JP7099805B2 - 予測装置、予測システム、予測方法及びプログラム - Google Patents
予測装置、予測システム、予測方法及びプログラム Download PDFInfo
- Publication number
- JP7099805B2 JP7099805B2 JP2017071766A JP2017071766A JP7099805B2 JP 7099805 B2 JP7099805 B2 JP 7099805B2 JP 2017071766 A JP2017071766 A JP 2017071766A JP 2017071766 A JP2017071766 A JP 2017071766A JP 7099805 B2 JP7099805 B2 JP 7099805B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- target period
- variable
- unit
- pattern
- 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
- 238000000034 method Methods 0.000 title claims description 26
- 238000012545 processing Methods 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- -1 steam Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Description
例えば電力を利用する場合、需要家は単位時間(例えば30分)ごとの需要を予測して、電力事業者から必要な電力を購入する契約を結ぶ。このとき、需要家は、単位時間別の需要量のうち最大となる需要量を基に、電力事業者から購入する電力、即ち、契約電力として設定する。
また、需要家は、電力事業者に対し、契約電力に応じた基本料金と、実際に使用した電力量に応じた従量料金とを支払う。需要家は、契約電力を小さくするほど基本料金を安くすることができるが、一方で、契約電力を超える電力を使用(購入)した場合、電力事業者に対して超過違約金を支払わなければならない。このため、需要家は、基本料金及び超過違約金を低減させるために、精度の高い需要予測を行う必要がある。
また、需要家が有する設備等を模倣した物理モデルを作成し、当該物理モデルにおいて複数の条件(説明変数)を確率的に変動させたシミュレーションを多数実行して電力需要量(目的変数)を求める、モンテカルロシミュレーションを用いた予測方法が知られている。
また、モンテカルロシミュレーションを用いた予測方法では、予測精度を向上させるために多くのシミュレーションを実行する必要があり、予測結果を得るのに長時間を要する。このため、例えば30分後を予測対象期間として電力需要量を予測する場合、予測対象期間までに全てのシミュレーションを完了することができず、実際に電力の調達を行う前に予測結果を得られない可能性がある。
本発明の第一の態様によれば、予測装置(100)は、過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部(110)と、複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す説明変数を設定する分類処理部(131)と、将来の予測対象期間における前記説明変数と適合するパターンを選択し、当該パターンに分類される波形に統計処理を施すことにより、前記予測対象期間において前記目的変数が取り得る値の確率分布を演算する確率演算部(132)と、前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部(133)と、を備える。
このように、予測装置は、予測対象期間における説明変数と適合するパターンに分類された波形に対して確率分布を演算し、当該確率分布に基づいて目的変数の値を求めることにより、演算及び予測を迅速に実行することができる。このため、例えばモンテカルロシミュレーションを用いる既存の予測方法よりも、演算及び予測にかかる時間を短縮させることができる。
このようにすることで、予測装置は、予測対象期間において目的変数が取り得る値のうち、確実性の低い値を排除した上で、精度の高い上限値及び下限値を求めることができる。
このように、予測装置は、予測部が予測した目的変数の値に基づいて予測対象期間における需給計画を作成するので、予測対象期間における計画的な機器の最適運用が可能となる。
前記予測装置は、前記計測装置により計測された前記目的変数の値を時系列に表す波形を取得する波形取得部(110)と、複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す説明変数を設定する分類処理部(131)と、前記説明変数に適合する前記予測対象期間において前記目的変数が取り得る値の確率分布を統計処理に基づいて演算する確率演算部(132)と、前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部(133)と、を有する。
以下、本発明の一実施形態に係る予測システムについて、図1~図7を参照しながら説明する。
本実施形態では、電力を消費するプラントを需要家の例として説明する。プラントは、例えば発電所、工場、倉庫、商業施設等の施設である。また、本実施形態において、予測システムは、プラントにおいて消費される電力、即ち、電力の需要量の予測を行う例について説明する。
また、以下の説明において、予測システムが予測する需要量は「目的変数」とも称する。目的変数とは、予測したい変数のことである。目的変数は、「従属変数」、「外的基準」とも呼ばれ、物事の結果ととらえることもできる。
図1に示すように、予測システム1は、計測装置10と、サーバ20と、予測装置100とを備えている。
計測装置10は、プラントAに設けられており、プラントAが使用した電力量(電力需要量)と、プラントAの状態とを、単位時間(例えば30分)ごとに計測する。
プラントAの状態情報は、例えばプラントAが工場である場合、プラントAの生産量、設備の稼働状態等の情報を含む。生産設備の稼働状態とは、例えば空調、照明、生産設備のように電力を消費する設備の単位時間別の稼働率である。
計測装置10は、プラントAにおける実際の電力需要量を計測するための電力計11と、プラントAの実際の生産量、稼働状態を計測するためのセンサ部12とを有している。
また、計測装置10は、計測した電力需要量及び計測日時を関連付けた「需要情報」と、計測した状態及び計測日時を関連付けた「状態情報」とを、計測結果として予測装置100に送信する。
サーバ20は、予測装置100とネットワークNWを介して通信可能に接続されている。
サーバ20は、地域別及び時刻別の「天気情報」を収集して予測装置100へ送信する。天気情報は、例えば天気、最高気温、最低気温、湿度、降雨量、風速等の情報を含む。
予測装置100は、図1に示すように、波形取得部110と、変数取得部120と、処理部130と、記憶部140とを備えている。
具体的には、波形取得部110は、計測装置10から受信した複数の需要情報を所定の期間ごとに分割して、分割した需要情報を時系列に並べることにより、電力需要量の推移を時系列に表す波形を取得する。そして、波形取得部110は、波形を記憶部140に記憶して蓄積する。
本実施形態では、波形取得部110は、例えば所定の期間を1日(各日0時~24時)とし、日別の波形を取得する。
具体的には、変数取得部120は、記憶部140に予め記憶されているプラントAの所在地、休日、始業時間、終業時間等の情報を含む「施設情報」を説明変数として取得する。なお、記憶部140にはカレンダが記憶されており、変数取得部120は、日付に対応する曜日をカレンダから取得するようにしてもよい。
また、計測装置10から「状態情報」を、サーバ20からプラントAの所在地を含む地域の「天気情報」を、説明変数として取得する。
更に、変数取得部120は、プラントAの予測対象期間における「予定情報」を説明変数として取得する。予定情報は、例えばプラントAが工場である場合、予測対象期間におけるプラントAの予定生産量、設備の予定稼働状態等である。予定情報は、記憶部140に予め記憶されていてもよいし、サーバ20を介してオペレータが入力するようにしてもよい。
分類処理部131は、記憶部140に蓄積された複数の波形のうち、類似する波形同士を一のパターンに(一のパターン・一の類型として)分類し、当該一のパターンに分類された波形に共通する特性を示す説明変数を設定する。分類処理部131は、複数の波形を用いて機械学習を行うことにより、特性に対してどのような波形の傾向(パターン)が出現するかの関係を示す決定木を作成する。
特性とは、状態情報、天気情報、及び施設情報に含まれる情報のうち少なくとも一つの情報の値を示す。例えば、プラントAの休日に類似する波形が多く表れる場合、これら波形に共通する特性は「休日」である。即ち、波形に共通する特性とは、電力需要量に影響を与えて波形を変化させる要因でもある。
なお、「共通する」とは、値が一致すること(例えば取得した日が「休日」)のみに限られず、値が所定の範囲内であること(例えば最高気温が「10度以上15度未満」)、値が所定の閾値を超えること(例えば最高気温が「30度以上」、「0度未満」)も含む。
また、本実施形態では、確率演算部132は、予測対象期間を更に単位時間で分割して、単位時間別の確率分布を演算する。
図2は、本発明の一実施形態に係る分類装置の処理フローを示す第1の図である。
図3は、本発明の一実施形態に係る分類処理を説明するための図である。
予測装置100は、電力需要量の予測を行う前に、プラントAの波形を蓄積するとともに、波形を分類する処理を行う。以下、図2~図3を参照して、当該分類処理の詳細について説明する。
本実施形態では、波形取得部110は、複数の需要情報を時系列に並べた波形を取得する。更に、波形取得部110は、波形を1日ごとに分割することにより、日別(各日0時~24時)の波形を取得する。また、波形取得部110は、記憶部140に日別の波形を記憶して蓄積する。
このとき、変数取得部120は、それぞれの波形と同じ期間に計測されたプラントAの状態情報と、天気情報とを、計測装置10及びサーバ20のそれぞれから取得する。
分類処理部131は、機械学習により、特性(状態情報、天気情報、及び施設情報に含まれる情報のうち少なくとも一つの情報の値)と、波形とに基づいて、いずれの特性により類似する波形が多く表れるかを分類する。そして、分類処理部131は、図3に示すように、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された波形に共通する特性を示す説明変数を設定した決定木を作成する。
例えば、図3に示すように、類似する波形同士をそれぞれパターン1、パターン2、パターン3…に分類したとする。このとき、「最高気温が20度以上」である場合にパターン1の波形が多く出現する場合、「最高気温が20度以上」であるとの特性がパターン1の説明変数として設定される。
図5は、本発明の一実施形態に係る予測処理を説明するための第1の図である。
図6は、本発明の一実施形態に係る予測処理を説明するための第2の図である。
以下、図4~図6を参照して、予測装置100が電力需要量の予測及び電力の調達計画の作成を行う処理の詳細について説明する。
図4に示すように、まず、変数取得部120は、プラントAの将来の予測対象期間における説明変数を取得する(ステップS200)。
例えば、翌日の電力需要量を予測する場合、変数取得部120は、翌日の日付に関連付けられた各種情報を記憶部140、サーバ20から取得する。例えば、変数取得部120は、翌日のプラントAの予定生産量、設備の予定稼働状態を含む予定情報を記憶部140又はサーバ20から取得する。また、変数取得部120は、翌日のプラントAの所在地を含む地域の天気情報をサーバ20から取得する。
例えば、確率演算部132は、電力需要量の取り得る値が正規分布に従うと仮定した場合、図5に示すように、当該確率分布を正規分布によって表す。
そして、予測部133は、図6に示すように、単位時間別に計算された電力需要量の下限値及び上限値を時系列に並べて、予測対象期間における下限値の推移を表す波形(図6のMIN)と、上限値の推移を表す波形(図6のMAX)とを予測する。
例えば、計画作成部134は、確率演算部132が予測した電力需要量の上限値のうち、最も大きい値以上の電力の調達が可能となるように契約電力を設定した調達計画を作成する。なお、計画作成部134は、プラントAが有する発電装置及びコジェネレーションシステムを利用することにより、電力事業者から調達(買電)する電力を減らせる場合は、当該減少分を考慮した調達計画を作成するようにしてもよい。
図7は、本発明の一実施形態に係る予測装置のハードウェア構成を示す図である。
以下、図7参照して、本実施形態に係る予測装置100のハードウェア構成について説明する。
上述の予測装置100は、コンピュータ900に実装される。そして、上述した予測装置100の各部の動作は、プログラムの形式でそれぞれのコンピュータ900が有する補助記憶装置903に記憶されている。CPU901(処理部130)は、プログラムを補助記憶装置903から読み出して主記憶装置902に展開し、当該プログラムに従って上記処理を実行する。また、CPU901は、プログラムに従って、記憶部140に対応する記憶領域を主記憶装置902に確保する。また、CPU901は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置903に確保する。
なお、コンピュータ900は、入出力インタフェース904を介して、外部記憶装置910と接続されており、上記記憶部140は外部記憶装置910に確保されてもよい。また、コンピュータ900は、通信インタフェース905を介して、外部記憶装置920と接続されており、上記記憶部140は外部記憶装置920に確保されてもよい。
以上のように、本実施形態に係る予測装置100は、過去に計測された電力需要量(目的変数)の値を時系列に表す波形を取得する波形取得部110と、複数の波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された波形に共通する特性を示す説明変数を設定する分類処理部131と、将来の予測対象期間における説明変数と適合するパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、予測対象期間において電力需要量が取り得る値の確率分布を演算する確率演算部132と、確率分布に基づいて、予測対象期間における電力需要量を予測する(目的変数を求める)予測部133と、を備える。
このように、予測装置100は、予測対象期間における説明変数と適合するパターンに分類された波形のみに対して確率分布を演算し、当該確率分布に基づいて目的変数の値を求めることにより、演算及び予測を迅速に実行することができる。このため、例えばモンテカルロシミュレーションを用いる既存の予測方法よりも、演算及び予測にかかる時間を短縮させることができる。
また、上述の実施形態において、予測装置100は、電力需要量の予測処理を行う前に、過去の複数の波形に基づいて予め分類処理を行っている。このため、予測装置100は、予測処理を行う際には、予め分類処理の結果として作成された決定木に基づいて、将来の予測対象期間において推測されるパターンを容易に推測及び選択することができる。この結果、確率演算部132における演算処理を更に高速化することができる。
更に、予測装置100は、過去に計測された電力需要量及び説明変数(プラントAの状態情報、施設情報、天気情報)のみが与えられればよいため、プラントAの設備を網羅した詳細な物理モデルを省略することができる。これにより、予測装置100は、需要予測にかかるコストを低減させることが可能となる。
このようにすることで、予測装置100は、予測対象期間において電力需要量が取り得る値のうち、確実性の低い値を排除した上で、精度の高い上限値及び下限値を求めることができる。
このように、予測装置100は、予測した電力需要量に基づいて予測対象期間における調達計画を作成するので、予測対象期間における計画的な機器の最適運用が可能となる。例えば、計画作成部134が作成した計画に基づいて契約を行うことにより、予測対象期間において予測される電力需要量を大きく超える契約電力を設定すること、又は、契約電力を小さく設定して超過違約金が発生してしまう可能性を減少させることができる。この結果、予測装置100は、電力を調達するコストが高くなることを抑制できる。
例えば、上述の実施形態において、予測システム1が電力需要量を予測する例について説明したが、これに限られることはない。
他の実施形態では、例えば、プラントAは施設に設けられたガスタービン、空調、冷凍機等の設備であってもよい。また、予測システム1はプラントAにおけるエネルギー(熱等)、資源(水、蒸気、燃料等)の需要量を予測してもよいし、販売する商品の需要量及び売上を予測してもよい。
この場合、計測装置10は、電力計11に代えて、エネルギー、資源、商品の量を計測するための計測器を有する。
また、予測装置100の計画作成部134は、エネルギー、資源、商品(在庫)の調達計画を作成する。なお、計画作成部134は、需要量及び売上の予測に基づいて、プラントAに供給するエネルギー、資源、商品の供給計画を作成してもよい。
10 計測装置
11 電力計
12 センサ部
100 予測装置
110 波形取得部
120 変数取得部
130 処理部
131 分類処理部
132 確率演算部
133 予測部
134 計画作成部
140 記憶部
20 サーバ
Claims (6)
- 過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部と、
複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第1の説明変数を設定する分類処理部と、
将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第2の説明変数として取得する変数取得部と、
前記予測対象期間における前記第2の説明変数と適合する前記第1の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記プラントの前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算部と、
前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部と、
を備える予測装置。 - 前記予測部は、前記確率分布に基づいて、前記予測対象期間において予め決められた信頼区間の範囲で前記目的変数が取り得る値のうち、上限値及び下限値を求める、
請求項1に記載の予測装置。 - 前記予測部が求めた前記目的変数の値に基づいて、当該目的変数に関連する対象物の需給計画を作成する計画作成部を更に備える、
請求項1又は2に記載の予測装置。 - プラントにおける目的変数の実際の値を計測する計測装置と、
前記プラントの将来の予測対象期間において前記目的変数の取り得る値を求める予測装置と、
を備え、
前記予測装置は、
前記計測装置により計測された前記目的変数の値を時系列に表す波形を取得する波形取得部と、
複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第1の説明変数を設定する分類処理部と、
将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第2の説明変数として取得する変数取得部と、
前記予測対象期間における前記第2の説明変数と適合する前記第1の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記プラントの前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算部と、
前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部と、
を有する予測システム。 - コンピュータが実行する予測方法であって、
過去に計測された目的変数の値を時系列に表す波形を取得する波形取得ステップと、
複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第1の説明変数を設定する分類処理ステップと、
将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第2の説明変数として取得する変数取得ステップと、
前記予測対象期間における前記第2の説明変数と適合する前記第1の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記プラントの前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算ステップと、
前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測ステップと、
を有する予測方法。 - 予測装置のコンピュータを、
過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部、
複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第1の説明変数を設定する分類処理部、
将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第2の説明変数として取得する変数取得部、
前記予測対象期間における前記第2の説明変数と適合する前記第1の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算部、
前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部、
として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017071766A JP7099805B2 (ja) | 2017-03-31 | 2017-03-31 | 予測装置、予測システム、予測方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017071766A JP7099805B2 (ja) | 2017-03-31 | 2017-03-31 | 予測装置、予測システム、予測方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018173837A JP2018173837A (ja) | 2018-11-08 |
JP7099805B2 true JP7099805B2 (ja) | 2022-07-12 |
Family
ID=64108617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017071766A Active JP7099805B2 (ja) | 2017-03-31 | 2017-03-31 | 予測装置、予測システム、予測方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7099805B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7156975B2 (ja) * | 2019-02-26 | 2022-10-19 | 三菱重工業株式会社 | 運営評価装置、運営評価方法、およびプログラム |
WO2020188637A1 (ja) * | 2019-03-15 | 2020-09-24 | 三菱電機株式会社 | 需要予測装置および需要予測方法 |
JP7243361B2 (ja) * | 2019-03-25 | 2023-03-22 | 富士通株式会社 | ジョブスケジューラ及びジョブスケジュール制御方法 |
JP2021114172A (ja) * | 2020-01-20 | 2021-08-05 | 東京瓦斯株式会社 | エネルギー消費量予測システム、エネルギー消費量予測支援システム、エネルギー消費量予測方法、及びプログラム |
JP7379286B2 (ja) * | 2020-06-25 | 2023-11-14 | 株式会社日立プラントサービス | 学習装置、予測システム、および、学習方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001175735A (ja) * | 1999-12-17 | 2001-06-29 | Canon Inc | 時系列予測装置及びシステム及び方法及び記憶媒体 |
JP2011114944A (ja) * | 2009-11-26 | 2011-06-09 | Fuji Electric Systems Co Ltd | 電力需要予測装置、そのプログラム |
JP5957725B2 (ja) * | 2012-10-25 | 2016-07-27 | 株式会社日立ソリューションズ東日本 | 予測装置、予測方法、および、予測プログラム |
US20140229026A1 (en) * | 2013-02-13 | 2014-08-14 | Al Cabrini | Prediction of future energy and demand usage using historical energy and demand usage |
JP6187003B2 (ja) * | 2013-08-01 | 2017-08-30 | 富士電機株式会社 | 類似日抽出装置、類似日抽出方法、プログラム |
JP6297466B2 (ja) * | 2014-10-22 | 2018-03-20 | 株式会社日立製作所 | 卸電力価格予測システムおよび卸電力価格予測方法 |
JP6645043B2 (ja) * | 2015-06-25 | 2020-02-12 | 富士電機株式会社 | 誤差幅推定装置、誤差幅推定システム、誤差幅推定方法及びプログラム |
-
2017
- 2017-03-31 JP JP2017071766A patent/JP7099805B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018173837A (ja) | 2018-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7099805B2 (ja) | 予測装置、予測システム、予測方法及びプログラム | |
JP6895416B2 (ja) | エネルギー需要予測システム及びエネルギー需要予測方法 | |
Yang et al. | Decision-making for electricity retailers: A brief survey | |
Matos et al. | Setting the operating reserve using probabilistic wind power forecasts | |
KR101875329B1 (ko) | 전력 사용량 예측 장치 및 방법 | |
US9753477B2 (en) | Load forecasting for residential sector demand response | |
US10740773B2 (en) | Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities | |
US10846715B2 (en) | Energy operation apparatus, method, and system | |
JP2020501491A (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
JP6445909B2 (ja) | 電力需要予測システム | |
CN113519104A (zh) | 计划装置、控制装置、方法及程序 | |
JP2010213477A (ja) | 発電計画作成方法、装置、プログラムおよび記憶装置 | |
JP6296966B2 (ja) | 需給調整装置 | |
JP2017121133A (ja) | 電力需要予測装置および電力需要予測プログラム | |
JP2014220971A (ja) | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム | |
JP2018106431A (ja) | 設備機器運転計画生成装置および方法 | |
JP7231504B2 (ja) | 気象数値解析システム、予測対象データ生成システムおよび気象数値解析方法 | |
TWI757691B (zh) | 運轉指標提示裝置、運轉指標提示方法及程式 | |
JP6631263B2 (ja) | エージェントに基づく需要予測システム及び方法 | |
JP2016148945A (ja) | 電力取引支援システム、電力取引支援方法及びプログラム | |
Bylling | Bilevel Optimization with Application in Energy | |
Nandakumar et al. | Impact of increased renewables on natural gas markets in eastern United States | |
JP2020086595A (ja) | 数値解析装置及び方法 | |
JP2016213987A (ja) | 電力小売料金メニュー策定装置 | |
Nigam et al. | Sales forecasting using Box Jenkins method based ARIMA model considering effect of COVID-19 pandemic situation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170403 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191125 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201020 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201209 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210628 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210628 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210706 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210713 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20210813 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20210817 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20211207 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20220208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220404 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220412 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20220524 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20220621 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20220621 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220630 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7099805 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |