JPH0764609A - 需要予測データ作成方法およびシステム - Google Patents
需要予測データ作成方法およびシステムInfo
- Publication number
- JPH0764609A JPH0764609A JP23887993A JP23887993A JPH0764609A JP H0764609 A JPH0764609 A JP H0764609A JP 23887993 A JP23887993 A JP 23887993A JP 23887993 A JP23887993 A JP 23887993A JP H0764609 A JPH0764609 A JP H0764609A
- Authority
- JP
- Japan
- Prior art keywords
- data
- information data
- map information
- database
- extracted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 需要値の重なりの確率的な変動を考慮するこ
とにより、個々の需要家の持つ特性（使用パターン）を
十分反映することができ、精度の高い需要予測を行うこ
とができるようにする。 【構成】 地図情報データベース１００から予測対象と
なる特定エリア内の地図情報データが抽出される。この
地図情報データに対応して需要家情報データベース２０
０から需要家情報データが抽出され属性別に分類され
る。この需要家情報データの属性別の分類結果に基づい
て、サンプリングデータベースから使用量情報が無作為
に抽出される。この無作為に抽出された使用量情報を集
積して各属性毎の最大使用量を求め、これら最大使用量
が出現する頻度分布図が作成される。この頻度分布図を
解析することにより予測データが作成される。
とにより、個々の需要家の持つ特性（使用パターン）を
十分反映することができ、精度の高い需要予測を行うこ
とができるようにする。 【構成】 地図情報データベース１００から予測対象と
なる特定エリア内の地図情報データが抽出される。この
地図情報データに対応して需要家情報データベース２０
０から需要家情報データが抽出され属性別に分類され
る。この需要家情報データの属性別の分類結果に基づい
て、サンプリングデータベースから使用量情報が無作為
に抽出される。この無作為に抽出された使用量情報を集
積して各属性毎の最大使用量を求め、これら最大使用量
が出現する頻度分布図が作成される。この頻度分布図を
解析することにより予測データが作成される。
Description
【０００１】
【産業上の利用分野】本発明は、特定エリアにおける電
気、都市ガス、水道水などのエネルギ需要を予測するた
めの予測データを作成する需要予測データ作成方法およ
びシステムに係り、特に実地調査（ロードサーベイ）に
基づいた手法により各需要家の特性を反映して需要予測
を行うための需要予測データ作成方法およびシステムに
関する。
気、都市ガス、水道水などのエネルギ需要を予測するた
めの予測データを作成する需要予測データ作成方法およ
びシステムに係り、特に実地調査（ロードサーベイ）に
基づいた手法により各需要家の特性を反映して需要予測
を行うための需要予測データ作成方法およびシステムに
関する。
【０００２】
【従来の技術】一般に、ガス導管などの設備の需要設計
をする際には、その地域における需要推計（配分）が重
要な問題となる。
をする際には、その地域における需要推計（配分）が重
要な問題となる。
【０００３】従来、この種の需要推計を行うための手法
として、特開昭５２−８６７５０号、特開昭５６−１４
３６６号、特公昭５９−２９４５号、特公昭６０−５３
９０４号および特公昭６１−２５１８２号公報等に開示
された方法がある。
として、特開昭５２−８６７５０号、特開昭５６−１４
３６６号、特公昭５９−２９４５号、特公昭６０−５３
９０４号および特公昭６１−２５１８２号公報等に開示
された方法がある。
【０００４】しかし、これら公報に開示された従来の予
測方法は、過去の需要量を基に大まかな予測を行うもの
であり、予測精度としては十分実用に耐えるものではな
かった。また、一般に、需要量は業種毎に異なるもので
あり、これら業種別の特性の違いを反映しなければ、予
測誤差が大きくなる。
測方法は、過去の需要量を基に大まかな予測を行うもの
であり、予測精度としては十分実用に耐えるものではな
かった。また、一般に、需要量は業種毎に異なるもので
あり、これら業種別の特性の違いを反映しなければ、予
測誤差が大きくなる。
【０００５】そこで、このような問題を解決する方法と
して、従来、特開平５−８８７１４号公報に開示された
技術（広域需要予測方法）がある。この特開平５−８８
７１４号公報に開示された広域需要予測方法は、過去の
実績需要値との関係に基づいて予測対象となる業種を分
類し、この分類した各業種の集合ごとの需要予測値を求
め、これら需要予測値を合成することにより予測総需要
量を求めるものである。
して、従来、特開平５−８８７１４号公報に開示された
技術（広域需要予測方法）がある。この特開平５−８８
７１４号公報に開示された広域需要予測方法は、過去の
実績需要値との関係に基づいて予測対象となる業種を分
類し、この分類した各業種の集合ごとの需要予測値を求
め、これら需要予測値を合成することにより予測総需要
量を求めるものである。
【０００６】
【発明が解決しようとする課題】しかしながら、上述の
従来の方法は、業種別の属性を反映した予測を行うこと
ができるものの、個別の需要家の使用パターン（消費傾
向）まで含めた「特性」を十分に精度良く反映したもの
ではなかった。すなわち従来の方法では、個々の需要家
における需要値の重なりの確率的な変動を考慮したもの
ではなく、単に個々の需要値の和を全体のピーク値とし
て見積もることにより最大需要値としていた。
従来の方法は、業種別の属性を反映した予測を行うこと
ができるものの、個別の需要家の使用パターン（消費傾
向）まで含めた「特性」を十分に精度良く反映したもの
ではなかった。すなわち従来の方法では、個々の需要家
における需要値の重なりの確率的な変動を考慮したもの
ではなく、単に個々の需要値の和を全体のピーク値とし
て見積もることにより最大需要値としていた。
【０００７】したがってこのような従来の方法では、最
大需要値を正確に見積もることができず、実際よりも小
さく見積もられてしまうこととなり、予測データとして
現実に利用することが困難であるという問題があった。
大需要値を正確に見積もることができず、実際よりも小
さく見積もられてしまうこととなり、予測データとして
現実に利用することが困難であるという問題があった。
【０００８】また、従来の方法では、予測の安全率を求
めるための最大ピーク時の出現頻度を表す頻度分布図を
求めることができず、そのため安全率を考慮した需要予
測を行うことができないという問題があった。
めるための最大ピーク時の出現頻度を表す頻度分布図を
求めることができず、そのため安全率を考慮した需要予
測を行うことができないという問題があった。
【０００９】本発明は上記問題点に鑑みてなされたもの
で、その目的は、需要値の重なりの確率的な変動を考慮
することにより、個々の需要家の持つ特性を十分反映す
ることができ、精度の高い需要予測を行うことが可能な
予測データを作成できる需要予測データ作成方法を提供
することにある。
で、その目的は、需要値の重なりの確率的な変動を考慮
することにより、個々の需要家の持つ特性を十分反映す
ることができ、精度の高い需要予測を行うことが可能な
予測データを作成できる需要予測データ作成方法を提供
することにある。
【００１０】本発明は、また、この需要予測データ作成
方法を実現し、精度の高い需要予測を行うことが可能な
需要予測データ作成システムを提供することにある。
方法を実現し、精度の高い需要予測を行うことが可能な
需要予測データ作成システムを提供することにある。
【００１１】
【課題を解決するための手段】請求項１記載の需要予測
データ作成方法は、需要家についての地図情報データが
格納された地図情報データベースから予測対象となる特
定エリア内の地図情報データを抽出する過程と、前記地
図情報データ各々に対応した需要家情報データが格納さ
れた需要家情報データベースから、前記特定エリア内の
地図情報データに対応した複数の需要家情報データを抽
出し、これら抽出した需要家情報データを属性別に分類
する過程と、実地調査に基づいて作成された現実の使用
量情報が需要家の属性別に分類整理して格納されたサン
プリングデータベースから、使用量情報を、前記需要家
情報データの属性別の分類結果に基づいて無作為に抽出
する過程と、前記無作為に抽出された使用量情報を集積
させて各属性毎の最大使用量を求め、これら最大使用量
が出現する頻度分布を求めるとともに、この頻度分布を
解析して予測データを作成する過程とを備えたものであ
る。
データ作成方法は、需要家についての地図情報データが
格納された地図情報データベースから予測対象となる特
定エリア内の地図情報データを抽出する過程と、前記地
図情報データ各々に対応した需要家情報データが格納さ
れた需要家情報データベースから、前記特定エリア内の
地図情報データに対応した複数の需要家情報データを抽
出し、これら抽出した需要家情報データを属性別に分類
する過程と、実地調査に基づいて作成された現実の使用
量情報が需要家の属性別に分類整理して格納されたサン
プリングデータベースから、使用量情報を、前記需要家
情報データの属性別の分類結果に基づいて無作為に抽出
する過程と、前記無作為に抽出された使用量情報を集積
させて各属性毎の最大使用量を求め、これら最大使用量
が出現する頻度分布を求めるとともに、この頻度分布を
解析して予測データを作成する過程とを備えたものであ
る。
【００１２】また、請求項２記載の需要予測データ作成
システムは、需要家についての地図情報データが格納さ
れた地図情報データベースと、この地図情報データベー
スから予測対象となる特定エリア内の地図情報データを
抽出する地図情報データ抽出手段と、この地図情報デー
タ抽出手段により抽出された地図情報データを記憶する
第１の記憶手段と、前記地図情報データ各々に対応した
需要家情報データが格納された需要家情報データベース
と、この需要家情報データベースから前記第１の記憶手
段に記憶された特定エリア内の地図情報データに対応し
た需要家情報データを抽出し、これら抽出した需要家情
報データを属性別に分類する分類手段と、実地調査に基
づいて作成された現実の使用量情報が需要家の属性別に
分類整理して格納されたサンプリングデータベースと、
このサンプリングデータベースから使用量情報を前記分
類手段の分類結果に基づいて無作為に抽出するサンプリ
ング手段と、このサンプリング手段により抽出された使
用量情報を記憶する第２の記憶手段と、この第２の記憶
手段に記憶された使用量情報を集積させて各属性毎の最
大使用量を求め、これら最大使用量が出現する頻度分布
を求めるとともに、前記頻度分布を解析して予測データ
を作成する予測データ作成手段とを備えたものである。
システムは、需要家についての地図情報データが格納さ
れた地図情報データベースと、この地図情報データベー
スから予測対象となる特定エリア内の地図情報データを
抽出する地図情報データ抽出手段と、この地図情報デー
タ抽出手段により抽出された地図情報データを記憶する
第１の記憶手段と、前記地図情報データ各々に対応した
需要家情報データが格納された需要家情報データベース
と、この需要家情報データベースから前記第１の記憶手
段に記憶された特定エリア内の地図情報データに対応し
た需要家情報データを抽出し、これら抽出した需要家情
報データを属性別に分類する分類手段と、実地調査に基
づいて作成された現実の使用量情報が需要家の属性別に
分類整理して格納されたサンプリングデータベースと、
このサンプリングデータベースから使用量情報を前記分
類手段の分類結果に基づいて無作為に抽出するサンプリ
ング手段と、このサンプリング手段により抽出された使
用量情報を記憶する第２の記憶手段と、この第２の記憶
手段に記憶された使用量情報を集積させて各属性毎の最
大使用量を求め、これら最大使用量が出現する頻度分布
を求めるとともに、前記頻度分布を解析して予測データ
を作成する予測データ作成手段とを備えたものである。
【００１３】なお、本明細書においては、需要家の「特
性」とは、各需要家の属する家屋の種類（木造家屋、鉄
筋家屋）、所有器具のタイプ（冷暖房、厨房等）等によ
り分類された需要家の、いわゆる属性に、個々の需要家
の使用パターン（消費傾向）を加味した特性をいうもの
とする。
性」とは、各需要家の属する家屋の種類（木造家屋、鉄
筋家屋）、所有器具のタイプ（冷暖房、厨房等）等によ
り分類された需要家の、いわゆる属性に、個々の需要家
の使用パターン（消費傾向）を加味した特性をいうもの
とする。
【００１４】すなわち、本発明の需要予測データ作成方
法では、個々の需要家の需要値が重なり合うという確率
的事象を、サンプリングデータベースからの無作為の抽
出によるシミュレーションにより算出し、これを基に予
測データを作成するものであり、これにより各需要家の
持つ特性を十分に反映した精度良い需要予測が可能とな
る。
法では、個々の需要家の需要値が重なり合うという確率
的事象を、サンプリングデータベースからの無作為の抽
出によるシミュレーションにより算出し、これを基に予
測データを作成するものであり、これにより各需要家の
持つ特性を十分に反映した精度良い需要予測が可能とな
る。
【００１５】
【実施例】以下、本発明の実施例について図面を参照し
て説明する。
て説明する。
【００１６】図１は本発明の一実施例に係る需要予測デ
ータ作成システム１の基本構成を表すブロック図であ
る。この需要予測データ作成システム１１は、地図情報
データベース１００から予測対象となる特定エリア内の
地図情報データを抽出するための地図情報データ抽出手
段１１を備えている。地図情報データベース１００には
全需要家についての地図情報データが格納されており、
この地図情報データベース１００に接続された地図情報
描画システム１１０により、特定地域を任意に検索して
表示画面上に表示できるようになっている。
ータ作成システム１の基本構成を表すブロック図であ
る。この需要予測データ作成システム１１は、地図情報
データベース１００から予測対象となる特定エリア内の
地図情報データを抽出するための地図情報データ抽出手
段１１を備えている。地図情報データベース１００には
全需要家についての地図情報データが格納されており、
この地図情報データベース１００に接続された地図情報
描画システム１１０により、特定地域を任意に検索して
表示画面上に表示できるようになっている。
【００１７】地図情報データは、たとえば特定エリア内
に包含される各需要家固有の「ノード（分岐点）番号」
と「需要家番号」とからなるデータ群により構成されて
いる。
に包含される各需要家固有の「ノード（分岐点）番号」
と「需要家番号」とからなるデータ群により構成されて
いる。
【００１８】図２はその一例を表すものである。
【００１９】地図情報データ抽出手段１１により抽出さ
れた地図情報データは第１の記憶手段（メモリ）１２に
転送され記憶されるようになっている。第１の記憶手段
１２に記憶された地図情報データ、すなわち「ノード番
号」と「需要家番号」とは分類手段１３へ転送されるよ
うになっている。
れた地図情報データは第１の記憶手段（メモリ）１２に
転送され記憶されるようになっている。第１の記憶手段
１２に記憶された地図情報データ、すなわち「ノード番
号」と「需要家番号」とは分類手段１３へ転送されるよ
うになっている。
【００２０】分類手段１３では、需要家情報データベー
ス２００から地図情報データの「ノード番号」と「需要
家番号」とに対応した需要家情報データを抽出し、これ
ら抽出した需要家情報データを属性別に分類するように
なっている。
ス２００から地図情報データの「ノード番号」と「需要
家番号」とに対応した需要家情報データを抽出し、これ
ら抽出した需要家情報データを属性別に分類するように
なっている。
【００２１】図３はその需要家情報データの一例を表す
ものである。
ものである。
【００２２】分類手段１３により分類された属性毎の需
要家情報データは構成比算出手段１４へ転送されるよう
になっている。構成比算出手段１４は、分類手段１３に
より分類された属性毎の需要家情報データの構成比（件
数）を算出するものである。
要家情報データは構成比算出手段１４へ転送されるよう
になっている。構成比算出手段１４は、分類手段１３に
より分類された属性毎の需要家情報データの構成比（件
数）を算出するものである。
【００２３】構成比算出手段１４により構成比が算出さ
れた需要家情報データはサンプリング手段１５へ転送さ
れるようになっている。サンプリング手段１５は構成比
算出手段１４により算出された構成比に基づきサンプリ
ングデータベース３００から使用者情報を無作為に抽出
するものである。サンプリングデータベース３００に
は、実地調査（ロードサーベイ）に基づいて作成された
現実の単位時刻毎の、たとえば１年間の使用量情報が、
サンプリング情報データとして需要家の属性別に分類整
理して格納されている。
れた需要家情報データはサンプリング手段１５へ転送さ
れるようになっている。サンプリング手段１５は構成比
算出手段１４により算出された構成比に基づきサンプリ
ングデータベース３００から使用者情報を無作為に抽出
するものである。サンプリングデータベース３００に
は、実地調査（ロードサーベイ）に基づいて作成された
現実の単位時刻毎の、たとえば１年間の使用量情報が、
サンプリング情報データとして需要家の属性別に分類整
理して格納されている。
【００２４】図４はこのサンプリング情報データの一例
を表すものである。使用量情報としてはたとえば各需要
者の単位時間毎のガス等の流量（使用量）が含まれてい
る。なお、このサンプリング情報データには図５に示し
たような過去の気象データ等の影響因子を含ませて、よ
り精度を向上させるようにしてもよい。
を表すものである。使用量情報としてはたとえば各需要
者の単位時間毎のガス等の流量（使用量）が含まれてい
る。なお、このサンプリング情報データには図５に示し
たような過去の気象データ等の影響因子を含ませて、よ
り精度を向上させるようにしてもよい。
【００２５】なお、属性毎の分類は、需要家情報データ
群が所有している属性情報で使用パターンの特徴が最も
良く現れる属性を用いて行われる。また、この分類には
既知の統計的手法であるＡＩＤ（Automatic Interactio
n Detector) 、判別分析等の手法が用いられる。
群が所有している属性情報で使用パターンの特徴が最も
良く現れる属性を用いて行われる。また、この分類には
既知の統計的手法であるＡＩＤ（Automatic Interactio
n Detector) 、判別分析等の手法が用いられる。
【００２６】ここに、「属性」としては、たとえば以下
のものが挙げられる。
のものが挙げられる。
【００２７】（ａ）需要家のタイプ：木造家屋、鉄筋家
屋、独立の家屋 （ｂ）所有器具のタイプ：冷暖房、厨房、乾燥、給湯 （ｃ）家族構成：一人、２人家族等
屋、独立の家屋 （ｂ）所有器具のタイプ：冷暖房、厨房、乾燥、給湯 （ｃ）家族構成：一人、２人家族等
【００２８】サンプリング手段１５は、たとえばノード
ｉにおける各属性（１、２、３、…ｋ）の構成比をそれ
ぞれＮi1、Ｎi2、Ｎi3、…Ｎikとすれば、サンプリング
データベース３００から需要家情報データの有する属性
に合致するサンプリング情報データを、属性１を有する
データをＮi1回、属性２を有するデータをＮi2回、属性
３を有するデータをＮi3回、…属性Ｎを有するデータを
Ｎik回、というように抽出するようになっている。
ｉにおける各属性（１、２、３、…ｋ）の構成比をそれ
ぞれＮi1、Ｎi2、Ｎi3、…Ｎikとすれば、サンプリング
データベース３００から需要家情報データの有する属性
に合致するサンプリング情報データを、属性１を有する
データをＮi1回、属性２を有するデータをＮi2回、属性
３を有するデータをＮi3回、…属性Ｎを有するデータを
Ｎik回、というように抽出するようになっている。
【００２９】サンプリング手段１５により抽出されたサ
ンプリング情報データは第２の記憶手段１６へ転送され
記憶されるようになっている。
ンプリング情報データは第２の記憶手段１６へ転送され
記憶されるようになっている。
【００３０】第２の記憶手段１６に記憶されたサンプリ
ング情報データは予測データ作成手段１７へ転送される
ようになっている。
ング情報データは予測データ作成手段１７へ転送される
ようになっている。
【００３１】予測データ作成手段１７では、以下の手順
（１）〜（４）でデータの集積を行い頻度分布図を作成
して、これを解析（導管網解析）することにより需要予
測データを作成するようになっている。
（１）〜（４）でデータの集積を行い頻度分布図を作成
して、これを解析（導管網解析）することにより需要予
測データを作成するようになっている。
【００３２】（１）まず第２の記憶手段１６に記憶され
たサンプリング情報データの使用量情報フィールドのデ
ータを基に、単位時間毎に全使用量を累計する。（２）
さらに各属性（１〜ｋ）の使用量を累積して、これをノ
ードｉにおける第１回目の試行結果Ｒi1とする。（３）
上記（１）（２）のサンプリング試行をｘ回繰り返すこ
とで、試行結果Ｒi1〜Ｒixを得る。（４）次に、Ｒi1〜
Ｒix各々のピーク時の使用量（最大使用量）を求め、そ
の最大使用量が出現する頻度分布図を作成する。
たサンプリング情報データの使用量情報フィールドのデ
ータを基に、単位時間毎に全使用量を累計する。（２）
さらに各属性（１〜ｋ）の使用量を累積して、これをノ
ードｉにおける第１回目の試行結果Ｒi1とする。（３）
上記（１）（２）のサンプリング試行をｘ回繰り返すこ
とで、試行結果Ｒi1〜Ｒixを得る。（４）次に、Ｒi1〜
Ｒix各々のピーク時の使用量（最大使用量）を求め、そ
の最大使用量が出現する頻度分布図を作成する。
【００３３】図６は本実施例の需要予測データ作成シス
テム１の制御部２０の構成を表すものである。
テム１の制御部２０の構成を表すものである。
【００３４】制御部２０はＣＰＵ（中央処理装置）２１
を備えている。このＣＰＵ２１はバスを介して装置の各
部と接続されている。このうちＲＯＭ（リード・オンリ
・メモリ）２２には、後述の流れ図（図８）に示すよう
なシステム各部の動作を制御するためのプログラムが格
納されている。記憶手段（Ａ）１２および記憶手段
（Ｂ）１６としてのＲＡＭ（ランダム・アクセス・メモ
リ）２３には、前述の地図情報データ抽出手段１１によ
り抽出された地図情報データが一時的に格納されるとと
もに、サンプリング手段１５により抽出されたサンプリ
ングデータが各々格納されるようになっている。
を備えている。このＣＰＵ２１はバスを介して装置の各
部と接続されている。このうちＲＯＭ（リード・オンリ
・メモリ）２２には、後述の流れ図（図８）に示すよう
なシステム各部の動作を制御するためのプログラムが格
納されている。記憶手段（Ａ）１２および記憶手段
（Ｂ）１６としてのＲＡＭ（ランダム・アクセス・メモ
リ）２３には、前述の地図情報データ抽出手段１１によ
り抽出された地図情報データが一時的に格納されるとと
もに、サンプリング手段１５により抽出されたサンプリ
ングデータが各々格納されるようになっている。
【００３５】Ｉ／Ｏ（入出力）ポート２４は、地図情報
データベース１００、需要家情報データベース２００お
よびサンプリングデータベース３００各々から抽出され
たデータをＣＰＵ２１へ送るためのインターフェースで
ある。ＣＰＵ２１はこれら地図情報データベース１０
０、需要家情報データベース２００およびサンプリング
データベース３００各々から抽出されたデータに基づき
各ノード１〜ｉ毎に予測データを作成するものである。
Ｉ／Ｏ（入出力）ポート２６はこのＣＰＵ２１から送出
された予測データを地図情報描画システム１００のグラ
フィック表示部１１０ａへ送るためのインターフェース
である。グラフィック表示部１１０ａではこの予測デー
タを各ノード毎に表示するようになっている。
データベース１００、需要家情報データベース２００お
よびサンプリングデータベース３００各々から抽出され
たデータをＣＰＵ２１へ送るためのインターフェースで
ある。ＣＰＵ２１はこれら地図情報データベース１０
０、需要家情報データベース２００およびサンプリング
データベース３００各々から抽出されたデータに基づき
各ノード１〜ｉ毎に予測データを作成するものである。
Ｉ／Ｏ（入出力）ポート２６はこのＣＰＵ２１から送出
された予測データを地図情報描画システム１００のグラ
フィック表示部１１０ａへ送るためのインターフェース
である。グラフィック表示部１１０ａではこの予測デー
タを各ノード毎に表示するようになっている。
【００３６】次に、本実施例の需要予測データ作成シス
テムの動作について図７に示した流れ図に沿って説明す
る。
テムの動作について図７に示した流れ図に沿って説明す
る。
【００３７】まず、ＣＰＵ２１は地図情報データベース
１００から予測対象となる特定エリア内の地図情報デー
タ、すなわち各需要家の「ノード番号」および「需要家
番号」のデータを抽出させる（ステップＳ８０１）。続
いてＣＰＵ２１は抽出した地図情報データを第１の記憶
手段１２としてのＲＡＭ２３に転送し記憶させる（ステ
ップＳ８０２）。
１００から予測対象となる特定エリア内の地図情報デー
タ、すなわち各需要家の「ノード番号」および「需要家
番号」のデータを抽出させる（ステップＳ８０１）。続
いてＣＰＵ２１は抽出した地図情報データを第１の記憶
手段１２としてのＲＡＭ２３に転送し記憶させる（ステ
ップＳ８０２）。
【００３８】次にＣＰＵ２１は、需要家情報データベー
ス２００から「ノード番号」と「需要家番号」とに対応
した需要家情報データを抽出し（ステップＳ８０３）、
これら抽出した需要家情報データ（図３）を属性別に分
類する（ステップＳ８０４）。
ス２００から「ノード番号」と「需要家番号」とに対応
した需要家情報データを抽出し（ステップＳ８０３）、
これら抽出した需要家情報データ（図３）を属性別に分
類する（ステップＳ８０４）。
【００３９】次にＣＰＵ２１は、分類した属性毎の需要
家情報データの構成比（件数）を算出し（ステップＳ８
０５）、この構成比に基づきサンプリングデータベース
３００からデータを無作為に抽出する（ステップＳ８０
６）。すなわち属性１を有するデータをＮi1回、属性２
を有するデータをＮi2回、属性３を有するデータをＮi3
回、…属性Ｎを有するデータをＮik回、というようにそ
れぞれ抽出する。
家情報データの構成比（件数）を算出し（ステップＳ８
０５）、この構成比に基づきサンプリングデータベース
３００からデータを無作為に抽出する（ステップＳ８０
６）。すなわち属性１を有するデータをＮi1回、属性２
を有するデータをＮi2回、属性３を有するデータをＮi3
回、…属性Ｎを有するデータをＮik回、というようにそ
れぞれ抽出する。
【００４０】図８はこれら無作為に抽出されたデータを
表すものである。
表すものである。
【００４１】続いてＣＰＵ２１は抽出したサンプリング
情報データを第２の記憶手段１６としてのＲＡＭ２３へ
転送し記憶させる。（ステップＳ８０７）。
情報データを第２の記憶手段１６としてのＲＡＭ２３へ
転送し記憶させる。（ステップＳ８０７）。
【００４２】次にＣＰＵ２１は、ＲＡＭ２３に記憶され
たサンプリング情報データを、使用量情報フィールドの
データを基に、単位時間毎に全使用量を累計する（ステ
ップＳ８０８）。さらに各属性（１〜ｋ）毎の使用量を
累積して、これをノードｉにおける第１回目の試行結果
Ｒi1とし（ステップＳ８０９）、このサンプリング試行
をｘ回繰り返すことで、試行結果Ｒi1〜Ｒixを得る（ス
テップＳ８１０、８１１）。
たサンプリング情報データを、使用量情報フィールドの
データを基に、単位時間毎に全使用量を累計する（ステ
ップＳ８０８）。さらに各属性（１〜ｋ）毎の使用量を
累積して、これをノードｉにおける第１回目の試行結果
Ｒi1とし（ステップＳ８０９）、このサンプリング試行
をｘ回繰り返すことで、試行結果Ｒi1〜Ｒixを得る（ス
テップＳ８１０、８１１）。
【００４３】次に、ＣＰＵ２１はＲi1〜Ｒixの中から最
大使用量Ｐi1〜Ｐixをそれぞれ求め、これら最大使用量
Ｐi1〜Ｐixが出現する時間毎の頻度分布図を作成し、画
面上に表示させる（ステップＳ８１２）。図６はノード
i における頻度分布図の一例を表すものである。
大使用量Ｐi1〜Ｐixをそれぞれ求め、これら最大使用量
Ｐi1〜Ｐixが出現する時間毎の頻度分布図を作成し、画
面上に表示させる（ステップＳ８１２）。図６はノード
i における頻度分布図の一例を表すものである。
【００４４】最後にＣＰＵ２１は周知の方法により導管
網（ネットワーク）解析を行い、その結果を予測データ
として表示する（ステップＳ８１４）。
網（ネットワーク）解析を行い、その結果を予測データ
として表示する（ステップＳ８１４）。
【００４５】このように本実施例の需要予測データ作成
システムでは、個々の需要家の需要値が重なり合うとい
う確率的事象をサンプリングデータベース３００からの
無作為の抽出によるシミュレーションにより算出し、こ
れを基に予測データを作成するようにしたので、各個人
需要家の持つ属性に加え、各需要家固有の使用パターン
（消費傾向）をも反映した予測データが作成される。し
たがって予測者は精度の良い需要予測を行うことができ
る。また、各属性毎のデータを取り出すことにより、必
要に応じて需要家の属性毎の個別の需要予測を行うこと
も可能である。
システムでは、個々の需要家の需要値が重なり合うとい
う確率的事象をサンプリングデータベース３００からの
無作為の抽出によるシミュレーションにより算出し、こ
れを基に予測データを作成するようにしたので、各個人
需要家の持つ属性に加え、各需要家固有の使用パターン
（消費傾向）をも反映した予測データが作成される。し
たがって予測者は精度の良い需要予測を行うことができ
る。また、各属性毎のデータを取り出すことにより、必
要に応じて需要家の属性毎の個別の需要予測を行うこと
も可能である。
【００４６】また、ランダムなサンプリングを繰り返し
て実行させることにより、何通りものシュミレーション
結果を得ることができ、これにより図９に示したよう
な、需要ピーク時の使用量の出現率の頻度分布図を作成
することができる。したがって需要ピークの安全率を求
めることが可能となり、この結果を基に導管網解析を行
うことにより、ガス管等における最適な配管設計を行う
ことができる。
て実行させることにより、何通りものシュミレーション
結果を得ることができ、これにより図９に示したよう
な、需要ピーク時の使用量の出現率の頻度分布図を作成
することができる。したがって需要ピークの安全率を求
めることが可能となり、この結果を基に導管網解析を行
うことにより、ガス管等における最適な配管設計を行う
ことができる。
【００４７】また、需要家情報データベース２００には
各需要家の全てのデータを記憶させる必要がなく、ラン
ダムサンプリングに足る一定数の需要データを蓄積して
おくだけで、あたかも各需要家の生データそのものを使
用した場合と同様の効果を奏することができ、記憶手段
１２、１６の記憶容量を大幅に節約することも可能とな
る。
各需要家の全てのデータを記憶させる必要がなく、ラン
ダムサンプリングに足る一定数の需要データを蓄積して
おくだけで、あたかも各需要家の生データそのものを使
用した場合と同様の効果を奏することができ、記憶手段
１２、１６の記憶容量を大幅に節約することも可能とな
る。
【００４８】以上実施例を挙げて本発明を説明したが、
本発明は上記実施例に限定するものではなく、その要旨
を変更しない範囲で種々変形可能である。たとえば上記
実施例では、サンプリング手段１５において、サンプリ
ング情報データの抽出を構成比算出手段１４により求め
た需要家情報データの構成比に基づいて行うようにした
が、この抽出は必ずしも需要家情報データの構成比に基
づかなくてもよい。
本発明は上記実施例に限定するものではなく、その要旨
を変更しない範囲で種々変形可能である。たとえば上記
実施例では、サンプリング手段１５において、サンプリ
ング情報データの抽出を構成比算出手段１４により求め
た需要家情報データの構成比に基づいて行うようにした
が、この抽出は必ずしも需要家情報データの構成比に基
づかなくてもよい。
【００４９】
【発明の効果】以上説明したように請求項１記載の需要
予測データ作成方法によれば、個々の需要家の需要値が
重なり合うという確率的事象をサンプリングデータベー
スからの無作為の抽出によるシミュレーションにより算
出して、これを基に予測データを作成するようにしたの
で、各個人需要家の持つ属性に、各需要家固有の使用パ
ターン（消費パターン）も反映した精度の良い予測デー
タを作成することが可能となる。
予測データ作成方法によれば、個々の需要家の需要値が
重なり合うという確率的事象をサンプリングデータベー
スからの無作為の抽出によるシミュレーションにより算
出して、これを基に予測データを作成するようにしたの
で、各個人需要家の持つ属性に、各需要家固有の使用パ
ターン（消費パターン）も反映した精度の良い予測デー
タを作成することが可能となる。
【００５０】また、請求項２記載の需要予測データ作成
システムによれば、請求項１記載の方法を容易に実現で
き、精度の良い予測データを作成することができる。
システムによれば、請求項１記載の方法を容易に実現で
き、精度の良い予測データを作成することができる。
【図１】本発明の一実施例に係る需要予測データ作成シ
ステムの概略構成を表すブロック図である。
ステムの概略構成を表すブロック図である。
【図２】地図情報データの一例を表す図である。
【図３】需要家情報データの一例を表す図である。
【図４】サンプリングデータの一例を表す図である。
【図５】気象データの一例を表す図である。
【図６】図１の需要予測データ作成システムの制御部の
構成を表すブロック図である。
構成を表すブロック図である。
【図７】図１の需要予測データ作成システムの動作を説
明するための流れ図である。
明するための流れ図である。
【図８】図１の需要予測データ作成システムのデータ集
積動作を説明するための図である。
積動作を説明するための図である。
【図９】任意のノードにおける最大使用量の頻度分布図
である。
である。
１ 需要予測データ作成システム １１ 地図情報データ抽出手段 １２ 記憶手段（Ａ） １３ 分類手段 １４ 構成比算出手段 １５ サンプリング手段 １６ 記憶手段（Ｂ） １７ 予測データ作成手段 １００ 地図情報データベース １１０ 地図情報描画システム ２００ 需要家情報データベース ３００ サンプリングデータベース
Claims (2)
- 【請求項１】 需要家についての地図情報データが格納
された地図情報データベースから予測対象となる特定エ
リア内の地図情報データを抽出する過程と、 前記地図情報データ各々に対応した需要家情報データが
格納された需要家情報データベースから、前記特定エリ
ア内の地図情報データに対応した複数の需要家情報デー
タを抽出し、これら抽出した需要家情報データを属性別
に分類する過程と、 実地調査に基づいて作成された現実の使用量情報が需要
家の属性別に分類整理して格納されたサンプリングデー
タベースから、使用量情報を、前記需要家情報データの
属性別の分類結果に基づいて無作為に抽出する過程と、 前記無作為に抽出された使用量情報を集積させて各属性
毎の最大使用量を求め、これら最大使用量が出現する頻
度分布を求めるとともに、この頻度分布を解析して予測
データを作成する過程とを具備したことを特徴とする需
要予測データ作成方法。 - 【請求項２】 需要家についての地図情報データが格納
された地図情報データベースと、 この地図情報データベースから予測対象となる特定エリ
ア内の地図情報データを抽出する地図情報データ抽出手
段と、 この地図情報データ抽出手段により抽出された地図情報
データを記憶する第１の記憶手段と、 前記地図情報データ各々に対応した需要家情報データが
格納された需要家情報データベースと、 この需要家情報データベースから前記第１の記憶手段に
記憶された特定エリア内の地図情報データに対応した需
要家情報データを抽出し、これら抽出した需要家情報デ
ータを属性別に分類する分類手段と、 実地調査に基づいて作成された現実の使用量情報が需要
家の属性別に分類整理して格納されたサンプリングデー
タベースと、 このサンプリングデータベースから使用量情報を前記分
類手段の分類結果に基づいて無作為に抽出するサンプリ
ング手段と、 このサンプリング手段により抽出された使用量情報を記
憶する第２の記憶手段と、 この第２の記憶手段に記憶された使用量情報を集積させ
て各属性毎の最大使用量を求め、これら最大使用量が出
現する頻度分布を求めるとともに、前記頻度分布を解析
して予測データを作成する予測データ作成手段とを具備
したことを特徴とする需要予測データ作成システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23887993A JP3310731B2 (ja) | 1993-08-31 | 1993-08-31 | 需要予測データ作成方法およびシステム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23887993A JP3310731B2 (ja) | 1993-08-31 | 1993-08-31 | 需要予測データ作成方法およびシステム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0764609A true JPH0764609A (ja) | 1995-03-10 |
| JP3310731B2 JP3310731B2 (ja) | 2002-08-05 |
Family
ID=17036629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23887993A Expired - Fee Related JP3310731B2 (ja) | 1993-08-31 | 1993-08-31 | 需要予測データ作成方法およびシステム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3310731B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09221793A (ja) * | 1996-02-16 | 1997-08-26 | Hitachi Ltd | 上水道配水系統の管理システム |
| JP2015122826A (ja) * | 2013-12-20 | 2015-07-02 | 三菱電機株式会社 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5286750A (en) * | 1976-01-14 | 1977-07-19 | Toshiba Corp | Total demand estimating method |
| JPS5614366A (en) * | 1979-07-13 | 1981-02-12 | Toshiba Corp | Forecasting unit |
| JPS592945B2 (ja) * | 1979-07-17 | 1984-01-21 | 株式会社東芝 | 水需要予測方法 |
| JPS6053904B2 (ja) * | 1980-03-31 | 1985-11-27 | 株式会社東芝 | 需要予測方法 |
| JPS6125182B2 (ja) * | 1979-03-20 | 1986-06-14 | Tokyo Shibaura Electric Co | |
| JPS62180402A (ja) * | 1986-02-04 | 1987-08-07 | Nec Corp | 上水道における需要パタ−ンの設定方式 |
| JPH0588714A (ja) * | 1991-09-25 | 1993-04-09 | Hitachi Ltd | 広域需要予測方法および需要予測装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6053904B1 (ja) | 2015-11-30 | 2016-12-27 | 住友化学株式会社 | 非水電解液二次電池用セパレータ、非水電解液二次電池用積層セパレータ、非水電解液二次電池用部材および非水電解液二次電池 |
-
1993
- 1993-08-31 JP JP23887993A patent/JP3310731B2/ja not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5286750A (en) * | 1976-01-14 | 1977-07-19 | Toshiba Corp | Total demand estimating method |
| JPS6125182B2 (ja) * | 1979-03-20 | 1986-06-14 | Tokyo Shibaura Electric Co | |
| JPS5614366A (en) * | 1979-07-13 | 1981-02-12 | Toshiba Corp | Forecasting unit |
| JPS592945B2 (ja) * | 1979-07-17 | 1984-01-21 | 株式会社東芝 | 水需要予測方法 |
| JPS6053904B2 (ja) * | 1980-03-31 | 1985-11-27 | 株式会社東芝 | 需要予測方法 |
| JPS62180402A (ja) * | 1986-02-04 | 1987-08-07 | Nec Corp | 上水道における需要パタ−ンの設定方式 |
| JPH0588714A (ja) * | 1991-09-25 | 1993-04-09 | Hitachi Ltd | 広域需要予測方法および需要予測装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09221793A (ja) * | 1996-02-16 | 1997-08-26 | Hitachi Ltd | 上水道配水系統の管理システム |
| JP2015122826A (ja) * | 2013-12-20 | 2015-07-02 | 三菱電機株式会社 | 配電系統の負荷予測装置および配電系統の負荷予測方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3310731B2 (ja) | 2002-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cho | Tourism forecasting and its relationship with leading economic indicators | |
| US7519485B2 (en) | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates a neural network algorithm | |
| Jota et al. | Building load management using cluster and statistical analyses | |
| Evans et al. | 3DStock: A new kind of three-dimensional model of the building stock of England and Wales, for use in energy analysis | |
| CN111680837B (zh) | 一种竞争环境下的多场景多商品连锁便利店选址优化方法 | |
| Harter et al. | Life Cycle Assessment of building energy systems on neighbourhood level based on semantic 3D city models | |
| CN102750411A (zh) | 基于多智能体离散选择模型城市动态微观仿真方法 | |
| CN110689162A (zh) | 一种基于用户侧分类的母线负荷预测方法、装置及系统 | |
| D’Alpaos et al. | Prioritization of energy retrofit strategies in public housing: an AHP model | |
| CN110675087A (zh) | 一种区域综合能源系统投资潜力评估方法 | |
| JP7001766B2 (ja) | 予測システムおよび予測方法 | |
| Dudziak et al. | Application of the CSI method to test consumer satisfaction: a case study of petrol stations | |
| JPH0764609A (ja) | 需要予測データ作成方法およびシステム | |
| JP2007128272A (ja) | 電力市場価格予測システム | |
| Hu et al. | Research on supply chain demand forecasting and dynamic adjustment model based on big data and artificial intelligence | |
| Yang et al. | Power user portrait model based on random forest | |
| CN116663973A (zh) | 基于模糊理论的线下门店数据分析方法、系统及设备 | |
| Hung et al. | Capacity rationing decision procedures with order profit as a continuous random variable | |
| KR20240053209A (ko) | 비주거 건축물의 전력 에너지 수요 예측을 위한 통계 모델 생성 방법 및 이를 실행하는 장치 | |
| JP2007272722A (ja) | 出店分析方法及び出店分析システム | |
| Lindberg | The COVID-19 pandemic's effect on electricity consumption in Sweden | |
| Wu et al. | Hourly occupant density prediction in commercial buildings for urban energy simulation | |
| Lau et al. | Driving energy efficiency at scale by mass deployment of AI based chiller energy optimization | |
| Moghadam et al. | BIM-GIS modelling for sustainable urban development | |
| Nainwal et al. | Comparison of energy prediction models for residential buildings: a case study in Himachal Pradesh, India |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |