JP2018207595A - 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 - Google Patents
太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 Download PDFInfo
- Publication number
- JP2018207595A JP2018207595A JP2017108121A JP2017108121A JP2018207595A JP 2018207595 A JP2018207595 A JP 2018207595A JP 2017108121 A JP2017108121 A JP 2017108121A JP 2017108121 A JP2017108121 A JP 2017108121A JP 2018207595 A JP2018207595 A JP 2018207595A
- Authority
- JP
- Japan
- Prior art keywords
- data
- abnormality
- solar cell
- maximum value
- power generation
- 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
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
Landscapes
- Photovoltaic Devices (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Inverter Devices (AREA)
Abstract
Description
(1)複数の太陽電池モジュールを直列に接続した複数の太陽電池ストリングを並列に接続した複数のパワーコンディショナーを持つ太陽光発電システムの異常または異常の予兆を検出する方法であって、太陽光発電システム中の個々の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを経時的に取得し、取得したデータから個々の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの特定の期間ごとの電流値または発電量の最大値のデータを経時的に抽出し、これらの抽出した最大値データの推移が、同じ期間で抽出された太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの最大値データの全部または一部の平均値より特定割合以上逸脱する太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを異常または異常の予兆の候補として抽出することを特徴とする方法。
(2)最大値データの推移が最大値データの平均値より特定割合以上逸脱した太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを外れ値グループとし、最大値データの推移が最大値データの平均値より特定割合以内の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを大多数グループとして分類し、外れ値グループの中で逸脱割合の大きさに応じてグループ分けし、最も逸脱割合の大きいグループから異常または異常の予兆の候補を抽出することを特徴とする(1)に記載の方法。
(3)設置された太陽電池モジュールの受光面の方角、傾き、または機種の同一性もしくは類似性に基づいて太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーをグループ分けし、そのグループ内で異常または異常の予兆の候補を抽出することを特徴とする(1)又は(2)に記載の方法。
(4)抽出した最大値のデータ間で平均値X及び標準偏差Sを算出し、X−2Sを経時的に下廻る最大値のデータを有するものを異常または異常の予兆の候補として抽出することを特徴とする(1)〜(3)のいずれかに記載の方法。
(5)抽出した太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの最大値データの中から一つの評価基準データを選択し、この評価基準データと他の抽出した予測対象の最大値データとのそれぞれのグレー絶対関連度を算出し、算出したグレー絶対関連度からデジタルグレー予測モデルを用いて評価基準データと予測対象の最大値データとの現在のデータの関連度及び未来のデータの関連度を算出し、予測対象において評価基準データとの間で現在のデータの関連度から特定レベル以上低下した未来のデータの関連度を示すものを異常の予兆が存在するものとして示すことを特徴とする(1)〜(4)のいずれかに記載の方法。
(6)予測対象において評価基準データとの間で現在のデータの関連度から経時的に低下傾向を有する未来のデータの関連度を示すものを異常の予兆が存在するものとして示すことを特徴とする(5)に記載の方法。
(7)既に取得したデータに基づいて予測対象の現在のデータの関連度から未来のデータの関連度の数値を時間軸で示したグラフを10個以上作成し、それらを正常状態を示すグラフと異常または異常の予兆を示すグラフとして評価分類したものを機械学習エンジンに入力し、機械学習エンジンにおいてこの入力グラフと評価分類の傾向を学習させ、この学習に基づいた評価により機械学習エンジンに予測対象の異常または異常の予兆を判別させることを特徴とする(5)または(6)に記載の方法。
(8)(1)〜(7)のいずれかに記載の方法を実施するための装置であって、太陽光発電システムの太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを経時的に取得するデータ取得部と、取得したデータから太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの特定期間ごとの電流値または発電量の最大値のデータを経時的に抽出するデータ抽出部と、抽出した最大値データの推移から異常又は異常の予兆の候補を抽出する分析処理部とを含むことを特徴とする装置。
ここでs1は予測対象のデータ、siは評価基準データである。
(1)データ取得部と、データ抽出部と、分析処理部とを含む装置によって、複数の太陽電池モジュールを直列に接続した複数の太陽電池ストリングを並列に接続した複数のパワーコンディショナーを持つ太陽光発電システムの異常または異常の予兆を検出する方法であって、データ取得部が、太陽光発電システム中の個々の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを経時的に取得し、データ抽出部が、取得したデータから個々の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの特定の期間ごとの電流値または発電量の最大値のデータを経時的に抽出し、分析処理部が、これらの抽出した最大値データの推移が、同じ期間で抽出された太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの最大値データの全部または一部の平均値より特定割合以上逸脱する太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを異常または異常の予兆の候補として抽出すること、及び分析処理部が、最大値データの推移が最大値データの平均値より特定割合以上逸脱した太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを外れ値グループとし、最大値データの推移が最大値データの平均値より特定割合以内の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを大多数グループとして分類し、外れ値グループの中で逸脱割合の大きさに応じてグループ分けし、最も逸脱割合の大きいグループから異常または異常の予兆の候補を抽出することを特徴とする方法。
(2)分析処理部が、設置された太陽電池モジュールの受光面の方角、傾き、または機種の同一性もしくは類似性に基づいて太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーをグループ分けし、そのグループ内で異常または異常の予兆の候補を抽出することを特徴とする(1)に記載の方法。
(3)分析処理部が、抽出した最大値のデータ間で平均値X及び標準偏差Sを算出し、X−2Sを経時的に下廻る最大値のデータを有するものを異常または異常の予兆の候補として抽出することを特徴とする(1)又は(2)に記載の方法。
(4)分析処理部が、抽出した太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの最大値データの中から一つの評価基準データを選択し、この評価基準データと他の抽出した予測対象の最大値データとのそれぞれのグレー絶対関連度を算出し、算出したグレー絶対関連度からデジタルグレー予測モデルを用いて評価基準データと予測対象の最大値データとの現在のデータの関連度及び未来のデータの関連度を算出し、予測対象において評価基準データとの間で現在のデータの関連度から特定レベル以上低下した未来のデータの関連度を示すものを異常の予兆が存在するものとして示すことを特徴とする(1)〜(3)のいずれかに記載の方法。
(5)分析処理部が、予測対象において評価基準データとの間で現在のデータの関連度から経時的に低下傾向を有する未来のデータの関連度を示すものを異常の予兆が存在するものとして示すことを特徴とする(4)に記載の方法。
(6)分析処理部が、既に取得したデータに基づいて予測対象の現在のデータの関連度から未来のデータの関連度の数値を時間軸で示したグラフを10個以上作成し、それらを正常状態を示すグラフと異常または異常の予兆を示すグラフとして評価分類したものを機械学習エンジンに入力し、機械学習エンジンにおいてこの入力グラフと評価分類の傾向を学習させ、この学習に基づいた評価により機械学習エンジンに予測対象の異常または異常の予兆を判別させることを特徴とする(4)または(5)に記載の方法。
(7)(1)〜(6)のいずれかに記載の方法を実施するための装置。
Claims (8)
- 複数の太陽電池モジュールを直列に接続した複数の太陽電池ストリングを並列に接続した複数のパワーコンディショナーを持つ太陽光発電システムの異常または異常の予兆を検出する方法であって、太陽光発電システム中の個々の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを経時的に取得し、取得したデータから個々の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの特定の期間ごとの電流値または発電量の最大値のデータを経時的に抽出し、これらの抽出した最大値データの推移が、同じ期間で抽出された太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの最大値データの全部または一部の平均値より特定割合以上逸脱する太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを異常または異常の予兆の候補として抽出することを特徴とする方法。
- 最大値データの推移が最大値データの平均値より特定割合以上逸脱した太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを外れ値グループとし、最大値データの推移が最大値データの平均値より特定割合以内の太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーを大多数グループとして分類し、外れ値グループの中で逸脱割合の大きさに応じてグループ分けし、最も逸脱割合の大きいグループから異常または異常の予兆の候補を抽出することを特徴とする請求項1に記載の方法。
- 設置された太陽電池モジュールの受光面の方角、傾き、または機種の同一性もしくは類似性に基づいて太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーをグループ分けし、そのグループ内で異常または異常の予兆の候補を抽出することを特徴とする請求項1又は2に記載の方法。
- 抽出した最大値のデータ間で平均値X及び標準偏差Sを算出し、X−2Sを経時的に下廻る最大値のデータを有するものを異常または異常の予兆の候補として抽出することを特徴とする請求項1〜3のいずれかに記載の方法。
- 抽出した太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの最大値データの中から一つの評価基準データを選択し、この評価基準データと他の抽出した予測対象の最大値データとのそれぞれのグレー絶対関連度を算出し、算出したグレー絶対関連度からデジタルグレー予測モデルを用いて評価基準データと予測対象の最大値データとの現在のデータの関連度及び未来のデータの関連度を算出し、予測対象において評価基準データとの間で現在のデータの関連度から特定レベル以上低下した未来のデータの関連度を示すものを異常の予兆が存在するものとして示すことを特徴とする請求項1〜4のいずれかに記載の方法。
- 予測対象において評価基準データとの間で現在のデータの関連度から経時的に低下傾向を有する未来のデータの関連度を示すものを異常の予兆が存在するものとして示すことを特徴とする請求項5に記載の方法。
- 既に取得したデータに基づいて予測対象の現在のデータの関連度から未来のデータの関連度の数値を時間軸で示したグラフを10個以上作成し、それらを正常状態を示すグラフと異常または異常の予兆を示すグラフとして評価分類したものを機械学習エンジンに入力し、機械学習エンジンにおいてこの入力グラフと評価分類の傾向を学習させ、この学習に基づいた評価により機械学習エンジンに予測対象の異常または異常の予兆を判別させることを特徴とする請求項5または6に記載の方法。
- 請求項1〜7のいずれかに記載の方法を実施するための装置であって、太陽光発電システムの太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの電流値または発電量のデータを経時的に取得するデータ取得部と、取得したデータから太陽電池モジュール、太陽電池ストリング、またはパワーコンディショナーの特定期間ごとの電流値または発電量の最大値のデータを経時的に抽出するデータ抽出部と、抽出した最大値データの推移から異常又は異常の予兆の候補を抽出する分析処理部とを含むことを特徴とする装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017108121A JP6185206B1 (ja) | 2017-05-31 | 2017-05-31 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017108121A JP6185206B1 (ja) | 2017-05-31 | 2017-05-31 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6185206B1 JP6185206B1 (ja) | 2017-08-23 |
JP2018207595A true JP2018207595A (ja) | 2018-12-27 |
Family
ID=59678189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017108121A Active JP6185206B1 (ja) | 2017-05-31 | 2017-05-31 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6185206B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11599524B2 (en) | 2017-08-31 | 2023-03-07 | Kbc Groep Nv | Anomaly detection |
JP7400631B2 (ja) | 2020-06-02 | 2023-12-19 | 住友電気工業株式会社 | 判定装置および判定方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112018006670T5 (de) * | 2017-12-28 | 2020-09-24 | Sumitomo Electric Industries, Ltd. | Bestimmungsvorrichtung, Solarstromerzeugungssystem, Bestimmungsverfahren und Bestimmungsprogramm |
WO2019163414A1 (ja) * | 2018-02-20 | 2019-08-29 | 太陽誘電株式会社 | 太陽光発電故障判定装置、太陽光発電故障判定方法、プログラム |
JP7232228B2 (ja) * | 2019-10-16 | 2023-03-02 | タタ コンサルタンシー サービシズ リミテッド | ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004124765A (ja) * | 2002-09-30 | 2004-04-22 | Toshiba Corp | 回転機の寿命予測方法及び回転機を有する製造装置 |
WO2012073289A1 (ja) * | 2010-12-02 | 2012-06-07 | 株式会社日立製作所 | プラントの診断装置及びプラントの診断方法 |
JP2013084759A (ja) * | 2011-10-11 | 2013-05-09 | Contec Co Ltd | 太陽光発電設備の直流接続箱および太陽光発電設備 |
WO2016132569A1 (ja) * | 2015-02-17 | 2016-08-25 | オーナンバ株式会社 | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 |
JP2016208567A (ja) * | 2015-04-15 | 2016-12-08 | 中国電力株式会社 | 太陽光発電システム |
JP2017017791A (ja) * | 2015-06-29 | 2017-01-19 | 株式会社エプセム | 太陽光発電管理装置 |
JP2017046447A (ja) * | 2015-08-26 | 2017-03-02 | 東北電力株式会社 | 太陽電池劣化異常判定システム |
-
2017
- 2017-05-31 JP JP2017108121A patent/JP6185206B1/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004124765A (ja) * | 2002-09-30 | 2004-04-22 | Toshiba Corp | 回転機の寿命予測方法及び回転機を有する製造装置 |
WO2012073289A1 (ja) * | 2010-12-02 | 2012-06-07 | 株式会社日立製作所 | プラントの診断装置及びプラントの診断方法 |
JP2013084759A (ja) * | 2011-10-11 | 2013-05-09 | Contec Co Ltd | 太陽光発電設備の直流接続箱および太陽光発電設備 |
WO2016132569A1 (ja) * | 2015-02-17 | 2016-08-25 | オーナンバ株式会社 | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 |
JP2016208567A (ja) * | 2015-04-15 | 2016-12-08 | 中国電力株式会社 | 太陽光発電システム |
JP2017017791A (ja) * | 2015-06-29 | 2017-01-19 | 株式会社エプセム | 太陽光発電管理装置 |
JP2017046447A (ja) * | 2015-08-26 | 2017-03-02 | 東北電力株式会社 | 太陽電池劣化異常判定システム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11599524B2 (en) | 2017-08-31 | 2023-03-07 | Kbc Groep Nv | Anomaly detection |
JP7400631B2 (ja) | 2020-06-02 | 2023-12-19 | 住友電気工業株式会社 | 判定装置および判定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6185206B1 (ja) | 2017-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6185206B1 (ja) | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 | |
JP5736530B1 (ja) | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 | |
US8482309B2 (en) | Failure detecting method for a solar power generation system | |
US20190236456A1 (en) | System and method for predicting failure of components using temporal scoping of sensor data | |
JP7289995B2 (ja) | 太陽光発電ストリングの動作状態を認識する方法および装置ならびに記憶媒体 | |
CN108599724A (zh) | 一种光伏组件在线监测系统及监测方法 | |
JP2018037078A (ja) | 障害検出機能付き発電モニタリングシステム | |
JP2013258796A (ja) | 自然エネルギーを利用した発電システムの劣化診断装置 | |
Iyengar et al. | Solarclique: Detecting anomalies in residential solar arrays | |
Haba | Monitoring solar panels using machine learning techniques | |
Leloux et al. | Performance to Peers (P2P): A benchmark approach to fault detections applied to photovoltaic system fleets | |
CN109101659B (zh) | 一种小水电数据采集系统中功率数据异常的方法 | |
Leloux et al. | Automatic fault detection on BIPV systems without solar irradiation data | |
TWI671996B (zh) | 判斷太陽能發電模組朝向的方法 | |
TW201727559A (zh) | 再生能源電廠的管理方法與系統 | |
WO2022096571A1 (en) | Solar energy facility monitoring | |
Akiyama et al. | Anomaly detection of solar power generation systems based on the normalization of the amount of generated electricity | |
CN115021675A (zh) | 基于ami数据的分布式光伏电站故障诊断方法和装置 | |
CN109474069B (zh) | 一种分布式发电站状态监测方法 | |
Talayero et al. | Diagnosis of failures in solar plants based on performance monitoring | |
Castellà Rodil et al. | Supervision and fault detection system for photovoltaic installations based on classification algorithms | |
Fadli et al. | Unveiling Hidden Energy Anomalies: Harnessing Deep Learning to Optimize Energy Management in Sports Facilities | |
CN117172620B (zh) | 一种基于参数化分析的建筑光伏潜力评估方法及系统 | |
JP2018108025A (ja) | 発電設備の診断システム | |
JP6339449B2 (ja) | 発電設備の診断システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170531 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170531 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20170531 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20170615 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170620 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170703 |
|
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: 20170721 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6185206 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |