ホーム > 特許ランキング > 国立大学法人大阪大学
▶ 国立大学法人大阪大学の特許一覧 ▶ 関西電力株式会社の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023174152
(43)【公開日】2023-12-07
(54)【発明の名称】分析装置
(51)【国際特許分類】
G06Q 50/06 20120101AFI20231130BHJP
【ＦＩ】
G06Q50/06
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2022086850
(22)【出願日】2022-05-27
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 令和３年７月２６日 第４０回エネルギー・資源学会研究発表会 講演論文集（ウェブサイト）にて公開 令和３年８月２日 第４０回エネルギー・資源学会研究発表会（オンライン）にて公開
(71)【出願人】
【識別番号】504176911
【氏名又は名称】国立大学法人大阪大学
(71)【出願人】
【識別番号】000156938
【氏名又は名称】関西電力株式会社
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】山口 容平
(72)【発明者】
【氏名】榎原 史哉
(72)【発明者】
【氏名】岩井 良真
(72)【発明者】
【氏名】山口 麻有
(72)【発明者】
【氏名】上林 由果
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049CC06
(57)【要約】
【課題】施設の電力需要の状態に応じた情報を簡易に提供する。
【解決手段】分析方法は、複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップＳ１と、複数の施設の各々の地域の外気温を示す外気温データを取得するステップＳ２と、電力需要データと外気温データとに基づいて、電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップＳ３と、電力需要のピークを示す第１変数と、第１成分の代表値を示す第２変数と、第２成分の代表値を示す第３変数と、第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設を複数の類型に分類するステップＳ４と、対象施設が属する対象類型に応じた情報を提供するステップＳ５を備える。
【選択図】図２２
【解決手段】分析方法は、複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップＳ１と、複数の施設の各々の地域の外気温を示す外気温データを取得するステップＳ２と、電力需要データと外気温データとに基づいて、電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップＳ３と、電力需要のピークを示す第１変数と、第１成分の代表値を示す第２変数と、第２成分の代表値を示す第３変数と、第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設を複数の類型に分類するステップＳ４と、対象施設が属する対象類型に応じた情報を提供するステップＳ５を備える。
【選択図】図２２
【特許請求の範囲】
【請求項1】
分析装置であって、
複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得する第１取得部と、
前記複数の施設の各々の地域の前記時間帯毎の外気温を示す外気温データを取得する第２取得部と、
前記電力需要データと前記外気温データとに基づいて、前記電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出する抽出部と、
前記電力需要のピークを示す第１変数と、前記第１成分の代表値を示す第２変数と、前記第２成分の代表値を示す第３変数と、前記第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、前記複数の施設を複数の類型に分類する分類部と、
前記複数の施設のうちの対象施設が属する対象類型を前記複数の類型の中から特定し、前記対象類型に応じた情報を提供する提供部と、を備える、分析装置。
複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得する第１取得部と、
前記複数の施設の各々の地域の前記時間帯毎の外気温を示す外気温データを取得する第２取得部と、
前記電力需要データと前記外気温データとに基づいて、前記電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出する抽出部と、
前記電力需要のピークを示す第１変数と、前記第１成分の代表値を示す第２変数と、前記第２成分の代表値を示す第３変数と、前記第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、前記複数の施設を複数の類型に分類する分類部と、
前記複数の施設のうちの対象施設が属する対象類型を前記複数の類型の中から特定し、前記対象類型に応じた情報を提供する提供部と、を備える、分析装置。
【請求項2】
前記分類部は、
前記複数の施設の各々について、平日の単位期間ごとの前記第３成分の第１代表値と、休日の前記単位期間ごとの前記第３成分の第２代表値とを算出し、
平日の前記単位期間ごとの前記第１代表値と休日の前記単位期間ごとの前記第２代表値とに対して主成分分析を行ない、寄与率が第１閾値を超える１以上の主成分または累積寄与率が第２閾値を超える１以上の主成分を前記１以上の第４変数として選択する、請求項１に記載の分析装置。
前記複数の施設の各々について、平日の単位期間ごとの前記第３成分の第１代表値と、休日の前記単位期間ごとの前記第３成分の第２代表値とを算出し、
平日の前記単位期間ごとの前記第１代表値と休日の前記単位期間ごとの前記第２代表値とに対して主成分分析を行ない、寄与率が第１閾値を超える１以上の主成分または累積寄与率が第２閾値を超える１以上の主成分を前記１以上の第４変数として選択する、請求項１に記載の分析装置。
【請求項3】
前記情報は、前記対象施設と前記対象類型に属する他の施設との比較結果を示す、請求項１または２に記載の分析装置。
【請求項4】
前記提供部は、
前記複数の類型から選択される類型および施設の用途の各組み合わせと、当該組み合わせにおける電力需要の特徴および省電力化のための対策の少なくとも一方を示すテキストとを対応付けたデータベースから、前記対象類型および前記対象施設の用途の組み合わせに対応するテキストを読み出し、
読み出した前記テキストを前記情報として提供する、請求項１または２に記載の分析装置。
前記複数の類型から選択される類型および施設の用途の各組み合わせと、当該組み合わせにおける電力需要の特徴および省電力化のための対策の少なくとも一方を示すテキストとを対応付けたデータベースから、前記対象類型および前記対象施設の用途の組み合わせに対応するテキストを読み出し、
読み出した前記テキストを前記情報として提供する、請求項１または２に記載の分析装置。
【請求項5】
分析方法であって、
複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップと、
前記複数の施設の各々の地域の前記時間帯毎の外気温を示す外気温データを取得するステップと、
前記電力需要データと前記外気温データとに基づいて、前記電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップと、
前記電力需要のピークを示す第１変数と、前記第１成分の代表値を示す第２変数と、前記第２成分の代表値を示す第３変数と、前記第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、前記複数の施設を複数の類型に分類するステップと、
前記複数の施設のうちの対象施設が属する対象類型を前記複数の類型の中から特定し、前記対象類型に応じた情報を提供するステップと、を備える、分析方法。
複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップと、
前記複数の施設の各々の地域の前記時間帯毎の外気温を示す外気温データを取得するステップと、
前記電力需要データと前記外気温データとに基づいて、前記電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップと、
前記電力需要のピークを示す第１変数と、前記第１成分の代表値を示す第２変数と、前記第２成分の代表値を示す第３変数と、前記第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、前記複数の施設を複数の類型に分類するステップと、
前記複数の施設のうちの対象施設が属する対象類型を前記複数の類型の中から特定し、前記対象類型に応じた情報を提供するステップと、を備える、分析方法。
【請求項6】
分析方法をコンピュータに実行させるプログラムであって、
前記分析方法は、
複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップと、
前記複数の施設の各々の地域の前記時間帯毎の外気温を示す外気温データを取得するステップと、
前記電力需要データと前記外気温データとに基づいて、前記電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップと、
前記電力需要のピークを示す第１変数と、前記第１成分の代表値を示す第２変数と、前記第２成分の代表値を示す第３変数と、前記第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、前記複数の施設を複数の類型に分類するステップと、
前記複数の施設のうちの対象施設が属する対象類型を前記複数の類型の中から特定し、前記対象類型に応じた情報を提供するステップと、を含む、プログラム。
前記分析方法は、
複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップと、
前記複数の施設の各々の地域の前記時間帯毎の外気温を示す外気温データを取得するステップと、
前記電力需要データと前記外気温データとに基づいて、前記電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップと、
前記電力需要のピークを示す第１変数と、前記第１成分の代表値を示す第２変数と、前記第２成分の代表値を示す第３変数と、前記第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、前記複数の施設を複数の類型に分類するステップと、
前記複数の施設のうちの対象施設が属する対象類型を前記複数の類型の中から特定し、前記対象類型に応じた情報を提供するステップと、を含む、プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、施設の電力需要を分析するための技術に関する。
【背景技術】
【0002】
特開２０１３－８０４１９号公報（特許文献１）は、施設の省エネルギー化を図るために、ビルエネルギーマネジメントシステム（以下、「ＢＥＭＳ」と称する。）によって取得されたデータを用いた、エネルギー供給についての契約値最適化診断手法を開示している。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１３－８０４１９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献１に記載の技術は、ＢＥＭＳを必要とする。一般に、ＢＥＭＳは高価である。また、ＢＥＭＳによって取得されたデータの分析は手間がかかり、かつ、当該分析には専門技能を要する。そのため、施設の電力需要の状態に応じた情報を簡易に提供できる技術が望まれている。
【0005】
本開示は、上記のような問題点に鑑みてなされたものであり、その目的は、施設の電力需要の状態に応じた情報を簡易に提供することである。
【課題を解決するための手段】
【0006】
ある局面に従うと、分析装置は、第１取得部と、第２取得部と、抽出部と、分類部と、提供部と、を備える。第１取得部は、複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得する。第２取得部は、複数の施設の各々の地域の時間帯毎の外気温を示す外気温データを取得する。抽出部は、電力需要データと外気温データとに基づいて、電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出する。分類部は、電力需要のピークを示す第１変数と、第１成分の代表値を示す第２変数と、第２成分の代表値を示す第３変数と、第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設を複数の類型に分類する。提供部は、複数の施設のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供する。
【0007】
上記の分析装置において、分類部は、複数の施設の各々について、平日の単位期間ごとの第３成分の第１代表値と、休日の単位期間ごとの第３成分の第２代表値とを算出する。分類部は、平日の単位期間ごとの第１代表値と休日の単位期間ごとの第２代表値とに対して主成分分析を行ない、寄与率が第１閾値を超える１以上の主成分または累積寄与率が第２閾値を超える１以上の主成分を１以上の第４変数として選択する。
【0008】
上記の分析装置において、情報は、対象施設と対象類型に属する他の施設との比較結果を示す。
【0009】
上記の分析装置において、提供部は、複数の類型から選択される類型および施設の用途の各組み合わせと、当該組み合わせにおける電力需要の特徴および省電力化のための対策の少なくとも一方を示すテキストとを対応付けたデータベースから、対象類型および対象施設の用途の組み合わせに対応するテキストを読み出す。提供部は、読み出したテキストを情報として提供する。
【0010】
他の局面に従うと、分析方法は、第１～第５のステップを備える。第１のステップは、複数の施設の各々について時間帯毎に計測された電力需要を示す電力需要データを取得するステップである。第２のステップは、複数の施設の各々の地域の時間帯毎の外気温を示す外気温データを取得するステップである。第３のステップは、電力需要データと外気温データとに基づいて、電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出するステップである。第４のステップは、電力需要のピークを示す第１変数と、第１成分の代表値を示す第２変数と、第２成分の代表値を示す第３変数と、第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設を複数の類型に分類するステップである。第５のステップは、複数の施設のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供するステップである。
【0011】
他の局面において、プログラムは、上記の分析方法の各ステップをコンピュータに実行させる。
【発明の効果】
【0012】
本開示の技術によれば、施設の電力需要の状態に応じた情報を簡易に提供できる。
【図面の簡単な説明】
【0013】
【図1】本実施の形態に従う分析装置を含むシステムの概略を示す図である。
【図2】分析装置のハードウェア構成を示す図である。
【図3】分析装置の機能構成を示す図である。
【図4】施設に設置される複数の電気機器の分類を示す図である。
【図5】電力需要を構成する複数の成分を示す図である。
【図6】第１成分の算出方法を説明する図である。
【図7】ベース固定成分およびベース季節変動成分の算出方法を説明する図である。
【図8】成分２４に含まれる外気温影響分の算出方法を示す図である。
【図9】成分２４と外気温影響分との差分の分布を示す図である。
【図10】外気温に対する、成分２４から活動起因固定成分を除いた成分２５の分布を示す図である。
【図11】外気温と成分２５との相関を示す回帰曲線の一例を示す図である。
【図12】第１代表値および第２代表値の変動を示す図である。
【図13】累積寄与率の一例を示す図である。
【図14】第１代表値および第２代表値と第４変数として抽出された主成分との相関係数を示す図である。
【図15】８つの類型の各々に属する施設の電力需要の静的特性の平均を示す図である。
【図16】８つの類型の各々に属する施設の電力需要の動的特性の平均を示す図である。
【図17】施設の用途ごとに、各類型に属する施設の比率を示す図である。
【図18】各類型に属する施設における、外気温に応じて変動しない第３成分の比率の推移を示す図である。
【図19】データベースの一例を示す図である。
【図20】提供画面の一例を示す図である。
【図21】提供画面の別の例を示す図である。
【図22】分析装置における処理の流れの一例を示すフローチャートである。
【発明を実施するための形態】
【0014】
以下、図面を参照しつつ、本発明に従う実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付し、重複する説明は繰り返さない。なお、以下で説明される実施の形態および各変形例は、適宜選択的に組み合わされてもよい。
【0015】
＜Ａ．システム構成＞
図１を参照して、本実施の形態に従う分析装置を含むシステムの構成について説明する。図１は、本実施の形態に従う分析装置を含むシステムの概略を示す図である。図１に示されるように、システムＳＹＳは、分析装置１００と複数の施設２００とサーバ装置３００とを含む。
図１を参照して、本実施の形態に従う分析装置を含むシステムの構成について説明する。図１は、本実施の形態に従う分析装置を含むシステムの概略を示す図である。図１に示されるように、システムＳＹＳは、分析装置１００と複数の施設２００とサーバ装置３００とを含む。
【0016】
複数の施設２００の各々は、対応する需要家によって運営され、例えば、店舗、事務所、医療施設、宿泊施設、公共施設などを含む。なお、施設２００は、建築物全体を指してもよいし、建築物の一部（たとえば１フロア）を指してもよい。各施設２００にはスマートメータ２１０が設置されている。スマートメータ２１０は、時間帯毎の電力需要を計測して記録する。具体的には、０時から２４時までを所定の時間長さ（例えば、３０分または１時間）で区切った時間帯毎に、施設２００に設置された各種の電気機器２２０によって消費された総電力量が電力需要として計測される。
【0017】
スマートメータ２１０は、サーバ装置３００との間で通信を行ない、計測した電力需要を示す電力需要データをサーバ装置３００に送信する。サーバ装置３００は、スマートメータ２１０から受信した電力需要データを蓄積する。
【0018】
分析装置１００は、ネットワークに接続されており、ネットワークを介してサーバ装置３００から各施設２００の電力需要データを取得する。分析装置１００は、複数の施設２００の電力需要データに基づいて、複数の施設２００を、電力需要の状態に応じた複数の類型に分類する。分析装置１００は、複数の施設２００のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供する。これにより、対象施設の電力需要の分析者または対象施設を運営する需要家は、当該情報を確認することにより、対象施設の電力需要の傾向を把握したり、省エネルギー化のための対策を検討したりできる。
【0019】
＜Ｂ．分析装置のハードウェア構成＞
図２は、分析装置のハードウェア構成を示す図である。図２に示されるように、分析装置１００は、主たる構成要素として、プログラム１１０を実行するプロセッサ１０１と、データを不揮発的に格納するＲＯＭ（Read Only Memory）１０２と、プロセッサ１０１によるプログラム１１０の実行により生成されたデータ、又は入力装置を介して入力されたデータを揮発的に格納するＲＡＭ（Random Access Memory）１０３と、データを不揮発的に格納するハードディスク（ＨＤＤ）１０４と、通信ＩＦ（Interface）１０５と、操作キー１０６と、電源回路１０７と、ディスプレイ１０８と、を含む。各構成要素は、相互にデータバスによって接続されている。なお、通信ＩＦ１０５は、他の機器との間における通信を行なうためのインターフェイスである。
図２は、分析装置のハードウェア構成を示す図である。図２に示されるように、分析装置１００は、主たる構成要素として、プログラム１１０を実行するプロセッサ１０１と、データを不揮発的に格納するＲＯＭ（Read Only Memory）１０２と、プロセッサ１０１によるプログラム１１０の実行により生成されたデータ、又は入力装置を介して入力されたデータを揮発的に格納するＲＡＭ（Random Access Memory）１０３と、データを不揮発的に格納するハードディスク（ＨＤＤ）１０４と、通信ＩＦ（Interface）１０５と、操作キー１０６と、電源回路１０７と、ディスプレイ１０８と、を含む。各構成要素は、相互にデータバスによって接続されている。なお、通信ＩＦ１０５は、他の機器との間における通信を行なうためのインターフェイスである。
【0020】
分析装置１００における処理は、各ハードウェアおよびプロセッサ１０１により実行されるプログラム１１０によって実現される。このようなプログラム１１０は、ＨＤＤ１０４に予め記憶されている。ただし、プログラム１１０は、その他の記憶媒体に格納されて、プログラムプロダクトとして流通していてもよい。あるいは、プログラム１１０は、いわゆるインターネットに接続されている情報提供事業者によってダウンロード可能なプログラムプロダクトとして提供されてもよい。このようなプログラム１１０は、読取装置によりその記憶媒体から読み取られて、あるいは、通信ＩＦ１０５等を介してダウンロードされた後、ＨＤＤ１０４に格納される。プロセッサ１０１は、ＨＤＤ１０４からプログラム１１０を読み出し、プログラム１１０を実行する。
【0021】
＜Ｃ．分析装置の機能構成＞
図３は、分析装置の機能構成を示す図である。図３に示されるように、分析装置１００は、記憶部１０と、第１取得部１１と、第２取得部１２と、抽出部１３と、分類部１４と、提供部１５とを備える。第１取得部１１、第２取得部１２、抽出部１３、分類部１４および提供部１５は、プロセッサ１０１がプログラム１１０を実行することにより実現される。記憶部１０は、ＲＯＭ１０２およびＲＡＭ１０３によって実現される。
図３は、分析装置の機能構成を示す図である。図３に示されるように、分析装置１００は、記憶部１０と、第１取得部１１と、第２取得部１２と、抽出部１３と、分類部１４と、提供部１５とを備える。第１取得部１１、第２取得部１２、抽出部１３、分類部１４および提供部１５は、プロセッサ１０１がプログラム１１０を実行することにより実現される。記憶部１０は、ＲＯＭ１０２およびＲＡＭ１０３によって実現される。
【0022】
第１取得部１１は、ネットワークを介してサーバ装置３００から、複数の施設２００（図１参照）の各々について、分析対象期間における電力需要データ１０ａを取得する。分析対象期間は、例えば１年である。第１取得部１１は、取得した電力需要データ１０ａを記憶部１０に格納する。
【0023】
第２取得部１２は、ネットワークを介して、分析対象期間における、複数の施設２００の各々の地域の時間帯毎の外気温を示す外気温データ１０ｂを取得する。外気温データ１０ｂは、所定の機関（例えば気象庁）から配信される。第２取得部１２は、取得した外気温データ１０ｂを記憶部１０に格納する。
【0024】
抽出部１３は、各施設２００の電力需要データ１０ａおよび外気温データ１０ｂに基づいて、当該施設２００の電力需要の成分分析を行なう。抽出部１３は、成分分析の結果、各施設２００の電力需要から、人の活動に依存しない第１成分と、外気温に応じて変動する第２成分と、外気温に応じて変動しない第３成分とを抽出する。抽出部１３は、各施設２００の電力需要の成分分析結果を示す成分データ１０ｃを生成し、生成した成分データ１０ｃを記憶部１０に格納する。
【0025】
分類部１４は、電力需要のピークを示す第１変数と、第１成分の代表値を示す第２変数と、第２成分の代表値を示す第３変数と、第３成分の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設を複数の類型に分類する。分類部１４は、各施設２００の成分データ１０ｃに基づいて、当該施設２００の第１変数、第２変数、第３変数および１以上の第４変数の値を算出する。分類部１４は、複数の施設２００の各々と当該施設２００が属する類型とを対応付けた分類データ１０ｄを生成し、生成した分類データ１０ｄを記憶部１０に格納する。
【0026】
提供部１５は、分類データ１０ｄに基づいて、複数の施設２００のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供する。提供部１５は、たとえば、対象類型に応じた情報をディスプレイ１０８（図２参照）に表示させる。提供部１５は、たとえば、記憶部１０に予め格納されるデータベース１０ｅから対象類型に応じた情報を読み出す。
【0027】
記憶部１０は、電力需要データ１０ａ、外気温データ１０ｂ、成分データ１０ｃ、分類データ１０ｄ、およびデータベース１０ｅを記憶するとともに、さらに契約データ１０ｆを記憶する。契約データ１０ｆは、施設２００ごとの電気供給契約に関する情報を示す。電気供給契約に関する情報は、契約者、施設２００の用途などを含む。さらに、電気供給契約に関する情報は、施設２００の延床面積を含んでもよい。
【0028】
＜Ｄ．電力需要の成分分析＞
施設２００に設置される複数の電気機器２２０（図１参照）は、外気温に応じて消費電力量が変動する季節依存の機器と、外気温に応じて消費電力量が変動しない非季節依存の機器とに分類される。さらに、複数の電気機器２２０は、常時稼働される機器と、人の活動時に稼働される機器とに分類される。
施設２００に設置される複数の電気機器２２０（図１参照）は、外気温に応じて消費電力量が変動する季節依存の機器と、外気温に応じて消費電力量が変動しない非季節依存の機器とに分類される。さらに、複数の電気機器２２０は、常時稼働される機器と、人の活動時に稼働される機器とに分類される。
【0029】
図４は、施設２００に設置される複数の電気機器２２０の分類を示す図である。図４に示されるように、常時稼働される非季節依存の電気機器として、たとえばサーバ、共用室換気装置が挙げられる。人の活動時に稼働される非季節依存の電気機器として、たとえば照明器具およびコンセントに接続された機器が挙げられる。常時稼働される季節依存の電気機器として、たとえば２４時間運転される空調機、冷蔵庫、温水洗浄便座が挙げられる。人の活動時に稼働される季節依存の電気機器として、限定された時間にのみ使用される空調機、電気温水機が挙げられる。抽出部１３は、図４に示す分類を考慮して、電力需要を複数の成分に分解する。
【0030】
図５は、電力需要を構成する複数の成分を示す図である。抽出部１３は、分析対象期間の各日の各時間帯の電力需要２０を、人の活動に依存しない第１成分２１（「ベース成分」とも称する。）と、第１成分２１以外の成分２４とに分解する。第１成分２１は、常時稼働される電気機器によって消費される電力量に対応する。
【0031】
抽出部１３は、成分２４を、外気温に応じて変動しない活動起因固定成分Ｘａｓｃと、活動起因固定成分Ｘａｓｃ以外の成分２５とに分解する。活動起因固定成分Ｘａｓｃは、人の活動時に稼働される非季節依存の電気機器によって消費される電力量に対応する。
【0032】
抽出部１３は、成分２５を、外気温に応じて変動する活動起因季節変動成分Ｘａｓｅと、活動起因季節変動成分Ｘａｓｅ以外の残渣成分Ｘｒとに分解する。活動起因季節変動成分Ｘａｓｅは、人の活動時に稼働される季節依存の電気機器によって消費される電力量に対応する。
【0033】
抽出部１３は、第１成分２１を、外気温に応じて変動しないベース固定成分Ｘｂｆと、ベース固定成分Ｘｂｆ以外のベース季節変動成分Ｘｂｓとに分解する。ベース固定成分Ｘｂｆは、常時稼働される非季節依存の電気機器によって消費される電力量に対応する。ベース季節変動成分Ｘｂｓは、常時稼働される季節依存の電気機器によって消費される電力量に対応する。
【0034】
抽出部１３は、活動起因季節変動成分Ｘａｓｅとベース季節変動成分Ｘｂｓとの和を、外気温に応じて変動する第２成分２２として特定する。さらに、抽出部１３は、活動起因固定成分Ｘａｓｃとベース固定成分Ｘｂｆとの和を、外気温に応じて変動しない第３成分２３として特定する。
【0035】
図６は、第１成分２１の算出方法を説明する図である。抽出部１３は、電力需要データ１０ａと外気温データ１０ｂとを用いて、分析対象期間に含まれる各日の各時間帯における電力需要と外気温とを対応付けた単位データセットを生成する。例えば、分析対象期間に含まれる日数が３６５であり、各日が３０分毎の４８個の時間帯に分割される場合、抽出部１３は、３６５×４８＝１７５２０個の単位データセットを生成する。
【0036】
第１成分２１は、常時稼働される電気機器によって消費される電力量に対応する。そのため、人の活動しない時間帯の電力需要を用いることにより、第１成分２１の算出精度を高めることができる。そこで、抽出部１３は、分析対象期間に含まれる各日のうちの予め定められた時間帯に対応する単位データセット４０を抽出する。予め定められた時間帯は、人の活動しない時間帯（たとえば０時から３時までの深夜時間帯）を含み、たとえば０時から７時までの時間帯である。予め定められた時間帯が０時から７時までの３０分毎の時間帯である場合、３６５日×１４個＝５１１０個の単位データセット４０が抽出される。
【0037】
図６には、横軸を外気温、縦軸を電力需要とするグラフに、抽出された複数（たとえば５１１０個）の単位データセット４０をプロットした結果が示される。
【0038】
第１成分２１は、常時稼働される電気機器によって消費される電力量に対応するため、各外気温における最小の電力需要に対応する可能性が高い。そのため、抽出部１３は、例えば以下の手順（Ａ１）～（Ａ４）に従って、分析対象期間に含まれる各日の各時間帯の第１成分２１を計算する。
【0039】
手順（Ａ１）：抽出部１３は、抽出された複数の単位データセット４０によって示される外気温のうちの最低外気温Ｔｍｉｎから最高外気温Ｔｍａｘまでの外気温範囲を複数の外気温度帯に分割する。外気温度帯の個数は、予め定められる。図６に示す例では、抽出部１３は、最低外気温Ｔｍｉｎから最高外気温Ｔｍａｘまでの外気温範囲を３０区分の外気温度帯に分割している。３０区分の外気温度帯の幅Δｔは互いに同じである。
【0040】
手順（Ａ２）：抽出部１３は、外気温度帯毎の最小の電力需要を特定する。図６に示されるように、抽出部１３は、３０区分の外気温度帯の各々について、当該外気温度帯に属する単位データセット４０の中から最小の電力需要を示す単位データセット４１を抽出する。抽出部１３は、３０区分の外気温度帯の各々について抽出した単位データセット４１で示される電力需要を、当該外気温度帯の最小の電力需要として特定する。
【0041】
手順（Ａ３）：抽出部１３は、外気温を説明変数ｘとし、手順（Ａ２）で特定した最小の電力需要を目的変数ｙとする回帰分析を行ない、回帰式５０を求める。回帰式５０は、最小二乗法を用いて計算される。図６に示すグラフには、回帰式５０によって表される回帰曲線３０が描かれている。回帰式５０は、典型的には２次方程式（ｙ＝ａｘ2＋ｂｘ＋ｃ）であり、回帰曲線３０として２次曲線を表す。
【0042】
外気温が高くなると、たとえば２４時間使用されている空調機の冷房運転によって消費される電力量が多くなる。一方、外気温が低くなると、たとえば２４時間使用されている空調機の暖房運転によって消費される電力量が多くなる。そのため、回帰曲線３０は、通常、下に凸となる。
【0043】
手順（Ａ４）：抽出部１３は、回帰式５０の説明変数ｘに分析対象期間に含まれる各日の各時間帯における外気温を代入することにより得られる目的変数ｙの値を、当該日の当該時間帯における第１成分２１として決定する。
【0044】
図７は、ベース固定成分Ｘｂｆおよびベース季節変動成分Ｘｂｓの算出方法を説明する図である。ベース固定成分Ｘｂｆ（図５参照）は、常時稼働される非季節依存の電気機器によって消費される電力量に対応する。そのため、図７に示されるように、抽出部１３は、回帰曲線３０を表す回帰式５０において説明変数ｘ（外気温）を変化させたときの目的変数ｙ（最小の電力需要）の最小値をベース固定成分Ｘｂｆとして決定する。図７において、破線３１は、目的変数ｙの最小値を示している。抽出部１３は、分析対象期間における各日の各時間帯における第１成分２１からベース固定成分Ｘｂｆを差し引くことにより、当該日の当該時間帯におけるベース季節変動成分Ｘｂｓを計算する。
【0045】
なお、第１成分２１、ベース固定成分Ｘｂｆおよびベース季節変動成分Ｘｂｓの算出方法は、上記の手順に限定されない。複数の単位データセット４０の中には、異常に低い電力需要を示す特異な単位データセット４０が含まれ得る。このような単位データセット４０が含まれる場合、上記の手順に従えば、ベース固定成分Ｘｂｆを低く見積もってしまう可能性がある。そのため、上記の手順（Ａ２）において、抽出部１３は、３０区分の外気温度帯の各々について、当該外気温度帯に属する単位データセット４０の中から、小さいものから頻度１％分の電力需要を示す単位データセットを抽出してもよい。そして、上記の手順（Ａ３）において、抽出部１３は、外気温を説明変数ｘとし、抽出された単位データセットで示される電力需要（小さいものから頻度１％分の電力需要）を目的変数ｙとする回帰分析を行ない、回帰式（ｙ＝ａｘ2＋ｂｘ＋ｃ）を求めればよい。さらに、抽出部１３は、回帰式の標準偏差ＳＤを算出し、算出された標準偏差ＳＤを用いて、回帰式を補正することが好ましい。補正後の回帰式は、以下のように表される。
ｙ＝ａｘ2＋ｂｘ＋ｃ－ＳＤ
回帰式の標準偏差ＳＤは、回帰推定値（回帰式の説明変数ｘに外気温を代入して得られる目的変数ｙの推定値）と抽出された単位データセットで示される頻度１％分の電力需要との偏差（残渣）の標準偏差である。そして、抽出部１３は、補正後の回帰式の説明変数ｘに分析対象期間に含まれる各日の各時間帯における外気温を代入することにより得られる目的変数ｙの値を、当該日の当該時間帯における第１成分２１として決定すればよい。
ｙ＝ａｘ2＋ｂｘ＋ｃ－ＳＤ
回帰式の標準偏差ＳＤは、回帰推定値（回帰式の説明変数ｘに外気温を代入して得られる目的変数ｙの推定値）と抽出された単位データセットで示される頻度１％分の電力需要との偏差（残渣）の標準偏差である。そして、抽出部１３は、補正後の回帰式の説明変数ｘに分析対象期間に含まれる各日の各時間帯における外気温を代入することにより得られる目的変数ｙの値を、当該日の当該時間帯における第１成分２１として決定すればよい。
【0046】
さらに、抽出部１３は、補正後の回帰式において説明変数ｘ（外気温）を変化させたときの目的変数ｙの最小値をベース固定成分Ｘｂｆとして決定し、第１成分２１からベース固定成分Ｘｂｆを差し引くことによりベース季節変動成分Ｘｂｓを計算する。
【0047】
【0048】
外気温と電力需要との関係は、季節によって異なる。そこで、抽出部１３は、分析対象期間に含まれる各日における各時間帯の単位データセット４０（図６参照）を、季節ごとに分類する。
【0049】
例えば、抽出部１３は、分析対象期間に含まれる各日を、２つの季節「暖房期」，「冷房期」のいずれかに分類する。「暖房期」は、「冷房期」よりも外気温が低く、主に暖房が使用される期間である。「冷房期」は、「暖房期」よりも外気温が高く、主に冷房が使用される期間である。
【0050】
「暖房期」および「冷房期」は、予め定められる。たとえば、１１月から４月までが「暖房期」として予め定められ、５月から１０月までが「冷房期」として予め定められる。
【0051】
あるいは、抽出部１３は、電力需要データ１０ａに基づいて、「暖房期」および「冷房期」を決定してもよい。「暖房期」から「冷房期」に切り替わるとき、および、「冷房期」から「暖房期」に切り替わるとき、電力需要は低くなる。そのため、抽出部１３は、電力需要データ１０ａを用いて、月毎の１日当たりの平均電力需要が極小となる２つの月を特定する。抽出部１３は、特定した２つの月を境として、「暖房期」および「冷房期」を決定すればよい。なお、特定された２つの月の各々は、「暖房期」および「冷房期」のいずれかに分類される。
【0052】
あるいは、抽出部１３は、分析対象期間に含まれる各日を３つ以上の季節のいずれかに分類してもよい。例えば、抽出部１３は、各月を前後半に分割することにより得られる２４個の単位期間の各々を３つ以上の季節のいずれかに分類する。まず、抽出部１３は、各単位期間における平均電力需要を昇順にソートし、電力需要が小さい４つの単位期間を第１季節に分類する。次に、第１季節において観測された電力需要の出現頻度分布と、各単位期間において観測された電力需要の出現頻度分布の統計的な差異を評価し、有意差が認められなかった単位期間を第１季節に分類する。分布間の差異の評価では、平均電力需要が小さい単位期間から順にχ2検定を実施し、有意差が認められた場合は検定処理を終了し、そこまでに求めた単位期間を第１季節に分類する。
【0053】
χ2検定では、全ての単位期間の電力需要の出現頻度から全階級が等頻度を持つように電力需要について例えば１５の階級を定め、階級別の出現頻度の統計的有意差を評価する。
【0054】
次に、抽出部１３は、第１季節によって区切られた、ひとまとまりの単位期間を第２季節、第３季節、・・・として決定する。ただし、決定された第１季節を除く季節が１つの単位期間のみで構成される場合、例外処理として、当該単位期間を第１季節に組み込む。
【0055】
このような処理により、例えば、４月後半、５月前半および１１月前後半が第１季節に分類され、１月前半から４月前半までが第２季節に分類され、５月後半から１０月後半までが第３季節に分類され、１２月前後半が第４季節に分類される、なお、この場合、１２月前後半は、第２季節に分類されてもよい。
【0056】
抽出部１３は、分析対象期間に含まれる各日における各時間帯の単位データセット４０によって示される電力需要から当該日の当該時間帯について算出した第１成分２１を差し引くことにより、当該日の当該時間帯における成分２４を計算する。
【0057】
図８には、横軸を外気温、縦軸を成分２４とするグラフに、分析対象期間に含まれる各日における対象時間帯の単位データセット４０に対応する点をプロットした結果が示される。図８には、分析対象期間に含まれる各日が２つの季節「暖房期」，「冷房期」のいずれかに分類されたときの結果例が示される。図８において、三角印によって示される点は、季節「暖房期」に属する日における対象時間帯の単位データセット４０に対応する。丸印によって示される点は、季節「冷房期」に属する日における対象時間帯の単位データセット４０に対応する。
【0058】
抽出部１３は、以下の手順（Ｂ１）～（Ｂ６）に従って、対象日の対象時間帯における活動起因固定成分Ｘａｓｃを計算する。
【0059】
（手順Ｂ１）抽出部１３は、対象日の属する季節を特定し、分析対象期間のうち特定した季節に属する複数の日を選択する。例えば、抽出部１３は、対象日が季節「暖房期」に属する場合、分析対象期間のうち季節「暖房期」に属する複数の日を選択する。抽出部１３は、対象日が季節「冷房期」に属する場合、分析対象期間のうち季節「冷房期」に属する複数の日を選択する。
【0060】
（手順Ｂ２）抽出部１３は、選択した複数の日における対象時間帯の外気温と成分２４との相関を示す相関情報を生成する。具体的には、抽出部１３は、外気温を説明変数ｘ’とし、成分２４を目的変数ｙ’とする回帰分析を行ない、回帰式５２を求める。回帰式５２は、最小二乗法を用いて計算される。図８に示すグラフには、季節「冷房期」に属する複数の日における対象時間帯の外気温と成分２４とを回帰分析することにより得られる回帰曲線３２ａが描かれている。さらに、季節「暖房期」に属する複数の日における対象時間帯の外気温と成分２４とを回帰分析することにより得られる回帰曲線３２ｂが描かれている。回帰式５２は、典型的には２次方程式（ｙ’＝ａ’ｘ’2＋ｂ’ｘ’＋ｃ’）であり、回帰曲線３２ａ，３２ｂとして２次曲線を表す。
【0061】
（手順Ｂ３）：抽出部１３は、対象日の属する季節の対象時間帯における成分２４の最小値を計算する。例えば、抽出部１３は、回帰式５２において説明変数ｘ’（外気温）を変化させたときの目的変数ｙ’の最小値を成分２４の最小値として計算する。図８には、季節「冷房期」に対応する回帰曲線３２ａから計算される目的変数ｙ’の最小値を示す破線３３ａと、季節「暖房期」に対応する回帰曲線３２ｂから計算される目的変数ｙ’の最小値を示す破線３３ｂとが示される。
【0062】
（手順Ｂ４）：抽出部１３は、回帰式５２の説明変数ｘ’に選択した複数の日の各々の対象時間帯の外気温を代入することにより得られる目的変数ｙ’の値から、手順Ｂ３において計算した成分２４の最小値を差し引くことにより外気温影響分を計算する。図８には、季節「冷房期」に対応する回帰曲線３２ａと破線３３ａとの差が冷房期に対応する外気温影響分として示される。さらに、季節「暖房期」に対応する回帰曲線３２ｂと破線３３ｂとの差が暖房期に対応する外気温影響分として示される。
【0063】
（手順Ｂ５）：抽出部１３は、選択した複数の日の各々における対象時間帯の成分２４と手順Ｂ４において計算した外気温影響分との差分を計算する。図９には、季節「暖房期」における成分２４と外気温影響分との差分が三角印で示され、季節「冷房期」における成分２４と外気温影響分との差分が丸印で示されている。
【0064】
（手順Ｂ６）：抽出部１３は、手順Ｂ５において算出された差分に基づいて、活動起因固定成分Ｘａｓｃを計算する。たとえば、抽出部１３は、選択した複数の日の対象時間帯における、成分２４と外気温影響分との差分の代表値（たとえば平均値）を活動起因固定成分Ｘａｓｃとして計算する。
【0065】
図８および図９には、分析対象期間に含まれる各日が２つの季節「暖房期」，「冷房期」のいずれかに分類されたときの例が示される。しかしながら、上述したように、分析対象期間に含まれる各日は、電力需要が相対的に小さい第１季節、第１季節によって区切られた第２季節，第３季節、・・・のいずれかに分類されてもよい。この場合であっても、抽出部１３は、対象日と同じ季節に属する複数の日における対象時間帯の単位データセット４０を用いて、上記の手順Ｂ１～Ｂ６を実行し、活動起因固定成分Ｘａｓｃを計算すればよい。なお、手順Ｂ３において、抽出部１３は、電力需要が相対的に小さい第１季節に属する日の対象時間帯の平均外気温を回帰式５２の説明変数ｘ’に代入することにより得られる目的変数ｙ’の値を、対象日の属する季節の対象時間帯における成分２４の最小値として計算してもよい。
【0066】
人の活動は、曜日、休日か否か、および祝祭日か否かに応じて変化する。そのため、抽出部１３は、手順Ｂ１において選択した複数の日の各々を、曜日、休日か否か、および祝祭日か否かの少なくとも１つによって定義される複数のグループのいずれかに分類してもよい。抽出部１３は、複数のグループの各々に属する日の対象時間帯における、成分２４と外気温影響分との差分の代表値を、当該グループに属する日の対象時間帯における活動起因固定成分Ｘａｓｃとして決定すればよい。これにより、曜日の影響を考慮して活動起因固定成分Ｘａｓｃを決定することができる。
【0067】
複数のグループは、たとえば、「月曜日」と、「火曜日」と、「水曜日」と、「木曜日」と、「金曜日」と、「土曜日」と、「日曜日」との７つのグループを含む。なお、月曜日から土曜日のいずれかであり、かつ祝祭日である日は、グループ「日曜日」に分類される。あるいは、祝祭日ごとに、当該祝祭日における電力需要が、当該祝祭日と同じ曜日の電力需要および日曜日の電力需要のいずれに近い挙動をとるかを確認し、当該祝祭日の単位データセット４０を当該祝祭日と同じ曜日のグループに分類するか、グループ「日曜日」に分類するかを決定してもよい。例えば、各祝祭日の前後１０週分の日曜日の時刻別平均電力需要と、前後１０週分の当該祝祭日と同じ曜日の時刻別平均電力需要とを算出し、当該祝祭日の電力需要との平均二乗誤差が小さい曜日のグループを選択すればよい。
【0068】
活動起因固定成分Ｘａｓｃは、人の活動時に稼働される非季節依存の電気機器によって消費される電力量に対応する。そのため、人が活動していない時間帯における活動起因固定成分Ｘａｓｃは、好ましくはゼロである。したがって、抽出部１３は、複数のグループの全時間帯のうち最小の活動起因固定成分Ｘａｓｃがゼロとなるように調整してもよい。
【0069】
たとえば、抽出部１３は、選択した複数の日を上記の７つのグループに分類し、上記の手順Ｂ５に従って、各グループおよび各時間帯について、成分２４と外気温影響分との差分の平均値を計算する。抽出部１３は、７つのグループの全ての時間帯について計算された平均値のうちの最小値をオフセット量として決定する。抽出部１３は、７つのグループの各々に属する日の対象時間帯における成分２４と外気温影響分との差分の平均値からオフセット量だけ減算した値を、当該グループに属する日の対象時間帯における活動起因固定成分Ｘａｓｃとして決定する。
【0070】
なお、対象日の対象時間帯における活動起因固定成分Ｘａｓｃと第１成分２１との合計が、対象日の対象時間帯における電力需要よりも大きい場合、抽出部１３は、当該合計と当該電力需要力との差分だけ小さくなるように活動起因固定成分Ｘａｓｃを調整する。
【0071】
【0072】
抽出部１３は、以下の手順（Ｃ１）～（Ｃ６）に従って、対象日の対象時間帯における活動起因季節変動成分Ｘａｓｅおよび残渣成分Ｘｒを計算する。
【0073】
