1© 2014 The MathWorks, Inc.

エネルギーマネジメントシステム （EMS） 開発への MATLAB® のすすめ

MathWorks Japan

アプリケーションエンジニアリング部アプリケーションエンジニア赤阪 大介

2

MATLAB は、EMS 開発に求められる

1. データ解析技術

2. 最適化技術

3. システムシミュレーション技術

を強力に支援する開発環境です

お伝えしたいこと

次世代のスマートな社会の創出・普及に向けてEMS 開発に MATLAB を使ってみませんか？

3

アジェンダ

EMSの概要

MATLAB のすすめ

例題

まとめ

4

エネルギーマネジメントシステム（EMS）

家庭、ビルや工場などで使用される多様な形態のエネルギーを最適に管理するシステム

管理対象：HEMS （Home EMS: 家庭）BEMS （Building EMS: ビル）FEMS （Factory EMS: 工場）CEMS （Community EMS: 地域）

HEMS

BEMS

FEMS

CEMS

5

HEMS: 家庭用エネルギーマネジメントシステム

DC/DC

コンバータ

DC/DC

コンバータ

双方向DC/AC

インバータ

双方向DC/DC

コンバータ

DC

HEMS家庭内のエネルギーを一括管理

クラウド

グリッド

モニターAC

分電盤

家電電池

PV

EV

PHEV

ICT

V2H

6

EMS 市場の展望

HEMS

BEMS

FEMS

CEMS

電力小売完全自由化• 多様な企業の参入• 電力と既存事業を融合した新規ビジネス

再生可能エネルギーの増加• アンシラリーサービス市場• 自動デマンドレスポンス（ADR）• アグリゲーター

電源分散化の拡大• 再生可能エネルギー• 蓄電池、EV/PHEV• 燃料電池• コージェネレーション

家庭向けサービスの拡大• 見える化（省エネ）• 電力取引• セキュリティ• ヘルスケア

市場規模の拡大システム・機器・サービスの充実

7

EMS に求められること

エネルギー見える化

自動制御他のシステム・地域連携

見える化から自動制御へ

モニタリング省エネ喚起

分散協調型エネルギー管理

創る

蓄える 賢く使う

エネマネ

安全かつ最適（省エネ、CO2、コスト…etc）な運用を自動化するスマートな管理機能が求められる

8

EMS 開発の技術課題

1. データ解析

– 計画や対策には、振る舞いの予測が必要例： 電力消費、価格、気象、故障、品質の予測

2. 最適化

– 最適な運用には、計画の最適化が必要例： 電力消費、ピークシフト、CO2、コストの最適化

3. システムシミュレーション

– 複雑なシステム（HW/SW）の機能・性能を確

認・決定するには、シミュレーションが必要

9

ChallengeSpeed the development and certification

of a power electronics control system for a

distributed power storage system

SolutionUse Model-Based Design with MATLAB and Simulink

to run simulations of power electronics, the electrical

grid, and controller; generate production

microcontroller code; and achieve certification

Results Six months of development time saved

Thousands of dollars in board spin costs saved

System fully operational days after hardware

becomes available

Stem Accelerates Development of

Power Electronics Control Systems with

Model-Based Design

A commercial installation of Stem’s

PowerStore energy system.

Link to user story

“With Model-Based Design we

saw exactly how our controller

would work with the hardware

even while the hardware was

being developed. After we had the

hardware, refinements were easy

because the simulations matched

what we saw on the scope, and

that gave us tremendous

confidence in the design.”

David Erhart

Stem

10

JST 戦略的創造研究推進事業 （CREST）「EMS」 領域の研究プロジェクト

分散協調型エネルギー管理システム構築のための理論及び基盤技術の創出と融合展開

戦略目標「再生可能エネルギーをはじめとした多様なエネルギーの需給の最適化を可能とする、分散協調型エネルギー管理システム構築のための理論、数理モデル及び基盤技術の創出」

独立行政法人科学技術振興機構 の Web ページより引用http://www.jst.go.jp/kisoken/crest/research_area/ongoing/bunyah24-1.html

文部科学省の選定した戦略目標のもとに平成24年度に発足

大学や企業から様々な分野の研究者が参加し、異分野連携・融合および社会実装の実現を目指した、チーム型研究プロジェクト

11

アジェンダ

EMSの概要

MATLAB のすすめ

例題

まとめ

12

なぜ MATLAB のすすめ？

シミュレーション統計

最適化

行列計算

モデリング

配布

並列計算 設計・検証

EMS 開発

13

モデリングシミュレーション（設計・検証）

モデルベースデザイン制御システム開発

開発環境としての MATLAB の強み

自動化・並列計算

実装

FPGA

VHDL,

Verilog

ASIC

アプリ配布レポート

DSP

C, C++

MCU

ST

PLC

PAC

幅広い豊富な手段で “発想をすぐに形に“ できる開発環境

ファイルデータベース計測器

自動生成

データ解析・アルゴリズム開発

行列、統計、最適化、数式処理 … etc

（数理的な手段）

共有・配布

つながり

14

幅広い分野で利用される MATLAB

航空宇宙

自動車

医療/製薬

石油/化学

通信

コンピュータ

教育金融

計測

エレクトロニクス/半導体

電機

環境/エネルギー

組込み

制御・通信信号処理

画像処理

実験・計測

データ解析

15

アジェンダ

EMSの概要

MATLAB のすすめ

例題

まとめ

16

例題

1. 電力の負荷予測

2. 電力の最適運用計画

3. HEMS シミュレーション

17

ソリューション例

課題「予測」 を設備機器の運用計画・診断に利用したい例： 電力消費、価格、気象、故障、品質の予測

Statistics Toolbox™ （統計解析）

Neural Network Toolbox™ （ニューラルネットワーク）

データを利用した機械学習による予測モデリング

18

ソリューション例

課題金融取引に関する分析・評価などを行いたい例： 資産配分、リスク分析、ポートフォリオ最適化

Financial Toolbox™

Econometrics Toolbox™

専門に特化した Toolbox を利用し分析・評価

19

電力負荷予測の課題

予測

現在

電力消費量 [MW]

10/22 10/23 10/24 10/25 10/26 10/27 10/28 10/29

過去データ から 未来の電力負荷を予測 する方法は？

監視・制御において 「予測」 は重要な技術

20

機械学習による予測モデルの作成

一定のデータをコンピュータに学習させて、データに潜むパターンや規則性などを発見し、有用な予測を生み出す技術

モデル f(x)

𝒚 = 𝒇(𝒙𝟏, 𝒙𝟐, ⋯ , 𝒙𝒏)

𝒚𝒙

データから入力と出力の対応関係（モデル）を構築

21

MATLAB における機械学習

機械学習

教師なし学習 教師あり学習

クラスタリング 回帰 分類

線形回帰モデル

一般化線形回帰モデル

非線形回帰モデル

回帰木

アンサンブル学習

ニューラルネット

線形判別器・2次判別器

K-最近傍識別

単純ベイズ分類

決定木

アンサンブル学習

ニューラルネット

サポートベクターマシン

K-平均法

階層的クラスタリング

ニューラルネット

混合ガウス分布

自己組織化マップ

訓練データあり訓練データなし

22

モデリングの流れ

Step 1: データを MATLAB へ読み込む

Step 2: データ前処理 & 予測因子の抽出

Step 3: 学習データにより、予測モデルを構築

Step 4: テストデータにより、予測モデルを検証

Step 5: ドキュメント & アプリケーション配布

機械学習モデリング

MATLAB

ファイル

データベース

計測器

ドキュメント

アプリケーション

23

EXCEL データの読み込み

24

例題： ニューラルネットワーク （NN）

気象x1 乾球温度 [F]

x2 露点温度 [F]

季節x3 時間 [hour]

x4 曜日 [day]

x5 休日/祝日フラグ

負荷履歴x6 前週の同時刻負荷 [MW]

x7 前日の同時刻負荷 [MW]

x8 前日の平均負荷 [MW]

予測負荷モデル f(x)

※ Neural Network Toolbox を使用

25

例題： 決定木 （Decision Tree）

気象x1 乾球温度 [F]

x2 露点温度 [F]

季節x3 時間 [hour]

x4 曜日 [day]

x5 休日/祝日フラグ

負荷履歴x6 前週の同時刻負荷 [MW]

x7 前日の同時刻負荷 [MW]

x8 前日の平均負荷 [MW]

予測負荷モデル f(x)

※ Statistics Toolbox を使用

26

電力の負荷予測 まとめ

豊富な機械学習アルゴリズム・関数による、迅速な予測モデリングと結果の評価

主要データフォーマットへのアクセスと処理結果の共有が容易

機械学習による予測モデル構築・評価にMATLAB を使ってみませんか？

27

例題

1. 電力の負荷予測

2. 電力の最適運用計画

3. HEMS シミュレーション

28

ソリューション例

課題24時間毎に 「最適」 な蓄電池の充放電を計画したい例： 電力消費、CO2、コストの最小化

Optimization Toolbox™ （標準&大規模最適化問題の解法）

Global Optimization Toolbox （大域的最適化問題の解法）

最適化ソルバーで数値的に最適解を探索

29

電力の最適運用計画の課題

電気料金が最小となるような 24 時間先までの電力売買および蓄電池の充放電 を計画するには？

最適運用計画作成

太陽光発電量予測

電力消費量予測

電力取引価格

太陽光

蓄電池

負荷

系統

充電・放電

発電

売電買電

消費

供給側

需要側

電力売買 と蓄電池充放電の24 時間のパターンを決定

HEMS コントローラ CEMS

30

数値最適化による最適運用計画

Min: 電気料金（24h）

Sub. to

Find: 電力の売買計画（24h）蓄電池の充放電計画（24h）

最大売電量蓄電容量充放電量の上下限…etc

最適化問題

電力取引価格ダイナミックプライシングの場合には予測が必要

予測（24h）

太陽光発電量予測モデル電力消費量予測モデル

機器の制御・計測

計測値

指令値

予測値

※ Optimization Toolbox を使用

31

混合整数線形計画問題（MILP）

𝐽 =

ℎ=1

48

𝐶𝑏𝑢𝑦𝑃𝑏𝑢𝑦 ℎ − 𝐶𝑠𝑒𝑙𝑙𝑃𝑠𝑒𝑙𝑙 ℎ目的関数：

設計変数：

𝑃𝑏𝑢𝑦: 買電電力 [W]

𝑃𝑠𝑒𝑙𝑙: 売電電力 [W]

𝑃𝑏𝑎𝑡𝑡𝐸: 蓄電池の残容量 [Wh]

𝑃𝑏𝑎𝑡𝑡𝐷: 蓄電池の放電出力 [W]

𝑃𝑏𝑎𝑡𝑡𝐶: 蓄電池の放電出力 [W]

𝛿𝑡𝑟𝑎𝑑𝑒: 売電/買電 (0-1値)

𝛿𝑏𝑎𝑡𝑡: 放電/充電 (0-1値)

240 変数（連続値）

96 変数（バイナリ値）

支出 収入

30 分刻みの電気料金を 1 日分積算

32

混合整数線形計画問題（MILP）

等式制約：

𝑃𝑑𝑒𝑚𝑎𝑛𝑑 = 𝑃𝑏𝑢𝑦 − 𝑃𝑠𝑒𝑙𝑙 + 𝑃𝑏𝑎𝑡𝑡𝐷 − 𝑃𝑏𝑎𝑡𝑡𝐶 + 𝑃𝑝𝑣

𝑃𝑏𝑎𝑡𝑡𝐸 𝑖 + 1 = 𝑃𝑏𝑎𝑡𝑡𝐸 𝑖 + 𝑑𝑇 𝜂𝑏𝑎𝑡𝑡 𝑃𝑏𝑎𝑡𝑡𝐶 −𝑑𝑇

𝛾𝑏𝑎𝑡𝑡𝑃𝑏𝑎𝑡𝑡𝐷

𝑃𝑏𝑎𝑡𝑡𝐸 1 = 𝑃𝑏𝑎𝑡𝑡𝐸 48 = 𝑃𝑏𝑎𝑡𝑡𝐸𝑚𝑎𝑥

電力需給バランス

蓄電池充放電

蓄電量の初期条件および終端条件

𝑑𝑇: 更新期間（30分） 𝜂𝑏𝑎𝑡𝑡: 充電効率 𝛾𝑏𝑎𝑡𝑡: 放電効率

蓄電容量の 80 %

33

混合整数線形計画問題（MILP）

不等式制約：

𝑑𝑇

𝛾𝑏𝑎𝑡𝑡𝑃𝑏𝑎𝑡𝑡𝐷 ≤ 𝑃𝑏𝑎𝑡𝑡𝐸

𝑃𝑏𝑎𝑡𝑡𝐸 + 𝑑𝑇 𝜂𝑏𝑎𝑡𝑡 𝑃𝑏𝑎𝑡𝑡𝐶 ≤ 𝑃𝑏𝑎𝑡𝑡𝐶𝐴𝑃

𝑃𝑠𝑒𝑙𝑙 ≤ 𝑃𝑝𝑣

0 ≤ 𝑃𝑏𝑢𝑦 ≤ 𝑀 𝛿𝑐

0 ≤ 𝑃𝑠𝑒𝑙𝑙 ≤ 𝑀 (1 − 𝛿𝑐)

0 ≤ 𝑃𝑏𝑎𝑡𝑡𝐶 ≤ 𝑃𝑏𝑎𝑡𝑡𝐶𝑚𝑎𝑥 𝛿𝑏𝑎𝑡𝑡

0 ≤ 𝑃𝑏𝑎𝑡𝑡𝐷 ≤ 𝑃𝑏𝑎𝑡𝑡𝐷𝑚𝑎𝑥(1 − 𝛿𝑏𝑎𝑡𝑡)･･･ 放電/充電の論理（排他）制約

･･･ 買電/売電の論理（排他）制約

･･･ 最大売電の制約

･･･ 蓄電池充電量の上限制約𝑃𝑏𝑎𝑡𝑡𝐶𝐴𝑃 は蓄電容量 [Wh]

･･･ 蓄電池放電量の上限制約

34

最適化ツール注目新機能

粒子群最適化（Particle Swarm Optimization, PSO）ソルバー particleswarm 関数が導入

min𝑥𝑓𝑇𝑥 s.t.MILP:

Some (or all) 𝑥 are integers

𝐴𝑥 ≤ 𝑏𝐴𝑒𝑞𝑥 = 𝑏𝑒𝑞𝑙𝑏 ≤ 𝑥 ≤ 𝑢𝑏

混合整数線形計画法（MILP）に対応した intlinprog

関数が導入

Optimization Toolbox R2014a

Global Optimization Toolbox R2014b

35

電力の最適充放電計画 まとめ

最適化は EMS 共通の課題（自動制御へ向けて）

最適化ツールを利用することで、迅速に数値最適化を実行し、結果を評価

数値最適化によるシステム運用計画の作成にMATLAB を使ってみませんか？

36

例題

1. 電力の負荷予測

2. 電力の最適運用計画

3. HEMS シミュレーション

37

ソリューション例

課題

管理・制御アルゴリズムが、システムの要求通りに機能するかを早期に検討したい

ソフト・ハード試作前に EMS をモデル化しシステムシミュレーションを通じて検討

Simulink （ブロック線図モデリング）

Stateflow®

（状態遷移図・フローチャート）

コントローラ（ソフト）

制御対象（ハード）

Simscape™（複合領域 1D 物理モデリング）

SimPowerSystems™（強電系 1D 物理モデリング）

38

HEMS シミュレーションの課題

グリッド

遮断機

AC

DC/DC

コンバータ

DC/DC

コンバータ

DC

蓄電池

PV

DC/AC

インバータ

DC/DC

コンバータ

DC 負荷AC 負荷

HEMS コントローラ

最適充放電計画の妥当性や実現性を検討するためにどうモデル化すればよいか？

39

HEMS 理想モデル例Simulink & SimPowerSystems

検討目的や開発工程に応じて、各構成要素モデルの「詳細レベル」 を変更し、シミュレーション

AC負荷 蓄電池 DC負荷

PV

HEMS

コントローラ

遮断器

変圧器

グリッド

テストシナリオ

40

システムシミュレーションの目的

充放電計画を実現するシステム仕様の検討– 各ユニット（SW/HW）に要求される機能・性能

故障保安・異常検知ロジックの設計・検証– 短絡故障、断線故障、過電流などの対策

運転モード管理ロジックの設計・検証– エコモード、経済性モード、地産地消モードなど

複数の運転モード管理

様々な要素（SW/HW）から構成される EMS はシステム全体で考えることが大切

41

HEMS シミュレーションまとめ

システム全体の記述、および、シミュレーション評価のしやすさ

システム設計（全体適正化）レベルから詳細度を徐々に高め、機能を段階的に具現化できる環境

MATLAB との 「つながり」 でよりスムーズなEMS 開発を支援

シミュレーションを利用した EMS 設計・検証にSimulink を使ってみませんか？

42

アジェンダ

EMSの概要

MATLAB のすすめ

例題

まとめ

43

まとめ

MATLAB は、EMS 開発に求められる

1. データ解析技術

2. 最適化技術

3. システムシミュレーション技術

を強力に支援する開発環境です

次世代のスマートな社会の創出・普及に向けてEMS 開発に MATLAB を使ってみませんか？

44

© 2014 The MathWorks, Inc. MATLAB and Simulink are registered

trademarks of The MathWorks, Inc. See www.mathworks.com/trademarks

for a list of additional trademarks. Other product or brand names may be

trademarks or registered trademarks of their respective holders.