JP2013061800A - 発電予測装置およびその方法 - Google Patents

発電予測装置およびその方法 Download PDF

Info

Publication number
JP2013061800A
JP2013061800A JP2011199866A JP2011199866A JP2013061800A JP 2013061800 A JP2013061800 A JP 2013061800A JP 2011199866 A JP2011199866 A JP 2011199866A JP 2011199866 A JP2011199866 A JP 2011199866A JP 2013061800 A JP2013061800 A JP 2013061800A
Authority
JP
Japan
Prior art keywords
power generation
amount
time
prediction
total amount
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.)
Granted
Application number
JP2011199866A
Other languages
English (en)
Other versions
JP5439450B2 (ja
Inventor
Makoto Sato
藤 誠 佐
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.)
Toshiba Corp
Original Assignee
Toshiba 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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP2011199866A priority Critical patent/JP5439450B2/ja
Priority to US13/536,042 priority patent/US9188701B2/en
Publication of JP2013061800A publication Critical patent/JP2013061800A/ja
Application granted granted Critical
Publication of JP5439450B2 publication Critical patent/JP5439450B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/02—Details
    • H01L31/02016—Circuit arrangements of general character for the devices
    • H01L31/02019—Circuit arrangements of general character for the devices for devices characterised by at least one potential jump barrier or surface barrier
    • H01L31/02021—Circuit arrangements of general character for the devices for devices characterised by at least one potential jump barrier or surface barrier for solar cells
    • 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

Abstract

【課題】高精度に発電量予測を行う。
【解決手段】発電量推定部は、PV発電データに基づき、太陽光発電システムが発電可能な最大発電量を時刻毎に推定する。発電阻害物総量推定部は、太陽光が太陽光発電システムに到達するまでに存在する発電阻害物質の合計である発電阻害物総量を、時刻毎に、推定する。日射重み算出部は、予測対象エリアの３次元空間を複数の分割した３次元セルに対して、各時刻の太陽の位置と、太陽光発電システムとを結ぶ直線との重なりに基づいて、発電阻害物総量に対する３次元セルの影響度を表す日射重みを、時刻毎に、算出する。発電阻害物推定部は、予測対象時刻における発電阻害物量を各３次元セルについて推定する。発電量予測部は、予測対象時刻における発電阻害物総量を算出し、算出した発電阻害物総量と、予測対象時刻に対応する最大発電量とに基づき、予測対象時刻の発電量を予測する。
【選択図】図１

Description

本発明の実施形態は、発電予測装置およびその方法に関し、たとえば複数サイトの発電データをセンターで収集し、最新の気象情報と組み合わせることによって、数時間先まで予測を高精度に行うことが可能な太陽光発電システムの短期発電量予測装置に関する。
太陽光発電システムの発電量は日照の影響を受け不安定となるため、短期的な発電量を予測する装置が注目されている。太陽光発電システムの短期発電量予測に関して、次の方法が知られている。この方法は、ある時刻から予測対象時間範囲の気象予報データと、その時刻までの日照値時系列から、回帰モデルを用いて予測対象時間の日照値を短期予想し、発電量を予測するというものである。回帰モデルとしては、線形モデルやニューラルネットなどを利用することが可能である。また、特許文献１の方法は、ある時刻の発電状況から雲の状況を推定し、空間的な情報を用いて短期発電量予測を行うものである。ただし、雲の状況としては３次元的な空間情報としての処理については述べられていない。
特願2009-29211号公報
上で述べた回帰モデルを用いた技術により、さまざまな気象データから推定した気象予測結果と、実際の発電データを組み合わせることにより、ある程度正確な予測が可能になると期待できる。しかしながら、気象条件は太陽光発電システムの設置状況や季節、時間帯によりさまざまであり、どのような状況にも対応可能な回帰モデルの構築は困難であるため、予測精度に限界があるという問題点があった。また、上で述べた特許文献１の技術により、雲という空間的な情報を用いた発電量予測が可能になると期待できる。しかしながら、雲の動きには巻雲や積雲など垂直方向と水平方向の動きを考慮しなければいけないため、３次元空間情報を扱うことができなければ正確な雲の状況の推定や発電量予測は困難であるという問題点があった。
本発明は、以上の様な問題を解決するためになされたものであり、高精度の発電量予測が可能な発電予測装置およびその方法を提供することにある。
本発明の一態様としての発電予測装置は、PV発電データ格納部と、PV設備データ格納部と、発電量推定部と、発電阻害物総量推定部と、日射重み算出部と、気象状況データ格納部と、発電阻害物推定部と、発電量予測部とを備える。
前記PV発電データ格納部は、太陽光発電システムの発電量実績を時系列に記録したPV発電データを格納する。
前記PV設備データ格納部は、前記太陽光発電システムの設置位置および発電能力に関するPV設備データを格納する。
前記発電量推定部は、前記PV発電データに基づき、前記太陽光発電システムが発電可能な最大発電量を時刻毎に推定する。
前記発電阻害物総量推定部は、前記PV発電データと、前記PV設備データと、前記最大発電量に基づき、太陽光が前記太陽光発電システムに到達するまでに存在する発電阻害物質の合計である発電阻害物総量を、前記時刻毎に、推定する。
前記日射重み算出部は、予測対象エリアの３次元空間を複数の分割した３次元セルに対して、各前記時刻の太陽の位置と、前記太陽光発電システムとを結ぶ直線との重なりに基づいて、前記発電阻害物総量に対する前記３次元セルの影響度を表す日射重みを、前記時刻毎に、算出する。
前記気象状況データ格納部は、前記３次元セルの各領域に対して、気象状況データを格納する。
前記発電阻害物推定部は、前記発電阻害物質総量と、前記日射重みと、前記気象状況データに基づいて、予測対象時刻における発電阻害物量を各前記３次元セルについて推定する。
前記発電量予測部は、推定された発電阻害物量と、前記予測対象時刻における日射重みに基づき、前記予測対象時刻における前記発電阻害物総量を算出し、算出した発電阻害物総量と、前記予測対象時刻に対応する前記最大発電量とに基づき、前記予測対象時刻の発電量を予測する。
本発明の一実施形態に関わる太陽光発電システムの短期発電予測装置の構成図である。 本発明の一実施形態に関わる動作フロー図である。 本発明の一実施形態に関わるシステムの全体図である。 PV発電データの例を示す図である。 PV設備データの例を示す図である。 晴天時発電量推定の例を示す図である。 発電阻害物総量推定の例を示す図である。 ３D空間日射重み算出の例を示す図である。 気象状況データの例を示す図である。 発電阻害物量スムージング結果の例を示す図である。 気象状況データ補正の例を示す図である。 発電予測の例を示す図である。
以下、図面に基づいて、本発明の実施の形態について説明する。
太陽光発電システムの発電量は、気象条件の影響を大きく受ける。太陽光発電パネルを構成する半導体は、温度と日照値により発電能力が決定する。パネルの温度が高くなる場合や日照値が低くなる場合には、発電量が大きく低下する。パネルの温度は気温と日照量に、日照量は太陽の方位や雲、エアロゾルなどの浮遊物質量などの影響を受け変化する。あるエリアの太陽光発電システムが、これからどの程度の電力を発電できるのかを知ることは、安定的な電力システムの維持のために重要となる。
図３は本発明の一実施形態に係るシステムの全体図である。図３において、複数の太陽光発電(PV)システム３０１が分散して存在し、ネットワークに接続されている。ネットワークを介して存在するPV発電予測サーバ３０２は、これらのPVシステムの発電量データを収集することが可能である。収集されたデータはPV発電DB３０３に蓄積される。また、PV発電予測サーバ３０２は、PVシステムのそれぞれについて、設置位置や発電能力などの設備情報を保持している。PV設備情報はPV設備DB３０４に蓄積される。近年、ネットワークを介して、さまざまな気象状況に関するデータや予測データを入手することが可能になっている。PV発電予想サーバ３０２は気象状況データ提供サーバ３０５から、そのようなデータの最新の情報を入手することが可能である。
ただし、得られる気象状況データは、１日に２回のみの更新などリアルタイムな情報が得られないものも含まれる。一方、発電量予測は現在時点から数時間〜１日程度の未来までの時間範囲について正確な予測を行う必要がある。現実の気象状況を正確に推定した上で、PV発電データと組み合わせることにより、発電量予測を行うことが重要となる。特に、本実施形態では、太陽の方位などの影響を受けやすい太陽光発電システムの性質を考慮し、PV発電データを用いて、３次元空間上の気象状況推定を行うことを特徴とする。
図１は、本実施形態に関わる太陽光発電システムの短期発電予測装置の一実施の形態を示した構成図である。
図1に示されるように、この太陽光発電システムの短期発電予測装置は、PV発電データ格納部１０１、PV設備データ格納部１０２、晴天時発電量推定部１０３、発電阻害物総量推定部１０４、３D空間日射重み算出部１０５、気象状況データ格納部１０６、発電阻害物量スムージング部１０７、気象状況データ補正部１０８、発電量予測部１０９、を備えている。この短期発電予測装置は、図１のPV発電予測サーバ３０２に搭載されることができる。図1の装置の各機能は、CPU等のプロセッサを含むコンピュータに実行させるプログラムモジュールとして実現することができる。当該プログラムモジュールは、ハードディスク、メモリ装置、CD-ROM等のコンピュータ読取可能記録媒体に格納されてもよい。
PV発電データ格納部１０１には、対象エリア内の複数のPVシステムから収集された発電実績データが格納される。
発電実績データは、a) {時刻、電圧、電流}の組み合わせや、b) {時刻,電力}の組み合わせの時系列データが含まれる。なお、a)の電流と電圧をかけ合わせることによりb)の電力と同じものが得られる。これらの時系列データが、各PVシステムについて識別可能な状況で蓄積される必要がある。
また、例えば、同じサイトにあるPVシステムだとしても、設置されている角度などが大きく異なる場合には、それぞれについて個別にデータが必要である。ある日のある時刻から未来の短期予測を行う際には、その日の該当時刻までの発電実績データだけではなく、数日〜1ヶ月程度前からの発電実績データも得られている必要がある。
データのサンプリング間隔は、予測当日のデータは1分おきや10分おきなど、ある程度細かい時間間隔で得られている必要があるが、前日以前のものについては、例えば、30分毎などでもよい。
以下では、発電実績データとして、時刻と電力のデータが得られているものとして話を進める。
図４はあるサイトに存在するPVシステムのPV発電データの例を示している。
図４において、３日前からの電力データがX軸を時刻としてプロットされている。本日分のデータは、紙面の手前に強調して大きく表示されている。
PVシステムの発電量は日の出に伴って上昇し、日没に伴って減少する。夜間においては、発電量は０である。多くの場合、晴天環境下ならば発電量は放物線上になる。しかし、雲の発生に伴い、放物線が欠けたような形状401a,401b,401c,401dが現れる上、発電量は不安定になる。
また、地球の公転により太陽の見かけ上の動きも日々わずかに変化し、発電量に大きく影響を与える。ただし、公転などに起因する太陽軌道の変化は、発電量予測という点からは比較的扱うことが容易である。それよりも、雲や黄砂などのエアロゾルなど、太陽とPVシステムが設置されたサイトの中間に存在する日照阻害物が、発電量予測を困難にする。
そこで本実施形態では、晴天時の発電量予測と、日照阻害物の存在を分離して扱うことにする。
PV設備データ格納部１０２には、複数の太陽光発電システムの設置位置や発電能力など、太陽光発電システムの気象に関係する設備情報がPV設備データとして格納される。
図５は、PV設備データの例を示す。
サイトID、緯度・経度、発電能力、パネル仰角、パネル方位角などが蓄積されている。
発電能力は定格の電流値と電圧値でもよい。また、パネル方位角180°とは真南のことである。
同じサイトにあるPVシステムでも例えば、パネルの方位角などが異なるものについては、異なるIDで管理される必要がある。また、例え同じ方角であっても、大規模なシステムではサブシステムごとに異なるIDで管理してもよい。ただし、サイトIDとPV発電データのIDは対応している必要がある。
晴天時発電量推定部１０３では、PV発電データ１０１に格納されたPV発電データを用いて、予測対象日の予測対象時刻前後の時間帯が晴天だったと仮定した場合に太陽光発電システムが発電可能な発電量（最大発電量）を、晴天時発電量として推定する。
この推定は、サイトIDで特定される各サイトについて行なわれる必要があり、推定結果は、時刻と発電量の曲線によって表すことができる。
ここで、晴天時とは、日照阻害物が全く存在しないという意味ではなく、発電がある程度安定するくらい相対的に十分少ないという意味である。
図６は、晴天時発電量推定の例を示している。
図６において、６０１は、あるPVシステムについて、数日分の発電量カーブを重ねて表示したものである。いくつかの時刻では、雲などのためか発電が通常よりも落ちていると考えられる領域が存在する。そこで、例えば、以下の処理をすることで、晴天時発電量を推定することが可能である：
A1) それぞれの発電量時系列データに移動平均処理を行う
A2) 各時刻において、複数の発電量時系列の最大値を選択する
A3) 処理A2)によって得られた時系列データに移動平均処理を行う
図６における、６０２はA1)〜A3)の処理を、６０１の数日分の発電量データに施した結果を示している。
発電データにはある程度のノイズが含まれるため、移動平均処理などを組み合わせて最大値を算出することにより、晴天時発電量を推定することが可能になる。
仮に晴天だった場合の発電量が推定できたとすると、実際の発電データと比較することにより、雲やエアロゾルなど日照を阻害する物質の総量が、晴天時と比較してどの程度多いのか推定することが可能になる。
発電阻害物総量推定部１０４は、PV発電データ、PV設備データ、および、晴天時発電量の推定値を用いて、照射された太陽光が太陽光発電システムに到達するまでに存在する発電阻害物質の合計値を発電阻害物総量として推定する。以下、発電阻害物総量をYで表す。
図７は発電阻害物総量推定の例を示している。図７の例では、以下の処理を行っている。
B1) 晴天時発電量６０２（図６参照）を発電能力５０１（図５参照）で正規化し、日照量換算した最大日照量カーブ７０１を算出する。例えば、定格が1000W/m2で300kW/hのシステムで、ある時刻の発電量が330kW/hだった場合には、330/300*1000 = 1100W/ m2の日照が晴天時に期待できると算出する。
B2) 処理B1)と同様に、予測対象時刻の実際の発電量を発電能力５０１で正規化し、日照量換算した日照量推定値カーブ７０２を算出する。
B3) 最大日照量カーブ７０１から日照量推定値カーブ７０２を減じることによって、各時刻の発電阻害物総量Y(s, t)を推定する。ただし、sはサイトを、tは時刻を表す。７０３は、推定した発電阻害物総量カーブを示す。
このような処理を、現在時刻までの過去数時間のPV発電データに対してすべてのサイトにおいて行うことにより、発電阻害物総量ベクトル{Y(t), T0≦t≦T1}が得られる。ここで、T0は発電阻害物総量の推定開始時刻、T1は現在時刻である。なお、Y(t)のベクトル長はサイト数に等しいことになる。
例えば、ある時刻において、最大日照量が1100W/ m2、実際の発電量が900W/ m2相当だった場合、1100-900=200W/ m2分の日照阻害物が、その時刻の大気中に晴天時より多く存在することになる。具体的には、サイトの存在する地点から、太陽までを結んだ直線上に存在することを意味する。それらの日照阻害物が具体的にどの位置に存在するのか把握でき、今後どのように移動するのか予測できれば、発電量を正確に予測することが可能になる。
３D空間日射重み算出部１０５は、PV発電データとPV設備データを用いて、予測対象エリアの３次元の空間を均等に区切った３次元セルに対して、各時刻の太陽の位置と設備位置を結ぶ直線と３次元セルとの重なりに基づいて、日射に対する３次元セルの影響度を表す３D空間日射重みを算出する。
図８に３D空間日射重み算出の例を示す。
図８において、地上より上の大気中の空間を３次元のメッシュ状に区切った領域が設定されていることが８０１に示されている。これらの領域を３次元セルと呼び(単にセルと呼ぶこともある)、このセルに対して属性値が割り当てられるものとする。
例えば、発電阻害物の量を表す変数をXとすると、ある時刻tと位置(x,y,z)で示される３次元セルの発電阻害物量はX(t,x,y,z)で表される。ここで、大文字のXは物理量を表す変数、小文字のxはセルのx座標を表す変数であり、異なるものを表している。また、以下では、X(t) = {Xt(x,y,z)}と表すことがある。
ある３次元セルI(x,y,z)にX(x,y,z)の発電阻害物質が含まれていたときに、サイトsの発電をどの程度阻害するのかを表す量が３次元空間日射重みWt(s)={WI(s)}である。図８において、８０２に位置するサイトsに対して時刻tにおける天球上の太陽位置が８０３である場合、８０２と８０３を結んだ線分が領域内を通過する３次元セルに正の重みが設定され、それ以外の重みは０となる。
重みの算出方法は、例えば、以下の算出方法が考えられる。
C1) 領域内を通過すれば１、そうでなければ０
C2) 領域内を通過する線分長を、３次元セルの対角する頂点の距離で正規化する
C3) 領域内を通過する線分長を、３次元セルの高さで正規化する
図８の例では、太線８０４の線分が領域内を通過するセルは、セルID={12,49,123}の３つのセルのみであり、処理C3によって重みWt(s) = {Wt(12) = 0.8, Wt(49) = 0.2, Wt(123) = 1.1}が算出されている。
ここで、仮にこれらのセルの発電阻害物量Xの値が{Xt(12) = 20, Xt(49) = 50, Xt(123) = 120}だった場合、発電阻害物総量Yt(s)は、
Yt(s) = Wt(12)*Xt(12)+Wt(49)*Xt(49)+Wt(123)*Xt(123) = 0.8*20 + 0.2*50 + 1.1*120
= 158 [W/ m2] ・・・(式1)
となる。
仮に先に示した例の様に、発電阻害物総量が200W/ m2と推定されていた場合には、上記の３つのセルのXの推定値がもう少し大きい必要があることが分かる。
３次元セルの大きさや粒度は、発電阻害物の発生する確率によって決定すればよい。例えば、大気中の対流圏より上には雲は発生しないので、それ以上の高さにセルを設定する必要はない。また、山など地形などの影響で大気が十分存在しえない場所に関してはセルが存在しないものと考えてよい。
PV発電データから得られた発電阻害物総量のデータYは非常にリアルタイム性が高く、正確なデータと考えることができる。しかし、空間上のどの位置に発電量阻害物が分布しているのかを網羅的に計測できるわけではなく、複数のサイトと太陽を結んだ線分上の情報のみが与えられることになる。それ以外の位置の発電阻害物の値を推定するためには、気象状況がどのようになっており、大気がどのように運動しているかを知ることが有用である。
気象状況データ格納部１０６は、発電量阻害物Xと同様に３次元セル上に気象状況データに対応する変数Zが設定されたものであり、各時刻tにおけるデータが気象状況データとして格納されている。
図９は気象状況データの例であり、３次元セルに対してその領域の風向を表す３次元ベクトルデータが格納されている。つまり、それぞれのセル９０２について、V={Vx,Vy,Vz}が設定されている。この他、セル内の大気の潜在温度(potential temperature)を気象状況データとして加えることもできる。
気象状況データZが格納されている３次元セルのインデックスと発電阻害物Xが格納されている３次元セルのインデックスは同じ領域をさすことが計算効率上は望ましいが、変換処理を行えばよいので必ずしも同じものである必要はない。
風速データVは気象台で観測された気象データに基づいて推定されたものを用いることも可能であるし、ドップラーレーダーなど風速を観測するレーダーから得られたものを用いてもよい。気圧などから風速を推定するための計算ソフトウェアについてはWRFなどから利用できる（文献[1]： Michalakes, J., J. Dudhia, D. Gill, T. Henderson, J. Klemp, W. Skamarock, and W. Wang, 2004: "The Weather Research and Forecast Model: Software Architecture and Performance.", Proceedings of the 11th ECMWF Workshop on the Use of High Performance Computing In Meteorology, 25-29 October 2004.）。
気象状況データは発電予測対象エリア内をカバーする広範囲の情報が得られるが、空間解像度や時間的な即応性などはPV発電データには劣っている。そこで、2つの情報を組み合わせることが正確な気象状況把握のために重要である。その際に、雲やエアロゾルなどの空間分布がどのようになっているか推定し、今後どのようになるのかを予測することが必要となる。
発電阻害物量スムージング部１０７は、発電阻害物総量Yと3D空間日照重みW、および、気象状況データZを用いて、３次元セル上の発電阻害物量Xを状態変数とした状態遷移方程式と観測方程式を算出し、状態スムージング処理により各時刻の発電阻害物量を推定する。ここでは、推定開始時刻T0から現在時刻T1までのT0≦t≦T1について、線形方程式：
D1) Xt+1 = F(Zt)*Xt + N(0, Qt)
D2) Yt = H(Wt)*Xt + N(0, Rt)
によってモデル化できる。
ここで、式D1が状態変数をXとしたときの状態遷移方程式であり、気象状況データZによって決定する状態遷移行列F(Z)と、共分散行列Qtによって決まる正規分布ノイズ成分との足し合わせによって決定する。N(0, Qt)は、平均０、共分散Qtの正規分布である。ここで、Xのベクトル長は３次元セルのセル数である。例えば、風向によって発電阻害物が時刻tからt+1の間に移流や拡散する量を、F(Z)=F(V)によって与えることができる。そのためには、移流拡散モデル（文献[1]）などを用いることにより状態遷移行列を決定することが必要である。また、共分散行列Qtは、気象状況データに含まれている場合もあるが、あらかじめパラメータとして与えることもできる。その場合は、パラメータσqを用いた対角行列Qt=σq 2*Iとすることができる。ここで、Iは単位行列である。状態遷移方程式D1により、Xの時間変化がモデル化できる。
また、式D2は状態変数Xに関する観測方程式である。式D2において、Ytは上で述べた時刻tの発電阻害物総量ベクトルである。また、H(Wt)は上で述べた、３次元空間日射重みWtによって決定される行列であり、Hの各行がサイトsに対応するWt(s)によって構成されている。また、共分散行列Rtは観測ノイズを表す正規乱数を決定するためのパラメータであり、例えば、パラメータσrを用いた対角行列Rt=σr 2*Iとすることができる。
このような線形行列と正規乱数による、状態遷移方程式と観測方程式を用いたシステムの状態推定は、例えば、カルマンフィルターと呼ばれるフィルタリングアルゴリズムによって行うことができる(文献[2]：G., Evensen, Data Assimilation: The Ensemble Kalman Filter, Springer-Verlag, ISBN-3642037100, 2009.)。
ただし、フィルタリングアルゴリズムは時刻t0〜tまでの観測Y0〜Ytを用いて時刻tの状態Xtを推定する（つまり現在時刻までに得られた観測を用いて、現在時刻の状態を推定する）アルゴリズムである。
本実施形態の対象問題は、観測の情報が少ないため、多くの状態遷移の情報を用いる必要がある。そこで、時刻t0〜tTまでの観測Y0〜YTを用いて時刻tの状態Xtを推定するスムージングアルゴリズムを用いることを特徴とする。ここで、Tは、推定期間の最後の時刻である。t≦Tである。つまり、推定期間内の現在時刻より後の観測も用いて、現在時刻の状態を推定する。スムージングアルゴリズムとしては、カルマンスムーサー、やアンサンブルカルマンスムーサーなどが提案されており（文献[2]）、それらの手法を用いることが可能である。
図１０は状態変数{X0〜XT}によって表される発電阻害物量スムージング結果の例を3D表示したものである。１００１はある時刻のXの値を表し、３段階あるZの一番上の層に雲らしき阻害物が存在することが分かる。また、異なる時刻では１００２のような阻害物が存在し、１００１のものが移動してきたと推測できる。このような推測結果をスムージングアルゴリズムによって推定開始時点T0から予測開始時点T1までの各時刻について推定する。なお、後述のように、本実施形態ではT1より後の発電を予測する。推定開始時点T0は、発電阻害物の移動の推定を開始する時刻であり、予測開始時点T1の一定時間前の時点T0から、発電阻害物移動の推定を行う。
気象状況データ補正部１０８は、発電阻害物量スムージング部１０７によって推定された発電阻害物量を用いて気象状況データを補正する。
図１１は気象状況データ補正の例を示す。
図１１において、１１０１が補正前の風向ベクトルVであり、発電阻害物のスムージングはこの風向ベクトルに基づいて行われる。１１０１では、３次元セル９０１(図９参照)の高さによって三種類の風向ベクトルが採用されており、時刻、x軸、y軸に関わらず一定値を取る場合を表している。また、１１０２が補正後の風向ベクトルV’である。
風向ベクトルの補正は、例えば、１００１と１００２の雲の時間変化を算出することで行うことができる。１００１と１００２のXの値の変化量を算出すると雲のエッジ部を抽出することが可能となるので、エッジの変化量をとらえて雲の時間変化を算出することが可能となる。すると、雲の時間変化を正解として風向ベクトルを補正することができる。セル上のエッジ抽出処理やオブジェクトの移動の検出は画像認識用ソフトウェア(例えば、GIMP ： http://www.gimp.org/)などで用いられているライブラリを用いることが可能である。なお、気象状況データの補正は、必須ではなく、本補正を行うことなく、以下の処理を継続することも可能である。
発電予測部１０９は、推定された発電阻害物量X(T1)と、気象状況データZ(T1)、晴天時発電量、および、PV設備データを用いて、発電阻害物量の状態遷移方程式を用いて予測対象時刻の発電阻害物量を予測し、予測対象時刻の太陽位置から太陽光発電システムまでの直線上に存在する発電阻害物総量を算出し、発電量を予測する。
予測対象時刻は、現在時刻（予測開始時点）T1から予測終了時点T2までの各時刻{t; T1＜t≦T2}であり、発電予測では、これらの各時刻について、発電阻害物量Xtの値を推定する。これは、式D1にしたがって、現在時刻の状態XT1を、状態遷移行列F(Z)で遷移させ、正規乱数を加えることにより推定できる。例えば、E1の式によって推定することが可能である。
E1) XT1+k = F(ZT1+k)*F(ZT1+k)*・・・*F(ZT1)*XT1 + Σk N(0, QT1+k)
ここで、ZT1+kは時刻T1+ΔT*kにおける気象状況を表しており、気象状況データ提供サーバから得られる気象予測データを用いて算出することができる。あるいは、補正された気象状況データZT1が維持されるとみなしてもよい。式E1の処理により時刻tにおける発電阻害物量が推定できることになる。
次に、各時刻tにおける各サイトから見た太陽の位置を算出し、それぞれの時刻について、３D空間日射重みWt(s)を算出する。すると、各時刻における各サイトの発電阻害物総量Yt(s)が、
F1) Yt(s) = Wt(s)*Xt
によって算出できる。
すると、時刻tの晴天時発電量推定値を日照値換算した値からこの値を引いたものを、PV設備データを用いて発電量換算することにより、予測時刻tにおけるサイトsの発電量が予測できる。これは、発電阻害物総量に一定係数を掛けた値を、晴天時発電量（最大発電量）から減じることにより、発電量を予測ことと同じ意味である。そして、それらの推定発電量をすべてのサイトで足し合わせることにより、発電量予測を行うことが可能となる。また、E1)の式は乱数を用いているため、複数回のサンプルについて予測を行うことにより、発電量の点予測ではなく、区間予測を行うことが可能になる。
図１２は発電予測の例を示している。
ある時刻における発電阻害物量Xの分布１２０１が示されている。サイト１２０２からみて時刻tでは太陽は位置１２０３にあり、現時点では雲によってある程度の発電が阻害されていることになる。仮に雲がなければサイト１２０２はカーブ１２０４に従って発電が可能である。雲１２０１は図の右側に進んでおり、太陽は左側に進んでいるため、現時点からある程度の時刻を過ぎると発電の阻害は起こらないことが分かる。このような状況で得られた予測結果が点線部分１２０６である。雲やエアロゾルなどの動き、太陽の動き、発電を阻害するものがない場合の発電推定値などを組み合わせることにより、正確な発電予測が可能となる。
図２は本発明の一実施形態に関わるフロー図である。
図２において、ステップ２０１において、PV発電データ、PV設備データ、気象状況データZtを読み込む。
ステップ２０２において、太陽光発電システムが晴天時に発電可能な晴天時発電量（最大発電量）を推定する。
ステップ２０３において、太陽光が太陽光発電システムに到達するまでに存在する発電阻害物質の合計である発電阻害物総量Ytを推定する。
また、ステップ２０４において、３次元セルに対して、太陽の位置と、太陽光発電システムとを結ぶ直線との重なりに基づいて、３D空間日射重みWtを算出する。
ステップ２０５において、前述したスムージング処理を行って、発電阻害物量Xtを推定する。
ステップ２０６において、推定された発電阻害物量Xtに基づいて、気象状況データZtの補正を行い、補正された気象状況データZ’tを算出する。なおステップ２０６を省略して、気象状況データの補正を行わないことも可能である。
最後にステップ２０７において、補正された気象状況データZ’tによって、状態変数Xtを状態遷移させ、発電量予測を行う。ステップ２０６で補正を行わない場合は、気象状況データZ’tに代えて、気象状況データZtを用いればよい。
上で述べた本実施形態では、気象状況データとして風向ベクトルVtのみを用いたが、３次元セル上の大気温度や気圧、水蒸気量などを利用することも可能である。そのような情報を用いる際には、例えば、式G1のように雲の発生などをモデル化するための項であるG(Zt)を導入することも可能になる。
G1) Xt+1 = F(Zt)*Xt +G(Zt)+ N(0, Qt)
以上、本実施形態によれば、３次元の気象データと、太陽軌道の３次元的な動きを利用しながら、実際の発電実績データに基づき、高精度な太陽光発電システム発電量の短期予測を実現できる。
なお、本実施形態は、集光型の太陽光発電システムや太陽追尾型の太陽光発電システムなどにも用いることが可能である。また、本実施形態は太陽光発電システムを扱ったものであるが、太陽熱を利用した発電システムも同様のふるまいを示すので、太陽熱発電システムなどにも利用可能である。
なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

Claims (8)

  1. 太陽光発電システムの発電量実績を時系列に記録したPV発電データを格納するPV発電データ格納部と、
    前記太陽光発電システムの設置位置および発電能力に関するPV設備データを格納するPV設備データ格納部と、
    前記PV発電データに基づき、前記太陽光発電システムが発電可能な最大発電量を時刻毎に推定する発電量推定部と、
    前記PV発電データと、前記PV設備データと、前記最大発電量に基づき、太陽光が前記太陽光発電システムに到達するまでに存在する発電阻害物質の合計である発電阻害物総量を、前記時刻毎に、推定する発電阻害物総量推定部と、
    予測対象エリアの３次元空間を複数の分割した３次元セルに対して、各前記時刻の太陽の位置と、前記太陽光発電システムとを結ぶ直線との重なりに基づいて、前記発電阻害物総量に対する前記３次元セルの影響度を表す日射重みを、前記時刻毎に、算出する日射重み算出部と、
    前記３次元セルの各領域に対して、気象状況データを格納する気象状況データ格納部と、
    前記発電阻害物質総量と、前記日射重みと、前記気象状況データに基づいて、予測対象時刻における発電阻害物量を各前記３次元セルについて推定する発電阻害物推定部と、
    推定された発電阻害物量と、前記予測対象時刻における日射重みに基づき、前記予測対象時刻における前記発電阻害物総量を算出し、算出した発電阻害物総量と、前記予測対象時刻に対応する前記最大発電量とに基づき、前記予測対象時刻の発電量を予測する発電量予測部と、
    を備えた発電予測装置。
  2. 前記発電阻害物推定部は、前記３次元セルの発電阻害物量を状態変数とする状態遷移方程式と、観測方程式を算出し、
    前記状態遷移方程式は、前記時刻の状態変数と、前記時刻における気象状況データによって決まる状態遷移行列とから、次の時刻の状態変数を計算し、
    前記観測方程式は、前記時刻の状態変数と、前記時刻の前記日照重みによって決まる行列とから、前記時刻における発電阻害物総量を計算するものであり、
    前記状態遷移方程式により前記予測対象時刻における発電阻害物量を推定し、
    前記発電量予測部は、前記観測方程式により、前記予測対象時刻における前記発電阻害物総量を算出する
    ことを特徴とする請求項１に記載の発電予測装置。
  3. 前記発電阻害物推定部により推定された発電阻害物量を用いて、各時刻における前記気象状況データを補正する気象状況データ補正部
    をさらに備え、
    前記発電阻害物推定部は、補正された気象状況データを用いて、前記状態変数の計算を行う、
    ことを特徴とする請求項２に記載の発電予測装置。
  4. 前記気象状況データは、前記３次元セルの各領域に対する風速ベクトルを含み、
    前記発電阻害物推定部は、前記風速ベクトルから算出された線形状態遷移行列を用いて前記状態遷移方程式を算出し、前記日照重みを用いた線形状態観測行列を用いて前記観測方程式を算出し、カルマンスムーサーによって状態スムージング処理を行う
    ことを特徴とする請求項２または３に記載の発電予測装置。
  5. 前記気象状況データは、前記３次元セルの各領域に対する風速ベクトルを含み、
    前記気象状況データ補正部は、前記発電阻害物量の空間微分値に基づきエッジを算出し、前記エッジの変化量に基づき、前記風向ベクトルを補正する
    ことを特徴とする請求項３に記載の発電予測装置。
  6. 前記日射重み算出部は、前記３次元セルに対する日射重みを、前記３次元セルの内部を通過する線分の長さに応じて決定する
    ことを特徴とする請求項１ないし５のいずれか一項に記載の発電予測装置。
  7. 前記発電量予測部は、前記発電阻害物総量に一定係数を掛けた値を、前記最大発電量から減じることにより、前記発電量を予測する
    ことを特徴とする請求項１ないし６のいずれか一項に記載の発電予測装置。
  8. 太陽光発電システムの発電量実績を時系列に記録したPV発電データに基づき、太陽光発電システムが発電可能な最大発電量を時刻毎に推定する発電量推定ステップと、
    前記太陽光発電システムの設置位置および発電能力に関するPV設備データと、前記PV発電データと、前記最大発電量に基づき、太陽光が前記太陽光発電システムに到達するまでに存在する発電阻害物質の合計である発電阻害物総量を、前記時刻毎に、推定する発電阻害物総量推定ステップと、
    予測対象エリアの３次元空間を複数の分割した３次元セルに対して、各前記時刻の太陽の位置と、前記太陽光発電システムとを結ぶ直線との重なりに基づいて、前記発電阻害物総量に対する前記３次元セルの影響度を表す日射重みを、前記時刻毎に、算出する日射重み算出ステップと、
    前記３次元セルの各領域の気象状況データと、前記発電阻害物質総量と、前記日射重みと、予測対象時刻における発電阻害物量を各前記３次元セルについて推定する発電阻害物推定ステップと、
    推定された発電阻害物量と、前記予測対象時刻における日射重みに基づき、前記予測対象時刻における前記発電阻害物総量を算出し、算出した発電阻害物総量と、前記予測対象時刻に対応する前記最大発電量とに基づき、前記予測対象時刻の発電量を予測する発電量予測ステップと、
    を備えた発電予測方法。
JP2011199866A 2011-09-13 2011-09-13 発電予測装置およびその方法 Active JP5439450B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2011199866A JP5439450B2 (ja) 2011-09-13 2011-09-13 発電予測装置およびその方法
US13/536,042 US9188701B2 (en) 2011-09-13 2012-06-28 Power generation predicting apparatus and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011199866A JP5439450B2 (ja) 2011-09-13 2011-09-13 発電予測装置およびその方法

Publications (2)

Publication Number Publication Date
JP2013061800A true JP2013061800A (ja) 2013-04-04
JP5439450B2 JP5439450B2 (ja) 2014-03-12

Family

ID=47830590

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011199866A Active JP5439450B2 (ja) 2011-09-13 2011-09-13 発電予測装置およびその方法

Country Status (2)

Country Link
US (1) US9188701B2 (ja)
JP (1) JP5439450B2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103545832A (zh) * 2013-09-22 2014-01-29 国家电网公司 一种基于发电预测误差的光伏系统储能容量配置方法
JP2018007312A (ja) * 2016-06-27 2018-01-11 藤崎電機株式会社 発電電力予測装置、サーバ、コンピュータプログラム及び発電電力予測方法
JP2018019555A (ja) * 2016-07-29 2018-02-01 株式会社関電工 影の影響を考慮した太陽光発電出力推定方法
JP2020013456A (ja) * 2018-07-20 2020-01-23 三井物産株式会社 評価支援装置、評価支援システム、プログラム及び方法

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2684061A4 (en) * 2011-03-09 2014-08-20 Solantro Semiconductor Corp EXAMINATION OF THE CONNECTIVITY OF POWER GENERATING COMPONENTS
US10069302B2 (en) * 2013-02-19 2018-09-04 Nec Corporation Power flow control system and power flow control method
JP6193008B2 (ja) * 2013-06-21 2017-09-06 株式会社東芝 予測システム、予測装置および予測方法
CN103675524B (zh) * 2013-11-14 2017-06-16 国家电网公司 一种光伏发电系统模型参数辨识测试方法
CN104200484B (zh) * 2013-12-16 2017-05-17 浙江工业大学 基于云团特征分析的分布式光伏系统超短期出力预测方法
EP2891904A1 (en) * 2014-01-07 2015-07-08 ABB Technology AB Solar irradiance forecasting
CN104601104B (zh) * 2014-12-22 2017-04-12 国家电网公司 基于lssvm带arma修正的超短期光伏预测方法
JP6584510B2 (ja) * 2015-08-07 2019-10-02 三菱電機株式会社 太陽光発電量予測装置および太陽光発電量予測方法
CN106650978B (zh) * 2015-10-29 2021-03-02 中国电力科学研究院 一种考虑太阳位置的光伏预测精度评估方法和装置
CN108320050B (zh) * 2018-01-11 2021-08-27 国家电网公司 一种基于风速预报提高光伏短期功率预测精度的方法
CN108959594B (zh) * 2018-07-12 2022-03-01 中国人民解放军战略支援部队信息工程大学 一种基于时变加权的能力水平评估方法及装置
CN109103926B (zh) * 2018-08-14 2020-01-03 清华大学 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
CN109376951B (zh) * 2018-11-21 2020-10-02 华中科技大学 一种光伏概率预测方法
EP3884556A2 (en) * 2018-11-23 2021-09-29 Aurora's Grid Sàrl A method and system for ageing-aware management of the charging and discharging of li-ions batteries
CN110059441B (zh) * 2019-04-29 2022-07-19 广东电网有限责任公司 一种光伏电站建模方法及光伏电站模型输出校正方法
CN110298511B (zh) * 2019-07-02 2023-11-21 辽宁科技大学 一种新型风电功率预测方法及装置
US11588437B2 (en) 2019-11-04 2023-02-21 Siemens Aktiengesellschaft Automatic generation of reference curves for improved short term irradiation prediction in PV power generation
CN112884200B (zh) * 2021-01-15 2024-04-16 国网电子商务有限公司 光伏电站组件清洗运维时间预测方法及装置
CN112861363B (zh) * 2021-02-23 2022-09-27 国网冀北电力有限公司智能配电网中心 光伏发电状态估计方法、装置及终端设备
CN113379143A (zh) * 2021-06-23 2021-09-10 阳光电源股份有限公司 一种典型气象年的构建方法、发电量预测方法及相关装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007184354A (ja) * 2006-01-05 2007-07-19 Mitsubishi Electric Corp 太陽光発電システム
JP2011087372A (ja) * 2009-10-14 2011-04-28 Nec Engineering Ltd 太陽光発電システムの発電量予測方法及び予測装置
JP2012043853A (ja) * 2010-08-16 2012-03-01 Tohoku Electric Power Co Inc 太陽光発電設備の発電出力推定方法
JP2012053582A (ja) * 2010-08-31 2012-03-15 Tokyo Electric Power Co Inc:The 太陽光発電設備の出力予測装置
JP5214000B2 (ja) * 2011-07-27 2013-06-19 中国電力株式会社 太陽光発電量把握システム及びこれを用いた負荷予想装置、負荷調整装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010186840A (ja) 2009-02-11 2010-08-26 Mitsubishi Electric Corp 太陽光発電システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007184354A (ja) * 2006-01-05 2007-07-19 Mitsubishi Electric Corp 太陽光発電システム
JP2011087372A (ja) * 2009-10-14 2011-04-28 Nec Engineering Ltd 太陽光発電システムの発電量予測方法及び予測装置
JP2012043853A (ja) * 2010-08-16 2012-03-01 Tohoku Electric Power Co Inc 太陽光発電設備の発電出力推定方法
JP2012053582A (ja) * 2010-08-31 2012-03-15 Tokyo Electric Power Co Inc:The 太陽光発電設備の出力予測装置
JP5214000B2 (ja) * 2011-07-27 2013-06-19 中国電力株式会社 太陽光発電量把握システム及びこれを用いた負荷予想装置、負荷調整装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
大関 崇 他: "太陽光発電の発電量予測の現状と課題", 電気学会研究会資料, JPN6013056849, 27 January 2011 (2011-01-27), pages 19 - 24, ISSN: 0002682812 *
橋本 岳 他: "太陽光発電のための画像処理による雲分類に関する基礎的研究", 電気学会論文誌Ｃ, vol. 第121-C巻、第12号, JPN6013056851, 1 December 2001 (2001-12-01), pages 1875 - 1882, ISSN: 0002682813 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103545832A (zh) * 2013-09-22 2014-01-29 国家电网公司 一种基于发电预测误差的光伏系统储能容量配置方法
JP2018007312A (ja) * 2016-06-27 2018-01-11 藤崎電機株式会社 発電電力予測装置、サーバ、コンピュータプログラム及び発電電力予測方法
JP2018019555A (ja) * 2016-07-29 2018-02-01 株式会社関電工 影の影響を考慮した太陽光発電出力推定方法
JP2020013456A (ja) * 2018-07-20 2020-01-23 三井物産株式会社 評価支援装置、評価支援システム、プログラム及び方法

Also Published As

Publication number Publication date
JP5439450B2 (ja) 2014-03-12
US9188701B2 (en) 2015-11-17
US20130066569A1 (en) 2013-03-14

Similar Documents

Publication Publication Date Title
JP5439450B2 (ja) 発電予測装置およびその方法
Zhang et al. A solar time based analog ensemble method for regional solar power forecasting
JP6759966B2 (ja) 太陽光発電システムの作動方法
Lauri et al. Using reanalysis and remotely sensed temperature and precipitation data for hydrological modeling in monsoon climate: Mekong River case study
Yadav et al. Solar radiation prediction using Artificial Neural Network techniques: A review
JP5047245B2 (ja) 日射量予測方法、装置及びプログラム
CN101975575B (zh) 基于粒子滤波的被动传感器多目标跟踪方法
Al-Yahyai et al. Nested ensemble NWP approach for wind energy assessment
Carneiro et al. Review on photovoltaic power and solar resource forecasting: current status and trends
JP2013526824A (ja) 太陽光発電予測システム並びに方法
Fogl et al. Influence of vegetation canopies on solar potential in urban environments
Lonij et al. Forecasts of PV power output using power measurements of 80 residential PV installs
JP2013164286A (ja) 日射量予測方法、太陽光発電出力予測方法、及びシステム
JP6949332B2 (ja) 雷危険度判定装置
JP5059073B2 (ja) 日射量予測装置、方法及びプログラム
Nespoli et al. An unsupervised method for estimating the global horizontal irradiance from photovoltaic power measurements
Brune et al. A wavelet‐based analysis of convective organization in ICON large‐eddy simulations
Zhang et al. Predictive analytics for comprehensive energy systems state estimation
Jayadevan et al. Forecasting solar power intermittency using ground-based cloud imaging
Huang et al. Predicting intra-hour variability of solar irradiance using hourly local weather forecasts
Hatanaka et al. Diffusion models for high-resolution solar forecasts
Wang et al. A quantitative comparison of precipitation forecasts between the storm-scale numerical weather prediction model and auto-nowcast system in Jiangsu, China
Haupt Short-range forecasting for energy
WO2017221343A1 (ja) 太陽光出力予測装置、電力系統制御装置及び太陽光出力予測方法
Arumugham et al. Modelling global solar irradiance for any location on earth through regression analysis using high-resolution data

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130909

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20131119

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20131216

R151 Written notification of patent or utility model registration

Ref document number: 5439450

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151