WO2014203431A1

WO2014203431A1 - 予測システム、予測装置および予測方法

Info

Publication number: WO2014203431A1
Application number: PCT/JP2013/084668
Authority: WO
Inventors: 清高松江; 和人久保田; 酢山　明弘; 恭介片山; 卓久和田; 祐之山岸; 俊昭枝広
Original assignee: 株式会社東芝
Priority date: 2013-06-21
Filing date: 2013-12-25
Publication date: 2014-12-24
Also published as: EP3012969A4; JP2015005641A; JP6193008B2; EP3012969A1; CN105308853A; US20140379311A1

Abstract

　実施形態によれば、予測システムは、太陽光発電ユニットの発電量を予測する。この予測システムは、計算部と、係数最適化部とを具備する。計算部は、日射強度を発電量に変換する発電係数に基づいて、日射強度の予測値から発電量の予測値を計算する。係数最適化部は、発電係数を適応的に可変する。

Description

予測システム、予測装置および予測方法

　本発明の実施形態は、太陽光発電（Photovoltaic Power Generation：ＰＶ）パネルを含む、ＰＶ装置（ＰＶユニット）の発電量を予測する技術に関する。

　将来のスマートエネルギー社会にあっては、需要家ごとのエネルギー需要量（デマンド）だけでなく、エネルギー生産量を正確に予測することがキーポイントになる。創エネルギー機器のなかでもＰＶ装置が著名であり、ＰＶ装置の発電量を予測するためのさまざまな手法が提案されている。

　例えば、全天日射強度とＰＶパネルの設置情報とに基づいて斜面日射強度を求めるためのモデル（例えばＥｒｂｓモデル）が知られている。そして、予測された全天日射強度を斜面日射強度に変換し、発電係数を乗じて発電量を予測する手法が知られている。このほか予測日の天気予報や気温、湿度情報などから発電量を予測する手法も知られている。過去のログデータから予測日の類似パターンを検索し、パターンマッチングにより発電量を予測する手法も知られている。

特開２０１２－１２４１８８号公報特開２０１１－１２４２８７号公報

Erbs, et.al, "Estimation of the diffuse radiation fraction for hourly, daily, and monthly average global radiation", Solar Energy, Vol.28, No.4, pp.293-302, 1982.

　既知の技術では、予測地点付近の発電量計や日射量計から得られた時系列データを用いたパターンマッチング処理により類似パターンを抽出することで、ＰＶパネルの発電量が予測される。このため比較的負荷の高い計算を要する。また、直ぐ近い未来の発電量を予測できるに過ぎない。このほか、ＰＶパネルの陰になる部分を３次元の地図情報を用いて特定し、予測発電量を補正する手法もある。しかしＰＶパネルの経年劣化などを考慮することはできない。

　さらに、既存の予測技術では、機器（ＰＶユニットやＰＶ－ＰＣＳ（パワーコンディショニングシステム）など）ごとに依存するデータ（発電効率など）を用いる必要がある。機器やそのメーカに依存することなく、統一的な手法で高精度に発電量を予測可能な技術が要望されている。

　目的は、発電量を高精度で予測可能な予測システム、予測装置および予測方法を提供することにある。

図１は、実施形態に係わる予測システムの一例を示す図である。図２は、予測サーバ１３２の一例を示す機能ブロック図である。図３は、発電量演算部２１３の機能を説明するための図である。図４は、実施形態に係わる発電量演算部２１３および係数最適化部２１４の関係を示す図である。図５は、係数最適化部２１４の一例を示す機能ブロック図である。図６は、日射強度（実績値）の一例を示す図である。図７は、発電量（実績値）の一例を示す図である。図８は、日射強度（実績値）のピーク値の一例を示す図である。図９は、日射強度および発電量の時刻ごとのピーク値の一例を示す図である。図１０は、算出された発電係数の時系列の一例を示す図である。図１１は、ＰＶパラメータの一例を示す図である。図１２は、日射強度（予測値）の一例を示す図である。図１３は、第１の実施形態において算出された発電量（予測値）の一例を示す図である。図１４は、発電係数（固定値）の一例を示す図である。図１５は、係数最適化部の他の例を示す機能ブロック図である。図１６は、サンプル最適化部６１５の一例を示す機能ブロック図である。図１７は、係数最適化部６１１における処理手順の一例を示すアクティビティ図である。図１８は、係数最適化部の他の例を示す機能ブロック図である。図１９は、補正部７１５の一例を示す機能ブロック図である。図２０は、発電係数データベース７３１に記憶されるデータの一例を示す図である。図２１は、発電係数データベース７３１に記憶されるデータの一例を示す図である。

　図１は、実施形態に係わる予測システムの一例を示す図である。図１において、アパートメントハウス１０１はＰＶユニット１１１を備える。一戸建て（ホーム）１０２はＰＶユニット１１２を備える。工場１０３はＰＶユニット１１３を備える。ＰＶユニットは、太陽光エネルギーを電力に変換するＰＶパネルを備える、創エネルギー機器である。

　アパートメントハウス１０１は、ローカルサーバ１２１を介してクラウドコンピューティングシステム（以下クラウドと略称する）１４１に接続される。ホーム１０２、工場１０３も、それぞれローカルサーバ１２２、１２３を介してクラウド１４１に接続される。ローカルサーバ１２１はアパートメントハウス１０１のＰＶユニット１１１の発電量（ＰＶ発電量）を計測する。得られた計測値は、例えば３０分周期でクラウド１４１に送信される。同様にローカルサーバ１２２はＰＶユニット１１２（ホーム１０２）の発電量をクラウド１４１に送信し、ローカルサーバ１２３はＰＶユニット１１３（工場１０３）の発電量をクラウド１４１に送信する。周知のように、クラウド１４１はコンピュータネットワークである。

　クラウド１４１は気象サーバ１３１、予測サーバ１３２およびデータサーバ１３３を備える。このうちデータサーバ１３３は、ローカルサーバ１２１、１２２および１２３から送信されたＰＶ発電量の計測値を記憶する。またデータサーバ１３３は、日々の日射強度の計測値を例えば１年間、あるいは１０年間などのスパンにわたって記憶する。日射強度の計測値は気象サーバ１３１から与えられても良いし、ローカルサーバ１２１、１２２および１２３により計測されても良い。計測の頻度は例えば毎分でも良いし、あるいは毎正時（０分）ごとでも良い。

　気象サーバ１３１は気象情報、気象予測データおよび風速データなど（以下、気象データと総称する）を、クラウド１４１内に配信する。気象データは気象庁や気象会社などにより提供される。

　予測サーバ１３２は上記気象データ、およびデータサーバ１３３に記憶されるＰＶ発電量の計測値などに基づいて、ＰＶユニット１１１、１１２および１１３の発電量を予測する。実施形態ではその処理について詳しく説明する。　
　以下では、予測すべき未来の値を予測値と称し、過去の値を実績値と称して、予測値と実績値とを区別する。ＰＶ発電量の計測値や、データサーバ１３３に記憶される各種のデータなどはいずれも実績値である。

　なお、ＥＣＨＯＮＥＴ（登録商標）、ＥＣＨＯＮＥＴＬｉｔｅ（登録商標）、ＺｉｇＢＥＥ（登録商標）、Ｚ－Ｗａｖｅ（登録商標）、ＫＮＸ（登録商標）などのプロトコルが上記システムに使用可能である。下位レイヤにはイーサネット（登録商標）などの有線ＬＡＮ、電力線通信、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、あるいは３Ｇや４Ｇなどのセルラフォン向けプロトコルを使用できる。これらのプロトコルはローカルサーバと需要家（およびその電気機器）との間や、ローカルサーバとクラウド１４１との通信に適用できる。

　図２は、予測サーバ１３２の一例を示す機能ブロック図である。予測サーバ１３２は、ＣＰＵ（Central Processing Unit）やメモリなどを備えるハードウェア２１１と、このハードウェア２１１上で動作するＯＳ（Operation System）２１２とを備える。さらに、それぞれソフトウェアモジュールである発電量演算部２１３と係数最適化部２１４とがＯＳ２１２上で機能することで、予測サーバ１３２の機能が実現される。このように、予測サーバ１３２はコンピュータとして実現されることができる。このほかクラウド１４１の仮想サーバ機能を利用しても、予測サーバ１３２の機能を実現することが可能である。

　図３は、発電量演算部２１３の機能を説明するための図である。発電量演算部２１３は日射強度（予測値）、ＰＶパラメータおよび発電係数（固定値）に基づいて、計算の対象であるＰＶユニットのＰＶ発電量（予測値）を算出する。日射強度（予測値）は、ＰＶユニットの設置地点、あるいは設置地点付近における日射強度の予測値である。日射強度（予測値）は気象庁や気象会社などから提供される。ただし日射強度（予測値）は全天日射強度で表されるので、ＰＶパラメータを用いて斜面日射強度に変換する。

　ＰＶパラメータは、ＰＶユニットの特徴を示す情報を含む。ＰＶパラメータは例えばＰＶパネルの設置位置（緯度、経度）、設置向き（傾斜角、方位角）などの、ＰＶユニットを特徴付ける情報である。さらに、発電量を予測すべき日（予測日）の日付などの情報をＰＶパラメータに含めても良い。ＰＶパラメータを用いて、例えばＥｒｂｓモデルに基づいて全天日射強度から斜面日射強度を算出することができる。この斜面日射強度に発電効率などの要素を含む発電係数を乗じて、発電量（予測値）を算出することができる。　
　ただし既存の技術では、発電係数の値が固定値であったので、例えば経年変化に伴う発電量の変化をフォローすることはできない。そこで実施形態では、発電係数の値を適応的に可変できるようにする。つまり発電係数の値を適切な値に可変できるようにする。以下にその詳細について説明する。

　図４は、実施形態に係わる発電量演算部２１３および係数最適化部２１４の関係を示す図である。すなわち実施形態では、日射強度（実績値）とＰＶユニットの発電量（実績値）とが、係数最適化部２１４に入力される。係数最適化部２１４は、日射強度（実績値）およびＰＶユニットの発電量（実績値）に基づいて発電係数を最適化し、この最適化された発電係数を出力する。

　係数最適化部２１４から出力される発電係数は、日射強度（予測値）およびＰＶパラメータとともに発電量演算部２１３に与えられる。発電量演算部２１３は、ＰＶパラメータに基づいて日射強度（予測値）を斜面日射強度に変換し、この斜面日射強度に、最適化された発電係数を乗算して発電量（予測値）を算出する。次に、係数最適化部２１４に係わる複数の実施形態について説明する。

　［第１の実施形態］
　図５は、係数最適化部２１４の一例を示す機能ブロック図である。係数最適化部２１４は、データ抽出部５１２、ピーク演算部５１３および係数算出部５１４を備える。　
　データ抽出部５１２は、データサーバ１３３（図１）から日射強度（実績値）およびＰＶユニットの発電量（実績値）を取得する。そして、データ抽出部５１２は、取得した日射強度（実績値）および発電量（実績値）から過去Ｎ日分のサンプルを抽出する。抽出日数Ｎは自然数であり、その値（日数）は、例えば７、１４、２８、６０、９０、１８０、３６５などのように予め決めておくようにする。

　抽出されたサンプルはピーク演算部５１３に渡される。ピーク演算部５１３は、日射強度（実績値）の過去Ｎ日分のデータから、時間帯ごと、あるいは毎正時ごとのピーク値を算出する。またピーク演算部５１３は、発電量（実績値）の過去Ｎ日分のデータから、時間帯ごと、あるいは毎正時ごとのピーク値を算出する。求められた日射強度（実績値）のピーク値および発電量（実績値）のピーク値は、係数算出部５１４に渡される。　
　なおピーク値を算出するのは主にノイズ成分を除去するためである。値の大きいデータをサンプルにすることでノイズの影響が少なくなるので、係数算出部５１４は、正確な値を算出できるようになる。

　係数算出部５１４は、比例計算により発電係数を算出する。つまり係数算出部５１４は、発電量（実績値）のピーク値を日射強度（実績値）のピーク値で除算して発電係数を算出する。実施形態では、例えば１０分ごとの発電係数が算出される。

　図６は、日射強度（実績値）の一例を示し、図７は発電量（実績値）の一例を示す。いずれの値もデータサーバ１３３（図１）に記憶される。図６および図７において、２０１３年１月１日０時０分から２０１３年１月１５日２３時５０分までの、１０分刻みの値が示される。

　ここで、予測の対象日を２０１３年１月１６日とし、その日の２４時間分の発電量を予測することを考える。データ抽出部５１２は予測対象日から過去Ｎ日分のデータを抽出する。例えば過去７日分のデータを取得するのであれば（Ｎ＝７）、データ抽出部５１２は２０１３年１月９日０時０分から２０１３年１月１５日２３時５０分までのデータをサンプルとして抽出する。

　ピーク演算部５１３は、抽出された過去のデータから時刻（時間帯）ごとのピーク値を求める。２０１３年１月９日０時０分から２３時５０分までには１４４個のデータがある。図８に示されるように、日射強度については時刻ごとに７日間のデータのうちからピーク値が抽出される。例えば１２：００においては、２０１３年１月１５日の値２５０．０がピーク値である。発電量についても同様に時刻ごとのピーク値が７日間分のデータから抽出される。図９に、日射強度および発電量の、時刻ごとのピーク値の一例が示される。

　係数算出部５１４は、ピーク演算部５１３により算出された発電量のピーク値を日射強度のピーク値で除して、発電係数の時系列を算出する。すなわち時刻ｔにおける発電係数（ｔ）は、次式（１）により算出される。　
　発電係数（ｔ）＝発電量ピーク値（ｔ）÷日射強度ピーク値（ｔ）　・・・（１）
　図１０は、式（１）を用いて算出された発電係数の一例を示す。なお０÷０は不定値なので、このようなケースでの発電係数の値として、予め０．０を定義しておくと良い。

　発電量演算部２１３は、係数算出部５１４で算出された発電係数、およびＰＶパラメータを用いて日射強度（予測値）を発電量（予測値）に変換する。ＰＶパラメータは図１１に例示されるように、予測日の日付、ＰＶパネルの設置場所に関する情報（緯度、経度）、およびＰＶパネルの設置向きに関する情報（傾斜角、方位角）を含む。

　図１２は、気象庁や気象会社などから提供される、日射強度（予測値）の一例を示す図である。図１２には、２０１３年１月１５日０時０分から２３時５０分までの日射強度（予測値）が一例として示される。通常、この種のデータは全天日射強度で与えられるので、ＰＶパラメータ（図１１）を用いて斜面日射強度に変換する必要がある。全天日射強度から斜面日射強度を算出する方法として、Ｅｒｂｓモデルなどが提案されている。斜面日射強度が求まれば、発電係数を用いて発電量を求めることができる。

　実施形態では、係数最適化部２１４により算出された発電係数（ｔ）の時系列を用いて、例えば次式（２）により発電量（予測値）（ｔ）の時系列を算出する。算出された発電量（予測値）の一例が図１３に示される。　
　発電量（予測値）（ｔ）＝斜面日射強度（ｔ）×発電係数（ｔ）　・・・（２）
　以上述べたように第１の実施形態では、発電係数を、固定された値とせず、発電量および日射強度の実績値に基づいて適応的に可変するようにしている。　
　既存の技術では、例えば図１４に示されるように発電係数が固定された値であり、式（３）に基づいて発電量の予測値の時系列が算出される。　
　発電量（予測値）（ｔ）＝斜面日射強度（ｔ）×発電係数（固定値）　・・・（３）
　このためＰＶパネルの発電効率の変化などを反映することができず、発電量の予測精度が次第に低下するという困難があった。また経時的な特性の変化だけでなく、設置場所における環境の変化などにも追従することができない。

　これに対し第１の実施形態では、ＰＶユニットの設置地点における日射強度（予測値）、過去の日射強度（実績値）および発電量データ（実績値）を用いて、予測日の発電係数が算出される。そして、この算出された発電係数に基づいて、予測日における発電量の予測値が算出される。これにより、常に最新の状態を反映する発電係数を用いることができるので、経年変化などの影響を除去することができる。また、ＰＶユニットやＰＶ－ＰＣＳなどの機器に固有のデータに依存することなく、統一的な手法により発電量の予測値を算出することができる。さらには、ＰＶユニット上に生じた日陰などによる一時的な発電量低下も反映した発電量予測が可能となる。

　これらのことから、ＰＶユニットの発電量を高精度に予測することが可能になる。ひいては、蓄電池の充電／放電の最適な制御をはじめとする、電気機器の運転スケジュールの精度も向上させることができるようになり、ＣＯ２排出量の低減や光熱費の削減を促進することが可能になる。

　［第２の実施形態］
　図１５は、係数最適化部の他の例を示す機能ブロック図である。区別のため、図１５に示される係数最適化部に符号６１１を付して示す。図１５において、図５と共通する箇所には同じ符号を付して示す。　
　係数最適化部６１１はサンプル最適化部６１５を備える。サンプル最適化部６１５は、正確な発電量（予測値）を得るための抽出日数Ｎの値を算出する。つまり第２の実施形態では抽出日数Ｎの値を適応的に可変することで、誤差を最小にする。第１の実施形態では抽出日数Ｎの値が固定的であり、データ抽出部５１２で抽出されるデータの数は固定値であった。第２の実施形態ではこのデータの数を可変にし、かつ、その数を最適化する。

　図１５に示されるサンプル最適化部６１５は、日射強度（実績値）、発電量（実績値）および算出された発電係数を取得する。　
　図１６は、サンプル最適化部６１５の一例を示す機能ブロック図である。サンプル最適化部６１５は、発電量演算部６４２、誤差演算部６４３および抽出日数演算部６４４を備える。発電量演算部６４２は日射強度（実績値）および発電係数に基づいて発電量を算出する。誤差演算部６４３は、発電量演算部６４２で算出された発電量とデータサーバ１３３から取得した発電量（実績値）との誤差を算出する。抽出日数演算部６４４は、誤差が最小になる抽出日数Ｎを算出する。

　図１７は係数最適化部６１１における処理手順の一例を示すアクティビティ図である。係数最適化部６１１のデータ抽出部５１２は、先ず日射強度（実績値）および発電量（実績値）の過去のＮ日分にわたるデータをデータサーバ１３３から取得する（ステップＳ１）。次にピーク演算部５１３は、データ抽出部５１２により取得されたデータから日射強度のピーク値および発電量のピーク値の、時間帯ごとの値を算出する（ステップＳ２）。次に係数算出部５１４は、発電量のピーク値を日射強度のピーク値で除して（発電量のピーク値÷日射強度のピーク値）、発電係数の時系列を算出する（ステップＳ３）。

　第２の実施形態では、次に、過去Ｎ日判定処理が実行される（ステップＳ４）。つまり自然数Ｎが１から最大値Ｎｍａｘに至るまで、Ｎの値をインクリメントしつつステップＳ１～Ｓ３の処理が繰り返される。ＮがＮｍａｘ日数未満であれば処理手順はステップＳ１に戻り、発電係数を求める手順が最初から繰り返される。以上の手順によりＮｍａｘ日数分の発電係数が算出される。

　Ｎｍａｘ日数分の発電係数が求まると（Ｎ≧Ｎｍａｘ）、発電量を演算するための処理が実行される（ステップＳ５）。すなわち別途取得した日射強度（予測値）をＥｒｂｓモデルにより斜面日射強度に変換し、発電係数を乗じて発電量を得る。ただし発電係数がＮｍａｘ日数分にわたり算出されているので、発電量もＮｍａｘ日数分が算出されることになる。また、このステップで算出される発電量は仮の値であるので、仮発電量と称することにする。

　Ｎｍａｘ日数分の仮発電量が求まれば、誤差演算処理が実行される（ステップＳ６）。このステップにおいて誤差演算部６４３は、仮発電量と、取得した発電量（実績値）との誤差を次式（４）により求める。　
　誤差＝Σ｛仮発電量－発電量（実績値）｝²　・・・（４）
　Σは時刻ｔについての和であり、ここでは２４時間分の積算が実施される。つまり、時間帯ごとに仮発電量と発電量（実績値）との差を２乗した値が１日分にわたって積算されて、Ｎｍａｘ個の誤差データが求められる。次に抽出日数演算部６４４は、Ｎｍａｘ個の誤差データから誤差が最小になる日数Ｎを決定する。そして、ここで決定された日数Ｎ分の実績値データに基づいて、発電係数の決定処理が実行される（ステップＳ７）。

　以上説明したように第２の実施形態では、発電係数の算出に係る日射強度（実績値）および発電量（実績値）のサンプル数が最適化される。つまりデータサーバ１３３からデータを抽出すべき日数Ｎを最適化する。具体的には、算出された発電係数に基づく発電量の予測値と発電量（実績値）との誤差を、Ｎ＝１からＮｍａｘまで算出し、誤差が最小になる最適抽出日数Ｎを見い出す。

　例えば予測すべき日の直前の３日間の天気がいずれも雨だったとする。このときＮの値がＮ＝３と固定されていると、雨の日のデータだけを頼りに発電係数を計算しなくてはならなくなるので、精度が劣化する。日射強度（実績値）も発電量（実績値）も、いずれも０に近い値しか得られないからである。

　そこで第２の実施形態ではＮを可変できるようにし、例えばＮ＝７という値も得られるようにする。このようにすることで雨天の日だけでなく晴天の日のデータをも含めて発電係数を算出できるようになり、従って発電量の予測精度をさらに向上させることが可能になる。

　［第３の実施形態］
　図１８は、係数最適化部の他の例を示す機能ブロック図である。区別のため係数最適化部に符号７１１を付して示す。図１８において図１５と共通する箇所には同じ符号を付して示す。第３の実施形態では、算出された発電係数をさらに補正する処理について説明する。　
　図１８において、係数算出部５１４で算出された発電係数は補正部７１５に入力される。補正部７１５は発電係数データベース７３１に記憶されるデータを用いて発電係数を補正する。なお発電係数の値によっては補正を要しないケースもある。

　図１９は、補正部７１５の一例を示す機能ブロック図である。補正部７１５は、保存部７５２と、補正係数適用部７５３とを備える。保存部７５２は、係数算出部５１４から渡される発電係数を発電係数データベース７３１に記憶させる。補正係数適用部７５３は、係数算出部５１４から渡される発電係数を、発電係数データベース７３１の過去の発電係数を利用して補正する。補正された発電係数は発電量演算部２１３に渡される。

　図２０および図２１に、発電係数データベース７３１に記憶されるデータの一例が示される。例えば図２０に示されるデータベースは、発電係数の１時間ごとの値を、１ヶ月の単位で平均した値を記録したデータベースである。この発電係数データベース７３１は例えば図２１に示されるように、年毎にまとめて記録されても良い。保存部７５２はこのように、算出された発電係数を発電係数データベース７３１に格納する。

　補正係数適用部７５３は、例えば指数移動平均法を用いて発電係数を補正し、発電係数の急激な変化を抑制する。補正係数適用部７５３は、例えば式（５）に基づいて、補正後の発電係数の時系列である発電係数（ｔ）を算出する。ここで、発電係数（ｔ，Ｔ）は、発電係数データベース７３１に記憶される発電係数のうち、Ｔヶ月前の時刻ｔにおける発電係数データを示す。

　発電係数（ｔ）＝Σ（発電係数（ｔ，Ｔ）×補正係数（Ｔ））　・・・（５）
　式（５）におけるΣはＴについての和を示す。式（５）における補正係数（Ｔ）はＴヶ月前のデータに適用される重み係数である。補正係数（Ｔ）は、指数移動平均法によればＴが大きくなるほど、つまり過去に遡るにつれて指数関数的に減少する。Ｔが小さいとき、つまり直前のデータに対しては、補正係数（Ｔ）は比較的大きな値をとる。

　第３の実施形態では、係数算出部５１４により算出された発電係数を、例えば日付を基準とする指数移動平均法により補正する。つまり直前のデータの重み付けを高くし、過去に遡るほど重み付けを小さくした平均化により発電係数を補正することで、発電係数の急激な変化を抑制することができる。これにより、発電量の予測値が、例えば天候の急激な変化などにより過剰に変化することを抑制できる。つまり、直近の急激な天候の変化などに対して過剰に反応することなく発電量を予測することができる。

　なお、本発明は上記実施の形態に限定されるものではない。例えば実施形態では太陽光発電について説明したが、太陽熱発電についても同様である。また、上記説明では日射強度から発電量を算出したが、日射量から発電量を算出することももちろん可能である。つまり日射強度を日射量と読み替えても同様の議論が成り立つ。

　また実施形態では、予測日から過去のＮ日のデータを用いて発電係数を算出した。Ｎの値としては任意の自然数だけでなく、例えば７日、１４日、２８日、６０日、９０日、１８０日、３６５日などが考えられる。このほか、月単位、季節単位、年単位といった区分で１年を分割し、その期間にわたるデータを抽出しても良い。また、同じ月や、同じ季節においては発電係数の変化が少ないとの考え方に基づいて、抽出期間を決定しても良い。

　また、過去の天気データから晴天時の間隔を調査し、その間隔が最も長い日の発電量（実績値）および日射強度（実績値）を、サンプルとして抽出しても良い。また、予測日から遡って直前の晴天日までの日数を採用し、予測処理の都度、最適解を算出するようにしても良い。さらに、晴れの日のデータを無作為に抽出してサンプルデータとしても良い。

　また第３の実施形態では、１ヶ月ごとのデータを用いて発電係数を補正するケースを示した。これに限らず、１日単位のデータを適用して補正しても良いし、３ヶ月など季節単位での適用、あるいは過去の同月について年単位で遡るパターンなど、発電係数は様々な手法で補正することができる。また、指数移動平均法に限らず、単純移動平均法でもよい。または、Ｔに対して指数的でなく線形に減少する重み係数を用いる、加重移動平均法なども利用可能である。

　本発明のいくつかの実施形態を説明したが、これらの実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

Claims

　太陽光発電ユニットの発電量を予測する予測システムにおいて、
　日射強度を前記発電量に変換する発電係数に基づいて、前記日射強度の予測値から前記発電量の予測値を計算する計算部と、
　前記発電係数を適応的に可変する係数最適化部とを具備することを特徴とする、予測システム。
　前記計算部は、
　　前記太陽光発電ユニットを特徴付けるパラメータに基づいて全天日射強度の予測値から斜面日射強度の予測値を算出し、
　　前記斜面日射強度の予測値に前記発電係数を乗算して前記発電量の予測値を計算することを特徴とする、請求項１に記載の予測システム。
　さらに、前記日射強度の実績値および前記発電量の実績値を記憶するデータベースを具備し、
　　前記係数最適化部は、
　前記日射強度の実績値のサンプルと、前記発電量の実績値のサンプルとを前記データベースから抽出する抽出部と、
　前記抽出された発電量の実績値のサンプルと日射強度の実績値のサンプルとの比に基づいて前記発電係数を算出する係数算出部とを備えることを特徴とする、請求項１に記載の予測システム。
　前記抽出部は、前記日射強度の実績値および前記発電量の実績値の、それぞれ予測日より過去の既定の日数にわたるサンプルを抽出することを特徴とする、請求項３に記載の予測システム。
　さらに、前記日数を最適化するサンプル最適化部を備えることを特徴とする、請求項４に記載の予測システム。
　　前記サンプル最適化部は、
　前記計算部により計算された発電量と前記発電量の実績値との差に基づく誤差を算出する誤差演算部と、
　前記算出された誤差を最小とすべく前記日数を最適化する日数演算部とを備えることを特徴とする、請求項５に記載の予測システム。
　　前記係数最適化部は、
　さらに、前記算出された発電係数を補正する補正部を備えることを特徴とする、請求項３に記載の予測システム。
　前記補正部は、過去に算出された発電係数に対して指数移動平均法を用いて前記算出された発電係数を補正することを特徴とする、請求項７に記載の予測システム。
　前記補正部は、過去に算出された発電係数に対して単純移動平均法を用いて前記算出された発電係数を補正することを特徴とする、請求項７に記載の予測システム。
　前記補正部は、過去に算出された発電係数に対して線形に重み付けする加重移動平均法を用いて前記算出された発電係数を補正することを特徴とする、請求項７に記載の予測システム。
　太陽光発電ユニットの発電量を予測する予測装置において、
　日射強度の予測値をコンピュータネットワークから取得する取得部と、
　日射強度を前記発電量に変換する発電係数に基づいて、前記日射強度の予測値から前記発電量の予測値を計算する計算部と、
　前記発電係数を適応的に可変する係数最適化部とを具備することを特徴とする、予測装置。
　前記計算部は、
　　前記太陽光発電ユニットを特徴付けるパラメータに基づいて全天日射強度の予測値から斜面日射強度の予測値を算出し、
　　前記斜面日射強度の予測値に前記発電係数を乗算して前記発電量の予測値を計算することを特徴とする、請求項１１に記載の予測装置。
　前記係数最適化部は、
　　前記日射強度の実績値および前記発電量の実績値を記憶する、前記コンピュータネットワークのデータベースから、前記日射強度の実績値のサンプルと、前記発電量の実績値のサンプルとを抽出する抽出部と、
　　前記抽出された発電量の実績値のサンプルと日射強度の実績値のサンプルとの比に基づいて前記発電係数を算出する係数算出部とを備えることを特徴とする、請求項１１に記載の予測装置。
　太陽光発電ユニットの発電量を予測する予測方法において、
　日射強度を前記発電量に変換する発電係数に基づいて、前記日射強度の予測値から前記発電量の予測値を計算し、
　前記発電係数を適応的に可変することを特徴とする、予測方法。
　前記計算することは、
　　前記太陽光発電ユニットを特徴付けるパラメータに基づいて全天日射強度の予測値から斜面日射強度の予測値を算出し、
　　前記斜面日射強度の予測値に前記発電係数を乗算して前記発電量の予測値を計算することを特徴とする、請求項１４に記載の予測方法。
　前記可変することは、前記日射強度の実績値のサンプルと、前記発電量の実績値のサンプルとを、前記日射強度の実績値および前記発電量の実績値を記憶するコンピュータネットのデータベースから抽出し、
　前記抽出された発電量の実績値のサンプルと日射強度の実績値のサンプルとの比に基づいて前記発電係数を算出することを特徴とする、請求項１４に記載の予測方法。
　前記抽出することは、前記日射強度の実績値および前記発電量の実績値の、それぞれ予測日より過去の既定の日数にわたるサンプルを抽出することを特徴とする、請求項１６に記載の予測方法。
　さらに、前記日数を最適化することを特徴とする、請求項１７に記載の予測方法。
　　前記日数を最適化することは、
　前記計算された発電量と前記発電量の実績値との差に基づく誤差を算出し、
　前記算出された誤差を最小とすべく前記日数を最適化することを特徴とする、請求項１８に記載の予測方法。
　さらに、前記算出された発電係数を補正することを特徴とする、請求項１６に記載の予測方法。
　前記補正することは、過去に算出された発電係数に対して指数移動平均法を用いて前記算出された発電係数を補正することを特徴とする、請求項２０に記載の予測方法。
　前記補正することは、過去に算出された発電係数に対して単純移動平均法を用いて前記算出された発電係数を補正することを特徴とする、請求項２０に記載の予測方法。
　前記補正することは、過去に算出された発電係数に対して線形に重み付けする加重移動平均法を用いて前記算出された発電係数を補正することを特徴とする、請求項２０に記載の予測方法。