装置、方法以及程序与流程

1.本发明涉及装置、方法以及程序。


背景技术：

2.以往，已知有通过对水进行电分解来产生氢的氢产生装置。此外，作为与利用可再生能源发电的电力相关的信息，具有证明该电力是利用可再生能源发电的电力的发电源证明(guarantee of origin：goo)。


技术实现要素：

3.发明要解决的问题
4.存在针对使用可再生能源所产生的发电电力而生成的氢的需要和针对使用火力发电等所产生的发电电力而生成的氢的需要等，但难以满足这样的针对氢的各种需要。
5.用于解决问题的手段
6.为了解决上述问题，在本发明的第1方案中，提供一种生成具备氢产生装置的制氢系统的运行计划的装置。装置具备需要预测部，该需要预测部生成运行计划的对象期间内的针对生成的环境负荷不同的多种氢中的各种氢的预测需要量。装置具备运行计划部，该运行计划部基于多种氢各自的预测氢需要量，生成由氢产生装置生成所生成的环境负荷不同的多种氢的运行计划。
7.需要预测部可以使用需要预测模型并基于需要预测因素来生成多种氢各自的预测需要量。运行计划可以包含为了产生多种氢而计划在对象期间中使用的发电的环境负荷不同的多种电力各自的计划使用量。装置可以还具备电价预测部，该电价预测部使用电价预测模型，生成运行计划的对象期间内的针对多种电力中的各种电力的预测电价。
8.电价预测模型可以针对多种电力中的各种电力，基于电价预测因素，计算预测电价，该电价预测因素包含对象期间之前的电价、电力需要量、电力供给量、可再生能源发电量、天气信息、以及对象期间内的可再生能源的预测发电量中的至少1个。装置可以还具备电价预测模型更新部，该电价预测模型更新部使用针对多种电力中的各种电力的电价的实绩值，通过学习来更新电价预测模型。
9.装置可以还具备发电量预测部，该发电量预测部使用发电量预测模型，生成多种电力中的使用可再生能源生成的第1电力的预测发电量。发电量预测模型可以基于包含对象期间之前的可再生能源发电量以及天气信息中的至少1个的发电量预测因素，预测对象期间内的第1电力的预测发电量。
10.装置可以还具备发电量预测模型更新部，该发电量预测模型更新部使用可再生能源发电量的实绩值，通过学习来更新发电量预测模型。装置可以还具备证明书价格预测部，该证明书价格预测部使用证明书价格预测模型，生成用于能够将多种电力中的发电的环境负荷高的第2电力看作发电的环境负荷低的第1电力来利用的证明书的预测证明书价格。运行计划部可以还基于预测证明书价格，生成运行计划。
11.证明书价格预测模型可以基于证明书价格预测因素，计算预测证明书价格，该证明书价格预测因素包含对象期间之前的证明书的价格及第1电力的发电量、以及对象期间内的第1电力的预测发电量中的至少1个。运行计划部可以基于预测证明书价格取得证明书，生成将第2电力的使用量的一部分看作作为第1电力的使用量而生成多种氢的运行计划。
12.装置可以还具备证明书价格预测模型更新部，该证明书价格预测模型更新部使用证明书的价格的实绩值，通过学习来更新证明书价格预测模型。制氢系统可以还具备氢储藏装置，该氢储藏装置混合储藏氢产生装置所产生的多种氢。装置可以还具备储藏管理部，该储藏管理部管理氢储藏装置所储藏的多种氢各自的储藏量。
13.储藏管理部可以在从氢储藏装置供给多种氢中的一种氢的情况下，使针对一种氢而存储的储藏量减少供给量。储藏管理部可以在从氢储藏装置供给一种氢的情况下，将一种氢作为多种氢中的至少2种氢的混合来处理，使针对至少2种氢分别存储的储藏量减少与根据一种氢而决定的比例相应的供给量。
14.装置可以还具备储藏量预测部，该储藏量预测部针对多种氢中的各种氢，使用储藏量预测模型，生成氢的预测储藏量。运行计划部可以还基于对象期间之前的多种氢各自的储藏量以及多种氢各自的预测储藏量中的至少1个，生成运行计划。储藏量预测模型可以针对多种氢中的各种氢，基于储藏量预测因素，预测对象期间内的氢储藏装置的氢的预测储藏量，该储藏量预测因素包含对象期间之前的氢产生装置的运行量、氢储藏装置中的氢的储藏量以及氢的需要量中的至少1个。
15.装置可以还具备储藏量预测模型更新部，该储藏量预测模型更新部针对多种氢中的各种氢，使用氢储藏装置的氢的储藏量的实绩值，通过学习来更新储藏量预测模型。装置可以还具备第1氢价格预测部，该第1氢价格预测部使用第1氢价格预测模型，生成多种氢各自的预测第1氢价格。运行计划部可以还基于多种氢各自的预测第1氢价格，生成运行计划。
16.第1氢价格预测模型可以针对多种氢中的各种氢，基于第1氢价格预测因素来预测对象期间内的该氢的预测第1氢价格，该第1氢价格预测因素包含各种氢的需要量、消耗量、以及通过水蒸气重整而生产的氢的价格中的至少1个。装置可以具备输送计划部，该输送计划部使用输送计划模型，基于输送计划因素来生成将氢储藏装置所储藏的氢向至少1个需要对象输送的输送计划，该输送计划因素包含对象期间之前的多种氢各自的储藏量及多种氢各自的需要量、以及对象期间内的多种氢各自的预测储藏量以及预测需要量中的至少1个。
17.装置可以还具备运行预测部，该运行预测部使用运行预测模型，生成氢产生装置的运行预测。输送计划模型可以还基于运行预测，计算输送计划。运行预测模型可以基于运行预测因素来预测对象期间内的运行预测，该运行预测因素包含对象期间之前的氢产生装置的运行量、氢储藏装置中的氢的储藏量、以及氢的需要量中的至少1个。
18.装置可以还具备输送预测部，该输送预测部使用输送预测模型，生成将氢储藏装置所储藏的多种氢分别向至少1个需要对象输送的输送预测。运行计划部可以还基于多种氢各自的输送预测而生成运行计划。装置可以还具备消耗预测部，该消耗预测部使用消耗预测模型，生成多种氢各自的预测消耗量。需要预测部可以针对多种氢中的各种氢，基于包含预测消耗量的需要预测因素来预测预测需要量。
19.装置可以还具备第2氢价格预测部，该第2氢价格预测部生成对象期间内的通过水蒸气重整来生产的氢的预测第2氢价格。运行计划部可以还基于预测第2氢价格，生成运行计划。装置可以还具备氢生产量预测部，该氢生产量预测部生成对象期间内的通过水蒸气重整而生产的氢的预测生产量。运行计划部可以还基于预测生产量，生成运行计划。
20.多种氢可以包含利用可再生能源生成的氢、以及利用非可再生能源生成的氢。多种氢可以包含将基于可再生能源的氢以及基于非可再生能源的氢以预先决定的比例配合而得到的氢。
21.在本发明的第2方案中，提供一种生成具备氢产生装置的制氢系统的运行计划的方法。方法具备生成运行计划的对象期间内的针对生成的环境负荷不同的多种氢中的各种氢的预测需要量的阶段。方法具备基于多种氢各自的预测氢需要量、生成由氢产生装置生成所生成的环境负荷不同的多种氢的运行计划的阶段。
22.在本发明的第3方案中，提供一种用于使计算机作为第1方案的装置来发挥功能的程序。
23.另外，上述的发明概要并非列举了本发明的全部的必要特征。此外，这些特征组的子组合也可以成为发明。
附图说明
24.图1示出本实施方式的制氢系统的结构。
25.图2示出本实施方式的计划装置的结构。
26.图3示出本实施方式的控制装置的储藏管理部的数据库的例子。
27.图4示出本实施方式的计划装置的预测部的一部分的详细结构。
28.图5示出本实施方式的计划装置的预测部的其他部分的详细结构。
29.图6示出本实施方式的计划装置的计划部的详细结构。
30.图7示出本实施方式的计划装置的动作流程。
31.图8示出可以整体或部分地体现出本实施方式的多个方案的计算机的例子。
具体实施方式
32.以下，通过发明的实施方式对本发明进行说明，但以下的实施方式并非限定权利要求书所涉及的发明。此外，在实施方式中说明的特征的全部组合并不一定是发明的解决手段所必须的。
33.图1示出本实施方式的制氢系统10的结构。制氢系统10分别预测针对氢的需要，按照基于预测结果而生成的运行计划来制造氢。
34.制氢系统10具备电力系统20、发电装置30、水蒸气重整装置40、氢产生装置50、氢储藏装置60、输送单元70、发电源证明装置80以及计划装置90。
35.电力系统20与氢产生装置50及水蒸气重整装置40连接。作为一例，电力系统20是从进行原子能发电、火力发电、及/或利用可再生能源的发电等的1个或多个发电所经由供电网向大量需要家庭供给电力的系统。电力系统20例如能够根据发电量及需要量，每隔规定时间、每隔1天或者每隔1个月等使电费(例如，售电费用以及购电费用)变动。
36.发电装置30经由电力系统20的供电网或者不经由供电网而与氢产生装置50连接。
发电装置30是利用风力、太阳能、热、地热、水力及/或生物质等可再生能源进行发电的设备。发电装置30将发电的电力供给到连接目的地的氢产生装置50。
37.水蒸气重整装置40与氢储藏装置60连接。作为一例，水蒸气重整装置40是通过水蒸气重整(smr)工艺从甲烷等烃使用水蒸气来制造氢的装置。水蒸气重整装置40可以从电力系统20被供给电力而运行。水蒸气重整装置40将生成的氢供给到氢储藏装置60来储藏。
38.氢产生装置50与氢储藏装置60连接。氢产生装置50生成与所供给的电力的大小相应的量(作为一例，单位为标立方/小时，也表示为“nm3/小时”。)的氢，供给到氢储藏装置60来储藏。从发电装置30以及电力系统20向氢产生装置50供给电力。
39.氢储藏装置60将氢产生装置50所产生的多种氢混合储藏。氢储藏装置60接受并储藏氢产生装置50以及水蒸气重整装置40所产生的氢，将与需要对象75的请求相应的氢需要量的氢向多个输送单元70供给。这里，作为一例，需要对象75是向燃料电池汽车等供给氢的氢站。
40.输送单元70例如是在储藏罐等中储藏压缩后的氢并运输的拖车以及牵引该拖车的汽车、或者从氢储藏装置60连接至需要对象75的管道等。输送单元70进行氢储藏装置60与至少1个需要对象75之间的氢的输送。
41.发电源证明装置80以能够通信的方式与电力系统20、发电装置30以及计划装置90连接。发电源证明装置80例如是进行goo的证明书的发行以及购买和出售中的至少1个的装置。发电源证明装置80可以对电力系统20、发电装置30以及氢产生装置50中的至少1个发行与可再生能源发电的电力相关联的证明书，并发送与该证明书相关的数据。此外，发电源证明装置80执行与计划装置90、发电装置30以及氢产生装置50中的至少1个之间进行证明书的购买及出售的处理。
42.这里，goo的证明书用于证明与该证明书相关联的电力是利用可再生能源发电的电力。此外，能够针对证明书本身购买及出售goo的证明书。在该情况下，所购入的证明书用于通过与多种电力中的发电的环境负荷高的第2电力相关联，从而能够将该第2电力中的相关联的电力量看作发电的环境负荷低的第1电力(例如，利用可再生能源发电的电力)来利用。这里，在本实施方式中，第2电力可以是被看作环境负荷高的电力，例如可以是与证明书没有相关联的电力，即，在为利用可再生能源发电的电力时没有被证明书等证明的电力。证明书按照每单位电力量而购入。此外，证明书的价格能够根据证明书的有效期限、针对可再生能源的发电电力的需要、或者可再生能源的发电量等而变化。
43.计划装置90以能够通信的方式与制氢系统10的各装置连接。计划装置90取得及监视制氢系统10的各装置的运行状况，根据所生成的运行计划与各装置进行通信，由此，控制各装置的输入及/或输出。此外，计划装置90也可以向制氢系统10的各装置的管理者或维护作业者的终端装置等发送各种数据，使该管理者等控制各装置。
44.计划装置90可以是个人计算机、平板型计算机、智能手机、工作站、服务器计算机、或者通用计算机等计算机，也可以是连接有多个计算机的计算机系统。计划装置90可以通过计算机的cpu、gpu(graphics processing unit：图形处理单元)及/或tpu(tensor processing unit：张量处理单元)中的处理而生成计划等。此外，计划装置90可以在由服务器计算机提供的云端上进行各种处理。
45.图2示出本实施方式的计划装置90的结构。计划装置90具有取得部100、存储部
110、预测部120、计划部130以及控制部140。这里，多个管理装置150可以是制氢系统10的至少1个装置的一部分、或者该装置的管理者等的终端装置等。
46.取得部100可以与发电源证明装置80、管理装置150以及存储部110连接，取得用于学习的参数以及学习数据等。取得部100可以从管理装置150或外部的装置等收集表示制氢系统10的各装置的运行状况等的数据。取得部100可以从发电源证明装置80取得与goo的证明书相关的数据。取得部100可以从发电源证明装置80取得或购入goo的证明书。取得部100也可以与网络等连接，经由该网络而取得数据。取得部100在应取得的数据的至少一部分存储于外部的数据库等的情况下，可以访问该数据库等来取得数据。取得部100可以将取得的数据供给到存储部110。
47.存储部110与预测部120及计划部130连接，存储由取得部100取得的信息。存储部110可以存储该计划装置90要处理的数据。存储部110也可以分别存储在计划装置90生成运行计划的过程中计算的(或者利用的)中间数据、计算结果以及参数等。此外，存储部110可以根据计划装置90内的各部的请求，向请求源供给所存储的数据。
48.预测部120与计划部130连接，从存储部110接受预测因素或实绩等数据。预测部120根据预测因素以及实绩等，生成包含预测需要量、预测电价、预测发电量、预测证明书价格、预测储藏量、预测第1氢价格、运行预测、输送预测、预测消耗量、预测第2氢价格以及预测氢生产量中的至少1个的预测结果。预测部120生成1个或多个模型，对该模型进行学习(作为一例，具有示教的学习)并更新。预测部120基于更新后的模型，生成预测结果。预测部120将预测结果供给到存储部110及/或计划部130。
49.这里，预测需要量是运行计划的对象期间内的针对由氢产生装置50生成的氢生成的环境负荷不同的多种氢中的各种氢的需要量。预测需要量可以包含各氢的需要量的累计、以及每小时、每天或每月的需要量中的至少1个。这里，氢的需要量可以是针对在制氢系统10中制造的氢的与来自需要对象75的请求相应的量。例如，氢的需要量可以是将预先决定的缓冲量加上向氢的需要对象75供给的氢的供给量而得到的氢的量，以避免氢储藏装置60中的氢的储藏量成为0。
50.这里，生成的环境负荷不同的多种氢是作为根据生成的环境负荷而不同的种类来管理的氢，组成相同。作为一例，生成的环境负荷可以是用于使氢产生装置50运行的电力的发电的环境负荷。发电的环境负荷在利用可再生能源的发电和火力发电等利用非可再生能源的发电中不同。因此，在本实施方式中，作为一例，多种氢包括由利用可再生能源发电的电力(以下也称为第1电力)生成的氢(以下也称为绿氢)、由与虽然是火力发电等利用非可再生能源发电的电力和利用可再生能源发电的电力但其来源未被证明书等明确证明的电力的比例不透明的电力(以下也称为第2电力)生成的氢(以下也称为灰氢)、以及将由利用可再生能源发电的电力生成的氢与由第2电力生成的氢以规定比例混合而得到的氢(以下也称为蓝氢)。本实施方式中的第2电力可以是从电力系统20经由供电网而供给的电力，灰氢可以是在从电力系统20接受电力供给的期间在氢产生装置50中生成的氢。另外，计划装置90针对由利用非可再生能源发电的电力生成的氢(灰氢)，也可以通过从发电源证明装置80购入与在该氢的生成中使用的电力相当的电力量的goo的证明书来作为绿氢进行管理。
51.预测电价是对象期间内的发电的环境负荷不同的多种电力(例如，基于可再生能源的发电电力以及基于非可再生能源的发电电力)各自的电价。预测电价可以是电力的各
时间段的价格(售电价格或购电价格)。预测电价可以包含从电力系统20经由供电网供给的电力的价格以及发电装置30的电力的价格(向发电装置30的供应商支付的价格或者根据发电装置30自身的购入/维修费用而计算的电力的价格)中的至少一方。
52.预测发电量是对象期间内的使用可再生能源生成的第1电力的发电量。预测发电量例如可以包含对象期间内的发电装置30的发电量的累计、以及每小时、每天或每月的发电量中的至少1个。
53.预测证明书价格是用于能够将运行计划的对象期间内的发电的环境负荷高的第2电力看作发电的环境负荷低的第1电力来利用的证明书的价格。预测证明书价格例如可以是对象期间内的每单位电力量的goo的证明书的从发电源证明装置80购入的购入价格。
54.预测储藏量可以包含对象期间内的氢储藏装置60中的多种氢各自的储藏量(例如，每小时、每天或每月的储藏量、相对于最大可储藏量的比例、各种氢的比例等)以及多种氢的合计储藏量中的至少1个。
55.预测第1氢价格可以是对象期间内的由氢产生装置50生成的多种氢各自的每单位量的价格。
56.运行预测可以包含对象期间内的氢产生装置50的运行量(例如，氢产生装置50的运行率、运行期间、氢生成量的累计、或者每单位时间的氢生成量等)、由氢产生装置50生成的多种氢的生成量、生成的比例、向氢产生装置50供给的多种电力各自的累计电力量、以及电力量的比例中的至少1个。
57.输送预测可以是对象期间内的通过输送单元70将氢储藏装置60所储藏的多种氢分别向至少1个需要对象75输送的计划的预测。作为一例，输送预测可以包含针对多种氢分别在各时间段从氢储藏装置60输送的(即，在各时间段需要储藏于氢储藏装置60)量的预测。输送预测可以包含对象期间内的输送单元70的数量、输送路径、以及从氢储藏装置60输送的输送日期时间中的至少1个。
58.预测消耗量是将来的对象期间内的多种氢各自的消耗量。预测消耗量可以包含各种氢的消耗量的累计、以及每小时、每天或每月的氢的消耗量中的至少1个。氢的消耗量不限定于由制氢系统10制造的氢的消耗量，可以是需要者消耗的氢的量。例如，氢的消耗量是1个或多个地域(例如市、城区、村、省或国等)中的氢的消耗量、或者1个或多个供应商中的氢的消耗量。
59.预测第2氢价格可以是对象期间内的在水蒸气重整装置40中通过水蒸气重整而生产的氢的价格。
60.预测氢生产量可以包含对象期间内的在水蒸气重整装置40中通过水蒸气重整而生产的氢的量(例如，氢的量的累计、每小时、每天或每月的氢的消耗量等)。
61.计划部130与控制部140连接，生成包含输送计划以及运行计划中的至少1个在内的计划数据。计划部130生成1个或多个模型，学习并更新该模型，基于更新后的模型，生成计划数据。计划部130将生成的计划数据供给到存储部110以及控制部140。
62.这里，输送计划是对象期间内的将氢储藏装置储藏的氢向至少1个需要对象输送的计划。输送计划可以包含对象期间内的、指定氢储藏装置60以及需要对象75之间的各输送单元70的输送路径、各输送单元70的输送距离、各输送单元70的输送时间、各输送单元70的输送成本、输送单元70的数量、从氢储藏装置60向输送单元70供给氢的时间、从氢储藏装
置60向输送单元70供给氢的量、以及各输送单元70的种类中的至少1个的计划。
63.运行计划可以是记述了第1期间内的制氢系统10的至少1个装置应运行的状态的表或数据等。运行计划可以指定对象期间内的由氢产生装置50生成的多种氢各自的生成量。运行计划可以包含计划在对象期间中使用的发电的环境负荷不同的多种电力各自的计划使用量，使得产生多种氢。运行计划可以包含对象期间内的购入goo的证明书的计划。运行计划例如可以是决定了使氢产生装置50运行(或者不运行)的时间段、氢产生装置50的运行时间段中的通过来自发电装置30的电力而运行的时间段和通过来自电力系统20的电力而运行的时间段、及/或氢产生装置50的每个时间段的运行率的表或数据等。
64.控制部140可以以能够通信的方式与多个管理装置150连接。控制部140可以对制氢系统10的各装置进行控制，使得按照由计划部130生成的运行计划使氢产生装置50运行。此外，控制部140可以将由计划部130生成的计划数据向管理装置150发送。控制部140具有储藏管理部145。
65.储藏管理部145与氢储藏装置60、氢产生装置50及水蒸气重整装置40连接，管理氢储藏装置60所储藏的多种氢各自的储藏量。储藏管理部145可以取得从氢储藏装置60和氢产生装置50生成的氢的量以及氢储藏装置60中的当前的氢量。储藏管理部145在从氢储藏装置60供给多种氢中的一种氢的情况下，可以使针对一种氢而存储的储藏量减少向输送单元70供给的供给量。储藏管理部145可以具有用于管理多种氢的储藏量的数据库。
66.图3示出用于管理多种氢的储藏量的数据库的例子。图3的(a)是分别管理3种以上的氢的量的数据库，图3的(b)是管理2种氢的量的数据库。
67.储藏管理部145在将通过可再生能源的发电电力由氢产生装置50生成的氢储藏于氢储藏装置60的情况下，可以使绿氢的量a增加。储藏管理部145在将通过非可再生能源的发电电力由氢产生装置50生成的氢或者由水蒸气重整装置40生成的氢储藏于氢储藏装置60的情况下，可以使灰氢的量b增加。储藏管理部145可以根据来自发电装置30、氢产生装置50、氢储藏装置60以及发电源证明装置80中的至少1个的指示或者证明书的取得来进行是绿氢还是灰氢的判断。此外，储藏管理部145在储藏通过非可再生能源的发电电力由氢产生装置50生成的氢或者由水蒸气重整装置40生成的氢的情况下，可以通过从发电源证明装置80购入证明书，来管理与该证明书对应的电力量的氢作为绿氢。
68.储藏管理部145可以在数据库中如图3的(a)所示那样管理不同的混合比的蓝氢。储藏管理部145为了使蓝氢(绿：灰＝5：5)的量c或者蓝氢(绿：灰＝7：3)的量d增加至计划量，可以减少与该混合比相应的绿氢的量a以及灰氢的量b。储藏管理部145在从氢储藏装置60向输送单元70供给时或者向氢储藏装置60储藏氢的情况下，可以进行数据库的处理。
69.此外，储藏管理部145在从氢储藏装置60供给一种氢(例如蓝氢)的情况下，可以将该一种氢作为多种氢中的至少2种氢的混合来处理，使针对至少2种氢分别存储的储藏量各减少与根据该一种氢而决定的比例相应的供给量。在该情况下，储藏管理部145可以在图3的(b)所示的数据库中仅管理绿氢的量a以及灰氢的量b。
70.此外，储藏管理部145例如在绿氢和灰氢中的任意一方不足而无法供给蓝氢的情况下，可以将绿氢和灰氢中的不足的一方作为负进行管理，之后，通过生成灰/绿氢或购入goo的证明书等进行调整，使灰氢或绿氢成为正。
71.根据以上的本实施方式的计划装置90，能够高效地生成并管理多种氢。
72.图4示出本实施方式的计划装置90的预测部120的一部分的详细结构例。预测部120具有需要预测模型生成部200、需要预测模型更新部210以及需要预测部220，生成各种氢的需要预测。预测部120具有电价预测模型生成部230、电价预测模型更新部240以及电价预测部250，生成预测电价。预测部120具有发电量预测模型生成部260、发电量预测模型更新部270以及发电量预测部280，生成发电装置30的预测发电量。
73.预测部120具有证明书价格预测模型生成部290、证明书价格预测模型更新部300以及证明书价格预测部310，生成预测证明书价格。预测部120具有储藏量预测模型生成部320、储藏量预测模型更新部330以及储藏量预测部340，生成氢储藏装置60的氢的预测储藏量。预测部120具有第1氢价格预测模型生成部350、第1氢价格预测模型更新部360以及第1氢价格预测部370，生成预测第1氢价格。
74.这里，存储部110存储包含需要预测因素、电价预测因素、发电量预测因素、证明书价格预测因素、储藏量预测因素以及第1氢价格预测因素在内的预测因素。
75.需要预测因素可以包含与由氢产生装置50生成的多种氢的需要量相关的信息。需要预测因素可以包含对象期间之前的需要对象75中的氢的需要量、需要对象75的信息(例如，需要对象75的数量或规模等)、氢的消耗量、天气信息、以及对象期间内的氢的预测消耗量、运行预测中的至少1个。天气信息可以包含风速、风向、晴天、雨天、温度、浪高以及日照时间等中的至少1个。
76.电价预测因素可以包含与向氢产生装置50供给的电力的电费相关的信息。电价预测因素可以包含对象期间之前的电费、电力需要量、电力供给量、可再生能源发电量、天气信息、发电装置30的信息(例如，种类、装置的价值、维修费用、发电量等)、以及对象期间内的天气信息、可再生能源的预测发电量中的至少1个。
77.发电量预测因素可以包含与发电装置30的可再生能源的发电量相关的信息。发电量预测因素可以包含对象期间之前的发电装置30的发电量(例如，各时间段的发电量或发电效率等)、发电装置30的电力供给量、从电力系统20向氢产生装置50供给的电力量、发电装置30的种类(例如，用于发电的可再生能源的种类等)、天气信息、发电装置30的利用期间、以及对象期间内的天气信息中的至少1个。此外，发电量预测因素可以包含根据发电装置30的物理模型而计算的虚拟数据。
78.证明书价格预测因素可以包含与goo的证明书的交易价格相关的信息。证明书价格预测因素可以包含对象期间之前的证明书的价格、使用可再生能源生成的第1电力的发电量、各电力的电力需要、电价、天气信息、以及对象期间内的天气信息、预测电价、第1电力的预测发电量中的至少1个。
79.储藏量预测因素可以包含与氢储藏装置60的各种氢的储藏量相关的信息。储藏量预测因素可以包含对象期间之前的氢产生装置50的运行量、氢储藏装置60中的氢的储藏量、氢的需要量、各输送单元70能够输送的氢的量、从氢储藏装置60向输送单元70供给的氢供给次数、从氢储藏装置60向输送单元70供给的氢供给日期时间、以及对象期间内的输送预测、预测需要量、预测消耗量、运行预测中的至少1个。
80.第1氢价格预测因素可以包含与由氢产生装置50生成的多种氢各自的价格相关的信息。第1氢价格预测因素可以包含对象期间之前的各种氢的价格、各种氢的需要量、各种氢的消耗量、通过水蒸气重整而生产的氢的价格、以及对象期间内的氢的预测需要量、氢的
预测消耗量、预测电价、运行预测、预测储藏量中的至少1个。
81.需要预测模型生成部200与存储部110及需要预测模型更新部210连接。需要预测模型生成部200从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成需要预测模型。需要预测模型可以是基于需要预测因素来预测对象期间内的由氢产生装置50生成的多种氢各自的预测需要量的模型。
82.需要预测模型生成部200可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成需要预测模型。需要预测模型生成部200例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成需要预测模型。此外，作为需要预测模型，例如，如果使用lstm(long short
‑
term memory：长短记忆网络)、rnn(recurrent neural network：递归神经网络)、以及具有其他存储的模型，则也能够根据因素的时间序列来预测氢的需要量。需要预测模型生成部200将生成的需要预测模型供给到需要预测模型更新部210。
83.需要预测模型更新部210与存储部110及需要预测部220连接。需要预测模型更新部210使用包含多种氢的需要量的实绩值在内的学习数据，通过学习来更新需要预测模型。需要预测模型更新部210期望还使用在时间上比需要预测模型生成部200用于生成需要预测模型的需要预测因素的信息靠后的信息来进行学习。需要预测模型更新部210可以使用根据实际的氢需要而更新的需要预测因素，对需要预测模型进行学习。需要预测模型更新部210例如可以基于过去期间内的需要预测因素和过去期间以后的需要量的实绩值，通过学习来更新需要预测模型。
84.需要预测模型更新部210可以每隔预先决定的更新期间，通过学习而更新为新的需要预测模型。取而代之，需要预测模型更新部210可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新需要预测模型。需要预测模型更新部210可以响应于需要预测因素的信息被更新的情况，执行需要预测模型的学习。需要预测模型更新部210可以在更新期间内执行1次或多次学习。此外，需要预测模型更新部210可以通过适应性学习或在线学习等，对需要预测模型进行学习。需要预测模型更新部210将更新后的需要预测模型供给到需要预测部220。
85.需要预测部220与存储部110连接。需要预测部220基于需要预测因素，使用需要预测模型来生成运行计划的对象期间内的针对多种氢中的各种氢的预测需要量。
86.需要预测部220例如每隔预先决定的期间，预测将来的对象期间内的各种氢的需要量。需要预测部220例如将直至应预测的期间的紧前面为止的期间内的需要预测因素应用于需要预测模型来预测需要量。需要预测部220将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而存储。此外，需要预测部220可以将预测结果直接供给到预测部120的其他结构或计划部130。
87.电价预测模型生成部230与存储部110及电价预测模型更新部240连接。电价预测模型生成部230从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成电价预测模型。电价预测模型可以是基于电价预测因素来计算对象期间内的预测电价的模型。
88.电价预测模型生成部230可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成电价预测模型。电价预测模型生成部230例如使用回归分析、贝叶斯推论、神经
网络、高斯混合模型以及隐马尔可夫模型等，生成电价预测模型。此外，作为电价预测模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测电价。电价预测模型生成部230将生成的电价预测模型供给到电价预测模型更新部240。
89.电价预测模型更新部240与存储部110及电价预测部250连接。电价预测模型更新部240可以使用包含针对多种电力中的各种电力的电价的实绩值在内的学习数据，通过学习来更新电价预测模型。电价预测模型更新部240期望还使用在时间上比电价预测模型生成部230用于生成电价预测模型的电价预测因素的信息靠后的信息来进行学习。电价预测模型更新部240例如可以基于过去期间内的电价预测因素和过去期间以后的电价的实绩值，通过学习来更新电价预测模型。电价预测模型更新部240使用通过实际的电价的推移而更新的电价预测因素的信息，对电价预测模型进行学习。
90.电价预测模型更新部240可以每隔预先决定的更新期间，通过学习而更新为新的电价预测模型。取而代之，电价预测模型更新部240也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新电价预测模型。电价预测模型更新部240可以响应于电价预测因素的信息被更新的情况，执行电价预测模型的学习。电价预测模型更新部240可以在更新期间内执行1次或多次学习。电价预测模型更新部240可以通过适应性学习或在线学习等，对电价预测模型进行学习。电价预测模型更新部240将更新后的电价预测模型供给到电价预测部250。
91.电价预测部250与存储部110连接。电价预测部250针对多种电力中的各种电力，基于电价预测因素，使用电价预测模型而生成运行计划的对象期间内的预测电价。
92.电价预测部250每隔预先决定的期间，预测将来的对象期间内的电价。电价预测部250例如将直至应预测的期间的紧前面为止的期间内的电价预测因素的信息应用于电价预测模型，预测针对多种电力中的各种电力的电价。电价预测部250将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，电价预测部250可以将预测结果直接供给到预测部120的其他结构或计划部130。
93.发电量预测模型生成部260与存储部110及发电量预测模型更新部270连接。发电量预测模型生成部260从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成发电量预测模型。发电量预测模型可以是基于发电量预测因素来预测对象期间内的在发电装置30中使用可再生能源而生成的第1电力的预测发电量的模型。
94.发电量预测模型生成部260可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成发电量预测模型。发电量预测模型生成部260例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成发电量预测模型。此外，作为发电量预测模型，例如如果使用lstm、rnn以及具有其他存储的模型，则也能够根据因素的时间序列来预测发电量。发电量预测模型生成部260将生成的发电量预测模型供给到发电量预测模型更新部270。
95.发电量预测模型更新部270与存储部110及发电量预测部280连接。发电量预测模型更新部270使用包含发电装置30的可再生能源发电量的实绩值在内的学习数据，通过学习来更新发电量预测模型。发电量预测模型更新部270期望还使用在时间上比发电量预测模型生成部260用于生成发电量预测模型的发电量预测因素的信息靠后的信息来进行学习。发电量预测模型更新部270例如可以基于过去期间内的发电量预测因素和过去期间以
后的发电装置30的发电量的实绩值，通过学习来更新发电量预测模型。发电量预测模型更新部270使用通过实际的发电装置30的发电而更新的发电量预测因素的信息，对发电量预测模型进行学习。
96.发电量预测模型更新部270可以每隔预先决定的更新期间，通过学习而更新为新的发电量预测模型。取而代之，发电量预测模型更新部270也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新发电量预测模型。发电量预测模型更新部270可以响应于发电量预测因素的信息被更新的情况，执行发电量预测模型的学习。发电量预测模型更新部270可以在更新期间内执行1次或多次学习。发电量预测模型更新部270可以通过适应性学习或在线学习等，对发电量预测模型进行学习。发电量预测模型更新部270将更新后的发电量预测模型供给到发电量预测部280。
97.发电量预测部280与存储部110连接。发电量预测部280基于发电量预测因素，使用发电量预测模型来生成发电装置30的预测发电量。
98.发电量预测部280例如每隔预先决定的期间，预测将来的对象期间内的发电装置30的发电量。发电量预测部280从存储部110接受发电量预测因素。发电量预测部280例如将直至应预测的期间的紧前面为止的期间内的发电量预测因素的信息应用于发电量预测模型来预测发电装置30的发电量。发电量预测部280将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，发电量预测部280可以将预测结果直接供给到预测部120的其他结构或计划部130。
99.证明书价格预测模型生成部290与存储部110及证明书价格预测模型更新部300连接。证明书价格预测模型生成部290从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成证明书价格预测模型。证明书价格预测模型可以是基于证明书价格预测因素来计算对象期间内的预测证明书价格的模型。
100.证明书价格预测模型生成部290可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成证明书价格预测模型。证明书价格预测模型生成部290例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成证明书价格预测模型。此外，作为证明书价格预测模型，例如，如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测证明书价格。证明书价格预测模型生成部290将生成的证明书价格预测模型供给到证明书价格预测模型更新部300。
101.证明书价格预测模型更新部300与存储部110及证明书价格预测部310连接。证明书价格预测模型更新部300使用包含证明书价格的实绩值在内的学习数据，通过学习来更新证明书价格预测模型。证明书价格预测模型更新部300期望还使用在时间上比证明书价格预测模型生成部290用于生成证明书价格预测模型的证明书价格预测因素的信息靠后的信息来进行学习。证明书价格预测模型更新部300例如可以基于过去期间内的证明书价格预测因素和过去期间以后的证明书价格的实绩值，通过学习来更新证明书价格预测模型。证明书价格预测模型更新部300使用通过计划装置90与发电源证明装置80之间的实际交易而更新的证明书价格预测因素的信息，对证明书价格预测模型进行学习。
102.证明书价格预测模型更新部300可以每隔预先决定的更新期间，通过学习而更新为新的证明书价格预测模型。取而代之，证明书价格预测模型更新部300也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新证明书价
格预测模型。证明书价格预测模型更新部300可以响应于证明书价格预测因素的信息被更新的情况，执行证明书价格预测模型的学习。证明书价格预测模型更新部300可以在更新期间内执行1次或多次学习。证明书价格预测模型更新部300可以通过适应性学习或在线学习等，对证明书价格预测模型进行学习。证明书价格预测模型更新部300将更新后的证明书价格预测模型供给到证明书价格预测部310。
103.证明书价格预测部310与存储部110连接。证明书价格预测部310基于证明书价格预测因素，使用证明书价格预测模型而生成证明书的预测证明书价格。
104.证明书价格预测部310例如每隔预先决定的期间，预测将来的对象期间内的证明书价格。证明书价格预测部310从存储部110接受证明书价格预测因素。证明书价格预测部310例如将直至应预测的期间的紧前面为止的期间内的证明书价格预测因素的信息应用于证明书价格预测模型来预测证明书价格。证明书价格预测部310将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，证明书价格预测部310可以将预测结果直接供给到预测部120的其他结构或计划部130。
105.储藏量预测模型生成部320与存储部110及储藏量预测模型更新部330连接。储藏量预测模型生成部320从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成储藏量预测模型。储藏量预测模型可以是针对多种氢中的各种氢、基于对象期间之前的储藏量预测因素来预测对象期间内的氢储藏装置60的氢的预测储藏量的模型。
106.储藏量预测模型生成部320可以使用比对象期间更早的储藏量预测因素，通过事先学习或离线学习等，生成储藏量预测模型。储藏量预测模型生成部320例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成储藏量预测模型。此外，作为储藏量预测模型，例如，如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测氢储藏装置60的储藏量。储藏量预测模型生成部320将生成的储藏量预测模型供给到储藏量预测模型更新部330。
107.储藏量预测模型更新部330与存储部110及储藏量预测部340连接。储藏量预测模型更新部330可以使用包含氢储藏装置60的氢的储藏量的实绩值在内的学习数据，通过学习来更新储藏量预测模型。储藏量预测模型更新部330期望还使用在时间上比储藏量预测模型生成部320用于生成储藏量预测模型的储藏量预测因素的信息靠后的信息来进行学习。储藏量预测模型更新部330例如可以基于过去期间内的储藏量预测因素和过去期间以后的氢储藏装置60的氢的储藏量的实绩值，通过学习来更新储藏量预测模型。储藏量预测模型更新部330可以使用通过实际的氢的储藏量的推移而更新的储藏量预测因素的信息，对储藏量预测模型进行学习。
108.储藏量预测模型更新部330可以每隔预先决定的更新期间，通过学习而更新为新的储藏量预测模型。取而代之，储藏量预测模型更新部330也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新储藏量预测模型。储藏量预测模型更新部330可以响应于储藏量预测因素的信息被更新的情况，执行储藏量预测模型的学习。储藏量预测模型更新部330可以在更新期间内执行1次或多次学习。储藏量预测模型更新部330可以通过适应性学习或在线学习等，对储藏量预测模型进行学习。储藏量预测模型更新部330将更新后的储藏量预测模型供给到储藏量预测部340。
109.储藏量预测部340与存储部110连接。储藏量预测部340可以针对多种氢中的各种
氢，使用储藏量预测因素和储藏量预测模型来生成预测储藏量。
110.储藏量预测部340每隔预先决定的期间，预测将来的对象期间内的氢储藏装置60的氢的储藏量。储藏量预测部340例如将直至应预测的期间的紧前面为止的期间内的储藏量预测因素的信息应用于储藏量预测模型来预测氢储藏装置60的氢的储藏量。储藏量预测部340将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，储藏量预测部340可以将预测结果直接供给到预测部120的其他结构或计划部130。
111.第1氢价格预测模型生成部350与存储部110及第1氢价格预测模型更新部360连接。第1氢价格预测模型生成部350从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成第1氢价格预测模型。第1氢价格预测模型可以是针对多种氢中的各种氢、基于第1氢价格预测因素来预测对象期间内的该氢的预测第1氢价格的模型。
112.第1氢价格预测模型生成部350可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成第1氢价格预测模型。第1氢价格预测模型生成部350例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成第1氢价格预测模型。此外，作为第1氢价格预测模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测第1氢价格。第1氢价格预测模型生成部350将生成的第1氢价格预测模型供给到第1氢价格预测模型更新部360。
113.第1氢价格预测模型更新部360与存储部110及第1氢价格预测部370连接。第1氢价格预测模型更新部360使用包含第1氢价格的实绩值在内的学习数据，通过学习来更新第1氢价格预测模型。第1氢价格预测模型更新部360期望还使用在时间上比第1氢价格预测模型生成部350用于生成第1氢价格预测模型的第1氢价格预测因素的信息靠后的信息来进行学习。第1氢价格预测模型更新部360例如可以基于过去期间内的第1氢价格预测因素和过去期间以后的第1氢价格的实绩值，通过学习来更新第1氢价格预测模型。第1氢价格预测模型更新部360使用通过实际的第1氢的购买及出售而更新的第1氢价格预测因素的信息，对第1氢价格预测模型进行学习。
114.第1氢价格预测模型更新部360可以每隔预先决定的更新期间，通过学习而更新为新的第1氢价格预测模型。取而代之，第1氢价格预测模型更新部360也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新第1氢价格预测模型。第1氢价格预测模型更新部360可以响应于第1氢价格预测因素的信息被更新的情况，执行第1氢价格预测模型的学习。第1氢价格预测模型更新部360可以在更新期间内执行1次或多次学习。第1氢价格预测模型更新部360可以通过适应性学习或在线学习等，对第1氢价格预测模型进行学习。第1氢价格预测模型更新部360将更新后的第1氢价格预测模型供给到第1氢价格预测部370。
115.第1氢价格预测部370与存储部110连接。第1氢价格预测部370使用第1氢价格预测模型来生成多种氢各自的预测第1氢价格。
116.第1氢价格预测部370例如每隔预先决定的期间，预测将来的对象期间内的第1氢价格。第1氢价格预测部370从存储部110接受第1氢价格预测因素。第1氢价格预测部370例如将直至应预测的期间的紧前面为止的期间内的第1氢价格预测因素的信息应用于第1氢价格预测模型来预测第1氢价格。第1氢价格预测部370将预测结果供给到存储部110，作为
在预测部120或计划部130中使用的因素而进行存储。此外，第1氢价格预测部370可以将预测结果直接供给到预测部120的其他结构或计划部130。
117.图5示出本实施方式的计划装置90的预测部120的其他部分的详细结构例。本实施方式的计划装置90的预测部120可以具有图4所示的结构和图5所示的结构。
118.预测部120具有运行预测模型生成部380、运行预测模型更新部390以及运行预测部400，生成运行预测。预测部120具有输送预测模型生成部410、输送预测模型更新部420以及输送预测部430，生成输送预测。预测部120具有消耗预测模型生成部440、消耗预测模型更新部450以及消耗预测部460，生成氢的预测消耗量。预测部120具有第2氢价格预测模型生成部470、第2氢价格预测模型更新部480以及第2氢价格预测部490，生成预测第2氢价格。预测部120具有氢生产量预测模型生成部500、氢生产量预测模型更新部510以及氢生产量预测部520，生成通过水蒸气重整而生产的氢的预测氢生产量。
119.这里，存储部110还存储包含运行预测因素、输送预测因素、消耗预测预测因素、第2氢价格预测因素以及氢生产量预测因素在内的预测因素。
120.运行预测因素可以包含与氢产生装置50的运行相关的信息。运行预测因素可以包含对象期间之前的氢产生装置50的运行量、各种氢的生成量、氢储藏装置60中的各种氢的储藏量、氢的需要量、氢价格、氢产生装置50的运行计划、氢产生装置50的氢的生成效率(例如，每单位电力或每单位时间的氢的生成量等)、以及对象期间内的预测需要量、预测消耗量、预测第1氢价格、预测储藏量中的至少1个。
121.输送预测因素可以包含与氢产生装置50以及需要对象75之间的氢的输送相关的信息。输送预测因素可以包含对象期间内的氢产生装置50的运行预测以及各种氢的预测需要量中的至少1个。输送预测因素还可以包含对象期间之前的从氢储藏装置60向输送单元70供给的各种氢的供给日期时间、供给量、供给次数、输送单元70的数量、各输送单元70的种类、各输送单元70能够输送的氢的量、各输送单元70的输送成本、各输送单元70的输送时间、多个输送单元70的可利用时间段、以及多个输送单元70的配置中的至少1个。
122.消耗预测因素可以包含与各种氢的消耗相关的信息。消耗预测因素可以包含对象期间之前的各种氢的需要量、各种氢的消耗量、天气信息、各种氢的价格、与需要对象75的各种氢的使用量相关的因素、以及对象期间内的氢的预测需要量。这里，与需要对象75的氢的使用量相关的因素例如可以包含购入在制氢系统10中制造的氢的需要对象75的数量和需要对象75的种类(例如，向燃料电池巴士等供给氢的氢站的供应商等)中的至少1个。
123.第2氢价格预测因素可以包含与在水蒸气重整装置40中生成的氢的价格相关的信息。第2氢价格预测因素可以包含对象期间之前的通过水蒸气重整而生成的氢的价格、氢生成量、氢的需要量、氢的消耗量、以及对象期间内的氢的预测需要量、氢的预测消耗量、预测电价、运行预测、预测储藏量中的至少1个。
124.氢生产量预测因素可以包含与由水蒸气重整装置40生产的氢相关的信息。氢生产量预测因素可以包含对象期间之前的运行计划、氢产生装置50的运行量、氢产生装置50的氢生成量、由水蒸气重整装置40生产的氢的量、氢的需要量、氢的消耗量、需要对象75的数量、天气信息、氢的价格、以及对象期间之前的预测需要量、预测消耗量、运行计划中的至少1个。
125.运行预测模型生成部380与存储部110及运行预测模型更新部390连接，从存储部
110接受模型生成用的数据(例如，预测因素及/或实绩等)。运行预测模型生成部380可以基于运行预测因素而生成运行预测模型。运行预测模型可以是基于运行预测因素而生成对象期间内的氢产生装置50的运行预测的模型。
126.运行预测模型生成部380可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成运行预测模型。运行预测模型生成部380例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成运行预测模型。此外，作为运行预测模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测氢产生装置50的运行。运行预测模型生成部380将生成的运行预测模型供给到运行预测模型更新部390。
127.运行预测模型更新部390与存储部110及运行预测部400连接，从存储部110接受学习用的数据(例如，预测因素及/或实绩等)。运行预测模型更新部390使用包含氢产生装置50的运行实绩(运行量或各种氢的生成量等)在内的学习数据，通过学习来更新运行预测模型。运行预测模型更新部390期望还使用在时间上比运行预测模型生成部380用于生成运行预测模型的运行预测因素的信息靠后的信息来进行学习。运行预测模型更新部390使用通过氢产生装置50的实际运行而更新的运行预测因素的信息，对运行预测模型进行学习。运行预测模型更新部390例如可以基于过去期间内的运行预测因素和过去期间以后的氢产生装置50的运行的实绩，通过学习来更新运行预测模型。
128.运行预测模型更新部390可以每隔预先决定的更新期间(例如x小时或x天的间隔)，通过学习而更新为新的运行预测模型。取而代之，运行预测模型更新部390也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新运行预测模型。运行预测模型更新部390可以响应于运行预测因素的信息被更新的情况，执行运行预测模型的学习。运行预测模型更新部390可以在更新期间内执行1次或多次学习。此外，运行预测模型更新部390可以通过适应性学习或在线学习等，对运行预测模型进行学习。运行预测模型更新部390将更新后的运行预测模型供给到运行预测部400。
129.运行预测部400与存储部110连接。运行预测部400基于运行预测因素，使用运行预测模型而生成氢产生装置50的运行预测。
130.运行预测部400例如每隔预先决定的期间，预测将来的对象期间内的氢产生装置50的运行。运行预测部400例如将直至对象期间的紧前面为止的期间内的运行预测因素的信息应用于运行预测模型来预测氢产生装置50的运行量。运行预测部400将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，运行预测部400可以将预测结果直接供给到预测部120的其他结构或计划部130。
131.输送预测模型生成部410与存储部110及输送预测模型更新部420连接。输送预测模型生成部410基于预测对象期间之前的输送预测因素，生成输送预测模型。输送预测模型可以是生成对象期间内的将氢储藏装置60所储藏的多种氢分别向至少1个需要对象75输送的计划的预测、即输送预测的模型。
132.输送预测模型生成部410可以使用比对象期间更早的信息，通过被称为事先学习或离线学习等的处理，生成输送预测模型。输送预测模型生成部410例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成输送预测模型。此外，作为输送预测模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时
间序列来预测输送。输送预测模型生成部410将生成的输送预测模型供给到输送预测模型更新部420。
133.输送预测模型更新部420与存储部110及输送预测部430连接。输送预测模型更新部420可以使用包含输送的实绩值(例如，实际上执行的输送计划的内容等)在内的学习数据，通过学习来更新输送预测模型。输送预测模型更新部420例如可以每隔预先决定的更新期间，通过学习而更新为新的输送预测模型。取而代之，输送预测模型更新部420也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新输送预测模型。
134.输送预测模型更新部420期望还使用在时间上比输送预测模型生成部410用于生成输送预测模型的输送预测因素的信息靠后的信息来进行学习。输送预测模型更新部420例如可以基于过去期间内的输送预测因素的值和过去期间以后的输送的实绩值，通过学习来更新输送预测模型。输送预测模型更新部420使用通过实际的输送计划的实施而更新的输送预测因素的信息，对输送预测模型进行学习。输送预测模型更新部420可以响应于输送预测因素的信息被更新的情况，执行输送预测模型的学习。输送预测模型更新部420可以在更新期间内执行1次或多次学习。此外，输送预测模型更新部420可以被称为适应性学习或在线学习等的处理，对输送预测模型进行学习。输送预测模型更新部420对更新后的输送预测模型供给到输送预测部430。
135.输送预测部430与存储部110连接。输送预测部430基于输送预测因素，使用输送预测模型而生成对象期间内的输送预测。
136.输送预测部430例如每隔预先决定的期间，预测将来的对象期间内的输送计划。输送预测部430例如将直至对象期间的紧前面为止的期间内的输送预测因素的信息应用于输送预测模型来预测输送计划。输送预测部430将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，输送预测部430可以将预测结果直接供给到预测部120的其他结构或计划部130。
137.消耗预测模型生成部440与存储部110及消耗预测模型更新部450连接。消耗预测模型生成部440从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成消耗预测模型。消耗预测模型可以是基于消耗预测因素来计算对象期间内的多种氢各自的预测消耗量的模型。
138.消耗预测模型生成部440可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成消耗预测模型。消耗预测模型生成部440例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成消耗预测模型。此外，作为消耗预测模型，例如，如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测氢的消耗量。消耗预测模型生成部440将生成的消耗预测模型供给到消耗预测模型更新部450。
139.消耗预测模型更新部450与存储部110及消耗预测部460连接。消耗预测模型更新部450可以使用包含各种氢的消耗量的实绩值在内的学习数据，通过学习来更新消耗预测模型。消耗预测模型更新部450期望还使用在时间上比消耗预测模型生成部440用于生成消耗预测模型的消耗预测因素的信息靠后的信息来进行学习。消耗预测模型更新部450例如可以基于过去期间内的消耗预测因素和过去期间以后的各种氢的消耗量的实绩值，通过学
习来更新消耗预测模型。消耗预测模型更新部450可以使用通过实际的各种氢的消耗量的推移而更新的消耗预测因素的信息，对消耗预测模型进行学习。
140.消耗预测模型更新部450可以每隔预先决定的更新期间，通过学习而更新为新的消耗预测模型。取而代之，消耗预测模型更新部450也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新消耗预测模型。消耗预测模型更新部450可以响应于消耗预测因素的信息被更新的情况，执行消耗预测模型的学习。消耗预测模型更新部450可以在更新期间内执行1次或多次学习。此外，消耗预测模型更新部450可以通过适应性学习或在线学习等，对消耗预测模型进行学习。消耗预测模型更新部450将更新后的消耗预测模型供给到消耗预测部460。
141.消耗预测部460与存储部110连接。消耗预测部460基于消耗预测因素，使用消耗预测模型而生成多种氢各自的预测消耗量。
142.消耗预测部460例如每隔预先决定的期间，预测将来的对象期间内的氢的消耗量。消耗预测部460例如将直至应预测的期间的紧前面为止的期间内的消耗预测因素的信息应用于消耗预测模型来预测氢的消耗量。消耗预测部460将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，消耗预测部460可以将预测结果直接供给到预测部120的其他结构或计划部130。
143.第2氢价格预测模型生成部470与存储部110及第2氢价格预测模型更新部480连接。第2氢价格预测模型生成部470从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成第2氢价格预测模型。第2氢价格预测模型可以是针对通过水蒸气重整而生产的氢、基于第2氢价格预测因素来预测对象期间内的预测第2氢价格的模型。
144.第2氢价格预测模型生成部470可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成第2氢价格预测模型。第2氢价格预测模型生成部470例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成第2氢价格预测模型。此外，作为第2氢价格预测模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测第2氢价格。第2氢价格预测模型生成部470将生成的第2氢价格预测模型供给到第2氢价格预测模型更新部480。
145.第2氢价格预测模型更新部480与存储部110及第2氢价格预测部490连接。第2氢价格预测模型更新部480使用包含第2氢价格的实绩值(例如，由水蒸气重整装置40生产的氢的价格)在内的学习数据，通过学习来更新第2氢价格预测模型。第2氢价格预测模型更新部480期望还使用在时间上比第2氢价格预测模型生成部470用于生成第2氢价格预测模型的第2氢价格预测因素的信息靠后的信息来进行学习。第2氢价格预测模型更新部480例如可以基于过去期间内的第2氢价格预测因素和过去期间以后的第2氢价格的实绩值，通过学习来更新第2氢价格预测模型。第2氢价格预测模型更新部480使用通过由水蒸气重整装置40生产的氢的实际的购买及出售而更新的第2氢价格预测因素的信息，对第2氢价格预测模型进行学习。
146.第2氢价格预测模型更新部480可以每隔预先决定的更新期间，通过学习而更新为新的第2氢价格预测模型。取而代之，第2氢价格预测模型更新部480也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新第2氢价格预测模型。第2氢价格预测模型更新部480可以响应于第2氢价格预测因素的信息被更新的情
况，执行第2氢价格预测模型的学习。第2氢价格预测模型更新部480可以在更新期间内执行1次或多次学习。第2氢价格预测模型更新部480可以通过适应性学习或在线学习等，对第2氢价格预测模型进行学习。第2氢价格预测模型更新部480将更新后的第2氢价格预测模型供给到第2氢价格预测部490。
147.第2氢价格预测部490与存储部110连接。第2氢价格预测部490使用第2氢价格预测模型，生成对象期间内的通过水蒸气重整而生产的氢的预测第2氢价格。
148.第2氢价格预测部490例如每隔预先决定的期间，预测将来的对象期间内的第2氢价格。第2氢价格预测部490从存储部110接受第2氢价格预测因素。第2氢价格预测部490例如将直至应预测的期间的紧前面为止的期间内的第2氢价格预测因素的信息应用于第2氢价格预测模型来预测第2氢价格。第2氢价格预测部490将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，第2氢价格预测部490可以将预测结果直接供给到预测部120的其他结构或计划部130。
149.氢生产量预测模型生成部500与存储部110及氢生产量预测模型更新部510连接。氢生产量预测模型生成部500从存储部110接受模型生成用的数据(例如，预测因素及/或实绩值等)，生成氢生产量预测模型。氢生产量预测模型可以是基于氢生产量预测因素来预测对象期间内的在水蒸气重整装置40中通过水蒸气重整而生产的氢的氢生产量的模型。
150.氢生产量预测模型生成部500可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成氢生产量预测模型。氢生产量预测模型生成部500例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成氢生产量预测模型。此外，作为氢生产量预测模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来预测氢生产量。氢生产量预测模型生成部500将生成的氢生产量预测模型供给到氢生产量预测模型更新部510。
151.氢生产量预测模型更新部510与存储部110及氢生产量预测部520连接。氢生产量预测模型更新部510使用包含氢生产量的实绩值在内的学习数据，通过学习来更新氢生产量预测模型。氢生产量预测模型更新部510期望还使用在时间上比氢生产量预测模型生成部500用于生成氢生产量预测模型的氢生产量预测因素的信息靠后的信息来进行学习。氢生产量预测模型更新部510例如可以基于过去期间内的氢生产量预测因素和过去期间以后的氢生产量的实绩值，通过学习来更新氢生产量预测模型。氢生产量预测模型更新部510使用通过实际的水蒸气重整装置40中的氢生产而更新的氢生产量预测因素的信息，对氢生产量预测模型进行学习。
152.氢生产量预测模型更新部510可以每隔预先决定的更新期间，通过学习而更新为新的氢生产量预测模型。取而代之，氢生产量预测模型更新部510也可以根据学习了预先决定的次数或者基于学习的误差差分低于预先决定的阈值等各种条件，更新氢生产量预测模型。氢生产量预测模型更新部510可以响应于氢生产量预测因素的信息被更新的情况，执行氢生产量预测模型的学习。氢生产量预测模型更新部510可以在更新期间内执行1次或多次学习。氢生产量预测模型更新部510可以通过适应性学习或在线学习等，对氢生产量预测模型进行学习。氢生产量预测模型更新部510将更新后的氢生产量预测模型供给到氢生产量预测部520。
153.氢生产量预测部520与存储部110连接。氢生产量预测部520使用氢生产量预测模
型，生成对象期间内的通过水蒸气重整而生产的氢的预测氢生产量。
154.氢生产量预测部520例如每隔预先决定的期间，预测将来的对象期间内的氢生产量。氢生产量预测部520从存储部110接受氢生产量预测因素。氢生产量预测部520例如将直至应预测的期间的紧前面为止的期间内的氢生产量预测因素的信息应用于氢生产量预测模型来预测氢生产量。氢生产量预测部520将预测结果供给到存储部110，作为在预测部120或计划部130中使用的因素而进行存储。此外，氢生产量预测部520可以将预测结果直接供给到预测部120的其他结构或计划部130。
155.图6示出本实施方式的计划装置90的计划部130的详细结构。计划部130具有输送计划模型生成部530、输送计划模型更新部54以及输送计划部550，生成对象期间内的输送计划。计划部130具有运行计划模型生成部560、运行计划模型更新部570以及运行计划部580，生成对象期间内的运行计划。
156.这里，存储部110存储包含输送计划因素以及运行计划因素中的至少1个在内的计划因素。
157.输送计划因素可以包含与将氢储藏装置60所储藏的氢向需要对象75输送的输送计划相关的信息。输送计划因素可以包含对象期间之前的氢储藏装置60所储藏的多种氢各自的储藏量、多种氢各自的需要量、氢产生装置50的运行量、以及对象期间内的多种氢各自的预测储藏量、预测需要量、运行预测中的至少1个。输送计划因素可以包含输送预测因素。输送计划因素还包含输送单元70的种类、输送单元70的输送路径、输送单元70的数量、各输送单元70的输送成本、各输送单元70的配置、以及各输送单元70能够输送的氢的量中的至少1个。
158.运行计划因素可以包含与氢产生装置50的运行相关的信息。运行计划因素例如可以包含对象期间之前的氢产生装置50的运行量、证明书价格、氢储藏装置60的各种氢的储藏量、氢产生装置50的各种氢的生成效率、发电装置30的发电量、电价、以及对象期间内的各种氢的预测需要量、预测消耗量、预测发电量、预测电价、预测证明书价格、预测储藏量、运行预测中的至少1个。
159.输送计划模型生成部530与存储部110及输送计划模型更新部540连接，从存储部110接受模型生成用的数据(例如，计划因素及/或实绩等)，生成输送计划模型。输送计划模型可以是基于对象期间之前的输送计划因素来生成对象期间内的输送计划的模型。
160.输送计划模型生成部530可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成输送计划模型。输送计划模型生成部530例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成输送计划模型。此外，作为输送计划模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列来生成输送计划。输送计划模型生成部530将生成的输送计划模型供给到输送计划模型更新部540。
161.输送计划模型更新部540与存储部110及输送计划部550连接。输送计划模型更新部540例如通过执行q学习、sarsa法、或者蒙特卡罗法等的强化学习，对输送计划模型进行学习。
162.输送计划模型更新部540可以基于评价制氢系统10中的氢的生产性(作为一例，由制氢系统10得到的利润及/或氢的输送成本)的评价指标，通过学习来更新输送计划模型。
输送计划模型更新部540可以学习并更新输送计划模型，使得包含满足各需要对象75中的各种氢的预测需要量等的制约条件下的评价指标成为规定范围(作为一例，最大值)。评价指标可以由计划装置90计算，或者可以从外部的装置供给到计划装置90。这里，制约条件还可以包含氢储藏装置60的最大可储藏量、输送单元70的数量、以及输送单元70的最大可输送量中的至少1个。
163.输送计划模型更新部540期望还可以使用在时间上比输送计划模型生成部530用于生成输送计划模型的输送计划因素的信息靠后的信息来进行学习。输送计划模型更新部540例如可以基于过去期间内的输送计划因素和过去期间以后的输送计划因及/或输送计划的评价指标，通过学习来更新输送计划模型。输送计划模型更新部540使用根据输送计划的实际实施而计算出的评价指标，对输送计划模型进行学习。
164.输送计划模型更新部540例如可以每隔预先决定的更新期间，通过学习而更新为新的输送计划模型。取而代之，输送计划模型更新部540也可以根据学习了预先决定的次数、或者评价指标成为最大、成为最小或成为预先决定的范围内等各种条件，更新输送计划模型。输送计划模型更新部540可以通过适应性学习或在线学习等，对输送计划模型进行学习。输送计划模型更新部540可以在更新期间内执行1次或多次学习。输送计划模型更新部540将更新后的输送计划模型供给到输送计划部550。
165.输送计划部550与存储部110连接。输送计划部550使用输送计划模型，基于输送计划因素而生成对象期间内的将氢储藏装置60所储藏的氢向至少1个需要对象75输送的输送计划。
166.输送计划部550例如每隔预先决定的期间，生成将来的对象期间内的输送计划。输送计划部550例如将直至应计划的期间的紧前面为止的期间内的输送计划因素的信息应用于输送计划模型而生成输送计划。输送计划部550可以将输送计划的计划数据供给到运行计划部580、预测部120、控制部140以及存储部110中的至少1个。
167.运行计划模型生成部560与存储部110及运行计划模型更新部570连接，从存储部110接受模型生成用的数据(例如，计划因素及/或实绩等)，生成运行计划模型。运行计划模型可以是基于对象期间之前的运行计划因素而生成对象期间内的运行计划的模型。
168.运行计划模型生成部560可以使用比对象期间更早的信息，通过事先学习或离线学习等，生成运行计划模型。运行计划模型生成部560例如使用回归分析、贝叶斯推论、神经网络、高斯混合模型以及隐马尔可夫模型等，生成运行计划模型。此外，作为运行计划模型，例如如果使用lstm、rnn、以及具有其他存储的模型，则也能够根据因素的时间序列而生成运行计划。运行计划模型生成部560将生成的运行计划模型供给到运行计划模型更新部570。
169.运行计划模型更新部570与存储部110及运行计划部580连接。运行计划模型更新部570例如通过执行q学习、sarsa法、或者蒙特卡罗法等的强化学习，对运行计划模型进行学习。
170.运行计划模型更新部570基于评价制氢系统10中的氢的生产性(作为一例，由制氢系统10得到的利润)的评价指标，通过学习来更新运行计划模型。运行计划模型更新部570可以学习并更新运行计划模型，使得包含满足各种氢的预测需要量等的制约条件下的评价指标成为规定范围(作为一例，最大值)。这里，制约条件还可以包含氢储藏装置60的最大可
储藏量、发电装置30的发电效率、输送单元70的数量、以及输送单元70的最大可输送量中的至少1个。
171.此外，评价指标可以是基于制氢系统10中的运营成本、销售额、利润、以及所供给的各种氢的每单位量的原价中的至少1个而得到的评价指标。评价指标可以由计划装置90计算，或者可以从外部的装置供给到计划装置90。评价指标例如可以通过目的函数来计算。
172.运行计划模型更新部570期望还使用在时间上比运行计划模型生成部560用于生成运行计划模型的运行计划因素的信息靠后的信息来进行学习。运行计划模型更新部570例如可以基于过去期间内的运行计划因素和过去期间以后的运行计划因素及/或运行计划的评价指标，通过学习来更新运行计划模型。运行计划模型更新部570使用根据运行计划的实际实施而计算出的评价指标，对运行计划模型进行学习。
173.运行计划模型更新部570例如可以每隔预先决定的更新期间，通过学习而更新为新的运行计划模型。取而代之，运行计划模型更新部570也可以根据学习了预先决定的次数或者评价指标成为最大、成为最小或成为预先决定的范围内等各种条件，更新运行计划模型。运行计划模型更新部570可以通过适应性学习或在线学习等，对运行计划模型进行学习。运行计划模型更新部570可以在更新期间内执行1次或多次学习。运行计划模型更新部570将更新后的运行计划模型供给到运行计划部580。
174.运行计划部580与存储部110连接。运行计划部580基于多种氢各自的预测氢需要量，生成通过氢产生装置50生成所生成的环境负荷不同的多种氢的运行计划。运行计划部580能够基于预测证明书价格取得证明书，生成将第2电力的使用量的一部分看作作为第1电力的使用量而生成多种氢的运行计划。
175.运行计划部580例如每隔预先决定的期间，生成将来的对象期间内的运行计划。运行计划部580例如将直至应计划的期间的紧前面为止的期间内的运行计划因素的信息应用于运行计划模型而生成运行计划。运行计划部580可以将运行计划的计划数据供给到预测部120、控制部140以及存储部110中的至少1个。
176.另外，包含预测因素以及计划因素的多个因素中的至少1个可以是每隔大致固定时间的时间序列的信息。多个因素中的至少1个可以与时间的经过一起分别被追加或更新。多个因素中的至少1个可以包含在计划装置90中生成的预测结果以及计划数据中的至少1个。此外，多个因素中的至少1个可以包含从外部的数据库以及制氢系统10中的管理装置150等供给的信息。此外，各因素可以包含其他因素。
177.以上的本实施方式的计划装置90能够预测多种氢的需要，生成与预测结果相应的高效的运行计划，按照该运行计划来控制制氢系统10的各装置。以下对这样的计划装置90的动作进行说明。
178.图7示出本实施方式的计划装置90的动作流程的一例。
179.控制部140以及取得部100取得成为过去的趋势的预测因素以及计划因素的信息(s710)。控制部140以及取得部100例如取得时刻t0至时刻t1的预测因素以及计划因素的信息。存储部110接受并存储所取得的预测因素以及计划因素的信息。此外，取得部100也可以将预测因素以及计划因素的信息直接供给到预测部120以及计划部130。
180.存储部110例如可以将需要预测因素、发电量预测因素、电价预测因素、储藏量预测因素、第1氢价格预测因素、运行预测因素、输送预测因素、消耗预测因素、以及运行计划
因素中的至少1个与多种氢或电力分别关联起来而进行存储。
181.接着，预测部120以及计划部130生成模型(s720)。预测部120以及计划部130基于从存储部110接受的时刻t0至时刻t1的期间内的预测因素以及计划因素，生成模型。
182.需要预测模型生成部200使用时刻t0至时刻t1的期间内的需要预测因素，生成需要预测模型。电价预测模型生成部230使用时刻t0至时刻t1的期间内的电价预测因素，生成电价预测模型。发电量预测模型生成部260使用时刻t0至时刻t1的期间内的发电量预测因素，生成发电量预测模型。证明书价格预测模型生成部290使用时刻t0至时刻t1的期间内的证明书价格预测因素，生成证明书价格预测模型。储藏量预测模型生成部320使用时刻t0至时刻t1的期间内的储藏量预测因素，生成储藏量预测模型。第1氢价格预测模型生成部350使用时刻t0至时刻t1的期间内的第1氢价格预测因素，生成第1氢价格预测模型。
183.运行预测模型生成部380使用时刻t0至时刻t1的期间内的运行预测因素，生成运行预测模型。输送预测模型生成部410使用时刻t0至时刻t1的期间内的输送预测因素，生成输送预测模型。消耗预测模型生成部440使用时刻t0至时刻t1的期间内的消耗预测因素，生成消耗预测模型。第2氢价格预测模型生成部470使用时刻t0至时刻t1的期间内的第2氢价格预测因素，生成第2氢价格预测模型。氢生产量预测模型生成部500使用时刻t0至时刻t1的期间内的氢生产量预测因素，生成氢生产量预测模型。
184.输送计划模型生成部530使用时刻t0至时刻t1的期间内的输送计划因素，生成输送计划模型。运行计划模型生成部560使用时刻t0至时刻t1的期间内的运行计划因素，生成运行计划模型。
185.需要预测模型生成部200、发电量预测模型生成部260、消耗预测模型生成部440、储藏量预测模型生成部320、第1氢价格预测模型生成部350、运行预测模型生成部380、输送预测模型生成部410、消耗预测模型生成部440以及运行计划模型生成部560中的至少1个可以针对多种氢或电力，使用与它们分别对应的因素来生成多个模型。
186.此外，预测部120以及计划部130可以将基于制氢系统10中的对象装置的物理模型而得到的虚拟数据设为预测数据，对该预测数据以及在过去的对象装置的运行中取得的实际数据进行比较，由此生成模型。例如，预测部120以及计划部130以预测结果或计划数据与从过去的实际数据导出的目标数据的误差成为误差最小(例如，0)或小于预先决定的值的方式执行学习而生成模型。
187.作为一例，预测部120以及计划部130将时刻t0至时刻t1的期间内的m天的期间设为假想的对象期间。另外，m天例如可以是几天或十几天、1周或几周这样的期间。然后，预测部120以及计划部130以基于时刻t0至时刻t1的期间内的对象期间之前的期间的因素而得到的对象期间的预测结果或计划数据与对象期间的实际数据或虚拟数据之间的误差成为最小的方式进行学习。
188.另外，基于这样的预测部120以及计划部130实现的模型的生成可以在计划装置90伴随着对象装置的运行而取得该对象装置的实际数据之前被执行。
189.接着，预测部120以及计划部130对生成的模型进行学习并更新(s730)。这里，控制部140以及取得部100还可以取得各因素的信息。控制部140以及取得部100例如取得时刻t2至时刻t3的各因素的信息。此外，计划装置90可以计算在时刻t2至时刻t3实施的计划的评价指标，或者从外部的装置等取得该评价指标。此外，预测部120以及计划部130例如也可以
生成包含时刻t2至时刻t3的预测结果以及计划数据等在内的各因素的信息。另外，时刻t2至时刻t3之间的期间为时刻t0至时刻t1的期间后的期间。预测部120以及计划部130可以使用新的各因素的信息及/或评价指标进行学习。
190.例如，需要预测模型更新部210基于需要预测因素，对需要预测模型进行适应性学习。需要预测模型更新部210可以使用时刻t2至时刻t3的期间内的针对由氢产生装置50生成的各种氢的需要量，对需要预测模型进行适应性学习。需要预测模型更新部210可以以如下方式进行学习：使用需要预测模型预测时刻t2至时刻t3的期间内的各种氢的需要量而得到的结果与取得的时刻t2至时刻t3的期间的实际的各种氢的需要量(实绩值)一致。
191.作为一例，需要预测模型更新部210将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。需要预测模型更新部210可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的需要预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或小于预先决定的值。
192.电价预测模型更新部240基于电价预测因素，对电价预测模型进行适应性学习。电价预测模型更新部240可以使用时刻t2至时刻t3的期间内的各种电力的电价，对电价预测模型进行适应性学习。电价预测模型更新部240可以以如下方式进行学习：使用电价预测模型预测时刻t2至时刻t3的期间内的各种电力的电价而得到的结果与所取得的时刻t2至时刻t3的期间的实际的各种电力的电价(实绩值)一致。
193.作为一例，电价预测模型更新部240将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。电价预测模型更新部240可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的电价预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
194.发电量预测模型更新部270基于发电量预测因素，对发电量预测模型进行适应性学习。发电量预测模型更新部270可以使用时刻t2至时刻t3的期间内的发电装置30的发电量，对发电量预测模型进行适应性学习。发电量预测模型更新部270可以以如下方式进行学习：使用发电量预测模型预测时刻t2至时刻t3的期间内的发电装置30的发电量而得到的结果与所取得的时刻t2至时刻t3的期间的实际的发电量(实绩值)一致。
195.作为一例，发电量预测模型更新部270将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。发电量预测模型更新部270可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的发电量预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
196.证明书价格预测模型更新部300基于证明书价格预测因素，对证明书价格预测模型进行适应性学习。证明书价格预测模型更新部300可以使用时刻t2至时刻t3的期间内的goo的证明书价格，对证明书价格预测模型进行适应性学习。证明书价格预测模型更新部300可以以如下方式进行学习：使用证明书价格预测模型预测时刻t2至时刻t3的期间内的证明书价格而得到的结果与所取得的时刻t2至时刻t3的期间的实际的证明书价格(实绩值)一致。
197.作为一例，证明书价格预测模型更新部300将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。证明书价格预测模型更新部300可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的证明书价格预测因素而得到的对象期间
的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或小于预先决定的值。
198.储藏量预测模型更新部330基于与多种氢相关的储藏量预测因素，对储藏量预测模型进行适应性学习。储藏量预测模型更新部330可以使用时刻t2至时刻t3的期间内的氢储藏装置60的各种氢的储藏量，对储藏量预测模型进行适应性学习。储藏量预测模型更新部330可以以如下方式进行学习：使用储藏量预测模型预测时刻t2至时刻t3的期间内的氢储藏装置60的多种氢各自的储藏量而得到的结果与所取得的时刻t2至时刻t3的期间的实际的氢储藏装置60的储藏量(实绩值)一致。
199.作为一例，储藏量预测模型更新部330将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。储藏量预测模型更新部330可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的储藏量预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
200.第1氢价格预测模型更新部360基于第1氢价格预测因素，对第1氢价格预测模型进行适应性学习。第1氢价格预测模型更新部360可以使用时刻t2至时刻t3的期间内的第1氢价格，对第1氢价格预测模型进行适应性学习。第1氢价格预测模型更新部360可以以如下方式进行学习：使用第1氢价格预测模型预测时刻t2至时刻t3的期间内的各种氢的第1氢价格而得到的结果与所取得的时刻t2至时刻t3的期间的实际的第1氢价格(实绩值)一致。
201.作为一例，第1氢价格预测模型更新部360将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。第1氢价格预测模型更新部360可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的第1氢价格预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
202.运行预测模型更新部390基于运行预测因素，对运行预测模型进行适应性学习。运行预测模型更新部390可以使用时刻t2至时刻t3的期间内的氢产生装置50的运行状况，对运行预测模型进行适应性学习。运行预测模型更新部390可以以如下方式进行学习：使用运行预测模型预测时刻t2至时刻t3的期间内的氢产生装置50的运行量等而得到的结果与所取得的时刻t2至时刻t3的期间的该氢产生装置50的实际的运行状况(实绩值)一致。
203.作为一例，运行预测模型更新部390将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。运行预测模型更新部390可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的运行预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
204.输送预测模型更新部420基于输送预测因素，对输送预测模型进行适应性学习。输送预测模型更新部420可以使用时刻t2至时刻t3的期间内的从氢储藏装置60通过输送单元70输送氢的输送计划或输送状况，对输送预测模型进行适应性学习。输送预测模型更新部420可以以如下方式进行学习：使用输送预测模型预测时刻t2至时刻t3的期间内的输送计划等而得到的结果与所取得的时刻t2至时刻t3的期间的实际的输送状况(实绩值)一致。
205.作为一例，输送预测模型更新部420将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。输送预测模型更新部420可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的输送预测因素而得到的对象期间的预测结果与该对象
期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
206.消耗预测模型更新部450基于消耗预测因素，对消耗预测模型进行适应性学习。消耗预测模型更新部450可以使用时刻t2至时刻t3的期间内的氢的消耗量，对消耗预测模型进行适应性学习。消耗预测模型更新部450可以以如下方式进行学习：使用消耗预测模型预测时刻t2至时刻t3的期间内的各种氢的消耗量而得到的结果与所取得的时刻t2至时刻t3的期间的实际的消耗量(实绩值)一致。
207.作为一例，消耗预测模型更新部450将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。消耗预测模型更新部450可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的消耗预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
208.第2氢价格预测模型更新部480基于第2氢价格预测因素，对第2氢价格预测模型进行适应性学习。第2氢价格预测模型更新部480可以使用时刻t2至时刻t3的期间内的第2氢价格，对第2氢价格预测模型进行适应性学习。第2氢价格预测模型更新部480可以以如下方式进行学习：使用第2氢价格预测模型预测时刻t2至时刻t3的期间内的第2氢价格而得到的结果与所取得的时刻t2至时刻t3的期间的实际的第2氢价格(实绩值)一致。
209.作为一例，第2氢价格预测模型更新部480将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。第2氢价格预测模型更新部480可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的第2氢价格预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
210.氢生产量预测模型更新部510基于氢生产量预测因素，对氢生产量预测模型进行适应性学习。氢生产量预测模型更新部510可以使用时刻t2至时刻t3的期间内的氢生产量，对氢生产量预测模型进行适应性学习。氢生产量预测模型更新部510可以以如下方式进行学习：使用氢生产量预测模型预测时刻t2至时刻t3的期间内的氢生产量价格而得到的结果与所取得的时刻t2至时刻t3的期间的实际的氢生产量(实绩值)一致。
211.作为一例，氢生产量预测模型更新部510将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。氢生产量预测模型更新部510可以以如下方式进行学习：基于时刻t2至时刻t3的期间内的对象期间之前的期间的氢生产量预测因素而得到的对象期间的预测结果与该对象期间的实绩值之间的误差成为误差最小(例如，0)或者小于预先决定的值。
212.输送计划模型更新部540可以基于与由制氢系统10得到的利润相应的评价指标，对输送计划模型进行适应性学习。例如，输送计划模型更新部540可以使用时刻t2至时刻t3的期间内的包含评价指标的学习数据，对输送计划模型进行学习。输送计划模型更新部540可以针对使用输送计划模型而生成的时刻t2至时刻t3的期间内的输送计划执行强化学习，使得在制约条件下，评价指标的值成为最小(例如，0)、成为最大或者成为预先决定的范围内。
213.作为一例，输送计划模型更新部540将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。输送计划模型更新部540可以针对基于时刻t2至时刻t3的对象期间之前的期间的输送计划因素而得到的对象期间的输送计划，使用该对象期间内的实际的氢需要及/或所实施的输送计划的实绩数据进行强化学习，使得与制约条件下的由制氢系统10得
到的利润相应的目的函数最大化。
214.评价指标可以基于制氢系统10中的输送成本、各种氢的销售额、利润、以及所供给的各种氢的每单位量的原价中的至少1个并通过目的函数来计算。作为一例，可以通过针对制氢系统10的输送成本、各种氢的销售额、利润、以及所供给的各种氢的每单位量的原价中的多个分别乘以权重并取和而得到的加权和的目的函数来计算评价指标。
215.作为一例，输送计划模型更新部540可以将学习的对象的期间分割为多个区间，对在各区间中的各状态(例如，根据输送单元70的输送状况、各种氢的氢储藏量、氢产生装置50中的氢生成量等而不同的状态)下存在输入(例如，针对多种氢中的至少1种氢的需要等)的情况下执行的行动所产生的利润进行强化学习，更新各行动所产生的利润，使得评价指标最大化。由此，能够更新在各区间中的各状态下应采取的行动，可更新为能够生成适当的输送计划的模型。输送计划模型更新部540可以每隔1个或多个区间使对象的期间偏移，同时在多个期间内执行强化学习。
216.运行计划模型更新部570可以基于与由制氢系统10得到的利润相应的评价指标，对运行计划模型进行适应性学习。例如，运行计划模型更新部570可以使用时刻t2至时刻t3的期间内的包含评价指标的学习数据，对运行计划模型进行学习。运行计划模型更新部570可以针对使用运行计划模型而生成的时刻t2至时刻t3的期间内的运行计划执行强化学习，使得在制约条件下，学习的对象的期间内的评价指标的值成为最小(例如，0)、成为最大、或者成为预先决定的范围内。
217.作为一例，可以通过针对制氢系统10的运营成本、各种氢的销售额、各种氢的利润、以及、制氢系统10所供给的各种氢的每单位量的原价中的多个分别乘以权重并取和而得到的加权和的目的函数来计算评价指标。
218.作为一例，运行计划模型更新部570将时刻t2至时刻t3的期间内的m天的期间设为假想的对象期间。运行计划模型更新部570可以针对基于时刻t2至时刻t3的对象期间之前的期间的运行计划因素而得到的对象期间的运行计划，使用该对象期间内的实际的各种氢的需要及/或被实施的运行计划的实绩数据进行强化学习，使得与制约条件下的由制氢系统10得到的利润相应的目的函数最大化。
219.作为一例，运行计划模型更新部570可以将学习的对象的期间分割为多个区间，对在各区间中的各状态(例如，根据氢储藏装置60的各种氢的储藏量、氢产生装置50中的各种氢的生成量等而不同的状态)下存在输入(例如，针对多种氢中的至少1种氢的需要、发电量、证明书价格及/或电价等)的情况下执行的行动所产生的利润进行强化学习，更新各行动所产生的利润，使得评价指标最大化。由此，能够更新在各区间中的各状态下应采取的行动，可更新为能够生成适当的运行计划的模型。运行计划模型更新部570可以每隔1个或多个区间使对象的期间偏移，同时在多个期间内执行强化学习。
220.另外，预测部120的各结构中的对象期间可以是分别不同的期间，或者可以是相同的期间。计划部130的各结构中的对象期间可以是分别不同的期间，或者可以是相同的期间。此外，预测部120以及计划部130中的对象期间可以是分别不同的期间，或者可以是相同的期间。
221.预测部120以及计划部130可以在开始适应性学习之后，使适应性学习持续更新所需的初始更新期间，之后执行模型的最初的更新，然后每隔固定的期间重复进行更新。这
里，初始更新期间期望为预测或计划的对象期间以上。此外，重复进行更新的固定的期间可以是几小时、十几小时、1天、几十小时、或者几天等。另外，预测部120以及计划部130可以在分别不同的更新期间或相同的更新期间内更新模型。
222.接着，预测部120使用模型来生成预测结果(s740)。
223.例如，需要预测部220针对多种氢中的各种氢，使用对应的需要预测模型以及需要预测因素，生成时刻t4至时刻t5的预测需要量。另外，时刻t4至时刻t5之间的期间可以是时刻t2至时刻t3的期间之后的期间，是预测时间点的将来的期间。需要预测部220可以针对多种氢的各种氢，基于包含预测消耗量的需要预测因素来预测预测需要量。由此，需要预测部220能够高精度地预测与所预测的氢的消耗量相应的需要。作为一例，需要预测部220将在初始更新期间取得的n天的需要预测因素及/或由预测部120生成的包含预测结果的需要预测因素应用于需要预测模型，预测初始更新期间之后的n天内的需要量。需要预测部220可以将生成的预测需要量供给到存储部110并进行存储。
224.例如，电价预测部250针对多种电力的各种电力，使用对应的电价预测模型以及电价预测因素，预测时刻t4至时刻t5的电价。作为一例，电价预测部250将在初始更新期间取得的n天的电价预测因素及/或由预测部120生成的包含预测结果的电价预测因素应用于更新后的电价预测模型，预测初始更新期间之后的n天内的电价。电价预测部250可以将生成的预测电价供给到存储部110并进行存储。
225.例如，发电量预测部280使用更新后的发电量预测模型以及发电量预测因素，预测时刻t4至时刻t5的发电装置30的可再生能源发电量。作为一例，发电量预测部280将在初始更新期间取得的n天的发电量预测因素及/或由预测部120生成的包含预测结果的发电量预测因素应用于发电量预测模型，预测初始更新期间之后的n天内的可再生能源发电量。发电量预测部280可以将生成的预测发电量供给到存储部110并进行存储。
226.例如，证明书价格预测部310使用更新后的证明书价格预测模型以及证明书价格预测因素，预测时刻t4至时刻t5的证明书价格。作为一例，证明书价格预测部310将在初始更新期间取得的n天的证明书价格预测因素及/或由预测部120生成的包含预测结果的证明书价格预测因素应用于证明书价格预测模型，预测初始更新期间之后的n天内的证明书价格。证明书价格预测部310可以将生成的预测证明书价格供给到存储部110并进行存储。
227.例如，储藏量预测部340针对多种氢中的各种氢，使用对应的储藏量预测模型以及储藏量预测因素，预测时刻t4至时刻t5的氢储藏装置60的储藏量。作为一例，储藏量预测部340将在初始更新期间取得的n天的储藏量预测因素及/或由预测部120生成的包含预测结果的储藏量预测因素应用于更新后的储藏量预测模型，预测初始更新期间之后的n天内的储藏量。储藏量预测部340可以将生成的预测储藏量供给到存储部110并进行存储。
228.例如，第1氢价格预测部370针对多种氢(例如，绿氢、灰氢以及蓝氢)的各种氢，使用对应的第1氢价格预测模型以及第1氢价格预测因素，预测时刻t4至时刻t5的第1氢价格。作为一例，第1氢价格预测部370将在初始更新期间取得的n天的第1氢价格预测因素及/或由预测部120生成的包含预测结果的第1氢价格预测因素应用于第1氢价格预测模型，预测初始更新期间之后的n天内的第1氢价格。第1氢价格预测部370可以将生成的预测第1氢价格供给到存储部110并进行存储。
229.例如，运行预测部400使用更新后的运行预测模型以及运行预测因素，生成时刻t4
至时刻t5的运行预测。作为一例，运行预测部400将在初始更新期间取得的n天的运行预测因素及/或由预测部120生成的包含预测结果的运行预测因素应用于运行预测模型，预测初始更新期间之后的n天内的各种氢用的氢产生装置50的运行量。运行预测部400可以将生成的运行预测供给到存储部110并进行存储。
230.例如，输送预测部430使用更新后的输送预测模型以及输送预测因素，生成时刻t4至时刻t5的输送预测。作为一例，输送预测部430将在初始更新期间取得的n天的输送预测因素及/或由预测部120生成的包含预测结果的输送预测因素应用于输送预测模型，预测初始更新期间之后的n天内的输送计划。输送预测部430可以将生成的输送预测供给到存储部110并进行存储。
231.例如，消耗预测部460针对多种氢中的各种氢，使用对应的消耗预测模型以及消耗预测因素，预测时刻t4至时刻t5的氢的消耗量。作为一例，消耗预测部460将在初始更新期间取得的n天的消耗预测因素及/或由预测部120生成的消耗预测因素应用于更新后的消耗预测模型，预测初始更新期间之后的n天内的各种氢的消耗量。消耗预测部460可以将生成的预测消耗量供给到存储部110并进行存储。
232.例如，第2氢价格预测部490使用更新后的第2氢价格预测模型以及第2氢价格预测因素，预测时刻t4至时刻t5的第2氢价格。作为一例，第2氢价格预测部490将在初始更新期间取得的n天的第2氢价格预测因素及/或由预测部120生成的包含预测结果的第2氢价格预测因素应用于第2氢价格预测模型，预测初始更新期间之后的n天内的第2氢价格。第2氢价格预测部490可以将生成的预测第2氢价格供给到存储部110并进行存储。
233.例如，氢生产量预测部520使用更新后的氢生产量预测模型以及氢生产量预测因素，生成时刻t4至时刻t5的预测氢生产量。作为一例，氢生产量预测部520将在初始更新期间取得的n天的氢生产量预测因素及/或由预测部120生成的包含预测结果的氢生产量预测因素应用于氢生产量预测模型，预测初始更新期间之后的n天内的氢生产量。氢生产量预测部520可以将生成的预测氢生产量供给到存储部110并进行存储。
234.计划部130使用更新后的模型，生成计划(s750)。例如，输送计划部550可以将预测部120生成的包含预测结果的输送计划因素应用于更新后的输送计划模型，生成时刻t4至时刻t5的输送计划。作为一例，输送计划部550将在初始更新期间取得的n天的输送计划因素的值及/或由预测部120生成的包含预测结果的输送计划因素的值应用于输送计划模型，生成初始更新期间之后的n天的输送计划。输送计划部550可以将运行预测进一步应用于输送计划模型，生成输送计划。由此，输送计划部550能够生成与氢产生装置50的运行相应的输送计划。
235.运行计划部580可以将预测部120生成的包含预测结果的运行计划因素应用于更新后的运行计划模型，生成时刻t4至时刻t5的制氢系统10的运行计划。作为一例，运行计划部580将在初始更新期间取得的n天的运行计划因素及/或由预测部120生成的包含预测结果的运行计划因素应用于运行计划模型，生成初始更新期间之后的n天的运行计划。
236.运行计划部580可以将包含多种氢各自的预测氢需要量的运行计划因素应用于运行计划模型而生成运行计划。运行计划部580能够生成一边切换不同种类的电力的供给一边有效地制造氢的计划，使得满足各种氢的预测氢需要量。
237.运行计划部580可以还基于预测证明书价格而生成运行计划。运行计划部580通过
将预测证明书价格用作运行计划因素，能够生成在针对绿氢的预测需要量急增等情况下购入证明书而将灰氢变更为绿氢的运行计划。此外，运行计划部580也可以生成包含在有效期限内使用在实际的交易价格比阈值便宜的时机购入的证明书的计划在内的运行计划。存储部110可以存储所购入的证明书的数据、对应的电力量、有效期限、购入价格。以及未使用的全部证明书的购入价格的平均购入价格中的至少1个。储藏管理部145可以按照运行计划，从存储部110接受未使用的证明书来使用，由此，能够将与该证明书的电力量对应的量的灰氢变更为绿氢来管理。另外，存储部110所存储的购入的证明书的数据、对应的电力量、有效期限、购入价格、以及未使用的全部证明书的购入价格的平均购入价格中的至少1个可以用作因素。
238.运行计划部580可以还基于对象期间之前的多种氢各自的储藏量、以及对象期间内的多种氢各自的预测储藏量中的至少1个，生成运行计划。运行计划部580能够生成以满足各种氢的需要并成为氢储藏装置60的可储藏范围内的方式高效地制造氢的运行计划。
239.运行计划部580可以还基于多种氢各自的预测第1氢价格，生成运行计划。运行计划部580能够生成使利润增加的运行计划。运行计划部580可以还基于预测第2氢价格以及预测生产量中的至少一方，生成运行计划。运行计划部580能够使用通过水蒸气重整而生成的氢，生成以低成本地满足各种氢的需要的方式制造氢的运行计划。运行计划部580可以还基于多种氢各自的输送预测，生成运行计划。运行计划部580能够生成在适当的时机可向输送单元70提供输送对象的种类的氢的运行计划。
240.另外，在制氢系统10具备多个氢产生装置50以及多个氢储藏装置60的情况下，运行计划部580可以生成多个氢产生装置50以及多个氢储藏装置60各自的运行计划、或者针对多个氢产生装置50以及多个氢储藏装置60生成1个运行计划。例如，运行计划模型生成部560可以生成与多个氢产生装置50以及多个氢储藏装置60对应的1个运行计划模型，运行计划模型更新部570可以对该1个运行计划模型进行强化学习并更新。在该情况下，运行计划模型可以是生成用于使多个氢产生装置50以及多个氢储藏装置60协作运行的运行计划的模型，作为一例，可以是生成将多个氢产生装置50各自的运行开始的时机以及运行期间等最佳化的运行计划的模型。
241.接着，控制部140按照所生成的计划数据，通过储藏管理部145管理各种氢，同时控制制氢系统10的各装置(s760)。控制部140可以将按照所生成的计划数据的指示向制氢系统10的各装置发送来进行控制。此外，控制部140可以将计划数据向多个管理装置150输出。
242.接着，在s770中氢产生装置50持续运行的情况下，通过计划装置90持续控制制氢系统10的各装置，进而从s730持续学习模型，更新为效率更高的模型。计划装置90可以在生成预测以及运行计划而控制制氢系统10的期间在后台执行这样的模型的学习以及更新。
243.另外，制氢系统10也可以不包含至少1个结构。此外，在本实施方式中，实绩或实绩值可以包含与因素相同种类的数据。此外，制氢系统10也可以不具有发电装置30，氢产生装置50也可以从外部的发电装置30被供给电力。
244.本发明的各种实施方式可以参照流程图以及块图而被记载，这里，块可以表示(1)执行操作的过程的阶段或者(2)具有执行操作的作用的装置的部分。可以通过专用电路、与存储在计算机可读介质上的计算机可读命令一起被供给的可编程电路、及/或与存储在计算机可读介质上的计算机可读命令一起被供给的处理器来安装特定的结构以及部分。专用
电路可以包含数字及/或模拟硬件电路，可以包含集成电路(ic)及/或分立电路。可编程电路可以包括可重构的硬件电路，该可重构的硬件电路包括逻辑and、逻辑or、逻辑xor、逻辑nand、逻辑nor、以及其他的逻辑操作、触发电路、寄存器、现场可编程门阵列(fpga)、可编程逻辑阵列(pla)等这样的存储器要素等。
245.计算机可读介质可以包括能够存储由适当的设备执行的命令的任意的有形设备，其结果是，具有存储于此处的命令的计算机可读介质具备产品，该产品包括为了生成用于执行在流程图或块图中指定的操作的单元而能够执行的命令。作为计算机可读介质的例子，可以包括电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读介质的更具体的例子，可以包括软盘(注册商标)、软磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、电可擦除可编程只读存储器(eeprom)、静态随机存取存储器(sram)、高密度盘只读存储器(cd
‑
rom)、数字多用途盘(dvd)、蓝光光盘(rtm)、记忆棒、集成电路卡等。
246.计算机可读命令可以包括汇编命令、命令集架构(isa)命令、机器命令、机器相关命令、微码、固件命令、状态设定数据、或者通过包括smalltalk、java(注册商标)、c 等这样的面向对象编程语言、python、以及“c”编程语言或同样的编程语言这样的现有的程序式编程语言在内的1个或多个编程语言的任意组合而记述的源代码或目标代码中的任意一种。
247.可以经由本地局域网(lan)、因特网等这样的广域网(wan)，向通用计算机、特殊目的的计算机、或者其他的可编程的数据处理装置的处理器或可编程电路提供计算机可读命令，为了生成用于执行在流程图或块图中指定的操作的单元而执行计算机可读命令。作为处理器的例子，包括计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。
248.图8示出可以整体或部分地体现出本发明的多个方案的计算机2200的例子。安装于计算机2200的程序能够使计算机2200作为与本发明的实施方式的装置相关联的操作或者该装置的1个或多个部分而发挥功能，或者能够使计算机2200执行该操作或该1个或多个部分，及/或能够使计算机2200执行本发明的实施方式的过程或该过程的阶段。为了使计算机2200执行与本说明书所记载的流程图以及块图的块中的一部分或所有相关联的特定的操作，可以由cpu2212及/或gpu等图形控制器2216执行这样的程序。
249.本实施方式的计算机2200包括cpu2212、ram2214、图形控制器2216以及显示器设备2218，它们通过主机控制器2210而相互连接。计算机2200还包括通信接口2222、硬盘驱动器2224、dvd
‑
rom驱动器2226、以及ic卡驱动器这样的输入/输出单元，它们经由输入/输出控制器2220而与主机控制器2210连接。计算机还包括rom2230以及键盘2242这样的传统的输入/输出单元，它们经由输入/输出芯片2240而与输入/输出控制器2220连接。
250.cpu2212按照存储于rom2230以及ram2214内的程序进行动作，由此控制各单元。图形控制器2216取得由cpu2212在提供到ram2214内的帧缓冲器等或者图形控制器本身中生成的图像数据，将图像数据显示在显示器设备2218上。
251.通信接口2222经由网络而与其他的电子设备进行通信。硬盘驱动器2224存储由计算机2200内的cpu2212使用的程序以及数据。dvd
‑
rom驱动器2226从dvd
‑
rom2201读取程序或数据，经由ram2214向硬盘驱动器2224提供程序或数据。ic卡驱动器从ic卡读取程序和数
据，及/或将程序和数据写入到ic卡。
252.在rom2230中存储在激活时由计算机2200执行的引导程序等、及/或依赖于计算机2200的硬件的程序。输入/输出芯片2240还可以将各种输入/输出单元经由并行端口、串行端口、键盘端口、鼠标端口等而与输入/输出控制器2220连接。
253.程序由dvd
‑
rom2201或ic卡这样的计算机可读介质提供。程序从计算机可读介质中被读取，安装于也作为计算机可读介质的例子的硬盘驱动器2224、ram2214、或rom2230，由cpu2212执行。记述在这些程序内的信息处理被计算机2200读取，提供程序与上述各种类型的硬件资源之间的协作。装置或方法可以通过按照计算机2200的使用来实现信息的操作或处理而构成。
254.例如，在计算机2200以及外部设备之间执行通信的情况下，cpu2212可以执行加载到ram2214的通信程序，基于通信程序所记述的处理，向通信接口2222命令通信处理。通信接口2222在cpu2212的控制下，读取在ram2214、硬盘驱动器2224、dvd
‑
rom2201或ic卡这样的记录介质内提供的发送缓冲处理区域所存储的发送数据，将读取的发送数据发送到网络，或者将从网络接收的接收数据写入到在记录介质上提供的接收缓冲处理区域等。
255.此外，cpu2212可以将硬盘驱动器2224、dvd
‑
rom驱动器2226(dvd
‑
rom2201)、ic卡等这样的外部记录介质所存储的文件或数据库的全部或需要部分读取到ram2214，对ram2214上的数据执行各种类型的处理。接着，cpu2212将处理后的数据写回到外部记录介质。
256.各种类型的程序、数据、表、以及数据库这样的各种类型的信息可以存储在记录介质中，接受信息处理。cpu2212可以对从ram2214读取的数据，执行本公开的很多地方记载的、包含由程序的命令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索/置换等的各种类型的处理，将结果写回到ram2214。此外，cpu2212可以检索记录介质内的文件、数据库等中的信息。例如，在分别具有与第2属性的属性值相关联的第1属性的属性值的多个项目存储于记录介质内的情况下，cpu2212可以从该多个项目中检索与指定了第1属性的属性值的条件一致的项目，读取存储在该项目内的第2属性的属性值，由此，取得与满足预先决定的条件的第1属性相关联的第2属性的属性值。
257.以上说明的程序或软件模块可以存储于计算机2200上或者计算机2200附近的计算机可读介质。此外，在与专用通信网络或者例如云端服务器这样的因特网连接的服务器系统内提供的硬盘或ram这样的记录介质能够用作计算机可读介质，由此，将程序经由网络提供给计算机2200。
258.以上，使用实施方式说明了本发明，本发明的技术范围不限于上述实施方式所记载的范围。本领域技术人员显然能够对上述实施方式加以各种变更或改良。根据权利要求书的记载可知施加了这样的变更或改良的方式也可以包含在本发明的技术范围内。
259.需要注意的是，在权利要求书、说明书以及附图中示出的装置、系统、程序以及方法中的动作、次序、步骤以及阶段等各处理的执行顺序只要没有特别明示“之前”、“先前”等，并且只要不是在之后的处理中使用之前的处理的输出，则能够通过任意的顺序来实现。关于权利要求书、说明书以及附图中的动作流程，即便为了方便而使用“首先”、“接着”等进行了说明，也不意味着必须按照该顺序实施。
260.附图标记说明
261.10 制氢系统
262.20 电力系统
263.30 发电装置
264.40 水蒸气重整装置
265.50 氢产生装置
266.60 氢储藏装置
267.70 输送单元
268.75 需要对象
269.80 发电源证明装置
270.90 计划装置
271.100 取得部
272.110 存储部
273.120 预测部
274.130 计划部
275.140 控制部
276.150 管理装置
277.200 需要预测模型生成部
278.210 需要预测模型更新部
279.220 需要预测部
280.230 电价预测模型生成部
281.240 电价预测模型更新部
282.250 电价预测部
283.260 发电量预测模型生成部
284.270 发电量预测模型更新部
285.280 发电量预测部
286.290 证明书价格预测模型生成部
287.300 证明书价格预测模型更新部
288.310 证明书价格预测部
289.320 储藏量预测模型生成部
290.330 储藏量预测模型更新部
291.340 储藏量预测部
292.350 第1氢价格预测模型生成部
293.360 第1氢价格预测模型更新部
294.370 第1氢价格预测部
295.380 运行预测模型生成部
296.390 运行预测模型更新部
297.400 运行预测部
298.410 输送预测模型生成部
299.420 输送预测模型更新部
300.430 输送预测部
301.440 消耗预测模型生成部
302.450 消耗预测模型更新部
303.460 消耗预测部
304.470 第2氢价格预测模型生成部
305.480 第2氢价格预测模型更新部
306.490 第2氢价格预测部
307.500 氢生产量预测模型生成部
308.510 氢生产量预测模型更新部
309.520 氢生产量预测部
310.530 输送计划模型生成部
311.540 输送计划模型更新部
312.550 输送计划部
313.560 运行计划模型生成部
314.570 运行计划模型更新部
315.580 运行计划部
316.2200 计算机
317.2201 dvd
‑
rom
318.2210 主机控制器
319.2212 cpu
320.2214 ram
321.2216 图形控制器
322.2218 显示器设备
323.2220 输入/输出控制器
324.2222 通信接口
325.2224 硬盘驱动器
326.2226 dvd
‑
rom驱动器
327.2230 rom
328.2240 输入/输出芯片
329.2242 键盘