WO2015170411A1 - 計画作成装置及び電力管理装置 - Google Patents
計画作成装置及び電力管理装置 Download PDFInfo
- Publication number
- WO2015170411A1 WO2015170411A1 PCT/JP2014/062512 JP2014062512W WO2015170411A1 WO 2015170411 A1 WO2015170411 A1 WO 2015170411A1 JP 2014062512 W JP2014062512 W JP 2014062512W WO 2015170411 A1 WO2015170411 A1 WO 2015170411A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- control
- plan
- burden
- consumer
- control plan
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Definitions
- Embodiments of the present invention relate to a plan creation device and a power management device.
- DR Demand Consumers
- DR Device Response
- ADR since the consumer's equipment is automatically controlled, the degree of freedom of the consumer is lowered, and there is a tendency for the burden on the consumer to increase, such as a loss of comfort accompanying reduction in power consumption. For this reason, ADR which achieves the reduction of the target power consumption is considered, considering a consumer's burden.
- ADR a method has been proposed in which the degree of burden for each control content of the device is set in advance and a DR plan is created so that the degree of burden on the consumer is reduced.
- the behavioral state of the customer is not considered in setting the burden level.
- the burden on the consumer changes according to the behavioral state, the conventional method has a limit in reducing the burden on the consumer.
- plan creation device and a power management device that create a DR plan that can reduce the burden on consumers.
- the plan creation device includes a creation unit, a calculation unit, and a selection unit.
- the creation unit creates a plurality of control plans including the control contents of the devices owned by the consumer.
- a calculation part calculates the burden degree of the control plan according to a consumer's action state and the control content of an apparatus.
- the selection unit selects a control plan from a plurality of control plans according to the degree of burden.
- the plan creation device is a device that creates a control plan (DR plan) for equipment possessed by a consumer.
- the control plan defines the control content of the device during a predetermined control target period.
- the consumer includes a house, an office, a factory, and the like that have devices to be controlled.
- the plan creation device calculates the degree of burden of the created control plan according to the behavioral state of the consumer, and selects the control plan according to the degree of burden.
- the degree of burden of the control plan is the burden felt by the user of the customer (resident of the house, etc.) when the device is controlled according to the control plan, that is, the degree of comfort loss or convenience loss Is a parameter that quantitatively represents. It means that the greater the degree of burden, the greater the burden.
- the consumer behavior state is a behavior state of a consumer user.
- each consumer has one device, or a plurality of devices, which are collectively controlled.
- the case where each consumer has a plurality of devices and they are individually controlled will be described in the third embodiment.
- FIG. 1 is a block diagram showing a functional configuration of the plan creation device according to the present embodiment.
- the plan creation apparatus according to the present embodiment includes a reduction amount DB1, an action state DB2, a burden level DB3, a target reduction amount DB4, a control plan DB5, a control plan creation unit 6, A reduction amount calculation unit 7, a burden level calculation unit 8, and a control plan selection unit 9 are provided.
- the reduction amount DB1 is a database in which the reduction amount of power consumption of the device is stored for each customer.
- FIG. 2 is a diagram illustrating an example of a reduction amount table stored in the reduction amount DB1. In this reduction amount table, the power consumption reduction amount (kW) when the device is controlled from ON to OFF, that is, the maximum reduction amount of the device is set for each consumer.
- the reduction amount is electric power (kW), but may be electric power (kWh).
- the reduction amount of each device may be set in advance or may be updated by an external input.
- the behavior state DB 2 is a database that stores, for each consumer, the behavior state of the customer in a period (control target period) that is subject to device control.
- FIG. 3 is a diagram illustrating an example of a behavior state table stored in the behavior state DB 2.
- the control target period is from 13:00 to 19:59
- the behavior state of each consumer is set every hour from 13:00 to 19:59, and the behavior of each consumer is set.
- the status is classified into two types, “at home” and “absent”. Note that the date and time or the time at which the control target period and the behavior state of the customer are stored can be arbitrarily set.
- the behavior state set in the behavior state table is the behavior state of the customer estimated at the date or time. For example, according to this behavior state table, the behavior state of the customer 2 at 15:30 is estimated to be “at home”. However, the behavior state of the consumer obtained by referring to the behavior state table does not necessarily match the actual behavior state of the consumer.
- the behavioral state is not limited to “at home” and “absent”, but can be classified into arbitrary types such as “danran”, “cooking”, “sleep”, “TV watching”, and the like. A case where there are three or more behavior states will be described in a third embodiment.
- a plurality of action state tables may be prepared according to the weather, temperature, day of the week, season, and the like. For example, it is conceivable that the consumer's behavioral state changes due to the above factors, such as the possibility of being “at home” is higher on a rainy day than on a sunny day. If an action state table corresponding to these factors is prepared, it is possible to improve the estimation accuracy of the consumer's action state.
- the burden on the consumer may increase. For example, if a control plan for turning off an air conditioner created on the assumption that no customer is present is implemented while the customer is at home, the burden on the customer increases.
- the burden on the customer increases.
- an increase in the burden on the consumer can be suppressed and the burden can be reduced.
- the action state is set for every hour, it is not restricted to this, You may set for every arbitrary periods, such as every 1 minute and every 15 minutes.
- the behavior state of each consumer may be set in advance or may be updated by an external input.
- the burden level DB 3 is a database in which the load level set according to the behavior state of the consumer and the control content of the device is stored for each device.
- the degree of burden is set by estimating the degree of burden felt by the consumer.
- FIG. 4 is a diagram illustrating an example of a burden degree table stored in the burden degree DB 3.
- This burden degree table is a burden degree table indicating the burden degree of one consumer, and such a burden degree table is stored for each consumer in the burden degree DB 3.
- this burden degree table there are two types of behavior states, “at home” and “absent”, and there are two types of control contents, “ON” and “OFF”, but this is not restrictive.
- the burden degree is set to 0.0 when “ON” and “absent”, and the burden degree is 1.0 when “at home” and “OFF”. Is set to This assumes a lighting device that burdens the user when turned off while at home.
- the burden degree table of FIG. 4B when “ON”, the burden degree is set to 0.0, and when “at home” and “OFF”, the burden degree is set to 1.0 and “not present”. When it is “OFF”, the degree of burden is set to 0.1. This assumes an air conditioner or the like in which the room temperature rises or falls when it is turned off when it is absent, and a burden on the user may come home.
- the degree of burden on the customer varies depending on the behavioral state even when the device is controlled with the same control content. For example, although the burden is small even if the lighting is turned off when the customer is absent, the burden becomes large if the lighting is turned off while at home.
- the estimation accuracy of the degree of burden can be improved.
- selecting the control plan according to the degree of burden does not necessarily reduce the burden on the consumer, but the degree of burden estimated accurately as in this embodiment By selecting a control plan according to the situation, the burden on the consumer can be reduced.
- the degree of burden is a relative value, it may be set to a value of 1.0 or more or a negative value. It is also possible to set the same degree of burden for a plurality of consumers. Furthermore, the degree of burden may be set in advance or may be updated by an external input.
- a method of setting and updating the burden level for example, a method of taking a questionnaire to the user of the customer can be mentioned.
- the user of each consumer may evaluate the degree of burden for each set of action state and control content, and set the degree of burden according to the evaluation. Since the degree of burden may change according to the external environment such as the season, it is preferable to update the burden regularly or irregularly.
- the target reduction amount DB 4 is a database that stores the target reduction amount of power consumption in the control target period that is reduced by the entire customer through control according to the control plan.
- FIG. 5 is a diagram illustrating an example of a target reduction amount table stored in the target reduction amount DB 4. In this target reduction amount table, a plurality of hourly target reduction amounts (MW) from 13:00 to 19:59 are held for each time zone.
- MW hourly target reduction amounts
- the target reduction amount is power (MW), but may be power amount (MWh). Further, instead of the target reduction amount, a maximum power consumption that is an upper limit value of power consumption for the entire consumer may be set. Furthermore, the target reduction amount for each time slot may be set in advance or may be updated by an external input.
- the control plan DB 5 is a database that stores the control plan selected by the control plan selection unit 9.
- FIG. 6 is a diagram illustrating an example of a control plan table stored in the control plan DB 5.
- the control target period is from 13:00 to 19:59, and the control content is set every hour. Further, there are two types of control content, “ON” or “OFF”. According to this control plan, the equipment of the customer 1 is turned on at 15:30.
- FIG. 7 is a diagram showing another example of the control plan table.
- the control target period is from 13:00 to 19:59 as in FIG. 6, and the control content is set every hour.
- the control content is not represented by “ON” and “OFF” but by the reduction rate of the power consumption of the device.
- the reduction rate here is a reduction rate with respect to the maximum amount of power consumption of the device.
- the reduction rate set for each time zone is the reduction rate totaled in that time zone. For example, the equipment that the customer 1 has has a reduction rate of 20% from 15:00 to 15:59. To be controlled.
- Such control of the equipment is realized by intermittent operation or change of operation parameters.
- the power consumption may be reduced by intermittent operation in which ON and OFF are alternately repeated. Further, the power consumption may be reduced by turning off the first half 20% and turning on the second half 80% in the time period. Furthermore, power consumption may be reduced by reducing the illuminance of the lighting device.
- control content corresponding to the reduction rate may be set.
- control content include operation parameter setting values (such as a set temperature of 23 ° C.) and controls such as “ON” and “OFF”. “ON” and “OFF” of the devices correspond to reduction rates of 0% and 100%, respectively. Therefore, the control plan table of FIG. 6 can be represented by the reduction rate, as in FIG.
- control content set in the control plan is associated with the reduction rate.
- the control content is set every hour, but is not limited thereto, and may be set every arbitrary period such as every minute or every 15 minutes.
- the control plan creation unit 6 (hereinafter referred to as “creation unit 6”) creates a plurality of control plans as shown in FIGS. That is, the creation unit 6 creates a combination of the control contents of the devices that the customer has in the control target period.
- the control target period is arbitrary.
- the control plan may set one control content over a control object period.
- the creating unit 6 creates one or a plurality of control plans at a time, and when the created control plan does not satisfy a predetermined condition, it is determined that one or two again. Create multiple control plans. By repeating such a loop process a plurality of times, the creating unit 6 creates a plurality of control plans.
- the creation method of the control plan by the creation unit 6 may be a known combination creation method such as a brute force method, or may be another method according to the search method of the control plan selection unit 9.
- the reduction amount calculation unit 7 (hereinafter referred to as “calculation unit 7”) refers to the reduction amount table and calculates the reduction amount of power consumption according to the control plan created by the creation unit 6. As illustrated in FIG. 5, when the target reduction amount is set in each of a plurality of time zones, the creation unit 6 calculates the reduction amount for each time zone in which the target reduction amount is set.
- the calculation unit 7 first calculates the amount of reduction for each customer in each time zone in which the control content is set in the control plan table. For example, when calculating the reduction amount at the 13:00 level of the customer 1, the calculation unit 7 refers to the control plan table of FIG. 7 and acquires a reduction rate of 20%. If the reduction rate cannot be obtained directly from the control plan table, refer to the reduction rate table (not shown) indicating the correspondence between the control content and the reduction rate, and set the reduction rate of the control content obtained from the control plan table. get.
- the reduction amount in the time zone in which the control content is set is the reduction amount to be obtained.
- the target reduction amount is calculated from the reduction amount in the time zone in which the control content is set. What is necessary is just to calculate the amount of reduction in the time zone in which is set.
- n is a customer ID (1 ⁇ n ⁇ N)
- m is a time zone number (1 ⁇ m ⁇ M) in which a target reduction amount is set in the control target period
- v nm is a customer n.
- the reduction rate in the time zone m, q n is the maximum reduction amount of the customer n.
- the burden level calculation unit 8 (hereinafter referred to as “calculation unit 8”) refers to the behavior state table and the load level table, and calculates the load level of the control plan created by the creation unit 6. Specifically, the calculation unit 8 first calculates the degree of burden of each consumer in each time zone. For example, when calculating the degree of burden at the 13:00 level of the customer 1, the calculation unit 8 refers to the control plan table in FIG. 6 to obtain the control content “OFF” and refers to the behavior state table in FIG. Then, the action state “absent” is acquired.
- FIG. 8A is a table showing the degree of burden obtained in this way. In FIG. 8A, only the degree of burden on the customer 1 is shown. In the case of FIG. 8A, the degree of burden on the customer 1 is 3.0.
- the burden degree can be acquired directly from the burden degree table.
- the control contents set in the control plan and the control contents set in the burden degree table do not match like the control table in FIG. 7 and the burden degree table in FIG.
- the degree of burden cannot be obtained directly from the degree table.
- the calculation part 8 should just calculate the weighted average of the burden degree set to the burden degree table.
- the calculation unit 8 when calculating the degree of burden of the customer 1 at the 16:00 level, the calculation unit 8 refers to the control plan table in FIG. 7 to obtain the control content “20%” and displays the behavior state table in FIG. Referring to, the action state “at home” is acquired. Then, the calculation unit 8 refers to the burden degree table of FIG. 4 based on the acquired control content and action state, and sets the burden degree 1.0 of “OFF (100%)” and “at home” to “ ON (0%) ”and“ at-home ”burden degree of 0.0 are acquired.
- the calculation unit 8 obtains the degree of burden for other customers and other time zones by the same method, and sums them to obtain the degree of burden of the control plan.
- FIG. 8B is a table showing the degree of burden calculated in this way. In FIG. 8B, only the degree of burden on the customer 1 is shown. In the case of FIG. 8B, the degree of burden on the customer 1 is 2.4.
- control plan burden B (V) is obtained by the following equation.
- B (V) ⁇ _n ⁇ _m (b n (1,1) ⁇ p nm ⁇ v nm ) + ⁇ b n (2,1) ⁇ (1 ⁇ p nm ) ⁇ v nm ⁇ + ⁇ b n (1,2 ) ⁇ p nm ⁇ (1 ⁇ v nm ) ⁇ + ⁇ b n (2,2) ⁇ (1 ⁇ p nm ) ⁇ (1 ⁇ v nm ) ⁇ (2)
- V is a matrix (control plan table) made up of elements v nm
- b n (j, i) is a j-row i-column burden degree table.
- p nm is a value that is 1 when “at home” and 0 when “not at home”.
- This expression (2) is also applicable when the control content is represented by “ON” and “OFF”. In this case, v nm is 0 when the control content is “ON”, and v nm is 1 when the control content is “OFF”.
- the degree of burden of the control plan calculated by the calculation unit 8 is not limited to the above. For example, calculate the degree of burden in each time zone of each customer, calculate the maximum value or average value for each consumer (or time zone), and calculate the total burden degree calculated for each customer (or time zone). It is good also as a burden degree of a control plan.
- the control plan selection unit 9 selects a control plan according to the degree of burden from among control plans in which the power consumption or power consumption of the devices controlled according to the control plan satisfies a predetermined condition. Select.
- the control plan selected by the selection unit 9 is stored in the control plan DB 5.
- the selection unit 9 selects, from among a plurality of control plans created by the creation unit 6, a control plan whose power consumption is equal to or less than a predetermined value in all time zones.
- control reduction Q m becomes the target reduction amount C m or more in all time zones m Select a plan.
- the selection unit 9 selects a control plan in which the power consumption is equal to or lower than the upper limit value in all the time zones m. To do.
- the selection unit 9 selects a control plan that minimizes the degree of burden from the control plans thus selected, and stores it in the control plan DB 5. Selection of a control plan by the selection unit 9 can result in an optimization problem.
- the control plan selected by the selection unit 9 is a solution to the following optimization problem. Minimize: B (V) Subject to C m ⁇ Q m , for all m in M 0 ⁇ v nm ⁇ 1, for all v nm in V ... (optimization formula 1)
- the burden degree ⁇ B (V) is small and the total reduction amount ⁇ _mQ m is A large control plan can be obtained using the constants a and b as tradeoff coefficients. That is, in this case, the evaluation function is minimized by using the linear sum of the power consumption (here, the total reduction amount ⁇ _mQ m ) and the degree of burden ⁇ B (V) as an evaluation function.
- the evaluation function means that the smaller the degree of burden, the smaller the value of the evaluation function, and the smaller the power consumption or power consumption (or the larger the total reduction amount), the evaluation function. Is a function that decreases the value of. Needless to say, for example, when the sign of the evaluation function is negative, the result is a maximization problem.
- This optimization problem is a linear optimization problem with v nm as a variable because each numerical value other than v nm is a fixed value, and the control plan obtained as a solution has a reduction amount greater than or equal to the target reduction amount, that is, consumption Among control plans in which the electric power is a predetermined value or less, the control plan has the smallest burden.
- This linear optimization problem can be solved by using known solutions such as metaheuristic algorithms (genetic algorithm (GA), annealing method, etc.) and linear programming (single method (simplex method), interior point method, etc.). Can do.
- the computer device 100 includes a CPU 101, an input device 102, a display device 103, a communication device 104, a main storage unit 105, and an external storage unit 106. It is connected to the.
- the input device 102 includes input devices such as a keyboard and a mouse, and outputs an operation signal generated by operating the input device to the CPU 101.
- the display device 103 is a display such as an LCD (Liquid Crystal Display) or a CRT (Cathode Ray Tube).
- the communication device 104 has wireless or wired communication means, and communicates with an external device by a predetermined communication method.
- the external storage unit 106 is, for example, a storage medium such as a hard disk, a memory device, a CD-R, a CD-RW, a DVD-RAM, or a DVD-R.
- the external storage unit 106 stores a program for causing the CPU 101 to execute processing by the plan creation device. Moreover, the data of each database with which a plan preparation apparatus is provided are memorize
- the main storage unit 105 expands a program stored in the external storage unit 106 under the control of the CPU 101, and stores data necessary for executing the program, data generated by the execution of the program, and the like.
- the main storage unit 105 is an arbitrary memory such as a nonvolatile memory.
- the above program may be installed in advance in the computer apparatus 100, or may be stored in a storage medium such as a CD-ROM and installed in the computer apparatus 100 as appropriate.
- a configuration without the input unit 102, the display device 103, and the communication device 104 is also possible.
- FIG. 10 is a flowchart showing a plan creation method according to the present embodiment. Below, the plan creation method using GA is demonstrated.
- the creating unit 6 creates a plurality of solutions (control plans) that are initial values using the initial steps of the GA, that is, a set of solutions (step S1).
- the control content (reduction rate) in the control plan is set to be any of 2 L discrete values
- the control content set in each time zone of each consumer is represented by L bits.
- each solution (control plan) is represented by LMN bits.
- calculator 7 calculates a reduction amount Q m of the power consumption of each time slot m
- calculator 8 calculates bear degree B of (V) (Step S2).
- Selection unit 9 using a reduced amount Q m and burden of B (V), determines the optimum condition is satisfied or not a set of solutions that have been created (Step S3).
- the optimal condition here is a condition for completing genetic operation in GA.
- the optimum condition for example, the improvement of the objective function (degree of burden) compared with the set of solutions of the previous generation becomes small, and the genetic operation is repeated a predetermined number of times (number of generations).
- step S3 When the set of solutions of the current generation does not satisfy the optimal condition (NO in step S3), the process returns to step S1, and the creation unit 6 performs genetic operations such as selection, crossover, and mutation on the bit string of LMN bits. Apply and create a set of next generation solutions.
- the selection unit 9 selects the solution (control plan) having the smallest objective function (burden) from the current generation solution (control plan) set. ) Is selected and stored in the control plan DB 5 (step S4).
- GA it is possible to select an approximate solution, that is, a control plan having the smallest burden among the searched control plans.
- GA is useful because it can be used not only for linear optimization problems but also when the burden is expressed by a non-linear function or a discontinuous function.
- step S2 of the GA the degree of burden may be calculated only for a control plan in which the reduction amount is equal to or greater than the target reduction amount.
- step S2 first, the reduction amount of the control plan is calculated and compared with the target reduction amount. Then, a control plan having a reduction amount less than the target reduction amount is removed, and the calculation unit 8 only has to calculate the degree of burden only for a control plan in which the reduction amount is equal to or greater than the target reduction amount. Thereby, the calculation amount in the plan creation method can be reduced.
- the optimization problem for selecting the control plan is a problem called a 0-1 integer programming problem, and can be solved by any existing method.
- a solution space full search using a tree structure route, a branch and bound method, or the like can be used as a solution.
- a method for obtaining a suboptimal solution by obtaining a solution (control plan) as a linear optimization problem with relaxed restrictions and rounding off the obtained solution to 0 or 1 can also be used.
- a control plan with the smallest burden is selected (in the searched control plan) from among control plans whose reduction amount is equal to or greater than the target reduction amount. be able to. Therefore, it is possible to create a control plan that can reduce the burden on the consumer while achieving the target reduction in power consumption.
- plan creation apparatus selects the control plan using the degree of burden set according to the behavior state of the consumer, the burden on the consumer can be reduced.
- plan creation method using the simplex method using the fact that the optimization formula 1 is a linear optimization problem
- the simplex method is generally known as a solution method specialized for linear optimization problems.
- the creating unit 6 When using the simplex method, first, the creating unit 6 creates one solution (control plan) that is an initial value using the initial step of the simplex algorithm (step S1). The creation unit 6 also creates a simplex table used as auxiliary information when executing the simplex method.
- calculator 7 calculates a reduction amount Q m of the power consumption of each time slot m
- calculator 8 calculates bear degree B of (V) (Step S2). Calculation of reductions Q m is equivalent to finding an increase limits of modified optimization problem in normal form. Further, since the burden level B (V) is replaced with the value z which is the objective function of the optimization problem transformed into the normal form, the calculation of the burden level B (V) is performed for the row for z in the simplex table. It corresponds to calculating.
- Selection unit 9 using a reduced amount Q m and burden of B (V), and determines whether this control scheme meets the optimization equation 1 (step S3). More specifically, it is determined whether or not the simplex table created for the control plan satisfies the optimum condition of the simplex method according to the optimization formula 1.
- the selection unit 9 transmits the simplex table to the creation unit 6, and the process returns to step S1. Then, the creating unit 6 creates a new solution (control plan) according to the simplex method using the received simplex table.
- step S3 If the simplex table satisfies the optimum condition (YES in step S3), the process proceeds to step S4, and the selection unit 9 selects this control plan and stores it in the control plan DB 5 (step S4). At this time, since the control plan that satisfies the optimal condition is represented in the form of a simplex table, the control plan is stored in the control plan DB 5 in place of the original optimization problem reduction rate v nm .
- the simplex method By using the simplex method, it is possible to select an approximate solution, that is, a control plan having the smallest burden among searched control plans. Since the simplex method is a solution method specialized for the linear optimization problem, an approximate solution of the optimization equation 1 which is a linear optimization problem can be efficiently obtained.
- the plan creation device calculates the degree of burden based on the behavior state set as the probability, and selects the control plan so that the degree of burden is reduced.
- FIG. 11 is a diagram illustrating an example of a behavior state table stored in the behavior state DB 2.
- the behavior state at 13:00 is set as “at home” with a probability of 19% and “absent” with a probability of 81%.
- the behavior state is uniquely set for each time zone, but in this embodiment, the behavior state is set as a probability as shown in FIG.
- the calculation unit 8 refers to the behavior state table and the burden level table as illustrated in FIG. 11 and calculates the load level of the control plan created by the creation unit 6. For example, in the case of the control plan of FIG. 7, the calculation unit 8 first calculates the degree of burden of each customer in each time zone. For example, when calculating the degree of burden due to the control content of the 16:00 level of the customer 1, the calculation unit 8 refers to the control plan table of FIG. 6 to acquire the control content “OFF”, and the behavior state table of FIG. The action states “48% at home” and “52% absent” are acquired.
- the calculation unit 8 refers to the burden level table of FIG. 4A based on the acquired control content and action state, and sets the “OFF” and “at-home” burden levels to 1.0 and “OFF”. ”And“ absent ”burden degree of 0.0 is acquired.
- the degree of burden calculated in this way is a so-called expected value.
- the calculation part 8 calculates
- control plan burden degree B (V) is obtained by the following equation.
- B (V) ⁇ _n ⁇ _m (b n (1,1) ⁇ p nmi ⁇ v nm ) + ⁇ b n (2,1) ⁇ p nmi ⁇ (1 ⁇ v nm ) ⁇ + ⁇ b n (1,2 ) ⁇ (1 ⁇ p nmi ) ⁇ v nm ⁇ + ⁇ b n (2,2) ⁇ (1 ⁇ p nmi ) ⁇ (1 ⁇ v nm ) ⁇ (3)
- pnmi is the probability of the behavior state i in the time zone m of the customer n.
- p nm is a value of 1 or 0 depending on the behavioral state, but this is because the behavioral state is uniquely set in the first embodiment. This is because the probability is 100% or 0%.
- the selection unit 9 selects a control plan having the smallest degree of burden B (V) calculated by the calculation unit 8 from among control plans whose reduction amount is equal to or greater than the target reduction amount.
- B (V) the degree of burden
- the control plan selected by the selection unit 9 is a solution to the following optimization problem. Minimize: B (V) Subject to ⁇ _n Q m ⁇ C m , for all m in M 0 ⁇ v nm ⁇ 1, for all v nm in V ... (optimization formula 2)
- an uncertainty may be set to the probability of the action state.
- the fluctuation range of the probability of the action state can be used. This assumes that the probability of the behavioral state fluctuates within a range of ⁇ uncertainty%. For example, the possibility of “at home” at 13:00 in FIG. 12 is assumed to vary within a range of 14% to 24%. In this case, the control plan selected by the selection unit 9 is a solution to the following optimization problem.
- p * nmi is a home probability in the time zone m of the customer n on FIG.
- e nm is the uncertainty in the time zone m of the customer n. Since this optimization problem is a quadratic optimization problem, that is, an optimization problem including the product of two independent variables (vnm and pnmi), it cannot be solved by linear programming. However, it can be solved using a solution of the existing quadratic optimization problem such as the above-mentioned GA.
- the degree of uncertainty is not limited to the fluctuation range of the probability of the behavior state, and may be a standard error of the probability distribution of the fluctuation range, for example.
- the following optimization formula can be used instead of the above optimization formula 3.
- the constraint condition P (B (V)> ⁇ ) ⁇ in the optimization formula 4 means that the probability that the degree of burden B (V) is equal to or greater than the constant ⁇ is equal to or less than the constant ⁇ .
- This constraint can be solved by a quadratic programming method because it assumes a quadratic inequality when the probability distribution of the fluctuation range is assumed to be a normal distribution.
- the estimation accuracy of the behavioral state can be improved.
- the burden on the consumer can be reduced.
- the burden degree table and the reduction amount table are prepared for each device that the customer has.
- the plan creation device creates a control plan in which the control content of each time zone is set for each device, and calculates the burden degree of the control plan using the burden degree table and the reduction amount table for each device.
- each consumer has two devices, an air conditioner and a TV, and the behavioral state is classified into five categories of “cooking”, “TV viewing”, “group”, “sleep”, and “absence”. Shall be.
- the above “danran” is an action state that does not apply to any of “cooking”, “TV watching”, and “sleeping” although the consumer is at home.
- FIG. 13A is a diagram illustrating an example of a control plan table for air conditioning equipment
- FIG. 13B is a diagram illustrating an example of a control plan table for TV.
- the creation unit 6 creates a control plan for each device.
- FIG. 14 is a diagram illustrating an example of a reduction amount table stored in the reduction amount DB 2.
- FIG. 14A is a reduction amount table for air conditioning equipment
- FIG. 14B is a reduction amount table for TV. .
- the maximum reduction amount (kW) of the air conditioner and the TV is set.
- the calculation unit 7 calculates a reduction amount Qdm for each device in each time zone based on such a reduction amount table for each device.
- Q dm ⁇ _n (q dn ⁇ v dnm ) (4)
- d (1 ⁇ d ⁇ D) is the number of the device that each customer n has
- v dnm is the reduction rate in the time zone m of the device d of the customer n
- q dn is the device of the customer n This is the maximum reduction amount of d.
- Reduction Q m of the control program in each time period is the sum of reductions Q dm, obtained by the following equation.
- Q m ⁇ _d
- Q dm ⁇ _d ⁇ _n (q dn ⁇ v dnm ) (5)
- FIG. 15 is a diagram illustrating an example of a burden degree table for an air conditioner, and the control content is classified into two, “ON” and “OFF”.
- this burden degree table when the air conditioner is “ON” and when the consumer is “absent”, the burden degree of the consumer is set to 0.0.
- the degree of burden is set to 1.0 when “OFF” and “TV viewing” and when “OFF” and “Group”.
- the burden degree at the time of “OFF” and “cooking” is set to 1.2 which is larger than 1.0. This assumes that when heat is generated during cooking, the burden on the consumer due to turning off the air conditioning equipment increases.
- the degree of burden when “OFF” and “sleep” is set to 0.8, which is smaller than 1.0. This generally assumes that air conditioning is often weakened during sleep, so that the burden on the customer due to turning off the air conditioning equipment is reduced.
- FIG. 16 is a diagram showing an example of a burden table for TV, and the control contents are classified into two, “ON” and “OFF”.
- this burden level table when the TV is “ON”, and when the customer is “absent”, “sleep”, and “group”, the burden level of the customer is set to 0.0. Further, the degree of burden when “OFF” and “TV viewing” are set to 1.0.
- the degree of burden when “OFF” and “cooking” is set to 0.6, which is smaller than 1.0. This is because the frequency of viewing TV during cooking is reduced, and it is assumed that the burden on the consumer is smaller than in “TV viewing”.
- the degree of burden corresponding to the characteristics of each device is set for each device.
- the same burden degree table may be used for every apparatus with respect to a some consumer.
- the calculating unit 8 refers to such a burden degree table, and first calculates the burden degree of the control plan for each device.
- the degree of burden B d (V d ) of the control plan for each device is obtained by the following formula obtained by extending the above formula (2) and formula (3).
- v d1nm the reduction rate in the time zone m equipment d of customers n
- v d2nm 1-v d1nm
- V d elements v consisting D1nm matrix V d1 and element v consisting D2nm matrix V
- b n (j, i) is a burden degree table of j rows and i columns.
- the selection unit 9 selects the control plan with the smallest burden degree B (V) calculated by the calculation unit 8 from among the control plans whose reduction amount is equal to or greater than the target reduction amount.
- a control plan can be created even when a customer has a plurality of devices and they can be individually controlled.
- the burden level and reduction amount of the control plan are calculated for each device using the burden level table and reduction amount table prepared for each device, the estimation accuracy of the burden level is improved and the burden on the consumer is reduced. be able to.
- control content of the burden level table may be different for each device.
- control content of the TV load level table may be “ON” and “OFF”
- control content of the air conditioner load level table may be 3 or more “set temperatures”.
- the degree of burden may be set as a probability. That is, the probability may be set for each of the five action states, the expected value of the degree of burden may be calculated, and the control plan may be selected based on the expected value. Thereby, a burden of a consumer can further be reduced.
- FIG. 17 is a block diagram illustrating a functional configuration of the plan creation device according to the present embodiment. As shown in FIG. 17, the plan creation device according to the present embodiment further includes an action state prediction unit 10. Other configurations are the same as those of the plan creation device according to the first embodiment.
- the behavior state prediction unit 10 (hereinafter referred to as “prediction unit 10”) predicts the behavior state of each consumer.
- the predicted behavior state is stored in the behavior state DB2.
- the prediction unit 10 predicts the behavior state at a predetermined interval or before creating the control plan, and updates the behavior state table.
- the prediction unit 10 predicts the behavior state using prediction information such as the actual behavior state of the customer before the control target period, weather, temperature, humidity, and power consumption in the control target period.
- the prediction unit 10 may include a parameter DB 11 that stores these various parameters, or may acquire each main parameter from an external device when predicting an action state.
- behavior state prediction method for example, there is a method using a behavior prediction model.
- the behavior prediction model is a function or a rule set that outputs a behavior state according to one or more input parameters.
- behavior prediction model parameters actual behavioral state, weather, temperature, and humidity history information can be used.
- the behavior prediction model can be created and updated by machine learning of the relationship between these parameters and the actual behavior state using regression analysis such as linear regression or logistic regression.
- the actual behavior state can be specified or estimated based on information acquired from a video or sensor installed at the consumer.
- the behavior states output by the behavior prediction model are “at home” and “absent”, the behavior prediction model can be created from the power consumption information of the consumer.
- FIG. 18 is a diagram illustrating an example of an action state table predicted by the prediction unit 10 and stored in the action state DB 2.
- this behavior state table there are three behavior states that the prediction unit 10 outputs, “going out”, “group”, and “cooking”, and the prediction unit 10 outputs these probabilities for each time zone. Yes.
- “outing”, “cooking”, and “cooking” are not performed at the same time, so the sum of the probabilities of each action state is 1.
- the calculation unit 8 may obtain the degree of burden of the control plan P using the expected value of the degree of burden calculated from such an action state table, or the action state having the highest probability as shown in FIG. You may select and obtain
- the behavioral state estimated in each time zone is set in advance, but the behavioral state of the customer may change depending on the season, etc., so when using the same behavioral state table There is a risk that the estimation accuracy of the behavioral state is lowered.
- the behavior state of each consumer is predicted and updated using the latest behavior prediction model. Therefore, the fall of the estimation accuracy of a behavioral state is suppressed, and a consumer's burden can be reduced.
- the creation unit 6 creates a control plan in which control details are set for each group of a plurality of consumers.
- the devices of a plurality of consumers included in the same group are controlled according to the same control content set in the control plan.
- FIG. 20 is a diagram illustrating an example of a control plan table created by the creation unit 6. As shown in FIG. 20, in this control plan table, the control contents in each time zone of each group are set. A group is created by classifying the entire consumer by a predetermined method.
- Classification methods for consumer groups include, for example, classification methods according to demographic attributes such as age, gender, family composition, region, and occupation, and behavioral state trends (for example, “absence of daytime”) ) And a clustering method such as a k-means method can be used.
- the consumer group may be classified according to a jurisdiction electric power company classification, a jurisdiction substation classification, and a jurisdiction transformer classification, which are classifications set on the consumer side by an electric power supplier such as an electric power company.
- a jurisdiction electric power company classification a jurisdiction substation classification
- a jurisdiction transformer classification which are classifications set on the consumer side by an electric power supplier such as an electric power company.
- Such a group may be created in advance or may be created when a control plan is created.
- the reduction amount DB 1 stores a reduction amount table in which the maximum reduction amount is set for each group or for each customer.
- the behavior state DB 2 stores a behavior state table in which a behavior state is set for each group or for each customer.
- the burden level DB 3 stores a load level table in which the load level is set for each group or for each customer.
- the calculation unit 7 refers to the reduction amount table and the control plan table and calculates the reduction amount for each time zone.
- the reduction amount for each time period of each group can be calculated from the maximum reduction amount of the group and the control content (reduction rate) of the group.
- each customer's time zone is calculated from the maximum reduction amount of the customer and the control content (reduction rate) of the group including the customer.
- the amount of reduction can be calculated.
- the reduction amount for each time zone of the control plan is calculated by totaling the reduction amounts for each customer or each group calculated for each time zone.
- the calculation unit 8 refers to the behavior state table and the burden level table to calculate the load level of the control plan.
- the degree of burden for each group according to the behavior state of the group and the control content can be calculated with reference to the burden degree table.
- the behavior state and the degree of burden are set for each consumer, referring to the burden degree table, each consumer according to the behavior state of the consumer and the control content of the group including the consumer The degree of burden can be calculated.
- the total degree of burden for each customer or group calculated in this way is calculated to calculate the degree of burden for the control plan.
- one of the behavioral state and the degree of burden may be set for each group, and the other may be set for each consumer.
- the degree of burden for each consumer is first calculated, and the degree of burden on the control plan is calculated as the sum.
- the selection unit 9 selects a control plan according to the reduction amount and the degree of burden of the control plan.
- the method for selecting the control plan is as described in the above embodiments.
- the control plan is created for each group. For this reason, it is possible to reduce the amount of calculation for creating the control plan and shorten the processing time for creating the control plan.
- the devices can be controlled collectively for each group, the control can be simplified compared to the case where the devices are controlled for each consumer.
- the creation unit 6 updates the control plan at predetermined time intervals.
- the control plan created by the creation unit 6 and selected by the selection unit 9 is a control plan that defines the control content of M time zones.
- the creation unit 6 updates the control plan after the time zone m + s (1 ⁇ s) during the time zone m of the control plan.
- control plan update method is the same as the control plan creation method in which the update target period is the control target period.
- the update interval of the control plan by the creation unit 6 is not limited to one hour, but is arbitrary. For example, when the update interval is 2 hours, the creation unit 6 updates the control plan after 14:00 from 13:00 to 13:59, and after 16:00 from 15:00 to 15:59 The control plan is updated and this is repeated in subsequent time zones.
- s 1, that is, the creation unit 6 updates the control plan after the time zone m + 1 in the time zone m, but s may be 2 or more.
- the update target period may be a predetermined period after the time zone m + s.
- the creation unit 6 updates the control plan from 14:00 to 16:59 from 13:00 to 13:59, and from 14:00 to 14:00.
- the control plan from 15:00 to 17:59 is updated until 59 minutes.
- the control plan is updated at predetermined time intervals.
- the behavior state of the consumer may be updated by information such as the prediction unit 10 or a sensor installed in the consumer.
- the action state table to be used may change due to changes in weather and temperature.
- control plan being executed can be updated to a control plan according to the change in the behavior state during the control target period as described above, the estimation accuracy of the behavior state is improved, and the demand The burden on the house can be reduced.
- control plan after 14:00 is updated between 13:50 and 13:59, and the update is performed immediately before the update target period. Is preferred.
- FIG. 21 is a block diagram illustrating a functional configuration of the power management apparatus according to the present embodiment.
- the power management apparatus according to this embodiment includes a plan creation apparatus according to the first embodiment, a control plan communication unit 12, an output unit 13, an input unit 14, and a device control device Dn. And an input / output terminal Tn.
- the power management apparatus may include any plan creation apparatus according to the second to sixth embodiments instead of the plan creation apparatus according to the first embodiment.
- the control plan communication unit 12 (hereinafter, referred to as “communication unit 12”) is selected by the selection unit 9 of the plan creation device, and the control plan stored in the control plan DB 5 is transferred to the equipment of each customer via the network. Send.
- the function of the communication unit 12 is realized by the communication device 104.
- the control plan transmitted from the communication unit 12 is received by the device control device Dn possessed by each customer n.
- the device control device Dn is a control device that controls each device that the customer n has, and operates each device of the customer n according to the control plan received from the communication unit 12.
- the device control device Dn intermittently operates each device or changes the operation parameter so that the reduction rate specified by the control content is achieved.
- the intermittent operation of the device is possible by, for example, intermittently cutting off the power supply to the device using a smart tap or the like.
- a method of directly transmitting a control signal to a device using a wireless communication protocol such as Echonet-Lite (registered trademark) or ZigBee (registered trademark) is also possible. Further, it is possible to intermittently cut off the power supply to some functions of the device.
- ADR control according to the control plan is realized by such device control by the device control device Dn. That is, the power management apparatus according to the present embodiment constitutes an ADR system.
- the communication unit 12 may transmit a confirmation request to each customer terminal such as a personal computer, a tablet terminal, a mobile phone, and a smartphone via mail, a WEB site, and application software.
- the confirmation request is for confirming with the consumer whether or not the consumer's equipment may be controlled based on the control plan.
- the device control device Dn performs control only for the customer n who has agreed to perform control according to the control plan. That is, when the device control device Dn receives from the communication unit 12 information indicating consent inputted by an operator (user) of the customer n using the input / output terminal Tn that can communicate with the communication unit 12, the device control device Dn controls each device according to the control plan. Further, when a sufficient reduction amount cannot be obtained only by implementation to the agreed customer, the control plan may be created again by the plan creation device only for the agreed customer. In this case, the power management apparatus includes the input / output terminal Tn of each customer n.
- information indicating consent or disagreement is sent from the input / output terminal Tn of the customer n to the communication unit 12 via the network such as the device control device Dn or the general Internet, for example, the creation unit It may be determined whether 6 performs re-planning, and re-planning may be performed.
- re-planning means that the selection unit 9 newly selects a control plan.
- the replanned control plan may be requested for confirmation from each customer n in the same way as the first time, and in order to avoid the replanning from continuing endlessly, confirmation requests are not made or k times (k It is conceivable that only a real number) is requested for confirmation.
- three types of responses “A for example, three types of responses “A.
- the power management device performs control according to the control plan only for devices and time zones for which consent has been obtained, and re-creates a control plan for the devices and time zones for which consent has not been obtained using the plan creation device. May be.
- the output unit 13 outputs information stored or generated by the power management apparatus as an image or sound, and provides it to the operator of the power management apparatus.
- the function of the output unit 13 is realized by the display device 103.
- the input unit 14 enables output or editing of information stored or generated by the power management apparatus by information input from an operator of the power management apparatus.
- the function of the input unit 14 is realized by the input device 102.
- the information output by the output unit 13 is preferably editable by information input by the operator via the input unit 14.
- the output unit 13 displays a simulation result when the device is controlled according to the control plan.
- the operator can visually confirm the control plan and simulation result created by the plan creation device, and edit the control plan by inputting information using the input unit input device 102.
- editing means correcting or changing a part of the control plan.
- FIG. 22 is a diagram illustrating an example of a simulation result.
- the horizontal axis represents time
- the vertical axis represents the reduction amount
- the solid line in the graph represents the reduction amount of the control plan.
- the reduction amount Q m in each time zone m of the control plan is obtained by the following formula based on the reduction rate v nm of the customer n in the time zone m and the maximum reduction amount q n of the customer n. It is done.
- Q m ⁇ _n v nm ⁇ q n
- the solid line in the graph, plotting the reduced amount Q m of each time period m of the thus calculated control plan is created by connecting the reductions Q m with a solid line.
- the operator can visually confirm the reduction amount based on the control plan and the deviation from the target reduction amount. Note that the method of calculating the reduction amount of the control plan is not limited to this.
- FIG. 23 is a diagram showing another example of the simulation result.
- the horizontal axis represents time
- the vertical axis represents power consumption
- the solid line in the graph represents the predicted power consumption when the control plan is not implemented
- the broken line represents the predicted power consumption when the control plan is implemented. Yes.
- the power management apparatus acquires the predicted value of power consumption in advance, a simulation result as shown in FIG. 23 can be displayed.
- the operator can visually confirm the transition and maximum value of power consumption when the control plan is executed. This is advantageous when the control plan is created so that the maximum value of power consumption is not more than a predetermined value.
- the amount of reduction and power consumption may be displayed for each consumer and for each time zone, and the burden level of the entire consumer and the burden level for each customer may be displayed for each time series and each time zone. It may be displayed.
- the output unit 13 is not limited to the simulation result, and may display a control plan table as shown in FIG. 7 on the screen. Thereby, the operator can visually confirm the control plan created by the plan creation device or edit the control plan by inputting information using the input device 102.
- a consumer device can be operated according to a control plan with a small burden on the consumer created by the plan creation apparatus. Can be reduced.
- the present invention is not limited to the above-described embodiments as they are, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage.
- various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the above embodiments. Further, for example, a configuration in which some components are deleted from all the components shown in each embodiment is also conceivable. Furthermore, you may combine suitably the component described in different embodiment.
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
[課題]需要家の負担を低減可能なDR計画を作成する計画作成装置及び電力管理装置を提供する。 [解決手段]一実施形態に係る計画作成装置は、作成部と、算出部と、選択部とを備える。作成部は、需要家が有する機器の制御内容を含む制御計画を複数作成する。算出部は、需要家の行動状態及び機器の制御内容に応じた制御計画の負担度を算出する。選択部は、複数の制御計画の中から、負担度に応じて制御計画を選択する。
Description
本発明の実施形態は、計画作成装置及び電力管理装置に関する。
近年、発電事業者、電力小売業者、及びDRアグリゲータなどから、電力需要家(以下、「需要家」という)に節電を要請することにより、電力逼迫時の消費電力の削減を実現するDR(Demand Response)が各国で実施されている。DRのうち、要請された節電内容に従って、需要家が有する機器を自動で制御するものをADR(Autmatic DR)といい、電力自由化が進む米国等を中心に普及してきている。
ADRでは、需要家の機器が自動的に制御されるため、需要家の自由度が低くなり、消費電力の削減に伴う快適性の損失など、需要家の負担が大きくなる傾向がある。このため、需要家の負担を考慮しつつ、目標とする消費電力の削減を達成するADRが望まれている。
このようなADRとして、機器の制御内容ごとの負担度を予め設定し、需要家の負担度が小さくなるようにDR計画を作成する方法が提案されている。しかしながら、この方法では、負担度の設定に対して、需要家の行動状態が考慮されていなかった。一般に、需要家の負担は、行動状態に応じて変化するため、上記従来の方法では、需要家の負担低減に限界があった。
需要家の負担を低減可能なDR計画を作成する計画作成装置及び電力管理装置を提供する。
一実施形態に係る計画作成装置は、作成部と、算出部と、選択部とを備える。作成部は、需要家が有する機器の制御内容を含む制御計画を複数作成する。算出部は、需要家の行動状態及び機器の制御内容に応じた制御計画の負担度を算出する。選択部は、複数の制御計画の中から、負担度に応じて制御計画を選択する。
以下、計画作成装置及び電力管理装置の実施形態について図面を参照して説明する。
(第1実施形態)
まず、第1実施形態に係る計画作成装置について、図1~図10を参照して説明する。本実施形態に係る計画作成装置は、需要家が有する機器の制御計画(DR計画)を作成する装置である。制御計画とは、所定の制御対象期間における機器の制御内容を定めたものである。需要家には、制御対象となる機器を有する住宅、オフィス、及び工場などが含まれる。
まず、第1実施形態に係る計画作成装置について、図1~図10を参照して説明する。本実施形態に係る計画作成装置は、需要家が有する機器の制御計画(DR計画)を作成する装置である。制御計画とは、所定の制御対象期間における機器の制御内容を定めたものである。需要家には、制御対象となる機器を有する住宅、オフィス、及び工場などが含まれる。
計画作成装置は、作成した制御計画の負担度を、需要家の行動状態に応じて算出し、負担度に応じて制御計画を選択する。制御計画の負担度とは、制御計画に従った機器の制御が行われた場合に、需要家のユーザ(住宅の住人など)が感じる負担、すなわち、快適性の損失や利便性の損失の度合いを定量的に表すパラメータである。負担度が大きいほど、負担が大きいことを意味するものとする。需要家の行動状態とは、需要家のユーザの行動状態のことである。
本実施形態では、各需要家がそれぞれ1つの機器を有する場合、或いは複数の機器を有するが、それらが一括で制御される場合について説明する。各需要家が複数の機器を有し、それらが個別に制御される場合については、第3実施形態で説明する。
ここで、図1は、本実施形態に係る計画作成装置の機能構成を示すブロック図である。図1に示すように、本実施形態に係る計画作成装置は、削減量DB1と、行動状態DB2と、負担度DB3と、目標削減量DB4と、制御計画DB5と、制御計画作成部6と、削減量算出部7と、負担度算出部8と、制御計画選択部9とを備える。
削減量DB1は、機器の消費電力の削減量を需要家ごとに記憶したデータベースである。図2は、削減量DB1に記憶された削減量テーブルの一例を示す図である。この削減量テーブルでは、機器をONからOFFに制御した場合の消費電力の削減量(kW)、すなわち、機器の最大削減量が、需要家ごとに設定されている。
本実施形態では、各需要家がそれぞれ1つずつ機器を有するため、削減量テーブルは1つだけ用意される。これに対して、各需要家が複数の機器を有する場合には、図2のような削減量テーブルが、機器の数だけ用意される。
なお、図2において、削減量は、電力(kW)であるが、電力量(kWh)であってもよい。また、各機器の削減量は、予め設定されてもよいし、外部からの入力により更新されてもよい。
行動状態DB2は、機器制御の対象となる期間(制御対象期間)における需要家の行動状態を、需要家ごとに記憶したデータベースである。図3は、行動状態DB2に記憶された行動状態テーブルの一例を示す図である。この行動状態テーブルでは、制御対象期間は13時から19時59分までであり、13時から19時59分までの1時間ごとに、各需要家の行動状態が設定され、各需要家の行動状態は、「在宅」及び「不在」の2種類に分類されている。なお、制御対象期間及び需要家の行動状態が記憶される日時又は時刻は、任意に設定可能である。
行動状態テーブルにおいて設定された行動状態は、その日時又は時刻において推定される需要家の行動状態である。例えば、この行動状態テーブルによれば、需要家2の15時30分における行動状態は「在宅」と推定されている。しかし、行動状態テーブルを参照して得られる需要家の行動状態は、必ずしも実際の需要家の行動状態と一致するわけではない。
また、行動状態は、「在宅」及び「不在」に限られず、「団らん」、「調理」、「睡眠」、「TV視聴」など、任意の種類に分類することができる。行動状態が3種類以上の場合については、第3実施形態で説明する。
さらに、行動状態テーブルは、天候、気温、曜日、及び季節などに応じて複数用意されてもよい。例えば、雨天の日は晴天の日よりも「在宅」の可能性が上昇するなど、需要家の行動状態は、上記のような要因によって変化することが考えられる。これらの要因に応じた行動状態テーブルを用意すると、需要家の行動状態の推定精度を向上させることができる。
行動状態の推定精度が低い場合、需要家の負担が増大する恐れがある。例えば、需要家が不在であることを前提に作成された空調機器をOFFにする制御計画を、需要家の在宅中に実施すると、需要家の負担が大きくなる。しかし、上述の通り、需要家の行動状態の推定精度を向上させることで、需要家の負担の増大を抑制し、負担を低減させることができる。
なお、図3において、行動状態は1時間ごとに設定されているが、これに限られず、1分ごと、15分ごとなど任意の期間ごとに設定されてもよい。また、各需要家の行動状態は、予め設定されていてもよいし、外部からの入力により更新されてもよい。
負担度DB3は、需要家の行動状態と機器の制御内容とに応じて設定された負担度を、機器ごとに記憶したデータベースである。負担度は、需要家が感じる負担度を推定して設定される。図4は、負担度DB3に記憶された負担度テーブルの一例を示す図である。この負担度テーブルは、1軒の需要家の負担度を示す負担度テーブルであり、負担度DB3には、このような負担度テーブルが需要家ごとに記憶されている。この負担度テーブルでは、行動状態は「在宅」及び「不在」の2種類であり、制御内容は「ON」及び「OFF」の2種類であるが、これに限られない。
図4(A)の負担度テーブルでは、「ON」のとき、及び「不在」のとき、負担度は0.0に設定され、「在宅」かつ「OFF」のとき、負担度は1.0に設定されている。これは、在宅中にOFFするとユーザの負担が大きくなる照明機器などを想定している。
図4(B)の負担度テーブルでは、「ON」のとき、負担度は0.0に設定され、「在宅」かつ「OFF」のとき、負担度は1.0に設定され、「不在」かつ「OFF」のとき、負担度は0.1に設定されている。これは、不在時にOFFすることで室温が上昇又は低下し、ユーザの帰宅時の負担が生じ得る空調機器などを想定している。
需要家の負担度は、同様の制御内容で機器を制御した場合であっても、行動状態によって変化する。例えば、需要家が不在のときに照明をOFFにしても負担は小さいが、在宅のときに照明をOFFにすると負担が大きくなる。
このように、行動状態に応じた負担度を設定することによって、負担度の推定精度を向上することができる。負担度の推定精度が低い場合、当該負担度に応じて制御計画を選択しても、需要家の負担を低減できるとは限らないが、本実施形態のように、精度よく推定された負担度に応じて制御計画を選択することにより、需要家の負担を低減させることができる。
なお、負担度は相対値であるため、1.0以上の値や、負の値に設定してもよい。また、複数の需要家に対して同一の負担度を設定することも可能である。さらに、負担度は、予め設定されていてもよいし、外部からの入力により更新されてもよい。
負担度を設定及び更新する方法として、例えば、需要家のユーザにアンケートをとる方法が挙げられる。具体的には、各需要家のユーザに、行動状態と制御内容とのセットごとに負担度を評価してもらい、評価に応じた負担度を設定すればよい。負担度は、季節などの外部環境に応じて変化することが考えられるため、定期的に、或いは不定期に更新するのが好ましい。
目標削減量DB4は、制御計画に従った制御によって、需要家全体で削減する制御対象期間における消費電力の目標削減量を記憶したデータベースである。図5は、目標削減量DB4に記憶された目標削減量テーブルの一例を示す図である。この目標削減量テーブルでは、13時~19時59分までの1時間ごとの目標削減量(MW)が時間帯ごとに複数保持されている。
なお、図5において、目標削減量は、電力(MW)であるが、電力量(MWh)であってもよい。また、目標削減量の代わりに、需要家全体での消費電力の上限値となる最大消費電力が設定されていてもよい。さらに、各時間帯の目標削減量は、予め設定されてもよいし、外部からの入力により更新されてもよい。
制御計画DB5は、制御計画選択部9が選択した制御計画を記憶したデータベースである。図6は、制御計画DB5に記憶された制御計画テーブルの一例を示す図である。図6の制御計画テーブルが示す制御計画では、制御対象期間は13時から19時59分であり、1時間ごとに制御内容が設定されている。また、制御内容は、「ON」又は「OFF」の2種類である。この制御計画によれば、需要家1が有する機器は、15時30分にONにされる。
図7は、制御計画テーブルの他の例を示す図である。この制御計画テーブルも図6と同様、制御対象期間は13時から19時59分であり、1時間ごとに制御内容が設定されている。この制御計画テーブルでは、制御内容は、「ON」及び「OFF」ではなく、機器の消費電力の削減率により表されている。ここでいう削減率とは、機器の消費電力の最大削減量に対する削減率のことである。各時間帯に設定された削減率は、その時間帯で通算した削減率であり、例えば、需要家1が有する機器は、15時から15時59分までの間の削減率が20%となるように制御される。
このような機器の制御は、間欠運転や、動作パラメータの変更により実現される。例えば、需要家1が有する機器が照明機器の場合、ONとOFFとを交互に繰り返す間欠運転により、消費電力を削減してもよい。また、当該時間帯における前半20%をOFF、後半80%をONにすることにより消費電力を削減してもよい。さらに、照明機器の照度を低下させることで、消費電力を削減してもよい。
また、削減率の代わりに、削減率と対応する制御内容が設定されていてもよい。このような制御内容として、動作パラメータの設定値(設定温度23℃など)や、「ON」及び「OFF」などの制御が挙げられる。機器の「ON」及び「OFF」は、それぞれ削減率0%及び100%と対応する。したがって、図6の制御計画テーブルは、図7と同様、削減率により表すことができる。
いずれの場合であっても、制御計画で設定される制御内容は、削減率と対応させられる。図7において、制御内容は、1時間ごとに設定されているが、これに限られず、1分ごと、15分ごとなど任意の期間ごとに設定されてもよい。
制御計画作成部6(以下、「作成部6」という)は、図6及び図7で示したような制御計画を複数作成する。すなわち、作成部6は、制御対象期間における需要家が有する機器の制御内容の組合せを作成する。制御対象期間は任意である。また、図6及び図7では、時間帯ごとに制御内容が設定されているが、制御計画は、制御対象期間に亘って1つの制御内容が設定されていてもよい。
本実施形態において、作成部6は、一度に1つ又は複数の制御計画を作成し、作成した制御計画が所定の条件を満たさないと制御計画選択部9により判定された場合、再び1つ又は複数の制御計画を作成する。このようなループ処理を複数回繰り返すことにより、作成部6は、制御計画を複数作成する。なお、作成部6による制御計画の作成方法は、総当たり法などの既知の組合せ作成方法であってもよいし、制御計画選択部9の探索方法に応じた他の方法であってもよい。
削減量算出部7(以下、「算出部7」という)は、削減量テーブルを参照して、作成部6が作成した制御計画による消費電力の削減量を算出する。図5に示すように、目標削減量が、複数の時間帯でそれぞれ設定されている場合、作成部6は、目標削減量が設定された時間帯ごとに削減量を算出する。
具体的には、算出部7は、まず、制御計画テーブルにおいて制御内容が設定された各時間帯における各需要家の削減量をそれぞれ算出する。例えば、需要家1の13時台における削減量を算出する場合、算出部7は、図7の制御計画テーブルを参照して、削減率20%を取得する。制御計画テーブルから削減率を直接的に取得できない場合には、制御内容と削減率との対応を示す削減率テーブル(図示省略)を参照して、制御計画テーブルから取得した制御内容の削減率を取得する。
そして、算出部7は、図2の削減量ゲーブルを参照して、需要家1の最大削減量1.3(kW)を取得する。算出部7は、こうして取得した最大削減量1.3(kW)と削減率20%とから、需要家1の13時台における削減量を1.3(kW)×20%=0.26(kW)と算出する。算出部7は、他の需要家についても同様の方法で削減量を算出し、これらを合計して、制御計画の13時台の削減量を求める。
本実施形態の場合、目標削減量が設定された時間帯と、制御内容が設定された時間帯とは一致しているため、制御内容が設定された時間帯の削減量が求める削減量になる。これに対して、目標削減量が設定された時間帯と、制御内容が設定された時間帯とが一致していない場合には、制御内容が設定された時間帯の削減量から、目標削減量が設定された時間帯の削減量を算出すればよい。
例えば、目標削減量が2時間ごとに設定されている場合には、制御計画の1時間ごとの削減量の2時間分の和が求める削減量となる。以下では、目標削減量が設定された時間帯と、制御内容が設定された時間帯とは一致しているものとする。この場合、一般に、制御計画の時間帯mにおける削減量Qmは、以下の式により求められる。
Qm = Σ_n vnm×qn・・・(1)
Qm = Σ_n vnm×qn・・・(1)
式(1)において、nは需要家ID(1≦n≦N)、mは制御対象期間において目標削減量が設定された時間帯の番号(1≦m≦M)、vnmは需要家nの時間帯mにおける削減率、qnは需要家nの最大削減量である。また、Σ_nは、n=1~Nの和をとることを意味する。以降の式でも同様である。
負担度算出部8(以下、「算出部8」という)は、行動状態テーブルと負担度テーブルとを参照して、作成部6が作成した制御計画の負担度を算出する。具体的には、算出部8は、まず、各需要家の各時間帯における負担度を算出する。例えば、需要家1の13時台における負担度を算出する場合、算出部8は、図6の制御計画テーブルを参照して、制御内容「OFF」を取得し、図3の行動状態テーブルを参照して、行動状態「不在」を取得する。
そして、算出部8は、取得した制御内容と行動状態とに基づいて、図4の負担度テーブルを参照して、「OFF」かつ「不在」の負担度0.0を取得する。算出部8は、他の需要家及び他の時間帯に対しても同様の方法で負担度を取得し、これらを合計して、制御計画の負担度を求める。図8(A)は、このようにして取得された負担度を示すテーブルである。図8(A)において、需要家1の負担度のみが示されている。図8(A)の場合、需要家1の負担度は、3.0となる。
上記の説明では、制御計画で設定された制御内容と、負担度テーブルに設定されている制御内容と、が一致していたため、負担度テーブルから直接的に負担度を取得することができた。これに対して、図7の制御テーブルと図4の負担度テーブルのように、制御計画で設定された制御内容と、負担度テーブルで設定された制御内容と、が一致していない場合、負担度テーブルから負担度を直接的に取得することができない。このような場合には、算出部8は、負担度テーブルに設定された負担度の加重平均を算出すればよい。
例えば、需要家1の16時台における負担度を算出する場合、算出部8は、図7の制御計画テーブルを参照して、制御内容「20%」を取得し、図3の行動状態テーブルを参照して、行動状態「在宅」を取得する。そして、算出部8は、取得した制御内容と行動状態とに基づいて、図4の負担度テーブルを参照して、「OFF(100%)」かつ「在宅」の負担度1.0と、「ON(0%)」かつ「在宅」の負担度0.0とを取得する。
算出部8は、取得した負担度の加重平均を計算し、負担度0.8(=0.0×20%+1.0×(1-20%))を算出する。算出部8は、他の需要家及び他の時間帯に対しても同様の方法で負担度を取得し、これらを合計して、制御計画の負担度を求める。図8(B)は、このようにして算出された負担度を示すテーブルである。図8(B)において、需要家1の負担度のみが示されている。図8(B)の場合、需要家1の負担度は、2.4となる。
この場合、制御計画の負担度B(V)は、以下の式により求められる。
B(V) = Σ_n Σ_m ( bn (1,1)×pnm×vnm )+{ bn (2,1)×( 1-pnm)×vnm }+{ bn (1,2)×pnm×( 1-vnm )}+{ bn (2,2)×( 1-pnm )×( 1-vnm )}・・・(2)
B(V) = Σ_n Σ_m ( bn (1,1)×pnm×vnm )+{ bn (2,1)×( 1-pnm)×vnm }+{ bn (1,2)×pnm×( 1-vnm )}+{ bn (2,2)×( 1-pnm )×( 1-vnm )}・・・(2)
式(2)において、Vは要素vnmからなる行列(制御計画テーブル)、bn
(j,i)はj行i列の負担度テーブルである。図4に示すように、i=1のとき「在宅」、i=2のとき「不在」、j=1のとき「ON」、j=2のとき「OFF」である。pnmは「在宅」のときに1、「不在」の時に0となる値である。この式(2)は、制御内容が「ON」及び「OFF」で表される場合にも適用可能である。この場合、制御内容が「ON」のときvnmは0となり、制御内容が「OFF」のときvnmは1となる。
なお、算出部8により算出される制御計画の負担度は、上記のものに限られない。例えば、各需要家の各時間帯における負担度を算出し、需要家(又は時間帯)ごとの最大値や平均値を算出し、需要家(又は時間帯)ごとに算出した負担度の合計を制御計画の負担度としてもよい。
制御計画選択部9(以下、「選択部9」という)は、制御計画に従って制御された機器の消費電力又は消費電力量が所定の条件を満たす制御計画の中から、負担度に応じて制御計画を選択する。選択部9が選択した制御計画は、制御計画DB5に記憶される。
まず、選択部9は、作成部6が作成した複数の制御計画の中から、全ての時間帯で消費電力が所定値以下となる制御計画を選択する。本実施形態のように、各時間帯の目標削減量Cmが設定されている場合には、選択部9は、全ての時間帯mで削減量Qmが目標削減量Cm以上となる制御計画を選択する。目標削減電力Cmのかわりに、各時間帯の消費電力の上限値が設定されている場合には、選択部9は、全ての時間帯mで消費電力が上限値以下となる制御計画を選択する。
選択部9は、こうして選択された制御計画のうち、負担度が最小となる制御計画を選択し、制御計画DB5に記憶する。選択部9による制御計画の選択は、最適化問題に帰着することができる。負担度として、上述のB(V)を用いる場合、選択部9により選択される制御計画は、以下の最適化問題の解となる。
Minimize : B(V)
Subject to
C m ≦ Qm, for all m in M
0≦ vnm ≦ 1, for all vnm in V・・・(最適化式1)
Minimize : B(V)
Subject to
C m ≦ Qm, for all m in M
0≦ vnm ≦ 1, for all vnm in V・・・(最適化式1)
なお、例えば負担度B(V)の符号をマイナスにした場合などには、-B(V)の最大化問題に帰着されることは言うまでもない。この場合、-B(V)は快適度などとして定義することもできる。また、以上の最適化式1では、負担度-B(V)のみを最小化の対象としたが、この他にも、例えば負担度-B(V)と総削減量Σ_mQmの両方が出来るだけ最適であるものを選ぶことも考えられる。例えば、Minimize: B(V)の代わりに、Minimize: a*B(V)+b*Σ_m(-Qm) を用いることにより、負担度-B(V)が小さく、かつ総削減量Σ_mQmが大きな制御計画を、定数a, bをトレードオフの係数として使用しながら求めることが可能である。すなわち、この場合は、消費電力量(ここでは総削減量Σ_mQm)と負担度-B(V)との線形和を評価関数として、この評価関数の最小化問題に帰着される。ここで、評価関数とは、負担度が小さければ小さい程、評価関数の値は小さくなり、かつ消費電力又は消費電力量が小さければ小さい程(又は総削減量が大きければ大きい程)、評価関数の値が小さくなる関数である。なお、例えば評価関数の符号をマイナスにした場合などには、最大化問題に帰着されることは言うまでもない。
この最適化問題は、vnm以外の各数値が固定値であるため、vnmを変数とする線形最適化問題となり、解として得られる制御計画は、削減量が目標削減量以上、すなわち、消費電力が所定値以下の制御計画のうち、負担度が最小の制御計画となる。この線形最適化問題は、メタヒューリスティックアルゴリズム(遺伝的アルゴリズム(GA)、焼きなまし法など)や、線形計画法(単体法(シンプレックス法)、内点法など)の既知の解法を用いることにより解くことができる。
以上説明した計画作成装置は、コンピュータ装置100を基本ハードウェアとして使用することで実現することができる。コンピュータ装置100は、図9に示すように、CPU101と、入力装置102と、表示装置103と、通信装置104と、主記憶部105と、外部記憶部106とを備え、これらはバス107により相互に接続されている。
入力装置102は、キーボード、マウス等の入力デバイスを含み、入力デバイスの操作による操作信号をCPU101に出力する。表示装置103は、例えば、LCD(Liquid Crystal Display)、CRT(Cathode Ray Tube)等の表示ディスプレイである。通信装置104は、無線または有線の通信手段を有し、外部装置と所定の通信方式で通信を行う。
外部記憶部106は、例えば、ハードディスク、メモリ装置、CD-R、CD-RW、DVD-RAM、DVD-R等の記憶媒体等である。外部記憶部106は、計画作成装置による処理をCPU101に実行させるためのプログラムを記憶している。また、計画作成装置が備える各データベースのデータを記憶している。
主記憶部105は、CPU101による制御の下で、外部記憶部106に記憶されたプログラムを展開し、プログラムの実行時に必要なデータ、及びプログラムの実行により生じたデータ等を記憶する。CPU101が当該プログラムを実行することにより、作成部6、算出部7、算出部8、及び選択部9の機能構成は実現される。主記憶部105は、不揮発性メモリ等の任意のメモリである。
上記のプログラムは、コンピュータ装置100に予めインストールされていてもよいし、CD-ROM等の記憶媒体に記憶され、コンピュータ装置100に適宜インストールされてもよい。なお、入力部102、表示装置103、及び通信装置104を備えない構成も可能である。
次に、本実施形態に係る計画作成装置の動作について、図10を参照して説明する。図10は、本実施形態に係る計画作成方法を示すフローチャートである。以下では、GAを用いた計画作成方法について説明する。
GAを用いる場合、まず、作成部6が、GAの初期ステップを用いて初期値となる複数の解(制御計画)、すなわち、解の集合を作成する(ステップS1)。制御計画における制御内容(削減率)が2L個の離散的な値のいずれかとなるように設定される場合、各需要家の各時間帯に設定される制御内容はLビットで表される。そして、時間帯がM個、需要家がN軒の場合、各解(制御計画)は、LMNビットで表される。
次に、作成された各制御計画について、算出部7が各時間帯mの消費電力の削減量Qmを算出し、算出部8が負担度B(V)を算出する(ステップS2)。
選択部9は、削減量Qm及び負担度B(V)を用いて、作成された解の集合が最適条件を満たすか否か判定する(ステップS3)。ここでいう最適条件とは、GAにおける遺伝的操作の終了する条件である。最適条件として、例えば、前世代の解の集合と比較した目的関数(負担度)の改善幅が微少になることや、遺伝的操作を所定の回数(世代数)繰り返すことが挙げられる。
現世代の解の集合が最適条件を満たさない場合(ステップS3のNO)、処理はステップS1に戻り、作成部6は、LMNビットのビット列に、選択、交叉、突然変異などの遺伝的操作を適用し、次世代の解の集合を作成する。
現世代の解の集合が最適条件を満たす場合(ステップS3のYES)、選択部9は、現世代の解(制御計画)の集合の中から最も目的関数(負担度)が小さい解(制御計画)を選択し、制御計画DB5に記憶する(ステップS4)。
GAを用いることにより、近似解、すなわち、探索した制御計画の中で最も負担度が小さい制御計画を選択することができる。GAは、線形最適化問題だけでなく、負担度が非線形な関数や非連続な関数により表される場合にも用いることができるため有用である。
なお、GAのステップS2において、削減量が目標削減量以上となる制御計画のみ負担度を算出してもよい。この場合、ステップS2において、まず、制御計画の削減量を算出し、目標削減量と比較する。そして、削減量が目標削減量より少ない制御計画を除去し、削減量が目標削減量以上の制御計画のみ、算出部8が負担度を算出すればよい。これにより、計画作成方法における計算量を削減することができる。
図6に示すように、制御計画における制御内容が2個の値、すなわち、「ON」又は「OFF」のみの場合、vnmは0又は1のいずれかとなる。この場合、制御計画を選択するための最適化問題は、0-1整数計画問題と呼ばれる問題となり、既存の任意の方法により解くことができる。例えば、解法として、木構造のルートを使用した解空間の全探索や、分枝限定法などを用いることができる。また、この場合、制限を緩和した線形最適化問題として解(制御計画)を求め、得られた解を四捨五入により0又は1にすることにより、準最適解を求める方法も利用可能である。
以上説明した通り、本実施形態に係る計画作成装置によれば、削減量が目標削減量以上の制御計画の中から、(探索した制御計画の中で)負担度が最小の制御計画を選択することができる。したがって、目標とする消費電力の削減を達成しつつ、需要家の負担を低減可能な制御計画を作成することができる。
また、本実施形態に係る計画作成装置は、需要家の行動状態に応じて設定された負担度を用いて制御計画を選択するため、需要家の負担を低減させることができる。
ここで、本実施形態に係る計画作成方法の他の例として、最適化式1が線形最適化問題であることを利用して単体法を用いた計画作成方法について説明する。単体法は、線形最適化問題に特化した解法として一般に知られている。
単体法を用いる場合、まず、作成部6が、単体法のアルゴリズムの初期ステップを用いて初期値となる解(制御計画)を1つ作成する(ステップS1)。また、作成部6は、単体法を実行する際、補助情報として用いられるシンプレックス表も作成する。
次に、作成された制御計画について、算出部7が各時間帯mの消費電力の削減量Qmを算出し、算出部8が負担度B(V)を算出する(ステップS2)。削減量Qmの算出は、正規形に変形された最適化問題の増加限界を求めることに相当する。また、負担度B(V)は、正規形に変形された最適化問題の目的関数であるzの値に置き換えられるため、負担度B(V)の算出は、シンプレックス表中のzに対する行を算出することに相当する。
選択部9は、削減量Qm及び負担度B(V)を用いて、この制御計画が最適化式1を満たすか否か判定する(ステップS3)。より詳細には、この制御計画に対して作成されたシンプレックス表が、最適化式1に応じた単体法の最適条件を満たすか否か判定する。
シンプレックス表が最適条件を満たさない場合(ステップS3のNO)、選択部9は、当該シンプレックス表を作成部6に送信し、処理はステップS1に戻る。そして、作成部6は、受信したシンプレックス表を用いて、単体法に従った新たな解(制御計画)を作成する。
シンプレックス表が最適条件を満たす場合(ステップS3のYES)、処理はステップS4に進み、選択部9がこの制御計画を選択し、制御計画DB5に記憶する(ステップS4)。この際、最適条件を満たした制御計画は、シンプレックス表の形式で表されているため、この制御計画は元の最適化問題の削減率vnmに置き換えられて、制御計画DB5に記憶される。
単体法を用いることにより、近似解、すなわち、探索した制御計画の中で最も負担度が小さい制御計画を選択することができる。単体法は、線形最適化問題に特化した解法であるため、線形最適化問題である最適化式1の近似解を効率的に求めることができる。
(第2実施形態)
次に、第2実施形態に係る計画作成装置について、図11及び図12を参照して説明する。本実施形態に係る計画作成装置は、確率として設定された行動状態に基づいて負担度を算出し、負担度が小さくなるように制御計画を選択する。
次に、第2実施形態に係る計画作成装置について、図11及び図12を参照して説明する。本実施形態に係る計画作成装置は、確率として設定された行動状態に基づいて負担度を算出し、負担度が小さくなるように制御計画を選択する。
図11は、行動状態DB2に記憶された行動状態テーブルの一例を示す図である。この行動状態テーブルによれば、13時台における行動状態は、19%の確率で「在宅」、81%の確率で「不在」と設定されている。第1実施形態では、行動状態は時間帯ごとに一意に設定されていたが、本実施形態では、図11に示すように、行動状態が確率として設定されている。
算出部8は、図11のような行動状態テーブルと負担度テーブルとを参照して、作成部6が作成した制御計画の負担度を算出する。例えば、図7の制御計画の場合、算出部8は、まず、各需要家の各時間帯における負担度を算出する。例えば、需要家1の16時台の制御内容による負担度を算出する場合、算出部8は、図6の制御計画テーブルを参照して制御内容「OFF」を取得し、図11の行動状態テーブルを参照して行動状態「48%在宅」及び「52%不在」を取得する。
そして、算出部8は、取得した制御内容と行動状態とに基づいて、図4(A)の負担度テーブルを参照して、「OFF」かつ「在宅」の負担度1.0と、「OFF」かつ「不在」の負担度0.0を取得する。
算出部8は、需要家1の16時台における負担度を、1.0×48%+0.0×52%=0.48と算出する。このように算出された負担度は、いわゆる期待値となる。算出部8は、以降の時間帯、及び他の需要家についても同様の方法で負担度を求め、それらの和を制御計画の負担度として算出する。
本実施形態において、制御計画の負担度B(V)は、以下の式により求められる。
B(V) = Σ_n Σ_m ( bn (1,1)×pnmi×vnm )+{ bn (2,1)×pnmi×( 1-vnm )}+{ bn (1,2)×( 1-pnmi )×vnm }+{ bn (2,2)×( 1-pnmi )×( 1-vnm )}・・・(3)
B(V) = Σ_n Σ_m ( bn (1,1)×pnmi×vnm )+{ bn (2,1)×pnmi×( 1-vnm )}+{ bn (1,2)×( 1-pnmi )×vnm }+{ bn (2,2)×( 1-pnmi )×( 1-vnm )}・・・(3)
式(3)において、pnmiは、需要家nの時間帯mにおける行動状態iの確率である。式(2)では、pnmは、行動状態に応じた1又は0のいずれかの値であったが、これは、第1実施形態では、行動状態が一意に設定されていたため、行動状態の確率が100%又は0%だったためである。
選択部9は、第1実施形態と同様、削減量が目標削減量以上の制御計画の中から、算出部8により算出された負担度B(V)が最小の制御計画を選択する。負担度として、上述のB(V)を用いる場合、選択部9により選択される制御計画は、以下の最適化問題の解となる。
Minimize : B(V)
Subject to
Σ_n Qm ≧ Cm, for all m in M
0 ≦ vnm ≦ 1, for all vnm in V・・・(最適化式2)
Minimize : B(V)
Subject to
Σ_n Qm ≧ Cm, for all m in M
0 ≦ vnm ≦ 1, for all vnm in V・・・(最適化式2)
また、図12に示すように、行動状態の確率に不確実度が設定されてもよい。この不確実度として、例えば、行動状態の確率の変動幅を用いることができる。これは、行動状態の確率が、±不確実度%の範囲で変動することを想定している。例えば、図12における13時台の「在宅」の可能性は、14%~24%の範囲で変動することを想定している。この場合、選択部9により選択される制御計画は、以下の最適化問題の解となる。
Minimize : B(V)
Subject to
Σ_n Qm ≧ Cm, for all m in M
0 ≦ vnm ≦ 1, for all vnm in V
p*nmi - enm < pnmi < p*nmi+enm・・・(最適化式3)
Minimize : B(V)
Subject to
Σ_n Qm ≧ Cm, for all m in M
0 ≦ vnm ≦ 1, for all vnm in V
p*nmi - enm < pnmi < p*nmi+enm・・・(最適化式3)
ただし、p*nmiは、図12上の需要家nの時間帯mにおける在宅確率である。上記の最適化式3において、enmは、需要家nの時間帯mにおける不確実度である。この最適化問題は、2次の最適化問題、すなわち、2つの独立変数(vnmとpnmi)の積を含む最適化問題であるため、線形計画法では解けない。しかしながら、上述のGAなどの、既存の2次最適化問題の解法を用いて解くことができる。
なお、不確実度は、行動状態の確率の変動幅に限られず、例えば、当該変動幅の確率分布の標準誤差であってもよい。この場合、上記の最適化式3の代わりに以下の最適化式を用いることができる。
Minimize : B(V)
Subject to
Σ_n Qm ≧ Cm, for all m in M
0 ≦ vnm ≦ 1, for all vnm in V
P(B(V) > δ) < ε・・・(最適化式4)
Minimize : B(V)
Subject to
Σ_n Qm ≧ Cm, for all m in M
0 ≦ vnm ≦ 1, for all vnm in V
P(B(V) > δ) < ε・・・(最適化式4)
最適化式4の制約条件P(B(V)>δ)<εは、負担度B(V)が、定数δ以上となる確率が定数ε以下であることを意味する。この制約条件は、変動幅の確率分布が正規分布であると仮定した場合、二次不等式になるため、二次計画法により解くことができる。
以上説明した通り、本実施形態では、各需要家の行動状態が確率として設定されているため、行動状態の推定精度を向上させることができる。このような行動状態に基づいて算出した負担度を最小化することにより、需要家の負担を低減することができる。
(第3実施形態)
次に、第3実施形態に係る計画作成装置について、図13~図16を参照して説明する。本実施形態では、各需要家が複数の機器を有し、それらが個別に制御可能な場合について説明する。
次に、第3実施形態に係る計画作成装置について、図13~図16を参照して説明する。本実施形態では、各需要家が複数の機器を有し、それらが個別に制御可能な場合について説明する。
本実施形態において、負担度テーブル及び削減量テーブルは、需要家が有する機器ごとに用意される。計画作成装置は、機器ごとに各時間帯の制御内容を設定した制御計画を作成し、機器ごとの負担度テーブル及び削減量テーブルを用いて制御計画の負担度を算出する。
以下では、各需要家は、空調機器及びTVの2つの機器を有し、行動状態は、「調理」、「TV視聴」、「団らん」、「睡眠」、及び「不在」の5つに分類されるものとする。上記の「団らん」は、需要家が在宅しているものの、「調理」、「TV視聴」、及び「睡眠」のいずれにも当てはまらない行動状態のことである。
図13(A)は、空調機器用の制御計画テーブルの一例を示す図であり、図13(B)は、TV用の制御計画テーブルの一例を示す図である。このように、本実施形態において、作成部6は、機器ごとに制御計画を作成する。
図14は、削減量DB2に記憶された削減量テーブルの一例を示す図であり、図14(A)は空調機器用の削減量テーブル、図14(B)はTV用の削減量テーブルである。これらの削減量テーブルでは、空調機器及びTVの最大削減量(kW)がそれぞれ設定されている。
算出部7は、このような機器ごとの削減量テーブルに基づいて、各時間帯における機器ごとの削減量Qdmを計算する。
Qdm = Σ_n ( qdn×vdnm )・・・(4)
Qdm = Σ_n ( qdn×vdnm )・・・(4)
式(4)において、d(1≦d≦D)は各需要家nが有する機器の番号、vdnmは需要家nの機器dの時間帯mにおける削減率、qdnは需要家nの機器dの最大削減量である。各時間帯における制御計画の削減量Qmは、削減量Qdmの和であるから、以下の式により求められる。
Qm = Σ_d Qdm =Σ_d Σ_n ( qdn×vdnm )・・・(5)
Qm = Σ_d Qdm =Σ_d Σ_n ( qdn×vdnm )・・・(5)
図15は、空調機器用の負担度テーブルの一例を示す図であり、制御内容は「ON」及び「OFF」の2つに分類されている。この負担度テーブルでは、空調機器が「ON」のとき、及び需要家が「不在」のとき、需要家の負担度は0.0に設定されている。また、「OFF」かつ「TV視聴」のとき、及び「OFF」かつ「団らん」のときの負担度は1.0に設定されている。
これに対して、「OFF」かつ「調理」のときの負担度は、1.0より大きい1.2に設定されている。これは、調理中に熱が発生した場合、空調機器をOFFすることによる需要家の負担が大きくなることを想定している。
また、「OFF」かつ「睡眠」のときの負担度は、1.0より小さい0.8に設定されている。これは、一般に、睡眠時には空調を弱めることが多いため、空調機器をOFFすることによる需要家の負担が小さくなることを想定している。
図16は、TV用の負担度テーブルの一例を示す図であり、制御内容は「ON」及び「OFF」の2つに分類されている。この負担度テーブルでは、TVが「ON」のとき、及び需要家が「不在」、「睡眠」、及び「団らん」のとき、需要家の負担度は0.0に設定されている。また、「OFF」かつ「TV視聴」のときの負担度は1.0に設定されている。
これに対して、「OFF」かつ「調理」のときの負担度は、1.0より小さい0.6に設定されている。これは、調理中にはTVを視聴する頻度が低下するため、「TV視聴」のときより需要家の負担が小さくなることを想定している。
このように、本実施形態では、各機器の特徴に応じた負担度が、機器ごとに設定されている。なお、各機器の負担度は、アンケートなどにより更新してもよい。また、複数の需要家に対して機器ごとに同一の負担度テーブルが用いられてもよい。
算出部8は、このような負担度テーブルを参照して、まず、機器ごとの制御計画の負担度を算出する。機器ごとの制御計画の負担度Bd(Vd)は、上述の式(2)及び式(3)を拡張した以下の式により求められる。
Bd (Vd) =Σ_n Σ_m ( bn (1,1)×p1nm×vd1nm ) + ( bn (2,1)×p2nm×vd1nm ) + ( bn (1,2)×p1nm×vd2nm) + ( bn (2,2)×p2nm×vd2nm)
= Σ_n Σ_m Σ_(i,j) (bn (i,j)×pinm×vdjnm)・・・(6)
Bd (Vd) =Σ_n Σ_m ( bn (1,1)×p1nm×vd1nm ) + ( bn (2,1)×p2nm×vd1nm ) + ( bn (1,2)×p1nm×vd2nm) + ( bn (2,2)×p2nm×vd2nm)
= Σ_n Σ_m Σ_(i,j) (bn (i,j)×pinm×vdjnm)・・・(6)
式(6)において、vd1nmは需要家nの機器dの時間帯mにおける削減率、vd2nm=1-vd1nm、Vdは要素vd1nmからなる行列Vd1と要素vd2nmからなる行列Vd2とを縦に並べた行列、bn
(j,i)はj行i列の負担度テーブルである。図15に示すように、i=1のとき「調理」、i=2のとき「TV視聴」、i=3のとき「団らん」、i=4のとき「睡眠」、i=5のとき「不在」、j=1のとき「ON」、j=2のとき「OFF」である。pknmは、需要家nの時間帯mにおける行動状態j=kのとき1、それ以外のとき0となる値である。
制御計画Pの負担度B(V)は、負担度Bd(Vd)の和であるから、以下の式により算出される。
B (V)=Σ_d Bd (Vd)・・・(7)
B (V)=Σ_d Bd (Vd)・・・(7)
選択部9は、削減量が目標削減量以上の制御計画の中から、算出部8により算出された負担度B(V)が最小の制御計画を選択する。負担度として、上述のB(V)を用いる場合、選択部9により選択される制御計画は、以下の最適化問題の解となる。
Minimize: B(V)
Subject to
Cm ≦ Qm, for all m in M
0 ≦ vd1nm ≦ 1, for all vd1nm in Vd
vd2nm = 1-vd1nm・・・(最適化式5)
Minimize: B(V)
Subject to
Cm ≦ Qm, for all m in M
0 ≦ vd1nm ≦ 1, for all vd1nm in Vd
vd2nm = 1-vd1nm・・・(最適化式5)
以上説明した通り、本実施形態に係る計画作成装置によれば、需要家が複数の機器を有し、それらが個別に制御可能な場合であっても制御計画を作成することができる。また、機器ごとに用意された負担度テーブルや削減量テーブルを用いて機器ごとに制御計画の負担度や削減量を算出するため、負担度の推定精度が向上し、需要家の負担を低減することができる。
なお、本実施形態において、負担度テーブルの制御内容を、機器ごとに異ならせてもよい。例えば、TVの負担度テーブルの制御内容を「ON」及び「OFF」の2つとし、空調機器の負担度テーブルの制御内容を3つ以上の「設定温度」とすることなどが考えられる。
また、第2実施形態と同様に、負担度を確率として設定してもよい。すなわち、5つの行動状態に対してそれぞれ確率を設定し、負担度の期待値を算出し、当該期待値に基づいて、制御計画を選択してもよい。これにより、需要家の負担をさらに低減することができる。
(第4実施形態)
次に、第4実施形態に係る計画作成装置について、図17~図19を参照して説明する。図17は、本実施形態に係る計画作成装置の機能構成を示すブロック図である。図17に示すように、本実施形態に係る計画作成装置は、行動状態予測部10をさらに備える。他の構成は、第1実施形態に係る計画作成装置と同様である。
次に、第4実施形態に係る計画作成装置について、図17~図19を参照して説明する。図17は、本実施形態に係る計画作成装置の機能構成を示すブロック図である。図17に示すように、本実施形態に係る計画作成装置は、行動状態予測部10をさらに備える。他の構成は、第1実施形態に係る計画作成装置と同様である。
行動状態予測部10(以下、「予測部10」という)は、各需要家の行動状態を予測する。予測された行動状態は、行動状態DB2に記憶される。予測部10は、所定間隔で、或いは制御計画の作成前に行動状態の予測を行い、行動状態テーブルを更新する。
予測部10は、制御対象期間以前の需要家の実際の行動状態、制御対象期間における天候、気温、湿度、及び消費電力などの予測情報を用いて行動状態を予測する。予測部10は、これらの各種パラメータを記憶するパラメータDB11を備えていてもよいし、行動状態を予測する際に、外部装置から各主パラメータを取得してもよい。
行動状態の予測方法として、例えば、行動予測モデルを用いる方法が挙げられる。行動予測モデルは、入力された1つ又は複数のパラメータに応じた行動状態を出力する関数やルールセットである。行動予測モデルのパラメータとして、実際の行動状態、天候、気温、及び湿度の履歴情報などを用いることができる。
行動予測モデルは、これらのパラメータと、実際の行動状態との関係を、線形回帰やロジスティック回帰などの回帰分析を用いて機械学習することにより、作成及び更新することができる。
実際の行動状態は、需要家に設置したビデオやセンサから取得した情報に基づいて、特定或いは推定することができる。行動予測モデルにより出力する行動状態が「在宅」及び「不在」の2つである場合には、需要家の消費電力情報から行動予測モデルを作成することもできる。
図18は、予測部10により予測され、行動状態DB2に記憶された行動状態テーブルの一例を示す図である。この行動状態テーブルの場合、予測部10が出力する行動状態は、「外出」、「団らん」、及び「調理」の3つであり、予測部10は時間帯ごとのこれらの確率を出力している。図18において、「外出」、「団らん」、及び「調理」はいずれも同時には行われないため、各行動状態の確率の和は1になっている。
算出部8は、このような行動状態テーブルから算出された負担度の期待値を用いて制御計画Pの負担度を求めてもよいし、図19に示すように、確率が最も高い行動状態を選択して制御計画の負担度を求めてもよい。
上述の各実施形態では、各時間帯に推定される行動状態が予め設定されていたが、需要家の行動状態は、季節などによって変化することがあるため、同じ行動状態テーブルを使い続けた場合、行動状態の推定精度が低下する恐れがある。
しかしながら、本実施形態によれば、各需要家の行動状態は、最新の行動予測モデルを用いて予測され、更新される。したがって、行動状態の推定精度の低下が抑制され、需要家の負担を低減することができる。
(第5実施形態)
次に、第5実施形態に係る計画作成装置について、図20を参照して説明する。本実施形態において、作成部6は、複数の需要家からなるグループごとに制御内容を設定した制御計画を作成する。同一のグループに含まれる複数の需要家の機器は、制御計画で設定された同一の制御内容に従って制御される。
次に、第5実施形態に係る計画作成装置について、図20を参照して説明する。本実施形態において、作成部6は、複数の需要家からなるグループごとに制御内容を設定した制御計画を作成する。同一のグループに含まれる複数の需要家の機器は、制御計画で設定された同一の制御内容に従って制御される。
図20は、作成部6により作成された制御計画テーブルの一例を示す図である。図20に示すように、この制御計画テーブルでは、各グループの各時間帯における制御内容が設定されている。グループは、需要家全体を所定の方法で分類することにより作成される。
需要家のグループの分類方法として、例えば、年齢、性別、家族構成、地域、及び職業などの人口統計学的な属性に応じた分類方法や、行動状態の傾向(例えば、「日中不在」など)に応じたk-means法などのクラスタリング方法を用いることができる。また、需要家のグループは、電力会社などの電力供給側が需要家側に設定する区分である、管轄電力会社区分、管轄変電所区分、及び管轄変圧器区分ごとに分類されてもよい。このようなグループは、予め作成されていてもよいし、制御計画を作成する際に作成されてもよい。
本実施形態において、削減量DB1には、グループごと、或いは需要家ごとに最大削減量を設定した削減量テーブルが記憶される。また、行動状態DB2には、グループごと、或いは需要家ごとに行動状態を設定した行動状態テーブルが記憶される。さらに、負担度DB3には、グループごと、或いは需要家ごとに負担度を設定した負担度テーブルが記憶される。
算出部7は、削減量テーブルと制御計画テーブルとを参照して、時間帯ごとの削減量を算出する。最大削減量がグループごとに設定されている場合には、グループの最大削減量と、グループの制御内容(削減率)とから、各グループの時間帯ごとの削減量を算出することができる。また、最大削減量が需要家ごとに設定されている場合には、需要家の最大削減量と、当該需要家が含まれるグループの制御内容(削減率)とから、各需要家の時間帯ごとの削減量を算出することができる。このように算出された各需要家又は各グループの削減量を、時間帯ごとに合計することで、制御計画の時間帯ごとの削減量が算出される。
算出部8は、行動状態テーブルと負担度テーブルとを参照して、制御計画の負担度を算出する。行動状態及び負担度がグループごとに設定されている場合には、負担度テーブルを参照して、グループの行動状態と制御内容とに応じたグループごとの負担度を算出することができる。また、行動状態及び負担度が需要家ごとに設定されている場合には、負担度テーブルを参照して、需要家の行動状態及び当該需要家が含まれるグループの制御内容に応じた需要家ごとの負担度を算出することができる。
このように算出された各需要家又は各グループの負担度を合計することで、制御計画の負担度が算出される。なお、行動状態及び負担度の一方がグループごとに設定され、他方が需要家ごとに設定されていてもよい。いずれの場合も、まず需要家ごとの負担度が算出され、その合計として制御計画の負担度が算出される。
選択部9は、制御計画の削減量及び負担度に応じて制御計画を選択する。制御計画の選択方法は上述の各実施形態で説明した通りである。
以上説明した通り、本実施形態によれば、制御計画はグループごとに作成される。このため、制御計画を作成するための計算量を減少させ、制御計画を作成するための処理時間を短縮することができる。また、グループごとにまとめて機器を制御可能となるため、需要家ごとに機器を制御する場合に比べて、制御を簡便にすることができる。
(第6実施形態)
次に、第6実施形態に係る計画作成装置について説明する。上述の各実施形態では、制御計画は事前に作成され、制御対象期間中に変更されないことを想定していた。本実施形態では、制御計画が制御対象期間中に所定の時間間隔で更新される場合について説明する。
次に、第6実施形態に係る計画作成装置について説明する。上述の各実施形態では、制御計画は事前に作成され、制御対象期間中に変更されないことを想定していた。本実施形態では、制御計画が制御対象期間中に所定の時間間隔で更新される場合について説明する。
選択部9が選択した制御計画の制御対象期間中において、作成部6は、当該制御計画を所定の時間間隔で更新する。ここで、作成部6が作成し、選択部9により選択された制御計画がM個の時間帯の制御内容を定める制御計画であるとする。本実施形態において、作成部6は、当該制御計画の時間帯mの間に、時間帯m+s(1≦s)以降の制御計画を更新する。
例えば、作成部6が、1時間ごとに図7の制御計画を更新する場合、13時~13時59分の間に14時以降の制御計画を更新し、14時から14時59分までの間に15時以降の制御計画を更新し、以降の時間帯でもこれを繰り返す。制御計画の更新方法は、更新対象期間を制御対象期間とした制御計画の作成方法と同様である。
作成部6による制御計画の更新間隔は、1時間に限られず、任意である。例えば、更新間隔が2時間の場合、作成部6は、13時から13時59分までの間に14時以降の制御計画を更新し、15時から15時59分までの間に16時以降の制御計画を更新し、以降の時間帯でもこれを繰り返す。
また、上記の説明では、s=1、すなわち、作成部6は、時間帯mに時間帯m+1以降の制御計画を更新しているが、sは2以上であってもよい。例えば、s=2の場合、作成部6は、13時から13時59分までの間に15時以降の制御計画を更新し、14時から14時59分までの間に16時以降の制御計画を更新する。
さらに、更新対象期間は、時間帯m+s以降の所定期間であってもよい。例えば、更新対象期間を3時間とした場合、作成部6は、13時から13時59分までの間に14時から16時59分までの間の制御計画を更新し、14時から14時59分までの間に15時から17時59分までの間の制御計画を更新する。
以上説明した通り、本実施形態に係る計画作成装置では、制御計画が所定の時間間隔で更新される。制御計画の制御対象期間中に、予測部10や需要家に設置されたセンサなどの情報により、需要家の行動状態が更新されることがある。また、天候や気温の変化により、利用すべき行動状態テーブルが変化することもある。
本実施形態によれば、実施中の制御計画を、上記のような制御対象期間中の行動状態の変化に応じた制御計画に更新することができるため、行動状態の推定精度を向上させ、需要家の負担を低減することができる。
行動状態の変化を効率的に反映するために、例えば、13時50分から13時59までの間に、14時以降の制御計画を更新するというように、更新対象期間の直前に更新を行うのが好ましい。
(第7実施形態)
次に、第7実施形態に係る電力管理装置について、図21~図23を参照して説明する。本実施形態に係る電力管理装置は、計画作成装置が作成した制御計画に従って、需要家が有する機器を動作させる。図21は、本実施形態に係る電力管理装置の機能構成を示すブロック図である。図21に示すように、本実施形態に係る電力管理装置は、第1実施形態に係る計画作成装置と、制御計画通信部12と、出力部13と、入力部14と、機器制御装置Dnと、入出力端末Tnとを備える。なお、電力管理装置は、第1実施形態に係る計画作成装置のかわりに、第2~第6実施形態に係るいずれの計画作成装置を備えてもよい。
次に、第7実施形態に係る電力管理装置について、図21~図23を参照して説明する。本実施形態に係る電力管理装置は、計画作成装置が作成した制御計画に従って、需要家が有する機器を動作させる。図21は、本実施形態に係る電力管理装置の機能構成を示すブロック図である。図21に示すように、本実施形態に係る電力管理装置は、第1実施形態に係る計画作成装置と、制御計画通信部12と、出力部13と、入力部14と、機器制御装置Dnと、入出力端末Tnとを備える。なお、電力管理装置は、第1実施形態に係る計画作成装置のかわりに、第2~第6実施形態に係るいずれの計画作成装置を備えてもよい。
制御計画通信部12(以下、「通信部12」という)は、計画作成装置の選択部9により選択され、制御計画DB5に記憶された制御計画を、ネットワークを介して各需要家が有する機器に送信する。この通信部12の機能は、通信装置104により実現される。
通信部12から送信された制御計画は、各需要家nが有する機器制御装置Dnが受信する。機器制御装置Dnは、需要家nが有する各機器を制御する制御装置であって、通信部12から受信した制御計画に従って、需要家nの各機器を動作させる。
具体的には、機器制御装置Dnは、制御内容で指定された削減率となるように、各機器を間欠運転させたり、動作パラメータを変更したりする。機器の間欠運転は、例えば、スマートタップなどを用いて機器への電力供給を断続的に遮断することにより可能である。また、Echonet-Lite(登録商標)やZigBee(登録商標)などの無線通信プロトコルを用いて、機器に直接的に制御信号を送信する方法も可能である。さらに、機器の一部の機能への電力供給を断続的に遮断することによっても可能である。
機器制御装置Dnによるこのような機器制御によって、制御計画に従ったADR制御が実現される。すなわち、本実施形態に係る電力管理装置は、ADRシステムを構成する。
また、通信部12は、パーソナルコンピュータ、タブレット端末、携帯電話、及びスマートフォンなどの各需要家の端末に、メール、WEBサイト、及びアプリケーションソフトを介して確認依頼を送信してもよい。確認依頼とは、制御計画による需要家の機器の制御を実施してもよいか、需要家に確認するためのものである。
機器制御装置Dnは、制御計画による制御の実施に同意した需要家nに対してのみ制御を実施することが考えられる。すなわち、需要家nのオペレータ(ユーザ)が通信部12と通信可能な入出力端末Tnを用いて入力した同意を示す情報を、機器制御装置Dnが通信部12から受け取った場合に、機器制御装置Dnは制御計画に従って各機器を制御する。また、同意した需要家への実施だけでは十分な削減量が得られない場合には、同意した需要家のみを対象として、計画作成装置により再度制御計画を作成してもよい。この場合、電力管理装置には、各需要家nの入出力端末Tnが含まれる。
また、この場合、同意、不同意を示す情報を、需要家nの入出力端末Tnから、機器制御装置Dnまたは一般のインターネット等のネットワークを介して通信部12に送ることにより、例えば、作成部6が再計画を行うか否か判断し、再計画を行ってもよい。ここで、再計画とは、選択部9が新たに制御計画を選択することをいう。再計画された制御計画は、1度目と同様に各需要家nに確認依頼をしてもよいし、再計画が延々と続くのを避けるために、確認依頼をしない、あるいは、k回(kは任意の実数)のみ確認依頼をする、ということが考えられる。この他、確認依頼を提示する際に、「A.現在提示の条件でのみ同意」「B.再計画後も同意」「C.不同意」の例えば3種類の回答を需要家から集め、Aと回答した需要家群については現状の計画で固定した上で、Bと回答した需要家群のみに、『Aと回答した需要家群については現在提示の制御条件で制御を行う、Cを選択した需要家群については制御を行わない』という条件のもとで再計画を行うという方法も考えられる。
さらに、確認依頼により、機器や時間帯ごとに制御の可否を確認することも可能である。電力管理装置は、同意を得られた機器や時間帯のみ、制御計画に従った制御を実施し、同意を得られなかった機器や時間帯に対して、計画作成装置により再度制御計画を作成してもよい。
出力部13は、電力管理装置によって記憶又は生成された情報を、画像や音声により出力し、電力管理装置のオペレータに提供する。出力部13の機能は、表示装置103により実現される。入力部14は、電力管理装置のオペレータからの情報入力により、電力管理装置によって記憶又は生成された情報の出力や編集を可能にする。入力部14の機能は、入力装置102により実現される。出力部13により出力された情報は、オペレータが入力部14を介して入力した情報によって編集可能であることが好ましい。
例えば、出力部13は、制御計画により機器の制御を実施した場合のシミュレーション結果を表示する。これにより、オペレータは、計画作成装置により作成された制御計画及びシミュレーション結果を視覚的に確認したり、入力部入力装置102を用いて情報入力することにより制御計画を編集したりすることができる。ここで、編集とは、制御計画の一部を修正または変更することをいう。図22は、シミュレーション結果の一例を示す図である。図22において、横軸は時刻、縦軸は削減量、グラフ中の実線は制御計画の削減量を示している。上述の通り、制御計画の各時間帯mの削減量Qmは、需要家nの時間帯mにおける削減率vnm、及び需要家nの最大削減量qnに基づいて、以下の式により求められる。
Qm = Σ_n vnm×qn
Qm = Σ_n vnm×qn
グラフ中の実線は、このように算出された制御計画の各時間帯mの削減量Qmをプロットし、削減量Qm間を実線で接続することにより作成される。図22のシミュレーション結果を表示することにより、オペレータは、制御計画による削減量や、目標削減量に対する乖離を視覚的に確認することができる。なお、制御計画の削減量の算出方法はこれに限られない。
図23は、シミュレーション結果の他の例を示す図である。図23において、横軸は時刻、縦軸は消費電力、グラフ中の実線は制御計画を実施しない場合の消費電力の予測値、破線は制御計画を実施した場合の消費電力の予測値を示している。電力管理装置が、予め消費電力の予測値を取得している場合には、図23に示すようなシミュレーション結果を表示することができる。
このようなシミュレーション結果を表示することにより、オペレータは、制御計画を実施した場合の消費電力の推移や最大値を視覚的に確認することができる。これは、制御計画が、消費電力の最大値が所定値以下となるように制御計画を作成する場合に有利である。
さらに、シミュレーション結果として、需要家ごとや時間帯ごとに、削減量や消費電力を表示してもよいし、需要家全体の負担度や各需要家の負担度を、時系列や時間帯ごとに表示してもよい。
他にも、制御計画による制御を実施した後、実際の消費電力とシミュレーション結果による消費電力とを対比して表示したり、それらの誤差を表示したりすることも可能である。
また、出力部13は、シミュレーション結果に限らず、図7に示したような制御計画テーブルを画面上に表示してもよい。これにより、オペレータは、計画作成装置により作成された制御計画を視覚的に確認したり、入力装置102を用いて情報入力することにより制御計画を編集したりすることができる。
以上説明した通り、本実施形態に係る電力管理装置によれば、計画作成装置により作成した需要家の負担の小さい制御計画に従って、需要家の機器を動作させることができるため、ADR制御による需要家の負担を低減することができる。
なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。
1:削減量DB、2:行動状態DB、3:負担度DB、4:目標削減量DB、5:制御計画DB、6:制御計画作成部、7:削減量算出部、8:負担度算出部、9:制御計画選択部、10:行動状態予測部、11:パラメータDB、12:制御計画通信部、13:出力部、14:入力部、100:コンピュータ装置、101:CPU、102:入力装置、103:表示装置、104:通信装置、105:主記憶部、106:外部記憶部、107:バス、D:機器制御装置、T:入出力端末
Claims (20)
- 需要家が有する機器の制御内容を含む制御計画を複数作成する作成部と、
前記需要家の行動状態及び前記機器の制御内容に応じた前記制御計画の負担度を算出する算出部と、
複数の前記制御計画の中から、前記負担度に応じて制御計画を選択する選択部と、
を備える計画作成装置。 - 前記選択部は、前記需要家の消費電力又は消費電力量が所定の条件を満たし、かつ前記負担度が最小の制御計画を選択する
請求項1に記載の計画作成装置。 - 前記選択部は、消費電力又は消費電力量と前記負担度とを含む評価関数が最小となる制御計画を選択する
請求項1に記載の計画作成装置。 - 前記算出部は、前記需要家の行動状態と前記機器の制御内容とに応じて予め設定された負担度から、前記制御計画の負担度を算出する
請求項1~請求項3のいずれか1項に記載の計画作成装置。 - 前記所定の条件は、前記需要家の消費電力又は消費電力量の削減量が所定値以上になること、又は前記需要家の消費電力又は消費電力量が所定値以下になることである
請求項1~請求項4のいずれか1項に記載の計画作成装置。 - 前記需要家の行動状態は、時間帯、天候、気温、曜日及び季節の少なくとも1つに応じて予め設定される
請求項1~請求項5のいずれか1項に記載の計画作成装置。 - 前記需要家の行動状態は、確率として設定される
請求項1~請求項6のいずれか1項に記載の計画作成装置。 - 前記作成部は、前記需要家が有する機器ごとに前記制御計画を作成する
請求項1~請求項7のいずれか1項に記載の計画作成装置。 - 前記需要家の行動状態を予測する予測部をさらに備える
請求項1~請求項8のいずれか1項に記載の計画作成装置。 - 前記作成部は、複数の前記需要家からなるグループごとに前記制御計画を作成する
請求項1~請求項9のいずれか1項に記載の計画作成装置。 - 前記作成部は、前記制御計画の制御対象期間中に、所定の時間間隔で当該制御計画を更新する
請求項1~請求項10のいずれか1項に記載の計画作成装置。 - 前記選択部は、線形計画法を用いて前記制御計画を選択する
請求項1~請求項11のいずれか1項に記載の計画作成装置。 - 前記線形計画法が、単体法である
請求項12に記載の計画作成装置。 - 前記選択部は、メタヒューリスティックアルゴリズムを用いて前記制御計画を選択する
請求項1~請求項11のいずれか1項に記載の計画作成装置。 - 前記メタヒューリスティックアルゴリズムが、遺伝的アルゴリズムである
請求項14に記載の計画作成装置。 - 請求項1~請求項15のいずれか1項に記載の計画作成装置と、
前記計画作成装置の前記選択部により選択された前記制御計画を、前記需要家が有する機器を制御する機器制御装置に送信する通信部と、
を備える電力管理装置。 - 前記機器制御装置は、前記需要家の前記制御計画に対する同意を示す情報を受け取った場合に、前記制御計画に従って前記機器を制御する
請求項16に記載の電力管理装置。 - 前記選択部は、前記通信部が前記需要家の前記制御計画に対する同意または不同意を示す情報を受け取った場合に、新たに制御計画を選択する
請求項16又は請求項17に記載の電力管理装置。 - 前記計画作成装置の前記選択部により選択された前記制御計画により前記機器の制御を実施した場合のシミュレーション結果を出力する出力部をさらに備える
請求項16~請求項18のいずれか1項に記載の電力管理装置。 - 前記制御計画を編集するための入力部をさらに備える
請求項16~請求項19のいずれか1項に記載の電力管理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/062512 WO2015170411A1 (ja) | 2014-05-09 | 2014-05-09 | 計画作成装置及び電力管理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/062512 WO2015170411A1 (ja) | 2014-05-09 | 2014-05-09 | 計画作成装置及び電力管理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2015170411A1 true WO2015170411A1 (ja) | 2015-11-12 |
Family
ID=54392279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2014/062512 WO2015170411A1 (ja) | 2014-05-09 | 2014-05-09 | 計画作成装置及び電力管理装置 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2015170411A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017134635A (ja) * | 2016-01-28 | 2017-08-03 | 三菱電機株式会社 | 推薦情報提示装置、推薦情報提示システム、推薦情報提示方法、推薦情報提示プログラム |
JP2017182266A (ja) * | 2016-03-29 | 2017-10-05 | 株式会社東芝 | 電力需要予測装置 |
JP2018197890A (ja) * | 2017-05-10 | 2018-12-13 | ヤフー株式会社 | 判定装置、判定方法及び判定プログラム |
EP3522324A1 (de) * | 2018-02-05 | 2019-08-07 | Beegy GmbH | Verfahren und anordnung zum lastmanagement von elektrischen geräten |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002118986A (ja) * | 2000-10-06 | 2002-04-19 | Matsushita Electric Ind Co Ltd | 電力モニタシステム |
JP2010166636A (ja) * | 2009-01-13 | 2010-07-29 | Hitachi Ltd | 電力需給運用管理サーバ、および電力需給運用管理システム |
JP2013045197A (ja) * | 2011-08-23 | 2013-03-04 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP2013183573A (ja) * | 2012-03-02 | 2013-09-12 | Toshiba Corp | 電力供給制御システム |
WO2014061255A1 (ja) * | 2012-10-19 | 2014-04-24 | パナソニック株式会社 | 融雪コントローラ、および融雪コントローラを備える融雪管理システム |
-
2014
- 2014-05-09 WO PCT/JP2014/062512 patent/WO2015170411A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002118986A (ja) * | 2000-10-06 | 2002-04-19 | Matsushita Electric Ind Co Ltd | 電力モニタシステム |
JP2010166636A (ja) * | 2009-01-13 | 2010-07-29 | Hitachi Ltd | 電力需給運用管理サーバ、および電力需給運用管理システム |
JP2013045197A (ja) * | 2011-08-23 | 2013-03-04 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP2013183573A (ja) * | 2012-03-02 | 2013-09-12 | Toshiba Corp | 電力供給制御システム |
WO2014061255A1 (ja) * | 2012-10-19 | 2014-04-24 | パナソニック株式会社 | 融雪コントローラ、および融雪コントローラを備える融雪管理システム |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017134635A (ja) * | 2016-01-28 | 2017-08-03 | 三菱電機株式会社 | 推薦情報提示装置、推薦情報提示システム、推薦情報提示方法、推薦情報提示プログラム |
JP2017182266A (ja) * | 2016-03-29 | 2017-10-05 | 株式会社東芝 | 電力需要予測装置 |
JP2018197890A (ja) * | 2017-05-10 | 2018-12-13 | ヤフー株式会社 | 判定装置、判定方法及び判定プログラム |
EP3522324A1 (de) * | 2018-02-05 | 2019-08-07 | Beegy GmbH | Verfahren und anordnung zum lastmanagement von elektrischen geräten |
WO2019149948A1 (de) * | 2018-02-05 | 2019-08-08 | Beegy Gmbh | Verfahren und anordnung zum lastmanagement von elektrischen geräten |
CN110809844A (zh) * | 2018-02-05 | 2020-02-18 | 比吉有限责任公司 | 用于电气设施的负荷管理的方法和设备 |
JP2020522978A (ja) * | 2018-02-05 | 2020-07-30 | ビージー・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツングbeegy GmbH | 電気装置の負荷管理のための方法およびアセンブリ |
CN110809844B (zh) * | 2018-02-05 | 2020-12-25 | 比吉有限责任公司 | 用于电气设施的负荷管理的方法和设备 |
US10879700B2 (en) | 2018-02-05 | 2020-12-29 | Beegy Gmbh | Method and assembly for the load management of electrical devices |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230400823A1 (en) | Orchestrated energy | |
JP6463449B2 (ja) | 電力取引管理システムおよび電力取引管理方法 | |
RU2747281C2 (ru) | Иерархический неявный контроллер для экранированной системы в энергосети | |
JP6182238B2 (ja) | 自動需要応答エネルギ管理システム | |
US8768527B2 (en) | Power demand-supply management server and power demand-supply management system | |
US11410219B2 (en) | Methods, systems, apparatuses and devices for matching at least one utility consumer to at least one utility provider | |
US20170169446A1 (en) | Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities | |
WO2017098631A1 (ja) | 電力制御装置、運転計画立案方法、及び、プログラム | |
JP2020501491A (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
US20210141353A1 (en) | System, apparatus and method for energy management, for usage by consumers of energy from electric utility service providers, and monitoring and management of same | |
US20150058061A1 (en) | Zonal energy management and optimization systems for smart grids applications | |
WO2016168910A1 (en) | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings | |
US20180287382A1 (en) | Power system load flexibility forecasting | |
WO2015170411A1 (ja) | 計画作成装置及び電力管理装置 | |
Berredo et al. | Decision making in fuzzy environment and multicriteria power engineering problems | |
Teichgraeber et al. | Optimal design of an electricity-intensive industrial facility subject to electricity price uncertainty: Stochastic optimization and scenario reduction | |
Babai et al. | Dynamic versus static control policies in single stage production-inventory systems | |
KR20130107369A (ko) | 개선된 생산 및 분배를 위한 방법들 | |
KR20240025574A (ko) | 지능형 수요 반응 입찰 관리 시스템 및 그 방법 | |
JP2022090423A (ja) | 電力予測装置、及び電力予測方法 | |
CN116341931B (zh) | 一种多偏好钢铁企业经营数据分析系统及方法 | |
US20140365023A1 (en) | Systems and Methods for Computer Implemented Energy Management | |
WO2024105199A1 (en) | System and method to control electric vehicle fleet charging or microgrid operation considering a heuristic approach to extend battery life | |
Sun et al. | Application of reinforcement learning in planning and operation of new power system towards carbon peaking and neutrality | |
Agha Mohammad Ali Kermani et al. | Supplier selection in a single-echelon supply chain with horizontal competition using Imperialist competitive algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 14891381 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
NENP | Non-entry into the national phase |
Ref country code: JP |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 14891381 Country of ref document: EP Kind code of ref document: A1 |