特許ウォッチ

公開番号2025071695
公報種別公開特許公報(A)
公開日2025-05-08
出願番号2023182090
出願日2023-10-23
発明の名称需要予測装置、需要予測方法、及びプログラム
出願人富士電機株式会社
代理人個人,個人
主分類G06Q 50/06 20240101AFI20250428BHJP(計算;計数)
要約【課題】需要要因の影響度合いを考慮した補正量を算出することにより、精度の良い需要予測を実現すること。
【解決手段】本開示の一態様による需要予測装置は、過去の日の中から予測対象日に類似する日を類似日として抽出する抽出部と、前記過去の日における需要実績と前記需要実績に対する要因の実績値とに基づいて、前記需要実績に対する前記要因の影響度合いを分析する分析部と、前記影響度合いを表す指標値に基づいて、前記影響度合いが高い要因から補正量を算出し、前記類似日における需要実績を前記補正量で補正する補正部と、前記補正後の需要実績を前記予測対象日の需要予測として出力する出力部と、を有する。
【選択図】図5
特許請求の範囲【請求項１】
過去の日の中から予測対象日に類似する日を類似日として抽出する抽出部と、
前記過去の日における需要実績と前記需要実績に対する要因の実績値とに基づいて、前記需要実績に対する前記要因の影響度合いを分析する分析部と、
前記影響度合いを表す指標値に基づいて、前記影響度合いが高い要因から補正量を算出し、前記類似日における需要実績を前記補正量で補正する補正部と、
前記補正後の需要実績を前記予測対象日の需要予測として出力する出力部と、
を有する需要予測装置。
続きを表示（約 1,200 文字）【請求項２】
前記分析部は、
前記需要実績を目的変数、前記要因を説明変数として決定木を学習することにより、前記要因の影響度合いを分析する、請求項１に記載の需要予測装置。
【請求項３】
前記指標値は、前記決定木を学習したときの前記説明変数の変数重要度である、請求項２に記載の需要予測装置。
【請求項４】
前記補正部は、
前記影響度合いが高い要因を説明変数、前記需要実績を目的変数とする予測モデルを学習し、
前記予測対象日における前記予測モデルの予測値と、前記類似日における前記予測モデルの予測値とに基づいて、前記補正量を算出する、請求項１乃至３の何れか一項に記載の需要予測装置。
【請求項５】
前記影響度合いが高い要因は、前記需要実績に対する要因のうち、前記指標値が所定の閾値以上である要因、前記指標値が高い所定の個数の要因、である、請求項４に記載の需要予測装置。
【請求項６】
前記日は複数の時間帯で構成されており、
前記分析部は、
前記時間帯毎に、前記時間帯における需要実績とに基づいて、前記需要実績に対する前記要因の影響度合いを分析し、
前記補正部は、
前記時間帯毎に、前記時間帯における前記指標値、又は、前記複数の時間帯の各々における前記指標値の所定の期間における統計量、に基づいて、前記影響度合いが高い要因から前記補正量を算出し、前記類似日における需要実績を前記補正量で補正する、請求項１に記載の需要予測装置。
【請求項７】
前記統計量には、前記指標値の前記期間における平均値、最大値、最頻値が含まれる、請求項６に記載の需要予測装置。
【請求項８】
過去の日の中から予測対象日に類似する日を類似日として抽出する抽出手順と、
前記過去の日における需要実績と前記需要実績に対する要因の実績値とに基づいて、前記需要実績に対する前記要因の影響度合いを分析する分析手順と、
前記影響度合いを表す指標値に基づいて、前記影響度合いが高い要因から補正量を算出し、前記類似日における需要実績を前記補正量で補正する補正手順と、
前記補正後の需要実績を前記予測対象日の需要予測として出力する出力手順と、
をコンピュータが実行する需要予測方法。
【請求項９】
過去の日の中から予測対象日に類似する日を類似日として抽出する抽出手順と、
前記過去の日における需要実績と前記需要実績に対する要因の実績値とに基づいて、前記需要実績に対する前記要因の影響度合いを分析する分析手順と、
前記影響度合いを表す指標値に基づいて、前記影響度合いが高い要因から補正量を算出し、前記類似日における需要実績を前記補正量で補正する補正手順と、
前記補正後の需要実績を前記予測対象日の需要予測として出力する出力手順と、
をコンピュータに実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、需要予測装置、需要予測方法、及びプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
電力系統では、周波数・電圧を安定させるために、常に電力需要と発電量とを一致させる必要がある。このため、電力需要予測は、電力の安定供給に重要な役割を果たしている。電力需要予測に関する従来技術として、例えば、予測対象日の電力価格単価や気象条件等の要因に対応する価格弾力性を用いて予測対象日の電力需要予測値を補正することにより、誤差を低減した電力需要予測値を得ることができる技術が知られている（特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
特許第６０９４３６９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、従来技術では、電力需要に対する要因（以下、需要要因ともいう。）の影響度合いが考慮されていないため、適切な補正量を算出できない場合があり、予測対象日の精度の良い電力需要予測値を得ることができないことがある。
【０００５】
本開示は、上記の点に鑑みてなされたもので、需要要因の影響度合いを考慮した補正量を算出することにより、精度の良い需要予測を実現することを目的とする。
【課題を解決するための手段】
【０００６】
本開示の一態様による需要予測装置は、過去の日の中から予測対象日に類似する日を類似日として抽出する抽出部と、前記過去の日における需要実績と前記需要実績に対する要因の実績値とに基づいて、前記需要実績に対する前記要因の影響度合いを分析する分析部と、前記影響度合いを表す指標値に基づいて、前記影響度合いが高い要因から補正量を算出し、前記類似日における需要実績を前記補正量で補正する補正部と、前記補正後の需要実績を前記予測対象日の需要予測として出力する出力部と、を有する。
【発明の効果】
【０００７】
需要要因の影響度合いを考慮した補正量を算出することにより、精度の良い需要予測を実現することができる。
【図面の簡単な説明】
【０００８】
本実施形態に係る需要予測装置のハードウェア構成の一例を示す図である。
本実施形態に係る需要予測装置の機能構成の一例を示す図である。
需要実績ＤＢに格納されている需要実績データの一例を示す図である。
気象実績ＤＢに格納されている気象実績データの一例を示す図である。
本実施形態に係る需要予測処理の一例を示すフローチャートである。
本実施形態に係る要因分析処理の一例を示すフローチャートである。
決定木の学習用データの一例を示す図である。
各需要要因の変数重要度の一例を示す図である。
本実施形態に係る類似日需要補正処理の一例を示すフローチャートである。
予測モデルの学習用データの一例を示す図である。
各需要要因の変数重要度の他の例（その１）を示す図である。
各需要要因の変数重要度の他の例（その２）を示す図である。
【発明を実施するための形態】
【０００９】
以下、本発明の一実施形態について、図面を参照しながら詳細に説明する。以下では、電力需要を予測する場合を対象として、需要要因の影響度合いを考慮した補正量を算出することにより、精度の良い電力需要予測を実現することができる需要予測装置１０について説明する。ただし、電力需要を予測することは一例であって、本実施形態に係る需要予測装置１０は、例えば、熱需要を予測する場合、ガス需要を予測する場合、その他の何等かの需要を予測する場合等にも同様に適用することが可能である。
【００１０】
このため、本実施形態に係る需要予測装置１０は、以下の（１）～（３）により電力需要を予測する。
（【００１１】以降は省略されています）

関連特許