特許ウォッチ

公開番号2025085971
公報種別公開特許公報(A)
公開日2025-06-06
出願番号2023199706
出願日2023-11-27
発明の名称スパイク予測装置およびスパイク予測方法
出願人株式会社日立製作所
代理人弁理士法人磯野国際特許商標事務所
主分類G06Q 50/06 20240101AFI20250530BHJP(計算;計数)
要約【課題】時系列データに含まれるスパイクの予測を可能とする。
【解決手段】スパイク予測装置100は、所定長の1つ以上の期間にわたる時系列データに含まれるスパイクが発生した時刻を抽出するスパイク抽出部111と、スパイク発生の予測対象となる期間である予測対象期間より以前の期間における、時系列データおよびスパイクが発生した時刻を基に、当該予測対象期間におけるスパイクが発生する時刻を予測する予測部(スパイク発生予測部117参照)を備える。
【選択図】図1
特許請求の範囲【請求項１】
所定長の１つ以上の期間にわたる時系列データに含まれるスパイクが発生した時刻を抽出するスパイク抽出部と、
スパイク発生の予測対象となる前記期間である予測対象期間より以前の前記期間における、前記時系列データおよび前記スパイクが発生した時刻を基に、当該予測対象期間における前記スパイクが発生する時刻を予測する予測部と、を備える
スパイク予測装置。
続きを表示（約 1,800 文字）【請求項２】
前記スパイク抽出部は、
前記時系列データから平滑化された当該時系列データを減じたデータである平滑化差分データからスパイクを除去したデータであるスパイク除去後平滑化差分時系列データを算出し、
当該スパイク除去後平滑化差分時系列データを、トレンド成分と、周期性成分と、残差成分とに成分分解する成分分解部と、
前記時系列データから当該トレンド成分を減じたトレンド差分データを算出するトレンド差分算出部と、をさらに備え、
前記スパイク抽出部は、
当該トレンド差分データに含まれるスパイクが発生する前記期間における時刻を抽出し、
前記予測部は、
前記予測対象期間より以前の前記期間における、当該トレンド差分データおよび当該トレンド差分データに含まれるスパイクが発生した時刻を基に、当該予測対象期間における前記スパイクが発生する時刻を予測する
請求項１に記載のスパイク予測装置。
【請求項３】
前記スパイク抽出部は、
前記時系列データから平滑化された当該時系列データを減じたデータである平滑化差分に含まれるスパイクが発生した時刻を抽出し、当該時系列データに含まれる当該時刻のスパイクを除去した時系列データであるスパイク除去後時系列データを算出し、
当該スパイク除去後時系列データを、トレンド成分と、周期性成分と、残差成分とに成分分解する成分分解部と、
前記時系列データから当該トレンド成分を減じたトレンド差分データを算出するトレンド差分算出部と、をさらに備え、
前記スパイク抽出部は、
当該トレンド差分データに含まれるスパイクが発生する前記期間における時刻を抽出し、
前記予測部は、
前記予測対象期間より以前の前記期間における、当該トレンド差分データおよび当該トレンド差分データに含まれるスパイクが発生した時刻を基に、当該予測対象期間における前記スパイクが発生する時刻を予測する
請求項１に記載のスパイク予測装置。
【請求項４】
前記予測部は、
機械学習モデルを用いて前記スパイクが発生する時刻を予測し、
当該機械学習モデルは、
説明変数が、前記予測対象期間より以前の前記期間の前記トレンド差分データ、および、当該期間に含まれる各時刻での、当該トレンド差分データにおけるスパイク発生の当否であり、
目的変数が、前記予測対象期間に含まれる各時刻での、スパイクが発生する確率である機械学習モデルである
請求項２または３に記載のスパイク予測装置。
【請求項５】
前記機械学習モデルは、
NGBOOSTモデルである
請求項４に記載のスパイク予測装置。
【請求項６】
前記予測部は、
前記予測対象期間より以前の前記期間における、当該トレンド差分データおよび当該トレンド差分データに含まれるスパイクが発生した時刻を基に、当該予測対象期間における前記スパイクが発生する時刻での当該トレンド差分データの値を予測する
請求項２または３に記載のスパイク予測装置。
【請求項７】
前記予測部は、
機械学習モデルを用いて前記トレンド差分データの値を予測し、
当該機械学習モデルは、
説明変数が、前記予測対象期間より以前の前記期間の前記トレンド差分データ、および、当該期間に含まれる各時刻での、当該トレンド差分データにおけるスパイク発生の当否であり、
目的変数が、前記予測対象期間に含まれる各時刻での、前記トレンド差分データの値である機械学習モデルである
請求項６に記載のスパイク予測装置。
【請求項８】
前記機械学習モデルは、
NGBOOSTモデルである
請求項７に記載のスパイク予測装置。
【請求項９】
スパイク予測装置が、
所定長の１つ以上の期間にわたる時系列データに含まれるスパイクが発生した時刻を抽出するステップと、
スパイク発生の予測対象となる前記期間である予測対象期間より以前の前記期間における、前記時系列データおよび前記スパイクが発生した時刻を基に、当該予測対象期間における前記スパイクが発生する時刻を予測するステップとを実行する
スパイク予測方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、時系列データに含まれるスパイクを予測するスパイク予測装置およびスパイク予測方法に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
卸電力取引では、発電事業者と小売事業者の間で翌日分や当日分の電力が取引されており、電力価格が刻々と変化している。発電事業者や小売事業者にとっては、発電所の稼働判断や価格高騰リスクへの対応、収支計算のために電力価格を予想することが重要である。特許文献１に記載の電力需要予測システムは、電力供給エリアを電力需要変動との相関が高い人移動属性に基づいて複数のサブエリアに分割し、サブエリアごとに電力需要の履歴データに基づいて将来の電力需要を予測する。取引価格の予測に、このような電力需要予測システムによる需要予測を用いることができる。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－０１８８４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
時系列データである電力価格は、スパイク状の変動（単にスパイクとも記す）を含むことがある。スパイクは、日や週、季節などの周期的変動とは異なる要因で発生すると考えられ、スパイクを含んだままの価格予測では精度が低下する。このため、周期的変動とは別に、スパイクの発生や価格を予測することが望ましい。これは電力価格に限らず、スパイクを含む他の予測（回帰）についても同様である。
本発明は、このような背景に鑑みてなされたものであり、時系列データに含まれるスパイクの予測を可能とするスパイク予測装置およびスパイク予測方法を提供することを課題とする。
【課題を解決するための手段】
【０００５】
上記した課題を解決するため、本発明に係るスパイク予測装置は、所定長の１つ以上の期間にわたる時系列データに含まれるスパイクが発生した時刻を抽出するスパイク抽出部と、スパイク発生の予測対象となる前記期間である予測対象期間より以前の前記期間における、前記時系列データおよび前記スパイクが発生した時刻を基に、当該予測対象期間における前記スパイクが発生する時刻を予測する予測部と、を備える。
【発明の効果】
【０００６】
本発明によれば、時系列データに含まれるスパイクの予測を可能とするスパイク予測装置およびスパイク予測方法を提供することができる。上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
【図面の簡単な説明】
【０００７】
本実施形態に係るスパイク予測装置の機能ブロック図である。
本実施形態に係る電力価格データを示すグラフである。
本実施形態に係る電力価格データの平滑化した結果である平滑化結果のグラフである。
本実施形態に係る電力価格データから平滑化結果を減じた平滑化差分のグラフである。
本実施形態に係る電力価格データの平滑化差分からスパイクが除去された電力価格データである。
本実施形態に係るスパイク抽出処理のフローチャートである。
本実施形態に係るスパイク発生予測モデル生成処理のフローチャートである。
本実施形態に係るスパイク発生予測処理のフローチャートである。
本実施形態に係るコンピュータのブロック図である。
【発明を実施するための形態】
【０００８】
以下に本発明を実施するための形態（実施形態）におけるスパイク予測装置について説明する。スパイク予測装置は、スパイクを除去した後の時系列データを、トレンド成分、周期性成分、および残差成分に成分分解する。ここでスパイク予測装置は、成分分解指標が最良となるように、成分分解のパラメータを調整する。なお時系列データにおけるスパイクとは、瞬間的に値が大きいまたは小さい（ある時刻での）データであって、値の変動が急激で大きく、異常とみなされるデータある。
【０００９】
次にスパイク予測装置は、時系列データからトレンド成分を減じたトレンド差分に含まれるスパイクを抽出し、スパイクが発生したタイミング（時刻）や値（価格）を取得する。続いてスパイク予測装置は、取得したタイミングや値を基に機械学習技術を用いて、スパイクのタイミングや値を予測する。
【００１０】
このようにすることでスパイク予測装置は、スパイクを高精度に予測することができる。以下の説明では、電力価格を例に説明する。タイミングは、１日における時刻である。スパイク予測装置は、予測対象日（スパイクを予測したい日）前日までの価格データ（時系列データ）を基に、予測対象日のスパイクの発生時刻や価格を予測する。
（【００１１】以降は省略されています）

関連特許