WO2017221463A1 - 太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム - Google Patents

太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム Download PDF

Info

Publication number
WO2017221463A1
WO2017221463A1 PCT/JP2017/007074 JP2017007074W WO2017221463A1 WO 2017221463 A1 WO2017221463 A1 WO 2017221463A1 JP 2017007074 W JP2017007074 W JP 2017007074W WO 2017221463 A1 WO2017221463 A1 WO 2017221463A1
Authority
WO
WIPO (PCT)
Prior art keywords
solar cell
amount
conversion efficiency
power generation
solar
Prior art date
Application number
PCT/JP2017/007074
Other languages
English (en)
French (fr)
Inventor
崇志 岡田
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to JP2018523307A priority Critical patent/JP6624475B2/ja
Publication of WO2017221463A1 publication Critical patent/WO2017221463A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • 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
    • H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
    • 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 cell power generation amount prediction device, a power generation amount prediction method, and a power generation amount prediction program for predicting the power generation amount of a solar cell based on predicted data of solar radiation amount and conversion efficiency.
  • one of the performance evaluations of solar cells is the JIS 8912 and JIS 8913 standards.
  • the energy conversion efficiency (hereinafter simply referred to as conversion efficiency) is a value obtained by dividing the output power (W) of the solar cell by the incident light energy (W).
  • a solar battery Since a solar battery is a device installed and used outdoors, it is basically necessary to install a solar battery outdoors and acquire long-term (annual unit) data in evaluation in a real driving environment. On the other hand, in order to complete the evaluation under actual driving conditions in a short period, there is also a method of predicting the power generation amount from data such as solar cell conversion efficiency, date and time, latitude / longitude, installation angle, solar radiation amount Reference 1).
  • the present invention has been made in view of these circumstances, and an object thereof is to provide a solar cell power generation amount prediction device capable of accurately predicting the power generation amount of a solar cell, a power generation amount prediction method, and a power generation amount prediction program. It is in.
  • the power generation amount prediction device of a solar cell includes a data input unit that inputs prediction data of the amount of solar radiation incident on the solar cell installed in a predetermined place, A first dependency between the derived conversion efficiency of the solar cell and the amount of solar radiation, a first correction process of the conversion efficiency using predicted data of the amount of solar radiation, and a conversion efficiency of the solar cell derived in advance A conversion efficiency correction unit that executes at least one of a second dependence relationship between the light source and the incident angle of sunlight, and a second correction process of the conversion efficiency using the incident angle estimated based on a solar orbit; And a power generation amount prediction unit configured to predict the power generation amount of the solar cell based on the input prediction data of the amount of solar radiation and the corrected conversion efficiency.
  • the power generation amount of the solar cell can be predicted with high accuracy.
  • FIGS. 1A and 1B are diagrams showing a configuration of a solar power generation system and a first connection example of a power generation amount prediction apparatus according to an embodiment of the present invention. It is a figure showing an example of composition of a power generation amount prediction device concerning an embodiment of the invention.
  • FIGS. 3 (a) to 3 (f) are diagrams showing an example of direct solar radiation and scattered solar radiation. It is a flowchart which shows the flow of the electric power generation amount prediction process using a 2nd electric power generation amount prediction model. It is a figure which shows the 2nd connection example of the electric power generation amount prediction apparatus based on embodiment of this invention.
  • FIGS. 6 (a) and 6 (b) are graphs showing the amount of power generation of the solar cells installed at a certain place in the Kinki region.
  • Fig.1 (a) is a figure which shows the structure of a solar energy power generation system.
  • the power generated by the solar cell 1 is output to the power converter 2.
  • the power conversion device 2 is a power conditioner system (PCS) that converts DC power input from the solar cell 1 into AC power and outputs the AC power to the grid 3.
  • the power conversion device 2 may supply the converted AC power to a load (not shown).
  • PCS power conditioner system
  • Power converter 2 includes a boost chopper (not shown) and an inverter (not shown).
  • the boost chopper performs MPPT (Maximum Power Point Tracking) control so that the power generated by the solar cell 1 becomes the maximum power point (optimum operating point).
  • MPPT Maximum Power Point Tracking
  • the operating point voltage is changed with a predetermined step width to search for the maximum power point, and control is performed so that the output power of the solar cell 1 maintains the maximum power point.
  • the inverter converts the DC power after MPPT control into AC power and outputs it to the grid 3.
  • the power conversion device 2 measures the input voltage and the input current, and multiplies the two to measure the amount of power generation of the solar cell 1.
  • FIG. 1 (b) is a view showing a first connection example of the power generation amount prediction device 10 according to the embodiment of the present invention.
  • the power generation amount prediction device 10 is connected to the weather data storage device 6 via the network 5.
  • the Internet is assumed as the network 5 in this specification, a dedicated line may be used.
  • Examples of the weather data storage device 6 include database servers operated by NEDO (New Energy and Industrial Technology Development Organization), the Meteorological Agency, and the like.
  • FIG. 2 is a diagram showing a configuration example of the power generation amount prediction device 10 according to the embodiment of the present invention.
  • a general information processing apparatus can be used as the power generation amount prediction apparatus 10.
  • a PC a PC, a server, a tablet, a smartphone, or the like can be used.
  • the power generation amount prediction apparatus 10 includes a communication unit 11, a media insertion unit 12, a control unit 13, a console unit 14, and a storage unit 15.
  • the control unit 13 includes a data input unit 131, a conversion efficiency correction unit 132, an incident angle estimation unit 133, a direct dispersion separation unit 134, a temperature prediction unit, and a power generation amount prediction unit 136.
  • the configuration of the control unit 13 can be realized by cooperation of hardware resources and software resources, or hardware resources only.
  • As hardware resources analog elements, microcomputers, DSPs, ROMs, RAMs, FPGAs, and other LSIs can be used. Programs such as operating systems and applications can be used as software resources.
  • the storage unit 15 stores various programs and various data.
  • the storage unit 15 can use a ROM and a RAM.
  • the communication unit 11 executes communication processing of data transmitted and received via the network 5.
  • a removable media for example, a memory card, an optical disk, a removable HDD, a removable SSD
  • data is read from the removable media. Or write data to removable media.
  • the data input unit 131 acquires the past data of the amount of solar radiation and the outside temperature of the place where the solar cell 1 should be installed, and the conversion efficiency correction unit 132, the incident angle estimation unit 133, and the direct scattering separation as prediction data of the place.
  • the unit 134, the temperature prediction unit 135, and the power generation amount prediction unit 136 are input.
  • the data input unit 131 acquires past data of the place stored in the measurement data storage device 4 via the communication unit 11. When past data is copied to a removable medium and distributed, it is acquired from the medium insertion unit 12. When the user manually inputs past data from the console unit 14, the user acquires the data from the console unit 14.
  • the amount of power generation of the solar cell 1 can be measured based on the voltage and current input from the solar cell 1 to the power conversion device 2. Since this measurement method measures the physical quantity after being converted from light energy to electrical energy, it is basically impossible to analyze light or heat. Since the values of voltage and current to be measured are values after the combined factors of light and heat are involved, exact factor analysis can not be performed.
  • the amount of power generation of the solar cell 1 is predicted based on the light energy before being converted into electric energy and the temperature of the solar cell 1 (hereinafter, referred to as driving temperature).
  • driving temperature the temperature of the solar cell 1
  • total solar radiation and ambient temperature are used as installation condition data.
  • Irradiance dependency, incident angle dependency, and temperature dependency are used as device characteristics of the solar cell 1.
  • the driving temperature t of the solar cell 1 is calculated using a driving temperature prediction model shown in the following (formula 1) derived by single regression analysis based on a plurality of sample data of a set of the total solar radiation amount I and the outside temperature tout ,Predict.
  • JIS8912 and JIS8913 standards are used as standard standards.
  • the solar cell module is irradiated with light of 1 sun (1 kW / m 2 ) vertically at a temperature environment of 25 ° using a solar simulator, and the output voltage of the solar cell module The output current is measured to determine the conversion efficiency of the solar cell module.
  • a solar simulator device for irradiating light of the conditions is used as a simulated solar light source.
  • each solar cell manufacturer describes the conversion efficiency obtained by the evaluation in a catalog or a specification. Hereinafter, this conversion efficiency is referred to as conversion efficiency under standard conditions.
  • the conversion efficiency under standard conditions does not take into account the dependence on irradiance, angle of incidence and temperature. Therefore, in the present embodiment, the dependence of the conversion efficiency of the solar cell 1 on the irradiance, incident angle, and temperature is considered.
  • the dependence of the conversion efficiency of the solar cell 1 on the irradiance is mainly due to the structure of the photodiode (PN structure, PIN structure, etc.) and the material constituting the solar cell module.
  • the dependence of the conversion efficiency of the solar cell 1 on the incident angle is mainly due to the characteristics of the antireflective film (AR coat) attached to the panel surface and the optical structure of the solar cell module.
  • the verifier measures the output voltage and output current of the solar cell module each time the irradiance is changed using a solar simulator, and the solar cell module Find the conversion efficiency of For example, a filter is interposed between the light source and the solar cell module to adjust the illuminance emitted to the solar cell module.
  • a filter is interposed between the light source and the solar cell module to adjust the illuminance emitted to the solar cell module.
  • the value of the conversion efficiency after the normalization is referred to as an irradiation dependent coefficient E (I) of the conversion efficiency.
  • an approximate curve is derived with the irradiance I as an explanatory variable and the illuminance dependence coefficient E (I) as a target variable. For example, it approximates by the quartic function shown in the following (Formula 2). Basically, it becomes a downward-sloping curve in which the illuminance dependence coefficient E (I) decreases as the irradiance I decreases.
  • the verifier changes the incident angle and measures the output voltage and output current of the solar cell module each time using a solar simulator. Determine the conversion efficiency of the module. For example, using a jig capable of adjusting the angle of the solar cell module, the relative angle of the solar cell module with respect to the light source is adjusted. A jig capable of adjusting the angle of the light source may be used.
  • the conversion efficiency after this normalization is referred to as an incident angle dependent coefficient E ( ⁇ ) of the conversion efficiency.
  • an approximate curve with the incident angle ⁇ as an explanatory variable and the incident angle dependent coefficient E ( ⁇ ) as an objective variable is derived. For example, it approximates by the quartic function shown in the following (Formula 3). Basically, it becomes a downward-sloping curve in which the incident angle dependent coefficient E ( ⁇ ) decreases as the incident angle ⁇ increases.
  • the verifier measures the output voltage and output current of the solar cell module each time the temperature is changed using a solar simulator, Find conversion efficiency. For example, the solar cell module is heated by a heater, and the heating temperature is adjusted.
  • this conversion efficiency after normalization is referred to as a temperature-dependent coefficient f (t) of conversion efficiency.
  • an approximate straight line is derived with the temperature t as an explanatory variable and the temperature dependent coefficient f (t) as an objective variable. For example, it approximates with the linear function shown in the following (Formula 4). Basically, the temperature dependence coefficient f (t) decreases as the temperature t rises, and the temperature becomes a downward straight line. The temperature t is also used outside the temperature range used in the measurement.
  • the conversion efficiency ⁇ (I, ⁇ , t) of the solar cell 1 is determined using the following (Equation 5).
  • ⁇ (I, ⁇ , t) 0 0 * E (I) * E ( ⁇ ) * f (t) (5) ⁇ 0 is the conversion efficiency under standard conditions.
  • the drive temperature t derived using the drive temperature prediction model shown in the above (Equation 1) can be used.
  • the incident angle ⁇ can be calculated based on the installation position (longitude and latitude) of the solar cell 1, the date and time, and the installation angle of the light receiving surface of the solar cell 1.
  • the sun's orbit is calculated based on longitude, latitude, and date.
  • the position (altitude / orientation) of the sun at the measurement time of the solar radiation amount and the outside air temperature is specified. From the relationship between the specified position of the sun and the installation angle of the light receiving surface of the solar cell 1, the incident angle ⁇ at each measurement time is calculated.
  • the power generation amount W is predicted as shown in the following (Expression 6) be able to.
  • the total solar radiation can be separated into direct solar radiation and scattered solar radiation (also called sky solar radiation).
  • the direct solar radiation amount is light which directly reaches the solar cell 1 from the sun and has a directional component.
  • the directional component changes with the position of the sun moving with time.
  • the amount of scattered solar radiation is light scattered by particles in the atmosphere such as clouds, and is light reaching the solar cell 1 from all directions.
  • the amount of scattered solar radiation has no directional component.
  • FIGS. 3 (a) to 3 (f) are diagrams showing an example of direct solar radiation and scattered solar radiation.
  • Gray arrows indicate direct solar radiation and black arrows indicate scattered solar radiation.
  • the thickness of the arrow indicates the absolute amount of solar radiation.
  • the direct solar radiation decreases the amount of solar radiation in the morning and the evening in which the altitude of the sun S decreases. In the morning and evening, the angle of incidence of direct sunlight increases. The incident angle is determined by the relative relationship with the light receiving surface of the solar cell 1. Therefore, if the movable mechanism capable of adjusting the direction of the light receiving surface of the solar cell 1 is used, it is possible to prevent the incident angle from being largely deviated from the vertical.
  • the amount of scattered solar radiation is largely influenced by the position and amount of the cloud C, and the influence by the position of the sun S is relatively small.
  • the power generation amount of the solar cell 1 is calculated separately from the power generation amount based on the direct solar radiation amount and the power generation amount based on the scattered solar radiation amount, and the two are added.
  • the total solar radiation amount Ig into the direct solar radiation amount Ib and the scattered solar radiation amount Id.
  • Erbs model shown in the following (formula 7) and (formula 8) can be used.
  • Kt is sunny index can be calculated by global solar radiation Ig / air outside global solar radiation Ig 0.
  • the conversion efficiency 9 of the solar cell 1 is divided into the conversion efficiency ⁇ ⁇ ⁇ ⁇ d for the scattering component and the conversion efficiency ⁇ b for the direct achievement component as shown in the following (Equation 9) and (Equation 10) .
  • the term E ( ⁇ ) is eliminated because there is no directional component in the diffuse solar radiation.
  • the conversion efficiency ⁇ d (I, t) for scattered components, the amount of scattered solar radiation Id, the conversion efficiency ⁇ b (I, ⁇ , t) for direct achievement, the amount of direct solar radiation Ib, the total light receiving area C Based on the equation (11), the power generation amount W can be predicted.
  • the power generation amount W C * ⁇ Id * d d (I, t) + Ib * b b (I, ⁇ , t) ⁇ (11)
  • the power generation amount WWm of one day can be predicted by accumulating the power generation amount W of every minute for one day
  • the power generation amount WWd of one year can be predicted by accumulating the power generation amount WWm of one day for one year.
  • FIG. 4 is a flowchart showing a flow of power generation prediction processing using the second power generation prediction model.
  • the data input unit 131 acquires the past data of the total solar radiation amount at the installation position of the solar cell 1 and the outside temperature (S10).
  • the incident angle estimation unit 133 calculates the solar orbit based on the lightness / latitude of the installation position of the solar cell 1 and the date (S11).
  • the incident angle estimation part 133 estimates an incident angle based on the calculated solar orbit, measurement time, and the installation angle of the solar cell 1 (S12).
  • the temperature prediction unit 135 substitutes the outside air temperature and the total solar radiation amount into the drive temperature prediction model shown in the above (formula 1) to calculate the drive temperature (S13).
  • the direct scattering separation unit 134 separates the total solar radiation amount into a direct solar radiation amount and a scattered solar radiation amount using a predetermined direct scattering separation model (for example, an Erbs model) (S14).
  • a predetermined direct scattering separation model for example, an Er
  • the conversion efficiency correction unit 132 corrects the conversion efficiency under the standard conditions using the amount of scattered solar radiation, the illuminance-dependent coefficient, the driving temperature, and the temperature-dependent coefficient to calculate the conversion efficiency of the scattered solar radiation (S15). In addition, the conversion efficiency correction unit 132 corrects the conversion efficiency under the standard conditions using the amount of direct solar radiation, the illuminance dependency coefficient, the incident angle, the incident angle dependent coefficient, the driving temperature, and the temperature dependent coefficient to convert direct sunlight. The efficiency is calculated (S16). The power generation amount prediction unit 136 predicts the power generation amount of the solar cell 1 based on the scattered solar radiation amount, the scattered solar radiation conversion efficiency, the direct solar radiation amount, the direct solar radiation conversion efficiency, and the light receiving area of the solar cell 1 S17).
  • past data (total solar radiation amount, driving temperature) of the solar cell 1 already installed may be used. In this case, there is no need to acquire weather data from the weather data storage device 6. In addition, it is not necessary to convert the outside air temperature to the driving temperature of the solar cell 1, and the past data of the driving temperature of the solar cell 1 can be used as it is. In addition, when using an outside temperature gauge instead of a thermocouple, it is necessary to convert the measured outside temperature into driving temperature.
  • FIG. 5 is a diagram showing a second connection example of the power generation amount prediction device 10 according to the embodiment of the present invention. In this example, it is necessary to install the solar radiation sensor 1a and the temperature sensor 1b in the solar power generation system.
  • a solar radiation sensor 1a In the vicinity of the solar cell 1, a solar radiation sensor 1a is installed parallel to the horizontal plane. For example, a full ephemeris can be used as the sunshine sensor 1a.
  • a temperature sensor 1 b is installed on the back of the panel of the solar cell 1.
  • a thermocouple can be used for the temperature sensor 1b.
  • a thermistor may be incorporated in the panel of the solar cell 1. The temperature sensor 1 b measures the drive temperature of the solar cell 1 and outputs the measured drive temperature to the measurement data storage device 4.
  • the measurement data storage device 4 stores measurement data of the amount of solar radiation input from the solar radiation sensor 1a and the drive temperature input from the temperature sensor 1b.
  • a general data logger can be used as the measurement data storage device 4.
  • the measurement data storage device 4 may be installed independently of the power conversion device 2 or may be incorporated in the power conversion device 2.
  • the measurement data storage device 4 stores measurement data of the amount of solar radiation and the driving temperature that are input at predetermined intervals (for example, in one minute units).
