[go: up one dir, main page]

CN111466061B - 电力管理系统 - Google Patents

电力管理系统 Download PDF

Info

Publication number
CN111466061B
CN111466061B CN201880080673.9A CN201880080673A CN111466061B CN 111466061 B CN111466061 B CN 111466061B CN 201880080673 A CN201880080673 A CN 201880080673A CN 111466061 B CN111466061 B CN 111466061B
Authority
CN
China
Prior art keywords
power
storage device
predicted
consumer
power consumption
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.)
Active
Application number
CN201880080673.9A
Other languages
English (en)
Other versions
CN111466061A (zh
Inventor
岭岸瞳
小掠哲义
武田宪明
加纳润一
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN111466061A publication Critical patent/CN111466061A/zh
Application granted granted Critical
Publication of CN111466061B publication Critical patent/CN111466061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

长期预测器(23)使用用电方(1)的消耗电力的长期预测模型，来预测用电方(1)的消耗电力的时间上的变化作为长期预测电力。短期预测器(25)使用用电方(1)的消耗电力的短期预测模型，基于紧挨着当前时刻之前的用电方(1)的消耗电力的时间上的变化，来预测紧挨着当前时刻之后的用电方(1)的消耗电力的时间上的变化作为短期预测电力。控制器(21)基于长期预测电力和短期预测电力来按规定的时间期间控制蓄电装置(13)的充电和放电。控制器(21)基于长期预测电力和短期预测电力，来预测蓄电装置(13)的充电电力、放电电力以及蓄电量的时间上的变化，在预测为通过蓄电装置(13)的放电而蓄电量会达到下限值时，预先从电力系统(2)向蓄电装置(13)充电。

Description

电力管理系统
技术领域
本公开涉及一种与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中的蓄电装置的控制装置。本公开还涉及一种用于这种用电方的电力管理系统，另外，还涉及一种用于包括多个这种用电方的电网的电网管理系统。
背景技术
已知一种针对与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方设置的电力管理系统(参照专利文献1～3)。电力管理系统还有时具备用电方的发电装置(太阳电池等)。
现有技术文献
专利文献
专利文献1：日本特开2016-015857号公报
专利文献2：日本专利第5402566号公报
专利文献3：国际公开第2014/175374号
发明内容
发明要解决的问题
在用电方的任一负载装置的消耗电力变动时，用电方整体的消耗电力也变动。例如，在用电方的任一负载装置的电源被接通时，用电方整体的消耗电力急剧地变动。当来自电力系统的接收电力的峰值超过与电力公司之间的合同规定的阈值时，电费的单价增大。另外，当来自电力系统的接收电力根据用电方整体的消耗电力的急剧变动而急剧地变动时，经由电力系统传送的电力的质量降低。因而，要求决定蓄电装置的充电电力和放电电力的大小，以抑制来自电力系统的接收电力的急剧变动。
本公开提供一种蓄电装置的控制装置，在与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中，决定蓄电装置的充电电力和放电电力的大小，以抑制来自电力系统的接收电力的急剧变动。
本公开还提供一种用于这种用电方的电力管理系统，另外，还提供一种用于包括多个这种用电方的电网的电网管理系统。
用于解决问题的方案
根据本公开的一个方式所涉及的蓄电装置的控制装置，是与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中的所述蓄电装置的控制装置，所述控制装置具备：第一预测器，其使用表示与时刻相应的所述用电方整体的消耗电力的时间上的变化的第一预测模型，来预测所述用电方整体的消耗电力的时间上的变化作为第一预测电力；第二预测器，其使用表示所述多个负载装置各自的消耗电力变化前后的第一时间期间内的所述用电方整体的消耗电力的时间上的变化的第二预测模型，基于紧挨着当前时刻之前的第二时间期间内的所述用电方整体的消耗电力的时间上的变化，来预测紧挨着所述当前时刻之后的第三时间期间内的所述用电方整体的消耗电力的时间上的变化作为第二预测电力；以及控制器，其以基于所述第一预测电力按规定的第四时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，并且以基于所述第二预测电力按比所述第三时间期间和所述第四时间期间短的第五时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，其中，所述控制器基于所述第一预测电力和所述第二预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，所述控制器在预测为通过所述蓄电装置的放电而所述蓄电量会达到下限值时，预先从所述电力系统向所述蓄电装置充电。
发明的效果
根据本公开，在与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中，能够决定蓄电装置的充电电力和放电电力的大小，以抑制来自电力系统的接收电力的急剧变动。
附图说明
图1是示出第一实施方式所涉及的用电方1的电力管理系统的结构的框图。
图2是示出图1的短期预测模型生成器24和短期预测器25的结构的框图。
图3是示出图2的学习器31、32和判定器33中使用的神经网络的例子的图。
图4是示出图1的短期预测器25中使用的第一例示性的短期预测模型的图。
图5是示出图1的短期预测器25中使用的第二例示性的短期预测模型的图。
图6是示出图1的短期预测器25中使用的第三例示性的短期预测模型的图。
图7是示出由图1的控制器21执行的电力管理处理的流程图。
图8是示出在图1的用电方1中消耗电力Pcs超过接收电力Pr的电力阈值ThA时的动作的曲线图。
图9是示出在图1的用电方1中蓄电装置13的蓄电量通过放电而达到下限值Th1时的动作的曲线图。
图10是示出在图1的用电方1中消耗电力Pcs急剧地增大时的动作的曲线图。
图11是示出在图1的用电方1中消耗电力Pcs急剧地减少时的动作的曲线图。
图12是示出图1的用电方1整体的消耗电力的时间上的变化的曲线图。
图13是示出图1的用电方1整体的消耗电力和蓄电装置13的放电电力的时间上的变化的曲线图。
图14是示出图1的用电方1从电力系统2接受的接收电力的时间上的变化的曲线图。
图15是示出第二实施方式所涉及的用电方1A的电力管理系统的结构的框图。
图16是示出由图15的控制器21A执行的电力管理处理的第一部分的流程图。
图17是示出由图15的控制器21A执行的电力管理处理的第二部分的流程图。
图18是示出在图15的用电方1A中消耗电力Pcs与发电电力Pg的差电力Pcs-Pg超过接收电力Pr的电力阈值ThA时的动作的曲线图。
图19是示出在图15的用电方1A中蓄电装置13的蓄电量通过充电而达到上限值Th2时的动作的曲线图。
图20是示出第三实施方式所涉及的用电方1B的电力管理系统的结构的框图。
图21是示出第四实施方式所涉及的用电方1C的电力管理系统的结构的框图。
图22是示出第五实施方式所涉及的电网100的结构的框图。
图23是示出第六实施方式所涉及的电力网的结构的框图。
具体实施方式
<完成本公开的经过>
首先，说明本发明人完成本公开的经过。
在日本，预定在2019年结束可再生能源固定价格收购制度(FIT)。与此相伴地，预计具备太阳电池的用电方自身的发电电力的消耗会增加，并且为了不浪费地消耗发电电力而蓄电装置的需求会增加。
以往的电力管理系统例如进行被动的反馈控制以达成30分钟同时同量，另外，根据发电装置的发电电力来决定蓄电装置的充电电力和放电电力的大小。以往的电力管理系统无法以比30分钟短的周期高速地控制蓄电装置的充电电力和放电电力的大小，另外，除了夜间充电以外，无法考虑未来的消耗电力来主动地进行控制。
蓄电装置的初始投资费用高，投资费用的回收难或者需要非常长的时间。因而，期望使通过蓄电装置的导入来削减电费的效果最大化。
例如，根据专利文献1，为了使通过蓄电装置的导入来削减电费的效果最大化，抑制从系统供给的电力，来抑制基于合同电力确定的基本费用。具体地说，为了使来自系统的电力为上限值以下，基于消耗电力的预测数据来事先控制蓄电装置的充放电，以抑制系统电力的峰值。关于消耗电力达到某个上限值的时间段或预测会达到某个上限值的时间段，在预测从蓄电装置放出的消耗电力超过某个上限值的时间段之前，将消耗电力与上限值的差量蓄积到蓄电装置，以确保需要的放电量。
为了以追随消耗电力的急剧变动的方式控制放电电力，需要预测消耗电力的短期的时间上的变化。专利文献1的发明只具有每个时间段的消耗电力的预测值，因此无法追随消耗电力的短期的急剧变动。
因而，要求控制蓄电装置的充电和放电，以抑制来自电力系统的接收电力的急剧变动。
通过以上的见解和研究，本发明人们想到以下的发明的各方式。
下面，参照附图来说明本公开所涉及的实施方式。此外，在以下的各实施方式中，对相同的构成要素标注相同的标记。
<第一实施方式>
图1是示出第一实施方式所涉及的用电方1的电力管理系统的结构的框图。用电方1具备配电盘11、电力计12、蓄电装置13、传感器14、负载装置15-1、15-2以及控制装置16。用电方1经由电力线2a而与电力系统2连接，并且与服务器装置3连接。在图1的其它框图中，粗线表示电力，细线表示控制信号。
配电盘11在控制装置16的控制下在电力系统2、蓄电装置13以及负载装置15-1、15-2之间传送电力。配电盘11在某种情况下将从电力系统2经由电力线2a接受到的电力发送至蓄电装置13和/或负载装置15-1、15-2。配电盘11在其它情况下将从蓄电装置13接受到的电力发送至负载装置15-1、15-2和/或电力系统2。
电力计12测定出用电方1整体的消耗电力(即，负载装置15-1、15-2的合计的消耗电力)后通知给控制装置16。
蓄电装置13充入从电力系统2接受到的电力，将充入的电力放出以发送至负载装置15-1、15-2或电力系统2。蓄电装置13具备蓄电池、从交流转换为直流的电力转换电路以及从直流转换为交流的电力转换电路。蓄电装置13也可以包括电动车。
传感器14监视最大充电电力量、当前的充电电力量以及劣化状态等蓄电装置13的状态。传感器14将蓄电装置13的状态通知给控制装置16。
负载装置15-1、15-2为照明器具、冷暖气装置、炊具、电视装置、个人计算机、电动车等任意的电气设备。在以下，也将负载装置15-1、15-2统称为负载装置15。在图1等中，仅示出两个负载装置15-1、15-2，但用电方1具备任意个数的负载装置。
控制装置16具备控制器21、长期预测模型生成器22、长期预测器23、短期预测模型生成器24以及短期预测器25。
控制器21执行参照图7后述的电力管理处理，以控制蓄电装置13的充电和放电。
长期预测模型生成器22生成表示与时刻相应的用电方1整体的消耗电力的时间上的变化的长期预测模型。长期预测模型生成器22基于由电力计12测定出的用电方1整体的消耗电力的时间上的变化，来生成长期预测模型。长期预测模型生成器22在生成长期预测模型时，可以可选地参照从服务器装置3获取到的其它信息(其它用电方的消耗电力的时间上的变化等)。例如，针对1天中的各时刻或各时间段(例如每30分钟或1小时)，计算用电方1整体的消耗电力在数日间的平均值，由此获取长期预测模型。在长期预测模型中，例如以20％以下的误差预测每1小时的1天内的平均电力。也可以每星期、每月和/或每季节地获取长期预测模型。
长期预测器23使用长期预测模型来预测用电方1整体的消耗电力的时间上的变化作为长期预测电力。将通过长期预测模型预测消耗电力的时间期间还称作“长期预测期间”。长期预测期间例如为24小时。在由长期预测模型生成器22生成了多个长期预测模型的情况下，长期预测器23可以基于由电力计12测定出的用电方1整体的当前的消耗电力，来选择与当前的消耗电力最接近的长期预测模型。
在本说明书中，将长期预测模型还称作“第一预测模型”，将长期预测电力还称作“第一预测电力”，将长期预测模型生成器22还称作“第一预测模型生成器”，将长期预测器23还称作“第一预测器”。
短期预测模型生成器24生成表示多个负载装置15各自的消耗电力变化前后的第一时间期间内的用电方1整体的消耗电力的时间上的变化的短期预测模型。短期预测模型例如表示将多个负载装置15各自的电源接通前后的第一时间期间内的用电方1整体的消耗电力的时间上的变化。另外，例如，在负载装置15具备具有不同的消耗电力的多个动作模式的情况下，短期预测模型也可以表示切换动作模式时的前后的第一时间期间内的用电方1整体的消耗电力的时间上的变化。例如，在负载装置15为冷暖气装置和炊具等情况下，多个动作模式应对于负载装置15的多个不同的设定温度。多个负载装置15各自的消耗电力可以根据用户操作、定时器动作或预先决定的时序而变化。短期预测模型根据消耗电力的峰值的大小、消耗电力的峰值或平均值超过规定的阈值的时间长度、负载装置15的电源被接通的时间段等而带有特征。短期预测模型生成器24基于由电力计12测定出的用电方1整体的消耗电力的时间上的变化，来生成短期预测模型。
短期预测模型生成器24在生成短期预测模型时，可以可选地参照从服务器装置3获取到的其它信息(其它用电方的消耗电力的时间上的变化等)。
短期预测器25使用短期预测模型，基于紧挨着当前时刻之前的第二时间期间内的用电方1整体的消耗电力的时间上的变化，来预测紧挨着当前时刻之后的第三时间期间内的用电方1整体的消耗电力的时间上的变化作为短期预测电力。将通过短期预测模型预测消耗电力的时间期间(第三时间期间)还称作“短期预测期间”。短期预测期间例如为1分钟。
在本说明书中，将短期预测模型还称作“第二预测模型”，将短期预测电力还称作“第二预测电力”，将短期预测模型生成器24还称作“第二预测模型生成器”，将短期预测器25还称作“第二预测器”。
控制器21以基于由长期预测器23预测出的用电方1的长期预测电力按规定的第四时间期间设定规定的充电电力或规定的放电电力的方式，来控制蓄电装置13的充电和放电。第四时间期间例如为30分钟或1小时等。控制器21还以基于由短期预测器25预测出的用电方1的短期预测电力按比第三时间期间和第四时间期间短的第五时间期间设定规定的充电电力或规定的放电电力的方式，来控制蓄电装置13的充电和放电。将第五时间期间还称作“单位时间期间”。单位时间期间例如为1秒钟。
像这样，控制器21基于长期预测电力和短期预测电力这两者来控制蓄电装置13的充电和放电。控制器21为了即使用电方1整体的消耗电力急剧地变动也能够抑制来自电力系统2的接收电力的急剧变动，在控制蓄电装置13的充电和放电时，使短期预测电力优先于长期预测电力。
图2是示出图1的短期预测模型生成器24和短期预测器25的结构的框图。
短期预测模型生成器24具备学习器31和学习器32。学习器31基于由电力计12测定出的用电方1整体的消耗电力的时间上的变化和从服务器装置3获取到的其它用电方的消耗电力的时间上的变化，来学习用电方1整体的消耗电力模型。学习器32基于由电力计12测定出的用电方1整体的消耗电力的时间上的变化，来学习个别的负载装置15的消耗电力的短期预测模型。
学习器31基于各种各样的用电方的消耗电力的时间上的变化的信息和其它信息(例如其它用电方的负载装置的信息)来将各种各样的负载装置的消耗电力的时间上的变化的模式进行分类。学习器31基于用电方1整体的消耗电力，来判断用电方1是否具备与其它用电方的负载装置相同的消耗电力的时间上的变化的模式。在用电方1具备具有已知的消耗电力的时间上的变化的模式的负载装置的情况下，通过考虑学习器31的判断结果，学习器32的学习效率和学习精度提高。学习器31基于各种各样的用电方的消耗电力的时间上的变化的信息和其它信息，来将包括住宅、店铺以及工厂等在内的用电方的种类进行分类。学习器31基于用电方1整体的消耗电力，来判断用电方1属于哪个种类。在用电方1属于已知的种类的情况下，通过考虑学习器31的判断结果，由学习器32进行的详细的学习的负担减少，学习器32的学习效率和学习精度提高。学习器32基于用电方1整体的消耗电力的时间上的变化，来详细地学习用电方1固有的消耗电力的时间上的变化的模式，生成与个别的负载装置15对应的短期预测模型。另外，学习器31通过考虑学习器32的判断结果，在将各种各样的负载装置的消耗电力的时间上的变化的模式进行分类时以及将用电方的种类进行分类时，学习器31的学习效率和学习精度提高。
短期预测器25具备判定器33和模式识别器34。在判定器33中设定由学习器32生成的短期预测模型。判定器33在模式识别器34的控制下判定由电力计12测定出的用电方1整体的消耗电力的时间上的变化是否与由学习器32生成的短期预测模型一致。在用电方1整体的消耗电力的时间上的变化与某个短期预测模型的开头部分一致时，模式识别器34将由该短期预测模型的后续部分表示的用电方1整体的消耗电力的时间上的变化通知给控制器21。
图2的学习器31、32和判定器33可以具备神经网络。
图3是示出图2的学习器31、32和判定器33中使用的神经网络的例子的图。神经网络具备输入层41的节点N1-1～N1-P、至少一层的中间层42的节点N2-1～N2-Q，…，N(M-1)-1～N(M-1)-R、以及输出层43的节点NM-1～NM-S。在学习器32的神经网络的输入层41中，设定表示比生成的短期预测模型的时间长度短的时间长度(第二时间期间)内的用电方1整体的消耗电力的时间上的变化的时间序列数据。在学习器32的神经网络的输出层43中，设定表示生成的短期预测模型的时间长度(第一时间期间)内的用电方1整体的消耗电力的时间上的变化的时间序列数据。在判定器33的神经网络的中间层42中设定通过学习器32学习到的短期预测模型、即中间层42的权重系数。向判定器33的神经网络的输入层41输入表示与输入到学习器32的神经网络的输入层41的时间序列数据相同的时间长度(第二时间期间)内的用电方1整体的消耗电力的时间上的变化的时间序列数据。从判定器33的神经网络的输出层43输出表示短期预测模型的时间长度(第一时间期间)内的用电方1整体的消耗电力的时间上的变化的时间序列数据。在判定器33的神经网络中，在输入到输入层41的时间序列数据与某个短期预测模型的开头部分一致的情况下，从该输出层43输出表示由该短期预测模型的整体表示的用电方1整体的消耗电力的时间上的变化的时间序列数据。
例如，可以从服务器装置3或控制器21向图2的学习器32和判定器33的神经网络的输入层41还输入以下这样的其它数据。
可以向输入层41还输入表示包括住宅、店铺以及工厂等在内的用电方1的种类的数据。通过参照该数据，能够估计出各负载装置15的种类及消耗电力、使各负载装置15动作的时间段等，提高学习和预测的精度。
可以向输入层41还输入表示用电方1的用户的人数或家族结构的数据。通过参照该数据，能够估计出使各负载装置15动作的时间段等，提高学习和预测的精度。
可以向输入层41还输入表示各负载装置15的种类或型号的数据。通过参照该数据，能够估计出各负载装置15的消耗电力等，提高学习和预测的精度。
可以向输入层41还输入表示各负载装置15的通电状态或消耗电力的数据(参照后述的第三实施方式)。
可以向输入层41还输入表示用电方1的用户的行动的数据。通过参照该数据，能够估计出使各负载装置15动作的时间段等，提高学习和预测的精度。例如，服务器装置3为了获取表示用电方1的用户的行动的数据，可以针对何时如何使用哪个负载装置15，从用户写入社交网络服务中的写入内容等进行提取。
可以向输入层41还输入天气预报、当前的气温等表示天气的数据。通过参照该数据，能够估计出例如使用于冷暖气的负载装置15动作的时间段、消耗电力等，提高学习和预测的精度。
可以向输入层41还输入表示日期时间或星期的数据。通过参照该数据，能够基于每星期或每季节进行的事件等信息来估计出使各负载装置15动作的时间段等，提高学习和预测的精度。
参照图4～图6，表示图1的短期预测器25中使用的例示性的短期预测模型。
图4是示出图1的短期预测器25中使用的第一例示性的短期预测模型的图。例如，作为在平时的晚上回家时的行动，在先将照明等点亮之后将电视装置(TV)的电源接通的情况多时，能够根据探测到照明等的点亮，来预测为在此之后电视装置的电源会被接通。在该情况下，控制器21控制蓄电装置13的放电，以根据电视装置的消耗电力来设定放电电力。
图5是示出图1的短期预测器25中使用的第二例示性的短期预测模型的图。例如，作为洗澡之后的行动，在将浴室的照明和热水器等的电源断开之后将吹风机的电源接通的情况多时，能够根据探测到浴室的照明和热水器的电源断开，来预测为在此之后吹风机的电源会被接通。在该情况下，控制器21控制蓄电装置13的放电，以根据吹风机的消耗电力来设定放电电力。
图6是示出图1的短期预测器25中使用的第三例示性的短期预测模型的图。例如，作为开启个人计算机(PC)时的举动，在将电源接通之后立刻执行消耗电力比较低的启动(boot)处理之后成为消耗电力更高的开启状态的情况下，能够根据探测到将电源接通之后的启动处理，来预测此后的消耗电力。在该情况下，控制器21控制蓄电装置13的放电，以根据预测出的消耗电力来设定放电电力。
在图4～图6中，标记T1表示短期预测模型的时间期间(第一时间期间)。标记T2表示短期预测模型中应用的、表示紧挨着当前时刻之前的用电方1整体的消耗电力的时间上的变化的时间序列数据的时间期间(第二时间期间)。标记T3表示短期预测期间、即预测出的短期预测电力的时间期间(第三时间期间)。
控制器21在基于由短期预测器25预测出的短期预测电力来设定规定的充电电力或规定的放电电力时，基于由长期预测器23预测出的长期预测电力来设定充电电力或放电电力的上限或蓄电量的上限和下限。即使在负载装置15被接通的整个时间期间蓄电量不足以将消耗电力的增大完全抵消的情况下，在整个该时间期间进行放电，以稍微降低接收电力的峰值。换言之，将来的充电和放电计划作为当前的充电电力和放电电力的限制发挥作用，因而，能够考虑最近和将来，来最佳地控制蓄电装置13的充电和放电。
在例如根据用电方1的用户的预想外的行动(熬夜等)或突然的来客等而将负载装置15的电源接通或断开时，或者在负载装置15出现故障时等，有时用电方1整体的消耗电力急剧地变动。当来自电力系统2的接收电力根据用电方1整体的消耗电力的急剧变动而急剧地变动时，有可能使经由电力系统2传送的电力的质量降低。因而，要求控制蓄电装置13的充电和放电，以抑制来自电力系统2的接收电力的急剧变动。
另外，根据用电方1的用户的预想外的行动或突然的来客等，短期预测期间的用电方1整体的消耗电力相比于作为长期预测电力预测出的消耗电力而言增大，其结果是，蓄电装置13的蓄电量有时不足。当蓄电装置13的蓄电量达到下限值时，之后，用电方1必须根据用电方1整体的消耗电力从电力系统2接收电力。在该情况下，来自电力系统2的接收电力有可能根据用电方1整体的消耗电力的急剧变动而急剧地变动，另外，来自电力系统2的接收电力有可能超过与电力公司之间的合同中决定的上限。因而，要求控制蓄电装置13的充电和放电，使得不易发生蓄电量不足。
接着，参照图7～图11来说明由图1的控制器21执行的电力管理处理。
图7是示出由图1的控制器21执行的电力管理处理的流程图。
在图7的步骤S1中，控制器21从长期预测器23和短期预测器25分别获取紧挨着当前时刻之后的短期预测期间(或包括当前时刻的短期预测期间)内的长期预测电力和短期预测电力。并且，控制器21基于长期预测电力和短期预测电力，来预测短期预测期间内的蓄电装置13的充电电力、放电电力以及蓄电量的时间上的变化。如上所述，控制器21按比短期预测期间短的单位时间期间控制蓄电装置13的充电和放电。在步骤S2中，控制器21根据步骤S1中获取到的短期预测电力，来获取下一个单位时间期间内的预测出的用电方1整体的消耗电力Pcs。
在步骤S3中，控制器21判断下一个单位时间期间内的消耗电力Pcs是否超过电力阈值ThA，在为“是”时进入步骤S4，在为“否”时进入步骤S5。电力阈值ThA例如表示与电力公司之间的合同中决定的、来自电力系统2的接收电力Pr的上限。在步骤S4中，控制器21进入下一个单位时间期间，从电力系统2向负载装置15供给与电力阈值ThA相等的接收电力Pr，从蓄电装置13向负载装置15放出不足于消耗电力Pcs的电力。
图8是示出在图1的用电方1中消耗电力Pcs超过接收电力Pr的电力阈值ThA时的动作的曲线图。在图8等中，标记T11表示当前的单位时间期间。如图8的上部所示，有时在某个单位时间期间T11中消耗电力Pcs超过电力阈值ThA。当根据消耗电力Pcs的增大而从电力系统2接受超过电力阈值ThA的电力时，如上所述，电费的单价增大。因而，如图8的下部所示，控制器21在预测为消耗电力Pcs会超过电力阈值ThA时，在消耗电力Pcs超过电力阈值ThA的期间从蓄电装置13向负载装置15放电。由此，能够使接收电力Pr的大小为电力阈值ThA以下。
在图7的步骤S5中，控制器21判断是否在短期预测期间预测到蓄电装置13的蓄电量不足，在为“是”时进入步骤S6，在为“否”时进入步骤S7。在步骤S6中，控制器21进入下一个单位时间期间，一边从电力系统2向负载装置15供给与消耗电力Pcs相等的电力，一边从电力系统2向蓄电装置13充电。
图9是示出在图1的用电方1中蓄电装置13的蓄电量通过放电而达到下限值Th1时的动作的曲线图。蓄电装置13具有根据基于长期预测电力设定的充电电力或放电电力的上限而决定的、蓄电量的下限值Th1和上限值Th2。当如图9的第一部分所示那样从蓄电装置13放电时，如图9的第二部分所示，有时蓄电装置13的蓄电量达到下限值Th1。因而，控制器21如图9的第三部分所示的那样，在预测为通过蓄电装置13的放电而蓄电量会达到下限值Th1时，在当前的单位时间期间T11中，预先从电力系统2向蓄电装置13充电。由此，如图9的第四部分所示的那样，即使从蓄电装置13放电，也能够使得蓄电量不易达到下限值Th1。
在图7的步骤S7中，控制器21计算消耗电力Pcs的变动速度d(Pcs)/dt。并且，控制器21判断变动速度d(Pcs)/dt是否高于正的速度阈值ThB，在为“是”时进入步骤S8，在为“否”时进入步骤S9。速度阈值ThB例如表示经由电力系统2传送的电力的可容许的变动速度的上限。在步骤S8中，控制器21进入下一个单位时间期间，一边维持来自电力系统2的接收电力Pr的大小，一边从蓄电装置13向负载装置15放出不足于消耗电力Pcs的电力。
图10是示出在图1的用电方1中消耗电力Pcs急剧地增大时的动作的曲线图。如图10的上部所示，有时消耗电力Pcs急剧地增大。当使来自电力系统2的接收电力Pr根据消耗电力Pcs的急剧增大而急剧地增大时，有可能使经由电力系统传送的电力的质量降低。因而，如图10的下部所示，控制器21在预测为消耗电力Pcs会急剧地增大时，在消耗电力Pcs急剧地增大的瞬间(单位时间期间T11)开始从蓄电装置13向负载装置15放电。控制器21在消耗电力Pcs急剧地增大之后，根据消耗电力Pcs使接收电力Pr逐渐增大，并使放电电力逐渐减少。由此，能够使得不易产生接收电力Pr的急剧增大。
在图7的步骤S9中，控制器21判断消耗电力Pcs的变动速度d(Pcs)/dt是否低于负的速度阈值-ThB，在为“是”时进入步骤S10，在为“否”时进入步骤S11。在步骤S10中，控制器21进入下一个单位时间期间，一边维持来自电力系统2的接收电力Pr的大小，一边将接收电力Pr中的超过消耗电力Pcs的电力充入蓄电装置13。
图11是示出在图1的用电方1中消耗电力Pcs急剧地减少时的动作的曲线图。如图11的上部所示，有时消耗电力Pcs急剧地减少。当使来自电力系统2的接收电力Pr根据消耗电力Pcs的急剧减少而急剧地减少时，有可能使经由电力系统传送的电力的质量降低。因而，如图11的下部所示，控制器21在预测为消耗电力Pcs会急剧地减少时，在消耗电力Pcs急剧地减少的瞬间(单位时间期间T11)开始从电力系统2向蓄电装置13充电。控制器21在消耗电力Pcs急剧地减少之后，根据消耗电力Pcs使充电电力(即，接收电力Pr)逐渐减少。由此，能够使得不易产生接收电力Pr的急剧减少。
在图7的步骤S11中，控制器21进入下一个单位时间期间，基于长期预测电力来控制蓄电装置13的充电和放电。
在步骤S12中，控制器21判断是否达到单位预测期间中的最后的单位时间期间，在为“是”时进入步骤S13，在为“否”时返回到步骤S2。在步骤S13中，控制器21进入下一个短期预测期间，返回到步骤S1。
接着，参照图12～图14来说明第一实施方式的电力管理系统的效果。
图12是示出图1的用电方1整体的消耗电力的时间上的变化的曲线图。图12还示出基于长期预测模型对蓄电装置13的充电和放电的控制。在预测为用电方1整体的消耗电力会变得小于图12的阈值时，控制装置16将从电力系统2接受到的电力一边供给至负载装置15一边充入蓄电装置13。在预测为用电方1整体的消耗电力会变为图12的阈值以上时，控制装置16将从电力系统2接受到的电力供给至负载装置15，并且将从蓄电装置13放出的电力供给至负载装置15。控制装置16在预测为用电方1整体的消耗电力会变为图12的阈值以上的时间期间到来之前，预测要放出的电力量并且预先充入蓄电装置13。像这样，通过使用长期预测模型，能够使充电量和放电量最佳化。
图13是示出图1的用电方1整体的消耗电力和蓄电装置13的放电电力的时间上的变化的曲线图。图14是示出图1的用电方1从电力系统2接受的接收电力的时间上的变化的曲线图。用电方1从电力系统2受电的电力为从用电方1整体的消耗电力减去蓄电装置13的放电电力所得到的剩余的电力。图13和图14对应于图12的时间期间T21。控制装置16基于长期预测模型来控制蓄电装置13的充电和放电，使得例如达成30分钟同时同量(在图13和图14中表示为“每30分钟的控制”)。由此，例如在图13的时间期间T22中，使得与消耗电力的暂时的增大一致地使放电电力增大。在仅使用每隔30分钟的控制的情况下，无法使放电电力的大小追随比30分钟短的时间期间内的消耗电力的时间上的变化。此时，如图14所示，从电力系统2的角度看，用电方1整体的消耗电力的急剧变动影响电力系统2，导致经由电力系统2传送的电力的质量降低。另一方面，在除了基于长期预测模型以外还基于短期预测模型来控制蓄电装置13的充电和放电的情况下(在图13和图14中表示为“每隔1分钟的控制”)，能够使充电电力和放电电力的大小追随用电方1整体的消耗电力的急剧变动。因而，此时，如图14所示，用电方1整体的消耗电力的急剧变动不易影响电力系统2，能够使电力系统2的电力稳定化。
根据第一实施方式的电力管理系统，通过基于短期预测电力按单位时间期间高速地控制蓄电装置13的充电和放电，能够抑制来自电力系统2的接收电力的急剧变动。通过抑制来自电力系统2的接收电力的急剧变动，能够使得经由电力系统2传送的电力的质量不易降低。
根据第一实施方式的电力管理系统，通过基于短期预测电力按单位时间期间高速地控制蓄电装置13的充电和放电，能够使得不易产生蓄电装置13的蓄电量不足。能够遵守基于长期预测电力预想的蓄电量的限制，同时能够使得不易产生来自电力系统2的接收电力的急剧变动。
根据第一实施方式的电力管理系统，即使用电方1整体的消耗电力偏离作为长期预测电力预测出的消耗电力，也能够基于短期预测电力来控制蓄电装置13的充电和放电，以抑制来自电力系统2的接收电力的急剧变动。
根据第一实施方式的电力管理系统，通过使用短期预测模型，来以追随消耗电力的变化的方式控制蓄电装置13的充电和放电，因此其结果是，从电力系统2接受的电力量减少，能够减少电费。根据第一实施方式的电力管理系统，通过基于长期预测电力和短期预测电力这两者来控制蓄电装置13的充电和放电，能够相比于以往而言更高效地使用蓄电装置13。因而，能够使通过蓄电装置13的导入来削减电费的效果最大化。
根据第一实施方式的电力管理系统，由用电方1抑制来自电力系统2的接收电力的急剧变动，因此不需要由电力系统2进行的需求响应等复杂的处理。
为了以追随用电方1整体的消耗电力的急剧变动的方式控制蓄电装置13的放电，需要进行用于捕捉消耗电力的短期的变动的短期的预测和控制。为了确保抑制来自电力系统2的接收电力的急剧变动所需要的蓄电量，需要进行1天等长期的预测和控制。当将短期的预测和控制与长期的预测和控制以相同预测周期和相同控制周期进行时，数据量变得庞大。然而，根据第一实施方式的电力管理系统，将长期预测模型的采样时间设定得比短期预测模型的采样时间长，根据目的来使用长期预测模型和短期预测模型，由此能够抑制必要的数据量的增大。
接着，说明第一实施方式的电力管理系统的变形例。
短期预测模型可以比长期预测模型更频繁地被进行更新。由此，能够更好地追随居住者的更替等用电方1的环境的变化，短期预测模型的学习精度提高。
控制器21可以与外部的服务器装置3进行通信，来从服务器装置3获取电费的数据。在该情况下，控制器21可以根据电费来动态地设定图7的步骤S3的电力阈值ThA。另外，在电费超过第一阈值时，为了向负载装置15供给电力，控制器21可以使蓄电装置13优先于电力系统2，以规定的放电电力从蓄电装置13向负载装置15放电。另外，在电费小于第二阈值时，控制器21可以以规定的充电电力从电力系统2向蓄电装置13充电。第二阈值既可以与第一阈值相等，也可以高于或低于第一阈值。由此，能够削减电费。
长期预测模型生成器22在生成长期预测模型时，可以还参照从传感器14得到的蓄电装置13的状态。短期预测模型生成器24在生成短期预测模型时，可以还参照从传感器14得到的蓄电装置13的状态。短期预测器25可以还参照从传感器14得到的蓄电装置13的状态。控制器21也可以在控制蓄电装置13的充电和放电时还参照从传感器14得到的蓄电装置13的状态。通过参照从传感器14得到的蓄电装置13的状态，能够更准确地掌握蓄电装置13的充电电力、放电电力以及蓄电量。
负载装置15和蓄电装置13中的至少一者可以包括电动车。
用电方1也可以具备多个蓄电装置。由此，能够减少每一个蓄电装置的充电容量，增大可控制的最大电流。
短期预测模型生成器24也可以具备三个以上的学习器。
例如，在如第五实施方式中说明的那样在多个用电方之间进行电力发送和电力接收的情况下，某个用电方考虑其它用电方的消耗电力，并且考虑从哪个用电方向哪个用电方发送和接收多少电力，来生成长期预测模型。另外，在通过与短期预测模型相同的方法生成长期预测模型的情况下，可以与短期预测模型同样地，基于各种各样的用电方的消耗电力的时间上的变化的信息和其它信息，来将包括住宅、店铺以及工厂等在内的用电方的种类进行分类。长期预测模型生成器22基于用电方1整体的消耗电力来判断用电方1属于哪个种类，基于该判断结果来生成长期预测模型。像这样，在生成长期预测模型时也使用其它用电方的数据，由此学习效率和学习精度提高。
<第二实施方式>
在第二实施方式中，说明还具备发电装置的用电方的电力管理系统。
图15是示出第二实施方式所涉及的用电方1A的电力管理系统的结构的框图。图15的用电方1A具备配电盘11A和控制装置16A来代替图1的用电方1的配电盘11和控制装置16，并且还具备发电装置17和电力计18。用电方1A与电力系统2及服务器装置3A连接。
发电装置17产生规定的发电电力Pg。发电装置17例如是太阳电池，但也可以是其它电源。发电装置17具备从直流转换为交流的电力转换电路。
电力计18测定出发电装置17的发电电力后通知给控制装置16A。
配电盘11A在控制装置16A的控制下，在电力系统2、蓄电装置13、发电装置17以及负载装置15-1、15-2之间传送电力。配电盘11A在某情况下将从电力系统2接受到的电力发送至蓄电装置13和/或负载装置15-1、15-2。配电盘11A在其它情况下将从蓄电装置13接受到的电力发送至负载装置15-1、15-2和/或电力系统2。配电盘11A在其它情况下，将从发电装置17接受到的电力发送至蓄电装置13、负载装置15-1、15-2和/或电力系统2。
控制装置16A具备控制器21A来代替图1的控制装置16的控制器21，并且还具备用于预测发电电力的时间上的变化的长期预测模型生成器26、长期预测器27、短期预测模型生成器28以及短期预测器29。控制装置16A的长期预测模型生成器22、长期预测器23、短期预测模型生成器24以及短期预测器25是与图1的控制装置16中的对应的构成要素同样地为了预测用电方1整体的消耗电力的时间上的变化而设置的。
控制器21A执行参照图16和图17后述的电力管理处理，控制蓄电装置13的充电和放电。
发电电力的长期预测模型生成器26生成表示与时刻相应的发电装置17的发电电力的时间上的变化的发电电力的长期预测模型。发电电力的长期预测器27使用发电电力的长期预测模型，来预测长期预测期间内的发电电力的时间上的变化作为发电电力的长期预测电力。在发电装置17为太阳电池的情况下，长期预测模型生成器26可以从服务器装置3A获取天气的数据，基于天气的数据来生成表示与时刻相应的太阳电池的发电电力的时间上的变化的长期预测模型。同样地，在发电装置17为太阳电池的情况下，长期预测器27可以从服务器装置3A获取天气的数据，基于天气的数据来预测长期预测期间内的太阳电池的发电电力的时间上的变化作为发电电力的长期预测电力。
在本说明书中，将发电电力的长期预测模型还称作“第三预测模型”，将发电电力的长期预测电力还称作“第三预测电力”，将长期预测模型生成器26还称作“第三预测模型生成器”，将长期预测器27还称作“第三预测器”。
发电电力的短期预测模型生成器28生成表示紧挨着当前时刻之后的短期预测期间内的发电装置17的发电电力的时间上的变化的发电电力的短期预测模型。发电电力的短期预测器29使用发电电力的短期预测模型，来预测紧挨着当前时刻之后的短期预测期间内的发电电力的时间上的变化作为发电电力的短期预测电力。在发电装置17为太阳电池的情况下，短期预测模型生成器28可以从服务器装置3A获取天气的数据，基于天气的数据来生成表示紧挨着当前时刻之后的短期预测期间内的太阳电池的发电电力的时间上的变化的短期预测模型。同样地，在发电装置17为太阳电池的情况下，短期预测器29可以从服务器装置3A获取天气的数据，基于天气的数据来预测紧挨着当前时刻之后的短期预测期间内的太阳电池的发电电力的时间上的变化作为发电电力的短期预测电力。
在本说明书中，将发电电力的短期预测模型还称作“第四预测模型”，将发电电力的短期预测电力还称作“第四预测电力”，将短期预测模型生成器28还称作“第四预测模型生成器”，将短期预测器29还称作“第四预测器”。
在发电装置17为太阳电池的情况下，向短期预测模型生成器28和短期预测器29输入具有比向长期预测模型生成器26和长期预测器27输入的数据更精细的时间粒度的天气的数据。例如可以向长期预测模型生成器26和长期预测器27输入1天、1周、或1个月后为止的天气预报等数据。另一方面，例如可以向短期预测模型生成器28和短期预测器29输入数分钟或数小时后为止的天气预报、通过气象卫星等拍摄到的图像(例如表示云的动向的图像)等数据。
当以相同预测周期进行发电电力的短期的预测预备长期的预测时，数据量变得庞大。然而，通过将发电电力的长期预测模型的采样时间设定得比发电电力的短期预测模型的采样时间长，并根据目的来使用长期预测模型和短期预测模型，能够抑制必要的数据量的增大。
在发电装置17为太阳电池的情况下，该发电电力有时由于天气等的变化而急剧地变动。另外，有时由于发电装置17的故障使得该发电电力急剧地变动。当急剧地变动的发电电力流过电力系统2时，经由电力系统2传送的电力的质量有可能降低。因而，要求控制蓄电装置13的充电和放电，以吸收发电装置17的发电电力的急剧变动。
图16和图17是示出由图15的控制器21A执行的电力管理处理的流程图。
在图16的步骤S21中，控制器21A从长期预测器23和短期预测器25分别获取紧挨着当前时刻之后的短期预测期间(或包括当前时刻的短期预测期间)内的消耗电力的长期预测电力和短期预测电力。并且，控制器21A从长期预测器27和短期预测器29分别获取紧挨着当前时刻之后的短期预测期间(或包括当前时刻的短期预测期间)内的发电电力的长期预测电力和短期预测电力。并且，控制器21A基于消耗电力的长期预测电力及短期预测电力、以及发电电力的长期预测电力及短期预测电力，来预测短期预测期间内的蓄电装置13的充电电力、放电电力以及蓄电量的时间上的变化。在步骤S22中，控制器21A根据步骤S21中获取到的消耗电力的短期预测电力和发电电力的短期预测电力，来获取下一个单位时间期间内的预测出的用电方1整体的消耗电力Pcs和预测出的发电电力Pg。
在步骤S23中，控制器21A判断下一个单位时间期间内的发电电力Pg是否超过消耗电力Pcs，在为“是”时进入步骤S24，在为“否”时进入步骤S25。在步骤S24中，控制器21A进入下一个单位时间期间，在发电电力Pg超过消耗电力Pcs的期间，从发电装置17向负载装置15供给与消耗电力Pcs相等的电力，从发电装置17向蓄电装置13充入剩余的电力Pg-Pcs。
在步骤S25中，控制器21A判断下一个单位时间期间内的消耗电力Pcs与发电电力Pg的差电力Pcs-Pg是否超过电力阈值ThA，在为“是”时进入步骤S26，在为“否”时进入步骤S27。在步骤S26中，控制器21A进入下一个单位时间期间，从电力系统2向负载装置15供给与电力阈值ThA相等的接收电力Pr，从蓄电装置13向负载装置15放出不足于差电力Pcs-Pg的电力。
图18是示出在图15的用电方1A中消耗电力Pcs与发电电力Pg的差电力Pcs-Pg超过接收电力Pr的电力阈值ThA时的动作的曲线图。通过消耗电力Pcs增大，或者通过如图18的上部所示的那样发电电力Pg减少，有时在某个单位时间期间T11中，如图18的中部所示，差电力Pcs-Pg超过电力阈值ThA。当根据差电力Pcs-Pg的增大而从电力系统2接收超过电力阈值ThA的电力时，如上所述，电费的单价增大。因而，如图18的下部所示，控制器21A在预测为差电力Pcs-Pg会超过电力阈值ThA时，在差电力Pcs-Pg超过电力阈值ThA的期间，从蓄电装置13向负载装置15放电。由此，能够使接收电力Pr的大小为电力阈值ThA以下。
在步骤S27中，控制器21A判断是否在短期预测期间预测到蓄电装置13的蓄电量不足，在为“是”时进入步骤S28，在为“否”时进入步骤S29。在步骤S28中，控制器21A进入下一个单位时间期间，一边从电力系统2向负载装置15供给与差电力Pcs-Pg相等的电力，一边从电力系统2向蓄电装置13充电。
在步骤S27～S28中，与图7的步骤S5～S6同样地，控制器21A在预测为通过蓄电装置13的放电而蓄电量会达到下限值Th1时，在当前的单位时间期间T11，预先从电力系统2向蓄电装置13充电。由此，如参照图9所说明的那样，即使从蓄电装置13放电，也能够使得蓄电量不易达到下限值Th1。
在步骤S29中，控制器21A判断是否在短期预测期间中预测到蓄电装置13的蓄电量剩余，在为“是”时进入图17的步骤S30，在为“否”时进入步骤S31。在步骤S30中，控制器21A进入下一个单位时间期间，从蓄电装置13向负载装置15放出与差电力Pcs-Pg的至少一部分相等的电力。
图19是示出在图15的用电方1A中蓄电装置13的蓄电量通过充电达到上限值Th2时的动作的曲线图。当如图19的第一部分所示的那样从发电装置17向蓄电装置13充电时，有时如图19的第二部分所示的那样，蓄电装置13的蓄电量达到上限值Th2。在该情况下，无法进一步向蓄电装置13充电，发电电力被浪费。因而，控制器21A在如图19的第三部分所示的那样预测为通过蓄电装置13的充电而蓄电量会达到上限值Th2时，在当前的单位时间期间T11，预先从蓄电装置13向负载装置15放电。由此，如图19的第四部分所示，即使向蓄电装置13充电，也能够使得蓄电量不易达到上限值Th2。
在图17的步骤S31中，控制器21A计算差电力Pcs-Pg的变动速度d(Pcs-Pg)/dt。并且，控制器21A判断变动速度d(Pcs-Pg)/dt是否高于正的速度阈值ThB，在为“是”时进入步骤S32，在为“否”时进入步骤S33。在步骤S32中，控制器21A进入下一个单位时间期间，一边维持来自电力系统2的接收电力Pr的大小，一边从蓄电装置13向负载装置15放出不足于差电力Pcs-Pg的电力。
在步骤S31～S32中，与图7的步骤S7～S8同样地，控制器21A在预测为差电力Pcs-Pg会急剧地增大时，在差电力Pcs-Pg急救地增大的瞬间开始从蓄电装置13向负载装置15放电。由此，如参照图10所说明的那样(其中，将图10的上部的消耗电力Pcs替换为差电力Pcs-Pg)，能够使得不易产生接收电力Pr的急剧增大。
在步骤S33中，控制器21A判断变动速度d(Pcs-Pg)/dt是否低于负的速度阈值-ThB，在为“是”时进入步骤S34，在为“否”时进入步骤S35。在步骤S34中，控制器21A进入下一个单位时间期间，一边维持来自电力系统2的接收电力Pr的大小，一边向蓄电装置13充入接收电力Pr中的超过差电力Pcs-Pg的电力。
在步骤S33～S34中，与图7的步骤S9～S10同样地，控制器21A在预测为差电力Pcs-Pg会急剧地减少时，在差电力Pcs-Pg急剧地减少的瞬间开始从电力系统2向蓄电装置13充电。由此，如参照图11所说明的那样(其中，将图11的上部的消耗电力Pcs替换为差电力Pcs-Pg)，能够使得不易产生接收电力Pr的急剧减少。
在图16的步骤S35中，控制器21A进入下一个单位时间期间，基于长期预测电力来控制蓄电装置13的充电和放电。
在步骤S36中，控制器21A判断是否达到最后的单位时间期间，在为“是”时进入步骤S37，在为“否”时返回到步骤S22。在步骤S37中，控制器21A进入下一个短期预测期间，返回到步骤S21。
根据第二实施方式的电力管理系统，基于短期预测电力按单位时间期间高速地控制蓄电装置13的充电和放电，由此能够吸收发电装置17的发电电力的急剧变动。通过吸收发电装置17的发电电力的急剧变动，能够使经由电力系统2传送的电力的质量不易下降。通过预测发电装置17的发电电力，能够高精度地控制蓄电装置13的充电和放电。
根据第二实施方式的电力管理系统，由此，能够在保持电力系统2的稳定性的状态下扩大可再生能源的导入量。能够有效地利用由发电装置17发电产生并充入到蓄电装置13的电力，因此用电方1A的电力的自产自消的效果增大。
<第三实施方式>
图20是示出第三实施方式所涉及的用电方1B的电力管理系统的结构的框图。图20的用电方1B具备控制装置16B来代替图15的用电方1A的控制装置16A，并且还具备电力计19-1、19-2。用电方1B与电力系统2及服务器装置3B连接。
电力计19-1、19-2分别测定出负载装置15-1、15-2的消耗电力后通知给控制装置16B。
图20的控制装置16B具备长期预测模型生成器22B、长期预测器23B、短期预测模型生成器24B以及短期预测器25B来代替图15的控制装置16A的长期预测模型生成器22、长期预测器23、短期预测模型生成器24以及短期预测器25。长期预测模型生成器22B在生成长期预测模型时，除了参照由电力计12测定出的用电方1整体的消耗电力的时间上的变化以外，还参照由电力计19-1、19-2测定出的各负载装置15-1、15-2的消耗电力的时间上的变化。长期预测器23B除了参照由电力计12测定出的用电方1整体的消耗电力的时间上的变化以外，还参照由电力计19-1、19-2测定出的各负载装置15-1、15-2的消耗电力的时间上的变化。短期预测模型生成器24B在生成短期预测模型时，除了参照由电力计12测定出的用电方1整体的消耗电力的时间上的变化以外，还参照由电力计19-1、19-2测定出的各负载装置15-1、15-2的消耗电力的时间上的变化。短期预测器25B除了参照由电力计12测定出的用电方1整体的消耗电力的时间上的变化以外，还参照由电力计19-1、19-2测定出的各负载装置15-1、15-2的消耗电力的时间上的变化。
根据第三实施方式的电力管理系统，通过参照由电力计19-1、19-2测定出的各负载装置15-1、15-2的消耗电力的时间上的变化，能够提高预测用电方1整体的消耗电力的时间上的变化的精度。
<第四实施方式>
图21是示出第四实施方式所涉及的用电方1C的电力管理系统的结构的框图。图21的用电方1C具备控制装置16C来代替图15的用电方1A的控制装置16A。用电方1C与电力系统2及服务器装置3C连接。
图21的控制装置16C不具有图15的控制装置16A的长期预测模型生成器22、短期预测模型生成器24、长期预测模型生成器26以及短期预测模型生成器28。长期预测模型生成器22、短期预测模型生成器24、长期预测模型生成器26以及短期预测模型生成器28设置于外部的服务器装置3C。控制装置16C向外部的服务器装置3C通知由电力计12测定出的用电方1整体的消耗电力、由传感器14测定出的蓄电装置13的状态、以及由电力计18测定出的发电装置17的发电电力。控制装置16C从服务器装置3C获取消耗电力的长期预测模型及短期预测模型、以及发电电力的长期预测模型及短期预测模型。
根据第四实施方式的电力管理系统，通过由服务器装置3C生成消耗电力的长期预测模型及短期预测模型、以及发电电力的长期预测模型及短期预测模型，能够使控制装置16C的结构和处理简单化。通过扩展服务器装置3C的规模，能够简单地应对为了生成消耗电力的长期预测模型及短期预测模型、以及发电电力的长期预测模型及短期预测模型导致的数据量的增大。
另一方面，如第二实施方式等的电力管理系统那样，在由用电方1A的控制装置16A生成消耗电力的长期预测模型及短期预测模型、以及发电电力的长期预测模型及短期预测模型的情况下，控制装置16A自主地动作，即使服务器装置3A死机也能够继续动作。另外，能够减少与服务器装置3A之间的通信费用。在短期预测模型生成器24和短期预测器25设置于用电方1A的情况下，能够迅速地应对消耗电力的短期预测模型的变化。
<第五实施方式>
图22是示出第五实施方式所涉及的电网100的结构的框图。图22的电网100具备经由电力线2a而与电力系统2连接的多个用电方1A-1～1A-4以及服务器装置3A。多个用电方1A-1～1A-4各自与第二实施方式的用电方1A(或第二～第三实施方式的用电方1B～1C)同样地构成。下面，将用电方1A-1～1A-4也统称为用电方1A。服务器装置3A通过控制各用电方1A的控制装置16A，来控制各用电方1A之间的电力发送和电力接收。
服务器装置3A基于各用电方1A的消耗电力的长期预测模型，来生成表示与时刻相应的电网100整体的消耗电力(即，各用电方1A的合计的消耗电力)的时间上的变化的电网100的消耗电力的长期预测模型。服务器装置3A使用电网100的消耗电力的长期预测模型，来预测电网100整体的消耗电力的时间上的变化作为电网100的消耗电力的长期预测电力。
服务器装置3A基于各用电方1A的消耗电力的长期预测模型及短期预测模型，来生成表示在各用电方1A中消耗电力变化的第六时间期间内的电网100整体的消耗电力的时间上的变化的电网100的消耗电力的短期预测模型。服务器装置3A使用电网100的消耗电力的短期预测模型，基于紧挨着当前时刻之前的第七时间期间内的电网100整体的消耗电力的时间上的变化，来预测紧挨着当前时刻之后的第八时间期间内的电网100整体的消耗电力的时间上的变化作为电网100的消耗电力的短期预测电力。
服务器装置3A以基于电网100的消耗电力的长期预测电力按规定的第九时间期间设定规定的送电电力和规定的接收电力，来控制各用电方1A之间的电力发送和电力接收。服务器装置3A以基于电网100的消耗电力的短期预测电力按比第八时间期间和第九时间期间短的第十时间期间设定规定的送电电力和规定的接收电力的方式，来控制各用电方1A之间的电力发送和电力接收。
服务器装置3A在不考虑各用电方1A的发电装置17的情况(或者电网100由不具有发电装置的图1的用电方1构成的情况)下，以如下方式动作。
服务器装置3A基于电网100的消耗电力的长期预测电力和短期预测电力，来预测电网100整体的充电电力、放电电力以及蓄电量(即，各用电方1A的蓄电装置13的合计值)的时间上的变化。服务器装置3A在预测为通过各用电方1A的蓄电装置13的放电而蓄电量会达到下限值时，预先从电力系统2向各用电方1A的蓄电装置13充电。
服务器装置3A在基于电网100的消耗电力的短期预测电力预测为电网100整体的消耗电力会急剧地增大时，在电网100整体的消耗电力急剧地增大的瞬间，从某个用电方1A的蓄电装置13向其它用电方1A的负载装置15放电。服务器装置3A在基于电网100的消耗电力的短期预测电力预测为电网100整体的消耗电力会急剧地减少时，在电网100整体的消耗电力急剧地减少的瞬间，从电力系统2向各用电方1A的蓄电装置13充电。
服务器装置3A在基于电网100的消耗电力的短期预测电力预测为电网100整体的消耗电力会超过规定的电力阈值时，在电网100整体的消耗电力超过电力阈值的期间，从某个用电方1A的蓄电装置13向其它用电方1A的负载装置15放电。
服务器装置3A在考虑各用电方1A的发电装置17的情况下，以如下方式动作。
服务器装置3A预测与时刻相应的电网100整体的发电电力(即，各用电方1A的发电装置17的合计的发电电力)的时间上的变化作为电网100的发电电力的长期预测电力。另外，服务器装置3A预测紧挨着当前时刻之后的短期预测期间内的电网100整体的发电电力的时间上的变化作为电网100的发电电力的短期预测电力。服务器装置3A基于电网100的消耗电力的长期预测电力及短期预测电力、以及电网100的发电电力的长期预测电力及短期预测电力，来预测电网100整体的充电电力、放电电力以及蓄电量的时间上的变化。
服务器装置3A在预测为通过各用电方1A的蓄电装置13的充电而电网100整体的蓄电量会达到上限值时，预先从某个用电方1A的蓄电装置13向其它用电方1A的负载装置15放电。
服务器装置3A在基于电网100的消耗电力的短期预测电力和发电电力的短期预测电力预测为从电网100整体的消耗电力减去电网100整体的发电电力所得到的差电力会急剧地增大时，在差电力急剧地增大的瞬间，从某个用电方1A的蓄电装置13向其它用电方1A的负载装置15放电。服务器装置3A在基于电网100的消耗电力的短期预测电力和发电电力的短期预测电力预测为差电力会急剧地减少时，在差电力急剧地减少的瞬间，从电力系统2向各用电方1A的蓄电装置13充电。
服务器装置3A在基于电网100的消耗电力的短期预测电力和发电电力的短期预测电力预测为从电网100整体的消耗电力减去电网100整体的发电电力所得到的差电力会超过规定的电力阈值时，在差电力超过电力阈值的期间，从某个用电方1A的蓄电装置13向其它用电方1A的负载装置15放电。
服务器装置3A在基于电网100的消耗电力的短期预测电力和发电电力的短期预测电力预测为电网100整体的发电电力会超过电网100整体的消耗电力时，在电网100整体的发电电力超过电网100整体的消耗电力的期间，从某个用电方1A的发电装置17向其它用电方1A的蓄电装置13充电。
根据第五实施方式的电网管理系统，能够预测电网整体的消耗电力的时间上的变化，稳定地控制电网整体。
<第六实施方式>
图23是示出第六实施方式所涉及的电力网的结构的框图。图23的电力网具备经由电力线2a而与电力系统2连接的多个电网100-1～100-4以及服务器装置3D，多个电网100-1～100-4各自与第五实施方式的电网100同样地构成。下面，将电网100-1～100-4也统称为电网100。服务器装置3D通过控制各电网100的服务器装置3A，来控制各电网100～100-4之间的电力发送和电力接收。
服务器装置3D基于各电网100的消耗电力的长期预测模型，来生成表示与时刻相应的电力网整体的消耗电力的时间上的变化的电力网的消耗电力的长期预测模型。服务器装置3D使用电力网的消耗电力的长期预测模型，来预测电力网整体的消耗电力的时间上的变化作为电力网的消耗电力的长期预测电力。
服务器装置3D基于各电网100的消耗电力的长期预测模型及短期预测模型，来生成表示在各电网100中消耗电力变化的第十一时间期间内的电力网整体的消耗电力的时间上的变化的电力网的消耗电力的短期预测模型。服务器装置3D使用电力网的消耗电力的短期预测模型，基于紧挨着当前时刻之前的第十二时间期间内的电力网整体的消耗电力的时间上的变化，来预测紧挨着当前时刻之后的第十三时间期间内的电力网整体的消耗电力的时间上的变化作为电力网的消耗电力的短期预测电力。
服务器装置3D以基于电力网的消耗电力的长期预测电力按规定的第十四时间期间设定规定的送电电力和规定的接收电力的方式，来控制各电网100之间的电力发送和电力接收。服务器装置3D以基于电力网的消耗电力的短期预测电力按比第十三时间期间和第十四时间期间短的第十五时间期间设定规定的送电电力和规定的接收电力的方式，来控制各电网100之间的电力发送和电力接收。
服务器装置3D在不考虑各电网100的发电装置17的情况(或电力网由不具有发电装置的电网构成的情况)下，以如下方式动作。
服务器装置3D基于电力网的消耗电力的长期预测电力及短期预测电力，来预测电力网整体的充电电力、放电电力以及蓄电量(即，各电网100的蓄电装置13的合计值)的时间上的变化。服务器装置3D在预测为通过各电网100的蓄电装置13的放电而蓄电量会达到下限值时，预先从电力系统2向各电网100的蓄电装置13充电。
服务器装置3D在基于电力网的消耗电力的短期预测电力预测为电力网整体的消耗电力会急剧地增大时，在电力网整体的消耗电力急剧地增大的瞬间，从某个电网100的蓄电装置13向其它电网100的负载装置15放电。服务器装置3D在基于电力网的消耗电力的短期预测电力预测为电力网整体的消耗电力会急剧地减少时，在电力网整体的消耗电力急剧地减少的瞬间，从电力系统2向各电网100的蓄电装置13充电。
服务器装置3D在基于电力网的消耗电力的短期预测电力预测为电力网整体的消耗电力会超过规定的电力阈值时，在电力网整体的消耗电力超过电力阈值的期间，从某个电网100的蓄电装置13向其它电网100的负载装置15放电。
服务器装置3D在考虑各电网100的发电装置17的情况下，以如下方式动作。
服务器装置3D预测与时刻相应的电力网整体的发电电力(即，各电网100的发电装置17的合计的发电电力)的时间上的变化作为电力网的发电电力的长期预测电力。另外，服务器装置3D预测紧挨着当前时刻之后的短期预测期间内的电力网整体的发电电力的时间上的变化作为电力网的发电电力的短期预测电力。服务器装置3D基于电力网的消耗电力的长期预测电力及短期预测电力、以及电力网的发电电力的长期预测电力及短期预测电力，来预测电力网整体的充电电力、放电电力以及蓄电量的时间上的变化。
服务器装置3D在预测为通过各电网100的蓄电装置13的充电而电力网整体的蓄电量会达到上限值时，预先从某个电网100的蓄电装置13向其它电网100的负载装置15放电。
服务器装置3D在基于电力网的消耗电力的短期预测电力和发电电力的短期预测电力预测为从电力网整体的消耗电力减去电力网整体的发电电力所得到的差电力会急剧地增大时，在差电力急剧地增大的瞬间，从某个电网100的蓄电装置13向其它电网100的负载装置15放电。服务器装置3D在基于电力网的消耗电力的短期预测电力和发电电力的短期预测电力预测为差电力会急剧地减少时，在差电力急剧地减少的瞬间，从电力系统2向各电网100的蓄电装置13充电。
服务器装置3D在基于电力网的消耗电力的短期预测电力和发电电力的短期预测电力预测为从电力网整体的消耗电力减去电力网整体的发电电力所得到的差电力会超过规定的电力阈值时，在差电力超过电力阈值的期间，从某个电网100的蓄电装置13向其它电网100的负载装置15放电。
服务器装置3D在基于电力网的消耗电力的短期预测电力和发电电力的短期预测电力预测为电力网整体的发电电力会超过电力网整体的消耗电力时，在电力网整体的发电电力超过电力网整体的消耗电力的期间，从某个电网100的发电装置17向其它电网100的蓄电装置13充电。
根据第六实施方式的电力网管理系统，能够预测出电力网整体的消耗电力的时间上的变化，稳定地控制电力网整体。
另外，还可以构成具备与第六实施方式的电力网同样地构成的多个电力网的更上位的电力管理系统。
下位的电力管理系统中的蓄电装置的充电和放电也可以受上位的电力管理系统的限制。在该情况下，例如在电网中，为了取得电网整体的供需平衡，用电方之间的电力发送和电力接收等受限制，下位的用电方还考虑该限制来控制蓄电装置的充电和放电。
本公开的蓄电装置的控制装置、电力管理系统以及电网管理系统具备以下结构。
根据第1方式所涉及的蓄电装置的控制装置，是与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中的所述蓄电装置的控制装置，所述控制装置具备：第一预测器，其使用表示与时刻相应的所述用电方整体的消耗电力的时间上的变化的第一预测模型，来预测所述用电方整体的消耗电力的时间上的变化作为第一预测电力；第二预测器，其使用表示所述多个负载装置各自的消耗电力变化前后的第一时间期间内的所述用电方整体的消耗电力的时间上的变化的第二预测模型，基于紧挨着当前时刻之前的第二时间期间内的所述用电方整体的消耗电力的时间上的变化，来预测紧挨着所述当前时刻之后的第三时间期间内的所述用电方整体的消耗电力的时间上的变化作为第二预测电力；以及控制器，其以基于所述第一预测电力按规定的第四时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，并且以基于所述第二预测电力按比所述第三时间期间和所述第四时间期间短的第五时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，其中，所述控制器基于所述第一预测电力和所述第二预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，所述控制器在预测为通过所述蓄电装置的放电而所述蓄电量会达到下限值时，预先从所述电力系统向所述蓄电装置充电。
根据第2方式所涉及的蓄电装置的控制装置，在第1方式所涉及的蓄电装置的控制装置中，所述控制器在基于所述第二预测电力预测为所述用电方整体的消耗电力会急剧地增大时，在所述用电方整体的消耗电力急剧地增大的瞬间，从所述蓄电装置向所述负载装置放电，所述控制器在基于所述第二预测电力预测为所述用电方整体的消耗电力会急剧地减少时，在所述用电方整体的消耗电力急剧地减少的瞬间，从所述电力系统向所述蓄电装置充电。
根据第3方式所涉及的蓄电装置的控制装置，在第1或第2方式所涉及的蓄电装置的控制装置中，所述控制器在基于所述第二预测电力预测为所述用电方整体的消耗电力会超过规定的电力阈值时，在所述用电方整体的消耗电力超过所述电力阈值的期间，从所述蓄电装置向所述负载装置放电。
根据第4方式所涉及的蓄电装置的控制装置，在第1方式所涉及的蓄电装置的控制装置中，所述用电方具备产生规定的发电电力的发电装置。
根据第5方式所涉及的蓄电装置的控制装置，在第4方式所涉及的蓄电装置的控制装置中，所述控制装置还具备：第三预测器，其预测与时刻相应的所述发电电力的时间上的变化作为第三预测电力；以及第四预测器，其预测紧挨着所述当前时刻之后的所述第三时间期间内的所述发电电力的时间上的变化作为第四预测电力，所述控制器基于所述第一预测电力、所述第二预测电力、所述第三预测电力以及所述第四预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，所述控制器在预测为通过所述蓄电装置的充电而所述蓄电量会达到上限值时，预先从所述蓄电装置向所述负载装置放电。
根据第6方式所涉及的蓄电装置的控制装置，在第5方式所涉及的蓄电装置的控制装置中，所述控制器在基于所述第二预测电力和所述第四预测电力预测为从所述用电方整体的消耗电力减去所述发电电力所得到的差电力会急剧地增大时，在所述差电力急剧地增大的瞬间，从所述蓄电装置向所述负载装置放电，所述控制器在基于所述第二预测电力和所述第四预测电力预测为所述差电力会急剧地减少时，在所述差电力急剧地减少的瞬间，从所述电力系统向所述蓄电装置充电。
根据第7方式所涉及的蓄电装置的控制装置，在第5或第6方式所涉及的蓄电装置的控制装置中，所述控制器在基于所述第二预测电力和所述第四预测电力预测为从所述用电方整体的消耗电力减去所述发电电力所得到的差电力会超过规定的电力阈值时，在所述差电力超过所述电力阈值的期间，从所述蓄电装置向所述负载装置放电。
根据第8方式所涉及的蓄电装置的控制装置，在第5～第7中的一个方式所涉及的蓄电装置的控制装置中，所述控制器在基于所述第二预测电力和所述第四预测电力预测为所述发电电力会超过所述用电方整体的消耗电力时，在所述发电电力超过所述用电方整体的消耗电力的期间，从所述发电装置向所述蓄电装置充电。
根据第9方式所涉及的蓄电装置的控制装置，在第5～第8中的一个方式所涉及的蓄电装置的控制装置中，所述发电装置为太阳电池，所述第三预测器和所述第四预测器与外部的服务器装置进行通信，来从所述服务器装置获取天气的数据，基于所述天气的数据来预测所述太阳电池的发电电力的时间上的变化分别作为所述第三预测电力和所述第四预测电力。
根据第10方式所涉及的蓄电装置的控制装置，在第1～第9中的一个方式所涉及的蓄电装置的控制装置中，所述第二预测器具备神经网络，所述神经网络具有：输入层，其被输入表示所述第二时间期间内的所述用电方整体的消耗电力的时间上的变化的时间序列数据；至少一层中间层；以及输出层，其输出表示所述第一时间期间内的所述用电方整体的消耗电力的时间上的变化的时间序列数据，所述神经网络以表示所述第二预测模型的方式进行过学习。
根据第11方式所涉及的蓄电装置的控制装置，在第1～第10中的一个方式所涉及的蓄电装置的控制装置中，所述第二预测模型表示将所述多个负载装置各自的电源接通前后的所述第一时间期间内的所述用电方整体的消耗电力的时间上的变化。
根据第12方式所涉及的蓄电装置的控制装置，在第1～第11中的一个方式所涉及的蓄电装置的控制装置中，所述控制装置还具备：第一预测模型生成器，其生成所述第一预测模型；以及第二预测模型生成器，其生成所述第二预测模型。
根据第13方式所涉及的蓄电装置的控制装置，在第12方式所涉及的蓄电装置的控制装置中，参照其它用电方的消耗电力来生成所述第一预测模型和所述第二预测模型。
根据第14方式所涉及的蓄电装置的控制装置，在第12或第13方式所涉及的蓄电装置的控制装置中，所述第二预测模型比所述第一预测模型更频繁地被进行更新。
根据第15方式所涉及的蓄电装置的控制装置，在第1～第14中的一个方式所涉及的蓄电装置的控制装置中，所述控制器在基于所述第二预测电力来设定规定的充电电力或规定的放电电力时，基于所述第一预测电力来设定充电电力或放电电力的上限。
根据第16方式所涉及的蓄电装置的控制装置，在第1～第15中的一个方式所涉及的蓄电装置的控制装置中，所述控制器与外部的服务器装置进行通信，来从所述服务器装置获取电费的数据，在所述电费超过第一费用阈值时，所述控制器从所述蓄电装置向所述负载装置放电，在所述电费少于第二费用阈值时，所述控制器从所述电力系统向所述蓄电装置充电。
根据第17方式所涉及的电力管理系统，用于与电力系统连接的用电方，其中，所述用电方具备多个负载装置、至少一个蓄电装置以及第1～第16中的一个方式所涉及的蓄电装置的控制装置。
根据第18方式所涉及的电网管理系统，用于具备与电力系统连接的多个用电方的电网，其中，所述多个用电方各自具备第17方式所涉及的电力管理系统，所述电网还具备服务器装置，所述服务器装置通过控制各所述用电方的控制装置，来控制各所述用电方之间的电力发送和电力接收。
产业上的可利用性
根据本公开，在与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中，能够决定蓄电装置的充电电力和放电电力的大小，以抑制来自电力系统的接收电力的急剧变动。
附图标记说明
1、1A～1C、1A-1～1A-4：用电方；2：电力系统；2a：电力线；3、3A～3D：服务器装置；11、11A：配电盘；12：电力计；13：蓄电装置；14：传感器；15-1、15-2：负载装置；16、16A～16C：控制装置；17：发电装置；18、19-1、19-2：电力计；21、21A～21C：控制器；22、22B：长期预测模型生成器(消耗电力)；23、23B：长期预测器(消耗电力)；24、24B：短期预测模型生成器(消耗电力)；25、25B：短期预测器(消耗电力)；26：长期预测模型生成器(发电电力)；27：长期预测器(发电电力)；28：短期预测模型生成器(发电电力)；29：短期预测器(发电电力)；31：学习器(用电方1整体)；32：学习器(个别的负载装置15)；33：判定器；34：模式识别器；41：输入层；42：中间层；43：输出层；100、100-1～100-4：电网；N1-1～N1-P：输入层的节点；N2-1～N2-Q、N(M-1)-1～N(M-1)-R：中间层的节点；NM-1～NM-S：输出层的节点。

Claims (18)

1.一种控制装置，是与电力系统连接且具备多个负载装置和至少一个蓄电装置的用电方中的所述蓄电装置的控制装置，
所述控制装置具备：
第一预测器，其使用表示与时刻相应的所述用电方整体的消耗电力的时间上的变化的第一预测模型，来预测所述用电方整体的消耗电力的时间上的变化作为第一预测电力；
第二预测器，其使用表示所述多个负载装置各自的消耗电力变化前后的第一时间期间内的所述用电方整体的消耗电力的时间上的变化的第二预测模型，基于紧挨着当前时刻之前的第二时间期间内的所述用电方整体的消耗电力的时间上的变化，来预测紧挨着所述当前时刻之后的第三时间期间内的所述用电方整体的消耗电力的时间上的变化作为第二预测电力；以及
控制器，其以基于所述第一预测电力按规定的第四时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，并且以基于所述第二预测电力按比所述第三时间期间和所述第四时间期间短的第五时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，
其中，所述控制器基于所述第一预测电力和所述第二预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，
所述控制器在预测为通过所述蓄电装置的放电而所述蓄电量会达到下限值时，预先从所述电力系统向所述蓄电装置充电。
2.根据权利要求1所述的控制装置，其中，
所述控制器在基于所述第二预测电力预测为所述用电方整体的消耗电力会急剧地增大时，在所述用电方整体的消耗电力急剧地增大的瞬间，从所述蓄电装置向所述负载装置放电，
所述控制器在基于所述第二预测电力预测为所述用电方整体的消耗电力会急剧地减少时，在所述用电方整体的消耗电力急剧地减少的瞬间，从所述电力系统向所述蓄电装置充电。
3.根据权利要求1或2所述的控制装置，其中，
所述控制器在基于所述第二预测电力预测为所述用电方整体的消耗电力会超过规定的电力阈值时，在所述用电方整体的消耗电力超过所述电力阈值的期间，从所述蓄电装置向所述负载装置放电。
4.根据权利要求1所述的控制装置，其中，
所述用电方具备产生规定的发电电力的发电装置。
5.根据权利要求4所述的控制装置，其中，
所述控制装置还具备：
第三预测器，其预测与时刻相应的所述发电电力的时间上的变化作为第三预测电力；以及
第四预测器，其预测紧挨着所述当前时刻之后的所述第三时间期间内的所述发电电力的时间上的变化作为第四预测电力，
所述控制器基于所述第一预测电力、所述第二预测电力、所述第三预测电力以及所述第四预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，
所述控制器在预测为通过所述蓄电装置的充电而所述蓄电量会达到上限值时，预先从所述蓄电装置向所述负载装置放电。
6.根据权利要求5所述的控制装置，其中，
所述控制器在基于所述第二预测电力和所述第四预测电力预测为从所述用电方整体的消耗电力减去所述发电电力所得到的差电力会急剧地增大时，在所述差电力急剧地增大的瞬间，从所述蓄电装置向所述负载装置放电，
所述控制器在基于所述第二预测电力和所述第四预测电力预测为所述差电力会急剧地减少时，在所述差电力急剧地减少的瞬间，从所述电力系统向所述蓄电装置充电。
7.根据权利要求5或6所述的控制装置，其中，
所述控制器在基于所述第二预测电力和所述第四预测电力预测为从所述用电方整体的消耗电力减去所述发电电力所得到的差电力会超过规定的电力阈值时，在所述差电力超过所述电力阈值的期间，从所述蓄电装置向所述负载装置放电。
8.根据权利要求5或6所述的控制装置，其中，
所述控制器在基于所述第二预测电力和所述第四预测电力预测为所述发电电力会超过所述用电方整体的消耗电力时，在所述发电电力超过所述用电方整体的消耗电力的期间，从所述发电装置向所述蓄电装置充电。
9.根据权利要求5或6所述的控制装置，其中，
所述发电装置为太阳电池，
所述第三预测器和所述第四预测器与外部的服务器装置进行通信，来从所述服务器装置获取天气的数据，基于所述天气的数据来预测所述太阳电池的发电电力的时间上的变化分别作为所述第三预测电力和所述第四预测电力。
10.根据权利要求1所述的控制装置，其中，
所述第二预测器具备神经网络，所述神经网络具有：输入层，其被输入表示所述第二时间期间内的所述用电方整体的消耗电力的时间上的变化的时间序列数据；至少一层中间层；以及输出层，其输出表示所述第一时间期间内的所述用电方整体的消耗电力的时间上的变化的时间序列数据，所述神经网络以表示所述第二预测模型的方式进行过学习。
11.根据权利要求1所述的控制装置，其中，
所述第二预测模型表示将所述多个负载装置各自的电源接通前后的所述第一时间期间内的所述用电方整体的消耗电力的时间上的变化。
12.根据权利要求1所述的控制装置，其中，
所述控制装置还具备：
第一预测模型生成器，其生成所述第一预测模型；以及
第二预测模型生成器，其生成所述第二预测模型。
13.根据权利要求12所述的控制装置，其中，
参照其它用电方的消耗电力来生成所述第一预测模型和所述第二预测模型。
14.根据权利要求12所述的控制装置，其中，
所述第二预测模型比所述第一预测模型更频繁地被进行更新。
15.根据权利要求1所述的控制装置，其中，
所述控制器在基于所述第二预测电力设定规定的充电电力或规定的放电电力时，基于所述第一预测电力来设定充电电力或放电电力的上限。
16.根据权利要求1所述的控制装置，其中，
所述控制器与外部的服务器装置进行通信，来从所述服务器装置获取电费的数据，
在所述电费超过第一费用阈值时，所述控制器从所述蓄电装置向所述负载装置放电，
在所述电费少于第二费用阈值时，所述控制器从所述电力系统向所述蓄电装置充电。
17.一种电力管理系统，用于与电力系统连接的用电方，其中，
所述用电方具备：
多个负载装置；
至少一个蓄电装置；以及
所述蓄电装置的控制装置，
所述控制装置具备：
第一预测器，其使用表示与时刻相应的所述用电方整体的消耗电力的时间上的变化的第一预测模型，来预测所述用电方整体的消耗电力的时间上的变化作为第一预测电力；
第二预测器，其使用表示所述多个负载装置各自的消耗电力变化前后的第一时间期间内的所述用电方整体的消耗电力的时间上的变化的第二预测模型，基于紧挨着当前时刻之前的第二时间期间内的所述用电方整体的消耗电力的时间上的变化，来预测紧挨着所述当前时刻之后的第三时间期间内的所述用电方整体的消耗电力的时间上的变化作为第二预测电力；以及
控制器，其以基于所述第一预测电力按规定的第四时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，并且以基于所述第二预测电力按比所述第三时间期间和所述第四时间期间短的第五时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，
所述控制器基于所述第一预测电力和所述第二预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，
所述控制器在预测为通过所述蓄电装置的放电而所述蓄电量会达到下限值时，预先从所述电力系统向所述蓄电装置充电。
18.一种电网管理系统，用于具备与电力系统连接的多个用电方的电网，其中，
所述多个用电方各自具备电力管理系统，
各所述用电方具备：
多个负载装置；
至少一个蓄电装置；以及
所述蓄电装置的控制装置，
所述控制装置具备：
第一预测器，其使用表示与时刻相应的所述用电方整体的消耗电力的时间上的变化的第一预测模型，来预测所述用电方整体的消耗电力的时间上的变化作为第一预测电力；
第二预测器，其使用表示所述多个负载装置各自的消耗电力变化前后的第一时间期间内的所述用电方整体的消耗电力的时间上的变化的第二预测模型，基于紧挨着当前时刻之前的第二时间期间内的所述用电方整体的消耗电力的时间上的变化，来预测紧挨着所述当前时刻之后的第三时间期间内的所述用电方整体的消耗电力的时间上的变化作为第二预测电力；以及
控制器，其以基于所述第一预测电力按规定的第四时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，并且以基于所述第二预测电力按比所述第三时间期间和所述第四时间期间短的第五时间期间设定规定的充电电力或规定的放电电力的方式来控制所述蓄电装置的充电和放电，
所述控制器基于所述第一预测电力和所述第二预测电力，来预测所述蓄电装置的充电电力、放电电力以及蓄电量的时间上的变化，
所述控制器在预测为通过所述蓄电装置的放电而所述蓄电量会达到下限值时，预先从所述电力系统向所述蓄电装置充电，
所述电网还具备服务器装置，所述服务器装置通过控制各所述用电方的控制装置，来控制各所述用电方之间的电力发送和电力接收。
CN201880080673.9A 2017-12-15 2018-12-04 电力管理系统 Active CN111466061B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-240999 2017-12-15
JP2017240999 2017-12-15
PCT/JP2018/044538 WO2019116960A1 (ja) 2017-12-15 2018-12-04 電力管理システム

Publications (2)

Publication Number Publication Date
CN111466061A CN111466061A (zh) 2020-07-28
CN111466061B true CN111466061B (zh) 2023-03-17

Family

ID=66820044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880080673.9A Active CN111466061B (zh) 2017-12-15 2018-12-04 电力管理系统

Country Status (4)

Country Link
US (1) US11342751B2 (zh)
JP (1) JP7033750B2 (zh)
CN (1) CN111466061B (zh)
WO (1) WO2019116960A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11411402B1 (en) * 2019-05-20 2022-08-09 Aquila Ip, Llc Systems and methods for optimizing energy demand with energy availability shapes, through inputs, incentivization and display
KR102485496B1 (ko) * 2019-12-20 2023-01-06 한국전자통신연구원 단기 전력 소비량을 이용해 에너지 저장 장치를 제어하는 전력 충·방전 제어 방법 및 장치
EP4094338A1 (en) * 2020-01-23 2022-11-30 Telefonaktiebolaget LM Ericsson (publ) Power grid frequency stabilization using infrastructure of communications network
JP7474623B2 (ja) * 2020-03-27 2024-04-25 本田技研工業株式会社 電力算出装置
EP4251931A4 (en) * 2020-11-28 2024-10-23 Greenpwr Inc. PHOTOVOLTAIC WATER HEATING CONTROL SYSTEM AND METHOD
TWI816547B (zh) 2022-09-14 2023-09-21 財團法人資訊工業策進會 基於非侵入式負載監控辨識電器運作狀態的方法和系統
JP2024158090A (ja) * 2023-04-27 2024-11-08 日立ヴァンタラ株式会社 ストレージシステム及びストレージシステムの制御方法
CN118137625B (zh) * 2024-05-08 2024-07-12 深圳市鸿锡科技有限公司 一种双向变频电流充电器的充电控制方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007143375A (ja) * 2005-11-22 2007-06-07 Chugoku Electric Power Co Inc:The 発電機制御装置及び発電機の制御方法
JP2010022101A (ja) * 2008-07-09 2010-01-28 Toshiba Corp 小規模電力系統の需給制御装置
CN102474110A (zh) * 2009-07-15 2012-05-23 松下电器产业株式会社 电力控制系统、电力控制方法、电力控制装置及电力控制程序
CN102598458A (zh) * 2009-09-28 2012-07-18 松下电器产业株式会社 并网型供电系统
CN102884700A (zh) * 2010-07-28 2013-01-16 松下电器产业株式会社 电力供给系统、电力供给系统的控制装置、电力供给系统的运转方法和电力供给系统的控制方法
EP2573579A2 (de) * 2011-09-21 2013-03-27 Techem Energy Services GmbH Verfahren zur Ermittlung des Batterieladezustands einer Batterie in einem batteriebetriebenen Gerät und Verbrauchserfassungsgerät
CN103248065A (zh) * 2013-05-22 2013-08-14 中国南方电网有限责任公司调峰调频发电公司 一种风电场中电池储能系统的充放电控制方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS542566B2 (zh) 1973-08-27 1979-02-09
JP5025834B2 (ja) * 2010-11-10 2012-09-12 パナソニック株式会社 運転計画方法、運転計画装置、ヒートポンプ式給湯システムの運転方法、及びヒートポンプ式給湯暖房システムの運転方法
US8949629B2 (en) * 2011-04-01 2015-02-03 International Business Machines Corporation Predicting battery power usage
JP5353957B2 (ja) * 2011-06-14 2013-11-27 株式会社デンソー 電力供給システム
JP5877346B2 (ja) * 2011-10-24 2016-03-08 パナソニックＩｐマネジメント株式会社 負荷制御装置、プログラム、負荷制御システム
JP5624172B1 (ja) 2013-04-26 2014-11-12 三菱電機株式会社 電気機器管理装置及びプログラム
JP2016015857A (ja) 2014-07-03 2016-01-28 シャープ株式会社 電力制御システム及び電力制御装置
JP6920658B2 (ja) 2016-06-17 2021-08-18 パナソニックＩｐマネジメント株式会社 電力管理システム
TWI674729B (zh) * 2017-11-10 2019-10-11 財團法人資訊工業策進會 提供多服務之蓄電池之充放電控制裝置及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007143375A (ja) * 2005-11-22 2007-06-07 Chugoku Electric Power Co Inc:The 発電機制御装置及び発電機の制御方法
JP2010022101A (ja) * 2008-07-09 2010-01-28 Toshiba Corp 小規模電力系統の需給制御装置
CN102474110A (zh) * 2009-07-15 2012-05-23 松下电器产业株式会社 电力控制系统、电力控制方法、电力控制装置及电力控制程序
CN102598458A (zh) * 2009-09-28 2012-07-18 松下电器产业株式会社 并网型供电系统
CN102884700A (zh) * 2010-07-28 2013-01-16 松下电器产业株式会社 电力供给系统、电力供给系统的控制装置、电力供给系统的运转方法和电力供给系统的控制方法
EP2573579A2 (de) * 2011-09-21 2013-03-27 Techem Energy Services GmbH Verfahren zur Ermittlung des Batterieladezustands einer Batterie in einem batteriebetriebenen Gerät und Verbrauchserfassungsgerät
CN103248065A (zh) * 2013-05-22 2013-08-14 中国南方电网有限责任公司调峰调频发电公司 一种风电场中电池储能系统的充放电控制方法

Also Published As

Publication number Publication date
US11342751B2 (en) 2022-05-24
CN111466061A (zh) 2020-07-28
JP7033750B2 (ja) 2022-03-11
US20200389029A1 (en) 2020-12-10
JPWO2019116960A1 (ja) 2020-12-03
WO2019116960A1 (ja) 2019-06-20

Similar Documents

Publication Publication Date Title
CN111466061B (zh) 电力管理系统
JP6920658B2 (ja) 電力管理システム
US10509374B2 (en) Systems and methods for managing power generation and storage resources
US8571720B2 (en) Supply-demand balance controller
CN105684257B (zh) 用于控制微电网的操作的微电网能量管理系统和方法
JP5095495B2 (ja) 電力システムおよびその制御方法
JP6298465B2 (ja) 電力管理装置、電力管理システム、サーバ、電力管理方法、プログラム
JP6543145B2 (ja) ピーク電力予測装置、電力管理システム及びピーク電力予測方法
WO2016017424A1 (ja) 制御装置、機器制御装置、通知方法および記録媒体
KR101783599B1 (ko) 패턴 분석을 활용한 부하 분산을 위한 전력 소비량 제어 기반 수요·공급 관리 시스템
TW201843906A (zh) 蓄電池運用裝置及蓄電池運用方法
KR101517395B1 (ko) 건물의 전력 사용량을 제어하는 방법 및 건물에너지관리장치
KR20170119863A (ko) 에너지 저장 장치 용량 산정 방법 및 이를 이용하는 전력 관리 장치
JP6584657B2 (ja) 電流電圧制御装置
JP6664479B2 (ja) 制御装置、電力管理システム、充放電の制御方法及びプログラム
JPWO2016185671A1 (ja) 蓄電池制御装置
KR20220026387A (ko) 신재생에너지 발전원의 환경 및 상태정보를 이용한 에너지 관리 시스템
JP6210419B2 (ja) 電力制御方法および電力制御装置
JP2018174623A (ja) 電力管理装置、申請発電量算出方法
JP2018011452A (ja) 蓄電池運用方法および蓄電池運用装置
Riar et al. Energy management of a microgrid: Compensating for the difference between the real and predicted output power of photovoltaics
JP6454929B2 (ja) 蓄電池制御システム、蓄電池制御方法、およびプログラム
JP7706081B1 (ja) 制御装置、制御方法、及び、プログラム
CN108695876A (zh) 基于动态规划法的电网柔性资源紧急响应策略制定方法
JP7563006B2 (ja) 電力管理システム、電力管理方法、及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant