JP6443601B1 - 省エネルギー診断システム、方法及びプログラム - Google Patents
省エネルギー診断システム、方法及びプログラム Download PDFInfo
- Publication number
- JP6443601B1 JP6443601B1 JP2018544138A JP2018544138A JP6443601B1 JP 6443601 B1 JP6443601 B1 JP 6443601B1 JP 2018544138 A JP2018544138 A JP 2018544138A JP 2018544138 A JP2018544138 A JP 2018544138A JP 6443601 B1 JP6443601 B1 JP 6443601B1
- Authority
- JP
- Japan
- Prior art keywords
- energy
- value
- energy usage
- data
- time
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 233
- 230000009467 reduction Effects 0.000 claims abstract description 38
- 230000000694 effects Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 65
- 230000002159 abnormal effect Effects 0.000 claims description 54
- 238000004378 air conditioning Methods 0.000 claims description 35
- 238000001816 cooling Methods 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 18
- 238000010438 heat treatment Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims 8
- 238000013450 outlier detection Methods 0.000 claims 2
- 238000005286 illumination Methods 0.000 claims 1
- 238000007619 statistical method Methods 0.000 abstract description 3
- 230000003542 behavioural effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 24
- 230000005856 abnormality Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 10
- 238000005315 distribution function Methods 0.000 description 10
- 239000007789 gas Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K17/00—Measuring quantity of heat
- G01K17/06—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device
- G01K17/08—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device based upon measurement of temperature difference or of a temperature
- G01K17/20—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device based upon measurement of temperature difference or of a temperature across a radiating surface, combined with ascertainment of the heat transmission coefficient
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
- G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
-
- 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"
-
- 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
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Environmental & Geological Engineering (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
Abstract
Description
診断方法の一つとして、例えば特許文献1が提案されているが、これは選択された省エネ対象設備の運転状態情報と、基準情報(選定基準情報)とに基づいて判定処理を行うものである。具体的には、例えばチラーを含む空調設備の場合、冷房能力、消費電力、負荷率、運転期間、運転時間、操業時間、ポンプ流量、ファン風量、定期保守状況などを入力し、空調機の規模を推定し、冷房電力(ピーク)及び冷房電力量(ボリューム)を大まかに評価したり、夜間空調停止か否か、中間期・冬季冷房か否かを判定したり、予冷時間が30分を超えるか否か、停止時刻が操業終了時刻を超えるか否か、バルブ絞りやダンパ絞りが適正に調整されているか否かを判定する。
また、例えば特許文献2では、省エネルギーに関する専門知識と経験を兼ね備えたエネルギー管理士などの専門家が現地を訪れずとも建物の省エネルギー診断が可能となるよう、携帯端末を利用した省エネルギー診断システムが提案されている。具体的には、診断対象の建物について、データを採取すべき設備機器を特定した個別建物データと、設備機器毎に採取すべきデータ項目と、それら採取したデータから行う省エネ診断の判定基準が設定されているが、省エネ診断の判定基準及び実行可能な省エネ対策を出力する構成は省エネの専門家によって設定、装備されており、データを採取する現場では必ずしも省エネの専門知識が無くても診断ができるようになっている。
更にもう一つの診断方法としては、例えば特許文献3のように、既存建物のエネルギー使用実績から対象建物の空調負荷を推計する方法が提案されている。具体的には、既存建物について、ある短期間の空調設備全ての空調負荷の実測値と空調に用いられた電力使用量とを対比させ、電力使用量に対する空調負荷の換算値を算出し、ある建物の1年間の時刻毎の空調負荷を電力等のエネルギー使用量のデータに基づいて推計している。この算出の際に、休業日や空調以外の季節変動要因等を勘案することでより正確に算出することが可能になる。この方法は実績データによるデータ推計の他、新たに建設する類似建物の省エネ設計にも応用できる。
特許文献1では、診断の精度を上げるために数多くの計測機を導入しなければならず、導入コストがかかってしまい、かつ多岐にわたるデータを入力する必要があるなど、簡易な方法ではなかった。
特許文献2では、対象となる建物毎に適切な省エネ目標値を設定する必要があり、省エネ目標値が適切な値となるよう計算するためには依然専門家の知識が必要となっていた。
また、特許文献3では、エネルギー使用量実績を既存建物から入手し推計するということ、またエネルギー使用量が多い建物は無駄が多いという前提に基づく診断であるため、診断結果が必ずしも妥当であると言えないこともあった。
更に、特許文献1、特許文献3で開示された技術では、当該建物の使用日、不使用日(あるいは休日)の判定を外部からの入力に頼るしかなく、1年間でエネルギー使用量が最も少ない1週間をエネルギーベース期間として判定しているなど、統計的に処理しているとは言い難かった。
また、特許文献1、特許文献2、特許文献3で開示された技術では、電力会社やガス会社等が入手可能なエネルギー使用量データや建物所在地情報だけでは省エネ効果の計算が実施できないことから、現実的に複数建物から省エネ効果の高い建物を抽出することはできなかった。
本発明は、前述の課題に鑑み、簡便に入手可能な情報を利用し、統計的考え方に基づく発明手法を用いることにより、的確な省エネ診断が可能なシステムを提供し、建物の省エネ診断の実施や省エネ効果の高い建物の抽出を可能とするとともに、その診断方法を提案するものである。
以下、本発明の手段を図に基づいて説明するが、その前に、用語の定義について図26を用いて説明する。
データとは同じ種類の値の塊のことを指し、例えば、エネルギー使用量データは、計測日時別に計測されたエネルギー使用量の塊を言う。
インデックスとは値の集合を作る際の見出しであり、例えば、計測日時がインデックスとなる。
データリストとはインデックスでグループ化された値の集合を言い、例えば、計測日時がインデックスの場合は、計測日時、当該計測日時のエネルギー使用量、気象量等の塊がデータリストとなる。
データテーブルとは、データリストの集合を言い、データベースとはデータテーブルの集合を言う。
続いて、本発明に用いられるエネルギー使用量データ、建物所在地、気象データ及び本発明で推計される用途別エネルギー使用量について説明する。
エネルギー使用量データは、1時間以下の計測間隔で計測されている建物の電気使用量やガス使用量である。例としては、スマートメーターによる計測値が考えられる。
データ計測期間は、基本的に1年間であるが、6カ月以上のデータであれば分析可能である。
建物所在地は、建物がある場所の住所である。
気象データとは、気温又は気温や湿度から計算されたエンタルピーなどのことを指す。
稼働日とは、建物が稼働している日を指し、一般的な事務所では勤務日のことであり、一般的な事業所では営業日のことである。非稼働日とは、建物が稼働していない日を指し、一般的に休日のことである。休日出勤日とは、非稼働日に、一部の人々が出勤してきている日である。
用途別エネルギー使用量推計は、ac、middle、baseの用途を推計することを指す。acは主に空調エネルギー使用量を指す。middleは稼働時間帯に用いる照明やOA機器等の建物のエネルギー使用量を指す。baseは、誘導灯等の24時間使用されている機器のエネルギー使用量を指す。
続いて、本発明を実施する形態の説明において、複数回用いられる手法について説明する。
標準化とは、対象の値から対象となる値群(データ)を平均した値を引き、その差を対象の各値から計算される標準偏差で割ることで求められる値に変換することである。
回帰の方法としては、一般線形モデルによる回帰のみではなく、ridge回帰やlasso回帰等、様々な回帰の方法が含まれている。
異常値検出の方法の一例としては、数式1、数式2で示すように、回帰式に独立変数(x(n))を代入することにより得られた推計値(f(x(n)))と実際の計測値(y(n))から導かれる異常度(α(y(n),x(n)))を用いて、その異常度の分布に沿った確率分布関数を求め、確率分布関数の累積確率密度が一定値以上の値となる閾値を設定し、閾値より大きい異常度と導出した計測値を異常値とし、該当するデータリストに異常フラグを立て、他のデータリストと判別する方法がある。ここでNはデータ個数を表し、nはn番目のデータであることを示している。
また、異常値検出時に閾値と同じになる異常値を算出する二つの独立変数のうち大きい値を統計的上限値、小さい値を統計的下限値として算出する。
図1を用いて、省エネ診断システムを説明する。省エネ診断システムは、エネルギー使用量データや気象データを、ネットワークを通じて収集し記録するデータベースと、データベースに記録されたエネルギー使用量データや気象データを用いて用途別エネルギー使用量を計算する用途別エネルギー使用量推計プログラム、省エネ可能量を計算する省エネ可能量計算プログラム、行動変容などによる省エネ効果を計算する省エネシミュレーションプログラム、計算結果を出力する出力部からなる。
データベースは、エネルギー使用量データや気象観測所の計測内容を収集及び記録し、更に用途別エネルギー使用量推計プログラム、省エネ可能量計算プログラム及び省エネシミュレーションプログラムの計算結果を記録する。
用途別エネルギー使用量推計プログラムは、エネルギー使用量データと当該建物所在地に最も近い気象観測所の気象データを用いて当該既存建物の用途別エネルギー使用量の推計を行う。用途別エネルギー使用量は、一定時間毎のac、middle、baseの使用量であり、ここで言う一定時間とは、10分間隔、15分間隔、20分間隔、30分間隔、1時間間隔等の任意の設定である。
図2は用途別エネルギー使用量推計プログラムの概要について示したフローチャートである。用途別エネルギー使用量推計プログラムは、データ作成部(S102)と、稼働日・非稼働日判定部(S103)と、休日出勤判定部(S104)と、回帰式計算部(S105)と、ベースライン推計部(S106)と、ベースライン補正部(S107)と、用途別エネルギー使用量推計部(S108)の7つの部で構成されている。
データ作成部では、データベースに記録されたエネルギー使用量データと気象データを一定時間毎で集計し直し、計測日時をインデックスとした計測日時別データテーブルを作成する。更に、計測日時別データテーブルを計測日別に集計し、計測日別データテーブルを作成する。
稼働日・非稼働日判定部では、日別データテーブルを用いて、稼働日・非稼働日の判定を行う。日別データテーブルのエネルギー使用量データと気象データを用いて、日別一次回帰式を作成するとともに、日別一次回帰決定係数を計算する。日別一次回帰式から導かれる推計値を用いて、エネルギー使用量データの異常値検出を行い、異常値のエネルギー使用量に日別一次異常フラグを立てる。日別一次回帰決定係数が、設定した閾値より小さい場合は、計測日を稼働日、非稼働日に分類し、日別一次回帰決定係数が閾値以上の場合は、全ての計測日を稼働日にする。
計測日を稼働日、非稼働日に分類するために、稼働日、非稼働日の初期配分を行う。
初期配分の方法は、様々あるが、本事例では、月別にエネルギー使用量が最大値の計測日を稼働日、最小値の計測日を非稼働日と配分する手法を用いた。
初期配分された計測日を訓練データとして、気象データを独立変数、エネルギー使用量データを従属変数とした散布図からクラスタリング手法を用いて、残りの計測日を稼働日、非稼働日に分類する。
稼働日、非稼働日別に気象データを独立変数、エネルギー使用量データを従属変数とした回帰を行い、日別稼働日回帰式、日別稼働日回帰決定係数、日別非稼働日回帰式、日別非稼働日回帰決定係数を計算する。日別稼働日回帰決定係数が設定した閾値より小さい場合は、その建物は空調なしとフラグを立てる。稼働日、非稼働日別に日別稼働日回帰式、日別非稼働日回帰式を用いて、日別エネルギー使用量の異常値検出を行い、異常値のエネルギー使用量に日別二次異常フラグを立てるとともに、統計的上限値、下限値計算を行う。
休日出勤判定部は、日別二次異常フラグのデータリストを対象に、休日出勤日を判定する。稼働日の場合、エネルギー使用量が日別二次稼働日回帰式の推計値より小さい場合は非稼働日にして、休日出勤日フラグを立てるとともに、稼働日から非稼働日に変更する。非稼働日の場合、エネルギー使用量が日別二次稼働日回帰式の推計値より大きい場合は休日出勤日フラグを立てる。これら計算結果を計測日時別データテーブルに記録した後に、計測日をキーとして、日別データテーブルと計測日時別データテーブルを統合し、計測日時別分析データテーブルを作成する。
回帰式計算部では、稼働日・非稼働日と計測時間を組み合わせ、稼働日の計測時間別、及び非稼働日の計測時間別(以下、稼働日・非稼働日・計測時間グループ別とも言う。)に計測日時別分析データテーブルをグループ化、稼働日・非稼働日・計測時間グループ別に計測日時別気象データを独立変数とし、計測日時別エネルギー使用量データを従属変数として回帰を行い、回帰式を計算するとともに時間回帰決定係数を計算する。稼働日・非稼働日・計測時間グループ別の回帰式を用いて、稼働日・非稼働日・計測時間グループ別の気象データの範囲内における、推計値の最小値を計算する。稼働日・非稼働日・計測時間グループ別の推計値の最小値を回帰ベースラインとし、その最小推計値を導く気象データの値を最低気象量とする。日別二次異常データリストを除き、稼働日・非稼働日・計測時間グループ毎に計測日時別エネルギー使用量データの平均値(時間平均値)と標準偏差を計算して、平均値を平均ベースラインとする。
ベースライン推計部では、回帰式計算部の結果を基にエネルギー使用量推計値と、ベースラインを計算する。
計測時間別の稼働日の回帰式から稼働日時間回帰推計値を計算する。稼働日でフィルタリングした稼働日時間回帰推計値データとエネルギー使用量データから分散の分布関数を求め、その分布関数に全ての稼働日時間回帰推計値とエネルギー使用量データの分散を適用し、異常値を検出して、稼働日時間回帰異常フラグを立てる。また、統計的上限値として、稼働日時間回帰上限値、統計的下限値として、稼働日時間回帰下限値を計算する。非稼働日も同様の計算をして、非稼働日時間別回帰推計値、非稼働日時間回帰異常フラグ、非稼働日時間回帰上限値、非稼働日時間回帰下限値を計算する。また、稼働日時間平均値と標準偏差からエネルギー使用量の異常値を検出して、稼働日時間平均異常フラグを立てる。また、統計的上限値として、稼働日時間平均上限値、統計的下限値として、稼働日時間平均下限値を計算する。非稼働日も同様の計算を行い非稼働日時間平均値、非稼働日時間平均異常フラグ、非稼働日時間平均上限値、非稼働日時間平均下限値を計算する。計測日時別推計データテーブルを作成し、計算結果を記録する。
稼働日・非稼働日・計測時間グループ毎に、ベースラインを回帰ベースラインにするか、平均ベースラインにするか定める。空調なしフラグあり、又は時間回帰決定係数が設定した閾値以下の場合は、ベースラインに平均ベースラインを入力し、それ以外の場合はベースラインに回帰ベースラインを入力する。回帰ベースラインが選択された場合は、計測日時別気象データが最低気象量より大きい範囲で、計測日時別エネルギー使用量データと気象データの相関を計算し、統計的に相関が有意と認められ、更に相関係数が正の値であれば、冷房フラグを立てる。計測日時別気象データが最低気象量以下の範囲で、計測日時別エネルギー使用量データと計測日時別気象データの相関を計算し、統計的に相関が有意と認められ、更に相関係数が負の値であれば、暖房フラグを立てる。これらをベースラインデータテーブルに記録する。
計測日時別推計データテーブルとベースラインデータテーブルを稼働日・非稼働日・計測時間グループをキーにして統合する。更に計測日時別分析データテーブルと統合したデータテーブルを、計測日時をキーにして統合し、計測日時別統合データテーブルを作成する。
ベースライン補正部では、主に、空調がない建物や冷房、暖房を行っていない時間帯及び休日出勤日のベースラインを補正する。
まずベースライン補正のための準備を行う。
時間回帰決定係数が設定した閾値より大きい場合に、稼働日であれば、時間推計値に稼働日時間回帰推計値、時間異常フラグに稼働日時間回帰異常フラグ、時間上限値に稼働日時間回帰上限値、時間下限値に稼働日時間回帰下限値を入力し、非稼働日であれば、時間推計値に非稼働日時間回帰推計値、時間異常フラグに非稼働日時間回帰異常フラグ、時間上限値に非稼働日時間回帰上限値、時間下限値に非稼働日時間回帰下限値を入力する。
時間回帰決定係数が設定した閾値以下の場合に、稼働日であれば、時間推計値に稼働日時間平均値、時間異常フラグに稼働日時間平均異常フラグ、時間上限値に稼働日時間平均上限値、時間下限値に稼働日時間平均下限値を入力し、非稼働日であれば、時間推計値に非稼働日時間平均値、時間異常フラグに非稼働日時間平均異常フラグ、時間上限値に非稼働日時間平均上限値、時間下限値に非稼働日時間平均下限値を入力する。
計測日時別異常フラグのデータリストを除いたベースラインの最小値をbase基準値とする。
続いて、ベースラインの補正のために計測日時毎に以下の処理を行う。
計測日時別エネルギー使用量がベースラインより小さい又は空調なしフラグがある場合は、ベースラインに計測日時別エネルギー使用量を入力し、次の計測日時の処理を実施する。
計測日時別エネルギー使用量がベースライン以上かつ空調なしフラグがなくかつ計測日時別気象量が最低気象量より大きい場合に、冷房ありフラグがなければ、ベースラインに計測日時別エネルギー使用量を入力する。
計測日時別エネルギー使用量がベースライン以上かつ空調なしフラグがなくかつ計測日時別気象量が最低気象量以下の場合に、暖房ありフラグがなければ、ベースラインに計測日時別エネルギー使用量を入力する。
休日出勤日フラグ及び異常フラグがない場合は、次の計測日時の処理を実施する。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日であり、かつ計測日時別エネルギー使用量が非稼働日時間推計値以下の場合は、次の計測日時の処理を実施する。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日であり、かつ計測日時別エネルギー使用量が非稼働日時間推計値より大きく、かつ計測日時別エネルギー使用量が稼働日時間推計値より大きい場合は、時間推計値に稼働日推計値、時間上限値に稼働日時間上限値、時間下限値に稼働日時間下限値を入力する。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日であり、かつ計測日時別エネルギー使用量が非稼働日時間推計値より大きく、かつ計測日時別エネルギー使用量が稼働日時間推計値以下の場合は、式Aで計算した値を入力する。
式Aは以下の式3から式6を示す。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日ではなく、かつ計測日時別エネルギー使用量が稼働日時間推計値より小さく、かつ計測日時別エネルギー使用量が非稼働日時間推計値より小さい場合は、時間推計値に非稼働日推計値、時間上限値に非稼働日時間上限値、時間下限値に非稼働日時間下限値を入力する。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日ではなく、かつ計測日時別エネルギー使用量が稼働日時間推計値より小さく、かつ計測日時別エネルギー使用量が非稼働日時間推計値以上の場合は、式Aで計算した値を入力する。この後次の計測日時の処理を実施する。
用途別エネルギー使用量推計部では、ac、middle、base推計量を計算する。ベースラインがbase基準値より大きい場合は、baseをbase基準値とし、ベースラインがbase基準値以下の場合は、baseをベースラインとする。
acを計測日時別エネルギー使用量−ベースラインとする。
middleを計測日時別エネルギー使用量−ac−baseの値、つまり、計測日時別エネルギー使用量からac及びbaseを引いた値とし、計測日時別統合データテーブルに計算した値を記録する。
以上の用途別エネルギー使用量プログラムにより、ac、middle、baseの使用量を推計し、これらの計算結果を計測日時別統合データテーブルに記録する。
省エネ可能量計算プログラムは、用途別エネルギー使用量推計プログラムの計算結果を用いて、省エネ可能量とデマンド削減可能量を計算する。
省エネ可能量計算プログラムは、省エネ可能量計算部とデマンド削減可能量計算部から構成される。省エネ可能量計算部は、計測日時別統合データテーブルを用いて、省エネ可能量の計算を行う。
計測日時別エネルギー使用量が時間上限値より大きい場合は、省エネ可能量(ステップ1)を計測日時別エネルギー使用量−時間上限値として、それ以外は省エネ可能量(ステップ1)を0(ゼロ)とする。
計測日時別エネルギー使用量が時間推計値より大きい場合は、省エネ可能量(ステップ2)を計測日時別エネルギー使用量−時間推計値として、それ以外は省エネ可能量(ステップ2)を0(ゼロ)とする。
計測日時別エネルギー使用量が時間下限値より大きい場合は、省エネ可能量(ステップ3)を計測日時別エネルギー使用量−時間下限値として、それ以外は省エネ可能量(ステップ3)を0(ゼロ)とする。
以上のようにして建物の省エネ可能量を計算し、省エネ可能量の合計をエネルギー使用量の合計で割ることで建物の省エネ可能率を計算する。
デマンド削減可能量計算部は、計測日時別統合データテーブルを用いて、デマンド削減可能量の計算を行う。
計測日時別エネルギー使用量、時間上限値、時間推計値、時間下限値を30分毎に集計し直して、最大値を計算する。
30分毎エネルギー使用量最大値が30分毎上限値最大値より大きい場合は、デマンド削減量(ステップ1)を(30分毎エネルギー使用量最大値−30分毎上限値最大値)×2として、それ以外は0(ゼロ)とする。
30分毎エネルギー使用量最大値が30分毎推計値最大値より大きい場合は、デマンド削減量(ステップ2)を(30分毎エネルギー使用量最大値−30分毎推計値最大値)×2として、それ以外は0(ゼロ)とする。
30分毎エネルギー使用量最大値が30分毎下限値最大値より大きい場合は、デマンド削減量(ステップ3)を(30分毎エネルギー使用量最大値−30分毎下限値最大値)×2として、それ以外は0(ゼロ)とする。
デマンド削減量(ステップ1)、デマンド削減量(ステップ2)、デマンド削減量(ステップ3)を全体データテーブルに記録する。
以上のようにして、デマンド削減可能量を計算する。
省エネシミュレーションプログラムは、計測日時別統合データベースを用いて、空調設定温度を1℃及び2℃変化させた場合の行動変容による省エネ効果を計算する。
計測日時別気象データから外気温が1℃上がった+1℃データ、外気温が2℃上がった+2℃データ、外気温が1℃下がった−1℃データ、外気温が2℃下がった−2℃データを作り、稼働日・非稼働日・計測時間グループ別の回帰式に代入して、それぞれの推計値を計算する。
計測日時別気象量が最低気象量より大きく、かつ冷房ありフラグがある場合は、1℃推計値に−1℃推計値を、2℃推計値に−2℃推計値を入力する。
計測日時別気象量が最低気象量より大きく、かつ冷房ありフラグがない場合は、1℃推計値と2℃推計値に時間推計値を入力する。
計測日時別気象量が最低気象量以下で、かつ暖房ありフラグがある場合は、1℃推計値に+1℃推計値を、2℃推計値に+2℃推計値を入力する。
計測日時別気象量が最低気象量以下で、かつ暖房ありフラグがない場合は、1℃推計値と2℃推計値に時間推計値を入力する。
1℃省エネに1℃推計値−推計値の値を、2℃省エネに2℃推計値−推計値の値を入力する。1℃省エネの合計又は2℃省エネの合計を時間推計値の合計で割ることで1℃省エネの省エネ率又は2℃省エネの省エネ率を計算する。
以上のようにして、空調設定温度を1℃及び2℃変化させた場合の行動変容による省エネ効果を計算する。
出力部は、計測日時別統合データテーブルと合計データテーブルが含まれたデータベースから、求められる計測結果を集計し、表やグラフにして表示する。
以上説明してきたように、本発明は、エネルギー使用量と気象データを独自の統計的手法を用いて分析することで、省エネ可能量、省エネ可能率、デマンド削減可能量、行動変容などによる省エネ効果のような建物の省エネ診断を簡便に、かつ高い精度で実施できるようにしたことを最も主要な特徴とする。
本システムは、計算プログラムをパッケージ化し、ネットワークを通してデータの収集及び診断結果の出力をすることで、複数の建物の省エネ診断を同時に及び即座に行うことができるメリットがある。
また、本発明は当該建物のエネルギー使用量データと当該建物の所在地データで実施することができるため、電力会社やガス会社に集まる情報を活用して、省エネ効果の高い建物の抽出を行うことも可能である。
ここで示した課題を解決するための手段は、計算の一例を示しており、記載した内容以外においても実施は可能であり、当該技術の同業者等が容易に想像できる内容についても含まれていることは言うまでもない。また、ここで紹介した式、方法等については代表例を示したが、これらに限定するものではなく、他の公式についても代用できることは言うまでもないことを付け加えておく。
本発明の省エネ診断における用途別エネルギー使用量の推計、省エネ可能量、デマンド削減可能量、行動変容による省エネ効果の算定は、省エネ診断やエネルギーに関する特別な専門知識が不要であり、容易に取得可能なデータを利用して達成できるという利点がある。
また、本発明の省エネ診断は当該建物のエネルギー使用量データと当該建物の所在地データで実施することができるため、電力会社やガス会社に集まる情報を活用して、省エネ効果の高い建物の抽出を行うことが可能である。
図2は本発明の用途別エネルギー使用量推計プログラムの実施方法について概略フローを示した図である。(実施例)
図3は用途別エネルギー使用量推計プログラムのデータ作成部の計算の流れを示した図である。(実施例)
図4は用途別エネルギー使用量推計プログラムの稼働日・非稼働日判定部の計算の流れを示した図である。(実施例)
図5は用途別エネルギー使用量推計プログラムの稼働日・非稼働日判定部の計算の流れを示した図である。(実施例)
図6は用途別エネルギー使用量推計プログラムの休日出勤判定部の計算の流れを示した図である。(実施例)
図7は用途別エネルギー使用量推計プログラムの回帰式計算部の計算の流れを示した図である。(実施例)
図8は用途別エネルギー使用量推計プログラムのベースライン推計部の計算の流れを示した図である。(実施例)
図9は用途別エネルギー使用量推計プログラムのベースライン推計部の計算の流れを示した図である。(実施例)
図10は用途別エネルギー使用量推計プログラムのベースライン推計部の計算の流れを示した図である。(実施例)
図11は用途別エネルギー使用量推計プログラムのベースライン推計部の計算の流れを示した図である。(実施例)
図12は用途別エネルギー使用量推計プログラムのベースライン補正部の計算の流れを示した図である。(実施例)
図13は用途別エネルギー使用量推計プログラムのベースライン補正部の計算の流れを示した図である。(実施例)
図14は用途別エネルギー使用量推計プログラムのベースライン補正部の計算の流れを示した図である。(実施例)
図15は用途別エネルギー使用量推計プログラムのベースライン補正部の計算の流れを示した図である。(実施例)
図16は用途別エネルギー使用量推計プログラムのベースライン補正部の計算の流れを示した図である。(実施例)
図17は用途別エネルギー使用量推計プログラムの用途別エネルギー使用量推計部の計算の流れを示した図である。(実施例)
図18は省エネ可能量計算プログラムの省エネ可能量計算部の計算の流れを示した図である。(実施例)
図19は省エネ可能量計算プログラムのデマンド削減可能量計算部の計算の流れを示した図である。(実施例)
図20は省エネシミュレーションプログラムの計算の流れを示した図である。(実施例)
図21は省エネシミュレーションプログラムの計算の流れを示した図である。(実施例)
図22は用途別エネルギー使用量推計プログラムの稼働日・非稼働日判定部の計算の結果である稼働日・非稼働日判定を示したものである。(実施例)
図23Aは用途別エネルギー使用量推計プログラムを実施した結果、得られた各月のある一日における時間別用途別エネルギー使用量について示した例である。星印は異常値で時間上限値より大きいエネルギー使用量を示しており、星印のある時間帯にエネルギーを多く使うイベントや機器の異常稼働があったことを示している。(実施例)
図23Bは用途別エネルギー使用量推計プログラムを実施した結果、得られた各月のある一日における時間別用途別エネルギー使用量について示した例である。星印は異常値で時間上限値より大きいエネルギー使用量を示しており、星印のある時間帯にエネルギーを多く使うイベントや機器の異常稼働があったことを示している。(実施例)
図24は用途別エネルギー使用量推計プログラムを実施した結果、ac推計値と空調エネルギー使用量計測値の相関について示した例である。(実施例)
図25Aは省エネ可能量計算プログラムを実施した結果、得られた省エネ可能量及び省エネ可能率を示した例である。(実施例)
図25Bは省エネ可能量計算プログラムを実施した結果、得られたデマンド削減可能量を示した例である。(実施例)
図25Cは省エネシミュレーションプログラムを実施した結果、得られた設定温度変更による省エネ効果を示した例である。(実施例)
図26は本発明で使われる用語の定義を説明した表である。
図1に示すように、本省エネ診断システムは、エネルギー使用量データや気象観測所の計測内容を、ネットワークを通じて収集し記録するデータベースと、データベースに記録されたエネルギー使用量データや気象データを用いて用途別エネルギー使用量を計算する用途別エネルギー使用量推計プログラム、省エネ可能量やデマンド削減可能量を計算する省エネ可能量計算プログラム、行動変容などによる省エネ効果を計算する省エネシミュレーションプログラム、計算結果を出力する出力部からなる。
データベースは、エネルギー使用量データや気象観測所の計測内容を収集及び記録し、更に用途別エネルギー使用量推計プログラム、省エネ可能量計算プログラム及び省エネシミュレーションプログラムの計算結果を記録する。
エネルギー使用量データは、計測機で計測された値を、ネットワークを通じて収集し、計測された日時をインデックスとして、記録される。計測機は、計量用のスマートメーターが考えられ、計測される値は、累積使用量又は計測間隔内使用量が考えられる。
また、別途記録されたエネルギー使用量データを、表形式に整理し、ネットワークを通じて直接データベースに記録し、省エネ診断を行うことも考えられる。
データベースは、当該建物の建物所在地から最も近い地点にある気象観測所の計測内容を、ネットワークを通じて収集し、計測された日時をインデックスとして、記録する。計測内容は、外気温、湿度、気圧等の気象観測所が計測している値である。
データベースのデータを用いて、省エネ診断システムの計算ロジックに沿って計算する。省エネ診断システムの計算ロジックは、用途別エネルギー使用量推計プログラム、省エネ可能量計算プログラム、省エネシミュレーションプログラムからなり、これらのプログラムに沿って計算された結果が出力部から出力される。
図2は用途別エネルギー使用量推計プログラムの概要について示したフローチャートである。用途別エネルギー使用量推計プログラムは、データ作成部(S102)と、稼働日・非稼働日判定部(S103)と、休日出勤判定部(S104)と、回帰式計算部(S105)と、ベースライン推計部(S106)と、ベースライン補正部(S107)と、用途別エネルギー使用量推計部(S108)の7つの部で構成されている。
データ作成部について図3のフローチャートで説明する。
エネルギー使用量データと建物所在地から、用途別エネルギー使用量の推計を開始する(S201)。
データベースに記録されているネットワークを通して得られたエネルギー使用量データを抽出し、分析の準備をする(S202)。計測された値が、累積使用量の場合は、差分値を計算し、計測間隔内使用量にする。
建物所在地から最も近い気象観測所の気象データを、エネルギー使用量と同じ期間分データベースから抽出して、分析の準備をする(S203からS204)。
エネルギー使用量データと気象データは、計測間隔が異なることがあるため、一定周期で集計し直し計測日時別データテーブルを作成する(S205からS206)。ここで言う一定周期とは、10分間隔、15分間隔、20分間隔、30分間隔、1時間間隔等の任意の設定であり、もちろん間隔が短いほどデータ精度は上がるがその分データ量も多くなるため管理できるデータ容量を踏まえ設定するのが好ましい。
本形態では、一定周期で集計し直した際の日時を計測日時と呼び、データベースのインデックスとしており、本実施例では30分間隔を用いた。
計測日時別データテーブルを日別で集計し直し、日別データテーブルを作成する(S207、S221)。以上でデータ作成部が構成、実施される。
稼働日・非稼働日判定部について図4及び図5のフローチャートを用いて説明する。
日別データテーブルのエネルギー使用量データと気象データを標準化し(S222)、標準化された日別データテーブルのエネルギー使用量データと気象データを用いて、日別一次回帰式を作成するとともに、日別一次回帰決定係数を計算する(S223)。
日別一次回帰決定係数を全体データテーブルに記録し(S224)、日別一次回帰式から導かれる推計値を用いて、エネルギー使用量データの異常値検出を行い、異常値のエネルギー使用量に日別一次異常フラグを立てる。また、統計的上限値、下限値計算を行う(S225)。
日別一次回帰決定係数が、設定した閾値より小さい場合は、計測日を稼働日、非稼働日に分類し、日別一次回帰決定係数が閾値以上の場合は、全ての計測日を稼働日にする(S226)。
計測日を稼働日、非稼働日に分類するために、稼働日、非稼働日の初期配分を行う(S227)。
初期配分の方法は、日別一次異常フラグの計測日を除き、月別にエネルギー使用量が最大値の計測日を稼働日、最小値の計測日を非稼働日と配分する手法や気象データを最大値から最小値の間で4等分し、等分間でエネルギー使用量が最大値の計測日を稼働日、最小値の計測日を非稼働日とする方法もある。
本事例では、月別にエネルギー使用量が最大値の計測日を稼働日、最小値の計測日を非稼働日と配分する手法を用いた。
初期配分された計測日を訓練データとして、気象データを独立変数、エネルギー使用量データを従属変数とした散布図からクラスタリング手法を用いて、残りの計測日を稼働日、非稼働日に分類する(S228)。
本事例では、クラスタリング手法は、カーネルサポートベクトルマシン手法を用い、そのカーネルは動径基底関数及び独立変数の三次式を用いて計算し、時間推計値と計測日時別エネルギー使用量データの相関が高い方の計算結果を用いた。
稼働日、非稼働日別に気象データを独立変数、エネルギー使用量データを従属変数として回帰を行い、日別稼働日回帰式、日別稼働日回帰決定係数、日別非稼働日回帰式、日別非稼働日回帰決定係数を計算する(S229)。
計算された日別稼働日回帰決定係数、日別非稼働日回帰決定係数を全体テーブルに記録する(S230)。
日別稼働日回帰決定係数が設定した閾値より小さい場合は、その建物は空調なしとフラグを立てる(S231からS232)。
稼働日、非稼働日別に日別稼働日回帰式、日別非稼働日回帰式を用いて、日別エネルギー使用量の異常値検出を行い、異常値のエネルギー使用量に日別二次異常フラグを立てるとともに、統計的上限値、下限値計算を行う(S233)。以上で稼働日・非稼働日判定部が構成、実施される。
休日出勤判定部について図6のフローチャートを用いて説明する。
日別二次異常フラグのデータリストを対象に処理をする(S261)。
稼働日の場合、エネルギー使用量が日別二次稼働日回帰式の推計値より小さい場合は非稼働日にして、休日出勤日フラグを立てる(S262、S264からS266)。
非稼働日の場合、エネルギー使用量が日別二次稼働日回帰式の推計値より大きい場合は休日出勤日フラグを立てる(S262、S263及びS266)。
日別データテーブルと計測日時別データテーブルを統合し、計測日時別分析データテーブルを作成する(S267からS269)。
計測日時別エネルギー使用量データと計測日時別気象データを標準化する(S270)。以上で休日出勤判定部が構成、実施される。
回帰式計算部について図7のフローチャートを用いて説明する。稼働日・非稼働日と計測時間を組み合わせ、稼働日・非稼働日・計測時間グループ別に計測日時別分析データテーブルをグループ化する(S301)。
ここで言う計測時間は、データ作成部で集計した一定周期の時間のことを指す。
具体的には例えば、計測時間を1時間間隔とした場合は、稼働日と非稼働日があるので、24時間÷1時間×2(稼働日と非稼働日)となり48グループが作成される。計測時間を30分間隔とした場合は、60分÷30分×24×2(稼働日と非稼働日)で96グループが作成されることになる。
稼働日・非稼働日・計測時間グループ別に、日別二次異常データリストを除き、計測日時別気象データを独立変数、計測日時別エネルギー使用量を従属変数として回帰を行い、回帰式を計算する(S302)。
稼働日・非稼働日・計測時間グループ別に時間回帰決定係数をベースラインデータテーブルに記録する(S303)。
稼働日・非稼働日・計測時間グループ別の回帰式をメモリに記録する(S304)。
稼働日・非稼働日・計測時間グループ別の回帰式を用いて、稼働日・非稼働日・計測時間グループ別の気象データの範囲内における、推計値の最小値を計算する。稼働日・非稼働日・計測時間グループ別の推計値の最小値を回帰ベースラインとし、その最小推計値を導く気象データの値を最低気象量として、ベースラインデータベースに記録する(S305)。
ベースラインデータテーブルに、計測時間毎に稼働日回帰ベースライン、非稼働日回帰ベースラインを作成する。稼働日回帰ベースラインは、稼働日の回帰ベースラインの値を稼働日、非稼働日関係なく同じ計測時間のデータリストに入力する。同様に非稼働日回帰ベースラインは、非稼働日の回帰ベースラインの値を稼働日、非稼働日関係なく同じ計測時間のデータリストに入力する(S306)。
日別二次異常データリストを除き、稼働日・非稼働日・計測時間グループ毎に計測日時別エネルギー使用量データの平均値(時間平均値)と標準偏差を計算して、平均値を平均ベースラインとする。計測時間毎に稼働日平均ベースライン、非稼働日平均ベースラインを作成する(S307からS308)。
稼働日・非稼働日・計測時間グループ別の平均値をメモリに記録する(S309)。以上で回帰式計算部が構成、実施される。
ベースライン推計部について図8から図11を用いて説明する。
ベースライン推計は計測時間毎に処理するループ(方法)とグループ毎に処理するループ(方法)の2つが単独もしくは平行して実行される。
計測日時別分析データテーブルを用いて、計測時間毎にS522からS525までのループ処理を行う。計測時間別の稼働日の回帰式から稼働日時間回帰推計値を計算する。稼働日でフィルタリングした稼働日時間回帰推計値データとエネルギー使用量データから分散の分布関数を求め、その分布関数に全ての稼働日時間回帰推計値とエネルギー使用量データの分散を適用し、異常値を検出して、稼働日時間回帰異常フラグを立てる。また、統計的上限値として、稼働日時間回帰上限値、統計的下限値として、稼働日時間回帰下限値を計算する(S522)。
計測時間別の非稼働日の回帰式から非稼働日時間回帰推計値を計算する。非稼働日でフィルタリングした非稼働日時間回帰推計値とエネルギー使用量から分散の分布関数を求め、その分布関数に全ての非稼働日時間回帰推計値とエネルギー使用量データの分散を適用し、異常値を検出して、非稼働日時間回帰異常フラグを立てる。また、統計的上限値として、非稼働日時間回帰上限値、統計的下限値として、非稼働日時間回帰下限値を計算する(S523)。
稼働日時間平均値と標準偏差からエネルギー使用量の異常値を検出して、稼働日時間平均異常フラグを立てる。また、統計的上限値として、稼働日時間平均上限値、統計的下限値として、稼働日時間平均下限値を計算する(S524)。
非稼働日時間平均値と標準偏差からエネルギー使用量の異常値を検出して、非稼働日時間平均異常フラグを立てる。また、統計的上限値として、非稼働日時間平均上限値、統計的下限値として、非稼働日時間平均下限値を計算して(S525)、次の計測日時のループ処理を実施する(S526)。
計測日時別推計データテーブルを作成し、計算結果を記録する(S527)。
稼働日・非稼働日・計測時間グループ毎に、ベースラインデータテーブルを用いてS542からS553のループ処理が実施される。空調なしフラグあり、又は時間回帰決定係数が設定した閾値以下の場合は、ベースラインに平均ベースラインを入力し、それ以外の場合はベースラインに回帰ベースラインを入力する(S542からS545)。
計測日時別気象データが最低気象量より大きい範囲で、計測日時別エネルギー使用量データと気象データの相関を計算し、統計的に相関が有意と認められ、更に相関係数が正の値であれば、冷房フラグを立てる(S546からS548)。計測日時別気象データが最低気象量以下の範囲で、計測日時別エネルギー使用量データと計測日時別気象データの相関を計算し、統計的に相関が有意と認められ、更に相関係数が負の値であれば、暖房フラグを立てる(S551からS553)。次の稼働日・非稼働日・計測時間グループのループ処理を実施する(S554)。
計測日時別推計データテーブルとベースラインデータテーブルを稼働日・非稼働日・計測時間グループをキーにして統合する(S571からS573)。計測日時別分析データテーブルとS571からS573で統合したデータテーブルを、計測日時をキーにして統合し、計測日時別統合データテーブルを作成する(S574からS576)。以上でベースライン推計部が構成、実施される。
ベースライン補正部について図12から図16のフローチャートを用いて説明する。
計測日時別統合データテーブルに対し、計測日時毎にS602からS615のループ処理を実施する。
時間回帰決定係数が設定した閾値より大きくかつ稼働日の場合に、時間推計値に稼働日時間回帰推計値、時間異常フラグに稼働日時間回帰異常フラグ、時間上限値に稼働日時間回帰上限値、時間下限値に稼働日時間回帰下限値を入力する(S602からS604)。
時間回帰決定係数が設定した閾値より大きくかつ非稼働日の場合に、時間推計値に非稼働日時間回帰推計値、時間異常フラグに非稼働日時間回帰異常フラグ、時間上限値に非稼働日時間回帰上限値、時間下限値に非稼働日時間回帰下限値を入力する(S602、S603及びS605)。
時間回帰決定係数が設定した閾値より大きい場合は、稼働日時間推計値に稼働日時間回帰推計値、稼働日時間異常フラグに稼働日時間回帰異常フラグ、稼働日時間上限値に稼働日時間回帰上限値、稼働日時間下限値に稼働日時間回帰下限値を入力し(S606)、更に非稼働日時間推計値に非稼働日時間回帰推計値、非稼働日時間異常フラグに非稼働日時間回帰異常フラグ、非稼働日時間上限値に非稼働日時間回帰上限値、非稼働日時間下限値に非稼働日時間回帰下限値を入力する(S607)。
時間回帰決定係数が設定した閾値以下かつ稼働日の場合に、時間推計値に稼働日時間平均値、時間異常フラグに稼働日時間平均異常フラグ、時間上限値に稼働日時間平均上限値、時間下限値に稼働日時間平均下限値を入力する(S602、S611からS612)。
時間回帰決定係数が設定した閾値以下かつ非稼働日の場合に、時間推計値に非稼働日時間平均値、時間異常フラグに非稼働日時間平均異常フラグ、時間上限値に非稼働日時間平均上限値、時間下限値に非稼働日時間平均下限値を入力する(S602、S611及びS613)。
時間回帰決定係数が設定した閾値以下の場合は、稼働日時間推計値に稼働日時間平均値、稼働日時間異常フラグに稼働日時間平均異常フラグ、稼働日時間上限値に稼働日時間平均上限値、稼働日時間下限値に稼働日時間平均下限値を入力し(S614)、更に非稼働日時間推計値に非稼働日時間平均値、非稼働日時間異常フラグに非稼働日時間平均異常フラグ、非稼働日時間上限値に非稼働日時間平均上限値、非稼働日時間下限値に非稼働日時間平均下限値を入力する(S615)。
S607及びS615から計測日時のループ処理を行った後、ループ処理を終了する(S621)。
計測日時別エネルギー使用量データと計測日時別気象データを標準化の逆変換により値を通常値に戻す(S622)。
計測日時別異常フラグのデータリストを除いたベースラインの最小値をbase基準値とする(S623)。
補正前時間推計値データに時間推計値データを入力する(S624)。
計測日時別統合データテーブルに、計測日時毎にS651からS679のループ処理を行う。
計測日時別エネルギー使用量がベースラインより小さい又は空調なしフラグがある場合は、ベースラインに計測日時別エネルギー使用量を入力し、次の計測日時のループ処理を実施する(S651からS652、S656及びS680)。
計測日時別エネルギー使用量がベースライン以上かつ空調なしフラグがなくかつ計測日時別気象量が最低気象量より大きい場合に、冷房ありフラグがなければ、ベースラインに計測日時別エネルギー使用量を入力する(S651からS654及びS657)。
計測日時別エネルギー使用量がベースライン以上かつ空調なしフラグがなくかつ計測日時別気象量が最低気象量以下の場合に、暖房ありフラグがなければ、ベースラインに計測日時別エネルギー使用量を入力する(S651からS653、S655及びS657)。
休日出勤日フラグ及び異常フラグがない場合は、次の計測日時のループ処理を実施する(S671、S680)。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日であり、かつ計測日時別エネルギー使用量が非稼働日時間推計値以下の場合は、次の計測日時のループ処理を実施する(S671からS673及びS680)。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日であり、かつ計測日時別エネルギー使用量が非稼働日時間推計値より大きく、かつ計測日時別エネルギー使用量が稼働日時間推計値より大きい場合は、時間推計値に稼働日推計値、時間上限値に稼働日時間上限値、時間下限値に稼働日時間下限値を入力する(S671からS674及びS678)。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日であり、かつ計測日時別エネルギー使用量が非稼働日時間推計値より大きく、かつ計測日時別エネルギー使用量が稼働日時間推計値以下の場合は、式Aで計算した値を入力する(S671からS674及びS677)。
式Aは以下の式3から式6で示した数式である。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日ではなく、かつ計測日時別エネルギー使用量が稼働日時間推計値より小さく、かつ計測日時別エネルギー使用量が非稼働日時間推計値より小さい場合は、時間推計値に非稼働日推計値、時間上限値に非稼働日時間上限値、時間下限値に非稼働日時間下限値を入力する(S671、S672、S675、S676及びS679)。
休日出勤日フラグ又は異常フラグがあり、かつ非稼働日ではなく、かつ計測日時別エネルギー使用量が稼働日時間推計値より小さく、かつ計測日時別エネルギー使用量が非稼働日時間推計値以上の場合は、式Aで計算した値を入力する(S671、S672、S675、S676及びS677)。
次の計測日時のループ処理を実施する(S680)。以上でベースライン補正部が構成、実施される。
用途別エネルギー使用量推計部について図17のフローチャートを用いて説明する。
ベースラインがbase基準値より大きい場合は、baseにbase基準値を入力する(S701からS702)。
ベースラインがbase基準値以下の場合は、baseにベースラインを入力する(S701、S703)。
acに計測日時別エネルギー使用量−ベースラインの値を入力する(S704)。
middleに計測日時別エネルギー使用量−ac−baseの値、つまり、計測日時別エネルギー使用量からac及びbaseを引いた値を入力する(S705)。
計測日時別統合データテーブルに計算した値を記録する(S706)。
全体データテーブルに計測日時別エネルギー使用量、base、ac、middle、時間推計値の合計値を記録する(S707からS708)。以上で用途別エネルギー使用量推計部が構成、実施される。
省エネ可能量計算プログラムは、省エネ可能量計算部とデマンド削減可能量計算部から構成される。省エネ可能量計算部について図18のフローチャートを用いて説明する。
計測日時別統合データテーブルを用いて、省エネ可能量の計算を行う(S801からS802)。
計測日時別エネルギー使用量が時間上限値より大きい場合は、省エネ可能量(ステップ1)に計測日時別エネルギー使用量−時間上限値の値を入力する。それ以外は(ステップ1)に0(ゼロ)を入力する(S803からS805)。
