WO2013118815A1 - 太陽光発電量推定システム、装置及び方法 - Google Patents

太陽光発電量推定システム、装置及び方法 Download PDF

Info

Publication number
WO2013118815A1
WO2013118815A1 PCT/JP2013/052849 JP2013052849W WO2013118815A1 WO 2013118815 A1 WO2013118815 A1 WO 2013118815A1 JP 2013052849 W JP2013052849 W JP 2013052849W WO 2013118815 A1 WO2013118815 A1 WO 2013118815A1
Authority
WO
WIPO (PCT)
Prior art keywords
power generation
point
cloud
generation amount
solar power
Prior art date
Application number
PCT/JP2013/052849
Other languages
English (en)
French (fr)
Inventor
山崎　潤
佐藤　康生
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to US14/377,100 priority Critical patent/US20150006080A1/en
Publication of WO2013118815A1 publication Critical patent/WO2013118815A1/ja

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J1/4228—Photometry, e.g. photographic exposure meter using electric radiation detectors arrangements with two or more detectors, e.g. for sensitivity compensation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J2001/4266—Photometry, e.g. photographic exposure meter using electric radiation detectors for measuring solar light
    • 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

Definitions

  • the present invention relates to a solar power generation amount estimation system, device and method for estimating the power generation amount of a solar power generation device.
  • PV Photovoltaic
  • the amount of power generation of the PV device is affected by the change in the amount of solar radiation. That is, the amount of power generation of the PV device is small when the sky above the installation point is covered with clouds, and is large when no cloud is present above the installation point.
  • one way to predict the power generation of PV devices is to predict cloud distribution and movement direction.
  • Patent Document 1 a 360-degree omnidirectional camera for imaging all sky as an image is installed at a point where a solar panel is installed, and the distribution of clouds and the movement of clouds are detected from the image of all sky. It is described that the cloud distribution at a predetermined future time point is predicted.
  • Patent Document 2 describes that the movement of a wind or a cloud, the temperature, and the like are predicted by weather prediction such as a weather forecast, and the amount of power generation is predicted based on the movement.
  • patent document 1 since patent document 1 has to install an omnidirectional camera for every installation point of a solar panel, the cost for implementation is high. According to Patent Document 2, it is difficult to predict a change in the amount of solar radiation for a short time at a predetermined point.
  • An object of the present invention is to provide a solar power generation amount estimation system, device and method for predicting the shadow of a cloud to estimate the power generation amount of a solar power generation device.
  • a photovoltaic power generation amount estimation system for estimating the power generation amount of a solar power generation device is distributed in a predetermined area, and a plurality of light receiving devices that respectively output light reception signals according to the light reception amount And an estimation device connected to the plurality of light receiving devices via the communication network.
  • the estimation device predicts a shadow of a cloud projected on the ground based on light reception signals acquired a plurality of times from a plurality of predetermined light reception devices of the plurality of light reception devices, and a predetermined area based on the predicted shadow Estimate the amount of power generated by the photovoltaic power plant located in
  • FIG. 1 is a schematic diagram for explaining a method of estimating the boundary of a cloud.
  • FIG. 2 is a schematic view showing the configuration of the photovoltaic power generation amount estimation system 10.
  • FIG. 3 is a block diagram showing an example of a functional configuration of the power generation amount estimation device 18.
  • FIG. 4 is an example of a data table configured in the measurement information DB 26.
  • FIG. 5 is an example of the data table comprised by point information DB25.
  • FIG. 6 is an example of a data table configured in the power generation amount characteristic information DB.
  • FIG. 7 is a graph showing the temporal transition of the amount of power generation in the PV device 11 at a certain point.
  • FIG. 8 is a schematic view showing the wind speed and the wind direction at the measurement point.
  • FIG. 8 is a schematic view showing the wind speed and the wind direction at the measurement point.
  • FIG. 9 is a schematic view showing a decrease point and an increase point at the current time.
  • FIG. 10 is a schematic view for explaining the second constraint condition.
  • FIG. 11 is a schematic view for explaining the third constraint condition.
  • FIG. 12 is a schematic diagram for explaining a method of correcting a boundary which violates the third constraint.
  • FIG. 13 is a schematic diagram for explaining a method of determining whether a certain point is located inside a closed curve.
  • FIG. 14 is a flowchart showing an example of a process of the power generation amount estimation device 18 estimating a predicted power generation amount.
  • FIG. 15 is a graph showing temporal transition of the amount of power generation when two change point thresholds are set.
  • FIG. 16 is a schematic view showing a modified example of the boundary point and the closed curve at the predicted time.
  • the present invention is characterized in that the estimation device estimates the boundary of the cloud based on the light reception signal which changes according to the light reception amount output from the light reception device installed at each point.
  • the boundary of the cloud is the boundary of the shadow that the cloud forms on the ground.
  • the boundary of the cloud is the boundary between the area that is the shadow of the cloud and the area that is not the shadow when the cloud is projected on the ground.
  • FIG. 1 is a schematic diagram for explaining a method of estimating the boundary of a cloud.
  • a plurality of light receiving devices 1 are dispersedly installed in a predetermined area R.
  • the light receiving device 1 outputs a light reception signal that is a value that changes according to the amount of light received by sunlight.
  • the light receiving device 1 is, for example, a PV device 11 or a sunshine meter.
  • the light reception signal is, for example, the amount of power generation when the light receiving device 1 is a PV device, or the amount of solar radiation when the light receiving device 1 is a sunshine meter.
  • the estimation device captures and analyzes the light reception signal from each of a plurality of predetermined light receiving devices 1 which are all or part of the plurality of light receiving devices 1 installed in the predetermined area R and analyzes the light reception signal. Then, the estimation device specifies the installation point of the light receiving device 1 at which the light reception signal having the predetermined change is measured and the time when the predetermined change occurs.
  • the predetermined change is, for example, a change in which the light reception signal increases or decreases by a predetermined amount or more at a predetermined time. Alternatively, the predetermined change is, for example, a change such that the light reception signal has a predetermined increase tendency or a decrease tendency at a predetermined time.
  • the estimation device is an installation point of the light receiving device 1 at which the boundary of the shadow formed on the ground by the cloud (hereinafter also referred to as the boundary of the cloud) measures the predetermined change at the time when the predetermined change occurs. It can be estimated that it passed.
  • a part of the boundary of the cloud passing through the installation point is called the boundary point of the cloud. Therefore, the estimation apparatus can estimate the boundary point of the cloud at a certain point in time using the installation point of each light receiving device 1 and the time when the boundary of the cloud passes through the installation point. At this time, by using information on the wind direction and the wind speed, the estimation apparatus can estimate how much the cloud boundary point moves in which direction from the time when it passes through the installation point to a certain time point .
  • the estimation device is, for example, a power generation amount estimation device 18.
  • T1, T2, T3, T4, and T5 indicate the times at which the light receiving devices 1a, 1b, 1c, 1d, and 1e measure predetermined changes, respectively.
  • the estimation device estimates that the boundary of the cloud has passed the point of the light receiving device 1a at time T1.
  • the estimation device estimates that the boundary point of the cloud that has passed the point of the light receiving device 1a at time T1 is moving to the point 2a at a certain time point T.
  • the estimation device similarly estimates that the boundary point of the cloud that has passed the point from T2 to T5 for the other light receiving devices 1b to 1e is moved to the points 2b to 2e at a certain time T.
  • the estimation apparatus can identify the boundary points 2a to 2e of the cloud at a certain point T and estimate the boundary L1 by connecting the boundary points 2a to 2e of the cloud by a line.
  • the direction and speed of the destination of the boundary point of the cloud are estimated, for example, using information on the wind direction and the wind speed at the point.
  • FIG. 2 is a schematic view showing the configuration of the photovoltaic power generation amount estimation system 10.
  • the solar power generation amount estimation system 10 includes solar power generation devices (hereinafter referred to as “PV devices”) 11 a, 11 b and 11 c, power sensors 12 a and 12 c, a power generation amount estimation device 18, and a communication network 13.
  • the power sensor 12 and the power generation amount estimation device 18 are connected via the communication network 13.
  • the PV devices 11 a, 11 b and 11 c may be referred to as the PV device 11.
  • the power sensors 12 a and 12 c may be referred to as the power sensor 12.
  • the communication network 13 is a network capable of transmitting data bidirectionally.
  • the communication network 13 is configured by, for example, a wired network or a wireless network, or a combination thereof.
  • the communication network 13 may be a so-called Internet or a network of dedicated lines.
  • the PV device 11 generates an amount of power according to the intensity of solar radiation by receiving sunlight on the panel.
  • the PV device 11 supplies the generated power to the grid through the distribution line.
  • the power sensor 12 measures the amount of power generation generated by the PV device 11 every fixed time (for example, every second). Then, the power sensor 12 transmits information (hereinafter referred to as “measurement information”) 115 (see FIG. 4) of the measured power generation amount to the power generation amount estimation device 18 via the communication network 13.
  • the power sensor 12 may be installed inside a pole transformer or a switch.
  • the power generation amount estimation device 18 receives and holds the measurement information 115 transmitted from the power sensor 12. Then, the power generation amount estimation device 18 predicts the total power generation amount of each PV device 11 installed in a predetermined area at a predetermined time. At this time, the power generation amount estimation device 18 estimates the power generation amount at a predetermined time by the method described later for the PV device 11 (for example, the PV device 11b in FIG. 2 etc.) in which the power sensor 12 is not installed. Details of the power generation amount estimation device 18 will be described later. Hereinafter, an example of a hardware configuration of the power generation amount estimation device 18 will be shown.
  • the power generation amount estimation device 18 includes, for example, a central processing unit (CPU) 901, a memory (random access memory) 902, a communication device 903, an input device 904, a display device 905, and a storage device 906. These elements 901 to 906 are connected by a bus 910 capable of bidirectional data transmission.
  • CPU central processing unit
  • memory random access memory
  • input device 904 a display device 905
  • storage device 906 a storage device 906.
  • the CPU 901 implements various functions to be described later by executing the contents described in a computer program (hereinafter referred to as a “program”). Details of the various functions will be described later.
  • the memory 902 temporarily holds data necessary for the execution of a program in the CPU 901.
  • the memory 902 is configured by, for example, a dynamic random access memory (DRAM) or the like.
  • DRAM dynamic random access memory
  • the communication device 903 controls transmission and reception of data via the communication network 13.
  • the communication device 903 acquires measurement information 115 from the power sensor 12 via the communication network 13, for example.
  • the display device 905 is a so-called man-machine interface device capable of presenting various information to the user.
  • the display device 905 includes, for example, a display or a speaker. Various information displayed on the display device 905 will be described later.
  • the input device 904 is a so-called human interface device that can receive input from a user.
  • the input device 904 is configured by, for example, a keyboard, a mouse, or a button.
  • the user can set and change various parameters and instruct execution of various functions via the input device 904.
  • the user can display predetermined data on the display device 905 via the input device 904.
  • the storage device 906 holds various programs and data.
  • the storage device 906 is configured by, for example, a hard disk drive (HDD) or a flash memory 902 or the like.
  • the storage device 906 holds, for example, programs and data that can realize various functions to be described later.
  • the programs and data stored in the storage device 906 are read out and executed by the CPU 901 as necessary.
  • FIG. 3 is a block diagram showing an example of a functional configuration of the power generation amount estimation device 18.
  • the power generation amount estimation device 18 includes a measurement information acquisition unit 20, a boundary point estimation unit 21, a cloud shape forming unit 22, a power generation amount prediction unit 23, and a display unit 24. Furthermore, the power generation amount estimation device 18 has a measurement information DB 26, a point information DB 25, a constraint condition DB 30, a cloud shape characteristic information DB 31, a power generation characteristic information DB 27, a boundary line DB 28, and a predicted power generation amount DB 29.
  • These functions 20 to 24 are realized by the CPU 901 executing corresponding programs.
  • These DBs 25 to 31 are configured, for example, in the storage device 906.
  • the measurement information acquisition unit 20 receives the measurement information 115 from the power sensor 12 and registers it in the measurement information DB 26.
  • FIG. 4 is an example of a data table configured in the measurement information DB 26.
  • the measurement information DB 26 holds and manages one or more measurement information 115a, 115b,.
  • the measurement information 115a, 115b, ... may be referred to as the measurement information 115.
  • the measurement information 115 has, for example, a point ID 101 and power generation amounts 111a, 111b,... Measured at each time as data items.
  • the power generation amounts 111a, 111b,... At each time may be referred to as the power generation amount 111.
  • the point ID 101 is a value for uniquely identifying a point at which the PV device 11 is installed.
  • the point ID 101 may be identification information of the PV device 11 or identification information of a point (for example, an address or a name of the point).
  • Each power generation amount 111 is an amount generated by the PV device 11 identified by the point ID 101 at each time.
  • the amount of power generation 111 at “11:00” of the PV device 11 installed at “point A” is “600”, and the amount of power generation at “11:01” is “610” To indicate that
  • the power generation amount 111 at each time may be appropriately deleted from the old data.
  • the description will return to the description of FIG.
  • the boundary point estimation unit 21 extracts a cloud boundary point (cloud end point) at a predetermined time of a predetermined area.
  • the boundary of a cloud is, as described above, the boundary between an area which is a shadow of the cloud and an area which is not a shadow when the cloud is projected onto the ground.
  • the boundary point estimation unit 21 extracts the boundary point of the cloud based on the change in the amount of power generation of the PV device 11 at each point. The method will be described below.
  • FIG. 5 is an example of the data table comprised by point information DB25.
  • Point information DB 25 holds and manages one or more point information 105.
  • the point information 105 includes, for example, a point ID 101, point coordinates 102, and a measurement flag 103 as data items.
  • the point ID 101 is as described above.
  • Point coordinates 102 are values indicating the coordinates of the point indicated by the point ID 101.
  • Point coordinates 102 are expressed, for example, in longitude and latitude.
  • the measurement flag 103 is a flag indicating whether or not the amount of power generation of the PV device 11 corresponding to the point ID 101 has been measured.
  • the case where measurement can be performed is represented as “o”, and the case where measurement can not be performed (not measured) is described as “x”.
  • the measurement flag 103 of the PV device 11 not provided with the power sensor 12 is always “non-measurement”. Further, even if the PV device 11 is provided with the power sensor 12, if the measurement information 115 can not be acquired (for example, due to a failure of the communication network 13), the measurement flag 103 of the PV device 11 is "not measured”. Become.
  • the point coordinates 102 of the point ID 101 “point A” are “longitude 36.5, latitude 140.5”, and the power generation amount of the PV device 11 at that point can be measured. Show that.
  • the point coordinates 102 of the point ID 101 of “point O” are “longitude 36.0, latitude 140.0”, indicating that the power generation amount of the PV device 11 corresponding to the point ID 101 could not be measured.
  • FIG. 6 is an example of a data table configured in the power generation amount characteristic information DB.
  • the power generation amount characteristic information 125 includes, for example, a point ID 101, a rated power generation amount 121, and seasonal power generation amounts 122a to 122d as data items.
  • the seasonal power generation amounts 122a to 122d may be referred to as seasonal power generation amounts 122.
  • the point ID 101 is as described above.
  • the rated power generation amount 121 is a rated power generation amount of the PV device 11 indicated by the point ID 101.
  • the seasonal power generation amount 122 is an average (general) power generation amount of each time at fine weather of each season.
  • the seasonal power generation amount 122 is required when setting a change point threshold value of the power generation amount described later. This is because even if the time is the same, if the season is different, the amount of power generation at the time of fine weather may be different, so it is necessary to adjust the change point threshold of the amount of power generation for each season.
  • the rated power generation amount of the PV device 11 having the point ID value of “point A” is “3.5”
  • the average power generation amount 122 at 12 o'clock in fine weather in spring is Indicates "2.8".
  • the boundary point estimation unit 21 extracts a boundary point of the cloud using the measurement information 115 and the point information 105 described above.
  • FIG. 7 is a graph showing the temporal transition of the amount of power generation in the PV device 11 at a certain point.
  • the vertical axis represents the power generation amount P.
  • the power generation amount P is greatly reduced at time Td (Td ⁇ Tn) past the current time Tn.
  • the reduced power generation amount P continues from time Td until time Tu (Td ⁇ Tu ⁇ Tn), and the power generation amount P is greatly increased at time Tu. From this, it can be estimated that the point of the PV device 11 indicated by the graph 200 is covered with clouds from time Td to time Tu.
  • the process of detecting the time when the power generation amount P has changed by a predetermined amount or more will be described.
  • the boundary point estimation unit 21 sets a change point threshold P1 that is a threshold of the power generation amount for determining whether a certain point is covered by a cloud.
  • Frontier point estimation unit 21 extracts an increased time Tu i which satisfies both the following formulas (1) and (2) at its one point.
  • i is a positive integer indicating the order of measurement. That is, “i ⁇ 1” indicates the measurement time immediately before the measurement time of “i”, and “i + 1” indicates the measurement time after one measurement time of “i”. “ ⁇ ” is a predetermined value that defines a range in the vicinity of the change point threshold P1.
  • the boundary point estimation unit 21, by Equation 1 and Equation 2 a similar power generation amount as the change point threshold P1, and, the amount of power generation to extract only increase time Tu i has increased over time.
  • the boundary point estimation unit 21 extracts the reduced time Td i which satisfies both the following formulas (3) and (4) at its one point.
  • the boundary point estimation unit 21 extracts only the decrease time Td i which is substantially the same as the power generation amount as the change point threshold P1 and whose power generation amount decreases with the passage of time according to Expression 3 and Expression 4.
  • the change point threshold P1 of the above-mentioned formula 1 and formula 3 may be a different threshold for every point.
  • the change point threshold P1 of the equation 1 and the change point threshold P1 of the equation 3 may be different thresholds.
  • the change point threshold P1 may be set using the power generation amount characteristic information 125 of the PV device 11 at each point stored in the power generation characteristic information DB 27.
  • the boundary point estimation unit 21 may set the change point threshold P1 to be ⁇ times (0 ⁇ ⁇ 1) of the rated power generation amount 121, or the boundary point estimation unit 21 may set the change point threshold P1. It may be set to be ⁇ times (0 ⁇ ⁇ 1) the average power generation amount 122 at the time of fine weather at the time of predicting the power generation amount.
  • the boundary point estimation unit 21 may extract the increase time Tu and the decrease time Td after applying a so-called low-pass filter to a graph indicating temporal change of the power generation amount.
  • the boundary point estimation unit 21 may calculate a moving average of the measured power generation amount 111 and extract the increase time Tu and the decrease time Td with respect to the moving average. The reason is that the boundary point estimation unit 21 does not extract the increase time Tu or the decrease time Td for the rapid increase and decrease of the power generation amount in a short time.
  • the boundary point estimation unit 21 executes the above processing for each point, and extracts an increase time Tu and a decrease time Td of each point.
  • the boundary point estimation unit 21 estimates the boundary point of the cloud at a predetermined time based on the increase time Tu and the decrease time Td. The method will be described below.
  • FIG. 8 is a schematic view showing the wind speed and the wind direction at the measurement point. Dotted arrows 50a to 50c passing through the points shown in FIG. 8 indicate the wind direction at each measurement point. Cloud boundary points are generally considered to travel at a speed proportional to the wind speed, along the wind direction. Therefore, the boundary point estimation unit 21 determines that the boundary point of the cloud extracted at the measurement time Tu (or decrease time Td) at the measurement point is higher than the increase time Tu (or reduction time Td) based on the wind direction and the wind speed.
  • a predicted time that is a time after a predetermined time, it is estimated to which point to move. The predicted time may be, for example, the current time or a predetermined time after the current time.
  • the decreasing time at point A is Td A and the increasing time is Tu A.
  • the boundary point estimation unit 21 acquires, from a predetermined information source, information that the wind speed from the decrease time Td at the point A to the prediction time is “V A ” and the wind direction is “direction from northwest to southeast”.
  • the boundary point estimation unit 21 determines that the boundary point of the cloud passing through the point A at the reduction time Td A (hereinafter referred to as the “reduction boundary point”) moves from the point A to “the direction from northwest to southeast” “V A ⁇ It is estimated that it moves to the point Ad of "Td A ".
  • the boundary point estimation unit 21 determines that the boundary point of the cloud that has passed point A at increase time Tu A (hereinafter referred to as “increased boundary point”) moves from point A to “direction from northwest to southeast” at prediction time. It is estimated that it has moved to the point Au of V A ⁇ T u A ”.
  • the boundary point estimation unit 21 estimates the decrease boundary points Bd and Cd and the increase boundary points Bu and Cu at the predicted time by the same processing for the points B and C as well.
  • wind direction and the wind speed use, for example, information announced by the Meteorological Agency or the like.
  • wind direction and wind speed information measured by the wind power plant or the anemometer may be used.
  • the cloud shape forming unit 22 estimates the shape of the cloud at that time based on the decrease point and the increase point at the current time or a certain future time estimated by the boundary point estimation unit 21. That is, the cloud shape forming unit 22 forms a (closed curve shape) boundary line that schematically represents the shape (that is, the contour) of the cloud.
  • a method of forming the boundary will be described.
  • FIG. 9 is a schematic view showing a decrease point and an increase point at the current time.
  • the decrease points Ad, Bd, Cd and the increase points Au, Bu, Cu at the current time TN are estimated by the boundary point estimation unit 21 as described above.
  • the cloud shape formation part 22 forms the boundary line of a closed curve shape based on these decreasing points and increasing points.
  • a method of forming the boundary will be described.
  • the cloud shape forming unit 22 searches for another boundary point located in the vicinity of a certain boundary point. Then, the cloud shape forming unit 22 forms a part of a boundary line (hereinafter referred to as “line segment”) by connecting a certain boundary point and another boundary point closest to the boundary point. Similarly, the cloud shape forming unit 22 forms a line segment connecting a certain boundary point with another boundary point that is the second closest to the boundary point. At this time, the cloud shape forming unit 22 connects the decrease boundaries or the increase boundaries.
  • line segment a boundary line
  • the point Bu in FIG. 9 is connected to the nearest point Au to form a line segment Bu-Au (line segment 230).
  • the point Bu is connected to the second closest point Cu to form a line segment Bu-Cu.
  • the boundary line is shown as a straight line in FIG. 9, it may be a suitable curve.
  • the cloud shape forming unit 22 can form a decrease boundary connecting each decrease point and an increase boundary connecting each increase point.
  • the cloud shape forming unit 22 forms a boundary based on a predetermined constraint condition.
  • the constraints will be described below.
  • the first constraint is a positional relationship in which the line segment does not intersect a straight line (for example, straight line mA, straight line mB, straight line mC, etc. in the following, referred to as "wind direction straight line” in FIG. (However, the wind direction straight line on the boundary point is not included).
  • a straight line for example, straight line mA, straight line mB, straight line mC, etc. in the following, referred to as "wind direction straight line” in FIG. (However, the wind direction straight line on the boundary point is not included).
  • the cloud shape forming unit 22 forms a line segment from the point Au will be described as an example.
  • the cloud shape forming unit 22 forms a point Bu closest to the point Au and a line segment Au-Bu. This line segment Au-Bu does not violate the first constraint.
  • the cloud shape forming unit 22 forms a point Cu and a line segment Au-Cu that is second closest to the point Au, the line segment Au-Cu intersects the wind direction straight line mB, which violates the first constraint. Therefore, the cloud shape forming unit 22 determines that the line segment Au-Cu is inappropriate.
  • the cloud shape forming unit 22 attempts to form a line connecting the increase point and the decrease point existing on the same wind direction straight line. For example, the cloud shape forming unit 22 tries to form a line segment Au-Ad connecting the increase point Au and the decrease point Ad existing on the same wind direction straight line mA.
  • the second constraint is that when forming line segments connecting the boundary points, the line segments do not overlap or intersect.
  • the second constraint will be further described below.
  • FIG. 10 is a schematic view for explaining the second constraint condition.
  • points Du, Eu, Fu, Gu and Hu are all increase points.
  • other increase points near the increase point Eu are increase points Fu and Gu.
  • Other increase points near the increase point Gu are the increase points Eu and Fu.
  • the increase point Eu forms a line segment Eu-Fu and a line segment Eu-Gu
  • the increase point Gu forms a line segment Gu-Eu and a line segment Gu-Fu.
  • the cloud shape forming unit 22 attempts to reshape line segments so that the line segments do not overlap.
  • the cloud shape forming unit 22 prohibits the formation of overlapping line segments and tries to reform the line segments.
  • the second constraint may be replaced with (or in addition to) the above conditions, and a closed curve may not be generated by a set of boundaries connecting only the increase points or only the decrease points. If a closed curve occurs under this condition, the cloud shape forming unit 22 deletes any of the line segments that constitute the closed curve so as to be a single boundary line formed by only an increase point or a decrease point. For example, in the case of FIG. 10, by deleting the line segment Eu-Gu (line segment 301), it is possible to form one boundary line Du-Eu-Fu-Gu-Hu which is formed only at the increase point.
  • the third constraint is that a line segment between an increase point or a decrease point is shorter than a predetermined length (distance), and an interval between one line segment and another line segment is a predetermined length (distance) It is longer. This is because, if the third constraint condition is violated, it is highly possible that the boundary composed of the line segments does not appropriately model the shape of the cloud.
  • the third constraint will be further described below.
  • FIG. 11 is a schematic view for explaining the third constraint condition.
  • the cloud shape forming unit 22 determines that the line segment Cd-Dd that violates the third constraint condition is not suitable for the model of the cloud shape.
  • the interval Lw between the line segment Cu-Du and the line segment Cd-Dd is shorter than the predetermined interval LB (Lw ⁇ LB).
  • the cloud shape forming unit 22 determines that the line segment Cu-Du and / or the line segment Cd-Dd that violates the third constraint condition is not suitable for the model of the cloud shape.
  • the cloud shape forming unit 22 performs, for example, the following processing.
  • FIG. 12 is a schematic diagram for explaining a method of correcting a boundary which violates the third constraint. Since the cloud shape forming unit 22 determines that the line segment Cu-Du and the line segment Cd-Dd are inappropriate, it attempts to form another line segment that meets the third constraint. For example, the cloud shape forming unit 22 forms a line segment Cu-Cd (line segment 302a) connecting the increase point Cu and the decrease point Cd. Similarly, the cloud shape forming unit 22 forms a line segment Du-Dd (line segment 302b) connecting the increase point Du and the decrease point Dd. That is, the third constraint can be said to be a criterion for finding a point that divides one cloud model into two cloud models.
  • the fourth constraint is that the closed curve formed by the increase and decrease boundaries and the line segment connecting them has similarity with a general cloud shape or more. That is, it is determined whether the formed cloud shape model has a predetermined similarity or more with a general cloud shape model.
  • a general cloud shape model is held in advance in the cloud shape characteristic information DB 31. Then, the cloud shape forming unit 22 calculates the similarity between the formed closed curve and the model of each cloud shape held in the cloud shape characteristic information DB 31.
  • the cloud shape forming unit 22 has a closed curve that is formed as a cloud shape. Is not properly modeled. This is because the possibility of forming a cloud extremely far from the general cloud shape is low.
  • the fifth constraint is that the closed curve formed for a given time has a similarity equal to or more than a given curve with a closed curve formed for a given time slightly earlier than that.
  • the cloud shape forming unit 22 holds the closed curve formed for each predetermined time in the boundary line DB 28. Then, the cloud shape forming unit 22 calculates the similarity between the formed closed curve and the closed curve held at the boundary line DB 28 before the predetermined time.
  • the cloud shape forming unit 22 determines that the formed closed curve does not appropriately model the shape of the cloud. This is because the possibility of extreme deformation of the cloud shape in a short time is low.
  • the sixth constraint condition is that a difference between an area of a region surrounded by a closed curve formed for a predetermined time and an area surrounded by a closed curve formed for a predetermined time slightly before that is predetermined It is to be less than or equal to the value.
  • the cloud shape forming unit 22 holds the closed curve formed for each predetermined time in the boundary line DB 28. Then, the cloud shape forming unit 22 calculates the difference between the area of the formed closed curve and the area of the closed curve held at the boundary line DB 28 before the predetermined time.
  • the cloud shape forming unit 22 determines that the formed closed curve does not appropriately model the shape of the cloud. Because, it is unlikely that the area of the cloud will change extremely in a short time.
  • the first constraint and the second constraint may be combined and applied.
  • the cloud shape formation part 22 can form the closed curve which shows the boundary line of a cloud.
  • the first constraint and the second constraint may be combined with the third constraint and applied.
  • the cloud shape forming unit 22 can form a closed curve indicating the boundary of the cloud with higher accuracy.
  • the cloud shape forming unit 22 further adds a fourth constraint, a fifth constraint, and / or a sixth constraint to the first constraint, the second constraint, and the third constraint. You may combine and apply.
  • the cloud shape forming unit 22 can form a closed curve indicating the boundary of the cloud with higher accuracy.
  • the above-described constraints may be set differently for each region.
  • predetermined weighting may be set for each of the above-described constraints, and the accuracy of the closed curve may be calculated based on how much the closed curve indicating the boundary of the cloud satisfies each constraint. .
  • each closed curve formed can be regarded as representing the shape of a cloud at a current time or a certain time in the future and a point where the cloud exists. It returns to the explanation of FIG.
  • the power generation amount prediction unit 23 estimates the power generation amount of the unmeasured PV device 11 based on the closed curve formed by the cloud shape formation unit 22 (that is, the one that schematically represents the point and the shape of the cloud). Hereinafter, the process in the power generation amount prediction unit 23 will be further described.
  • FIG. 13 is a schematic diagram for explaining a method of determining whether a certain point is located inside a closed curve.
  • the power generation amount prediction unit 23 determines whether the point O of the PV device 11 that is not measured is located inside the closed curve 310. For example, the following (Expression 5) is used for this determination.
  • the interior points are likely to be covered by clouds, so it can be estimated that the amount of solar radiation is small.
  • the external point is less likely to be covered by clouds, so it can be estimated that the amount of solar radiation is large. Therefore, it can be estimated that the power generation amount at the internal point is smaller than the change point threshold P1 used in the boundary point estimation unit 21.
  • the power generation amount at the external point can be estimated to be larger than the change point threshold P1. Therefore, for example, the power generation amount of the internal point is estimated to be P1 ⁇ M (M is a predetermined coefficient of 0 ⁇ M ⁇ 1).
  • the power generation amount of the external point is estimated to be P1 ⁇ N (N is a predetermined coefficient of N> 1).
  • the power generation amount of the internal point may be estimated based on the power generation amount of the measurable PV device 11 surrounded by the same closed curve as the internal point.
  • the power generation amount at the external point may be estimated based on the power generation amount of the measurable PV device 11 not surrounded by any closed curve.
  • the first estimation method extracts the installation points of all the PV devices 11 installed in a predetermined area from the point information DB 25 and estimates the power generation amount for the non-measurement points by the above-described method. By this, the total power generation amount of all the PV devices 11 in the area is estimated.
  • the second estimation method extracts the average power generation characteristic and the installation density of the PV device 11 in the predetermined area from the power generation characteristic information DB 27, and estimates the power generation amount by the above method. The second estimation method will be further described below.
  • the installation density of the PV device 11 is ⁇ .
  • Ps be an average amount of power generation at a predetermined time.
  • An estimated power generation amount at an internal point is Ps ⁇ R low (0 ⁇ R low ⁇ 1).
  • Ps ⁇ R high (0 ⁇ R high ⁇ 1 and R high ⁇ R low ) be the power generation estimated value at the external point.
  • the internal area of the closed curve ⁇ 1 , ⁇ 2 ,..., ⁇ n existing in a certain area is S 1 , S 2 ,..., S n , and the area in the area is S all .
  • the estimated total power generation amount P all in a certain area is calculated by the following equation 6.
  • the first estimation method can estimate total power generation with relatively high accuracy.
  • the second inference method may have lower accuracy than in the case of inference by the first inference method, the processing load can be reduced because the amount of data required for processing is small.
  • the power generation amount prediction unit 23 can estimate the total power generation amount (hereinafter referred to as “predicted total power generation amount”) of the PV device 11 at a predetermined time in a predetermined area including the non-measurement point.
  • the estimated total power generation amount is used when performing power supply and demand control in consideration of the power generation of the PV device 11. It returns to the explanation of FIG.
  • the predicted power generation amount DB 29 holds and manages the predicted power generation amount estimated by the power generation amount prediction unit 23.
  • the display unit 24 extracts and displays the predicted power generation amount at a predetermined time of each PV device 11 from the predicted power generation amount DB 29.
  • the display unit 24 extracts and displays the predicted total power generation amount at a predetermined time of a predetermined area from the predicted power generation amount DB 29. Further, the display unit 24 superimposes the formed closed curve on the map and displays it. Thereby, the user can visually grasp the magnitude of the amount of solar radiation at each point, that is, the magnitude of the power generation amount of the PV device 11.
  • the display unit 24 displays the temporal transition of the closed curve, so that the user can visually grasp the variation of the solar radiation amount and the power generation amount of the area.
  • FIG. 14 is a flowchart showing an example of a process of the power generation amount estimation device 18 estimating a predicted power generation amount.
  • the measurement information acquisition unit 20 registers the power generation amount measured by the power sensor 12 of each PV device 11 in the measurement information DB 26 (S101).
  • the boundary point estimation unit 21 extracts the power generation characteristic at each point from the power generation characteristic information DB 27, and sets the change point threshold P1 at a predetermined time based on it (S102).
  • the boundary point estimation unit 21 extracts the power generation amount at each measurement point from the measurement information DB 26, and extracts the increase time and the decrease time using the change point threshold P1 described above (S103).
  • the boundary point estimation unit 21 acquires information on the wind speed and the wind direction at each measurement point (S104).
  • the boundary point estimation unit 21 determines points of an increase boundary point and a decrease boundary point at a current time or a certain future time (hereinafter referred to as “predicted time”) based on the increase time and decrease time and information such as wind speed and wind direction. Is estimated (S105).
  • the cloud shape forming unit 22 forms a closed curve that schematically illustrates a cloud shape, based on the plurality of increase boundary points and decrease boundary points at the predicted time and various constraint conditions and the like (S106).
  • the power generation amount prediction unit 23 extracts the non-measurement point from the point information DB 25 and estimates the power generation amount at the predicted time of each non-measurement point in consideration of whether the non-measurement point is inside or outside the closed curve. (S107).
  • the power generation amount prediction unit 23 estimates the total power generation amount at a current time or a future time in a predetermined area based on the power generation amount estimated at each point, and registers it in the predicted power generation amount DB 29 (S108).
  • the estimated total power generation amount can be used, for example, for supply and demand adjustment control of the electric power system.
  • FIG. 15 is a graph showing temporal transition of the amount of power generation when two change point thresholds are set. While only one change point threshold is set in the graph 200 shown in FIG. 7, the point in which two change point thresholds are set is different in the graph 400 shown in FIG.
  • the graph 400 shows the temporal transition of the amount of power generation of the PV device 11 installed at the point A.
  • P1> P2 and the amount of power generation in fine weather is Ps.
  • P1 Ps ⁇ ⁇
  • P2 Ps ⁇ ⁇ (0 ⁇ ⁇ ⁇ 1) can be defined.
  • the boundary point estimation unit 21 extracts the corresponding increase time Tu 2 at the increase times Tu 1 and P 2 corresponding to P 1 using (Equation 1) and (Equation 2) described above. Similarly, the boundary point estimation unit 21 uses the above equation (3) and (Equation 4), extracting the reduced time Pd 2 corresponding to decreasing time Pd 1 and P2 corresponding to P1.
  • the boundary point estimation unit 21 estimates the increase points Au 1 and Au 2 corresponding to the increase times Tu 1 and Tu 2 at the predicted time, based on the information on the wind direction and the wind speed. Similarly, the boundary point estimating portion 21 estimates the decreasing point Ad 1 and Ad 2 corresponds to the decreasing time Td 1 and Td 2 in the prediction time.
  • FIG. 16 is a schematic view showing a modified example of the boundary point and the closed curve at the predicted time.
  • the cloud shape forming unit 22 forms a closed curve by connecting an increase point and a decrease point corresponding to the same boundary point threshold. That is, when a plurality of change point thresholds are set, the cloud shape forming unit 22 forms a plurality of closed curves. Here, the cloud shape forming unit 22 forms a closed curve so that the closed curves do not intersect (do not overlap). In the case of FIG. 16, the cloud shape forming unit 22 forms a boundary 410 corresponding to the change point threshold P1 and a boundary 411 corresponding to the boundary point threshold P2.
  • the power generation amount prediction unit 23 estimates the power generation amount at the non-measurement point using the plurality of closed curves formed by the cloud shape formation unit 22. When one non-measurement point is surrounded by two or more closed curves, the power generation amount prediction unit 23 estimates the generated amount as being surrounded by the innermost closed curve. The estimation of the power generation amount at this non-measurement point is performed, for example, by the following method.
  • Inner closed curve C k which is formed by increasing the point Au k and reduced point Ad k, of the closed curve C k + 1 which and are formed by increasing the point Au k + 1 and decreasing point Ad k + 1 the outer region and D k.
  • the closed curve C k + 1 is included in the closed curve C k .
  • the solar power generation amount in this region D k is estimated as S k .
  • k is an integer having a value of 0 to N. Whether non-measurement point is present in the region Dk, non-measurement point by using the above equation 5, it is present on the inside of the closed curve C k, and depending on whether or not present in the outside of the closed curve C k + 1 It is judged.
  • S k is a representative value of the amount of photovoltaic power generation in the region D k , and a numerical value satisfying P k SS k PP k + 1 (P1>P2>...> Pn) is set in advance.
  • an area outside the closed curves Au 1 -Bu 1 ... Bd 1 -Ad 1 is D 0 .
  • the power generation amount prediction unit 23 determines which of the areas D 0 , D 1 and D 2 the non-measurement point is included in, and based on S 0 , S 1 , and S 2 corresponding to each area, does not measure Estimate the power generation at the point.
  • two or more change point threshold values can be set to estimate the power generation amount of the non-measured PV device 11.
  • the change point threshold value it is possible to estimate the power generation amount in more detail considering the influence of the cloud on the solar radiation amount.
  • the estimation accuracy of the power generation amount of the PV device 11 can be enhanced.
  • a cloud shape estimation model at a predicted time of a predetermined area may be used for the weather forecast of that area.
  • the predicted power generation amount at the predicted time may be fed back to each home and used for power control in each home.
  • a storage unit for storing data A data acquisition unit that acquires measurement values that change according to the amount of solar radiation at each time from each of a plurality of measurement points in a predetermined area, and stores the measurement value as time series data in the storage unit; From the storage unit, the time series data in which the measurement value measured in a predetermined first time zone is included in a predetermined range, and the measurement value has a predetermined change in the first time zone
  • a data extraction unit to extract A boundary point identification unit that specifies a measurement point corresponding to the extracted time-series data as a first boundary point for each of the extracted time-series data; For each of the specified first boundary points, the first boundary point in a second time zone after a predetermined time has elapsed from the first time zone, based on environmental information that is predetermined information on the environment
  • a boundary point prediction unit that predicts the movement destination point as a second boundary point

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Photovoltaic Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　太陽光発電装置の発電量を推定する。所定区域に分散して配置され、受光量に応じた受光信号をそれぞれ出力する複数の受光装置と、複数の受光装置に通信ネットワークを介して接続される推定装置とを備え、推定装置は、複数の受光装置のうちの所定の複数の受光装置から複数回取得する受光信号に基づいて地上に投影された雲の影を予測し、予測された雲の影に基づいて所定区域に配置されている太陽光発電装置による発電量を推定する。

Description

太陽光発電量推定システム、装置及び方法
　本発明は、太陽光発電装置の発電量を推定する太陽光発電量推定システム、装置及び方法に関する。
　近年、一般家庭に太陽光発電装置（以下「ＰＶ（Ｐｈｏｔｏｖｏｌｔａｉｃ）装置」という）が設置されつつある。ＰＶ装置の発電量は、日射量の変化の影響を受ける。すなわち、ＰＶ装置の発電量は、その設置地点の上空が雲に覆われている場合は小さく、その設置地点の上空に雲が存在しない場合は大きい。したがって、ＰＶ装置の発電量を予測する方法の一つは、雲の分布及び移動方向を予測することである。
　特許文献１には、太陽光パネルが設置されている地点に全天を画像として撮像する３６０度全方位カメラを設置し、その全天の画像から雲の分布と雲の動きとを検出することにより、所定の未来の時点での雲の分布を予測することが記載されている。
　特許文献２には、天気予報などの天候予測により風や雲の動き及び気温などを予想し、それを元に発電量を予測することが記載されている。
特開２００７－１８４３５４号公報 特開２０１０－５７２６２号公報
　しかしながら、特許文献１は、太陽光パネルの設置点毎に全方位カメラを設置しなければならないため、実現するためのコストが高い。特許文献２は、所定の地点における短時間の日射量の変化を予測することは難しい。
　本発明の目的は、雲の影を予測して太陽光発電装置の発電量を推定する太陽光発電量推定システム、装置及び方法を提供することにある。
　本発明の一つの実施態様に従う太陽光発電装置の発電量を推定する太陽光発電量推定システムは、所定区域に分散して配置され、受光量に応じた受光信号をそれぞれ出力する複数の受光装置と、複数の受光装置に通信ネットワークを介して接続される推定装置とを備える。推定装置は、複数の受光装置のうちの所定の複数の受光装置から複数回取得する受光信号に基づいて地上に投影された雲の影を予測し、予測された雲の影に基づいて所定区域に配置されている太陽光発電装置による発電量を推定する。
　本発明の他の目的、特徴及び利点は添付図面に関する以下の本発明の実施例の記載から明らかになるであろう。
図１は、雲の境界を推定する方法を説明するための模式図である。 図２は、太陽光発電量推定システム１０の構成を示す模式図である。 図３は、発電量推定装置１８が備える機能構成の一例を示すブロック図である。 図４は、計測情報ＤＢ２６に構成されるデータテーブルの一例である。 図５は、地点情報ＤＢ２５に構成されるデータテーブルの一例である。 図６は、発電量特性情報ＤＢに構成されるデータテーブルの一例である。 図７は、或る地点のＰＶ装置１１における発電量の時間的推移を示すグラフである。 図８は、計測地点における風速及び風向を示す模式図である。 図９は、現在時刻における減少地点と増加地点を示す模式図である。 図１０は、第２の制約条件を説明するための模式図である。 図１１は、第３の制約条件を説明するための模式図である。 図１２は、第３の制約条件に反する境界線を修正する方法を説明するための模式図である。 図１３は、或る地点が閉曲線の内部に位置するか否かの判定方法を説明するための模式図である。 図１４は、発電量推定装置１８が予測発電量を推定する処理の一例を示すフローチャートである。 図１５は、変化点閾値を２つ設定した場合に係る発電量の時間的推移を示すグラフである。 図１６は、予測時刻における境界地点及び閉曲線の変形例を示す模式図である。
　本発明は、各地点に設置されている受光装置が出力した受光量に応じて変化する受光信号に基づいて、推定装置が雲の境界を推定することを特徴とする。雲の境界とは、雲が地上に形成する影の境界のことである。言い換えると、雲の境界とは、雲を地上に投影した場合に雲の影となる領域と影とならない領域との境界のことである。以下、図面を参照しながら、本発明に係る実施形態を説明する。
　図１は、雲の境界を推定する方法を説明するための模式図である。図１において、所定の区域Ｒには、複数の受光装置１が分散して設置されている。
　受光装置１は、太陽光の受光量に応じて変化する値である受光信号を出力する。受光装置１は、例えば、ＰＶ装置１１又は日照計等である。受光信号は、例えば、受光装置１がＰＶ装置の場合は発電量であったり、受光装置１が日照計の場合は日射量であったりする。
　推定装置は、所定の区域Ｒに設置されている複数の受光装置１のうちの全部又は一部である所定の複数の受光装置１の各々から受光信号を複数回取り込んで分析する。そして、推定装置は、所定の変化を有する受光信号を測定した受光装置１の設置地点と、その所定の変化が生じた時間を特定する。所定の変化とは、例えば、受光信号が所定時間に所定以上増加又は減少しているような変化である。若しくは、所定の変化とは、例えば、受光信号が所定時間に所定の増加傾向又は減少傾向を有するような変化である。これにより、推定装置は、雲が地上に形成する影の境界（以下、雲の境界とも呼ぶ）が、その所定の変化が生じた時間に、その所定の変化を測定した受光装置１の設置地点を通過したと推定できる。この設置地点を通過した雲の境界の一部を雲の境界点と言う。よって、推定装置は、雲の境界が各受光装置１の設置地点と、その設置地点を通過した時間を用いて、或る時点における雲の境界点を推定することができる。このとき、推定装置は、風向及び風速に関する情報を用いることで、雲の境界点が、その設置地点を通過した時間から或る時点までに、どの方向にどのくらい移動するかを推定することができる。推定装置は、例えば、発電量推定装置１８である。
　例えば、図１において、受光装置１ａ、１ｂ、１ｃ、１ｄ、１ｅが所定の変化を測定した時間をそれぞれＴ１、Ｔ２、Ｔ３、Ｔ４、Ｔ５とする。このとき、推定装置は、雲の境界が、受光装置１ａの地点を時間Ｔ１に通過したと推定する。そして、推定装置は、その受光装置１ａの地点を時間Ｔ１に通過した雲の境界点が、或る時点Ｔに地点２ａに移動していると推定する。推定装置は、他の受光装置１ｂ～１ｅについても同様に、その地点をＴ２～Ｔ５に通過した雲の境界点が、或る時点Ｔに地点２ｂ～２ｅに移動していると推定する。これにより、推定装置は、或る時点Ｔにおける雲の境界点２ａ～２ｅを特定し、この雲の境界点２ａ～２ｅを線で結ぶことにより境界線Ｌ１を推定することができる。なお、雲の境界点の移動先の方向及び速度（図１のベクトル３ａ～３ｅ）は、例えば、その地点における風向及び風速に関する情報を用いて推定する。
　図２は、太陽光発電量推定システム１０の構成を示す模式図である。太陽光発電量推定システム１０は、太陽光発電装置（以下「ＰＶ装置」という）１１ａ、１１ｂ、１１ｃと、電力センサ１２ａ、１２ｃと、発電量推定装置１８と、通信ネットワーク１３と、を有する。電力センサ１２と、発電量推定装置１８とは、通信ネットワーク１３を介して接続されている。ＰＶ装置１１ａ、１１ｂ、１１ｃをＰＶ装置１１と言うことがある。電力センサ１２ａ、１２ｃを電力センサ１２と言うことがある。
　通信ネットワーク１３は、双方向にデータを伝送可能なネットワークである。通信ネットワーク１３は、例えば、有線ネットワーク若しくは無線ネットワーク、又はそれらの組み合わせで構成される。通信ネットワーク１３は、いわゆるインターネットであっても良いし、専用線のネットワークであっても良い。
　ＰＶ装置１１は、パネルに太陽光を受光することで、日射強度に応じた量の発電を行う。ＰＶ装置１１は、発電した電力を、配電線路を通じて系統に供給する。
　電力センサ１２は、ＰＶ装置１１にて発電された発電量を、一定時間ごと（例えば、１秒ごと）に計測する。そして、電力センサ１２は、その計測した発電量の情報（以下「計測情報」という）１１５（図４参照）を、通信ネットワーク１３を介して、発電量推定装置１８に送信する。電力センサ１２は、柱上変圧器又は開閉器等の内部に設置され得る。
　発電量推定装置１８は、電力センサ１２から送信された計測情報１１５を受信及び保持する。そして、発電量推定装置１８は、所定の時刻において、所定の地域内に設置されている各ＰＶ装置１１の発電量の合計を予測する。このとき、発電量推定装置１８は、電力センサ１２が設置されていないＰＶ装置１１（例えば、図２のＰＶ装置１１ｂなど）については、後述する方法により、所定の時刻における発電量を推定する。この発電量推定装置１８の詳細については、後述する。以下、発電量推定装置１８のハードウェア構成の一例を示す。
　発電量推定装置１８は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）９０１と、メモリ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）９０２と、通信デバイス９０３と、入力デバイス９０４と、表示デバイス９０５と、記憶デバイス９０６とを有する。これら要素９０１～９０６は、双方向にデータ伝送が可能なバス９１０で接続されている。
　ＣＰＵ９０１は、コンピュータプログラム（以下「プログラム」という）に記載された内容を実行することにより、後述する各種機能を実現する。各種機能の詳細については後述する。
　メモリ９０２は、ＣＰＵ９０１におけるプログラムの実行に必要なデータを一時的に保持する。メモリ９０２は、例えばＤＲＡＭ（Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等で構成される。
　通信デバイス９０３は、通信ネットワーク１３を介したデータの送受信を制御する。通信デバイス９０３は、例えば、電力センサ１２から通信ネットワーク１３を介して、計測情報１１５を取得する。
　表示デバイス９０５は、ユーザに各種情報を提示し得る、いわゆるマンマシンインターフェースデバイスである。表示デバイス９０５は、例えば、ディスプレイ、又はスピーカ等で構成される。表示デバイス９０５に表示される各種情報については後述する。
　入力デバイス９０４は、ユーザからの入力を受け付け得る、いわゆるヒューマンインタフェースデバイスである。入力デバイス９０４は、例えば、キーボード、マウス、又はボタン等で構成される。ユーザは、入力デバイス９０４を介して、各種パラメータを設定及び変更したり、各種機能の実行を指示したりできる。また、ユーザは、入力デバイス９０４を介して、所定のデータを表示デバイス９０５に表示させたりできる。
　記憶デバイス９０６は、各種プログラム及びデータを保持する。記憶デバイス９０６は、例えば、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）又はフラッシュメモリ９０２等で構成される。記憶デバイス９０６は、例えば、後述する各種機能を実現し得るプログラム及びデータ等を保持する。記憶デバイス９０６に記憶されているプログラム及びデータは、必要に応じてＣＰＵ９０１に読み出されて実行される。
　図３は、発電量推定装置１８が備える機能構成の一例を示すブロック図である。発電量推定装置１８は、計測情報取得部２０と、境界地点推定部２１と、雲形状形成部２２と、発電量予測部２３と、表示部２４とを有する。更に、発電量推定装置１８は、計測情報ＤＢ２６と、地点情報ＤＢ２５と、制約条件ＤＢ３０と、雲形状特性情報ＤＢ３１と、発電特性情報ＤＢ２７と、境界線ＤＢ２８と、予測発電量ＤＢ２９とを有する。これら機能２０～２４は、ＣＰＵ９０１によって対応するプログラムが実行されることにより実現される。これらＤＢ２５～３１は、例えば、記憶デバイス９０６に構成される。
　計測情報取得部２０は、電力センサ１２から計測情報１１５を受信して、それを計測情報ＤＢ２６に登録する。
　図４は、計測情報ＤＢ２６に構成されるデータテーブルの一例である。計測情報ＤＢ２６は、１以上の計測情報１１５ａ、１１５ｂ、・・・を保持及び管理する。計測情報１１５ａ、１１５ｂ、・・・を計測情報１１５と言うことがある。計測情報１１５は、データ項目として例えば、地点ＩＤ１０１と、各時刻において計測された発電量１１１ａ、１１１ｂ、・・・とを有する。各時刻の発電量１１１ａ、１１１ｂ、・・・を発電量１１１と言うことがある。
　地点ＩＤ１０１は、ＰＶ装置１１が設置されている地点を一意に識別するための値である。この地点ＩＤ１０１は、ＰＶ装置１１の識別情報であっても良いし、地点の識別情報（例えば、その地点の住所又は名称等）であっても良い。各発電量１１１は、地点ＩＤ１０１によって識別されるＰＶ装置１１が、各時刻において発電した量である。
　図４に示す計測情報１１５ａは、「地点Ａ」に設置されているＰＶ装置１１の「１１：００」における発電量１１１が「６００」であり、「１１：０１」における発電量が「６１０」であることを示す。
　なお、各時刻における発電量１１１については、古いデータから適宜削除するようにしても良い。以下、図３の説明に戻る。
　境界地点推定部２１は、所定の地域の所定の時刻における雲の境界地点（雲の端点）を抽出する。雲の境界とは、上述の通り、雲を地上に投影した場合に雲の影となる領域と影とならない領域との境界のことである。境界地点推定部２１は、各地点のＰＶ装置１１の発電量の変化に基づいて、その雲の境界地点を抽出する。以下、その方法について説明する。
　図５は、地点情報ＤＢ２５に構成されるデータテーブルの一例である。地点情報ＤＢ２５は、１以上の地点情報１０５を保持及び管理する。地点情報１０５は、データ項目として例えば、地点ＩＤ１０１と、地点座標１０２と、計測フラグ１０３とを有する。
　地点ＩＤ１０１については、上述の通りである。地点座標１０２は、地点ＩＤ１０１が示す地点の座標を示す値である。地点座標１０２は、例えば経度及び緯度で表現される。計測フラグ１０３は、地点ＩＤ１０１に対応するＰＶ装置１１の発電量を計測できたか否かを示すフラグである。図５では、計測できた場合を「○」、計測できなかった（非計測の）場合を「×」と表記している。電力センサ１２を備えていないＰＶ装置１１の計測フラグ１０３は、常に「非計測」となる。また、電力センサ１２を備えているＰＶ装置１１であっても、（例えば、通信ネットワーク１３の障害等によって）計測情報１１５が取得できない場合、そのＰＶ装置１１の計測フラグ１０３は「非計測」となる。
　　例えば、図５に示す地点情報値１０５ａは、地点ＩＤ１０１が「地点Ａ」の地点座標１０２は「経度３６．５，緯度１４０．５」であり、その地点のＰＶ装置１１の発電量は計測できたことを示す。また、地点ＩＤ１０１が「地点Ｏ」の地点座標１０２は「経度３６．０，緯度１４０．０」であり、その地点ＩＤ１０１に対応するＰＶ装置１１の発電量は計測できなかったことを示す。
　図６は、発電量特性情報ＤＢに構成されるデータテーブルの一例である。発電量特性情報１２５は、データ項目として例えば、地点ＩＤ１０１と、定格発電量１２１と、季節別発電量１２２ａ～１２２ｄとを有する。季節別発電量１２２ａ～１２２ｄを季節別発電量１２２と言うことがある。
　地点ＩＤ１０１については、上述の通りである。定格発電量１２１は、地点ＩＤ１０１が示すＰＶ装置１１の定格発電量である。季節別発電量１２２は、各季節の晴天時における各時刻の平均的な（一般的な）発電量である。この季節別発電量１２２は、後述する発電量の変化点閾値を設定する際に必要となる。なぜなら、同じ時間であっても、季節が異なれば晴天時の発電量は異なり得るので、季節毎に発電量の変化点閾値を調整する必要があるためである。
　例えば、図６に示す発電量特性情報１２５ａは、地点ＩＤ値が「地点Ａ」のＰＶ装置１１の定格発電量は「３．５」であり、春の晴天時の１２時における平均発電量１２２は「２．８」であることを示す。
　次に、上述の計測情報１１５及び地点情報１０５を用いて、境界地点推定部２１が、雲の境界地点を抽出する方法について説明する。
　図７は、或る地点のＰＶ装置１１における発電量の時間的推移を示すグラフである。グラフ２００において、横軸は現在時刻を「Ｔｎ＝０」とした場合の時刻ｔ、縦軸は発電量Ｐを示す。このグラフ２００は、現在時刻Ｔｎよりも過去の時刻Ｔｄ（Ｔｄ＜Ｔｎ）において発電量Ｐが大きく減少している。そして、その減少した発電量Ｐが時刻Ｔｄよりも未来の時刻Ｔｕ（Ｔｄ＜Ｔｕ＜Ｔｎ）まで続き、時刻Ｔｕにおいて発電量Ｐが大きく増加している。このことから、このグラフ２００が示すＰＶ装置１１の地点は、時刻Ｔｄから時刻Ｔｕまでの間、雲に覆われていたと推定できる。以下、この発電量Ｐが所定以上変化した時刻を検出する処理について説明する。
　まず、境界地点推定部２１は、或る地点が雲に覆われているか否かを判定するための発電量の閾値である変化点閾値Ｐ１を設定する。境界地点推定部２１は、その或る地点において下記式１及び式２を共に満たす増加時刻Ｔｕｉを抽出する。
　Ｐ１－ε≦Ｐ（Ｔｕｉ）≦Ｐ１＋ε　…（式１）
　Ｐ（Ｔｕｉ－１）＜Ｐ（Ｔｕｉ）＜Ｐ（Ｔｕｉ＋１）　…（式２）
　ここで、「ｉ」は計測の順番を示す正の整数である。すなわち、「ｉ－１」は「ｉ」の計測時刻の１つ前の計測時刻を示し、「ｉ＋１」は「ｉ」の計測時刻の１つ後の計測時刻を示す。「ε」は変化点閾値Ｐ１の近傍の範囲を定義する所定値である。
　つまり、境界地点推定部２１は、式１及び式２によって、変化点閾値Ｐ１とほぼ同じ発電量であって、且つ、発電量が時間経過と共に増加している増加時刻Ｔｕｉのみを抽出する。
　同様に、境界地点推定部２１は、その或る地点において下記式３及び式４を共に満たす減少時刻Ｔｄｉを抽出する。
　Ｐ１－ε≦Ｐ（Ｔｄｉ）≦Ｐ１＋ε　…（式３）
　Ｐ（Ｔｄｉ－１）＞Ｐ（Ｔｄｉ）＞Ｐ（Ｔｄｉ＋１）　…（式４）
　つまり、境界地点推定部２１は、式３及び式４によって、変化点閾値Ｐ１とほぼ同じ発電量であって、且つ、発電量が時間経過と共に減少している減少時刻Ｔｄｉのみを抽出する。
　上記式１及び式３の変化点閾値Ｐ１は、地点毎に異なる閾値であっても良い。上記式１の変化点閾値Ｐ１と上記式３の変化点閾値Ｐ１とは異なる閾値であっても良い。変化点閾値Ｐ１は、発電特性情報ＤＢ２７に格納されている各地点におけるＰＶ装置１１の発電量特性情報１２５を用いて設定されても良い。例えば、境界地点推定部２１は、変化点閾値Ｐ１を、定格発電量１２１のα倍（０＜α＜１）と設定しても良い、或いは、境界地点推定部２１は、変化点閾値Ｐ１を、発電量を予測する時刻における晴天時の平均的な発電量１２２のα倍（０＜α＜１）と設定しても良い。
　境界地点推定部２１は、発電量の時間的変化を示すグラフにいわゆるローパスフィルタを適用した後に上記増加時刻Ｔｕ及び減少時刻Ｔｄを抽出しても良い。若しくは、境界地点推定部２１は、計測発電量１１１の移動平均を算出し、その移動平均値に対して上記増加時刻Ｔｕ及び減少時刻Ｔｄを抽出しても良い。なぜなら、境界地点推定部２１が、短時間の急激な発電量の増減に対する増加時刻Ｔｕ又は減少時刻Ｔｄを抽出しないようにするためである。
　境界地点推定部２１は、上記処理を各地点について実行し、各地点の増加時刻Ｔｕ及び減少時刻Ｔｄを抽出する。境界地点推定部２１は、この増加時刻Ｔｕ及び減少時刻Ｔｄに基づいて、所定の時刻における雲の境界地点を推定する。以下、その方法について説明する。
　図８は、計測地点における風速及び風向を示す模式図である。図８に示す各地点を通る点線の矢印５０ａ～５０ｃは、各計測地点における風向を示す。雲の境界地点は、一般的に風向に沿って、風速に比例した速度で移動すると考えられる。そこで、境界地点推定部２１は、風向及び風速に基づいて、計測地点において増加時刻Ｔｕ（又は減少時刻Ｔｄ）に抽出された雲の境界地点が、その増加時刻Ｔｕ（又は減少時刻Ｔｄ）よりも所定の時間後の時刻である予測時刻において、どの地点に移動するかを推定する。予測時刻は、例えば、現在時刻又は現在時刻以降の所定の時刻であって良い。
　地点Ａにおける減少時刻をＴｄＡ、増加時刻をＴｕＡとする。境界地点推定部２１は、地点Ａにおける減少時刻Ｔｄから予測時刻までの風速が「ＶＡ」、風向が「北西から南東の方向」であるという情報を、所定の情報源から取得する。境界地点推定部２１は、減少時刻ＴｄＡに地点Ａを通過した雲の境界地点（以下「減少境界地点」という）は、予測時刻に地点Ａから「北西から南東の方向」へ「ＶＡ×ＴｄＡ」の地点Ａｄに移動していると推定する。同様に、境界地点推定部２１は、増加時刻ＴｕＡに地点Ａを通過した雲の境界地点（以下「増加境界地点」という）は、予測時刻に地点Ａから「北西から南東の方向」へ「ＶＡ×ＴｕＡ」の地点Ａｕに移動していると推定する。
　境界地点推定部２１は、地点Ｂ及び地点Ｃについても同様の処理により、予測時刻における減少境界地点Ｂｄ及びＣｄと、増加境界地点Ｂｕ及びＣｕを推定する。
　風向及び風速は、例えば、気象庁等が発表した情報を利用する。若しくは、計測地点の近傍に風力発電所又は風力計が設置されている場合は、その風力発電所又は風力計によって計測された風向及び風速情報を利用しても良い。以下、図３の説明に戻る。
　雲形状形成部２２は、境界地点推定部２１によって推定された現在時刻又は未来の或る時刻における減少地点及び増加地点を基に、その時刻における雲の形状を推定する。すなわち、雲形状形成部２２は、雲の形状（すなわち輪郭）を模式化した（閉曲線形状の）境界線を形成する。以下、その境界線を形成する方法について説明する。
　図９は、現在時刻における減少地点と増加地点を示す模式図である。現在時刻ＴＮにおける減少地点Ａｄ、Ｂｄ、Ｃｄ及び増加地点Ａｕ、Ｂｕ、Ｃｕは、上記の通り、境界地点推定部２１によって推定される。そして、雲形状形成部２２は、これら減少地点及び増加地点に基づき、閉曲線形状の境界線を形成する。以下、その境界線を形成する方法について説明する。
　雲形状形成部２２は、或る境界地点の近傍に位置する他の境界地点を探索する。そして、雲形状形成部２２は、或る境界地点と、その境界地点と距離が一番近い他の境界地点とを結び境界線の一部（以下「線分」という）を形成する。同じく、雲形状形成部２２は、或る境界地点と、その境界地点と距離が二番目に近い他の境界地点とを結び線分を形成する。このとき、雲形状形成部２２は、減少境界線同士又は増加境界線同士を結ぶ。
　例えば、図９の地点Ｂｕは、一番近い地点Ａｕと結ばれ、線分Ｂｕ－Ａｕ（線分２３０）を形成する。同じく、地点Ｂｕは、二番目に近い地点Ｃｕと結ばれ、線分Ｂｕ－Ｃｕを形成する。図９では境界線を直線で示しているが、適当な曲線であっても良い。
　上記の処理を各境界地点において実行することにより、雲形状形成部２２は、各減少地点を結ぶ減少境界線と、各増加地点を結ぶ増加境界線を形成できる。
　ただし、雲形状形成部２２は、所定の制約条件に基づいて境界線を形成する。以下、その制約条件について説明する。
　第１の制約条件は、線分が、各計測地点から風向の方向に延長した直線（例えば、図９の直線ｍＡ、直線ｍＢ、直線ｍＣ等。以下「風向直線」という）と交差しない位置関係にあることである（ただし、境界地点上の風向直線は対象外）。
　雲形状形成部２２が、地点Ａｕからの線分を形成する場合を例に説明する。雲形状形成部２２は、地点Ａｕに一番近い地点Ｂｕと線分Ａｕ－Ｂｕを形成する。この線分Ａｕ－Ｂｕは、第１の制約条件に反しない。しかし、雲形状形成部２２が、地点Ａｕに二番目に近い地点Ｃｕと線分Ａｕ－Ｃｕを形成すると、この線分Ａｕ－Ｃｕは風向直線ｍＢと交差するため第１の制約条件に反する。したがって、雲形状形成部２２は、線分Ａｕ－Ｃｕは不適切と判断する。この場合、雲形状形成部２２は、同じ風向直線上に存在する増加地点と減少地点とを結ぶ線分の形成を試みる。例えば、雲形状形成部２２は、増加地点Ａｕと、同じ風向直線ｍＡ上に存在する減少地点Ａｄとを結ぶ線分Ａｕ－Ａｄの形成を試みる。
　第２の制約条件は、境界地点同士を結ぶ線分を形成する際、線分同士が重複又は交差しないことである。以下、この第２の制約条件について更に説明する。
　図１０は、第２の制約条件を説明するための模式図である。図１０において、地点Ｄｕ、Ｅｕ、Ｆｕ、Ｇｕ，Ｈｕは全て増加地点である。そして、増加地点Ｅｕに近い他の増加地点は、増加地点ＦｕとＧｕである。増加地点Ｇｕに近い他の増加地点は、増加地点ＥｕとＦｕである。仮に、増加地点Ｅｕが線分Ｅｕ－Ｆｕと線分Ｅｕ－Ｇｕを形成し、増加地点Ｇｕが線分Ｇｕ－Ｅｕと線分Ｇｕ－Ｆｕを形成したとする。この場合、線分Ｅｕ－Ｇｕ（線分３０１）が重複するので、第２の制約条件に反する。この場合、雲形状形成部２２は、線分が重複しないように線分の再形成を試みる。例えば、雲形状形成部２２は、重複する線分の形成を禁止して、線分の再形成を試みる。
　なお、第２の制約条件を、上記の条件に代えて（又は上記の条件に加えて）、増加地点のみ又は減少地点のみを連結した境界線の集合により閉曲線が生じないこととしても良い。この条件において閉曲線が生じた場合、雲形状形成部２２は、増加地点のみ又は減少地点のみで形成される１本の境界線となるように、閉曲線を構成する線分の何れかを削除する。例えば、図１０の場合、線分Ｅｕ－Ｇｕ（線分３０１）を削除することにより、増加地点のみで形成される１本の境界線Ｄｕ－Ｅｕ－Ｆｕ－Ｇｕ－Ｈｕを形成できる。
　第３の制約条件は、増加地点間又は減少地点間の線分が所定の長さ（距離）より短いこと、及び或る線分と他の線分との間隔が所定の長さ（距離）より長いことである。なぜなら、第３の制約条件に反している場合、その線分から構成される境界線は雲の形状を適切に模式化していない可能性が高いためである。以下、この第３の制約条件について更に説明する。
　図１１は、第３の制約条件を説明するための模式図である。図１１において、線分Ｃｄ－Ｄｄの長さＬｐが、所定の長さＬＡよりも長い（Ｌｐ＞ＬＡ）とする。この場合、雲形状形成部２２は、第３の制約条件に反する線分Ｃｄ－Ｄｄは、雲の形状の模式には不適切と判断する。また、図１１において、線分Ｃｕ－Ｄｕと線分Ｃｄ－Ｄｄとの間隔Ｌｗが、所定の間隔ＬＢよりも短い（Ｌｗ＜ＬＢ）とする。この場合、雲形状形成部２２は、第３の制約条件に反する線分Ｃｕ－Ｄｕ及び／又は線分Ｃｄ－Ｄｄは、雲の形状の模式には不適切と判断する。このように不適切と判断した場合、雲形状形成部２２は、例えば、以下の処理を行う。
　図１２は、第３の制約条件に反する境界線を修正する方法を説明するための模式図である。雲形状形成部２２は、線分Ｃｕ－Ｄｕ及び線分Ｃｄ－Ｄｄを不適切と判断したので、上記第３の制約条件に適合する他の線分の形成を試みる。例えば、雲形状形成部２２は、増加地点Ｃｕと減少地点Ｃｄとを結ぶ線分Ｃｕ－Ｃｄ（線分３０２ａ）を形成する。同じく、雲形状形成部２２は、増加地点Ｄｕと減少地点Ｄｄとを結ぶ線分Ｄｕ－Ｄｄ（線分３０２ｂ）を形成する。すなわち、第３の制約条件は、１つの雲のモデルを２つの雲のモデルに分割するポイントを発見するための判断基準とも言える。
　第４の制約条件は、増加境界線と減少境界線とそれらを結ぶ線分から形成される閉曲線が、一般的な雲形状と所定以上の相似性を有することである。すなわち、形成した雲形状のモデルが、一般的な雲形状のモデルと所定以上の相似性を有するか否かを判定する。
　例えば、一般的な雲形状のモデルを予め雲形状特性情報ＤＢ３１に保持させておく。そして、雲形状形成部２２は、形成した閉曲線と、雲形状特性情報ＤＢ３１に保持されている各雲形状のモデルとの相似性を算出する。ここで、いずれの雲形状モデルとも所定以上の相似性を有さない場合（すなわち、類似する雲形状モデルが１つも存在しない場合）、雲形状形成部２２は、その形成した閉曲線は雲の形状を適切に模式していないと判断する。なぜなら、一般的な雲の形状から極端にかけ離れた雲が形成される可能性は低いからである。
　第５の制約条件は、所定の時刻に対して形成した閉曲線が、それより少し前の所定の時刻に対して形成した閉曲線と、所定以上の相似性を有することである。例えば、雲形状形成部２２は、所定の各時刻に対して形成した閉曲線を境界線ＤＢ２８に保持させておく。そして、雲形状形成部２２は、形成した閉曲線と、境界線ＤＢ２８に保持されている所定の時間前の閉曲線との相似性を算出する。ここで、所定以上の相似性を有さない場合、雲形状形成部２２は、その形成した閉曲線は雲の形状を適切に模式していないと判断する。なぜなら、短い時間で雲の形状が極端に変形する可能性は低いからである。
　第６の制約条件は、所定の時刻に対して形成した閉曲線に囲まれた領域の面積と、それより少し前の所定の時刻に対して形成した閉曲線に囲まれた面積と、の差分が所定値以下であることである。例えば、雲形状形成部２２は、所定の各時刻に対して形成した閉曲線を境界線ＤＢ２８に保持させておく。そして、雲形状形成部２２は、形成した閉曲線の面積と、境界線ＤＢ２８に保持されている所定の時間前の閉曲線の面積と、の差分を算出する。ここで、差分が所定の閾値以上の場合、雲形状形成部２２は、その形成した閉曲線は雲の形状を適切に模式していないと判断する。なぜなら、短い時間で雲の面積が極端に変化する可能性は低いからである。
　上記の第１～第６の制約条件は、１つだけ適用しても良いし、何れかを組み合わせて適用しても良いし、全てを適用しても良い。
　例えば、第１の制約条件と第２の制約条件とを組み合わせて適用しても良い。これにより、雲形状形成部２２は、雲の境界線を示す閉曲線を形成することができる。例えば、第１の制約条件と第２の制約条件に、更に第３の制約条件を組み合わせて適用しても良い。これにより、雲形状形成部２２は、より精度の高い雲の境界線を示す閉曲線を形成することができる。例えば、雲形状形成部２２は、第１の制約条件と第２の制約条件と第３の制約条件に、更に第４の制約条件、第５の制約条件、及び／又は第６の制約条件を組み合わせて適用しても良い。これにより、雲形状形成部２２は、更に精度の高い雲の境界線を示す閉曲線を形成することができる。
　また、上述の各制約条件は、地域毎に異なって設定されても良い。また、上述の各制約条件に所定の重み付けを設定しておき、雲の境界線を示す閉曲線がどのくらい各制約条件を満たしているのかに基づいて、その閉曲線の精度を算出するようにしても良い。
　以上の制約条件に基づき、雲形状形成部２２は、１以上の閉曲線を形成する。すなわち、形成した各閉曲線は、現在時刻又は未来の或る時刻における雲の形状及びその雲が存在する地点を模式したものと見なすことができる。図３の説明に戻る。
　発電量予測部２３は、雲形状形成部２２により形成された閉曲線（すなわち、雲の地点及び形状を模式したもの）に基づき、非計測のＰＶ装置１１の発電量を推定する。以下、発電量予測部２３における処理を更に説明する。
　図１３は、或る地点が閉曲線の内部に位置するか否かの判定方法を説明するための模式図である。発電量予測部２３は、非計測であるＰＶ装置１１の地点Ｏが閉曲線３１０の内部に位置するか否かを判定する。この判定には、例えば、以下の（式５）を用いる。ここで、Ｍは閉曲線を形成する境界点の数である。そして、ｎＭ＋１＝ｎ１とする。
Figure JPOXMLDOC01-appb-M000001
　閉曲線３１０を（式５）に当てはめると、角ｎ１Ｏａｎ２＋角ｎ２Ｏａｎ３＋・・・＋
角ｎ６Ｏａｎ１＝２πなので、地点Ｏａは閉曲線３１０の内部に位置すると判定できる。また、角ｎ１Ｏｂｎ２＋角ｎ２Ｏｂｎ３＋・・・＋角ｎ６Ｏｂｎ１＝０なので、地点Ｏｂは閉曲線３１０の外部に位置すると判定できる。
　上記の処理を、各非計測のＰＶ装置１１の地点について判定する。そして、何れかの閉曲線の内部に位置する地点を内部点、何れの閉曲線の内部にも位置しない地点を外部点とする。
　次に、閉曲線の内部点及び外部点の発電量を推測する方法について説明する。内部点は、雲に覆われている可能性が高いため、日射量が小さいと推定できる。外部点は、雲に覆われている可能性が低いため、日射量が大きいと推定できる。したがって、内部点における発電量は、境界地点推定部２１において用いた変化点閾値Ｐ１よりも小さいと推定できる。外部点における発電量は、変化点閾値Ｐ１よりも大きいと推定できる。そこで、例えば、内部点の発電量をＰ１×Ｍ（Ｍは０＜Ｍ＜１の所定の係数）と推定する。外部点の発電量をＰ１×Ｎ（ＮはＮ＞１の所定の係数）と推定する。若しくは、内部点の発電量を、その内部点と同じ閉曲線に囲まれている計測可能なＰＶ装置１１の発電量に基づいて推定しても良い。また、外部点の発電量を、何れの閉曲線にも囲まれていない計測可能なＰＶ装置１１の発電量に基づいて推定しても良い。
　以上の処理により、非計測なＰＶ装置１１の地点の未来の或る時刻の発電量を推定することができる。
　次に、各地域におけるＰＶ装置１１の総発電量を推定する方法について説明する。第１の推測方法は、地点情報ＤＢ２５から所定の地域内に設置されている全てのＰＶ装置１１の設置点を抽出し、非計測な地点については上述の方法によって発電量を推測する。これにより、その地域内の全ＰＶ装置１１の総発電量を推測する。第２の推測方法は、発電特性情報ＤＢ２７から所定の地域内における平均的な発電特性及びＰＶ装置１１の設置密度を抽出し、上記の方法によって発電量を推測する。以下、第２の推測方法を更に説明する。
　ＰＶ装置１１の設置密度をρとする。所定の時刻における平均的な発電量をＰｓとする。内部点における推定発電量をＰｓ×Ｒｌｏｗ（０≦Ｒｌｏｗ≦１）とする。外部点における発電量推定値をＰｓ×Ｒｈｉｇｈ（０≦Ｒｈｉｇｈ≦１かつＲｈｉｇｈ≧Ｒｌｏｗ）とする。或る地域内に存在する閉曲線φ１、φ２、・・・、φｎの内部面積をＳ１、Ｓ２、・・・、Ｓｎとし、その地域内の面積をＳａｌｌとする。そして、以下の式６により、或る地域内における推測総発電量Ｐａｌｌを算出する。
Figure JPOXMLDOC01-appb-M000002
　第１の推測方法は、比較的高い精度で総発電量を推測できる。一方、第２の推測方法は、第１の推測方法で推測した場合よりも精度が低い可能性があるものの、処理に必要となるデータ量が少ないので、処理負荷を低くすることができる。
　以上の処理により、発電量予測部２３は、非計測地点も含めた所定の地域における所定の時刻のＰＶ装置１１の総発電量（以下「予測総発電量」という）を推定することができる。この推定された総発電量は、ＰＶ装置１１の発電を考慮して電力需給制御を行う場合に用いられる。図３の説明に戻る。
　予測発電量ＤＢ２９は、発電量予測部２３によって推定された予測発電量を保持及び管理する。表示部２４は、予測発電量ＤＢ２９から、各ＰＶ装置１１の所定の時刻における予測発電量を抽出して表示する。表示部２４は、予測発電量ＤＢ２９から、所定の地域の所定の時刻における予測総発電量を抽出して表示する。また、表示部２４は、形成した閉曲線を地図と重畳して表示する。これにより、ユーザは、各地点における日射量の大小、即ちＰＶ装置１１の発電量の大小を視覚的に把握できる。更に、表示部２４は、閉曲線の時間的推移を表示することにより、ユーザは、地域の日射量及び発電量の変動を視覚的に把握できる。
　図１４は、発電量推定装置１８が予測発電量を推定する処理の一例を示すフローチャートである。
　計測情報取得部２０は、各ＰＶ装置１１の電力センサ１２が計測した発電量を計測情報ＤＢ２６に登録する（Ｓ１０１）。
　境界地点推定部２１は、発電特性情報ＤＢ２７から各地点における発電特性を抽出し、それに基づいて所定の時刻における変化点閾値Ｐ１を設定する（Ｓ１０２）。
　境界地点推定部２１は、計測情報ＤＢ２６から各計測地点における発電量を抽出し、上記の変化点閾値Ｐ１を用いて、増加時刻及び減少時刻を抽出する（Ｓ１０３）。
　境界地点推定部２１は、各計測地点における風速及び風向の情報を取得する（Ｓ１０４）。
　境界地点推定部２１は、増加時刻及び減少時刻と風速及び風向等の情報とに基づいて、現在時刻又は未来の或る時刻（以下「予測時刻」という）における増加境界地点及び減少境界地点の地点を推定する（Ｓ１０５）。
　雲形状形成部２２は、予測時刻における複数の増加境界地点及び減少境界地点と、各種制約条件等に基づいて、雲形状を模式する閉曲線を形成する（Ｓ１０６）。
　発電量予測部２３は、地点情報ＤＢ２５から非計測地点を抽出し、非計測地点が閉曲線の内側であるか外側であるかを考慮して、各非計測地点の予測時刻における発電量を推定する（Ｓ１０７）。
　発電量予測部２３は、各地点において推定された発電量に基づいて、所定の地域における現在時刻又は未来の或る時刻の総発電量を推定し、予測発電量ＤＢ２９に登録する（Ｓ１０８）。
　以上の処理により、所定の地域における現在時刻又は未来の或る時刻の総発電量を推定することができる。この推定した総発電量は、例えば、電力系統の需給調整制御に利用することができる。
　次に、閉曲線を形成する変形例として、変化点閾値を２つ設定した場合について説明する。
　図１５は、変化点閾値を２つ設定した場合に係る発電量の時間的推移を示すグラフである。図７に示したグラフ２００では変化点閾値を１つしか設定していないのに対し、図１５に示すグラフ４００では変化点閾値を２つ設定している点が相違する。
　グラフ４００は地点Ａに設置されたＰＶ装置１１の発電量の時間的推移を示す。グラフ４００において、Ｐ１＞Ｐ２とし、晴天時における発電量をＰｓとする。この場合、例えば、Ｐ１＝Ｐｓ×α、Ｐ２＝Ｐｓ×β（０＜β＜α＜１）と定義できる。
　境界地点推定部２１は、上述の（式１）及び（式２）を用いて、Ｐ１に対応する増加時刻Ｔｕ１とＰ２に対応増加時刻Ｔｕ２を抽出する。同様に、境界地点推定部２１は、上述の（式３）及び（式４）を用いて、Ｐ１に対応する減少時刻Ｐｄ１とＰ２に対応する減少時刻Ｐｄ２を抽出する。
　境界地点推定部２１は、風向及び風速の情報に基づいて、予測時刻における増加時刻Ｔｕ１及びＴｕ２に対応する増加地点Ａｕ１及びＡｕ２を推定する。同様に、境界地点推定部２１は、予測時刻における減少時刻Ｔｄ１及びＴｄ２に対応する減少地点Ａｄ１及びＡｄ２を推定する。
　図１６は、予測時刻における境界地点及び閉曲線の変形例を示す模式図である。
　雲形状形成部２２は、同じ境界点閾値に対応する増加地点及び減少地点を結んで閉曲線を形成する。すなわち、変化点閾値を複数設定した場合、雲形状形成部２２は、複数の閉曲線を形成する。ここで、雲形状形成部２２は、互いの閉曲線同士が交わらない（重ならない）ように、閉曲線を形成する。図１６の場合、雲形状形成部２２は、変化点閾値Ｐ１に対応する境界線４１０と、境界点閾値Ｐ２に対応する境界線４１１を形成する。
　発電量予測部２３は、雲形状形成部２２によって形成された複数の閉曲線を用いて、非計測地点における発電量を推定する。発電量予測部２３は、１つの非計測地点が２つ以上の閉曲線に囲まれている場合は、最も内側の閉曲線に囲まれているとして発電量を推定する。この非計測地点における発電量の推定は、例えば、以下の方法で行う。
　増加地点Ａｕｋ及び減少地点Ａｄｋで形成される閉曲線Ｃｋの内側、且つ増加地点Ａｕｋ＋１及び減少地点Ａｄｋ＋１で形成される閉曲線Ｃｋ＋１の外側の領域をＤｋとする。なお閉曲線Ｃｋ＋１は、閉曲線Ｃｋに包含されるとする。この領域Ｄｋにおける太陽光発電量をＳｋと推定する。ここで、ｋは０からＮの値を取る整数である。非計測地点が領域Ｄｋに存在するか否かは、上記式５を用いて非計測地点が、閉曲線Ｃｋの内側に存在しており、且つ閉曲線Ｃｋ＋１の外側に存在しているか否かによって判定される。また、Ｓｋは領域Ｄｋにおける太陽光発電量の代表値であり、Ｐｋ≧Ｓｋ≧Ｐｋ＋１（Ｐ１＞Ｐ２＞・・・＞Ｐｎとする）を満たす数値を事前に設定する。
　例えば、図１６において、閉曲線Ａｕ１－Ｂｕ１・・・Ｂｄ１－Ａｄ１（境界線４１０）の外側の領域をＤ０とする。閉曲線Ａｕ１－Ｂｕ１・・・Ｂｄ１－Ａｄ１（境界線４１０）の内側でかつ閉曲線Ａｕ２－Ｂｕ２・・・Ｂｄ２－Ａｄ２（境界線４１１）の外側の領域をＤ１とする。閉曲線Ａｕ２－Ｂｕ２・・・Ｂｕ２－Ａｕ２（境界線４１１）の内側の領域をＤ２とする。そして、発電量予測部２３は、非計測地点が領域Ｄ０、Ｄ１及びＤ２のいずれに含まれるかを判定し、各領域に対応するＳ０、Ｓ１、Ｓ２に基づいて非計測地点の発電量を推定する。
　以上の処理により、２以上の変化点閾値を設定して、非計測のＰＶ装置１１の発電量を推定することができる。変化点閾値を増やすことにより、より精細に雲の日射量に対する影響を考慮して発電量を推定することができる。よって、ＰＶ装置１１の発電量の推定精度を高めることができる。
　上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。
　例えば、所定の地域の予測時刻における雲形状推定モデルを、その地域の天気予報に利用しても良い。例えば、予測時刻における予測発電量を各家庭にフィードバックして、各家庭における電力制御に利用しても良い。
　なお、上述の実施形態は、例えば、以下のように表現することもできる。
「データを記憶する記憶部と、
　所定の地域における複数の計測地点の各々から、各々の時刻における日射量に応じて変化する計測値を取得し、時系列データとして前記記憶部に記憶するデータ取得部と、
　所定の第１の時間帯において計測された前記計測値が所定の範囲内に含まれ、且つ前記計測値が前記第１の時間帯において所定の変化を有する前記時系列データを、前記記憶部から抽出するデータ抽出部と、
　前記抽出した各々の時系列データについて、前記抽出した時系列データに対応する計測地点を第１の境界地点として特定する境界地点特定部と、
　前記特定した各々の第１の境界地点について、環境に関する所定の情報である環境情報に基づいて、前記第１の時間帯から所定時間経過後の第２の時間帯における前記第１の境界地点の移動先地点を第２の境界地点と予測する境界地点予測部と、
　前記予測した複数の第２の境界地点に基づいて閉曲線形状である第２の境界線を形成する境界線形成部と、
　前記第２の境界線に基づき、前記所定の地域に設置されている太陽光発電装置の前記第２の時間帯における発電量を予測する発電量予測部と、
を備える発電量推定システム。」
　上記記載は実施例についてなされたが、本発明はそれに限らず、本発明の精神と添付の請求の範囲の範囲内で種々の変更および修正をすることができることは当業者に明らかである。
　１０　太陽光発電量推定システム
　１１　太陽光発電装置
　１２　電力センサ
　１３　通信ネットワーク
　１８　発電量推定装置

Claims (11)

  1. 　太陽光発電装置の発電量を推定する太陽光発電量推定システムであって、
    　所定区域に分散して配置され、受光量に応じた受光信号をそれぞれ出力する複数の受光装置と、
    　前記複数の受光装置に通信ネットワークを介して接続される推定装置とを備え、
    　前記推定装置は、
    　前記複数の受光装置のうちの所定の複数の受光装置から複数回取得する受光信号に基づいて地上に投影された雲の影を予測し、
    　予測された雲の影に基づいて前記所定区域に配置されている太陽光発電装置による発電量を推定する、
    　太陽光発電量推定システム。
  2. 　前記受光装置のうちの少なくとも一部は、太陽光発電装置として構成されており、
    　太陽光に応じた発電量を示す値を前記受光信号として前記推定装置に送信する、
    　請求項１に記載の太陽光発電量推定システム。
  3. 　前記推定装置は、前記複数の受光信号から、所定時間に所定の増加傾向又は減少傾向を有する所定の受光信号を特定し、前記所定の受光信号を出力した受光装置の設置地点に基づいて、前記雲の影が形成する境界である雲影境界を予測することを特徴とする請求項１に記載の太陽光発電量推定システム。
  4. 　前記推定装置は、更に風向及び風速に関する情報を含む環境情報を用いて、或る時点における雲影境界を予測することを特徴とする請求項３に記載の太陽光発電量推定システム。
  5. 　前記推定装置は、前記太陽光発電装置の設置地点と、前記或る時点における雲影境界と、の位置関係に基づいて、前記或る時点における前記太陽光発電装置の発電量を推定することを特徴とする請求項４に記載の太陽光発電量推定システム。
  6. 　前記推定装置は、前記太陽光発電装置の設置地点が、前記或る時点における雲影境界の影の領域に含まれるか否かを判定し、当該判定が肯定的な場合、前記或る時点における前記太陽光発電装置の発電量を所定値以下と推定することを特徴とする請求項５に記載の太陽光発電量推定システム。
  7. 　前記推定装置は、前記雲影境界の一部が前記所定の受光信号が特定された前記所定時間に、前記所定の受光信号を出力した受光装置の設置地点を通過したと推定し、その設置地点を通過した前記雲影境界の一部を雲影境界点とし、前記環境情報に含まれる風向及び風速に関する情報を用いて、前記雲影境界点の前記或る時点における移動先の地点を複数の受光装置について推定し、その推定した複数の前記雲影境界点の移動先の地点に基づいて前記或る時点における雲影境界を推定することを特徴とする請求項４に記載の太陽光発電量推定システム。
  8. 　前記或る時点における雲影境界は、前記雲影境界点の移動先の地点同士を結んだ線であって、
    　前記推定装置は、線がお互いに交差しないように前記雲影境界点の移動先の地点同士を結ぶことを特徴とする請求項７に記載の太陽光発電量推定システム。
  9. 　前記推定装置は、更に所定の長さ以下の線で前記雲影境界点の移動先の地点同士を結ぶことを特徴とする請求項８に記載の太陽光発電量推定システム。
  10. 　太陽光発電装置の発電量を推定する太陽光発電量推定装置であって、
    　所定区域に分散して配置され、受光量に応じた受光信号をそれぞれ出力する複数の受光装置と、通信ネットワークを介して接続されており、
    　前記複数の受光装置のうちの所定の複数の受光装置から複数回取得する受光信号に基づいて地上に投影された雲の影を予測し、
    　予測された雲の影に基づいて前記所定区域に配置されている太陽光発電装置による発電量を推定する、
    　太陽光発電量推定装置。
  11. 　太陽光発電装置の発電量を推定する太陽光発電量推定方法であって、
    　所定区域に分散して配置され、受光量に応じた受光信号をそれぞれ出力する複数の受光装置のうちの所定の複数の受光装置から、通信ネットワークを介して受信信号を複数回取得し、前記複数回取得した受光信号に基づいて地上に投影された雲の影を予測し、
    　予測された雲の影に基づいて前記所定区域に配置されている太陽光発電装置による発電量を推定する、
    　太陽光発電量推定方法。
PCT/JP2013/052849 2012-02-10 2013-02-07 太陽光発電量推定システム、装置及び方法 WO2013118815A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/377,100 US20150006080A1 (en) 2012-02-10 2013-02-07 Solar Power Generation Estimation System, Device, and Method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-027515 2012-02-10
JP2012027515A JP5856866B2 (ja) 2012-02-10 2012-02-10 太陽光発電量推定システム、装置及び方法

Publications (1)

Publication Number Publication Date
WO2013118815A1 true WO2013118815A1 (ja) 2013-08-15

Family

ID=48947572

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/052849 WO2013118815A1 (ja) 2012-02-10 2013-02-07 太陽光発電量推定システム、装置及び方法

Country Status (3)

Country Link
US (1) US20150006080A1 (ja)
JP (1) JP5856866B2 (ja)
WO (1) WO2013118815A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6193008B2 (ja) * 2013-06-21 2017-09-06 株式会社東芝 予測システム、予測装置および予測方法
JP2015169484A (ja) * 2014-03-05 2015-09-28 パナソニックＩｐマネジメント株式会社 気象予測装置、気象予測システム
US10439401B2 (en) * 2015-11-23 2019-10-08 Doosan Gridtech, Inc. Managing the outflow of a solar inverter
JP6045769B1 (ja) * 2016-05-24 2016-12-14 三菱電機株式会社 発電量推定装置、配電系統システムおよび発電量推定方法
KR101964934B1 (ko) * 2016-07-29 2019-04-04 삼성디스플레이 주식회사 표시 장치 및 이의 제조 방법
EP3559899B1 (en) * 2016-12-20 2020-09-30 Nec Corporation Image processing device, method and storage medium for removing clouds from an image
TWI664601B (zh) * 2017-03-30 2019-07-01 春禾科技有限公司 參考日照量的太陽能發電預測系統
TWI623890B (zh) * 2017-07-04 2018-05-11 台灣電力股份有限公司 由多個類神經網路組成的發電量預測系統與其方法
JP6885509B2 (ja) 2017-09-08 2021-06-16 日本電気株式会社 画像処理装置、画像処理方法及び画像処理プログラム
JP7321780B2 (ja) * 2019-06-04 2023-08-07 元夢 朝原 消費電力推定システム
JP7513972B2 (ja) 2020-08-05 2024-07-10 シンフォニアテクノロジー株式会社 雲影の挙動予測システム、発電量予測システム、環境モニタリングシステムおよびこれらに使用する観測装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007184354A (ja) * 2006-01-05 2007-07-19 Mitsubishi Electric Corp 太陽光発電システム
JP2008182017A (ja) * 2007-01-24 2008-08-07 Meidensha Corp 太陽光発電システムの制御方法と太陽光発電システムの発電量予測装置
JP2010249608A (ja) * 2009-04-14 2010-11-04 Chugoku Electric Power Co Inc:The 太陽光発電状況予測装置及びシステム
JP2011038499A (ja) * 2009-08-18 2011-02-24 Hitachi Ltd 自然エネルギー発電制御システム、制御装置および制御方法
JP2011159199A (ja) * 2010-02-03 2011-08-18 Gifu Univ 太陽光発電装置の発電量予測システム及び発電量予測方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011017323A1 (en) * 2009-08-05 2011-02-10 First Solar, Inc. Cloud tracking
US9007460B2 (en) * 2012-03-30 2015-04-14 General Electric Company Methods and systems for predicting cloud movement
JP5952090B2 (ja) * 2012-05-29 2016-07-13 株式会社日立製作所 太陽光発電量推定システム、推定方法および太陽光発電系統制御システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007184354A (ja) * 2006-01-05 2007-07-19 Mitsubishi Electric Corp 太陽光発電システム
JP2008182017A (ja) * 2007-01-24 2008-08-07 Meidensha Corp 太陽光発電システムの制御方法と太陽光発電システムの発電量予測装置
JP2010249608A (ja) * 2009-04-14 2010-11-04 Chugoku Electric Power Co Inc:The 太陽光発電状況予測装置及びシステム
JP2011038499A (ja) * 2009-08-18 2011-02-24 Hitachi Ltd 自然エネルギー発電制御システム、制御装置および制御方法
JP2011159199A (ja) * 2010-02-03 2011-08-18 Gifu Univ 太陽光発電装置の発電量予測システム及び発電量予測方法

Also Published As

Publication number Publication date
US20150006080A1 (en) 2015-01-01
JP5856866B2 (ja) 2016-02-10
JP2013165176A (ja) 2013-08-22

Similar Documents

Publication Publication Date Title
WO2013118815A1 (ja) 太陽光発電量推定システム、装置及び方法
JP5952090B2 (ja) 太陽光発電量推定システム、推定方法および太陽光発電系統制御システム
Jensen et al. The vindication of Don Quixote: The impact of noise and visual pollution from wind turbines
JP5743881B2 (ja) 電力管理システム、電力管理方法、需要家端末及び電力管理装置
JP5886407B1 (ja) 予測装置
Al-Yahyai et al. Nested ensemble NWP approach for wind energy assessment
JP6348862B2 (ja) 系統安定化制御装置および電力系統制御システム
JP5421847B2 (ja) 予測表示サーバ及び予測表示システム
JP6177208B2 (ja) 電力系統監視装置および電力系統監視システム
JP5617695B2 (ja) 太陽光発電ユニットの診断装置
Lee et al. An estimation of the extreme wind speed using the Korea wind map
JP5989754B2 (ja) 予測装置
JP5389061B2 (ja) 配電系統制御装置及び配電系統制御方法
WO2016035399A1 (ja) 系統安定度監視装置および系統安定度監視システム
JP6392155B2 (ja) 配電監視制御装置
JP2013108462A (ja) 風力発電量予測システム、そのプログラム
JP2010249608A (ja) 太陽光発電状況予測装置及びシステム
JP2015138912A (ja) 太陽光発電量予測システム及び天気予報システム
JP6576648B2 (ja) エリア単位太陽光発電発電量推定装置および方法
JP6782573B2 (ja) 太陽光発電出力推定装置及び太陽光発電出力推定方法
JP5447295B2 (ja) 発電量推定システム
JP6244247B2 (ja) 系統安定度監視装置及び方法
JP6452854B2 (ja) 発電量算出装置、発電量算出システム、発電量算出方法及びプログラム
EP3271875A1 (en) System and method for predicting solar power generation
JP2020191764A (ja) 太陽光発電出力推定装置、太陽光発電出力推定方法、および太陽光発電出力推定プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13746224

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14377100

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13746224

Country of ref document: EP

Kind code of ref document: A1