特許ウォッチ

公開番号2025075584
公報種別公開特許公報(A)
公開日2025-05-15
出願番号2023186865
出願日2023-10-31
発明の名称モデル生成装置、電力量予測装置、モデル生成方法、及び、電力量予測方法
出願人日本製鉄株式会社
代理人弁理士法人鷲田国際特許事務所
主分類H02J 3/00 20060101AFI20250508BHJP(電力の発電,変換,配電)
要約【課題】操業計画の利用を必要とせず、機械学習モデルを利用して電力量を予測するための技術を提供することである。
【解決手段】予め定められた所定の長さの期間である第1の期間の電力量データである第1の電力量データと、前記第1の期間に続く第2の期間の電力量データである第2の電力量データとのペアから構成される訓練データセットを取得する訓練データ取得部と、前記訓練データセットを用いて機械学習モデルを訓練することで、経時的な電力量を予測する訓練済み機械学習モデルとするモデル訓練部と、を有する、モデル生成装置が提供される。
【選択図】図1
特許請求の範囲【請求項１】
予め定められた所定の長さの期間である第１の期間の電力量データである第１の電力量データと、前記第１の期間に続く第２の期間の電力量データである第２の電力量データとのペアから構成される訓練データセットを取得する訓練データ取得部と、
前記訓練データセットを用いて機械学習モデルを訓練することで、経時的な電力量を予測する訓練済み機械学習モデルとするモデル訓練部と、
を有する、モデル生成装置。
続きを表示（約 1,400 文字）【請求項２】
前記電力量データは、電力量の変化量からなるデータ、又は、電力量の絶対値からなるデータである、請求項１に記載のモデル生成装置。
【請求項３】
予め定められた所定の長さの期間である第１の期間の電力量データである第１の電力量データと、前記第１の期間に続く第２の期間の電力量データである第２の電力量データとのペアから構成される訓練データセットを取得する訓練データ取得ステップと、前記訓練データセットを用いて機械学習モデルを訓練することで、経時的な電力量を予測する訓練済み機械学習モデルとするモデル訓練ステップと、を実行することで得られた訓練済み機械学習モデルを取得する、訓練済み機械学習モデル取得部と、
電力量を予測し始める基準時を設定し、前記基準時より前記第１の期間と同じ長さだけ前の時点から前記基準時までの期間である第３の期間の電力量データである第３の電力量データを取得する以前データ取得部と、
前記訓練済み機械学習モデルを用いて、前記第３の電力量データから、前記基準時に続く前記第２の期間と同じ長さの期間である第４の期間の電力量データである第４の電力量データを推論する以後データ推論部と、
前記基準時を現実の時間変化に応じて変化させながら、前記以前データ取得部と前記以降データ推論部の処理を繰り返すことで、経時的な電力量を予測する電力量予測部と、
を有する、電力量予測装置。
【請求項４】
前記電力量データは、電力量の変化量からなるデータ、又は、電力量の絶対値からなるデータである、請求項３に記載の電力量予測装置。
【請求項５】
予め定められた所定の長さの期間である第１の期間の電力量データである第１の電力量データと、前記第１の期間に続く第２の期間の電力量データである第２の電力量データとのペアから構成される訓練データセットを取得する訓練データ取得ステップと、
前記訓練データセットを用いて機械学習モデルを訓練することで、経時的な電力量を予測する訓練済み機械学習モデルとするモデル訓練ステップと、
を有する、モデル生成方法。
【請求項６】
予め定められた所定の長さの期間である第１の期間の電力量データである第１の電力量データと、前記第１の期間に続く第２の期間の電力量データである第２の電力量データとのペアから構成される訓練データセットを取得する訓練データ取得ステップと、前記訓練データセットを用いて機械学習モデルを訓練することで、経時的な電力量を予測する訓練済み機械学習モデルとするモデル訓練ステップと、を実行することで得られた訓練済み機械学習モデルを取得する、訓練済み機械学習モデル取得ステップと、
電力量を予測し始める基準時を設定し、前記基準時より前記第１の期間と同じ長さだけ前の時点から前記基準時までの期間である第３の期間の電力量データである第３の電力量データを取得する以前データ取得ステップと、
前記訓練済み機械学習モデルを用いて、
前記第３の電力量データから、前記基準時に続く前記第２の期間と同じ長さの期間である第４の期間の電力量データである第４の電力量データを推論する以後データ推論ステップと、
前記基準時を現実の時間変化に応じて変化させながら、前記以前データ取得ステップと前記以降データ推論ステップの処理を繰り返すことで、経時的な電力量を予測する電力量予測ステップと、
を有する、電力量予測方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、モデル生成装置、電力量予測装置、モデル生成方法、及び、電力量予測方法に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
製鉄所自体や製鉄所を構成する圧延工場等のような工場等では、電力を大量に使用することから、工場内で自家発電を行うとともに、電力会社と電力購入契約を締結し、工場内の自家発電だけでは賄えない電力を、電力会社から購入している。一般に、電力購入契約では、所定時間（例えば、３０分毎など）の最大使用電力に基づいて契約電力が決定されており、実際の使用電力が契約電力を超過すると、違約金が課せられる。一方、使用電力が大幅に契約電力を下回った場合でも、契約電力分の金額を支払う仕組みとなっている。このような契約の下では、工場側にとって、使用電力が常に安定的に保たれるように電力需要を調整することが、経済的に重要である。そのためには、将来の電力需給量、すなわち、工場の電力需要量と自家発電による電力供給量とを正確に予測する必要がある。
【０００３】
従来より、製鉄所等の工場における電力需要量や電力使用量を予測するためのいくつかの技術が提案されてきた。これらの先行技術のいくつかでは、工場の操業計画を利用して電力使用量を予測している。しかしながら、実際の操業と操業計画との間に乖離が生じた場合、予測精度が悪化する。このため、操業計画を適切に修正することが重要であるが、操業計画と実際の操業とを完全に一致させることは難しい。
【先行技術文献】
【特許文献】
【０００４】
特開昭５５－１３６８３２号公報
特開２０００－２１７２５３号公報
特開２０１７－７０１３４号公報
国際公開第２０１５／１７８２５６号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００５】
製鉄所の圧延工場のように、電力使用量が大きく、かつ、被圧延材の製造条件に応じて電力使用量が大きく変動する場合には、電力使用量が短時間で大きく変化してしまうため、操業計画を用いて電力使用量を予測することが望ましいと考えられる。
【０００６】
一方、操業計画が急に変更となってしまう場合等、操業計画と実際の操業との間に乖離が生じる場合には、予測精度を保つために、操業計画を用いて電力使用量を予測しない方がよいと考えられる。また、操業計画が変化しない場合や、操業計画の変化に伴う電力需給変化量が緩やかな場合には、操業計画を利用しなくても、直近の電力量データから以降の電力量データを予測できることがあり、操業計画と実際の操業との間の乖離を補正しなくともよい場合がある。
【０００７】
近年、機械学習モデルが予測等の推論処理において広範に利用されている。そのため、操業計画が変化しない場合や、操業計画の変化に伴う電力需給変化量が緩やかな場合には、無駄になりかねない操業計画を利用することなく、機械学習モデルによって電力量を予測するための技術が望まれている。
【０００８】
本開示の１つの課題は、操業計画の利用を必要とせず、機械学習モデルを利用して電力量を予測するための技術を提供することである。
【課題を解決するための手段】
【０００９】
上記課題を解決するために、本発明のある観点によれば、予め定められた所定の長さの期間である第１の期間の電力量データである第１の電力量データと、前記第１の期間に続く第２の期間の電力量データである第２の電力量データとのペアから構成される訓練データセットを取得する訓練データ取得部と、前記訓練データセットを用いて機械学習モデルを訓練することで、経時的な電力量を予測する訓練済み機械学習モデルとするモデル訓練部と、を有する、モデル生成装置が提供される。
【００１０】
なお、本発明のモデル生成装置においては、前記電力量データは、電力量の変化量からなるデータ、又は、電力量の絶対値からなるデータであってもよい。
（【００１１】以降は省略されています）

関連特許