JP2013253805A - 情報処理装置、情報処理装置の制御方法及びプログラム - Google Patents
情報処理装置、情報処理装置の制御方法及びプログラム Download PDFInfo
- Publication number
- JP2013253805A JP2013253805A JP2012128078A JP2012128078A JP2013253805A JP 2013253805 A JP2013253805 A JP 2013253805A JP 2012128078 A JP2012128078 A JP 2012128078A JP 2012128078 A JP2012128078 A JP 2012128078A JP 2013253805 A JP2013253805 A JP 2013253805A
- Authority
- JP
- Japan
- Prior art keywords
- solar radiation
- value
- radiation amount
- amount
- predicted value
- 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
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
【解決手段】日射量の予測値と観測値との差分である誤差データと日射量の予測値とを、日射量の予測値の大きさに応じて複数のグループの少なくともいずれかに分類し、各グループに分類された日射量の予測値に基づいて各グループにおける日射量の代表値を求め、各グループへ分類された誤差データに基づいて各グループにおける誤差データのばらつきの指標値を求め、日射量の新たな予測値を取得し、日射量の新たな予測値と各グループの日射量の代表値との比率に応じて各グループの誤差データのばらつきの指標値を補間することにより、日射量の新たな予測値に対応するばらつきの新たな指標値を求め、日射量の新たな予測値とばらつきの新たな指標値とに基づいて、日射量の新たな予測値に対する信頼区間の上限値及び下限値を求める情報処理装置。
【選択図】図8
Description
そのため、特許文献2や非特許文献4のように、日射量の予測が外れることを前提として、日射量の予測値の確からしさを評価する技術が開発されている。
このため、日射量の予測値の確からしさが的確に反映された信頼区間を求めることを可能とする技術が求められている。
本発明の実施形態に係る日射量予測解析装置100は、日射量予測解析システム1000を構成する。図1を参照しながら日射量予測解析システム1000の全体構成について説明する。
日射量予測解析システム1000は、日射量予測解析装置100と、日射量予測情報提供装置200と、太陽光発電装置600とが、ネットワーク300を介して通信可能に接続されて構成される。
日射量予測情報提供装置200は、日射量の予測値を提供するコンピュータである。日射量予測情報提供装置200は、所定のアルゴリズムに従い、各種気象データ等を用いて例えば1時間後から24時間後までの1時間毎の日射量の予測値を算出し、そして例えば毎日所定時刻(例えば3時、9時、15時、21時)になると、これらの日射量の予測値を、ネットワーク300を介して日射量予測解析装置100に送信する。
太陽光発電装置600は、太陽光のエネルギーを電力エネルギーに変換することが可能な発電装置である。太陽光発電装置600は、日射量を計測するためのセンサーを備えており、例えば1時間毎に日射量を計測している。そして太陽光発電装置600は、日射量の観測値や発電量を、例えば1時間毎に、ネットワーク300を介して日射量予測解析装置100に送信する。
日射量予測解析装置100は、太陽光発電装置600から取得した日射量の観測値を用いて、日射量予測情報提供装置200から取得した日射量の予測値の誤差や誤差のばらつき等を算出し、日射量の予測値に対する信頼区間を求めることが可能な情報処理装置である。
次に、日射量予測解析装置100の構成について、適宜図面を参照しながら説明する。
日射量管理テーブル500は、日射量予測情報提供装置200や太陽光発電装置600から定期的に送信されてくる日射量の予測値や観測値を記憶しておくテーブルである。また日射量管理テーブル500には、日射量の予測値と観測値を用いて日射量予測解析装置100が算出した日射量の誤差データも記憶されている。
「日射量実績値」欄には、太陽光発電装置600から取得した日射量の観測値が記録される。
総合設備係数510は、太陽光発電装置600に照射される日射量から、太陽光発電装置600の発電量の予測値を求めるための情報である。例えば、総合設備係数510は、単位日射量あたりの太陽光発電量を表す数値であり、太陽光発電装置600の補正係数によって得られる。
太陽光発電量 = 総合設備係数 × 日射量 …(1)
なお総合設備係数510は、日射量から太陽光発電量を求めるための算出式であっても良い。
次に、本実施形態の日射量予測解析装置100が有する機能の概略を、図4を参照しながら説明する。
次に、図7に示すフローチャート、及び図8に示す日射量の予測値の誤差データの分布図を適宜参照しながら、本実施形態に係る日射量予測解析装置100により実行される処理の流れや内容、日射量予測解析装置100により実現される機能の具体例等について説明する。
信頼区間(上側) = 日射量予測値 + m × 標準偏差 …(2)
信頼区間(下側) = 日射量予測値 − m × 標準偏差 …(3)
但し、m = 1,2,3
mは、上記信頼区間の範囲内に日射量の観測値が含まれる確率に対応しており、予測値の誤差が正規分布に従う場合には、理論上、m=1(すなわち、1σ)のとき68.2%、m=2(すなわち、2σ)のとき95.4%、m=3(すなわち3σ)のとき99.7%の確率で、日射量の観測値は信頼区間内に含まれる。
まず日射量予測解析装置100は、日射量予測情報提供装置200及び太陽光発電装置600から日射量の予測値や観測値を取得して、日射量管理テーブル500に記録する(S1000)。そして日射量予測解析装置100は、日射量の観測値から予測値を減算することにより日射量の誤差データを算出し、日射量管理テーブル500に記録する(S1010)。そして日射量予測解析装置100は、日射量の予測値に対する信頼区間を算出する(S1020)。また日射量予測解析装置100は、日射量の予測値に対する信頼区間と、総合設備係数510と、を用いて、太陽光発電装置600の発電量の予測値に対する信頼区間を求める。
次に本実施形態の日射量予測解析装置100による信頼区間の算出処理について詳細に説明する。
次に、以上の処理をより具体的に説明する。
日射量予測解析装置100は、日射量管理テーブル500に、日射量予測情報提供装置200や太陽光発電装置600から定期的に送信されてくる日射量の予測値や観測値を記憶する。また日射量予測解析装置100は、日射量の予測値と観測値を用いて算出した日射量の誤差データも記憶しておく。
誤差データ(予測対象時刻、n時間先予測)=日射量実績値−日射量予測値(予測対象時刻、n時間先予測) …(4)
信頼区間上限値(日射量予測値)=日射量予測値+エラーバー上側(m、日射量予測値)…(5)
信頼区間下限値(日射量予測値)=日射量予測値+エラーバー下側(m、日射量予測値)…(6)
但し、m=1、2、3
「エラーバー上側」及び「エラーバー下側」は、m、及び日射量の将来の予測値によって決定する関数である。本実施形態においては、このように、誤差データの標準偏差を上側と下側に分けることにより日射量の予測値が物理的に取りうる誤差範囲も同時に考慮することが可能となる。
まず日射量予測解析装置100は、全体でn個の誤差データを、k個毎に3区間(3グループ)のいずれかに分類する。日射量予測解析装置100は、n個の学習データを、日射量予測値が小さい順にソートさせてから、以下のようにして3区間(3つのグループ)に分割する。なおデータを3グループに分類する様子を図8(b)に示す。
・第一区間:1番目からk番目
・第二区間:(n−k)/2+1番目から(n−k)/2+k番目
・第三区間:(n−k)+1番目からn番目
なお、整数以外の時は繰り上げる。またパラメータkの値は事前シミュレーション等により決定するとよい。また一区間当たりのサンプル数kで分割した際に、その区間内と同じ日射量予測値の学習データは、分割した区間以外の区間にも重複データとして用いる。
次に日射量予測解析装置100は、各区間での日射量予測誤差の標準偏差、平均、日射量予測値の中心値から代表点を算出する。この様子を図8(c)に示す。
日射量予測解析装置100は、代表点上側(x、y_up)と代表点下側(x、y_dw)とを、各区間の学習データ及び下記の式(7)(8)(9)を用いて算出する。
x = (max(日射量予測値) − min(日射量予測値))/ 2 + min(日射量予測値) …(7)
y_up = average(誤差) + m × stdevp(誤差) …(8)
y_dw = average(誤差) − m × stdevp(誤差) …(9)
但し、max():最大値、min():最小値、average():平均値、stdevp():標準偏差、m=1,2,3を表す。
次に日射量予測解析装置100は、各区間での代表値を上側、下側それぞれ日射量予測範囲内において線形近似(線形補間)する。その様子を図8(d)に示す。
なお、日射量予測範囲は、日射量予測値が物理的にとり得る値とするため、0〜最大日射量予測値とする。また最大日射量予測値は、学習データの日射量予測値が最大のときと、予測対象日時の日射量の理論値と、を比較して大きい方とする。
次に日射量予測解析装置100は、予測日射量の誤差範囲を考慮して、「エラーバー」を以下のように改良することもできる。step4では、日射量予測解析装置100は、日射量の観測値が、理論上の最小値よりも小さくなることはなく、同様に理論上の最大値よりも大きくなることもない点を考慮して、エラーバーを改良する。その様子を図8(e)に示す。
また日射量予測解析装置100は、「エラーバー上側」での第三区間の上記代表点と、補正点(最大日射量予測値、 0)との間を線形近似する。これにより、日射量の観測値が理論上の最大値よりも大きくなることがないことを、日射量の予測値に対する信頼区間に反映することができる。
そして日射量予測解析装置100は、上記の各近似直線と、Step 3で求めた近似直線と、を比較して、誤差分布が小さい近似直線を「エラーバー」として適用する。
次に日射量予測解析装置100は、最大予測誤差を考慮して、「エラーバー」を以下のように改良することもできる。なお最大予想誤差とは、日射量の予測値の誤差の最大値または最小値である。この様子を図8(f)に示す。
また日射量予測解析装置100は、step4で求めた「エラーバー下側」と、「負の最大予測誤差」とを比較して、「エラーバー下側」の方が「負の最大予測誤差」より小さいならば、「エラーバー下側」を「負の最大予測誤差」に置換する。
次に日射量予測解析装置100は、線形近似を考慮して、エラーバーを以下のように改良することもできる。この様子を図8(g)に示す。
そして、日射量予測解析装置100は、傾きがそれぞれ最小となった時の傾き最小誤差点と、対応する補正点と、を線形補間する。
日射量予測解析装置100は、もし「エラーバー上側」の値が線形補間上側より大きいならば、線形補間上側の値に置換する。
このようにして日射量予測解析装置100は「エラーバー」を改良することによって、日射量の予測値の確からしさをより適切に反映した信頼区間を求めることが可能となる。日射量予測解析装置100がstep1からstep6までの改良を行うことでえられた「エラーバー」を図8(h)に示す。
次に、上記のようにして求めた日射量の予測値に対する信頼区間の有効性について説明する。
日射量予報入力部102から入力した、日本時間3時公開の24時間先までの1時間毎の日射量予測データを用いて、2011年7月の1ヶ月間のデータを用いてシミュレーションを行った。
また記号Zで示す線は、2σのときの日射量予測値に対する信頼区間を示す。
また、0[kW/m2]以下や1.2[kW/m2]以上の幅もない。このことは、日射量差幅が適切に表現できていることを示している。
101 観測情報入力部
102 日射量予報入力部
103 日射量信頼区間計算部
104 発電量計算部
110 CPU
120 メモリ
130 通信I/F
140 記憶装置
150 入力I/F
160 出力I/F
170 入力装置
180 出力装置
190 記録媒体読取装置
200 日射量予測情報提供装置
300 ネットワーク
400 制御プログラム
500 日射量管理テーブル
510 総合設備係数
600 太陽光発電装置
800 記録媒体
1000 日射量予測解析システム
Claims (8)
- 日射量の予測値と観測値との差分である誤差データと、前記日射量の予測値とを、前記日射量の予測値の大きさに応じて、複数のグループの少なくともいずれかに分類するデータ分類部と、
各グループに分類された日射量の予測値に基づいて、各グループにおける日射量の代表値を求める第1グループ演算部と、
各グループへ分類された誤差データに基づいて、各グループにおける誤差データのばらつきの指標値を求める第2グループ演算部と、
日射量の新たな予測値を取得する日射量取得部と、
前記日射量の新たな予測値と、前記各グループの日射量の代表値と、の比率に応じて前記各グループの誤差データのばらつきの指標値を補間することにより、前記日射量の新たな予測値に対応するばらつきの新たな指標値を求める補間演算部と、
前記日射量の新たな予測値と、前記ばらつきの新たな指標値と、に基づいて、前記日射量の新たな予測値に対する信頼区間の上限値及び下限値を求める日射量信頼区間演算部と、
を備えることを特徴とする情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記日射量信頼区間演算部は、
前記日射量の新たな予測値と、前記ばらつきの新たな指標値と、の加算値及び減算値を、それぞれ前記信頼区間の上限値及び下限値として求める
ことを特徴とする情報処理装置。 - 請求項1又は2に記載の情報処理装置であって、
前記第2グループ演算部は、
グループ毎に、グループ内の誤差データの標準偏差を算出し、前記標準偏差に所定の係数を乗算することにより、各グループにおける前記ばらつきの指標値を求める
ことを特徴とする情報処理装置。 - 請求項1〜3のいずれかに記載の情報処理装置であって、
前記第1グループ演算部は、
グループ毎に、グループ内における日射量の予測値の最大値と最小値との平均値を、各グループにおける前記日射量の代表値として求める
ことを特徴とする情報処理装置。 - 請求項1〜4のいずれかに記載の情報処理装置であって、
日射量の予測値と観測値との差分である誤差データを、日射量の予測値と対応付けて記憶する日射量管理テーブルと、
を更に備え、
前記データ分類部は、
前記日射量管理テーブルに記憶されている誤差データ及び日射量の予測値を、日射量の予測値の大きさの順で並び替えた場合に、日射量の予測値が小さい方から順に所定個数の誤差データ及び日射量の予測値を第1グループに分類し、日射量の予測値の中央値を中心に日射量が大きい方及び小さい方に並ぶ所定個数の誤差データ及び日射量の予測値を第2グループに分類し、日射量の予測値が大きい方から順に所定個数の誤差データ及び日射量の予測値を第3グループに分類する
ことを特徴とする情報処理装置。 - 請求項1〜5のいずれかに記載の情報処理装置であって、
太陽光発電装置に照射される日射量から前記太陽光発電装置の発電量の予測値を求めるための情報を記憶する発電量算出情報記憶部と、
前記日射量の新たな予測値と、前記発電量を求めるための情報と、を用いて、前記太陽光発電装置の発電量の予測値を求める発電量演算部と、
前記日射量の新たな予測値に対する信頼区間の上限値及び下限値と、前記発電量を求めるための情報と、を用いて、前記発電量の予測値に対する信頼区間の上限値及び下限値を求める発電量信頼区間演算部と、
をさらに備えることを特徴とする情報処理装置。 - 日射量の予測値に対する信頼区間を求める情報処理装置の制御方法であって、
前記情報処理装置が、日射量の予測値と観測値との差分である誤差データと、前記日射量の予測値とを、前記日射量の予測値の大きさに応じて、複数のグループの少なくともいずれかに分類し、
前記情報処理装置が、各グループに分類された日射量の予測値に基づいて、各グループにおける日射量の代表値を求め、
前記情報処理装置が、各グループへ分類された誤差データに基づいて、各グループにおける誤差データのばらつきの指標値を求め、
前記情報処理装置が、日射量の新たな予測値を取得し、
前記情報処理装置が、前記日射量の新たな予測値と、前記各グループの日射量の代表値と、の比率に応じて前記各グループの誤差データのばらつきの指標値を補間することにより、前記日射量の新たな予測値に対応するばらつきの新たな指標値を求め、
前記情報処理装置が、前記日射量の新たな予測値と、前記ばらつきの新たな指標値と、に基づいて、前記日射量の新たな予測値に対する信頼区間の上限値及び下限値を求める
ことを特徴とする情報処理装置の制御方法。 - コンピュータに、
日射量の予測値と観測値との差分である誤差データと、前記日射量の予測値とを、前記日射量の予測値の大きさに応じて、複数のグループの少なくともいずれかに分類する手順と、
各グループに分類された日射量の予測値に基づいて、各グループにおける日射量の代表値を求める手順と、
各グループへ分類された誤差データに基づいて、各グループにおける誤差データのばらつきの指標値を求める手順と、
日射量の新たな予測値を取得する手順と、
前記日射量の新たな予測値と、前記各グループの日射量の代表値と、の比率に応じて前記各グループの誤差データのばらつきの指標値を補間することにより、前記日射量の新たな予測値に対応するばらつきの新たな指標値を求める手順と、
前記日射量の新たな予測値と、前記ばらつきの新たな指標値と、に基づいて、前記日射量の新たな予測値に対する信頼区間の上限値及び下限値を求める手順と、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012128078A JP6003247B2 (ja) | 2012-06-05 | 2012-06-05 | 情報処理装置、情報処理装置の制御方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012128078A JP6003247B2 (ja) | 2012-06-05 | 2012-06-05 | 情報処理装置、情報処理装置の制御方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013253805A true JP2013253805A (ja) | 2013-12-19 |
JP6003247B2 JP6003247B2 (ja) | 2016-10-05 |
Family
ID=49951427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012128078A Active JP6003247B2 (ja) | 2012-06-05 | 2012-06-05 | 情報処理装置、情報処理装置の制御方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6003247B2 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015138864A (ja) * | 2014-01-22 | 2015-07-30 | 株式会社日立製作所 | 太陽光発電装置の出力推定方法および装置並びにこれを用いた電力系統監視装置 |
JP2016038348A (ja) * | 2014-08-11 | 2016-03-22 | 富士通株式会社 | 計画策定方法、計画策定システム及び計画策定プログラム |
JP2016223958A (ja) * | 2015-06-02 | 2016-12-28 | 日本電気通信システム株式会社 | 日射量予測装置、全天日射量の予測方法およびプログラム |
CN106650191A (zh) * | 2015-10-31 | 2017-05-10 | 南京南瑞继保电气有限公司 | 基于双重置信区间的风电场功率预测样本筛选方法 |
JP2018018329A (ja) * | 2016-07-28 | 2018-02-01 | 富士通株式会社 | 電力量予測プログラム、電力量予測装置および電力量予測方法 |
WO2020018314A1 (en) * | 2018-07-19 | 2020-01-23 | Sacramento Municipal Utility District | Techniques for estimating and forecasting solar power generation |
KR20210145425A (ko) * | 2020-05-25 | 2021-12-02 | 한전케이디엔주식회사 | 일사량 데이터 관리 장치, 시스템 및 방법 |
JP2022550619A (ja) * | 2019-11-14 | 2022-12-02 | エンヴィジョン デジタル インターナショナル ピーティーイー.エルティーディー. | 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011053168A (ja) * | 2009-09-04 | 2011-03-17 | Japan Weather Association | 日射量予測方法、装置及びプログラム |
JP2011142790A (ja) * | 2010-01-08 | 2011-07-21 | Fuji Electric Co Ltd | 太陽光発電量予測システムおよび太陽光発電量予測方法 |
-
2012
- 2012-06-05 JP JP2012128078A patent/JP6003247B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011053168A (ja) * | 2009-09-04 | 2011-03-17 | Japan Weather Association | 日射量予測方法、装置及びプログラム |
JP2011142790A (ja) * | 2010-01-08 | 2011-07-21 | Fuji Electric Co Ltd | 太陽光発電量予測システムおよび太陽光発電量予測方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10211777B2 (en) | 2014-01-22 | 2019-02-19 | Hitachi, Ltd. | Photovoltaic power generator output estimation method and device, and power system monitoring device using same |
WO2015111473A1 (ja) * | 2014-01-22 | 2015-07-30 | 株式会社日立製作所 | 太陽光発電装置の出力推定方法および装置並びにこれを用いた電力系統監視装置 |
JP2015138864A (ja) * | 2014-01-22 | 2015-07-30 | 株式会社日立製作所 | 太陽光発電装置の出力推定方法および装置並びにこれを用いた電力系統監視装置 |
JP2016038348A (ja) * | 2014-08-11 | 2016-03-22 | 富士通株式会社 | 計画策定方法、計画策定システム及び計画策定プログラム |
JP2016223958A (ja) * | 2015-06-02 | 2016-12-28 | 日本電気通信システム株式会社 | 日射量予測装置、全天日射量の予測方法およびプログラム |
CN106650191A (zh) * | 2015-10-31 | 2017-05-10 | 南京南瑞继保电气有限公司 | 基于双重置信区间的风电场功率预测样本筛选方法 |
JP2018018329A (ja) * | 2016-07-28 | 2018-02-01 | 富士通株式会社 | 電力量予測プログラム、電力量予測装置および電力量予測方法 |
WO2020018314A1 (en) * | 2018-07-19 | 2020-01-23 | Sacramento Municipal Utility District | Techniques for estimating and forecasting solar power generation |
US11487994B2 (en) | 2018-07-19 | 2022-11-01 | Sacramento Municipal Utility District | Techniques for estimating and forecasting solar power generation |
TWI831814B (zh) * | 2018-07-19 | 2024-02-11 | 加州政府沙加緬度市公用事業部 | 用於估計和預測太陽能發電的技術 |
JP2022550619A (ja) * | 2019-11-14 | 2022-12-02 | エンヴィジョン デジタル インターナショナル ピーティーイー.エルティーディー. | 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 |
JP7369868B2 (ja) | 2019-11-14 | 2023-10-26 | エンヴィジョン デジタル インターナショナル ピーティーイー.エルティーディー. | 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 |
US11842303B2 (en) | 2019-11-14 | 2023-12-12 | Envision Digital International Pte. Ltd. | Method for processing irradiation forecast, method for training stacked generalization model, and apparatuses thereof |
KR20210145425A (ko) * | 2020-05-25 | 2021-12-02 | 한전케이디엔주식회사 | 일사량 데이터 관리 장치, 시스템 및 방법 |
KR102364076B1 (ko) * | 2020-05-25 | 2022-02-17 | 한전케이디엔주식회사 | 일사량 데이터 관리 장치, 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6003247B2 (ja) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6003247B2 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
Goliatt et al. | Development of a hybrid computational intelligent model for daily global solar radiation prediction | |
CN102810861B (zh) | 光伏发电系统发电量预测方法和系统 | |
US20060173623A1 (en) | System and method for enhanced measure-correlate-predict for a wind farm location | |
CN102570453A (zh) | 基于多套数值天气预报源的短期风电功率预测方法及系统 | |
KR101476522B1 (ko) | 에너지 발전량 예측 시스템 | |
CN108196317B (zh) | 一种用于微电网系统的气象预测方法 | |
Sanfilippo et al. | An adaptive multi-modeling approach to solar nowcasting | |
JP2013152156A (ja) | 日射量算出装置、日射量算出装置の制御方法及びプログラム | |
CN108573327A (zh) | 基于天气数据的无线传感网节点太阳能收集功率预测算法 | |
CN114792156A (zh) | 基于曲线特征指标聚类的光伏输出功率预测方法和系统 | |
Mayer et al. | Probabilistic modeling of future electricity systems with high renewable energy penetration using machine learning | |
Olivares et al. | Representing energy price variability in long-and medium-term hydropower optimization | |
Komilov | Location and orientation based LCOE: Simplified visual analysis and generalization of the levelized cost of electricity from storageless photovoltaic systems | |
Nasiri et al. | Data analytics and information technologies for smart energy storage systems: A state-of-the-art review | |
JP6937227B2 (ja) | 発電量予測装置、発電量予測システム、発電量予測方法及び発電量予測プログラム | |
KR20190131808A (ko) | 태양광 발전기의 발전량 예측 장치 및 방법 | |
CN116316617A (zh) | 多场站智能融合的新能源发电功率区域预测方法和系统 | |
Dang et al. | Hybrid forecasting model of power demand based on three-stage synthesis and stochastically self-adapting mechanism | |
Lukhyswara et al. | Solar irradiation forecasting uses time series analysis | |
Sharma et al. | Development of modified Pro-Energy algorithm for future solar irradiance estimation using level and trend factors in time series analysis | |
Song et al. | Combination model for day-ahead solar forecasting using local and global model input | |
Mohammed et al. | Stochastic Optimization on Hybrid Renewable Energy Systems | |
Ananthu et al. | Prominent smart grid measurements by RAP-NN to warrant the reliability of the PV system | |
Basmadjian et al. | Day-Ahead Forecasting of the Percentage of Renewables Based on Time-Series Statistical Methods. Energies 2021, 14, 7443 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150414 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160303 |
|
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: 20160809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160822 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6003247 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |