富士電機

  • Global
  • 総合サイトマップ
  • 関係会社情報
  • 国内販売ネットワーク
  • 国内拠点

監視制御・需給管理・エネルギー管理

需要予測、再エネ予測、電力取引支援、発電計画、発電機補修計画

概要

1993年から各種予測機能をお客様と共同研究から実績を重ねシステム化しました。
予測を高精度に実現するためにAI、ニュートラルネットワークやメタヒューリスティック、各種統計手法などの予測モデリング技術を用いています。この技術をシステム化することにより運用を最適化します。

<適用分野>

  • 電力需要予測
  • 再生可能エネルギー発電予測
  • 電力価格予測
  • 熱負荷予測
  • 出水予測
  • 各種機器故障診断・予知等
  • 発電計画最適化
  • 発電機補修計画最適化

特長

各要素技術を組み合わせて、AIシステム化しています。

  • ニューラルネットワーク

    人間の脳(ニューロン)をモデルとした情報処理手法。
  • 決定木

    多量のデータから隠れたルールを発見する教師あり学習のデータマイニング手法。
  • Just In Time モデリング

    過去の膨大な事例から類似するケースを特定し、そのケースの事例を元にモデルを構築するデータマイニング手法。
  • 独立成分分析

    混合した観測信号を分離する多変量解析の1つの手法。
  • クラスタリング

    母集団から任意のクラスタ数にデータを分割(セグメンテーション)する教師なし学習の手法。
  • 統計的プロセス管理 

    複数の要因の正常範囲をモデル化し、その正常モデルとの乖離状態から、正常/異常を診断する手法。
  • 部分的最小二乗法 PLS(Partial Least Squares)

    多数の説明変数があっても適切にモデル化する手法。重回帰式と同じ形式で表現できる。
  • 混合整数計画法

    最適化手法の1つ。整数と実数の両方の厳密な最適値を求めることができる。
  • タブサーチ

    人工知能の概念に基づいて最適解を探索する手法。高速に計算できる特徴がある。

JITモデリングによる電力需要予測

JITモデリングによる電力需要予測

需要予測および最適運用計画表示例

需要予測および最適運用計画表示例
ページの先頭へ戻る