JP7101265B2 - 異常要因診断装置及びその方法、並びに異常要因診断システム - Google Patents

異常要因診断装置及びその方法、並びに異常要因診断システム Download PDF

Info

Publication number
JP7101265B2
JP7101265B2 JP2020566364A JP2020566364A JP7101265B2 JP 7101265 B2 JP7101265 B2 JP 7101265B2 JP 2020566364 A JP2020566364 A JP 2020566364A JP 2020566364 A JP2020566364 A JP 2020566364A JP 7101265 B2 JP7101265 B2 JP 7101265B2
Authority
JP
Japan
Prior art keywords
data
unit
measurement data
distribution
value
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
JP2020566364A
Other languages
English (en)
Other versions
JPWO2020148813A1 (ja
Inventor
貴史 小磯
洋 水野
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.)
Toshiba Corp
Toshiba Energy Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Energy Systems and Solutions Corp
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 Toshiba Corp, Toshiba Energy Systems and Solutions Corp filed Critical Toshiba Corp
Publication of JPWO2020148813A1 publication Critical patent/JPWO2020148813A1/ja
Application granted granted Critical
Publication of JP7101265B2 publication Critical patent/JP7101265B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells

Landscapes

  • Photovoltaic Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Description

本発明の実施形態は、異常要因診装置及びその方法、並びに異常要因診断システムに関する。
近年では、広い敷地（例えば、１ｈａ以上）に、多数枚（例えば、１０００枚以上）の太陽電池モジュール（ＰＶパネル）を搭載した太陽光発電システムが設置されている。このような太陽光発電システムにおいて、草の影や建物の影、アレイの汚損などの要因により、発電量が当初の予想量よりも下回ることが起こる。
そのような要因が発生していても、太陽光発電システムの所有者が気づくことが難しい場合がある。また、太陽光発電をメンテナンスする業者が要因の発生状況を把握するために、その発電システムに出向くと、派遣費用などがかかり、コスト高になる。派遣前に性能低下の要因を特定できれば、作業員が太陽光発電システムに派遣される前に、対応するための道具や部品などを選定することができるため、より効率的なメンテナンスサービスが可能となる。
ＰＣＳ（Power Conditioning System）で計測される電力・電圧・電流値と、各時刻における日射量とを含む各計測データに基づいて、発電量の性能の低下を推定するアルゴリズムを構築する手法が提案されている。しかしながら、この手法では、発電量の性能の低下の有無を発見できるものの、性能の低下の要因に対する知見を得ることはできない。
国際公開第２０１６／１６６９９１号 国際公開第２０１７／１６９４７３号
本発明の実施形態は、発電装置の異常要因を特定することを可能とする太陽光発電システムの異常要因診装置及びその方法、並びに異常要因診断システムを提供する。
本発明の実施形態としての異常要因診断装置は、発電装置の異常要因が発生した第１時刻を特定する異常要因発生データに基づき、前記発電装置の計測データにおいて前記第１時刻に対応する第１計測データを特定する特定部と、前記第１計測データに基づき、前記第１計測データの特徴値の分布を表す第１分布関数を算出する分布生成部と、前記第１分布関数と、前記発電装置のテスト対象の計測データとに基づいて、前記発電装置における前記異常要因の発生の可能性の評価値を算出する評価部と、を備える。
第１の実施形態に係る異常要因診断装置と太陽光発電システムとを備えた異常要因診断システムの全体構成を示す図。 異常要因診断装置のブロック図。 計測ＤＢの例を示す図。 異常要因発生ＤＢの例を示す図。 正例グループ及び負例グループごとに、各日について得られた特徴時系列データの波形のグラフを示す図。 確率分布（特徴分布）を計算する例を示す図。 スコア算出部の動作の具体例を説明するための図。 スコア算出部の動作の具体例を説明するための図。 スコア算定時間帯のスコアの計算を説明するための図。 スコア計算条件の具体例を説明するための図。 表示装置の画面の表示例を示す図。 表示装置の画面の表示例を示す図。 ユーザが条件の指定を行うユーザインタフェース画面の例を示す図。 第１の実施形態に係る計測データ取得部及び特徴分布生成部の動作のフローチャート。 第１の実施形態に係るスコア算出部、評価値算出部及び出力部の動作のフローチャート。 第２の実施形態に係る異常要因診断装置のブロック図。 異常要因発生ＤＢにおけるシミュレーション用の異常要因発生データの例を示す図。 実測データと、シミュレーションデータとを対応づける例。 統合ＤＢの例を示す図。 ユーザがシミュレーションデータの選択条件を指定するユーザインタフェース画面の例を示す図。 複数のユーザインタフェース画面を１つにまとめた例を示す。 第２の実施形態に係る補正関数生成部、補正部及び統合部に係る処理のフローチャート。 第２の実施形態に係る補正関数生成部、補正部及び統合部に係る処理の他の例のフローチャート。 本発明の実施形態に係る異常要因診断装置のハードウェア構成例を示す図。
以下、図面を参照しながら、本発明の実施形態について説明する。
（第１の実施形態）
図１は、第１の実施形態に係る異常要因診断装置と太陽光発電システムとを備えた異常要因診断システムの全体構成を示す。
太陽光発電システムは、発電装置１１と、ＰＣＳ（パワーコンディショナシステム）１２と含む基本ユニットを複数備える。図では１つ以上の基本ユニットが存在する場合を示している。各基本ユニットのＰＣＳ１２をＰＣＳ－０１，ＰＣＳ－０２，ＰＣＳ－０３と表記している。発電装置１１は、ＰＶパネルＰＮを１つ以上直列接続したストリングを１つ又は複数備える。図では１番目の基本ユニットの発電装置１１が、２つのストリングＳＴ０１、ＳＴ０１を備えている。各基本ユニットの発電装置１１が備えるストリング数が異なってもよい。
各基本ユニットのＰＣＳ１２は、ＰＣＳ１２に接続された発電装置１１における１つ又は複数のストリングを制御する。各ＰＣＳ１２は、接続装置２１と、ＤＣ／ＤＣ変換機２２と、ＡＣ／ＤＣ変換機２３と、計測装置２４とを備える。各ＰＣＳ１２の計測装置２４には日射計２５が接続されている。各ＰＣＳ１２の計測装置２４は、異常要因診断装置１０１に共通に接続されている。
各ＰＣＳ１２の接続装置２１は、発電装置１１における１つ又は複数のストリングに接続され、これらのストリングの発電電力を集約する。ＡＣ／ＤＣ変換機２３が、接続装置２１で集約した電力を交流電力に変換して、電力系統２６に出力する。ＡＣ／ＤＣ変換機２３が、集約された電力を、電力系統２６の代わりに、交流電力で動作する負荷装置に出力してもよい。または、ＤＣ／ＤＣ変換機２２が、接続装置２１で集約した電力を変圧（昇圧又は降圧）し、変圧した電力を、図示しない蓄電装置又は負荷装置に出力してもよい。接続装置２１で集約された電力の利用方法はこれらに限定されない。
計測装置２４は、接続装置２１で集約された電力、電圧、電流等を計測する。その他、計測装置２４は、気温又は湿度等を計測してもよい。日射計２５は日射量を計測する。
本実施形態に係る太陽光発電システムの規模は問わない。一例としてＰＶパネルが１０００枚以上、数１００ｋＷ規模以上の発電システムも、本実施形態の対象とする。
図２は、異常要因診断装置１０１のブロック図である。異常要因診断装置１０１は、計測データ取得部１１０、計測データベース（ＤＢ）１１１、特定部１１２、特徴分布生成部１１３、スコア算出部１１４、評価値算出部１１５、異常要因発生ＤＢ１１６、評価ＤＢ１１７、出力部１１８を備えている。スコア算出部１１４及び評価値算出部１１５の組は、評価部１１９に対応する。異常要因診断装置１０１には、入力装置１２１及び表示装置１３１が接続されている。入力装置１２１は、キーボード、マウス又はタッチパッドなどの、ユーザがデータ又は指示を入力するための装置である。表示装置１３１は、本装置１０１で生成されたデータ又は本装置１０１が備える各ＤＢ内に格納されたデータを表示するための装置である。表示装置１５３は、例えば液晶表示装置、有機ＥＬ表示装置、ＣＲＴ表示装置等である。
計測データ取得部１１０は、各ＰＣＳから連続的、もしくは間欠的に送信される時系列の計測データを受信する。計測データは、一例として、計測時刻、日射量、気温、ＰＣＳ＿ＩＤ（ＰＣＳの識別子）、直流電圧、直流電流、直流電力（発電量）を含む。ＰＣＳ＿ＩＤは、各ＰＣＳ（あるいは基本ユニット）に付与されたＩＤである。計測データ取得部１１０は、受信した計測データを計測ＤＢ１１１に格納する。計測ＤＢ１１は、データを表形式で管理する。各ＰＣＳの計測間隔は、予め設定されており、例えば１分間又は６０分間である。
図３に計測ＤＢ１１１の例を示す。計測ＤＢ１１１は、計測時刻、日射量、気温、ＰＣＳ＿ＩＤ（ＰＣＳの識別子）、直流電圧、直流電流、直流電力などのデータを格納している。図の例では１分間隔で計測データが格納されている。
異常要因発生ＤＢ１１６は、計測ＤＢ１１１に蓄積されている計測データに対して、異常要因の発生の有無を表すラベルを関連づけて、異常要因発生データとして格納している。異常要因発生データは、異常要因が発生した時刻を特定するデータである。ラベルは、すべての計測データに設定してもよいし、特定のＰＣＳ＿ＩＤ又は特定の時間帯（例えば後述する評価時間帯）の計測データに対してのみ設定してもよい。例えば、予めユーザー（作業員）が、太陽光発電装置が設置されている現地で異常要因の有無を確認し、確認した結果に基づき、各計測データのラベルを設定する。ラベルの設定は、入力装置１２１を用いてユーザが行ってもよいし、ＰＣ（パーソナルコンピュータ）、サーバ又はタブレット端末等の外部装置でラベルの設定を行い、設定されたラベルのデータを外部装置からインストールしてもよい。異常要因の例として、影（例えば高木の影、草影）がＰＶパネルにかかること、又はＰＶパネルの汚損（アレイ汚損）などがある。いずれの異常要因も発電量低下の原因となる。
図４に、異常要因発生ＤＢ１１６の例を示す。３つのＰＣＳ－０１，ＰＣＳ－０２，ＰＣＳ－０３について、時刻毎に、棒状影の有無のラベルと、アレイ汚損の有無のラベルが設定されている。“有”は異常あり、“無”は異常なしを意味する。例えば、ＰＣＳ－０３の２０１７／１０／１０ ８：０３以降では、棒状の影はなかったが、アレイ汚損があったことがわかる。ラベルは１日の全時間ではなく、１日のうち評価対象となる時間帯（評価時間帯）を設定し、評価時間帯についてのみ設定してもよい（後述する図１３参照）。評価時間帯の例として、例えば発電が期待される時間帯（例えば８：００～１７：００や、１０：００～１６：００など）がある。以下の説明では評価時間帯についてラベルを設定した場合を想定する。異常要因が発生している時刻は本実施形態の第１時刻、異常要因が発生していない時刻は本実施形態の第２時刻に対応する。
特定部１１２は、計測ＤＢ１１１に格納された計測データのうち評価時間帯の計測データをトレーニングデータとして取得する。また、特定部１１２は、異常要因発生ＤＢ１１６に格納された異常要因発生データを取得する。特定部１１２及び特徴分布生成部１１３は、以降の処理を、ＰＣＳかつ異常要因ごとに行う。
特定部１１２は、取得した計測データに基づき、異常ありのラベルが設定された計測データ（以降、これを正例データ、という）と、異常なしのラベルが設定された計測データ（以降、これを負例データ、という）とを特定し、正例データのグループと負例データのグループにグループ分けする。正例データが属するグループを正例グループ、負例データが属するグループを負例グループと呼ぶ。正例データは、本実施形態に係る第１計測データに対応する。負例データは、本実施形態に係る第２計測データに対応する。
特徴分布生成部１１３は、正例グループに属する各日の評価時間帯に属する計測データ（第１計測データ）に基づき、当該計測データの特徴値の分布を表す分布関数（第１分布関数）を算出する。
より詳細には、まず特徴分布生成部１１３は正例グループに属する各日の評価時間帯に属する計測データに基づき、時刻毎に発電電力を評価する指標として特徴値を計算する。一例として、１つの計測データから１つの特徴値が得られる。例えば、（直流電力／日射量）を、（直流電力/日射量）の最大値で除算した値を用いることができる。この場合の特徴値の計算式を以下に示す。
特徴値＝（直流電力/日射量）／（（直流電力/日射量）の最大値） ・・・式（１）
“（直流電力/日射量）の最大値”は、計測ＤＢ１１１から取得した評価時間帯の全計測データ（正例グループ及び負例グループ全体）を対象に各計測データから（直流電力/日射量）を算出した（直流電力/日射量）のうちの最大値である。したがって、特徴値は、０以上１以下の範囲の値である。
各日について、評価時間帯で特徴値を時系列に並べた時系列データ（以降、特徴時系列データと呼ぶ）を生成する。
特徴分布生成部１１３は、負例グループについても、正例グループと同様にして、各日について評価時間帯で特徴値を時系列に並べて、特徴時系列データを生成する。
なお、ある１日の評価時間帯の途中で「異常あり」から「異常なし」、又は、「異常なし」から「異常あり」に変わる場合もあり得る。そのときは、評価時間帯の計測データのうち、一部の時間帯の計測データは正例グループに分類され、別の時間帯の計測データは負例グループに属する。この場合、各特徴時系列データの長さは、評価時間帯の長さよりも短くなる。あるいは、このような場合は、異常ありと異常なしの時間長の比率が大きい方を特定し、特定した方に対応するグループに、当該評価時間帯に属する全計測データを分類してもよい。
図５は、正例グループ及び負例グループごとに、各日について得られた特徴時系列データの波形グラフを示す。横軸は時刻、縦軸は特徴値である。図では数個の特徴時系列データが示されるが、実際にはより多くの特徴時系列データが存在してよい。実線の波形が、正例（異常あり）の特徴時系列データを示す。破線の波形が、負例（異常なし）の特徴時系列データを示す。これらの特徴時系列データは同一のＰＣＳのものである。なお、負例の特徴時系列データは９時から始まっており、正例の特徴時系列データは１０時から始まっているが、これはたまたまであり、これに限定されない。
特徴分布生成部１１３は、正例グループ及び負例グループのそれぞれに対して、評価時間帯に属する各単位時間帯について特徴値の分布関数（特徴分布）を計算する。例えば評価時間帯が９：００～１７：００であり、単位時間帯の長さを１時間とする。この場合、９：００～１０：００、１０：００～１１：００、１１：００～１２：００、・・・１６：００～１７：００の時間帯（単位時間帯）に対してそれぞれ特徴分布を計算する。特徴分布の具体例として、確率分布である正規分布がある。この場合、例えば、各グループについて単位時間帯ごとに平均及び分散を求め、これを正規分布のパラメータとすればよい。ただし、確率分布は正規分布である必要はなく、他の種類の確率分布でもよい。
図６に、１１：００～１２：００の時間帯の特徴分布を計算する例を示す。図６の上側には、図５と同じ図が示される。時刻１１：００について、正例の各特徴時系列データの値と、負例の各特徴時系列データの値を特定する。これらの値は、各時系列データのグラフと、時刻１１：００に時間軸に垂直な縦線との交点に相当する。当該交点の値を、横軸を特徴値とする軸に展開してプロットした例を図７の下側に示す。正例の値は白抜きの丸、負例の値はハッチングされた丸で示される。正例の点群を近似する確率分布、負例の点群を近似する確率分布をそれぞれ計算する。ここでは確率分布として正規分布を求める。
時刻１１：００の正例の特徴値（プロット値）の平均ｘ１１及び分散θ１１を計算し、計算した平均及び分散の値をパラメータとする正規分布ｆ１１（ｘ）＝ＰＤＦ（ｘ１１；θ１１）を得る。これを１１：００～１２：００の時間帯の正例の確率分布（第１の分布関数）とする。この分布ｆ１１（ｘ）が図６の下側に実線で示されている。正例のプロット点はこの分布ｆ１１（ｘ）内に配置されている。
同様に、時刻１１：００の負例の特徴値（プロット値）の平均ｘ”１１及び分散θ”１ １を計算し、計算した平均及び分散の値をパラメータとする正規分布ｆ”１１（ｘ）＝ＰＤＦ（ｘ”１１；θ”１１）を得る。これを１１：００～１２：００の時間帯の負例の確率分布と（第２の分布関数）する。この分布ｆ”１１（ｘ）が図６の下側に破線で示されている。負例のプロット点がこの分布ｆ”１１（ｘ）内に配置されている。
ここでは、１１：００～１２：００の時間帯の確率分布を計算するために、時刻１１：００の特徴値を用いた（これは例えば、１時間内での特徴値の変化は少ないと想定される場合には、計算量も少なく、有効である）。しかしながら、１１：００～１２：００の時間帯に属する全特徴値を利用して確率分布を計算することも可能である。または、１１：００～１２：００の時間帯に属する全特徴値からサンプリングにより特徴値を選択し、選択した特徴値を用いて１１：００～１２：００の時間帯の確率分布を計算することも可能である。
１１：００～１２：００の時間帯以外の時間帯についても同様にして、確率分布を計算する。
ここでは単位時間帯を１時間としたが、これに限定されず、１０分でも、３０分でも、２時間でもよい。また、単位時間帯が、計測データの取得間隔時間に一致してもよい。この場合、計測データの時刻ごとに（例えば１分間隔の時刻ごとに）、確率分布（特徴分布）を計算することになる。
以上のように正例及び負例のグループごとに、単位時間帯ごとの特徴分布を生成する処理までをトレーニングフェーズと呼ぶ。以降の処理では、トレーニングで生成された特徴分布を用いて、異常要因の発生有無がまだわからない日の計測データを用いて、異常要因の発生有無を診断する。このフェーズをテストフェーズと呼ぶ。以下、テストフェーズについて説明する。
スコア算出部１１４は、特徴分布生成部１１３で生成された単位時間帯毎の正例・負例の特徴分布を用いて、テスト対象になる各日の計測データに対して、スコアリングを行う。テスト対象になる各日の計測データは、特徴分布の生成に利用した計測データと異なるデータであり、異常要因発生ＤＢでラベルが設定されていない日の計測データである。以下、スコアリングの詳細を説明する。
スコア算出部１１４は、評価時間帯における単位時間帯ごとに、正例・負例の特徴分布の組が、分布の分離条件を満たすか調べる。分離条件は第１要件と第２要件を含む。スコア算出部１１４は、当該組が両方の要件を満たす単位時間帯をスコア算定時間帯として選択する。図７及び図８を用いて、スコア算出部１１４の動作を説明する。
図７及び図８は、スコア算出部１１４の動作の具体例を説明するための図である。評価時間帯に属する各単位時間帯をそれぞれ対象として、第１及び第２要件を満たすかを調べる。
第１要件は、対象となる単位時間帯について、正例の特徴分布及び負例の特徴分布の両方が生成されていることである。少なくともいずれか一方の特徴分布が生成されていない場合、当該単位時間帯は、第１要件を満たさない。
図７の上側の例は、９：００～１０：００の単位時間帯の負例の特徴分布ｆ”０９（ｘ）を示す。当該単位時間帯を含む正例の特徴時系列データが存在しなかったため、正例の特徴分布は生成されていない。よって、この単位時間帯は第１要件を満たさない。
第２要件は、対象となる単位時間帯について、正例の特徴分布と負例の特徴分布とが分離していることである。これらの特徴分布が近接している場合、第２要件を満たさない。正例の特徴分布と負例の特徴分布とが分離しているかの判断は、以下のようにして行う。
正例の特徴分布の上側のｎ％点（例えば０．１）を正例上位ｎ％点とし、負例の特徴分布の下側のｎ％点を負例下位ｎ％点とする。正例上位ｎ％点と負例下位ｎ％点の区間に、正例の特徴分布のピーク（山）、及び負例の特徴分布のピーク（山）がいずれも属さなければ、第２要件は満たされる。少なくとも一方の特徴分布のピークがこの区間に属していれば、第２要件は満たされない。ここでは％点の値は、正例の特徴分布と負例の特徴分布とでともにｎであったが、％点の値が互いに異なってもよい。
図７の下側の例は、１０：００～１１：００の単位時間帯の正例の特徴分布ｆ１０（ｘ）と、負例の特徴分布ｆ”１０（ｘ）を示す。正例の特徴分布ｆ１０（ｘ）の正例上位ｎ％点と、負例の特徴分布ｆ”１０（ｘ）の負例下位ｎ％点との区間ＳＣ１が示される。区間ＳＣ１には負例の特徴分布のｆ”１０（ｘ）のピークＰ１が属している。よって、この単位時間帯は第２要件を満たさない。
図８の上側の例は、１１：００～１２：００の単位時間帯の正例の特徴分布ｆ１１（ｘ）と、負例の特徴分布ｆ”１１（ｘ）を示す。正例の特徴分布ｆ１１（ｘ）の正例上位ｎ％点と、負例の特徴分布ｆ”１１（ｘ）の負例下位ｎ％点との区間ＳＣ２が示される。区間ＳＣ２には、正側の特徴分布及び負例の特徴分布のいずれのピークも属していない。よって、この単位時間帯は第２要件を満たしている。また、２つの特徴分布が生成されているため、第１要件も満たされている。よって、この単位時間帯をスコア算定時間帯として選択する。
図８の下側の例は、１２：００～１３：００の単位時間帯の正例の特徴分布ｆ１２（ｘ）と、負例の特徴分布ｆ”１２（ｘ）を示す。正例の特徴分布ｆ１２（ｘ）の正例上位ｎ％点と、負例の特徴分布ｆ”１２（ｘ）の負例下位ｎ％点との区間ＳＣ３が示される。区間ＳＣ３には、正側の特徴分布及び負例の特徴分布のいずれのピークも属していない。よって、この単位時間帯は第２要件を満たしている。また、２つの特徴分布が生成されているため、第１要件も満たされている。よって、この単位時間帯をスコア算定時間帯として選択する。
１３：００以降の各単位時間帯についても同様にして、第１要件および第２要件を満たすかを判断する。両方の要件を満たす（すなわち分離条件を満たす）単位時間帯を、スコア算定時間帯として選択する。
図７及び図８の例では、正例の特徴分布の方が、負例の特徴分布よりも特徴値が低い側（紙面に沿って左側）に位置するが、特徴値の定義によっては逆になる場合もある。その場合は、正例の特徴分布の下側のｎ％点（例えば０．１）を正例下位ｎ％点とし、負例の特徴分布の上側のｎ％点を負例上位ｎ％点とする。そして、正例下位ｎ％点と負例上位ｎ％点の区間に、正例の特徴分布のピーク（山）、及び負例の特徴分布のピーク（山）がいずれも属さない場合に、第２要件が満たされると判断すればよい。
スコア算出部１１４は、評価時間帯に属する複数の単位時間帯から選択されたスコア算定時間帯について、特徴値に応じたスコアを計算する。以下、スコアの計算方法を説明する。
図９は、あるスコア算定時間帯のスコアの計算例を説明するための図である。図には、算出対象時間帯の正例の特徴分布ｆＨｒ（ｘ）が模式的に示される。ｘは特徴値を表す入力変数である。Ｈｒは算出対象時間帯を示す値である。例えば１１：００～１２：００の時間帯の特徴分布はｆ１１（ｘ）と表される。算出対象時間帯におけるテスト対象の計測データの特徴値ｘｔｓｔを、算出対象時間帯の正例の特徴分布の最大値（ｍａｘ（ｆＨｒ（ｘ））で除算する。これにより、スコア算定時間帯のスコアｓｃｒを得る。時間帯Ｈｒにおけるスコアｓｃｒの計算式を以下に示す。この例では、各算出対象時間帯で、特徴値が大きいほど、スコアが大きくなるが、特徴値の定義に応じて、特徴値とスコアの関係は変わってよい。
ｓｃｒＨｒ＝ｘｔｓｔ／ｍａｘ（ｆＨｒ（ｘ）） ・・・（２）
ここで、スコア計算条件を導入し、スコア算出部１１４は、スコア計算条件を満たす場合には、式（２）でスコアを計算し、満たさない場合は、スコアを一律にゼロとしてもよい。
具体的には、まず、テスト対象の計測データの特徴値が、スコア算定時間帯の負例の特徴分布の何％点に相当するかを計算する。計算した％点と、負例の特徴分布の上側及び下側のうち正例の特徴分布の側の基準点（ｎ％点）とを比較する。計算した点が、基準点よりも正例の特徴分布の側に位置していれば、スコア計算条件が満たされる。この場合、式（２）によりスコアを計算する。一方、計算した点が、基準点よりも負例の特徴分布の側に位置していれば、スコア計算条件が満たされない。この場合、スコアをゼロとする。
図１０は、スコア計算条件の具体例を説明するための図である。ある算出対象時間帯におけるテスト対象の計測データの特徴値がｘｔｓｔ＿１の場合とｘｔｓｔ＿２の場合を考える。ｘｔｓｔ＿１は負例の特徴分布の下位ｎ％点（基準点）に対して、負例の特徴分布の側に位置している。すなわち、ｘｔｓｔ＿１は、基準点よりも大きい。このため、スコア計算条件は満たされない。よって、この算出対象時間帯のスコアをゼロとする。一方、ｘｔｓｔ＿２は負例の特徴分布の下位ｎ％点（基準点）に対して、正例の特徴分布の側に位置している。すなわちｘｔｓｔ＿２は、基準点よりも小さい。このため、スコア計算条件が満たされる。算出対象時間帯のスコアを、式（２）により計算する。
スコア計算条件を導入することなく、すべての算出対象時間帯について式（２）でスコアを計算することも可能である。
スコア算出部１１４は、各スコア算定時間帯のスコアを計算したら、スコア算定時間帯毎のスコアを含む異常要因ベクトルＶ（以下、ベクトルＶ）を生成する。ベクトルＶの定義式を以下に示す。スコア算出部１１４は、テスト対象となる各日についてベクトルＶを生成する。
Ｖ＝（ｓｃｒＴ１，ｓｃｒＴ２，…，ｓｃｒＴｉ） ・・・（３）
ｓｃｒＴ１はスコア算定時間帯Ｔ１のスコア、ｓｃｒＴ２はスコア算定時間帯Ｔ２のスコア，ｓｃｒＴｉはスコア算定時間帯Ｔｉのスコアである。例えば、スコア算定時間帯を時間の早い順にＴ１，Ｔ２，．．．，Ｔｉと表す。例えば、Ｔ１は１１：００～１２：００の時間帯、Ｔ２は１２：００～１３：００の時間帯である。
評価値算出部１１５は、スコア算出部１１４で生成された各日のベクトルＶを用いて、異常要因の発生可能性の評価値Ｅを各日について算出する。評価値Ｅは、例えばベクトルＶに含まれるスコアの平均値である。この場合のスコアの定義式を以下に示す。
Figure 0007101265000001
Ｔａｖａｉｌは、算出対象時間帯の集合を表す。Ｎ（Ｔａｖａｉｌ）は、Ｔａｖａｉｌに含まれる要素数を表す。ＴｉはＴａｖａｉｌに含まれるｉ番目の要素を表す。式（４）の分子は、集合Ｔａｖａｉｌに含まれる要素（算出対象時間帯）のスコアの合計を表す。
この例では、評価値Ｅは０以上１以下の範囲をとる。評価値Ｅが１に近いほど、異常要因の発生の可能性が高い。平均以外に、中央値、最大値、又は最小値を評価値Ｅとしてもよい。また、ベクトルに含まれる要素を重み付け平均した値を評価値Ｅとしてもよい。
評価値算出部１１５は、評価値Ｅと、ＰＣＳ＿ＩＤ（ＰＣＳの識別子）と、日付とを１セットとした結果データを評価ＤＢ１１７に格納する。
出力部１１８は、評価値算出部１１５に格納されている結果データに基づき、表示用の出力情報を生成し、表示装置１３１に出力する。表示装置１３１は、出力部１１８から入力された出力情報を画面に表示する。一例として、出力部１１８は、評価値算出部１１５に格納されている結果データを評価値の降順にソートし、ソート後の結果データを含む評価表を、表示装置１３１に出力する。
また、出力部１１８は、各結果データの評価値を、予め設定した閾値と比較し、比較結果に応じた判定ラベルを結果データに設定してもよい。具体的には、評価値が閾値以上の場合は、異常要因が発生している可能性が高いとして、“異常あり”又は “要確認”の判定ラベルを結果データに設定する。また、評価値が閾値未満の場合は、異常要因が発生している可能性が低いとして、“異常なし”又は “良好”の判定ラベルを結果データに設定する。閾値は、異常要因の種類ごとに異なってもよい。出力部１１８は、設定した判定ラベルを、結果データに関連づけた評価表を、表示装置１３１に出力してもよい。
図１１及び図１２に、表示装置１３１の画面の表示例を示す。図１１では、異常要因が棒状影の場合の評価表の例、図１２は異常要因がアレイ汚損の場合の評価表の例を示す。これまで述べてきた処理を異常要因ごとに実行することで、異常要因ごとの評価表を得ることができる。評価表には、各結果データに設定された判定ラベル（“要確認”もしくは“良好”）が関連づけられている。
例えば、図１１において、１～９番目の結果データでは、評価値が閾値（ここでは０．７）以上のため、“要確認”の判定ラベルが設定されている。１０番目以降の結果データは、評価値が閾値未満のため、“良好”の判定ラベルが設定されている。
図１２の例では、１～５番目の結果データでは、評価値が閾値（ここでは０．６）以上のため、“要確認”の判定ラベルが設定されている。６番目以降の結果データは、評価値が閾値未満のため、“良好”の判定ラベルが設定されている。
ユーザは、例えば図１１の表を、棒状影の発生の有無を判断する知見として役立てることができる。例えば、ユーザは図１１の表からＰＣＳ＿０１は棒状影が発生している可能性が高いと判断し、現地に作業員を派遣する際に、棒状影を取り除くために必要な準備を事前に行うことができる。図１２の表についても同様にして、アレイ汚損の発生の有無を判断する知見として役立てることができる。
本実施形態において、ユーザがトレーニングフェーズの条件（トレーニング条件）及びテストフェーズの条件（テスト条件）を指定し、ユーザにより指定された条件に従って、トレーニングフェーズ及びテストフェーズの処理を行ってもよい。
図１３は、ユーザが条件の指定を行うユーザインタフェース画面の例を示す。本装置はこの画面を表示装置１３１に表示し、ユーザが入力装置１２１から条件を入力する。
トレーニング条件の例として、日射量の閾値（図の例では０．７）を指定してもよい。この場合、日射量が閾値以上の日（閾値がある程度高ければ晴れた日に相当する）の計測データをトレーニングデータとして用いる。また、トレーニングデータとして用いる計測データの期間をトレーニング対象期間として指定してもよい（図の例では２０１８年７月１日～２０１８年８月３１日）。また、トレーニングデータとして用いる南中高度の範囲を指定してもよい（図の例では４４～５４度）。この場合、時刻と南中高度との対応データを予めＤＢに格納しておく。対応データを外部のサーバから受信することにより取得してもよい。トレーニング条件としてここで述べた以外の項目があってもよい。例えば発電量（電力値）の範囲を指定し、指定された発電量の範囲に属する計測データのみをトレーニングデータとして用いてもよい。
また、テスト条件の例として、テスト対象とする計測データの対象期間（テスト対象期間）を指定してもよい（図の例では２０１９年７月１日～２０１９年７月３１日）。テスト対象期間は、年次横断の形式で指定してもよい。例えば、“７月１日～８月３１日の期間を毎年”などと指定してもよい。
トレーニング条件及びテスト条件に共通する条件として、前述した単位時間間隔（図の例では６０分）、及び評価時間帯（図の例では１０：００～１６：００）を指定してもよい。
図１４は、本実施形態に係る計測データ取得部１１０、特定部１１２及び特徴分布生成部１１３の動作の一例のフローチャートである。本フローチャートは、主としてトレーニングフェーズに係る処理を示す。
一例として、本処理を開始する前に、計測データ取得部１１０が各ＰＣＳから計測データを取得して、計測ＤＢ１１１に格納する。また異常要因発生ＤＢ１１６に各ＰＣＳについて時刻毎に異常要因発生有無を表すラベルを異常要因別に格納しておく。ユーザが本処理の開始の指示データを入力し、入力された指示データに従って、本処理が開始される。
ステップＳ１０１において、本装置は、表示装置１３１にユーザインタフェース画面を表示して、ユーザにトレーニングフェーズの条件（トレーニング条件）及びテストフェーズの条件（テスト条件）を設定させてもよい。本ステップを省略してもよい。その場合、事前に定められたトレーニング条件及びテスト条件に従って、以降の処理を行う。
特定部１１２及び特徴分布生成部１１３は、以降の処理を、各ＰＣＳについて、異常要因ごとに行う。
ステップＳ１０２において、特定部１１２は、計測ＤＢ１１１から評価時間帯の計測データを読み出し、読み出した計測データに、異常要因発生ＤＢ１１６を用いて、異常要因の発生有無のラベルを設定する。すべての計測データにラベルを設定したら、ラベルの値に応じて、計測データを正例グループ及び負例グループに分類する。異常ありのラベルが設定された計測データは正例グループ、異常なしのラベルが設定された計測データは負例グループに分類される。
ステップＳ１０３において、特徴分布生成部１１３は、正例グループについて、計測データの特徴値を計算し、日ごとに特徴値を時系列に配置した時系列データ（特徴時系列データ）を生成する。負例グループについても同様にして、日ごとに特徴時系列データを生成する。
ステップＳ１０４において、特徴分布生成部１１３は、正例グループにおける複数の日の特徴時系列データに基づき、評価時間帯における単位時間帯ごとに、特徴値の確率分布（正例の特徴分布）を生成する。負例グループについても同様にして、評価時間帯における単位時間帯ごとに、特徴値の確率分布（負例の特徴分布）を生成する。特徴分布生成部１１３は、生成した正例及び負例の特徴分布をスコア算出部１１４に送る。特徴分布生成部１１３は、スコア算出部１１４により読出可能な記憶装置に、生成した正例及び負例の特徴分布を格納してもよい。スコア算出部１１４は、記憶装置から正例及び負例の特徴分布を読み出してもよい。以上の処理により、各ＰＣＳについて、評価時間帯における単位時間帯ごとの正例の特徴分布及び負例の特徴分布が、異常要因ごとに生成される。
図１５は、本実施形態に係るスコア算出部１１４、評価値算出部１１５及び出力部１１８の動作の一例のフローチャートである。本フローチャートは、主としてテストフェーズに係る処理を示す。図１５の処理は、図１４の処理と連続して行ってもよいし、図１４の処理とは独立したタイミングで行ってもよい。図１４の処理を行うタイミングと、図１５の処理を行うタイミングをユーザが個別に制御してもよい。以降の処理を、各ＰＣＳについて、異常要因の種類ごとに行う。
ステップＳ２０１において、スコア算出部１１４は、評価時間帯に含まれる各単位時間帯について、正例の特徴分布及び負例の特徴分布を用いて、予め定めた分離条件が満たされてかを判断する。正例の特徴分布及び負例の特徴分布として、該当するＰＣＳ及び該当する異常要因の種類に応じたものを用いる。分離条件の詳細については前述した通りである。
ステップＳ２０２において、分離条件が満たされる場合は、正例の特徴分布及び負例の特徴分布が十分に分離していると判断し、当該単位時間帯をスコア算定時間帯として選択する。ステップＳ２０３において、分離条件が満たされない場合は、正例の特徴分布及び負例の特徴分布の重なりが大きいと判断し、当該単位時間帯をスコア算定時間帯として選択しない。
ステップＳ２０４において、スコア算出部１１４は、ステップＳ２０２で選択された各スコア算定時間帯について、該当するＰＣＳのテスト対象の計測データに基づき、スコア計算条件が満たされるかを判断する。スコア計算条件の詳細は前述した通りである。
ステップＳ２０５において、スコア計算条件が満たされる場合は、スコア算出部１１４は、スコア算定時間帯におけるテスト対象の計測データ（例えばスコア算定時間帯の開始時刻の計測データ）の特徴値を計算する。そして、計算した特徴値を、当該スコア算定時間帯の正例の特徴分布の最大値で除算する。除算により得られた値（除算値）を、スコアとする。
ステップＳ２０６において、スコア計算条件が満たされない場合は、スコア算出部１１４は、計測データが負例の特徴分布に近接していると判断し、当該スコア算定時間帯のスコアをゼロにする。
上述した例では、スコアの計算をするために、スコア算定時間帯の開始時刻の計測データを用いたが、スコア算定時間帯に属する複数の計測データから１つの計測データを選択し、選択した計測データを用いてもよい。また、上述した例では、スコアの計算をするために１つの計測データを用いたが、テスト対象としてスコア算定時間帯に属する複数の計測データを用いてもよい。この場合、例えば、計測データごとにステップＳ２０５、Ｓ２０６を行う。そして、これらの計測データについて得られた値（除算値又はゼロ）の平均又は中央値、最大値などを算出し、算出した値をスコアとすればよい。ここで述べた以外の方法でスコアを計算してもよい。
ステップＳ２０７において、スコア算出部１１４は、テスト対象の各日について、各スコア算定時間帯のスコアを含むベクトルＶを生成する。
ステップＳ２０８において、評価値算出部１１５は、ベクトルＶに基づき、異常要因の発生の可能性の評価値Ｅを算出する。例えばベクトルＶに含まれる要素の平均を計算することにより評価値Ｅを算出する。平均以外に、中央値、最大値、又は最小値を評価値Ｅとしてもよい。また、ベクトルに含まれる要素を重み付け平均した値を評価値Ｅとしてもよい。
ステップＳ２０９にいて、評価値算出部１１５は、ＰＣＳのＩＤ、日付及び異常要因発生の可能性の評価値を含む結果データを生成し、結果データを評価ＤＢ１１７に格納する。評価ＤＢ１１７には、各ＰＣＳに関する結果データを、異常要因の種類ごとに表形式で格納される。
ステップＳ２１０において、出力部１１８は、評価ＤＢ１１７内の結果データを評価値の降順にソートして、表示用の出力情報を生成する。出力情報は、例えば異常要因の種類ごとに生成する。出力部１１８は、生成した出力情報を表示装置１３１に出力する。表示装置１３１は、出力情報を表示する。出力部１１８は、結果データの評価値が閾値以上かに応じかに応じて、結果データに判定ラベルを設定してもよい。そして、判定ラベルを結果データに関連づけた出力情報を生成してもよい。この出力情報を表示することで、ユーザは各ＰＣＳに異常要因が発生しているかの判断の目安として判定ラベルを利用できる。
以上、本実施形態によれば、太陽光発電システムの異常要因を特定することが可能となる。
（第２の実施形態）
第１の実施形態では、実際の計測データ（実測データ）及び実際に測定した異常の発生有無のデータ（異常要因発生ＤＢ１１６）を用いて、正例及び負例の特徴分布を学習した。しかしながら、実際の太陽光発電システムでは、異常の発生頻度が低く、この場合、正例の特徴時系列データが得られない可能性もある。
第２の実施形態では、太陽光発電のシミュレーションツールを用いて、正例及び負例の特徴分布を生成する。シミュレーションツールの例として、ＰＶＳｙｓｔが知られている。シミュレーションツールでは、パネルの設置条件、太陽光の日射条件、地形及び太陽の日出・日入りまでの入射角などを変数としつつ、発電量をシミュレーションできる。また、天候やスモッグなどの大気の遮光要素も考慮して、発電量をシミュレーションできる。また、その他の遮光要素として、遮光割合が０～１００％の間に設定された平面上の遮光物や、棒状の物体などをシミュレーション空間に設置し、その影響をシミュレーションしたりすることもできる。
障害物がなく、パネルが設置された地形も平坦で、天候も快晴であれば、高精度に発力量を見積ることができる。一方で雲や雨などの大気や空の条件による日射量低下や、平坦なではない場所にパネルが設置された場合、配線による送電ロスなどの影響などを含め、シミュレーションの発電量が実績値とのずれが大きくなる場合もある。その誤差は、異常要因の発生で発電量が低下する比率よりも大きい比率に相当する場合もある。そのため、シミュレーションデータと実績値とのずれが小さくなるように、キャリブレーションすることが望ましい。
図１６に、第２の実施形態に係る異常要因診断装置のブロック図を示す。図２のブロック図と同一又は対応する要素には同一の符号を付して、変更又は拡張された処理を除き、説明を省略する。図１６の異常要因診断装置１０１は、図２の要素に加えて、シミュレーションＤＢ１４１、補正関数生成部１４２、補正部１４３、統合部１４４、及び統合ＤＢ１４５を備える。補正関数生成部１４２及び補正部１４３の組は補正処理部１４６に対応する。
シミュレーションＤＢ１４１には、予め各ＰＣＳの発電量のシミュレーションを行うことにより生成されたシミュレーションデータが格納されている。一例として、シミュレーションＤＢ１４１は、各ＰＣＳの各日付の１日のシミュレーションデータを格納している。シミュレーションを実行するシミュレーション実行部を図１６の異常要因診断装置に追加してもよい。
具体的には、シミュレーションＤＢ１４１には計測データと同一日付及び同一時刻における計測値の見積もりデータがシミュレーションデータ（以下、第１シミュレーションデータと呼ぶ）として格納されている。ここでは、一例として少なくとも異常要因の発生がない計測データ（負例のデータ）と同一日付及び同一時刻に対する第１シミュレーションデータが格納されている。ただし、異常要因の発生がある計測データ（正例のデータ）と同一日付及び同一時刻に対する第１シミュレーションデータが格納されていてもよい。また計測ＤＢ１１１には、日時・時間帯・障害要因など様々変えて発電量をシミュレーションした場合の、正例及び負例のその他のシミュレーションデータ（以下、第２シミュレーションデータと呼ぶ）が格納されている。第２シミュレーションデータには時刻の項目がなくてもよいし、任意の時刻が設定されていてもよい。任意の時刻は、計測データの時刻より将来の時刻でも、過去の時刻でもよいし、仮想上の時刻（第２シミュレーションデータを区別できる時刻であればよい）でもよい。以下では、第２シミュレーションデータには、任意の時刻が設定されている場合を想定する。シミュレーションで異常要因が発生している時刻は、本実施形態に係る第３時刻に対応する。正例の第２シミュレーションデータは、一例として正例の計測データが存在しない又は少ない場合に、正例の特徴分布を生成する際に活用されることができる。第１シミュレーションデータも、同一時刻の計測データとの対応づけがなされていれば、時刻の項目がなくてもよい。以下の説明では、第１シミュレーションデータには、対応する計測データと同一の時刻が設定されている場合を想定する。第１及び第２シミュレーションデータの項目は、第１の実施形態の図３の計測データと同じでもよいし、一部の項目（電圧、電流など）を省いてもよいし、追加の項目があってもよい。以下の説明では異常要因が１種類の場合（例えば棒状影又はアレイ汚損など）を想定して説明を行うが、２種類以上の場合は、第１の実施形態と同様に、異常要因の種類ごとに独立して処理を行えばよい。
異常要因発生ＤＢ１１６は、少なくとも第２シミュレーションデータが生成された各日又は各時刻について、異常要因の有無を表すフラグが、ＰＣＳ＿ＩＤと、日付又は時刻と関連づけて、格納されている。各日又は各時刻の異常要因の有無は、シミュレーション時に決められている。ここでは日単位又は時刻単位でフラグを設定しているが、評価時間帯又は単位時間帯の単位でフラグを設定してもよい。
図１７に、異常要因発生ＤＢ１１６の例を示す。第２シミュレーションデータの時刻（任意の時刻）に対して、異常要因の有無を表すフラグが格納されている。任意の時刻はＳＴＰ００００１、ＳＴＰ００００２などにより表されている。第２シミュレーションデータと対応づけがなされていれば、時刻の項目がなくてもよい。異常要因発生ＤＢ１１６には、第１の実施形態と同様に、実測データに対する異常要因発生データ（図４参照）も格納されている。
補正関数生成部１４２は、負例（異常なし）の実測データと、負例（異常なし）の第１シミュレーションデータとに基づき、シミュレーションデータの値を補正するための補正関数を、各ＰＣＳについて生成する。以下、補正関数の生成について詳細に説明する。
補正関数生成部１４２は、同一時刻の負例の実測データ（計測データ）と、負例の第１シミュレーションデータとを対応付け、同一時刻のこれらのデータの組を生成する。
図１８に、実測データと、第１シミュレーションデータとを対応づける例を示す。図１８の左上は、横軸が時刻、縦軸が電力値の座標系に計測データをプロットした例を模式的に示す図である。図１８の右上は、横軸が時刻、縦軸が電力値の座標系に第１シミュレーションデータをプロットした例を模式的に示す図である。図１８の左上の計測データ及び図１８の右上の第１シミュレーションデータに基づき、同一時刻の実測データと第１シミュレーションデータを対応づけ、これらのデータの組を、横軸をシミュレーションの電力値、縦軸を実測の電力値とする座標系にプロットする。図１８の下は、これらの組をプロットした例を模式的に示す図である。
なお、計測の時間間隔及びシミュレーションの時間間隔が一致している場合は、当該同じ時間間隔毎で実測データ及び第１シミュレーションデータを対応づければよい。両者で時間間隔が異なる場合、例えば実測が１分間隔、シミュレーションが６０分間隔の場合は、以下のようにする。すなわち、実測データの６０分間の代表値（例えば平均値）を６０分毎に算出して、算出した値と第１シミュレーションデータの値との組を同一時刻のデータとして対応づける。
補正関数生成部１４２は、対応づけられた計測データの値と第１シミュレーションデータの値との差分を最小化するように、シミュレーションデータの値（例えば電力値）を補正するための補正関数を生成する。例えば、シミュレーションデータの値を入力変数、補正後の値（補正値）を出力変数とする関数として、例えばｙ＝ｆ（ｘ）＋εを設定する。ｘは入力変数、ｙは出力変数である。負例の計測データの値を出力変数の教師データとして用いて、最小自乗法などの最適化手法により、ｘとｙの差分を最小するように、ｆ（ｘ）のパラメータ及びεを推定する。ｆ（ｘ）は一次関数でも、二次関数でも、それ以外の型の関数でもよい。補正関数生成部１４２は、生成した補正関数を補正部１４３に送る。補正関数生成部１４２は、生成した補正関数を補正部１４３からアクセス可能な記憶装置に格納してもよい。この場合、補正部１４３は、記憶装置から補正関数を読み出してもよい。
ｆ（ｘ）の入力変数として、例えば直流電圧、直流電流、気温など、電力値と異なる値を用い、出力変数を、補正後の電力値としてもよい。入力変数に電力値がなくとも、電力値に依存する値を入力変数とすれば、補正後の電力値を求めることができる。また、電流、電圧又は気温等の項目を補正する関数を生成し、これらの項目を補正の対象としてもよい。
補正部１４３は、補正関数を用いて、正例及び負例の第２シミュレーションデータの値（例えば電力値）を補正する。すなわち、正例及び負例の第２シミュレーションデータの値を入力変数ｘとして補正関数を計算し、出力変数ｙを求める。ｙの値が、第２シミュレーションデータの補正値である。補正は、ＰＣＳごとに、それぞれの補正関数を用いて行う。補正部１４３は、正例及び負例の第２シミュレーションデータの補正値をＤＢに格納してもよい。
本補正処理を行うことで、実際には故障事例が多くないＰＶプラントでも、発電電力の多くの事例を生成できる。すなわち、故障事例が多くないＰＶプラントに対しても、正例（異常あり）の特徴分布を生成できる。
統合部１４４は、計測ＤＢ１１１の計測データと、補正後の第２シミュレーションデータとを統合し、統合ＤＢ１４５に格納する。統合ＤＢ１４５のデータを表示装置１３１に表示して、ユーザに第２シミュレーションデータの補正の結果を確認させてもよい。例えば、計測ＤＢ１１１の計測データ群の末尾に、補正後の第２シミュレーションデータを追加し、追加後のデータ群を統合ＤＢ１４５に格納する。なお、電流又は電圧等の項目など、以降の処理で用いない項目がある場合は、該項目を削除してもよい。
図１９に、統合ＤＢ１４５の一例を示す。統合ＤＢ１４５には計測データ（実測データ）と補正後の第２シミュレーションデータとが格納されている。補正前の第２シミュレーションデータの値がさらに格納されていてもよい。この例ではシミュレーションデータの項目として電圧及び電流の値が格納されていないが、電圧及び電流の補正値を格納してもよい。
変形例として、補正部１４３が第２シミュレーションデータのみならず、第１シミュレーションデータの補正も行い、補正後の第１シミュレーションデータも統合部１４４に追加してもよい。そして、ユーザに第１シミュレーションデータの補正の結果も確認させてもよい。
また、別の変形例として、負例の計測データが十分に存在する場合には、シミュレーションにおいて正例の第２シミュレーションデータのみを生成してもよい。
特定部１１２、特徴分布生成部１１３、スコア算出部１１４及び評価値算出部１１５は、第１の実施形態の計測ＤＢ１１１の代わりに、統合ＤＢ１４５を用いて、第１の実施形態と同様の処理を行えばよい。この際、正例の特徴分布を生成するために、一例として、正例の第２シミュレーションデータを用いることができ、正例の計測データが存在する場合は、正例の計測データも用いることができる。負例の特徴分布を生成するために、一例として、負例の計測データと負例の第２シミュレーションデータの少なくとも一方を用いることができる。
ユーザがシミュレーションの条件を指定し、ユーザが指定した条件に従って、シミュレーションに用いるシミュレーションデータの選択を行ってもよい。
図２０は、ユーザがシミュレーションデータの選択条件を指定するユーザインタフェース画面の例を示す。本装置はこの画面を表示装置１３１に表示し、ユーザが入力装置１２１から条件を入力する。図の例ではシミュレーション対象期間として２０１８年７月１日～２０１８年８月３１日までを指定し、シミュレーション対象南中高度として４４～５４度を指定している。シミュレーション対象期間は、一例として計測データと同一の日付と、計測データに存在しない日付とを含む。単位時間間隔として６０分、評価時間帯として１０：００～１６：００を指定している。単位時間間隔及び評価時間帯は、特徴分布生成部１１３以降の処理に適用されてもよい。また、シミュレーションデータの利用有無も指定できる。図２０に示した以外の項目の条件を指定できるようにしてもよい。
補正関数生成部１４２は、図２０のユーザインタフェース画面でユーザが指定した条件を満たすシミュレーションデータを、シミュレーションＤＢ１４１から選択するように動作する。ユーザがシミュレーションデータの利用を指定した場合は、前述した実施形態に従って、補正処理部の処理を行う。一方、ユーザがシミュレーションデータの利用を指定しない場合は、補正処理部の処理を行わない。すなわち、シミュレーションデータを利用せず、この場合、第１の実施形態の動作が行われる。実測データに対して異常要因の発生有無の情報が十分に得られている場合は、シミュレーションデータを利用しないことで、ＰＶパネルの実際の設置環境を反映した分析結果を得ることができる。正例の実測データが蓄積されるのに時間を要する場合には、ある程度の個数の正例の実測データが蓄積されるまではシミュレーションデータを使い、当該個数の正例の実測データが蓄積されたら、実測データのデータベースに切り替えるようにしてもよい。これにより、正例の実測データが蓄積されるまではシミュレーションを用いて暫定的に分析結果を高速に得るとともに、正例の実測データが蓄積された後は、実測データのデータベースに切り替えることで、実際の設置環境に忠実な分析結果を得ることができる。
変形例として、補正関数の作成有無をユーザが指定してもよい。ユーザが補正関数の作成有を指示した場合、補正関数生成部１４２が補正関数を生成する。ユーザが補正関数の作成無を指示した場合、補正関数生成部１４２が補正関数を生成しない。この場合、補正部１４３は、以前に（例えば前回）作成された補正関数を用いてシミュレーションデータの補正を行う。補正関数を毎回生成しないことで、効率的な処理が可能となる。
図２０のユーザインタフェース画面と、第１の実施形態における条件の指定を行うユーザインタフェース画面（図１３参照）とを１つにまとめてもよい。
図２１は、これらのユーザインタフェース画面を１つにまとめた例を示す。ユーザは、この統合されたユーザインタフェース画面で条件の入力を行ってもよい。あるいは、本装置が図１３と図１６の画面を別々に提示して、別々に条件の入力をユーザに行わせてもよい。単位時間間隔及び評価時間帯など両画面で共通する項目については、一方のユーザインタフェース画面への入力結果が、他方のユーザインタフェース画面に自動的に反映されるようにしてもよい。
図２２は、補正関数生成部１４２、補正部１４３及び統合部１４４に係る処理のフローチャートである。
ステップＳ３０１において、補正関数生成部１４２が、同一時刻で、負例の計測データと、負例のシミュレーションデータ（第１シミュレーションデータ）とを対応づけ、同一時刻のデータ組を生成する。
ステップＳ３０２において、補正関数生成部１４２が、ステップＳ３０１で生成されたデータ組に基づき、シミュレーションデータの値を入力変数し、補正値を出力変数とする補正関数のパラメータを推定する。補正関数のパラメータは、例えば、計測データの値を教師データとして用い、計測データの値とシミュレーションデータの値の差分を最小化するように求める。
ステップＳ３０３において、補正部１４３は、ステップＳ３０２で生成された補正関数を用いて、正例及び負例のシミュレーションデータ（第２シミュレーションデータ）を補正する。
ステップＳ３０４において、統合部１４４は、補正後の第２シミュレーションデータを、計測ＤＢ１１１内の計測データとともに、統合ＤＢに格納する。以降の処理は、第１の実施形態と同様である。
図２３は、図２２のフローチャートにステップＳ３０５を追加した処理のフローチャートである。ステップＳ３０５がステップＳ３０１とステップＳ３０２の間に追加されている。ステップＳ３０５において、補正関数生成部１４２は、ステップＳ３０１で生成されたデータ組のうち、計測データの日射量が所定値（例えば０．７）以上のデータ組を選択する。ステップＳ３０２では、ステップＳ３０５で選択されたデータ組を用いて、補正関数を生成（補正関数のパラメータを推定）する。ここでは日射量の条件でデータ組を選択したが、計測時刻の範囲（例えば１０時以降１６時まで）を指定し、その範囲に属する計測データを含むデータ組を選択してもよい。指定する計測時刻の範囲は評価時間帯でもよい。
図２４は、本発明の実施形態に係る異常要因診断装置のハードウェア構成例を示す。図２４のハードウェア構成はコンピュータ１５０として構成される。コンピュータ１５０は、ＣＰＵ１５１、入力インタフェース１５２、表示装置１５３、通信装置１５４、主記憶装置１５５、外部記憶装置１５６を備え、これらはバス１５７により相互に通信可能に接続される。
入力インタフェース１５２は、入力装置１２１に対応する。表示装置１５３は表示装置１３１に対応する。通信装置１５４は、無線または有線の通信手段を含み、ＰＣＳと有線または無線の通信を行う。通信装置１５４を介して、計測データを取得してもよい。入力インタフェース１５２及び通信装置１５４は、それぞれ別個の集積回路等の回路で構成されていてもよいし、単一の集積回路等の回路で構成されてもよい。
外部記憶装置１５６は、例えば、ＨＤＤ、ＳＳＤ、メモリ装置、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＤＶＤ－ＲＡＭ、ＤＶＤ－Ｒ等の記憶媒体等を含む。外部記憶装置１５６は、異常要因診断装置の各処理部の機能を、プロセッサであるＣＰＵ１５１に実行させるためのプログラムを記憶している。また、異常要因診断装置が備える各種ＤＢも、外部記憶装置１５６に含まれる。ここでは、外部記憶装置１５６を１つのみ示しているが、複数存在しても構わない。
主記憶装置１５５は、ＣＰＵ１５１による制御の下で、外部記憶装置１５６に記憶された制御プログラムを展開し、当該プログラムの実行時に必要なデータ、当該プログラムの実行により生じたデータ等を記憶する。主記憶装置１５５は、例えば揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）または不揮発性メモリ（ＮＡＮＤフラッシュメモリ、ＭＲＡＭ等）など、任意のメモリまたは記憶部を含む。主記憶装置１５５に展開された制御プログラムがＣＰＵ１５１により実行されることで、異常要因診断装置の各処理部の機能が実行される。
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。
１１：発電装置
１２：ＰＣＳ（パワーコンディショナシステム）
ＳＴ０１、ＳＴ０２：ストリング
ＰＮ：ＰＶパネル
２１：接続装置
２２：ＤＣ／ＤＣ変換機
２３：ＡＣ／ＤＣ変換機
２４：計測装置
２５：日射計
１０１：異常要因診断装置
１１０：計測データ取得部
１１１：計測データベース（ＤＢ）
１１２：特定部
１１３：特徴分布生成部
１１４：スコア算出部
１１５：評価値算出部
１１６：異常要因発生ＤＢ
１１７：評価ＤＢ
１１８：出力部
１１９：評価部
１２１：入力装置
１３１：表示装置
１５１：ＣＰＵ
１５２：入力インタフェース
１５３：表示装置
１５４：通信装置
１５５：主記憶装置
１５６：外部記憶装置
１５７：バス
１４１：シミュレーションＤＢ
１４２：補正関数生成部
１４３：補正部
１４４：統合部
１４５：統合ＤＢ
１４６：補正処理部

Claims (15)

  1. 発電装置の異常要因が発生した第１時刻を特定するデータに基づき、前記発電装置の計測データにおいて前記第１時刻に対応する第１計測データを特定する特定部と、
    前記第１計測データに基づき、前記第１計測データの特徴値の分布を表す第１分布関数を算出する分布生成部と、
    前記第１分布関数と、前記発電装置のテスト対象の計測データとに基づいて、前記発電装置における前記異常要因の発生の可能性の評価値を算出する評価部と、
    を備えた異常要因診断装置。
  2. 前記評価部は、前記テスト対象の計測データの特徴値に基づき前記第１分布関数の値を計算し、前記第１分布関数の値に基づいて、前記評価値を算出する
    請求項１に記載の異常要因診断装置。
  3. 前記評価部は、前記第１分布関数の値と、前記第１分布関数の最大値とに基づいて、前記評価値を算出する
    請求項２に記載の異常要因診断装置。
  4. 前記分布生成部は、単位時間帯ごとに前記第１分布関数を生成し、
    前記評価部は、前記単位時間帯ごとの前記第１分布関数の値に基づいて、前記評価値を算出する
    請求項２又は３に記載の異常要因診断装置。
  5. 前記特定部は、前記異常要因が発生していない第２時刻に対応する第２計測データを特定し、
    前記分布生成部は、前記第２計測データの特徴値の分布を表す第２分布関数を前記単位時間帯ごとに生成し、
    前記評価部は、前記単位時間帯ごとに前記第１分布関数と前記第２分布関数とが分布の分離条件を満たすかを判断し、前記分離条件を満たす前記単位時間帯の前記第１分布関数の値のみに基づいて、前記評価値を算出する
    請求項４に記載の異常要因診断装置。
  6. 前記特徴値は、発電量を日射量で除算した値と、発電量を日射量で除算した値の最大値との比率である
    請求項１～５のいずれか一項に記載の異常要因診断装置。
  7. 前記発電装置の発電のシミュレーションデータと、
    前記シミュレーションデータを補正する補正処理部と、を備え、
    前記補正処理部は、前記異常要因が発生していない第２時刻に対応する第２計測データと、前記第２時刻に対応する前記シミュレーションデータとに基づき、前記シミュレーションデータと前記第２計測データとの差分を小さくする前記シミュレーションデータの補正関数を生成し、
    前記補正処理部は、前記補正関数に基づき、少なくとも前記発電装置のシミュレーションにおいて前記異常要因が発生した第３時刻に対応するシミュレーションデータを補正し、
    前記分布生成部は、補正された前記シミュレーションデータの特徴値に基づき、前記第１分布関数を生成する
    請求項１～６のいずれか一項に記載の異常要因診断装置。
  8. 前記特定部は、日射量、時刻、南中高度、及び発電量の少なくともいずれか１つに基づく条件を満たす前記第１計測データを特定し、
    前記分布生成部は、特定した前記第１計測データに基づいて、前記第１分布関数を生成する
    請求項１～７のいずれか一項に記載の異常要因診断装置。
  9. 前記補正処理部は、前記第２時刻に対応する前記シミュレーションデータのうち、日射量、時刻、南中高度、及び発電量の少なくともいずれか１つに基づく条件を満たすシミュレーションデータを特定し、特定したシミュレーションデータを用いて、前記補正関数を生成する
    請求項７、又は請求項７を引用する請求項８に記載の異常要因診断装置。
  10. ユーザインタフェースからのユーザの指示データを受信し、前記指示データが前記シミュレーションデータの利用を指示している場合に前記補正処理部の処理を行い、前記指示データが前記シミュレーションデータの利用を指示していない場合に前記補正処理部の処理を行わない
    請求項７又は９に記載の異常要因診断装置。
  11. 前記補正処理部により補正された前記シミュレーションデータを表示するための出力情報を生成する出力部
    を備えた請求項７、９及び１０のいずれか一項に記載の異常要因診断装置。
  12. 出力部を備え、
    前記評価部は、複数の前記発電装置ごとに又は日別に前記評価値を算出し、
    前記出力部は、降順又は昇順にソートした前記評価値を表示するための出力情報を生成する
    請求項１～１１のいずれか一項に記載の異常要因診断装置。
  13. 前記出力情報を表示する表示装置
    を備えた請求項１１又は１２に記載の異常要因診断装置。
  14. 発電装置の異常要因が発生した第１時刻を特定するデータに基づき、前記発電装置の計測データから、前記第１時刻に対応する第１計測データを特定するステップと、
    前記第１計測データの特徴値の分布を表す第１分布関数を算出するステップと、
    前記第１分布関数と、前記発電装置のテスト対象の計測データとに基づいて、前記発電装置における前記異常要因の発生の可能性の評価値を算出するステップと、
    を備えた異常要因診断方法。
  15. 少なくとも１つの発電装置と、
    前記少なくとも１つの発電装置に対する異常要因診断装置と、を備え、
    前記異常要因診断装置は、
    前記発電装置の異常要因が発生した第１時刻を特定するデータに基づき、前記発電装置の計測データから、前記第１時刻に対応する第１計測データを特定する特定部と、
    前記第１計測データの特徴値の分布を表す第１分布関数を算出する分布生成部と、
    前記第１分布関数と、前記発電装置のテスト対象の計測データとに基づいて、前記発電装置における前記異常要因の発生の可能性の評価値を算出する評価部と、を含む、
    異常要因診断システム。
JP2020566364A 2019-01-15 2019-01-15 異常要因診断装置及びその方法、並びに異常要因診断システム Active JP7101265B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/000972 WO2020148813A1 (ja) 2019-01-15 2019-01-15 異常要因診断装置及びその方法、並びに異常要因診断システム

Publications (2)

Publication Number Publication Date
JPWO2020148813A1 JPWO2020148813A1 (ja) 2021-04-30
JP7101265B2 true JP7101265B2 (ja) 2022-07-14

Family

ID=71614357

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020566364A Active JP7101265B2 (ja) 2019-01-15 2019-01-15 異常要因診断装置及びその方法、並びに異常要因診断システム

Country Status (3)

Country Link
US (1) US11923803B2 (ja)
JP (1) JP7101265B2 (ja)
WO (1) WO2020148813A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024014255A1 (ja) * 2022-07-15 2024-01-18 株式会社Sustech 運用システム及びプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007311487A (ja) 2006-05-17 2007-11-29 Eko Instruments Trading Co Ltd 太陽電池の特性評価装置
JP2014059910A (ja) 2009-08-28 2014-04-03 Hitachi Ltd 設備状態監視方法
KR101775065B1 (ko) 2016-08-05 2017-09-06 주식회사 해줌 태양 에너지를 이용하는 발전소의 이상을 감지하는 방법, 서버 및 시스템
JP2018095429A (ja) 2016-12-14 2018-06-21 株式会社日立ビルシステム 昇降機診断システム、昇降機診断装置、及び昇降機診断方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2721799B2 (ja) * 1994-04-14 1998-03-04 四国電力株式会社 機械の異常判定方法
JP5431235B2 (ja) 2009-08-28 2014-03-05 株式会社日立製作所 設備状態監視方法およびその装置
US20120310427A1 (en) * 2011-05-31 2012-12-06 Williams B Jeffery Automatic Monitoring and Adjustment of a Solar Panel Array
JP2014049706A (ja) 2012-09-04 2014-03-17 Nissan Motor Co Ltd 太陽電池モジュール異常判定装置
JP5503818B1 (ja) * 2012-12-25 2014-05-28 パナソニック株式会社 太陽追尾装置および方法、太陽光発電装置、ならびに制御装置
JP6115764B2 (ja) * 2013-03-14 2017-04-19 オムロン株式会社 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム
JPWO2016166991A1 (ja) 2015-04-17 2017-12-28 パナソニックＩｐマネジメント株式会社 太陽光発電設備の診断システムおよびプログラム
KR101877145B1 (ko) * 2015-06-17 2018-07-10 가부시끼가이샤 도시바 모의 신호 생성 장치 및 모의 신호 생성 방법 및 컴퓨터 판독가능 기억 매체
JP6597425B2 (ja) 2016-03-15 2019-10-30 オムロン株式会社 要因推定装置、要因推定装置の制御方法、制御プログラムおよび記録媒体
JP6093465B1 (ja) 2016-03-30 2017-03-08 株式会社ラプラス・システム 太陽光発電システムの発電診断方法、及び発電診断装置
KR101903283B1 (ko) * 2017-05-12 2018-10-01 한국전력공사 발전 설비의 자동 진단 시스템 및 자동 진단 방법
US10691085B2 (en) * 2017-06-14 2020-06-23 Inventus Holdings, Llc Defect detection in power distribution system
US10715081B2 (en) * 2018-03-01 2020-07-14 Michael Gostein Measuring soiling and non-uniform soiling of PV modules without a clean reference device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007311487A (ja) 2006-05-17 2007-11-29 Eko Instruments Trading Co Ltd 太陽電池の特性評価装置
JP2014059910A (ja) 2009-08-28 2014-04-03 Hitachi Ltd 設備状態監視方法
KR101775065B1 (ko) 2016-08-05 2017-09-06 주식회사 해줌 태양 에너지를 이용하는 발전소의 이상을 감지하는 방법, 서버 및 시스템
JP2018095429A (ja) 2016-12-14 2018-06-21 株式会社日立ビルシステム 昇降機診断システム、昇降機診断装置、及び昇降機診断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TRIKI-LAHIANI, A. et al.，"Fault detection and monitoring systems for photovoltaic installations: A review"，Renewable and Sustainable Energy Reviews，2018年，Vol.82，p.2680-2692
ZHAO, Y. et al.，"Decision Tree-Based Fault Detection and Classification in Solar Photovoltaic Arrays"，Twenty-Seventh Annual IEEE Applied Power Electronics Conference and Exposition，2012年，p.93-99

Also Published As

Publication number Publication date
US11923803B2 (en) 2024-03-05
US20200412298A1 (en) 2020-12-31
JPWO2020148813A1 (ja) 2021-04-30
WO2020148813A1 (ja) 2020-07-23

Similar Documents

Publication Publication Date Title
JP6012868B2 (ja) 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム
JP2014021555A (ja) 自然エネルギー量予測装置
JP5734936B2 (ja) 発電量予測装置およびその方法
JP5989754B2 (ja) 予測装置
JP2018019555A (ja) 影の影響を考慮した太陽光発電出力推定方法
CN111082749B (zh) 光伏组串运行状态的识别方法、装置及存储介质
CA2996731A1 (en) Methods and systems for energy use normalization and forecasting
Zelikman et al. Short-term solar irradiance forecasting using calibrated probabilistic models
JP7101265B2 (ja) 異常要因診断装置及びその方法、並びに異常要因診断システム
US20230327440A1 (en) Power generation amount management system and power generation amount management method
JP6325331B2 (ja) 気象予測補正装置、気象予測補正方法及びプログラム
KR20180114409A (ko) 건축물의 에너지 성능 분석을 위한 시뮬레이션 장치
JP5946742B2 (ja) 自然エネルギー型分散電源群の合計出力の変動推定方法、変動推定装置及び変動推定プログラム
Spataru et al. Development and implementation of a PV performance monitoring system based on inverter measurements
JP2018105893A (ja) 気象予測補正装置、気象予測補正方法及びプログラム
CN115082385A (zh) 基于光伏组件倾斜角的光伏电站缺陷预警方法及装置
JP7206963B2 (ja) 予測システム、予測方法
KR20180023078A (ko) 기상정보를 이용한 태양광 발전량 예측방법
JPWO2020209142A1 (ja) 電力管理装置
Pau et al. A tool to define the position and the number of irradiance sensors in large PV plants
JP2021145509A (ja) 異常検知装置、異常検知方法、および異常検知プログラム
CN111401689A (zh) 光伏场站降雪日期的确定方法、装置、设备及存储介质
Killinger et al. Towards a tuning method of PV power measurements to balance systematic influences
KR20200129343A (ko) 에너지 관리를 위한 기상데이터 처리장치 및 에너지관리시스템
JP2015153367A (ja) 状態検出装置、状態検出方法、状態検出プログラム、及びデータ処理システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200828

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210820

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211015

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220222

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220401

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220524

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: 20220603

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220704

R150 Certificate of patent or registration of utility model

Ref document number: 7101265

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150