WO2014155482A1 - 発電量予測装置、発電量予測方法、及びプログラム - Google Patents

発電量予測装置、発電量予測方法、及びプログラム Download PDF

Info

Publication number
WO2014155482A1
WO2014155482A1 PCT/JP2013/058550 JP2013058550W WO2014155482A1 WO 2014155482 A1 WO2014155482 A1 WO 2014155482A1 JP 2013058550 W JP2013058550 W JP 2013058550W WO 2014155482 A1 WO2014155482 A1 WO 2014155482A1
Authority
WO
WIPO (PCT)
Prior art keywords
power generation
generation amount
power
wind
date
Prior art date
Application number
PCT/JP2013/058550
Other languages
English (en)
French (fr)
Inventor
祐志 谷
Original Assignee
中国電力株式会社
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 中国電力株式会社 filed Critical 中国電力株式会社
Priority to PCT/JP2013/058550 priority Critical patent/WO2014155482A1/ja
Priority to JP2013547753A priority patent/JP5461748B1/ja
Publication of WO2014155482A1 publication Critical patent/WO2014155482A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/028—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/82—Forecasts
    • F05B2260/821—Parameter estimation or prediction
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/335—Output power or torque
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Definitions

  • the present invention relates to a power generation amount prediction device, a power generation amount prediction method, and a program.
  • Patent Document 1 Various systems and methods for predicting the amount of wind power generation from such a viewpoint have been proposed (see, for example, Patent Document 1).
  • a calculation formula for calculating the predicted value of power generation amount using weather data such as wind speed is generated.
  • the calculation formula is improved by statistically analyzing the deviation between the actual value and the predicted value of the power generation amount.
  • there is a technique for improving the prediction accuracy by taking into account the topography around the wind power generator when calculating the predicted value of the power generation amount.
  • the present invention has been made in view of the above problems, and an object of the present invention is to easily and accurately predict the amount of power generation without considering the individual circumstances of each wind power generator.
  • a power generation amount prediction device is a power generation amount prediction device for obtaining a predicted value of a power generation amount of a wind power generator, and stores power generation characteristic information for converting a wind speed value into the power generation amount of the wind power generator.
  • a meteorological data storage unit that stores the information in association with each other, the plurality of types of weather data in a predetermined period in the past, a power generation amount converted from the wind speed value in the predetermined period using the power generation characteristic information, and the predetermined period Based on the actual power generation value, a relational expression deriving unit that obtains a relational expression representing the relationship between these values, and meteorological data acquisition that obtains forecast values of the plurality of types of weather data at a specified date and time.
  • the date and time based on the predicted value of the plurality of types of weather data at the date and time, the power generation amount converted using the power generation characteristic information from the forecast value of the wind speed at the date and time, and the relational expression
  • a power generation amount calculation unit that obtains a predicted value of the power generation amount of the wind power generator, and a power generation amount output unit that outputs a predicted value of the power generation amount of the wind power generator at the date and time.
  • the power generation amount prediction apparatus 100 includes, for example, a CPU 120, a memory 122, a storage device 124, a recording medium reading device 126, a communication interface 130, an input device 132, and an output device 134.
  • the storage device 124 stores a program for executing the power generation amount prediction process of the present embodiment, fixed data that is repeatedly used, and the like.
  • the program stored in the storage device 124 is read to the memory 122, and the CPU 120 executes the program read to the memory 122.
  • the storage device 124 is, for example, a hard disk drive.
  • the recording medium reading device 126 can read programs and data recorded on a recording medium 128 such as a CD-ROM and store them in the storage device 124.
  • the communication interface 130 transmits and receives data to and from other computers via a network formed by the Internet, a LAN, a dedicated line, or the like.
  • the other computer is, for example, a computer (not shown) used for planning the next day power supply and demand plan, a computer for providing weather data to be described later, or the like.
  • the input device 132 includes a keyboard and a mouse.
  • the output device 134 includes a display and a printer.
  • FIG. 2 shows a functional block diagram of the power generation amount prediction apparatus 100 according to the present embodiment.
  • the function shown here is realized by executing the power generation amount prediction program according to the present embodiment on the hardware shown in FIG.
  • the meteorological data storage unit 210 stores a history of a plurality of types of weather data including wind speed values in association with date / time information.
  • the meteorological data storage unit 210 is meso numerical forecast model GPV (Grid Point Value) data (hereinafter also referred to as “GPV data”), which is one of numerical forecast data provided from the Japan Meteorological Agency through the Japan Meteorological Business Support Center. Is received from a server on the Internet (not shown), weather data relating to wind speed, wind direction, atmospheric pressure, temperature, and humidity is acquired from the GPV data, and stored in the weather data table 211.
  • GPV Gate Point Value
  • the GPV data used in this embodiment is divided between 22.4 ° and 47.6 ° north latitude at 0.05 ° intervals (505 grids), and at 0.0625 ° intervals between 120 ° and 150 ° east longitude. For each grid point on a mesh of about 5 km per side formed by dividing by (481 grid), on the ground surface (altitude 10 m) and 16 atmospheric pressure surfaces in the range of 1000 hPa to 100 hPa (17 points in total in the altitude direction) This is a numerical calculation of various GPV data.
  • the Japan Meteorological Agency distributes GPV data up to 33 hours ahead at 1 hour intervals for ground surface data.
  • FIG. 3 shows the weather data table 221.
  • the meteorological data table 221 shown in FIG. 3 shows meteorological data predicted at an hour interval from 0:00 on January 1, 2012 at a latitude of 35 ° north, 135 ° east longitude, and a height of 10 m above the ground.
  • the meteorological data storage unit 220 receives GPV data every three hours of 0:00, 3:00, 6:00, 9:00, 12:00, 15:00, 18:00, and 21:00 every day, and is stored in the weather data table 221. Update weather data on wind speed, direction, pressure, temperature, and humidity. For this reason, the weather data storage unit 220 overwrites and updates the old weather data stored in the weather data table 221 each time new weather data is acquired. As shown in FIG. 3, the wind speed and the wind direction are displayed as vector components in the north-south direction and the east-west direction of the wind speed. Note that FIG. 3 is intended to help understanding of the present invention, and these weather data are examples.
  • the power curve storage unit 220 stores power generation characteristic information (hereinafter also referred to as a power curve) for converting the wind speed value into the power generation amount of the wind power generator.
  • FIG. 5 schematically shows an example of the power curve. This represents the relationship between the wind speed value received by the wind turbine of the wind power generator on the horizontal axis and the power generation amount of the wind power generator on the vertical axis.
  • the wind power generation amount is almost zero.
  • the wind speed exceeds 2 m / s
  • the power generation amount rises and gradually increases, and the wind speed is 15 m / s.
  • the power curve storage unit 220 may store the power curve data in any format. For example, in the case of the example of FIG. 5, the wind power generation amount corresponding to an integer value between 2 and 15 m / s of wind speed is used. It may be stored as a corresponding table. For the power curve data, it is preferable to use actually measured data from a wind power generator in order to improve the prediction accuracy.
  • the power generation amount storage unit 230 stores the history of the actual value of the power generation amount of the wind power generator in the power generation amount result table 231 in association with the date / time information.
  • FIG. 4 shows the power generation result table 231.
  • the actual power generation amount table 231 shown in FIG. 4 shows measured values of the power generation amount of the wind power generator measured at 1 hour intervals from 0:00 on January 1, 2012.
  • the relational expression deriving unit 250 generates the power generation amount in a predetermined period converted from the wind speed value using the power curve and the history of the weather data stored in the weather data table 211 in the past predetermined period (for example, the past one year from the present).
  • a relational expression representing the relationship between these values is obtained on the basis of the power generation amount (hereinafter also referred to as an estimated value of the power generation amount) and the actual value of the power generation amount for a predetermined period.
  • the relational expression deriving unit 250 converts the wind speed value in the past predetermined period stored in the weather data table 211 into the amount of power generation using the power curve shown in FIG. For example, the relational expression derivation unit 250 uses the power curve to generate 8760 (24 ⁇ 365) wind speed values per hour for the past year stored in the meteorological data table 211, and the amount of power generation per hour. Convert to.
  • the wind speed is displayed as a vector with the component W X in the east-west direction (positive in the east) and the component W Y in the north-south direction (positive in the north).
  • the wind speed W 10 (scalar value) used for this purpose is obtained from the equation (1).
  • W 10
  • the wind speed W 10 represents the wind speed at 10 m (Z 10 ) above the ground, but by calculating the wind speed W n at the height Z n of the nacelle of the wind power generator, a more accurate expected value of the power generation amount is calculated. be able to.
  • the wind power conversion unit 270 performs conversion from the wind speed W 10 on the ground 10 m to the wind speed W n at the height of the nacelle of the wind power generator. In this case, the wind power conversion unit 270 obtains the wind speed W n at the height Z n of the nacelle of the wind power generator according to the expression of “power law” in Expression (2).
  • W n W 10 ⁇ (Z n / Z 10 ) 1 / B (2)
  • W n is the wind speed at the nacelle center height
  • W 10 is the wind speed at the ground height of 10 m
  • Z n is the height from the ground surface to the nacelle center
  • Z 10 is the reference altitude 10 m
  • the relational expression deriving unit 250, the wind speed W n at the height Z n of the nacelle, with a power curve, in terms of the likelihood values of the power generation amount is possible to calculate a predicted value of the power generation amount with higher accuracy.
  • the relational expression deriving unit 250 records the meteorological data history for a predetermined period (for example, the past one year from the present), the expected value of the power generation amount for the predetermined period calculated from the wind speed value using the power curve, and the power generation for the predetermined period. Based on the actual value of the quantity, a relational expression representing the relationship between these values is obtained. The relational expression deriving unit 250 obtains this relational expression using the least square method.
  • the relational expression deriving unit 250 inputs, for example, meteorological data for the past year, an estimated value of the power generation amount, and an actual value of the power generation amount to X 1 to X 7 in the formula (3), respectively.
  • the coefficients a to h in Equation (3) are determined by the least square method. That is, specifically, the coefficients a to h common to 8760 (24 ⁇ 365) equations (3) are obtained by the method of least squares.
  • Y a + b ⁇ X 1 + c ⁇ X 2 + d ⁇ X 3 + e ⁇ X 4 + f ⁇ X 5 + g ⁇ X 6 + h ⁇ X 7 (3)
  • Y is the actual value of the power generation amount
  • X 1 is the expected value of the power generation amount obtained from the wind speed value using the power curve
  • X 2 is the temperature
  • X 3 is the humidity
  • X 4 is the wind speed (W 10 or W n )
  • X 5 is atmospheric pressure
  • X 6 and X 7 are wind directions
  • a to h are coefficients.
  • X 6 and X 7 indicate the wind direction
  • X 6 is the component of the wind speed in the east-west direction after normalizing the wind intensity (the east direction is positive)
  • X 7 is after the wind intensity is normalized This is the north-south component of the wind speed (north is positive).
  • X 6 and X 7 can be obtained as shown in equations (4) and (5), respectively.
  • X 6 W X /
  • X 7 W Y /
  • Equation (3) When the coefficients a to h in Equation (3) are determined in this way, the forecast value of each meteorological data and the predicted value of the power generation amount converted from the forecast value of the wind speed using the power curve are input to X 1 to X 7 . By doing so, the predicted value (Y) of the power generation amount of the wind power generator can be obtained.
  • the meteorological data acquisition unit 280 acquires the forecast value of each meteorological data at the designated date and time.
  • the meteorological data acquisition unit 280 acquires a forecast value of meteorological data (temperature, humidity, wind speed, wind direction, atmospheric pressure) as of 0:00 on June 1, 2013 from the GPV data.
  • the GPV data includes forecast values up to 33 hours ahead every hour.
  • the power generation amount calculation unit 260 uses the power curve to calculate the power generation amount from the forecast value of each meteorological data at the designated date and time (June 1, 2013 0:00) and the wind speed forecast value at this date and time. Based on the expected value and the relational expression (3), the predicted value of the power generation amount of the wind power generator at this date and time is obtained.
  • the power generation amount calculation unit 260 first uses the wind speed data (east-west direction W X , north-south direction W Y ) in the meteorological data acquired by the meteorological data acquisition unit 280 to use the wind speed W 10 on the ground or the nacelle height. calculated wind speed W n in the W 10 or W n, obtains the estimation value X 1 of the power generation amount by applying the power curve.
  • the power generation amount calculation unit 260 calculates X 2 to X 7 and inputs these values together with X 1 to the relational expression (3) to determine Y (predicted value of the power generation amount of the wind power generator).
  • the electric power generation amount output part 290 outputs the predicted value (Y) of the electric power generation amount of the wind power generator in the said date (June 1, 2013 0:00).
  • the power generation amount output unit 290 outputs the predicted value Y of the power generation amount obtained by the power generation amount calculation unit 260 in a designated data format.
  • the power generation amount output unit 290 outputs the power generation amount prediction value Y to the power generation amount prediction table 291 shown in FIG.
  • the output data format can be arbitrarily determined according to the request of the data receiving side, for example, it is transferred to another computer.
  • the data may be output to a recording medium such as a portable memory or various disks, or may be output to paper via a printer.
  • FIG. 6 is a flowchart showing the procedure, and these steps are realized by the CPU 120 executing a processing program stored in the storage device 122 of FIG.
  • the power generation amount prediction device 100 periodically acquires the latest GPV data at 0:00, 3:00, 6:00, 9:00, 12:00, 15:00, 18:00, and 21:00 every day. And the electric power generation amount prediction apparatus 100 records each weather data regarding temperature, humidity, a wind speed, a wind direction, and atmospheric
  • the power generation amount prediction apparatus 100 reads from the weather data table 211 the wind speed value from the time when the weather data is acquired to the time that is a predetermined period (for example, one year) in the past. However, the respective converted to wind speed W n at the height of the nacelle of a wind power generator (S1010).
  • the power generation amount prediction apparatus 100 by applying the wind speed W n of these nacelle height power curve, respectively, and calculates the likelihood value of the power generation of the wind power generator in a predetermined period (S1020).
  • the power generation amount prediction apparatus 100 reads from the power generation amount result table 231 the actual value of the power generation amount of the wind power generator from the time when the weather data is acquired to the time point that goes back a predetermined period (for example, one year) in the past.
  • Each weather data (temperature, humidity, wind speed, wind direction, pressure) is read from the weather data table 211, and the wind speed W n at the height of the nacelle of the wind power generator obtained in S1010 is returned to the equation (3).
  • Input into the equation, and the coefficients a to h of the equation (3) are obtained by the least square method (S1030). In this way, the power generation amount prediction apparatus 100 obtains a regression equation (relational expression) for calculating the predicted value of the power generation amount.
  • the power generation amount prediction device 100 sets the wind speed value at the specified date and time to the weather data table 211. and read from, it is converted to wind speed W n at the height of the nacelle of a wind power generator (S1040).
  • the power generation amount prediction apparatus 100 by applying the wind speed W n to the power curve, obtain the estimation value of the power generation of the wind turbine (S1040).
  • the power generation amount prediction apparatus 100 reads each weather data (temperature, humidity, wind speed, wind direction, pressure) at the specified date and time from the weather data table 211, and calculates the power generation amount at the specified date and time obtained in S1040. By inputting the expected value together with the right side of the regression equation (3), the predicted value Y of the power generation amount of the wind power generator at the designated date and time is calculated (S1050).
  • the power generation amount prediction apparatus 100 outputs a predicted value Y of the power generation amount of this wind power generator (S1060). At this time, the power generation amount prediction apparatus 100, together with the predicted value Y of the power generation amount, it is preferable to output the likelihood values of the power generation amount calculated from the wind speed W n of the nacelle height at a specified date and time.
  • the power generation amount prediction apparatus 100 predicts the wind power generation amount to several tens of hours ahead by repeating the above processing while changing the designated date and time.
  • FIG. 7 shows the result of the power generation amount prediction apparatus 100 predicting the power generation amount in this way.
  • the wind power generator is configured using a plurality of types of weather data including wind speed values without using the topographic data. Since the predicted value of power generation is calculated, it is possible to calculate the predicted value of power generation easily and accurately without considering the individual circumstances of wind power generators built in various locations. Become.
  • the estimated value of the power generation amount obtained from the wind speed value using the power curve is also incorporated as a variable in the regression equation (3) for calculating the predicted value of the power generation amount.
  • a predicted value of the power generation amount can be calculated.
  • the estimated value of the power generation amount is obtained from the wind speed value using the power curve.
  • the predicted value of the power generation amount of the wind power generator that has just started operation must be obtained. Even when there is not enough information to accurately determine the coefficients (a to h) of the regression equation (3), such as when it is necessary, the power generation amount obtained from the wind speed value using the above power curve The expected value of can be output.
  • the power generation amount prediction apparatus 100 since the power generation amount prediction apparatus 100 updates the coefficient of the regression equation (3) every time a new weather data forecast value is acquired, the contents of the latest weather data are always reflected. In this state, it is possible to calculate the predicted power generation amount with high accuracy.
  • the regression equation (3) may be used without being updated. In this case, the update process of the regression equation (3) can be omitted.
  • the power generation amount prediction device 100 regularly acquires new weather data every 3 hours every day, the accuracy of the latest weather data is reflected every 3 hours every day. In addition, the predicted value of the power generation amount can be calculated.
  • the power generation amount prediction apparatus 100 converts the wind speed W n at the nacelle height Z n to the expected value of the power generation amount using the power curve, and thus calculates the predicted value of the power generation amount with higher accuracy. can do.
  • the power generation amount prediction apparatus 100 obtains a relational expression (regression equation) for calculating a predicted value of the power generation amount using the least square method, it is possible to easily generate a highly accurate relational expression. it can.
  • the predicted value of the power generation amount is obtained using a plurality of types of weather data in the highly reliable GPV data provided by the Japan Meteorological Agency, the predicted value of the highly reliable power generation amount is calculated. Can do.
  • meteorological data used to determine the predicted value of power generation includes meteorological data provided by private companies in Japan, as well as meteorological data provided by public institutions or private companies overseas.
  • Various weather data such as data can be used.
  • the meteorological data used for calculating the predicted value of the power generation amount may be a combination of “wind speed” and “at least one of temperature, humidity, wind direction, and atmospheric pressure”.
  • wind speed and “at least one of temperature, humidity, wind direction, and atmospheric pressure”.
  • cloud cover in addition to temperature, humidity, wind speed, wind direction, and atmospheric pressure, cloud cover, solar radiation, weather, and the like may be used.
  • Power generation amount prediction device 120 CPU 122 Memory 124 Storage Device 126 Recording Medium Reading Device 128 Communication Interface 130 Input Device 132 Output Device 134 Recording Medium 210 Weather Data Storage Unit 211 Weather Data Table 220 Power Curve Storage Unit 230 Power Generation Amount Storage Unit 231 Power Generation Amount Actual Table 250 Derivation of Relational Expressions Unit 260 power generation amount calculation unit 270 wind power conversion unit 280 weather data acquisition unit 290 power generation amount output unit 291 power generation amount prediction table

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

　風力発電量の予測値を求める発電量予測装置であって、風速値を風力発電機の発電量に換算するための発電特性情報を記憶するパワーカーブ記憶部と、発電量の実績値の履歴を日時情報と対応付けて記憶する発電量記憶部と、風速値を含む複数種類の気象データの履歴を日時情報と対応付けて記憶する気象データ記憶部と、過去の所定期間の気象データと、風速値から換算した発電量と、発電量の実績値と、に基づいて、これらの関係式を求める関係式導出部と、指定日時の気象データの予報値を取得する気象データ取得部と、指定日時の気象データの予報値と、指定日時の風速値から換算した発電量と、関係式と、に基づいて、指定日時の発電量の予測値を求める発電量算出部と、発電量の予測値を出力する発電量出力部と、を備えることを特徴とする発電量予測装置。

Description

発電量予測装置、発電量予測方法、及びプログラム
　本発明は、発電量予測装置、発電量予測方法、及びプログラムに関する。
　近年、新たな風力発電機が各地に建設され、稼働を開始している。風力発電機は、クリーンなエネルギー生成手段ではあるが設置場所での気象条件によって経時的に発電量が変動するため、電力系統に連系される風力発電機の発電量が増加する中で、これを電力需給計画に組み込むためには、連系される風力発電量を数十時間先まで精度よく予測することが要請される。
　このような観点から風力発電量を予測するためのシステムや手法が種々提案されている（例えば特許文献１を参照）。
特開２００４－１９５８３号公報
　そして上記文献等にも記載されているように、風力発電量の予測値の精度を向上させるために、風速等の気象データを用いて発電量の予測値を算出するための算出式を生成し、発電量の実績値と予測値とのずれを統計的に解析することによって、算出式を改良することが行われている。また発電量の予測値を算出する際に風力発電機の周辺の地形も考慮に入れることで予測精度を高めようとする技術もある。
　しかしながら、電力系統に連系される風力発電機の発電量が急速に増加する中で、稼働を開始して間もない風力発電機の発電量を予測しなければならない場合も多く、この場合には、十分な情報の蓄積がないまま、発電量の予測値を算出しなければならない。また、風力発電機の周辺の地形も考慮に入れる場合には、各風力発電機によってそれぞれ異なる地形情報を個別に扱わなければならず、コストや時間等の制約から現実には対応は困難である。
　このような点から、各地で建設が進められている風力発電機の個別の事情を考慮することなく、簡便に発電量の予測を高精度で行えることを可能とする技術が切望されている。
　本発明は上記課題を鑑みてなされたものであり、各風力発電機の個別の事情を考慮することなく、簡便に発電量の予測を高精度で行えることを一つの目的とする。
　一つの側面に係る発電量予測装置は、風力発電機の発電量の予測値を求める発電量予測装置であって、風速値を前記風力発電機の発電量に換算するための発電特性情報を記憶するパワーカーブ記憶部と、前記風力発電機の発電量の実績値の履歴を、日時情報と対応付けて記憶する発電量記憶部と、風速値を含む複数種類の気象データの履歴を、日時情報と対応付けて記憶する気象データ記憶部と、過去の所定期間における前記複数種類の気象データと、前記所定期間における風速値から前記発電特性情報を用いて換算される発電量と、前記所定期間における前記発電量の実績値と、に基づいて、これらの各値の関係を表す関係式を求める関係式導出部と、指定された日時における前記複数種類の気象データの予報値を取得する気象データ取得部と、前記日時における前記複数種類の気象データの予報値と、前記日時における風速の予報値から前記発電特性情報を用いて換算される発電量と、前記関係式と、に基づいて、前記日時における前記風力発電機の発電量の予測値を求める発電量算出部と、前記日時における前記風力発電機の発電量の予測値を出力する発電量出力部と、を備える。
　その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄の記載、及び図面の記載等により明らかにされる。
　各風力発電機の個別の事情を考慮することなく、簡便に発電量の予測を高精度で行うことができる。
本発明の一実施形態に係る発電量予測装置のハードウェア構成図である。 本発明の一実施形態に係る発電量予測装置の機能ブロック図である。 本発明の一実施形態に係る気象データテーブルの一例を示す図である。 本発明の一実施形態に係る発電量実績テーブルの一例を示す図である。 風力発電機の発電特性情報（パワーカーブ）を例示する模式図である。 本発明の一実施形態に係る発電量予測装置による発電量予測方法の手順を説明するフローチャートである。 本発明の一実施形態に係る発電量予測装置による発電量の予測結果を示す図である。
　本明細書および添付図面の記載により、少なくとも以下の事項が明らかとなる。以下、本発明をその一実施形態に即して添付図面を参照しつつ説明する。
《本実施形態に係る発電量予測装置の構成》
　本発明の一実施形態に係る、発電量予測装置のハードウェア構成図を図１に示す。発電量予測装置１００は例えば、ＣＰＵ１２０、メモリ１２２、記憶装置１２４、記録媒体読取装置１２６、通信インターフェイス１３０、入力装置１３２、及び出力装置１３４を備えて構成されている。
　記憶装置１２４は、本実施形態の発電量予測処理を実行するためのプログラム、繰り返し使用される固定データなどを格納する。記憶装置１２４に記憶されているプログラムがメモリ１２２に読み出され、ＣＰＵ１２０がそのメモリ１２２に読み出されたプログラムを実行する。ここで、記憶装置１２４は例えばハードディスクドライブである。記録媒体読取装置１２６は、ＣＤ－ＲＯＭ等の記録媒体１２８に記録されたプログラムやデータを読み取り、記憶装置１２４に格納することができる。
　通信インターフェイス１３０は、インターネット、ＬＡＮ、専用線等で形成されるネットワークを介して他のコンピュータとデータの送受信を行う。他のコンピュータとは、例えば、翌日電力需給計画の立案等に使用されているコンピュータ（不図示）や、後述する気象データを提供するコンピュータ等である。入力装置１３２は、キーボードやマウスを含む。また、出力装置１３４は、ディスプレイやプリンタを含む。
　図２に、本実施形態に係る発電量予測装置１００の機能ブロック図を示す。ここに示す機能は、図１に示したハードウェア上で本実施形態に係る発電量予測プログラムが実行されることにより実現される。
　気象データ記憶部２１０は、風速値を含む複数種類の気象データの履歴を、日時情報と対応付けて記憶する。例えば気象データ記憶部２１０は、気象庁から財団法人気象業務支援センターを介して提供される数値予測データの一つであるメソ数値予報モデルＧＰＶ（Grid Point Value）データ（以下「ＧＰＶデータ」とも記す）を、図示しないインターネット上のサーバから受信して、そのＧＰＶデータの中から風速、風向、気圧、温度、及び湿度に関する気象データを取得して、気象データテーブル２１１に記憶する。
　本実施形態で用いるＧＰＶデータは、北緯２２．４°～４７．６°の間を０．０５°間隔（５０５格子）で分割すると共に、東経１２０°～１５０°の間を０．０６２５°間隔（４８１格子）で分割することにより形成される一辺約５ｋｍのメッシュ上の格子点毎に、地表面（高度１０ｍ）及び１０００ｈＰａ～１００ｈＰａの範囲の１６の気圧面（高度方向に合計１７点）における各種ＧＰＶデータを数値的に算出したものである。気象庁は、地表面データについては１時間間隔で３３時間先までのＧＰＶデータを配信している。
　図３に、気象データテーブル２２１を示す。図３に示す気象データテーブル２２１には、北緯３５°、東経１３５°、地上高１０ｍ地点における２０１２年１月１日０時から１時間間隔で予測された気象データが示されている。
　気象データ記憶部２２０は、毎日０時、３時、６時、９時、１２時、１５時、１８時、２１時の３時間毎にＧＰＶデータを受信して、気象データテーブル２２１に記憶されている風速、風向、気圧、温度、及び湿度に関する気象データを更新する。このため、気象データ記憶部２２０は、新たな気象データを取得するごとに、気象データテーブル２２１に記憶されている古い気象データを上書き更新する。なお図３に示すように、風速及び風向については、風速の南北方向及び東西方向のベクトル成分として表示される。なお、図３は本発明の理解を助けるためのもので、これらの気象データは例示である。
　パワーカーブ記憶部２２０は、風速値を風力発電機の発電量に換算するための発電特性情報（以下、パワーカーブとも記す。）を記憶する。図５に、パワーカーブの一例を模式的に示す。これは、横軸に風力発電機の風車が受ける風速値を、縦軸に風力発電機の発電量をとり、その関係を表したものである。図５の例では、風速２ｍ／ｓまでは風車がロックされているために風力発電量がほぼゼロであるが、風速が２ｍ／ｓを超えると発電量が立ち上がって次第に増加し、風速１５ｍ／ｓで定格発電量の１，５００ｋｗに達する発電出力特性を表している。パワーカーブ記憶部２２０は、どのような形式でパワーカーブのデータを記憶してもよいが、例えば図５の例の場合、風速２～１５ｍ／ｓの間の整数値に対応する風力発電量を対応させたテーブルとして記憶しておくことでもよい。またパワーカーブのデータは、風力発電機による実測データを用いることが予測精度を向上させる上で好ましい。
　発電量記憶部２３０は、風力発電機の発電量の実績値の履歴を、日時情報と対応付けて発電量実績テーブル２３１に記憶する。図４に発電量実績テーブル２３１を示す。図４に示す発電量実績テーブル２３１には、２０１２年１月１日０時から１時間間隔で計測された風力発電機の発電量の実測値が示されている。
　関係式導出部２５０は、気象データテーブル２１１に記憶されている過去の所定期間（例えば現在から過去１年間）における気象データの履歴と、パワーカーブを用いて風速値から換算した所定期間の発電量（以下、発電量の見込み値とも記す）と、所定期間の発電量の実績値と、に基づいて、これらの各値の関係を表す関係式を求める。
　まず関係式導出部２５０は、気象データテーブル２１１に記憶されている過去の所定期間における風速値を、図５に示したパワーカーブを用いて、発電量に換算する。例えば関係式導出部２５０は、気象データテーブル２１１に記憶されている過去１年分の１時間ごとの８７６０個（２４×３６５個）の風速値を、パワーカーブを用いて１時間ごとの発電量に換算する。
　なお、気象データテーブル２１１において、風速は東西方向の成分ＷＸ（東向きが正）と南北方向の成分ＷＹ（北向きが正）とによりベクトルとして表示されているため、発電量に換算するために用いる風速Ｗ１０（スカラ値）は、式（１）により求める。　
　Ｗ１０＝｜（ＷＸ ２＋ＷＹ ２）１／２｜　……（１）
　なお、風速Ｗ１０は地上１０ｍ（Ｚ１０）における風速を表すが、風力発電機のナセルの高さＺｎにおける風速Ｗｎに変換することにより、より精度の高い発電量の見込み値を算出することができる。
　地上１０ｍにおける風速Ｗ１０から風力発電機のナセルの高さにおける風速Ｗｎへの変換は風力変換部２７０が行う。　
　この場合、風力変換部２７０は、式（２）の「べき乗則」の数式により、風力発電機のナセルの高さＺｎにおける風速Ｗｎを求める。　
　Ｗｎ＝Ｗ１０×（Ｚｎ／Ｚ１０）１／Ｂ　……（２）
　ここで、Ｗｎはナセル中心高さにおける風速、Ｗ１０は地上高１０ｍにおける風速、Ｚｎは地表面からナセル中心までの高さ、Ｚ１０は基準高度である１０ｍ、Ｂは周囲環境によって定まる定数（例えば森林の場合Ｂ＝５、海の場合Ｂ＝７とする。）である。
　そしてこの場合、関係式導出部２５０は、ナセルの高さＺｎにおける風速Ｗｎを、パワーカーブを用いて、発電量の見込み値に換算する。　
　これにより、より高精度の発電量の見込み値を算出することが可能になる。
　つぎに関係式導出部２５０は、所定期間（例えば現在から過去１年間）における気象データの履歴と、パワーカーブを用いて風速値から算出した所定期間の発電量の見込み値と、所定期間の発電量の実績値と、に基づいて、これらの各値の関係を表す関係式を求める。関係式導出部２５０は、最小二乗法を用いてこの関係式を求める。
　この場合、関係式導出部２５０は、例えば過去１年分の気象データと、発電量の見込み値と、発電量の実績値と、をそれぞれ式（３）のＸ１～Ｘ７に入力し、式（３）の係数ａ～ｈを最小二乗法により定める。つまり具体的には、８７６０個（２４×３６５個）の式（３）に共通な係数ａ～ｈを最小二乗法により求める。　
　Ｙ＝ａ＋ｂ×Ｘ１＋ｃ×Ｘ２＋ｄ×Ｘ３＋ｅ×Ｘ４＋ｆ×Ｘ５＋ｇ×Ｘ６＋ｈ×Ｘ７…（３）
　ここで、Ｙは発電量の実績値、Ｘ１は風速値からパワーカーブを用いて求めた発電量の見込み値、Ｘ２は温度、Ｘ３は湿度、Ｘ４は風速（Ｗ１０またはＷｎ）、Ｘ５は気圧、Ｘ６とＸ７は風向、ａ～ｈはそれぞれ係数である。
　なおＸ６、Ｘ７は風向を示すが、Ｘ６は風の強さを正規化した後の風速の東西方向の成分（東向きが正）、Ｘ７は風の強さを正規化した後の風速の南北方向の成分（北向きが正）である。Ｘ６、Ｘ７はそれぞれ式（４）（５）のようにして求めることができる。　
　Ｘ６＝ＷＸ／｜（ＷＸ ２＋ＷＹ ２）１／２｜　……（４）
　Ｘ７＝ＷＹ／｜（ＷＸ ２＋ＷＹ ２）１／２｜　……（５）
　このようにして式（３）の係数ａ～ｈが定まると、各気象データの予報値と、風速の予報値からパワーカーブを用いて換算した発電量の見込み値をＸ１～Ｘ７に入力することにより、風力発電機の発電量の予測値（Ｙ）を求めることができるようになる。
　まず、気象データ取得部２８０は、指定された日時における各気象データの予報値を取得する。例えば気象データ取得部２８０は、上記ＧＰＶデータから、２０１３年６月１日０時の気象データ（温度、湿度、風速、風向、気圧）の予報値を取得する。上述した様に、ＧＰＶデータには、１時間ごとに３３時間先までの予報値が含まれている。
　そして発電量算出部２６０は、上記指定された日時（２０１３年６月１日０時）における各気象データの予報値と、この日時における風速の予報値からパワーカーブを用いて算出される発電量の見込み値と、関係式（３）と、に基づいて、この日時における風力発電機の発電量の予測値を求める。
　つまり発電量算出部２６０は、まず、気象データ取得部２８０が取得した気象データの中の風速（東西方向ＷＸ、南北方向ＷＹ）のデータを用いて、地上の風速Ｗ１０またはナセル高さにおける風速Ｗｎを求め、Ｗ１０またはＷｎを、パワーカーブに当てはめて発電量の見込み値Ｘ１を求める。
　そして発電量算出部２６０は、同様にＸ２～Ｘ７を求め、Ｘ１と共にこれらの値を関係式（３）に入力することでＹ（風力発電機の発電量の予測値）を求める。
　そして発電量出力部２９０は、上記日時（２０１３年６月１日０時）における風力発電機の発電量の予測値（Ｙ）を出力する。
　つまり発電量出力部２９０は、発電量算出部２６０で得られた発電量の予測値Ｙを指定のデータ形式で出力する。例えば発電量出力部２９０は、図７に示す発電量予測テーブル２９１に発電量の予測値Ｙを出力する。
　なお出力データ形式は、例えば別のコンピュータに転送する等、データ受け取り側の要求に応じて任意に定めることができる。またもちろんポータブルメモリや各種ディスク等の記録媒体に出力させたり、プリンタを介して紙に出力させたりしてもよい。
《風力発電量予測手順》
　次に、図６を参照して、本実施形態に係る発電量予測方法の手順を説明する。図６はその手順を示すフローチャートであり、これらのステップは、図１の記憶装置１２２に記憶されている処理プログラムをＣＰＵ１２０で実行することにより実現される。
　まず発電量予測装置１００は、毎日、０時、３時、６時、９時、１２時、１５時、１８時、２１時になると、定期的に最新のＧＰＶデータを取得する。そして発電量予測装置１００は、そのうち、温度、湿度、風速、風向、気圧に関する各気象データを、気象データテーブル２１１に記録する（S1000）。これにより、ＧＰＶデータを取得した時点から３３時間後までの１時間毎の各気象データが気象データテーブル２１１に記録される。
　次に発電量予測装置１００は、新たに気象データを取得するごとに、この気象データを取得した時点から過去に所定期間（例えば１年間）遡った時点までの風速値を気象データテーブル２１１から読みだして、風力発電機のナセルの高さにおける風速Ｗｎにそれぞれ変換する（S1010）。
　そして発電量予測装置１００は、これらのナセル高さの風速Ｗｎをそれぞれパワーカーブに当てはめて、所定期間における風力発電機の発電量の見込み値を算出する（S1020）。
　次に発電量予測装置１００は、上記気象データを取得した時点から過去に所定期間（例えば１年間）遡った時点までの風力発電機の発電量の実績値を発電量実績テーブル２３１から読みだすとともに、気象データテーブル２１１から各気象データ（温度、湿度、風速、風向、気圧）を読みだして、上記S1010で求めた風力発電機のナセルの高さにおける風速Ｗｎと共に、式（３）の回帰式に入力して、最小二乗法により式（３）の係数ａ～ｈを求める（S1030）。このようにして発電量予測装置１００は、発電量の予測値を算出するための回帰式（関係式）を求める。
　その後、発電量予測装置１００に、発電量の予測値を算出する日時を指定した発電量予測要求が入力されると、発電量予測装置１００は、指定された日時における風速値を気象データテーブル２１１から読みだして、風力発電機のナセルの高さにおける風速Ｗｎに変換する（S1040）。そして発電量予測装置１００は、この風速Ｗｎをパワーカーブに当てはめて、風力発電機の発電量の見込み値を得る（S1040）。
　次に発電量予測装置１００は、上記指定された日時における各気象データ（温度、湿度、風速、風向、気圧）を気象データテーブル２１１から読みだして、S1040で得た上記指定日時における発電量の見込み値と共に回帰式（３）の右辺に入力することにより、指定日時における風力発電機の発電量の予測値Ｙを算出する（S1050）。
　そして発電量予測装置１００は、この風力発電機の発電量の予測値Ｙを出力する（S1060）。なおこのとき、発電量予測装置１００は、発電量の予測値Ｙと共に、指定日時におけるナセル高さの風速Ｗｎから算出した発電量の見込み値を出力するとよい。
　発電量予測装置１００は、上記の処理を指定日時を変えて繰り返すことにより、風力発電量を数十時間先まで予測する。このようにして発電量予測装置１００が発電量を予測した結果を図７に示す。
　以上説明した様に、本実施形態に係る発電量予測装置１００、発電量予測方法及びプログラムによれば、地形データを用いずに、風速値を含む複数種類の気象データを用いて風力発電機の発電量の予測値を算出するようにしているので、各地に建設されている風力発電機の個別の事情を考慮することなく、簡便に高精度に発電量の予測値を算出することが可能となる。
　しかも本実施形態では、パワーカーブを用いて風速値から求めた発電量の見込み値も、発電量の予測値を算出するための回帰式（３）に変数として取り入れているため、より高精度に発電量の予測値を算出することができる。
　さらに本実施形態では、パワーカーブを用いて風速値から発電量の見込み値を求めるようにしているため、例えばまだ稼働を開始してから間もない風力発電機の発電量の予測値を求めなければならない場合など、回帰式（３）の係数（ａ～ｈ）を精度良く定めるために十分な情報が蓄積されていない場合であっても、上記パワーカーブを用いて風速値から求めた発電量の見込み値を出力することができる。
　また本実施形態では、発電量予測装置１００が新たな気象データの予報値を取得するごとに回帰式（３）の係数を更新するようにしているため、常に最新の気象データの内容が反映された状態で、高精度に発電量の予測値を算出することができる。
　なおもちろん、回帰式（３）の係数を一旦定めた後は、回帰式（３）を更新せずにそのまま使用し続けるようにしてもよい。この場合は、回帰式（３）の更新処理を省くことが可能となる。
　さらに発電量予測装置１００は、毎日３時間ごとに定期的に新たな気象データを取得するようにしているので、毎日３時間ごとに最新の気象データの内容が反映された状態で、より高精度に発電量の予測値を算出することができる。
　また発電量予測装置１００は、ナセルの高さＺｎにおける風速Ｗｎを、パワーカーブを用いて発電量の見込み値に換算するようにしているため、より高精度の発電量の見込み値を算出することができる。
　また発電量予測装置１００は、最小二乗法を用いて発電量の予測値を算出するための関係式（回帰式）を求めるようにしているため、簡便に高精度な関係式を生成することができる。
　もちろん、最小二乗法等を用いる方法以外にも、その他の重回帰分析の手法を用いてもよい。また例えばニューラルネットやカルマンフィルタなどの各種手法を用いても良い。
　また本実施形態では、気象庁から提供される信頼性の高いＧＰＶデータ内の複数種類の気象データを用いて発電量の予測値を求めているため、高信頼な発電量の予測値を算出することができる。
　もちろん、発電量の予測値を求めるために使用する気象データは、気象庁のＧＰＶデータ以外にも、我が国の民間業者により提供される気象データや、海外における公的機関あるいは民間業者により提供される気象データなど、様々な気象データを用いることができる。
　なお上述した実施の形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明はその趣旨を逸脱することなく変更、改良され得るとともに、本発明にはその等価物も含まれる。
　例えば、発電量の予測値の算出に用いる気象データは、「風速」と、「温度、湿度、風向及び気圧の少なくともいずれか」と、の組み合わせとしてもよい。あるいは、温度、湿度、風速、風向、気圧以外にも、雲量、日射量、天候等を用いてもよい。
　１００　発電量予測装置
　１２０　ＣＰＵ
　１２２　メモリ
　１２４　記憶装置
　１２６　記録媒体読取装置
　１２８　通信インターフェイス
　１３０　入力装置
　１３２　出力装置
　１３４　記録媒体
　２１０　気象データ記憶部
　２１１　気象データテーブル
　２２０　パワーカーブ記憶部
　２３０　発電量記憶部
　２３１　発電量実績テーブル
　２５０　関係式導出部
　２６０　発電量算出部
　２７０　風力換算部
　２８０　気象データ取得部
　２９０　発電量出力部
　２９１　発電量予測テーブル

Claims (10)

  1. 　風力発電機の発電量の予測値を求める発電量予測装置であって、
    　風速値を前記風力発電機の発電量に換算するための発電特性情報を記憶するパワーカーブ記憶部と、
    　前記風力発電機の発電量の実績値の履歴を、日時情報と対応付けて記憶する発電量記憶部と、
    　風速値を含む複数種類の気象データの履歴を、日時情報と対応付けて記憶する気象データ記憶部と、
    　過去の所定期間における前記複数種類の気象データと、前記所定期間における風速値から前記発電特性情報を用いて換算される発電量と、前記所定期間における前記発電量の実績値と、に基づいて、これらの各値の関係を表す関係式を求める関係式導出部と、
    　指定された日時における前記複数種類の気象データの予報値を取得する気象データ取得部と、
    　前記日時における前記複数種類の気象データの予報値と、前記日時における風速の予報値から前記発電特性情報を用いて換算される発電量と、前記関係式と、に基づいて、前記日時における前記風力発電機の発電量の予測値を求める発電量算出部と、
    　前記日時における前記風力発電機の発電量の予測値を出力する発電量出力部と、
    を備えることを特徴とする発電量予測装置。
  2. 　請求項１に記載の発電量予測装置であって、
    　前記関係式導出部は、前記気象データ取得部が前記複数種類の気象データの新たな予報値を取得するごとに、前記予報値を取得した時点から過去に前記所定期間遡った時点までの前記各気象データと、前記所定期間における風速値から前記発電特性情報を用いて換算される発電量と、前記所定期間における前記発電量の実績値と、に基づいて、前記関係式を更新する
    ことを特徴とする発電量予測装置。
  3. 　請求項１又は２に記載の発電量予測装置であって、
    　前記気象データ取得部は、定期的に、前記複数種類の気象データの新たな予報値を取得する
    ことを特徴とする発電量予測装置。
  4. 　請求項１～３のいずれかに記載の発電量予測装置であって、
    　前記発電量出力部は、指定された前記日時における前記風力発電機の発電量の予測値と共に、前記日時における風速の予報値から前記発電特性情報を用いて換算された発電量を出力する
    ことを特徴とする発電量予測装置。
  5. 　請求項１～４のいずれかに記載の発電量予測装置であって、
    　前記気象データ記憶部に記憶されている前記所定期間における風速値を、前記風力発電機のナセルの高さにおける風速値に換算する風力換算部と、を更に備え、
    　前記関係式導出部及び前記発電量算出部は、
    　前記ナセルの高さにおける風速値を、前記発電特性情報を用いて発電量に換算する
    ことを特徴とする発電量予測装置。
  6. 　請求項１～５のいずれかに記載の発電量予測装置であって、
    　前記気象データには、風速、風向、気圧、温度、及び湿度が含まれる
    ことを特徴とする発電量予測装置。
  7. 　請求項１～６のいずれかに記載の発電量予測装置であって、
    　前記関係式導出部は、最小二乗法を用いて前記関係式を求める
    ことを特徴とする発電量予測装置。
  8. 　請求項１～７のいずれかに記載の発電量予測装置であって、
    　前記気象データ記憶部に記憶される前記気象データは、気象庁のＧＰＶ（Grid Point Value）データに由来する
    ことを特徴とする発電量予測装置。
  9. 　風力発電機の発電量の予測値を求める発電量予測方法であって、
    　風速値を前記風力発電機の発電量に換算するための発電特性情報を記憶するパワーカーブ記憶部と、前記風力発電機の発電量の実績値の履歴を、日時情報と対応付けて記憶する発電量記憶部と、風速値を含む複数種類の気象データの履歴を、日時情報と対応付けて記憶する気象データ記憶部と、を備える発電量予測装置が、
    　過去の所定期間における前記複数種類の気象データと、前記所定期間における風速値から前記発電特性情報を用いて換算される発電量と、前記所定期間における前記発電量の実績値と、に基づいて、これらの各値の関係を表す関係式を求め、
    　指定された日時における前記複数種類の気象データの予報値を取得し、
    　前記日時における前記複数種類の気象データの予報値と、前記日時における風速の予報値から前記発電特性情報を用いて換算される発電量と、前記関係式と、に基づいて、前記日時における前記風力発電機の発電量の予測値を求め、
    　前記日時における前記風力発電機の発電量の予測値を出力する
    ことを特徴とする発電量予測方法。
  10. 　風力発電機の発電量の予測値を求めるためのプログラムであって、
    　風速値を前記風力発電機の発電量に換算するための発電特性情報を記憶するパワーカーブ記憶部と、前記風力発電機の発電量の実績値の履歴を、日時情報と対応付けて記憶する発電量記憶部と、風速値を含む複数種類の気象データの履歴を、日時情報と対応付けて記憶する気象データ記憶部と、を備える発電量予測装置に、
    　過去の所定期間における前記複数種類の気象データと、前記所定期間における風速値から前記発電特性情報を用いて換算される発電量と、前記所定期間における前記発電量の実績値と、に基づいて、これらの各値の関係を表す関係式を求める手順と、
    　指定された日時における前記複数種類の気象データの予報値を取得する手順と、
    　前記日時における前記複数種類の気象データの予報値と、前記日時における風速の予報値から前記発電特性情報を用いて換算される発電量と、前記関係式と、に基づいて、前記日時における前記風力発電機の発電量の予測値を求める手順と、
    　前記日時における前記風力発電機の発電量の予測値を出力する手順と、
    を実行させるプログラム。
PCT/JP2013/058550 2013-03-25 2013-03-25 発電量予測装置、発電量予測方法、及びプログラム WO2014155482A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2013/058550 WO2014155482A1 (ja) 2013-03-25 2013-03-25 発電量予測装置、発電量予測方法、及びプログラム
JP2013547753A JP5461748B1 (ja) 2013-03-25 2013-03-25 発電量予測装置、発電量予測方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/058550 WO2014155482A1 (ja) 2013-03-25 2013-03-25 発電量予測装置、発電量予測方法、及びプログラム

Publications (1)

Publication Number Publication Date
WO2014155482A1 true WO2014155482A1 (ja) 2014-10-02

Family

ID=50619359

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/058550 WO2014155482A1 (ja) 2013-03-25 2013-03-25 発電量予測装置、発電量予測方法、及びプログラム

Country Status (2)

Country Link
JP (1) JP5461748B1 (ja)
WO (1) WO2014155482A1 (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016136004A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016136807A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016136001A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 予測装置
JP2016220494A (ja) * 2015-05-26 2016-12-22 東京電力ホールディングス株式会社 太陽光発電における発電量推定学習の支援システム
CN108133319A (zh) * 2017-12-21 2018-06-08 北京金风科创风电设备有限公司 功率曲线符合度的确定方法、装置、设备及存储介质
CN111311022A (zh) * 2020-03-12 2020-06-19 深圳前海微众银行股份有限公司 发电量预测方法、装置、设备及计算机可读存储介质
CN111340307A (zh) * 2020-03-13 2020-06-26 华润电力技术研究院有限公司 预测风机风力发电功率的方法以及相关装置
CN113379143A (zh) * 2021-06-23 2021-09-10 阳光电源股份有限公司 一种典型气象年的构建方法、发电量预测方法及相关装置
CN113627706A (zh) * 2020-05-06 2021-11-09 株式会社 A2M 基于调度器的风力发电机的维护支持操作管理平台装置
CN116845973A (zh) * 2023-08-25 2023-10-03 湖北华中电力科技开发有限责任公司 一种风力供电方法和装置
KR102586116B1 (ko) * 2022-11-30 2023-10-06 식스티헤르츠 주식회사 풍력 발전량 예측 방법 및 시스템
KR102674314B1 (ko) 2022-08-04 2024-06-11 한국전력공사 풍력 발전 단지 단기 이벤트 검출 장치 및 그 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5931991B2 (ja) * 2014-10-01 2016-06-08 中国電力株式会社 電圧調整装置
CN112761896B (zh) * 2020-09-24 2024-05-14 国网内蒙古东部电力有限公司 提高风力发电站发电量预测精度的计算方法、装置和计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004019583A (ja) * 2002-06-18 2004-01-22 Tohoku Electric Power Co Inc 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
JP2005163602A (ja) * 2003-12-02 2005-06-23 Shikoku Res Inst Inc 風力発電出力予報情報提供システム
JP2009167848A (ja) * 2008-01-11 2009-07-30 Chugoku Electric Power Co Inc:The 風力発電量予測システム、方法及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004019583A (ja) * 2002-06-18 2004-01-22 Tohoku Electric Power Co Inc 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
JP2005163602A (ja) * 2003-12-02 2005-06-23 Shikoku Res Inst Inc 風力発電出力予報情報提供システム
JP2009167848A (ja) * 2008-01-11 2009-07-30 Chugoku Electric Power Co Inc:The 風力発電量予測システム、方法及びプログラム

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016136807A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016136001A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 予測装置
JP2016136004A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016220494A (ja) * 2015-05-26 2016-12-22 東京電力ホールディングス株式会社 太陽光発電における発電量推定学習の支援システム
CN108133319A (zh) * 2017-12-21 2018-06-08 北京金风科创风电设备有限公司 功率曲线符合度的确定方法、装置、设备及存储介质
CN108133319B (zh) * 2017-12-21 2021-03-30 北京金风科创风电设备有限公司 功率曲线符合度的确定方法、装置、设备及存储介质
CN111311022A (zh) * 2020-03-12 2020-06-19 深圳前海微众银行股份有限公司 发电量预测方法、装置、设备及计算机可读存储介质
CN111340307A (zh) * 2020-03-13 2020-06-26 华润电力技术研究院有限公司 预测风机风力发电功率的方法以及相关装置
CN111340307B (zh) * 2020-03-13 2023-08-04 华润电力技术研究院有限公司 预测风机风力发电功率的方法以及相关装置
CN113627706B (zh) * 2020-05-06 2024-05-10 株式会社AtwoM 基于调度器的风力发电机的维护支持操作管理平台装置
CN113627706A (zh) * 2020-05-06 2021-11-09 株式会社 A2M 基于调度器的风力发电机的维护支持操作管理平台装置
CN113379143A (zh) * 2021-06-23 2021-09-10 阳光电源股份有限公司 一种典型气象年的构建方法、发电量预测方法及相关装置
KR102674314B1 (ko) 2022-08-04 2024-06-11 한국전력공사 풍력 발전 단지 단기 이벤트 검출 장치 및 그 방법
KR102586116B1 (ko) * 2022-11-30 2023-10-06 식스티헤르츠 주식회사 풍력 발전량 예측 방법 및 시스템
CN116845973B (zh) * 2023-08-25 2023-11-21 湖北华中电力科技开发有限责任公司 一种风力供电方法和装置
CN116845973A (zh) * 2023-08-25 2023-10-03 湖北华中电力科技开发有限责任公司 一种风力供电方法和装置

Also Published As

Publication number Publication date
JP5461748B1 (ja) 2014-04-02
JPWO2014155482A1 (ja) 2017-02-16

Similar Documents

Publication Publication Date Title
JP5461748B1 (ja) 発電量予測装置、発電量予測方法、及びプログラム
US20220275788A1 (en) Forecasting output power of wind turbine in wind farm
Pulkkinen et al. Geomagnetically induced currents: Science, engineering, and applications readiness
Wedi et al. A baseline for global weather and climate simulations at 1 km resolution
JP5020106B2 (ja) 風力発電量予測システム、方法及びプログラム
US9337656B2 (en) Method and system for forecasting wind energy
US9348394B2 (en) Managing computational workloads of computing apparatuses powered by renewable resources
JP3950928B2 (ja) 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
JP6552928B2 (ja) 気象予測装置、気象予測方法およびプログラム
Teixeira et al. Satellite observations for CMIP5: The genesis of Obs4MIPs
JP2016136001A (ja) 予測装置
JP5989754B2 (ja) 予測装置
Che et al. A wind power forecasting system based on the weather research and forecasting model and Kalman filtering over a wind-farm in Japan
JP5989732B2 (ja) 発電量予測装置、発電量予測方法、及びプログラム
Lefèvre et al. The HelioClim-1 database of daily solar radiation at Earth surface: an example of the benefits of GEOSS Data-CORE
JP2015167439A (ja) 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
Louassa et al. Effects of local ambient air temperatures on wind park performance: case of the Kaberten wind park
KR20210053562A (ko) 글로벌 기후 자료의 품질 관리 방법 및 장치
Constantinescu et al. Unit commitment with wind power generation: integrating wind forecast uncertainty and stochastic programming.
KO et al. Projected changes in wind energy potential using CORDEX ensemble simulation over West Africa
JP2012044089A (ja) 発電量推定システム
Madaus et al. Hyper-local, efficient extreme heat projection and analysis using machine learning to augment a hybrid dynamical-statistical downscaling technique
Mboumboue et al. On the applicability of several conventional regression models for the estimation of solar global radiation component in Cameroon and Senegal sub-Saharan tropical regions
Ganesan et al. Assessment of wind energy potential using topographical and meteorological data of a site in Central India (Bhopal)
CN114966892A (zh) 星地总辐射观测数据匹配及评估方法和系统、介质及设备

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2013547753

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 13879988

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13879988

Country of ref document: EP

Kind code of ref document: A1