JP6697116B2 - 太陽電池の検査装置、検査システム、検査方法及びプログラム - Google Patents

Description

本発明は、太陽電池の検査装置、検査システム、検査方法及びプログラムに関する。

太陽光発電所では、太陽電池モジュールの電流電圧特性を基にして、太陽電池モジュールの不具合の有無、不具合の要因の種類を判別している。例えば、特許文献１は、自身と接続した太陽電池モジュールのＩ−Ｖ特性を測定し、測定したＩ−Ｖ特性と予めメモリに格納した正常、断線、短絡等の場合のＩ−Ｖ特性とを比較することで、太陽電池モジュールに断線、短絡等が生じていることを判定することができる特性評価装置を開示している。

特開２００７−３１１４８７号公報

測定したＩ−Ｖ特性波形は、太陽電池モジュールの枚数及び種類、太陽電池モジュールへの日射強度等の条件により変化する。このため、異なる条件下で測定されたＩ−Ｖ特性波形同士をそのまま比較することはできない。そこで、特許文献１に開示された特性評価装置は、測定したＩ−Ｖ特性波形をそのまま予めメモリに格納したＩ−Ｖ特性と比較するのではなく、正規化してから比較している。具体的には、特許文献１に開示された特性評価装置は、まず、測定したＩ−Ｖ特性に含まれる測定した電流Ｉｄと電圧Ｖｄとをそれぞれ、日射強度、太陽電池温度等に基づいて基準状態での値に換算する。続いて、特許文献１に開示された特性評価装置は、換算されたＩ−Ｖ特性のデータを短絡電流Ｉｓｃと開放電圧Ｖｏｃとが１となるように正規化する。

換算されたＩ−Ｖ特性のデータの短絡電流Ｉｓｃと開放電圧Ｖｏｃ、すなわち、換算された電流と電圧との値の最大値を１とすると、最大値以外の各値は、最大値と自らの値との比率に応じた値となる。しかしながら、特許文献１に開示された特性評価装置は、測定したＩ−Ｖ特性を正規化するために、換算された電流及び電圧の最大値以外の各値を求める必要があり、手間と時間がかかるという課題がある。

また、特許文献１に開示された特性評価装置は、正規化されたＩ−Ｖ特性と、予めメモリに格納した正常、断線、短絡等の場合のＩ−Ｖ特性とを比較し、正規化されたＩ−Ｖ特性と最も差分の少ないＩ−Ｖ特性を選択することにより、評価対象の太陽電池モジュールの状態を判定する。

正規化されたＩ−Ｖ特性と、予めメモリに格納した正常、断線、短絡等の場合のＩ−Ｖ特性との差分を求めるためには、例えば、最小二乗法を用いて差分を計算することとなる。しかし、差分を求めるための計算は計算量が多く煩雑であるため、正規化されたＩ−Ｖ特性と、予めメモリに格納した正常、断線、短絡等の場合のＩ−Ｖ特性との比較を、容易に行うことができないという課題がある。

本発明は、上記課題を解決するためになされたものであり、異なる条件下で測定されたＩ−Ｖ特性の正規化及び比較を容易にできるようにすることを目的とする。

本発明に係る太陽電池の検査装置は、
直列に接続された複数の太陽電池モジュールから構成された太陽電池ストリングの出力電流と出力電圧とを測定して得られた複数対の電流値および電圧値を正規化し、前記電流値と前記電圧値との正規化値に基づいて数列を生成するデータ正規化部と、
正規化された、前記電流値および前記電圧値に関する電流電圧特性波形を正常タイプと複数の異常タイプの何れかに分類するように構築されたニューラルネットワークを含み、前記ニューラルネットワークに前記データ正規化部により生成された数列を入力し、該電流電圧特性波形の何れかのタイプに分類させるデータ判定部と、
を備え、
前記データ正規化部は、前記電圧値の正規化値のうち、予め定められた値に最も近い前記電圧値の正規化値に対応する、前記電流値の正規化値から前記数列を生成する、ことを特徴とする。

本発明によれば、太陽電池ストリングの出力電流と出力電圧とを測定して得られた複数対の電流値および電圧値を正規化し、電流値と電圧値との正規化値に基づいて生成された数列をニューラルネットワークに入力し分類することができるため、異なる条件下で測定されたＩ−Ｖ特性波形の正規化及び比較を容易にすることができる。

本発明の実施の形態に係る検査装置の検査対象となる太陽光発電所の概要図である。 図１に示した太陽光発電所の接続箱の構成図である。 実施の形態に係る検査装置の構成図である。 実施の形態に係る検査装置のハードウエア構成の一例を示す図である。 実施の形態に係る検査装置による電流電圧特性の測定方法を説明するための図である。 実施の形態に係る電流電圧特性の測定方法の一例を説明するための等価回路図である。 実施の形態に係る検査装置による電流電圧特性の実測データの一例を示す図である。 実施の形態に係るＩ−Ｖ特性波形を正規化の手法を説明するための実測値の一例を示す図であり、（ａ）は実測値を示す図、（ｂ）は実測値の最大値を示す図である。 実施の形態に係るＩ−Ｖ特性波形を正規化の手法を説明するための実測値のＩ−Ｖ特性波形の一例を示す図である。 実施の形態に係るＩ−Ｖ特性波形を正規化の手法を説明するための正規化値の一例を示す図である。 実施の形態に係るＩ−Ｖ特性波形を正規化の手法を説明するための正規化値のＩ−Ｖ特性波形の一例を示す図である。 図８Ｃに示した正規化値から数列を生成する方法を説明するための図である。 図８Ｅに示した数列を用いたＩ−Ｖ特性波形を示す図である。 図７に示した電流電圧特性の実測データを正規化した正規化データの一例を示す図である。 図９Ａに示した正規化データから生成した数列の一例を示す図である。 実施の形態に係る正規化データの分類例を示す図である。 本発明の実施の形態に係る検査装置のデータ判定部に構築されるニューラルネットワークの構成図である。 図１１に示すニューラルネットワークの学習処理のフローチャートである。 図１１に示すニューラルネットワークの教師データの一例を示す図である。 本発明の実施の形態に係る検査装置の検査処理のフローチャートである。 （Ａ)と（Ｂ)は、本発明の実施の形態に係る検査装置の表示部の画面表示の一例を示す図である。 変形例に係る検査装置を説明するための図であり、（Ａ）は、記憶部に記憶されているタイプと要因候補と対処方法の候補の対応関係を例示する図、（Ｂ）は、タイプと要因候補と対処方法の候補を表示部に表示した一例を示す図である。

本発明の実施の形態に係る太陽電池の検査装置と検査方法について、図面を参照して説明する。本実施形態に係る検査装置は、検査対象の太陽電池の電流電圧特性を測定し、ニューラルネットワークで分析することにより、その電流電圧特性を正常パターンと複数の異常パターンのいずれかに分類することにより、太陽電池の正常と異常とを判別し、異常の場合には、異常の要因の特定を容易化する検査装置である。

まず、本実施の形態の検査装置より検査する対象の太陽光発電所の概要を、図１を参照しつつ説明する。図示するように、太陽光発電所１００は、太陽光を受けて発電する太陽電池モジュール１と、接続箱２と、太陽電池モジュール１で発電した発電電力を系統電力に変換するＰＣＳ（Ｐｏｗｅｒ Ｃｏｎｄｉｔｉｏｎｉｎｇ Ｓｕｂｓｙｓｔｅｍ）３とを備える。また、太陽光発電所１００は、接続箱２とＰＣＳ３とを介して、電力系統４に接続している。

太陽電池モジュール１は、光エネルギーを光電効果により電気エネルギーに変換するエネルギー変換素子である。太陽電池モジュール１の種類は、シリコン系、化合物半導体系、有機薄膜、色素増感型、量子ドット型等、いずれでもよい。太陽電池モジュール１は、複数個が直列に接続されている。太陽電池モジュール１が複数個直列に接続されたものを太陽電池ストリングという。この実施の形態では、太陽光発電所１００は、第１太陽電池ストリング１０ａ、第２太陽電池ストリング１０ｂ、第３太陽電池ストリング１０ｃ、第４太陽電池ストリング１０ｄの４つの太陽電池ストリングを含んでいる。各太陽電池ストリング１０ａ〜１０ｄは、４つの太陽電池モジュール１を直列に接続して構成されている。
第１太陽電池ストリング１０ａは、プラス側配線２３０ａとマイナス側配線２３１ａとを備える。同様に、第２太陽電池ストリング１０ｂは、プラス側配線２３０ｂとマイナス側配線２３１ｂとを備える。第３太陽電池ストリング１０ｃは、プラス側配線２３０ｃとマイナス側配線２３１ｃとを備える。第４太陽電池ストリング１０ｄは、プラス側配線２３０ｄとマイナス側配線２３１ｄとを備える。以下、第１太陽電池ストリング１０ａ〜第４太陽電池ストリング１０ｄを総称して、太陽電池ストリング１０と称し、プラス側配線２３０ａ〜２３０ｄを総称して、プラス側配線２３０と称し、マイナス側配線２３１ａ〜２３１ｄを総称して、マイナス側配線２３１と称する。

第１太陽電池ストリング１０ａ〜第４太陽電池ストリング１０ｄはそれぞれ、プラス側配線２３０とマイナス側配線２３１により、接続箱２に接続されている。

接続箱２は、図２に示すように、ＰＣＳ３に接続されたプラス側内部配線２１ａ及びマイナス側内部配線２１ｂと、プラス側内部配線２１ａ及びマイナス側内部配線２１ｂに接続された開閉器２２ａ、２２ｂ、２２ｃ、２２ｄとを備える。開閉器２２ａは、開閉器接続端子部２３ａを備える。同様に、開閉器２２ｂは開閉器接続端子部２３ｂを備え、開閉器２２ｃは開閉器接続端子部２３ｃを備え、開閉器２２ｄは開閉器接続端子部２３ｄを備える。以下、開閉器２２ａ〜２２ｄを総称して、開閉器２２と称し、開閉器接続端子部２３ａ〜２３ｄを総称して、開閉器接続端子部２３と称する。

各開閉器２２は、内部に、開閉器接続端子部２３のプラス側端子と接続箱２のプラス側内部配線２１ａとの電気的接続と電気的遮断とを切り換えるプラス側スイッチ、及び、開閉器接続端子部２３のマイナス側端子と接続箱２のマイナス側内部配線２１ｂとの電気的接続と電気的遮断を切り換えるマイナス側スイッチを備えている。プラス側スイッチとマイナス側スイッチは連動して動作する。ここで、接続箱２のプラス側内部配線２１ａと接続箱２のマイナス側内部配線２１ｂとを総称して、内部配線２１と称する。

また、開閉器接続端子部２３ａのプラス側端子には、第１太陽電池ストリング１０ａのプラス側配線２３０ａが接続され、開閉器接続端子部２３ａのマイナス側端子には、第１太陽電池ストリング１０ａのマイナス側配線２３１ａが接続される。開閉器接続端子部２３ｂのプラス側の端子には、第２太陽電池ストリング１０ｂのプラス側配線２３０ｂが接続され、開閉器接続端子部２３ｂのマイナス側の端子には、第２太陽電池ストリング１０ｂのマイナス側配線２３１ｂが接続される。開閉器接続端子部２３ｃのプラス側の端子には、第３太陽電池ストリング１０ｃのプラス側配線２３０ｃが接続され、開閉器接続端子部２３ｃのマイナス側の端子には、第３太陽電池ストリング１０ｃのマイナス側配線２３１ｃが接続される。開閉器接続端子部２３ｄのプラス側の端子には、第４太陽電池ストリング１０ｄのプラス側配線２３０ｄが接続され、開閉器接続端子部２３ｄのマイナス側の端子には、第４太陽電池ストリング１０ｄのマイナス側配線２３１ｄが接続される。

次に、上記構成を有する太陽光発電所１００を検査するための検査装置５について説明する。

まず、検査装置５の構成を、図３を参照しつつ説明する。図示するように、検査装置５は、電流電圧特性を測定する測定部５１と、データを保存する記憶部５２と、データを処理する処理部５３と、表示用データを生成する表示用データ生成部５４と、表示用データを表示する表示部５５とを備える。

測定部５１は、プラス側測定端子５０ａ及びマイナス側測定端子５０ｂを介して開閉器接続端子部２３に接続され、各太陽電池ストリング１０の電流電圧特性波形（Ｉ−Ｖ特性波形）を測定する。測定部５１は、測定した電流電圧特性を示す測定データを記憶部５２に保存する。なお、測定部５１による電流電圧特性の測定方法については、詳細を後述する。

また、測定部５１は、現在時刻を計時するタイマ、日射の強度を測定する日射計、太陽電池モジュール１の温度を測定するモジュール温度計、外気温度を測定する外気温度計等を測定するセンサを備える。

記憶部５２は、測定データ５２１と、係数データ５２２と、判定結果データ５２３とを記憶する。測定データ５２１は、測定部５１で測定された検査対象の太陽電池ストリング１０の電流電圧特性を示す測定データ、すなわち、電圧と電流の実測値のデータである。係数データ５２２は、データ判定部５３２でのニューラルネットワークの構築に使用される各ニューロンの入力データの重み付け係数であり、学習により設定されたデータである。判定結果データ５２３は、データ判定部５３２による判定処理の結果を示すデータであり、入力された電流電圧特性が正常パターンと７つの異常パターンのいずれに分類されるかを示すデータである。

処理部５３は、測定データ５２１を正規化し、正規化値から数列を生成するデータ正規化部５３１と、測定データ５２１を正規化し生成した数列を判定するデータ判定部５３２とを備える。データ正規化部５３１は、記憶部５２から測定データ５２１を読み出して正規化し、正規化値から数列を生成する。データ正規化部５３１の行う処理について、詳細は後述する。データ判定部５３２は、記憶部５２から係数データ５２２を読み出し、係数データ５２２を用いてニューラルネットワークを構築する。データ判定部５３２は、データ正規化部５３１で正規化した測定データ５２１から生成した数列のデータを、構築したニューラルネットワークにより処理し、検査対象の太陽電池ストリング１０の電流電圧特性が正常パターンと７つの異常パターンのいずれかに分類する。データ判定部５３２は、判定結果（分類したパターンを示すデータ）を、表示用データ生成部５４に送信し、また、記憶部５２に判定結果データ５２３として保存する。

表示用データ生成部５４は、記憶部５２から読み出した測定データ５２１、処理部５３のデータ判定部５３２から送信される判定結果等を基に、表示用データを生成する。表示用データ生成部５４は、生成した表示用データを、後述する表示部５５に送信する。表示部５５は、表示用データ生成部５４から受信した表示用データを表示する。

次に、検査装置５のハードウエア構成を、図４を参照して説明する。図示するように、検査装置５は、ハードウエア的には、測定回路５０１と、記憶装置５０２と、メモリ５０３と、プロセッサ５０４と、表示コントローラ５０５と、表示装置５０６と、操作部５０７と、内部バス５０８とを備える。測定回路５０１と、記憶装置５０２と、メモリ５０３と、プロセッサ５０４と、表示コントローラ５０５と、操作部５０７とは、内部バス５０８により相互に接続されている。

測定回路５０１は、図３に示した測定部５１を実現するための回路である。測定回路５０１は、抵抗負荷２端子方式、バイアス電圧方式、電子負荷方式等の電流電圧特性を測定できる各種測定回路、から構成される。なお、測定回路５０１から内部バス５０８に出力するデータは、デジタル形式のデータである。

記憶装置５０２は、図３に示した記憶部５２を実現するための記憶装置である。記憶装置５０２には、プロセッサ５０４において実行される各種プログラム、各種データ等が保存されている。記憶装置５０２は、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）といった不揮発性の半導体メモリ、磁気ディスク、などから構成される。

メモリ５０３は、プロセッサ５０４のワークメモリとして機能し、記憶装置５０２に保存された各種プログラムを、プロセッサ５０４により読み込まされる記憶素子である。また、メモリ５０３は、詳細は後述するが、プロセッサ５０４により、測定回路５０１で測定した実測値をプロットされる記憶素子でもある。メモリ５０３は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリなどの、データを高速に書き込むことができる不揮発性または揮発性の半導体メモリ、から構成される。

プロセッサ５０４は、記憶装置５０２に保存された各種プログラムを、メモリ５０３に読み込ませ、実行する演算処理装置である。具体的には、プロセッサ５０４は、ｉ）記憶装置５０２に記憶されている測定データ５２１を正規化し正規化値から数列を生成し、ｉｉ）係数データ５２２内の重み付け係数を用いてニューラルネットワークを構築し、ｉｉｉ）正規化した測定データ５２１から生成した数列のデータを構築したニューラルネットワークに投入して、正常パターンと７つの異常パターンのいずれかに分類する。プロセッサ５０４により、図３に示した処理部５３が構成される。プロセッサ５０４は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ−ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の演算処理装置、から構成される。

表示コントローラ５０５は、表示装置５０６を制御し、画像を表示させる。表示コントローラ５０５により、図３に示した表示用データ生成部５４が実現される。表示コントローラ５０５は、ビデオカード、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、グラフィックボード等の映像信号出力装置、から構成される。

表示装置５０６は、表示コントローラ５０５により生成された画像を表示する。表示装置５０６により、図３に示した表示部５５が実現される。表示装置５０６は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）装置、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネル等の表示インターフェース装置、から構成される。操作部５０７は、検査者からの指示を検査装置５に入力する。操作部５０７は、各種スイッチ、キーボード、タッチパネル等の入力装置、から構成される。

検査装置５は、全体としては、ポータブルな携行可能なサイズに構成されており、機能的には、携帯可能な測定装置（テスタ）が測定した電流電圧特性を何れかのタイプに分類する機能を、ソフトウエア的に備えたものに相当する。

次に、太陽光発電所１００を検査する手順について説明する。検査装置５による太陽電池モジュール１の検査は、太陽電池ストリング１０単位で行う。検査の際、検査装置５を、太陽電池ストリング１０に直接接続するのではなく、図５に示すように、開閉器２２の開閉器接続端子部２３に接続する。詳細には、開閉器接続端子部２３のプラス側端子に検査装置５のプラス側測定端子５０ａを接続し、開閉器接続端子部２３のマイナス側端子に検査装置５のマイナス側測定端子５０ｂを接続する。このとき、開閉器２２を、スイッチを開いた状態、すなわち、太陽電池ストリング１０とＰＣＳ３とを電気的に遮断した状態に設定する。これにより、ＰＣＳ３からの逆潮流、ノイズの入力等を防ぐことができる。

次に、検査対象の太陽電池ストリング１０の電流電圧特性を測定する。この測定動作を、検査装置５の測定部５１を抵抗負荷２端子方式の測定回路により構成した場合を例に、図６を参照して説明する。

図６に、太陽電池ストリング１０を構成する太陽電池の等価回路と、この等価回路に接続された測定部５１を構成する抵抗負荷２端子方式の測定回路とを示す。図示するように、太陽電池ストリング１０の等価回路と測定部５１とは、接続端子Ｔａ、Ｔａ’を介して接続されている。太陽電池の等価回路は、並列に接続された直流定電流源ＤＣ、ダイオードＤ及び並列抵抗Ｒｓｈと、この並列回路に直列に接続された直列抵抗Ｒｓとにより示される。また、測定部５１を構成する抵抗負荷２端子方式の測定回路は、直列に接続された可変抵抗５１１と電流計５１２と、可変抵抗５１１と電流計５１２の直列回路に並列に接続された電圧計５１３から構成される。

抵抗負荷２端子方式は、可変抵抗５１１の抵抗値をゼロから最大値（無限大＝開放）まで変化させた時の電圧値と電流値を電圧計５１３と電流計５１２で測定することにより、太陽電池ストリング１０の出力電流と出力電圧の関係、即ち、電流電圧特性を得る方式である。

ここで、直流定電流源ＤＣとダイオードＤと並列抵抗Ｒｓｈの並列回路にかかる電圧（動作電圧）をＶｉとする。また、太陽電池への入射光の強度にほぼ比例する直流定電流源ＤＣの出力電流の電流値をＩｐｈとする。

太陽電池はｐ−ｎ接合を持つダイオードであるため、内部損失が発生する。この内部損失は、電圧Ｖｉに応じて生じるダイオードＤを流れる電流値Ｉｄで表すことができる。また、太陽電池のｐ−ｎ接合面の不整合等により接合面の表面に漏れ電流が発生する。この漏れ電流は、電圧Ｖｉに応じて生じる並列抵抗Ｒｓｈに流れる電流Ｉｓｈで表すことができる。太陽電池ストリング１０の等価回路に流れる出力電流Ｉは、直流定電流源ＤＣの電流値Ｉｐｈから、内部損失Ｉｄと漏れ電流Ｉｓｈとを引いた値となる。すなわち、出力電流Ｉ＝Ｉｐｈ−Ｉｄ−Ｉｓｈとなる。

ここで、電圧Ｖｉをｐ−ｎ接合部の接合電圧に相当するものとする。直列抵抗Ｒｓには出力電流Ｉが流れる。このため、接続端子Ｔａ、Ｔａ’間に生じる出力電圧Ｖは、電圧Ｖｉから、直列抵抗Ｒｓと出力電流Ｉとの積を引いた値となる。すなわち、出力電圧Ｖ＝Ｖｉ−Ｉ・Ｒｓとなる。

測定部５１の電流計５１２と電圧計５１３は、この出力電流Ｉの電流値と出力電圧Ｖの電圧値とを測定する。ここで、可変抵抗５１１の抵抗値が０であれば、電流計５１２で測定される電流値は最大値となり、電圧計５１３で測定される電圧値はゼロとなる。一方、可変抵抗５１１の抵抗値が最大値（無限大＝開放）であれば、電流計５１２で測定される電流値はゼロとなり、電圧計５１３で測定される電圧値は出力電圧Ｖと等しく、最大となる。

可変抵抗５１１の抵抗値をゼロから最大値まで変化させた時に測定した電圧値Ｖと電流値Ｉとを、縦軸を電流［Ａ］、横軸を電圧［Ｖ］とするグラフにプロットすることにより、図７に示すような、電流値と電圧値の実測値の変化を示したグラフが得られる。このＩ−Ｖカーブは、太陽電池ストリング１０の電流電圧特性を示すものである。このＩ−Ｖカーブを、以後、Ｉ−Ｖ特性波形と称する。

Ｉ−Ｖ特性波形は、太陽電池ストリング１０を構成する太陽電池モジュール１の枚数、太陽電池モジュール１の種類、太陽電池モジュール１への日射強度等の条件によって変化する。このため、図７に示すデータ１〜３のように、Ｉ−Ｖ特性波形の形状、最大電圧値及び最大電流値の範囲等が異なるものとなる。したがって、実測値に基づくＩ−Ｖ特性波形を基にして、異なる条件下で測定された電流電圧特性波形を単純に比較することは難しい。そこで、検査装置５は、Ｉ−Ｖ特性波形を正規化し、正規化した値から数列を生成することにより、異なる条件下で測定されたＩ−Ｖ特性波形を容易に比較できるようにする。

まず、Ｉ−Ｖ特性波形の正規化する手法について、具体例を用いて以下に説明する。例えば、図６に示した測定部５１の可変抵抗５１１の抵抗値を、ゼロから最大値まで１／２９オームずつ変化させていき、その場合に測定した電圧値Ｖと電流値Ｉとを図８Ａ（ａ）に示す。また、この場合のＩ−Ｖ特性波形を図８Ｂに示す。図８Ａ（ａ）に示すように、測定した電圧値Ｖは、最小値０［Ｖ］から最大値４１３［Ｖ］であり、測定した電流値Ｉは、最小値０［Ａ］から最大値９［Ａ］である。測定した電圧値Ｖと電流値Ｉとを、それぞれの最大値を基に正規化する。

測定した電圧値Ｖと電流値Ｉとの、それぞれの最大値を取得する。ここでは、図８Ａ（ｂ）に示すように、測定した電圧値Ｖの最大値は４１３［Ｖ］、電流値Ｉの最大値は９［Ａ］である。続いて、測定した電圧値Ｖの各値を電圧値Ｖの最大値で割る。例えば、図８Ｃに示すように、測定した電圧値Ｖの値が０［Ｖ］であれば、最大値４１３［Ｖ］で割った値は０となる。また、測定した電圧値Ｖの値が７［Ｖ］であれば、最大値４１３［Ｖ］で割った値は０．０１６９４となり、測定した電圧値Ｖの値が１５［Ｖ］であれば、最大値４１３［Ｖ］で割った値は、０．０３６３２となる。以下では、測定した電圧値Ｖを電圧値Ｖの最大値で割った値を、電圧の正規化値Ｖｎと呼ぶ。

次に、測定した電流値Ｉの各値を電流値Ｉの最大値で割る。例えば、図８Ｃに示すように、測定した電流値の値が９［Ａ］であれば、最大値９［Ａ］で割った値は１となる。また、測定した電流値Ｉの値が８［Ａ］であれば、最大値９［Ａ］で割った値は０．８８８８８９となり、測定した電流値Ｉの値が７［Ａ］であれば、最大値９［Ａ］で割った値は０．７７７７７８となる。以下では、測定した電流値Ｉを電流値Ｉの最大値で割った値を、電流の正規化値Ｉｎと呼ぶ。

電圧の正規化値Ｖｎと電流の正規化値ＩｎとのＩ−Ｖ特性波形を、図８Ｄに示す。電圧の正規化値Ｖｎと電流の正規化値Ｉｎは、それぞれ最大値を１、最小値を０としている。この電圧の正規化値Ｖｎと電流の正規化値Ｉｎの一方の値に基づいて定められた割合に応じて、他方の値を用いて数列を生成する。ここでは、電圧の正規化値Ｖｎに基づいて定められた割合に応じて、電流の正規化値Ｉｎを用いて数列を生成するものとする。

電圧の正規化値Ｖｎの最大値に対する割合を示す値を、以下では電圧％値と呼ぶ。電圧％値は、電圧の正規化値Ｖｎの最小値を０％、最大値を１００％とし、その他の１０％、２０％等の設定値を任意に定められるものである。

例えば、図８Ｅに示すように、電圧％値を０％から１００％まで１０％刻みで設定したとする。この場合、電圧の正規化値Ｖｎの最小値０を電圧％値の０％、最大値１を電圧％値の１００％とする。そして、電圧％値の１０％から９０％は、各％に対して最も近しい値を電圧の正規化値Ｖｎから取得する。例えば、図８Ｅに示すように、電圧％値の１０％であれば、一番近しい値として電圧の正規化値Ｖｎの０．１０４１１６を選択し、電圧％値の２０％であれば、一番近しい値として電圧の正規化値Ｖｎの０．１９１２８３を選択する。

電圧％値に対応する電流の正規化値Ｉｎを取り出す。例えば、図８Ｅに示すように、電圧％値の０％から６０％では、電流の正規化値Ｉｎは１であり、電圧％値の７０％では電流の正規化値Ｉｎは、０．８８８８８９である。このようにして電圧％値の０％から１００％に対応する電流の正規化値Ｉｎを取り出し、電流の正規化値Ｉｎの数列を生成する。生成した電流の正規化値Ｉｎの数列の各値は、後述するニューラルネットワークの入力層に入力される値である。また、生成した電流の正規化値Ｉｎの数列を用いたＩ−Ｖ特性波形を、図８Ｆに示す。このＩ−Ｖ特性波形では、電流の正規化値Ｉｎを縦軸、電圧％値を横軸としている。

このように、測定した電圧値Ｖと電流値Ｉとの各値を、それぞれの最大値で割って正規化し、さらに電圧の正規化値Ｖｎの最大値に対する割合を示す電圧％値に対応する電流の正規化値Ｉｎを取り出して電流の正規化値Ｉｎの数列を生成することにより、電圧Ｖと電流Ｉとの２次元データであるＩ−Ｖ特性波形を、１次元の数列として表現することができる。そして、この数列の値を用いて比較をすることにより、異なる条件のもとで測定された複数のＩ−Ｖ特性波形を同じ条件下で容易に比較することができる。

図７に示したデータ１〜３の電流値と電圧値に対して、上述の手法を適用し数列を生成する。まず、データ１〜３のそれぞれにおいて、測定した電圧Ｖ及び電流Ｉの各値を測定した電圧Ｖ及び電流Ｉの最大値で割って正規化し、電圧の正規化値Ｖｎ及び電流の正規化値Ｉｎを求める。求めた電圧の正規化値Ｖｎ及び電流の正規化値ＩｎによるＩ−Ｖ特性波形を、図９Ａに示す。続いて、電圧の正規化値Ｖｎと電流の正規化値Ｉｎの一方の値に基づいて定められた割合に応じて、他方の値を用いて数列を生成する。ここでは、電圧の正規化値Ｖｎに基づいて定められた割合に応じて、電流の正規化値Ｉｎを用いて数列を生成するものとする。

例えば、図９Ｂに示すように、電圧％値を０％から１００％まで１０％刻みで設定したとする。この場合、電圧の正規化値Ｖｎの最小値０を電圧％値の０％、最大値１を電圧％値の１００％とする。この電圧％値に対応する電流の正規化値Ｉｎを、図９Ａから取り出し電流の正規化値Ｉｎの数列を生成する。生成したデータ１〜３の各数列から、図９Ｂに示すようなＩ−Ｖ特性波形を得ることができる。このように実測値を正規化し、正規化値から数列を生成することにより、異なる条件のもとで測定された複数のＩ−Ｖ特性波形を容易に比較することができる。

このＩ−Ｖ特性波形の波形形状は、太陽電池モジュール１または太陽電池ストリング１０の異常の有無及び異常の事象または要因に応じて変化する。そして、太陽電池モジュール１または太陽電池ストリング１０が正常である場合、太陽電池ストリング１０の直列抵抗に異常が有る場合、太陽電池ストリング１０に備えた太陽電池モジュール１のうち１枚が壊れている場合等、それぞれの状況に応じてＩ−Ｖ特性波形の波形形状は概ね似た形状の波形となる。すなわち、それぞれの状況に応じて、Ｉ−Ｖ特性波形は類似する特徴を持った波形となる。

そこで、検査装置５は、太陽電池モジュール１または太陽電池ストリング１０の異常の有無及び異常の事象または要因に応じたＩ−Ｖ特性波形の特徴を基にして、測定対象となる太陽電池ストリング１０で測定したＩ−Ｖ特性波形を分類し、この分類結果から測定対象となる太陽電池ストリング１０の異常の有無及び異常の事象または要因を判定できるようにする。

検査装置５は、詳細は後述するが、図３に示した処理部５３のデータ判定部５３２に構築したニューラルネットワークにより、測定したＩ−Ｖ特性波形を分類する。このニューラルネットワークを構築するためには、ニューラルネットワークの中間層、出力層に対して重み付け係数を定める必要が有る。本実施の形態では、この重み付け係数を、ニューラルネットワークにＩ−Ｖ特性波形の特徴を学習させることにより定める。

ニューラルネットワークにＩ−Ｖ特性波形の特徴を学習させるためには、答えが明らかとなった正規化された測定データが必要である。この答えが明らかとなった正規化された測定データを、以下では教師データと呼ぶ。本実施の形態においては、この教師データを過去に測定した複数のＩ−Ｖ特性波形のデータを基にして作成する。

教師データの作成は、まず、過去に測定した複数のＩ−Ｖ特性波形のデータを、上述した手法により正規化し、数列を生成する。生成した数列のデータに対してクラスタ分析を行い、Ｉ−Ｖ特性波形の持つ特徴ごとのグループに分ける。このクラスタ分析は、似たものを集める方法であり、階層的クラスタ分析、非階層クラスタ分析がある。ここでは、例えば、４０００個のＩ−Ｖ特性波形のデータを階層的クラスタ分析し、Ｉ−Ｖ特性波形の特徴ごとのグループに分ける。そして、最終的に、全体を８つグループの分けるものとする。

この全体を８つグループに分類した結果の一例を図１０に示す。グループ分けは、正規化されたＩ−Ｖ特性波形から生成された数列相互のユークリッド距離と、故障の状況と原因との関係から求めたものである。この８つのグループの名称を、Ｔｙｐｅ１〜８とする。図１０に示した各パターンは、各タイプ（グループ）に属するＩ−Ｖ特性波形の平均値を示す。

ここで、Ｔｙｐｅ２は正常タイプ、即ち、正常な太陽電池ストリングのＩ−Ｖ特性波形であり、Ｔｙｐｅ１、３〜８は異常タイプ、即ち、何らかの異常を持つ太陽電池ストリング１０のＩ−Ｖ特性波形である。具体的には、Ｔｙｐｅ１は、全体的に並列抵抗が低下している傾向を示すパターンである。Ｔｙｐｅ３は、全体的に直列抵抗が増加している傾向を示すパターンである。Ｔｙｐｅ４は、太陽電池ストリング中に不具合のあるモジュールが含まれているパターンである。Ｔｙｐｅ５は、Ｔｙｐｅ３よりも直列抵抗が増加している傾向を示すパターンである。Ｔｙｐｅ６及びＴｙｐｅ８は、出力電圧がほぼ得られない傾向を示すパターンである。Ｔｙｐｅ７は、太陽電池ストリングの一部に高抵抗セルがある状態を示すパターンである。

ここで、図３に示した検査装置５のデータ判定部５３２に構築されるニューラルネットワークＮＮの一例を、図１１に示す。このニューラルネットワークＮＮは、入力層と、１層の中間層と、出力層を備える。ここで、要素ｉまたはＩは入力層、要素ｈまたはＨは中間層、要素ｏまたはＯは出力層を示すものとする。入力層にはｎ個のニューロンＮＩ１〜ＮＩｎが配置され、ｎ個の入力Ｄｉ１〜Ｄｉｎを入力する。入力層の第ｊ（１≦ｊ≦ｎ）のニューロンＮＩｊは、入力Ｄｉｊをそのまま出力する。このため、ここでは、入力層の第ｊのニューロンＮＩｊの出力をＤｉｊを表現するとする。

中間層にはｘ個のニューロンＮＨ１〜ＮＨｘが配置される。中間層の各ニューロンには、入力層の全て（ｎ個）ニューロンの出力Ｄｉ１〜Ｄｉｎが供給される。中間層の第ｘのニューロンＮＨｘには、係数ｈ１１〜ｈｘｎが割り当てられている。第ｘのニューロンＮＨｘは、入力層の各ニューロンからの入力Ｄｉｊと係数ｈｘｊとの積の総和を求め、総和を示すデータを出力する。具体的には、中間層の第ｘのニューロンＮＨｘは、入力層の各ニューロンからの入力Ｄｉｊ（ｉ１〜ｉｎ）と係数ｈｘｊ（ｈｘ１〜ｈｘｎ）との積の総和Σｈｘｊ・Ｄｉｊ（ｊ＝１〜ｎ）を求め、この総和を示すデータＤｈｘを出力する。

出力層にはｙ個のニューロンＮＯ１〜ＮＯｙが配置される。出力層の各ニューロンには、中間層の全て（ｘ個）のニューロンＮＨ１〜ＮＨｘの出力Ｄｈ１〜Ｄｈｘが供給される。出力層の第ｙのニューロンＮＯｙには、係数ｏｙ１〜ｏｙｋが割り当てられている。第ｙのニューロンＮＯｙは、中間層の各ニューロンからの入力Ｄｈｘと係数ｏｙｋとの積の総和を求める。第ｙのニューロンＮＯｙは、求めた総和と閾値とを比較し、総和が閾値以上であれば「１」を、総和が閾値未満であれば「０」を、ニューロンの出力として出力する。具体的には、出力層の第ｙのニューロンＮＯｙは、中間層の各ニューロンからの入力Ｄｈｘ（Ｄｈ１〜Ｄｈｘ）と係数ｏｙｋ（ｏｙ１〜ｏｙｋ）との積の総和Ｄｏｙ＝Σｏｙｋ・Ｄｈｋ（ｋ＝１〜ｘ）を求める。第ｙのニューロンＮＯｙは、求めた総和Ｄｏｙと閾値Ｔｈとを比較し、総和Ｄｏｙが閾値Ｔｈ以上であれば、ニューロンの出力を「１」とし、閾値Ｔｈ未満であればニューロンの出力を「０」とする。

このニューラルネットワークにおける中間層のｘ個のニューロンＮＨ１〜ＮＨｘそれぞれについて、重み付け係数［ｈ１１〜ｈ１ｎ，・・・，ｈｘ１〜ｈｘｎ］と、出力層のニューロンの重み付け係数［ｏ１１〜ｏ１ｘ，・・・，ｏｙ１〜ｏｙｘ］を、ニューラルネットワークに教師データを学習させて生成する。

ニューラルネットワークにおける学習とは、入力層に入力したデータに対する結果を出力層から出力することができる最適な重み付け係数を、各ニューロンに設定することである。このため、まず、入力層のニューロンの数と、出力層のニューロンの数を定める必要がある。

ここでは、入力層に入力するデータを、上述の図８Ａから図８Ｆを示して説明した手法により、測定したＩ−Ｖ特性波形のデータから求められた電圧％値に対応する電流の正規化値Ｉｎから生成された数列の各値とする。具体的には、まず、データ正規化部５３１により、測定したＩ−Ｖ特性波形のデータを正規化し、電圧の正規化値Ｖｎを求める。続いて、データ正規化部５３１は、電圧の正規化値Ｖｎを最小値と最大値を含んで２９個に分割する。分割した電圧の正規化値Ｖｎの値について、最小値を０％、最大値を１００％とし、その他の値を近似する割合とし、最小値と最大値を含んで２９個の電圧％値を求める。この電圧％値に対応する電流の正規化値Ｉｎから数列を生成し、この数列の各値を入力層に入力する。したがって、入力層のニューロンの数は２９となる。また、そのＩ−Ｖ特性波形が属するＴｙｐｅ１〜８に対応する結果を出せるようにするものとする。したがって、出力層のニューロンの数は８となる。以上のことから、ｎ＝２９、ｙ＝８となる。

本実施の形態においては、ニューラルネットワークの学習は、検査装置５の外にある任意の外部のコンピュータで行うものとする。そして、外部のコンピュータで求めた重み係数を記憶部５２に係数データ５２２として保存するものとする。

次に、ニューラルネットワークの学習の手順を、図１２に示す学習処理のフローチャートを参照しつつ説明する。まず、事前処理として、様々な太陽電池ストリング１０の実測されているＩ−Ｖ特性波形の測定データについて、その測定データが得られたときの太陽電池ストリング１０が正常であったか異常であったかを分析し、異常であった場合には、その原因を分析し、Ｉ−Ｖ特性波形をＴｙｐｅ１〜８のいずれに該当するのかを判別する。この処理を繰り返し、４０００個のＩ−Ｖ特性波形にＴｙｐｅを割り当てる分析処理を行う。次に、分析結果、即ち、４０００対のＩ−Ｖ特性波形とＴｙｐｅをコンピュータに登録する（ステップＳ１）。

次に、コンピュータ上で、学習処理を開始する。まず、各Ｉ−Ｖ特性波形を上述の手法により正規化する（ステップＳ２）。次に、各正規化されたＩ−Ｖ特性波形からｎ個の入力データを求める。ここで求められる入力データは、上述した、２９個の電圧％値に対応する電流の正規化値Ｉｎから求められた数列の各値である。求められた入力データを、Ｔｙｐｅと対応付けて、図１３に例示する教師データを生成する（ステップＳ３）。

次に、ニューラルネットワークの中間層と出力層の各ニューロンの重み付け係数の初期値を設定する（ステップＳ４）。

次に、１つ目の教師データ読み込み（ステップＳ５）、誤差逆伝搬（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ）法を用いて、各ニューロンの重み係数を更新する（ステップＳ６）。続いて、全ての教師データについての学習処理を終了したか否かを判定する（ステップＳ７）。未処理の教師データが残っていれば（ステップＳ７；ＮＯ）、ステップＳ５に戻り、次の教師データについて誤差逆伝搬処理を実行する。一方、ステップＳ７で、全ての教師データについて学習処理が終了していると判別されれば（ステップＳ７；ＹＥＳ）、その時点の、中間層と出力層の各ニューロンの重み付け係数をコンピュータの記憶部に保存する（ステップＳ８）。

このようにして生成された各ニューロンの重み付け係数は、図３に示した測定部５１による測定を行う前に、予め検査装置５の記憶部５２に係数データ５２２として保存される。

次に、任意の太陽電池ストリング１０を検査する方法を、図１４に示す検査処理のフローチャートを参照しつつ説明する。この検査処理のプログラムは、図３に示す記憶部５２、図４に示す記憶装置５０２に保存されている。検査処理のプログラムは、太陽電池ストリング１０の検査開始前にプロセッサ５０４によりメモリ５０３に読み出される。読み出されたプログラムは、プロセッサ５０４により実行される。

まず、検査者は、図５に示したように、検査対象の太陽電池ストリング１０に接続された開閉器２２のスイッチを開いた状態、すなわち、太陽電池ストリング１０とＰＣＳ３とを接続しない状態とする。次に、開閉器接続端子部２３に検査装置５のプラス側測定端子５０ａとマイナス側測定端子５０ｂを接続する。

続いて、図６に示した可変抵抗５１１の抵抗値を最大値から０まで徐々に変化させる。このときの、電流計５１２の測定値と電圧計５１３の測定値をメモリ５０３上にプロットする。また、図示せぬ時計及びセンサにより、測定日時、日射強度、モジュール温度、外気温、動作電圧Ｖｏｃなどを測定する。測定部５１は、測定したＩ−Ｖ特性波形と測定日時等のデータを測定データ５２１として記憶部５２に保存する。

続いて、検査者は、図４に示した操作部５０７を介して、プロセッサ５０４に検査を指示する。この指示に応答して、プロセッサ５０４は、図１４に示す検査処理を開始し、処理部５３として動作を開始する。まず、処理部５３のデータ正規化部５３１は、記憶部５２から測定データ５２１を読み出し、正規化する（ステップＳ１１）。データ正規化部５３１は、正規化した測定データからニューラルネットワークに入力するため入力データＤｉ１〜Ｄｉ２９を求める（ステップＳ１２）。ここで求められる入力データＤｉ１〜Ｄｉ２９は、上述した、電圧％値に対応する電流の正規化値Ｉｎから生成された数列の各値である。データ正規化部５３１は、求めた入力データＤｉ１〜Ｄｉ２９をデータ判定部５３２に提供する。データ判定部５３２は、記憶部５２から係数データ５２２を読み出す。データ判定部５３２は、係数データ５２２を中間層、出力層の各層のニューロンに設定し、図１１に示したニューラルネットワークを構築する（ステップＳ１３）。

データ判定部５３２は、データ正規化部５３１から受信した入力データＤｉ１〜Ｄｉ２９を、ニューラルネットワークに入力し、出力層のいずれのニューロンが発火するか判別する（ステップＳ１４）。

より詳細に説明すると、データ判定部５３２は、中間層の第１のニューロンＮＨ１に関し、重み係数ｈ１ｊと入力データＤｉ１〜Ｄｉ２９（ｊ＝１〜ｎ）の積とその総和Ｄｈ１＝Σｈ１ｊ＊Ｄｉｊを求める。続いて、データ判定部５３２は、中間層の第２のニューロンの重み係数ｈ２ｊと入力データＤｉ１〜Ｄｉ２９との積とその総和Ｄｈ２＝Σｈ２ｊ＊Ｄｉｊを求める。以後、同様の動作を行って、中間層の第ｘのニューロンの重み係数ｈｘｊと入力データＤｉ１〜Ｄｉ２９との積とその総和Ｄｈｘ＝Σｈｘｊ＊Ｄｉｊを求める。続いて、データ判定部５３２は、出力層の第１のニューロンＮＯ１に関し、重み係数ｏ１ｋと入力データＤｈ１〜Ｄｈｘ（ｋ＝１〜ｘ）の積とその総和Ｄｏ１＝Σｏ１ｋ＊Ｄｈｋを求める。続いて、データ判定部５３２は、出力層の第２のニューロンＮＯ２に関し、重み係数ｏ２ｋと入力データＤｈ１〜Ｄｈｘの積とその総和Ｄｏ２＝Σｏ２ｋ＊Ｄｈｋを求める。以後、同様の動作を行って、出力層の第８のニューロンの重み係数ｏ８ｋと入力データＤｈ１〜Ｄｈ２９との積とその総和Ｄｏ８＝Σｏ８ｋ＊Ｄｈｋを求める。

続いて、データ判定部５３２は、出力層の第１〜第８のニューロンが総和Ｄｏ１〜Ｄｏ８と閾値Ｔｈとを比較し、閾値以上の総和が得られたニューロンの出力を「１」、閾値未満の総和が得られたニューロンの出力を「０」とする。「１」を出力したニューロンに割り当てられているＴｙｐｅが今回の検査対象となった太陽電池ストリング１０の状態に相当する。データ判定部５３２は、判別したＴｙｐｅに相当する異常の有無及び異常の事象または要因を記憶部５２の判定結果データ５２３に保存する。また、データ判定部５３２は、判別したＴｙｐｅの名称を、表示用データ生成部５４に送信する。

表示用データ生成部５４は、記憶部５２に保存されている測定データ５２１を読み出す。表示用データ生成部５４は、測定データ５２１に書き込まれている電流値及び電圧値を基にして、Ｉ−Ｖ特性波形を生成する。表示用データ生成部５４は、生成したＩ−Ｖ特性波形と測定日時等のデータと、データ判定部５３２から受信したＴｙｐｅの名称とに基づいて、表示用データを生成する。表示用データ生成部５４は、生成した表示用データを表示部５５に送信する。表示部５５は、受信した表示用データを表示する（ステップＳ１５）。

表示部５５に表示された表示用データの例を、図１５（Ａ）に示す。このように、Ｉ−Ｖ特性波形と、Ｉ−Ｖ特性波形の分類結果として判別したＴｙｐｅとを一緒に示すことにより、検査者は、太陽電池ストリング１０の異常の有無及び異常の事象または要因を容易に知ることができる。例えば、図１５（Ａ）に示す、分類結果のＴｙｐｅ１は、太陽電池ストリング１０に備えた太陽電池モジュール１のうち１枚が壊れている場合に対応するものとする。この場合、検査者は、太陽電池モジュール１に異常があること、及び異常の事象または要因として、太陽電池ストリング１０を構成する太陽電池モジュール１のうち１枚が壊れていることを容易に知ることができる。

また、表示用データ生成部５４は、図１５（Ａ）に示す表示用データに加え、図１５（Ｂ）に示すような、測定時の太陽電池ストリング１０の状態を示すデータを、表示用データとして生成し、表示部５５に表示させてもよい。

以上のように、実施の形態によれば、測定した電圧値Ｖと電流値Ｉとの各値を、それぞれの最大値で割って正規化し、さらに電圧の正規化値Ｖｎの最大値に対する割合を示す電圧％値に対応する電流の正規化値Ｉｎを取り出して電流の正規化値Ｉｎの数列を生成することにより、電圧Ｖと電流Ｉとの２次元データであるＩ−Ｖ特性波形を、１次元の数列として表現することができる。そして、この数列の値を用いて比較をすることにより、異なる条件のもとで測定された複数のＩ−Ｖ特性波形を同じ条件下で容易に比較することができる。

本発明では、図１４に示した検査処理のプログラムを、図５に示した記憶装置５０２に保存させるものとした。また、学習処理のプログラムを、ニューラルネットワークにおける機械学習を行うコンピュータの記憶部に保存させるものとした。これらのプログラムを、例えば、コンピュータが読み取り可能な記録媒体に格納して配布できるようにしてもよい。このプログラムをコンピュータにインストールすることにより、上述の各機処理を実現することができるコンピュータを構成してもよい。そして、各処理をＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）とアプリケーションとの分担、またはＯＳとアプリケーションとの協同により実現する場合等には、アプリケーションのみを記録媒体に格納してもよい。

（変形例１）
上記の実施の形態においては、図１５（Ａ）、（Ｂ）に示すように、検査装置５は、Ｉ−Ｖ特性波形のＴｙｐｅを判別して表示した。例えば、各Ｔｙｐｅが太陽電池モジュール１の異常を示すタイプである場合には、Ｉ−Ｖ特性波形がそのようになる１又は複数の要因の候補と対応付けることが可能である。また、要因の候補がわかれば、対処方法の候補も特定しうる。

例えば、図１６（Ａ）に示すように、記憶部５２にＩ−Ｖ特性波形のＴｙｐｅと、要因の候補を示す要因情報と、対処方法の候補を示す対処情報とを対応付けて記憶しておく。表示用データ生成部５４が、判別したＴｙｐｅを表示又は報知する際に、対応する要因の候補及び／又は対処方法の候補を記憶部５２から読み出し、実測値から求めたＩ−Ｖ特性波形及びＩ−Ｖ特性波形が属するＴｙｐｅともに、図１６（Ｂ）に示すように、表示部５５に表示するようにしてもよい。

また、検査者が、表示部５５に表示した要因の候補を選択すると、選択した要因に応じた対処方法の候補のみが表示されるようにしてもよい。

また、対処方法の候補には、例えば、セルの抵抗値の測定、不具合のある結線箇所の特定等、検査者が現場で直ぐに対応可能な対処方法と、不具合のあったセルの交換、セル同士の結線のやり直し等の検査者が現場で直ぐに対応できない対処方法等、複数種類の対処方法に分けて設定してもよい。この場合、対処方法の候補として、対処方法の種類ごとに表示部５５に表示してもよい。また、表示する対処方法の種類は、全て又は一部でもよい。

また、山間部又は休耕地等の地面、都市部の工場又は家屋の屋根、海岸付近等、太陽電池モジュール１を設置した場所、設置した周囲の環境等により生じる固有の状況に応じて対処方法の候補を設定し、設置した場所等に応じた対処情報として記憶部５２に記憶してもよい。例えば、太陽電池モジュール１を、山間部又は休耕地等の地面上に設置した場合には、草、樹木等の陰により出力電圧の低下が生じうる。このため、太陽電池モジュール１を、対処方法の候補として、樹木の枝の剪定、草の除去等を設定し、山間部、休耕地等の地面上に配置した場合の対処情報として記憶部５２に記憶する。そして、検査対象となる太陽電池モジュール１が設置された場所等に応じて、該当する対処情報を検査者により選択できるようにしても良い。

（変形例２）
上記の実施の形態においては、データ判定部５３２に構築するニューラルネットワークに設定するための重み付け係数を外部のコンピュータでニューラルネットワークに学習させて生成し、この生成した係数を記憶部５２に係数データ５２２として保存するものとした。これに限らず、検査装置５の中に、ニューラルネットワークに設定するための係数を生成する学習部を設けてもよい。そして、学習部で生成した係数を、該学習部から記憶部５２に係数データ５２２として保存させてもよい。

（変形例３）
上記の実施の形態においては、ニューラルネットワークＮＮを、プロセッサ５０４内にデータ処理により仮想的に構築する例を示したが、ニューラルネットワークＮＮを回路で構成して配置し、プロセッサ５０４が重み付け計数の設定を行うように構成することも可能である。

（変形例４）
上記の実施の形態においては、ニューラルネットワークを３層構造と、入力層のニューロン数ｎを２９、出力層のニューロン数ｙを８としたが、これらの数値は任意に変更可能である。また、中間層（隠れ層）の層数は２以上でもよい。

（変形例５）
上記の実施の形態においては、検査装置５は、表示部５５を備えるものとした。これに限らず、表示部５５は外付けされる表示装置であってもよい。外付けされる場合、表示部５５としては、外付けされる表示装置へのデータ出力端子が相当する。なお、外付けされる表示部５５は、表示用データ生成部５４で生成される表示用データを表示することができれば、どのようなものであって良い。

（変形例６）
上記の実施の形態においては、検査装置５は、太陽電池ストリング１０単位で電流電圧特性波形を測定するものとした。これに限らず、太陽電池モジュール単位等、どのような単位で電流電圧特性波形を測定してもよい。

（変形例７）
上記の実施の形態においては、図１５（Ａ）、（Ｂ）に示すように、検査装置５は、Ｉ−Ｖ特性波形のＴｙｐｅを判別して表示した。これに限らず、Ｉ−Ｖ特性波形のＴｙｐｅに対応する要因を予め定めておき、判別したＴｙｐｅと要因とを一緒に表示部５５に表示してもよい。また、判別したＴｙｐｅを表示せずに要因だけを表示部５５に表示してもよい。

（変形例８）
上記の実施の形態においては、電圧％値に、０％から１００％まで１０％刻みの等間隔の割合、または、最小値と最大値を含んで２９個に割った値から求める割合を設定するものとした。これに限らず、電圧％値として任意の割合を設定してもよい。例えば、電圧％値に対応する電流の正規化値Ｉｎの変化が無い場合には、電圧％値とする割合の間隔を広くし、電圧％値に対応する電流の正規化値Ｉｎの変化がある場合には、電圧％値とする割合の間隔を狭くするようにしてもよい。このようにすることにより、Ｉ−Ｖ特性波形の形状の変化を細かく判定することができる。また、電圧％値の個数は、入力層のニューロン数ｎに合わせて、任意に変更可能である。

（変形例９）
上記の実施の形態においては、検査装置５には、太陽電池ストリング１０のＩ−Ｖ特性波形の測定、測定データの正規化、正規化した測定データの分類、分類結果の表示データの作成の各機能が内蔵されている。これに限らず、測定データの正規化、正規化した測定データの分類、分類結果の表示データの作成の各機能を、検査装置５に外付け可能な外部機器に持たせ、検査装置５と協働するようにしてもよい。具体的には、図３に示した記憶部５２の係数データ５２２及び判定結果データ５２３と、処理部５３のデータ正規化部５３１及びデータ判定部５３２と、表示用データ生成部５４とを外部機器に備える。外部機器は、検査装置５から測定データを取得し、測定データの正規化、正規化した測定データの分類、及び分類結果の表示データの生成を行う。そして、外部機器は、生成した分類結果の表示データを、図３に示した検査装置５の表示部５５に表示させる。なお、外部機器は、生成した分類結果の表示データを、検査装置５に外付けされる表示装置に表示させるようにしてもよい。

検査装置５と外部機器との接続は、有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）等のケーブルを用いた有線接続、無線ＬＡＮ、ブルートゥース（登録商標）等による無線接続のどちらでもよい。また、検査装置５と外部機器とを合わせて検査システムとしてもよい。

（変形例１０）
上記の実施の形態においては、検査装置５で太陽電池ストリング１０のＩ−Ｖ特性波形の測定、測定データの正規化、正規化した測定データの分類、分類結果の表示を行っている。これに限らず、検査装置５で行われている測定データの正規化、正規化した測定データの分類、分類結果の表示を、携帯端末、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の端末で行うようにしてもよい。具体的には、図３に示した記憶部５２の係数データ５２２及び判定結果データ５２３と、処理部５３のデータ正規化部５３１及びデータ判定部５３２と、表示用データ生成部５４とを端末に備える。端末は、検査装置５から測定データを取得し、測定データの正規化、正規化した測定データの分類、及び分類結果の表示データの生成をし、端末自身の表示部に生成した分類結果の表示データを表示する。

検査装置５と端末との接続は、有線ＬＡＮ、ＵＳＢ等のケーブルを用いた有線接続、無線ＬＡＮ、ブルートゥース（登録商標）等による無線接続のどちらでもよい。また、検査装置５と端末とを合わせて検査システムとしてもよい。

（変形例１１）
上記の実施の形態においては、図４に示した検査装置５のハードウエア構成では、測定回路５０１と、記憶装置５０２と、メモリ５０３と、プロセッサ５０４と、表示コントローラ５０５と、操作部５０７とを、内部バス５０８により相互に接続されるものとした。これに限らず、測定回路５０１と、記憶装置５０２と、メモリ５０３と、プロセッサ５０４と、表示コントローラ５０５と、操作部５０７とを、有線ＬＡＮ、ＵＳＢ等のケーブルを用いた有線接続、無線ＬＡＮ、ブルートゥース（登録商標）等による無線接続により相互に接続されるようにしてもよい。

なお、本発明の技術的範囲は、上記実施の形態と変形例によっては限定されない。本発明は特許請求の範囲に記載された技術的思想の限りにおいて、自由に応用、変形あるいは改良して、実施することができる。

１ 太陽電池モジュール、２ 接続箱、３ ＰＣＳ、４ 電力系統、５ 検査装置、１０ 太陽電池ストリング、１０ａ 第１太陽電池ストリング、１０ｂ 第２太陽電池ストリング、１０ｃ 第３太陽電池ストリング、１０ｄ 第４太陽電池ストリング、２１ 内部配線、２１ａ プラス側内部配線、２１ｂ マイナス側内部配線、２２、２２ａ、２２ｂ、２２ｃ、２２ｄ 開閉器、２３、２３ａ、２３ｂ、２３ｃ、２３ｄ 開閉器接続端子部、５０ａ プラス側測定端子、５０ｂ マイナス側測定端子、５１ 測定部、５２ 記憶部、５３ 処理部、５４ 表示用データ生成部、５５ 表示部、１００ 太陽光発電所、２３０、２３０ａ、２３０ｂ、２３０ｃ、２３０ｄ プラス側配線、２３１、２３１ａ、２３１ｂ、２３１ｃ、２３１ｄ マイナス側配線、５０１ 測定回路、５０２ 記憶装置、５０３ メモリ、５０４ プロセッサ、５０５ 表示コントローラ、５０６ 表示装置、５０７ 操作部、５０８ 内部バス、５２１ 測定データ、５３１ データ正規化部、５３２ データ判定部

Claims (8)

1. 直列に接続された複数の太陽電池モジュールから構成された太陽電池ストリングの出力電流と出力電圧とを測定して得られた複数対の電流値および電圧値を正規化し、前記電流値と前記電圧値との正規化値に基づいて数列を生成するデータ正規化部と、
   正規化された、前記電流値および前記電圧値に関する電流電圧特性波形を正常タイプと複数の異常タイプの何れかに分類するように構築されたニューラルネットワークを含み、前記ニューラルネットワークに前記データ正規化部により生成された数列を入力し、該電流電圧特性波形の何れかのタイプに分類させるデータ判定部と、
   を備え、
   前記データ正規化部は、前記電圧値の正規化値のうち、予め定められた値に最も近い前記電圧値の正規化値に対応する、前記電流値の正規化値から前記数列を生成する、
   太陽電池の検査装置。
2. 前記データ判定部の出力する判定結果と、電流電圧特性波形とに基づいて表示用データを生成する表示用データ生成部と、
   前記表示用データ生成部により生成された表示用データを表示する表示部と、
   をさらに備える、
   請求項１に記載の太陽電池の検査装置。
3. 異常タイプとその異常タイプに属す電流電圧特性波形が発生する要因とを対応付けた要因情報を記憶する手段を備え、
   前記表示用データ生成部は、特定した異常タイプに対応する前記要因情報を表示用データに含める、
   請求項２に記載の太陽電池の検査装置。
4. 異常タイプとその異常タイプに属す電流電圧特性波形が発生したときの対処方法とを対応付けた対処情報を記憶する手段を備え、
   前記表示用データ生成部は、特定した異常タイプに対応する前記対処情報を表示用データに含める、
   請求項２又は３に記載の太陽電池の検査装置。
5. 前記ニューラルネットワークを構成するニューロンの重み付け係数は、前記データ判定部により前記ニューラルネットワークが構築される前に測定された、前記電流値および前記電圧値に関する電流電圧特性波形を基に前記ニューラルネットワークの学習により設定された値である、
   請求項１から４の何れか１項に記載の太陽電池の検査装置。
6. 直列に接続された複数の太陽電池モジュールから構成された太陽電池ストリングの出力電流と出力電圧とを測定する測定部と、
   前記測定部で測定された複数対の前記出力電流の電流値と前記出力電圧の電圧値とを正規化して正規化値を求め、前記電圧値の正規化値のうち、予め定められた値に最も近い前記電圧値の正規化値に対応する、前記電流値の正規化値から数列を生成するデータ正規化部と、正規化された、前記電流値および前記電圧値に関する電流電圧特性波形を正常タイプと複数の異常タイプの何れかに分類するように構築されたニューラルネットワークを含み、前記ニューラルネットワークに前記データ正規化部により生成された数列を入力し、該電流電圧特性波形の何れかのタイプに分類させるデータ判定部とを含む端末と、
   を備える検査システム。
7. 直列に接続された複数の太陽電池モジュールから構成された太陽電池ストリングの出力電流と出力電圧とを測定して得られた複数対の電流値および電圧値を正規化し、前記電圧値の正規化値のうち、予め定められた値に最も近い前記電圧値の正規化値に対応する、前記電流値の正規化値から数列を生成し、
   正規化された、前記電流値および前記電圧値に関する電流電圧特性波形を正常タイプと複数の異常タイプの何れかに分類するニューラルネットワークに、前記生成された数列を入力し、ニューラルネットワークの出力から、該電流電圧特性波形の何れかのタイプに分類させる、
   検査方法。
8. コンピュータに、
   直列に接続された複数の太陽電池モジュールから構成された太陽電池ストリングの出力電流と出力電圧とを測定して得られた複数対の電流値および電圧値を正規化し、前記電圧値の正規化値のうち、予め定められた値に最も近い前記電圧値の正規化値に対応する、前記電流値の正規化値から数列を生成する処理、
   正規化された、前記電流値および前記電圧値に関する電流電圧特性波形を正常タイプと複数の異常タイプの何れかに分類するニューラルネットワークに、前記生成された数列を入力し、ニューラルネットワークの出力から、該電流電圧特性波形の何れかのタイプに分類させる処理、
   を実行させるためのプログラム。

Images