WO2019130718A1 - 判定装置、太陽光発電システム、判定方法および判定プログラム - Google Patents

判定装置、太陽光発電システム、判定方法および判定プログラム Download PDF

Info

Publication number
WO2019130718A1
WO2019130718A1 PCT/JP2018/037794 JP2018037794W WO2019130718A1 WO 2019130718 A1 WO2019130718 A1 WO 2019130718A1 JP 2018037794 W JP2018037794 W JP 2018037794W WO 2019130718 A1 WO2019130718 A1 WO 2019130718A1
Authority
WO
WIPO (PCT)
Prior art keywords
output data
power generation
determination
unit
output
Prior art date
Application number
PCT/JP2018/037794
Other languages
English (en)
French (fr)
Inventor
後藤勲
下口剛史
谷村晃太郎
池上洋行
Original Assignee
住友電気工業株式会社
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 住友電気工業株式会社 filed Critical 住友電気工業株式会社
Priority to CN201880083413.7A priority Critical patent/CN111527692A/zh
Priority to DE112018006670.3T priority patent/DE112018006670T5/de
Priority to JP2019562768A priority patent/JP7188399B2/ja
Publication of WO2019130718A1 publication Critical patent/WO2019130718A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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 determination apparatus, a solar power generation system, a determination method, and a determination program.
  • Patent Document 1 discloses the following monitoring system for solar power generation. That is, the monitoring system for solar power generation is a monitoring system for solar power generation that monitors the power generation status of the solar cell panel with respect to the solar power generation system that collects outputs from a plurality of solar cell panels and sends it to the power conversion device.
  • a measuring device provided at a place where output electric paths from the plurality of solar cell panels are collected and measuring the amount of power generation of each solar cell panel, and connected to the measuring device;
  • a lower communication device having a function of transmitting measurement data, an upper communication device having a function of receiving the measurement data transmitted from the lower communication device, and the solar cell panel via the upper communication device
  • a management device having a function of collecting each of the measurement data.
  • the management apparatus determines the presence or absence of abnormality based on the difference in the amount of power generation at the same time point for each of the solar cell panels, or the maximum value or integration of the amount of power generation for a predetermined period for each of the solar cell panels Determine the presence or absence of abnormality based on the value.
  • the determination apparatus of the present disclosure is a determination apparatus used for a solar power generation system including a power generation unit including a solar battery cell, and is time-series output data which is a measurement result of the output of the power generation unit An abnormality of the output data in the target period is determined based on the output data in the reference period and an acquisition unit that acquires the output data in the target period, and the output data in the reference period acquired by the acquisition unit. And a determination unit.
  • a photovoltaic power generation system includes: one or more power generation units including solar cells; and one or more connection boxes each of which integrates output lines from one or more of the power generation units.
  • One or more current collection boxes each collecting an aggregate line from one or more of the connection boxes, and one or more power conversions each collecting an aggregate line from one or more of the current collection boxes Device, cubicle for aggregating aggregated lines from one or more of the power conversion devices, time-series output data that is a measurement result of the output of the power generation unit, the output data in a reference period, and the output data in a target period
  • a determination device that acquires output data and determines an abnormality of the output data in the target period based on the acquired output data in the acquired reference period.
  • the determination method of the present disclosure is a determination method in a determination apparatus, which is time-series output data that is a measurement result of an output of a power generation unit including a solar battery cell, and the output data and target period in a reference period And acquiring the output data in the second step and determining an abnormality of the output data in the target period based on the acquired output data in the reference period.
  • the determination program of the present disclosure is a determination program used in the determination apparatus, and the computer is time series output data which is a measurement result of an output of a power generation unit including a solar battery cell, As an acquisition unit that acquires output data and the output data in a target period, and a determination unit that determines abnormality of the output data in the target period based on the output data in the reference period acquired by the acquisition unit It is a program to make it work.
  • One aspect of the present disclosure can be implemented not only as a determination device including such a characteristic processing unit, but also as a semiconductor integrated circuit that implements part or all of the determination device.
  • one aspect of the present disclosure can be realized not only as a photovoltaic power generation system including such a characteristic processing unit, but also as a method in which such characteristic processing is used as a step.
  • one aspect of the present disclosure can be realized as a semiconductor integrated circuit that implements part or all of a solar power generation system.
  • FIG. 1 is a diagram showing a configuration of a solar power generation system according to an embodiment of the present invention.
  • FIG. 2 is a diagram showing the configuration of the PCS unit according to the embodiment of the present invention.
  • FIG. 3 is a diagram showing a configuration of a current collection unit according to the embodiment of the present invention.
  • FIG. 4 is a view showing a configuration of a solar cell unit according to the embodiment of the present invention.
  • FIG. 5 is a diagram showing a configuration of a power generation state determination system according to the embodiment of the present invention.
  • FIG. 6 is a diagram showing a configuration of a monitoring device in the power generation state determination system according to the embodiment of the present invention.
  • FIG. 1 is a diagram showing a configuration of a solar power generation system according to an embodiment of the present invention.
  • FIG. 2 is a diagram showing the configuration of the PCS unit according to the embodiment of the present invention.
  • FIG. 3 is a diagram showing a configuration of a current collection unit according to the embodiment of the present
  • FIG. 7 is a diagram showing a configuration of a determination device in the power generation state determination system according to the embodiment of the present invention.
  • FIG. 8 is a diagram showing an example of monitoring information held by the determination device in the power generation state determination system according to the embodiment of the present invention.
  • FIG. 9 is a diagram showing an example of generated power data acquired by the acquisition unit in the determination apparatus according to the embodiment of the present invention.
  • FIG. 10 is a diagram showing an example of five clusters for classifying reference data and target data in the determination apparatus according to the embodiment of the present invention.
  • FIG. 11 is a diagram showing an example of seven clusters for classifying reference data in the determination apparatus according to the embodiment of the present invention.
  • FIG. 12 is a diagram showing an example of nine clusters for classifying reference data in the determination apparatus according to the embodiment of the present invention.
  • FIG. 13 is a diagram showing an example of 11 clusters for classifying reference data in the determination apparatus according to the embodiment of the present invention.
  • FIG. 14 is a flowchart defining an operation procedure when the determination device according to the embodiment of the present invention determines that the power generation unit is abnormal.
  • the present disclosure has been made to solve the above-described problems, and an object of the present disclosure is to provide a determination device capable of improving the accuracy of abnormality determination of a solar power generation system, a solar power generation system, a determination method, and a determination program. To provide.
  • a determination apparatus is a determination apparatus used for a photovoltaic power generation system including a power generation unit including a solar battery cell, and is a time-series measurement result of the output of the power generation unit.
  • the output data in the target period based on the output data in the reference period and an acquisition unit that acquires the output data in the target period, and the output data in the reference period acquired by the acquisition unit
  • a determination unit that determines the abnormality of
  • the configuration is used to determine abnormality based on time series output data that is the measurement result of the output of the power generation unit.
  • An abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced. Therefore, the accuracy of the abnormality determination of the solar power generation system can be improved.
  • the target period is a period after the reference period.
  • the determination unit is an autoregressive model, statistical analysis, Bayesian statistics, sparse structure learning, neural network, support vector machine, naive Bayesian, k-nearest neighbor algorithm (kNN), decision tree , C4.5, Classification and Regression Tree (CART), random forest, adaboost, bagging, hierarchical clustering, k-means, EM algorithm (Expectation Maximization algorithm), latent semantic analysis (LSA: Latent Semantic Analysis), probabilistic latent Semantic Analysis (PLSA: probabilistic latent semantic Analysis), Linear Discriminant Analysis (LDA), Hierarchical Dirichlet Process (HDP), Latent Dirichlet Allocation (LDA), k-medoids, generalized linear models, linear models, Any one or more of hierarchical Bayesian and self-organizing maps (SOMs) are used to determine anomalies in the output data.
  • LSA Latent Semantic Analysis
  • PLSA probabilistic latent Semantic Analysis
  • LDA Linear Discriminant Analysis
  • abnormalities can be better detected using autoregressive models, machine learning, statistical analysis, Bayesian statistics, sparse structure learning or other methods.
  • the solar power generation system includes one or more connection boxes each of which integrates output lines from one or more of the power generation units, and each of the solar power generation systems includes one or more connection boxes from one or more of the connection boxes. From one or more current collection boxes that consolidates an aggregation line, one or more power conversion devices that each consolidates an aggregation line from one or more of the current collection boxes, and one or more of the power conversion devices And a cubicle for aggregating the aggregation lines of
  • output data can be collected at a desired location, so abnormality detection can be performed for each power generation unit, each connection box, each collection box, each power converter, or a cubicle. It is possible to improve the estimation of the cause of the abnormality.
  • a photovoltaic power generation system is one or more of one or more power generation units including solar cells, and one or more output lines from one or more of the power generation units.
  • Connection box, one or more current collection boxes each collecting an aggregation line from one or more of the connection boxes, and each aggregation a collection line from one or more of the current collection boxes 1
  • a plurality of power conversion devices a cubicle for aggregating aggregated lines from one or more of the power conversion devices, time-series output data which is a measurement result of the output of the power generation unit, and the output data in a reference period
  • a determination device that acquires the output data in a target period, and determines abnormality of the output data in the target period based on the output data in the acquired reference period Equipped with a.
  • the configuration is used to determine abnormality based on time series output data that is the measurement result of the output of the power generation unit.
  • An abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced. Therefore, the accuracy of the abnormality determination of the solar power generation system can be improved.
  • the determination method according to the embodiment of the present invention is a determination method in the determination device, which is time-series output data which is a measurement result of an output of a power generation unit including a solar battery cell And acquiring the output data in the target period and determining the abnormality in the output data in the target period based on the acquired output data in the reference period.
  • the configuration is used to determine abnormality based on time series output data that is the measurement result of the output of the power generation unit.
  • An abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced. Therefore, the accuracy of the abnormality determination of the solar power generation system can be improved.
  • the determination program according to the embodiment of the present invention is a determination program used in the determination apparatus, and is a time-series output data which is a measurement result of an output of a power generation unit including a solar cell. Determining an abnormality of the output data in the target period based on the output data in the reference period and an acquisition unit for acquiring the output data in the target period, and the output data in the reference period acquired by the acquisition unit It is a program to function as a determination unit.
  • the configuration is used to determine abnormality based on time series output data that is the measurement result of the output of the power generation unit.
  • An abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced. Therefore, the accuracy of the abnormality determination of the solar power generation system can be improved.
  • FIG. 1 is a diagram showing a configuration of a solar power generation system according to an embodiment of the present invention.
  • a solar power generation system 401 includes four power conditioning subsystem (PCS) units 80 and a cubicle 6.
  • the cubicle 6 includes a copper bar 73.
  • PCS units 80 Although four PCS units 80 are representatively shown in FIG. 1, more or fewer PCS units 80 may be provided.
  • FIG. 2 is a diagram showing the configuration of the PCS unit according to the embodiment of the present invention.
  • PCS unit 80 includes four current collecting units 60 and PCS (power conversion device) 8.
  • the PCS 8 includes a copper bar 7 and a power converter 9.
  • current collection units 60 are representatively shown in FIG. 2, more or less current collection units 60 may be provided.
  • FIG. 3 is a diagram showing a configuration of a current collection unit according to the embodiment of the present invention.
  • current collection unit 60 includes four solar cell units 74 and current collection box 71.
  • the current collection box 71 has a copper bar 72.
  • solar cell units 74 Although four solar cell units 74 are representatively shown in FIG. 3, more or less solar cell units 74 may be provided.
  • FIG. 4 is a view showing a configuration of a solar cell unit according to the embodiment of the present invention.
  • solar cell unit 74 includes four power generation units 78 and connection box 76.
  • the power generation unit 78 has a solar cell panel.
  • the junction box 76 has a copper bar 77.
  • power generation units 78 Although four power generation units 78 are representatively shown in FIG. 4, more or less power generation units 78 may be provided.
  • the power generation unit 78 is a string in which a plurality of solar cell panels are connected in series in this example.
  • output lines and aggregation lines from the plurality of power generation units 78 that is, power lines are electrically connected to the cubicle 6, respectively.
  • each of the one or more connection boxes 76 integrates the output line 1 from the one or more power generation units 78 into the aggregation line 5.
  • Each of the one or more current collection boxes 71 combines the combined lines 5 from the one or more connection boxes 76 into the combined line 2.
  • Each of the one or more PCSs 8 consolidates the consolidation line 2 from the one or more current collection boxes 71 into the consolidation line 4.
  • the cubicle 6 aggregates the aggregation lines 4 from one or more PCSs 8.
  • output line 1 of power generation unit 78 has a first end connected to power generation unit 78 and a second end connected to copper bar 77. Each output line 1 is aggregated into an aggregation line 5 via a copper bar 77. Copper bar 77 is provided, for example, inside connection box 76.
  • the power generation unit 78 converts the energy of the received sunlight into DC power, and outputs the converted DC power to the output line 1.
  • integrated line 5 has a first end connected to copper bar 77 in the corresponding solar cell unit 74 and a second end connected to copper bar 72.
  • Each aggregation line 5 is aggregated to the aggregation line 2 via the copper bar 72.
  • Copper bar 72 is provided, for example, in the inside of current collection box 71.
  • the output lines 1 from the plurality of power generation units 78 are aggregated into the aggregation line 5, and the aggregation lines 5 are aggregated into the aggregation line 2.
  • Each aggregation line 2 is aggregated into an aggregation line 4 and each aggregation line 4 is electrically connected to the cubicle 6.
  • each aggregation line 2 has a first end connected to the copper bar 72 in the corresponding current collection unit 60 and a second end connected to the copper bar 7.
  • internal line 3 has a first end connected to copper bar 7 and a second end connected to power conversion unit 9.
  • power conversion unit 9 transmits, for example, DC power generated in each power generation unit 78 via output line 1, copper bar 77, central line 5, copper bar 72, central line 2, copper bar 7 and internal line 3. , Convert the received DC power into AC power and output it to the aggregation line 4.
  • the aggregation line 4 has a first end connected to the power conversion unit 9 and a second end connected to the copper bar 73.
  • the AC power output from the power conversion unit 9 in each PCS 8 to each aggregation line 4 is output to the grid via the copper bar 73.
  • FIG. 5 is a diagram showing a configuration of a power generation state determination system according to the embodiment of the present invention.
  • the solar power generation system 401 includes a power generation state determination system 301.
  • the power generation state determination system 301 includes a determination device 101, a plurality of monitoring devices 111, and a collection device 151.
  • FIG. 5 representatively shows four monitoring devices 111 provided corresponding to one current collection unit 60, more or less monitoring devices 111 may be provided.
  • the power generation state determination system 301 includes one collection device 151, a plurality of collection devices 151 may be included.
  • the power generation state determination system 301 information of sensors in the monitoring device 111 which is a slave unit is periodically or irregularly transmitted to the collecting device 151.
  • Monitoring device 111 is provided, for example, in current collection unit 60. More specifically, four monitoring devices 111 are provided corresponding to the four solar cell units 74, respectively. Each monitoring device 111 is electrically connected to, for example, the corresponding output line 1 and the aggregation line 5.
  • the monitoring device 111 measures the current of each output line 1 in the corresponding solar cell unit 74 by a sensor. Moreover, the monitoring apparatus 111 measures the voltage of each output line 1 in the corresponding solar cell unit 74 by a sensor.
  • the collection device 151 is provided, for example, in the vicinity of the PCS 8. More specifically, the collection device 151 is provided corresponding to the PCS 8 and is electrically connected to the copper bar 7 via the signal line 46.
  • the monitoring device 111 and the collection device 151 perform transmission and reception of information by performing power line communication (PLC) via the aggregation lines 2 and 5.
  • PLC power line communication
  • each monitoring device 111 transmits monitoring information indicating the measurement result of the current and voltage of the corresponding output line.
  • the collection device 151 collects the measurement results of each monitoring device 111.
  • FIG. 6 is a diagram showing a configuration of a monitoring device in the power generation state determination system according to the embodiment of the present invention.
  • the output line 1, the aggregate line 5 and the copper bar 77 are shown in more detail.
  • output line 1 includes positive side output line 1p and negative side output line 1n.
  • the consolidation line 5 includes a plus-side consolidation line 5p and a minus-side consolidation line 5n.
  • the copper bar 77 includes a plus side copper bar 77p and a minus side copper bar 77n.
  • copper bars 72 in current collection box 71 shown in FIG. 3 include positive side copper bars 72p and negative side copper bars 72n corresponding to positive side central line 5p and negative side central line 5n, respectively.
  • Positive side output line 1p has a first end connected to corresponding power generation unit 78 and a second end connected to positive side copper bar 77p.
  • Negative side output line 1 n has a first end connected to corresponding power generation unit 78 and a second end connected to negative side copper bar 77 n.
  • the positive side aggregation line 5p has a first end connected to the positive side copper bar 77p and a second end connected to the positive side copper bar 72p in the current collection box 71.
  • the minus side consolidation line 5n has a first end connected to the minus side copper bar 77n and a second end connected to the minus side copper bar 72n in the current collection box 71.
  • the monitoring device 111 includes a detection processing unit 11, four current sensors 16, a voltage sensor 17, and a communication unit 14.
  • the monitoring device 111 may further include more or less current sensors 16 depending on the number of output lines 1.
  • Monitoring device 111 is provided, for example, in the vicinity of power generation unit 78. Specifically, the monitoring device 111 is provided, for example, inside a connection box 76 provided with a copper bar 77 to which the output line 1 to be measured is connected. The monitoring device 111 may be provided outside the connection box 76.
  • the monitoring device 111 is electrically connected to the plus-side consolidation line 5p and the minus-side consolidation line 5n via the plus-side power supply line 26p and the minus-side power supply line 26n, respectively.
  • each of positive side power supply line 26p and negative side power supply line 26n is also referred to as power supply line 26.
  • Each monitoring device 111 transmits the monitoring information indicating the measurement result regarding the corresponding power generation unit 78 via the power line connected to itself and the collection device 151.
  • the communication unit 14 in the monitoring device 111 can perform power line communication via the aggregation line with the collection device 151 that collects measurement results of the plurality of monitoring devices 111. More specifically, the communication unit 14 can transmit and receive information via the aggregation lines 2 and 5. Specifically, the communication unit 14 performs power line communication with the collection device 151 via the power supply line 26 and the aggregation lines 2 and 5.
  • the detection processing unit 11 is set to create, for example, monitoring information indicating measurement results of the current and voltage of the corresponding output line 1 at predetermined time intervals.
  • the current sensor 16 measures the current of the output line 1. More specifically, the current sensor 16 is, for example, a Hall element type current probe. The current sensor 16 measures the current flowing through the corresponding negative side output line 1 n using the power received from the power supply circuit (not shown) of the monitoring device 111, and outputs a signal indicating the measurement result to the detection processing unit 11. The current sensor 16 may measure the current flowing through the positive side output line 1p.
  • the voltage sensor 17 measures the voltage of the output line 1. More specifically, the voltage sensor 17 measures the voltage between the plus side copper bar 77p and the minus side copper bar 77n, and outputs a signal indicating the measurement result to the detection processing unit 11.
  • Detection processing unit 11 converts, for example, signals obtained by performing signal processing such as averaging and filtering on each measurement signal received from each current sensor 16 and voltage sensor 17 at predetermined time intervals, into a digital signal.
  • the detection processing unit 11 measures the measured value indicated by each digital signal created, the ID of the corresponding current sensor 16 (hereinafter, also referred to as current sensor ID), and the ID of the voltage sensor 17 (hereinafter, also referred to as voltage sensor ID). And monitoring ID of its own monitoring device 111 (hereinafter also referred to as monitoring device ID).
  • the detection processing unit 11 creates a monitoring information packet whose transmission source ID is its own monitoring device ID, whose transmission destination ID is the ID of the collection device 151, and whose data portion is monitoring information. Then, the detection processing unit 11 outputs the created monitoring information packet to the communication unit 14.
  • the detection processing unit 11 may include the sequence number in the monitoring information packet.
  • the communication unit 14 transmits the monitoring information packet received from the detection processing unit 11 to the collection device 151.
  • the collection device 151 can transmit and receive information via the aggregation lines 2 and 5. Specifically, for example, the collection device 151 performs power line communication with the monitoring device 111 via the signal line 46 and the aggregation lines 2 and 5, and receives monitoring information packets from the plurality of monitoring devices 111.
  • the collection device 151 has a counter and a storage unit, and when receiving the monitoring information packet from the monitoring device 111, acquires the monitoring information from the received monitoring information packet, and acquires the count value in the counter as the reception time. Then, the collection device 151 stores the monitoring information in a storage unit (not shown) after including the reception time in the monitoring information.
  • FIG. 7 is a diagram showing a configuration of a determination device in the power generation state determination system according to the embodiment of the present invention.
  • the determination apparatus 101 includes a determination unit 81, a communication processing unit 84, a storage unit 85, and an acquisition unit 86.
  • Determination unit 81 includes an evaluation unit 82 and a generation unit 83.
  • the ID of the monitoring apparatus 111 to be managed that is, the monitoring apparatus ID is registered. Further, in the storage unit 85, the correspondence R1 between the monitoring device ID and the ID of each sensor included in the monitoring device 111 having the monitoring device ID, that is, the current sensor ID and the voltage sensor ID is registered.
  • the determination device 101 is, for example, a server, periodically acquires monitoring information from the collection device 151, and processes the acquired monitoring information. Determination device 101 may be configured to be incorporated in collection device 151, for example.
  • the communication processing unit 84 in the determination device 101 transmits and receives information to and from another device such as the collection device 151 via the network.
  • the communication processing unit 84 performs monitoring information collection processing at designated daily processing timing, for example, at midnight every day. If the determination device 101 is built in the collection device 151, monitoring information can be easily collected at shorter intervals.
  • the communication processing unit 84 refers to each monitoring device ID registered in the storage unit 85, corresponds to each monitoring device ID referred to, and performs 24 hours of daily processing timing.
  • a monitoring information request for requesting monitoring information including the reception time belonging to the previous day processing timing (hereinafter also referred to as a processing day) is transmitted to the collection apparatus 151.
  • the collection device 151 When receiving the monitoring information request from the determination device 101, the collection device 151 transmits one or more pieces of monitoring information satisfying the content of the monitoring information request to the determination device 101 in accordance with the received monitoring information request.
  • FIG. 8 is a diagram showing an example of monitoring information held by the determination device in the power generation state determination system according to the embodiment of the present invention.
  • communication processing unit 84 when receiving one or more pieces of monitoring information from collection device 151 as a response to a monitoring information request, calculates the generated power of power generation unit 78 based on the received monitoring information. .
  • communication processing unit 84 multiplies, for example, the current value for each current sensor ID included in the monitoring information, that is, for each power generation unit 78 by the voltage value included in one of the monitoring information, the current sensor ID The generated power for each is calculated, and the generated power for each calculated current sensor ID is included in the monitoring information.
  • the communication processing unit 84 stores each piece of monitoring information after processing in the storage unit 85, and outputs a processing completion notification to the acquisition unit 86.
  • the acquisition unit 86 acquires time-series output data that is a measurement result of the output of the power generation unit 78.
  • the acquiring unit 86 when the acquiring unit 86 receives the process completion notification from the communication processing unit 84, the acquiring unit 86 refers to the correspondence R1 registered in the storage unit 85, and outputs the generated power in time series for each current sensor ID. Data (hereinafter, also referred to as generated power data) is acquired from the storage unit 85.
  • the acquisition unit 86 may acquire time series output data of the current value or the voltage value from the storage unit 85 for each current sensor ID.
  • FIG. 9 is a diagram showing an example of generated power data acquired by the acquisition unit in the determination apparatus according to the embodiment of the present invention.
  • the horizontal axis represents time
  • the vertical axis represents generated power.
  • the acquisition unit 86 generates power generation data (hereinafter also referred to as target data) in a period including the reception time belonging to the processing day (hereinafter also referred to as target period) and a period before the target period (hereinafter referred to as reference period) ) Is acquired (hereinafter also referred to as reference data).
  • target data power generation data
  • reference period a period before the target period
  • the acquisition unit 86 outputs the acquired target data and reference data to the generation unit 83 in the determination unit 81. Note that the target period and the reference period may partially overlap.
  • determination unit 81 Based on the reference data received from acquisition unit 86, determination unit 81 performs a determination process of determining abnormality of the target data.
  • the determination unit 81 may be an autoregressive model, statistical analysis, Bayesian statistics, sparse structure learning, neural network, support vector machine, naive Bayesian, k-nearest neighbor algorithm (kNN), decision tree, C4.5.
  • the determination apparatus 101 performs a determination process using an autoregressive model.
  • the generation unit 83 in the determination unit 81 predicts the generated power in the target period using the autoregressive model with respect to the reference data received from the acquisition unit 86, and indicates predicted data indicating the predicted generated power It is generated and output to the evaluation unit 82.
  • the generation unit 83 outputs the target data received from the acquisition unit 86 to the evaluation unit 82.
  • the evaluation unit 82 compares the prediction data received from the generation unit 83 with the target data, and evaluates the error of the target data with respect to the prediction data according to a predetermined method, whereby the target data is normal or abnormal. Determine if
  • the evaluation unit 82 determines that the target data is normal if the error is smaller than a predetermined threshold, and determines that the target data is abnormal if the error is equal to or greater than the threshold.
  • the determination device 101 performs a determination process using a neural network.
  • the generation unit 83 in the determination unit 81 creates, for example, a learning data set including a plurality of normal learning power generation data and a plurality of abnormal generated power data given by the user.
  • the generation unit 83 creates a classification model using the created data set for learning.
  • the generation unit 83 inputs a learning data set to the neural network, for example, in accordance with a deep learning method.
  • the generation unit 83 creates a classification model by causing the neural network to perform machine learning so as to classify whether the generated power data is normal generated power data or abnormal generated power data.
  • the generation unit 83 inputs target data into the classification model for which machine learning has been completed, and obtains data to which the classification result indicating whether the target data is normal generated power data or abnormal generated power data is added. . Then, the generation unit 83 outputs the obtained data to the evaluation unit 82.
  • the evaluation unit 82 determines whether the target data is normal or not according to the data received from the generation unit 83.
  • the determination apparatus 101 performs a determination process using a support vector machine.
  • generation unit 83 in determination unit 81 receives, for example, normal generated power data from the user, and based on the received generated power data, a group of normal generated power data from reference data (hereinafter referred to as “normal” Also called a group).
  • the generation unit 83 receives abnormal generated power data from the user, and generates an abnormal generated power data group (hereinafter also referred to as an abnormal group) from the reference data based on the supplied generated power data.
  • an abnormal generated power data group hereinafter also referred to as an abnormal group
  • the generation unit 83 sets generated power data close to the abnormal group among the generated power data included in the normal group as the normal feature data, and generates power data close to the normal group among the generated power data included in the abnormal group Set as abnormal feature data.
  • the generation unit 83 calculates the determination condition indicating the boundary between the normal group and the abnormal group based on the normal feature data and the abnormal feature data, and outputs the calculated determination condition to the evaluation unit 82. In addition, the generation unit 83 outputs the target data received from the acquisition unit 86 to the evaluation unit 82.
  • the evaluation unit 82 determines, based on the determination condition received from the generation unit 83, to which of the normal group and the abnormal group the target data should belong.
  • the evaluation unit 82 determines that the target data is normal if it determines that the target data belongs to a normal group, and determines that the target data is abnormal if it determines that the target data belongs to an abnormal group. .
  • the generation unit 83 is configured to use a neural network or a support vector machine as supervised learning, the present invention is not limited to this.
  • the generation unit 83 may be configured to use a supervised learning method such as C4.5, decision trees such as CART, random forest and bagging, naive Bayes, adaboost and kNN.
  • the determination apparatus 101 performs the determination process using k-means.
  • the generation unit 83 in the determination unit 81 performs clustering using the waveform of the reference data and the waveform of the target data received from the acquisition unit 86 to classify the reference data and the target data N (N is Generate an integer of 2 or more) clusters.
  • the generation unit 83 generates N, for example, 5, 7, 9, or 11 clusters using k-means.
  • FIG. 10 is a diagram showing an example of five clusters for classifying reference data and target data in the determination apparatus according to the embodiment of the present invention.
  • FIG. 10 shows the average value of reference data and target data classified into each cluster.
  • generation unit 83 generates five clusters C51 to C55.
  • FIG. 11 is a diagram showing an example of seven clusters for classifying reference data in the determination apparatus according to the embodiment of the present invention.
  • generation unit 83 generates seven clusters C71 to C77.
  • FIG. 12 is a diagram showing an example of nine clusters for classifying reference data in the determination apparatus according to the embodiment of the present invention.
  • generation unit 83 generates nine clusters C91 to C99.
  • FIG. 13 is a diagram showing an example of 11 clusters for classifying reference data in the determination apparatus according to the embodiment of the present invention.
  • generation unit 83 generates eleven clusters of clusters C101 to C111.
  • the generation unit 83 outputs, to the evaluation unit 82, a plurality of generated clusters and cluster information indicating which cluster the target data has been classified into.
  • the evaluation unit 82 determines some clusters among the received plurality of clusters as normal clusters, and determines the remaining clusters as abnormal clusters.
  • the evaluation unit 82 recognizes a cluster in which the target data is classified based on the received cluster information, and determines that the target data is normal if the target data is classified into a normal cluster, and the target data is If it is classified into an abnormal cluster, the target data is determined to be abnormal.
  • C53 is divided into C73 and C75, as compared to the five clusters shown in FIG.
  • the generation unit 83 is configured to use k-means as unsupervised learning, the present invention is not limited to this.
  • the generation unit 83 is unsupervised such as hierarchical clustering, EM algorithm, latent semantic analysis, probabilistic latent semantic analysis, linear discriminant analysis, hierarchical Dirichlet process, latent Dirichlet allocation method, k-medoids, and self-organizing map. It may be configured to use a learning method.
  • the generation unit 83 may be configured to generate the determination condition using statistical analysis, Bayesian statistics, or sparse structure learning. In addition, the generation unit 83 may use methods other than the above-described methods.
  • the determination device 101 includes an autoregressive model, statistical analysis, Bayesian statistics, sparse structure learning, neural network, support vector machine, naive Bayesian, k-nearest neighbor, decision tree, C4.5, CART, random forest, adaboost, and bagging.
  • an autoregressive model statistical analysis, Bayesian statistics, sparse structure learning, neural network, support vector machine, naive Bayesian, k-nearest neighbor, decision tree, C4.5, CART, random forest, adaboost, and bagging.
  • Hierarchical clustering k-means, EM algorithm, probabilistic latent semantic analysis, linear discriminant analysis, HDP, latent Dirichlet distribution method, k-medoids, generalized linear model, linear model, hierarchical Bayesian and self-organizing map Any one or more of the above methods may be combined.
  • generation unit 83 in determination unit 81 classifies the reference data and the target data by clustering using the reference data and the target data waveform received from acquisition unit 86, for example, five. Create a learning data set with the generated clusters as normal generated power data for learning and abnormal generated power data.
  • Each device in the power generation state determination system 301 includes a computer, and an arithmetic processing unit such as a CPU in the computer reads a program including a part or all of each step of the following sequence diagram or flowchart from a memory (not shown) Run.
  • the programs of the plurality of devices can be installed from the outside.
  • the programs of the plurality of apparatuses are distributed as stored in the recording medium.
  • FIG. 14 is a flowchart defining an operation procedure when the determination device according to the embodiment of the present invention determines that the power generation unit is abnormal.
  • determination apparatus 101 stands by until the daily processing timing arrives (NO in step S101).
  • the determination device 101 receives the current value and the voltage value for each power generation unit 78 in the processing day from the collection device 151 (step S102).
  • the determination apparatus 101 calculates the generated power for each of the power generation units 78 on the processing day based on the received current value and voltage value (step S103).
  • the determination apparatus 101 adds the date of the processing date to the time series data of the generated power for each power generation unit 78 on the processing date, that is, the target data, and stores the date in the storage unit 85 (step S104).
  • the determination apparatus 101 acquires past time-series data, that is, reference data and target data from the storage unit 85 (step S105).
  • the determination apparatus 101 determines an abnormality of the target data using an autoregressive model, machine learning, statistical analysis, Bayesian statistics, sparse structure learning, or another method. (Step S106).
  • step S101 the determination apparatus 101 stands by until a new daily processing timing arrives.
  • the collecting device 151 is connected to the PCS 8 and transmits / receives information to / from the monitoring device 111 and the determination device 101, but is limited thereto It is not a thing.
  • the collection device 151 may be connected to the cubicle 6, the current collection unit 60, or the solar battery unit 74, and may transmit and receive information to and from the monitoring device 111 and the determination device 101.
  • the determination device 101 is a single server, but the present invention is not limited to this.
  • the determination device 101 may be a cloud server.
  • the target period is a period after the reference period, but it is not limited to this.
  • the target period may be the same as the reference period.
  • the determination device 101 performs clustering on a plurality of target data in a target period using, for example, hierarchical clustering, k-medoids, k-means, and a self-organizing map to obtain the plurality of target data.
  • a plurality of classified clusters are generated, and a determination process is performed to determine abnormality of target data based on cluster information attached to the generated clusters.
  • the determination device 101 includes one or more connection boxes 76, one or more current collection boxes 71, and one or more power conversion devices 8; Although the configuration used for the solar power generation system 401 including the cubicle 6 is described, the configuration is not limited thereto.
  • the determination device 101 may be used for a solar power generation system having a configuration different from that of the solar power generation system 401.
  • the acquisition unit 86 acquires output data in time series which is a measurement result of the output of the power generation unit 78 and is output data in the reference period and output data in the target period.
  • the determination unit 81 determines the abnormality of the output data in the target period based on the output data in the reference period acquired by the acquisition unit 86.
  • the abnormality is determined based on time series output data that is the measurement result of the output of the power generation unit 78.
  • Abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced.
  • the determination device in the determination device according to the embodiment of the present invention, it is possible to improve the accuracy of the abnormality determination of the solar power generation system.
  • the target period is a period after the reference period.
  • the determination unit 81 includes an autoregressive model, statistical analysis, Bayesian statistics, sparse structure learning, neural network, support vector machine, naive Bayesian, k-nearest neighbor method, decision tree, C4.5, CART, random forest, adaboost, bagging, hierarchical clustering, k-means, EM algorithm, latent semantic analysis, probabilistic latent semantic analysis, linear discriminant analysis, hierarchical Dirichlet process, latent Dirichlet allocation method, k Use any one or more of: medoids, generalized linear models, linear models, hierarchical Bayesian and self-organizing maps to determine anomalies in the output data.
  • Such a configuration may better detect anomalies using autoregressive models, machine learning, statistical analysis, Bayesian statistics, sparse structure learning, generalized linear models, linear models, hierarchical Bayesian, or other techniques. it can.
  • each of the one or more connection boxes 76 integrates output lines from the one or more power generation units 78.
  • Each of the one or more current collection boxes 71 aggregates an aggregation line from the one or more connection boxes 76.
  • Each of the one or more power conversion devices 8 consolidates an aggregation line from one or more current collection boxes 71.
  • the cubicle 6 aggregates aggregation lines from one or more power conversion devices 8.
  • each of the one or more connection boxes 76 integrates the output lines from the one or more power generation units 78.
  • Each of the one or more current collection boxes 71 aggregates an aggregation line from the one or more connection boxes 76.
  • Each of the one or more power electronics devices 8 consolidates the aggregated lines from the one or more current collection boxes 71.
  • the cubicle 6 aggregates aggregation lines from one or more of the power conversion devices 8.
  • the determination device 101 acquires output data in the reference period, which is output data of the time series that is a measurement result of the output of the power generation unit 78, and output data in the target period, and based on the output data in the acquired reference period, Determine the abnormality of the output data in the period.
  • the abnormality is determined based on time series output data that is the measurement result of the output of the power generation unit 78.
  • Abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced.
  • the abnormality is determined based on time series output data that is the measurement result of the output of the power generation unit 78.
  • Abnormality can be detected without installing a panel thermometer and a solar radiation meter.
  • the number of equipment to be installed decreases and the number of visual confirmations can be reduced, the possibility of false recognition can be reduced.
  • a determination apparatus for use in a solar power generation system including a power generation unit including a solar battery cell, An acquisition unit that acquires time-series output data that is a measurement result of the output of the power generation unit, the output data in a reference period and the output data in a target period; A determination unit that determines an abnormality of the output data in the target period based on the output data in the reference period acquired by the acquisition unit;
  • the power generation unit is a string in which a plurality of solar cell panels are connected in series, The output of the power generation unit is generated power, current or voltage of the power generation unit,
  • the target period is one day,
  • the determination apparatus wherein the reference period is a period up to a day before the target period.
  • One or more power generation units including solar cells; One or more junction boxes, each collecting output lines from one or more of the power generation units; One or more current collection boxes, each aggregating aggregated lines from one or more of the connection boxes; One or more power converters, each aggregating an aggregate line from one or more of the current collection boxes; A cubicle that aggregates an aggregation line from one or more of the power conversion devices;
  • the output data in time series which is the measurement result of the output of the power generation unit, the output data in the reference period and the output data in the target period are acquired, and the target is acquired based on the output data in the acquired reference period.
  • a determination device that determines an abnormality of the output data in a period;
  • the power generation unit is a string in which a plurality of solar cell panels are connected in series, The output of the power generation unit is generated power, current or voltage of the power generation unit,
  • the target period is one day, The solar power generation system whose said reference period is a period to the day before the said target period.

Landscapes

  • Photovoltaic Devices (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

判定装置（１０１）は、太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置（１０１）であって、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部（８６）と、前記取得部（８６）によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部（８１）とを備える。

Description

判定装置、太陽光発電システム、判定方法および判定プログラム
　本発明は、判定装置、太陽光発電システム、判定方法および判定プログラムに関する。
　この出願は、２０１７年１２月２８日に出願された日本出願特願２０１７－２５３４０７号を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
　特開２０１２－２０５０７８号公報（特許文献１）には、以下のような太陽光発電用監視システムが開示されている。すなわち、太陽光発電用監視システムは、複数の太陽電池パネルからの出力を集約して電力変換装置に送り込む太陽光発電システムについて、前記太陽電池パネルの発電状況を監視する太陽光発電用監視システムであって、前記複数の太陽電池パネルからの出力電路が集約された場所に設けられ、各太陽電池パネルの発電量を計測する計測装置と、前記計測装置に接続され、前記計測装置による発電量の計測データを送信する機能を有する下位側通信装置と、前記下位側通信装置から送信される前記計測データを受信する機能を有する上位側通信装置と、前記上位側通信装置を介して前記太陽電池パネルごとの前記計測データを収集する機能を有する管理装置とを備える。前記管理装置は、前記各太陽電池パネルについての、同一時点における発電量の差に基づいて異常の有無を判定するか、または前記各太陽電池パネルについての、所定期間の発電量の最大値又は積算値に基づいて異常の有無を判定する。
特開２０１２－２０５０７８号公報
　（１）本開示の判定装置は、太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備える。
　（５）本開示の太陽光発電システムは、太陽電池セルを含む１または複数の発電部と、各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備える。
　（６）本開示の判定方法は、判定装置における判定方法であって、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得するステップと、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定するステップとを含む。
　（７）本開示の判定プログラムは、判定装置において用いられる判定プログラムであって、コンピュータを、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部、として機能させるためのプログラムである。
　本開示の一態様は、このような特徴的な処理部を備える判定装置として実現され得るだけでなく、判定装置の一部または全部を実現する半導体集積回路として実現され得る。
　また、本開示の一態様は、このような特徴的な処理部を備える太陽光発電システムとして実現され得るだけでなく、かかる特徴的な処理をステップとする方法として実現され得る。また、本開示の一態様は、太陽光発電システムの一部または全部を実現する半導体集積回路として実現され得る。
図１は、本発明の実施の形態に係る太陽光発電システムの構成を示す図である。 図２は、本発明の実施の形態に係るＰＣＳユニットの構成を示す図である。 図３は、本発明の実施の形態に係る集電ユニットの構成を示す図である。 図４は、本発明の実施の形態に係る太陽電池ユニットの構成を示す図である。 図５は、本発明の実施の形態に係る発電状態判定システムの構成を示す図である。 図６は、本発明の実施の形態に係る発電状態判定システムにおける監視装置の構成を示す図である。 図７は、本発明の実施の形態に係る発電状態判定システムにおける判定装置の構成を示す図である。 図８は、本発明の実施の形態に係る発電状態判定システムにおける判定装置が保持する監視情報の一例を示す図である。 図９は、本発明の実施の形態に係る判定装置における取得部が取得する発電電力データの一例を示す図である。 図１０は、本発明の実施の形態に係る判定装置における参照データおよび対象データを分類する５個のクラスタの一例を示す図である。 図１１は、本発明の実施の形態に係る判定装置における参照データを分類する７個のクラスタの一例を示す図である。 図１２は、本発明の実施の形態に係る判定装置における参照データを分類する９個のクラスタの一例を示す図である。 図１３は、本発明の実施の形態に係る判定装置における参照データを分類する１１個のクラスタの一例を示す図である。 図１４は、本発明の実施の形態に係る判定装置が発電部の異常の判定を行う際の動作手順を定めたフローチャートである。
　近年、太陽光発電システムを監視して異常を判別するための技術が開発されている。
　［本開示が解決しようとする課題］
　特許文献１に記載の技術を超えて、太陽光発電システムの異常判定の精度を向上させることが可能な技術が望まれる。
　本開示は、上述の課題を解決するためになされたもので、その目的は、太陽光発電システムの異常判定の精度を向上させることが可能な判定装置、太陽光発電システム、判定方法および判定プログラムを提供することである。
　［本開示の効果］
　本開示によれば、太陽光発電システムの異常判定の精度を向上させることができる。
　［本願発明の実施形態の説明］
　最初に、本発明の実施形態の内容を列記して説明する。
　（１）本発明の実施の形態に係る判定装置は、太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備える。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
　（２）好ましくは、前記対象期間は、前記参照期間より後の期間である。
　このような構成により、過去に蓄積された出力データを活用し、異常をより正確に判定することができる。
　（３）好ましくは、前記判定部は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法（ｋＮＮ：ｋ－ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ａｌｇｏｒｉｔｈｍ）、決定木、Ｃ４．５、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｎｄ　Ｒｅｇｒｅｓｓｉｏｎ　Ｔｒｅｅ）、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム（Ｅｘｐｅｃｔａｔｉｏｎ　Ｍａｘｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ）、潜在意味解析（ＬＳＡ：Ｌａｔｅｎｔ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ）、確率的潜在的意味解析（ＰＬＳＡ：ｐｒｏｂａｂｉｌｉｓｔｉｃ　Ｌａｔｅｎｔ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ）、線形判別分析（ＬＤＡ：Ｌｉｎｅａｒ　Ｄｉｓｃｒｉｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ）、階層ディリクレ過程（ＨＤＰ：Ｈｉｅｒｅｃｈｉｃａｌ　Ｄｉｒｉｃｈｌｅｔ　Ｐｒｏｃｅｓｓ）、潜在的ディリクレ配分法（ＬＤＡ：Ｌａｔｅｎｔ　Ｄｉｒｉｃｈｌｅｔ　Ａｌｌｏｃａｔｉｏｎ）、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップ（ＳＯＭ：ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｍａｐ）のうちのいずれか１つまたは複数を用いて前記出力データの異常を判定する。
　このような構成により、自己回帰モデル、機械学習、統計解析、ベイズ統計、疎構造学習またはその他の手法を用いて、異常をより良好に検知することができる。
　（４）好ましくは、前記太陽光発電システムは、各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、１または複数の前記電力変換装置からの集約ラインを集約するキュービクルとを備える。
　このような構成により、所望の箇所において出力データを収集することができるため、異常検知を、発電部ごと、接続箱ごと、集電箱ごと、電力変換装置ごと、またはキュービクルにおいて行うことができ、異常の原因推定を向上させることができる。
　（５）本発明の実施の形態に係る太陽光発電システムは、太陽電池セルを含む１または複数の発電部と、各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備える。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
　（６）本発明の実施の形態に係る判定方法は、判定装置における判定方法であって、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得するステップと、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定するステップとを含む。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
　（７）本発明の実施の形態に係る判定プログラムは、判定装置において用いられる判定プログラムであって、コンピュータを、太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部、として機能させるためのプログラムである。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。したがって、太陽光発電システムの異常判定の精度を向上させることができる。
　以下、本発明の実施の形態について図面を用いて説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。また、以下に記載する実施の形態の少なくとも一部を任意に組み合わせてもよい。
　［太陽光発電システムの構成］
　図１は、本発明の実施の形態に係る太陽光発電システムの構成を示す図である。
　図１を参照して、太陽光発電システム４０１は、４つのＰＣＳ（Ｐｏｗｅｒ　Ｃｏｎｄｉｔｉｏｎｉｎｇ　Ｓｕｂｓｙｓｔｅｍ）ユニット８０と、キュービクル６とを備える。キュービクル６は、銅バー７３を含む。
　図１では、４つのＰＣＳユニット８０を代表的に示しているが、さらに多数または少数のＰＣＳユニット８０が設けられてもよい。
　図２は、本発明の実施の形態に係るＰＣＳユニットの構成を示す図である。
　図２を参照して、ＰＣＳユニット８０は、４つの集電ユニット６０と、ＰＣＳ（電力変換装置）８とを備える。ＰＣＳ８は、銅バー７と、電力変換部９とを含む。
　図２では、４つの集電ユニット６０を代表的に示しているが、さらに多数または少数の集電ユニット６０が設けられてもよい。
　図３は、本発明の実施の形態に係る集電ユニットの構成を示す図である。
　図３を参照して、集電ユニット６０は、４つの太陽電池ユニット７４と、集電箱７１とを含む。集電箱７１は、銅バー７２を有する。
　図３では、４つの太陽電池ユニット７４を代表的に示しているが、さらに多数または少数の太陽電池ユニット７４が設けられてもよい。
　図４は、本発明の実施の形態に係る太陽電池ユニットの構成を示す図である。
　図４を参照して、太陽電池ユニット７４は、４つの発電部７８と、接続箱７６とを含む。発電部７８は、太陽電池パネルを有する。接続箱７６は、銅バー７７を有する。
　図４では、４つの発電部７８を代表的に示しているが、さらに多数または少数の発電部７８が設けられてもよい。
　発電部７８は、この例では複数の太陽電池パネルが直列接続されたストリングである。
　太陽光発電システム４０１では、複数の発電部７８からの出力ラインおよび集約ライン、すなわち電力線がそれぞれキュービクル６に電気的に接続される。
　太陽光発電システム４０１において、１または複数の接続箱７６の各々は、１または複数の発電部７８からの出力ライン１を集約ライン５に集約する。１または複数の集電箱７１の各々は、１または複数の接続箱７６からの集約ライン５を集約ライン２に集約する。１または複数のＰＣＳ８の各々は、１または複数の集電箱７１からの集約ライン２を集約ライン４に集約する。キュービクル６は、１または複数のＰＣＳ８からの集約ライン４を集約する。
　より詳細には、発電部７８の出力ライン１は、発電部７８に接続された第１端と、銅バー７７に接続された第２端とを有する。各出力ライン１は、銅バー７７を介して集約ライン５に集約される。銅バー７７は、たとえば接続箱７６の内部に設けられている。
　発電部７８は、太陽光を受けると、受けた太陽光のエネルギーを直流電力に変換し、変換した直流電力を出力ライン１へ出力する。
　図３および図４を参照して、集約ライン５は、対応の太陽電池ユニット７４における銅バー７７に接続された第１端と、銅バー７２に接続された第２端とを有する。各集約ライン５は、銅バー７２を介して集約ライン２に集約される。銅バー７２は、たとえば集電箱７１の内部に設けられている。
　図１～図４を参照して、太陽光発電システム４０１では、上述のように複数の発電部７８からの各出力ライン１が集約ライン５に集約され、各集約ライン５が集約ライン２に集約され、各集約ライン２が集約ライン４に集約され、各集約ライン４がキュービクル６に電気的に接続される。
　より詳細には、各集約ライン２は、対応の集電ユニット６０における銅バー７２に接続された第１端と、銅バー７に接続された第２端とを有する。ＰＣＳ８において、内部ライン３は、銅バー７に接続された第１端と、電力変換部９に接続された第２端とを有する。
　ＰＣＳ８において、電力変換部９は、たとえば、各発電部７８において発電された直流電力を出力ライン１、銅バー７７、集約ライン５、銅バー７２、集約ライン２、銅バー７および内部ライン３経由で受けると、受けた直流電力を交流電力に変換して集約ライン４へ出力する。
　集約ライン４は、電力変換部９に接続された第１端と、銅バー７３に接続された第２端とを有する。
　キュービクル６において、各ＰＣＳ８における電力変換部９から各集約ライン４へ出力された交流電力は、銅バー７３を介して系統へ出力される。
　［課題］
　太陽光発電システム４０１では、太陽光発電の異常を検知するためには、日射条件を見ながら太陽電池パネルの発電量を計測し、推定される発電量と比較する方法、接続箱７６において、発電量が最大である発電部７８に対して発電量を正規化し、メーカー公表値と比較する方法、または発電量データを目視で確認する方法等がある。
　しかしながら、このような方法では、日射計等の追加の設備が必要でコストがかり、また、目視による確認のため誤認してしまうことも多い。また、異常として発電量の低下を見つけるにとどまる。
　そこで、本発明の実施の形態に係る太陽光発電システムでは、以下のような構成および動作により、このような課題を解決する。
　［発電状態判定システム３０１の構成］
　図５は、本発明の実施の形態に係る発電状態判定システムの構成を示す図である。
　図５を参照して、太陽光発電システム４０１は、発電状態判定システム３０１を備える。発電状態判定システム３０１は、判定装置１０１と、複数の監視装置１１１と、収集装置１５１とを含む。
　図５では、１つの集電ユニット６０に対応して設けられた４つの監視装置１１１を代表的に示しているが、さらに多数または少数の監視装置１１１が設けられてもよい。また、発電状態判定システム３０１は、１つの収集装置１５１を備えているが、複数の収集装置１５１を備えてもよい。
　発電状態判定システム３０１では、子機である監視装置１１１におけるセンサの情報が、収集装置１５１へ定期的または不定期に伝送される。
　監視装置１１１は、たとえば集電ユニット６０に設けられている。より詳細には、監視装置１１１は、４つの太陽電池ユニット７４にそれぞれ対応して４つ設けられている。各監視装置１１１は、たとえば、対応の出力ライン１および集約ライン５に電気的に接続されている。
　監視装置１１１は、対応の太陽電池ユニット７４における各出力ライン１の電流をセンサにより計測する。また、監視装置１１１は、対応の太陽電池ユニット７４における各出力ライン１の電圧をセンサにより計測する。
　収集装置１５１は、たとえばＰＣＳ８の近傍に設けられている。より詳細には、収集装置１５１は、ＰＣＳ８に対応して設けられ、信号線４６を介して銅バー７に電気的に接続されている。
　監視装置１１１および収集装置１５１は、集約ライン２，５を介して電力線通信（ＰＬＣ：Ｐｏｗｅｒ　Ｌｉｎｅ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ）を行うことにより情報の送受信を行う。
　より詳細には、各監視装置１１１は、対応の出力ラインの電流および電圧の計測結果を示す監視情報を送信する。収集装置１５１は、各監視装置１１１の計測結果を収集する。
　［監視装置１１１の構成］
　図６は、本発明の実施の形態に係る発電状態判定システムにおける監視装置の構成を示す図である。図６では、出力ライン１、集約ライン５および銅バー７７がより詳細に示されている。
　図６を参照して、出力ライン１は、プラス側出力ライン１ｐと、マイナス側出力ライン１ｎとを含む。集約ライン５は、プラス側集約ライン５ｐと、マイナス側集約ライン５ｎとを含む。銅バー７７は、プラス側銅バー７７ｐと、マイナス側銅バー７７ｎとを含む。
　図示しないが、図３に示す集電箱７１における銅バー７２は、プラス側集約ライン５ｐおよびマイナス側集約ライン５ｎにそれぞれ対応して、プラス側銅バー７２ｐおよびマイナス側銅バー７２ｎを含む。
　プラス側出力ライン１ｐは、対応の発電部７８に接続された第１端と、プラス側銅バー７７ｐに接続された第２端とを有する。マイナス側出力ライン１ｎは、対応の発電部７８に接続された第１端と、マイナス側銅バー７７ｎに接続された第２端とを有する。
　プラス側集約ライン５ｐは、プラス側銅バー７７ｐに接続された第１端と、集電箱７１におけるプラス側銅バー７２ｐに接続された第２端とを有する。マイナス側集約ライン５ｎは、マイナス側銅バー７７ｎに接続された第１端と、集電箱７１におけるマイナス側銅バー７２ｎに接続された第２端とを有する。
　監視装置１１１は、検出処理部１１と、４つの電流センサ１６と、電圧センサ１７と、通信部１４とを備える。なお、監視装置１１１は、出力ライン１の数に応じて、さらに多数または少数の電流センサ１６を備えてもよい。
　監視装置１１１は、たとえば、発電部７８の近傍に設けられている。具体的には、監視装置１１１は、たとえば、計測対象の出力ライン１が接続された銅バー７７が設けられた接続箱７６の内部に設けられている。なお、監視装置１１１は、接続箱７６の外部に設けられてもよい。
　監視装置１１１は、たとえば、プラス側集約ライン５ｐおよびマイナス側集約ライン５ｎとそれぞれプラス側電源線２６ｐおよびマイナス側電源線２６ｎを介して電気的に接続されている。以下、プラス側電源線２６ｐおよびマイナス側電源線２６ｎの各々を、電源線２６とも称する。
　各監視装置１１１は、対応の発電部７８に関する計測結果を示す監視情報を、自己および収集装置１５１に接続される電力線を介して送信する。
　詳細には、監視装置１１１における通信部１４は、集約ラインを介した電力線通信を、複数の監視装置１１１の計測結果を収集する収集装置１５１と行うことが可能である。より詳細には、通信部１４は、集約ライン２，５経由で情報を送受信することが可能である。具体的には、通信部１４は、電源線２６および集約ライン２，５を介して収集装置１５１と電力線通信を行う。
　検出処理部１１は、たとえば、対応の出力ライン１の電流および電圧の計測結果を示す監視情報を所定時間ごとに作成するように設定されている。
　電流センサ１６は、出力ライン１の電流を計測する。より詳細には、電流センサ１６は、たとえば、ホール素子タイプの電流プローブである。電流センサ１６は、監視装置１１１の図示しない電源回路から受けた電力を用いて、対応のマイナス側出力ライン１ｎを通して流れる電流を計測し、計測結果を示す信号を検出処理部１１へ出力する。なお、電流センサ１６は、プラス側出力ライン１ｐを通して流れる電流を計測してもよい。
　電圧センサ１７は、出力ライン１の電圧を計測する。より詳細には、電圧センサ１７は、プラス側銅バー７７ｐおよびマイナス側銅バー７７ｎ間の電圧を計測し、計測結果を示す信号を検出処理部１１へ出力する。
　検出処理部１１は、たとえば、所定時間ごとに、各電流センサ１６および電圧センサ１７から受けた各計測信号に対して平均化およびフィルタリング等の信号処理を行った信号をデジタル信号に変換する。
　検出処理部１１は、作成した各デジタル信号の示す計測値と、対応の電流センサ１６のＩＤ（以下、電流センサＩＤとも称する。）、電圧センサ１７のＩＤ（以下、電圧センサＩＤとも称する。）、および自己の監視装置１１１のＩＤ（以下、監視装置ＩＤとも称する。）とを含む監視情報を作成する。
　検出処理部１１は、送信元ＩＤが自己の監視装置ＩＤであり、送信先ＩＤが収集装置１５１のＩＤであり、データ部分が監視情報である監視情報パケットを作成する。そして、検出処理部１１は、作成した監視情報パケットを通信部１４へ出力する。なお、検出処理部１１は、監視情報パケットにシーケンス番号を含めてもよい。
　通信部１４は、検出処理部１１から受ける監視情報パケットを収集装置１５１へ送信する。
　再び図５を参照して、収集装置１５１は、集約ライン２，５経由で情報を送受信することが可能である。具体的には、収集装置１５１は、たとえば、信号線４６および集約ライン２，５を介して監視装置１１１と電力線通信を行い、監視情報パケットを複数の監視装置１１１から受信する。
　収集装置１５１は、カウンタおよび記憶部を有しており、監視装置１１１から監視情報パケットを受信すると、受信した監視情報パケットから監視情報を取得するとともに、カウンタにおけるカウント値を受信時刻として取得する。そして、収集装置１５１は、受信時刻を監視情報に含めた後、図示しない記憶部に当該監視情報を保存する。
　［判定装置の構成および動作］
　図７は、本発明の実施の形態に係る発電状態判定システムにおける判定装置の構成を示す図である。
　図７を参照して、判定装置１０１は、判定部８１と、通信処理部８４と、記憶部８５と、取得部８６とを備える。判定部８１は、評価部８２と、生成部８３とを含む。
　判定装置１０１における記憶部８５には、たとえば、管理対象の監視装置１１１のＩＤすなわち監視装置ＩＤが登録されている。また、記憶部８５には、監視装置ＩＤと当該監視装置ＩＤを有する監視装置１１１に含まれる各センサのＩＤすなわち電流センサＩＤおよび電圧センサＩＤとの対応関係Ｒ１が登録されている。
　判定装置１０１は、たとえばサーバであり、監視情報を収集装置１５１から定期的に取得し、取得した監視情報を処理する。なお、判定装置１０１は、たとえば収集装置１５１に内蔵される構成であってもよい。
　より詳細には、判定装置１０１における通信処理部８４は、ネットワークを介して、収集装置１５１等の他の装置と情報の送受信を行う。
　通信処理部８４は、指定された日毎処理タイミング、たとえば毎日の午前０時において監視情報収集処理を行う。なお、判定装置１０１を収集装置１５１に内蔵する構成にすれば、より短い間隔で監視情報を容易に収集することができる。
　より詳細には、通信処理部８４は、日毎処理タイミングが到来すると、記憶部８５に登録されている各監視装置ＩＤを参照し、参照した各監視装置ＩＤに対応し、日毎処理タイミングの２４時間前から当該日毎処理タイミングまで（以下、処理日とも称する。）に属する受信時刻を含む監視情報を要求するための監視情報要求を収集装置１５１へ送信する。
　収集装置１５１は、判定装置１０１から監視情報要求を受信すると、受信した監視情報要求に従って、監視情報要求の内容を満足する１または複数の監視情報を判定装置１０１へ送信する。
　図８は、本発明の実施の形態に係る発電状態判定システムにおける判定装置が保持する監視情報の一例を示す図である。
　図８を参照して、通信処理部８４は、監視情報要求の応答として収集装置１５１から１または複数の監視情報を受信すると、受信した監視情報に基づいて発電部７８の発電電力をそれぞれ算出する。
　具体的には、通信処理部８４は、たとえば、監視情報に含まれる電流センサＩＤごとすなわち発電部７８ごとの電流値と当該監視情報に１つ含まれる電圧値とを乗じることにより、電流センサＩＤごとの発電電力を算出し、算出した電流センサＩＤごとの発電電力を当該監視情報に含める。
　通信処理部８４は、処理後の各監視情報を記憶部８５に保存するとともに、処理完了通知を取得部８６へ出力する。
　取得部８６は、発電部７８の出力の計測結果である時系列の出力データを取得する。
　より詳細には、取得部８６は、通信処理部８４から処理完了通知を受けると、記憶部８５に登録されている対応関係Ｒ１を参照し、電流センサＩＤごとに、発電電力の時系列の出力データ（以下、発電電力データとも称する。）を記憶部８５から取得する。
　なお、取得部８６は、電流センサＩＤごとに、電流値または電圧値の時系列の出力データを記憶部８５から取得してもよい。
　図９は、本発明の実施の形態に係る判定装置における取得部が取得する発電電力データの一例を示す図である。なお、図９において、横軸は時間を示し、縦軸は発電電力を示す。
　取得部８６は、処理日に属する受信時刻を含む期間（以下、対象期間とも称する。）における発電電力データ（以下、対象データとも称する。）および対象期間より前の期間（以下、参照期間とも称する。）における発電電力データ（以下、参照データとも称する。）を取得する。取得部８６は、取得した対象データおよび参照データを判定部８１における生成部８３へ出力する。なお、対象期間および参照期間は、一部が重複してもよい。
　判定部８１は、取得部８６から受けた参照データに基づいて、対象データの異常を判定する判定処理を行う。
　たとえば、判定部８１は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法（ｋＮＮ：ｋ－ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ａｌｇｏｒｉｔｈｍ）、決定木、Ｃ４．５、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｎｄ　Ｒｅｇｒｅｓｓｉｏｎ　Ｔｒｅｅ）、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム（Ｅｘｐｅｃｔａｔｉｏｎ　Ｍａｘｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ）、潜在意味解析（ＬＳＡ：Ｌａｔｅｎｔ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ）、確率的潜在的意味解析（ＰＬＳＡ：ｐｒｏｂａｂｉｌｉｓｔｉｃ　Ｌａｔｅｎｔ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ）、線形判別分析（ＬＤＡ：Ｌｉｎｅａｒ　Ｄｉｓｃｒｉｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ）、階層ディリクレ過程（ＨＤＰ：Ｈｉｅｒｅｃｈｉｃａｌ　Ｄｉｒｉｃｈｌｅｔ　Ｐｒｏｃｅｓｓ）、潜在的ディリクレ配分法（ＬＤＡ：Ｌａｔｅｎｔ　Ｄｉｒｉｃｈｌｅｔ　Ａｌｌｏｃａｔｉｏｎ）、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズまたは自己組織化マップ（ＳＯＭ：ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｍａｐ）を用いて判定処理を行う。
　［例１］
　判定装置１０１は、自己回帰モデルを用いて判定処理を行う。
　より詳細には、判定部８１における生成部８３は、取得部８６から受けた参照データに対して、自己回帰モデルを用いて対象期間における発電電力を予測し、予測した発電電力を示す予測データを生成して評価部８２へ出力する。また、生成部８３は、取得部８６から受けた対象データを評価部８２へ出力する。
　評価部８２は、生成部８３から受けた予測データと対象データとを比較し、所定の方法に従って予測データに対する対象データの誤差を評価することにより、対象データが正常であるか、または異常であるかを判定する。
　より詳細には、評価部８２は、誤差が所定の閾値より小さい場合には対象データを正常であると判定し、誤差が当該閾値以上である場合には対象データを異常であると判定する。
　［例２］
　判定装置１０１は、ニューラルネットワークを用いて判定処理を行う。
　より詳細には、判定部８１における生成部８３は、たとえば、ユーザから与えられた複数の学習用の正常な発電電力データおよび複数の異常な発電電力データを含む学習用データセットを作成する。
　次に、生成部８３は、作成した学習用データセットを用いて分類モデルを作成する。
　具体的には、生成部８３は、たとえばディープラーニング（Ｄｅｅｐ　Ｌｅａｒｎｉｎｇ）の手法に沿って、ニューラルネットワークに学習用データセットを入力する。
　そして、生成部８３は、ニューラルネットワークに対して発電電力データが正常な発電電力データであるか異常な発電電力データであるかを分類できるように機械学習させることにより、分類モデルを作成する。
　生成部８３は、機械学習の完了した分類モデルに対象データを入力し、対象データが正常な発電電力データであるか、または異常な発電電力データであるかの分類結果が付されたデータを得る。そして、生成部８３は、得られたデータを評価部８２へ出力する。
　評価部８２は、生成部８３から受けたデータに従って、対象データが正常であるか否かを判定する。
　［例３］
　判定装置１０１は、サポートベクターマシンを用いて判定処理を行う。
　より詳細には、判定部８１における生成部８３は、たとえば、ユーザから正常な発電電力データが与えられ、与えられた発電電力データに基づいて参照データから正常な発電電力データのグループ（以下、正常グループとも称する。）を生成する。
　生成部８３は、たとえば、ユーザから異常な発電電力データが与えられ、与えられた発電電力データに基づいて参照データから異常な発電電力データのグループ（以下、異常グループとも称する。）を生成する。
　生成部８３は、たとえば、正常グループに含まれる発電電力データのうち異常グループに近い発電電力データを正常特徴データに設定し、異常グループに含まれる発電電力データのうち正常グループに近い発電電力データを異常特徴データに設定する。
　そして、生成部８３は、正常特徴データおよび異常特徴データに基づいて、正常グループおよび異常グループの境界を示す判定条件を演算し、演算した判定条件を評価部８２へ出力する。また、生成部８３は、取得部８６から受けた対象データを評価部８２へ出力する。
　評価部８２は、生成部８３から受けた判定条件に基づいて、対象データが正常グループおよび異常グループのいずれのグループに属すべきかを判断する。
　評価部８２は、対象データが正常グループに属すべきと判断した場合、対象データを正常であると判定し、対象データが異常グループに属すべきと判断した場合、対象データを異常であると判定する。
　なお、生成部８３は、教師あり学習としてニューラルネットワークまたはサポートベクターマシンを用いる構成であるとしたが、これに限定するものではない。生成部８３は、たとえばＣ４．５、ＣＡＲＴ、ランダムフォレストおよびバギング等の決定木、ナイーブベイズ、ａｄａｂｏｏｓｔおよびｋＮＮ等の教師あり学習の方法を用いる構成であってもよい。
　［例４］
　判定装置１０１は、ｋ－ｍｅａｎｓを用いて判定処理を行う。
　より詳細には、判定部８１における生成部８３は、取得部８６から受けた参照データの波形および対象データの波形を用いてクラスタリングすることにより、参照データおよび対象データが分類されたＮ（Ｎは２以上の整数）個のクラスタを生成する。
　生成部８３は、ｋ－ｍｅａｎｓを用いて、Ｎ個、たとえば５個、７個、９個または１１個のクラスタを生成する。
　図１０は、本発明の実施の形態に係る判定装置における参照データおよび対象データを分類する５個のクラスタの一例を示す図である。
　図１０は、各クラスタに分類された参照データおよび対象データの平均値を示している。
　図１０を参照して、生成部８３は、クラスタＣ５１～Ｃ５５の５個のクラスタを生成する。
　図１１は、本発明の実施の形態に係る判定装置における参照データを分類する７個のクラスタの一例を示す図である。
　図１１を参照して、生成部８３は、クラスタＣ７１～Ｃ７７の７個のクラスタを生成する。
　図１２は、本発明の実施の形態に係る判定装置における参照データを分類する９個のクラスタの一例を示す図である。
　図１２を参照して、生成部８３は、クラスタＣ９１～Ｃ９９の９個のクラスタを生成する。
　図１３は、本発明の実施の形態に係る判定装置における参照データを分類する１１個のクラスタの一例を示す図である。
　図１３を参照して、生成部８３は、クラスタＣ１０１～Ｃ１１１の１１個のクラスタを生成する。
　生成部８３は、生成した複数のクラスタ、および対象データがどのクラスタに分類されたかを示すクラスタ情報を評価部８２へ出力する。
　評価部８２は、受けた複数のクラスタのうち一部のクラスタを正常なクラスタに決定し、また、残りのクラスタを異常なクラスタに決定する。
　評価部８２は、受けたクラスタ情報に基づいて、対象データが分類されているクラスタを認識し、対象データが正常なクラスタに分類されていれば対象データを正常であると判定し、対象データが異常なクラスタに分類されていれば対象データを異常であると判定する。
　たとえば、図１１に示す７個のクラスタは、図１０に示す５個のクラスタに比べて、Ｃ５３がＣ７３とＣ７５とに分割されたものである。
　このように、分類するクラスタの数を大きくすることで、より細かく異常を検知できるようになり、異常の原因の追究を容易にすることができる。
　また、生成部８３は、教師なし学習としてｋ－ｍｅａｎｓを用いる構成であるとしたが、これに限定するものではない。生成部８３は、たとえば階層型クラスタリング、ＥＭアルゴリズム、潜在意味解析、確率的潜在的意味解析、線形判別分析、階層ディリクレ過程、潜在的ディリクレ配分法、ｋ－ｍｅｄｏｉｄｓおよび自己組織化マップ等の教師なし学習の方法を用いる構成であってもよい。
　また、生成部８３は、統計解析、ベイズ統計または疎構造学習を用いて判定条件を生成する構成であってもよい。また、生成部８３は、以上のような各方法以外の方法を用いてもよい。
　また、判定装置１０１は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法、決定木、Ｃ４．５、ＣＡＲＴ、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム、確率的潜在的意味解析、線形判別分析、ＨＤＰ、潜在的ディリクレ配分法、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップのうちのいずれか複数の方法を組み合わせてもよい。
　具体的には、たとえば、判定部８１における生成部８３は、取得部８６から受けた参照データおよび対象データの波形を用いてクラスタリングすることにより、参照データおよび対象データが分類された、たとえば５個のクラスタを生成し、生成したクラスタを学習用の正常な発電電力データおよび異常な発電電力データとした学習用データセットを作成する。
　［動作の流れ］
　発電状態判定システム３０１における各装置は、コンピュータを備え、当該コンピュータにおけるＣＰＵ等の演算処理部は、以下のシーケンス図またはフローチャートの各ステップの一部または全部を含むプログラムを図示しないメモリからそれぞれ読み出して実行する。これら複数の装置のプログラムは、それぞれ、外部からインストールすることができる。これら複数の装置のプログラムは、それぞれ、記録媒体に格納された状態で流通する。
　図１４は、本発明の実施の形態に係る判定装置が発電部の異常の判定を行う際の動作手順を定めたフローチャートである。
　図１４を参照して、判定装置１０１は、日毎処理タイミングが到来するまで待機する（ステップＳ１０１でＮＯ）。
　そして、判定装置１０１は、日毎処理タイミングが到来すると（ステップＳ１０１でＹＥＳ）、処理日における発電部７８ごとの電流値および電圧値を収集装置１５１から受信する（ステップＳ１０２）。
　次に、判定装置１０１は、受信した電流値および電圧値に基づいて、処理日における発電部７８ごとの発電電力を算出する（ステップＳ１０３）。
　次に、判定装置１０１は、処理日における発電部７８ごとの発電電力の時系列データすなわち対象データに処理日の日付を付して記憶部８５に保存する（ステップＳ１０４）。
　次に、判定装置１０１は、過去の時系列データすなわち参照データおよび対象データを記憶部８５から取得する（ステップＳ１０５）。
　次に、判定装置１０１は、自己回帰モデル、機械学習、統計解析、ベイズ統計、疎構造学習またはその他の手法を用いて、対象データの異常を判定する。（ステップＳ１０６）。
　次に、判定装置１０１は、新たな日毎処理タイミングが到来するまで待機する（ステップＳ１０１）。
　なお、本発明の実施の形態に係る太陽光発電システムでは、収集装置１５１は、ＰＣＳ８に接続され、監視装置１１１および判定装置１０１と情報の送受信を行う構成であるとしたが、これに限定するものではない。収集装置１５１は、キュービクル６、集電ユニット６０または太陽電池ユニット７４に接続され、監視装置１１１および判定装置１０１と情報の送受信を行う構成であってもよい。
　また、本発明の実施の形態に係る太陽光発電システムでは、判定装置１０１は、単体のサーバであるとしたが、これに限定するものではない。判定装置１０１は、クラウドサーバであってもよい。
　また、本発明の実施の形態に係る太陽光発電システムでは、対象期間は、参照期間より後の期間であるとしたが、これに限定するものではない。対象期間は、参照期間と同一の期間であってもよい。この場合、判定装置１０１は、たとえば階層型クラスタリング、ｋ－ｍｅｄｏｉｄｓ、ｋ－ｍｅａｎｓ、および自己組織化マップ等を用いて、対象期間における複数の対象データをクラスタリングすることにより、当該複数の対象データが分類された複数のクラスタを生成し、生成したクラスタに付されたクラスタ情報に基づいて、対象データの異常を判定する判定処理を行う。
　また、本発明の実施の形態に係る太陽光発電システムでは、判定装置１０１は、１または複数の接続箱７６と、１または複数の集電箱７１と、１または複数の電力変換装置８と、キュービクル６とを備える太陽光発電システム４０１に用いられる構成であるとしたが、これに限定するものではない。判定装置１０１は、太陽光発電システム４０１とは異なる構成の太陽光発電システムに用いられてもよい。
　ところで、特許文献１に記載の技術を超えて、太陽光発電システムの異常判定の精度を向上させることが可能な技術が望まれる。
　本発明の実施の形態に係る判定装置では、取得部８６は、発電部７８の出力の計測結果である時系列の出力データであって参照期間における出力データおよび対象期間における出力データを取得する。判定部８１は、取得部８６によって取得された参照期間における出力データに基づいて、対象期間における出力データの異常を判定する。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部７８の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。
　したがって、本発明の実施の形態に係る判定装置では、太陽光発電システムの異常判定の精度を向上させることができる。
　また、本発明の実施の形態に係る判定装置では、対象期間は、参照期間より後の期間である。
　このような構成により、過去に蓄積された出力データを活用し、異常をより正確に判定することができる。
　また、本発明の実施の形態に係る判定装置では、判定部８１は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法、決定木、Ｃ４．５、ＣＡＲＴ、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム、潜在意味解析、確率的潜在的意味解析、線形判別分析、階層ディリクレ過程、潜在的ディリクレ配分法、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップのうちのいずれか１つまたは複数を用いて出力データの異常を判定する。
　このような構成により、自己回帰モデル、機械学習、統計解析、ベイズ統計、疎構造学習、一般化線形モデル、線形モデル、階層ベイズまたはその他の手法を用いて、異常をより良好に検知することができる。
　また、本発明の実施の形態に係る判定装置を備える太陽光発電システム４０１では、１または複数の接続箱７６の各々は、１または複数の発電部７８からの出力ラインを集約する。１または複数の集電箱７１の各々は、１または複数の接続箱７６からの集約ラインを集約する。１または複数の電力変換装置８の各々は、１または複数の集電箱７１からの集約ラインを集約する。キュービクル６は、１または複数の電力変換装置８からの集約ラインを集約する。
　このような構成により、所望の箇所において出力データを収集することができるため、異常検知を、発電部７８ごと、接続箱７６ごと、集電箱７１ごと、電力変換装置８ごと、またはキュービクル６において行うことができ、異常の原因推定を向上させることができる。
　また、本発明の実施の形態に係る太陽光発電システムでは、１または複数の接続箱７６の各々は、１または複数の発電部７８からの出力ラインを集約する。１または複数の集電箱７１の各々は、１または複数の接続箱７６からの集約ラインを集約する。１または複数の電力変換装置８の各々は、１または複数の前記集電箱７１からの集約ラインを集約する。キュービクル６は、１または複数の前記電力変換装置８からの集約ラインを集約する。判定装置１０１は、発電部７８の出力の計測結果である時系列の出力データであって参照期間における出力データおよび対象期間における出力データを取得し、取得した参照期間における出力データに基づいて、対象期間における出力データの異常を判定する。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部７８の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。
　したがって、本発明の実施の形態に係る太陽光発電システムでは、太陽光発電システムの異常判定の精度を向上させることができる。
　また、本発明の実施の形態に係る判定装置における判定方法では、まず、発電部７８の出力の計測結果である時系列の出力データであって参照期間における出力データおよび対象期間における出力データを取得する。次に、取得した参照期間における出力データに基づいて、対象期間における出力データの異常を判定する。
　このように、たとえば、気温、天候および日射量等の自然環境のパラメータを条件に設定することなく、発電部７８の出力の計測結果である時系列の出力データに基づいて異常を判定する構成により、パネル温度計および日射量計を設置しなくても異常を検知することができる。また、設置される設備が少なくなり目視確認の回数を少なくすることができるため、誤認の可能性を小さくすることができる。
　したがって、本発明の実施の形態に係る判定方法では、太陽光発電システムの異常判定の精度を向上させることができる。
　上記実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記説明ではなく請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
　以上の説明は、以下に付記する特徴を含む。
　［付記１］
　太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、
　前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、
　前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備え、
　前記発電部は、複数の太陽電池パネルが直列接続されたストリングであり、
　前記発電部の出力は、前記発電部の発電電力、電流または電圧であり、
　前記対象期間は、１日であり、
　前記参照期間は、前記対象期間の前日までの期間である、判定装置。
　［付記２］
　太陽電池セルを含む１または複数の発電部と、
　各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
　各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
　各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
　１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、
　前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備え、
　前記発電部は、複数の太陽電池パネルが直列接続されたストリングであり、
　前記発電部の出力は、前記発電部の発電電力、電流または電圧であり、
　前記対象期間は、１日であり、
　前記参照期間は、前記対象期間の前日までの期間である、太陽光発電システム。
　１　出力ライン
　２，４，５　集約ライン
　３　内部ライン
　６　キュービクル
　７　銅バー
　８　ＰＣＳ
　９　電力変換部
　１４　通信部
　１６　電流センサ
　１７　電圧センサ
　２６　電源線
　６０　集電ユニット
　７１　集電箱
　７２，７３，７７　銅バー
　７４　太陽電池ユニット
　７６　接続箱
　７８　発電部
　８０　ＰＣＳユニット
　８１　判定部
　８２　評価部
　８３　生成部
　８４　通信処理部
　８５　記憶部
　８６　取得部
　１０１　判定装置
　１１１　監視装置
　１５１　収集装置
　３０１　発電状態判定システム
　４０１　太陽光発電システム

Claims (7)

  1. 　太陽電池セルを含む発電部を備える太陽光発電システムに用いられる判定装置であって、
    　前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、
    　前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部とを備える、判定装置。
  2. 　前記対象期間は、前記参照期間より後の期間である、請求項１に記載の判定装置。
  3. 　前記判定部は、自己回帰モデル、統計解析、ベイズ統計、疎構造学習、ニューラルネットワーク、サポートベクターマシン、ナイーブベイズ、ｋ近傍法（ｋＮＮ：ｋ－ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ａｌｇｏｒｉｔｈｍ）、決定木、Ｃ４．５、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｎｄ　Ｒｅｇｒｅｓｓｉｏｎ　Ｔｒｅｅ）、ランダムフォレスト、ａｄａｂｏｏｓｔ、バギング、階層型クラスタリング、ｋ－ｍｅａｎｓ、ＥＭアルゴリズム（Ｅｘｐｅｃｔａｔｉｏｎ　Ｍａｘｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ）、潜在意味解析（ＬＳＡ：Ｌａｔｅｎｔ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ）、確率的潜在的意味解析（ＰＬＳＡ：ｐｒｏｂａｂｉｌｉｓｔｉｃ　Ｌａｔｅｎｔ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ）、線形判別分析（ＬＤＡ：Ｌｉｎｅａｒ　Ｄｉｓｃｒｉｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ）、階層ディリクレ過程（ＨＤＰ：Ｈｉｅｒｅｃｈｉｃａｌ　Ｄｉｒｉｃｈｌｅｔ　Ｐｒｏｃｅｓｓ）潜在的ディリクレ配分法（ＬＤＡ：Ｌａｔｅｎｔ　Ｄｉｒｉｃｈｌｅｔ　Ａｌｌｏｃａｔｉｏｎ）、ｋ－ｍｅｄｏｉｄｓ、一般化線形モデル、線形モデル、階層ベイズおよび自己組織化マップ（ＳＯＭ：ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ ｍａｐ）のうちのいずれか１つまたは複数を用いて前記出力データの異常を判定する、請求項１または請求項２に記載の判定装置。
  4. 　前記太陽光発電システムは、
    　各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
    　各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
    　各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
    　１または複数の前記電力変換装置からの集約ラインを集約するキュービクルとを備える、請求項１から請求項３のいずれか１項に記載の判定装置。
  5. 　太陽電池セルを含む１または複数の発電部と、
    　各々が、１または複数の前記発電部からの出力ラインを集約する１または複数の接続箱と、
    　各々が、１または複数の前記接続箱からの集約ラインを集約する１または複数の集電箱と、
    　各々が、１または複数の前記集電箱からの集約ラインを集約する１または複数の電力変換装置と、
    　１または複数の前記電力変換装置からの集約ラインを集約するキュービクルと、
    　前記発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得し、取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定装置とを備える、太陽光発電システム。
  6. 　判定装置における判定方法であって、
    　太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得するステップと、
    　取得した前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定するステップとを含む、判定方法。
  7. 　判定装置において用いられる判定プログラムであって、
    　コンピュータを、
    　太陽電池セルを含む発電部の出力の計測結果である時系列の出力データであって参照期間における前記出力データおよび対象期間における前記出力データを取得する取得部と、
    　前記取得部によって取得された前記参照期間における前記出力データに基づいて、前記対象期間における前記出力データの異常を判定する判定部、
    として機能させるための、判定プログラム。
PCT/JP2018/037794 2017-12-28 2018-10-10 判定装置、太陽光発電システム、判定方法および判定プログラム WO2019130718A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201880083413.7A CN111527692A (zh) 2017-12-28 2018-10-10 判定装置、太阳光发电系统、判定方法及判定程序
DE112018006670.3T DE112018006670T5 (de) 2017-12-28 2018-10-10 Bestimmungsvorrichtung, Solarstromerzeugungssystem, Bestimmungsverfahren und Bestimmungsprogramm
JP2019562768A JP7188399B2 (ja) 2017-12-28 2018-10-10 判定装置、太陽光発電システム、判定方法および判定プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-253407 2017-12-28
JP2017253407 2017-12-28

Publications (1)

Publication Number Publication Date
WO2019130718A1 true WO2019130718A1 (ja) 2019-07-04

Family

ID=67063357

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/037794 WO2019130718A1 (ja) 2017-12-28 2018-10-10 判定装置、太陽光発電システム、判定方法および判定プログラム

Country Status (4)

Country Link
JP (1) JP7188399B2 (ja)
CN (1) CN111527692A (ja)
DE (1) DE112018006670T5 (ja)
WO (1) WO2019130718A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021040451A (ja) * 2019-09-04 2021-03-11 春禾科技股▲分▼有限公司 ソーラー装置の発電エフィシェンシーの異常の判断方法
WO2021094135A1 (de) * 2019-11-13 2021-05-20 Wago Verwaltungsgesellschaft Mbh Reihenklemmenelement
JP2023508759A (ja) * 2020-03-13 2023-03-03 エンヴィジョン デジタル インターナショナル ピーティーイー．エルティーディー． 太陽光発電アレイの動作状態を決定する方法および装置、デバイス並びに記憶媒体
WO2023203843A1 (ja) * 2022-04-22 2023-10-26 住友電気工業株式会社 発電状態判定装置、発電状態判定方法および判定プログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381181B (zh) * 2020-12-11 2022-10-04 桂林电子科技大学 一种建筑能耗异常的动态检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012138448A (ja) * 2010-12-27 2012-07-19 National Institute Of Advanced Industrial & Technology 太陽光発電の出力低下検出装置及び検出方法
US20140207298A1 (en) * 2013-01-18 2014-07-24 Abhay Gupta Applications of Non-Intrusive Load Monitoring and Solar Energy Disaggregation
WO2015087638A1 (ja) * 2013-12-12 2015-06-18 ティー・エス・ビー株式会社 太陽光発電システム
JP2015226423A (ja) * 2014-05-29 2015-12-14 住友電気工業株式会社 異常判定装置、異常判定方法、及びコンピュータプログラム
WO2016132569A1 (ja) * 2015-02-17 2016-08-25 オーナンバ株式会社 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法
WO2016210102A1 (en) * 2015-06-23 2016-12-29 Qatar Foundation For Education, Science And Community Development Method of forecasting for solar-based power systems
JP6185206B1 (ja) * 2017-05-31 2017-08-23 オーナンバ株式会社 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005340464A (ja) 2004-05-26 2005-12-08 Sharp Corp 太陽電池アレイ診断装置およびそれを用いた太陽光発電システム
JP5746098B2 (ja) 2012-06-11 2015-07-08 トヨタ自動車株式会社 自然エネルギーを利用した発電システムの劣化診断装置
JP6573129B2 (ja) * 2014-12-24 2019-09-11 パナソニックＩｐマネジメント株式会社 監視装置、太陽光発電装置、監視システムおよび監視方法
US20170286838A1 (en) 2016-03-29 2017-10-05 International Business Machines Corporation Predicting solar power generation using semi-supervised learning
CN106529814B (zh) 2016-11-21 2020-01-07 武汉大学 基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法
CN107423852A (zh) 2017-07-24 2017-12-01 华北电力大学（保定） 一种计及典型场景的光储联合电站优化运营方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012138448A (ja) * 2010-12-27 2012-07-19 National Institute Of Advanced Industrial & Technology 太陽光発電の出力低下検出装置及び検出方法
US20140207298A1 (en) * 2013-01-18 2014-07-24 Abhay Gupta Applications of Non-Intrusive Load Monitoring and Solar Energy Disaggregation
WO2015087638A1 (ja) * 2013-12-12 2015-06-18 ティー・エス・ビー株式会社 太陽光発電システム
JP2015226423A (ja) * 2014-05-29 2015-12-14 住友電気工業株式会社 異常判定装置、異常判定方法、及びコンピュータプログラム
WO2016132569A1 (ja) * 2015-02-17 2016-08-25 オーナンバ株式会社 太陽光発電システムの未来の電流値または発電量の低下の時期を予測する方法
WO2016210102A1 (en) * 2015-06-23 2016-12-29 Qatar Foundation For Education, Science And Community Development Method of forecasting for solar-based power systems
JP6185206B1 (ja) * 2017-05-31 2017-08-23 オーナンバ株式会社 太陽光発電システムの異常または異常の予兆を検出するための方法及び装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021040451A (ja) * 2019-09-04 2021-03-11 春禾科技股▲分▼有限公司 ソーラー装置の発電エフィシェンシーの異常の判断方法
WO2021094135A1 (de) * 2019-11-13 2021-05-20 Wago Verwaltungsgesellschaft Mbh Reihenklemmenelement
JP2023508759A (ja) * 2020-03-13 2023-03-03 エンヴィジョン デジタル インターナショナル ピーティーイー．エルティーディー． 太陽光発電アレイの動作状態を決定する方法および装置、デバイス並びに記憶媒体
JP7312919B2 (ja) 2020-03-13 2023-07-21 エンヴィジョン デジタル インターナショナル ピーティーイー．エルティーディー． 太陽光発電アレイの動作状態を決定する方法および装置、デバイス並びに記憶媒体
US11829902B2 (en) 2020-03-13 2023-11-28 Envision Digital International Pte. Ltd. Method and apparatus for determining operating state of photovoltaic array, device and storage medium
WO2023203843A1 (ja) * 2022-04-22 2023-10-26 住友電気工業株式会社 発電状態判定装置、発電状態判定方法および判定プログラム

Also Published As

Publication number Publication date
JPWO2019130718A1 (ja) 2020-12-24
JP7188399B2 (ja) 2022-12-13
CN111527692A (zh) 2020-08-11
DE112018006670T5 (de) 2020-09-24

Similar Documents

Publication Publication Date Title
WO2019130718A1 (ja) 判定装置、太陽光発電システム、判定方法および判定プログラム
WO2016166991A1 (ja) 太陽光発電設備の診断システムおよびプログラム
Shi et al. Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations
CN117543791B (zh) 电源的供电检测方法、装置、设备及存储介质
JP2018026909A (ja) 発電状態判定装置、監視装置、発電状態判定方法および判定プログラム
KR102420120B1 (ko) 전력량 측정장치의 이상상태 모니터링 시스템
KR20180112495A (ko) 태양광 모듈의 데이터 관리 시스템
JP7157393B2 (ja) 判定装置、太陽光発電システム、判定方法および判定プログラム
JP7207401B2 (ja) 判定装置、天候情報処理装置、判定方法および天候情報処理方法
JP7173128B2 (ja) 発電部再配置演算装置および演算処理方法
TW201727559A (zh) 再生能源電廠的管理方法與系統
CN108876078B (zh) 计算耗能系统性能的改善策略的方法和耗能系统监控装置
JP7163931B2 (ja) 判定装置、判定方法および判定プログラム
JP7095734B2 (ja) 判定装置、太陽光発電システムおよび判定方法
JP7458183B2 (ja) エネルギー需要変動パターンの分類方法及びシステム
CN109507468B (zh) 一种基于关联特征的汇流箱支路电流检测方法及系统
WO2022113441A1 (ja) 発電状態判定装置、発電状態判定方法および判定プログラム
WO2023203843A1 (ja) 発電状態判定装置、発電状態判定方法および判定プログラム
JP6277437B2 (ja) 太陽光発電システム
Hou et al. A two-stage ensemble of diverse models for recognition of abnormal data in raw wind data
KR102645683B1 (ko) 태양광 패널 스트링의 발전 상태 모니터링 장치 및 방법
JP2019200075A (ja) 監視装置、判定装置、監視方法および判定方法
WO2024097869A1 (en) Premises electric vehicle charge detection
KR20220144618A (ko) IoT 기반의 가정용 실시간 무선 에너지 데이터 검침 및 통합 관리 시스템
CN111581295A (zh) 基于负荷分解的用户差异化用电行为特性分析方法

Legal Events

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

Ref document number: 18894622

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019562768

Country of ref document: JP

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 18894622

Country of ref document: EP

Kind code of ref document: A1