JP7188282B2 - 電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法 - Google Patents
電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法 Download PDFInfo
- Publication number
- JP7188282B2 JP7188282B2 JP2019108701A JP2019108701A JP7188282B2 JP 7188282 B2 JP7188282 B2 JP 7188282B2 JP 2019108701 A JP2019108701 A JP 2019108701A JP 2019108701 A JP2019108701 A JP 2019108701A JP 7188282 B2 JP7188282 B2 JP 7188282B2
- Authority
- JP
- Japan
- Prior art keywords
- power
- unit
- determination
- partial shadow
- data
- 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
Links
Images
Classifications
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Control Of Electrical Variables (AREA)
- Inverter Devices (AREA)
Description
本開示は、電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法に関する。
太陽光発電パネルを用いた太陽光発電システムでは、電力変換装置としてのパワーコンディショナに太陽光発電パネルを接続し、パワーコンディショナを介して商用電力系統との系統連系が行われる。
パワーコンディショナは、太陽光発電パネルから、その時点での最大の電力を引き出すため、最大電力点追従制御（ＭＰＰＴ（Ｍａｘｉｍｕｍ Ｐｏｗｅｒ Ｐｏｉｎｔ Ｔｒａｃｋｉｎｇ）制御）を行っている（例えば、特許文献１参照）。
太陽光発電パネルは屋根等の高所に設置されることがある。そうした場合、近隣に高い建物や樹木があると、太陽光発電パネルのうちの一部が建物や樹木の影に入ることがある。このような場合も、ＭＰＰＴ制御により、その時点の最大電力を引き出すことは可能である。
パワーコンディショナは、太陽光発電パネルから、その時点での最大の電力を引き出すため、最大電力点追従制御（ＭＰＰＴ（Ｍａｘｉｍｕｍ Ｐｏｗｅｒ Ｐｏｉｎｔ Ｔｒａｃｋｉｎｇ）制御）を行っている（例えば、特許文献１参照）。
太陽光発電パネルは屋根等の高所に設置されることがある。そうした場合、近隣に高い建物や樹木があると、太陽光発電パネルのうちの一部が建物や樹木の影に入ることがある。このような場合も、ＭＰＰＴ制御により、その時点の最大電力を引き出すことは可能である。
太陽光発電システムに用いられる太陽光発電パネルは、太陽光発電パネルの直列接続体（ストリング）が並列に接続された、ストリングの並列体として構成されることがある。
このような場合において、ストリングの内の一部に影が入ると、各ストリングの出力電圧や電力にばらつきが生じ、並列体全体としての出力曲線が複雑になることがある。このため、最大電力点を捉えきれず、発電効率が低下する場合がある。
このような場合において、ストリングの内の一部に影が入ると、各ストリングの出力電圧や電力にばらつきが生じ、並列体全体としての出力曲線が複雑になることがある。このため、最大電力点を捉えきれず、発電効率が低下する場合がある。
本開示はこのような事情に鑑みてなされたものであり、発電効率の低下を抑制することができる技術の提供を目的とする。
一実施形態である電力変換装置は、太陽光発電パネルから電力を取り出す電力変換部と、前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する第１記憶部と、前記データ取得部が取得した前記判定データ及び前記第１記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、を備え、前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補である第１のピーク電力点を探索し、前記判定部により前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
また、他の実施形態である太陽光発電システムは、太陽光発電パネルと、前記太陽光発電パネルからの電力を取り出して負荷に供給する、上述の電力変換装置と、を備えた太陽光発電システムである。
また、他の実施形態である電力変換システムは、太陽光発電パネルと接続される電力変換装置と、ネットワークを介して前記電力変換装置と通信可能に接続される外部機器とを備えた電力変換システムであって、前記電力変換装置は、前記太陽光発電パネルから電力を取り出す電力変換部と、前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、を含み、前記外部機器は、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する記憶部と、前記データ取得部が取得した前記判定データ及び前記記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、前記判定部の判定結果を前記電力変換装置に送信する送信部とを含み、前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補であるピーク電力点を探索し、前記外部機器から送信された、前記太陽光発電パネルに部分影が有るとの判定結果を受信した場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
また、他の実施形態である制御方法は、太陽光発電パネルから電力を取り出す電力変換部を備えた電力変換装置の制御方法であって、前記電力変換部を制御し、最大電力点追従制御を実行する制御ステップと、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得する取得ステップと、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより、前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルと、前記取得ステップにおいて取得された前記判定データとを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定ステップと、を含み、前記制御ステップでは、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補であるピーク電力点を探索し、前記判定ステップにおいて前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
本開示によれば、発電効率の低下を抑制することができる。
複数のストリングの並列体を構成する太陽光発電パネルを用いた太陽光発電システムにおいて、複数のストリングの内の一部に影が入ると、各ストリングの出力電圧や電力にばらつきが生じ、並列体全体としての出力曲線が複雑になる。このため、出力曲線に複数のピーク電力点が現れることがある。
出力曲線に複数のピーク電力点がある状態で、ピーク電力点が単一であることを前提とした一般的な山登り法によるＭＰＰＴ制御を実行すると、最初に現れるピーク電力点が最大電力点と認識されるため、より大きな電力を取り出すことができる他のピーク電力点が存在していたとしても、当該他のピーク電力点が認識されない。
この結果、太陽光発電パネルから最大限の電力を取り出すことができず、電力の無駄が生じるおそれがある。
この結果、太陽光発電パネルから最大限の電力を取り出すことができず、電力の無駄が生じるおそれがある。
ここで、出力曲線における値域の全範囲で電力を変化させれば、出力曲線の全範囲でピーク電力点を探索でき、複数のピーク電力点の有無や、最大電力点となるピーク電力点を把握することができる。
最大電力点となるピーク電力点を把握することができれば、その時点の最大限の電力を太陽光発電パネルから取り出すように制御することができる。
最大電力点となるピーク電力点を把握することができれば、その時点の最大限の電力を太陽光発電パネルから取り出すように制御することができる。
しかし、太陽光発電パネルに部分影が有ることで出力曲線に複数のピーク電力点が現れるのは一時的である場合が多く、複数のピーク電力点が現れるタイミングを発見するためには、ピーク電力点の探索を定期的に実行する必要がある。
ピーク電力点の探索を定期的に実行した場合、探索時にピーク電力点が複数存在するとは限らず、ピーク電力点が複数存在しない場合には、その探索が無駄になってしまう。
ピーク電力点の探索を定期的に実行した場合、探索時にピーク電力点が複数存在するとは限らず、ピーク電力点が複数存在しない場合には、その探索が無駄になってしまう。
出力曲線の全範囲でピーク電力点を探索すれば、その探索の間は太陽光発電パネルから取り出される電力の低下を生じさせることになる。このため、出力曲線の全範囲に対するピーク電力点の無駄な探索は、発電効率の低下を招く。
このため、太陽光発電パネルの部分影の有無に応じて適切に制御する上で、出力曲線の全範囲におけるピーク電力点の探索を無駄に実行するのを抑制し、発電効率の低下を抑制することができる技術が望まれる。本開示はこのような事情に鑑みてなされた。
最初に実施形態の内容を列記して説明する。
［実施形態の概要］
（１）一実施形態である電力変換装置は、太陽光発電パネルから電力を取り出す電力変換部と、前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する第１記憶部と、前記データ取得部が取得した前記判定データ及び前記第１記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、を備え、前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補である第１のピーク電力点を探索し、前記判定部により前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
［実施形態の概要］
（１）一実施形態である電力変換装置は、太陽光発電パネルから電力を取り出す電力変換部と、前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する第１記憶部と、前記データ取得部が取得した前記判定データ及び前記第１記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、を備え、前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補である第１のピーク電力点を探索し、前記判定部により前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
上記構成の電力変換装置によれば、部分影の有無を判定するための学習がなされた、学習済の学習モデルに、データ取得部が取得した判定データを入力することによって、太陽光発電パネルにおける部分影の有無を判定できる。部分影が有ると判定された場合に、制御部は、第１のピーク電力点の他、他のピーク電力点を探索し、複数のピーク電力点が有るか否かを探索する。これにより、例えば定期的に他のピーク電力点を探索する場合に比べて、他のピーク電力点の探索が無駄に実行されるのを抑制できる。その結果、発電効率の低下を抑制できる。
（２）上記電力変換装置において、前記制御部はさらに、前記他のピーク電力点としての第２のピーク電力点を探索した後、前記第１のピーク電力点と前記第２のピーク電力点との、電圧差及び電流差のいずれか一方に基づいて第３のピーク電力点を探索するか否かを判定することが好ましい。
例えば、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が、僅差であれば、他に、もっと高いピーク電力点がある可能性は低い。従って、そのような場合には、第３のピーク電力点の探索を回避することが合理的である。逆に、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が大きいのであれば、他に、もっと高いピーク電力点がある可能性がある。従って、そのような場合には、第３のピーク電力点の探索を行うことが、より高いピーク電力点を得る点で合理的である。
例えば、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が、僅差であれば、他に、もっと高いピーク電力点がある可能性は低い。従って、そのような場合には、第３のピーク電力点の探索を回避することが合理的である。逆に、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が大きいのであれば、他に、もっと高いピーク電力点がある可能性がある。従って、そのような場合には、第３のピーク電力点の探索を行うことが、より高いピーク電力点を得る点で合理的である。
（３）上記電力変換装置において、前記データ取得部は、前記太陽光発電パネルが設置されている環境に関するデータ、及び、前記電力変換部が前記太陽光発電パネルから取り出した電力に関するデータを前記判定データとして時系列に取得することが好ましい。
（４）上記電力変換装置において、前記データ取得部が取得した判定データを記憶する第２記憶部をさらに備え、前記制御部はさらに、前記判定部により前記太陽光発電パネルに部分影が有ると判定された場合に、前記他のピーク電力点と前記第１のピーク電力点とが互いに同じ位置であるか否かを判定し、その判定結果に応じて定められた部分影無し又は部分影有りを示すデータのいずれかを前記判定に用いた前記判定データに対応付け、前記部分影無し又は部分影有りを示すデータのいずれかが対応付けられた前記判定データを前記第２記憶部に記憶し、前記判定部により前記太陽光発電パネルに部分影が無いと判定された場合に、当該判定に用いた前記判定データに部分影無しを示すデータを対応付け、前記部分影無しを示すデータが対応付けられた前記判定データを前記第２記憶部に記憶することが好ましい。
この場合、判定部による判定結果に応じて、適切なデータを判定データに対応付けて記憶することができる。これにより、学習モデルを構築するための教師データを容易に収集できる。
この場合、判定部による判定結果に応じて、適切なデータを判定データに対応付けて記憶することができる。これにより、学習モデルを構築するための教師データを容易に収集できる。
（５）また、上記電力変換装置において、前記第２記憶部に記憶されているデータを新たな学習データとしてフィードバックすることにより再学習し、前記学習モデルを更新する更新部をさらに備えていてもよい。
出力曲線に複数のピーク電力点が存在すると判定されると、太陽光発電パネルに部分影が有る可能性が極めて高い。
そこで、制御部は、他のピーク電力点と第１のピーク電力点とが互いに同じ位置であるか否かの判定結果を、前記太陽光発電パネルにおける部分影の有無を示す情報として取得し、教師データを更新することで、現状の太陽光発電パネルの状態を教師データに反映させることができる。さらに、更新部は、更新された教師データを学習データとして再学習し、学習モデルを更新する。これによって、現状の太陽光発電パネルの状態を学習モデルに反映させることができる。この結果、学習モデルの判定精度をより高めることができる。
出力曲線に複数のピーク電力点が存在すると判定されると、太陽光発電パネルに部分影が有る可能性が極めて高い。
そこで、制御部は、他のピーク電力点と第１のピーク電力点とが互いに同じ位置であるか否かの判定結果を、前記太陽光発電パネルにおける部分影の有無を示す情報として取得し、教師データを更新することで、現状の太陽光発電パネルの状態を教師データに反映させることができる。さらに、更新部は、更新された教師データを学習データとして再学習し、学習モデルを更新する。これによって、現状の太陽光発電パネルの状態を学習モデルに反映させることができる。この結果、学習モデルの判定精度をより高めることができる。
（６）上記電力変換装置において、前記更新部は、前記判定部によって前記太陽光発電パネルに部分影が有ると判定された回数である第１の回数と、前記部分影有りを示すデータが付与された回数である第２の回数と、を求め、前記第１の回数に対する前記第２の回数の割合が第１の閾値以下の場合に、前記学習モデルの更新を実行することが好ましい。
前記割合は学習モデルの判定精度を表している。この割合が低ければ、更新部は、学習モデルの判定精度を高めるように当該学習モデルの更新を行う。この結果、学習モデルの判定精度を維持することができる。
前記割合は学習モデルの判定精度を表している。この割合が低ければ、更新部は、学習モデルの判定精度を高めるように当該学習モデルの更新を行う。この結果、学習モデルの判定精度を維持することができる。
（７）上記電力変換装置において、前記第１の回数に対する前記第２の回数の割合が前記第１の閾値より小さい第２の閾値未満であるか否かに基づいて、前記太陽光発電パネルの異常の有無を判定する異常判定部をさらに備えることが好ましい。
この場合、一致率によって、太陽光発電パネルに何らかの異常が生じているか否かを判定することができる。
この場合、一致率によって、太陽光発電パネルに何らかの異常が生じているか否かを判定することができる。
（８）上記電力変換装置において、前記判定部により前記太陽光発電パネルに部分影が無いと判定された場合に、前記電力変換部により前記太陽光発電パネルから取り出された現在の電力と、前記判定部によって前記太陽光発電パネルに部分影が無いと判定された過去の期間における前記電力とを比較し、この比較結果に基づいて前記太陽光発電パネルの異常の有無を判定する異常判定部をさらに備えていてもよい。
この場合、部分影が無いと判定されたにも関わらず電力が低下している場合に、異常と判定することができる。
この場合、部分影が無いと判定されたにも関わらず電力が低下している場合に、異常と判定することができる。
（９）また、他の実施形態である太陽光発電システムは、太陽光発電パネルと、前記太陽光発電パネルからの電力を取り出して負荷に供給する、上記（１）から（８）のいずれかに記載の電力変換装置と、を備えた太陽光発電システムである。
（１０）また、他の実施形態である電力変換システムは、太陽光発電パネルと接続される電力変換装置と、ネットワークを介して前記電力変換装置と通信可能に接続される外部機器とを備えた電力変換システムであって、前記電力変換装置は、前記太陽光発電パネルから電力を取り出す電力変換部と、前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、を含み、前記外部機器は、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する記憶部と、前記データ取得部が取得した前記判定データ及び前記記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、前記判定部の判定結果を前記電力変換装置に送信する送信部とを含み、前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補であるピーク電力点を探索し、前記外部機器から送信された、前記太陽光発電パネルに部分影が有るとの判定結果を受信した場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
（１１）また、他の実施形態である制御方法は、太陽光発電パネルから電力を取り出す電力変換部を備えた電力変換装置の制御方法であって、前記電力変換部を制御し、最大電力点追従制御を実行する制御ステップと、前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得する取得ステップと、前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより、前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルと、前記取得ステップにおいて取得された前記判定データとを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定ステップと、を含み、前記制御ステップでは、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補であるピーク電力点を探索し、前記判定ステップにおいて前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する。
［実施形態の詳細］
以下、好ましい実施形態について図面を参照しつつ説明する。
なお、以下に記載する各実施形態の少なくとも一部を任意に組み合わせてもよい。
以下、好ましい実施形態について図面を参照しつつ説明する。
なお、以下に記載する各実施形態の少なくとも一部を任意に組み合わせてもよい。
〔太陽光発電システムの全体構成について〕
図１は、太陽光発電システムの構成を示すブロック図である。この太陽光発電システム１は、太陽光発電パネル２と、電力変換装置としてのパワーコンディショナ４とを備えている。
図１は、太陽光発電システムの構成を示すブロック図である。この太陽光発電システム１は、太陽光発電パネル２と、電力変換装置としてのパワーコンディショナ４とを備えている。
パワーコンディショナ４（以下、ＰＣＳ（Ｐｏｗｅｒ Ｃｏｎｄｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）４ともいう）は、太陽光発電パネル２と、商用電源である交流電源６との間に接続されている。
交流電源６と、ＰＣＳ４との間には、需要家内の負荷８が接続されている。
ＰＣＳ４は、太陽光発電パネル２の出力が与えられるとともに交流電源６と系統連系を行う機能を有している。
ＰＣＳ４は、交流電源６に接続されている。ＰＣＳ４は、太陽光発電パネル２から電力を取り出し、取り出した直流電力を交流電力に変換し出力する機能を有している。
交流電源６と、ＰＣＳ４との間には、需要家内の負荷８が接続されている。
ＰＣＳ４は、太陽光発電パネル２の出力が与えられるとともに交流電源６と系統連系を行う機能を有している。
ＰＣＳ４は、交流電源６に接続されている。ＰＣＳ４は、太陽光発電パネル２から電力を取り出し、取り出した直流電力を交流電力に変換し出力する機能を有している。
ＰＣＳ４は、入力電圧（太陽光発電パネル２とＰＣＳ４とを繋ぐ直流電路１０の電圧（ＤＣバス電圧））及び入力電流を検出し、入力電圧及び入力電流に基づいてＭＰＰＴ制御を行い、太陽光発電パネル２から電力（発電電力）を取り出す機能を有する。
太陽光発電パネル２は、例えば、建物の屋根面等に固定された状態で設置され、太陽光を受光することで発電する。太陽光発電パネル２は、発電した直流電力をＰＣＳ４へ与える。
太陽光発電パネル２は、図２に示すように、複数（図例では３つ）のストリング２ａ，２ｂ，２ｃの並列体で構成されている。
太陽光発電パネル２は、図２に示すように、複数（図例では３つ）のストリング２ａ，２ｂ，２ｃの並列体で構成されている。
〔第１実施形態に係るＰＣＳについて〕
図１に示すように、第１実施形態に係るＰＣＳ４は、電力変換部２０と、制御装置２２とを備えている。
電力変換部２０は、太陽光発電パネル２と、交流電源６との間に接続されている。電力変換部２０は、ＤＣ／ＤＣコンバータ（昇圧チョッパ）や、インバータ等を備えており、太陽光発電パネル２から電力を取り出すとともに、取り出した直流電力を交流電力へ変換して出力する機能を有する。
図１に示すように、第１実施形態に係るＰＣＳ４は、電力変換部２０と、制御装置２２とを備えている。
電力変換部２０は、太陽光発電パネル２と、交流電源６との間に接続されている。電力変換部２０は、ＤＣ／ＤＣコンバータ（昇圧チョッパ）や、インバータ等を備えており、太陽光発電パネル２から電力を取り出すとともに、取り出した直流電力を交流電力へ変換して出力する機能を有する。
制御装置２２は、電力変換部２０を制御する機能を有している。制御装置２２は、電力変換部２０を制御することで、ＭＰＰＴ制御を行う機能を有している。
また、制御装置２２は、太陽光発電パネル２に部分影が有るか否かを判定する機能を有しており、その判定結果に応じたＭＰＰＴ制御を実行する。
また、制御装置２２は、太陽光発電パネル２に部分影が有るか否かを判定する機能を有しており、その判定結果に応じたＭＰＰＴ制御を実行する。
図２は、太陽光発電パネル２に部分影ができた状態の一例を概念的に示す略図である。図２では、複数ストリング２ａ，２ｂ，２ｃのうちの一部のストリング２ａに部分影ができた場合を示している。このような部分影は、例えば、太陽光発電パネル２近隣の建物や樹木等に起因して生じる。
太陽光発電パネル２に部分影が有ると、当該太陽光発電パネル２から取り出すことができる発電電力の低下の原因になる他、太陽光発電パネル２の出力曲線が、標準的な形状ではなくなる。具体的には、太陽光発電パネル２の出力曲線に、主にストリングの数の範囲内で複数のピーク電力点が生じる場合がある。
このため、制御装置２２は、太陽光発電パネル２に部分影が有るか否かの判定結果に応じたＭＰＰＴ制御を実行する。
太陽光発電パネル２に部分影が有ると、当該太陽光発電パネル２から取り出すことができる発電電力の低下の原因になる他、太陽光発電パネル２の出力曲線が、標準的な形状ではなくなる。具体的には、太陽光発電パネル２の出力曲線に、主にストリングの数の範囲内で複数のピーク電力点が生じる場合がある。
このため、制御装置２２は、太陽光発電パネル２に部分影が有るか否かの判定結果に応じたＭＰＰＴ制御を実行する。
図１に戻って、制御装置２２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等からなる処理部２４と、ハードディスクやメモリ等からなる記憶部２６とを備えたコンピュータにより構成されている。
記憶部２６には、制御装置２２としての動作に必要なプログラムや、各種情報が記憶される。処理部２４が有する各機能は、当該処理部２４が前記プログラム等を実行することによって実現される。
記憶部２６には、制御装置２２としての動作に必要なプログラムや、各種情報が記憶される。処理部２４が有する各機能は、当該処理部２４が前記プログラム等を実行することによって実現される。
記憶部２６は、データセット２８を記憶するための記憶領域３７と、学習モデル３０を記憶するための記憶領域３８とを有している。記憶領域３８には、学習モデル３０が予め記憶されている。記憶領域３７には、データセット２８が記憶されている。
データセット２８は、学習モデル３０の機械学習に用いられる教師データの集合である。データセット２８を構成する教師データは、テーブル等に登録されて記憶部２６に記憶される。なお、本実施形態では、教師データを登録するためのテーブルを含めてデータセットという。
データセット２８に登録される教師データは、ＰＣＳ４の操作者等から与えられる場合や、後述するように、制御装置２２が自ら取得する場合がある。
学習モデル３０は、後述するように、太陽光発電パネルにおける部分影の有無を判定するために用いられる予測モデルである。学習モデル３０は、後述する特徴量により太陽光発電パネル２における部分影の有無を判定するための学習がなされた、学習済の学習モデルである。
データセット２８は、学習モデル３０の機械学習に用いられる教師データの集合である。データセット２８を構成する教師データは、テーブル等に登録されて記憶部２６に記憶される。なお、本実施形態では、教師データを登録するためのテーブルを含めてデータセットという。
データセット２８に登録される教師データは、ＰＣＳ４の操作者等から与えられる場合や、後述するように、制御装置２２が自ら取得する場合がある。
学習モデル３０は、後述するように、太陽光発電パネルにおける部分影の有無を判定するために用いられる予測モデルである。学習モデル３０は、後述する特徴量により太陽光発電パネル２における部分影の有無を判定するための学習がなされた、学習済の学習モデルである。
また、制御装置２２は、有線又は無線ＬＡＮ等によって外部機器（例えばサーバ等）と通信を行うための通信部３２を備えている。
通信部３２は、例えば、インターネット等のネットワークと接続する機能を持つ。制御装置２２は、通信部３２及びネットワークを通じて、部分影の判定に必要な情報（例えば、太陽光発電パネル２が設置されている地域の現在の天気等に関する情報）を外部機器から収集する。
通信部３２は、例えば、インターネット等のネットワークと接続する機能を持つ。制御装置２２は、通信部３２及びネットワークを通じて、部分影の判定に必要な情報（例えば、太陽光発電パネル２が設置されている地域の現在の天気等に関する情報）を外部機器から収集する。
また、制御装置２２には、太陽光発電パネル２周辺の気温を検出する気温センサ３４と、太陽光発電パネル２に照射される日射量を検出する日射センサ３６とが接続されている。
気温センサ３４は、太陽光発電パネル２周辺の気温を示す出力を制御装置２２へ与える。気温センサ３４からの出力が与えられた制御装置２２は、この出力から太陽光発電パネル２周辺における気温を示す情報を取得することができる。
日射センサ３６は、太陽光発電パネル２における日射量を示す出力を制御装置２２へ与える。日射センサ３６からの出力が与えられた制御装置２２は、この出力から太陽光発電パネル２の日射量を示す情報を取得することができる。
気温センサ３４は、太陽光発電パネル２周辺の気温を示す出力を制御装置２２へ与える。気温センサ３４からの出力が与えられた制御装置２２は、この出力から太陽光発電パネル２周辺における気温を示す情報を取得することができる。
日射センサ３６は、太陽光発電パネル２における日射量を示す出力を制御装置２２へ与える。日射センサ３６からの出力が与えられた制御装置２２は、この出力から太陽光発電パネル２の日射量を示す情報を取得することができる。
処理部２４は、制御部２４ａと、判定部２４ｂと、データ取得部２４ｃと、更新部２４ｄとを機能的に有している。
制御部２４ａは、電力変換部２０を制御し、太陽光発電パネル２から取り出す発電電力の制御を行う機能を有している。より具体的に、制御部２４ａは、電力変換部２０を制御してＭＰＰＴ制御を実行する機能を有している。
また、制御部２４ａは、ＭＰＰＴ制御において、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索する、後述する探索処理を実行する機能を有している。
判定部２４ｂは、学習モデル３０を用いて太陽光発電パネル２における部分影の有無を判定する機能を有している。
制御部２４ａは、電力変換部２０を制御し、太陽光発電パネル２から取り出す発電電力の制御を行う機能を有している。より具体的に、制御部２４ａは、電力変換部２０を制御してＭＰＰＴ制御を実行する機能を有している。
また、制御部２４ａは、ＭＰＰＴ制御において、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索する、後述する探索処理を実行する機能を有している。
判定部２４ｂは、学習モデル３０を用いて太陽光発電パネル２における部分影の有無を判定する機能を有している。
更新部２４ｄは、データセット２８に登録された教師データを用いて機械学習し、学習モデル３０を更新する機能を有している。
データ取得部２４ｃは、太陽光発電パネル２における部分影の有無を判定するためのデータ（特徴量）を取得する機能を有する。データ取得部２４ｃは、太陽光発電パネル２が設置されている環境に関するデータ、及び電力変換部２０が太陽光発電パネル２から取り出した電力に関するデータを取得する。
太陽光発電パネル２が設置されている環境に関するデータは、外部機器から収集した、太陽光発電パネル２が設置されている地域の現在の天気等に関する情報、気温センサ３４を介して取得した、太陽光発電パネル２周辺における気温を示す情報、及び、日射センサ３６を介して取得した、太陽光発電パネル２の日射量を示す情報を含む。これらのデータは、部分影の有無を判定するために、学習モデルに入力するデータである。そのため、以下では、これらのデータを「判定データ」と呼ぶことがある。
データ取得部２４ｃは、太陽光発電パネル２における部分影の有無を判定するためのデータ（特徴量）を取得する機能を有する。データ取得部２４ｃは、太陽光発電パネル２が設置されている環境に関するデータ、及び電力変換部２０が太陽光発電パネル２から取り出した電力に関するデータを取得する。
太陽光発電パネル２が設置されている環境に関するデータは、外部機器から収集した、太陽光発電パネル２が設置されている地域の現在の天気等に関する情報、気温センサ３４を介して取得した、太陽光発電パネル２周辺における気温を示す情報、及び、日射センサ３６を介して取得した、太陽光発電パネル２の日射量を示す情報を含む。これらのデータは、部分影の有無を判定するために、学習モデルに入力するデータである。そのため、以下では、これらのデータを「判定データ」と呼ぶことがある。
〔ＭＰＰＴ制御について〕
制御部２４ａは、上述したように、電力変換部２０を制御して、ＭＰＰＴ制御を行う機能を有している。
制御部２４ａは、ＭＰＰＴ制御を行うことにより、太陽からの日射の状況によって発電量が変動する太陽光発電パネル２から、その時点での最大電力を引き出すことができる。
本実施形態の制御部２４ａは、ＭＰＰＴ制御において、太陽光発電パネル２の出力曲線における最大電力点の候補であるピーク電力点を探索し、このピーク電力点を維持するように電力変換部２０を制御する。
制御部２４ａは、上述したように、電力変換部２０を制御して、ＭＰＰＴ制御を行う機能を有している。
制御部２４ａは、ＭＰＰＴ制御を行うことにより、太陽からの日射の状況によって発電量が変動する太陽光発電パネル２から、その時点での最大電力を引き出すことができる。
本実施形態の制御部２４ａは、ＭＰＰＴ制御において、太陽光発電パネル２の出力曲線における最大電力点の候補であるピーク電力点を探索し、このピーク電力点を維持するように電力変換部２０を制御する。
図３は、部分影等が無い場合における太陽光発電パネル２の標準的な出力曲線の一例を示す図である。図３中、点線は、横軸を電圧［Ｖ］、縦軸を太陽光発電パネル２から引き出せる電力［Ｗ］としたときの出力曲線のグラフである。実線は、横軸を電圧［Ｖ］、縦軸を太陽光発電パネル２から引き出せる電流［Ａ］としたときの出力曲線のグラフである。
ＭＰＰＴ制御は、電流及び電圧が、点線のピーク電力点の位置になるようにする制御である。電流と電圧とは実線で示す一対一の関係にあるので、ＭＰＰＴ制御は、電流を少しずつ変化させる電流ステップの制御、及び、電圧を少しずつ変化させる電圧ステップの制御のいずれか一方により行うことができる。実線の出力曲線の右端は、太陽光発電パネル２の出力の２線間の開放（電流０Ａ、電圧約３６０Ｖ）を意味し、左端は短絡（電流約７．８Ａ、電圧０Ｖ）を意味する。一般には、開放側からＭＰＰＴ制御を行う方が制御しやすい。
ＭＰＰＴ制御は、電流及び電圧が、点線のピーク電力点の位置になるようにする制御である。電流と電圧とは実線で示す一対一の関係にあるので、ＭＰＰＴ制御は、電流を少しずつ変化させる電流ステップの制御、及び、電圧を少しずつ変化させる電圧ステップの制御のいずれか一方により行うことができる。実線の出力曲線の右端は、太陽光発電パネル２の出力の２線間の開放（電流０Ａ、電圧約３６０Ｖ）を意味し、左端は短絡（電流約７．８Ａ、電圧０Ｖ）を意味する。一般には、開放側からＭＰＰＴ制御を行う方が制御しやすい。
例えば、太陽光発電パネル２から引き出す電流が０のときは、実線の出力曲線上の開放（電流０Ａ、電圧が約３６０Ｖ）に相当する。そこで、点線の出力曲線を「山」に例えると、例えば電流ステップでは、実線の出力曲線の開放側から徐々に電流を増加させ、山登りする。そして、電流指令値を例えば一定値Δｉ増加させると前回より電力が増えれば、さらに電流指令値を一定値Δｉだけ増加させる、という繰り返しにより、迅速に最大電力点Ｐ（電流指令値はＩＰ）に到達することができる。その後、電流指令値をΔｉ増加させると前回より電力が減少した場合は最大電力点Ｐを通過したことになるので、以後は、電流指令値の減少／増加を繰り返しながら、最大電力点Ｐ又はその直近にとどまることができる。日照条件が変われば出力曲線も変わるが、その都度、最大電力点Ｐを追い求めることができる。
つまり、ＭＰＰＴ制御では、ピーク電力点を探索し見つけるための処理と、見つけたピーク電力点を最大電力点Ｐとして当該最大電力点Ｐ又はその直近にとどまるための処理とを含む。
以下の説明では、ＭＰＰＴ制御においてピーク電力点を探索し見つけるための処理を探索処理という。
以下の説明では、ＭＰＰＴ制御においてピーク電力点を探索し見つけるための処理を探索処理という。
このように、制御部２４ａは、出力曲線の一方側（開放側）から電流を増加させて山登りする山登り法によるＭＰＰＴ制御を実行する機能を有する。
一般に、ＭＰＰＴ制御は、出力曲線に現れるピーク電力点が単一であることを前提としている。
一般に、ＭＰＰＴ制御は、出力曲線に現れるピーク電力点が単一であることを前提としている。
ここで、上述のように太陽光発電パネル２に部分影が有ると、当該太陽光発電パネル２の出力曲線に複数のピーク電力点が現れる場合がある。
出力曲線に複数のピーク電力点が存在する場合、出力曲線の一方側のみから電流を増加させて全てのピーク電力点を探索することは困難である。
そこで、本実施形態の制御部２４ａは、判定部２４ｂによって、部分影があると判定されると、ＭＰＰＴ制御において、探索処理を実行し、現在のピーク電力点以外の他のピーク電力点を探索する。制御部２４ａは、他のピーク電力点を含む複数のピーク電力点が得られたときに、複数のピーク電力点のうちのいずれかに基づいたＭＰＰＴ制御を実行する機能を有する。
出力曲線に複数のピーク電力点が存在する場合、出力曲線の一方側のみから電流を増加させて全てのピーク電力点を探索することは困難である。
そこで、本実施形態の制御部２４ａは、判定部２４ｂによって、部分影があると判定されると、ＭＰＰＴ制御において、探索処理を実行し、現在のピーク電力点以外の他のピーク電力点を探索する。制御部２４ａは、他のピーク電力点を含む複数のピーク電力点が得られたときに、複数のピーク電力点のうちのいずれかに基づいたＭＰＰＴ制御を実行する機能を有する。
出力曲線に複数のピーク電力点が存在する場合に行われるＭＰＰＴ制御では、制御部２４ａは、探索処理によって得られる複数のピーク電力点のうち、最も電力値が高いピーク電力点を最大電力点として選択し、最大電力点として選択したピーク電力点を追随する制御を行う。すなわち、制御部２４ａは、最大電力点として選択したピーク電力点又はその直近にとどまるように電流指令値の減少／増加を繰り返す。
これより、制御部２４ａは、出力曲線に複数のピーク電力点が存在する場合において、その時点での最大電力を太陽光発電パネル２から引き出すことができる。
これより、制御部２４ａは、出力曲線に複数のピーク電力点が存在する場合において、その時点での最大電力を太陽光発電パネル２から引き出すことができる。
〔探索処理について〕
探索処理は、制御部２４ａが電力変換部２０を制御することによって行われる。
探索処理とは、上述したように、出力曲線に存在するピーク電力点を探索する処理であり、太陽光発電パネル２の出力曲線における値域の一方側又は他方側から電力を増大させるように電力変換部２０を制御することで行われる。
探索処理によって探索されたピーク電力点は、教師データの更新や、電力変換部２０の制御のために用いられる。
探索処理は、制御部２４ａが電力変換部２０を制御することによって行われる。
探索処理とは、上述したように、出力曲線に存在するピーク電力点を探索する処理であり、太陽光発電パネル２の出力曲線における値域の一方側又は他方側から電力を増大させるように電力変換部２０を制御することで行われる。
探索処理によって探索されたピーク電力点は、教師データの更新や、電力変換部２０の制御のために用いられる。
制御部２４ａは、通常の探索処理において、太陽光発電パネル２の出力曲線における電流の値域（電圧ステップの場合は電圧の値域、以下同様。）の一方側から電力が増大する方向へアプローチする制御を行う。電力点が、最大電力点の候補であるピーク電力点に到達した場合、制御部２４ａは、当該ピーク電力点を最大電力点とし当該最大電力点又はその直近にとどまるための処理を実行する。通常の探索処理は、例えば、ＭＰＰＴ制御の開始直後等に実行される。
また、ＭＰＰＴ制御の実行中において、判定部２４ｂによって部分影があると判定された場合に、制御部２４ａは、探索処理を実行する。この場合、制御部２４ａは、探索処理において、太陽光発電パネル２の出力曲線における電流の値域の一方側から電力が増大する方向へアプローチする制御を行い、電力点が、最大電力点の候補である第１のピーク電力点に到達した場合に、電流の値域の範囲内で、離れた他の値にジャンプするように移動して再び電力が増大する方向へアプローチする制御を行うことにより、最大電力点の候補である他のピーク電力点を探索することを少なくとも１回実行する。以下、部分影があると判定された場合に実行される探索処理を、判定結果に基づく探索処理ともいう。
図４は、太陽光発電パネル２に部分影ができた状態における出力曲線の一例を示す図である。図４において、点線は、横軸を電圧［Ｖ］、縦軸を太陽光発電パネル２から引き出せる電力［Ｗ］としたときの出力曲線のグラフである。実線は、横軸を電圧［Ｖ］、縦軸を太陽光発電パネル２から引き出せる電流［Ａ］としたときの出力曲線のグラフである。点線の出力曲線には、２つのピーク電力点（第１のピーク電力点Ｐ１、及び第２のピーク電力点Ｐ２）が存在する。２つのピーク電力点Ｐ１，Ｐ２の間には、バレイ（谷）Ｖ１がある。
以下に、図４に示す出力曲線である太陽光発電パネル２に対して制御部２４ａが探索処理を行った場合の処理内容について説明する。
この探索処理は、判定部２４ｂによって太陽光発電パネル２に部分影ができたと判定された場合に実行される、判定結果に基づく探索処理である。
ＭＰＰＴ制御の実行中において、判定部２４ｂによって部分影があると判定されると、制御部２４ａは、探索処理の実行を決定し、電流ステップの制御により太陽光発電パネル２の出力曲線上におけるＭＰＰＴ制御の電力点を移動させる。
図４において、まず、ＭＰＰＴ制御の電力点は、開放側から電流ステップの制御によりピーク電力点Ｐ１（電流値ＩＰ１）に到達する。そして、制御部２４ａは、その時点での電流値ＩＰ１及び電圧値ＶＰ１並びに電力値（ＩＰ１×ＶＰ１）を記憶部２６に記憶する。
この探索処理は、判定部２４ｂによって太陽光発電パネル２に部分影ができたと判定された場合に実行される、判定結果に基づく探索処理である。
ＭＰＰＴ制御の実行中において、判定部２４ｂによって部分影があると判定されると、制御部２４ａは、探索処理の実行を決定し、電流ステップの制御により太陽光発電パネル２の出力曲線上におけるＭＰＰＴ制御の電力点を移動させる。
図４において、まず、ＭＰＰＴ制御の電力点は、開放側から電流ステップの制御によりピーク電力点Ｐ１（電流値ＩＰ１）に到達する。そして、制御部２４ａは、その時点での電流値ＩＰ１及び電圧値ＶＰ１並びに電力値（ＩＰ１×ＶＰ１）を記憶部２６に記憶する。
次に、制御部２４ａは、電流指令値を定格最大電流値ＩＲに変更する。すなわち、ステップ処理としては、ＩＰ１から、離れた他の値ＩＲにジャンプするように移動することになる。そして、ＭＰＰＴ制御の電力点は、電流値ＩＰ２，電圧値ＶＰ２のピーク電力点Ｐ２に到達する。ここで、制御部２４ａは、電流値ＩＰ２及び電圧値ＶＰ２並びに電力値（ＩＰ２×ＶＰ２）を記憶部２６に記憶する。
これにより、制御部２４ａは、２つのピーク電力点Ｐ１，Ｐ２に関する情報を記憶部２６に記憶する。
これにより、制御部２４ａは、２つのピーク電力点Ｐ１，Ｐ２に関する情報を記憶部２６に記憶する。
図５は、太陽光発電パネル２に部分影ができた状態における出力曲線の他の例を示す図である。図において、点線は、横軸を電圧［Ｖ］、縦軸を太陽光発電パネル２から引き出せる電力［Ｗ］としたときの出力曲線のグラフである。実線は、横軸を電圧［Ｖ］、縦軸を太陽光発電パネル２から引き出せる電流［Ａ］としたときの出力曲線のグラフである。点線の出力曲線には、３つのピーク電力点（第１のピーク電力点Ｐ１、第２のピーク電力点Ｐ２、及び第３のピーク電力点Ｐ３）が存在する。ピーク電力点Ｐ１，Ｐ２の間、及び、ピーク電力点Ｐ２，Ｐ３の間には、それぞれ、バレイＶ１及びＶ２がある。
以下に、図５に示す出力曲線である太陽光発電パネル２に対して制御部２４ａが探索処理を行った場合の処理内容について説明する。
この探索処理も、図４に示した探索処理と同様、判定部２４ｂによって太陽光発電パネル２に部分影ができたと判定された場合に実行される、判定結果に基づく探索処理である。
ＭＰＰＴ制御の実行中において、判定部２４ｂによって部分影があると判定されると、制御部２４ａは、探索処理の実行を決定し、電流ステップの制御により太陽光発電パネル２の出力曲線上におけるＭＰＰＴ制御の電力点を移動させる。
図５において、まず、ＭＰＰＴ制御の電力点は、開放側から電流ステップによりピーク電力点Ｐ１（電流値ＩＰ１，電圧値ＶＰ１）に到達する。そして、制御部２４ａは、その時点での電流値ＩＰ１及び電圧値ＶＰ１並びに電力値（ＩＰ１×ＶＰ１）を記憶部２６に記憶する。
この探索処理も、図４に示した探索処理と同様、判定部２４ｂによって太陽光発電パネル２に部分影ができたと判定された場合に実行される、判定結果に基づく探索処理である。
ＭＰＰＴ制御の実行中において、判定部２４ｂによって部分影があると判定されると、制御部２４ａは、探索処理の実行を決定し、電流ステップの制御により太陽光発電パネル２の出力曲線上におけるＭＰＰＴ制御の電力点を移動させる。
図５において、まず、ＭＰＰＴ制御の電力点は、開放側から電流ステップによりピーク電力点Ｐ１（電流値ＩＰ１，電圧値ＶＰ１）に到達する。そして、制御部２４ａは、その時点での電流値ＩＰ１及び電圧値ＶＰ１並びに電力値（ＩＰ１×ＶＰ１）を記憶部２６に記憶する。
次に、制御部２４ａは、電流指令値を定格最大電流値ＩＲに変更する。すなわち、ステップ処理としては、ＩＰ１から、離れた他の値ＩＲにジャンプするように移動することになる（図５の移動１）。そして、ＭＰＰＴ制御の電力点は、電流値ＩＰ３，電圧値ＶＰ３のピーク電力点Ｐ３に到達する。ここで、制御部２４ａは、電流値ＩＰ３及び電圧値ＶＰ３並びに電力値（ＩＰ３×ＶＰ３）を記憶部２６に記憶する。このとき、制御部２４ａは、今記憶したピーク電力点Ｐ３の電圧値ＶＰ３と、前回記憶したピーク電力点Ｐ１の電圧値ＶＰ１とを互いに比較する。このとき、その差が大きい場合は、その間に、他のピーク電力値が存在する可能性が十分にある。
そこで、記憶した２つの電圧値の差が所定値より大きい場合には、制御部２４ａは、出力曲線の値域の範囲内でさらに移動させる。但し、最初の移動と等量の移動をすると、元に戻るので、最初の移動より移動量を減らす。減らす目安としては例えば、図５における「移動２」の移動量を、ＩＰ１，ＩＰ３の中間点ＩＰＸにすることが考えられる。「移動２」の結果、ＭＰＰＴ制御の電力点は、電流値ＩＰ２，電圧値ＶＰ２のピーク電力点Ｐ２に到達する。ここで、制御部２４ａは、電流値ＩＰ２及び電圧値ＶＰ２並びに電力値（ＩＰ２×ＶＰ２）を記憶部２６に記憶する。
これにより、制御部２４ａは、３つのピーク電力点Ｐ１，Ｐ２，Ｐ３に関する情報を記憶部２６に記憶する。
これにより、制御部２４ａは、３つのピーク電力点Ｐ１，Ｐ２，Ｐ３に関する情報を記憶部２６に記憶する。
記憶部２６に記憶されたピーク電力点Ｐ１，Ｐ２，Ｐ３に関する情報は、制御部２４ａによるＭＰＰＴ制御を行う際に用いられる。
上記の「移動２」の適切な移動量は、既に発見したピーク電力点Ｐ１，Ｐ３の電流値の中間点のほか、中間点の前後、例えば中間点を５０％とすれば４０～６０％程度で設定してもよい。また、移動２で新しいピーク電力点が見つからない場合、さらに、移動する範囲を変更しながら、移動を繰り返してもよい。１つの移動法としては、移動量を徐々に減らすことが考えられる。また、ＩＰ１からＩＰ３までの範囲内でランダムに移動することも考えられる。
また、制御部２４ａは、他のピーク電力点としての第２のピーク電力点を探索した後、さらに第３のピーク電力点を探索するか否かを判定するようにしてもよい。
太陽光発電パネル２の出力曲線にピーク電力点が１点又は２点以上あるか否かは、時々刻々変化する。例えば、ピーク電力点が１点の場合は、第１のピーク電力点と、第２のピーク電力点とは結果的に同じ位置になるので、第３のピーク電力点を探索することにメリットが無い。従って、このような判定を行うことで、無駄な探索を省略することができる。
太陽光発電パネル２の出力曲線にピーク電力点が１点又は２点以上あるか否かは、時々刻々変化する。例えば、ピーク電力点が１点の場合は、第１のピーク電力点と、第２のピーク電力点とは結果的に同じ位置になるので、第３のピーク電力点を探索することにメリットが無い。従って、このような判定を行うことで、無駄な探索を省略することができる。
また、制御部２４ａは、第１のピーク電力点と第２のピーク電力点との電圧差又は電流差に基づいて判定を行ってもよい。例えば、電流ステップの制御であれば電圧差、電圧ステップの制御であれば電流差、である。
例えば、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が、僅差であれば、他に、もっと高いピーク電力点がある可能性は低い。従って、そのような場合には、第３のピーク電力点の探索を回避することが合理的である。逆に、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が大きいのであれば、他に、もっと高いピーク電力点がある可能性がある。従って、そのような場合には、第３のピーク電力点の探索を行うことが、より高いピーク電力点を得る点で合理的である。
例えば、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が、僅差であれば、他に、もっと高いピーク電力点がある可能性は低い。従って、そのような場合には、第３のピーク電力点の探索を回避することが合理的である。逆に、第１のピーク電力点と、第２のピーク電力点とで、電圧差（又は電流差）が大きいのであれば、他に、もっと高いピーク電力点がある可能性がある。従って、そのような場合には、第３のピーク電力点の探索を行うことが、より高いピーク電力点を得る点で合理的である。
以上のように、制御部２４ａは、探索処理を実行することで、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索し、探索されたピーク電力点に関する情報を記憶部２６に記憶する。
〔処理部の動作態様について〕
図６は、処理部２４が実行する動作態様を示すフローチャートである。
図６に示すように、処理部２４は、太陽光発電パネル２の電力変換処理を行う中で、データ蓄積処理（ステップＳ１）、学習フェーズ（ステップＳ２）、及び運転モード（ステップＳ３）を実行する。学習フェーズにおいて、処理部２４は、学習モデル構築（更新）処理を実行する。学習モデル構築（更新）処理とは、データ蓄積処理において収集及び蓄積したデータセット２８に登録された教師データを用いて機械学習を行い、学習モデル３０を構築（更新）する処理である。学習モデル３０を構築（更新）すると、処理部２４は運転モードを実行する。
運転モードにおいて、処理部２４は、太陽光発電を行う太陽光発電パネル２からの出力の電力変換処理を電力変換部２０に行わせる。
図６は、処理部２４が実行する動作態様を示すフローチャートである。
図６に示すように、処理部２４は、太陽光発電パネル２の電力変換処理を行う中で、データ蓄積処理（ステップＳ１）、学習フェーズ（ステップＳ２）、及び運転モード（ステップＳ３）を実行する。学習フェーズにおいて、処理部２４は、学習モデル構築（更新）処理を実行する。学習モデル構築（更新）処理とは、データ蓄積処理において収集及び蓄積したデータセット２８に登録された教師データを用いて機械学習を行い、学習モデル３０を構築（更新）する処理である。学習モデル３０を構築（更新）すると、処理部２４は運転モードを実行する。
運転モードにおいて、処理部２４は、太陽光発電を行う太陽光発電パネル２からの出力の電力変換処理を電力変換部２０に行わせる。
処理部２４は、運転モード（ステップＳ３）と、学習フェーズ（ステップＳ２）とを繰り返すことで、学習モデル３０を更新しつつ運転モードを実行する。
〔データ蓄積処理について〕
図７は、図６中のデータ蓄積処理の一例を示すフローチャートである。
処理部２４は、例えば、太陽光発電システム１の設置後初めて運転を開始する場合等にデータ蓄積処理を実行する。
図７は、図６中のデータ蓄積処理の一例を示すフローチャートである。
処理部２４は、例えば、太陽光発電システム１の設置後初めて運転を開始する場合等にデータ蓄積処理を実行する。
図７に示すように、処理部２４は、まず、制御部２４ａにＭＰＰＴ制御を実行させる（ステップＳ１１）。この場合、制御部２４ａは、通常の探索処理を行った上でＭＰＰＴ制御を実行する。
次いで、部分影の定期判定時間が到来したか否かを判定し（ステップＳ１２）、定期判定時間が到来したと判定すると、データ取得部２４ｃは、その時点における判定データ（現時点の特徴量）を取得し、一時的に記憶する（ステップＳ１３）。
一方、ステップＳ１２において定期判定時間が到来していないと判定すると、制御部２４ａは、再度ステップＳ１２を繰り返す。
次いで、部分影の定期判定時間が到来したか否かを判定し（ステップＳ１２）、定期判定時間が到来したと判定すると、データ取得部２４ｃは、その時点における判定データ（現時点の特徴量）を取得し、一時的に記憶する（ステップＳ１３）。
一方、ステップＳ１２において定期判定時間が到来していないと判定すると、制御部２４ａは、再度ステップＳ１２を繰り返す。
部分影の定期判定時間とは、データセット２８に登録するための教師データを収集するタイミングを定める時間であり、部分影が太陽光発電パネル２に存在する期間がある場合、部分影が存在するタイミングを捉えることができるような値に設定される。例えば、数１０分ごとに判定時間が到来するように設定される。
ステップＳ１３においてデータ取得部２４ｃが判定データを取得すると、制御部２４ａは、探索処理を実行する（ステップＳ１４）。
制御部２４ａは、探索処理を実行し、探索処理によって、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索する。制御部２４ａは、ステップＳ１４において、判定部２４ｂによって部分影があると判定された場合に実行する探索処理（判定結果に基づく探索処理）を実行する。
よって、制御部２４ａは、太陽光発電パネル２の出力曲線における電流の値域の一方側から電力が増大する方向へアプローチする制御を行い、電力点が、最大電力点の候補である第１のピーク電力点に到達した場合に、電流の値域の範囲内で、離れた他の値にジャンプするように移動して再び電力が増大する方向へアプローチする制御を行うことにより、最大電力点の候補である他のピーク電力点を探索することを少なくとも１回実行する。
制御部２４ａは、探索処理を実行し、探索処理によって、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索する。制御部２４ａは、ステップＳ１４において、判定部２４ｂによって部分影があると判定された場合に実行する探索処理（判定結果に基づく探索処理）を実行する。
よって、制御部２４ａは、太陽光発電パネル２の出力曲線における電流の値域の一方側から電力が増大する方向へアプローチする制御を行い、電力点が、最大電力点の候補である第１のピーク電力点に到達した場合に、電流の値域の範囲内で、離れた他の値にジャンプするように移動して再び電力が増大する方向へアプローチする制御を行うことにより、最大電力点の候補である他のピーク電力点を探索することを少なくとも１回実行する。
探索処理の後、制御部２４ａは、探索処理による探索結果に基づいて太陽光発電パネル２の出力曲線にピーク電力点が複数存在するか否かを判定する（ステップＳ１５）。
ステップＳ１５においてピーク電力点が複数存在するという判定結果が得られた場合、制御部２４ａは、太陽光発電パネル２に部分影が有ることを示す情報（「有り」）を、そのときの部分影の有無を判定するための特徴量（一時的に記憶した判定データ）に対応付けてデータセット２８に登録する（ステップＳ１６）。
一方、ステップＳ１５においてピーク電力点が複数存在しないという判定結果が得られた場合、制御部２４ａは、太陽光発電パネル２に部分影が無いことを示す情報（「無し」）を、そのときの特徴量（一時的に記憶した判定データ）に対応付けてデータセット２８に登録する（ステップＳ１７）。
一方、ステップＳ１５においてピーク電力点が複数存在しないという判定結果が得られた場合、制御部２４ａは、太陽光発電パネル２に部分影が無いことを示す情報（「無し」）を、そのときの特徴量（一時的に記憶した判定データ）に対応付けてデータセット２８に登録する（ステップＳ１７）。
制御部２４ａは、探索処理を行い、太陽光発電パネル２の出力曲線にピーク電力点が複数存在するか否かの判定結果に応じて、太陽光発電パネル２における部分影の有無を示す情報（部分影有無情報）を特徴量に対応付ける。
制御部２４ａは、ピーク電力点が複数ではないと判定されたときに、部分影有無情報として、太陽光発電パネル２に部分影が無いことを示す情報（「無し」：部分影無しを示すデータ）を付与する。また、制御部２４ａは、ピーク電力点が複数であると判定されたときに、部分影有無情報として、太陽光発電パネル２に部分影が有ることを示す情報（「有り」：部分影有りを示すデータ）を付与する。
制御部２４ａは、後述の運転モードにおいても、部分影有無情報を特徴量に対応付ける。
制御部２４ａは、ピーク電力点が複数ではないと判定されたときに、部分影有無情報として、太陽光発電パネル２に部分影が無いことを示す情報（「無し」：部分影無しを示すデータ）を付与する。また、制御部２４ａは、ピーク電力点が複数であると判定されたときに、部分影有無情報として、太陽光発電パネル２に部分影が有ることを示す情報（「有り」：部分影有りを示すデータ）を付与する。
制御部２４ａは、後述の運転モードにおいても、部分影有無情報を特徴量に対応付ける。
図８は、データセット２８の一例を示す図である。
図８中、データセット２８には、複数の教師データが登録される。
データセット２８に登録される教師データには、太陽光発電パネル２における部分影の有無を判定するための特徴量であるデータ（判定データ）に、データに対応する太陽光発電パネル２における部分影の有無を示す情報（正解データ）がタグ付けされている。
図８中、データセット２８には、複数の教師データが登録される。
データセット２８に登録される教師データには、太陽光発電パネル２における部分影の有無を判定するための特徴量であるデータ（判定データ）に、データに対応する太陽光発電パネル２における部分影の有無を示す情報（正解データ）がタグ付けされている。
太陽光発電パネル２における部分影の有無を判定するための特徴量には、上述のように、例えば、日時、天気、気温、日射量といった太陽光発電パネル２の設置環境に関するデータと、発電電力、所定時間の電力変化量といった電力に関するデータが含まれる。
これら特徴量は、データ取得部２４ｃによって取得される。データ取得部２４ｃは、これらデータを所定間隔で取得する。なお、前記所定間隔は、定期的であってもよいし不定期であってもよい。
また、データ取得部２４ｃが取得する特徴量は、上述のデータのうちの一部のみを含んでいてもよいし、上述のデータ以外のデータが含まれていてもよい。
これら特徴量は、データ取得部２４ｃによって取得される。データ取得部２４ｃは、これらデータを所定間隔で取得する。なお、前記所定間隔は、定期的であってもよいし不定期であってもよい。
また、データ取得部２４ｃが取得する特徴量は、上述のデータのうちの一部のみを含んでいてもよいし、上述のデータ以外のデータが含まれていてもよい。
データセット２８には、正解データと、その正解データを得たときの特徴量とを対応付けて登録するための欄が設けられている。すなわち、各データには、部分影の有無を示すタグが付与されている。
特徴量を登録するための欄には、日時を登録するための欄である「日時」、気温を登録するための欄である「天気」、気温を登録するための欄である「気温」、日射量を登録するための欄である「日射量」、及び、発電電力を登録するための欄である「発電電力」が含まれる。
特徴量を登録するための欄には、日時を登録するための欄である「日時」、気温を登録するための欄である「天気」、気温を登録するための欄である「気温」、日射量を登録するための欄である「日射量」、及び、発電電力を登録するための欄である「発電電力」が含まれる。
正解データが登録される欄である「部分影有無」には、上述の部分影有無情報である、太陽光発電パネル２に部分影が有ることを示す情報「有り」、又は、太陽光発電パネル２に部分影が無いことを示す情報「無し」が登録される。
また、特徴量の欄のうち、天気が登録される欄である「天気」には、天気を示す情報として、「晴れ」「曇」「雨」といった情報が登録される。なお、これら天気を示す情報は、カテゴリカルデータ（定性データ）であるため、予め設定された数値に置き換えて処理するようにしてもよい。
また、特徴量の欄のうち、天気が登録される欄である「天気」には、天気を示す情報として、「晴れ」「曇」「雨」といった情報が登録される。なお、これら天気を示す情報は、カテゴリカルデータ（定性データ）であるため、予め設定された数値に置き換えて処理するようにしてもよい。
このようにして、処理部２４は、特徴量と、その特徴量に対応する部分影の有無を示す情報とを含む教師データを収集し、データセット２８に登録する。
さらに、処理部２４は、後述するように運転モード中に、教師データの登録を行う。運転モード中に教師データを登録する場合、処理部２４は、教師データの他、判定部２４ｂによる判定結果も登録する。
判定部２４ｂによる判定結果は、学習モデル３０を用いて太陽光発電パネル２における部分影の有無を判定した結果である。
判定部２４ｂによる判定結果は、データセット２８中の欄である「モデル判定結果」に登録される。
判定部２４ｂによる判定結果は、教師データに対応付けられてデータセット２８に登録される。
なお、データ蓄積処理によって収集された教師データには、判定部２４ｂによる判定結果が関連付けられることはない。よって、データ蓄積処理によって収集された教師データに対応する「モデル判定結果」の欄は空欄となる。
判定部２４ｂによる判定結果は、学習モデル３０を用いて太陽光発電パネル２における部分影の有無を判定した結果である。
判定部２４ｂによる判定結果は、データセット２８中の欄である「モデル判定結果」に登録される。
判定部２４ｂによる判定結果は、教師データに対応付けられてデータセット２８に登録される。
なお、データ蓄積処理によって収集された教師データには、判定部２４ｂによる判定結果が関連付けられることはない。よって、データ蓄積処理によって収集された教師データに対応する「モデル判定結果」の欄は空欄となる。
図７に示すように、ステップＳ１６，１７において各特徴量を示す情報と、部分影の有無を示す情報とがデータセット２８に登録されると、処理部２４は、データ蓄積期間が終了したか否かを判定する（ステップＳ１９）。
データ蓄積期間が終了していないと判定すると、処理部２４は、ステップＳ１２に戻り、制御部２４ａに上述の処理を再度実行させる（ステップＳ１２－Ｓ１９）。これにより、処理部２４は、ＭＰＰＴ制御によって電力を出力しつつ、さらに教師データを収集し、蓄積する。
データ蓄積期間が終了していないと判定すると、処理部２４は、ステップＳ１２に戻り、制御部２４ａに上述の処理を再度実行させる（ステップＳ１２－Ｓ１９）。これにより、処理部２４は、ＭＰＰＴ制御によって電力を出力しつつ、さらに教師データを収集し、蓄積する。
一方、データ蓄積期間が終了したと判定すると、処理部２４は、データ蓄積処理を終え、図６のフローチャートへ戻る。なお、データ蓄積期間は、必要数の教師データを蓄積するための期間であり、例えば、数日から数週間に設定される。
以上のようにして、処理部２４は、教師データの収集と蓄積を行う。
以上のようにして、処理部２４は、教師データの収集と蓄積を行う。
なお、ステップＳ１５においてピーク電力点が複数存在するという判定結果が得られた場合、制御部２４ａは、複数のピーク電力点のうち、最も電力値が高いピーク電力点を最大電力点として選択し、最大電力点として選択したピーク電力点に基づいた制御を行ってもよいし、ステップＳ１４の探索処理以前に用いていたピーク電力点に基づいた制御を行ってもよい。
〔学習モデル構築処理について〕
処理部２４は、データ蓄積処理によって教師データの収集及び蓄積を終えると、学習フェーズに遷移し、更新部２４ｄに学習モデル構築処理を実行させる（図６中、ステップＳ２）。
処理部２４は、データ蓄積処理によって教師データの収集及び蓄積を終えると、学習フェーズに遷移し、更新部２４ｄに学習モデル構築処理を実行させる（図６中、ステップＳ２）。
図９は、学習モデル構築処理の一例を示すフローチャートである。
更新部２４ｄは、データセット２８に登録されている複数の教師データを学習データとして用い、今後取得される特徴量に基づいて太陽光発電パネル２の部分影の有無を判定することができるように学習した学習済の学習モデルを構築する。
まず、更新部２４ｄは、データセット２８に登録されている複数の教師データのうちの１つを学習データとして参照し（ステップＳ２１）、機械学習を行い（ステップＳ２２）、学習モデル３０を構築する。
更新部２４ｄは、データセット２８に登録されている複数の教師データを学習データとして用い、今後取得される特徴量に基づいて太陽光発電パネル２の部分影の有無を判定することができるように学習した学習済の学習モデルを構築する。
まず、更新部２４ｄは、データセット２８に登録されている複数の教師データのうちの１つを学習データとして参照し（ステップＳ２１）、機械学習を行い（ステップＳ２２）、学習モデル３０を構築する。
なお、学習モデル３０は、例えば、教師データに含まれる各特徴量に基づいて部分影が有るか否かの予測結果を数値等によって出力する予測モデルである。学習モデル３０は、更新部２４ｄによる機械学習がなされ、部分影が存在するか否かの予測に関する精度が高められる。
更新部２４ｄによる機械学習で用いられる機械学習アルゴリズムは、特に限定されるものではないが、一例として、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）、ニューラルネットワーク、ディープニューラルネットワーク、再帰ニューラルネットワーク等が挙げられる。
更新部２４ｄによる機械学習で用いられる機械学習アルゴリズムは、特に限定されるものではないが、一例として、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）、ニューラルネットワーク、ディープニューラルネットワーク、再帰ニューラルネットワーク等が挙げられる。
ステップＳ２２の後、更新部２４ｄは、データセット２８に登録されている全ての教師データの学習が終了したか否かを判定する（ステップＳ２３）。
全ての教師データの学習が終了していない場合、更新部２４ｄは、再度ステップＳ２１へ戻り、データセット２８に登録されている教師データを参照し、機械学習を行って学習モデル３０を構築する。
更新部２４ｄは、データセット２８に登録されている教師データを順次機械学習する。
全ての教師データの学習が終了していない場合、更新部２４ｄは、再度ステップＳ２１へ戻り、データセット２８に登録されている教師データを参照し、機械学習を行って学習モデル３０を構築する。
更新部２４ｄは、データセット２８に登録されている教師データを順次機械学習する。
ステップＳ２３においてデータセット２８に登録されている全ての教師データの学習が終了したと判定すると、更新部２４ｄは、全ての教師データを学習することで構築された学習モデル３０を出力する。処理部２４は、更新部２４ｄが出力した学習モデル３０を記憶部２６に保存し（ステップＳ２４）、図６のフローチャートへ戻る。
〔運転モードについて〕
処理部２４は、学習モデル構築処理によって学習モデル３０を構築すると、運転モードを実行する。
処理部２４は、学習モデル構築処理によって学習モデル３０を構築すると、運転モードを実行する。
図１０は、運転モードの一例を示すフローチャートである。
図１０に示すように、処理部２４は、まず、制御部２４ａにＭＰＰＴ制御を実行させる（ステップＳ３１）。この場合、制御部２４ａは、通常の探索処理を行った上でＭＰＰＴ制御を実行する。
図１０に示すように、処理部２４は、まず、制御部２４ａにＭＰＰＴ制御を実行させる（ステップＳ３１）。この場合、制御部２４ａは、通常の探索処理を行った上でＭＰＰＴ制御を実行する。
次いで、データ取得部２４ｃは、現時点の特徴量を収集する（ステップＳ３２）。続いて、判定部２４ｂは、学習モデル３０に収集した特徴量（現時点の判定データ）を入力し、その出力を得る（ステップＳ３３）。
判定部２４ｂは、学習モデル３０の出力に基づいて、「部分影有り」又は「部分影無し」のいずれかを判定結果として出力する。
判定部２４ｂは、学習モデル３０の出力に基づいて、「部分影有り」又は「部分影無し」のいずれかを判定結果として出力する。
次いで、制御部２４ａは、判定部２４ｂによる判定結果が「部分影有り」か否かを判定する（ステップＳ３４）。
判定部２４ｂによる判定結果が「部分影無し」である場合（ステップＳ３４）、制御部２４ａは、判定部２４ｂによる学習モデル３０を用いた判定結果と、現時点の特徴量とを対応付けてデータセット２８に登録し、データセット２８を更新した上でステップＳ３２へ戻る。よって、制御部２４ａは、判定部２４ｂによる判定結果として、部分影が無いという判定結果（「無し」）をデータセット２８中の欄「モデル判定結果」に登録する。この場合、部分影有無情報は付与されないので、データセット２８中の欄「部分影有無」は空欄となる。なお、この場合、データセット２８中の欄「部分影有無」に部分影が無いことを示す情報（「無し」）を登録してもよい。
判定部２４ｂによる判定結果が「部分影無し」である場合（ステップＳ３４）、制御部２４ａは、判定部２４ｂによる学習モデル３０を用いた判定結果と、現時点の特徴量とを対応付けてデータセット２８に登録し、データセット２８を更新した上でステップＳ３２へ戻る。よって、制御部２４ａは、判定部２４ｂによる判定結果として、部分影が無いという判定結果（「無し」）をデータセット２８中の欄「モデル判定結果」に登録する。この場合、部分影有無情報は付与されないので、データセット２８中の欄「部分影有無」は空欄となる。なお、この場合、データセット２８中の欄「部分影有無」に部分影が無いことを示す情報（「無し」）を登録してもよい。
ステップＳ３４からステップＳ３２へ戻ると、データ取得部２４ｃは、再度、現時点の特徴量を収集する（ステップＳ３２）。この間、制御部２４ａはＭＰＰＴ制御を継続する。
よって、判定部２４ｂによる判定結果が「部分影無し」である状態が継続すると、ステップＳ３２～Ｓ３４が繰り返し実行される。
よって、判定部２４ｂによる判定結果が「部分影無し」である状態が継続すると、ステップＳ３２～Ｓ３４が繰り返し実行される。
判定部２４ｂによる判定結果が「部分影有り」である場合（ステップＳ３４）、制御部２４ａは、探索処理を実行する（ステップＳ３６）。
制御部２４ａは、ステップＳ３６において、判定結果に基づく探索処理を実行する。
ステップＳ３６において、制御部２４ａは、探索処理によって、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索する。
探索処理の後、制御部２４ａは、太陽光発電パネル２の出力曲線にピーク電力点が複数存在するか否かを判定する（ステップＳ３７）。
制御部２４ａは、ステップＳ３６において、判定結果に基づく探索処理を実行する。
ステップＳ３６において、制御部２４ａは、探索処理によって、太陽光発電パネル２の出力曲線に存在するピーク電力点を探索する。
探索処理の後、制御部２４ａは、太陽光発電パネル２の出力曲線にピーク電力点が複数存在するか否かを判定する（ステップＳ３７）。
ステップＳ３７においてピーク電力点が複数ではない（ピーク電力点が１つ）と判定されると、制御部２４ａは、部分影有無情報である太陽光発電パネル２に部分影が無いことを示す情報と、現時点の特徴量とをデータセット２８に登録し、データセット２８を更新する（ステップＳ４３）。
さらに、制御部２４ａは、判定部２４ｂによる学習モデル３０を用いた判定結果についても、データセット２８に登録する。
よって、制御部２４ａは、ステップＳ４３において、判定部２４ｂによる判定結果として、部分影が有るという判定結果（「有り」）をデータセット２８中の欄「モデル判定結果」に登録し、部分影有無情報として、部分影が無いことを示す情報（「無し」）をデータセット２８中の欄「部分影有無」に登録する。
さらに、制御部２４ａは、判定部２４ｂによる学習モデル３０を用いた判定結果についても、データセット２８に登録する。
よって、制御部２４ａは、ステップＳ４３において、判定部２４ｂによる判定結果として、部分影が有るという判定結果（「有り」）をデータセット２８中の欄「モデル判定結果」に登録し、部分影有無情報として、部分影が無いことを示す情報（「無し」）をデータセット２８中の欄「部分影有無」に登録する。
特徴量、部分影有無情報、及び判定部２４ｂの判定結果がデータセット２８に登録されると（ステップＳ４３）、制御部２４ａは、ステップＳ３２へ戻る。このとき、制御部２４ａは、探索された１つのピーク電力点に基づいてＭＰＰＴ制御を継続する（ステップＳ３１）。
一方、ステップＳ３７においてピーク電力点が複数であると判定されると、制御部２４ａは探索処理によって探索された複数のピーク電力点のうち、最も高い電力のピーク電力点を最大電力点として選択し、選択したピーク電力点又はその直近にとどまるようにＭＰＰＴ制御を行う（ステップＳ３８）。
これにより、部分影を有することにより太陽光発電パネル２の出力曲線に複数のピーク電力点が存在する場合であっても、その時点での最大電力を太陽光発電パネル２から引き出すことができる。
これにより、部分影を有することにより太陽光発電パネル２の出力曲線に複数のピーク電力点が存在する場合であっても、その時点での最大電力を太陽光発電パネル２から引き出すことができる。
上記構成のシステム１によれば、部分影の有無を判定するための学習がなされた、学習済の学習モデル３０に、データ取得部２４ｃが取得した判定データを入力することによって、太陽光発電パネル２における部分影の有無を判定できる。部分影が有ると判定された場合に、制御部２４ａは、第１のピーク電力点の他、他のピーク電力点を探索し、複数のピーク電力点が有るか否かを探索する。これにより、例えば定期的に他のピーク電力点を探索する場合に比べて、他のピーク電力点の探索が無駄に実行されるのを抑制できる。その結果、発電効率の低下を抑制できる。
ステップＳ３８の後、制御部２４ａは、直前のステップＳ３７の判定結果に応じた部分影有無情報と、ステップＳ３２で取得した現時点の特徴量とをデータセット２８に登録し、データセット２８を更新する（ステップＳ３９）。
この場合、制御部２４ａは、ピーク電力点が複数であるという判定結果に応じた部分影有無情報である、太陽光発電パネル２に部分影が有ることを示す情報を付与し、部分影が有ることを示す情報と、現時点の特徴量とを教師データとしてデータセット２８に登録する。さらに、制御部２４ａは、判定部２４ｂによる学習モデル３０を用いた判定結果についても、データセット２８に登録する。
よって、制御部２４ａは、ステップＳ３９において、判定部２４ｂによる判定結果として、部分影が有るという判定結果（「有り」）をデータセット２８中の欄「モデル判定結果」に登録し、部分影有無情報として、部分影が有ることを示す情報（「有り」）をデータセット２８中の欄「部分影有無」に登録する。
この場合、制御部２４ａは、ピーク電力点が複数であるという判定結果に応じた部分影有無情報である、太陽光発電パネル２に部分影が有ることを示す情報を付与し、部分影が有ることを示す情報と、現時点の特徴量とを教師データとしてデータセット２８に登録する。さらに、制御部２４ａは、判定部２４ｂによる学習モデル３０を用いた判定結果についても、データセット２８に登録する。
よって、制御部２４ａは、ステップＳ３９において、判定部２４ｂによる判定結果として、部分影が有るという判定結果（「有り」）をデータセット２８中の欄「モデル判定結果」に登録し、部分影有無情報として、部分影が有ることを示す情報（「有り」）をデータセット２８中の欄「部分影有無」に登録する。
特徴量、部分影有無情報、及び判定部２４ｂの判定結果がデータセット２８に登録されると（ステップＳ３９）、更新部２４ｄは、判定部２４ｂによる判定結果と、部分影有無情報との間の一致率を算出する（ステップＳ４０）。
更新部２４ｄは、データセット２８を参照して、判定部２４ｂによる判定結果を有する教師データの総数をカウントする。つまり、更新部２４ｄは、判定部２４ｂによって太陽光発電パネル２に部分影が有ると判定された回数である第１の回数を求める。
また、更新部２４ｄは、判定部２４ｂによる判定結果が登録されている教師データを参照し、判定部２４ｂによる判定結果と、部分影有無情報の内容とが一致している教師データの個数（一致個数）をカウントする。つまり、更新部２４ｄは、判定部２４ｂによって太陽光発電パネル２に部分影が有ると判定され、かつ出力曲線に複数のピーク電力点が存在すると判定された回数（部分影有無情報として部分影が有ることを示す情報（「有り」）が付与された回数）である第２の回数を求める。
さらに、更新部２４ｄは、判定部２４ｂによる判定結果を有する教師データの総数に対する一致個数の割合を一致率として算出する。
また、更新部２４ｄは、判定部２４ｂによる判定結果が登録されている教師データを参照し、判定部２４ｂによる判定結果と、部分影有無情報の内容とが一致している教師データの個数（一致個数）をカウントする。つまり、更新部２４ｄは、判定部２４ｂによって太陽光発電パネル２に部分影が有ると判定され、かつ出力曲線に複数のピーク電力点が存在すると判定された回数（部分影有無情報として部分影が有ることを示す情報（「有り」）が付与された回数）である第２の回数を求める。
さらに、更新部２４ｄは、判定部２４ｂによる判定結果を有する教師データの総数に対する一致個数の割合を一致率として算出する。
次いで、更新部２４ｄは、一致率が予め設定された第１閾値以下か否かを判定する（ステップＳ４１）。
一致率が第１閾値以下ではない（第１閾値よりも大きい）と判定された場合、制御部２４ａは、現時点の特徴量を収集する（ステップＳ４４）。続いて、判定部２４ｂは、収集した特徴量を学習モデル３０に入力し、その出力を得る（ステップＳ４５）。判定部２４ｂは、学習モデル３０の出力に基づいて、「部分影有り」又は「部分影無し」のいずれかを判定結果として出力する。
一致率が第１閾値以下ではない（第１閾値よりも大きい）と判定された場合、制御部２４ａは、現時点の特徴量を収集する（ステップＳ４４）。続いて、判定部２４ｂは、収集した特徴量を学習モデル３０に入力し、その出力を得る（ステップＳ４５）。判定部２４ｂは、学習モデル３０の出力に基づいて、「部分影有り」又は「部分影無し」のいずれかを判定結果として出力する。
次いで、制御部２４ａは、判定部２４ｂによる判定結果が「部分影有り」か否かを判定する（ステップＳ４６）。
判定部２４ｂによる判定結果が「部分影有り」である場合（ステップＳ４６）、制御部２４ａは、ステップＳ４４へ戻り、ステップＳ４４，Ｓ４５を再度実行する。
一方、判定部２４ｂによる判定結果が「部分影無し」である場合（ステップＳ４６）、制御部２４ａは、ステップＳ３２へ戻る。
判定部２４ｂによる判定結果が「部分影有り」である場合（ステップＳ４６）、制御部２４ａは、ステップＳ４４へ戻り、ステップＳ４４，Ｓ４５を再度実行する。
一方、判定部２４ｂによる判定結果が「部分影無し」である場合（ステップＳ４６）、制御部２４ａは、ステップＳ３２へ戻る。
よって、ステップＳ４６における判定部２４ｂによる判定結果が「部分影有り」から「部分影無し」となるまでの間、判定部２４ｂは判定を繰り返す（ステップＳ４６）。この間、制御部２４ａは、ステップＳ３８において選択したピーク電力点又はその直近にとどまるようにＭＰＰＴ制御を行う。
なお、ステップＳ４６において判定部２４ｂによる判定結果が「部分影無し」になると、制御部２４ａは、ＭＰＰＴ制御において、ステップＳ３８において選択したピーク電力点又はその直近にとどまる制御を中止し、通常の探索処理を行い、探索された１つのピーク電力点にとどまる制御に切り替える。
なお、ステップＳ４６において判定部２４ｂによる判定結果が「部分影無し」になると、制御部２４ａは、ＭＰＰＴ制御において、ステップＳ３８において選択したピーク電力点又はその直近にとどまる制御を中止し、通常の探索処理を行い、探索された１つのピーク電力点にとどまる制御に切り替える。
ステップＳ４１において、一致率が第１閾値以下であると判定された場合、制御部２４ａは、ＭＰＰＴ制御を中断し（ステップＳ４７）、運転モードを終了して図６のフローチャートへ戻り、学習フェーズ（ステップＳ２）へ遷移する。
運転モードから学習フェーズへ遷移すると、更新部２４ｄは、学習モデル構築（更新）処理を実行する。更新部２４ｄは、データセット２８に登録されている複数の教師データを学習データとして再学習し、学習モデル３０を更新する（ステップＳ２２，Ｓ２３，Ｓ２４）。
更新部２４ｄは、再構築された学習モデル３０を記憶部２６に記憶させることで学習モデル３０を更新する。
運転モードから学習フェーズへ遷移すると、更新部２４ｄは、学習モデル構築（更新）処理を実行する。更新部２４ｄは、データセット２８に登録されている複数の教師データを学習データとして再学習し、学習モデル３０を更新する（ステップＳ２２，Ｓ２３，Ｓ２４）。
更新部２４ｄは、再構築された学習モデル３０を記憶部２６に記憶させることで学習モデル３０を更新する。
ここで、データセット２８には、運転モードの間に収集された教師データが含まれている。更新部２４ｄは、運転モードの間に収集された教師データを新たな学習データとしてフィードバックすることにより再学習し、学習モデル３０を更新する。更新された学習モデル３０には、運転モードの間に収集された教師データが反映される。
出力曲線に複数のピーク電力点が存在すると判定されると、太陽光発電パネル２に部分影が有る可能性が極めて高い。このため、制御部２４ａは、出力曲線に複数のピーク電力点が存在するか否かの判定結果を、太陽光発電パネル２における部分影の有無を示す情報として扱う。
制御部２４ａは、運転モードにおいて、直近の太陽光発電パネル２の教師データを収集しデータセット２８に登録し更新する。これにより、現状の太陽光発電パネル２の状態をデータセット２８の教師データに反映させることができる。さらに、更新部２４ｄは、更新されたデータセット２８に登録された教師データを新たな学習データとして再学習し、学習モデル３０を更新する。よって、現状の太陽光発電パネル２の状態を学習モデル３０に反映させることができる。この結果、学習モデル３０の判定精度をより高めることができる。
制御部２４ａは、運転モードにおいて、直近の太陽光発電パネル２の教師データを収集しデータセット２８に登録し更新する。これにより、現状の太陽光発電パネル２の状態をデータセット２８の教師データに反映させることができる。さらに、更新部２４ｄは、更新されたデータセット２８に登録された教師データを新たな学習データとして再学習し、学習モデル３０を更新する。よって、現状の太陽光発電パネル２の状態を学習モデル３０に反映させることができる。この結果、学習モデル３０の判定精度をより高めることができる。
また、本実施形態では、判定部２４ｂによって太陽光発電パネル２に部分影が有ると判定された第１の回数（判定部２４ｂによる判定結果を有する教師データの総数）と、判定部２４ｂによって太陽光発電パネル２に部分影が有ると判定され、かつ出力曲線に複数のピーク電力点が存在すると判定された（部分影有無情報として部分影が有ることを示す情報（「有り」）が付与された）第２の回数（一致個数）と、を求め、第１の回数に対する第２の回数の割合（一致率）を算出する（ステップＳ４０）。この一致率に基づいて、運転モードを維持するか、学習フェーズへ遷移して学習モデル３０の更新を実行するか否かが決定される（ステップＳ４１）。
ここで、一致率は、判定部２４ｂの判定結果が「部分影有り」の場合に、部分影有無情報が「有り」となる確率を示している。つまり、学習モデル３０の判定精度を表している。よって、この一致率が低ければ、更新部２４ｄは、学習モデル３０の判定精度を高めるように当該学習モデル３０の更新を行う。この結果、学習モデル３０の判定精度を維持することができる。
学習モデル３０が再構築されて更新されると、制御部２４ａは、再度、運転モードへ遷移し、更新された学習モデル３０を用いて運転モードにおける処理を実行する。
〔他の実施形態について〕
図１１は、他の実施形態に係るＰＣＳ４の処理部２４の構成例を示す図である。
本実施形態の処理部２４は、制御部２４ａ、判定部２４ｂ、データ取得部２４ｃ、及び更新部２４ｄに加えて、診断部２４ｅを機能的に有している点において、上記実施形態と相違している。
図１１は、他の実施形態に係るＰＣＳ４の処理部２４の構成例を示す図である。
本実施形態の処理部２４は、制御部２４ａ、判定部２４ｂ、データ取得部２４ｃ、及び更新部２４ｄに加えて、診断部２４ｅを機能的に有している点において、上記実施形態と相違している。
この診断部２４ｅは、太陽光発電パネル２に部分影が無いと判定された場合に、太陽光発電パネル２から取り出される発電電力に基づいて太陽光発電パネル２の異常の有無を判定する異常判定部としての機能を有している。
図１２は、本実施形態の運転モードの一例を示すフローチャートである。なお、図１２では、ステップＳ５０、ステップＳ５１、ステップＳ５５、及びステップＳ５６が加えられている点以外の部分は、上述の実施形態と同一であるので、ここでは説明を省略する。
図１２中、判定部２４ｂによる判定結果が「部分影無し」である場合（ステップＳ３４）、診断部２４ｅは、太陽光発電パネル２から取り出される発電電力が低下しているか否かを判定する（ステップＳ５０）。
図１２中、判定部２４ｂによる判定結果が「部分影無し」である場合（ステップＳ３４）、診断部２４ｅは、太陽光発電パネル２から取り出される発電電力が低下しているか否かを判定する（ステップＳ５０）。
診断部２４ｅは、太陽光発電パネル２の発電電力を収集し逐次記憶部２６に記憶する機能を有する。よって、記憶部２６には過去の太陽光発電パネル２の発電電力を示す情報が記憶されている。
診断部２４ｅは、現時点における太陽光発電パネル２の発電電力と、記憶部２６に記憶された過去の発電電力とを比較し、現時点の発電電力が過去の発電電力よりも低下していると判定した場合、異常通知を出力する（ステップＳ５１）。
診断部２４ｅは、現時点における太陽光発電パネル２の発電電力と、記憶部２６に記憶された過去の発電電力とを比較し、現時点の発電電力が過去の発電電力よりも低下していると判定した場合、異常通知を出力する（ステップＳ５１）。
診断部２４ｅは、現時点の発電電力との比較に用いる過去の発電電力として、判定部２４ｂによって「部分影無し」と判定された過去の期間における発電電力を用いることができる。より具体的に、過去の発電電力として、過去における現時点と同じ時間帯であって日射量が同等であるときの発電電力等を用いる。
同じ時間であって日射量が同等であり、かつ部分影が無く、太陽光発電パネル２が正常であれば、現時点又は過去のいずれの場合も太陽光発電パネル２の発電電力はほぼ同じとなる。
よって、部分影が無いと判定されたにも関わらず、現時点における発電電力が低下していれば、太陽光発電パネル２に異常が生じているおそれがあると判断できる。
そこで、診断部２４ｅは、ステップＳ５０において現時点の発電電力が過去の発電電力よりも低下していると判定すると、異常通知を出力する。
異常通知は、例えば、制御装置２２が有する出力デバイス等によって画像や、音声等によって出力される。
異常通知が出力されると、制御部２４ａは、ステップＳ３２へ戻る。
同じ時間であって日射量が同等であり、かつ部分影が無く、太陽光発電パネル２が正常であれば、現時点又は過去のいずれの場合も太陽光発電パネル２の発電電力はほぼ同じとなる。
よって、部分影が無いと判定されたにも関わらず、現時点における発電電力が低下していれば、太陽光発電パネル２に異常が生じているおそれがあると判断できる。
そこで、診断部２４ｅは、ステップＳ５０において現時点の発電電力が過去の発電電力よりも低下していると判定すると、異常通知を出力する。
異常通知は、例えば、制御装置２２が有する出力デバイス等によって画像や、音声等によって出力される。
異常通知が出力されると、制御部２４ａは、ステップＳ３２へ戻る。
一方、ステップＳ５０において、太陽光発電パネル２から取り出される発電電力が低下していないと判定すると、制御部２４ａは、ステップＳ３２へ戻る。
また、ステップＳ４０において、判定部２４ｂによる判定結果と、部分影有無情報との間の一致率を算出すると、診断部２４ｅは、第１閾値以下か否かの判定の前に（ステップＳ４１）、一致率が予め設定された第２閾値以下か否かを判定する（ステップＳ５５）。
なお、第２閾値は、第１閾値よりも小さく設定される。
一致率が第２閾値以下ではない（第２閾値よりも大きい）と判定された場合、制御部２４ａは、ステップＳ４１へ進む。
一方、一致率が第１閾値以下であると判定された場合、診断部２４ｅは、異常通知を出力し（ステップＳ５６）、ステップＳ３２へ戻る。
なお、第２閾値は、第１閾値よりも小さく設定される。
一致率が第２閾値以下ではない（第２閾値よりも大きい）と判定された場合、制御部２４ａは、ステップＳ４１へ進む。
一方、一致率が第１閾値以下であると判定された場合、診断部２４ｅは、異常通知を出力し（ステップＳ５６）、ステップＳ３２へ戻る。
一致率が極めて低い場合においても、太陽光発電パネル２に何らかの異常が生じている可能性がある。
よって、上記構成によれば、一致率によって、太陽光発電パネル２に何らかの異常が生じているか否かを判定でき、異常通知を出力することができる。
なお、第２閾値としては、太陽光発電パネル２に何らかの異常が生じていると判断しうる値に設定される。
よって、上記構成によれば、一致率によって、太陽光発電パネル２に何らかの異常が生じているか否かを判定でき、異常通知を出力することができる。
なお、第２閾値としては、太陽光発電パネル２に何らかの異常が生じていると判断しうる値に設定される。
図１３は、さらに他の実施形態に係る太陽光発電システム１の構成を示すブロック図である。
本実施形態では、機械学習に用いられるデータセット２８が外部サーバ４０の記憶部４１（第２記憶部）に記憶されている点、及び、外部サーバ４０の処理部４２が更新部４３を有する点において上記実施形態と相違する。更新部４３は、上記実施形態の更新部２４ｄと同様の機能を有する。
本実施形態では、機械学習に用いられるデータセット２８が外部サーバ４０の記憶部４１（第２記憶部）に記憶されている点、及び、外部サーバ４０の処理部４２が更新部４３を有する点において上記実施形態と相違する。更新部４３は、上記実施形態の更新部２４ｄと同様の機能を有する。
ＰＣＳ４の制御装置２２と、外部サーバ４０とはネットワークを介して通信可能に接続されている。
制御装置２２の処理部２４は、データセット２８に登録されるべき各種情報を、ネットワークを介して外部サーバ４０へ与える。
制御装置２２の処理部２４は、データセット２８に登録されるべき各種情報を、ネットワークを介して外部サーバ４０へ与える。
外部サーバ４０の処理部４２は、ＰＣＳ４の制御装置２２から与えられる、各種情報に基づいてデータセット２８に含まれる教師データを更新し、更新部４３は、更新した教師データを学習データとして用いて学習し、ＰＣＳ４の記憶部２６（第１記憶部）に記憶される学習モデル３０を更新する機能を有する。
更新部４３は、データセット２８に登録された教師データを用いて機械学習し、学習モデル３０を更新するためのパラメータを出力する。
更新部４３は、学習モデル３０を更新するためのパラメータを制御装置２２へ与える。
更新部４３は、データセット２８に登録された教師データを用いて機械学習し、学習モデル３０を更新するためのパラメータを出力する。
更新部４３は、学習モデル３０を更新するためのパラメータを制御装置２２へ与える。
学習モデル３０を更新するためのパラメータが外部サーバ４０から与えられると、制御装置２２の処理部２４は、与えられたパラメータに基づいて学習モデル３０を更新する。
本実施形態では、外部サーバ４０にデータセット２８を記憶させるとともに、データセット２８の更新を行わせ、さらに機械学習を行い、その結果（上記パラメータ）をＰＣＳ４の制御装置２２に与えるので、ＰＣＳ４の制御装置２２においては、データセット２８を記憶する必要がなく、また、データセット２８の更新を行う機能や、学習モデル３０の学習機能を備える必要がない。
このような構成においても、太陽光発電パネル２に部分影が有るか否かを高頻度で学習モデル３０を用いて判定する一方、探索処理を無駄に実行するのを抑制でき、発電効率の低下を抑制することができる。
図１４は、さらに他の実施形態に係る太陽光発電システム１の構成を示すブロック図である。
本実施形態では、データセット２８及び学習モデル３０が外部サーバ４０の記憶部４１に記憶されている点、及び、外部サーバ４０の処理部４２が判定部４４、データ取得部４５、及び更新部４３を有する点において上記実施形態と相違する。判定部４４、データ取得部４５、及び更新部４３は、上記実施形態の判定部２４ｂ、データ取得部２４ｃ、及び更新部２４ｄと同様の機能を有する。
本実施形態では、データセット２８及び学習モデル３０が外部サーバ４０の記憶部４１に記憶されている点、及び、外部サーバ４０の処理部４２が判定部４４、データ取得部４５、及び更新部４３を有する点において上記実施形態と相違する。判定部４４、データ取得部４５、及び更新部４３は、上記実施形態の判定部２４ｂ、データ取得部２４ｃ、及び更新部２４ｄと同様の機能を有する。
ＰＣＳ４の制御装置２２と、外部サーバ４０とはネットワークを介して通信可能に接続されている。
本実施形態では、ＰＣＳ４は、制御部２４ａを有しており、他の機能については、外部サーバ４０が有している。
よって、学習モデル３０による判定結果は、外部サーバ４０からＰＣＳ４の処理部２４へネットワークを介して与えられる。
ＰＣＳ４は、外部サーバ４０から与えられる判定結果を用いて電力変換部２０の制御等の各種制御を実行する。
本実施形態では、ＰＣＳ４は、制御部２４ａを有しており、他の機能については、外部サーバ４０が有している。
よって、学習モデル３０による判定結果は、外部サーバ４０からＰＣＳ４の処理部２４へネットワークを介して与えられる。
ＰＣＳ４は、外部サーバ４０から与えられる判定結果を用いて電力変換部２０の制御等の各種制御を実行する。
また、ＰＣＳ４は、所定間隔、又は、外部サーバ４０のデータ取得部４５からの命令等に基づいて、データセット２８に登録されるべき各種情報を、ネットワークを介して外部サーバ４０へ与える。
外部サーバ４０の処理部４２は、ＰＣＳ４の制御装置２２から与えられる、各種情報に基づいてデータセット２８に含まれる教師データを更新し、更新部４３は、更新した教師データを学習データとして用いて学習し、学習モデル３０を更新する。
本実施形態では、外部サーバ４０にデータセット２８及び学習モデル３０を記憶させるとともに、外部サーバ４０が判定部４４、データ取得部４５、及び更新部４３を有するので、ＰＣＳ４の制御装置２２においては、データセット２８及び学習モデル３０を記憶する必要がなく、また、データセット２８の更新を行う機能や、学習モデル３０の学習機能を備える必要がない。
このような構成においても、太陽光発電パネル２に部分影が有るか否かを高頻度で学習モデル３０を用いて判定する一方、探索処理を無駄に実行するのを抑制でき、発電効率の低下を抑制することができる。
〔その他〕
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。
例えば、上記実施形態では、制御部２４ａが、運転モード中のステップＳ３９及びステップＳ４３において、部分影の有無の判定結果と、現時点の特徴量とを教師データとしてデータセット２８に登録し、データセット２８を更新する場合を例示したが、制御部２４ａは、新たに教師データをデータセット２８に登録する場合、データセット２８にすでに登録されている教師データのうち最も過去の教師データを破棄するように構成してもよい。
この場合、現状の太陽光発電パネル２の状態を、データセット２８の教師データにより効果的に反映させることができる。
なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。
例えば、上記実施形態では、制御部２４ａが、運転モード中のステップＳ３９及びステップＳ４３において、部分影の有無の判定結果と、現時点の特徴量とを教師データとしてデータセット２８に登録し、データセット２８を更新する場合を例示したが、制御部２４ａは、新たに教師データをデータセット２８に登録する場合、データセット２８にすでに登録されている教師データのうち最も過去の教師データを破棄するように構成してもよい。
この場合、現状の太陽光発電パネル２の状態を、データセット２８の教師データにより効果的に反映させることができる。
また、上記実施形態においてデータセット２８には、データ蓄積処理によって収集された教師データ、又は運転モード中において収集された教師データが登録される場合を例示したが、例えば、本システム１の操作者が収集した教師データを、当該操作者がデータセット２８に登録してもよい。ＰＣＳ４の学習モデル３０は、ＰＣＳ４以外の装置で学習させた学習モデルを用いてもよい。
また、上記実施形態では、学習フェーズにおける学習モデル構築（更新）処理と運転モードとを交互に実行する場合を例示したが、学習モデル構築（更新）処理は、運転モードの実行中に平行して行うようにしてもよい。これにより、より速やかに学習モデル３０を更新することができる。
本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味、及び範囲内でのすべての変更が含まれることが意図される。
１ 太陽光発電システム
２ 太陽光発電パネル
２ａ，２ｂ，２ｃ ストリング
４ パワーコンディショナ
６ 交流電源
８ 負荷
１０ 直流電路
２０ 電力変換部
２２ 制御装置
２４ 処理部
２４ａ 制御部
２４ｂ 判定部
２４ｃ データ取得部
２４ｄ 更新部
２４ｅ 診断部
２６ 記憶部
２８ データセット
３０ 学習モデル
３２ 通信部
３４ 気温センサ
３６ 日射センサ
３７ 記憶領域
３８ 記憶領域
４０外部サーバ
４１ 記憶部
４２ 処理部
４３ 更新部
４４ 判定部
４５ データ取得部
２ 太陽光発電パネル
２ａ，２ｂ，２ｃ ストリング
４ パワーコンディショナ
６ 交流電源
８ 負荷
１０ 直流電路
２０ 電力変換部
２２ 制御装置
２４ 処理部
２４ａ 制御部
２４ｂ 判定部
２４ｃ データ取得部
２４ｄ 更新部
２４ｅ 診断部
２６ 記憶部
２８ データセット
３０ 学習モデル
３２ 通信部
３４ 気温センサ
３６ 日射センサ
３７ 記憶領域
３８ 記憶領域
４０外部サーバ
４１ 記憶部
４２ 処理部
４３ 更新部
４４ 判定部
４５ データ取得部
Claims (11)
- 太陽光発電パネルから電力を取り出す電力変換部と、
前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、
前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、
前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する第１記憶部と、
前記データ取得部が取得した前記判定データ及び前記第１記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、を備え、
前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補である第１のピーク電力点を探索し、前記判定部により前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する
電力変換装置。 - 前記制御部はさらに、前記他のピーク電力点としての第２のピーク電力点を探索した後、前記第１のピーク電力点と前記第２のピーク電力点との、電圧差及び電流差のいずれか一方に基づいて第３のピーク電力点を探索するか否かを判定する
請求項１に記載の電力変換装置。 - 前記データ取得部は、前記太陽光発電パネルが設置されている環境に関するデータ、及び、前記電力変換部が前記太陽光発電パネルから取り出した電力に関するデータを前記判定データとして時系列に取得する
請求項１又は請求項２に記載の電力変換装置。 - 前記データ取得部が取得した判定データを記憶する第２記憶部をさらに備え、
前記制御部はさらに、
前記判定部により前記太陽光発電パネルに部分影が有ると判定された場合に、前記他のピーク電力点と前記第１のピーク電力点とが互いに同じ位置であるか否かを判定し、その判定結果に応じて定められた部分影無し又は部分影有りを示すデータのいずれかを前記判定に用いた前記判定データに対応付け、前記部分影無し又は部分影有りを示すデータのいずれかが対応付けられた前記判定データを前記第２記憶部に記憶し、
前記判定部により前記太陽光発電パネルに部分影が無いと判定された場合に、当該判定に用いた前記判定データに部分影無しを示すデータを対応付け、前記部分影無しを示すデータが対応付けられた前記判定データを前記第２記憶部に記憶する、
請求項１から請求項３のいずれか一項に記載の電力変換装置。 - 前記第２記憶部に記憶されているデータを新たな学習データとしてフィードバックすることにより再学習し、前記学習モデルを更新する更新部をさらに備える
請求項４に記載の電力変換装置。 - 前記更新部は、前記判定部によって前記太陽光発電パネルに部分影が有ると判定された回数である第１の回数と、前記部分影有りのデータが付与された回数である第２の回数と、を求め、前記第１の回数に対する前記第２の回数の割合が第１の閾値以下の場合に、前記学習モデルの更新を実行する
請求項５に記載の電力変換装置。 - 前記第１の回数に対する前記第２の回数の割合が前記第１の閾値より小さい第２の閾値未満であるか否かに基づいて、前記太陽光発電パネルの異常の有無を判定する異常判定部をさらに備える
請求項５に記載の電力変換装置。 - 前記判定部により前記太陽光発電パネルに部分影が無いと判定された場合に、前記電力変換部により前記太陽光発電パネルから取り出された現在の電力と、前記判定部によって前記太陽光発電パネルに部分影が無いと判定された過去の期間における前記電力とを比較し、この比較結果に基づいて前記太陽光発電パネルの異常の有無を判定する異常判定部をさらに備える
請求項１から請求項７のいずれか一項に記載の電力変換装置。 - 太陽光発電パネルと、
前記太陽光発電パネルからの電力を取り出して負荷に供給する、請求項１から請求項８のいずれか一項に記載の電力変換装置と、を備えた太陽光発電システム。 - 太陽光発電パネルと接続される電力変換装置と、ネットワークを介して前記電力変換装置と通信可能に接続される外部機器とを備えた電力変換システムであって、
前記電力変換装置は、
前記太陽光発電パネルから電力を取り出す電力変換部と、
前記電力変換部を制御し、最大電力点追従制御を実行する制御部と、を含み、
前記外部機器は、
前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得するデータ取得部と、
前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルを記憶する記憶部と、
前記データ取得部が取得した前記判定データ及び前記記憶部に記憶されている前記学習モデルを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定部と、
前記判定部の判定結果を前記電力変換装置に送信する送信部とを含み、
前記制御部は、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補であるピーク電力点を探索し、前記外部機器から送信された、前記太陽光発電パネルに部分影が有るとの判定結果を受信した場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する
電力変換システム。 - 太陽光発電パネルから電力を取り出す電力変換部を備えた電力変換装置の制御方法であって、
前記電力変換部を制御し、最大電力点追従制御を実行する制御ステップと、
前記太陽光発電パネルにおける部分影の有無を判定するための判定データを取得する取得ステップと、
前記太陽光発電パネルにおける部分影の有無を示す学習データを用い、前記判定データにより、前記太陽光発電パネルにおける部分影の有無を判定するための学習がなされた、学習済の学習モデルと、前記取得ステップにおいて取得された前記判定データとを用いて、前記太陽光発電パネルにおける部分影の有無を判定する判定ステップと、を含み、
前記制御ステップでは、前記最大電力点追従制御において、前記太陽光発電パネルの出力曲線における値域の一方側から電力が増大する方向へアプローチする制御を行うことで最大電力点の候補であるピーク電力点を探索し、前記判定ステップにおいて前記太陽光発電パネルに部分影が有ると判定された場合に、前記値域の範囲内で、離れた他の値に移動して再び電力が増大する方向へアプローチする制御を行うことにより、前記最大電力点の候補である他のピーク電力点を探索する
電力変換装置の制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019108701A JP7188282B2 (ja) | 2019-06-11 | 2019-06-11 | 電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019108701A JP7188282B2 (ja) | 2019-06-11 | 2019-06-11 | 電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020201752A JP2020201752A (ja) | 2020-12-17 |
| JP7188282B2 true JP7188282B2 (ja) | 2022-12-13 |
Family
ID=73743421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019108701A Active JP7188282B2 (ja) | 2019-06-11 | 2019-06-11 | 電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7188282B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7424351B2 (ja) | 2021-06-17 | 2024-01-30 | 株式会社村田製作所 | パワーコンディショナ |
| KR102579901B1 (ko) * | 2022-12-07 | 2023-09-18 | 한국광기술원 | I-v 곡선을 이용한 태양광 발전 진단 시스템 및 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011122165A1 (ja) | 2010-03-31 | 2011-10-06 | 株式会社日立製作所 | 太陽光発電システムおよび制御システム |
| JP2013077065A (ja) | 2011-09-29 | 2013-04-25 | Omron Corp | 電源制御装置、パワーコンディショナ、電源システム、プログラム、および電源制御方法 |
| JP2018019555A (ja) | 2016-07-29 | 2018-02-01 | 株式会社関電工 | 影の影響を考慮した太陽光発電出力推定方法 |
-
2019
- 2019-06-11 JP JP2019108701A patent/JP7188282B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011122165A1 (ja) | 2010-03-31 | 2011-10-06 | 株式会社日立製作所 | 太陽光発電システムおよび制御システム |
| JP2013077065A (ja) | 2011-09-29 | 2013-04-25 | Omron Corp | 電源制御装置、パワーコンディショナ、電源システム、プログラム、および電源制御方法 |
| JP2018019555A (ja) | 2016-07-29 | 2018-02-01 | 株式会社関電工 | 影の影響を考慮した太陽光発電出力推定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020201752A (ja) | 2020-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220373984A1 (en) | Hybrid photovoltaic power prediction method and system based on multi-source data fusion | |
| JP5581965B2 (ja) | Ｍｐｐｔ制御器、太陽電池制御装置、太陽光発電システム、ｍｐｐｔ制御プログラム、およびｍｐｐｔ制御器の制御方法 | |
| JP7188282B2 (ja) | 電力変換装置、太陽光発電システム、電力変換システム、及び電力変換装置の制御方法 | |
| CN110649883B (zh) | 清洗方法、装置和计算机设备 | |
| Lyden et al. | Maximum Power Point Tracking techniques for photovoltaic systems: A comprehensive review and comparative analysis | |
| Ishaque et al. | A review of maximum power point tracking techniques of PV system for uniform insolation and partial shading condition | |
| US20160254673A1 (en) | Power point tracking | |
| JP3637412B2 (ja) | 時系列データ学習・予測装置 | |
| CN111668877A (zh) | 一种主动配电网分布鲁棒优化调度方法及系统 | |
| Levent et al. | Energy management for microgrids: a reinforcement learning approach | |
| US20210256428A1 (en) | Controller for controlling a technical system, and method for configuring the controller | |
| Keerthisinghe et al. | Evaluation of a multi-stage stochastic optimisation framework for energy management of residential PV-storage systems | |
| EP3640869A1 (en) | Method for predicting an energy demand, data processing system and renewable power plant with a storage | |
| CN107479618A (zh) | 基于蚁群算法和电导增量法的多峰值mppt算法 | |
| Pinson | Introducing distributed learning approaches in wind power forecasting | |
| CN109961190B (zh) | 一种基于学习日拟合度聚类的光伏电站日前功率预测方法 | |
| US9830301B1 (en) | Predictive service requirement estimation for photovoltaic arrays | |
| CN115756077A (zh) | 光伏优化器最大功率跟踪方法及其装置、系统 | |
| Nair et al. | An efficient maximum power point tracking in hybrid solar and wind energy system: a combined MDA-RNN technique | |
| US11011052B2 (en) | Control system and control method | |
| JP2014175384A (ja) | 太陽光発電システム | |
| Mulvaney-Kemp et al. | Load variation enables escaping poor solutions of time-varying optimal power flow | |
| Mu et al. | Battery management for warehouse robots via average-reward reinforcement learning | |
| Iao et al. | Learning-based Solar Power and Load Forecasting in DC Net-zero Energy Building with Incomplete Data | |
| JP2019175278A (ja) | 電力変換装置及び最大電力点追従制御方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211221 |
|
| TRDD | Decision of grant or rejection written | ||
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221026 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221101 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221114 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7188282 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |