JP2017142178A - 日変化予測プログラム、日変化予測装置および日変化予測方法 - Google Patents
日変化予測プログラム、日変化予測装置および日変化予測方法 Download PDFInfo
- Publication number
- JP2017142178A JP2017142178A JP2016023837A JP2016023837A JP2017142178A JP 2017142178 A JP2017142178 A JP 2017142178A JP 2016023837 A JP2016023837 A JP 2016023837A JP 2016023837 A JP2016023837 A JP 2016023837A JP 2017142178 A JP2017142178 A JP 2017142178A
- Authority
- JP
- Japan
- Prior art keywords
- time
- physical quantity
- observation
- daily change
- day
- 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.)
- Pending
Links
Images
Abstract
【課題】太陽の動き以外の地域特性や季節変動等による影響を排除し、所定の地点における太陽の動きに依存する物理量の日変化を高精度に予測することができる日変化予測プログラム、日変化予測装置および日変化予測方法を提供する。
【解決手段】所定の地点で観測された物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化部と、時系列データの物理量を無次元化する物理量無次元化部と、無次元化された複数日分の無次元物理量のうち正規化された観測時刻が同じもの同士を平均化し近似処理してなる日変化関数を生成する日変化関数生成部と、日変化関数に基づいて物理量の日変化を予測する日変化予測部としてコンピュータを機能させる。
【選択図】 図1
【解決手段】所定の地点で観測された物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化部と、時系列データの物理量を無次元化する物理量無次元化部と、無次元化された複数日分の無次元物理量のうち正規化された観測時刻が同じもの同士を平均化し近似処理してなる日変化関数を生成する日変化関数生成部と、日変化関数に基づいて物理量の日変化を予測する日変化予測部としてコンピュータを機能させる。
【選択図】 図1
Description
本発明は、所定の地点における太陽の動きに依存する物理量の日変化を予測するための日変化予測プログラム、日変化予測装置および日変化予測方法に関するものである。
従来、農作物の栽培や太陽光発電のように、太陽光を主なエネルギー源とする産業においては、気温や日射量などのように、太陽の動きに依存して変動する物理量を把握することが重要とされている。一日の間における変化である日変化のように、当該物理量の周期的な変動を予測できれば、当該予測に基づいて生産性の改善や予測が可能となるからである。
例えば、農業分野においては、気温や地温等の日変化を予測することにより、ハウス内の温度管理が容易となり、生産物の生産量や品質の改善に資することが期待される。また、太陽光発電の分野においては、日射量等の日変化を予測することにより、事前に発電量を予測できるため、電力購入計画を作成することも可能である。
なお、上述した物理量の日変化を予測する方法として、例えば、特開2015−163861号公報には、予測を希望する時刻と同時刻に測定された過去の気温の測定結果、予測最高気温、予測最低気温との関係性を回帰式として、予測する対象日の予測最高気温、予測最低気温を用いて気温を予測する方法が記載されている(特許文献1)。
しかしながら、特許文献1に記載の発明を含め従来の予測方法においては、太陽の動きのみならず、気圧の変化や寒気などの移流が、日変化に影響を与える因子として含まれている。このため、太陽の動きによる影響のみの因子や、その影響割合等を把握することができないという問題がある。また、他の様々な因子の影響を特定するには、各因子の独立性の検証が必要となるなど複雑性が内在しており、単純に組み合わせることが困難であるという問題もある。そして、上述したような問題は、マルチセンシングやビッグデータの解析のように、統計解析や機械学習等を用いて新たな価値を出力するためにかかるコストを増大させる要因となっている。
また、所定の地点における太陽の動きは、一年中同じではなく、毎日少しずつ変化しており、季節単位では大きく異なる。このため、日の出から日没までの時間帯、および当該時間帯に応じた太陽からの放射エネルギー(以下、太陽エネルギーという)も周期的に変動するため、太陽エネルギーの有無を基準とする物理量の日変化を高精度に予測することができないという問題もある。
本発明は、このような問題点を解決するためになされたものであって、太陽の動き以外の地域特性や季節変動等による影響を排除し、所定の地点における太陽の動きに依存する物理量の日変化を高精度に予測することができる日変化予測プログラム、日変化予測装置および日変化予測方法を提供することを目的としている。
本発明に係る日変化予測プログラムは、太陽の動き以外の地域特性や季節変動等による影響を排除し、所定の地点における太陽の動きに依存する物理量の日変化を高精度に予測するという課題を解決するために、所定の地点における太陽の動きに依存する物理量の日変化を予測する日変化予測プログラムであって、前記地点で観測された前記物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化部と、前記時系列データの物理量を無次元化する物理量無次元化部と、前記物理量無次元化部によって無次元化された複数日分の無次元物理量のうち、前記観測時刻正規化部によって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成する日変化関数生成部と、前記日変化関数に基づいて、前記物理量の日変化を予測する日変化予測部としてコンピュータを機能させる。
また、本発明の一態様として、観測時刻を可照時間で正規化するという課題を解決するために、前記観測時刻正規化部は、前記時系列データの観測日および観測日前後の南中時刻と可照時間に基づいて、観測日前日の南中時刻と観測日の南中時刻との中間時刻が0時、観測日の可照時間の開始時刻が6時、観測日の南中時刻が12時、観測日の可照時間の終了時刻が18時、観測日の南中時刻と観測日翌日の南中時刻との中間時刻が24時となるように正規化してもよい。
さらに、本発明の一態様として、観測時刻を簡単に可照時間で正規化するという課題を解決するために、下記の式(1)〜(4)を用いて、前記時系列データの観測時刻を正規化してもよい。
ただし、各符号は以下を表す。
t:観測時刻(地方標準時)
i:任意の観測日
M(i):観測日iの南中時刻
A:観測日前日の南中時刻M(i−1)と観測日の南中時刻M(i)との中間時刻
Hs(i):観測日の可照時間の開始時刻
He(i):観測日の可照時間の終了時刻
B:観測日の南中時刻M(i)と観測日翌日の南中時刻M(i+1)との中間時刻
ただし、各符号は以下を表す。
t:観測時刻(地方標準時)
i:任意の観測日
M(i):観測日iの南中時刻
A:観測日前日の南中時刻M(i−1)と観測日の南中時刻M(i)との中間時刻
Hs(i):観測日の可照時間の開始時刻
He(i):観測日の可照時間の終了時刻
B:観測日の南中時刻M(i)と観測日翌日の南中時刻M(i+1)との中間時刻
また、本発明の一態様として、任意の予測日における物理量の日変化を予測するという課題を解決するために、前記日変化予測部は、前記観測時刻正規化部によって正規化された可照時間正規化時刻での一日を朝時間帯、昼時間帯および夜時間帯に分割し、前記朝時間帯では、少なくとも前記日変化を予測する予測日の前日における前記物理量の最大値を使用し、前記昼時間帯では、前記予測日における前記物理量の最小値および最大値を使用し、前記夜時間帯では、少なくとも前記予測日の翌日における物理量の最小値を使用して、前記物理量の日変化を予測してもよい。
また、本発明の一態様として、物理量を無次元化するという課題を解決するために、前記物理量無次元化部は、前記時系列データの各地方太陽日内の物理量の最大値と最小値を求め、当該物理量を当該最大値と最小値の差分を用いて無次元化してもよい。
さらに、本発明の一態様として、無次元物理量の日変化関数の精度を向上させるという課題を解決するために、前記日変化関数生成部は、平均化した前記無次元物理量に近似処理した後の近似値の最大値が1でない場合、および/または前記近似値の最小値が0でない場合、前記近似値の最大値が1、および前記近似値の最小値が0となるように、前記無次元物理量を正規化してもよい。
また、本発明の一態様として、正規化された観測時刻が同じもの同士を物理量無次元化部が確実に抽出するという課題を解決するために、前記観測時刻正規化部は、正規化した各時刻間の物理量をスプライン補間により補間してもよい。
また、本発明に係る日変化予測装置は、太陽の動き以外の地域特性や季節変動等による影響を排除し、所定の地点における太陽の動きに依存する物理量の日変化を高精度に予測するという課題を解決するために、所定の地点における太陽の動きに依存する物理量の日変化を予測する日変化予測装置であって、前記地点で観測された前記物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化部と、前記時系列データの物理量を無次元化する物理量無次元化部と、前記物理量無次元化部によって無次元化された複数日分の無次元物理量のうち、前記観測時刻正規化部によって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成する日変化関数生成部と、前記日変化関数に基づいて、前記物理量の日変化を予測する日変化予測部とを有する。
さらに、本発明に係る日変化予測方法は、太陽の動き以外の地域特性や季節変動等による影響を排除し、所定の地点における太陽の動きに依存する物理量の日変化を高精度に予測するという課題を解決するために、所定の地点における太陽の動きに依存する物理量の日変化を予測する日変化予測方法であって、前記地点で観測された前記物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化ステップと、前記時系列データの物理量を無次元化する物理量無次元化ステップと、前記物理量無次元化ステップによって無次元化された複数日分の無次元物理量のうち、前記観測時刻正規化ステップによって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成する日変化関数生成ステップと、前記日変化関数に基づいて、前記物理量の日変化を予測する日変化予測ステップとを有する。
本発明によれば、太陽の動き以外の地域特性や季節変動等による影響を排除し、所定の地点における太陽の動きに依存する物理量の日変化を高精度に予測することができる。
以下、本発明に係る日変化予測プログラム、日変化予測装置および日変化予測方法の一実施形態について図面を用いて説明する。
本発明に係る日変化予測プログラム、日変化予測装置および日変化予測方法は、所定の地点における太陽の動きに依存する物理量の日変化を予測するためのものである。本発明において、所定の地点における太陽の動きとは、当該地点から見た太陽の見かけの動きをいうものであり、具体的には、地球の自転に伴う日周運動と、地球の公転に伴う年周運動とを組み合わせた動きである。
また、本発明において、太陽の動きに依存する物理量とは、例えば、気温、地温、水温、湿度、日射量、太陽エネルギーを受けて発熱する物体の表面温度などのように、太陽エネルギーの有無によってその値が増減する全ての量を含む概念である。以下、本実施形態において、太陽の動きに依存する物理量を、単に「物理量」と表記する場合がある。
本実施形態の日変化予測装置1は、パーソナルコンピュータやタブレット端末等のコンピュータによって構成されており、図1に示すように、主として、外部サーバ等と通信するための通信手段2と、予測結果の表示やデータ入力を行うための表示入力手段3と、本実施形態の日変化予測プログラム1aや各種データを記憶する記憶手段4と、各種の演算処理を実行し後述する各構成部として機能する演算処理手段5とから構成されている。以下、各構成手段について詳細に説明する。
通信手段2は、日変化予測装置1に通信機能を実装するためのものであり、通信モジュール等から構成されている。本実施形態において、通信手段2は、無線LAN(Local Area Network)等のネットワークを介して、外部サーバ(図示せず)等とアクセス可能に構成し、後述する時系列データや気象予報データを受信するようになっている。
表示入力手段3は、タッチパネル等で構成されており、入力機能と表示機能とを兼ね備えたものである。本実施形態において、表示入力手段3は、日変化の予測結果等を表示させるとともに、予測日の指定および各種のデータ入力を受付けるようになっている。なお、本実施形態では、表示機能および入力機能を兼ね備えた表示入力手段3を使用しているが、この構成に限定されるものではなく、表示機能のみを備えた液晶ディスプレイ等の表示手段、および入力機能のみを備えたキーボードやマウス等の入力手段をそれぞれ別個に有していてもよい。
記憶手段4は、各種のデータを記憶するとともに、演算処理手段5が演算処理を行う際のワーキングエリアとして機能するものである。本実施形態において、記憶手段4は、ハードディスク、ROM(Read Only Memory)、RAM(Random Access Memory)、フラッシュメモリ等で構成されており、図1に示すように、プログラム記憶部41を有している。以下、各構成部について詳細に説明する。
プログラム記憶部41には、本実施形態の日変化予測プログラム1aがインストールされている。そして、演算処理手段5が、日変化予測プログラム1aを実行することにより、日変化予測装置1としてのコンピュータを後述する各構成部として機能させるようになっている。
なお、日変化予測プログラム1aの利用形態は、上記構成に限られるものではない。例えば、USBメモリ等のように、コンピュータで読み取り可能な記録媒体に日変化予測プログラム1aを記憶させておき、当該記録媒体から直接読み出して実行してもよい。また、外部サーバ等からASP(Application Service Provider)方式やクラウドコンピューティング方式で利用してもよい。
演算処理手段5は、CPU(Central Processing Unit)やマイクロコントローラ等によって構成されており、記憶手段4にインストールされた日変化予測プログラム1aを実行することにより、図1に示すように、時系列データ取得部51と、真太陽時変換部52と、観測時刻正規化部53と、物理量無次元化部54と、日変化関数生成部55と、日変化予測部56として機能するようになっている。以下、各構成部についてより詳細に説明する。
時系列データ取得部51は、所定の地点で観測された物理量の時系列データを取得するものである。本実施形態において、時系列データは、所定の観測地点における過去の気温に関する時系列データであって、観測地点が属する国または地方の地方標準時を基準として所定の時間間隔(10分〜60分間隔)で観測された気温の変化を表すものである。
また、本実施形態において、時系列データは、所定の観測地点に設置された温度センサのセンサ値を所定の時間間隔で出力し、外部のデータサーバ(図示せず)等に蓄積したものである。このため、時系列データ取得部51は、通信手段2を介して当該データサーバへアクセスし、時系列データを取得するようになっている。なお、記憶手段4の容量に余裕がある場合には、時系列データを予め当該記憶手段4に保存しておいてもよい。
真太陽時変換部52は、標準時を基準とする時系列データの観測時刻を地方真太陽時(実際の太陽の動きから得られる時刻)に変換し、南中時刻および可照時間を取得するものである。本実施形態において、真太陽時変換部52は、ユーザによって入力された観測地点の緯度・経度等や、公知の太陽位置計算式を用いて観測時刻を地方真太陽時に変換し、南中時刻および可照時間を算出するようになっている。
なお、本実施形態において、可照時間は、日の出時間から日没時間までの時間である。ただし、真太陽時変換部52は、日の出前および日没後の市民薄明(太陽の中心の高度が地平線または水平線の下6度に達するときと日の出または日の入りの間)を考慮して、可照時間を設定することが好ましい。また、必ずしも真太陽時変換部52を設ける必要はなく、必要なデータの入力に応じて南中時刻や日の出時間および日没時間を算出してくれるウエブサイト等から取得してもよい。
観測時刻正規化部53は、観測時刻が地方真太陽時に変換された時系列データを可照時間で正規化するものである。本実施形態において、観測時刻正規化部53は、真太陽時変換部52によって地方真太陽時に変換された観測時刻に対して、観測日および観測日前後の南中時刻と可照時間を用いて正規化するようになっている。
具体的には、観測時刻正規化部53は、地方真太陽時に変換された観測時刻を以下のように可照時間で正規化することにより、時系列データの観測時刻を可照時間正規化時刻へ変換するための可照時間正規化関数を生成する。
0時:観測日前日の南中時刻と観測日の南中時刻との中間時刻
6時:観測日の可照時間の開始時刻
12時:観測日の南中時刻
18時:観測日の可照時間の終了時刻
24時:観測日の南中時刻と観測日翌日の南中時刻との中間時刻
0時:観測日前日の南中時刻と観測日の南中時刻との中間時刻
6時:観測日の可照時間の開始時刻
12時:観測日の南中時刻
18時:観測日の可照時間の終了時刻
24時:観測日の南中時刻と観測日翌日の南中時刻との中間時刻
このとき、観測時刻正規化部53によって生成される可照時間正規化関数R(t)は、下記式(1)〜(4)によって表される。
ただし、各符号は以下を表す。
t:観測時刻(地方標準時)
i:任意の観測日
M(i):観測日iの南中時刻
A:観測日前日の南中時刻M(i−1)と観測日の南中時刻M(i)との中間時刻
Hs(i):観測日の可照時間の開始時刻
He(i):観測日の可照時間の終了時刻
B:観測日の南中時刻M(i)と観測日翌日の南中時刻M(i+1)との中間時刻
ただし、各符号は以下を表す。
t:観測時刻(地方標準時)
i:任意の観測日
M(i):観測日iの南中時刻
A:観測日前日の南中時刻M(i−1)と観測日の南中時刻M(i)との中間時刻
Hs(i):観測日の可照時間の開始時刻
He(i):観測日の可照時間の終了時刻
B:観測日の南中時刻M(i)と観測日翌日の南中時刻M(i+1)との中間時刻
上記正規化処理により、時系列データの南中時刻(太陽高度のピークとなる時刻)が12時に統一されるとともに、時系列データから太陽時を基準とした24時間ごとのデータセットが切り出される。
また、上記可照時間正規化関数R(t)によって、可照時間が12時間、それ以外が12時間となるように観測時刻の時刻幅が伸縮されるため、観測時刻が可照時間で正規化される。これにより、時系列データは、太陽エネルギーの有無を基準とする日変化を示すこととなるため、年周期で変動する南中時刻、可照時間(季節変動)の影響や誤差が排除される。すなわち、観測日の異なる時系列データを統合して扱えるようになる。
なお、上述した正規化により、時系列データの時刻間隔が一定ではなくなる。そこで、本実施形態において、観測時刻正規化部53は、正規化された各時刻間の物理量(気温)をスプライン補間等を用いて補間することにより、等間隔(10分〜60分間隔)のデータセットを作成するようになっている。これにより、後述する物理量無次元化部54が確実に、正規化された観測時刻が同じもの同士を抽出しうるようになっている。なお、当該補間処理は、元々の時系列データのデータ間隔が粗い場合に、特に有効であるが、データ間隔が細かい場合には行う必要はない。また、データを補間する方法は、スプライン補間に限られず、他の方法であってもよい。
物理量無次元化部54は、時系列データの物理量を無次元化するものである。本実施形態において、物理量無次元化部54は、可照時間で正規化された時系列データの各地方太陽日(0時〜24時)内の気温(物理量)の最大値と最小値を求め、当該気温(物理量)を当該最大値と最小値の差分を用いて無次元化するようになっている。なお、本実施形態において、無次元化された物理量を「無次元物理量」と表記する。
上記式(5)により、可照時間で正規化された各地方太陽日のうち、任意の観測日における物理量の最大値が1、最小値が0となる。
日変化関数生成部55は、物理量無次元化部54によって無次元化された複数日分の無次元物理量のうち、観測時刻正規化部53によって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成するものである。本実施形態において、日変化関数生成部55は、まず、複数日分の時系列データを参照し、可照時間で正規化された観測時刻が同じ無次元気温同士を抽出して平均化する。そして、日変化関数生成部55は、当該平均化した無次元気温の時系列データに、所定の近似処理を施して、無次元気温に関する日変化関数を生成するようになっている。
具体的な近似処理としては、日変化関数生成部55は、平均化した無次元気温を0時から24時の区間で、フーリエ級数またはスプライン補間により近似する。例えば、フーリエ級数による近似処理を用いた場合、日変化関数生成部55によって生成される無次元気温の日変化関数は、下記式(6)によって表される。
ただし、各符号は以下を表す。
Γ(h):
h:可照時間により正規化された観測時刻
an:係数(n:0以上の整数)
m:フーリエ級数の項数
ω:角速度
φ:位相
ただし、各符号は以下を表す。
Γ(h):
h:可照時間により正規化された観測時刻
an:係数(n:0以上の整数)
m:フーリエ級数の項数
ω:角速度
φ:位相
なお、太陽変動は二成分程度で表現可能なことから、フーリエ級数の項数は2〜3項で十分である。また、日変化関数生成部55は、スプライン補間による近似処理によって無次元物理量の日変化関数を生成してもよい。
ここで、平均化した無次元物理量の時系列データと、当該時系列データから各種の近似処理を用いて生成された無次元物理量の日変化関数の一例を図2に示す。図2に示すとおり、平均化した無次元物理量の日変化パターンは、いずれの近似処理を用いても高精度に近似されていることがわかる。
また、本実施形態において、平均化した無次元物理量に近似処理した後の近似値の最大値が1でない場合、および/または当該近似値の最小値が0でない場合、日変化関数生成部55は、近似値の最大値が1、および近似値の最小値が0となるように、無次元物理量を再正規化するようになっている。これにより、無次元物理量の日変化関数がより高精度なものとなる。なお、当該再正規化に際して、日変化関数生成部55は、上記式(5)と同様の式を用いてもよい。
日変化予測部56は、無次元物理量の日変化関数に基づいて、任意の日における物理量の日変化を予測するものである。本実施形態において、日変化予測部56は、通信手段2を介して、予測日の気温の最小値(最低気温)と最大値(最高気温)を含む気象予報データを取得し、当該気象予報データと、日変化関数生成部55によって生成された日変化関数とに基づいて、予測日における気温の日変化を予測するようになっている。
具体的には、日変化予測部56は、まず、ユーザによって指定された予測日および予測地点(緯度・経度)に基づいて、当該地点における予測日前日から翌日までの気象予報データを、天気予報サイトや外部のデータサーバ等から取得する。なお、本実施形態において、気象予報データは、気象の専門機関から提供されているデータであり、物理量(気温または日射量)の予測値または過去値を含むものである。
つぎに、日変化予測部56は、観測時刻正規化部53によって正規化された可照時間正規化時刻での一日(0〜24時)を朝時間帯(0〜5時)、昼時間帯(5〜14時)および夜時間帯(14〜24時)に分割し、前記朝時間帯では、日変化を予測する予測日の前日における物理量の最大値と予測日の物理量の最小値とを使用し、前記昼時間帯では、予測日における物理量の最小値および最大値を使用し、前記夜時間帯では、予測日の物理量の最大値と予測日の翌日における物理量の最小値とを使用して、物理量の日変化を予測するようになっている。
本実施形態において、日変化予測部56は、予測日前日の物理量と、予測日当日の物理量と、予測日翌日の物理量と、日変化関数とを用いた下記式(7)〜(9)によって、任意の予測日における気温の日変化T(t)を予測するようになっている。
なお、上記式(7)〜(9)において、可照時間正規化時刻hは、上記式(1)〜(4)の可照時間正規化関数R(t)によって得られるものである。また、上記式(7)〜(9)は、上記の式(5)によって無次元化された物理量を元の値に戻すものである。さらに、本実施形態では、可照時間正規化時刻での一日を三つの時間帯に分割し、各時間帯に最も近い物理量の最小値または最大値を使用することにより、日変化を高精度に予測するようになっている。
なお、本実施形態では、上記式(7)〜(9)を滑らかに接続させるため、日変化関数の変曲点近傍(5時,14時)で各時間帯を区切っているが、この構成に限定されるものではない。例えば、昼と夜という観点で時間帯を設定するのであれば、0〜6時を朝時間帯、6〜18時を昼時間帯、18〜24時を夜時間帯として時間帯を区切ってもよく、他の時間帯を採用してもよい。また、時間帯数も三つに限定されるものではなく適宜増減してもよい。
また、本実施形態において、予測日前日の物理量の最大値、予測日の物理量の最大値と最小値、および予測日翌日の物理量の最小値のうち、過去の値については、気象予報データの観測値を用い、未来の値については、気象予報データの予測値を用いているがこの構成に限定されるものではない。予測値の最大値・最小値を用いると、予測値の時系列予測が出力され、観測値の最大値・最小値を用いると、観測値の時系列予測が出力されることとなる。
さらに、本実施形態において、日変化予測部56は、予測日および予測日前後の南中時刻と可照時間を取得するとともに、上記式(1)〜(4)の逆関数を用いることにより、可照時間正規化時刻に基づく日変化T(h)を地方標準時基準の日変化T(t)に変換するようになっている。
つぎに、本実施形態の日変化予測プログラム1aによって実行される日変化予測装置1および日変化予測方法の作用について説明する。
本実施形態において、図3に示す処理は、所定の地点で観測された物理量の時系列データから日変化関数を生成するとともに、当該日変化関数を用いて指定された予測日の当該地点における物理量の日変化を予測するものである。
まず、時系列データ取得部51が、所定の地点で観測された物理量の時系列データを取得する(ステップS1)。これにより、実測された時系列データを用いて物理量を予測することができ、予測する地点の地域特性を踏まえた日変化予測が可能となる。
つぎに、真太陽時変換部52が、時系列データの観測時刻を地方真太陽時に変換する(ステップS2)。これにより、時系列データに含まれる各日の南中時刻および可照時間が取得される。
そして、観測時刻正規化部53が、上記式(1)〜(4)を用いて、観測時刻を可照時間で正規化する(ステップS3)。これにより、複数日分の時系列データは、地球の自転に伴う太陽からの放射エネルギー(太陽エネルギー)の有無が基準となる日変化になるため、季節の変動による影響や誤差が取り除かれる。
つづいて、観測時刻正規化部53が、正規化された各観測時刻間における物理量を補間する(ステップS4)。これにより、後述するステップS6にて、複数日分の時系列データから同時刻の無次元物理量を確実に抽出することが可能となる。
そして、物理量無次元化部54が、上記の式(5)を用いて、可照時間で正規化された時系列データの物理量を無次元化する(ステップS5)。これにより、観測日の異なる物理量の時系列推移を、季節変動による影響を排除して比較することが可能となるとともに、時系列データの物理量の最大値を1に、最小値を0に統一させることが可能となる。
つぎに、日変化関数生成部55が、複数日分の無次元物理量のうち、正規化された観測時刻が同じ無次元物理量同士を平均化し、近似処理を実行して日変化関数を生成する(ステップS6)。これにより、複数日分の時系列データを用いることにより、日変化関数の精度を向上させることが可能となる。また、所定の地点において太陽エネルギーの日変化を基準にした無次元物理量の日変化関数を生成することが可能となる。
また、本実施形態において、上記式(6)またはスプライン補間を用いることにより、精度の高い近似値を得ることが可能となる。さらに、一旦、無次元物理量の日変化関数を生成しておけば、その後は物理量の最大値および最小値を入力するのみで、予測日の日変化を予測することが可能となる。すなわち、予測の際に膨大な時系列データ等を記憶しておく必要がないため、必要なデータ量やメモリ量が少ない。
そして、本実施形態では、日変化関数生成部55が、平均化した無次元物理量の近似値の最大値が1でない場合、および/または当該近似値の最小値が0でない場合(ステップS7:YES)、近似値の最大値が1、近似値の最小値が0となるように、無次元物理量を再正規化する(ステップS8)。これにより、無次元物理量の日変化関数がより正確になるため、日変化の予測精度が向上する。
つぎに、日変化予測部56が、表示入力手段3を介してユーザから予測日の指定を受付けると(ステップS9:YES)、所定の地点における当該予測日と当該予測日前後の気象予報データを取得する(ステップS10)。予測日が指定されない場合には(ステップS9:NO)、ステップS13に進む。
つづいて、日変化予測部56が、気象予報データに含まれる物理量(気温)の最小値および最大値と日変化関数とを使用して、上記式(7)〜(9)から、物理量(気温)の日変化を予測する(ステップS11)。これにより、予測日の前日の物理量(気温)の最大値と、予測日の物理量(気温)の最小値と最大値と、予測日の翌日の物理量(気温)の最小値とを使用して、予測日の24時間の日変化が高精度に予測される。
そして、日変化予測部56が、予測日および予測日前後の南中時刻と可照時間を取得して、日変化の予測データを地方標準時基準に変換する(ステップS12)。これにより、地方標準時基準の日変化の予測データを生成することが可能となる。
なお、予測処理の終了が指示されない限り(ステップS13:NO)、再びステップS9に戻り、他の予測日が指定されると、上記と同様、当該予測日における日変化が予測されることとなる。すなわち、日変化関数は一度生成してしまえば、予測処理の度に生成する必要がなく、何度でも使い回すことが可能である。
以上のようにして、本実施形態の日変化予測プログラム1a、日変化予測装置1および日変化予測方法は、無次元物理量の日変化関数を生成することができる。さらに、気象予報データと当該日変化関数を用いて、任意の予測日における日変化の予測データを生成することができる。ここで、予測日における予測値の最大値および最小値を用いて日変化を予測すると、予測値の時系列予測が可能となる。このような予測は、例えば、太陽光発電の発電量の時系列予測や、農作物を栽培するハウス内の環境設定計画の作成等に役立つこととなる。
