JP7320503B2 - エネルギ貯蔵システムを最適に制御するためのシステム及び方法 - Google Patents

Description

関連出願の相互参照
[0001] 本願は、参照によりその全内容を本明細書に全て援用する、２０１７年１１月２７日に出願された米国仮特許出願第６２／５９１，０２３号、及び２０１８年１１月１６日に出願された米国特許出願第１６／１９３，３３２号の優先権を主張する。

背景
[0002] 配電網上にエネルギ貯蔵システム（「ＥＳＳ」）を設置し使用することは、グリッドの参与者及び／又はステークホルダへの（動作的な、経済的な、環境的な等々）物質的な恩恵をもたらすことができ、そのようにすることにより、エネルギ貯蔵資産を所有し又は制御するエンティティへの物質的経済的リターンを発生させることができることが一般に認識されている。エネルギ貯蔵技法は、幾つか例を挙げると（ｉ）確立されたエネルギ又は容量市場メカニズムがある特定のアンシラリサービスの提供（例えば周波数調整、運転予備電力、自力起動能力）、（ｉｉ）負荷シフト又はピークシェービング、（ｉｉｉ）さもなければ必要な送電又は配電のアップグレードの延期又は回避、（ｉｖ）送電又は配電のボトルネック又は他の制約の軽減、（ｖ）平滑化、ランピングサービス、整形された電力の提供、又はその他の方法による断続的な再生可能発電の統合、（ｖｉ）燃料効率を高めるための又は炭素放出を減らすための発電資産のハイブリッド化、（ｖｉｉ）単独運転中のバックアップ電力又は無停電電力系統（「ＵＰＳ」）の提供、（ｖｉｉｉ）コスト節約又は裁定取引目的でのエネルギ売買時間のシフト、（ｉｘ）様々な運転予備力の提供（又はそれを提供する約束された可用性）、（ｘ）天然ガスピーキングプラント又は他の発電源によってさもなければ提供され得る電力、エネルギ、又はサービスの提供等、一連の潜在的なエネルギ貯蔵応用（「ＥＳ応用」）によってこの種の利益をもたらすことができる。上記はＥＳ応用の代表的な一覧であり、網羅的な一覧であることは意図しない。多くの場合、特定の位置に設置される単一のＥＳＳが複数のＥＳ応用を提供することができる（応用のスタックと呼ばれることがある）。本明細書で使用するとき、単一のＥＳ応用への言及は複数のＥＳ応用の組み合わせ又はスタックを含み得る。

[0003] ＥＳＳの特定の設置及び使用に起因する恩恵及び／又は関連する経済的リターンの存在及び程度は広範な要因に依存し得る。これらの要因は、ＥＳＳのコスト（一般に＄／ｋＷ及び／又は＄／ｋＷｈを単位として測定される）、ＥＳＳの電力対エネルギ比、ＥＳＳの（ｋＷ又はｋＷｈ単位の）サイズ、ＥＳＳのラウンドトリップ効率、ＥＳＳのサイクル寿命及び／又は有用寿命、ＥＳＳの取得に資金が調達される方法、ＥＳＳの敷地及び設置のコスト、ＥＳＳの進行中の運転及び保守コストを含む。更なる要因は、ＥＳＳが設置される位置及びそれが使用されるＥＳ応用にも関係し得る。これらの要因はエネルギ価格及び他の市況を含むことができ、特定のグリッド条件はＥＳ応用、ＥＳ応用によって提供される製品又はサービスに利用可能な価格設定／補償／税率又は他のインセンティブ、利用可能な電力の予測の信頼性、及びＥＳＳを含む地理的（又はＥＳＳへの電気的接続の集合）領域にサービス提供する発電資産の混合の需要を引き起こす。

[0004] ＥＳＳを制御するために使用することができる幾つかの洗練されたモデルが現存する。しかしこれらのモデルは、あり得る現実の抽象表現しか反映せず、完全な見通しを想定している点で限定的である。実際には、現場での典型的なＥＳＳの動作条件は動的且つそれらの抽象モデルと異なることが多く、それらのモデルに基づくそれらの想定及び予測は限られた確度及び精度の範囲内でしか行うことができない。従って、より高い確度及び精度でモデリングすることに関する技術的解決策を提供するシステム及び方法が求められている。具体的にはＥＳＳの動作制御の分野では、（１）ＥＳＳの構成及び動作に影響を及ぼす電気量等のＥＳＳパラメータの進行中の将来の予測における最適性能、（２）予測の不確実性の定量化及び十分な復旧戦略の提供、並びに（３）電気パラメータ等の動的且つ進化するＥＳＳパラメータを追跡するようにＥＳＳを適応的にスケジューリングしディスパッチする、という少なくとも上記の技術的目標の１つ若しくは複数又はそのあり得る任意の組み合わせを実現することができる技術的解決策が求められている。

概要
[0005] 開示する内容の実施形態は、１つ又は複数のエネルギ貯蔵システムの動作を制御するための最適なディスパッチスケジュールを作成し実行するための全般的な方法に関係し得る。開示する内容の実施形態は、様々な予測技法又はアルゴリズムを用いて１つ又は複数の予測をもたらすこと、その予測に基づいて１つ又は複数のエネルギ貯蔵システムの動作を制御するための最適なディスパッチスケジュールを計算すること、及びスケジュール更新の間にリアルタイム予測の不確実性を補償することを全て定期的に行うための技法にも関係することができる。開示する内容の実施形態は、あり得る様々な予測シナリオにわたって最適な経済的ディスパッチを計算し、１つ又は複数のエネルギ貯蔵システムの動作を制御するための統計的に最適なディスパッチスケジュールを決定するための技法も提供することができる。開示する内容の実施形態は、最適なＥＳＳディスパッチスケジュールを継続的に計算し、予測の不確実性を補償するための技法にも関係することができる。開示する内容の実施形態は、予測及び／又はディスパッチスケジュールの計算を高速化するために並列処理を使用することもできる。開示する内容の実施形態は、（１）ＥＳＳの構成及び動作に影響を及ぼす電気量等のＥＳＳパラメータの進行中の将来の予測における最適性能、（２）予測の不確実性の定量化及び十分な復旧戦略の提供、並びに（３）電気パラメータ等の動的且つ進化するＥＳＳパラメータを追跡するようにＥＳＳを適応的にスケジューリングしディスパッチする、という技術的目標の１つ若しくは複数又はそのあり得る任意の組み合わせを実現することができる技術的解決策を提供するシステム及び方法にも関係し得る。他の実施形態も本発明の範囲に含まれる。

[0006] 本発明の少なくとも１つの実施形態は１つ又は複数のエネルギ貯蔵システムの動作を制御するための方法に関し、この方法は（ａ）１つ又は複数のエネルギ貯蔵システムの動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、少なくとも１つのコンピュータを含むコンピュータシステムにおいて受信するステップと、（ｂ）受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、１つ又は複数のエネルギ貯蔵システムの動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、コンピュータシステムによって計算するステップと、（ｃ）その１つ又は複数の予測に基づいて１つ又は複数のエネルギ貯蔵システムの動作のための最適なディスパッチスケジュールを、コンピュータシステムによって決定するステップと、（ｄ）その最適なディスパッチスケジュールをコンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、（ｅ）その１つ又は複数のエネルギ貯蔵システムパラメータをコンピュータシステムによって１つ又は複数のエネルギ貯蔵システムに送信して、１つ又は複数のエネルギ貯蔵システムの動作を制御するステップとを含む。

[0007] 更なる実施形態では、１つ又は複数の予測技法が、第三者予測パススルー技法、多重第三者予測集約技法、履歴平均予測技法、線形回帰予測技法、履歴平均残余を伴う線形回帰予測技法、及びニューラルネットワーク予測技法のうちの少なくとも１つを含む。

[0008] 更なる実施形態では、１つ又は複数の予測を計算するステップ（ｂ）が、平均、加重平均、時間変数加重平均、条件変数加重平均、又はニューラルネットワークを使用し、計算済みの１つ又は複数の予測をコンピュータシステムによって集約することを含む。

[0009] 更なる実施形態では、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）単一予測パススルー技法、モンテカルロシナリオ生成技法、及び機会制約最適化制約生成技法のうちの少なくとも１つを使用して、１つ又は複数の予測シナリオをコンピュータシステムによって生成すること、（ｉｉ）生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を最適化のためにコンピュータシステムによって選択すること、（ｉｉｉ）生成済みの１つ又は複数の予測シナリオのうちの選択済みの１つ又は複数の組に、１つ又は複数の最適化技法を適用することにより、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって生成することであって、１つ又は複数の最適化技法は、固定規則スケジューラ、予測ベース規則スケジューラ、非線形多重規則最適化スケジューラ、非線形経済的最適化スケジューラ、及びニューラルネットワークスケジューラのうちの少なくとも１つを含む、生成すること、並びに（ｉｖ）平均、加重平均、時間変数加重平均、条件変数加重平均、又はニューラルネットワークを使用し、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって集約して、最適なディスパッチスケジュールを作成することを含む。

[0010] 更なる実施形態では、最適なディスパッチスケジュールを使用するステップ（ｄ）が、最適なディスパッチスケジュールと１つ又は複数のデータソースから受信されるライブデータとに基づいて、１つ又は複数のモード及び１つ又は複数のモードパラメータをコンピュータシステムによって選択することを含み、１つ又は複数のモードは、スタンバイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、及びランプレート管理モードのうちの少なくとも１つを含み、１つ又は複数のモードパラメータは、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、及び最大グリッド正味有効電力変化率のうちの少なくとも１つを含む。

[0011] 更なる実施形態では、ステップ（ａ）におけるライブ、履歴、又は予測データが、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含み、ステップ（ｂ）における１つ又は複数の予測技法がニューラルネットワーク予測技法を含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）モンテカルロシナリオ生成技法を使用して、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、及び前日市場のアンシラリサービス価格に関する１つ又は複数の予測シナリオを、コンピュータシステムによって生成すること、（ｉｉ）互いにより似ている、互いとより異なる、又は生成済みの１つ又は複数の予測シナリオにわたってランダムに分布する、生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を、コンピュータシステムによって選択すること、（ｉｉｉ）生成済みの１つ又は複数の予測シナリオのうちの選択済みの１つ又は複数の組に非線形経済的最適化スケジューラを適用することによって、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって生成すること、及び（ｉｖ）生成済みの１つ又は複数のディスパッチスケジュールをコンピュータシステムによって平均して、最適なディスパッチスケジュールを作成することを含む。

[0012] 更なる実施形態では、ステップ（ａ）におけるライブ、履歴、又は予測データが変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含み、１つ又は複数の予測を計算するステップ（ｂ）が、履歴平均残余を伴う線形回帰予測技法及びニューラルネットワーク予測技法を同時に使用することで、変電所の正味負荷に関する少なくとも２つの予測をコンピュータシステムによって作成すること、及び少なくとも２つの予測のそれぞれに関連する履歴的に予期される不確実性に基づいて少なくとも２つの予測の１つを選択すること、又は少なくとも２つの予測を平均することで、１つ又は複数の予測をコンピュータシステムによって作成することを含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）モンテカルロシナリオ生成技法を使用して、変電所の正味負荷に関する所定数の予測シナリオをコンピュータシステムによって生成すること、（ｉｉ）システム構成、利用可能な計算時間及び資源、又は報告された予測の不確実性に基づき、生成済みの所定数の予測シナリオのサブセットをコンピュータシステムによって選択すること、（ｉｉｉ）１つ又は複数のエネルギ貯蔵システムの動作後の変電所のピーク正味負荷を最小化するために、非線形多重規則最適化スケジューラを使用することで、生成済みの所定数の予測シナリオのうちの選択済みのサブセットのそれぞれについて、ディスパッチスケジュールをコンピュータシステムによって生成すること、及び（ｉｖ）生成済みの所定数の予測シナリオのうちの選択済みのサブセットに関する生成済みのディスパッチスケジュールをコンピュータシステムによって平均して、最適なディスパッチスケジュールを作成することを含む。

[0013] 更なる実施形態では、１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含み、ステップ（ａ）におけるライブ、履歴、又は予測データが、天候及び負荷に関するライブ、履歴、又は第三者予測データを含み、１つ又は複数の予測を計算するステップ（ｂ）が、天候及び負荷に関する受信済みのライブ、履歴、又は第三者予測データに基づいてニューラルネットワーク予測技法を使用し、次の２４時間のそれぞれの中で発生するシステムピークの確率を計算することで、１つ又は複数の予測をコンピュータシステムによって作成することを含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、ピーク時中の顧客負荷を最小化し、１つ又は複数のエネルギ貯蔵システムの出力を最大化するために、予測ベース規則スケジューラを使用し、１つ又は複数の予測に基づいて最適なディスパッチスケジュールをコンピュータシステムによって決定することを含み、最適なディスパッチスケジュールを使用して１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップ（ｄ）が、最適なディスパッチスケジュールと１つ又は複数のデータソースから受信されるライブデータとに基づき、電池システムに接続されるグリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力をコンピュータシステムによって決定することを含む。

[0014] 更なる実施形態では、ステップ（ｂ）における１つ又は複数のパラメータが、グリッド正味負荷、再生可能発電、再生不能発電、市場価格、及び顧客負荷のうちの少なくとも１つを含む。

[0015] 更なる実施形態では、１つ又は複数の予測を計算するステップ（ｂ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな予測をコンピュータシステムによって生成することを含む。

[0016] 更なる実施形態では、受信されるライブデータが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む。

[0017] 更なる実施形態では、受信される履歴データが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む。

[0018] 更なる実施形態では、最適なディスパッチスケジュールを決定するステップ（ｃ）が、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな最適なディスパッチスケジュールをコンピュータシステムによって生成することを含む。

[0019] 更なる実施形態では、１つ又は複数のエネルギ貯蔵システムパラメータが有効電力又は無効電力を含む。

[0020] 加えて、本発明の少なくとも１つの実施形態は１つ又は複数のエネルギ貯蔵システムの動作を制御するためのコンピュータシステムに関し、コンピュータシステムは１つ又は複数のプロセッサと、１つ又は複数のプロセッサに動作可能に接続され、（ａ）１つ又は複数のエネルギ貯蔵システムの動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、コンピュータシステムにおいて受信するステップと、（ｂ）受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、１つ又は複数のエネルギ貯蔵システムの動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、コンピュータシステムによって計算するステップと、（ｃ）その１つ又は複数の予測に基づいて１つ又は複数のエネルギ貯蔵システムの動作のための最適なディスパッチスケジュールをコンピュータシステムによって決定するステップと、（ｄ）その最適なディスパッチスケジュールをコンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、（ｅ）その１つ又は複数のエネルギ貯蔵システムパラメータをコンピュータシステムによって１つ又は複数のエネルギ貯蔵システムに送信して、１つ又は複数のエネルギ貯蔵システムの動作を制御するステップとをコンピュータシステムに実行させるために、１つ又は複数のプロセッサによって実行可能な命令を記憶している１つ又は複数のメモリとを含む。

[0021] 更なる実施形態では、１つ又は複数の予測技法が、第三者予測パススルー技法、多重第三者予測集約技法、履歴平均予測技法、線形回帰予測技法、履歴平均残余を伴う線形回帰予測技法、及びニューラルネットワーク予測技法のうちの少なくとも１つを含む。

[0022] 更なる実施形態では、１つ又は複数の予測を計算するステップ（ｂ）が、平均、加重平均、時間変数加重平均、条件変数加重平均、又はニューラルネットワークを使用し、計算済みの１つ又は複数の予測をコンピュータシステムによって集約することを含む。

[0023] 更なる実施形態では、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）単一予測パススルー技法、モンテカルロシナリオ生成技法、及び機会制約最適化制約生成技法のうちの少なくとも１つを使用して、１つ又は複数の予測シナリオをコンピュータシステムによって生成すること、（ｉｉ）生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を最適化のためにコンピュータシステムによって選択すること、（ｉｉｉ）生成済みの１つ又は複数の予測シナリオのうちの選択済みの１つ又は複数の組に１つ又は複数の最適化技法を適用することにより、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって生成することであって、１つ又は複数の最適化技法は、固定規則スケジューラ、予測ベース規則スケジューラ、非線形多重規則最適化スケジューラ、非線形経済的最適化スケジューラ、及びニューラルネットワークスケジューラのうちの少なくとも１つを含む、生成すること、並びに（ｉｖ）平均、加重平均、時間変数加重平均、条件変数加重平均、又はニューラルネットワークを使用し、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって集約して、最適なディスパッチスケジュールを作成することを含む。

[0024] 更なる実施形態では、最適なディスパッチスケジュールを使用するステップ（ｄ）が、最適なディスパッチスケジュールと１つ又は複数のデータソースから受信されるライブデータとに基づいて、１つ又は複数のモード及び１つ又は複数のモードパラメータをコンピュータシステムによって選択することを含み、１つ又は複数のモードは、スタンバイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、及びランプレート管理モードのうちの少なくとも１つを含み、１つ又は複数のモードパラメータは、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、及び最大グリッド正味有効電力変化率のうちの少なくとも１つを含む。

[0025] 更なる実施形態では、ステップ（ａ）におけるライブ、履歴、又は予測データが、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含み、ステップ（ｂ）における１つ又は複数の予測技法がニューラルネットワーク予測技法を含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）モンテカルロシナリオ生成技法を使用して、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、及び前日市場のアンシラリサービス価格に関する１つ又は複数の予測シナリオを、コンピュータシステムによって生成すること、（ｉｉ）互いにより似ている、互いとより異なる、又は生成済みの１つ又は複数の予測シナリオにわたってランダムに分布する、生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を、コンピュータシステムによって選択すること、（ｉｉｉ）生成済みの１つ又は複数の予測シナリオのうちの選択済みの１つ又は複数の組に非線形経済的最適化スケジューラを適用することによって、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって生成すること、及び（ｉｖ）生成済みの１つ又は複数のディスパッチスケジュールをコンピュータシステムによって平均して、最適なディスパッチスケジュールを作成することを含む。

[0026] 更なる実施形態では、ステップ（ａ）におけるライブ、履歴、又は予測データが、変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含み、１つ又は複数の予測を計算するステップ（ｂ）が、履歴平均残余を伴う線形回帰予測技法及びニューラルネットワーク予測技法を同時に使用することで、変電所の正味負荷に関する少なくとも２つの予測をコンピュータシステムによって作成すること、及び少なくとも２つの予測のそれぞれに関連する履歴的に予期される不確実性に基づいて少なくとも２つの予測の１つを選択すること、又は少なくとも２つの予測を平均することで、１つ又は複数の予測をコンピュータシステムによって作成することを含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）モンテカルロシナリオ生成技法を使用して、変電所の正味負荷に関する所定数の予測シナリオをコンピュータシステムによって生成すること、（ｉｉ）システム構成、利用可能な計算時間及び資源、又は報告された予測の不確実性に基づき、生成済みの所定数の予測シナリオのサブセットをコンピュータシステムによって選択すること、（ｉｉｉ）１つ又は複数のエネルギ貯蔵システムの動作後の変電所のピーク正味負荷を最小化するために、非線形多重規則最適化スケジューラを使用することで、生成済みの所定数の予測シナリオのうちの選択済みのサブセットのそれぞれについて、ディスパッチスケジュールをコンピュータシステムによって生成すること、及び（ｉｖ）生成済みの所定数の予測シナリオのうちの選択済みのサブセットに関する生成済みのディスパッチスケジュールをコンピュータシステムによって平均して、最適なディスパッチスケジュールを作成することを含む。

[0027] 更なる実施形態では、１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含み、ステップ（ａ）におけるライブ、履歴、又は予測データが、天候及び負荷に関するライブ、履歴、又は第三者予測データを含み、１つ又は複数の予測を計算するステップ（ｂ）が、天候及び負荷に関する受信済みのライブ、履歴、又は第三者予測データに基づいてニューラルネットワーク予測技法を使用し、次の２４時間のそれぞれの中で発生するシステムピークの確率を計算することで、１つ又は複数の予測をコンピュータシステムによって作成することを含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、ピーク時中の顧客負荷を最小化し、１つ又は複数のエネルギ貯蔵システムの出力を最大化するために、予測ベース規則スケジューラを使用し、１つ又は複数の予測に基づいて最適なディスパッチスケジュールをコンピュータシステムによって決定することを含み、最適なディスパッチスケジュールを使用して１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップ（ｄ）が、最適なディスパッチスケジュールと１つ又は複数のデータソースから受信されるライブデータとに基づき、電池システムに接続されるグリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力をコンピュータシステムによって決定することを含む。

[0028] 更なる実施形態では、ステップ（ｂ）における１つ又は複数のパラメータが、グリッド正味負荷、再生可能発電、再生不能発電、市場価格、及び顧客負荷のうちの少なくとも１つを含む。

[0029] 更なる実施形態では、１つ又は複数の予測を計算するステップ（ｂ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな予測をコンピュータシステムによって生成することを含む。

[0030] 更なる実施形態では、受信されるライブデータが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む。

[0031] 更なる実施形態では、受信される履歴データが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む。

[0032] 更なる実施形態では、最適なディスパッチスケジュールを決定するステップ（ｃ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな最適なディスパッチスケジュールをコンピュータシステムによって生成することを含む。

[0033] 更なる実施形態では、１つ又は複数のエネルギ貯蔵システムパラメータが有効電力又は無効電力を含む。

[0034] 更なる実施形態では、コンピュータシステムが、１つ又は複数のプロセッサ及び１つ又は複数のメモリの少なくとも１つに動作可能に接続されるデータ入力インタフェースを更に含み、データ入力インタフェースがライブ、履歴、又は予測データを１つ又は複数のデータソースから受信する。

[0035] 更なる実施形態では、データ入力インタフェースが、受信済みのライブ、履歴、又は予測データに関連する欠落メタデータを検出し、受信済みのライブ、履歴、又は予測データに欠落メタデータを追加する。

[0036] 更なる実施形態では、コンピュータシステムが、１つ又は複数のプロセッサ及び１つ又は複数のメモリの少なくとも１つに動作可能に接続されるユーザ可視化及び制御インタフェースを更に含む。

[0037] 更なる実施形態では、ユーザ可視化及び制御インタフェースが、ディスプレイ装置上に表示されるウェブベースのグラフィカルユーザインタフェースを含む。

[0038] 更なる実施形態では、コンピュータシステムが、１つ又は複数のプロセッサ及び１つ又は複数のメモリの少なくとも１つに動作可能に接続される１つ又は複数のデータストアを含むデータヒストリアンを更に含み、１つ又は複数のデータストアはコンピュータシステムによって受信され生成されるデータを収集し記憶する。

[0039] 更に、本発明の少なくとも１つの実施形態は、少なくとも１つのコンピュータを含むコンピュータシステムによって実行されるように構成されるプログラムコードを記憶している非一時的コンピュータ可読媒体に関し、プログラムコードは、コンピュータシステムによって実行されるとき、１つ又は複数のエネルギ貯蔵システムの動作を制御するための方法をコンピュータシステムに実行させ、その方法は（ａ）１つ又は複数のエネルギ貯蔵システムの動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースからコンピュータシステムにおいて受信するステップと、（ｂ）受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、１つ又は複数のエネルギ貯蔵システムの動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、コンピュータシステムによって計算するステップと、（ｃ）その１つ又は複数の予測に基づいて１つ又は複数のエネルギ貯蔵システムの動作のための最適なディスパッチスケジュールを、コンピュータシステムによって決定するステップと、（ｄ）その最適なディスパッチスケジュールをコンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、（ｅ）その１つ又は複数のエネルギ貯蔵システムパラメータをコンピュータシステムによって１つ又は複数のエネルギ貯蔵システムに送信して、１つ又は複数のエネルギ貯蔵システムの動作を制御するステップとを含む。

[0040] 更なる実施形態では、１つ又は複数の予測技法が、第三者予測パススルー技法、多重第三者予測集約技法、履歴平均予測技法、線形回帰予測技法、履歴平均残余を伴う線形回帰予測技法、及びニューラルネットワーク予測技法のうちの少なくとも１つを含む。

[0041] 更なる実施形態では、１つ又は複数の予測を計算するステップ（ｂ）が、平均、加重平均、時間変数加重平均、条件変数加重平均、又はニューラルネットワークを使用し、計算済みの１つ又は複数の予測をコンピュータシステムによって集約することを含む。

[0042] 更なる実施形態では、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）単一予測パススルー技法、モンテカルロシナリオ生成技法、及び機会制約最適化制約生成技法のうちの少なくとも１つを使用して、１つ又は複数の予測シナリオをコンピュータシステムによって生成すること、（ｉｉ）生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を最適化のためにコンピュータシステムによって選択すること、（ｉｉｉ）生成済みの１つ又は複数の予測シナリオのうちの選択済みの１つ又は複数の組に１つ又は複数の最適化技法を適用することにより、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって生成することであって、１つ又は複数の最適化技法は、固定規則スケジューラ、予測ベース規則スケジューラ、非線形多重規則最適化スケジューラ、非線形経済的最適化スケジューラ、及びニューラルネットワークスケジューラのうちの少なくとも１つを含む、生成すること、並びに（ｉｖ）平均、加重平均、時間変数加重平均、条件変数加重平均、又はニューラルネットワークを使用し、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって集約して、最適なディスパッチスケジュールを作成することを含む。

[0043] 更なる実施形態では、最適なディスパッチスケジュールを使用するステップ（ｄ）が、最適なディスパッチスケジュールと１つ又は複数のデータソースから受信されるライブデータとに基づいて、１つ又は複数のモード及び１つ又は複数のモードパラメータをコンピュータシステムによって選択することを含み、１つ又は複数のモードは、スタンバイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、及びランプレート管理モードのうちの少なくとも１つを含み、１つ又は複数のモードパラメータは、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、及び最大グリッド正味有効電力変化率のうちの少なくとも１つを含む。

[0044] 更なる実施形態では、ステップ（ａ）におけるライブ、履歴、又は予測データが、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含み、ステップ（ｂ）における１つ又は複数の予測技法がニューラルネットワーク予測技法を含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）モンテカルロシナリオ生成技法を使用して、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、及び前日市場のアンシラリサービス価格に関する１つ又は複数の予測シナリオをコンピュータシステムによって生成すること、（ｉｉ）互いにより似ている、互いとより異なる、又は生成済みの１つ又は複数の予測シナリオにわたってランダムに分布する、生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を、コンピュータシステムによって選択すること、（ｉｉｉ）生成済みの１つ又は複数の予測シナリオのうちの選択済みの１つ又は複数の組に非線形経済的最適化スケジューラを適用することによって、１つ又は複数のディスパッチスケジュールをコンピュータシステムによって生成すること、及び（ｉｖ）生成済みの１つ又は複数のディスパッチスケジュールをコンピュータシステムによって平均して、最適なディスパッチスケジュールを作成することを含む。

[0045] 更なる実施形態では、ステップ（ａ）におけるライブ、履歴、又は予測データが、変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含み、１つ又は複数の予測を計算するステップ（ｂ）が、履歴平均残余を伴う線形回帰予測技法及びニューラルネットワーク予測技法を同時に使用することで、変電所の正味負荷に関する少なくとも２つの予測をコンピュータシステムによって作成すること、及び少なくとも２つの予測のそれぞれに関連する履歴的に予期される不確実性に基づいて少なくとも２つの予測の１つを選択すること、又は少なくとも２つの予測を平均することで、１つ又は複数の予測をコンピュータシステムによって作成することを含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、（ｉ）モンテカルロシナリオ生成技法を使用して変電所の正味負荷に関する所定数の予測シナリオを、コンピュータシステムによって生成すること、（ｉｉ）システム構成、利用可能な計算時間及び資源、又は報告された予測の不確実性に基づき、生成済みの所定数の予測シナリオのサブセットをコンピュータシステムによって選択すること、（ｉｉｉ）１つ又は複数のエネルギ貯蔵システムの動作後の変電所のピーク正味負荷を最小化するために、非線形多重規則最適化スケジューラを使用することで、生成済みの所定数の予測シナリオのうちの選択済みのサブセットのそれぞれについて、ディスパッチスケジュールをコンピュータシステムによって生成すること、及び（ｉｖ）生成済みの所定数の予測シナリオのうちの選択済みのサブセットに関する生成済みのディスパッチスケジュールをコンピュータシステムによって平均して、最適なディスパッチスケジュールを作成することを含む。

[0046] 更なる実施形態では、１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含み、ステップ（ａ）におけるライブ、履歴、又は予測データが、天候及び負荷に関するライブ、履歴、又は第三者予測データを含み、１つ又は複数の予測を計算するステップ（ｂ）が、天候及び負荷に関する受信済みのライブ、履歴、又は第三者予測データに基づいてニューラルネットワーク予測技法を使用し、次の２４時間のそれぞれの中で発生するシステムピークの確率を計算することで、１つ又は複数の予測をコンピュータシステムによって作成することを含み、最適なディスパッチスケジュールを決定するステップ（ｃ）が、ピーク時中の顧客負荷を最小化し、１つ又は複数のエネルギ貯蔵システムの出力を最大化するために、予測ベース規則スケジューラを使用し、１つ又は複数の予測に基づいて最適なディスパッチスケジュールをコンピュータシステムによって決定することを含み、最適なディスパッチスケジュールを使用して１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップ（ｄ）が、最適なディスパッチスケジュールと１つ又は複数のデータソースとから受信されるライブデータに基づき、電池システムに接続されるグリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力をコンピュータシステムによって決定することを含む。

[0047] 更なる実施形態では、ステップ（ｂ）における１つ又は複数のパラメータが、グリッド正味負荷、再生可能発電、再生不能発電、市場価格、及び顧客負荷のうちの少なくとも１つを含む。

[0048] 更なる実施形態では、１つ又は複数の予測を計算するステップ（ｂ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな予測をコンピュータシステムによって生成することを含む。

[0049] 更なる実施形態では、受信されるライブデータが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む。

[0050] 更なる実施形態では、受信される履歴データが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む。

[0051] 更なる実施形態では、最適なディスパッチスケジュールを決定するステップ（ｃ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな最適なディスパッチスケジュールをコンピュータシステムによって生成することを含む。

[0052] 更なる実施形態では、１つ又は複数のエネルギ貯蔵システムパラメータが有効電力又は無効電力を含む。

[0053] 以下の図面、詳細な説明、及び特許請求の範囲を検討した後、開示する内容のこれらの及び他の機能が本発明自体と共により完全に理解されよう。

図面の簡単な説明
[0054] 本発明の例示的実施形態を添付図面に関して説明する。

[0055]本発明の例示的実施形態による、ＥＳＳのための最適化されたディスパッチスケジュールを生成するためのシステムの概略図である。 [0056]本発明の例示的実施形態による、図１のシステムのための例示的データソースの概略図である。 [0057]本発明の例示的実施形態による、予測エンジンの概略図である。 [0058]本発明の例示的実施形態による、スケジューリング及びディスパッチエンジンの概略図である。 [0059]本発明の例示的実施形態による、ＥＳＳ制御システムの概略図である。 [0060]本発明の例示的実施形態による、図１のシステムの例示的実装形態の概略図である。 [0061]本発明の例示的実施形態による、図６のシステムによって実装される例示的なスケジューリング及びディスパッチエンジンの概略図である。 [0062]本発明の例示的実施形態による、図１のシステムの別の例示的実装形態の概略図である。 [0063]本発明の例示的実施形態による、図８のシステムによって実装される例示的な予測エンジンの概略図である。 [0064]本発明の例示的実施形態による、図８のシステムによって実装される例示的なスケジューリング及びディスパッチエンジンの概略図である。 [0065]本発明の例示的実施形態による、図１のシステムのまた別の例示的実装形態の概略図である。 [0066]本発明の例示的実施形態による、図１１のシステムによって実装される例示的な予測エンジン及び例示的なスケジューリング及びディスパッチエンジンの概略図である。

詳細な説明
[0067] 開示する内容の実施形態は、様々な予測技法又はアルゴリズムを用いて１つ又は複数の予測をもたらすこと、その予測に基づいて１つ又は複数のエネルギ貯蔵システムの動作を制御するための最適なディスパッチスケジュールを計算し実行すること、及びスケジュール更新の間にリアルタイム予測の不確実性を補償することを、全て定期的に行うための技法を提供することができる。開示する内容の実施形態は、あり得る全ての将来にわたって最適な経済的ディスパッチを計算し、１つ又は複数のＥＳＳシステムの動作を制御するための統計的に最適なディスパッチスケジュールを決定するための技法も提供することができる。開示する内容の実施形態は、最適なＥＳＳディスパッチスケジュールを継続的に計算し実行し、予測の不確実性を補償するための技法も提供することができる。開示する内容の実施形態は、予測及び／又はディスパッチスケジュールの計算を高速化するために並列処理を使用することもできる。開示する内容の実施形態は、（１）ＥＳＳの構成及び動作に影響を及ぼす電気量等のＥＳＳパラメータの進行中の将来の予測における最適性能、（２）予測の不確実性の定量化及び十分な復旧戦略の提供、並びに（３）電気パラメータ等の動的且つ進化するＥＳＳパラメータを追跡するようにＥＳＳを適応的にスケジューリングしディスパッチする、という技術的目標の１つ若しくは複数又はそのあり得る任意の組み合わせを実現することができる技術的解決策を提供するシステム及び方法にも関係し得る。他の実施形態も本発明の範囲に含まれる。

[0068] 本明細書で使用するとき、「ディスパッチ」という用語は、ＥＳＳ制御システムに対して閉ループモード又は開ループモードを指示し、適切なモードパラメータを設定することを指す。例えばモードを「充電」とすることができ、モードパラメータを「１００ｋＷ」とすることができる。より複雑な別の例では、モードを「ピークシェービング」とすることができ、モードパラメータを「変電所Ｘにおいて測定される１．５ＭＷの最大正味負荷」とすることができる。

[0069] 図１は、本発明の例示的実施形態による、１つ又は複数のエネルギ貯蔵システム（例えば複数のＥＳＳ又はＥＳＳシステム）のための最適化されたディスパッチスケジュールを生成するためのシステム１００の全般的なコンポーネントを示す。システム１００の各コンポーネントは、１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバ内の、及び／又は１つ若しくは複数のローカル、クラウド、及び／又はハイブリッドデータストア内のソフトウェア及び／又はハードウェア形式で実装することができる。例えばデータストアは、データベース管理システムによって管理されるデータベース及び／又はファイルシステムによって管理されるデータファイルを含み得る。システム１００が使用するために、１つ又は複数のデータストアを含み得る様々なデータソース１０１を提供することができる。それらのデータソースは履歴、ライブ、及び／又は予測データを含むことができ、データの完全性及びクリーニング目的で重複データも含み得る。データソース１０１によってシステム１００に与えられるデータは、幾つか例を挙げると、電気システムの変数、市場データ、天候データ、及び予測等、ＥＳＳの全体的な動作に影響を有し得る定量化可能な要因を含み得る。

[0070] システム１００は、データソース１０１から全ての関連データをデータ入力インタフェース１０２によって受信し収集することができる。データ入力インタフェース１０２は、１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバによって、及び／又はデータソース１０１に通信可能に結合される専用の通信インタフェースハードウェアによって実装することができる。データ入力インタフェース１０２は、データソース１０１から受信されるデータフィードを、かかるデータフィードを必要とし得るシステム１００の様々なコンポーネントにルートするように構成される。データ入力インタフェース１０２は、新たなデータがデータソース１０１から入手可能になり次第、その新たなデータを継続的に走査し収集するように構成され得る。或いはデータ入力インタフェース１０２は、データソース１０１から新たなデータを、定期的に、定期的でない固定スケジュールで、又は必要に応じて、走査し収集するように構成され得る。

[0071] 予測エンジン１０３は、１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバ内のソフトウェア及び／又はハードウェア形式で実装することができ、特に以下で更に説明するデータ入力インタフェース１０２及びデータヒストリアン１０７に通信可能に結合され得る。予測エンジン１０３は、データ入力インタフェース１０３及びデータヒストリアン１０７から収集されるデータを使用して、スケジューリング及びディスパッチエンジン１０４によって必要とされる任意の値に関する予測を生成する１つ又は複数のプロセッサを含むことができる。予測エンジン１０３によって生成される予測は、幾つか例を挙げると、グリッド正味負荷、再生可能発電、再生不能発電、市場価格、顧客負荷等の任意のあり得るパラメータを含み得る。予測エンジン１０３は、データソース１０１から新たな関連データが提供され、データ入力インタフェース１０２によって受信され次第、新たな予測を生成するように構成され得る。代替的実施形態では、予測エンジン１０３は新たな予測を、定期的に、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、生成するように構成され得る。

[0072] スケジューリング及びディスパッチエンジン１０４は、１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバ内のソフトウェア及び／又はハードウェア形式で実装することができ、予測エンジン１０３並びにデータ入力インタフェース１０２に通信可能に結合され得る。スケジューリング及びディスパッチエンジン１０４は、予測エンジン１０３から入手可能な様々な予測を得るように構成される。その一部を以下で説明する様々な最適化方法により、スケジューリング及びディスパッチエンジン１０４は、ＥＳＳのためのディスパッチスケジュールを決定する。スケジューリング及びディスパッチエンジン１０４によって生成されるディスパッチスケジュールは、ディスパッチスケジュールのそれぞれの生成の前にスケジューリング及びディスパッチエンジン１０４によって予め設定され又は人間のオペレータからの要求によって手動で設定され得る（例えば以下で説明するユーザ可視化及び制御インタフェース１０８によって入力される）１つ又は複数の技術的目標（例えば幾つか例を挙げると、動作的な最適化、経済的な最適化、環境的な最適化）を達成するように構成され得る。実施形態では、スケジューリング及びディスパッチエンジン１０４によって達成される技術的目標は、幾つか例を挙げると、（ｉ）確立されたエネルギ又は容量市場メカニズムがある特定のアンシラリサービスの提供（例えば周波数調整、運転予備電力、自力起動能力）、（ｉｉ）負荷シフト又はピークシェービング、（ｉｉｉ）必要な送電又は配電のアップグレードの延期又は回避、（ｉｖ）送電又は配電のボトルネック又は他の制約の軽減、（ｖ）平滑化、ランピングサービス、整形された電力の提供、又はその他の方法による断続的な再生可能発電の統合、（ｖｉ）燃料効率を高めるための又は炭素放出を減らすための発電資産のハイブリッド化、（ｖｉｉ）単独運転中のバックアップ電力又はＵＰＳの提供、（ｖｉｉｉ）コスト節約又は裁定取引目的でのエネルギ売買時間のシフト、（ｉｘ）様々な運転予備力の提供（又はそれを提供する約束された可用性）、（ｘ）天然ガスピーキングプラント又は他の発電源によって提供され得る電力、エネルギ、又はサービスの提供等、１つ又は複数のＥＳ応用を最適化することを含み得る。

[0073] 実施形態では、スケジューリング及びディスパッチエンジン１０４による最適化は、必ずしも単一の変数に限定されない。スケジューリング及びディスパッチエンジン１０４は、最適化（例えば最小化）のための全体的なコスト関数を作成するために全て組み合わせることができる１組の複数の変数を有することができる。例えばコスト関数は、幾つか例を挙げると、毎月の又は毎年のピーク負荷のコスト、１日のうちの様々な時間におけるエネルギのコスト、異なるソースからのエネルギのコスト（例えばグリッドｖｓ太陽光ｖｓ風力等）、ＥＳＳを循環させるコスト、特定のタスク（例えばランプレート制御又は需要応答）についてグリッドオペレータが入手できるコスト（又は収入）を含み得る。コスト関数のコンポーネントは、応用ごとに著しく異なり得る。スケジューリング及びディスパッチエンジン１０４は、コスト関数を全体として最適化する（例えば最小化する）ために、コスト関数の個々のコンポーネントの全ての間の最適な妥協案を見つけるように構成され得る。

[0074] スケジューリング及びディスパッチエンジン１０４は、ＥＳＳをしかるべく制御するためにＥＳＳ制御システム１０５によって実行されるためのコマンドとして、ディスパッチスケジュールをＥＳＳ制御システム１０５に伝送するように構成される。スケジューリング及びディスパッチエンジン１０４は、新たな関連データ（例えば予測エンジン１０４からの新たな予測、及び／又はデータソース１０１から提供され、データ入力インタフェース１０２によって受信される新たなライブデータ）が入手可能になり次第、固定スケジュールで又は必要に応じて手動で制御する（例えばユーザ可視化及び制御インタフェース１０８によって制御する）ことに基づいて、ＥＳＳのための新たなディスパッチスケジュールを生成するように構成され得る。

[0075] ＥＳＳ制御システム１０５は、１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバ内のソフトウェア及び／又はハードウェア形式で実装することができ、スケジューリング及びディスパッチエンジン１０４並びにデータ入力インタフェース１０２に通信可能に結合され得る。データ入力インタフェース１０２から受信されるライブデータフィードと組み合わせて、スケジューリング及びディスパッチエンジン１０４から受信されるディスパッチスケジュールに基づき、ＥＳＳ制御システム１０５は、ＥＳＳを制御するための有効電力及び無効電力等のＥＳＳシステムパラメータ１０６を決定することができる。例えばスケジューリング及びディスパッチエンジン１０４は、高速「閉ループ」制御によって達成可能な単純な目標形式で、ＥＳＳ制御システム１０５に指示を与えることができる（例えばグリッドの正味負荷を一定の閾値未満に保つこと）。この例示的実施形態では、ＥＳＳ制御システム１０５は、新たな任意の値（例えばグリッドの正味負荷の変化）が入手可能になり次第、スケジューリング及びディスパッチエンジン１０４から新たな情報を一切得ることなしに反応するように構成され得る。別の例では、ＥＳＳ制御システム１０５が「開ループ」シナリオで動作することができ、開ループシナリオでは、スケジューリング及びディスパッチエンジン１０４が、ＥＳＳ制御システム１０５に対して、固定電力を出力して他の任意の入力を無視するように命令する。全体的な応用に応じて、これらの「開ループ」モード及び「閉ループ」モードの一方又は両方を使用することができる。

[0076] 例えばデータ入力インタフェース１０２から受信されるライブデータフィードと組み合わせて、スケジューリング及びディスパッチエンジン１０４から受信されるディスパッチスケジュールに基づき、ＥＳＳ制御システム１０５は、グリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力等のＥＳＳシステムパラメータを決定することができる。これらのＥＳＳシステムパラメータは、グリッド又はマイクログリッドからどれ位の量の有効電力及び無効電力が入力され又は抽出されるのかを命令するために電池システム（例えばインバータ及び電池管理コントローラ）に送信され得る。

[0077] データヒストリアン１０７は、１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバ内に記憶される１つ又は複数のデータストアによって実装することができ、図１に示すように、データ入力インタフェース１０２、予測エンジン１０３、スケジューリング及びディスパッチエンジン１０４、及び／又はＥＳＳ制御システム１０５に通信可能に結合され得る。データヒストリアン１０７は、システム１００のこれらの及び場合によって他のコンポーネントから受信されるデータを収集し、記憶し、管理するように構成することができ、自らが受信し記憶する各情報に関連する関連メタデータ（例えば時間レコード）を更に記録することができる。データヒストリアン１０７は、予測エンジン１０３並びにユーザ可視化及び制御インタフェース１０８（以下で更に説明する）等のシステム１００の様々なコンポーネントに履歴データセットを供給するようにも構成され得る。実施形態では、データヒストリアン１０７は、幾つか例を挙げると、制御変数及び非制御変数の両方、数値データ、テキストデータ、音声データ、画像データ、映像データを含む様々な種類及び形式のデータを収集し記憶するように構成され得る。

[0078] 実施形態では、データ入力インタフェース１０２は、データヒストリアン１０７の需要及び構成に適合するやり方で（例えば必要に応じて）データソース１０１からの新たなデータを走査し収集するように構成され得る。このようにして、大きな履歴データセットをデータヒストリアン１０７にダウンロードし、データヒストリアン１０７に統合することができる。

[0079] ユーザ可視化及び制御インタフェース１０８は、幾つか例を挙げると、ＬＣＤモニタ、タッチスクリーン、スマートフォン、タブレットＰＣ等の少なくとも１つのディスプレイ装置に通信可能に結合される１つ又は複数のローカル、クラウド、及び／又はハイブリッドサーバ内のソフトウェア及び／又はハードウェア形式で実装することができる。ディスプレイ装置は、グラフィカルユーザインタフェースを表示するように構成され得る。図１に示すように、ユーザ可視化及び制御インタフェース１０８は、データ入力インタフェース１０２、予測エンジン１０３、スケジューリング及びディスパッチエンジン１０４、ＥＳＳ制御システム１０５、及び／又はデータヒストリアン１０７に通信可能に結合され得る。実施形態では、ユーザ可視化及び制御インタフェース１０８は、システム１００のコンポーネントの一部若しくは全て又はシステム１００全体の現在の及び過去の性能及び状態の両方を人間のオペレータがモニタすることを可能にするように構成され得る。実施形態では、ユーザ可視化及び制御インタフェース１０８は、十分にキュレートされたデータセットへの簡単なアクセス並びにデータヒストリアン１０７内に記憶される任意のデータへのより普遍的なアクセスを提供するように構成される、インターネットに接続されるディスプレイ装置上に表示されるグラフィカルユーザインタフェース等のウェブベースツールによって実装することができる。実施形態では、ユーザ可視化及び制御インタフェース１０８は、幾つか例を挙げると、実行のタイミング、決定のオーバーライド等の挙動を制御するためにシステム１００のコンポーネントの何れかに手動制御を送信するように構成され得る。

[0080] 図２は、本発明の例示的実施形態による、データ入力インタフェース１０２によって図１のシステム１００に提供され得るデータソースの概略図を示す。あり得るデータソースは、幾つか例を挙げると、ライブデータストリーム１１１、履歴データのバッチ集合１１２を含む。ライブデータストリーム１１１は、幾つか例を挙げると、ＥＳＳの内部の、グリッド又はマイクログリッドの内部の、又はインターネット若しくは他の公開データフィード、独自仕様の非公開第三者データフィードによって公に入手可能な、あり得る任意のデータソースを含み得る。実施形態では、これらのデータフィードは、自動のデータ収集及び接続が好ましいが、自動で又は手動で入力されるように構成され得る。実施形態では、これらのデータフィードは、予測エンジン１０３内での比較及び集約のための第三者予測を含み得る。ライブデータストリーム１１１を収集するために使用されるデータ入力インタフェース１０２内のインタフェースは、幾つか例を挙げると、フラットファイル、ウェブサービス、ＲＥＳＴ ａｐｉ、ＭＯＤＢＵＳ、ＤＮＰ３、ＨＴＴＰ、ＦＴＰ、ＸＭＬ、ＪＳＯＮ等の任意の適切なプロトコル又はデータ形式を含み得る。

[0081] 履歴データのバッチ集合１１２は、ライブデータストリームの１つ又は複数の履歴データレコードを特定して収集することを伴う。これらは独自仕様のデータソース又は公開データソースから得ることができ、データの検証及びクリーニングのために複製することができる。履歴データセットを収集するために使用されるデータ入力インタフェース１０２内のインタフェースは、幾つか例を挙げると、フラットファイル、ウェブサービス、ＲＥＳＴ ａｐｉ、ＭＯＤＢＵＳ、ＤＮＰ３、ＨＴＴＰ、ＦＴＰ、ＸＭＬ、ＪＳＯＮ等の任意の適切なプロトコル又はデータ形式を含み得る。

[0082] データ入力インタフェース１０２は、ライブデータストリーム１１１及び／又は履歴データのバッチ集合１１２等のデータソースからの入力データを収集するように構成され得る。実施形態では、システム１００内のその後の任意のコンポーネントに伝えるために、受信データが正確であり、正しい形式にあることを確実にするために、データ入力インタフェース１０２は、任意の欠落メタデータについて、検証し、クリーニングし、及び／又は検出し、入力データに追加するように更に構成され得る。データ入力インタフェース１０２は、ストリーミングデータが入手可能になるとそのストリーミングデータを処理し、入力データを処理するために予め設定された時間間隔で若しくは可変の時間間隔でルーチンを実行するように、又は手動でトリガされるルーチンを実行するように構成され得る。実施形態では、データ入力インタフェース１０２は、過去に伝えたデータがもはや有効でないこと又は更に新しいデータで置換されていることを、システム１００内のダウンストリームコンポーネントに伝達するようにも構成され得る。

[0083] 図１及び図２に示す例示的実施形態のような実施形態では、データヒストリアン１０７、予測エンジン１０３、スケジューリング及びディスパッチエンジン１０４、及びＥＳＳ制御システム１０５が、データ入力インタフェース１０２からデータ及びデータストリームを直接受信するように構成され得る。実施形態では、データフィードが一定の若しくは可変の頻度で又はコンポーネントからの要求によって設定される頻度で、システム１００のこれらのコンポーネントのそれぞれに送信され得る。

[0084] 図３は、図１のシステム１００内の予測エンジン１０３の例示的実施形態の概略図を示す。この例示的実施形態では、予測エンジン１０３が、データ入力インタフェース１０２からの最新のライブデータストリームを受信するように、また履歴データセットを求めてデータヒストリアン１０７をクエリするように構成される。

[0085] 様々なあり得る予測方法及びアルゴリズムが予測エンジン１０３によって使用され得る。各予測方法／アルゴリズムは、入力データに基づいて予測を生成するために使用することができ、幾つか例を挙げると、予測の信頼度、予測の不確実性のメトリク等、関連する統計的測定を計算するようにも構成され得る。実施形態では、予測エンジン１０３は、幾つかの予測アルゴリズムを独立に及び／又は組み合わせて使用するように構成され得る。図３は、第三者予測パススルー技法３０１、多重第三者予測集約技法３０２、履歴平均予測技法３０３、線形回帰予測技法３０４、履歴平均残余を伴う線形回帰予測技法３０５、及びニューラルネットワーク予測技法３０６という予測方法／アルゴリズムを独立に及び／又は組み合わせて使用する予測エンジン１０３のかかる一例を示す。

[0086] 第三者予測パススルー技法３０１は、１つ又は複数の外部ソースから受信される予測をそのまま使用する。

[0087] 多重第三者予測集約技法３０２は、１つ又は複数の外部ソースから受信される複数の第三者予測を収集し、それらを集約する。この集約は、加重平均、時間若しくは条件変数加重平均、ニューラルネットワーク加重、又は他の何らかの適切な集約方法によるものであり得る。

[0088] 履歴平均予測技法３０３は、特定の変数パラメータを一定に保ちながら過去の値の加重平均を計算することによって将来の値を計算する。例えば履歴平均予測技法３０３は、同じ種類の日（例えば平日又は休日）の同じ時間中の負荷の２週間の履歴平均として、将来の負荷を計算することができる。将来の値の計算中に一定に保たれる変数パラメータは、幾つか例を挙げると、時間範囲、日にちの種類、温度範囲、天候条件の範囲、日の出からの時間範囲、及び／又はイベント条件を含み得る。

[0089] 線形回帰予測技法３０４は、１つ又は複数の入力パラメータ又は予測入力パラメータの単一変数線形モデル又は多重変数線形モデルを作成することによって、将来の値を計算する。例えば、グリッド負荷は温度及び他の天候条件の関数とすることができ、将来の負荷は、それらの天候条件の予測値に基づいて線形モデルを計算することによって計算することができる。

[0090] 履歴平均残余を伴う線形回帰予測技法３０５は、単一変数線形モデル又は多重変数線形モデルに基づいて履歴値をまず正規化し、次いで他のパラメータに対する残りの信号の周期性を活用するために履歴平均手法を利用することによって将来の値を計算するという点で、履歴平均予測方法３０３及び線形回帰予測方法３０４の組み合わせに少なくとも部分的に基づく。これにより、線形モデル内で使用される変数に関する予測を利用することによって、将来の値をより正確に計算することができる。例えば、グリッド負荷データの線形回帰モデルを温度の関数として作成することができる。履歴的に適用した場合、このモデルの残余誤差は、将来の残余誤差を予測するために履歴平均予測を適用することができる周期関数であり得る。この線形回帰モデルを適用することにより、履歴グリッド負荷データを温度に対して正規化することができ、温度正規化グリッド負荷の時間及び日にちの種類の履歴平均を使用することによって、予測温度を用いて将来のグリッド負荷を予測することができる。

[0091] ニューラルネットワーク予測技法３０６は、入力変数の任意の組み合わせを取ることによって将来の値を計算する。予測問題は、大きな履歴データセットについて入力及び出力の両方を行う１組の訓練データに基づいて連続的な出力を予測する教師付き回帰問題なので、この方法では任意のニューラルネットワークアーキテクチャを利用することができる。この方法で使用される例示的なニューラルネットワークアーキテクチャは、これだけに限定されないが幾つか例を挙げると、フィードフォワードネットワーク、再帰型ネットワーク、外部入力を伴う再帰型ネットワーク、長・短期記憶（ＬＳＴＭ）ネットワーク、ゲート付き再帰型ユニット（ＧＲＵ）、シーケンス間学習等の再帰型ニューラルネットワーク（ＲＮＮ）を含み得る。例えば、現在の及び過去１５個の時間ステップの配電網負荷、温度、露点、並びに温度及び露点に関する２４時間予測を入力として有する再帰型ニューラルネットワークを構築し訓練することができる。この再帰型ニューラルネットワークは、配電網負荷に関する２４時間予測を出力として作成することができる。

[0092] 内部的に生成される（例えば第三者予測パススルー技法３０１、多重第三者予測集約技法３０２、履歴平均予測技法３０３、線形回帰予測技法３０４、履歴平均残余を伴う線形回帰予測技法３０５、及び／又はニューラルネットワーク予測技法３０６によって生成される）予測の１つ又は複数が、最終的な予測の精度を改善することを目的に、平均、加重平均、時間変数加重平均、条件変数加重平均、ニューラルネットワーク、又は他の任意のあり得る集約方法を使用して、予測集約３０７によって集約され得る。実施形態では、予測エンジン１０３によって生成される最終的な予測の精度の最終的な推定を与えるために、予測集約３０７は、集約された予測にそれぞれ関連する予測の不確実性を組み合わせるように構成され得る。

[0093] 次いで、予測エンジン１０３によって生成された予測及び予測の不確実性を、スケジュール及びディスパッチエンジン１０４に伝える。予測及び予測の不確実性は、記憶及び分析のためにデータヒストリアン１０７にも伝えることができる。

[0094] 図４は、図１のシステム１００内のスケジューリング及びディスパッチエンジン１０４の例示的実施形態の概略図を示す。この例示的実施形態では、スケジューリング及びディスパッチエンジン１０４への入力が、予測エンジン１０３から与えられる予測、並びにデータソース１０１からデータ入力インタフェース１０２を介して与えられる任意の関連ライブデータを含み得、かかる関連ライブデータは、前回の予測を計算してから変化している可能性がある。

[0095] スケジューリング及びディスパッチエンジン１０４は、予測エンジン１０３から与えられる予測に関連する予測の不確実性を扱うように構成される入力層４２０を含み得る。例えば入力層４２０は、図４に示す単一予測パススルー技法４０１、モンテカルロシナリオ生成技法４０２、及び機会制約最適化制約生成技法４０３等の様々な技法／アルゴリズムを含み得る。

[0096] 単一予測パススルー技法４０１は、受信した予測及び予測の不確実性を更なる処理又は計算なしに（以下で更に説明する）シナリオアグリゲータ４０４に単純に伝えるように構成される。

[0097] モンテカルロシナリオ生成技法４０２は、予測エンジン１０３から受信される基本予測及び予測の不確実性に基づいて、設定可能な数のあり得る将来のシナリオを作成する。次いで、この多数の予測がシナリオアグリゲータ４０４に伝えられる。

[0098] 機会制約最適化制約生成技法４０３は、シナリオアグリゲータ４０４に伝えられる確率的システム制約（例えば充電状態又は最大電力）を作成するために機会制約アルゴリズムを使用する。例えばＥＳＳディスパッチは、負荷と再生可能発電との差の関数であり得る。電気負荷又は再生可能発電予測が９０％の精度を実現できると仮定した場合、この仮定はそれぞれの量の最善の予測が１０％外れている可能性があること、及び２つの差の予測が２０％外れている可能性があることを含意する。その場合、ＥＳＳの電力要件は＋／－２０％の窓内でしか予測できず、適切な予備力を割り当てる必要がある。この例では、統計的に最適な予備力量を厳密に計算するために機会制約アルゴリズムを使用することができる。

[0099] スケジューリング及びディスパッチエンジン１０４内のシナリオアグリゲータ４０４は、例えば単一予測パススルー技法４０１、モンテカルロシナリオ生成技法４０２、及び／又は機会制約最適化制約生成技法４０３によって生成される予測シナリオの１つ又は複数の組を取り、それらを最適化ブロック４３０に伝えることができる。例えばシナリオアグリゲータ４０４は、単一予測パススルー４０１から基本となる予測を取り、モンテカルロシナリオジェネレータ４０２からモンテカルロシナリオの設定可能なサブセットを取り、それらを最適化ブロック４３０に伝えることができる。

[0100] 最適化ブロック４３０は、実際のシステムのモデリング及び最適化に多くの異なる最適化方法を使用することができる。一部の方法は他の方法よりも特定の条件に適している場合がある。例えば、単純な最適化方法は予測の不確実性に対してよりロバストである場合があり、高度の不確実性があるときより上手く機能し得る。他方で、複雑な最適化方法は予測精度が高いと推定される場合により上手く機能し得る。実施形態では、利用可能な様々な動作モード又は機能を活用するために、ＥＳＳ制御システム１０５（例えば図１参照）の或る程度複雑なバージョンをモデリングするように最適化方法を構成することができる。例えば、ＥＳＳ制御システム１０５が単純な開ループ電力出力しか可能でない場合、タイミング及び精度に関する制約を所与として全体的なコスト関数を最適化する（例えば最小化する）ことができるディスパッチスケジュール（例えばこの事例では特定の時間ステップにおける電力出力又は電力入力）を生成するように、スケジューリング及びディスパッチエンジン１０４を必要であれば構成することができる。他方で、ＥＳＳ制御システム１０５が（図５に関して以下で更に論じる）ピークシェービングモード又は負荷平準化モード等のより高度な閉ループ動作モードを含む場合、様々な時間ステップにおける配電網負荷最大閾値（例えば必要に応じて放電することによってＥＳＳが保とうと試み得る目標最大正味負荷）を規定するディスパッチスケジュールを設計することにより、スケジューリング及びディスパッチエンジン１０４がより優れた結果を達成可能であり得る。このことは、ＥＳＳがシステムの出力電力をはるかに効率的に管理することを可能にし得る。

[0101] 例えば最適化ブロック４３０は、図４に示す固定規則スケジューラ４０５、予測ベース規則スケジューラ４０６、非線形多重規則最適化スケジューラ４０７、非線形経済的最適化スケジューラ４０８、及びニューラルネットワークスケジューラ４０９等、ディスパッチスケジュールを作成するための様々な最適化方法／アルゴリズムを使用することができる。固定規則スケジューラ４０５は、受信される予測シナリオから入力を取らず、固定された構成可能パラメータに基づいてディスパッチスケジュールを作成する。例えば固定規則スケジューラ４０５は、午後３ＰＭから７ＰＭまでのＥＳＳの放電及び９ＡＭから１ＰＭまでのＥＳＳの充電を定めるディスパッチスケジュールを生成することができる。

[0102] 予測ベース規則スケジューラ４０６は、固定規則スケジューラ４０５を改善するために、予測特徴の限られたサブセットを取ることができる。例えば予測ベース規則スケジューラ４０６は、ピーク負荷とより正確に揃うように、予測されたピーク時間を使用して放電窓の時間を決めることができる。

[0103] 非線形多重規則最適化スケジューラ４０７は、ＥＳＳ資産の所有者の関心を引く目標関数を最大化しようとする。例えば、送電及び配電の電気ユーティリティの関心を引く目標関数は、１年のうちの送電ノード又は配電ノードにおける電気負荷の最大値であり得る。この代表的な応用では、ＥＳＳは、所与のＥＳＳ電力及びエネルギ容量と共にノードの負荷を最適にシェービングすることができる。実施形態では、非線形多重規則最適化スケジューラ４０７は、定められた及び設定可能な制約の何れか（例えばＥＳＳ資産がその範囲内で安全に動作することができる製造業者の仕様によるエネルギ及び電力限界）に違反することを制限され得る。この手法は、あり得る予測シナリオセットの何れかを使用して実行することができる。代替的実施形態では、非線形多重規則最適化スケジューラ４０７は、あり得る多数のディスパッチスケジュールを生成するマルチパスモンテカルロシナリオ生成技法４０２、又は単一の最適なディスパッチスケジュールを生成するために確率的制約を使用する単一パス機会制約最適化制約生成技法４０３を使用することができる。

[0104] 非線形経済的最適化スケジューラ４０８は、ＥＳＳ資産の所有者の関心を引く既定のコスト関数を最小化しようとする。例えば、再生可能発電会社の関心を引くコスト関数は、生成されるエネルギ及びそのエネルギに支払われる市場価格の積分であり得る。この代表的な応用では、ＥＳＳが、低価格の期間から高価格の期間に再生可能エネルギを時間上で移すことができる。実施形態では、非線形経済的最適化スケジューラ４０８は、定められた及び設定可能な制約の何れか（例えばＥＳＳ資産がその範囲内で安全に動作することができる製造業者の仕様によるエネルギ及び電力限界）に違反することを制限され得る。この手法は、あり得る予測シナリオセットの何れかを使用して実行することができる。代替的実施形態では、非線形経済的最適化スケジューラ４０８は、あり得る多数のディスパッチスケジュールを生成するマルチパスモンテカルロシナリオ生成技法４０２、又は単一の最適なディスパッチスケジュールを生成するために確率的制約を使用する単一パス機会制約最適化制約生成技法４０３を使用するように構成され得る。

[0105] ニューラルネットワークスケジューラ４０９は、予測、予測の不確実性、及び有用と見なされる他の任意の入力を含む設定可能な数の入力を取り、それらの入力に基づいてディスパッチスケジュールを生成することができる。例えばニューラルネットワークは、現在の予測、予測の不確実性、及びシステム状態（例えばＥＳＳの充電状態）を受け付け、次の２４時間の最適なディスパッチスケジュールを出力するように設計され訓練され得る。このニューラルネットワークは、この特定の例示的実施形態について定められるコスト関数を最適化する（例えば最小化する）ことを目的に強化学習手法を使用することによって履歴データに基づいて訓練することができる。

[0106] 最適化ブロック４３０において内部的に生成される１つ又は複数のディスパッチスケジュールは、最終的なスケジュールの最適性を改善することを目的に、平均、加重平均、時間変数加重平均、条件変数加重平均、ニューラルネットワーク、又は他の任意のあり得る集約方法を使用して、スケジュール集約４１０によって集約することができる。次いで、集約済みのディスパッチスケジュールがＥＳＳディスパッチ４１１に転送される。

[0107] ＥＳＳディスパッチ４１１は、現在のディスパッチスケジュールを受信し記憶するように構成される。実施形態では、ＥＳＳディスパッチ４１１は、ディスパッチスケジュールが正しく実行されるように正しいタイミング情報と共にコマンドを１つ又は複数のＥＳＳ制御システム１０５に送信することもできる。複数のＥＳＳ制御システム１０５がコマンドを受けている場合、ＥＳＳディスパッチ４１１は、平均、加重平均、又はニューラルネットワーク決定アルゴリズムを使用して、様々なＥＳＳ制御システムへのコマンドの分配を決定することができる。実施形態では、ＥＳＳディスパッチ４１１は、性能の分析及び可視化のために、ＥＳＳ制御システム１０５及びデータヒストリアン１０７の両方にコマンドを送信することができる。

[0108] 図５は、図１のシステム１００内のＥＳＳ制御システム１０５の例示的実施形態の概略図を示す。この例示的実施形態では、ＥＳＳ制御システム１０５への入力が、スケジューリング及びディスパッチエンジン１０４から提供される入力ディスパッチスケジュールと、データ入力インタフェース１０２を介してデータソース１０１から提供されるライブデータフィードとを含み得る。

[0109] 実施形態では、１つ又は複数の規則ベースモードがＥＳＳ制御システム１０５内に予めプログラムされ得る。規則ベースモードは、設定されたモードのパラメータに基づく異なる挙動をそれぞれ有する。例えば「ピークシェービングモード」は、ＥＳＳが配電網の負荷を継続的にモニタし、その正味負荷を「ピークシェービング閾値」と呼ばれる設定可能パラメータ未満に保つために必要なときだけ放電する閉ループモードであり得る。別の例として、単純な「手動モード」は、「有効電力」及び「無効電力」のパラメータによって指定される電力レベルにおいてＥＳＳが充電し又は放電する開ループモードであり得る。

[0110] ＥＳＳ制御システム１０５によって実行される入力ディスパッチスケジュールに基づき、様々なモード及び様々なモードパラメータを選択することができる。実施形態では、ＥＳＳ制御システム１０５が選択するために利用可能な様々なモードは、幾つか例を挙げると、スタンバイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、及び／又はランプレート管理モードを含み得る。実施形態では、ＥＳＳ制御システム１０５が選択するために利用可能な対応するモードパラメータは、例えば幾つか例を挙げると、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、及び／又は最大グリッド正味有効電力変化率を含み得る。

[0111] スタンバイモードは、対応するモードパラメータを有さない。このモードではＥＳＳは充電も放電もしない。

[0112] 手動モードのモードパラメータは有効電力及び無効電力を含み得る。手動モードでは、有効電力及び無効電力によって示される電力レベルにおいてＥＳＳが充電（又は放電）する。

[0113] 負荷平準化モードのモードパラメータは目標負荷を含み得る。負荷平準化モードでは、ＥＳＳが正味配電網負荷をモニタし、その値を目標負荷とできるだけ近く保つために充電し又は放電する。

[0114] ピークシェービングモードのモードパラメータはピークシェービング閾値を含み得る。ピークシェービングモードでは、ＥＳＳが正味配電網負荷をモニタし、その値をピークシェービング閾値以下に保つために必要に応じて放電する。

[0115] トラフ充填モードのモードパラメータはトラフ充填閾値を含み得る。トラフ充填モードでは、ＥＳＳが正味配電網負荷をモニタし、その値をトラフ充填閾値以上に保つために必要に応じて充電する。

[0116] ＳＯＣ維持モードのモードパラメータは目標ＳＯＣ及び最大電力を含み得る。ＳＯＣ維持モードでは、ＥＳＳが現在のエネルギ貯蔵充電状態を継続的にモニタし、目標ＳＯＣからできるだけ離れないように最大電力以下の電力レベルにおいて充電し又は放電する。

[0117] ランプレート管理モードのモードパラメータは最大ランプレートを含み得る。ランプレート管理モードでは、ＥＳＳが正味配電網負荷変化率（ランプレート）を継続的にモニタし、ランプレートを最大ランプレート以下に保つために必要に応じて充電し又は放電する。

[0118] ＥＳＳ制御システム１０５は、入力ディスパッチスケジュールを開ループ構成又は閉ループ構成で実行することができる。開ループ構成では、他のフィードバック変数に対する如何なる反応もなしにディスパッチスケジュールが守られる。フィードバック変数は、幾つか例を挙げると、配電網正味負荷、配電網正味負荷変化率、及び／又は現在のＥＳＳのＳＯＣを含み得る。閉ループ構成では、フィードバック変数が到着するとＥＳＳ制御システム１０５がそのフィードバック変数に例えば１秒又は１秒未満の周期性で反応する。

[0119] （図５に不図示の）実施形態では、他の閉ループ制御モードがＥＳＳ制御システム１０５による選択のために利用可能であり得る。かかる閉ループ制御モードは、幾つか例を挙げると、エクスポート限定モード、エクスポート最大化モード、エクスポート平滑化モード、インポート限定モード、及び／又はグリッドサポートモードを含み得る。

[0120] 例えばＥＳＳが可変発電機（例えば太陽発電機）と対にされ、複合ユーティリティの電力出力がユーティリティとの合意によって又はハードウェア電力限界によって限定される場合、可変発電機の出力が高くなり過ぎた場合にのみ充電し、それにより複合ユーティリティの正味出力を最大値未満に保つようにＥＳＳをエクスポート限定モードの下で構成することができる。

[0121] 別の例では、ＥＳＳが可変発電機（例えば太陽発電機）と対にされ、複合ユーティリティの電力出力がユーティリティとの合意によって又はハードウェア電力限界によって限定される場合、可変発電機の出力が最大値を下回る場合にのみ放電し、それにより複合ユーティリティの正味出力を最大値とできるだけ近く保つようにＥＳＳをエクスポート最大化モードの下で構成することができる。

[0122] 更に別の例では、ＥＳＳが可変発電機（例えば太陽発電機）と対にされ、複合ユーティリティの電力出力がユーティリティとの合意によって又はハードウェア電力限界によって限定される場合、複合ユーティリティの正味電力出力を最大値とできるだけ近く保つために必要に応じて充電し又は放電するようにＥＳＳをエクスポート平滑化モードの下で構成することができる。

[0123] 更に別の例では、ＥＳＳが可変発電機（例えば太陽発電機）と対にされ、ＥＳＳが配電網からではなくその可変発電機から生じるエネルギからしか充電することを要求されない場合、その可変発電機の出力をモニタし、その可変発電機の瞬時電力出力以下の電力レベルでのみ充電するようにＥＳＳをインポート限定モードの下で構成することができる。

[0124] 別の例では、変電所における正味負荷が一定のバンド（例えば総負荷の１０％～８０％）内に留まらなければならない場合、所要のバンドから外れないように変電所における正味負荷を人為的に上げる又は下げるために自動で充電し又は放電するようにＥＳＳをグリッドサポートモードの下で構成することができる。

[0125] 実行されているディスパッチスケジュールに基づいてモード及びモードパラメータを選択することに応答し、ＥＳＳ制御システム１０５内の電力コマンド分配５０２が、１つ又は複数のＥＳＳシステム（例えば幾つか例を挙げるとインバータ、電池管理システム、電池）に例えば有効電力及び無効電力コマンド１０６を送信することができる。電力コマンド分配５０２によってコマンドされる全体的な有効電力及び無効電力は、平均法又は加重平均法によって、使用可能なシステム間で分けることができ、コマンドを受けた全ＥＳＳシステムにわたって均等な充電状態を維持すること等の所定の目標を維持しようとすることができる。電力コマンド分配５０２は、幾つか例を挙げると、ＭＯＤＢＵＳ、ＤＮＰ３、ＣＡＮ、ＮＭＥＡ０１８３等の任意の適切な通信プロトコル又はデータ形式を利用することができる。

[0126] ＥＳＳ制御システム１０５によって生成される制御出力信号は、コマンド１０６を受けたＥＳＳシステムのそれぞれに送信され得る。ＥＳＳ制御システム１０５からの制御出力信号は、可視化及び性能分析のためにデータヒストリアン１０７にも送信することができる。

[0127] １つ又は複数のＥＳＳシステムのための最適化されたディスパッチスケジュールを生成するための図１に示すシステム１００は、様々な目的及び目標のために様々なやり方で実装し構成することができる。図６は、図１のシステム１００の例示的実装形態を示す概略図である。

[0128] この例示的実施形態では、データソース１０１によってシステム１００に提供される履歴、ライブ、及び／又は予測データが、例えば前日市場及び当日市場のエネルギ価格及びアンシラリサービス価格を含み得る。データソース１０１内の履歴、ライブ、及び／又は予測データは、幾つか例を挙げると、天候、電気需要、及び／又は発電機の可用性に関する情報も含み得る。

[0129] この例示的実施形態では、予測エンジン１０３が、履歴的な負荷、天候、発電機の可用性、並びにエネルギ製品及びアンシラリサービス製品それぞれの価格を例えばニューラルネットワークによって相関させ、天候及び発電機の可用性の進行中の予測を使用して、負荷及び価格の予測並びに予測の不確実性の両方を解決するように構成され得る。

[0130] 例えば数分のように短くあり得る及び数日のように長くあり得るコスト最適化関数が実行される各期間（「最適化範囲」）について、予測エンジン１０３は、それぞれの日にちの時間ごとの前日市場の価格及び当日市場の価格等の幾つかの市場価格を計算するように構成され得る。実施形態では、前日市場の価格とは、実際に届けられるよりも前の日に約束された発電について発電機に支払われる価格である。実施形態では、当日市場の価格とは、過去に約束されていないがリアルタイムで必要とされる発電について発電機に支払われる価格である。

[0131] 図７において更に説明するように、この例示的実施形態では、スケジューリング及びディスパッチエンジン１０４は、幾つかの市場での幾つかの製品の将来の価格予測に関する情報及び対応する予測の不確実性を使用して、ＥＳＳのための最適なディスパッチスケジュールを継続的に生成するように構成され得る。

[0132] 図７は、図６のシステム１００内のスケジューリング及びディスパッチエンジン１０４の例示的実装形態の概略図である。この例示的実施形態では、スケジューリング及びディスパッチエンジン１０４がモンテカルロシナリオ生成技法４０２を使用して、エネルギ価格及びアンシラリサービス価格のそれぞれに関する並びに前日市場及び当日市場のそれぞれに関する最適化範囲に及ぶ１つ又は複数のあり得る予測シナリオを作成する。

[0133] モンテカルロシナリオジェネレータ４０２から予測シナリオを受信すると、シナリオアグリゲータ４０４がエネルギ価格及びアンシラリサービス価格それぞれのシナリオの一部をダウンセレクトすることができる。ダウンセレクトは、例えば互いにより似ている、互いとより異なる、又はシナリオの母集団にわたってランダムに分布する、エネルギ価格及びアンシラリサービス価格のシナリオを選択することによって行うことができる。シナリオアグリゲータ４０４は、より少数の代表的なシナリオを検討するために価格シナリオのそれぞれをダウンサンプリングし、それにより、さもなければ高価な計算資源を必要とする非常に複雑な問題のデータポイント数及び次元数を減らすようにも構成され得る。

[0134] この例示的実施形態では、平均予測前日価格及び当日価格並びに対応する不確実性を検討して、前日市場及び当日市場においてエネルギ貯蔵電力及びエネルギ資源の一部を最適に割り当てるために、非線形経済的最適化スケジューラ４０８を使用することができる。例えば前日市場で約束されるエネルギ貯蔵資源は、当日価格に対する前日価格の比率に比例し、当日の不確実性に対する前日の不確実性の比率に反比例し得る。実施形態では、非線形経済的最適化スケジューラ４０８は、前日市場及び当日市場内で入手可能な全てのエネルギ製品及びアンシラリサービス製品に対して加重されるバリュー関数を最大化するために（以下の例を参照）、前日市場及び当日市場のそれぞれにおいて資源を最適に割り当てるように更に構成され得る。例えばエネルギ裁定取引の値がアンシラリサービス価格の値よりも大幅に高い場合、前日市場においてスケジュールされたエネルギ貯蔵資源は殆どエネルギに割り当てることができる。バリュー関数の最適化は、例えばエネルギ貯蔵資源の制約を受ける線形計画法又は非線形計画法によって達成することができる。実施形態では、各市場内の各製品について幾つかのモンテカルロ生成ディスパッチスケジュールが作成されるように、非線形経済的最適化スケジューラ４０８は、エネルギ及びアンシラリサービスのダウンセレクトされた及びダウンサンプリングされたモンテカルロ価格シナリオのあり得る全ての組み合わせにわたって、かかる最適化を行うように構成され得る。

[0135] この例示的実施形態では、スケジュールアグリゲータ４１０が、各市場内の各製品に関する統計的に最適な単一のディスパッチスケジュールへと、各市場内の各製品に関する幾つかのモンテカルロディスパッチスケジュールを平均することができ、その統計的に最適な単一のディスパッチスケジュールはＥＳＳディスパッチ４１１によって受信され記憶され得る。それを受けてＥＳＳディスパッチ４１１は、性能の分析及び可視化のために最適なディスパッチスケジュールを実行するためのコマンドを、ＥＳＳ制御システム１０５に、更にはデータヒストリアン１０７にも送信することができる。

[0136] 図８は、本発明の例示的実施形態による、図１のシステムの別の例示的実装形態の概略図である。この例示的実装形態は太陽エネルギ及び貯蔵の応用に関する。

[0137] この例示的実施形態では、幾つか例を挙げると、正味負荷、太陽発電、温度、温度予測等の様々なデータソース１０１がデータ入力インタフェース１０２に提供され、データ入力インタフェース１０２によって読み取られ得る。データ入力インタフェース１０２は、記憶し後で取得するためにデータの到着時にそのデータをデータヒストリアン１０７に伝え、最新のデータを予測エンジン１０３に伝えるように構成され得る。

[0138] 予測エンジン１０３は、データ入力インタフェース１０２から新たなデータを受信し、予測アルゴリズムが必要とするとき履歴データセット（例えば幾つか例を挙げると、正味負荷、太陽発電、温度）を求めてデータヒストリアン１０７をクエリするように構成され得る。予測エンジン１０３は、スケジューリング及びディスパッチエンジン１０４のための例えば正味負荷及び／又は太陽発電の予測をもたらすために、入力データ及び履歴データを処理する。

[0139] スケジューリング及びディスパッチエンジン１０４は、予測エンジン１０３から予測を受信し、最新の既知のシステム制約（例えば電池の実容量）を求めてデータヒストリアン１０７をクエリすることができる。スケジューリング及びディスパッチエンジン１０４は、予測及びシステム制約を処理して特定の目標あたりで最適化する（例えばピーク正味負荷を最小化する）ディスパッチスケジュールを生成し、そのディスパッチスケジュールを内部的に且つデータヒストリアン１０７内に記憶することができる。次いでスケジューリング及びディスパッチエンジン１０４は、ディスパッチスケジュール及び時間が定める通りに適切なコマンドを実行のためにＥＳＳ制御システム１０５に伝えることができる。それらのコマンドは動作モード及び動作モードパラメータを含み得る。

[0140] スケジューリング及びディスパッチエンジン１０４からコマンドを受信すると、ＥＳＳ制御システム１０５は、ディスパッチスケジュールを実行するために、幾つか例を挙げると有効電力、無効電力等の必要なＥＳＳシステムパラメータ１０６を下位レベルコントローラに伝達することができる。

[0141] 図９は、本発明の例示的実施形態による、図８のシステム１００内の太陽エネルギ及び貯蔵の応用のための予測エンジン１０３の例示的実装形態の概略図である。予測エンジン１０３は、データ入力インタフェース１０２からライブデータ更新を受信し、データヒストリアン１０７から最近の（例えば過去数時間又は数日の）履歴データセットを含む必要なトレーリング履歴（trailing history）を受信するように構成され得る。この例示的実施形態では、予測エンジン１０３が、例えば履歴平均残余を伴う線形回帰予測３０５及びニューラルネットワーク予測３０６のための２つの予測アルゴリズムを同時に並行して実行して、２つの予測を作成することができる。

[0142] 履歴平均残余を伴う線形回帰予測技法３０５は、線形回帰モデルを作成し、それを例えば１日のうちの時間及び日にちの種類に基づいて履歴平均残余誤差の予測と組み合わせる。第三者の温度予測を利用することにより、このモデルは負荷を予測することができる。太陽発電を予測するために履歴平均予測を使用することができる。これらの負荷及び太陽発電の予測を組み合わせて、正味負荷の予測を生成することができる。

[0143] ニューラルネットワーク予測３０６は、最近の履歴データセットに基づいて将来の負荷を計算するために訓練されたＲＮＮを利用するように構成され得る。このニューラルネットワークは、適切な履歴データセットに基づいてオフラインで訓練することができる。例えばＲＮＮアーキテクチャは、予測されているパラメータのトレーリング履歴（例えば過去６時間の負荷）を入力として使用し、それを使用して次の時間ステップを予測する。過去６時間の温度及び現在の予測温度等の他のパラメータもアルゴリズム内で使用することができる。

[0144] 予測集約３０７は、履歴平均残余を伴う線形回帰予測技法３０５及びニューラルネットワーク予測技法３０６によって生成される両方の正味負荷予測を受信するように構成され得る。各予測内の履歴的に予期される不確実性に応じて、予測集約３０７は予測の１つを選択し又は予測を平均し、その結果生じる予測をスケジュール及びディスパッチエンジン１０４並びにデータヒストリアン１０７に伝えるように構成され得る。実施形態では、予測集約３０７は、幾つか例を挙げると、時刻、曜日、季節、利用可能な履歴データセットのサイズ、及び／又は自己報告された予測の信頼度／不確実性等の様々な要因を使用して、どの予測又は予測のどの加重平均を使用するのかを決定することができる。

[0145] 図１０は、図８のシステム１００内の太陽エネルギ及び貯蔵の応用のためのスケジューリング及びディスパッチエンジン１０４の例示的実装形態の概略図である。この例示的実施形態では、スケジューリング及びディスパッチエンジン１０４は、予測エンジン１０３から正味負荷予測及び予測の不確実性を受信し、データ入力インタフェース１０２から現在のシステム制約を受信するように構成され得る。これらの入力に基づき、モンテカルロシナリオ生成技法４０２を使用して、予測の不確実性に基づいて現在の予測に対する所定数の順列を生成することができる。

[0146] シナリオアグリゲータ４０４は、例えば幾つか例を挙げると、システム構成、利用可能な計算時間及び資源、及び／又は報告された予測の不確実性に基づいて、それらのモンテカルロ予測シナリオのサブセットを選択するように構成され得る。

[0147] 非線形多重規則最適化スケジューラ４０７は、生成されたモンテカルロ予測シナリオのそれぞれに対して実行して、所要の制約（例えば電池の充電状態、システム電力等）に準拠しながら目標を最適化する（例えばＥＳＳの動作後のピーク正味負荷を最小化する）ＥＳＳディスパッチスケジュールを見つける。このようにして、非線形多重規則最適化スケジューラ４０７は、モンテカルロ予測シナリオのそれぞれについて最適なディスパッチスケジュールを生成し、それらをスケジュール集約４１０に伝える。スケジュール集約４１０は、受信したディスパッチスケジュールを（例えば平均、加重平均、時間変数加重平均、条件変数加重平均、ニューラルネットワーク等によって）平均して、最終的なディスパッチスケジュールを作成することができる。

[0148] ＥＳＳディスパッチ４１１は、スケジュール集約４１０から最終的なディスパッチスケジュールを受信し記憶する。ＥＳＳディスパッチ４１１は、最終的なディスパッチスケジュールをデータヒストリアン１０７に保存し、最終的なディスパッチスケジュールに基づくコマンドを適切な時間においてＥＳＳ制御システム１０５に送信することができる。

[0149] 図１１は、本発明の例示的実施形態による、図１のシステム１００のまた別の例示的実装形態の概略図である。この例示的実施形態は、独立ＥＳＳ独立系統運用機関のための需要電力料金低減応用のために実装することができる。

[0150] この例示的実施形態では、様々なデータソース１０１がデータ入力インタフェース１０２に提供され、データ入力インタフェース１０２によって読み取られ得る。あり得るデータソース１０１は、履歴の及び予測された天候、独立系統運用機関のＥＳＳシステム情報、及び／又は履歴負荷及び電気料金等の追加の変数を含み得る。変数は、独立系統運用機関及び独立系統運用機関が提供するデータに依存し得る。データ入力インタフェース１０２は、予測及びディスパッチスケジュールの生成に関連する全てのデータを収集するように構成され得る。次いでデータ入力インタフェース１０２は、それらのデータフィードを必要とし得るシステム１００内の様々なブロックに、それらのデータフィードをルートする。

[0151] 予測エンジン１０３は、データ入力インタフェース１０２及びデータヒストリアン１０７のそれぞれから新たなデータ及び履歴データを収集することができる。予測エンジン１０３は、例えば次の２４時間のそれぞれの中で発生するシステムピークの確率を推定するために、このデータを使用するように構成され得る。実施形態では、予測エンジン１０３は、新たな関連データが入手可能になり次第、新たな予測を生成するように構成され得る。

[0152] この例示的実施形態では、スケジューリング及びディスパッチエンジン１０４が、予測エンジン１０３によって生成される予測を取り、図４及び図７に関して上記で説明したような様々な方法により、例えばピーク時中の顧客負荷を最小化するように構成される最適なディスパッチスケジュールを決定することができる。次いで、このディスパッチスケジュールは、実行のためにコマンドとしてＥＳＳ制御システム１０５に送信される。実施形態では、スケジューリング及びディスパッチエンジン１０４は、新たな関連データが入手可能になり次第、新たなディスパッチスケジュールを生成するように構成され得る。

[0153] ＥＳＳ制御システム１０５は、スケジューリング及びディスパッチエンジン１０４からコマンドを受信する。データ入力インタフェース１０２からのライブデータフィードと組み合わせて、受信したコマンドに基づき、ＥＳＳ制御システム１０５は、幾つか例を挙げると、有効電力、無効電力等のＥＳＳシステムパラメータ１０６を決定することができ、これらのパラメータは、自らが直接又は間接的に接続され得るグリッド又はマイクログリッドから電力を入力し又は抽出すること等、ＥＳＳ制御システム１０５が実行し得るアクションを決定する。実施形態では、グリッド又はマイクログリッドからどれ位の量の有効電力及び無効電力が入力され又は抽出されるのかを命令するために、ＥＳＳ制御システム１０５が、電池システム（例えばインバータ、電池管理コントローラ等）にＥＳＳシステムパラメータ１０６を送信することができる。

[0154] データヒストリアン１０７は、自らに伝えられる全てのデータを収集し、記憶し、管理するように構成され得る。加えてデータヒストリアン１０７は、記憶され記録されている各情報について時間及び他の任意の関連メタデータを記録するように更に構成され得る。実施形態では、データヒストリアン１０７は、予測エンジン１０３並びにユーザ可視化及び制御インタフェース１０８等のシステム１００内の様々なブロックに履歴データセットを供給するように構成され得る。

[0155] ユーザ可視化及び制御インタフェース１０８は、システム１００全体の現在の及び過去の性能及び状態の両方を人間のオペレータがモニタすることを可能にするように構成され得る。例えばユーザ可視化及び制御インタフェース１０８は、十分にキュレートされたデータセットへの簡単なアクセス並びにデータヒストリアン１０７内に記憶される任意の値へのより普遍的なアクセスを与えるウェブベースツールによって少なくとも部分的に実装することができる。ユーザ可視化及び制御インタフェース１０８は、幾つか例を挙げると、実行のタイミング、決定のオーバーライド等の挙動を制御するために、システム１００内のブロックの何れかに手動制御を送信するようにも構成され得る。

[0156] 図１２は、本発明の例示的実施形態による、図１１のシステム内の需要電力料金低減応用のための予測エンジン１０３並びにスケジューリング及びディスパッチエンジン１０４の例示的実装形態の概略図である。この例示的実施形態では、予測エンジン１０３が、データ入力インタフェース１０２からライブデータ更新１０１を受信すると共に、データヒストリアン１０７から最近の履歴データセット（例えば過去６時間のグリッド負荷）を含む必要なトレーリング履歴を受信することができる。予測エンジン１０３は、入力データに基づいてニューラルネットワーク予測技法３０６を使用して、例えば次の２４時間のうちの各時間がシステムピーク時間になる確率を求めることができる。このシステムピーク時間の予測は、スケジュール及びディスパッチエンジン１０４に伝えられる。

[0157] この例示的実施形態では、スケジュール及びディスパッチエンジン１０４が、予測を更に処理することなしに及び予測をシナリオアグリゲータ４０４に通すことなしに、単一予測パススルー技法４０１を使用して、受信済みの予測を予測ベース規則スケジューラ４０６に伝えることができる。予測ベース規則スケジューラ４０６は、例えばピーク時中のＥＳＳ出力を最大化することを目的に、受信した予測及びＥＳＳの状態に基づいて最適なディスパッチスケジュールを生成するように構成され得る。生成されたディスパッチスケジュールは、システムディスパッチを決定し、それをＥＳＳ制御システム１０５に伝えるＥＳＳディスパッチ４１１に伝えられる。実施形態では、予測エンジン１０３によってもたらされる予測並びにスケジューリング及びディスパッチエンジン１０４によって生成されるディスパッチスケジュールは、例えば将来の予測を知らせるために並びにユーザ可視化及び制御インタフェース１０８（図１２には不図示）内で使用するために、データヒストリアン１０７にも送信することができる。

[0158] 本明細書に記載した内容は、デジタル電子回路によって、又は本明細書で開示した構造的手段を含むコンピュータソフトウェア、ファームウェア、若しくはハードウェア、及びその構造的な等価物によって、又はそれらの組み合わせによって実装することができる。本明細書で開示した内容は、データ処理機器（例えば幾つか例を挙げるとプログラム可能プロセッサ、コンピュータ、複数のコンピュータ）によって実行されるために、又はかかるデータ処理機器の動作を制御するために非一時的情報担体内に（例えば機械可読記憶装置内に）有形に具体化される又は伝搬信号内に具体化される１つ又は複数のコンピュータプログラム等、１つ又は複数のコンピュータプログラム製品として実装することができる。本明細書に記載した内容は１つ又は複数のローカルサーバ、クラウドサーバ、及び／又はハイブリッドサーバによって、及び／又は１つ若しくは複数のローカルデータストア、クラウドデータストア、及び／又はハイブリッドデータストアによって実装することができる。コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとしても知られる）は、コンパイラ型言語又はインタプリタ型言語を含む任意の形式のプログラミング言語で書くことができ、独立プログラムとして、又はモジュール、コンポーネント、サブルーチン、若しくは計算環境内で使用するのに適した他のユニットを含む任意の形で展開することができる。コンピュータプログラムは必ずしもファイルに対応しない。プログラムは、他のプログラム又はデータを保持するファイルの一部の中に、当該プログラムに充てられる単一のファイル内に、又は複数の協調ファイル（例えば１つ又は複数のモジュール、サブプログラム、又はコードの一部を記憶するファイル）内に記憶することができる。コンピュータプログラムは、１つの場所にある又は複数の場所にわたって分散され通信ネットワークによって相互接続される１台のコンピュータ上で又は複数台のコンピュータ上で実行されるように展開され得る。

[0159] 本明細書に記載した内容の方法ステップを含む、本明細書に記載したプロセス及び論理の流れは、入力データに作用して出力を生成することによって本明細書に記載した内容の機能を実行するための１つ又は複数のコンピュータプログラムを実行する１つ又は複数のプログラム可能プロセッサによって実行され得る。これらのプロセス及び論理の流れは専用論理回路、例えば幾つか例を挙げるとＦＰＧＡ（書換可能ゲートアレイ）又はＡＳＩＣ（特定用途向け集積回路）によって実行することもでき、本明細書に記載した内容の機器もかかる専用論理回路として実装することができる。

[0160] コンピュータプログラムの実行に適したプロセッサは、例として汎用マイクロプロセッサ及び専用マイクロプロセッサの両方、並びに任意の種類のデジタルコンピュータの任意の１つ又は複数のプロセッサを含む。概して、プロセッサは読取専用メモリ若しくはランダムアクセスメモリ又はその両方から命令及びデータを受信する。コンピュータの必須要素は、命令を実行するためのプロセッサ並びに命令及びデータを記憶するための１つ又は複数のメモリ装置である。概してコンピュータは、データを受信するために又はデータを転送するために又はその両方を行うために、データを記憶するための１つ又は複数の大容量記憶装置、例えば磁気ディスク、光磁気ディスク、若しくは光ディスクも含み、又はそれらに動作可能に結合される。コンピュータプログラム命令及びデータを実装するのに適した情報担体は、例として半導体メモリ装置（例えば消去プログラム可能読取専用メモリ（ＥＰＲＯＭ）、電気的消去プログラム可能読取専用メモリ（ＥＥＰＲＯＭ）、及びフラッシュメモリ装置）、磁気ディスク（例えば内蔵ハードディスク又はリムーバブルディスク）、光磁気ディスク、並びに光ディスク（例えばコンパクトディスク（ＣＤ）及びデジタル多用途ディスク（ＤＶＤ））を含むあらゆる形式の不揮発性メモリを含む。プロセッサ及びメモリは、専用論理回路によって補足されてもよく又はそれらに組み込まれてもよい。

[0161] ユーザとのインタラクションを可能にするために、本明細書に記載した内容は、ユーザに情報を表示するためのディスプレイ装置、例えばＣＲＴ（ブラウン管）モニタ又はＬＣＤ（液晶ディスプレイ）モニタと、それによりユーザがコンピュータに入力を与えることができるキーボード及びポインティング装置（例えばマウス又はトラックボール）又はタッチスクリーンとを有するコンピュータ上で実装することができる。ユーザとの対話を可能にするために他の種類の装置（例えば幾つか例を挙げるとスマートフォン、タブレットＰＣ）も使用することができる。例えばユーザに与えられるフィードバックは任意の形式の感覚フィードバック（例えば幾つか例を挙げると視覚的フィードバック、聴覚フィードバック、又は触覚フィードバック）とすることができ、ユーザからの入力は音響入力、音声入力、又は触覚入力を含む任意の形式で受け付けることができる。

[0162] 本明細書に記載した内容は、バックエンドコンポーネント（例えばデータサーバ）、ミドルウェアコンポーネント（例えばアプリケーションサーバ）、又はフロントエンドコンポーネント（例えばそれによりユーザが本明細書に記載した内容の実装と対話することができるグラフィカルユーザインタフェース又はウェブブラウザを有するクライアントコンピュータ）、又はかかるバックエンドコンポーネント、ミドルウェアコンポーネント、及びフロントエンドコンポーネントの任意の組み合わせを含む計算システムによって実装することができる。システムのコンポーネントはデジタルデータ通信の任意の形式又は媒体、例えば通信ネットワークによって相互接続され得る。通信ネットワークの例は、ローカルエリアネットワーク（「ＬＡＮ」）及び広域ネットワーク（「ＷＡＮ」）、例えばインターネットを含む。

[0163] 上記の内容は本発明の例示的実施形態についての詳細な説明だった。本発明の趣旨及び範囲から逸脱することなしに様々な修正及び追加を行うことができる。上記で説明した様々な実施形態のそれぞれは、複数の特徴を提供するために記載した他の実施形態と組み合わせることができる。更に、上記では本発明の方法論及びツールの幾つかの別個の実施形態について説明したが、本明細書に記載した内容は本発明の原理の応用の例示に過ぎない。例えば本明細書に記載したコンポーネントの外観、特徴、入出力、及び数学アルゴリズムは特定の応用に適合するように変えることができる。従って、この説明は本発明の範囲を別様に限定するのではなく、専ら例として解釈されるように意図されている。

[0164] 特定の機能又はコンポーネントをそれぞれ実行する又は含める「ことができる（can）」又は「場合がある（may）」限りにおいて、識別された機能又はコンポーネントは全ての実施形態で必ずしも必要ではなく、本発明の特定の実施形態から省くことができる。

[0165] 上記の説明が「発明」又は「本発明」に言及する限りにおいて、本開示は複数の発明を含む場合がある。

Claims (54)

1. １つ又は複数のエネルギ貯蔵システムの動作を制御するための方法であって、
   （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、少なくとも１つのコンピュータを含むコンピュータシステムにおいて受信するステップと、
   （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップと、
   （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、前記最適なディスパッチスケジュールを決定することが、
   （ｉ）単一予測パススルー技法、モンテカルロシナリオ生成技法、及び最適化制約生成技法のうちの少なくとも１つを使用して、１つ又は複数の予測シナリオを前記コンピュータシステムによって生成すること、
   （ｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を最適化のために前記コンピュータシステムによって選択すること、
   （ｉｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの前記選択済みの１つ又は複数の組に、１つ又は複数の最適化技法を適用することにより、１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって生成することであって、前記１つ又は複数の最適化技法は、固定規則スケジューラ、予測ベース規則スケジューラ、非線形多重規則最適化スケジューラ、非線形経済的最適化スケジューラ、及びニューラルネットワークスケジューラのうちの少なくとも１つを含む、生成すること、及び
   （ｉｖ）平均、加重平均、時間変数加重平均、又はニューラルネットワークを使用し、前記１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって集約して、前記最適なディスパッチスケジュールを作成すること
   を含む、ステップと、
   （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
   （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
   を含む、方法。
2. 前記１つ又は複数の予測技法が、第三者予測パススルー技法、多重第三者予測集約技法、履歴平均予測技法、線形回帰予測技法、及びニューラルネットワーク予測技法のうちの少なくとも１つを含む、請求項１に記載の方法。
3. １つ又は複数の予測を計算する前記ステップ（ｂ）が、平均、加重平均、時間変数加重平均、又はニューラルネットワークを使用し、前記計算済みの１つ又は複数の予測を前記コンピュータシステムによって集約することを含む、請求項１に記載の方法。
4. 前記最適なディスパッチスケジュールを使用する前記ステップ（ｄ）が、前記最適なディスパッチスケジュールと前記１つ又は複数のデータソースから受信される前記ライブデータとに基づいて、１つ又は複数のモード及び１つ又は複数のモードパラメータを前記コンピュータシステムによって選択することを含み、前記１つ又は複数のモードは、スタン
   バイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、及びランプレート管理モードのうちの少なくとも１つを含み、前記１つ又は複数のモードパラメータは、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、及び最大グリッド正味有効電力変化率のうちの少なくとも１つを含む、請求項１に記載の方法。
5. 前記ステップ（ａ）における前記ライブ、履歴、又は予測データは、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含む、請求項１に記載の方法。
6. 前記ステップ（ａ）における前記ライブ、履歴、又は予測データが、変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含む、請求項１に記載の方法。
7. 前記１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含む、請求項１に記載の方法。
8. 前記ステップ（ｂ）における前記１つ又は複数のパラメータが、グリッド正味負荷、再生可能発電、再生不可能発電、市場価格、及び顧客負荷のうちの少なくとも１つを含む、請求項１に記載の方法。
9. １つ又は複数の予測を計算する前記ステップ（ｂ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな予測を前記コンピュータシステムによって生成することを含む、請求項１に記載の方法。
10. 前記ライブデータが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む、請求項１に記載の方法。
11. 前記履歴データが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む、請求項１に記載の方法。
12. 最適なディスパッチスケジュールを決定する前記ステップ（ｃ）が、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな最適なディスパッチスケジュールを前記コンピュータシステムによって生成することを含む、請求項１に記載の方法。
13. 前記１つ又は複数のエネルギ貯蔵システムパラメータが、有効電力又は無効電力を含む、請求項１に記載の方法。
14. １つ又は複数のエネルギ貯蔵システムの動作を制御するためのコンピュータシステムであって、
    １つ又は複数のプロセッサと、
    前記１つ又は複数のプロセッサに動作可能に接続され、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、前記コンピュータシステムにおいて受信するステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、最適なディスパッチスケジュールを決定することが、
    （ｉ）単一予測パススルー技法、モンテカルロシナリオ生成技法、及び最適化制約生成技法のうちの少なくとも１つを使用して、１つ又は複数の予測シナリオを前記コンピュータシステムによって生成すること、
    （ｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を最適化のために前記コンピュータシステムによって選択すること、
    （ｉｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの前記選択済みの１つ又は複数の組に、１つ又は複数の最適化技法を適用することにより、１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって生成することであって、前記１つ又は複数の最適化技法は、固定規則スケジューラ、予測ベース規則スケジューラ、非線形多重規則最適化スケジューラ、非線形経済的最適化スケジューラ、及びニューラルネットワークスケジューラのうちの少なくとも１つを含む、生成すること、及び
    （ｉｖ）平均、加重平均、時間変数加重平均、又はニューラルネットワークを使用し、前記１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって集約して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を前記コンピュータシステムに実行させるために、前記１つ又は複数のプロセッサによって実行可能な命令を記憶している１つ又は複数のメモリと
    を含む、コンピュータシステム。
15. 前記１つ又は複数の予測技法が、第三者予測パススルー技法、多重第三者予測集約技法、履歴平均予測技法、線形回帰予測技法、及びニューラルネットワーク予測技法のうちの少なくとも１つを含む、請求項１４に記載のコンピュータシステム。
16. １つ又は複数の予測を計算する前記ステップ（ｂ）が、平均、加重平均、時間変数加重平均、又はニューラルネットワークを使用し、前記計算済みの１つ又は複数の予測を前記コンピュータシステムによって集約することを含む、請求項１４に記載のコンピュータシステム。
17. 前記最適なディスパッチスケジュールを使用する前記ステップ（ｄ）が、前記最適なディスパッチスケジュールと前記１つ又は複数のデータソースから受信される前記ライブデータとに基づいて、１つ又は複数のモード及び１つ又は複数のモードパラメータを前記コンピュータシステムによって選択することを含み、前記モードは、スタンバイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、及びランプレート管理モードを含み、前記モードパラメータは、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、及び最大グリッド正味有効電力変化率を含む、請求項１４に記載のコンピュータシステム。
18. 前記ステップ（ａ）における前記ライブ、履歴、又は予測データは、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含む、請求項１４に記載のコンピュータシステム。
19. 前記ステップ（ａ）における前記ライブ、履歴、又は予測データが、変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含む、請求項１４に記載のコンピュータシステム。
20. 前記１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含む、請求項１４に記載のコンピュータシステム。
21. 前記ステップ（ｂ）における前記１つ又は複数のパラメータが、グリッド正味負荷、再生可能発電、再生不可能発電、市場価格、及び顧客負荷のうちの少なくとも１つを含む、請求項１４に記載のコンピュータシステム。
22. １つ又は複数の予測を計算する前記ステップ（ｂ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな予測を前記コンピュータシステムによって生成することを含む、請求項１４に記載のコンピュータシステム。
23. 前記ライブデータが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む、請求項１４に記載のコンピュータシステム。
24. 前記履歴データが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、及びユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む、請求項１４に記載のコンピュータシステム。
25. 最適なディスパッチスケジュールを決定する前記ステップ（ｃ）が、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな最適なディスパッチスケジュールを前記コンピュータシステムによって生成することを含む、請求項１４に記載のコンピュータシステム。
26. 前記１つ又は複数のエネルギ貯蔵システムパラメータが有効電力又は無効電力を含む、請求項１４に記載のコンピュータシステム。
27. 前記１つ又は複数のプロセッサ及び前記１つ又は複数のメモリの少なくとも１つに動作可能に接続されるデータ入力インタフェースを更に含み、前記データ入力インタフェースが前記ライブ、履歴、又は予測データを前記１つ又は複数のデータソースから受信するように構成される、請求項１４に記載のコンピュータシステム。
28. 前記データ入力インタフェースが、前記受信済みのライブ、履歴、又は予測データに関連する欠落メタデータを検出し、前記受信済みのライブ、履歴、又は予測データに前記欠落メタデータを追加するように構成される、請求項２７に記載のコンピュータシステム。
29. 前記１つ又は複数のプロセッサ及び前記１つ又は複数のメモリの少なくとも１つに動作可能に接続されるユーザ可視化及び制御インタフェースを更に含む、請求項１４に記載のコンピュータシステム。
30. 前記ユーザ可視化及び制御インタフェースが、ディスプレイ装置上に表示されるウェブベースのグラフィカルユーザインタフェースを含む、請求項２９に記載のコンピュータシステム。
31. 前記１つ又は複数のプロセッサ及び前記１つ又は複数のメモリの少なくとも１つに動作可能に接続される１つ又は複数のデータストアを含むデータヒストリアンを更に含み、前記１つ又は複数のデータストアは前記コンピュータシステムによって受信され生成されるデータを収集し記憶するように構成される、請求項１４に記載のコンピュータシステム。
32. 少なくとも１つのコンピュータを含むコンピュータシステムによって実行されるように構成されるプログラムコードを記憶している非一時的コンピュータ可読媒体であって、前記プログラムコードは、前記コンピュータシステムによって実行されるとき、１つ又は複数のエネルギ貯蔵システムの動作を制御するための方法を前記コンピュータシステムに実行させ、前記方法は、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから前記コンピュータシステムにおいて受信するステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、最適なディスパッチスケジュールを決定することが、
    （ｉ）単一予測パススルー技法、モンテカルロシナリオ生成技法、及び最適化制約生成技法のうちの少なくとも１つを使用して、１つ又は複数の予測シナリオを前記コンピュータシステムによって生成すること、
    （ｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を最適化のために前記コンピュータシステムによって選択すること、
    （ｉｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの前記選択済みの１つ又は複数の組に、１つ又は複数の最適化技法を適用することにより、１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって生成することであって、前記１つ又は複数の最適化技法は、固定規則スケジューラ、予測ベース規則スケジューラ、非線形多重規則最適化スケジューラ、非線形経済的最適化スケジューラ、及びニューラルネットワークスケジューラのうちの少なくとも１つを含む、生成すること、及び
    （ｉｖ）平均、加重平均、時間変数加重平均、又はニューラルネットワークを使用し、前記１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって集約して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、非一時的コンピュータ可読媒体。
33. 前記１つ又は複数の予測技法が、第三者予測パススルー技法、多重第三者予測集約技法、履歴平均予測技法、線形回帰予測技法、及びニューラルネットワーク予測技法のうちの少なくとも１つを含む、請求項３２に記載のコンピュータ可読媒体。
34. １つ又は複数の予測を計算する前記ステップ（ｂ）が、平均、加重平均、時間変数加重平均、又はニューラルネットワークを使用し、前記計算済みの１つ又は複数の予測を前記コンピュータシステムによって集約することを含む、請求項３２に記載のコンピュータ可読媒体。
35. １つ又は複数の予測シナリオを生成することが、単一予測パススルー技法、モンテカルロシナリオ生成技法、及び最適化制約生成技法のうちの少なくとも１つを使用することを含む、請求項３２に記載のコンピュータ可読媒体。
36. 前記最適なディスパッチスケジュールを使用する前記ステップ（ｄ）が、前記最適なディスパッチスケジュールと前記１つ又は複数のデータソースから受信される前記ライブデータとに基づいて、１つ又は複数のモード及び１つ又は複数のモードパラメータを前記コンピュータシステムによって選択することを含み、前記１つ又は複数のモードは、スタンバイモード、手動モード、負荷平準化モード、ピークシェービングモード、トラフ充填モード、充電状態（ＳＯＣ）維持モード、又はランプレート管理モードのうちの少なくとも１つを含み、前記１つ又は複数のモードパラメータは、有効電力及び無効電力、目標グリッド正味有効電力、最大グリッド正味有効電力、最小グリッド正味有効電力、目標充電状態、又は最大グリッド正味有効電力変化率のうちの少なくとも１つを含む、請求項３２に記載のコンピュータ可読媒体。
37. 前記ステップ（ａ）における前記ライブ、履歴、又は予測データは、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含む、請求項３２に記載のコンピュータ可読媒体。
38. 前記ステップ（ａ）における前記ライブ、履歴、又は予測データが変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含む、請求項３２に記載のコンピュータ可読媒体。
39. 前記１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含む、請求項３２に記載のコンピュータ可読媒体。
40. 前記ステップ（ｂ）における前記１つ又は複数のパラメータが、グリッド正味負荷、再生可能発電、再生不可能発電、市場価格、及び顧客負荷のうちの少なくとも１つを含む、請求項３２に記載のコンピュータ可読媒体。
41. １つ又は複数の予測を計算する前記ステップ（ｂ）は、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな予測を前記コンピュータシステムによって生成することを含む、請求項３２に記載のコンピュータ可読媒体。
42. 前記受信されるライブデータが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、又はユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む、請求項３２に記載のコンピュータ可読媒体。
43. 前記受信される履歴データが、天候条件、発電、第三者予測、グリッド負荷条件、エネルギ貯蔵条件、市況、又はユーティリティ／独立系統運用機関（ＩＳＯ）信号のうちの少なくとも１つに関するデータを含む、請求項３２に記載のコンピュータ可読媒体。
44. 最適なディスパッチスケジュールを決定する前記ステップ（ｃ）が、新たな関連データが入手可能になり次第、固定スケジュールで、又は必要に応じて手動で制御することに基づいて、新たな最適なディスパッチスケジュールを前記コンピュータシステムによって生成することを含む、請求項３２に記載のコンピュータ可読媒体。
45. 前記１つ又は複数のエネルギ貯蔵システムパラメータが有効電力又は無効電力を含む、請求項３２に記載のコンピュータ可読媒体。
46. １つ又は複数のエネルギ貯蔵システムの動作を制御するための方法であって、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、少なくとも１つのコンピュータを含むコンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データは、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測技法はニューラルネットワーク予測技法を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、前記最適なディスパッチスケジュールを決定することが、
    （ｉ）モンテカルロシナリオ生成技法を使用して、前記当日市場のエネルギ価格、前記前日市場のエネルギ価格、前記当日市場のアンシラリサービス価格、及び前記前日市場のアンシラリサービス価格に関する１つ又は複数の予測シナリオを、前記コンピュータシステムによって生成すること、
    （ｉｉ）互いにより似ている、互いとより異なる、又は前記生成済みの１つ又は複数の予測シナリオにわたってランダムに分布する、前記生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を、前記コンピュータシステムによって生成すること、
    （ｉｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの前記選択済みの１つ又は複数の組に非線形経済的最適化スケジューラを適用することによって、１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって生成すること、及び
    （ｉｖ）前記生成済みの１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって平均して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、方法。
47. １つ又は複数のエネルギ貯蔵システムの動作を制御するための方法であって、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、少なくとも１つのコンピュータを含むコンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データが、変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測を計算することが、
    線形回帰予測技法及びニューラルネットワーク予測技法を同時に使用することで、前記変電所の正味負荷に関する少なくとも２つの予測を前記コンピュータシステムによって作成すること、及び
    前記少なくとも２つの予測のそれぞれに関連する履歴的に予期される不確実性に基づいて前記少なくとも２つの予測の１つを選択すること、又は前記少なくとも２つの予測を平均することで、前記１つ又は複数の予測を前記コンピュータシステムによって作成すること
    を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、前記最適なディスパッチスケジュールを決定することが、
    （ｉ）モンテカルロシナリオ生成技法を使用して、前記変電所の正味負荷に関する所定数の予測シナリオを前記コンピュータシステムによって生成すること、
    （ｉｉ）システム構成、利用可能な計算時間及び資源、又は報告された予測の不確実性に基づき、前記生成済みの所定数の予測シナリオのサブセットを前記コンピュータシステムによって選択すること、
    （ｉｉｉ）前記１つ又は複数のエネルギ貯蔵システムの前記動作後の変電所のピーク正味負荷を最小化するために、非線形多重規則最適化スケジューラを使用することで、前記生成済みの所定数の予測シナリオのうちの前記選択済みのサブセットのそれぞれについて、ディスパッチスケジュールを前記コンピュータシステムによって生成すること、及び
    （ｉｖ）前記生成済みの所定数の予測シナリオのうちの前記選択済みのサブセットに関する前記生成済みのディスパッチスケジュールを前記コンピュータシステムによって平均して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、方法。
48. １つ又は複数のエネルギ貯蔵システムの動作を制御するための方法であって、前記１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含み、前記方法が、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、少なくとも１つのコンピュータを含むコンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データが、天候及び負荷に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップ
    であって、前記１つ又は複数の予測を計算することが、天候及び負荷に関する前記受信済みのライブ、履歴、又は第三者予測データに基づいてニューラルネットワーク予測技法を使用し、次の２４時間のそれぞれの中で発生するシステムピークの確率を計算することで、前記１つ又は複数の予測を前記コンピュータシステムによって作成することを含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、最適なディスパッチスケジュールを決定することが、ピーク時中の顧客負荷を最小化し、前記１つ又は複数のエネルギ貯蔵システムの出力を最大化するために、予測ベース規則スケジューラを使用し、前記１つ又は複数の予測に基づいて前記最適なディスパッチスケジュールを前記コンピュータシステムによって決定することを含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップ
    であって、前記最適なディスパッチスケジュールを使用して１つ又は複数のエネルギ貯蔵システムパラメータを決定することが、前記最適なディスパッチスケジュールと前記１つ又は複数のデータソースから受信される前記ライブデータとに基づき、前記電池システムに接続されるグリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力を前記コンピュータシステムによって決定することを含む、ステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、方法。
49. １つ又は複数のエネルギ貯蔵システムの動作を制御するためのコンピュータシステムであって、
    １つ又は複数のプロセッサと、
    前記１つ又は複数のプロセッサに動作可能に接続され、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、前記コンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データは、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測技法はニューラルネットワーク予測技法を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、前記最適なディスパッチスケジュールを決定することが、
    （ｉ）モンテカルロシナリオ生成技法を使用して、前記当日市場のエネルギ価格、前記前日市場のエネルギ価格、前記当日市場のアンシラリサービス価格、及び前記前日市場のアンシラリサービス価格に関する１つ又は複数の予測シナリオを、前記コンピュータシステムによって生成すること、
    （ｉｉ）互いにより似ている、互いとより異なる、又は前記生成済みの１つ又は複数の予測シナリオにわたってランダムに分布する、前記生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を、前記コンピュータシステムによって生成すること、
    （ｉｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの選択した１つ又は複数の組に非線形経済的最適化スケジューラを適用することによって、１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって生成すること、及び
    （ｉｖ）前記生成済みの１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって平均して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を前記コンピュータシステムに実行させるために、前記１つ又は複数のプロセッサによって実行可能な命令を記憶している１つ又は複数のメモリと
    を含む、コンピュータシステム。
50. １つ又は複数のエネルギ貯蔵システムの動作を制御するためのコンピュータシステムであって、
    １つ又は複数のプロセッサと、
    前記１つ又は複数のプロセッサに動作可能に接続され、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、前記コンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データが、変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測を計算することが、
    線形回帰予測技法及びニューラルネットワーク予測技法を同時に使用することで、前記変電所の正味負荷に関する少なくとも２つの予測を前記コンピュータシステムによって作成すること、及び
    前記少なくとも２つの予測のそれぞれに関連する履歴的に予期される不確実性に基づいて前記少なくとも２つの予測の１つを選択すること、又は前記少なくとも２つの予測を平均することで、前記１つ又は複数の予測を前記コンピュータシステムによって作成すること
    を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、前記最適なディスパッチスケジュールを決定することが、
    （ｉ）モンテカルロシナリオ生成技法を使用して、前記変電所の正味負荷に関する所定数の予測シナリオを前記コンピュータシステムによって生成すること、
    （ｉｉ）システム構成、利用可能な計算時間及び資源、又は報告された予測の不確実性に基づき、前記生成済みの所定数の予測シナリオのサブセットを前記コンピュータシステムによって選択すること、
    （ｉｉｉ）前記１つ又は複数のエネルギ貯蔵システムの前記動作後の変電所のピーク正味負荷を最小化するために、非線形多重規則最適化スケジューラを使用することで、前記生成済みの所定数の予測シナリオのうちの前記選択済みのサブセットのそれぞれについて、ディスパッチスケジュールを前記コンピュータシステムによって生成すること、及び
    （ｉｖ）前記生成済みの所定数の予測シナリオのうちの前記選択済みのサブセットに関する前記生成済みのディスパッチスケジュールを前記コンピュータシステムによって平均して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を前記コンピュータシステムに実行させるために、前記１つ又は複数のプロセッサによって実行可能な命令を記憶している１つ又は複数のメモリと
    を含む、コンピュータシステム。
51. １つ又は複数のエネルギ貯蔵システムの動作を制御するためのコンピュータシステムであって、
    １つ又は複数のプロセッサと、
    前記１つ又は複数のプロセッサに動作可能に接続され、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから、前記コンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データが、天候及び負荷に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測を計算することが、天候及び負荷に関する前記受信済みのライブ、履歴、又は第三者予測データに基づいてニューラルネットワーク予測技法を使用し、次の２４時間のそれぞれの中で発生するシステムピークの確率を計算することで、前記１つ又は複数の予測を前記コンピュータシステムによって作成すること
    を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、最適なディスパッチスケジュールを決定することが、
    ピーク時中の顧客負荷を最小化し、前記１つ又は複数のエネルギ貯蔵システムの出力を最大化するために、予測ベース規則スケジューラを使用し、前記１つ又は複数の予測に基づいて前記最適なディスパッチスケジュールを前記コンピュータシステムによって決定すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップであって、前記最適なディスパッチスケジュールを使用して１つ又は複数のエネルギ貯蔵システムパラメータを決定することが、
    前記最適なディスパッチスケジュールと前記１つ又は複数のデータソースから受信される前記ライブデータとに基づき、前記電池システムに接続されるグリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力を前記コンピュータシステムによって決定すること
    を含む、ステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を前記コンピュータシステムに実行させるために、前記１つ又は複数のプロセッサによって実行可能な命令を記憶している１つ又は複数のメモリと
    を含む、コンピュータシステム。
52. 少なくとも１つのコンピュータを含むコンピュータシステムによって実行されるように構成されるプログラムコードを記憶している非一時的コンピュータ可読媒体であって、前記プログラムコードは、前記コンピュータシステムによって実行されるとき、１つ又は複数のエネルギ貯蔵システムの動作を制御するための方法を前記コンピュータシステムに実行させ、前記方法は、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから前記コンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データは、当日市場のエネルギ価格、前日市場のエネルギ価格、当日市場のアンシラリサービス価格、前日市場のアンシラリサービス価格、天候、電気需要及び発電機の可用性に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測技法はニューラルネットワーク予測技法を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、最適なディスパッチスケジュールを決定することが、
    （ｉ）モンテカルロシナリオ生成技法を使用して、前記当日市場のエネルギ価格、前記前日市場のエネルギ価格、前記当日市場のアンシラリサービス価格、及び前記前日市場のアンシラリサービス価格に関する１つ又は複数の予測シナリオを、前記コンピュータシステムによって生成すること、
    （ｉｉ）互いにより似ている、互いとより異なる、又は前記生成済みの１つ又は複数の予測シナリオにわたってランダムに分布する、前記生成済みの１つ又は複数の予測シナリオのうちの１つ又は複数の組を、前記コンピュータシステムによって選択すること、
    （ｉｉｉ）前記生成済みの１つ又は複数の予測シナリオのうちの前記選択済みの１つ又は複数の組に、非線形経済的最適化スケジューラを適用することによって、１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって生成すること、及び
    （ｉｖ）前記生成済みの１つ又は複数のディスパッチスケジュールを前記コンピュータシステムによって平均して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、非一時的コンピュータ可読媒体。
53. 少なくとも１つのコンピュータを含むコンピュータシステムによって実行されるように構成されるプログラムコードを記憶している非一時的コンピュータ可読媒体であって、前記プログラムコードは、前記コンピュータシステムによって実行されるとき、１つ又は複数のエネルギ貯蔵システムの動作を制御するための方法を前記コンピュータシステムに実行させ、前記方法は、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから前記コンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データが変電所の正味負荷、太陽発電、及び温度に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測を計算することが、
    線形回帰予測技法及びニューラルネットワーク予測技法を同時に使用することで、前記変電所の正味負荷に関する少なくとも２つの予測を前記コンピュータシステムによって作成すること、及び
    前記少なくとも２つの予測のそれぞれに関連する履歴的に予期される不確実性に基づいて変電所の正味負荷に関する前記少なくとも２つの予測の１つを選択すること、又は前記少なくとも２つの予測を平均することで、前記１つ又は複数の予測を前記コンピュータシステムによって作成すること
    を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、最適なディスパッチスケジュールを決定することが、
    （ｉ）モンテカルロシナリオ生成技法を使用して前記変電所の正味負荷に関する所定数の予測シナリオを前記コンピュータシステムによって生成すること、
    （ｉｉ）システム構成、利用可能な計算時間及び資源、又は報告された予測の不確実性に基づき、前記生成済みの所定数の予測シナリオのサブセットを前記コンピュータシステムによって選択すること、
    （ｉｉｉ）前記１つ又は複数のエネルギ貯蔵システムの前記動作後の変電所のピーク正味負荷を最小化するために、非線形多重規則最適化スケジューラを使用することで前記生成済みの所定数の予測シナリオのうちの前記選択済みのサブセットのそれぞれについて、ディスパッチスケジュールを前記コンピュータシステムによって生成すること、及び
    （ｉｖ）前記生成済みの所定数の予測シナリオのうちの前記選択済みのサブセットに関する前記生成済みのディスパッチスケジュールを前記コンピュータシステムによって平均して、前記最適なディスパッチスケジュールを作成すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、非一時的コンピュータ可読媒体。
54. 少なくとも１つのコンピュータを含むコンピュータシステムによって実行されるように構成されるプログラムコードを記憶している非一時的コンピュータ可読媒体であって、前記プログラムコードは、前記コンピュータシステムによって実行されるとき、１つ又は複数のエネルギ貯蔵システムの動作を制御するための方法を前記コンピュータシステムに実行させ、前記１つ又は複数のエネルギ貯蔵システムが、１つ又は複数のインバータ及び１つ又は複数の電池管理コントローラを含む電池システムを含み、前記方法は、
    （ａ）前記１つ又は複数のエネルギ貯蔵システムの前記動作に関するライブ、履歴、又は予測データを、１つ又は複数のデータソースから前記コンピュータシステムにおいて受信するステップであって、前記ライブ、履歴、又は予測データが、天候及び負荷に関するライブ、履歴、又は第三者予測データを含む、ステップと、
    （ｂ）前記受信したライブ、履歴、又は予測データに基づいて１つ又は複数の予測技法を使用し、前記１つ又は複数のエネルギ貯蔵システムの前記動作に関係する１つ又は複数のパラメータの１つ又は複数の予測、及び関連する予測の不確実性を、前記コンピュータシステムによって計算するステップであって、前記１つ又は複数の予測を計算することが、
    天候及び負荷に関する前記受信済みのライブ、履歴、又は第三者予測データに基づいてニューラルネットワーク予測技法を使用し、次の２４時間のそれぞれの中で発生するシステムピークの確率を計算することで、前記１つ又は複数の予測を前記コンピュータシステムによって作成すること
    を含む、ステップと、
    （ｃ）前記１つ又は複数の予測に基づいて前記１つ又は複数のエネルギ貯蔵システムの前記動作のための最適なディスパッチスケジュールを、前記コンピュータシステムによって決定するステップであって、前記最適なディスパッチスケジュールを決定することが、
    ピーク時中の顧客負荷を最小化し、前記１つ又は複数のエネルギ貯蔵システムの出力を最大化するために、予測ベース規則スケジューラを使用し、前記１つ又は複数の予測に基づいて前記最適なディスパッチスケジュールを前記コンピュータシステムによって決定すること
    を含む、ステップと、
    （ｄ）前記最適なディスパッチスケジュールを前記コンピュータシステムによって使用して、１つ又は複数のエネルギ貯蔵システムパラメータを決定するステップであって、前記最適なディスパッチスケジュールを使用して１つ又は複数のエネルギ貯蔵システムパラメータを決定することが、
    前記最適なディスパッチスケジュールと前記１つ又は複数のデータソースから受信される前記ライブデータとに基づき、前記電池システムに接続されるグリッド又はマイクログリッドから入力し又は抽出するための有効電力及び無効電力を前記コンピュータシステムによって決定すること
    を含む、ステップと、
    （ｅ）前記１つ又は複数のエネルギ貯蔵システムパラメータを前記コンピュータシステムによって前記１つ又は複数のエネルギ貯蔵システムに送信して、前記１つ又は複数のエネルギ貯蔵システムの前記動作を制御するステップと
    を含む、非一時的コンピュータ可読媒体。