特許 7458183 エネルギー需要変動パターンの分類方法及びシステム

(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】2024-03-21

(45)【発行日】2024-03-29

(54)【発明の名称】エネルギー需要変動パターンの分類方法及びシステム

(51)【国際特許分類】

   G06Q 50/06 20240101AFI20240322BHJP

   H02J 3/00 20060101ALI20240322BHJP

   H02J 13/00 20060101ALI20240322BHJP

【ＦＩ】

G06Q50/06

H02J3/00 130

H02J13/00 301A

【請求項の数】 11

(21)【出願番号】P 2019236360

(22)【出願日】2019-12-26

(65)【公開番号】P2021105811

(43)【公開日】2021-07-26

【審査請求日】2022-10-05

(73)【特許権者】

【識別番号】000000974

【氏名又は名称】川崎重工業株式会社

(74)【代理人】

【識別番号】110000556

【氏名又は名称】弁理士法人有古特許事務所

(72)【発明者】

【氏名】成島 直樹

(72)【発明者】

【氏名】橋本 大

(72)【発明者】

【氏名】黒坂 聡

(72)【発明者】

【氏名】平岩 慎司

【審査官】貝塚 涼

(56)【参考文献】

【文献】特開２０１６－２２０５１５（ＪＰ，Ａ）

【文献】国際公開第２０１５／１３３６３５（ＷＯ，Ａ１）

【文献】特開２００９－２７７１３６（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ － ９９／００

Ｈ０２Ｊ ３／００

Ｈ０２Ｊ １３／００

(57)【特許請求の範囲】

【請求項1】

コンピュータによって行われるエネルギー需要変動パターンの分類方法であって、
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、Ｍ個（但し、Ｍは３以上の自然数）の変動パターンを取得し、
ｉ）前記Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理と、ii）前記Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii）前記Ｍ個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値ｆ（Ｎ）を算出する評価値算出処理とを、Ｎ＝（ｎ－１）及びＮ＝ｎ（但し、ｎは３以上且つＭ以下の自然数）の各々について行って評価値ｆ（ｎ）及び評価値ｆ（ｎ－１）を求め、
前記評価値ｆ（ｎ）と前記評価値ｆ（ｎ－１）との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、ｎを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記Ｍ個の変動パターンの適切な分類数を（ｎ－１）と決定する、
エネルギー需要変動パターンの分類方法。

【請求項2】

前記エネルギー需要量は、電力エネルギー需要量及び蒸気エネルギー需要量を含む、
請求項１に記載のエネルギー需要変動パターンの分類方法。

【請求項3】

前記評価値ｆ（Ｎ）が、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの差分をｄｍ（但し、ｍは１以上Ｍ以下の自然数）としたときに、下記（１）式で表される、
請求項１又は２に記載のエネルギー需要変動パターンの分類方法。

【数1】

【請求項4】

前記評価値ｆ（Ｎ）は、前記変動パターンの前記エネルギー需要量と前記代表変動パターンの前記エネルギー需要量との乖離度合いを表す第１指標と、前記変動パターンの前記エネルギー需要量の時間変化量と前記代表変動パターンの前記エネルギー需要量の時間変化量との乖離度合いを表す第２指標とを含む、
請求項１～３のいずれか一項に記載のエネルギー需要変動パターンの分類方法。

【請求項5】

前記時間変化量は、前記エネルギー需要量の測定周期又は前記測定周期の倍数の時間にわたる前記エネルギー需要量の変化量である、
請求項４に記載のエネルギー需要変動パターンの分類方法。

【請求項6】

連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、多数の変動パターンを記憶した記憶装置と、
前記記憶装置と電気的に接続された演算装置と、
前記演算装置と電気的に接続されて前記演算装置の演算結果を出力する出力装置とを備え、
前記演算装置は、
Ｍ個（但し、Ｍは３以上の自然数）の変動パターンを前記記憶装置から取得し、
ｉ）前記Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理と、ii）前記Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii）前記Ｍ個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値ｆ（Ｎ）を算出する評価値算出処理とを、Ｎ＝（ｎ－１）及びＮ＝ｎ（但し、ｎは３以上且つＭ以下の自然数）の各々について行って評価値ｆ（ｎ）及び評価値ｆ（ｎ－１）を求め、
前記評価値ｆ（ｎ）と前記評価値ｆ（ｎ－１）との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、ｎを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記Ｍ個の変動パターンの適切な分類数を（ｎ－１）と決定し、
決定した前記適切な分類数を前記出力装置へ出力するように構成されている、
エネルギー需要変動パターンの分類システム。

【請求項7】

前記エネルギー需要量は、電力エネルギー需要量及び蒸気エネルギー需要量を含む、
請求項６に記載のエネルギー需要変動パターンの分類システム。

【請求項8】

前記評価値ｆ（Ｎ）が、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの差分をｄｍ（但し、ｍは１以上Ｍ以下の自然数）としたときに、下記（１）式で表される、
請求項６又は７に記載のエネルギー需要変動パターンの分類システム。

【数2】

【請求項9】

前記評価値ｆ（Ｎ）は、前記変動パターンの前記エネルギー需要量と前記代表変動パターンの前記エネルギー需要量との乖離度合いを表す第１指標と、前記変動パターンの前記エネルギー需要量の時間変化量と前記代表変動パターンの前記エネルギー需要量の時間変化量との乖離度合いを表す第２指標とを含む、
請求項６～８のいずれか一項に記載のエネルギー需要変動パターンの分類システム。

【請求項10】

前記時間変化量は、前記エネルギー需要量の測定周期又は前記測定周期の倍数の時間にわたる前記エネルギー需要量の変化量である、
請求項９に記載のエネルギー需要変動パターンの分類システム。

【請求項11】

前記出力装置は、前記Ｍ個の変動パターンを前記適切な分類数に分類したときの各クラスタの前記代表変動パターンをエネルギー需要の典型的な変動パターンとして印字出力又は表示出力する、
請求項６～１０のいずれか一項に記載のエネルギー需要変動パターンの分類システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、エネルギー需要の予測の精度を向上させるための技術に関する。

【背景技術】

【0002】

従来、機械学習アルゴリズムを利用してエネルギー需要を予測するシステムが知られている。このようなシステムには、エネルギー需要の時系列データを収集し、エネルギー需要の変動パターンを機械学習アルゴリズムを用いて特徴が類似するもの同士のクラスタに分類し、各クラスタの代表値を典型的な変動パターンとするものがある。この場合の変動パターンの分類数（即ち、クラスタ数）の適否は、エネルギー需要の予測値の精度、システムの学習量、利用者のユーザビリティなどに影響を与え得る。

【0003】

一般的なクラスタリングにおいて、クラスタ数は予め指定される。しかし、工場などの独自の操業形態を有する施設では、エネルギー需要の変動パターンの分類数を一概に決定することは適切ではない。しかし、工場ごとにエネルギー需要の変動パターンの分類数を任意に設定する場合には、分類数を設定する利用者の技量によって予測値の精度が変動する。そこで、特許文献１，２では、エネルギー需要の変動パターンを分類する際の分類数（クラスタ数）の適否を評価する方法が提案されている。

【0004】

特許文献１に係るエネルギー需要予測システムでは、需要パターン生成用データが需要の周期的な変動の傾向が類似しているもの同士の部分集合（クラスタ）に分類される。ここでシステムは、需要パターン生成用単位データの各々について特徴量を抽出し、当該特徴量に基づいて需要パターン生成用単位データを設定された複数種類の分類数の中から選択された分類数に分類する。システムは、分類された各部分集合の凝集性を測る指標や、各部分集合の分離性を測る指標を用いて、分類数についての評価指標値を算出する。システムは、設定された複数種類の分類数の各々で分類処理を行って評価指標値を算出し、各部分集合の内部の凝集性を測る指標が最小値となる数や、各部分集合の分離性を測る指標が最大となる数を最適な分類数として決定する。

【0005】

特許文献２に係るデータ分析システムでは、需要家の電力使用量の計測データであるロードデータが特徴量の類似する幾つかのクラスタに分類される。ここでシステムは、設定された１～Ｎの各々のクラスタ数についてロードデータのクラスタリングを行って、各クラスタ内における個々のロードデータの集合の度合いを表すクラスタ内適合度と、クラスタ同士の分離の度合いを表すクラスタ間平均分離度とを算出する。システムは、クラスタ数の変化量に対するクラスタ内適合度の変化量の割合が所定の第１閾値以下となる最小のクラスタ数を適合度最適クラスタ数として算出する。システムは、クラスタ数の変化量に対するクラスタ間平均分離度の変化量の割合が所定の第２閾値以下となる最小のクラスタ数を分離度最適クラスタ数として算出する。更に、システムは、適合度最適クラスタ数と分離度最適クラスタ数の間に少なくとも１つのクラスタ数が存在する場合には、その中央値に最も近い値を最適なクラスタ数として決定し、それ以外は適合度最適クラスタ数及び分離度最適クラスタ数の一方を最適なクラスタ数として決定する。

【先行技術文献】

【特許文献】

【0006】

【文献】特開２０１６－２２０５１５号公報

【文献】国際公開ＷＯ２０１５／１３３６３５号パンフレット

【発明の概要】

【発明が解決しようとする課題】

【0007】

特許文献１に記載された方法では、指標が最小値又は最大値となる分類数を探索することから、精度を出すために十分な数の分類数についてクラスタリングを行わなければならず、その結果、演算量が多くなる。

【0008】

特許文献２に記載された方法では、仮にＮより小さいクラスタ数が最適を示す場合であっても、１～Ｎのクラスタ数の各々についてクラスタリングを行う必要があり、高い精度が期待されるものの演算量が多く且つ複雑である。

【0009】

本発明は以上の事情に鑑みてされたものであり、その目的は、従来よりも単純且つ少ない演算で、エネルギー需要の変動パターンを適切な数に分類する技術を提案する。

【課題を解決するための手段】

【0010】

本発明の一態様に係るエネルギー需要変動パターンの分類方法は、コンピュータによって行われるエネルギー需要変動パターンの分類方法であって、
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、Ｍ個（但し、Ｍは３以上の自然数）の変動パターンを取得し、
ｉ）前記Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理と、ii）前記Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii）前記ｍ個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値ｆ（Ｎ）を算出する評価値算出処理とを、Ｎ＝（ｎ－１）及びＮ＝ｎ（但し、ｎは３以上且つＭ以下の自然数）の各々について行って評価値ｆ（ｎ）及び評価値ｆ（ｎ－１）算出し、
前記評価値ｆ（ｎ）と前記評価値ｆ（ｎ－１）との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、ｎを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記Ｍ個の変動パターンの適切な分類数を（ｎ－１）と決定することを特徴としている。

【0011】

また、本発明の一態様に係るエネルギー需要変動パターンの分類システムは、
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、多数の変動パターンを記憶した記憶装置と、
前記記憶装置と電気的に接続された演算装置と、
前記演算装置と電気的に接続されて前記演算装置の演算結果を出力する出力装置とを備え、
前記演算装置は、
Ｍ個（但し、Ｍは３以上の自然数）の変動パターンを前記記憶装置から取得し、
ｉ）前記Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理と、ii）前記Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii）前記ｍ個の変動パターンの各々について、前記変動パターンと当該変動パターンが分類された前記クラスタの前記代表変動パターンとの乖離度合いを表す評価値ｆ（Ｎ）を算出する評価値算出処理とを、Ｎ＝（ｎ－１）及びＮ＝ｎ（但し、ｎは３以上且つＭ以下の自然数）の各々について行って評価値ｆ（ｎ）及び評価値ｆ（ｎ－１）算出し、
前記評価値ｆ（ｎ）と前記評価値ｆ（ｎ－１）との差と所定の閾値とを比較し、前記差が前記閾値より小さい場合は、ｎを所定数ずつ増やして前記差が前記閾値以上となるまで前記分類処理、前記代表変動パターン生成処理、及び前記評価値算出処理を繰り返し、前記差が前記閾値以上の場合は、前記Ｍ個の変動パターンの適切な分類数を（ｎ－１）と決定し、
決定した前記適切な分類数を前記出力装置へ出力するように構成されていることを特徴としている。

【0012】

上記エネルギー需要変動パターンの分類方法及びシステムでは、評価値ｆ（Ｎ）は変動パターンと代表変動パターンとの乖離度合いを表している。よって、評価値ｆ（Ｎ）は、Ｎが適切な分類数よりも小さいときは分類数の増加に伴って減少し、Ｎが適切な分類数に近づくほど分類数の増加に伴う減少率が小さくなり、Ｎが適切な分類数で最小となるような、二次曲線で表される。このような評価値ｆ（Ｎ）の特性から、適切な分類数の近傍では、分類数の増加に伴う評価値ｆ（Ｎ）の変化が小さい。そこで、評価値ｆ（ｎ）とそれよりも１つ少ない分類数の評価値ｆ（ｎ－１）との差が０に近い負の値となった時点で、「適切な分類数」に到達したと見做すことができる。

【0013】

上記エネルギー需要変動パターンの分類方法及びシステムでは、評価値ｆが最小となる分類数を探索するのではなく、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差が閾値以上となる分類数ｎを探索し、このような分類数ｎが見つかった時点で適切な分類数の探索を終了することができる。つまり、従来のように最小の評価値を特定するために、最小の評価値となる分類数よりも多い分類数について評価値を求める必要がない。これにより、本発明では、従来と比較して演算量が軽減され、且つ、演算が単純となる。

【発明の効果】

【0014】

本発明によれば、従来よりも単純且つ少ない演算で、エネルギー需要の時系列データを適切な数の変動パターンに分類することができる。

【図面の簡単な説明】

【0015】

【図1】図１は、本発明の一実施形態に係るエネルギー需要変動パターンの分類システムの全体的な構成を示す図である。

【図2】図２は、データ収集装置の構成を示すブロック図である。

【図3】図３は、分類装置の構成を示すブロック図である。

【図4】図４は、記憶装置に格納されているデータを示す概念図である。

【図5】図５は、分類方法の流れを示すフローチャートである。

【図6】図６は、分類処理及び代表変動パターン生成処理の概念を説明する図である。

【図7】図７は、変動パターンとそれが分類されたクラスタの代表変動パターンとを表した図表である。

【図8】図８は、評価値算出処理の概念を説明する図である。

【図9】図９は、評価値とクラスタ数との関係を示す図表である。

【図10】図１０は、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δとｎとの関係を示す図表である。

【発明を実施するための形態】

【0016】

次に、図面を参照して本発明の実施の形態を説明する。図１は、本発明の一実施形態に係るエネルギー需要変動パターンの分類システム１００の概略構成図である。

【0017】

図１に示すように、エネルギー需要変動パターンの分類システム１００は、データ収集装置２と、分類装置３と、通信ネットワーク４とを備える。データ収集装置２及び分類装置３は通信ネットワーク４を介して接続されており、情報の送受信が可能である。

【0018】

〔データ収集装置２〕
図２は、データ収集装置２の構成を示すブロック図である。データ収集装置２は、工場に設置されてよい。データ収集装置２は、演算装置２７、入力装置２８、及び記憶装置２９を備える。

【0019】

演算装置２７は、所謂コンピュータであって、ＣＰＵなどのプロセッサ２７１と、ＲＯＭ及びＲＡＭなどのメモリ２７２と、出入力部２７３と、通信部２７４とを備える。演算装置２７は、集中処理を行う単独のプロセッサ２７１を備えてもよいし、分散処理を行う複数のプロセッサ２７１を備えてもよい。

【0020】

メモリ２７２には、プロセッサ２７１が実行する基本プログラムやソフトウエアプログラム等が格納されている。プロセッサ２７１がメモリ２７２からプログラムを読み出して実行することによって、演算装置２７は当該プログラムに構成された機能を実現する。

【0021】

出入力部２７３には、インターフェース２７５を介して入力装置２８及び記憶装置２９が接続されている。入力装置２８は、例えば、キーボード、ポインティングデバイス、タッチパネルなどの公知の入力手段であってよい。演算装置２７は、利用者から入力装置２８を介して取得した就業状況、生産状況、及び、設備運用状況などの情報を日付と関連付けて記憶装置２９に格納する。

【0022】

出入力部２７３には、時刻同期装置２１、少なくとも１つの電力計器２２、少なくとも１つの蒸気計器２３、及び気温計２４を含む各種計器が接続されている。演算装置２７は、時刻同期装置２１から日付及び時刻に関する情報を取得する。演算装置２７は、電力計器２２で測定された電力需要量に関する情報を取得する。演算装置２７は、蒸気計器２３で測定された蒸気需要量に関する情報を取得する。演算装置２７は、気温計２４で測定された気温に関する情報を取得する。演算装置２７は、各種計器から取得した情報を測定日時と関連付けて記憶装置２９に格納する。

【0023】

演算装置２７は、通信部２７４を介して通信ネットワーク４と接続されている。演算装置２７は、記憶装置２９に格納されている情報を、通信ネットワーク４を介して分類装置３へ送信することができる。

【0024】

〔分類装置３〕
図３は、分類装置３の構成を示すブロック図である。図３に示すように、分類装置３は、演算装置３１と、記憶装置３２と、出力装置３３とを備える。

【0025】

演算装置３１は、所謂コンピュータであって、ＣＰＵなどのプロセッサ３１１と、ＲＯＭ及びＲＡＭなどのメモリ３１２と、出入力部３１３と、通信部３１４とを備える。演算装置３１は、集中処理を行う単独のプロセッサ３１１を備えてもよいし、分散処理を行う複数のプロセッサ３１１を備えてもよい。

【0026】

メモリ３１２には、プロセッサ３１１が実行する基本プログラムやソフトウエアプログラム等が格納されている。プロセッサ３１１がメモリ３１２からプログラムを読み出して実行することによって、演算装置３１は当該プログラムに構成された機能を実現する。

【0027】

出入力部３１３には、インターフェース３１５を介して記憶装置３２及び出力装置３３が接続されている。記憶装置３２には、データ収集装置２が収集したエネルギー需要データが格納されている。分類装置３は、データ収集装置２から通信ネットワーク４又は図示されない記憶媒体を介してエネルギー需要データを取得し、それを記憶装置３２に格納してよい。或いは、分類装置３は、データ収集装置２の記憶装置２９を記憶装置３２として用いてよい。

【0028】

図４は、記憶装置３２に格納されているエネルギー需要データを示す概念図である。図４では、単位エネルギー需要データの構成が示されている。図４に示すように、記憶装置３２には、エネルギー需要データを格納したエネルギー需要データベースが構築されている。エネルギー需要データは、例えば、日付、曜日、時刻、電力需要量、蒸気需要量、気温、就業状況、生産状況、及び、設備運用状況を含む。単位エネルギー需要データに含まれる電力需要量、蒸気需要量、及び気温は、例えば、０時から２３時５９分までの２４時間にわたって３０分ごとに測定された経時測定データである。但し、エネルギー需要データの単位は２４時間に限定されず、例えば８時から１７時までなどの、連続する時間であればよい。また、エネルギー需要データの測定単位は３０分に限定されず、例えば、１時間であってもよい。

【0029】

電力需要量は、工場に設置された電力計器２２の測定値に基づいていてよい。また、蒸気需要量は、工場に設置された蒸気計器２３の測定値に基づいていてよい。気温は、工場に設置された気温計２４の計測値であってもよいし、気象情報供給機関から供給された情報に基づいていてもよい。就業状況は、就業日／非就業日（即ち、休日）／長期非就業日の区別であってよい。生産状況は、製品の生産量又は生産予定量であって、製品に応じた単位で表されていてよい。設備運用状況は、工場内の全設備の運用／非運用の区別、或いは、工場内の一部の特にエネルギー需要の高い設備の運用／非運用の区別であってよい。就業状況、生産状況、及び、設備運用状況は、システム１００の利用者が図示されない入力装置を用いて入力された情報であってよい。

【0030】

出力装置３３は、ディスプレイなどの表示出力装置、プリンタなどの印字出力装置、及びスピーカなどの音声出力装置のうち少なくとも１つであってよい。出力装置３３には、演算装置３１の演算結果が出力される。なお、出力装置３３は、演算装置３１と直接に接続されているものに限定されず、演算装置３１と通信ネットワーク４を介して接続された演算装置（図示略）に接続されているものであってもよい。このように、演算装置３１の演算結果が遠隔で出力されてもよい。

【0031】

〔エネルギー需要変動パターンの分類方法〕
ここで、分類装置３によるエネルギー需要変動パターンの分類方法について説明する。図５は、分類方法の流れを示すフローチャートである。

【0032】

図５に示すように、分類装置３のプロセッサ３１１は、記憶装置３２からエネルギー需要データを読み出して、エネルギー需要データからＭ個のエネルギー需要の変動パターンを取得する（ステップＳ１）。Ｍは、３よりも大きい自然数であって、大きい数であるほど望ましい。

【0033】

各変動パターンは、連続する所定時間（例えば、２４時間）のエネルギー需要量の実績値の時系列データである。エネルギー需要量は、電力エネルギー需要量及び蒸気エネルギー需要量のうち少なくとも一方を含む。電力エネルギー需要量はエネルギー需要データの電力需要量と対応しており、蒸気エネルギー需要量はエネルギー需要データの蒸気需要量と対応している。

【0034】

分類装置３は、Ｍ個の変動パターンについて前処理を行う（ステップＳ２）。前処理では、例えば、変動パターンから気温によるエネルギー需要量の変化をキャンセルする正規化処理や、就業状況、生産状況、及び設備運用状況に基づく変動パターンの大別などが行われてもよい。前処理は、省略されてもよい。

【0035】

分類装置３は、ｎを初期化する（ステップＳ３）。ｎは３以上Ｍ以下の自然数である。ｎの初期値は、３でもよいし、実績から設定された３より大きい自然数であってもよい。

【0036】

続いて、分類装置３は、Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理（ステップＳ５）と、Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理（ステップＳ６）と、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの乖離度合いの累積値を表す評価値ｆ（Ｎ）を算出する評価値算出処理（ステップＳ７）と、算出した評価値ｆ（Ｎ）の記憶（ステップＳ８）とを、Ｎ＝（ｎ－１）及びＮ＝ｎの各々について行う。つまり、分類装置３は、Ｎ＝（ｎ－１）についてステップＳ５～Ｓ８を行い（ステップＳ４）、次いで、Ｎ＝ｎとして（ステップＳ９，Ｓ１０）、Ｎ＝ｎについてステップＳ５～Ｓ８を行う（ステップＳ１０）。これにより、評価値ｆ（ｎ－１）及び評価値ｆ（ｎ）が得られる。

【0037】

（ｉ）分類処理
図６は、分類処理及び代表変動パターン生成処理の概念を説明する図である。図６に示すように、分類装置３は、分類処理（ステップＳ５）において、Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する。各クラスタには少なくとも１つの変動パターンが分類され、各々のクラスタは変動パターン群である。

【0038】

変動パターンは、エネルギー需要量の時系列データであるから、時系列に並ぶ測定点を直線で繋いだ折れ線グラフによって変動の傾向が表される。そこで、分類装置３は、各変動パターンの周期的な変動を表す特徴量を求め、各変動パターンの特徴量を入力としてＥＭアルゴリズム、ｋ－ｍｅａｎｓ法、及びｋ－近傍法などの公知の教師なしクラスタリングアルゴリズムを用いて、Ｍ個の変動パターンをＮ個のクラスタに分類する。各クラスタには、少なくとも１つの変動パターンが分類される。

【0039】

（ii）代表変動パターン生成処理
分類装置３は、代表変動パターン生成処理（ステップＳ６）において、分類処理の分類結果を用いて各クラスタの代表変動パターンを生成する。クラスタの代表変動パターンは、当該クラスタに分類された変動パターンの平均値又は二乗平均値である。換言すれば、クラスタの代表変動パターンは、当該クラスタに割り当てられた変動パターンの平均値又はその二乗平均値といえる。なお、クラスタに割り当てられた変動パターンが１つの場合は、変動パターンと代表変動パターンとは一致する。

【0040】

（iii）評価値算出処理
分類装置３は、分類処理及び代表変動パターン生成処理の結果を用いて、評価値算出処理（ステップＳ７）を行って、評価値ｆ（Ｎ）を算出し、それを記憶する（ステップＳ８）。評価値ｆ（Ｎ）は、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの差分ｄの総和である。

【0041】

図７は、Ｍ個の変動パターンのうちの１つの変動パターンｍ（ｍ＝１～Ｍ）と、変動パターンｍが分類されたクラスタの代表変動パターンｋとを表したグラフである。図７に示す例では、変動パターンｍと代表変動パターンｋとの間に差が生じている。このことから、変動パターンｍが分類されたクラスタには、変動パターンｍの他にも少なくとも１つの変動パターンが分類されている。

【0042】

変動パターンｍと代表変動パターンｋとの差分ｄには、変動パターンｍと代表変動パターンｋとのエネルギー需要量の非類似度を表す第１指標ｄ₁が含まれる。第１指標ｄ₁は、測定時刻ｔにおける代表変動パターンｋのエネルギー需要量Ｅ_k(t)と変動パターンｍのエネルギー需要量Ｅ_m(t)との差の平方根［Ｅ_k(t)－Ｅ_m(t)］²の累積値である。第１指標ｄ₁は、即ち、測定時刻ｔにおける代表変動パターンｋと変動パターンｍとの二乗距離の累積値である。第１指標ｄ₁は、値が小さいほど評価が高い。本実施形態において、変動パターンｍは０時から２４時まで時系列データであり、測定時刻ｔの数は０から４７までの４８個であるから、第１指標ｄ₁は次の（２）式で表される。

【0043】

【数1】

【0044】

更に、変動パターンｍと代表変動パターンｋとの差分ｄには、変動パターンｍと代表変動パターンｋとのエネルギー需要量の時間変化量の非類似度を表す第２指標ｄ₂が含まれる。第２指標ｄ₂は、測定時刻ｔから次の測定時刻（ｔ＋３０分）までの、代表変動パターンｋのエネルギー需要量の時間変化量Δ₃₀Ｅ_k(t)と、変動パターンｍのエネルギー需要量の時間変化量Δ₃₀Ｅ_m(t)との差の平方根［Δ₃₀Ｅ_k(t)－Δ₃₀Ｅ_m(t)］²の累積値である。本実施形態において、変動パターンｍは０時から２４時まで時系列データであり、測定時刻ｔの数は０から４７までの４８個であるから、第２指標ｄ₂は次の（３）式で表される。

【0045】

【数2】

【0046】

（３）式で示す第２指標ｄ₂は、測定時刻ｔから測定周期である３０分間の時間変化量を考慮したものである。但し、第２指標ｄ₂は、時刻ｔから測定周期ごとに数時間（例えば、１８０分）までの時間変化量が考慮されたものであってもよい。この場合の第２指標ｄ₂は次の（４）式で表される。

【0047】

【数3】

【0048】

図８は、評価値算出処理の概念を説明する図である。図８に示すように、分類装置３は、Ｍ個の変動パターンの全てについて差分ｄ（＝ｄ₁＋ｄ₂）を求め、差分ｄの総和を評価値ｆ（Ｎ）とする。つまり、評価値ｆ（Ｎ）は次の（１）式で表される。但し、（１）式において、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの差分をｄｍ（但し、ｍは１以上Ｍ以下の自然数）とする。

【0049】

【数4】

【0050】

分類装置３は、上記のように算出した評価値ｆ（ｎ－１）と評価値ｆ（ｎ）とを用いてクラスタ数Ｎの適否を評価する。ここで、分類装置３は、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）を求め、差Δｆ（ｎ）と所定の閾値Ａとを比較する（ステップＳ１１）。

【0051】

評価値ｆ（Ｎ）は、変動パターンと代表変動パターンとの乖離度合いを表していることから、小さい値であるほど望ましい。しかし、評価値ｆ（Ｎ）が最小値となるクラスタ数Ｎを求めると、分類装置３の演算量が膨大となるおそれがある。図９は、評価値ｆ（Ｎ）とクラスタ数Ｎとの関係を示す図表であって、この図表において縦軸は評価値ｆを表し、横軸はクラスタ数Ｎを表している。図９に示すように、評価値ｆ（Ｎ）は、Ｎが適切な分類数よりも小さいときはＮの増加に伴って減少し、Ｎが適切な分類数に近づくほど分類数の増加に伴う減少率が小さくなり、Ｎが適切な分類数又はその近傍で減少率の変化が小さくなるような、徐々に所定の値に収束する曲線で表される。なお、Ｎが適切な分類数を超えると評価値ｆ（Ｎ）は徐々に増加する場合もあり得る。よって、Ｎが適切な分類数の近傍にあることを、Ｎの増加に伴う評価値ｆ（Ｎ）の減少率の変化が小さくなったことで推定することができる。

【0052】

このような評価値ｆ（Ｎ）の特性から、図１０に示すような、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）と分類数ｎとの関係が導き出される。ｎが適切な分類数よりも少ないとき、差Δｆ（ｎ）は負の値である。ｎが最適な分類数又はその近傍にあるとき、差Δｆ（ｎ）は０に近い値となる。ｎが最適な分類数又はその近傍にあるとき、差Δｆ（ｎ）は閾値Ａ以上０以下となる。閾値Ａは、絶対値の小さな負の値である。本実施形態では、差Δｆ（ｎ）が閾値Ａ以上であれば、ｎの増加に伴う評価値ｆの変化が十分に小さく、（ｎ－１）は既に「適切な分類数」に到達している判断する。なお、Ｎが適切な分類数を超えると評価値ｆ（Ｎ）が徐々に増加する場合には、ｎが最適な分類数よりも多いがその近傍にあるとき、差Δｆ（ｎ）は０以上Ｂ以下となることがある。この閾値Ｂは絶対値の小さな正の値である。この場合、差Δｆ（ｎ）が閾値Ａ以上Ｂ以下であれば、ｎの増加に伴う評価値ｆの変化が十分に小さく、（ｎ－１）は既に「適切な分類数」に到達している判断してもよい。

【0053】

分類装置３は、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）が閾値Ａよりも小さい値であれば（ステップＳ１１でＮＯ）、評価値ｆの改善の余地が残されているとして、ｎを所定数（本実施形態では１）だけ増やして（ステップＳ１５）、ステップＳ５～ステップＳ１１の処理を繰り返す。

【0054】

分類装置３は、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）が閾値Ａ以上であれば（ステップＳ１１でＹＥＳ）、（ｎ－１）をＭ個の変動パターンの適切な分類数と決定する（ステップＳ１２）。

【0055】

最後に、分類装置３は、Ｍ個の変動パターンの適切な分類数を、出力装置３３或いは他の演算装置へ出力する（ステップＳ１３）。例えば、分類装置３は、Ｍ個の変動パターンを適切な分類数のクラスタに分類したときの各クラスタの代表変動パターンをエネルギー需要の典型的な変動パターンとして出力装置３３に印字出力又は表示出力してもよい。このエネルギー需要の典型的な変動パターンを視認した利用者は、これを利用してエネルギー需要を予測することができる。

【0056】

また、分類装置３は、Ｍ個の変動パターンの適切な分類数をエネルギー需要を予測するエネルギー需要予測装置（図示略）に出力してもよい。エネルギー需要予測装置では、変動パターンの適切な分類数を用いることができるので、高精度のエネルギー需要予測を実現することができる。

【0057】

以上に説明したように、本実施形態に係るエネルギー需要変動パターンの分類方法は、
連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、Ｍ個（但し、Ｍは３以上の自然数）の変動パターンを取得し、
ｉ）Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理と、ii）Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理と、iii）Ｍ個の変動パターンの各々について、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの乖離度合いを表す評価値ｆ（Ｎ）を算出する評価値算出処理とを、Ｎ＝（ｎ－１）及びＮ＝ｎ（但し、ｎは３以上且つＭ以下の自然数）の各々について行って評価値ｆ（ｎ）及び評価値ｆ（ｎ－１）を求め、
評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）と所定の閾値Ａとを比較し、差Δｆ（ｎ）が閾値Ａより小さい場合は、ｎを１ずつ増やして差が閾値以上となるまで分類処理、代表変動パターン生成処理、及び評価値算出処理を繰り返し、差Δｆ（ｎ）が閾値以上の場合は、Ｍ個の変動パターンの適切な分類数を（ｎ－１）と決定することを特徴としている。

【0058】

また、本実施形態に係るエネルギー需要変動パターンの分類システム１００は、連続する所定時間のエネルギー需要量の時系列データを単位変動パターンとして、多数の変動パターンを記憶した記憶装置３２と、出力装置３３と、記憶装置３２及び出力装置３３と電気的に接続された演算装置３１とを備える。
演算装置３１は、
Ｍ個（但し、Ｍは３以上の自然数）の変動パターンを取得し、Ｎ＝（ｎ－１）及びＮ＝ｎ（但し、ｎは３以上且つＭ以下の自然数）の各々についてｉ）、ii）及びiii）を行って評価値ｆ（ｎ）及び評価値ｆ（ｎ－１）を求める。
ｉ）Ｍ個の変動パターンを変動の傾向が類似しているもの同士のＮ個のクラスタに分類する分類処理。
ii）Ｎ個のクラスタの各々について、クラスタの代表変動パターンを求める代表変動パターン生成処理。
iii）Ｍ個の変動パターンの各々について、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの乖離度合いを表す評価値ｆ（Ｎ）を算出する評価値算出処理。
演算装置３１は、更に、
評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差と所定の閾値とを比較し、差が閾値より小さい場合は、ｎを１ずつ増やして差が閾値以上となるまで分類処理、代表変動パターン生成処理、及び評価値算出処理を繰り返し、差が閾値以上の場合は、Ｍ個の変動パターンの適切な分類数を（ｎ－１）と決定し、決定した適切な分類数を出力する。

【0059】

上記エネルギー需要変動パターンの分類方法及びシステム１００では、評価値ｆが最小となる分類数を探索するのではなく、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）が閾値以上となる分類数ｎを探索し、このような分類数ｎが見つかった時点で適切な分類数の探索を終了することができる。つまり、従来のように最小の評価値を特定するために、最小の評価値となる分類数よりも多い分類数について評価値を求める必要がない。よって、本実施形態に係るエネルギー需要変動パターンの分類方法及びシステム１００によれば、従来と比較して演算量が軽減され、且つ、演算が単純となる。

【0060】

また、本実施形態に係るエネルギー需要変動パターンの分類方法及びシステム１００において、エネルギー需要量は、電力エネルギー需要量及び蒸気エネルギー需要量を含んでいてよい。

【0061】

工場のエネルギーマネジメントシステムにおいては、電力エネルギー需要量だけではなく、蒸気エネルギー需要量も重要な管理対象となる。電力エネルギー需要量と蒸気エネルギー需要量とは、対応関係がある日もあれば、対応関係が見られない日もある。その要因として、製品毎に電力エネルギーと蒸気エネルギーの生産時における消費量が異なることや、生産設備毎に電力エネルギーと蒸気エネルギーの消費量が異なることが挙げられる。そのため、電力エネルギー需要量及び蒸気エネルギー需要量を含むエネルギー需要量の変動パターンは、電力エネルギー需要量のみ或いは蒸気エネルギー需要量のみの変動パターンと比較して複雑である。電力エネルギー需要量及び蒸気エネルギー需要量を含むエネルギー需要量の変動パターンでは、季節、生産数、就業人数、及び使用可能な設備数などによって各々の変動パターンになることに加えて、電力エネルギー需要量と蒸気エネルギー需要量の対応関係がある変動パターン、対応関係が無い変動パターン、及び、各々のエネルギー需要量が異なる変動パターンが生じる。その結果、電力エネルギー需要量及び蒸気エネルギー需要量の双方を考慮する場合には、いずれか一方に注目した場合に比べて、分類数の探索範囲は飛躍的に広がる。そのため、従来と比較して演算量が軽減され、且つ、演算が単純となる分類方法が求められる。このように複雑な変動パターンを有するエネルギー需要量は、本実施形態に係る分類方法を適用するに好適である。

【0062】

また、本実施形態に係るエネルギー需要変動パターンの分類方法及びシステム１００において、評価値ｆ（Ｎ）は、Ｍ個の変動パターンの各々について求めた、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの差分ｄの累積値の総和である。即ち、評価値ｆ（Ｎ）は前述の（１）式で表される。

【0063】

このような評価値ｆ（Ｎ）によれば、変動パターンと当該変動パターンが分類されたクラスタの代表変動パターンとの乖離度合いを単純に演算することができる。

【0064】

また、本実施形態に係るエネルギー需要変動パターンの分類方法及びシステム１００において、評価値ｆ（Ｎ）は、変動パターンのエネルギー需要量と代表変動パターンのエネルギー需要量との乖離度合いを表す第１指標ｄ₁と、変動パターンのエネルギー需要量の時間変化量と代表変動パターンのエネルギー需要量の時間変化量との乖離度合いを表す第２指標ｄ₂とを含む。この場合、時間変化量は、エネルギー需要量の測定周期又は測定周期の倍数の時間にわたるエネルギー需要量の変化量であってよい。

【0065】

このような評価値ｆ（Ｎ）によれば、第１指標ｄ₁のみでは累積によって相殺されて特定しきれない乖離度合いを、第２指標ｄ₂によって特定することができる。よって、分類数の評価の精度を高めることができる。

【0066】

また、本実施形態に係るエネルギー需要変動パターンの分類方法は、Ｍ個の変動パターンを適切な分類数に分類したときの各クラスタの代表変動パターンをエネルギー需要の典型的な変動パターンとして印字出力又は表示出力することを更に含んでいる。同様に、エネルギー需要変動パターンの分類システム１００において、出力装置３３は、Ｍ個の変動パターンを適切な分類数に分類したときの各クラスタの代表変動パターンをエネルギー需要の典型的な変動パターンとして印字出力又は表示出力するように構成されている。

【0067】

これにより、利用者はエネルギー需要の典型的な変動パターンを視認することができ、これを利用してエネルギー需要の予測を行うことができる。

【0068】

以上に本発明の好適な実施の形態を説明したが、本発明の思想を逸脱しない範囲で、上記実施形態の具体的な構造及び／又は機能の詳細を変更したものも本発明に含まれ得る。

【0069】

例えば、上記実施形態においては、評価値ｆ（ｎ）と評価値ｆ（ｎ－１）との差Δｆ（ｎ）と閾値Ａとを比較することにより、（ｎ－１）が適切な分類数であることを決定する。但し、評価値ｆ（ｎ）の減少率に基づいて、適切な分類数を決定してもよい。この場合、例えば、評価値ｆ（ｎ）の減少率を［ｆ（ｎ）－ｆ（ｎ－１）］／ｆ（ｎ）×（－１）と定義し、減少率が所定の値（例えば、０．０１～０．０５の任意の数）以下となったときに、（ｎ－１）が適切な分類数であることを決定してもよい。

【0070】

また、上記実施形態においては、ｎを比較的小さい初期値から１つずつ増やして（ステップＳ１５、参照）、（ｎ－１）が適切な分類数となるｎを探索する。但し、ｎの増分は０を除く整数であればよい。例えば、ｎの初期値が適切な分類数より小さな場合に、ステップＳ１５におけるｎの増分は１以上の整数（正の数）となり、適切な分類数より大きなｎの初期値が設定される場合には、ステップＳ１５におけるｎの増分は－１以下の整数（負の数）となる。

【符号の説明】

【0071】

２ ：データ収集装置
３ ：分類装置
４ ：通信ネットワーク
３１ ：演算装置
３２ ：記憶装置
３３ ：出力装置
１００ ：エネルギー需要変動パターンの分類システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】