JP4245583B2 - 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 - Google Patents

Description

本発明は、１つまたは複数のエネルギー発生装置と、１つまたは複数のエネルギー貯蔵装置と、１つまたは複数のエネルギー負荷を有するエネルギーシステムにおける、エネルギー発生装置および／またはエネルギー負荷の予測値を用いて運転計画の評価値が最良となるようにエネルギー発生装置およびエネルギー貯蔵装置の運転計画を作成する分散型エネルギーシステムの制御装置および方法に関する。

分散型エネルギーシステムのエネルギーを有効に利用し低コストな運転制御を行なう方法として、特許文献１に記載されている「分散型エネルギーコミュニティーシステムとその制御方法」がある。これは、制御センタが、分散エネルギーシステムの制御装置から通信線を介して燃料電池の発電量と蓄電池のエネルギー貯蔵量と負荷の電力消費量のデータを受信して、各分散エネルギーシステムに発電電力値および受送電電力値を指令して、電力需要の日負荷特性が異なる複数の分散エネルギーシステム間において電力線を介しての電力需給を補完制御するシステムである。

エネルギーシステムの制御を行なうために必要なエネルギー需要を予測する技術として、回帰分析やニューラルネットワークを用いる手法がある。しかしながら、上記エネルギーシステムのように、一般家庭における世帯別の電力／給湯等のエネルギー需要は、需要家の不規則な生活行動に依存するため精度の良い予測は困難である。給湯需要は、需要が全く無い時間帯が多く単発的に需要ピークが発生するため、さらに予測が困難である。

一方、太陽光や風力等の自然エネルギーを利用した発電システムは、気温や天気等の気象情報を用いて予測を行なうため、その予測確度に大きく依存する。
特開２００２−４４８７０号公報

上記のようなエネルギーシステムにおいては、例えばある世帯において給湯需要がほとんど無い日が不規則に発生する、あるいは天気予報が急変し予測していた太陽光発電電力がほとんど得られない日が出現するといった予測の大きな逸脱が懸念される。このようなシステムの運転計画を作成する場合、予測された１パターンに対してだけ最適であっても、予測が外れた場合にコストが増大する等の問題がある。これを回避するため過剰に余裕を持たせた制約条件で最適化を行なうと、予測誤差が少なかった日の最適性が低下する。

上記のような予測不確実性を考慮する方法として、多数の予測パターンに対して評価値を算出する方法、確率モデルとして期待値を算出する方法等がある。ところが実際の運転においては、予測が外れた時間帯の運転計画値を修正したり、予測が外れたと判断できた時点で最適計画を再スケジューリングしたりすることによって制御を行なうシステムが多い。前述の従来方法では、運転パターンは計画通りとして評価しているため、評価関数が実際の運転に対して正確とは言えない。

本発明の目的は、予測の確度や不確実性だけでなく、予測逸脱に対応した制御動作を考慮した最適運転計画を作成する分散型エネルギーシステムの制御装置および方法を提供することにある。

上記の目的を達成するために、本発明による分散型エネルギーシステムの制御装置は、
前記予測値が一定値以上外れる予測逸脱パターンおよびその発生確率を算出する予測部と、
前記予測逸脱パターンが発生すると判断可能な時刻から運転計画を修正したシミュレーションを行なうシミュレーション部と、
このシミュレーションにおける評価値を算出し、この評価値に前記予測逸脱パターンの発生確率に応じた重み付けをし、前記予測値の条件で最適運転計画通りに運転した場合の評価値に、該重み付けした評価値を加算する評価値計算を、所定の最適探索終了条件が満たされるまで行なう評価値計算部と、
前記評価値のうち、最良の評価値の運転計画を最適運転計画と決定する最適運転計画作成部と
を有する。

また、本発明の分散型エネルギーシステムの制御方法は、
前記予測値が一定値以上外れる予測逸脱パターンおよびその発生確率を算出する予測ステップと、
前記予測逸脱パターンが発生すると判断可能な時刻から運転計画を修正したシミュレーションを行なうシミュレーションステップと、
このシミュレーションにおける評価値を算出し、この評価値に前記予測逸脱パターンの発生確率に応じた重み付けをし、前記予測値の条件で最適運転計画通りに運転した場合の評価値に、該重み付けした評価値を加算する評価値計算を、所定の最適探索終了条件が満たされるまで行なう評価値計算ステップと、
前記評価値のうち、最良の評価値の運転計画を最適運転計画と決定する最適運転計画作成ステップと
を有する。

最適運転計画に用いる予測が大幅に外れる典型的なパターンとその発生確率、およびそれに対応した制御動作シミュレーションを用いて、評価値を計算する。すなわち、予測の逸脱が判断できた時点で発電量を増減させる等によりコスト等の評価値の悪化を抑制できるパターンであればそれに見合った評価を行なうため、予測逸脱時においても制御により対応可能な最適運転計画を作成することができる。また、予測逸脱パターンの発生確率に応じて評価するため、予測的中時においても最適性を失わない。

本発明の実施態様によれば、予測値は自然エネルギーを利用したエネルギー発生装置のものであり、気象予報とその実績および前記気象予報を用いた予測値とこの実測値を季節別にデータベースとして蓄積ステップを有し、予測ステップはこのデータベースおよび対象日の気象情報を用いて前記予測逸脱の発生確率を算出し、シミュレーションステップはこの予測逸脱パターンの発生確率と逸脱時予測値を用いてシミュレーションを行なう。

気象情報の予報と実績を季節別に蓄積したデータを用いて算出した予測逸脱発生確率を用いて最適運転計画を作成するため、季節により変動する気象予報の不確実性度合いを最適評価に柔軟に取り入れることができる。

本発明の他の実施態様によれば、予測値は前記エネルギー負荷のものであり、この負荷の需要データを計測および蓄積し、一日単位の実績値と予測値との誤差が一定値以上である日の実測データを不規則モデル用データとして登録するステップを有し、需要予測に用いるデータの内この不規則モデル用データの比率を前記予測逸脱パターンの発生確率として算出し、この予測逸脱パターンの発生確率と前記不規則モデル用データを用いて算出した不規則時予測値とを用いてシミュレーションを行なう。

エネルギー需要データを分析し、需要家の生活行動が規則的であった日と不規則であった日を選別して、予測パターンと発生確率を用いるため、いずれのパターンにも制御動作で対応可能な最適運転計画を作成することができる。

以上説明したように、本発明によれば、予測の確度や不確実性だけでなく、予測逸脱に対応した制御動作を考慮した最適運転計画を作成することがきる。

次に、本発明の実施の形態について図面を参照して説明する。

図１は、本発明の一実施形態による分散型エネルギーコミュニティーシステムの構成を示している。本分散型エネルギーコミュニティーシステムは複数の需要家１₁、１₂、・・・、１_nと、制御装置２から構成されている。

各需要家１₁〜１_nはエネルギー発生装置としての太陽電池１１および燃料電池１２と、エネルギー蓄積装置としての蓄電池１３および貯湯槽１５と、電力負荷１４と、熱負荷１６を有している。燃料電池１２と蓄電池１３と電力負荷１４は電力線４によって電力系統３に接続されている。また、貯湯槽１５と熱負荷１６は熱配管１７によって燃料電池１２に接続されている。なお、エネルギー発生装置およびエネルギー貯蔵装置は、上記に挙げたものに限定されるものではなく、他の種類のエネルギー発生装置およびエネルギー貯蔵装置を用いてもよい。

制御装置２は、これらエネルギー発生装置およびエネルギー貯蔵装置に接続される系統電力３や負荷電力１４等を計測し、燃料電池１２の発電量や蓄電池１３の充放電量の制御を行なうもので、通信部２１と、予側部２２と、予測ＤＢ（データベース）２３と、シミュレーション部２４と、評価値計算部２５と、最適運転計画作成部２６を有している。

通信部２１は、インターネット等に接続して、気象予報やエネルギー価格、イベント等に関する情報を得ることができる。予側部２２はこれら情報等を用いて、太陽電池１１の発電量、電力負荷１４の需要、および熱負荷である貯湯槽１５の需要の時系列値を予測し、結果を予測ＤＢ２３に格納する。最適運転計画作成部２６は、制御可能なエネルギー発生装置およびエネルギー貯蔵装置である燃料電池１２の発電、蓄電池１３の充放電の指令スケジュールを作成する。これは、発電パターンおよび充放電パターンの最良の組み合わせを探索することであり、候補とした発電／充放電スケジュールは、電力やガス等のエネルギー価格の情報と、予測部２２による一日の電力／熱負荷需要予測および発電予測を用いてその評価値が計算される。これを行なう評価計算部２５においては、シミュレーション部２４を用いて予測逸脱時の制御動作を考慮したシミュレーション計算を行ない、コスト等の評価値が最良となる発電／充放電スケジュールを選定する。この発電／充放電スケジュールは例えば一日単位あるいは現時刻あるいはその所定時刻経過後から２４時間先まで作成され、所定の時間間隔毎、例えば一時間毎に随時更新される。

図２は、図１のシステムにおける制御装置２の処理の流れを示す。

まず、予測部２２における処理を説明する。現在の次の時間帯から２４時間先までの電力負荷１４、熱負荷１６の需要量および太陽電池１１の発電量の時系列値を予測する（ステップ１０２）。予測した結果およびそれに対応した予測情報を、実測値とともに予測ＤＢ２３に蓄積する。この予測ＤＢ２３の情報から、予測値が一定値以上外れるパターンとその発生確率を算出する（ステップ１０３）。

次に、最適運転計画作成部２６は初期解であるスケジュール（初期運転スケジュール）を設定する（ステップ１０４）。この初期解は、前回の探索で最適解として得られたスケジュール等を用い、複数であってもよい。

ここで、この解の集合を評価計算部２５により評価する。例えば、エネルギーコストを目的関数とし、この目的関数の値（評価値）が最小となるスケジュールを最適解とする。エネルギーコストは、電力コストや燃料コスト等からなり、燃料コストは燃料電池１２の効率特性、起動特性や応答特性等をモデル化し、発電電力目標パターンにおける発電電力に対する燃料流量から算出する。蓄電池１３や貯湯槽１５は充放電ロスや放熱ロス等を考慮してモデル化し、その残容量を算出しておき、蓄電池１３や貯湯槽１５の一日におけるバランスをとるために、充電コストや貯湯コストの一日における差分をペナルティー関数として目的関数に加算する。

次に、予測値が逸脱した場合のシミュレーションをシミュレーション部２４により行なう（ステップ１０６）。これは単に予測パターンを逸脱したパターンに入れ替えて計算するだけでなく、その逸脱したパターンに対応した制御動作を考慮する。すなわち対象とする制御システムにおいて行なっている、予測が外れた時に運転計画値を修正したり、一定時間毎に最適計画を再スケジューリングしたりといった制御動作をシミュレーションする。ただし、最適運転計画を実際と同様にシミュレーションすると、制御対象の数によっては膨大な計算量を要する場合もあるので、最適運転計画の実績データの中から同じような条件の結果を用いたりする等により簡易的に模擬してもよい。

この予測逸脱時においても先の予測的中時と同様に評価し、総合的な評価値を次のように算出する。

（評価値）＝α×（予測的中時の評価値）＋β×（発電予測逸脱時の評価値）
＋γ×（需要予測逸脱時の評価値）＋・・・
ここで、α、β、γはそれぞれの予測逸脱の発生確率による重み付け係数である。こうすることによって、予測的中時の評価値がほぼ同じ様々なパターンの運転計画のうち、予測逸脱時の評価値が良いものの評価が高くなる。また、発電予測逸脱や需要予測の確率が複数種類あっても、同様に重み付け加算すればよい。発電予測逸脱と需要予測逸脱が同時に発生する場合についても、同様に加算することが可能である。

続いて、最適化手法を用いて次に評価するスケジュールを決定する（ステップ１０９）。本発明においては制御動作シミュレーションを含むため、適用する最適化手法としては、非線形・不連続関数を容易に扱うことができるタブーサーチや遺伝的アルゴリズム等のメタヒューリスティック手法が適する。

最適運転計画作成部２６は、以上のような評価するスケジュールの生成および予測逸脱シミュレーションを含む評価値計算を、計算時間や繰り返し回数、あるいは一定の繰り返し回数内で最適解が更新されない等による最適探索終了条件が満たされるまでに行なって得られた最良な評価値の解であるスケジュールを最適運転計画とし、これに従い各エネルギー発生装置およびエネルギー貯蔵装置の出力を指令する（ステップ１１０）。

以下に、予測逸脱パターンおよびその発生確率の算出方法について、いくつかの例を示して説明する。

図３に、太陽光発電量予測における予測逸脱確率の算出例を示す。図３に示すような月別天気概況の予報と実況の組み合わせ毎の確率を、予測情報ＤＢ２３を用いて集計しておく。ある月において、翌日午後の予報が晴れであったときに、実際には曇りや雨であった場合が予測逸脱確率とする。３時間予報等を用いてもう少し細かく集計してもよい。その他、降水確率等の予報情報を用いて算出あるいは補正を行なってもよい。月別等季節毎に集計することで、予報が外れやすい季節の特徴を反映させることができる。ある期間運転し予測値と実績値のデータが蓄積された場合には、図３に示すように、例えば一日の総発電量（ｋＷｈ）について数段階に分けて、予測値と実績値に一定値以上差が生じた場合を予測逸脱確率とすることもできる。

図４に、太陽光発電量予測における予測逸脱パターンの作成と、それを用いた最適運転計画の修正シミュレーションの例を示す。太陽光発電は、例えば月毎に晴れ、曇り、雨等の天気別に平均的な日射量パターンを算出しておき、これを基に発電量を計算する。図４には、予報が晴れの場合に午後から曇りとなったケースにおける最適運転計画の修正のイメージを示す。予測逸脱の判断時刻は、図４に示すような天気予報が発表される１１時頃が考えられるが、これに限ることなく午前中の発電量実績から判断した場合等も同様に実施できる。予測逸脱を判断できたと想定した時刻から、最適運転計画の修正シミュレーションを行なう。この例においては、図４に示すように、太陽光発電量の減少に対応して蓄電池１３の放電量および充電量を増加させる運転パターンに修正される等が想定される。実際の制御における再スケジューリングは、この時刻から２４時間先まで行なう場合も考えられるが、予測逸脱のシミュレーションにおける評価値の算出においては、当初計画の時間幅で評価する。

図５に、給湯需要予測における予測逸脱確率の算出例を示す。図５に示す給湯需要の例のように、需要家別に一日毎の気温と給湯需要積算量の相関関係から、不規則モデルのデータを選別する。この相関関係を用いた予測値と実績値の差から不規則モデルのデータを選別してもよい。季節や曜日等で分類したり、需要予測に用いる対象日から過去数十日間のデータを用いたりして集計し、図５に示すような各需要家の予測逸脱確率を求める。

図６に、給湯需要予測における予測逸脱パターンと、それを用いた最適運転計画の修正シミュレーションの例を示す。給湯需要の場合には、外出や入浴しない等により典型的な不規則パターンとなるケースが考えられる。このような場合には、通常の予測モデルに用いた範囲に相当する不規則モデルの実績値を時間帯別に平均して不規則パターンとする等により、比較的簡単に予測逸脱時パターンを作成すればよい。図６に示すシミュレーション例においては、通常発生している給湯需要がほとんど無い不規則パターンであると判断できた時点で、燃料電池１２の出力を低下させたり停止させたりする制御が行なわれると想定している。このように当初の最適運転計画を作成した２４時間のうち、修正して運転制御を行なった時間帯についてシミュレーションを行ない、目的とする評価値は運転計画を作成している２４時間について算出する。

多数の予測逸脱のパターンが想定されるケースもあるが、例えば需要家が多数ある場合には、予測逸脱確率が一定値以上の需要家に限定してシミュレーションを行なってもよい。また、最適探索における初期段階の評価計算においては、予測逸脱シミュレーションを省略する等の計算量削減の対策も可能である。以上のように、予測逸脱シミュレーションを典型的なパターンに適切に絞り込んで行なえば、計算量・計算時間を過大に増加させることなく、予測逸脱時に対応可能でありつつ予測的中時における最適性も失わない最適運転計画を作成することができる。

なお、以上説明した制御装置２の機能は、その機能を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませ、実行するものであってもよい。コンピュータ読み取り可能な記録媒体とは、フレキシブルディスク、光磁気ディスク、ＣＤ−ＲＯＭ等の記録媒体、コンピュータシステムに内蔵されるハードディスク装置等の記憶装置を指す。さらに、コンピュータ読み取り可能な記録媒体は、インターネットを介してプログラムを送信する場合のように、短時間、動的にプログラムを保持するもの（伝送媒体もしくは伝送波）、その場合のサーバとなるコンピュータ内の揮発性メモリのように、一定時間プログラムを保持しているものを含む。

本発明の一実施形態の分散型エネルギーコミュニティーシステムの構成図である。 図１のシステムにおける制御装置の処理の流れを示すフローチャートである。 太陽光発電量予測における予測逸脱確率の算出例を示す図である。 太陽光発電の予測逸脱パターン例とそれに対する最適運転計画を修正したシミュレーション例を示す図である。 給湯需要予測における不規則モデルとその発生確率の算出例を示す図である。 給湯需要の予測逸脱パターン例とそれに対する最適運転計画を修正したシミュレーション例を示す図である。

符号の説明

１₁〜１_n 需要家
２ 制御装置
３ 電力系統
４ 電力線
１１ 太陽電池
１２ 燃料電池
１３ 蓄電池
１４ 電力負荷
１５ 貯湯槽
１６ 熱負荷
１７ 熱配管
２１ 通信部
２２ 予測部
２３ 予測ＤＢ
２４ シミュレーション部
２５ 評価計算部
２６ 最適運転計画作成部
２３ 予測ＤＢ
１０１〜１１０ ステップ

Claims (6)

1. １つまたは複数のエネルギー発生装置と、１つまたは複数のエネルギー貯蔵装置と、１つまたは複数のエネルギー負荷を有するエネルギーシステムにおける、前記エネルギー発生装置および／または前記エネルギー負荷の予測値を用いて運転計画の評価値が最良となるように前記エネルギー発生装置およびエネルギー貯蔵装置の運転計画を作成する分散型エネルギーシステムの制御装置において、
   前記予測値が一定値以上外れる予測逸脱パターンおよびその発生確率を算出する予測部と、
   前記予測逸脱パターンが発生すると判断可能な時刻から運転計画を修正したシミュレーションを行なうシミュレーション部と、
   このシミュレーションにおける評価値を算出し、この評価値に前記予測逸脱パターンの発生確率に応じた重み付けをし、前記予測値の条件で最適運転計画通りに運転した場合の評価値に、該重み付けした評価値を加算する評価値計算を、所定の最適探索終了条件が満たされるまで行なう評価値計算部と、
   前記評価値のうち、最良の評価値の運転計画を最適運転計画と決定する最適運転計画作成部と
   を有することを特徴とする分散型エネルギーシステムの制御装置。
2. １つまたは複数のエネルギー発生装置と、１つまたは複数のエネルギー貯蔵装置と、１つまたは複数のエネルギー負荷を有するエネルギーシステムにおける、前記エネルギー発生装置および／または前記エネルギー負荷の予測値を用いて運転計画の評価値が最良となるように前記エネルギー発生装置およびエネルギー貯蔵装置の運転計画を作成する分散型エネルギーシステムの制御方法において、
   前記予測値が一定値以上外れる予測逸脱パターンおよびその発生確率を算出する予測ステップと、
   前記予測逸脱パターンが発生すると判断可能な時刻から運転計画を修正したシミュレーションを行なうシミュレーションステップと、
   このシミュレーションにおける評価値を算出し、この評価値に前記予測逸脱パターンの発生確率に応じた重み付けをし、前記予測値の条件で最適運転計画通りに運転した場合の評価値に、該重み付けした評価値を加算する評価値計算を、所定の最適探索終了条件が満たされるまで行なう評価値計算ステップと、
   前記評価値のうち、最良の評価値の運転計画を最適運転計画と決定する最適運転計画作成ステップと
   を有することを特徴とする分散型エネルギーシステムの制御方法。
3. 前記予測値は自然エネルギーを利用したエネルギー発生装置のものであり、気象予報とその実績および前記気象予報を用いた予測値とこの実測値を季節別にデータベースとして蓄積するステップを有し、前記予測ステップは前記データベースおよび対象日の気象情報を用いて前記予測逸脱パターンの発生確率を算出し、前記シミュレーションステップは前記予測逸脱パターンの発生確率と逸脱時予測値を用いて前記シミュレーションを行なう、請求項２記載の分散型エネルギーシステムの制御方法。
4. 前記予測値は前記エネルギー負荷のものであり、該負荷の需要データを計測および蓄積し、一日単位の実績値と予測値との誤差が一定値以上である日の実測データを不規則モデル用データとして登録するステップを有し、前記予測ステップは需要予測に用いるデータの内前記不規則モデル用データの比率を前記予測逸脱パターンの発生確率として算出し、前記シミュレーションステップはこの予測逸脱パターンの発生確率と、前記不規則モデル用データを用いて算出した不規則時予測値とを用いて前記シミュレーションを行なう、請求項２記載の分散型エネルギーシステムの制御方法。
5. 請求項２から４のいずれか１項に記載の、分散型エネルギーシステムの制御方法をコンピュータに実行させるためのプログラム。
6. 請求項５に記載のプログラムを記録した、コンピュータ読取り可能な記録媒体。
   
   

Images