JP6377805B2 - 発電設備に対する収益分析装置およびその方法、ならびにプログラム - Google Patents

Description

本発明の実施形態は、発電設備に対する収益分析装置およびその方法、ならびにプログラムに関する。

太陽光発電システム(以下PVシステム)などの自然エネルギーを利用した発電設備の普及が必要とされている。発電設備への投資の促進のためには、正確な発電収益の分析技術が必要となる。

自然エネルギー発電における発電電力の買取りルールが与えられた場合の収益分析については、さまざまな不確実性が存在する。このため、平均収益ではなくVaR(Value at Risk)など確率分布を考慮した分析を行いたいという要望がある。そのような分析のためには、不確定要素を考慮したシミュレーションを複数回行って、収益の確率分布を求める必要がある。

自然エネルギーを用いた発電の主要な不確定要素としては、(A)日照や気温、風況などの気象状況、(B)発電性能に影響を与える機器の劣化や故障、の2つが挙げられる。また、近年の設備異常監視システムの進歩も考慮して、(C)異常監視システムによる保守という不確定要素も必要となる。

そのような確率分布に基づく収益分析を行う方法として、太陽光発電を対象とした方法が従来提案されている。この方法は、気象統計情報を用いてサンプリングした気象データサンプルに対して、PVモジュールやPCS（Power Conditioning System）に関する設備・機器諸元における性能保証情報を用いて、保障最低性能値が保証期間続くという仮定に従った性能状態値を用いて、発電収益分析を行う。

特開2002-299668号公報

現実の自然エネルギー発電システムの機器は自然界にさらされており、気象状況によって発電と故障の不確実性が存在する。また、異常監視システムによって故障を診断し、性能保障値よりも性能が上回っていても積極的に保守を行うことで収益を向上させることが期待できる。そのような要因を考慮した、正確な収益分析が課題となっていた。

本実施形態は、精度の高い収益分析を可能にする収益分析装置およびその方法、ならびにプログラムを提供する。

本発明の実施形態としての収益分析装置は、自然エネルギーの発電設備の収益分析装置であって、気象サンプラと、経年異常サンプラと、シミュレーション部と、発電量推定部と、発電価値算出部と、を備える。

前記気象サンプラは、気象に関する統計情報に基づいて、複数の時点の気象を表す気象データサンプルを生成する。

前記経年異常サンプラは、前記複数の時点での前記発電設備の経年による性能劣化または寿命低下を表すストレスデータサンプルを、乱数を用いて生成する。

前記シミュレーション部は、（Ａ）前記ストレスデータサンプルの前記時点の性能劣化または寿命低下により前記発電設備の性能または寿命を更新し、（Ｂ）更新後の性能または寿命が所定の基準を満たした場合に、前記所定の基準が満たされたことを検出できるか乱数を用いて決定し、（Ｃ）前記所定の基準が満たされることが検出できた場合に、前記発電設備に対し所定の基準に応じた保守行動を行い、前記保守行動に応じて前記性能または寿命を更新することを、前記時点を進めながら繰り返すことにより、前記複数の時点での前記発電設備の性能を表す性能係数サンプルと、前記複数の時点での前記保守のコストを表す保守コストサンプルを生成する。

前記発電量推定部は、前記気象データサンプルと、前記性能係数サンプルとに基づき、前記複数の時点での前記発電設備の発電量を表す発電量サンプルを生成する。

前記発電価値算出部は、発電量および収益に関する情報と、前記発電量サンプルと、前記保守コストサンプルに基づき、少なくとも１つの時点における収益または累積収益を算出する。

本発明の実施形態にかかわる発電設備収益分析装置のブロック図。 本発明の実施形態に係る動作のフローチャート。 本発明の実施形態に係る動作のフローチャート。 気象統計情報の例を表す図。 現場補正情報の例を表す図。 機器信頼性情報の例を表す図。 異常監視情報の例を表す図。 設備・機器諸元の例を表す図。 発電電力価値情報の例を表す図。 分析クエリの例を表す図。 発電収益出力の一例を表す図。 気象データサンプルの例を表す図。 性能状態値の例を表す図。 機器ストレスデータサンプルの例を表す図。 突発異常サンプルの例を表す図。 性能係数サンプルの例を表す図。 保守コストサンプルの例を表す図。 発電量サンプルの例を表す図。 機器ストレスのサンプリングと寿命のサンプリングの違いを説明する図。 機器ストレスのサンプリングと寿命のサンプリングの違いを説明する図。 本実施形態のハードウェア構成例を示す図。

本発明の実施形態は、太陽光発電システム(PVシステム)などの自然エネルギーを利用した発電システムが長期的に生み出す収益の分析装置、特に機器の経年的・突発的故障とそれらの性能低下に対応するための異常監視システムの効果を考慮した、精度の高い収益を算出することが可能な発電設備収益分析装置に関する。

以下、図面に基づいて、本発明の実施の形態について説明する。

図１は、本発明の実施形態にかかわる発電収益分析装置を備えた発電設備収益分析システムのブロック図である。図１に示されるように、発電設備収益分析システムは、気象統計情報格納部１０１、現場補正情報格納部１０２、機器信頼性情報格納部１０３、異常監視情報格納部１０４、設備・機器諸元格納部１０５、発電電力価格情報格納部１０６、分析クエリ格納部１０７、発電収益分析装置１０８、発電収益出力部１０９を備える。分析クエリ格納部１０７からのクエリを入力として収益分析を行い、分析により得られた発電収益を発電収益出力部１０９から出力する。なお、以下の説明では、格納部１０１〜１７に格納されている情報も、同じ参照符号１０１〜１０７によって示すことがある。

気象統計情報格納部１０１には、分析対象地点あるいは近隣地点の気象統計情報が蓄積されている。例えば、ＰＶシステムの建設を検討しているサイトや近隣の気象台における日射量、気温、天候などの統計データが蓄積されている。気象統計情報は長期間の生データでも、生データから算出した確率分布でもよい。

図４は気象統計情報の例を表す。日射量の確率分布４０２と、気温の確率分布４０３が、月ごとに蓄積されている。各確率分布には平均値と上下限が定められている。このほか、月毎の天気分布などの情報を蓄積することができる。また、月ごとではなく、日ごとや１時間ごとの統計データを蓄積していてもよい。

現場補正情報格納部１０２には、ＰＶシステムの設置現場に関する情報である現場補正情報が蓄積される。現場補正情報は、気象統計情報の地点（たとえば気象台）の気象観測条件と分析対象地点（たとえばＰＶシステムの建設地）の気象状況に差がある場合に、現場に合わせて気象統計情報を補正するために用いられる。例えば、ＰＶシステムの建設地が近隣の気象台よりも日射量が低ければ、その差分に応じて、気象統計情報を補正することができる。

図５は現場補正情報の例を表す。ＰＶシステムのＰＶモジュールが設置された方位、パネルの仰角、建物など近隣の日照阻害物の有無などの情報が蓄積されている。

機器信頼性情報格納部１０３には、設備を構成する各機器の寿命情報、起こりうる経年異常や突発異常、発生条件、発生確率を表すモデル情報、および、故障した場合にとりえる処置行動と処置コストなどが蓄積される。

図６は機器信頼性情報の例を表す。ＰＶシステムの構成機器の異常情報として、ＰＶモジュールとＰＣＳに関する異常情報が蓄積されている。ここで、６０１はモジュールの初期性能値と初期寿命パラメータを表しており、６０２は様々な異常に対する情報を表している。

例えば、ＰＶモジュールの初期寿命は３０００である。寿命の単位は任意でよい。たとえば日である。初期性能値は平均1.00で、標準偏差が0.005の正規分布に従う。

ＰＶモジュールの経年異常である「劣化」は、特定の条件によらず発生する。劣化度は、一期間（たとえば１年を４期に分けたときの１期間）あたり、平均0.005, 標準偏差0.005の正規分布からサンプリングし負の符号をつけたものとすることができる。この値だけ、性能値が低下する。劣化に対して、保証契約に基づく「保障」行動が適用できれば、30千円で初期値に性能状態値（発電能力）を戻すことができる（たとえば30千円で新しいものに交換）。また、保障適用できずに、「交換」行動を行った場合、300千円で初期値に性能状態値を戻すことができることを表している。

また、モジュールの経年異常である「故障」は、特定の条件によらず発生する。一期間あたり、平均200、標準偏差50の正規分布にしたがって、寿命が消耗する。寿命が所定の基準（たとえば０）に達すると故障となる。

また、モジュールの突発故障にふくまれる「故障」は、雨の日のみで発生する可能性があり、発生確率は0.0001（すなわち0.01%）のベルヌーイ分布に従う。発生した場合には、寿命を平均2000、消耗させる。

さらに、ＰＣＳに関する突発異常「ダウン」が発生する確率は、0.001のベルヌーイ分布に従い、復旧コストは30千円である。

上記では保守行動として、劣化または故障が発生した場合に、「保障」、「交換」を示したが、「修理」、「点検」等、別の保守行動を追加してもよい。また、「何もしない」の保守行動を追加することも可能である。また、「保障」の内容も、複数用意してもよい。

このような機器の様々な異常モードに対する、発生条件、発生確率と発生量、とりうる処置行動と処置コストの情報を集めた機器信頼性情報を用いることで、後述するような異常のサンプリングと異常監視シミュレーションを行うことができる。

異常監視情報格納部１０４には、異常監視システムの性能情報が蓄積されている。監視性能は異常モード（経年、突発等）毎に異なる値を蓄積することができる。また、異常の事象（劣化、故障、ダウン等）に応じて診断性能を設定することもできる。

図７は異常監視情報の例を表す。異常を正常と判定してしまう見逃し率と、正常を異常と判定してしまう誤報率によって監視性能を表している。例えば、モジュールの突発異常は見逃し率0.01で検出でき(すなわち９９％の確度で検出でき)、誤報は5%発生してしまうことがわかる。また、ＰＣＳのダウンに関しては、見逃しも誤報もなく、完全に特定できることがわかる。このように異常監視情報を用いることにより、後述するように異常監視システムの効果を正確にシミュレーションすることが可能になる。図７の例では、モジュールは性能値が初期値の３０％以下になると、劣化による異常発生と扱われ、処置（交換等）の対象となる。劣化（３０％）以外に、劣化（４０％）、劣化（５０％）などを追加してもよい。また、ここでは、故障異常は寿命が０になった場合を想定する。また寿命が０以外の場合、たとえば寿命が３０、２０以下になった場合も、故障が近づいていることを示す「準故障１」、「準故障２」などと定義してもよい。これらの劣化の基準（３０％、４０％、５０％等）、寿命の基準（０、２０、３０等）は、所定の基準に対応する。

設備・機器諸元格納部１０５には、設備の性能を評価するための設備や機器の諸元データが含まれている。機器の型式、仕様、配置、個数、性能特性、保証情報、購入コストなどが含まれる。

図８は設備・機器諸元の例を表す。ＰＶシステムを例に、ＰＶモジュールやＰＣＳの情報が蓄積されている。保証情報は、異常監視シミュレータ１１４が処置を選択する際に利用することができる。たとえばＰ１のＰＣＳであれば１０年の保証が付いており、１０年の保証期間内に故障が発生した場合は、たとえば図６に示した機器信頼性情報に示される「保障」の処置コストでＰＣＳを交換できる。

発電電力価格情報格納部１０６には、発電量を価値に変換するための情報が格納されている。例えば、年毎の電力買取り価格やＣＯ２抑制効果などを金額換算するための係数が格納される。

図９は発電電力価値情報の例を表す。現在から２５年先までの単位電力量あたりの買取り価格の推移を示している。

分析クエリ格納部１０７には、分析者が設定した分析条件が格納される。その条件に従って、発電収益分析装置１０８が発電収益算出を行い、発電収益出力部１０９に算出結果を出力する。

図１０は分析クエリの例を表す。収益計算年数（分析対象期間）は２５年であり、これは２５年先までの収益を評価することを意味する。分析精度に影響する気象サンプル数および機器異常サンプル数（機器ストレスデータサンプル１３１の個数）はそれぞれ５０００、２００である。確率分布の95%点のVaR(Value at Risk)で評価することが示されている。

発電収益出力部１０９は、ディスプレイやスマートフォンなどシステムの形態に応じて様々なものが考えられる。図１１は発電収益出力の一例である。１１０１は２５年目までの累積収益の確率分布を時系列で表している。１１０２は２５年目の累積収益の確率分布のみを取り出して示している。１１０２の確率分布から、２５年目の平均収益が110百万円,95%VaR収益が99.1百万円（すなわち２５年目の収益が99.1百万円より小さくなる確率は５％）などという情報が算出できる。累積収益ではなく、年ごとの収益の確率分布を算出および表示してもよい。

以下では、このような収益出力を行うための発電収益分析装置１０８の一実施形態について述べる。

発電収益分析装置１０８は、気象サンプラ１１０、経年異常サンプラ１１１、突発異常サンプラ１１２、性能状態値格納部（一時記憶部）１１３、異常監視シミュレータ１１４、発電量推定部１１５、発電価値算出部１１６、気象データサンプル格納部１２１、性能係数サンプル格納部１２２、保守コストサンプル格納部１２３、発電量サンプル格納部１２４、を備えている。経年異常サンプラ１１１は、機器ストレスサンプラ１３０と経年異常算出期１３２を含む。異常監視シミュレータ１１４と経年異常算出部１３２は、シミュレーション部１２６を形成する。

気象サンプラ１１１は、気象統計情報と、必要に応じて現場補正情報に基づき、乱数を用いて様々な気象データをサンプリングによって生成し、気象データサンプル格納部１２１に格納する。例えば、サンプル数Ｎ、サンプル長Ｌなどの気象データサンプルを算出する。

気象統計情報が確率分布などの時は、その確率分布を用いてサンプリングを行えばよい、あるいは、気象統計情報が気象データベースなどの場合は、ランダムに特定の年の該当時間の気象データを選択しそのまま用いてもよい。

データのサンプル長は例えば、２５年分のデータを分析し、1日ごとに発電量を算出する場合には、L=３６５×２５＝９１２５のサンプル長の気象データを生成する必要がある。あるいは、一週間ごとの算出や１時間ごとの算出を行ってもよい。

図１２は気象データサンプルの例を表す。日照量、気温、天気というデータが１日単位で決定されている。このような様々な気象条件のもとで発電量を算出することにより、長期的な発電量の確率分布を得ることができる。図１０に示した分析クエリ１０７の例では、収益計算年数２５年、気象サンプル数が５０００のため、上記９１２５のサンプル長の気象データを、５０００個作成する。

設備の能力に影響を与える要因として、気象条件のほかに、機器の劣化の進行や故障などの異常が考えられる。機器の劣化や故障についても、確率的な現象であるので、サンプリングを行う必要がある。本実施形態では効率的なサンプリングを行うため、長期的な経年異常である劣化・故障と、短期的な突発異常である（突発）故障を分けてサンプリングする。

ここで性能状態値格納部１１３には、ある時点の設備の性能を算出するために必要な情報が格納される。性能状態値格納部１１３の情報はシミュレーション時に格納されるものであり、シミュレーションの時刻を進めるごとに、逐次更新され、次の時刻の設備の性能を算出するために用いられる。

図１３は性能状態値１１３の例を表している。設備が運用開始してから３年目の第１期（４月〜６月）における状態値を表している。この期（以下termと呼ぶこともある）の期初の性能係数（性能値と寿命）が３行目に示されている。

ここで、{}は各オブジェクトに対する値のリストを表しており、{モジュールM1に関する情報、モジュールM2に関する情報、・・・}などと、すべての設備に関する情報が蓄積される。図１３によるとモジュールM1の性能係数は0.47, 寿命は1730であることがわかる。

基準温度および基準日照量といった条件の下で定格の発電量の性能を性能値1.0とすると、性能値0.47は、同条件の下で定格の47%の発電量の発電性能を意味する。

経年異常サンプラ１１１では、機器信頼性情報１０３に基づいて、分析対象期間範囲における設備の経年異常である劣化と故障を、乱数を用いて算出する。経年異常サンプラのサンプル数（機器ストレスデータサンプルの個数）をＭとする。経年異常サンプラ１１１は、機器ストレスサンプラ１３０、機器ストレスデータサンプル格納部１３１、経年異常算出部１３２、を備える。

機器ストレスサンプラ１３０では、機器信頼性情報１０３に基づいて、各機器の劣化や故障にかかわるストレス値を算出する。

図１４は機器ストレスデータサンプルの例を表す。各termにおいて１レコード生成されている。各レコードは各ＰＶモジュールの故障と劣化に関するストレス値から構成されている。例えば、「M1異常」という項目は、図６に示した信頼性情報６０２の２行目のモデルからサンプリングでき、そのストレス値だけモジュールM1のモジュール寿命（図６の６０１参照）を消耗させることを意味する。「M1劣化」という項目は信頼性情報６０２の１行目のモデルからサンプリングでき、そのストレス値だけ、モジュールM1の性能値を消耗させることを意味する。

機器ストレスデータサンプル格納部１３１は、機器ストレスサンプラ１３０によりサンプリングされた機器ストレスデータサンプルを格納する。

経年異常算出部１３２は、性能状態値格納部１１３において、対応するtermの性能状態値の性能係数を用いて、経年異常が生じた後の性能係数を算出し、性能状態値１１３における性能係数を更新する。たとえば図１４の３年目の１期のM1異常のストレス値は２００、M1劣化は０．００であり、図１３の性能状態値１１３に示す３年目の１期の当初の寿命１７３０、性能値０．４７から、それぞれ２００と、０．００を減算する。この結果、図１３の性能状態値１１３の「経年異常」の項目に記載のように、寿命が１５３０、性能値が０．４７となる。

突発異常サンプラ１１２では、機器信頼性情報１０３と、必要に応じて気象データサンプルに基づいて、各機器の短期的な故障にかかわる異常（ダウン、故障、劣化等の異常の事象と、寿命または性能の低下値）を算出する。

図１５は突発異常サンプルの例を表す。１年目の７月３日（7/3）にPCS P1のダウンという突発異常が発生し、性能値を０．０１消耗させられている（図６の６０２の４行目のモデル参照）。また、３年目の4/1にモジュールM1の故障という突発異常が発生し、寿命が２０００消耗させられている（図６の６０２の３行目のモデル参照）。図６に示したように、モジュールの突発の故障は、条件として「雨」であることが必要である。このように天候の条件がある場合は、気象データサンプルも利用する必要がある。

突発異常サンプラ１１２は、対応するtermの突発異常事例を性能状態値に格納する。なお、突発異常は必ずしも一つのtermに一つの事例とは限らない。図１３の性能状態値１１３の「突発異常」の項目には、図１５における３年目１期の{4/1:M1:故障:200}が格納されている。

異常監視シミュレータ１１４は、性能状態値１１３と、異常監視情報１０４、設備・機器諸元１０５、および、機器信頼性情報１０３に基づいて、対象termにおける保守コストと、次のtermにおける性能係数を決定する。また、性能状態値１１３における性能係数と保守コストを、性能係数サンプル１２２と、保守コストサンプル１２３に格納する。

図１３の例に基づき、異常監視シミュレータ１１４の動作を示す。図１３において突発異常を反映させると、性能係数は
{M1:0.47:0, M2:…}
となる。ここで、1530-2000=-470だが、負の値は0に変換される。

この状態はモジュールM1の故障現象である。図７の７０１によると、この事象の異常監視システムの見逃し率は１％、誤報率は５％であることがわかる。ここで、この異常を検出できるかを、乱数を用いて判定した場合、９９％の確率で、検出に成功することがわかる。図１３の例では、M1の故障に関する検出結果はY（YES）となり、検出に成功している。

検出に成功した場合の処置としては、「保障」と「交換」という選択肢があることがわかる（図６参照）。しかし、図８の設備・機器諸元１０５によると、モジュールM1には保証契約はないことがわかり、「交換」という選択肢しか得られない。よって、このtermに、保守コスト300千円が計上されることになる。図１３の例では、「処置」の項目に「M1:交換:300」、「保守コスト」の項目に「300」が格納される。

交換によって性能係数は初期状態に戻ることができ、図６の６０１の条件に従って、次期の性能係数が決定される。図１３の例では、モジュールM1は寿命3000, 性能値0.99のものに置き換えられている。（「次期性能係数」の項目に｛M1:0.99:3000｝が格納される）。

このようにシミュレーションを行った後、図１３の性能状態値１１３における性能係数を性能係数サンプル格納部１２２へ追加し、図１３の性能状態値１１３における保守コストを保守コストサンプル１２３へ追加する。また、図１３の性能状態値１１３における性能係数を次期の性能係数へ更新して、シミュレーション時刻（時点）を1term分進めることになる。図１３の例では現在のシミュレーション時刻が３年１期であるため、次のシミュレーション時刻は３年２期になる。

図１６は性能係数サンプルの例を表し、図１７は保守コストサンプルの例を表している。このようなサンプルをＮ×Ｍ分蓄積し、発電収益分析を行うことになる。

発電量推定器１１５では、気象データサンプル１２１と性能係数サンプル１２２に基づいて、PVシステム（設備）が発電可能な発電量を推定することにより発電量サンプルを生成および蓄積する。

発電量推定は、発電性能モデリングと呼ばれる技術によって行うことができる（参考文献：D. L. King, W. E. Boyson, and J. A. Kratochvil, Photovoltaic Array Performance Model, Sandia National Laboratories Report, SAND2004-3535, August 2004.参照）。

発電性能モデリング技術を使うことにより、設備・機器諸元データの仕様データに基づいて、気象データから発電量（発電能力）を見積もることが可能である。たとえば設備・機器諸元データの仕様データから、日照量と気温と性能値を変数とし、発電量を出力するモデルを生成してきおき、このモデルを利用できる。

上記参考文献の性能モデリングでは、
日照値G(W/ｍ^２)と、推定されたモジュール温度Tm(℃)を用いて：
Ir(Tm,G’) = (c0 * (1-G’) + G’) * (1 + α*(Tm-25))
によって電流を推定し、
Vmp(Tm,G’) = Vstd + β*(Tm - 25) + c2 * δ(Tm) * ln(G’) + c3 * {δ(Tm) * ln(G’) }^2
によって電圧を推定し、
P = Ir(Tm, G’) * G’ * Istd * Vpm(Tm, G’)
によって電力を予測する、
ここで、(Istd, Vstd) = 標準状態の最大電力
G’ = G/1000
α, β, c0, c2, c3はデータから推定された係数、δ(T)は温度Tの熱電圧と呼ばれる関数である。

算出された発電量サンプルは発電量サンプル格納部１２４に格納される。図１８は発電量サンプルの例を表す。

発電価値算出部１１６は、保守コストサンプル１２３と発電量サンプル１２４に基づいて、発電設備が生み出す価値の確率分布を算出する。その際に、発電電力価格情報１０６を用いて、発電量を金銭価値に変換し、金銭価値から保守コストを減算することにより、収入と支出を考慮した収益としての価値の確率分布を算出する。そして、分析クエリに設定された条件に従って、収益分析結果を発電収益出力部１０９に出力する。

例えば、収益の計算では各term tにおいて
発電価値(t) = 発電能力(t)×買取価格(t) −保守コスト(t)
を算出し、累積値を算出すればよい、これをＮ×Ｍ個のサンプルについて行うことにより、termごとに、累積収益の確率分布を求めることができる。図１１は発電の累積収益出力の例を表している。

なお、経年異常サンプラ１１１では、機器信頼性情報１０３に基づいて、機器の劣化や故障に影響を与える機器ストレスをサンプリングしたが、別の方法として、機器の寿命そのものをサンプリングする方法も考えられる。

図１９および図２０は、機器ストレスのサンプリングと寿命のサンプリングの違いを説明する図である。機器の故障は決定論的に起こるわけではないため、何らかの不確実性を導入しなければならない。

図１９はこのような仕組みを表しており、例えば、１９０１の生存曲線（生存関数）に近くなるように機器の寿命を複数サンプリングすることができる（１９０２）。一方、機器の寿命は一定、あるいはほぼ一定とし、機器にかかるストレスが異なるという不確実性の導入方法も考えられる（１９０３、１９０４）。

図２０はこれらの２つのサンプリング方法の違いを表している。前者のサンプリング方法では、図２０の２００２、２００３に示すように、早期交換したにもかかわらず交換後に短い寿命の機器に置き換わってしまうと、予防的に交換を実施したにもかかわらず、故障は増えるという事象が発生する。一方、後者のサンプリング方法では図２０の２００４、２００５のように予防的に交換したほうが必ず故障時刻は遅くなることが保証される。
この後者の性質はどのようなタイミングで保守を行うべきか複数の保守戦略を比較する場合に効率的になる。

後者は、環境が機器の故障に主たる影響を与える場合に適した方法であり、初期不良の有無など機器固有の品質が故障に主たる影響を与える場合には適切ではない可能性がある。ただし、初期故障があるような場合であっても、製品保証によって無償で修理が行われる場合には、収益分析上はそのような要因は軽視してよいケースも存在する。
図１の装置の各構成要素は、たとえばプログラムモジュールとして実現することができ、この場合、各プログラムモジュールを含むプログラムを図２１に示すコンピュータシステムおいて実行することで機能を実現することができる。このコンピュータシステムには、プログラム命令を実行するＣＰＵ２１０１、メモリ等の主記憶装置２１０４、ハードディスク、磁気ディスク装置または光磁気ディスク装置等の外部記憶装置２１０３、ユーザによるデータ入力を行う入力装置２１０５、ユーザにデータ表示を行う表示装置２１０６およびこれらを互いに接続するバス２１０２が備わっている。プログラムは外部記憶装置２１０３に保存されており、ＣＰＵ２１０１がこのプログラムを主記憶装置２１０４に展開し、展開したプログラムを逐次読み出し実行する。

図２に本発明の実施形態にかかる動作のフローチャートを示す。

発電収益分析装置１０８が、気象統計情報１０１、現場補正情報１０２、機器信頼性情報１０３、異常監視情報１０４、設備・機器諸元１０５、発電電力価格情報１０６を読み込む（Ｓ２０１）。

また、発電収益分析装置１０８が、分析クエリ１０７を読み込む。分析クエリは、分析対象期間、気象サンプル数Ｎ、異常サンプル数Ｍ等の分析条件を含む（Ｓ２０２）。

気象サンプラ１１０が、気象データサンプルをＮ個生成する（Ｓ２０３）。

経年異常サンプラ１１１が、経年異常サンプリングを行い、突発異常サンプラ１１２が突発異常サンプリングを行う（Ｓ２０４）。異常監視シミュレータ１１４が、これらのサンプリング結果を利用して、時刻を進めながら、異常監視シミュレーションして、性能状態値１１３を時刻毎に更新することで、性能係数サンプル１２２と、保守コストサンプル１２３を生成する（Ｓ２０４）。突発異常サンプラ１１２が気象データサンプルを利用する場合は、個々の気象データサンプルごとにステップＳ２０４を行う（Ｓ２０５）。ステップＳ２０４の詳細は後述する。

発電量推定器１１５が、気象データサンプル１２１と、性能係数サンプル１１２に基づき発電量の推定を行うことにより、発電量サンプル１２４を生成する。

発電価値算出部１１６が、発電電力価格情報１０６と、発電量サンプル１２４と、保守コストサンプル１２３に基づき、各時刻での発電収益の確率分布を算出する（Ｓ２０７）。また、各時刻の確率分布から、時刻毎の累積発電収益の確率分布を生成する（Ｓ２０７）。少なくとも１つの時刻での発電収益の確率分布、または、１つの時刻での累積発電収益の確率分布を算出してもよい。

発電収益出力部１０９は、発電価値算出部１１６で生成された情報を、ユーザに閲覧可能に出力する。

図３は、図２のステップＳ２０４の詳細を示すフローチャートである。

機器ストレスサンプラ１３０が、機器ストレスのサンプル１３１をM個生成する（Ｓ３０１）。

発電収益分析装置１０８が、性能状態値１１３を初期化し、時刻(t)=0とする（Ｓ３０２）。この処理は、経年異常サンプラ１１１が行ってもよいし、初期化用の処理部を設けて、この処理部が行っても良いし、その他の処理部が行っても良い。

経年異常算出部１３２が、機器ストレスデータサンプル１３１に基づき、経年異常が生じた後の性能係数を算出し、算出した性能係数に基づき、性能状態値１１３を更新する（Ｓ３０３）。

突発異常サンプラ１１２が、機器信頼性情報１０３と、必要に応じて気象データサンプル１２１に基づき、突発異常事例を生成し、生成した突発異常事例を、性能状態値１１３に書き込む（Ｓ３０４）。

異常監視シミュレータ１１４が、性能状態値１１３と、異常監視情報１０４と、設備・機器諸元１０５に基づき、異常監視シミュレーションを実行し、性能状態値１１３を更新する（Ｓ３０５）。

発電収益分析装置１０８は、異常監視シミュレーション後の性能状態値１１３に格納されている保守コストを、保守コストサンプルの該当する時刻のフィールドに追加し、同じく性能状態値１１３に格納されている性能係数を性能係数サンプルの該当する時刻のフィールドに追加する（Ｓ３０６）。そして、時刻ｔをインクリメントする。

インクリメント後の時刻が、分析対象期間の最後の時刻（気象データサンプルの最後の時刻）を越えていなければ、ステップＳ３０３に戻る（Ｓ３０７）。越えていれば、Ｍ個の機器ストレスデータサンプルをすべて処理したかを判断し、まだ処理していないサンプルがあれば、ステップＳ３０２に戻る。

以上のように、本実施形態によれば、気象状況、機器の劣化・故障、異常監視と保守、という３つのプロセスを反映した正確な発電収益シミュレーションを、少ない計算量で行うことが可能になる。その結果、高速な発電収益分析の実行が可能になる。

本実施形態では太陽光発電設備を対象に説明したが、自然エネルギーを利用し、気象に影響を受ける発電の発電設備であれば、風力発電、地熱発電など、他の発電設備にも適用可能である。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

Claims (8)

1. 自然エネルギーの発電設備の収益分析装置であって、
   気象に関する確率分布と乱数を用いて、気象を表す気象データサンプルを生成する気象サンプラと、
   前記発電設備の突発による性能劣化または寿命低下の発生を、当該発生に関する確率分布と、乱数と、前記気象データサンプルとを用いて決定し、前記性能劣化または寿命低下の値を表した突発異常サンプルを生成する突発異常サンプラと、
   前記発電設備の経年による性能劣化または寿命低下を表すストレスデータサンプルと前記突発異常サンプルとに基づいて、前記発電設備に対する保守行動のコストを表す保守コストサンプルを生成する、シミュレーション部と、
   発電量および収益に関する情報と、前記発電設備の発電量を表す発電量サンプルと、前記保守コストサンプルに基づき、収益または累積収益を算出する発電価値算出部と、
   を備えた、収益分析装置。
2. 前記気象サンプラは、前記気象データサンプルを複数生成し、
   前記シミュレーション部は、複数の前記ストレスデータサンプルに基づき、前記保守コストサンプルを複数生成し、
   前記発電価値算出部は、前記複数の保守コストサンプルと、複数の前記発電量サンプルに基づき、少なくとも１つの時点における収益の確率分布または累積収益の確率分布を算出する
   請求項１に記載の収益分析装置。
3. 前記発電設備の性能劣化または寿命低下の値の確率分布を用いて、前記ストレスデータサンプルを生成する経年異常サンプラを備えた
   請求項１ないし２のいずれか一項に記載の収益分析装置。
4. 前記シミュレーション部は、前記発電設備に対する保証契約の有無と、前記保証契約の内容に基づいて、前記保守のコストを決定する
   請求項１ないし３のいずれか一項に記載の収益分析装置。
5. 前記気象に関する確率分布は、日射量と気温に関する確率分布であり、
   前記発電設備は、太陽光発電モジュールと、パワーコンディショナーとを含み、
   前記シミュレーション部は、前記発電設備として、前記太陽光発電モジュールと前記パワーコンディショナーを扱う
   請求項１ないし４のいずれか一項に記載の収益分析装置。
6. 前記発電量および収益に関する情報は、発電量と電力価格とを対応づけた情報である
   請求項１ないし５のいずれか一項に記載の収益分析装置。
7. 自然エネルギーの発電設備の収益分析方法であって、
   気象に関する確率分布と乱数を用いて、気象を表す気象データサンプルを生成するステップと、
   前記発電設備の突発による性能劣化または寿命低下の発生を、当該発生に関する確率分布と、乱数と、前記気象データサンプルとを用いて決定し、前記性能劣化または寿命低下の値を表した突発異常サンプルを生成するステップと、
   前記発電設備の経年による性能劣化または寿命低下を表すストレスデータサンプルと前記突発異常サンプルとに基づいて、前記発電設備に対する保守行動のコストを表す保守コストサンプルを生成するステップと、
   発電量および収益に関する情報と、前記発電設備の発電量を表す発電量サンプルと、前記保守コストサンプルに基づき、収益または累積収益を算出するステップと、
   を備えた、収益分析方法。
8. 自然エネルギーの発電設備の収益分析のためのプログラムであって、
   気象に関する確率分布と乱数を用いて、気象を表す気象データサンプルを生成するステップと、
   前記発電設備の突発による性能劣化または寿命低下の発生を、当該発生に関する確率分布と、乱数と、前記気象データサンプルとを用いて決定し、前記性能劣化または寿命低下の値を表した突発異常サンプルを生成するステップと、
   前記発電設備の経年による性能劣化または寿命低下を表すストレスデータサンプルと前記突発異常サンプルとに基づいて、前記発電設備に対する保守行動のコストを表す保守コストサンプルを生成するステップと、
   発電量および収益に関する情報と、前記発電設備の発電量を表す発電量サンプルと、前記保守コストサンプルに基づき、収益または累積収益を算出するステップと、
   をコンピュータに実行させるためのプログラム。

Images