JP2016152675A - 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 - Google Patents

Abstract

【課題】太陽光発電システムの未来の適切なメンテナンス時期を正確にアドバイスする。【解決手段】太陽光発電システムにおいて現在の電流値または発電量から特定レベル以上の低下を生じるモジュール、ストリング、またはパワコンの未来の時期を予測する方法であって、予測対象のモジュール、ストリング、またはパワコンの電流値または発電量のデータ、及び予測対象と物理的位置隣接関係、物理的位置間隔関係、過去のデータ値の類似性、及び／または構造の類似性に関して関連性を有する他の比較対象のモジュール、ストリング、またはパワコンの電流値または発電量のデータを取得し、これらの取得したデータからグレー絶対関連度を算出し、算出したグレー絶対関連度からデジタルグレー予測モデルを用いて予測対象と比較対象の現在のデータの関連度及び未来のデータの関連度を算出し、予測対象において比較対象との間で現在のデータの関連度から特定レベル以上低下した未来のデータの関連度が生じる未来の時期を示す。【選択図】図３

Description

本発明は、太陽光発電システムの太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナー（単にそれぞれモジュール、ストリング、またはパワコンともいう）の電流値または発電量が特定レベル以上低下する事態が生じる未来の時期を予測する方法に関する。この方法により、太陽光発電システムのメンテナンスの適切な時期を知ることができ、計画的なメンテナンスを実行することができる。

太陽エネルギーを有効利用するために太陽電池パネルを多数並べた太陽光発電システムが既にかなり普及している。この太陽光発電システムは、家庭の屋根に設置する小規模なものから、地域電力をまかなうことができる１メガワット以上の発電量を持つ大規模なものまで様々なものが存在する。

大規模な太陽光発電システムでは、複数の太陽電池モジュールが直列に接続されて太陽電池ストリングを構成し、さらに複数の太陽電池ストリングが並列に接続されて太陽光発電システムの制御装置のパワコンに送られる。パワコンでは電力変換等を行い最終的な発電の出力となる。各パワコンは、例えばデータ監視の為、ネットワークに接続され、インターネットを経由して、遠隔データ収集監視サーバーに接続される。電流値や発電量などの発電に関する各データはリアルタイムにサーバーへ送られ、サーバーでパワコンの発電状況を監視し、異常が発生する場合に即時に太陽光発電システム管理者へ通知する。

太陽光発電システムにおいては、設置工事のミス、部品の欠陥、長年の使用による経年変化、雷などによる故障、または天候、メンテナンス、影などによる外的要因を理由として、モジュール／ストリング／パワコンにおける電流値または発電量が低下する場合がある。一時的な外的要因による電流値または発電量の低下の場合は無視してもよいが、故障の場合は、できるだけ早く該当するモジュール／ストリング／パワコンを修理または交換することが望ましい。

しかしながら、多数のモジュール／ストリング／パワコンからなる発電システムにおいて、外的要因を除いて純粋な故障だけを原因とするモジュール／ストリング／パワコンを見出すのに時間がかかり、場合によって数週間、数ヶ月を経過しないと、明らかな故障と判断できない。この間、状況は次第に悪化しつつ、発電のロスは時間経過とともに大きくなり、１ＭＷ当りに数十万円〜数百万円のロスが出るケースが存在する。また、完全な故障になるのを防ぐ機会を見逃したため、最初は簡単なメンテナンスで回復出来る軽い故障から回復不能の重大な故障（火災等）に陥り、設備が完全に損害し、発電不能の為、設備交換の発電ロス、設備交換費用及び人件費用も膨らむ場合がある。

従来の太陽光発電システムの異常検出は、故障が既に発生していることが明らかになってから、太陽電池パネルを構成する太陽電池モジュール単位で行うか、又は複数の太陽電池モジュールからなる太陽電池ストリング単位もしくはパワコン単位で行うのが一般的である。

例えば、特許文献１では、複数のモジュールまたはストリングの電流値を測定し、それらの各々の測定電流値と複数の測定電流値の平均値を比較し、一定期間経過しても測定電流値の平均値より一定割合以上低下し続ける測定電流値を持つモジュールまたはストリングが存在する場合にそれを故障として検出する。特許文献１の方法は、既存の故障の検出にはある程度有効であるが、現時点異常ではないが将来に異常になる可能性のあるモジュール等の故障の可能性や発電量等の低下の可能性を検出したり、それを事前に報告することはできない。

また、特許文献２では、異常判定手段が、日射量情報及び温度情報に基づいて、得られるであろう発電情報を推定し、推定発電情報に対し、発電検出手段で実測された実測発電情報が所定の異常判定閾値以上、低下している場合に、太陽発電パネルに異常が発生したと判別する。特許文献３では、太陽電池セルを直列に接続して構成される太陽電池と、発電中の太陽電池の出力電圧値を検出する電圧検出部と、発電中の太陽電池の出力電流値を検出する電流検出部と、外部の環境を示す外部環境データを取得する外部環境計測部と、出力電圧値、出力電流値、及び外部環境データを用いて、異常状態における太陽電池の特性と異常状態を検出するための閾値を算出する特性演算部と、異常状態における太陽電池の特性と閾値とを用いて、太陽電池の異常状態を検出する異常検出部とを有する太陽光発電システムを提案する。特許文献４では、複数の太陽電池モジュールを直列接続して成る太陽電池ストリングと、パワコンとを備えた太陽光発電システムであって、天候状態が曇天であるか晴天であるかを判定する天候状態判定手段と、太陽電池ストリングの出力動作点を変化させる手段とを有すると共に、天候状態が曇天であると判定し、かつ、太陽電池ストリングの動作点を変化させたときの太陽電池ストリングの出力電力または出力電流の微分特性に不連続点が生じている場合、太陽電池モジュールが故障していることを検出する検出手段を備えたものを提案する。

上記の特許文献２〜４は、特許文献１と同様に既に発生した故障を検出しようとするものであり、未来のモジュール等の故障の可能性や発電量等の低下の可能性を検出したり、その時期を予測したりするものまでは提案していない。このように従来の太陽光発電システムは、未来の許容できない故障や異常の発生時期を予測することができないため、未来の適切なメンテナンス時期を正確に提案することができていないのが現状である。

ＷＯ２０１１／１０１９１６ 特開２０１３−９３４３０ 特開２０１２−１５６３４３ ＷＯ２０１２／０８１１１６

本発明は、かかる従来技術の現状に鑑み創案されたものであり、その目的は、太陽光発電システムのモジュール／ストリング／パワコンにおいて現在の電流値または発電量から特定レベル以上の低下を生じる未来の時期を予測するための簡単な方法を提供することにある。特に、本発明は、太陽光発電システムの異常検出を、既に発生している異常を検出する事後検出型から、実際に故障が発生する前の未来の異常の可能性を検出する事前予測型に変え、この事前予測に従って太陽光発電システムの適切なメンテナンス時期を正確にアドバイスすることを可能にするものである。

本発明者は、かかる目的を達成するために鋭意検討した結果、予測対象のモジュール／ストリング／パワコンと、物理的位置隣接関係、物理的位置間隔関係、過去の発電量もしくは電流値などのデータ値の類似性、及び／または構造の類似性に関して特定の関連性を有する他の比較対象のモジュール／ストリング／パワコンとの相互のデータの関連性に着目し、これらの電流値または発電量のデータを取得し、取得したデータに対してグレーシステム予測理論を利用して、具体的には取得したデータからグレー絶対関連度（Ａｂｓｏｌｕｔｅ Ｄｅｇｒｅｅ Ｇｒｅｙ Ｉｎｃｉｄｅｎｃｅ）を算出し、さらに算出したグレー絶対関連度からデジタルグレー予測モデル（Ｄｉｇｉｔａｌ Ｇｒｅｙ Ｐｒｅｄｉｃｔｉｖｅ Ｍｏｄｅｌ）を用いて、予測対象と比較対象の現在のデータの関連度及び未来のデータの関連度を算出し、現在のデータの関連度から特定レベル以上低下した未来のデータの関連度を生じる未来の時期を示すことによって、重度の故障や発電量の著しい低下に至る前に予測対象の適切なメンテナンスの時期を正確にアドバイスできることを見出し、本発明の完成に至った。

即ち、本発明は、以下の（１）〜（４）の構成を有するものである。
（１）複数の太陽電池モジュールを直列に接続した複数の太陽電池ストリングを並列に接続した複数のパワーコンディショナーを持つ太陽光発電システムにおいて現在の電流値または発電量から特定レベル以上の低下を生じる太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの未来の時期を予測する方法であって、予測対象の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータ、及び予測対象と物理的位置隣接関係、物理的位置間隔関係、過去のデータ値の類似性、及び／または構造の類似性に関して特定の関連性を有する他の比較対象の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを取得し、これらの取得したデータからグレー絶対関連度を算出し、算出したグレー絶対関連度からデジタルグレー予測モデルを用いて予測対象と比較対象の現在のデータの関連度及び未来のデータの関連度を算出し、予測対象において比較対象との間で現在のデータの関連度から特定レベル以上低下した未来のデータの関連度が生じる未来の時期を示すことを特徴とする方法。
（２）取得したデータを発電の開始後の一定時間及び発電の終了前の一定時間で平均化する処理を行なうことを特徴とする（１）に記載の方法。
（３）取得したデータに対して特定の一定時間で平均化する処理を行なうことを特徴とする（１）または（２）に記載の方法。
（４）現在から一定期間先の未来までにおいて特定レベル以上低下した未来のデータの関連度を持つ予測対象を示し、必要により前記予測対象を画面表示、電子メール通信、または警告音で知らせることを特徴とする（１）〜（３）のいずれかに記載の方法。

本発明の方法によれば、予測対象のモジュール／ストリング／パワコンと、同様のデータ値の傾向を示す物理的位置や過去データ値などに関して関連性が高いモジュール／ストリング／パワコンとの間で現在から未来の発電量または電流値のデータの関連度の低下推移を見ることによって未来の許容できない異常発生時期の予測を行なうことができ、これにより重大故障や発電量の著しい低下の発生前に太陽光発電システムのモジュール／ストリング／パワコンの適切なメンテナンス時期を事前に正確にアドバイスすることが可能である。また、本発明の方法は、グレーシステム予測理論を使用して予測しているので、太陽光発電システムの未来の許容できない異常発生時期の予測の精度が極めて高く、しかも予測が極めて簡単である。

図１は、太陽光発電システムの一例の説明図である。 図２は、予測対象のモジュール、及びそれと特定の関連性を有するモジュールの電流値の経時的推移を示す。 図３は、図２のデータを用いて算出された予測対象と比較対象のモジュールの間の関連度の経時的推移を示す。 図４は、予測対象のストリング、及びそれと特定の関連性を有するストリングの発電量の経時的推移を示す。 図５は、図４のデータを用いて算出された予測対象と比較対象のストリングの間の関連度の経時的推移を示す。 図６は、予測対象のパワコン、及びそれと特定の関連性を有するパワコンの発電量の経時的推移を示す。 図７は、図６のデータを用いて算出された予測対象と比較対象のパワコンの間の関連度の経時的推移を示す。

以下、本発明の太陽光発電システムの方法について図面を参照して説明するが、本発明はこれらに限定されない。また、ここで挙げたグレー絶対関連度の算出及びデジタルグレー予測モデルの適用は、一例にすぎず、これらに限定されない。

本発明の方法の対象となる太陽光発電システムは、図１に示すように複数の太陽電池モジュール１０１を直列に接続した太陽電池ストリング１０２を複数持つものであり、複数の太陽電池ストリング１０２は並列に接続されて集電力端末装置１０３を経てパワコン１０４に集約される。複数のパワコン１０４が一つの発電サイトを構成し、これらのパワコンがネットワーク１０５で連結され、データロガー１０８に集約される。モジュール／ストリング／パワコンで測定した電流値または発電量のデータはデータロガー１０８及びインターネット１０６経由でデータ監視システムサーバー１０７に収集するようになっている。本発明の方法は、太陽光発電システムのモジュール／ストリング／パワコンの未来の許容できない異常の発生時期（異常が高まる時期）を高精度に予測しようとするものである。

本発明の方法は、家庭用住宅の屋根に設置される小規模なシステムから１メガワット以上の発電量の大規模なシステムまで使用可能であるが、極めて多数のモジュール／ストリング／パワコンが設置され、それらの点検作業に多大な労力を要する１メガワット以上の発電量のメガソーラーシステムにおいて極めて有用である。特に、メガソーラーシステムにおいては、未来の重大な異常の発生前の適切な時期にメンテナンスを受けておくことが必要であり、本発明の方法は、このメンテナンスの未来の時期を適切にアドバイスする手段として極めて有用である。

本発明の方法の対象となる太陽光発電システムでは、一つのストリングあたりのモジュールの数は複数である限り、特に限定されず、また、一つのパワコンあたりのストリングの数も複数である限り、特に限定されず、また、システム中のパワコンの数も複数である限り、特に限定されない。本発明の方法では、一つのストリングあたりのモジュールの数が３〜１００個、一つのパワコンあたりのストリングの数が３〜１００００個、一つのシステム中のパワコンの数が３〜１０００台であることが好ましい。本発明の方法では、システム中で使用される個々のモジュール／ストリング／パワコンは、電流値や発電量の測定データの関連度の抽出を精度良く行なうために同じ構造の種類のものを使用することが好ましい。

モジュール／ストリング／パワコンの発電量（電流値）の低下の原因は、無視してもよい一時的なものと、修理又は交換を必要とする永続的なものとが存在する。一時的な原因としては、日照時間や雲の存在、雨天などの天候、建物の影、定期的メンテナンス等があり、永続的な原因としては、太陽電池モジュールの故障、測定装置や通信手段の故障、鳥の糞、パワコン等の半田不良／ねじ接続不良、インバータ不具合、塩霧、湿気腐蝕による接触不良等がある。

本発明者は、これらのモジュール／ストリング／パワコンの発電量（電流値）は、上述の一時的な原因及び永続的な原因による低下を含め、物理的位置隣接関係、物理的位置間隔関係、過去の発電量（電流値）などの測定データの類似性、または構造の種類に関して特定の高い関連性を有するモジュール／ストリング／パワコン同士で過去、現在の値だけでなく未来の値においても同様の数値傾向を持つこと、そして重大な故障や多くの異常が発生しているときにこの傾向が薄まり、データ値の相互の関連度が低下することを見出した。そして、これらのモジュール／ストリング／パワコン同士の発電量（電流値）のデータに対してグレー絶対関連度の算出、次いでデジタルグレー予測モデルの適用を行なうことにより現在のデータの関連度と未来のデータの関連度を算出し、現在のデータの関連度から特定レベル以上低下した未来のデータの関連度が生じる未来の時期を抽出することにより、未来の重大な異常が発生する可能性が高い時期やかかる重大な異常にまで至らない未来の最長時期を正確に精度良く示すことができることを見出した。本発明は、これらの知見に基づいており、抽出する関連度の低下レベルを設定するだけで多数の異常の発生による発電量の低下や重大事故の発生に至る前に太陽光発電システムの適切なメンテナンス時期の計画を正確にアドバイスすることが可能である。

本発明の方法では、まず電流値または発電量のデータが取得される予測対象のモジュール／ストリング／パワコンと他の比較対象のモジュール／ストリング／パワコンが選択される。このとき、予測対象と比較対象のモジュール／ストリング／パワコンは、物理的位置隣接関係、物理的位置間隔関係、過去のデータ値の類似性、及び／または構造の類似性に関して特定の関連性を持つことが必要である。比較対象は単数であっても複数であってもよい。

物理的位置隣接関係は、モジュール間、ストリング間、パワコン間の物理的位置の隣接関係を意味し、様々な定義を設定できる。例えば、モジュールで言うと、設置されているモジュールの物理的位置がモジュールの長手方向の辺、短手方向の辺、または斜め方向で隣接しているかどうかで関連性を設定し、モジュールの隣接している辺の部分が長手方向の辺で隣接している場合に関連性が最も高く、次いで短手方向の辺で隣接している場合に関連性が高く、次いで斜め方向で隣接している場合に関連性が高い。これらに該当しない場合は、物理的位置隣接関係に関して関連性がないとされる。ストリング間の物理的位置隣接関係はモジュール間と同様に判断され、パワコン間は単に隣接しているかどうかで判断される。

物理的位置間隔関係は、モジュール間、ストリング間、パワコン間の間隔（距離）の大小で関連性の高さ（大小）を決定する。間隔（距離）は、様々な定義で設定することができ、例えばモジュール、ストリング、パワコンの中心位置間の距離で決定することができ、あるいはモジュール、ストリング、パワコンの縁部間の最小距離で決定してもよい。

過去のデータ値の類似性は、発電量（電流値）に関してモジュール間、ストリング間、パワコン間の過去の一定時期における数値の類似性を意味し、様々な定義を設定できる。例えば、過去の一定時期の発電量（電流値）のデータを取得し、これらのデータ間の数値の大きさの近似性（例えば、一方のデータ値が他方のデータ値の１００％にどれくらい近いか）で関連性の高さ（大小）を決定する。複数のデータを取得する場合はデータを平均化してもよい。

構造の類似性は、モジュール間、ストリング間、パワコン間の構造の類似性を意味し、様々な定義を設定できる。例えば、構造の同一性を有するかどうかで関連性の高さ（大小）を判断する。

本発明の方法では、上述のように予測対象と特定の関連性を有する比較対象のモジュール／ストリング／パワコンを抽出した後、予測対象のモジュール／ストリング／パワコン、及び比較対象のモジュール／ストリング／パワコンの電流値または発電量のデータを取得し、これらの取得したデータに対してグレーシステム予測理論に基づいてグレー絶対関連度の算出、次いでデジタルグレー予測モデルの適用を行なうことにより予測対象と比較対象の間の現在のデータの関連度と未来のデータの関連度を算出する。一つの予測対象に対して複数の比較対象が存在する場合は、複数の比較対象の各々のデータに対してそれぞれ関連度を算出するか、または複数の比較対象の各々のデータの平均値に対して関連度を算出することができる。

グレー絶対関連度の算出及びデジタルグレー予測モデルの適用の方法は、従来公知であり、基本的には以下のような数式でグレー絶対関連度ε_１ｉを求め、次いでε＝Ｘとしてデジタルグレー予測モデルＤＧＭ（１，１）の数式を用いて予測対象と比較対象の間のデータの現在の関連度と未来の関連度を算出し、次いで現在の関連度からの未来の関連度の低下割合を算出する。そして、この低下割合が特定レベル以上になる未来の時期を示す。あるいは、さらに現在から一定期間先の未来までにおいて、この低下割合が特定レベル以上低下した予測対象を示し、必要により、前記予測対象をモニター等の画面表示、電子メール通信、または警告音で知らせる。

グレー絶対関連度（Ａｂｓｏｌｕｔｅ Ｄｅｇｒｅｅ Ｇｒｅｙ Ｉｎｃｉｄｅｎｃｅ）は、以下の２集合ｓ_１，ｓ_ｉのグレー絶対関連度ε_１ｉの定義を用いて算出する：
ここでｓ_１は予測対象のデータ、ｓ_ｉは比較対象のデータである。

次に、上記のグレー絶対関連度及びデジタルグレー予測モデルを用いて現在の関連度及び未来の関連度を算出した具体例を示す。まずモジュールが碁盤目状に並べられた太陽光発電システムにおいて、１個の予測対象のモジュール（長方形）と、その長辺に隣接する同一構造の２個のモジュールの電流値の過去から現在までのデータを取得する。図２は、１個の予測対象の電流値と２個の比較対象の平均電流値を経時的に示したものであり、縦軸は電流値であり、横軸は時間である。図中、２０１は予測対象のモジュールの電流値データを示し、２０２は比較対象のモジュールの平均電流値データを示す。図２からわかるように、２０１と２０２のデータの経時的推移は極めて類似している。

これらのデータを利用して上記のグレー絶対関連度を算出する。例えばｋ時点の予測対象の電流値をｓ_１（ｋ）、比較対象の電流値をｓ_ｉ（ｋ）とすると、ｋ時点の関連度ε_１ｉ（ｋ）は以下の式より求められる：

図３は、図２のモジュールのデータを用いて算出された予測対象と比較対象の間のデータの過去、現在、未来の関連度を示したものであり、図中、縦軸は関連度であり、完全に一致した関連度の場合に１を示し、横軸は時間であり、３０１が現在のデータの関連度であり、３０２がそれ以前の過去のデータの関連度であり、３０４が未来のデータの関連度である。３０３は、現在のデータの関連度から１５％低下した関連度を持つ未来のデータが生じる未来の時期を示す。図３からわかるように、データの関連度は、現在から未来に進むに従って低下する傾向を有し、未来のデータの関連度が現在のデータの関連度から特定レベル以上低下すると、許容できない重大な故障や多数の異常発生によるモジュールの電流値の低下の問題を生じる可能性が高まる。従って、この現在のデータの関連度からの未来のデータの関連度の低下レベルを問題が生じないか又は問題が少ないレベルに予め設定し、この低下レベルを生じる未来の時期を示すことによって、モジュールの未来の適切なメンテナンス時期を現時点で正確に示すことができる。このように未来の時期を示す場合の現在のデータの関連度からの未来のデータの関連度の低下レベルは１％以上、さらには２％以上、さらには３％以上、さらには４％以上、さらには５％以上、さらには６％以上、さらには７％以上、さらには８％以上、さらには９％以上、さらには１０％以上、さらには１２％以上、さらには１５％以上、さらには２０％以上に設定することができる。例えば、低下レベルを１５％以上に設定すると、３０３が示す未来の時期がモジュールの未来の適切なメンテナンス時期であるとアドバイスすることができる。

次に、ストリングが碁盤目状に並べられた太陽光発電システムにおいて、１個の予測対象のストリングと、それと同一構造でありかつ距離が最も近い１個の比較対象のストリングの発電量の過去から現在までのデータを取得し、グレー絶対関連度とデジタルグレー予測モデルＤＧＭ（１，１）を利用して予測対象と比較対象の間の現在のデータの関連度と未来のデータの関連度を算出した具体例を示す。図４は、１個の予測対象のストリングの発電量と１個の比較対象のストリングの発電量を経時的に示したものであり、縦軸は発電量であり、横軸は時間である。図中、４０１は予測対象のストリングの発電量データを示し、４０２は比較対象のストリングの発電量データを示す。図５は、図４のストリングのデータを用いて算出された予測対象と比較対象の間のデータの過去、現在、未来の関連度を示したものであり、図中、縦軸は関連度であり、完全に一致した関連度の場合に１を示し、横軸は時間であり、５０１が現在のデータの関連度であり、５０２がそれ以前の過去のデータの関連度であり、５０４が未来のデータの関連度である。５０３は現在のデータの関連度から８％低下した関連度を持つ未来のデータが生じる時期を示す。図５からわかるように、データの関連度は、現在から未来に進むに従って低下する傾向を有し、未来のデータの関連度が現在のデータの関連度から特定レベル以上低下すると、許容できない重大な故障や多数の異常発生によるストリングの発電量の低下の問題を生じる可能性が高まる。従って、この現在のデータの関連度からの未来のデータの関連度の低下レベルを問題が生じないレベルに予め設定し、この低下レベルを生じる未来の時期を示すことによって、ストリングの未来の適切なメンテナンス時期を現時点で正確に示すことができる。例えば、低下レベルを８％以上に設定すると、５０３が示す未来の時期がストリングの未来の適切なメンテナンス時期であるとアドバイスすることができる。

次に、同じ太陽光発電システムにおいて、１台の予測対象のパワコンと、それと同一構造でありかつ過去１ヶ月間の発電量のデータの推移が最も近い１台の比較対象のパワコンの発電量の過去から現在までのデータを取得し、グレー絶対関連度とデジタルグレー予測モデルＤＧＭ（１，１）を利用して予測対象と比較対象の間の現在のデータの関連度と未来のデータの関連度を算出した具体例を示す。図６は、１台の予測対象のパワコンの発電量と１台の比較対象のパワコンの発電量を経時的に示したものであり、縦軸は発電量であり、横軸は時間である。図中、６０１は予測対象のパワコンの発電量データを示し、６０２は比較対象のパワコンの発電量データを示す。図７は、図６のパワコンのデータを用いて算出された予測対象と比較対象の間のデータの過去、現在、未来の関連度を示したものであり、図中、縦軸は関連度であり、完全に一致した関連度の場合に１を示し、横軸は時間であり、７０１が現在のデータの関連度であり、７０２がそれ以前の過去のデータの関連度であり、７０４が未来のデータの関連度である。７０３は現在のデータの関連度から６％低下した関連度を持つ未来のデータが生じる時期を示す。図７からわかるように、データの関連度は、現在から未来に進むに従って低下する傾向を有し、未来のデータの関連度が現在のデータの関連度から特定レベル以上低下すると、許容できない重大な故障や多数の異常発生によるパワコンの発電量の低下の問題を生じる可能性が高まる。従って、この現在のデータの関連度からの未来のデータの関連度の低下レベルを問題が生じないレベルに予め設定し、この低下レベルを生じる未来の時期を示すことによって、パワコンの未来の適切なメンテナンス時期を現時点で正確に示すことができる。例えば、低下レベルを６％以上に設定すると、７０３が示す未来の時期がパワコンの未来の適切なメンテナンス時期であるとアドバイスすることができる。

本発明の方法では、発電の開始後及び終了前の発電量（電流値）のデータの変動による影響を少なくするために、モジュール／ストリング／パワコンに関して取得した発電量（電流値）データを発電の開始後の一定時間（例えば１０分から１時間）及び発電の終了前の一定時間（例えば１０分から１時間）で平均化する処理を行なうことができる。あるいは、これらの時間のデータの変動の影響をなくすために発電の開始後の一定時間及び発電の終了前の一定時間の発電量（電流値）のデータの使用を除外することができる。

また、本発明の方法では、発電の開始後や終了前以外においても著しい発電量（電流値）のデータの変動による影響を少なくするために、モジュール／ストリング／パワコンに関して取得した発電量（電流値）データを特定の一定時間で平均化する処理を行なうことができる。あるいは、これらの著しいデータの変動の影響をなくすためにこれらの時間の発電量（電流値）のデータの使用を除外することができる。

本発明の方法では、個々のモジュール／ストリング／パワコンごとに電流値または電圧値を測定するための測定装置を設けることが好ましい。発電量は電流値×電圧値によって算出することできる。これらの測定装置としては、従来公知の手段を採用すればよく、例えば電流値の測定装置は、測定箇所に直列に計測用抵抗を入れて抵抗両端の電圧に変換する方法で電流を計測する方法を採用することができる。測定装置によって測定された電流値等のデータは有線又は無線等の通信手段によって集められ、従来公知の計算機手段を使用して関連度の算出や求める未来時期等の提示を行なうことができる。これらの提示（表示又は通知）は、液晶又はＬＥＤの表示装置における画面表示、インターネットを利用した電子メール通信、またはスピーカ等の音響装置による警告音の発生で行なうことができる。

本発明の方法は、未来の重度の故障や発電量の著しい低下の前に適切なメンテナンス時期を正確にアドバイスすることができるので、太陽光発電システムの長い効率的な使用及び運用が可能である。結果として、本発明の方法は、発電量の増加や設備の使用寿命の増加、さらには太陽光利用効率の向上によるエコ効果をもたらすため、極めて有意義である。

１０１ 太陽電池モジュール
１０２ 太陽電池ストリング
１０３ 集電力端末装置
１０４ パワーコンディショナー
１０５ ネットワーク
１０６ インターネット
１０７ データ監視システムサーバー
１０８ データロガー
２０１ 予測対象の電流値データ
２０２ 比較対象の平均電流値データ
３０１ 現在のデータの関連度
３０２ 過去のデータの関連度
３０３ 現在のデータの関連度から１５％低下した関連度を持つ未来の時期
３０４ 未来のデータの関連度
４０１ 予測対象の発電量データ
４０２ 比較対象の発電量データ
５０１ 現在のデータの関連度
５０２ 過去のデータの関連度
５０３ 現在のデータの関連度から８％低下した関連度を持つ未来の時期
５０４ 未来のデータの関連度
６０１ 予測対象の発電量データ
６０２ 比較対象の発電量データ
７０１ 現在のデータの関連度
７０２ 過去のデータの関連度
７０３ 現在のデータの関連度から６％低下した関連度を持つ未来の時期
７０４ 未来のデータの関連度

Claims (4)

1. 複数の太陽電池モジュールを直列に接続した複数の太陽電池ストリングを並列に接続した複数のパワーコンディショナーを持つ太陽光発電システムにおいて現在の電流値または発電量から特定レベル以上の低下を生じる太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの未来の時期を予測する方法であって、予測対象の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータ、及び予測対象と物理的位置隣接関係、物理的位置間隔関係、過去のデータ値の類似性、及び／または構造の類似性に関して特定の関連性を有する他の比較対象の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを取得し、これらの取得したデータからグレー絶対関連度を算出し、算出したグレー絶対関連度からデジタルグレー予測モデルを用いて予測対象と比較対象の現在のデータの関連度及び未来のデータの関連度を算出し、予測対象において比較対象との間で現在のデータの関連度から特定レベル以上低下した未来のデータの関連度が生じる未来の時期を示すことを特徴とする方法。
2. 取得したデータを発電の開始後の一定時間及び発電の終了前の一定時間で平均化する処理を行なうことを特徴とする請求項１に記載の方法。
3. 取得したデータに対して特定の一定時間で平均化する処理を行なうことを特徴とする請求項１または２に記載の方法。
4. 現在から一定期間先の未来までにおいて特定レベル以上低下した未来のデータの関連度を持つ予測対象を示し、必要により前記予測対象を画面表示、電子メール通信、または警告音で知らせることを特徴とする請求項１〜３のいずれかに記載の方法。