特許 7258648 対象施設の電力需要予測装置

(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】

(24)【登録日】2023-04-07

(45)【発行日】2023-04-17

(54)【発明の名称】対象施設の電力需要予測装置

(51)【国際特許分類】

   G06Q 50/06 20120101AFI20230410BHJP

   G06N 20/00 20190101ALI20230410BHJP

   H02J 3/00 20060101ALI20230410BHJP

   H02J 3/14 20060101ALI20230410BHJP

【ＦＩ】

G06Q50/06

G06N20/00

H02J3/00 130

H02J3/14

【請求項の数】 3

(21)【出願番号】P 2019094062

(22)【出願日】2019-05-17

(65)【公開番号】P2020190767

(43)【公開日】2020-11-26

【審査請求日】2022-04-05

(73)【特許権者】

【識別番号】000205661

【氏名又は名称】大崎電気工業株式会社

(74)【代理人】

【識別番号】240000327

【弁護士】

【氏名又は名称】弁護士法人クレオ国際法律特許事務所

(74)【代理人】

【識別番号】100104204

【弁理士】

【氏名又は名称】峯岸 武司

(72)【発明者】

【氏名】相京 靖明

(72)【発明者】

【氏名】清水 祐也

(72)【発明者】

【氏名】関口 寛敏

【審査官】麻川 倫広

(56)【参考文献】

【文献】特開２０１０－１１４９６８（ＪＰ，Ａ）

【文献】特開平１０－１６１７０５（ＪＰ，Ａ）

【文献】米国特許出願公開第２００６／０２５９６２１（ＵＳ，Ａ１）

【文献】特開２０１４－１８３６３２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／１０－９９／００

Ｇ０６Ｎ ２０／００

Ｈ０２Ｊ ３／００－５／００

(57)【特許請求の範囲】

【請求項1】

対象施設の外気温度および空調電力を取得するデータ取得部と、前記データ取得部によって取得された対象施設の過去の外気温度と過去の空調電力との関係を機械学習アルゴリズムを用いて学習させて対象施設の空調電力の需要予測モデルを生成するモデル生成部と、対象施設の存在する地域の外気温度に関する気象予報データを前記モデル生成部によって生成された前記需要予測モデルに入力して対象施設の空調電力のある時間帯における需要を予測する空調電力需要予測部と、前記気象予報データの各時限における外気温度および対象施設への各時限における来客人数に基づいて無次元のパラメ－タとして各時限毎に表わされる、対象施設に必要とされる空調電力の必要度を前記ある時間帯における空調利用時間の各時限について算出する必要度算出部と、前記必要度算出部によって算出された前記空調電力の必要度に応じて、前記空調電力需要予測部によって予測された空調電力の需要を前記空調利用時間の各時限に割り振る需要予測分配部とを備える対象施設の電力需要予測装置。

【請求項2】

前記データ取得部は対象施設の室内温度および湿度をさらに取得し、
前記必要度算出部は、前記データ取得部によって取得された室内温度および湿度から各時限毎に算出される対象施設の実測不快指数に基づいて、対象施設の各時限における不快指数を各時限に対して平準化する補正値を計算し、計算した補正値により前記空調電力の必要度を補正する
ことを特徴とする請求項１に記載の対象施設の電力需要予測装置。

【請求項3】

前記需要予測分配部は、前記空調電力需要予測部によって前記ある時間帯について予測された前記空調電力の需要予測を、前記空調利用時間の各時限における前記空調電力の必要度の、各時限における前記空調電力の必要度の総和に対する比率に応じて、各時限毎に割り振り、
空調電力以外の固定電力を各時限毎に算出する固定電力算出部と、
前記需要予測分配部によって各時限毎に割り振られる空調電力と前記固定電力算出部によって各時限毎に算出された固定電力とを各時限毎に加算した電力を、各時限における対象施設の目標電力としてデマンドコントローラに設定する目標電力設定部とを備えることを特徴とする請求項１または請求項２に記載の対象施設の電力需要予測装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、対象施設における電力の需要を予測する対象施設の電力需要予測装置に関するものである。

【背景技術】

【0002】

従来、この種の電力需要予測装置としては、例えば、特許文献１に開示された消費電力の予測装置がある。この予測装置は、データ入力部と、データ蓄積部と、データ解析部と、データ予測部と、表示部とを備える。データ入力部は、消費電力の実測値と、消費電力の予測に影響を与える気温、湿度などの気象データや人数などの外部情報を取り込む。データ解析部は、消費電力の実測値と外部情報とを表わす時系列データ間の関連性、例えば、気象の変化に伴う消費電力量の増減や、人数の変化に伴う消費電力量の増減などを解析する。データ予測部は、データ解析部によって得られた消費電力量の非線形予測モデルの式に、対象時間、気象データや人数などの外部情報を代入して、消費電力量を予測する。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１６－８１４７１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記従来の消費電力の予測装置における、非線形予測モデルの式を使ったデータ予測部による予測は、ペナルティ係数Ｃおよびガウス関数Ｋにおけるσについて、あらゆる組み合わせで総当たりを試みることで最適化しなければならず、このため、所定の範囲内でその組み合わせを探索する必要がある。また、データ予測部では、他の未知数について、学習するデータ、予測因子および予測因子数ごとに、異なるように最適化および推定を行う必要がある。このため、上記従来の消費電力の予測装置では、気象データや人数などの外部情報を用いた消費電力の予測に煩雑な計算が必要とされ、簡易に消費電力の予測をすることが難しかった。また、上記従来の消費電力の予測装置では、消費電力を予測する対象施設内における室内環境が適切に考慮されていないため、消費電力の予測も適切に行えない。

【課題を解決するための手段】

【0005】

本発明はこのような課題を解決するためになされたもので、対象施設の外気温度および空調電力を取得するデータ取得部と、データ取得部によって取得された対象施設の過去の外気温度と過去の空調電力との関係を機械学習アルゴリズムを用いて学習させて対象施設の空調電力の需要予測モデルを生成するモデル生成部と、対象施設の存在する地域の外気温度に関する気象予報データをモデル生成部によって生成された需要予測モデルに入力して対象施設の空調電力のある時間帯における需要を予測する空調電力需要予測部と、気象予報データの各時限における外気温度および対象施設への各時限における来客人数に基づいて無次元のパラメ－タとして各時限毎に表わされる、対象施設に必要とされる空調電力の必要度をある時間帯における空調利用時間の各時限について算出する必要度算出部と、必要度算出部によって算出された空調電力の必要度に応じて、空調電力需要予測部によって予測された空調電力の需要を空調利用時間の各時限に割り振る需要予測分配部とを備える対象施設の電力需要予測装置を構成した。

【0006】

本構成によれば、空調電力需要予測部によって予測されたある時間帯における空調電力の需要予測は、ある時間帯における空調利用時間の各時限について必要度算出部によって算出される空調電力の必要度に応じて、需要予測分配部によって空調利用時間の各時限に割り振られる。ここで、対象施設に必要とされる空調電力の必要度は、気象予報データの各時限における外気温度および対象施設への各時限における来客人数に基づいて、無次元のパラメ－タとして各時限毎に表わされる。このため、気象予報データや対象施設への来客人数の情報を用いた空調電力需要についての予測、すなわち、消費電力の予測は、各時限における空調電力の必要度に基づいて対象施設の室内環境が各時限毎に考慮されて、各時限毎に適切に行われる。しかも、この空調電力需要の予測は、従来のように煩雑な計算をすることなく、無次元のパラメ－タとして表わされる空調電力の必要度を使って簡単に行える。

【0007】

また、本発明は、データ取得部が対象施設の室内温度および湿度をさらに取得し、
必要度算出部が、データ取得部によって取得された室内温度および湿度から各時限毎に算出される対象施設の実測不快指数に基づいて、対象施設の各時限における不快指数を各時限に対して平準化する補正値を計算し、計算した補正値により空調電力の必要度を補正する
ことを特徴とする。

【0008】

本構成によれば、対象施設に必要とされる空調電力の必要度は、対象施設の実測不快指数に基づいて計算される補正値により、対象施設の各時限における不快指数を各時限に対して平準化するように補正される。空調電力需要予測部によって予測された空調電力の需要予測は、このように補正された空調電力の必要度に基づいて、需要予測分配部によって空調利用時間の各時限に割り振られる。したがって、対象施設における空調電力の需要予測は、対象施設の室内環境が各時限において不快になることを最低限に抑える好ましいものとなる。

【0009】

また、本発明は、
需要予測分配部が、空調電力需要予測部によってある時間帯について予測された空調電力の需要予測を、空調利用時間の各時限における空調電力の必要度の、各時限における空調電力の必要度の総和に対する比率に応じて、各時限毎に割り振り、
空調電力以外の固定電力を各時限毎に算出する固定電力算出部と、
需要予測分配部によって各時限毎に割り振られる空調電力と固定電力算出部によって各時限毎に算出された固定電力とを各時限毎に加算した電力を、各時限における対象施設の目標電力としてデマンドコントローラに設定する目標電力設定部とを備えることを特徴とする。

【0010】

本構成によれば、対象施設の実測不快指数に基づいて計算される補正値により補正された空調電力の必要度が用いられて、空調電力の需要予測が空調利用時間の各時限に割り振られ、デマンドコントローラには、割り振られたこの空調電力の需要予測にしたがった目標電力が各時限毎に設定される。したがって、デマンドコントローラには、対象施設の室内環境が各時限において不快になることを最低限に抑えるために必要な目標電力が空調電力について設定される。このため、電力需要予測装置により、限られた電力が、補正された空調電力の必要度に応じて各時限の空調電力に割り振られ、デマンドコントローラの制御により、限られた電力が最適にかつ効率的に使われるようになる。

【発明の効果】

【0011】

本発明によれば、気象予報データや対象施設への来客人数の情報を用いた空調電力需要についての予測が、空調電力の必要度に基づいて対象施設の室内環境が適切に考慮されて、簡単に行えるようになる。

【図面の簡単な説明】

【0012】

【図1】本発明の一実施の形態による対象施設の電力需要予測装置の概略構成を示すブロック図である。

【図2】図１に示す電力需要予測装置の必要度算出部、需要予測分配部、固定電力算出部および目標電力設定部の各機能を説明する図である。

【図3】図１に示す電力需要予測装置の必要度算出部によって行われるＮＡＣ補正値の学習を説明するための図である。

【発明を実施するための形態】

【0013】

次に、本発明による対象施設の電力需要予測装置を実施するための形態について説明する。

【0014】

図１は、本発明の一実施の形態による対象施設の電力需要予測装置１の概略構成を示すブロック図である。

【0015】

電力需要予測装置１は、ＭＰＵ（Micro Processing Unit）等からなるプロセッサ２と、ＲＯＭ（Read Only Memory）３ａやＲＡＭ（Random Access Memory）３ｂ等からなる記憶部３とを備えるコンピュータから構成されている。ＲＯＭ３ａにはプロセッサ２の動作手順を規定するプログラム等が記憶されている。プロセッサ２は、ＲＯＭに記憶されたプログラムにしたがい、ＲＡＭ３ｂを一時記憶作業領域として各部の制御を行う。

【0016】

電力需要予測装置１はデマンドコントローラ４とサーバ５に接続されている。デマンドコントローラ４は、対象施設の消費電力をデマンド値として常に監視し、あらかじめ設定した目標電力値を超えそうになると、警報を発して空調機器や照明機器などの負荷を制御する。デマンド値は３０分ごとの消費電力の平均値であり、デマンドコントローラ４は測定したデマンド値を測定日時と共にサーバ５へ送信する。サーバ５は受信したデマンド値を測定日時と共に記憶する。

【0017】

電力需要予測装置１のプロセッサ２は、データ取得部２ａ、モデル生成部２ｂ、空調電力需要予測部２ｃ、必要度算出部２ｄ、需要予測分配部２ｅ、固定電力算出部２ｆおよび目標電力設定部２ｇを機能ブロックとして有する。

【0018】

データ取得部２ａは、サーバ５から前年同時期における対象施設の空調電力を取得すると共に、その時期における対象施設の外気温度、室内温度および湿度を取得する。モデル生成部２ｂは、データ取得部２ａによって取得された対象施設の過去の前年同時期における空調電力と外気温度との関係を、機械学習アルゴリズムを用いて学習させる。本実施形態では、ランダムフォレストという機械学習アルゴリズムを用いてこの学習が行われ、ランダムフォレストに過去の空調電力と外気温度のデータが入力され、空調電力と外気温度との関係が学習されて、対象施設の空調電力の需要予測モデルが生成される。

【0019】

空調電力需要予測部２ｃは、対象施設の存在する地域の外気温度に関する気象予報データを、モデル生成部２ｂによって生成された需要予測モデルに入力して、対象施設の空調電力の需要を予測する。必要度算出部２ｄは、対象施設に必要とされる空調電力の必要度（ＮＡＣ(Necessity of Air Conditioner)値）を、各時限毎に算出する。ここで言う時限とは、デマンドコントローラ４によって監視されるデマンド値が算出される３０分単位の時限を意味する。また、ＮＡＣ値は、気象予報データの各時限における外気温度および対象施設への各時限における来客人数に基づいて、無次元のパラメ－タとして、各時限毎に次の（１）式によって表わされる。なお、来客人数をデータとして取得しない場合には、来客人数にデフォルト値が使用される。

【数1】

【0020】

図２は、必要度算出部２ｄ、需要予測分配部２ｅ、固定電力算出部２ｆおよび目標電力設定部２ｇの各機能を説明する図である。必要度算出部２ｄは（ａ）ＮＡＣ値の算出を行い、需要予測分配部２ｅは（ｂ）空調電力の各時限への割振りを行う。目標電力設定部２ｇは、固定電力算出部２ｆの算出結果を使って、（ｃ）目標電力の算出を行う。

【0021】

本実施形態では、必要度算出部２ｄは、（ａ）ＮＡＣ値の算出に示すように、各時限における外気温度についての気象予報データ、対象施設への各時限における来客人数、および、ＮＡＣ補正値に基づいて、上記の（１）式によってＮＡＣ値を算出する。ＮＡＣ補正値は、（１）式でＮＡＣ_{ｃｏｒｒｅｃｔｉｏｎ}と表わされ、データ取得部２ａによって取得された室内温度および湿度から各時限毎に算出される対象施設の実測不快指数ＤＩに基づいて、後述するように、対象施設の各時限における不快指数を各時限に対して平準化するように、必要度算出部２ｄによって計算される。ＮＡＣ値は、計算したＮＡＣ補正値により各時限毎に補正される。空調電力需要予測部２ｃは、ＮＡＣ補正値によって補正したＮＡＣ値を用いて、空調電力の需要予測を各時限に割り振る。本実施形態では、空調電力需要予測部２ｃは、空調電力の需要を１日単位で１週間先まで予測する。

【0022】

需要予測分配部２ｅは、図２における（ｂ）空調電力の各時限への割振りに示すように、空調電力需要予測部２ｃによって予測された１日単位の空調電力の需要予測結果を、１日２４時間を３０分単位に分けた４８時限のうちの空調利用時間における各時限に割り振る。

【0023】

（１）式におけるＮＡＣはＮＡＣ値を表わす。また、（１）式における添え字ｉは４８時限のうちのいずれかの時限を表わし、１～４８のいずれかの値をとる。左辺のＮＡＣ^ｉは、時限ｉにおけるＮＡＣ値を表わす。ＮＡＣ^ｉは、空調利用時間中は次の（２）式に示される。

【数2】

【0024】

上記の（２）式で、添え字ｋは、空調利用時間中における時限を表わす。（２）式の分母は、この時限のうちで、最大値をとるＮＡＣ値を表わす。また、（２）式の分子におけるＮＡＣ^ｉは、ＮＡＣ補正値によって補正される前の時限ｉにおけるＮＡＣ値を表わす。また、（１）式のＮＡＣ^ｉは、空調利用時間外では０とされる（ＮＡＣ^ｉ＝０）。

【0025】

また、（１）式におけるＮＡＣ_ｔｅｍｐは気象予報データの気温情報によるＮＡＣ値を表わし、次の（３）式によって表わされる。

【数3】

【0026】

ここで、Ｔ^ｉ _{ｏｕｔｄｉｆｆ}は、時限ｉにおけるＴ_{ｏｕｔｄｉｆｆ}であり、暖房時および冷房時にそれぞれ次の（４）式によって表わされる。また、（３）式における添え字ｎは、１～４８の添え字ｉによって表わされる時限のうちの特定の時限を表わす。

【数4】

上記の（４）式におけるＴ_{ｆｏｒｅｃａｓｔ}は対象施設の地域の予報気温、Ｔ_{ｔａｒｇｅｔ}は基準気温を表わす。本実施形態では、Ｔ_{ｔａｒｇｅｔ}は暖房時に２２℃、冷房時に２７℃に設定される。

【0027】

また、（１）式におけるＮＡＣ_{ｖｉｓｉｔｏｒ}は対象施設への来客人数データによるＮＡＣ値を表わし、次の（５）式によって表わされる。

【数5】

上記の（５）式におけるｋは上述したように空調利用時間中の時限、Ｖは来客人数を表わす。

【0028】

（３）式に示されるＮＡＣ_ｔｅｍｐは、暖房時は予報気温の低い時間帯を、冷房時は予報気温の高い時間帯を高く算出することで空調の必要性を見積もり、（５）式に示されるＮＡＣ_{ｖｉｓｉｔｏｒ}は、来客人数の多い時間帯を空調の必要性が高いと見積る。

【0029】

また、ＮＡＣ_{ｃｏｒｒｅｃｔｉｏｎ}と表わされる上記のＮＡＣ補正値は、暖房時および冷房時にそれぞれ次の（６）式によって学習させられる。

【数6】

上記の（６）式における左辺のＮＡＣ^ｉ _{ｃｏｒｒｅｃｔｉｎｇ}は時限ｉにおけるＮＡＣ学習値を表わし、右辺のＤＩは実測不快指数、ＤＩ_{ｔａｒｇｅｔ}は基準不快指数を表わす。また、Ｒ_ｍｏｄｅは、電力需要予測装置１の、通常モード、快適モード、省エネモード、およびＡＩモードの４つの動作モードの種類によって定まるモード倍率を表わす。ＮＡＣ補正値のこの学習により、対象施設の温湿度等の施設環境および各負荷の入り切りによる消費電力の制御情報に基づき、空調の必要性の高い時限が毎日学習されて、ＮＡＣ値は補正されていく。

【0030】

図３はＮＡＣ補正値のこの学習を説明するための図である。図３の（ａ）ＮＡＣ学習値の算出におけるグラフＡに示すように、暖房の場合、対象施設の不快指数は、空調利用時間において時限が進み、寒かった室内が暖かくなるに連れて大きな値になる。不快指数の値は、温湿度データから算出され、小さい値では寒い体感が得られ、大きな値では暑い体感が得られる。ＮＡＣ値は、前日に実測された不快指数推移および対象施設への来客人数データの施設環境、並びに、各負荷の入り切りによる電力／制御データを基に学習させられる。したがって、学習させられたＮＡＣ値、すなわち、ＮＡＣ学習値は図３のグラフＢに示すように表わされ、空調利用時間の始まりの不快な（寒い）時間帯で高い値をとるので、ＮＡＣ値が増やされる。また、空調利用時間の終わりの快適な（暖かい）時間帯で小さい値をとるので、ＮＡＣ値が減らされる。

【0031】

この結果、図３の（ｂ）ＮＡＣ補正値の更新（学習）におけるグラフＣのように示される現在のＮＡＣ補正値は、グラフＢのようにＮＡＣ学習値が学習されることで、グラフＤに示される新しいＮＡＣ補正値に補正される。すなわち、現在のＮＡＣ補正値は、空調利用時間の寒い始まりの時間帯でより大きな値に補正され、空調利用時間の暖かい終わりの時間帯でより小さな値に補正される。このため、空調利用時間の始まりの時間帯で大きな空調電力の需要が予測され、空調利用時間の終わりの時間帯で小さな空調電力の需要が予測されるようになる。

【0032】

すなわち、（６）式でＮＡＣ補正値が学習させられることで、ＮＡＣ値は、目標不快指数から遠い時限では大きく補正され、より空調が使われるように補正される。需要予測分配部２ｅは、上記のように学習されて得られる新たなＮＡＣ値から、次の（７）式を使って、空調電力需要予測部２ｃによって１日単位で予測される空調電力の需要を、空調利用時間における各時限に割り振る。

【数7】

【0033】

上記の（７）式におけるＰ_ａｉｒは、空調電力需要予測部２ｃによって１日単位で予測される空調電力の需要であり、単位は[ＫＷｈ]である。すなわち、需要予測分配部２ｅは、空調電力需要予測部２ｃによって予測された空調電力の需要予測を、各時限におけるＮＡＣ値の、空調が必要とされる各時限におけるＮＡＣ値の総和に対する比率に応じて、空調利用時間における各時限毎に割り振る。この結果、空調電力需要予測部２ｃによって予測される空調電力の需要は、図２の（ｂ）空調電力の各時限への割振りにおけるグラフのように、需要予測分配部２ｅによって各時限に割り振られる。

【0034】

固定電力算出部２ｆは、対象施設における空調電力以外の固定電力を各時限毎に算出する。目標電力設定部２ｇは、各時限における対象施設の目標電力を次の（８）式によって計算する。

【数8】

【0035】

上記の（８）式におけるＤは目標電力値である。Ｄ^ｉは、各時限ｉの目標電力値であり、目標電力値の上限値よりも大きい場合には目標電力値の上限値とされる。また、右辺第２項のＢ^ｉ _ｍａｘは、固定電力算出部２ｆによって算出される固定電力の、過去１週間における各時限毎の最大値である。すなわち、目標電力設定部２ｇは、需要予測分配部２ｅによって空調利用時間の各時限に割り振られる（７）式で表わされる空調電力と、固定電力算出部２ｆによって各時限毎に算出された上記の固定電力とを、図２の（ｃ）目標電力の算出におけるグラフに示されるように、各時限毎に加算する。そして、加算した電力を、各時限における対象施設の目標電力とし、デマンドコントローラ４に設定する。このように目標電力をデマンドコントローラ４に設定して空調の制御を行うことで、その制御結果からＮＡＣ値がさらに学習されていく。

【0036】

このような本実施形態による対象施設の電力需要予測装置１によれば、空調電力需要予測部２ｃによって予測された空調電力の需要予測は、対象施設に必要とされるＮＡＣ値（空調電力の必要度）に応じて、空調電力需要予測部２ｃによって各時限に割り振られる。ここで、対象施設に必要とされるＮＡＣ値は、気象予報データの各時限における外気温度および対象施設への各時限における来客人数に基づいて、無次元のパラメ－タとして各時限毎に（１）式のように表わされる。このため、気象予報データや対象施設への来客人数の情報を用いた空調電力需要についての予測、すなわち、消費電力の予測は、各時限におけるＮＡＣ値に基づいて対象施設の室内環境が各時限毎に考慮されて、各時限毎に適切に行われる。しかも、この空調電力需要の予測は、従来のように煩雑な計算をすることなく、無次元のパラメ－タとして表わされる空調電力の必要度を使って簡単に行える。

【0037】

すなわち、電力需要予測装置１によれば、時限毎の目標電力を予め決めることができ、１日単位の限られた電力量を適切に使用することができる。また、１週間や１ヶ月単位でＮＡＣ値を用いることで、予算から決定した電力量の範囲内で最適な電力の使用が可能となる。また、使用電力量を削減したいときに、ＮＡＣ値にしたがうことで限られた電力を最適に使うことで、室内環境が不快になることを最低限に抑えることができる。

【0038】

また、本実施形態による対象施設の電力需要予測装置１によれば、対象施設に必要とされるＮＡＣ値は、対象施設の実測不快指数に基づいて（６）式によって補正されるＮＡＣ補正値により、対象施設の各時限における不快指数を各時限に対して平準化するように補正される。空調電力需要予測部２ｃによって予測された空調電力の需要予測は、このように補正されたＮＡＣ値に基づいて、空調電力需要予測部２ｃによって各時限に割り振られる。したがって、対象施設における空調電力の需要予測は、対象施設の室内環境が各時限において不快になることを最低限に抑える好ましいものとなる。

【0039】

また、本実施形態による対象施設の電力需要予測装置１によれば、対象施設の実測不快指数に基づいて計算されるＮＡＣ補正値により補正されたＮＡＣ値が用いられて、空調電力の需要予測が空調電力需要予測部２ｃによって各時限に割り振られ、デマンドコントローラ４には、補正されたこの空調電力の需要予測にしたがった目標電力が各時限毎に設定される。したがって、デマンドコントローラ４には、対象施設の室内環境が各時限において不快になることを最低限に抑えるために必要な目標電力が空調電力について設定される。このため、電力需要予測装置１により、限られた電力が、補正されたＮＡＣ値に応じて各時限の空調電力に割り振られ、デマンドコントローラ４の制御により、限られた電力が最適にかつ効率的に使われるようになる。

【0040】

なお、上記実施形態では、ＮＡＣ値の算出に外気温度に関する気象予報データを使ったが、天気・風速などの数値化できるものをＮＡＣ値に取り込んで、空調電力の需要予測を補正することもできる。また、蓄電池を保持するシステムにおいは、ＮＡＣ値の高い時間に蓄電池を放電することで、使用電力のピークカットが可能になる。また、照明制御が可能なシステムにおいては、ＮＡＣ値の高い時間に照明電力を削減することで、使用電力のピークカットが可能になる。また、上記実施形態では、３０分単位の４８時限に空調電力の需要を割り振ったが、時限数ｉは増減でき、タイムスケールは変更可能である。また、予測した空調需要を９０％や１１０％などとすることで、ＮＡＣ値にしたがう最適な電力の使い方に即して、省エネやより快適な室内環境を得ることができる。

【産業上の利用可能性】

【0041】

本発明による対象施設の電力需要予測装置は、施設内のさまざまな機器・設備のデータを収集・計測し、監視、制御を一括で管理するエネルギーマネジメントシステムなどに利用することができる。

【符号の説明】

【0042】

１…電力需要予測装置、２…プロセッサ、２ａ…データ取得部、２ｂ…モデル生成部、２ｃ…空調電力需要予測部、２ｄ…必要度算出部、２ｅ…需要予測分配部、２ｆ…固定電力算出部、２ｇ…目標電力設定部、３…記憶部、３ａ…ＲＯＭ、３ｂ…ＲＡＭ、４…デマンドコントローラ、５…サーバ

【図1】

【図2】

【図3】