JP2018506258A - 再生可能エネルギーの変動に対する予測誤差を決定するシステムおよび方法 - Google Patents

再生可能エネルギーの変動に対する予測誤差を決定するシステムおよび方法 Download PDF

Info

Publication number
JP2018506258A
JP2018506258A JP2017542194A JP2017542194A JP2018506258A JP 2018506258 A JP2018506258 A JP 2018506258A JP 2017542194 A JP2017542194 A JP 2017542194A JP 2017542194 A JP2017542194 A JP 2017542194A JP 2018506258 A JP2018506258 A JP 2018506258A
Authority
JP
Japan
Prior art keywords
time
power
wind
error
trend
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
Application number
JP2017542194A
Other languages
English (en)
Other versions
JP6847343B2 (ja
Inventor
エム． バンディ，マヘシュ
エム． バンディ，マヘシュ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
kinawa Institute of Science and Technology Graduate University
Original Assignee
kinawa Institute of Science and Technology Graduate University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by kinawa Institute of Science and Technology Graduate University filed Critical kinawa Institute of Science and Technology Graduate University
Publication of JP2018506258A publication Critical patent/JP2018506258A/ja
Application granted granted Critical
Publication of JP6847343B2 publication Critical patent/JP6847343B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

風力発電の（ａ）予測誤差および／または（ｂ）スケーリング誤差を決定するシステムが提供される。当該システムは、風から導出される発電に対する生成時系列および予測時系列を利用し、風の変動における時間的相関を分析して、（ａ）予測時系列および生成時系列の高周波成分の間の偏差によって定義される予測誤差、ならびに（ｂ）風の変動の正確な予測子に対して時間相関が予測されない程度によって定義されるスケーリング誤差を定量化する。風の変動は、タービンレベルでマルチフラクタル挙動を示すことがあり、かつ／または、電力網レベルでフラクタル構造に修正することができる。メモリカーネルを用いて、予測誤差およびスケーリング誤差を低減することができる。【選択図】図１１

Description

本開示の技術は、概して風力予測システムに関する。
再生可能発電、特に風力発電は、エネルギー源の自然変動によって変動する。例えば、エネルギーが導出される変動風圧のスペクトル特性を共有する風自体とともに、大気流も変動することが知られている。特に風力発電に関して、分散して配置された風力発電所はこれらの変動を平滑化するように意図されたものではあるが、風から生成されて電力網に入力される電力は依然として大幅に変動し、電力網がより不安定になったり、対応する予備発電費が増大したりするリスクに繋がる。
これらの変動に対応するために、設備オペレータは、将来の期間（例えば、数時間〜１日）にわたる変動を予想する予測モデルを用いることがある。これは、変動する再生可能エネルギー源で需要を満たすことができない場合に必要な、予備電源として知られる予備発電の運転のために行われる。また、再生可能エネルギー源における大幅な変動によって生じる電力の急激な増大によって、電力網のインフラが不安定になったり停電したりするリスクから保護するためにも行われる。
予測モデルは、完全に正確であるということは本質的にありえず、スマートグリッドに組み入れられるべきロバスト性は、予測誤差およびこの誤差が経時的にどのように変化するかの正確さに依存している。一方、この正確さを知ることは、現代のスマートグリッドを設計する際の応答時間要件を決定するのに有用である。
したがって、予測誤差および当該誤差の時間による変動の正確さの取得および／または緩和を確実にする解決策が必要とされている。以下の様々な実施形態は、これらおよび他の点に関して開示される。
いくつかの態様において、本開示の解決策は、物理量に基づいてエネルギー電力網におけるエネルギー生成を管理するために実行可能なプログラムを記憶するのに用いることができるコンピュータ読み取り可能な記録媒体に関し、当該プログラムは、コンピュータに第１のプロセスを実行させる。第１のプロセスは、ｎに１以上の整数を設定する（１−１）番目の工程を含み得る。第１のプロセスには、物理量ＰＧ（ｔ）および物理量の予測値に関する式（１）（式中、ＰＧ（ｔ）は時間ｔの関数として表され、ＰＦ（ｔ＋τ）は時間ｔから一定時間τが経過した時間ｔ＋τにおけるものである）に示す計算を行う（１−２）番目の工程がさらに含まれ得る。
（｜ＰＦ（ｔ＋τ）−ＰＧ（ｔ）｜）ｎ …（１）
関数ＰＧ（ｔ）は、特定の電力網の生成電力に対応していてもよく、関数ＰＦ（ｔ）は、風等の特定の再生可能エネルギー源に関する予測電力に対応していてもよいことが理解されよう。
当該プログラムは、時間ｔが一定期間変化する場合の式（１）の平均値として、第１の平均値を計算する（１−３）番目の工程をも実行させ得る。τが変化する場合の第１の平均値を計算する（１−４）番目の工程も実行され得る。（１−１）番目の工程における整数ｎとは異なる整数に対して、（１−１）番目の工程から（１−４）番目の工程までを少なくとも一回行う（１−５）番目の工程が、プログラムによって実行され得る。（１−４）番目の工程において計算された第１の平均値および（１−５）番目の工程において計算された第１の平均値から、整数ｎの数値に応じた時間スケール誤差を計算する（１−６）番目の工程も実行され得る。
当該プログラムは、ｎに１以上の整数を設定する（２−１）番目の工程を含む第２のプロセスをさらに含み得る。物理量に関する式（２）（式中、ＰＧ（ｔ）は時間ｔの関数として表され、ＰＧ（ｔ＋τ）は時間ｔから一定時間τが経過した時間ｔ＋τにおけるものである）に示す計算を行う第２のプロセスの（２−２）番目の工程が含まれ得る。
（｜ＰＧ（ｔ＋τ）−ＰＧ（ｔ）｜）ｎ …（２）
第２のプロセスには、時間ｔが一定期間変化する場合の式（２）の平均値として、第２の平均値を計算する（２−３）番目の工程がさらに含まれ得る。第２のプロセスには、時間τが変化する場合の第２の平均値を計算する（２−４）番目の工程が含まれ得る。第２のプロセスには、第２の平均値がτＡに比例するか否かを判定するために評価を行い、比例する場合に、Ａを計算する（２−５）番目の工程がさらに含まれ得る。（２−１）番目の工程における整数ｎとは異なる整数に対して、（２−１）番目の工程から（２−５）番目の工程までを少なくとも一回行う（２−６）番目の工程がさらに含まれ得る。（２−５）番目の工程および（２−６）番目の工程で計算されたＡと整数ｎとの間の関係がほぼ直線となる場合のＡの傾きを計算する（２−７）番目の工程がさらに含まれ得る。
当該プログラムは、第１のプロセスの（１−１）番目の工程から（１−４）番目までの工程を行う（３−１）番目の工程を含む第３のプロセスをさらに含み得る。第３のプロセスには、第１の平均値がτＢに比例するか否かを判定し、比例する場合に、Ｂを計算する（３−２）番目の工程がさらに含まれ得る。第３のプロセスには、（３−１）番目の工程における整数ｎとは異なる整数に対して、（３−１）番目の工程および（３−２）番目の工程を少なくとも一回行う（３−３）番目の工程がさらに含まれ得る。（３−２）番目の工程および（３−３）番目の工程で計算されたＢと整数ｎとの間の関係がほぼ直線となる場合のＢの傾きを計算する（３−４）番目の工程がさらに含まれ得る。
当該プログラムは、（２−７）番目の工程において計算されたＡの傾きと（３−４）番目の工程において計算されたＢの傾きとの間の差からスケーリング誤差を計算する（４−１）番目の工程を有する第４のプロセスをさらに含み得る。
ある実施形態において、物理量ＰＧおよび／またはＰＦは、風力発電に用いられる風速、太陽光エネルギー生成に用いられる太陽光、または自然に発生するエネルギーによって回転するいかなる再生可能エネルギータービン（例えば、水流によって回転するハイドロタービン）の回転一般から導出されてもよい。当該プログラムは、サーバからのダウンロード、または、ローカルな非一時的なコンピュータ読み取り可能な記録媒体へのローカルアクセスによって実行され得る。当該プログラムは、コンピュータ読み取り可能な記録媒体からの読み出しによっても実行され得る。
別の態様において、エネルギー電力網における時間依存予測誤差を決定する方法が開示されている。本方法は、ある期間におけるエネルギー電力網の特定された生成電力傾向および特定された予測電力傾向によって定義されるデータセットを導入する工程であって、当該特定された生成電力傾向および予測電力傾向の各々は、物理的プロセスに基づいている工程と、特定された生成電力傾向と予測電力傾向とを比較し、データセットを分析して、特定された生成電力傾向と予測電力傾向との間の時間的な相関のある変動によって定義される時間的な誤差ばらつきを特定することによって、統計的構造を生成する工程と、物理的プロセスから導出された統計的構造に基づいた時間スケール誤差およびスケーリング誤差からなる時間依存予測誤差を計算する工程と、時間依存予測誤差を分析して、エネルギー電力網を管理するのに用いられる特定された生成電力傾向および予測電力傾向に関連付けられた物理的プロセスのエネルギー変動の予測値を決定する工程と、を含み得る。
本方法において、物理的プロセスは、風力であってもよく、エネルギー電力網は、１つ以上の風力タービンを有する複数の地理的に分散した風力発電所を含み得る。期間は、サンプリングレート１／Δｔを用いて計測されてもよい。この点に関して、時間ｔは、１分〜３０分の範囲を取り得るが、本方法によって具現化される解決策はこれに限定されない。必要または要求に応じて、いかなる時間ｔを用いてもよい。本方法は、統計的構造をメモリカーネルにおいて利用して、時間スケール誤差およびスケーリング誤差を低減する工程をさらに含み得る。
ある実施形態において、相関のある変動は、複数の地理的に分散した風力発電所の風力タービン（例えば、乱気流）に関連付けられたデータを含むことがある。この点に関して、乱気流によって定義される変動がフラクタルスケーリングを示す場合、本方法は、Ｓｎ（τ）＝＜［｜ｘ（ｔ＋τ）−ｘ（ｔ）｜］ｎ（式中、時間ｔにおける各時変関数ｘ（ｔ）を後続の時間（ｔ＋τ）における時変信号ｘ（ｔ＋τ）から減算して、絶対差によって複数の相関のある変動のうちの１つを決定できるようにしている）等の所定の構造関数を用いてスケーリング指数で相関のある変動を定量化する工程をさらに含むことができる。
ある態様において、特定された傾向を分析する工程では、複数の地理的に分散した風力発電所とエネルギー電力網に追加された１つ以上の追加の風力発電所との間の差を無視することができ、かつ／または、風力の季節による変動間の差を無視することができる。
ある態様において、本方法は、特定された生成電力傾向および予測電力傾向を特定する工程と、最大振幅を有する周波数を反転させる工程と、をさらに含むことができる。好ましくは、生成電力傾向および予測電力傾向は、高速フーリエ変換を用いて特定されるが、本方法はこれに限定されない。必要または要求に応じて、特異スペクトル分析または傾向除去成分分析を含む、いかなる傾向除去方法を用いてもよい。本実施形態のある態様において、本方法は、特定された傾向の変動に寄与する最大振幅の数を決定する工程と、期間における最大振幅の数を分析して、期間を複数の独立ウィンドウに分割する工程と、各ウィンドウに対して構造関数を算出し、特定された生成電力傾向と予測電力傾向との間の変動を決定する工程と、をさらに含み得る。修正された予測電力傾向を、特定された生成電力傾向から導出された指数関数的に減衰するメモリカーネルで修正された、特定された予測電力傾向に基づいて統計的構造に導入してもよい。
風力が物理的プロセスである本方法の態様において、特定された生成電力傾向と予測電力傾向との間で自己相関関数を用いて、特性減衰時間を決定し、当該特性減衰時間を統計的構造に導入してもよい。風力が物理的プロセスである場合、ある態様は、それぞれの距離だけそれぞれの風力発電所によって分離されて空間的に定義された複数の点間の速度差を測定する工程と、測定された速度差の被積分関数を計算し、確率密度関数がより速く減衰するか否かを判定する工程と、サンプリングレート１／Δｔにわたって指数関数無相関を決定する工程と、をさらに含み得る。しかしながら、開示の本方法は、風力等の物理的プロセスに限定されず、本開示に従って適切にいかなる物理的プロセスをも用いることができる。
メモリ、および上記の方法のいずれかをコンピュータに実行させるプログラムを備えたコンピュータ読み取り可能な記録媒体を含む、予測誤差を決定する例示としてのシステムも開示される。本システムは、プログラムを実行するためにコンピュータ読み取り可能な記録媒体に動作可能に接続されるプロセッサをさらに含み得る。グラフィック処理部が、プロセッサおよび媒体と通信可能であってもよく、プロセッサがプログラムを実行することによって生成された情報および時間依存予測誤差を表示するように動作可能であってもよい。さらに、サーバが、ネットワークを介してコンピュータ読み取り可能な記録媒体に動作可能に接続されてもよく、当該プログラムは、コンピュータ読み取り可能な記録媒体に常駐しているか、サーバを介して媒体と通信可能であってもよい。
別の態様において、生成電力時系列および予測電力時系列を含む、予測誤差を決定するシステムが開示される。発電に対する生成電力時系列は、再生可能エネルギー源から導出されてもよく、予測電力時系列は、再生可能エネルギー源から導出されると予測される電力に関する。メモリおよびプログラムを備えたコンピュータ読み取り可能な記録媒体を含むコンピュータシステムがさらに含まれ得る。当該プログラムは、メモリ内でコンピュータに少なくとも以下の工程を実行させる。以下の工程とは、ある期間におけるエネルギー電力網の特定された生成電力傾向および特定された予測電力傾向によって定義されるデータセットを導入する工程であって、当該特定された生成電力傾向および予測電力傾向の各々は、再生可能エネルギー源に関連付けられた物理的プロセスに基づいている工程と、特定された生成電力傾向と予測電力傾向とを比較し、データセットを分析して、特定された生成電力傾向と予測電力傾向との間の時間的な相関のある変動によって定義される時間的な誤差ばらつきを特定することによって、統計的構造を生成する工程と、物理的プロセスから導出された統計的構造に基づいた時間スケール誤差およびスケーリング誤差からなる時間依存予測誤差を計算する工程と、である。プロセッサが、プログラムを実行するためにコンピュータ読み取り可能な記録媒体に動作可能に接続されてもよい。この点に関して、システムの時間的相関のある変動を分析して、（ａ）予測電力時系列および生成電力時系列の高周波成分と（ｂ）スケーリング誤差との間の偏差によって定義される物理的プロセスのエネルギー変動の時間依存予測誤差を定量化する。
以下の詳細な記載を添付の図面を参照しながら読むことによって、本開示の技術の他の態様および特徴が当業者にとって明らかになるだろう。
暦年２０１０年の米国における全エネルギー生成を示すグラフである。 暦年２００６年の例示としての１か月にわたる、英国ケンブリッジにおけるエネルギー消費需要を示すグラフである。 図３Ａ〜図３Ｃは、２００６年４月〜２００７年４月のアイルランドにおける風力の全出力を異なる拡大レベルで示すグラフである。 １０日間の瞬間予測誤差を示す。 約ゼロで生じる最大確率のものから開始される変動を平均化する計測データにおけるすべての風力発電所にわたるタービンに関してまとめられた図４からの全電力誤差統計を示す。 生成電力ＰＧの信号差の絶対値に対する次数ｎ＝１〜１０の構造関数を示す対数−対数尺度のグラフである。 予測電力ＰＦの信号差の絶対値に対する次数ｎ＝１〜１０の構造関数を示す対数−対数尺度のグラフである。 τに対する相互構造化関数ＸＦＧ ｎ（τ）の対数−対数尺度（中実の丸）を示すグラフである。 中実の丸で示す生成電力Ｇ、中実の四角で示す予測電力Ｆ、および中実の三角で示す相互構造関数ＦＧに対する構造関数の次数ｎに対するスケーリング指数ζＸ ｜ｎ｜を示す。 １つの風力プラント、４つの風力プラント、および２０の風力プラントを備えた風力発電所から生成された風による生成データの比較を示す。 予測に係る本開示の解決策を実行する例示としてのコンピュータシステムのブロック図を示す。 エネルギー予測誤差に係る本開示の解決策の、あるプロセスを実行するプログラムの例示としてのブロック図を示す。 エネルギー予測誤差に係る本開示の解決策の、あるプロセスを実行するプログラムの別の例示としてのブロック図を示す。
以下に本開示の技術例を詳細に記載するが、他の解決策や関連する実施形態も想定されることが理解されよう。したがって、本開示の技術はその範囲を、以下の記載または図示において示されるモジュール、式や、要素の構造および配置の詳細に限定することを意図するものではない。本開示の技術は、他の実施形態が可能であり、様々な方法で実施または実行することができる。
なお、本明細書および添付の特許請求の範囲において用いられるところの単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈で明記されない限り、複数形の場合をも含む。本開示において、範囲は、「約」または「およそ」のある特定の値から、かつ／または、「約」または「およそ」の別の特定の値までとして表され得る。このような範囲が表される場合、他の例は、当該ある特定の値から、かつ／または、当該別の特定の値までを含む。
例示の記載において、説明を明確にするために、専門用語を用いることがある。各用語は、当業者に理解される最も広い範囲の意味が想定でき、同様に動作して同様の目的を達成するすべての技術的同等物を含むことが意図される。１つ以上の工程またはプロセスに言及した場合、追加の工程またはプロセスが存在することや、これら明確に特定されたものの間に別の工程またはプロセスが介在することを阻むものではないと理解されよう。方法またはプロセスの工程は、本開示の技術範囲から逸脱することなく、本開示に記載のものとは異なる順番で実行されてもよい。同様に、工程、プロセス、機能、またはシステムにおける１つ以上の要素に言及した場合、追加の要素が存在することや、これら明確に特定された要素の間に別の要素が介在することを阻むものではないと理解されよう。
以下の記載において、本開示の一部を形成し、具体的な実施形態または例を図示によって示す添付の図面が参照される。図面の参照において、同様の参照番号は、複数の図において同様の構成要素を示す。
エネルギー一般は、石炭、天然ガス、原子力、および水力発電を含む様々なエネルギー源から導出すことができる。例えば、図１は、暦年２０１０年の米国における全エネルギー生成の外観を示すグラフである。エネルギー源として、石炭、天然ガス、原子力、および水力発電が含まれていることがわかる。図２は、２００６年の１か月全体にわたる英国ケンブリッジにおける消費需要を示すグラフである。図１と図２とを比較すると、電力がほぼ一定の率で生成されているのに対して、消費需要が種々の要因に依存して変動しがちであることがわかる。
再生可能エネルギーに適用される場合のエネルギー生成を正確に予測することは、非常に困難である。例えば、風力や太陽光を正確に予想することは、様々な変動要因のために困難となり得る。特に、風力によって生成される電力は、電力網内において地理的に分散配置される風力発電所から電力が分配されるにつれて変動が平均化されることが予想される特定のエネルギー電力網に対する、電力網レベルにおいてさえ時間的相関が強く示される。しかしながら、このような変動は、システムオペレータにとって問題であり、これらの変動も、風力に適用される場合のように、予測モデルにおける誤差を定量的に分析することによって本開示の解決策が利用可能な時間的相関を通じて統計的構造を有する。しかしながら、本開示の解決策は、風力のみに限定されるものではなく、太陽光および太陽光エネルギー等の変動する他のエネルギー生成源にも適用可能である。この点に関して、風力予測の正確さの定量化における基準として機能するだけではなく、本開示の解決策は、統計的構造を有する時間的な相関のある変動とともにエネルギーが生成され予測されるいかなる分野にも適用可能である。
風力等の電力を予測する点に関して、従来の手法では、誤差分布にのみ頼って、予測における誤差を計算しようとしてきた。したがって、そのような手法では、変動相関を説明する時間的な誤差ばらつきが考慮されることはなかった。そのような変動相関は、例えば、予測誤差を分析する際に生成電力傾向に伝達され得る大気流を含み得る。従来の手法では、予測誤差の確率分布のモデル化を行い、平均誤差、および予測誤差の標準偏差としても知られる当該平均誤差の変動を取得してきた。しかしながら、これらの数値は時間非依存であるために、時間的な誤差ばらつきを取得することはできなかった。
図３Ａ〜図３Ｃは、アイルランド国有の送電会社であるＥｉｒＧｒｉｄ社によって提供されたデータを用いた２００６年４月〜２００７年４月（図３Ａ）の風力の全出力のグラフである。このデータ、およびＥｉｒＧｒｉｄ社からの５年分に相当する追加データをコンピュータシステムに導入して分析を行い、以下に記載の時間依存予測誤差を決定した。アイルランドに地理的に分散配置された風力発電所に関して、２００７年のアイルランドでのピーク風力はおよそ６０の風力発電所間で分散されておよそ７４５ＭＷであったことが分かる。図３Ａ（２００６年４月〜２００７年４月）から図３Ｂ（２００７年１月〜２００７年４月）、図３Ｃ（２００７年２月）に移動してより詳細に開示データを確認すると、風力タービンから得られた電力は、各日内および各日間で大幅に予測できないほど変動していたことが分かる。図３Ａ〜図３Ｃのような分散した風力発電所はこれらの変動を平滑化するものであると一般的に想定されるが、図３Ａ〜図３Ｃでは、電力網変動が相関のある程度に見受けられる。
本開示の解決策は、種々の源（例えば風力）から生成される電力の変動についてより高次の統計的相関を正確に決定することによって、風予測モデル、大気流、または太陽光エネルギー生成に係る実施形態における日光等の予測モデルにおける統計的誤差を確実に推定する方法について記載する。一般に、風力予測誤差は、関数ｘ（ｔ）（式中、ｔは時間である）によって表される時間に沿って変化または変動する信号を用いて評価することができ、関数ｘ（ｔ）は風力等の物理的プロセスから導出されてもよい。ｘ（ｔ）からのデータセットは、特定の期間にわたるものであってもよい。１５分間等のサンプリングレートΔｔを本開示に示すが、このようなサンプリングレートは限定されない例であり、本開示に記載のものより大きいまたは小さい特定の期間にわたっていかなるサンプリングレートが用いられてもよい。
上記のように、風力タービンから導出された風エネルギーは、不安定で変動し得る。１５分間等の規則的な所定の時間間隔Δｔで関数ｘ（ｔ）を用いてこの変動を予測することによって、予測信号関数ｘＦ（ｔ）が決定される。特定のモデルによってｘ（ｔ）が正確に予想される場合、時変関数ｘ（ｔ）は予測信号ｘＦ（ｔ）と等しくなり、誤差がおよそゼロとなる。そうでない場合、各時間ｔにおける予測信号ｘＦ（ｔ）およびその予測誤差の正確さは、ｘＦ（ｔ）をｘ（ｔ）から減算する瞬間予測誤差Ｄ（ｔ）によって決定され得る。風予測に関する従来の解決策は、関数Ｄ（ｔ）およびその確率分布のモデル化にのみ焦点を合わせていたことが問題であった。しかしながら、関数Ｄ（ｔ）は時間に応じて必然的に変化するため、本開示の解決策１は、特定のエネルギー電力網における時間依存予測誤差を決定する際のこの変動の出現における相関の役割を正確に決定しようとするものである。しかしながら、元の時変関数ｘ（ｔ）の時間による変動が純粋にランダムであれば、数値Ｄ（ｔ）を予想することはできないだろう。「純粋にランダム」とは、２つの連続した時間工程ｔとｔ＋Δｔとの間の信号に連続した変化がないような変動を含み得ることが理解されよう。
この点に関して、関数ｘ（ｔ）は相関がないとして特徴づけられ、その相関は、対応するサンプリング間隔の単一の時間工程（Δｔ）内で減衰し得る。このような信号は、メモリを有さないということができる。しかしながら、時変関数ｘ（ｔ）の変動が特定の時間工程ｍを通じて変化する場合、関数の相関は、より緩やかに（典型的に、ｍΔｔを超える時間工程で）減衰する。ｍΔｔの時間工程は、したがって、信号がその過去のメモリを失うまでの期間に対応し得る。このような相関は、風力等の物理的プロセスにおける潜在機構を表現し得る。
本開示の解決策は、数学モデルを生成することによって、これらおよび他の問題を解消し、ｍΔｔの時間工程の潜在機構を取得し、予測ｘＦ（ｔ）における相関を説明する正確な予測を提供する。風に関して、風力タービンを通じた気流に関連付けられた乱気流における変動は、フラクタルつまり自己相似スケーリングを特に示し得る。換言すると、ｍΔｔの時間工程で生じる所与の振幅の変動は、２ｍΔｔの時間工程で生じる振幅の２倍の変動と同じ構造を有し得、さらに４ｍΔｔの時間工程で生じる振幅の４倍の変動と同じ構造を有する。
ある実施形態において、本開示のシステムの時変関数ｘ（ｔ）における変動のフラクタル構造は、所定の構造関数を用いてスケーリング指数で定量化される。好ましくは、スケーリング指数を計算する所定の構造関数は、Ｓｎ（τ）＝＜［｜ｘ（ｔ＋τ）−ｘ（ｔ）｜］ｎ＞と定義される。明らかに示されるように、時間ｔにおける時変関数ｘ（ｔ）の値を、後続の時間（ｔ＋τ）における時変信号の別の値ｘ（ｔ＋τ）から減算すると、絶対差｜ｘ（ｔ＋τ）−ｘ（ｔ）｜によって、時間スケールτにおける変動の大きさが表される。
このような値の多くは、それぞれ異なる時点において定義される時系列から収集することができ、各絶対差は、ｎ乗されてもよい。例えば、ｎ＝２の場合、この数値は相関関数に関連し、ｎ＞２の場合のｎ次の構造関数Ｓｎ（τ）は、ｎ次の二点相関関数の情報を提供することができる。同一の処理を、予測時系列ｘＦ（ｔ）についても繰り返してもよい。
本開示の解決策１は、構造関数Ｓｎ（τ）を相互構造関数Ｘｎ（τ）に変更することによって、ｘ（ｔ）とｘＦ（ｔ）との間の予測誤差の相関を取得する。好ましくは、相互構造関数Ｘｎ（τ）は、＜［｜ｘＦ（ｔ＋τ）−ｘ（ｔ）｜］ｎ＞によって定義される。構造関数Ｓｎ（τ）と相互構造関数Ｘｎ（τ）との区別は、時間間隔τで分離された同じ関数の２つの値の差ではないことである。むしろ、差は時間ｔにおける値であるところのｘ（ｔ）と、後続の時間（ｔ＋τ）における予測信号ｘＦであるところのｘＦ（ｔ＋τ）との差である。ある実施形態において、メモリカーネルを、参照された時間スケール誤差およびスケーリング誤差の両方を低減する本開示の解決策１に用いることができる。
エネルギー電力網における予測誤差を決定する本開示の解決策１の様々な態様は、いくつかの実施例および対応する結果についての以下の説明からさらに十分に理解されるであろう。いくつかの実験のデータは、説明の目的のために提示されるものであり、開示された技術の範囲を限定するものと決して解釈してはならず、代替または追加の実施形態を排除するものと解釈してはならない。
上記のように、ＥｉｒＧｒｉｄ社は、同一の期間にわたる、国土全体で生成されて電力網に入力された風力ｐｇ（ｔ）およびＥｉｒＧｒｉｄ社のモデルにおける電力予測ｐｆ（ｔ）を含む、２つの未加工の時系列を提供している。したがって、これらの瞬間差ｐｄ（ｔ）は、ｐｆ（ｔ）−ｐｇ（ｔ）として定義でき、瞬間予測誤差として理解される。図４は、１０日間の瞬間予測誤差を示し、図から分かるように、ｐｇ（ｔ）が相関のある変動を示している。図４の各ラインは、２００９年から２０１４年の５年間にわたり１５分間隔でサンプリングされ、電力における時間的な変動の統計が決定された。
図４における変動は明らかであり、いくつかの観察を可能にしている。生成電力ｐｇ（ｔ）は相関のある変動を示し、予測電力ｐｆ（ｔ）は時系列成分のサンプリングレートに対して高周波を失っている。したがって、瞬間予測誤差ｐｄ（ｔ）は、以下のような尖度を伴う風の相関のある変動で見ることができる。
Figure 2018506258
この点に関して、
Figure 2018506258
は、瞬時誤差の時間平均を表す。これは、瞬時予測誤差ｐｄ（ｔ）の比較的大きな変動を意味し、時間スケール誤差ｅτおよびスケーリング誤差ｅｓの２種類の誤差を明らかにする。本開示の解決策１は、時間スケール誤差ｅτを修正することと、ある時間的相関を統計的に調整することによって、対応するスケーリング誤差ｅｓを向上させることに向けられている。本開示の解決策１は、１つ以上の地域気候モデルまたは気象モデルの異なるパラメータ化を用いて、変動をさらに分析して説明することを想定している。
ＥｉｒＧｒｉｄ社の予測モデルは、最初の１０のサンプリング時間工程（２．５時間）の短時間（高周波）の信号変動を予測することができず、これによって時間スケール誤差ｅτが生じることが観察できた。スケーリング指数によって定量化された変動のフラクタル構造も、実際の生成電力信号と予測電力信号とで異なることが判明し、この差はスケーリング誤差とされる。
ＥｉｒＧｒｉｄ社は電力の製造と販売とを両方行っているため、時間スケールについて理解している。しかしながら、本開示の解決策１は、変動することが多い再生可能エネルギー源、および／または相互接続が多い電力網を伴う、従来の供給源（例えば、石炭、天然ガス、原子力等）のような複数のエネルギー源を管理する電力網オペレータが、臨時の予備発電等の重要な構成作業を計画するにあたって、用いられると想定される。解決策１を用いて決定できる物理的プロセスの時間依存誤差は、一次および二次エネルギー源の最適な管理のために、電力網オペレータによって用いられ得る。したがって、増加するエネルギー需要とバランスを保つ二酸化炭素の排出量を削減するように多くの電力網やエネルギーの供給者が努力している現状において、本開示の解決策１は、変動する再生可能エネルギー源を含む多くのエネルギー源の管理を最適化するのに特に有利である。
同様に、本開示の解決策１は、エネルギーが日々取引され、エネルギー価格が所定の時間間隔（例えば、おおよそ５〜１０分の間隔）で予想されるエネルギー供給によって設定されるエネルギースポット市場における参照誤差を正確に測定するのに特に有利である。スケーリング誤差の計算に係る本開示の解決策１は、エネルギー供給者、電力網オペレータ、顧客、数学モデラー、およびエネルギーコンサルティング会社によっても用いられ得、計算されたスケーリング誤差は、変動構造がモデルでどのように見逃されているのかについての統計的尺度を提供するように使用可能である。
具体的に、本開示の解決策１は、複数の段階で所与の時系列を分析するように使用可能である。第１の段階では、システムは系列の傾向を特定し、第２の段階では、特定された傾向の変動を分析する。ある実施形態において、特定された傾向を分析する工程は、例えば、電力網に追加される新規の風力発電所および／または風力の季節による変動により生じる可能性がある潜在的な差異を無視しつつ、ｐｇ（ｔ）とｐｆ（ｔ）との間の系統的な差に焦点を合わせている。第１段階に関して、傾向の特定を行って、生成電力傾向と予測電力傾向との間の相互相関が最大となるようにしてもよい。本例において、各時系列に高速フーリエ変換（ＦＦＴ）が用いられた。ＦＦＴは、最大振幅を有する周波数のみを用いてＦＦＴを反転させることによって、段階１の傾向を特定した。
最大振幅の数は、生成傾向ｐｇ（ｔ）と予測電力傾向ｐｆ（ｔ）との間の最も高い相互相関の要件によって設定することができ、それぞれの傾向も未加工の時系列から減算される。この例では自己相関関数も用いられ、データセットの計算では特性減衰時間τｘの測定可能な差は示されなかった。むしろ、指数関数無相関が既に生じている場合は、１週間以上にわたる長期挙動に対してのみ偏差が明らかであった。
生成電力および予測電力の自己相関関数は、ほぼ同一のスケーリングおよび特性減衰時間スケールを示し、予測モデルによる生成電力における相関が正確に取得されていることを示した。しかしながら、予測電力傾向ｐｆ（ｔ）が生成傾向ｐｇ（ｔ）の高周波成分のようないくつかの相関を取得していない可能性があるため、本開示のシステムにおいては、二点相関器の高次項を用いて、不足している変動の統計的構造を取得することが想定されている。
また、確率密度関数は、構造関数の次数ｎが増加するにつれて有効となることが分かった。したがって、より高次の構造関数を解くためのより多くのデータを得るために、高次構造関数を解くための試験は、まず、｜Δｘ｜が無限に近づくにつれて瞬間の被積分関数
Figure 2018506258
が０に近づくこと、次に、｜Δｘ｜が無限に近づくにつれて確率密度関数が１／｜Δｘ｜ｎ＋１よりも速く減衰するか否か、あるいは｜Δｘ｜が大きくなると積分が発散するか否かを分析することが必要となる。この点に関して、第２の条件は理論的であるので、２つの条件は独立していないと結論付けられた。また、第２の条件を含む情報を分析する際、データが不十分であると、ノイズが生じて、被積分関数がゼロに収束しなくなることがある。さらに、第１の条件はデータの有限性に依存してもよく、ＥｉｒＧｒｉｄ社のデータは、ｎ＝１２の次数までの関数について解くことができると結論付けられた。
偶数次の構造関数は正の値のみを取るため、奇数次のものよりも速く収束するようになることも観察された。したがって、ｎ次の構造関数は、差の絶対値を用いて計算され、時間平均の減算を行うことが想定された。偶数および奇数次数統計について同じ収束率を確保しながら、すべてのデータを比較的簡単な視覚化を可能にする正の象限で照合した。また、本開示の解決策１は、分数次数構造関数の計算によって新規のものが開発または可能になると、変則的スケーリングのより強力な将来の試験を組み入れることが可能であると分かっている。
本分析の結果を図６および図７に示す。同図では、生成電力ＰＧ（ＳＧ／／図６）および予測電力ＰＦ（ＳＦ／／図７）の信号差の絶対値について次数ｎ＝１〜１０の構造関数Ｓがプロットされている。図６および図７の両方において、構造関数は中実の丸で表され、冪乗則は黒の実線で表され、示された自己相似スケーリングの対数−対数尺度でτに対する各電力がプロットされている。自己相似または冪乗則スケーリングは、１．４ｄｅｃにわたって生成電力構造関数について観察され、同一の時間的範囲にわたるスケーリングは、ｎ＝１および２の次数の予測電力構造関数について観察される。例えば、ｎ＞２の場合、時間スケールτ≦１０ではスケーリングは観察されなかった。対照的に、１０〜４０の限定された時間スケールにわたってスケーリングが回復する。これらの変動を念頭に置いて、指数関数無相関が図６に見られるように１５分の時間工程にわたって決定された。特に、図６は、ＥｉｒＧｒｉｄ社のデータに従ってサンプリングされた１５分の時間工程ｔにわたって１．０４ｅ（−ｔ／８０．９４）で指数関数無相関がどのように低下するかを示している。
すべての傾向除去プロトコルがその場しのぎの傾向除去時間スケールを有することを考慮して、傾向除去処理手順に依存するスケーリングを、最大振幅の数を変化させることによって試験した。生成電力ｐｇ（ｔ）と予測電力ｐｆ（ｔ）との間のピーク相互相関の条件を無視して、傾向に寄与する最大振幅の数を変化させ、スケーリングは、傾向に対して１５の最大振幅を含むまで不変であり、その後は、多項式フィットは小数点第２位で変化を開始した。
相互相関がピークとなる５つの最大振幅のロバスト性を確認した後、スケーリング測定誤差の第２の原因として統計的変動性に焦点を合わせた。スケーリングはτ＝１００データポイントまで分析されたため、傾向除去時系列は８つの独立したウィンドウ（それぞれ２１９１２データポイント）に分割され、構造関数Ｓが各ウィンドウについて再計算された。
８つの独立した測定の対数微分の変動を、変動
Figure 2018506258
のように定義した。式中、変動ζを、多項式フィットの信頼区間を提供するスケーリング推定の可能な散乱とした。図８および図９に示し、以下でより詳細に記載するように、８つの独立したデータセットのそれぞれにおける各多項式係数について、
Figure 2018506258
の測定値および対応する多項式フィットの両方において、散乱は、
Figure 2018506258
±０．０１であることが分かった。この分析を通じて、多項式フィットは、生成電力変動
Figure 2018506258
および予測電力変動
Figure 2018506258
に対して線形次数のみに有意であることが分かった。±０．０１の分散よりも大きいのにもかかわらず、
Figure 2018506258
および
Figure 2018506258
の対応する２次項が分散大きさよりも小さいために、変動
Figure 2018506258
に対する２次の多項式係数は、有用ではなかった。
図８は、τに対する相互構造化関数
Figure 2018506258
の対数−対数尺度（中実の丸）のグラフである。１０未満の時間では、スケーリングは示されないが、１０〜４０の時間では、スケーリングが回復したことが分かる。示される実線は、スケーリング領域内のデータに対する冪乗則フィットである。一方、図１２は、中実の丸で示す生成電力Ｇ、中実の四角で示す予測電力Ｆ、および中実の三角で示す相互構造関数ＦＧの構造関数の次数ｎに対するスケーリング指数
Figure 2018506258
を示す。図１２の実線は
Figure 2018506258
を示し、破線は
Figure 2018506258
を示し、長破線は
Figure 2018506258
を示している。
図９の
Figure 2018506258
の２次偏差を定性的に観察したが、スケーリングのマルチフラクタル成分は非常に小さいため、有意性がほとんどなかった。風力発電の乱流理論に適用されるように、大気の状況で２つの発生源から生じることがある断続的な変動に対するマルチフラクタル挙動の原因が追跡された。
内部断続として知られる断続的な変動は、乱流の小さなスケールで起こる。これらの断続的な変動は、大気乱流の全体スケール内にあるタービンスケールおよび風力発電所スケールで生成される電力に自然に反映されることになる。しかしながら、地理的に離れた風力発電所によって発電された電力を合計すると、風力発電所間が同時相関していないと予想されるため、内部の間欠性は平滑化するはずである。むしろ、地理的に離れた風力発電所は、気象システムの動きによってタイムラグを経験することがある。また、内部の間欠性によって引き起こされる影響は、はるかに短い時間スケールで発生するため、ＥｉｒＧｒｉｄ社のデータのサンプリング間隔１５分間では、これらの影響が解決されるとは考えられない。
第２の断続的な変動は、外部断続として知られており、自由大気流の端部で発生し、乱気流と共移動気象システムとの間の結合により大気の状況で生じる。外部断続は突風の形でも経験することができる。外部断続は、気象システムを介して分散した風力発電所を結合することができ、ＥｉｒＧｒｉｄ社のデータの１５分のサンプリング間隔よりも長い時間スケールで発生することができるので、本開示の解決策により適合し得る。図９の生成電力変動
Figure 2018506258
のほぼフラクタルなスケーリングは、内部断続および外部断続の両方が電力網レベルの電力変動をほとんどモノラルフラクタルにする点まで平滑化されていることを示している。
これまでの分析では、風力発電における時間的相関の重要性と予測誤差の推定におけるそれらの役割を示している。予測によって見逃された短期相関を取得するために、生成電力時系列から導出される、指数関数的に減衰するメモリカーネルを用いて畳み込まれた元の予測に基づいて、修正予測が導入された。修正された予測電力は、
Figure 2018506258
であった。メモリ期間（１／ｙ）は、生成電力および予測電力の構造関数間の相対的な差を最小にするために選択された。最適なｙは構造関数の次数によって変化することが分かった。例えば、ｎが４未満の場合、メモリ修正予測は、
Figure 2018506258
と
Figure 2018506258
との間に何ら向上を示さなかった。対照的に、ｎが４以上の場合は修正された予測は、
Figure 2018506258
と
Figure 2018506258
とＳとの間の一致が向上した。
採用された可能性のある予測モデル、所与の時点でＥｉｒＧｒｉｄ社電力網に供給を行う風力発電所の数、これら風力発電所の場所、操業日、ならびに予定されたおよび予定外の停止日を含む他の情報は、この分析において不明である。それにもかかわらず、本開示の解決策は、特定の電力網内のタービンおよび風力発電所が大気乱流によって結合されることを理解することによって、風力発電空間における誤差を予測する。さらに、ある実施形態において、本開示のシステムは、電力網のタービンおよびそれぞれの風力発電所が１つ以上の気象システムの平均風速によって結合される解決策を含む。
図１１を参照して、ブロック図には、本明細書に開示された解決策１および／または関連する方法論の１つ以上の実施形態を実施できる例示としてのコンピュータシステム１００が示されている。システム１００の例は、ロジック、１つ以上の要素、回路（例えば、モジュール）、機構等を含むことがある。
回路は、特定の動作を実行するように構成された有形の実体であることが理解される。ある実施形態において、システム１００の回路は、特定の所定の方法で（例えば、内部的にまたは他の回路のような外部のエンティティに対して）配置することができる。システム１００の１つ以上のコンピュータシステム（例えば、スタンドアロン、クライアントまたはサーバコンピュータシステム）および／または１つ以上のハードウェアプロセッサ（プロセッサ）は、本開示で説明されるような特定の動作を実行するように動作する回路として、ソフトウェア（例えば、命令、アプリケーション部分、またはアプリケーション）で構成することができる。
例えば、一実施形態において、システム１００の解決策１を具現化する命令を備えるソフトウェアは、（１）非一時的なコンピュータ読み取り可能な記録媒体または（２）送信信号に存在することができる。このソフトウェアは、回路の基礎となるハードウェアによって実行されると、回路に特定の動作を実行させ得る。本実施形態における回路は、機械的または電子的に実施することができる。同様に、回路は、専用プロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または特定用途向け集積回路（ＡＳＩＣ）等の、上記のような１つ以上の技術を実行するように具体的に構成された専用回路機構またはロジックを含み得る。
限定されない例において、回路は、上記の解決策１に関連付けられた特定の動作を実行するように（例えば、ソフトウェアによって）一時的に構成できるプログラマブルロジック（例えば、汎用プロセッサまたは他のプログラマブルプロセッサ内に包含される回路機構）を含み得る。回路を機械的に（例えば、専用かつ永続的に構成された回路機構において）実施するか、または、一時的に構成された（例えば、ソフトウェアによって構成された）回路機構において実施するかの決定は、コストや時間を考慮してなされ得ることが理解されよう。
したがって、本開示に記載の「回路」という語は、有形の実体を含み、特定の動作または特定の方法を実行するように物理的に構成されるか、永続的に構成される（例えば、ハードウェアによって）か、または一時的に（例えば、非常に短い時間でのみ）構成される（例えば、プログラムによって）実体であることが理解されよう。一例では、複数の一時的に構成された回路の場合、回路の各々は、ある時点では構成または具現化されていなくてもよい。例えば、回路がソフトウェアを介して構成された汎用プロセッサを含む場合、汎用プロセッサは異なる時間にそれぞれ異なる回路として構成することができる。したがって、ソフトウェアは、例えば、ある時点では特定の回路を構成し、異なる時点では異なる回路を構成するようにプロセッサを構成することができる。
ある実施形態において、回路は、他の回路に情報を提供し、他の回路から情報を受け取ることができる。本例において、回路は、１つ以上の他の回路に通信可能に接続されていると考えることができる。このような回路の複数が同時に存在する場合、回路を接続する信号伝送（例えば、適切な回路およびバスを介して）によって通信を実現することができる。複数の回路が異なる時間に構成または具現化される実施形態では、そのような回路間の通信は、例えば、複数の回路がアクセスするメモリ構造内の情報の記憶および取り出しによって実現することができる。例えば、１つの回路が動作を実行し、その動作の出力を通信可能に接続されたメモリデバイスに格納することができる。その後、別の回路が、メモリデバイスにアクセスして格納された出力を取り出して処理することができる。一例において、回路は、入力デバイスまたは出力デバイスとの通信を開始または受信するように構成され、リソース（例えば、情報の集合）を処理することができる。
上記のシステム１００の方法例の様々な動作は、関連する動作を実行するように一時的に（例えば、解決策１の命令１２４を具現化するソフトウェアによって）または永続的に構成された１つ以上のプロセッサ（例えば、プロセッサ１０２）によって少なくとも部分的に実行可能である。一時的に構成される場合でも永続的に構成される場合でも、このようなプロセッサは、１つ以上の動作または機能を実行するように動作するプロセッサ実装回路を構成することができる。一例において、本開示で参照される回路は、プロセッサ実装回路を含むことができる。
同様に、解決策１に記載の方法は、少なくとも部分的にプロセッサによって実施されてもよい。例えば、方法の動作の少なくとも一部は、１つ以上のプロセッサまたはプロセッサ実装回路によって実行することができる。特定の動作のパフォーマンスは、単一のマシン内に存在するだけでなく、複数のマシンにわたって配置されて、１つ以上のプロセッサに分散させることができる。一例において、１つまたは複数のプロセッサは、単一の場所（例えば、家庭環境、オフィス環境内、またはサーバファーム内）に配置することができ、他の例では、プロセッサを複数の場所に分散することができる。
１つ以上のプロセッサ１０２は、「クラウドコンピューティング」環境または「サービスとしてのソフトウェア」（ＳａａＳ）における関連動作のパフォーマンスをサポートするように動作することもできる。例えば、動作の少なくともいくつかは、コンピュータ群（プロセッサを含むマシンの例として）によって実行でき、これらの動作は、ネットワーク（例えば、インターネット）や１つ以上の適切なインタフェース（例えば、アプリケーションプログラミングインタフェース（ＡＰＩ））を介してアクセス可能である。
実施例（例えば、装置、システム、または関連する方法）は、デジタル電子回路、コンピュータハードウェア、ファームウェア、ソフトウェア、またはそれらの任意の組み合わせで実施可能である。実施例は、コンピュータプログラム製品（例えば、プログラム可能なプロセッサ、コンピュータ、または複数のコンピュータ等のデータ処理装置によって実行されるか、またはその動作を制御するために、情報担体またはコンピュータ読み取り可能媒体に有形に具体化されるコンピュータプログラム）を用いて実施可能である。
解決策１に記載のプロセスの一部または全部を具現化するコンピュータプログラムは、命令１２４に反映されていてもよく、コンパイルされたまたは解釈された言語を含むいかなる形式のプログラミング言語で書かれていてもよく、スタンドアロンのプログラムまたはソフトウェアモジュールとして、サブルーチン、またはコンピューティング環境での使用に適した他のユニットを含むいかなる形態で配置されてもよい。コンピュータプログラムは、１つのコンピュータ上でまたは複数のコンピュータ上で、１つのサイトでまたは複数のサイトにわたって分散して通信ネットワークによって相互接続されるように配置することができる。
ある実施形態において、命令１２４の例示としての動作は、１つ以上のプログラム可能なプロセッサ１０２が、コンピュータプログラムを実行して入力データを処理したり出力を生成したりすることにより機能を実行することによって、実行可能である。方法動作の例は、専用のロジック回路（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または特定用途向け集積回路（ＡＳＩＣ））によって実行することができ、例示としての装置は、これらによって実現可能である。
コンピュータシステム１００は、生成電力データ、予測電力データ、風や太陽光等に関する気象データ、または再生可能エネルギーに具体的に関連するデータを含む他のデータ等のエネルギー情報を備えたクライアントおよびサーバを含むことができる。クライアントおよびサーバは、一般に、互いに遠隔であり、通信ネットワーク１２６を介して情報を伝え合う。クライアントとサーバとの関係は、それぞれのコンピュータ上で動作し、互いにクライアント−サーバ関係を有するコンピュータプログラムによって生じる。プログラム可能なコンピュータシステムを展開する実施形態では、ハードウェアアーキテクチャとソフトウェアアーキテクチャの両方が考慮されることが理解されるであろう。具体的に、ある機能を、永続的に構成されたハードウェア（例えば、ＡＳＩＣ）で実施するか、一時的に構成されたハードウェア（例えば、ソフトウェアとプログラム可能なプロセッサとの組み合わせ）で実施するか、または永続的に構成されたハードウェアと一時的に構成されたハードウェアとの組み合わせで実施するかの選択は、設計の選択であることが理解されよう。以下は、実施例において展開することができるハードウェア（例えば、システム１００）およびソフトウェアアーキテクチャを示す。
ある実施形態において、システム１００はスタンドアロンの装置として動作することができ、あるいは、システム１００は他の機械に接続（例えば、ネットワーク接続）することができる。ネットワーク化された配置では、システム１００は、サーバ−クライアントネットワーク環境内のサーバマシンまたはクライアントマシンのいずれかとして動作することができる。システム１００は、ピアツーピア（または他の分散型）ネットワーク環境においてピアマシンとして動作することができる。システム１００は、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、セットトップボックス（ＳＴＢ）、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、ウェブアプライアンス、ネットワークルータ、スイッチまたはブリッジ、あるいは、システム１００によってとられる（例えば、実行される）動作を指定する命令（逐次的またはそれ以外で）を実行することができるいかなるマシンであってもよい。
また図１４では、単一のシステム１００のみが示されているが、「システム」という語は、本開示に記載の方法論のうちの１つ以上を実行する命令のセット（または複数のセット）を個々にまたは共同して実行するマシンまたはシステムの集合を含むものとする。例示としてのシステム（例えば、コンピュータシステム）１００は、プロセッサ１０２（例えば、中央処理装置（ＣＰＵ）、グラフィックス処理装置（ＧＰＵ）、または両方）、メインメモリ１０４およびスタティックメモリ１０６を含み得、これらのうち一部または全部はバス１０８を介して相互に通信可能である。システム１００は、表示部１１０、英数字入力デバイス１１２（例えば、キーボード）、およびユーザインターフェース（ＵＩ）ナビゲーションデバイス１１１（例えば、マウス）をさらに含むことができる。一例において、表示部１１０、入力デバイス１１７、およびＵＩナビゲーションデバイス１１４は、タッチスクリーンディスプレイであってもよい。システム１００は、記憶装置（例えば、ドライブユニット）１１６、信号生成装置１１８（例えば、スピーカ）、ネットワークインタフェースデバイス１２０、およびネットワークを介して外部情報サーバと情報を送信して生成電力データ、予測電力データ、気象データ、風データ、日光データ等の情報にアクセスするように動作可能である１つ以上の入力デバイス１２１をさらに含み得る。
記憶装置１１６は、解決策１に記載の方法論または機能のうちの１つ以上を具現化するかこれらによって利用される１つ以上のデータ構造または命令１２４（例えば、ソフトウェア）が格納される非一時的なコンピュータ読み取り可能媒体１２２を含むことがある。命令１２４は、システム１００による実行中に、完全にまたは少なくとも部分的にメインメモリ１０４、スタティックメモリ１０６、またはプロセッサ１０２に存在していてもよい。一例において、プロセッサ１０２、メインメモリ１０４、スタティックメモリ１０６、または記憶装置１１６のうちの１つまたは任意の組み合わせが、コンピュータ読み取り可能媒体を構成することができる。
媒体１２２は単一の媒体として示されているが、「コンピュータ読み取り可能媒体」という語は、１つ以上の命令１２４を記憶するように構成された単一の媒体または複数の媒体（例えば、集中型または分散型データベース、ならびに／あるいは関連するキャッシュおよびサーバ）を含むことがある。「コンピュータ読み取り可能媒体」という語は、システム１００によって実行される命令を格納、符号化、または伝送することができてシステム１００に本開示の方法論のうちの１つ以上を実行させることになるいかなる有形の媒体や、そのような命令に利用されたり関連付けられたりするデータ構造を格納、符号化、または伝送することができるいかなる有形の媒体をも含むと解釈することができる。
したがって、「コンピュータ読み取り可能媒体」という語は、これらに限定されないが、固体メモリ、光学媒体および磁気媒体を含むと解釈することができる。コンピュータ読み取り可能媒体の具体例として、例えば、半導体メモリデバイス（例えば、電気的にプログラム可能な読み出し専用メモリ（ＥＰＲＯＭ）、電気的に消去可能なプログラム可能な読み出し専用メモリ（ＥＥＰＲＯＭ））、フラッシュメモリデバイス、内蔵ハードディスクおよびリムーバブルディスクなどの磁気ディスク、光磁気ディスク、ならびにＣＤ−ＲＯＭおよびＤＶＤ−ＲＯＭディスク等の不揮発性メモリを含んでもよい。
命令１２４は、多数の転送プロトコル（例えば、フレームリレー、ＩＰ、ＴＣＰ、ＵＤＰ、ＨＴＴＰ等）のうちのいずれか１つを利用するネットワークインタフェースデバイス１２０を介して伝送媒体を用いて通信ネットワーク１２６を介して送信または受信することができる。例示的な通信ネットワークは、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、パケットデータネットワーク（例えばインターネット）、携帯電話ネットワーク（例えばセルラーネットワーク）、基本電話サービス（ＰＯＴＳ）ネットワーク、および無線データネットワーク（例えば、Ｗｉ−Ｆｉ（登録商標）として知られているＩＥＥＥ８０２．１１標準規格ファミリー、ＷｉＭａｘ（登録商標）として知られているＩＥＥＥ８０２．１６標準規格ファミリー）、ピアツーピア（Ｐ２Ｐ）ネットワーク等をとりわけ含み得る。「伝送媒体」という語は、マシンによって実行される命令を格納、符号化、または伝送することができるいかなる無形の媒体をも含むと解釈することができ、そのようなソフトウェアの通信を容易にするデジタルまたはアナログの通信信号またはその他の無形の媒体を含む。
図１２を参照して、解決策１の概略図が示されており、解決策１は、システム１００に１つ以上のプロセスを実行させて、ＥｉｒＧｒｉｄ社システムにおける風等の物理量に基づいた特定の電力網内のエネルギー生成の管理を行う命令１２４等のプログラムであってもよい。例えば、第１のプロセス１０は、ｎに１以上の整数を設定する（１−１）番目の工程を含む、１つ以上の工程を含み得る。プロセス１０には、物理量ＰＧ（ｔ）および物理量の予測値に関する式（１）（式中、ＰＧ（ｔ）は時間ｔの関数として表され、ＰＦ（ｔ＋τ）は時間ｔから一定時間τが経過した時間ｔ＋τにおけるものである）に示す計算を行う（１−２）番目の工程がさらに含まれ得る。
（｜ＰＦ（ｔ＋τ）−ＰＧ（ｔ）｜）ｎ …（１）
関数ＰＧ（ｔ）は、特定の電力網の生成電力に対応していてもよく、関数ＰＦ（ｔ）は、風等の特定の再生可能エネルギー源に関する予測電力に対応していてもよいことが理解されよう。
プロセス１０は、時間ｔが一定期間変化する場合の式（１）の平均値として、第１の平均値を計算する（１−３）番目の工程を含み得る。τが変化する場合の第１の平均値を計算する（１−４）番目の工程も実行され得る。（１−１）番目の工程における整数ｎとは異なる整数に対して、（１−１）番目の工程から（１−４）番目の工程までを少なくとも一回行う（１−５）番目の工程が、プログラムによって実行され得る。（１−４）番目の工程において計算された第１の平均値および（１−５）番目の工程において計算された第１の平均値から、整数ｎの数値に応じた時間スケール誤差を計算する（１−６）番目の工程も実行され得る。
図１２の解決策１は、ｎに１以上の整数を設定する（２−１）番目の工程を含む、第２のプロセス２０をさらに含み得る。プロセス２０は、時間ｔの関数である物理量ＰＧ（ｔ）および時間ｔから一定時間τが経過した時間ｔ＋τにおける物理量ＰＧ（ｔ＋τ）に関する式（２）に示す計算を行う（２−２）番目の工程をさらに含み得る。
（｜ＰＧ（ｔ＋τ）−ＰＧ（ｔ）｜）ｎ …（２）
プロセス２０には、時間ｔが一定期間変化する場合の式（２）の平均値として、第２の平均値を計算する（２−３）番目の工程がさらに含まれ得る。
プロセス２０には、時間τが変化する場合の第２の平均値を計算する（２−４）番目の工程が含まれ得る。第２の平均値がτＡに比例するか否かを判定するために評価を行い、比例する場合に、Ａを計算する（２−５）番目の工程がさらに含まれ得る。（２−１）番目の工程における整数ｎとは異なる整数に対して、（２−１）番目の工程から（２−５）番目の工程までを少なくとも一回行う（２−６）番目の工程がさらに含まれ得る。（２−５）番目の工程および（２−６）番目の工程で計算されたＡと整数ｎとの間の関係がほぼ直線となる場合のＡの傾きを計算する（２−７）番目の工程がさらに含まれ得る。
命令１２４において具現化され得る図１２の解決策１は、第１のプロセス１０の（１−１）番目の工程から（１−４）番目までの工程を行う（３−１）番目の工程を含む、第３のプロセス３０をさらに含み得る。プロセス３０には、第１の平均値がτＢに比例するか否かを判定し、比例する場合に、Ｂを計算する（３−２）番目の工程がさらに含まれ得る。プロセス３０には、（３−１）番目の工程における整数ｎとは異なる整数に対して、（３−１）番目の工程および（３−２）番目の工程を少なくとも一回行う（３−３）番目の工程がさらに含まれ得る。（３−２）番目の工程および（３−３）番目の工程で計算されたＢと整数ｎとの間の関係がほぼ直線となる場合のＢの傾きを計算する（３−４）番目の工程が含まれ得る。
命令１２４において具現化され得る図１２の解決策１は、（２−７）番目の工程において計算されたＡの傾きと（３−４）番目の工程において計算されたＢの傾きとの間の差からスケーリング誤差を計算する（４−１）番目の工程を有する、第４のプロセス４０をさらに含み得る。このスケーリング誤差は、特定のエネルギー源の予測発電を正確に推定するために、様々な電力網オペレータシステムに導入されてもよい。ある実施形態において、プロセス１０〜４０に関して上記された物理量ＰＧおよび／またはＰＦは、風力発電に用いられる風力、太陽光エネルギー生成に用いられる太陽光、または自然に発生するエネルギーによって回転するいかなる再生可能エネルギータービン（例えば、水流によって回転するハイドロタービン）の回転から導出されてもよい。図１２の解決策１は、サーバからのダウンロード、または、ローカルな非一時的なコンピュータ読み取り可能な記録媒体へのローカルアクセスによって実行され得る。
最後に、図１２の解決策１には、時間スケール誤差およびスケーリング誤差を分析する第５のプロセス５０が含まれ得る。この分析情報は、エネルギー電力網において用いられる物理量ＰＦ（ｔ）およびＰＧ（ｔ）の予測値を決定するのに用いることができる。上記のように、物理量ＰＦ（ｔ）およびＰＧ（ｔ）を計算する物理的プロセスは、風力、日光等のいかなる再生可能エネルギー源であってもよい。
図１３を参照して、図１２の解決策１と同様の解決策１'の概略図が示されている。したがって、解決策１'は、システム１００に１つ以上のプロセスを実行させて、ＥｉｒＧｒｉｄ社システムにおける風等の物理量に基づいた特定の電力網内のエネルギー生成の管理を行う命令１２４等のプログラムであってもよい。第１のプロセス１０'は、ある期間におけるエネルギー電力網の特定された生成電力傾向ＰＧ（ｔ）および特定された予測電力傾向ＰＦ（ｔ）によって定義されるデータセットを導入するモジュールを含み得る。解決策１'には、傾向ＰＧ（ｔ）とＰＦ（ｔ）とを比較し、データセットを分析して、上記の時間的相関のある変動によって定義される時間的な誤差ばらつきを特定することによって、統計的構造を生成し得る第２のプロセス２０'がさらに含まれ得る。
解決策１'には、物理的プロセス（例えば風）から導出された統計的構造基づいた上記の時間スケール誤差およびスケーリング誤差によって定義される時間依存予測誤差を計算する第３のプロセス３０'がさらに含まれ得る。最後に、解決策１'には、時間依存予測誤差を分析して、特定の向け先に向かって流れるエネルギーの管理を最適化するために、傾向ＰＧ（ｔ）およびＰＦ（ｔ）に関連付けられた物理的プロセスのエネルギー変動の予測値を決定する第４のプロセス４０'が含まれ得る。
特段明記されない限り、いかなる特定の記述または図示された構成動作または構成要素、いかなる特定の順序またはその構成動作、いかなる特定のサイズ、速度、物質、持続時間、輪郭、寸法または頻度、あるいはその構成要素間のいかなる特定の相互関係は限定されない。さらに、いかなる構成動作も反復可能であり、いかなる構成動作も複数のエンティティで実行可能であり、かつ／または、いかなる構成要素も複製可能である。また、いかなる構成動作または構成要素も除外することができ、構成動作のシーケンスを変更可能であり、かつ／または、構成要素の相互関係を変更可能である。
本開示に記載のシステムおよび方法は、必要な物理的構成要素を有する特定のモデルおよび／またはシステムから独立している。本開示のシステムおよび方法は、その変動が統計的構造を有し、予測誤差を定量化するために利用することができるいかなる信号に対しても有利に働く。本開示のシステムおよび方法は、有利には、特定の信号のサンプリングレートに依存せず、むしろ、風力だけではなく時間的な相関のある変動を有するいかなる再生可能エネルギー源にも適用可能である。
言及されたいかなる構成要素、プロセス、工程も、単一のコンピュータ読み取り可能な記録媒体に互いに一体的にまたは別々に形成されてもよく、必要または要求に応じて、１つ以上のネットワークにわたって直接的または間接的に相互接続されてもよい。また、構成要素またはモジュールの冗長な機能または構造を実装してもよい。本開示に記載の特徴およびその構成要素のいずれも、環境、構造上の要求、および動作上の要件を提供し、合致するためにすべての形状をとることができる。さらに、様々な構成要素の位置および整列は、要望または要求に応じて変更することができる。
特定の構成は、開示された技術の原理に従って構成されたシステムまたは方法を必要とする特定の設計仕様または制約に従って変更することができる。そのような変更は、開示された技術の範囲内に包含されることが意図される。したがって、ここに開示された実施形態は、すべての点で例示的であり、限定的ではないとみなされる。本発明の解決策の範囲は、前述の説明ではなく添付の請求項によって示され、その等価物の意味および範囲内に入るすべての変更は、その中に包含されることが意図される。
したがって、以下の特許請求の範囲の語彙または構成要素の定義は、本明細書において、文字通り記載されている構成要素の組み合わせを含むだけでないと定義される。以下の特許請求の範囲におけるいかなる１つの構成要素に対して、２つ以上の構成要素で同等の置換が行われてもよく、請求項における２つ以上の構成要素が単一の構成要素で置換されてもよい。構成要素がある特定の組み合わせで作用し、特許請求の範囲においてそのように当初から記載されている場合であっても、場合によっては、その組み合わせから、特許請求されている組み合わせの１つ以上の構成要素が除外されることもあり、特許請求されている組み合わせがサブコンビネーションまたはその変形であってもよいことが明らかに理解されよう。
特許請求の範囲に記載された主題からの、当業者から見て非本質的な現在知られているかまたは後に考案される変更は、特許請求の範囲の均等物であると明白に理解される。したがって、当業者に現在知られているかまたは後に知られることになる明らかな置換は、定義された構成要素の範囲内にあると定義される。そのため、請求項は、上述した具体的に例示し説明したもの、概念的に同等であるもの、明らかに置換することができるもの、及び実施形態の本質的な思想を組み込んだものを含むものと理解される。
上述のことは、１つ以上の実施形態の例を含む。もちろん、前述の実施形態を説明する目的で構成要素または方法論の考えられるあらゆる組み合わせを説明することは不可能であるが、当業者であれば、様々な実施形態の多くのさらなる組み合わせおよび置換が可能であることを認識することができる。したがって、記載された実施形態は、添付の特許請求の範囲の精神および範囲内に入るそのような変更、修正および変形をすべて包含することが意図されている。
参照
以下に列挙する特許、刊行物、および非特許文献は、以下の参考文献、出願、刊行物および特許に開示されている態様を利用することができ、その全体が参照により本明細書に組み込まれる（かつ、本セクションに含まれることにより本開示に関して先行技術であるとは認められない）。
MacKay D J C 2009 Sustainable Energy-Without the HotAir (Cambridge: UIT Cambridge); Milan P, Wachter M and Peinke J 2013 Phys. Rev. Lett. 110 138701; Apt J 2007 J. Power Sources 169 369; Calif R, Schmitt F G and Huang Y 2014 Geophys. Res. Abstr. 16 15443; Wiser R, Yang Z, Hand M, Hohmeyer O, Infield D, Jensen P H, Nikolaev V, O'Malley M, Sinden G and Zervos A 2011 Wind energy IPCC Special Report on Renewable Energy Sources and Climate Change Mitigation (Cambridge: Cambridge University Press); Jacobson M Z and Delucchi M A 2009 Sci. Am. 301 58; Katzenstein W, Fertig E and Apt J 2010 Energy Policy 38 4400; http://eirgrid.com/operations/systemperformancedata/windgeneration/ ; Irish Wind Energy Association (http://iwea.com/faqs); Muzy J F, Baile R and Poggi P 2010 Phys. Rev. E 81 056308; Lovejoy S, Schertzer D and Stanway J D 2001 Phys. Rev. Lett. 86 5200; Lueken C, Cohen G E and Apt J 2012 Environ. Sci. Technol. 46 9761; Katzenstein W and Apt J 2012 Energy Policy 51 233; Matos M A and Bessa R J 2011 IEEE Trans. Power Syst. 26 594; Tande J O G 2000 Appl. Energy 65 395; Albadi M H and El-Saadany E F 2010 Electr. Power Syst. Res. 80 627; Fabbri A, Gomez San Roman T, Abbad R and Quezada V H M 2005 IEEE Trans. Power Syst. 20 1440; Parsons B P, Milligan M, Zavadil B, Brooks D, Kirby B, Dragoon K and Caldwell J 2004 Wind Energy 7 87; Costa A, Crespo A, Navarro J, Lizcano G, Madsen H and Feitosa E 2008 Renew. Sustainable Energy Rev. 12 1725; Doherty Rand O'Malley M 2005 IEEE Trans. Power Syst. 20 587; Bludszuweit H, Dominguez-Navarro J A and Llombart A 2008 IEEE Trans. Power Syst. 23 983; Hodge B M and Milligan M 2011 NREL Report No. : NREL/CP-5500-50614; Hodge B M, Ela E G and Milligan M 2012 Wind Eng. 23 509; Hodge B M et al 2012 Wind power forecasting error distributions: an international comparison Tech. Rep National Renewable Energy Laboratory; Wu J, Zhang B, Li Z, Chen Y and Miao X 2014 Electr. Power Energy Syst. 55 100; Madsen H, Pinson P, Kariniotakis G, Nielsen H A and Nielsen T S 2009 Wind Eng. 29 475; Lange M 2005 J. Sol. Energy Eng. 127 177; Katul G G and Chu C R 1994 Phys. Fluids 6 2480; Weber C 2010 Energy Policy 38 3155; Lang S C, Mohrlen J, Jorgensen B, Gallachoir O and McKeogh E 2006 Forecasting total wind power generation on the republic of ireland grid with a multi-scheme ensemble prediction system Proc. Global Wind Energy Conf. GWECAdelaide; Lang S and McKeogh E 2009 Wind Eng. 33 433-48; German TSO Intraday Market: www.epexspot.com/en/product-info/Intraday/germany ; Kolmogorov AN 1941 Dokl. Akad. Nauk SSSR 32 16; Frisch U 1995 Turbulence: The Legacy ofA. N. Kolmogorov (Cambridge: Cambridge University Press) ; Bandi M M, Goldburg W I, Cressman J R and Pumir A 2006 Phys. Rev. E 73 026308; Samorodnitsky G and Taqqu M S 1994 Stable Non-Gaussian Random Processes (New York: Chapman and Hill) ; Anselmet F, Gagne Y, Hopfinger E J and Antonia R A 1984 J. Fluid Mech. 140 63; Anselmet F and Antonia R A 1984 J. Fluid Mech. 140 63; Mandelbrot B and Hudson R L 2004 The Misbehaviour ofMarkets: A Fractal View ofFinancial Turbulence (New York: Basic Books); Chen S Y, Dhruva B, Kurien S, Sreenivasan K R and Taylor M A 2005 J. Fluid Mech. 533 183; Larkin J, Bandi M M, Pumir A and Goldburg W I 2009 Phys. Rev. E 80 066301; Calif R, Schmitt R and Huang Y 2013 Physica A 392 4106; Kuznetsov V R, Praskovsky AA and Sabelnikov V A 1992 J. Fluid Mech. 243 595; Billinton R and Allan R 1996 Reliability Evaluation ofPower Systems (New York: Plenum) ; Pesch T, Schroders S, Allelein H J and Hake J F 2015 New J. Phys. 17 055011; Bel G and Ashkenazy Y 2013 New J. Phys. 15 053024; and Levy P 1954 Theorie de l'addition des variables aleatoires (Gauthier Villars: Paris).
ある実施形態において、相関のある変動は、複数の地理的に分散した風力発電所の風力タービン（例えば、乱気流）に関連付けられたデータを含むことがある。この点に関して、乱気流によって定義される変動がフラクタルスケーリングを示す場合、本方法は、Ｓｎ（τ）＝＜［｜ｘ（ｔ＋τ）−ｘ（ｔ）｜］ｎ ＞（式中、時間ｔにおける各時変関数ｘ（ｔ）を後続の時間（ｔ＋τ）における時変信号ｘ（ｔ＋τ）から減算して、絶対差によって複数の相関のある変動のうちの１つを決定できるようにしている）等の所定の構造関数を用いてスケーリング指数で相関のある変動を定量化する工程をさらに含むことができる。
８つの独立した測定の対数微分の変動を、変動
Figure 2018506258
のように定義した。式中、変動ζを、多項式フィットの信頼区間を提供するスケーリング推定の可能な散乱とした。図８および図９に示し、以下でより詳細に記載するように、８つの独立したデータセットのそれぞれにおける各多項式係数について、ζ ｜ｎ｜ Ｘ の測定値および対応する多項式フィットの両方において、散乱は、ζ ｜ｎ｜ Ｘ ±０．０１であることが分かった。この分析を通じて、多項式フィットは、生成電力変動ζ ｜ｎ｜ Ｇ および予測電力変動ζ ｜ｎ｜ ＦＧ に対して線形次数のみに有意であることが分かった。±０．０１の分散よりも大きいのにもかかわらず、ζ ｜ｎ｜ Ｇ およびζ ｜ｎ｜ Ｆ の対応する２次項が分散大きさよりも小さいために、変動ζ ｜ｎ｜ Ｆ に対する２次の多項式係数は、有用ではなかった。
図８は、τに対する相互構造化関数Ｘ ｜ｎ｜ ＦＧ （τ）の対数−対数尺度（中実の丸）のグラフである。１０未満の時間では、スケーリングは示されないが、１０〜４０の時間では、スケーリングが回復したことが分かる。示される実線は、スケーリング領域内のデータに対する冪乗則フィットである。一方、図９は、中実の丸で示す生成電力Ｇ、中実の四角で示す予測電力Ｆ、および中実の三角で示す相互構造関数ＦＧの構造関数の次数ｎに対するスケーリング指数ζ ｜ｎ｜ Ｘ を示す。図９の実線はζ ｜ｎ｜ Ｇ を示し、破線はζ ｜ｎ｜ Ｆ を示し、長破線はζ ｜ｎ｜ ＦＧ を示している。
図９のζ ｜ｎ｜ Ｘ の２次偏差を定性的に観察したが、スケーリングのマルチフラクタル成分は非常に小さいため、有意性がほとんどなかった。風力発電の乱流理論に適用されるように、大気の状況で２つの発生源から生じることがある断続的な変動に対するマルチフラクタル挙動の原因が追跡された。
第２の断続的な変動は、外部断続として知られており、自由大気流の端部で発生し、乱気流と共移動気象システムとの間の結合により大気の状況で生じる。外部断続は突風の形でも経験することができる。外部断続は、気象システムを介して分散した風力発電所を結合することができ、ＥｉｒＧｒｉｄ社のデータの１５分のサンプリング間隔よりも長い時間スケールで発生することができるので、本開示の解決策により適合し得る。図９の生成電力変動ζ ｜ｎ｜ Ｇ のほぼフラクタルなスケーリングは、内部断続および外部断続の両方が電力網レベルの電力変動をほとんどモノラルフラクタルにする点まで平滑化されていることを示している。
また図１１では、単一のシステム１００のみが示されているが、「システム」という語は、本開示に記載の方法論のうちの１つ以上を実行する命令のセット（または複数のセット）を個々にまたは共同して実行するマシンまたはシステムの集合を含むものとする。例示としてのシステム（例えば、コンピュータシステム）１００は、プロセッサ１０２（例えば、中央処理装置（ＣＰＵ）、グラフィックス処理装置（ＧＰＵ）、または両方）、メインメモリ１０４およびスタティックメモリ１０６を含み得、これらのうち一部または全部はバス１０８を介して相互に通信可能である。システム１００は、表示部１１０、英数字入力デバイス１１２（例えば、キーボード）、およびユーザインターフェース（ＵＩ）ナビゲーションデバイス１１４（例えば、マウス）をさらに含むことができる。一例において、表示部１１０、入力デバイス１１２、およびＵＩナビゲーションデバイス１１４は、タッチスクリーンディスプレイであってもよい。システム１００は、記憶装置（例えば、ドライブユニット）１１６、信号生成装置１１８（例えば、スピーカ）、ネットワークインタフェースデバイス１２０、およびネットワークを介して外部情報サーバと情報を送信して生成電力データ、予測電力データ、気象データ、風データ、日光データ等の情報にアクセスするように動作可能である１つ以上の入力デバイス１２１をさらに含み得る。

Claims (24)

  1. 物理量に基づいてエネルギー電力網におけるエネルギー生成を管理するためのプログラムであり、コンピュータに少なくとも第１〜第５のプロセスを実行させるためのプログラムが記録されたコンピュータ読み取り可能な記録媒体であって、
    前記第１のプロセスは、
    ｎに１以上の整数を設定する（１−１）番目の工程と、
    前記物理量および前記物理量の予測値に関する式（１）：
    （｜ＰＦ（ｔ＋τ）−ＰＧ（ｔ）｜）ｎ …（１）（式中、ＰＧ（ｔ）は時間ｔの関数として表され、ＰＦ（ｔ＋τ）は前記時間ｔから一定時間τが経過した時間ｔ＋τにおけるものである）に示す計算を行う（１−２）番目の工程と、
    前記時間ｔが一定期間変化する場合の式（１）の平均値として、第１の平均値を計算する（１−３）番目の工程と、
    前記τが変化する場合の第１の平均値を計算する（１−４）番目の工程と、
    前記（１−１）番目の工程におけるｎとは異なる整数に対して、前記（１−１）番目の工程から前記（１−４）番目の工程までを少なくとも一回行う（１−５）番目の工程と、
    前記（１−４）番目の工程において計算された前記第１の平均値および前記（１−５）番目の工程において計算された前記第１の平均値から、ｎの数値に応じた時間スケール誤差を計算する（１−６）番目の工程と、を含み、
    前記第２のプロセスは、
    ｎに１以上の整数を設定する（２−１）番目の工程と、
    前記物理量に関する式（２）：
    （｜ＰＧ（ｔ＋τ）−ＰＧ（ｔ）｜）ｎ …（２）（式中、ＰＧ（ｔ）は前記時間ｔの関数として表され、ＰＧ（ｔ＋τ）は前記時間ｔから前記一定時間τが経過した時間ｔ＋τにおけるものである）に示す計算を行う（２−２）番目の工程と、
    前記時間ｔが前記一定期間変化する場合の式（２）の平均値として、第２の平均値を計算する（２−３）番目の工程と、
    前記τが変化する場合の第２の平均値を計算する（２−４）番目の工程と、
    前記第２の平均値がτＡに比例するか否かを判定するために評価を行い、比例する場合に、Ａを計算する（２−５）番目の工程と、
    前記（２−１）番目の工程におけるｎとは異なる整数に対して、前記（２−１）番目の工程から前記（２−５）番目の工程までを少なくとも一回行う（２−６）番目の工程と、
    前記（２−５）番目の工程および前記（２−６）番目の工程で計算されたＡとｎとの間の関係がほぼ直線となる場合の傾きＡｓｌｏｐｅを計算する（２−７）番目の工程と、を含み、
    前記第３のプロセスは、
    前記（１−１）番目の工程から前記（１−４）番目までの工程を行う（３−１）番目の工程と、
    前記第１の平均値がτＢに比例するか否かを判定し、比例する場合に、Ｂを計算する（３−２）番目の工程と、
    前記（３−１）番目の工程におけるｎとは異なる整数に対して、前記（３−１）番目の工程および前記（３−２）番目の工程を少なくとも一回行う（３−３）番目の工程と、
    前記（３−２）番目の工程および前記（３−３）番目の工程で計算されたＢとｎとの間の関係がほぼ直線となる場合の傾きＢｓｌｏｐｅを計算する（３−４）番目の工程と、を含み、
    前記第４のプロセスは、
    前記（２−７）番目の工程において計算された前記Ａｓｌｏｐｅと前記（３−４）番目の工程において計算された前記Ｂｓｌｏｐｅとの間の差からスケーリング誤差を計算する（４−１）番目の工程を含み、
    前記第５のプロセスは、
    前記時間スケール誤差および前記スケーリング誤差を分析し、前記エネルギー電力網において用いられる物理量ＰＦ（ｔ）およびＰＧ（ｔ）の予測値を決定する工程を含む、記録媒体。
  2. 前記物理量は、風力発電に用いられる風速である、請求項１に記載の媒体。
  3. 前記プログラムは、サーバからダウンロードされて実行される、請求項１に記載の媒体。
  4. 前記プログラムは、前記媒体から読み出されて実行される、請求項１に記載の媒体。
  5. エネルギー電力網における時間依存予測誤差を決定する方法であって、
    ある期間の前記エネルギー電力網において、各々が物理的プロセスに基づいている特定された生成電力傾向および特定された予測電力傾向によって定義されるデータセットを導入する工程と、
    前記特定された生成電力傾向と予測電力傾向とを比較し、前記データセットを分析して、前記特定された生成電力傾向と前記予測電力傾向との間の時間的な相関のある変動によって定義される時間的な誤差ばらつきを特定することによって、統計的構造を生成する工程と、
    前記物理的プロセスから導出された前記統計的構造に基づいた時間スケール誤差およびスケーリング誤差からなる時間依存予測誤差を計算する工程と、
    前記時間依存予測誤差を分析して、前記エネルギー電力網を管理するのに用いられる前記特定された生成電力傾向および予測電力傾向に関連付けられた前記物理的プロセスのエネルギー変動の予測値を決定する工程と、を含む方法。
  6. 前記物理的プロセスは、風力であり、
    前記エネルギー電力網は、１つ以上の風力タービンを有する複数の地理的に分散した風力発電所を含み、
    前記期間は、サンプリングレート１／Δｔを用いて計測される、請求項５に記載の方法。
  7. 前記相関のある変動は、大気流によって定義される、請求項６に記載の方法。
  8. 前記相関のある変動は、前記電力網の地理的に分散した風力発電所の１つまたはすべてに関連付けられた風速によって定義される、請求項６に記載の方法。
  9. 前記統計的構造をメモリカーネルにおいて利用して、時間スケール誤差およびスケーリング誤差を低減する工程をさらに含む、請求項６に記載の方法。
  10. 前記相関のある変動は、前記複数の地理的に分散した風力発電所の風力タービンに関連付けられたデータを含む、請求項６に記載の方法。
  11. 乱気流によって定義される変動がフラクタルスケーリングを示す場合、所定の構造関数を用いてスケーリング指数で相関のある変動を定量化する工程をさらに含む、請求項１０に記載の方法。
  12. 前記所定の構造関数が、Ｓｎ（τ）＝＜［｜ｘ（ｔ＋τ）−ｘ（ｔ）｜］ｎによって定義され、式中、時間ｔにおける各時変関数ｘ（ｔ）を後続の時間（ｔ＋τ）における時変信号ｘ（ｔ＋τ）から減算して、絶対差によって、前記複数の相関のある変動のうちの１つが決定される、請求項１１に記載の方法。
  13. 前記特定された傾向を分析する工程では、前記複数の地理的に分散した風力発電所と前記エネルギー電力網に追加された１つ以上の追加の風力発電所との間の差が無視される、請求項６に記載の方法。
  14. 前記特定された傾向を分析する工程では、前記風力の季節による変動間の差が無視される、請求項６に記載の方法。
  15. 前記特定された生成電力傾向および予測電力傾向を特定する工程と、
    最大振幅を有する周波数を反転させる工程と、をさらに含む、請求項６に記載の方法。
  16. 前記生成電力傾向および予測電力傾向は、高速フーリエ変換を用いて特定される、請求項１５に記載の方法。
  17. 前記特定された傾向の変動に寄与する最大振幅の数を決定する工程と、
    前記期間における最大振幅の数を分析して、前記期間を複数の独立ウィンドウに分割する工程と、
    各ウィンドウに対して構造関数を算出し、前記特定された生成電力傾向と予測電力傾向との間の変動を決定する工程と、をさらに含む、請求項１６に記載の方法。
  18. 修正された予測電力傾向を、前記特定された生成電力傾向から導出された指数関数的に減衰するメモリカーネルで修正された、前記特定された予測電力傾向に基づいて前記統計的構造に導入する工程をさらに含む、請求項１７に記載の方法。
  19. 前記特定された生成電力傾向と前記予測電力傾向との間で自己相関関数を用いて、特性減衰時間を決定する工程と、
    前記特性減衰時間を前記統計的構造に導入する工程と、をさらに含む、請求項６に記載の方法。
  20. それぞれの距離だけそれぞれの風力発電所によって分離されて空間的に定義された複数の点間の速度差を測定する工程と、
    前記測定された速度差の被積分関数を計算し、確率密度関数がより速く減衰するか否かを判定する工程と、
    前記サンプリングレート１／Δｔにわたって指数関数無相関を決定する工程と、をさらに含む、請求項６に記載の方法。
  21. 予測誤差を決定するシステムであって、
    メモリ、および先行する請求項に記載の方法のいずれかをコンピュータに実行させるプログラムを備えたコンピュータ読み取り可能な記録媒体と、
    前記プログラムを実行するために前記コンピュータ読み取り可能な記録媒体に動作可能に接続されるプロセッサと、を含むシステム。
  22. 前記プロセッサが前記プログラムを実行することによって生成された情報および前記時間依存予測誤差を表示するグラフィック処理部をさらに含み、
    前記プログラムは前記コンピュータ読み取り可能な記録媒体に常駐する、請求項２１に記載のシステム。
  23. ネットワークを介して前記コンピュータ読み取り可能な記録媒体に動作可能に接続されるサーバをさらに含む、請求項２１に記載のシステム。
  24. 再生可能エネルギー源からの予測誤差を決定するシステムであって、
    前記再生可能エネルギー源から導出される発電に対する生成電力時系列と、
    前記再生可能エネルギー源から導出されると予測される電力に対する予測電力時系列と、
    コンピュータシステムであって、
    メモリおよびプログラムを備えたコンピュータ読み取り可能な記録媒体を含み、当該プログラムは、メモリ内でコンピュータに、
    ある期間のエネルギー電力網において、各々が前記再生可能エネルギー源に関連付けられた物理的プロセスに基づいている特定された生成電力傾向および特定された予測電力傾向によって定義されるデータセットを導入する工程と、
    前記特定された生成電力傾向と予測電力傾向とを比較し、前記データセットを分析して、前記特定された生成電力傾向と前記予測電力傾向との間の時間的な相関のある変動によって定義される時間的な誤差ばらつきを特定することによって、統計的構造を生成する工程と、
    前記物理的プロセスから導出された前記統計的構造に基づいた時間スケール誤差およびスケーリング誤差からなる時間依存予測誤差を計算する工程と、を少なくとも実行させるコンピュータシステムと、
    前記プログラムを実行するために前記コンピュータ読み取り可能な記録媒体に動作可能に接続されるプロセッサと、を含み、
    前記時間的相関のある変動を分析して、（ａ）予測電力時系列および生成電力時系列の高周波成分と（ｂ）スケーリング誤差との間の偏差によって定義される前記物理的プロセスのエネルギー変動の前記時間依存予測誤差を定量化する、システム。
JP2017542194A 2015-02-23 2016-02-23 再生可能エネルギーの変動に対する予測誤差を決定するシステムおよび方法 Active JP6847343B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562119304P 2015-02-23 2015-02-23
US62/119,304 2015-02-23
PCT/JP2016/000950 WO2016136237A1 (en) 2015-02-23 2016-02-23 System and method of determining forecast error for renewable energy fluctuations

Publications (2)

Publication Number Publication Date
JP2018506258A true JP2018506258A (ja) 2018-03-01
JP6847343B2 JP6847343B2 (ja) 2021-03-24

Family

ID=56788205

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017542194A Active JP6847343B2 (ja) 2015-02-23 2016-02-23 再生可能エネルギーの変動に対する予測誤差を決定するシステムおよび方法

Country Status (6)

Country Link
US (1) US10742040B2 (ja)
EP (1) EP3262732B1 (ja)
JP (1) JP6847343B2 (ja)
CN (1) CN107251356B (ja)
ES (1) ES2821004T3 (ja)
WO (1) WO2016136237A1 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11334834B2 (en) * 2016-05-23 2022-05-17 General Electric Company System and method for controlling power production from a wind farm
US10830545B2 (en) 2016-07-12 2020-11-10 Fractal Heatsink Technologies, LLC System and method for maintaining efficiency of a heat sink
US20180307729A1 (en) * 2017-04-24 2018-10-25 Here Global B.V. Method and apparatus for detecting a quality weather provider, weather station, or weather report
CN109066693A (zh) * 2018-09-04 2018-12-21 河南理工大学 一种具有高阶收敛速率的柔性系统潮流计算方法
CN109246731B (zh) * 2018-10-23 2021-08-20 京信网络系统股份有限公司 Prb干扰指标的优化方法、装置、计算机存储介质及设备
CN109991500B (zh) * 2019-04-29 2021-12-21 中国水电工程顾问集团有限公司 一种风电故障预警预测的方法
CN111030142B (zh) * 2020-01-02 2021-03-23 重庆大学 一种高比例风电电力系统多时间尺度频率优化控制方法
CN113033904B (zh) * 2021-04-02 2022-09-13 合肥工业大学 基于s变换的风电功率预测误差分析与分类方法
CN113505909B (zh) * 2021-05-17 2024-03-26 中国农业大学 一种面向短期风电功率趋势预测的误差补偿方法
CN113153657A (zh) * 2021-05-28 2021-07-23 上海扩博智能技术有限公司 风机发电率损失预测方法、系统、设备及介质
CN113377508B (zh) * 2021-05-28 2023-08-22 张燕 一种海量数据快速传输方法
CN113258569B (zh) * 2021-06-17 2022-05-31 江苏电百达智能科技有限公司 一种基于人工智能的配电网网格化管理方法和系统
CN113541194B (zh) * 2021-07-29 2024-01-19 南方电网科学研究院有限责任公司 一种海上风电场及vsc-hvdc并网系统可靠性评估方法
CN113809772B (zh) * 2021-09-17 2023-09-08 国网河南省电力公司电力科学研究院 提升应对次时间尺度风电不确定性的安全性的方法及装置
CN118013235B (zh) * 2024-04-08 2024-06-21 西安热工研究院有限公司 基于循环综合误差补偿的储能辅助黑启动的风速预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004019583A (ja) * 2002-06-18 2004-01-22 Tohoku Electric Power Co Inc 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
US20050015283A1 (en) * 2003-06-11 2005-01-20 Kabushiki Kaisha Toshiba Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer
JP2007100503A (ja) * 2006-11-02 2007-04-19 Hitachi Ltd トンネル換気制御方法および装置
US20070192241A1 (en) * 2005-12-02 2007-08-16 Metlapalli Kumar C Methods and systems for computing platform
JP2010057262A (ja) * 2008-08-28 2010-03-11 Mitsubishi Electric Corp 自然エネルギー発電制御システム
JP2011200040A (ja) * 2010-03-19 2011-10-06 Toshiba Corp 発電量予測装置、予測方法及び予測プログラム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10033183C2 (de) * 2000-07-07 2002-08-08 Max Planck Gesellschaft Verfahren und Vorrichtung zur Verarbeitung und Vorhersage von Strömungsparametern turbulenter Medien
US6858953B2 (en) * 2002-12-20 2005-02-22 Hawaiian Electric Company, Inc. Power control interface between a wind farm and a power transmission system
US7177728B2 (en) 2003-12-30 2007-02-13 Jay Warren Gardner System and methods for maintaining power usage within a set allocation
WO2005108784A1 (ja) * 2004-05-07 2005-11-17 Mitsubishi Denki Kabushiki Kaisha 風力発電評価システム、風力発電機のための予測制御サービスシステム
US8606416B2 (en) * 2010-02-18 2013-12-10 Abb Research Ltd. Energy generating system and control thereof
CN103190054B (zh) * 2010-08-31 2016-08-10 维斯塔斯风力系统集团公司 风力发电场的电输出的控制
US9136706B2 (en) * 2011-12-28 2015-09-15 Kabushiki Kaisha Toshiba Power management system and power management method
CN102628876B (zh) * 2012-02-13 2013-07-31 甘肃省电力公司风电技术中心 一种包含上下游效应实时监测的超短期预测方法
EP2706422B1 (de) * 2012-09-11 2016-07-27 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Überwachung des Betriebs eines technischen Systems, insbesondere einer elektrischen Energieerzeugungsanlage
CN102914969B (zh) 2012-09-28 2014-12-10 南方电网科学研究院有限责任公司 一种短期风电功率预测系统的综合误差修正方法
US9153990B2 (en) * 2012-11-30 2015-10-06 Tesla Motors, Inc. Steady state detection of an exceptional charge event in a series connected battery element
US9312698B2 (en) * 2012-12-19 2016-04-12 Robert Bosch Gmbh System and method for energy distribution
CN103366225B (zh) 2013-07-15 2016-03-30 清华大学 风功率预测误差识别方法
US10079317B2 (en) * 2013-07-15 2018-09-18 Constantine Gonatas Device for smoothing fluctuations in renewable energy power production cause by dynamic environmental conditions
CN103440529B (zh) 2013-08-12 2016-05-25 新疆大学 一种风电功率预测系统的横向误差平移修正方法
CN103473461B (zh) 2013-09-16 2016-06-15 东南大学 基于数据特征提取的风功率预测误差估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004019583A (ja) * 2002-06-18 2004-01-22 Tohoku Electric Power Co Inc 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
US20050015283A1 (en) * 2003-06-11 2005-01-20 Kabushiki Kaisha Toshiba Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer
US20070192241A1 (en) * 2005-12-02 2007-08-16 Metlapalli Kumar C Methods and systems for computing platform
JP2007100503A (ja) * 2006-11-02 2007-04-19 Hitachi Ltd トンネル換気制御方法および装置
JP2010057262A (ja) * 2008-08-28 2010-03-11 Mitsubishi Electric Corp 自然エネルギー発電制御システム
JP2011200040A (ja) * 2010-03-19 2011-10-06 Toshiba Corp 発電量予測装置、予測方法及び予測プログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALEXIADIS M C ET AL: "Wind Speed and Power Forecasting based on Spatial Correlation Models", IEEE TRANSACTIONS ON ENERGY CONVERSION, vol. 14, no. 3, JPN6020012784, 1 September 1999 (1999-09-01), pages 836 - 842, XP011084512, ISSN: 0004245433, DOI: 10.1109/60.790962 *
PINSON P ET AL: "WIND POWER FORECASTING USING FUZZY NEURAL NETWORKS ENHANCED WITH ON-LINE PREDICTION RISK ASSESSMENT", PROCEEDINGS OF IEEE POWER TECH CONFERENCE, JPN6020012786, 23 June 2003 (2003-06-23), ISSN: 0004245434 *

Also Published As

Publication number Publication date
CN107251356A (zh) 2017-10-13
US10742040B2 (en) 2020-08-11
WO2016136237A1 (en) 2016-09-01
JP6847343B2 (ja) 2021-03-24
CN107251356B (zh) 2020-09-11
EP3262732B1 (en) 2020-06-24
EP3262732A1 (en) 2018-01-03
EP3262732A4 (en) 2018-07-18
ES2821004T3 (es) 2021-04-23
US20180019595A1 (en) 2018-01-18

Similar Documents

Publication Publication Date Title
JP6847343B2 (ja) 再生可能エネルギーの変動に対する予測誤差を決定するシステムおよび方法
US20150371151A1 (en) Energy infrastructure sensor data rectification using regression models
He et al. A spatio-temporal analysis approach for short-term forecast of wind farm generation
JP6419207B2 (ja) スマートグリッドのトポロジの推定
US8660868B2 (en) Energy benchmarking analytics
Lindig et al. International collaboration framework for the calculation of performance loss rates: Data quality, benchmarks, and trends (towards a uniform methodology)
Romero-Fiances et al. Impact of duration and missing data on the long-term photovoltaic degradation rate estimation
KR102041417B1 (ko) 기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템
Lindig et al. Best practices for photovoltaic performance loss rate calculations
US20190086234A1 (en) Systems and methods for displaying resource savings
Yusof et al. Volatility modeling of rainfall time series
CN106529700B (zh) 一种基于时空相关的风电场预测模型构建方法和系统
Bel et al. Grid-scale fluctuations and forecast error in wind power
Meyer et al. Identifying characteristic time scales in power grid frequency fluctuations with DFA
Ahmed et al. Data communication and analytics for smart grid systems
Khan et al. Impact assessment of varied data granularities from commercial buildings on exploration and learning mechanism
Barrela et al. Data reconstruction of flow time series in water distribution systems–a new method that accommodates multiple seasonality
US9019122B2 (en) Information retrieval for boundary reading processing
Theocharides et al. A hybrid methodology for distribution level photovoltaic power production forecasting verified at the distribution system of Cyprus
Arandia-Perez et al. Modeling automatic meter reading water demands as nonhomogeneous point processes
US9699525B2 (en) Method and system for automatic residual consumption
Ramesh et al. Big Data and IoT System for Utility Power Planning using Commercial Cloud Database
Haouas et al. Wind farm power forecasting
US9635441B2 (en) Information retrieval for service point channels
WO2019055050A1 (en) SYSTEMS AND METHODS FOR DISPLAYING RESOURCE SAVINGS

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170824

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190125

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200407

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200603

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200611

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: 20201201

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201221

R150 Certificate of patent or registration of utility model

Ref document number: 6847343

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250