household appliance electric power characteristic data at the time of standby.
この構成により、家電の消費電力量に関するデータに基づいて、ユーザが所有する家電の電力特性を求めることができる。なお、家電電力特性データは、消費電力量の平均と標準偏差に関するデータであってもよい。 With this configuration, it is possible to obtain the power characteristics of the home appliance owned by the user based on the data regarding the power consumption of the home appliance. The home appliance power characteristic data may be data related to the average and standard deviation of the power consumption.
本発明の電力需要シミュレーション方法は、上記した電力需要シミュレータによって電力需要のシミュレーションを行う方法であって、前記電力需要シミュレータが、前記生活パターンデータ記憶部から読み出した生活パターンデータに基づいて、所定の時刻においてユーザがとる行動の種類を求めるステップと、前記電力需要シミュレータが、前記家電紐付けデータを用いて当該行動の種類に紐付けられた家電を特定するステップと、前記電力需要シミュレータが、前記家電電力特性データ記憶部から読み出した家電電力特性データに基づいて、当該家電の所定の時刻における消費電力量を算出するステップと、前記電力需要シミュレータが、前記消費電力量のデータを出力するステップとを備える。 The power demand simulation method of the present invention is a method of simulating power demand by the power demand simulator described above, wherein the power demand simulator is based on the life pattern data read from the life pattern data storage unit, and has a predetermined value. Determining the type of action that the user takes at the time; the power demand simulator identifying the home appliance associated with the type of action using the home appliance association data; and the power demand simulator, Based on the home appliance power characteristic data read from the home appliance power characteristic data storage unit, calculating the power consumption amount at a predetermined time of the home appliance, and outputting the power consumption amount data from the power demand simulator Is provided.
本発明の電力需要シミュレータのパラメータ設定方法は、上記した電力需要シミュレータのパラメータを設定する方法であって、前記電力需要シミュレータが、１日を単位時間に分割したときの各単位時間における前記家電の使用に関するデータの入力を受け付けるステップと、前記電力需要シミュレータが、前記各単位時間に使用された家電に対応する行動の種類のデータを前記家電紐付けデータ記憶部から読み出し、同じ種類の行動が連続する複数の単位時間を一つの行動が行われた時間であるとして当該行動の開始時刻及び継続時間を決定して、前記生活パターンデータを生成するステップとを備える。 The parameter setting method of the power demand simulator of the present invention is a method of setting the parameters of the power demand simulator described above, wherein the power demand simulator of the home appliance in each unit time when dividing the day into unit times. The step of accepting input of data relating to use, and the power demand simulator reads out data on the type of action corresponding to the home appliance used in each unit time from the home appliance association data storage unit, and the same type of action continues. And determining the start time and the duration of the action as a time when one action is performed, and generating the life pattern data.
本発明の電力需要シミュレーションのためのプログラムは、上記した電力需要シミュレーション方法の各ステップを実行させるプログラムである。また、本発明の電力需要シミュレータのパラメータを設定するためのプログラムは、上記した電力需要シミュレータのパラメータ設定方法の各ステップを実行させる方法である。 The program for power demand simulation of the present invention is a program for executing each step of the power demand simulation method described above. The program for setting parameters of the power demand simulator of the present invention is a method for executing the steps of the parameter setting method of the power demand simulator described above.
本発明によれば、生活パターンを表すパラメータ数を大幅に減らすことができると共に、パラメータの意味を直観的に理解することができる電力需要シミュレータを実現できる。 According to the present invention, it is possible to realize a power demand simulator that can greatly reduce the number of parameters representing a life pattern and can intuitively understand the meaning of parameters.
以下、本発明の実施の形態の電力需要シミュレータについて、図面を参照しながら説明する。
図１は、実施の形態の電力需要シミュレータ１の構成を示す図である。電力需要シミュレータ１は、シミュレーションの条件を入力する条件入力部１０と、電力需要シミュレーションのパラメータとなるデータを記憶する記憶部１１と、記憶部１１に記憶されたデータに基づいて電力需要のシミュレーションを行う演算部１６と、シミュレーション結果を出力する出力部１７とを有している。記憶部１１には、生活パターンデータ、家電紐付けデータ、家電選択確率データ、家電電力特性データが記憶されている。記憶部１１のうち、これらのデータを記憶するそれぞれの領域を、生活パターンデータ記憶部１２、家電紐付けデータ記憶部１３、家電選択確率データ記憶部１４、家電電力特性データ記憶部１５という。
Hereinafter, a power demand simulator according to an embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a diagram illustrating a configuration of a power demand simulator 1 according to the embodiment. The power demand simulator 1 includes a
また、電力需要シミュレータ１は、ユーザが所有する家電の消費電力量の遷移データを入力する実績データ入力部１８を有している。後述するとおり、電力需要シミュレータ１は、家電の消費電力量のデータに基づいて、生活パターンを同定したり、家電の選択確率や家電電力特性を算出したりする機能を有している。
Moreover, the power demand simulator 1 has the performance
電力需要シミュレータ１のハードウェアは、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスク、モニタ、キーボート、通信インターフェース等を備えるコンピュータによって構成される。このコンピュータは、以下に説明する機能を実行させるためのプログラムをＲＯＭ等の記憶部に記憶させておき、当該プログラムを読み出して実行することにより、電力需要シミュレータ１を実現する。このようなプログラムも本発明の範囲に含まれる。 The hardware of the power demand simulator 1 is configured by a computer including a CPU, RAM, ROM, hard disk, monitor, keyboard, communication interface, and the like. This computer realizes the power demand simulator 1 by storing a program for executing the function described below in a storage unit such as a ROM, and reading and executing the program. Such a program is also included in the scope of the present invention.
図２は、生活パターンデータ記憶部１２に記憶されたデータを説明するための図である。生活パターンデータ記憶部１２は、ユーザが行う行動の種類ごとに、その開始時刻と継続時間のパターンのデータを記憶している。行動の種類ごとのパターンを「行動パターン」という。行動の種類とは、例えば、「炊事」「洗濯」「団欒」である。行動の種類は、図２に例示するものに限定されることはなく、例えば、「掃除」「睡眠」「外出」等を含めてもよい。
FIG. 2 is a diagram for explaining data stored in the life pattern
行動パターンは、活動開始時刻を基準（請求項の「所定の基準時刻」に該当）として、（ｉ）活動開始時刻と行動を最初に開始する時刻との時間間隔、（ｉｉ）行動を２回目以降に開始する時刻とその前の同じ行動の開始時刻との時間間隔、（ｉｉｉ）行動が継続する時間によって表される。ここで、活動開始時刻は、例えば、起床時刻であるが、これに限定されるものではない。なお、本実施の形態では、活動開始時刻を基準時刻としているが、例えば、一律に、午前６時というように設定してもよい。 The action pattern is based on the activity start time (corresponding to the “predetermined reference time” in the claims), (i) the time interval between the activity start time and the time when the action is first started, and (ii) the second action It is represented by the time interval between the start time and the start time of the same action before that, and (iii) the time when the action continues. Here, the activity start time is, for example, a wake-up time, but is not limited thereto. In the present embodiment, the activity start time is set as the reference time. However, for example, it may be set uniformly at 6 am.
図２では、説明の便宜上、各行動パターンのデータを模式的に表しているが、電力需要シミュレータは、各行動パターンのデータをガンマ分布の形で記憶する。ここで、ある行動の種類Ｋ（Ｋは炊事、洗濯、団欒等のいずれか）の行動パターンについて、具体的に説明する。ｔ0を活動開始時刻、ｔiをｉ回目（１＜ｉ＜Ｎ）の行動の開始時刻、ｍiをｉ回目（１＜ｉ＜Ｎ）の行動の継続時間を表すものとする。行動の開始時刻と継続時間の状態空間ｓは、次のように表される。
ｓ＝（ｔ1，…，ｔN，ｍ1，…，ｍN）
行動の種類Ｋの発生確率ｐK（ｓ）は次の式で表される。
In FIG. 2, for convenience of explanation, the data of each behavior pattern is schematically shown, but the power demand simulator stores the data of each behavior pattern in the form of a gamma distribution. Here, an action pattern of a certain kind of action K (K is any one of cooking, washing, and dumpling) will be specifically described. a t 0 activity start time, is intended to refer to the start time, the duration of action of the i-th a m i (1 <i <N ) of the behavior of the i-th a t i (1 <i <N ). The state space s of the action start time and duration is expressed as follows.
s = (t 1, ..., t N, m 1, ..., m N)
The occurrence probability p K (s) of the action type K is expressed by the following equation.
すべての種類の行動を含む生活パターンの発生確率ｐ（ｓ）は、次の式（１）で表される。
図３は、家電紐付けデータ記憶部１３に記憶されたデータの例を示す図である。家電紐付けデータ記憶部１３には、行動種類を示すデータと、その行動種類に関連付けて家電を特定するデータが記憶されている。家電紐付けデータで紐付けられている家電は、ユーザが行動種類で特定される行動をとるときに使用される家電である。例えば、「炊事」という行動種類に対して、「ＩＨヒータ」「電子レンジ」「オーブン」「炊飯器」を示すデータが記憶されている。
FIG. 3 is a diagram illustrating an example of data stored in the home appliance association
図４は、家電選択確率データ記憶部１４に記憶されたデータの例を示す図である。家電選択確率データ記憶部１４には、家電に関連付けて、その家電が選択される確率を示すデータが記憶されている。例えば、「ＩＨヒータ」に対しては、「３０％」という選択確率のデータが記憶されている。これは、「ＩＨヒータ」に紐付けられた「炊事」という行動種類の継続時間のうち、「ＩＨヒータ」が３０％の確率で使用されることを示している。例えば、炊事の継続時間が１００分の場合、ＩＨヒータが使用される時間の期待値は、３０分間である。
FIG. 4 is a diagram illustrating an example of data stored in the home appliance selection probability
図５は、家電電力特性データ記憶部１５に記憶されたデータの例を示す図である。家電電力特性データ記憶部１５には、家電に関連付けて、その家電の電力特性が記憶されている。ここで、家電電力特性データは、待機状態における電力量の分布のデータと駆動状態における電力量の分布のデータである。
FIG. 5 is a diagram illustrating an example of data stored in the home appliance power characteristic
演算部１６は、記憶部１１に記憶された各種のパラメータを用いて電力需要のシミュレーションを行う機能と、実績データ入力部１８から入力された家電の消費電力量の遷移データに基づいて記憶部１１に記憶する各種のパラメータを生成する機能とを有する。
The
図６は、電力需要シミュレータ１が各種のパラメータを生成する動作を示す図である。電力需要シミュレータ１は、実績データ入力部１８にて、ユーザが所有する家電毎の消費電力の遷移データの入力を受け付ける（Ｓ１０）。遷移データは、例えば、単位時間を１０分とし、各家電の１０分毎の消費電力のデータである。次に、電力需要シミュレータ１は、入力された消費電力の遷移データに基づき、家電の駆動状態、待機状態を同定する（Ｓ１１）。 FIG. 6 is a diagram illustrating an operation in which the power demand simulator 1 generates various parameters. The power demand simulator 1 accepts input of transition data of power consumption for each home appliance owned by the user in the result data input unit 18 (S10). The transition data is, for example, data of power consumption every 10 minutes for each home appliance with a unit time of 10 minutes. Next, the power demand simulator 1 identifies the driving state and the standby state of the home appliance based on the input power consumption transition data (S11).
図７（ａ）は、家電の状態を同定する第１の方法を説明するための図、図７（ｂ）は、家電の状態を同定する第２の方法を説明するための図である。第１の方法では、電力需要シミュレータ１は、入力された消費電力量のデータを昇順にプロットし、電力量が小さい方（左）から２番目の鞍点を閾値として、家電が駆動状態か待機状態かを判定する。ここで、鞍点とは、多変数実関数の変域の中で、ある方向で見れば極大値だが別の方向で見れば極小値となる点である。電力量が小さい方から１番目の鞍点までの区間は、単位時間の間（例えば、１０分間）、家電がＯＦＦ状態であると考えられ、１番目の鞍点から２番目の鞍点までの区間は、単位時間の間にＯＮ状態とＯＦＦ状態とが混在していると考えられ、２番目の鞍点から右側の区間は、単位時間に亘って家電がＯＮ状態であると考えられる。したがって、本実施の形態では、２番目の鞍点を閾値として、閾値以下の値を待機状態、閾値より大きい値を駆動状態とする。 FIG. 7A is a diagram for explaining a first method for identifying the state of home appliances, and FIG. 7B is a diagram for explaining a second method for identifying the state of home appliances. In the first method, the power demand simulator 1 plots input power consumption data in ascending order and sets the second saddle point from the smaller power amount (left) as a threshold value, and the home appliance is in a driving state or a standby state. Determine whether. Here, the saddle point is a point in the domain of the multivariable real function that has a maximum value in one direction but a minimum value in another direction. The section from the lower power amount to the first saddle point is considered to be in the OFF state during the unit time (for example, 10 minutes), and the section from the first saddle point to the second saddle point is It is considered that the ON state and the OFF state are mixed during the unit time, and it is considered that the home appliance is in the ON state over the unit time in the section on the right side from the second saddle point. Therefore, in the present embodiment, the second saddle point is set as a threshold, a value equal to or lower than the threshold is set as a standby state, and a value larger than the threshold is set as a drive state.
第２の方法は、図７（ｂ）に示すように、単位時間ごとの電力量に対して混合ガウスモデルを適用し、２つのガウス分布に分離する。平均の小さな分布への帰属度が高い値を待機状態とし、平均の大きな分布への帰属度が高い値を駆動状態と判定する。なお、２つのグラフの交点が駆動状態と待機状態とを分ける閾値となる。 In the second method, as shown in FIG. 7B, a mixed Gaussian model is applied to the electric energy per unit time, and the two Gaussian distributions are separated. A value having a high degree of belonging to a small average distribution is set as a standby state, and a value having a high degree of belonging to a large average distribution is determined as a driving state. Note that the intersection of the two graphs is a threshold value that separates the driving state and the standby state.
以上に説明した方法により、家電の状態が予め分かっていない場合であっても、電力値の遷移データに基づいて家電の状態を同定することができる。 With the method described above, even if the state of the home appliance is not known in advance, the state of the home appliance can be identified based on the power value transition data.
電力需要シミュレータ１は、家電の駆動状態・待機状態を同定した後、家電の状態に基づいて生活パターンのデータを生成する（Ｓ１２）。 After identifying the driving state / standby state of the home appliance, the power demand simulator 1 generates life pattern data based on the state of the home appliance (S12).
図８は、生活パターン同定の方法を具体的に説明するための図である。図８の上段は、ＩＨヒータの状態を示す図、図８の中段は、電子レンジの状態を示す図である。グラフが立ち上がったＯＮの部分が駆動状態であり、立ち下がったＯＦＦの部分が待機状態を示す。ＩＨヒータと電子レンジは共に、「炊事」という行動種類に関連付けられている。つまり、ＩＨヒータまたは電子レンジを使用しているときには、「ユーザ」は「炊事」という種類の行動をとっている。したがって、電力需要シミュレータは、ＩＨヒータがＯＮ状態にある単位時間、及び、電子レンジがＯＮ状態にある単位時間の論理和（ＯＲ）をとって、「炊事」を行っている時間を求める。例えば、図８に示すように、ＩＨヒータを使用した時間ｔ１１〜ｔ１２と、電子レンジを使用した時間ｔ２１〜ｔ２２の論理和をとって、「炊事」の時間はｔ１１〜ｔ２２と求める。 FIG. 8 is a diagram for specifically explaining a life pattern identification method. The upper part of FIG. 8 is a diagram showing the state of the IH heater, and the middle part of FIG. 8 is a diagram showing the state of the microwave oven. The ON portion where the graph rises is the driving state, and the OFF portion where the graph falls is the standby state. Both the IH heater and the microwave oven are associated with the action type “cooking”. That is, when using an IH heater or a microwave oven, the “user” takes a type of action “cooking”. Therefore, the power demand simulator obtains the “cooking” time by taking the logical sum (OR) of the unit time when the IH heater is in the ON state and the unit time when the microwave oven is in the ON state. For example, as shown in FIG. 8, the time of “cooking” is obtained as t11 to t22 by taking the logical sum of the times t11 to t12 using the IH heater and the times t21 to t22 using the microwave oven.
次に、電力需要シミュレータ１は、同定された生活パターンに基づき、生活パターンモデルのパラメータを算出する（Ｓ１３）。具体的には、電力需要シミュレータ１の演算部１６は、行動の種類ごとに、（ｉ）活動開始時刻ｔ０から１回目の開始時刻までの時間間隔、（ｉｉ）２回目以降の開始時刻間の時間間隔、（ｉｉｉ）各行動の継続時間を抽出し、抽出したデータをモデル式（１）に当てはめて、最尤推定することにより、モデルのパラメータを求める。
Next, the power demand simulator 1 calculates the parameters of the life pattern model based on the identified life patterns (S13). Specifically, the
続いて、電力需要シミュレータ１は、各家電の選択確率を算出する。具体的には、各行動の継続時間のうち、家電を使用した確率を求める（Ｓ１４）。例えば、図８に示す例では、ＩＨヒータの選択確率は、ＩＨヒータを使用した時間（ｔ１２−ｔ１１）と（ｔ１４−ｔ１３）との和を、炊事の時間（ｔ２２−ｔ１１）と（ｔ１４−ｔ２３）との和で割って選択確率を求める。これを式で表せば、｛（ｔ１２−ｔ１１）＋（ｔ１４−ｔ１３）｝／｛（ｔ２２−ｔ１１）＋（ｔ１４−ｔ２３）｝となる。また、選択確率を求める際に、家電の使用時間を行動の継続時間で単純に割るのではなく、一定の値を足した上で割ってもよい。例えば、ＩＨヒータの選択確率＝（ＩＨヒータ使用時間＋ａ）／（炊事継続時間＋ｂ）というように、所定の定数ａ，ｂを足してもよい。ここで、ａ，ｂは、各家電の事前知識によって予め与えられた定数である。 Subsequently, the power demand simulator 1 calculates the selection probability of each home appliance. Specifically, the probability of using the home appliance is obtained from the duration of each action (S14). For example, in the example shown in FIG. 8, the selection probability of the IH heater is the sum of the time (t12-t11) and (t14-t13) when the IH heater is used, and the cooking time (t22-t11) and (t14- The selection probability is obtained by dividing by the sum of t23). If this is expressed by an equation, {(t12−t11) + (t14−t13)} / {(t22−t11) + (t14−t23)}. Moreover, when calculating | requiring a selection probability, you may divide, after adding the fixed value instead of dividing the use time of a household appliance by the duration of action. For example, predetermined constants a and b may be added as follows: IH heater selection probability = (IH heater usage time + a) / (cooking duration + b). Here, a and b are constants given in advance based on prior knowledge of each home appliance.
次に、電力需要シミュレータ１は、各家電の家電電力特性データを求める（Ｓ１５）。家電の駆動状態の判定において、図７（ａ）に示す第１の方法を用いた場合には、待機状態と判定された電力値の平均と標準偏差を待機電力の平均と標準偏差とし、駆動状態と判定された電力値の平均と標準偏差を駆動電力の平均と標準偏差として求める。図７（ｂ）に示す第２の方法を用いた場合には、混合ガウス分布で得られた平均値が小さい方の分布と標準偏差を待機電力の平均と標準偏差とし、平均値が大きい方の分布と平均と標準偏差を駆動電力の平均と標準偏差とする。なお、家電の電力量の上限と下限が解っていれば、それらを上限と下限とする切断正規分布を用いても良い。例えば、電力量は負の値をとらないので下限を０とする、契約電力量より多くの電力は消費不可能なので、上限を契約電力量にするという方法がある。また、家電電力特性データを求める別の方法としては、待機状態と判定された電力値の中央値を待機電力の平均とし、中央値絶対偏差×αを待機電力の標準偏差とし、駆動状態と判定された電力値の中央値を駆動電力の平均とし、中央値絶対偏差×βを駆動電力の標準偏差としてもよい。なお、一般的には、α＝β＝1.4826を用いる。 Next, the power demand simulator 1 obtains home appliance power characteristic data of each home appliance (S15). When the first method shown in FIG. 7A is used in the determination of the driving state of the home appliance, the average and standard deviation of the power values determined as the standby state are set as the average and standard deviation of the standby power, and driving The average and standard deviation of the power values determined as the state are obtained as the average and standard deviation of the driving power. When the second method shown in FIG. 7B is used, the distribution with the smaller average value obtained by the mixed Gaussian distribution and the standard deviation are the average and standard deviation of the standby power, and the average value is larger. The distribution, average, and standard deviation are defined as the average and standard deviation of the driving power. In addition, if the upper limit and the minimum of the electric energy of a household appliance are known, you may use the cutting | disconnection normal distribution which uses them as an upper limit and a minimum. For example, since the electric energy does not take a negative value, the lower limit is set to 0. Since more electric power than the contracted electric energy cannot be consumed, the upper limit is set to the contracted electric energy. In addition, as another method for obtaining home appliance power characteristic data, the median of the power values determined to be in the standby state is the average of the standby power, the median absolute deviation × α is the standard deviation of the standby power, and the drive state is determined. The median value of the calculated power values may be the average of the drive power, and the median absolute deviation × β may be the standard deviation of the drive power. In general, α = β = 1.4826 is used.
以上の動作により、電力需要シミュレータ１は、ユーザが有する家電の消費電力の遷移データに基づいて、シミュレーションに用いる生活パターンデータ等のデータを求めることができる。 With the above operation, the power demand simulator 1 can obtain data such as life pattern data used for the simulation based on the transition data of the power consumption of the home appliances owned by the user.
図９は、電力需要シミュレータ１によって電力需要をシミュレーションする動作を示す図である。ここでは、午前７時３０分における電力需要をシミュレーションする例を挙げて説明する。なお、単位時間は１０分間なので、午前７時３０分という時刻は、午前７時３０分〜７時４０分を意味し、午前７時３０分における電力量はこの単位時間の電力量である。 FIG. 9 is a diagram illustrating an operation of simulating power demand by the power demand simulator 1. Here, an example of simulating power demand at 7:30 am will be described. Since the unit time is 10 minutes, the time of 7:30 am means 7:30 am to 7:40 am, and the electric energy at 7:30 am is the electric energy of this unit time.
電力需要シミュレータ１は、条件入力部１０からシミュレーションの条件の入力を受け付ける。ここでは、条件入力部１０から電力需要のシミュレーションを行うべき時刻の入力を受け付ける（Ｓ２０）。この例では、所定の時刻として「午前７時３０分」がシミュレーション条件として入力される。
The power demand simulator 1 receives an input of simulation conditions from the
電力需要シミュレータ１は、生活パターンモデルに基づいてシミュレーション値を生成する。具体的には、行動の種類ごとに、活動開始時刻と最初の開始時刻との時間間隔、２回目以降の開始時刻とその前の開始時刻との時間間隔、継続時間のシミュレーション値を生成する（Ｓ２１）。シミュレーション値の生成法としては、（１）生活パターンモデルに従う乱数を発生させてシミュレーション値を生成する方法、（２）生活パターンモデルの期待値（ガンマ分布の場合は、λ×κ）をシミュレーション値とする方法がある。 The power demand simulator 1 generates a simulation value based on the life pattern model. Specifically, for each type of behavior, a time interval between the activity start time and the first start time, a time interval between the start time after the second time and the start time before and the simulation value of the duration are generated ( S21). As a simulation value generation method, (1) a method for generating a simulation value by generating a random number according to a life pattern model, (2) an expected value of the life pattern model (λ × κ in the case of gamma distribution) is a simulation value. There is a method.
次に、電力需要シミュレータ１は、発生させた時間間隔と継続時間から、生活パターンのデータを時刻ごとの表現に変換する（Ｓ２２）。例えば、「炊事」の行動について、行動活動開始時刻が午前６時、最初の開始時刻までの時間間隔が１時間、継続時間が１時間であるとした場合、午前７時〜８時まで「炊事」というように変換される。 Next, the power demand simulator 1 converts the data of the life pattern into the expression for each time from the generated time interval and duration (S22). For example, regarding the action of “cooking”, if the action activity start time is 6:00 am, the time interval to the first start time is 1 hour, and the duration is 1 hour, “cooking” Is converted.
続いて、各時刻での家電選択確率を算出する（Ｓ２３）。「炊事」において使用される家電は、ＩＨヒータ、電子レンジ、オーブン、炊飯器である（図３参照）。家電選択確率データ記憶部１４（図４参照）から、各家電の選択確率のデータを読み出すと、ＩＨヒータは３０％、電子レンジは３０％、オーブンは１０％、炊飯器は２０％である。これらの選択確率を用いて家電選択状態を生成する。その方法としては、（１）家電選択確率に従う乱数を用いて０，１を発生させ、それを家電選択状態とする方法（１が家電選択状態）や、（２）家電選択確率のモデルの期待値を家電選択状態とする方法がある。家電非選択状態についても同様である。これは、各家電の選択確率を１００％から引いたものを非選択確率とした上で、（１）家電非選択確率に従う乱数を用いて０，１を発生させ、それを家電非選択状態とする方法、（２）家電非選択確率のモデルの期待値を家電非選択状態とする方法がある。 Subsequently, the home appliance selection probability at each time is calculated (S23). Home appliances used in “cooking” are an IH heater, a microwave oven, an oven, and a rice cooker (see FIG. 3). When the selection probability data of each home appliance is read from the home appliance selection probability data storage unit 14 (see FIG. 4), the IH heater is 30%, the microwave oven is 30%, the oven is 10%, and the rice cooker is 20%. A home appliance selection state is generated using these selection probabilities. The methods include (1) a method of generating 0 and 1 using a random number according to the home appliance selection probability and setting it to the home appliance selection state (1 is the home appliance selection state), and (2) expectation of a model of home appliance selection probability. There is a method of setting the value to the home appliance selection state. The same applies to the home appliance non-selected state. This is a non-selection probability obtained by subtracting the selection probability of each home appliance from 100%, and (1) 0, 1 is generated using a random number according to the home appliance non-selection probability, And (2) a method of setting the expected value of the home appliance non-selection probability model to a home appliance non-selection state.
次に、電力需要シミュレータ１は、家電電力特性データ記憶部１５から家電の駆動状態の家電電力特性データと待機状態の家電電力特性データを読み出し、これらのデータを用いて消費電力量のデータを算出する（Ｓ２４）。電力消費量の算出は、（１）家電電力特性のモデルに従う乱数を発生させて消費電力量を生成する方法、（２）家電電力特性のモデルの期待値をシミュレーション値とする方法がある。このようにして得られた駆動状態及び待機状態の消費電力量と、上述した家電選択状態、家電非選択状態とを合わせて電力需要を算出する。すなわち、電力需要＝（駆動状態の消費電力量）×（家電選択状態）＋（待機状態の消費電力量）×（家電非選択状態）で求まる。そして、電力需要シミュレータ１は、所定時刻における電力需要のデータを出力する（Ｓ２５）。なお、家電電力特性のモデルの期待値は、切断正規分布を用いない場合には、平均値となる。切断正規分布を用いる場合には、期待値E(y)は、上限・下限両方が設定されている場合は次式（２）で、下限のみ設定（上限は+∞）の場合は次式（３）で計算される。
電力需要シミュレータ１は、条件入力部１０への入力によりシミュレーションを行う条件を変更することができる。例えば、電力需要を予測すべき時刻を変更したり、例えば１０時から１２時までのように幅を持った時間帯における電力需要を求める条件入力も可能である。また、家電のリプレースによる省エネ効果を見積もりたい場合には、条件入力部１０よりリプレース後の家電電力特性データを入力し、家電電力特性データ記憶部１５に記憶する。その上で、シミュレーションを実行することにより、家電のリスプレース後の電力需要をシミュレーションすることができる。また、生活パターンの変化に伴う電力需要を見積もりたい場合には、条件入力部１０より、生活パターンに関するデータ（例えば、行動の開始時刻や継続時間のデータ）の変更を入力することにより、新しい生活パターンでの電力需要をシミュレーションすることができる。この際、生活パターンを、各行動の開始時刻とその継続時間によって表しているので、パラメータの意味を直観的に理解し、適切なラメータ調整を行うことができる。このように生活パターンの変化に伴う電力需要の変化を分析することは、価格インセンティブ設計による需要家の節電効果を誘発する上で重要である。
The power demand simulator 1 can change the conditions for performing the simulation by input to the
以上、本実施の形態の電力需要シミュレータ１と、電力需要シミュレーション方法、及び、パラメータの設定方法について説明した。
本実施の形態の電力需要シミュレータ１は、ユーザの生活パターンを、行動の種類ごとに、基準時刻から最初の行動までの時間間隔、各行動の開始時刻の時間間隔、及び、行動が継続する時間という３つのパラメータによって表すので、パラメータ数を大幅に減らすことができる。
The power demand simulator 1, the power demand simulation method, and the parameter setting method have been described above.
The power demand simulator 1 according to the present embodiment changes the user's life pattern for each type of action, the time interval from the reference time to the first action, the time interval of the start time of each action, and the time during which the action continues. Therefore, the number of parameters can be greatly reduced.
上記に本発明の電力需要シミュレータ１について、実施の形態を挙げて詳細に説明したが、本発明の電力需要シミュレータ１は上記した実施の形態に限定されるものではない。
上記した実施の形態では、一つの生活パターンを前提に説明したが、生活パターンは、季節や平日／休日の違い等によって変わるので、複数の生活パターンを準備しておき、状況に合った生活パターンデータを用いることとしてもよい。
Although the power demand simulator 1 of the present invention has been described in detail with reference to the embodiment, the power demand simulator 1 of the present invention is not limited to the above-described embodiment.
In the above-described embodiment, the explanation has been made on the assumption of one life pattern. However, since the life pattern changes depending on the season, the difference in the weekday / holiday, etc., a plurality of life patterns are prepared, and the life pattern suitable for the situation is prepared. Data may be used.
上記した実施の形態では、家電の単位時間あたりの消費電力の遷移データを用いて生活パターンモデルのパラメータを設定する例を挙げて説明したが、生活パターンモデルのパラメータを設定する方法は、これに限られない。例えば、調査データを利用してパラメータの設定を行ってもよい。アンケート調査によって、各行動種類について、単位時間毎のオン／オフ状態のデータを取得し、取得したオン／オフ状態のデータを、行動の開始時刻間隔（最初と２回目以降の２種類）と継続時間に変換し、生活パターンモデルのパラメータを推定してもよい。家電選択確率についても、各行動を行う際に、家電をどのくらい（Ｎ回中Ｚ回）使用するかをアンケート調査し、Ｚ／Ｎを家電選択確率としてもよい。また、家電電力特性については、単位時間の電力消費量を、駆動時の平均μ1が仕様に記載されている定格出力、待機時の平均μ0が仕様に記載されている待機電力（もし記載がなければ０）を平均出力μ0となるように積算して求めてもよい。 In the above-described embodiment, the example of setting the parameters of the life pattern model using the transition data of the power consumption per unit time of home appliances has been described, but the method of setting the parameters of the life pattern model is Not limited. For example, parameters may be set using survey data. By questionnaire survey, on / off status data for each action type is acquired for each action type, and the acquired on / off status data is continued with the action start time interval (first and second and later). It may be converted into time and the parameters of the life pattern model may be estimated. As for the home appliance selection probability, it is also possible to survey how many home appliances are used (Z times out of N times) when performing each action, and use Z / N as the home appliance selection probability. In addition, for home appliance power characteristics, the unit time power consumption is the rated output whose driving average μ 1 is described in the specification, and the standby power whose standby average μ 0 is described in the specification (if written) Otherwise, 0) may be integrated to obtain an average output μ 0 .
上記した実施の形態においては、活動開始時刻を基準時刻とし、例えば、一律に、午前６時というように設定してもよいと述べたが、データから基準時刻を推定することとしてもよい。この方法としては、例えば、次の方法が考えられる。まず、データを２つの期間に分割する。一方の期間のデータにおいて、全てのあり得るt0について（例えば、１０分ごとのデータなら１４４点全て）、生活パターンのパラメータ推定を行って（例えば１４４個の）生活パターンモデルを生成する。そして、他方の区間のデータに対し、各モデルで生活パターンをシミュレーションし、最も生活パターン推定誤差が小さかったモデルのt0を基準時刻とする。なお、データを分割せずに、与えられたデータを用いて、あり得るモデルのパラメータを推定し、尤度が最も大きくなるモデルのt0を基準時刻としてもよい。 In the above-described embodiment, it has been described that the activity start time is set as the reference time, for example, it may be set uniformly at 6:00 am, but the reference time may be estimated from the data. As this method, for example, the following method can be considered. First, the data is divided into two periods. In the data of one period, life pattern parameters are estimated (for example, 144) for all possible t0 (for example, all 144 points for data every 10 minutes) to generate a life pattern model. Then, a life pattern is simulated with each model for the data in the other section, and t0 of the model with the smallest life pattern estimation error is set as the reference time. Note that the parameter of a possible model may be estimated using given data without dividing the data, and t0 of the model having the largest likelihood may be used as the reference time.
また、異なる行動種類に対して、同じ家電が紐付けられることもあり得る。例えば、「ＩＨヒータ」は、「炊事」に用いられるが、「団欒」の際にコーヒー等を淹れるためにも用いられる可能性がある。つまり、「ＩＨヒータ」は「炊事」に関連付けられるほか、「団欒」が関連付けられることもあり得る。この場合、同じ単位時間に、「炊事」と「団欒」という行動が行われたときには、「ＩＨヒータ」の消費電力量が「炊事」と「団欒」のそれぞれでカウントされることになる。本発明では、このような異なる行動に起因する同じ家電の消費電力量を加算するのか否かを、家電毎に予め決めておいてもよい。例えば、電子レンジやオーブンのように、家庭に１台しかない家電を共用する場合には、異なる種類の行動に基づく消費電力量の加算しない設定とし、「ＩＨヒータ」のように複数の誘導加熱部を有し、「炊事」での使用と「団欒」での使用を同時に行える場合には、消費電力量の加算する設定とする等である。 Moreover, the same household appliance may be tied with respect to different action types. For example, “IH heater” is used for “cooking”, but may also be used for brewing coffee or the like during “cooking”. That is, “IH heater” may be associated with “cooking” and “danban” may be associated with it. In this case, when the actions “cooking” and “cooking” are performed in the same unit time, the power consumption of “IH heater” is counted for each of “cooking” and “cooking”. In the present invention, it may be determined in advance for each home appliance whether or not to add the power consumption of the same home appliance due to such different behavior. For example, when only one home appliance is used in a home such as a microwave oven or oven, the power consumption amount based on different types of behavior is not added, and a plurality of induction heatings such as “IH heater” are set. If it is possible to use both “cooking” and “cooking” at the same time, the power consumption amount is added.
家電電力特性データは、家電の動作モードに合わせて設定してもよい。例えば、洗濯機において２０分洗い（xx(KWh)定数出力）→２０分濯ぎ（yy(KWh)定数出力）というように実施順序が決まっている動作モードがある場合を想定する。この場合、パラメータを設定する際には、混合ガウスモデルの混合数を２以上に設定し、設定したモード数で混合ガウスモデルの学習を行い、赤池情報量基準（ＡＩＣ）を計算し、ＡＩＣを最小にするモード数を採用することとしてもよい。 The home appliance power characteristic data may be set according to the operation mode of the home appliance. For example, it is assumed that there is an operation mode in which the execution order is determined, such as washing for 20 minutes in a washing machine (xx (KWh) constant output) → 20 minutes rinse (yy (KWh) constant output). In this case, when setting the parameters, the number of mixtures of the mixed Gaussian model is set to 2 or more, the mixed Gaussian model is learned with the set number of modes, the Akaike information criterion (AIC) is calculated, and the AIC is calculated. The number of modes to be minimized may be employed.
シミュレーションを行う際には、行動の継続時間内に、動作モードによる家電の使用が何回行われるか、すなわち、（家電選択確率×行動の継続時間）／（１モードの継続時間）を計算してもよい。そして、その回数分だけ、動作モードによって決められた動作の消費電力量を当てはめる。動作モードに基づく使用を複数回繰り返した結果、家電使用の継続時間が行動の継続時間を超える場合がある。例えば、１モードの所要時間が４０分、行動の継続時間が１００分の場合に、当該動作モードによる家電の使用を３回繰り返すと、３回目の使用において２０分間が行動の継続時間（１００分）を越えてしまう。この場合には、３回目の使用の最後の２０分を打ち切っても良いし、３回目の使用を全部打ち切ってもよい。 When simulating, calculate how many times the home appliance is used in the operation mode within the action duration, that is, (home appliance selection probability x action duration) / (1 mode duration). May be. Then, the power consumption amount of the operation determined by the operation mode is applied by the number of times. As a result of repeating the use based on the operation mode a plurality of times, the duration of home appliance use may exceed the duration of behavior. For example, if the time required for one mode is 40 minutes and the duration of the action is 100 minutes, if the use of the home appliance in the operation mode is repeated three times, the duration of the action (100 minutes is 20 minutes in the third use) ). In this case, the last 20 minutes of the third use may be discontinued, or all the third use may be discontinued.
以上説明したように、本発明の電力需要シミュレータは、少ないパラメータでモデルを表現すると共に、パラメータの直観的な解釈が容易という効果を有し、エネルギーマネジメントサービスの開発等に有用である。 As described above, the power demand simulator of the present invention expresses a model with a small number of parameters and has an effect that the intuitive interpretation of the parameters is easy, and is useful for development of an energy management service and the like.
１ 電力需要シミュレータ
１０ 条件入力部
１１ 記憶部
１２ 生活パターンデータ記憶部
１３ 家電紐付けデータ記憶部
１４ 家電選択確率データ記憶部
１５ 家電電力特性データ記憶部
１６ 演算部
１７ 出力部
１８ 実績データ入力部
DESCRIPTION OF SYMBOLS 1 Electric
Claims (12)
前記行動の種類に関連付けて家電を特定するデータを記憶した家電紐付けデータ記憶部と、
前記家電の駆動時の消費電力量に関するデータを家電電力特性データとして記憶した家電電力特性データ記憶部と、
前記生活パターンデータ記憶部から読み出した生活パターンデータに基づいて、所定の時刻においてユーザがとる行動の種類を求め、前記家電紐付けデータを用いて当該行動の種類に紐付けられた家電を特定し、前記家電電力特性データ記憶部から読み出した家電電力特性データに基づいて、当該家電の所定の時刻における消費電力量を算出する演算部と、
前記消費電力量のデータを出力する出力部と、
を備える電力需要シミュレータ。 For each type of action taken by the user, a time interval between a predetermined reference time and a time at which the action is first started, a time interval between a time at which the action is started for the second time or later, and an action start time before that, and A life pattern data storage unit storing life pattern data representing a daily life pattern according to the duration of the action,
A home appliance association data storage unit that stores data for identifying home appliances in association with the type of action;
Home appliance power characteristic data storage unit storing data related to the amount of power consumption during driving of the appliance as home appliance power characteristic data;
Based on the life pattern data read from the life pattern data storage unit, the type of action that the user takes at a predetermined time is obtained, and the home appliance linked to the type of action is specified using the home appliance association data. A calculation unit that calculates a power consumption amount at a predetermined time of the home appliance based on the home appliance power characteristic data read from the home appliance power characteristic data storage unit;
An output unit for outputting the power consumption data;
Power demand simulator with
前記演算部は、前記家電電力特性データ記憶部から読み出した家電電力特性データと、前記選択確率データ記憶部から読み出した選択確率に基づいて決定される前記所定時刻における家電選択状態とに基づいて、前記家電の消費電力量を求める請求項１に記載の電力需要シミュレータ。 In association with the type of action, a selection probability data storage unit that stores the selection probability of using the home appliance within the duration of taking the action,
The computing unit is based on the home appliance power characteristic data read from the home appliance power characteristic data storage unit and the home appliance selection state at the predetermined time determined based on the selection probability read from the selection probability data storage unit, The electric power demand simulator of Claim 1 which calculates | requires the power consumption of the said household appliance.
