JPH06102908A - 需要予測装置 - Google Patents
需要予測装置Info
- Publication number
- JPH06102908A JPH06102908A JP4255075A JP25507592A JPH06102908A JP H06102908 A JPH06102908 A JP H06102908A JP 4255075 A JP4255075 A JP 4255075A JP 25507592 A JP25507592 A JP 25507592A JP H06102908 A JPH06102908 A JP H06102908A
- Authority
- JP
- Japan
- Prior art keywords
- term
- short
- long
- prediction
- term prediction
- 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.)
- Pending
Links
Landscapes
- Air Conditioning Control Device (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 予測精度の高い熱需要予測及び熱源機器運転
の経済性の向上を図ることを目的とする。 【構成】 長期需要予測手段100は翌日1日分の熱需
要の変化を予測する。そして、その予測結果に基づいて
運転計画作成手段400は、運転スケジュ−ル107を
作成する。当日、短期需要予測手段200は、当日の温
度、実際の熱需要値などに基づく予測を実行し、上記運
転スケジュ−ル107を1時間毎に、決め細かに修正す
る。制御手段500は、該修正結果に基づいてプラント
Xを制御する。 【効果】 熱需要予測精度の向上と熱源機器運転の経済
性向上を図ることができる。
の経済性の向上を図ることを目的とする。 【構成】 長期需要予測手段100は翌日1日分の熱需
要の変化を予測する。そして、その予測結果に基づいて
運転計画作成手段400は、運転スケジュ−ル107を
作成する。当日、短期需要予測手段200は、当日の温
度、実際の熱需要値などに基づく予測を実行し、上記運
転スケジュ−ル107を1時間毎に、決め細かに修正す
る。制御手段500は、該修正結果に基づいてプラント
Xを制御する。 【効果】 熱需要予測精度の向上と熱源機器運転の経済
性向上を図ることができる。
Description
【0001】
【産業上の利用分野】本発明はあらかじめ熱需要を予測
する熱需要予測装置に関する。
する熱需要予測装置に関する。
【0002】
【従来の技術】熱需要の予測および該予測結果に基づく
熱源機器の運転制御方法に関しては、空気調和・衛生工
学、第64巻、第10号(1990年)、第23頁から
第27頁における「地域冷房制御システム」(以下”従
来技術1”とする)や、特開平4−15441号公報
(以下”従来技術2”とする)などにおいて論じられて
いる。
熱源機器の運転制御方法に関しては、空気調和・衛生工
学、第64巻、第10号(1990年)、第23頁から
第27頁における「地域冷房制御システム」(以下”従
来技術1”とする)や、特開平4−15441号公報
(以下”従来技術2”とする)などにおいて論じられて
いる。
【0003】上記従来技術1における熱需要の予測は、
需要に影響を与える因子に係数を乗じ、その総和を予測
値とする方法により行なうものである。予測時間は24
時間及び1時間先の2種類としている。
需要に影響を与える因子に係数を乗じ、その総和を予測
値とする方法により行なうものである。予測時間は24
時間及び1時間先の2種類としている。
【0004】従来技術2における熱需要の予測は、翌日
の天候、気温等の予報データ及び曜日等、熱需要に影響
を与える要因をニューラルネットに入力し、翌日の熱需
要パターンを出力する方法としている。
の天候、気温等の予報データ及び曜日等、熱需要に影響
を与える要因をニューラルネットに入力し、翌日の熱需
要パターンを出力する方法としている。
【0005】
【発明が解決しようとする課題】しかしながら、上記従
来技術1は、長期の予測と短期の予測において同一の予
測式を使用しているため、長期の予測を行なった時点で
は得られないデ−タを短期の予測時に新たに取り入れる
ことによって、より正確な予測を行なうといったことが
できなかった。
来技術1は、長期の予測と短期の予測において同一の予
測式を使用しているため、長期の予測を行なった時点で
は得られないデ−タを短期の予測時に新たに取り入れる
ことによって、より正確な予測を行なうといったことが
できなかった。
【0006】また、従来技術2においては、予測期間が
1種類であるため、前日あるいはそれ以前に得たデ−タ
に基づいた熱需要予測を、当日の実績熱需要や外気条件
の時間的変化等に基づいて修正することはできず、予測
精度が悪かった。従って、熱源機器の運転を、熱需要に
応じて自動的に最適化することが困難であった。
1種類であるため、前日あるいはそれ以前に得たデ−タ
に基づいた熱需要予測を、当日の実績熱需要や外気条件
の時間的変化等に基づいて修正することはできず、予測
精度が悪かった。従って、熱源機器の運転を、熱需要に
応じて自動的に最適化することが困難であった。
【0007】本発明は、予測の精度の高い需要予測装置
を提供することを目的とする。
を提供することを目的とする。
【0008】本発明は、熱源機器の運転を自動的に最適
化することが可能な機器の運転制御装置を提供すること
を目的とする。
化することが可能な機器の運転制御装置を提供すること
を目的とする。
【0009】
【課題を解決するための手段】本発明は上記目的を達成
するためになされたもので、その一態様としては、熱需
要の変動を予測する需要予測装置において、予め定めら
れた長期予測対象期間内における、熱需要の変動を予測
する(以下”長期予測”という)長期予測手段と、上記
長期予測対象期間よりも短い短期予測対象期間内におけ
る、熱需要の変動を予測する(以下”短期予測”とい
う)短期予測手段と、を有し、上記短期予測手段は、上
記長期予測の結果を含むデ−タを用いて上記短期予測を
行なうこと、を特徴とする熱需要予測装置が提供され
る。
するためになされたもので、その一態様としては、熱需
要の変動を予測する需要予測装置において、予め定めら
れた長期予測対象期間内における、熱需要の変動を予測
する(以下”長期予測”という)長期予測手段と、上記
長期予測対象期間よりも短い短期予測対象期間内におけ
る、熱需要の変動を予測する(以下”短期予測”とい
う)短期予測手段と、を有し、上記短期予測手段は、上
記長期予測の結果を含むデ−タを用いて上記短期予測を
行なうこと、を特徴とする熱需要予測装置が提供され
る。
【0010】上記長期予測手段は、長期予測の対象とな
る時間領域についての、天気の予想、予想最低温度、予
想最高温度、のうち少なくとも一つを用いて、上記長期
予測を行なうものであっても良い。上記短期予測手段
は、短期予測実行時における実際の気温(以下”現在気
温”という)、前回短期予測を実行した時点での気温と
現在気温との差、短期予測実行時における実際の湿度
(以下”現在湿度”という)、前回短期予測を実行した
時点での湿度と現在湿度との差、予測実行時における実
際の熱需要値(以下”現在需要値”という)、該短期予
測実行時刻についての上記長期予測手段の予測結果、該
予測結果と上記現在需要値との差、のうち少なくとも一
つと、予測実行時刻と、を用いて、短期予測を行なうも
のであってもよい。
る時間領域についての、天気の予想、予想最低温度、予
想最高温度、のうち少なくとも一つを用いて、上記長期
予測を行なうものであっても良い。上記短期予測手段
は、短期予測実行時における実際の気温(以下”現在気
温”という)、前回短期予測を実行した時点での気温と
現在気温との差、短期予測実行時における実際の湿度
(以下”現在湿度”という)、前回短期予測を実行した
時点での湿度と現在湿度との差、予測実行時における実
際の熱需要値(以下”現在需要値”という)、該短期予
測実行時刻についての上記長期予測手段の予測結果、該
予測結果と上記現在需要値との差、のうち少なくとも一
つと、予測実行時刻と、を用いて、短期予測を行なうも
のであってもよい。
【0011】上記長期予測手段と短期の予測手段とは、
少なくとも一方が、過去における熱需要の変動と気象条
件との関係を含んだ教師デ−タを用いて学習された、ニ
ュ−ラルネットワ−クを含んで構成されるものであって
もよい。
少なくとも一方が、過去における熱需要の変動と気象条
件との関係を含んだ教師デ−タを用いて学習された、ニ
ュ−ラルネットワ−クを含んで構成されるものであって
もよい。
【0012】制御対象となる機器の運転を熱需要に応じ
て制御する制御装置において、長期予測対象期間内にお
ける熱需要の変動を予測する(以下”長期期予測”とい
う)長期予測手段と、本発明の他の態様としては、上記
長期予測の結果を含むデ−タを用いて、上記長期予測対
象期間よりも短い短期予測対象期間内における熱需要の
変動を予測する(以下”短期予測”という)短期予測手
段と、上記長期予測の結果に基づいて、上記機器の運転
計画を作成するとともに、上記短期予測の結果に基づい
て該運転計画を修正する運転計画作成手段と、を有する
ことを特徴とする運転制御装置が提供される。
て制御する制御装置において、長期予測対象期間内にお
ける熱需要の変動を予測する(以下”長期期予測”とい
う)長期予測手段と、本発明の他の態様としては、上記
長期予測の結果を含むデ−タを用いて、上記長期予測対
象期間よりも短い短期予測対象期間内における熱需要の
変動を予測する(以下”短期予測”という)短期予測手
段と、上記長期予測の結果に基づいて、上記機器の運転
計画を作成するとともに、上記短期予測の結果に基づい
て該運転計画を修正する運転計画作成手段と、を有する
ことを特徴とする運転制御装置が提供される。
【0013】本発明の他の態様として、熱需要に応じて
機器の運転状態を制御可能なプラント装置において、長
期予測対象期間内における需要の変動を予測する(以
下”長期期予測”という)長期予測手段と、、上記長期
予測手段の結果を含むデ−タを用いて、上記長期予測対
象期間よりも短い短期予測対象期間内における熱需要の
変動を予測する(以下”短期予測”という)短期予測手
段と、制御対象となる機器と、上記長期予測の結果に基
づいて、上記機器の運転計画を作成するとともに、上記
短期予測の結果に基づいて該運転計画を修正する運転計
画作成手段と、上記運転計画に基づいて上記機器を制御
する制御手段と、を有することを特徴とするプラント装
置が提供される。
機器の運転状態を制御可能なプラント装置において、長
期予測対象期間内における需要の変動を予測する(以
下”長期期予測”という)長期予測手段と、、上記長期
予測手段の結果を含むデ−タを用いて、上記長期予測対
象期間よりも短い短期予測対象期間内における熱需要の
変動を予測する(以下”短期予測”という)短期予測手
段と、制御対象となる機器と、上記長期予測の結果に基
づいて、上記機器の運転計画を作成するとともに、上記
短期予測の結果に基づいて該運転計画を修正する運転計
画作成手段と、上記運転計画に基づいて上記機器を制御
する制御手段と、を有することを特徴とするプラント装
置が提供される。
【0014】
【作用】長期予測の対象となる時間領域(例えば、翌日
一日)についての、天気の予想、予想最低温度、予想最
高温度、のうち少なくとも一つを用いて、長期予測対象
期間内における、熱需要の変動を予測する。例えば、翌
日の1時間毎の熱需要予測値を予測する。
一日)についての、天気の予想、予想最低温度、予想最
高温度、のうち少なくとも一つを用いて、長期予測対象
期間内における、熱需要の変動を予測する。例えば、翌
日の1時間毎の熱需要予測値を予測する。
【0015】一方、上記短期予測手段は、現在気温、前
回短期予測を実行した時点での気温と現在気温との差、
現在湿度、前回短期予測を実行した時点での湿度と現在
湿度との差、現在需要値、該短期予測実行時刻について
の上記長期予測手段の予測結果、該予測結果と上記現在
需要値との差、のうち少なくとも一つと、予測実行時刻
と、を用いて、短期予測期間内の熱需要の予測を行な
う。
回短期予測を実行した時点での気温と現在気温との差、
現在湿度、前回短期予測を実行した時点での湿度と現在
湿度との差、現在需要値、該短期予測実行時刻について
の上記長期予測手段の予測結果、該予測結果と上記現在
需要値との差、のうち少なくとも一つと、予測実行時刻
と、を用いて、短期予測期間内の熱需要の予測を行な
う。
【0016】運転計画作成手段は、長期予測の結果に基
づいて、運転計画を作成するとともに、上記短期予測の
結果に基づいて該運転計画を修正する。制御手段は、該
運転計画に従って、機器を制御する。
づいて、運転計画を作成するとともに、上記短期予測の
結果に基づいて該運転計画を修正する。制御手段は、該
運転計画に従って、機器を制御する。
【0017】このように長期の需要予測を短時間先の需
要予測で修正することにより、高精度な熱需要予測を行
なうことができ、熱源機器の最適な自動運転が可能とな
る。
要予測で修正することにより、高精度な熱需要予測を行
なうことができ、熱源機器の最適な自動運転が可能とな
る。
【0018】
【実施例】本発明の一実施例を図面を用いて説明する。
【0019】本実施例の熱源機器の運転制御装置の基本
構成を図1に示す。
構成を図1に示す。
【0020】本実施例は長期需要予測手段100と、短
期需要予測手段200と、記憶手段300と、運転計画
作成手段400と、制御手段500とにより構成されて
いる。
期需要予測手段200と、記憶手段300と、運転計画
作成手段400と、制御手段500とにより構成されて
いる。
【0021】各部の詳細を説明する前に、まず、本実施
例の全体の動作概要を述べる。
例の全体の動作概要を述べる。
【0022】長期需要予測手段100は、熱需要に影響
を与える因子(例えば、天気予報の内容等のように運転
員から与えられる情報101に基づいて、1日の熱需要
の変化を1時間毎に予測した結果を熱需要予測値103
として出力し、記憶手段300に格納する。なお、本実
施例における予測処理においては使用していないが、、
前日の熱需要の変動を示す情報等のプラントデータ10
4についても考慮して該予測を行なっても良い。
を与える因子(例えば、天気予報の内容等のように運転
員から与えられる情報101に基づいて、1日の熱需要
の変化を1時間毎に予測した結果を熱需要予測値103
として出力し、記憶手段300に格納する。なお、本実
施例における予測処理においては使用していないが、、
前日の熱需要の変動を示す情報等のプラントデータ10
4についても考慮して該予測を行なっても良い。
【0023】運転計画作成手段400は、該記憶手段3
00から熱需要予測値103’を獲得し、熱源機器の翌
日1日分の運転スケジュール107を作成する。
00から熱需要予測値103’を獲得し、熱源機器の翌
日1日分の運転スケジュール107を作成する。
【0024】また、当日においては、短期需要予測手段
200は、熱需要予測値103’を修正すべく、1時間
毎に熱需要予測値105を出力し記憶手段300に格納
する。すると、上記運転計画作成手段400は、熱需要
予測値105’を獲得し、上記熱需要予測値103’に
基づいて立てた運転スケジュ−ルを修正する。
200は、熱需要予測値103’を修正すべく、1時間
毎に熱需要予測値105を出力し記憶手段300に格納
する。すると、上記運転計画作成手段400は、熱需要
予測値105’を獲得し、上記熱需要予測値103’に
基づいて立てた運転スケジュ−ルを修正する。
【0025】制御手段500は、該修正結果に従ってプ
ラントXを構成する各熱源機器を制御すべく、起動・停
止指令、負荷指令等の制御指令108を出力する。
ラントXを構成する各熱源機器を制御すべく、起動・停
止指令、負荷指令等の制御指令108を出力する。
【0026】次に、長期需要予測手段100の詳細を図
2、図3、図4を用いて説明する。長期需要予測手段1
00は、入力インタフェース120と、ニューラルネッ
ト130と、出力インタフェース140とにより構成さ
れる。
2、図3、図4を用いて説明する。長期需要予測手段1
00は、入力インタフェース120と、ニューラルネッ
ト130と、出力インタフェース140とにより構成さ
れる。
【0027】入力インタフェ−ス120は、運転員から
与えられる情報(予想天気、予想最高温度、予想最低温
度)101、気温、湿度等のプラントデータ102の予
測を行なう時点における状態を、0〜1の範囲の数値に
変換(以下、このように、ある数値、状態等を、0〜1
の範囲の数値に変換して表現することを”正規化”とい
う。)し、正規化入力情報109として出力する機能を
有する。
与えられる情報(予想天気、予想最高温度、予想最低温
度)101、気温、湿度等のプラントデータ102の予
測を行なう時点における状態を、0〜1の範囲の数値に
変換(以下、このように、ある数値、状態等を、0〜1
の範囲の数値に変換して表現することを”正規化”とい
う。)し、正規化入力情報109として出力する機能を
有する。
【0028】例えば、予想天気が晴れの場合には、”晴
れ”に対応するノ−ド131aに1を、”雨”,”曇
り”に対応するノ−ド131b,cには0を、正規化入
力情報109として出力する。また、気温については、
予め設定された一定の温度範囲内において線形変換して
出力する。例えば、温度範囲として0〜40℃が設定さ
れている場合、気温20℃は0.5に、気温30℃は
0.75に変換される。
れ”に対応するノ−ド131aに1を、”雨”,”曇
り”に対応するノ−ド131b,cには0を、正規化入
力情報109として出力する。また、気温については、
予め設定された一定の温度範囲内において線形変換して
出力する。例えば、温度範囲として0〜40℃が設定さ
れている場合、気温20℃は0.5に、気温30℃は
0.75に変換される。
【0029】ニュ−ラルネットワ−ク130は、図3に
示すとおり、入力層131と、中間層132と、出力層
133とからなる。入力層131は、合計5個のノ−ド
を有する。ノ−ド131aは予想天気”晴れ”について
の正規化入力情報109を入力するものである。同様
に、ノ−ド131bは”曇り”、ノ−ド131cは”
雨”に対応するものである。ノ−ド131は予想最高気
温、ノ−ド131eは予想最低気温に対応して設けられ
たものである。中間層132のノ−ド数は任意である。
出力層133のノ−ド数は24個である。24個とした
のは、1日の熱需要の変化を24区間、すなわち、1時
間毎に区切って予測することに対応したものである。但
し、入力デ−タの種類、ノ−ドの数等はこれに限定され
るものではなく、予測対象となる期間の長さ、期間の区
分数、区分の仕方、必要とされる予想精度に応じて変更
されるものである。なお、プラントデ−タ104を考慮
して予測を行なう場合には、該デ−タを入力するための
ノ−ドを設けることは言うまでもない。
示すとおり、入力層131と、中間層132と、出力層
133とからなる。入力層131は、合計5個のノ−ド
を有する。ノ−ド131aは予想天気”晴れ”について
の正規化入力情報109を入力するものである。同様
に、ノ−ド131bは”曇り”、ノ−ド131cは”
雨”に対応するものである。ノ−ド131は予想最高気
温、ノ−ド131eは予想最低気温に対応して設けられ
たものである。中間層132のノ−ド数は任意である。
出力層133のノ−ド数は24個である。24個とした
のは、1日の熱需要の変化を24区間、すなわち、1時
間毎に区切って予測することに対応したものである。但
し、入力デ−タの種類、ノ−ドの数等はこれに限定され
るものではなく、予測対象となる期間の長さ、期間の区
分数、区分の仕方、必要とされる予想精度に応じて変更
されるものである。なお、プラントデ−タ104を考慮
して予測を行なう場合には、該デ−タを入力するための
ノ−ドを設けることは言うまでもない。
【0030】ニューラルネット130の各ノ−ドには、
ニューロン間の係数行列である重み行列が、予め与えら
れている。この重み行列は、過去のある1日の天気、最
高、最低気温を該ニューラルネット130の入力とし
て、また、この日の熱需要実績値を該ニューラルネット
130の出力として、与えることによって形成されるも
のである。該重み行列の形成は、通常、”学習”と呼ば
れているものである。なお、当然ながら、学習は複数日
分のデ−タを用いて行なう。本発明は、該”学習”の方
法そのものについてはとくに特徴を有するものではない
ためこれ以上は説明しない。
ニューロン間の係数行列である重み行列が、予め与えら
れている。この重み行列は、過去のある1日の天気、最
高、最低気温を該ニューラルネット130の入力とし
て、また、この日の熱需要実績値を該ニューラルネット
130の出力として、与えることによって形成されるも
のである。該重み行列の形成は、通常、”学習”と呼ば
れているものである。なお、当然ながら、学習は複数日
分のデ−タを用いて行なう。本発明は、該”学習”の方
法そのものについてはとくに特徴を有するものではない
ためこれ以上は説明しない。
【0031】ニューラルネット130は、入力された正
規化入力情報109に対応して正規化予測需要110を
出力する(注:いうまでもないが、該正規化予測需要1
10も、正規化された、つまり、0から1の範囲の、数
値である。)。該正規化予測需要110は、出力インタ
フェース140により工学値変換され、長期の熱需要予
測値103として、記憶手段300に格納される。該長
期の熱需要予測値103の例を図4に示す。上述したと
おり、本実施例では、1日を1時間毎に区切り、各区間
毎の熱需要の予測値を、長期の熱需要予測値103とし
て出力している。
規化入力情報109に対応して正規化予測需要110を
出力する(注:いうまでもないが、該正規化予測需要1
10も、正規化された、つまり、0から1の範囲の、数
値である。)。該正規化予測需要110は、出力インタ
フェース140により工学値変換され、長期の熱需要予
測値103として、記憶手段300に格納される。該長
期の熱需要予測値103の例を図4に示す。上述したと
おり、本実施例では、1日を1時間毎に区切り、各区間
毎の熱需要の予測値を、長期の熱需要予測値103とし
て出力している。
【0032】短期需要予測手段200の詳細を図5、図
6、図7を用いて説明する。短期需要予測手段200
は、入力インタフェース210と、ニューラルネット2
20と、出力インタフェース230とにより構成され
る。プラントデータ102と熱需要予測値103”に基
づいて、長期の熱需要予測値103を修正した短期の熱
需要予測値105を出力する機能を有するものである。
6、図7を用いて説明する。短期需要予測手段200
は、入力インタフェース210と、ニューラルネット2
20と、出力インタフェース230とにより構成され
る。プラントデータ102と熱需要予測値103”に基
づいて、長期の熱需要予測値103を修正した短期の熱
需要予測値105を出力する機能を有するものである。
【0033】入力インタフェ−ス220は、入力デ−タ
を正規化し、正規化入力情報209として出力する機能
を有する。入力デ−タとしては、プラントデータ102
(現在時刻における気温、現在時刻における湿度、現在
時刻、現在の実際の熱需要値)と、長期需要予測手段1
00により得られ記憶手段300内に格納されている
(現在時刻から1時間後、2時間後、3時間後までの)
熱需要予測値103”とがある。また、入力インタフェ
−ス120はこれらの入力デ−タに基づいて、現在時刻
における気温と1時間前の温度との差(以下単に”気温
偏差”という)、現在時刻における湿度と1時間前の湿
度との差(以下単に”湿度偏差”という)、熱需要予測
値103”と現在の実際の熱需要値との差(以下単
に、”需要予測値との偏差”という)を算出、正規化す
る。そして、これらについても正規化入力情報209と
して出力する。なお、プラントデータ102、正規化入
力情報209の内容は、これに限定されるものではな
く、他のいかなる情報でもよい。但し、該情報を変更す
る場合には、ニュ−ラルネットワ−ク230の構成、重
みなども変更する必要がある。
を正規化し、正規化入力情報209として出力する機能
を有する。入力デ−タとしては、プラントデータ102
(現在時刻における気温、現在時刻における湿度、現在
時刻、現在の実際の熱需要値)と、長期需要予測手段1
00により得られ記憶手段300内に格納されている
(現在時刻から1時間後、2時間後、3時間後までの)
熱需要予測値103”とがある。また、入力インタフェ
−ス120はこれらの入力デ−タに基づいて、現在時刻
における気温と1時間前の温度との差(以下単に”気温
偏差”という)、現在時刻における湿度と1時間前の湿
度との差(以下単に”湿度偏差”という)、熱需要予測
値103”と現在の実際の熱需要値との差(以下単
に、”需要予測値との偏差”という)を算出、正規化す
る。そして、これらについても正規化入力情報209と
して出力する。なお、プラントデータ102、正規化入
力情報209の内容は、これに限定されるものではな
く、他のいかなる情報でもよい。但し、該情報を変更す
る場合には、ニュ−ラルネットワ−ク230の構成、重
みなども変更する必要がある。
【0034】ニュ−ラルネットワ−ク230は、図6に
示すとおり、入力層231と、中間層232と、出力層
233とからなる。入力層231には、上述の正規化入
力情報209(現在気温、現在温度、気温偏差、湿度偏
差、現在の熱需要値、需要予測値との偏差、時刻)に対
応して、合計7個のノ−ドを有している。中間層232
のノ−ド数は任意である。出力層233のノ−ドは3個
である。出力層233のノ−ドを3個にしたのは、該短
期予測が、予測を行なう時点から、1時間後、2時間
後、3時間後の熱需要の予測値を出力することに対応さ
せたものである。
示すとおり、入力層231と、中間層232と、出力層
233とからなる。入力層231には、上述の正規化入
力情報209(現在気温、現在温度、気温偏差、湿度偏
差、現在の熱需要値、需要予測値との偏差、時刻)に対
応して、合計7個のノ−ドを有している。中間層232
のノ−ド数は任意である。出力層233のノ−ドは3個
である。出力層233のノ−ドを3個にしたのは、該短
期予測が、予測を行なう時点から、1時間後、2時間
後、3時間後の熱需要の予測値を出力することに対応さ
せたものである。
【0035】但し、入力デ−タの種類、ノ−ドの数等は
これに限定されるものではない。
これに限定されるものではない。
【0036】ニューラルネット230についても上述し
たニュ−ラルネットワ−ク130と同様に、各ノ−ド
に、ニューロン間の係数行列である重み行列が、予め与
えられている。該ニュ−ラルネットワ−ク230の学習
は、学習に使用するデ−タが異なる点を除き、ニュ−ラ
ルネットワ−ク130の場合と同様である。
たニュ−ラルネットワ−ク130と同様に、各ノ−ド
に、ニューロン間の係数行列である重み行列が、予め与
えられている。該ニュ−ラルネットワ−ク230の学習
は、学習に使用するデ−タが異なる点を除き、ニュ−ラ
ルネットワ−ク130の場合と同様である。
【0037】なお、短期需要予測手段200の予測期間
は、現在時刻から3時間後までである。予測形式は、予
測期間を1時間ごとに区切って、各区間ごとの熱需要予
測値を出力するものとする。予測実行時刻は毎正時とす
る。ニューラルネット220では、長期需要予測手段1
00と同様にニューロン間の係数行列である重み行列
が、予測を行なう以前に形成されている。
は、現在時刻から3時間後までである。予測形式は、予
測期間を1時間ごとに区切って、各区間ごとの熱需要予
測値を出力するものとする。予測実行時刻は毎正時とす
る。ニューラルネット220では、長期需要予測手段1
00と同様にニューロン間の係数行列である重み行列
が、予測を行なう以前に形成されている。
【0038】ニューラルネット220は、毎正時毎に、
正規化入力情報209に基づいて正規化予測需要210
を出力する(注:いうまでもないが、該正規化予測需要
210も、正規化された、つまり、0から1の範囲の、
数値である。)。該正規化予測需要210は、出力イン
タフェース240により工学値変換され、現在時刻から
1時間後、2時間後、3時間後の需要予測値(以下、”
短期需要予測値105”という)として記憶手段300
に再び格納される。
正規化入力情報209に基づいて正規化予測需要210
を出力する(注:いうまでもないが、該正規化予測需要
210も、正規化された、つまり、0から1の範囲の、
数値である。)。該正規化予測需要210は、出力イン
タフェース240により工学値変換され、現在時刻から
1時間後、2時間後、3時間後の需要予測値(以下、”
短期需要予測値105”という)として記憶手段300
に再び格納される。
【0039】短期熱需要予測値105の例を図7に示
す。この図の例では、現在時刻11時に予測を実行し
て、12,13,14時における予測値を得た様子を示
している。
す。この図の例では、現在時刻11時に予測を実行し
て、12,13,14時における予測値を得た様子を示
している。
【0040】なお、短期熱需要予測値105は、現在の
熱需要値との差として出力されるようにしても良い。
熱需要値との差として出力されるようにしても良い。
【0041】運転計画作成手段400について説明す
る。
る。
【0042】運転計画作成手段400は運転スケジュ−
ル107の作成およびその修正処理を行なうものであ
る。該運転計画作成手段400は、下記の機能を実現で
きれば、そのハ−ド的、ソフト的な構成はなんら限定さ
れるものではない。
ル107の作成およびその修正処理を行なうものであ
る。該運転計画作成手段400は、下記の機能を実現で
きれば、そのハ−ド的、ソフト的な構成はなんら限定さ
れるものではない。
【0043】長期熱需要予測値103’に基づいた運転
計画作成処理の概要を図8を用いて説明する。
計画作成処理の概要を図8を用いて説明する。
【0044】運転計画作成手段400は、まず、運転コ
ストが最小となる様に、1時間毎の起動・停止の運転ス
ケジュール案を、各熱源機器毎に作成する(ステップ6
01)。該運転スケジュ−ル案の作成は、既に公知の技
術である数理計画法を用いて行なうことができる。ま
た、これ以外の方法であっても構わない。
ストが最小となる様に、1時間毎の起動・停止の運転ス
ケジュール案を、各熱源機器毎に作成する(ステップ6
01)。該運転スケジュ−ル案の作成は、既に公知の技
術である数理計画法を用いて行なうことができる。ま
た、これ以外の方法であっても構わない。
【0045】次に、該運転スケジュール案に従って各熱
源機器を運転した場合の状況を、プラント動特性をも考
慮に入れてシミュレーションする(ステップ602)。
なお、プラント動特性としては、配管の特性、熱伝導の
時間遅れ、多数機器が運転する場合のプラントに対する
影響等が挙げられる。
源機器を運転した場合の状況を、プラント動特性をも考
慮に入れてシミュレーションする(ステップ602)。
なお、プラント動特性としては、配管の特性、熱伝導の
時間遅れ、多数機器が運転する場合のプラントに対する
影響等が挙げられる。
【0046】続いて、このシミュレーションの結果に基
づいて、例えば、特定機器の起動・停止が頻発すること
はないか等の観点から運転特性を評価する(ステップ6
03)。この場合の評価関数としては、起動・停止回
数、運転コスト、電力・ガス等燃料に対する制限等が考
えられる。なお、それぞれの評価関数についての収束条
件値はあらかじめ設定しておく。
づいて、例えば、特定機器の起動・停止が頻発すること
はないか等の観点から運転特性を評価する(ステップ6
03)。この場合の評価関数としては、起動・停止回
数、運転コスト、電力・ガス等燃料に対する制限等が考
えられる。なお、それぞれの評価関数についての収束条
件値はあらかじめ設定しておく。
【0047】ステップ603において行なった評価の結
果が収束しているか否か、すなわち、すべての条件が満
たされているか否かを判断する(ステップ604)。収
束しない場合、つまり、満たされていない条件がある場
合には、運転スケジュール案の修正を行なった(ステッ
プ605)上で、ステップ602に戻り改めてシミュレ
−ションを行なう。なお、このスケジュ−ルの修正は、
知識処理、ファジィ推論等により実行するものである
が、その具体的内容は本願発明の本質とは関係ないた
め、ここでは詳細な説明は省略する。一方、ステップ6
04において収束条件をすべて満足していた場合には、
運転スケジュール107として制御手段500に出力す
る。
果が収束しているか否か、すなわち、すべての条件が満
たされているか否かを判断する(ステップ604)。収
束しない場合、つまり、満たされていない条件がある場
合には、運転スケジュール案の修正を行なった(ステッ
プ605)上で、ステップ602に戻り改めてシミュレ
−ションを行なう。なお、このスケジュ−ルの修正は、
知識処理、ファジィ推論等により実行するものである
が、その具体的内容は本願発明の本質とは関係ないた
め、ここでは詳細な説明は省略する。一方、ステップ6
04において収束条件をすべて満足していた場合には、
運転スケジュール107として制御手段500に出力す
る。
【0048】なお、この図8に示した処理は、翌日1日
分の熱需要予測を行なうために、1日に1回だけ実行さ
れるものである。
分の熱需要予測を行なうために、1日に1回だけ実行さ
れるものである。
【0049】該運転スケジュール107の作成結果例を
図9に示す。この図の例では、機器1からNまでの運転
・停止状態、負荷率が時間毎に出力されている。機器1
は、7時に起動され負荷50%で9時まで運転される。
そして、9時以降は負荷を100%にまで引き上げる。
機器2は8時に起動され、負荷50%で10時まで運転
される。そして、10時以降は負荷を100%にまで引
き上げる。機器Nは、11時に起動され負荷50%で1
2時まで運転される。そして、12時になると負荷を1
00%にまで引き上げる。さらにその後、14時になる
と負荷50%に、また、15時になると停止させるもの
となっている。
図9に示す。この図の例では、機器1からNまでの運転
・停止状態、負荷率が時間毎に出力されている。機器1
は、7時に起動され負荷50%で9時まで運転される。
そして、9時以降は負荷を100%にまで引き上げる。
機器2は8時に起動され、負荷50%で10時まで運転
される。そして、10時以降は負荷を100%にまで引
き上げる。機器Nは、11時に起動され負荷50%で1
2時まで運転される。そして、12時になると負荷を1
00%にまで引き上げる。さらにその後、14時になる
と負荷50%に、また、15時になると停止させるもの
となっている。
【0050】短期熱需要予測値105に基いて運転スケ
ジュール107を修正する処理を図10を用いて説明す
る。なお、プラントを構成するN台の機器には、それぞ
れに、1からNまでの識別番号が予め付与されているも
のとする。
ジュール107を修正する処理を図10を用いて説明す
る。なお、プラントを構成するN台の機器には、それぞ
れに、1からNまでの識別番号が予め付与されているも
のとする。
【0051】まず、修正の対象となる機器を特定するた
めの変数iを初期化するために、該変数iに1を代入す
る(ステップ651)。
めの変数iを初期化するために、該変数iに1を代入す
る(ステップ651)。
【0052】短期熱需要予測値105と、現在の運転ス
ケジュール107とを比較し、そのままで負荷が十分で
あるか否か、言い替えれば、熱需要に十分応えられるか
を判定する(ステップ652)。但し、該判定の際に用
いられるのは、1時間後の短期需要予測値105のみで
ある。2時間後、3時間後のデ−タは、単に、これ以
後、運転スケジュ−ル107の内容どおりの運転を行な
った場合の、熱の過不足の見通しを得るためのものであ
る。このような見通しを得ることにより、起動にある程
度の時間が必要な熱源機器の暖気運転を予め行なってお
けば、2時間後あるいは3時間後に運転を実際に修正す
る場合でも迅速に対処することができる。
ケジュール107とを比較し、そのままで負荷が十分で
あるか否か、言い替えれば、熱需要に十分応えられるか
を判定する(ステップ652)。但し、該判定の際に用
いられるのは、1時間後の短期需要予測値105のみで
ある。2時間後、3時間後のデ−タは、単に、これ以
後、運転スケジュ−ル107の内容どおりの運転を行な
った場合の、熱の過不足の見通しを得るためのものであ
る。このような見通しを得ることにより、起動にある程
度の時間が必要な熱源機器の暖気運転を予め行なってお
けば、2時間後あるいは3時間後に運転を実際に修正す
る場合でも迅速に対処することができる。
【0053】ステップ652の判定の結果、負荷が不足
している場合には、修正を行なっていない機器がまだあ
ることを確認(ステップ653)した後、機器iの負荷
を増加させて、熱発生量を増やす(ステップ654)。
この場合の増加量は、当然、不足している熱量に対応し
たものである。なお、該機器iの負荷を必ずしも100
%にまで増加する必要はない。例えば、運転コスト等の
点から、負荷90%の稼働状態が最も好ましい場合に
は、当該機器の負荷は90%までしか増加させない。そ
して、さらに不足している分については後述するとお
り、(上記識別番号の順番からいって)次の機器の負荷
を増大することにより対応する。
している場合には、修正を行なっていない機器がまだあ
ることを確認(ステップ653)した後、機器iの負荷
を増加させて、熱発生量を増やす(ステップ654)。
この場合の増加量は、当然、不足している熱量に対応し
たものである。なお、該機器iの負荷を必ずしも100
%にまで増加する必要はない。例えば、運転コスト等の
点から、負荷90%の稼働状態が最も好ましい場合に
は、当該機器の負荷は90%までしか増加させない。そ
して、さらに不足している分については後述するとお
り、(上記識別番号の順番からいって)次の機器の負荷
を増大することにより対応する。
【0054】続いて、ステップ655において、変数i
に1を加えて、次の機器を修正の対象とする。そして、
ステップ652に戻り、まだ、熱が不足するか否かを判
断する。
に1を加えて、次の機器を修正の対象とする。そして、
ステップ652に戻り、まだ、熱が不足するか否かを判
断する。
【0055】なお、ステップ653において、変数i=
N+1であった場合には、そのまま処理を終了する。
N+1であった場合には、そのまま処理を終了する。
【0056】一方、ステップ652において負荷は不足
していないと判定された場合には、今度は逆に、負荷を
下げることができるか否か、言い替えれば、熱が余りそ
うか否かを判定する(ステップ656)。但し、ステッ
プ652の場合と同様に、該判定の際に用いられるの
は、1時間後の短期需要予測値105のみである。
していないと判定された場合には、今度は逆に、負荷を
下げることができるか否か、言い替えれば、熱が余りそ
うか否かを判定する(ステップ656)。但し、ステッ
プ652の場合と同様に、該判定の際に用いられるの
は、1時間後の短期需要予測値105のみである。
【0057】ステップ656における判定の結果、負荷
を下げることができる場合には、修正を行なっていない
機器がまだあることを確認(ステップ657)した後、
機器iの負荷を低下させて、熱発生量を減らす(ステッ
プ658)。この場合の減少量は、当然、余っている熱
量に対応したものである。なお、該機器iの負荷を必ず
しも0%にまで減少させる(すなわち、停止)必要はな
い。例えば、停止、再起動を繰り返すような事態を避け
るためにわずかであっても稼働させておくことが好まし
いのであれば、当該機器の負荷はある一定のレベルまで
しか低下させない。さらに、余っている分については後
述するとおり、(上記識別番号の順番からいって)次の
機器の負荷を低下させることにより対応する。
を下げることができる場合には、修正を行なっていない
機器がまだあることを確認(ステップ657)した後、
機器iの負荷を低下させて、熱発生量を減らす(ステッ
プ658)。この場合の減少量は、当然、余っている熱
量に対応したものである。なお、該機器iの負荷を必ず
しも0%にまで減少させる(すなわち、停止)必要はな
い。例えば、停止、再起動を繰り返すような事態を避け
るためにわずかであっても稼働させておくことが好まし
いのであれば、当該機器の負荷はある一定のレベルまで
しか低下させない。さらに、余っている分については後
述するとおり、(上記識別番号の順番からいって)次の
機器の負荷を低下させることにより対応する。
【0058】その後、ステップ659において、変数i
に1を加えて、次の機器を修正の対象とする(ステップ
659)。そして、ステップ652に戻り、まだ、熱が
不足するか否かを判断する。
に1を加えて、次の機器を修正の対象とする(ステップ
659)。そして、ステップ652に戻り、まだ、熱が
不足するか否かを判断する。
【0059】なお、ステップ657において、変数i=
N+1であった場合には、そのまま処理を終了する。
N+1であった場合には、そのまま処理を終了する。
【0060】以上説明した修正処理は、シミュレ−ショ
ンのように長時間を要する処理を必要としないため、す
ばやく、運転スケジュールの修正を行なうことができ
る。但し、修正処理はこれに限定されるものではない。
例えば、図8に示した処理と同様の処理を毎回実行して
も良い。
ンのように長時間を要する処理を必要としないため、す
ばやく、運転スケジュールの修正を行なうことができ
る。但し、修正処理はこれに限定されるものではない。
例えば、図8に示した処理と同様の処理を毎回実行して
も良い。
【0061】なお、長期需要予測手段、短期需要予測手
段の予測期間等は、上記実施例に示したものに限られる
ものではない。長期需要予測手段の予測期間は1日以上
あるいは一日以下であってもよい。同様に、予測の間隔
は1時間に限られるものではない。同様に、短期予測手
段においても、予測期間、予測の間隔、予測実行周期は
1時間以内であってもよい。さらには、上記実施例にお
いては、長期需要予測手段、短期需要予測手段ともに、
ニュ−ラルネットワ−ク含んで構成しているが必ずしも
ニュ−ラルネットワ−クを使用する必要はない。短期需
要予測手段が、長期需要予測手段の予測結果を利用し
て、より高い精度での需要予測を行なえるものであれ
ば、その具体的構成はなんら限定されるものではない。
段の予測期間等は、上記実施例に示したものに限られる
ものではない。長期需要予測手段の予測期間は1日以上
あるいは一日以下であってもよい。同様に、予測の間隔
は1時間に限られるものではない。同様に、短期予測手
段においても、予測期間、予測の間隔、予測実行周期は
1時間以内であってもよい。さらには、上記実施例にお
いては、長期需要予測手段、短期需要予測手段ともに、
ニュ−ラルネットワ−ク含んで構成しているが必ずしも
ニュ−ラルネットワ−クを使用する必要はない。短期需
要予測手段が、長期需要予測手段の予測結果を利用し
て、より高い精度での需要予測を行なえるものであれ
ば、その具体的構成はなんら限定されるものではない。
【0062】以上のように上記実施例においては、長期
間(1日またはそれ以上)の需要予測結果を短期需要予
測により修正するため、予測の精度が向上した。その結
果、熱需要の変動に追従した熱源機器の運転制御の最適
化を自動的に行なうことができる。
間(1日またはそれ以上)の需要予測結果を短期需要予
測により修正するため、予測の精度が向上した。その結
果、熱需要の変動に追従した熱源機器の運転制御の最適
化を自動的に行なうことができる。
【0063】上記実施例においては、熱需要の予測のみ
を示したが、これ以外の需要予測および該予測に基づく
機器の運転にも適用可能であることは言うまでもない。
を示したが、これ以外の需要予測および該予測に基づく
機器の運転にも適用可能であることは言うまでもない。
【0064】本発明の具体的構成は、上記実施例に限定
されるものではない。
されるものではない。
【0065】
【発明の効果】本発明によれば、熱需要予測の精度が向
上する。また、熱需要の変動に追従した熱源機器の効率
的な運転制御の自動化が可能となる。
上する。また、熱需要の変動に追従した熱源機器の効率
的な運転制御の自動化が可能となる。
【図1】本発明の一実施例の基本構成図である。
【図2】長期需要予測手段の内部構成図である。
【図3】ニュ−ラルネットワ−ク130の詳細を示す説
明図である。
明図である。
【図4】長期の熱需要予測結果の一例を示す説明図であ
る。
る。
【図5】短期需要予測手段の内部構成図である。
【図6】ニュ−ラルネットワ−ク230の詳細を示す説
明図である。
明図である。
【図7】短期熱需要予測値の一例を示す説明図である。
【図8】長期の熱需要予測値に基づく運転スケジュ−ル
作成処理の概要を示すフローチャ−トである。
作成処理の概要を示すフローチャ−トである。
【図9】運転スケジュールの一例を示す説明図である。
【図10】短期熱需要予測値による運転スケジュ−ルの
修正処理の概要を示すフローチャ−トである。
修正処理の概要を示すフローチャ−トである。
100……長期需要予測手段、 101……運転員から
与えられる情報、 102……プラント情報、 103
……熱需要予測値、 105……熱需要予測値、 10
7……運転スケジュ−ル、 108……制御指令、 1
09……正規化入力情報、110……正規化予測需要、
120……入力インタフェ−ス、 130……ニュ−
ラルネットワ−ク、 131……入力層、 132……
中間層、133……出力層、 140……出力インタフ
ェ−ス、 200……短期需要予測手段、209……正
規化入力情報、 210……正規化予測需要、 220
……入力インタフェ−ス、 230……ニュ−ラルネッ
トワ−ク、 231……入力層、 232……中間層、
233……出力層、 240……出力インタフェ−
ス、 300……データベース、 400……運転計画
作成手段、 500……制御手段
与えられる情報、 102……プラント情報、 103
……熱需要予測値、 105……熱需要予測値、 10
7……運転スケジュ−ル、 108……制御指令、 1
09……正規化入力情報、110……正規化予測需要、
120……入力インタフェ−ス、 130……ニュ−
ラルネットワ−ク、 131……入力層、 132……
中間層、133……出力層、 140……出力インタフ
ェ−ス、 200……短期需要予測手段、209……正
規化入力情報、 210……正規化予測需要、 220
……入力インタフェ−ス、 230……ニュ−ラルネッ
トワ−ク、 231……入力層、 232……中間層、
233……出力層、 240……出力インタフェ−
ス、 300……データベース、 400……運転計画
作成手段、 500……制御手段
フロントページの続き (72)発明者 山田 昭彦 茨城県日立市久慈町4026番地 株式会社日 立製作所日立研究所内
Claims (6)
- 【請求項1】熱需要の変動を予測する需要予測装置にお
いて、 予め定められた長期予測対象期間内における、熱需要の
変動を予測する(以下”長期予測”という)長期予測手
段と、 上記長期予測対象期間よりも短い短期予測対象期間内に
おける、熱需要の変動を予測する(以下”短期予測”と
いう)短期予測手段と、を有し、 上記短期予測手段は、上記長期予測の結果を含むデ−タ
を用いて上記短期予測を行なうこと、 を特徴とする熱需要予測装置。 - 【請求項2】上記長期予測手段は、長期予測の対象とな
る時間領域についての、天気の予想、予想最低温度、予
想最高温度、のうち少なくとも一つを用いて、上記長期
予測を行なうこと、 を特徴とする請求項1記載の熱需要予測装置。 - 【請求項3】上記短期予測手段は、 短期予測実行時における実際の気温(以下”現在気温”
という)、前回短期予測を実行した時点での気温と現在
気温との差、短期予測実行時における実際の湿度(以
下”現在湿度”という)、前回短期予測を実行した時点
での湿度と現在湿度との差、予測実行時における実際の
熱需要値(以下”現在需要値”という)、該短期予測実
行時刻についての上記長期予測手段の予測結果、該予測
結果と上記現在需要値との差、のうち少なくとも一つ
と、 予測実行時刻と、 を用いて、短期予測を行なうこと、 を特徴とする請求項1記載の熱需要予測装置。 - 【請求項4】上記長期予測手段と短期の予測手段とは、
少なくとも一方が、過去における熱需要の変動と気象条
件との関係を含んだ教師デ−タを用いて学習された、ニ
ュ−ラルネットワ−クを含んで構成されること、 を特徴とする請求項1記載の熱需要予測装置。 - 【請求項5】制御対象となる機器の運転を熱需要に応じ
て制御する制御装置において、 長期予測対象期間内における熱需要の変動を予測する
(以下”長期期予測”という)長期予測手段と、 上記長期予測の結果を含むデ−タを用いて、上記長期予
測対象期間よりも短い短期予測対象期間内における熱需
要の変動を予測する(以下”短期予測”という)短期予
測手段と、 上記長期予測の結果に基づいて、上記機器の運転計画を
作成するとともに、上記短期予測の結果に基づいて該運
転計画を修正する運転計画作成手段と、 を有することを特徴とする運転制御装置。 - 【請求項6】熱需要に応じて機器の運転状態を制御可能
なプラント装置において、 長期予測対象期間内における需要の変動を予測する(以
下”長期期予測”という)長期予測手段と、 、上記長期予測手段の結果を含むデ−タを用いて、上記
長期予測対象期間よりも短い短期予測対象期間内におけ
る熱需要の変動を予測する(以下”短期予測”という)
短期予測手段と、 制御対象となる機器と、 上記長期予測の結果に基づいて、上記機器の運転計画を
作成するとともに、上記短期予測の結果に基づいて該運
転計画を修正する運転計画作成手段と、 上記運転計画に基づいて上記機器を制御する制御手段
と、 を有することを特徴とするプラント装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4255075A JPH06102908A (ja) | 1992-09-24 | 1992-09-24 | 需要予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4255075A JPH06102908A (ja) | 1992-09-24 | 1992-09-24 | 需要予測装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH06102908A true JPH06102908A (ja) | 1994-04-15 |
Family
ID=17273791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP4255075A Pending JPH06102908A (ja) | 1992-09-24 | 1992-09-24 | 需要予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH06102908A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0814627A (ja) * | 1994-06-28 | 1996-01-19 | Nec Eng Ltd | 予測データ作成システムおよびこのシステムを用いた熱負荷予測装置 |
JPH09210425A (ja) * | 1996-01-30 | 1997-08-12 | Toshiba Corp | 冷暖房需要量予測装置 |
JP2005257113A (ja) * | 2004-03-10 | 2005-09-22 | Mitsubishi Electric Corp | スケジュール送信装置、機器運転設定装置、スケジュール配信方法、機器運転設定方法 |
JP2016059126A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社東芝 | 電力負荷推定装置、電力負荷推定方法、及び電力負荷推定プログラム |
JP2017138025A (ja) * | 2016-02-02 | 2017-08-10 | 株式会社日立製作所 | 熱源システムの運転計画システム、熱源システムの運転計画判定方法 |
US9784464B2 (en) | 2013-04-22 | 2017-10-10 | Mitsubishi Electric Corporation | Air-conditioning control system and air-conditioning control method |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS507981A (ja) * | 1973-05-30 | 1975-01-27 | ||
JPH0355453A (ja) * | 1989-07-21 | 1991-03-11 | Toshiba Corp | 熱負荷予測装置 |
JPH0415441A (ja) * | 1990-05-08 | 1992-01-20 | Toshiba Corp | 熱負荷予測システム |
-
1992
- 1992-09-24 JP JP4255075A patent/JPH06102908A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS507981A (ja) * | 1973-05-30 | 1975-01-27 | ||
JPH0355453A (ja) * | 1989-07-21 | 1991-03-11 | Toshiba Corp | 熱負荷予測装置 |
JPH0415441A (ja) * | 1990-05-08 | 1992-01-20 | Toshiba Corp | 熱負荷予測システム |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0814627A (ja) * | 1994-06-28 | 1996-01-19 | Nec Eng Ltd | 予測データ作成システムおよびこのシステムを用いた熱負荷予測装置 |
JPH09210425A (ja) * | 1996-01-30 | 1997-08-12 | Toshiba Corp | 冷暖房需要量予測装置 |
JP2005257113A (ja) * | 2004-03-10 | 2005-09-22 | Mitsubishi Electric Corp | スケジュール送信装置、機器運転設定装置、スケジュール配信方法、機器運転設定方法 |
JP4661062B2 (ja) * | 2004-03-10 | 2011-03-30 | 三菱電機株式会社 | スケジュール送信装置、機器運転設定装置、スケジュール配信方法、機器運転設定方法 |
US9784464B2 (en) | 2013-04-22 | 2017-10-10 | Mitsubishi Electric Corporation | Air-conditioning control system and air-conditioning control method |
JP2016059126A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社東芝 | 電力負荷推定装置、電力負荷推定方法、及び電力負荷推定プログラム |
JP2017138025A (ja) * | 2016-02-02 | 2017-08-10 | 株式会社日立製作所 | 熱源システムの運転計画システム、熱源システムの運転計画判定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112615379B (zh) | 基于分布式多智能体强化学习的电网多断面功率控制方法 | |
US10504195B2 (en) | System and method for decentralized energy production | |
Khotanzad et al. | A neuro-fuzzy approach to short-term load forecasting in a price-sensitive environment | |
Tarragona et al. | Model predictive control applied to a heating system with PV panels and thermal energy storage | |
Papalexopoulos et al. | An implementation of a neural network based load forecasting model for the EMS | |
JP2023129546A (ja) | 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 | |
Lee et al. | Optimal HVAC control as demand response with on-site energy storage and generation system | |
JP7079662B2 (ja) | 電力需要予測システム、学習装置及び電力需要予測方法 | |
Zhang et al. | Cost-oriented load forecasting | |
JPH06236202A (ja) | プラントの運転方法及び装置 | |
Levent et al. | Energy management for microgrids: a reinforcement learning approach | |
CN104036328A (zh) | 自适应风电功率预测***及预测方法 | |
CN115989512A (zh) | 用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法和装置 | |
CN112330012B (zh) | 一种基于迁移学习的建筑能耗预测方法及设备 | |
Nweye et al. | MERLIN: Multi-agent offline and transfer learning for occupant-centric operation of grid-interactive communities | |
Ju et al. | Hierarchical control of air-conditioning loads for flexible demand response in the short term | |
JPH09215192A (ja) | 日負荷曲線予測方法 | |
Dmitrewski et al. | CntrlDA: A building energy management control system with real-time adjustments. Application to indoor temperature | |
JPH08249005A (ja) | エネルギー設備の設備運用方法およびその装置 | |
Shabani et al. | Predicting building energy consumption using engineering and data driven approaches: A review | |
JPH06102908A (ja) | 需要予測装置 | |
JP3763767B2 (ja) | エネルギ供給設備の運転計画システム | |
Molina et al. | Approach to multivariable predictive control applications in residential HVAC direct load control | |
JPH0922402A (ja) | 日最大電力需要量予測方法 | |
CN115663833A (zh) | 应用于源网荷储一体化的源荷资源调控方法和装置 |