WO2019155594A1 - 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置 - Google Patents

太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置 Download PDF

Info

Publication number
WO2019155594A1
WO2019155594A1 PCT/JP2018/004556 JP2018004556W WO2019155594A1 WO 2019155594 A1 WO2019155594 A1 WO 2019155594A1 JP 2018004556 W JP2018004556 W JP 2018004556W WO 2019155594 A1 WO2019155594 A1 WO 2019155594A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
power generation
site
panel
solar
Prior art date
Application number
PCT/JP2018/004556
Other languages
English (en)
French (fr)
Inventor
玉里芳直
Original Assignee
Ｔｏｔａｌｍａｓｔｅｒｓ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 Ｔｏｔａｌｍａｓｔｅｒｓ株式会社 filed Critical Ｔｏｔａｌｍａｓｔｅｒｓ株式会社
Priority to JP2019540469A priority Critical patent/JP6685065B2/ja
Priority to CN201880032608.9A priority patent/CN110637319B/zh
Priority to PCT/JP2018/004556 priority patent/WO2019155594A1/ja
Priority to EP18904966.1A priority patent/EP3629282A4/en
Publication of WO2019155594A1 publication Critical patent/WO2019155594A1/ja
Priority to US16/716,524 priority patent/US10896269B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • H02S30/00—Structural details of PV modules other than those related to light conversion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/22—Yield analysis or yield optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Definitions

  • the present invention relates to an apparatus, a method, a program for supporting design of an installation angle or the like of a solar panel, and a learned model creation apparatus used for them.
  • the azimuth angle of the solar panel is recommended to be true south.
  • the inclination angle of the solar panel is recommended to be 5 to 40 degrees (elevation angle 85 to 50 degrees).
  • the inclination angle of the solar panel is not only the difference in the elevation and azimuth of the sun due to the difference in the longitude and latitude of the photovoltaic power generation equipment, but also the influence of the mutual shadow of the solar panel, the accumulation of snow and dust, Designed with strength in mind.
  • the inclination angle of the solar panel is larger (for example, 30 degrees (elevation angle 60 degrees)), one sheet is used than when the inclination angle is smaller (for example, 10 degrees (elevation angle 80 degrees)).
  • the average amount of solar radiation received by solar panels tends to increase.
  • the inclination angle is large, there is an advantage that snow, dust, and the like are not easily accumulated.
  • the inclination angle of the solar panel is large, it becomes easier to cast a shadow on another adjacent solar panel than when the inclination angle is small. Therefore, it is necessary to increase the interval between two adjacent solar panels. For this reason, the number of installed solar panels is reduced, and the amount of power generation may be reduced.
  • the inclination angle of the solar panel is large, it is more susceptible to wind than when the inclination angle is small, so that a high-strength gantry may be required, which may cause an increase in cost.
  • the amount of solar power generated is greatly affected by the weather. For example, in the case of cloudy or rainy, the amount of solar radiation received by the solar panel is less than in the case of clear weather. Moreover, the power generation efficiency of solar panels tends to decrease as the temperature increases. Moreover, a power pole is often installed in the solar power generation facility, and the power generation amount may be reduced due to the shadow of the power pole on the solar panel. Furthermore, in recent years, there are few sufficiently large and flat sites suitable for photovoltaic power generation facilities. For this reason, there is a need to install solar power generation facilities on a relatively narrow site, an irregularly shaped site, an inclined site such as a mountainous area, or a undulating site.
  • the azimuth angle and installation position of the solar panel may be restricted depending on the shape of the site. For example, the azimuth angle of some or all of the solar panels in one solar power generation facility may not be true south. As described above, since various natural conditions and location conditions affect the amount of power generated by solar power generation, it is not easy to determine the optimal installation angle and installation position of the solar panel.
  • the power generation amount is calculated by changing the setting conditions of the solar panel installation angle, the incident amount of sunlight for each season and time zone, and the annual power purchase cost is calculated based on the calculated power generation amount
  • Patent Document 1 calculates the incident amount of sunlight in consideration of the installation position of the installation point of the solar panel, the positional information including the environmental information related to the surrounding environment serving as a light shield, and the clear sky rate, and the amount of power generation Is also described.
  • Patent Document 1 not only changes in the elevation angle and azimuth angle of the sun, but also the influence of the surrounding environment that casts shadows on the weather and the solar panel is reflected to some extent to determine the installation angle of the solar panel. it can.
  • the method of Patent Document 1 does not consider the influence of accumulation of snow, dust, etc., and the influence of mutual shadows of the solar panels.
  • Patent Document 1 only describes that the effect is reflected in the solar radiation rate. The method is not shown.
  • the surrounding buildings, shadows of trees, soil, etc. and the influence of the weather are complex. Therefore, even if the method of Patent Document 1 is used, it is considered that there may be a large difference between the calculated power generation amount and the actual power generation amount. That is, it is considered that the calculated installation angle may not be optimal.
  • Patent Document 2 a method for predicting the power generation amount by learning weather data and power generation amount data is known (see Patent Document 2). According to the method of Patent Document 2, it is considered that the deviation due to the influence of the weather between the calculated power generation amount and the actual power generation amount can be suppressed. However, Patent Document 2 does not disclose a method that reflects the influence of accumulation of snow, dirt, or the like.
  • the object of the present invention is to support the design of a photovoltaic power generation facility with a low cost and a large amount of power generation.
  • the present invention relates to site data of a solar power generation facility site that is a design object, panel specification data including power generation performance data of a solar panel used in the solar power generation facility, and time-series solar data at the site position.
  • Input data acquisition unit configured to acquire input data including solar direction data indicating direction and time-series weather data of the region corresponding to the site, and sites of multiple reference solar power generation facility sites Data, panel layout data including the installation angle data of the reference solar panel installed on the site, panel specification data including the power generation performance data of the reference solar panel, and time-series sun direction at the site location Time-series meteorological data including the solar direction data shown, solar radiation data for the area corresponding to the site, and time-series power generation equivalent to the actual power generation of the reference photovoltaic power generation facility A learned model that estimates the data corresponding to the power generation data from the data corresponding to the reference data excluding the power generation data, created by learning the relationship between the plurality of configuration data sets of the reference data including the data Preparing a plurality of
  • the above-mentioned photovoltaic power generation facility design support apparatus includes the panel specification data included in the input data including the data on the dimensions of the solar panel used in the photovoltaic power generation facility that is the design object, and is included in the reference data. At least one of the panel arrangement data and the panel specification data includes data on the size of the reference solar panel, the panel arrangement data included in the reference data includes data on the installation position of the reference solar panel, and the calculation unit A plurality of provisional panel arrangement data of solar panels having different installation positions may be created.
  • the above-mentioned photovoltaic power generation facility design support apparatus is configured such that the site data included in the input data is the terrain data of the photovoltaic power generation facility site that is the design object and the shape of the light shielding element that blocks sunlight and shades the site.
  • the site data included in the reference data includes the topographical data of the site of the reference photovoltaic power generation facility, and the shape and position of the light shielding element that blocks sunlight and casts a shadow on the site.
  • the element data may be included, and the calculation unit may be configured to process the input data including the terrain data and the shading element data using the learned model.
  • the above-described photovoltaic power generation facility design support apparatus includes an image data acquisition unit configured to acquire image data of a site of a photovoltaic power generation facility that is a design target, and a design target based on the image data.
  • An image data processing unit configured to create input data corresponding to at least one of the terrain data of the solar power generation facility site, which is an object, and the shading element data, and the input data acquisition unit,
  • the image data processing unit may be configured to acquire data created.
  • the input data acquisition unit can also acquire design target panel arrangement data including data on the installation angle of the solar panel used in the photovoltaic power generation facility that is the design target.
  • the calculation unit calculates the integrated power generation amount for a predetermined period of the photovoltaic power generation facility that is the design target corresponding to the design target panel layout data. It may be configured to calculate and output to the output unit.
  • the present invention also provides a design support method and a design support program for a photovoltaic power generation facility having the same configuration as that of the design support apparatus. Furthermore, the present invention provides a learned model creation device for design support for creating the learned model.
  • the learned model of the present invention is created by learning reference data including installation angle data of an existing reference solar panel actually used as learning data. Therefore, the design support apparatus including the learned model can calculate a preferable installation angle of the solar panel used in the photovoltaic power generation facility that is the design object with high accuracy. For example, it is possible to reflect in the calculation result the influence of snow, dust, etc. accumulated on the solar panel on the power generation amount.
  • the panel specification data included in the input data also includes data on the dimensions of the solar panel used in the photovoltaic power generation equipment that is the design object, and at least one of the panel arrangement data and the panel specification data included in the reference data However, it also includes data on the dimensions of the solar panels for reference, the panel layout data included in the reference data also includes data on the installation positions of the solar panels for reference, and the calculation unit calculates the solar panels with different installation positions.
  • the panel specification data included in the input data also includes data on the dimensions of the solar panel used in the photovoltaic power generation equipment that is the design object, and at least one of the panel arrangement data and the panel specification data included in the reference data
  • the panel layout data included in the reference data also includes data on the installation positions of the solar panels for reference
  • the calculation unit calculates the solar panels with different installation positions.
  • the site data included in the input data includes the topographic data of the site of the photovoltaic power generation equipment that is the design object, and the light shielding element data indicating the shape and position of the light shielding element that blocks sunlight and casts shadows on the site.
  • the site data included in the data includes the terrain data of the site of the photovoltaic power generation facility for reference and the shading element data indicating the shape and position of the shading element that blocks sunlight and casts a shadow on the site.
  • the design support apparatus further includes an image data acquisition unit and an image data processing unit, and the input data acquisition unit is configured to acquire terrain data and / or shading element data created by the image data processing.
  • highly accurate topographic data and / or shading element data can be easily obtained.
  • FIG. 1 is a block diagram schematically showing the configuration of a learned model creation device for design support of photovoltaic power generation equipment according to the first embodiment of the present invention.
  • FIG. 2 is a block diagram schematically showing the configuration of the learning function unit of the learned model creation device.
  • FIG. 3 is a block diagram schematically showing the configuration of the design support apparatus for the photovoltaic power generation facility according to the first embodiment.
  • FIG. 4 is a flowchart showing a learned model creation method using the design support learned model creation device.
  • FIG. 5 is a flowchart showing a design support method for a photovoltaic power generation facility using the design support apparatus.
  • FIG. 1 is a block diagram schematically showing the configuration of a learned model creation device for design support of photovoltaic power generation equipment according to the first embodiment of the present invention.
  • FIG. 2 is a block diagram schematically showing the configuration of the learning function unit of the learned model creation device.
  • FIG. 3 is a block diagram schematically showing the configuration of the design support apparatus for
  • FIG. 6 is a block diagram schematically showing the configuration of a design support apparatus for a photovoltaic power generation facility according to the second embodiment of the present invention.
  • FIG. 7 is a block diagram schematically showing the configuration of a learned model creation device for design support of photovoltaic power generation equipment according to the third embodiment of the present invention.
  • FIG. 8 is a block diagram schematically showing the configuration of a photovoltaic power generation facility design support apparatus according to the third embodiment.
  • FIG. 9 is a flowchart showing a learned model creation method using the design support learned model creation device.
  • FIG. 10 is a flowchart showing a design support method for a photovoltaic power generation facility using the design support apparatus.
  • FIG. 1 shows a learned model creation apparatus 10 for design support of a photovoltaic power generation facility according to a first embodiment of the present invention.
  • the learned model creation apparatus 10 is for reference installed in the site data 16A, 16B, 16C of the sites 14A, 14B, 14C of the plurality of reference photovoltaic power generation facilities 12A, 12B, 12C, and the sites 14A, 14B, 14C.
  • Panel layout data 22A, 22B, 22C including data on installation angles of the solar panels 20A, 20B, 20C, panel specification data 24A, 24B, 24C including data on power generation performance of the reference solar panels 20A, 20B, 20C,
  • Solar direction data 26A, 26B, 26C indicating time-series sun directions at the positions of the sites 14A, 14B, 14C, time-series weather data 32A, 32B, 32C of the region corresponding to the sites 14A, 14B, 14C, and reference -Series power generation data 3 corresponding to the actual power generation results of solar power generation facilities 12A, 12B, 12C
  • a reference data acquisition unit 40 configured to acquire reference data 36 including A, 34B, and 34C, and a relationship between a plurality of configuration data sets of the reference data 36 are removed, thereby removing power generation data.
  • a learning function unit 44 configured to create a learned model 42 for estimating data corresponding to time-series power generation from data corresponding to the reference data 36.
  • the learned model creation device 10 is a computer or a computer system.
  • the learned model creation apparatus 10 includes a learning program for causing a computer or a computer system to function as the reference data acquisition unit 40 and the learning function unit 44.
  • the learned model creation device 10 also includes an input unit 45 for inputting the learning data 38.
  • One computer may include the input unit 45, the reference data acquisition unit 40, and the learning function unit 44. Some or all of these may be provided in different computers connected by a network.
  • FIG. 2 shows the configuration of the learning function unit 44 of the learned model creation device 10.
  • the learning function unit 44 is configured by a neural network, and includes an input layer 44A, an intermediate layer (hidden layer) 44B, and an output layer 44C. Reference data 36 excluding power generation data is input to the input layer 44A. Data corresponding to the power generation data is output to the output layer 44C.
  • a neural network is composed of nodes and synapses. The synaptic weight is adjusted so that the power generation data (or data corresponding to the power generation data) output to the output layer 44C approaches the actual power generation data (or data corresponding to the power generation data) included in the reference data 36.
  • Machine learning is performed, and a learned model 42 is created. Machine learning can be executed by software such as TensorFlow (registered trademark), CHAINER (registered trademark), and cafe.
  • the photovoltaic power generation facilities 12A, 12B, and 12C for reference are existing power generation facilities that are actually used or power generation facilities that have actually been used in the past. In the first embodiment, for the sake of convenience, an example in which the number of reference photovoltaic power generation facilities is three is shown, but it is preferable that the number of reference photovoltaic power generation facilities is as large as possible.
  • the site data 16A, 16B, and 16C are the position data, shape data, terrain data, and the shape and position of the light shielding elements 28A, 28B, and 28C that block sunlight and cast shadows on the sites 14A, 14B, and 14C. Including light shielding element data.
  • the position data is, for example, the latitude and longitude of the site 14.
  • the shape data is data of the shape of the boundary between the sites 14A, 14B, and 14C.
  • the terrain data is three-dimensional data of the terrain 14A, 14B, 14C and the surrounding terrain.
  • the light-shielding element data is three-dimensional data such as buildings, trees, mountains, and the like in the sites 14A, 14B, and 14C, and the surroundings, and utility poles. Note that the terrain data and the shading element data may be a part of common three-dimensional data and another part.
  • the panel arrangement data 22A, 22B, and 22C are actually used, or the installation angles (tilt angle and azimuth angle) for each of the reference solar panels 20A, 20B, and 20C actually used in the past, Data such as an installation position (for example, a position in XYZ coordinates where a predetermined reference position of each of the sites 14A, 14B, and 14C is a reference point), a horizontal dimension, and a vertical dimension.
  • the panel specification data 24A, 24B, and 24C are data such as conversion efficiency, rated output, horizontal dimension, and vertical dimension of the reference solar panels 20A, 20B, and 20C.
  • the reference data 36 may also include conversion efficiency data of a DC / AC converter (inverter).
  • Terrain data, shading element data, and panel arrangement data 22A, 22B, and 22C are created based on image data obtained by shooting from the air with a drone 46, for example.
  • the position of the target point in the image can be specified as follows. First, the drone 46 captures a continuous image including a target point while flying. From each image, the direction of the target point with respect to the position of the drone 46 can be specified. By specifying the direction of the target point with respect to the position of the drone 46 for a plurality of images, the position of the target point can be specified. Note that the distance of the target point with respect to the position of the drone 46 can also be obtained by laser irradiation. In this case, the position of the target point can be specified from one image.
  • the position of the drone 46 and the direction of the camera of the drone 46 can be specified by GNSS such as RTK.
  • GNSS such as RTK.
  • the azimuth angle, inclination angle, and installation position of the reference solar panels 20A, 20B, and 20C can be specified.
  • the horizontal dimension and the vertical dimension of the reference solar panels 20A, 20B, and 20C can also be specified.
  • the meteorological data 32A, 32B, and 32C are data such as the amount of solar radiation, the temperature, the weather condition (clear, cloudy, rain, snow, etc.), the amount of snow, and the like, and are provided by the Japan Meteorological Agency, NEDO (registered trademark), etc. Available.
  • the weather data 32A, 32B, 32C data obtained at a weather station where the weather of the solar power generation facilities 12A, 12B, 12C is close to the weather is used. For example, it is data of a weather station geographically close to the solar power generation facilities 12A, 12B, and 12C.
  • the power generation data 34A, 34B, and 34C are time-series data of the power generation amount for each of the reference solar panels 20A, 20B, and 20C.
  • the power generation data 34A, 34B, and 34C are data at regular time intervals (for example, every 3 minutes).
  • the power generation data 34A, 34B, 34C is the amount of power generation for each set of a plurality of reference solar panels 20A, 20B, 20C connected to a common junction box, current collector box, or DC / AC converter. It may be series data.
  • Each data included in the reference data 36 is converted into data suitable for machine learning by the learning function unit 44.
  • the power generation data 34A, 34B, and 34C are score values that indicate the ratio of the reference solar panels 20A, 20B, and 20C to the designed maximum power generation amount for each sheet.
  • the data is converted as follows, for example. First, data cleansing is performed. Specifically, unnecessary data is removed, noise is removed, and a value that is not a learning target is removed. Next, each data is divided into elements to form a one-dimensional array. Finally, the overall arrangement is adjusted to a one-dimensional array. Each element of this one-dimensional array corresponds to each element of the input layer 44A shown in FIG.
  • the power generation data 34A, 34B, and 34C are not actual score values but actual power generation data.
  • FIG. 3 shows a design support apparatus 50 for a photovoltaic power generation facility according to the first embodiment.
  • the design support apparatus 50 is a panel that includes site data 56 of the site 54 of the photovoltaic power generation facility 52 that is the design target, and data on the power generation performance of the solar panel 60 that is used in the solar power generation facility 52 that is the design target.
  • Panel including specification data 62, solar direction data 64 indicating the time-series sun direction at the position of the site 54, time-series weather data 70 of the region corresponding to the site 54, and an allowable range of the installation angle of the solar panel 60
  • An input data acquisition unit 76 configured to acquire input data 72 including arrangement requirement data 71 and a learned model 42 are provided, and a plurality of provisional panel arrangement data of solar panels 60 having different installation angles are created.
  • the temporary panel layout data and input data are processed by the learned model 42 to calculate a time-series power generation amount.
  • a calculation unit 78 that calculates (infers) the integrated power generation amount for a predetermined period by integrating the time-series power generation amount, and extracts temporary panel arrangement data having the maximum integrated power generation amount for the predetermined period; ing.
  • the photovoltaic power generation facility design support apparatus 50 is also a computer or a computer system.
  • the design support apparatus 50 includes a design support program for a photovoltaic power generation facility for causing a computer or a computer system to function as the input data acquisition unit 76 and the calculation unit 78.
  • the design support apparatus 50 includes an input unit 73 for inputting input data 72 and an output unit 75 for outputting a calculation result.
  • One computer may include an input unit 73, an input data acquisition unit 76, a calculation unit 78, and an output unit 75. Some or all of these may be provided in different computers connected by a network.
  • the solar power generation facility 52 that is a design object is, for example, a power generation facility to be newly constructed from now on.
  • the site data 56 includes position data and shape data of the site 54, terrain data of the site 54, and light shielding element data indicating the shape and position of the light shielding element 66 that blocks sunlight and casts a shadow on the site 54.
  • the position data is, for example, the latitude and longitude of the site 54.
  • the shape data is data on the shape of the boundary of the site 54.
  • the terrain data is three-dimensional data of the site 54 and the surrounding terrain.
  • the shading element data is three-dimensional data such as structures in the site 54 and its surroundings, ups and downs of trees, mountains, etc., utility poles, and the like.
  • the terrain data and shading element data included in the site data 56 are also created based on, for example, image data obtained by shooting from the air with the drone 46. Further, the terrain data may be data reflecting the terrain after creation.
  • the light shielding element data may also include three-dimensional data such as utility poles scheduled to be installed on the site 54. The terrain data and the shading element data may be a part of common three-dimensional data and another part.
  • the panel specification data 62 is data such as conversion efficiency, rated output, horizontal dimension, vertical dimension, etc. of the solar panel 60 scheduled to be used in the photovoltaic power generation facility 52.
  • the input data 72 may also include data on conversion efficiency of a DC / AC converter scheduled to be used in the photovoltaic power generation facility 52.
  • the weather data 70 is obtained in the same manner as the weather data 32A, 32B, 32C.
  • the allowable range of the installation angle of the solar panel 60 in the panel arrangement requirement data 71 is an allowable range of the azimuth angle and the inclination angle of the solar panel 60.
  • the allowable range of the azimuth angle is, for example, a range of angles to the east side and the west side centering on true south.
  • the allowable range of the tilt angle is, for example, 5 to 40 degrees (elevation angle 85 to 50 degrees).
  • the panel arrangement requirement data 71 includes an allowable range of the installation height of the solar panel 20 from the ground.
  • the allowable range of the height is appropriately selected according to a fixture such as a gantry or the amount of snow in the area of the site 54.
  • the panel arrangement requirement data 71 may include a predetermined gap between adjacent solar panels 60 or an allowable range of the gap.
  • the predetermined gap or the allowable range of the gap is appropriately selected in consideration of a shadow or the like that the solar panel 60 drops on another adjacent solar panel 60.
  • Each data included in the input data 72 is converted into data suitable for processing by the learned model 42 in the same manner as the data included in the reference data 36. Note that data conversion is not necessary when the data included in the input data 72 is data suitable for processing by the learned model 42 even if it is not converted.
  • the calculation unit 78 includes a provisional panel arrangement data creation unit 78A configured to create a plurality of provisional panel arrangement data of the solar panels 60 having different installation angles, and the provisional panel arrangement data and the provisional panel arrangement data for each provisional panel arrangement data.
  • a power generation amount calculation unit 78B that calculates the time-series power generation amount by processing the input data 72 by the learned model 42, and calculates the integrated power generation amount for a predetermined period by integrating the time-series power generation amount;
  • an extraction unit 78C for extracting provisional panel arrangement data having the maximum power generation amount during the period.
  • the provisional panel arrangement data creation unit 78A includes installation angles (azimuth angles and inclination angles) of a plurality of solar panels 60 arranged on the site 54, and installation positions (for example, XYZ coordinates based on a predetermined position in the site 54). Temporary panel layout data specifying the position) is created. For example, a plurality of installation angles are selected at predetermined intervals within an allowable range of installation angles. Further, the installation positions in the XY direction (horizontal direction) are specified such that, for example, as many solar panels 60 as possible are arranged within the range of the site 54 (within the shape data range). Moreover, the solar panel 60 may be installed with a predetermined gap in consideration of a shadow that the solar panel 60 drops on another adjacent solar panel 60.
  • a plurality of gaps may be selected at predetermined intervals within an allowable range of gaps.
  • the installation position in the Z direction (vertical direction) is selected within the allowable range of the installation height of the solar panel 60 from the ground, for example.
  • a plurality of installation positions in the Z direction may be selected at predetermined intervals within the allowable range of the installation height. In this way, a plurality of provisional panel arrangement data having different installation angles and / or installation positions are created.
  • the power generation amount calculation unit 78B calculates an integrated power generation amount for a predetermined period for each provisional panel arrangement data.
  • the predetermined period is, for example, one year. For example, when the installation angle of the solar panel 60 is changed regularly (every month, every three months, every month, etc.), the predetermined period is June (for example, April to September, 10 to 3). Month), March (eg, January to March, April to June, July to September, October to December), or January.
  • a predetermined period for the operator or the like to calculate the integrated power generation amount may be input to the input unit 73.
  • the extraction unit 78C extracts the provisional panel arrangement data having the maximum accumulated power generation amount during such a predetermined period.
  • provisional panel arrangement data having the maximum accumulated power generation amount it is preferable to create a large number of provisional panel arrangement data.
  • a force search squeeze search
  • a hill climbing method a hill climbing method
  • an annealing method simulated annealing
  • Any method may be appropriately selected according to the number of provisional panel arrangement data, the capability of the computer, and the like.
  • reference data 36 related to the reference photovoltaic power generation facilities 12A, 12B, and 12C is input to the design support learned model creation apparatus 10 by the input unit 45, and the reference data acquisition unit 40 receives the reference data. 36 is acquired (S102: reference data acquisition step). Each data included in the reference data 36 is converted into data suitable for machine learning by the learning function unit 44 in advance. If the reference data 36 is data suitable for machine learning by the learning function unit 44 even if it is not converted, conversion is not necessary.
  • the terrain data, shading element data, and panel layout data 22A, 22B, and 22C included in the site data 16A, 16B, and 16C are created based on image data obtained by shooting from the air with the drone 46 as described above, for example. Is done.
  • the panel arrangement data 22A, 22B, and 22C may be data measured manually, design value data, or data based on construction records.
  • the learning function unit 44 creates the learned model 42 by adjusting the synaptic weight by machine learning of the reference data 36 (S104: learning step).
  • the design support apparatus 50 is created from the learned model 42 obtained in this way.
  • the input data 72 is input to the design support apparatus 50 by the input unit 73, and the input data acquisition unit 76 acquires the input data 72 (S202: input data acquisition step).
  • Each data included in the input data 72 is converted into data suitable for processing by the learned model 42 in advance.
  • conversion is not necessary.
  • the terrain data and shading element data included in the site data 56 are also created based on, for example, image data obtained by shooting from the air with the drone 46.
  • the calculation unit 78 creates a plurality of provisional panel arrangement data of the solar panels 60 having different installation angles, and processes the provisional panel arrangement data and the input data 72 by the learned model 42 for each provisional panel arrangement data.
  • the time series power generation amount is calculated by this, and the time series power generation amount is integrated to calculate (infer) the total power generation amount for the predetermined period, and the provisional panel arrangement data in which the total power generation amount for the predetermined period is the maximum Is extracted (S204: calculation step).
  • the provisional panel arrangement data creation unit 78A creates a plurality of provisional panel arrangement data for the solar panels 60 having different installation angles (temporary panel arrangement data creation step).
  • the provisional panel arrangement data creation unit 78A also creates a plurality of provisional panel arrangement data for the solar panels 60 having different installation positions. For example, a plurality of installation angles are selected at predetermined intervals within an allowable range of installation angles. Further, the installation positions in the XY direction (horizontal direction) are specified so as to be arranged as much as possible within the range of the site 54 (within the shape data range), for example. Moreover, the solar panel 60 may be installed with a predetermined gap. A plurality of gaps may be selected at predetermined intervals within an allowable range of gaps. Further, the installation position in the Z direction (vertical direction) is selected within an allowable range of the installation height of the solar panel 60 from the ground.
  • a plurality of installation positions in the Z direction may be selected at predetermined intervals within the allowable range of the installation height.
  • the power generation amount calculation unit 78B calculates the time series power generation amount by processing the temporary panel arrangement data and the input data 72 with the learned model 42 for each provisional panel arrangement data, and calculates the time series power generation amount. By integrating, the integrated power generation amount for a predetermined period is calculated (power generation amount calculation step).
  • the power generation data 34A, 34B, and 34C are score values indicating the ratio of the reference solar panels 20A, 20B, and 20C to the designed maximum integrated power generation amount
  • the power generation amount calculation unit 78B calculates.
  • the integrated power generation amount is also a score value indicating a ratio to the design maximum integrated power generation amount for each solar panel 60.
  • the extraction unit 78C extracts provisional panel arrangement data having the maximum accumulated power generation amount for a predetermined period (extraction step).
  • the provisional panel layout data creation step, the power generation amount calculation step, and the extraction step are executed once in this order.
  • the provisional panel arrangement data creation step, the power generation amount calculation step, and the extraction step are repeated a plurality of times.
  • the calculation unit 78 outputs the provisional panel layout data extracted by the extraction unit 78C to the output unit 75.
  • the learned model 42 is created by learning reference data 36 including data of installation angles of existing (or actually used) reference solar panels 20A, 20B, and 20C that are actually used. Has been. Therefore, the design support apparatus 50 can calculate a preferable installation angle of the solar panel 60 used in the photovoltaic power generation facility 52 that is a design object with high accuracy (extract provisional panel arrangement data of a preferable installation angle). it can. For example, it is possible to reflect the effect of snow, dust, etc. accumulated on the solar panel 60 on the amount of power generation.
  • the panel specification data 62 included in the input data 72 includes data on the dimensions of the solar panel 60
  • the panel arrangement data 22A, 22B, 22C and the panel specification data 24A, 24B, 24C included in the reference data 36 are Data on the dimensions of the reference solar panels 20A, 20B, and 20C is also included
  • the panel arrangement data 22A, 22B, and 22C include data on the installation positions of the reference solar panels 20A, 20B, and 20C
  • a calculation unit 78 panel model
  • the creating unit 78A) is configured to create a plurality of provisional panel arrangement data of solar panels having different installation positions.
  • the site data 56 included in the input data 72 includes the topographic data of the site 54 of the photovoltaic power generation facility 52 that is the design object, and the light shielding element data indicating the shape and position of the light shielding element that blocks sunlight and casts a shadow on the site.
  • the site data 16A, 16B, and 16C included in the reference data 36 include the topographic data of the sites 14A, 14B, and 14C of the reference photovoltaic power generation facilities 12A, 12B, and 12C, and the light that blocks the sunlight and shades the site.
  • the calculation unit 78 is configured to process the input data 72 including the terrain data and the light blocking element data by the learned model 42 including the light blocking element data indicating the shape and position of the element. Therefore, it is possible to accurately reflect the complicated influence on the power generation amount by local shadows of shading elements such as terrain such as undulations, mountains, buildings, and trees.
  • the highly accurate terrain data, the shading element data, and the panel arrangement data 22A, 22B, and 22C are obtained based on the image data obtained by shooting from the air by the drone 46.
  • These highly accurate data also contribute to highly accurate calculation of power generation.
  • the panel arrangement data 22A, 22B, and 22C of the reference solar panels 20A, 20B, and 20C are design value data, the actual arrangement of the reference solar panels 20A, 20B, and 20C may be shifted.
  • the panel arrangement data 22A, 22B, and 22C are created from the image data, so that the influence of such a shift can be suppressed.
  • the existing power generation equipment may be sufficient as the solar power generation equipment 52 which is a design object.
  • the design support apparatus 50 can be used for designing to change the arrangement of the existing solar panels so as to increase the power generation amount of the existing power generation facilities.
  • the input data acquisition part 76 uses the installation angle and installation position data of the solar panel 60 used with the photovoltaic power generation equipment 52 which is a design target object.
  • the design target panel layout data 80 is also acquired.
  • the calculation unit 78 calculates the integrated power generation amount of the photovoltaic power generation facility 52 corresponding to the design target panel arrangement data 80.
  • the output integrated power generation amount is, for example, a score value that is a ratio to the design maximum integrated power generation amount of the solar power generation facility 52. Further, the integrated power generation amount itself may be output. Since other configurations are the same as those of the first embodiment, the same components are denoted by the same reference numerals as in FIGS. 1 to 3 and description thereof is omitted.
  • the calculation unit 78 may not include the provisional panel arrangement data creation unit 78A and / or the extraction unit 78C.
  • the learned model creation device 100 includes sites 14A, 14B, and 14C of the reference photovoltaic power generation facilities 12A, 12B, and 12C, and image data 102A, 102B in the vicinity thereof.
  • the image data acquisition unit 104 configured to acquire 102C, and the topographic data 18A, 18B, 18C of the reference photovoltaic power generation facilities 12A, 12B, 12C based on the image data 102A, 102B, 102C, the light shielding element data 30A, 30B, 30C and an image data processing unit 106 configured to create reference data corresponding to the panel arrangement data 22A, 22B, 22C, and the reference data acquisition unit 40
  • the data processing unit 106 is configured to acquire the reference data created.
  • the design support apparatus 110 is an image configured to acquire the image data 112 of the site 54 of the photovoltaic power generation facility 52 that is a design object and its surroundings.
  • a data acquisition unit 114, an image data processing unit 116 configured to create input data corresponding to the terrain data 58 of the site 54 of the photovoltaic power generation facility 52 and the shading element data 68 based on the image data 112;
  • the input data acquisition unit 76 is configured to acquire the input data created by the image data processing unit 116. Since other configurations are the same as those of the first or second embodiment, the same configurations are denoted by the same reference numerals as those in FIGS. 1 to 3 and 6 and description thereof is omitted.
  • the image data acquisition unit 104 acquires image data 102A, 102B, and 102C obtained by shooting from the air with the drone 46 (S302: Image data acquisition step).
  • the image data processing unit 106 based on the image data 102A, 102B, 102C, the terrain data 18A, 18B, 18C of the reference photovoltaic power generation facilities 12A, 12B, 12C, the panel arrangement data 22A, 22B, 22C and Reference data corresponding to the light shielding element data 30A, 30B, and 30C is created (S304: image processing step).
  • the reference data acquisition unit 40 acquires the reference data created by the image data processing unit 106 (S306: reference data acquisition step).
  • the reference data acquisition unit 40 acquires the reference data 36 other than the topographic data 18A, 18B, 18C, the light shielding element data 30A, 30B, 30C, and the panel arrangement data 22A, 22B, 22C. Is acquired in the same manner as in the reference data acquisition step S102 of the first embodiment.
  • the learning function unit 44 adjusts synaptic weights by machine learning of the reference data 36 to create a learned model 42 (S308: learning step). ).
  • the image data acquisition unit 114 acquires the image data 112 obtained by shooting from the air with the drone 46 (S402: image data acquisition step).
  • the image data processing unit 116 creates input data corresponding to the terrain data 58 of the site 54 of the photovoltaic power generation facility 52 and the light shielding element data 68 based on the image data 112 (S404: image processing step).
  • the input data acquisition unit 76 acquires the input data created by the image data processing unit 116 (S406: input data acquisition step).
  • the input data acquisition unit 76 acquires the input data 72 other than the terrain data 58 and the light shielding element 68 in the same manner as the input data acquisition step S202 of the first embodiment.
  • calculation step S408 is executed in the same manner as calculation step S204 in the first embodiment, and provisional panel arrangement data with the maximum accumulated power generation amount for a predetermined period is extracted.
  • the calculation part 78 (power generation amount calculation part 78B) is the solar power generation corresponding to the design object panel arrangement
  • the integrated power generation amount of the facility 52 is calculated and output to the output unit 75.
  • highly accurate topographic data, shading element data, and panel layout data can be easily used.
  • the panel arrangement data 22A, 22B, and 22C include installation position data in addition to the installation angle data of the reference solar panels 20A, 20B, and 20C.
  • the influence of the shadows that the solar panels 60 drop on other adjacent solar panels 60 and the effects of local shadows of shading elements such as undulations, terrain such as mountains, buildings, and trees can be ignored.
  • the panel arrangement data 22A, 22B, and 22C may not include data on the installation positions of the reference solar panels 20A, 20B, and 20C.
  • positioning data 80 does not need to include the data of the installation position of the solar panel 60, either.
  • the calculation unit 78 (temporary panel arrangement data creation unit 78A) of the design support apparatus 50 does not create a plurality of provisional panel arrangement data of the solar panels 60 having different installation positions. But you can.
  • the panel layout data 22A, 22B, and 22C and the panel specification data 24A, 24B, and 24C are both the horizontal and vertical data of the reference solar panels 20A, 20B, and 20C. However, any one of them does not need to include the horizontal dimension and vertical dimension data of the reference solar panels 20A, 20B, and 20C. In addition, for example, when the influence of the shadow that the solar panel 60 drops on another adjacent solar panel 60 can be ignored, both of the horizontal and vertical dimension data of the reference solar panels 20A, 20B, and 20C are used. It does not have to be included.
  • the present invention can be used for designing a photovoltaic power generation facility.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Civil Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Photovoltaic Devices (AREA)
  • Roof Covering Using Slabs Or Stiff Sheets (AREA)
  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

低コストで発電量が多い太陽光発電設備の設計を支援する。　学習済みモデル４２は、参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの敷地データ１６Ａ、１６Ｂ、１６Ｃ、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの設置角のデータを含むパネル配置データ２２Ａ、２２Ｂ、２２Ｃ、パネル仕様データ２４Ａ、２４Ｂ、２４Ｃ、太陽方向データ２６Ａ、２６Ｂ、２６Ｃ、気象データ３２Ａ、３２Ｂ、３２Ｃ、及び発電データ３４Ａ、３４Ｂ、３４Ｃを含む参照用データ３６を学習することにより作成される。設計支援装置は、太陽光パネルの設置角が相異なる複数の暫定パネル配置データ毎に該暫定パネル配置データ及び入力データを学習済みモデル４２によって処理することにより所定の期間の積算発電量を算出し、積算発電量が最大である暫定パネル配置データを抽出する。

Description

太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置
　本発明は、太陽光パネルの設置角等の設計を支援するための装置、方法、プログラム及びこれらに使用される学習済みモデルの作成装置に関する。
　地球温暖化対策の１つとして太陽光発電が普及しつつある。一方、近年、太陽光発電の売電価格は抑制される傾向がある。このため、低コストでありながら発電量が多い太陽光発電設備が求められている。発電量は、太陽光パネルの変換効率に加え、太陽光パネルの設置角（傾斜角及び方位角）や設置位置にも影響される。具体的には、太陽の仰角（高度）や方位角は時間や季節により変化するので、太陽光パネルの設置角によって太陽光パネルが受ける日射量も変化し、発電量が増減する。なお、太陽の仰角や方位角の変化に対応して太陽光パネルが太陽を追尾するように構成された追尾型の架台が知られているが、このような追尾型の架台はコストが高いという問題がある。
　固定された太陽光パネルの発電量を増やすためには太陽光パネルの設置角や設置位置の設計が重要である。従来、一般的には、太陽光パネルの方位角は真南が推奨されている。一方、太陽光パネルの傾斜角としては５～４０度（仰角８５～５０度）が推奨されている。太陽光パネルの傾斜角は、太陽光発電設備の経度や緯度の違いによる太陽の仰角や方位角の違いに加え、太陽光パネルの相互の影の影響、雪や埃の堆積、風に対する架台の強度等を考慮して設計されている。より詳細には、太陽光パネルの傾斜角が大きい場合（一例として３０度（仰角６０度））の方が、傾斜角が小さい場合（一例として１０度（仰角８０度））よりも、１枚の太陽光パネルが受ける平均的な日射量は多くなる傾向がある。また、傾斜角が大きい場合、雪や土埃等が堆積しにくいというメリットもある。一方、太陽光パネルの傾斜角が大きい場合の方が、傾斜角が小さい場合よりも、隣接する他の太陽光パネルに影を落としやすくなる。したがって、隣接する２枚の太陽光パネルの間隔を大きくする必要がある。このため、設置される太陽光パネルの数が少なくなってしまい、発電量が却って減ってしまうことがある。また、太陽光パネルの傾斜角が大きい場合の方が、傾斜角が小さい場合よりも、風の影響を受けやすくなるので強度が高い架台が要求されることがあり、コスト増大の要因となりうる。
　また、太陽光発電の発電量は、天候にも大きく影響される。例えば、曇りや雨の場合、晴れの場合よりも太陽光パネルが受ける日射量が少なくなる。また、太陽光パネルの発電効率は気温が高いほど低下する傾向がある。また、太陽光発電設備には電柱が設置されることが多く、電柱が太陽光パネルに影を落とすことにより、発電量が減ってしまうことがある。さらに近年、太陽光発電設備に適した、十分に広く平坦な敷地は少なくなってきている。このため、比較的狭い敷地やいびつな形状の敷地、或いは山間部等の傾斜した敷地や起伏のある敷地に太陽光発電設備を設置したいというニーズがある。このような場合、太陽光発電設備の周辺の倉庫等の建造物や樹木、山等が太陽光パネルに影を落とすことがあり、発電量が減ってしまう要因となる。また、敷地の形状により太陽光パネルの方位角や設置位置が制約されることがある。例えば、１つの太陽光発電設備の中の一部または全部の太陽光パネルの方位角が真南ではない場合がある。このように太陽光発電の発電量には様々な自然条件や立地条件等が影響するため、太陽光パネルの最適な設置角や設置位置を決めることは容易ではない。
　これに対し、太陽光パネルの設置角、季節や時間帯ごとの太陽光の入射量の条件設定を変化させて発電量を算出し、算出された発電量に基づいて年間の買電費用を算出し、算出された買電費用に基づいて太陽光パネルの設置角を決める手法が知られている（特許文献１参照）。特許文献１には、太陽光パネルの設置地点の設置位置、及び遮光体となる周辺環境に係る環境情報を含む位置情報、及び晴天率を考慮して太陽光の入射量を算出し、発電量を算出することも記載されている。特許文献１の手法によれば、太陽の仰角、方位角の変化だけでなく、天候や太陽光パネルに影を落とす周辺環境の影響もある程度反映して、太陽光パネルの設置角を決めることができる。しかしながら、特許文献１の手法では、雪や土埃等の堆積の影響や、太陽光パネルの相互の影の影響は考慮されていない。また、太陽光パネルに影を落とす周辺環境の影響を反映する手法としては、特許文献１には日射率に反映することが記載されているのみであり、局所的な影の影響を反映する具体的な手法は示されていない。周囲の建造物や、樹木、土等の影や天候の影響は複雑である。したがって、特許文献１の手法を用いたとしても、算出される発電量と実際の発電量とのずれが大きい場合があると考えられる。すなわち、算出される設置角が最適なものではない場合もあると考えられる。
　また、天候データと発電量データを学習することにより発電量を予測する手法が知られている（特許文献２参照）。特許文献２の手法によれば、算出される発電量と実際の発電量との天候の影響によるずれを抑制できると考えられる。しかしながら、特許文献２にも、雪や土埃等の堆積の影響を反映する手法は示されていない。
特開２０１７－１７４１７５号公報 特開２０１３－０９９１４３号公報
　本発明は、低コストで発電量が多い太陽光発電設備の設計を支援することを目的とする。