  • predetermined intervals for example, in one minute units.
  • actual power generation amount An example of storage by the measurement data storage device 4 is assumed. Note that the storage of the measured power generation amount in the measurement data storage device 4 may be omitted.
  • the measurement data storage device 4 periodically transmits the held measurement data to the power generation amount prediction device 10 via the network 5.
  • the measurement data in the measurement data storage device 4 is written to a removable medium, and the removable medium is inserted into the media insertion unit 12 of the power generation amount prediction device 10 to generate the measurement data. It may be read by the prediction device 10. This method is used when the measurement data storage device 4 is not connected to the network 5 and is operating in a stand-alone manner.
  • 6 (a) and 6 (b) are graphs showing a power generation amount of the solar cell 1 installed at a certain place in the Kinki region.
  • the solar cell 1 has a total light receiving area of about 10 m 2 and is installed at an inclination of about 20 ° in the south direction. Also, the conversion efficiency under standard conditions is about 20%.
  • FIG. 6 (a) is a graph comparing the predicted power generation amount (with consideration of dependency) of the solar cell 1 for one year, the actually measured power generation amount, and the predicted power generation amount (without consideration of the dependency).
  • the predicted power generation amount (with dependency taken into consideration) is the second power generation amount prediction model based on the total solar radiation amount measured by the all solar irradiator installed in the solar cell 1 and the outside temperature gauge, and the outside temperature. Is the amount of power generation predicted using.
  • the actually measured power generation amount is a power generation amount actually measured based on the output voltage and output current of the solar cell 1.
  • the predicted power generation amount (without consideration of dependency) is a power generation amount predicted based on the all solar irradiator installed in the solar cell 1 and the conversion efficiency under standard conditions.
  • the predicted power generation amount (with dependency taken into consideration) and the actually measured power generation amount have substantially the same value.
  • the correlation coefficient of both was 0.999 or more. This indicates that the three parameters of the incident angle, the irradiance and the driving temperature can almost explain various fluctuation factors in the real environment. That is, it is shown that the actual power generation amount can be almost accurately predicted from the total solar radiation amount and the outside air temperature by using the second power generation amount prediction model.
  • FIG. 6 (b) generates the average annual data, the annual year data, and the annual year data from the solar radiation amount data for the past 29 years of the installation location of the solar cell 1, and the ambient temperature data. And a graph comparing the predicted amounts of power generation.
  • the average year data is generated, for example, by extracting the most average year by month from the amount of solar radiation for each of the past 29 years and linking them together for one year. Multi-year data and year data are similarly generated. This makes it possible to predict an approximate annual power generation considering weather conditions.
  • the power generation amount at the planned installation location can be obtained without actually installing the solar cell 1 It can be predicted. Therefore, the optimal installation site can be determined by comparing and examining the power generation amounts of a plurality of candidate sites. Moreover, data can be collected retroactively to the past before the installation also for the solar cells 1 actually installed. Therefore, the power generation amount of the solar cell 1 installed in the relevant place by combining the data of the actually measured amount of solar radiation and the outside air temperature and the data of the amount of solar radiation and the outside air temperature of the place acquired from the weather data storage device 6 Can also be predicted.
  • the illumination dependency coefficient E (I), the incident angle dependency coefficient E ( ⁇ ), and the temperature dependency coefficient f (t) for correcting the conversion efficiency ⁇ 0 under standard conditions are functions (fourth order Although an example of derivation using a function or a linear function is shown, it may be derived by referring to a table.
  • the conversion efficiency ⁇ 0 under the standard conditions is corrected using three coefficients, the illuminance dependent coefficient E (I), the incident angle dependent coefficient E ( ⁇ ) and the temperature dependent coefficient f (t).
  • the correction may be performed using at least one of three coefficients. For example, even when the predicted power generation amount using the conversion efficiency obtained by correcting the conversion efficiency eta 0 under standard conditions using only illuminance dependence coefficient E (I), accept the conversion efficiency eta 0 under standard conditions The prediction accuracy is improved compared to the case of predicting the power generation amount.
  • the embodiment may be specified by the following items.
  • the conversion efficiency correction unit (132) includes the first correction process, the second correction process, and the conversion efficiency of the solar cell (1) and the temperature of the solar cell (1) derived in advance. 3) A power generation amount prediction device (10) of the solar cell (1) according to item 1, characterized in that a third correction process of the conversion efficiency using the dependence relationship and the prediction data of the temperature of the solar cell is executed. ). According to this, it is possible to predict a power generation amount substantially the same as the measured power generation amount by considering the first dependency relationship, the second dependency relationship, and the third dependency relationship.
  • the prediction data of the solar radiation amount is prediction data of the total solar radiation amount
  • the power generation amount prediction device (10) It further comprises a direct scattering separation unit (134) for separating the input total solar radiation amount into a scattered solar radiation amount and a direct solar radiation amount using a predetermined separation formula
  • the conversion efficiency correction unit (132) The conversion efficiency of the solar cell (1) to scattered solar radiation is corrected based on the first dependence and the separated amount of scattered solar radiation, and the third dependence and the prediction of the temperature of the solar cell (1) Based on the data, correct the conversion efficiency of the solar cell (1) for scattered solar radiation,
  • the conversion efficiency for direct solar radiation of the solar cell (1) is corrected based on the first dependency and the separated direct solar radiation, and the incident estimated based on the second dependency and the solar orbit
  • the conversion efficiency of the solar cell (1) to direct solar radiation is corrected based on the angle, and the third dependence relationship and the predicted data of the temperature of the solar cell (1) are used to Correct the conversion efficiency for direct solar radiation
  • the power generation amount prediction unit (132) is the correction of the product of
  • the power generation amount of the solar cell (1) according to item 2 wherein the power generation amount of the solar cell (1) is predicted based on the product of the conversion efficiency of the solar cell (1) with respect to direct solar radiation.
  • Quantity prediction device (10) According to this, it is possible to construct a sophisticated prediction model that corrects the conversion efficiency for each of the scattered solar radiation component and the direct solar radiation component.
  • the predicted data of the amount of solar radiation is data based on past weather data of the place where the solar cell (1) is installed,
  • the power generation amount prediction device (10) The temperature prediction which predicts the temperature of the solar cell (1) based on the prediction data of the air temperature of the place where the solar cell (1) is installed, the prediction data of the amount of solar radiation of the place concerned, and a predetermined prediction formula
  • [Item 5] Inputting predicted data of the amount of solar radiation incident on the solar cell installed at a predetermined location; A first dependency between the conversion efficiency of the solar cell and the amount of solar radiation derived in advance, a first correction process of the conversion efficiency using predicted data of the amount of solar radiation, and a conversion of the solar cell derived in advance Performing at least one of a second dependency between efficiency and a sunlight incident angle, and a second correction process of the conversion efficiency using the incident angle estimated based on a solar orbit; Predicting the power generation amount of the solar cell based on the input prediction data of the amount of solar radiation and the corrected conversion efficiency; A method of predicting the amount of power generation of a solar cell comprising: According to this, it is possible to improve the prediction accuracy of the power generation amount by considering the first dependency and / or the second dependency.
  • [Item 6] Inputting predicted data of the amount of solar radiation incident on the solar cell installed at a predetermined location; A first dependency between the conversion efficiency of the solar cell and the amount of solar radiation derived in advance, a first correction process of the conversion efficiency using predicted data of the amount of solar radiation, and a conversion of the solar cell derived in advance Performing at least one of a second dependency between efficiency and a sunlight incident angle, and a second correction process of the conversion efficiency using the incident angle estimated based on a solar orbit; Predicting the power generation amount of the solar cell based on the input prediction data of the amount of solar radiation and the corrected conversion efficiency; A solar cell power generation prediction program characterized by causing a computer to execute. According to this, it is possible to improve the prediction accuracy of the power generation amount by considering the first dependency and / or the second dependency.
  • SYMBOLS 1 solar cell, 1a sunshine sensor, 1b temperature sensor, 2 power conversion devices, 3 systems, 4 measurement data storage devices, 5 networks, 6 weather data storage devices, 10 power generation prediction devices, 11 communication units, 12 media insertion units, 13 control unit, 131 data input unit, 132 conversion efficiency correction unit, 133 incidence angle estimation unit, 134 direct dispersion separation unit, 135 temperature prediction unit, 136 power generation amount prediction unit, 14 console unit, 15 storage unit.
  • the present invention can be used to predict the amount of power generation of a solar cell.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Photovoltaic Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

データ入力部１３１は、所定の場所に設置される太陽電池に入射される日射量の予測データを入力する。変換効率補正部１３２は、予め導出された太陽電池の変換効率と日射量との第１依存関係と、日射量の予測データを使用した変換効率の第１の補正処理、及び予め導出された太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した変換効率の第２の補正処理の少なくとも一方を実行する。発電量予測部１３６は、入力された日射量の予測データと補正された変換効率をもとに、太陽電池の発電量を予測する。

Description

太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム
　本発明は、日射量の予測データと変換効率をもとに太陽電池の発電量を予測する、太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラムに関する。
　近年、太陽光発電システムが普及してきており、多くのメーカが太陽電池パネルを製造している。太陽電池の性能評価として、太陽電池を実際に設置して発電量を計測する方法が広く用いられている。例えば、複数種類の太陽電池を同じ場所に設置して、各太陽電池の発電量を比較することもある。
　また太陽電池の性能評価の１つにＪＩＳ８９１２とＪＩＳ８９１３規格がある。ＪＩＳ８９１３規格では、放射照度＝１ｓｕｎ（１ｋＷ／ｍ２）、温度＝２５℃の条件下において、太陽電池のエネルギー変換効率を評価するものである。また、ＪＩＳ８９１２とＪＩＳ８９１３では、太陽電池の性能評価に用いる擬似太陽光を太陽電池の面内に均一に当てることが求められ、太陽電池に対して垂直に光を入射させるため、入射角度＝０°となる。エネルギー変換効率（以下、単に変換効率という）は、太陽電池の出力電力（Ｗ）を入射光エネルギー（Ｗ）で割った値である。
　太陽電池は屋外に設置して使用するデバイスであるため、実駆動環境下における評価では基本的に、太陽電池を屋外に設置して長期間（年間単位）のデータを取得する必要がある。一方、実駆動条件下における評価を短期間で済ますために、太陽電池の変換効率と、日時、緯度・経度、設置角度、日射量などのデータから発電量を予測する方法もある（例えば、特許文献１参照）。
特開平１１－０５４７７６号公報
　しかしながら、太陽電池の発電量を予測する既存のモデルでは、予測発電量と実測発電量との乖離が大きく信頼性が低い。
　本発明はこうした状況に鑑みなされたものであり、その目的は、太陽電池の発電量を高精度に予測できる太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラムを提供することにある。
　上記課題を解決するために、本発明のある態様の太陽電池の発電量予測装置は、所定の場所に設置される太陽電池に入射される日射量の予測データを入力するデータ入力部と、予め導出された前記太陽電池の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行する変換効率補正部と、前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池の発電量を予測する発電量予測部と、を備える。
　本発明によれば、太陽電池の発電量を高精度に予測できる。
図１（ａ）、（ｂ）は、太陽光発電システムの構成、及び本発明の実施の形態に係る発電量予測装置の第１接続例を示す図である。 本発明の実施の形態に係る発電量予測装置の構成例を示す図である。 図３（ａ）－（ｆ）は、直達日射量と散乱日射量の例を示す図である。 第２の発電量予測モデルを使用した発電量予測処理の流れを示すフローチャートである。 本発明の実施の形態に係る発電量予測装置の第２接続例を示す図である。 図６（ａ）、（ｂ）は、近畿地方のある場所に設置された太陽電池の発電量を示すグラフを示す図である。
　図１（ａ）は、太陽光発電システムの構成を示す図である。太陽電池１で発電された電力は電力変換装置２に出力される。電力変換装置２は、太陽電池１から入力される直流電力を交流電力に変換して系統３に出力するパワーコンディショナシステム（ＰＣＳ）である。なお電力変換装置２は、変換した交流電力を負荷（不図示）に供給してもよい。
　電力変換装置２は昇圧チョッパ（不図示）とインバータ（不図示）を含む。昇圧チョッパは、太陽電池１の発電電力が最大電力点（最適動作点）となるようＭＰＰＴ(Maximum Power Point Tracking) 制御を行う。具体的には、山登り法に従い動作点電圧を所定のステップ幅で変化させて最大電力点を探索し、太陽電池１の出力電力が最大電力点を維持するよう制御する。インバータは、ＭＰＰＴ制御後の直流電力を交流電力に変換して、系統３に出力する。電力変換装置２は、入力電圧・入力電流を計測し、両者を乗算して太陽電池１の発電量を計測する。
　図１（ｂ）は、本発明の実施の形態に係る発電量予測装置１０の第１接続例を示す図である。発電量予測装置１０は、ネットワーク５を介して気象データ保存装置６と接続される。本明細書ではネットワーク５としてインターネットを想定するが、専用回線を用いてもよい。気象データ保存装置６の例として、ＮＥＤＯ（New Energy and Industrial Technology Development Organization）、気象庁などが運営するデータベースサーバが挙げられる。
　図２は、本発明の実施の形態に係る発電量予測装置１０の構成例を示す図である。発電量予測装置１０には一般的な情報処理装置を使用することができ、例えば、ＰＣ、サーバ、タブレット、スマートフォン等を使用することができる。
　発電量予測装置１０は通信部１１、メディア挿入部１２、制御部１３、コンソール部１４及び記憶部１５を備える。制御部１３はデータ入力部１３１、変換効率補正部１３２、入射角度推定部１３３、直散分離部１３４、温度予測部、及び発電量予測部１３６を含む。制御部１３の構成は、ハードウェア資源とソフトウェア資源の協働、またはハードウェア資源のみにより実現できる。ハードウェア資源としてアナログ素子、マイクロコンピュータ、ＤＳＰ、ＲＯＭ、ＲＡＭ、ＦＰＧＡ、その他のＬＳＩを利用できる。ソフトウェア資源としてオペレーティングシステム、アプリケーション等のプログラムを利用できる。記憶部１５は、各種プログラム及び各種データを記憶する。記憶部１５にはＲＯＭ及びＲＡＭを利用できる。
　通信部１１は、ネットワーク５を介して送受信されるデータの通信処理を実行する。メディア挿入部１２にはリムーバブルメディア（例えば、メモリカード、光ディスク、リムーバブルＨＤＤ、リムーバブルＳＳＤ）が挿入され、リムーバブルメディアからデータを読み込む。またはリムーバブルメディアにデータを書き出す。
　データ入力部１３１は、太陽電池１が設置されるべき場所の日射量および外気温の過去データを取得し、当該場所の予測データとして、変換効率補正部１３２、入射角度推定部１３３、直散分離部１３４、温度予測部１３５及び発電量予測部１３６に入力する。データ入力部１３１は、計測データ保存装置４に保存されている当該場所の過去データを通信部１１を介して取得する。なお過去データがリムーバブルメディアにコピーされて配布される場合、メディア挿入部１２から取得する。またユーザがコンソール部１４から過去データをマニュアル操作により入力する場合、コンソール部１４から取得する。
　太陽電池１の発電量は、太陽電池１から電力変換装置２に入力される電圧・電流をもとに計測することができる。この計測方法は、光エネルギーから電気エネルギーに変換された後の物理量を計測するものであるため、光や熱に対する分析が基本的にできない。計測される電圧・電流の値は、光と熱の複合要因が絡まった後の値であるため、厳密な要因分析はできない。
　そこで本実施の形態では、電気エネルギーに変換される前の光エネルギーと太陽電池１の温度（以下、駆動温度という）をもとに太陽電池１の発電量を予測する。この予測では、設置条件データとして全天日射量、外気温を使用する。太陽電池１のデバイス特性として放射照度依存性、入射角度依存性、及び温度依存性を使用する。
　太陽電池１の駆動温度ｔは、全天日射量Ｉと外気温ｔｏｕｔの組の複数のサンプルデータをもとに単回帰分析により導出した下記（式１）に示す駆動温度予測モデルを使用して、予測する。
　Ｅ（ｔ）＝ｇ（ｔｏｕｔ）＋ｈ（Ｉ）　・・・（式１）
　ｇは外気温係数であり、ｈは日射量係数である。
　太陽電池１のデバイス特性の評価として、ＪＩＳ８９１２とＪＩＳ８９１３規格が標準規格として使用されている。ＪＩＳ８９１２とＪＩＳ８９１３規格では、ソーラシミュレータを用いて、２５°の温度環境下で、太陽電池モジュールに対して垂直に１ｓｕｎ（１ｋＷ／ｍ２）の光を照射した状態で、太陽電池モジュールの出力電圧・出力電流を計測して、太陽電池モジュールの変換効率を求める。この評価では、当該条件の光を照射するためのソーラーシミュレータ装置が擬似太陽光源として使用される。通常、各太陽電池メーカは当該評価により求めた変換効率を、カタログや仕様書に記載している。以下、この変換効率を標準条件下の変換効率という。
　標準条件下の変換効率には、放射照度、入射角度、及び温度に対する依存性が考慮されていない。そこで本実施の形態では、太陽電池１の変換効率の放射照度、入射角度、及び温度に対する依存性を考慮する。太陽電池１の変換効率が放射照度に対して依存性を持つのは、主にフォトダイオードの構造（ＰＮ構造、ＰＩＮ構造など）や太陽電池モジュールを構成する材料に起因する。太陽電池１の変換効率が入射角度に対して依存性を持つのは、主にパネル表面に貼られている反射防止膜（ＡＲコート）の特性や、太陽電池モジュールの光学構造に起因する。
　検証者は、太陽電池モジュールの変換効率と放射照度の依存性を検証するため、ソーラシミュレータを用い、放射照度を変えて都度、太陽電池モジュールの出力電圧・出力電流を計測して、太陽電池モジュールの変換効率を求める。例えば、光源と太陽電池モジュールの間にフィルタを介在させて、太陽電池モジュールに放射される照度を調整する。フィルタにアクリル板を使用することにより、スペクトルを変えずに放射照度を任意の量、低減させることができる。
　温度＝２５℃の環境下で太陽電池モジュールに対して垂直に、０ｋＷ／ｍ２～１ｋＷ／ｍ２の間の複数レベルの光を照射し、各レベルにおける変換効率を求める。求めた変数効率の値を、標準条件下（放射照度＝１ｋＷ／ｍ２、入射角度＝０°、温度＝２５℃）の変換効率を１として正規化する。以下、この正規化後の変換効率の値を、変換効率の照射依存係数Ｅ（Ｉ）と呼ぶ。
　上記検証により求めた複数点の照射依存係数Ｅ（Ｉ）をもとに、放射照度Ｉを説明変数、照度依存係数Ｅ（Ｉ）を目的変数とする近似曲線を導出する。例えば、下記（式２）に示す４次関数で近似する。基本的に放射照度Ｉが低下するほど照度依存係数Ｅ（Ｉ）が低下する左下がり曲線になる。
　Ｅ（Ｉ）＝ａＩ４＋ｂＩ３＋ｃＩ２＋ｄＩ＋ｅ　・・・（式２）
　次に検証者は、太陽電池モジュールの変換効率と入射角度の依存性を検証するため、ソーラシミュレータを用い、入射角度を変えて都度、太陽電池モジュールの出力電圧・出力電流を計測し、太陽電池モジュールの変換効率を求める。例えば、太陽電池モジュールの角度を調整可能な治具を使用して、光源に対する太陽電池モジュールの相対角度を調整する。なお光源の角度を調整可能な治具を使用してもよい。
　温度＝２５℃の環境下で太陽電池モジュールに、０°～９０°の間の複数の入射角度の光（入射角度０°の放射照度＝１ｋＷ／ｍ２）を照射し、各角度における変換効率を求める。求めた変数効率の値を、標準条件下（放射照度＝１ｋＷ／ｍ２、入射角度＝０°、温度＝２５℃）の太陽電池モジュールの変換効率を１として正規化する。以下、この正規化後の変換効率を、変換効率の入射角度依存係数Ｅ（θ）と呼ぶ。
　上記検証により求めた複数点の入射角度依存係数Ｅ（θ）をもとに、入射角度θを説明変数、入射角度依存係数Ｅ（θ）を目的変数とする近似曲線を導出する。例えば、下記（式３）に示す４次関数で近似する。基本的に入射角度θが大きくなるほど入射角度依存係数Ｅ（θ）が低下する右下がり曲線になる。
　Ｅ（θ）＝ａθ４＋ｂθ３＋ｃθ２＋ｄθ＋ｅ　・・・（式３）
　次に検証者は、太陽電池モジュールの変換効率と温度の依存性を検証するため、ソーラシミュレータを用い、温度を変えて都度、太陽電池モジュールの出力電圧・出力電流を計測し、太陽電池モジュールの変換効率を求める。例えば、ヒータにより太陽電池モジュールを加熱し、その加熱温度を調整する。
　太陽電池モジュールに対して垂直に光（放射照度＝１ｋＷ／ｍ２）を照射した状態で、例えば２５℃～６５℃の間の複数の温度で加熱し、各温度における変換効率を求める。求めた変数効率の値を、標準条件下（放射照度＝１ｋＷ／ｍ２、入射角度＝０°、温度＝２５℃）の太陽電池モジュールの変換効率を１として正規化する。以下、この正規化後の変換効率を、変換効率の温度依存係数ｆ（ｔ）と呼ぶ。
　上記検証により求めた複数点の温度依存係数Ｅ（ｔ）をもとに、温度ｔを説明変数、温度依存係数ｆ（ｔ）を目的変数とする近似直線を導出する。例えば、下記（式４）に示す１次関数で近似する。基本的に温度ｔが高くなるほど温度依存係数ｆ（ｔ）が低下する右下がり直線になる。また、温度ｔは、測定で用いた温度域以外でも使用する。
　ｆ（ｔ）＝ａｔ＋ｂ　・・・（式４）
　なお、上記（式２）～（式４）のａ、ｂ、ｃ、ｄ、ｅはそれぞれ独立した係数である。
　本実施の形態に係る第１の発電量予測モデルでは、下記（式５）を用いて太陽電池１の変換効率η（Ｉ，θ，ｔ）を決定する。
　η（Ｉ，θ，ｔ）＝η０＊Ｅ（Ｉ）＊Ｅ（θ）＊ｆ（ｔ）　・・・（式５）
　η０は標準条件下の変換効率である。
　放射照度Ｉ、入射角度θ、及び温度ｔに対する依存性を考慮しない場合、Ｅ（Ｉ）＝Ｅ（θ）＝ｆ（ｔ）＝１となり、標準条件下の変換効率η０がそのまま使用される。
　放射照度Ｉには、全天日射量の過去データを使用することができる。温度ｔには、上記（式１）に示した駆動温度予測モデルを使用して導出された駆動温度ｔを使用することができる。入射角度θは、太陽電池１の設置位置（経度・緯度）、日時、太陽電池１の受光面の設置角度をもとに算出することができる。具体的には、経度・緯度、日付をもとに太陽軌道を計算する。当該太陽軌道をもとに、日射量および外気温の計測時刻における太陽の位置（高度・方位）を特定する。特定した太陽の位置と、太陽電池１の受光面の設置角度の関係から、各計測時刻における入射角度θを算出する。
　決定した変換効率η（Ｉ，θ，ｔ）に、予測データとしての日射量Ｉと、太陽電池１の受光総面積Ｃを掛けると、下記（式６）に示すように発電量Ｗを予測することができる。
　Ｗ＝Ｃ＊Ｉ＊η（Ｉ，θ，ｔ）　・・・（式６）
　次に太陽光の振る舞いを考慮した、本実施の形態に係る第２の発電量予測モデルを説明する。全天日射量は、直達日射量と散乱日射量（天空日射量ともいう）に分離することができる。直達日射量は、太陽から太陽電池１に直接到達する光であり方向成分がある。方向成分は、時間経過と共に移動する太陽の位置により変化する。散乱日射量は、雲などの大気中の粒子に散乱された光であり、太陽電池１に全方向から到達する光である。散乱日射量には方向成分がない。
　図３（ａ）－（ｆ）は、直達日射量と散乱日射量の例を示す図である。グレーの矢印が直達日射量を、黒の矢印が散乱日射量をそれぞれ示している。矢印の太さは、日射量の絶対量を示している。図３（ａ）－（ｆ）に示すように直達日射は、太陽Ｓの高度が下がる朝、夕に日射量が低下する。また朝、夕は直達日射の入射角度が大きくなる。なお入射角度は太陽電池１の受光面との相対関係により決まる。従って、太陽電池１の受光面の向きを調整できる可動機構を用いれば、入射角度が垂直から大きくずれることを回避できる。一方、散乱日射量は、雲Ｃの位置や量の影響を大きく受け、太陽Ｓの位置により受ける影響は相対的に小さい。
　太陽光の振る舞いを第２の発電量予測モデルでは、太陽電池１の発電量を、直達日射量に基づく発電量と、散乱日射量に基づく発電量を別々に求めて両者を加算する。その前提として、全天日射量Ｉｇを、直達日射量Ｉｂと散乱日射量Ｉｄに分離する必要がある。全天日射量の直散分離には例えば、下記（式７）、（式８）に示すErbsモデルを使用することができる。Ｋｔは晴天指数であり、全天日射量Ｉｇ／大気外全天日射量Ｉｇ０により算出できる。
　Ｋｔ≦０．２２のとき、
　Ｉｄ＝Ｉｇ（１．０－０．０９Ｋｔ）
　０．２２＜Ｋｔ≦０．８０のとき、
　Ｉｄ＝Ｉｇ（０．９５１１－０．１６０４Ｋｔ＋４．３８８Ｋｔ２－１６．６３８Ｋｔ３＋１２．３６６Ｋｔ４）
　Ｋｔ＞０．８０のとき、
　Ｉｄ＝０．１６５Ｉｇ　・・・（式７）
　Ｉｂ＝Ｉｇ－Ｉｄ　・・・（式８）
　なお、Erbsモデルの代わりにMETPV-3モデル等の他のモデルを使用してもよい。
　第２の発電量予測モデルでは、下記（式９）、（式１０）に示すように太陽電池１の変換効率ηを、散乱成分に対する変換効率ηｄと、直達成分に対する変換効率ηｂに分けて考える。
　ηｄ（Ｉ，ｔ）＝η０＊Ｅ（Ｉｄ）＊ｆ（ｔ）　・・・（式９）
　ηｂ（Ｉ，θ，ｔ）＝η０＊Ｅ（Ｉｂ）＊Ｅ（θ）＊ｆ（ｔ）　・・・（式１０）
　散乱日射には方向成分がないため、Ｅ（θ）の項は消去される。第２の発電量予測モデルでは、散乱成分に対する変換効率ηｄ（Ｉ，ｔ）、散乱日射量Ｉｄ、直達成分に対する変換効率ηｂ（Ｉ，θ，ｔ）、直達日射量Ｉｂ、受光総面積Ｃをもとに、下記（式１１）に示すように発電量Ｗを予測することができる。
　Ｗ＝Ｃ＊｛Ｉｄ＊ηｄ（Ｉ，ｔ）＋Ｉｂ＊ηｂ（Ｉ，θ，ｔ）｝　・・・（式１１）
　日射量計測の単位時間が１分である場合、毎分の発電量Ｗを予測できる。毎分の発電量Ｗを１日分累積することにより１日の発電量ΣＷｍを予測でき、１日の発電量ΣＷｍを１年分累積することにより１年間の発電量ΣＷｄを予測できる。
　図４は、第２の発電量予測モデルを使用した発電量予測処理の流れを示すフローチャートである。まずデータ入力部１３１は、太陽電池１の設置位置の全天日射量および外気温の過去データを取得する（Ｓ１０）。入射角度推定部１３３は、太陽電池１の設置位置の軽度・緯度、日付をもとに太陽軌道を算出する（Ｓ１１）。入射角度推定部１３３は、算出した太陽軌道、計測時刻、及び太陽電池１の設置角度をもとに入射角度を推定する（Ｓ１２）。温度予測部１３５は、上記（式１）に示した駆動温度予測モデルに、外気温と全天日射量を代入して、駆動温度を算出する（Ｓ１３）。直散分離部１３４は、全天日射量を所定の直散分離モデル（例えば、Erbsモデル）を使用して、直達日射量と散乱日射量に分離する（Ｓ１４）。
　変換効率補正部１３２は標準条件下の変換効率を、散乱日射量、照度依存係数、駆動温度、及び温度依存係数を用いて補正して、散乱日射光の変換効率を算出する（Ｓ１５）。また変換効率補正部１３２は標準条件下の変換効率を、直達日射量、照度依存係数、入射角度、入射角度依存係数、駆動温度、及び温度依存係数を用いて補正して、直達日射光の変換効率を算出する（Ｓ１６）。発電量予測部１３６は、散乱日射量、散乱日射光の変換効率、直達日射量、直達日射光の変換効率、及び太陽電池１の受光面積をもとに太陽電池１の発電量を予測する（Ｓ１７）。
　以上の説明では、太陽電池１の発電量を予測するための基礎データとして、太陽電池１を実際に設置している場所、又は設置する予定の場所の、過去の気象データ（全天日射量、外気温）を使用した。設置予定場所の気象データを取得できれば、実際に設置しなくても、その場所の発電量を予測することができる。従って、太陽電池１の設置前に複数の設置場所候補の発電量を予測し、比較検討することができる。
　太陽電池１の発電量を予測するための基礎データとして、既に設置済みの太陽電池１の過去データ（全天日射量、駆動温度）を使用してもよい。この場合、気象データ保存装置６から気象データを取得する必要がない。また外気温を太陽電池１の駆動温度に変換する必要もなく、太陽電池１の駆動温度の過去データをそのまま使用することができる。なお、熱電対の代わりに外気温計を使用する場合、計測された外気温を駆動温度に変換する必要がある。
　図５は、本発明の実施の形態に係る発電量予測装置１０の第２接続例を示す図である。この例では、太陽光発電システムに日射センサ１ａ及び温度センサ１ｂを設置する必要がある。
　太陽電池１の近傍に、水平面に対して平行に日射センサ１ａが設置される。日射センサ１ａには例えば、全天日射計を使用することができる。日射センサ１ａは、日射量（＝太陽放射エネルギー量）を計測し、計測した日射量を計測データ保存装置４に出力する。
　太陽電池１のパネル裏面に温度センサ１ｂが設置される。温度センサ１ｂには例えば、熱電対を使用することができる。なお太陽電池１のパネル内にサーミスタを組み込んでもよい。温度センサ１ｂは、太陽電池１の駆動温度を計測し、計測した駆動温度を計測データ保存装置４に出力する。
　計測データ保存装置４は、日射センサ１ａから入力される日射量、及び温度センサ１ｂから入力される駆動温度の計測データを保存する。計測データ保存装置４には例えば、一般的なデータロガーを使用することができる。計測データ保存装置４は、電力変換装置２と独立に設置されてもよいし、電力変換装置２に内蔵されてもよい。
　計測データ保存装置４は例えば、入力される日射量および駆動温度の計測データを所定の間隔（例えば、１分単位）で保存する。なお本実施の形態では、発電量予測装置１０で予測される発電量と、電力変換装置２で実際に計測された発電量（以下、実測発電量という）を比較検証するため、実測発電量を計測データ保存装置４で保存する例を想定する。なお、実測発電量の計測データ保存装置４への保存は省略してもよい。
　計測データ保存装置４は、保持している計測データをネットワーク５を介して定期的に発電量予測装置１０に送信する。なお太陽電池１の設置場所において、計測データ保存装置４内の計測データをリムーバブルメディアに書き出し、当該リムーバブルメディアを発電量予測装置１０のメディア挿入部１２に挿入することにより、当該計測データを発電量予測装置１０に読み込ませてもよい。計測データ保存装置４がネットワーク５に非接続でスタンドアローンで動作している場合、この方法が用いられる。
　図６（ａ）、（ｂ）は、近畿地方のある場所に設置された太陽電池１の発電量を示すグラフを示す図である。この太陽電池１は、受光総面積が約１０ｍ２で、南向きに約２０°の傾斜で設置されている。また標準条件下の変換効率は約２０％である。
　図６（ａ）は、当該太陽電池１の１年間の予測発電量（依存性考慮あり）、実測発電量、及び予測発電量（依存性考慮なし）を比較したグラフである。予測発電量（依存性考慮あり）は、当該太陽電池１に設置された全天日射計、外気温計により計測された全天日射量、外気温をもとに上記第２の発電量予測モデルを使用して予測した発電量である。実測発電量は、当該太陽電池１の出力電圧・出力電流をもとに実際に計測された発電量である。予測発電量（依存性考慮なし）は、当該太陽電池１に設置された全天日射計と標準条件下の変換効率をもとに予測した発電量である。
　図６（ａ）に示すように予測発電量（依存性考慮あり）と実測発電量はほぼ同じ値になる。なお時間別の予測発電量（依存性考慮あり）と時間別の実測発電量との比較検証を行ったところ、両者の相関係数が０．９９９以上であった。これは、入射角度、放射照度、駆動温度の３つのパラメータで、実環境下の様々な変動要因を、ほぼ説明できていることを示している。即ち、上記第２の発電量予測モデルを使用すれば、全天日射量と外気温から実測発電量をほぼ正確に予測できることを示している。
　図６（ｂ）は、上記太陽電池１の設置場所の過去２９年分の日射量データ、外気温データから平均年データ、多照年データ、及び寡照年データを生成し、それぞれのデータをもとに予測した発電量を比較したグラフである。平均年データは例えば、過去２９年分の月別の日射量から月毎に最も平均的な年を抽出し、それらを１年間分つなぎ合わせたデータで生成する。多照年データ及び寡照年データも同様に生成する。これにより、気象条件を考慮した、おおよその年間発電量を予測することができる。
　以上説明したように本実施の形態によれば、太陽光（全天日射量）をベースとして、実環境の変動要因となる主な３つのパラメータ（放射照度、入射角度、及び温度）を反映した発電量予測モデルを使用することにより、太陽電池１の実測発電量に極めて近い発電量を算出することができる。この点、図６（ａ）に示すように太陽電池１の変換効率の照度依存性、入射角度依存性、及び温度依存性を考慮しないモデルでは、予測発電量と実測発電量との乖離が大きくなる。
　また気象データ保存装置６に保存されている日射量、及び外気温の過去データをもとに発電量を予測できるため、太陽電池１を実際に設置しなくても、設置予定場所の発電量を予測することができる。従って複数の候補地の発電量を比較検討することにより、最適な設置場所を決定することができる。また実際に設置されている太陽電池１についても、設置前の過去に遡ってデータを収集することができる。従って、実際に計測された日射量および外気温のデータと、気象データ保存装置６から取得した当該場所の日射量および外気温のデータを組み合わせて当該場所に設置されている太陽電池１の発電量を予測することもできる。
　以上、本発明を実施の形態をもとに説明した。実施の形態は例示であり、それらの各構成要素や各処理プロセスの組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。
　上述の実施の形態では、気象データ保存装置６から取得した過去データ、または実際に計測された過去データを、そのまま基礎データとする例を説明した。この点、過去データを加工して生成した基礎データを使用してもよい。例えば、全世界的な気候変動の影響を過去データに反映させる加工を施してもよい。
　上述の実施の形態では、標準条件下の変換効率η０を補正するための、照度依存係数Ｅ（Ｉ）、入射角度依存係数Ｅ（θ）及び温度依存係数ｆ（ｔ）を関数（４次関数、１次関数）を用いて導出する例を示したが、テーブル参照により導出してもよい。
　上述の実施の形態では、照度依存係数Ｅ（Ｉ）、入射角度依存係数Ｅ（θ）及び温度依存係数ｆ（ｔ）の３つの係数を用いて標準条件下の変換効率η０を補正したが、３つの係数の少なくとも１つ係数を用いて補正してもよい。例えば、照度依存係数Ｅ（Ｉ）のみを用いて標準条件下の変換効率η０を補正した変換効率を用いて発電量を予測する場合でも、標準条件下の変換効率η０をそのまま使用して発電量を予測する場合より、予測精度は向上する。
　なお、実施の形態は、以下の項目によって特定されてもよい。
［項目１］
　所定の場所に設置される太陽電池（１）に入射される日射量の予測データを入力するデータ入力部（１３１）と、
　予め導出された前記太陽電池（１）の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池（１）の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行する変換効率補正部（１３２）と、
　前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池（１）の発電量を予測する発電量予測部（１３６）と、
　を備えることを特徴とする太陽電池（１）の発電量予測装置（１０）。
　これによれば、第１依存関係および／または第２依存関係を考慮することにより、発電量の予測精度を向上させることができる。
［項目２］
　前記変換効率補正部（１３２）は、前記第１の補正処理、前記第２の補正処理、及び予め導出された前記太陽電池（１）の変換効率と前記太陽電池（１）の温度との第３依存関係と、前記太陽電池の温度の予測データを使用した前記変換効率の第３の補正処理を実行することを特徴とする項目１に記載の太陽電池（１）の発電量予測装置（１０）。
　これによれば、第１依存関係、第２依存関係、及び第３依存関係を考慮することにより、実測発電量とほぼ同じ発電量を予測することができる。
［項目３］
　前記日射量の予測データは、全天日射量の予測データであり、
　本発電量予測装置（１０）は、
　前記入力された全天日射量を所定の分離式を用いて、散乱日射量と直達日射量に分離する直散分離部（１３４）をさらに備え、
　前記変換効率補正部（１３２）は、
　前記第１依存関係と前記分離された散乱日射量をもとに前記太陽電池（１）の散乱日射に対する変換効率を補正し、かつ前記第３依存関係と前記太陽電池（１）の温度の予測データをもとに前記太陽電池（１）の散乱日射に対する変換効率を補正し、
　前記第１依存関係と前記分離された直達日射量をもとに前記太陽電池（１）の直達日射に対する変換効率を補正し、かつ前記第２依存関係と太陽軌道をもとに推定される入射角度をもとに前記太陽電池（１）の直達日射に対する変換効率を補正し、かつ前記第３依存関係と前記太陽電池（１）の温度の予測データをもとに前記太陽電池（１）の直達日射に対する変換効率を補正し、
　前記発電量予測部（１３２）は、前記分離された散乱日射量と前記補正された前記太陽電池（１）の散乱日射に対する変換効率との積、及び前記分離された直達日射量と前記補正された前記太陽電池（１）の直達日射に対する変換効率との積をもとに、前記太陽電池（１）の発電量を予測することを特徴とする項目２に記載の太陽電池（１）の発電量予測装置（１０）。
　これによれば、散乱日射成分と、直達日射成分ごとに変換効率を補正する精緻な予測モデルを構築することができる。
［項目４］
　前記日射量の予測データは、前記太陽電池（１）が設置される場所の過去の気象データに基づくデータであり、
　本発電量予測装置（１０）は、
　前記太陽電池（１）が設置される場所の気温の予測データと、当該場所の日射量の予測データと、所定の予測式をもとに、前記太陽電池（１）の温度を予測する温度予測部（１３５）をさらに備えることを特徴とする項目２または３に記載の太陽電池（１）の発電量予測装置（１０）。
　これによれば、太陽電池（１）が設置される前の状態において、設置後の発電量を予測することができる。
［項目５］
　所定の場所に設置される太陽電池に入射される日射量の予測データを入力するステップと、
　予め導出された前記太陽電池の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行するステップと、
　前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池の発電量を予測するステップと、
　を備えることを特徴とする太陽電池の発電量予測方法。
　これによれば、第１依存関係および／または第２依存関係を考慮することにより、発電量の予測精度を向上させることができる。
［項目６］
　所定の場所に設置される太陽電池に入射される日射量の予測データを入力するステップと、
　予め導出された前記太陽電池の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行するステップと、
　前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池の発電量を予測するステップと、
　をコンピュータに実行させることを特徴とする太陽電池の発電量予測プログラム。
　これによれば、第１依存関係および／または第２依存関係を考慮することにより、発電量の予測精度を向上させることができる。
　１　太陽電池、　１ａ　日射センサ、　１ｂ　温度センサ、　２　電力変換装置、　３　系統、　４　計測データ保存装置、　５　ネットワーク、　６　気象データ保存装置、　１０　発電量予測装置、　１１　通信部、　１２　メディア挿入部、　１３　制御部、　１３１　データ入力部、　１３２　変換効率補正部、　１３３　入射角度推定部、　１３４　直散分離部、　１３５　温度予測部、　１３６　発電量予測部、　１４　コンソール部、　１５　記憶部。
　本発明は、太陽電池の発電量を予測することに利用可能である。

Claims (6)

  1. 　所定の場所に設置される太陽電池に入射される日射量の予測データを入力するデータ入力部と、
    　予め導出された前記太陽電池の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行する変換効率補正部と、
    　前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池の発電量を予測する発電量予測部と、
    　を備えることを特徴とする太陽電池の発電量予測装置。
  2. 　前記変換効率補正部は、前記第１の補正処理、前記第２の補正処理、及び予め導出された前記太陽電池の変換効率と前記太陽電池の温度との第３依存関係と、前記太陽電池の温度の予測データを使用した前記変換効率の第３の補正処理を実行することを特徴とする請求項１に記載の太陽電池の発電量予測装置。
  3. 　前記日射量の予測データは、全天日射量の予測データであり、
    　本発電量予測装置は、
    　前記入力された全天日射量を所定の分離式を用いて、散乱日射量と直達日射量に分離する直散分離部をさらに備え、
    　前記変換効率補正部は、
    　前記第１依存関係と前記分離された散乱日射量をもとに前記太陽電池の散乱日射に対する変換効率を補正し、かつ前記第３依存関係と前記太陽電池の温度の予測データをもとに前記太陽電池の散乱日射に対する変換効率を補正し、
    　前記第１依存関係と前記分離された直達日射量をもとに前記太陽電池の直達日射に対する変換効率を補正し、かつ前記第２依存関係と太陽軌道をもとに推定される入射角度をもとに前記太陽電池の直達日射に対する変換効率を補正し、かつ前記第３依存関係と前記太陽電池の温度の予測データをもとに前記太陽電池の直達日射に対する変換効率を補正し、
    　前記発電量予測部は、前記分離された散乱日射量と前記補正された前記太陽電池の散乱日射に対する変換効率との積、及び前記分離された直達日射量と前記補正された前記太陽電池の直達日射に対する変換効率との積をもとに、前記太陽電池の発電量を予測することを特徴とする請求項２に記載の太陽電池の発電量予測装置。
  4. 　前記日射量の予測データは、前記太陽電池が設置される場所の過去の気象データに基づくデータであり、
    　本発電量予測装置は、
    　前記太陽電池が設置される場所の気温の予測データと、当該場所の日射量の予測データと、所定の予測式をもとに、前記太陽電池の温度を予測する温度予測部をさらに備えることを特徴とする請求項２または３に記載の太陽電池の発電量予測装置。
  5. 　所定の場所に設置される太陽電池に入射される日射量の予測データを入力するステップと、
    　予め導出された前記太陽電池の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行するステップと、
    　前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池の発電量を予測するステップと、
    　を備えることを特徴とする太陽電池の発電量予測方法。
  6. 　所定の場所に設置される太陽電池に入射される日射量の予測データを入力するステップと、
    　予め導出された前記太陽電池の変換効率と日射量との第１依存関係と、前記日射量の予測データを使用した前記変換効率の第１の補正処理、及び予め導出された前記太陽電池の変換効率と太陽光の入射角度との第２依存関係と、太陽軌道をもとに推定される入射角度を使用した前記変換効率の第２の補正処理の少なくとも一方を実行するステップと、
    　前記入力された日射量の予測データと前記補正された変換効率をもとに、前記太陽電池の発電量を予測するステップと、
    　をコンピュータに実行させることを特徴とする太陽電池の発電量予測プログラム。
PCT/JP2017/007074 2016-06-21 2017-02-24 太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム WO2017221463A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018523307A JP6624475B2 (ja) 2016-06-21 2017-02-24 太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-122557 2016-06-21
JP2016122557 2016-06-21

Publications (1)

Publication Number Publication Date
WO2017221463A1 true WO2017221463A1 (ja) 2017-12-28

Family

ID=60784730

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/007074 WO2017221463A1 (ja) 2016-06-21 2017-02-24 太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム

Country Status (2)

Country Link
JP (1) JP6624475B2 (ja)
WO (1) WO2017221463A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020013456A (ja) * 2018-07-20 2020-01-23 三井物産株式会社 評価支援装置、評価支援システム、プログラム及び方法
US11588440B2 (en) * 2019-09-17 2023-02-21 Lg Electronics Inc. Test apparatus of solar cell, and photovoltaic system including the same

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102232315B1 (ko) * 2020-08-24 2021-03-25 (주)신호엔지니어링 환경정보 기반 독립형 태양광 발전 시스템
TWI765821B (zh) * 2021-09-13 2022-05-21 崑山科技大學 陰影模式太陽能系統的最大發電功率預測方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003018763A (ja) * 2001-06-27 2003-01-17 Nippon Telegr & Teleph Corp <Ntt> 太陽光発電における発電量予測方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003018763A (ja) * 2001-06-27 2003-01-17 Nippon Telegr & Teleph Corp <Ntt> 太陽光発電における発電量予測方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EISAKU HIROSE ET AL.: "Presumptive technique of power generation of amorphous silicon cell considering various factors", PROCEEDINGS OF JSES/JWEA JOINT CONFERENCE, 25 October 2007 (2007-10-25), pages 453 - 456 *
NARIHITO OKADA ET AL.: "The diagnostic method of generated power considering loss factors on a PV module", THE JOURNAL OF THE INSTITUTE OF ELECTRICAL INSTALLATION ENGINEERS OF JAPAN, vol. 25, no. 8, August 2005 (2005-08-01), pages 658 - 666, XP055444081 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020013456A (ja) * 2018-07-20 2020-01-23 三井物産株式会社 評価支援装置、評価支援システム、プログラム及び方法
US11588440B2 (en) * 2019-09-17 2023-02-21 Lg Electronics Inc. Test apparatus of solar cell, and photovoltaic system including the same

Also Published As

Publication number Publication date
JPWO2017221463A1 (ja) 2019-04-11
JP6624475B2 (ja) 2019-12-25

Similar Documents

Publication Publication Date Title
Akhsassi et al. Experimental investigation and modeling of the thermal behavior of a solar PV module
Roberts et al. Assessment of photovoltaic performance models for system simulation
Umar et al. Comparison of different PV power simulation softwares: case study on performance analysis of 1 MW grid-connected PV solar power plant
Durrani et al. Photovoltaic yield prediction using an irradiance forecast model based on multiple neural networks
De Soto et al. Improvement and validation of a model for photovoltaic array performance
Cameron et al. Comparison of PV system performance-model predictions with measured PV system performance
Mondol et al. Solar radiation modelling for the simulation of photovoltaic systems
JP6573809B2 (ja) 太陽電池モジュールのシミュレーション
WO2017221463A1 (ja) 太陽電池の発電量予測装置、発電量予測方法、及び発電量予測プログラム
Andrews et al. Improved parametric empirical determination of module short circuit current for modelling and optimization of solar photovoltaic systems
Pavlović et al. Simulation of photovoltaic systems electricity generation using homer software in specific locations in Serbia
Marion et al. Photovoltaic system derived data for determining the solar resource and for modeling the performance of other photovoltaic systems
JP6624474B2 (ja) 太陽電池の発電量推定装置、発電量推定方法、及び発電量推定プログラム
Silva et al. Spectral reflectance patterns of photovoltaic modules and their thermal effects
de Simón‐Martín et al. Sun‐trackers profitability analysis in Spain
Silva et al. A new predictive model for a photovoltaic module’s surface temperature
Fanchette et al. Applying Johansen VECM cointegration approach to propose a forecast model of photovoltaic power output plant in Reunion Island
KR20150074462A (ko) 태양광 발전량 예측 방법
Ya'acob et al. Modelling of photovoltaic array temperature in a tropical site using generalized extreme value distribution
Morcillo-Herrera et al. Method to calculate the electricity generated by a photovoltaic cell, based on its mathematical model simulations in MATLAB
Chakraborty Reliable energy prediction method for grid connected photovoltaic power plants situated in hot and dry climatic condition
US11486606B2 (en) Method of forecasting heat output of solar collectors
e Oliveira et al. Comparison of irradiance decomposition and energy production methods in a solar photovoltaic system
Forest et al. An optimized platform for performance evaluation of solar battery chargers
Gafurov et al. PV system model reduction for reliability assessment studies

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2018523307

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: 17814935

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: 17814935

Country of ref document: EP

Kind code of ref document: A1