特許ウォッチ

公開番号2025011729
公報種別公開特許公報(A)
公開日2025-01-24
出願番号2023114008
出願日2023-07-11
発明の名称予測システム及び予測方法
出願人株式会社日立製作所
代理人弁理士法人サンネクスト国際特許事務所
主分類G06Q 50/06 20240101AFI20250117BHJP(計算;計数)
要約【課題】市場価格に影響を与え得る全ての電源設備の電源構成情報や、全ての市場参加者の入札方針の情報といった入手困難な情報無しに、入札曲線を精度良く予測する。
【解決手段】予測システムは、分割区間数候補と近似用関数との組毎に、当該分割区間数候補に従う分割により得られた各分割区間について、入札曲線の部分を当該近似用関数に近似し、当該組の近似評価指標を算出し、近似評価指標が最良の分割区間数候補と近似用関数との組を選択し、当該組に従うパラメータ抽出結果と、因子毎の因子値とを基に、パラメータのモデルを構築し、当該モデルを用いて予測されたパラメータ値と、当該組における近似用関数とを用いて入札曲線を予測する。
【選択図】図3

特許請求の範囲【請求項１】
観測データを記憶する観測データ記憶装置、因子データを記憶する因子データ記憶装置、及び、１以上の電源設備の起動、待機、或いは停止の計画と制御とのうちの少なくとも一つを含む運用を行う電源設備運用システムと通信可能に接続されたインターフェース装置と、
記憶装置と、
前記インターフェース装置及び前記記憶装置に接続されたプロセッサと
を備え、
前記観測データは、電力の入札量と単位入札量当たりの入札価格との関係を表す入札曲線のデータを各時刻について含み、
前記因子データは、入札関係に影響し得る１以上の因子の各々について因子値を各時刻について含み、
それぞれが１個以上のパラメータで表される１個以上の関数である１個以上の近似用関数があり、
前記プロセッサは、前記観測データ記憶装置から受信された観測データから各時刻の入札曲線を特定し、
前記プロセッサは、特定された各時刻の入札曲線である各時刻の観測入札曲線について、それぞれが入札曲線を幾つの分割区間に分割するかを含む方針である１個以上の分割区間数候補の各々について、当該観測入札曲線を、当該分割区間候補に従い１個以上の分割区間に分割し、
前記プロセッサは、前記各時刻の観測入札曲線について、分割区間数候補と近似用関数との組毎に、当該分割区間数候補に従う分割により得られた１個以上の分割区間の各々について、当該観測入札曲線のうち当該分割区間における曲線部分を、当該近似用関数に近似し、
前記プロセッサは、前記各時刻の観測入札曲線について、分割区間数候補と近似用関数との組毎に、当該組の評価指標である近似評価指標を算出し、
前記プロセッサは、算出された近似評価指標が最良の分割区間数候補と近似用関数との組を選択し、
前記プロセッサは、選択された組に従うパラメータ抽出結果と、前記因子データ記憶装置から受信された因子データにおける前記各時刻での因子毎の因子値とを基に、因子毎の因子値を入力としパラメータ毎のパラメータ値を出力とするモデルである予測モデルを構築し、
前記パラメータ抽出結果は、前記選択された組における分割区間候補数に従う分割区間毎に、前記各時刻について、前記選択された組における近似用関数のパラメータ毎に、当該近似用関数に近似された観測入札曲線から得られたパラメータ値を含み、
前記プロセッサは、構築された予測モデルに、予測対象時刻の因子毎の因子値を入力することで、前記予測対象時刻についてパラメータ毎の予測されるパラメータ値を、前記選択された組における分割区間候補数に従う分割区間毎に取得し、
前記プロセッサは、前記選択された組における分割区間候補数に従う各分割区間について、パラメータ毎の取得されたパラメータ値と前記選択された組における近似用関数とを用いて曲線部分を復元し、当該各分割区間について復元された曲線部分に基づき前記予測対象時刻における入札曲線を予測し、
前記プロセッサは、予測された入札曲線を表すデータである予測入札曲線データを前記記憶装置に格納し、
前記プロセッサは、前記予測入札曲線データ、又は、前記予測入札曲線データに基づくデータを、前記電源設備運用システムに送信する、
予測システム。
続きを表示（約 2,300 文字）【請求項２】
前記プロセッサは、
前記１以上の電源設備の各々の発電量及び発電単価に基づいて、前記予測された入札曲線との偏差が最小となる曲線であり入札量及び入札価格を次元とした曲線である検証基準曲線を生成し、
生成された検証基準曲線と前記予測された入札曲線との偏差が閾値以下か否かを判定し、
前記予測入札曲線データが表す入札曲線は、前記生成された検証基準曲線との偏差が前記閾値以下と判定された入札曲線である、
請求項１に記載の予測システム。
【請求項３】
前記各時刻の観測入札曲線について、分割区間数候補と近似用関数との組毎に、算出された近似評価指標は、当該観測入札曲線と当該近似用関数に近似された観測入札曲線との誤差である第一の指標と、当該分割区間数候補に従う分割により得られた分割区間の数と当該近似用関数のパラメータの数とに基づく指標である第二の指標とのうちの少なくとも一つに基づく、
請求項１に記載の予測システム。
【請求項４】
前記プロセッサは、入札曲線が持つ次元である入札価格及び入札量のうちの少なくとも一つの次元について、当該次元における最小値から最大値の範囲を、分割区間候補数に従い分割することで、観測入札曲線を、当該分割区間候補数に従う数の分割区間に分割する、
請求項１に記載の予測システム。
【請求項５】
前記プロセッサは、
前記パラメータ抽出結果と前記因子データとから、それぞれ前記パラメータ抽出結果の一部と前記因子データの一部とで構成されたＮ個のデータセットを作成し（Ｎは１以上の整数）、
前記Ｎ個のデータセットの各々について、当該データセットを用いて、因子値を入力としパラメータ値を出力とする予測モデルを構築し、
Ｎ個の構築された予測モデルの各々について、予測対象期間の一部の時刻としての予測対象時刻についての因子値を入力することで、当該予測対象時刻についてのパラメータ値を取得する、
請求項１に記載の予測システム。
【請求項６】
前記プロセッサは、電源設備毎の発電量と発電単価とを含む電源設備管理データを基に、前記観測入札曲線との偏差が最小になる電源設備組合せデータを作成し、
前記電源設備組合せデータは、前記観測データが表す各時刻について電線設備組合せを表すデータであり、
前記プロセッサは、
前記電源設備組合せデータと、当該各時刻での因子毎の因子値とを基に、因子毎の因子値を入力とし電源設備組合せを出力とするモデルである検証用モデルを構築し、
構築された検証用モデルに、予測対象時刻の因子毎の因子値を入力することで、前記予測対象時刻について電源設備組合せを取得し、
取得された電源設備組合せにおける１以上の電源設備の各々の発電量及び発電単価に基づいて、前記予測対象時刻について入札量及び入札価格を次元とした曲線である検証基準曲線を予測し、
予測された検証基準曲線と前記予測された入札曲線との偏差が閾値以下か否かを判定し、
前記予測入札曲線データが表す入札曲線は、前記予測された検証基準曲線との偏差が前記閾値以下と判定された入札曲線である、
請求項１に記載の予測システム。
【請求項７】
前記電源設備組合せデータは、前記各時刻について、いずれの電源設備をどのように運用しているかを表すデータ、及び／又は、１又は複数の発電設備の合計発電量を表すデータを含む、
請求項６に記載の予測システム。
【請求項８】
各分割区間候補数について、分割区間の境界を定める閾値であって、入札量及び入札価格のうちの少なくとも一つの次元の閾値が、当該分割区間候補数に従う数の分割区間と、複数の時刻の観測入札曲線における当該次元の値の発生頻度とに基づいている、
請求項４に記載の予測システム。
【請求項９】
前記プロセッサが、
前記１以上の電源設備の各々の発電量及び発電単価に基づいて、前記予測された入札曲線との偏差が最小となる曲線であり入札量及び入札価格を次元とした曲線である補正基準曲線を生成し、
生成された補正基準曲線を用いて前記予測された入札曲線を補正する、
請求項１に記載の予測システム。
【請求項１０】
前記プロセッサは、電源設備毎の発電量と発電単価とを含む電源設備管理データを基に、前記観測入札曲線との偏差が最小になる電源設備組合せデータを作成し、
前記電源設備組合せデータは、前記観測データが表す各時刻について電線設備組合せを表すデータであり、
前記プロセッサは、
前記電源設備組合せデータと、当該各時刻での因子毎の因子値とを基に、因子毎の因子値を入力とし電源設備組合せを出力とするモデルである補正用モデルを構築し、
構築された補正用モデルに、予測対象時刻の因子毎の因子値を入力することで、前記予測対象時刻について電源設備組合せを取得し、
取得された電源設備組合せにおける１以上の電源設備の各々の発電量及び発電単価に基づいて、前記予測対象時刻について入札量及び入札価格を次元とした曲線である補正基準曲線を生成し、
生成された補正基準曲線を用いて前記予測された入札曲線を補正する、
請求項１に記載の予測システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、概して、予測のためのコンピュータ技術に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
発電設備の運用において、需要予測、再生可能エネルギーの発電量の予測、市場価格の予測など、種々の予測値が用いられる。特に、市場価格が高騰するような場合は、需要量に対して供給量が不足している場合がある。従って、市場価格の予測結果からの価格高騰の有無を予測して、発電設備の起動、待機、停止の運用を行うことが重要である。
【０００３】
特許文献１には、市場価格の実績データを、価格の高騰が発生したスパイク価格情報と、価格の高騰が発生しなかった非スパイク価格情報に分割し、スパイク価格情報と非スパイク価格情報をそれぞれ用いた機械学習価格アルゴリズムにより価格を予測する手法が開示されている。
【０００４】
特許文献２には、火力、水力、原子力、再生可能エネルギー等の電源ごとの発電量に基づいて入札量を予測し、需給曲線を算定して市場価格予測データを生成する手法が開示されている。
【０００５】
特許文献３には、スポット市場における需要曲線及び供給曲線が入札量の価格分布の累積分布関数で表されることに着目し、買いと売りのそれぞれ平均価格と標準偏差で規定される正規分布を用いて入札曲線をモデル化する手法が開示されている。
【先行技術文献】
【特許文献】
【０００６】
特開２０１６－２１２８２５号公報
特開２０２２－１４５０７０号公報
特開２０１７－１１７３５６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
特許文献１によれば、市場価格が高騰した場合と高騰しなかった場合とで実績データを分割してそれぞれモデル化される。しかし、通常、市場価格の高騰が発生する頻度は低く、なおかつ高騰の原因が変化する場合もある。このため、高騰発生時のモデルを構築するためのデータを十分に蓄積できず、モデルの精度が低い可能性がある。
【０００８】
特許文献２によれば、需要量の増加や供給量の減少という価格高騰の発生原因を入札曲線としてモデル化することが可能である。しかし、この技術は、全ての種類の電源について発電量の情報を含む電源構成情報が必要であるが、そのような情報を得ることは一般に難しく、故に、この技術の実現性は低い。
【０００９】
特許文献３によれば、入札価格の分布から入札曲線が予測される。しかし、入札価格の分布は正規分布とは限らず、分布形状は、市場参加者それぞれがどの程度の入札量をどの程度の入札価格で入札するかという入札方針に依存する。通常、市場参加者それぞれの入札方針についての情報を得ることは困難である。このため、この技術の実現性も低い。
【００１０】
本発明は以上の点を考慮してなされたもので、市場価格に影響を与え得る全ての電源設備の電源構成情報や、全ての市場参加者の入札方針の情報といった入手困難な情報無しに、入札曲線を精度良く予測することにある。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許