特開 2024-152838 電力需要予測システム及び電力需要予測方法

(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】P2024152838

(43)【公開日】2024-10-25

(54)【発明の名称】電力需要予測システム及び電力需要予測方法

(51)【国際特許分類】

   H02J 3/00 20060101AFI20241018BHJP

   H02J 13/00 20060101ALI20241018BHJP

   G06Q 50/06 20240101ALI20241018BHJP

   G06Q 10/04 20230101ALI20241018BHJP

【ＦＩ】

H02J3/00 130

H02J13/00 301A

G06Q50/06

G06Q10/04

【審査請求】有

【請求項の数】22

【出願形態】ＯＬ

(21)【出願番号】P 2024133248

(22)【出願日】2024-08-08

(62)【分割の表示】P 2020196129の分割

【原出願日】2020-11-26

(71)【出願人】

【識別番号】306022513

【氏名又は名称】日鉄エンジニアリング株式会社

(74)【代理人】

【識別番号】100088155

【弁理士】

【氏名又は名称】長谷川 芳樹

(74)【代理人】

【識別番号】100145012

【弁理士】

【氏名又は名称】石坂 泰紀

(74)【代理人】

【識別番号】100212026

【弁理士】

【氏名又は名称】中村 真生

(74)【代理人】

【識別番号】100171099

【弁理士】

【氏名又は名称】松尾 茂樹

(72)【発明者】

【氏名】陳 立

(72)【発明者】

【氏名】夏目 洋明

(72)【発明者】

【氏名】西山 裕樹

(72)【発明者】

【氏名】銀島 孝一

(57)【要約】

【課題】電力需要の予測精度向上に有効なシステムを提供する。
【解決手段】電力需要予測システム１０は、売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させるデータ蓄積部１１４と、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデル１１８を生成するモデル生成部１１６と、複数の顧客グループごとに変動因子の予測データを取得する入力情報取得部１１２と、複数の顧客グループごとに、変動因子の予測データと、需要予測モデル１１８とに基づいて電力需要の予測データを算出する個別需要予測部１２１と、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出する総需要予測部１２２と、を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させるデータ蓄積部と、
前記複数の顧客グループごとに、前記データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成するモデル生成部と、
前記複数の顧客グループごとに前記変動因子の予測データを取得する入力情報取得部と、
前記複数の顧客グループごとに、前記変動因子の予測データと、前記需要予測モデルとに基づいて電力需要の予測データを算出する個別需要予測部と、
前記複数の顧客グループごとに算出された前記電力需要の予測データに基づいて、前記売電事業者に対する総電力需要の予測データを算出する総需要予測部と、を備え、
前記モデル生成部は、
１の顧客グループに対して、１の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成し、
他の顧客グループに対して、前記１の顧客グループに対する変動因子データには含まれない他の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成する、電力需要予測システム。

【請求項2】

売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させるデータ蓄積部と、
前記複数の顧客グループごとに、前記データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成するモデル生成部と、
前記複数の顧客グループごとに前記変動因子の予測データを取得する入力情報取得部と、
前記複数の顧客グループごとに、前記変動因子の予測データと、前記需要予測モデルとに基づいて電力需要の予測データを算出する個別需要予測部と、
前記複数の顧客グループごとに算出された前記電力需要の予測データに基づいて、前記売電事業者に対する総電力需要の予測データを算出する総需要予測部と、を備え、
前記複数の顧客グループは、前記電力需要に影響を及ぼす前記変動因子の違いに応じてグループ分けされ、
前記変動因子データと前記電力需要データとの関係が類似する可能性の高い顧客同士が、同一の顧客グループに属する、電力需要予測システム。

【請求項3】

前記モデル生成部は、少なくともランダムフォレスト法により前記需要予測モデルを生成する、請求項１又は２記載の電力需要予測システム。

【請求項4】

前記モデル生成部は、前記ランダムフォレスト法と、１以上の他の学習手法とを組み合わせたアンサンブル学習により前記需要予測モデルを生成する、請求項３記載の電力需要予測システム。

【請求項5】

前記１以上の他の学習手法は、少なくとも再帰型ニューラルネットワーク法を含む、請求項４記載の電力需要予測システム。

【請求項6】

前記複数の顧客グループは、オフィスにおいて電力を消費する第１グループと、生産工場において電力を消費する第２グループと、を含み、
前記モデル生成部は、
前記第１グループに対して、少なくとも天候を含む変動因子データと、電力需要データとの関係を表す第１需要予測モデルを生成し、
前記第２グループに対して、少なくとも生産状況を含む変動因子データと、電力需要データとの関係を表す第２需要予測モデルを生成する、請求項１～５のいずれか一項記載の電力需要予測システム。

【請求項7】

前記第１グループに含まれる顧客の数が、前記第２グループに含まれる顧客の数より多い、請求項６記載の電力需要予測システム。

【請求項8】

前記複数の顧客グループは、前記第２グループが電力を消費する生産工場とは生産対象物が異なる生産工場において電力を消費する第３グループを更に含み、
前記モデル生成部は、前記第３グループに対して、少なくとも生産状況を含む変動因子データと、電力需要データとの関係を表す第３需要予測モデルを生成する、請求項６又は７記載の電力需要予測システム。

【請求項9】

前記生産状況を含む変動因子データは、前記生産状況をエンコード処理により数値化したデータを含む、請求項６～８のいずれか一項記載の電力需要予測システム。

【請求項10】

前記エンコード処理は、電力需要の大きさを目的変数とするターゲットエンコード処理を含む、請求項９記載の電力需要予測システム。

【請求項11】

前記複数の顧客グループごとに、前記電力需要の予測データと前記電力需要の実績データとの誤差を評価する誤差評価部と、
前記複数の顧客グループごとに、前記誤差の評価結果に基づいて、電力需要の新たな予測データを修正する予測修正部と、を更に備える、請求項１～１０のいずれか一項記載の電力需要予測システム。

【請求項12】

前記複数の顧客グループごとに、前記誤差の評価結果を可視化した評価画像をモニタに表示させる評価画像表示部を更に備える、請求項１１記載の電力需要予測システム。

【請求項13】

前記予測修正部は、前記複数の顧客グループごとに、前記評価画像の表示後のユーザ入力に基づいて前記電力需要の新たな予測データを修正する、請求項１２記載の電力需要予測システム。

【請求項14】

前記評価画像表示部は、前記複数の顧客グループごとに、前記誤差の評価結果の経時変化を可視化した前記評価画像を前記モニタに表示させる、請求項１３記載の電力需要予測システム。

【請求項15】

前記評価画像表示部は、前記誤差の評価結果を表す色彩を、前記複数の顧客グループと、評価時とに応じてマッピングした前記評価画像を前記モニタに表示させる、請求項１４記載の電力需要予測システム。

【請求項16】

前記複数の顧客グループごとに、前記電力需要の予測データと前記電力需要の実績データとの誤差を評価する誤差評価部と、
前記複数の顧客グループごとに、前記誤差の評価結果に基づいて前記需要予測モデルを修正するモデル修正部と、を更に備える請求項１～１０のいずれか一項記載の電力需要予測システム。

【請求項17】

前記複数の顧客グループごとに、前記誤差の評価結果を可視化した評価画像をモニタに表示させる評価画像表示部を更に備える、請求項１６記載の電力需要予測システム。

【請求項18】

前記モデル修正部は、前記複数の顧客グループごとに、前記評価画像の表示後のユーザ入力に基づいて前記需要予測モデルを修正する、請求項１７記載の電力需要予測システム。

【請求項19】

前記評価画像表示部は、前記複数の顧客グループごとに、前記誤差の評価結果と、前記需要予測モデルの修正基準との関係を可視化した前記評価画像を前記モニタに表示させる、請求項１８記載の電力需要予測システム。

【請求項20】

前記評価画像表示部は、前記複数の顧客グループごとに、前記誤差の評価結果を表す棒グラフと、前記需要予測モデルの修正基準を表す修正基準ラインとを含む前記評価画像を前記モニタに表示させる、請求項１９記載の電力需要予測システム。

【請求項21】

売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させることと、
前記複数の顧客グループごとに、前記データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成することと、
前記複数の顧客グループごとに前記変動因子の予測データを取得することと、
前記複数の顧客グループごとに、前記変動因子の予測データと、前記需要予測モデルとに基づいて電力需要の予測データを算出することと、
前記複数の顧客グループごとに算出された前記電力需要の予測データに基づいて、前記売電事業者に対する総電力需要の予測データを算出することと、を含み、
前記需要予測モデルを生成することは、
１の顧客グループに対して、１の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成することと、
他の顧客グループに対して、前記１の顧客グループに対する変動因子データには含まれない他の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成することと、
を含む、電力需要予測方法。

【請求項22】

売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させることと、
前記複数の顧客グループごとに、前記データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成することと、
前記複数の顧客グループごとに前記変動因子の予測データを取得することと、
前記複数の顧客グループごとに、前記変動因子の予測データと、前記需要予測モデルとに基づいて電力需要の予測データを算出することと、
前記複数の顧客グループごとに算出された前記電力需要の予測データに基づいて、前記売電事業者に対する総電力需要の予測データを算出することと、を含み、
前記複数の顧客グループは、前記電力需要に影響を及ぼす前記変動因子の違いに応じてグループ分けされ、
前記変動因子データと前記電力需要データとの関係が類似する可能性の高い顧客同士が、同一の顧客グループに属する、電力需要予測方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、電力需要予測システム及び電力需要予測方法に関する。

【背景技術】

【0002】

特許文献１には、電力需要量を変動させる要因となり得る変動要因の実績である変動要因実績データに、電力需要の実績である電力実績データを対応付けた学習データを用いて機械学習を実行することにより、電力需要を予測するモデルを生成するモデル作成部と、モデルを用いて予測対象日における電力需要を予測する予測部と、を備える電力需要予測システムが開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９－２０４４５９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本開示は、電力需要の予測精度向上に有効なシステムを提供する。

【課題を解決するための手段】

【0005】

本開示の一側面に係る電力需要予測システムは、売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させるデータ蓄積部と、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成するモデル生成部と、複数の顧客グループごとに変動因子の予測データを取得する入力情報取得部と、複数の顧客グループごとに、変動因子の予測データと、需要予測モデルとに基づいて電力需要の予測データを算出する個別需要予測部と、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出する総需要予測部と、を備え、モデル生成部は、１の顧客グループに対して、１の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成し、他の顧客グループに対して、１の顧客グループに対する変動因子データには含まれない他の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成する。

【0006】

本開示の他の一側面に係る電力需要予測システムは、売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させるデータ蓄積部と、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成するモデル生成部と、複数の顧客グループごとに変動因子の予測データを取得する入力情報取得部と、複数の顧客グループごとに、変動因子の予測データと、需要予測モデルとに基づいて電力需要の予測データを算出する個別需要予測部と、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出する総需要予測部と、を備え、複数の顧客グループは、電力需要に影響を及ぼす変動因子の違いに応じてグループ分けされ、変動因子データと電力需要データとの関係が類似する可能性の高い顧客同士が、同一の顧客グループに属する。

【0007】

本開示の更に他の側面に係る電力需要予測方法は、売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させることと、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成することと、複数の顧客グループごとに変動因子の予測データを取得することと、複数の顧客グループごとに、変動因子の予測データと、需要予測モデルとに基づいて電力需要の予測データを算出することと、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出することと、を含み、。需要予測モデルを生成することは、１の顧客グループに対して、１の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成することと、他の顧客グループに対して、１の顧客グループに対する変動因子データには含まれない他の変動因子を含む変動因子データと電力需要データとの関係を表す電力需要予測モデルを生成することと、を含む。

【0008】

本開示の更に他の側面に係る電力需要予測方法は、売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させることと、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成することと、複数の顧客グループごとに変動因子の予測データを取得することと、複数の顧客グループごとに、変動因子の予測データと、需要予測モデルとに基づいて電力需要の予測データを算出することと、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出することと、を含み、複数の顧客グループは、電力需要に影響を及ぼす変動因子の違いに応じてグループ分けされ、変動因子データと電力需要データとの関係が類似する可能性の高い顧客同士が、同一の顧客グループに属する。

【発明の効果】

【0009】

本開示によれば、電力需要の予測精度向上に有効なシステム及び方法を提供することができる。

【図面の簡単な説明】

【0010】

【図1】電力需給調整システムの構成を例示する模式図である。

【図2】電力需要予測システムの構成を例示するブロック図である。

【図3】個別需要の予測結果を例示するテーブルである。

【図4】電力需要予測システムの変形例を示すブロック図である。

【図5】第１評価画面の一例を示す模式図である。

【図6】第２評価画面の一例を示す模式図である。

【図7】需要予測モデルの生成手順を例示するフローチャートである。

【図8】需要予測手順を例示するフローチャートである。

【図9】需要予測モデルの修正手順を例示するフローチャートである。

【発明を実施するための形態】

【0011】

以下、実施形態について、図面を参照しつつ詳細に説明する。説明において、同一要素又は同一機能を有する要素には同一の符号を付し、重複する説明を省略する。

【0012】

〔電力需給調整システム〕
（全体構成）
図１に示す電力需給調整システム１は、小売電気事業者における電力の需要量と供給量との関係を調整するシステムである。小売電気事業とは、自前の発電設備により生成された電力、卸電力取引所等から仕入れた電力等を顧客（需要家）に供給する事業である。小売電気事業者は、電力会社の電力系統を経て顧客に電力を供給する。顧客の具体例としては、主としてオフィスにおいて電力を消費する顧客、主として生産工場において電力を消費する顧客等が挙げられる。顧客が、電力を消費する設備に特に制限は無いので、オフィス、生産工場には限定されない。例えば、顧客が主として電力を消費する設備は、廃棄物処理設備であってもよく、店舗であってもよい。

【0013】

電力系統の安定性を確保するために、小売電気事業者には、「同時同量」の義務が課される。「同時同量」とは、３０分単位で電力の需要量と供給量との乖離を抑制することである。「同時同量」制度の下で，小売電気事業者は事前に電力広域的運営推進機関に３０分単位の翌日需給計画を提出する必要がある。小売電気事業者は、提出した翌日需給計画と，需給実績との差異（インバランス）に比例した金額を事後に精算する。電力需給調整システム１は、「同時同量」制度における小売電気事業を支援するシステムである。

【0014】

図１に示すように、電力需給調整システム１は、電力需要予測システム１０と、データ収集システム２０と、管理者端末３０とを有する。電力需要予測システム１０と、データ収集システム２０と、管理者端末３０とは、インターネット等の通信ネットワークＮＷを介して互いに接続されている。

【0015】

電力需要予測システム１０は、小売電気事業者（売電事業者）に対する電力需要を予測するシステムである。例えば電力需要予測システム１０は、小売電気事業者に対する翌日の電力需要量を３０分単位で予測する。なお、「３０分単位」はあくまで一例であり、いかなる時間単位で電力需要量を予測するかに特に制限はない。例えば電力需要予測システム１０は、１時間単位、又は１５分単位等で電力需要量を予測してもよい。

【0016】

データ収集システム２０は、通信ネットワークＮＷを介して、小売電気事業者の複数の顧客４０の電力量計４１に接続されており、各電力量計４１から電力需要の実績データ（例えば消費した電力の実績データ）を取得する。データ収集システム２０は、電力系統を保有する電力会社のサーバから電力需要の実績データを取得してもよい。

【0017】

また、データ収集システム２０は、複数の顧客４０における変動因子の実績データも取得する。変動因子は、電力需要を変動させ得るあらゆる因子を含む。変動因子の具体例としては、天候、曜日、営業日であるか休日であるかが挙げられる。顧客４０が生産工場である場合、生産状況も変動因子となり得る。生産状況は、所定期間における生産対象物の種類・数等を含む。一例として、データ収集システム２０は、生産状況を需要家から定期送信により取得する。

【0018】

更に、データ収集システム２０は、小売電気事業者の自前の発電設備における発電量の実績データも取得する。例えばデータ収集システム２０は、通信ネットワークＮＷを介して、小売電気事業者の発電設備５０の電力量計５１に接続されており、電力量計５１から発電量の実績データを取得する。データ収集システム２０は、電力系統を保有する電力会社のサーバから電力需要の実績データを取得してもよい。

【0019】

管理者端末３０は、小売電気事業者の管理者が利用する端末であり、モニタ（ディスプレイ）および入力デバイスを有する。モニタの具体例としては、液晶モニタ又は有機ＥＬモニタ等が挙げられる。入力デバイスの具体例としては、キーボード又はマウス等が挙げられる。入力デバイスは、所謂タッチパネルとしてモニタと一体化されていてもよい。

【0020】

（電力需要予測システム）
以下、電力需要予測システム１０の構成を詳細に例示する。電力需要予測システム１０は、小売電気事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させることと、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成することと、複数の顧客グループごとに変動因子の予測データを取得することと、複数の顧客グループごとに、変動因子の予測データと、需要予測モデルとに基づいて電力需要の予測データを算出することと、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出することと、を実行するように構成されている。

【0021】

変動因子は、顧客に応じて大きく異なる場合がある。例えば、オフィスにおいて電力を消費する顧客では、天候等が大きな因子となるのに対し、生産工場において電力を消費する顧客では、生産状況が大きな因子となる傾向がある。これに対し、本電力需要予測システムは、複数の顧客グループごとに電力需要予測モデルを生成し、複数の顧客グループごとに電力需要予測モデルに基づいて電力需要の予測データを算出し、複数の顧客グループごとに算出した電力需要の予測データに基づいて売電事業者に対する総電力需要の予測データを算出する。このため、電力需要に影響を及ぼす因子の違いに応じて顧客をグループ分けし、グループごとの電力需要を高い精度で予測し、予測結果を集計して総電力需要を高い精度で予測することができる。従って、電力需要の予測精度向上に有効である。

【0022】

図１に例示するように、電力需要予測システム１０は、回路１９０を有する。回路１９０は、プロセッサ１９１と、メモリ１９２と、ストレージ１９３と、通信ポート１９４とを有する。ストレージ１９３は、コンピュータによって読み取り可能な１以上の不揮発型の記憶媒体（例えばハードディスク又はフラッシュメモリ）を含む。ストレージ１９３は、小売電気事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データをデータベースに蓄積させることと、複数の顧客グループごとに、データベースに蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成することと、複数の顧客グループごとに変動因子の予測データを取得することと、複数の顧客グループごとに、変動因子の予測データと、需要予測モデルとに基づいて電力需要の予測データを算出することと、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出することと、を電力需要予測システム１０に実行させるためのプログラムを記憶する。ストレージ１９３は、上記プログラムを記憶するための領域に加え、上記データベースを記憶するための領域を含んでいてもよい。

【0023】

メモリ１９２は、１以上の揮発型の記憶媒体（例えばランダムアクセスメモリ）を含む。メモリ１９２は、ストレージ１９３からロードされたプログラム及びプロセッサ１９１による演算結果などを一時的に記憶する。プロセッサ１９１は、１以上の演算装置を含む。プロセッサ１９１は、メモリ１９２と協働して上記プログラムを実行する。通信ポート１９４は、通信ネットワークＮＷを介してデータ収集システム２０及び管理者端末３０と接続されており、プロセッサ１９１からの指令に応じてデータ収集システム２０及び管理者端末３０との間で情報通信を行う。なお、ここでの接続は、情報通信が可能となっていることを意味しており、必ずしも有線による物理的な接続を意味するわけではない。以下においても同様である。すなわち通信ネットワークＮＷの少なくとも一部は無線の通信経路であってもよい。

【0024】

図１においては、電力需要予測システム１０が、一セットのコンピュータにより構成される例を示したが、電力需要予測システム１０は、通信ネットワークＮＷを介して互いに接続された複数セットのコンピュータにより構成されていてもよい。

【0025】

図２は、プロセッサ１９１がメモリ１９２と協働して上記プログラムを実行することにより実現される各種機能を、ブロック状の構成要素（以下、「機能ブロック」という。）として表したブロック図である。図２の例において、電力需要予測システム１０は、機能ブロックとして、実績情報取得部１１１と、エンコード処理部１１３と、データ蓄積部１１４と、学習用データベース１１５と、モデル生成部１１６と、モデル保持部１１７と、入力情報取得部１１２と、個別需要予測部１２１と、総需要予測部１２２と、予測結果出力部１２３とを有する。

【0026】

実績情報取得部１１１は、複数の顧客グループごとに、電力需要の変動因子の実績データと、これに対応する電力需要の実績データとをデータ収集システム２０から取得する。電力需要の実績データが変動因子の実績データに対応することは、電力需要の実績データの対象期間と、変動因子の実績データの対象期間とが少なくとも部分的に重複していることを意味する。複数の顧客グループは、小売電気事業者の複数の顧客を分類するグループである。複数の顧客は、変動因子データと電力需要データとの関係が類似する可能性の高い顧客同士が、同一の顧客グループに属するようにグループ分けされている。複数の顧客グループのそれぞれは、小売電気事業者の１以上の顧客を含む。実績情報取得部１１１は、複数の顧客グループのいずれに対しても、２４時間を３０分ごとに分割した４８コマの時間枠ごとに消費電力量の実績値を示す実績データを取得する。

【0027】

実績情報取得部１１１は、複数の顧客グループにおける２以上の顧客グループに対して、異なる変動因子の実績データを取得してもよい。例えば複数の顧客グループは、オフィスにおいて電力を消費する第１グループと、生産工場において電力を消費する第２グループと、を含んでもよい。

【0028】

第１グループにおいては、少なくとも天候を含む変動因子データと、電力需要データとの関係が強くなる傾向がある。そこで、実績情報取得部１１１は、第１グループについて、少なくとも天候を含む変動因子の実績データを取得してもよい。一例として、実績情報取得部１１１は、第１グループについて、天候、曜日、及び営業日であるか休日であるかを含む変動因子の実績データを取得する。

【0029】

第２グループにおいては、少なくとも生産状況を含む変動因子データと、電力需要データとの関係が強くなる傾向がある。そこで、実績情報取得部１１１は、第２グループについて、少なくとも生産状況を含む変動因子の実績データを取得してもよい。一例として、実績情報取得部１１１は、第２グループについて、天候及び生産状況を含む変動因子の実績データを取得する。生産状況は、例えば生産対象物と生産数量とを表す情報を含む。第２グループにおいては、天候と電力需要データとの関係が弱い場合もある。この場合、第２グループの変動因子は天候を含まなくてもよい。

【0030】

オフィスにおいて電力を消費する顧客同士では、生産工場において電力を消費する顧客同士に比較して、変動因子データと電力需要データとの関係が類似し易い傾向がある。そこで、第１グループに含まれる顧客の数が、第２グループに含まれる顧客の数より多くてもよい。第２グループに含まれる顧客の数は１であってもよい。

【0031】

生産工場において電力を消費する顧客同士では、生産対象物の違いによって、変動因子データと電力需要データとの関係が大きく異なる傾向がある。そこで、複数の顧客グループは、第２グループが電力を消費する生産工場とは生産対象物が異なる生産工場において電力を消費する第３グループを更に含んでもよい。第３グループに含まれる顧客の数は１であってもよい。生産対象物が互いに異なることは、生産対象物同士が同種で互いに仕様が異なることと、生産対象物の種類が互いに異なることとを含む。一例として、実績情報取得部１１１は、第３グループについても、天候及び生産状況を含む変動因子の実績データを取得する。生産状況は、例えば生産対象物と生産数量とを表す情報を含む。第３グループにおいては、天候と電力需要データとの関係が弱い場合もある。この場合、第３グループの変動因子は天候を含まなくてもよい。

【0032】

エンコード処理部１１３は、変動因子の実績データがカテゴリ変数を含む場合に、当該カテゴリ変数をエンコード処理により量的変数に変換する。例えば、上記生産状況の実績データは、生産状況を表すカテゴリ変数を含み得る。生産状況を表すカテゴリ変数の具体例としては、生産対象物の種別ごとの生産数量が定められた生産パターンの名称が挙げられる。この場合、エンコード処理部１１３は、生産状況をエンコード処理により数値化する。例えばエンコード処理部１１３は、生産状況を表すカテゴリ変数をエンコード処理により量的変数に変更する。

【0033】

この際のエンコード処理は、電力需要の大きさを目的変数とするターゲットエンコード処理を含んでいてもよい。例えば、エンコード処理部１１３は、予め準備された変換テーブルに基づいて、生産状況を表すカテゴリ変数を、電力需要の大きさを表す量的変数に変更する。変換テーブルは、例えば、複数のカテゴリ変数ごとに、電力需要の大きさを表す数値を定める。以下、電力需要の大きさを表す数値を「電力需要値」という。例えばエンコード処理部１１３は、生産状況を表すカテゴリ変数に対応付けられた電力需要値を、上記量的変数の値として変換テーブルから抽出する。

【0034】

エンコード処理部１１３が実行するエンコード処理は、必ずしもターゲットエンコード処理に限られない。エンコード処理部１１３は、ラベルエンコーディングによりカテゴリ変数を量的変数に変換してもよく、Ｏｎｅ－ｈｏｔエンコーディングによりカテゴリ変数を量的変数に変換してもよい。

【0035】

データ蓄積部１１４は、複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データを学習用データベース１１５（データベース）に蓄積させる。例えばデータ蓄積部１１４は、実績情報取得部１１１がデータ収集システム２０から取得した電力需要の変動因子の実績データと、これに対応する電力需要の実績データとを、複数の顧客グループごとに学習用データベース１１５に蓄積させる。データ蓄積部１１４は、電力需要の変動因子の実績データがカテゴリ変数を含む場合に、当該カテゴリ変数がエンコード処理部１１３により量的変数に変換された後の変動因子の実績データを学習用データベース１１５に蓄積させてもよい。

【0036】

モデル生成部１１６は、複数の顧客グループごとに、学習用データベース１１５に蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデルを生成する。

【0037】

モデル生成部１１６は、少なくともランダムフォレスト法により需要予測モデルを生成してもよい。ランダムフォレスト法において、モデル生成部１１６は、教師データが含む変動因子の実績データに基づいて複数の決定木をランダムに生成し、教師データに基づいて複数の決定木のそれぞれを構築する。例えばモデル生成部１１６は、構築対象の決定木を次のように構築する。すなわちモデル生成部１１６は、教師データをランダムにサンプリングし、サンプリングしたデータを決定木の最上位のノードに与え、当該ノードの分岐関数を求める。次に、モデル生成部１１６は、分岐関数に基づいて、教師データを二系統に分割し、ノードを親とする二つのノードに与え、二つのノードの分岐関数を求める。以後、予め設定された終了条件を満たすまで、モデル生成部１１６は以上の処理を下位のノードに継続し、決定木の構築を完了する。

【0038】

モデル生成部１１６は、ランダムフォレスト法と、１以上の他の学習手法とを組み合わせたアンサンブル学習により需要予測モデルを生成してもよい。１以上の他の学習手法は、少なくとも再帰型ニューラルネットワーク法を含んでもよい。再帰型ニューラルネットワーク（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）は、中間層において過去で保存された情報をループさせる再帰的構造を有するニューラルネットワークである。再帰的構造により、ニューラルネットワークに記憶力が付与されるので、時系列データに対する予測精度が向上する。

【0039】

モデル生成部１１６は、上記第１グループに対して、少なくとも天候を含む変動因子データと、電力需要データとの関係を表す第１需要予測モデルを生成し、上記第２グループに対して、少なくとも生産状況を含む変動因子データと、電力需要データとの関係を表す第２需要予測モデルを生成し、上記第３グループに対して、少なくとも生産状況を含む変動因子データと、電力需要データとの関係を表す第３需要予測モデルを生成してもよい。

【0040】

一例として、モデル生成部１１６は、天候、曜日、及び営業日であるか休日であるかを含む変動因子データと、電力需要データとの関係を表す第１需要予測モデルを生成する。モデル生成部１１６は、天候及び生産状況を含む変動因子データと、電力需要データとの関係を表す第２需要予測モデル及び第３需要予測モデルを生成する。

【0041】

上述のように、データ蓄積部１１４は、カテゴリ変数をエンコード処理部１１３が量的変数に変換した結果を変動因子の実績データに含めてもよい。この場合、上記生産状況を含む変動因子データは、生産状況をエンコード処理により数値化したデータを含んでもよい。

【0042】

モデル生成部１１６は、複数の顧客グループごとに生成した需要予測モデル１１８をモデル保持部１１７に記憶させる。

【0043】

入力情報取得部１１２は、複数の顧客グループごとに電力需要の変動因子の予測データを取得する。例えば入力情報取得部１１２は、複数の顧客グループごとに、電力需要の変動因子の予測データをデータ収集システム２０から取得する。例えば入力情報取得部１１２は、上記変動因子の翌日の予測データをデータ収集システム２０から取得する。

【0044】

入力情報取得部１１２が複数の顧客グループごとに取得する変動因子の予測データの属性は、実績情報取得部１１１が複数の顧客グループごとに取得する変動因子の実績データの属性に等しい。例えば入力情報取得部１１２は、第１グループについて、天候、曜日、及び営業日であるか休日であるかを含む変動因子の予測データを取得し、第２グループ及び第３グループについて、天候及び生産状況を含む変動因子の予測データを取得する。生産状況の予測データは、生産計画、又は工場の稼働計画に相当する。エンコード処理部１１３は、変動因子の予測データがカテゴリ変数を含む場合も、当該カテゴリ変数をエンコード処理により量的変数に変換する。

【0045】

個別需要予測部１２１は、複数の顧客グループごとに、入力情報取得部１１２が取得した変動因子の予測データと、モデル保持部１１７が記憶する需要予測モデル１１８とに基づいて電力需要の予測データを算出する。個別需要予測部１２１は、電力需要の変動因子の予測データがカテゴリ変数を含む場合に、当該カテゴリ変数がエンコード処理部１１３により量的変数に変換された後の変動因子の予測データと、モデル保持部１１７が記憶する需要予測モデル１１８とに基づいて電力需要の予測データを算出してもよい。

【0046】

個別需要予測部１２１が複数の顧客グループごとに生成する電力需要の予測データの形式は、実績情報取得部１１１が複数の顧客グループごとに取得する電力需要の実績データの形式と同じであってもよい。例えば個別需要予測部１２１は、図３に例示するように、２４時間を３０分ごとに分割した４８コマの時間枠ごとに消費電力量の予測値を示す予測データを、複数の顧客グループごとに算出する。図示においては、横方向に沿った一行が、一つの顧客グループに対する電力需要の予測データである。

【0047】

総需要予測部１２２は、複数の顧客グループごとに算出された電力需要の予測データに基づいて、小売電気事業者に対する総電力需要の予測データを算出する。例えば総需要予測部１２２は、上述の４８コマの時間枠ごとに、複数の顧客グループごとの消費電力量の予測値を合計して、４８コマの時間枠ごとに総消費電力量を示す総電力需要の予測データを算出する。

【0048】

予測結果出力部１２３は、総需要予測部１２２が算出した総電力需要の予測データを出力する。予測データを出力することは、予測データを表示させることを含む。例えば予測結果出力部１２３は、予測データを管理者端末３０のモニタに表示させる。

【0049】

電力需要予測システム１０は、複数の顧客グループごとに、電力需要の予測データと電力需要の実績データとの誤差を評価することを更に実行するように構成されていてもよい。この場合、電力需要予測システム１０は、複数の顧客グループごとに、上記誤差の評価結果に基づいて、電力需要の新たな予測データを修正することを更に実行するように構成されていてもよい。

【0050】

電力需要予測システム１０は、複数の顧客グループごとに、上記誤差の評価結果に基づいて、需要予測モデルを修正することを更に実行するように構成されていてもよい。例えば電力需要予測システム１０は、図４に示すように、機能ブロックとして、誤差評価部１３１と、評価画像表示部１３２と、予測修正部１３３と、モデル修正部１３４とを更に有する。

【0051】

誤差評価部１３１は、複数の顧客グループごとに、電力需要の予測データと電力需要の実績データとの誤差を評価する。例えば誤差評価部１３１は、単位時間（例えば３０分）ごとに予測値と実績値との差分を算出し、１日分の差分の算出結果を合算する。合算すべき期間に特に制限はなく、１日より短くても長くてもよい。例えば誤差評価部１３１は、上記４８コマの時間枠ごとに、消費電力量の予想値と実績値との差分を算出し、４８コマの時間枠ごとの差分の算出結果を合算し、合算結果を誤差の評価値として算出する。この算出方式によれば、正の差分と、負の差分とが互いに打ち消し合う。このため、時間枠ごとに、差分の正負がランダムに変わるような場合、評価値の絶対値は小さくなる。一方、時間枠間で、差分の正負が一致する傾向がある場合、評価値の絶対値は大きくなりやすい。需要予測モデル自体の予測精度が低下する場合、時間枠間で、差分の正負は一致し易くなると考えられる。従って、上記算出方式によれば、需要予測モデル自体の予測精度の低下を表し易い評価値を算出することができる。

【0052】

評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果を可視化した評価画像をモニタに表示させる。例えば評価画像表示部１３２は、評価画像を管理者端末３０のモニタに表示させる。例えば評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果の経時変化を可視化した第１評価画像をモニタに表示させてもよい。

【0053】

一例として、評価画像表示部１３２は、誤差の評価結果を表す色彩を、複数の顧客グループと、評価時とに応じてマッピングした第１評価画像をモニタに表示させてもよい。例えば評価画像表示部１３２は、図５に示すように、上述した評価値を色の３属性（色相、明度、彩度）の少なくともいずれかで示すセル１４１を、複数の顧客グループと、評価時とに応じてマッピングした第１評価画像１４０をモニタに表示させる。各セル１４１は、ハッチング又はドット等によって誤差の評価結果を表してもよい。なお、ハッチング又はドットのパターン形状、太さ、大きさ、又は粗密等によっても、セル１４１の平均的な色彩は変わり得る。このため、ハッチング又はドット等によって誤差の評価結果を表すことは、色彩によって誤差の評価結果を表すことの一例となり得る。

【0054】

図５の例において、横方向に並ぶ一列は、一つの顧客グループに対する評価値を日ごとに示す。この一列に含まれる複数のセル１４１は、右に向かうほど、評価の日付が新しくなるように配列されている。この配列によって、評価値の日ごとの変化（経時変化の一例）が可視化される。縦方向に並ぶ一列は、一日の評価値を複数の顧客グループごとに示す。

【0055】

また、図５の例においては、最新の日付けを含む一週間の評価値を含む最新データ表示エリア１４３と、それ以前の評価値を含む過去データ表示エリア１４２とに区画されている。最新日付けの列において、評価値がまだ算出されていない箇所にはセル１４１が配置されていない。

【0056】

評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果と、需要予測モデルの修正基準との関係を可視化した第２評価画像をモニタに表示させてもよい。評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果を表す棒グラフと、需要予測モデルの修正基準を表す修正基準ラインとを含む評価画像をモニタに表示させてもよい。

【0057】

例えば評価画像表示部１３２は、図６に示すように、複数の顧客グループごとに、上述の評価値の絶対値を表す棒グラフ１５１と、需要予測モデルの修正基準を表す修正基準ライン１５２とを含む第２評価画像１５０をモニタに表示させてもよい。図６によれば、棒グラフ１５１が修正基準ライン１５２に達しているか否かによって、需要予測モデルの修正要否が複数の顧客グループごとに明示される。一例として、評価画像表示部１３２は、第１評価画像１４０及び第２評価画像１５０の両方を管理者端末３０のモニタに表示させる。評価画像表示部１３２は、修正基準と、誤差の評価結果との関係に基づき、各棒グラフ１５１の色彩を変化させてもよい。例えば、修正基準（修正基準ライン１５２）を超えた棒グラフは第１の色彩（例えば赤色）で示し、修正基準を超えそうな（修正基準から所定範囲以内にある）棒グラフは第２の色彩（例えばオレンジ色）で示し、修正基準を所定値以上下回る棒グラフは第３の色彩（例えば青色）で示してもよい。また、図６に示すように、各棒グラフの色を、修正基準との関係に基づいて部位ごとに変えてもよい。例えば棒グラフのうち修正基準を超えた部分は第１の色彩で示し、修正基準を超えそうな部分は第２の色彩で示し、修正基準を所定レベル以上下回る部分は第３の色彩で示してもよい。色彩間にグラデーションを付与してもよい。

【0058】

予測修正部１３３は、複数の顧客グループごとに、誤差の評価結果に基づいて、電力需要の新たな予測データを修正する。予測修正部１３３は、複数の顧客グループごとに、第１評価画像１４０の表示後のユーザ入力に基づいて電力需要の新たな予測データを修正してもよい。例えば予測修正部１３３は、第１評価画像１４０を管理者端末３０のモニタに表示させた後、管理者端末３０の入力デバイスによる入力に基づいて電力需要の新たな予測データを修正してもよい。予測修正部１３３は、誤差の評価結果に基づいて、電力需要の新たな予測データを自動修正してもよい。自動修正の具体例としては、誤差の評価結果を、電力需要の新たな予測データに対して加算又は減算すること等が挙げられる。

【0059】

第１評価画像１４０によれば、評価値が正になる傾向、又は負になる傾向が複数日に亘って継続しているか否かが示される。評価値が正になる傾向又は負になる傾向が複数日に亘って継続している場合、新たな予測データにも同じ傾向が表れる可能性が高い。そこで、評価値が正になる傾向又は負になる傾向を打ち消すように、新たな予測データを修正することによって、予測データの精度を向上させることが可能となる。

【0060】

モデル修正部１３４は、複数の顧客グループごとに、誤差の評価結果に基づいて需要予測モデルを修正する。モデル修正部１３４は、複数の顧客グループごとに、第２評価画像１５０の表示後のユーザ入力に基づいて需要予測モデルを修正してもよい。例えばモデル修正部１３４は、第２評価画像１５０を管理者端末３０のモニタに表示させた後、管理者端末３０の入力デバイスによる入力に基づいて需要予測モデルを修正してもよい。

【0061】

一例として、モデル修正部１３４は、管理者端末３０の入力デバイスによって需要予測モデルの修正指示が入力された場合、モデル生成部１１６に、当該需要予測モデルの再生成を要求する。モデル生成部１１６は、モデル修正部１３４から需要予測モデルの再生成が要求された場合に、その時点で学習用データベース１１５に蓄積されている教師データに基づいて、当該需要予測モデルを再生成し、再生成した需要予測モデルをモデル保持部１１７に記憶させる。モデル修正部１３４は、誤差の評価結果に基づいて、需要予測モデルを自動修正してもよい。例えばモデル修正部１３４は、誤差の評価結果に基づいて、モデル生成部１１６に需要予測モデルの再生成を自動で要求してもよい。

【0062】

〔電力需要予測手順〕
電力需要予測方法の一例として、電力需要予測システム１０が実行する電力需要予測手順を例示する。この手順は、小売電気事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データを学習用データベース１１５に蓄積させることと、複数の顧客グループごとに、学習用データベース１１５に蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデル１１８を生成することと、複数の顧客グループごとに変動因子の予測データを取得することと、複数の顧客グループごとに、変動因子の予測データと、需要予測モデル１１８とに基づいて電力需要の予測データを算出することと、複数の顧客グループごとに算出された電力需要の予測データに基づいて、小売電気事業者に対する総電力需要の予測データを算出することと、を含む。以下、この手順を、需要予測モデルの生成手順と、電力需要の予測データの算出手順と、需要予測モデルの再生成手順とに分けて詳細に例示する。

【0063】

（需要予測モデルの生成手順）
図７に示すように、電力需要予測システム１０は、まずステップＳ０１，Ｓ０２を実行する。ステップＳ０１では、実績情報取得部１１１が、複数の顧客グループごとに、電力需要の変動因子の実績データと、これに対応する電力需要の実績データとをデータ収集システム２０から取得する。ステップＳ０２では、実績情報取得部１１１が取得した変動因子の実績データがカテゴリ変数を含むか否かをエンコード処理部１１３が確認する。

【0064】

ステップＳ０２において変動因子の実績データがカテゴリ変数を含むと判定した場合、電力需要予測システム１０はステップＳ０３を実行する。ステップＳ０３では、変動因子の実績データが含むカテゴリ変数を、エンコード処理部１１３がエンコード処理により量的変数に変換する。

【0065】

次に、電力需要予測システム１０はステップＳ０４，Ｓ０５を実行する。ステップＳ０２において変動因子の実績データがカテゴリ変数を含まないと判定した場合、電力需要予測システム１０は、ステップＳ０３を実行することなくステップＳ０４，Ｓ０５を実行する。ステップＳ０４では、データ蓄積部１１４が、実績情報取得部１１１がデータ収集システム２０から取得した電力需要の変動因子の実績データと、これに対応する電力需要の実績データとを、複数の顧客グループごとに学習用データベース１１５に蓄積させる。データ蓄積部１１４は、電力需要の変動因子の実績データがカテゴリ変数を含む場合に、当該カテゴリ変数がエンコード処理部１１３により量的変数に変換された後の変動因子の実績データを学習用データベース１１５に蓄積させる。ステップＳ０５では、管理者端末３０の入力デバイス等により学習指令が入力されているか否かを、モデル生成部１１６が確認する。

【0066】

ステップＳ０５において学習指令が入力されていないと判定した場合、電力需要予測システム１０は処理をステップＳ０１に戻す。以後、学習指令が入力されるまでは、所定の周期で、複数の顧客グループごとの教師データの蓄積が繰り返される。

【0067】

ステップＳ０５において学習指令が入力されていると判定した場合、電力需要予測システム１０はステップＳ０６，Ｓ０７，Ｓ０８，Ｓ０９を実行する。ステップＳ０６では、モデル生成部１１６が、複数の顧客グループのいずれか一つを、需要予測モデルの生成対象として選択する。以後、ステップＳ０７～Ｓ１１の説明において、モデル生成部１１６が需要予測モデルの生成対象として選択している顧客グループを、「選択中のグループ」という。

【0068】

ステップＳ０７では、モデル生成部１１６が、学習用データベース１１５に蓄積された教師データから、選択中のグループの教師データを抽出する。ステップＳ０８では、モデル生成部１１６が、抽出した教師データに基づく機械学習により、選択中のグループに対応する需要予測モデル１１８を生成し、モデル保持部１１７に記憶させる。ステップＳ０９では、全ての顧客グループに対して需要予測モデルの生成が完了したか否かを、モデル生成部１１６が確認する。

【0069】

ステップＳ０９において需要予測モデルが未生成である顧客グループが残っていると判定した場合、電力需要予測システム１０はステップＳ１１を実行する。ステップＳ１１では、モデル生成部１１６が、複数の顧客グループのうち、需要予測モデルが未生成である１以上の顧客グループから、次の顧客グループを選択する。その後、電力需要予測システム１０は処理をステップＳ０７に戻す。以後、全ての顧客グループに対して需要予測モデルの生成が完了するまで、顧客グループの選択と、選択中の顧客グループに対する需要予測モデルの生成とが繰り返される。ステップＳ０９において全ての顧客グループに対して需要予測モデルの生成が完了したと判定した場合、需要予測モデルの生成手順が完了する。

【0070】

（電力需要の予測データの算出手順）
図８に示すように、電力需要予測システム１０は、まずステップＳ２１，Ｓ２２，Ｓ２３を実行する。ステップＳ２１では、入力情報取得部１１２が、複数の顧客グループごとに電力需要の変動因子の予測データを取得する。ステップＳ２２では、個別需要予測部１２１が、複数の顧客グループのいずれか一つを、予測データの算出対象として選択する。以後、個別需要予測部１２１が予測データの算出対象として選択している顧客グループを、「選択中のグループ」という。ステップＳ２３では、個別需要予測部１２１が取得した変動因子の予測データのうち、選択中のグループに対する変動因子の予測データがカテゴリ変数を含むか否かを、エンコード処理部１１３が確認する。

【0071】

ステップＳ２３において選択中のグループに対する変動因子の予測データがカテゴリ変数を含むと判定した場合、電力需要予測システム１０はステップＳ２４を実行する。ステップＳ２４では、選択中のグループに対する変動因子の予測データが含むカテゴリ変数を、エンコード処理部１１３がエンコード処理により量的変数に変換する。

【0072】

次に、電力需要予測システム１０は、ステップＳ２５，Ｓ２６を実行する。ステップＳ２３において選択中のグループに対する変動因子の予測データがカテゴリ変数を含まないと判定した場合、電力需要予測システム１０は、ステップＳ２４を実行することなくステップＳ２５を実行する。ステップＳ２５では、個別需要予測部１２１が、選択中のグループに対する変動因子の予測データと、モデル保持部１１７が記憶する、選択中のグループの需要予測モデル１１８とに基づいて電力需要の予測データを算出する。個別需要予測部１２１は、変動因子の予測データがカテゴリ変数を含む場合に、当該カテゴリ変数がエンコード処理部１１３により量的変数に変換された後の変動因子の予測データと、需要予測モデル１１８とに基づいて電力需要の予測データを算出する。ステップＳ２６では、全ての顧客グループに対して電力需要の予測データの算出が完了したか否かを、個別需要予測部１２１が確認する。

【0073】

ステップＳ２６において電力需要の予測データが未算出である顧客グループが残っていると判定した場合、電力需要予測システム１０はステップＳ２７を実行する。ステップＳ２７では、個別需要予測部１２１が、複数の顧客グループのうち、電力需要の予測データが未算出である１以上の顧客グループから、次の顧客グループを選択する。その後、電力需要予測システム１０は処理をステップＳ２３に戻す。以後、全ての顧客グループに対して電力需要の予測データの算出が完了するまで、顧客グループの選択と、選択中の顧客グループに対する電力需要の予測データの算出とが繰り返される。

【0074】

ステップＳ２６において全ての顧客グループに対して電力需要の予測データの算出が完了したと判定した場合、電力需要予測システム１０はステップＳ３１を実行する。ステップＳ３１では、予測修正部１３３が、管理者端末３０の入力デバイスにより、複数の顧客グループのいずれかに対して電力需要の予測データの修正指令が入力されているか否かを確認する。

【0075】

ステップＳ３１において複数の顧客グループのいずれかに対して電力需要の予測データの修正指令が入力されていると判定した場合、電力需要予測システム１０はステップＳ３２を実行する。ステップＳ３２では、予測修正部１３３が、管理者端末３０の入力デバイスによる修正指令入力に基づいて電力需要の新たな予測データを修正する。

【0076】

次に、電力需要予測システム１０は、ステップＳ３３を実行する。ステップＳ３１においていずれの顧客グループに対しても電力需要の予測データの修正指令が入力されていないと判定した場合、電力需要予測システム１０はステップＳ３２を実行することなくステップＳ３３を実行する。ステップＳ３３では、管理者端末３０の入力デバイスにより、総電力需要の予測データの出力指令が入力されているか否かを、総需要予測部１２２が確認する。

【0077】

ステップＳ３３において総電力需要の予測データの出力指令が入力されていないと判定した場合、電力需要予測システム１０は処理をステップＳ３１に戻す。以後、総電力需要の予測データの出力指令が入力されるまでは、修正指示入力に応じて電力需要の新たな予測データを修正することが繰り返される。なお、後述のステップＳ３７において、第１評価画像１４０が表示されるまでは、誤差の評価結果が可視化されないので、少なくとも最初のサイクルにおいて、ステップＳ３２が実行されることはない。

【0078】

ステップＳ３３において総電力需要の予測データの出力指令が入力されていると判定した場合、電力需要予測システム１０はステップＳ３４，Ｓ３５，Ｓ３６，Ｓ３７を実行する。ステップＳ３４では、総需要予測部１２２が、複数の顧客グループごとに算出された電力需要の予測データに基づいて、小売電気事業者に対する総電力需要の予測データを算出する。ステップＳ３５では、総需要予測部１２２が算出した総電力需要の予測データを、予測結果出力部１２３がデータ収集システム２０に出力する。

【0079】

ステップＳ３６では、実績情報取得部１１１が、複数の顧客グループごとに、電力需要の変動因子の実績データと、これに対応する電力需要の実績データとをデータ収集システム２０から取得する。ステップＳ３７では、実績情報取得部１１１が取得した変動因子の実績データがカテゴリ変数を含むか否かを、エンコード処理部１１３が確認する。

【0080】

ステップＳ３７において変動因子の実績データがカテゴリ変数を含むと判定した場合、電力需要予測システム１０はステップＳ３８を実行する。ステップＳ３８では、変動因子の実績データが含むカテゴリ変数を、エンコード処理部１１３がエンコード処理により量的変数に変換する。

【0081】

次に、電力需要予測システム１０は、ステップＳ３９，Ｓ４１，Ｓ４２を実行する。ステップＳ３７において変動因子の実績データがカテゴリ変数を含まないと判定した場合、電力需要予測システム１０は、ステップＳ３８を実行することなくステップＳ３９，Ｓ４１，Ｓ４２を実行する。ステップＳ３９では、データ蓄積部１１４が、実績情報取得部１１１がデータ収集システム２０から取得した電力需要の変動因子の実績データと、これに対応する電力需要の実績データとを、複数の顧客グループごとに学習用データベース１１５に蓄積させる。データ蓄積部１１４は、電力需要の変動因子の実績データがカテゴリ変数を含む場合に、当該カテゴリ変数がエンコード処理部１１３により量的変数に変換された後の変動因子の実績データを学習用データベース１１５に蓄積させる。

【0082】

ステップＳ４１では、誤差評価部１３１が、複数の顧客グループごとに、電力需要の予測データと電力需要の実績データとの誤差を評価する。ステップＳ４２では、評価画像表示部１３２が、複数の顧客グループごとに、誤差の評価結果を可視化した評価画像をモニタに表示させる。例えば評価画像表示部１３２は、第１評価画像１４０及び第２評価画像１５０を管理者端末３０のモニタに表示させる。

【0083】

その後、電力需要予測システム１０は処理をステップＳ２１に戻す。以降においては、第１評価画像１４０及び第２評価画像１５０が管理者端末３０のモニタに表示されているので、誤差の評価結果が可視化された状態となる。これにより、例えば第１評価画像１４０に基づいて、管理者端末３０の入力デバイスにより、電力需要の予測データの修正指令を入力することが可能となる。このため、修正指令入力に応じてステップＳ３２が実行され得る。

【0084】

（需要予測モデルの再生成手順）
図９に示すように、電力需要予測システム１０は、ステップＳ５１，Ｓ５２，Ｓ５３，Ｓ５４を順に実行する。ステップＳ５１では、モデル修正部１３４が、第２評価画像１５０に基づいて、管理者端末３０の入力デバイスにより需要予測モデルの修正指令が入力されるのを待機する。ステップＳ５２では、モデル修正部１３４が、需要予測モデルの修正指令が入力された顧客グループに対して、需要予測モデルを再生成することをモデル生成部１１６に要求する。以後、需要予測モデルの修正指令が入力された顧客グループを「修正対象グループ」という。

【0085】

ステップＳ５３では、モデル生成部１１６が、学習用データベース１１５に蓄積された教師データから、修正対象グループの教師データを抽出する。ステップＳ５４では、モデル生成部１１６が、抽出した教師データに基づく機械学習により、修正対象グループに対応する需要予測モデル１１８を再生成し、モデル保持部１１７に記憶させる。その後、電力需要予測システム１０は処理をステップＳ５１に戻す。

【0086】

〔本実施形態の効果〕
以上に説明したように、電力需要予測システム１０は、売電事業者の複数の顧客グループごとに、電力需要の変動因子の実績データと、電力需要の実績データとを含む教師データを学習用データベース１１５に蓄積させるデータ蓄積部１１４と、複数の顧客グループごとに、学習用データベース１１５に蓄積された複数の教師データに基づいて、変動因子データと電力需要データとの関係を表す需要予測モデル１１８を生成するモデル生成部１１６と、複数の顧客グループごとに変動因子の予測データを取得する入力情報取得部１１２と、複数の顧客グループごとに、変動因子の予測データと、需要予測モデル１１８とに基づいて電力需要の予測データを算出する個別需要予測部１２１と、複数の顧客グループごとに算出された電力需要の予測データに基づいて、売電事業者に対する総電力需要の予測データを算出する総需要予測部１２２と、を備える。

【0087】

電力需要に影響を及ぼす因子は、顧客に応じて大きく異なる場合がある。例えば、オフィスにおいて電力を消費する顧客では、天候等が大きな因子となるのに対し、生産工場において電力を消費する顧客では、生産状況が大きな因子となる傾向がある。これに対し、本電力需要予測システム１０は、複数の顧客グループごとに需要予測モデル１１８を生成し、複数の顧客グループごとに需要予測モデル１１８に基づいて電力需要の予測データを算出し、複数の顧客グループごとに算出した電力需要の予測データに基づいて売電事業者に対する総電力需要の予測データを算出する。このため、電力需要に影響を及ぼす因子の違いに応じて顧客をグループ分けし、グループごとの電力需要を高い精度で予測し、予測結果を集計して総電力需要を高い精度で予測することができる。従って、電力需要の予測精度向上に有効である。

【0088】

モデル生成部１１６は、少なくともランダムフォレスト法により需要予測モデルを生成してもよい。この場合、予測精度の高い需要予測モデルを容易に生成することができる。

【0089】

モデル生成部１１６は、ランダムフォレスト法と、１以上の他の学習手法とを組み合わせたアンサンブル学習により需要予測モデルを生成してもよい。この場合、より予測精度の高い需要予測モデルを生成することができる。

【0090】

１以上の他の学習手法は、少なくとも再帰型ニューラルネットワーク法を含んでいてもよい。この場合、より予測精度の高い需要予測モデルを生成することができる。

【0091】

複数の顧客グループは、オフィスにおいて電力を消費する第１グループと、生産工場において電力を消費する第２グループと、を含み、モデル生成部１１６は、第１グループに対して、少なくとも天候を含む変動因子データと、電力需要データとの関係を表す第１需要予測モデルを生成し、第２グループに対して、少なくとも生産状況を含む変動因子データと、電力需要データとの関係を表す第２需要予測モデルを生成してもよい。この場合、電力需要に影響を及ぼす因子の違いに応じて顧客をグループ分けし、グループごとの電力需要を高い精度で予測し、予測結果を集計して総電力需要を高い精度で予測することができる。

【0092】

第１グループに含まれる顧客の数が、第２グループに含まれる顧客の数より多くてもよい。生産工場において電力を消費する顧客同士では、電力需要の変動因子が相違し易い警告がある。一方、オフィスにおいて電力を消費する顧客同士では、電力需要の変動因子が類似し易い傾向がある。このため、第２グループに含まれる顧客の数より多数の顧客を第１グループにまとめることで、教師データの信頼性を向上させ、第１需要予測モデルの予測精度を向上させることができる。

【0093】

複数の顧客グループは、第２グループが電力を消費する生産工場とは生産対象物が異なる生産工場において電力を消費する第３グループを更に含み、モデル生成部１１６は、第３グループに対して、少なくとも生産状況を含む変動因子データと、電力需要データとの関係を表す第３需要予測モデルを生成してもよい。この場合、生産対象物の相違する顧客同士をグループ分けすることによって、各グループの需要予測モデル１１８の予測精度を向上させることができる。

【0094】

生産状況を含む変動因子データは、生産状況をエンコード処理により数値化したデータを含んでいてもよい。この場合、生産工場において電力を消費する顧客を含むグループの需要予測モデル１１８を更に容易に生成することができる。

【0095】

エンコード処理は、電力需要の大きさを目的変数とするターゲットエンコード処理を含んでいてもよい。この場合、生産工場において電力を消費する顧客を含むグループの電力需要予測モデルの予測精度を更に向上させることができる。

【0096】

電力需要予測システム１０は、複数の顧客グループごとに、電力需要の予測データと電力需要の実績データとの誤差を評価する誤差評価部１３１と、複数の顧客グループごとに、誤差の評価結果に基づいて、電力需要の新たな予測データを修正する予測修正部１３３と、を更に備えていてもよい。総電力需要においては、予測データと実績データとの誤差に再現性が得られ難いのに対し、各顧客グループにおいては、予測データと実績データとの誤差に再現性が得られ易い。このため、誤差の評価と、誤差の評価結果に基づく電力需要の予測データの修正とを、複数の顧客グループごとに行うことによって、電力需要の予測精度を更に向上させることができる。

【0097】

電力需要予測システム１０は、複数の顧客グループごとに、誤差の評価結果を可視化した評価画像をモニタに表示させる評価画像表示部１３２を更に備え、予測修正部１３３は、複数の顧客グループごとに、評価画像の表示後のユーザ入力に基づいて電力需要の新たな予測データを修正してもよい。この場合、誤差の評価結果を複数の顧客グループごとに可視化し、複数の顧客グループごとの電力需要の予測データの修正を、ユーザに委ねることによって、ユーザの知見を有効活用して電力需要の予測データを生成することができる。

【0098】

評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果の経時変化を可視化した第１評価画像をモニタに表示させてもよい。この場合、複数の顧客グループごとに、誤差の再現傾向を示し、ユーザによる電力需要の予測データの更に適切な修正を促すことができる。

【0099】

評価画像表示部１３２は、誤差の評価結果を表す色彩を、複数の顧客グループと、評価時とに応じてマッピングした第１評価画像１４０をモニタに表示させてもよい。この場合、複数の顧客グループごとに、誤差の再現傾向をより分かり易く示すことができる。

【0100】

電力需要予測システム１０は、複数の顧客グループごとに、電力需要の予測データと電力需要の実績データとの誤差を評価する誤差評価部１３１と、複数の顧客グループごとに、誤差の評価結果に基づいて需要予測モデル１１８を修正するモデル修正部１３４と、を更に備えていてもよい。需要予測モデル１１８の予測精度は、顧客における電力設備の変化等によって低下する場合がある。例えば、顧客における自家発電設備の増設、工作機械の増設、無人化の工程比率の上昇等によって、需要予測モデル１１８の予測精度は低下し得る。誤差の評価と、誤差の評価結果に基づく需要予測モデルの修正とを、複数の顧客グループごとに行うことによって、需要予測モデルをより適切なタイミングでより的確に修正することができる。これにより、電力需要の高い予測精度を容易に維持することができる。

【0101】

電力需要予測システム１０は、複数の顧客グループごとに、誤差の評価結果を可視化した評価画像をモニタに表示させる評価画像表示部１３２を更に備え、モデル修正部１３４は、複数の顧客グループごとに、評価画像の表示後のユーザ入力に基づいて需要予測モデル１１８を修正してもよい。この場合、誤差の評価結果を複数の顧客グループごとに可視化し、複数の顧客グループごとの需要予測モデル１１８の修正を、ユーザに委ねることによって、ユーザの知見を有効活用して需要予測モデル１１８をより適切に修正することができる。

【0102】

評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果と、需要予測モデル１１８の修正基準との関係を可視化した第２評価画像をモニタに表示させてもよい。この場合、需要予測モデル１１８の修正を行うか否かの判断基準を、複数の顧客グループごとに分かり易く提示することができる。

【0103】

評価画像表示部１３２は、複数の顧客グループごとに、誤差の評価結果を表す棒グラフ１５１と、需要予測モデル１１８の修正基準を表す修正基準ライン１５２とを含む第２評価画像１５０をモニタに表示させてもよい。この場合、需要予測モデル１１８の修正を行うか否かの判断基準を、複数の顧客グループごとに、より分かり易く提示することができる。

【0104】

以上、実施形態について説明したが、本開示は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

【符号の説明】

【0105】

１０…電力需要予測システム、１１２…入力情報取得部、１１４…データ蓄積部、１１５…学習用データベース（データベース）、１１６…モデル生成部、１１８…需要予測モデル、１２１…個別需要予測部、１２２…総需要予測部、１３１…誤差評価部、１３２…評価画像表示部、１３３…予測修正部、１３４…モデル修正部、１４０…第１評価画像（評価画像）、１５０…第２評価画像（評価画像）、１５１…棒グラフ、１５２…修正基準ライン。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】