計測日時別エネルギー使用量が時間推計値より大きい場合は、省エネ可能量(ステップ2)に計測日時別エネルギー使用量−時間推計値の値を入力する。それ以外は省エネ可能量(ステップ2)に0(ゼロ)を入力する(S806からS808)。
計測日時別エネルギー使用量が時間下限値より大きい場合は、省エネ可能量(ステップ3)に計測日時別エネルギー使用量−時間下限値の値を入力する。それ以外は省エネ可能量(ステップ3)に0(ゼロ)を入力する(S809からS811)。
計測日時別統合データテーブルを更新する(S812)。
省エネ可能量(ステップ1)、省エネ可能量(ステップ2)、省エネ可能量(ステップ3)の合計値を全体データテーブルに入力して終了する(S813からS815)。以上で省エネ可能量計算部が構成、実施される。
デマンド削減可能量計算部について図19のフローチャートを用いて説明する。
計測日時別統合データテーブルを用いて、デマンド削減可能量の計算を行う(S871からS872)。
計測日時別エネルギー使用量、時間上限値、時間推計値、時間下限値を30分毎に集計し直して、最大値を計算する(S873)。
30分毎エネルギー使用量最大値が30分毎上限値最大値より大きい場合は、デマンド削減量(ステップ1)に(30分毎エネルギー使用量最大値−30分毎上限値最大値)×2の値を入力する。それ以外はデマンド削減量(ステップ1)に0(ゼロ)を入力する(S874からS876)。
30分毎エネルギー使用量最大値が30分毎推計値最大値より大きい場合は、デマンド削減量(ステップ2)に(30分毎エネルギー使用量最大値−30分毎推計値最大値)×2の値を入力する。それ以外はデマンド削減量(ステップ2)に0(ゼロ)を入力する(S877からS879)。
30分毎エネルギー使用量最大値が30分毎下限値最大値より大きい場合は、デマンド削減量(ステップ3)に(30分毎エネルギー使用量最大値−30分毎下限値最大値)×2の値を入力する。それ以外はデマンド削減量(ステップ3)に0(ゼロ)を入力する(S880からS882)。
デマンド削減量(ステップ1)、デマンド削減量(ステップ2)、デマンド削減量(ステップ3)を全体データテーブルに入力して終了する(S883からS885)。以上でデマンド削減可能量計算部が構成、実施される。
省エネシミュレーションプログラムについて、図20及び図21のフローチャートを用いて説明する。
計測日時別統合データテーブルを用いて、空調設定温度を変化した場合の行動変容による省エネ効果を計算する(S851からS852)。
計測日時別気象データから外気温が1℃上がった+1℃データ、外気温が2℃上がった+2℃データ、外気温が1℃下がった−1℃データ、外気温が2℃下がった−2℃データを作る(S853)。
稼働日・非稼働日・計測時間グループ別の回帰式を用いて、グループ毎に+1℃、 +2℃、−1℃、−2℃の気象データを代入して、推計値を作る(S854からS855)。
計測日時毎にS857からS863のループ処理を実施する(S856)。
計測日時別気象量が最低気象量より大きく、かつ冷房ありフラグがある場合は、1℃推計値に−1℃推計値を、2℃推計値に−2℃推計値を入力する(S857からS858及びS860)。
計測日時別気象量が最低気象量以下で、かつ暖房ありフラグがある場合は、1℃推計値に+1℃推計値を、2℃推計値に+2℃推計値を入力する(S857、S859及びS862)。
計測日時別気象量が最低気象量より大きく、かつ冷房ありフラグがない場合は、1℃推計値と2℃推計値に時間推計値を入力する(S857、S858及びS861)。
計測日時別気象量が最低気象量以下で、かつ暖房ありフラグがない場合は、1℃推計値と2℃推計値に時間推計値を入力する(S857、S859及びS861)。
1℃省エネに1℃推計値−推計値の値を、2℃省エネに2℃推計値−推計値の値を入力する(S863)。
次の計測日時の処理を実施する(S864)。
計測日時別統合データベースを更新する(S865)。
1℃省エネ、2℃省エネの合計を全体データテーブルに入力して、処理を終了する(S866からS868)。
出力部は、計測日時別統合データテーブルと合計データテーブルが含まれたデータベースから、求められる計測結果を集計し、表やグラフにして表示する。
以上で説明したフローに従い実際にデータ処理した結果を図22から図25に示す。
図22は本発明の実施形態を用いて作成した稼働日・非稼働日判定の一例である。日別の平均気温と日別の電気使用量を標準化し、初期値を分配してカーネルサポートベクトルマシンを実施して稼働日・非稼働日を判定し、稼働日、非稼働日別にridge回帰を実施し、その分散をガンマ分布にフィットさせて異常値を判定させた結果である。稼働日と非稼働日の境界線より上側の範囲が稼働日、境界線より下側の範囲が非稼働日を示している。三角が四角で囲われている使用量と丸が四角で囲われている使用量は異常値を示している。稼働日は、気温と高い相関が得られている(稼働日では決定係数が0.935)。非稼働日の低い決定係数(0.265)は、空調を使用していないため気温との相関が低く、気温による影響が少ないことを表している。これらより極めて高い精度で稼働日・非稼働日の判定を行っていることを示している。
図23Aと図23Bは計測日時別統合データテーブルを用いて出力部から、各月のある一日の時間毎用途別エネルギー使用量を示した図である。横軸が0(ゼロ)時から24時、縦軸がエネルギー量であり、それぞれの棒グラフの下からbase、middle、acを示している。図23Aの6個のグラフは左上から12月、1月、2月と示しており、右下が5月を示している。図23Bの6個のグラフは左上から6月、7月、8月と示しており、右下が11月を示している。星印は、時間上限値より大きい計測日時別エネルギー使用量を示している。星印の日時はエネルギー使用量を増やすイベントがあったか、設備が異常に稼働したことを示しており、この星印の日時に重点的に省エネ対策を行うことで、高い省エネ効果を得られることを示している。
図24はac推計値と空調エネルギー使用量計測値の相関を示している。相関係数は0.983と極めて高い値であり、acの推計値の確度が極めて高いことを示している。
図25Aは省エネ可能量計算結果を、図25Bはデマンド削減可能量計算結果を、そして図25Cは空調設定温度変更による効果をそれぞれ示したものである。
図25Aはステップ1からステップ3の省エネ可能量の計算例を示しているが、ステップ1では異常値を、統計誤差を含めた推計値の上限まで落としており、ステップ2では推計値より大きい使用量を推計値まで落とし込んでいる。またステップ3では、統計誤差を含めた推計値の下限より大きい使用量を、統計誤差を含めた推計値の下限まで落としており、ステップ3は我慢の省エネとも言える。ここではステップ2の省エネを目標にしており、この結果を受けてのコメントが画面上に表示されるようになっている。総合評価に加えて、省エネ効果の可能性値や分析結果の精度をガンマ値で表す等、省エネへのモチベーションを維持する工夫をしている。
図25Bはデマンド削減可能量の計算結果の事例であるが、図25Aと同様にステップ1からステップ3までの条件が設定されており、デマンド管理がうまくできていれば計測値はステップ2と同じ値になる。
図25Cは設定温度を変更したことによる、つまり行動変容での省エネ量の例である。これはベースライン推計時の回帰式を用いて計算されるが、外気温が1℃変化することと設定温度を1℃変化することは同等であるとしている。総合評価や省エネに対する可能性値、分析結果の精度についても示されており、省エネへのモチベーションを維持できる。
以上、実施するためのフロー及びその結果例を示したが、本発明によれば対象となる建物、装置のエネルギー使用量や、気象観測データといった客観的なデータを統計的な手法を用い、人為的なエッセンスを入れることなくデータ処理しているため、誰が実施しても、どこで実施しても概略同じ結果を得られるようになる。
以上、本発明の実施の形態について説明してきたが、本実施形態により、今まで必要だった省エネ診断の特別な専門知識が無くても省エネ診断することができ、かつより少ないデータ項目数で実施可能となるので、より多くの建物に適用できる方法を確立することができた。
更に、本実施の形態により、当該建物のエネルギー使用量データと当該建物の所在地に最も近い気象観測所の気象データという電力会社やガス会社等が入手可能な情報のみで、複数建物から省エネ効果の高い建物の抽出を可能にすることができた。
ここでは好ましい形態の一例を示しており、記載した内容以外においても実施は可能であり、当該技術の同業者等が容易に想像できる内容についても含まれていることは言うまでもない。また、ここで紹介した式、方法等については代表例を示したが、これらに限定するものではなく、他の公式についても代用できることは言うまでもないことを付け加えておく。
産業上の利用可能性としては、個別建物への詳細な省エネ診断を定期的に送付したり、リアルタイムで診断結果を、ネットワークを通して確認したりすることができるサービスが考えられる。
また、電力会社、ガス会社や国の機関等が、本発明を用いて省エネ余地が高い建物を抽出し、省エネ対策支援を行うことで、効率の高い省エネ対策を行うことが可能となる。
S2 ステップ2
S885 ステップ885
Claims (7)
- 建物の省エネ診断システムにおいて、
エネルギー使用量と気象データを用いて当該建物の用途別エネルギー使用量の推計を行う用途別エネルギー使用量推計プログラムと、
前記用途別エネルギー使用量推計プログラムで算出された値から省エネ可能量を計算する省エネ可能量計算プログラムと、
前記用途別エネルギー使用量推計プログラムと省エネ可能量計算プログラムのうち、少なくとも用途別エネルギー使用量推計プログラムの結果を用いて省エネシミュレーションを行う省エネシミュレーションプログラムと、
前記用途別エネルギー使用量推計プログラム、省エネ可能量計算プログラム、省エネシミュレーションプログラムによる結果のうち、少なくとも一つの結果を出力する出力部からなる省エネ診断システムであって、
前記用途別エネルギー使用量推計プログラムが、
当該建物のエネルギー使用量と、建物所在地に最も近い気象観測所の計測内容から得られる気温又は計測内容から計算されるエンタルピーのうち少なくとも1つを含む気象データと、を用いて、当該建物の用途別エネルギー使用量の推計を行うプログラムであって、
前記エネルギー使用量データと前記気象データとを、ある一定の時間間隔で集計し直し、計測日時別データテーブル及び日別データテーブルを作成し直すデータ作成部と、
前記日別エネルギー使用量データと日別気象データの関係から、計測日を稼働日、非稼働日に分類する稼働日・非稼働日判定部と、
更に異常値検出の手法を用いて休日出勤日を判定する休日出勤判定部と、
稼働日、非稼働日別に、一定周期の時間グループ別に気象データを独立変数とし、エネルギー使用量データを従属変数とした回帰式を計算する回帰式計算部と、
前記回帰式から計算される推計値よりエネルギー使用量の異常値を検出し、一定周期の時間グループ内の気象データの範囲内における前記の回帰式の最低値をベースラインと推計するベースライン推計部と、
休日出勤日のベースラインを補正するベースライン補正部と、
前記ベースライン推計部で計算されたベースラインと当該建物のエネルギー使用量から用途別エネルギー使用量を計算する用途別エネルギー使用量推計部と、
を備えることを特徴とする省エネ診断システム。 - 請求項1に記載の省エネ診断システムにおいて、
用途別エネルギー使用量推計プログラムを構成するベースライン補正部が、
回帰式の最低値を算出した気象データの値の前後の気象データとエネルギー使用量データの関係から暖房あり又は冷房ありを判定して、
非稼働日の休日出勤日のベースライン値を、請求項1に記載した回帰式から計算される推計値を用いて補正して、
ベースラインの最低値を24時間エネルギーが使用される用途のbaseとして推計して、
暖房あり又は冷房ありの場合にベースラインとエネルギー使用量の差を主に空調使用量が含まれるacとして推計して、
エネルギー使用量からbaseとacを除いた値を主に照明のエネルギー使用量が含まれるmiddleとして推計する用途別エネルギー使用量推計プログラムと、
前記の用途別エネルギー使用量と異常値が発生した日時と値を出力する出力部からなる省エネ診断システム。 - コンピューターに省エネ可能量を計算させるプログラムであって、
請求項1又は請求項2に記載した用途別エネルギー使用量推計システムの回帰式から求められるエネルギー使用量推計値を適切なエネルギー使用量と仮定して、
異常値検出から求められる統計的上限値、下限値を用いて、
異常値と判定されたエネルギー使用量データと、統計的上限値との差を合計した値を第一ステップの省エネ可能量として推計して、
エネルギー使用量が適切なエネルギー使用量より大きい場合に、エネルギー使用量と適切なエネルギー使用量の差の合計を第二ステップの省エネ可能量として推計して、
統計的下限値と、統計的下限値より大きいエネルギー使用量との差の合計を第三ステップの省エネ可能量として推計して、
これらの省エネ量の合計をエネルギー使用量の合計で割り省エネ率を計算して、
更にエネルギー使用量データ、適切なエネルギー使用量、統計的上限値、統計的下限値を電力会社の需要電力(デマンド)を定める計算式で計算し、それぞれの最大値を抽出して、
エネルギー使用量データの需要電力最大値と統計的上限値の需要電力最大値との差が正の数の場合に第一ステップのデマンド削減可能量として推計して、
エネルギー使用量データの需要電力最大値と適切なエネルギー使用量の需要電力最大値との差が正の数の場合に第二ステップのデマンド削減可能量として推計して、
エネルギー使用量データの需要電力最大値と統計的下限値の需要電力最大値との差が正の数の場合に第三ステップのデマンド削減可能量として推計する省エネ可能量計算プログラム。 - コンピューターに空調の設定温度変更による省エネ効果を計算させる省エネシミュレーションプログラムであって、
空調の設定温度を一定温度緩和することを、気象条件が一定温度緩和することと同じと仮定して、
気象データを一定温度上下に変更したデータを作成して、
前記のデータを請求項1又は請求項2に記載した用途別エネルギー使用量推計システムの回帰式に代入して、シミュレーション推計値を計算して、
請求項1又は請求項2に記載した暖房あり及び冷房あり判定と請求項3に記載した適切なエネルギー使用量を用いて、
暖房ありの場合は気象データが一定温度上昇した場合のシミュレーション推計値と適切なエネルギー使用量の差を計算して、
冷房ありの場合は気象データが一定温度下落した場合のシミュレーション推計値と適切なエネルギー使用量の差を計算して、
前記の差の合計及び前記の差の合計を適切なエネルギー使用量の合計で割ることで得られる省エネ率を行動変容などによる省エネ効果として計算する省エネシミュレーションプログラム。 - 請求項1又は請求項2に記載した用途別エネルギー使用量推計システムの回帰式から求められるエネルギー使用量推計値を適切なエネルギー使用量と仮定して、
異常値検出から求められる統計的上限値、下限値を用いて、
異常値と判定されたエネルギー使用量データと、統計的上限値との差を合計した値を第一ステップの省エネ可能量として推計して、
エネルギー使用量が適切なエネルギー使用量より大きい場合に、エネルギー使用量と適切なエネルギー使用量の差の合計を第二ステップの省エネ可能量として推計して、
統計的下限値と、統計的下限値より大きいエネルギー使用量との差の合計を第三ステップの省エネ可能量として推計して、
これらの省エネ量の合計をエネルギー使用量の合計で割り省エネ率を計算して、
更にエネルギー使用量データ、適切なエネルギー使用量、統計的上限値、統計的下限値を電力会社の需要電力(デマンド)を定める計算式で計算し、それぞれの最大値を抽出して、
エネルギー使用量データの需要電力最大値と統計的上限値の需要電力最大値との差が正の数の場合に第一ステップのデマンド削減可能量として推計して、
エネルギー使用量データの需要電力最大値と適切なエネルギー使用量の需要電力最大値との差が正の数の場合に第二ステップのデマンド削減可能量として推計して、
エネルギー使用量データの需要電力最大値と統計的下限値の需要電力最大値との差が正の数の場合に第三ステップのデマンド削減可能量として推計する請求項3に記載の省エネ可能量、省エネ可能率及びデマンド削減可能量の算出方法。 - 空調の設定温度を一定温度緩和することを、気象条件が一定温度緩和することと同じ事と仮定して、
気象データを一定温度上下に変更したデータを作成して、
前記のデータを請求項1又は請求項2に記載した用途別エネルギー使用量推計システムの回帰式に代入して、シミュレーション推計値を計算して、
請求項1又は請求項2に記載した暖房あり及び冷房あり判定と請求項3に記載した適切なエネルギー使用量を用いて、
暖房ありの場合は気象データが一定温度上昇した場合のシミュレーション推計値と適切なエネルギー使用量の差を計算して、
冷房ありの場合は気象データが一定温度下落した場合のシミュレーション推計値と適切なエネルギー使用量の差を計算して、
前記の差の合計及び前記の差の合計を適切なエネルギー使用量の合計で割ることで得られる省エネ率を行動変容などによる省エネ効果として計算する請求項4に記載の省エネシミュレーションの算出方法。 - エネルギー使用量データと気象データの関係から、エネルギー使用量データを稼働日、非稼働日に分類して、
更に異常値検出の手法を用いて休日出勤日を判定して、
稼働日、非稼働日別に、一定周期の時間グループ別に気象データを独立変数とし、エネルギー使用量データを従属変数とした回帰式を計算して、
前記の回帰式から計算される推計値を用いて、エネルギー使用量の異常値を検出して、
一定周期の時間グループ内の気象データの範囲内における、前記の回帰式の最低値をベースラインとして、
回帰式の最低値を算出した気象データの値の前後の気象データとエネルギー使用量データの関係から暖房あり及び冷房ありを判定して、
非稼働日の休日出勤日のベースライン値を前記の回帰式から計算される推計値を用いて補正して、
ベースラインの最低値を24時間エネルギーが使用される用途のbaseとして推計して、
暖房あり又は冷房ありの場合にベースラインとエネルギー使用量の差を主に空調使用量が含まれるacとして推計して、
エネルギー使用量からbaseとacを除いた値を主に照明のエネルギー使用量が含まれるmiddleとして推計する請求項1に記載の用途別エネルギー使用量の推計方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017066203 | 2017-03-10 | ||
JP2017066203 | 2017-03-10 | ||
PCT/JP2018/010356 WO2018164283A1 (ja) | 2017-03-10 | 2018-03-08 | 省エネルギー診断システム、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6443601B1 true JP6443601B1 (ja) | 2018-12-26 |
JPWO2018164283A1 JPWO2018164283A1 (ja) | 2019-03-14 |
Family
ID=63448593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018544138A Active JP6443601B1 (ja) | 2017-03-10 | 2018-03-08 | 省エネルギー診断システム、方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200034768A1 (ja) |
JP (1) | JP6443601B1 (ja) |
WO (1) | WO2018164283A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021002311A (ja) * | 2019-06-25 | 2021-01-07 | 国立大学法人大阪大学 | 分析装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284874B (zh) * | 2018-10-26 | 2021-08-17 | 昆明电力交易中心有限责任公司 | 光伏电站的日发电量预测方法、装置、设备及存储介质 |
EP3961548A4 (en) * | 2019-05-29 | 2022-11-30 | Siemens Aktiengesellschaft | METHOD AND DEVICE FOR CLASSIFICATION OF POWER NETWORK USERS AND COMPUTER READABLE STORAGE MEDIUM |
WO2021156912A1 (ja) * | 2020-02-03 | 2021-08-12 | 三菱電機株式会社 | シミュレーション装置、シミュレーション方法及びシミュレーションプログラム |
CN111796143B (zh) * | 2020-09-10 | 2020-12-15 | 深圳华工能源技术有限公司 | 一种配用电***节能设备节能量计量方法 |
CN112116496B (zh) * | 2020-09-27 | 2023-12-08 | 施耐德电气(中国)有限公司 | 能耗诊断规则的配置方法和装置 |
US11762010B2 (en) * | 2021-10-15 | 2023-09-19 | Sacramento Municipal Utility District | Systems and methods for energy diagnostics to identify equipment malfunctions |
CN117763484B (zh) * | 2024-02-21 | 2024-05-14 | 新奥数能科技有限公司 | 一种基于企业用能空间的用能异常诊断方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001349598A (ja) * | 2000-06-05 | 2001-12-21 | Shimizu Corp | 建物運用時性能評価システム |
JP2009110377A (ja) * | 2007-10-31 | 2009-05-21 | Osaka Gas Co Ltd | エネルギ消費量分析装置、エネルギ消費量分析システム、及びその分析方法 |
JP2013065087A (ja) * | 2011-09-15 | 2013-04-11 | Panasonic Corp | 省エネ評価装置、省エネ評価方法、サーバ装置、プログラム |
JP2015232800A (ja) * | 2014-06-10 | 2015-12-24 | 日本電信電話株式会社 | 使用電力量の推計装置および方法 |
-
2018
- 2018-03-08 JP JP2018544138A patent/JP6443601B1/ja active Active
- 2018-03-08 WO PCT/JP2018/010356 patent/WO2018164283A1/ja active Application Filing
- 2018-03-08 US US16/491,676 patent/US20200034768A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001349598A (ja) * | 2000-06-05 | 2001-12-21 | Shimizu Corp | 建物運用時性能評価システム |
JP2009110377A (ja) * | 2007-10-31 | 2009-05-21 | Osaka Gas Co Ltd | エネルギ消費量分析装置、エネルギ消費量分析システム、及びその分析方法 |
JP2013065087A (ja) * | 2011-09-15 | 2013-04-11 | Panasonic Corp | 省エネ評価装置、省エネ評価方法、サーバ装置、プログラム |
JP2015232800A (ja) * | 2014-06-10 | 2015-12-24 | 日本電信電話株式会社 | 使用電力量の推計装置および方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021002311A (ja) * | 2019-06-25 | 2021-01-07 | 国立大学法人大阪大学 | 分析装置 |
JP7343857B2 (ja) | 2019-06-25 | 2023-09-13 | 国立大学法人大阪大学 | 分析装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2018164283A1 (ja) | 2018-09-13 |
US20200034768A1 (en) | 2020-01-30 |
JPWO2018164283A1 (ja) | 2019-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6443601B1 (ja) | 省エネルギー診断システム、方法及びプログラム | |
Deb et al. | Determining key variables influencing energy consumption in office buildings through cluster analysis of pre-and post-retrofit building data | |
Bahl et al. | Time-series aggregation for synthesis problems by bounding error in the objective function | |
Priesmann et al. | Are complex energy system models more accurate? An intra-model comparison of power system optimization models | |
Tardioli et al. | Data driven approaches for prediction of building energy consumption at urban level | |
Wang et al. | Electric load forecasting with recency effect: A big data approach | |
Powell et al. | Heating, cooling, and electrical load forecasting for a large-scale district energy system | |
Bahl et al. | Typical periods for two-stage synthesis by time-series aggregation with bounded error in objective function | |
Soldo et al. | Improving the residential natural gas consumption forecasting models by using solar radiation | |
KR101639402B1 (ko) | 전력 수요 예측 장치 및 방법 | |
Escrivá-Escrivá et al. | Continuous assessment of energy efficiency in commercial buildings using energy rating factors | |
Vučićević et al. | Sustainability assessment of residential buildings by non-linear normalization procedure | |
JP2015011565A (ja) | 監視制御システム | |
CN105488598A (zh) | 一种基于模糊聚类的中长期电力负荷预测方法 | |
US20210248481A1 (en) | Data Processing System and Data Processing Method | |
Yuan et al. | LMP step pattern detection based on real-time data | |
JP2019126193A (ja) | 情報評価プログラム、情報評価装置及び情報評価方法 | |
Bensoussan et al. | Forecasting the energy produced by a windmill on a yearly basis | |
Mester et al. | Integrating social acceptance of electricity grid expansion into energy system modeling: a methodological approach for Germany | |
JP2021128478A5 (ja) | ||
Gibbons et al. | Quantile regression for peak demand forecasting | |
JP5946742B2 (ja) | 自然エネルギー型分散電源群の合計出力の変動推定方法、変動推定装置及び変動推定プログラム | |
Uppal et al. | Weather biased optimal delta model for short‐term load forecast | |
Louie | Probabilistic modeling and statistical analysis of aggregated electric vehicle charging station load | |
Abeywickrama et al. | Integrating weather patterns into machine learning models for improved electricity demand forecasting in Sri Lanka |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180904 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180903 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180904 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181015 |
|
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: 20181106 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6443601 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |