特許 6236586 デマンドレスポンスシステムにおいて負荷削減を判断すること

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6236586

(24)【登録日】2017年11月10日

(45)【発行日】2017年11月29日

(54)【発明の名称】デマンドレスポンスシステムにおいて負荷削減を判断すること

(51)【国際特許分類】

   H02J 3/14 20060101AFI20171120BHJP

   H02J 3/00 20060101ALI20171120BHJP

   G06Q 50/06 20120101ALI20171120BHJP

【ＦＩ】

   H02J3/14 160

   H02J3/00 130

   G06Q50/06

【請求項の数】6

【全頁数】11

(21)【出願番号】特願2014-530655(P2014-530655)

(86)(22)【出願日】2012年9月14日

(65)【公表番号】特表2014-534792(P2014-534792A)

(43)【公表日】2014年12月18日

(86)【国際出願番号】US2012000401

(87)【国際公開番号】WO2013039556

(87)【国際公開日】20130321

【審査請求日】2015年9月10日

(31)【優先権主張番号】61/535,950

(32)【優先日】2011年9月17日

(33)【優先権主張国】US

(31)【優先権主張番号】61/535,951

(32)【優先日】2011年9月17日

(33)【優先権主張国】US

(31)【優先権主張番号】61/535,949

(32)【優先日】2011年9月17日

(33)【優先権主張国】US

(73)【特許権者】

【識別番号】517177741

【氏名又は名称】オートグリッド インコーポレイテッド

(74)【代理人】

【識別番号】110000877

【氏名又は名称】龍華国際特許業務法人

(72)【発明者】

【氏名】ナラヤン、アミット

(72)【発明者】

【氏名】ロックリン、スコット、クリストファー

(72)【発明者】

【氏名】アイアンガー、ガルド

【審査官】 坂本 聡生

(56)【参考文献】

【文献】 特開２０１０−０８１７８３（ＪＰ，Ａ）

【文献】 Johanna L. Mathieu et al.，“Variability in Automated Responses of Commercial Buildings and Industrial Facilities to Dynamic Electricity Prices”，Energy and Buildings，２０１１年

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ１９／００

Ｇ０６Ｑ１０／００−１０／１０

３０／００−３０／０８

５０／００−５０／２０

５０／２６−９９／００

Ｈ０２Ｊ ３／００− ５／００

１３／００

(57)【特許請求の範囲】

【請求項1】

ベースライン雑音の存在する中でデマンドレスポンスの価格通知に応答して系統的負荷削減を判断する方法であって、
（ａ）デマンドレスポンスイベントに関して特定の期間に総電力消費量データを収集する段階と、
（ｂ）前記総電力消費量データを、予測ベースライン消費量データと、予測誤差電力と、デマンドレスポンス信号とに分割する段階と、
（ｃ）信号処理アルゴリズムを用いて前記デマンドレスポンス信号を再生する段階であって、前記デマンドレスポンス信号は、線形計画法の数式ｍｉｎ｜｜ｒ｜｜_１＋λΣｐ（ｘ_ｔ−ｙ_ｔ＋ｒ_ｔ）を解くことによって再生され、ただし、ｘ_ｔは時刻ｔにおける信号であり、ｙ_ｔはベースライン電力消費量であり、ｒ_ｔは前記デマンドレスポンス信号であり、Ｐ（）は誤差分布の対数尤度である段階と、
（ｄ）前記デマンドレスポンス信号を選択するとともに、高い予測誤差電力及び低い予測誤差電力の期間及び場所を識別する段階と、
（ｅ）前記デマンドレスポンスイベントに関連付けられる前記予測誤差電力に応答して個々のユーザーへの複数のデマンドレスポンスリソースを調節する段階と、
（ｆ）ユーザーが高い予測誤差電力を有する場合には、前記デマンドレスポンス信号のＳＮＲを改善するように複数のＳＮＲ向上方策を利用する段階と
を備え、
前記複数のＳＮＲ向上方策は、高い予測誤差電力を有するユーザーのグループを形成すること、又は高い予測誤差電力を有するユーザーの前記デマンドレスポンスイベントを、高い予測誤差電力を有する次の前記デマンドレスポンスイベントに集積することを含む、方法。

【請求項2】

前記デマンドレスポンス信号は、前記デマンドレスポンスの価格通知に応答する前記系統的負荷削減に相当する、請求項１に記載の方法。

【請求項3】

高い予測誤差電力を有するユーザーのグループを形成することの結果として、誤差電力が集積され、前記デマンドレスポンス信号のＳＮＲが高められる、請求項１または２に記載の方法。

【請求項4】

ユーザーの前記予測誤差電力は、デマンドレスポンスイベントの高い予測誤差電力を顧客の他のデマンドレスポンスイベントと加算することによって集積される、請求項１から３のいずれか１項に記載の方法。

【請求項5】

前記線形計画法の数式は１５ｄＢより大きなＳＮＲのデマンドレスポンス信号を再生する、請求項１から４のいずれか１項に記載の方法。

【請求項6】

前記デマンドレスポンス信号を調節する段階は、前記予測誤差電力が低いときに、より小さな単位で複数のデマンドレスポンスリソースを委託し、予測誤差電力が高いときに、より大きな単位で複数のデマンドレスポンスリソースを委託する段階を有する、請求項１から５のいずれか１項に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は包括的にはベースライン雑音に関し、より詳細には、ベースライン雑音を特徴付ける信号処理技術、及びベースライン雑音の存在時に負荷削減を判断する技術に関する。

【0002】

関連出願の相互参照 本出願は、２０１１年９月１７日に出願の「Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ｆｏｒ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ Ｂａｓｅｌｉｎｅ Ｎｏｉｓｅ， ａｎｄ Ｍｅｔｈｏｄ ｏｆ Ｄｅｔｅｒｍｉｎｉｎｇ Ｌｏａｄ Ｒｅｄｕｃｔｉｏｎ ｉｎ ｔｈｅ Ｐｒｅｓｅｎｃｅ ｏｆ Ｂａｓｅｌｉｎｅ Ｎｏｉｓｅ」と題する米国仮特許出願第６１／５３５，９５１号に対する優先権の恩典を主張し、２０１１年９月１７日に出願の「Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ＤＲ Ｂｉｄｄｉｎｇ ａｎｄ Ｏｐｔｉｍａｌ Ｄｉｓｐａｔｃｈ」と題する米国仮特許出願第６１／５３５，９５０号に対する優先権の恩典を主張し、２０１１年９月１７日に出願の「Ｂｏｔｔｏｍ−ｕｐ Ｌｏａｄ Ｆｏｒｅｃａｓｔｉｎｇ ｆｒｏｍ Ｉｎｄｉｖｉｄｕａｌ Ｃｕｓｔｏｍｅｒ ｔｏ Ｓｙｓｔｅｍ−Ｌｅｖｅｌ Ｂａｓｅｄ ｏｎ Ｐｒｉｃｅ」と題する米国仮特許出願第６１／５３５，９４９号に対する優先権の恩典を主張し、それぞれの内容はその全体を引用することにより本明細書の一部をなすものとする。

【背景技術】

【0003】

数多くのデマンドレスポンスプログラムにおいて、顧客は、高価格又は配電網上の他の条件に応答して、電気使用量を削減するインセンティブを与えられる。これらの支払いを計算するために、公益事業会社は、ＤＲイベントが存在しなければ、その顧客に関する「通常の」消費量がどの程度になっていたかを推定しなければならない。この推定消費量はベースラインと呼ばれる。

【0004】

ベースラインは通常、最近の「同様の」日の或る特定の日数にわたる平均消費量のような数式を用いて計算され、気象情報によって更に調整することができる。その後、ＤＲ日消費量を実際の使用量と比較して、顧客が電気使用量を削減するのに受け取ったクレジットを判断する。

【0005】

顧客の通常の消費量には日々又は時間ごとに或る量の変動があるので、ベースライン値は本質的に不正確である。消費量パターンの日々の変動はベースライン消費量の「雑音」と呼ばれる。

【0006】

従来のベースライン技術は、ベースライン及び負荷制限を判断するために、デマンドレスポンスプログラムにおいて小さな負荷が関与する場合に重大な課題に直面している。ベースラインは本質的に雑音を多く含む可能性がある。建物全体用のメーターのベースラインエネルギー消費量に統計的雑音がある中で、小さな負荷制限を分離することは非常に難しい可能性がある。

【0007】

ベースライン計算技術は、ランダムなベースライン雑音から負荷制限信号を分離する。

【0008】

信号処理技術は、ＤＲプログラムを管理するＩＳＯ／ＲＴＯの確定の厳しい要件を満たすのに十分である可能性がある。信号対雑音電力比（ＳＮＲ）が非常に小さい場合に、電池寿命が限られている超低電力センサの展開中に、周囲雑音から信号を分離するという問題が生じる。

【0009】

ＳＮＲが低い信号は３つの設定のうちの１つ、すなわち、時間領域を有する信号（例えば、信号がスパースである）か、周波数領域を有する信号（例えば、ウェーブレット係数が樹状構造を有する）か、又は幾つかの測定可能な量に影響を及ぼす信号（例えば、複数のカメラがわずかに異なる角度から同じ物体を見ることができる）において確実に再生することができる。

【0010】

最近になって、環境及び信号の事前知識を与えるために、この推定問題に対してベイズ法も適用されている。

【0011】

本発明はこれらの信号を無相関化し、精度を高めることができる最新の信号処理技術に関する。相対的に雑音が多いベースライン環境において、デマンドレスポンス価格に応答して小さな系統的負荷削減を検出する信号処理技術が開発されつつある。

【0012】

ベースライン使用量が本質的に雑音を多く含む可能性があると考えると、建物全体用のメーターから導出されたベースラインエネルギー消費量モデルの統計的誤差の範囲内で小さな負荷制限を分離することは難しい可能性がある。

【0013】

高度な信号処理技術と、根底をなすデータの領域特有の工学知識とを組み合わせることによって、ＤＲＯＭＳ−ＲＴは、ＤＲプログラムを管理する公益事業者又はＩＳＯ／ＲＴＯの確定部門の厳しい要件通りに、小さな系統的負荷制限を分離できるようになる。

【0014】

ＤＲＯＭＳ−ＲＴ：リアルタイムのデマンドレスポンス最適化及び管理システム

【0015】

ＤＲ：デマンドレスポンス

【0016】

ＤＥＲ：分散エネルギーリソース

【0017】

ＦＥ：予測エンジン

【0018】

ＯＥ：最適化エンジン

【0019】

ＢＥ：ベースライン計算及び確定エンジン

【0020】

ＳａａＳ：ソフトウェアアズアサービス

【0021】

ＳＮＲ：信号対雑音電力比

【0022】

ＤＲＯＭＳ−ＲＴ：ＤＲＯＭＳ−ＲＴは、分散発電の配電網への大規模統合をサポートするためにリアルタイムに電力潮流を制御する高度分散デマンドレスポンス最適化及び管理システムである。

【0023】

デマンドレスポンス（ＤＲ）：デマンドレスポンス（ＤＲ）は、供給条件に応答して顧客の電気消費量を管理する仕組みである。ＤＲは一般的に、顧客が需要を削減するのを助長し、それにより、電気のピーク需要を削減するために用いられる。デマンドレスポンスは、供給業者からのイベント又は価格信号に応答して、顧客が使用量を調整する任意の需要サイドの管理プログラムを指している。これらのプログラムは直接負荷制御プログラムと、緊急ピーク時課金及び他の動的価格設定プログラムのような価格に基づくデマンドレスポンスプログラムと、リベートに基づくプログラムと、容量及び需要入札プログラムと、信頼性に基づくプログラムとを含む。それらのプログラムは容量、エネルギー又は付帯的サービスの市場用とすることができる。

【0024】

分散エネルギーリソース（ＤＥＲ）：分散エネルギーリソース（ＤＥＲ）システムは、従来の電力系統の代替手段又は向上手段を提供するために用いられる小規模発電技術（通常、３ｋＷ〜１０，０００ｋＷの範囲）である。

【0025】

ソフトウェアアズアサービス（ＳａａＳ）：ソフトウェアアズアサービス（ＳａａＳ）モデルは、展開及び設備のコストを削減することができ、全ての小規模の商用及び住宅用顧客がデマンドレスポンスに参加できるようにするプラットフォームを提供する。

【0026】

予測エンジン（ＦＥ）：予測エンジン（ＦＥ）はリソースモデラーから利用可能なリソースのリストを入手する。その主眼は、ＤＲＯＭＳ−ＲＴに接続される個々の負荷について総負荷及び利用可能な負荷制限の短期予測を実行することである。

【0027】

最適化エンジン（ＯＥ）：最適化エンジン（ＯＥ）は、ＤＲＭから利用可能なリソース及び全ての制約と、ＦＥから個々の負荷の予測、負荷制限及び誤差分布とを取り込み、所与のコスト関数のもとでＤＲの最適な給電を判断する。

【0028】

ベースライン計算及び確定エンジン（ＢＥ）：ＢＥエンジンは信号処理技術を用いて、非常に大きな基礎信号の背景の小さな系統的負荷制限であっても識別する。

【0029】

信号対雑音電力比（ＳＮＲ）：信号対雑音比（ＳＮＲ）は理工学において測定のために使用される。信号対雑音比は、信号電力と雑音電力との比と定義される。

【発明の概要】

【0030】

本発明の一態様では、非常に大きなベースライン信号の背景の小さな信号を検出するためにベースライン計算エンジンにおいて用いられる信号処理方法が提供される。その方法はベースライン信号を特定し、ベースライン雑音が存在する中で負荷を削減する。

【0031】

ベースライン雑音の存在する中でデマンドレスポンス価格に応答して系統的負荷削減を判断する方法が、ＤＲイベントに関して特定の期間に総電力消費量データを収集することと、電力消費量データを、予測ベースライン消費量データと、誤差電力と、ＤＲ信号とに分割することと、信号処理アルゴリズムを用いてスパースＤＲ信号を再生することと、ＤＲ信号のＳＮＲを改善するように複数のＤＲイベントにわたって複数のＳＮＲ向上方策を利用することと、ＤＲ信号を選択するとともに、高い予測誤差電力及び低い予測誤差電力の期間及び場所を識別することと、ＤＲイベントに関連付けられる誤差電力に応答して個々のユーザーへのＤＲリソースを調節することと、を含む。

【0032】

これ以降、本発明の範囲を制限することなく本発明を例示するために与えられる添付の図面とともに、本発明の好ましい実施形態が説明されることになる。図面では、類似の符号は類似の要素を表す。

【図面の簡単な説明】

【0033】

【図1】本発明の一実施形態による、ベースラインを特徴付けるためのデマンドレスポンスシステムの動作を例示する概略図である。

【0034】

【図2】本発明の一実施形態による、顧客集積による代替の信号向上方策及びＳＮＲ向上を示す図である。

【発明を実施するための形態】

【0035】

ＤＲＯＭＳ−ＲＴは、配電網への分散発電の大規模統合をサポートするためにリアルタイムに電力潮流を制御する、高度に分散されたデマンドレスポンス最適化及び管理システムである。デマンドレスポンスプログラムは、一年のうちの危機的な数時間（ａ ｆｅｗ ｃｒｉｔｉｃａｌ ｈｏｕｒｓ）にわたってエネルギーコストの削減、及びシステム保全を助ける。また、デマンドレスポンスプログラムは、最終顧客が、その設備において負荷を削減し、かつ価格応答プログラムに参加するのを促すか、又はデマンドレスポンスプロバイダを通して先物容量市場（ｆｏｒｗａｒｄ ｃａｐａｃｉｔｙ ｍａｒｋｅｔ）に参加するのを促す。デマンドレスポンスサービスは、現在利用可能である他の形の付帯的サービスオプションよりも大幅に安価であり、明確である。

【0036】

図１は、本発明の一実施形態による、ベースラインを特徴付けるためのデマンドレスポンスシステムの動作を例示する概略図である。図１を参照すると、システム１００は、リソースモデラー１０２と、予測エンジン１０６と、オプティマイザー１０８と、給電エンジン１１０と、ベースラインエンジン１１４とを備える。システム１００は、一方では公益事業者のバックエンドデータシステム１０４に、他方では、顧客エンドポイント１１２に結合される。

【0037】

システム１００内のＤＲリソースモデラー（ＤＲＭ）１０２は、利用可能なＤＲリソース、そのタイプ、その場所、及び応答時間、ランプ時間等の他の関連する特性を全て追跡する。予測エンジン（ＦＥ）１０６は、ＤＲリソースモデラー１０２から利用可能なリソースのリストを入手する。予測エンジン１０６の主眼は、システム１００に接続される個々の負荷に関する総負荷及び利用可能な負荷制限の短期予測を実行することにある。オプティマイザー１０８は、利用可能なリソースと、ＤＲリソースモデラー１０２からの全ての制約と、予測エンジン１０６からの個々の負荷及び負荷制限の予測並びに誤差分布とを取り込み、所与のコスト関数のもとでのデマンドレスポンスの最適な給電を決定する。ベースラインエンジン１１４は信号処理技術を用いて、非常に大きな基礎信号の背景で小さな系統的負荷制限であっても識別する。そのシステムは、顧客エンドデバイスからライブデータフィードを受信するために一方の側において顧客データフィード１１２に結合される。そのシステムは別の側において公益事業者データフィード１０４に結合され、公益事業者データフィード１０４からのデータは、予測モデル及び最適化モデルを較正し、デマンドレスポンスイベントを実行するために与えられる。システム１００は給電エンジン１１０を有し、給電エンジンは、決定を下すのを助け、これらのリソース特有の確率論的モデルを用いて、デマンドレスポンスからＩＳＯ入札を生成するために顧客のポートフォリオにわたってデマンドレスポンス信号を発送するか、又は通過した入札及び配電網の他の制約に基づいて、顧客にデマンドレスポンス信号を最適に発送する。そのシステムは、ベースラインエンジンに接続される顧客／公益事業者インターフェース１１６を使用し、そのインターフェースは、システムと顧客又は公益事業者との間のインターフェースを提供する。

【0038】

実際には、当然、フィードのうちの幾つかがいつでも又はリアルタイムに利用可能ではない場合がある。これらの場合に、予測エンジン１０６は、「オフラインで」、又は部分的なデータフィードを用いて動作することもできる。システム１００の目標は、顧客エンドポイントに概ねリアルタイムにデマンドレスポンスイベントと価格信号とを与え、利用可能なデマンドレスポンスリソースを最適に管理することである。

【0039】

また、ＤＲリソースモデラー１０２は、イベントへの参加又はイベントの完了によって影響を受けるリソースの利用可能性を絶えず更新する。また、ＤＲリソースモデラー１０２は、通知時間要件、特定の期間内のイベント数、及び連続的なイベント数のような各リソースに関連付けられる制約も監視する。また、ＤＲリソースモデラー１０２は、顧客の視点からデマンドレスポンスイベントに参加するのにどのリソースがより望ましいかに関する「負荷順序」を決定するユーザー優先順位と、リソースがイベントへの参加を受け入れる契約期間及び価格とを監視することもできる。また、デマンドレスポンスリソースモデラー１０２は、クライアントが「オンライン」である（すなわち、リソースとして利用可能である）か、そのイベントを断ったかを判断するために、クライアントからデータフィードを入手する。

【0040】

予測エンジン１０６は複数の明示的及び暗黙的パラメータを考慮に入れて、機械学習（ＭＬ）技術を適用して、短期負荷及び制限予測と、これらの予測に関連付けられる誤差分布とを導出する。予測エンジン１０６は、ベースラインエンジン１１４にベースラインサンプル及び誤差分布を与える。さらに、ベースラインエンジン１１４は、実際の電力消費量データである、メーターからのデータフィードを入手する。

【0041】

本発明の一実施形態では、非常に大きなベースライン信号の背景の小さな信号を検出するためにベースライン計算エンジン１１４において用いられる信号処理技術が提供される。その技術はベースライン信号を特定し、ベースライン雑音が存在する中で負荷を削減する。

【0042】

ベースライン計算及び確定エンジン１１４は、ＤＲ価格通知に応答して、需要削減を検出する能力を提供する。相対的に雑音があるベースライン環境において、デマンドレスポンス価格に応答して小さな系統的負荷削減を検出する信号処理技術が開発された。

【0043】

信号処理は、コンピューターアルゴリズムを用いて、雑音の影響を抑圧しながら、信号内に含まれる有用な情報の自然で、意味のある代替の表現を作成することを目指して信号を解析し、変換することを伴う技術である。大抵の場合に、信号処理は、数値的方法及び図式的方法の両方を伴う多段階プロセスである。

【0044】

それゆえ、信号処理は、有用な演算を実行するために、別個の時間又は連続した時間のいずれかにおいて信号を解析する技術である。信号は音、画像、時変測定値、センサデータ、制御システム信号、電気通信伝送信号及び無線信号を含む。

【0045】

信号対雑音比（ＳＮＲ）は理工学において測定のために使用される。信号対雑音比は、所望の信号のレベルと背景雑音のレベルとを比較する。信号対雑音比は、信号電力と雑音電力との比と定義される。信号対雑音比は、会話又はやりとりの中の有用な情報と、誤った情報又は無関係な情報との比を指すために、非公式に使用される場合もある。ＤＲＯＭＳ−ＲＴは、ＤＲ信号のためのＳＮＲをＤＲ信号電力と誤差電力との比と定義し、ただし、誤差はモデル誤差及び予測誤差の和と定義される。

【0046】

１組の顧客が全てＤＲ義務を果たしているか否かを検証するという問題は、非常に大きな信号（ベースライン電力消費量）の背景の小さな信号（ＤＲ関連の電力削減）と、ベースライン発電の誤った予測（モデル及び予測誤差）とを検出するという問題に帰着する。この問題を実効的に解決するために、ＤＲＯＭ−ＲＴベースラインエンジン１１４は、信号処理領域のための複数の技術を用いる。

【0047】

ベースラインエンジン１１４は、最新のスパース信号処理アルゴリズムを展開して、ＤＲ信号を最適に再生する。これらのアルゴリズムは、情報理論的限界に対して最適であり、それゆえ、それらのアルゴリズムは、ＤＲ信号の「ＳＮＲ」を向上させることができない限り改善することはできない。

【0048】

検出を更に改善するために、ＢＥ１１４は、幾つかの異なるＳＮＲ向上方策を利用し、その方策は、顧客レベル信号集積を用いることから、複数のＤＲイベントにわたって確定を拡散することによる時間ダイバーシティを用いることまでに及ぶ。

【0049】

ＳＮＲ向上方策に加えて、ベースラインエンジン１１４は、ＤＲ信号が信号処理問題に内在する、すなわち、ＤＲＯＭＳ−ＲＴが信号を選択することができるという事実を利用する。ＢＥは、高い誤差電力及び低い誤差電力の期間及び場所を識別することができ、誤差電力に対するＤＲリソース委託を調整することができる、すなわち、誤差電力が低いとき小さな単位でリソースを委託し、その逆も同様である。この最後のステップは、エンドユーザー負荷及び負荷変動に関する特定の領域特有の知識を必要とし、既製のクラスタリングアルゴリズムは、誤差電力に関してクラスタリングすることはできない。

【0050】

信号処理問題は以下のように提起される。ｘ＝（ｘ_１，...，ｘ_ｔ）は、Ｔ周期にわたる特定のノードにおける総電力消費量のサンプリングされたデータを表すものとする。信号ｘ＿ｔはｘ_ｔ＝ｙ_ｔ＋ε_ｔ−ｒ_ｔのように分割することが出来る。ただし、ｙ_ｔは予測及びクラスタリングモデルによって予測されるベースライン電力消費量であり、ε_ｔは予測雑音であり、ｒ_ｔはＤＲ信号である。信号ＤＲ信号ｒ_ｔは通常小さく、すなわち、全てのｔに対して｜ｒ_ｔ｜＜＜｜ｙ_ｔ｜であり、かなりスパースである可能性も高く、すなわち、

【数1】

である。したがって、形式ｍｉｎ｜｜ｒ｜｜_０＋λΣｐ（ｘ_ｔ−ｙ_ｔ＋ｒ_ｔ）の最適化問題を解くことによってスパース信号を再生することができる。ただし、ｐ（・）は誤差分布の対数尤度を表す。

【0051】

この問題はＮＰ困難であり、実際には解くのが非常に難しい。非常に緩やかな正則性条件下で、この最適化問題の解は、線形計画ｍｉｎ｜｜ｒ｜｜_１＋λΣｐ（ｘ_ｔ−ｙ_ｔ＋ｒ_ｔ）を解くことによって再生することができる。このＬＰは非常に悪条件であり、それを解くために専用コードを開発する必要がある。現在の最新技術のスパースアルゴリズムは、約１５ｄＢのＳＮＲにおいてスパース信号を再生することができる。信号構造を用いるとき、例えば、「オン」になると、これらの信号は或る一定の指定の期間にわたって「オン」のままである傾向があるという事実等を用いるとき、このＳＮＲを約１０ｄＢまで低減することができる。すなわちこのとき、信号電力が雑音電力に略等しい。ＳＮＲに関するこの下限を下回ることは理論的には不可能である。このＳＮＲ限界は、信号処理モジュールと予測モジュールとの間のつながりを際立たせる。ＤＲ信号を実効的に検出するために、十分に高いＳＮＲを確保しなければならない。

【0052】

図２は、本発明の一実施形態による、顧客集積による代替の信号向上方策及びＳＮＲ向上を示す図である。

【0053】

図２を参照すると、ＳＮＲ向上に関する顧客を中心にした幾つかの方策は以下の通りである。顧客ごとの予測誤差が独立しているとき、顧客を結合する「ポートフォリオ効果」が、ＳＮＲを高める。ＳＮＲは、時間ダイバーシティによって、すなわち、数回のイベントにわたって平均してＤＲに基づく支払いを確定することによって、高めることもできる。例えば、１つの建物において小さな負荷が制限されるとき、建物全体用のメーターを測定することによってその変化を区別することは不可能な可能性がある。しかしながら、同じ小さな負荷が１０００棟の建物において同時に制限された場合には、特性化されていない要因は平滑化される傾向があり、それにより、各建物内の小さな負荷制限を統計的に測定できるようになる。予測誤差が期間ごとに独立しているとき、時間にわたる「ポートフォリオ効果」が雑音電力を低減し、その一方で信号成分は相対的に一定のままであるので、再び、ＳＮＲを高める。付帯的サービスの場合、１日のうちの所与の期間中に数多くのイベントが存在することになり、これらのイベントにわたってデータを集積し、信号対雑音比を改善できる可能性がある。

【0054】

ＤＲはＤＲＯＭＳ−ＲＴ内の最適化エンジン１０８の制御下にある。ＤＲＯＭＳ−ＲＴは予測誤差に従って顧客をクラスタリングし、最適化エンジンにおいて、必要なＳＮＲを有する単位でのみＤＲを実行するように制約を課すことができる。例えば、特定の顧客が大きな予測誤差を有する場合には、ＤＲＯＭＳ−ＲＴは、ＤＲからその顧客を除外するか、その顧客を１０００人の他の顧客とグループにして、ポートフォリオ効果を利用する。

【0055】

同じ顧客が、期間によって相対的に大きな誤差を有する場合もあれば、相対的に小さな誤差を有する場合もある（例えば、昼間は変動し、夜間は安定している）。ＤＲＯＭＳ−ＲＴはこれを識別し、相対的に小さなモデル誤差の期間中にのみリソース利用可能性を制限することができる。また、ＤＲＯＭＳ−ＲＴは、ＤＲリソース委託の規模を誤差電力と結びつけることによって、時間／場所情報を利用することもできる。

【0056】

ＳＮＲは、時間ダイバーシティによって、すなわち、数回のイベントにわたって平均してＤＲに基づく支払いを確定することによって、高めることもできる。ＳＮＲの向上は、種々の手段において達成することができる。ＳＮＲが非常に低いとき、ロバストな最適化エンジンを用いて、ＤＲ負荷が雑音に比べて非常に高くなるのを確実にしなくてはならない。中間の雑音レベルでは、顧客クラスにわたる集積が、ＳＮＲを十分に向上させる。高いＳＮＲは、ＳＮＲの向上が不要であり、その信号を信号処理モジュールに供給できることを意味する。

【0057】

信号対雑音比（ＳＮＲ）は、信号処理モジュールと、機械学習予測及びフィルタリングモジュールとの間のつながりである。ＤＲ信号を有効的に検出して、十分に高いＳＮＲを保証するために、顧客ごとの予測誤差は独立していなければならない。顧客のポートフォリオ効果もＳＮＲを高める。

【0058】

本発明によれば、信号処理技術は、受信されたスマートメーターデータに含まれる情報を改善する。通常、スマートメーターで信号が測定されるとき、その信号は時間領域において表示される（縦軸が振幅又は電圧であり、横軸が時間である）。これは、信号を表示する最も論理的で、直観的な方法である。簡単な信号処理は多くの場合に、ゲートを用いて対象とする信号を分離するか、又は周波数フィルタを用いて望ましくない周波数を平滑化若しくは除去することを伴う。

【0059】

本発明は、非常に大きなベースライン信号の背景の小さな信号を検出するためにベースライン計算エンジン１１４において用いられる信号処理技術を提供する。その技術はベースライン信号を特定し、ベースライン雑音が存在する中で負荷を削減する。

【0060】

ＦＥエンジン１０６は、ＢＥエンジン１１４にベースラインサンプル及び誤差分布を与える。さらに、ＢＥエンジンは、実際の電力消費量データである、メーターからのデータフィードを入手する。ＢＥは、「イベント検出」アルゴリズムを用いて、その負荷が実際にＤＲイベントに関与したか否かを判断し、関与した場合には、このイベントに起因する需要削減が何であったかを判断する。ＢＥエンジン１１４は、ＦＥ１０６にデータをフィードバックし、そのデータを用いてベースライン予測を改善できるようにする。

【0061】

ベースライン計算及び確定エンジン１１４の目標は、ＤＲイベント又は価格通知に応答して、需要削減を検出する能力を提供することである。その主眼は、相対的に雑音があるベースライン環境において、ＤＲイベントに応答して小さな系統的負荷削減を検出する能力を開発することにある。このために、新規の信号処理技術が開発され、実施された。
（項目１）
ベースライン雑音の存在する中でデマンドレスポンス価格に応答して系統的負荷削減を判断する方法であって、
デマンドリソースイベントに関して特定の期間に総電力消費量データを収集する段階と、
上記総電力消費量データを、予測ベースライン消費量データと、誤差電力と、デマンドリソースレスポンス信号とに分割する段階と、
信号処理アルゴリズムを用いて上記デマンドリソースレスポンス信号を再生する段階と、
上記デマンドリソースレスポンス信号のＳＮＲを改善するように複数のデマンドレスポンスイベントにわたって複数のＳＮＲ向上方策を利用する段階と、
上記デマンドレスポンス信号を選択するとともに、高い予測誤差電力及び低い予測誤差電力の期間及び場所を識別する段階と、
上記デマンドリソースイベントに関連付けられる上記誤差電力に応答して個々のユーザーへの上記デマンドレスポンスリソースを調節する段階と
を備える、方法。
（項目２）
上記デマンドリソースレスポンス信号は、デマンドレスポンスに応答する上記系統的負荷削減に相当する、項目１に記載の方法。
（項目３）
ＳＮＲを向上させるように顧客集積方策が用いられる、項目１に記載の方法。
（項目４）
上記ＳＮＲの向上は時間ダイバーシティ方策を通して実行される、項目１に記載の方法。
（項目５）
上記誤差電力はモデル誤差と、予測誤差とを含む、項目１に記載の方法。
（項目６）
スパースである上記デマンドレスポンス信号は１０ｄＢ〜１５ｄＢの範囲まで再生される、項目１に記載の方法。
（項目７）
上記デマンドレスポンス信号のＳＮＲは上記デマンドレスポンス信号と上記誤差電力との比である、項目１に記載の方法。
（項目８）
上記デマンドレスポンス信号を調節する段階は、上記誤差電力が低いときに、より小さな単位でデマンドレスポンスリソースを委託し、誤差電力が高いときに、より大きな単位でデマンドレスポンスリソースを委託する段階を有する、項目１に記載の方法。

【図1】

【図2】