JP6438548B1 - 電力デマンド予測方法及び電力デマンド予測システム - Google Patents

Abstract

【課題】時限に応じて予測方式を切り換えることで、精度の高いデマンド予測を実行する。【解決手段】電力需要者の使用電力の実測データが保存されたデータベースから、任意の期間の実測データを収集する第１工程と、複数の電力デマンド予測方式を用いて、収集した実測データを適用して、過去の電力デマンドの予測値を算出する第２工程と、第２工程で算出した予測値と実測データとの予測誤差を算出する第３工程と、予測誤差の算出結果から、所定期間の平均誤差を算出する第４工程と、第４工程の算出結果から、複数の電力デマンド予測方式のうち誤差が最も小さくなる予測方式を選択する第５工程と、所定の時間帯毎に、第５工程で選択した予測方式に切り換えて、電力デマンドの予測値を算出する第６工程とを有する。【選択図】図３

Description

本発明は、電力のデマンド値を予測する電力デマンド予測方法及び電力デマンド予測システムに関する。

デマンド値とは、電力会社が設置する３０分最大需要電力量計で計測するデータであり、３０分間の電気使用量の平均使用電力（ｋＷ）で表される。最大デマンド値とは、過去１年間の中で最も大きいデマンド値のことである。高圧受電５００ｋＷ未満の需要家の場合、最大デマンド値が電気基本料金の計算に使用され、一度でも大きなデマンド値が出ると、１年間その大きなデマンド値が適用されてしまう。また、高圧受電５００ｋＷ以上の需要家の場合、協議により契約電力が決められており、最大デマンド値が契約電力を超えると、通常より割増の違約金を払うことになり、加えてその最大デマンド値を基に契約電力変更の協議が行われる。電気料金の抑制のためには、最大デマンド値を超過しないことが重要である。ＢＥＭＳ（Building Energy Management System）は建物内の設備機器や居住環境などの使用状況や電力需要等の情報を集中管理し最適化する。

電力デマンドの超過抑制を効果的に行うため、デマンド予測を行う方式として、例えば下記特許文献１に記載されたシステムがある。この特許文献１には、消費電力量が予め設定された基準電力量に達する毎に電力パルスが入力され、単位時限内の所定の周期毎に、当該周期における電力パルスの入力パルス数を計数する電力パルス計数部と、基準電力量と入力パルス数とを用いて、現在デマンド値と予測デマンド値とを周期毎に演算する電力演算部とを備えるシステム（デマンド監視制御装置）が記載されている。このシステムは、各周期の終点における終点消費電力を導出する消費電力導出部を備え、導出された終点消費電力を用いて予測デマンド値を補正する補正手段を有する。

特開２０１６−１１６３８１号公報

しかし、電力の需要は時限（曜日や時間帯など）によって大きく変化するが、上記した特許文献１に記載されたシステムでは、時限に応じた需要変動を考慮してデマンド予測を行っておらず、精度の高いデマンド予測を行うことは困難である。

本発明は、前述した事情に鑑みてなされたものであり、時限に応じて予測方式を切り換えることで、精度の高いデマンド予測を実行することが可能な電力デマンド予測方法及び電力デマンド予測システムを提供することを目的とする。

上記目的を達成するために、本発明では、電力需要者の使用電力の実測データが保存されたデータベースから、任意の期間の実測データを収集する第１工程と、複数の電力デマンド予測方式を用いて、収集した実測データを適用して、過去の電力デマンドの予測値を算出する第２工程と、第２工程で算出した予測値と実測データとの予測誤差を算出する第３工程と、予測誤差の算出結果から、所定期間の平均誤差を算出する第４工程と、第４工程の算出結果から、複数の電力デマンド予測方式のうち誤差が最も小さくなる予測方式を選択する第５工程と、所定の時間帯毎に、第５工程で選択した予測方式に切り換えて、電力デマンドの予測値を算出する第６工程と、を有することを特徴とする電力デマンド予測方法を提供する。

また、上記電力デマンド予測方法において、第４工程で、気象条件や施設内の情報を加味して実行する構成でもよい。

また、上記電力デマンド予測方法において、電力デマンドの予測式は、下記の数１であり、複数の電力デマンド予測法式は、下記の数２、数３、及び数４であってもよい。

また、本発明では、電力需要者の使用電力の実測データを収集する監視部と、監視部で収集した実測データを保存するデータベースと、データベースに保存された実測データに基づいて電力デマンドの予測を行う予測部と、を備え、予測部は、データベースから任意の期間の実測データを収集し、複数の電力デマンド予測方式を用いて、収集した実測データを適用して、過去の電力デマンドの予測値を算出し、予測値と実測データとの予測誤差を算出し、予測誤差の算出結果から、所定期間の平均誤差を算出し、その算出結果から、複数の電力デマンド予測方式のうち誤差が最も小さくなる予測方式を選択し、所定の時間帯毎に、選択した予測方式に切り換えて、電力デマンドの予測値を算出することを特徴とする電力デマンド予測システムを提供する。

また、上記電力デマンド予測システムにおいて、予測部は、気象条件や施設内の情報を加味して実行する構成でもよい。

また、上記電力デマンド予測システムにおいて、電力デマンドの予測式は、下記の数１であり、複数の電力デマンド予測法式は、下記の数２、数３、及び数４であてもよい。

本発明によれば、時限に応じて予測方式を切り換えることで、精度の高いデマンド予測を実行することができる。

本発明に係る電力デマンド予測システムの構成を示すブロック図である。 デマンド予測に基づく負荷制御を説明するための説明図である。 本発明に係る電力デマンド予測システムの動作を示すフローチャートである。 図３の処理の具体例を示すフローチャートである。 高圧需要家の負荷電力の例を示すグラフである。 方式別予測誤差を示すグラフである。 最適予測方式の算出結果を示すグラフである。 デマンド予測結果を示すグラフである。 １週間の誤差の分散を示すグラフである。

以下、本発明の実施形態について図面を参照して説明する。ただし、本発明はこれに限定されるものではない。また、図面においては、実施形態を説明するため、一部分を大きくまたは強調して記載するなど適宜縮尺を変更して表現することがある。

図１は、本発明に係る電力デマンド予測システム１００の構成を示すブロック図である。図１に示す電力デマンド予測システム１００は、電力デマンドの監視・予測し、予測結果に基づいて負荷制御などを行うシステムである。本実施形態における電力デマンド予測システム１００は、ＢＥＭＳ（Building Energy Management System）、すなわち、建物（ビル）内のエネルギー使用状況や設備機器の運転状況を把握し、需要予測に基づく負荷を勘案して最適な運転制御を自動で行うシステムの機能のうち、電力デマンドの監視・予測を行う部分を主要な構成要素としたシステムである。電力デマンドの超過抑制を効果的に行うためには、高精度なデマンド予測が必要となる。本実施形態では、電力デマンドを高精度に予測するための新たな方法を提案し、実測データを用いたシミュレーションにより有効性を検証した。

図１に示すように、電力デマンド予測システム１００は、機器制御装置１１０、監視制御装置１２０、データベース１３０、及び操作端末１４０を備えている。機器制御装置１１０は、空調や照明などの機器を制御する装置である。機器制御装置１１０は、制御部１１１、センサー１１２、及び計測器１１３を有している。制御部１１１は、監視制御装置１２０からの指令に基づいて空調や照明などの機器の運転等を最適制御する。センサー１１２は、建物のフロアーや部屋などに設けられた温度センサー（温度を検知するセンサー）、湿度センサー（湿度を検知するセンサー）、人検知センサー（人の有無を検知するセンサー）などである。センサー１１２が検出した値（データ）は、監視制御装置１２０に送信される。計測器１１３は、電力量計、ガスメーターなどである。計測器１１３が計測した値（データ）も、監視制御装置１２０に送信される。

監視制御装置１２０は、センサー１１２から送信されるデータ及び計測器１１３から送信されるデータに基づき、エネルギー使用状況や機器の運転状況を集計・分析して把握し、需要予測を行い、機器制御装置１１０に指令を送信することで機器の最適制御を機器制御装置１１０に実行させる装置である。監視制御装置１２０は、通信部１２１、監視部１２２、及び予測部１２３を有している。

通信部１２１は、機器制御装置１１０、データベース１３０、及び操作端末１４０との間でデータ通信を行う処理部である。具体的には、通信部１２１は、センサー１１２及び計測器１１３から送信されるデータを受信する。また、通信部１２１は、制御部１１１に対して機器の制御を実行させる指令を送信する。また、通信部１２１は、センサー１１２や計測器１１３から収集したデータをデータベース１３０（図１中、「ＤＢ」と記す。）に格納する。また、通信部１２１は、操作端末１４０に各種情報を送信する。

監視部１２２は、センサー１１２から送信されるデータ及び計測器１１３から送信されるデータをデータベース１３０に格納するとともに、それらのデータに基づきエネルギー使用状況や機器の運転状況を集計・分析して把握することにより電力デマンド（電力需要）を監視する処理部である。また、監視部１２２は、予測部１２３による電力デマンドの予測結果に基づいて、空調や照明などの機器を制御する指令を機器制御装置１１０に送信することにより、機器制御装置１１０に空調や照明などの機器の運転等を制御を実行させる。また、監視部１２２は、予測部１２３が電力デマンドの目標値を超える電力需要を予測した場合、指令を送信することで不図示の警報を鳴動させる制御を実行する。また、監視部１２２は、エネルギー使用状況や機器の運転状況を集計・分析した結果を示すデータを操作端末１４０に送信することで、そのデータを操作端末１４０の表示部（モニター、ディスプレイなど）に表示させる。予測部１２３は、監視部１２２が集計したデータに基づき、電力デマンドの予測を行う処理部である。なお、予測部１２３の電力デマンドの予測方法の詳細については後述する（図３〜図９参照）。

データベース１３０は、センサー１１２から送信されるデータ及び計測器１１３から送信されるデータを格納する装置である。操作端末１４０は、電力デマンド予測システム１００の管理者が操作を行うコンピュータなどの端末である。なお、電力会社との取引において用いられるデマンド値とは、３０分間（デマンド時限）における平均使用電力［ｋＷ］（稼働負荷の平均容量）のことをいう。

図２は、デマンド予測に基づく負荷制御を説明するための説明図である。図２の上図はデマンド予測値（デマンド計測値）に基づいてデマンドの予測を行うことを示す図であり、図２の下図はデマンドの予測に基づいて負荷制御を行うことを示す図である。図２の上図に示すように、予測部１２３が目標値（契約容量ｋＷ）を超える電力需要を予測した場合には、図２の下図に示すように、監視部１２２が不図示の警報を鳴らし、また機器を制御することで、電力需要を抑制する。予測精度を高めることで、誤報の防止や適切な機器制御が可能となる。ここで、図２の下図に示すように、予測部１２３による目標値の超過の予測が遅ければ、負荷の抑制量は大きくなってしまう。一方、予測部１２３によって、より早い時点で目標値の超過を予測できれば、負荷の抑制量は少なくて済み、業務への影響を最小限に留めることができる。

電力デマンドの予測値は、一般的に過去の電力実績データを元に式１で定義される。また、式１における第２項のＰ´_ｔ〜３０は、例えば以下の［方式ａ〜ｃ］で算出する方法が考えられる。

ただし、Ｄ´（ｔ）：ｔ分経過時点の予測デマンド［ｋＷ］、Ｐ（ｔ）：ｔ分経過時点の負荷電力［ｋＷ］、Ｐ´_ｔ〜３０：ｔ〜３０分の負荷電力予測値［ｋＷ］、ｔ：デマンドカウント時限（０≦ｔ≦３０）［分］
なお、デマンドカウント時限とは、デマンド時限（３０分毎の時間帯）内におけるデマンド時限の開始時点からの経過時間を意味する。

［方式ａ］過去１０分の平均値で予測（式２）

［方式ｂ］現在値で予測（式３）

［方式ｃ］過去１週間のデマンド値を用いて予測（式４）

ただし、Ｄ_ａｖｅ(Ｔ_ｎ)：Ｔ_ｎ時間帯の過去１週間平均デマンド（営業日、休業日別）［ｋＷ］、Ｄ_ｐ(Ｔ_ｎ)：予測当日のＴ_ｎ時間帯のデマンド［ｋＷ］、Ｔ_ｎ：３０分単位４８区分の時間帯（ｎ＝１〜４８、例えばＴ１は０：００〜０：３０）

図３は、本発明に係る電力デマンド予測システムの動作を示すフローチャートである。図３に示す処理において、予測部１２３は、まず、電力需要家の負荷電力の実測データが保存されたデータベース１３０から任意の期間の実測データを収集する（ステップＳ１：第１工程）。次に、予測部１２３は、ステップＳ１で収集した実測データに基づき複数の電力デマンド予測方式（例えば上記［方式ａ］［方式ｂ］［方式ｃ］）を適用して、過去の電力デマンドの予測値を算出する（ステップＳ２：第２工程）。ここで、予測部１２３は、複数の電力デマンド予測方式として、過去の異なる期間の負荷電力に基づいて過去の各時点（例えば１分単位のデマンドカウント時限）の負荷電力予測値を算出し、算出した負荷電力予測値から過去の各時点における電力デマンドの予測値を算出する。上述した式１では、各時間帯の開示時点から各時点（デマンドカウント時限）までの負荷電力の積算値と、各時点から各時間帯の終了時点までの負荷電力予測値の積算値とに基づいて電力デマンドの予測値を算出する。

次に、予測部１２３は、ステップＳ２で算出した過去の各時点における予測値と過去の各時点における実測データとの予測誤差を日毎に算出する（ステップＳ３：第３工程）。そして、予測部１２３は、ステップＳ３の算出結果から所定期間の平均誤差を算出する（ステップＳ４：第４工程）。また、予測部１２３は、ステップＳ４の算出結果から複数の電力デマンド予測方式のうち誤差が最も小さくなる予測方式を所定の時点の予測方式として選択する（ステップＳ５：第５工程）。予測部１２３は、所定の時間帯毎（例えば３０分毎）に、ステップＳ５で選択した電力デマンド予測方式に切り換えて、電力デマンドの予測値を算出する（ステップＳ６：第６工程）。

図４は、図３の処理の具体例を示すフローチャートである。本実施形態では、電力デマンドを高精度に予測するため、図４に示すように、予測部１２３は、式１のＰ´_ｔ〜３０をデマンドカウント時限に応じて、［方式ａ〜ｃ］のいずれかに切り換える。予測部１２３は、各時間帯（３０分単位４８区分）毎に、予測方式の切り換えタイミング（各時間帯内の所定のデマンドカウント時限（時点））を決定することで、いずれの時間帯においても予測結果の高精度化を実現している。

具体的には、図４に示す処理において、予測部１２３は、過去１週間の実測データ（１分サンプリングデータ）を収集する（ステップＳ１１）。このように実測データとして１分サンプリングデータを用いているので、デマンドカウント時限（各時間帯内の所定の時点）を１分単位としている。ただし、デマンドカウント時限は１分単位に限定されず、数分単位や数十秒単位などであってもよい。次に、予測部１２３は、予測式（１）のＰ´_ｔ〜３０に、［方式ａ〜ｃ］を適用し、日毎に予測誤差εa_one day（Ｔｎ，ｔ），εb_one day（Ｔｎ，ｔ），εc_one day（Ｔｎ，ｔ）を算出する（ステップＳ１２）。ここで、予測誤差εa_one day（Ｔｎ，ｔ）は、方式ａを用いて算出した１日における各時間帯の各デマンドカウント時限の予測誤差を示す。予測誤差εb_one day（Ｔｎ，ｔ）は、方式ｂを用いて算出した１日における各時間帯の各デマンドカウント時限の予測誤差を示す。予測誤差εc_one day（Ｔｎ，ｔ）は、方式ｃを用いて算出した１日における各時間帯の各デマンドカウント時限の予測誤差を示す。

次に、予測部１２３は、ステップＳ１２の算出結果から、１週間の平均誤差εa_ave（Ｔｎ，ｔ），εb_ave（Ｔｎ，ｔ），εc_ave（Ｔｎ，ｔ）を営業日、休業日別に算出する（ステップＳ１３）。ここで、平均誤差εa_ave（Ｔｎ，ｔ）は、方式ａを用いて算出した１週間の同一時間帯の同一デマンドカウント時限の予測誤差を平均した平均誤差を示す。平均誤差εb_ave（Ｔｎ，ｔ）は、方式ｂを用いて算出した１週間の同一時間帯の同一デマンドカウント時限の予測誤差を平均した平均誤差を示す。平均誤差εc_ave（Ｔｎ，ｔ）は、方式ｃを用いて算出した１週間の同一時間帯の同一デマンドカウント時限の予測誤差を平均した平均誤差を示す。そして、予測部１２３は、ステップＳ１３の算出結果から、誤差が最も小さくなる方式を最適な予測方式Pre_method（Ｔｎ，ｔ）＝｛［方式ａ］ｏｒ［方式ｂ］ｏｒ［方式ｃ］｝として決定する（営業日、休業日別）（ステップＳ１４）。最適な予測方式は、各時間帯の各デマンドカウント時限毎に決定される。

図５は、高圧需要家の負荷電力の例を示すグラフである。図５において、東北地方のある高圧需要家Ａで、負荷電力を１週間計測し、この計測データを用いて、提案した予測方式の精度検証を行った。図５は、高圧需要家Ａの営業日（月、水、木、金、土曜日）における負荷電力の推移である。各日とも操業開始または終了時間帯で需要が大きく変化する傾向が見られる。

図６は、方式別予測誤差を示すグラフである。図６は、式１のＰ´_ｔ〜３０を［方式ａ〜ｃ］で算出した場合の、水曜日の各時間帯（３０分単位４８区分）及び各デマンドカウント時限での予測誤差を示したものである（図４のステップＳ１２の処理により算出）。各方式ともデマンドカウント時限が進むにつれ、誤差は小さくなる傾向にあるものの、方式の違いにより差異が見られる。

図７は、最適予測方式の算出結果を示すグラフである。図７は、図４のステップＳ１３及びステップＳ１４の処理により、営業日の最適な予測方式を算出し、代表的な時間帯について図示したものである。操業開始、終了に伴う日間の需要変動や、機器の稼働状況に伴う短時間の需要変動が複雑に影響し、各時間帯及び各デマンドカウント時限で、最適な予測方式が異なる結果となっている。

図８は、デマンド予測結果を示すグラフである。図８は、図７の結果に基づいて、水曜日の電力デマンドを予測したものである。全体的に精度良く推定できていることが見て取れる。

図９は、１週間の誤差の分散を示すグラフである。図９は、１週間の誤差の分散をデマンドカウント時限（５分、１５分、２５分）毎に示したものである。誤差は、操業開始、終了時間帯で大きく、それ以外の時間帯では負荷の大・小にかかわらず小さくなる傾向にある。

以上に説明したように、本実施形態では、デマンドカウント時限に応じて予測式（方式ａ〜ｃ）を切り換える新たな方式を提案し、シミュレーションにより有効性を確認した。このような構成によれば、精度の高いデマンド予測を実行することができる。また、過去の電力実績データを活用し、気温やイベント情報などは活用していないので、システム化の際の煩雑化を避けることができる。

上記した各方式ａ〜ｃの弱点としては、

［方式a］過去１０分の平均値で予測
予測値が電力量の増減に対応するまで時間がかかる。例えば、５ｋＷのデマンドが続いていたところに、急に５０ｋＷのデマンドが発生した場合、平均値は５ｋＷから９．５ｋＷに変化[(５ｋＷ×９分間＋５０ｋＷ×１分)÷１０分＝９．５ｋＷ]するが、平均値が５０ｋＷになるまでは１０分待つ必要がある。

［方式ｂ］現在値で予測
現在値のみでの予測となるため、一時的な電力量の増減に影響を受けやすい。例えば、５ｋＷのデマンドが続いていたところに、一時的に５０ｋＷのデマンドが発生し、再び５ｋＷのデマンドに戻った場合、５０ｋＷのときだけデマンド予測値がとても高い値となって電力量削減のため空調や照明の制御などを実施してしまうが、実際はそのような制御が必要なかったなどのケースが想定される。

［方式ｃ］過去１週間のデマンド値を用いて予測
過去データとは異なる電力量の推移がある状況で精度が悪い。例えば、冷夏で電力負荷が少なかった期間の後に突然猛暑となった場合、予測値が実際のデマンドよりも低く算出されてしまう恐れがある。上述したように、時限によって予測誤差の最も小さい方式ａ〜ｃを切り換えることにより、上記した各方式ａ〜ｃの弱点を補うことができる。

以上、本発明の実施形態を説明したが、本発明の技術的範囲は、上記の実施形態に記載の範囲には限定されない。本発明の趣旨を逸脱しない範囲で、上記の実施形態に、多様な変更または改良を加えることが可能である。また、上記の実施形態で説明した要件の１つ以上は、省略されることがある。そのような変更または改良、省略した形態も本発明の技術的範囲に含まれる。また、上記した実施形態や変形例の構成を適宜組み合わせて適用することも可能である。

例えば、上記の実施形態では、上記した方式ａは過去１０分の平均値で予測し、上記した方式ｃは過去１週間のデマンド値を用いて予測していたが、それらの期間はシステム（機器、その機器の使用状況など）に合わせて適宜変更することが可能である。また、上記した予測方式は方式ａ〜ｃの３つであったが、２つの方式又は４つ以上の方式を切り換える構成でもよい。また、上記の実施形態では、電力デマンドの予測値を算出する式（式１）における負荷電力予測値を算出する式２〜式４を変えることで複数の予測方式を設定していたが、このような構成に限定されず、電力デマンドの予測値を算出する複数の式を設けることで複数の予測方式を設定してもよい。

上記の実施形態では、電力デマンドを予測する際、システム化の際の複雑化を避けるため、過去の電力実績データのみを活用していた。しかし、電力デマンドの予測に気温やイベント情報などを活用してもよい。すなわち、予測部１２３は、ステップＳ４において、気象条件や施設内の情報を加味してもよい。例えば、予測部１２３は、晴れの日や雨の日を加味して最適な予測方式を選択するようにしてもよい。また、予測部１２３は、気温の急激な変化を認識した場合に、その変化を加味して予測方式（例えば方式ｂを用いること）を選択するようにしてもよい。また、予測部１２３は、施設内の情報（センサー１１２で検知される人の数や、営業日と休業日の違いなど）を付加して最適な予測方式を選択してもよい。

また、上記の実施形態では、時間帯は３０分単位としていたが、そのような時間に限定されず、３０分よりも短い時間、３０分よりも長い時間であってもよい。また、実測データは１分サンプリングデータとしていたが、所定周期のサンプリングデータであればよい。また、図４に示した処理は一例であって、このような処理に限定されない。

１００ 電力デマンド予測システム
１１０ 機器制御装置
１２０ 監視制御装置
１２１ 通信部
１２２ 監視部
１２３ 予測部
１３０ データベース
１４０ 操作端末

Claims (4)

1. 電力需要者の使用電力の実測データが保存されたデータベースから、任意の期間の１分単位の実測データを収集する第１工程と、
   複数の電力デマンド予測方式を用いて、収集した前記実測データを適用して、１分単位の過去の電力デマンドの予測値を算出する第２工程と、
   前記第２工程で算出した予測値と前記実測データとの予測誤差を算出する第３工程と、
   前記予測誤差の算出結果から、所定期間の平均誤差を算出する第４工程と、
   前記第４工程の算出結果から、前記複数の電力デマンド予測方式のうち誤差が最も小さくなる予測方式を選択する第５工程と、
   １分単位毎に、前記第５工程で選択した予測方式に切り換えて、電力デマンドの予測値を算出する第６工程と、
   を有し、
   電力デマンドの予測式は、数１であり、前記複数の電力デマンド予測方式は、数２、数３、及び数４であることを特徴とする電力デマンド予測方法。
   ただし、Ｄ´（ｔ）：ｔ分経過時点の予測デマンド［ｋＷ］、Ｐ（ｔ）：ｔ分経過時点の負荷電力［ｋＷ］、Ｐ´ｔ〜３０：ｔ〜３０分の負荷電力予測値［ｋＷ］、ｔ：時間（０≦ｔ≦３０）［分］
   ただし、Ｄａｖｅ(Ｔｎ)：Ｔｎ時間帯の過去１週間平均デマンド［ｋＷ］、Ｄｐ(Ｔｎ)：予測当日のＴｎ時間帯のデマンド［ｋＷ］、Ｔｎ：３０分単位４８区分の時間帯（ｎ＝１〜４８）
2. 前記第４工程で、気象条件や施設内の情報を加味して平均誤差を算出する請求項１記載の電力デマンド予測方法。
3. 電力需要者の使用電力の実測データを収集する監視部と、
   前記監視部で収集した前記実測データを保存するデータベースと、
   前記データベースに保存された１分単位の前記実測データに基づいて電力デマンドの予測を行う予測部と、を備え、
   前記予測部は、
   前記データベースから任意の期間の１分単位の実測データを収集し、
   複数の電力デマンド予測方式を用いて、収集した前記実測データを適用して、１分単位の過去の電力デマンドの予測値を算出し、
   前記予測値と前記実測データとの予測誤差を算出し、
   前記予測誤差の算出結果から、所定期間の平均誤差を算出し、
   その算出結果から、前記複数の電力デマンド予測方式のうち誤差が最も小さくなる予測方式を選択し、
   １分単位毎に、前記選択した予測方式に切り換えて、電力デマンドの予測値を算出し、
   電力デマンドの予測式は、数１であり、前記複数の電力デマンド予測方式は、数２、数３、及び数４であることを特徴とする電力デマンド予測システム。
   ただし、Ｄ´（ｔ）：ｔ分経過時点の予測デマンド［ｋＷ］、Ｐ（ｔ）：ｔ分経過時点の負荷電力［ｋＷ］、Ｐ´ｔ〜３０：ｔ〜３０分の負荷電力予測値［ｋＷ］、ｔ：時間（０≦ｔ≦３０）［分］
   ただし、Ｄａｖｅ(Ｔｎ)：Ｔｎ時間帯の過去１週間平均デマンド［ｋＷ］、Ｄｐ(Ｔｎ)：予測当日のＴｎ時間帯のデマンド［ｋＷ］、Ｔｎ：３０分単位４８区分の時間帯（ｎ＝１〜４８）
   
4. 前記予測部は、気象条件や施設内の情報を加味して平均誤差を算出する請求項３記載の電力デマンド予測システム。