JP2021145509A - 異常検知装置、異常検知方法、および異常検知プログラム - Google Patents

Abstract

【課題】発電装置の機器異常を好適に判定することのできる技術を提供する。【解決手段】異常検知装置１９は、太陽光発電装置の発電電力情報を取得する第１の取得部６０、日射強度情報を取得する第２の取得部６１と、所定の日照条件及び時間帯における発電電力を推定する推定部５７と、推定部５７が推定した発電電力である推定発電電力と、第１の取得部６０が取得した発電電力情報が示す発電電力であって前記所定の日照条件及び時間帯における発電電力とを比較することにより、異常の有無を判定する異常検知部６２と、を備えている。【選択図】図２

Description

本発明は、太陽光発電装置の異常検知装置、異常検知方法、および異常検知プログラムに関する。

太陽光発電装置の発電電力が妥当か否かを確認する発電電力分析の技術が開示されている。これらの技術では、日射強度から発電装置の発電電力を推定して、実測の発電電力と推定された発電電力とを比較し、２つの値が大きく乖離している場合には、発電装置が異常であると判定する。

例えば、太陽光発電装置の前月１ヵ月のうち、平均日射強度以上の日の６時〜１７時５９分の間の発電データ（発電電力、日射強度）に基づいて対象日の発電電力を推定する推定モデルを生成し、該推定モデルに基づいて算出された推定発電電力と、実測の発電電力との乖離が大きい場合に、発電装置の故障やトラブル、環境の変化等が発生していることを検知する技術が開示されている（特許文献１）。

特開２０１４−１７９４６４号

上述のような異常検知技術においては、発電装置の機器異常の判定を好適に行えることが好ましい。

しかし、従来技術では、例えば、以下に示す（１）から（５）の事象が発生することにより、発電装置の機器異常を正しく判定できない場合があった。
（１）太陽光発電装置が過積載である、即ちＰＣＳ（power conditioning system）定格出力よりも装置の実発電出力の方が大きい場合
（２）電力会社の指示によるＰＣＳ力率制御設定が行われている場合
（３）電力系統電圧の上昇など外乱によるＰＣＳの発電出力が抑制される場合
（４）電力会社の指示により出力制御指示（発電停止の指示）がある場合
（５）自家消費型発電設備の出力制御（休日または昼の休憩時等の自家内電力需要減によるＰＣＳ出力の抑制）がかかる場合
また、従来技術では、上記のような事象以外にも、太陽電池モジュールや日射計にかかる影の影響等により、発電装置の機器異常を正しく判定できない場合があった。

本発明では、上記問題に鑑み、発電装置の機器異常を好適に判定することのできる技術を提供することを目的とする。

本発明の一態様に係る異常検知装置は、太陽光発電装置が発電する発電電力を示す発電電力情報を取得する第１の取得部と、前記太陽光発電装置における日射強度を示す日射強度情報を取得する第２の取得部と、所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して生成された推定モデルであって、日射強度に基づき発電電力を推定する推定モデルを用いて、前記第２の取得部が取得した日射強度情報が示す日射強度であって前記所定の日照条件及び時間帯における日射強度から、当該所定の日照条件及び時間帯における発電電力を推定する推定部と、前記推定部が推定した発電電力である推定発電電力と、前記第１の取得部が取得した発電電力情報が示す発電電力であって前記所定の日照条件及び時間帯における発電電力とを比較することにより、異常の有無を判定する異常検知部とを備えており、前記所定の日照条件は、日射強度が所定の閾値以下であることを含み、前記時間帯には、朝、夕、及び夜を含まない。

上記構成によれば、所定の日照条件及び時間帯のデータに限定して発電電力の推定モデルを生成することにより、的確に太陽光発電装置の異常を検知することができる。また、対象とするデータを減らすことで、異常検知装置の処理負荷を低減することができる。

本発明の一態様に係る異常検知装置において、前記異常検知部が対象日における異常判定に用いる推定モデルは、当該対象日よりも過去における複数の期間における発電電力と日射強度を参照して生成された推定モデルであってもよい。

上記構成によれば、過去の複数の期間における発電電力と対象日の発電電力を比較することにより、的確に発電装置の異常を検知することができる。

本発明の一態様に係る異常検知装置において、前記異常検知部が対象日における異常判定に用いる推定モデルは、当該対象日を含む月の前月１ヶ月における発電電力と日射強度、及び当該対象日を含む月の過去の同月１ヶ月における発電電力と日射強度を参照して生成された推定モデルであってもよい。

上記構成によれば、前月の発電電力との比較、過去の同月の発電電力との比較を併せて実施することで、的確に発電装置の異常を検知することができる。

本発明の一態様に係る異常検知装置において、前記推定モデルには、非線形項を含む回帰曲線が含まれていてもよい。

上記構成によれば、高精度に日射強度から発電電力を推定することのできるモデルを生成することができ、高精度に発電装置の異常を検出することができる。

本発明の一態様に係る異常検知装置において、前記所定の閾値は、０．６ｋＷ／ｍ^２以下であり、前記時間帯は、１１時から１２時５９分までの何れかの時間帯であってもよい。

上記構成によれば、太陽光発電装置や日射計にかかる影の影響がある時間帯、および電力制限のかかる日時の電力データを極力排除して電力推定モデルを生成することができ、当該推定モデルを参照すること、より高精度に発電装置の異常を検知することができる。また、発電電力を推定する際のデータ量を減らすことができ、異常検出装置の処理負荷を低減することができる。

本発明の一態様に係る異常検知装置において、前記推定モデルを生成する推定モデル生成部を備えていてもよい。

上記構成によれば、より簡便な構成で、発電装置の異常を検知することができる。

本発明の一態様に係る異常検知装置において、前記第１の取得部は、複数の太陽光発電装置が発電する各々の発電電力を示す発電電力情報を取得し、前記第２の取得部は、前記複数の太陽光発電装置の各々における日射強度を示す日射強度情報を取得し、前記異常検知部は、前記複数の太陽光発電装置の各々に対して、推定発電電力と、前記第１の取得部が取得した発電電力情報が示す発電電力との乖離度を用いて異常の有無を判定し、所定の数以上の太陽光発電装置が異常であると判定した場合には、前記複数の太陽光発電装置の各々における乖離度から導出される統計的値を参照して、各々の太陽光発電装置に関する乖離度を補正し、補正後の乖離度に基づいて、異常の有無を判定してもよい。

上記構成によれば、複数の太陽光発電装置のデータから導出した統計的値を参照して、各発電装置のデータを補正することによって、不安定な気象条件においても太陽光発電装置の異常を的確に検知することができる。

本発明の一態様に係る推定モデル生成装置は、太陽光発電装置が発電する発電電力を示す発電電力情報を取得する第１の取得部と、日射強度を示す日射強度情報を取得する第２の取得部と、所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して、日射強度に基づき発電電力を推定する推定モデルを生成する推定モデル生成部を備えており、前記所定の日照条件は、日射強度が所定の閾値以下であることを含み、前記時間帯には、朝、夕、及び夜を含まない。

上記構成によれば、本発明の一態様に係る異常検知部装置と同様の効果を得ることができる。

本発明の一態様に係る異常検知方法は、太陽光発電装置が発電する発電電力を示す発電電力情報を取得する第１の取得工程と、前記太陽光発電装置における日射強度を示す日射強度情報を取得する第２の取得工程と、所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して生成された推定モデルであって、日射強度に基づき発電電力を推定する推定モデルを用いて、前記第２の取得工程にて取得した日射強度情報が示す日射強度であって前記所定の日照条件及び時間帯における日射強度から、当該所定の日照条件及び時間帯における発電電力を推定する推定工程と、前記推定工程にて推定した発電電力である推定発電電力と、前記第１の取得工程において取得した発電電力情報が示す発電電力であって前記所定の日照条件及び時間帯における発電電力とを比較することにより、異常の有無を判定する異常判定工程とを含み、
前記所定の日照条件は、日射強度が所定の閾値以下であることを含み、前記時間帯には、朝、夕、及び夜を含まない。

上記構成によれば、本発明の一態様に係る異常検知装置と同様の効果を得ることができる。

本発明の一態様に係る異常検知プログラムは、本発明の一態様に係る異常検知装置としてコンピュータを機能させるための異常検知プログラムであって、前記前記推定部および異常検知部としてコンピュータを機能させるための異常検知プログラムであってもよい。

上記構成によれば、本発明の一態様に係る異常検知装置と同様の効果を得ることができる。

本発明の一態様に係る異常検知装置によれば、発電装置の機器異常を好適に判定することができる。

本発明の一実施形態に係る異常検知装置を備えた太陽光発電システムの構成の一例を示すブロック図である。 本発明の一実施形態に係る異常検知装置の構成の一例を示すブロック図である。 本発明の一実施形態に係る異常検知装置の発電電力データにおいて発電電力の推定モデルに使用されるデータの範囲を示すグラフである。 本発明の一実施形態に係る異常検知装置における発電電力の推定処理の流れを示すフローチャートである。 本発明の一実施形態に係る異常検知装置で取得された日射強度と発電電力の関係を示すグラフである。 本発明の一実施形態に係る異常検知装置における異常検知処理の流れを示すフローチャートである。 本発明の他の実施形態に係る異常検知装置における発電電力データの乖離度の補正について説明するための表である。

以下、本発明の実施形態について、図面を参照して詳細に説明する。なお、説明の便宜上、先に説明した部材と同一の機能を有する部材については、同一の符号を付記し、その説明を省略する場合がある。

〔実施形態１〕
〔太陽光発電システム全体の構成〕
図１は、本実施形態に係る異常検知装置１９を備える太陽光発電システム１の全体構成の一例を模式的に示す図である。但し、本実施形態に関係のない太陽光発電システム１の構成については、その図示および説明を省略する。

太陽光発電システム１では、太陽電池モジュール（太陽光発電装置）２の発電電力データをデータ収集ユニット１１で収集し、収集された発電電力データをインターネットまたは３Ｇ回線等を介して発電電力解析・診断サーバ１８へ送り、発電電力解析・診断サーバ１８にて発電電力の異常検知を行う。

太陽電池モジュール２は、複数枚の太陽光パネルを直列で配線した太陽電池ストリングが、所定の出力が得られるように並列に接続された太陽電池アレイにより構成され、日射強度に応じて発電した電力を出力する。

各太陽電池ストリングはそれぞれ接続箱３に収められる。直流集電箱４は、接続箱３からの直流電力を集電して、パワコン（power conditioner）５へ中継する。

パワコン５は、直流集電箱４から直流電力を受け取り、売電用または蓄電用に使用できる安定した交流電力に変換するインバータである。パワコン５は、接続箱３と一体であってもよく、この場合、直流集電箱４は必要ない。

直流計測ユニット６は、直流集電箱に集められた太陽電池モジュール２の発電電力を所定の時間ごとに計測する。計測された発電電力はデータ収集ユニット１１に送られる。

日射計８は、太陽電池モジュール２の近傍に設置され、太陽光の日射強度を所定の時間ごとに測定する。測定された日射強度の信号は気象変換箱１０に送られる。

気温計９は、太陽電池モジュール２の近傍に設置され、太陽電池モジュール２の近傍の気温を測定する。気温の信号は気象変換箱１０に送られる。

気象変換箱１０は、日射強度に関する信号および気温に関する信号等の測定信号を、Ａ／Ｄ変換して、データ収集ユニット１１へ送る。

データ収集ユニット１１は、日射強度、気温、発電電力等の測定データを収集する。

データ収集ユニット１１で収集されたデータは、インターネット、３Ｇ、ＬＴＥ回線等１５を介して、クラウドサーバ１６に送られる。

変換機１３は、パワコン５から受け取った発電情報のプロトコル変換等を行う。プログラマブルロジックコントローラ（programmable logic controller、ＰＬＣとも略称する）１４は、直流計測ユニット６および気象変換箱１０の計算データを収集する。データ収集／送信ユニット１２は、変換機１３及びＰＬＣ１４から収集したデータを中継し、クラウドサーバ１６に送信する。

クラウドサーバ１６は、見える化サーバ１７、発電電力解析・診断サーバ１８、および本発明の異常検知装置１９を備える。見える化サーバ１７は、データ収集ユニット１１から収集した日射強度データ、発電電力データ等を視覚的に把握できるように表示装置（図示せず）に表示する。異常検知装置１９は、発電電力解析・診断サーバ１８から取得したデータを参照して、太陽電池モジュール２の異常を検知する。

異常検知装置１９が異常を検知した場合には、顧客に異常が通知され、あるいは、太陽電池モジュール２の修理のために技術者を現場に派遣する等の対応を行ってもよい。以下では、図２を参照して、異常検知装置１９の構成について説明する。

〔異常検知装置の構成〕
次に、図２を参照して、異常検知装置１９の構成について説明する。図２は、本実施形態に係る異常検知装置１９の構成を示すブロック図である。

図２に示すように、異常検知装置１９は、第１の取得部６０、第２の取得部６１、推定部５７、異常検知部６２、および記憶部５０を備える。なお、記憶部５０は、異常検知装置１９の外部に備えていてもよい。また、第１の取得部６０、第２の取得部６１、および推定部５７を備える構成を「推定モデル生成装置」とも呼ぶ。

記憶部５０は、データ収集ユニット１１から取得した日射強度データおよび太陽電池モジュール２の発電電力データを格納する。従って、記憶部５０には、判定の対象日の前月の発電電力データ５１、過去の同月の発電電力データ５２、対象日の前月の日射強度データ５３、過去の同月の日射強度データ５４が格納されている。ここで、「過去の同月」とは、判定の対象日を含む月の過去の同月のことを指しており、一例として、対象日を含む月の前年同月、対象日を含む月の２年前の同月、対象日を含む月の３年前の同月等が含まれ得る。

第１の取得部６０は、太陽電池モジュール２が発電する発電電力を示す発電電力情報を取得する。即ち、第１の取得部６０は、記憶部５０に格納されている発電電力情報を取得する。

第２の取得部６１は、日射計８で計測された日射強度を示す日射強度情報を取得する。即ち、第２の取得部６１は、記憶部５０に格納されている日射強度情報を取得する。

推定部５７は、日射強度に基づいて発電電力を推定する推定モデルを参照して、対象日の日射強度から、対象日の発電電力を推定する。

前記推定モデルは、所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して生成される。前記所定の日照条件は、日射強度が所定の閾値以下であることを含む。
即ち、曇りまたは雨の日のデータのみを参照して推定モデルを生成する。このように、日射条件が閾値以下であるデータに限定して推定モデルを生成することにより、以下の（１）〜（５）の事象の影響、及び、太陽電池モジュール２や日射計８にかかる影の影響を受けづらい好適な推定モデルを生成することができる。
（１）太陽光発電装置が過積載である、即ちＰＣＳ（power conditioning system）定格出力よりも装置の実発電出力の方が大きい場合
（２）電力会社の指示によるＰＣＳ力率制御設定が行われている場合
（３）電力系統電圧の上昇など外乱によるＰＣＳの発電出力が抑制される場合
（４）電力会社の指示により出力制御指示（発電停止の指示）がある場合
（５）自家消費型発電設備の出力制御（休日または昼の休憩時等の自家内電力需要減によるＰＣＳ出力の抑制）がかかる場合
また、前記時間帯には、朝、夕、及び夜を含まない。昼の時間帯のデータであれば、太陽電池モジュール２に入射する太陽光の入射角度が比較的高いので、発電電力が太陽電池モジュール２や日射計８にかかる影の影響を受けることが少ない。したがって、対象とするデータを昼のデータに限定することにより、精度の高い推定モデルを生成することができる。

推定部５７は、推定モデルを用いて、第２の取得部６１が取得した日射強度情報が示す日射強度であって前記所定の日照条件及び時間帯における日射強度から、当該所定の日照条件及び時間帯における発電電力を推定する。すなわち、推定部５７は、上述した日照条件及び時間帯を限定したデータに基づいて生成した推定モデルを用いて、対象日における日射強度から、対象日における発電電力を推定する。これにより、推定部５７は、対象日における発電電力を精度高く推定することができる。

前記推定モデルには、非線形項を含む回帰曲線が含まれてもよい。
例えば、下記のように、発電電力（Ｙ）を日射強度（ｘ）の２次関数として表してもよい。
〔数１〕Ｙ＝ａｘ^２＋ｂｘ＋ｃ
なお、推定部５７は、推定モデルを生成する推定モデル生成部５８を備えていてもよい。

ここで、異常検知装置１９において、第１の取得部６０と第２の取得部６１と推定モデル生成部５８とを有する構成は、本実施形態に係る推定モデル生成装置を構成する。

異常検知部６２は、推定部５７が推定した発電電力である推定発電電力と、第１の取得部６０が取得した発電電力情報が示す発電電力であって前記所定の日照条件及び時間帯における発電電力と、を比較することにより、太陽電池モジュール２の異常の有無を判定する。例えば、異常検知部６２は、上記〔数１〕に示した式に、対象日に計測された日射強度を代入して求められた推定発電電力と、対象日の実測の発電電力とを比較して、太陽電池モジュール２の異常を検知する。

ここで、異常検知部６２が対象日における異常判定に用いる推定モデルは、例えば、平均日射強度の閾値が、０．６ｋＷ／ｍ^２であってもよい。上述の（１）〜（５）の事象は、多くの場合、日射強度が０．６ｋＷ／ｍ^２以上の気象条件下で発生するため、前記所定の閾値を０．６ｋＷ／ｍ^２以下にすることで、（１）〜（５）の事象が発生する日を回避可能である。ただし、日射強度の閾値は、０．４ｋＷ／ｍ^２であることがより好ましい。あるいは、季節ごとに異なる日射強度の閾値を設定してもよい。例えば、平均日射強度の閾値を、冬至を含む期間である１２月から２月は０．３ｋＷ／ｍ^２、春分および秋分を含む期間である３月から５月および９月から１１月は０．４ｋＷ／ｍ^２、夏至を含む期間である６月から８月は０．６ｋＷ／ｍ^２にそれぞれ設定してもよい。

また、異常検知部６２が対象日における異常判定に用いる推定モデルは、例えば、１１時から１３時までの何れかの時間帯であってもよい。

図３は、対象日における太陽電池モジュール２の日射強度（ｋＷ／ｍ^２、太線）および発電電力（ｋＷ、細線）の推移を示すグラフである。発電電力の推定モデルを生成する場合には、例えば、図３の枠Ａ内に含まれる、１１時から１２時５９分までの１２０分間のデータに限定して参照してもよい。この時間帯は、太陽電池モジュール２に入射する太陽光の入射角度が直角に近く、発電電力が影の影響を受けることがほとんどない。

また、異常検知部６２が対象日における異常判定に用いる推定モデルは、当該対象日よりも過去における複数の期間における発電電力と日射強度を参照して生成された推定モデルであってもよい。過去の複数の期間における発電電力と対象日における発電電力とを比較することによって、的確に太陽電池モジュール２の異常を検知することができる。

例えば、異常検知部６２が対象日における異常判定に用いる推定モデルは、当該対象日を含む月の前月１ヶ月における発電電力と日射強度、及び当該対象日を含む月の過去の同月１ヶ月における発電電力と日射強度を参照して生成された推定モデルであってもよい。このように、前月との発電電力との比較の他に、過去の同月の推定発電電力との比較を行うことによって、対象日における発電電力がどの程度変動しているかを確認することができる。即ち、太陽電池モジュール２の発電電力は、装置の経年劣化等により徐々に低下すると考えられるが、過去の同月においては、太陽光の太陽電池モジュール２への入射角度等の条件がほぼ同じであるため、発電電力の比較が有効である。

〔異常検知装置１９の動作〕
次に、本実施形態に係る異常検知装置１９における処理の流れの一例を、図４および図６を参照しながら説明する。図４は発電電力の推定処理の流れを、図６は太陽電池モジュール２の異常判定処理の流れをそれぞれ示すフローチャートである。

＜発電電力の推定フロー＞
まず、図４を参照して、太陽電池モジュール２における発電電力の推定処理の流れの一例について説明する。

（ステップＳ１０）
ステップＳ１０では、推定部５７が、記憶部５０から、対象日の前月１ヵ月間および過去の同月の１ヵ月間の間における１分毎の日射強度データ、発電電力データをそれぞれ取得する。続いて、ステップＳ１２に進む。

（ステップＳ１２）
ステップＳ１２では、推定部５７は、取得したデータが、所定の日照条件及び時間帯のデータであるか否かを判定する。日照条件及び時間帯としては、例えば、０．６Ｗ／ｍ^２以下および１１時から１２時５９分までの１２０分間を選んでもよい。ここで、上記所定の日照条件としては、０．４ｋＷ／ｍ^２とすることがより好ましい。あるいは、季節によって、異なる日照条件の値を設定してもよい。取得したデータが、所定の日照条件及び時間帯のデータである（ステップＳ１２でＹＥＳ）場合は、ステップＳ１６に進む。取得したデータが、所定の日照条件及び時間帯のデータ（ステップＳ１２でＮＯ）でない場合は、ステップＳ１４に進む。

なお、本ステップは、一例として、ステップＳ１０において取得したデータから上記所定の時間帯（１１時から１２時５９分まで）のデータを抽出し、抽出したデータが上記日照条件を満たすか否かを判定する構成としてもよい。

（ステップＳ１４）
ステップＳ１４では、推定部５７は、取得したデータを参照しない。

（ステップＳ１６）
ステップＳ１６では、推定部５７は、取得したデータが電力会社による発電停止の指示が出された期間のデータであるか否かを判定する。取得したデータが発電停止指示期間中、機器故障中、及び点検のための停止期間中の何れのデータでもない（ステップＳ１６でＮＯ）場合は、ステップＳ２０に進む。取得したデータが発電停止指示期間中、機器故障中、及び点検のための停止期間中の何れかのデータである（ステップＳ１６でＹＥＳ）場合は、ステップＳ１８に進む。

（ステップＳ１８）
ステップＳ１８では、推定部５７は、取得したデータを参照しない。

（ステップＳ２０）
ステップＳ２０では、取得してデータを参照して、日射強度から発電電力を推定するための推定モデル、即ち、推定発電電力の近似式を、前月のデータおよび過去の同月のデータのそれぞれについて導出する。推定発電電力の近似式は、一例として、以下のような式が求められる。
Ｙ＝ａｘ^２＋ｂｘ＋ｃ（ｘは日射強度、Ｙは推定される発電電力）
続いて、ステップＳ２２に進む。

（ステップＳ２２）
ステップＳ２２では、導出された前月のデータの推定発電電力近似式および過去の同月のデータの推定発電電力近似式を太陽電池モジュール２（発電所、機器）毎に記憶部５０に保存する。

（ステップＳ２４）
以上で、発電電力の推定処理を終了する。

＜日射強度と推定発電電力の相関関係および近似式＞
図５は、横軸に日射強度（ｋＷ／ｍ^２）、縦軸に太陽電池モジュール２における実測された発電電力（ｋＷ）がプロットされたグラフである。図５に示すように、日射強度および発電電力には高い相関性があることが示されており、日射強度（ｘ）から発電電力（Ｙ）を推定する関数（Ｙ＝aｘ^２＋ｂｘ＋ｃ）が発電電力推定モデルとして導出される。

例えば、図５において、日射強度および太陽電池モジュール２における実測の発電電力を代入して、推定モデルとして、以下の算出式が導出された。
Ｙ=−４．０７８４×ｘ^２＋２４．７４４×ｘ＋０．３４１４
（ａ＝−４．０７８４、ｂ＝２４．７４４、ｃ＝０．３４１４）
上記では、日射強度（ｘ）と発電電力（Ｙ）の相関係数は０．９７３５であり、高い相関係数が得られた。

＜発電装置の異常判定処理フロー＞
次に、上述の導出された推定発電電力の推定モデル（推定発電電力近似式）を用いて、対象日における太陽電池モジュール２の異常判定処理の流れについて説明する。

（ステップＳ３０）
ステップＳ３０では、第１の取得部６０、第２の取得部６１が、判定対象日の１分毎の日射強度データおよび発電電力データをそれぞれ取得する。

（ステップＳ３２）
ステップＳ３２では、推定部５７が、取得したデータが、所定の日照条件及び時間帯のデータであるか否かを判定する。日照条件及び時間帯としては、例えば、０．６ｋＷ／ｍ^２以下および１１時から１２時５９分までの１２０分間を選んでもよい。ここで、上記所定の日照条件としては、０．４ｋＷ／ｍ^２とすることがより好ましい。取得したデータが所定の日照条件及び時間帯のデータである（ステップＳ３２でＹＥＳ）場合は、ステップＳ３６に進む。取得したデータが、所定の日照条件及び時間帯のデータでない（ステップＳ３２でＮＯ）場合は、ステップＳ３４に進む。

なお、本ステップは、一例として、ステップＳ３０において取得したデータから上記所定の時間帯（１１時から１２時５９分まで）のデータを抽出し、抽出したデータが上記日照条件を満たすか否かを判定する構成としてもよい。

（ステップＳ３４）
ステップＳ３４では、推定部５７は、取得したデータを参照しない。

（ステップＳ３６）
ステップＳ３６では、推定部５７は、取得したデータが電力会社による発電停止の指示が出された期間のデータであるか否かを判定する。取得したデータが発電停止指示期間中、機器故障中、及び点検のための停止期間中の何れのデータでもない（ステップＳ３６でＮＯ）場合は、ステップＳ４０に進む。取得したデータが発電停止指示期間中、機器故障中、及び点検のための停止期間中の何れかのデータである（ステップＳ３６でＹＥＳ）場合は、ステップＳ３８に進む。

（ステップＳ３８）
ステップＳ３８では、推定部５７は、取得したデータを参照しない。

（ステップＳ４０）
ステップＳ４０では、前月の推定発電電力近似式および過去の同月の推定発電電力近似式のそれぞれに日射強度データの値を代入して、対象日における推定発電量を算出する。

（ステップＳ４２）
ステップＳ４２では、異常検知部６２が、算出された推定発電電力と対象日に実測した発電電力とを比較して、乖離度が閾値内であるか否かを判定する。例えば、乖離度の閾値を７％と設定してもよい。対象日における実測の発電電力と、対象日における日射強度を前月の発電電力に基づいた推定発電電力近似式に代入して得られた推定発電電力とを比較する。更に、対象日における実測の発電電力と、対象日における日射強度を過去の同月の発電電力に基づいた推定発電電力近似式に代入して得られた推定発電電力とを比較する。これら２つの比較において、どちらも乖離度が閾値以下である（ステップＳ４２でＹＥＳ）場合は、ステップＳ４４に進む。上記２つの比較において、何れかの乖離度が閾値を超える（ステップＳ４２でＮＯ）場合には、ステップＳ４６に進む。

（ステップＳ４４）
ステップＳ４４では、異常検知部６２が、太陽電池モジュール２の動作は正常であると判定する。

（ステップＳ４６）
ステップＳ４６では、異常検知部６２が、太陽電池モジュール２の動作は異常であると判定する。

（ステップＳ４８）
以上で、太陽電池モジュール２の異常検知処理を終了する。

上述したように、本実施形態に係る異常検知装置１９によれば、太陽電池モジュール２の不具合等により発電電力が低下する事象が発生した際、的確に異常を検知することができる。したがって、例えば、顧客への太陽電池モジュール２に発生した異常の通知、および障害を早期に復旧する等の対応を取ることができる。また、推定モデルを生成する際および異常を判定する際に対象となるデータの減少により、サーバ容量の削減や処理時間の短縮が見込める。更に、太陽光発電所の売電損失を伴う異常発生を的確かつ早期に発見することで、発電事業者（需要家、投資家）の売電損失を最小化することができる。また、装置の異常有無判定を行う際の属人的対応を減らし、発電装置のメンテナンスコストを削減することができる。
〔実施形態２〕
本実施形態では、異常検知装置１９は、複数の同一構成の太陽電池モジュール２において算出した乖離度の統計的値を導出し、各太陽電池モジュール２の乖離度を統計的値に基づいて補正して太陽電池モジュール２の異常の検知を行う例について説明する。

本実施形態の異常検知装置１９において、第１の取得部６０は、複数の太陽電池モジュール２が発電する各々の発電電力を示す発電電力情報を取得し、第２の取得部６１は、複数の日射計８で計測される日射強度を示す日射強度情報を取得する。

この場合、異常検知部６２は、複数の太陽電池モジュール２の各々に対して、推定発電電力と、第１の取得部６０が取得した発電電力情報が示す発電電力との乖離度を用いて異常の有無を判定する。

しかし、気象条件によっては、対象日において日射強度が短時間で目まぐるしく変化する場合があり、このような気象条件が不安定な日には、実測の発電電力は、日射強度から推定した発電電力に対して低くなる傾向にある。そのため、各太陽光発電装置に対して算出された乖離度の値をそのまま参照して異常を検知すると、多くの太陽光発電装置において、不具合がないにも関わらず異常と判定されてしまう可能性がある。

例えば、図７の表の左列には、本実施形態に係る同一構成のパワコン（ＰＣＳ１〜ＰＣＳ２０）２０台のそれぞれについて、実測の発電電力と推定モデルから推定した推定発電電力との乖離度を示す。乖離度の閾値を７％に設定すると、図７に示すように、本例では、２０台の太陽光発電モジュールのうち１５台の装置において、乖離度が閾値である７％を超え、異常と判定されてしまう。

したがって、本実施形態では、複数のパワコン５または太陽電池モジュール２のうち、所定の数以上の太陽電池モジュール２が異常であると判定した場合には、複数のパワコン５または太陽電池モジュール２の各々における乖離度から導出される統計的値を参照して、各々のパワコン５または太陽電池モジュール２に関する乖離度を補正し、補正後の乖離度に基づいて、異常の有無を判定してもよい。

例えば、表７の左列に示した２０台のパワコン５の各々において算出された乖離度から中央値−８．６５５を導出する。そして、図７の表の右列に示すように、中央値−８．６５５を用いて、パワコン５における乖離度を補正する。即ち、（算出された乖離度−乖離度の中央値）の値を補正後の乖離度とし、この補正後の乖離度に基づいて、各パワコン５の異常判定を行う。補正に用いられる統計的値としては、本実施形態では、複数のパワコン５の発電電力の中央値を参照したが、これに限定されず、例えば、発電電力の平均値を参照してもよい。

補正後の乖離度に基づくと、２０台のパワコン５のうち３台（ＰＣＳ１、ＰＣＳ１１、およびＰＣＳ１８）が乖離度の閾値である７％を超え、異常と判定される。

このように、同一構成の太陽光発電装置が複数ある場合には、算出された全装置の乖離度の中央値など統計的値を求め、（算出乖離値−統計的値）を補正後の乖離度とし、補正後の乖離度に基づいて発電装置の異常を判定することにより、気象条件の不安定な日においても、不要な異常判定を回避することができる。

なお、本実施形態では、同一構成の複数の太陽電池モジュールについて、太陽電池モジュール毎に発電電力の推定モデルを生成し、太陽電池モジュール毎に乖離度を算出して、太陽電池モジュール毎に異常の検知を行う例について説明した。しかし、本発明はこれに限定されるものではなく、複数の太陽電池モジュール（発電装置及び機器）から取得したデータを参照して１つの推定モデルを生成し、当該生成された１つの推定モデルを参照して、太陽電池モジュール毎に異常の検知を行ってもよい。

〔ソフトウェアによる実現例〕
異常検知装置１９の推定部５７および異常検知部６２は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、推定部５７および異常検知部６２は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１ 太陽光発電システム
２ 太陽電池モジュール
３ 接続箱
４ 直流集電箱
５ パワコン（power conditioner）
６ 直流計測ユニット
８ 日射計
９ 気温計
１０ 気象変換箱
１１ データ収集ユニット
１５ インターネット、３Ｇ、ＬＴＥ回線
１６ クラウドサーバ
１７ 見える化サーバ
１８ 発電電力解析・診断サーバ
１９ 異常検知装置
５０ 記憶部
５１、５２ 発電電力データ
５３、５４ 日射強度データ
５７ 推定部
５８ 推定モデル生成部
６０ 第１の取得部
６１ 第２の取得部
６２ 異常検知部

Claims (10)

1. 太陽光発電装置が発電する発電電力を示す発電電力情報を取得する第１の取得部と、
   前記太陽光発電装置における日射強度を示す日射強度情報を取得する第２の取得部と、
   所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して生成された推定モデルであって、日射強度に基づき発電電力を推定する推定モデルを用いて、前記第２の取得部が取得した日射強度情報が示す日射強度であって前記所定の日照条件及び時間帯における日射強度から、当該所定の日照条件及び時間帯における発電電力を推定する推定部と、
   前記推定部が推定した発電電力である推定発電電力と、前記第１の取得部が取得した発電電力情報が示す発電電力であって前記所定の日照条件及び時間帯における発電電力とを比較することにより、異常の有無を判定する異常検知部と
   を備えており、
   前記所定の日照条件は、日射強度が所定の閾値以下であることを含み、
   前記時間帯には、朝、夕、及び夜を含まない
   ことを特徴とする異常検知装置。
2. 前記異常検知部が対象日における異常判定に用いる推定モデルは、
   当該対象日よりも過去における複数の期間における発電電力と日射強度
   を参照して生成された推定モデルであることを特徴とする請求項１に記載の異常検知装置。
3. 前記異常検知部が対象日における異常判定に用いる推定モデルは、
   当該対象日を含む月の前月１ヶ月における発電電力と日射強度、及び
   当該対象日を含む月の過去の同月１ヶ月における発電電力と日射強度
   を参照して生成された推定モデルであることを特徴とする請求項２に記載の異常検知装置。
4. 前記推定モデルには、非線形項を含む回帰曲線が含まれる
   ことを特徴とする請求項１から３の何れか１項に記載の異常検知装置。
5. 前記所定の閾値は、０．６ｋＷ／ｍ^２であり、
   前記時間帯は、１１時から１２時５９分までの何れかの時間帯である
   ことを特徴とする請求項１から４の何れか１項に記載の異常検知装置。
6. 前記推定モデルを生成する推定モデル生成部を備えている
   ことを特徴とする請求項１から５の何れか１項に記載の異常検知装置。
7. 前記第１の取得部は、複数の太陽光発電装置が発電する各々の発電電力を示す発電電力情報を取得し、
   前記第２の取得部は、前記複数の太陽光発電装置の各々における日射強度を示す日射強度情報を取得し、
   前記異常検知部は、
   前記複数の太陽光発電装置の各々に対して、推定発電電力と、前記第１の取得部が取得した発電電力情報が示す発電電力との乖離度を用いて異常の有無を判定し、
   所定の数以上の太陽光発電装置が異常であると判定した場合には、前記複数の太陽光発電装置の各々における乖離度から導出される統計的値を参照して、各々の太陽光発電装置に関する乖離度を補正し、補正後の乖離度に基づいて、異常の有無を判定する
   ことを特徴とする請求項１から６の何れか１項に記載の異常検知装置。
8. 太陽光発電装置が発電する発電電力を示す発電電力情報を取得する第１の取得部と、
   日射強度を示す日射強度情報を取得する第２の取得部と、
   所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して、日射強度に基づき発電電力を推定する推定モデルを生成する推定モデル生成部を備えており、
   前記所定の日照条件は、日射強度が所定の閾値以下であることを含み、
   前記時間帯には、朝、夕、及び夜を含まない
   ことを特徴とする推定モデル生成装置。
9. 太陽光発電装置が発電する発電電力を示す発電電力情報を取得する第１の取得工程と、
   前記太陽光発電装置における日射強度を示す日射強度情報を取得する第２の取得工程と、
   所定の日照条件及び時間帯において実際に発電された発電電力と当該所定の日照条件及び時間帯での実際の日射強度とを参照して生成された推定モデルであって、日射強度に基づき発電電力を推定する推定モデルを用いて、前記第２の取得工程にて取得した日射強度情報が示す日射強度であって前記所定の日照条件及び時間帯における日射強度から、当該所定の日照条件及び時間帯における発電電力を推定する推定工程と、
   前記推定工程にて推定した発電電力である推定発電電力と、前記第１の取得工程において取得した発電電力情報が示す発電電力であって前記所定の日照条件及び時間帯における発電電力とを比較することにより、異常の有無を判定する異常判定工程と
   を含み、
   前記所定の日照条件は、日射強度が所定の閾値以下であることを含み、
   前記時間帯には、朝、夕、及び夜を含まない
   ことを特徴とする異常検知方法。
10. 請求項１から７の何れか１項に記載の異常検知装置としてコンピュータを機能させるための異常検知プログラムであって、前記推定部および異常検知部としてコンピュータを機能させるための異常検知プログラム。

Images