JP6557080B2 - 診断装置、太陽光発電システム、および、劣化・故障診断方法 - Google Patents

Description

本発明は、太陽電池モジュールの劣化または故障を診断する診断装置、太陽光発電システム、および、劣化・故障診断方法に関する。

近年、太陽光等の再生可能エネルギーに着目し、太陽光エネルギーを電気エネルギーに変換する太陽電池を用いた太陽光発電システムが普及してきている。例えば、住居の屋根に置かれた一般家庭用の小規模のものからメガソーラーシステムなどの大規模なものまで製品化されている。太陽光発電システムは、太陽電池モジュールと電力変換装置（パワーコンディショナ；ＰＣＳ）とを備えており、太陽電池モジュールによって生成される直流電力を、パワーコンディショナにより交流電力に変換し、電力系統に交流電力を供給している。

このような太陽光発電システムにおいて、その発電量は、日射量や太陽電池モジュールの性能などにより、異なってくる。また、太陽電池モジュールの不良やパワーコンディショナの不良などにより、発電量が低下する。したがって、発電量を確保するために、これらの不良を監視することが重要となってきている。例えば、特許文献１のような太陽電池アレイの故障等を診断する太陽電池診断システムが開発されている。この特許文献１の太陽電池診断システムは、太陽電池アレイと、当該太陽電池アレイとは別にパイロットモジュール（診断用の太陽電池モジュール）とを備えている。そして、パイロットモジュールの出力特性曲線から太陽電池アレイの出力特性曲線を予測し、予測した太陽電池アレイの出力特性曲線と、実際の太陽電池アレイの出力特性曲線と、を比較して、異常を診断している。

特開平８−６４６５３号公報

上記のように特許文献１で開示される太陽電池診断システムでは、太陽電池アレイの異常を診断するために、診断用の太陽電池モジュールを備える必要があった。また、この診断用の太陽電池モジュール自体に劣化や故障などが発生した場合、太陽電池アレイの出力特性曲線を正しく予測することができず、太陽電池アレイの異常を正常に診断することができなくなる可能性がある。

そこで、本発明は、上記課題に鑑みて創作されたものであり、診断用に別の太陽電池モジュールを備えることなく、太陽電池モジュールの劣化や故障を診断することができる診断装置、太陽光発電システム、および、劣化・故障診断方法を提供することにある。

本発明の第１の側面によって提供される診断装置は、太陽電池モジュールの劣化または故障を診断する診断装置であって、前記太陽電池モジュールに関する各種計測値に基づき、非線形最適化の手法により、予め定義された評価関数の評価値を最小にする、前記太陽電池モジュールの特性を示す特性パラメータの推定値を求めるパラメータ推定手段と、当該パラメータ推定手段が求めた前記特性パラメータの推定値に基づき、前記太陽電池モジュールの診断を行う診断手段と、を備える。

本発明の好ましい実施の形態においては、前記特性パラメータは、開放電圧Ｖ_OC、短絡電流Ｉ_SC、曲線因子ＦＦ、開放電圧温度係数α₁、および、短絡電流温度係数α₂を含んでおり、前記パラメータ推定手段は、前記評価値を最小にする前記特性パラメータの推定値の組み合わせを求める。

本発明の好ましい実施の形態においては、前記各種計測値は、前記太陽電池モジュールの出力電流Ｉ、前記太陽電池モジュールの出力電圧Ｖ、および、前記太陽電池モジュールのモジュール温度Ｔである。

本発明の好ましい実施の形態においては、前記出力電圧Ｖを所定のステップで変化させるスイープ手段を、さらに備え、前記各種計測値は、前記スイープ手段が変化させた複数の前記出力電圧Ｖに対し、各前記出力電流Ｉおよび前記モジュール温度Ｔが得られ、前記パラメータ推定手段は、複数組の前記出力電流Ｉと前記出力電圧Ｖと前記モジュール温度Ｔとに基づき、前記特性パラメータの推定値を求める。

本発明の好ましい実施の形態においては、前記パラメータ推定手段は、前記出力電流Ｉ、前記出力電圧Ｖ、および、前記モジュール温度Ｔの各組毎に、（１）式で示される前記太陽電池モジュールの特性を示すモデル式に基づき、複数の算出電流Ｉ_calを算出し、算出した前記複数の前記算出電流Ｉ_calと複数の前記出力電流Ｉとに基づき、（２）式で示される前記評価関数の評価値Ｊを最小にする開放電圧温度係数α₁、短絡電流温度係数α₂、および、短絡電流Ｉ_SCの組み合わせを探索し、そして、探索した開放電圧温度係数α₁、短絡電流温度係数α₂、および、短絡電流Ｉ_SCを用いて、（３）式で示される前記開放電圧Ｖ_OCと、算出した前記開放電圧Ｖ_OCを用いて、（４）式で示される曲線因子ＦＦと、を算出することで、前記特性パラメータの推定値を求める。

ただし、Ｉ₀は逆方向飽和電流、ｑは電気素量、ｎは理想ダイオード因子、ｋはボルツマン定数、Ｖ_MAXは最大電力点電圧、Ｉ_MAXは最大電力点電流である。

本発明の好ましい実施の形態においては、前記出力電流Ｉを計測する電流センサ、前記出力電圧Ｖを計測する電圧センサ、および、前記モジュール温度Ｔを計測する温度センサを、さらに備える。

本発明の好ましい実施の形態においては、前記各種計測値には、さらに前記太陽電池モジュールに入射される太陽光の日射強度Ｓを含んでおり、前記スイープ手段による前記出力電圧Ｖの変化毎に、前記日射強度Ｓも得られる。

本発明の好ましい実施の形態においては、前記パラメータ推定手段は、前記出力電流Ｉ、前記出力電圧Ｖ、前記モジュール温度Ｔ、および、前記日射強度Ｓの各組毎に、（５）式で示される前記太陽電池モジュールの特性を示すモデル式に基づき、複数の算出電圧Ｖ_calを算出し、そして、算出した前記複数の算出電圧Ｖ_calと複数の前記出力電圧Ｖとに基づき、（６）式で示される前記評価関数の評価値Ｊを最小にする前記開放電圧Ｖ_OC、前記短絡電流Ｉ_SC、前記曲線因子ＦＦ、前記開放電圧温度係数α₁、および、前記短絡電流温度係数α₂の組み合わせを探索することで、前記特性パラメータの推定値を求める。

本発明の好ましい実施の形態においては、前記パラメータ推定手段は、前記日射強度Ｓと前記モジュール温度Ｔの一方あるいは双方が異なる、少なくとも２つ以上の計測値を用いて、前記特性パラメータの推定値を求める。

本発明の好ましい実施の形態においては、さらに、前記出力電流Ｉを計測する電流センサ、前記出力電流Ｖを計測する電圧センサ、前記モジュール温度Ｔを計測する温度センサ、および、前記日射強度Ｓを計測する日射センサを、備える。

本発明の好ましい実施の形態においては、前記診断手段は、前記パラメータ推定手段が求めた特定パラメータの推定値のうち少なくとも１つの推定値において、予め設定された閾値を超えた場合に、劣化または故障であると診断する。

本発明の好ましい実施の形態においては、前記パラメータ推定手段が求めた前記特性パラメータの推定値を記憶する記憶手段を、さらに備え、前記診断手段は、前記記憶手段に記憶される前記特性パラメータの推定値と、前記パラメータ推定手段が求めた最新の前記特性パラメータの推定値と、を比較し、当該比較結果に応じて、劣化または故障を診断する。

本発明の好ましい実施の形態においては、前記診断手段は、前記特性パラメータの推定値として求めた前記曲線因子ＦＦの推定値に基づき、劣化を診断する。

本発明の第２の側面によって提供される太陽光発電システムは、本発明の第１の側面によって提供される診断装置と、前記太陽電池モジュールと、前記太陽電池モジュールから出力される直流電力を、交流電力に変換する電力変換装置と、を備える。

本発明の第３の側面によって提供される劣化・故障診断方法は、太陽電池モジュールに関する各種計測値に基づき、最適化の手法により、予め定義された評価関数の評価値を最小にする、前記太陽電池モジュールの特性を示す特性パラメータの推定値を求める第１の工程と、当該第１の工程により求められた前記特性パラメータの推定値に基づき、前記太陽電池モジュールの劣化または故障を診断する第２の工程と、を有する。

本発明によると、太陽電池モジュールに関する各種計測値に基づき、非線形最適化の手法により、太陽電池モジュールの特性を示す特性パラメータの推定値を求めるようにした。そして、当該特性パラメータの推定値に基づき、太陽電池モジュールの劣化・故障を診断するようにした。これにより、診断用に別の太陽電池モジュールを備えることなく、太陽電池モジュールの劣化や故障を診断することができる。

第１実施形態に係る太陽光発電システムの全体構成を示す図である。 第１実施形態に係る診断機能部の構成を示す図である。 第１実施形態に係る特性パラメータの推定値を求める処理を説明するための図である。 第１実施形態に係る太陽電池モジュールの劣化・故障診断の処理を説明するためのフロー図である。 第２実施形態に係る診断機能部の構成を示す図である。 第２実施形態に係る特性パラメータの推定値を求める処理を説明するための図である。 第２実施形態に係る太陽電池モジュールの劣化・故障診断の処理を説明するためのフロー図である。

以下、本発明の実施の形態について、太陽光エネルギーを電気エネルギーに変換し、電力系統に供給する系統連系型太陽光発電システムを例に、図面を参照して、説明する。

図１は、本発明の第１実施形態に係る太陽光発電システムＡの全体構成を説明するための図である。図示するように、太陽光発電システムＡは、太陽電池モジュール１と電力変換装置（パワーコンディショナ；ＰＣＳ）２とを含んで構成されている。太陽光発電システムＡは、太陽電池モジュール１から出力される直流電力を、パワーコンディショナ２により交流電力に変換し、電力系統３に供給する逆潮流システムである。

太陽電池モジュール１は、太陽光エネルギーを電気エネルギーに変換するものである。太陽電池モジュール１は、例えばシリコンなどの半導体で生成された太陽電池セルを、複数直列接続して構成される。そして、太陽電池モジュール１は、この直列接続された複数の太陽電池セルを、屋外で利用できるように樹脂や強化ガラスなどで保護し、パッケージ化したものである。各太陽電池セルで生成された直流電力が合成されて、太陽電池モジュール１から出力される。

一般的に、直列接続された太陽電池セルの数やこの太陽電池セルが受ける日射量（日射強度）により、太陽電池モジュール１から出力される電力量は異なる。したがって、面積の広い場所に設置される場合は、太陽電池セルの直列数を多くすることができるので、大きな電力を出力することができる。

また、太陽電池モジュール１の性能を特徴づける特性パラメータとして、開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流開放係数α₂、および、曲線因子ＦＦなどがある。１つの太陽電池モジュール１において、これらの特性パラメータの値は、一意に決定される。ただし、経年変化などにより、これらの特性パラメータの値は変化する。例えば、曲線因子ＦＦは、太陽電池モジュール１の出力特性の良さを表す指標であり、太陽電池モジュール１の最大出力電力Ｐ_MAX（＝Ｖ_MAX×Ｉ_MAX；Ｖ_MAXは最大電力点電圧、Ｉ_MAXは最大電力点電流）を、開放電圧Ｖ_OCと短絡電流Ｉ_SCとの積で除算した値（０〜１の範囲）である。この曲線因子ＦＦは、太陽電池モジュール１の経年変化により、徐々に低下していくことが知られている。

パワーコンディショナ２は、太陽電池モジュール１から入力される直流電力を交流電力に変換するものである。パワーコンディショナ２は、太陽電池モジュール１から入力される直流電力を電力系統３と同期がとれた交流電力に変換するインバータ回路、インバータ回路から出力される交流電圧を昇圧（または降圧）するための変圧器、および、インバータ回路を制御する制御回路などを含んで構成されている。パワーコンディショナ２は、変換した交流電力を電力系統３に供給する。

また、パワーコンディショナ２は、太陽電池モジュール１の劣化・故障を診断する診断機能部２Ａを有する。すなわち、パワーコンディショナ２は、太陽電池モジュール１の劣化・故障を診断する診断装置としても機能する。図２は、パワーコンディショナ２に備えられる診断機能部２Ａの機能構成図を示す図である。図示するように、診断機能部２Ａは、センサ群２１、スイープ部２２、パラメータ推定部２３、および、診断部２４を備えている。

センサ群２１は、太陽電池モジュール１に関する各種物理量を計測するための各種センサにより構成され、電圧センサ２１１、電流センサ２１２、日射センサ２１３、および、温度センサ２１４を含んでいる。電圧センサ２１１は、太陽電池モジュール１の出力電圧（パワーコンディショナ２の入力電圧）Ｖの実効値を計測するものである。電流センサ２１２は、太陽電池モジュール１の出力電流（パワーコンディショナ２の入力電流）Ｉの実効値を計測するものである。日射センサ２１３は、太陽電池モジュール１に入射する太陽光の強さである日射強度Ｓを計測するものであり、太陽電池モジュール１の近くに配置される。温度センサ２１４は、太陽電池モジュール１の温度（モジュール温度）Ｔを計測するものであり、太陽電池モジュール１の内部に配置される。センサ群２１の各センサ２１１〜２１４は、計測した出力電圧Ｖ、出力電流Ｉ、日射強度Ｓ、および、モジュール温度Ｔをパラメータ推定部２３に出力する。なお、センサ群２１として、パワーコンディショナ２が各種制御や記録などを行うために備える各種センサを代用してもよい。

スイープ部２２は、太陽電池モジュール１からの出力電圧Ｖを、所定のステップで意図的に変化させるものである。例えば、スイープ部２２は、図示しない上記インバータ回路を制御することで、出力電圧Ｖを変化させる。スイープ部２２が出力電圧Ｖを変化させると、それに応じて、出力電流Ｉが変化する。センサ群２１の各センサ２１１〜２１４は、その都度、各種計測値をパラメータ推定部２３に出力する。

パラメータ推定部２３は、太陽電池モジュール１の特性を示す特性パラメータの推定値を求めるものである。パラメータ推定部２３は、センサ群２１から入力される各種計測値に基づき、非線形最適化法を用いて、予め定義された評価関数の評価値を最小にする特性パラメータの推定値を求める。パラメータ推定部２３は、求めた特性パラメータの推定値を診断部２４に出力する。

図３は、パラメータ推定部２３が、特性パラメータの推定値を求める処理を説明するための図である。図３（ａ）は、その機能ブロック図を示したものである。図示するように、パラメータ推定部２３は、その機能ブロックとして、メモリ２３１、特性モデル算出部２３２、および、非線形最適化処理部２３３を含んで構成される。

メモリ２３１は、センサ群２１から入力される各種計測値を、対応付けて記憶するものである。例えば、メモリ２３１には、図３（ｂ）に示すように、センサ群２１から入力される出力電圧Ｖ_i、出力電流Ｉ_i、日射強度Ｓ_i、および、モジュール温度Ｔ_i（ｉ＝１，２，・・・，ｎ）を１組として、複数組の計測値が記憶されている。

特性モデル算出部２３２は、センサ群２１から入力され、メモリ２３１に記憶された１組の出力電流Ｉ_i、日射強度Ｓ_i、および、モジュール温度Ｔ_iと、後述する非線形最適化処理部２３３から入力される特性パラメータの暫定値（暫定開放電圧Ｖ_OC’、暫定短絡電流Ｉ_SC’、暫定開放電圧温度係数α₁’、暫定短絡電流温度係数α₂’、暫定曲線因子ＦＦ’）と、を用いて、予め定義した下記（７）式に示す特性モデル式を用いて、算出電圧Ｖ_caliを算出する。特性モデル算出部２３２は、この算出電圧Ｖ_caliを、メモリ２３１に記憶される複数組の計測値の各々に対して算出し、算出した複数の算出電圧Ｖ_caliを非線形最適化処理部２３３に出力する。

非線形最適化処理部２３３は、特性モデル算出部２３２により算出された複数の算出電圧Ｖ_caliと、メモリ２３１に記憶された複数の出力電圧Ｖ_iとを用いて、特性パラメータの最適解を、非線形最適化の手法によって探索する。本実施形態において、非線形最適化のための評価関数として、最小二乗法を用いた下記（８）式を用いて、その評価値Ｊが最小になる特性パラメータの最適解を、ガウス・ニュートン法により探索する。なお、評価関数は、これに限定されず、適宜設計すればよい。また、非線形最適化の手法もガウス・ニュートン法に限定されず、例えば、勾配法（最急降下法、共役勾配法）、ニュートン法、準ニュートン法（ＤＦＰ法、ＢＦＧＳ法）、Ｎｅｌｄｅｒ−Ｍｅａｄ法、Ｐｏｗｅｌｌ法、ＢＯＢＹＱＡ、ＣＭＡ−ＥＳなどを用いるようにしてもよい。上記（７）式に示す特性モデル式や、計算量、および、精度などの兼ね合いで、適切な手法を用いるようにすればよい。

具体的には、非線形最適化処理部２３３は、特性パラメータの暫定値（暫定開放電圧Ｖ_OC’、暫定短絡電流Ｉ_SC’、暫定開放電圧温度係数α₁’、暫定短絡電流温度係数α₂’、暫定曲線因子ＦＦ’）を変化させて、変化させた特性パラメータの暫定値を特性モデル算出部２３２に出力する。その後、特性モデル算出部２３２から、新たな暫定値により算出された複数の算出電圧Ｖ_caliが、非線形最適化処理部２３３に入力される。非線形最適化処理部２３３は、新たに算出された複数の算出電圧Ｖ_caliと、メモリ２３１に記憶された複数の出力電圧Ｖ_iと、を用いて、再度評価関数の評価値Ｊを求める。非線形最適化処理部２３３は、これを繰り返し実行し、評価値Ｊを最小にする特性パラメータの最適解を探索する。

非線形最適化処理部２３３は、特性パラメータの最適解の探索が完了すると、この特性パラメータの最適解（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、および、曲線因子ＦＦ）を特性パラメータの推定値として、診断部２４に出力する。

パラメータ推定部２３は、このようにして、センサ群２１から入力される各種計測値に基づき、特性パラメータの推定値を求め、診断部２４に出力する。

診断部２４は、パラメータ推定部２３から入力される特性パラメータの推定値に基づき、太陽電池モジュール１の劣化・故障を診断するものである。診断部２４は、パラメータ推定部２３から入力される特性パラメータの推定値（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、および、曲線因子ＦＦ）のうち少なくとも１つの推定値が、当該特性パラメータに対して予め設定された閾値を超えた場合、太陽電池モジュール１が劣化または故障していると診断する。例えば、診断部２４は、曲線因子ＦＦが予め設定された閾値より低下した場合、太陽電池モジュール１が劣化または故障したと診断する。

また、診断部２４は、上記のように特性パラメータの推定値が入力される度に、当該特性パラメータの推定値に基づき、劣化または故障を診断するのではなく、過去に推定した特性パラメータの推定値と比較し、劣化または故障を診断するようにしてもよい。そのため、診断部２４は、パラメータ推定部２３から特性パラメータの推定値が入力される度に、図示しない記憶手段に記憶させる。このとき、診断部２４は、パラメータ推定部２３から入力された時刻（特性パラメータの推定値が推定された時刻）と対応付けて記憶させる。例えば、診断部２４は、記憶された特性パラメータの推定値が、時刻情報に基づき、過去の推定値から最新の推定値に向け、徐々に低下（あるいは上昇）していき、最も古い推定値から所定値以上低下（あるいは上昇）した場合に劣化したと診断する。また、過去の推定値と、最新の推定値と、を用いて、１つ前に推定した特性パラメータの推定値からの変化量が所定値以上となった場合（あるいは、変化率が所定値以上になった場合）、故障と診断するようにしてもよい。

以上のように、診断部２４により劣化・故障と診断された場合、その情報を、例えば、図示しない報知部に出力し、報知部がその旨を報知する。これにより、太陽電池モジュール１の劣化・故障を管理者に知らせることができ、管理者は太陽電池モジュール１の修理や交換を行う。

このように構成された太陽光発電システムＡが行う、太陽電池モジュール１の劣化・故障診断方法（劣化・故障診断処理）について、説明する。図４は、第１実施形態に係る劣化・故障診断処理のフローを示す図である。太陽光発電システムＡが行う、太陽電池モジュール１の劣化・故障診断処理は、例えば、パワーコンディショナ２に備えられた操作部を操作することで、開始される。あるいは、所定期間毎に、自動的に開始される構成であってもよい。

太陽光発電システムＡの太陽電池モジュール１の劣化・故障診断処理が開始されると、スイープ部２２が、出力電圧Ｖを所定のステップで意図的に変化させ、スイープを開始する（ステップＳ１０１）。そして、センサ群２１の各センサ２１１〜２１４は、太陽電池モジュール１に関する各種物理量（出力電圧Ｖ、出力電流Ｉ、日射強度Ｓ、モジュール温度Ｔ）を計測する（ステップＳ１０３）。センサ群２１は、各種計測値（出力電圧Ｖ_i、出力電流Ｉ_i、日射強度Ｓ_i、モジュール温度Ｔ_i）を対応付けて、メモリ２３１に記憶させる（ステップＳ１０５）。これにより、複数組の各種計測値がメモリ２３１に記憶される。

スイープ部２２により、スイープが完了すると（ステップＳ１０７のＹＥＳ）、パラメータ推定部２３の特性モデル算出部２３２は、メモリ２３１に記憶された１組の各種計測値（出力電流Ｉ_i、日射強度Ｓ_i、モジュール温度Ｔ_i）と、非線形最適化処理部２３３から入力される特性パラメータの暫定値（暫定開放電圧Ｖ_OC’、暫定短絡電流Ｉ_SC’、暫定開放電圧温度係数α₁’、暫定短絡電流温度係数α₂’、暫定曲線因子ＦＦ’）と、を用いて、上記（７）式に示す特性モデル式により、算出電圧Ｖ_caliを算出する（ステップＳ１０９）。なお、このとき最初に入力される特性パラメータの暫定値は、非線形最適化処理部２３３に予め設定された特性パラメータの初期値である。特性モデル算出部２３２は、メモリ２３１に記憶される複数組の計測値に対して算出電圧Ｖ_caliを算出し、非線形最適化処理部２３３に出力する。

非線形最適化処理部２３３は、特性モデル算出部２３２により算出された複数の算出電圧Ｖ_caliと、メモリ２３１に記憶された複数の出力電圧Ｖ_iと、を用いて、ガウス・ニュートン法を用いた非線形最適化により、特性パラメータの最適解（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、曲線因子ＦＦ）を探索する。具体的には、非線形最適化処理部２３３は、算出電圧Ｖ_caliと出力電圧Ｖ_iと、を用いて、上記（８）式に示す評価関数の評価値Ｊを求める（ステップＳ１１１）。そして、非線形最適化処理部２３３は、評価値Ｊが最小となる特性パラメータの最適解が得られ、探索が完了したか否かを判断する（ステップＳ１１３）。非線形最適化処理部２３３は、算出した評価値Ｊが変化しなくなった（具体的には、前回算出した評価値Ｊからの変化量が所定値以下になった）場合に、特性パラメータの最適解が得られ、探索が完了したと判断する。

非線形最適化処理部２３３は、特性パラメータの最適解の探索が完了していない場合（ステップＳ１１３のＮＯ）、特性パラメータの暫定値を変更し、特性モデル算出部２３２に出力する（ステップＳ１１５）。そして、特性モデル算出部２３２は、新たな特性パラメータの暫定値を用いて、上記（７）式に示す特性モデル式により、再度複数の算出電圧Ｖ_caliを算出する。すなわち、新たな特性パラメータの暫定値を用いて、特性モデル算出部２３２によりステップＳ１０９の処理が実行される。その後、非線形最適化処理部２３３により、ステップＳ１１１の処理が実行される。

これを繰り返し実行し、評価値Ｊが最小となる特性パラメータの最適解が得られ、探索が完了すると（ステップＳ１１３のＹＥＳ）、非線形最適化処理部２３３は、特性パラメータの最適解（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、曲線因子ＦＦ）を、特性パラメータの推定値として、診断部２４に出力する（ステップＳ１１７）。

診断部２４は、非線形最適化処理部２３３から入力される特性パラメータの推定値（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、曲線因子ＦＦ）に基づき、太陽電池モジュール１の劣化・故障を診断する（ステップＳ１１９）。

以上のことから、本発明の第１実施形態に係る太陽光発電システムＡによれば、各センサ２１１〜２１４が計測した出力電圧Ｖ、出力電流Ｉ、日射強度Ｓ、および、モジュール温度Ｔから、予め定義された式を用いて、非線形最適化の手法により、太陽電池モジュール１の特性パラメータである開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流開放係数α₂、および、曲線因子ＦＦを推定する。そして、求めた特性パラメータの推定値に基づき、劣化または故障の診断を行うようにした。これにより、診断用に別の太陽電池モジュールを備えることなく、太陽電池モジュール１の劣化または故障を診断することが可能となる。

次に、本発明の第２実施形態に係る太陽光発電システムＢについて、図面を参照して、説明する。なお、上記第１実施形態に係る太陽光発電システムＡと同一あるいは類似する構成については、同一の符号番号を付して、その説明を省略する。本発明の第２実施形態に係る太陽光発電システムＢは、上記第１実施形態に係るパワーコンディショナ２の診断機能部２Ａの代わりに、診断機能部２Ｂを用いて、構成される。

図５は、この診断機能部２Ｂの機能構成図を示す図である。図示するように、診断機能部２Ｂは、センサ群２１’、スイープ部２２、パラメータ推定部２３’、および、診断部２４を備えている。すなわち、第１実施形態に係る診断機能部２Ａと比較し、センサ群２１がセンサ群２１’に、パラメータ推定部２３がパラメータ推定部２３’に、置き換わっている点で異なる。

センサ群２１’は、太陽電池モジュール１に関する各種物理量を計測するための各種センサにより構成され、電圧センサ２１１、電流センサ２１２、および、温度センサ２１４を含んでいる。よって、第１実施形態に係るセンサ群２１と比較し、日射センサ２１３を備えていない点で異なる。

パラメータ推定部２３’は、太陽電池モジュール１の特性を示す特性パラメータの推定値を求めるものである。パラメータ推定部２３’は、センサ群２１’から入力される各種計測値に基づき、非線形最適化法を用いて、予め定義された評価関数の評価値を最小にする特性パラメータの推定値を求める。パラメータ推定部２３’は、第１実施形態に係るパラメータ推定部２３と比較し、特性パラメータの推定手法が異なる。

図６は、パラメータ推定部２３’が、特性パラメータの推定値を求める処理を説明するための図であり、その機能ブロック図を示したものである。図示するように、パラメータ推定部２３’は、その機能ブロックとして、メモリ２３１、特性モデル算出部２３２’、非線形最適化処理部２３３’、および、パラメータ演算部２３４を含んで構成される。よって、第１実施形態に係るパラメータ推定部２３と比較し、特性モデル算出部２３２が特性モデル算出部２３２’に、非線形最適化処理部２３３が非線形最適化処理部２３３’に置き換えられ、さらにパラメータ演算部２３４が追加されている。

特性モデル算出部２３２’は、センサ群２１’から入力され、メモリ２３１に記憶された１組の出力電圧Ｖ_iおよびモジュール温度Ｔ_iと、後述する非線形最適化処理部２３３’から入力される特性パラメータの暫定値（暫定短絡電流Ｉ_SC’、暫定開放電圧温度係数α₁’、暫定短絡電流温度係数α₂’）と、を用いて、予め定義した下記（９）式に示す特性モデル式を用いて、算出電流Ｉ_caliを算出する。この算出電流Ｉ_caliを、メモリ２３１に記憶される複数組の計測値の各々に対して算出し、算出した複数の算出電流Ｉ_caliを非線形最適化処理部２３３’に出力する。

なお、上記（９）式において、Ｉ₀は逆方向飽和電流、ｑは電気素量、ｎは理想ダイオード因子、ｋはボルツマン定数であり、特性モデル算出部２３２’に予め設定されている。

非線形最適化処理部２３３’は、特性モデル算出部２３２’により算出された複数の算出電流Ｉ_caliと、メモリ２３１に記憶された複数の出力電流Ｉ_iと、を用いて、特性パラメータの最適解を、非線形最適化の手法によって探索する。本実施形態において、非線形最適化のための評価関数として、最小二乗法を用いた下記（１０）式を用いて、その評価値Ｊが最小になる特性パラメータの最適解を、ガウス・ニュートン法により、探索する。なお、評価関数はこれに限定されず、また、非線形最適化の手法も、ガウス・ニュートン法に限定されない。

具体的には、非線形最適化処理部２３３’は、特性パラメータの暫定値（暫定短絡電流Ｉ_SC’、暫定開放電圧温度係数α₁’、暫定短絡電流温度係数α₂’）を変化させて、変化させた特性パラメータの暫定値を特性モデル算出部２３２’に出力する。その後、特性モデル算出部２３２’から、新たな暫定値により算出された複数の算出電流Ｉ_caliが、非線形最適化処理部２３３’に入力される。非線形最適化処理部２３３’は、新たに入力された複数の算出電流Ｉ_caliと、メモリ２３１に記憶された複数の出力電流Ｉ_iとを用いて、再度評価関数の評価値Ｊを求める。非線形最適化処理部２３３’は、これを繰り返し実行し、評価値Ｊを最小にする特性パラメータの最適解を探索する。

非線形最適化処理部２３３’は、特性パラメータの最適解の探索が完了すると、この特性パラメータの最適解（短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂）を特性パラメータの推定値として、パラメータ演算部２３４および診断部２４に出力する。

パラメータ演算部２３４は、非線形最適化処理部２３３’から入力された特性パラメータの推定値（短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂）を用いて、他の特性パラメータの推定値（開放電圧Ｖ_OC、曲線因子ＦＦ）を演算するものである。

具体的には、パラメータ演算部２３４は、非線形最適化処理部２３３’から入力される特性パラメータの推定値（短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂）を用いて、下記（１１）式に示す関係式により、開放電圧Ｖ_OCを演算する。

そして、パラメータ演算部２３４は、上記（１１）式で求めた開放電圧Ｖ_OC、非線形最適化処理部２３３’が求めた短絡電流Ｉ_SC、後述する最大電力点電圧Ｖ_MAX、および、最大電力点電流Ｉ_MAXを用いて、下記（１２）式により、曲線因子ＦＦを演算する。

ここで、パワーコンディショナ２は、発電量を最大にするために、最大電力点追従（Ｍａｘｉｍｕｍ Ｐｏｗｅｒ Ｐｏｉｎｔ Ｔｒａｃｋｉｎｇ；ＭＰＰＴ）制御を行っている。太陽光発電システムＢは、このＭＰＰＴ制御により、最適動作点（最大電力点）で動作し、出力電力が最大となるように制御されている。パラメータ推定部２３’は、このＭＰＰＴ制御により最適動作点で動作しているときの最大電力点電圧Ｖ_MAXと最大電力点電流Ｉ_MAXを、取得する。パラメータ演算部２３４は、この最大電力点電圧Ｖ_MAXと最大電力点電流Ｉ_MAXとを用いて、上記（１２）式を算出する。

パラメータ演算部２３４は、演算した特性パラメータの演算値（開放電圧Ｖ_OC、曲線因子ＦＦ）を、特性パラメータの推定値として、診断部２４に出力する。

このようにして、非線形最適化処理部２３３’およびパラメータ演算部２３４により求められた特性パラメータの推定値（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、および、曲線因子ＦＦ）が、診断部２４に入力される。

このように構成された太陽光発電システムＢが行う、太陽電池モジュール１の劣化・故障診断方法（劣化・故障診断処理）について、説明する。図７は、第２実施形態に係る劣化・故障診断処理のフローを示す図である。太陽光発電システムＢが行う、太陽電池モジュール１の劣化・故障診断処理は、例えば、パワーコンディショナ２に備えられた操作部を操作することで、開始される。あるいは、所定期間毎に、自動的に開始される構成であってもよい。

太陽光発電システムＢの太陽電池モジュール１の劣化・故障診断処理が開始されると、スイープ部２２が、出力電圧Ｖを所定のステップで意図的に変化させ、スイープを開始する（ステップＳ２０１）。そして、センサ群２１’の各センサ２１１，２１２，２１４は、太陽電池モジュール１に関する各種物理量（出力電圧Ｖ、出力電流Ｉ、モジュール温度Ｔ）を計測する（ステップＳ２０３）。センサ群２１’は、各種計測値（出力電圧Ｖ_i、出力電流Ｉ_i、モジュール温度Ｔ_i）を対応付けて、メモリ２３１に記憶させる（ステップＳ２０５）。これにより、複数組の各種計測値がメモリ２３１に記憶される。

スイープ部２２により、スイープが完了すると（ステップＳ２０７のＹＥＳ）、パラメータ推定部２３’の特性モデル算出部２３２’は、メモリ２３１に記憶された１組の各種計測値（出力電圧Ｖ_i、モジュール温度Ｔ_i）と、非線形最適化処理部２３３’から入力される特性パラメータの暫定値（暫定短絡電流Ｉ_SC’、暫定開放電圧温度係数α₁’、暫定短絡電流温度係数α₂’）と、を用いて、上記（９）式に示す特性モデル式により、算出電流Ｉ_caliを算出する（ステップＳ２０９）。なお、このとき最初に入力される特性パラメータの暫定値は、非線形最適化処理部２３３’に予め設定された特性パラメータの初期値である。特性モデル算出部２３２’は、メモリ２３１に記憶される複数組の計測値に対して算出電流Ｉ_caliを算出し、非線形最適化処理部２３３’に出力する。

非線形最適化処理部２３３’は、特性モデル算出部２３２’により算出された複数の算出電流Ｉ_caliと、メモリ２３１に記憶された複数の出力電流Ｉ_iと、を用いて、ガウス・ニュートン法を用いた非線形最適化により、特性パラメータの最適解（短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂）を探索する。具体的には、非線形最適化処理部２３３’は、算出電流Ｉ_caliと出力電流Ｉ_iと、を用いて、上記（１０）式に示す評価関数の評価値Ｊを求める（ステップＳ２１１）。そして、非線形最適化処理部２３３’は、評価値Ｊが最小となる特性パラメータの最適解が得られ、探索が完了したか否かを判断する（ステップＳ２１３）。非線形最適化処理部２３３’は、算出した評価値Ｊが変化しなくなった（具体的には、前回算出した評価値Ｊからの変化量が所定値以下になった）場合、特性パラメータの最適解が得られ、探索が完了したと判断する。

非線形最適化処理部２３３’は、特性パラメータの最適解の探索が完了していない場合（ステップＳ２１３のＮＯ）、特性パラメータの暫定値を変更し、特性モデル算出部２３２’に出力する（ステップＳ２１５）。そして、特性モデル算出部２３２’は、新たな特性パラメータの暫定値を用いて、上記（９）式に示す特性モデル式により、再度複数の算出電流Ｉ_caliを算出する。すなわち、新たな特性パラメータの暫定値を用いて、特性モデル算出部２３２’によりステップＳ２０９の処理が実行される。その後、非線形最適化処理部２３３’により、ステップＳ２１１の処理が実行される。

これを繰り返し実行し、評価値Ｊが最小となる特性パラメータの最適解が得られ、探索が完了すると（ステップＳ２１３のＹＥＳ）、非線形最適化処理部２３３’は、特性パラメータの最適解（短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂）を特性パラメータの推定値として、パラメータ演算部２３４および診断部２４に出力する。

パラメータ演算部２３４は、非線形最適化処理部２３３’から特性パラメータの推定値が入力されると、その特性パラメータの推定値を用いて、予め定義された関係式に基づき、他の特性パラメータの推定値（開放電圧Ｖ_OC、曲線因子ＦＦ）を演算する（ステップＳ２１７）。

具体的には、パラメータ演算部２３４は、非線形最適化処理部２３３’から入力される特性パラメータの推定値（短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂）を用いて、上記（１１）式に示す式により、開放電圧Ｖ_OCを演算する。その後、パラメータ演算部２３４は、求めた開放電圧Ｖ_OC、短絡電流Ｉ_SC、最大電力点電圧Ｖ_MAX、最大電力点電流Ｉ_MAXを用いて、上記（１２）式により、曲線因子ＦＦを演算する。パラメータ演算部２３４は、求めた特性パラメータの演算値（開放電圧Ｖ_OC、曲線因子ＦＦ）を、特性パラメータの推定値として、診断部２４に出力する。

診断部２４は、非線形最適化処理部２３３’およびパラメータ演算部２３４から入力される特性パラメータの推定値（開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流温度係数α₂、曲線因子ＦＦ）に基づき、太陽電池モジュール１の劣化・故障を診断する（ステップＳ２１９）。

以上のことから、本発明の第２実施形態に係る太陽光発電システムＢによれば、各センサ２１１，２１２，２１４が計測した出力電圧Ｖ、出力電流Ｉ、および、モジュール温度Ｔから、予め定義された式を用いて、非線形最適化の手法により、太陽電池モジュール１の特性パラメータである開放電圧Ｖ_OC、短絡電流Ｉ_SC、開放電圧温度係数α₁、短絡電流開放係数α₂、および、曲線因子ＦＦを推定する。そして、求めた特性パラメータの推定値に基づき、劣化または故障の診断を行うようにした。これにより、上記第１実施形態と同様に、診断用に別の太陽電池モジュールを備えることなく、太陽電池モジュール１の劣化または故障を診断することが可能となる。

上記第１実施形態および第２実施形態において、パラメータ推定部２３（２３’）から診断部２４に、全ての特性パラメータの推定値を出力する場合を例に説明したが、これに限定されない。例えば、太陽電池モジュール１の劣化・故障を曲線因子ＦＦだけで判断する場合には、特性パラメータの推定値として曲線因子ＦＦの推定値だけを出力してもよい。

上記第１実施形態および第２実施形態において、劣化・故障診断処理が開始されてから、スイープ部２２が出力電圧Ｖをスイープさせ、特性パラメータの推定および劣化・故障の診断を行う場合を例に説明したが、これに限定されない。例えば、所定期間毎（例えば、朝、昼、夕方）に自動的にスイープ部２２が出力電圧Ｖをスイープさせ、各種計測値をメモリ２３１に記憶させておく。そして、劣化・故障診断処理が開始されたときに、メモリ２３１に記憶させた各種計測値を用いて、特性パラメータの推定および劣化・故障の診断を行うようにしてもよい。このようにすることで、さまざまな条件下での各種計測値を用いて、特性パラメータの推定値を求めることができるため、より精度良く、特性パラメータの推定および劣化・故障の診断を行うことができる。特に、モジュール温度Ｔや日射強度Ｓは短時間に急激に変化することが少ないため、スイープ部２２によるスイープが一度だけでは、モジュール温度Ｔや日射強度Ｓの変化が少ない（または変化しない）。そのため、上記のようにモジュール温度Ｔや日射強度Ｓが異なる条件下で、特性パラメータを推定することで、特性パラメータの推定値をより精度よく求めることができる。

上記第１実施形態および第２実施形態の太陽光発電システムＡ（Ｂ）において、太陽電池モジュール１の劣化・故障を診断する診断部２４をパワーコンディショナ２に備えた場合を例に説明したが、これに限定されない。例えば、上記診断部２４を、無線通信可能な外部のコンピュータに備えるようにしてもよい。具体的には、パラメータ推定部２３（２３’）が求めた特性パラメータの推定値を送信するための無線通信部を診断機能部２Ａ（２Ｂ）に設けておく。そして、当該無線通信部が、パラメータ推定部２３（２３’）が求めた特性パラメータの推定値を、外部のコンピュータに送信する。当該コンピュータは、これを受信すると、内蔵する診断部２４により、劣化または故障の診断を行う。このようにすることで、複数の場所に配置された太陽電池モジュール１を一箇所で集中管理することが可能となる。

さらに、上記外部のコンピュータに、診断部２４だけなく、パラメータ推定部２３（２３’）を備えるようにしてもよい。この場合、上記無線通信部は、センサ群２１（２１’）が計測した各種計測値を外部のコンピュータに送信する。当該コンピュータは、各種計測値を受信すると、内蔵するパラメータ推定部２３（２３’）による特性パラメータの推定および診断部２４による劣化または故障の診断を行う。このようにすることで、外部のコンピュータが特性パラメータの推定を行うので、パワーコンディショナ２の構成を簡素化することができる。

上記第１実施形態および第２実施形態において、電力系統３に電力を供給する系統連系型太陽光発電システムを例に説明したが、これに限定されない。例えば、蓄電池や負荷を搭載した独立型太陽光発電システムにおいても、適用可能である。この場合、本発明に係る診断装置（診断機能部２Ａ（２Ｂ））は、パワーコンディショナ２の代わりに、太陽電池モジュールと蓄電池や負荷との間に設置され、蓄電池や負荷への電力供給の制御を行う充放電コントローラに備えられる。また、本発明に係る診断装置を、パワーコンディショナ２や充放電コントローラに内蔵するのではなく、上記診断装置をパワーコンディショナ２や充放電コントローラとは別の単独の装置としてもよい。

上記第１実施形態および第２実施形態において、太陽電池モジュール１を備えた太陽光発電システムを例に説明したが、これに限定されない。例えば、太陽電池モジュール１の代わりに、太陽電池モジュール１を複数接続して構成された太陽電池アレイを備えた太陽光発電システムであってもよい。この場合、本発明に係る診断装置は、太陽電池アレイの出力電流および出力電圧を計測して、特性パラメータの推定を行うと、太陽電池アレイ全体を診断することになる。一方、太陽電池アレイを構成する各太陽電池モジュールの出力電流および出力電流を計測して、特性パラメータの推定を行うと、当該太陽電池モジュールを診断することになる。

本発明に係る診断装置、太陽光発電システム、および、劣化・故障診断方法は、上記実施形態に限定されるものではなく、本発明の特許請求の範囲を逸脱しなければ、各部の具体的な構成は、種々に設計変更自在である。

Ａ，Ｂ 太陽光発電システム
１ 太陽電池モジュール
２ パワーコンディショナ（診断装置）
２Ａ，２Ｂ 診断機能部（診断装置）
２１ センサ群
２１１ 電圧センサ
２１２ 電流センサ
２１３ 日射センサ
２１４ 温度センサ
２２ スイープ部（スイープ手段）
２３，２３’ パラメータ推定部（パラメータ推定手段）
２３１ メモリ
２３２，２３２’ 特性モデル算出部
２３３，２３３’ 非線形最適化部
２３４ パラメータ演算部
２４ 診断部（診断手段）
３ 電力系統

Claims (15)

1. 太陽電池モジュールの劣化または故障を診断する診断装置であって、
   前記太陽電池モジュールに関する各種計測値に基づき、非線形最適化の手法により、予め定義された評価関数の評価値を最小にする、前記太陽電池モジュールの特性を示す特性パラメータの推定値を求めるパラメータ推定手段と、
   当該パラメータ推定手段が求めた前記特性パラメータの推定値に基づき、前記太陽電池モジュールの診断を行う診断手段と、
   を備えており、
   前記特性パラメータは、短絡電流、開放電圧温度係数、および、短絡電流温度係数を含んでおり、
   前記パラメータ推定手段は、前記評価値を最小にする、前記短絡電流、前記開放電圧温度係数、および、前記短絡電流温度係数の各推定値の組み合わせを求める、
   ことを特徴とする診断装置。
2. 前記特性パラメータは、開放電圧および曲線因子をさらに含んでおり、
   前記パラメータ推定手段は、前記評価値を最小にする、前記開放電圧、前記曲線因子、前記短絡電流、前記開放電圧温度係数、および、前記短絡電流温度係数の各推定値の組み合わせを求める、
   請求項１に記載の診断装置。
3. 前記各種計測値は、前記太陽電池モジュールの出力電流、前記太陽電池モジュールの出力電圧、および、前記太陽電池モジュールのモジュール温度である、
   請求項２に記載の診断装置。
4. 前記出力電圧を所定のステップで変化させるスイープ手段を、さらに備え、
   前記各種計測値は、前記スイープ手段が変化させた複数の前記出力電圧に対し、各前記出力電流および前記モジュール温度が得られ、
   前記パラメータ推定手段は、複数組の前記出力電流と前記出力電圧と前記モジュール温度とに基づき、前記特性パラメータの推定値を求める、
   請求項３に記載の診断装置。
5. 前記出力電流をＩ、前記出力電圧をＶ、前記モジュール温度をＴ、前記開放電圧をＶ _OC 、前記短絡電流をＩ _SC 、前記曲線因子をＦＦ、前記開放電圧温度係数をα ₁ 、および、前記短絡電流温度係数をα ₂ で示し、
   前記パラメータ推定手段は、前記出力電流Ｉ、前記出力電圧Ｖ、および、前記モジュール温度Ｔの各組毎に、（１）式で示される前記太陽電池モジュールの特性を示すモデル式に基づき、複数の算出電流Ｉ_calを算出し、算出した前記複数の前記算出電流Ｉ_calと複数の前記出力電流Ｉとに基づき、（２）式で示される前記評価関数の評価値Ｊを最小にする開放電圧温度係数α₁、短絡電流温度係数α₂、および、短絡電流Ｉ_SCの組み合わせを探索し、そして、探索した開放電圧温度係数α₁、短絡電流温度係数α₂、および、短絡電流Ｉ_SCを用いて、（３）式で示される前記開放電圧Ｖ_OCと、算出した前記開放電圧Ｖ_OCを用いて、（４）式で示される曲線因子ＦＦと、を算出することで、前記特性パラメータの推定値を求める、
   請求項４に記載の診断装置。
   

   

   ただし、Ｉ₀は逆方向飽和電流、ｑは電気素量、ｎは理想ダイオード因子、ｋはボルツマン定数、Ｖ_MAXは最大電力点電圧、Ｉ_MAXは最大電力点電流である。
6. 前記出力電流を計測する電流センサ、前記出力電圧を計測する電圧センサ、および、前記モジュール温度を計測する温度センサを、さらに備える、
   請求項３ないし請求項５のいずれか一項に記載の診断装置。
7. 前記各種計測値には、さらに前記太陽電池モジュールに入射される太陽光の日射強度を含んでおり、前記スイープ手段による前記出力電圧の変化毎に、前記日射強度も得られる、
   請求項４に記載の診断装置。
8. 前記出力電流をＩ、前記出力電圧をＶ、前記モジュール温度をＴ、前記日射強度をＳ、前記開放電圧をＶ _OC 、前記短絡電流をＩ _SC 、前記曲線因子をＦＦ、前記開放電圧温度係数をα ₁ 、および、前記短絡電流温度係数をα ₂ で示し、
   前記パラメータ推定手段は、前記出力電流Ｉ、前記出力電圧Ｖ、前記モジュール温度Ｔ、および、前記日射強度Ｓの各組毎に、（５）式で示される前記太陽電池モジュールの特性を示すモデル式に基づき、複数の算出電圧Ｖ_calを算出し、そして、算出した前記複数の算出電圧Ｖ_calと複数の前記出力電圧Ｖとに基づき、（６）式で示される前記評価関数の評価値Ｊを最小にする前記開放電圧Ｖ_OC、前記短絡電流Ｉ_SC、前記曲線因子ＦＦ、前記開放電圧温度係数α₁、および、前記短絡電流温度係数α₂の組み合わせを探索することで、前記特性パラメータの推定値を求める、
   請求項７に記載の診断装置。
   

   
9. 前記パラメータ推定手段は、前記日射強度と前記モジュール温度の一方あるいは双方が異なる、少なくとも２つ以上の計測値を用いて、前記特性パラメータの推定値を求める、
   請求項８に記載の診断装置。
10. さらに、前記出力電流を計測する電流センサ、前記出力電圧を計測する電圧センサ、前記モジュール温度を計測する温度センサ、および、前記日射強度を計測する日射センサを、備える、
    請求項７ないし請求項９のいずれか一項に記載の診断装置。
11. 前記診断手段は、前記パラメータ推定手段が求めた特定パラメータの推定値のうち少なくとも１つの推定値において、予め設定された閾値を超えた場合に、劣化または故障であると診断する、
    請求項２ないし請求項１０のいずれか一項に記載の診断装置。
12. 前記パラメータ推定手段が求めた前記特性パラメータの推定値を記憶する記憶手段を、さらに備え、
    前記診断手段は、前記記憶手段に記憶される前記特性パラメータの推定値と、前記パラメータ推定手段が求めた最新の前記特性パラメータの推定値と、を比較し、当該比較結果に応じて、劣化または故障を診断する、
    請求項２ないし請求項１０のいずれか一項に記載の診断装置。
13. 前記診断手段は、前記特性パラメータの推定値として求めた前記曲線因子の推定値に基づき、劣化を診断する、
    請求項１１または請求項１２のいずれかに記載の診断装置。
14. 請求項１ないし請求項１３のいずれか一項に記載の診断装置と、
    前記太陽電池モジュールと、
    前記太陽電池モジュールから出力される直流電力を、交流電力に変換する電力変換装置と、
    を備える太陽光発電システム。
15. 太陽電池モジュールに関する各種計測値に基づき、最適化の手法により、予め定義された評価関数の評価値を最小にする、前記太陽電池モジュールの特性を示す特性パラメータの推定値を求める第１の工程と、
    当該第１の工程により求められた前記特性パラメータの推定値に基づき、前記太陽電池モジュールの劣化または故障を診断する第２の工程と、
    を有しており、
    前記特性パラメータは、短絡電流、開放電圧温度係数、および、短絡電流温度係数を含んでおり、
    前記第１の工程において、前記評価値を最小にする、前記短絡電流、前記開放電圧温度係数、および、前記短絡電流温度係数の各推定値の組み合わせを求める、
    ことを特徴とする劣化・故障診断方法。

Images