前記演算部は、前記家電電力特性データ記憶部から前記家電の駆動時の家電電力特性データと待機時の家電電力特性データとを読み出し、前記所定時刻における前記家電選択状態に加え、前記選択確率に基づいて前記家電非選択状態を決定し、前記駆動時の家電電力特性データから求めた消費電力量に前記家電選択状態を乗じた値と、前記待機時の家電電力特性データから求めた消費電力量に前記家電非選択状態を乗じた値とを加算して、前記家電の消費電力量を求める請求項２に記載の電力需要シミュレータ。 The home appliance power characteristic data storage unit further stores data related to power consumption during standby of the home appliance,
The computing unit reads out the home appliance power characteristic data at the time of driving the home appliance and the standby home appliance power characteristic data from the home appliance power characteristic data storage unit, in addition to the home appliance selection state at the predetermined time, in addition to the selection probability The home appliance non-selection state is determined based on the power consumption amount obtained from the home appliance power characteristic data at the time of driving, and the power consumption amount obtained from the home appliance power characteristic data at the standby time. The electric power demand simulator of Claim 2 which calculates | requires the power consumption of the said household appliance by adding the value which multiplied the said household appliance non-selection state to the household appliance.
前記演算部は、前記各単位時間に使用された家電に対応する行動の種類のデータを前記家電紐付けデータ記憶部から読み出し、同じ種類の行動が連続する複数の単位時間を一つの行動が行われた時間であるとして当該行動の開始時刻及び継続時間を決定して、前記生活パターンデータを生成する請求項１乃至４のいずれかに記載の電力需要シミュレータ。 An input unit that receives input of data relating to use of the home appliance in each unit time when dividing one day into unit times;
The calculation unit reads out data of an action type corresponding to the home appliance used for each unit time from the home appliance association data storage unit, and one action performs a plurality of unit times in which the same type of action continues. The electric power demand simulator according to any one of claims 1 to 4, wherein the life pattern data is generated by determining a start time and a duration of the action as if the time had passed.
前記演算部は、前記電力量に関するデータの値が特定の条件を満たす場合に、前記家電が駆動状態にあると判定する請求項５又は６に記載の電力需要シミュレータ。 The data input to the input unit is data related to the amount of power consumed by the home appliance in each unit time,
The power demand simulator according to claim 5 or 6, wherein the arithmetic unit determines that the home appliance is in a driving state when a value of data related to the electric energy satisfies a specific condition.
前記電力需要シミュレータが、前記生活パターンデータ記憶部から読み出した生活パターンデータに基づいて、所定の時刻においてユーザがとる行動の種類を求めるステップと、
前記電力需要シミュレータが、前記家電紐付けデータを用いて当該行動の種類に紐付けられた家電を特定するステップと、
前記電力需要シミュレータが、前記家電電力特性データ記憶部から読み出した家電電力特性データに基づいて、当該家電の所定の時刻における消費電力量を算出するステップと、
前記電力需要シミュレータが、前記消費電力量のデータを出力するステップと、
を備える電力需要シミュレーション方法。 For each type of action taken by the user, a time interval between a predetermined reference time and a time at which the action is first started, a time interval between a time at which the action is started for the second time or later, and an action start time before that, and A life pattern data storage unit that stores life pattern data representing a daily life pattern according to the duration of the action, and a home appliance association data store that stores data specifying a home appliance in association with the type of action A power demand simulator by a power demand simulator provided with a home appliance power characteristic data storage unit that stores data relating to power consumption during driving of the home appliance as home appliance power characteristic data,
The power demand simulator obtains the type of action the user takes at a predetermined time based on the life pattern data read from the life pattern data storage unit;
The power demand simulator identifying a home appliance associated with the type of action using the home appliance association data;
The power demand simulator calculates the power consumption amount at a predetermined time of the home appliance based on the home appliance power property data read from the home appliance power property data storage unit;
The power demand simulator outputting the power consumption data;
A power demand simulation method comprising:
前記電力需要シミュレータが、１日を単位時間に分割したときの各単位時間における前記家電の使用に関するデータの入力を受け付けるステップと、
前記電力需要シミュレータが、前記各単位時間に使用された家電に対応する行動の種類のデータを前記家電紐付けデータ記憶部から読み出し、同じ種類の行動が連続する複数の単位時間を一つの行動が行われた時間であるとして当該行動の開始時刻及び継続時間を決定して、前記生活パターンデータを生成するステップと、
を備える電力需要シミュレータのパラメータ設定方法。 For each type of action taken by the user, a time interval between a predetermined reference time and a time at which the action is first started, a time interval between a time at which the action is started for the second time or later, and an action start time before that, and A life pattern data storage unit that stores life pattern data representing a daily life pattern according to the duration of the action, and a home appliance association data store that stores data specifying a home appliance in association with the type of action And a parameter of a power demand simulator comprising a home appliance power characteristic data storage unit that stores data related to power consumption during driving of the home appliance as home appliance power characteristic data,
Receiving an input of data related to use of the home appliance in each unit time when the power demand simulator divides a day into unit times;
The power demand simulator reads data on the type of action corresponding to the home appliance used for each unit time from the home appliance association data storage unit, and one action is a plurality of unit times in which the same type of action is continuous. Determining the start time and duration of the action as being performed, and generating the life pattern data;
A parameter setting method for a power demand simulator comprising:
前記電力需要シミュレータが、前記生活パターンデータ記憶部から読み出した生活パターンデータに基づいて、所定の時刻においてユーザがとる行動の種類を求めるステップと、
前記電力需要シミュレータが、前記家電紐付けデータを用いて当該行動の種類に紐付けられた家電を特定するステップと、
前記電力需要シミュレータが、前記家電電力特性データ記憶部から読み出した家電電力特性データに基づいて、当該家電の所定の時刻における消費電力量を算出するステップと、
前記電力需要シミュレータが、前記消費電力量のデータを出力するステップと、
を実行させるプログラム。 For each type of action taken by the user, a time interval between a predetermined reference time and a time at which the action is first started, a time interval between a time at which the action is started for the second time or later, and an action start time before that, and A life pattern data storage unit that stores life pattern data representing a daily life pattern according to the duration of the action, and a home appliance association data store that stores data specifying a home appliance in association with the type of action And a power demand simulator comprising: a home appliance power characteristic data storage unit that stores data relating to power consumption during driving of the home appliance as home appliance power characteristic data. To the computer,
The power demand simulator obtains the type of action the user takes at a predetermined time based on the life pattern data read from the life pattern data storage unit;
The power demand simulator identifying a home appliance associated with the type of action using the home appliance association data;
The power demand simulator calculates the power consumption amount at a predetermined time of the home appliance based on the home appliance power property data read from the home appliance power property data storage unit;
The power demand simulator outputting the power consumption data;
A program that executes
１日を単位時間に分割したときの各単位時間における前記家電の使用に関するデータの入力を受け付けるステップと、
前記各単位時間に使用された家電に対応する行動の種類のデータを前記家電紐付けデータ記憶部から読み出し、同じ種類の行動が連続する複数の単位時間を一つの行動が行われた時間であるとして当該行動の開始時刻及び継続時間を決定して、前記生活パターンデータを生成するステップと、
を実行させるプログラム。 For each type of action taken by the user, a time interval between a predetermined reference time and a time at which the action is first started, a time interval between a time at which the action is started for the second time or later, and an action start time before that, and A life pattern data storage unit that stores life pattern data representing a daily life pattern according to the duration of the action, and a home appliance association data store that stores data specifying a home appliance in association with the type of action In order to set parameters of a power demand simulator comprising a home appliance power characteristic data storage unit that stores data related to power consumption during driving of the home appliance as home appliance power characteristic data,
Accepting input of data relating to use of the home appliance in each unit time when one day is divided into unit times;
Data of the type of action corresponding to the home appliance used for each unit time is read from the home appliance association data storage unit, and a plurality of unit times in which the same type of action is continued are times when one action is performed. Determining the start time and duration of the action and generating the lifestyle pattern data,
A program that executes
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014100941A JP6431283B2 (en) | 2014-05-14 | 2014-05-14 | Electric power demand simulator, electric power demand simulation method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014100941A JP6431283B2 (en) | 2014-05-14 | 2014-05-14 | Electric power demand simulator, electric power demand simulation method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015219610A JP2015219610A (en) | 2015-12-07 |
| JP6431283B2 true JP6431283B2 (en) | 2018-11-28 |
Family
ID=54778946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014100941A Expired - Fee Related JP6431283B2 (en) | 2014-05-14 | 2014-05-14 | Electric power demand simulator, electric power demand simulation method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6431283B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170255864A1 (en) * | 2016-03-05 | 2017-09-07 | Panoramic Power Ltd. | Systems and Methods Thereof for Determination of a Device State Based on Current Consumption Monitoring and Machine Learning Thereof |
| JP6806333B2 (en) * | 2017-03-30 | 2021-01-06 | トーマステクノロジー株式会社 | Power consumption prediction device and power consumption prediction method |
| CN108134711B (en) * | 2017-11-29 | 2021-07-16 | 海尔优家智能科技（北京）有限公司 | Method for testing terminal APP, simulation household appliance system and storage medium |
| CN114462218B (en) * | 2022-01-19 | 2023-01-24 | 中国人民解放军陆军工程大学 | Simulation method and simulation device for power consumption of power electronic equipment |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2408592B (en) * | 2003-11-27 | 2005-11-16 | James Ian Oswald | Household energy management system |
| JP4834624B2 (en) * | 2006-10-18 | 2011-12-14 | 株式会社東芝 | Action estimation apparatus and program |
| JP4982511B2 (en) * | 2009-01-23 | 2012-07-25 | 株式会社東芝 | Action time ratio calculation device and action time ratio calculation method |
| JP5395923B2 (en) * | 2012-03-22 | 2014-01-22 | 株式会社東芝 | Action model generation apparatus and method |
| WO2013157175A1 (en) * | 2012-04-19 | 2013-10-24 | パナソニック株式会社 | Life behavior inference device, program, computer-readable recording medium |
-
2014
- 2014-05-14 JP JP2014100941A patent/JP6431283B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015219610A (en) | 2015-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230350355A1 (en) | Heuristic method of automated and learning control, and building automation systems thereof | |
| Motamedi et al. | Electricity price and demand forecasting in smart grids | |
| Frangioni et al. | Sequential Lagrangian-MILP approaches for unit commitment problems | |
| JP6431283B2 (en) | Electric power demand simulator, electric power demand simulation method, and program | |
| US9753477B2 (en) | Load forecasting for residential sector demand response | |
| AU2017229644A1 (en) | A method and system for optimizing and predicting demand response | |
| Liang et al. | Stochastic control for smart grid users with flexible demand | |
| KR20180040154A (en) | Real-time data driven power metering and cost estimation system | |
| Song et al. | Estimating the impacts of demand response by simulating household behaviours under price and CO2 signals | |
| JP6806333B2 (en) | Power consumption prediction device and power consumption prediction method | |
| WO2012145099A1 (en) | Non-intrusive load monitoring system and method | |
| JP6498976B2 (en) | Estimation apparatus, estimation method, and computer program | |
| Nolan et al. | Capacity value estimation of a load-shifting resource using a coupled building and power system model | |
| JP2013196631A (en) | Action model generator and method of the same | |
| Chrysopoulos et al. | Bottom-up modeling of small-scale energy consumers for effective demand response applications | |
| Walzberg et al. | An agent-based model to evaluate smart homes sustainability potential | |
| Ordoudis et al. | Stochastic unit commitment via progressive hedging—extensive analysis of solution methods | |
| Capitanelli et al. | A smart home information management model for device interoperability simulation | |
| Chang et al. | A comparison of classifiers for intelligent machine usage prediction | |
| Flett et al. | Modelling of individual domestic occupancy and energy demand behaviours using existing datasets and probabilistic modelling methods | |
| Abreu et al. | Application of genetic algorithms and the cross‐entropy method in practical home energy management systems | |
| Abdallah et al. | A hybrid agent-based and probabilistic model for fine-grained behavioural energy waste simulation | |
| US8818774B2 (en) | Behavioral model generating device and method therefor | |
| JP2019109682A (en) | Manufacturing allocation determination device and manufacturing allocation determination method | |
| US11847007B2 (en) | Data center total resource utilization efficiency (TRUE) system and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20151113 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160906 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170724 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170801 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170926 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181102 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6431283 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |