JP2017084360A - 太陽光発電システムの作動方法 - Google Patents
太陽光発電システムの作動方法 Download PDFInfo
- Publication number
- JP2017084360A JP2017084360A JP2016206173A JP2016206173A JP2017084360A JP 2017084360 A JP2017084360 A JP 2017084360A JP 2016206173 A JP2016206173 A JP 2016206173A JP 2016206173 A JP2016206173 A JP 2016206173A JP 2017084360 A JP2017084360 A JP 2017084360A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- power generation
- data set
- test data
- weather
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012360 testing method Methods 0.000 claims abstract description 96
- 230000003247 decreasing effect Effects 0.000 claims abstract description 10
- 230000005855 radiation Effects 0.000 claims description 78
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 10
- 239000003245 coal Substances 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 5
- 239000003345 natural gas Substances 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 17
- 238000009826 distribution Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 239000002803 fossil fuel Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000007792 addition Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind 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
- 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
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
P(yt+h−y^t+h|xt)
と記載されてよい。ここで、h={1,・・・,H}として、yt+hは、t+hでの実際の予測値を表してよく、y^t+hは、t+hでの予測を表してよく、xt=(Yt,Zt+h)である。Yt={y1,・・・,yt}は、時間t以前のアナログ観測のベクトルであってよく、Xt+h={z1,・・・,zt,zt+h}は、時間t+h以前のアナログ外生変数のベクトルであってよい。n個の気象情報変数について、i=1,・・・,t+hとして、zi∈Rnである。
yt=kt(t)=I(t)/I(t) clr
によって正規化されてよい。ここで、I(t)は太陽放射量(例えば、地球規模の放射量又は標準的な放射量のいずれか1つ)であってよく、I(t) clrは、所与の時点についての晴天放射量モデルであってよい。演算は、テストデータの履歴データについて夫々の時点ごとに実施されてよい。
kt(f)=f(sky cover1,・・・,sky covert)
が導入されてよく、関数gは、晴天指数値の確率密度関数をプロットするために利用されてよい。
sky cover(t)=f−1(kt(t))=gt(kt(t))
gt=α1N1+・・・+αpNp
によって記載されるガウス分布モデルによってモデリングされてよい。ここで、gtは結合曲線(図2のプロット220の曲線225)を表してよく、α1N1+・・・+αpNpは、結合に寄与する様々なガウス分布モデルを表してよく、αは、所与の気象クラスの確率を示し、Nは、結合曲線における所与の気象クラスのガウス分布曲線の1つを表し、pは、クラスの数を表す。いくつかの実施形態において、低い太陽天頂角を有するデータ点は除外されてよい。いくつかの実施形態において、期待値最大化は、例えば、式
P(Qi|y)=(P(y|Qi)P|Qi)/P(y)
を用いて、テストデータセットにおける夫々のデータ点について正確なクラスを見つけるために使用されてよい。ここで、Qiは、i番目の気象クラス(例えば、ヒストグラムから導出されるi番目のクラス)を表す。例えば、曇天、一部曇り、及び晴天のクラスを用いる場合に、iは、クラスの夫々を反復的に繰り返してよい。様々なアルファ値の決定を助けるよう、P(Qi)=αi及びα1+・・・+αp=1とし、P(Qi)は、次の式によって導出されてよい:
S=(zt,st)∈Rmn×{1,・・・,p}
によって表されてよい。Sは、テストデータセットの空間を表してよく、stは、データセットにおける新しい予測点ztのラベルを表し、mは、テストデータセットにおける点の数を表してよい。テストデータセットを用いると、予測が所与の気象クラスに属する確率が次の式を用いて予想されてよい:
[外1]
及びMSEについての予想は、次のように計算されてよい:
[外2]
は、本開示に従って計算された誤差分布を表してよい。それらの計算を用いると、予測についての期待値及び誤差の分散は、例えば、次の式によって決定されてよい:
[外3]
の分布が求められ得る。
(付記1)
太陽エネルギ予測を評価する方法であって、
少なくとも1つの太陽光発電装置を含む仮想電力プラントで発電し、
前記太陽光発電装置の位置での歴史的な放射量のテストデータセットを得、
所与の時点での前記テストデータセットを前記所与の時点での晴天放射量で割ることによって、前記位置での放射量の晴天モデルに基づき前記テストデータセットを正規化し、
晴天指数の確率密度に関わる前記テストデータセットのヒストグラムをプロットし、
複数のクラスの夫々についてのクラス特有曲線の結合を含むヒストグラム曲線を前記ヒストグラムに適合させ、
前記クラスの夫々についての前記クラス特有曲線を取り出し、
各点が前記クラス特有曲線にどの程度適合するのかに基づき、前記クラスのうちの1つにより前記テストデータセットにおける各点をクラスタリングし、
前記太陽光発電装置でのある時点についての放射量の予測を得、
前記放射量の予測と前記テストデータセットとの間の類似度に基づき、前記テストデータセットにおいて、前記予測に対して類似した気象条件を持った前記テストデータセットにおける点を含む前記予測の最近傍を見つけ、
前記予測の前記最近傍に基づき、該最近傍が属する前記複数のクラスのうちの1つに前記予測を分類し、
前記複数のクラスのうちの前記1つの放射量の予測不可能性の程度に基づき、前記予測の信頼区間を決定し、
前記信頼区間に基づき、該信頼区間に基づき前記太陽光発電装置の増加出力又は減少出力のうちの一方を実施することによって、前記仮想電力プラントでの発電を変更する
ことを含む方法。
(付記2)
前記信頼区間は、Krigingモデルを用いて決定される、
付記1に記載の方法。
(付記3)
前記仮想電力プラントは、少なくとも1つの非太陽光発電装置を更に含み、
前記仮想電力プラントでの発電を変更することは、
前記信頼区間に比例した、前記太陽光発電装置の増加出力及び前記非太陽光発電装置の減少出力、並びに
前記信頼区間に比例した、前記太陽光発電装置の減少出力及び前記非太陽光発電装置の増加出力
のうちの1つを実施することを含む、
付記1に記載の方法。
(付記4)
前記最近傍を見つけることは、近傍までの加重距離に基づきk近傍法を使用することを含み、前記近傍までの加重距離は、一般的なパターン探索アルゴリズムを用いて決定される、
付記1に記載の方法。
(付記5)
前記非太陽光発電装置は、風力発電装置、水力発電装置、石炭発電装置、原子力発電装置、又は天然ガス発電装置のうちの1つ以上を含む、
付記3に記載の方法。
(付記6)
太陽光発電予測を解析する方法であって、
太陽光発電システムの位置での歴史的な放射量のテストデータセットを得、
前記位置での放射量の晴天モデルに基づき前記テストデータセットを正規化し、該正規化されたデータセットは太陽天頂角から独立しており、
前記テストデータセットを複数の気象クラスにクラスタリングし、夫々の気象クラスは特性の組を含み、
前記太陽光発電システムでの所与の将来の時点についての放射量の予測を得、
前記予測を前記複数の気象クラスのうちの1つに分類し、
前記複数の気象クラスのうちの前記1つの前記特性の組に基づき、前記予測の信頼区間を決定し、
前記予測の前記信頼区間に基づき、太陽エネルギに代わるエネルギの発生源の増加出力又は該エネルギの発生源の減少出力のうちの一方を実施する
ことを含む方法。
(付記7)
前記特性の組は、晴天、曇天、及び一部曇り空のうちの少なくとも1つを含む雲量を含む、
付記6に記載の方法。
(付記8)
前記特性の組は、放射量の予測不可能性の程度を含み、
前記複数の気象クラスの夫々は、放射量の予測不可能性の程度が異なっている、
付記6に記載の方法。
(付記9)
前記特性の組は、季節、場所、雲形成、雲クラス、又はスカイカバーのうちの1つ以上を含む、
付記6に記載の方法。
(付記10)
前記放射量の予測は、サードパーティによって生成される、
付記6に記載の方法。
(付記11)
前記太陽光発電システムを用いて電力を生成し、
前記エネルギの発生源を用いて電力を生成する
ことを更に含む付記6に記載の方法。
(付記12)
前記エネルギの発生源は、風力発電、水力発電、石炭発電、原子力発電、又は天然ガス発電のうちの1つ以上を含む、
付記6に記載の方法。
(付記13)
前記テストデータセットを正規化することは、所与の時点での前記テストデータセットを前記所与の時点での晴天放射量で割ることを含む、
付記6に記載の方法。
(付記14)
前記テストデータセットを複数の気象クラスにクラスタリングすることは、
晴天指数の確率密度に関わる前記テストデータセットのヒストグラムをプロットし、
夫々のクラスについてのクラス特有曲線の結合を含むヒストグラム曲線を前記ヒストグラムに適合させ、
前記クラスの夫々についての前記クラス特有曲線を取り出し、
各点が前記クラス特有曲線にどの程度適合するのかに基づき、前記テストデータセットにおける各点を前記クラスのうちの1つと関連付ける
ことを含む、付記66に記載の方法。
(付記15)
前記予測を前記複数の気象クラスのうちの1つに分類することは、前記予測に対して類似した気象条件を持った前記テストデータセットにおける点を表す前記予測の最近傍を見つけることを含み、
前記予測の信頼区間を決定することは、前記最近傍が属するクラスの放射量の予測不可能性の程度に更に基づく、
付記6に記載の方法。
(付記16)
前記最近傍は、前記予測とは異なる時刻を含む、
付記15に記載の方法。
(付記17)
前記太陽光発電システムは、仮想電力プラントとして統合された、少なくとも1つの太陽光発電装置を含む複数の個別的な発電装置を有する、
付記6に記載の方法。
(付記18)
前記信頼区間に基づき前記太陽エネルギの価格を変更すること
を更に含む付記6に記載の方法。
(付記19)
太陽光発電システムの位置での歴史的な放射量のテストデータセットを得、
前記位置での放射量の晴天モデルに基づき前記テストデータセットを正規化し、該正規化されたデータセットは太陽天頂角から独立しており、
前記テストデータセットを複数の気象クラスにクラスタリングし、夫々の気象クラスは特性の組を含み、
前記太陽光発電システムでの所与の将来の時点についての放射量の予測を得、
前記予測を前記複数の気象クラスのうちの1つに分類し、
前記複数の気象クラスのうちの前記1つの前記特性の組に基づき、前記予測の信頼区間を決定し、
前記予測の前記信頼区間に基づき、太陽エネルギに代わるエネルギの発生源の増加出力又は該エネルギの発生源の減少出力のうちの一方を実施する
ことを含む動作を実行するか又はその実行を制御するよう1つ以上のプロセッサによって実行可能なコンピュータ可読命令を記憶している非一時的なコンピュータ可読媒体。
(付記20)
前記特性の組は、放射量の予測不可能性の程度を含み、
前記複数の気象クラスの夫々は、放射量の予測不可能性の程度が異なっている、
付記19に記載のコンピュータ可読媒体。
110 仮想電力プラント(VPP)
111 制御装置
112 太陽光発電装置
113 風力発電装置
114 化石燃料発電装置
115 水力発電装置
Claims (20)
- 太陽エネルギ予測を評価する方法であって、
少なくとも1つの太陽光発電装置を含む仮想電力プラントで発電し、
前記太陽光発電装置の位置での歴史的な放射量のテストデータセットを得、
所与の時点での前記テストデータセットを前記所与の時点での晴天放射量で割ることによって、前記位置での放射量の晴天モデルに基づき前記テストデータセットを正規化し、
晴天指数の確率密度に関わる前記テストデータセットのヒストグラムをプロットし、
複数のクラスの夫々についてのクラス特有曲線の結合を含むヒストグラム曲線を前記ヒストグラムに適合させ、
前記クラスの夫々についての前記クラス特有曲線を取り出し、
各点が前記クラス特有曲線にどの程度適合するのかに基づき、前記クラスのうちの1つにより前記テストデータセットにおける各点をクラスタリングし、
前記太陽光発電装置でのある時点についての放射量の予測を得、
前記放射量の予測と前記テストデータセットとの間の類似度に基づき、前記テストデータセットにおいて、前記予測に対して類似した気象条件を持った前記テストデータセットにおける点を含む前記予測の最近傍を見つけ、
前記予測の前記最近傍に基づき、該最近傍が属する前記複数のクラスのうちの1つに前記予測を分類し、
前記複数のクラスのうちの前記1つの放射量の予測不可能性の程度に基づき、前記予測の信頼区間を決定し、
前記信頼区間に基づき、該信頼区間に基づき前記太陽光発電装置の増加出力又は減少出力のうちの一方を実施することによって、前記仮想電力プラントでの発電を変更する
ことを含む方法。 - 前記信頼区間は、Krigingモデルを用いて決定される、
請求項1に記載の方法。 - 前記仮想電力プラントは、少なくとも1つの非太陽光発電装置を更に含み、
前記仮想電力プラントでの発電を変更することは、
前記信頼区間に比例した、前記太陽光発電装置の増加出力及び前記非太陽光発電装置の減少出力、並びに
前記信頼区間に比例した、前記太陽光発電装置の減少出力及び前記非太陽光発電装置の増加出力
のうちの1つを実施することを含む、
請求項1に記載の方法。 - 前記最近傍を見つけることは、近傍までの加重距離に基づきk近傍法を使用することを含み、前記近傍までの加重距離は、一般的なパターン探索アルゴリズムを用いて決定される、
請求項1に記載の方法。 - 前記非太陽光発電装置は、風力発電装置、水力発電装置、石炭発電装置、原子力発電装置、又は天然ガス発電装置のうちの1つ以上を含む、
請求項3に記載の方法。 - 太陽光発電予測を解析する方法であって、
太陽光発電システムの位置での歴史的な放射量のテストデータセットを得、
前記位置での放射量の晴天モデルに基づき前記テストデータセットを正規化し、該正規化されたデータセットは太陽天頂角から独立しており、
前記テストデータセットを複数の気象クラスにクラスタリングし、夫々の気象クラスは特性の組を含み、
前記太陽光発電システムでの所与の将来の時点についての放射量の予測を得、
前記予測を前記複数の気象クラスのうちの1つに分類し、
前記複数の気象クラスのうちの前記1つの前記特性の組に基づき、前記予測の信頼区間を決定し、
前記予測の前記信頼区間に基づき、太陽エネルギに代わるエネルギの発生源の増加出力又は該エネルギの発生源の減少出力のうちの一方を実施する
ことを含む方法。 - 前記特性の組は、晴天、曇天、及び一部曇り空のうちの少なくとも1つを含む雲量を含む、
請求項6に記載の方法。 - 前記特性の組は、放射量の予測不可能性の程度を含み、
前記複数の気象クラスの夫々は、放射量の予測不可能性の程度が異なっている、
請求項6に記載の方法。 - 前記特性の組は、季節、場所、雲形成、雲クラス、又はスカイカバーのうちの1つ以上を含む、
請求項6に記載の方法。 - 前記放射量の予測は、サードパーティによって生成される、
請求項6に記載の方法。 - 前記太陽光発電システムを用いて電力を生成し、
前記エネルギの発生源を用いて電力を生成する
ことを更に含む請求項6に記載の方法。 - 前記エネルギの発生源は、風力発電、水力発電、石炭発電、原子力発電、又は天然ガス発電のうちの1つ以上を含む、
請求項6に記載の方法。 - 前記テストデータセットを正規化することは、所与の時点での前記テストデータセットを前記所与の時点での晴天放射量で割ることを含む、
請求項6に記載の方法。 - 前記テストデータセットを複数の気象クラスにクラスタリングすることは、
晴天指数の確率密度に関わる前記テストデータセットのヒストグラムをプロットし、
夫々のクラスについてのクラス特有曲線の結合を含むヒストグラム曲線を前記ヒストグラムに適合させ、
前記クラスの夫々についての前記クラス特有曲線を取り出し、
各点が前記クラス特有曲線にどの程度適合するのかに基づき、前記テストデータセットにおける各点を前記クラスのうちの1つと関連付ける
ことを含む、請求項6に記載の方法。 - 前記予測を前記複数の気象クラスのうちの1つに分類することは、前記予測に対して類似した気象条件を持った前記テストデータセットにおける点を表す前記予測の最近傍を見つけることを含み、
前記予測の信頼区間を決定することは、前記最近傍が属するクラスの放射量の予測不可能性の程度に更に基づく、
請求項6に記載の方法。 - 前記最近傍は、前記予測とは異なる時刻を含む、
請求項15に記載の方法。 - 前記太陽光発電システムは、仮想電力プラントとして統合された、少なくとも1つの太陽光発電装置を含む複数の個別的な発電装置を有する、
請求項6に記載の方法。 - 前記信頼区間に基づき前記太陽エネルギの価格を変更すること
を更に含む請求項6に記載の方法。 - 太陽光発電システムの位置での歴史的な放射量のテストデータセットを得、
前記位置での放射量の晴天モデルに基づき前記テストデータセットを正規化し、該正規化されたデータセットは太陽天頂角から独立しており、
前記テストデータセットを複数の気象クラスにクラスタリングし、夫々の気象クラスは特性の組を含み、
前記太陽光発電システムでの所与の将来の時点についての放射量の予測を得、
前記予測を前記複数の気象クラスのうちの1つに分類し、
前記複数の気象クラスのうちの前記1つの前記特性の組に基づき、前記予測の信頼区間を決定し、
前記予測の前記信頼区間に基づき、太陽エネルギに代わるエネルギの発生源の増加出力又は該エネルギの発生源の減少出力のうちの一方を実施する
ことを含む動作を実行するか又はその実行を制御するよう1つ以上のプロセッサによって実行可能なコンピュータ可読命令を記憶している非一時的なコンピュータ可読媒体。 - 前記特性の組は、放射量の予測不可能性の程度を含み、
前記複数の気象クラスの夫々は、放射量の予測不可能性の程度が異なっている、
請求項19に記載のコンピュータ可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/921,988 US10103548B2 (en) | 2015-10-23 | 2015-10-23 | Operating a solar power generating system |
US14/921,988 | 2015-10-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017084360A true JP2017084360A (ja) | 2017-05-18 |
JP6759966B2 JP6759966B2 (ja) | 2020-09-23 |
Family
ID=58490533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016206173A Active JP6759966B2 (ja) | 2015-10-23 | 2016-10-20 | 太陽光発電システムの作動方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10103548B2 (ja) |
JP (1) | JP6759966B2 (ja) |
DE (1) | DE102016220705A1 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256690A (zh) * | 2018-02-07 | 2018-07-06 | 国网辽宁省电力有限公司电力科学研究院 | 基于形状参数置信区间的光伏发电预测方法 |
CN108667077A (zh) * | 2018-04-10 | 2018-10-16 | 燕山大学 | 一种风蓄联合系统优化调度方法 |
CN109242218A (zh) * | 2018-11-05 | 2019-01-18 | 南方电网科学研究院有限责任公司 | 一种基于svm的高原山区的风电功率预测方法和装置 |
WO2020148940A1 (ja) * | 2019-01-18 | 2020-07-23 | 株式会社ヒデ・ハウジング | 日射量出現確率分布解析法、日射量出現確率分布解析システム、日射量出現確率分布解析プログラム、日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム |
JP2020115101A (ja) * | 2019-01-18 | 2020-07-30 | 株式会社ヒデ・ハウジング | 日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム |
JP2020115100A (ja) * | 2019-01-18 | 2020-07-30 | 株式会社ヒデ・ハウジング | 日射量出現確率分布解析法、日射量出現確率分布解析システムおよび日射量出現確率分布解析プログラム |
US10998725B2 (en) | 2019-01-18 | 2021-05-04 | Hide Housing Corporation | Electric power generation prediction method based on expected value calculation, electric power generation prediction system based on expected value calculation, and electric power generation prediction program product based on expected value calculation |
KR20220085187A (ko) * | 2020-12-15 | 2022-06-22 | 부강이엔에스 주식회사 | 전기 에너지 제어 모드를 구비하는 건물일체형 태양광·태양열 시스템 |
CN116154768A (zh) * | 2023-04-14 | 2023-05-23 | 南方电网数字电网研究院有限公司 | 采用点预测误差经验分布逆变换的功率区间预测方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10663500B2 (en) * | 2011-07-25 | 2020-05-26 | Clean Power Research, L.L.C. | System and method for estimating photovoltaic energy generation through linearly interpolated irradiance observations with the aid of a digital computer |
US11921478B2 (en) | 2015-02-25 | 2024-03-05 | Clean Power Research, L.L.C. | System and method for estimating periodic fuel consumption for cooling of a building with the aid of a digital computer |
