JP2021009075A - 日射予測装置、日射予測方法及び日射予測プログラム - Google Patents

Abstract

【課題】日射量の短時間先予測を高精度化した日射予測装置、日射予測方法及び日射予測プログラムを提供する。【解決手段】日射推定値算出部１０１は、衛星画像から日射推定値を算出する。数値気象予測実行部１３１は、気象情報を基に数値気象予測により第１日射予測値を求める。雲移動予測実行部１３２は、気象情報を基に雲移動を予測して第２日射予測値を求める。予測式生成部１０４は、過去の日射推定値、第１日射予測値及び第２日射予測値を基に予測式を生成する。予測実行部１０５は、予測実施時点での日射推定値、予測対象日時における第１日射予測値及び第２日射予測値を基に、予測式生成部１０４により生成された予測式を用いて予測対象時点における日射予測を行う。【選択図】図２

Description

本発明は、日射予測装置、日射予測方法及び日射予測プログラムに関する。

低炭素社会の実現やエネルギーの効率的な利用に向け、太陽光発電（ＰＶ：Photovoltaic）は、クリーンなエネルギーとして注目されている。このことから、地球環境負荷低減に向けて太陽光発電システムの導入拡大が見込まれる。

一般に、太陽光発電システムは、連系された電力系統に対して、天候条件によって変動する発電量をそのまま出力する。そのため、太陽光発電システムの規模が大きくなると、発電電力変動にともない、電力系統が不安定となるおそれがある。以下では、太陽光発電システムの出力をＰＶ出力という。従来、ＰＶ出力を事前に予測し、予測値を用いて需要制御を行い、太陽光発電システムが連系される電力系統全体の安定化を図ることが行われている。

そのため、電力系統運用において、太陽光発電出力の変動を事前に予測することが重要である。そこで、太陽光発電出力の変動の要因となる日射の時間変化を高精度に予測する手法が求められる。この予測手法として現在頻繁に利用される手法が、数値気象予報である。数値気象予報は、物理学の方程式を解くことで、様々な気象現象をシミュレートする手法である。ただし、この予測手法だけでは電力系統運用に必要な予測精度が得ることが困難な場合があり、更なる高精度化が望まれる。

数値気象予報をさらに高精度化する技術として、以下のような技術が提案されている。例えば、回帰式の複数の説明変数に気象状況の実績値を適用して算出した予測値の実績値との予測誤差と、回帰式の回帰係数に比例するペナルティ項との和を最小化する回帰係数を算出し、算出した回帰係数を適用した回帰式により予測を行う従来技術がある。また、数値予測データを利用した日射量予測方法における信頼区間推定を、日射用予測値に対する誤差分布の傾向を考慮して行う従来技術がある。これらは、実測した日射量の過去データを用いて、より高精度な予測式を統計的に生成する手法である。

また、広域の日射を予測するために静止気象衛星の利用が考えられる。静止気象衛星により計測されたデータは、衛星画像と呼ばれる衛星から地球を撮影した写真のような２次元の面的なデータである。衛星画像は広域且つ高解像度な情報であり、例えば、静止気象衛星であるひまわり８号の衛星画像には日本全国を含む領域を空間解像度１ｋｍ程度で計測した情報が含まれる。そして、地上に設置した限られた数の観測装置では取得困難であった気象に関する情報が衛星画像から得られる。

衛星画像を利用した日射予測に関する主な技術としては、日射現況推定方法がある。日射現況推定方法は、ある時点の衛星画像から、その時点の日射を推定する手法である。日射現況推定方法では、衛星画像から得られた雲の反射光などから、雲の分布を推定することで日射が推定される。

例えば、ひまわり８号の衛星画像データを用いた日射現況推定手法では、空間解像度１ｋｍ程度の日射推定値が得られる。空間解像度１ｋｍの日射量推定は、１ｋｍ間隔で設定された各代表地点の日射推定値の算出に相当する。地上で日射を観測する地点は限られるため、広域の日射情報を得る手段としては、この日射現況推定手法が有用である。

特開２０１６−２２４５６６号公報 特開平０４−１６７０４６号公報 国際公開第２００４／０２７６７６号

石橋直人、飯坂達也、大平涼子、中西要祐著「部分的最小二乗法を用いた日射量予測とその信頼区間の推定方法」電気学会論文誌Ｂ 橋本篤、宇佐美章著「ひまわり８号を用いた日射量推定・予測システムの開発」電力中央研究所報告 N16001,2017

しかしながら、実測した日射量の過去データを用いて予測式を統計的に生成する従来技術は、予測に用いる日射量実績値を観測する地点が限られているため、日本全国大といった広域の日射を予測するには適さない。一方、日射現況推定手法を用いた日射予測では、日射量の予測精度が不十分である。

開示の技術は、上記に鑑みてなされたものであって、日射量の短時間先予測を高精度化した日射予測装置、日射予測方法及び日射予測プログラムを提供することを目的とする。

本願の開示する日射予測装置、日射予測方法及び日射予測プログラムの一つの態様において、日射推定値算出部は、衛星画像から日射推定値を算出する。第１予測値算出部は、気象情報を基に数値気象予測により第１日射予測値を求める。第２予測値算出部は、前記気象情報を基に雲移動を予測して第２日射予測値を求める。予測式生成部は、過去の前記日射推定値、前記第１日射予測値及び前記第２日射予測値を基に予測式を生成する。予測実行部は、予測実施時点での前記日射推定値、予測対象日時における第１日射予測値及び第２日射予測値を基に、前記予測式生成部により生成された前記予測式を用いて前記予測対象時点における日射予測を行う。

１つの側面では、本発明は、日射量の短時間先予測を高精度化することができる。

図１は、日射予測システムの概略構成図である。 図２は、日射予測装置のブロック図である。 図３は、中心波長が０．６４μｍの衛星画像の一例の図である。 図４は、中心波長が１０．４μｍの衛星画像の一例の図である。 図５は、中心波長が１２．３μｍの衛星画像の一例の図である。 図６は、実施例１に係る日射予測装置による日射量予測処理の概要を表す図である。 図７は、実施例１に係る日射予測装置による日射量予測式の生成処理のフローチャートである。 図８は、実施例１に係る日射予測装置による日射量予測処理のフローチャートである。 図９は、低解像度化した場合の予測対象地点を表す図である。 図１０は、実施例３に係る中間変数を用いた過学習の抑制手法の概念図である。 図１１は、日射予測装置による日射予測の精度を説明するための図である。

以下に、本願の開示する日射予測装置、日射予測方法及び日射予測プログラムの実施例を図面に基づいて詳細に説明する。なお、以下の実施例により本願の開示する日射予測装置、日射予測方法及び日射予測プログラムが限定されるものではない。

図１は、日射予測システムの概略構成図である。図１に示すように、日射予測システム１０は、日射予測装置１、静止気象衛星２、気象情報配信システム３及び端末装置４を有する。以下の説明では、日射として日射量（単位はＪ／ｍ^２等）を例に説明するが、日射強度（単位はＷ／ｍ^２等）であっても同様である。

静止気象衛星２は、地球の自転周期と同じ速度で周回する気象衛星である。本実施例では、静止気象衛星２は、観測域に日本全土を含む。静止気象衛星２は、可視赤外線放射計により見える範囲の地球全体の観測を行う。静止気象衛星２は、例えば、見える範囲の地球全体の可視画像データ及び赤外画像データを取得する。可視画像データからは、地表面や雲から反射されるアルベド（反射率）情報を取得可能である。可視画像は、雲の厚みや層状性と対流性の雲の判別に用いられる。また、赤外画像データからは、地表面や雲から射出される放射量から得られる温度情報が取得可能である。赤外画像は、雲頂高度や雲の識別などに用いられる。

静止気象衛星２は、日射予測装置１と通信可能である。静止気象衛星２は、取得した赤外画像データ及び可視画像データを日射予測装置１へ送信する。ただし、日射予測装置１は、静止気象衛星２からデータを直接取得しなくてもよく、例えば、静止気象衛星２から送信されたデータを気象情報配信システム３等に蓄積し、日射予測装置１は、蓄積されたデータを取得する構成でもよい。

気象情報配信システム３は、例えば、各地で観測された例えば、気温、気圧、風速、湿度及び日射量などの気象データを含むＧＰＶ（Grid Point Value）データを蓄積する。ここで、ＧＰＶデータとは、気象庁が予報資料として作成した気象要素の格子点データである。気象情報配信システム３は、日射予測装置１に接続される。気象情報配信システム３は、ＧＶＰデータのうちの指定された気象データを日射予測装置１へ提供する。

端末装置４は、日射予測装置１による予測結果を利用する利用者が使用する装置である。端末装置４は、日射予測装置１に接続される。端末装置４は、日射予測の予測結果を日射予測装置１から受信して利用者に提供する。

日射予測装置１は、静止気象衛星２が生成した赤外画像データ及び可視画像データ、並びに、気象情報配信システム３から取得した気象データを用いて、予測対象として指定された日時の日射予測を行う。そして、日射予測装置１は、日射予測の予測結果を端末装置４へ出力する。以下に、図２を参照して、日射予測装置１の詳細について説明する。図２は、日射予測装置のブロック図である。

日射予測装置１は、図２に示すように、日射推定値算出部１０１、データ格納部１０２、予測値算出部１０３、予測式生成部１０４、予測実行部１０５及び通知部１０６を有する。

日射推定値算出部１０１は、衛星画像データを静止気象衛星２から受信する。そして、日射推定値算出部１０１は、大気外日射量が大気で減衰し地表面に到達することを仮定して、図３に例示した中心波長が０．６４μｍの衛星画像から減衰量を求めることで衛星画像データが撮影された時点の日射量推定値を算出する。図３は、中心波長が０．６４μｍの衛星画像の一例の図である。図３の縦軸は緯度を表し、横軸は経度を表す。また、図３は紙面に向かって右側に配置された帯で示される陰影により光の反射量を表す。具体的には、日射推定値算出部１０１は、次の数式（１）を用いて日射量推定値を算出する。

ここで、日射推定値算出部１０１は、中心波長が０．６４μｍの衛星画像から得られる推定対象地点の反射率を雲アルベドとして求める。また、日射推定値算出部１０１は、至近過去２０日間の推定対象地点の推定対象時刻における雲アルベドの最小値を地表面アルベドとして求める。数式（１）における最後の項である（１−雲アルベド）／（１−地表面アルベド）は、大気外日射量が大気を通過することによる減衰比率を表しており、雲が多ければ０に近づき、雲が少なければ１に近づく。

また、日射推定値算出部１０１は、より高精度な推定のために、過去データから求めた補正係数を使用する。例えば、日射推定値算出部１０１は、過去の自己が算出した日射量推定値をデータ格納部１０２から取得する。また、日射推定値算出部１０１は、気象官署の日射観測値をデータ格納部１０２から取得する。そして、日射推定値算出部１０１は、過去至近３０日における日射量推定値と日射観測値とのずれを最小化するように補正係数を決定する。さらに、日射推定値算出部１０１は、図４に例示した推定対象地点の中心波長が１０．４μｍの衛星画像及び図５に例示した中心波長が１２．３μｍの衛星画像から得られる輝度温度によって、補正係数を切替える。図４は、中心波長が１０．４μｍの衛星画像の一例の図である。図５は、中心波長が１２．３μｍの衛星画像の一例の図である。図４及び５の縦軸は緯度を表し、横軸は経度を表す。また、図４及び５はいずれも紙面に向かって右側に配置された帯で示される陰影により光の反射量を表す。ここで、補正係数は一定範囲の領域で共通の値とする。一定の範囲の領域とは、例えば、関東、中部、関西といった程度の範囲である。

その後、日射推定値算出部１０１は、算出した日射量推定値をデータ格納部１０２に格納させる。

データ格納部１０２は、ハードディスクなどの記憶装置である。データ格納部１０２は、気象情報配信システム３から提供された温、気圧、風速、湿度及び日射量などの気象データを格納し、計測日時に対応させて蓄積する。また、データ格納部１０２は、日射推定値算出部１０１により算出された日射量推定値を格納して各日射量推定値の対象日に対応させて蓄積する。さらに、データ格納部１０２は、後述する数値気象予測実行部１３１により算出された日射量予測値及び雲移動予測実行部１３２により算出された日射用予測値を取得して予測対象日に対応させて蓄積する。

予測値算出部１０３は、複数の予測手法を用いて予測対象地点における予測対象日時の日射量予測値を算出する。予測値算出部１０３は、数値気象予測実行部１３１及び雲移動予測実行部１３２を有する。

数値気象予測実行部１３１は、気象データをデータ格納部１０２から取得する。そして、数値気象予測実行部１３１は、取得した気象データを用いて気象現象を数値的に表してシミュレーションを繰り返すことで日射量予測値を算出する。その後、数値気象予測実行部１３１は、算出した日射量予測値をデータ格納部１０２に格納して蓄積させる。以下では、数値気象予測実行部１３１により求められた日射量予測値を、「日射量数値予測値」と呼ぶ。この日射量数値予測値が「第１予測値」の一例にあたり、数値気象予測実行部１３１が「第１予測値算出部」の一例にあたる。

雲移動予測実行部１３２は、衛星画像データをデータ格納部１０２から取得する。そして、雲移動予測実行部１３２は、衛星画像の時間差分から雲の移動方向及び速度を推定する。次に、雲移動予測実行部１３２は、推定した雲の移動方向及び速度を用いて数時間後の雲分布を予測する。この予測方法は、雲移動ベクトル予測と呼ばれる場合がある。その後、雲移動予測実行部１３２は、雲分布の予測を用いて日射量予測値を算出する。雲移動予測実行部１３２は、算出した日射量予測値をデータ格納部１０２へ格納して蓄積させる。以下では、雲移動予測実行部１３２により求められた日射量予測値を、「日射量雲移動予測値」と呼ぶ。この日射量雲移動予測値が「第２予測値」の一例にあたり、雲移動予測実行部１３２が「第２予測値算出部」の一例にあたる。

予測式生成部１０４は、操作者が指定した予測対象時刻及び予測実施時刻を取得する。予測対象時刻とは、日射量を予測する対象となる時刻である。予測実施時刻とは、予測を実施する時刻である。例えば、１２時を予測対象時刻とした予測を９時の予測実施時刻に行う場合が考えられる。

また、予測式生成部１０４は、係数及び定数項が未決定の状態の予測対象時刻における日射量予測のための予測式の雛形を有する。例えば、１２時の地点ｓにおける日射を予測する式として、予測式生成部１０４は、次の数式（２）を用いることができる。

ここで、日射量予測式を生成する場合の入力変数ｐは、日射量予測式の生成時点までに入手可能な情報である。入力変数として、例えば、予測実施時刻の予測対象地点の日射量観測値や衛星画像からの日射量推定値、数値気象予報などの他の手法による予測対象地点における予測対象時刻の日射量予測値、気温などの予測対象地点における予測対象時刻の気象予測値などを用いることができる。また、本実施例では、入力変数として、予測対象地点以外の他の地点における予測対象時刻の日射量推定値や数値気象予報による日射量予測値などを用いる。

Ｐは入力変数の数であり、本実施例に係る予測式生成部１０４は、数式（２）において複数の入力変数を用いることができる。また、予測式生成部１０４は、過去データに適合するように係数と定数項を決定する。以下に、係数と定数項の決定方法を説明する。

予測式生成部１０４は、例えば、最小二乗法を用いて係数及び定数項を決定する。具体的には、予測式生成部１０４は、次の数式（３）で表される過去データに対して定義される平均二乗誤差を最小化するように、係数と定数項を決定する。

ここで、ｉは日付に対応し、例えば、予測実施日の１日前をｉ＝１、２日前をｉ＝２、・・・、Ｎ日前をｉ＝Ｎと表される。そして、予測式生成部１０４は、数式（３）における予測対象時刻の日射ｓ，ｉとして日射推定値算出部１０１により算出された予測対象地点における過去の予測対象時刻の日射量推定値を用いる。

また、本実施例では予測式生成部１０４は、日射推定値算出部１０１により算出された過去の予測実施時刻における日射量推定値や、数値気象予測実行部１３１により算出された過去の予測対象時刻における日射量数値予測値や雲移動予測実行部１３２により算出された予測対象時刻における日射雲移動予測値を入力変数として用いる。さらに、予測式生成部１０４は、予測対象地点以外の複数の地点における過去の予測実施時刻における日射量推定値や、日射量数値予測値や、日射雲移動予測値を入力変数として用いる。

そして、予測式生成部１０４は、日射量予測式を生成する場合、過去の一定期間における入力変数をデータ格納部１０２から取得する。例えば、予測式生成部１０４は、入力変数ｐとして用いるデータとして、データ格納部１０２に格納された最新のデータから３６５〜７３０個前までのデータを取得する。これは、最新のデータから３６５〜７３０個前までのデータは、約１〜２年分のデータにあたる。

このように、複数の入力変数を用いる場合、予測式生成部１０４は、入力変数毎の係数ｐを求める。さらに、入力変数として複数の予測対象地点におけるデータを用いることで、予測式生成部１０４は、予測対象地点毎の係数ｐ及び定数項を取得する。

そして、予測式生成部１０４は、算出した係数ｐ及び定数項を数式（２）に代入して予測対象地点毎の日射量予測式を生成する。その後、予測式生成部１０４は、生成した日射量予測式を予測実行部１０５へ出力する。ここで、本実施例では、予測式生成部１０４は、予め過去データを用いて予測式を生成して予測実行部１０５へ日射量予測式を提供したが、予測式の生成タイミングはこれに限らない。例えば、予測実行部１０５が予測を実行する時点で、予測式生成部１０４は、それまでのデータを使用して日射量予測式を生成して予測実行部１０５に提供してもよい。

また、数値気象予報により得られる情報としては、日射量数値予測値の他にも気温予測などの多種の予測値が存在する。本実施例では、予測式生成部１０４は、入力変数として日射量数値予測値を用いたが、これに限らず、数値気象予報により得られる他の情報をさらに用いてもよい。

また、数値気象予報の日射量数値予測値や、雲移動速度推定に基づく日射量雲移動予測値には、複数時間帯の予測値が存在する。本実施例では、予測式生成部１０４は、予測対象時刻の日射量数値予測値及び日射量雲移動予測値を用いるが、これに限らず、予測対象時刻の日射量数値予測値及び日射量雲移動予測値に加えて他の時間帯の日射量予測値を用いてもよい。また、数値気象予報の日射量予測値や、雲移動速度推定に基づく日射量予測値には、複数地点の予測値が存在する。本実施例では、予測式生成部１０４は、複数の地点の日射量予測値を用いるが、これに限らず、予測対象地点の近傍の１地点又はその周囲の地点の日射量予測値に限定して用いてもよい。

予測実行部１０５は、操作者が指定した予測対象時刻及び予測実施時刻を取得する。また、予測実行部１０５は、日射量予測式を予測式生成部１０４から取得する。さらに、予測実行部１０５は、予測実施時刻における日射量推定値をデータ格納部１０２から取得する。また、予測実行部１０５は、予測対象時刻における日射量数値予測値及び日射量雲移動予測値をデータ格納部１０２から取得する。本実施例では、予測実施時刻における日射量推定値、予測対象時刻における日射量数値予測値及び日射量雲移動予測値が入力変数となる。予測実行部１０５は、予測対象地点毎に、これらの入力変数を取得する。

そして、予測実行部１０５は、取得した入力変数を数式（２）に用いて各予測対象地点の予測対象時刻の日射量予測値を算出する。そして、予測実行部１０５は、予測対象地点毎の日射量予測値を通知部１０６へ出力する。

ここで、予測実行部１０５は、予測式生成部１０４が使用した予測変数に応じて、入力変数として日射量数値予測値以外に数値気象予報により得られる他の情報をさらに用いてもよい。また、予測実行部１０５は、予測式生成部１０４が使用した日射量予測値に応じて、予測対象時刻の日射量数値予測値及び日射量雲移動予測値に加えて他の時間帯の日射量予測値を用いてもよい。

通知部１０６は、各予測対象地点の日射量予測値の入力を予測実行部１０５から受ける。そして、通知部１０６は、各予測対象地点の日射量予測値を端末装置４へ送信して利用者に通知する。

ここで、図６を参照して、本実施例に係る日射予測装置１による日射量予測処理の概要をまとめて説明する。図６は、実施例１に係る日射予測装置による日射量予測処理の概要を表す図である。

図６における一点鎖線の枠で囲った処理Ｐ１が、日射量予測式の生成処理を表す。そして、破線の枠で囲った処理Ｐ２が予測対象時刻の日射量予測処理を表す。

日射予測装置１の予測式生成部１０４は、過去の一定期間の過去データ２０１を予測対象地点毎に取得する。予測式生成部１０４は、過去データ２０１として過去の予測実施時刻の日射量推定値２１１、過去の予測対象時刻の日射量推定値２１２、過去の予測対象時刻の日射量数値予測値２１３及び過去の予測対象時刻の日射量雲移動予測値２１４を取得する。そして、予測式生成部１０４は、取得した過去データを用いて、予測対象地点毎の日射量予測式２０３を生成する。

日射予測装置１の予測実行部１０５は、入力変数２０２として、各予測対象地点における実際の予測実施時刻の日射量予測値２２１を取得する。さらに、予測実行部１０５は、入力変数２０２として、各予測対象地点における実際の予測実施時刻の日射量数値予測値２２２及び日射量雲移動予測値２２３を取得する。そして、予測実行部１０５は、予測式生成部１０４により生成された予測対象地点毎の日射量予測式に取得した入力変数２０２を入力して各予測対象地点の日射量予測値を算出する。これにより、予測実行部１０５は、図６の地点２０４のそれぞれにおける日射量予測値を算出する。

次に、図７を参照して、本実施例に係る日射予測装置１による日射量予測式の生成処理の流れについて説明する。図７は、実施例１に係る日射予測装置による日射量予測式の生成処理のフローチャートである。

日射推定値算出部１０１は、衛星画像を静止気象衛星２から取得する（ステップＳ１０１）。

次に、日射推定値算出部１０１は、取得した衛星画像から大気外日射量の減衰量を求めることで衛星画像データが撮影された時点の日射量推定値を算出する（ステップＳ１０２）。その後、日射推定値算出部１０１は、算出した日射量推定値をデータ格納部１０２へ送信する。

また、予測値算出部１０３は、気象情報配信システム３から提供された気象データをデータ格納部１０２から取得する（ステップＳ１０３）。

数値気象予測実行部１３１は、気象データを用いて、指定された予測対象時刻における日射量数値予測値を数値気象予測により算出する（ステップＳ１０４）。その後、数値気象予測実行部１３１は、算出した日射量数値予測値をデータ格納部１０２へ送信する。

一方、雲移動予測実行部１３２は、気象データ及び雲移動モデルを用いて指定された予測対象時刻における日射量雲移動予測値を算出する（ステップＳ１０５）。その後、雲移動予測実行部１３２は、算出した日射量雲移動予測値をデータ格納部１０２へ送信する。

データ格納部１０２は、日射推定値算出部１０１により算出された日射量推定値、数値気象予測実行部１３１により算出された日射量数値予測値、及び、雲移動予測実行部１３２により算出された日射量雲移動予測値を受信する。そして、データ格納部１０２は、取得した日射量推定値、日射量数値予測値及び日射量雲移動予測値を蓄積する（ステップＳ１０６）。ここで、図７のフローチャートでは、説明の都合上、日射予測装置１が、日射量推定値、日射量数値予測値及び日射量雲移動予測値を一連の処理で取得するように説明したが、これらの取得タイミングはそれぞれ異なってもよい。

予測式生成部１０４は、例えば、予め決められた周期的な予測式生成のタイミングが到来したか否かにより、予測式の生成を実行するか否かを判定する（ステップＳ１０７）。予測式の生成を実行しない場合（ステップＳ１０７：否定）、処理は、ステップＳ１０１へ戻る。

これに対して、予測式の生成を実行する場合（ステップＳ１０７：肯定）、予測式生成部１０４は、過去の一定期間の予測実施時刻における日射量推定値をデータ格納部１０２から取得する（ステップＳ１０８）。

さらに、予測式生成部１０４は、過去の一定期間の予測対象時刻における日射量推定値、日射量数値予測値及び日射量雲移動予測値を取得する（ステップＳ１０９）。

そして、予測式生成部１０４は、取得したデータを用いて最小二乗法により、数式（３）における係数及び定数項を決定する（ステップＳ１１０）。

その後、予測式生成部１０４は、決定した係数及び定数項を数式（３）に代入して、各予測対象地点における日射量予測式を生成する（ステップＳ１１１）。

次に、図８を参照して、本実施例に係る日射予測装置１による日射量予測処理の流れについて説明する。図８は、実施例１に係る日射予測装置による日射量予測処理のフローチャートである。

日射推定値算出部１０１は、予測実施時刻における衛星画像を静止気象衛星２から取得する（ステップＳ２０１）。

次に、日射推定値算出部１０１は、取得した衛星画像から大気外日射量の減衰量を求めることで予測実施時刻の日射量推定値を算出する（ステップＳ２０２）。その後、日射推定値算出部１０１は、算出した日射量推定値をデータ格納部１０２へ送信する。

また、予測値算出部１０３は、気象情報配信システム３から提供された気象データをデータ格納部１０２から取得する（ステップＳ２０３）。

数値気象予測実行部１３１は、予測実施時刻までに取得した気象データを用いて、実際の予測対象時刻における日射量数値予測値を数値気象予測により算出する（ステップＳ２０４）。その後、数値気象予測実行部１３１は、算出した日射量数値予測値をデータ格納部１０２へ格納する。

一方、雲移動予測実行部１３２は、気象データ及び雲移動モデルを用いて実際の予測対象時刻における日射量雲移動予測値を算出する（ステップＳ２０５）。その後、雲移動予測実行部１３２は、算出した日射量雲移動予測値をデータ格納部１０２へ格納する。

予測実行部１０５は、各予測対象地点における日射量予測式を予測式生成部１０４から取得する。また、予測実行部１０５は、実際の予測実施時刻における日射量推定値をデータ格納部１０２から取得する。さらに、予測実行部１０５は、実際の予測対象時刻における日射量数値予測値及び日射量雲移動予測値をデータ格納部１０２から取得する。予測実行部１０５は、取得した日射量推定値、日射量数値予測値及び日射量雲移動予測値を入力変数とする。そして、予測実行部１０５は、各入力変数を各予測対象地点における日射量予測式に代入する（ステップＳ２０６）。

そして、予測実行部１０５は、入力変数を代入した日射量予測式を用いて、各予測対象地点の予測対象時刻の日射量予測値を算出し、各予測対象地点における予測対象時刻の日射量予測を実行する（ステップＳ２０７）。その後、予測実行部１０５は、予測対象地点毎の日射量予測値を通知部１０６へ出力する。

通知部１０６は、予測対象地点毎の日射量予測値の入力を予測実行部１０５から受ける。そして、通知部１０６は、各予測対象地点における日射量予測値を端末装置４を介して利用者に通知する（ステップＳ２０８）。

以上に説明したように、本実施例に係る日射予測装置は、予め決められた入力変数を表す過去データを用いて日射量予測式を生成する。例えば、日射予測装置は、気象衛星画像から算出される予測実施時刻及び予測対象時刻での日射量推定値、数値気象予測による日射量数値予測値、雲移動ベクトル予測による日射量雲移動予測値の複数地点複数地点における過去データを入力変数として日射量予測式を生成する。そして、本実施例に係る日射予測装置は、予測実施時点での入力変数を生成した日射量予測式に用いて予測対象時刻における日射量予測値を求める。例えば、日射予測装置は、複数地点複数地点における、予測実施時刻での日射量推定値、予測対象時刻における日射量数値予測値、雲移動ベクトル予測による日射量雲移動予測値を用いて予測対象時刻における日射量予測値を求める。

このように複数地点における日射量の情報を用いて日射量予測を行うことで、他の地点から予測対象地点へ雲が流入する可能性を考慮でき、より日射量予測の精度を向上させることができる。また、複数の予測手法による予測結果を考慮できることで、各予測手法の長所を取り入れることができ、長期及び短期における予測誤差を減少させることができる。特に日射変動の大きい日の予測精度を向上させることが可能となる。ここで、本実施例に係る日射予測装置による日射予測は、日射強度（単位はＷ／ｍ^２等）及び日射量（単位はＪ／ｍ^２等）のいずれであってもよく、いずれの情報を用いても同様の効果を得ることが可能である。

次に、実施例２に係る日射予測装置について説明する。本実施例に係る日射予測装置は、低解像度化による計算時間の削減を図ったことが実施例１と異なる。本実施例に係る日射予測装置も図２のブロック図で表される。以下の説明では、実施例１と同様の各部の機能については説明を省略する。

ひまわり８号の衛星画像データなどを用いた日射量推定値は、空間解像度の高いデータであり、膨大な数の地点の日射量推定値が得られる。例えば、関東地域（緯度３４．５０〜３７．２５度、経度１３８．１３〜１４０．９９度）の１ｋｍの解像度の日射量推定値は、７３６００地点のデータが含まれる。この各地点に対して日射量予測式を生成する場合、計算機性能によっては日射量予測式の生成に膨大な計算時間が費やされるおそれがある。

そこで、本実施例に係る日射予測装置１は、予測地点を間引くことで、予測対象地点を低解像度化して、生成する予測式を減らす。以下に予測地点の低解像度化の処理について説明する。

日射推定値算出部１０１は、予め選択する地点の指定の入力を操作者から受ける。例えば、日射推定値算出部１０１は、１ｋｍの解像度の各地点のうち１６ｋｍ間隔で地点を選出する指示の入力を受ける。この場合、予測地点は、例えば関東地域を対象とすると、図９で表される各地点４００として表される。すなわち、日射推定値算出部１０１は、図９における各地点４００の日射量推定値を算出する。図９は、低解像度化した場合の予測対象地点を表す図である。

この場合、数値気象予測実行部１３１及び雲移動予測実行部１３２も、日射推定値算出部１０１と同様の地点における日射量数値予測値及び日射量雲移動予測値を算出するようにして低解像度化を行ってもよい。

予測式生成部１０４は、データ格納部１０２に格納された日射量推定値、日射量数値予測値及び日射量雲移動予測値を用いて、低解像度化された予測対象地点毎の日射予測式を生成する。

予測実行部１０５は、データ格納部１０２に格納された低解像度化された予測対象地点毎の日射予測式、並びに、日射量推定値、日射量数値予測値及び日射量雲移動予測値を用いて、低解像度化された予測対象地点毎の日射量予測値を算出する。

ここで、予測実行部１０５は、近傍法を用いて日射用予測値を低解像度化前の解像度に修正することも可能である。具体的には、予測実行部１０５は、低解像度化前の解像度の各地点において、低解像度化された場合に日射量予測値が得られない地点を、日射量予測値を有する地点のうち最も近い１地点と同じ日射量予測値として予測を行う。

以上に説明したように、本実施例に係る日射予測装置は、低解像度化を行うことで、日射量予測に費やされる計算時間を削減することができる。

次に、実施例３に係る日射予測装置について説明する。本実施例に係る日射予測装置は、過学習の抑制を図ったことが実施例１と異なる。本実施例に係る日射予測装置も図２のブロック図で表される。以下の説明では、実施例１と同様の各部の機能については説明を省略する。

多数の入力変数を用いる場合、過去データに過剰に適合した予測式が生成される過学習が発生するおそれがある。そこで、このような過学習を抑制するために、日射予測装置１の予測式生成部１０４は、ＡＩＣ（Akaike's Information Criterion）等のモデル選択手法やＬａｓｓｏ回帰等の正則化手法を用いることができる。

本実施例に係る予測式生成部１０４は、図１０に示すように、多数の入力変数を、少数の中間変数に縮約し、中間変数の和で予測式を生成することで、過学習を抑制する。図１０は、実施例３に係る中間変数を用いた過学習の抑制手法の概念図である。中間変数を用いることで、予測に有用な情報が中間変数に抽出される一方で、予測にとってノイズとなる不要な情報が除かれる。これにより、予測式が過去データの過剰に適合することを抑制でき、生成された予測式を用いて高精度な予測が可能となる。

予測式生成部１０４は、数式（３）の係数ｐ及び定数項を決定する際に、次の数式（４）及び（５）を用いて予測式の係数及び定数項を決定する。

Ｑは、中間変数の個数である。予測式生成部１０４は、例えば、部分最小二乗回帰（Partial Least Squares Regression）により、この中間変数ｑを用いて予測式における係数及び定数項を決定する。

ここで、中間変数を用いた予測では、予め中間変数の個数が決定される。中間変数の個数は、過去の予測結果に基づき決定される。例えば、中間変数の個数が１，２，・・・，２０個の各場合を想定し、予測式生成部１０４は、２０通り場合の各中間結果に対して予測結果を蓄積し、過去の予測結果に対して予測誤差がもっとも小さい中間変数の個数を求めることができる。そして、予測式生成部１０４は、求めた中間変数の個数を予測式の生成に用いる中間変数の個数として使用する。

また、本実施例に係る予測実行部１０５も中間変数を用いて予測実行を行う。ここで、予測実行部１０５は、予測式生成部１０４が予測式の生成時に用いた中間変数の数と同じ数の中間変数を用いてもよい。他にも、予測実行部１０５は、予測式生成部１０４とは別に中間変数を異ならせた各場合について予測誤差を求めて中間変数の個数を予測式生成部１０４とは異なる値としてもよい。

以上に説明したように、本実施例に係る日射予測装置は、中間変数を用いて予測式の係数及び定数項を算出する。これにより、過学習を抑えることができ、より精度の高い日射量予測を行うことが可能となる。

ここで、図１１を参照して、本実施例に係る日射予測装置１による日射予測の精度について説明する。図１１は、日射予測装置による日射予測の精度を説明するための図である。図１１の縦軸は日射強度を表し、横軸は予測対象の日時を表す。図１１は、９時を予測実施時刻として、１０時、１１時、・・・、１６時を予測対象時刻とした場合の特定の１地点における日射量の予測結果を表す。

この場合、日射予測装置１は、毎日６時の時点で、近至１年の過去データから、予測対象地点毎と予測対象時刻毎の予測式の係数と定数項を決定する。さらにここでは、日射予測装置１は、衛星画像データから得られる１ｋｍの解像度を１６ｋｍに低解像度化した予測対象地点を用いる。また、日射予測装置１は、中間変数を用いた過学習の抑制を実施する。部分最小二乗回帰における中間変数の数は、全予測対象地点で同じ値とし、予測実施時刻と予測対象時刻によってことなるものとし、事前検討により比較的良い予測結果が得られる値を設定した。この場合、予測式は、次の数式（６）で表される。

数式（６）における、τは予測実施時刻であり、ｔは予測対象時刻である。また、日射量推定値ｒτは、時刻τでの地点ｒの予測実施時刻における日射量推定値である。また、日射量数値予測値ｊｔは、地点ｊの数値気象予測による日射量予測値である。また、日射量雲移動予測値ｋｔは、地点ｋの雲移動ベクトル予測による日射量予測値である。ここでは、雲移動ベクトル予測の手法として、一般財団法人電力中央研究所が開発した、ＮｕＷＦＡＳの日射予測手法を用いた。ＮｕＷＦＡＳからは、４ｋｍ間隔の地点の日射量雲移動予測値が得られる。

そして、日射予測装置１は、９時時点で得られる９時直前の衛星画像から推定した予測実施時刻の日射量推定値、予測対象時刻の日射量数値予測値及び日射量雲移動予測値を入力変数として日射量予測式に代入して日射量予測値を算出する。

この場合の日射予測装置１による予測結果が、図１１におけるグラフ３０２で表される。また、この場合の実際の特定地点における日射量の実際の観測値はグラフ３０１で表される。図１１では、日射量予測値が算出されない時間帯は省略した。このように、本実施例に係る日射予測装置１を用いた日射量の予測結果は、実際の観測結果にある程度近似しているといえ、精度良く日射量予測を行うことができるといえる。

１ 日射予測装置
２ 静止気象衛星
３ 気象情報配信システム
４ 端末装置
１０ 日射予測システム
１０１ 日射推定値算出部
１０２ データ格納部
１０３ 予測値算出部
１０４ 予測式生成部
１０５ 予測実行部
１０６ 通知部
１３１ 数値気象予測実行部
１３２ 雲移動予測実行部

Claims (10)

1. 衛星画像から予測対象時刻の日射推定値を算出する第１日射推定値算出部と、
   前記衛星画像を基に算出された過去の予測実施時刻の日射推定値、気象情報を基に数値気象予測により算出された第１日射予測値、又は、前記気象情報を基に雲移動を予測して算出された第２日射予測値のいずれか１つ又はその組み合わせを入力変数として用いて、前記第１日射推定値算出部により算出された過去の前記予測対象時刻の前記日射推定値を基に予測式を生成する予測式生成部と、
   前記予測式生成部により生成された前記予測式を用いて前記予測対象時刻における日射予測を行う予測実行部と
   を備えたことを特徴とする日射予測装置。
2. 前記衛星画像を基に前記予測実施時刻の日射推定値を算出する第２日射推定値算出部をさらに備えたことを特徴とする請求項１に記載の日射予測装置。
3. 前記気象情報を基に前記数値気象予測により前記第１日射予測値を求める第１予測値算出部をさらに備えたことを特徴とする請求項１又は２に記載の日射予測装置。
4. 前記気象情報を基に前記雲移動を予測して前記第２日射予測値を求める第２予測値算出部をさらに備えたことを特徴とする請求項１〜３のいずれか一つに記載の日射予測装置。
5. 前記予測式生成部は、特定の地点における前記予測式の生成に、他の地点における、前記予測実施時刻の前記日射推定値、前記第１日射予測値又は前記第２日射予測値のいずれか一つ又はその組み合わせを用いることを特徴とする請求項１〜４のいずれか一つに記載の日射予測装置。
6. 前記予測式生成部は、前記衛星画像の空間解像度に応じた複数地点の過去の前記予測実施時刻の日射推定値、前記複数地点での前記気象情報の実測値を基に算出された前記複数地点における前記第１日射予測値、又は、前記複数地点での前記気象情報の前記実測値を基に算出された前記複数地点における前記第２日射予測値のいずれか一つ又はその組み合わせを前記入力変数として、前記複数地点毎に前記予測式を生成し、
   前記予測実行部は、前記複数地点毎の前記予測式を用いて前記日射予測を行う
   ことを特徴とする請求項１〜５のいずれか一つに記載の日射予測装置。
7. 前記予測式生成部は、少なくとも前記衛星画像の空間解像度の上限として前記日射推定値が得られる多地点の中からいくつかの地点を選択して、選択した地点を前記複数地点として算出された前記日射推定値を前記入力変数として、前記複数地点における予測式を生成することを特徴とする請求項６に記載の日射予測装置。
8. 前記予測式生成部は、過去の前記予測実施時刻の日射推定値、前記第１日射予測値及び前記第２日射予測値を中間変数へ集約し、前記中間変数の線形結合を基に前記予測式を生成することを特徴とする請求項１〜７のいずれか一つに記載の日射予測装置。
9. 衛星画像を基に予測対象時刻の日射推定値を算出し、
   前記衛星画像から算出された過去の予測実施時刻の日射推定値、気象情報を基に数値気象予測により算出された第１日射予測値、又は、前記気象情報を基に雲移動を予測して算出された第２日射予測値のいずれか１つ又はその組み合わせを入力変数として用いて、過去の前記予測対象時刻の前記日射推定値を基に予測式を生成し、
   生成した前記予測式を用いて前記予測対象時刻における日射予測を行う
   ことを特徴とする日射予測方法。
10. 衛星画像を基に予測対象時刻の日射推定値を算出し、
    前記衛星画像から算出された過去の予測実施時刻の日射推定値、気象情報を基に数値気象予測により算出された第１日射予測値、又は、前記気象情報を基に雲移動を予測して算出された第２日射予測値のいずれか１つ又はその組み合わせを入力変数として用いて、過去の前記予測対象時刻の前記日射推定値を基に予測式を生成し、
    生成した前記予測式を用いて前記予測対象時刻における日射予測を行う
    処理をコンピュータに実行させることを特徴とする日射予測プログラム。