JP6427090B2 - 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法 - Google Patents

発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法 Download PDF

Info

Publication number
JP6427090B2
JP6427090B2 JP2015238277A JP2015238277A JP6427090B2 JP 6427090 B2 JP6427090 B2 JP 6427090B2 JP 2015238277 A JP2015238277 A JP 2015238277A JP 2015238277 A JP2015238277 A JP 2015238277A JP 6427090 B2 JP6427090 B2 JP 6427090B2
Authority
JP
Japan
Prior art keywords
data
renewable energy
power generation
mathematical model
generation amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015238277A
Other languages
English (en)
Other versions
JP2017108475A (ja
Inventor
大地 加藤
大地 加藤
直 齋藤
直 齋藤
昌洋 谷津
昌洋 谷津
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2015238277A priority Critical patent/JP6427090B2/ja
Priority to ES16872727T priority patent/ES2944946T3/es
Priority to PL16872727.9T priority patent/PL3389158T3/pl
Priority to EP16872727.9A priority patent/EP3389158B1/en
Priority to US16/060,107 priority patent/US11387656B2/en
Priority to PCT/JP2016/081702 priority patent/WO2017098827A1/ja
Publication of JP2017108475A publication Critical patent/JP2017108475A/ja
Application granted granted Critical
Publication of JP6427090B2 publication Critical patent/JP6427090B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Control Of Eletrric Generators (AREA)

Description

本発明は、再生可能エネルギー（太陽光発電や風力発電）の発電量を予測するための発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法に関する。
再生可能エネルギー（太陽光発電や風力発電）の発電量予測に関する背景技術として、特開２０１１−２０００４０号公報（特許文献１）が知られている。特許文献１には、「発電量予測装置１が、発電機の過去の発電量に関する過去データを記憶する記憶部２０、過去データにおける異なる時刻の間の統計的相関若しくは異なる発電機の位置の間の統計的相関に基づいて、発電量に関する予測値を、発生確率を含む時系列データとして算出する予測値算出部１３を有し、予測値算出部１３は、過去データに基づいて分散共分散行列を作成する分散共分散行列作成部１３１と、分散共分散行列に基づいて乱数を発生する乱数発生部１３２とを有する」と記載されている。
特開２０１１−２０００４０号公報
将来、電力系統に再生可能エネルギー（太陽光発電や風力発電）が大量に導入されると、不確実で予測が困難な潮流変動が発生する。このため、再生可能エネルギーの発電量予測が不可欠であり、特許文献１では、その一つの解決策を提案している。
然しながら特許文献１では、実績データのみによって発電量予測値を算出するため、十分な実績データが無い発電機の発電量や気象予報結果と類似する気象実績データが少ない場合の発電量の予測誤差が大きくなるという課題がある。
このことから本発明においては、発電機発電量の十分な実績データが無い場合や、気象予報結果と類似する気象実績データが少ない場合であっても、発電量の予測を高精度に算出することが可能な発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法を提供することを目的とする。
上記課題を解決するために、例えば、特許請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、「再生可能エネルギーにより発電を行う発電所における発電量を予測するための発電量予測装置であって、発電所における気象実績と出力実績とから、当該発電所の発電量の数理モデルをモデル作成タイミングごとに作成するモデル作成部と、気象予測データと類似の気象実績および対応する出力実績を類似実績データとして得る類似実績データ抽出部と、モデル作成部の複数の数理モデルに対して、気象予測データに類似する気象条件における数理モデルの精度を計算するモデル精度計算部と、モデルの精度を用いて予測に使用する数理モデルを選択するモデル選択部と、選択した数理モデルを用いて発電所の発電量を予測するモデル出力予測部を備える」ことを特徴とする。
また本発明は、「再生可能エネルギーにより発電を行う発電所における発電量を予測するための発電量予測方法であって、発電所における気象実績と出力実績とから、当該発電所の発電量の数理モデルをモデル作成タイミングごとに作成し、複数の数理モデルに対して、気象予測データに類似する気象条件における数理モデルの精度を計算し、予測に使用する数理モデルを選択して、発電所の発電量を予測する」ことを特徴とする。
また本発明は、「発電量予測装置を用いて、再生可能エネルギーにより発電を行う発電所を含む電力系統の安定化を図る系統安定化装置であって、再生可能エネルギーにより発電を行う発電所を含む電力系統の系統状態を時系列的に予測する系統状態予測部と、系統状態の悪化が予測された場合に、系統安定化のための制御対象を決定する制御対象決定部と、決定された制御対象に制御指令を送信して制御を行わせる制御指令部を備える」ことを特徴とする。
また本発明は、「発電量予測方法を用いて、再生可能エネルギーにより発電を行う発電所を含む電力系統の安定化を図る系統安定化方法であって、再生可能エネルギーにより発電を行う発電所を含む電力系統の系統状態を時系列的に予測し、系統状態の悪化が予測された場合に、系統安定化のための制御対象を決定し、決定された制御対象に制御指令を送信して制御を行わせる」ことを特徴とする。
本発明によれば、各々の再生可能エネルギーの出力を高精度で予測することができる。
実施例１に係る発電量予測装置１０の全体構成例を示す図。 図１の発電量予測装置を電力系統に適用した場合の発電量予測システムの全体構成例を示す図。 発電量予測装置のプログラムデータの内容を示す構成例を示す図。 気象予測データベースＤＢ２１に記憶された気象予測データＤ２１の例を示す図。 気象実績データベースＤＢ２２に記憶された気象実績データＤ２２の例を示す図。 再生可能エネルギー出力実績データベースＤＢ２３に記憶された再生可能エネルギー出力実績データＤ２３の例を示す図。 再生可能エネルギー特性データベースＤＢ２４に記憶された再生可能エネルギー特性データＤ２４の例を示す図。 再生可能エネルギー設置条件データＤＢ２５の例を示す図。 発電量予測装置の演算処理内容の一例を示すフローチャート。 図９の処理ステップＳ４００の詳細フローチャート。 図９の処理ステップＳ５００の詳細フローチャート。 図９の処理ステップＳ６００の詳細フローチャート。 再生可能エネルギーモデル作成結果の一例を示す図。 再生可能エネルギーモデル精度計算結果の一例を示す図。 再生可能エネルギー出力予測結果の一例を示す図。 発電量予測装置の画面表示例を示す図。 実施例２に係る系統安定化装置の全体構成例を示す図。 図２の系統安定化装置を電力系統に適用した場合の系統安定化システムの全体構成例を示す図。 系統安定化装置の系統安定化プログラムデータの内容を示す図。 系統状態予測結果の一例を示す図。 系統安定化装置の演算処理全体を示すフローチャート。 系統安定化装置の画面表示例を示す図。 系統安定化装置の画面表示例を示す図。
以下、本発明の実施例について図面を用いて説明する。
図１は、実施例１に係る発電量予測装置１０の全体構成例を示す図である。なお図１は発電量予測装置１０について、その機能構成の観点から表記したものである。
発電量予測装置１０は、発電量予測計算入力データベースＤＢ２０と、発電量予測計算部３０と、発電量予測計算結果データベースＤＢ４０と、表示部１５により構成されている。
発電量予測計算入力データベースＤＢ２０は、複数のデータベースＤＢ２１からＤＢ２５により構成されている。
このうち気象予測データベースＤＢ２１は、図４に例示される気象予測データＤ２１を記憶している。気象実績データベースＤＢ２２は、図５に例示される気象実績データＤ２２を記憶している。再生可能エネルギー出力実績データベースＤＢ２３は、図６に例示される再生可能エネルギー出力実績データＤ２３を記憶している。再生可能エネルギー特性データベースＤＢ２４は、図７に例示される再生可能エネルギー特性データＤ２４を記憶している。再生可能エネルギー設置条件データベースＤＢ２５は、図８に例示される再生可能エネルギー設置条件データＤ２５を記憶している。これらは要するに、気象について予測と実績、出力について実績、発電所について特性と設置条件を記憶したものである。これらの記憶内容の詳細事例については後述する。
発電量予測計算部３０は、再生可能エネルギーによる発電量の予測計算を行う機能であり、この一連の処理内容が図９のフローチャートに示されている。また発電量予測計算部３０における処理の機能は、以下の処理機能部３１から３５である。
このうち、再生可能エネルギーモデル作成部３１は、再生可能エネルギーモデルを作成する機能であり、この一連の処理内容が図１１のフローチャートに示されている。類似実績データ抽出部３２は、類似実績データを抽出する機能であり、この一連の処理内容が図１０のフローチャートに示されている。再生可能エネルギーモデル精度計算部３３は、再生可能エネルギーモデルの精度を計算する機能であり、この一連の処理内容が図１２のフローチャートに示されている。また再生可能エネルギーモデル選択部３４は、再生可能エネルギーモデルを選択する機能であり、再生可能エネルギー出力予測部３５は、再生可能エネルギー出力を予測する機能である。
発電量予測計算結果データベースＤＢ４０は、複数のデータベースＤＢ４１からＤＢ４５により構成されている。これらの複数のデータベースＤＢ４１からＤＢ４５は、要するに処理機能部３１から３５における処理結果をそれぞれ蓄積記憶したものである。
このうち再生可能エネルギーモデル作成結果データベース４１は、再生可能エネルギーモデル作成部３１において作成した再生可能エネルギーモデル作成結果データＤ４１を記憶している。類似実績データ抽出結果データベース４２は、類似実績データ抽出部３２において抽出した類似実績データ抽出結果データＤ４２を記憶している。再生可能エネルギーモデル精度計算結果データベース４３は、再生可能エネルギーモデル精度計算部３３において計算した再生可能エネルギーモデル精度計算結果データＤ４３を記憶している。再生可能エネルギーモデル選択結果データベース４４は、再生可能エネルギーモデル選択部３４において選択した再生可能エネルギーモデル選択結果データＤ４４を記憶している。再生可能エネルギー出力予測結果データベース４５は、再生可能エネルギー出力予測部３５において予測した再生可能エネルギー出力予測結果データＤ４５を記憶している。なお発電量予測計算結果データベースＤＢ４０に記憶されるこれらのデータは、計算結果としてのデータばかりではなく、中間処理時点における結果のデータも含めて記憶されており、適宜の場面において流用が可能とされている。
表示部１５には、発電量予測装置１０において取り扱う各種のデータが、適宜見やすい形式に加工されて表示される。また表示部１５の機能には、マウスやキーボードなどの入力手段を含み、適宜入力結果が表示画面に反映されている。
以上述べたように、発電量予測装置１０の入力データは、発電量予測計算入力データベースＤＢ２０に保管、記憶されており、これらは気象予測データＤ２１、気象実績データＤ２２、再生可能エネルギー出力実績データＤ２３、再生可能エネルギー特性データＤ２４、再生可能エネルギー設置条件データＤ２５などである。
発電量予測装置１０の再生可能エネルギーモデル作成部３１では、気象実績データＤ２２と、再生可能エネルギー出力実績データＤ２３と、再生可能エネルギー特性データＤ２４と、再生可能エネルギー設置条件データＤ２５を用いて、再生可能エネルギーのモデルを作成し、再生可能エネルギーモデル作成結果データＤ４１を出力する。
また、発電量予測装置１０の類似実績データ抽出部３２では、気象予測データＤ２１と、気象実績データＤ２２と、再生可能エネルギー出力実績データＤ２３を用いて、気象予測データと類似の気象実績データ、およびその気象時の再生可能エネルギー出力実績データを抽出し、類似実績データ抽出結果データＤ４２を出力する。
また、発電量予測装置１０の再生可能エネルギーモデル精度計算部３３では、再生可能エネルギーモデル作成結果データＤ４１と、類似実績データ抽出結果データＤ４２と、再生可能エネルギーモデル選択結果データＤ４４を用いて、再生可能エネルギーモデルの精度を計算し、再生可能エネルギーモデル精度計算結果データＤ４３を出力する。
また、発電量予測装置１０の再生可能エネルギーモデル選択部３４では、再生可能エネルギーモデル精度計算結果データＤ４３を用いて出力予測に使用する再生可能エネルギーモデルを選択し、再生可能エネルギーモデル選択結果データＤ４４を出力する。
また、発電量予測装置１０の再生可能エネルギー出力予測部３５では、気象予測データＤ２１と、再生可能エネルギーモデル選択結果データＤ４４を用いて再生可能エネルギー出力を予測し、再生可能エネルギー出力予測結果データＤ４５を出力する。また、発電量予測装置１０の表示部１５では、発電量予測計算結果データＤ４０などを用いて各計算結果の情報を表示する。
図２は、図１の発電量予測装置を電力系統に適用した場合の発電量予測システムの全体構成例を示す図である。なお図２における発電量予測装置１０の構成はハード的な構成の観点で記載している。
図２において、発電量予測装置１０が適用される電力系統１００は、狭義には送電系統１００Ａを意味しており、広義には発電系統も含む概念である。図示において電力系統１００は、発電機１１０（１１０Ａ、１１０Ｂ）、母線１２０（ノード：１２０Ａ、１２０Ｂ、１２０Ｃ、１２０Ｄ）、変圧器１３０（１３０Ａ、１３０Ｂ）、送電線１４０（ブランチ：１４０Ａ、１４０Ｂ、１４０Ｃ、１４０Ｄ）などで構成された事例を表記しているが、これ以外にも負荷やその他制御可能な装置（バッテリー、充放電可能な二次電池、ＥＶの蓄電池、フライホイール等）のいずれか又は複数の設備を含んで構成されている。
電力系統を構成する上記の設備や機器は、電力系統安定度確保の観点から監視、制御されており、例えば監視制御装置２００からの制御信号により適宜の制御、保護が実行されている。他方、係る監視制御のために電力系統各所に設置された各種の計測装置１５０から、各所の電流、電圧、その他状態信号などの計測信号Ｄ１３が直接、あるいは通信ネットワーク３００を介して間接的に監視制御装置２００に取り込まれている。また本発明の発電量予測装置１０にも同様にして、各種の計測装置１５０から計測信号が取り込まれている。なおここで、発電機１１０としては、火力発電機や水力発電機や原子力発電機などの大型電源のほかに、太陽光発電や風力発電といった分散型電源を含んでいる。
ここで、計測装置１５０とは、ノード電圧Ｖ、ブランチ電流Ｉ、力率Φ、有効電力Ｐ、無効電力Ｑ、のいずれか一つまたは複数を計測する装置（計器用変圧器（ＶＴ：Ｖｏｌｔａｇｅ Ｔｒａｎｓｆｏｒｍｅｒ、ＰＴ：Ｐｏｔｅｎｔｉａｌ Ｔｒａｎｓｆｏｒｍｅｒ）や計器用変流器（ＣＴ：Ｃｕｒｒｅｎｔ Ｔｒａｎｓｆｏｒｍｅｒ））などであり、データ計測箇所識別ＩＤや計測装置の内臓タイムスタンプを含んでデータを送信する機能（テレメータ（ＴＭ：Ｔｅｌｅｍｅｔｅｒ）などである）を備える。なお、ＧＰＳを利用した絶対時刻付きの電力情報（電圧のフェーザ情報）を計測する装置や、位相計測装置（ＰＭＵ：Ｐｈａｓｏｒ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔｓ）や、他の計測機器であってもよい。また計測装置１５０は、狭義の電力系統１００Ａ内にあるように記述しているが、発電機１１０と変圧器１３０と計測装置１５０と負荷に接続する母線や線路などに設置されてもよい。
また計測信号Ｄ１３は、計測装置１５０にて計測された前記の各データ（系統データ）であり、通信ネットワーク３００を介して系統データベース（図示せず）に受信する。ただし、計測装置１５０から直接系統データを受信する代わりに、監視制御装置２００に一端集約されてから、通信ネットワーク３００を介して系統データベースに受信してもよいし、計測装置１５０と監視制御装置２００の両方から通信ネットワーク３００を介して系統データベースに受信してもよい。なお、系統データＤ１３は、データを識別するための固有番号と、タイムスタンプとを含んでもよい。また、系統データＤ１３は、計測されたデータであるように書いたが、あらかじめ系統データベースに保有していても良い。
図２に示した発電量予測装置１０のハード構成について説明する。発電量予測装置１０は、表示部１５、キーボードやマウス等の入力部１３、通信部１４、コンピュータや計算機サーバ（ＣＰＵ：Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、メモリ１２、発電量予測計算入力データベースＤＢ２０（気象予測データベースＤＢ２１、気象実績データベースＤＢ２２、再生可能エネルギー出力実績データベースＤＢ２３、再生可能エネルギー特性データベースＤＢ２４、再生可能エネルギー設置条件データベースＤＢ２５）、発電量予測計算結果データベースＤＢ４０（再生可能エネルギーモデル作成結果データベースＤＢ４１、類似実績データ抽出結果データベースＤＢ４２、再生可能エネルギーモデル精度計算結果データベースＤＢ４３、再生可能エネルギーモデル選択結果データベースＤＢ４４、再生可能エネルギー出力予測結果データベースＤＢ４５）、プログラムデータベースＤＢ５０が、バス線６０に接続されている。
このうち表示部１５は、例えば、ディスプレイ装置として構成される。また表示部１５は、例えば、ディスプレイ装置に代えて、またはディスプレイ装置と共に、プリンタ装置または音声出力装置等を用いる構成でもよい。
入力部１３は、例えば、キーボードスイッチ、マウス等のポインティング装置、タッチパネル、音声指示装置等の少なくともいずれか一つを備えて構成できる。
通信部１４は、通信ネットワーク３００に接続するための回路及び通信プロトコルを備えている。
ＣＰＵ１１は、プログラムデータベースＤＢ５０から、所定のコンピュータプログラムを読み込んで実行する。ＣＰＵ１１は、一つまたは複数の半導体チップとして構成してもよいし、または、計算サーバのようなコンピュータ装置として構成してもよい。
メモリ１２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）として構成され、プログラムデータベース５０から読み出されたコンピュータプログラムを記憶したり、各処理に必要な計算結果データ及び画像データ等を記憶したりする。メモリ１２に格納された画面データは、表示部１５に送られて表示される。表示される画面の例は後述する。
ここで、図３を参照して、プログラムデータベースＤＢ５０の記憶内容を説明する。図３は、発電量予測装置１０のプログラムデータの内容を示す構成例を示す図である。プログラムデータベースＤＢ５０には、例えば、再生可能エネルギーモデル作成プログラムＰ５１と、類似実績データ抽出プログラムＰ５２と、再生可能エネルギーモデル精度計算プログラムＰ５３と、再生可能エネルギーモデル選択プログラムＰ５４と、再生可能エネルギー出力予測プログラムＰ５５と、表示プログラムＰ５６が格納されている。
図２に戻り、ＣＰＵ１１は、プログラムデータベースＤＢ５０からメモリ１２に読み出された演算プログラム（再生可能エネルギーモデル作成プログラムＰ５１、類似実績データ抽出プログラムＰ５２、再生可能エネルギーモデル精度計算プログラムＰ５３、再生可能エネルギーモデル選択プログラムＰ５４、再生可能エネルギー出力予測プログラムＰ５５、表示プログラムＰ５６）を順次実行して、再生可能エネルギーモデルの作成、類似実績データの抽出、再生可能エネルギーモデル精度の計算、再生可能エネルギーモデルの選択、再生可能エネルギー出力の予測、表示すべき画像データの指示、各種データベース内のデータの検索等を行う。
メモリ１２は表示用の画像データ、再生可能エネルギーモデル選択結果データ、再生可能エネルギー出力予測結果データ等の計算一時データ及び計算結果データを一旦格納するメモリであり、ＣＰＵ１１によって必要な画像データを生成して表示部１５（例えば表示ディスプレイ画面）に表示する。なお、発電量予測装置１０の表示部１５は、各制御プログラムやデータベースの書き換えを行うためだけの簡単な画面だけであってもよい。
発電量予測装置１０には、大きく分けて１１個のデータベースＤＢが格納されている。以下では、プログラムデータベースＤＢ５０を除く、発電量予測計算入力データベースＤＢ２０（気象予測データベースＤＢ２１、気象実績データベースＤＢ２２、再生可能エネルギー出力実績データベースＤＢ２３、再生可能エネルギー特性データベースＤＢ２４、再生可能エネルギー設置条件データベースＤＢ２５）と、発電量予測計算結果データベースＤＢ４０（再生可能エネルギーモデル作成結果データベースＤＢ４１、類似実績データ抽出結果データベースＤＢ４２、再生可能エネルギーモデル精度計算結果データベースＤＢ４３、再生可能エネルギーモデル選択結果データベースＤＢ４４、再生可能エネルギー出力予測結果データベースＤＢ４５）について説明する。
まず気象予測データベースＤＢ２１には、気象予測データＤ２１が図４に示すように、日付（Ｄ２１０）と地点（Ｄ２１１）ごとに、風向（Ｄ２１３）、風速（Ｄ２１４）、日射量（Ｄ２１５）などのデータが、将来時点の時系列（Ｄ２１２）的に記憶されている。時系列データの時間幅は、予測対象とする時間に応じ、日単位でも、月単位でも、年単位でも、任意の時間単位でも良い。データ量が多いほど予測精度が向上するが演算量が多くなるため、予測対象とする時間幅や予測対象の所望の精度に応じて演算時間を変更できるようにされるのがよい。気象予測データＤ２１は、気象庁などから別途入手し、あるいは自己分析により予測される気象の情報が記憶されている。
気象実績データベースＤＢ２２には、気象実績データＤ２２が図５に示すように、日付（Ｄ２２０）と地点（Ｄ２２１）ごとに、風向（Ｄ２２３）、風速（Ｄ２２４）、日射量（Ｄ２２５）などのデータが、過去時点における時系列（Ｄ２２２）的に記憶されている。時系列データの時間幅は、予測対象とする時間に応じ、日単位でも、月単位でも、年単位でも、任意の時間単位でも良い。データ量が多いほど予測精度が向上するが演算量が多くなるため、予測対象とする時間幅や予測対象の所望の精度に応じて演算時間を変更できるようにされるのがよい。
再生可能エネルギー出力実績データベースＤＢ２３には、再生可能エネルギー出力実績データＤ２３が図６に示すように、日付（Ｄ２３０）と地点（Ｄ２３１）ごとに、風力発電所や太陽光発電所などの出力データが発電サイトごと（Ｄ２３３、Ｄ２３４、Ｄ２３５）に、時時系列（Ｄ２３２）的に記憶されている。なお、図示の例では、風力発電所としてＷＴＡ１、ＷＴＡ２、ＷＴＢ１、太陽光発電所としてＰＶＡ１、ＰＶＢ１、ＰＶＢ２を例示している。時系列データの幅は、予測対象とする時間に応じ、日単位でも、月単位でも、年単位でも、任意の時間単位でも良い。データ量が多いほど予測精度が向上するが演算量が多くなるため、予測対象とする時間幅や予測対象の所望の精度に応じて演算時間を変更できるようにされるのがよい。
再生可能エネルギー特性データベースＤＢ２４には、再生可能エネルギー特性データとして、図７に示すように風力発電所ＷＴＡ１、ＷＴＡ２、ＷＴＢ１について、その風速に対する出力曲線などが、また太陽光発電所ＰＶＡ１、ＰＶＢ１、ＰＶＢ２について、その日射量に対する出力曲線などが記憶されている。
再生可能エネルギー設置条件データベースＤＢ２５には、再生可能エネルギー設置条件データとして、図８に示すように風力発電所ＷＴＡ１、ＷＴＡ２、ＷＴＢ１や太陽光発電所ＰＶＡ１、ＰＶＢ１、ＰＶＢ２などの発電サイト別に、その設置地点、設置向き、設置地点の地形などのデータが記憶されている。
図１の発電量予測計算結果データベースＤＢ４０において、再生可能エネルギーモデル作成結果データベース４１には、気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３と再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５を用いて、再生可能エネルギーモデル作成プログラムＰ５１によって作成された再生可能エネルギーモデル作成結果データが保存される。
ここで作成された再生可能エネルギーモデルは、例えば、図１３に示すような数式で表現されたモデルである。このモデルは、風力発電所ＷＴＡ１、ＷＴＡ２、ＷＴＢ１、太陽光発電所ＰＶＡ１、ＰＶＢ１、ＰＶＢ２ごとに、図１３に一例を示すように数式表現される。数式表現における各変数の意味について、例えば風力発電所ＷＦＡ１のｋ−１番目のモデルで説明すると、ｙ(ｊ)は時刻ｊにおけるモデルの出力、ｕ(ｊ)は時刻ｊにおけるモデルへの入力、ｗ（ｊ）は時刻ｊにおけるモデルへの外乱、ｑは微分オペレータまたはシフトオペレータ、ＧＷＦＡ１ ｋ−１（ｑ）はモデル作成タイミングｋ−１における風力発電所ＷＦＡ１の入力ｕ(ｊ)から出力ｙ(ｊ)に対する伝達関数、ＨＷＦＡ１ ｋ−１（ｑ）はモデル作成タイミングｋ−１における風力発電所ＷＦＡ１の外乱ｗ(ｊ)から出力ｙ(ｊ)に対する伝達関数である。
より具体的、観念的に述べると、各発電サイトについての過去の気象条件（図５、Ｄ２２）とそのときの発電出力（図６、Ｄ２３）の関係から、当該発電サイトの一次的な数理モデルを作成しておき、さらにこの一次数理モデルに対して、当該サイトの設置条件（図８、Ｄ２５）と、特性の条件（図７、Ｄ２４）を付加して修正した二次的なモデルである。なおモデルは、気象条件や時期に応じて変動し、常に一律に定義することができないので、複数のモデル作成タイミング（ｋ−１、ｋ−２、ｋ−３など）ごとにモデル設定している。
係る再生可能エネルギーモデルは、各発電サイトの運転実績を重ねるにつれて複数のモデル作成タイミング（ｋ−１、ｋ−２、ｋ−３など）を経験することにより、モデル数が増大し、かつ精緻なモデルが形成されていくことになる。なお再生可能エネルギーモデルの作成方法の詳細は後述する。
類似実績データ抽出結果データベースＤＢ４２には、気象予測データＤ２１と気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３を用いて、類似実績データ抽出プログラムＰ５２によって抽出された類似実績データ抽出結果データが保存される。より具体的に述べると、今日、明日などの近い将来に予想される気象条件（気象予測データＤ２１）に対して、過去の気象条件（気象実績データＤ２２）のなかで、似たような気象条件のものがあったか否か、あるとしてそれはどのようなもので、かつその時の再生可能エネルギー出力（再生可能エネルギー出力実績データＤ２３）を探索して抽出し、近いものを類似実績データとして取り出す。この抽出は、発電サイトごとに行われる。類似実績データの抽出方法の詳細は後述する。
再生可能エネルギーモデル精度計算結果データベースＤＢ４２には、再生可能エネルギーモデル作成結果データＤ４１と類似実績データ抽出結果データＤ４２と再生可能エネルギーモデル選択結果データＤ４４を用いて再生可能エネルギーモデル精度計算プログラムＰ５３によって計算された再生可能エネルギーモデル精度計算結果が保存される。より詳細に述べると、図１３のサイト別複数モデル（Ｄ４１）に対し、将来気象に基づいて抽出した類似実績データにおけるモデルの精度計算を行ったものである。
なおモデルの精度計算を行うにあたり、風力発電所ＷＴＡ１では経験したことがない例えば過酷気象条件が予測される場合に、風力発電所ＷＴＡ２では経験されているのであれば、別の発電サイト（風力発電所ＷＴＡ２）における経験情報であっても風力発電所ＷＴＡ１の予測に採用して精度計算を行うようにするのがよい。この採用は、新規発電サイトにおける経験の少なさを、経験豊富な他の発電サイトにおける実績を反映させることで補うよう場面において有効である。
図１４は、精度評価結果の例を示しており、風力発電所ＷＴＡ１、ＷＴＡ２、ＷＴＢ１、太陽光発電所ＰＶＡ１、ＰＶＢ１、ＰＶＢ２についてのモデル（実線）出力に対して、将来気象に基づいて抽出した類似気象実績データを適用して求めた出力の差分から精度評価したものである。図１４は、風力発電所ＷＴＡ１については最新、太陽光発電所ＰＶＡ１についてはタイミングｋ−１のときに作成したモデルが高精度となるが、その他のタイミングで作成したモデルでは精度が出ないという結果を示している。再生可能エネルギーモデルの精度計算方法の詳細は後述する。
再生可能エネルギーモデル選択結果データベースＤＢ４３には、再生可能エネルギーモデル精度計算結果データＤ４３を用いて再生可能エネルギーモデル選択プログラムＰ５４によって選択された再生可能エネルギーモデル選択結果が保存される。モデル精度計算の結果、風力発電所ＷＴＡ１について例えば図１３のｋ−１が最も高精度であった場合には、ｋ−１に対応するモデルが選択されることになる。再生可能エネルギーモデルの選択方法の詳細は後述する。
再生可能エネルギー出力予測結果データベースＤＢ４５には、気象予測データＤ２１と再生可能エネルギーモデル選択結果データＤ４４を用いて、再生可能エネルギー出力予測プログラムＰ５５によって計算された再生可能エネルギー出力予測結果が保存される。これは図１３のｋ−１の風力発電所ＷＴＡ１のモデルの数式に、気象予測データＤ２１の時系列的な気象条件を当てはめて出力を時系列的に推定したものである。同様の処理は他の発電所に対しても適用される。図１５は、このようにして求められた各発電サイトの時系列的な出力予測結果である。再生可能エネルギー出力予測方法の詳細は後述する。
次に発電量予測装置１０の演算処理内容の一例について図９を用いて説明する。図９は、発電量予測装置１０の処理の全体を示すフローチャートの例である。以下、処理の流れを説明する。
まず、処理ステップＳ１００では、再生可能エネルギーの出力予測時間幅を設定する。
処理ステップＳ２００では、出力予測対象の再生可能エネルギーの設置地点を選択する。
処理ステップＳ３００では、選択地点にある出力予測対象の再生可能エネルギーを選択する。
処理ステップＳ４００では、気象予測データＤ２１と気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３を用いて気象予測データと類似の気象実績データおよびその気象時の再生可能エネルギー出力実績データを抽出し、抽出結果を類似実績データ抽出結果データベース４２に格納する。
ここで、図１０を用いて図９の処理ステップＳ４００による類似実績データ抽出の流れをさらに詳細に説明する。図１０は、図１の類似実績データ抽出部３２の処理を説明するフローチャートの例である。処理ステップＳ４０１では、処理ステップＳ２００の選択結果と気象実績データＤ２２を用いて、処理ステップＳ２００で選択した地点の気象実績データを選択する。
処理ステップＳ４０２では、気象予測データＤ２１と処理ステップＳ４０１の選択結果を用いて、気象予測データと処理ステップＳ４０１で選択した気象実績データの類似度を計算する。類似度の計算方法は、例えば、Ｂｅｒｎｄｔ、Ｄ． ＆ Ｃｌｉｆｆｏｒｄ、 Ｊ．、 “Ｕｓｉｎｇ ｄｙｎａｍｉｃ ｔｉｍｅ ｗａｒｐｉｎｇ ｔｏ ｆｉｎｄ ｐａｔｔｅｒｎｓ ｉｎ ｔｉｍｅ ｓｅｒｉｅｓ”、 ＡＡＡＩ−９４ Ｗｏｒｋｓｈｏｐ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅｓ、 に記載の計算方法などに則して行う。
処理ステップＳ４０３では、処理ステップＳ２００で選択した地点の全ての気象実績データを選択したかを判定し、処理ステップＳ２００で選択した地点の全ての気象実績データを選択していない場合には、処理ステップＳ４０１に戻り、処理ステップＳ２００で選択した地点の全ての気象実績データを選択した場合には、処理ステップＳ４０４へ進む。
処理ステップＳ４０４では、処理ステップＳ４０２の計算結果と再生可能エネルギー出力実績データＤ２３を用いて最も類似度が高い気象実績データを抽出する。
処理ステップＳ４０５では、処理ステップＳ４０４の抽出結果と再生可能エネルギー実績データＤ２３を用いて、処理ステップＳ４０４で抽出した気象時の再生可能エネルギー出力実績データを抽出する。
処理ステップＳ４０６では、処理ステップＳ４０４の抽出結果と処理ステップＳ４０５の抽出結果を用いて、処理ステップＳ４０４で抽出した気象実績データと処理ステップＳ４０５で抽出した再生可能エネルギー出力実績データの組を類似実績データとして設定する。以上により、大量の気象実績データの中から気象予測データに最も類似するデータを高速に抽出することができる。
図９に戻り、処理ステップＳ５００では、気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３と再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５を用いて、再生可能エネルギーのモデルを作成し、作成結果を再生可能エネルギーモデル作成結果データベース４１に格納する。
ここで、図１１を用いて図９の処理ステップＳ５００の再生可能エネルギーモデル作成の流れを説明する。処理ステップＳ５０１では、処理ステップ３００の選択結果と気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３を用いて、処理ステップＳ３００で選択した再生可能エネルギーの数理モデルを作成する。数理モデルの作成方法は、例えば、足立修一、「システム同定の基礎」、東京電機大学出版局、２００９、に記載の作成方法に則して行う。ここで、処理ステップＳ３００で選択した再生可能エネルギーの出力実績データが存在しない場合、モデルはなしとする。
処理ステップＳ５０２では、処理ステップＳ５０１の作成結果と再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５を用いて処理ステップＳ５０１で作成した再生可能エネルギーの数理モデルに、同じ再生可能エネルギーの再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５を付加する。
ここで、処理ステップＳ５０１でモデルを作成していない場合、対応する再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５のみを再生可能エネルギーモデル作成結果データベース４１に格納する。以上により、実績データが存在しない再生可能エネルギーもモデルが定義できるため、出力予測可能な再生可能エネルギー数を増加できる。
図９に戻り、処理ステップＳ６００では、処理ステップＳ４００の抽出結果と処理ステップＳ５００の作成結果と再生可能エネルギー選択結果データＤ４４を用いて、処理ステップＳ５００で作成した再生可能エネルギーモデルと再生可能エネルギー選択結果データに含まれる再生可能エネルギーモデルの精度を計算し、計算結果を再生可能エネルギーモデル精度計算結果データベース４３に格納する。
ここで、図１２を用いて再生可能エネルギーモデル精度計算の流れを説明する。処理ステップＳ６０１では、処理ステップＳ５００の作成結果と処理ステップＳ４００の抽出結果を用いて、処理ステップＳ５００で作成した再生可能エネルギーモデルに処理ステップＳ４００で抽出した類似実績データのうち気象実績データを入力したときの出力を計算する。
処理ステップＳ６０２では、処理ステップＳ６０１の計算結果と処理ステップＳ４００の抽出結果を用いて、処理ステップＳ６０１で計算した再生可能エネルギーモデルの出力と処理ステップＳ６０１で入力した気象実績データと対となる再生可能エネルギー実績データを比較し、精度を計算する。
モデル精度の計算方法は、例えば、Ｂｅｒｎｄｔ、Ｄ． ＆ Ｃｌｉｆｆｏｒｄ、 Ｊ．、 “Ｕｓｉｎｇ ｄｙｎａｍｉｃ ｔｉｍｅ ｗａｒｐｉｎｇ ｔｏ ｆｉｎｄ ｐａｔｔｅｒｎｓ ｉｎ ｔｉｍｅ ｓｅｒｉｅｓ”、 ＡＡＡＩ−９４ Ｗｏｒｋｓｈｏｐ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅｓ、 に記載の類似度を精度として使用することで行う。
処理ステップＳ６０３では、処理ステップＳ３００の選択結果と再生可能エネルギー選択結果データＤ４４を用いて、処理ステップＳ３００で選択した再生可能エネルギーに対応する過去に保存した再生可能エネルギーモデルが存在するか判定し、存在する場合は処理ステップＳ６０４に進み、存在しない場合には処理ステップＳ６０８に進む。
処理ステップＳ６０４では、処理ステップＳ３００または処理ステップＳ６０９の選択結果と再生可能エネルギー選択結果データＤ４４と処理ステップＳ４００の抽出結果を用いて、処理ステップＳ３００または処理ステップＳ６０９で選択した再生可能エネルギーに対応する過去に保存した再生可能エネルギーモデルに処理ステップＳ４００で抽出した類似実績データのうち気象実績データを入力したときの出力を計算する。
処理ステップＳ６０６では、処理ステップＳ６０５の計算結果と処理ステップＳ４００の抽出結果を用いて、処理ステップＳ６０５で計算した再生可能エネルギーモデルの出力と処理ステップＳ６０５で入力した気象実績データと対となる再生可能エネルギー実績データを比較し、精度を計算する。
処理ステップＳ６０７では、処理ステップＳ３００の選択結果と再生可能エネルギー選択結果データＤ４４を用いて、処理ステップＳ３００で選択した再生可能エネルギーの全ての再生可能エネルギーモデルを選択したか判定し、選択していない場合には処理ステップＳ６０３に戻り、選択した場合には終了となる。
処理ステップＳ６０８では、処理ステップＳ３００の選択結果と再生可能エネルギー選択結果データＤ４４を用いて、処理ステップＳ３００で選択した再生可能エネルギーと再生可能エネルギー選択結果データＤ４４に保存される再生可能エネルギーの類似度を計算する。
類似度の計算方法は、例えば、処理ステップＳ３００で選択した再生可能エネルギーの再生可能エネルギー設置条件と再生可能エネルギー選択結果データＤ４４に保存される再生可能エネルギーモデルの再生可能エネルギー設置条件から処理ステップＳ３００で選択した再生可能エネルギーと同じ設置条件の再生可能エネルギーを抽出し、抽出した再生可能エネルギーの再生可能エネルギー特性と処理ステップＳ３００で選択した再生可能エネルギーの再生可能エネルギー特性の類似度を計算する。
類似度の計算方法は、類似度の計算方法は、例えば、Ｂｅｒｎｄｔ、Ｄ． ＆ Ｃｌｉｆｆｏｒｄ、 Ｊ．、 “Ｕｓｉｎｇ ｄｙｎａｍｉｃ ｔｉｍｅ ｗａｒｐｉｎｇ ｔｏ ｆｉｎｄ ｐａｔｔｅｒｎｓ ｉｎ ｔｉｍｅ ｓｅｒｉｅｓ”、 ＡＡＡＩ−９４ Ｗｏｒｋｓｈｏｐ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅｓ、 に記載の計算方法などに則して行う。
処理ステップＳ６０９では、処理ステップＳ６０８の計算結果を用いて、最も類似度が高い他の再生可能エネルギーを選択する。以上により、全ての予測対象の再生可能エネルギーに対して動特性を持ったモデルを定義できるため、全ての予測対象の再生可能エネルギーの出力の任意の気象予測データに対して出力を予測できる。
この処理により、発電サイトＡが新設などで十分な実績データがない場合であっても、類似の他の発電サイトＢで経験済みである場合には、発電サイトＡのモデルに採用することで経験不足を補うことができる。
図９に戻り、処理ステップＳ７００では、処理ステップＳ６００の計算結果を用いて、最も精度の高い再生可能エネルギーモデルを選択する。これにより、出力予測に使用するモデル数が減るため、予測に掛かる計算量を低減できる。
処理ステップＳ８００では、処理ステップＳ７００の選択結果と気象予測データＤ２１を用いて、処理ステップＳ７００で選択した再生可能エネルギーモデルに気象予測データを入力することで、再生可能エネルギー出力予測を計算する。これにより、気象予測データの時系列データの幅と間隔に対応した再生可能エネルギーの出力予測が計算できる。例えば、気象予測データの時系列データ幅を長く、間隔を小さくすれば、長時間の再生可能エネルギー出力を細かい間隔で予測できる。
処理ステップＳ９００では、処理ステップＳ２００と処理ステップＳ３００の選択結果を用いて、処理ステップＳ２００で選択した設置地点にある全ての出力予測対象の再生可能エネルギーを選択したか判定し、選択した場合は処理ステップＳ１０００に進み、選択していない場合は処理ステップＳ３００に戻る。
処理ステップＳ１０００では、処理ステップＳ２００の選択結果を用いて、全ての出力予測対象の再生可能エネルギーの設置地点を選択したか判定し、選択していない場合には処理ステップＳ２００に戻り、選択した場合には終了となる。
以上により、再生可能エネルギーの出力を高精度で予測できる。このようにして得られた各種計算結果や計算途中でメモリに蓄積されるデータは、監視制御装置２００の画面に逐次表示されてもよい。これにより、運用者が発電量予測装置１０の運用状況を容易に把握できる。
ここで、図１６を参照して具体的な表示内容の例について説明する。図１６は、類似実績データ抽出と再生可能エネルギーモデル作成と再生可能エネルギーモデル精度計算と再生可能エネルギーモデル選択と再生可能エネルギー出力予測の結果として、表示画面上に出力予測対象の再生可能エネルギーの設置地点１６１、再生可能エネルギーの種類１６２、出力予測結果１６３、類似実績データ抽出結果１６４、再生可能エネルギーモデル選択結果１６５、再生可能エネルギーモデル精度計算結果１６６を表示したものである。この表示には系統図１６７や凡例１６８も併せて表示されることにより、利用者が理解しやすい表示形式とされている。
図１６のように、再生可能エネルギー出力予測結果を発電量予測装置１０や通信ネットワーク３００を介して監視制御装置２００の画面に表示することで、電力系統１００において、どの再生可能エネルギーがどのような出力予測となったかが一目でわかる効果がある。
また、出力予測対象の再生可能エネルギーが複数存在する場合、再生可能エネルギーの設置地点１６１と種類１６２を選択し、選択した再生可能エネルギーの出力予測結果、類似実績データ抽出結果、再生可能エネルギーモデル選択結果、再生可能エネルギーモデル精度計算結果を確認することができる。
以上説明した実施例１の発電量予測装置では、気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３と再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５から再生可能エネルギーモデルを作成し、気象予測データＤ２１と気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３と再生可能エネルギー特性データＤ２４と、再生可能エネルギー設置条件データＤ２５から気象予測データと類似する気象実績データおよびその気象時の再生可能エネルギー出力実績データを抽出し、再生可能エネルギーモデル作成結果データＤ４１と類似実績データ抽出結果データＤ４２と再生可能エネルギーモデル選択結果データＤ４４から再生可能エネルギーモデルの精度を計算し、再生可能エネルギーモデル精度計算結果データＤ４３から出力予測に使用する再生可能エネルギーモデルを選択し、再生可能エネルギーモデル選択結果データＤ４４と気象予測データＤ２１から再生可能エネルギー出力を予測し、予測結果と各計算結果の表示を行うものである。
また実施例１では、発電量予測装置１０を電力系統に適用して発電量予測システムを構成したものである。
実施例１では、発電量予測装置１０について説明した。この装置は、予測して画面などに表示するのみであって、積極的にその後の制御などに貢献するものではない。実施例２では、その後に電力系統の制御に活用して、故障発生時に高精度で系統を安定化する系統安定化装置を構築することについて一例を説明する。
具体的には実施例２では、実施例１の発電量予測装置１０を使用し、再生可能エネルギー出力予測結果データＤ４５と系統状態データＤ２６と系統モデルデータＤ２７を用いて、系統状態予測部３６によって系統状態を予測し、制御対象決定部３７によって制御対象を決定することで、故障発生時に高精度で系統を安定化する系統安定化装置を構成する。
図１７は、実施例２に係る系統安定化装置の一例を示している。ここで発電量予測装置１０自体は、図１に示したと全く同じものであり、さらに以下のデータベースや処理機能部を追加設置したものである。
図１７の系統安定化装置１０００は、図１の発電量予測装置１０に、データベースＤＢとして系統状態データベースＤＢ２６、系統モデルデータベースＤＢ２７、系統状態予測結果データベースＤＢ４６、制御対象決定結果データベースＤＢ４７を追加設置したものである。また、処理機能部として、系統状態予測部３６、制御対象決定部３７、制御指令部３８を追加設置したものである。
これにより系統安定化装置１０００の入力データとしては、気象予測データＤ２１、気象実績データＤ２２、再生可能エネルギー出力実績データＤ２３、再生可能エネルギー特性データＤ２４、再生可能エネルギー設置条件データＤ２５以外に、系統状態データＤ２６、系統モデルデータＤ２７が追加されている。
また系統安定化装置１０００の結果データとしては、再生可能エネルギーモデル作成結果データＤ４１、似実績データ抽出結果データＤ４２、再生可能エネルギーモデル精度計算結果データＤ４３、再生可能エネルギーモデル選択結果データＤ４４、再生可能エネルギー出力予測結果データＤ４５以外に、系統状態予測結果データＤ４６、制御対象決定結果データＤ４７が追加されている。
発電量予測装置１０の機能は既に説明したため詳細な説明を省略するが、系統安定化装置１０００として新たに追加された系統状態予測部３６では、再生可能エネルギー出力予測結果データＤ４５、系統状態データＤ２６、系統モデルデータＤ２７を用いて、系統状態を予測し、系統状態予測結果データＤ４６を出力する。系統状態予測結果データＤ４６は、系統状態予測結果データベースＤＢ４６に格納保管される。
また、系統安定化装置１０００の制御対象決定部３７では、系統状態予測結果データＤ４６を用いて、系統状態の悪化が予測された場合に、系統安定化のための制御対象を決定し、制御対象決定結果データＤ４７を出力する。制御対象決定結果データＤ４７は、制御対象決定結果データベースＤＢ４７に格納保管される。
また、系統安定化装置１０００の制御指令部３８では、制御対象決定結果データＤ４７を用いて、制御対象に制御指令を送信する。系統安定化装置１０００の表示部１５では、発電量予測計算結果データＤ４０、系統状態予測結果Ｄ４６、制御対象決定結果Ｄ４７を用いて各計算結果の情報を表示する。
図１８は、実施例２における系統安定化装置１０００のハード構成と電力系統１００のシステム全体構成図の例であり、図２に示した実施例１における発電量予測装置１０と電力系統１００の全体構成図に、系統状態データベースＤＢ２６と系統モデルデータベースＤＢ２７と系統状態予測結果データベースＤＢ４６と制御対象決定結果データベースＤＢ４７と系統安定化プログラムデータベースＤＢ５１がバス線６０に接続され、追加設置されたものとなっている。図１８のうち、既に説明した図２に示された同一の符号を付された構成と、同一機能を有する部分については、説明を省略する。
次に図１９を参照して、系統安定化プログラムデータベースＤＢ５１の記憶内容を説明する。図１９は、系統安定化装置１０００の系統安定化プログラムデータＤ５１の内容を示す構成図の例である。系統安定化プログラムデータベースＤＢ５１には、例えば、系統状態予測プログラムＰ５７と制御対象決定プログラムＰ５８と制御指令プログラムＰ５９が格納されている。
図１８に戻り、ＣＰＵ１１は、プログラムデータベースＤＢ５０と系統安定化プログラムデータベースＤＢ５１からメモリ１２に読み出された演算プログラム（再生可能エネルギーモデル作成プログラムＰ５１、類似実績データ抽出プログラムＰ５２、再生可能エネルギーモデル精度計算プログラムＰ５３、再生可能エネルギーモデル選択プログラムＰ５４、再生可能エネルギー出力予測プログラムＰ５５、系統状態予測プログラムＰ５７、制御対象決定プログラムＰ５８、制御指令プログラムＰ５９、表示プログラムＰ５６）を実行して、再生可能エネルギーモデルの作成、類似実績データの抽出、再生可能エネルギーモデル精度の計算、再生可能エネルギーモデルの選択、再生可能エネルギー出力の予測、系統状態の予測、制御対象の決定、制御指令、表示すべき画像データの指示、各種データベース内のデータの検索等を行う。
系統安定化装置１０００には、大きく分けて１６個のデータベースが格納される。以下においては、既に説明済みのデータベースの説明を割愛して、新規に追加された系統状態データベースＤＢ２６、系統モデルデータベースＤＢ２７、系統状態予測結果データベースＤＢ４６、制御対象決定結果データベースＤＢ４７について説明する。
まず、系統状態データベースＤＢ２６には、系統データＤ１３として、有効電力Ｐ、無効電力Ｑ、電圧Ｖ、電圧位相角δ、電流Ｉ、力率Φなどが含まれる。これらは時刻スタンプ付きデータやＰＭＵデータでもよい。より具体的には例えば系統データＤ１３として、電力系統１００に接続するノード１２０Ｂや１２０Ｃにおける電圧および電圧位相角、電力系統１００に接続するノード１２０Ｂや１２０Ｃに接続するブランチ１４０Ｂや１４０Ｃの線路潮流（Ｐ＋ｊＱ）、電力系統１００に接続するノード１２０Ｂや１２０Ｃに接続する変圧器１３０Ａや１３０Ｂの線路潮流（Ｐ＋ｊＱ）、変圧器１３０Ａや１３０Ｂに接続するノード１２０Ａや１２０Ｄの電圧Ｖおよび電圧位相角δ、ノード１２０Ａや１２０Ｄに接続する発電機１１０Ａや１１０Ｂの有効電力Ｐや無効電力Ｑや力率Φ、計測装置１５０や監視制御装置２００などから通信ネットワークを介して計測する電力系統１００に接続するその他のノードやブランチや発電機や負荷や制御装置などの有効電力Ｐや無効電力Ｑや力率Φや電圧Ｖおよび電圧位相角δなどが取り込まれ、系統状態データベースＤＢ２６に記憶されている。
なお、電圧位相角δは、ＰＭＵやＧＰＳを利用した他の計測機器を利用して計測したものでもよい。なお、計測装置は、ＶＴやＰＴなどである。ＶＴやＰＴなどで計測した電流Ｉと電圧Ｖと力率Φから線路潮流（Ｐ＋ｊＱ）を計算することができる。また、系統状態予測プログラムＰ５７の計算結果である、もっともらしい系統の各ノード、ブランチ、発電機、負荷、制御機器の有効電力Ｐ、無効電力Ｑ、電圧Ｖ、電圧位相角δ、電流Ｉ、力率Φ、を推定計算した結果も、系統計測データとして保存しておくのがよい。
系統モデルデータベースＤＢ２７には、系統構成、線路インピーダンス（Ｒ＋ｊＸ）、対地静電容量（アドミタンス：Ｙ）、系統構成と状態推定に必要なデータ（バッドデータの閾値など）、発電機データ、その他の潮流計算・状態推定・時系列変化計算に必要なデータが含まれ、記憶されている。なお、手動で入力する際には、入力部１３によって手動で入力し記憶する。また入力の際はＣＰＵ１１によって必要な画像データを生成して表示部１５に表示する。入力の際は、補完機能を利用して、大量のデータを設定できるように半手動にしてもよい。
系統状態予測結果データベースＤＢ４６には、再生可能エネルギー出力予測結果データＤ４５と系統状態データＤ２６と系統モデルデータＤ２７を用いて、系統状態予測プログラムＰ５７によって計算された結果が含まれる。例えば、図２０に示すような、発電機の内部相差角の時系列変化などである。系統状態の予測方法の詳細は後述する。
制御対象決定結果データベースＤＢ４７には、系統状態予測結果データＤ４６を用いて制御対象決定プログラムＰ５８によって演算された結果が含まれる。制御対象の決定方法は後述する。
次に系統安定化装置１０００の計算処理内容について図２１を用いて説明する。図２１は、系統安定化装置１０００の処理の全体を示すフローチャートの例である。図２１のフローでは、図９のフローチャートの処理結果を利用しており、新たに追加された処理は処理ステップＳ１１００、Ｓ１２００、Ｓ１３００である。このため、新たに追加された処理ステップＳ１１００、Ｓ１２００、Ｓ１３００を中心に説明する。
新たに追加された処理ステップＳ１１００では、再生可能エネルギー出力予測結果データＤ４５と系統状態データＤ２６と系統モデルデータＤ２７を用いて、系統状態の時系列変化を計算することで系統状態を予測し、系統状態予測結果データベース４６に格納する。系統状態の時系列変化の計算方法は、例えば、横山明彦、太田宏次、「電力系統安定化システム工学」、電気学会、２０１４、ｐｐ．５４−５７、などに即して行う。これにより、系統状態の時系列変化を予測できるため、所望の時間に対する系統安定性を評価できる。また、過渡安定度、電圧安定性、周波数安定性などの様々な系統安定性に対して安定化制御対象を計算できる。
処理ステップＳ１２００では、系統状態予測結果データＤ４６を用いて、系統安定化のための制御対象を決定し、制御対象決定結果データベース４７に格納する。制御対象の決定方法は、例えば、横山明彦、太田宏次、「電力系統安定化システム工学」、電気学会、２０１４、ｐｐ．１８９−１９１に記載のオンラインＴＳＣシステム搭載の方法などに即して行う。
処理ステップＳ１３００では、制御対象決定結果データＤ４７を用いて、制御対象に制御指令を送信する。
ここで、図２２を参照して具体的な表示内容の例について説明する。図２２は、発電量予測装置１０における表示画面（図１６）と基本的には同じ表示画面であるが、安定化装置１０００における表示内容しても有効であることから例示したものである。
図２２によれば、類似実績データ抽出と再生可能エネルギーモデル作成と再生可能エネルギーモデル精度計算と再生可能エネルギーモデル選択と再生可能エネルギー出力予測の結果として、表示画面上に出力予測対象の再生可能エネルギーの設置地点１６１、再生可能エネルギーの種類１６２、出力予測結果１６３、類似実績データ抽出結果１６４、再生可能エネルギーモデル選択結果１６５、再生可能エネルギーモデル精度計算結果１６６を表示したものである。この表示には系統図１６７や凡例１６８も併せて表示されることにより、利用者が理解しやすい表示形式とされている。
図２２のように、再生可能エネルギー出力予測結果を発電量予測装置１０や通信ネットワーク３００を介して監視制御装置２００の画面に表示することで、電力系統１００において、どの再生可能エネルギーがどのような出力予測となったかが一目でわかる効果がある。
また、出力予測対象の再生可能エネルギーが複数存在する場合、再生可能エネルギーの設置地点１６１と種類１６２を選択し、選択した再生可能エネルギーの出力予測結果、類似実績データ抽出結果、再生可能エネルギーモデル選択結果、再生可能エネルギーモデル精度計算結果を確認することができる。
また、図２３を参照して具体的な表示内容の例について説明する。図２３は、系統状態予測と制御対象決定の結果として、想定故障の種類１７１、系統状態の種類１７２、系統状態の予測結果１７３、制御後の系統状態の予測結果１７４、制御対象を表示する画面１７５の一例を示す図である。
図２３のように、制御前後の系統状態の予測結果と制御対象を系統安定化装置１０００や通信ネットワーク３００を介して監視制御装置２００の画面に表示することで、電力系統１００において、どの系統状態がどのような予測結果となったか、どの制御によって系統状態の予測結果がどのように変化したかが一目でわかる効果がある。
また、想定故障や予測対象となる系統状態が複数存在する場合、想定故障と系統状態の種類を選択し、選択した想定故障に対する制御対象決定結果と制御前後における系統状態の予測結果を確認することができる。
以上説明した実施例２の系統安定化装置では、気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３と再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５から再生可能エネルギーモデルを作成し、気象予測データＤ２１と気象実績データＤ２２と再生可能エネルギー出力実績データＤ２３と再生可能エネルギー特性データＤ２４と再生可能エネルギー設置条件データＤ２５から気象予測データと類似する気象実績データおよびその気象時の再生可能エネルギー出力実績データを抽出し、再生可能エネルギーモデル作成結果データＤ４１と類似実績データ抽出結果データＤ４２と再生可能エネルギーモデル選択結果データＤ４４から再生可能エネルギーモデルの精度を計算し、再生可能エネルギーモデル精度計算結果データＤ４３から出力予測に使用する再生可能エネルギーモデルを選択し、再生可能エネルギーモデル選択結果データＤ４４と気象予測データＤ２１から再生可能エネルギー出力を予測し、系統状態予測結果データＤ４６から系統安定化のための制御対象を決定し、制御対象決定結果データＤ４７から制御対象に制御指令し、予測結果と各計算結果の表示を行うものである。
実施例２によれば、以上により高確率で系統を安定化できる。
１０：発電量予測装置
１１：ＣＰＵ
１２：メモリ
１３：入力部
１４：通信部
１５：表示部
３０：発電量予測計算部
３１：再生可能エネルギーモデル作成部
３２：類似実績データ抽出部
３３：再生可能エネルギーモデル精度計算部
３４：再生可能エネルギーモデル選択部
３５：再生可能エネルギー出力予測部
３６：系統状態予測部
３７：制御対象決定部
３８：制御指令部
６０：バス線
１００：電力系統
１１０Ａ、１１０Ｂ：発電機
１２０Ａ、１２０Ｂ、１２０Ｃ、１２０Ｄ：ノード（母線）
１３０Ａ、１３０Ｂ：変圧器
１４０Ａ、１４０Ｂ、１４０Ｃ、１４０Ｄ：ブランチ（線路）
１５０：計測装置
２００：監視制御装置
３００：通信ネットワーク
１０００：系統安定化装置
Ｄ２０：発電量予測計算入力データ
ＤＢ２０：発電量予測計算入力データベース
Ｄ２１：気象予測データ
ＤＢ２１：気象予測データベース
Ｄ２２：気象実績データ
ＤＢ２２：気象実績データベース
Ｄ２３：再生可能エネルギー出力実績データ
ＤＢ２３：再生可能エネルギー出力実績データベース
Ｄ２４：再生可能エネルギー特性データ
ＤＢ２４：再生可能エネルギー特性データベース
Ｄ２５：再生可能エネルギー設置条件データ
ＤＢ２５：再生可能エネルギー設置条件データベース
Ｄ４０：発電量予測計算結果データ
ＤＢ４０：発電量予測計算結果データベース
Ｄ４１：再生可能エネルギーモデル作成結果データ
ＤＢ４１：再生可能エネルギーモデル作成結果データベース
Ｄ４２：類似実績データ抽出結果データ
ＤＢ４２：類似実績データ抽出結果データベース
Ｄ４３：再生可能エネルギーモデル精度計算結果データ
ＤＢ４３：再生可能エネルギーモデル精度計算結果データベース
Ｄ４４：再生可能エネルギーモデル選択結果データ
ＤＢ４４：再生可能エネルギーモデル選択結果データベース
Ｄ４５：再生可能エネルギー出力予測結果データ
ＤＢ４５再生可能エネルギー出力予測結果データベース
Ｄ５０：プログラムデータ
ＤＢ５０：プログラムデータベース
Ｄ２６：系統状態データ
ＤＢ２６：系統状態データベース
Ｄ２７：系統モデルデータ
ＤＢ２７：系統モデルデータベース
Ｄ４６：系統状態予測結果データ
ＤＢ４６：系統状態予測結果データベース
Ｄ４７：制御対象決定結果データ
ＤＢ４７：制御対象決定結果データベース
Ｄ５１：系統安定化プログラムデータ
ＤＢ５１：系統安定化プログラムデータベース

Claims (14)

  1. 再生可能エネルギーにより発電を行う発電所における発電量を予測するための発電量予測装置であって、
    前記発電所における気象実績と出力実績とから、当該発電所の発電量の数理モデルをモデル作成タイミングごとに作成するモデル作成部と、
    気象予測データと類似の気象実績および対応する出力実績を類似実績データとして得る類似実績データ抽出部と、
    前記モデル作成部の複数の数理モデルに対して、気象予測データに類似する気象条件における数理モデルの精度を計算するモデル精度計算部と、
    前記数理モデルの精度を用いて予測に使用する数理モデルを選択するモデル選択部と、
    選択した前記数理モデルを用いて前記発電所の発電量を予測するモデル出力予測部を備えることを特徴とする発電量予測装置。
  2. 請求項１に記載の発電量予測装置であって、
    前記モデル作成部は、前記気象実績と前記出力実績から作成した発電所の一次数理モデルに、当該発電所の特性と設備条件を付加して数理モデルとして得ることを特徴とする発電量予測装置。
  3. 請求項１または請求項２に記載の発電量予測装置であって、
    前記類似実績データ抽出部は、前記気象予測データと類似する前記気象実績を抽出し、当該気象実績の時の前記出力実績を抽出し、前記気象実績と前記出力実績を組み合わせて得ることを特徴とする発電量予測装置。
  4. 請求項１から請求項３のいずれか１項に記載の発電量予測装置であって、
    前記類似実績データ抽出部は、第１の発電所について前記気象予測データと類似する前記気象実績を有していない時に、前記モデル選択部は類似する気象実績を有する第２の発電所における前記数理モデルを選択することを特徴とする発電量予測装置。
  5. 再生可能エネルギーにより発電を行う発電所における発電量を予測するための発電量予測方法であって、
    前記発電所における気象実績と出力実績とから、当該発電所の発電量の数理モデルをモデル作成タイミングごとに作成し、前記複数の数理モデルの中から、気象予測データに類似する前記気象実績における数理モデルの精度を計算し、予測に使用する数理モデルを選択して、前記発電所の発電量を予測することを特徴とする発電量予測方法。
  6. 請求項５に記載の発電量予測方法であって、
    前記気象実績と前記出力実績から作成した前記発電所の発電量の一次数理モデルに、当該発電所の特性と設備条件を付加して数理モデルとして得ることを特徴とする発電量予測方法。
  7. 請求項５または請求項６に記載の発電量予測方法であって、
    第１の発電所について前記気象予測データと類似する前記気象実績を有していない時に、類似する気象実績と出力実績を有する第２の発電所における前記数理モデルを前記第１の発電所の発電量の前記数理モデルとして選択することを特徴とする発電量予測方法。
  8. 請求項１から請求項４のいずれか１項に記載の発電量予測装置を用いて、前記再生可能エネルギーにより発電を行う発電所を含む電力系統の安定化を図る系統安定化装置であって、
    前記再生可能エネルギーにより発電を行う発電所を含む電力系統の系統状態を時系列的に予測する系統状態予測部と、
    系統状態の悪化が予測された場合に、系統安定化のための制御対象を決定する制御対象決定部と、
    決定された制御対象に制御指令を送信して制御を行わせる制御指令部を備えることを特徴とする系統安定化装置。
  9. 請求項５から請求項７のいずれか１項に記載の発電量予測方法を用いて、前記再生可能エネルギーにより発電を行う発電所を含む電力系統の安定化を図る系統安定化方法であって、
    前記再生可能エネルギーにより発電を行う発電所を含む電力系統の系統状態を時系列的に予測し、系統状態の悪化が予測された場合に、系統安定化のための制御対象を決定し、決定された制御対象に制御指令を送信して制御を行わせることを特徴とする系統安定化方法。
  10. 気象実績データと、再生可能エネルギーの出力実績データと、再生可能エネルギーの特性データと、再生可能エネルギーの設置条件データを用いて再生可能エネルギーの数理モデルを作成する数理モデル作成部と、
    気象予測データと、前記気象実績データと、前記出力実績データを用いて、前記気象予測データと類似の前記気象実績データである類似実績データ、および前記類似実績データに対応する前記出力実績データを抽出する類似実績データ抽出部と、
    前記数理モデルと、前記類似実績データと、数理モデル選択結果データを用いて、前記数理モデルの精度を計算する数理モデル精度計算部と、
    前記数理モデルの精度を用いて予測に使用する数理モデルを選択する数理モデル選択部と、
    前記選択した数理モデルを用いて再生可能エネルギー出力を予測する数理モデル出力予測部と、
    を備えることを特徴とする発電量予測装置。
  11. 請求項１０に記載の発電量予測装置であって、
    前記数理モデル作成部は、前記気象実績データと前記出力実績データから作成した前記数理モデルに、同じ再生可能エネルギーの前記特性データと前記設置条件データを付加することを特徴とする発電量予測装置。
  12. 請求項１０または請求項１１に記載の発電量予測装置であって、
    前記数理モデル精度計算部は、前記数理モデル作成部で作成した前記数理モデルに前記類似実績データに含まれる前記気象実績データを入力したときの前記出力実績データと前記類似実績データに含まれる前記出力実績データから前記数理モデルの精度を計算し、前記数理モデル選択結果データに含まれる前記数理モデルのいずれかひとつもしくは複数に前記類似実績データに含まれる前記気象実績データを入力したときの前記出力実績データと前記類似実績データに含まれる前記出力実績データから前記再生可能エネルギー出力の前記数理モデルの選択結果データに含まれる前記数理モデルの精度を計算することを特徴とする発電量予測装置。
  13. 請求項１０から請求項１２のいずれか１項に記載の発電量予測装置であって、
    前記数理モデル選択部は、前記数理モデル作成部で作成した前記再生可能エネルギー出力の前記数理モデルと前記数理モデル選択結果データに含まれる前記数理モデルのいずれかひとつもしくは複数の精度を比較することで、最も精度の高い前記再生可能エネルギー出力の前記数理モデルを選択することを特徴とする、発電量予測装置。
  14. 請求項１０から請求項１３のいずれか１項に記載の発電量予測装置であって、
    前記数理モデル出力予測部は、前記気象予測データを前記数理モデル選択部で選択した数理モデルに入力することで、再生可能エネルギー出力を予測することを特徴とする発電量予測装置。
JP2015238277A 2015-12-07 2015-12-07 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法 Active JP6427090B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2015238277A JP6427090B2 (ja) 2015-12-07 2015-12-07 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法
ES16872727T ES2944946T3 (es) 2015-12-07 2016-10-26 Aparato de predicción de la cantidad de generación de energía, método de predicción de la cantidad de generación de energía, aparato de estabilización del sistema y método de estabilización del sistema
PL16872727.9T PL3389158T3 (pl) 2015-12-07 2016-10-26 Urządzenie do przewidywania ilości wytwarzanej mocy, sposób przewidywania ilości wytwarzanej mocy, urządzenie do stabilizacji sieci oraz sposób stabilizacji sieci
EP16872727.9A EP3389158B1 (en) 2015-12-07 2016-10-26 Generated power amount prediction device, generated power amount prediction method, grid stabilization device, and grid stabilization method
US16/060,107 US11387656B2 (en) 2015-12-07 2016-10-26 Power generation amount prediction apparatus, power generation amount prediction method, system stabilization apparatus, and system stabilization method
PCT/JP2016/081702 WO2017098827A1 (ja) 2015-12-07 2016-10-26 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015238277A JP6427090B2 (ja) 2015-12-07 2015-12-07 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法

Publications (2)

Publication Number Publication Date
JP2017108475A JP2017108475A (ja) 2017-06-15
JP6427090B2 true JP6427090B2 (ja) 2018-11-21

Family

ID=59013979

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015238277A Active JP6427090B2 (ja) 2015-12-07 2015-12-07 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法

Country Status (6)

Country Link
US (1) US11387656B2 (ja)
EP (1) EP3389158B1 (ja)
JP (1) JP6427090B2 (ja)
ES (1) ES2944946T3 (ja)
PL (1) PL3389158T3 (ja)
WO (1) WO2017098827A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150356104A9 (en) 2011-10-04 2015-12-10 Electro Industries/Gauge Tech Systems and methods for collecting, analyzing, billing, and reporting data from intelligent electronic devices
US11816465B2 (en) 2013-03-15 2023-11-14 Ei Electronics Llc Devices, systems and methods for tracking and upgrading firmware in intelligent electronic devices
US11734396B2 (en) 2014-06-17 2023-08-22 El Electronics Llc Security through layers in an intelligent electronic device
US10958435B2 (en) 2015-12-21 2021-03-23 Electro Industries/ Gauge Tech Providing security in an intelligent electronic device
US11686594B2 (en) 2018-02-17 2023-06-27 Ei Electronics Llc Devices, systems and methods for a cloud-based meter management system
US11754997B2 (en) * 2018-02-17 2023-09-12 Ei Electronics Llc Devices, systems and methods for predicting future consumption values of load(s) in power distribution systems
US11734704B2 (en) 2018-02-17 2023-08-22 Ei Electronics Llc Devices, systems and methods for the collection of meter data in a common, globally accessible, group of servers, to provide simpler configuration, collection, viewing, and analysis of the meter data
JP7128106B2 (ja) * 2018-12-26 2022-08-30 一般財団法人電力中央研究所 Ｐｖ出力予測支援装置、ｐｖ出力予測装置、ｐｖ出力予測支援方法及びｐｖ出力予測支援プログラム
WO2020162461A1 (ja) 2019-02-05 2020-08-13 株式会社カネカ 電力制御システムおよび電力制御方法
US11863589B2 (en) 2019-06-07 2024-01-02 Ei Electronics Llc Enterprise security in meters
CN110580549B (zh) * 2019-09-02 2020-06-02 山东大学 一种考虑天气的区域短期能源功率预测方法及系统
JP2023023114A (ja) * 2021-08-04 2023-02-16 トヨタ自動車株式会社 電力管理システム、電力管理サーバ、および、電力管理方法
CN116070804B (zh) * 2023-04-06 2023-07-14 国网冀北电力有限公司 基于知识图谱和数据驱动的电力系统负荷预测方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7274975B2 (en) * 2005-06-06 2007-09-25 Gridpoint, Inc. Optimized energy management system
JP5606114B2 (ja) 2010-03-19 2014-10-15 株式会社東芝 発電量予測装置、予測方法及び予測プログラム
JP5537304B2 (ja) * 2010-07-12 2014-07-02 株式会社東芝 情報処理装置およびそのプログラム
JP5661594B2 (ja) * 2011-11-01 2015-01-28 日本電信電話株式会社 予測モデル構築装置、方法、及びプログラム、並びに発電量予測装置、及び方法
JP5797599B2 (ja) * 2012-04-19 2015-10-21 株式会社日立パワーソリューションズ 発電量予測方法及びそのシステム
WO2013169903A1 (en) * 2012-05-09 2013-11-14 Petra Solar, Inc. Methods and systems for managing distributed energy resources
JP5940922B2 (ja) * 2012-07-12 2016-06-29 トヨタ自動車株式会社 自然エネルギー量予測装置
JP2014157457A (ja) * 2013-02-15 2014-08-28 Nec Corp 予測装置および予測方法
JP2014217092A (ja) * 2013-04-22 2014-11-17 清水建設株式会社 発電電力予測装置、発電電力予測方法及びプログラム
JP2015138912A (ja) * 2014-01-23 2015-07-30 大阪瓦斯株式会社 太陽光発電量予測システム及び天気予報システム
TWI539739B (zh) * 2015-06-25 2016-06-21 Method of estimating power generation of solar power plant

Also Published As

Publication number Publication date
EP3389158A1 (en) 2018-10-17
EP3389158B1 (en) 2023-05-10
US20200266628A1 (en) 2020-08-20
ES2944946T3 (es) 2023-06-27
WO2017098827A1 (ja) 2017-06-15
PL3389158T3 (pl) 2023-07-24
EP3389158A4 (en) 2019-07-24
US11387656B2 (en) 2022-07-12
JP2017108475A (ja) 2017-06-15

Similar Documents

Publication Publication Date Title
JP6427090B2 (ja) 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法
US11544426B2 (en) Systems and methods for enhanced sequential power system model parameter estimation
WO2020162937A1 (en) Automated model validation system for electrical grid
WO2020197533A1 (en) Surrogate of a simulation engine for power system model calibration
WO2018186001A1 (ja) 電力系統安定化装置および電力系統安定化方法
WO2020096560A1 (en) Power system measurement based model calibration with enhanced optimization
JP2015061455A (ja) 電力系統管理装置、及び方法
Sheng et al. Online measurement-based estimation of dynamic system state matrix in ambient conditions
US20230327438A1 (en) Scalable state estimation for power distribution grid
JP6695252B2 (ja) 電力系統安定化装置および方法
US20230221362A1 (en) Electrical grid discrepancy identification
Franken et al. Identification of suitable locations for HVDC links within meshed AC networks
Lang et al. Smart grid big data: automating analysis of distribution systems
Aggarwal et al. Dynamic state estimation of a multi-source isolated power system using unscented kalman filter
Menon et al. Towards a commercial-grade tool for disturbance-based model validation and calibration
Táczi et al. Role of Voltage Control Devices in Low Voltage State Estimation Process
JP2021033881A (ja) 電力負荷予測装置および電力負荷予測方法
Bryden et al. Real-Time Energy Storage Simulators for the Electricity Grid
CN113361769B (zh) 基于prmse和crmse评价指标的稳定裕度值预测方法及装置
US20240072570A1 (en) Bus inertia for enhancing dynamic flexibility of hybrid power systems
US20240070352A1 (en) Simulating electrical grid transmission and distribution using multiple simulators
Shahriar et al. Parameter estimation and sensitivity analysis of distribution network equivalents
Fernandes Study of Coherency and Inertia Impacts on Power Systems after Ring-down events using Typicality Data Analysis and Synchrophasors Estudo de Coerência e Impactos da Inércia em Sistemas de Potência Após Perturbações
Emami Enhancement of network monitoring & security analysis using phasor measurement units
Reno Modeling and Analysis with High Penetration PV, Including Advanced Software Tools.

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180911

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181002

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181016

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181026

R150 Certificate of patent or registration of utility model

Ref document number: 6427090

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150