需求控制系统、需求控制器、需求程序以及需求控制方法 【技术领域】
本发明涉及需求控制系统、需求控制器、需求程序以及需求控制方法。
背景技术
以往公知有一种在店铺或设施的业主与电力公司之间进行的电费契约方式即需求契约方式。在需求契约方式中，按照预定时限(以下称为需求时限。)来计算耗电的累计值(以下称为耗电累计值)， 并将1年间的每一需求时限的耗电累计值中的最大耗电累计值作为基准，来设定契约费用。
这里，所谓需求时限除了例如15分钟、30分钟等这样的定值之外，还包含有耗电量增加的时间带(12时至2时等)和以此为准的时间带(2时至4时等)、或电费不同的时间带等这样的时间段。对于店铺或设施的业主来说希望能够将1需求时限中的耗电累计值抑制得较低。
因此，在需求时限的中途，预测从需求时限开始时到结束时的耗电累计值，当预测的累计值(以下称为预测累计值)超过预定的电力目标值时，进行使特定设备的运转停止的需求控制。一般情况下，电力目标值大多被设定为与过去1年间的需求时限中的最大耗电累计值相同、或者比其低的值。从需求时限开始时到结束时的耗电累计值的预测一直以来是根据线性预测方法来进行的。
线性预测方法根据运算式(1)来进行。
R＝P+(Δp/Δt)×Tn (1)
R：从需求时限开始时到需求时限结束时的耗电的预测累计值
P：从需求时限开始时到当前的耗电累计值
Δp：采样时间内的耗电
Δt：采样时间
Tn：需求时限的剩余时间(从当前到需求时限结束时的时间)
但是，在这样的方法中，当Δp/Δt值存在偏差时，预测累计值R也出现大的偏差。尤其在Tn值大的情况下，偏差容易变得显著。因此，在现有方法中，过度停止设备的运转，有可能会导致环境恶化、或者设备的停止定时延迟、耗电累计值超过契约电力这样的情况。
因此，提出了如下这样的装置，该装置将需求时限中的消耗电量推移预先登记到数据库内，在每个采样周期中，从数据库中提取与从需求时限开始时到当前的耗电推移近似的过去数据，根据提取出的数据来预测今后的耗电推移(参照专利文献1)。
另外，与上述不同还提出了用于判定电力目标值是否适合的装置。在该装置中检测并存储由需求控制引起的断开电平和断开电平的持续时间，算出规定期间内的各断开电平的累积时间，根据算出的累积时间来判定电力目标值是否适合(参照专利文献2)。
专利文献1：日本特开2002-27668号公报
专利文献2：日本专利第3731110号公报
但是，在专利文献1所述的装置中因为提取与从需求时限开始时到当前的耗电推移近似的过去数据来预测今后的推移，所以对于当前时刻以后的推移的近似性没有任何保证，预测累计值的算出精度绝对称不上高。
此外，根据专利文献2所述的装置来判定电力目标值是否适合，但之后的电力目标值需要用户自行设定。因此，如果不能很好地设定电力目标值，例如当电力目标值设定得高时，则契约费用变高。当电力目标值设定得过低时，则导致环境恶化。
【发明内容】
本发明鉴于上述问题，提供了既能够提高预测累计值的算出精度又能够使电力目标值最优化的需求控制系统、需求控制器、需求程序以及需求控制方法。
本发明的需求控制系统当预测在需求时限内被电力消耗设备消耗的电力的预测累计值超过作为在需求时限内消耗的电力的目标值地电力目标值时，控制电力消耗设备的耗电，其特征是具有：实际数据存储部，其根据不同的环境条件来存储基于电力消耗设备所实际消耗的耗电累计值的实际数据；算出部，其在本次需求时限开始时或开始前，根据实际数据存储部所存储的存储内容中基于当前实际环境条件从实际数据存储部提取出的实际数据，来算出预测在本次需求时限内消耗的预测累计值；以及变更部，其根据算出部所算出的预测累计值和电力目标值来变更本次需求时限中的电力目标值。
在本发明的需求控制系统中，根据在基于电力消耗设备实际消耗的耗电累计值的实际数据中基于当前实际环境条件的实际数据，来求出预测在本次需求时限内消耗的预测累计值。例如在电力消耗设备是空调机等的情况下，进行与室外空气温度等环境相应的运转而耗电。因此，根据基于环境条件的实际数据来求出预测累计值，可以提高预测累计值的算出精度。此外，因为根据精度提高的预测累计值和电力目标值来变更本次需求时限中的电力目标值，所以能够使值最优化。因此，既能够提高预测累计值的算出精度又能够使电力目标值最优化。
另外，在本发明的需求控制系统中优选，变更部在算出部所算出的预测累计值低于电力目标值时，使电力目标值从当前值降低。
根据本需求控制系统，在预测累计值低于电力目标值的情况下，因为使电力目标值降低，所以可通过每1需求时限的电力目标值降低的积累，来最终维系契约费用的降低。
另外，在本发明的需求控制系统中优选，算出部算出本次需求时限中的预测累计值，并且根据基于当前实际环境条件从实际数据存储部提取出的实际数据，来算出下一需求时限中的预测累计值，变更部在即使算出部所算出的本次需求时限中的预测累计值低于电力目标值，但下一需求时限中的预测累计值超过电力目标值时，也不使本次需求时限中的电力目标值降低。
根据本需求控制系统，在本次需求时限中的预测累计值低于电力目标值、下一需求时限中的预测累计值超过电力目标值时，不使本次需求时限中的电力目标值降低。由此，能够抑制以下的事态，即由于使本次需求时限中的电力目标值降低，所以在下一需求时限中对电力消耗设备施加负担从而导致在下一需求时限中耗电累计值超过电力目标值。
另外，在本发明的需求控制系统中优选，还具有存储在当月的各个需求时限内实际消耗的耗电累计值中的最大累计值的最大电力存储部，变更部在算出部所算出的本次需求时限中的预测累计值是电力目标值以下的情况下，当预测累计值超过最大累计值时，将本次需求时限中的电力目标值变更为预测累计值，当预测累计值是最大累计值以下时，将本次需求时限中的电力目标值变更为最大累计值。
根据本需求控制系统，在预测累计值是最大累计值以下时，将本次需求时限中的电力目标值变更为最大累计值。这里，在需求契约方式中根据最大累计值来进行费用设定。因此，即使将本次需求时限的电力目标值变更为小于最大累计值的值也不维系契约费用的降低。但是，因为将电力目标值变更为最大累计值，所以能够防止不维系契约费用降低的电力目标值的变更。此外，还可以通过将电力目标值降低到最大累计值，来减小在当月更新最大累计值的可能性，最终能够维系契约费用的降低。
另外，在本发明的需求控制系统中，实际数据存储部在实际消耗的耗电累计值是进行耗电控制后被电力消耗设备所消耗的电力时，将假定未进行耗电控制时所要消耗的电力累计值作为实际数据进行存储。
根据本需求控制系统，因为将假定未进行耗电控制时所要消耗的电力累计值作为实际数据进行存储，所以能够防止实际数据不正确、预测累计值的算出精度降低这样的事态。
另外，本发明的需求控制器当预测在需求时限内被电力消耗设备消耗的电力的预测累计值超过作为在需求时限内消耗的电力的目标值的电力目标值时，控制上述电力消耗设备的耗电，其特征是具有：实际数据存储部，其根据不同的环境条件来存储基于电力消耗设备所实际消耗的耗电累计值的实际数据；算出部，其在本次需求时限开始时或开始前，根据实际数据存储部所存储的存储内容中基于当前实际环境条件从实际数据存储部提取出的实际数据，来算出预测在本次需求时限内消耗的预测累计值；以及变更部，其根据算出部所算出的预测累计值和电力目标值来变更本次需求时限中的电力目标值。
在本需求控制器中，根据基于电力消耗设备所实际消耗的耗电累计值的实际数据中基于当前实际环境条件的实际数据，来求出预测在本次需求时限内消耗的预测累计值。例如在电力消耗设备是空调机等的情况下，进行与室外空气温度等环境相应的运转而耗电。因此，根据基于环境条件的实际数据来求出预测累计值，可以提高预测累计值的算出精度。此外，因为根据精度提高的预测累计值和电力目标值来变更本次需求时限中的电力目标值，所以能够使值最优化。因此，既能够提高预测累计值的算出精度又能够使电力目标值最优化。
另外，本发明的需求程序当预测在需求时限内被电力消耗设备消耗的电力的预测累计值超过作为在需求时限内消耗的电力的目标值的电力目标值时，使需求控制器执行电力消耗设备的耗电控制，其特征是执行以下步骤：实际数据存储步骤，根据不同的环境条件来存储基于电力消耗设备所实际消耗的耗电累计值的实际数据；算出步骤，在本次需求时限开始时或开始前，根据实际数据存储步骤所存储的存储内容中基于当前实际环境条件提取出的实际数据，来算出预测在本次需求时限内消耗的预测累计值；以及变更步骤，根据算出步骤所算出的预测累计值和电力目标值来变更本次需求时限中的电力目标值。
在本发明的需求程序中，根据基于电力消耗设备所实际消耗的耗电累计值的实际数据中基于当前实际环境条件的实际数据，来求出预测在本次需求时限内消耗的预测累计值。例如在电力消耗设备是空调机等的情况下，进行与室外空气温度等环境相应的运转而耗电。因此，根据基于环境条件的实际数据来求出预测累计值，可以提高预测累计值的算出精度。此外，因为根据精度提高的预测累计值和电力目标值来变更本次需求时限中的电力目标值，所以能够使值最优化。因此，既能够提高预测累计值的算出精度又能够使电力目标值最优化。
另外，本发明的需求控制方法当预测在需求时限内被电力消耗设备消耗的电力的预测累计值超过作为在需求时限内消耗的电力的目标值的电力目标值时，控制电力消耗设备的耗电，其特征在于，具有以下步骤：实际数据存储步骤，根据不同的环境条件来存储基于电力消耗设备所实际消耗的耗电累计值的实际数据；算出步骤，在本次需求时限开始时或开始前，根据实际数据存储步骤所存储的存储内容中基于当前实际环境条件提取出的实际数据，来算出预测在本次需求时限内消耗的预测累计值；以及变更步骤，根据算出步骤所算出的预测累计值和电力目标值来变更本次需求时限中的电力目标值。
在本发明的需求控制方法中，根据基于电力消耗设备所实际消耗的耗电累计值的实际数据中基于当前实际环境条件的实际数据，来求出预测在本次需求时限内消耗的预测累计值。例如在电力消耗设备是空调机等的情况下，进行与室外空气温度等环境相应的运转而耗电。因此，根据基于环境条件的实际数据来求出预测累计值，可以提高预测累计值的算出精度。此外，因为根据精度提高的预测累计值和电力目标值来变更本次需求时限中的电力目标值，所以能够使值最优化。因此，既能够提高预测累计值的算出精度又能够使电力目标值最优化。
此外在上述内容中，所谓电力是包含电能的概念。
根据本发明，既能够提高预测累计值的算出精度又能够使电力目标值最优化。
【附图说明】
图1是本实施方式的需求控制系统的概括结构图。
图2是示出图1所示的电力数据库所存储的存储内容的示意图，(a)表示环境条件的一例，(b)表示在时间带是0:30～0:40、室外空气温度是5℃～10℃时存储的实际数据的一例。
图3是表示图1所示的运转状态数据库所存储的存储内容的示意图。
图4是表示图1所示的停止/恢复表所存储的存储内容的示意图。
图5是表示电力目标值变更的状况的图，(a)表示电力目标值与预测累计值之间的关系，(b)表示变更后的电力目标值。
图6是表示本实施方式的需求控制方法的流程图。
图7是表示图6所示的需求时限开始时的预测控制处理(步骤S11)的详细的流程图。
图8是表示图6所示的需求时限中途的预测控制处理(步骤S13)的详细的流程图，其示出前半部分。
图9是表示图6所示的需求时限中途的预测控制处理(步骤S13)的详细的流程图，其示出后半部分。
图10是表示第2实施方式的需求控制系统的处理内容的图。
图11是表示第2实施方式的需求控制方法的流程图，其详细示出图6所示的需求时限开始时的预测控制处理(步骤S11)。
图12是表示第3实施方式的需求控制系统3的处理内容的图，(a)表示预测累计值是最大累计值以下时的电力状态的一例，(b)表示在(a)的情况下的电力目标值变更的状况，(c)表示预测累计值超过最大累计值时的电力状态的一例，(d)表示在(c)的情况下的电力目标值变更的状况。
图13是表示第3实施方式的需求控制方法的流程图，详细示出图6所示的需求时限开始时的预测控制处理(步骤S11)。
【具体实施方式】
下面，采用附图对本发明的实施方式进行说明。图1是本实施方式的需求控制系统的概括结构图。如图1所示，需求控制系统1具有：电力消耗设备10、温度传感器20、电力计30和需求控制器40。
电力消耗设备10是例如冷冻机10a或空调机10b等耗电进行工作的设备。温度传感器20用于检测室外空气温度。电力计30用于检测电力消耗设备10各自消耗的电力。另外，电力消耗设备10不限于此，例如照明设备那样，只要是耗电进行工作的设备既可。另外，电力消耗设备10也可以仅是一个而不是多个。
需求控制器40用于控制电力消耗设备10的耗电，其具有：CPU(算出部以及变更部)41、ROM42、RAM43、计时器44、电力数据库(实际数据存储部)45、运转状态数据库46和停止/恢复表47。
CPU41对需求控制器40进行整体控制。例如，CPU41算出预测在30分钟等需求时限内被多个电力消耗设备10消耗的电力的预测累计值。另外，需求控制器40构成为对算出的预测累计值与作为需求时限内所耗电的目标值的电力目标值进行比较，当预测累计值超过电力目标值时，停止电力消耗设备10等，执行耗电控制。
ROM42用于存储由CPU41执行的控制程序，例如，存储上述的预测累计值的算出程序及预测累计值与电力目标值的比较程序等。RAM43用于存储各种变量等。计时器44具有计时功能。
电力数据库45用于存储基于电力消耗设备10所实际消耗的耗电累计值的实际数据。图2是表示图1所示的电力数据库45所存储的存储内容的示意图。如图2(a)所示，环境条件例如是由温度传感器20所检测出的室外空气温度和由计时器44所测出的时间带，实际数据按照每个室外空气温度以及每个时间带来区别地存储。即，实际数据按照图2(a)所示的每个块来区别地存储。各个块是以室外空气温度5℃间隔以及时间带10分钟间隔来划分的。
图2(b)表示时间带是0:30～0:40、室外空气温度是5℃～10℃时存储的实际数据的一例。如图2(b)所示，相对于时间带是0:30～0:40、室外空气温度是5℃～10℃的环境条件，电力数据库45构成为可存储例如10个实际数据。另外，电力数据库45在获得超过10个的实际数据时，从最旧的实际数据开始顺次删除。即使针对其他环境条件也是同样，构成为存储10个新的实际数据。
再次参照图1。运转状态数据库46用于保存从需求时限开始到结束的耗电累计值。图3表示图1所示的运转状态数据库46所存储的存储内容的示意图。如图3所示，运转状态数据库46按照每一分钟来依次存储室外空气温度和从需求时限开始时(图3的时刻0:30)起的耗电累计值。
接着参照图1。停止/恢复表47按照每个电力消耗设备10存储有各种信息。图4是表示图1所示的停止/恢复表47所存储的存储内容的示意图。如图4所示，停止/恢复表47按照每个电力消耗设备10存储有是停止中还是运转中的信息、停止次序的信息、恢复次序的信息以及削减估计电力的信息。
这里，停止次序表示使运转停止的电力消耗设备10的优先次序。恢复次序表示使停止中的电力消耗设备10运转时的优先次序。削减估计电力表示估计在使运转中的电力消耗设备10停止时被削减的电力。另外，削减估计电力还表示估计在每一分钟使电力消耗设备10停止时被削减的电力。该削减估计电力可以根据在过去使电力消耗设备10运转时所消耗的电力来算出，也可以根据电力消耗设备10的额定功率来算出。
这里在本实施方式中，CPU41在本次需求时限开始时，算出预测在本次需求时限内所消耗的电力的预测累计值。例如，当需求时限以30分钟为单位进行划分时，CPU41在0:30时刻算出预测在0:30～1:00所消耗的电力的预测累计值。同样，CPU4 1在1:00时刻算出预测在1:00～1:30所消耗的电力的预测累计值，在1:30时刻算出预测在1:30～2:00所消耗的电力的预测累计值。另外，CPU41可在本次需求时限开始前算出预测在本次需求时限内被消耗的电力的预测累计值。以下，在第1实施方式中说明在本次需求时限开始时算出预测累计值的例子。
另外，CPU41根据在电力数据库45所存储的存储内容中基于当前的实际环境条件从电力数据库45内提取出的实际数据，来算出预测累计值。即，在当前时刻是0:30、温度传感器20所检测出的温度是7.5℃时，CPU41根据室外空气温度5℃～10℃且时间带0:30～0:40的实际数据、室外空气温度5℃～10℃且时间带0:40～0:50的实际数据、以及室外空气温度5℃～10℃且时间带0:50～1:00的实际数据来算出预测累计值。另外，如图2所示，按照每个环境条件存储10个实际数据，所以CPU41在算出10个实际数据的平均值等之后，算出预测累计值。
此外，CPU41根据算出的预测累计值和电力目标值来变更本次需求时限中的电力目标值。图5是表示电力目标值变更的状况的图。CPU41如图5(a)所示，在算出的预测累计值低于电力目标值时，如图5(b)所示，降低本次需求时限中的电力目标值。
接着，对需求控制系统1的需求控制方法进行说明。图6是表示本实施方式的需求控制方法的流程图。如图6所示，需求控制器40的CPU41首先将当前时刻、室外空气温度以及从需求时限开始到当前的耗电累计值的信息存储到运转状态数据库45(步骤S1)。另外，步骤S1的处理如图3所示按照每1分钟来执行，但不仅限于每1分钟。
然后，CPU41在停止/恢复表46中存储电力消耗设备10是运转中还是停止中的信息(步骤S2)。然后，CPU41根据计时器47所测出的时刻信息，来判断当前是否是作为环境条件之一的时间带的切换时刻(步骤S3)。在判断为当前不是时间带的切换时刻时(步骤S3：NO)，处理转移到步骤S8。
另一方面，在判断为当前是时间带的切换时刻时(步骤S3：YES)，CPU41判断在前一时间带中是否进行了电力控制、即需求控制(步骤S4)。在判断为没有进行需求控制时(步骤S4：NO)，CPU41将在前一时间带中的耗电累计值作为实际数据存储到电力数据库45中(步骤S5)。此时，CPU41根据不同的环境条件来存储耗电累计值。然后，处理转移到步骤S8。
另外，当判断为已进行了需求控制时(步骤S4：YES)，CPU41根据停止/恢复表46的削减估计电力和电力消耗设备10的实际停止时间来算出削减电力Pcut(步骤S6)。然后，CPU41将在前一时间带中的耗电累计值与削减电力Pcut之和作为实际数据存储到电力数据库中(步骤S7)。之后，处理转移到步骤S8。
在步骤S8中，CPU41判断是否存储有处于当前的室外空气温度及本次需求时限的时间带的实际数据(步骤S8)。当判断为没有存储上述实际数据时(步骤S8：NO)，CPU41利用现有方法(线性预测方法)来执行需求控制(步骤S9)。然后，图6所示的处理结束。
另一方面，当判断为存储有上述实际数据时(步骤S8：YES)，CPU41判断当前是否是需求时限的开始时(步骤S10)。在判断为当前是需求时限开始时的情况下(步骤S10：YES)，CPU41执行需求时限开始时的预测控制处理(步骤S11)。在该处理中，CPU41当预测累计值超过电力目标值时，停止电力消耗设备10等，执行减少耗电的控制。另外，在该处理中，CPU41在预测累计值低于电力目标值时，执行使电力目标值降低的控制。然后，图6所示的处理结束。
在判断为当前不是需求时限开始时的情况下(步骤S10：NO)，CPU41判断当前是否是时间带的切换时刻(步骤S12)。在判断为当前不是时间带的切换时刻时(步骤S12：NO)，图6所示的处理结束。
另一方面，在判断为当前是时间带的切换时刻时(步骤S12：YES)，CPU41执行需求时限中途的预测控制处理(步骤S13)。在该处理中，当预测累计值超过电力目标值时，CPU41停止电力消耗设备10等，执行减少耗电的控制。然后，图6所示的处理结束。另外，图6所示的处理在关闭需求控制器40的电源之前被反复执行。
图7是表示图6所示的需求时限开始时的预测控制处理(步骤S11)的详细的流程图。如图7所示，首先，CPU41通过将电力目标值Y设为初始值Yi来进行初始化(步骤S21)。然后，CPU41算出具有与当前环境条件相同的环境条件的实际数据的平均值Xa(步骤S22)。即，CPU41在当前室外空气温度是7.5℃、时间带是0:30时，读入室外空气温度是5℃～10℃、时间带是0:30～0:40的10个实际数据，并算出这些实际数据的平均值Xa。
然后，CPU41将平均值Xa代入预测累计值X(步骤S23)。然后，CPU41判断已算出平均值的时间带的下一时间带是否属于同一需求时限(步骤S24)。例如，在算出了0:30～0:40时间带的平均值时，如果下一时间带是0:40～0:50，则CPU41判断为属于同一需求时限。相反，在算出了0:50～1:00时间带的平均值时，如果下一时间带为1:00～1:10，则CPU41判断为不属于同一需求时限。
当判断为下一时间带属于同一需求时限时(步骤S24：YES)，CPU41根据与当前室外空气温度一致的下一时间带的实际数据来算出实际数据的平均值Xb(步骤S25)。然后，CPU41在预测累计值X上加上平均值Xb(步骤S26)。然后，处理转移到步骤S24。
当判断为下一时间带不属于同一需求时限时(步骤S24：NO)，CPU41判断预测累计值X是否超过电力目标值Y(步骤S27)。当判断为预测累计值X超过电力目标值Y时(步骤S27：YES)，CPU41从预测累计值X减去电力目标值Y，算出超过电力量Z(步骤S28)。然后，CPU41将“0”代入总耗电减少量Q(步骤S29)。
之后，CPU41根据停止/恢复表46的停止次序来选择使其停止的电力消耗设备10(步骤S30)。接着，CPU41根据所选择的电力消耗设备10的估计削减电力和直到需求时限结束时的剩余时间，来算出耗电减少量q(步骤S31)。并且，CPU41在总耗电减少量Q上加上在步骤S31中算出的耗电减少量q(步骤S32)。
然后，CPU41判断总耗电减少量Q是否为超过电力量Z以上(步骤S33)。当判断为总耗电减少量Q为超过电力量Z以上时(步骤S33：YES)，处理转移到步骤S35。
另一方面，当判断为总耗电减少量Q不是超过电力量Z以上时(步骤S33：NO)，CPU41经过步骤S30的处理来判断是否已选择了全部的电力消耗设备10(步骤S34)。当判断为没有选择全部的电力消耗设备10时(步骤S34：NO)，处理转移到步骤S30。当判断为选择了全部的电力消耗设备10时(步骤S34：YES)，处理转移到步骤S35。
在步骤S35中，CPU41使选择的电力消耗设备10全部停止(步骤S35)。然后，处理转移到图6所示的流程图。但是，当判断为预测累计值X不超过电力目标值Y时(步骤S27：NO)，CPU41将电力目标值Y变更为预测累计值X的值(步骤S36)。之后，处理转移到图6所示流程图。
图8以及图9是表示图6所示的需求时限中途的预测控制处理(步骤S13)的详细的流程图。如图8所示，首先，CPU41算出从需求时限开始到当前的实际耗电累计值p(步骤S41)。然后，CPU41算出具有与当前环境条件相同的环境条件的实际数据的平均值Xa(步骤S42)。
接着，CPU41将在此之前的实际耗电累计值p与平均值Xa相加的值作为预测累计值X(步骤S43)。然后，CPU41判断已算出平均值的时间带的下一时间带是否属于同一需求时限(步骤S44)。
在判断为下一时间带属于同一需求时限时(步骤S44：YES)，CPU41根据与当前室外空气温度一致的下一时间带的实际数据，来算出实际数据的平均值Xb(步骤S45)。之后，CPU41在预测累计值X上加上平均值Xb(步骤S46)。然后，处理转移到步骤S44。
在判断为下一时间带不属于同一需求时限时(步骤S44：NO)，CPU41判断预测累计值X是否超过电力目标值Y(步骤S47)。当判断为预测累计值X超过电力目标值Y时(步骤S47：YES)，处理转移到步骤S48。因为步骤S48～步骤S55的处理与图7所示的步骤S28～步骤S35的处理相同，所以省略说明。
另一方面，当判断为预测累计值X未超过电力目标值Y时(步骤S47：NO)，处理转移到图9所示的步骤S56。在步骤S56中，CPU41从电力目标值Y减去预测累计值X来算出富余电力量Y(步骤S56)。然后，CPU41将“0”代入总耗电增加量R(步骤S57)。
之后，CPU41根据停止/恢复表46的恢复次序来选择使其恢复的电力消耗设备10(步骤S58)。接着，CPU41根据已选择的电力消耗设备10的估计削减电力和直到需求时限结束时的剩余时间，来算出耗电增加量r(步骤S59)。然后，CPU41在总耗电增加量R上加上在步骤S59中算出的耗电增加量r(步骤S60)。
此后，CPU41判断总耗电增加量R是否是富余电力量V以上(步骤S61)。当判断为总耗电增加量R是富余电力量V以上时(步骤S61：YES)，CPU41除了已选择的电力消耗设备10中最后选择的之外，恢复电力消耗设备10(步骤S62)。然后，处理转移到图6所示的流程图。
另一方面，当判断为总耗电增加量R不是富余电力量V以上时(步骤S61：NO)，CPU41经过步骤S58的处理，判断是否选择了全部的电力消耗设备10(步骤S63)。当判断为没有选择全部的电力消耗设备10时(步骤S63：NO)，处理转移到步骤S58。当判断为已选择了全部的电力消耗设备10时(步骤S63：YES)，CPU41使已选择的电力消耗设备10全部恢复(步骤S64)。然后，处理转移到图6所示的流程图。
这样，根据第1实施方式，根据基于电力消耗设备10实际消耗的耗电累计值的实际数据中的、基于当前实际环境条件的实际数据，来求出预测在本次需求时限内被消耗的预测累计值。例如在电力消耗设备10是空调机10b等的情况下，进行与室外空气温度等环境相应的运转，从而耗电。因此，根据基于环境条件的实际数据来求出预测累计值，能够提高预测累计值的算出精度。此外，还根据精度已提高的预测累计值和电力目标值来变更本次需求时限中的电力目标值，所以能够使值最优化。因此，既能够提高预测累计值的算出精度又能够使电力目标值最优化。
另外，在预测累计值低于电力目标值时，为了使电力目标值降低，可以通过每1需求时限的电力目标值降低的积累，来最终维系契约费用的降低。
另外，因为将假定没有进行耗电控制时所消耗的电力累计值存储为实际数据，所以能够防止实际数据不正确、预测累计值的算出精度下降这样的事态。
接着，对本发明的第2实施方式进行说明。第2实施方式的需求控制系统与第1实施方式的相同，不过结构以及处理内容不同。以下，对与第1实施方式不同的方面进行说明。
图10是表示第2实施方式的需求控制系统2的处理内容的图。在第2实施方式的需求控制系统2中，CPU41在本次需求时限开始时，不仅算出本次需求时限中的预测累计值X，还算出下一需求时限开始中的预测累计值Xn+1。另外，第2实施方式的CPU41在本次需求时限开始前，可以算出本次需求时限中的预测累计值X以及下一需求时限开始中的预测累计值Xn+1。以下，在第2实施方式中说明在本次需求时限开始时算出本次需求时限中的预测累计值X以及下一需求时限开始中的预测累计值Xn+1的例子。
此外，CPU41在算出的本次需求时限中的预测累计值X低于电力目标值Y、下一需求时限中的预测累计值Xn+1超过电力目标值Y时，不使本次需求时限中的电力目标值Y降低。即，因为在本次需求时限中预测累计值X低于电力目标值Y，所以在第1实施方式中电力目标值Y变更为与预测累计值X相同的值，不过在第2实施方式中因为在下一需求时限中预测累计值Xn+1超过电力目标值Y，所以没有变更电力目标值Y。
图11是表示第2实施方式的需求控制方法的流程图，其详细示出图6所示的需求时限开始时的预测控制处理(步骤S11)。另外，图11所示的步骤S71～步骤S85的处理与图7所示的步骤S21～步骤S35的处理相同，所以省略说明。
在步骤S77中，当判断为预测累计值X不超过电力目标值Y时(步骤S77：NO)，CPU41算出在下一需求时限的预测累计值Xn+1(步骤S86)。在下一需求时限的预测累计值Xn+1经过与步骤S72～步骤S76同样的处理来算出。
然后，CPU41判断在下一需求时限的预测累计值Xn+1是否超过电力目标值Y(步骤S87)。当判断为在下一需求时限的预测累计值Xn+1不超过电力目标值Y时(步骤S87：NO)，CPU41将预测累计值X代入电力目标值Y(步骤S36)。然后，处理转移到图6所示的流程图。
另一方面，当判断为在下一需求时限的预测累计值Xn+1超过电力目标值Y时(步骤S87：YES)，不变更电力目标值Y，处理转移到图6所示的流程图。
这样，第2实施方式与第1实施方式相同，既能够提高预测累计值的算出精度又能够使电力目标值最优化，从而最终维系了契约费用的降低。另外，还能够防止实际数据不正确、预测累计值的算出精度降低这样的事态。
此外，根据第2实施方式，当本次需求时限的预测累计值低于电力目标值、下一需求时限的预测累计值超过电力目标值时，不使本次需求时限中的电力目标值降低。这里，在第1实施方式中，电力目标值变更为与预测累计值相同的值，例如，在电力目标值变更为比预测累计值小的值等时，在下一需求时限中对电力消耗设备10施加负载。但是，根据第2实施方式，在下一需求时限的预测累计值超过电力目标值时，不使本次需求时限中的电力目标值降低，所以能够抑制在下一需求时限中对电力消耗设备10施加负担而导致下一需求时限的耗电累计值超过电力目标值这样的事态。
接着，对本发明的第3实施方式进行说明。第3实施方式的需求控制系统与第1实施方式的相同，不过结构以及处理内容不同。以下，对与第1实施方式不同的方面进行说明。
在第3实施方式的需求控制系统3中，CPU41将在当月的各个需求时限内所实际消耗的耗电累计值之中的最大累计值存储到RAM(最大电力存储部)43。另外，CPU41还可以存储到其他存储媒介中而不存储到RAM43中。
此外，CPU41还进行如图12所示的处理。图12是表示第3实施方式的需求控制系统3的处理内容的图。CPU41如图12(a)所示，在本次需求时限中的预测累计值X是电力目标值Y以下的情况下，当预测累计值X是最大累计值Smax以下时，将本次需求时限中的电力目标值Y变更为最大累计值Smax(参照图12(b))。这里，在需求契约方式中根据最大累计值Smax来进行费用设定。因此，即使将本次需求时限的电力目标值Y变更为小于最大累计值Smax的值也不维系契约费用的降低。但是，因为未将电力目标值V降低到预测累计值X而降低到最大累计值Smax，所以能够防止不维系契约费用降低的电力目标值Y的变更。此外，通过将电力目标值Y降低到最大累计值Smax，可以减小在当月更新最大累计值Smax的可能性，最终能够维系契约费用的降低。
另外，CPU41如图12(c)所示，在本次需求时限中的预测累计值X是电力目标值Y以下的情况下，当预测累计值X超过最大累计值Smax时，将本次需求时限中的电力目标值Y变更为预测累计值X(参照图12(d))。
图13是表示第3实施方式的需求控制方法的流程图，其详细示出图6所示的需求时限开始时的预测控制处理(步骤S11)。另外，图13所示步骤S93～步骤S107的处理与图7所示的步骤S21～步骤S35的处理同样，所以省略说明。
首先，CPU41根据存储到运转状态数据库46中的数据，来算出之前的需求时限内的耗电累计值(步骤S91)。接着，CPU41设定最大累计值Smax(步骤S92)。最大累计值Smax在月初是“0”，之后成为在当月的各个需求时限内所实际消耗的耗电累计值中的最大的值。
然后，经过步骤S93～步骤S98的处理，到达步骤S99的处理。并且，在步骤S99中，当判断为预测累计值X不超过电力目标值Y时(步骤S99：NO)，CPU41判断预测累计值X是否超过最大累计值Smax(步骤S108)。
当判断为预测累计值X超过最大累计值Smax时(步骤S108：YES)，CPU41将电力目标值Y变更为预测累计值X的值(步骤S109)。然后，处理转移到图6所示的流程图。另一方面，当判断为预测累计值X不超过最大累计值Smax时(步骤S108：NO)，CPU41将电力目标值Y降低到最大累计值Smax(步骤S110)。然后，处理转移到图6所示的流程图。
这样，第3实施方式与第1实施方式相同，既能够提高预测累计值的算出精度又能够使电力目标值最优化，最终能够维系契约费用的降低。另外，还能够防止实际数据不正确、预测累计值的算出精度降低这样的事态。
此外，根据第3实施方式，当预测累计值是最大累计值以下时，将本次需求时限中的电力目标值变更为最大累计值。这里，在需求契约方式中根据最大累计值来进行费用设定。因此，即使将本次需求时限的电力目标值变更为小于最大累计值的值也不维系契约费用的降低。但是，因为将电力目标值变更为最大累计值，所以能够防止维系契约费用降低的电力目标值的变更。此外，通过将电力目标值降低到最大累计值，可以减小在当月更新最大累计值的可能性，最终能够维系契约费用的降低。
以上，根据实施方式对本发明进行了说明，不过本发明不限于上述实施方式，只要不脱离本发明的主旨就能够施加各种变更。例如，在上述实施方式中，在需求时限开始时的预测控制处理(步骤S11)中变更电力目标值，但不限于此，可以在需求时限中途的预测控制处理(步骤S13)中变更电力目标值。
另外，在上述实施方式中，如图5及图12所示以降低电力目标值的情况为例进行了说明，但不限于降低电力目标值的情况，也可以提高电力目标值。此外，在上述实施方式的流程图中主要说明了在需求时限开始时求出预测累计值的情况，但不限于此，预测累计值可以在需求时限开始前求出。
在上述实施方式中，以需求时限是30分钟的情况为例进行了说明，但不仅限于30分钟的时间段。例如，可以是耗电量增加的时间带(12时到2时等)和以此为准的时间带(2时到4时等)这样的时间段。此外，还可以是电费不同的时间带等这样的时间段。
另外，为了参照，将日本国专利申请第2007-61061号(2007年3月9日申请)以及日本国专利申请第2007-317609号(2007年12月7日申请)的全部内容编入本申请说明书。
产业上的可利用性
根据本发明既能够提高预测累计值的算出精度又能够使电力目标值最优化，因此在控制电力消耗设备的耗电的需求控制系统中是有用的。