JPH08308108A - 電力需要量予測方法およびその装置 - Google Patents

Abstract

(57)【要約】 【目的】電力需要量予測方法および装置において、過去
の需要量とそれに影響を及ぼす要因間の関係を正確にモ
デル化することにより、需要量予測精度の向上をはか
る。 【構成】本発明は対象とする電力系統から取り込んだ過
去の電力需要量とそれに影響を及ぼす要因を記録した履
歴データベース、このデータを需要量予測を行うために
使いやすいように加工することを目的とするデータ前処
理装置予測モデルを作成することを目的とする予測モデ
ル作成・更新装置で得られたモデルを用いて予測を行う
ための影響要因を取り込む影響要因取り込み装置予測を
実行する予測実行装置１０５、予測実行後の需要量実績
を取り込む需要量実績取り込み装置からなる。 【効果】本発明は過去の電力需要量と、それに影響を及
ぼす要因間の関係をもとに、将来の需要量を高精度に求
めることが可能になる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は電力系統の電力需要量を
予測する電力需要量予測方法およびその装置において、
特に電力系統の履歴データを用いて電力需要量を予測す
る電力需要量予測方法およびその装置に関する。

【０００２】

【従来の技術】

(1）特開平5−18995号電力総需要量予測装置 電力需要量を予測するために、従来方法の多くでは回帰
分析にて求めた需要量に影響を及ぼす要因と、需要量と
の関係と、予測当日の要因を用いて予測を行うことが多
かった。この方法を用いる場合には、季節の変わり目の
ような、需要量とそれに影響を及ぼす要因との間に、数
理モデルで表わせないような傾向がある場合には、予測
誤差が大きくなる傾向にある。該公知例ではこの誤差を
少なくするために、神経回路網モデルを用いて予測モデ
ルを補正して予測制度の向上を試みている。

【０００３】(2）特開平6−105465 号最大需要量予測方
法および装置 本公知例では、電力需要量を求める問題に関し、最高気
温，最低気温および湿度からなる気象条件Ａと電力需要
量との相関関係をもとにし、かつ供給地域内の複数地点
の気象データ，予測日の至近日の気象条件，平日の曜日
間格差，季節の変わり目における需要量予測モデルを線
形回帰分析を用いて作成し、最大需要量予測を行う。

【０００４】(3）加藤龍義，植木芳照，松井哲郎，遠藤
弘，ニューロ・ファジィを用いた最大電力予測システ
ム. 平成７年電気学会全国大会，６−２９８（１９９
５).本公知例では、電力需要量に影響を及ぼす要因と、
電力需要量との関係を神経回路網モデルを用いてまず求
める。その後、公知例(1）で述べたような季節の変わり
目に代表される、需要量傾向が一定のパターンを示さな
い時期に対し、各季節ごとの予測モデルを用いて予測を
行い(たとえば春用のモデルと夏用のモデル)その結果を
ファジィ推論を用いて合成して需要量予測結果を求めて
いる。

【０００５】(4）村田純一，三宅尚志，相良節夫，自動
標本選択による週間電力需要量予測.電気学会論文誌，
１１２（１９９２），１０７７−１０８４.本公知例
では電力需要量予測において、機械的・客観的予測を行
う目的で、過去の履歴データより、標本を自動的に選択
するアルゴリズムを開発し、電力需要量値に存在する異
常値を標本中から効果的に除去し、通常の時期における
電力需要量の予測値を適正化している。

【０００６】

【発明が解決しようとする課題】前記公知例いずれにも
共通している課題点は予測モデルを如何に正確に構築す
るかということである。いずれの方法でも予測誤差が大
きい場合が現われる。

【０００７】特に公知例(1）にあるような需要量傾向が
一定のパターンで表わせないような場合の高精度ｐ予測
方法が課題となっている。公知例(1）では予測結果に補
正をほどこしているものの、ベースとなる予測モデルは
単一のモデルを用いている。また、公知例(2）では複数
のモデルを用いて予測を行う。さらに公知例(3）では複
数モデルで予測を行い、その複数モデルから得られた予
測結果を重みをつけて合成することにより、予測精度の
向上を試みている。しかし、この方法は季節の変わり目
の需要量予測には有効であるものの、特定の季節の最中
に現われる需要量傾向が一定しない時の予測には、さほ
ど効果を発揮しない。

【０００８】また公知例(4）方法で適切な過去の需要量
履歴データを選択し、需要量予測モデルを作成する場合
には、電力需要量に関する過去の履歴データを大量に保
持する必要がある。通常、電力需要量予測に有効な履歴
データは少数であるため、本公知例での標本選択アルゴ
リズムを用いた場合、結果的に少ないデータで予測を実
行しなければならなくなり、信頼性に欠ける面がある。
ここまでに述べたように、従来方法では、予測の基本と
なる予測モデルに対しせいぜい季節ごとに予測モデルを
変更しているのみである。特に、需要量とそれに影響を
及ぼす要因との関係が一定の傾向を示さない場合には、
前記公知例に示されている以上にきめこまやかに需要量
データの特性にあったモデル化が必要と考えられる。

【０００９】本発明では、このような需要量傾向が一定
のパターンを示さない過去の履歴データを用いて需要量
予測を行う場合にも、従来の公知例で複数のモデルを組
み合わせて予測モデルを作成していたのに対し、本発明
では単一のモデルを用いることにより予測精度を高める
需要量予測モデルの作成を解決する課題とする。

【００１０】

【課題を解決するための手段】上記目的を達成するため
に、本発明では電力系統の履歴データより電力需要量
と、この電力需要量に影響を及ぼす要因との関係から電
力系統の電力需要量を予測する電力需要量予測方法、ま
たは装置において、履歴データより選択した電力需要量
データと、この電力需要量に影響を及ぼす要因間の相関
関係より履歴データの分布密度を求めること、この分布
密度に基づき履歴データのクラスタリングを行うこと、
このクラスタリング結果に基づき各履歴データの重み係
数を決定し、この重み係数を用いた予測モデルを用いて
電力系統の電力需要量を予測するようにしたものであ
る。

【００１１】また本発明では前記の問題を解決するため
に、予測モデル・更新装置中にて、需要量に影響を及ぼ
す要因と需要量との相関関係をもとに、過去の履歴デー
タをある基準を用いて分割して過去の履歴データの分析
を行う。この分析結果を元に、予測を行うために適切な
需要量予測モデルを構築するようにしたものである。さ
らに本発明では前記の問題を解決するためにまず需要量
とそれに影響を及ぼす要因との関係を相関図に表す。そ
の相関図中を平均的な傾向を示す一次直線あるいは平面
で分割し、分割後の領域に対する過去の履歴データの存
在密度を求める。この存在密度の大小によりモデルの次
数を決定し、かつモデルの次数決定後にモデル作成に用
いる各過去の履歴データに対する重み係数を決定する。
このような重みのついた履歴データを用いて最小自乗法
によりモデルの係数を求め、最適な予測モデルを作成す
るようにしたものである。

【００１２】

【作用】従来の公知例では複数のモデルを組み合わせて
予測モデルを作成していたのに対し、本発明においては
単一のモデルを用いることにより予測精度を高めること
が可能になる。

【００１３】また、公知例に示された電力需要量予測と
比較して、よりきめこまやかに需要量データの特性にあ
ったモデル化を行うことが可能となる。

【００１４】

【実施例】次に本発明の実施を図を用いて説明する図１
は本発明の需要量予測方法および装置の一構成図であ
る。

【００１５】本発明は対象とする電力系統１０１，過去
の需要量とそれに影響を及ぼす要因との履歴データを蓄
えた履歴データベース１０２，前記履歴データベースよ
り予測モデルを作成するために適切なデータを取り込
み、予測実行のために適切な形に変換するデータ前処理
装置１０３，前記データ前処理装置で作成したデータを
もとに、需要量とそれに影響を及ぼす要因との間のモデ
ルを作成，更新する予測モデル作成・更新装置１０４，
予測当日の需要量に影響を及ぼす要因を電力系統内、あ
るいは外部から取り込む影響要因取り込み装置１０６，
実績需要量を電力系統より取り込む需要量実績取り込み
装置１０７，予測結果を画面、あるいは帳票に出力する
予測結果出力装置１０８，予測対象の情報、すなわちた
とえば総需要量予測あるいは個別単位（一例として地域
が挙げられる）での需要量予測のいずれかを実行するか
を入力する、予測条件入力装置１０９からなる。

【００１６】次に本発明の需要量予測方法および装置に
おけるデータの流れについて説明する。電力系統では、
一定の時間周期で電力系統を構成する各設備に設置され
た計測器より系統情報を入手している。この情報に関す
る過去の履歴データを通信線１５１を通じて過去の履歴
データベース中に蓄える。需要量予測を行うためにはこ
の履歴データベースより必要なデータを収得する必要が
ある。ここでのデータ収得を行うために、履歴データベ
ース情報を通信線１５２を介してデータ前処理装置１０
３に送る。データ前処理装置１０３には、通信線１６０
を通じて予測条件入力装置の情報も同時に入力される。
データ前処理装置１０３では履歴データベース中に蓄え
られている情報より需要量予測を行うための適切なデー
タを選択し、かつ適切な形に変換を行う。変換されたデ
ータは通信線１５３を通じて予測モデル作成・更新装置
１０４に送られる。予測モデル作成更新・装置には、予
測後に実績データが判明した場合、予測モデルを更新す
るために、電力系統より通信線１５７を通じて需要量実
績を取り込む。この取り込んだデータを通信線158を通
じて予測モデル作成更新装置１０４に送る。予測モデル
作成更新装置１０４で作成された予測モデルは通信線１
５４を通じて予測実行装置１０５に送られる。予測実行
装置１０５では予測を実行する時点での需要量用に影響
を及ぼす影響要因を電力系統より通信線１５５を通じて
装置１０６にて取り込み、取り込んだ該データを通信線
１５６を通じて予測実行装置に送る。予測実行装置では
装置１０４と装置１０６から取り込んだデータを用いて
予測を行い、その結果を通信線１６９を通じて予測結果
出力装置１０８におくり、本発明の内容を組み込んだシ
ステムを利用する者に見やすい方法で予測結果を出力す
る。

【００１７】次に本発明の各装置の詳細な実施例につい
て説明する。過去の履歴データベース１０２では図２
２０１に表わすような形で代表されるデータ形式にて過
去の需要量とそれに影響を及ぼす要因との関係を保存し
ておく。ここでの需要量とは、一例として電力需要量に
関係する実施例についてのべると、対象とする電力系統
のすべての地域における有効電力に関する需要量の総
和、あるいは個別の地域ごとの有効電力に関する需要量
または対象とするすべての地域の無効電力需要量の総
和、あるいは個別の地域ごとの無効電力に関する需要量
が考えられる。また前記した需要量に影響を及ぼす要因
としては、総需要量有効電力を対象とする場合は、デー
タ収集時の気温，湿度，天候に代表される気象条件、ス
ポーツイベントに代表される社会的要因などが挙げられ
る。また、個別の有効電力の場合には例えば公知例(1）
中島，大久保，松本，石田，田村，次期中央給電指令所
向け数時間先潮流状態予測（ＤＰＦ）システムの開発．
電気学会平成７年度全国大会，１３９６，１９９５．に
あるように、総需要量に対する各変電所ごとの比率が大
きな影響要因となる。また、無効電力に関する影響要因
は例えば公知例(2）電気共同研究会編，電力系統安定運
用技術．電気共同研究，１２１，１９９１．にあるよう
に有効電力の大きさに依存している。このような要因を
過去のデータ収集した年，月，日，時刻，総需要量ある
いは個別需要量の別、データ収集対象設備名とともに保
存しておく。また、図２ ２０２は個別需要量予測を実
行する時に必要となる、後述する下位系統切り替えデー
タベースの一例である。このデータベース中には、切り
替え元情報２５１，切り替え先情報２５２，切り替え対
象量情報２５３が記述されている。

【００１８】次にデータ前処理装置１０３の詳細につい
て説明する。データ前処理装置103では前記したよう
に、需要量予測実行を行うモデル作成のための適切なデ
ータを前記した装置１０２のデータベース中より取得
し、かつ需要量予測を行うために適切な形に加工を行う
装置である。

【００１９】ここでの加工を行う詳細を図３を用いて説
明する。まず手段３０１にて、予測モデルを構築するた
めに必要な過去の範囲のデータを選択する。次に、装置
109にて入力した予測対象方法より、予測対象の需要量
が総需要量予測であるかどうかを手段３０２にて判定す
る。総需要量予測である場合には予測対象データ作成装
置にて前記した図２データベース中の項目２１１の分類
を判定しながら手段３０７にて必要なデータを選択して
行く。手段３０２にて総需要量でないと判定された場合
は、手段３０８にて個別負荷予測のためのデータを選択
する。

【００２０】その詳細を以下に示す。個別変電所負荷予
測を行う場合には、予測対象変電所負荷の下位に接続し
ている下位系統の接続状態が前記公知例(1）に示されて
いるように問題となる。したがって、データベース中の
負荷データを公知例(1）にあるように切り替えがない、
いわゆる正規系統状態に変換する必要がある。この切り
替え情報データ２０２からの情報をおりこんで、手段３
０１にて読み込んだデータを手段３０３にて正規系統状
態に換算する。その結果データを用いて、手段１０９に
て用いたデータをもとに手段３０４にて有効電力予測で
あるか、無効電力予測であるかを判定する。判定結果が
有効電力予測である場合には図２の総需要量個別需要量
分類フラグに従い、手段３０５にて有効電力のデータを
選択する。手段３０４の判定結果が無効電力である場合
は、手段３０６にて無効電力負荷データを選択する。こ
れらの結果を予測対象データ作成装置３０９に送る。予
測対象データ作成装置３０９では予測モデルを作成する
際に必要な形にデータを加工する。たとえば、公知例
(1）にあるように、個別有効電力負荷予測の場合には、
各変電所ごとの有効電力需要量値を総需要量値で除した
値に置き換えたり、あるいは個別無効電力負荷予測の場
合は、公知例(2）にあるように、有効電力負荷との比率
を求めたりする。

【００２１】次に、予測モデル作成・更新装置１０４の
詳細について説明する。装置１０３にて需要量予測モデ
ルを作成するためのデータを得た後に、需要量と、それ
に影響を及ぼす要因との関係の一例を簡単に摸式図で表
わすと、図４のように表わされる。図４中のグラフ４０
１の場合は、影響要因と需要量との関係にばらつきが少
なく、精度良く予測を実行できることが期待される。し
かし、図４中のグラフ４０２では影響要因と需要量の関
係にある程度の関係は見られるものの、ばらつきが大き
く、精度の良い予測モデルを作成することが困難であ
る。本発明では特に、このような影響要因と需要量の関
係にばらつきのある後者の場合に適切なモデル化が可能
なモデルを提供する。

【００２２】その詳細を図５，図６のグラフと図７のフ
ローチャートを用いて説明する。

【００２３】本実施例では簡単のために、図５に示すよ
うに需要量に影響を及ぼす影響要因が一つである場合の
概念図について説明する。また、本実施例でのモデル作
成の対象は電力需要量データを対象とする。電力需要量
データの特徴は、影響要因と需要量との関係を図５のグ
ラフ５０１のようにグラフ化すると、下に凸な曲線にな
るか、あるいは一次式で表わされる直線となることが多
い点である。尚、影響要因としては前述の図２にて説明
した種々の要因を用いてグラフ化することが可能であ
る。

【００２４】図７のフローチャートにて、まずモデル作
成対象データを手段７０１にて読み込む。次に手段７０
２にて、需要量とそれに影響を及ぼす影響要因との間の
相関関係を求める図を作成する。ここで、図５のグラフ
５０１のようにばらつきの大きなデータ５０２をもとに
モデル化する際に、以下に示す式１で代表される直線で
モデル化するか、以下に示す式２で代表される曲線でモ
デル化するかが問題となる。

【００２５】 ｙ＝ａｘ＋ｂ …（式１） ｙ＝ａｘ²＋ｂｘ＋ｃ …（式２） そこで本実施例ではまず、データ５０２に対して最小自
乗法をもとにグラフ５０３で示す平均的な傾向を図７手
段７０３にて求める。図７手段７０３で求めた平均的傾
向により、データは図５中の領域５０４と領域５０５に
分割することが可能となる（図７手段７０４）。次に図
７手段７０５にて、図５中の各領域５０４と５０５にて
それぞれの領域におけるデータの存在密度Ｄ１，Ｄ２を
以下の式３を用いて求める。

【００２６】 （存在密度)＝(データ数)÷(領域密度） …（式３） ここで求めた各領域の密度がそれぞれあらかじめ設定し
た、ある程度の誤差εの範囲で等しい、すなわち、デー
タの分布に片寄りがなければ直線でモデル化を行うこと
が妥当であると判定する（図７手段７０６）。図７手段
７０６にて図５の直線５０３の上半分の領域５０４と下
半分の領域５０５のデータ分布に片寄りが見られた場合
は、データを曲線でモデル化する必要がでてくる。ここ
では一例として先に上げた式２のモデルでモデルを求め
る実施例について述べる。そのために、さらに図５中の
領域５０５を例えばクラスタリング手段として図６グラ
フ６０１に示すように領域６０４と領域６０５に分割す
る（図７手段６０９）。ここで、図６領域５０４の分割
を行わない理由は、前記したように本実施例の対象であ
る電力データは下に凸な曲線か、あるいは直線に近似可
能なためである。図５中の領域５０５を図６中の領域６
０４と領域６０５に分割する方法は図６中の直線５０３
に平行な直線を図６に示すように求める。ここでは一例
として図６中の線分６０７と線分６０８で表わした直線
５０３に直角な直線の距離が等しい直線６０６を求める
ものとする。この方法のほかには、図６中のデータ領域
６０４と図６中のデータ領域６０５の面積が等しくなる
ような基準で領域を分割することも可能である。次に図
７手段７１０にて領域６０４のデータ存在密度Ｄ３と領
域６０５のデータ存在密度Ｄ４を求める。求める方法は
前記した式３を用いる。次に図７手段７１１にて、先に
求めたデータ分布密度Ｄ３とＤ４があらかじめ設定した
ある程度の誤差の範囲で等しいか調べる。図７手段７１
１で等しいと判断された場合は、領域５０５を領域６０
４と領域６０５に分割することなく、式２のモデルを用
いてデータのモデル化を行う。その際に、モデルをより
正確に求めるために、図５中の領域５０４と領域５０５
のデータそれぞれに重み係数を設定する。ここでの重み
係数は領域５０５に含まれるデータに領域５０４に含ま
れるデータより大きな重み係数を設定する。手段７１１
にて、前記したデータ存在密度Ｄ３とＤ４間に大きな差
がある場合には、図６に示す領域５０４，領域６０４，
領域６０５それぞれの領域ごとにデータの重み係数を設
定する。ここでの各領域に対する重み係数設定方法は、
前記したように、本実施例の対象である電力データは下
に凸な曲線か、あるいは直線に近似可能である性質を考
慮して、領域６０５に対する重み係数が最も大きく領域
５０４に対する重み係数を最も小さくし、領域６０４の
重み係数は前記した２領域に対する重み係数の中間の値
を与えるようにする。このように求めた重み係数を用い
て、手段７１４にて式２に示す２次式を用いてデータの
モデル化を行う。以上の結果に基づき、手段７１５にて
重み付最小自乗法を用いて、それぞれの式の係数を求め
る。装置１０４にて作成したモデルは需要量実績取り込
み装置１０７にて実績データが判明するにしたがって更
新する必要がある。ここでの更新方法は図７手段７０１
にて読み込むデータに新たに入ってきた実績データを追
加することで実現が可能である。

【００２７】次に、予測実行装置１０５では前記した予
測モデル作成・更新装置１０４にて求めたモデルと、装
置１０６にて取り込んだ需要量予測を実際に行う時点で
の需要量に影響を及ぼす要因を用いて予測を実行する。

【００２８】最後に装置１０５での結果を予測結果出力
装置１０８にて出力する。出力画面の一例を図８を用い
て説明する。画面８０１は出力装置の一例としてグラフ
ィックディスプレイを想定する。画面８０２ではボタン
８０３，８０４，８０５を押すことにより図９中のグラ
フ９０１，９０２，９０３をそれぞれ出力するようにし
て、利用者にさまざまな情報を提供する。グラフ９０１
は一日の総需要量の変化を表わす。グラフ中には、予測
時点での可能性のある予測誤差の上下限を表すようにす
る。グラフ９０２は週間の総需要量あるいは個別需要量
の変動グラフを表す。また、９０３は需要量に影響を及
ぼす要因と需要量との関係を示す。領域９３２がモデル
作成に用いたデータ，９３２が予測結果である。この結
果より、予測結果が特異的な日かどうかを判定すること
が可能となる。ボタン８０６，８０７，８０８は操作ボ
タンである。ボタン８０６はモデル作成指示ボタン、ボ
タン807は予測実行ボタン、ボタン８０８は需要量予測
結果があまりにも過去の実績データよりかけ離れている
際にモデルを修正する指示を出すボタンである。また、
上記の本発明の一実施例においては履歴データとして実
際の電力系統の状態を検出し履歴データとして使用して
いるが、これ以外にも、例えば仮想的な電力系統の履歴
データを用いて本発明を電力系統運用のシュミレータと
して活用できることは言うまでもない。

【００２９】

【発明の効果】以上に説明したように、本発明によれば
以下の効果がある。

【００３０】過去の履歴データより需要量とそれに影響
を及ぼす要因との関係から将来の需要量を予測する需要
量予測装置において、需要量モデル作成の際に、需要量
とそれに影響を及ぼす要因間の相関関係を元に、データ
を分割して重み係数の決定と予測モデルに用いる式を適
切に選択することにより、高精度の需要量予測結果が得
られる。

【図面の簡単な説明】

【図１】本発明の特徴を表わす図。

【図２】本発明における過去の履歴データベースを格納
する一例を表す図。

【図３】本発明のデータ前処理装置の処理の流れ図。

【図４】需要量予測に用いる過去の履歴データの一例。

【図５】影響要因と需要量との関係とその分割の様子を
表す概念図。

【図６】影響要因と需要量との関係とその分割の様子を
表す概念図。

【図７】予測モデル作成・更新装置の処理の流れ図。

【図８】予測結果出力装置の一例。

【図９】予測結果出力装置に表示する画面パターンの一
例。

【符号の説明】

１０１…電力系統、１０２…過去の履歴データベース、
１０３…データ前処理装置、１０４…予測モデル作成・
更新装置、１０５…予測実行装置、１０６…影響要因取
り込み装置、１０７…需要量実績取り込み装置、１０８
…予測結果出力装置、１０９…予測条件入力装置、１５
１…電力系統と過去の履歴データベースを接続する通信
線、１５２…過去の履歴データベースとデータ前処理装
置を接続する通信線、１５３…データ前処理装置と予測
モデル作成・更新装置を接続する通信線、１５４…予測
モデル作成・更新装置と予測実行装置を接続する通信
線、１５５…電力系統と影響要因取り込み装置を接続す
る通信線、１５６…影響要因取り込み装置と予測実行装
置を接続する通信線、１５７…電力系統と需要量実績取
り込み装置を接続する通信線、１５８…需要量実績取り
込み装置と予測モデル作成・更新装置を接続する通信
線、１５９…予測実行装置と予測結果出力装置接続する
通信線、１６０…予測対象入力手段とデータ前処理装置
を連結する通信線、２０１…過去の履歴データベースの
格納方法の一例、２０２…下位系統切り替え情報の格納
の一例、２１１…総需要量／個別需要量分類フラグを格
納する欄、２１２…設備名を格納する欄、２１３…デー
タを取り込んだ年を格納する欄、２１４…データを取り
込んだ月を格納する欄、２１５…データを取り込んだ日
を格納する欄、２１６…データを取り込んだ時刻を格納
する欄、２１７…データを取り込んだ日の社会的イベン
トの有無を格納する欄、２１８…気象要因を格納する
欄、２１９…有効電力実績量を格納する欄、２２０…無
効電力実績量を格納する欄、２５１…系統切り替えもと
を格納する欄、２５２…系統切り替え先を格納する欄、
２５３…系統切り替え量を格納する欄、３０１…初期デ
ータ読み込み手段、３０２…総需要量予測／個別需要量
予測判定手段、３０３…正規系統状態換算手段、３０４
…有効電力／無効電力予測判定手段、３０５…有効電力
データ選択手段、３０６…無効電力データ選択手段、３
０７…総需要量データ選択手段、３０８…個別需要量デ
ータ選択手段、３０９…予測対象データ作成装置、４０
１，４０２…影響要因と需要量との相関図、５０１…影
響要因と需要量との相関図、５０２…モデル作成に用い
るデータの集合領域、５０３…モデル作成データの平均
的傾向を示す傾向線、５０４，５０５…データ分割後の
領域、６０１…影響要因と需要量との相関図、６０２…
モデル作成に用いるデータの集合領域、603…モデル作
成データの平均的傾向を示す傾向線、６０４，６０５…
データ分割後の領域、６０６…モデル作成データの分割
を示す傾向線、６０７…平均的傾向線５０３からの距
離、６０８…モデル作成データの分割を示す傾向線５０
６からの距離、７０１…対象データ読み込み手段、７０
２…影響要因・需要量相関図作成手段、７０３…データ
の平均的傾向を求める手段、７０４…データ領域分割手
段、７０５…分布密度計算手段、７０６…分布密度偏在
判定手段、７０７…線形モデル選択手段、７０９…領域
分割手段、７１０…分布密度計算手段、７１１…分布密
度偏在判定手段、７１２…データ重み係数決定手段、７
１３…データ重み係数決定手段、７１４…二次式モデル
選択手段、７１５…モデル係数決定手段、８０１…画面
の表示例、８０２…需要量グラフ表示領域、８０３,８
０４,８０５…画面選択ボタン、８０６，８０７，８０
８…操作選択ボタン、９０１，９０２，９０３…画面表
示の一例。

Claims (10)

【特許請求の範囲】
1. 【請求項１】電力系統の履歴データより電力需要量と、
   該電力需要量に影響を及ぼす要因との関係から前記電力
   系統の電力需要量を予測する電力需要量予測方法におい
   て、 前記履歴データより選択した電力需要量データと、影響
   を及ぼす要因間の相関関係より履歴データの分布密度を
   求めること、該分布密度に基づき履歴データのクラスタ
   リングを行うこと、該クラスタリング結果に基づき各履
   歴データの重み係数を決定し、該重み係数を用いた予測
   モデルを用いて前記電力系統の電力需要量を予測するこ
   とを特徴とする電力需要量予測方法。
2. 【請求項２】特許請求の範囲第１項の電力需要量予測方
   法において、 前記分布密度に基づき履歴データのクラスタリングを行
   うときに、電力需要量とそれに影響を及ぼす要因間の相
   関関係を元に、前記履歴データを分割して前記重み係数
   を決定することを特徴とする電力需要量予測方法。
3. 【請求項３】特許請求の範囲第２項の電力需要量予測方
   法において、 前記履歴データを分割するときに一次方程式、または二
   次方程式に従って前記履歴データを分割することを特徴
   とする電力需要量予測方法。
4. 【請求項４】特許請求の範囲第２項の電力需要量予測方
   法において、 前記一次方程式、または二次方程式に従って前記履歴デ
   ータを分割するときに、分割後の履歴データの分布の片
   よりにより前記一次方程式、または二次方程式を使用す
   ることを特徴とする電力需要量予測方法。
5. 【請求項５】特許請求の範囲第１項、または特許請求の
   範囲第２項の電力需要量予測方法において、 前記履歴データの分布密度に応じて、複数の数理モデル
   の中から、特定の数理モデルを選択し、この数理モデル
   に基づく予測モデルを用いることを特徴とする電力需要
   量予測方法。
6. 【請求項６】特許請求の範囲第１項の電力需要量予測方
   法において、 前記履歴データとして前記電力系統の実際の過去の履歴
   データを用いることを特徴とする需要量予測方法。
7. 【請求項７】特許請求の範囲第１項の電力需要量予測方
   法において、 前記履歴データとして前記電力系統の仮想的な履歴デー
   タを用いることを特徴とする需要量予測方法。
8. 【請求項８】過去における需要量とそれに影響を及ぼす
   要因との関係を保持した過去の履歴データベース、前記
   データベースより需要量予測を行うために適切なデータ
   を選択すると同時に、影響要因以外の需要量変動要因を
   除去するデータ前処理装置、前記装置にて選択したデー
   タより需要量予測を行うための数理モデルを作成ならび
   に更新する装置，予測該当日の影響要因を電力系統より
   取り込むとともに、需要量実績値を取り込む、データ取
   り込み装置，前記予測モデルと影響要因をもとに需要量
   予測を実行する予測実行装置，予測結果を出力する出力
   装置からなる、過去における需要量とそれに影響を及ぼ
   す要因との関係を求めて、将来の需要量を求める需要量
   予測装置。
9. 【請求項９】特許請求の範囲第８項の需要量予測方法お
   よび装置の予測モデル作成・更新装置において、履歴デ
   ータベースより選択した期間の需要量データと、影響を
   及ぼす要因間の相関関係より過去の履歴データの分布密
   度を求め、該分布密度をもとにデータのクラスタリング
   を行い、クラスタリング結果に基づき各データの重み係
   数を決定した後に重み付数理モデルにて予測モデルを作
   成することを特徴とする、需要量予測方法および装置。
10. 【請求項１０】特許請求の範囲第９項の需要量予測方法
    および装置の予測モデル作成・更新装置において、前記
    履歴データの分布密度に応じて、複数の数理モデルよ
    り、適切な予測モデルを選択することを特徴とする需要
    量予測方法および装置。