[go: up one dir, main page]

WO2013141039A1 - エネルギー管理装置、エネルギー管理方法およびプログラム - Google Patents

エネルギー管理装置、エネルギー管理方法およびプログラム Download PDF

Info

Publication number
WO2013141039A1
WO2013141039A1 PCT/JP2013/056348 JP2013056348W WO2013141039A1 WO 2013141039 A1 WO2013141039 A1 WO 2013141039A1 JP 2013056348 W JP2013056348 W JP 2013056348W WO 2013141039 A1 WO2013141039 A1 WO 2013141039A1
Authority
WO
WIPO (PCT)
Prior art keywords
load data
load
unit
schedule
energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2013/056348
Other languages
English (en)
French (fr)
Inventor
和人 久保田
雅彦 村井
谷本　智彦
清高 松江
恭介 片山
祐之 山岸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to EP13722272.5A priority Critical patent/EP2830184B1/en
Priority to US13/841,656 priority patent/US9535474B2/en
Publication of WO2013141039A1 publication Critical patent/WO2013141039A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/30—The power source being a fuel cell
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Definitions

  • Embodiments of the present invention relate to an energy management apparatus, an energy management method, and a program for managing energy consumed in a house, for example.
  • energy management devices predict energy consumption by energy consuming devices, and create an operation schedule for home appliances, energy storage devices, energy creation devices, etc. (hereinafter collectively referred to as electrical devices) based on the results. .
  • JP 2003-309928 A Japanese Patent Application Laid-Open No. 2011-92002
  • the energy management device creates an operation schedule of an electric device based on a predicted value of load electric energy (hereinafter referred to as a predicted load), an appropriate operation schedule cannot be created if the prediction is lost. For example, it is assumed that a certain user has two life patterns, a pattern of going out in the daytime and a pattern of staying at home in the daytime. If an algorithm for going out pattern is used in creating the operation schedule of the electrical equipment at the user's home, the predicted load in the case of being home is not accurate, and therefore the operation schedule is not appropriate. Using a load estimation algorithm for a home pattern makes the driving schedule in the outing case inappropriate.
  • the purpose is to provide an energy management device, an energy management method, and a program that can realize an operation schedule with less risk of cost saving or cost increase in consideration of an unexpected risk.
  • the energy management apparatus includes a power generation prediction unit, a demand prediction unit, a creation unit, and a control unit.
  • the power generation prediction unit predicts the amount of power generated by the power generation device using renewable energy.
  • the demand prediction unit predicts the energy demand of the consumer's electrical equipment.
  • the creation unit creates an operation schedule of the electric device based on the predicted power generation amount and energy demand.
  • the control unit controls the electric device based on the operation schedule.
  • the demand prediction unit includes a storage unit, an extraction unit, and a calculation unit.
  • the storage unit accumulates load data indicating the actual load of the electric device.
  • the extraction unit extracts a plurality of load patterns including a plurality of different load data from the accumulated load data.
  • the calculation unit calculates a weight based on a predetermined criterion for each extracted load pattern.
  • the creation unit includes a simulator and a schedule creation unit.
  • the simulator simulates an evaluation value for each driving schedule using a predetermined algorithm based on the extracted load pattern and its weight.
  • the schedule creation unit creates an operation schedule based on the evaluation value.
  • FIG. 1 is a diagram illustrating an example of a system to which the energy management apparatus according to the embodiment can be applied.
  • FIG. 2 is a functional block diagram illustrating an example of the energy management device 17.
  • FIG. 3 is a functional block diagram illustrating an example of the PV prediction unit 172.
  • FIG. 4 is a functional block diagram illustrating an example of the load prediction unit 173.
  • FIG. 5 is a functional block diagram illustrating an example of the creation unit 174.
  • FIG. 6 is a diagram illustrating an example of a graph indicating a plurality of load patterns.
  • FIG. 7 is a flowchart illustrating an example of a processing procedure of the load prediction unit 173.
  • FIG. 8 is a flowchart showing an example of a processing procedure in step S1 shown in FIG. FIG.
  • FIG. 9 is a flowchart illustrating an example of a processing procedure in step S2 illustrated in FIG.
  • FIG. 10 is a flowchart illustrating an example of a processing procedure performed by the simulator 174A.
  • FIG. 11 is a flowchart illustrating an example of a processing procedure of the creation unit 174.
  • FIG. 12 is a functional block diagram showing an example of a personal computer capable of realizing the functions of the energy management device 17 by software.
  • FIG. 13 is a flowchart illustrating an example of a processing procedure according to another embodiment.
  • FIG. 1 is a diagram illustrating an example of a system to which the energy management apparatus according to the embodiment can be applied.
  • the system shown in FIG. 1 includes a PV unit 11, a battery 12, a fuel cell (FC) 13, a power conditioning system (PCS) 14, a distribution board 15, a home appliance 16 (including a plurality of electric devices), and energy.
  • a management device 17 is provided.
  • PV unit 11 generates power from sunlight.
  • the battery 12 charges and discharges power.
  • the fuel cell 13 uses gas as fuel and generates electric power and heat.
  • the distribution board 15 supplies the electric power supplied from the power grid to the home appliance 16 via the power line.
  • the battery 12 may be charged with power from the power line.
  • the PCS 14 converts the DC power generated by the PV unit 11, the battery 12, and the fuel cell 13 into AC and supplies it to the distribution board 15. If the amount of power supplied from the PCS 14 is larger than the amount of power consumed by the home appliance 16, the surplus power is sold to the power company via the power grid.
  • the energy management device 17 communicates with the Internet 18, the user terminal 19, the distribution board 15, the PCS 14, the battery 12, and the fuel cell 13 via the information line. Further, the energy management device 17 manages the battery 12, the fuel cell 13, the PCS 14, the distribution board 15 and the like based on information acquired through communication, and controls the operation thereof.
  • the energy management device 17 acquires a weather forecast, a power price list, and a gas price list from the Internet 18.
  • the user inputs information such as the frequency with which the energy management device 17 creates an operation schedule of the electric equipment from the user terminal 19 to the energy management device 17.
  • the energy management device 17 acquires the power consumption of the home appliance 16 from the distribution board 15.
  • the energy management device 17 acquires the power generation amount of PV 11 (PV power generation amount) from the PCS 14.
  • the energy management device 17 acquires charging power, discharging power, and SOC (State of Charge) from the battery 12. Further, the energy management device 17 outputs a charge command and a discharge command to the battery 12.
  • the energy management device 17 acquires the amount of power generation and the amount of generated heat from the fuel cell 13. In addition, the energy management device 17 outputs a power generation command and a heat generation command to the fuel cell 13.
  • the information described above is an example, and the energy management device 17 can acquire and output a wide variety of other information.
  • FIG. 2 is a functional block diagram showing an example of the energy management device 17 shown in FIG.
  • the energy management device 17 includes a control unit 171, a PV prediction unit 172, a load prediction unit 173, a creation unit 174, a battery controller 175, and an FC control unit 176.
  • the control unit 171 controls the energy management device 17 according to the control policy input from the user terminal 19. For example, in a case where the user wishes to review the operation schedule once every hour, the energy management device 17 creates an operation schedule of the battery 12 and the fuel cell 13 at a frequency of once every hour, for example. An operation command based on this operation schedule is given to the battery 12 and the fuel cell 13.
  • the PV prediction unit 172 includes a storage unit 172A and a power generation prediction unit 172B.
  • the storage unit 172A stores the past actual value of the PV power generation amount as a history.
  • the power generation prediction unit 172B acquires the actual value of the PV power generation amount from the storage unit 172A and acquires the weather forecast from the Internet 18. Then, based on the actual value of the PV power generation amount and the weather forecast, the power generation prediction unit 172B generates a prediction value (PV prediction value) of the PV power generation amount. For example, since a method for predicting the amount of solar radiation from a weather forecast every three hours is known, the PV prediction value can be calculated using this method.
  • the load prediction unit 173 includes a storage unit 173A and a calculation unit 173B.
  • the storage unit 173A accumulates past performance values (load data) of the load of the home appliance 16 as a history.
  • the calculation unit 173B acquires the load data of the home appliance 16 from the storage unit 173A, and generates a plurality of weighted predicted load data based on the acquired data. Details will be described later.
  • the creation unit 174 includes a simulator 174A and a schedule creation unit 174B.
  • the schedule creation unit 174B for example, the PV predicted value, the current load value of the home appliance 16, a plurality of weighted predicted load data, the power rate table, the gas rate table, the specifications of the home device 16 and the battery 12 Based on the SOC, an operation schedule for the battery 12 (battery operation schedule) and an operation schedule for the fuel cell 13 (FC operation schedule) are created. Details will be described later.
  • the battery controller 175 gives an operation command to the battery 12 based on the battery operation schedule.
  • the FC control unit 176 gives an operation command to the fuel cell 13 based on the FC operation schedule.
  • the calculation unit 173B acquires load data at an arbitrary time point from the storage unit 173A, and calculates weighted predicted load data.
  • the calculation unit 173B includes an extraction unit B1 and a weight calculation unit B2.
  • the extraction unit B1 extracts load data before and after the control target time of the past day from the data acquired from the storage unit 173A.
  • the weight calculation unit B2 calculates a weight for each set based on a predetermined standard from a set including load data up to the control target time of the day and load data before and after the control target time of the past day.
  • the calculated weight is associated with each set of load data, and both sets are output as weighted predicted load data.
  • control target time is 8:00 am and predict the load every hour for 24 hours from 8:00 am. It is assumed that load data for every hour of the target consumer is accumulated in the storage unit 173A.
  • Ltoday + corresponds to a load pattern to be predicted (predicted load pattern).
  • L1, L2, and L3 are indicated by solid lines, and Ltoday- is indicated by dotted lines.
  • the control target time and the current time may be the same.
  • Wi ′ calculated by the following method instead of Wi.
  • the index w indicates weekdays and the index h indicates holidays. Weekdays and holidays can be distinguished based on the day of the week at 12:00 for Li +, for example.
  • a normal distribution can be used as the probability distribution.
  • the mean and standard deviation at each time t are expressed as mw [t] and ⁇ w [t] for weekdays and mh [t] and ⁇ h [t] for holidays.
  • Wi ′ can be calculated based on the following equations (2) and (3). Wi and / or Wi ′ represents the likelihood of Li +.
  • the weights are calculated according to the rule that different equations are used for weekdays and holidays, but this is an example.
  • a rule of clustering time series data by distance and classifying the time series data into clusters can be applied.
  • a rule can be created using, for example, a decision tree.
  • FIG. 7 shows an example of the processing procedure of the load prediction unit 173.
  • load pattern extraction processing is performed (step S1).
  • weight calculation processing is executed (step S2), and a series of processing is completed.
  • FIG. 8 is a flowchart showing an example of a processing procedure in step S1 shown in FIG.
  • the extraction unit B1 extracts the load data at the current day time ⁇ 24 hours from the storage unit 173A, and the series (Li [-24], Li [-23] ,..., Li [0],..., Li [23], Li [24]) are created (step S12).
  • i 1,..., N, and N represents the number of generated sequences.
  • the extraction unit B1 passes Li to the weight calculation unit B2 (step S13), and a series of processing ends.
  • FIG. 9 is a flowchart illustrating an example of a processing procedure in step S2 illustrated in FIG.
  • the simulator 174A executes arithmetic processing based on a predetermined algorithm. In the embodiment, an algorithm using the following variables is assumed.
  • SOC [2], eFC [2]) takes a value of (30,700).
  • the step size of values that SOC [t] and eFC1 [t] can take is also set to 10.
  • Power [t] Li [t] -PV [t] -eBAT [t] -eFC [t]
  • EBAT [t] which is the average charging power, is 400W.
  • H is a coefficient for converting electric power into electric energy, and is 1 when calculating Power in increments of 1 hour.
  • fFC [t] is the amount of gas required when generating the power of eFC [t], and the gas cost can be calculated by multiplying by Cg.
  • the simulator 174A calculates Priceall for all (SOCall, eFCall), and sets the minimum value of Priceall as the representative price PP [i] of a certain (SOC [1], eFC [1]).
  • the simulator 174A calculates PP [i] for all i for each (SOC [1], eFC [1]). The calculated value indicates the value distribution of (SOC [1], eFC [1]).
  • the simulator 174A has the smallest average for all i of Wi * PP [i] (SOC [1], eFC [1 ]) Is the output of the algorithm.
  • the weight Wi of PP [i] is added from the higher price, and the total value of weight Wi exceeds 5%
  • the average for all i of Wi * PP [i] is the smallest (SOC [1], where PP [i] is less than the predetermined amount (SOC [1], eFC [1]) , eFC [1]) may be the output of the algorithm.
  • FIG. 10 shows an example of a processing procedure by the simulator 174A.
  • the simulator 174A calculates PP [i] for (SOC [1], eFC [1]) related to the predicted load i (step S32).
  • the simulator 174A determines whether i> N (N is the number of predicted load sequences) is correct (step S33). If i> N is not satisfied, i is incremented (step S34), and the processing procedure proceeds to step S32. Return. If i> N, the simulator 174A calculates (*) and outputs an evaluation value using Price [i] for each (SOC [1], eFC [1]) (step S35). In step S35, for example, an average of PP [i] * Wi for i is calculated as an evaluation value of (SOC [1], eFC [1]).
  • FIG. 11 shows an example of the processing procedure of the schedule creation unit 174B.
  • a schedule creation unit 174B lists all (SOCall, eFCall) and performs the following processing for each (step S42).
  • t 1 is set (step S43), and the schedule creation unit 174B calculates the following amount (step S44).
  • step S45 the schedule creation unit 174B determines whether t> 24 is correct (step S45). If t has not reached 24, t + 1 is set to t (step S46), and the calculation of step S44 is executed. If t> 24 is positive (true) in step S45, the schedule creation unit 174B totals Price [t] for 24 hours to obtain Priceall (step S47).
  • the schedule creation unit 174B sets PP [i] for (SOC [1], eFC [1]) that has the smallest Priceall among all (SOCall, eFCall) (step S48). i] is output (step S49).
  • the above method is an example of a combinatorial optimization problem.
  • the processing time can be shortened by using the branch and bound method.
  • An annealing method or the like can be used in a case where a sub-optimal solution is obtained.
  • a genetic algorithm or the like can be used.
  • the schedule creation unit 174B creates an operation schedule of the battery 12 and the fuel cell 13 from the output (SOC [1], eFC [1]) of the simulator 174A, and each operation schedule is stored in the battery controller 175 and the FC control unit 176. To give.
  • the battery controller 175 creates a control command based on the operation schedule SOC [t] of the battery 12 delivered from the schedule creation unit 174B and gives it to the battery 12. Specifically, for example, a command such as “set the SOC of the battery for one hour to 30%” is given to the battery 12 by a predetermined control command.
  • the FC control unit 176 creates a control command based on the operation schedule eFC [t] of the fuel cell 13 and gives it to the fuel cell 13. Specifically, for example, a command such as “operate the fuel cell at 700 W” is given to the fuel cell 13 by a predetermined control command. As described above, the battery 12 and the fuel cell 13 can be operated in accordance with the optimized operation schedule.
  • each block of the energy management device 17 can be implemented by executing a program including the processing shown in the flowcharts of FIGS. 7 to 11 by the personal computer (PC) shown in FIG.
  • PC personal computer
  • Each of the personal computers shown in FIG. 12 is connected to a bus 21, a CPU (Central Processing Unit) 22, a memory 23 for executing a program, a hard disk 24 for storing program data, and a user input operation.
  • a GUI (GraphicalGraphUser Interface) 25 and an interface 26 are provided.
  • the interface 26 is connected to the battery 12, the fuel cell 13, the PCS 14, the distribution board 15, and the Internet 18.
  • a program for controlling the energy management device 17 is stored in the hard disk 24, developed on the memory 23 at the time of execution, and processed by the CPU 22.
  • This program also includes a function of communicating with the Internet 18, distribution board 15, PCS 14, fuel cell 13, and battery 12 via the interface 26.
  • This program also controls the fuel cell 13 and the battery 12 via the interface 26. Furthermore, this program accepts user input via the GUI 25.
  • a plurality of weighted predicted load data is calculated based on the PV predicted value and the load history of the home appliance 16.
  • a battery and fuel cell operation schedule can be created based on a plurality of weighted predicted load data, and the battery and fuel cell can be operated based on the operation schedule.
  • the operation schedule can be modified sequentially.
  • FIG. 13 is a conceptual diagram for explaining weight calculation that is not strongly influenced by the distant past.
  • the hourly value of the load data Li ⁇ is used.
  • the time step of the load data Li- is changed. That is, the time step of the load data Li- is changed so that the number of samples of the load data Li- close to the target time is large and the number of samples of the load data Li- far to the target time is small.
  • Li [-24] to Li [-17] are collected into L′ i [-7].
  • Li [-16] to Li [-11] are collected into L’ i [-6].
  • Li [-10] to Li [-7] are collected into L’ i [-5].
  • Li [-6] and Li [-5] are aggregated into L’ i [-4].
  • Li [-4] and Li [-3] are aggregated into L’ i [-3].
  • Li [-2] and Li [-1] are deferred to L′ i [-2] and L′ i [-1], respectively. Then, L′ i ⁇ including seven data is calculated.
  • L'today- including 7 data is calculated as shown in FIG. 13 (b).
  • Wi is calculated by weight calculation similar to the above embodiment.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

　実施形態によれば、エネルギー管理装置は、発電予測部と、需要予測部と、作成部と、制御部とを具備する。発電予測部は、再生可能エネルギーによる発電装置の発電量を予測する。需要予測部は、需要家の電気機器のエネルギー需要を予測する。作成部は、予測された発電量およびエネルギー需要に基づいて電気機器の運転スケジュールを作成する。制御部は、運転スケジュールに基づいて電気機器を制御する。需要予測部は、記憶部と、抽出部と、計算部とを備える。記憶部は、電気機器の負荷の実績を示す負荷データを蓄積する。抽出部は、異なる複数の負荷データを含む複数の負荷パターンを蓄積された負荷データから抽出する。計算部は、抽出された負荷パターン毎に既定の基準に基づく重みを計算する。作成部は、シミュレータと、スケジュール作成部とを備える。シミュレータは、抽出された負荷パターンとその重みに基づいて、運転スケジュールごとの評価値を既定のアルゴリズムでシミュレートする。スケジュール作成部は、評価値に基づいて運転スケジュールを作成する。

Description

エネルギー管理装置、エネルギー管理方法およびプログラム
　本発明の実施形態は、例えば住宅で消費されるエネルギーを管理するエネルギー管理装置、エネルギー管理方法およびプログラムに関する。
　近年、住宅にはPhotovoltaic(ＰＶ）ユニットやバッテリー、燃料電池（ＦＣ）などの新エネルギー機器が導入されるようになりつつある。また、Home Energy Management System（ＨＥＭＳ）、あるいはエネルギー管理装置に関する技術開発も盛んである。この種の技術を用いれば、住宅などの需要家におけるエネルギー利用の最適化、省エネ、省コストなどを実現可能である。
　多くのエネルギー管理装置は、エネルギー消費機器によるエネルギー消費量を予測し、その結果に基づいて家電機器、蓄エネルギー機器、あるいは創エネルギー機器など（以下、電気機器と総称する）の運転スケジュールを作成する。
特開２００３－３０９９２８号公報 特開２０１１－９２００２号公報
島田、黒川、"天気予報と天気変化パターンを用いた日射予測", IEEJ Trans. PE, pp1219-1225, Vol. 127, No.11, 2007.
　エネルギー管理装置は、負荷電力量の予測値（以下、予測負荷（estimated load）と称する）に基づいて電気機器の運転スケジュールを作成するので、予測が外れると適切な運転スケジュールを作成できなくなる。例えば、或るユーザは、昼間に外出するパターンと、昼間に在宅するパターンとの二つの生活パターンを持つとする。このユーザの自宅の電気機器の運転スケジュールを作成するにあたり外出パターンのためのアルゴリズムを用いると、在宅のケースでの予測負荷が正確でなくなり、よって運転スケジュールも適切でなくなる。在宅パターンのための負荷予測（load estimation）アルゴリズムを用いると、外出のケースでの運転スケジュールが適切でなくなる。
　両パターンの予測負荷を、在宅と外出の頻度などの重み付け係数で加重平均した値を用いることも考えられるが、このような予測負荷に基づいて作成された運転スケジュールは結局、在宅、外出のいずれにも適切でないものとなる。
　目的は、予測外れのリスクを考慮して、省コストあるいはコスト増のリスクが少ない運転スケジュールを実現することのできるエネルギー管理装置、エネルギー管理方法およびプログラムを提供することにある。
　実施形態によれば、エネルギー管理装置は、発電予測部と、需要予測部と、作成部と、制御部とを具備する。発電予測部は、再生可能エネルギーによる発電装置の発電量を予測する。需要予測部は、需要家の電気機器のエネルギー需要を予測する。作成部は、予測された発電量およびエネルギー需要に基づいて電気機器の運転スケジュールを作成する。制御部は、運転スケジュールに基づいて電気機器を制御する。需要予測部は、記憶部と、抽出部と、計算部とを備える。記憶部は、電気機器の負荷の実績を示す負荷データを蓄積する。抽出部は、異なる複数の負荷データを含む複数の負荷パターンを蓄積された負荷データから抽出する。計算部は、抽出された負荷パターン毎に既定の基準に基づく重みを計算する。作成部は、シミュレータと、スケジュール作成部とを備える。シミュレータは、抽出された負荷パターンとその重みに基づいて、運転スケジュールごとの評価値を既定のアルゴリズムでシミュレートする。スケジュール作成部は、評価値に基づいて運転スケジュールを作成する。
図１は、実施形態に係るエネルギー管理装置を適用可能なシステムの一例を示す図である。 図２は、エネルギー管理装置１７の一例を示す機能ブロック図である。 図３は、ＰＶ予測部１７２の一例を示す機能ブロック図である。 図４は、負荷予測部１７３の一例を示す機能ブロック図である。 図５は、作成部１７４の一例を示す機能ブロック図である。 図６は、複数の負荷パターンを示すグラフの一例を示す図である。 図７は、負荷予測部１７３の処理手順の一例を示すフローチャートである。 図８は、図７に示されるステップＳ１における処理手順の一例を示すフローチャートである。 図９は、図７に示されるステップＳ２における処理手順の一例を示すフローチャートである。 図１０は、シミュレータ１７４Ａによる処理手順の一例を示すフローチャートである。 図１１は、作成部１７４の処理手順の一例を示すフローチャートである。 図１２は、エネルギー管理装置１７の機能をソフトウェアにより実現可能なパーソナルコンピュータの一例を示す機能ブロック図である。 図１３は、他の実施形態における処理手順の一例を示すフローチャートである。
　図１は、実施形態に係るエネルギー管理装置を適用可能なシステムの一例を示す図である。図１に示されるシステムは、ＰＶユニット１１、バッテリー１２、燃料電池（ＦＣ）１３、パワーコンディショニングシステム（ＰＣＳ）１４、分電盤１５、家電機器１６（複数の電気機器を含む）、および、エネルギー管理装置１７を備える。
　ＰＶユニット１１は太陽光から電力を発電する。バッテリー１２は電力を充電し、放電する。燃料電池１３はガスを燃料とし、電力と熱とを生成する。分電盤１５は電力グリッドから供給される電力を、電力ラインを介して家電機器１６に供給する。電力ラインからの電力はバッテリー１２に充電されてもよい。
　ＰＣＳ１４はＰＶユニット１１、バッテリー１２、および燃料電池１３により発電された直流の電力を交流に変換して分電盤１５に供給する。家電機器１６の消費電力量よりＰＣＳ１４から供給される電力量が大きければ、余剰電力が電力グリッドを介して電力事業者に売電される。
　エネルギー管理装置１７は、情報ラインを介してインターネット１８、ユーザ端末１９、分電盤１５、ＰＣＳ１４、バッテリー１２、および燃料電池１３と通信する。またエネルギー管理装置１７は、通信により取得された情報に基づいてバッテリー１２、燃料電池１３、ＰＣＳ１４、分電盤１５などを管理し、その動作を制御する。
　エネルギー管理装置１７は、天気予報、電力料金表、ガス料金表をインターネット１８から取得する。ユーザは、エネルギー管理装置１７が電気機器の運転スケジュールを作成する頻度などの情報を、ユーザ端末１９からエネルギー管理装置１７に入力する。エネルギー管理装置１７は、分電盤１５から家電機器１６の消費電力を取得する。エネルギー管理装置１７は、ＰＣＳ１４からＰＶ１１の発電量（ＰＶ発電量）を取得する。
　エネルギー管理装置１７は、バッテリー１２から充電電力、放電電力、およびＳＯＣ（State of Charge）を取得する。また、エネルギー管理装置１７は、バッテリー１２に充電指令や放電指令を出力する。
　エネルギー管理装置１７は、燃料電池１３から発電量や発生熱量を取得する。また、エネルギー管理装置１７は、燃料電池１３に発電指令や熱生成指令を出力する。なお上記された情報は一例であり、エネルギー管理装置１７はこのほかにも多種多様な情報を取得し、出力することが可能である。
　図２は、図１に示されるエネルギー管理装置１７の一例を示す機能ブロック図である。エネルギー管理装置１７は、制御部１７１、ＰＶ予測部１７２、負荷予測部１７３、作成部１７４、バッテリーコントローラ１７５、および、ＦＣ制御部１７６を備える。
　制御部１７１は、ユーザ端末１９から入力される制御方針に従ってエネルギー管理装置１７を制御する。例えば、運転スケジュールの１時間に１度の見直しをユーザが希望するケースでは、エネルギー管理装置１７は１時間に１度の頻度で、例えばバッテリー１２および燃料電池１３の運転スケジュールを作成する。そして、この運転スケジュールに基づく運転指令が、バッテリー１２および燃料電池１３に与えられる。
　図３に示されるように、ＰＶ予測部１７２は、記憶部１７２Ａ、および発電予測部１７２Ｂを備える。記憶部１７２Ａは、ＰＶ発電量の過去の実績値を履歴として記憶する。発電予測部１７２Ｂは、記憶部１７２ＡからＰＶ発電量の実績値を取得し、インターネット１８から天気予報を取得する。そして、ＰＶ発電量の実績値と天気予報とに基づいて、発電予測部１７２Ｂは、ＰＶ発電量の予測値（ＰＶ予測値）を生成する。例えば、３時間毎の天気予報から日射量を予測する方法は知られているので、その方法を用いてＰＶ予測値を計算することができる。
　図４に示されるように、負荷予測部１７３は、記憶部１７３Ａ、および演算部１７３Ｂを備える。記憶部１７３Ａは、家電機器１６の負荷の過去の実績値（負荷データ）を履歴として蓄積する。演算部１７３Ｂは、記憶部１７３Ａから家電機器１６の負荷データを取得し、取得したデータに基づいて、重み付けされた複数の予測負荷データを生成する。詳細については後述される。
　図５に示されるように、作成部１７４は、シミュレータ１７４Ａ、およびスケジュール作成部１７４Ｂを備える。スケジュール作成部１７４Ｂは、例えば、ＰＶ予測値、家電機器１６の負荷の現在値、重み付けされた複数の予測負荷データ、電力料金表、ガス料金表、家電機器１６それぞれのスペック、および、バッテリー１２のＳＯＣに基づいて、バッテリー１２の運転スケジュール（バッテリー運転スケジュール）、および燃料電池１３の運転スケジュール（ＦＣ運転スケジュール）を作成する。詳細については後述される。
　バッテリーコントローラ１７５は、バッテリー運転スケジュールに基づいて、バッテリー１２に運転指令を与える。ＦＣ制御部１７６は、ＦＣ運転スケジュールに基づいて、燃料電池１３に運転指令を与える。
　次に、負荷予測部１７３の処理について詳しく説明する。演算部１７３Ｂは、任意の時点における負荷データを記憶部１７３Ａから取得し、重み付き予測負荷データを計算する。
　演算部１７３Ｂは、抽出部Ｂ１および重み計算部Ｂ２を備える。抽出部Ｂ１は、記憶部１７３Ａから取得されたデータから、過去の日の制御対象時刻の前後における負荷データを抽出する。
　重み計算部Ｂ２は、当日の制御対象時刻までの負荷データと、過去の日の制御対象時刻の前後の負荷データとを含む集合から、当該集合毎の重みを既定の基準に基づいて計算する。計算された重みは負荷データの集合毎に対応付けられ、両者のセットが重み付き予測負荷データとして出力される。
　制御対象時刻を午前８：００と仮定し、午前８：００から２４時間分の１時間毎の負荷を予測することを考える。記憶部１７３Ａには、対象とする需要家の１時間おきの負荷データが蓄積されるとする。
　抽出部Ｂ１は、過去の任意の日付の、午前８：００を中心とする前後２４時間（合計４８時間）の負荷データLi[t]を負荷データから抽出する（Li: t=-24～24, i=1～N、Nは負荷データから抽出された系列の数）。各系列における制御対象時刻以前の負荷データをLi-と表記し、制御対象時刻より後の負荷データをLi+と表記する。日付毎の負荷データの集合を負荷パターンと称する。
　さらに、対象日における負荷パターンをLtoday[t]と表記する(t=-24～24)。対象日における制御対象時刻以前の負荷データ、つまりLtoday[t] (t=-24～0)をLtoday-と表記し、制御対象時刻より後の負荷データ、つまりLtoday[t] (t=1～24)をLtoday+と表記する。Ltoday+が、予測すべき負荷パターン（予測負荷パターン）に相当する。Li (i=1～N)、および Ltoday は、重み計算部Ｂ２に渡される。i(i=1～N)は負荷パターンを区別するためのインデックスである。
　図６に、異なる３つの日（N=3）における負荷パターンL1, L2, L3、および当日の現在時刻までの負荷パターンLtoday-が示される。L1, L2, L3を実線で示し、Ltoday-を点線で示す。なお、制御対象時刻と現在時刻とは同じであって良い。
　重み計算部Ｂ２は、Li+の重みWiを計算する。まず、重み計算部Ｂ２は、時刻毎のLi-について、全てのi (=1～N)を用いて標準偏差σ[t] (t=-24～0)を計算する。次に重み計算部Ｂ２は、式（１）に基づいてWiを計算する。
Figure JPOXMLDOC01-appb-M000001
WiとLi+(i=1～N)との組は、重み付き予測負荷データとして作成部１７４に渡される。
　Wiに代えて、以下の方法で計算されたWi’を利用することも可能である。N組のLi+を、平日（weekday）の値と休日(holiday)の値とに分けて、それぞれLwj+、Lhk+とする(j=1～N1, k=1～N2, N1+N2=N)。インデックスwは平日を示し、インデックスhは休日を示す。平日と休日は、例えばLi+の12:00における曜日に基づいて区別できる。
　Wi’を求めるために、重み計算部Ｂ２は、Lwi+、Lhi+の、時刻t毎の確率分布を、t=1～24のそれぞれについて計算する。確率分布は例えば正規分布を用いることが可能である。時刻t毎の平均と標準偏差を、平日についてはmw[t], σw[t]、休日についてはmh[t], σh[t]と表記する。この正規分布を用いて、次式（２）、（３）に基づいてWi’を計算することができる。Wi、および／またはWi’は、Li+の尤度を表す。
Figure JPOXMLDOC01-appb-M000002
式（２）および（３）に示されるように、ここでは平日と休日とで別の数式を用いるというルールで重みを計算したが、これは一例である。このほか、時系列データを距離でクラスタリングし、当該時系列データをクラスタに分類するというルールを適用することもできる。ルールは、例えば決定木（decision tree）を用いて作成可能である。
　図７は、負荷予測部１７３の処理手順の一例を示す。図７において、先ず、負荷パターンの抽出処理が行われる（ステップＳ１）。次に、重み計算処理が実行されて（ステップＳ２）、一連の処理が完了する。
　図８は、図７に示されるステップＳ１における処理手順の一例を示すフローチャートである。図８において、当日時刻が入力されると（ステップＳ１１）、抽出部Ｂ１は、当日時刻±２４時間における負荷データを記憶部１７３Ａから抽出し、系列（Li[-24],Li[-23],…,Li[0], …,Li[23],Li[24]）を作成する（ステップＳ１２）。ここで、i=1,…,Nであり、Ｎは生成された系列の数を表す。続いて抽出部Ｂ１は、Liを重み計算部Ｂ２に渡し（ステップＳ１３）、一連の処理が終了する。
　図９は、図７に示されるステップＳ２における処理手順の一例を示すフローチャートである。図９において、LiとLtodayが入力されると（ステップＳ２１）、重み計算部Ｂ２は、Li[t](t=-24,-23,…,-1)の各tについてｉ=1,…,N毎に分散σ[t]2を計算する。次に重み計算部Ｂ２は、各系列Li-[t]について式（１）によりWiを計算する（ステップＳ２３）。そして重み計算部Ｂ２は、WiとLi[t](t=0,1,…,24)との組（重み付き予測負荷データ）を出力し（ステップＳ２４）、一連の処理が終了する。
　次に、作成部１７４の処理について説明する。説明の前提として、運転スケジュールは１時間毎に計算されるとする。　
　先ず、作成部１７４のシミュレータ１７４Ａの処理を説明する。シミュレータ１７４Ａは、既定のアルゴリズムに基づく演算処理を実行する。実施形態では、以下に示す変数を用いるアルゴリズムを想定する。　
　　Li[t]: 系列iの負荷データ(t=1～24)
　　Wi: 系列Li[t]の重み
　　PV[t]: 今後24時間のPV発電予測値(t=1～24)
　　Cｐ[t]: 今後24時間の電力価格（売電時と買電時とで異なってよい）(t=1～24)
　　Cg: ガス料金
　　SOC[0]: 現在時刻のSOC
　このアルゴリズムは、以下の変数を出力する。　
　　SOC[1]: １時間後のSOC指令値
　　eFC[1]: 今後１時間のFC発電電力指令値
　シミュレータ１７４Ａは、まず、SOC[1] (取り得る値は0,…,SOCmax)とeFC[1] (取り得る値は0,…,eFCmax)との組み合わせ(SOC[1],eFC[1])を作成する。SOC[1]とeFC1[1]が取り得る値の刻み幅を、例えば１０とする。(SOC[1],eFC[1])は、例えば(25,700)という値をとる。
　同様にシミュレータ１７４Ａは、t(t=2～24)についてのSOC[t] (取り得る値は0,…,SOCmax)とeFC[t] (取り得る値は0,…,eFCmax)との組み合わせ(SOC[t], eFC[t])を作成する。例えば(SOC[2],eFC[2])は、(30,700)という値をとる。SOC[t]とeFC1[t]が取り得る値の刻み幅も同様に１０とする。(SOC[t], eFC[t])をt=2～24について組み合わせたものを(SOCall,eFCall)とする。(SOCall,eFCall)の一例は、　
　　　(30,700)(35,700)(40,700)…(30,0)(30,0)
と表せる。これは、先頭から(SOC[2],eFC[2])、(SOC[3],eFC[3])、(SOC[4],eFC[4])、…、(SOC[23],eFC[23])、(SOC[24],eFC[24])の実現値の組み合わせである。
　次にシミュレータ１７４Ａは、或る(SOCall,eFCall)について、t=1～24にわたり以下の量を計算する。　
　　Power[t]=Li[t]-PV[t]-eBAT[t]-eFC[t]
　　Price[t]=Power[t]*Cp[t]*h+fFC[t]*Cg
　　eBAT[t]=(SOC[t]-SOC[t-1])*α
　αは、SOCの変化を電力に換算するパラメータである。例えば、4kWhのバッテリーでは、αは40になる。このバッテリーでは、SOCが20%から30%に変化すると、(30-20)*40=400Whの電力量が充電される。平均充電電力であるeBAT[t]は400Wとなる。
　hは、電力を電力量に換算する係数であり、１時間刻みでPowerを計算する場合は１となる。fFC[t]は、eFC[t]の電力を発電する際に必要なガス量であり、Cgを掛ければガス代を計算できる。
　次にシミュレータ１７４Ａは、Price[t]をt=1～24にわたって合計してPriceallを計算する。Power[t]が負であれば、グリッド側に電力を売っている（売電）ことになる。ＰＶ発電時の売電量がＰＶ発電量を上回ってはならないという制約のもとでは、PV[t]>-Power[t]という制約を設ける。そして、全てのtにわたり、この制約が一つでも満たされない場合には、シミュレータ１７４Ａはこの組み合わせ(SOCall,eFCall)のPriceを計算しない。
　シミュレータ１７４Ａは、全ての(SOCall,eFCall)についてPriceallを計算し、Priceallの最小値を、或る(SOC[1],eFC[1])の代表価格PP[i]とする。シミュレータ１７４Ａは、(SOC[1],eFC[1])毎に、全てのiについてPP[i]を計算する。計算された値は、(SOC[1],eFC[1])の価値分布を示す。
　運転パターンに係わる戦略が、光熱費の期待値を最も小さくすることであれば、シミュレータ１７４Ａは、Wi＊PP[i]の全てのiについての平均が最小の(SOC[1],eFC[1])を、アルゴリズムの出力とする。
　光熱費が既定の金額を95%の確率で下回らなければならないという制約下では、PP[i]の重みWiを価格の高い方から加算していき、重みWiの合計値が5%を越えたときのPP[i]が既定の金額を下回っている(SOC[1],eFC[1])の中から、Wi＊PP[i]の全てのiについての平均が最小の(SOC[1],eFC[1])を、アルゴリズムの出力とすればよい。
　なお、ＰＶ予測値が複数系列与えられている場合は、それぞれについて上記計算を行い、ＰＶ予測値の重みを考慮して価値分布を計算すればよい。
　以上の内容を図１０、および図１１のフローチャートに示す。図１０はシミュレータ１７４Ａによる処理手順の一例を示す。まずSOC[0]が与えられたのち、シミュレータ１７４Ａは、iをインクリメントしてSOC[i](i=1)を取得する（ステップＳ３１）。次にシミュレータ１７４Ａは、予測負荷ｉに関する(SOC[1],eFC[1])について、PP[i]を計算する（ステップＳ３２）。
　次にシミュレータ１７４Ａは、i>N（Ｎは予測負荷の系列の数）の正否を判断し（ステップＳ３３）、i>Nでなければiをインクリメントし（ステップＳ３４）、処理手順はステップＳ３２に戻る。i>Nであれば、シミュレータ１７４Ａは、(SOC[1],eFC[1])毎のPrice[i]を用いた評価値を計算し（＊）、出力する（ステップＳ３５）。ステップＳ３５においては、例えばPP[i]＊Wiのiについての平均が、(SOC[1],eFC[1])の評価値として計算される。
　図１１はスケジュール作成部１７４Ｂの処理手順の一例を示す。図１１において、変数Li[t],Wi,PV[t],Cp[t],Cg、および、(SOC[1],eFC[1])が入力されると（ステップＳ４１）、スケジュール作成部１７４Ｂは、全ての(SOCall,eFCall)をリストアップし、それぞれについて以下の処理を実施する（ステップＳ４２）。
　まずt=1とし（ステップＳ４３）、スケジュール作成部１７４Ｂは以下の量を計算する（ステップＳ４４）。
　　eBat[t]=(SOC[t]-SOC[t-1])＊α
　　Power[t]=Li[t]-PV[t]-eBat[t]-eFC[t]
　　Price[t]=Power[t]＊Cp[t]＊h+Cg＊fFC[t]
　次にスケジュール作成部１７４Ｂは、t>24の正否を判断し（ステップＳ４５）、tが24に達していなければtにt+1をセットして（ステップＳ４６）ステップＳ４４の計算を実行する。ステップＳ４５でｔ＞２４が正（true）であれば、スケジュール作成部１７４Ｂは、Price[t]を２４時間分合計してPriceallを得る（ステップＳ４７）。
　次にスケジュール作成部１７４Ｂは、全ての(SOCall,eFCall)のうちPriceallが最小となるものを(SOC[1],eFC[1])についてのPP[i]とし（ステップＳ４８）、このPP[i]を出力する（ステップＳ４９）。
　上記の手法は組み合わせ最適化問題の一例である。このほか、分枝限定法を用いれば処理時間を短縮できる。準最適解を求めればよいケースでは焼き鈍し法などを用いることができる。さらに、遺伝的アルゴリズムなども用いることができる。
　次に、スケジュール作成部１７４Ｂは、シミュレータ１７４Ａの出力(SOC[1],eFC[1])からバッテリー１２および燃料電池１３の運転スケジュールを作成し、各運転スケジュールをバッテリーコントローラ１７５およびＦＣ制御部１７６に与える。
　バッテリーコントローラ１７５は、スケジュール作成部１７４Ｂから渡されたバッテリー１２の運転スケジュールSOC[t]基づいて制御指令を作成し、バッテリー１２に与える。具体的には、例えば「バッテリーの１時間のSOCを30%にせよ」といった指令が既定の制御コマンドでバッテリー１２に与えられる。
　ＦＣ制御部１７６は、燃料電池１３の運転スケジュールeFC[t]に基づいて制御指令を作成し、燃料電池１３に与える。具体的には、例えば「燃料電池を700Wで運転せよ」といった指令が既定の制御コマンドで燃料電池１３に与えられる。以上により、バッテリー１２および燃料電池１３を、最適化された運転スケジュールに沿って運用することができる。
　エネルギー管理装置１７の各ブロックの処理は、図１２に示されるパーソナルコンピュータ（ＰＣ）が、図７乃至図１１のフローチャートに示される処理を含むプログラムを実行することで実施可能である。
　図１２に示されるパーソナルコンピュータは、いずれもバス２１に接続される、ＣＰＵ（Central Processing Unit）２２、プログラム実行のためのメモリ２３、プログラム・データを格納するためのハードディスク２４、ユーザの入力操作を受け付けるＧＵＩ（Graphical User Interface）２５、および、インターフェース２６を備える。インターフェース２６にはバッテリー１２、燃料電池１３、ＰＣＳ１４、分電盤１５、および、インターネット１８が接続される。
　すなわち、エネルギー管理装置１７を制御するプログラムは、ハードディスク２４に記憶され、実行時にメモリ２３上に展開されてＣＰＵ２２により処理される。このプログラムは、インターフェース２６を介してインターネット１８、分電盤１５、ＰＣＳ１４、燃料電池１３、バッテリー１２と通信する機能も含む。またこのプログラムは、インターフェース２６を介して燃料電池１３およびバッテリー１２を制御する。さらにこのプログラムは、ＧＵＩ２５を介してユーザの入力を受け付ける。
　以上述べたように実施形態によれば、ＰＶ予測値、および家電機器１６の負荷の履歴に基づいて、重み付けされた複数の予測負荷データが計算される。そして、重み付けされた複数の予測負荷データに基づいてバッテリー、燃料電池の運転スケジュールを作成し、この運転スケジュールに基づいてバッテリーおよび燃料電池を運転させることができる。また、運転スケジュールはスケジュールを逐次修正されることも可能である。これらのことから実施形態によれば、予測外れのリスクを飛躍的に低減することができるようになり、エネルギー消費をより効率的に管理することが可能になる。
　（他の実施形態）
　ところで、一般的に、未来の行動は直近の行動に左右されると考えられる。この原則に拠れば、対象時刻に近い負荷データをより多く用い、対象時刻に遠い負荷データは少なくするほうが、運転スケジュールはより正確になる。他の実施形態ではこのような技術思想を開示する。
　図１３は、遠い過去に強い影響を受けすぎない重み計算について説明するための概念図である。上記実施形態では、負荷データLi-の１時間毎の値を用いた。これに代えて他の実施形態では、負荷データLi-の時刻のステップを変化させる。つまり、対象時間に近い負荷データLi-のサンプル数を多く、対象時間に遠い負荷データLi-のサンプル数が少なくなるように、負荷データLi-の時刻のステップを変化させる。
　図１３（ａ）に示されるように、例えばLi[-24]～Li[-17]がL’i[-7]に集約される。Li[-16]～Li[-11] がL’i[-6]に集約される。Li[-10]～Li[-7] がL’i[-5]に集約される。Li[-6]とLi[-5] がL’i[-4]に集約される。Li[-4]とLi[-3] がL’i[-3]に集約される。Li[-2], Li[-1]はそれぞれL’i[-2], L’i[-1]に据え置かれる。そして、７つのデータを含むL’i-が計算される。
　同様にLtoday-についても、図１３（ｂ）に示されるように、７つのデータを含むL’today-を計算する。このL’i- (i=1,…, N)とL’today-を用いて、上記実施形態と同様の重み計算によりWiを計算する。
　他の実施形態のように、負荷データを単位時間で同等に扱うのではなく、遠い過去の負荷データを時間軸上で集約し、近い過去の負荷データを時間軸上で細分化することで、遠い過去に強い影響を受けすぎない重み計算が可能となる。従って、負荷予測の外れのリスクを確実に低減することができる。
　本発明の実施形態を説明したが、この実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

Claims (12)

  1. 　再生可能エネルギーによる発電装置の発電量を予測する発電予測部と、
    　需要家の電気機器のエネルギー需要を予測する需要予測部と、
    　前記予測された発電量およびエネルギー需要に基づいて前記電気機器の運転スケジュールを作成する作成部と、
    　前記運転スケジュールに基づいて前記電気機器を制御する制御部とを具備し、
    　　前記需要予測部は、
    　前記電気機器の負荷の実績を示す負荷データを蓄積する記憶部と、
    　異なる複数の負荷データを含む複数の負荷パターンを前記蓄積された負荷データから抽出する抽出部と、
    　前記抽出された負荷パターン毎に既定の基準に基づく重みを計算する計算部とを備え、
    　　前記作成部は、
    　前記抽出された負荷パターンとその重みに基づいて、運転スケジュールごとの評価値を既定のアルゴリズムでシミュレートするシミュレータと、
    　前記評価値に基づいて前記運転スケジュールを作成するスケジュール作成部とを備える、エネルギー管理装置。
  2. 　前記抽出部は、現在時刻に対して過去の日の同時刻の前後の負荷データを抽出し、
    　前記計算部は、当日の前記現在時刻までの負荷データと前記抽出された負荷データとに基づいて前記重みを計算する、請求項１に記載のエネルギー管理装置。
  3. 　前記抽出部は、前記同時刻に近い時刻の負荷データを細分化し、前記同時刻に遠い時刻の負荷データを集約する、請求項２に記載のエネルギー管理装置。
  4. 　前記シミュレータは、前記評価値として運転スケジュールごとのコストをシミュレートし、
    　前記スケジュール作成部は、前記コストを最小とする運転スケジュールを作成する、請求項１に記載のエネルギー管理装置。
  5. 　再生可能エネルギーによる発電装置の発電量を予測し、
    　需要家の電気機器のエネルギー需要を予測し、
    　前記予測された発電量およびエネルギー需要に基づいて前記電気機器の運転スケジュールを作成し、
    　前記運転スケジュールに基づいて前記電気機器を制御し、
    　前記エネルギー需要を予測することは、
    　異なる複数の負荷データを含む複数の負荷パターンを、前記電気機器の負荷の実績を示す負荷データを蓄積する記憶部に蓄積された前記負荷データから抽出し、
    　前記抽出された負荷パターン毎に既定の基準に基づく重みを計算し、
    　前記作成することは、
    　前記抽出された負荷パターンとその重みに基づいて、運転スケジュールごとの評価値を既定のアルゴリズムでシミュレートし、
    　前記評価値に基づいて前記運転スケジュールを作成する、エネルギー管理方法。
  6. 　現在時刻に対して過去の日の同時刻の前後の負荷データを抽出し、
    　当日の前記現在時刻までの負荷データと前記抽出された負荷データとに基づいて前記重みを計算する、請求項５に記載のエネルギー管理方法。
  7. 　前記同時刻に近い時刻の負荷データを細分化し、前記同時刻に遠い時刻の負荷データを集約する、請求項６に記載のエネルギー管理方法。
  8. 　前記評価値として運転スケジュールごとのコストをシミュレートし、
    　前記コストを最小とする運転スケジュールを作成する、請求項５に記載のエネルギー管理方法。
  9. 　コンピュータにより実行されるプログラムであって、前記プログラムは、
    　再生可能エネルギーによる発電装置の発電量を予測し、
    　需要家の電気機器のエネルギー需要を予測し、
    　前記予測された発電量およびエネルギー需要に基づいて前記電気機器の運転スケジュールを作成し、
    　前記運転スケジュールに基づいて前記電気機器を制御し、
    　前記エネルギー需要を予測することは、
    　異なる複数の負荷データを含む複数の負荷パターンを、前記電気機器の負荷の実績を示す負荷データを蓄積する記憶部に蓄積された前記負荷データから抽出し、
    　前記抽出された負荷パターン毎に既定の基準に基づく重みを計算し、
    　前記作成することは、
    　前記抽出された負荷パターンとその重みに基づいて、運転スケジュールごとの評価値を既定のアルゴリズムでシミュレートし、
    　前記評価値に基づいて前記運転スケジュールを作成する、プログラム。
  10. 　現在時刻に対して過去の日の同時刻の前後の負荷データを抽出し、
    　当日の前記現在時刻までの負荷データと前記抽出された負荷データとに基づいて前記重みを計算する、請求項９に記載のプログラム。
  11. 　前記同時刻に近い時刻の負荷データを細分化し、前記同時刻に遠い時刻の負荷データを集約する、請求項１０に記載のプログラム。
  12. 　前記評価値として運転スケジュールごとのコストをシミュレートし、
    　前記コストを最小とする運転スケジュールを作成する、請求項９に記載のプログラム。
PCT/JP2013/056348 2012-03-22 2013-03-07 エネルギー管理装置、エネルギー管理方法およびプログラム Ceased WO2013141039A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP13722272.5A EP2830184B1 (en) 2012-03-22 2013-03-07 Energy management device, method for managing energy, and program
US13/841,656 US9535474B2 (en) 2012-03-22 2013-03-15 Renewable energy management using weighted load patterns

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-065300 2012-03-22
JP2012065300A JP5813544B2 (ja) 2012-03-22 2012-03-22 エネルギー管理装置とその管理方法及びエネルギー管理プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US13/841,656 Continuation US9535474B2 (en) 2012-03-22 2013-03-15 Renewable energy management using weighted load patterns

Publications (1)

Publication Number Publication Date
WO2013141039A1 true WO2013141039A1 (ja) 2013-09-26

Family

ID=49222499

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/056348 Ceased WO2013141039A1 (ja) 2012-03-22 2013-03-07 エネルギー管理装置、エネルギー管理方法およびプログラム

Country Status (3)

Country Link
EP (1) EP2830184B1 (ja)
JP (1) JP5813544B2 (ja)
WO (1) WO2013141039A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015130768A (ja) * 2014-01-08 2015-07-16 パナソニックＩｐマネジメント株式会社 エネルギー管理装置、およびエネルギー管理システム
JP2018116700A (ja) * 2017-01-13 2018-07-26 富士通株式会社 推定プログラム、推定方法および推定装置
WO2024095628A1 (ja) * 2022-11-02 2024-05-10 パナソニックＩｐマネジメント株式会社 電力システムの運転方法、および電力システムの制御装置
WO2025070015A1 (ja) * 2023-09-29 2025-04-03 パナソニックＩｐマネジメント株式会社 電力制御方法、電力制御装置および分散型電源システム

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016067125A (ja) * 2014-09-25 2016-04-28 株式会社日立製作所 エネルギー設備運転制御装置およびエネルギー設備運転制御方法
JP6428093B2 (ja) * 2014-09-25 2018-11-28 アイシン精機株式会社 電力供給システム
EP3089305A1 (en) 2015-04-30 2016-11-02 GridSystronic Energy GmbH Arrangement for operating a smart grid
KR20170076507A (ko) 2015-12-24 2017-07-04 엘에스산전 주식회사 부하를 포함하는 마이크로그리드 시스템
DE202017007300U1 (de) 2016-08-21 2020-09-17 Robert F., III Cruickshank Elektrische Energieverwaltung
EP3513479B1 (en) * 2016-09-14 2020-07-22 Conjoule Gmbh System comprising an electrical producer arrangement
EP3343496A1 (en) * 2016-12-28 2018-07-04 Robotina d.o.o. Method and system for energy management in a facility
KR101939098B1 (ko) * 2017-12-22 2019-01-17 엘에스산전 주식회사 부하를 포함하는 마이크로그리드 시스템
CN111797496B (zh) * 2020-05-21 2023-05-23 中国电力科学研究院有限公司 一种新能源场站发电出力时间序列构建方法和装置
WO2025069461A1 (ja) * 2023-09-29 2025-04-03 パナソニックＩｐマネジメント株式会社 電力供給システムのシミュレーション方法、コンピュータプログラム、及びシミュレーション装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003309928A (ja) 2002-04-16 2003-10-31 Nippon Futo Soko Kk 電力管理システム
JP2006304402A (ja) * 2005-04-15 2006-11-02 Nippon Telegr & Teleph Corp <Ntt> 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体
JP2010124644A (ja) * 2008-11-21 2010-06-03 Nippon Telegr & Teleph Corp <Ntt> エネルギーシステム制御装置および制御方法
JP2011092002A (ja) 2006-04-24 2011-05-06 Panasonic Corp 負荷制御装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7274975B2 (en) * 2005-06-06 2007-09-25 Gridpoint, Inc. Optimized energy management system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003309928A (ja) 2002-04-16 2003-10-31 Nippon Futo Soko Kk 電力管理システム
JP2006304402A (ja) * 2005-04-15 2006-11-02 Nippon Telegr & Teleph Corp <Ntt> 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体
JP2011092002A (ja) 2006-04-24 2011-05-06 Panasonic Corp 負荷制御装置
JP2010124644A (ja) * 2008-11-21 2010-06-03 Nippon Telegr & Teleph Corp <Ntt> エネルギーシステム制御装置および制御方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
See also references of EP2830184A4
SHIMADA, KUROKAWA: "Insolation Forecasting Using Weather Forecast with Weather Change Patterns", IEEJ TRANS. PE, vol. 127, no. 11, 2007, pages 1219 - 1225

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015130768A (ja) * 2014-01-08 2015-07-16 パナソニックＩｐマネジメント株式会社 エネルギー管理装置、およびエネルギー管理システム
JP2018116700A (ja) * 2017-01-13 2018-07-26 富士通株式会社 推定プログラム、推定方法および推定装置
JP7069732B2 (ja) 2017-01-13 2022-05-18 富士通株式会社 推定プログラム、推定方法および推定装置
WO2024095628A1 (ja) * 2022-11-02 2024-05-10 パナソニックＩｐマネジメント株式会社 電力システムの運転方法、および電力システムの制御装置
JP7507388B1 (ja) * 2022-11-02 2024-06-28 パナソニックＩｐマネジメント株式会社 電力システムの運転方法、および電力システムの制御装置
WO2025070015A1 (ja) * 2023-09-29 2025-04-03 パナソニックＩｐマネジメント株式会社 電力制御方法、電力制御装置および分散型電源システム
JP7685733B1 (ja) * 2023-09-29 2025-05-30 パナソニックＩｐマネジメント株式会社 電力制御方法

Also Published As

Publication number Publication date
JP2013198360A (ja) 2013-09-30
EP2830184A4 (en) 2015-09-30
JP5813544B2 (ja) 2015-11-17
EP2830184B1 (en) 2018-09-19
EP2830184A1 (en) 2015-01-28

Similar Documents

Publication Publication Date Title
WO2013141039A1 (ja) エネルギー管理装置、エネルギー管理方法およびプログラム
Mirzapour et al. A new prediction model of battery and wind-solar output in hybrid power system
Chen et al. Optimal allocation and economic analysis of energy storage system in microgrids
Chen et al. Smart energy management system for optimal microgrid economic operation
Elsied et al. Optimal economic and environment operation of micro-grid power systems
Ghofrani et al. A framework for optimal placement of energy storage units within a power system with high wind penetration
Mohammadi et al. Scenario-based stochastic operation management of microgrid including wind, photovoltaic, micro-turbine, fuel cell and energy storage devices
Teng et al. Optimal charging/discharging scheduling of battery storage systems for distribution systems interconnected with sizeable PV generation systems
Dufo-López et al. Multi-objective design of PV–wind–diesel–hydrogen–battery systems
Chaouachi et al. Multiobjective intelligent energy management for a microgrid
US11916422B2 (en) Battery charge and discharge power control in a power grid
Bernal-Agustín et al. Multi-objective design and control of hybrid systems minimizing costs and unmet load
Liu et al. Multi‐objective restoration optimisation of power systems with battery energy storage systems
Chen et al. Optimal allocation of distributed generation and energy storage system in microgrids
US9535474B2 (en) Renewable energy management using weighted load patterns
JP6042184B2 (ja) エネルギー管理システム、エネルギー管理方法、プログラム、サーバ装置およびローカルサーバ
Umeozor et al. Operational scheduling of microgrids via parametric programming
CN107425534B (zh) 一种基于优化蓄电池充放电策略的微电网调度方法
Wang et al. Operation of residential hybrid renewable energy systems: Integrating forecasting, optimization and demand response
Binini et al. Optimal location, sizing and scheduling of distributed energy storage in a radial distribution network
Dayalan et al. Energy management of a microgrid using demand response strategy including renewable uncertainties
CN117175639A (zh) 与储能单元协调配套的配电自动化方法及系统
Kumar et al. An efficient day-ahead cost-based generation scheduling of a multi-supply microgrid using a balancing composite motion optimization (BCMO) approach
Subramanian et al. Cognitive fuzzy logic-integrated energy management for self-sustaining hybrid renewable microgrids
CN108683211A (zh) 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2013722272

Country of ref document: EP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13722272

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE