JP2018148741A - Photovoltaic power output prediction device considering snow cover - Google Patents
Photovoltaic power output prediction device considering snow cover Download PDFInfo
- Publication number
- JP2018148741A JP2018148741A JP2017043719A JP2017043719A JP2018148741A JP 2018148741 A JP2018148741 A JP 2018148741A JP 2017043719 A JP2017043719 A JP 2017043719A JP 2017043719 A JP2017043719 A JP 2017043719A JP 2018148741 A JP2018148741 A JP 2018148741A
- Authority
- JP
- Japan
- Prior art keywords
- power generation
- snow
- coefficient
- generation output
- information
- 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
Images
Classifications
-
- 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
Landscapes
- Photovoltaic Devices (AREA)
- Control Of Electrical Variables (AREA)
Abstract
Description
本発明は、積雪を考慮した太陽光発電出力予測装置に関する。 The present invention relates to a photovoltaic power generation output prediction apparatus that takes into account snow accumulation.
例えば、過去の日射量データに基づいて太陽光発電電力量を予測する太陽光発電量予測装置が知られている。(例えば特許文献1)。 For example, a photovoltaic power generation amount prediction device that predicts a photovoltaic power generation amount based on past solar radiation amount data is known. (For example, patent document 1).
特許文献1には、特定の地域における日射量データに基づいて、太陽光発電設備で発電される電力量を予測する予測装置が開示されている。また、特許文献1に係る予測装置では、当該地域が多雪地域である場合、降雪が太陽光発電に影響を及ぼす旨の注意記号を表示する。しかし、当該予測装置では、日射量データに基づいて太陽光発電設備の出力を予測できるものの、積雪時において太陽光発電設備のパネル上の積雪により太陽光発電設備の出力が低下することを考慮しておらず、発電量の予測精度が低下する虞があった。
前述した課題を解決する主たる本発明は、非積雪時における過去の第1日射量に対応する太陽光発電設備の第1発電出力と、積雪時における過去の前記第1日射量に対応する前記太陽光発電設備の第2発電出力と、に基づいて、前記第1発電出力と前記第2発電出力の比を示す実績積雪係数を算出する実績積雪係数算出部と、前記太陽光発電設備の設置地点において、過去における、前記実績積雪係数と、積雪深と、気象情報と、に基づいて、重回帰分析することにより、現在又は将来の第1時点における、積雪時の第2日射量に対応する前記太陽光発電設備の発電出力と、非積雪時の前記第2日射量に対応する前記太陽光発電設備の発電出力と、の比を示す予測積雪係数を算出するための重回帰モデルを作成する重回帰モデル作成部と、前記重回帰モデルと、前記第1時点における前記積雪深および前記気象情報と、に基づいて、前記予測積雪係数を算出する予測積雪係数算出部と、前記予測積雪係数と、前記第1時点における第2日射量と、に基づいて、前記太陽光発電設備の発電出力を算出する発電出力算出部と、を備えることを特徴とする。 The main present invention for solving the above-described problems is that the first power generation output of the photovoltaic power generation facility corresponding to the past first solar radiation amount at the time of non-snow accumulation and the sun corresponding to the past first solar radiation amount at the time of snow accumulation. Based on the second power generation output of the photovoltaic power generation facility, the actual snow accumulation coefficient calculation unit for calculating the actual snow accumulation coefficient indicating the ratio of the first power generation output and the second power generation output, and the installation location of the solar power generation facility In the past, by performing a multiple regression analysis based on the actual snow accumulation coefficient, the snow accumulation depth, and the weather information in the past, it corresponds to the second solar radiation amount at the time of snow accumulation at the current or future first time point. A multiple regression model for calculating a predicted snow accumulation coefficient indicating a ratio between the power generation output of the solar power generation facility and the power generation output of the solar power generation facility corresponding to the second solar radiation amount at the time of non-snow accumulation Regression model generator and previous Based on a multiple regression model, the snow depth at the first time point, and the weather information, a predicted snow coefficient calculating unit that calculates the predicted snow coefficient, the predicted snow coefficient, and a second value at the first time point A power generation output calculating unit that calculates a power generation output of the solar power generation facility based on the amount of solar radiation.
本発明の他の特徴については、添付図面および本明細書の記載により明らかとなる。 Other features of the present invention will become apparent from the accompanying drawings and the description of this specification.
本発明によれば、積雪時において、太陽光発電設備のパネル上の積雪を考慮することで太陽光発電設備の発電量を正確に予測することが可能となる。 According to the present invention, it is possible to accurately predict the power generation amount of the solar power generation facility by taking into account the snow cover on the panel of the solar power generation facility during snowfall.
本明細書および添付図面の記載により、少なくとも以下の事項が明らかとなる。以下の説明において、同一符号を付した部分は同一の要素を表し、その基本的な構成および動作は同様であるものとする。 At least the following matters will become apparent from the description of this specification and the accompanying drawings. In the following description, parts denoted by the same reference numerals represent the same elements, and the basic configuration and operation thereof are the same.
===積雪を考慮した太陽光発電出力予測装置10===
図1、図2、図11を参照しつつ、積雪を考慮した太陽光発電出力予測装置10(以下、「太陽光発電出力予測装置10」と称する。)について、以下のように説明する。図1は、本実施形態に係る太陽光発電出力予測装置10のシステム系統の一例を示す系統図である。図2は、本実施形態に係る太陽光発電出力予測装置10の構成の一例を示す図である。図11は、太陽光発電設備100の積雪状況の一例を示す図である。
=== Solar Power Generation
The photovoltaic power generation output prediction device 10 (hereinafter referred to as “solar power generation
太陽光発電出力予測装置10は、太陽光発電設備100のパネル上における積雪の影響を考慮して、太陽光発電設備100の発電出力を予測する装置である。図11に示すように、太陽光発電設備100のパネル上に積雪がある場合、パネル表面に到達する日射量が減少する。このような状況において、太陽光発電出力予測装置10は、積雪により発電に用いられる日射量の減少を考慮して、発電出力を予測する。
The photovoltaic power generation
図1に示すように、太陽光発電出力予測装置10は、例えば通信ネットワーク120を介して、気象庁サーバ110および太陽光発電設備100と通信可能に接続されている。これにより、太陽光発電出力予測装置10は、気象庁サーバ110から気象に関する各種情報を取得し、太陽光発電設備100から発電に関する各種情報を取得できる。
As illustrated in FIG. 1, the photovoltaic power generation
太陽光発電出力予測装置10は、例えば気象庁サーバ110から取得する過去の日射量を示す情報(以下、「日射量情報」と称する。)と、それに対応し、太陽光発電設備100から取得する発電出力を示す情報(以下、「発電出力情報」と称する。)と、に基づいて、積雪係数(以下、「実績積雪係数」と称する。)を算出する。実績積雪係数とは、特定の太陽光発電設備100または太陽光発電設備100が設置される特定の地域における過去の所定の時点の積雪深および日射量で生じる発電出力と、積雪がない状況(以下、「非積雪時」と称する。)において、先の同時点の日射量で生じる発電出力と、の比率である。実績積雪係数の算出方法については、後述する演算処理部11の実績積雪係数算出部11bにおいて詳細に述べる。
The photovoltaic power generation
そして、太陽光発電出力予測装置10は、実績積雪係数を目的変数に設定し、実績積雪係数に対応する、積雪時における積雪深を示す情報(以下、「積雪深情報」と称する。)、気象を示す情報(以下、「気象情報」と称する。)、太陽光発電設備100の設備仕様を示す情報(以下、「設備情報」と称する。)および降雪終了時点から所定の時間経過を示す情報(以下、「定数情報」と称する。)を説明変数に設定して、重回帰モデルを作成する。重回帰モデルの作成方法については、後述する演算処理部11の重回帰モデル作成部11cにおいて詳細に述べる。
Then, the photovoltaic power generation
さらに、太陽光発電出力予測装置10は、重回帰モデルに現在又は将来の各種情報が入力されると、現在又は将来の積雪係数(以下、「予測積雪係数」と称する。)を算出するとともに、現在又は将来の発電出力を算出する。予測積雪係数および現在又は将来の発電出力の算出方法については、後述する演算処理部11の予測積雪係数算出部11eにおいて詳細に述べる。
Furthermore, when the present or future various information is input to the multiple regression model, the photovoltaic power generation
このような太陽光発電出力予測装置10は、図2に示すように、演算処理部11と、記憶部12と、入力部13と、出力部14と、メモリ15と、を含んで構成されている。なお、演算処理部11と、記憶部12と、入力部13と、出力部14と、メモリ15と、はそれぞれが通信可能に接続されている。
As shown in FIG. 2, such a photovoltaic power generation
演算処理部11は、例えばCPUあるいはMPUなどで構成されている。演算処理部11は、メモリ15に格納されているプログラムを読み出すことにより、各種機能を実現する。演算処理部11は、発電出力直線作成部11aと、実績積雪係数算出部11bと、重回帰モデル作成部11cと、積雪判定部11dと、予測積雪係数算出部11eと、発電出力算出部11fと、を含んで構成されている。演算処理部11の各構成要素については、詳細に後述する。
The
記憶部12は、プログラムや各種情報を記憶する装置である。記憶部12は、例えば、ROM、RAMあるいはフラッシュメモリなどで構成されている。記憶部12に格納される各種テーブルについては、詳細に後述する。
The
入力部13は、通信ネットワーク120を介して日射量情報、積雪深情報および気象情報などの各種情報が入力されるネットワークインターフェイスである。出力部14は、通信ネットワーク120に各種情報が出力されるネットワークインターフェイスである。メモリ15は、演算処理部11が処理するためのプログラムを格納する装置である。メモリ15は、例えば、ハードディスクドライブ、SSDあるいは光学式記憶装置などで構成されている。
The
==演算処理部11==
演算処理部11は、記憶部12の各種テーブルを参照しつつ、以下で述べる各種機能を実現する。演算処理部11は、上述したように、発電出力直線作成部11aと、実績積雪係数算出部11bと、重回帰モデル作成部11cと、積雪判定部11dと、予測積雪係数算出部11eと、発電出力算出部11fと、を含んで構成されている。
==
The
<<発電出力直線作成部11a>>
図3を参照しつつ、発電出力直線作成部11aについて、以下のとおり説明する。図3は、本実施形態に係る太陽光発電出力予測装置10の発電出力直線作成部11aで作成される日射量と発電出力の対応関係を示す図である。
<< Power generation output straight
The power generation output straight
発電出力直線作成部11aは、所定の太陽光発電設備100または所定の地域に設置される複数の太陽光発電設備100(以下、「太陽光発電設備100」と称する。)において、非積雪時を含む所定の積雪深における日射量と発電出力との関係を近似式で作成する機能を有する。
The power generation output straight
図3(ア)に示すように、非積雪時における太陽光発電設備100は、日射量Xで発電出力Aを生じる。図3(イ)に示すように、例えば過去の所定の時点が日射量Xで10cmの積雪の場合の太陽光発電設備100は、発電出力Bを生じる。図3(ウ)、図3(エ)も同様である。つまり、積雪時における日射量Xで生じる発電出力は、非積雪時における日射量Xで生じる発電出力よりも小さくなる。この理由は、太陽光がパネルに到達する前に、積雪により反射されるためである。なお、図3(イ)〜図3(エ)は、10cm、15cm、20cmの積雪時を示しているが、例えば1cm間隔で作成されていてもよい。
As shown in FIG. 3A, the solar
発電出力直線作成部11aは、図3(ア)〜図3(エ)を作成するために、後述する過去情報テーブル12aから、過去の所定の時点における日射量情報と、同時点における発電出力情報と、同時点における積雪深情報と、を取得する。発電出力直線作成部11aは、積雪深ごとに、日射量情報と発電出力情報を対応づける。これにより、複数の日射量情報の夫々と複数の発電出力情報の夫々が対応づけられて、グラフ上にプロットされる。発電出力直線作成部11aは、複数のプロットから近似式を算出することにより、図3(ア)〜図3(エ)に示すような近似直線を作成する。なお、発電出力直線作成部11aでは、少なくとも近似式を作成できればよい。この近似式に基づいて、後述する実績積雪係数算出部11bは、実績積雪係数を算出できる。
In order to create FIGS. 3A to 3D, the power generation output straight
<<実績積雪係数算出部11b>>
図3を参照しつつ、実績積雪係数算出部11bについて、以下のとおり説明する。
<< Actual Snow Cover
The actual snow accumulation
実績積雪係数算出部11bは、発電出力直線作成部11aで算出された近似式に基づいて、実績積雪係数を算出する機能を有する。実績積雪係数の算出では、所定の太陽光発電設備100において、過去の所定の時点の積雪深および日射量で生じる発電出力と、その日射量での非積雪時の発電出力と、の比率を算出する。具体的には、図3(ア)において、非積雪時の日射量が“X”(第1日射量)のとき、発電出力が“A”(第1発電出力)であり、過去の所定の時点が日射量Xで積雪深10cmの場合(図3(イ)参照)、発電出力が“B”(第2発電出力)である。このとき、過去の所定の時点の実績積雪係数は、“B”を“A”で除して算出される。同様に、過去の所定の時点が日射量Xで積雪深15cmの場合の実績積雪係数は“C”を“A”で除して算出され、過去の所定の時点が日射量Xで積雪深20cmの場合の実績積雪係数は“D”を“A”で除して算出される。これを過去の所定の期間の各時点について行うことにより、実績積雪係数算出部11bでは、過去の所定の期間の各時点の積雪深および日射量に応じた実績積雪係数を算出する。実績積雪係数算出部11bは、実績積雪係数を記憶部12の実績積雪係数テーブル12bに格納する。この実績積雪係数に基づいて、後述する重回帰モデル作成部11cは、重回帰モデルを作成できる。
The actual snow
<<重回帰モデル作成部11c>>
重回帰モデル作成部11cは、実績積雪係数算出部11bで算出された実績積雪係数を目的変数とし、積雪深情報、気象情報、設備情報および定数情報を説明変数として、重回帰分析を実行する機能を有する。
<< Multiple Regression
The multiple regression
具体的には、重回帰モデル作成部11cは、式(1)に、過去の所定の期間の各時点における目的変数および説明変数を入力する。目的変数には、実績積雪係数が数値で入力される。説明変数には、例えば、積雪深情報、気象情報、設備情報および定数情報が入力される。
Specifically, the multiple regression
積雪深情報は、積雪深が数値で示される。 The snow depth information indicates the snow depth as a numerical value.
気象情報には、例えば、気温情報、天候情報が含まれる。気温情報は、気温が数値で示される。天候情報には、“晴れ”を示す晴れ情報、“曇り”を示す曇り情報が含まれる。晴れ情報は、該当するときに“1”を示し、非該当のときに“0”を示す。同様に、曇り情報は、該当するときに“1”を示し、非該当のときに“0”を示す。 The weather information includes, for example, temperature information and weather information. In the temperature information, the temperature is indicated by a numerical value. The weather information includes sunny information indicating “sunny” and cloudy information indicating “cloudy”. The clear information indicates “1” when applicable and indicates “0” when not applicable. Similarly, the cloudiness information indicates “1” when applicable and indicates “0” when not applicable.
設備情報には、例えば、パネルの傾斜角度情報、パネルの設置方位角度情報、パネルの種別情報が含まれる。パネルの傾斜角度情報は、傾斜角度が数値で示される。パネルの設置方位角度情報は、南方向を0度として方位角が数値で示される。パネルの種別情報には、例えば、“化合物”のパネルを示す情報、“単結晶シリコン”のパネルを示す情報、“多結晶シリコン”のパネルを示す情報が含まれる。それぞれに該当するときは“1”を示し、非該当のときは“0”を示す。 The facility information includes, for example, panel tilt angle information, panel installation orientation angle information, and panel type information. In the panel tilt angle information, the tilt angle is indicated by a numerical value. As for the installation azimuth angle information of the panel, the azimuth angle is indicated by a numerical value with the south direction as 0 degree. The panel type information includes, for example, information indicating a “compound” panel, information indicating a “single crystal silicon” panel, and information indicating a “polycrystalline silicon” panel. “1” is indicated when corresponding to each, and “0” is indicated when not corresponding.
定数情報は、降雪が終了した時点(第2時点)から所定の時間(第1時間)後に該当するときは“1”を示し、該当しないときは“0”を示す。具体的には、降雪が終了した時点から“2時間後”に該当するときは、それに対応する説明変数に“1”を入力し、“2時間後”以外に対応する説明変数には“0”を入力する。定数情報を目的変数に加えることにより、予測積雪係数の算出において、降雪が終了した時点から時間経過とともに積雪が減少していく状況を考慮できる。なお、式(1)では所定の時間を“n”時間後まで設定できるように示している。 The constant information indicates “1” when corresponding to a predetermined time (first time) after the end of snowfall (second time), and indicates “0” when not corresponding. Specifically, when “after 2 hours” from the end of snowfall, “1” is input to the corresponding explanatory variable, and “0” is input to the explanatory variable other than “after 2 hours”. ”Is entered. By adding the constant information to the objective variable, it is possible to consider the situation in which the snow cover decreases with the passage of time from the time when the snowfall has ended in the calculation of the predicted snow cover coefficient. Note that the formula (1) shows that the predetermined time can be set until “n” time.
なお、上記の重回帰分析に替えて最小二乗法またはベイズ推定法等を用いてもよい。
Note that a least square method or a Bayesian estimation method may be used instead of the multiple regression analysis described above.
重回帰モデル作成部11cは、重回帰分析を実行するために必要な過去の所定の期間の各時点における目的変数および説明変数を、過去情報テーブル12a、実績積雪係数テーブル12b、設備情報テーブル12cおよび積雪情報テーブル12dから取得して、それらを式(1)に代入する。重回帰モデル作成部11cは、重回帰分析を実行することにより、式(1)における回帰定数および偏回帰係数を算出し、重回帰モデルを作成する。この重回帰モデルに基づいて、後述する予測積雪係数算出部11eは、将来の予測積雪係数を算出できる。
The multiple regression
<<積雪判定部11d>>
積雪判定部11dは、過去の所定の時間以内に積雪があったか否かを判定する機能を有する。これにより、過去の所定の時間以内に積雪がなかった場合、現在時点でパネル上に積雪がないことを判定でき、過去の所定の時間以内に積雪がある場合、現在時点でパネル上に積雪があることを判定できる。
<< Snow
The snow
積雪判定部11dは、過去の所定の時間内に積雪があった場合、現時点において積雪が残っていると判定し、予測積雪係数算出部11eに処理を移行する。また、過去の所定の時間内に積雪がなかった場合、現時点で積雪が残っていないと判定し、予測積雪係数を“1”とし、発電出力算出部11fに処理を移行する。つまり、積雪判定部11dは、太陽光発電設備100が積雪の影響を受けるか否かを判定する。なお、過去の所定の時間とは、例えば、過去情報テーブル12aに基づいて、所定の時点における所定の積雪深において、所定の時点から所定の時間が経過したときに積雪がなくなることを算出して、予め求められる時間である。
If there has been snow in the past predetermined time, the
<<予測積雪係数算出部11e>>
予測積雪係数算出部11eは、重回帰モデル作成部11cで作成された重回帰モデルを用いて、現在又は将来の予測積雪係数を算出する機能を有する。
<< Predicted snow accumulation
The predicted snow accumulation
予測積雪係数算出部11eは、予測情報テーブル12fから、現在又は将来の時点(第1時点)における積雪深情報、気象情報、設備情報および定数情報を取得して、予測積雪係数を算出する。予測積雪係数の算出方法は、重回帰モデル作成部11cで作成された重回帰モデルに、現在又は将来の時点における積雪深情報、気象情報、設備情報および定数情報を入力することにより、予測積雪係数を算出する。この予測積雪係数に基づいて、後述する発電出力算出部11fは、現在又は将来の発電出力を算出できる。
The predicted snow accumulation
<<発電出力算出部11f>>
発電出力算出部11fは、予測積雪係数算出部11eで算出された予測積雪係数に基づいて、現在又は将来の発電出力を算出する機能を有する。
<< Power generation
The power generation
具体的には、発電出力算出部11fは、式(2)に、現在又は将来の時点における日射量(第2日射量)および予測積雪係数を入力する。なお、設備係数および発電容量は、設備情報テーブル12cから取得される。これにより、現在又は将来の時点における発電出力を予測できる。
Specifically, the power generation
==記憶部12==
記憶部12は、演算処理部11が処理を実行するための各種データを格納する機能を有する。記憶部12は、過去情報テーブル12aと、実績積雪係数テーブル12bと、設備情報テーブル12cと、積雪情報テーブル12dと、モデル情報テーブル12eと、予測情報テーブル12fと、を格納している。
==
The
<<過去情報テーブル12a>>
図4を参照しつつ、過去情報テーブル12aについて、以下のとおり詳細に説明する。図4は、本実施形態に係る過去情報テーブル12aの構成例を示す図である。
<< Past Information Table 12a >>
The past information table 12a will be described in detail with reference to FIG. FIG. 4 is a diagram illustrating a configuration example of the past information table 12a according to the present embodiment.
過去情報テーブル12aは、気象庁サーバ110および太陽光発電設備100から送信される情報を格納するテーブルである。過去情報テーブル12aは、例えば、過去の所定の日時を示す “日時”項目と、その日時における、大気の温度が入力される“気温”項目、晴れや曇りなどの天候が入力される“天候”項目、地面またはパネル上に積雪する厚みが入力される“積雪深”項目、全天日射量が入力される“日射量”項目、太陽光発電設備100の発電出力が入力される“発電出力”項目と、を対応付けて格納している。また、それらの情報の観測元である場所を示す“地点”項目が対応付けられている。“気温”項目、“天候”項目、“積雪深”項目、“日射量”項目に入力される情報は、例えば気象庁サーバから取得され、太陽光発電設備100が設置されている地点における“発電出力”項目に入力される情報は、太陽光発電設備100から取得される。なお、過去情報テーブル12aの形式は、一例を示すものであり、演算処理部11が参照可能なデータベース形式であればよい。
The past information table 12 a is a table that stores information transmitted from the
<<実績積雪係数テーブル12b>>
図5を参照しつつ、実績積雪係数テーブル12bについて、以下のとおり詳細に説明する。図5は、本実施形態に係る実績積雪係数テーブル12bの構成例を示す図である。
<< Actual snow cover coefficient table 12b >>
The actual snow accumulation coefficient table 12b will be described in detail with reference to FIG. FIG. 5 is a diagram illustrating a configuration example of the actual snow accumulation coefficient table 12b according to the present embodiment.
実績積雪係数テーブル12bは、実績積雪係数算出部11bで算出された実績積雪係数を格納するテーブルである。実績積雪係数テーブル12bは、例えば、“実績積雪係数”と、実績積雪係数を算出するための条件である“日時”項目、“地点”項目、“積雪深”項目、“日射量”項目、“発電出力”項目と、を対応付けて格納している。つまり、実績積雪係数テーブル12bでは、積雪がない状態における発電出力に対して、積雪により、どのくらい発電出力が減少するかが示される。なお、実績積雪係数テーブル12bの形式は、一例を示すものであり、演算処理部11が参照可能なデータベース形式であればよい。
The actual snow coefficient table 12b is a table that stores the actual snow coefficient calculated by the actual
<<設備情報テーブル12c>>
図6を参照しつつ、設備情報テーブル12cについて、以下のとおり詳細に説明する。図6は、本実施形態に係る設備情報テーブル12cの構成例を示す図である。
<< Equipment Information Table 12c >>
The facility information table 12c will be described in detail with reference to FIG. FIG. 6 is a diagram illustrating a configuration example of the facility information table 12c according to the present embodiment.
設備情報テーブル12cは、各地点に配置される太陽光発電設備100に関する設備情報を格納するテーブルである。設備情報テーブル12cは、 “地点”項目、太陽光発電設備100のパネルの地面に対する傾斜角度が入力される“傾斜角度”項目、太陽光発電設備100のパネル面が向けられる方向と南方向とが成す角度が入力される“設置方位角度”項目、太陽光発電設備100のパネルの材質が入力される“種別”項目、太陽光発電設備100が日射量を発電出力へ変換するときの損失係数が入力される“設備係数”項目、太陽光発電設備100の発電容量が入力される“発電容量”項目を対応付けて予め格納している。なお、設備情報テーブル12cの形式は、一例を示すものであり、演算処理部11が参照可能なデータベース形式であればよい。
The facility information table 12c is a table that stores facility information related to the photovoltaic
<<積雪情報テーブル12d>>
図7を参照しつつ、積雪情報テーブル12dについて、以下のとおり詳細に説明する。図7は、本実施形態に係る積雪情報テーブル12dの構成例を示す図である。
<< Snow Cover Information Table 12d >>
The snow cover information table 12d will be described in detail with reference to FIG. FIG. 7 is a diagram illustrating a configuration example of the snow cover information table 12d according to the present embodiment.
積雪情報テーブル12dは、定数情報を決定するために、所定の時間後(経過時間)を格納するテーブルである。積雪情報テーブル12dは、“日時”項目、“地点”項目、“積雪深”項目、降雪が終了した時点を“0”時間として、降雪が終了した時点からの経過時間が入力される“経過時間”項目を対応付けて格納している。これにより、重回帰モデル作成部11cは、積雪情報テーブル12dを参照することにより、定数情報を取得することができる。
The snow cover information table 12d is a table that stores a predetermined time (elapsed time) in order to determine constant information. In the snow cover information table 12d, “Elapsed time”, “Point” item, “Snow depth” item, and “Elapsed time from the end of snowfall” are input, with the time when the snowfall ends as “0” time. “Items are stored in association with each other. Thereby, the multiple regression
<<モデル情報テーブル12e>>
図8を参照しつつ、モデル情報テーブル12eについて、以下のとおり詳細に説明する。図8は、本実施形態に係るモデル情報テーブル12eの構成例を示す図である。
<< Model information table 12e >>
The model information table 12e will be described in detail with reference to FIG. FIG. 8 is a diagram illustrating a configuration example of the model information table 12e according to the present embodiment.
モデル情報テーブル12eは、重回帰モデル作成部11cで作成された重回帰モデルを格納するテーブルである。モデル情報テーブル12eは、太陽光発電設備100が設置されている“地点”項目と、当該地点における重回帰モデルの回帰定数および偏回帰係数が格納される。ただし、図8は一例を示すものであり、重回帰モデルが認識できるように各種情報が格納されていればよい。
The model information table 12e is a table for storing the multiple regression model created by the multiple regression
<<予測情報テーブル12f>>
図9を参照しつつ、予測情報テーブル12fについて、以下のとおり詳細に説明する。図9は、本実施形態に係る予測情報テーブル12fの構成例を示す図である。
<< Prediction information table 12f >>
The prediction information table 12f will be described in detail with reference to FIG. FIG. 9 is a diagram illustrating a configuration example of the prediction information table 12f according to the present embodiment.
予測情報テーブル12fは、予測される発電出力に要する各種情報を格納するテーブルである。予測情報テーブル12fは、予測すべき日時が入力される“日時”項目、“地点”項目、“設備係数”項目、“発電容量”項目、予測積雪係数算出部11eで算出された予測積雪係数が入力される“予測積雪係数”項目、気象庁サーバ110などから取得され、予測すべき日時に対応する日射量情報が入力される“予測日射量”項目、上記の各種情報に基づいて発電出力算出部11fで算出される発電出力が入力される“予測発電出力”項目を対応付けて格納している。
The prediction information table 12f is a table that stores various types of information required for the predicted power generation output. The prediction information table 12f includes a “date and time” item, a “point” item, an “equipment coefficient” item, an “power generation capacity” item, and a predicted snow coefficient calculated by the predicted snow
===処理フロー===
図10を参照しつつ、太陽光発電出力予測装置10の処理手順について、以下のとおり説明する。図10は、本実施形態に係る処理手順の一例を示す図である。図10では、右側に記憶部12の各種テーブルを示し、左側に演算処理部11の処理内容を示す。演算処理部11と記憶部12との間の矢印は、情報の流れを示している。
=== Processing flow ===
The processing procedure of the photovoltaic power generation
太陽光発電出力予測装置10の発電出力直線作成部11aは、過去情報テーブル12aから、積雪深情報、日射量情報、発電出力情報を取得して、日射量と発電出力との関係を示す近似式または近似直線を作成する(S100)。太陽光発電出力予測装置10は、処理を実績積雪係数算出部11bに移行させる。
The power generation output straight
次に、実績積雪係数算出部11bは、過去の所定の期間について、各時点の積雪深および日射量で生じる発電出力と、発電出力直線作成部11aで作成された近似式または近似直線から求めた当該時点の日射量での非積雪時の発電出力と、の比を実績積雪係数として算出する(S101)。実績積雪係数算出部11bは、所定の日時、所定の地点、所定の積雪深、所定の日射量、発電出力および実績積雪係数を実績積雪係数テーブル12bに格納する(S101)。太陽光発電出力予測装置10は、処理を重回帰モデル作成部11cに移行させる。
Next, the actual snow accumulation
次に、重回帰モデル作成部11cは、重回帰モデルを作成するために、設備情報テーブル12cから設備情報(パネルの傾斜角度情報、パネルの設置方位角度情報、パネルの種別情報)を取得し、過去情報テーブル12aから気象情報(気温情報、天候情報)を取得し、積雪情報テーブル12dから定数情報(経過時間)を取得し,実績積雪係数テーブル12bから実績積雪係数を取得する(S102〜S105)。重回帰モデル作成部11cは、これらの情報に基づいて、重回帰分析を実行することにより、回帰定数および偏回帰係数を算出して重回帰モデルを作成する(式(1)参照)(S106)。重回帰モデル作成部11cは、重回帰モデルをモデル情報テーブル12eに格納する(S106)。太陽光発電出力予測装置10は、処理を積雪判定部11dに移行させる。
Next, the multiple regression
次に、積雪判定部11dは、過去情報テーブル12aを参照して、過去の所定の時間内に積雪があったか否かを判定する(S107)。積雪判定部11dは、過去の所定の時間内に積雪が無いと判定すると(S107:積雪無)、予測積雪係数を“1”に設定する。一方、過去の所定の時間内に積雪があると判定すると(S107:積雪有)、パネル上に積雪があると判断し、予測積雪係数算出部11eに処理を移行させる。
Next, the snow
次に、予測積雪係数算出部11eは、モデル情報テーブル12eから重回帰モデルを取得し、予測すべき時点の説明変数(積雪深情報、気象情報、設備情報、定数情報)を重回帰モデルに入力する(S108)。予測積雪係数算出部11eは、重回帰モデルを計算することにより、予測積雪係数を算出するとともに(S109)、予測積雪係数を予測情報テーブル12fに格納する(S109)。太陽光発電出力予測装置10は、処理を発電出力算出部11fに移行する。
Next, the predicted snow
次に、発電出力算出部11fは、予測情報テーブル12fから、設備係数、発電容量、予測積雪係数および予測日射量情報を取得する(S110)。発電出力算出部11fは、これらの情報を式(2)に入力して予測すべき時点の発電出力を算出する(S110)。発電出力算出部11fは、算出された発電出力を予測情報テーブル12fに格納する(S110)。なお、発電出力算出部11fは、積雪判定部11dから予測積雪係数“1”が入力されても、上記と同様の処理を実行する。太陽光発電出力予測装置10は、処理を終了する。
Next, the power generation
尚、上記の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明にはその等価物も含まれる。例えば、以下のような実施形態も含まれるものとする。 In addition, said embodiment is for making an understanding of this invention easy, and is not for limiting and interpreting this invention. The present invention can be changed and improved without departing from the gist thereof, and the present invention includes equivalents thereof. For example, the following embodiments are also included.
===その他の実施形態===
<<発電出力直線作成部11a>>
上記において、演算処理部11には発電出力直線作成部11aが含まれるとして記載したが、これに限定されない。発電出力直線作成部11aはなくてもよく、この場合、実績積雪係数算出部11bが過去情報テーブル12aに基づいて近似式を作成して実績積雪係数を算出するか、もしくは、近似式を作成せずに、過去情報テーブル12aの所定の日射量に対する、非積雪時の発電出力と、積雪時の発電出力と、の比を算出して実績積雪係数を算出するか、により処理を実行する。
=== Other Embodiments ===
<< Power generation output straight
In the above description, the
<<重回帰モデル作成部11c>>
上記において、重回帰モデル作成部11cは重回帰モデルを作成するために定数情報を入力するとして説明したが、これに限定されない。重回帰モデルには、定数情報を含めなくてもよい。降雪流量時点からの時間経過を考慮しなくても、予測すべき時点の積雪深をある程度正確に入力できればよいためである。
<< Multiple Regression
In the above description, the multiple regression
上記において、重回帰モデル作成部11cが重回帰モデルを作成するための各種情報は、一例を示すものであり、重回帰モデルを作成するための説明変数となる情報を増減させてもよい。例えば、天候情報に“快晴”を示す情報や、設備情報に“有機薄膜”や“色素増感”を示す情報を追加してもよい。
In the above, the various information for the multiple regression
<<積雪判定部11d>>
上記において、演算処理部11には積雪判定部11dが含まれるとして記載したが、積雪判定部11dはなくてもよい。積雪判定部11dが無くてもよい理由は、積雪が無い状態を判定することによる発電出力を計算するときの計算の簡略化は図れないが、発電出力の計算結果に影響を及ぼすものではないためである。
<< Snow
In the above description, it has been described that the
<<記憶部12>>
上記において、記憶部12における各種テーブルを示したが、各種テーブルに格納されている項目は限定されるものではない。記憶部12の各種テーブルには、演算処理部11において計算できる項目が記憶されていればよい。
<<
In the above description, various tables in the
===まとめ===
以上説明したように、本実施形態に係る太陽光発電出力予測装置10は、非積雪時における過去の第1日射量に対応する太陽光発電設備100の第1発電出力と、積雪時における過去の第1日射量に対応する太陽光発電設備100の第2発電出力と、に基づいて、第1発電出力と第2発電出力の比を示す実績積雪係数を算出する実績積雪係数算出部11bと、太陽光発電設備100の設置地点において、過去における、実績積雪係数と、積雪深と、気象情報と、に基づいて、重回帰分析することにより、現在又は将来の第1時点における、積雪時の第2日射量に対応する太陽光発電設備100の発電出力と、非積雪時の第2日射量に対応する太陽光発電設備100の発電出力と、の比を示す予測積雪係数を算出するための重回帰モデルを作成する重回帰モデル作成部11cと、重回帰モデルと、第1時点における積雪深および気象情報と、に基づいて、予測積雪係数を算出する予測積雪係数算出部11eと、予測積雪係数と、第1時点における第2日射量と、に基づいて、太陽光発電設備100の発電出力を算出する発電出力算出部11fと、を備える。本実施形態によれば、過去の日射量データに基づいて、積雪が太陽光発電設備100の発電出力に及ぼす影響を考慮しつつ発電出力を予測するため、積雪時における発電出力の予測を正確に行うことができる。
=== Summary ===
As described above, the photovoltaic power generation
又、本実施形態に係る太陽光発電出力予測装置10の重回帰モデル作成部11cは、太陽光発電設備100の設置地点において、過去における、実績積雪係数と、積雪深と、気象情報と、太陽光発電設備100の設備情報と、に基づいて、重回帰分析することにより、予測積雪係数を算出するための重回帰モデルを作成し、予測積雪係数算出部11eは、重回帰モデルと、第1時点における積雪深、気象情報および設備情報と、に基づいて、予測積雪係数を算出することを特徴とする。本実施形態によれば、太陽光発電設備100におけるパネル角度やパネル材質などの設備情報を考慮して発電出力を予測するため、より正確に発電出力を予測できる。
In addition, the multiple regression
又、本実施形態に係る太陽光発電出力予測装置10の重回帰モデル作成部11cは、降雪が終了した第2時点から所定の第1時間が経過した状態における太陽光発電設備100のパネル上の積雪を考慮するように、第1時間に対応する所定の定数と、実績積雪係数と、積雪深と、気象情報と、設備情報と、に基づいて、重回帰分析することにより、予測積雪係数を算出するための重回帰モデルを作成し、予測積雪係数算出部11eは、重回帰モデルと、第2時点から第1時間が経過した状態における所定の定数、積雪深、気象情報および設備情報と、に基づいて、予測積雪係数を算出することを特徴とする。本実施形態によれば、降雪が終了してからの太陽光発電設備100のパネル上の積雪を考慮することにより、より正確に発電出力を予測できる。
In addition, the multiple regression
又、本実施形態に係る太陽光発電出力予測装置10は、所定の第1時間よりも大きい所定の第2時間を経過したとき、太陽光発電設備100のパネル上に積雪していないことを判定するとともに、予測積雪係数を所定の値に設定する積雪判定部11dをさらに備えることを特徴とする。本実施形態によれば、所定の第2時間を経過したときには、パネル上に積雪がないことを判定できるため、計算を簡略化できる。
Moreover, the solar power generation
又、本実施形態に係る太陽光発電出力予測装置10の実績積雪係数算出部11bは、非積雪時における第1日射量と第1発電出力との関係および積雪時における第1日射量と第2発電出力との関係を近似式で算出することを特徴とする。本実施形態によれば、近似式を利用して実績積雪係数を算出するため、発電出力を予測するための計算を簡単にすることができる。
Moreover, the actual snow accumulation
又、本実施形態に係る太陽光発電出力予測装置10で発電出力を予測するための気象情報には、少なくとも大気温度を示す気温情報、天候を示す天候情報が含まれることを特徴とする。本実施形態によれば、気象庁から提供される情報に基づいて発電出力を予測するため、計算を簡単にすることができる。
The weather information for predicting the power generation output by the photovoltaic power generation
又、本実施形態に係る太陽光発電出力予測装置10で発電出力を予測するための設備情報には、少なくとも太陽光発電設備100のパネル角度を示すパネル角度情報、太陽光発電設備100のパネル面の方位角を示す方位角情報、太陽光発電設備100のパネル種別を示すパネル種別情報が含まれることを特徴とする。本実施形態によれば、太陽光発電設備100の仕様から容易に取得できる情報に基づいて発電出力を予測するため、計算を簡単にすることができる。
The facility information for predicting the power generation output by the solar power generation
10 太陽光発電出力予測装置
11b 実績積雪係数算出部
11c 重回帰モデル作成部
11d 積雪判定部
11e 予測積雪係数算出部
11f 発電出力算出部
100 太陽光発電設備
DESCRIPTION OF
Claims (7)
前記太陽光発電設備の設置地点において、過去における、前記実績積雪係数と、積雪深と、気象情報と、に基づいて、重回帰分析することにより、現在又は将来の第1時点における、非積雪時の第2日射量に対応する前記太陽光発電設備の発電出力と、積雪時の前記第2日射量に対応する前記太陽光発電設備の発電出力と、の比を示す予測積雪係数を算出するための重回帰モデルを作成する重回帰モデル作成部と、
前記重回帰モデルと、前記第1時点における前記積雪深および前記気象情報と、に基づいて、前記予測積雪係数を算出する予測積雪係数算出部と、
前記予測積雪係数と、前記第1時点における第2日射量と、に基づいて、前記太陽光発電設備の発電出力を算出する発電出力算出部と、
を備えることを特徴とする積雪を考慮した太陽光発電出力予測装置。 The first power generation output of the solar power generation facility corresponding to the past first solar radiation amount at the time of non-snow accumulation, and the second power generation output of the solar power generation facility corresponding to the past first solar radiation amount at the time of snow accumulation. An actual snow coefficient calculating unit that calculates an actual snow coefficient indicating a ratio between the first power output and the second power output;
At the time of non-snow accumulation at the first point in the present or future by performing multiple regression analysis based on the past actual snow accumulation coefficient, snow depth, and weather information at the installation site of the photovoltaic power generation facility In order to calculate a predicted snow accumulation coefficient indicating a ratio between the power generation output of the solar power generation facility corresponding to the second solar radiation amount and the power generation output of the solar power generation facility corresponding to the second solar radiation amount during snowfall A multiple regression model creation unit for creating multiple regression models of
A predicted snow coefficient calculation unit that calculates the predicted snow coefficient based on the multiple regression model, the snow depth at the first time point, and the weather information;
A power generation output calculation unit that calculates a power generation output of the photovoltaic power generation facility based on the predicted snow accumulation coefficient and the second solar radiation amount at the first time point,
A photovoltaic power generation output prediction device considering snow cover, characterized by comprising:
予測積雪係数算出部は、前記重回帰モデルと、前記第1時点における前記積雪深、前記気象情報および前記設備情報と、に基づいて、前記予測積雪係数を算出する
ことを特徴とする請求項1に記載の積雪を考慮した太陽光発電出力予測装置。 The multiple regression model creation unit is based on the past snow accumulation coefficient, the snow depth, the weather information, and the facility information of the photovoltaic facility at the installation point of the photovoltaic facility. , Create a multiple regression model for calculating the predicted snow cover coefficient by multiple regression analysis,
The predicted snow accumulation coefficient calculation unit calculates the predicted snow accumulation coefficient based on the multiple regression model and the snow depth, the weather information, and the facility information at the first time point. The photovoltaic power generation output prediction device considering the snow cover described in 2.
予測積雪係数算出部は、前記重回帰モデルと、前記第2時点から前記第1時間が経過した状態における前記所定の定数、前記積雪深、前記気象情報および前記設備情報と、に基づいて、前記予測積雪係数を算出する
ことを特徴とする請求項2に記載の積雪を考慮した太陽光発電出力予測装置。 The multiple regression model creation unit is configured to take into account the predetermined time corresponding to the first time so as to consider the snow cover on the panel of the photovoltaic power generation facility in a state where the predetermined first time has elapsed from the second time point when the snowfall has ended. A multiple regression model for calculating the predicted snow accumulation coefficient is created by performing multiple regression analysis based on the constant, the actual snow accumulation coefficient, the snow accumulation depth, the weather information, and the facility information. ,
Based on the multiple regression model and the predetermined constant, the snow depth, the weather information, and the facility information in the state where the first time has elapsed from the second time point, A predicted snow cover coefficient is calculated. The photovoltaic power generation output predicting apparatus considering snow cover according to claim 2.
をさらに備えることを特徴とする請求項3に記載の積雪を考慮した太陽光発電出力予測装置。 When a predetermined second time greater than the predetermined first time has elapsed, it is determined that there is no snow on the panel of the photovoltaic power generation facility, and the snow accumulation for setting the predicted snow accumulation coefficient to a predetermined value The solar power generation output prediction apparatus considering snow cover according to claim 3, further comprising a determination unit.
ことを特徴とする請求項1乃至請求項4の何れか一項に記載の積雪を考慮した太陽光発電出力予測装置。 The actual snow accumulation coefficient calculation unit calculates the relationship between the first solar radiation amount and the first power generation output during non-snow accumulation and the relationship between the first solar radiation amount and the second power generation output during snow accumulation using approximate equations. The photovoltaic power generation output prediction apparatus considering snow accumulation according to any one of claims 1 to 4.
ことを特徴とする請求項1乃至請求項5の何れか一項に記載の積雪を考慮した太陽光発電出力予測装置。 6. The photovoltaic power generation output considering snow cover according to claim 1, wherein the weather information includes at least air temperature information indicating atmospheric temperature and weather information indicating weather. Prediction device.
ことを特徴とする請求項2乃至請求項6の何れか一項に記載の積雪を考慮した太陽光発電出力予測装置。
The facility information includes at least panel angle information indicating a panel angle of the solar power generation facility, azimuth angle information indicating an azimuth angle of the panel surface of the solar power generation facility, and a panel type indicating a panel type of the solar power generation facility. Information is included. The photovoltaic power generation output prediction apparatus in consideration of snow accumulation as described in any one of Claims 2 thru | or 6 characterized by the above-mentioned.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017043719A JP6880841B2 (en) | 2017-03-08 | 2017-03-08 | Photovoltaic power generation output prediction device considering snow cover |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017043719A JP6880841B2 (en) | 2017-03-08 | 2017-03-08 | Photovoltaic power generation output prediction device considering snow cover |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018148741A true JP2018148741A (en) | 2018-09-20 |
JP6880841B2 JP6880841B2 (en) | 2021-06-02 |
Family
ID=63592479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017043719A Active JP6880841B2 (en) | 2017-03-08 | 2017-03-08 | Photovoltaic power generation output prediction device considering snow cover |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6880841B2 (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109524983A (en) * | 2018-10-25 | 2019-03-26 | 国家电网有限公司 | A kind of photovoltaic power output modeling method based on typicalness |
JP2020123200A (en) * | 2019-01-31 | 2020-08-13 | 中国電力株式会社 | Forecast system and forecast method |
JP2020123199A (en) * | 2019-01-31 | 2020-08-13 | 中国電力株式会社 | Forecast system and forecast method |
JP2020127337A (en) * | 2019-02-06 | 2020-08-20 | 東京電力ホールディングス株式会社 | Power generation amount estimation device, power generation amount estimation method and power generation amount estimation program |
JP2021189154A (en) * | 2020-06-05 | 2021-12-13 | 三菱電機株式会社 | Photovoltaic power generation amount prediction device |
WO2023171089A1 (en) * | 2022-03-09 | 2023-09-14 | Biprogy株式会社 | Sunlight prediction system and sunlight prediction program |
JP7508922B2 (en) | 2020-07-27 | 2024-07-02 | 中国電力株式会社 | Prediction system and method for calculating predicted values |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014021555A (en) * | 2012-07-12 | 2014-02-03 | Toyota Motor Corp | Natural energy amount prediction device |
CN105631545A (en) * | 2015-12-25 | 2016-06-01 | 河海大学常州校区 | Photovoltaic power station generation capacity prediction method based on similar day analysis and prediction system thereof |
US20160190984A1 (en) * | 2014-12-29 | 2016-06-30 | Also Energy, Inc. | System and method for performance analysis and classification of losses for solar power systems |
JP2016152644A (en) * | 2015-02-16 | 2016-08-22 | 北陸電力株式会社 | Estimation method for photovoltaic power generation output, and device |
JP2016220494A (en) * | 2015-05-26 | 2016-12-22 | 東京電力ホールディングス株式会社 | Support system for power generation amount estimation learning in photovoltaic power generation |
-
2017
- 2017-03-08 JP JP2017043719A patent/JP6880841B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014021555A (en) * | 2012-07-12 | 2014-02-03 | Toyota Motor Corp | Natural energy amount prediction device |
US20160190984A1 (en) * | 2014-12-29 | 2016-06-30 | Also Energy, Inc. | System and method for performance analysis and classification of losses for solar power systems |
JP2016152644A (en) * | 2015-02-16 | 2016-08-22 | 北陸電力株式会社 | Estimation method for photovoltaic power generation output, and device |
JP2016220494A (en) * | 2015-05-26 | 2016-12-22 | 東京電力ホールディングス株式会社 | Support system for power generation amount estimation learning in photovoltaic power generation |
CN105631545A (en) * | 2015-12-25 | 2016-06-01 | 河海大学常州校区 | Photovoltaic power station generation capacity prediction method based on similar day analysis and prediction system thereof |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109524983A (en) * | 2018-10-25 | 2019-03-26 | 国家电网有限公司 | A kind of photovoltaic power output modeling method based on typicalness |
CN109524983B (en) * | 2018-10-25 | 2022-04-01 | 国家电网有限公司 | Photovoltaic output modeling method based on typical state |
JP2020123200A (en) * | 2019-01-31 | 2020-08-13 | 中国電力株式会社 | Forecast system and forecast method |
JP2020123199A (en) * | 2019-01-31 | 2020-08-13 | 中国電力株式会社 | Forecast system and forecast method |
JP7206963B2 (en) | 2019-01-31 | 2023-01-18 | 中国電力株式会社 | Forecasting system, forecasting method |
JP7206964B2 (en) | 2019-01-31 | 2023-01-18 | 中国電力株式会社 | Forecasting system, forecasting method |
JP2020127337A (en) * | 2019-02-06 | 2020-08-20 | 東京電力ホールディングス株式会社 | Power generation amount estimation device, power generation amount estimation method and power generation amount estimation program |
JP7346835B2 (en) | 2019-02-06 | 2023-09-20 | 東京電力ホールディングス株式会社 | Power generation amount estimation device, power generation amount estimation method, and power generation amount estimation program |
JP2021189154A (en) * | 2020-06-05 | 2021-12-13 | 三菱電機株式会社 | Photovoltaic power generation amount prediction device |
JP7357586B2 (en) | 2020-06-05 | 2023-10-06 | 三菱電機株式会社 | Solar power generation prediction device |
JP7508922B2 (en) | 2020-07-27 | 2024-07-02 | 中国電力株式会社 | Prediction system and method for calculating predicted values |
WO2023171089A1 (en) * | 2022-03-09 | 2023-09-14 | Biprogy株式会社 | Sunlight prediction system and sunlight prediction program |
Also Published As
Publication number | Publication date |
---|---|
JP6880841B2 (en) | 2021-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018148741A (en) | Photovoltaic power output prediction device considering snow cover | |
JP6399672B2 (en) | Method and system for short-term precipitation forecasting based on probability distribution | |
JP5940922B2 (en) | Renewable energy prediction device | |
JP2013164286A (en) | Solar radiation amount prediction method, photovoltaic power generation output prediction method and system | |
US9188701B2 (en) | Power generation predicting apparatus and method thereof | |
JP6794878B2 (en) | Photovoltaic power generation output prediction device considering the remaining snow | |
JP2016136001A (en) | Prediction device | |
JP5823459B2 (en) | Inflow amount prediction device, inflow amount prediction method, water level prediction device, and program | |
Nolan et al. | Dynamics of the shallow meridional circulation around intertropical convergence zones | |
JP2009223692A (en) | Operation support system, operation support method and program for water storage facility, | |
JP6034361B2 (en) | Weather prediction device and weather prediction method | |
JP5908506B2 (en) | Prediction system, operation method of prediction system | |
CN107110995A (en) | Insolation amount Forecasting Methodology | |
JP5937167B2 (en) | Demand forecasting device, demand forecasting method, and program | |
Liu et al. | Assessing forecasting performance of daily reference evapotranspiration using public weather forecast and numerical weather prediction | |
WO2014117659A1 (en) | Predicting a generated power of a photovoltaic power generation device | |
Chen et al. | Combining stochastic weather generation and ensemble weather forecasts for short-term streamflow prediction | |
JP5941115B2 (en) | Prediction device | |
JP6325331B2 (en) | Weather prediction correction device, weather prediction correction method, and program | |
JP6852621B2 (en) | Power generation output prediction device | |
JP2018207669A (en) | Power generation amount prediction device, power generation amount prediction method, and program | |
JP5627331B2 (en) | Power monitor | |
JP2016073154A (en) | Power prediction device, power prediction method, and program | |
JP7305462B2 (en) | Solar radiation forecasting device, solar radiation forecasting method and solar radiation forecasting program | |
JP7206963B2 (en) | Forecasting system, forecasting method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210319 |
|
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: 20210406 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6880841 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |