JP2013036820A - 日射量予測装置、プログラム - Google Patents

Abstract

【課題】太陽光発電量予測の為の日射量予報値の補間データを、精度よく作成することができるようにする。
【解決手段】参照カーブデータ入力部２２は、データベース１４に格納された過去の日射量実績データ等に基づいて、参照カーブデータを作成する（またはユーザによって作成させる）。これは、時期に応じた複数パターンを作成する。補間処理部２１は、外部から取得した日射量予報データの各点間を、その時期に対応する参照カーブデータを用いて補間することで、太陽光発電量予測に用いることができる日射量予測データを生成する。
【選択図】図２

Description

本発明は、太陽光発電量を予測するための日射量予測データを生成する装置等に関する。

太陽光発電量に関しては、日射量予測値を用いて発電量を予測することが可能である。そして、この太陽光発電量の予測値を用いて、電力購入計画（例えば予測対象日に外部からどれだけ電力を購入するか等）を作成すること等が行われている。この電力購入計画は、通常、３０分間隔（または１時間間隔；但し、本説明では３０分間隔とする）で作成されるものであり、これに対応して、太陽光発電量の予測も同じ時間間隔（３０分間隔）とする必要がある。しかし、気象予報の日射量予報値は、数時間間隔（例えば３時間毎や６時間毎など）でしか提供されない。

この為、数時間間隔のデータを３０分間隔に展開することが必要となるが、従来では例えば線形補間を用いていた。これについて図８を用いて説明する。
図８は、従来の線形補間（直線補間）を説明する為の図である。

図８において、図示のＦ（ｔ）、Ｆ（ｔ＋ｎ）、Ｆ（ｔ＋２ｎ）（ｎ；６または１２）が、上記日射量予報値に相当する数時間間隔（例えば３時間毎や６時間毎など）のデータであり、外部から入力する（たとえば不図示の外部のサーバ装置からネットワークを介して入力する）データである。この入力データに基づいて、各入力データ間を３０分間隔で線形に補間する。すなわち、隣接する２つの入力データ間（２点間；例えばＦ（ｔ）−Ｆ（ｔ＋ｎ）間）を、等差で補間することで、例えば図示のＦ（ｔ＋ｉ）（ｉ；１、２、・・・ｎ−２、ｎ−１）を求める。図示していないが、他の２つの入力データ間（Ｆ（ｔ＋ｎ）−Ｆ（ｔ＋２ｎ）間）に関しても、略同様にして、２点間の補間データ（３０分値）を求める。

これは、例えば、データ配列および開始点と終了点（例えばＦ（ｔ）とＦ（ｔ＋ｎ）等）を入力し、その間（２点間）を例えば下記の式を用いて等差で補間する。この処理は３０分値の時点数分(ｎ＝６であればｉ＝０〜６)、ループして順次処理する。

例えば、特許文献１には、気象業務支援センターからのＮ-１時及びＮ時のＧＰＶ風データを受信すると、Ｎ-１〜Ｎ時の間の風向及び風速データが線形に変化すると仮定し、このＮ-１時〜Ｎ時の間を直線補間して、Ｎ時に至るまでの波浪予測値を求めること等が開示されている。すなわち、特許文献１には、データ補間方法が直線補間である例が開示されている。

また、従来のデータ補間手法の他の例としては、例えばスプライン補間が知られている。よく知られているように、スプライン補間法は、与えられた全ての点を通る、なるべくなめらかな曲線によって、補間しようとするものである。

特開２０１０−５４４６０号公報

上述したように、従来、太陽光発電量を予測するための日射量予測値に関しては、比較的長い時間間隔の日射量予報データ（３時間間隔など）を外部から取得して用いることになるが、そのままでは比較的短い時間間隔（３０分間隔など）の太陽光発電量予測に適合しない。この為、日射量予報データを、太陽光発電量の予測に適合する時間間隔（３０分間隔など）になるように補間する必要がある。

これに対して、従来の線形補間を用いた場合、上記のように入力データを単純に等配分するので、これでは各点間における変化を十分に捉えて補間することができず、補間精度が良くない。すなわち、線形補間を、日射量のように線形的でない動きをするデータ（図９参照）の予測に適用すれば、予測の精度が悪い可能性が高い。

また、スプライン関数などによる補間の方法は、３点以上の複数の点を通るなめらかな曲線で近似するものであり、これも日射量予測の場合には各点間における変化を十分に捉えて補間することができず、補間精度が良くない。

本発明の課題は、太陽光発電量を予測するための日射量予測値に関して、比較的長い時間間隔の日射量予報データを、比較的短い時間間隔の太陽光発電量の予測に適合する時間間隔に補間するものであって、日射量予報値の補間データの補間精度が良く、以って予測の精度向上を図ることができる日射量予測装置等を提供することである。

本発明の日射量予測装置は、日射量予報値を取得する日射量予報値取得手段と、予め過去の日射量実績データに基づいて作成された日射量変動パターンを、複数種類記憶する日射量変動パターン記憶手段と、太陽光発電量予測データを生成するための日射量予測データを生成する手段であって、前記取得された日射量予報値の各データ間を、前記複数種類の日射量変動パターンのうちの何れかを用いて補間することで、データの時間間隔が前記太陽光発電量予測データと同じであり、且つ、補間に用いた日射量変動パターンと近似する変動パターンの日射量予測データを生成する日射量予測データ生成手段とを有する。

上記日射量予報値は時間間隔Aで取得できるものとし、上記太陽光発電予測データは時間間隔Bで生成したい（ただし、時間間隔の大小関係はA>B)。
本発明では、予め生成されている、データの時間間隔が太陽光発電量予測データと同じである日射量変動パターンを用いて、日射量予報値を補間することで、太陽光発電量予測データの生成に適した日射量予測データを生成する。

特に、その変動パターンが、補間に用いた日射量変動パターンと近似する変動パターンとなるように、日射量予測データを生成する。その為に、例えば一例としては、前記日射量予測データ生成手段は、前記日射量予測データと前記日射量変動パターンとの比がほぼ等差となるように、該日射量予測データを生成する。

本発明の日射量予測装置等によれば、太陽光発電量を予測するための日射量予測値に関して、時間間隔Aの日射量予報データを使い、時間間隔Bの太陽光発電量の予測に適合するようにデータを補間するものであって、日射量予報値の補間データの補間精度が良く、以って日射量予測の精度向上を図ることができる（ただし、時間間隔の大小関係はA>B)。また、これによって太陽光発電量の予測精度向上も期待できる。

本例の日射量予測装置のハードウェア構成図である。 日射量予測装置の機能ブロック図である。 （ａ）は本手法、（ｂ）はスプライン補間による日射量予測データ生成の具体例である。 日射量予報データ、参照カーブデータ、日射量予測データの具体例である。 日射量予報データ、日射量予測データ等の具体例である。 日射量予測データと参照カーブデータの比や変化率の具体例である。 本手法を従来の線形近似と比較する図である。 従来の線形補間（直線補間）を説明する為の図である。 日射量の変動パターンの具体例である。

以下、図面を参照して本発明の実施の形態について説明する。
図１は、本例の日射量予測装置のハードウェア構成図である。
本例の日射量予測装置は、例えば一般的なコンピュータ（パソコン、サーバ装置等）上で実現されるものであり、図１は一般的なコンピュータの概略構成を示すものと見做してもよい。

既に述べたように、電力購入計画の作成の為には太陽光発電量の予測を行う必要があり、太陽光発電量の予測を行うためには日射量予報値を用いる必要がある。しかし、気象予報の日射量予報値のデータ時間間隔は、数時間単位（３時間や６時間間隔）であり、電力購入計画の作成の為の太陽光発電量予測のデータ時間間隔（３０分や１時間）に比べて非常に長い。この為、比較的長い時間間隔の日射量予報値を、比較的短い時間間隔の太陽光発電量の予測に適合する時間間隔（例えば３０分間隔）のデータとなるように補間することにより、太陽光発電量の予測の為のデータとして使用できるようにする必要がある。しかし、従来の補間方法では、上述した通り、予測の精度が悪い（補間精度が良くない）。

これに対して、本例の日射量予測装置１０は、過去の日射量実績データに基づく日射量変動パターン（以下、参照カーブデータと記す場合もある）を用いて、日射量予報値の補間を行うことで、太陽光発電量の予測の為の入力データとして使用できる日射量予測データの生成を行う。特に、日射量予報値の補間データを精度よく生成することができ、予測の精度向上を図ることができる。尚、過去の日射量実績データは、日射量予報値とは異なり、太陽光発電量の予測に適合する時間間隔（例えば３０分間隔）となっている。

図１に示す例の日射量予測装置１０は、入力装置１１、出力装置１２、演算装置１３、データベース１４等を有する。
入力装置１１は、例えばキーボード、マウス等である。ユーザは、入力装置１１を操作して、任意のデータを入力できる。入力されたデータは、例えばデータベース１４に記憶される。ユーザは、入力装置１１を操作して、例えば上記「参照カーブデータ」作成の為の入力作業などを行うが、この例に限らない。

出力装置１２は、例えばディスプレイやプリンタなどであるが、この例に限らない。例えば、出力装置１２は、任意のデータをデータベース１４に格納する機能部であってよいし、ネットワークを介して任意の外部装置（不図示）と通信を行って、気象予報の日射量予報値を外部装置から取得する通信機能部、あるいは例えば後述する３０分間隔等の日射量予測データを外部装置へ送信する通信機能部などであってもよい。尚、ディスプレイには、例えば、上記「参照カーブデータ」生成の為の画面（不図示）や日射量予測データ生成の為の画面（不図示）などが表示されるものであってもよい。

演算装置１３は、例えばＣＰＵ／ＭＰＵ等である。
データベース１４は、ハードディスク装置等であり、例えば以下に説明する各種データを記憶するが、更に予め所定のアプリケーションプログラムが記憶されている。演算装置１３は、このアプリケーションプログラムを読出し・実行することにより、後述する各種処理（図２の各種機能部の処理など）を実現するものであり、特に補間処理を行うものである。尚、本発明は、この様なプログラム自体として構成することもできる。

補間処理は、例えば外部装置から取得した比較的長い時間間隔の日射量予報データを、比較的短い時間間隔の太陽光発電量の予測に適合する時間間隔に補間するものであり、特に「参照カーブデータ」等を用いて補間を行うことで、太陽光発電量の予測に適合する時間間隔の日射量予測データを、予測精度良く生成するものである。本例では、３時間間隔等の日射量予報データに対して、「参照カーブデータ」等を用いて補間を行うことで、過去の日射量変動パターンに応じた３０分間隔等の日射量予測データを生成する例を示すが、勿論、これは一例に過ぎない。

参照カーブデータは、過去の日射量実績データに基づいて作成する。１つのデータではなく、複数のデータに基づいて作成することが望ましく、例えば複数のデータの各時間毎の平均値をとって参照カーブデータとする。過去の日射量実績データは、例えば予めデータベース１４に格納されていてもよいし、その都度、外部装置からネットワークを介して取得してもよい。

日射量は、例えば季節等によって、その変動パターンが変わることが考えられるため（例えば、夏季は冬季に比べて、日照時間が長く（日の出が早く、日の入りが遅い）且つ日射量が大きいなど）、例えば季節毎や月毎にそれぞれ「参照カーブデータ」を作成しておく。例えば各月毎に、その月の過去の日射量実績データの各時間毎の平均を求めて、その月の「参照カーブデータ」とする。この場合、１月〜１２月までの１２種類の「参照カーブデータ」が作成されることになる。

作成された「参照カーブデータ」は、例えばデータベース１４に格納する。
太陽光発電量の予測や電力購入計画の作成に関しては、上記の通り従来技術であり、ここでは特に説明しないが、既に述べたように太陽光発電量の予測や電力購入計画は、３０分間隔（または１時間間隔）のデータ群より成る。これより、日射量予測も、３０分間隔または１時間間隔とする必要があるが、日射量予報値は、数時間間隔（例えば３時間毎や６時間毎など）である。また、従来手法では日射量の予測精度が悪い。

この為、本装置１０により、数時間間隔の日射量予報データに対して、「参照カーブデータ」を用いて補間を行うことで、３０分間隔（または１時間間隔）の精度良い日射量予測データを生成するものである。尚、本説明では３０分間隔の日射量予測データを生成する例を用いるものとする。また、尚、“精度が良い”とは、予測精度が良いことを意味し、予測対象日の実際の日射量が日射量予測データと一致する場合が、最も“精度が良い”場合となる。

ここで、本説明では、まず、上記数時間間隔の日射量予報データは、予め不図示の外部装置等から取得してデータベース１４に格納しておくものとする。また、上記過去の日射量実績データ（本例では３０分間隔のデータとなっている）も、予めデータベース１４に格納しておくものとする。そして、日射量予測装置１０は、演算装置１３等によって実現される処理機能により、上記「参照カーブデータ」を生成し、更に上記３０分間隔の日射量予測データ（補間データ）を、日射量予報データと「参照カーブデータ」を用いて生成する。

図２は、日射量予測装置１０の機能ブロック図である。
図２に示す例では、日射量予測装置１０は、補間処理部２１（日射量予測データ生成手段として機能する）、参照カーブデータ入力部２２、参照カーブデータパターン管理部２３、時間間隔設定部２４等の各種処理機能部を有する。尚、これら各種機能部２１〜２４の処理機能は、例えば上記演算装置１３（ＣＰＵ／ＭＰＵ等で）が、上記アプリケーションプログラムを読出し・実行することにより実現される。

参照カーブデータ入力部２２は、上記データベース１４に格納された過去の日射量実績データ等に基づいて、上記「参照カーブデータ」を作成する（またはユーザによって作成させる）。

参照カーブデータ入力部２２は、例えば一例としては、上記ディスプレイ上に不図示の参照カーブ編集用画面を表示する。この参照カーブ編集用画面では、例えば「参照カーブデータ」作成の為の各種条件を、ユーザが任意に入力できる。例えば各季節毎の「参照カーブデータ」作成を指定すると共に、作成対象の季節（春夏秋冬）を指定できる。あるいは、各月毎の「参照カーブデータ」作成を指定すると共に、作成対象の月（１月〜１２月の何れか）を指定できる。

これより、参照カーブデータ入力部２２は、指定された条件に従って、「参照カーブデータ」を作成する（またはユーザによって作成させる）。例えば一例としては、過去の日射量実績データ等に基づいて、指定された条件に従って（例えば各月毎に）平均値を求めることで（例えば各月毎の）「参照カーブデータ」を作成する。

例えば、仮に、各月毎の「参照カーブデータ」作成が指定され、作成対象月として６月が指定された場合、過去の６月の各日の日射量実績データをデータベース１４から取得し、その平均値を求めることで、６月用の「参照カーブデータ」が作成される。平均値は、本例では日射量実績データは３０分間隔データであるので、例えば９時、９時半、１０時、１０時半等のように、３０分間隔のデータであるので、例えば９時であれば、６月１日〜６月３０日の９時の日射量の総和を求めて、この総和を３０で除算すれば、９時の平均値が求まることになる。

尚、この例に限らず、例えば６月の各日の日射量実績データをグラフ表示することで、ユーザがこのグラフが示す変動パターンを参考にしながら自由に任意の「参照カーブデータ」のグラフを入力できるようにしてもよい。

あるいは、６月の各日の日射量実績データをグラフ表示し、ユーザがデータが異常であると判断して指定した日は、上記平均値算出処理から除外するようにしてもよい。例えば、ユーザが６月１０日のデータが異常であり除外すべきものとして設定した場合には、参照カーブデータ入力部２２は、例えば上記９時の例の場合には、６月１日〜９日と６月１１日〜３０日の９時の日射量の総和を求めて、この総和を２９で除算すれば、９時の平均値が求まることになる。

上記のように参照カーブデータ入力部２２によって複数種類の「参照カーブデータ」が作成されてデータベース１４に格納される場合には、参照カーブデータパターン管理部２３によって、これら複数種類の「参照カーブデータ」が管理される。すなわち、参照カーブデータパターン管理部２３は、データベース１４に格納される複数種類の「参照カーブデータ」が、それぞれ例えば何月用の「参照カーブデータ」であるのかを管理している。そして、参照カーブデータパターン管理部２３は、例えば、補間処理部２１によって、任意の月日の日射量予報データの補間が行われる際には、該当する（同時期の；本例では同月の）「参照カーブデータ」を選択して補間処理部２１に渡す、等の処理を行うものであってもよい。

また、補間処理部２１による補間処理を行う前に、時間間隔設定部２４によってユーザが、例えば補間対象の日射量予報データが、３時間間隔のデータであるのか、６時間間隔のデータであるのかを、予め設定しておくか、後から設定できるようにしてもよい（この設定に応じて、ｎの値が６または１２の何れかに決定される）。

１日における日射量の変動パターンは、例えば極端な例では、夏至は日照時間が非常に長く、冬至は日照時間が非常に短い等、時期に応じた変動パターンがある。これより、予め各時期毎（各季節毎や各月毎など）に対応する「参照カーブデータ」を作成・記憶しておき、予測を行う毎に、予測対象日に応じた時期の「参照カーブデータ」を用いて日射量予報データの補間を行うことにより、より精度の高い補間が可能となる。

すなわち、補間処理部２１は、不図示の外部の予測システム等から任意の予測対象日の日射量予報データ（３時間間隔のデータ等）を取得すると共に、この予測対象日に該当する「参照カーブデータ」（本例では３０分間隔データとする）を、例えば上記参照カーブデータパターン管理部２３から取得する。

そして、取得した「参照カーブデータ」を用いて、例えば３時間間隔の日射量予報データの補間を行うことで、本例では３０分間隔の日射量予測データを生成する。これは、３時間間隔の日射量予報データの各データ間（任意の２点間）に関して、「参照カーブデータ」におけるこの２点間に相当する時間帯のデータ（該当データというものとする）を用いて補間することで、太陽光発電量予測のデータ時間間隔と同じデータ時間間隔の（更に、補間に用いた「参照カーブデータ」（日射量変動パターン）と近似する変動パターンの）日射量予測データを生成するものである。

例えば図３（ａ）の例では、「参照カーブデータ」の６時から９時までの時間帯の変動パターンに近似する変動パターンの、データ時間間隔が３０分間隔の日射量予測データを、生成する例を示している。

上記“補間に用いた「参照カーブデータ」の変動パターンに近似する変動パターンの日射量予測データを生成する”処理は、例えば一例としては、所定時間内における各々の予測時点での日射量予測データと参照カーブデータ（日射量変動パターンの日射量データ）との比がほぼ等差になるように、３０分値（３０分間隔の日射量予測データ）を求めるものであるが、この例に限らない。但し、この例の場合、簡易な処理で済むので、処理負荷が少なくて済む（換言すれば、処理時間が短縮できる）。

尚、「参照カーブデータ」は、上記時期に応じたパターンに限らず、例えば時期及び天候に応じたパターン等としてもよい。例えば、ユーザが、過去の天気実績データを参照して、過去の各日を晴れ、曇り、雨（または雪）の３種類の何れかに分類する（例えば“晴れ時々曇り”であった場合には“晴れ”に分類する等、ユーザが自由に決めてよい）。そして、各月毎かつ各天気に応じた「参照カーブデータ」を生成する。例えば上記の例では、６月の晴れの日の日射量実績データをデータベース１４から取得し、その平均値を求めることで、６月の晴れの日用の「参照カーブデータ」が作成される。同様にして、６月の曇りの日用の「参照カーブデータ」、６月の雨（または雪）の日用の「参照カーブデータ」が作成される。つまり、この例では、１２×３＝３６種類の「参照カーブデータ」が作成されることになる。

そして、「参照カーブデータ」を用いた補間処理を行う際には、例えば予測対象日の天気予報データを、外部のＷｅｂサーバ等からネットワークを介して取得することで（あるいは、ユーザが天気予報を見て入力することで）、該当する「参照カーブデータ」が取得されることになる。

図３（ａ）に、本手法による日射量予測データ生成の具体例を示す。また、比較のため、図３（ｂ）に従来のスプライン補間による日射量予測データ生成の具体例を示す。
まず、図３（ａ）を参照して説明する。

図３（ａ）の例では、補間対象となる日射量予報データのうちの任意の２点は、６時と９時のデータであり、これより「参照カーブデータ」における上記“該当データ”は、図示の通り６時、６時半、７時、７時半、８時、８時半、９時の７点のデータとなる。

このような“該当データ”を用いて、日射量予報データの２点間を補間することで、図示の通り６時、６時半、７時、７時半、８時、８時半、９時の７点のデータより成る日射量予測データを生成する。但し、９時は次の２点間（９時と１２時）に含まれるものとすれば、９時を除外した６点のデータより成る日射量予測データを生成することになる。

これは、特に、生成される日射量予測データの変動パターンが、上記「参照カーブデータ」における“該当データ”の変動パターンと近似したものとなるように、日射量予測データを生成する。その為に、一例としては例えば、日射量予測データと参照カーブデータとの比（相互に対応するデータ同士の比。後述するＣ（ｉ）／Ｆ（ｉ）等；つまり、同じ時間ｉに係るデータ同士の比）がほぼ等差になるようにして、日射量予測データを生成する。これについては、後に図４等を参照して詳細に説明する。

既に述べたように、「参照カーブデータ」は過去の実績データに基づいて（たとえば平均値等）作成されるものであり、予測対象日の変動パターンも“該当データ”の変動パターンと略同様となる可能性が高いと考えられる。これより、本手法によって生成される日射量予測データは、日射量予報値の補間データを精度良く作成できたものであり、日射量の予測の精度向上を図ることができるものと考えられる。上記の通り、太陽光発電量の予測は、日射量予測値を用いて行われるのであるから、太陽光発電量の予測の精度向上も図ることができるものと考えられる。

一方、従来のスプライン補間による日射量予測データは、図３（ｂ）に点線で示すように、単に補間対象となる日射量予報データの各点（６時、９時、１２時、１５時）を通る、なめらかな曲線となるものであり、「参照カーブデータ」の変動パターンとは何等関係ないパターンとなる。よって、既に述べたように、スプライン補間の場合、各点間における変化を捉えて補間することは出来ず、補間精度が良くない。

本手法の日射量予報データの補間による日射量予測データの生成について、以下、更に詳細に説明する。
まず、図４は、取得される日射量予報データと参照カーブデータ、これらのデータに基づいて生成される日射量予測データの他の具体例である。

図４（ａ）の例では、日射量予報データは、３時間間隔の８点のデータ（図上、丸（○）で示す）から成る。また「参照カーブデータ」は、ここでは特に各点を示すことなく各点を繋いだ線として示すが、実際には上記図３と同様に３０分間隔の複数の点より成るものである。同様に、日射量予測データも、図では図示の点線で示すが、実際には３０分間隔の複数の点より成るものである。

そして、日射量予報データの上記８点について、相互に隣接する２点毎に、この２点間を補完する３０分間隔の複数の点を生成することで、３０分間隔の日射量予測データを生成する。これは、上述したように、例えば一例としては、日射量予測データと参照カーブデータの比がほぼ等差となるようにして、日射量予測データを生成する。

ここで、図４（ｂ）には、上記８点のうちの任意の２点に係る拡大図を示す。
図４（ｂ）において、Ｆ_０とＦnが、日射量予報データの上記８点のうちの任意の２点のデータである。また、参照カーブデータの該当部分（上記２点間の時間帯に対応する部分）のデータは、Ｃ（ｉ）（ｉ；０，１，２，３、・・・、ｎ−１、ｎ）で表すものとする。Ｃ（０）がＦ_０に対応し、Ｃ（ｎ）がＦｎに対応するものである。尚、“対応する”とは、同じ時間のデータである意味であり、例えばＦ_０が９時のデータであり、Ｆｎが１２時のデータであるならば、Ｃ（０）は９時のデータであり、Ｃ（ｎ）は１２時のデータであることになる。

また、各Ｃ（ｉ）に対応する各Ｆ（ｉ）（ｉ；０，１，２，・・・、ｎ−１、ｎ）が、３０分間隔の日射量予測データの各点を示す。
尚、ここでは、日射量予報データが３時間間隔で参照カーブデータが３０分間隔であるので、ｎ＝６となる（よって、上記ＦnはＦ_６と記してもよい）。

ここで、下記の（１）式を変形して得られる（２）式が、日射量予測データと参照カーブデータの比がほぼ等差になるようにＦ（ｉ）を求める式である。

上記（１）式における「Ｃ（ｉ）／Ｆ（ｉ）」が、上記「日射量予測データと参照カーブデータの比」に相当する。
上記（１）式、（２）式は、基本的には、参照カーブデータの該当部分の両端（Ｆ_０、Ｆｎにそれぞれ対応する点）のデータを用いるものであり、それ故、（１）式、（２）式におけるＣ_０、Ｃｎの代わりに、Ｃ（０）、Ｃ（ｎ）を用いるものであってもよい（下記の（１）’式、（２）’式とするものであってもよい）。但し、ここではＣ_０、Ｃｎを用いる上記（１）式、（２）式を用いるものとする。

ここで、下記の（３）式が、Ｃ_０、Ｃｎの算出式である。すなわち、（３）式においてｊ＝０、ｎとすることで、Ｃ_０、Ｃｎが算出される。

（但し、
Ｃ（ｉ），Ｃ（ｔ）；参照カーブ（時間間隔３０分のデータ）
Ｃｊ ；前後±１時間３０分（または±３時間）の参照カーブの平均値（時間間隔が３時間または６時間）：特に、ｊ＝０の場合は、Ｃ（０）とその前後±１時間３０分（または±３時間）の参照カーブの平均値。ｊ＝ｎの場合は、Ｃ（ｎ）とその前後±１時間３０分（または±３時間）の参照カーブの平均値。

Ｆ（ｉ）；求める３０分補間値（３０分値の日射量予測データ）
Ｆｊ ；入力される日射量予報データ（３時間値または６時間値）
ｎ＝６（３時間値対応）または１２（６時間値対応）
ｍ；予め任意に決めてよい任意の整数（ｍ＝０，１，２，・・・の何れか）
ｊ＝０、ｎ
ｉ＝０，１，２，・・・，ｎ
尚、３０分値ではなく１時間値などであってもよい。）
これは、「参照カーブデータ」にはバラツキがあることを考慮して、Ｃ（０）、Ｃ（ｎ）それぞれについて、そのデータと前後ｍ個のデータ（本例ではｍ＝３とし、時間でいうと前後±１時間３０分）の計（２ｍ＋１）個のデータを用いて平均して均すことで、Ｃ（０）、Ｃ（ｎ）を補正したものが、Ｃ_０、Ｃｎであると見做してよい。これによって、バラツキによる悪影響を抑え、適切な日射量予測データが得られることが期待できる。また、参照カーブデータＣ（ｉ）を用いる（１）’式及び（２）’式は、（１）式及び（２）式のｍ＝０（その値の前後±０個のデータを平均する）の場合と同等となる。

例えば、ｎ＝６、ｍ＝３の場合、Ｃ_０とＣ_６が求められることになるが、例えばＣ_６に関しては、Ｃ_６＝｛Ｃ（３）＋Ｃ（４）＋Ｃ（５）＋Ｃ（６）＋Ｃ（７）＋Ｃ（８）＋Ｃ（９）｝÷７ によって求められることになる。尚、Ｃ（７）、Ｃ（８）、Ｃ（９）は、Ｃ（ｎ＋１）、Ｃ（ｎ＋２）、Ｃ（ｎ＋３）に相当し、次の時間帯のデータであり、仮に対象時間帯が６時〜９時であったとしたならば、Ｃ（７）、Ｃ（８）、Ｃ（９）は、例えば９時半、１０時、１０時半のデータである。

あるいは、上記算出式の各変数は、下記のように定義してもよい。
｛但し、
Ｃ（ｉ），Ｃ（ｔ）；日射量変動パターンの日射量データ
Ｆ（ｉ）;日射量予測データ
（ｉ＝０，１，２，・・・，ｎ）
ｊ＝０、ｎ
Ｃｊ（ｊ＝０でＣ_０、ｊ＝ｎでＣｎ）；Ｃ_０は、Ｃ（０）とその前後所定時間分の日射量データの平均値。Ｃｎは、Ｃ（ｎ）とその前後所定時間分の日射量データの平均値。

Ｆｊ（ｊ＝０でＦ_０，ｊ＝ｎでＦｎ）；日射量予報値 ）
ｍ；予め任意に決めてよい任意の整数（ｍ＝０，１，２，・・・の何れか）
ｎ；任意の整数；基本的には、日射量予報値の時間間隔と日射量データの時間間隔とで決まる値。｝
上記算出式（２）、（３）を、図３（ａ）の例に適用した場合、例えば図５に示す結果が得られることになる。

図５において、Ｆ_０、Ｆ_６、Ｆ_１２が、３時間間隔の日射量予報データの一例であり（よって、ここではｎ＝６）、ここではそのうちのＦ_０、Ｆ_６が、処理対象の２点であるものとする。また、この２点の時間帯に対応する参照カーブデータＣ（ｉ）（ｉ；０〜６）が、図示のＣ（０）、Ｃ（１）、Ｃ（２）、Ｃ（３）、Ｃ（４）、Ｃ（５）、Ｃ（６）である。

基本的には、これらＦ_０、Ｆ_６とＣ（ｉ）（ｉ；０〜６）を用いて、上記（２）’式によって、３０分間隔の日射量予測データＦ（ｉ）（ｉ；０〜６）を算出することになる。但し、本例では、上記（３）式によって求めたＣ_０、Ｃｎを用いて、上記（２）式により３０分間隔の日射量予測データＦ（ｉ）（ｉ；０〜６）を算出する。すなわち、図示のＦ（０）、Ｆ（１）、Ｆ（２）、Ｆ（３）、Ｆ（４）、Ｆ（５）、Ｆ（６）が、求められることになる。

尚、Ｃ_０とＣ_６の算出方法は上記の通りであり、図示のように、基本的にはＣ（０）、Ｃ（６）と同一となることはない（同一となるケースは少ない）。また、図の例では分かり難いかもしれないが、例えばＣ（０）とＣ（６）が（バラツキが大きいために）図示のＣ（ｉ）（ｉ；１〜５）を繋いだ線の延長線上から大きく外れた位置にある場合でも、Ｃ_０とＣ_６は、この延長線に近いものとなる可能性が高いことになる。

尚、上記（２）式によれば、ｉ＝０の場合にはＦ（０）＝Ｆ_０×（Ｃ（０）／Ｃ_０）となるので、上記のようにＣ（０）とＣ_０とが異なる場合には、図示のようにＦ（０）とＦ_０とは異なるものとなる。これは、ｉ＝６の場合も略同様である。

図示のように、本手法により算出される３０分間隔の日射量予測データＦ（ｉ）（ｉ；０〜６）の変動パターンは、参照カーブデータＣ（ｉ）（ｉ；０〜６）の変動パターンまたはその補正データ（Ｃ_０、Ｃｎ、Ｃ（ｉ）（ｉ；１〜５））の変動パターンと、近似したものとなる。

尚、Ｃ（ｉ）、Ｆ（ｉ）の何れも、万が一、負の値となった場合には、‘０’と見做すものとする。
最後に、上記日射量予測データと参照カーブデータの比がほぼ等差になるようにすることに関して、図６の具体例を用いて説明する。

図６の例では、「日射量予測データと参照カーブデータの比（Ｃ（ｉ）／Ｆ（ｉ））」は、ｉ＝０のとき２．００、ｉ＝６のとき１．５０であり、これらの間を、ｉ＝１のとき１.９２、ｉ＝２のとき１.８３、ｉ＝３のとき１.７５、ｉ＝４のとき１.６７、ｉ＝５のとき１.５８、というように変化している。

ここで、「日射量予測データと参照カーブデータの比（Ｃ（ｉ）／Ｆ（ｉ））の変化率」は、例えば“１００×（現データ−前データ）／前データ”により求めることができるものとする。例えば、ｉ＝３のデータが現データの場合には、
変化率＝“１００×（１．７５−１．８３）／１．８３”≒４．３７（％）となる。

あるいは、日射量予測データと参照カーブデータの比の差（隣り合う２項同士の差）は、例えばｉ＝０とｉ＝１に関しては２．０−１．９２＝０．０８であり、ｉ＝１とｉ＝２に関しては１．９２−１．８３＝０．０９であり、他も同様に差を求めると何れも０．０８や０．０９程度である。従って、日射量予測データと参照カーブデータの比が、ほぼ等差であるものと言える。

尚、「等差数列」等でよく知られているように、「等差」とは、隣り合う二つの項の差を取ると、常に一定数となるものである。例えば、「３，６，９，１２，１５，１８」は明らかな等差数列である。そして、ここでは「ほぼ等差」とは、完全に一定数ではなくても、ほぼ一定数であることを意味するものとする。

また、図７は、本手法を従来の線形補間（直線補間）を比較して示す図である。
図７は、本手法、線形補間それぞれの日射量予測データを示すと共に、同時期の日射量変動パターン（参照パターン）を示す。

図示の通り、日射量予測データは、本手法の場合、変動パターンが過去の同時期の変動パターンと近いものとなり、精度が高いものと考えられる。一方、図から明らかなように、線形補間の場合には、過去の同時期の変動パターンと大きくことなり、精度が低いものと考えられる。

尚、特に図示等しないが、本例の日射量予測装置は、例えば下記の各機能部を有するものと見做すこともできる。尚、下記の各機能部は、上記演算装置１３が上記アプリケーションプログラムを実行することにより実現される。
・データの時間間隔が比較的長い日射量予報値を取得する日射量予報値取得部。
・予め過去の日射量実績データに基づいて作成された、データの時間間隔が太陽光発電量予測データと同じである日射量変動パターンを、複数種類記憶する日射量変動パターン記憶部。
・データの時間間隔が比較的短い太陽光発電量予測データを生成するための日射量予測データを生成する機能部であって、上記取得された日射量予報値の各データ間を、上記複数種類の日射量変動パターンのうちの何れかを用いて補間することで、データの時間間隔が太陽光発電量予測データと同じであり、且つ、補間に用いた日射量変動パターンと近似する変動パターンの日射量予測データを生成する日射量予測データ生成部。

また、“補間に用いた日射量変動パターンと近似する変動パターンの日射量予測データを生成する”処理の具体例は、例えば、上記日射量予測データ生成部が、上記日射量予測データと上記日射量変動パターンの日射量データとの比がほぼ等差となるように、日射量予測データを生成するものである。但し、この例に限らない。

また、上記“日射量予測データと上記日射量変動パターンの日射量データとの比がほぼ等差となるように、日射量予測データを生成する”処理の具体例は、例えば上記（２）式及び（３）式や、上記（２）’式であるが、これらの例に限らない。

以上説明したように、本手法では、例えば３０分間隔の参照カーブデータを用いることで、３時間間隔または６時間間隔データの３０分間隔データへの値補間処理を行う。換言すれば、参照カーブを、入力される３時間間隔値（ｎ＝６）または６時間間隔値（ｎ＝１２）に合うようにフィッティングする。

特に、補間に用いた日射量変動パターンと近似する変動パターンの日射量予測データを生成することができる。これは、例えば、日射量予測データと参照カーブデータとの比がほぼ等差になるようにして、日射量予測データを生成するものである。これによって、参照カーブと近似した変動パターンの日射量予測データが求められることになり、データ間の変化を過去の実績を十分に捉えて補間することができ、これは日射量予報値の補間データの精度が良いものと言えるものであり、以って太陽光発電量の予測の精度向上を図ることができる。

以上、本手法によれば、データ間隔の粗い気象予報値（３時間間隔の日射量予報データ等）に対して、過去の実際の日射量データに基づいて予め作成されている参照カーブデータを用いて、精度良く補間を行うことができ、これにより、予測精度の向上が可能となり、有用である。特に、過去の実績データをもとにデータの変化比率を考慮したデータ補間をすることにより、補間の精度向上が図れる。

１０ 日射量予測装置
１１ 入力装置
１２ 出力装置
１３ 演算装置
１４ データベース
２１ 補間処理部
２２ 参照カーブデータ入力部
２３ 参照カーブデータパターン管理部
２４ 時間間隔設定部

Claims (6)

1. 日射量予報値を取得する日射量予報値取得手段と、
   予め過去の日射量実績データに基づいて作成された日射量変動パターンを、複数種類記憶する日射量変動パターン記憶手段と、
   太陽光発電量予測データを生成するための日射量予測データを生成する手段であって、前記取得された日射量予報値の各データ間を、前記複数種類の日射量変動パターンのうちの何れかを用いて補間することで、補間に用いた日射量変動パターンと近似する変動パターンの日射量予測データを生成する日射量予測データ生成手段と、
   を有することを特徴とする日射量予測装置。
2. 前記日射量予測データ生成手段は、所定時間内における各々の予測時点での前記日射量予測データと前記日射量変動パターンの日射量データとの比がほぼ等差となるように、該日射量予測データを生成することを特徴とする請求項１記載の日射量予測装置。
3. 前記日射量予測データ生成手段は、下記の式により日射量予測データＦ（ｉ）を求めることで、前記日射量予測データと前記日射量変動パターンの日射量データとの比がほぼ等差となるように、該日射量予測データを生成する、
   （但し、
   Ｃ（ｉ），Ｃ（ｔ）；日射量変動パターンの日射量データ
   ｉ＝０，１，２，・・・，ｎ
   Ｃｊ（ｊ＝０でＣ_０、ｊ＝ｎでＣｎ）；Ｃ_０は、Ｃ（０）とその前後所定時間分の日射量データの平均値。Ｃｎは、Ｃ（ｎ）とその前後所定時間分の日射量データの平均値。
   Ｆ_０，Ｆｎ ；日射量予報値）
   ことを特徴とする請求項２記載の日射量予測装置。
4. 前記日射量予測データ生成手段は、下記の式により日射量予測データＦ（ｉ）を求めることで、前記日射量予測データと前記日射量変動パターンの日射量データとの比がほぼ等差となるように、該日射量予測データを生成する、
   （但し、
   Ｃ（ｉ）；日射量変動パターンの日射量データ
   ｉ＝０，１，２，・・・，ｎ
   Ｆ_０，Ｆｎ ；日射量予報値）
   ことを特徴とする請求項２記載の日射量予測装置。
5. 前記複数種類の日射量変動パターンは、各時期に応じた日射量変動パターンであり、
   前記日射量予測データ生成手段は、前記日射量予報値に係る時期に対応する日射量変動パターンを用いて、前記日射量予測データの生成を行うことを特徴とする請求項１または２記載の日射量予測装置。
6. コンピュータを、
   日射量予報値を取得する日射量予報値取得手段と、
   予め過去の日射量実績データに基づいて作成された日射量変動パターンを、複数種類記憶する日射量変動パターン記憶手段と、
   太陽光発電量予測データを生成するための日射量予測データを生成する手段であって、前記取得された日射量予報値の各データ間を、前記複数種類の日射量変動パターンのうちの何れかを用いて補間することで、補間に用いた日射量変動パターンと近似する変動パターンの日射量予測データを生成する日射量予測データ生成手段、
   として機能させる為のプログラム。