JP2018501582A - 太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム - Google Patents
太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム Download PDFInfo
- Publication number
- JP2018501582A JP2018501582A JP2017534728A JP2017534728A JP2018501582A JP 2018501582 A JP2018501582 A JP 2018501582A JP 2017534728 A JP2017534728 A JP 2017534728A JP 2017534728 A JP2017534728 A JP 2017534728A JP 2018501582 A JP2018501582 A JP 2018501582A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- model
- power generation
- module
- database
- 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 205
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims description 49
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 24
- 239000002131 composite material Substances 0.000 claims description 18
- 230000007547 defect Effects 0.000 claims description 17
- 230000002950 deficient Effects 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 230000002354 daily effect Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000011437 continuous method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013179 statistical model 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/123—DNA computing
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
Abstract
Description
地理的位置と気象履歴情報と取付情報とインバータ情報とを含む、太陽光発電システムの基本情報を記憶するための基本情報記憶モジュールと、
太陽光発電システム運転データと環境モニタデータと天気予報データと数値気象予報データとを含む、予測のモデリングに必要な各種のデータを分類して記憶し、上記基本情報記憶モジュールにおける基本情報をさらに記憶するためのデータベースモジュールと、
前記データベースモジュールで記憶されたデータの種類、および、太陽光発電システムの運転時間に基づいて、対応する予測モデルを特定するための予測モデル判断モジュールと、
前記データベースモジュールでのデータに対して平均化処理を行って、入出力モデルの訓練サンプルおよび予測入力サンプルを形成するための予測データ前処理モジュールと、
前記予測モデル判断モジュールによって特定された予測モデルに基づいて、前記予測データ前処理モジュールのサンプルに対してモデル訓練および予測を行って、太陽光発電システムの出力電力の予測値を取得するための予測モデリングモジュールと、を備える。
1. 本発明では、太陽光発電システムで取得されたモデリングのデータ型の多様性を考慮し、よく見られるデータ型の組み合わせに対して対応する予測タイプを利用し、複数種の太陽光発電システムに適用可能であるため、予測システムが良好な適応性を有する。
2. 本発明では、太陽光発電システムの全ライフサイクルに亘る予測を、柔軟に実現可能である。太陽光発電システムの運転時間に応じて異なる予測モデルを用いるため、異なる段階でモデリングのデータ型に応じて、適切な予測アルゴリズムおよびモデルを選択することが便利になり、太陽光発電予測システムの予測精度が向上する。
3. 本発明では、モジュール化設計が用いられ、各モジュールの機能がはっきりしている。インターフェースが明確であり、ユーザのニーズに応じて予測システムをカスタマイズ可能であり、幾つかのモジュール機能を柔軟にオンオフでき、小型太陽光発電システムの予測コストが低減され、大型太陽光発電システムのユーザニーズに応じられる。
[付記1]
地理的位置と気象履歴情報と取付情報とインバータ情報とを含む、太陽光発電システムの基本情報を記憶するための基本情報記憶モジュールと、
太陽光発電システム運転データと環境モニタデータと天気予報データと数値気象予報データとを含む、予測のモデリングに必要な各種のデータを分類して記憶し、上記基本情報記憶モジュールにおける基本情報をさらに記憶するためのデータベースモジュールと、
前記データベースモジュールで記憶されたデータの種類、および、太陽光発電システムの運転時間に基づいて、対応する予測モデルを特定するための予測モデル判断モジュールと、
前記データベースモジュールでのデータに対して平均化処理を行って、入出力モデルの訓練サンプルおよび予測入力サンプルを形成するための予測データ前処理モジュールと、
前記予測モデル判断モジュールによって特定された予測モデルに基づいて、前記予測データ前処理モジュールのサンプルに対してモデル訓練および予測を行って、太陽光発電システムの出力電力の予測値を取得するための予測モデリングモジュールと、を備える、
ことを特徴とする太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
予測のモデリングに必要な各種のデータを取得して、データベースモジュールのオリジナルデータベースに導入するためのデータ入力モジュールと、
オリジナルデータベースと、モデリングデータベースと、不良データベースと、予測結果データベースとに分けられるデータベースモジュールと、
前記データ入力モジュールによって導入されたオリジナルデータに対して不良データの識別、補正および記録を行うためのデータ認識・補正モジュールと、
予測モデルの誤差を算出して統計し、統計結果に基づいて予測モデルの更新が必要であるか否かを判断するためのモデル誤差分析モジュールと、
システムの運転中にモニタされたエラー情報を記録し、運転エラーログを作成して警報を出すための運転エラー診断モジュールと、
日運転ログおよび月運転ログを、オペレータの照会するバックアップとして定めるための自動運転管理モジュールと、
オンラインおよび履歴データ/稼働状況/警報照会をユーザへ提供し、パラメータ設定およびデータ導入機能を提供するためのマン・マシンインターフェースモジュールと、をさらに備え、
前記データ入力モジュールは、太陽光発電システム運転データ入力モジュールと、環境モニタデータ入力モジュールと、数値気象予報データ入力モジュールと、天気予報データ入力モジュールとの4つのサブモジュールを含み、
正常データおよび補正後の不良データがモデリングデータベースに存在し、補正不可能な不良データが不良データベースに存在する、
ことを特徴とする付記1に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記基本情報記憶モジュールにおいて、
地理的位置情報が経度、緯度、標高および影遮蔽状況を含み、
気象履歴情報が気象局、NASAサイトおよびNOAAサイトによって取得された毎時間/月/日の太陽放射、および環境温度情報を含み、
取付情報が太陽光発電ユニットの銘板値、太陽光発電ユニット直列並列情報、アレイ数、取付角度および取付方式を含み、
インバータ情報が定格電力、効率および最大電力追従範囲を含む、
ことを特徴とする付記1または2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記データ認識・補正モジュールは、さらに、オリジナルデータに対して判断を行い、
インバータによる不良データと判断した場合に、データを不良データベースに格納し、
通信故障による不良データと判断した場合に、故障時間が3時間より小さいか否かをさらに判断し、そうであれば、データを対応する方法により補正してからモデリングデータベースに格納し、そうでなければ、データを不良データベースに格納する、
ことを特徴とする付記2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記データベースモジュールのオリジナルデータベース、モデリングデータベース、不良データベースのそれぞれは、環境モニタデータベース、数値気象予報データベース、天気予報データベースおよび太陽光発電システム運転データベースを含む、
ことを特徴とする付記1または2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記予測モデル判断モジュールは、モデリングデータベース中のサブデータベース種類に基づいて予測タイプを判断し、予測タイプおよび太陽光発電システムの運転時間に基づいて対応する予測モデルを特定し、
モデリングデータベースが何れのデータも含まない場合、予測タイプが予測タイプ1であると判断し、モデリングデータベースが太陽光発電システム運転データベースを含む場合、予測タイプが予測タイプ2であると判断し、モデリングデータベースが太陽光発電システム運転データベースおよび天気予報データベースを含む場合、予測タイプが予測タイプ3であると判断し、モデリングデータベースが太陽光発電システム運転データベースおよび環境モニタデータベースを含む場合、予測タイプが予測タイプ4であると判断し、モデリングデータベースが太陽光発電システム運転データベース、環境モニタデータベースおよび天気予報データベースを含む場合、予測タイプが予測タイプ5であると判断し、モデリングデータベースが太陽光発電システム運転データベース、環境モニタデータベースおよび数値気象予報データベースを含む場合、予測タイプが予測タイプ6であると判断し、
予測タイプが予測タイプ1である場合には、予測モデル11を用いて出力電力予測を行い、
予測タイプが予測タイプ2である場合には、太陽光発電システムの運転時間が1か月より小さければ、予測モデル21を用いて予測を行うと判断し、太陽光発電システムの運転時間が1か月より大きく且つ6か月より小さければ、予測モデル22を用いて予測を行うと判断し、太陽光発電システムの運転時間が6か月より大きければ、予測モデル23を用いて予測を行うと判断し、
予測タイプが予測タイプ3である場合には、予測モデル31、32と予測モデル21、22とがそれぞれ同じであり、太陽光発電システムの運転時間が6か月より大きければ、予測モデル33を用いて予測を行うと判断し、
予測タイプが予測タイプ4である場合には、太陽光発電システムの運転時間が1か月より小さければ、予測モデル41を用いて予測を行うと判断し、太陽光発電システムの運転時間が1か月より大きく且つ6か月より小さければ、予測モデル42を用いて予測を行うと判断し、太陽光発電システムの運転時間が6か月より大きければ、予測モデル43を用いて予測を行うと判断し、
予測タイプが予測タイプ5である場合には、予測モデル51、52と予測モデル41、42とがそれぞれ同じであり、太陽光発電システムの運転時間が6か月より大きければ、予測モデル53を用いて予測を行うと判断し、
予測タイプが予測タイプ6である場合には、太陽光発電システムの運転時間が1か月より小さければ、予測モデル61を用いて予測を行うと判断し、太陽光発電システムの運転時間が1か月より大きく且つ6か月より小さければ、予測モデル62を用いて予測を行うと判断し、太陽光発電システムの運転時間が6か月より大きければ、予測モデル63を用いて予測を行うと判断する、
ことを特徴とする付記5に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記予測モデリングモジュールは、
太陽光発電ユニットの5パラメータモデルを用いた算出により、太陽光発電システムの年間発電量の予測値を取得するモデル11と、
持続法、時系列法、RBFニューラルネットワーク等からなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル21と、
時系列法、RBFニューラルネットワーク、サポートベクトル回帰SVR等からなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル22と、
多次元時系列の位相空間再構築(Phase Space Construction of Multi-Dimensional Time-Series)、重み付け一次法(Adding Weight First Order Local Prediction Method)、SVR等からなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル23と、
モデル21と同じであるモデル31と、
モデル22と同じであるモデル32と、
2時間早める電力予測方法がモデル23と同じであり、且つ前日太陽光発電電力予測が類似日SVRモデル1を用いた予測であるモデル33と、
太陽光発電ユニットの5パラメータモデル、持続法、時系列およびRBFニューラルネットワークからなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル41と、
太陽光発電ユニットの5パラメータモデル、時系列、RBFニューラルネットワークおよびSVRからなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル42と、
2種の多次元時系列の位相空間再構築法、重み付け一次法およびSVRからなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル43と、
モデル41と同じであるモデル51と、
モデル42と同じであるモデル52と、
2時間早める電力予測方法がモデル43と同じであり、且つ前日太陽光発電電力予測が類似日SVRモデル2を用いた予測であるモデル53と、
2時間早める電力予測方法がモデル41と同じであり、且つ前日太陽光発電電力予測が太陽光発電ユニットの5パラメータモデルおよびRBFニューラルネットワークモデルを用いた予測であるモデル61と、
2時間早める電力予測方法がモデル42と同じであり、且つ前日太陽光発電電力予測がNWPsのSVR補正モデル、太陽光発電ユニットの5パラメータモデルおよびRBFニューラルネットワークを用いた予測であるモデル62と、
2時間早める電力予測方法がモデル43と同じであり、且つ前日太陽光発電電力予測がNWPsの類似日SVR補正モデル、太陽光発電ユニットの5パラメータモデルおよびRBFニューラルネットワークを用いた予測であるモデル63と、を含む、
ことを特徴とする付記6に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記運転エラー診断モジュールは、
予測システムの運転中におけるエラーを検出し、エラー情報を運転エラーログ作成モジュールに入力するための運転エラーモニタモジュールと、
予測システムの運転のエラー情報を記憶するための前記運転エラーログ作成モジュールと、
毎時間の予測動作が完了した後、その日の運転エラーログを自動的に検査して対応する警報動作を行うためのエラー警報モジュールと、を備える、
ことを特徴とする付記2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
前記自動運転管理モジュールは、
毎日の00:00に自動的に運転させ、前日の運転状況に対して、予測の基本情報、システム運転状況および運転結果統計を含む統計分析を行う日運転ログ作成サブモジュールと、
毎月の初日に自動的に運転させ、前月の運転状況に対して、基本情報、システム運転状況および運転結果統計を含む統計分析を行う月運転ログ作成サブモジュールと、を備える、
ことを特徴とする付記2または8に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
基本情報記憶モジュールによる記憶が完了した後、システムが循環予測運転に入るように制御するための循環予測制御モジュールをさらに備え、
毎回の予測循環過程の実行順は、データ入力モジュール、データ認識・補正モジュール、データベースモジュール、予測モデル判断モジュール、予測データ前処理モジュール、予測モデリングモジュール、モデル誤差分析モジュール、運転エラー診断モジュールであり、
毎回の予測循環の実行後、時間が00:00であるか否かを判断し、00:00でなければ、予測結果をマン・マシンインターフェースおよびデータベースモジュールに帰還して循環に再度入らせ、00:00であれば、モデル誤差分析モジュールを動作させて誤差を統計し、自動運転管理モジュールを動作させ、関連する統計結果をマン・マシンインターフェースおよびデータベースモジュールに帰還して毎回の予測循環に再度入らせる、
ことを特徴とする付記9に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
Claims (10)
- 地理的位置と気象履歴情報と取付情報とインバータ情報とを含む、太陽光発電システムの基本情報を記憶するための基本情報記憶モジュールと、
太陽光発電システム運転データと環境モニタデータと天気予報データと数値気象予報データとを含む、予測のモデリングに必要な各種のデータを分類して記憶し、上記基本情報記憶モジュールにおける基本情報をさらに記憶するためのデータベースモジュールと、
前記データベースモジュールで記憶されたデータの種類、および、太陽光発電システムの運転時間に基づいて、対応する予測モデルを特定するための予測モデル判断モジュールと、
前記データベースモジュールでのデータに対して平均化処理を行って、入出力モデルの訓練サンプルおよび予測入力サンプルを形成するための予測データ前処理モジュールと、
前記予測モデル判断モジュールによって特定された予測モデルに基づいて、前記予測データ前処理モジュールのサンプルに対してモデル訓練および予測を行って、太陽光発電システムの出力電力の予測値を取得するための予測モデリングモジュールと、を備える、
ことを特徴とする太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 予測のモデリングに必要な各種のデータを取得して、データベースモジュールのオリジナルデータベースに導入するためのデータ入力モジュールと、
オリジナルデータベースと、モデリングデータベースと、不良データベースと、予測結果データベースとに分けられるデータベースモジュールと、
前記データ入力モジュールによって導入されたオリジナルデータに対して不良データの識別、補正および記録を行うためのデータ認識・補正モジュールと、
予測モデルの誤差を算出して統計し、統計結果に基づいて予測モデルの更新が必要であるか否かを判断するためのモデル誤差分析モジュールと、
システムの運転中にモニタされたエラー情報を記録し、運転エラーログを作成して警報を出すための運転エラー診断モジュールと、
日運転ログおよび月運転ログを、オペレータの照会するバックアップとして定めるための自動運転管理モジュールと、
オンラインおよび履歴データ/稼働状況/警報照会をユーザへ提供し、パラメータ設定およびデータ導入機能を提供するためのマン・マシンインターフェースモジュールと、をさらに備え、
前記データ入力モジュールは、太陽光発電システム運転データ入力モジュールと、環境モニタデータ入力モジュールと、数値気象予報データ入力モジュールと、天気予報データ入力モジュールとの4つのサブモジュールを含み、
正常データおよび補正後の不良データがモデリングデータベースに存在し、補正不可能な不良データが不良データベースに存在する、
ことを特徴とする請求項1に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記基本情報記憶モジュールにおいて、
地理的位置情報が経度、緯度、標高および影遮蔽状況を含み、
気象履歴情報が気象局、NASAサイトおよびNOAAサイトによって取得された毎時間/月/日の太陽放射、および環境温度情報を含み、
取付情報が太陽光発電ユニットの銘板値、太陽光発電ユニット直列並列情報、アレイ数、取付角度および取付方式を含み、
インバータ情報が定格電力、効率および最大電力追従範囲を含む、
ことを特徴とする請求項1または2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記データ認識・補正モジュールは、さらに、オリジナルデータに対して判断を行い、
インバータによる不良データと判断した場合に、データを不良データベースに格納し、
通信故障による不良データと判断した場合に、故障時間が3時間より小さいか否かをさらに判断し、そうであれば、データを対応する方法により補正してからモデリングデータベースに格納し、そうでなければ、データを不良データベースに格納する、
ことを特徴とする請求項2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記データベースモジュールのオリジナルデータベース、モデリングデータベース、不良データベースのそれぞれは、環境モニタデータベース、数値気象予報データベース、天気予報データベースおよび太陽光発電システム運転データベースを含む、
ことを特徴とする請求項1または2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記予測モデル判断モジュールは、モデリングデータベース中のサブデータベース種類に基づいて予測タイプを判断し、予測タイプおよび太陽光発電システムの運転時間に基づいて対応する予測モデルを特定し、
モデリングデータベースが何れのデータも含まない場合、予測タイプが予測タイプ1であると判断し、モデリングデータベースが太陽光発電システム運転データベースを含む場合、予測タイプが予測タイプ2であると判断し、モデリングデータベースが太陽光発電システム運転データベースおよび天気予報データベースを含む場合、予測タイプが予測タイプ3であると判断し、モデリングデータベースが太陽光発電システム運転データベースおよび環境モニタデータベースを含む場合、予測タイプが予測タイプ4であると判断し、モデリングデータベースが太陽光発電システム運転データベース、環境モニタデータベースおよび天気予報データベースを含む場合、予測タイプが予測タイプ5であると判断し、モデリングデータベースが太陽光発電システム運転データベース、環境モニタデータベースおよび数値気象予報データベースを含む場合、予測タイプが予測タイプ6であると判断し、
予測タイプが予測タイプ1である場合には、予測モデル11を用いて出力電力予測を行い、
予測タイプが予測タイプ2である場合には、太陽光発電システムの運転時間が1か月より小さければ、予測モデル21を用いて予測を行うと判断し、太陽光発電システムの運転時間が1か月より大きく且つ6か月より小さければ、予測モデル22を用いて予測を行うと判断し、太陽光発電システムの運転時間が6か月より大きければ、予測モデル23を用いて予測を行うと判断し、
予測タイプが予測タイプ3である場合には、予測モデル31、32と予測モデル21、22とがそれぞれ同じであり、太陽光発電システムの運転時間が6か月より大きければ、予測モデル33を用いて予測を行うと判断し、
予測タイプが予測タイプ4である場合には、太陽光発電システムの運転時間が1か月より小さければ、予測モデル41を用いて予測を行うと判断し、太陽光発電システムの運転時間が1か月より大きく且つ6か月より小さければ、予測モデル42を用いて予測を行うと判断し、太陽光発電システムの運転時間が6か月より大きければ、予測モデル43を用いて予測を行うと判断し、
予測タイプが予測タイプ5である場合には、予測モデル51、52と予測モデル41、42とがそれぞれ同じであり、太陽光発電システムの運転時間が6か月より大きければ、予測モデル53を用いて予測を行うと判断し、
予測タイプが予測タイプ6である場合には、太陽光発電システムの運転時間が1か月より小さければ、予測モデル61を用いて予測を行うと判断し、太陽光発電システムの運転時間が1か月より大きく且つ6か月より小さければ、予測モデル62を用いて予測を行うと判断し、太陽光発電システムの運転時間が6か月より大きければ、予測モデル63を用いて予測を行うと判断する、
ことを特徴とする請求項5に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記予測モデリングモジュールは、
太陽光発電ユニットの5パラメータモデルを用いた算出により、太陽光発電システムの年間発電量の予測値を取得するモデル11と、
持続法、時系列法、RBFニューラルネットワーク等からなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル21と、
時系列法、RBFニューラルネットワーク、サポートベクトル回帰SVR等からなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル22と、
多次元時系列の位相空間再構築(Phase Space Construction of Multi-Dimensional Time-Series)、重み付け一次法(Adding Weight First Order Local Prediction Method)、SVR等からなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル23と、
モデル21と同じであるモデル31と、
モデル22と同じであるモデル32と、
2時間早める電力予測方法がモデル23と同じであり、且つ前日太陽光発電電力予測が類似日SVRモデル1を用いた予測であるモデル33と、
太陽光発電ユニットの5パラメータモデル、持続法、時系列およびRBFニューラルネットワークからなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル41と、
太陽光発電ユニットの5パラメータモデル、時系列、RBFニューラルネットワークおよびSVRからなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル42と、
2種の多次元時系列の位相空間再構築法、重み付け一次法およびSVRからなる複合予測モデルを用いて、2時間以内に早める太陽光発電電力予測を実施するモデル43と、
モデル41と同じであるモデル51と、
モデル42と同じであるモデル52と、
2時間早める電力予測方法がモデル43と同じであり、且つ前日太陽光発電電力予測が類似日SVRモデル2を用いた予測であるモデル53と、
2時間早める電力予測方法がモデル41と同じであり、且つ前日太陽光発電電力予測が太陽光発電ユニットの5パラメータモデルおよびRBFニューラルネットワークモデルを用いた予測であるモデル61と、
2時間早める電力予測方法がモデル42と同じであり、且つ前日太陽光発電電力予測がNWPsのSVR補正モデル、太陽光発電ユニットの5パラメータモデルおよびRBFニューラルネットワークを用いた予測であるモデル62と、
2時間早める電力予測方法がモデル43と同じであり、且つ前日太陽光発電電力予測がNWPsの類似日SVR補正モデル、太陽光発電ユニットの5パラメータモデルおよびRBFニューラルネットワークを用いた予測であるモデル63と、を含む、
ことを特徴とする請求項6に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記運転エラー診断モジュールは、
予測システムの運転中におけるエラーを検出し、エラー情報を運転エラーログ作成モジュールに入力するための運転エラーモニタモジュールと、
予測システムの運転のエラー情報を記憶するための前記運転エラーログ作成モジュールと、
毎時間の予測動作が完了した後、その日の運転エラーログを自動的に検査して対応する警報動作を行うためのエラー警報モジュールと、を備える、
ことを特徴とする請求項2に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 前記自動運転管理モジュールは、
毎日の00:00に自動的に運転させ、前日の運転状況に対して、予測の基本情報、システム運転状況および運転結果統計を含む統計分析を行う日運転ログ作成サブモジュールと、
毎月の初日に自動的に運転させ、前月の運転状況に対して、基本情報、システム運転状況および運転結果統計を含む統計分析を行う月運転ログ作成サブモジュールと、を備える、
ことを特徴とする請求項2または8に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。 - 基本情報記憶モジュールによる記憶が完了した後、システムが循環予測運転に入るように制御するための循環予測制御モジュールをさらに備え、
毎回の予測循環過程の実行順は、データ入力モジュール、データ認識・補正モジュール、データベースモジュール、予測モデル判断モジュール、予測データ前処理モジュール、予測モデリングモジュール、モデル誤差分析モジュール、運転エラー診断モジュールであり、
毎回の予測循環の実行後、時間が00:00であるか否かを判断し、00:00でなければ、予測結果をマン・マシンインターフェースおよびデータベースモジュールに帰還して循環に再度入らせ、00:00であれば、モデル誤差分析モジュールを動作させて誤差を統計し、自動運転管理モジュールを動作させ、関連する統計結果をマン・マシンインターフェースおよびデータベースモジュールに帰還して毎回の予測循環に再度入らせる、
ことを特徴とする請求項9に記載の太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510552067.0A CN105184404B (zh) | 2015-08-31 | 2015-08-31 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
CN201510552067.0 | 2015-08-31 | ||
PCT/CN2015/090587 WO2017035884A1 (zh) | 2015-08-31 | 2015-09-24 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018501582A true JP2018501582A (ja) | 2018-01-18 |
JP6379299B2 JP6379299B2 (ja) | 2018-08-22 |
Family
ID=54906467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017534728A Active JP6379299B2 (ja) | 2015-08-31 | 2015-09-24 | 太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180046924A1 (ja) |
JP (1) | JP6379299B2 (ja) |
CN (1) | CN105184404B (ja) |
WO (1) | WO2017035884A1 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020022624A1 (ko) * | 2018-07-26 | 2020-01-30 | (주)에코브레인 | 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법, 그 방법을 이용한 실시간 태양광 발전량 예측시스템 |
JP2021523673A (ja) * | 2019-04-25 | 2021-09-02 | 山東大学Shandong University | 系統連系インバータの稼働データに基づく太陽光発電所の電力予測方法及びシステム |
KR102382984B1 (ko) * | 2021-09-30 | 2022-04-08 | 비케이엠 주식회사 | 신재생에너지 발전기의 발전량을 예측하는 단말기 및 그것의 제어 방법 |
KR102383012B1 (ko) * | 2021-09-30 | 2022-04-08 | 비케이엠 주식회사 | 시간별 추세 예측 및 계절별 추세 예측을 동시에 수행하여 신재생에너지 발전기의 발전량을 보다 정확히 예측하는 단말기 및 그것의 제어 방법 |
KR102444254B1 (ko) * | 2021-04-05 | 2022-09-19 | 주식회사 풍성인더스 | 태양광 발전량 예측 시스템 및 방법 |
WO2024128460A1 (ko) * | 2022-12-13 | 2024-06-20 | 한국전자기술연구원 | 다수 재생에너지 발전 모델의 테스트 시스템 및 방법 |
Families Citing this family (91)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652658B (zh) * | 2015-12-29 | 2018-12-04 | 国能日新科技股份有限公司 | 基于光伏电场数据分析及实时环境监测的有功控制系统 |
CN105701572B (zh) * | 2016-01-13 | 2020-11-06 | 国网甘肃省电力公司电力科学研究院 | 一种基于改进高斯过程回归的光伏短期出力预测方法 |
US10985694B2 (en) * | 2016-07-15 | 2021-04-20 | Enphase Energy, Inc. | Method and apparatus for determining key performance photovoltaic characteristics using sensors from module-level power electronics |
CN106503828B (zh) * | 2016-09-22 | 2019-12-27 | 上海电力学院 | 一种光伏输出功率超短期混沌预测方法 |
WO2018065045A1 (en) * | 2016-10-05 | 2018-04-12 | Telecom Italia S.P.A. | Method and system for estimating energy generation based on solar irradiance forecasting |
CN106685313B (zh) * | 2016-12-30 | 2018-06-22 | 珠海兆泓科技有限公司 | 用于光伏电站的发电控制方法、装置及光伏电站 |
CN106909985B (zh) * | 2017-01-11 | 2021-02-09 | 沃太能源南通有限公司 | 一种光伏发电预测系统的预测方法 |
CN107274021A (zh) * | 2017-06-16 | 2017-10-20 | 南京国电南自电网自动化有限公司 | 一种光伏功率预测系统干扰数据处理系统及方法 |
CN107341569B (zh) * | 2017-06-26 | 2020-04-24 | 清华大学 | 结合光伏功率物理模型与数据驱动的光伏功率预测方法 |
CN108564192B (zh) * | 2017-12-29 | 2021-06-08 | 河海大学 | 一种基于气象因子权重相似日的短期光伏功率预测方法 |
CN108509737B (zh) * | 2018-04-09 | 2022-05-10 | 中国计量大学 | 一种光伏组串内各失配组件的参数提取方法 |
WO2020010291A1 (en) * | 2018-07-05 | 2020-01-09 | Abb Schweiz Ag | Systems and methods for identifying anomalous events for electrical systems |
CN109325296A (zh) * | 2018-09-26 | 2019-02-12 | 国网电子商务有限公司 | 光伏电站建立方案的推荐方法、装置及电子设备 |
CN109255728B (zh) * | 2018-09-27 | 2021-09-07 | 上海电力学院 | 混沌相空间优化重构的光伏发电功率神经网络预测法 |
US11681929B2 (en) * | 2018-10-02 | 2023-06-20 | Honeywell International Inc. | Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model |
CN111325368A (zh) * | 2018-12-13 | 2020-06-23 | 国网电动汽车服务有限公司 | 一种光储式电动汽车充电站光伏功率预测方法和装置 |
CN109711700A (zh) * | 2018-12-19 | 2019-05-03 | 维科诚(苏州)光伏科技有限公司 | 一种针对光伏电站的服务网络管理系统 |
CN109613372B (zh) * | 2018-12-26 | 2021-11-19 | 国网陕西省电力公司电力科学研究院 | 一种基于多元电网数据库的电网故障诊断方法 |
CN110059871B (zh) * | 2019-04-04 | 2021-09-24 | 广东工业大学 | 光伏发电功率预测方法 |
CN109978280A (zh) * | 2019-04-19 | 2019-07-05 | 上海交通大学 | 一种通用化光伏电池工作温度预测方法及装置 |
CN110110912B (zh) * | 2019-04-26 | 2021-09-28 | 华北电力大学 | 一种光伏功率多模型区间预测方法 |
CN110059441B (zh) * | 2019-04-29 | 2022-07-19 | 广东电网有限责任公司 | 一种光伏电站建模方法及光伏电站模型输出校正方法 |
CN110263969B (zh) * | 2019-05-07 | 2023-06-02 | 西北农林科技大学 | 一种货架期苹果品质动态预测系统及预测方法 |
CN110503232A (zh) * | 2019-06-28 | 2019-11-26 | 国网浙江省电力有限公司湖州供电公司 | 一种分布式光伏负荷数据预测与修复方法 |
CN110581567B (zh) * | 2019-08-08 | 2021-07-30 | 国网山东省电力公司济南市历城区供电公司 | 实时跟踪内阻匹配的功率传输方法和系统 |
CN110472364B (zh) * | 2019-08-22 | 2022-04-19 | 电子科技大学 | 一种考虑可再生能源的离网式热电气联产系统的优化方法 |
CN110704406B (zh) * | 2019-08-30 | 2020-12-15 | 珠海格力电器股份有限公司 | 能源数据的处理方法及装置、设备 |
CN110570042B (zh) * | 2019-09-16 | 2022-10-25 | 燕山大学 | 一种短期电动汽车充电负荷预测方法及系统 |
CN110766198A (zh) * | 2019-09-18 | 2020-02-07 | 中国电建集团青海省电力设计院有限公司 | 一种基于光伏电站占地面积定量计算的光伏电站布置方法 |
CN110619479B (zh) * | 2019-09-23 | 2022-05-24 | 阳光电源股份有限公司 | 光伏组件的故障判别模型建模方法及故障判别方法 |
CN110598956B (zh) * | 2019-09-29 | 2022-02-18 | 国核电力规划设计研究院有限公司 | 一种光伏电站的发电功率预测方法及装置 |
CN111160603B (zh) * | 2019-11-21 | 2022-11-25 | 中国电力科学研究院有限公司 | 一种端到端电力通信业务可靠性保障方法及系统 |
CN110855241B (zh) * | 2019-12-04 | 2022-04-08 | 阳光新能源开发股份有限公司 | 一种光伏系统故障诊断方法及装置 |
CN110991083B (zh) * | 2019-12-19 | 2023-07-14 | 阳光电源(上海)有限公司 | 一种光伏电站模型确定方法、装置、设备及储存介质 |
CN111027786B (zh) * | 2019-12-30 | 2023-07-25 | 云南恒协科技有限公司 | 一种微电网运行优化和能效管理系统 |
CN111242371B (zh) * | 2020-01-10 | 2023-04-18 | 华北电力大学 | 一种基于非迭代多模型的光伏发电短期预测校正方法 |
CN111401603A (zh) * | 2020-01-22 | 2020-07-10 | 国网江苏省电力有限公司南京供电分公司 | 一种多类型能源需求预测方法 |
CN111461201B (zh) * | 2020-03-30 | 2023-09-19 | 重庆大学 | 基于相空间重构的传感器数据分类方法 |
CN111669123B (zh) * | 2020-05-11 | 2021-12-17 | 国家能源集团新能源技术研究院有限公司 | 用于对光伏组串进行故障诊断的方法和装置 |
CN111695601B (zh) * | 2020-05-15 | 2023-06-20 | 特变电工西安电气科技有限公司 | 光伏功率预测方法、装置、设备及可读存储介质 |
CN111581868B (zh) * | 2020-05-18 | 2023-09-22 | 中国科学院国家天文台 | 适用于fast主动反射面的故障预测和健康管理方法和系统 |
CN111626506B (zh) * | 2020-05-27 | 2022-08-26 | 华北电力大学 | 基于联邦学习的区域光伏功率概率预测方法及其协同调控系统 |
CN111768312B (zh) * | 2020-06-22 | 2023-06-30 | 上海申铁信息工程有限公司 | 一种基于铁路系统数据编码的建筑能耗监测方法及装置 |
CN111931981B (zh) * | 2020-07-06 | 2022-05-10 | 安徽天尚清洁能源科技有限公司 | 基于机器学习多模型组合的光伏发电超短期预测方法 |
CN111898812B (zh) * | 2020-07-17 | 2022-10-04 | 国网江苏省电力有限公司南京供电分公司 | 一种分布式光伏数据虚拟采集方法 |
CN111915084A (zh) * | 2020-08-03 | 2020-11-10 | 国网山东省电力公司电力科学研究院 | 一种基于神经网络的混合型光伏发电功率预测方法及系统 |
CN112052985B (zh) * | 2020-08-07 | 2023-11-03 | 南京易司拓电力科技股份有限公司 | 一种基于lightgbm的中短期低电压预测方法 |
CN112036634B (zh) * | 2020-08-26 | 2024-06-28 | 阳光慧碳科技有限公司 | 光伏发电功率的确定方法、预测系统及可读存储介质 |
CN111950811B (zh) * | 2020-08-27 | 2024-04-09 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
CN112016250A (zh) * | 2020-08-31 | 2020-12-01 | 华北电力大学 | 一种烟气scr脱硝系统不良数据辨识方法 |
CN112070319B (zh) * | 2020-09-21 | 2023-09-19 | 西安交通大学 | 一种基于时序动态回归的超短期光伏发电功率预测方法 |
CN112163018A (zh) * | 2020-09-27 | 2021-01-01 | 国家电网有限公司 | 确定光伏组件的生命周期的方法、装置及系统 |
CN112215478B (zh) * | 2020-09-27 | 2024-05-28 | 珠海博威电气股份有限公司 | 光储电站的功率协调控制方法和装置、存储介质 |
US20220101219A1 (en) * | 2020-09-28 | 2022-03-31 | Solarlytics, Inc. | System and method for optimizing energy obtained from renewable sources |
CN112347087B (zh) * | 2020-09-30 | 2024-05-03 | 中国铁路上海局集团有限公司 | 一种高铁沿线风速观测数据质量控制方法 |
CN112290885B (zh) * | 2020-09-30 | 2024-06-07 | 国网浙江安吉县供电有限公司 | 一种户用光伏系统直流侧故障诊断方法 |
CN112216181A (zh) * | 2020-10-30 | 2021-01-12 | 哈尔滨飞机工业集团有限责任公司 | 一种可实现双发直升机单发训练的系统和方法 |
CN112329344A (zh) * | 2020-11-03 | 2021-02-05 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种基于主成分分析法的风机风速软测量方法 |
CN112507613B (zh) * | 2020-12-01 | 2022-05-10 | 湖南工程学院 | 一种秒级超短期光伏功率预测方法 |
CN112418346B (zh) * | 2020-12-07 | 2022-10-25 | 天津大学 | 一种数值天气预报总辐射系统误差分类计算方法 |
CN112418558B (zh) * | 2020-12-07 | 2022-03-11 | 天津大学 | 一种基于多源气象预报的总辐射修正方法 |
CN112529191A (zh) * | 2020-12-29 | 2021-03-19 | 南水北调东线江苏水源有限责任公司 | 一种基于混沌算法的泵站故障树建立方法 |
CN112734125A (zh) * | 2021-01-15 | 2021-04-30 | 国网山西省电力公司晋城供电公司 | 一种光伏出力预测方法、装置和电子设备 |
CN112733462B (zh) * | 2021-01-21 | 2023-09-22 | 国网辽宁省电力有限公司阜新供电公司 | 一种结合气象因素的超短期风电场功率预测方法 |
CN112818592A (zh) * | 2021-01-22 | 2021-05-18 | 天津理工大学 | 基于数据挖掘的光伏电池参数及发电量预测方法及系统 |
CN112949918A (zh) * | 2021-02-25 | 2021-06-11 | 山东大学 | 基于dgm-rnn的日前光伏功率预测方法及系统 |
CN112884234A (zh) * | 2021-03-04 | 2021-06-01 | 电子科技大学 | 大功率毫米波回旋行波管功率模块最优工作参数搜索方法 |
CN112884238A (zh) * | 2021-03-12 | 2021-06-01 | 国网冀北电力有限公司电力科学研究院 | 光伏发电功率预测方法及装置 |
CN113095596B (zh) * | 2021-05-07 | 2023-04-18 | 北京理工大学 | 基于多级Gate-SA-TCN的光伏功率预测方法 |
CN113191682B (zh) * | 2021-05-24 | 2022-07-29 | 温州大学 | 一种适用于电动汽车移动充电设备充电的多能源分配管理方法 |
CN113537575B (zh) * | 2021-06-25 | 2023-11-21 | 中国农业大学 | 一种含分布式光伏和电动汽车并网的趋势负荷预测方法 |
CN113688869B (zh) * | 2021-07-21 | 2022-05-27 | 广东工业大学 | 一种基于生成对抗网络的光伏数据缺失重构方法 |
CN113610380A (zh) * | 2021-08-02 | 2021-11-05 | 上海电气集团股份有限公司 | 一种多能互补能源规划方法 |
CN113723670B (zh) * | 2021-08-12 | 2023-12-08 | 浙江大学 | 变时间窗口的光伏发电功率短期预测方法 |
CN114385962A (zh) * | 2021-10-20 | 2022-04-22 | 许继集团有限公司 | 一种基于相似日的日前光伏发电功率预测方法及系统 |
CN113919606B (zh) * | 2021-12-14 | 2022-03-15 | 山东建筑大学 | 一种分布式光伏电站智能选址方法及系统 |
CN114443605B (zh) * | 2022-04-02 | 2022-07-29 | 一道新能源科技(衢州)有限公司 | 针对水上光伏系统的信息分析方法及系统 |
CN115438839B (zh) * | 2022-08-11 | 2023-08-18 | 海宁云多科技有限公司 | 基于智能电表数据的光伏功率超短期预测系统及方法 |
CN115186939B (zh) * | 2022-09-09 | 2022-12-09 | 中科航迈数控软件(深圳)有限公司 | 一种加工设备的全生命周期碳排放量预测方法 |
CN115423200B (zh) * | 2022-09-16 | 2023-12-29 | 南通沃太新能源有限公司 | 离线状态下补全太阳辐照进行光伏功率预测的方法 |
CN115293468B (zh) * | 2022-10-10 | 2022-12-27 | 佰聆数据股份有限公司 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
CN115764979B (zh) * | 2022-10-12 | 2023-12-08 | 东南大学溧阳研究院 | 一种计及通信延时的分布式光伏系统稳定性量化评估方法 |
CN116231644B (zh) * | 2023-03-22 | 2023-11-03 | 华能新能源股份有限公司河北分公司 | 一种集中式光伏发电量预测方法、系统、计算机及介质 |
CN116629791A (zh) * | 2023-05-24 | 2023-08-22 | 内蒙古正志网络科技有限公司 | 一种基于大数据的信息预测分析系统及方法 |
CN116722548B (zh) * | 2023-08-09 | 2023-12-29 | 深圳航天科创泛在电气有限公司 | 一种基于时间序列模型的光伏发电预测方法及相关设备 |
CN117200199B (zh) * | 2023-09-06 | 2024-04-02 | 国网上海市电力公司 | 一种基于天气分型的光伏功率预测方法和系统 |
CN116930669B (zh) * | 2023-09-15 | 2023-11-17 | 深圳戴普森新能源技术有限公司 | 一种光伏逆变器故障检测方法及检测系统 |
CN117239742B (zh) * | 2023-11-14 | 2024-01-26 | 成都量芯集成科技有限公司 | 一种基于改进蚁群算法的光伏阵列全局重构装置及其方法 |
CN117252729B (zh) * | 2023-11-17 | 2024-04-16 | 北京恒信启华信息技术股份有限公司 | 一种基于大数据的光伏电站管理方法及系统 |
CN117477563B (zh) * | 2023-12-27 | 2024-05-24 | 深圳力高新能技术有限公司 | 一种光伏发电功率预测用样本日搜索方法、系统及设备 |
CN118174381A (zh) * | 2024-05-14 | 2024-06-11 | 国网浙江省电力有限公司 | 基于时空相关性的分布式电站动态拓扑优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006033908A (ja) * | 2004-07-12 | 2006-02-02 | Nippon Telegr & Teleph Corp <Ntt> | 太陽光発電システムの発電量予測方法、装置、およびプログラム |
JP2008077561A (ja) * | 2006-09-25 | 2008-04-03 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー予測方法、エネルギー予測装置およびプログラム |
JP2012191000A (ja) * | 2011-03-10 | 2012-10-04 | Mitsubishi Electric Corp | 診断装置、太陽光発電システム及び診断方法 |
JP2014063372A (ja) * | 2012-09-21 | 2014-04-10 | Toshiba Corp | 発電量予測装置およびその方法 |
JP2014157457A (ja) * | 2013-02-15 | 2014-08-28 | Nec Corp | 予測装置および予測方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769788B (zh) * | 2009-12-29 | 2012-01-04 | 青海国泰节能技术研究院 | 一种光伏电站光功率预测及发电量预测的方法 |
CN102799948B (zh) * | 2012-06-21 | 2016-12-21 | 华北电力大学 | 一种并网型光伏电站发电系统输出功率预测方法 |
CN103390197A (zh) * | 2013-07-04 | 2013-11-13 | 云南电网公司北京能源新技术研究发展中心 | 一种基于时间段聚类的光伏电站功率预测系统 |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
CN104268659B (zh) * | 2014-10-09 | 2017-12-29 | 国电南瑞科技股份有限公司 | 一种光伏电站发电功率超短期预测方法 |
-
2015
- 2015-08-31 CN CN201510552067.0A patent/CN105184404B/zh active Active
- 2015-09-24 WO PCT/CN2015/090587 patent/WO2017035884A1/zh active Application Filing
- 2015-09-24 JP JP2017534728A patent/JP6379299B2/ja active Active
- 2015-09-24 US US15/549,668 patent/US20180046924A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006033908A (ja) * | 2004-07-12 | 2006-02-02 | Nippon Telegr & Teleph Corp <Ntt> | 太陽光発電システムの発電量予測方法、装置、およびプログラム |
JP2008077561A (ja) * | 2006-09-25 | 2008-04-03 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー予測方法、エネルギー予測装置およびプログラム |
JP2012191000A (ja) * | 2011-03-10 | 2012-10-04 | Mitsubishi Electric Corp | 診断装置、太陽光発電システム及び診断方法 |
JP2014063372A (ja) * | 2012-09-21 | 2014-04-10 | Toshiba Corp | 発電量予測装置およびその方法 |
JP2014157457A (ja) * | 2013-02-15 | 2014-08-28 | Nec Corp | 予測装置および予測方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020022624A1 (ko) * | 2018-07-26 | 2020-01-30 | (주)에코브레인 | 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법, 그 방법을 이용한 실시간 태양광 발전량 예측시스템 |
JP2021523673A (ja) * | 2019-04-25 | 2021-09-02 | 山東大学Shandong University | 系統連系インバータの稼働データに基づく太陽光発電所の電力予測方法及びシステム |
KR102444254B1 (ko) * | 2021-04-05 | 2022-09-19 | 주식회사 풍성인더스 | 태양광 발전량 예측 시스템 및 방법 |
KR102382984B1 (ko) * | 2021-09-30 | 2022-04-08 | 비케이엠 주식회사 | 신재생에너지 발전기의 발전량을 예측하는 단말기 및 그것의 제어 방법 |
KR102383012B1 (ko) * | 2021-09-30 | 2022-04-08 | 비케이엠 주식회사 | 시간별 추세 예측 및 계절별 추세 예측을 동시에 수행하여 신재생에너지 발전기의 발전량을 보다 정확히 예측하는 단말기 및 그것의 제어 방법 |
WO2024128460A1 (ko) * | 2022-12-13 | 2024-06-20 | 한국전자기술연구원 | 다수 재생에너지 발전 모델의 테스트 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6379299B2 (ja) | 2018-08-22 |
US20180046924A1 (en) | 2018-02-15 |
WO2017035884A1 (zh) | 2017-03-09 |
CN105184404B (zh) | 2018-12-18 |
CN105184404A (zh) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6379299B2 (ja) | 太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム | |
KR102159692B1 (ko) | 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법 | |
US20220373984A1 (en) | Hybrid photovoltaic power prediction method and system based on multi-source data fusion | |
Ceci et al. | Predictive modeling of PV energy production: How to set up the learning task for a better prediction? | |
US20200057175A1 (en) | Weather dependent energy output forecasting | |
Stefenon et al. | Photovoltaic power forecasting using wavelet neuro-fuzzy for active solar trackers | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
CN113505927B (zh) | 太阳能驱鸟设备电池容量选型方法、装置、设备和介质 | |
CN115036922B (zh) | 一种分布式光伏发电电量预测方法及系统 | |
CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
Kumar et al. | Artificial neural network based model for short term solar radiation forecasting considering aerosol index | |
El Alani et al. | Short term solar irradiance forecasting using artificial neural network for a semi-arid climate in Morocco | |
CN114895380A (zh) | 一种太阳辐射预测方法、装置、设备和介质 | |
Chen et al. | Probabilistic Prediction of Photovoltaic Power Using Bayesian Neural Network-LSTM Model | |
El Hendouzi et al. | Forecasting of PV power application to PV power penetration in a microgrid | |
CN117033923A (zh) | 一种基于可解释性机器学习的犯罪数量预测方法及系统 | |
CN113723670B (zh) | 变时间窗口的光伏发电功率短期预测方法 | |
CN114418243B (zh) | 分布式新能源云端网格预测方法与系统 | |
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 | |
Heydari et al. | A new combined PV output power forecasting model based on optimized LSTM network | |
CN116484998A (zh) | 基于气象相似日的分布式光伏电站功率预测方法及系统 | |
Unlu et al. | Comparison of the Combined Deep Learning Methods for Load Forecasting | |
Pham et al. | LS-SPP: A LSTM-Based Solar Power Prediction Method from Weather Forecast Information | |
KR20210015168A (ko) | 태양광 발전 및 제어 시스템, 그리고 태양광 발전 및 제어 시스템의 운영 방법 | |
Ku et al. | Self-learning mechanism for prediction of energy consumption and generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180427 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180529 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180711 |
|
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: 20180724 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180730 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6379299 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 |