CN113544969A - 信息处理装置、控制方法以及程序 - Google Patents

信息处理装置、控制方法以及程序 Download PDF

Info

Publication number
CN113544969A
CN113544969A CN202080019661.2A CN202080019661A CN113544969A CN 113544969 A CN113544969 A CN 113544969A CN 202080019661 A CN202080019661 A CN 202080019661A CN 113544969 A CN113544969 A CN 113544969A
Authority
CN
China
Prior art keywords
information
module
solar cell
cell module
temperature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080019661.2A
Other languages
English (en)
Inventor
新乐浩一郎
内田真辅
黑濑卓也
矢田伸二
藤原京介
高远秀尚
白泽胜彦
伊野裕司
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kyocera Corp
Original Assignee
Kyocera Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kyocera Corp filed Critical Kyocera Corp
Priority claimed from PCT/JP2020/009892 external-priority patent/WO2020184495A1/ja
Publication of CN113544969A publication Critical patent/CN113544969A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Photovoltaic Devices (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

信息处理装置基于第一信息和第二信息的输入来输出结果信息。第一信息表示太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量。第二信息表示在设置有太阳能电池模块的现场中太阳能电池模块在每预定时间受到的湿热导致的应力量。结果信息是与在太阳能电池模块设置于现场时假定太阳能电池模块能够输出预定的电力的期间相关的信息。另外，第二信息是基于与设置有太阳能电池模块的现场的一天中的太阳能电池模块的最高温度相关的信息而生成的。

Description

信息处理装置、控制方法以及程序
相关申请的交叉引用
本申请主张2019年3月8日在日本申请的日本专利申请第2019-43208号和日本专利申请第2019-43209号，以及2019年6月20日在日本申请的日本专利申请第2019号-114877和日本专利申请第2019-14880号，以及2020年3月6日在日本申请的日本专利申请第2020-39351号、日本专利申请第2020-39352号和日本专利申请第2020-39355的优先权，这些在先申请的全部公开内容通过引用并入本文。
技术领域
本公开涉及信息处理装置、控制方法和程序。
背景技术
近年，对太阳能电池模块(以下，也称为“PV模块”或简称为“模块”)的劣化有关的研究一直在发展。例如非专利文献1公开了在高温环境下工作的PV模块的聚合物材料的劣化。另外，例如，例如专利文献1公开了一种评估PV模块的方法，用于在PV模块发生劣化之前的阶段测量水的渗透。另外，例如专利文献2公开了一种用于预测PV模块的输出降低的管理装置。
现有技术文献
非专利文献：莎拉·库尔茨(Sarah Kurtz)等人“机架安装式太阳能模块的高温暴露评估(Evaluation of High-Temperature Exposure of Rack-Mounted PhotovoltaicModules)”会议论文NREL/CP-520-45986，2009年6月
专利文献
专利文献1：日本专利公开第2007-165438号公报
专利文献2：日本专利公开第2014-82309号公报
发明内容
解决问题的技术方案
实施例的信息处理装置基于第一信息和第二信息的输入，输出与假定在太阳能电池模块设置在现场时所述太阳能电池模块能够输出预定的电力的期间相关的结果信息，
所述第一信息表示所述太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量，
所述第二信息表示在设置有所述太阳能电池模块的现场所述太阳能电池模块在每预定时间受到的湿热导致的应力量，所述信息处理装置的特征在于，
所述第二信息是基于与设置有所述太阳能电池模块的现场的一天中的所述太阳能电池模块的最高温度相关的信息而生成的。
实施例的信息处理装置的控制方法包括：
获得表示太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量的第一信息的步骤；
获得表示在设置有所述太阳能电池模的现场中所述太阳能电池模块在每预定时间受到的湿热导致的应力量的第二信息的步骤；以及
基于所述第一信息和所述第二信息的输入，输出与假定所述太阳能电池模块设置于所述现场时所述太阳能电池模块能够输出预定的电力的期间相关的结果信息的步骤。
在所述控制方法中，所述第二信息是基于与设置有所述太阳能电池模块的现场的一天中的所述太阳能电池模块的最高温度相关的信息而生成的。
实施例的程序由计算机执行以下步骤：
获得表示太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量的第一信息；
获得表示在设置有所述太阳能电池模块的现场中所述太阳能电池模块在每预定时间受到的湿热导致的应力量的第二信息；以及
基于所述第一信息和所述第二信息的输入，输出与假定所述太阳能电池模块设置在所述现场时所述太阳能电池模块能够输出预定的电力的期间相关的结果信息。
在所述程序中，所述第二信息是基于与设置有所述太阳能电池模块的现场的一天中的所述太阳能电池模块的最高温度相关的信息而生成的。
另外，实施例的信息处理装置基于第三信息和第四信息的输入，输出与假定在所述现场所述太阳能电池模块能够输出预定的电力的期间相关的结果信息，
所述第三信息表示设置于现场的太阳能电池模块的年度的温度的代表值，
所述第四信息表示根据在不同环境条件下进行的两次以上的试验的结果得到的相关关系，并且，表示所述太阳能电池模块的温度和湿度中的至少一项和所述太阳能电池模块能够输出预定的电力的期间之间的相关关系。
实施例的信息处理装置的控制方法包括：
获得表示设置于现场的太阳能电池模块的年度的温度的代表值的第三信息的步骤；
获得第四信息的步骤，该第四信息表示根据在不同环境条件下进行的两次以上的试验的结果得到的相关关系，并且，表示所述太阳能电池模块的温度和湿度中的至少一项和所述太阳能电池模块能够输出预定的电力的期间之间的相关关系；以及
基于所述第三信息和所述第四信息的输入，输出与假定在所述现场所述太阳能电池模块能够输出预定的电力的期间相关的结果信息的步骤。
实施例的程序由计算机执行以下步骤：
获得表示设置于现场的太阳能电池模块的年度的温度的代表值的第三信息；
获得第四信息，该第四信息表示根据在不同环境条件下进行的两次以上的试验的结果得到的相关关系，并且，表示所述太阳能电池模块的温度和湿度中的至少一项和所述太阳能电池模块能够输出预定的电力的期间之间的相关关系；以及
基于所述第三信息和所述第四信息的输入，输出与假定在所述现场所述太阳能电池模块能够输出预定的电力的期间相关的结果信息。
附图说明
图1是示出实施例的信息处理装置的示意性配置示例的框图。
图2是对PV模块的劣化进行说明的图。
图3是说明典型的PV模块的结构的图。
图4是示出实施例的寿命预测的逻辑流程的图。
图5是示出实施例的寿命预测的其他逻辑流程的图。
图6是示出在某个现场实测的温度的数据的示例的图。
图7是说明一天中的有效应力时间的示例的图。
图8是进一步说明一天中的有效应力时间的示例的图。
图9是进一步说明一天中的有效应力时间的示例的图。
图10是示出计算的一天中的有效应力时间的示例的图。
图11是示出基于湿热导致的劣化的寿命的湿度依存性的曲线图。
图12是示出使基于湿热导致的劣化的寿命标准化的示例的曲线图。
图13是示出水蒸气压的温度依存性和相对湿度依存性的曲线图。
图14是示出推定模块温度下的相对湿度RH的步骤的图。
图15是示出相对湿度和湿度修正系数Hc之间的关系的示例的曲线图。
图16是示出现场温度和湿热试验温度下的相对湿度的关系的曲线图。
图17是示出基于湿热导致的劣化的寿命的湿度依存性的曲线图。
图18是示出使基于湿热导致的劣化的寿命标准化的示例的曲线图。
图19是示出日本国内的现场的按月计的平均气温和平均相对湿度之间的关系的图。
图20是示出日本以外的现场的按月计的平均气温和平均相对湿度之间的关系的图。
图21是示出日本以外的现场的按月计的平均气温和平均相对湿度之间的关系的图。
图22是示出EVA和大气之间的水的分离系数与温度之间的关系的图。
图23是示出EVA和大气之间的水的分离系数与饱和水蒸气压和温度之间的关系的图。
图24是示出若干的EVA中的水分子浓度的示例的图。
图25是示出对使用了若干的EVA的PV模块进行了UVDH连续试验而得到的结果的图。
图26是示出基于湿热导致的劣化的寿命的时间和温度之间的关系的示例的图。
图27是示出基于UV和湿热导致的劣化的寿命的时间和温度之间的关系的示例的图。
图28是示出Tmp_eff和Tmax的年度平均值和ΔT之间的相关关系的一例的曲线图。
图29是说明从现场回收的PV模块的加速试验所进行的寿命预测的图。
图30是说明从现场回收的PV模块的加速试验所进行的寿命预测的图。
图31是示出分析对于UV光的照射能量值的乙酸浓度的实验的结果的一例的图。
图32是将现场回收品的寿命时间绘制在示出基于UV和湿热导致的劣化的寿命的时间与温度之间的关系的示例的曲线图而得到的图。
图33是将现场回收品的寿命时间绘制在示出基于UV和湿热导致的劣化的寿命的时间与温度之间的关系的示例的曲线图而得到的图。
图34是将现场回收品的寿命时间绘制在示出基于UV和湿热导致的劣化的寿命的时间与温度之间的关系的示例的曲线图而得到的图。
图35是示出实施例的寿命预测的其他逻辑流程的图。
具体实施方式
(信息处理装置)
如果能够对基于PV模块的劣化的寿命的预测进行合理量化，将有助于PV模块的评估。本公开涉及提供有助于评估PV模块的信息处理装置、控制方法和程序。根据实施例，可以提供一种有助于PV模块的评估的信息处理装置、控制方法和程序。以下，将参照附图描述实施例的信息处理装置。
实施例的信息处理装置的所设想的用户例如可以是想要知道构成太阳能发电系统等的PV模块的预测寿命的人等。想要知道PV模块的预测寿命的人例如可以是在普通家庭或企业等中研究太阳能发电系统的引入或出售等的人。另外，想要知道PV模块的预测寿命的人例如可以是在检查机构等中进行PV模块的检查或评价等的人等。实施例的信息处理装置所设想的用户可以是想要知道PV模块的预测寿命的任意的人。以下，将操作实施例的信息处理装置的人(例如消费者、从业者、技术人员、或者检查技师等)简称为“用户”。
实施例的信息处理装置通常根据用户操作的输入来输出与PV模块的寿命相关的信息。例如，用户能够将与想要测定寿命的PV模块相关的各种信息输入到实施例的信息处理装置。实施例的信息处理装置根据例如由用户输入的与PV模块相关的各种信息来输出与该PV模块的寿命的预测相关的信息。实施例的信息处理装置所输出的与PV模块的寿命的预测相关的信息例如可以是直到PV模块的寿命结束为止的年数等期间的信息。直到PV模块的寿命结束为止的期间的信息可以是例如在PV模块的特性(后述的Pm特性或者FF特性)不显著降低的情况下能够发电的期间、即PV模块的特性以初始值为基准减少到预定比例的期间等。这样输出的与PV模块的寿命的预测相关的信息通常可以显示在显示装置等上。因此，用户能够知道PV模块的预测寿命。
图1是示意性地示出实施例的信息处理装置的配置的功能框图。
实施例的信息处理装置可以被作为例如专用终端来配置。另一方面，实施例的信息处理装置可以由例如笔记本PC(个人计算机)、台式PC、平板终端、智能电话、移动电话等构成。另外，实施例的信息处理装置的功能可以作为其他电子设备的功能的一部分来实现。在搭载计算机的任意的电子设备中，实施例的信息处理装置的功能也可以通过执行进行实施例的信息处理装置的处理的应用程序来实现。
如图1所示，实施例的信息处理装置1具备：控制部10、输入部20、输出部30、通信部40和存储部50。
控制部10控制和管理以构成信息处理装置1的各功能部为代表的整个信息处理装置1。控制部10可以构成为包括例如CPU(Central Processing Unit：中央处理单元)。在实施例的信息处理装置1中，控制部10可以计算和/或处理与PV模块的寿命的预测相关的各种信息。
信息处理装置1为了提供用于执行各种功能的控制和处理能力，可以包含至少一个处理器作为控制部10。根据各种实施例，至少一个处理器也可以作为单一的集成电路(IC)来实现，或者作为多个可通信地连接的集成电路和/或分立电路(discrete circuits)来实现。至少一个处理器能够按照各种已知的技术来实现。
在实施例中，处理器包含为了执行1个以上的数据计算过程或者处理而构成的1个以上的电路或单元。例如，处理器也可以通过包含1个以上的处理器、控制器、微处理器、微控制器、专用集成电路(ASIC)、数字信号处理装置、可编程逻辑器件、现场可编程门阵列、或者这些器件或者结构的任意组合、或者其他已知的器件或者结构的组合，来执行以下说明的功能。
输入部20例如可以是诸如键盘的按键(物理按键)和/或诸如鼠标或轨迹球的指点设备等用户为了进行操作而使用的任意的输入设备。在实施例中，输入部20可以采用已知的各种输入设备，因此省略更详细的说明。在实施例中，信息处理装置1可以从输入部20获取预测PV模块的寿命所需的各种信息。
输出部30显示信息处理装置1的处理结果等。在实施例中，输出部30作为例如显示器显示与例如PV模块的寿命的预测相关的信息。另外，在实施例中，为了输出例如上述信息，输出部30还显示构成促使用户输入预定的信息的画面的文字、记号和/或图像等。在输出部30中显示所需的数据由控制部10提供。
输出部30可以是液晶显示器(Liquid Crystal Display)、有机EL显示器(OrganicElectro-Luminescence panel：有机电致发光面板)或无机EL显示器(Inorganic Electro-Luminescence panel：无机电致发光面板)等任意的显示装置。输出部30可以显示文字、图形、记号或图形等各种信息。为了促使操作信息处理装置1的用户进行操作，输出部30也可以显示构成以指针为代表的各种GUI的对象、以及图标图像等。另外，输出部30也可以构成为适当地包含背光等。
另外，输出部30不限于向用户提供视觉效果的设备。只要能够向用户传达与PV模块的寿命的预测相关的信息，输出部30可以采用任意结构。例如，输出部30也可以用通过声音等传达与PV模块的寿命的预测相关的信息的扬声器等来进行代替。进而，也可以同时设置这样的扬声器与输出部30。
在实施例中，输出部30可以与输入部20一起被配置为例如触摸屏显示器。在这种情况下，触摸屏显示器作为输出部30，可以具备例如液晶显示器或有机EL显示器等显示设备。另外，在这种情况下，触摸屏显示器作为输入部20，可以具备例如检测用户有无接触以及该接触的位置的触摸传感器或触摸面板。在这样的结构中，将例如数字键等键或图标等作为对象显示于输出部30，能够通过输入部20检测操作者对该对象进行接触的操作。输入部20可以采用电阻膜方式、静电电容方式、或者光学式等各种方式的触摸面板等。
通信部40能够实现以无线通信为代表的各种功能。通信部40可以实现基于例如LTE(Long Term Evolution：长期演进)等各种通信方式的通信。通信部40可以包括通信方式在例如ITU-T(International Telecommunication Union TelecommunicationStandardization Sector：国际电信联盟电信标准)中标准化的调制解调器。通信部40例如可以经由天线与例如外部服务器或者经由网络与云服务器那样的外部设备进行无线通信。在实施例中，通信部40可以从例如外部服务器或者云服务器等外部的数据库接收各种信息。另外，通信部40以此方式接收到的各种信息也可以存储于存储部50。在实施例中，信息处理装置1可以经由通信部40接收或获取预测PV模块的寿命所需的各种信息。
通信部40不限于进行无线通信的功能部。例如，通信部40也可以构成为用于通过电缆等与外部设备进行有线连接的接口。
存储部50存储从控制部10和通信部40等取得的信息。另外，存储部50存储由控制部10执行的程序等。此外，存储部50还存储例如控制部10的运算结果等各种数据。此外，以下可以假设存储部50还可以包括控制部10进行工作时的工作存储器等来进行说明。存储部50例如可以由半导体存储器或磁盘等构成，但不限定于此，可以采用任意的存储装置。例如，存储部50既可以是光盘那样的光学存储装置，也可以是光磁盘等。另外，例如，存储部50也可以是插入本实施例的信息处理装置1的存储卡那样的存储介质。另外，存储部50也可以是作为控制部10使用的CPU的内部存储器。在实施例中，信息处理装置1可以将预测PV模块的寿命所需的各种信息存储于存储部50。
在图1中，输入部20、输出部30、通信部40以及存储部50可以分别内置在信息处理装置1中，也可以设置在信息处理装置1的外部。
在以下的说明中，由实施例的信息处理装置1进行的各种计算和/或处理可以由控制部10进行。在实施例的信息处理装置1中，控制部10所进行的各种计算和/或处理所需的信息可以存储在存储部50中，也可以从输入部20获得，还可以从通信部40接收。另外，在实施例的信息处理装置1中，控制部10所进行的各种计算和/或处理的结果可以存储在存储部50中，也可以从输出部30输出，还可以从通信部40发送到外部。
接着，说明实施例的信息处理装置1所进行的处理。
(PV模块的劣化以及寿命)
实施例的信息处理装置1基于与PV模块相关的预定信息来预测该PV模块的寿命。PV模块的寿命由该PV模块的劣化的导致的，因此以下对PV模块的劣化进行说明。
对于PV模块的劣化，考虑有基于几个观点的劣化。另外，关于各个观点的劣化，也设想几个相关因素。在本公开中，“PV模块的劣化”是指PV模块的太阳能发电产生的电力的输出随着时间的经过而逐渐减少，不久急剧降低的现象。申请人已经发现紫外线(下文中，也称为“UV”)和/或湿热的应力是这样的PV模块的劣化的主要因素。因此，实施例的信息处理装置1预测PV模块的基于UV和/或湿热引起的劣化的寿命。
图2是说明PV模块的劣化的图。在图2中，横轴表示时间[年]，纵轴表示PV模块的太阳光发电的输出。即，图2表示普通PV模块的输出随着时间的经过而降低的情形。如图2所示，普通PV模块在从开始太阳能发电起到M年为止，每年都会发生Di％的初始劣化。另外，如图2所示，普通PV模块每年发生Da％的缓慢的老化劣化。之后，如图2所示，普通PV模块在如上所述的某个时间点(已经到达寿命的时间点)发生急剧的劣化。PV模块的太阳能发电所产生的电力如上所述“急剧减少”是由图2所示的“急剧劣化”引起的。众所周知，这种急剧劣化是由于UV和/或湿热的应力在PV模块的密封剂中产生的酸导致的。
在PV模块中，逐年缓慢地劣化的模式和在某个时间点急剧劣化的模式不一定是相同的劣化模式。其中，由UV和湿热的应力产生的酸所引起的劣化中，几乎没有观察到成为老化劣化的主要成分的劣化。因此，老化劣化被认为是以其他劣化模式作为主要成分而发生的劣化，该其他劣化模式与由UV和湿热的应力引起的酸所导致的劣化不同。上述急剧劣化是在某个时间点急剧劣化的模式。这种急剧劣化是在某个时间点超越以往的其他劣化模式所引起的老化劣化而急剧出现的劣化。
以下，为了说明上述PV模块的劣化的主要原因，对PV模块的结构进行说明。
图3是说明PV模块的结构的图。图3是表示PV模块的截面的图。作为一例，图3示意性地示出典型的PV模块的截面。图3所示的PV模块在图3所示Z轴的方向上具有厚度。在图3所示的PV模块中，将Z轴的正方向侧也记为“正面”，将Z轴的负方向侧也记为“背面”。在图3中，适当省略了与上述PV模块的劣化无关或弱相关的部分的图示。
如图3所示，PV模块100具备：正面玻璃110、背板120和太阳能电池单元130。正面玻璃110构成太阳光等光的入射面。正面玻璃110还具备作为正面保护材料的功能。背板120具备作为背面保护材料的功能。太阳能电池单元130由硅(Si)等半导体构成。太阳能电池单元130吸收光能并将其转换为电能。
太阳能电池单元130在正面玻璃110和背板120之间被正面侧的密封剂140和背面侧的密封剂150密封。在多数的PV模块中，密封剂140和密封剂150使用乙烯醋酸乙烯酯(ethylene-vinylacetate：EVA)的共聚物构成。正面玻璃110例如使用厚度为2mm～5mm左右的白板玻璃、强化玻璃或热射线反射玻璃等透光率高的材料。背板120例如可以使用聚丙烯和聚烯烃中的一种或两种以上的树脂等，进而，也可以是在树脂间具有铝(Al)片的结构。
如图3所示，太阳能电池单元130在由硅等构成的半导体基板的正面侧以及背面侧具备电极170。电极170例如使用银(Ag)或铝(Al)等金属形成。电极170可以在半导体基板的正面侧和背面侧中的至少一侧以任意个形成。如图3所示，电极170经由接触部180形成于半导体基板。在多数的PV模块中，接触部180由薄的玻璃层形成。电极170及接触部180通常通过将含有玻璃粉的银等导电性膏印刷在半导体基板上并进行烧成而形成。电极170和接触部180可以使用溅射等成膜技术或镀覆法形成，接触部180也可以由与电极170相同的材料形成。
如上所述，如图3所示的PV模块100的劣化与UV和/或湿热的应力相关。在PV模块100中，与UV和/或湿热的应力有关的劣化的起因在于，在电极170与半导体基板之间形成的接触部(玻璃层)180由于UV和/或湿热的应力而被EVA中产生的酸腐蚀。在电极170与半导体基板之间的接触部180形成有厚度10nm～100nm左右的薄玻璃层。该玻璃层兼具Ag的电极170与Si的半导体基板之间的电接合和机械接合的功能。另外，由于该玻璃层的厚度较薄，因此不会妨碍电极170与半导体基板之间的电连接。在太阳能电池单元130的正面侧和背面侧的任一个电极170中，都可能发生酸引起的腐蚀。然而，由于UV光几乎不进入太阳能电池单元130的背面，因此在太阳能电池单元130背面的电极170主要涉及湿热应力。
构成密封剂140和150的EVA在UV和/或湿热的应力下产生酸(主要是乙酸)。当构成接触部180的玻璃层被该酸腐蚀时，玻璃层的机械接合功能就会丧失。另外，即使保持一定的机械接合功能，但由于玻璃层的腐蚀，电阻增加，电接合功能劣化。并且，当接触部180的机械和/或电接合功能丧失时，则Si中产生的光生载流子无法从Ag电极中取出。这样，PV模块100的太阳能电池特性劣化。
可以通过对接触部180进行横截面SEM观察或EPMA分析来直接确认构成接触部180的玻璃层的腐蚀。即，能够确认与腐蚀程度对应的接触部180的玻璃层的消失(Ag与Si之间的空隙)和/或玻璃层的组成改变等。更简单地说，玻璃层的腐蚀也可以通过观察PV模块的EL像来确定。即，可以确认与腐蚀程度对应的特征性的EL暗部的产生和/或扩张。
当UV和/或湿热的应力达到预定量时，PV模块100的太阳能发电产生的电力的输出特性急剧降低。这是由于上述酸的增加导致接触部180的玻璃急速腐蚀而产生的现象。作为发生这种现象的基准，可以是EVA中的乙酸浓度(乙酸分子浓度)达到1019个/cm3前后的时间点。这里，乙酸分子浓度是指在25℃(298.15K)、1个大气压下的EVA单位体积中乙酸分子的数量。PV模块100的太阳能发电产生的电力的输出特性急剧降低的状态可以是PV模块100已经达到其寿命的状态。
(PV模块的寿命的预测)
接着，对通过实施例的信息处理装置1预测PV模块的基于UV和/或湿热导致的劣化的寿命的原理进行说明。以下，将实施例的信息处理装置1进行的、PV模块的由UV和/或湿热引起的劣化的寿命的预测简称为“寿命的预测”或者“寿命预测”。
首先，说明用于进行寿命的预测的基本原理。实施例的信息处理装置1所预测的“寿命”例如可以设为，从PV模块开始发电起到UV和/或湿热的应力达到预定量而使电力的输出特性急剧降低为止的时间。以下，实施例的信息处理装置1所预测的“寿命”以曲线因子(以下也简称“FF特性”)或者发电电力(以下也简称“Pm特性”)与初始值相比减少10％的时间点为止作为基准。初始值是指寿命预测试验前的值。但是，实施例的信息处理装置1的寿命的预测的原理也可以在FF特性或Pm特性与初始值相比减少10％的时间点，未确认电力的输出特性的急剧降低的情况下采用。在这种情况下，即使将FF特性或Pm特性与初始值相比减少20％或30％等的时间点为止作为寿命的基准，实施例的信息处理装置1的寿命预测的原理也同样成立。在此，PV模块的输出特性按照IEC 60891标准(或JISC8914)进行测定。
接着，对在寿命的预测中实施的湿热试验进行说明。作为湿热试验的方法，通过将PV模块设置在设定为预定的温度条件和湿度条件的恒温恒湿试验器中，使PV模块暴露于预定环境内。作为温度条件，使用80℃～135℃的温度范围。作为湿度条件，使用相对湿度85％～95％的湿度范围。这样适当设定温度条件和湿度条件即可，例如可以在温度85℃、湿度85％的条件下进行湿热试验。然后，每隔预定时间从试验器取出PV模块，之后测定PV模块的输出特性。然后，再次将PV模块设置在试验器并暴露在预定环境内。通过重复该过程，测量直到PV模块的输出特性急剧下降为止的时间。此时，也可以适当变更预定时间，可以在刚开始试验后立即将测定间隔设定得较长，在观察到某种程度的输出特性的降低时将测定间隔设定得较短。在此，湿热试验在两个以上、优选3个以上的温度条件下进行。如果是3个以上的温度条件，则能够判断寿命与温度的关系是否在阿雷尼厄斯(arrhenius)图中处于直线关系。如果无法得到直线性，则能够以得到直线性的方式重新设定低温侧的温度条件来进行试验。
(寿命预测的逻辑流程)
图4是表示实施例的寿命预测的逻辑流程的图。图4概略地表示实施例的信息处理装置1进行寿命预测时的逻辑流程。稍后将描述每个的细节。如图4所示，实施例的信息处理装置1可以基于以下的逻辑流程来进行寿命预测。
即，如图4的步骤S1所示，信息处理装置1的控制部10获得现场一天中的最高气温Tmax。这可以从例如气象数据中获得。
如图4的步骤S2所示，控制部10获得ΔT(模块最高温度Tmp和最高气温Tmax之间的温度差)。在现场未设置模块的情况下或者无法利用模块的温度信息的情况下可以取得基准值。基准值例如可以在设置于地面时设为25℃±(5～10)左右，在设置于住宅的屋顶时设为35℃±(5～10)左右。另外，在现场设置有模块而能够利用模块的温度信息时，可以根据模块最高温度Tmp的实测数据和最高气温数据Tmax取得。
如图4的步骤S3所示，控制部10计算PV模块在现场一天中的最高温度Tmp(＝Tmax+ΔT)。
图4的步骤S4所示，控制部10获得能够在全年通用的一天中的有效应力时间Heff。在无法利用现场的模块的温度信息的情况下，能够将Heff＝4.0±0.4h作为基准。更优选地，在将一天中的最高气温Tmax的年平均温度称为“Tmax年平均”的情况下，可以设为Heff[h]＝0.108×Tmax年平均[℃]+1.7。进一步优选地，可以设为Heff[h]＝-0.00248×(Tmax年平均[℃])2+0.245×Tmax年平均[℃]。在能够利用现场的模块温度的情况下，可以将在全年每天不同的每天的有效应力时间heff的年度中间值设为Heff。
如图4的步骤S5所示，控制部10获得湿热劣化的活化能Ea。这可以从例如两个以上的温度条件下的湿热试验的结果中获得。
如图4的步骤S6所示，控制部10计算年度应力指数A(＝Σexp(-Ea/kTmp)·Heff，总计为365天)。此时，Tmp可以是每天不同的值。
如图4的步骤S7所示，控制部10获得寿命应力指数B(＝exp(-Ea/kTm)×τ)。在此，Tm是湿热试验的温度(模块的温度)，τ是湿热试验下的寿命时间(在后面进一步描述这些细节)。
如图4的步骤S8所示，控制部10计算基于相对湿度RH90％前后的假想的现场的湿热导致的劣化的寿命Yv(＝B/A)。
如图4的步骤S9所示，控制部10获得湿度修正系数Hc。在随后的步骤S10中，利用该湿度修正系数Hc来计算基于现场的湿热导致的劣化的寿命Yh(＝Yv×Hc)。在该步骤10中，优选利用湿度修正系数Hc，但在不利用湿度修正系数Hc的情况下，可以以Yh＝Yv进行计算，能够粗略地进行寿命预测。
如图4的步骤S11所示，控制部10获得UV修正系数Uc。在随后的步骤S12中，利用该UV修正系数Uc来计算基于现场的UV和湿热导致的劣化的寿命Y(＝Yh×Uc)。在该步骤12中，优选利用UV修正系数Uc，但在不利用湿度修正系数Uc的情况下，可以以Y＝Yh进行计算，能够粗略地进行寿命预测。
图5是示出使用曲线图进行与图4所示的寿命预测等效的寿命预测时的逻辑流程的图。稍后将描述每个的细节。如图5所示，实施例的信息处理装置1可以基于以下的逻辑流程来进行寿命预测。
即，如图5的步骤G1所示，信息处理装置1的控制部10基于图4的步骤S1至步骤S3以及步骤S5的处理结果来计算现场的年度有效模块温度Tmp_eff(＝(-Ea/k)/ln{Σexp(-Ea/kTmp)/365})。在此，总计为365天。
如图5的步骤G2所示，控制部10获得表示模块温度Tm和寿命时间τ之间的关系的寿命曲线的曲线图。寿命曲线的曲线图是例如可以根据在两个以上的温度条件下进行的湿热试验的结果绘制。此时，使用exp(-Ea/kTm1)×τ1＝exp(-Ea/kTm2)×τ2的关系绘制寿命曲线。
如图5的步骤G3所示，控制部10基于步骤G1和步骤G2的处理结果，计算基于Tmp_eff的温度下的相对湿度RH90％前后的假想的现场的湿热导致的劣化的寿命时间τv。
如图5的步骤G4所示，控制部10基于步骤G3和图4所示的步骤S4的处理结果，计算基于相对湿度RH90％前后的假想的现场的湿热导致的劣化的寿命年数Yv。
如图5的步骤G5所示，控制部10基于步骤G4以及图4所示的步骤S9和S11的处理结果，计算基于现场的UV和湿热导致的劣化的寿命年数Y(＝Yv×Hc×Uc)。
在下文中，将描述图4和图5的逻辑流程中的处理的详细情况。
(寿命年数Y)
实施例的信息处理装置1基于与PV模块相关的预定的信息来预测例如以下数学式(1)所示的寿命年数Y，作为该PV模块的寿命。
寿命年数Y＝(寿命应力指数B/年度应力指数A)×湿度修正系数Hc×UV修正系数Uc 数学式(1)
其中，寿命年数Y意味着基于现场的UV和/或湿热导致的劣化的PV模块的寿命年数。即使PV模块是相同规格的，寿命年数Y也因设置PV模块的场所的环境和/或设置方式(地面设置、住宅屋顶设置等)的不同而为不同的值。即，寿命年数Y是取决于PV模块所设置的现场条件(环境条件和/或设置方式条件)的值。
实施例的信息处理装置1的控制部10能够通过数学式(1)右边的(寿命应力指数B/年度应力指数A)，求出基于相对湿度RH90％前后的假想的现场的湿热导致的劣化的寿命年数。另外，实施例的信息处理装置1的控制部10能够通过将上述寿命年数乘以湿度修正系数Hc和UV修正系数Uc，计算基于实际PV模块所设置的现场的UV和/或湿热导致的劣化的寿命年数Y。在此，湿度修正系数Hc中湿度修正是考虑到现场的湿度而进行的修正。另外，UV修正系数Uc中的UV修正是考虑到现场的UV光的影响而进行的修正。以下，对数学式(1)所示的用于计算寿命年数Y的各要素的概念进行说明。
(寿命应力指数B)
数学式(1)中的寿命应力指数B是指表示直到PV模块的寿命为止的湿热导致的应力量的指数。寿命应力指数B可以通过进行湿热试验来确定。寿命应力指数B是与PV模块到达寿命(输出特性急剧下降)为止的湿热导致的应力量对应的指数，并且由以下的数学式(2)表示。
寿命应力指数B＝exp(-Ea/kTm)×τ 数学式(2)
其中，Ea是湿热劣化的活化能[J]，k是玻尔兹曼常数，Tm是PV模块的温度[绝对温度K]，τ是湿热试验中的寿命时间[h]。以下，PV模块的温度简称为“模块温度”。在数学式(2)中，exp函数的项与exp(-Ea/(k×Tm))同义。
在数学式(2)中，exp(-Ea/kTm)表示与每单位时间的应力量对应的指数。通过将该exp(-Ea/kTm)乘以寿命时间τ，计算寿命应力指数B作为与达到寿命为止的总应力量对应的指数。在此，湿热试验通常在相对湿度90％前后(85％～95％左右)下进行。因此，此处计算的寿命应力指数B是假设相对湿度90％前后的值。
在数学式(2)中，湿热劣化的活化能Ea可以进行在两个以上的温度条件下的湿热试验，由以下的数学式(3)计算。
exp(-Ea/kT1)×τ1＝exp(-Ea/kT2)×τ2 数学式(3)
其中，T1和T2分别是湿热试验的温度条件，τ1和τ2是通过各自的湿热试验得到的寿命时间。
对于后述的使用添加了紫外线吸收剂的普通EVA(EVA1)的PV模块、使用添加了紫外线吸收剂的改进的EVA(EVA2)的PV模块、以及使用未添加紫外线吸收剂的改进的EVA(EVA3)的PV模块，如下所述表示这些具体的值。通过温度95℃、湿度95％下的湿热试验而得到的寿命时间在EVA1的情况下为2200小时、在EVA2的情况下为6500小时、在EVA3的情况下为6000小时。通过温度125℃、湿度95％下的湿热试验而得到的寿命时间在EVA1的情况下为450小时、在EVA2的情况下为950小时、在EVA3的情况下为950小时。湿热劣化的活化能Ea在EVA1的情况下为0.668eV、在EVA2的情况下为0.810eV、在EVA3的情况下为0.776eV。Ea[eV]和Ea[J]具有Ea[J]＝q·Ea[eV]的关系。在此，q为基本电荷，具体而言q＝1.6×10-19[C]。
优选地，在此进行的各个湿热试验进行至PV模块的输出特性急剧降低(达到寿命)为止。具体而言，例如，可以进行湿热试验直至PV模块的FF特性与初始值相比减少10％为止。另外，在此进行的各个湿热试验中，优选确认PV模块的劣化的模式是相同的。劣化的模式是否相同可以通过检查PV模块的V-I特性、EL像的图案、或EVA中的乙酸浓度等来确认。
(年度应力指数A)
数学式(1)中的年度应力指数A是表示现场的PV模块的每一年的湿热导致的应力量的指数。如后所述，该年度应力指数A是表示相对湿度90％前后的假想的现场的每一年的湿热应力量的指数。年度应力指数A由以下的数学式(4)表示。
年度应力指数A＝∫exp(-Ea/kTm)dt 数学式(4)
其中，积分区间是一年。
在数学式(4)中，若将dt作为Δt进行离散化，年度应力指数A由以下的数学式(5)表示。
年度应力指数A≈Σexp(-Ea/kTm)Δt 数学式(5)
其中，总计区间是一年。
在数学式(5)中，Δt可以设为1分钟间隔，也可以设为1小时间隔。申请人确认即使使用1小时间隔的数据计算Δt，也不会妨碍精度。因此，以下，将Δt作为1小时间隔进行说明。此时，Δt＝1[h]，数学式(5)由以下的数学式(6)表示。
年度应力指数A≈Σexp(-Ea/kTm) 数学式(6)
其中，总计区间是按每小时间计的一年。Tm可以是每小时不同的值。另外，在使用1分钟间隔的数据计算Δt的情况下，在数学式(6)中，设为Δt＝1/60[h]，总计区间是以1分钟间隔计的一年即可。
此处计算的年度应力指数A是假定相对湿度90％前后的假想的现场的值。为了进行实际的湿热范围内的寿命的预测，需要进行湿度修正。关于湿度修正，在后面进一步描述。
如数学式(5)和数学式(6)所示，为了计算年度应力指数A的值，需要1小时间隔的模块温度Tm的数据。如果在包括PV模块在内太阳能发电系统已经设置在现场的状态下，以1小时的间隔获取一年的模块温度的数据，则能够通过上述计算来计算年度应力指数A的值。
另一方面，在包括PV模块在内的太阳能发电系统未设置在现场的状态下，无法通过上述计算式计算年度应力指数A的值。但是，在将太阳能发电系统实际设置于现场之前，如果能够预测设置于该现场的时的PV模块的寿命，则将是很有益的。另外，还假设即使在太阳能发电系统已经设置在现场的状态下也无法获得模块温度的数据(或无法使用)的情况。即使在这种情况下，如果能够预测设置于该现场的情况下的PV模块的寿命，则将是很有益的。
因此，实施例的信息处理装置1即使在不是以1小时间隔获得一年的模块温度的数据的情况下，也可以计算年度应力指数A的值。以下，将描述这样的计算的原理。
通常，在世界各地的许多地点定期测量和积累气象数据。例如，可以在日本气象厅的网站获得各种数据。具体而言，能够获得各地点的每小时的气温数据、各地点的以天为单位的气温数据(最低气温、平均气温和最高气温等)、以及以月为单位的平均气温数据(一天中的最低气温的月平均值、一天中的平均气温的月平均值以及一天中的最高气温的月平均值等)。
在上述数据中，若使用每小时的气温数据，则每小时的模块温度Tm由以下的数学式(7)表示。
每小时的模块温度Tm＝气温T+ΔT 数学式(7)
其中，ΔT是模块温度和气温之间的差值，气温T是每小时的值。
为了使用数学式(7)求出每小时的模块温度Tm，需要ΔT的每小时的数据。因此，研究根据每小时的气象信息估计每小时的ΔT的方法。假设ΔT由日照量、风速和/或PV模块的设置方式(设置于地面或者设置于住宅的屋顶等)等决定。在此，若使用被称为标称工作单元温度(Nominal Operating Cell Temperature：NOCT)的信息，则设置于地面情况下的用作ΔT的基准的值由以下数学式(8)给出。NOCT可以使用太阳能电池制造商的说明书中所记载的值。
ΔT＝(NOCT-20)×S/80 数学式(8)
其中，S是入射光量[mW/cm2]。
如上所述，每小时的气温数据在多数地点是能够被测定并利用的状态。与此相对地，实际情况是，测定数学式(8)中的入射光量S的每小时的数据的地点目前在日本和日本以外都受到限制。因此，研究不使用入射光量S的每小时的数据而在可行的范围内合理估计任意的地点的年度应力指数A的方法。
在实施例中，当计算年度应力指数A时，不是如上所述估计每小时的ΔT，而是考虑以按每小时计的24小时的总和赋予一天中的应力指数。基于这样的假定，一天中的应力指数由以下的数学式(9)表示。
Σexp(-Ea/kTm)＝exp(-Ea/kTmp)·heff 数学式(9)
其中，左边的总计区间为按每小时计的24小时，右边的Tmp为一天中的PV模块的最高温度[绝对温度K]，heff为一天中的有效应力时间[h]。左边的总计区间可以为1分钟间隔，但此时，heff被替换为heff[h]×60。这样，根据数学式(9)，heff可以是将Σexp(-Ea/kTm)除以exp(-Ea/kTmp)而得的值。在此，Σexp(-Ea/kTm)是在设置于现场的PV模块中，将与一天中的湿热导致的应力成比例的量的预定时间作为单位的总和。另外，exp(-Ea/kTmp)是与设置于现场的PV模块的最高温度下的每单位时间的湿热导致的应力成比例的量。
若使用数学式(9)，则年度应力指数A由以下的数学式(10)表示。
年度应力指数A＝Σ{exp(-Ea/kTmp)·heff} 数学式(10)
其中，总计区间是按每隔一天计的365天。另外，Tmp和heff可以是每天不同的值。
在数学式(10)中，每天计的365天的Tmp若被赋予该地区的年度的按天计气温信息和PV模块的设置方式的信息，则可以由以下的数学式(11)表示。
Tmp＝Tmax+ΔT 数学式(11)
其中，Tmax是一天中的最高气温，并且是每一天计的365天的数据。一天中的最高气温Tmax的每一天的数据可以从例如气象厅等的全年气象数据得到。另外，ΔT是模块温度和气温之间的差值。
图6是表示在某一现场实测一天中的PV模块的最高温度Tmp和一天中的最高气温Tmax的年度的数据的示例的图。在图6中，中间黑色的点表示模块温度，白色圆圈标记的点表示气温。在图6中，按月计的值表示一天中的最高气温Tmax和PV模块的最高温度Tmp的月平均值。在图6中，PV模块的最高温度Tmp的月平均值对于在现场相对于地表具有不同倾斜角(设置角度)的三种类型的PV模块(倾斜15°、倾斜30°以及倾斜45°)进行了表示。
如图6所示，如果将数学式(11)所示的ΔT(＝Tmp-Tmax)表示为按月计的月平均值，则可以被视为一年中基本恒定的值。ΔT的值在设置于地面的PV模块时趋近于25℃±(5～10)℃左右，在设置于住宅的屋顶的PV模块时趋近于35℃±(5～10)℃左右。在未将作为月平均值表示的ΔT视为在一年中基本恒定的值的情况下，可以取作为月平均值表示的ΔT的年度中间值。
如上所述，一天中的有效应力时间heff在全年可以是每天不同的值。图7和图8是示出根据实测每小时的PV模块温度Tm的数据来计算在数学式(9)中使用的一天中的有效应力时间heff的示例的图。图7和图8示出了在设置有太阳能发电系统的现场中，基于获得每小时的一年的模块温度的数据的结果的数据。在图7和图8中，横轴表示一天中的PV模块的最高温度Tmp，纵轴表示一天中的有效应力时间heff。在图7中，Tmp和heff之间的相关性由1月至12月的全部相同点绘制。在图8中，利用每3个月不同的点来绘制Tmp和heff之间的相关性。
如图7和图8所示，Tmp和heff之间的相关性反映了按每一天计的偏差并分布广泛。另一方面，如图7和图8所示，Tmp和heff之间的相关性的分布存在疏密。这被认为是由于太阳与地球的位置关系以及地球自转周期等规律性(法则性)所引起的。这样，假设Tmp和heff之间的相关性显示出一定趋势的分布。
图9是示出在与图7和图8所示的现场不同的现场，同样地一年365天的PV模块的最高温度Tmp和一天中的有效应力时间heff之间相关关系的图。与图7相同，在图9中利用1月至12月的全部相同点绘制Tmp和heff之间的相关性。如图9所示，Tmp和heff之间的相关性反映了按每一天计的偏差并分布广泛。与图7和图8所示的相同，可以确认在图9中，Tmp和heff之间的相关性的分布存在疏密。
为了更简单地计算年度应力指数A，实施例的信息处理装置1设定在全年为恒定值(通用值)的一天中的有效应力时间Heff，来代替在全年每一天不同的一天中的有效应力时间heff。以下，对这样的计算进行说明。
实施例的信息处理装置1通过使用以下的数学式(12)，计算年度应力指数A。
Σ{exp(-Ea/kTmp)·heff}＝Heff·Σexp(-Ea/kTmp) 数学式(12)
其中，总计区间是按每一天计的365天。另外，Tmp和heff是可以每一天不同的值。
若使用数学式(12)，则年度应力指数A能够由以下的数学式(13)表示。
年度应力指数A＝Heff·Σexp(-Ea/kTmp) 数学式(13)
其中，总计区间是按每一天计的365天。另外，Tmp是每一天可以不同的值，Heff在全年是恒定值(通用值)。如以上说明的，如果能够适当设定在全年使用的一天中的有效应力时间Heff，则年度应力指数A的计算会变得很容易。
申请人研究能够高精度再现年度应力指数A的Heff的值，结果发现优选使用上述一天中的有效应力时间heff的年度中间值。图10是示出针对4个现场计算的Heff(即一天中的有效应力时间heff的年度中间值)[h]的示例的图。如图10所示，在设置于例如千叶县的PV模块的一例中，通过将Heff的值设为4.4h，能够高精度再现年度应力指数A。另外，在设置于例如山梨县的PV模块的一例中，通过将Heff的值设为4.0h，能够高精度再现年度应力指数A。另外，在设置于加利福尼亚和洛斯阿拉莫斯的PV模块的示例中也确认了同样的再现性。
即，申请人通过在图10所示的4个现场获得每小时的一年的模块温度的数据，准确地求出各自的年度应力指数A的值。然后，申请人在4个现场中的每个现场使用图10所示的Heff来计算年度应力指数A。其结果，申请人确认使用各个现场中的Heff计算的年度应力指数A的值以对于实用而言足够的精度被再现。
另外，申请人还调查了上述Heff对Ea的依存性。其结果，申请人还确认了在Ea＝0.8eV±0.1eV左右的振幅中，Heff的振幅收敛于±10％左右内。
根据以上结果，实施例的信息处理装置1可以使用以下的数学式(14)作为足够通用用途的年度的一天中的有效应力时间Heff的基准。
一天中的有效应力时间Heff(在全年恒定值)＝4.0h±0.4h(±10％)数学式(14)
数学式(14)特别是在日本国内可以有效地使用。
申请人同样地调查泰国的PV模块温度和气温的全年信息，作为除上述4个现场外的第五个现场。其结果，得到5.8h这样的值，作为在全年每一天不同的一天中的有效应力时间heff的年度中间值的Heff。进而，对上述5个现场中的Heff的值和按天计最高气温的年度平均值、即Tmax年平均的关系进行调查，确认能够观察到如下的相关关系。即，作为一次函数近似式，发现了Heff[h]＝0.108×Tmax年平均[℃]+1.7这样的相关关系。另外，作为二次函数近似式，发现了Heff[h]＝-0.00248×(Tmax年平均[℃])2+0.245×Tmax年平均[℃]这样的相关关系。如果使用这些相关关系式，则可以在包括日本以外的广泛区域中以更高的精度使用Heff。若上述5个现场中的按天计最高气温的年度平均值、即Tmax年平均的值是根据2015年前后的气象信息和当地气温信息估计的，则在千叶县、山梨县、加利福尼亚、洛斯阿拉莫斯以及泰国中，Tmax年平均分别为20.3℃、19.7℃、23.5℃、15.6℃、38.1℃。
通过使用上述Heff的值作为通用的基准，实施例的信息处理装置1即使在未设置太阳能发电系统的状况下，也能够以实用的精度计算年度应力指数A。另外，通过使用上述Heff的值作为通用的基准，实施例的信息处理装置1即使在无法利用模块温度的数据的状况下，也能够以实用的精度计算年度应力指数A。
如以上说明的，实施例的信息处理装置1可以如下面的数学式(15)所示简单地计算年度应力指数A。
年度应力指数A≈Heff·Σexp(-Ea/kTmp) 数学式(15)
其中，总计区间是按每一天计的365天。Tmp是一天中的PV模块的最高温度(＝最高气温Tmax+ΔT)，并且是每一天可以不同的值。另外，Heff作为通用值可以是4.0h±0.4，也可以是在全年恒定值。此时，更优选地，在将一天中的最高气温Tmax的年平均温度作为Tmax年平均的情况下，可以为Heff[h]＝0.108×Tmax年平均[℃]+1.7。进一步优选地，可以为Heff[h]＝-0.00248×(Tmax年平均[℃])2+0.245×Tmax年平均[℃]。
实施例的信息处理装置1在进行上述计算时，采用一天中的最高气温(不是平均气温)作为气温信息。另外，实施例的信息处理装置1在进行上述计算时，采用构成一年的365天的一天中的有效应力时间heff的中间值(不是全年平均)作为Heff。另外，实施例的信息处理装置1在进行上述计算时，在使用按月计的气温信息的情况下，采用一天中的最高气温的月平均值(不是月最高气温)。
实施例的信息处理装置1能够通过使用以下的数学式(16)，预测基于位于相对湿度90％前后的假想的现场的湿热导致的劣化的PV模块的寿命年数Yv。
PV模块的寿命年数Yv≈寿命应力指数B/年度应力指数A 数学式(16)
其中，PV模块的“寿命年数Yv”是基于相对湿度90％前后的假想的现场的湿热导致的劣化的PV模块的寿命年数。
(湿度修正系数Hc)
接着，说明数学式(1)中的湿度修正系数Hc。
如以下的数学式(17)所示，现场的湿热范围内的基于湿热导致的劣化的寿命通过将上述PV模块的寿命年数Yv乘以湿度修正系数Hc而得到。
PV模块的寿命年数Yh＝寿命年数Yv×湿度修正系数Hc 数学式(17)
其中，PV模块的“寿命年数Yh”是基于现场的湿热导致的劣化的PV模块的寿命年数。另外，湿度修正系数Hc的值例如可以是根据通过设定相对湿度的条件而进行的实验所得到的数据和实际的现场中的相对湿度的信息而估计的。
以下，详细说明湿度修正系数Hc的求出方法。
在现场设置的PV模块的基于湿热导致的劣化的寿命能够通过以下的步骤进行估计。即，首先，使用“exp(-Ea/kTm)×τ＝常数”的关系将相对湿度(Relative Humidity：RH)90％左右下的湿热试验的结果(温度-寿命曲线、即PV模块温度Tm和湿热寿命时间τ的关系)外推到设置于现场的PV模块的温度(现场的年度有效模块温度Tmp_eff)。在此，后面将在“使用曲线图的寿命预测”中进一步描述现场的年度有效模块温度Tmp_eff。由此，求出基于RH90％左右的假想现场的湿热导致的劣化的寿命。接着，将上述基于假想现场的湿热导致的劣化的寿命乘以湿度修正系数Hc。
在此，湿度修正系数Hc能够由以下的过程进行估计。
(1)在预先设定了多个相对湿度的湿热试验中，研究基于湿热导致的劣化的寿命和相对湿度之间的相关关系。如果将基于该湿热导致的劣化的寿命的相对湿度依存性通过基准相对湿度(RH90％前后)下的基于湿热导致的劣化的寿命进行标准化地表示，则其标准化数值即为湿度修正系数Hc。由此，得到相对湿度和湿度修正系数Hc之间的关系。
(2)估计设置于现场的PV模块的温度下的相对湿度。这是根据设置有PV模块的环境的大气温度下的相对湿度的信息(气象数据)和饱和水蒸气压的温度依存性而计算的。
(3)根据上述(1)和(2)，求出相对于设置在现场的PV模块的湿度修正系数Hc。
在上述(2)中，无法直接使用大气温度下的相对湿度(气象数据)。通过与相对高温的PV模块接触，相对低温的大气成为与模块温度相当的温度。PV模块中的EVA中的水分与该模块温度相当的大气中的水蒸气进行水分子交换。即，水分子在大气和EVA之间向热平衡状态进出。即使相对低温的大气变为相对高温的大气，绝对水蒸气密度(∝水蒸气压)也几乎不变。具体而言，即使考虑气体的体积膨胀效应，绝对水蒸气密度也仅变化约10％。
但是，由于饱和水蒸气压随温度升高而大幅增加，相对湿度较大降低。在根据相对湿度进行湿度补偿时应注意这一点。因此，在上述(2)中，最好预先明确地对估计设置于现场的PV模块的温度下的相对湿度的过程进行量化。这对于精度良好地估计PV模块的基于现场的湿热导致的劣化的寿命是不可或缺的。
以下，具体说明上述(1)～(3)的步骤。
首先，说明上述(1)。例如，说明对于使用了普通EVA的PV模块的产品设定多个相对湿度进行的湿热试验的结果。
图11是基于利用使用了普通EVA的PV模块来进行的湿热试验，表示相对湿度和基于湿热导致的劣化的寿命之间的关系的曲线图。在图11中，横轴表示相对湿度RH[％]，纵轴表示到达PV模块的基于劣化的寿命为止的时间[h]。到达PV模块的基于劣化的寿命为止的时间也可以设为例如FF特性与初始值相比减少10％为止的时间。
在此，在包括相对湿度低的区域在内的较宽的相对湿度的范围中，能够定量地进行基于湿热导致的劣化的寿命的预测。因此，如以下的数学式(18)所示，由幂律近似基于湿热导致的劣化的寿命的湿度依存性。
τ2/τ1＝(RH2/RH1)-n 数学式(18)
其中，RH1和RH2是湿热试验的各个相对湿度条件，τ1和τ2是在各相对湿度下的湿热试验得到的寿命时间。这样，为了确认基于湿热导致的劣化的寿命的湿度依存性，需要至少2次湿度不同的湿热试验。
判明当解析使用对于普通EVA的PV模块的产品的湿热试验的结果时，若n＝0.44左右，则能够良好地再现实验结果。此时，能够外推到实验数据不足的相对湿度低的区域。在图11中，由通过单点划线表示上述幂律的近似曲线。设为幂律近似的目标的实验数据是使相对湿度范围最宽的实验数据。另外，在图11中，点表示在各温度条件和湿度条件下得到的实验结果。以下说明的图12、图15、图17以及图18中也是同样的。另外，湿热试验的湿度条件优选至少进行相对湿度70％以下、优选为50％以下、进一步优选为30％以下的实验。另外，不仅是在EVA的种类不同的情况下，在使密封剂为烯烃等不同的材料的情况下，每次也都需要进行相对湿度不同的湿热试验，确认湿度修正系数的湿度依存性。
在此，如果通过作为基准的相对湿度(RH90％前后)下的基于湿热导致的劣化的寿命来使基于湿热导致的劣化的寿命的湿度依存性数据标准化，则能够得到相对于相对湿度的湿度修正系数Hc。
图12是示出通过RH95％下的基于湿热导致的劣化的寿命将基于湿热导致的劣化的寿命的湿度依存性数据标准化的例子的曲线图。如上所述，可以在较宽的相对湿度范围求出湿度修正系数Hc。
接着，说明上述(2)。模块温度Tm下的大气的相对湿度RH(Tm)可以使用大气温度T下的大气的相对湿度RH(T)、大气温度T下的饱和水蒸气压Ps(T)以及模块温度Tm下的饱和水蒸气压Ps(Tm)，由以下的数学式(19)表示。
RH(Tm)≈{Ps(T)/Ps(Tm)}·RH(T) 数学式(19)
其中，大气温度T下的相对湿度RH(T)可以根据气象数据得到。
另外，数学式(19)若使用大气温度T下的大气的饱和水蒸气密度Ns(T)和模块温度Tm下的大气的饱和水蒸气密度Ns(Tm)来代替饱和水蒸气压Ps(T)和Ps(Tm)，则也可以由以下的数学式(20)表示。
RH(Tm)≈{Ns(T)/Ns(Tm)}·RH(T) 数学式(20)
其中，数学式(20)基于即使温度变化水蒸气密度也几乎不变化的物理定律。即，数学式(20)基于以下的数学式(21)。
Ns(Tm)·RH(Tm)≈Ns(T)·RH(T) 数学式(21)
其中，在数学式(19)、数学式(20)和数学式(21)中，存在伴随气体的体积膨胀的10％左右的误差，因此使用“≈”而非“＝”来表示。但是，即使存在10％左右的误差也几乎不影响此处的讨论。
接着，在白天的最高温度的时间段，PV模块的最高温度Tmp下的大气的相对湿度RH可以由以下的数学式(22)表示。
RH(Tmp)＝{Ps(Tmax)/Ps(Tmp)}·RH(Tmax) 数学式(22)
其中，RH(Tmax)是一天中的最高气温时的大气的相对湿度。RH(Tmp)是一天中的PV模块的最高温度Tmp下的大气的相对湿度。Ps(Tmax)是一天中的最高气温下的饱和水蒸气压。Ps(Tmp)是一天中的PV模块的最高温度Tmp下的饱和水蒸气压。
在数学式(22)中，如果没有一天期间的小时为单位的湿度推移数据，就无法获得一天中的最高气温时的相对湿度RH(Tmax)的信息。另一方面，如果是一天中的平均的相对湿度即日平均RH信息，则可以简单的访问。因此，RH(Tmax)使用以下的数学式(23)由日平均RH表示。
RH(Tmax)≈{Ps(T日平均)/Ps(Tmax)}·日平均RH 数学式(23)
其中，Ps(T日平均)是一天中的平均气温下的饱和水蒸气压。
在数学式(23)中，使用“≈”而非“＝”来表示是由于RH(T日平均)≈日平均RH(若使用RH(T日平均)则为“＝”)。在此，RH(T日平均)是一天中的平均气温下的相对湿度。为了求出RH(T日平均)，需要一天中的气温和相对湿度的时间推移信息，且并不总是可以访问的。因此，在此使用能够简单访问的日平均RH来表示。
通过使用数学式(22)和数学式(23)，以天为单位的RH(Tmp)可以由以下的数学式(24)表示。
RH(Tmp)≈{Ps(T日平均)/Ps(Tmp)}·日平均RH 数学式(24)
其中，一天中的PV模块的最高温度Tmp可以由以下的数学式(25)表示。
Tmp＝Tmax+ΔT＝Tave+(ΔT2+ΔT) 数学式(25)
在数学式(25)中，Tave是一天中的平均气温。另外，ΔT2是从一天中的最高气温中减去一天中的平均气温而得到的值。这样，可以说一天中的PV模块的最高温度Tmp和一天中的平均气温Tave基本上大致正比关系。
可以考虑基于与上述以天为单位的讨论进行类推，则在以年为单位的讨论中，使用年度有效模块温度Tmp_eff，由以下的数学式(26)进行表示。
RH(Tmp_eff)≈{Ps(T年平均)/Ps(Tmp_eff)}·年平均RH 数学式(26)
其中，RH(Tmp_eff)是现场的年度有效模块温度Tmp_eff下的相对湿度。年平均RH是一年的平均的相对湿度。Ps(Tmp_eff)是现场的年度有效模块温度Tmp_eff下的饱和水蒸气压。Ps(T年平均)是一年的平均气温下的饱和水蒸气压。
另外，RH(Tmp_eff)也可以使用一天中的最高气温Tmax的年平均温度下的相对湿度和饱和水蒸气压，由以下的数学式(27)表示。
RH(Tmp_eff)＝{Ps(Tmax年平均)/Ps(Tmp_eff)}·RH(Tmax年平均) 数学式(27)
其中，RH(Tmax年平均)是一天中的最高气温Tmax的年平均温度下的相对湿度。Ps(Tmax年平均)是一天中的最高气温Tmax的年平均温度下的饱和水蒸气压。以下在“使用曲线图的寿命预测”中进一步描述年度有效模块温度Tmp_eff。
另外，此处讨论的湿度修正优选以与基于UV和湿热导致的劣化的寿命的预测的讨论(构成本公开的寿命预测方法的各种量之间所形成的系统)一致的方式进行。在这点上，可以从后述的千叶和冲绳的实例的温度信息确认以下的数学式(28)的关系。
Tmax年平均+ΔT≈Tmp_eff 数学式(28)
因此，为了在寿命预测中进行湿度修正，最好使用与ΔT和Tmp_eff匹配即一致的一天中的最高气温Tmax的年平均值、即Tmax年平均，以下，参照数学式(27)继续说明。
在希望简单地求出成为基准的估算值的情况下，Tmp_eff可以以与上述图5的步骤G1或者后述的数学式(47)不同的方式被定义。即，如数学式(28)所示，Tmp_eff和Tmax年平均可以不经由exp(-Ea/kTmp)而直接关联。在这样定义的情况下，作为例如数学式(28)中的ΔT，可以使用365天的ΔT的中间值或者月平均值的ΔT的年度中间值。作为数学式(28)中的ΔT，如果使用年平均的ΔT，则Tmp_eff有时会被低估。因此，作为数学式(28)中的ΔT，不优选使用年平均的ΔT。作为Tmp_eff，在需要更准确的值的情况下，可以使用由本来的定义即后述的式(47)给出的值。
在此，也可以假定没有PV模块的温度数据的情况(即Tmp_eff未知的情况)。在这种情况下，作为ΔT，也可以使用已经得到PV模块温度的全年数据和气温的全年数据的场所(设置有PV模块的现场)的ΔT的信息。即，在这种情况下，作为ΔT可以通过已知场所的365天的ΔT的中间值、或者月平均值的ΔT的年度中间值被赋予。ΔT的基准在设置于地面时可以是25℃±(5～10)℃，在设置于住宅屋顶时可以是35℃±(5～10)℃。
在此，为了计算RH(Tmax年平均)，需要按天计的最高气温下的相对湿度的信息。但是，按天计的最高气温下的相对湿度的信息通常不会形成以按天计的气象数据的形式得到的状态。因此，为了得到按天计的最高气温下的相对湿度的信息，要追溯到按小时计的相对湿度的数据。但是，按小时计的相对湿度的数据目前只能在有限数量的地点获得，例如各县的一处地点左右。
因此，在实施例中，可以如下方式在更安全侧预测寿命。即，在实施例中，RH(Tmp_eff)可以被高估。在此，将RH(Tmp_eff)高估相当于将基于湿热导致的寿命的寿命低估为较短的寿命。在此，通常，基于年平均RH≥RH(Tmax年平均)的关系，引入以下定义的RH’(Tmp_eff)并使用年平均RH。按天计的平均相对湿度的数据和按月计的平均相对湿度的数据容易获得。因此，容易求出年平均RH。因此，使用年平均RH对于求出湿度修正系数Hc的目的而言是有利的。
上述RH’(Tmp_eff)由以下的数学式(29)定义。
RH’(Tmp_eff)≈{Ps(Tmax年平均)/Ps(Tmp_eff)}·年平均RH数学式(29)
其中，若比较数学式(27)和数学式(29)，则以下数学式(30)所示的关系成立。
RH’(Tmp_eff)≥RH(Tmp_eff) 数学式(30)
如果使用这样的RH’，可以在更安全侧(较短地)估计湿热导致的寿命。如上所述，能够进行上述(2)的步骤。
接着，说明上述(3)。可以基于上述(1)和(2)的步骤，以下述方式总结。即，为了基于对根据湿热试验(RH＝90％前后)估计的RH90％前后的假想的现场的湿热导致的劣化的寿命进行湿度修正，可以按照以下的过程进行。
(i)首先，年度有效模块温度Tmp_eff下的大气的相对湿度视为上述RH’(Tmp_eff)。基于此观点，根据一天中的最高气温Tmax的年平均值即Tmax年平均、年度有效模块温度Tmp_eff以及一年的平均的相对湿度(年平均RH)的信息求出RH’(Tmp_eff)(根据上述(2)的步骤)。
(ii)接着，根据设定了相对湿度的湿热试验的结果的信息、和由幂律表示基于湿热导致的劣化的寿命的湿度依存性的近似曲线(根据上述(1)的步骤)，读取RH’(Tmp_eff)下的湿度修正系数Hc。在此，设定了相对湿度的湿热试验的结果的信息是表示相对湿度和基于湿热导致的劣化的寿命之间的关系的信息。
对使用了普通EVA的PV模块的情况，具体说明上述(i)和(ii)的各个过程。
(i)年度有效模块温度Tmp_eff中的大气的相对湿度RH’(Tmp_eff)的估计
图13(A)和图13(B)是表示水蒸气压的温度依存性和相对湿度依存性的曲线图。图13(B)以log表示图13(A)的曲线图的纵轴。在此，例如，说明在年平均的最高气温Tmax年平均＝20℃、年平均的相对湿度RH(T年平均)＝70％的地方、ΔT＝25℃(地面设置)的情况和ΔT＝35℃(住宅屋顶设置)的情况的虚拟模型。
图14是表示推定年度有效模块温度下的大气的相对湿度RH’(Tmp_eff)的步骤的图。Tmax年平均＝20℃的大气与PV模块接触，即使在与有效温度45℃或者55℃的模块温度相同的温度，如上所述，水蒸气压本身几乎不变化。基于这样的物理定律，在图14中，对于每个情况，年度有效模块温度下的大气的相对湿度RH’(Tmp_eff)被推定为RH’＝17％或者RH’＝10％。即，在Tmax年平均＝20℃处，在ΔT＝25℃(Tmp_eff＝45℃)时，RH’(Tmp_eff)＝17％。另外，在Tmax年平均＝20℃处，在ΔT＝35℃(Tmp_eff＝55℃)时，RH’(Tmp_eff)＝10％。
(ii)RH’(Tmp_eff)下的湿度修正系数Hc的读取
湿度修正系数Hc可以从表示上述相对湿度和湿度修正系数Hc之间的关系的曲线图读取。
图15是表示相对湿度和湿度修正系数Hc之间的关系的示例的曲线图。在图15中，例示了RH’＝17％的情况和RH’＝10％的情况。根据图15，使用了普通EVA的情况的湿度修正系数Hc在RH’＝17％时可以读取为2.1，在RH’＝10％时可以读取为2.7。另外，图15也记载了改进EVA的情况。
图16是表示温度95℃、湿度95％的湿热试验的条件、RH95％的假想的现场的条件以及上述虚拟模型的现场条件这三者之间的温度和相对湿度之间的关系的曲线图。该图示出了在估计寿命的过程中的温度和湿度之间的关系的整体图。
按照使用上述虚拟模型进行说明的步骤，以千叶和冲绳为例，示出了使用了普通EVA情况下的湿度修正系数Hc的具体的估计值。年平均的相对湿度(年平均RH)设为RH70％作为基准。该示例使用2015年的气象数据，在千叶，Tmax年平均＝20.3℃，在冲绳，Tmax年平均＝26.3℃。在此，即使取RH70％的前后10％左右的值，结果也没有很大差别。以下，使用图14和图18进行说明。
首先，在千叶(Tmax年平均＝20.3℃)，在ΔT＝25℃时，Tmp_eff＝47.5℃。接着从图14得到RH’(Tmp_eff)＝15～20％。并且根据图18，可以求出湿度修正系数Hc为2～2.2。另外，在千叶(Tmax年平均＝20.3℃)，在ΔT＝35℃时，Tmp_eff＝57.3℃。接着从图14得到RH’(Tmp_eff)＝10％前后。并且根据图18，可以求出湿度修正系数Hc为约2.7。
接着，在冲绳(Tmax年平均＝26.3℃)，在ΔT＝25℃时，Tmp_eff＝52.0℃。接着从图14得到RH’(Tmp_eff)＝15～20％。并且根据图18，可以求出湿度修正系数Hc为2～2.2。另外，在冲绳(Tmax年平均＝26.3℃)，在ΔT＝35℃时，Tmp_eff＝62.0℃。接着从图14得到RH’(Tmp_eff)＝10％前后。并且根据图18，可以求出湿度修正系数Hc为约2.7。
在此，年度有效模块温度Tmp_eff是根据使用千叶和冲绳的气象数据计算的年度应力指数A推算出来的。后面在“使用曲线图的寿命预测”中描述年度有效模块温度Tmp_eff的计算。另外，根据以上的示例，也可以确认存在上述数学式(28)所示的关系。也就是说，也可以确认与采用T年平均相比，采用Tmax年平均更符合与上述基于UV和湿热导致的劣化的寿命的预测的讨论。
结果，从在更安全侧进行基于湿热导致的劣化的寿命的预测的观点出发，用于对日本国内的使用了普通EVA的PV模块进行湿度修正的基准值可以为以下的值。即，在为设置于地面的PV模块且ΔT＝25℃时，湿度修正系数Hc可以为约2。另外，在为设置于住宅的屋顶的PV模块且ΔT＝35℃时，湿度修正系数Hc可以为约2.5。综上所述，用于对日本国内的使用了普通EVA的PV模块进行湿度修正的湿度修正系数Hc可以以2.2左右为基准。
接着，对使用了改进的EVA情况下的湿度修正系数Hc的具体的估计值进行说明。与使用了普通EVA的PV模块的产品相同，对于使用了改进的EVA的PV模块的产品也可以求出湿度修正系数Hc。这里需要注意的是，如果EVA的种类不同，湿度修正系数Hc就会不同。以下，对这样的情况进行进一步说明。
相对于使用了普通EVA的PV模块的产品，在使用了改进的EVA的PV模块的产品中，基于湿热导致的劣化的寿命相对于使用了普通EVA情况下的寿命增加了一定量。据此，在使用了改进的EVA的PV模块的产品中，基于湿热导致的劣化的寿命的湿度依存性可以推测为如例如图17所示。
与图11相同，图17是表示基于湿热导致的劣化的寿命的湿度依存性的曲线图。图17是针对使用了改进的EVA的PV模块，表示相对湿度和基于湿热导致的劣化的寿命之间的关系的曲线图。在图17中，横轴表示相对湿度RH[％]，纵轴表示PV模块的到达基于劣化的寿命为止的时间[h]。到达PV模块的基于劣化的寿命为止的时间可以是例如FF特性与初始值相比减少10％为止的时间。在图17中，为了比较，用单点划线表示使用了普通EVA的PV模块的产品的情况下的曲线，用虚线表示使用了改进的EVA的PV模块的产品的情况下的曲线。
如上所述，当示出湿度修正系数Hc的湿度依存性时，则如例如图18所示。与图12相同，图18是表示通过RH95％中的基于湿热导致的劣化的寿命对基于湿热导致的劣化的寿命进行标准化的示例的曲线图。在图18中，为了比较，用单点划线表示使用了普通EVA的PV模块的产品的情况下的曲线，用虚线表示使用了改进的EVA的PV模块的产品的情况下的曲线。图18的信息也记载在图15中。
基于以上，与使用了上述普通EVA的PV模块的产品的情况相同，以千叶和冲绳为例，示出对使用了改进的EVA情况下的湿度修正系数Hc的具体的估计的示例。以下，使用图14和图18进行说明。
首先，在千叶(Tmax年平均＝20.3℃)，在ΔT＝25℃时，Tmp_eff＝47.5℃。接着从图14得到RH’(Tmp_eff)＝15％～20％。并且根据图18可以求出湿度修正系数Hc为约1.7。另外，在千叶(Tmax年平均＝20.3℃)，在ΔT＝35℃时，Tmp_eff＝57.3℃。接着从图14得到RH’(Tmp_eff)＝10％前后。并且根据图18可以求出湿度修正系数Hc为约2.0。
接着，在冲绳(Tmax年平均＝26.3℃)，在ΔT＝25℃时，Tmp_eff＝52.0℃。接着从图14得到RH’(Tmp_eff)＝15％～20％。并且根据图18可以求出湿度修正系数Hc为约1.7。另外，在冲绳(Tmax年平均＝26.3℃)，在ΔT＝35℃时，Tmp_eff＝62.0℃。接着从图14得到RH’(Tmp_eff)＝10％前后。并且根据图18可以求出湿度修正系数Hc为约2.0。
结果，从安全地进行基于湿热导致的劣化的寿命的预测的观点出发，用于对日本国内的使用了改进的EVA的PV模块进行湿度修正的基准值可以是以下的值。即，在为设置于地面的PV模块且ΔT＝25℃时，湿度修正系数Hc可以为约1.5。另外，在为设置于住宅的屋顶的PV模块且ΔT＝35℃时，湿度修正系数Hc可以为约1.8。综上所述，用于对日本国内的使用了改进的EVA的PV模块进行湿度修正的湿度修正系数Hc可以以1.6左右为基准。
图19是绘制了日本国内的若干的现场的全年按月计的平均气温和平均相对湿度之间的关系的图。如图19所示，可知在日本国内的若干不同的现场中，即使平均气温发生变化，平均相对湿度也大致在70％前后。因此，作为相对于相对湿度90％前后的假想的现场的寿命年数Yv的湿度修正系数，证实了将日本国内的现场的平均的相对湿度推导为70％左右的、上述湿度修正系数Hc的有效性。即，在相对湿度为70％左右的日本国内的现场，如上所述，在使用了普通EVA情况下，湿度修正系数Hc的基准可以为2.2左右。如果更详细看的话，湿度修正系数Hc的基准在设置于地面的情况下可以为约2左右，住宅的屋顶的情况下可以为约2.5左右。另外，在使用了改进的EVA情况下，湿度修正系数Hc的基准可以为1.6左右。如果更详细看的话，对于湿度修正系数Hc的基准而言，在设置于地面的情况下可以为约1.5左右，在置于住宅的屋顶的情况下可以为约1.8左右。
接着，具体研究日本以外的现场的湿度修正系数Hc。
图20和图21是绘制并表示日本以外的现场的全年按月计的平均气温和平均相对湿度之间的关系的图。
在图20中，示出了例如台北、曼谷和马尼拉的全年按月计的平均气温和平均相对湿度之间的关系。特别是在曼谷和马尼拉，全年处于高温潮湿的状态，年平均的相对湿度超过70％。另外，在台北，年平均的相对湿度超过80％。因此，这些地区的湿度修正系数Hc在使用了普通EVA的情况下，在地面设置时可以为小于2的值，在置于住宅屋顶时可以为小于2.5的值。另外，在使用了改进的EVA的情况下，在地面设置时可以为小于1.5的值，在置于住宅屋顶时可以为小于1.8的值。这样，在海外的现场的特别高温潮湿的地区，湿度修正系数Hc可以设置为比日本的情况的值小的值。
在图21中，作为示例，示出了新德里、利雅得、阿布扎比和拉斯维加斯全年按月计的平均气温和平均相对湿度之间的关系。如图21所示，特别是在利雅德和拉斯维加斯，平均相对湿度很低，全年大约在15％-45％前后。因此，例如，在利雅德和拉斯维加斯等，根据现场的相对湿度的信息，湿度修正系数Hc在使用了普通EVA情况下，在地面设置时可以是大于2的值，在置于住宅屋顶时可以是大于2.5的值。另外，在使用了改进的EVA情况下，在地面设置时可以是大于1.5的值，在置于住宅屋顶时可以是大于1.8的值。这样，海外的现场的特别干燥的地区，湿度修正系数Hc可以设置为比日本的情况的值大的值。
(使用按月计的湿度修正系数的方法)
另外，在能够利用按月计的平均的相对湿度RHm的信息的情况下，月度应力指数Am由以下的数学式(31)定义。
月度应力指数Am＝Heff·Σexp(-Ea/kTmp) 数学式(31)
其中，总计区间可以是每一天计的各月的月度的天数。
利用该数学式(31)，可以使用按月计的湿度修正系数Hcm，如以下的数学式(32)所示，得到湿度修正完成的年度应力指数Ac。
湿度修正完成的年度应力指数Ac≈Σ{Am/Hcm} 数学式(32)
其中，总计区间是按每1个月计的12个月。
若使用湿度修正完成的年度应力指数Ac，则如以下的数学式(33)所示，现场的湿热范围内的基于湿热导致的劣化的寿命年数Yh由将上述寿命应力指数B除以该Ac而得到。
PV模块的寿命年数Yh＝寿命应力指数B/Ac 数学式(33)
根据该计算，与使用每年的平均的相对湿度RH的信息的情况相比，能够准确地进行寿命预测。该计算在全年相对湿度较大地变动的地区尤其有用。
(使用按天计的湿度修正系数的方法)
另外，在能够利用按天计的平均的相对湿度RHd的信息的情况下，一天中的应力指数Ad可以由以下的数学式(34)定义。
一天中的应力指数Ad＝Heff·exp(-Ea/kTmp) 数学式(34)
其中，Tmp是每天可以不同的值。
通过该数学式(34)，可以使用按天计的湿度修正系数Hcd，如以下的数学式(35)所示，得到湿度修正完成的年度应力指数Ac。
湿度修正完成的年度应力指数Ac≈Σ{Ad/Hcd} 数学式(35)
其中，总计区间是按天计的365天。
基于现场的湿热范围内的湿热导致的劣化的寿命年数Yh可以使用该Ac通过数学式(33)以与上述相同的方式获得。
根据该计算，与使用每月的平均的相对湿度RHm的信息的情况相比，能够更准确地进行寿命预测。该计算在每月相对湿度较大地变动的地区尤其有用。
在此，说明在使用相对湿度信息进行湿度修正时应预先基于的物理。即，湿度修正系数Hc应基于将相对湿度作为变量的湿热试验结果而决定。需要注意的是，不能设想与大气中的绝对水蒸气压(水蒸气密度)单纯成反比的湿度修正系数，或者，与EVA中的水分子浓度单纯成反比的湿度修正系数。
在现场的温度应力区域，EVA中的水分被认为是处于凝结状态(液相状态)。在温度越高的状态下EVA中的水分的扩散越快。即，在白天的模块温度达到最高的时间段，EVA中的水分的扩散距离变得很长。另一方面，在清晨、傍晚或夜间等模块温度降低的时间段，EVA中的水分的扩散距离反而大幅缩短。其结果，EVA中的水分子浓度(水分子的浓度)随着时间的经过，变为接近模块温度变得最高的状态下的平衡浓度的值。也就是说，认为通过如下的水分量大致赋予设置于现场经过一定时间的模块的EVA中的水分量(液相状态的水)。即，该水分量是指假定在模块温度达到最高的温度域，与模块接触并处于与在与模块大致相同的温度的大气中的水分量(气相状态的水蒸气)为平衡状态时的EVA中的水分量。以下，在提及水和水蒸气的浓度的情况下，采用表示在单位体积中存在的水分子的浓度[个/cm3]。
由EVA构成的树脂(以下，简称为“树脂”)中的水分子浓度n_H2O树脂可以基于热物理学和热化学以如下方式导出。
n_H2O树脂＝RH·Ps(T)/Ps’(T)·n_总液体 数学式(36)
其中，T是树脂中和大气所构成的平衡系统的绝对温度[K]。RH是将大气中的相对湿度[％]除以100而得到的值[％/100]。树脂中的水分子浓度n_H2O是每树脂单位体积的水的分子数[个/cm3]。n_总液体是每树脂单位体积能够包含的水的最大分子数(饱和分子数)[个/cm3]。Ps(T)是温度T下的水蒸气的饱和水蒸气压[Pa]。Ps’(T)是由树脂中的水和大气中的水蒸气的热平衡关系(分离系数的实验结果)定义的、具有温度依存性的函数[Pa]。
另外，Ps(T)可以由以下的数学式(37)表示。
Ps(T)＝exp(ΔG_H2O液相/气相(T)/RT) 数学式(37)
其中，ΔG_H2O液相/气相(T)是温度T下的液体状态的水的摩尔吉布斯能(molarGibbs energy)与气体状态和水蒸气的摩尔吉布斯能的差值。
另外，ΔG_H2O液相/气相(T)可以由以下的数学式(38)表示。
ΔG_H2O液相/气相(T)＝ΔG_H2O液相/气相(298)-T·ΔS_H2O液相/气相(298)数学式(38)
其中，ΔG_H2O液相/气相(298)是温度25℃下的液体状态的水的摩尔标准生成吉布斯能与气体状态的水蒸气的摩尔标准生成吉布斯能的差值。ΔS_H2O液相/气相(298)是温度25℃下的液体状态的水的摩尔标准熵与气体状态的水蒸气的摩尔标准熵的差值。
另外，Ps’(T)由以下的数学式(39)定义。
Ps’(T)＝exp(ΔG_H2O液相’/气相(T)/RT) 数学式(39)
其中，ΔG_H2O液相’/气相(T)是温度T下的树脂中的液体状态的水的摩尔吉布斯能与气体状态的水蒸气的摩尔吉布斯能的差值。
另外，ΔG_H2O液相’/气相(T)由以下的数学式(40)定义。
ΔG_H2O液相’/气相(T)＝ΔG_H2O液相’/气相(298)-T·ΔS_H2O液相’/气相(298)数学式(40)
其中，ΔG_H2O液相’/气相(298)是温度25℃下的树脂中的液体状态的水的摩尔标准生成吉布斯能与气体状态的水蒸气的摩尔标准生成吉布斯能的差值。ΔS_H2O液相’/气相(298)是温度25℃下的树脂中的液体状态的水的摩尔标准熵与气体状态的水蒸气的摩尔标准熵的差值。
接着，能够根据树脂的水分子浓度n_H2O树脂和大气中的水分子浓度n_H2O大气之比，得到与水分子有关的分离系数C。
分离系数C＝n_H2O树脂/n_H2O大气 数学式(41)
数学式(41)可以根据数学式(36)并由以下的数学式(42)表示。
分离系数C＝RH·Ps(T)·n_总液体/(Ps’(T)·n_H2O大气) 数学式(42)
另外，数学式(42)如果根据RH·Ps(T)＝P(T)＝n_H2O大气·kT，则可以由以下的数学式(43)表示。P(T)是温度T下的水蒸气的水蒸气压[Pa]。
分离系数C＝n_总液体·kT/Ps’(T) 数学式(43)
若根据数学式(43)可知各温度T下的分离系数C，则可以求出Ps’(T)。
接着，说明使用数学式(41)从实验求出水分子有关的分离系数C的方法。
从进行了预定的温度条件下的高温高湿试验的PV模块取出EVA，通过卡尔费休(Karl Fischer)法等对EVA中的水分子浓度n_H2O树脂进行定量分析。并且，可以根据高温高湿试验条件的温度和相对湿度求出预定温度下的大气中的水分子浓度n_H2O大气。分离系数C可以通过取得所得到的树脂的水分子浓度n_H2O树脂与大气中的水分子浓度n_H2O大气之比而求出。通过在不同的温度下反复进行该操作，求出各温度下的分离系数C。
图22是绘制在各温度下得到的分离系数C的图。可以通过使用这些实验数据求出Ps’(T)。在此，在数学式(40)中，若使ΔG_H2O液相’/气相(298)＝-9448J/mol，ΔS_H2O液相’/气相(298)＝-83.1J/mol，根据数学式(39)赋予Ps’(T)，则确认经由数学式(43)计算的分离系数C良好地再现由实验得到的分离系数C。在此，可知在单纯的水(液相)和水蒸气(气相)的系统中，若考虑到ΔG_H2O液相/气相(298)＝-8589J/mol，ΔS_H2O液相/气相(298)＝-118.8J/mol，则与水和水蒸气的系统相比，在热力学上水在树脂中更稳定地存在。
另外，根据数学式(36)可知EVA中的水分子浓度与相对湿度RH成比例。另外，相对湿度RH恒定时，根据Ps(T)/Ps’(T)的温度依存性可以预期EVA中的水分子浓度与温度成比例地缓缓增加。
如上所述，EVA中的水分子浓度在相对湿度RH恒定的情况下与温度成比例地缓缓增加。这表明EVA中的水分子浓度不是以与温度成比例地以指数函数方式增加的饱和水蒸气压成比例的形式确定的。EVA中的水分子浓度之所以不与温度成比例地以指数函数方式增加，而与温度成比例地缓缓增加的理由在于，分离系数的温度依存性以几乎抵消了饱和水蒸气压的温度依存性的形式起作用。即，数学式(36)可以使用数学式(43)并由以下的数学式(44)表示。
n_H2O树脂＝RH·Ps(T)/kT·分离系数C 数学式(44)
若EVA中的水和大气中的水蒸气的平衡关系被认为是基本上与水单体(液相的水分子)和水蒸气(气相的水分子)的平衡关系相同，则自然能够理解分离系数的温度依存性。即，如图23所示，在水单体和水蒸气的系统中，若温度下降则饱和水蒸气压以指数函数方式大幅下降(饱和水蒸气浓度以指数函数方式大幅下降)。另一方面，水的密度相对于温度下降的变化量只有水的热膨胀系数程度，在现在的情况下，几乎可以忽略其变化。即，液相的水分子浓度/气相的水分子浓度、即水分子的分离系数随着温度的下降以指数函数的方式大幅增加。由此，可以理解饱和水蒸气压的温度依存性的影响被抵消，在0～100℃之间的水单体/水蒸气系统中，液相的水分子浓度几乎没有变化的事实。在EVA中的水和大气中的水蒸气之间发生的物理现象，基本上也与此相同。可以理解，由EVA和大气之间的水的分离系数随着温度的下降而以指数函数方式大幅增加，抵消随着温度的下降以指数函数方式下降的饱和水蒸气压的影响，结果为EVA中的水分浓度不会发生很大的变化。
换言之，也可以解释为由于EVA的保湿效果较强地发挥作用，即使大气中的水蒸气浓度大幅变化，EVA中的水分子浓度的变化(不下降)也不会像大气中的水分子浓度那样大幅变化(下降)。即，也可以解释为即使相对于高温高湿试验的温度域的饱和水蒸气压，实际的现场的温度域下的饱和水蒸气压下降一个或更多的数量级，EVA中的水分子浓度的变化(不下降)也不会像大气中的水分子浓度那样大幅变化(下降)。
上述情况可从以下事实得到证实。即，比较暴露在相对湿度RH90％前后下的高温高湿试验的试验品的EVA中的水分子浓度和现场的回收品的EVA中的水分子浓度，只产生图24所示的程度(系数程度)的差值。
图24是对于暴露在高温高湿试验的试验品的EVA和日本国内的现场的回收品的EVA，示出各自的EVA中的水分子浓度(水分子的浓度)的图。在此，水分子的浓度意味EVA单位体积中的水分子的个数。如图24所示，温度125℃、相对湿度RH95％的条件的试验品最大为1～2×1020个/cm3左右，温度95℃、相对湿度RH95％的条件的试验品最大为5～8×1019个/cm3左右，与此相对地，回收品为3～5×1019个/cm3左右。可以确认与根据饱和水蒸气压的温度依存性得到的饱和水蒸气压的差值相比，试验品和回收品中的EVA中的水分子浓度的差值一直较小。
基于以上的说明，关于湿热寿命的湿度修正，应注意以下几点。
首先，对于湿热寿命的湿度依存性，饱和水蒸气压的温度依存性不能直接作为湿度修正系数来使用。具体而言，不能将高温高湿试验的饱和水蒸气压与设置于现场的PV模块的温度下的饱和水蒸气压之比作为湿度修正系数来使用。如果将该比值作为湿度修正系数来使用，则湿热寿命会被大幅高估。这是因为没有考虑分离系数的温度依存性的影响。
其次，由数学式(36)考虑到EVA中的水分子浓度与外界空气的相对湿度RH成比例，但实际上由设定多个相对湿度来进行的实验结果得到的湿热寿命和湿度修正系数与相对湿度RH并不单纯成反比。即在数学式(18)中，并不是n≈1，而是显著地n＜1。若赋予与相对湿度RH单纯成反比(与1/RH单纯成比例)的湿度修正系数、即n≈1，则会大幅高估湿热寿命。EVA中的水分子浓度和湿热寿命不是单纯的反比的关系，是因为电极的接触部的腐蚀劣化反应不与EVA中的水分子浓度单纯成比例。即，水本身并没有产生腐蚀反应。腐蚀反应与酸(EVA时为乙酸)有关，水分不是直接的腐蚀因子，而是间接参与与酸有关的腐蚀反应的因子。
以上说明了在预测寿命时进行湿度修正时应注意的点。即，需要注意假定与大气中的绝对水蒸气压(水蒸气密度)单纯成反比的湿热寿命的情况，或者，假定与EVA中的水分子浓度单纯成反比的湿热寿命的情况，会大幅高估湿热寿命。
在本公开的方法中，从实际的实验结果导出了湿热寿命的相对湿度依存性。因此，不会如上所述那样对湿热寿命大幅高估。
(湿度修正系数Hc的上限值和下限值的估计)
其中，现场的回收品的EVA中的水分子浓度如图24所示为3～5×1019个/cm3左右。已经确认该值是比根据上述分离系数的实验信息和在现场的平均湿度信息计算的值大2～3倍的值。
作为造成该差异的原因，可以考虑是为了求出分离系数而准备的试验品的EVA的状态和现场的回收品的EVA的状态不同。即，试验品置于没有UV光的应力的单纯的湿热的应力状态下，在能够确认树脂中水分的饱和的时间结束试验。因此，湿热的应力引起的EVA的水解反应(乙酸发生反应)停留在初期阶段。另一方面，现场的回收品充分受到UV光的应力，另外，受到与乙酸产生的程度的湿热的应力。已知EVA的分子结构由于UV光受到损坏。
另外，由于UV光的应力引起的乙酸的产生以及湿热引起的乙酸的产生，当然会发生伴随乙酸的产生的分子水平的结构变化。另外，也有报告称，这些分子结构的劣化容易特别在EVA和太阳能电池单元之间的界面发生。也就是说，可以认为，与试验品的EVA相比，由于现场的回收品的EVA的劣化的程度加剧，因此，能够捕获水分子的空隙量(空隙体积)增加。因此，认为现场的回收品的EVA的水分子浓度被观测为比根据试验品的实验结果(分离系数)预测的值大的值。
树脂中的空隙量的增加使每树脂单位体积中能够含有的水的最大分子数n_总液体增加。在当前的情况下，水的最大分子数n_总液体意味树脂中的所有空隙通过水分子成为饱和状态时的每单位体积的饱和水分子数。由于该所有空隙量(空隙体积)伴随着EVA的劣化而增大，利用数学式(36)，EVA中的水分子浓度n_H2O树脂可以认为是比根据试验品的实验结果预测的值大的值。
在此，假设要由试验品的EVA实现现场的回收品的EVA的水分子浓度，则估计模块的温度下的大气的相对湿度RH需要在大约60％±20％左右。假如，相对湿度RH为60％时，若根据表示图18所示的相对湿度和湿度修正系数之间的关系的曲线图来估计湿度修正系数，则可知对于普通EVA而言为1.2左右的基准值，对于改进的EVA而言为1.1左右的基准值。
设置于现场的PV模块的EVA随着曝露年数的增加而逐渐劣化，因此伴随劣化的EVA中的空隙量的增大也理应慢慢地进行。因此，可以认为湿度修正系数也随着现场曝露年数的增加而逐渐变化。即，可以认为湿度修正系数应该是逐年一点点逐渐下降。
鉴于以上，认为是基于试验品的信息估计的湿度修正系数为上限的基准，基于现场的回收品的信息估计的湿度修正系数为下限的基准。即，对于普通EVA，湿度修正系数的上限的基准为2.2左右，如果更详细地设定，在设置于地面时可以是2左右，在置于住宅的屋顶时可以是2.5左右，湿度修正系数的下限的基准可以是1.2左右。另外，对于改进的EVA而言，湿度修正系数的上限的基准为1.6左右，如果更详细地设定，设置于地面时可以是1.5左右，置于住宅的屋顶时可以是1.8左右，湿度修正系数的下限的基准可以是1.1左右。
(UV修正系数Uc)
接着，说明数学式(1)中的UV修正系数Uc。
如以下的数学式(45)所示，上述寿命年数Y通过将上述寿命年数Yh乘上UV修正系数Uc而得到。
寿命年数Y＝寿命年数Yh×UV修正系数Uc 数学式(45)
其中，如数学式(17)所示，寿命年数Yh通过将寿命年数Yv乘以湿度修正系数Hc而得到。在此，寿命年数Yv是基于湿度90％前后的假想的现场的湿热导致的劣化的PV模块的寿命年数。
UV修正系数值Uc可以是基于到达由进行湿热试验得到的寿命为止的时间和由赋予了预定应力量的UV光后进行湿热试验得到的寿命为止的时间来获得的。具体而言，基于上述试验，UV修正系数Uc可以由以下的数学式(46)得到。
UV修正系数Uc＝τUD/τD 数学式(46)
其中，τD是通过对PV模块进行湿热试验(以下也称为“DH试验”(DH：damp heat))而得到的寿命为止的时间。另外，τUD是由向PV模块赋予了预定应力量的UV光之后连续地进行湿热(DH)试验的连续试验(以下也称为“UVDH连续试验”)而得到的寿命为止的时间。
获得数学式(46)所示的τUD时应赋予PV模块的UV光的应力量根据添加在EVA中的添加剂的种类和/或添加量的不同而发生变化。在这种情况下，应赋予的UV光量可以以添加剂引起的酸(乙酸等)的产生量相对于UV光的累积照射量基本上饱和的光量为基准。
以下，对进行因紫外线吸收剂而产生的乙酸的UV试验的情况进行说明。在这种情况下，如果是波长300nm～400nm的范围内的UV光，则UV光的应力量的基准可以是250kWh/m2～300kWh/m2的照射能量值。该量相当于日本国内的现场的约3年的UV光能量值。确认了若照射大约这种程度的照射能量值的UV光量，则紫外线吸收剂几乎完全劣化。即，即使以上述照射能量值以上来照射UV光，也不会再因紫外线吸收剂而产生乙酸。以上情况可以从图31所示的乙酸离子浓度([CH3COO-])相对于UV光的照射能量值的饱和趋势来确认。
申请人为了针对紫外线吸收剂UVA的添加的有无等的条件不同的若干的EVA，进行了求出UV修正系数Uc、包含DH试验和UVDH连续试验在内的实验。图25(A)～图25(C)是示出对于若干的EVA进行UVDH连续试验的结果的曲线图的图。图25(A)示出使用了普通EVA即EVA1(添加了紫外线吸收剂)的产品作为样本的试验的结果。图25(B)示出使用了改进的EVA即EVA2(添加了紫外线吸收剂)的产品作为样本的试验的结果。图25(C)示出使用了改进的EVA即EVA3(未添加紫外线吸收剂)的产品作为样本的试验的结果。
在图25(A)～图25(C)的曲线图中分别地，横轴表示DH试验的时间，纵轴表示FF特性的减少。图25(A)～图25(C)分别地一起示出照射能量值100kWh/m2的UV试验之后进行DH试验的结果和在照射能量值277kWh/m2的UV试验之后进行DH试验的结果。另外，DH试验在温度95℃、相对湿度95％的条件下进行。另外，图25所示的UV100意味着UV光的照射能量值为100kWh/m2的UV试验，UV277意味着UV光的照射能量值为277kWh/m2的UV试验。在此，另外确认了在照射能量值100kWh/m2的UV试验之后进行DH试验的寿命时间，相对于只进行DH试验的寿命时间，其差值接近于可以完全无视的程度。
如图25(A)和图25(B)所示，对于改进的EVA(EVA2)和普通EVA(EVA1)，都观察到了UV光导致的显著的寿命的缩短。具体而言，在普通EVA(EVA1)中，确认了基于UV光导致的劣化而缩短的寿命为50％左右。与此相对地，在改进的EVA(EVA2)中，确认了基于UV光导致的劣化而缩短的寿命为30％左右。在此，在普通EVA(EVA1)中和在改进的EVA(EVA2)中，紫外线吸收剂UVA的添加量相同。
另一方面，如图25(C)所示，确认了在未添加紫外线吸收剂UVA的改进的EVA(EVA3)中，基于UV光导致的劣化而缩短的寿命仅为5％左右。
根据上述实验结果，三种不同EVA(EVA1、EVA2以及EVA3)的UV修正系数Uc如下所示。即，EVA1的UV修正系数Uc为约0.5，EVA2的UV修正系数Uc为约0.7，EVA3的UV修正系数Uc为约0.95。如上所述，EVA1相当于添加了紫外线吸收剂的普通EVA。在EVA1中，可知基于UV和湿热导致的劣化的寿命的缩短明显。在能够无视UV光的影响的只有几乎湿热应力导致的寿命中，EVA1相对于EVA2和EVA3为约3分之1的寿命。由此，能够推测受UV光的影响的实际现场的EVA1的寿命相对于EVA2和EVA3显著缩短。
除了紫外线吸收剂UVA以外，添加到EVA的添加剂会在EVA中产生酸(乙酸等)。例如，已知交联剂等与紫外线吸收剂UVA相同，在UV光照射下在EVA中产生酸(乙酸)。与上述相同，在这种情况下也可以通过确认产生的酸的饱和趋势来决定预定的UV光的照射量。因此，即使在除紫外线吸收剂UVA以外的情况下，也能够基于通过进行包括DH试验和UVDH连续试验在内的实验得到的寿命为止的时间的信息来求出UV修正系数Uc。
如以上说明，实施例的信息处理装置1可以按照上述数学式(1)，基于寿命应力指数B、年度应力指数A、湿度修正系数Hc以及UV修正系数Uc来求出PV模块的寿命年数Y。即，实施例的信息处理装置1可以按照上述数学式(1)来求出基于现场的UV和/或湿热导致的劣化的PV模块的寿命年数。
(不使用UV修正系数Uc的寿命预测)
在如上所述计算PV模块的寿命年数Y时，可以不使用UV修正系数Uc来计算。以下，说明不使用UV修正系数Uc进行的PV模块的寿命年数Y的计算。
如上述数学式(1)所示，寿命年数Y可以表示为(寿命应力指数B/年度应力指数A)×湿度修正系数Hc×UV修正系数Uc。在此，寿命应力指数B和年度应力指数A是表示湿热导致的应力量的指数。通过将这些寿命应力指数B和年度应力指数A置换为表示UV和湿热导致的应力量的指数，能够不使用UV修正系数Uc来计算PV模块的寿命年数Y。在这种情况下，寿命应力指数B可以置换为表示UV和湿热导致的应力量的“寿命应力指数Bu”。另外，年度应力指数A可以置换为表示UV和湿热导致的应力量的“年度应力指数Au”。
在这种情况下，寿命应力指数Bu和年度应力指数Au的计算所使用的活化能可以使用UV和湿热劣化的活化能Eau来代替湿热劣化的活化能Ea。另外，可以通过进行两个以上的温度条件下的UVDH连续试验，以与使用数学式(3)的情况相同地计算UV和湿热劣化的活化能Eau。这里所说的温度条件是UVDH连续试验中的DH试验的温度条件。
并且，可以通过在数学式(2)中，将表示湿热试验中寿命时间的τ置换为通过UVDH连续试验得到的寿命为止的时间的τUD来计算寿命应力指数Bu。另外，与使用数学式(15)等的情况相同，可以通过使用UV和湿热劣化的活化能Eau来计算年度应力指数Au。
如上所述，即使从上述数学式(1)中除去UV修正系数Uc，也求出PV模块的寿命年数Y。
如后所述，若PV模块设置在现场之后经过3年～5年左右的期间，则在使PV模块劣化的酸的产生中，暴露在UV光而引起的酸的产生几乎饱和。因此，如果将PV模块设置在现场诸如3年～5年左右的足够长的期间，即使不使用UV修正系数Uc，也能够以实用的精度计算PV模块的寿命年数Y。另一方面，若PV模块设置在现场的期间为与3年～5年左右相比较短的期间，则在使PV模块劣化的酸的产生中，暴露在UV光而引起的酸的产生还没有饱和。在这种情况下，通过使用UV修正系数Uc，能够更准确地计算PV模块的寿命年数Y。
如以上说明，根据实施例的信息处理装置1，能够以良好的精度简便地预测PV模块的寿命。因此，实施例的信息处理装置1能够合理地、即基于客观的根据对PV模块的基于劣化的寿命的预测进行量化。因此，实施例的信息处理装置1有助于评价与PV模块的长期可靠性有关的品质价值。
(使用曲线图的寿命预测)
接着，说明对上述PV模块的寿命年数Y进行更简便地预测的情况。
通过实施例的信息处理装置1，可以使用曲线图来视觉预测基于现场的UV和/或湿热导致的劣化的PV模块的寿命。在实施例中，也可以使用表示例如温度和PV模块的寿命之间的关系的曲线图来预测PV模块的寿命。为了进行这样的预测，以下，说明现场的年度有效模块温度Tmp_eff这一概念。
如上所述，年度应力指数A可以由以下的数学式(13)表示。在数学式(13)中，总计区间是按每天计的365天。
在此，现场的年度有效模块温度Tmp_eff由以下的数学式(47)定义。
Tmp_eff＝(-Ea/k)/ln{Σexp(-Ea/kTmp)/365} 数学式(47)
其中，通过上述数学式(11)，一天中的PV模块的最高温度Tmp为一天中的最高气温Tmax+ΔT。另外，总计区间是按每天计的365天。
通过使用数学式(47)，数学式(13)所示的年度应力指数A可以由以下的数学式(48)表示。
年度应力指数A＝Heff·Σexp(-Ea/kTmp)
＝Heff·365·exp(-Ea/kTmp_eff) 数学式(48)
在实际的现场中，模块温度在全年每天可能不同。但是，通过引入年度有效模块温度Tmp_eff的概念，在全年每天可能不同的温度可以由仅一点的模块温度代表。另一方面，根据在两个以上的温度条件下进行的湿热试验的结果，能够在曲线图表示(湿度90％前后下的)基于湿热导致的劣化的寿命的时间τ和温度Tm之间的关系。此时，τ和Tm之间的关系按照表示数学式(2)所示的寿命应力指数B的数学式。
图26是表示(相对湿度90％前后下的)基于湿热导致的劣化的寿命的时间τ和温度Tm之间的关系的图。图26所示的曲线图是基于在两个以上的温度条件下进行的湿热试验的结果表示的。在图26中，点表示在各温度条件下得到的实验结果。在图26的曲线图中，横轴表示模块温度Tm，纵轴表示湿热试验中的寿命时间τ。在湿热试验的情况下，模块温度Tm可以由试验温度赋予。在现场设置的情况下，模块温度Tm可以由年度有效模块温度Tmp_eff赋予。在以下说明的图27、图32、图33以及图34中也是相同的。湿热试验中的寿命时间τ可以是PV模块的FF特性或者Pm特性与初始值相比减少10％为止的时间。图26是通过示出Tm和τ之间的关系来示出表示基于湿热导致的劣化的PV模块的寿命的曲线。以下，将表示基于湿热导致的劣化的PV模块的寿命的曲线也称为“寿命曲线”。
在图26中，分别表示EVA1、EVA2和EVA3的寿命曲线。如上所述，EVA1采用将使用了普通EVA的产品作为样本(添加了紫外线吸收剂)。EVA2采用使用了改进的EVA的样本(添加了紫外线吸收剂)。EVA3采用相对于改进的EVA2使用了未添加紫外线吸收剂的改进的EVA的样本。如图26所示，在任何样本中，随着模块温度Tm的增加，寿命时间τ变短。
以下，说明使用年度有效模块温度Tmp_eff来求出寿命年数Y的步骤。
首先，在图26所示的曲线图中，引出Tmp_eff的温度下的垂线，并求出与表示Tm和τ之间的关系的寿命曲线之间的交点。该交点的纵轴的时间表示基于(湿度90％前后的假想的)现场的湿热导致的劣化的寿命时间τv[小时]。
接着，使用以下的数学式(49)，将寿命时间τv[小时]转换为寿命年数Yv[年]。
寿命年数Yv[年]＝寿命时间τv[小时]/Heff/365 数学式(49)
最后，如数学式(16)和数学式(1)所示，能够通过对寿命年数Yv进行湿度修正和UV修正，求出寿命年数Y。
图26表示在千叶和冲绳的各个地区，地面设置的情况和置于住宅屋顶情况的大约的基准的Tmp_eff作为Tmp_eff的具体例子，并表示该温度下的垂线。以下说明的图27、图32、图33以及图34也是相同的。
在上述步骤中，假设说明求出寿命年数Yv之后进行湿度修正和UV修正的情况，但也可以使该顺序相反。即，通过对图26所示的寿命曲线先进行温度修正和UV修正，然后引出Tmp_eff的温度下的垂线，并求出与寿命曲线的交点，从而求出寿命时间τv。
图27是表示对寿命曲线进行湿度修正和UV修正的情况的图。图27表示对图26所示的寿命曲线进行湿度修正和UV修正的前后的情况。在图27中，EVA1、EVA2和EVA3的寿命曲线表示进行湿度修正和UV修正之前的寿命曲线。在图27中，对EVA1、EVA2和EVA3的寿命曲线进行湿度修正和UV修正之后的寿命曲线表示为EVA1’、EVA2’和EVA3’。如图27所示，若对EVA1的寿命曲线进行湿度修正和UV修正，则两种修正基本上相互抵消，修正后的寿命时间成为接近修正前的寿命时间的值。另外，即使对EVA2的寿命曲线进行湿度修正和UV修正，两种修正也基本上相互抵消，修正后的寿命时间为接近修正前的寿命时间的值。另一方面，EVA3使用未添加紫外线吸收剂的EVA。因此，若对EVA3的寿命曲线进行湿度修正和UV修正，则湿度修正的影响表面化，修正后的寿命时间显著地比修正前的寿命时间长。
如以上说明，根据实施例的信息处理装置1，能够通过曲线图更简单且直观地预测PV模块的寿命。因此，实施例的信息处理装置1能够合理地、即基于客观的根据对PV模块的基于劣化的寿命的预测进行量化。因此，实施例的信息处理装置1有助于评价与PV模块的长期可靠性有关的品质价值。在此，曲线图化不必是必需的。例如，通过使用数学式(2)所示的寿命应力指数B和数学式(47)所示的Tmp_eff的温度来计算，可以计算基于(湿度90％前后的假想的)现场的湿热导致的劣化的寿命时间τv[小时]，并由上述过程求出寿命年数Y。
在上述Tmp_eff的估计中，也可以事先以表格、曲线图等形式准备Tmp_eff、Tmax的年度平均值和ΔT之间的相关关系。图28是由曲线图表示Tmp_eff、Tmax的年度平均值和ΔT之间的相关关系的一例的图。在图28的曲线图中，横轴表示一天中的最高温度Tmax的年度平均值，纵轴表示年度有效模块温度Tmp_eff。基于这样的曲线图，若被赋予Tmax的年平均值和ΔT，则能够立即读取Tmp_eff的估算值。ΔT在地面设置型的PV模块的情况下可以以25℃为基准，在置于住宅屋顶的PV模块的情况下可以以35℃为基准。通过这样的计算，能够更简单地进行上述寿命的预测。另外，Tmax的年度平均值可以是将现场的一天中的最高气温以按天计的方式获得一年的值的平均值，也可以是将现场的一天中的最高气温的月平均值获得一年的值的平均值。
如上所述，在希望简单地求出作为基准的估算值的情况下，Tmp_eff可以以与上述图5的步骤G1或者后述的数学式(47)不同的方式被定义。即，如数学式(28)所示，Tmp_eff和Tmax年平均可以不经由exp(-Ea/kTmp)而直接关联。在这样定义的情况下，作为例如数学式(28)中的ΔT，可以使用365天的ΔT的中间值或者月平均值的ΔT的年度中间值。作为数学式(28)中的ΔT，假如使用年平均的ΔT，则有时Tmp_eff会被低估。因此，作为数学式(28)中的ΔT，不优选使用年平均的ΔT。作为Tmp_eff，在需要更准确的值的情况下，可以使用由本来的定义即后述的式(47)给出的值。
(使用按月计的气温信息的寿命预测)
接着，说明更简便地预测上述PV模块的寿命年数Y的情况。
在上述计算中，需要全年365天的气温信息(一天中的最高气温的信息)。在此，如果能够使用按月计的气温信息进行同样的计算，则能够更简便地预测寿命年数。按月计的气温信息很容易访问。因此，如果能够使用按月计的气温信息来进行寿命的预测，则能够简单地进行计算。
申请人发现，若使用一天中的最高气温的月平均值数据(Tmax_月平均值)作为按月计的气温信息，则与数学式(12)等所示的Heff的一致性良好。若这样，数学式(13)所示的年度应力指数A可以直接使用Heff，如以下的数学式(50)那样计算。
年度应力指数A≈Heff·Σ{exp(-Ea/kTmp_月)×月天数} 数学式(50)
其中，总计区间是按每隔1个月计的12个月。月天数是按月计的天数，可以赋予例如1月有3一天，2月有28天，3月有3一天，4月有30天等的值。另外，在数学式(50)中，kTmp_月可以由以下的数学式(51)定义。
Tmp_月＝Tmax_月平均值+ΔT 数学式(51)
作为按月计的气温信息，一个月中的最高气温的数据也是易于访问的信息。但是，申请人确认到，若使用一个月中的最高气温的数据，更加简便地进行寿命年数的预测变得困难。若使用一个月中的最高气温的数据，则无法取得与上述Heff的一致性，不能直接使用Heff进行计算。
另外，申请人还对使用了按月计的气温信息的寿命的预测的精度进行了验证。即，申请人使用一天中的数据来计算年度应力指数A。另外，申请人使用一个月中的数据来计算年度应力指数A。其结果，申请人确认了两者的误差在5％以内。
如以上说明，根据实施例的信息处理装置1，即使只使用按月计的气温信息，也能够以足够的精度预测年度应力指数A。因此，根据实施例的信息处理装置1，可以使用上述寿命应力指数B、湿度修正系数Hc、UV修正系数Uc来以实用的精度更简便地预测PV模块的寿命。因此，实施例的信息处理装置1能够合理地、即基于客观的根据对PV模块的基于劣化的寿命的预测进行量化。因此，实施例的信息处理装置1有助于评价与PV模块的长期可靠性有关的品质价值。
(年度的有效发电日率进行的修正)
根据需要，上述寿命年数Y可以使用年度的有效发电日率由以下的数学式(52)进行修正。
修正后的寿命年数Y＝修正前的寿命年数Y/年度的有效发电日率 数学式(52)
其中，年度的有效发电日率是指在一年的365天中PV模块能够有效发电的天数的比例。例如，在雨天PV模块几乎不发电的日子从有效发电日中去除。对于该比例，阴天的日子以晴天的日子的发电量为基准，将阴天日的发电量/晴天日的发电量作为阴天日的1日的有效天数(0～1之间的值)来计数。该修正在热带地带等有雨季的地区特别有用。
(回收品的试验所进行的寿命预测)
接着，对现场的PV模块的回收品进一步进行加速试验所进行的寿命的预测进行说明。以下说明的寿命的预测可以与上述寿命的预测独立地进行。在以下说明的寿命的预测中，对现场的PV模块的回收品进一步进行加速试验，求出该PV模块的剩余的寿命时间，由此进行现场的寿命预测。
根据对现场的回收品进一步进行加速试验的结果预测寿命的方法本身是现有已知的。但是，如上所述，发生PV模块的劣化的主要因素不是单一的。在PV模块的寿命的预测中，需要考虑UV应力引起的劣化和湿热应力引起的劣化两者。在这种情况下，在现有已知的方法下无法进行寿命预测。因此，在考虑UV应力引起的劣化和湿热应力引起的劣化两者的情况下，需要用从以往已知的方法进一步发展的方法进行寿命预测。
在以下说明的寿命的预测中，回收设置在现场的PV模块并进行追加试验。
(无UV光的影响的情况的寿命预测方法)
首先，对于在预测无UV光的影响的PV模块的寿命的情况，使用图29进行说明。这假定了预测使用了不含紫外线吸收剂UVA的EVA的PV模块的寿命的情况。该寿命预测可以由现有已知的想法来应对。
在回收品的追加试验所进行的寿命预测中，首先，对与回收品大致相同规格的新PV模块(初始产品)进行湿热试验。例如，在温度95℃、湿度95％下进行湿热试验(DH试验)的结果，初始产品在α[小时]到达寿命。在此，如上所述，寿命可以是PV模块的输出的特性急剧降低的时间点为止的时间。图29所示的(1)中，作为对初始产品进行了α[小时]的DH试验的结果，PV模块到达寿命为止的应力量由横向的长度表示。
接着，假设回收在某个现场设置了X[年]的PV模块。然后，对回收的PV模块(回收品)进行温度95℃、湿度95％的湿热试验(上述同样的DH试验)。其结果，回收品在β[小时]到达寿命。图29所示的(2)中，作为对回收品进行了β[小时]的DH试验的结果，PV模块到达寿命为止的应力量由横向的长度表示。
根据以上结果，图29所示的(3)(＝(1)-(2))为由横向的长度表示在该现场设置了X[年]产生的应力量。即，可以认为，对初始产品进行α[小时]的DH试验的应力量等于回收品在现场设置了X[年]引起的应力量和对回收品进行了β[小时]的DH试验的应力量之和。因此，可以认为，某一PV模块在该现场设置了X[年]引起的应力量等价于对该PV模块进行了(α-β)[小时]的DH试验引起的应力量。
在这种情况下，在将初始产品设置在该现场时预测的寿命年数Yp[年]可以由以下的数学式(53)表示。
Yp[年]＝(X[年]/(α-β))×α 数学式(53)
这样，实施例的信息处理装置1可以求出在从最初开始将某一PV模块设置在某个现场时的寿命年数Yp[年]。
(存在UV光的影响的情况的寿命预测方法)
接着，使用图30说明预测考虑了UV光的影响的PV模块的寿命。这假定了预测使用添加了紫外线吸收剂UVA的EVA的PV模块的寿命的情况等。该寿命预测不能用以往已知的方法来应对，需要用进一步发展的方法来应对。
在此情况下在回收品的追加试验所进行的寿命预测中，首先，对与回收品大致同一规格的新的PV模块(初始产品)进行湿热试验。例如，作为进行温度95℃、湿度95％的湿热试验(DH试验)的结果，初始产品在α[小时]到达寿命。在此，如上所述，寿命可以是PV模块的输出的特性到急剧降低的时间点为止的时间。图30所示的(1)中，作为对初始产品进行了α[小时]的DH试验的结果，PV模块到达寿命为止的应力量由横向的长度表示。
接着，回收在某个现场设置了X[年]的PV模块。然后，对回收的PV模块(回收品)进行温度95℃、湿度95％的湿热试验(上述同样的DH试验)。其结果，回收品在β[小时]到达寿命。图30所示的(2)中，作为对回收品进行了β[小时]的DH试验的结果，PV模块到达寿命为止的应力量由横向的长度表示。
根据以上结果，图30所示的(3)(＝(1)-(2))为由横向的长度表示在该现场设置了X[年]引起的应力量。即，可以认为，对初始产品进行了α[小时]的DH试验的应力量等于回收品在现场设置了X[年]引起的应力量和对回收品进行了β[小时]的DH试验的应力量之和。因此，可以认为某一PV模块在该现场设置了X[年]引起的应力量等价于对该PV模块进行了(α-β)[小时]的DH试验引起的应力量。
接着，对与回收品大致同一规格的新的PV模块(初始产品)进行UV照射试验(UV试验)，进而进行温度95℃、湿度95％的湿热试验(DH试验)。可以将这种连续的试验(UVDH连续试验)称为复合顺序试验。在此，UV照射的能量值可以是相当于假定在该现场暴露于UV光而产生的乙酸的产生量几乎饱和的能量的量。在此，将在现场的暴露于UV光而产生的乙酸几乎饱和为止的期间作为有效UV应力年数，由Z[年]表示。
UV试验中的UV照射的能量值可以是例如250kWh/m2～300kWh/m2。这是相当于日本国内的现场的约3年的UV照射能量的能量值。在这种情况下，通过例如其他的实验等已知，因现场的约3年的UV照射的能量，UV光引起的乙酸的产生饱和的事实。如例如图31所示，其他的实验可以是分析相对于UV光的照射能量值的EVA中的乙酸浓度的实验等。
图31是表示分析相对于UV光的照射能量值的EVA中的乙酸浓度(更准确地说，乙酸离子浓度[CH3COO-])的实验的结果的一例的图。在图31中，表示了对使用了EVA2(添加了紫外线吸收剂的改进的EVA)的模块、使用了EVA3(未添加紫外线吸收剂的改进的EVA)的模块、以及使用了与EVA2同等规格的EVA的现场回收品(在现场回收的模块)进行分析的结果。
作为以上的UVDH试验的结果，通过DH试验(接着UV试验进行)初始产品在γ[小时]到达寿命。图30所示的(4)中，作为对初始产品进行UV试验之后进行了γ[小时]的DH试验的结果，PV模块到达寿命为止的应力量由横向的长度表示。
根据以上结果，图30所示的(5)(＝(1)-(4))表示，对初始产品在现场进行了Z[年]的UV试验的应力量。即，可以认为，对初始产品在现场进行了Z[年]的UV试验的应力量(5)等于对该PV模块进行了(α-γ)[小时]的DH试验的应力量。也就是说，该(α-γ)[小时]是将UV引起的应力量换算成赋予与此相等的应力量的DH试验的时间来表示的。
在此，已知若初始产品在现场暴露于UV光Z[年]，UV光引起的乙酸的产生饱和。因此，作为回收品，在将在现场的设置年数设为X[年]时，注意需要使用满足X＞Z的PV模块。
另外，假定图30所示的(3)的应力量、即在现场设置了X[年]的回收品的应力量包含UV引起的应力量和湿热引起的应力量。即，可以认为，图30所示的(3)相当于图30所示的UV的应力量(6)和图30所示的湿热的应力量(7)之和。如上所述，若将现场的UV的应力量(6)换算为赋予与此相等的应力量的DH试验的时间来表示，则能够表示为为(α-γ)[小时]。另一方面，若将现场的湿热的应力量(7)换算为DH试验的时间来表示，则表示为(γ-β)[小时]。
根据以上结果，可以认为某一PV模块在该现场设置了X[年]引起的湿热的应力量等价于对该PV模块进行了(γ-β)[小时]的DH试验引起的应力量。
在这种情况下，将该现场设置在初始产品的情况的基于UV和湿热的应力导致的劣化的寿命年数Yp[年]可以由以下的数学式(54)预测。
Yp[年]＝(X[年]/(γ-β))×γ 数学式(54)
这样，实施例的信息处理装置1也可以考虑UV光的影响来求出从最初开始将某一PV模块设置在某个现场时的寿命年数Yp[年]。
另外，由于UV修正系数Uc＝γ/α，寿命年数Yp可以使用Uc由以下的数学式(55)表示。
寿命年数Yp[年]＝X[年]/(1-β/(Uc×α)) 数学式(55)
(考虑了有效UV应力年数Z的寿命预测)
在上述预测中，已知根据由对初始产品进行照射UV光的实验得到的UV光的照射能量值和UV光引起的乙酸的产生量之间的关系，若在现场照射Z年的UV光，则UV光引起的乙酸的产生量几乎饱和。另外，在使用了上述UVDH连续试验的寿命预测中，在施加湿热应力之前一次性施加预定量的UV照射能量来进行试验，由此计算UV修正系数Uc。也就是说，在UVDH连续试验中，通过预先形成因现场的相当于Z年的预定的UV光能量充分地产生乙酸的状态，之后通过施加湿热应力，形成乙酸浓度以指数函数方式逐渐增加的状况。这是与实际现场发生的状况不同的状况。即，在实际的现场，不是一次性赋予相当于Z年的UV光能，而是在整个Z年依据气象条件每天赋予预定量以下的UV光能量。
另外，EVA中的乙酸浓度以指数函数方式增加的理由在于，乙酸的一部分被电离并放出的氢离子作为促进EVA的水解反应(乙酸发生反应)的催化剂起作用。换言之，乙酸浓度以指数函数方式增加的理由是，已经存在的乙酸本身具有增加接下来产生的乙酸的增加速度的作用(该现象已知为酸催化水解反应)。也就是说，存在于该瞬间的乙酸浓度决定该瞬间的乙酸的增加速度。
根据以上，在UVDH连续试验中，因为最初照射了相当于Z年期间的预定量的UV光能量，因此与Z年的UV光能量值对应的UV光引起的乙酸已经在EVA中大量产生。如上所述，湿热应力下的EVA的水解引起的乙酸的增加速度依赖于已经存在的乙酸浓度。因此，接收了Z年的UV光能量后的DH试验中的EVA中的乙酸浓度的增加速度比没有UV光照射的DH单体试验中的增加速度要快得多。
另一方面，实际的现场发生的情况是，尽管因气象条件而略有不同，但UV光应力和湿热应力每天几乎同时施加到PV模块。
在此，假设针对UVDH连续试验，按照UV试验、DH试验、UV试验、DH试验的顺序反复进行，缩短UV试验和DH试验的试验时间，以循环试验的形式连续进行这些UVDH连续循环试验。其中，即使循环次数发生变化，总的UV试验时间和总的DH试验时间也保持不变。
在此，湿热应力下的EVA的水解反应而引起的乙酸产生是酸催化水解反应引起的。另外，乙酸的增加速度以与在该时间点存在的乙酸浓度成比例的方式变大。根据以上，可以理解，UVDH连续循环试验中的乙酸浓度的增加速度比UVDH连续试验中的乙酸浓度的增加速度慢。在UVDH连续试验中，首先施加相当于Z年的大量的UV光能量，产生大量的UV光引起的乙酸，在存在大量的乙酸的湿热应力下，推进酸催化水解反应。与此相对地，在UVDH连续循环试验中，越是循环次数少的阶段(越是循环试验的初期的阶段)，UV光引起的乙酸产生量就越少，即使施加了湿热应力，酸催化水解反应的推进也很难进行。
总之，在UVDH连续试验中，DH试验中的酸催化水解反应的效率相对较高，在UVDH连续循环试验中，DH试验中的酸催化水解反应的效率相对较低。可以认为，实际的现场发生的是将上述UVDH连续循环试验的循环间隔设为无限小的极限。在这种情况下，很明显与UVDH连续试验中的DH试验中的酸催化水解反应的效率相比，假定实际的现场的UVDH连续循环试验下的DH试验中的酸催化水解反应的效率较低。即，假定实际的现场的UVDH连续循环试验与UVDH连续试验相比，达到相同的乙酸浓度为止的时间变长。
根据以上的说明，基于UVDH连续试验的结果，可以理解为，计算现场回收品的寿命的方法存在比实际寿命短地估计的趋势。该估计误差可以最大为Z年左右。因此，如以下公式(56)所示，也可以求出更准确的现场的UV和湿热导致的劣化引起的寿命年数Yp’。在此，Z被称为有效UV应力年数。
寿命年数Yp’[年]＝Yp+Z 数学式(56)
(Yp、Yp’的实例)
以下，表示回收实际设置于现场的PV模块，进而进行了湿热试验的结果的示例。在此，回收设置于冲绳地区的PV模块，进而进行了湿热试验。另外，回收后进而进行湿热试验的PV模块存在使用普通EVA和使用改进的EVA的情况。
如上所述对PV模块进行回收并进而进行湿热试验，由此得到以下结果。即，使用了普通EVA的PV模块的寿命Yp被预测为10～15年左右(若施加有效应力年数Z的修正则为13～18年左右)。另一方面，使用了改进的EVA的PV模块的寿命Yp被预测为40～50年左右(若施加Z的修正则为43～53年左右)。在此，回收的PV模块的现场的年度有效模块温度Tmp_eff基于冲绳地区的年度的气温信息以及PV模块的设置方式的信息等而推定为57～60℃左右(ΔT≈30℃～33℃)。
图32、图33以及图34是表示将对于现场回收品如上所述得到的信息(Tmp_eff和寿命年数Yp或者Yp’)追加进表示基于湿热导致的劣化的寿命的时间和温度之间的关系(寿命曲线)的曲线图而绘制的结果的示例的图。在图32、图33和图34的曲线图中，横轴表示模块温度Tm，纵轴表示在湿热试验的寿命时间τ。在此，模块温度Tm在湿热试验的情况下可以由试验温度赋予，在现场设置的情况下可以由年度有效模块温度Tmp_eff赋予。在将寿命年数Yp[年]或者Yp’[年]转换为寿命时间τ[h]时，与数学式(49)所示的情况相同，将Heff作为媒介来进行转换(以下将“寿命时间”简称为“寿命”)。在此，“冲绳1”的点是使用了普通EVA(相当于EVA1的EVA)的PV模块的寿命，“冲绳2”的点是使用了改进的EVA(相当于EVA2的EVA)的PV模块的寿命。
在图32中，EVA1和EVA2的寿命曲线表示进行湿度修正和UV修正前的曲线，EVA1”和EVA2”的寿命曲线是仅进行了UV修正后的曲线。在图33中，EVA1’和EVA2’的寿命曲线是表示以湿度修正系数的上限的基准(EVA1’的湿度修正系数为2.2、EVA2’的湿度修正系数为1.6)进行了湿度修正和UV修正后的曲线。另外，在图33中，EVA1’(min)以及EVA2’(min)的寿命曲线是表示以湿度修正系数的下限的基准(EVA1’(min)的湿度修正系数为1.2、EVA2’(min)的湿度修正系数为1.1)进行了湿度修正和UV修正后的曲线。图34表示在图33所示的曲线图中将冲绳1和冲绳2的点置换为冲绳1+Z和冲绳2+Z的结果。在此，冲绳1+Z是将在使用了普通EVA的PV模块的寿命年数Yp[年]上加上3年有效UV应力年数Z而得到的寿命年数Yp’[年]转换为寿命时间τ[h]而绘制的。另外，冲绳2+Z是将在使用了改进的EVA的PV模块的寿命年数Yp[年]上加上3年有效UV应力年数Z而得到的寿命年数Yp’[年]转换为寿命时间τ[h]而绘制的。
进一步说明对于在实施例的信息处理装置1中实施的示例，上述那样的计算、即PV模块的寿命年数的计算。
如上所述，在实施例的信息处理装置1中，控制部10可以基于从输入部20和/或通信部40获得的各种信息的输入来进行各种计算。另外，在实施例的信息处理装置1中，控制部10可以从输出部30和/或通信部40输出各种计算的结果。因此，实施例的信息处理装置1可以基于必要的各种信息的输入来输出各种结果信息。
更具体而言，实施例的信息处理装置1可以基于第一信息、第二信息以及第三信息的输入来输出结果信息。在此，如例如上述寿命应力指数B(图4的步骤S7)所示，第一信息可以是表示PV模块能够输出预定的电力的期间的从开始时到结束时所受到的湿热导致的应力量的信息。如例如上述年度应力指数A(图4的步骤S6)所示，第二信息可以是表示在设置有PV模块的现场中PV模块在每预定时间受到的湿热导致的应力量的信息。如例如上述UV修正系数Uc(图4的步骤S11)所示，第三信息可以是表示在现场PV模块受到的紫外线导致的应力量的信息。另外，如例如上述寿命年数Y(图4的步骤S12)所示，结果信息可以是与假定在PV模块设置在现场时PV模块能够输出预定的电力的期间相关的信息。
另外，第一信息也可以是基于根据对于PV模块在两个以上的温度条件下进行的湿热试验的结果得到的湿热劣化的活化能Ea(图4的步骤S5)而生成的。另外，如表示例如Tmp(图4的步骤S3)的信息所示，第二信息可以是基于与设置有PV模块的现场的一天中的PV模块的最高温度相关的信息而生成的。
实施例的信息处理装置1可以例如通过加入上述湿度修正系数Hc(图4的步骤S9)进行的修正那样的、在现场基于PV模块受到的湿热导致的应力的修正来输出结果信息。
更具体而言，实施例的信息处理装置1可以基于第一信息和第二信息的输入来输出结果信息。在此，如例如上述寿命应力指数B(图4的步骤S7)所示，第一信息可以是表示PV模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量的信息。如例如上述年度应力指数A(图4的步骤S6)所示，第二信息可以是表示在设置有PV模块的现场PV模块每预定时间受到的湿热导致的应力量的信息。特别地，第二信息可以是表示例如在现场PV模块每年受到的湿热导致的应力量的信息。另外，如例如上述寿命年数Y(图4的步骤S12)所示，结果信息可以是与假定在PV模块设置在现场时PV模块能够输出预定的电力的期间相关的信息。另外，如表示例如Tmp(图4的步骤S3)的信息所示，第二信息可以是基于设置有PV模块的现场的一天中的PV模块的最高温度相关的信息而生成的。
另外，第一信息和/或第二信息可以是基于例如对于PV模块在两个以上的温度条件下进行的湿热试验的结果而得到的湿热劣化的活化能Ea(图4的步骤S5)而生成的。
第二信息可以是基于在设置于现场的PV模块中将与一天中的湿热导致的应力成比例的量的预定时间作为单位的总和除以与设置在现场的PV模块的最高温度下的每单位时间的湿热导致的应力成比例的量而得到的值而生成的。
另外，在第二信息中，如例如上述数学式(10)中的heff所示，设置在现场的PV模块受到湿热导致的应力的一天中的时间也可以是每天不同的时间。另一方面，如例如上述数学式(12)或者图4的步骤S4中的Heff所示，在第二信息中，设置在现场的PV模块受到湿热导致的应力的每一天的时间在全年也可以是恒定值。
实施例的信息处理装置1可以通过加入例如上述湿度修正系数Hc(图4的步骤S9)进行的修正那样的、在现场基于PV模块受到的湿度导致的应力的修正来输出结果信息。另外，实施例的信息处理装置1可以通过加入例如上述UV修正系数Uc(图4的步骤S11)进行的修正那样的、基于在现场PV模块受到紫外线导致的应力的修正来输出结果信息。上述2个修正可以只考虑一个，也可以考虑两个。
另外，如上所述，实施例的信息处理装置1能够基于必要的各种信息的输入来输出各种结果信息。更具体而言，实施例的信息处理装置1可以基于第三信息和第四信息的输入来输出结果信息。
在此，如例如上述年度有效模块温度Tmp_eff(图5的步骤G1)所示，第三信息可以是表示设置在现场的PV模块的年度的温度的代表值的信息。
另外，第四信息是表示在根据不同的环境条件下进行的两次以上的试验的结果得到的相关关系，且表示PV模块的温度和湿度中的至少一项与PV模块能够输出预定的电力的期间之间的相关关系的信息。在此，第四信息可以是如在例如图5的步骤G2中说明那样生成的。即，如在图5的步骤G2中说明，可以将例如PV模块的温度作为模块温度Tm，将PV模块能够输出预定的电力的期间作为寿命τ，并求出两者的相关关系。如上所述，这样的相关关系可以是根据在不同的环境条件下进行的两次以上的试验的结果得到的。
另外，如例如上述寿命年数Y(图5的步骤G5)所示，结果信息可以是与假定在现场PV模块能够输出预定的电力的期间相关的信息。
实施例的信息处理装置1可以通过加入例如上述湿度修正系数Hc(图5的步骤S9)进行的修正那样的、在现场基于PV模块受到的湿度导致的应力的修正来输出结果信息。另外，实施例的信息处理装置1可以通过加入例如上述UV修正系数Uc(图5的步骤S11)进行的修正那样的、在现场基于PV模块受到的紫外线导致的应力的修正来输出结果信息。上述2个修正可以只考虑一个，也可以考虑两个。
另外，如例如上述年度应力指数A(图4的步骤S6)所示，第三信息也可以是在设置有PV模块的现场中PV模块在每预定时间受到的湿热导致的应力量而生成的。在此，第三信息可以基于例如获得一年的现场的一天中的最高气温的月平均值的信息来决定。
另外，第四信息可以是表示例如根据在预定范围内的差的温度条件下进行的试验的结果得到的相关关系的信息。另外，第四信息可以是表示例如根据在预定范围内的差的湿度条件下进行的试验的结果得到的相关关系的信息。
(仅使用现场的回收品的寿命预测)
接着，说明不使用新的PV模块(初始产品)，仅使用设置于现场的PV模块的回收品来预测PV模块的寿命的方法。根据该方法，由于可以不需要PV模块的初始产品就能够预测PV模块的寿命，所以能够进一步实现通用性高的寿命预测。
为了仅使用从现场回收的PV模块(现场回收品)来预测寿命，首先，准备从同一个现场回收的至少2个(两个以上)的PV模块。
在此，对于回收的多个PV模块需要满足例如以下的条件。
(1)多个PV模块的规格(例如型号的规格或者使用材料的规格等)相同
(2)多个PV模块设置于同一个现场的时期相同
(3)多个PV模块设置于同一个现场的期间相同
(4)多个PV模块设置于同一个现场的形态(或者状况)相同
在以上的各条件中，“同一”可以包括即使不是在严格意义上相同也可以视为几乎相同的情况。总之，对于回收的多个PV模块，需要同一规格(或视为同一规格)的多个PV模块在同一(或视为同一)环境条件下使用的历史。
在此，对于设置有PV模块的现场的期间，优选为3年以上，更优选为5年以上。设置于现场的期间为3年以上，更优选为5年以上，则可以认为上述UV光引起的乙酸的产生几乎饱和。即，这种状态的PV模块由于处于UV光引起的寿命缩短的影响已经成为最大的状态。换言之，在达到这样的状态后，在PV模块中乙酸浓度增加主要是由于从外界空气浸入EVA密封剂之中的水分而引起EVA的水解反应。如果从现场回收的PV模块处于上述状态，则在该PV模块中，UV光导致的寿命缩短的影响已经成为最大。因此，如下所述，对于这样的PV模块，可以不使用UV修正系数Uc而进行寿命预测。另一方面，在回收并使用设置于现场的期间不足3年的PV模块的情况下，如果进行以下说明的寿命预测，存在较长评估寿命的趋势。在这种情况下，如上所述，通过使用UV修正系数Uc，能够准确地计算PV模块的寿命。
图35是例示仅使用现场的回收品的寿命预测的逻辑流程的图。图35是与上述图4相同概略地表示实施例的信息处理装置1进行寿命预测时的逻辑的流程。如图35所示，实施例的信息处理装置1也可以基于以下的逻辑的流程进行寿命预测。
为了仅使用从现场回收的PV模块(现场回收品)来预测寿命，如上所述，准备从同一个现场回收的至少两个以上的PV模块。然后，将从同一个现场回收的至少两个以上的PV模块分成两个以上的组。以下，对准备2个从现场回收的PV模块并将回收品逐一分成组1和组2的情况进行说明。在此，在1组有多个回收品的情况下，对于以下说明的与回收品有关的结果的信息(剩余寿命时间)取平均即可。另外，在分成3个以上的组的情况下，在求出以下说明的湿热劣化的活化能Ea时，可以使用最小二乘法。
使图35所示的逻辑流程开始，如步骤S1所示，信息处理装置1的控制部10获得现场的一天中的最高气温Tmax。步骤S1也可以与图4所示的步骤S1同样地进行。
如图35的步骤S2所示，控制部10获得ΔT(模块最高温度Tmp和最高气温Tmax之间的温度差)。步骤S1也可以与图4所示的步骤S2同样地进行。
如图35的步骤S3所示，控制部10计算现场的一天中的PV模块的最高温度Tmp(＝Tmax+ΔT)。步骤S3也可以与图4所示的步骤S3同样地进行。
如图35的步骤S4所示，控制部10获得能够在全年通用的一天中的有效应力时间Heff。步骤S4也可以与图4所示的步骤S4同样地进行。
如图35的步骤S5所示，控制部10获得湿热劣化的活化能Ea。湿热劣化的活化能Ea可以由以下的方式获得。
首先，从现场回收并分成组1和组2的PV模块可以被分别投入不同条件的加速试验。即，对于组1的回收品可以在例如温度T1下相进行对湿度(RH)H0的湿热试验。另一方面，对于组2的回收品可以在例如温度T2下进行相对湿度(RH)H0的湿热试验。在此，温度T1和温度T2可以使用例如85℃～95℃左右的范围的温度。具体而言，也可以设定为T1＝85℃、T2＝95℃。另外，作为相对湿度(RH)H0可以使用85％～95％左右的范围的湿度。具体而言，可以设定为H0＝95％。
该湿热试验可以进行直到从现场回收的PV模块到达寿命为止。作为结果，获得从试验的开始时间点到到达寿命的时间点为止的时间。将该时间作为剩余寿命时间τ。即，对于组1的PV模块得到剩余寿命时间τ1。另一方面，对于组2的PV模块得到剩余寿命时间τ2。
湿热劣化的活化能Ea可以使用由上述得到的信息根据上述数学式(3)计算。以下，再提出数学式(3)。在此，温度T1和温度T2是由绝对温度[K]表示的值。
exp(-Ea/kT1)×τ1＝exp(-Ea/kT2)×τ2 数学式(3)
当在数学式(3)求解Ea时，得到以下的数学式(57)。
Ea＝k·ln(τ1/τ2)·(1/T1-1/T2)-1 数学式(57)
接着，如图35的步骤S21所示，控制部10获得湿度修正系数Hc。步骤S21也可以与图4所示的步骤S9同样地进行。
接着，如图35的步骤S22所示，控制部10获得从现场回收的PV模块的年度应力指数Ah。年度应力指数Ah是对所述的年度应力指数A考虑了湿度修正系数Hc而得到的。
从现场回收的PV模块受到设置的现场的环境中的温度和湿度的应力。因此，在求出反映了回收的PV模块的现场的温度和湿度两者的年度应力指数Ah时，需要考虑在现场的温度信息和在现场的湿度信息两者。在这种情况下，作为温度信息可以使用设置于现场的PV模块的每一天不同的PV模块的最高温度Tmp。另一方面，作为温度信息可以使用设置于现场的PV模块的年度有效模块温度Tmp_eff。另外，作为湿度信息可以使用湿度修正系数Hc。在与设置有PV模块的现场不同现场设置PV模块的情况下，可以考虑新设置的现场的温度信息和湿度信息两者来求出年度应力指数Ah。
综上所述，从现场回收的PV模块的年度应力指数Ah由以下的数学式(58)表示。以下，从现场回收的PV模块的年度应力指数Ah适当地简称为“年度应力指数Ah”。
年度应力指数Ah＝Σexp(-Ea/kTmp)×Heff/Hc 数学式(58)
其中，总计区间为365天。
另外，年度应力指数Ah由以下的数学式(59)表示。
年度应力指数Ah＝exp(-Ea/kTmp_eff)×Heff×365/Hc 数学式(59)
其中，Heff是能够在全年通用的每天的有效应力时间。另外，如上所述，Tmp_eff也可以根据每天的最高气温Tmax的年度平均值和ΔT之间的相关关系进行估算。
接着，如图35的步骤S23所示，控制部10获得剩余寿命应力指数Br。
在步骤S23中获得的剩余寿命应力指数Br是与完全消耗从现场回收的PV模块的剩余寿命所需的应力量对应的信息。这由以下的数学式(60)表示。
Br＝exp(-Ea/kTm)×τ 数学式(60)
其中，Tm是对回收的PV模块进行的加速试验中的试验温度(绝对温度[K]单位)，τ是在该加速试验中得到的寿命时间([h]单位)。
在数学式(60)中，在求Br时，对于Tm和τ，可以使用T1和τ1的组合，也可以使用T2和τ2的组合。无论使用哪个组合都得到同一个Br。
接着，如图35的步骤S24所示，控制部10计算剩余寿命年数Yr。剩余寿命年数Yr表示在假如回收的PV模块保持不变地继续设置在该现场时，从回收的时间点到寿命结束的年数。这使用剩余寿命应力指数Br和年度应力指数Ah由以下的数学式(61)表示。
剩余寿命年数Yr＝Br/Ah 数学式(61)
接着，如图35的步骤S25所示，控制部10可以计算寿命年数Yp。该PV模块从设置于该现场开始到达寿命为止的寿命年数Yp为将设置于现场的年数X加上剩余寿命年数Yr，由以下的数学式(62)表示。
寿命年数Yp＝X+Yr 数学式(62)
在此，描述从设置的现场回收的PV模块设置于与所设置的现场不同的其他的现场的情况。在这种情况下，PV模块假如从最初开始设置于其他的现场的情况的寿命年数Yp由以下的数学式(63)表示。
寿命年数Yp＝X×(Ah_bf/Ah_af)+Yr 数学式(63)
其中，X是回收的PV模块所设置的现场的PV模块的设置年数。另外，Ah_bf是回收的PV模块所设置的现场的年度应力指数，Ah_af是PV模块所设置的其他的现场的年度应力指数。另外，Yr可以在数学式(61)中通过将Ah由Ah_af置换而得到。
综上所述，不需要新的PV模块(初始产品)就可以仅使用现场回收品来计算现场的(从设置的现场回收的)PV模块的寿命年数Yp。
以下，对于在实施例的信息处理装置1中实施的例子，进一步说明上述计算、即仅使用现场的回收品的寿命预测。
如上所述，在实施例的信息处理装置1中，控制部10能够基于从输入部20和/或通信部40获得的各种信息的输入进行各种计算。另外，在实施例的信息处理装置1中，控制部10能够从输出部30和/或通信部40输出各种计算的结果。因此，实施例的信息处理装置1能够基于必要的各种信息的输入来输出各种结果信息。
更具体而言，实施例的信息处理装置1也可以基于第一信息和第二信息的输入来输出结果信息。在此，如例如上述剩余寿命应力指数Br(图35的步骤S23)所示，第一信息可以是表示从太阳能电池模块能够输出预定的电力的期间的中途的时间点到结束时为止受到的湿热导致的应力量的信息。另外，如例如上述年度应力指数Ah(图35的步骤S22)所示，第二信息可以是表示在设置有太阳能电池模块的现场中太阳能电池模块在每预定时间受到的湿热导致的应力量的信息。另外，如例如上述剩余寿命年数Yr(图35的步骤S24)所示，结果信息可以是与假定在现场设置太阳能电池模块时太阳能电池模块能够输出预定的电力的剩余期间相关的信息。
另外，第一信息也可以是表示从太阳能电池模块受到的紫外线导致的应力所引起的酸的产生达到预定的饱和度之后经过预定的期间的时间点起，太阳能电池模块受到的湿热导致的应力量。进而，第一信息也可以是表示从上述时间点起到太阳能电池模块能够输出预定的电力的期间结束时为止受到的湿热导致的应力量的信息。例如，第一信息可以是表示相当于图30所示的应力量(2)的区域的至少一部的应力量的信息。在这种情况下，“太阳能电池模块受到的紫外线导致的应力所引起的酸的产生到达预定的饱和度之后经过预定的期间的时间点”例如可以是从太阳能电池模块所设置的现场回收太阳能电池模块的时间点。
另外，第一信息和/或第二信息可以是基于从对于例如现场回收的太阳能电池模块在两个以上的温度条件下进行的湿热试验的结果得到的湿热劣化的活化能Ea(图35的步骤S5)而生成的。
另外，如表示例如湿度修正系数Hc的信息所示，第二信息可以基于设置有太阳能电池模块的现场的湿度的信息和对于从现场回收的太阳能电池模块进行两次以上的湿热试验中的湿度的信息而生成的。在此，湿度修正系数Hc可以如在图35的步骤S21(或者图4的步骤S9)中说明的那样获得。
另外，如表示例如Tmp(图35的步骤S3)的信息所示，第二信息可以是基于与设置有太阳能电池模块的现场的一天中的太阳能电池模块的最高温度相关的信息而生成的。
进而，如例如Heff(图35的步骤S4)或者heff所示，第二信息可以是基于表示在设置有太阳能电池模块的现场中太阳能电池模块受到湿热导致的应力的一天中的时间的信息而生成的。在此，“表示在设置有太阳能电池模块的现场中太阳能电池模块受到湿热导致的应力的一天中的时间的信息”例如可以是表示在全年恒定的值的信息。
另外，如例如年度应力指数Ah(图35的步骤S22)所示，第二信息可以是表示在设置有太阳能电池模块的现场中太阳能电池模块在每一年受到的湿热导致的应力量的信息。
实施例的信息处理装置1可以输出在例如图35的步骤S25中说明的Yp那样的信息来作为结果信息。即，信息处理装置1可以将假定在太阳能电池模块设置在现场时，在太阳能电池模块能够输出预定的电力的剩余期间加上从太阳能电池模块设置在现场起到被回收的时间点为止的期间来输出。在此，“假定太阳能电池模块设置在现场时太阳能电池模块能够输出预定的电力的剩余期间”可以是例如上述剩余寿命年数Yr(图35的步骤S24)。另外，如例如图35的步骤S25所示，“从太阳能电池模块设置在现场起到被回收的时间点为止的期间”可以是现场的设置年数X。
上述实施例不仅限于作为信息处理装置1的实施。例如，上述实施例可以实施为信息处理装置1那样的机器的控制方法。进而，例如，上述实施例可以实施为信息处理装置1那样的机器所执行的程序。
如以上说明，根据上述方法，可以不需要PV模块的初始产品就能够预测PV模块的寿命。因此，根据实施例的信息处理装置1，对于PV模块，能够进一步实现通用性高的寿命预测。
(独立的两种寿命预测方法之间的一致性的验证)
申请人比较寿命年数Yp或者Yp’和寿命年数Y。在此，寿命年数Yp或者Yp’如上所述，是根据对从现场回收的PV模块实施湿热试验而得到结果的信息预测的寿命年数。另外，寿命年数Y是与以上独立的形式，是根据制造初始产品的PV模块的试验信息(将温度和相对湿度作为变量进行的DH试验和UVDH连续试验)进行预测的寿命年数。其结果，由图33和图34所示，申请人确认两者在对于实用可允许的误差范围内匹配良好。因此，确认到，上述寿命年数Y的预测、使用曲线图的寿命年数Y的预测以及使用按月计的气温信息的寿命年数Y的预测都很有用。即，验证了上述各寿命的预测方法作为基于现实的现场的UV和湿热导致的劣化的寿命的预测方法，不仅定量性和通用性高，而且也足够实用。
(使用了现场品的信息的寿命预测的修正方法)
这里，在由例如上述数学式(1)计算的寿命年数Y和由上述数学式(54)、数学式(56)计算的寿命年数Yp、Yp’之间产生不在误差范围内的显著的差的情况下，可以使用修正系数来修正计算的寿命年数Y。以下，将修正前的寿命年数Y称为“寿命年数Ybf”，将修正后的寿命年数Y称为“寿命年数Yaf”。
如以下的数学式(64)所示，寿命年数Yaf可以通过将寿命年数Ybf乘以现场回收品的反馈修正系数Fc而求得。
寿命年数Yaf＝寿命年数Ybf×Fc 数学式(64)
上述现场回收品的反馈修正系数Fc可以由以下的数学式(65)所示。
Fc＝{Σ(Yp/Ybf)}/回收品追加试验样本数Nf 数学式(65)
其中，总计区间为现场回收品的追加试验中的样本数Nf分。Yp是因现场回收品而不同的值。另外，Ybf是根据PV模块的设置的地区和/或PV模块的设置方式等而不同的值。另外，也可以使用Yp’来代替Yp。
根据这样计算，通过数学式(1)可以进一步提高计算的寿命年数Y的预测的精度。另外，根据这样的计算，随着储存现场回收品的追加试验的信息，能够逐步提高寿命预测的精度。
(输出保证的安全率)
如以上说明，根据实施例的信息处理装置1，能够预测基于现场的UV和湿热导致的劣化的寿命的年数Y。因此，如以下的数学式(66)所示，实施例的信息处理装置1通过设定PV模块的输出保证期间(年数)Ypw，能够计算相对于UV和湿热的应力的输出保证的安全率。在数学式(66)中，相对于UV和湿热的应力的输出保证的安全率简称为“输出保证的安全率Spw”。
输出保证的安全率Spw＝寿命年数Y/输出保证期间Ypw数学式(66)
PV模块的寿命预测可以包括各种不确定因素和/或误差。因此，在预测PV模块的寿命时，优选充分确保输出保证的安全率Spw。作为基准，输出保证的安全率Spw优选最低在1.3以上。更优选地，输出保证的安全率Spw最好在1.5以上。进一步优选地，输出保证的安全率Spw优选为2.0以上。特别地，在UV光的照射量多的地区以及特别是高温潮湿的地区等，输出保证的安全率Spw优选在2.0以上。
在此，输出保证的安全率Spw根据PV模块的生产商设定的输出保证期间Ypw可以设定为任意的值。在无法确保上述输出保证的安全率Spw的情况下，PV模块的生产商希望较短地设定输出保证期间Ypw等，并充分确保输出保证的安全率Spw。
(实施例的寿命预测的效果)
以下，在参照现有技术的实际情况的基础上，进一步说明实施例的信息处理装置1所进行的PV模块的寿命预测的效果。
一直以来，未建立定量地以适当的精度预测基于UV和湿热导致的劣化的寿命的技术。例如，基于当前的IEC标准的试验在诸如温度85℃、湿度85％、1000小时的单一的条件下进行。无法通过这样的试验得到与PV模块的寿命相关的信息。
因此，一直以来，例如，至少以下的状况是实际情况。
(1)无法基于依据(即甚至于考虑例如安全率Spw)来设定上述输出保证期间Ypw。因此，无法向用户对于PV模块产品的长期可靠性进行充分宣传和/或提供信息。
(2)无法基于技术的依据定量且妥当地估计发电成本[元/kWh]。因此，关于发电业务规划阶段的总发电量和/或发电成本的价值判断的依据不充分。
(3)例如在发电站等处出售太阳能发电系统的情况下，无法正当且妥当地评价该系统的资产价值。因此，对有助于发电事业的经营判断的依据不充分。
(4)直到近年才逐渐知晓UV光对PV模块的寿命影响很大。但是，无法基于技术依据定量且妥当地估计UV光对PV模块的寿命影响具体有多大。
(5)市场和用户无法知道作为PV模块的产品的寿命信息。因此，市场和用户不得不在没有充分的信息的情况下选择实际寿命长短的产品。
(6)关于PV模块的长期的可靠性，各厂家品质差异不直观，市场处于鱼龙混杂的状态。鉴于今后太阳能发电产业和市场的健康发展，希望这种状态在有益的方向上得到改善。
另一方面，例如在设置太阳能发电系统之前等，需要预测构成该系统的PV模块的寿命。特别是，从日元/kWh这样的观点出发估算发电成本时，需要与PV模块的寿命相关的信息。另外，希望对出售太阳电池系统时的资产价值进行适当的评价。
如上所述，根据实施例的信息处理装置1，能够合理地、即基于客观的依据量化基于UV和湿热导致的劣化的PV模块的寿命的预测。另外，根据实施例的信息处理装置1，能够基于适当的依据，定量地预测PV模块的基于劣化的寿命。
另外，根据实施例的信息处理装置1，能够评价太阳能发电系统的资产价值。即，基于例如本公开的寿命预测的结果，实施例的信息处理装置1在计划太阳能发电系统的设置的阶段也能够有助于系统的总发电量或者发电成本的预测。另外，实施例的信息处理装置1基于本公开的寿命预测的结果，在研究出售太阳能发电系统的阶段也能够有助于系统的剩余发电量的预测。这样，如果客观评价PV模块的寿命，就可以为健康的太阳能发电产业和市场的形成做出贡献。另外，实施例的信息处理装置1进行的PV模块的寿命预测的信息在业界进行传播，则用户能够在市场上获得与长期可靠性相关的信息。
另外，如上所述，根据实施例的信息处理装置1，例如，根据现有的多个现场的模块温度的实测数据设置，可以确定年度的一天中的有效应力时间Heff的通用值。通过使用该Heff，实施例的信息处理装置1能够在设置新的太阳能发电系统之前简便地预测PV模块的寿命。另外，如上所述，实施例的信息处理装置1在进行PV模块的寿命预测时，不只加入湿度修正，还能够加入UV修正。另外，如上所述，根据实施例的信息处理装置1，能够对PV模块的回收品进一步进行加速试验来预测寿命。另外，如上所述，根据实施例的信息处理装置1，能够基于UV和湿热导致的劣化的PV模块的寿命预测的结果，定义PV模块的输出保证的安全率。这样，如果定义了PV模块的输出保证的安全率，则在市场上用户能够正确地传达与PV模块的长期可靠性相关的信息。
(其他的实施例)
以下，进一步说明对上述实施例进行了变形或变更后的实施例。
在图4和图5所示的实施例中，步骤S11的“获得UV修正系数Uc”在紧接着步骤S12的“计算基于现场的UV和湿热导致的劣化的寿命Y”之前执行。但是，步骤S11的“获得UV修正系数Uc”不限于在紧接着步骤S12之前，也可以在更靠前的阶段执行。
在图4和图5所示的实施例中，步骤S11的“获得UV修正系数Uc”可以在能够加入考虑了UV的影响的修正的任意的步骤中进行。
另外，在上述“仅使用现场的回收品的寿命预测”中，对于在现场设置3年～5年以上的PV模块，基于UV光引起的乙酸的产生几乎饱和的事实，不使用UV修正系数Uc来计算PV模块的寿命。也可以基于与此同样的原理来计算新的PV模块(初始产品)的寿命。
即，在这种情况下，首先，可以对新的PV模块(初始产品)进行UV试验，由此使UV光引起的乙酸的产生饱和。接着，可以对该PV模块进行湿热试验(DH试验)。例如，对新的PV模块(初始产品)可以求出先进行UV试验之后接着进行90℃的温度带的DH试验时的寿命年数(时间)。另外，例如，也可以求出对与大致同一规格的新的PV模块(初始产品)先进行UV试验之后接着进行125℃的温度带的DH试验时的寿命年数(时间)。然后，如果基于这些结果计算该PV模块的现场的温度带的寿命，则不需要获得UV修正系数Uc。
另外，上述湿热试验中的湿度条件可以是例如RH90±5％左右。如果是这种程度的宽度，则湿度修正的影响不大，所以可以认为是能被视为大致相同的范围的条件。另一方面，在上述湿热试验中的湿度条件为不在例如RH90±5％的范围时，通过使用湿度修正系数Hc能够更准确地计算PV模块的寿命。
虽然已经根据附图和实施例描述了本公开，但是应当注意，本领域技术人员可以基于本公开容易地进行各种变形或修改。因此，应当注意，这些变形或修改在本公开的范围内。例如，可以重新配置各功能部中含有的功能等以免逻辑上不一致。多个功能部等可以组合成1个或者进行分割。上述本公开的各实施例不限于忠实于分别说明的各实施例的情况，可以适当地组合各特征或省略一部分来实施。
例如，如上所述，实施例的信息处理装置1能够评价设置太阳能发电系统的计划阶段的资产价值(寿命年数)，但也可以评价使用过的太阳能发电系统的资产价值(剩余寿命年数)。例如，实施例的信息处理装置1可以对使用过的太阳能发电系统根据基于UV和湿热导致的劣化的寿命的观点评价资产价值(剩余寿命年数)。在这种情况下，也可以是例如下述的(1)～(3)。
(1)首先，根据PV模块的设置场所中的气温湿度的信息和PV模块的设置方式的信息来估算基于UV和湿热导致的劣化的寿命年数Y。在这种情况下，对于与设置的PV模块几乎同等的规格的产品，也可以使用基于湿热试验的到达寿命为止的时间的信息(τ)和劣化的活化能的信息(Ea)。另一方面，在无法得到这样的被视为几乎同等的规格的产品的信息时，也可以使用现有的信息或者在能够获得的信息中被认为是与该PV模块的规格接近的规格的PV模块的试验信息(τ和Ea)来进行代替。
接着，求出继续设置在某个现场时的剩余寿命时间。例如，假设回收在某个现场设置了X[年]的PV模块。在存在该现场的设置环境的寿命年数为Y[年]这一信息时，设置于该现场的情况的剩余寿命时间τra[小时]由以下的数学式(67)表示。
剩余寿命时间τra[小时]＝(Y-X)×Heff×365 数学式(67)
接着，通过使用设置于该现场的PV模块的年度有效模块温度Tmp_eff作为温度信息，剩余寿命应力指数Br由以下的数学式(68)表示。
Br＝exp(-Ea/kTmp_eff)×τra 数学式(68)
在数学式(68)中，剩余寿命应力指数Br使用设置于现场的PV模块的年度有效模块温度Tmp_eff来计算。另外，剩余寿命应力指数Br也可以使用设置于现场的PV模块的每一天发生变化的PV模块的最高温度Tmp来计算。
接着，将要设置的其他的现场的PV模块的年度应力指数Ah可以由数学式(58)或数学式(59)表示。在这种情况下，能够通过使用数学式(61)来计算其他的现场的剩余寿命年数Yr。
(2)在存在太阳能发电系统中的PV模块的温度监测值时，可以使用利用该温度信息来计算的年度应力指数Ah，计算剩余寿命年数Yr。在这种情况下，可以进一步提高预测剩余的寿命的精度。
(3)从太阳能发电系统回收一部分的PV模块，并且进一步进行湿热试验，由此可以确认该PV模块的剩余的寿命。具体而言，可以使用在上述(仅使用现场的回收品的寿命预测)说明的方法。
如上所述，实施例的信息处理装置1能够基于必要的各种信息的输入来输出各种结果信息。更具体而言，实施例的信息处理装置1可以基于第四信息、第五信息以及第六信息的输入来输出结果信息。
在此，第四信息可以是表示相同规格的多个PV模块中的、设置在预定的现场的第一个PV模块设置在预定的现场的期间的信息。即，第四信息可以是受到相当于例如图30所示的应力量(3)的区域的应力的回收品设置在现场的期间X[年]。
第五信息可以是表示根据对于第一个PV模块进行的湿热试验的结果得到的信息，并且，是表示第一个PV模块能够输出预定的电力的期间的信息。即，第五信息可以是对受到与例如图30所示的应力量(2)的区域相当的应力的回收品进行DH试验的时间β[小时]。
第六信息可以是从对多个PV模块中的、与第一个PV模块不同的第二个PV模块进行预定的紫外线照射试验之后所进行的湿热试验得到的信息，并且是表示第二个PV模块能够输出预定的电力的期间的信息。即，第六信息可以是对受到与例如图30所示的应力量(4)的区域相当的应力的回收品在UV试验之后继续进行DH试验的时间γ[小时]。
另外，如例如上述寿命年数Y(图4的步骤S12)所示，结果信息可以是与在第二个PV模块设置在预定的现场时假定第二个PV模块能够输出预定的电力的期间相关的信息。实施例的信息处理装置1可以使第二个PV模块为未设置于预定的现场的PV模块(例如初始产品的PV模块)，输出结果信息。
上述实施例不仅限于作为信息处理装置1实施。例如，上述实施例也可以作为信息处理装置1那样的机器(例如计算机)的控制方法实施。进而，例如，上述实施例也可以作为由信息处理装置1那样的机器(例如计算机)执行的程序来实施。
另外，也可以根据需要追加设置对寿命的修正系数。例如，在背板120具有铝(Al)片材的结构的情况下，水分的侵入路径限于PV模块的侧面，从PV模块的背面的水分侵入量减少，所以寿命变长。寿命的延长量与PV模块的大小成比例，但如果是普通PV模块尺寸(60直～72直左右)，则可以适当地设定最大2～3左右作为修正系数。
另外，上述对使用了EVA作为密封剂的材料的情况进行了说明，但密封剂的材料不限于EVA，例如也可以是烯烃或其他树脂材料。
附图标记说明
1 信息处理装置
10 控制部
20 输入部
30 输出部
40 通信部
50 存储部

Claims (18)

1.一种信息处理装置，基于第一信息和第二信息的输入，输出与假定在太阳能电池模块设置在现场时所述太阳能电池模块能够输出预定的电力的期间相关的结果信息，
所述第一信息表示所述太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量，
所述第二信息表示在设置有所述太阳能电池模块的所述现场中所述太阳能电池模块在每预定时间受到的湿热导致的应力量，所述信息处理装置的特征在于，
所述第二信息是基于与设置有所述太阳能电池模块的现场的一天中的所述太阳能电池模块的最高温度相关的信息而生成的。
2.根据权利要求1所述的信息处理装置，其特征在于，所述第一信息是基于对所述太阳能电池模块在两个以上的温度条件下进行的湿热试验的结果而得到的湿热劣化的活化能而生成的。
3.根据权利要求1或2所述的信息处理装置，其特征在于，所述第二信息是基于对所述太阳能电池模块在两个以上的温度条件下进行的湿热试验的结果而得到的湿热劣化的活化能而生成的。
4.根据权利要求3所述的信息处理装置，其特征在于，所述第二信息是基于在设置于所述现场的所述太阳能电池模块中，将与一天中的湿热导致的应力成比例的量的预定时间为单位的总和除以与设置于所述现场的太阳能电池模块的最高温度下的每单位时间的湿热导致的应力成比例的量而得到的值而生成的。
5.根据权利要求4所述的信息处理装置，其特征在于，在所述第二信息中，设置于所述现场的所述太阳能电池模块受到湿热导致的应力的一天中的时间可以每天不同。
6.根据权利要求4所述的信息处理装置，其特征在于，在所述第二信息中，设置于所述现场的所述太阳能电池模块受到湿热导致的应力的一天中的时间在全年是恒定值。
7.根据权利要求1～6中任意一项所述的信息处理装置，其特征在于，所述第二信息是表示在所述现场所述太阳能电池模块在每一年受到的湿热导致的应力量的信息。
8.根据权利要求1～7中任意一项所述的信息处理装置，其特征在于，加入基于在所述现场所述太阳能电池模块受到的湿热导致的应力的修正和基于在所述现场所述太阳能电池模块受到的紫外线导致的应力的修正中的至少一项来输出所述结果信息。
9.一种信息处理装置的控制方法，包括：
获得表示太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量的第一信息的步骤；
获得表示在设置有所述太阳能电池模块的现场中所述太阳能电池模块在每预定时间受到的湿热导致的应力量的第二信息的步骤；以及
基于所述第一信息和所述第二信息的输入，输出与假定所述太阳能电池模块设置于所述现场时所述太阳能电池模块能够输出预定的电力的期间相关的结果信息的步骤，
所述信息处理装置的控制方法的特征在于，
所述第二信息是基于与设置有所述太阳能电池模块的现场的一天中的所述太阳能电池模块的最高温度相关的信息而生成的。
10.一种程序，由计算机执行以下步骤：
获得表示太阳能电池模块能够输出预定的电力的期间的从开始时到结束时受到的湿热导致的应力量的第一信息；
获得表示在设置有所述太阳能电池模块的现场中所述太阳能电池模块在每预定时间受到的湿热导致的应力量的第二信息；以及
基于所述第一信息和所述第二信息的输入，输出与假定所述太阳能电池模块设置在所述现场时所述太阳能电池模块能够输出预定的电力的期间相关的结果信息，
所述程序的特征在于，
所述第二信息是基于与设置有所述太阳能电池模块的现场的一天中的所述太阳能电池模块的最高温度相关的信息而生成的。
11.一种信息处理装置，其特征在于，基于第三信息和第四信息的输入，输出与假定在现场中太阳能电池模块能够输出预定的电力的期间相关的结果信息，
所述第三信息表示设置于所述现场的所述太阳能电池模块的年度的温度的代表值，
所述第四信息表示根据在不同环境条件下进行的两次以上的试验的结果而得到的相关关系，并且，表示所述太阳能电池模块的温度和湿度中的至少一项和所述太阳能电池模块能够输出预定的电力的期间之间的相关关系。
12.根据权利要求11所述的信息处理装置，其特征在于，加入基于在所述现场所述太阳能电池模块受到的湿热导致的应力的修正和基于在所述现场所述太阳能电池模块受到的紫外线导致的应力的修正中的至少一项来输出所述结果信息。
13.根据权利要求11或12所述的信息处理装置，其特征在于，所述第三信息是基于在设置有所述太阳能电池模块的现场中所述太阳能电池模块在每预定时间受到的湿热导致的应力量而生成的。
14.根据权利要求1～13中任意一项所述的信息处理装置，其特征在于，所述第三信息是基于获得一年的所述现场的一天中的最高气温的月平均值的信息而确定的。
15.根据权利要求11～14中任意一项所述的信息处理装置，其特征在于，所述第四信息表示根据在预定范围内的差的温度条件下进行的试验的结果而得到的相关关系。
16.根据权利要求11～15中任意一项所述的信息处理装置，其特征在于，所述第四信息表示根据在预定范围内的差的湿度条件下进行的试验的结果而得到的相关关系。
17.一种信息处理装置的控制方法，其特征在于，包括：
获得表示设置于现场的太阳能电池模块的年度的温度的代表值的第三信息的步骤；
获得第四信息的步骤，该第四信息表示根据在不同环境条件下进行的两次以上的试验的结果而得到的相关关系，并且，表示所述太阳能电池模块的温度和湿度中的至少一项和所述太阳能电池模块能够输出预定的电力的期间之间的相关关系；以及
基于所述第三信息和所述第四信息的输入，输出与假定在所述现场所述太阳能电池模块能够输出预定的电力的期间相关的结果信息的步骤。
18.一种程序，其特征在于，由计算机执行以下步骤：
获得表示设置于现场的太阳能电池模块的年度的温度的代表值的第三信息；
获得第四信息，该第四信息表示根据在不同环境条件下进行的两次以上的试验的结果而得到的相关关系，并且，表示所述太阳能电池模块的温度和湿度中的至少一项和所述太阳能电池模块能够输出预定的电力的期间之间的相关关系；以及
基于所述第三信息和所述第四信息的输入，输出与假定在所述现场所述太阳能电池模块能够输出预定的电力的期间相关的结果信息。
CN202080019661.2A 2019-03-08 2020-03-06 信息处理装置、控制方法以及程序 Pending CN113544969A (zh)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
JP2019-043209 2019-03-08
JP2019043209 2019-03-08
JP2019043208 2019-03-08
JP2019-043208 2019-03-08
JP2019-114877 2019-06-20
JP2019114877 2019-06-20
JP2019114880 2019-06-20
JP2019-114880 2019-06-20
PCT/JP2020/009892 WO2020184495A1 (ja) 2019-03-08 2020-03-06 情報処理装置、制御方法、及びプログラム

Publications (1)

Publication Number Publication Date
CN113544969A true CN113544969A (zh) 2021-10-22

Family

ID=73995562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080019661.2A Pending CN113544969A (zh) 2019-03-08 2020-03-06 信息处理装置、控制方法以及程序

Country Status (3)

Country Link
EP (1) EP3937371A4 (zh)
JP (1) JP6811974B2 (zh)
CN (1) CN113544969A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116205381A (zh) * 2023-05-05 2023-06-02 伊发控股集团有限公司 光伏储能管理方法及相关设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115320385B (zh) * 2022-07-28 2024-04-30 重庆金康赛力斯新能源汽车设计院有限公司 车辆电池的热失控预警方法、装置、设备和存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005149077A (ja) * 2003-11-14 2005-06-09 Canon Inc 中古太陽電池の中古価格算出プログラム、中古価格算出システム及びこれを用いた中古太陽電池取引プログラム、中古太陽電池取引システム
JP2008171860A (ja) * 2007-01-09 2008-07-24 Next Energy & Resources Co Ltd 中古太陽電池モジュールを用いた太陽光発電システムの施工方法
JP2011146671A (ja) * 2009-12-15 2011-07-28 Mitsubishi Plastics Inc 太陽電池用積層シート及び太陽電池モジュール
CN102904289A (zh) * 2012-10-18 2013-01-30 长沙学院 基于果蝇优化算法的海岛新能源系统最优容量配置方法
CN103293423A (zh) * 2013-06-20 2013-09-11 四川电力科学研究院 高温环境下光电模块性能测试装置及测试方法
US20140375343A1 (en) * 2012-03-14 2014-12-25 Tokyo Electron Limited Solar cell module efficacy monitoring system and monitoring method therefor
JP2017027419A (ja) * 2015-07-24 2017-02-02 一般財団法人電気安全環境研究所 エネルギー変換手段の特性の時間変化を表現する方法及び装置
JP2017055657A (ja) * 2016-12-07 2017-03-16 日清紡メカトロニクス株式会社 太陽電池モジュールの検査装置およびその検査方法
CN107112945A (zh) * 2014-12-24 2017-08-29 松下知识产权经营株式会社 监视装置、太阳光发电装置、监视系统以及监视方法
KR20190005514A (ko) * 2017-07-07 2019-01-16 전자부품연구원 태양전지모듈 열화율 예측방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006067738A (ja) * 2004-08-27 2006-03-09 Kyocera Corp 太陽光発電システム
CN104579167B (zh) * 2014-12-30 2017-09-29 中国电器科学研究院有限公司 一种光伏组件湿热环境耐久性测试方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005149077A (ja) * 2003-11-14 2005-06-09 Canon Inc 中古太陽電池の中古価格算出プログラム、中古価格算出システム及びこれを用いた中古太陽電池取引プログラム、中古太陽電池取引システム
JP2008171860A (ja) * 2007-01-09 2008-07-24 Next Energy & Resources Co Ltd 中古太陽電池モジュールを用いた太陽光発電システムの施工方法
JP2011146671A (ja) * 2009-12-15 2011-07-28 Mitsubishi Plastics Inc 太陽電池用積層シート及び太陽電池モジュール
US20140375343A1 (en) * 2012-03-14 2014-12-25 Tokyo Electron Limited Solar cell module efficacy monitoring system and monitoring method therefor
CN102904289A (zh) * 2012-10-18 2013-01-30 长沙学院 基于果蝇优化算法的海岛新能源系统最优容量配置方法
CN103293423A (zh) * 2013-06-20 2013-09-11 四川电力科学研究院 高温环境下光电模块性能测试装置及测试方法
CN107112945A (zh) * 2014-12-24 2017-08-29 松下知识产权经营株式会社 监视装置、太阳光发电装置、监视系统以及监视方法
JP2017027419A (ja) * 2015-07-24 2017-02-02 一般財団法人電気安全環境研究所 エネルギー変換手段の特性の時間変化を表現する方法及び装置
JP2017055657A (ja) * 2016-12-07 2017-03-16 日清紡メカトロニクス株式会社 太陽電池モジュールの検査装置およびその検査方法
KR20190005514A (ko) * 2017-07-07 2019-01-16 전자부품연구원 태양전지모듈 열화율 예측방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116205381A (zh) * 2023-05-05 2023-06-02 伊发控股集团有限公司 光伏储能管理方法及相关设备

Also Published As

Publication number Publication date
JP2021002989A (ja) 2021-01-07
EP3937371A1 (en) 2022-01-12
JP6811974B2 (ja) 2021-01-13
EP3937371A4 (en) 2023-02-08

Similar Documents

Publication Publication Date Title
Polverini et al. Polycrystalline silicon PV modules performance and degradation over 20 years
Koehl et al. Evaluation of damp‐heat testing of photovoltaic modules
Kaaya et al. Assessment of uncertainties and variations in PV modules degradation rates and lifetime predictions using physical models
Kurtz et al. Evaluation of high‐temperature exposure of photovoltaic modules
Koehl et al. Modelling of conditions for accelerated lifetime testing of Humidity impact on PV-modules based on monitoring of climatic data
Al-Bashir et al. Analysis of effects of solar irradiance, cell temperature and wind speed on photovoltaic systems performance
Nikolaeva‐Dimitrova et al. Seasonal variations on energy yield of a‐Si, hybrid, and crystalline Si PV modules
Laronde et al. Lifetime estimation of a photovoltaic module subjected to corrosion due to damp heat testing
Segbefia et al. Moisture ingress in photovoltaic modules: A review
Hülsmann et al. Simulation of water ingress into PV-modules: IEC-testing versus outdoor exposure
CN113544969A (zh) 信息处理装置、控制方法以及程序
Pierro et al. Full characterization of photovoltaic modules in real operating conditions: theoretical model, measurement method and results
Doumane et al. A circuit-based approach to simulate the characteristics of a silicon photovoltaic module with aging
KR20190005514A (ko) 태양전지모듈 열화율 예측방법
JP6837649B2 (ja) 情報処理装置、制御方法、及びプログラム
JP6818307B2 (ja) 情報処理装置、制御方法、及びプログラム
Mannino et al. A photovoltaic degradation evaluation method applied to bifacial modules
Dupuis et al. Light‐and elevated temperature‐induced degradation impact on bifacial modules using accelerated aging tests, electroluminescence, and photovoltaic plant modeling
Asadpour et al. Physics-Based computational modeling of moisture ingress in solar modules: Location-specific corrosion and delamination
Adar et al. Performance degradation assessment of the three silicon PV technologies
Park et al. Development of an algebraic model that predicts the maximum power output of solar modules including their degradation
Wheeler et al. Degradation pathway models for photovoltaics module lifetime performance
KR20190037657A (ko) 태양전지모듈 열화특성 측정장치 및 이를 이용한 열화특성 측정방법
WO2020184495A1 (ja) 情報処理装置、制御方法、及びプログラム
EP3624332B1 (en) Operational lifetime prediction of photovoltaic devices

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination