JP2021161932A - 風力発電装置の発電量予測装置 - Google Patents

Abstract

【課題】気象予報値と発電量の関係モデルを用いた風力発電装置の発電量予測装置において、発電装置の劣化の影響を発電量の予測値に反映する。【解決手段】発電量予測装置のコンピュータは、風力発電装置の風速計の計測値と発電量の実績値を所定期間にわたって取得し、複数の計測値の平均値Ｖｍ＿ａｖｅと、複数の実績値の平均値Ｐｍ＿ａｖｅを算出する。所定期間において関係モデルを用いて得られた発電量の予測値の平均値Ｐｒ＿ａｖｅを算出する。発電量の予測値の平均値Ｐｒ＿ａｖｅと実績値の平均値Ｐｍ＿ａｖｅとの差分を算出する。パワーカーブを用いて風速計測の平均値Ｖｍ＿ａｖｅに対応する発電量Ｐｓを特定し、発電量Ｐｓから差分を減じた発電量に対応する風速Ｖｓを特定する。風速Ｖｓを平均値Ｖｍ＿ａｖｅで除した値を風速補正係数として算出する。コンピュータは、気象予報値の風速に風速補正係数を乗じた値を関係モデルに入力し、予測値を得る。【選択図】図３

Description

本明細書が開示する技術は、風力発電装置の発電量予測装置に関する。

風力発電装置はブレードが受ける風の速度（風速）によって発電量が変化する。したがって将来に発電可能な電力量が確定しない。将来の発電量が把握できないと、電力の管理に支障をきたす。そこで、風向／風速などの気象予報値から将来の発電量を予測する技術が必要とされる。特許文献１に、風力発電装置の発電量予測装置の一例が開示されている。

特許文献１に開示された技術では、将来の風向／風速の気象予報値からブレードが受ける風の速度（風速）を予測し、予測された風速からパワーカーブを使って予測発電量を得る。パワーカーブとは、ブレードがその回転軸線方向から受ける風の速度と発電量の関係を規定したグラフである。パワーカーブは風力発電装置の性能等から予め求められている。

特開２０１６−１３６００４号公報

精度の高い予測値を得る手法として、ニューラルネットワークに代表される機械学習などにより、気象予報値から発電量の予測値を出力する関係モデルを得ることが考えられる。近年の機械学習の理論と実践の進歩は目覚ましく、そのような手法を用いれば高い精度で発電量の予測値を得ることが期待できる。

一方、関係モデルを得た後、風力発電装置の経年劣化により、関係モデルによって得られる予測値の精度が低下する。経年変化の例は、ブレード回転軸線に対する風速計の軸線のずれ、あるいは、発電器の機械的な劣化などである。

劣化が進行した後に関係モデルを再構築するのはコストが嵩む。また、劣化が進行した後の少量のデータから、多様な気象条件を考慮した関係モデルを再構築することは難しい。

本明細書は、関係モデルを使って気象予報値から発電量の予測値を得る発電量予測装置において、関係モデルを修正することなく、劣化の影響を発電量の予測値に反映する技術を提供する。

風力発電装置では、先に言及したパワーカーブが知られており、パワーカーブは実験や解析、あるいはシミュレーション等によって予め求められる。一方、劣化の主要な要因の一つに風速計の軸線のずれが考えられる。本明細書は、関係モデルによる発電量の予測値と実測値のずれを、パワーカーブを使って風速のずれに換算し、関係モデルに入力する気象予報値に含まれる風速に乗じる補正係数を得る。本明細書が開示する技術は、風力発電装置の劣化には複数の要因があるが、複数の要因による劣化の程度を、パワーカーブを使って全て「風速のずれ」として集約する点に特徴がある。

本明細書が開示する発電量予測装置は、記憶装置と、コンピュータを備えている。記憶装置は、風力発電装置の地における風速等の気象予報値と発電量の関係を示す関係モデルと、風力発電装置のブレードが受ける風の速度と発電量との関係を示すパワーカーブを記憶している。記憶装置は発電量予測装置の近くに位置する必要はなく、発電量予測装置のコンピュータとネットワークで接続されていればよい。関係モデルに入力する気象予報値には、少なくとも風力と風速と気温が含まれる。

発電量予測装置のコンピュータは、関係モデルに入力する風速の気象予報値に乗じる風速補正係数を算出する。風速補正係数の算出手順は次の通りである。コンピュータは、風力発電装置に備えられている風速計の計測値Ｖｍと風力発電装置の発電量の実績値Ｐｍを過去の所定期間にわたって取得する。コンピュータは、取得した複数の計測値Ｖｍの平均値（風速計測平均値Ｖｍ＿ａｖｅ）と、取得した複数の実績値Ｐｍの平均値（発電量実績平均値Ｐｍ＿ａｖｅ）を算出する。コンピュータは、所定期間において関係モデルを用いた発電量の予測値（発電量予測値Ｐｒ）の平均値（発電量予測平均値Ｐｒ＿ａｖｅ）を算出する。コンピュータは、発電量予測平均値Ｐｒ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅとの差分（発電量差ｄＰ）を算出する。コンピュータは、パワーカーブを用いて風速計測平均値Ｖｍ＿ａｖｅに対応する発電量（対応発電量Ｐｓ）を特定し、対応発電量Ｐｓから発電量差ｄＰを減じた発電量に対応する風速（対応風速Ｖｓ）を特定する。最後にコンピュータは、対応風速Ｖｓを風速計測平均値Ｖｍ＿ａｖｅで除した値を風速補正係数として算出する。

本明細書が開示する発電量予測装置は、関係モデルを用いて得られた発電量予測値Ｐｒの平均値（発電量予測平均値Ｐｒ＿ａｖｅ）と、実績値Ｐｍの平均値（発電量実績平均値Ｐｍ＿ａｖｅ）とのずれ（発電量差ｄＰ）が、おおよそ風速計の軸線のずれに起因するものであると仮定する。別言すれば、上記のアルゴリズムは、様々な劣化要因に起因する発電量のずれ（発電量予測平均値Ｐｒ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅの差）が、おおよそ風速のずれに集約できるという前提で構築されている。

パワーカーブに基づくと、ブレードに正対する風の速度が風速計測平均値Ｖｍ＿ａｖｅのとき、対応発電量Ｐｓが得られる。発電量の予測値と実績値のずれは発電量差ｄＰである。対応発電量Ｐｓが得られると期待される一方で、期待値に対する実績値のずれが発電量差ｄＰであると仮定する。そこで、パワーカーブにおいて対応発電量Ｐｓから発電量差ｄＰを減じた発電量に対応する風速（対応風速Ｖｓ）が、風力発電装置のブレードが実際に受ける風の速度（風速）であるとみなす。風速計測平均値Ｖｍ＿ａｖｅを対応風速Ｖｓに変換するための乗数が、風速補正係数として得られる。劣化の影響は風速補正係数として考慮される。風速の気象予報値に風速補正係数を乗じて関係モデルに入力し、発電量の予測値を得ることで、関係モデルを修正することなく、劣化の影響を反映した予測値を得ることができる。

本明細書が開示する技術の詳細とさらなる改良は以下の「発明を実施するための形態」にて説明する。

風力発電装置と発電量予測装置の模式図である。 発電量の予測のアルゴリズムの概要を示す図である。 風速補正係数の算出過程を説明する図である。 実績値のフィルタリング処理を説明する図である。

図面を参照して実施例の発電量予測装置を説明する。まず、風力発電装置の概要を説明する。図１に、発電量予測装置１０を伴う風力発電装置２０の模式図を示す。図１において、太線は電力線を表している。矢印線は通信線を表している。

風力発電装置２０は、風力でブレード２３を回転させ、回転軸に連結された発電機２４で発電する。発電機が発電した電力は電圧コンバータ２７に送られる。電圧コンバータ２７は、発電機で得られた電力の電圧を送電に適した電圧に変換する。電圧コンバータ２７の出力端にインバータ２８が接続されている。インバータ２８は、電圧コンバータ２７の出力電力を送電に適した周波数の交流電力に変換する。インバータ２８の出力した電力は送電線３１によって各所に送電される。電圧コンバータ２７とインバータ２８はコントローラ３０により制御される。

発電機２４はナセルと呼ばれるハウジング（ナセル２２）に収容されており、ナセル２２にブレード２３が軸支持されている。ナセル２２はタワー２１の上端に駆動機構２６を介して取り付けられている。駆動機構２６は、ナセル２２を垂直軸回りに回転させることができる。ナセル２２には風向風速計２５が取り付けられている。風向風速計２５は、その軸がブレード２３の軸と平行になるようにナセル２２に取り付けられている。風向風速計２５の計測データはコントローラ３０に送られる。コントローラ３０は、風力で最大限の発電ができるように、風向風速計２５の計測データから、ブレード２３（ナセル２２）が風向に対して正対するように駆動機構２６を制御する。

風力発電装置２０はブレード２３が受ける風の速度（風速）によって発電量が変化する。したがって将来に発電可能な電力量が確定しない。将来の発電量が把握できないと、電力の管理に支障がある。そこで、風向風速などの気象予測値から将来の発電量を予測する発電量予測装置１０が風力発電装置２０に付随している。なお、発電量予測装置１０は、通信線で風力発電装置２０と通信可能に接続されていればよく、設置の場所に制限はない。発電量予測装置１０は、コンピュータ１１と、コンピュータ１１に接続されている記憶装置１２を備えている。記憶装置１２はコンピュータ１１の近傍に配置されている必要はなく、ネットワーク４０を介してコンピュータ１１と接続されていてもよい。

発電量予測装置１０のコンピュータ１１は、ネットワーク４０を介して気象予報データ提供センタ４１と接続されている。発電量予測装置１０は、気象予報データ提供センタ４１から将来の風向と風速などのデータ（気象予報値）を受け取り、将来の発電量を予測する。予測された発電量は、ネットワーク４０を介して電力管理センタ４２などへ送られる。

発電量予測装置１０は、記憶装置１２に記憶された関係モデルを用いて発電量を予測する。関係モデルは、過去の気象予報値と発電量の実績値の膨大なデータを教示データとしてニューラルネットワーク等の機械学習で構築されたモデルである。気象予報値には、少なくとも、風力発電装置２０の地の風速、風向、気温のデータが含まれる。気象予報値には、湿度などの予報値が含まれていてもよい。コンピュータ１１が既に構築された関係モデルに新たな気象予報値を入力すると、関係モデルから、その新たな気象予報値に対応した発電量予測値が出力される。関係モデルは従来から知られている機械学習などの技法により構築される。ここでは、関係モデルの詳細については説明を割愛する。

関係モデルが構築された後も、風力発電装置２０は徐々に、機械的電気的に劣化していく。劣化の例は、ブレード２３の回転軸の軸受の摩擦抵抗の変化、風向風速計２５の向きのブレードの回転軸線からのずれ、などである。それらの劣化により発電効率が低下する。劣化の影響を関係モデルに組み込むことはコストがかかる。また、劣化が進行した後の少量のデータから、多様な気象条件を考慮した関係モデルを再構築することは難しい。そこで、実施例の発電量予測装置１０は、パワーカーブと呼ばれる関係を使って、劣化の影響を発電量の予測値に反映する。

パワーカーブとは、ブレードがその回転軸線方向から受ける風の速度と発電量の関係を意味し、一般には、横軸に風速をとり、縦軸に発電量をとったグラフで表される。パワーカーブは、風力発電装置２０の設計データ、シミュレーション、解析、実験などにより予め求められている。パワーカーブのデータも記憶装置１２に格納されている。

発電量予測装置１０には、風向風速計２５のデータ（風速の計測値）と、発電量のデータ（発電量の実績値）が入力される。風力発電装置２０は、電圧コンバータ２７とインバータ２８の間を流れる電力を計測する電力センサ２９を備えている。電力センサ２９の計測データ（すなわち、風力発電装置２０が発電した発電量の実績値のデータ）が発電量予測装置１０へ送られる。発電量予測装置１０は、得られた過去の風速計測値と発電量実績値の複数の組を記憶する。

図２に、発電量予測装置１０が発電量の予測値を導出するアルゴリズムの概要を示す。発電量予測装置１０のコンピュータ１１は、気象予報データ提供センタ４１から将来の特定の日の気象予報値を取得する。気象予報値には、少なくとも風速、風向、気温の予報値が含まれる。コンピュータ１１は、取得した気象予報値を関係モデルに入力し、発電量の予測値を得る。このとき、コンピュータ１１は、風速の予報値に風速補正係数Ｃｗを乗じた後に関係モデルに入力する。別言すれば、コンピュータ１１は、気象予報値に含まれる風速に風速補正係数を乗じた値、および、風速以外の気象予報値を関係モデルに入力し、発電量予測値Ｐｒを得る。風速補正係数Ｃｗが、風力発電装置の２０の劣化の影響を発電量の予測値に反映するためのポイントである。

風速補正係数Ｃｗを得るための処理について説明する。コンピュータ１１は、所定のプログラムを実行することで、風速補正係数Ｃｗを得るための処理を実現する。

コンピュータ１１は、風力発電装置２０に備えられている風向風速計２５の計測値（風速の計測値Ｖｍ）と、風力発電装置２０の発電量の実績値Ｐｍを過去の所定期間にわたって取得する。所定期間は、例えば１か月であったり、１年であったりする。先に述べたように、発電量の実績値Ｐｍは、電力センサ２９から得られる。コンピュータ１１は、所定期間の間に気象予報値を関係モデルに入力して得られた発電量の予測値（発電量予測値Ｐｒ）も記憶する。

コンピュータ１１は、取得した複数の計測値Ｖｍの平均値（風速計測平均値Ｖｍ＿ａｖｅ）と、取得した複数の実績値Ｐｍの平均値（発電量実績平均値Ｐｍ＿ａｖｅ）を算出する。また、コンピュータ１１は、所定期間における発電量予測値Ｐｒの平均値（発電量予測平均値Ｐｒ＿ａｖｅ）を算出する。コンピュータ１１は、発電量予測平均値Ｐｒ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅとの差分（発電量差ｄＰ）を算出する。

その後、コンピュータ１１は、パワーカーブの関係を使って風速補正係数Ｃｗを算出する。ここからは、図３を参照しつつ、コンピュータ１１の処理を説明する。図３には、先に説明したパワーカーブが示されている。

パワーカーブは、図３に示すように、模式的には横軸に風速をとり縦軸に発電量をとったグラフで表される。風速が大きくなるほど発電量も大きくなる。ただし、風速が所定の値を超えると、発電量は頭打ちになる。複数の風力発電装置（複数のタワー２１）の総発電量を管理する場合、パワーカーブの縦軸は、稼働中の複数の風力発電装置の総発電量を表す。

コンピュータ１１は、パワーカーブを用いて風速計測平均値Ｖｍ＿ａｖｅに対応する発電量（対応発電量Ｐｓ）を特定する。図３の破線矢印線Ａが、対応発電量Ｐｓを求める処理を示している。次いで、コンピュータ１１は、対応発電量Ｐｓから発電量差ｄＰを減じた発電量（図３の発電量Ｐａ）に対応する風速（対応風速Ｖｓ）を特定する。図３の破線矢印線Ｂが、対応風速Ｖｓを求める処理を示している。

パワーカーブに基づくと、ブレード２３に正対方向から吹いてくる風の速度が風速計測平均値Ｖｍ＿ａｖｅのとき、対応発電量Ｐｓが得られるはずである（図３の破線矢印線Ｂ）。発電量の予測値と実績値のずれは発電量差ｄＰである。対応発電量Ｐｓが得られると期待される一方で、発電量の期待値（対応発電量Ｐｓ）に対する実績値のずれが発電量差ｄＰであるとみなす。このずれは、風力発電装置２０の様々な劣化の結果で生じる。特に、風向風速計２５の軸線とブレード２３の回転軸とのずれの影響が大きい。風向風速計２５の軸線が回転軸からずれると、風向風速計２５が計測する風速と、ブレード２３が正対方向から受ける風速に差が生じる。この風速の差が、関係モデルから得られる発電量予測値Ｐｒと、発電量の実績値（発電量実績値Ｐｍ）のずれ（劣化によるずれ）の要因であるとみなす。別言すれば、風速の差は、関係モデルから得られる発電量予測値Ｐｒと、発電量の実績値（発電量実績値Ｐｍ）のずれの風速換算値に相当する。

そこで、パワーカーブにおいて対応発電量Ｐｓから発電量差ｄＰを減じた発電量（図３における発電量Ｐａ）に対応する風速（対応風速Ｖｓ）が、風力発電装置２０のブレードが実際に受ける風の速度（風速）であるとみなす。風速計測平均値Ｖｍ＿ａｖｅを対応風速Ｖｓに変換するための乗数が、風速補正係数Ｃｗとして得られる。風速補正係数Ｃｗは、対応風速Ｖｓを風速計測平均値Ｖｍ＿ａｖｅで除することで得られる（図３の数式１参照）。劣化の影響は風速補正係数Ｃｗとして表される。

コンピュータ１１は、こうして得られた風速補正係数Ｃｗを、風速の気象予報値に乗じて関係モデルに入力し（風速以外の気象予報値はそのまま関係モデルに入力し）、発電量の予測値（発電量予測値Ｐｒ）を得る。風速補正係数Ｃｗを導入することで、関係モデルを修正することなく、劣化の影響を反映した予測値を得ることができる。

風速補正係数Ｃｗを求める処理は例えば１年に１回程度の頻度で繰り返し実行される。コンピュータ１１は、それまでの風速補正係数Ｃｗに今回の処理で得られた風速補正係数Ｃｗを乗じた値を新たな風速補正係数として記憶する。

コンピュータ１１は、実績値の全てを用いるのではなく、不適切な実績値を除くフィルタを実績値に適用して残った実績値を用いて風速計測平均値Ｖｍ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅを求めてもよい。図４にフィルタリング処理を説明する図を示す。図４のパワーカーブのグラフには、風速補正係数Ｃｗを求めるのに適切な風速範囲（許容風速範囲Ｖｔ）と発電量範囲（許容発電量範囲Ｐｔ）が示されている。図４のばつ印群は過去の風速と発電量のデータ（実績値）を示している。データＡ１、Ａ２は、許容風速範囲Ｖｔから外れている。データＡ３、Ａ４は、許容発電量範囲Ｐｔから外れている。コンピュータ１１は、過去の実績値から許容風速範囲Ｖｔから外れるデータ（実績値）と許容発電量範囲Ｐｔから外れるデータ（実績値）を除外し、残ったデータ（実績値）のみを使って風速計測平均値Ｖｍ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅを求める。極端な実績値、すなわち許容風速範囲Ｖｔと許容発電量範囲Ｐｔから外れた実績値を除き、残った実績値から風速計測平均値Ｖｍ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅを求め、それらの値を使って風速補正係数Ｃｗを求めることで、発電量予測値Ｐｒの精度が向上する。

図４の場合は風速と発電量の双方に許容範囲を設定したが、いずれか一方のみ許容範囲を設定してもよい。コンピュータは、取得した計測値Ｖｍと実績値Ｐｍの組の中から、計測値Ｖｍが所定の許容風速範囲から外れた組を除外して風速計測平均値Ｖｍ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅを算出するようにしてもよい。

コンピュータは、取得した計測値Ｖｍと実績値Ｐｍの組の中から、実績値Ｐｍが所定の許容発電量範囲から外れた組を除外して風速計測平均値Ｖｍ＿ａｖｅと発電量実績平均値Ｐｍ＿ａｖｅを算出してもよい。

実施例で説明した技術に関する留意点を述べる。気象予報値と実際の気象データとのずれによっても発電量の予測値と実績値の間にずれが生じ得る。しかし、本明細書開示する発電量予測装置が用いる関係モデルは、気象データ（実際に生じた風速や風向のデータ）と発電量の関係を規定するものではなく、気象予報値と発電量の関係を規定するものである。従って気象予報値と気象データのずれは、過去の気象予報値に基づいて構築された関係モデルにすでに反映されている。それゆえ、発電量の予測値と実績値のずれが風力発電装置の劣化に起因するものであるとみなしてよい。

以上、本発明の具体例を詳細に説明したが、これらは例示に過ぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成し得るものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

１０：発電量予測装置
１１：コンピュータ
１２：記憶装置
２０：風力発電装置
２１：タワー
２２：ナセル
２３：ブレード
２４：発電機
２５：風向風速計

Claims (4)

1. 風力発電装置の発電量予測装置であり、
   前記風力発電装置の地における風速等の気象予報値と発電量の関係を示す関係モデルと、前記風力発電装置のブレードが受ける風の速度と発電量との関係を示すパワーカーブを記憶している記憶装置と、
   前記関係モデルに入力する風速の前記気象予報値に乗じる風速補正係数を算出するコンピュータと、
   を備えており、
   前記コンピュータは、
   前記風力発電装置に備えられている風速計の計測値Ｖｍと当該風力発電装置の発電量の実績値Ｐｍを過去の所定期間にわたって取得し、
   取得した複数の前記計測値Ｖｍの平均値（風速計測平均値Ｖｍ＿ａｖｅ）と、取得した複数の前記実績値Ｐｍの平均値（発電量実績平均値Ｐｍ＿ａｖｅ）を算出し、
   前記所定期間において前記関係モデルを用いて得られた発電量の予測値（発電量予測値Ｐｒ）の平均値（発電量予測平均値Ｐｒ＿ａｖｅ）を算出し、
   前記発電量予測平均値Ｐｒ＿ａｖｅと前記発電量実績平均値Ｐｍ＿ａｖｅとの差分（発電量差ｄＰ）を算出し、
   前記パワーカーブを用いて前記風速計測平均値Ｖｍ＿ａｖｅに対応する発電量（対応発電量Ｐｓ）を特定するとともに、前記対応発電量Ｐｓから前記発電量差ｄＰを減じた発電量に対応する風速（対応風速Ｖｓ）を特定し、
   前記対応風速Ｖｓを前記風速計測平均値Ｖｍ＿ａｖｅで除した値を前記風速補正係数として算出する、発電量予測装置。
2. 前記コンピュータは、取得した前記計測値Ｖｍと実績値Ｐｍの組の中から、前記計測値Ｖｍが所定の許容風速範囲から外れた前記組を除外して前記風速計測平均値Ｖｍ＿ａｖｅと前記発電量実績平均値Ｐｍ＿ａｖｅを算出する、請求項１に記載の発電量予測装置。
3. 前記コンピュータは、取得した前記計測値Ｖｍと実績値Ｐｍの組の中から、前記実績値Ｐｍが所定の許容発電量範囲から外れた前記組を除外して前記風速計測平均値Ｖｍ＿ａｖｅと前記発電量実績平均値Ｐｍ＿ａｖｅを算出する、請求項１または２に記載の発電量予測装置。
4. 前記関係モデルは、過去の前記気象予報値と前記実績値Ｐｒを教示データとして機械学習により求められたものである、請求項１から３のいずれか１項に記載の発電量予測装置。

Images