JP5952090B2 - 太陽光発電量推定システム、推定方法および太陽光発電系統制御システム - Google Patents

Description

本発明は、太陽光発電装置の発電量データを利用して、任意の太陽光発電装置の発電量を推定する太陽光発電量推定システム、推定方法および太陽光発電系統制御システムに関する。

近年、一般家庭への太陽光発電の普及が進んでおり、今後の大量導入が見込まれる。この太陽光発電の発電量は、天候の変化に伴い大きく急速に変化する。太陽光発電の大量導入に伴い系統全体に対する影響が増大し、太陽光発電の発電量変動が需給不均衡、系統電圧変動など様々な弊害を発生させる。さらに、太陽光発電装置は広域に数多く分散して設置されるので、電力系統への影響を低減させるよう個々の太陽光発電装置を制御することが難しい。

そこで、太陽光発電装置による発電量を予測する技術が検討されている。本技術分野の背景技術として、特許文献１がある。特許文献１には、「太陽光を受光して発電する太陽光パネルと、前記太陽光パネルが設置されている地点の全天を画像として撮像する３６０度全方位カメラと、前記全天の画像から雲の分布と雲の動きとを検出する画像処理部と、前記雲の分布と雲の動きとに基づいて所定の未来の時点での雲の分布を予測し、該予測した雲の分布に基づいて前記未来の時点での前記太陽光パネルの発電電力を予測する」と記載されている。

また、天候情報あるいは衛星画像に表示される雲の位置情報から太陽光発電量を予測する技術が知られている。特許文献２には、「天気予報などの天候予測により風や雲の動き・気温などを予想し、それを元に発電予測する」と記載されている。

なお特許文献３には、太陽光発電装置設置地点における太陽光発電量の推定手法が記載されている。

特開２００７−１８４３５４号公報 特開２０１０−５７２６２号公報 特開２０１２−２７５１５号公報

しかしながら、特許文献１に記載の技術を用いる場合、全方位カメラの設置位置から遠距離に位置する雲の分布を検出する際、雲を斜め方向から撮影するため雲の形状推定が困難となり推定精度が低下する。推定精度を向上させるための対策として、設置する全方位カメラを増加させると、機器設置コストが増大する。

また、特許文献２に記載の技術を用いる場合、短周期の太陽光発電量把握が困難となる。一般に入手できる天気予報の更新間隔は数時間であり、衛星画像の更新間隔は１時間である。一方で、太陽光発電量が数分で５０％以上変動する場合も生じ得るため、発電量変動により生じる需給不均衡、系統電圧変動などを解決するためには、さらに短周期の太陽光発電量推定が必要となる。

加えて、上記２つの公知技術に共通する課題として、各太陽光発電装置における発電量の推定誤差が不明であることが挙げられる。太陽光発電量の推定誤差は、太陽光発電装置の設置地点の地理的要因（山間部、平野部など）による気象変動傾向、推定アルゴリズム、使用する入力データなどに左右されるが、上記公知技術では上記誤差要因を考慮しつつ地点ごとの推定誤差を求めることができない。

地点ごとの太陽光発電量推定値を用いた系統制御を実施する場合、上記公知技術では太陽光発電装置ごとに生じ得る推定誤差を求めることができないため、推定誤差を実際より大きく見積もった系統機器制御手法を採用することによる制御タップ作動回数増大や、必要機器コストを大きく見積ることによる機器管理コスト増大の可能性がある。

本発明の目的は、低コストかつ高精度に短周期の太陽光発電量および信頼度の算出が可能な太陽光発電量推定システム、推定方法および太陽光発電系統制御システムを提供することである。

前記目的を達成するために本発明の太陽光発電量推定システムは、配電系統に接続された太陽光発電装置の発電量を一定周期で得る通信手段、発電量の時系列データを記憶する第１のデータベース、配電系統を含む地域の地図情報を記憶する第２のデータベース、配電系統を含む地域の気象情報を記憶する第３のデータベース、演算手段、モニタを備え、演算手段は、配電系統に接続された第１の太陽光発電装置と第２の太陽光発電装置の設置位置を含む地域の地図情報、気象情報および計測した太陽光発電量の時系列データを用いて、予測時刻における第２の太陽光発電装置の推定発電量をその推定の信頼度の情報とともに得ることを特徴とする。

前記目的を達成するために、本発明の太陽光発電量推定方法は、第１の太陽光発電装置で計測した発電量から第２の太陽光発電装置の発電量を推定するために、第１の太陽光発電装置と第２の太陽光発電装置の設置位置を含む地域の地図情報、気象情報および計測した太陽光発電量の時系列データを用いて、予測時刻における第２の太陽光発電装置の推定発電量をその推定の信頼度の情報とともに得ることを特徴とする。

前記目的を達成するために、本発明の太陽光発電系統制御システムは、配電系統に複数の太陽光発電装置が設置され、配電系統の系統制御装置を備えており、太陽光発電量推定システムが与える予測時刻における推定発電量の総和と推定信頼度の情報を配電系統の系統制御装置に与えて配電系統を制御することを特徴とする。

本発明によれば、低コストかつ高精度に短周期の太陽光発電量および信頼度の算出が可能となる。

発電量推定装置１８が備える機能構成の一例を示すブロック図。 太陽光発電量推定システム１０の構成を示す模式図。 発電量推定装置１８が備える発電量推定部１１の一例を示すブロック図。 計測情報データベースＤＢ１に構成されるデータテーブルの一例を示す図。 雲の境界を推定する方法を説明するための模式図。 地点情報データベースＤＢ２に構成されるデータテーブルの一例を示す図。 発電特性情報データベースＤＢ５に構成されるデータテーブルの一例を示す図。 或る地点のＰＶ装置ＰＶにおける発電量の時間的推移を示す図。 計測地点における風速及び風向を示す模式図。 気象情報データベース８に構成されるデータテーブルの一例を示す図。 現在時刻における減少地点と増加地点を示す模式図。 第２の制約条件を説明するための模式図。 第３の制約条件を説明するための模式図。 第３の制約条件に反する境界線を修正する方法を説明するための模式図。 或る地点が閉曲線の内部に位置するか否かの判定方法を説明するための模式図。 予測発電量データベースＤＢ７に構成されるデータテーブルの一例を示す図。 発電量推定部１１の予測発電量推定処理の一例を示すフローチャート。 変化点閾値を２つ設定した場合の発電量の時間的推移を示すグラフ。 予測時刻における境界地点及び閉曲線の変形例を示す模式図。 風向風速情報の推定手法の代案例を示した図。 風向風速情報の推定手法の代案例を示した図。 信頼度モデル設定部１２の処理の一例を示すフローチャート。 信頼度モデル設定部１２で設定する信頼度モデルのデータ構成例を示す図。 信頼度指標を発電量の推定誤差により定義する場合の説明図。 信頼度指標を、ある発電量に達する時刻の差（時刻ずれ）により定義する場合の説明図。 度数分布、およびその度数分布から算出した信頼度の例を示す図。 ＰＶ装置が設置された地点を含む地域の地図を示す図。 Ｘ軸に沿った信頼度の増減モデルの例を示す図。 Ｙ軸に沿った信頼度の増減モデルの例を示す図。 ＸＹ平面で表わされる地域の上に信頼度を垂直軸方向に表示した図。 信頼度の段階設定例を示す図。 信頼度分布の表示画面例を示す図。 系統制御装置１０５を備える太陽光発電系統制御システム構成を示す図。 従来のＳＶＲ制御手法による系統電圧の時系列変化を示す図。 本発明の予測制御手法による系統電圧の時系列変化を示す図。 信頼度を加味しない予測制御手法による系統電圧の時系列変化を示す図。 信頼度を加味した予測制御手法による系統電圧の時系列変化を示す図。 可否判断（ａ）（ｂ）について対策した本発明の一例を示す図。 可否判断（ｃ）について対策した本発明の一例を示す図。

本発明の実施形態について、図面を参照して説明する。

図２は、太陽光発電量推定システム１０の構成を示す模式図である。太陽光発電量推定システム１０は、太陽光発電装置（以下「ＰＶ装置」という）ＰＶａ、ＰＶｂ、ＰＶｃと、電力センサＳａ、Ｓｃと、発電量推定装置１８と、通信ネットワークＮＷと、を有する。電力センサＳａ、Ｓｃと、発電量推定装置１８とは、通信ネットワークＮＷを介して接続されている。ＰＶ装置ＰＶａ、ＰＶｂ、ＰＶｃをＰＶ装置ＰＶと言うことがある。電力センサＳａ、Ｓｃを電力センサＳと言うことがある。

通信ネットワークＮＷは、双方向にデータを伝送可能なネットワークである。通信ネットワークＮＷは、例えば、有線ネットワーク若しくは無線ネットワーク、又はそれらの組み合わせで構成される。通信ネットワークＮＷは、いわゆるインターネットであっても良いし、専用線のネットワークであっても良い。

ＰＶ装置ＰＶは、パネルに太陽光を受光することで、日射強度に応じた量の発電を行う。ＰＶ装置ＰＶは、発電した電力を、配電線路を通じて電力系統Ｌに供給する。

電力センサＳは、ＰＶ装置ＰＶにて発電された発電量を、一定時間ごと（例えば、１秒ごと）に計測する。そして、電力センサＳは、その計測した発電量の情報（以下「計測情報」という）１１５（図４参照）を、通信ネットワークＮＷを介して、発電量推定装置１８に送信する。電力センサＳは、柱上変圧器又は開閉器等の内部に設置され得る。

発電量推定装置１８は、電力センサＳから送信された計測情報１１５を受信及び保持する。そして、発電量推定装置１８は、所定の時刻において、所定の地域内に設置されている各ＰＶ装置ＰＶの発電量の合計を予測し、合わせて予測の信頼度の情報を与える。このとき、発電量推定装置１８は、電力センサＳが設置されていないＰＶ装置ＰＶ（例えば、図２のＰＶ装置ＰＶｂなど）については、後述する方法により、所定の時刻における発電量を推定する。この発電量推定装置１８の詳細については、後述する。以下、発電量推定装置１８のハードウェア構成の一例を示す。

発電量推定装置１８は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、メモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０２と、通信デバイス９０３と、入力デバイス９０４と、表示デバイス９０５と、記憶デバイス９０６とを有する。これら要素９０１〜９０６は、双方向にデータ伝送が可能なバス９１０で接続されている。

ＣＰＵ９０１は、コンピュータプログラム（以下「プログラム」という）に記載された内容を実行することにより、後述する各種機能を実現する。各種機能の詳細については後述する。

メモリ９０２は、ＣＰＵ９０１におけるプログラムの実行に必要なデータを一時的に保持する。メモリ９０２は、例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成される。

通信デバイス９０３は、通信ネットワークＮＷを介したデータの送受信を制御する。通信デバイス９０３は、例えば、電力センサＳから通信ネットワークＮＷを介して、計測情報１１５を取得する。

表示デバイス９０５は、ユーザに各種情報を提示し得る、いわゆるマンマシンインターフェースデバイスである。表示デバイス９０５は、例えば、ディスプレイ、又はスピーカ等で構成される。表示デバイス９０５に表示される各種情報については後述する。

入力デバイス９０４は、ユーザからの入力を受け付け得る、いわゆるヒューマンインタフェースデバイスである。入力デバイス９０４は、例えば、キーボード、マウス、又はボタン等で構成される。ユーザは、入力デバイス９０４を介して、各種パラメータを設定及び変更したり、各種機能の実行を指示したりできる。また、ユーザは、入力デバイス９０４を介して、所定のデータを表示デバイス９０５に表示させたりできる。

記憶デバイス９０６は、各種プログラム及びデータを保持する。記憶デバイス９０６は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はフラッシュメモリ９０２等で構成される。記憶デバイス９０６は、例えば、後述する各種機能を実現し得るプログラム及びデータ等を保持する。記憶デバイス９０６に記憶されているプログラム及びデータは、必要に応じてＣＰＵ９０１に読み出されて実行される。なお、記憶デバイス９０６は各種のデータベースＤＢで構成されている。

図１は、発電量推定装置１８が備える機能構成の一例を示すブロック図である。これらの機能は記憶デバイス９０６に格納された各種のデータベースＤＢに格納されるデータを使用して実現される。ここで実現される機能は、発電量を推定する発電量推定部１１と、信頼度モデルを設定する信頼度モデル設定部１２と、推定した発電量の信頼度を求める信頼度算出部１３で構成されている。また最終的に求められた推定発電量と、信頼度の情報が表示部２４に表示される。

以下各機能の詳細について、発電量推定部１１、信頼度モデル設定部１２、信頼度算出部１３の順に説明する。まず、発電量推定部１１について説明する。

図３は、発電量推定装置１８が備える機能構成のうち、発電量推定部１１の一例を示すブロック図である。発電量推定装置１８の発電量推定部１１は、計測情報取得部２０と、境界地点推定部２１と、雲形状形成部２２と、発電量予測部２３と、表示部２４とを有する。これら機能部２０〜２４は、ＣＰＵ９０１によって対応するプログラムが実行されることにより実現される。

更に、発電量推定装置１８内の発電量推定部１１の処理においては、計測情報データベースＤＢ１と、地点情報データベースＤＢ２と、制約条件データベースＤＢ３と、雲形状特性情報データベースＤＢ４と、発電特性情報データベースＤＢ５と、境界線データベースＤＢ６と、予測発電量データベースＤＢ７と、気象情報データベースＤＢ８に格納されたデータを使用する。これらデータベースＤＢは、例えば、記憶デバイス９０６内に構成される。

計測情報取得部２０は、電力センサＳから計測情報１１５を受信して、それを計測情報データベースＤＢ１に登録する。

図４は、計測情報データベースＤＢ１に構成されるデータテーブルの一例である。計測情報データベースＤＢ１は、１以上の計測情報１１５ａ、１１５ｂ、・・・を保持及び管理する。計測情報１１５ａ、１１５ｂ、・・・を計測情報１１５と言うことがある。計測情報１１５は、データ項目として例えば、地点ＩＤ１０１と、各時刻において計測された発電量１１１ａ、１１１ｂ、・・・１１１ｄとを有する。各時刻の発電量１１１ａ、１１１ｂ、・・・を発電量１１１と言うことがある。

このうち地点ＩＤ１０１は、ＰＶ装置ＰＶが設置されている地点を一意に識別するための値である。この地点ＩＤ１０１は、ＰＶ装置ＰＶの識別情報であっても良いし、地点の識別情報（例えば、その地点の住所又は名称等）であっても良い。各発電量１１１は、地点ＩＤ１０１によって識別されるＰＶ装置ＰＶが、各時刻において発電した量である。

図４に示す計測情報１１５ａの表示事例は、「地点Ａ」に設置されているＰＶ装置ＰＶの「１１：００」における発電量１１１が「６００」であり、「１１：０１」における発電量が「６１０」であることを示す。なお、各時刻における発電量１１１については、古いデータから適宜削除するようにしても良い。図３の説明に戻る。

図３の境界地点推定部２１は、所定の地域の所定の時刻における雲の境界地点（雲の端点）を抽出する。雲の境界とは、雲を地上に投影した場合に雲の影となる領域と影とならない領域との境界のことである。

以下、境界地点推定部２１の機能を説明する前に、雲の境界を定めるための考え方について補足的に説明をしておく。図５は、雲の境界を推定する方法を説明するための模式図である。図５において、所定の区域Ｒには、複数の受光装置１が分散して設置されている。この区域Ｒは、本発明により太陽光発電の総発電量を求める対象となる地域を意味している。

区域Ｒ内に設置された受光装置１は、太陽光の受光量に応じて変化する値である受光値を出力する。受光装置１は、例えば、ＰＶ装置ＰＶ又は日照計等である。受光信号は、例えば、受光装置１がＰＶ装置の場合は発電量であったり、受光装置１が日照計の場合は日射量であったりする。

推定装置は、所定の区域Ｒに設置されている複数の受光装置１のうちの全部又は一部である所定の複数の受光装置１の各々から受光信号を複数回取り込んで分析する。そして、推定装置は、所定の変化を有する受光信号を測定した受光装置１の設置地点と、その所定の変化が生じた時間を特定する。所定の変化とは、例えば、受光信号が所定時間に所定以上増加又は減少しているような変化である。若しくは、所定の変化とは、例えば、受光信号が所定時間に所定の増加傾向又は減少傾向を有するような変化である。

これにより、推定装置は、雲が地上に形成する影の境界（以下、雲の境界とも呼ぶ）が、その所定の変化が生じた時間に、その所定の変化を測定した受光装置１の設置地点を通過したと推定できる。

この設置地点を通過した雲の境界の一部を雲の境界地点と言う。よって、推定装置は、雲の境界が各受光装置１の設置地点と、その設置地点を通過した時間を用いて、或る時点における雲の境界地点を推定することができる。

このとき、推定装置は、風向及び風速に関する情報を用いることで、雲の境界地点が、その設置地点を通過した時間から或る時点までに、どの方向にどのくらい移動するかを推定することができる。推定装置は、例えば、発電量推定装置１８である。

例えば、図５において、受光装置１ａ、１ｂ、１ｃ、１ｄ、１ｅが所定の変化を測定した時間をそれぞれＴ１、Ｔ２、Ｔ３、Ｔ４、Ｔ５とする。このとき、推定装置は、雲の境界が、受光装置１ａの地点を時間Ｔ１に通過したと推定する。そして、推定装置は、その受光装置１ａの地点を時間Ｔ１に通過した雲の境界地点が、或る時点Ｔに地点２ａに移動していると推定する。

推定装置は、他の受光装置１ｂ〜１ｅについても同様に、その地点をＴ２〜Ｔ５に通過した雲の境界地点が、或る時点Ｔに地点２ｂ〜２ｅに移動していると推定する。これにより、推定装置は、或る時点Ｔにおける雲の境界地点２ａ〜２ｅを特定し、この雲の境界地点２ａ〜２ｅを線で結ぶことにより境界線Ｌ１を推定することができる。なお、雲の境界地点の移動先の方向及び速度（図５のベクトル３ａ〜３ｅ）は、例えば、その地点における風向及び風速に関する情報を用いて推定する。

以上の基本的な考え方に基づき、境界地点推定部２１では、各地点のＰＶ装置ＰＶの発電量の変化に基づいて、その雲の境界地点を抽出する。境界地点推定部２１の処理には、計測情報データベースＤＢ１と、地点情報データベースＤＢ２と、発電特性情報データベースＤＢ５と気象情報データベースＤＢ８などに格納されたデータを使用する。以下、具体的な格納データについて説明する。

図６は、地点情報データベースＤＢ２に構成されるデータテーブルの一例である。地点情報データベースＤＢ２は、１以上の地点情報１０５を保持及び管理する。地点情報１０５は、データ項目として例えば、地点ＩＤ１０１と、地点座標１０２と、計測フラグ１０３とを有する。

地点ＩＤ１０１については、上述の通りである。地点座標１０２は、地点ＩＤ１０１が示す地点の座標を示す値である。地点座標１０２は、例えば経度及び緯度で表現される。

計測フラグ１０３は、地点ＩＤ１０１に対応するＰＶ装置ＰＶの発電量を計測できたか否かを示すフラグである。図６では、計測できた場合を「○」、計測できなかった（非計測の）場合を「×」と表記している。電力センサＳを備えていないＰＶ装置ＰＶの計測フラグ１０３は、常に「非計測」となる。また、電力センサＳを備えているＰＶ装置ＰＶであっても、（例えば、通信ネットワークＮＷの障害等によって）計測情報１１５が取得できない場合、そのＰＶ装置ＰＶの計測フラグ１０３は「非計測」となる。

例えば、図６に示す地点情報値１０５ａは、地点ＩＤ１０１が「地点Ａ」の地点座標１０２は「経度３６．５、緯度１４０．５」であり、その地点のＰＶ装置ＰＶの発電量は計測できたことを示す。また、地点ＩＤ１０１が「地点Ｏ」の地点座標１０２は「経度３６．０、緯度１４０．０」であり、その地点ＩＤ１０１に対応するＰＶ装置ＰＶの発電量は計測できなかったことを示す。

図７は、発電特性情報データベースＤＢ５に構成されるデータテーブルの一例である。発電特性情報１２５は、データ項目として例えば、地点ＩＤ１０１と、定格発電量１２１と、季節別発電量１２２ａ〜１２２ｄとを有する。季節別発電量１２２ａ〜１２２ｄを季節別発電量１２２と言うことがある。

地点ＩＤ１０１については、上述の通りである。定格発電量１２１は、地点ＩＤ１０１が示すＰＶ装置ＰＶの定格発電量である。季節別発電量１２２は、各季節の晴天時における各時刻の平均的な（一般的な）発電量である。この季節別発電量１２２は、後述する発電量の変化点閾値を設定する際に必要となる。なぜなら、同じ時間であっても、季節が異なれば晴天時の発電量は異なり得るので、季節毎に発電量の変化点閾値を調整する必要があるためである。

例えば、図７に示す発電特性情報１２５ａは、地点ＩＤ値が「地点Ａ」のＰＶ装置ＰＶの定格発電量は「３．５」であり、春の晴天時の１２時における平均発電量１２２は「２．８」であることを示す。

次に、上述の計測情報１１５及び地点情報１０５を用いて、境界地点推定部２１が、雲の境界地点を抽出する方法について説明する。

図８は、或る地点のＰＶ装置ＰＶにおける発電量の時間的推移を示すグラフである。グラフ２００において、横軸は現在時刻を「Ｔｎ＝０」とした場合の時刻ｔ、縦軸は発電量Ｐを示す。このグラフ２００は、現在時刻Ｔｎよりも過去の時刻Ｔｄ（Ｔｄ＜Ｔｎ）において発電量Ｐが大きく減少している。そして、その減少した発電量Ｐが時刻Ｔｄよりも未来の時刻Ｔｕ（Ｔｄ＜Ｔｕ＜Ｔｎ）まで続き、時刻Ｔｕにおいて発電量Ｐが大きく増加している。このことから、このグラフ２００が示すＰＶ装置ＰＶの地点は、時刻Ｔｄから時刻Ｔｕまでの間、雲に覆われていたと推定できる。以下、この発電量Ｐが所定以上変化した時刻を検出する処理について説明する。

まず、境界地点推定部２１は、或る地点が雲に覆われているか否かを判定するための発電量の閾値である変化点閾値Ｐ１を設定する。境界地点推定部２１は、その或る地点において下記（１）式及び（２）式を共に満たす増加時刻Ｔｕ_ｉを抽出する。

Ｐ１−ε≦Ｐ（Ｔｕ_ｉ）≦Ｐ１＋ε …（１）
Ｐ（Ｔｕ_ｉ−１）＜Ｐ（Ｔｕ_ｉ）＜Ｐ（Ｔｕ_ｉ＋１） …（２）
ここで、「ｉ」は計測の順番を示す正の整数である。すなわち、「ｉ−１」は「ｉ」の計測時刻の１つ前の計測時刻を示し、「ｉ＋１」は「ｉ」の計測時刻の１つ後の計測時刻を示す。「ε」は変化点閾値Ｐ１の近傍の範囲を定義する所定値である。

つまり、境界地点推定部２１は、式１及び式２によって、変化点閾値Ｐ１とほぼ同じ発電量であって、且つ、発電量が時間経過と共に増加している増加時刻Ｔｕ_ｉのみを抽出する。

同様に、境界地点推定部２１は、その或る地点において下記（３）式及び（４）式を共に満たす減少時刻Ｔｄ_ｉを抽出する。

Ｐ１−ε≦Ｐ（Ｔｄ_ｉ）≦Ｐ１＋ε …（３）
Ｐ（Ｔｄ_ｉ−１）＞Ｐ（Ｔｄ_ｉ）＞Ｐ（Ｔｄ_ｉ＋１） …（４）
つまり、境界地点推定部２１は、（３）式及び（４）式によって、変化点閾値Ｐ１とほぼ同じ発電量であって、且つ、発電量が時間経過と共に減少している減少時刻Ｔｄ_ｉのみを抽出する。

上記（１）式及び（３）式の変化点閾値Ｐ１は、地点毎に異なる閾値であっても良い。上記（１）式の変化点閾値Ｐ１と上記（３）式の変化点閾値Ｐ１とは異なる閾値であっても良い。変化点閾値Ｐ１は、発電特性情報データベースＤＢ５に格納されている各地点におけるＰＶ装置ＰＶの発電特性情報１２５を用いて設定されても良い。例えば、境界地点推定部２１は、変化点閾値Ｐ１を、定格発電量１２１のα倍（０＜α＜１）と設定しても良い、或いは、境界地点推定部２１は、変化点閾値Ｐ１を、発電量を予測する時刻における晴天時の平均的な発電量１２２のα倍（０＜α＜１）と設定しても良い。

境界地点推定部２１は、発電量の時間的変化を示すグラフにいわゆるローパスフィルタを適用した後に上記増加時刻Ｔｕ及び減少時刻Ｔｄを抽出しても良い。若しくは、境界地点推定部２１は、計測発電量１１１の移動平均を算出し、その移動平均値に対して上記増加時刻Ｔｕ及び減少時刻Ｔｄを抽出しても良い。なぜなら、境界地点推定部２１が、短時間の急激な発電量の増減に対する増加時刻Ｔｕ又は減少時刻Ｔｄを抽出しないようにするためである。

境界地点推定部２１は、上記処理を各地点について実行し、各地点の増加時刻Ｔｕ及び減少時刻Ｔｄを抽出する。境界地点推定部２１は、この増加時刻Ｔｕ及び減少時刻Ｔｄに基づいて、所定の時刻における雲の境界地点を推定する。以下、その方法について説明する。

図９は、計測地点における風速及び風向を示す模式図である。図９に示す各地点を通る点線の矢印５０ａ〜５０ｃは、各計測地点における風向を示す。雲の境界地点は、一般的に風向に沿って、風速に比例した速度で移動すると考えられる。そこで、境界地点推定部２１は、風向及び風速に基づいて、計測地点において増加時刻Ｔｕ（又は減少時刻Ｔｄ）に抽出された雲の境界地点が、その増加時刻Ｔｕ（又は減少時刻Ｔｄ）よりも所定の時間後の時刻である予測時刻において、どの地点に移動するかを推定する。予測時刻は、例えば、現在時刻又は現在時刻以降の所定の時刻であって良い。

地点Ａにおける減少時刻をＴｄ_Ａ、増加時刻をＴｕ_Ａとする。境界地点推定部２１は、地点Ａにおける減少時刻Ｔｄから予測時刻までの風速が「Ｖ_Ａ」、風向が「北西から南東の方向」であるという情報を、所定の情報源から取得する。境界地点推定部２１は、減少時刻Ｔｄ_Ａに地点Ａを通過した雲の境界地点（以下「減少境界地点」という）は、予測時刻に地点Ａから「北西から南東の方向」へ「Ｖ_Ａ×Ｔｄ_Ａ」の地点Ａｄに移動していると推定する。同様に、境界地点推定部２１は、増加時刻Ｔｕ_Ａに地点Ａを通過した雲の境界地点（以下「増加境界地点」という）は、予測時刻に地点Ａから「北西から南東の方向」へ「Ｖ_Ａ×Ｔｕ_Ａ」の地点Ａｕに移動していると推定する。

境界地点推定部２１は、地点Ｂ及び地点Ｃについても同様の処理により、予測時刻における減少境界地点Ｂｄ及びＣｄと、増加境界地点Ｂｕ及びＣｕを推定する。

風向及び風速は、例えば、気象庁等が発表した情報を利用する。若しくは、計測地点の近傍に風力発電所又は風力計が設置されている場合は、その風力発電所又は風力計によって計測された風向及び風速情報を利用しても良い。

図１０は、風光及び風速の情報を気象情報として気象情報データベースに蓄積しておく場合のデータベース構成例を示している。気象情報データベースＤＢ８には、ＰＶ装置が設置されている地点における気象情報が記憶される。図１０に示すデータ構成の例では、各地点１０１における気象項目１５０として天候、風向、風速、日射量の情報が、時刻（項目１５１）ごとに格納されている。

図１０の記録事例では、地点ＡのＰＶ装置の４月１日０：００時点での天候（晴れ）、風向（南東）、風速（５．２ｍ）、日射量（０）は、同日１２：００には天候（曇り）、風向（北西）、風速（１０．７ｍ）、日射量（２．５）であったことがわかる。なお、この記憶は例えばより短い周期で観測され、記憶されている。以下、図３の説明に戻る。

雲形状形成部２２は、境界地点推定部２１によって推定された現在時刻又は未来の或る時刻における減少地点及び増加地点を基に、その時刻における雲の形状を推定する。すなわち、雲形状形成部２２は、雲の形状（すなわち輪郭）を模式化した（閉曲線形状の）境界線を形成する。以下、その境界線を形成する方法について説明する。

図１１は、現在時刻における減少地点と増加地点を示す模式図である。現在時刻ＴＮにおける減少地点Ａｄ、Ｂｄ、Ｃｄ及び増加地点Ａｕ、Ｂｕ、Ｃｕは、上記の境界地点推定部２１によって推定されたものである。そして、雲形状形成部２２は、これら減少地点及び増加地点に基づき、閉曲線形状の境界線を形成する。以下、その境界線を形成する方法について説明する。

雲形状形成部２２は、或る境界地点の近傍に位置する他の境界地点を探索する。そして、雲形状形成部２２は、或る境界地点と、その境界地点と距離が一番近い他の境界地点とを結び境界線の一部（以下「線分」という）を形成する。同じく、雲形状形成部２２は、或る境界地点と、その境界地点と距離が二番目に近い他の境界地点とを結び線分を形成する。このとき、雲形状形成部２２は、減少境界線同士又は増加境界線同士を結ぶ。

例えば、図１１の地点Ｂｕは、一番近い地点Ａｕと結ばれ、線分Ｂｕ−Ａｕ（線分２３０）を形成する。同じく、地点Ｂｕは、二番目に近い地点Ｃｕと結ばれ、線分Ｂｕ−Ｃｕを形成する。図１１では境界線を直線で示しているが、適当な曲線であっても良い。

上記の処理を各境界地点において実行することにより、雲形状形成部２２は、各減少地点を結ぶ減少境界線と、各増加地点を結ぶ増加境界線を形成できる。

ただし、雲形状形成部２２は、所定の制約条件に基づいて境界線を形成する。以下、その制約条件について説明する。以下に述べる制約条件は、制約条件データベースＤＢ３に格納されている。

第１の制約条件は、線分が、各計測地点から風向の方向に延長した直線（例えば、図１１の直線ｍＡ、直線ｍＢ、直線ｍＣ等。以下「風向直線」という）と交差しない位置関係にあることである。ただし、境界地点上の風向直線は対象外とする。

雲形状形成部２２が、地点Ａｕからの線分を形成する場合を例に説明する。雲形状形成部２２は、地点Ａｕに一番近い地点Ｂｕと線分Ａｕ−Ｂｕを形成する。この線分Ａｕ−Ｂｕは、第１の制約条件に反しない。しかし、雲形状形成部２２が、地点Ａｕに二番目に近い地点Ｃｕと線分Ａｕ−Ｃｕを形成すると、この線分Ａｕ−Ｃｕは風向直線ｍＢと交差するため第１の制約条件に反する。したがって、雲形状形成部２２は、線分Ａｕ−Ｃｕは不適切と判断する。この場合、雲形状形成部２２は、同じ風向直線上に存在する増加地点と減少地点とを結ぶ線分の形成を試みる。例えば、雲形状形成部２２は、増加地点Ａｕと、同じ風向直線ｍＡ上に存在する減少地点Ａｄとを結ぶ線分Ａｕ−Ａｄの形成を試みる。

第２の制約条件は、境界地点同士を結ぶ線分を形成する際、線分同士が重複又は交差しないことである。以下、この第２の制約条件について更に説明する。

図１２は、第２の制約条件を説明するための模式図である。図１２において、地点Ｄｕ、Ｅｕ、Ｆｕ、Ｇｕ、Ｈｕは全て増加地点である。そして、増加地点Ｅｕに近い他の増加地点は、増加地点ＦｕとＧｕである。増加地点Ｇｕに近い他の増加地点は、増加地点ＥｕとＦｕである。仮に、増加地点Ｅｕが線分Ｅｕ−Ｆｕと線分Ｅｕ−Ｇｕを形成し、増加地点Ｇｕが線分Ｇｕ−Ｅｕと線分Ｇｕ−Ｆｕを形成したとする。この場合、線分Ｅｕ−Ｇｕ（線分３０１）が重複するので、第２の制約条件に反する。この場合、雲形状形成部２２は、線分が重複しないように線分の再形成を試みる。例えば、雲形状形成部２２は、重複する線分の形成を禁止して、線分の再形成を試みる。

なお、第２の制約条件を、上記の条件に代えて（又は上記の条件に加えて）、増加地点のみ又は減少地点のみを連結した境界線の集合により閉曲線が生じないこととしても良い。この条件において閉曲線が生じた場合、雲形状形成部２２は、増加地点のみ又は減少地点のみで形成される１本の境界線となるように、閉曲線を構成する線分の何れかを削除する。例えば、図１２の場合、線分Ｅｕ−Ｇｕ（線分３０１）を削除することにより、増加地点のみで形成される１本の境界線Ｄｕ−Ｅｕ−Ｆｕ−Ｇｕ−Ｈｕを形成できる。

第３の制約条件は、増加地点間又は減少地点間の線分が所定の長さ（距離）より短いこと、及び或る線分と他の線分との間隔が所定の長さ（距離）より長いことである。なぜなら、第３の制約条件に反している場合、その線分から構成される境界線は雲の形状を適切に模式化していない可能性が高いためである。以下、この第３の制約条件について更に説明する。

図１３は、第３の制約条件を説明するための模式図である。図１３において、線分Ｃｄ−Ｄｄの長さＬｐが、所定の長さＬＡよりも長い（Ｌｐ＞ＬＡ）とする。この場合、雲形状形成部２２は、第３の制約条件に反する線分Ｃｄ−Ｄｄは、雲の形状の模式には不適切と判断する。また、図１３において、線分Ｃｕ−Ｄｕと線分Ｃｄ−Ｄｄとの間隔Ｌｗが、所定の間隔ＬＢよりも短い（Ｌｗ＜ＬＢ）とする。この場合、雲形状形成部２２は、第３の制約条件に反する線分Ｃｕ−Ｄｕ及び／又は線分Ｃｄ−Ｄｄは、雲の形状の模式には不適切と判断する。このように不適切と判断した場合、雲形状形成部２２は、例えば、以下の処理を行う。

図１４は、第３の制約条件に反する境界線を修正する方法を説明するための模式図である。雲形状形成部２２は、線分Ｃｕ−Ｄｕ及び線分Ｃｄ−Ｄｄを不適切と判断したので、上記第３の制約条件に適合する他の線分の形成を試みる。例えば、雲形状形成部２２は、増加地点Ｃｕと減少地点Ｃｄとを結ぶ線分Ｃｕ−Ｃｄ（線分３０２ａ）を形成する。同じく、雲形状形成部２２は、増加地点Ｄｕと減少地点Ｄｄとを結ぶ線分Ｄｕ−Ｄｄ（線分３０２ｂ）を形成する。すなわち、第３の制約条件は、１つの雲のモデルを２つの雲のモデルに分割するポイントを発見するための判断基準とも言える。

第４の制約条件は、増加境界線と減少境界線とそれらを結ぶ線分から形成される閉曲線が、一般的な雲形状と所定以上の相似性を有することである。すなわち、形成した雲形状のモデルが、一般的な雲形状のモデルと所定以上の相似性を有するか否かを判定する。

例えば、一般的な雲形状のモデルを予め雲形状特性情報データベースＤＢ４に保持させておく。そして、雲形状形成部２２は、形成した閉曲線と、雲形状特性情報ＤＢ４に保持されている各雲形状のモデルとの相似性を算出する。ここで、いずれの雲形状モデルとも所定以上の相似性を有さない場合（すなわち、類似する雲形状モデルが１つも存在しない場合）、雲形状形成部２２は、その形成した閉曲線は雲の形状を適切に模式していないと判断する。なぜなら、一般的な雲の形状から極端にかけ離れた雲が形成される可能性は低いからである。

第５の制約条件は、所定の時刻に対して形成した閉曲線が、それより少し前の所定の時刻に対して形成した閉曲線と、所定以上の相似性を有することである。例えば、雲形状形成部２２は、所定の各時刻に対して形成した閉曲線を境界線データベースＤＢ６に保持させておく。

そして、雲形状形成部２２は、形成した閉曲線と、境界線データベースＤＢ６に保持されている所定の時間前の閉曲線との相似性を算出する。ここで、所定以上の相似性を有さない場合、雲形状形成部２２は、その形成した閉曲線は雲の形状を適切に模式していないと判断する。なぜなら、短い時間で雲の形状が極端に変形する可能性は低いからである。

第６の制約条件は、所定の時刻に対して形成した閉曲線に囲まれた領域の面積と、それより少し前の所定の時刻に対して形成した閉曲線に囲まれた面積と、の差分が所定値以下であることである。例えば、雲形状形成部２２は、所定の各時刻に対して形成した閉曲線を境界線データベースＤＢ６に保持させておく。

そして、雲形状形成部２２は、形成した閉曲線の面積と、境界線データベースＤＢ６に保持されている所定の時間前の閉曲線の面積と、の差分を算出する。ここで、差分が所定の閾値以上の場合、雲形状形成部２２は、その形成した閉曲線は雲の形状を適切に模式していないと判断する。なぜなら、短い時間で雲の面積が極端に変化する可能性は低いからである。

上記の第１〜第６の制約条件は、１つだけ適用しても良いし、何れかを組み合わせて適用しても良いし、全てを適用しても良い。

例えば、第１の制約条件と第２の制約条件とを組み合わせて適用しても良い。これにより、雲形状形成部２２は、雲の境界線を示す閉曲線を形成することができる。例えば、第１の制約条件と第２の制約条件に、更に第３の制約条件を組み合わせて適用しても良い。

これにより、雲形状形成部２２は、より精度の高い雲の境界線を示す閉曲線を形成することができる。例えば、雲形状形成部２２は、第１の制約条件と第２の制約条件と第３の制約条件に、更に第４の制約条件、第５の制約条件、及び／又は第６の制約条件を組み合わせて適用しても良い。これにより、雲形状形成部２２は、更に精度の高い雲の境界線を示す閉曲線を形成することができる。

また、上述の各制約条件は、地域毎に異なって設定されても良い。また、上述の各制約条件に所定の重み付けを設定しておき、雲の境界線を示す閉曲線がどのくらい各制約条件を満たしているのかに基づいて、その閉曲線の精度を算出するようにしても良い。

以上の制約条件に基づき、雲形状形成部２２は、１以上の閉曲線を形成する。すなわち、形成した各閉曲線は、現在時刻又は未来の或る時刻における雲の形状及びその雲が存在する地点を模式したものと見なすことができる。図３の説明に戻る。

発電量予測部２３は、雲形状形成部２２により形成された閉曲線（すなわち、雲の地点及び形状を模式したもの）に基づき、非計測のＰＶ装置ＰＶの発電量を推定する。以下、発電量予測部２３における処理を更に説明する。

図１５は、或る地点が閉曲線の内部に位置するか否かの判定方法を説明するための模式図である。発電量予測部２３は、非計測であるＰＶ装置ＰＶの地点Ｏが閉曲線３１０の内部に位置するか否かを判定する。この判定には、例えば、以下の（５）式を用いる。ここで、Ｍは閉曲線を形成する境界地点の数である。そして、ｎ_Ｍ＋１＝ｎ_１とする。

閉曲線３１０を（５）式に当てはめると、角ｎ_１Ｏ_ａｎ_２＋角ｎ_２Ｏ_ａｎ_３＋・・・＋角ｎ_６Ｏ_ａｎ_１＝２πなので、地点Ｏ_ａは閉曲線３１０の内部に位置すると判定できる。また、角ｎ_１Ｏ_ｂｎ_２＋角ｎ_２Ｏ_ｂｎ_３＋・・・＋角ｎ_６Ｏ_ｂｎ_１＝０なので、地点Ｏ_ｂは閉曲線３１０の外部に位置すると判定できる。

上記の処理を、各非計測のＰＶ装置ＰＶの地点について判定する。そして、何れかの閉曲線の内部に位置する地点を内部点、何れの閉曲線の内部にも位置しない地点を外部点とする。

次に、閉曲線の内部点及び外部点の発電量を推測する方法について説明する。内部点は、雲に覆われている可能性が高いため、日射量が小さいと推定できる。外部点は、雲に覆われている可能性が低いため、日射量が大きいと推定できる。

したがって、内部点における発電量は、境界地点推定部２１において用いた変化点閾値Ｐ１よりも小さいと推定できる。外部点における発電量は、変化点閾値Ｐ１よりも大きいと推定できる。

そこで、例えば、内部点の発電量をＰ１×Ｍ（Ｍは０＜Ｍ＜１の所定の係数）と推定する。外部点の発電量をＰ１×Ｎ（ＮはＮ＞１の所定の係数）と推定する。若しくは、内部点の発電量を、その内部点と同じ閉曲線に囲まれている計測可能なＰＶ装置ＰＶの発電量に基づいて推定しても良い。また、外部点の発電量を、何れの閉曲線にも囲まれていない計測可能なＰＶ装置ＰＶの発電量に基づいて推定しても良い。

以上の処理により、非計測なＰＶ装置ＰＶの地点の未来の或る時刻の発電量を推定することができる。

次に、各地域におけるＰＶ装置ＰＶの総発電量を推定する方法について説明する。第１の推測方法は、地点情報データベースＤＢ２から所定の地域内に設置されている全てのＰＶ装置ＰＶの設置点を抽出し、非計測な地点については上述の方法によって発電量を推測する。これにより、その地域内の全ＰＶ装置ＰＶの総発電量を推測する。第２の推測方法は、発電特性情報データベースＤＢ５から所定の地域内における平均的な発電特性及びＰＶ装置ＰＶの設置密度を抽出し、上記の方法によって発電量を推測する。以下、第２の推測方法を更に説明する。

ＰＶ装置ＰＶの設置密度をρとする。所定の時刻における平均的な発電量をＰｓとする。内部点における推定発電量をＰｓ×Ｒ_ｌｏｗ（０≦Ｒ_ｌｏｗ≦１）とする。外部点における発電量推定値をＰｓ×Ｒ_ｈｉｇｈ（０≦Ｒ_ｈｉｇｈ≦１かつＲ_ｈｉｇｈ≧Ｒ_ｌｏｗ）とする。或る地域内に存在する閉曲線φ_１、φ_２、・・・、φ_ｎの内部面積をＳ_１、Ｓ_２、・・・、Ｓ_ｎとし、その地域内の面積をＳ_ａｌｌとする。そして、以下の（６）式により、或る地域内における推測総発電量Ｐ_ａｌｌを算出する。

第１の推測方法は、比較的高い精度で総発電量を推測できる。一方、第２の推測方法は、第１の推測方法で推測した場合よりも精度が低い可能性があるものの、処理に必要となるデータ量が少ないので、処理負荷を低くすることができる。なお、発電量を推定する手法については、適宜の手法を採用することができる。

以上の処理により、発電量予測部２３は、非計測地点も含めた所定の地域における所定の時刻のＰＶ装置ＰＶの総発電量（以下「予測総発電量」という）を推定することができる。この推定された総発電量は、ＰＶ装置ＰＶの発電を考慮して電力需給制御を行う場合に用いられる。図３の説明に戻る。

予測発電量データベースＤＢ７は、発電量予測部２３によって推定された予測発電量を保持及び管理する。図１６に、予測発電量データベースＤＢ７に格納される発電量情報のデータ構成の一例を示す。図１９に示す例では、各ＰＶ装置設置地点１０１における、１１時から１２時までの１分ごとの発電量１５３が、データ種別１５２（計測発電量および推定発電量）ごとに格納されている。

図１６に示す例では、地点Ａに設置されているＰＶ装置については、過去に発電量推定処理が実施されたため、発電量の計測値および推定値の双方が記録されている。一方、地点Ｂに設置されているＰＶ装置については、過去に発電量推定処理が実施されていないため、発電量計測値のみが記録されている。

この発電量計測値は、通信デバイス９０３により計測発電量情報が取得されるたびに以下のように更新されるものとしても良い。例えば、地点名ＡのＰＶ装置の１２時１分における発電量情報が取得された場合、地点名Ａの１１：００の発電量データを消去し、１２時１分の発電量データを新たに格納して良い。

図１６の記憶事例では、地点ＡのＰＶ装置の１１：００の発電量は２．３（ｋｗｈ）で、１１：０１では２．４（ｋｗｈ）、１２：００では２．８（ｋｗｈ）が計測された。これに対し、それぞれの時刻での発電量を２．１（ｋｗｈ）、２．５（ｋｗｈ）、２．７（ｋｗｈ）と推定していた。

以上例示したＰＶ装置の各種データは、全てＰＶ装置の設置点１０１に関連付けて記憶されている。このため、これらの複数のデータベースＤＢに記憶されたデータは互いに関連付けて利用することが可能である。

表示部２４は、予測発電量データベースＤＢ７から、所定の地域の所定の時刻における予測総発電量を抽出して表示する。また、表示部２４は、形成した閉曲線を地図と重畳して表示する。これにより、ユーザは、各地点における日射量の大小、即ちＰＶ装置ＰＶの発電量の大小を視覚的に把握できる。更に、表示部２４は、閉曲線の時間的推移を表示することにより、ユーザは、地域の日射量及び発電量の変動を視覚的に把握できる。

図１７は、発電量推定装置１８の発電量推定部１１が予測発電量を推定する処理の一例を示すフローチャートである。

計測情報取得部２０は、各ＰＶ装置ＰＶの電力センサＳが計測した発電量を計測情報データベースＤＢ１に登録する（ステップＳ１０１）。

境界地点推定部２１は、発電特性情報データベースＤＢ５から各地点における発電特性を抽出し、それに基づいて所定の時刻における変化点閾値Ｐ１を設定する（ステップＳ１０２）。

境界地点推定部２１は、計測情報データベースＤＢ１から各計測地点における発電量を抽出し、上記の変化点閾値Ｐ１を用いて、増加時刻及び減少時刻を抽出する（ステップＳ１０３）。

境界地点推定部２１は、各計測地点における風速及び風向の情報を取得する（ステップＳ１０４）。

境界地点推定部２１は、増加時刻及び減少時刻と風速及び風向等の情報とに基づいて、現在時刻又は未来の或る時刻（以下「予測時刻」という）における増加境界地点及び減少境界地点の地点を推定する（ステップＳ１０５）。

雲形状形成部２２は、予測時刻における複数の増加境界地点及び減少境界地点と、各種制約条件等に基づいて、雲形状を模式する閉曲線を形成する（ステップＳ１０６）。

発電量予測部２３は、地点情報データベースＤＢ２から非計測地点を抽出し、非計測地点が閉曲線の内側であるか外側であるかを考慮して、各非計測地点の予測時刻における発電量を推定する（ステップＳ１０７）。

発電量予測部２３は、各地点において推定された発電量に基づいて、所定の地域における現在時刻又は未来の或る時刻の総発電量を推定し、予測発電量データベースＤＢ７に登録する（ステップＳ１０８）。

以上の処理により、所定の地域における現在時刻又は未来の或る時刻の総発電量を推定することができる。この推定した総発電量は、例えば、電力系統の需給調整制御に利用することができる。

次に、閉曲線を形成する変形例として、変化点閾値を２つ設定した場合について説明する。

図１８は、変化点閾値を２つ設定した場合に係る発電量の時間的推移を示すグラフである。図８に示したグラフ２００では変化点閾値を１つしか設定していないのに対し、図１８に示すグラフ４００では変化点閾値を２つ設定している点が相違する。

グラフ４００は地点Ａに設置されたＰＶ装置ＰＶの発電量の時間的推移を示す。グラフ４００において、Ｐ１＞Ｐ２とし、晴天時における発電量をＰｓとする。この場合、例えば、Ｐ１＝Ｐｓ×α、Ｐ２＝Ｐｓ×β（０＜β＜α＜１）と定義できる。

境界地点推定部２１は、上述の（１）及び（２）式を用いて、Ｐ１に対応する増加時刻Ｔｕ_１とＰ２に対応増加時刻Ｔｕ_２を抽出する。同様に、境界地点推定部２１は、上述の（３）式及び（４）式を用いて、Ｐ１に対応する減少時刻Ｐｄ_１とＰ２に対応する減少時刻Ｐｄ_２を抽出する。

境界地点推定部２１は、風向及び風速の情報に基づいて、予測時刻における増加時刻Ｔｕ_１及びＴｕ_２に対応する増加地点Ａｕ_１及びＡｕ_２を推定する。同様に、境界地点推定部２１は、予測時刻における減少時刻Ｔｄ_１及びＴｄ_２に対応する減少地点Ａｄ_１及びＡｄ_２を推定する。

図１９は、予測時刻における境界地点及び閉曲線の変形例を示す模式図である。

雲形状形成部２２は、同じ境界地点閾値に対応する増加地点及び減少地点を結んで閉曲線を形成する。すなわち、変化点閾値を複数設定した場合、雲形状形成部２２は、複数の閉曲線を形成する。ここで、雲形状形成部２２は、互いの閉曲線同士が交わらない（重ならない）ように、閉曲線を形成する。図１９の場合、雲形状形成部２２は、変化点閾値Ｐ１に対応する境界線４１０と、境界地点閾値Ｐ２に対応する境界線４１１を形成する。

発電量予測部２３は、雲形状形成部２２によって形成された複数の閉曲線を用いて、非計測地点における発電量を推定する。発電量予測部２３は、１つの非計測地点が２つ以上の閉曲線に囲まれている場合は、最も内側の閉曲線に囲まれているとして発電量を推定する。この非計測地点における発電量の推定は、例えば、以下の方法で行う。

増加地点Ａｕ_ｋ及び減少地点Ａｄ_ｋで形成される閉曲線Ｃ_ｋの内側、且つ増加地点Ａｕ_ｋ＋１及び減少地点Ａｄ_ｋ＋１で形成される閉曲線Ｃ_ｋ＋１の外側の領域をＤ_ｋとする。

なお閉曲線Ｃ_ｋ＋１は、閉曲線Ｃ_ｋに包含されるとする。この領域Ｄ_ｋにおける太陽光発電量をＳ_ｋと推定する。ここで、ｋは０からＮの値を取る整数である。非計測地点が領域Ｄｋに存在するか否かは、上記（５）式を用いて非計測地点が、閉曲線Ｃ_ｋの内側に存在しており、且つ閉曲線Ｃ_ｋ＋１の外側に存在しているか否かによって判定される。また、Ｓ_ｋは領域Ｄ_ｋにおける太陽光発電量の代表値であり、Ｐ_ｋ≧Ｓ_ｋ≧Ｐ_ｋ＋１（Ｐ１＞Ｐ２＞・・・＞Ｐｎとする）を満たす数値を事前に設定する。

例えば、図１９において、閉曲線Ａｕ_１−Ｂｕ_１・・・Ｂｄ_１−Ａｄ_１（境界線４１０）の外側の領域をＤ_０とする。閉曲線Ａｕ_１−Ｂｕ_１・・・Ｂｄ_１−Ａｄ_１（境界線４１０）の内側でかつ閉曲線Ａｕ_２−Ｂｕ_２・・・Ｂｄ_２−Ａｄ_２（境界線４１１）の外側の領域をＤ_１とする。閉曲線Ａｕ_２−Ｂｕ_２・・・Ｂｕ_２−Ａｕ_２（境界線４１１）の内側の領域をＤ_２とする。そして、発電量予測部２３は、非計測地点が領域Ｄ_０、Ｄ_１及びＤ_２のいずれに含まれるかを判定し、各領域に対応するＳ_０、Ｓ_１、Ｓ_２に基づいて非計測地点の発電量を推定する。

以上の処理により、２以上の変化点閾値を設定して、非計測のＰＶ装置ＰＶの発電量を推定することができる。変化点閾値を増やすことにより、より精細に雲の日射量に対する影響を考慮して発電量を推定することができる。よって、ＰＶ装置ＰＶの発電量の推定精度を高めることができる。

上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。

例えば、所定の地域の予測時刻における雲形状推定モデルを、その地域の天気予報に利用しても良い。例えば、予測時刻における予測発電量を各家庭にフィードバックして、各家庭における電力制御に利用しても良い。

また、風向風速情報の取得時に風向風速を推定する手法について、以下のようにすることも可能である。前記したように、風向および風速情報は気象庁等が発表した情報、あるいは、計測地点の近傍に設置されている風力発電所又は風力計によって計測された風向及び風速情報を利用して良い。また、日射量あるいはＰＶ発電量の計測地点における時系列データを地点間で比較することにより、計測地点における風向および風速を推定しても良い。

これらに加え、本発明の代案事例では以下に述べる地点間の類似度を利用した風向風速推定手法を採用しえる。この代案事例では、風向および風速を推定する地点（以下、比較元地点とする）、および比較元地点の近傍に位置する計測地点（以下、比較先地点とする）を選択する。

そのうえで上記２地点の計測情報を計測情報データベースＤＢ１から取得し、時間差の値τを定めて比較先地点と比較元地点との類似度を算出する。ここで、類似度とは、２つの時系列データの変動の傾向が似ているほど大きくなるような値とする。例えば、以下の（７）式に表わす相互相関係数Ｒ_ＸＹの値を類似度として用いることができる。

ただし、Ｘ（ｔ）：比較元地点の発電量時系列データ、Ｙ（ｔ）：比較先地点の発電量時系列データ、Ｘ：Ｘ（ｔ）の平均値、Ｙ：Ｙ（ｔ）の平均値、τ：時間差とする。

このとき、時間差の値を、所定の範囲内（例えば−６０≦τ≦０）を一定間隔（例えば１秒間隔）で変化させ、類似度の値を繰り返し計算する。例えば、１秒間隔で時間差を変化させるとした場合、τ＝−６０、−５９、…−１、０として（７）式から相互相関係数Ｒ_ＸＹの値をそれぞれ計算する。

図２０に、計算結果をグラフに表した例を示す。ここでは、比較元地点ａ、および比較先地点ｂおよびｃにおける発電量時系列データを図２０（ａ）、図２０（ｂ１）、図２０（ｃ１）のグラフで示す。

この事例では、比較先地点ｂにおいて時点ｔ２で発電量が減少し、その後の時点ｔ１において比較元地点ａの発電量が減少した。これに対し、比較先地点ｃでも時点ｔ２近辺で発電量が減少してこの状態が継続し、その後比較元地点ａの発電量が増加した。また比較元地点ａと比較先地点ｂの増減は変化パターンが類似（瞬間的減少）しているに対し、比較先地点ｃの増減は減少が継続する変化パターンであり、類似性が低いといえる。

このとき、時間差τに対する地点ａとｂとの類似度Ｒａｂは図２０（ｂ２）のようになる。この場合には類似度Ｒａｂの値が大きく、相関が高いことがわかる。これに対し、地点ａとｃとの類似度Ｒａｃは図２０（ｃ２）のようになる。この場合には類似度Ｒａｃの値が小さく、相関が低いことがわかる。

以上の処理を時間差τの値を変えて繰り返し実行し、所定の時間差の範囲内で類似度を算出したら、類似度が最大となるときの時間差および類似度の値を記憶する。図２０（ｂ２）の例では、時間差（ｔ２−ｔ１）と類似度の最大値ｒａｂが記憶される。同様に、図２０（ｃ２）の例では、時間差ｔ３と類似度の最大値ｒａｃが記憶される。

以上の処理を、近傍の比較先地点ごとに行ったら、記憶されている類似度の中で最大となる比較先地点を選択し、その地点を風上地点とする。図の地点ａ、ｂ、ｃで類似度の算出を行った場合、ｒａｂ＞ｒａｃであるならば、地点ａの風上地点は地点ｂと決定される。このとき、地点ａにおける風向は地点ｂから地点ａに向かう方角と推定される。

また、地点ａｂ間の距離の値を、上記の処理により求めた時間差（ｔ２−ｔ１）で除することにより、地点ａにおける風速が推定される。ここで、地点間の距離は地点情報データベースＤＢ２に格納された緯度経度情報から算出される。

また、地点間の位置関係を考慮し、複数の地点間類似度を用いて風向風速を推定しても良い。例えば、図２１左側に示すような地点１から地点９の位置関係の計測地点において、図中の地点５における風向風速を推定する場合について、処理の一例を説明する。

このとき、図２１右側の表に示すように、複数の風向候補を設定し、それぞれの風向に対応する地点組合せを選択する。この地点組合せに含まれる地点は、風向風速を推定する地点５の周囲に位置する計測地点から選択する。

ここで、ある風向について選択した複数の地点組合せにおいて、それぞれ類似度最大となる類似度および時間差を算出する。さらに、同一の風向に対応する複数の地点組合せについて算出した類似度の平均を算出する。

このとき、単純な算術平均を算出しても良いし、例えば推定を行う地点５に近い地点組合せほど重みを大きくした重み付き平均を算出しても良い。以上の処理を繰り返し実施し、複数の風向候補ごとに算出された平均類似度を比較し、類似度が大きい風向候補を風向として決定する。

以上に示したように、複数の地点間類似度を考慮して風向風速の推定を行うことにより、局地的あるいは一時的な日射量変動のノイズによる風向風速推定への影響を低減し、高精度の推定結果を得ることができる。

以上、図１の発電量推定部１１の動作について説明した。続いて図１の信頼度モデル設定部１２の機能について詳細に説明する。信頼度モデル設定部１２は、ＰＶ装置の位置情報および過去における気象情報、発電量情報に基づき、所定の地域内の区域ごとの発電量の信頼度モデルを設定する。以下、図２２に示すフローチャートを用いて信頼度モデル設定処理について説明する。

まず、信頼度モデル設定部１２の最初の処理であるステップＳ８１では、信頼度を算出する条件を設定する。図２３に本処理で設定する信頼度モデルのデータ構成例を示す。図２３に示す例において本ステップＳ８１で設定する条件は、天候、風向などの項目を含む気象条件（１５１）、季節、時刻などの項目を含む日時条件１６０、どれだけ将来の発電量を推定するかを示す予測時刻１６１で表わされる。なおこれらの設定条件（１５１、１６０、１６１、１６２）は、緯度と経度１０２で位置設定された地点名１０１ごとに設定される。

これらの条件のパラメータを変更することにより、同じＰＶ装置について同じ発電量推定手法を適用した場合でも、地点ごとの信頼度が変化する可能性がある。本ステップＳ８１にて設定した条件下での太陽光発電量の推定信頼度を、図２２に示すフローチャートの以下のステップで算出していく。

次に、ステップＳ８２では、ステップＳ８１で設定した条件に合致する過去時点の計測発電量情報および推定発電量情報を発電情報データベースＤＢ５、予測発電量データベースＤＢ７より、それぞれ抽出する。このとき、推定発電量情報を既に発電量情報データベースＤＢ５に登録済の情報から抽出しても良い。また、信頼度モデル設定処理を実施するたびに、図１７を用いて説明した発電量推定処理を先駆けて実施し、出力された推定発電量情報を利用しても良い。

次に、ステップＳ８３では、ステップＳ８２で抽出された過去時点の計測発電量情報および推定発電量情報を用いて、計測地点ごとに信頼度指標の度数分布を作成する。ここで、信頼度指標の定義例を図２４、図２５に示す発電量の時系列データ例を用いて説明する。

図２４は、信頼度指標を発電量の推定誤差により定義する場合の説明図である。図２４は、横軸に時間をとり、縦軸に過去に計測された計測発電量（実線）Ｐｋと、同時刻における推定発電量（点線）Ｐｓを時系列的に表示した図である。この図２４の例において、時刻ｔｎにおける計測発電量Ｐｋ（ｔｎ）と推定発電量Ｐｓ（ｔｎ）との差分（推定誤差）ｒ１（ｔｎ）として信頼度指標が算出される。

このとき、１つの計測時刻に対して１つ算出される推定誤差ｒ１を、１データとして複数時刻の複数の推定誤差から度数分布を作成する。また、上記の処理により算出した差分ｒ１を、対応する時刻の計測発電量Ｐｋ（ｔｎ）あるいは定格発電量Ｐｓ（ｔｎ）により除算した値を信頼度指標として定義し使用しても良い。この信頼度指標を用いることにより、定格発電量の異なる複数のＰＶ装置間で信頼度を比較分析することができる。

また、所定の複数の時刻における発電量の平均値で定義される平均発電量、あるいは所定の複数の時刻における発電量の和で定義される累積発電量を１つのデータとみなし、その計測値および推定値の差分を１つの推定誤差として度数分布を作成しても良い。

推定誤差による信頼度指標を選択することにより、地点ごとの信頼度から、ある１時点の発電量推定においてどれだけの推定誤差が生じる可能性があるかを把握することができる。

図２５は、信頼度指標を、ある発電量に達する時刻の差（時刻ずれ）により定義する場合の説明図である。図２５の例では、計測発電量Ｐｋが設定発電量Ｐｎに達する時刻ｔｍと推定発電量Ｐｓが設定発電量Ｐｎに達する時刻ｔｅの差分ｒ２として信頼度指標が算出される。

このとき、計測発電量Ｐｋあるいは推定発電量Ｐｓが設定発電量Ｐｎに達する１組の時刻ｔｍおよびｔｅに対して算出される時刻ずれを１データとして度数分布を作成する。設定発電量Ｐｎは、各地点に設置されるＰＶ装置の定格発電量を超えない値として設定される。例えば、発電特性情報データベースＤＢ４から抽出したＰＶ装置の定格発電量のα倍（０＜α＜１）として設定発電量Ｐｎを設定して良い。

時刻ずれによる信頼度指標を選択することにより、地点ごとの信頼度から、推定される発電量変動のタイミングについてどれだけの時刻ずれが生じる可能性があるかを把握することができる。

次に、ステップＳ８４では、ステップＳ８３において作成された度数分布を用いて計測地点ごとの信頼度を算出する。図２６にステップＳ８３で作成した度数分布、およびその度数分布から算出した信頼度の例を示す。

図２６の例では、横軸に誤差ゼロを含む正負の推定誤差の大きさをとり、縦軸にその推定誤差の発生回数（発生度数）をとっている。これは信頼度指標を推定誤差とした場合の度数分布を示している。

図２６の例では、推定誤差の最大値Ｅｍａｘおよび推定誤差の最小値Ｅｍｉｎの差分として信頼度を定義している。信頼度指標を時刻ずれとした場合も、上記と同様の処理により信頼度を決定する。このとき、推定の信頼性が最も高くなるのは信頼度の値が０となる（推定誤差あるいは時刻ずれが常に０となる）場合であり、信頼度の値が大きくなるほど、推定の信頼性が低くなる。

以上のステップＳ８１からステップＳ８４までの処理を計測地点ごとに実施することにより、各計測地点における信頼度が算出される。

次にステップＳ８５では、ステップＳ８４により求めた各計測地点における信頼度を用いて、各地点の位置情報に基づき所定の地域内の信頼度を算出する。所定の地域内の信頼度を算出する手法について、図２７に示す例を用いて説明する。

図２７は、ＰＶ装置が設置された地点を含む地域の地図を示す。図２７において地点ｏ、および地点ｍは、いずれも発電量データを取得可能なＰＶ装置が設置されている地点を表している。また、ステップＳ８１で設定した風向方向に並行な方向をＸ軸とし、Ｘ軸と１点で交わるＹ軸を空間座標軸として設定する。

図２７の例では、地点ｏを基準として、Ｘ軸方向に距離ｄ１、Ｙ軸方向に距離ｄ２離れた位置に地点ｍが存在する。以下、地点ｍの計測発電量Ｐｋｍおよび地点ｏの計測発電量Ｐｋｏを入力として推定した地点ｍの推定発電量Ｐｓｍから信頼度を算出し、その信頼度の値を用いて地域内の信頼度分布を推定する手法を示す。

図２８はＸ軸に沿った信頼度の増減モデルの例を示す。ここで、Ｘ軸の風上から風下方向を、距離ｄ１の正の方向とする。地点ｏの計測発電量Ｐｋｏを入力とした場合、地点ｏの推定発電量Ｐｓｏは計測発電量Ｐｋｏと同値とすることで一意に定まるため、地点ｏにおける信頼度は０となる。なお、図２６の関係から明らかなように、信頼度０は、信頼度が高いことを意味しており、信頼度が０以外の正負の数値で示された場合、数値が大きいほど信頼度が低下したことを意味している。

図１７のフローチャートに示す地点ごとの発電量を推定する手法では、雲の形状が一定で、風向風速が一定であるという前提条件に基づいている。雲の形状および風向風速は風下に移動するにつれて変化していくため、上記の前提条件が崩れることにより推定精度が低下し、推定の信頼性が低下すると予想される。以上の考察により、図２８のグラフに示す通り、地点ｏにおいて信頼度は０であり、距離ｄ１が大きくなるにつれ信頼度が増加していくと予想される。

同様に、図２９はＹ軸に沿った信頼度の増減モデルの例を示す。雲の境界線上の地点では同様の発電量変動が観測されると予想されるため、地点ｏから見てＹ軸方向に離れて存在する地点の発電量は、地点ｏと同様の発電量変動を示すと推定できる。しかし、地点ｏからの距離ｄ２が増大するにつれ、雲自体の形状変化の可能性および異なる雲に日射量が影響される可能性が増大するため、推定精度が低下すると予想される。以上の考察により、図２９のグラフに示す通り、地点ｏにおいて信頼度は０であり、距離ｄ２が大きくなるにつれ信頼度が増加していくと予想される。

上記図２８、図２９に示すＸ軸、Ｙ軸方向の信頼度増減モデルを設定することにより、地域内の信頼度分布を決定することができる。

図３０に、ＸＹ平面で表わされる地域の上に、信頼度を垂直軸方向に表示した図を示す。図３０において、ＸＹ平面上の各地点を通りＸＹ軸に垂直な直線と、平面ｏＡＢＣとの交点が、各地点における信頼度の値を示す。３次元空間上において平面は３地点を指定することにより決定される。このため地点ｏの計測発電量Ｐｋｏを入力として推定した地点ｍ１および地点ｍ２の推定発電量Ｐｓｍ１、Ｐｓｍ２を算出し、地点ｍ１および地点ｍ２の信頼度ｒ１およびｒ２を算出することにより、地域内の信頼度分布を決定することができる。このとき、地点ｍ１および地点ｍ２は地点ｏよりも風下の地点を選択する。

以上に示した地域内の信頼度分布算出手法は一例であり、発電量推定手法により変更を加えて良い。例えば、図２８および図２９に示した例以外の信頼度の増減モデルを設定して良い。また、信頼度分布を表す面（図３０に示す例では平面ｏＡＢＣ）を決定する際、所定の地域をさらに分割した地域ごとに複数の平面、あるいは曲面により信頼度分布を決定しても良い。

以上ステップＳ８５の信頼度算出処理を地点ごとに実施することにより、地域内の地点ごとの信頼度を算出する。図２３に算出された地点ごとの信頼度のデータ構成例を示す。地点名１０１で表わされる各地点について、設置位置を表す緯度・経度１０２が登録され、気象条件１５１、日時条件１６０、予測時刻１６１などで規定される条件下での信頼度１６２が登録される。

信頼度は図２６に例示したような推定誤差あるいは時間ずれの生じ得る範囲を示す値に加えて、数値に応じた段階を設定して、各地点の条件ごとに登録しても良い。図３１に信頼度の段階設定例を示す。図３１の例では、信頼度を「高」・「中」・「低」の３段階に分類し、推定誤差の範囲が１０％以下、あるいは時間ずれが１分以下の場合について、「高」の段階を割り当てている。

再び図１の説明に戻る。ここで信頼度算出部１３は、信頼度モデル設定部１２により過去時点における気象情報、計測発電量情報、推定発電量情報を用いて作成した地点ごとに信頼度データから、所望の条件による信頼度分布を算出する。

本システムでは、そのユーザが図２の入力デバイス９０４を通じて信頼度算出条件を入力することにより、信頼度算出部１３は入力された条件に適合した信頼度を図２３に示す信頼度分布情報から抽出し、表示部２５に表示する。ここで、信頼度分布情報が推定誤差の％値により格納されている場合は、発電特性情報データベースＤＢ６に格納されているＰＶ装置の定格発電量情報を用いて％値をＷ値（うるささ指数）に変換し表示しても良い。こうすることにより、ＰＶ装置の定格容量の差を考慮した推定誤差を把握することができる。

また、ユーザが信頼度算出条件を決定する項目のうち、いくつかについて入力しない場合は、その項目について全ての場合の信頼度の値を重み付平均した値を表示しても良い。例えば、ユーザが気象条件の風向の項目のみ入力しなかった場合、風向以外の信頼度算出条件はユーザの入力通りとし、風向について北、北東、東、・・・とした全通りの信頼度を信頼度分布情報から抽出して加算平均した値を表示しても良い。

このとき、重みは全ての場合について等しくしても良いし、気象情報について過去の発生頻度に比例した重みを設定しても良い。すなわち、上記の風向を入力しなかった例において、過去の気象情報から風向が北の場合の発生頻度、風向が北東の場合の発生頻度などのように全ての場合について発生頻度を求め、それぞれの場合の信頼度にその発生頻度に比例した値で重み付して平均した値を表示しても良い。

なお、信頼度算出の処理において、風向風速を地点間の発電量時系列データの類似度を用いて推定した場合、算出した類似度を考慮して信頼度を決定しても良い。

例えば、図２２のフローチャートに基づいて算出した信頼度の値に、風向風速の推定処理において算出した地点間相関の値（相互相関係数Ｒ_ＸＹ））で除した値を最終的な信頼度と定義しても良い。このような定義を採用することにより、地点間相関の値が大きく推定され、風向の信頼度が高い場合に、ＰＶ発電量の信頼度が高くなるよう設定できる。

また、信頼度を算出する地点の近傍において推定された風向風速の状況に応じて信頼度を決定しても良い。例えば、図２１における地点５のＰＶ発電量の信頼度を算出する場合、以下に記す場合分けにより係数αを決定し、図２２のフローチャートに基づいて算出した信頼度の値に、αを乗じた値を最終的な信頼度と定義しても良い。このとき、地点５の近傍にある地点２、４、６、８における推定された風向と地点５において推定された風向を比較し、地点５の風向と上記近傍４地点の風向が同一であればα＝１、地点５の風向と上記近傍３地点の風向が同一であればα＝１．１、・・・など、風向が一致している近傍地点の割合が大きいほどαの値が小さくなるようにαの値を設定する。

このように信頼度を定義することにより、近傍の地点が同一の風向に沿って移動する雲の影響を受けている場合は信頼度を高く、近傍の地点が別々の風向に沿って移動する雲の影響を受ける場合、すなわち比較的小さな雲によりＰＶ発電量が影響を受けるため予測誤差が生じる可能性の高い場合は信頼度が低くなるよう設定できる。

表示部２５は、所定の地域内の信頼度分布および信頼度算出条件を表示する。図３２に信頼度分布の表示画面例を示す。図３２に示す画面例では、画面左側に所定の地域内の各区画、画面右側に条件や凡例を表示している。画面内の各区画について、画面右下に示す凡例に従い信頼度を段階ごとに色分けして示している。画面内の白丸は計測発電量情報を取得可能なＰＶ装置の設置位置を示す。また、図３２に示す画面例では、画面右上に信頼度算出条件を表示している。

以上詳細に説明した本発明の太陽光発電量推定システムによれば、地点ごとの発電量がデータの信頼度とともに推定できる。かつ推定時刻は気象条件の変動を加味した将来予測時点とすることができる。また予測する地点は、通信ネットワークに接続されたＰＶ装置の設置位置ばかりでなく、任意の位置とすることができる。

つまり、通信ネットワークに接続されていないＰＶ装置の発電量を推定することも可能である。発電量推定装置２で使用される複数のデータベースＤＢの中には、非計測（通信ネットワークに接続されていない）のＰＶ装置の位置情報、定格発電量、さらには自己地点または近傍地点での晴天時の発電量などの情報も備えられているので、計測された情報から求められた図３０の面的信頼度の情報を加味して、この地図領域内の任意点の発電量と信頼度情報を求めることが可能である。

この結果、変電所のフィーダに接続された多数のＰＶ装置が天候の変化に応じて順次変化するときの総出力を、ネットワーク接続されていないＰＶ装置の出力も含めて高精度に予測推定することが可能である。かつこのときの予測信頼度の情報も同時に得られている。

ＰＶ装置の出力が増加すると、フィーダ末端の電圧が跳ね上がる事象があるが、本発明によれば係る事象も予測可能であり、タップ付き変圧器の制御にも精度よく反映することが可能となる。制御の際の余裕を高く取っておく必要がない。

このため、以上説明した太陽光発電量推定システムにおいて、さらに系統制御装置を備え、発電量推定装置２により算出された発電量およびその信頼度を用いて制御信号を生成し、系統制御信号に基づき系統制御装置を制御することができる太陽光発電系統制御システムを構成することも可能である。

図３２に系統制御装置１０５をさらに備える太陽光発電系統制御システム５０のシステム構成例を示す。図３２では、系統制御装置１０５としてステップ式自動電圧調整器（ＳＶＲ：Ｓｔｅｐ Ｖｏｌｔａｇｅ Ｒｅｇｕｌａｔｏｒ）を備え、系統電圧制御を行う例を示す。このシステム構成により、各ＰＶ装置の推定発電量から所定の時刻における系統電圧を潮流計算により算出し、さらに各ＰＶ装置の信頼度から生じ得る系統電圧の幅を算出可能であるため、推定誤差、あるいは時間ずれを考慮した高信頼な系統電圧制御を実現しつつ、適切な系統電圧幅を設定することによりタップ切替回数を低減し機器コストの削減が可能となる。

以下、太陽光発電量推定装置１８からのＰＶ発電量推定値と信頼性の情報を用いて電力系統制御に活用するときの事例について幾つか説明する。まず、ＰＶ発電量推定値と信頼性の情報を利用したＳＶＲ制御について説明する。

図３４に従来のＳＶＲ制御手法により系統電圧の時系列変化を示したグラフを示す。同図は横軸に時間、縦軸に系統電圧Ｖを示しており、図中のＶ_Ｕは不感帯上限を、Ｖ_Ｌは不感帯加減の設定値を表す。系統電圧Ｖはこの上下限値以内となるように、ステップ式自動電圧調整器ＳＶＲのタップ制御が実行される。

例えば、図示の例では時間の経過とともに系統電圧Ｖが上昇し、時刻Ｔ１以降上限値ＶＵを一定時間Ｔｓｖｒだけ経過した。この場合に系統制御装置１０５は、ＳＶＲのタップを下げ動作させる定限時方式による制御を行う。またこの例ではその後電圧Ｖ低下して下限値を逸脱する状態は時刻Ｔ_３以降、Ｔ_４まで一定時間Ｔｓｖｒだけ継続したので系統制御装置１０５は、ＳＶＲのタップを上げ動作させる定限時方式による制御を行った。

図３４の従来の制御手法は、ＰＶ装置が大量導入される以前には有効な手法であった。然るに大量導入後は天候の急変による系統電圧の増減により、従来手法ではＳＶＲのタップ操作が頻繁に発生する結果となり、機械部品の損耗が懸念されている。

図３５は、太陽光発電量推定システム１０の予測結果をステップ式自動電圧調整器ＳＶＲのタップ制御に適用した場合の系統電圧の時系列変化を示したグラフである。この制御では、系統電圧Ｖが上昇した時刻Ｔ_５において、タップ下げ制御を実行する。時刻Ｔ_５は、点線で示す電圧ＶＲが実際に上限値Ｖ_Ｕを超過する時刻Ｔ_２以前の時刻であり、この条件として系統制御装置１０５は、系統電圧が上限値に近づいていること、天候から予測した発電量が今後増加する傾向であることを見越してタップ位置を事前に下げておく制御を実行する。これにより将来発電量が増加して系統電圧が上昇した場合であっても、上限値にまで至ることを阻止できる。

同様にしてこの制御では、系統電圧Ｖが下降した時刻Ｔ_６において、タップ上げ制御を実行する。時刻Ｔ_６は、点線で示す電圧ＶＲが実際に下限値Ｖ_Ｌを逸脱する時刻以前の時刻であり、この条件として系統制御装置１０５は、系統電圧が下限値に近づいていること、天候から予測した発電量が今後減少する傾向であることを見越してタップ位置を事前に上げておく制御を実行する。

この制御は、将来のＰＶ発電量を予測し、将来の時点における系統状態を潮流計算により算出し、将来の電圧変動を予測することで実現できる。予測された電圧変動に対し、将来の時点で系統電圧が不感帯内に収まるようＳＶＲのタップ動作を決定する予測制御を用いることにより、上限逸脱および下限逸脱が従来手法を用いた場合よりも生じ難いように系統電圧が制御される。この予測手法により、タップ操作回数を大幅低減できる。

本発明では、単なる発電量の予測に基づくタップ操作ではなく、さらに信頼度を加味した制御を実行する。図３６は、図３５の予測結果に基づくタップ制御の時の電圧変動（点線）に対し、事前の予測結果よりも早く気象変更が発生し、結果として電圧上昇が早く発生してしまい、上限値を逸脱してしまった（実線）事例を示している。このように、ＰＶ装置の予測に誤差が生じ、その結果として予測制御を用いた場合でも系統電圧が規定範囲外に逸脱する場合が生じ得る。

この事例で予測結果にさらに信頼度情報を加味した場合の制御事例について図３７で説明する。図３７はＰＶ装置の推定信頼度を含む予測値を用いたＳＶＲの予測制御を適用した場合の系統電圧の時系列変化を示したグラフである。図中の一点鎖線は、各時刻においてＰＶ発電量が信頼度を考慮した上下限値をとる場合について算出した系統電圧の上下限値を示している。すなわち信頼度を含んだ系統電圧の生じ得る範囲を示している。

例えば図３７で実線は計測される系統電圧Ｖであり、時刻Ｔ_７ではまだ電圧上昇が計測されていないが予測値（図３６の点線）としては以後の上昇を予測している。図３７の一点鎖線Ｄ_１は信頼度が高いときに予測値を修正したものであり、電圧上昇が予測値（図３６の点線）よりも早い時刻に、かつ大きく発生するように予測値を修正する。一点鎖線Ｄ_２は信頼度が低いときの予測値修正を示したものであり、電圧上昇が予測値（図３６の点線）よりも遅い時刻に、かつ小さく発生するように予測値を修正する。なお、信頼度が高い場合に、タップ切り替えを早めに操作することのほかに、タップ操作量を大きめにすることでも同様の効果を期待出来る。

信頼度を含む系統電圧の上下限値が規定範囲内に収まるようにＳＶＲのタップ動作を決定する制御手法を採用することにより、ＰＶ発電量予測に誤差が生じた場合でも系統電圧の上下限逸脱を低減することができる。

このとき、地域内の全ＰＶ装置において発電量が最大となる場合、および全ＰＶ装置において発電量が０となる場合を想定してタップ動作を決定する制御手法と比較すると、本発明による制御手法は各時刻において生じ得るＰＶ発電量の変動範囲を信頼度として算出し、その信頼度に基づきタップ動作を決定するため、不必要なタップ動作を低減することができる。

ＰＶ発電量推定値と信頼性の情報を用いて電力系統制御に活用するときの次の事例について説明する。ここではＰＶ発電量推定値を利用して負荷融通の可否判定を行うことについて述べる。

まず負荷融通とは、本来の配電ルートが事故または工事などで使用不可能となった場合に、開かれていた複数の連系用開閉器を閉じて他のルートから電力供給を行うことである。

この場合は開閉器投入時に以下の項目に留意する必要がある。
（ａ）開閉器投入時に電圧差、位相差が投入可能条件から逸脱しないか。これは、過電流が流れることにより系統機器に過負荷がかかることを防止するためである。（ｂ）開閉器投入時に電圧急変、位相急変が発生し連系されるフィーダ内の分散電源や負荷の脱落を引き起こさないか。
（ｃ）負荷融通後のＰＶ出力低下により、フィーダが重潮流となり、過電流、電圧低下が発生しないか。

この可否判断にＰＶ発電量および信頼度の要件を加味することにより、真の負荷量および生じ得るＰＶ装置の変動幅の推定が可能であり、上記の項目への抵触有無、対策要否を事前に検討できる。

これら可否判断のうち、（ａ）（ｂ）について対策した本発明の一例を図３８に示す。この状態では、対象フィーダは第１の配電ルートを介して配電系統に接続されていたが、第１の配電ルートからの給電が例えば事故または工事などで使用不可能となったため、第２の配電ルートからの給電を開始しようとしている。

図３８の連系開閉器ループ投入可否判定処理フローでは、まず第２の配電ルートを形成すべく連系開閉器（常開の開閉器）を選択する（ステップＳ３００）。次に、連系対象のフィーダのＰＶ装置による出力を推定する（ステップＳ３０１）。ここで、発電量推定装置１８の出力が用いられる。ステップＳ３０２では、ＰＶ装置出力停止時と、ＰＶ装置が最大出力である時の区間負荷を算出する。

ステップＳ３０３では、連系開閉器を閉じたときに配電系統から第２の配電ルートを介して対象フィーダに流れる潮流を計算する。潮流としては両端電圧、位相差を求めるが、これはＰＶ装置出力停止時と、ＰＶ装置が最大出力である時の双方について求める。ステップＳ３０４では、両端電圧、位相差が所定の一定値以下であることを確認して条件が成立するか否かにより、第２の配電ルートからの給電開始の可否を決定する。

またこれら可否判断のうち、（ｃ）について対策した本発明の一例を図３９に示す。この場合最初のステップＳ３１０では、融通候補区間を選定する。次に各区間内のＰＶ装置出力を推定する。ここで、発電量推定装置１８の出力が用いられる。ステップＳ３１２では、ＰＶ装置出力停止時の区間負荷を算出する。ステップＳ３１３では、区間に電力供給したときに、配電系統から第２の配電ルートを介して対象フィーダに流れる潮流または負荷電流を計算する。ステップＳ３１４では、負荷融通後の潮流状態を評価する。ここでの評価は例えば過負荷による過電流状態であり、電圧低下の評価である。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明しているものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、またある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の一部について、他の構成の追加、削除、置換をすることが可能である。

また、上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。また、上記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリやハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの記録装置、またはＩＣカード、ＳＤカード、ＤＶＤなどの記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際にはほとんどすべての構成が相互に接続されていると考えてもよい。

１０：太陽光発電量推定システム
１１：発電量推定部
１２：信頼度モデル設定部
１３：信頼度算出部
１８：発電量推定装置
２０：計測情報取得部
２１：境界地点推定部
２２：雲形状形成部
２３：発電量予測部
２４：示部
９０１：ＣＰＵ
９０２：メモリ
９０３：通信デバイス
９０４：入力デバイス
９０５：表示デバイス
９０６：記憶デバイス
９１０：バス
ＤＢ：データベース
ＰＶ：太陽光発電装置
Ｓ：電力センサ
ＮＷ：通信ネットワーク

Claims (24)

1. 配電系統に接続された太陽光発電装置の発電量を一定周期で得る通信手段、該発電量の時系列データを記憶する第１のデータベース、前記配電系統を含む地域の地図情報を記憶する第２のデータベース、前記配電系統を含む地域の気象情報を記憶する第３のデータベース、演算手段、モニタを備える太陽光発電量推定システムであって、
   前記演算手段は、前記配電系統に接続された第１の太陽光発電装置と第２の太陽光発電装置の設置位置を含む地域の前記地図情報、気象情報および計測した太陽光発電量の時系列データを用いて、予測時刻における第２の太陽光発電装置の推定発電量をその推定の信頼度の情報とともに得るとともに、
   第２の太陽光発電装置の推定発電量の信頼度を、予測時刻における第２の太陽光発電装置の計測発電量と予測発電量の時系列データの大きさと増減方向が一致する時間差により求めることを特徴とする太陽光発電量推定システム。
2. 請求項１に記載の太陽光発電量推定システムにおいて、
   前記の信頼度は、第２の太陽光発電装置を含む地域の複数個所について求められることを特徴とする太陽光発電量推定システム。
3. 請求項２記載の太陽光発電量推定システムにおいて、
   前記演算手段は、前記第１の太陽光発電装置と第２の太陽光発電装置の設置位置を含む地域の第３の太陽光発電装置の発電量を推定することを特徴とする太陽光発電量推定システム。
4. 請求項２または請求項３に記載の太陽光発電量推定システムにおいて、
   前記第２の太陽光発電装置を含む地域の複数個所の信頼度がモニタ上に表示されることを特徴とする太陽光発電量推定システム。
5. 請求項１から請求項４のいずれかに記載の太陽光発電量推定システムにおいて、
   前記演算手段は、所定の配電系統に接続された太陽光発電装置の予測時刻における推定発電量の総和を、推定信頼度の情報とともに与えることを特徴とする太陽光発電量推定システム。
6. 請求項１記載の太陽光発電量推定システムにおいて、
   前記演算手段は、第１の太陽光発電装置で計測した太陽光発電量が急変した時刻と、このときの風速、風向から予測時刻における第２の太陽光発電装置の発電量を推定することを特徴とする太陽光発電量推定システム。
7. 請求項１記載の太陽光発電量推定システムにおいて、
   第２の太陽光発電装置の前記の信頼度は、その計測発電量と予測発電量の時系列データの同一時刻の大きさを比較することにより求めることを特徴とする太陽光発電量推定システム。
8. 第１の太陽光発電装置で計測した発電量から第２の太陽光発電装置の発電量を推定する太陽光発電量推定方法であって、
   第１の太陽光発電装置と第２の太陽光発電装置の設置位置を含む地域の地図情報、気象情報および計測した太陽光発電量の時系列データを用いて、予測時刻における第２の太陽光発電装置の推定発電量をその推定の信頼度の情報とともに得るとともに、
   第２の太陽光発電装置の推定発電量の信頼度を、予測時刻における第２の太陽光発電装置の計測発電量と予測発電量の時系列データの大きさと増減方向が一致する時間差により求めることを特徴とする太陽光発電量推定方法。
9. 請求項８に記載の太陽光発電量推定方法において、
   前記の信頼度は、第２の太陽光発電装置を含む地域の複数個所について求められることを特徴とする太陽光発電量推定方法。
10. 請求項９記載の太陽光発電量推定方法において、
    前記第１の太陽光発電装置と第２の太陽光発電装置の設置位置を含む地域の第３の太陽光発電装置の発電量を推定することを特徴とする太陽光発電量推定方法。
11. 請求項８から請求項１０のいずれか1項に記載の太陽光発電量推定方法において、
    前記第２の太陽光発電装置を含む地域の複数個所の信頼度がモニタ上に表示されることを特徴とする太陽光発電量推定方法。
12. 請求項８記載の太陽光発電量推定方法において、
    第１の太陽光発電装置で計測した太陽光発電量が急変した時刻と、このときの風速、風向から予測時刻における第２の太陽光発電装置の発電量を推定することを特徴とする太陽光発電量推定方法。
13. 請求項８記載の太陽光発電量推定方法において、
    第２の太陽光発電装置の前記の信頼度は、その計測発電量と予測発電量の時系列データの同一時刻の大きさを比較することにより求めることを特徴とする太陽光発電量推定方法。
14. 配電系統に複数の太陽光発電装置が設置され、配電系統の系統制御装置を備えた太陽光発電系統制御システムであって、
    前記請求項５に記載の太陽光発電量推定システムが与える前記予測時刻における推定発電量の総和と推定信頼度の情報を前記配電系統の系統制御装置に与えて配電系統を制御することを特徴とする太陽光発電系統制御システム。
15. 請求項１４に記載の太陽光発電系統制御システムにおいて、
    前記系統制御装置は、配電系統の電圧を所定範囲に制御するステップ式自動電圧調整器であり、前記太陽光発電量推定システムが与える前記予測時刻における推定発電量の総和から求めた配電系統の電圧予測値に応じて前記ステップ式自動電圧調整器のタップ制御を行うことを特徴とする太陽光発電系統制御システム。
16. 請求項１５に記載の太陽光発電系統制御システムにおいて、
    前記系統制御装置は、前記太陽光発電量推定システムが与える前記推定信頼度の情報に応じて、前記ステップ式自動電圧調整器のタップ制御を可変に調整することを特徴とする太陽光発電系統制御システム。
17. 請求項１４に記載の太陽光発電系統制御システムにおいて、
    前記系統制御装置は、配電系統の給電ルートを変更するための負荷融通装置であり、給電ルート変更に使用する開閉器の操作前段階において、開閉器の投入可能条件確認のために前記太陽光発電量推定システムが与える推定発電量の総和の情報を使用することを特徴とする太陽光発電系統制御システム。
18. 請求項１７に記載の太陽光発電系統制御システムにおいて、
    前記開閉器の投入可能条件は、開閉器投入時の電圧差および位相差、並びに潮流量であることを特徴とする太陽光発電系統制御システム。
19. 請求項１から請求項７のいずれか１項に記載の太陽光発電量推定システムにおいて、
    前記信頼度は、複数地点に設置された太陽光発電装置の発電量の時系列データのうちの所定の時系列データと他の時系列データとから算出した類似度を用いて定義されることを特徴とする太陽光発電量推定システム。
20. 請求項１から請求項７のいずれか１項に記載の太陽光発電量推定システムにおいて、
    前記信頼度は、太陽光発電量および信頼度を算出する地点における風向風速情報、およびその近傍に位置する少なくとも1つ以上の地点における風向風速情報を用いて定義されることを特徴とする太陽光発電量推定システム。
21. 請求項８から請求項１３のいずれか１項に記載の太陽光発電量推定方法において、
    前記信頼度は、太陽光発電量および信頼度を算出する地点における風向風速情報、およびその近傍に位置する少なくとも1つ以上の地点における風向風速情報を用いて定義されることを特徴とする太陽光発電量推定方法。
22. 請求項８から請求項１３のいずれか１項に記載の太陽光発電量推定方法において、
    前記信頼度は、複数地点に設置された太陽光発電装置の発電量の時系列データのうちの所定の時系列データと他の時系列データとから算出した類似度を用いて定義されることを特徴とする太陽光発電量推定方法。
23. 請求項１４から請求項１８のいずれか１項に記載の太陽光発電系統制御システムにおいて、
    前記信頼度は、複数地点に設置された太陽光発電装置の発電量の時系列データのうちの所定の時系列データと他の時系列データとから算出した類似度を用いて定義されることを特徴とする太陽光発電系統制御システム。
24. 請求項１４から請求項１８のいずれか１項に記載の太陽光発電系統制御システムにおいて、
    前記信頼度は、太陽光発電量および信頼度を算出する地点における風向風速情報、およびその近傍に位置する少なくとも1つ以上の地点における風向風速情報を用いて定義されることを特徴とする太陽光発電系統制御システム。

Images