一方、予測日における観測値の最大値および最小値を用いて日変化を予測すると、観測値の時系列予測が可能となる。これにより、太陽エネルギーの日変化のみを考慮して予測された観測値を、実際の観測データと比較分析することができるようになる。これにより、たとえば、物理量が移流(気圧の変化、寒気の流れ等)の影響を受けやすい時期や地域においては、風速等のパラメータを日変化予測に組み込むなど、物理量のさらなる予測精度の向上のための様々な検討ができるようになる。
以上のような本実施形態によれば、以下のような効果を奏する。
1.観測された時系列データを用いることにより、所定の地点における太陽の動きに依存する物理量の日変化を、地域特性を踏まえて高精度に予測することができる。
2.時系列データの観測時刻を可照時間で正規化することで、時系列データから季節変動による影響を取り除くことができる。
3.物理量を無次元化することにより、複数日分の時系列データを統合して取り扱うことができる。
4.膨大な時系列データを太陽の動きに基づいた基準で整理し、日変化関数によって解析できるため、予測の際に必要なデータ量が少なくてすむ。
5.日変化関数と物理量の最大値および最小値を用いて、簡便に精度良く日変化を予測することができる。
6.日変化関数を生成するに際して、可照時間正規化時刻が同じ無次元物理量同士を確実に抽出することができる。
1.観測された時系列データを用いることにより、所定の地点における太陽の動きに依存する物理量の日変化を、地域特性を踏まえて高精度に予測することができる。
2.時系列データの観測時刻を可照時間で正規化することで、時系列データから季節変動による影響を取り除くことができる。
3.物理量を無次元化することにより、複数日分の時系列データを統合して取り扱うことができる。
4.膨大な時系列データを太陽の動きに基づいた基準で整理し、日変化関数によって解析できるため、予測の際に必要なデータ量が少なくてすむ。
5.日変化関数と物理量の最大値および最小値を用いて、簡便に精度良く日変化を予測することができる。
6.日変化関数を生成するに際して、可照時間正規化時刻が同じ無次元物理量同士を確実に抽出することができる。
本実施例1では、本実施形態の日変化予測プログラム1a、日変化予測装置1および日変化予測方法を用いて予測された予測値と、実際に観測された気温の観測値とを比較し、その一致度合い確認する検証を行った。その結果を図4(a)から図4(c)に示す。
図4(a)から図4(c)は、いずれも北海道美唄市茶志内(北緯43度23分44.5秒、東経141度51分15.6秒)における気温の日変化を示すものであり、グラフ中の「観測値」は、それぞれ2015年4月23日、2015年6月23日および2015年9月23日に観測された気温の時系列推移を示している。一方、「予測値」は、本実施形態の日変化予測プログラム1a、日変化予測装置1および日変化予測方法によって予測された気温の日変化を示している。
図4に示すように、いずれのグラフにおいても、本実施形態の日変化予測プログラム1a、日変化予測装置1および日変化予測方法によって予測された気温の日変化は、実際に観測された気温の日変化と比較して、極めて一致度合いが高いことが確認された。
以上のような本実施例1によれば、本実施形態の日変化予測プログラム1a、日変化予測装置1および日変化予測方法は、高精度に気温の日変化を予測できることが示された。
なお、本発明に係る日変化予測プログラム1a、日変化予測装置1および日変化予測方法は、前述した実施形態に限定されるものではなく、適宜変更することができる。例えば、上述した本実施形態では、日変化予測部56が、上記式(7)〜(9)を用いて日変化を予測することとしたが、これらの式に限定されるものではない。例えば、日変化予測部56は、下記の式(10)〜(12)を用いて、日変化を予測するようにしてもよい。
上記式(11)は、上記式(8)と同じである。一方、上記式(10)は、上記式(7)と上記式(8)を、時間帯を区切る端点からの長さに応じた割合で融合するものであり、上記式(12)は、上記式(8)と上記式(9)を、端点からの長さに応じた割合で融合するものである。上記式(10)〜(12)によれば、上述した各式(7)〜(9)が滑らかに接続しない場合であっても、時間帯を区切る端点の位置をどこに設定しても、各式が滑らかに接続されることとなる。
上記式(13)は、任意の予測日の前日における最大値および最小値を用いた第一項と、予測日における最大値および最小値を用いた第二項とを、時間帯を区切る端点からの長さに応じて融合するものである。また、上記式(14)は、予測日における最大値および最小値を用いた第一項と、予測日翌日における最大値および最小値を用いた第二項とを端点からの長さに応じて融合するものである。上記式(11),(13),(14)によれば、上記式(10)〜(12)と比較して、使用する最大値および最小値の前後幅を拡張しつつ、同様の作用効果を得ることができる。
すなわち、日変化予測部56は、物理量の日変化を予測するに際して、朝時間帯では、少なくとも予測日の前日におけるの物理量の最大値を使用し、昼時間帯では、予測日におけるの物理量の最小値および最大値を使用し、夜時間帯では、少なくとも予測日の翌日における物理量の最小値を使用するようになっている。
また、本実施形態において、日変化予測部56は、気象予報データから、物理量の最大値と最小値を取得しているが、この方法に限られない。特に、上記の最大値または最小値のうち過去値は、時系列データから取得してもよい。これにより、日変化予測部56は、実際の観測値を用いて日変化を予測することとなるため、日変化の予測精度が高まるという効果がある。
1 日変化予測装置
1a 日変化予測プログラム
2 通信手段
3 表示入力手段
4 記憶手段
5 演算処理手段
41 プログラム記憶部
51 時系列データ取得部
52 真太陽時変換部
53 観測時刻正規化部
54 物理量無次元化部
55 日変化関数生成部
56 日変化予測部
1a 日変化予測プログラム
2 通信手段
3 表示入力手段
4 記憶手段
5 演算処理手段
41 プログラム記憶部
51 時系列データ取得部
52 真太陽時変換部
53 観測時刻正規化部
54 物理量無次元化部
55 日変化関数生成部
56 日変化予測部
Claims (12)
- 所定の地点における太陽の動きに依存する物理量の日変化を予測する日変化予測プログラムであって、
前記地点で観測された前記物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化部と、
前記時系列データの物理量を無次元化する物理量無次元化部と、
前記物理量無次元化部によって無次元化された複数日分の無次元物理量のうち、前記観測時刻正規化部によって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成する日変化関数生成部と、
前記日変化関数に基づいて、前記物理量の日変化を予測する日変化予測部と
してコンピュータを機能させる日変化予測プログラム。 - 前記観測時刻正規化部は、前記時系列データの観測日および観測日前後の南中時刻と可照時間に基づいて、観測日前日の南中時刻と観測日の南中時刻との中間時刻が0時、観測日の可照時間の開始時刻が6時、観測日の南中時刻が12時、観測日の可照時間の終了時刻が18時、観測日の南中時刻と観測日翌日の南中時刻との中間時刻が24時となるように正規化する、請求項1に記載の日変化予測プログラム。
- 前記日変化予測部は、前記観測時刻正規化部によって正規化された可照時間正規化時刻での一日を朝時間帯、昼時間帯および夜時間帯に分割し、前記朝時間帯では、少なくとも前記日変化を予測する予測日の前日における前記物理量の最大値を使用し、前記昼時間帯では、前記予測日における前記物理量の最小値および最大値を使用し、前記夜時間帯では、少なくとも前記予測日の翌日における物理量の最小値を使用して、前記物理量の日変化を予測する、請求項1から請求項3のいずれかに記載の日変化予測プログラム。
- 前記物理量無次元化部は、前記時系列データの各地方太陽日内の物理量の最大値と最小値を求め、当該物理量を当該最大値と最小値の差分を用いて無次元化する、請求項1から請求項7のいずれかに記載の日変化予測プログラム。
- 前記日変化関数生成部は、平均化した前記無次元物理量に近似処理した後の近似値の最大値が1でない場合、および/または前記近似値の最小値が0でない場合、前記近似値の最大値が1、および前記近似値の最小値が0となるように、前記無次元物理量を正規化する、請求項1から請求項8のいずれかに記載の日変化予測プログラム。
- 前記観測時刻正規化部は、正規化した各時刻間の物理量をスプライン補間により補間する、請求項1から請求項9のいずれかに記載の日変化予測プログラム。
- 所定の地点における太陽の動きに依存する物理量の日変化を予測する日変化予測装置であって、
前記地点で観測された前記物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化部と、
前記時系列データの物理量を無次元化する物理量無次元化部と、
前記物理量無次元化部によって無次元化された複数日分の無次元物理量のうち、前記観測時刻正規化部によって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成する日変化関数生成部と、
前記日変化関数に基づいて、前記物理量の日変化を予測する日変化予測部と
を有する、日変化予測装置。 - 所定の地点における太陽の動きに依存する物理量の日変化を予測する日変化予測方法であって、
前記地点で観測された前記物理量の時系列データであって、その観測時刻が地方真太陽時に変換されたものを可照時間で正規化する観測時刻正規化ステップと、
前記時系列データの物理量を無次元化する物理量無次元化ステップと、
前記物理量無次元化ステップによって無次元化された複数日分の無次元物理量のうち、前記観測時刻正規化ステップによって正規化された観測時刻が同じもの同士を平均化し、近似処理してなる日変化関数を生成する日変化関数生成ステップと、
前記日変化関数に基づいて、前記物理量の日変化を予測する日変化予測ステップと
を有する、日変化予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016023837A JP2017142178A (ja) | 2016-02-10 | 2016-02-10 | 日変化予測プログラム、日変化予測装置および日変化予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016023837A JP2017142178A (ja) | 2016-02-10 | 2016-02-10 | 日変化予測プログラム、日変化予測装置および日変化予測方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017142178A true JP2017142178A (ja) | 2017-08-17 |
Family
ID=59628404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016023837A Pending JP2017142178A (ja) | 2016-02-10 | 2016-02-10 | 日変化予測プログラム、日変化予測装置および日変化予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017142178A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154353A (ja) * | 2019-03-18 | 2020-09-24 | 株式会社オーガニックnico | ハウス内環境データ生成方法 |
CN113378350A (zh) * | 2021-04-28 | 2021-09-10 | 中国地震局地质研究所 | 一种温度变化趋势确定方法、装置及电子设备 |
JP7413140B2 (ja) | 2020-05-01 | 2024-01-15 | 東京瓦斯株式会社 | 日射量予測方法、日射量予測プログラム、電力供給システム、電力・熱供給システム |
-
2016
- 2016-02-10 JP JP2016023837A patent/JP2017142178A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154353A (ja) * | 2019-03-18 | 2020-09-24 | 株式会社オーガニックnico | ハウス内環境データ生成方法 |
JP7413140B2 (ja) | 2020-05-01 | 2024-01-15 | 東京瓦斯株式会社 | 日射量予測方法、日射量予測プログラム、電力供給システム、電力・熱供給システム |
CN113378350A (zh) * | 2021-04-28 | 2021-09-10 | 中国地震局地质研究所 | 一种温度变化趋势确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ayoub | 100 Years of daylighting: A chronological review of daylight prediction and calculation methods | |
Chow et al. | Estimation of soil temperature profile in Hong Kong from climatic variables | |
Kirmani et al. | Empirical correlation of estimating global solar radiation using meteorological parameters | |
Alhamed et al. | Cluster analysis of multimodel ensemble data from SAMEX | |
Choi et al. | Nonlinear zonal wind response to ENSO in the CMIP5 models: Roles of the zonal and meridional shift of the ITCZ/SPCZ and the simulated climatological precipitation | |
Pan et al. | Long simulation of regional climate as a sequence of short segments | |
Cheng et al. | Distinctive ocean interior changes during the recent warming slowdown | |
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 | |
JP2013099143A (ja) | 予測モデル構築装置、方法、及びプログラム、並びに発電量予測装置、及び方法 | |
Bouchouicha et al. | Estimation of monthly average daily global solar radiation using meteorological-based models in Adrar, Algeria | |
Zjavka | Numerical weather prediction revisions using the locally trained differential polynomial network | |
JP2017142178A (ja) | 日変化予測プログラム、日変化予測装置および日変化予測方法 | |
Zhou et al. | A machine learning approach to estimation of downward solar radiation from satellite-derived data products: An application over a semi-arid ecosystem in the US | |
Hanoon et al. | Wind speed prediction over Malaysia using various machine learning models: potential renewable energy source | |
Förster et al. | Variations in sub-daily precipitation at centennial scale | |
Eliseev et al. | A correlation between lightning flash frequencies and the statistical characteristics of convective activity in the atmosphere | |
Brabec et al. | Tailored vs black-box models for forecasting hourly average solar irradiance | |
Yousuf et al. | Estimating the average diffuse solar radiation based on multiple parameters: a case study of arid climate zone of Pakistan | |
Singh et al. | Assessing the performance of bias correction approaches for correcting monthly precipitation over I ndia through coupled models | |
Kapoor et al. | Cloud computing for energy requirement and solar potential assessment | |
Duchaud et al. | Trade-off between precision and resolution of a solar power forecasting algorithm for micro-grid optimal control | |
Ozturk | An evaluation of global solar radiation empirical formulations in Isparta, Turkey | |
JP6600033B2 (ja) | 気象予測補正装置、気象予測補正方法及びプログラム | |
Kumar et al. | Era-interim forced simulation of the Indian summer monsoon | |
Tolstikov et al. | Long-term climate prediction by means of Earth rotation rate adaptive variations models |