RU2630193C1 (ru) * | 2016-04-18 | 2017-09-05 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система для создания прогноза погоды |
US11300707B2 (en) * | 2016-08-02 | 2022-04-12 | International Business Machines Corporation | Solar forecasting using machine learned cloudiness classification |
CN107276077A (zh) * | 2017-06-26 | 2017-10-20 | 国网山东省电力公司菏泽供电公司 | 基于三点式平均值评估法的含风电电网风险评估方法 |
CN107832869A (zh) * | 2017-10-18 | 2018-03-23 | 国网上海市电力公司 | 一种风力发电与光伏发电的发电功率预测方法 |
CN108288861B (zh) * | 2018-02-01 | 2021-04-27 | 福州大学 | 风电场群风储系统选址定容联合优化的方法 |
US10886739B2 (en) | 2018-05-31 | 2021-01-05 | Trane International Inc. | Systems and methods for grid appliances |
CN109494792B (zh) * | 2018-11-21 | 2022-05-13 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
CN110048420B (zh) * | 2019-05-15 | 2021-08-13 | 广东电网有限责任公司 | 一种配电网随机优化调度的方法、装置和介质 |
CN111008739B (zh) * | 2019-12-04 | 2021-03-30 | 华北电力大学 | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 |
CN111525553B (zh) * | 2020-04-22 | 2021-09-07 | 东南大学 | 一种预测功率优化分段下新能源出力误差可信区间估计法 |
DE102022118176A1 (de) * | 2022-07-20 | 2024-01-25 | Rolls-Royce Solutions GmbH | Verfahren zum Betreiben eines Leistungsbereitstellungsnetzwerks, Steuervorrichtung zur Durchführung eines solchen Verfahrens und Leistungsbereitstellungsnetzwerk mit einer solchen Steuervorrichtung |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20130054662A1 (en) * | 2010-04-13 | 2013-02-28 | The Regents Of The University Of California | Methods of using generalized order differentiation and integration of input variables to forecast trends |
JP2015167439A (ja) * | 2014-03-03 | 2015-09-24 | 国立大学法人岐阜大学 | 太陽光発電装置の発電量予測システム及び発電量予測方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9300141B2 (en) * | 2010-11-18 | 2016-03-29 | John J. Marhoefer | Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization |
US20140278107A1 (en) * | 2013-03-12 | 2014-09-18 | Locus Energy, Llc | Methods and systems for real-time solar forecasting incorporating a ground network |
-
2015
- 2015-10-23 US US14/921,988 patent/US10103548B2/en active Active
-
2016
- 2016-10-20 JP JP2016206173A patent/JP6759966B2/ja active Active
- 2016-10-21 DE DE102016220705.9A patent/DE102016220705A1/de active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20130054662A1 (en) * | 2010-04-13 | 2013-02-28 | The Regents Of The University Of California | Methods of using generalized order differentiation and integration of input variables to forecast trends |
JP2015167439A (ja) * | 2014-03-03 | 2015-09-24 | 国立大学法人岐阜大学 | 太陽光発電装置の発電量予測システム及び発電量予測方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256690B (zh) * | 2018-02-07 | 2021-10-08 | 国网辽宁省电力有限公司电力科学研究院 | 基于形状参数置信区间的光伏发电预测方法 |
CN108256690A (zh) * | 2018-02-07 | 2018-07-06 | 国网辽宁省电力有限公司电力科学研究院 | 基于形状参数置信区间的光伏发电预测方法 |
CN108667077A (zh) * | 2018-04-10 | 2018-10-16 | 燕山大学 | 一种风蓄联合系统优化调度方法 |
CN109242218A (zh) * | 2018-11-05 | 2019-01-18 | 南方电网科学研究院有限责任公司 | 一种基于svm的高原山区的风电功率预测方法和装置 |
WO2020148940A1 (ja) * | 2019-01-18 | 2020-07-23 | 株式会社ヒデ・ハウジング | 日射量出現確率分布解析法、日射量出現確率分布解析システム、日射量出現確率分布解析プログラム、日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム |
JP2020115100A (ja) * | 2019-01-18 | 2020-07-30 | 株式会社ヒデ・ハウジング | 日射量出現確率分布解析法、日射量出現確率分布解析システムおよび日射量出現確率分布解析プログラム |
US20200394255A1 (en) | 2019-01-18 | 2020-12-17 | Hide Housing Corporation | Insolation probability distribution analysis method, insolation probability distribution analysis system, insolation probability distribution analysis program product,insolation normalization statistical analysis method, insolation normalization statistical analysis system, and insolation normalization statistical analysis program product |
US10977341B2 (en) | 2019-01-18 | 2021-04-13 | Hide Housing Corporation | Insolation probability distribution analysis method, insolation probability distribution analysis system, insolation probability distribution analysis program product, insolation normalization statistical analysis method, insolation normalization statistical analysis system, and insolation normalization statistical analysis program product |
US10998725B2 (en) | 2019-01-18 | 2021-05-04 | Hide Housing Corporation | Electric power generation prediction method based on expected value calculation, electric power generation prediction system based on expected value calculation, and electric power generation prediction program product based on expected value calculation |
JP2020115101A (ja) * | 2019-01-18 | 2020-07-30 | 株式会社ヒデ・ハウジング | 日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム |
KR20220085187A (ko) * | 2020-12-15 | 2022-06-22 | 부강이엔에스 주식회사 | 전기 에너지 제어 모드를 구비하는 건물일체형 태양광·태양열 시스템 |
KR102534042B1 (ko) * | 2020-12-15 | 2023-05-18 | 부강이엔에스 주식회사 | 전기 에너지 제어 모드를 구비하는 건물일체형 태양광·태양열 시스템 |
CN116154768A (zh) * | 2023-04-14 | 2023-05-23 | 南方电网数字电网研究院有限公司 | 采用点预测误差经验分布逆变换的功率区间预测方法 |
CN116154768B (zh) * | 2023-04-14 | 2023-06-27 | 南方电网数字电网研究院有限公司 | 采用点预测误差经验分布逆变换的功率区间预测方法 |
Also Published As
Publication number | Publication date |
---|---|
US10103548B2 (en) | 2018-10-16 |
DE102016220705A1 (de) | 2017-04-27 |
US20170117711A1 (en) | 2017-04-27 |
JP6759966B2 (ja) | 2020-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6759966B2 (ja) | 太陽光発電システムの作動方法 | |
JP6693330B2 (ja) | 太陽光発電システムの動作 | |
Zhou et al. | Deep Learning Enhanced Solar Energy Forecasting with AI‐Driven IoT | |
Jawaid et al. | Predicting daily mean solar power using machine learning regression techniques | |
US20170286838A1 (en) | Predicting solar power generation using semi-supervised learning | |
Saeed et al. | An optimal approach of wind power assessment using Chebyshev metric for determining the Weibull distribution parameters | |
Gupta et al. | Solar energy prediction using decision tree regressor | |
Alomari et al. | A predictive model for solar photovoltaic power using the Levenberg-Marquardt and Bayesian regularization algorithms and real-time weather data | |
Vanderstar et al. | Solar forecasting using remote solar monitoring stations and artificial neural networks | |
Hofierka et al. | The spatial distribution of photovoltaic power plants in relation to solar resource potential: the case of the Czech Republic and Slovakia | |
Tosun et al. | Solar power generation analysis and forecasting real-world data using LSTM and autoregressive CNN | |
CN117374956A (zh) | 一种针对综合能源站光伏发电的短期预测方法 | |
Elhammoudy et al. | Dandelion Optimizer algorithm-based method for accurate photovoltaic model parameter identification | |
Das et al. | Optimized support vector regression-based model for solar power generation forecasting on the basis of online weather reports | |
Liu et al. | Optimizing the tilt angle of solar collector under clear sky by particle swarm optimization method | |
Mellit | Sizing of photovoltaic systems: a review | |
Deng et al. | A survey of the researches on grid-connected solar power generation systems and power forecasting methods based on ground-based cloud atlas | |
Simankov et al. | Review of models for estimating and predicting the amount of energy produced by solar energy systems | |
Oh et al. | Two-Stage Neural Network Optimization for Robust Solar Photovoltaic Forecasting | |
Aupke et al. | Impact of clustering methods on machine learning-based solar power prediction models | |
Baruque et al. | Small-wind turbine power generation prediction from atmospheric variables based on intelligent techniques | |
Fu et al. | Photovoltaic Power Prediction Based on Gray-scale Satellite Cloud Image and Optimized LSTM | |
Yang et al. | Short-Term Photovoltaic Power Interval Prediction Based on the Improved Generalized Error Mixture Distribution and Wavelet Packet-LSSVM | |
Ibrahim | Modelling of intraday Photovoltaic power production | |
Barua et al. | A Statistical Estimation of Solar Power for Energy Mix in Bangladesh |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190709 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200522 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200714 |
|
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: 20200804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200817 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6759966 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |