JP6705716B2 - 電力需要予測方法および電力需要予測プログラム - Google Patents

Description

本発明は、電力需要予測方法および電力需要予測プログラムに関し、電力会社や鉄道事業者の電力供給システムにおける電力需要予測に利用して有効な技術に関する。

電力事業者等の電力供給者は、需要家に対して電力を安定且つ効率的に供給するために、将来の電力需要を予測し、予測した結果に基づいて電力の供給計画を策定している。
従来、電力需要予測方法としては様々な方法が提案されており、電力会社において重回帰式を利用して電力需要を予測する方法として例えば特許文献１に開示されているものがある。また、鉄道事業者の電力供給システムにおける電力負荷（電力消費）を予測する発明として、例えば特許文献２に開示されているものがある。

特開２０１５−１０４１７１号公報 特開平０８−３４２６８号公報

特許文献１に開示されている電力需要予測方法は重回帰式を利用して予測するため、コンピュータを用いて比較的精度の高い予測が可能であるが、電力事業者向けに開発された電力需要予測方法であり、一般の建物における電力需要を予測することに向けられており、鉄道設備における電力需要を反映していないため、鉄道設備における電力需要の占める割合が多い電力会社にとっては精度の高い予測値が得られない。また、鉄道事業者の電力供給システムにおける電力需要を予測するには適していない。
一方、特許文献２に開示されている発明は、鉄道事業者向けに開発された電力需要予測方法であるが、列車の車両数や走行距離、加速距離などをパラメータとして負荷電力量を予測しており、気温等を加味した電力需要予測ではないため、精度の高い予測結果が得られないという課題がある。

現在、鉄道事業者の電力供給システムでは、電力会社の発電所もしくは自社管理の発電所から電力供給を受け、電車の運転・空調・各種サービス機器、現業機関、駅ビル等の電力需要を賄っている。電力会社や鉄道事業者の発電所では、翌日以降の発電計画を基に発電業務を行なっており、発電計画の立案に際しては、 翌日の電力需要を予測して計画を立てることが行われている。

ところで、鉄道事業者管理下の発電所はもちろん電力会社において、発電の計画値を定める上では、翌日の電力需要を正確に予測することが不可欠であり、従来は担当者が手作業で需要予測を行なっていることがあるが、その場合、長年の勘と経験に依存する部分が大きく、誰もが同等の精度を出せる手法としては確立されていない。また、人に依存する需要予測では予測結果が得られるまでに時間がかかってしまうという課題があった。

本発明は上記のような課題に着目してなされたもので、人の勘と経験によらず電力需要を短時間で高精度に予測することが可能な電力需要予測方法および電力需要予測プログラムを提供することを目的とする。
本発明の他の目的は、鉄道事業者や電力会社が発電所における発電計画を立案するのに利用して有効な電力需要予測方法および電力需要予測プログラムを提供することにある。

上記課題を解決するために、本出願の発明に係る電力需要予測方法は、
重回帰分析によって所定時間単位で電力の需要を予測する電力需要予測方法であって、
目的変数を電力負荷とするとともに、説明変数として、少なくとも、気温、気温の２乗、曜日、繁忙期、直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、次の回帰式
目的変数＝ａ＋ｂ*Ｘ1＋ｃ*Ｘ2+ｄ*Ｘ3＋ｅ*Ｘ4＋ｆ*Ｘ5＋ｇ*Ｘ6
を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成し、該複数の予測式の前記目的変数と前記説明変数Ｘ1,Ｘ2,Ｘ3,Ｘ4,Ｘ5,Ｘ6に、過去数年分の実績値を入れて、各予測式に対応した定数ａおよび係数ｂ，ｃ，ｄ，ｅ，ｆ，ｇの値を得た後、
予測対象の説明変数Ｘ1,Ｘ2,Ｘ3,Ｘ4,Ｘ5,Ｘ6を対応する予測式に代入して、電力需要の予測値を算出するようにしたものである。

上記のような方法によれば、人の勘と経験に頼ることなく、従来の人による電力需要予測と比べても遜色のない電力需要予測を行うことができる。特に、本発明方法は、重回帰分析による予測式の説明変数に、一般的な「気温」の他に「気温の２乗」を含んでいるため、精度の高い電力需要予測が可能である。また、コンピュータを利用して予測を行うことができるため、短時間に予測結果が得られるとともに、省力化を達成することができる。なお、本明細書において、「実績」なる語は「実測」と同義である。また、「過去数年」には１年も含まれる。

ここで、望ましくは、鉄道事業者の電力供給システムにおける電力の需要を予測する場合において、前記温度境界条件を負荷−気温特性の最小点近傍の温度とするようにする。
上記のような方法によれば、鉄道事業者が発電所における発電計画を立案する際に、冷房運転や暖房運転の影響を考慮した電力需要を、人の勘と経験によらず短時間に高精度で予測することができる。

さらに、望ましくは、前記説明変数のうち気温および気温の２乗について、前日の予報気温もしくは当日の予報気温、または前日の予報気温および当日の予報気温、を説明変数として予測式を作成し、作成した前記予測式を用いて電力需要を予測するようにする。
このような方法とすることにより、従来の人による電力需要予測よりも高精度に電力需要を予測することができる。

また、望ましくは、前記電力負荷の実績値を記憶する記憶装置には、異常値であることを示すフラグを付記した実績データを格納しておいて、前記基本演算式を用いて定数ａおよび係数ｂ，ｃ，ｄ，ｅ，ｆ，ｇの値を得る際に、前記フラグが付いている実績データを除いたデータを用いるようにする。
かかる方法によれば、異常発生時の実績データを除いた状態で電力需要の予測式の定数や係数を決定することができ、それによって電力需要をより高精度に予測することができる。

本発明によれば、人の勘と経験によらず電力需要を短時間で高精度に予測することが可能な電力需要予測方法および電力需要予測プログラムを提供することができる。また、鉄道事業者が発電所における発電計画を立案するのに利用して有効な電力需要予測方法および電力需要予測プログラムを提供できるという効果がある。

本発明に係る電力需要予測方法を実施するためのシステムの一構成例を示すブロック図である。 実施形態における予測式の分け方（パターン分割）の一例を示すイメージ図である。 年間の気温と電力負荷（電力使用量）との関係の一例を示す図である。 実施形態の電力需要予測手法によって行なった予測値と実際に計測された実績値との関係を示した図である。

以下、図面を参照しながら、本発明に係る電力需要予測方法の実施の形態について説明する。本実施形態においては、図１に示すような機能ブロックからなるシステムを利用して電力需要予測を行うことができる。
図１に示すシステムは、一般的なコンピュータシステムにより実現することができるもので、マイクロプロセッサ（ＭＰＵ）のようなプログラム方式の演算処理装置１１およびＲＯＭ（読出し専用メモリ）１２やＲＡＭ（随時読出し書込み可能なメモリ）１３のような記憶手段を備えた電力需要予測実行部１０と、電力需要予測に必要なデータを記憶した記憶装置２１と、ユーザインタフェース（ユーザＩ／Ｆ）２２と、キーボードやマウスなどの入力装置２３と、液晶表示パネルのような表示装置２４と、を備えている。

上記記憶装置２１には、本実施形態の電力需要予測に必要なデータとして、過去数年間（例えば２年間）の日毎、時間帯毎の実測気温データおよび日毎、時間帯毎の電力負荷データ（電力使用量の実測値）が実績値として格納されるようになっている。
電力需要予測の実行に必要なプログラムおよび基本演算式は電力需要予測実行部１０のＲＯＭ１２に記憶されており、マイクロプロセッサ（ＭＰＵ）１１が該プログラムに従って電力需要予測に必要な演算処理を実行する。ここで、演算処理には、基本演算式に基づく予測式の作成および予測値の算出が含まれる。

本発明に係る電力需要予測は、重回帰分析を利用するもので、重回帰式における説明変数として、例えば以下のようなパラメータを選択したことを特徴としており、特に（２）の「気温の２乗」をパラメータとして選択したことおよび後に説明するように複数個（例えば９６個）の予測式を作成するようにしたことにも特徴がある。
［説明変数の例］
（１）気温 ：Ｘ1
（２）気温の２乗 ：Ｘ2
（３）曜日 ：Ｘ3
（４）繁忙期 ：Ｘ4
（５）直近数週間負荷平均値：Ｘ5
（６）直近数週間気温平均値：Ｘ6
ここで「繁忙期」とはゴールデンウィークのような連休期間や盆、暮れ、正月のように公共交通機関を利用した人の移動が非常に多い期間を指す。

例えば上記６つの説明変数Ｘ1〜Ｘ6を用いた基本演算式としての重回帰式は、次式
目的変数＝ａ＋ｂ*Ｘ1＋ｃ*Ｘ2+ｄ*Ｘ3＋ｅ*Ｘ4＋ｆ*Ｘ5＋ｇ*Ｘ6
で示される。上式で「目的変数」は電力負荷（電力消費量）である。本実施形態では、記憶装置２１に記憶されている過去２年分の実測値から、重回帰分析によって、上記式における定数ａおよび係数ｂ〜ｇを決定し、例えば９６個の予測式を作成する。そして、作成した予測式を用いて、時間帯ごとに電力需要量を予測していく。この予測式は、
予測値Ｅ＝ａ＋ｂ*Ｘ1＋ｃ*Ｘ2+ｄ*Ｘ3＋ｅ*Ｘ4＋ｆ*Ｘ5＋ｇ*Ｘ6
で示される。定数ａおよび係数ｂ〜ｇは上記重回帰分析によって決定されているので、その値を用いることで予測値Ｅが得られる。

上記定数ａおよび係数ｂ〜ｇを決定する際に、目的変数および説明変数Ｘ1〜Ｘ6に入れる値は、記憶装置２１から読み出された実績値であり、予測式の数に対応した時間単位のデータを用いる。具体的には、予測式の数が図２に示すように９６個の場合、１時間単位のデータを用いることとなる。
上記予測式を用いて予測値Ｅを算出する際に、上記説明変数Ｘ1とＸ2に入れる値は、それぞれ予想する日の予報気温と予報気温の２乗である。また、上記予測式を用いて、繁忙期以外の電力予測値Ｅを算出する場合には説明変数Ｘ4は使用しない。

なお、重回帰分析は、公知の分析用ソフトウェアによって行うことができるので、詳しい説明は省略する。
直近数週間負荷平均値Ｘ5と直近数週間気温平均値Ｘ6を説明変数として選択したのは、気象現象等に起因して冷夏時や暖冬時のように過去のその時期の平均気温からずれている場合にも、精度の高い予測結果が得られるようにするためである。

一方、上述したように、９６個の予測式を作成することとしたのは、鉄道事業に特有の電力需要を考慮した結果であり、以下にその理由を説明する。
本発明者らは、本発明に係る電力需要予測方法を開発するに当たり、過去の実測データの特徴について検討した。まず、鉄道事業における電力需要は、社会一般の電力需要と異なり走行させる列車の本数の影響を受ける。そして、列車本数は、平日と平日以外（土日、正月等）とで大きく異なる。また、列車本数は時間帯によっても異なっている。なお、鉄道事業者の電力供給システムにおける電力負荷には、列車が消費する電力の他、駅舎等で消費する電力も含まれるが、列車が消費する電力の方が全体に占める割合が大きい。

これらのことから、時間帯を２４に分けた場合、さらに平日と平日以外を区別すると４８パターンに分かれることが分かる。また、過去の実測データを分析したところ、エアコン使用の冷房帯、暖房帯の境界と想定される気温１６度近傍を境に、分割して予測することが有効であることが分かった。そこで、気温１６度以上と１６度未満とで予測式を異ならせることとした。その結果、合計で９６個の予測式を使用することが有効であるとの結論に達した。なお、１６度については、固定ではなく、環境などに応じて変化する可能性がある。この１６度等の温度が、特許請求の範囲における負荷−気温特性の最小点近傍の温度である。

図２に、９６個の予測式の分け方（パターン分割）のイメージを示す。図２において、例えば式（２）は、「平日」の「２時」台であって予測気温が１６度以上の場合に使用する予測式であることを意味する。なお、この「１６度」などの気温は本発明者らが想定したエリアでの値であり、予測式の作成および予測値の算出に用いる気温はそのエリア内の適当な地点の値が選択される。
また、説明変数として、気温Ｘ1の他に、気温２乗Ｘ2を含ませることとしたのは、横軸に気温、縦軸に電力負荷（任意単位(a.u.)）をとったグラフに過去２年分の実測値をプロットしたところ、図３に示すような結果が得られたためである。なお、図３は「平日のある時間」に関するものであるが、「休日」に関してもほぼ同様なグラフとなった。図３より、各点は下向きに凸状をなす曲線に集中している。このことから、本実施形態のように、気温２乗を説明変数として用いることが有効であることが分かる。

また、本実施形態においては、記憶装置２１内に格納されている過去の実績データ（実測電力負荷）に、輸送障害等が発生した日のデータには異常値であることを示すフラグを時間帯毎に付記して格納しておいて、上記重回帰分析を実行するに際して、スクリーニングを行なって異常フラグが付いているデータを予測のための演算に使用しないようにしている。さらに、大きなイベントが開催された等の理由で一時的に電力消費が増加したと考えられるようなデータがあった場合、そのデータにも異常フラグを付記して、電力需要予測に使用しないようにしても良い。

次に、上記予測式を用いた本実施形態の電力需要予測手法の評価結果について説明する。
本発明者らは、過去２年分の実績データを用いて上記予測式を用いた電力需要予測手法による予測結果について、予測精度の評価指数としての決定係数Ｒ²と平均絶対誤差率（ＭＡＰＥ）を用いた評価を行なったので、その評価結果と比較結果について説明する。

図４は、上記電力需要予測手法によって行なった電力需要予測値（任意単位(a.u.)）と実際に計測された電力需要実績値（任意単位(a.u.)）との関係を示す。図４より、各点はほぼ１本の直線の近傍に集中していることが分かる。また、これらの予測値と実績値とから決定係数Ｒ²を求めたところ、Ｒ²は０．９９以上であった。決定係数は、予測精度を示す評価指標であり、相関係数Ｒの２乗で表わされる値で、「１」に近いほど精度が高いことを意味している。

また、上記電力需要予測手法によって行なった予測値と実績値とに基づいて求めた絶対誤差率を検証した。平均絶対誤差率（ＭＡＰＥ）は、予測値と実績値の差を実績値で割ったものの平均値であり、値が小さいほど精度が高いことを意味している。本実施形態の予測結果の場合、３％前後であった。
図４から、本実施形態の電力需要予測手法は非常に精度が高いこと分かる。
さらに、予測式における（１）と（２）の説明変数の「気温」と「気温の２乗」として、「当日発表の予報気温」を使用することで、より高い精度で予測が行えることが分かった。

さらに、重回帰分析に使用する説明変数は前述の６種類に限定されるものではなく、「予報気温」として「前日予報気温」と「当日の予報気温」をそれぞれ説明変数として用いたり、「直近数時間の電力負荷実測値」など他の説明変数を加えたりして、７種類、８種類……としても良く、それによって予測の精度をさらに高めることが可能である。
また、前日の予測では、前述の６種類の説明変数を使用し、当日の予測では前述の６種類のうち、気温と気温２乗を当日の予報値とすることで、従来の人手による予測の精度と同等以上の精度が得られることを確認することができている。

以上、本発明の各実施の形態について説明したが、本発明は上記実施形態に限定されるものではなく、種々の変形や変更が可能である。例えば、上記実施形態では９６個の予測式を使用するとしたが、例えば３０分毎、９０分毎あるいは２時間毎に式を切り替えるようにすることで、１９２個や６４個、４８個等任意の数の予測式を立てるようにすることができる。１分毎に予測式を切り替えることも可能である。
また、説明変数「直近数週間負荷平均値」と「直近数週間気温平均値」としては、例えば直近１〜３週間あるいは１０〜２０日間の負荷平均値と気温平均値を用いても良い。要するに、任意の期間を定めその期間の平均値をとるようにすることができる。

１０ 演算処理装置
１１ ＭＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
２１ データ記憶装置
２２ ユーザインタフェース
２３ 入力装置
２４ 表示装置

Claims (5)

1. 重回帰分析によって所定時間単位で電力の需要を予測する電力需要予測方法であって、
   目的変数を電力負荷とするとともに、説明変数として、少なくとも、気温、気温の２乗、曜日、繁忙期、直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、次の回帰式
   目的変数＝ａ＋ｂ*Ｘ1＋ｃ*Ｘ2+ｄ*Ｘ3＋ｅ*Ｘ4＋ｆ*Ｘ5＋ｇ*Ｘ6
   を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成し、該複数の予測式の前記目的変数と前記説明変数Ｘ1,Ｘ2,Ｘ3,Ｘ4,Ｘ5,Ｘ6に、過去数年分の実績値を入れて、各予測式に対応した定数ａおよび係数ｂ，ｃ，ｄ，ｅ，ｆ，ｇの値を得た後、
   予測対象の説明変数Ｘ1,Ｘ2,Ｘ3,Ｘ4,Ｘ5,Ｘ6を対応する予測式に代入して、電力需要の予測値を算出することを特徴とする電力需要予測方法。
2. 鉄道事業者の電力供給システムにおける電力の需要を予測する場合において、前記温度境界条件を負荷−気温特性の最小点近傍の温度とすることを特徴とする請求項１記載の電力需要予測方法。
3. 前記説明変数のうち気温および気温の２乗について、前日の予報気温もしくは当日の予報気温、または前日の予報気温および当日の予報気温、を説明変数として予測式を作成し、作成した前記予測式を用いて電力需要を予測することを特徴とする請求項１または２に記載の電力需要予測方法。
4. 前記電力負荷の実績値を記憶する記憶装置には、異常値であることを示すフラグを付記した実績データを格納しておいて、前記基本演算式を用いて定数ａおよび係数ｂ，ｃ，ｄ，ｅ，ｆ，ｇの値を得る際に、前記フラグが付いている実績データを除いたデータを用いることを特徴とする請求項１〜３のいずれか１項に記載の電力需要予測方法。
5. コンピュータに、
   目的変数を電力負荷とするとともに、説明変数として、少なくとも、気温、気温の２乗、曜日、繁忙期、直近数週間負荷平均値、直近数週間気温平均値を使用し、基本演算式として、次の回帰式
   目的変数＝ａ＋ｂ*Ｘ1＋ｃ*Ｘ2+ｄ*Ｘ3＋ｅ*Ｘ4＋ｆ*Ｘ5＋ｇ*Ｘ6
   を、平日と平日以外の条件と、温度境界条件と、時間帯条件とに応じて分割して複数の予測式を作成する処理と、
   前記複数の予測式の前記目的変数と前記説明変数Ｘ1,Ｘ2,Ｘ3,Ｘ4,Ｘ5,Ｘ6に、過去数年分の実績値を入れて、各予測式に対応した定数ａおよび係数ｂ，ｃ，ｄ，ｅ，ｆ，ｇの値を求める処理と、
   予測対象の説明変数Ｘ1,Ｘ2,Ｘ3,Ｘ4,Ｘ5,Ｘ6を対応する予測式に代入して、電力需要の予測値を算出する処理と、
   を実行させるための電力需要予測プログラム。