JP7188399B2 - 判定装置、太陽光発電システム、判定方法および判定プログラム - Google Patents
判定装置、太陽光発電システム、判定方法および判定プログラム Download PDFInfo
- Publication number
- JP7188399B2 JP7188399B2 JP2019562768A JP2019562768A JP7188399B2 JP 7188399 B2 JP7188399 B2 JP 7188399B2 JP 2019562768 A JP2019562768 A JP 2019562768A JP 2019562768 A JP2019562768 A JP 2019562768A JP 7188399 B2 JP7188399 B2 JP 7188399B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- power generation
- determination
- target
- output
- 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
- 238000010248 power generation Methods 0.000 title claims description 156
- 238000000034 method Methods 0.000 title claims description 43
- 230000005856 abnormality Effects 0.000 claims description 50
- 230000002159 abnormal effect Effects 0.000 claims description 37
- 238000005259 measurement Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 description 46
- 238000012806 monitoring device Methods 0.000 description 41
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 38
- 229910052802 copper Inorganic materials 0.000 description 38
- 239000010949 copper Substances 0.000 description 38
- 238000012544 monitoring process Methods 0.000 description 37
- 238000010586 diagram Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000013477 bayesian statistics method Methods 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 8
- 238000007619 statistical method Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 230000002354 daily effect Effects 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000002296 dynamic light scattering Methods 0.000 description 2
- 229920003258 poly(methylsilmethylene) Polymers 0.000 description 2
- 238000013061 process characterization study Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
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
-
- 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
Description
本発明は、判定装置、太陽光発電システム、判定方法および判定プログラムに関する。
この出願は、２０１７年１２月２８日に出願された日本出願特願２０１７－２５３４０７号を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
この出願は、２０１７年１２月２８日に出願された日本出願特願２０１７－２５３４０７号を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
特開２０１２－２０５０７８号公報（特許文献１）には、以下のような太陽光発電用監視システムが開示されている。すなわち、太陽光発電用監視システムは、複数の太陽電池パネルからの出力を集約して電力変換装置に送り込む太陽光発電システムについて、前記太陽電池パネルの発電状況を監視する太陽光発電用監視システムであって、前記複数の太陽電池パネルからの出力電路が集約された場所に設けられ、各太陽電池パネルの発電量を計測する計測装置と、前記計測装置に接続され、前記計測装置による発電量の計測データを送信する機能を有する下位側通信装置と、前記下位側通信装置から送信される前記計測データを受信する機能を有する上位側通信装置と、前記上位側通信装置を介して前記太陽電池パネルごとの前記計測データを収集する機能を有する管理装置とを備える。前記管理装置は、前記各太陽電池パネルについての、同一時点における発電量の差に基づいて異常の有無を判定するか、または前記各太陽電池パネルについての、所定期間の発電量の最大値又は積算値に基づいて異常の有無を判定する。
（１）本開示の判定装置は、太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備える。
（５）本開示の太陽光発電システムは、太陽電池セルを含む１または複数の発電部と、各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備える。
（６）本開示の判定方法は、判定装置における判定方法であって、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得するステップと、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定するステップとを含む。
（７）本開示の判定プログラムは、判定装置において用いられる判定プログラムであって、コンピュータを、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部、として機能させるためのプログラムである。
本開示の一態様は、このような特徴的な処理部を備える判定装置として実現され得るだけでなく、判定装置の一部または全部を実現する半導体集積回路として実現され得る。
また、本開示の一態様は、このような特徴的な処理部を備える太陽光発電システムとして実現され得るだけでなく、かかる特徴的な処理をステップとする方法として実現され得る。また、本開示の一態様は、太陽光発電システムの一部または全部を実現する半導体集積回路として実現され得る。
近年、太陽光発電システムを監視して異常を判別するための技術が開発されている。
［本開示が解決しようとする課題］
特許文献１に記載の技術を超えて、太陽光発電システムの異常判定の精度を向上させることが可能な技術が望まれる。
特許文献１に記載の技術を超えて、太陽光発電システムの異常判定の精度を向上させることが可能な技術が望まれる。
本開示は、上述の課題を解決するためになされたもので、その目的は、太陽光発電システムの異常判定の精度を向上させることが可能な判定装置、太陽光発電システム、判定方法および判定プログラムを提供することである。
［本開示の効果］
本開示によれば、太陽光発電システムの異常判定の精度を向上させることができる。
本開示によれば、太陽光発電システムの異常判定の精度を向上させることができる。
［本願発明の実施形態の説明］
最初に、本発明の実施形態の内容を列記して説明する。
最初に、本発明の実施形態の内容を列記して説明する。
（１）本発明の実施の形態に係る判定装置は、太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備える。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
（２）好ましくは、前記対象期間は、前記参照期間より後の期間である。
このような構成により、過去に蓄積された出力データを活用し、異常をより正確に判定することができる。
（３）好ましくは、前記判定部は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法（ｋＮＮ：ｋ－ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ）、決定木、Ｃ４．５、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ Ｒｅｇｒｅｓｓｉｏｎ Ｔｒｅｅ）、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム（Ｅｘｐｅｃｔａｔｉｏｎ Ｍａｘｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ）、潜在意味解析（ＬＳＡ：Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）、確率的潜在的意味解析（ＰＬＳＡ：ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）、線形判別分析（ＬＤＡ：Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ）、階層ディリクレ過程（ＨＤＰ：Ｈｉｅｒｅｃｈｉｃａｌ Ｄｉｒｉｃｈｌｅｔ Ｐｒｏｃｅｓｓ）、潜在的ディリクレ配分法（ＬＤＡ：Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ）、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップ（ＳＯＭ：ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｍａｐ）のうちのいずれか１つまたは複数を用いて前記出力データの異常を判定する。
このような構成により、自己回帰モデル、機械学習、統計解析、ベイズ統計、疎構造学習またはその他の手法を用いて、異常をより良好に検知することができる。
（４）好ましくは、前記太陽光発電システムは、各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、１または複数の前記電力変換装置からの集約ラインを集約するキュービクルとを備える。
このような構成により、所望の箇所において出力データを収集することができるため、異常検知を、発電部ごと、接続箱ごと、集電箱ごと、電力変換装置ごと、またはキュービクルにおいて行うことができ、異常の原因推定を向上させることができる。
（５）本発明の実施の形態に係る太陽光発電システムは、太陽電池セルを含む１または複数の発電部と、各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備える。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
（６）本発明の実施の形態に係る判定方法は、判定装置における判定方法であって、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得するステップと、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定するステップとを含む。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
（７）本発明の実施の形態に係る判定プログラムは、判定装置において用いられる判定プログラムであって、コンピュータを、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部、として機能させるためのプログラムである。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
以下、本発明の実施の形態について図面を用いて説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。また、以下に記載する実施の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構成］
図１は、本発明の実施の形態に係る太陽光発電システムの構成を示す図である。
図１は、本発明の実施の形態に係る太陽光発電システムの構成を示す図である。
図１を参照して、太陽光発電システム４０１は、４つのＰＣＳ（Ｐｏｗｅｒ Ｃｏｎｄｉｔｉｏｎｉｎｇ Ｓｕｂｓｙｓｔｅｍ）ユニット８０と、キュービクル６とを備える。キュービクル６は、銅バー７３を含む。
図１では、４つのＰＣＳユニット８０を代表的に示しているが、さらに多数または少数のＰＣＳユニット８０が設けられてもよい。
図２は、本発明の実施の形態に係るＰＣＳユニットの構成を示す図である。
図２を参照して、ＰＣＳユニット８０は、４つの集電ユニット６０と、ＰＣＳ（電力変換装置）８とを備える。ＰＣＳ８は、銅バー７と、電力変換部９とを含む。
図２では、４つの集電ユニット６０を代表的に示しているが、さらに多数または少数の集電ユニット６０が設けられてもよい。
図３は、本発明の実施の形態に係る集電ユニットの構成を示す図である。
図３を参照して、集電ユニット６０は、４つの太陽電池ユニット７４と、集電箱７１とを含む。集電箱７１は、銅バー７２を有する。
図３では、４つの太陽電池ユニット７４を代表的に示しているが、さらに多数または少数の太陽電池ユニット７４が設けられてもよい。
図４は、本発明の実施の形態に係る太陽電池ユニットの構成を示す図である。
図４を参照して、太陽電池ユニット７４は、４つの発電部７８と、接続箱７６とを含む。発電部７８は、太陽電池パネルを有する。接続箱７６は、銅バー７７を有する。
図４では、４つの発電部７８を代表的に示しているが、さらに多数または少数の発電部７８が設けられてもよい。
発電部７８は、この例では複数の太陽電池パネルが直列接続されたストリングである。
太陽光発電システム４０１では、複数の発電部７８からの出力ラインおよび集約ライン、すなわち電力線がそれぞれキュービクル６に電気的に接続される。
太陽光発電システム４０１において、１または複数の接続箱７６の各々は、１または複数の発電部７８からの出力ライン１を集約ライン５に集約する。１または複数の集電箱７１の各々は、１または複数の接続箱７６からの集約ライン５を集約ライン２に集約する。１または複数のＰＣＳ８の各々は、１または複数の集電箱７１からの集約ライン２を集約ライン４に集約する。キュービクル６は、１または複数のＰＣＳ８からの集約ライン４を集約する。
より詳細には、発電部７８の出力ライン１は、発電部７８に接続された第１端と、銅バー７７に接続された第２端とを有する。各出力ライン１は、銅バー７７を介して集約ライン５に集約される。銅バー７７は、たとえば接続箱７６の内部に設けられている。
発電部７８は、太陽光を受けると、受けた太陽光のエネルギーを直流電力に変換し、変換した直流電力を出力ライン１へ出力する。
図３および図４を参照して、集約ライン５は、対応の太陽電池ユニット７４における銅バー７７に接続された第１端と、銅バー７２に接続された第２端とを有する。各集約ライン５は、銅バー７２を介して集約ライン２に集約される。銅バー７２は、たとえば集電箱７１の内部に設けられている。
図１～図４を参照して、太陽光発電システム４０１では、上述のように複数の発電部７８からの各出力ライン１が集約ライン５に集約され、各集約ライン５が集約ライン２に集約され、各集約ライン２が集約ライン４に集約され、各集約ライン４がキュービクル６に電気的に接続される。
より詳細には、各集約ライン２は、対応の集電ユニット６０における銅バー７２に接続された第１端と、銅バー７に接続された第２端とを有する。ＰＣＳ８において、内部ライン３は、銅バー７に接続された第１端と、電力変換部９に接続された第２端とを有する。
ＰＣＳ８において、電力変換部９は、たとえば、各発電部７８において発電された直流電力を出力ライン１、銅バー７７、集約ライン５、銅バー７２、集約ライン２、銅バー７および内部ライン３経由で受けると、受けた直流電力を交流電力に変換して集約ライン４へ出力する。
集約ライン４は、電力変換部９に接続された第１端と、銅バー７３に接続された第２端とを有する。
キュービクル６において、各ＰＣＳ８における電力変換部９から各集約ライン４へ出力された交流電力は、銅バー７３を介して系統へ出力される。
［課題］
太陽光発電システム４０１では、太陽光発電の異常を検知するためには、日射条件を見ながら太陽電池パネルの発電量を計測し、推定される発電量と比較する方法、接続箱７６において、発電量が最大である発電部７８に対して発電量を正規化し、メーカー公表値と比較する方法、または発電量データを目視で確認する方法等がある。
太陽光発電システム４０１では、太陽光発電の異常を検知するためには、日射条件を見ながら太陽電池パネルの発電量を計測し、推定される発電量と比較する方法、接続箱７６において、発電量が最大である発電部７８に対して発電量を正規化し、メーカー公表値と比較する方法、または発電量データを目視で確認する方法等がある。
しかしながら、このような方法では、日射計等の追加の設備が必要でコストがかり、また、目視による確認のため誤認してしまうことも多い。また、異常として発電量の低下を見つけるにとどまる。
そこで、本発明の実施の形態に係る太陽光発電システムでは、以下のような構成および動作により、このような課題を解決する。
［発電状態判定システム３０１の構成］
図５は、本発明の実施の形態に係る発電状態判定システムの構成を示す図である。
図５は、本発明の実施の形態に係る発電状態判定システムの構成を示す図である。
図５を参照して、太陽光発電システム４０１は、発電状態判定システム３０１を備える。発電状態判定システム３０１は、判定装置１０１と、複数の監視装置１１１と、収集装置１５１とを含む。
図５では、１つの集電ユニット６０に対応して設けられた４つの監視装置１１１を代表的に示しているが、さらに多数または少数の監視装置１１１が設けられてもよい。また、発電状態判定システム３０１は、１つの収集装置１５１を備えているが、複数の収集装置１５１を備えてもよい。
発電状態判定システム３０１では、子機である監視装置１１１におけるセンサの情報が、収集装置１５１へ定期的または不定期に伝送される。
監視装置１１１は、たとえば集電ユニット６０に設けられている。より詳細には、監視装置１１１は、４つの太陽電池ユニット７４にそれぞれ対応して４つ設けられている。各監視装置１１１は、たとえば、対応の出力ライン１および集約ライン５に電気的に接続されている。
監視装置１１１は、対応の太陽電池ユニット７４における各出力ライン１の電流をセンサにより計測する。また、監視装置１１１は、対応の太陽電池ユニット７４における各出力ライン１の電圧をセンサにより計測する。
収集装置１５１は、たとえばＰＣＳ８の近傍に設けられている。より詳細には、収集装置１５１は、ＰＣＳ８に対応して設けられ、信号線４６を介して銅バー７に電気的に接続されている。
監視装置１１１および収集装置１５１は、集約ライン２，５を介して電力線通信（ＰＬＣ：Ｐｏｗｅｒ Ｌｉｎｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）を行うことにより情報の送受信を行う。
より詳細には、各監視装置１１１は、対応の出力ラインの電流および電圧の計測結果を示す監視情報を送信する。収集装置１５１は、各監視装置１１１の計測結果を収集する。
［監視装置１１１の構成］
図６は、本発明の実施の形態に係る発電状態判定システムにおける監視装置の構成を示す図である。図６では、出力ライン１、集約ライン５および銅バー７７がより詳細に示されている。
図６は、本発明の実施の形態に係る発電状態判定システムにおける監視装置の構成を示す図である。図６では、出力ライン１、集約ライン５および銅バー７７がより詳細に示されている。
図６を参照して、出力ライン１は、プラス側出力ライン１ｐと、マイナス側出力ライン１ｎとを含む。集約ライン５は、プラス側集約ライン５ｐと、マイナス側集約ライン５ｎとを含む。銅バー７７は、プラス側銅バー７７ｐと、マイナス側銅バー７７ｎとを含む。
図示しないが、図３に示す集電箱７１における銅バー７２は、プラス側集約ライン５ｐおよびマイナス側集約ライン５ｎにそれぞれ対応して、プラス側銅バー７２ｐおよびマイナス側銅バー７２ｎを含む。
プラス側出力ライン１ｐは、対応の発電部７８に接続された第１端と、プラス側銅バー７７ｐに接続された第２端とを有する。マイナス側出力ライン１ｎは、対応の発電部７８に接続された第１端と、マイナス側銅バー７７ｎに接続された第２端とを有する。
プラス側集約ライン５ｐは、プラス側銅バー７７ｐに接続された第１端と、集電箱７１におけるプラス側銅バー７２ｐに接続された第２端とを有する。マイナス側集約ライン５ｎは、マイナス側銅バー７７ｎに接続された第１端と、集電箱７１におけるマイナス側銅バー７２ｎに接続された第２端とを有する。
監視装置１１１は、検出処理部１１と、４つの電流センサ１６と、電圧センサ１７と、通信部１４とを備える。なお、監視装置１１１は、出力ライン１の数に応じて、さらに多数または少数の電流センサ１６を備えてもよい。
監視装置１１１は、たとえば、発電部７８の近傍に設けられている。具体的には、監視装置１１１は、たとえば、計測対象の出力ライン１が接続された銅バー７７が設けられた接続箱７６の内部に設けられている。なお、監視装置１１１は、接続箱７６の外部に設けられてもよい。
監視装置１１１は、たとえば、プラス側集約ライン５ｐおよびマイナス側集約ライン５ｎとそれぞれプラス側電源線２６ｐおよびマイナス側電源線２６ｎを介して電気的に接続されている。以下、プラス側電源線２６ｐおよびマイナス側電源線２６ｎの各々を、電源線２６とも称する。
各監視装置１１１は、対応の発電部７８に関する計測結果を示す監視情報を、自己および収集装置１５１に接続される電力線を介して送信する。
詳細には、監視装置１１１における通信部１４は、集約ラインを介した電力線通信を、複数の監視装置１１１の計測結果を収集する収集装置１５１と行うことが可能である。より詳細には、通信部１４は、集約ライン２，５経由で情報を送受信することが可能である。具体的には、通信部１４は、電源線２６および集約ライン２，５を介して収集装置１５１と電力線通信を行う。
検出処理部１１は、たとえば、対応の出力ライン１の電流および電圧の計測結果を示す監視情報を所定時間ごとに作成するように設定されている。
電流センサ１６は、出力ライン１の電流を計測する。より詳細には、電流センサ１６は、たとえば、ホール素子タイプの電流プローブである。電流センサ１６は、監視装置１１１の図示しない電源回路から受けた電力を用いて、対応のマイナス側出力ライン１ｎを通して流れる電流を計測し、計測結果を示す信号を検出処理部１１へ出力する。なお、電流センサ１６は、プラス側出力ライン１ｐを通して流れる電流を計測してもよい。
電圧センサ１７は、出力ライン１の電圧を計測する。より詳細には、電圧センサ１７は、プラス側銅バー７７ｐおよびマイナス側銅バー７７ｎ間の電圧を計測し、計測結果を示す信号を検出処理部１１へ出力する。
検出処理部１１は、たとえば、所定時間ごとに、各電流センサ１６および電圧センサ１７から受けた各計測信号に対して平均化およびフィルタリング等の信号処理を行った信号をデジタル信号に変換する。
検出処理部１１は、作成した各デジタル信号の示す計測値と、対応の電流センサ１６のＩＤ（以下、電流センサＩＤとも称する。）、電圧センサ１７のＩＤ（以下、電圧センサＩＤとも称する。）、および自己の監視装置１１１のＩＤ（以下、監視装置ＩＤとも称する。）とを含む監視情報を作成する。
検出処理部１１は、送信元ＩＤが自己の監視装置ＩＤであり、送信先ＩＤが収集装置１５１のＩＤであり、データ部分が監視情報である監視情報パケットを作成する。そして、検出処理部１１は、作成した監視情報パケットを通信部１４へ出力する。なお、検出処理部１１は、監視情報パケットにシーケンス番号を含めてもよい。
通信部１４は、検出処理部１１から受ける監視情報パケットを収集装置１５１へ送信する。
再び図５を参照して、収集装置１５１は、集約ライン２，５経由で情報を送受信することが可能である。具体的には、収集装置１５１は、たとえば、信号線４６および集約ライン２，５を介して監視装置１１１と電力線通信を行い、監視情報パケットを複数の監視装置１１１から受信する。
収集装置１５１は、カウンタおよび記憶部を有しており、監視装置１１１から監視情報パケットを受信すると、受信した監視情報パケットから監視情報を取得するとともに、カウンタにおけるカウント値を受信時刻として取得する。そして、収集装置１５１は、受信時刻を監視情報に含めた後、図示しない記憶部に当該監視情報を保存する。
［判定装置の構成および動作］
図７は、本発明の実施の形態に係る発電状態判定システムにおける判定装置の構成を示す図である。
図７は、本発明の実施の形態に係る発電状態判定システムにおける判定装置の構成を示す図である。
図７を参照して、判定装置１０１は、判定部８１と、通信処理部８４と、記憶部８５と、取得部８６とを備える。判定部８１は、評価部８２と、生成部８３とを含む。
判定装置１０１における記憶部８５には、たとえば、管理対象の監視装置１１１のＩＤすなわち監視装置ＩＤが登録されている。また、記憶部８５には、監視装置ＩＤと当該監視装置ＩＤを有する監視装置１１１に含まれる各センサのＩＤすなわち電流センサＩＤおよび電圧センサＩＤとの対応関係Ｒ１が登録されている。
判定装置１０１は、たとえばサーバであり、監視情報を収集装置１５１から定期的に取得し、取得した監視情報を処理する。なお、判定装置１０１は、たとえば収集装置１５１に内蔵される構成であってもよい。
より詳細には、判定装置１０１における通信処理部８４は、ネットワークを介して、収集装置１５１等の他の装置と情報の送受信を行う。
通信処理部８４は、指定された日毎処理タイミング、たとえば毎日の午前０時において監視情報収集処理を行う。なお、判定装置１０１を収集装置１５１に内蔵する構成にすれば、より短い間隔で監視情報を容易に収集することができる。
より詳細には、通信処理部８４は、日毎処理タイミングが到来すると、記憶部８５に登録されている各監視装置ＩＤを参照し、参照した各監視装置ＩＤに対応し、日毎処理タイミングの２４時間前から当該日毎処理タイミングまで（以下、処理日とも称する。）に属する受信時刻を含む監視情報を要求するための監視情報要求を収集装置１５１へ送信する。
収集装置１５１は、判定装置１０１から監視情報要求を受信すると、受信した監視情報要求に従って、監視情報要求の内容を満足する１または複数の監視情報を判定装置１０１へ送信する。
図８は、本発明の実施の形態に係る発電状態判定システムにおける判定装置が保持する監視情報の一例を示す図である。
図８を参照して、通信処理部８４は、監視情報要求の応答として収集装置１５１から１または複数の監視情報を受信すると、受信した監視情報に基づいて発電部７８の発電電力をそれぞれ算出する。
具体的には、通信処理部８４は、たとえば、監視情報に含まれる電流センサＩＤごとすなわち発電部７８ごとの電流値と当該監視情報に１つ含まれる電圧値とを乗じることにより、電流センサＩＤごとの発電電力を算出し、算出した電流センサＩＤごとの発電電力を当該監視情報に含める。
通信処理部８４は、処理後の各監視情報を記憶部８５に保存するとともに、処理完了通知を取得部８６へ出力する。
取得部８６は、発電部７８の出力の計測結果である時系列の出力データを取得する。
より詳細には、取得部８６は、通信処理部８４から処理完了通知を受けると、記憶部８５に登録されている対応関係Ｒ１を参照し、電流センサＩＤごとに、発電電力の時系列の出力データ（以下、発電電力データとも称する。）を記憶部８５から取得する。
なお、取得部８６は、電流センサＩＤごとに、電流値または電圧値の時系列の出力データを記憶部８５から取得してもよい。
図９は、本発明の実施の形態に係る判定装置における取得部が取得する発電電力データの一例を示す図である。なお、図９において、横軸は時間を示し、縦軸は発電電力を示す。
取得部８６は、処理日に属する受信時刻を含む期間（以下、対象期間とも称する。）における発電電力データ（以下、対象データとも称する。）および対象期間より前の期間（以下、参照期間とも称する。）における発電電力データ（以下、参照データとも称する。）を取得する。取得部８６は、取得した対象データおよび参照データを判定部８１における生成部８３へ出力する。なお、対象期間および参照期間は、一部が重複してもよい。
判定部８１は、取得部８６から受けた参照データに基づいて、対象データの異常を判定する判定処理を行う。
たとえば、判定部８１は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法（ｋＮＮ：ｋ－ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ）、決定木、Ｃ４．５、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ Ｒｅｇｒｅｓｓｉｏｎ Ｔｒｅｅ）、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム（Ｅｘｐｅｃｔａｔｉｏｎ Ｍａｘｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ）、潜在意味解析（ＬＳＡ：Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）、確率的潜在的意味解析（ＰＬＳＡ：ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｌａｔｅｎｔ
Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）、線形判別分析（ＬＤＡ：Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ）、階層ディリクレ過程（ＨＤＰ：Ｈｉｅｒｅｃｈｉｃａｌ Ｄｉｒｉｃｈｌｅｔ Ｐｒｏｃｅｓｓ）、潜在的ディリクレ配分法（ＬＤＡ：Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ）、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズまたは自己組織化マップ（ＳＯＭ：ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｍａｐ）を用いて判定処理を行う。
Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）、線形判別分析（ＬＤＡ：Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ）、階層ディリクレ過程（ＨＤＰ：Ｈｉｅｒｅｃｈｉｃａｌ Ｄｉｒｉｃｈｌｅｔ Ｐｒｏｃｅｓｓ）、潜在的ディリクレ配分法（ＬＤＡ：Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ）、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズまたは自己組織化マップ（ＳＯＭ：ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｍａｐ）を用いて判定処理を行う。
［例１］
判定装置１０１は、自己回帰モデルを用いて判定処理を行う。
判定装置１０１は、自己回帰モデルを用いて判定処理を行う。
より詳細には、判定部８１における生成部８３は、取得部８６から受けた参照データに対して、自己回帰モデルを用いて対象期間における発電電力を予測し、予測した発電電力を示す予測データを生成して評価部８２へ出力する。また、生成部８３は、取得部８６から受けた対象データを評価部８２へ出力する。
評価部８２は、生成部８３から受けた予測データと対象データとを比較し、所定の方法に従って予測データに対する対象データの誤差を評価することにより、対象データが正常であるか、または異常であるかを判定する。
より詳細には、評価部８２は、誤差が所定の閾値より小さい場合には対象データを正常であると判定し、誤差が当該閾値以上である場合には対象データを異常であると判定する。
［例２］
判定装置１０１は、ニューラルネットワークを用いて判定処理を行う。
判定装置１０１は、ニューラルネットワークを用いて判定処理を行う。
より詳細には、判定部８１における生成部８３は、たとえば、ユーザから与えられた複数の学習用の正常な発電電力データおよび複数の異常な発電電力データを含む学習用データセットを作成する。
次に、生成部８３は、作成した学習用データセットを用いて分類モデルを作成する。
具体的には、生成部８３は、たとえばディープラーニング（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）の手法に沿って、ニューラルネットワークに学習用データセットを入力する。
そして、生成部８３は、ニューラルネットワークに対して発電電力データが正常な発電電力データであるか異常な発電電力データであるかを分類できるように機械学習させることにより、分類モデルを作成する。
生成部８３は、機械学習の完了した分類モデルに対象データを入力し、対象データが正常な発電電力データであるか、または異常な発電電力データであるかの分類結果が付されたデータを得る。そして、生成部８３は、得られたデータを評価部８２へ出力する。
評価部８２は、生成部８３から受けたデータに従って、対象データが正常であるか否かを判定する。
［例３］
判定装置１０１は、サポートベクターマシンを用いて判定処理を行う。
判定装置１０１は、サポートベクターマシンを用いて判定処理を行う。
より詳細には、判定部８１における生成部８３は、たとえば、ユーザから正常な発電電力データが与えられ、与えられた発電電力データに基づいて参照データから正常な発電電力データのグループ（以下、正常グループとも称する。）を生成する。
生成部８３は、たとえば、ユーザから異常な発電電力データが与えられ、与えられた発電電力データに基づいて参照データから異常な発電電力データのグループ（以下、異常グループとも称する。）を生成する。
生成部８３は、たとえば、正常グループに含まれる発電電力データのうち異常グループに近い発電電力データを正常特徴データに設定し、異常グループに含まれる発電電力データのうち正常グループに近い発電電力データを異常特徴データに設定する。
そして、生成部８３は、正常特徴データおよび異常特徴データに基づいて、正常グループおよび異常グループの境界を示す判定条件を演算し、演算した判定条件を評価部８２へ出力する。また、生成部８３は、取得部８６から受けた対象データを評価部８２へ出力する。
評価部８２は、生成部８３から受けた判定条件に基づいて、対象データが正常グループおよび異常グループのいずれのグループに属すべきかを判断する。
評価部８２は、対象データが正常グループに属すべきと判断した場合、対象データを正常であると判定し、対象データが異常グループに属すべきと判断した場合、対象データを異常であると判定する。
なお、生成部８３は、教師あり学習としてニューラルネットワークまたはサポートベクターマシンを用いる構成であるとしたが、これに限定するものではない。生成部８３は、たとえばＣ４．５、ＣＡＲＴ、ランダムフォレストおよびバギング等の決定木、ナイーブベイズ、ａｄａｂｏｏｓｔおよびｋＮＮ等の教師あり学習の方法を用いる構成であってもよい。
［例４］
判定装置１０１は、ｋ－ｍｅａｎｓを用いて判定処理を行う。
判定装置１０１は、ｋ－ｍｅａｎｓを用いて判定処理を行う。
より詳細には、判定部８１における生成部８３は、取得部８６から受けた参照データの波形および対象データの波形を用いてクラスタリングすることにより、参照データおよび対象データが分類されたＮ（Ｎは２以上の整数）個のクラスタを生成する。
生成部８３は、ｋ－ｍｅａｎｓを用いて、Ｎ個、たとえば５個、７個、９個または１１個のクラスタを生成する。
図１０は、本発明の実施の形態に係る判定装置における参照データおよび対象データを分類する５個のクラスタの一例を示す図である。
図１０は、各クラスタに分類された参照データおよび対象データの平均値を示している。
図１０を参照して、生成部８３は、クラスタＣ５１～Ｃ５５の５個のクラスタを生成する。
図１１は、本発明の実施の形態に係る判定装置における参照データを分類する７個のクラスタの一例を示す図である。
図１１を参照して、生成部８３は、クラスタＣ７１～Ｃ７７の７個のクラスタを生成する。
図１２は、本発明の実施の形態に係る判定装置における参照データを分類する９個のクラスタの一例を示す図である。
図１２を参照して、生成部８３は、クラスタＣ９１～Ｃ９９の９個のクラスタを生成する。
図１３は、本発明の実施の形態に係る判定装置における参照データを分類する１１個のクラスタの一例を示す図である。
図１３を参照して、生成部８３は、クラスタＣ１０１～Ｃ１１１の１１個のクラスタを生成する。
生成部８３は、生成した複数のクラスタ、および対象データがどのクラスタに分類されたかを示すクラスタ情報を評価部８２へ出力する。
評価部８２は、受けた複数のクラスタのうち一部のクラスタを正常なクラスタに決定し、また、残りのクラスタを異常なクラスタに決定する。
評価部８２は、受けたクラスタ情報に基づいて、対象データが分類されているクラスタを認識し、対象データが正常なクラスタに分類されていれば対象データを正常であると判定し、対象データが異常なクラスタに分類されていれば対象データを異常であると判定する。
たとえば、図１１に示す７個のクラスタは、図１０に示す５個のクラスタに比べて、Ｃ５３がＣ７３とＣ７５とに分割されたものである。
このように、分類するクラスタの数を大きくすることで、より細かく異常を検知できるようになり、異常の原因の追究を容易にすることができる。
また、生成部８３は、教師なし学習としてｋ－ｍｅａｎｓを用いる構成であるとしたが、これに限定するものではない。生成部８３は、たとえば階層型クラスタリング、ＥＭアルゴリズム、潜在意味解析、確率的潜在的意味解析、線形判別分析、階層ディリクレ過程、潜在的ディリクレ配分法、ｋ－ｍｅｄｏｉｄｓおよび自己組織化マップ等の教師なし学習の方法を用いる構成であってもよい。
また、生成部８３は、統計解析、ベイズ統計または疎構造学習を用いて判定条件を生成する構成であってもよい。また、生成部８３は、以上のような各方法以外の方法を用いてもよい。
また、判定装置１０１は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法、決定木、Ｃ４．５、ＣＡＲＴ、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム、確率的潜在的意味解析、線形判別分析、ＨＤＰ、潜在的ディリクレ配分法、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップのうちのいずれか複数の方法を組み合わせてもよい。
具体的には、たとえば、判定部８１における生成部８３は、取得部８６から受けた参照データおよび対象データの波形を用いてクラスタリングすることにより、参照データおよび対象データが分類された、たとえば５個のクラスタを生成し、生成したクラスタを学習用の正常な発電電力データおよび異常な発電電力データとした学習用データセットを作成する。
［動作の流れ］
発電状態判定システム３０１における各装置は、コンピュータを備え、当該コンピュータにおけるＣＰＵ等の演算処理部は、以下のシーケンス図またはフローチャートの各ステップの一部または全部を含むプログラムを図示しないメモリからそれぞれ読み出して実行する。これら複数の装置のプログラムは、それぞれ、外部からインストールすることができる。これら複数の装置のプログラムは、それぞれ、記録媒体に格納された状態で流通する。
発電状態判定システム３０１における各装置は、コンピュータを備え、当該コンピュータにおけるＣＰＵ等の演算処理部は、以下のシーケンス図またはフローチャートの各ステップの一部または全部を含むプログラムを図示しないメモリからそれぞれ読み出して実行する。これら複数の装置のプログラムは、それぞれ、外部からインストールすることができる。これら複数の装置のプログラムは、それぞれ、記録媒体に格納された状態で流通する。
図１４は、本発明の実施の形態に係る判定装置が発電部の異常の判定を行う際の動作手順を定めたフローチャートである。
図１４を参照して、判定装置１０１は、日毎処理タイミングが到来するまで待機する（ステップＳ１０１でＮＯ）。
そして、判定装置１０１は、日毎処理タイミングが到来すると（ステップＳ１０１でＹＥＳ）、処理日における発電部７８ごとの電流値および電圧値を収集装置１５１から受信する（ステップＳ１０２）。
次に、判定装置１０１は、受信した電流値および電圧値に基づいて、処理日における発電部７８ごとの発電電力を算出する（ステップＳ１０３）。
次に、判定装置１０１は、処理日における発電部７８ごとの発電電力の時系列データすなわち対象データに処理日の日付を付して記憶部８５に保存する（ステップＳ１０４）。
次に、判定装置１０１は、過去の時系列データすなわち参照データおよび対象データを記憶部８５から取得する（ステップＳ１０５）。
次に、判定装置１０１は、自己回帰モデル、機械学習、統計解析、ベイズ統計、疎構造学習またはその他の手法を用いて、対象データの異常を判定する。（ステップＳ１０６）。
次に、判定装置１０１は、新たな日毎処理タイミングが到来するまで待機する（ステップＳ１０１）。
なお、本発明の実施の形態に係る太陽光発電システムでは、収集装置１５１は、ＰＣＳ８に接続され、監視装置１１１および判定装置１０１と情報の送受信を行う構成であるとしたが、これに限定するものではない。収集装置１５１は、キュービクル６、集電ユニット６０または太陽電池ユニット７４に接続され、監視装置１１１および判定装置１０１と情報の送受信を行う構成であってもよい。
また、本発明の実施の形態に係る太陽光発電システムでは、判定装置１０１は、単体のサーバであるとしたが、これに限定するものではない。判定装置１０１は、クラウドサーバであってもよい。
また、本発明の実施の形態に係る太陽光発電システムでは、対象期間は、参照期間より後の期間であるとしたが、これに限定するものではない。対象期間は、参照期間と同一の期間であってもよい。この場合、判定装置１０１は、たとえば階層型クラスタリング、ｋ－ｍｅｄｏｉｄｓ、ｋ－ｍｅａｎｓ、および自己組織化マップ等を用いて、対象期間における複数の対象データをクラスタリングすることにより、当該複数の対象データが分類された複数のクラスタを生成し、生成したクラスタに付されたクラスタ情報に基づいて、対象データの異常を判定する判定処理を行う。
また、本発明の実施の形態に係る太陽光発電システムでは、判定装置１０１は、１または複数の接続箱７６と、１または複数の集電箱７１と、１または複数の電力変換装置８と、キュービクル６とを備える太陽光発電システム４０１に用いられる構成であるとしたが、これに限定するものではない。判定装置１０１は、太陽光発電システム４０１とは異なる構成の太陽光発電システムに用いられてもよい。
ところで、特許文献１に記載の技術を超えて、太陽光発電システムの異常判定の精度を向上させることが可能な技術が望まれる。
本発明の実施の形態に係る判定装置では、取得部８６は、発電部７８の出力の計測結果である時系列の出力データであって参照期間における出力データおよび対象期間における出力データを取得する。判定部８１は、取得部８６によって取得された参照期間における出力データに基づいて、対象期間における出力データの異常を判定する。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部７８の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。
したがって、本発明の実施の形態に係る判定装置では、太陽光発電システムの異常判定の精度を向上させることができる。
また、本発明の実施の形態に係る判定装置では、対象期間は、参照期間より後の期間である。
このような構成により、過去に蓄積された出力データを活用し、異常をより正確に判定することができる。
また、本発明の実施の形態に係る判定装置では、判定部８１は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法、決定木、Ｃ４．５、ＣＡＲＴ、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム、潜在意味解析、確率的潜在的意味解析、線形判別分析、階層ディリクレ過程、潜在的ディリクレ配分法、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップのうちのいずれか１つまたは複数を用いて出力データの異常を判定する。
このような構成により、自己回帰モデル、機械学習、統計解析、ベイズ統計、疎構造学習、一般化線形モデル、線形モデル、階層ベイズまたはその他の手法を用いて、異常をより良好に検知することができる。
また、本発明の実施の形態に係る判定装置を備える太陽光発電システム４０１では、１または複数の接続箱７６の各々は、１または複数の発電部７８からの出力ラインを集約する。１または複数の集電箱７１の各々は、１または複数の接続箱７６からの集約ラインを集約する。１または複数の電力変換装置８の各々は、１または複数の集電箱７１からの集約ラインを集約する。キュービクル６は、１または複数の電力変換装置８からの集約ラインを集約する。
このような構成により、所望の箇所において出力データを収集することができるため、異常検知を、発電部７８ごと、接続箱７６ごと、集電箱７１ごと、電力変換装置８ごと、またはキュービクル６において行うことができ、異常の原因推定を向上させることができる。
また、本発明の実施の形態に係る太陽光発電システムでは、１または複数の接続箱７６の各々は、１または複数の発電部７８からの出力ラインを集約する。１または複数の集電箱７１の各々は、１または複数の接続箱７６からの集約ラインを集約する。１または複数の電力変換装置８の各々は、１または複数の前記集電箱７１からの集約ラインを集約する。キュービクル６は、１または複数の前記電力変換装置８からの集約ラインを集約する。判定装置１０１は、発電部７８の出力の計測結果である時系列の出力データであって参照期間における出力データおよび対象期間における出力データを取得し、取得した参照期間における出力データに基づいて、対象期間における出力データの異常を判定する。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部７８の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。
したがって、本発明の実施の形態に係る太陽光発電システムでは、太陽光発電システムの異常判定の精度を向上させることができる。
また、本発明の実施の形態に係る判定装置における判定方法では、まず、発電部７８の出力の計測結果である時系列の出力データであって参照期間における出力データおよび対象期間における出力データを取得する。次に、取得した参照期間における出力データに基づいて、対象期間における出力データの異常を判定する。
このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部７８の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。
したがって、本発明の実施の形態に係る判定方法では、太陽光発電システムの異常判定の精度を向上させることができる。
上記実施の形態は、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。本発明の範囲は、上記説明ではなく請求の範囲によって示され、請求の範囲と均等の意味およ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。
以上の説明は、以下に付記する特徴を含む。
［付記１］
太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、
前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、
前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備え、
前記発電部は、複数の太陽電池パネルが直列接続されたストリングであり、
前記発電部の出力は、前記発電部の発電電力、電流または電圧であり、
前記対象期間は、１日であり、
前記参照期間は、前記対象期間の前日までの期間である、判定装置。
［付記１］
太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、
前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、
前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備え、
前記発電部は、複数の太陽電池パネルが直列接続されたストリングであり、
前記発電部の出力は、前記発電部の発電電力、電流または電圧であり、
前記対象期間は、１日であり、
前記参照期間は、前記対象期間の前日までの期間である、判定装置。
［付記２］
太陽電池セルを含む１または複数の発電部と、
各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、
前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備え、
前記発電部は、複数の太陽電池パネルが直列接続されたストリングであり、
前記発電部の出力は、前記発電部の発電電力、電流または電圧であり、
前記対象期間は、１日であり、
前記参照期間は、前記対象期間の前日までの期間である、太陽光発電システム。
太陽電池セルを含む１または複数の発電部と、
各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、
前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備え、
前記発電部は、複数の太陽電池パネルが直列接続されたストリングであり、
前記発電部の出力は、前記発電部の発電電力、電流または電圧であり、
前記対象期間は、１日であり、
前記参照期間は、前記対象期間の前日までの期間である、太陽光発電システム。
１ 出力ライン
２，４，５ 集約ライン
３ 内部ライン
６ キュービクル
７ 銅バー
８ ＰＣＳ
９ 電力変換部
１４ 通信部
１６ 電流センサ
１７ 電圧センサ
２６ 電源線
６０ 集電ユニット
７１ 集電箱
７２，７３，７７ 銅バー
７４ 太陽電池ユニット
７６ 接続箱
７８ 発電部
８０ ＰＣＳユニット
８１ 判定部
８２ 評価部
８３ 生成部
８４ 通信処理部
８５ 記憶部
８６ 取得部
１０１ 判定装置
１１１ 監視装置
１５１ 収集装置
３０１ 発電状態判定システム
４０１ 太陽光発電システム
２，４，５ 集約ライン
３ 内部ライン
６ キュービクル
７ 銅バー
８ ＰＣＳ
９ 電力変換部
１４ 通信部
１６ 電流センサ
１７ 電圧センサ
２６ 電源線
６０ 集電ユニット
７１ 集電箱
７２，７３，７７ 銅バー
７４ 太陽電池ユニット
７６ 接続箱
７８ 発電部
８０ ＰＣＳユニット
８１ 判定部
８２ 評価部
８３ 生成部
８４ 通信処理部
８５ 記憶部
８６ 取得部
１０１ 判定装置
１１１ 監視装置
１５１ 収集装置
３０１ 発電状態判定システム
４０１ 太陽光発電システム
Claims (7)
- 太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、
前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データである参照データおよび対象期間における前記出力データである対象データを取得する取得部と、
前記取得部によって取得された前記参照データおよび前記対象データが分類された、正常のクラスタおよび異常のクラスタを含む複数のクラスタを生成し、前記複数のクラスタに基づいて、前記対象データの異常を判定する判定部とを備え、
前記判定部は、前記対象データが前記異常のクラスタに分類される場合に前記対象データを異常であると判定し、
前記参照期間は、前記対象期間の前日を含む、判定装置。 - 前記対象期間は、前記参照期間より後の期間である、請求項１に記載の判定装置。
- 前記判定部は、ｋ－ｍｅａｎｓを用いて前記対象データの異常を判定する、請求項１または請求項２に記載の判定装置。
- 前記太陽光発電システムは、
各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
１または複数の前記電力変換装置からの集約ラインを集約するキュービクルとを備える、請求項１から請求項３のいずれか１項に記載の判定装置。 - 太陽電池セルを含む１または複数の発電部と、
各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、
前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データである参照データおよび対象期間における前記出力データである対象データを取得し、取得した前記参照データおよび前記対象データが分類された、正常のクラスタおよび異常のクラスタを含む複数のクラスタを生成し、前記複数のクラスタに基づいて、前記対象データの異常を判定する判定装置とを備え、
前記判定装置は、前記対象データが前記異常のクラスタに分類される場合に前記対象データを異常であると判定し、
前記参照期間は、前記対象期間の前日を含む、太陽光発電システム。 - 判定装置における判定方法であって、
太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データである参照データおよび対象期間における前記出力データである対象データを取得するステップと、
取得した前記参照データおよび前記対象データが分類された、正常のクラスタおよび異常のクラスタを含む複数のクラスタを生成し、前記複数のクラスタに基づいて、前記対象データの異常を判定するステップとを含み、
前記対象データの異常を判定するステップでは、前記対象データが前記異常のクラスタに分類される場合に前記対象データを異常であると判定し、
前記参照期間は、前記対象期間の前日を含む、判定方法。 - 判定装置において用いられる判定プログラムであって、
コンピュータを、
太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データである参照データおよび対象期間における前記出力データである対象データを取得する取得部と、
前記取得部によって取得された前記参照データおよび前記対象データが分類された、正常のクラスタおよび異常のクラスタを含む複数のクラスタを生成し、前記複数のクラスタに基づいて、前記対象データの異常を判定する判定部、
として機能させるための、判定プログラムであり、
前記判定部は、前記対象データが前記異常のクラスタに分類される場合に前記対象データを異常であると判定し、
前記参照期間は、前記対象期間の前日を含む、判定プログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017253407 | 2017-12-28 | ||
| JP2017253407 | 2017-12-28 | ||
| PCT/JP2018/037794 WO2019130718A1 (ja) | 2017-12-28 | 2018-10-10 | 判定装置、太陽光発電システム、判定方法および判定プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2019130718A1 JPWO2019130718A1 (ja) | 2020-12-24 |
| JP7188399B2 true JP7188399B2 (ja) | 2022-12-13 |
Family
ID=67063357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019562768A Active JP7188399B2 (ja) | 2017-12-28 | 2018-10-10 | 判定装置、太陽光発電システム、判定方法および判定プログラム |
Country Status (4)
| Country | Link |
|---|---|
| JP (1) | JP7188399B2 (ja) |
| CN (1) | CN111527692A (ja) |
| DE (1) | DE112018006670T5 (ja) |
| WO (1) | WO2019130718A1 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021040451A (ja) * | 2019-09-04 | 2021-03-11 | 春禾科技股▲分▼有限公司 | ソーラー装置の発電エフィシェンシーの異常の判断方法 |
| DE202019106325U1 (de) * | 2019-11-13 | 2021-02-17 | Wago Verwaltungsgesellschaft Mbh | Reihenklemmenelement |
| CN111539550B (zh) | 2020-03-13 | 2023-08-01 | 远景智能国际私人投资有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
| CN112381181B (zh) * | 2020-12-11 | 2022-10-04 | 桂林电子科技大学 | 一种建筑能耗异常的动态检测方法 |
| WO2023203843A1 (ja) * | 2022-04-22 | 2023-10-26 | 住友電気工業株式会社 | 発電状態判定装置、発電状態判定方法および判定プログラム |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005340464A (ja) | 2004-05-26 | 2005-12-08 | Sharp Corp | 太陽電池アレイ診断装置およびそれを用いた太陽光発電システム |
| JP2012138448A (ja) | 2010-12-27 | 2012-07-19 | National Institute Of Advanced Industrial & Technology | 太陽光発電の出力低下検出装置及び検出方法 |
| JP2013258796A (ja) | 2012-06-11 | 2013-12-26 | Toyota Motor Corp | 自然エネルギーを利用した発電システムの劣化診断装置 |
| US20140207298A1 (en) | 2013-01-18 | 2014-07-24 | Abhay Gupta | Applications of Non-Intrusive Load Monitoring and Solar Energy Disaggregation |
| WO2015087638A1 (ja) | 2013-12-12 | 2015-06-18 | ティー・エス・ビー株式会社 | 太陽光発電システム |
| JP2015226423A (ja) | 2014-05-29 | 2015-12-14 | 住友電気工業株式会社 | 異常判定装置、異常判定方法、及びコンピュータプログラム |
| WO2016132569A1 (ja) | 2015-02-17 | 2016-08-25 | オーナンバ株式会社 | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 |
| WO2016210102A1 (en) | 2015-06-23 | 2016-12-29 | Qatar Foundation For Education, Science And Community Development | Method of forecasting for solar-based power systems |
| CN106529814A (zh) | 2016-11-21 | 2017-03-22 | 武汉大学 | 基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法 |
| JP6185206B1 (ja) | 2017-05-31 | 2017-08-23 | オーナンバ株式会社 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
| US20170286838A1 (en) | 2016-03-29 | 2017-10-05 | International Business Machines Corporation | Predicting solar power generation using semi-supervised learning |
| CN107423852A (zh) | 2017-07-24 | 2017-12-01 | 华北电力大学（保定） | 一种计及典型场景的光储联合电站优化运营方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107112945B (zh) * | 2014-12-24 | 2019-03-12 | 松下知识产权经营株式会社 | 监视装置、太阳光发电装置、监视系统以及监视方法 |
-
2018
- 2018-10-10 DE DE112018006670.3T patent/DE112018006670T5/de active Pending
- 2018-10-10 JP JP2019562768A patent/JP7188399B2/ja active Active
- 2018-10-10 CN CN201880083413.7A patent/CN111527692A/zh active Pending
- 2018-10-10 WO PCT/JP2018/037794 patent/WO2019130718A1/ja active Application Filing
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005340464A (ja) | 2004-05-26 | 2005-12-08 | Sharp Corp | 太陽電池アレイ診断装置およびそれを用いた太陽光発電システム |
| JP2012138448A (ja) | 2010-12-27 | 2012-07-19 | National Institute Of Advanced Industrial & Technology | 太陽光発電の出力低下検出装置及び検出方法 |
| JP2013258796A (ja) | 2012-06-11 | 2013-12-26 | Toyota Motor Corp | 自然エネルギーを利用した発電システムの劣化診断装置 |
| US20140207298A1 (en) | 2013-01-18 | 2014-07-24 | Abhay Gupta | Applications of Non-Intrusive Load Monitoring and Solar Energy Disaggregation |
| WO2015087638A1 (ja) | 2013-12-12 | 2015-06-18 | ティー・エス・ビー株式会社 | 太陽光発電システム |
| JP2015226423A (ja) | 2014-05-29 | 2015-12-14 | 住友電気工業株式会社 | 異常判定装置、異常判定方法、及びコンピュータプログラム |
| WO2016132569A1 (ja) | 2015-02-17 | 2016-08-25 | オーナンバ株式会社 | 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法 |
| WO2016210102A1 (en) | 2015-06-23 | 2016-12-29 | Qatar Foundation For Education, Science And Community Development | Method of forecasting for solar-based power systems |
| US20170286838A1 (en) | 2016-03-29 | 2017-10-05 | International Business Machines Corporation | Predicting solar power generation using semi-supervised learning |
| CN106529814A (zh) | 2016-11-21 | 2017-03-22 | 武汉大学 | 基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法 |
| JP6185206B1 (ja) | 2017-05-31 | 2017-08-23 | オーナンバ株式会社 | 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置 |
| CN107423852A (zh) | 2017-07-24 | 2017-12-01 | 华北电力大学（保定） | 一种计及典型场景的光储联合电站优化运营方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2019130718A1 (ja) | 2020-12-24 |
| CN111527692A (zh) | 2020-08-11 |
| DE112018006670T5 (de) | 2020-09-24 |
| WO2019130718A1 (ja) | 2019-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7188399B2 (ja) | 判定装置、太陽光発電システム、判定方法および判定プログラム | |
| Shakya | A self monitoring and analyzing system for solar power station using IoT and data mining algorithms | |
| US9048781B2 (en) | Abnormality diagnosis device, method therefor, and computer-readable medium | |
| JP5746098B2 (ja) | 自然エネルギーを利用した発電システムの劣化診断装置 | |
| JP6205329B2 (ja) | 系統安定度監視装置および系統安定度監視システム | |
| US10985694B2 (en) | Method and apparatus for determining key performance photovoltaic characteristics using sensors from module-level power electronics | |
| Ventura et al. | Development of models for on-line diagnostic and energy assessment analysis of PV power plants: The study case of 1 MW Sicilian PV plant | |
| WO2016166991A1 (ja) | 太陽光発電設備の診断システムおよびプログラム | |
| Shi et al. | Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations | |
| JP6756188B2 (ja) | 発電状態判定装置、発電状態判定方法および判定プログラム | |
| EP3506448A1 (en) | Method and system for monitoring a photovoltaic plant to determine a fault condition | |
| Zhao et al. | A photovoltaic array fault diagnosis method considering the photovoltaic output deviation characteristics | |
| JP7207401B2 (ja) | 判定装置、天候情報処理装置、判定方法および天候情報処理方法 | |
| JP7163931B2 (ja) | 判定装置、判定方法および判定プログラム | |
| JP7157393B2 (ja) | 判定装置、太陽光発電システム、判定方法および判定プログラム | |
| TW201727559A (zh) | 再生能源電廠的管理方法與系統 | |
| JP7173128B2 (ja) | 発電部再配置演算装置および演算処理方法 | |
| JP7095734B2 (ja) | 判定装置、太陽光発電システムおよび判定方法 | |
| EP4222510A1 (en) | High-resolution electrical measurement data processing | |
| JP7056674B2 (ja) | 監視システム、解析装置および判定方法 | |
| WO2022113441A1 (ja) | 発電状態判定装置、発電状態判定方法および判定プログラム | |
| WO2023203843A1 (ja) | 発電状態判定装置、発電状態判定方法および判定プログラム | |
| JP6277437B2 (ja) | 太陽光発電システム | |
| JP2023009777A (ja) | 判定装置および判定方法 | |
| KR20230079819A (ko) | 태양광 패널 스트링의 발전 상태 모니터링 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200612 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210421 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220620 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220823 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220915 |
|
| 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: 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: 7188399 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |