本发明涉及一种能够使用气象预报数据来预测器械的能源消耗量的能源消耗量预测装置及其方法。
背景技术：
近年来，在大厦等设施中，导入了例如bems(buildingandenergymanagementsystem，建筑物能源管理系统)作为用于实现室内环境及能源性能的最优化的大厦管理系统。这样的大厦管理系统监视及控制能源的供给设备和需求设备，一边进行能源的消耗预测，一边使设备器械的运转为最佳，以谋求设施整体的节能化。
另外，在对设施内的能源消耗量进行预测的能源消耗量预测装置中，有使用气象预报数据来预测设备器械的能源消耗量的装置。并且，作为这样的以往的能源消耗量预测装置，例如有专利文献1中所公开的。
现有技术文献
专利文献
专利文献1：日本专利特开2013-246702号公报
技术实现要素：
发明要解决的问题
上述以往的能源消耗量预测装置通过与互联网的连接获取气象预报数据。但是，在设置能源消耗量预测装置时，从安全保护的观点出发，存在不使装置直接与互联网连接的情况、以及限制装置与互联网的连接的情况。由此，要求能源消耗量预测装置无论是否与互联网连接都能够预测设备器械的能源消耗量。
本发明是为了解决上述问题而完成的，其目的在于提供一种能源消耗量预测装置及其方法，无论是否与互联网连接，都能够使用气象预报数据来预测器械的能源消耗量。
用于解决问题的技术手段
本发明的能源消耗量预测装置使用气象预报数据来预测器械的能源消耗量，该能源消耗量预测装置的特征在于，具备：气象预报数据获取部，其与互联网连接从而以一定周期来获取与预测对象期间对应的气象预报数据，并以比一定周期短的周期对该获取到的气象预报数据补充气象预报数据；气象预报数据手动输入部，其在气象预报数据获取部无法与互联网连接的情况下，输入预测对象期间内的气象预报数据的最大预报值及最小预报值，根据最大预报值及最小预报值、和与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据，预测运算气象预报数据；以及预测部，其使用由气象预报数据获取部所补充的气象预报数据、或者由气象预报数据手动输入部预测运算出的气象预报数据，预测器械的能源消耗量。
本发明的能源消耗量预测方法使用气象预报数据来预测器械的能源消耗量，所述能源消耗量预测方法的特征在于，在与互联网连接从而以一定周期获取与预测对象期间对应的气象预报数据后，以比一定周期短的周期对该获取到的气象预报数据补充气象预报数据，使用所补充的气象预报数据来预测器械的能源消耗量，在无法与互联网连接的情况下，输入预测对象期间内的气象预报数据的最大预报值及最小预报值，根据最大预报值及最小预报值、和与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据，预测运算气象预报数据，使用预测运算出的气象预报数据，预测器械的能源消耗量。
发明的效果
根据本发明，无论是否与互联网连接，都能够使用气象预报数据来预测设备的能源消耗量。
附图说明
图1是表示实施方式1的能源消耗量预测装置的构成的图。
图2是说明经由互联网获取到气象预报数据时的数据补充方法的图。
图3是说明手动输入气象预报数据时的数据预测运算方法的图。
具体实施方式
以下，参照附图对本发明的实施方式进行详细说明。
实施方式1
首先，使用图1说明实施方式1的能源消耗量预测装置的构成以及能源消耗量预测方法。图1是表示实施方式1的能源消耗量预测装置的构成的图。
能源消耗量预测装置具备收集部11、存储部12、日历设定部13、机器学习部14、气象预报数据获取部15、气象预报数据手动输入部16、预测部17以及开关18。另外，能源消耗量预测装置与设置在大厦等设施内的各种设备器械21连接。设备器械21例如是空调器械、照明器械、防盗器械等。
收集部11与各种设备器械21连接，收集该设备器械21所消耗的能源量作为能源消耗量的实际值。
存储部12例如按每个设备器械21的种类存储收集部11收集到的能源消耗量。
日历设定部13设定日期、星期、节假日、闭馆日及特别气象日(特異日)等与日历相关的日历信息。
机器学习部14根据存储在存储部12中的设备器械21的能源消耗量和在日历设定部13中设定的日历信息，通过机器学习生成与预测对象期间对应的能源消耗量预测模型。
即，在大厦等设施中，人流根据平日和周末等日子而大幅变化，伴随于此，设备器械21的能源消耗量的大小也变化。例如，在将能源消耗量的预测对象期间设为明天及后天的周末的情况下，在办公大厦中，其能源消耗量具有比平日的能源消耗量减少的倾向，在旅馆及购物中心，其能源消耗量具有比平日的能源消耗量增大的倾向。
因此，机器学习部14预先准备多个模式的学习对象期间，并且可以自动选择预测对象期间对应于哪一模式的学习对象期间。由此，机器学习部14能够通过考虑了预测对象期间的特性的机器学习，生成与该预测对象期间对应的能源消耗量预测模型。但是，由机器学习部14生成的能源消耗量预测模型也可以是每个设备器械21的预测模型或者设施整体的预测模型。
气象预报数据获取部15经由互联网从该气象预报公司的网站直接获取气象预报公司所提供的气象预报数据中的与预测对象期间对应的气象预报数据，并进行补充，其详细情况将在后面叙述。
气象预报数据手动输入部16在气象预报数据获取部15无法与互联网连接的情况下，在人向装置内输入与预测对象期间对应的气象预报数据时使用，其详细情况将在后面叙述。另外，气象预报数据手动输入部16能够从气象数据库(省略图示)中获取与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据。然后，气象预报数据手动输入部16根据通过人力输入的气象预报数据和从气象数据库中获取到的气象实测数据，对预测对象期间内的气象预报数据进行预测运算。
预测部17通过对由机器学习部14生成的、与预测对象期间对应的能源消耗量预测模型，加上输入自气象预报数据获取部15或气象预报数据手动输入部16的、与预测对象期间对应的气象预报数据，来预测该预测对象期间内的能源消耗量的预测值。但是，由预测部17预测的能源消耗量也可以是每个设备器械21的预测值或设施整体的预测值。
开关18在由气象预报数据获取部15所补充的气象预报数据和由气象预报数据手动输入部16预测运算的气象预报数据之间切换输入到预测部17的气象预报数据。
详细地说，在气象预报数据获取部15能够与互联网连接的情况下，开关18将输入到预测部17的气象预报数据切换为由该气象预报数据获取部15所补充的气象预报数据。另外，在气象预报数据获取部15无法与互联网连接的情况下，开关18将输入到预测部17的气象预报数据切换为由气象预报数据手动输入部16预测运算出的气象预报数据。
接着，使用图2说明气象预报数据获取部15的动作。图2是说明经由互联网获取到气象预报数据时的数据补充方法的图。
气象预报数据获取部15例如经由互联网获取外部空气温度数据及外部空气湿度数据作为与预测对象期间对应的气象预报数据。在此，气象预报公司所提供的气象预报数据以一定周期(例如3小时周期)进行更新。由此，每当气象预报公司提供或更新气象预报数据时，气象预报数据获取部15就获取与预测对象期间对应的外部空气温度数据及外部空气湿度数据。
进而，如图2所示，气象预报数据获取部15对于以一定周期获取到的外部空气温度数据及外部空气湿度数据，以比该一定周期短的周期(例如30分钟周期)保管外部空气温度数据及外部空气湿度数据。
另外，图2所示的“○”标记是气象预报数据获取部15经由互联网获取到的外部空气温度数据及外部空气湿度数据。另外，图2所示的“●”标记是气象预报数据获取部15所补充的补充值。
接着，使用图3说明气象预报数据手动输入部16的动作。图3是说明手动输入气象预报数据时的数据预测运算方法的图。
气象预报数据手动输入部16在气象预报数据获取部15无法与互联网连接的情况下，从该气象预报数据获取部15进行切换，对与预测对象期间对应的气象预报数据进行预测运算。即，在气象预报数据获取部15无法与互联网连接的情况下，能源消耗量预测装置无法获取与预测对象期间对应的气象预报数据，因此通过气象预报数据手动输入部16预测运算与预测对象期间对应的气象预报数据。
但是，如上所述，气象预报数据获取部15获取外部空气温度数据及外部空气湿度数据作为与预测对象期间对应的气象预报数据，并且设定补充值，因此，若想要使用气象预报数据手动输入部16手动输入它们全部，则需要大量的劳力。
因此，气象预报数据手动输入部16能够输入预测对象期间内的气象预报数据的最大预报值及最小预报值，并且能够获取与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据。这里，全部气象实测数据是指与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部实测值。
然后，气象预报数据手动输入部16根据所输入的最大预报值及最小预报值、和获取到的最大实测值及最小实测值，以上述实测周期预测运算气象预报数据。即，气象预报数据手动输入部16能够使用最大预报值、最小预报值、最大实测值、以及最小实测值这4种数据值、以及以规定的实测周期实测的全部气象实测数据，对与预测对象期间对应的气象预报数据进行预测运算。
在此，图3中实线所示的曲线x表示与预测对象期间对应的过去的能源消耗期间内的外部空气温度数据(气象实测数据)的时间变化的曲线。另外，在图3中用双点划线表示的曲线y表示由气象预报数据手动输入部16运算出的外部空气温度数据(气象预报数据)的时间变化。
具体而言，如图3所示，气象预报数据手动输入部16从气象数据库中存储的曲线x中获取最大实测值xmax及最小实测值xmin。
接着，如果将上述每个实测周期的时刻设为t，将该时刻t的实测值设为xt，将时刻t的预报值设为yt，则预报值yt可以用下式表示。这样，气象预报数据手动输入部16在每个上述实测周期使用下式继续运算预报值yt。此外，ymax是最大预报值，ymin是最小预报值。另外，最大预报值ymax及最小预报值ymin是手动输入的值。
yt＝(xt－xmin)×(ymax－ymin)/(xmax－xmin) ymin
即，气象预报数据手动输入部16在预测对象期间内，在每个上述实测周期使用上式对外部空气温度数据进行预测运算，由此求出曲线y。
同样，气象预报数据手动输入部16求出表示预测对象期间内的外部空气湿度的时间变化的曲线。
如上所述，实施方式1的能源消耗量预测装置具备：气象预报数据获取部15，其与互联网连接从而以一定周期来获取与预测对象期间对应的气象预报数据，并以比一定周期短的周期对该获取到的气象预报数据补充气象预报数据；气象预报数据手动输入部16，其在气象预报数据获取部15无法与互联网连接的情况下，输入预测对象期间内的气象预报数据的最大预报值及最小预报值，并根据该输入的最大预报值及最小预报值、和与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据，预测运算气象预报数据；以及预测部17，其使用由气象预报数据获取部15所补充的气象预报数据或者由气象预报数据手动输入部16预测运算出的气象预报数据，预测设备器械21的能源消耗量。由此，能源消耗量预测装置无论有无与互联网的连接，都能够使用气象预报数据来预测设备器械21的能源消耗量。
另外，实施方式1的能源消耗量预测装置具备：日历设定部13，其设定与日历相关的日历信息；以及机器学习部14，其根据在日历设定部13中设定的日历信息和设备器械21中的过去的能源消耗量，通过机器学习生成与预测对象期间对应的能源消耗量预测模型。由此，机器学习部14预先准备多个模式的学习对象期间，并且可以自动选择预测对象期间对应于哪一模式的学习对象期间。因此，机器学习部14能够通过考虑了预测对象期间的特性的机器学习，生成与该预测对象期间对应的能源消耗量预测模型。
进而，实施方式1的能源消耗量预测装置通过将预测出的能源消耗量作为目标值，与最佳运转方案的算法组合，从而能够制定始终将设备器械21的运转保持为最佳状态的运转计划。
此外，本申请发明在其发明的范围内，可以进行实施方式的任意的构成要素的变形，或者可以省略实施方式的任意的构成要素。
符号说明
11收集部
12存储部
13日历设定部
14机器学习部
15气象预报数据获取部
16气象预报数据手动输入部
17预测部
18开关
21设备器械。
1.一种能源消耗量预测装置,其使用气象预报数据来预测器械的能源消耗量，所述能源消耗量预测装置的特征在于，具备：
气象预报数据获取部，其与互联网连接从而以一定周期获取与预测对象期间对应的气象预报数据，并以比所述一定周期短的周期对该获取到的气象预报数据补充气象预报数据；
气象预报数据手动输入部，其在所述气象预报数据获取部无法与互联网连接的情况下，输入预测对象期间内的气象预报数据的最大预报值及最小预报值，根据所述最大预报值及所述最小预报值、和与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据，预测运算气象预报数据；以及
预测部，其使用由所述气象预报数据获取部所补充的气象预报数据、或者由所述气象预报数据手动输入部预测运算出的气象预报数据，预测所述器械的能源消耗量。
2.根据权利要求1所述的能源消耗量预测装置，其特征在于，具备：
日历设定部，其设定与日历相关的日历信息；以及
机器学习部，其根据在所述日历设定部中设定的日历信息和所述器械的过去的能源消耗量，通过机器学习生成与预测对象期间对应的能源消耗量预测模型。
3.一种能源消耗量预测方法，其使用气象预报数据来预测器械的能源消耗量，所述能源消耗量预测方法的特征在于，
在与互联网连接从而以一定周期获取与预测对象期间对应的气象预报数据后，以比所述一定周期短的周期对该获取到的气象预报数据补充气象预报数据，
使用所补充的气象预报数据，预测所述器械的能源消耗量，
在无法与互联网连接的情况下，输入预测对象期间内的气象预报数据的最大预报值及最小预报值，
根据所述最大预报值及所述最小预报值、和与预测对象期间对应的过去的能源消耗期间内的以规定的实测周期实测的全部气象实测数据，预测运算气象预报数据，
使用预测运算出的气象预报数据，预测所述器械的能源消耗量。
技术总结