負荷予測装置、空調システム、負荷予測プログラムおよび負荷予測方法
【課題】 空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行う。
【解決手段】 所定の周期で計測された計測対象の負荷を時系列データとして格納する時系列データベースと、負荷の時系列データのうち、現時点までの第１，２の期間分（第１の期間＞第２の期間）である第１，２のデータ系列を取得し、第１および第２のデータ系列からそれぞれ第１のデータ系列のトレンドを除去した第３および第４のデータ系列を生成するトレンド除去部と、第３のデータ系列のうち、第４のデータ系列に類似する第５のデータ系列および第５のデータ系列に続く第６のデータ系列を抽出する系列抽出部と、第６のデータ系列を第１のデータ系列の次に結合してトレンドを付加した第７のデータ系列を生成し、第７のデータ系列に基づいて負荷の予測値を時系列データとして出力する予測値出力部と、を有する。
【解決手段】 所定の周期で計測された計測対象の負荷を時系列データとして格納する時系列データベースと、負荷の時系列データのうち、現時点までの第１，２の期間分（第１の期間＞第２の期間）である第１，２のデータ系列を取得し、第１および第２のデータ系列からそれぞれ第１のデータ系列のトレンドを除去した第３および第４のデータ系列を生成するトレンド除去部と、第３のデータ系列のうち、第４のデータ系列に類似する第５のデータ系列および第５のデータ系列に続く第６のデータ系列を抽出する系列抽出部と、第６のデータ系列を第１のデータ系列の次に結合してトレンドを付加した第７のデータ系列を生成し、第７のデータ系列に基づいて負荷の予測値を時系列データとして出力する予測値出力部と、を有する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、負荷予測装置、空調システム、負荷予測プログラム、および負荷予測方法に関する。
【背景技術】
【０００２】
空調システムを運用する場合、省エネルギーや温室効果ガス削減のため、運用コストを最小化するように作成された運転スケジュールに基づいて、熱源機器などの運転制御が行われている。また、空調システムをより効率的に運用するため、将来の空調負荷を予測しながら、当該空調負荷の予測値に基づいた運転制御も行われている。例えば、特許文献１では、各サーバへの分配処理量に基づいて次タイムスパンにおける消費電力を予測し、当該消費電力の予測値に基づいて必要となる空調負荷（冷房出力）を算出して、空調機の冷房能力や風量を制御する空調システムの制御方法が開示されている。
【０００３】
このようにして、空調システムなどのシステム運用において、将来の負荷を予測しながら効率的な運用を行うことができる。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００９−２９３８５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１の消費電力の予測方法では、各サーバの稼働状況を把握するタイムスパンごとに予測を行うため、空調システムを精度よく制御するためにタイムスパンを短くするほど、短期の予測となる。したがって、例えば、現時点から次タイムスパンまでの数秒ないし数分程度の短期の予測となる。
【０００６】
そのため、例えば、サーバ室の空調を行う空調装置が起動に数時間程度を要する熱源機器を用いる場合など、より中長期の予測を必要とするシステムには利用することができない。
【課題を解決するための手段】
【０００７】
前述した課題を解決する主たる本発明は、所定の周期で計測された計測対象の負荷を時系列データとして格納する時系列データベースと、前記負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成するトレンド除去部と、前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出する系列抽出部と、前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして出力する予測値出力部と、を有することを特徴とする負荷予測装置である。
【０００８】
本発明の他の特徴については、添付図面及び本明細書の記載により明らかとなる。
【発明の効果】
【０００９】
本発明によれば、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【図面の簡単な説明】
【００１０】
【図１】本発明の一実施形態における空調システム全体の構成の概略および負荷予測装置の構成を示すブロック図である。
【図２】トレンド除去部１２、系列抽出部１３、および予測値出力部１４の機能をコンピュータに実現させるためのプログラムの動作を説明するフローチャートである。
【図３】時系列データベース１１から元データ系列Ａおよび要求系列Ｘを取得する処理の一例を説明する図である。
【図４】元データ系列Ａを線形近似してトレンドＴｒを算出する処理の一例を説明する図である。
【図５】トレンドＴｒを除去してトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’を生成する処理の一例を説明する図である。
【図６】トレンド除去系列Ｂを長さＨごとに分割して分割系列Ｃｉを生成する処理の一例を説明する図である。
【図７】分割系列Ｃｉから類似系列Ｃｊおよび次系列Ｄを選択する処理の一例を説明する図である。
【図８】次系列Ｄをトレンド除去系列Ｂの次に結合する処理の一例を説明する図である。
【図９】トレンド除去系列Ｂおよび次系列ＤにトレンドＴｒを付加して、次系列Ｄからトレンド付加系列Ｄ’を生成する処理の一例を説明する図である。
【図１０】トレンド付加系列Ｄ’が元データ系列Ａと連続するように補正して予測データ系列Ｙを生成する処理の一例を説明する図である。
【発明を実施するための形態】
【００１１】
本明細書および添付図面の記載により、少なくとも以下の事項が明らかとなる。
【００１２】
＝＝＝空調システム全体の構成の概略および負荷予測装置の構成＝＝＝
以下、図１を参照して、本発明の一実施形態における空調システム全体の構成の概略および負荷予測装置の構成について説明する。
【００１３】
図１に示されている空調システムは、例えば、消費電力の一層の削減が求められているサーバ室で用いられ、サーバ室の空調を行う空調装置の熱源機器３の運転制御を行って、室内の温度・湿度などの環境を調整するシステムである。また、当該空調システムは、熱源機器３以外に、負荷予測装置１、熱源制御装置２、および表示装置４を含んで構成され、熱源制御装置２からは、熱源機器３の制御信号ＣＮＴ、および負荷予測装置１に予測データ系列Ｙの出力を要求する要求信号Ｒｑが出力されている。
【００１４】
負荷予測装置１は、時系列データベース１１、トレンド除去部１２、系列抽出部１３、および予測値出力部１４を含んで構成されている。
【００１５】
時系列データベース１１には、熱源機器３から、現時点におけるサーバ室の空調負荷ｙが入力されている。なお、時系列データベース１１には、所定の周期で計測された空調負荷が時系列データとして格納されている。
【００１６】
トレンド除去部１２には、熱源制御装置２から要求信号Ｒｑが入力されるとともに、時系列データベース１１から、空調負荷の時系列データのうち元データ系列Ａおよび要求系列Ｘが適宜読み出されている。また、トレンド除去部１２からは、トレンド除去部１２によって生成されたトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’が出力され、これらは系列抽出部１３に入力されている。さらに、系列抽出部１３からは、系列抽出部１３によって抽出された次系列Ｄが出力され、当該次系列Ｄは、予測値出力部１４に入力されている。そして、予測値出力部１４からは、予測値出力部１４によって生成された予測データ系列Ｙが出力され、当該予測データ系列Ｙは、熱源制御装置２および表示装置４に入力されている。
【００１７】
なお、本実施形態において、負荷予測装置１内の時系列データベース１１、トレンド除去部１２、系列抽出部１３、および予測値出力部１４は、必要機能（生成手順）に関して記載（図示）されており、それらの入出力関係は図１の例に限られない。例えば、トレンドＴｒは、後述の如くトレンド除去部１２で算出されて用いられるが、トレンド除去部１２で算出されたトレンドＴｒを不図示の記憶部に格納し、当該記憶部に格納されているトレンドＴｒを予測値出力部１４で用いても構わない。また、負荷予測装置１は、各構成部で抽出や計算されたデータを図１の入出力経路に関わらず共有することができる構成であっても構わない。
【００１８】
＝＝＝空調システム全体の動作の概略＝＝＝
次に、本実施形態における空調システム全体の動作の概略について説明する。
負荷予測装置１には、熱源機器３から現時点におけるサーバ室の空調負荷ｙが入力され、時系列データベース１１は、当該空調負荷を所定の計測周期（サンプリング周期）Ｔｓの時系列データとして格納する。また、負荷予測装置１は、熱源制御装置２から入力される要求信号Ｒｑに応じて、予測データ系列Ｙを生成して出力する。そして、熱源制御装置２は、予測データ系列Ｙに基づいて制御信号ＣＮＴを出力し、熱源機器３の運転制御を行う。さらに、表示装置４は、予測データ系列Ｙの表示を行う。
【００１９】
＝＝＝負荷予測装置の動作＝＝＝
以下、図２ないし図１０を適宜参照して、本実施形態における負荷予測装置の動作について説明する。
【００２０】
負荷予測装置１のうち、トレンド除去部１２、系列抽出部１３、および予測値出力部１４の機能は、例えば、時系列データベース１１を格納する記憶部を備えるコンピュータによって実現することができる。図２は、トレンド除去部１２、系列抽出部１３、および予測値出力部１４に相当する機能をコンピュータに実現させるためのプログラムの動作を示している。
【００２１】
まず、熱源制御装置２からの要求信号Ｒｑに応じてプログラムの処理が開始され（Ｓ１）、記憶部に格納された時系列データベース１１から、元データ系列Ａ（第１のデータ系列）および要求系列Ｘ（第２のデータ系列）を取得する（Ｓ２）。
【００２２】
ここで、元データ系列Ａは、時系列データベース１１に格納されている空調負荷の時系列データのうち、開始時（以下において時刻ｔ＝０とする）から現時点までの長さＨａの期間（第１の期間）である。また、Ｈａは、後述するトレンドＴｒを算出するのに適当な長さ（時間）として、計測・予測対象の負荷に応じて、例えば１週間や１ヶ月などと予め定められている。
【００２３】
一方、要求系列Ｘは、空調負荷の時系列データのうち、現時点までの長さＨ（＜Ｈａ）の期間（第２の期間）である。また、Ｈは、時系列データに周期的な相関が見られる長さ（時間）として、計測・予測対象の負荷に応じて、例えば１時間や１日などと予め定めることができる。さらに、本実施形態では、長さＨａは、長さＨのＮ倍（Ｎは２以上の整数）であるものとする。
【００２４】
このように取得された元データ系列Ａおよび要求系列Ｘの一例を図３に示す。図３において、横軸は時刻ｔを示し、計測・予測対象の負荷がサーバ室の空調負荷である場合、時系列データに例えば２４時間周期の相関が見られるため、一例として、Ｈ＝１日（２４時間）とする。このとき、図３の例ではＮ＝８であり、元データ系列Ａは、現時点（ｔ＝Ｈａ＝８Ｈ）までの８日分の空調負荷の時系列データであり、要求系列Ｘは、元データ系列Ａのうち直近１日分である。また、縦軸は負荷の大きさを示し、一例として、Ｌ＝１００ｋＷとする。なお、要求系列Ｘは元データ系列Ａの一部であるため、元データ系列Ａのみを時系列データベース１１から取得し、要求系列Ｘを元データ系列Ａから抽出して取得するようにしてもよい。
【００２５】
次に、元データ系列ＡのトレンドＴｒを算出する（Ｓ３）。より具体的には、図４に示すように、元データ系列Ａを線形近似して、近似された一次関数をトレンドＴｒとする。ここで、元データ系列Ａの各サンプリング点の時刻をＴｋ＝Ｔｓ×ｋ（１≦ｋ≦Ｋａ＝Ｈａ／Ｔｓ）として、時刻Ｔｋにおける空調負荷をｙ（ｋ）と表すこととすると、トレンドＴｒは、
と表すことができる。
【００２６】
なお、図４の例では、トレンドＴｒが現時点（ｔ＝８Ｈ）を超えて算出（図示）されているが、この現時点を超える部分は、上記式（１）に基づいて、トレンドＴｒを現時点から長さＨだけ未来分求めたものである。ここで説明するトレンド除去処理に関しては、現時点までの長さＨａのトレンドＴｒがあれば良い。
【００２７】
次に、元データ系列Ａおよび要求系列ＸからそれぞれトレンドＴｒを除去して、トレンド除去系列Ｂ（第３のデータ系列）およびトレンド除去要求系列Ｘ’（第４のデータ系列）を生成する（Ｓ４）。より具体的には、元データ系列Ａおよび要求系列Ｘから、それぞれ式（１）の一次関数の関数値を減算して、トレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’とする。
【００２８】
ここで、図３に示した元データ系列Ａおよび要求系列Ｘからそれぞれ生成されたトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’の一例を図５において実線で示す。図５に示すように、トレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’の長さは、それぞれ元データ系列Ａの長さＨａおよび要求系列Ｘの長さＨに等しい。なお、トレンド除去要求系列Ｘ’はトレンド除去系列Ｂの一部であるため、トレンド除去系列Ｂのみを元データ系列Ａから生成し、トレンド除去要求系列Ｘ’をトレンド除去系列Ｂと長さＨとから抽出して生成するようにしてもよい。
【００２９】
以上のように、時系列データベース１１から取得した元データ系列Ａおよび要求系列Ｘから、それぞれトレンドＴｒを除去することができる。したがって、Ｓ２ないしＳ４の処理は、トレンド除去部１２に相当する機能（トレンド除去処理）を実現する。
【００３０】
次に、図６示すように、トレンド除去系列Ｂを長さＨごとに分割すると、Ｎ（＝８）個の分割系列Ｃ１ないしＣ８（Ｃ１〜Ｃ８それぞれが、第８のデータ系列）を生成する（Ｓ５）。ここで、分割系列Ｃ８はトレンド除去要求系列Ｘ’と同一であり、一般に、分割系列ＣＮは、時系列的に最新の分割系列となるので、トレンド除去要求系列Ｘ’と同一になる。なお、本実施形態では、長さＨａが長さＨの整数倍であるため、トレンド除去系列Ｂを過不足なく分割することができるが、余りが出る場合には、現時点から過去に向かって長さＨごとに分割していくことによって、分割系列ＣＮをトレンド除去要求系列Ｘ’と同一にする。
【００３１】
次に、分割系列Ｃｉから、トレンド除去要求系列Ｘ’に類似し、ｊ番目に位置する類似系列Ｃｊ（第５のデータ系列）、および次系列Ｄ（第６のデータ系列）を選択する（Ｓ６）。より具体的には、まず、最小二乗法を用いて、トレンド除去要求系列Ｘ’と同一であるものを除く分割系列Ｃｉ（１≦ｉ≦Ｎ−１）のうち、トレンド除去要求系列Ｘ’との差の二乗和が最小となるものを類似系列Ｃｊとして選択する。そして、分割系列Ｃｉ（１≦ｉ≦Ｎ）のうち、類似系列Ｃｊの次のものを次系列Ｄとして選択する。すなわち、次系列Ｄは、分割系列Ｃｊ’（ｊ’＝ｊ＋１）である。
【００３２】
ここで、図６に示した分割系列Ｃｉから選択された、トレンド除去要求系列Ｘ’に類似する類似系列Ｃｊの一例を図７において実線で示す。図７に示すように、分割系列Ｃ６が類似系列Ｃｊ（ｊ＝６）として選択されている。したがって、（６＋１＝）７番目の分割系列Ｃ７が次系列Ｄとして選択される。
【００３３】
以上のように、トレンド除去系列Ｂから、トレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出することができる。したがって、Ｓ５およびＳ６の処理は、系列抽出部１３に相当する機能（系列抽出処理）を実現する。
【００３４】
次に、図８に示すように、次系列Ｄをトレンド除去系列Ｂ（またはトレンド除去要求系列Ｘ’）の次に結合し（Ｓ７）、さらに、トレンドＴｒを付加してトレンド付加系列Ｄ’（第７のデータ系列）を生成する（Ｓ８）。より具体的には、トレンド除去系列Ｂの次に結合された次系列Ｄに、式（１）の一次関数の関数値を加算して、トレンド付加系列Ｄ’とする。
【００３５】
なお、ここで用いるトレンドＴｒは、上記の式（１）より求めても構わないし、前述した図４における“現時点を超える部分”、すなわち、現時点（ｔ＝８Ｈ）から長さＨに相当する部分を用いても良い。
【００３６】
このように生成されたトレンド付加系列Ｄ’の一例を図９に示す。ここで、トレンド除去系列Ｂと次系列Ｄとは、結合点（現時点）において通常連続していないため、トレンド付加系列Ｄ’も元データ系列Ａ（または要求系列Ｘ）と連続していない場合が多い。そのため、トレンド付加系列Ｄ’をそのまま空調負荷の予測値の時系列データとして用いた場合、空調負荷の急激な変動を予測したこととなり、熱源機器３の急激な起動／停止の切り替えを引き起こす場合もあり得る。そこで、本実施形態では、図１０に示すように、トレンド付加系列Ｄ’が元データ系列Ａと連続するように補正して、予測データ系列Ｙ（第９のデータ系列）を生成している（Ｓ９）。
【００３７】
より具体的には、元データ系列Ａの最後のサンプリング点およびトレンド付加系列Ｄ’の最初のサンプリング点におけるデータ値の差ｅを求め、当該空調負荷の差ｅを徐々に補正する。ここで、トレンド付加系列Ｄ’および予測データ系列Ｙの各サンプリング点の現時点（ｔ＝Ｔｓ×Ｋａ）からの時刻をＴｋ’＝Ｔｓ×ｋ’（１≦ｋ’≦Ｋ＝Ｈ／Ｔｓ）として、時刻Ｔｋ’におけるそれぞれのデータ値をＤ’（ｋ’）およびＹ（ｋ’）と表すこととすると、Ｙ（ｋ’）は、
と表すことができる。なお、図１０においては、一例として、Ｋｃ＝Ｋとした場合を示している。
【００３８】
以上のように、元データ系列Ａに続く、現時点から長さＨの期間分の予測データ系列Ｙを生成することができる。したがって、Ｓ７ないしＳ９の処理は、予測値出力部１４に相当する機能（予測値出力処理）を実現する。そして、予測データ系列Ｙを空調負荷の予測値の時系列データとして出力し、処理を終了する（Ｓ１０）。
【００３９】
前述したように、負荷予測装置１において、負荷の時系列データが格納された時系列データベース１１から元データ系列Ａおよび要求系列Ｘを取得し、元データ系列ＡからトレンドＴｒを除去したトレンド除去系列Ｂのうち、要求系列ＸからトレンドＴｒを除去したトレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出し、次系列Ｄをトレンド除去系列Ｂの次に結合してトレンドＴｒを付加したトレンド付加系列Ｄ’に基づいて負荷の予測値を時系列データとして求めることによって、１週間や１ヶ月などの中長期的な増加傾向や減少傾向などのトレンドを考慮した予測値を求めることができ、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【００４０】
また、元データ系列Ａを線形近似して、近似された一次関数をトレンドＴｒとすることによって、当該一次関数の関数値を、元データ系列Ａおよび要求系列Ｘからそれぞれ減算してトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’を生成するとともに、次系列Ｄに加算してトレンド付加系列Ｄ’生成することができる。
【００４１】
また、トレンド除去系列Ｂを要求系列Ｘの長さＨごとに分割して、Ｎ個の分割系列Ｃ１ないしＣＮを生成することによって、分割系列Ｃｉ（１≦ｉ≦Ｎ−１）のうち、トレンド除去要求系列Ｘ’との差の二乗和が最小となるものを類似系列Ｃｊとして選択するとともに、分割系列Ｃｉ（１≦ｉ≦Ｎ）のうち、類似系列Ｃｊの次のものを次系列Ｄとして選択することができる。
【００４２】
また、トレンド付加系列Ｄ’を元データ系列Ａと連続するように補正することによって、元データ系列Ａに続く、現時点から長さＨの期間分の予測データ系列Ｙを生成することができる。そして、当該予測データ系列Ｙを空調負荷の予測値の時系列データとして用いた場合には、熱源機器３の急激な起動／停止の切り替えを抑制することができる。
【００４３】
また、負荷予測装置１をサーバ室の空調負荷の予測に用いることによって、空調負荷のトレンドを考慮して、中長期的な予測を精度よく行うことができる。
【００４４】
また、図１に示した空調システムにおいて、熱源機器３から現時点におけるサーバ室の空調負荷ｙを負荷予測装置１に入力し、熱源制御装置２から入力される要求信号Ｒｑに応じて、負荷予測装置１から予測データ系列Ｙを生成して出力することによって、空調負荷の中長期的なトレンドを考慮した予測データ系列Ｙに基づいて熱源機器３の運転制御を行うことができる。
【００４５】
また、負荷予測装置１のトレンド除去部１２、系列抽出部１３、および予測値出力部１４に相当する機能をコンピュータに実現させるためのプログラムにおいて、記憶部に格納された負荷の時系列データのうち、元データ系列Ａおよび要求系列Ｘを取得し、元データ系列ＡからトレンドＴｒを除去したトレンド除去系列Ｂのうち、要求系列ＸからトレンドＴｒを除去したトレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出し、次系列Ｄをトレンド除去系列Ｂの次に結合してトレンドＴｒを付加したトレンド付加系列Ｄ’に基づいて負荷の予測値を時系列データとして求めることによって、中長期的なトレンドを考慮した予測値を求めることができ、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【００４６】
また、負荷の時系列データのうち、元データ系列Ａおよび要求系列Ｘを取得し、それぞれトレンドＴｒを除去したトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’を生成し、トレンド除去系列Ｂのうち、トレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出し、次系列Ｄをトレンド除去系列Ｂの次に結合してトレンドＴｒを付加したトレンド付加系列Ｄ’を生成し、トレンド付加系列Ｄ’に基づいて負荷の予測値を時系列データとして求めることによって、中長期的なトレンドを考慮した予測値を求めることができ、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【００４７】
なお、上記実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明にはその等価物も含まれる。
【００４８】
上記実施形態では、負荷予測装置１から出力される予測データ系列Ｙは、熱源制御装置２に入力され、熱源機器３の運転制御に用いられているが、これに限定されるものではなく、例えば、表示装置４に表示させて用いることもできる。予測データ系列Ｙを表示装置４に表示させることによって、例えば、負荷の予測値が予め設定された許容範囲内に収まっていることを作業者が確認したり、負荷が許容範囲を逸脱する可能性を作業者に事前に報知したりすることができる。
【００４９】
上記実施形態では、計測・予測対象の負荷がサーバ室の空調負荷である場合について説明したが、これに限定されるものではない。負荷予測装置１は、例えば特許文献１と同様のサーバ消費電力の予測などにも用いることができ、特に、１週間や１ヶ月などの中長期的な増加傾向や減少傾向などのトレンドを示す負荷に対して、精度よく予測を行うことができる。
【符号の説明】
【００５０】
１ 負荷予測装置
２ 熱源制御装置
３ 熱源機器（空調装置）
４ 表示装置
１１ 時系列データベース
１２ トレンド除去部
１３ 系列抽出部
１４ 予測値出力部
【技術分野】
【０００１】
本発明は、負荷予測装置、空調システム、負荷予測プログラム、および負荷予測方法に関する。
【背景技術】
【０００２】
空調システムを運用する場合、省エネルギーや温室効果ガス削減のため、運用コストを最小化するように作成された運転スケジュールに基づいて、熱源機器などの運転制御が行われている。また、空調システムをより効率的に運用するため、将来の空調負荷を予測しながら、当該空調負荷の予測値に基づいた運転制御も行われている。例えば、特許文献１では、各サーバへの分配処理量に基づいて次タイムスパンにおける消費電力を予測し、当該消費電力の予測値に基づいて必要となる空調負荷（冷房出力）を算出して、空調機の冷房能力や風量を制御する空調システムの制御方法が開示されている。
【０００３】
このようにして、空調システムなどのシステム運用において、将来の負荷を予測しながら効率的な運用を行うことができる。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００９−２９３８５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１の消費電力の予測方法では、各サーバの稼働状況を把握するタイムスパンごとに予測を行うため、空調システムを精度よく制御するためにタイムスパンを短くするほど、短期の予測となる。したがって、例えば、現時点から次タイムスパンまでの数秒ないし数分程度の短期の予測となる。
【０００６】
そのため、例えば、サーバ室の空調を行う空調装置が起動に数時間程度を要する熱源機器を用いる場合など、より中長期の予測を必要とするシステムには利用することができない。
【課題を解決するための手段】
【０００７】
前述した課題を解決する主たる本発明は、所定の周期で計測された計測対象の負荷を時系列データとして格納する時系列データベースと、前記負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成するトレンド除去部と、前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出する系列抽出部と、前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして出力する予測値出力部と、を有することを特徴とする負荷予測装置である。
【０００８】
本発明の他の特徴については、添付図面及び本明細書の記載により明らかとなる。
【発明の効果】
【０００９】
本発明によれば、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【図面の簡単な説明】
【００１０】
【図１】本発明の一実施形態における空調システム全体の構成の概略および負荷予測装置の構成を示すブロック図である。
【図２】トレンド除去部１２、系列抽出部１３、および予測値出力部１４の機能をコンピュータに実現させるためのプログラムの動作を説明するフローチャートである。
【図３】時系列データベース１１から元データ系列Ａおよび要求系列Ｘを取得する処理の一例を説明する図である。
【図４】元データ系列Ａを線形近似してトレンドＴｒを算出する処理の一例を説明する図である。
【図５】トレンドＴｒを除去してトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’を生成する処理の一例を説明する図である。
【図６】トレンド除去系列Ｂを長さＨごとに分割して分割系列Ｃｉを生成する処理の一例を説明する図である。
【図７】分割系列Ｃｉから類似系列Ｃｊおよび次系列Ｄを選択する処理の一例を説明する図である。
【図８】次系列Ｄをトレンド除去系列Ｂの次に結合する処理の一例を説明する図である。
【図９】トレンド除去系列Ｂおよび次系列ＤにトレンドＴｒを付加して、次系列Ｄからトレンド付加系列Ｄ’を生成する処理の一例を説明する図である。
【図１０】トレンド付加系列Ｄ’が元データ系列Ａと連続するように補正して予測データ系列Ｙを生成する処理の一例を説明する図である。
【発明を実施するための形態】
【００１１】
本明細書および添付図面の記載により、少なくとも以下の事項が明らかとなる。
【００１２】
＝＝＝空調システム全体の構成の概略および負荷予測装置の構成＝＝＝
以下、図１を参照して、本発明の一実施形態における空調システム全体の構成の概略および負荷予測装置の構成について説明する。
【００１３】
図１に示されている空調システムは、例えば、消費電力の一層の削減が求められているサーバ室で用いられ、サーバ室の空調を行う空調装置の熱源機器３の運転制御を行って、室内の温度・湿度などの環境を調整するシステムである。また、当該空調システムは、熱源機器３以外に、負荷予測装置１、熱源制御装置２、および表示装置４を含んで構成され、熱源制御装置２からは、熱源機器３の制御信号ＣＮＴ、および負荷予測装置１に予測データ系列Ｙの出力を要求する要求信号Ｒｑが出力されている。
【００１４】
負荷予測装置１は、時系列データベース１１、トレンド除去部１２、系列抽出部１３、および予測値出力部１４を含んで構成されている。
【００１５】
時系列データベース１１には、熱源機器３から、現時点におけるサーバ室の空調負荷ｙが入力されている。なお、時系列データベース１１には、所定の周期で計測された空調負荷が時系列データとして格納されている。
【００１６】
トレンド除去部１２には、熱源制御装置２から要求信号Ｒｑが入力されるとともに、時系列データベース１１から、空調負荷の時系列データのうち元データ系列Ａおよび要求系列Ｘが適宜読み出されている。また、トレンド除去部１２からは、トレンド除去部１２によって生成されたトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’が出力され、これらは系列抽出部１３に入力されている。さらに、系列抽出部１３からは、系列抽出部１３によって抽出された次系列Ｄが出力され、当該次系列Ｄは、予測値出力部１４に入力されている。そして、予測値出力部１４からは、予測値出力部１４によって生成された予測データ系列Ｙが出力され、当該予測データ系列Ｙは、熱源制御装置２および表示装置４に入力されている。
【００１７】
なお、本実施形態において、負荷予測装置１内の時系列データベース１１、トレンド除去部１２、系列抽出部１３、および予測値出力部１４は、必要機能（生成手順）に関して記載（図示）されており、それらの入出力関係は図１の例に限られない。例えば、トレンドＴｒは、後述の如くトレンド除去部１２で算出されて用いられるが、トレンド除去部１２で算出されたトレンドＴｒを不図示の記憶部に格納し、当該記憶部に格納されているトレンドＴｒを予測値出力部１４で用いても構わない。また、負荷予測装置１は、各構成部で抽出や計算されたデータを図１の入出力経路に関わらず共有することができる構成であっても構わない。
【００１８】
＝＝＝空調システム全体の動作の概略＝＝＝
次に、本実施形態における空調システム全体の動作の概略について説明する。
負荷予測装置１には、熱源機器３から現時点におけるサーバ室の空調負荷ｙが入力され、時系列データベース１１は、当該空調負荷を所定の計測周期（サンプリング周期）Ｔｓの時系列データとして格納する。また、負荷予測装置１は、熱源制御装置２から入力される要求信号Ｒｑに応じて、予測データ系列Ｙを生成して出力する。そして、熱源制御装置２は、予測データ系列Ｙに基づいて制御信号ＣＮＴを出力し、熱源機器３の運転制御を行う。さらに、表示装置４は、予測データ系列Ｙの表示を行う。
【００１９】
＝＝＝負荷予測装置の動作＝＝＝
以下、図２ないし図１０を適宜参照して、本実施形態における負荷予測装置の動作について説明する。
【００２０】
負荷予測装置１のうち、トレンド除去部１２、系列抽出部１３、および予測値出力部１４の機能は、例えば、時系列データベース１１を格納する記憶部を備えるコンピュータによって実現することができる。図２は、トレンド除去部１２、系列抽出部１３、および予測値出力部１４に相当する機能をコンピュータに実現させるためのプログラムの動作を示している。
【００２１】
まず、熱源制御装置２からの要求信号Ｒｑに応じてプログラムの処理が開始され（Ｓ１）、記憶部に格納された時系列データベース１１から、元データ系列Ａ（第１のデータ系列）および要求系列Ｘ（第２のデータ系列）を取得する（Ｓ２）。
【００２２】
ここで、元データ系列Ａは、時系列データベース１１に格納されている空調負荷の時系列データのうち、開始時（以下において時刻ｔ＝０とする）から現時点までの長さＨａの期間（第１の期間）である。また、Ｈａは、後述するトレンドＴｒを算出するのに適当な長さ（時間）として、計測・予測対象の負荷に応じて、例えば１週間や１ヶ月などと予め定められている。
【００２３】
一方、要求系列Ｘは、空調負荷の時系列データのうち、現時点までの長さＨ（＜Ｈａ）の期間（第２の期間）である。また、Ｈは、時系列データに周期的な相関が見られる長さ（時間）として、計測・予測対象の負荷に応じて、例えば１時間や１日などと予め定めることができる。さらに、本実施形態では、長さＨａは、長さＨのＮ倍（Ｎは２以上の整数）であるものとする。
【００２４】
このように取得された元データ系列Ａおよび要求系列Ｘの一例を図３に示す。図３において、横軸は時刻ｔを示し、計測・予測対象の負荷がサーバ室の空調負荷である場合、時系列データに例えば２４時間周期の相関が見られるため、一例として、Ｈ＝１日（２４時間）とする。このとき、図３の例ではＮ＝８であり、元データ系列Ａは、現時点（ｔ＝Ｈａ＝８Ｈ）までの８日分の空調負荷の時系列データであり、要求系列Ｘは、元データ系列Ａのうち直近１日分である。また、縦軸は負荷の大きさを示し、一例として、Ｌ＝１００ｋＷとする。なお、要求系列Ｘは元データ系列Ａの一部であるため、元データ系列Ａのみを時系列データベース１１から取得し、要求系列Ｘを元データ系列Ａから抽出して取得するようにしてもよい。
【００２５】
次に、元データ系列ＡのトレンドＴｒを算出する（Ｓ３）。より具体的には、図４に示すように、元データ系列Ａを線形近似して、近似された一次関数をトレンドＴｒとする。ここで、元データ系列Ａの各サンプリング点の時刻をＴｋ＝Ｔｓ×ｋ（１≦ｋ≦Ｋａ＝Ｈａ／Ｔｓ）として、時刻Ｔｋにおける空調負荷をｙ（ｋ）と表すこととすると、トレンドＴｒは、
と表すことができる。
【００２６】
なお、図４の例では、トレンドＴｒが現時点（ｔ＝８Ｈ）を超えて算出（図示）されているが、この現時点を超える部分は、上記式（１）に基づいて、トレンドＴｒを現時点から長さＨだけ未来分求めたものである。ここで説明するトレンド除去処理に関しては、現時点までの長さＨａのトレンドＴｒがあれば良い。
【００２７】
次に、元データ系列Ａおよび要求系列ＸからそれぞれトレンドＴｒを除去して、トレンド除去系列Ｂ（第３のデータ系列）およびトレンド除去要求系列Ｘ’（第４のデータ系列）を生成する（Ｓ４）。より具体的には、元データ系列Ａおよび要求系列Ｘから、それぞれ式（１）の一次関数の関数値を減算して、トレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’とする。
【００２８】
ここで、図３に示した元データ系列Ａおよび要求系列Ｘからそれぞれ生成されたトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’の一例を図５において実線で示す。図５に示すように、トレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’の長さは、それぞれ元データ系列Ａの長さＨａおよび要求系列Ｘの長さＨに等しい。なお、トレンド除去要求系列Ｘ’はトレンド除去系列Ｂの一部であるため、トレンド除去系列Ｂのみを元データ系列Ａから生成し、トレンド除去要求系列Ｘ’をトレンド除去系列Ｂと長さＨとから抽出して生成するようにしてもよい。
【００２９】
以上のように、時系列データベース１１から取得した元データ系列Ａおよび要求系列Ｘから、それぞれトレンドＴｒを除去することができる。したがって、Ｓ２ないしＳ４の処理は、トレンド除去部１２に相当する機能（トレンド除去処理）を実現する。
【００３０】
次に、図６示すように、トレンド除去系列Ｂを長さＨごとに分割すると、Ｎ（＝８）個の分割系列Ｃ１ないしＣ８（Ｃ１〜Ｃ８それぞれが、第８のデータ系列）を生成する（Ｓ５）。ここで、分割系列Ｃ８はトレンド除去要求系列Ｘ’と同一であり、一般に、分割系列ＣＮは、時系列的に最新の分割系列となるので、トレンド除去要求系列Ｘ’と同一になる。なお、本実施形態では、長さＨａが長さＨの整数倍であるため、トレンド除去系列Ｂを過不足なく分割することができるが、余りが出る場合には、現時点から過去に向かって長さＨごとに分割していくことによって、分割系列ＣＮをトレンド除去要求系列Ｘ’と同一にする。
【００３１】
次に、分割系列Ｃｉから、トレンド除去要求系列Ｘ’に類似し、ｊ番目に位置する類似系列Ｃｊ（第５のデータ系列）、および次系列Ｄ（第６のデータ系列）を選択する（Ｓ６）。より具体的には、まず、最小二乗法を用いて、トレンド除去要求系列Ｘ’と同一であるものを除く分割系列Ｃｉ（１≦ｉ≦Ｎ−１）のうち、トレンド除去要求系列Ｘ’との差の二乗和が最小となるものを類似系列Ｃｊとして選択する。そして、分割系列Ｃｉ（１≦ｉ≦Ｎ）のうち、類似系列Ｃｊの次のものを次系列Ｄとして選択する。すなわち、次系列Ｄは、分割系列Ｃｊ’（ｊ’＝ｊ＋１）である。
【００３２】
ここで、図６に示した分割系列Ｃｉから選択された、トレンド除去要求系列Ｘ’に類似する類似系列Ｃｊの一例を図７において実線で示す。図７に示すように、分割系列Ｃ６が類似系列Ｃｊ（ｊ＝６）として選択されている。したがって、（６＋１＝）７番目の分割系列Ｃ７が次系列Ｄとして選択される。
【００３３】
以上のように、トレンド除去系列Ｂから、トレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出することができる。したがって、Ｓ５およびＳ６の処理は、系列抽出部１３に相当する機能（系列抽出処理）を実現する。
【００３４】
次に、図８に示すように、次系列Ｄをトレンド除去系列Ｂ（またはトレンド除去要求系列Ｘ’）の次に結合し（Ｓ７）、さらに、トレンドＴｒを付加してトレンド付加系列Ｄ’（第７のデータ系列）を生成する（Ｓ８）。より具体的には、トレンド除去系列Ｂの次に結合された次系列Ｄに、式（１）の一次関数の関数値を加算して、トレンド付加系列Ｄ’とする。
【００３５】
なお、ここで用いるトレンドＴｒは、上記の式（１）より求めても構わないし、前述した図４における“現時点を超える部分”、すなわち、現時点（ｔ＝８Ｈ）から長さＨに相当する部分を用いても良い。
【００３６】
このように生成されたトレンド付加系列Ｄ’の一例を図９に示す。ここで、トレンド除去系列Ｂと次系列Ｄとは、結合点（現時点）において通常連続していないため、トレンド付加系列Ｄ’も元データ系列Ａ（または要求系列Ｘ）と連続していない場合が多い。そのため、トレンド付加系列Ｄ’をそのまま空調負荷の予測値の時系列データとして用いた場合、空調負荷の急激な変動を予測したこととなり、熱源機器３の急激な起動／停止の切り替えを引き起こす場合もあり得る。そこで、本実施形態では、図１０に示すように、トレンド付加系列Ｄ’が元データ系列Ａと連続するように補正して、予測データ系列Ｙ（第９のデータ系列）を生成している（Ｓ９）。
【００３７】
より具体的には、元データ系列Ａの最後のサンプリング点およびトレンド付加系列Ｄ’の最初のサンプリング点におけるデータ値の差ｅを求め、当該空調負荷の差ｅを徐々に補正する。ここで、トレンド付加系列Ｄ’および予測データ系列Ｙの各サンプリング点の現時点（ｔ＝Ｔｓ×Ｋａ）からの時刻をＴｋ’＝Ｔｓ×ｋ’（１≦ｋ’≦Ｋ＝Ｈ／Ｔｓ）として、時刻Ｔｋ’におけるそれぞれのデータ値をＤ’（ｋ’）およびＹ（ｋ’）と表すこととすると、Ｙ（ｋ’）は、
と表すことができる。なお、図１０においては、一例として、Ｋｃ＝Ｋとした場合を示している。
【００３８】
以上のように、元データ系列Ａに続く、現時点から長さＨの期間分の予測データ系列Ｙを生成することができる。したがって、Ｓ７ないしＳ９の処理は、予測値出力部１４に相当する機能（予測値出力処理）を実現する。そして、予測データ系列Ｙを空調負荷の予測値の時系列データとして出力し、処理を終了する（Ｓ１０）。
【００３９】
前述したように、負荷予測装置１において、負荷の時系列データが格納された時系列データベース１１から元データ系列Ａおよび要求系列Ｘを取得し、元データ系列ＡからトレンドＴｒを除去したトレンド除去系列Ｂのうち、要求系列ＸからトレンドＴｒを除去したトレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出し、次系列Ｄをトレンド除去系列Ｂの次に結合してトレンドＴｒを付加したトレンド付加系列Ｄ’に基づいて負荷の予測値を時系列データとして求めることによって、１週間や１ヶ月などの中長期的な増加傾向や減少傾向などのトレンドを考慮した予測値を求めることができ、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【００４０】
また、元データ系列Ａを線形近似して、近似された一次関数をトレンドＴｒとすることによって、当該一次関数の関数値を、元データ系列Ａおよび要求系列Ｘからそれぞれ減算してトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’を生成するとともに、次系列Ｄに加算してトレンド付加系列Ｄ’生成することができる。
【００４１】
また、トレンド除去系列Ｂを要求系列Ｘの長さＨごとに分割して、Ｎ個の分割系列Ｃ１ないしＣＮを生成することによって、分割系列Ｃｉ（１≦ｉ≦Ｎ−１）のうち、トレンド除去要求系列Ｘ’との差の二乗和が最小となるものを類似系列Ｃｊとして選択するとともに、分割系列Ｃｉ（１≦ｉ≦Ｎ）のうち、類似系列Ｃｊの次のものを次系列Ｄとして選択することができる。
【００４２】
また、トレンド付加系列Ｄ’を元データ系列Ａと連続するように補正することによって、元データ系列Ａに続く、現時点から長さＨの期間分の予測データ系列Ｙを生成することができる。そして、当該予測データ系列Ｙを空調負荷の予測値の時系列データとして用いた場合には、熱源機器３の急激な起動／停止の切り替えを抑制することができる。
【００４３】
また、負荷予測装置１をサーバ室の空調負荷の予測に用いることによって、空調負荷のトレンドを考慮して、中長期的な予測を精度よく行うことができる。
【００４４】
また、図１に示した空調システムにおいて、熱源機器３から現時点におけるサーバ室の空調負荷ｙを負荷予測装置１に入力し、熱源制御装置２から入力される要求信号Ｒｑに応じて、負荷予測装置１から予測データ系列Ｙを生成して出力することによって、空調負荷の中長期的なトレンドを考慮した予測データ系列Ｙに基づいて熱源機器３の運転制御を行うことができる。
【００４５】
また、負荷予測装置１のトレンド除去部１２、系列抽出部１３、および予測値出力部１４に相当する機能をコンピュータに実現させるためのプログラムにおいて、記憶部に格納された負荷の時系列データのうち、元データ系列Ａおよび要求系列Ｘを取得し、元データ系列ＡからトレンドＴｒを除去したトレンド除去系列Ｂのうち、要求系列ＸからトレンドＴｒを除去したトレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出し、次系列Ｄをトレンド除去系列Ｂの次に結合してトレンドＴｒを付加したトレンド付加系列Ｄ’に基づいて負荷の予測値を時系列データとして求めることによって、中長期的なトレンドを考慮した予測値を求めることができ、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【００４６】
また、負荷の時系列データのうち、元データ系列Ａおよび要求系列Ｘを取得し、それぞれトレンドＴｒを除去したトレンド除去系列Ｂおよびトレンド除去要求系列Ｘ’を生成し、トレンド除去系列Ｂのうち、トレンド除去要求系列Ｘ’に類似する類似系列Ｃｊと、それに続く次系列Ｄとを抽出し、次系列Ｄをトレンド除去系列Ｂの次に結合してトレンドＴｒを付加したトレンド付加系列Ｄ’を生成し、トレンド付加系列Ｄ’に基づいて負荷の予測値を時系列データとして求めることによって、中長期的なトレンドを考慮した予測値を求めることができ、空調システムなどのシステム運用において、中長期的な負荷の予測を精度よく行うことができる。
【００４７】
なお、上記実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明にはその等価物も含まれる。
【００４８】
上記実施形態では、負荷予測装置１から出力される予測データ系列Ｙは、熱源制御装置２に入力され、熱源機器３の運転制御に用いられているが、これに限定されるものではなく、例えば、表示装置４に表示させて用いることもできる。予測データ系列Ｙを表示装置４に表示させることによって、例えば、負荷の予測値が予め設定された許容範囲内に収まっていることを作業者が確認したり、負荷が許容範囲を逸脱する可能性を作業者に事前に報知したりすることができる。
【００４９】
上記実施形態では、計測・予測対象の負荷がサーバ室の空調負荷である場合について説明したが、これに限定されるものではない。負荷予測装置１は、例えば特許文献１と同様のサーバ消費電力の予測などにも用いることができ、特に、１週間や１ヶ月などの中長期的な増加傾向や減少傾向などのトレンドを示す負荷に対して、精度よく予測を行うことができる。
【符号の説明】
【００５０】
１ 負荷予測装置
２ 熱源制御装置
３ 熱源機器（空調装置）
４ 表示装置
１１ 時系列データベース
１２ トレンド除去部
１３ 系列抽出部
１４ 予測値出力部
【特許請求の範囲】
【請求項１】
所定の周期で計測された計測対象の負荷を時系列データとして格納する時系列データベースと、
前記負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成するトレンド除去部と、
前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出する系列抽出部と、
前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして出力する予測値出力部と、
を有することを特徴とする負荷予測装置。
【請求項２】
前記トレンド除去部は、前記第１のデータ系列を一次関数で近似して前記トレンドを算出し、前記第１および第２のデータ系列からそれぞれ前記一次関数の関数値を減算して前記第３および第４のデータ系列を生成し、
前記予測値出力部は、前記第６のデータ系列を前記第１のデータ系列の次に結合し、前記一次関数の関数値を加算して前記第７のデータ系列を生成することを特徴とする請求項１に記載の負荷予測装置。
【請求項３】
前記第１の期間の長さは、前記第２の期間の長さのＮ倍（Ｎは２以上の整数）であり、
前記系列抽出部は、前記第３のデータ系列を前記第２の期間の長さごとに分割して複数の第８のデータ系列を生成し、前記第４のデータ系列を除く前記複数の第８のデータ系列のうち、前記第４のデータ系列との差の二乗和が最小となるデータ系列を前記第５のデータ系列として選択するとともに、前記複数の第８のデータ系列のうち、前記第５のデータ系列の次のデータ系列を前記第６のデータ系列として選択することを特徴とする請求項１または請求項２に記載の負荷予測装置。
【請求項４】
前記予測値出力部は、前記第７のデータ系列が前記第１のデータ系列と連続するように補正して第９のデータ系列を生成し、前記第９のデータ系列を前記負荷の予測値の時系列データとして出力することを特徴とする請求項１ないし請求項３の何れかに記載の負荷予測装置。
【請求項５】
前記負荷は、サーバ室の空調負荷であることを特徴とする請求項１ないし請求項４の何れかに記載の負荷予測装置。
【請求項６】
請求項５に記載の負荷予測装置と、
前記サーバ室の空調を行う空調装置と、
前記負荷の予測値に基づいて前記空調装置の熱源機器の運転を制御する熱源制御装置と、
を備えることを特徴とする空調システム。
【請求項７】
所定の周期で計測された計測対象の負荷を時系列データとして格納する記憶部を備えるコンピュータに、
前記負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成するトレンド除去処理と、
前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出する系列抽出処理と、
前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして求めて出力する予測値出力処理と、
を実行させることを特徴とする負荷予測プログラム。
【請求項８】
所定の周期で計測された計測対象の負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、
前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成し、
前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出し、
前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、
前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして求めることを特徴とする負荷予測方法。
【請求項１】
所定の周期で計測された計測対象の負荷を時系列データとして格納する時系列データベースと、
前記負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成するトレンド除去部と、
前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出する系列抽出部と、
前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして出力する予測値出力部と、
を有することを特徴とする負荷予測装置。
【請求項２】
前記トレンド除去部は、前記第１のデータ系列を一次関数で近似して前記トレンドを算出し、前記第１および第２のデータ系列からそれぞれ前記一次関数の関数値を減算して前記第３および第４のデータ系列を生成し、
前記予測値出力部は、前記第６のデータ系列を前記第１のデータ系列の次に結合し、前記一次関数の関数値を加算して前記第７のデータ系列を生成することを特徴とする請求項１に記載の負荷予測装置。
【請求項３】
前記第１の期間の長さは、前記第２の期間の長さのＮ倍（Ｎは２以上の整数）であり、
前記系列抽出部は、前記第３のデータ系列を前記第２の期間の長さごとに分割して複数の第８のデータ系列を生成し、前記第４のデータ系列を除く前記複数の第８のデータ系列のうち、前記第４のデータ系列との差の二乗和が最小となるデータ系列を前記第５のデータ系列として選択するとともに、前記複数の第８のデータ系列のうち、前記第５のデータ系列の次のデータ系列を前記第６のデータ系列として選択することを特徴とする請求項１または請求項２に記載の負荷予測装置。
【請求項４】
前記予測値出力部は、前記第７のデータ系列が前記第１のデータ系列と連続するように補正して第９のデータ系列を生成し、前記第９のデータ系列を前記負荷の予測値の時系列データとして出力することを特徴とする請求項１ないし請求項３の何れかに記載の負荷予測装置。
【請求項５】
前記負荷は、サーバ室の空調負荷であることを特徴とする請求項１ないし請求項４の何れかに記載の負荷予測装置。
【請求項６】
請求項５に記載の負荷予測装置と、
前記サーバ室の空調を行う空調装置と、
前記負荷の予測値に基づいて前記空調装置の熱源機器の運転を制御する熱源制御装置と、
を備えることを特徴とする空調システム。
【請求項７】
所定の周期で計測された計測対象の負荷を時系列データとして格納する記憶部を備えるコンピュータに、
前記負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成するトレンド除去処理と、
前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出する系列抽出処理と、
前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして求めて出力する予測値出力処理と、
を実行させることを特徴とする負荷予測プログラム。
【請求項８】
所定の周期で計測された計測対象の負荷の時系列データのうち、現時点までの第１の期間分である第１のデータ系列および前記第１の期間より短い現時点までの第２の期間分である第２のデータ系列を取得し、
前記第１のデータ系列のトレンドを算出して、前記第１および第２のデータ系列からそれぞれ前記トレンドを除去した第３および第４のデータ系列を生成し、
前記第４のデータ系列を除く前記第３のデータ系列のうち、前記第４のデータ系列に類似する第５のデータ系列を抽出するとともに、前記第３のデータ系列のうち、前記第５のデータ系列に続く第６のデータ系列を抽出し、
前記第６のデータ系列を前記第１のデータ系列の次に結合して前記トレンドを付加した第７のデータ系列を生成し、
前記第７のデータ系列に基づいて前記負荷の予測値を時系列データとして求めることを特徴とする負荷予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１３−８７９９２（Ｐ２０１３−８７９９２Ａ）
【公開日】平成２５年５月１３日（２０１３．５．１３）
【国際特許分類】
【出願番号】特願２０１１−２２７１２４（Ｐ２０１１−２２７１２４）
【出願日】平成２３年１０月１４日（２０１１．１０．１４）
【出願人】（０００００５２３４）富士電機株式会社 (3,146)
【Ｆターム（参考）】
【公開日】平成２５年５月１３日（２０１３．５．１３）
【国際特許分類】
【出願日】平成２３年１０月１４日（２０１１．１０．１４）
【出願人】（０００００５２３４）富士電機株式会社 (3,146)
【Ｆターム（参考）】
[ Back to top ]