特許ウォッチ

公開番号2025073794
公報種別公開特許公報(A)
公開日2025-05-13
出願番号2023184866
出願日2023-10-27
発明の名称推定プログラム、推定方法及び情報処理装置
出願人富士通株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06Q 10/04 20230101AFI20250502BHJP(計算;計数)
要約【課題】約定価格の予測精度が向上する推定プログラム、推定方法及び情報処理装置を提供する。
【解決手段】第1の期間における、第1の曲線及び前記第1の曲線と交点を1つもつ第2の曲線のそれぞれを、交点を通る1次関数である第1近似式及び第2近似式に近似し、第1近似式及び第2近似式の傾き及び切片のデータを用いてそれぞれ学習を行うことで、機械学習モデルを生成し、学習済みの機械学習モデルを用いて、第1の期間の後に相当する第2の期間における第1の曲線と第2の曲線との交点を推定する処理をコンピュータに実行させる。
【選択図】図5
特許請求の範囲【請求項１】
第１の期間における、第１の曲線及び前記第１の曲線と交点を１つもつ第２の曲線のそれぞれを、前記交点を通る１次関数である第１近似式及び第２近似式に近似し、
前記第１近似式及び前記第２近似式の傾き及び切片のデータを用いてそれぞれ学習を行うことで、機械学習モデルを生成し、
学習済みの前記機械学習モデルを用いて、前記第１の期間の後に相当する第２の期間における前記第１の曲線と前記第２の曲線との交点を推定する
処理をコンピュータに実行させることを特徴とする推定プログラム。
続きを表示（約 1,300 文字）【請求項２】
前記近似の処理は、異なる複数の前記第１の期間のそれぞれにおいて、前記第１の曲線及び前記第２の曲線を第１近似式及び第２近似式に近似する処理を含み、
前記機械学習モデルの生成の処理は、複数の前記第１近似式及び複数の前記第２近似式のそれぞれに対応する複数の傾き及び複数の切片のデータを用いてそれぞれ学習を行う処理を含む
ことを特徴とする請求項１に記載の推定プログラム。
【請求項３】
前記近似の処理は、
前記第１の曲線上の点と交点とを結ぶ第１関数を作成し、
前記第２の曲線上の点と交点とを結ぶ第２関数を作成し、
前記第１関数及び前記第２関数の傾きそれぞれに対して変動を平滑化し、
前記第１関数の前記平滑化された傾きを有し交点を通る関数を前記第１近似式とし、
前記第２関数の前記平滑化された傾きを有し交点を通る関数を前記第２近似式とする
処理を含むことを特徴とする請求項１に記載の推定プログラム。
【請求項４】
前記第１の曲線と前記第２の曲線との交点を推定する処理は、前記機械学習モデルを用いて、前記第２の期間における前記第１近似式及び前記第２近似式それぞれの切片及び傾きを推定し、前記推定した切片及び傾きを基に前記第１の曲線と前記第２の曲線との交点を推定する処理を含むことを特徴とする請求項１に記載の推定プログラム。
【請求項５】
前記第１の曲線は需要曲線であり、
前記第２の曲線は供給曲線である
ことを特徴とする請求項１に記載の推定プログラム。
【請求項６】
前記第１の期間及び前記第２の期間は３０分毎の期間であり、
前記第２の期間は前記第１の期間の１日後の期間である
ことを特徴とする請求項１に記載の推定プログラム。
【請求項７】
情報処理装置が、
第１の期間における、第１の曲線及び前記第１の曲線と交点を１つもつ第２の曲線のそれぞれを、交点を通る１次関数である第１近似式及び第２近似式に近似し、
前記第１近似式及び前記第２近似式の傾き及び切片のデータを用いてそれぞれ学習を行うことで、機械学習モデルを生成し、
学習済みの前記機械学習モデルを用いて、前記第１の期間の後に相当する第２の期間における前記第１の曲線と前記第２の曲線との交点を推定する
ことを特徴とする推定方法。
【請求項８】
第１の期間における、第１の曲線及び前記第１の曲線と交点を１つもつ第２の曲線のそれぞれを、交点を通る１次関数である第１近似式及び第２近似式に近似する近似部１２と、
前記第１近似式及び前記第２近似式の傾き及び切片のデータを用いてそれぞれ学習を行うことで、機械学習モデルを生成するモデル生成部と、
学習済みの前記機械学習モデルを用いて、第１の期間の後に相当する第２の期間における第１の曲線と第２の曲線との交点を推定する推定部と
を備えたことを特徴とする情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、推定プログラム、推定方法及び情報処理装置に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
発電事業者と電力の小売事業者の間の電力売買の仲介役として、電力取引所がある。電力取引所は、コンピュータを用いた取引システムにより電力売買を仲介する。電力取引所で行われる取引の１つにスポット市場がある。スポット市場では、取引システムは、１日を３０分等の計量単位で分割し、計量単位の長さの受渡時間帯毎に、発電事業者からの電力の売入札を受け付けるとともに、小売事業者からの電力の買入札を受け付ける。そして、取引システムは、注文の受付を終了後、売入札の状況と買入札の状況とに基づいて、約定価格を決定する。
【０００３】
約定価格及び約定量は、売注文の量と価格との関係を示す供給曲線と、買注文の量と価格との関係を示す需要曲線とに基づいて決定される。そのため、特定の受渡時間帯における供給曲線と需要曲線とが予め推定できれば、約定価格を正確に推定できる。
【０００４】
そこで、電力価格に関する技術として以下のような技術が存在する。例えば、売り約定率及び買い約定量を説明変数として、約定価格の実績値をスプライン回帰して求めた売り約定率関数及び買い約定率関数を用いて、需要曲線及び供給曲線を算出する技術が提案されている。また、複数の予測方法を用いて電力価格を予測し、そのうちの予測精度の指標となる指標値が最も高い予測方法により予測された電力価格を予測値とする技術が提案されている。また、電力小売価格を予測して、コストとリスクの確率的評価を提供する技術が提案されている。他にも、需要予測の技術として、複数の時系列の需要観測を使用して訓練したリカレントニューラルネットワークモデルにより、目的の品物の確率的需要予測を生成する技術が提案されている。
【先行技術文献】
【特許文献】
【０００５】
特開２０１６－３３８０１号公報
特開２０１８－１３９３４号公報
米国特許出願公開第２００４／０２１５５２９号明細書
米国特許第１０９３６９４７号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、従来技術では、将来の時間帯についての需要曲線又は供給曲線の予測の精度が悪く、需要曲線及び供給曲線に基づいて決定される約定価格の予測精度が十分ではない。なお、約定価格の予測精度が不十分であるという問題は、電力取引以外の市場取引においても同様に発生する。
【０００７】
開示の技術は、上記に鑑みてなされたものであって、約定価格の予測精度が向上する推定プログラム、推定方法及び情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【０００８】
本願の開示する推定プログラム、推定方法及び情報処理装置の一つの態様において、第１の期間における、第１の曲線及び前記第１の曲線と交点を１つもつ第２の曲線のそれぞれを、前記交点を通る１次関数である第１近似式及び第２近似式に近似し、前記第１近似式及び前記第２近似式の傾き及び切片のデータを用いてそれぞれ学習を行うことで、機械学習モデルを生成し、学習済みの前記機械学習モデルを用いて、前記第１の期間の後に相当する第２の期間における前記第１の曲線と前記第２の曲線との交点を推定する処理をコンピュータに実行させる。
【発明の効果】
【０００９】
１つの側面では、本発明は、約定価格の予測精度を向上させることができる。
【図面の簡単な説明】
【００１０】
図１は、実施例１に係る約定価格推定装置のブロック図である。
図２は、初期関数の生成を説明するための図である。
図３は、初期関数生成部により作成された需要初期関数の傾き及び切片の値の時系列的な変化の一例を示す図である。
図４は、平滑化後の傾き及び切片の値の時系列的な変化の一例を示す図である。
図５は、需要近似式及び供給近似式の作成を説明するための図である。
図６は、推定部による推定処理の概要を示す図である。
図７は、実施例１に係る約定価格推定装置による推定とＬＳＴＭ単体を用いた推定との予測誤差の比較を示す図である。
図８は、学習フェーズにおける需要曲線モデル及び供給曲線モデルの学習処理のフローチャートである。
図９は、推定フェーズにおける約定価格推定装置による推定処理のフローチャートである。
図１０は、実施例１に係る約定価格推定装置のハードウェア構成図である。
図１１は、実施例２に係るコンピュータシステムの構成の一例を示す図である。
図１２は、入札コンピュータのブロック図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許