（手順Ｃ１）抽出部１３は、対象日の属する季節を特定し、分析対象期間のうち特定した季節に属する複数の日を選択する。例えば、抽出部１３は、対象日が季節「暖房期」に属する場合、分析対象期間のうち季節「暖房期」に属する複数の日を選択する。抽出部１３は、対象日が季節「冷房期」に属する場合、分析対象期間のうち季節「冷房期」に属する複数の日を選択する。
【0074】
（手順Ｃ２）抽出部１３は、選択した複数の日における対象時間帯の成分２５を計算する。具体的には、抽出部１３は、選択した複数の日の各々について、当該日の対象時間帯の成分２４から活動起因固定成分Ｘａｓｃを差し引くことにより、当該日の対象時間帯における成分２５を計算する。図１０には、複数の日について、外気温に対する成分２５の分布が示される。なお、図１０には、対象時間帯だけでなく全時間帯について、外気温に対する成分２５の分布が示される。
【0075】
（手順Ｃ３）抽出部１３は、選択した複数の日における対象時間帯の外気温と成分２５との相関を示す相関情報を生成する。具体的には、抽出部１３は、外気温を説明変数ｘ”とし、成分２５を目的変数ｙ”とする回帰分析を行ない、回帰式５４を求める。回帰式５４は、最小二乗法を用いて計算される。図１１に示すグラフには、対象時間帯の外気温と成分２５とを回帰分析することにより得られる回帰曲線３４が描かれている。回帰式５４は、典型的には２次方程式（ｙ”＝ａ”ｘ”2＋ｂ”ｘ”＋ｃ”）であり、回帰曲線３４として２次曲線を表す。
【0076】
（手順Ｃ４）：抽出部１３は、回帰式５４において説明変数ｘ”（外気温）を変化させたときの目的変数ｙ”（成分２５）の最小値を計算する。図１１には、回帰曲線３４から計算される最小値を示す破線３５が示される。
【0077】
（手順Ｃ５）：抽出部１３は、回帰式５４の説明変数ｘ”に対象日の対象時間帯の外気温を代入することにより得られる目的変数ｙ”の値から、手順Ｃ４において計算した最小値を差し引くことにより、活動起因季節変動成分Ｘａｓｅを計算する。図１１には、対象時間帯に対応する回帰曲線３４と破線３５との差が活動起因季節変動成分Ｘａｓｅとして示される。
【0078】
抽出部１３は、対象日の対象時間帯について、成分２５から活動起因季節変動成分Ｘａｓｅを差し引くことにより、残渣成分Ｘｒを計算する。
【0079】
なお、抽出部１３は、手順Ｃ１において選択した複数の日の各々を、曜日、休日か否か、および祝祭日か否かの少なくとも１つによって定義される、上述した複数のグループのいずれかに分類してもよい。抽出部１３は、複数のグループの各々に属する日の対象時間帯における成分２５の分布に基づいて、対象日の対象時間帯における活動起因季節変動成分Ｘａｓｅを決定すればよい。これにより、曜日の影響を考慮して活動起因季節変動成分Ｘａｓｅを決定することができる。
【0080】
抽出部１３は、活動起因季節変動成分Ｘａｓｅとベース季節変動成分Ｘｂｓとの和を第２成分２２として計算する。さらに、抽出部１３は、活動起因固定成分Ｘａｓｃとベース固定成分Ｘｂｆとの和を第３成分２３として計算する。
【0081】
＜Ｅ．複数の施設の複数の類型への分類＞
分類部１４は、各施設２００について、電力需要の静的特性を示す変数として、電力需要２０のピークを示す第１変数、第１成分２１の代表値を示す第２変数および第２成分２２の代表値を示す第３変数を計算する。
分類部１４は、各施設２００について、電力需要の静的特性を示す変数として、電力需要２０のピークを示す第１変数、第１成分２１の代表値を示す第２変数および第２成分２２の代表値を示す第３変数を計算する。
【0082】
たとえば、分類部１４は、分析対象期間に含まれる日の時間帯毎の電力需要２０の最大値を第１変数として特定する。ただし、電力需要データ１０ａによって示される電力需要には、異常値を示すものも有り得る。そのため、分類部１４は、分析対象期間に含まれる複数の日の時間帯毎の電力需要２０のうち、上位１％の電力需要２０を第１変数として特定してもよい。
【0083】
分類部１４は、分析対象期間に含まれる各日の時間帯毎に、電力需要２０に対する第１成分２１の比率を計算する。分類部１４は、分析対象期間における当該比率の代表値（たとえば、平均値、中央値など）を第２変数として計算する。
【0084】
分類部１４は、分析対象期間に含まれる各日の時間帯毎に、電力需要２０に対する第２成分２２の比率を計算する。分類部１４は、分析対象期間における当該比率の代表値（たとえば、平均値、中央値など）を第３変数として計算する。
【0085】
分類部１４は、複数の施設２００の各々について、第１変数、第２変数および第３変数を計算する。さらに、分類部１４は、複数の施設２００の第１変数、第２変数および第３変数の各々を、平均が０、標準偏差１となるように基準化する。
【0086】
分類部１４は、各施設２００について、電力需要の動的特性を示す変数として、外気温に応じて変動しない第３成分２３の経時変化の特性を表す１以上の第４変数を計算する。
【0087】
分類部１４は、平日の単位期間ごとの第３成分２３の第１代表値と、休日の単位期間ごとの第３成分２３の第２代表値とを計算する。休日は、例えば土曜日および日曜日を含む。単位期間は、たとえば３時間である。第１代表値および第２代表値は、たとえば単位期間ごとの第３成分２３の平均値または中央値である。３時間毎の第３成分２３の平均値を計算することにより、午前中や夕方といった大まかな時間スケールでの変動が抽出される。
【0088】
分類部１４は、単位期間毎の第３成分２３の最大値を１として、第１代表値および第２代表値を基準化する。
【0089】
図１２は、第１代表値および第２代表値の変動を示す図である。図１２に示すグラフにおいて、横軸は、単位期間の時間帯を示し、縦軸は、第１代表値または第２代表値を示す。図１２に示されるように、単位期間が３時間である場合、複数の施設２００の各々について、８個の第１代表値および８個の第２代表値が計算される。単位期間ごとの第１代表値および第２代表値の変動は、施設２００の用途等に応じて異なる。
【0090】
分類部１４は、単位期間ごとの第１代表値および第２代表値に対して主成分分析を行ない、時系列挙動を表す１以上の主成分を１以上の第４変数として抽出する。
【0091】
たとえば、分類部１４は、寄与率が第１閾値を超える１以上の主成分を第４変数として抽出する。第１閾値は、後述するクラスタリングの結果が動的特性に偏ることを避けるために、主成分分析の対象となる要素（第１代表値または第２代表値）１つ分に設定される。たとえば、８個の第１代表値および８個の第２代表値が計算される場合、第１閾値は、１／１６に設定される。
【0092】
あるいは、分類部１４は、累積寄与率が第２閾値を超える１以上の主成分を第４変数として抽出してもよい。
【0093】
図１３は、累積寄与率の一例を示す図である。累積寄与率は、各主成分の寄与率を大きい順に足しあげていった値である。寄与率は、各主成分の固有値をその総和で割った値である。図１３に示す例では、主成分ＰＣ１～ＰＣ８の順に寄与率が大きく、主成分ＰＣ４までの累積寄与率が９０％を超える。そのため、第２閾値が「９０％」に設定された場合、主成分ＰＣ１～ＰＣ４が第４変数として抽出される。
【0094】
【0095】
主成分ＰＣ１は、電力需要の大きさを表している。主成分ＰＣ２は、夜間の電力需要と休日の昼間の電力需要とを表している。主成分ＰＣ３は、平日の昼間の電力需要と休日の夜間の電力需要とを表している。主成分ＰＣ４は、平日の夜間から休日にかけての電力需要を表している。このように、第４変数として抽出された主成分は、施設２００の電力需要の曜日および時刻の特性を表す。
【0096】
分類部１４は、複数の施設２００の各々について計算した第１変数、第２変数、第３変数、および１以上の第４変数を示すデータセットを用いて、複数の施設２００を類型化するクラスタリングを行なう。
【0097】
クラスタリングの手法として、公知の技術が採用される。クラスタリングの公知の技術として、k-means法、Bisecting k-means法、Gaussian Mixture Modelなどが挙げられる。ただし、クラスタリングの結果を評価する公知の基準を用いて、これらの手法のうち最適な手法を選択することが好ましい。また、クラスタ数（複数の類型の個数）についても、クラスタリングの結果を評価する公知の基準を用いて最適な値を選択することが好ましい。
【0098】
クラスタリングの結果を評価する公知の基準として、たとえば、Calinski Harabasz基準（「pseudo F」とも称される。）、クラスタ内誤差平方和（ＳＳＥ）などが挙げられる。Calinski Harabasz基準は、クラスタリング結果の凝集性と分別性とを同時に評価し、クラスタ間分散とクラスタ内分散の比に対応する。クラスタ内誤差平方和は、クラスタ重心とクラスタに属するデータとの距離の平方和である。また、クラスタリングの結果を評価するために、第１変数、第２変数、第３変数、および１以上の第４変数のうちの２つの変数の組み合わせ毎の類型別散布図が参照されてもよい。
【0099】
具体的には、クラスタリング手法およびクラスタ数の少なくとも一方が互いに異なる複数のパターンの各々についてクラスタリングを実行し、公知の基準を用いて、当該複数のパターンの中から最適なパターンが選択される。本実施の形態では、たとえば、クラスタリングの手法として「k-means法」、クラスタ数（複数の類型の個数）として「８」がそれぞれ選択される。
【0100】
図１５は、８つの類型の各々に属する施設の電力需要の静的特性の平均を示す図である。図１６は、８つの類型の各々に属する施設の電力需要の動的特性の平均を示す図である。図１５に示されるように、類型ＣＬ１～ＣＬ８において、第１変数、第２変数および第３変数の値の傾向が異なる。同様に、類型ＣＬ１～ＣＬ８において、第４変数として抽出された主成分ＰＣ１～ＰＣ４の値の傾向が異なる。
【0101】
図１７は、施設の用途ごとに、類型ＣＬ１～ＣＬ８に属する施設の比率を示す図である。図１８は、類型ＣＬ１～ＣＬ８の各々に属する施設における、外気温に応じて変動しない第３成分２３の比率の推移を示す図である。
【0102】
図１７に示されるように、類型ＣＬ１には、主に娯楽施設、食堂、レストランなどのサービス業の用途に使用される施設２００が分類される。図１８に示されるように、類型ＣＬ１に属する施設２００において、第３成分２３が上昇し始める時刻が相対的に遅く、夜間まで第３成分２３が高い状態で維持される。また、類型ＣＬ１に属する施設２００において、休日の第３成分２３が平日の第３成分２３よりもわずかに大きい。これは、サービス業の用途に使用される施設２００では、営業開始時間が相対的に遅いものの、夜間まで営業されるためである。以下、類型ＣＬ１を「午後活動タイプ」とも称する。
【0103】
類型ＣＬ２には、主に学校として使用される施設２００が分類される。図１８に示されるように、類型ＣＬ２に属する施設２００において、休日の第３成分２３が小さく、平日の昼間の第３成分２３が大きい。これは、学校の用途に使用される施設２００では、平日の昼間に各種の電気機器が使用されるためである。以下、類型ＣＬ２を「第１標準タイプ」とも称する。
【0104】
類型ＣＬ３には、主に宿泊施設として使用される施設２００が分類される。図１８に示されるように、類型ＣＬ３に属する施設２００において、夕方から２４時までの第３成分２３の比率が大きくなる。これは、宿泊施設として使用される施設２００では、主に夕方から宿泊者が訪れ、宿泊者による電気機器の使用が増大するためである。また、平日および休日のいずれにおいても第３成分２３の比率が他の類型と比較して高い状態で推移する。これは、宿泊施設として使用される施設２００では、宿泊者がいない時間帯であっても、ロビー、廊下などの空調機器や照明機器が常時稼働しているためである。以下、類型ＣＬ３を「第１年中無休タイプ」とも称する。
【0105】
類型ＣＬ４には、主にスーパー、百貨店、物販店として使用される施設２００が分類される。図１８に示されるように、類型ＣＬ４に属する施設２００において、第３成分２３の時刻変動が大きい。これは、スーパー、百貨店、物販店として使用される施設２００では、営業時間において店舗内の照明機器などの稼働による電力消費量が増大するためである。また、類型ＣＬ４に属する施設２００において、人の活動に依存しない第１成分２１の比率が相対的に大きい。これは、スーパー、百貨店、物販店として使用される施設２００では、冷蔵庫など常時稼働される電気機器が多いためである。以下、類型ＣＬ４を「第１機器稼働タイプ」とも称する。
【0106】
類型ＣＬ５には、主に医療施設として使用される施設２００が分類される。図１８に示されるように、類型ＣＬ５に属する施設２００においても、第３成分２３の時刻変動が大きい。これは、医療施設として使用される施設２００では、昼間において診療、看護等のために電気機器の使用が増大するためである。また、類型ＣＬ５に属する施設２００において、類型ＣＬ４に属する施設２００よりは小さいものの、人の活動に依存しない第１成分２１の比率が相対的に大きい。これは、医療施設として使用される施設２００において、空調機器が常時稼働されるためである。以下、類型ＣＬ５を「第２機器稼働タイプ」とも称する。
【0107】
類型ＣＬ６には、主にコンビニエンスストアとして使用される施設２００が分類される。図１８に示されるように、類型ＣＬ６に属する施設２００において、第３成分２３の時刻変動が小さく、かつ、第３成分２３が他の類型と比較して格段に大きい。これは、コンビニエンスストアとして使用される施設２００では、２４時間営業のために各種の電気器が常時稼働しているためである。以下、類型ＣＬ６を「第２年中無休タイプ」とも称する。
【0108】
類型ＣＬ７には、主に居酒屋、飲食店として使用される施設２００が分類される。図１８に示されるように、類型ＣＬ７に属する施設２００において、第３成分２３の比率は、夕方から上昇し始める。これは、居酒屋、飲食店として使用される施設２００では、夕方から営業を開始するためである。以下、類型ＣＬ７を「夜間活動タイプ」とも称する。
【0109】
類型ＣＬ８には、主に事務所として使用される施設２００が分類される。図１８に示されるように、類型ＣＬ８に属する施設２００において、第３成分２３の比率は、平日の昼間に大きくなり、平日の夜間および休日に小さくなる。類型ＣＬ２（第１標準タイプ）でも同様の傾向を示す。ただし、平日の昼間において、類型ＣＬ２と比較して、第３成分２３の比率が大きい。これは、事務所の用途に使用される施設２００施設２００では、学校の用途に使用される施設２００と比べて、外気温に依存せず使用される電気機器（たとえば、サーバー、コンピュータなど）が多く、外気温に応じて変動する第２成分２２の比率が小さいためである。以下、類型ＣＬ８を「第２標準タイプ」とも称する。
【0110】
＜Ｆ．情報の提供＞
データベース１０ｅ（図３参照）は、分類データ１０ｄと、各類型に属する施設２００の電力需要データ１０ａおよび成分データ１０ｃとに基づいて、分析者によって予め作成される。
データベース１０ｅ（図３参照）は、分類データ１０ｄと、各類型に属する施設２００の電力需要データ１０ａおよび成分データ１０ｃとに基づいて、分析者によって予め作成される。
【0111】
【0112】
データベース１０ｅは、類型ごとのレコードを含む。各レコード１０ｅ１は、施設２００の用途ごとのフィールド群１０ｅ２を含む。フィールド群１０ｅ２は、性能指標が記述されるフィールド１０ｅ３と、電力需要の特徴が記述されるフィールド１０ｅ４と、省エネルギーのための対策方法が記述されるフィールド１０ｅ５と、を含む。
【0113】
まず、分析者は、契約データ１０ｆに基づいて、全ての施設２００を用途ごとに分類する。分析者は、各用途について、当該用途の施設２００のうち最も多くの施設２００が属する類型を標準類型として特定する。
【0114】
次に、分析者は、分類データ１０ｄに基づいて、データベース１０ｅの対象のレコード１０ｅ１に対応する類型に属する施設２００を特定する。分析者は、契約データ１０ｆに基づいて、特定した施設２００を用途ごとにグループ分けする。分析者は、各グループに属する施設２００の電力需要データ１０ａおよび成分データ１０ｃと、全ての施設２００の電力需要データ１０ａおよび成分データ１０ｃの平均とを比較する。さらに、分析者は、各グループに属する施設２００の電力需要データ１０ａおよび成分データ１０ｃと、当該グループの用途に対応する標準類型に属する施設２００の電力需要データ１０ａおよび成分データ１０ｃの平均とを比較する。分析者は、これらの比較結果に基づいて、フィールド群１０ｅ２の各フィールドにテキストを記述する。
【0115】
たとえば、用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の電力需要と、全ての施設２００の電力需要の平均とを比較した結果、以下の情報が得られたとする。分析者は、以下の情報を示すテキストをフィールド１０ｅ３に記述する。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の中に、電力需要が上位１０％内である時間帯の合計時間が全ての施設２００の平均よりも短い施設２００が存在する。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の第１成分２１は、全ての施設２００の第１成分２１の平均とほぼ同じである。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の活動起因固定成分Ｘａｓｃが活発となる時間（以下、「稼働時間」と称する。）は、全ての施設２００の稼働時間の平均よりも長い。稼働時間は、例えば、活動起因固定成分Ｘａｓｃが閾値を超えている時間である。あるいは、稼働時間は、以下の式に従って算出されてもよい。
avg（Ｘａｓｃ）／max（Ｘａｓｃ）×２４
avg（Ｘａｓｃ）およびmax（Ｘａｓｃ）は、活動起因固定成分Ｘａｓｃの平均値および最大値である。ある日の全時刻において、一定の活動起因固定成分Ｘａｓｃが発生した場合、稼働時間は２４時間となる。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の活動起因季節変動成分Ｘａｓｅの電力需要２０に対する比率（以下、「人系空調電力比率」と称する。）は、全ての施設２００の人系空調電力比率の平均よりもやや大きい。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の中に、活動起因固定成分Ｘａｓｃの電力需要２０に対する比率（以下、「機器系空調電力比率」と称する。）が全ての施設２００の機器系空調電力比率の平均よりも大きくなる施設２００が存在する。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の夜間における電力需要２０は、全ての施設２００の夜間における電力需要２０の平均よりも多い。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の中に、電力需要が上位１０％内である時間帯の合計時間が全ての施設２００の平均よりも短い施設２００が存在する。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の第１成分２１は、全ての施設２００の第１成分２１の平均とほぼ同じである。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の活動起因固定成分Ｘａｓｃが活発となる時間（以下、「稼働時間」と称する。）は、全ての施設２００の稼働時間の平均よりも長い。稼働時間は、例えば、活動起因固定成分Ｘａｓｃが閾値を超えている時間である。あるいは、稼働時間は、以下の式に従って算出されてもよい。
avg（Ｘａｓｃ）／max（Ｘａｓｃ）×２４
avg（Ｘａｓｃ）およびmax（Ｘａｓｃ）は、活動起因固定成分Ｘａｓｃの平均値および最大値である。ある日の全時刻において、一定の活動起因固定成分Ｘａｓｃが発生した場合、稼働時間は２４時間となる。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の活動起因季節変動成分Ｘａｓｅの電力需要２０に対する比率（以下、「人系空調電力比率」と称する。）は、全ての施設２００の人系空調電力比率の平均よりもやや大きい。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の中に、活動起因固定成分Ｘａｓｃの電力需要２０に対する比率（以下、「機器系空調電力比率」と称する。）が全ての施設２００の機器系空調電力比率の平均よりも大きくなる施設２００が存在する。
・用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の夜間における電力需要２０は、全ての施設２００の夜間における電力需要２０の平均よりも多い。
【0116】
さらに、分析者は、用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の電力需要と、類型ＣＬ８に属する施設２００の電力需要の平均とを比較した結果、違いが際立っている特徴を示すテキストをフィールド１０ｅ４に記述する。例えば、分析者は、用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の特徴を示すテキストとして、「夜間の活動電力や空調電力がやや多くなる傾向を示しています。」をフィールド１０ｅ４に記述する。
【0117】
分析者は、フィールド１０ｅ４の記述内容に基づいて、用途が「事務所」でありながら、類型ＣＬ１（午後活動タイプ）に属する施設２００の省エネルギー化の対策を示すテキストとして、「夜間不使用部位の省エネが有効です。」をフィールド１０ｅ５に記述する。
【0118】
提供部１５は、操作キー１０６（図２参照）への操作に応じて、複数の施設２００の中から対象施設の指定を受け付ける。提供部１５は、対象施設の指定を受け付けたことに応じて、分類データ１０ｄに基づいて、複数の施設２００のうちの対象施設が属する対象類型を複数の類型の中から特定する。提供部１５は、対象類型に応じた情報を提供する。
【0119】
たとえば、提供部１５は、データベース１０ｅから対象類型に対応するレコード１０ｅ１を特定する。提供部１５は、特定したレコード１０ｅ１から、対象施設の用途に対応するフィールド群１０ｅ２を抽出する。対象施設の用途は、契約データ１０ｆに基づいて特定される。提供部１５は、抽出したフィールド群１０ｅ２に記述されたテキストを提供する。
【0120】
あるいは、提供部１５は、対象類型に属する他の施設２００の電力需要２０と、対象施設の電力需要２０との比較結果を示す情報を提供してもよい。
【0121】
図２０は、提供画面の一例を示す図である。図２０に示される画面６０は、提供部１５によって提供され、ディスプレイ１０８に表示される。図２０には、ある需要家が運営している１０個の施設２００が対象施設として指定されたときの画面６０が示される。１０個の対象施設は、営業所Ａ～ＧとコンビニＺとを含む。
【0122】
図２０に示されるように、画面６０は、グラフ６１、６３～６５と、表６２，６６と、コメント表示欄６７，６８と、を含む。
【0123】
グラフ６１は、１０個の対象施設が属する類型の比率を示す。表６２は、類型ごとの対象施設の個数を示す。
【0124】
グラフ６３は、各施設の原単位の分布を示す。グラフ６３において、横軸は、施設の延床面積を示し、縦軸は、原単位を示す。原単位は、年間電力量を施設の延床面積で割った値である。施設の延床面積は、契約データ１０ｆによって示される。グラフ６３において、他の施設２００の原単位の値が白丸でプロットされ、対象施設の原単位の値がハッチングされた大きい丸でプロットされている。グラフ６３から、他の施設と比較して、対象施設の電力需要の大小が確認される。
【0125】
グラフ６４は、各対象施設の電力需要と電力需要の成分比率とを示す。グラフ６４から、対象施設間において電力需要の成分（活動起因季節変動成分Ｘａｓｅ、活動起因固定成分Ｘａｓｃ、ベース季節変動成分Ｘｂｓ、ベース固定成分Ｘｂｆ、残渣成分Ｘｒ）を比較できる。
【0126】
グラフ６５は、同一の類型に属する対象施設の電力需要の成分比率の推移を示す。グラフ６５には、平日の１時間ごとの成分比率の推移と、休日の１時間ごとの成分比率の推移とが示される。図２０に示すグラフ６５は、「午後活動タイプ」に属する対象施設の電力需要の成分比率の推移を示す。
【0127】
表６６は、同一の類型に属する各対象施設の、原単位、受電規模（ｋＷ）および年間電力（ｋＷｈ）を示す。受電規模（ｋＷ）とは、分析対象期間に含まれる日の時間帯毎の電力需要２０のうち上位所定％の電力需要を示す。受電規模（ｋＷ）として、上記の第１変数が用いられてもよい。
【0128】
コメント表示欄６７には、同一の類型に属する対象施設の電力需要の特徴を示すテキストが表示される。提供部１５は、データベース１０ｅから当該類型に対応するレコード１０ｅ１を特定する。提供部１５は、特定したレコード１０ｅ１から、対象施設の用途に対応するフィールド１０ｅ４を抽出する。提供部１５は、抽出したフィールド１０ｅ４に記述されたテキストをコメント表示欄６７に表示する。図２０に示す例では、「午後活動タイプ」に属する３つの対象施設の用途は、全て「事務所」である。そのため、提供部１５は、類型ＣＬ１（午後活動タイプ）に対応するレコード１０ｅ１から、用途「事務所」に対応するフィールド１０ｅ４に記述されたテキスト（図１９参照）をコメント表示欄６７に表示する。
【0129】
コメント表示欄６８には、同一の類型に属する対象施設の省エネルギー対策を示すテキストが表示される。提供部１５は、データベース１０ｅから当該類型に対応するレコード１０ｅ１を特定する。提供部１５は、特定したレコード１０ｅ１から、対象施設の用途に対応するフィールド１０ｅ５を抽出する。提供部１５は、抽出したフィールド１０ｅ５に記述されたテキストをコメント表示欄６８に表示する。図２０に示す例では、「午後活動タイプ」に属する３つの対象施設の用途は、全て「事務所」である。そのため、提供部１５は、類型ＣＬ１（午後活動タイプ）に対応するレコード１０ｅ１から、用途「事務所」に対応するフィールド１０ｅ５に記述されたテキスト（図１９参照）をコメント表示欄６８に表示する。
【0130】
なお、用途が互いに異なる複数の対象施設が同一の類型に分類される場合があり得る。このような場合、コメント表示欄６７，６８には、用途が互いに異なる複数の対象施設の各々についてのテキストが表示される。
【0131】
提供部１５は、スクロールバー６９の操作に応じて、別の類型に属する対象施設についてのグラフ６５、表６６およびコメント表示欄６７，６８を表示する。
【0132】
図２１は、提供画面の別の例を示す図である。図２１に示される画面７０は、提供部１５によって提供され、ディスプレイ１０８に表示される。図２１に示されるように、画面７０は、対象施設と同じ類型に分類された複数の施設２００の電力需要２０の傾向を示す１０個のグラフ７１～８０を含む。グラフ７１～８０において、対象施設に対応する点が三角印で示され、他の施設２００に対応する点が丸印で示される。
【0133】
グラフ７１は、電力需要のピークを示す第１変数の値の分布を示す。グラフ７１において、横軸は延床面積を示し、縦軸は第１変数の値を示す。
【0134】
グラフ７２は、ピーク突出指標の分布を示す。ピーク突出指標とは、分析対象期間に含まれる日の時間帯のうち、電力需要２０が上位１０％内である時間帯の合計時間が小さいほど大きい値を示す。そのため、ピーク突出指標の値が大きいほど、電力需要２０が突出する傾向が強い。グラフ７２において、横軸は延床面積を示し、縦軸はピーク突出指標を示す。
【0135】
グラフ７２において、破線７２ａ，７２ｂ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的なピーク突出指標の範囲を示す。また、枠線７２ｃは、ピーク突出指標が標準的な範囲よりも大きい領域を囲む。対象施設に対応する点が枠線７２ｃ内に含まれることは、同一の類型に属する他の施設と比較して、対象施設において突発的に電力需要２０が大きくなる傾向があることを意味している。
【0136】
グラフ７３は、ベース固定成分Ｘｂｆの値の分布を示す。グラフ７３において、横軸は延床面積を示し、縦軸は、分析対象期間（１年）におけるベース固定成分Ｘｂｆの合計値を示す。グラフ７３において、枠線７３ａは、延床面積のわりにベース固定成分Ｘｂｆの大きい範囲を囲む。対象施設に対応する点が枠線７３ａ内に含まれることは、同一の類型に属する他の施設と比較して対象施設におけるベース固定成分Ｘｂｆが大きいことを意味する。
【0137】
グラフ７４は、総電力需要に対するベース固定成分Ｘｂｆの比率の分布を示す。グラフ７４において、横軸は延床面積を示し、縦軸は総電力需要に対するベース固定成分Ｘｂｆの比率を示す。
【0138】
グラフ７４において、破線７４ａ，７４ｂ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的なベース固定成分Ｘｂｆの比率の範囲を示す。枠線７４ｃは、総電力需要に対するベース固定成分Ｘｂｆの比率が標準的な範囲よりも大きい領域を囲む。ベース固定成分Ｘｂｆは、冷蔵庫など常時稼働される電気機器によって消費される電力成分である。そのため、対象施設に対応する点が枠線７４ｃ内に含まれることは、同一の類型に属する他の施設と比較して、冷蔵庫などの電気機器の容量が過大であることを意味する。従って、需要家は、グラフ７４を確認することにより、省エネルギー対策として冷蔵庫の容量および機器効率の見直しを図ることができる。
【0139】
グラフ７５は、活動起因固定成分Ｘａｓｃの値の分布を示す。グラフ７５において、横軸は延床面積を示し、縦軸は、分析対象期間（１年）における活動起因固定成分Ｘａｓｃの合計値を示す。グラフ７５において、枠線７５ａは、延床面積のわりに活動起因固定成分Ｘａｓｃの大きい範囲を囲む。対象施設に対応する点が枠線７５ａ内に含まれることは、同一の類型に属する他の施設と比較して対象施設におけるベース固定成分Ｘｂｆが大きいことを意味する。
【0140】
グラフ７６は、１日における活動起因固定成分Ｘａｓｃが活発となる時間帯の合計の平均値（以下、「第１平均稼働時間」と称する。）の分布を示す。第１平均稼働時間は、人の活動に起因して稼働し、外気温に応じて消費電力が変動しない電気機器の１日の稼働時間の平均を示す。第１平均稼働時間は、例えば、１日における電力需要に対する活動起因固定成分Ｘａｓｃの比率が閾値を超える時間帯の合計の平均値である。あるいは、第１平均稼働時間は、１日における活動起因固定成分Ｘａｓｃの最大値（max（Ｘａｓｃ））に対する活動起因固定成分Ｘａｓｃの平均値（avg（Ｘａｓｃ））の比率（avg（Ｘａｓｃ）／max（Ｘａｓｃ）×２４）であってもよい。グラフ７６において、横軸は、活動起因固定成分Ｘａｓｃの最大値を施設２００の延床面積で割った値を示し、縦軸は第１平均稼働時間を示す。
【0141】
グラフ７６において、破線７６ａ，７６ｂ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的な第１平均稼働時間の範囲を示す。破線７６ｃ，７６ｄ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的な、活動起因固定成分Ｘａｓｃの最大値を施設２００の延床面積で割った値の範囲を示す。枠線７６ｅは、第１平均稼働時間が標準的な範囲よりも大きく、かつ、活動起因固定成分Ｘａｓｃの最大値を施設２００の延床面積で割った値が標準的な範囲よりも大きい領域を囲む。活動起因固定成分Ｘａｓｃは、人の活動に応じて稼働し、外気温に応じて消費電力が変動しない電気機器（照明器具など）によって消費される電力成分である。そのため、対象施設に対応する点が枠線７６ｅ内に含まれることは、同一の類型に属する他の施設と比較して、人の活動に応じて稼働し、外気温に応じて消費電力が変動しない電気機器（照明器具など）の稼働時間が長く、かつ、容量が過大であることを意味する。従って、需要家は、グラフ７６を確認することにより、省エネルギー対策として照明器具の稼働時間、容量および機器効率の見直しを図ることができる。
【0142】
グラフ７７は、活動起因季節変動成分Ｘａｓｅの値の分布を示す。グラフ７７において、横軸は延床面積を示し、縦軸は、分析対象期間（１年）における活動起因季節変動成分Ｘａｓｅの合計値を示す。グラフ７７において、枠線７７ａは、延床面積のわりに活動起因季節変動成分Ｘａｓｅの大きい範囲を囲む。対象施設に対応する点が枠線７７ａ内に含まれることは、同一の類型に属する他の施設と比較して対象施設における活動起因季節変動成分Ｘａｓｅが大きいことを意味する。
【0143】
グラフ７８は、１日における活動起因季節変動成分Ｘａｓｅが活発となる時間帯の合計の平均値（以下、「第２平均稼働時間」と称する。）の分布を示す。第２平均稼働時間は、人の活動に起因して稼働し、外気温に応じて消費電力が変動する電気機器の１日の稼働時間の平均を示す。第２平均稼働時間は、例えば、１日における電力需要に対する活動起因季節変動成分Ｘａｓｅの比率が閾値を超える時間帯の合計の平均値である。あるいは、第２平均稼働時間は、１日における活動起因季節変動成分Ｘａｓｅの最大値（max（Ｘａｓｅ））に対する活動起因季節変動成分Ｘａｓｅの平均値（avg（Ｘａｓｅ））の比率（avg（Ｘａｓｅ）／max（Ｘａｓｅ）×２４）であってもよい。グラフ７８において、横軸は、活動起因季節変動成分Ｘａｓｅの最大値を施設２００の延床面積で割った値を示し、縦軸は第２平均稼働時間を示す。
【0144】
グラフ７８において、破線７８ａ，７８ｂ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的な第２平均稼働時間の比率の範囲を示す。破線７８ｃ，７８ｄ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的な、活動起因季節変動成分Ｘａｓｅの最大値を施設２００の延床面積で割った値の範囲を示す。枠線７８ｅは、第２平均稼働時間が標準的な範囲よりも大きく、かつ、活動起因季節変動成分Ｘａｓｅの最大値を施設２００の延床面積で割った値が標準的な範囲よりも大きい領域を囲む。活動起因季節変動成分Ｘａｓｅは、人の活動に応じて稼働し、外気温に応じて消費電力が変動する電気機器（空調機器など）によって消費される電力成分である。そのため、対象施設に対応する点が枠線７８ｅ内に含まれることは、同一の類型に属する他の施設と比較して、人の活動に応じて稼働し、外気温に応じて消費電力が変動する電気機器（空調機器など）の稼働時間が長く、かつ、容量が過大であることを意味する。従って、需要家は、グラフ７８を確認することにより、省エネルギー対策として空調機器の稼働時間、容量および機器効率の見直しを図ることができる。
【0145】
グラフ７９は、ベース季節変動成分Ｘｂｓの値の分布を示す。グラフ７９において、横軸は延床面積を示し、縦軸は、分析対象期間（１年）におけるベース季節変動成分Ｘｂｓの合計値を示す。グラフ７９において、枠線７９ａは、延床面積のわりにベース季節変動成分Ｘｂｓの大きい範囲を囲む。対象施設に対応する点が枠線７９ａ内に含まれることは、同一の類型に属する他の施設と比較して対象施設におけるベース季節変動成分Ｘｂｓが大きいことを意味する。
【0146】
グラフ８０は、総電力需要に対するベース季節変動成分Ｘｂｓおよびベース固定成分Ｘｂｆの比率の分布を示す。グラフ８０において、横軸は総電力需要に対するベース固定成分Ｘｂｆの比率を示し、縦軸は総電力需要に対するベース季節変動成分Ｘｂｓの比率を示す。
【0147】
グラフ８０において、破線８０ａ，８０ｂ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的なベース季節変動成分Ｘｂｓの比率の範囲を示す。破線８０ｃ，８０ｄ間の領域は、対象施設と同じ類型に分類された複数の施設２００における標準的なベース固定成分Ｘｂｆの比率の範囲を示す。枠線８０ｅは、ベース季節変動成分Ｘｂｓの比率が標準的な範囲よりも大きく、かつ、ベース固定成分Ｘｂｆの比率が標準的な範囲よりも大きい領域を囲む。対象施設に対応する点が枠線８０ｅ内に含まれることは、同一の類型に属する他の施設と比較して、営業時間外の電力消費量が大きいことを意味する。営業時間外に大きな電力を消費する機器として、たとえば冷蔵庫等が挙げられる。従って、需要家は、グラフ８０を確認することにより、省エネルギー対策として冷蔵庫の容量および機器効率の見直しを図ることができる。
【0148】
＜Ｇ．分析装置の処理の流れ＞
図２２は、分析装置１００における処理の流れの一例を示すフローチャートである。図２２に示されるように、まず、分析装置１００のプロセッサ１０１は、複数の施設２００の各々について時間帯毎に計測された電力需要を示す電力需要データ１０ａを取得する（ステップＳ１）。プロセッサ１０１は、複数の施設２００の各々の地域の時間帯毎の外気温を示す外気温データ１０ｂを取得する（ステップＳ２）。なお、ステップＳ１，Ｓ２の処理順序は逆であってもよい。
図２２は、分析装置１００における処理の流れの一例を示すフローチャートである。図２２に示されるように、まず、分析装置１００のプロセッサ１０１は、複数の施設２００の各々について時間帯毎に計測された電力需要を示す電力需要データ１０ａを取得する（ステップＳ１）。プロセッサ１０１は、複数の施設２００の各々の地域の時間帯毎の外気温を示す外気温データ１０ｂを取得する（ステップＳ２）。なお、ステップＳ１，Ｓ２の処理順序は逆であってもよい。
【0149】
次に、プロセッサ１０１は、電力需要データ１０ａと外気温データ１０ｂとに基づいて、電力需要２０から、人の活動に依存しない第１成分２１と、外気温に応じて変動する第２成分２２と、外気温に応じて変動しない第３成分２３とを抽出する（ステップＳ３）。
【0150】
次に、プロセッサ１０１は、電力需要２０のピークを示す第１変数と、第１成分２１の代表値を示す第２変数と、第２成分２２の代表値を示す第３変数と、第３成分２３の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設２００を複数の類型に分類する（ステップＳ４）。
【0151】
次に、プロセッサ１０１は、複数の施設２００のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供する（ステップＳ５）。ステップＳ５の後、分析装置１００は処理を終了する。
【0152】
＜Ｈ．変形例＞
上記の説明では、電力需要の静的特性を示す第１変数として、たとえば、分析対象期間に含まれる日の時間帯毎の電力需要２０の最大値、あるいは、分析対象期間に含まれる複数の日の時間帯毎の電力需要２０のうちの上位１％の電力需要２０が用いられる。しかしながら、契約データ１０ｆによって示される情報が各施設２００の延床面積を含む場合、分析対象期間に含まれる日の時間帯毎の電力需要２０の最大値を延床面積で割った値を第１変数として用いてもよい。あるいは、分析対象期間に含まれる複数の日の時間帯毎の電力需要２０のうちの上位１％の電力需要２０を延床面積で割った値を第１変数として用いてもよい。これにより、延床面積の違いの影響を排除した上で、複数の施設２００を複数の類型に分類できる。
上記の説明では、電力需要の静的特性を示す第１変数として、たとえば、分析対象期間に含まれる日の時間帯毎の電力需要２０の最大値、あるいは、分析対象期間に含まれる複数の日の時間帯毎の電力需要２０のうちの上位１％の電力需要２０が用いられる。しかしながら、契約データ１０ｆによって示される情報が各施設２００の延床面積を含む場合、分析対象期間に含まれる日の時間帯毎の電力需要２０の最大値を延床面積で割った値を第１変数として用いてもよい。あるいは、分析対象期間に含まれる複数の日の時間帯毎の電力需要２０のうちの上位１％の電力需要２０を延床面積で割った値を第１変数として用いてもよい。これにより、延床面積の違いの影響を排除した上で、複数の施設２００を複数の類型に分類できる。
【0153】
図２０に示す画面６０は、各施設２００の延床面積を用いて作成されるグラフ６３を含む。また、図２１に示す画面７０は、各施設２００の延床面積を用いて作成されるグラフ７１～８０を含む。しかしながら、契約データ１０ｆによって示される情報が全ての施設２００の延床面積を含まない場合が有り得る。このような場合、延床面積と受電規模との間には相関関係があるため、延床面積の代わりに受電規模を用いて各グラフが作成されてもよい。
【0154】
＜Ｉ．まとめ＞
以上のように、分析装置１００は、第１取得部１１と、第２取得部１２と、抽出部１３と、分類部１４と、提供部１５と、を備える。第１取得部１１は、複数の施設２００の各々について時間帯毎に計測された電力需要２０を示す電力需要データ１０ａを取得する。第２取得部１２は、複数の施設２００の各々の地域の時間帯毎の外気温を示す外気温データ１０ｂを取得する。抽出部１３は、電力需要データ１０ａと外気温データ１０ｂとに基づいて、電力需要２０から、人の活動に依存しない第１成分２１と、外気温に応じて変動する第２成分２２と、外気温に応じて変動しない第３成分２３とを抽出する。分類部１４は、電力需要２０のピークを示す第１変数と、第１成分２１の代表値を示す第２変数と、第２成分２２の代表値を示す第３変数と、第３成分２３の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設２００を複数の類型に分類する。提供部１５は、複数の施設２００のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供する。
以上のように、分析装置１００は、第１取得部１１と、第２取得部１２と、抽出部１３と、分類部１４と、提供部１５と、を備える。第１取得部１１は、複数の施設２００の各々について時間帯毎に計測された電力需要２０を示す電力需要データ１０ａを取得する。第２取得部１２は、複数の施設２００の各々の地域の時間帯毎の外気温を示す外気温データ１０ｂを取得する。抽出部１３は、電力需要データ１０ａと外気温データ１０ｂとに基づいて、電力需要２０から、人の活動に依存しない第１成分２１と、外気温に応じて変動する第２成分２２と、外気温に応じて変動しない第３成分２３とを抽出する。分類部１４は、電力需要２０のピークを示す第１変数と、第１成分２１の代表値を示す第２変数と、第２成分２２の代表値を示す第３変数と、第３成分２３の経時変化の特性を表す１以上の第４変数とを用いたクラスタリングを実行することにより、複数の施設２００を複数の類型に分類する。提供部１５は、複数の施設２００のうちの対象施設が属する対象類型を複数の類型の中から特定し、対象類型に応じた情報を提供する。
【0155】
上記の構成によれば、第１変数、第２変数および第３変数は、電力需要２０の静的特性を表す。１以上の第４変数は、電力需要２０の動的特性を表す。これらの変数を用いてクラスタリングが実行されることにより、施設の業務形態や設備に応じた電力需要の状態に従って、複数の施設が複数の類型に分類される。そして、対象施設が属する対象類型に応じて情報が提供される。その結果、対象施設の電力需要の状態に応じた情報を簡易に提供できる。
【0156】
上記の分析装置１００において、分類部１４は、複数の施設２００の各々について、平日の単位期間ごとの第３成分２３の第１代表値と、休日の単位期間ごとの第３成分２３の第２代表値とを算出する。分類部１４は、平日の単位期間ごとの第１代表値と休日の単位期間ごとの第２代表値とに対して主成分分析を行ない、寄与率が第１閾値を超える１以上の主成分または累積寄与率が第２閾値を超える１以上の主成分を１以上の第４変数として選択する。これにより、電力需要２０の動的特性を適格に表す１以上の主成分が第４変数として選択される。その結果、電力需要２０の動的特性を考慮したクラスタリングがより確実に実行される。
【0157】
上記の分析装置１００において、情報は、対象施設と対象類型に属する他の施設との比較結果を示す。たとえば、図２１に示されるように、グラフ７１～８０を含む画面７０が提供される。これにより、省エネルギー対策を施す余地があるのか否かを判断することができる。
【0158】
上記の分析装置１００において、提供部１５は、複数の類型から選択される類型および施設の用途の各組み合わせと、当該組み合わせにおける電力需要の特徴および省電力化のための対策の少なくとも一方を示すテキストとを対応付けたデータベース１０ｅから、対象類型および対象施設の用途の組み合わせに対応するテキストを読み出す。提供部１５は、読み出したテキストを情報として提供する。たとえば、図２０に示されるように、コメント表示欄６７，６８を含む画面６０が提供される。これにより、需要家は、対象施設について、電力需要の特徴および省電力化のための対策の少なくとも一方を容易に把握できる。
【0159】
今回開示された実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。
【符号の説明】
【0160】
１０ 記憶部、１０ａ 電力需要データ、１０ｂ 外気温データ、１０ｃ 成分データ、１０ｄ 分類データ、１０ｅ データベース、１０ｅ１ レコード、１０ｅ２ フィールド群、１０ｅ３～１０ｅ５ フィールド、１０ｆ 契約データ、１１ 第１取得部、１２ 第２取得部、１３ 抽出部、１４ 分類部、１５ 提供部、２０ 電力需要、２１ 第１成分、２２ 第２成分、２３ 第３成分、２４，２５ 成分、３０，３２ａ，３２ｂ，３４ 回帰曲線、４０，４１ 単位データセット、６０，７０ 画面、６１，６３～６５，７１～８０ グラフ、６７，６８ コメント表示欄、６９ スクロールバー、７２ｃ，７３ａ，７４ｃ，７５ａ，７６ｅ，７７ａ，７８ｅ，７９ａ，８０ｅ 枠線、１００ 分析装置、１０１ プロセッサ、１０２ ＲＯＭ、１０３ ＲＡＭ、１０５ 通信ＩＦ、１０６ 操作キー、１０７ 電源回路、１０８ ディスプレイ、１１０ プログラム、２００ 施設、２１０ スマートメータ、２２０ 電気機器、３００ サーバ装置、ＳＹＳ システム、Ｘａｓｃ 活動起因固定成分、Ｘａｓｅ 活動起因季節変動成分、Ｘｂｆ ベース固定成分、Ｘｂｓ ベース季節変動成分、Ｘｒ 残渣成分。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】