JP7099805B2 - 予測装置、予測システム、予測方法及びプログラム - Google Patents

Description

本発明は、予測装置、予測システム、予測方法及びプログラムに関する。

エネルギー、資源を効率的に利用するために、需要家はエネルギー及び資源の需要を予測して、需要に応じた供給を確保する計画を作成する必要がある。
例えば電力を利用する場合、需要家は単位時間（例えば３０分）ごとの需要を予測して、電力事業者から必要な電力を購入する契約を結ぶ。このとき、需要家は、単位時間別の需要量のうち最大となる需要量を基に、電力事業者から購入する電力、即ち、契約電力として設定する。
また、需要家は、電力事業者に対し、契約電力に応じた基本料金と、実際に使用した電力量に応じた従量料金とを支払う。需要家は、契約電力を小さくするほど基本料金を安くすることができるが、一方で、契約電力を超える電力を使用（購入）した場合、電力事業者に対して超過違約金を支払わなければならない。このため、需要家は、基本料金及び超過違約金を低減させるために、精度の高い需要予測を行う必要がある。

電力の需要を予測する方法として、例えば特許文献１では、電気負荷別に用意された予測モデルに天気等の条件を入力することにより、電気負荷別の電力需要量を予測する方法が開示されている。
また、需要家が有する設備等を模倣した物理モデルを作成し、当該物理モデルにおいて複数の条件（説明変数）を確率的に変動させたシミュレーションを多数実行して電力需要量（目的変数）を求める、モンテカルロシミュレーションを用いた予測方法が知られている。

特開２０１５－２０１９７２号公報

しかしながら、従来の予測方法では、需要家が有する多数の設備を網羅した詳細な物理モデルを作成する必要があり、このような物理モデルを作成するために多くの時間が必要となる。
また、モンテカルロシミュレーションを用いた予測方法では、予測精度を向上させるために多くのシミュレーションを実行する必要があり、予測結果を得るのに長時間を要する。このため、例えば３０分後を予測対象期間として電力需要量を予測する場合、予測対象期間までに全てのシミュレーションを完了することができず、実際に電力の調達を行う前に予測結果を得られない可能性がある。

本発明は、このような課題に鑑みてなされたものあって、高速で需要予測を行うことができる予測装置、予測システム、予測方法及びプログラムを提供する。

上記課題を解決するため、本発明は以下の手段を採用している。
本発明の第一の態様によれば、予測装置（１００）は、過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部（１１０）と、複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す説明変数を設定する分類処理部（１３１）と、将来の予測対象期間における前記説明変数と適合するパターンを選択し、当該パターンに分類される波形に統計処理を施すことにより、前記予測対象期間において前記目的変数が取り得る値の確率分布を演算する確率演算部（１３２）と、前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部（１３３）と、を備える。
このように、予測装置は、予測対象期間における説明変数と適合するパターンに分類された波形に対して確率分布を演算し、当該確率分布に基づいて目的変数の値を求めることにより、演算及び予測を迅速に実行することができる。このため、例えばモンテカルロシミュレーションを用いる既存の予測方法よりも、演算及び予測にかかる時間を短縮させることができる。

本発明の第二の態様によれば、上述の態様に係る予測装置において、前記予測部は、前記確率分布に基づいて、前記予測対象期間において予め決められた信頼区間の範囲で前記目的変数が取り得る値のうち、上限値及び下限値を求める。
このようにすることで、予測装置は、予測対象期間において目的変数が取り得る値のうち、確実性の低い値を排除した上で、精度の高い上限値及び下限値を求めることができる。

本発明の第三の態様によれば、上述の何れか一の態様に係る予測装置は、前記予測部が求めた前記目的変数の値に基づいて、当該目的変数に関連する対象物の需給計画を作成する計画作成部（１３４）を更に備える。
このように、予測装置は、予測部が予測した目的変数の値に基づいて予測対象期間における需給計画を作成するので、予測対象期間における計画的な機器の最適運用が可能となる。

本発明の第四の態様によれば、予測システムは、プラントにおける目的変数の実際の値を計測する計測装置（１０）と、前記プラントの将来の予測対象期間において前記目的変数の取り得る値を求める予測装置（１００）と、を備える。
前記予測装置は、前記計測装置により計測された前記目的変数の値を時系列に表す波形を取得する波形取得部（１１０）と、複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す説明変数を設定する分類処理部（１３１）と、前記説明変数に適合する前記予測対象期間において前記目的変数が取り得る値の確率分布を統計処理に基づいて演算する確率演算部（１３２）と、前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部（１３３）と、を有する。

本発明の第五の態様によれば、予測方法は、過去に計測された目的変数の値を時系列に表す波形を取得する波形取得ステップと、複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す説明変数を設定する分類処理ステップと、前記説明変数に適合する将来の予測対象期間において前記目的変数が取り得る値の確率分布を統計処理に基づいて演算する確率演算ステップと、前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測ステップと、を有する。

本発明の第六の態様によれば、プログラムは、予測装置のコンピュータを、過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部、複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す説明変数を設定する分類処理部、前記説明変数に適合する将来の予測対象期間において前記目的変数が取り得る値の確率分布を統計処理に基づいて演算する確率演算部、前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部、として機能させる。

本発明に係る予測装置、予測システム、予測方法及びプログラムによれば、高速で需要予測を行うことができる。

本発明の一実施形態に係る予測装置の機能構成を示す図である。 本発明の一実施形態に係る分類装置の処理フローを示す第１の図である。 本発明の一実施形態に係る分類処理を説明するための図である。 本発明の一実施形態に係る分類装置の処理フローを示す第２の図である。 本発明の一実施形態に係る予測処理を説明するための第１の図である。 本発明の一実施形態に係る予測処理を説明するための第２の図である。 本発明の一実施形態に係る予測装置のハードウェア構成を示す図である。

（予測システムの機能構成）
以下、本発明の一実施形態に係る予測システムについて、図１～図７を参照しながら説明する。
本実施形態では、電力を消費するプラントを需要家の例として説明する。プラントは、例えば発電所、工場、倉庫、商業施設等の施設である。また、本実施形態において、予測システムは、プラントにおいて消費される電力、即ち、電力の需要量の予測を行う例について説明する。
また、以下の説明において、予測システムが予測する需要量は「目的変数」とも称する。目的変数とは、予測したい変数のことである。目的変数は、「従属変数」、「外的基準」とも呼ばれ、物事の結果ととらえることもできる。

図１は、本発明の一実施形態に係る予測装置の機能構成を示す図である。
図１に示すように、予測システム１は、計測装置１０と、サーバ２０と、予測装置１００とを備えている。
計測装置１０は、プラントＡに設けられており、プラントＡが使用した電力量（電力需要量）と、プラントＡの状態とを、単位時間（例えば３０分）ごとに計測する。
プラントＡの状態情報は、例えばプラントＡが工場である場合、プラントＡの生産量、設備の稼働状態等の情報を含む。生産設備の稼働状態とは、例えば空調、照明、生産設備のように電力を消費する設備の単位時間別の稼働率である。
計測装置１０は、プラントＡにおける実際の電力需要量を計測するための電力計１１と、プラントＡの実際の生産量、稼働状態を計測するためのセンサ部１２とを有している。
また、計測装置１０は、計測した電力需要量及び計測日時を関連付けた「需要情報」と、計測した状態及び計測日時を関連付けた「状態情報」とを、計測結果として予測装置１００に送信する。
サーバ２０は、予測装置１００とネットワークＮＷを介して通信可能に接続されている。
サーバ２０は、地域別及び時刻別の「天気情報」を収集して予測装置１００へ送信する。天気情報は、例えば天気、最高気温、最低気温、湿度、降雨量、風速等の情報を含む。

予測装置１００は、計測装置１０から受信した計測結果と、サーバ２０から取得した天気情報とに基づいて、プラントＡの将来の予測対象期間における電力需要量を単位時間ごとに予測する。予測対象期間は、例えば翌日の０時～２４時である。
予測装置１００は、図１に示すように、波形取得部１１０と、変数取得部１２０と、処理部１３０と、記憶部１４０とを備えている。

波形取得部１１０は、過去に計測されたプラントＡの電力需要量を時系列に表す波形を取得する。
具体的には、波形取得部１１０は、計測装置１０から受信した複数の需要情報を所定の期間ごとに分割して、分割した需要情報を時系列に並べることにより、電力需要量の推移を時系列に表す波形を取得する。そして、波形取得部１１０は、波形を記憶部１４０に記憶して蓄積する。
本実施形態では、波形取得部１１０は、例えば所定の期間を１日（各日０時～２４時）とし、日別の波形を取得する。

変数取得部１２０は、説明変数を取得する。説明変数とは、目的変数を説明する変数のことであ。説明変数は、「独立変数」とも呼ばれ、物事の原因ととらえることもできる。本実施形態では、説明変数は、電力需要量に影響を与える要因（特性）を示すものである。
具体的には、変数取得部１２０は、記憶部１４０に予め記憶されているプラントＡの所在地、休日、始業時間、終業時間等の情報を含む「施設情報」を説明変数として取得する。なお、記憶部１４０にはカレンダが記憶されており、変数取得部１２０は、日付に対応する曜日をカレンダから取得するようにしてもよい。
また、計測装置１０から「状態情報」を、サーバ２０からプラントＡの所在地を含む地域の「天気情報」を、説明変数として取得する。
更に、変数取得部１２０は、プラントＡの予測対象期間における「予定情報」を説明変数として取得する。予定情報は、例えばプラントＡが工場である場合、予測対象期間におけるプラントＡの予定生産量、設備の予定稼働状態等である。予定情報は、記憶部１４０に予め記憶されていてもよいし、サーバ２０を介してオペレータが入力するようにしてもよい。

処理部１３０は、分類処理部１３１と、確率演算部１３２と、予測部１３３と、計画作成部１３４とを有している。
分類処理部１３１は、記憶部１４０に蓄積された複数の波形のうち、類似する波形同士を一のパターンに（一のパターン・一の類型として）分類し、当該一のパターンに分類された波形に共通する特性を示す説明変数を設定する。分類処理部１３１は、複数の波形を用いて機械学習を行うことにより、特性に対してどのような波形の傾向（パターン）が出現するかの関係を示す決定木を作成する。
特性とは、状態情報、天気情報、及び施設情報に含まれる情報のうち少なくとも一つの情報の値を示す。例えば、プラントＡの休日に類似する波形が多く表れる場合、これら波形に共通する特性は「休日」である。即ち、波形に共通する特性とは、電力需要量に影響を与えて波形を変化させる要因でもある。
なお、「共通する」とは、値が一致すること（例えば取得した日が「休日」）のみに限られず、値が所定の範囲内であること（例えば最高気温が「１０度以上１５度未満」）、値が所定の閾値を超えること（例えば最高気温が「３０度以上」、「０度未満」）も含む。

確率演算部１３２は、将来の予測対象期間における説明変数と適合するパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、予測対象期間において電力需要量が取り得る値の確率分布を演算する。例えば、本実施形態において、確率演算部１３２は統計処理として正規分布の手法を用いて確率分布を演算する例について説明するが、これに限られることは無い。他の実施では、確率演算部１３２は、統計処理として、例えば最尤推定、ポアソン分布、ｔ分布、二項分布等の手法を用いて確率分布を演算してもよい。
また、本実施形態では、確率演算部１３２は、予測対象期間を更に単位時間で分割して、単位時間別の確率分布を演算する。

予測部１３３は、確率演算部１３２が演算した確率分布に基づいて、予測対象期間における電力需要量を予測する。

計画作成部１３４は、予測部１３３が予測した電力需要量に基づいて、プラントＡの予測対象期間における電力の調達計画を作成する。

記憶部１４０には、波形取得部１１０が取得した波形と、変数取得部１２０が取得した説明変数とが逐次記憶される。また、記憶部１４０には、施設情報が予め記憶されている。

（予測システムの処理フロー）
図２は、本発明の一実施形態に係る分類装置の処理フローを示す第１の図である。
図３は、本発明の一実施形態に係る分類処理を説明するための図である。
予測装置１００は、電力需要量の予測を行う前に、プラントＡの波形を蓄積するとともに、波形を分類する処理を行う。以下、図２～図３を参照して、当該分類処理の詳細について説明する。

図２に示すように、波形取得部１１０は、計測装置１０から受信した複数の需要情報に基づいて、電力需要量の推移を時系列に表す波形を取得する（ステップＳ１００）。
本実施形態では、波形取得部１１０は、複数の需要情報を時系列に並べた波形を取得する。更に、波形取得部１１０は、波形を１日ごとに分割することにより、日別（各日０時～２４時）の波形を取得する。また、波形取得部１１０は、記憶部１４０に日別の波形を記憶して蓄積する。
このとき、変数取得部１２０は、それぞれの波形と同じ期間に計測されたプラントＡの状態情報と、天気情報とを、計測装置１０及びサーバ２０のそれぞれから取得する。

次に、分類処理部１３１は、記憶部１４０に蓄積された複数の波形を用いて機械学習を行い、決定木を作成する（ステップＳ１０１）。
分類処理部１３１は、機械学習により、特性（状態情報、天気情報、及び施設情報に含まれる情報のうち少なくとも一つの情報の値）と、波形とに基づいて、いずれの特性により類似する波形が多く表れるかを分類する。そして、分類処理部１３１は、図３に示すように、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された波形に共通する特性を示す説明変数を設定した決定木を作成する。
例えば、図３に示すように、類似する波形同士をそれぞれパターン１、パターン２、パターン３…に分類したとする。このとき、「最高気温が２０度以上」である場合にパターン１の波形が多く出現する場合、「最高気温が２０度以上」であるとの特性がパターン１の説明変数として設定される。

予測装置１００は、新たな波形を取得する度に、又は所定のタイミング（例えば１ヶ月おき）で上述の処理を繰り返して決定木を更新する。

図４は、本発明の一実施形態に係る分類装置の処理フローを示す第２の図である。
図５は、本発明の一実施形態に係る予測処理を説明するための第１の図である。
図６は、本発明の一実施形態に係る予測処理を説明するための第２の図である。
以下、図４～図６を参照して、予測装置１００が電力需要量の予測及び電力の調達計画の作成を行う処理の詳細について説明する。
図４に示すように、まず、変数取得部１２０は、プラントＡの将来の予測対象期間における説明変数を取得する（ステップＳ２００）。
例えば、翌日の電力需要量を予測する場合、変数取得部１２０は、翌日の日付に関連付けられた各種情報を記憶部１４０、サーバ２０から取得する。例えば、変数取得部１２０は、翌日のプラントＡの予定生産量、設備の予定稼働状態を含む予定情報を記憶部１４０又はサーバ２０から取得する。また、変数取得部１２０は、翌日のプラントＡの所在地を含む地域の天気情報をサーバ２０から取得する。

次に、確率演算部１３２は、変数取得部１２０が取得した説明変数と、分類処理部１３１が作成した決定木とに基づいて、予測対象期間における波形のパターンを推測して選択する（ステップＳ２０１）。

次に、確率演算部１３２は、選択したパターンに含まれる複数の波形に対して統計処理を行うことにより、予測対象期間を単位時間別に分割し、単位時間別に電力需要量が取り得る値の確率分布を演算する（ステップＳ２０２）。
例えば、確率演算部１３２は、電力需要量の取り得る値が正規分布に従うと仮定した場合、図５に示すように、当該確率分布を正規分布によって表す。

次に、予測部１３３は、単位時間別の正規分布に基づいて、予め定められた信頼区間の範囲に含まれる電力需要量の下限値及び上限値を予測する（ステップＳ２０３）。例えば信頼水準が９７％となる信頼区間を設定した場合、電力需要量の平均をμ、平均からの標準偏差をσとすると、下限値（図５のＭＩＮ）はおよそ「μ－２σ」で示される値、上限値（図５のＭＡＸ）はおよそ「μ＋２σ」で示される値となる。
そして、予測部１３３は、図６に示すように、単位時間別に計算された電力需要量の下限値及び上限値を時系列に並べて、予測対象期間における下限値の推移を表す波形（図６のＭＩＮ）と、上限値の推移を表す波形（図６のＭＡＸ）とを予測する。

次に、計画作成部１３４は、予測部１３３が予測した電力需要量に基づいて、プラントＡの予測対象期間における電力の調達計画を作成する（ステップＳ２０４）。
例えば、計画作成部１３４は、確率演算部１３２が予測した電力需要量の上限値のうち、最も大きい値以上の電力の調達が可能となるように契約電力を設定した調達計画を作成する。なお、計画作成部１３４は、プラントＡが有する発電装置及びコジェネレーションシステムを利用することにより、電力事業者から調達（買電）する電力を減らせる場合は、当該減少分を考慮した調達計画を作成するようにしてもよい。

予測装置１００は、所定のタイミング（例えば各日）ごとに上述の処理を繰り返して、将来の予測対象期間における電力需要量を予測し、電力の調達計画を作成する。

（予測装置のハードウェア構成）
図７は、本発明の一実施形態に係る予測装置のハードウェア構成を示す図である。
以下、図７参照して、本実施形態に係る予測装置１００のハードウェア構成について説明する。

コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、入出力インタフェース９０４、通信インタフェース９０５を備える。
上述の予測装置１００は、コンピュータ９００に実装される。そして、上述した予測装置１００の各部の動作は、プログラムの形式でそれぞれのコンピュータ９００が有する補助記憶装置９０３に記憶されている。ＣＰＵ９０１（処理部１３０）は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９０１は、プログラムに従って、記憶部１４０に対応する記憶領域を主記憶装置９０２に確保する。また、ＣＰＵ９０１は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置９０３に確保する。
なお、コンピュータ９００は、入出力インタフェース９０４を介して、外部記憶装置９１０と接続されており、上記記憶部１４０は外部記憶装置９１０に確保されてもよい。また、コンピュータ９００は、通信インタフェース９０５を介して、外部記憶装置９２０と接続されており、上記記憶部１４０は外部記憶装置９２０に確保されてもよい。

なお、少なくとも一つの実施形態において、補助記憶装置９０３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、入出力インタフェース９０４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ９００に配信される場合、配信を受けたコンピュータ９００が当該プログラムを主記憶装置９０２に展開し、上記処理を実行しても良い。

また、当該プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、当該プログラムは、前述した機能を補助記憶装置９０３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であっても良い。

（作用効果）
以上のように、本実施形態に係る予測装置１００は、過去に計測された電力需要量（目的変数）の値を時系列に表す波形を取得する波形取得部１１０と、複数の波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された波形に共通する特性を示す説明変数を設定する分類処理部１３１と、将来の予測対象期間における説明変数と適合するパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、予測対象期間において電力需要量が取り得る値の確率分布を演算する確率演算部１３２と、確率分布に基づいて、予測対象期間における電力需要量を予測する（目的変数を求める）予測部１３３と、を備える。
このように、予測装置１００は、予測対象期間における説明変数と適合するパターンに分類された波形のみに対して確率分布を演算し、当該確率分布に基づいて目的変数の値を求めることにより、演算及び予測を迅速に実行することができる。このため、例えばモンテカルロシミュレーションを用いる既存の予測方法よりも、演算及び予測にかかる時間を短縮させることができる。
また、上述の実施形態において、予測装置１００は、電力需要量の予測処理を行う前に、過去の複数の波形に基づいて予め分類処理を行っている。このため、予測装置１００は、予測処理を行う際には、予め分類処理の結果として作成された決定木に基づいて、将来の予測対象期間において推測されるパターンを容易に推測及び選択することができる。この結果、確率演算部１３２における演算処理を更に高速化することができる。
更に、予測装置１００は、過去に計測された電力需要量及び説明変数（プラントＡの状態情報、施設情報、天気情報）のみが与えられればよいため、プラントＡの設備を網羅した詳細な物理モデルを省略することができる。これにより、予測装置１００は、需要予測にかかるコストを低減させることが可能となる。

また、予測部１３３は、確率分布に基づいて、予測対象期間において予め決められた信頼区間の範囲で電力需要量が取り得る値のうち、上限値及び下限値を求める。
このようにすることで、予測装置１００は、予測対象期間において電力需要量が取り得る値のうち、確実性の低い値を排除した上で、精度の高い上限値及び下限値を求めることができる。

また、予測装置１００は、予測部１３３が予測した電力需要量に基づいて、電力の調達計画を作成する計画作成部１３４を更に備える。
このように、予測装置１００は、予測した電力需要量に基づいて予測対象期間における調達計画を作成するので、予測対象期間における計画的な機器の最適運用が可能となる。例えば、計画作成部１３４が作成した計画に基づいて契約を行うことにより、予測対象期間において予測される電力需要量を大きく超える契約電力を設定すること、又は、契約電力を小さく設定して超過違約金が発生してしまう可能性を減少させることができる。この結果、予測装置１００は、電力を調達するコストが高くなることを抑制できる。

以上、本発明の実施形態について詳細に説明したが、本発明の技術的思想を逸脱しない限り、これらに限定されることはなく、多少の設計変更等も可能である。
例えば、上述の実施形態において、予測システム１が電力需要量を予測する例について説明したが、これに限られることはない。
他の実施形態では、例えば、プラントＡは施設に設けられたガスタービン、空調、冷凍機等の設備であってもよい。また、予測システム１はプラントＡにおけるエネルギー（熱等）、資源（水、蒸気、燃料等）の需要量を予測してもよいし、販売する商品の需要量及び売上を予測してもよい。
この場合、計測装置１０は、電力計１１に代えて、エネルギー、資源、商品の量を計測するための計測器を有する。
また、予測装置１００の計画作成部１３４は、エネルギー、資源、商品（在庫）の調達計画を作成する。なお、計画作成部１３４は、需要量及び売上の予測に基づいて、プラントＡに供給するエネルギー、資源、商品の供給計画を作成してもよい。

また、上述の実施形態では、一の予測装置１００が一のプラントＡにおける需要予測を行う態様について説明したが、これに限られることはない。他の実施形態では、一の予測装置１００が複数のプラントの計測装置１０と接続され、複数のプラントのそれぞれの需要予測を行うようにしてもよい。

１ 予測システム
１０ 計測装置
１１ 電力計
１２ センサ部
１００ 予測装置
１１０ 波形取得部
１２０ 変数取得部
１３０ 処理部
１３１ 分類処理部
１３２ 確率演算部
１３３ 予測部
１３４ 計画作成部
１４０ 記憶部
２０ サーバ

Claims (6)

1. 過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部と、
   複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第１の説明変数を設定する分類処理部と、
   将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第２の説明変数として取得する変数取得部と、
   前記予測対象期間における前記第２の説明変数と適合する前記第１の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記プラントの前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算部と、
   前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部と、
   を備える予測装置。
2. 前記予測部は、前記確率分布に基づいて、前記予測対象期間において予め決められた信頼区間の範囲で前記目的変数が取り得る値のうち、上限値及び下限値を求める、
   請求項１に記載の予測装置。
3. 前記予測部が求めた前記目的変数の値に基づいて、当該目的変数に関連する対象物の需給計画を作成する計画作成部を更に備える、
   請求項１又は２に記載の予測装置。
4. プラントにおける目的変数の実際の値を計測する計測装置と、
   前記プラントの将来の予測対象期間において前記目的変数の取り得る値を求める予測装置と、
   を備え、
   前記予測装置は、
   前記計測装置により計測された前記目的変数の値を時系列に表す波形を取得する波形取得部と、
   複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第１の説明変数を設定する分類処理部と、
   将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第２の説明変数として取得する変数取得部と、
   前記予測対象期間における前記第２の説明変数と適合する前記第１の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記プラントの前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算部と、
   前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部と、
   を有する予測システム。
5. コンピュータが実行する予測方法であって、
   過去に計測された目的変数の値を時系列に表す波形を取得する波形取得ステップと、
   複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第１の説明変数を設定する分類処理ステップと、
   将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第２の説明変数として取得する変数取得ステップと、
   前記予測対象期間における前記第２の説明変数と適合する前記第１の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記プラントの前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算ステップと、
   前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測ステップと、
   を有する予測方法。
6. 予測装置のコンピュータを、
   過去に計測された目的変数の値を時系列に表す波形を取得する波形取得部、
   複数の前記波形のうち、類似する波形同士を一のパターンに分類し、当該一のパターンに分類された前記波形に共通する特性を示す第１の説明変数を設定する分類処理部、
   将来の予測対象期間におけるプラントの予定稼働状態を含む予定情報を、当該予測対象期間における第２の説明変数として取得する変数取得部、
   前記予測対象期間における前記第２の説明変数と適合する前記第１の説明変数が設定されたパターンを選択し、当該パターンに分類された波形に統計処理を施すことにより、前記予測対象期間において前記目的変数が取り得る値の確率分布を、前記予測対象期間を所定時間で分割した単位時間別に演算する確率演算部、
   前記確率分布に基づいて、前記予測対象期間における前記目的変数の値を求める予測部、
   として機能させるプログラム。

Images