　本発明は、設計対象物である太陽光発電設備の敷地の敷地データ、太陽光発電設備で使用される太陽光パネルの発電性能のデータを含むパネル仕様データ、敷地の位置における時系列の太陽の方向を示す太陽方向データ、及び敷地に対応する地域の時系列の気象データを含む入力データを取得するように構成された入力データ取得部と、複数の参照用の太陽光発電設備の敷地の敷地データ、敷地に設置された参照用太陽光パネルの設置角のデータを含むパネル配置データ、参照用太陽光パネルの発電性能のデータを含むパネル仕様データ、敷地の位置における時系列の太陽の方向を示す太陽方向データ、敷地に対応する地域の日射量のデータを含む時系列の気象データ、及び参照用の太陽光発電設備の発電量の実績に相当する時系列の発電データを含む参照用データの複数の構成データの組の関係を学習することにより作成された、発電データを除く参照用データに対応するデータから発電データに対応するデータを推定する学習済みモデルを備え、設置角が相異なる太陽光パネルの複数の暫定パネル配置データを作成し、暫定パネル配置データ毎に該暫定パネル配置データ及び入力データを学習済みモデルによって処理することにより時系列の発電量を算出し、時系列の発電量を積算することにより所定の期間の積算発電量を算出し、所定の期間の積算発電量が最大である暫定パネル配置データを抽出する算出部と、を有する太陽光発電設備の設計支援装置を提供する。
　上記の太陽光発電設備の設計支援装置は、入力データに含まれるパネル仕様データが設計対象物である太陽光発電設備で使用される太陽光パネルの寸法のデータを含み、参照用データに含まれるパネル配置データ及びパネル仕様データの少なくとも一方が、参照用太陽光パネルの寸法のデータを含み、参照用データに含まれるパネル配置データが参照用太陽光パネルの設置位置のデータを含み、算出部は、設置位置が相異なる太陽光パネルの複数の暫定パネル配置データを作成するように構成されていてもよい。
　さらに、上記の太陽光発電設備の設計支援装置は、入力データに含まれる敷地データが設計対象物である太陽光発電設備の敷地の地形データと太陽光を遮り敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、参照用データに含まれる敷地データが参照用の太陽光発電設備の敷地の地形データと太陽光を遮り敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、算出部は、地形データ及び遮光要素データを含む入力データを学習済みモデルによって処理するように構成されていてもよい。
　さらにまた、上記の太陽光発電設備の設計支援装置は、設計対象物である太陽光発電設備の敷地の画像データを取得するように構成された画像データ取得部と、画像データに基づいて設計対象物である太陽光発電設備の敷地の地形データ、及び遮光要素データの少なくとも一方に相当する入力データを作成するように構成された画像データ処理部と、をさらに有し、入力データ取得部は、画像データ処理部が作成したデータを取得するように構成されていてもよい。
　また上記の太陽光発電設備の設計支援装置は、入力データ取得部が、設計対象物である太陽光発電設備で使用される太陽光パネルの設置角のデータを含む設計対象パネル配置データも取得できるように構成され、算出部は、入力データ取得部が設計対象パネル配置データを取得した場合、設計対象パネル配置データに対応する設計対象物である太陽光発電設備の所定の期間の積算発電量を算出して出力部に出力するように構成されていてもよい。
　また本発明は、上記設計支援装置と同様の構成を有する太陽光発電設備の設計支援方法及び設計支援プログラムを提供する。さらに本発明は、上記学習済みモデルを作成するための設計支援用学習済みモデル作成装置を提供する。
　本発明の学習済みモデルは、学習用データとして、実際に使用された既存の参照用太陽光パネルの設置角のデータを含む参照用データを学習して作成される。したがって、この学習済みモデルを備える設計支援装置は、設計対象物である太陽光発電設備で使用される太陽光パネルの好ましい設置角を高精度で算出することができる。例えば、太陽光パネルの上に堆積する雪や土埃等が発電量に及ぼす影響を算出結果に反映させることができる。
　また、入力データに含まれるパネル仕様データが設計対象物である太陽光発電設備で使用される太陽光パネルの寸法のデータも含み、参照用データに含まれるパネル配置データ及びパネル仕様データの少なくとも一方が、参照用太陽光パネルの寸法のデータも含み、参照用データに含まれるパネル配置データは参照用太陽光パネルの設置位置のデータも含み、算出部は、設置位置が相異なる太陽光パネルの複数の暫定パネル配置データを作成するように構成された場合、太陽光パネルが隣接する他の太陽光パネルに落とす影の影響も反映された、太陽光パネルの好ましい配置を算出することができる。
　さらに、入力データに含まれる敷地データが設計対象物である太陽光発電設備の敷地の地形データと太陽光を遮り敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、参照用データに含まれる敷地データが参照用の太陽光発電設備の敷地の地形データと太陽光を遮り敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、算出部は、地形データ及び遮光要素データを含む入力データを学習済みモデルによって処理するように構成された場合、起伏や山などの地形、及び建造物、樹木等の遮光要素の局所的な影が発電量に及ぼす複雑な影響も算出結果に高精度で反映させることができる。
　また、設計支援装置が画像データ取得部と、画像データ処理部と、をさらに有し、入力データ取得部は、画像データ処理が作成した地形データ、及び／または遮光要素データを取得するように構成された場合、高精度な地形データ、及び／または遮光要素データを容易に取得することができる。
図１は本発明の第１実施形態に係る太陽光発電設備の設計支援用学習済みモデル作成装置の構成を模式的に示すブロック図である。 図２は同学習済みモデル作成装置の学習機能部の構成を模式的に示すブロック図である。 図３は第１実施形態に係る太陽光発電設備の設計支援装置の構成を模式的に示すブロック図である。 図４は上記設計支援用学習済みモデル作成装置を用いた学習済みモデルの作成方法を示すフローチャートである。 図５は上記設計支援装置を用いた太陽光発電設備の設計支援方法を示すフローチャートである。 図６は本発明の第２実施形態に係る太陽光発電設備の設計支援装置の構成を模式的に示すブロック図である。 図７は本発明の第３実施形態に係る太陽光発電設備の設計支援用学習済みモデル作成装置の構成を模式的に示すブロック図である。 図８は第３実施形態に係る太陽光発電設備の設計支援装置の構成を模式的に示すブロック図である。 図９は上記設計支援用学習済みモデル作成装置を用いた学習済みモデルの作成方法を示すフローチャートである。 図１０は上記設計支援装置を用いた太陽光発電設備の設計支援方法を示すフローチャートである。
　図１は、本発明の第１実施形態に係る太陽光発電設備の設計支援用学習済みモデル作成装置１０を示す。学習済みモデル作成装置１０は、複数の参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの敷地１４Ａ、１４Ｂ、１４Ｃの敷地データ１６Ａ、１６Ｂ、１６Ｃ、敷地１４Ａ、１４Ｂ、１４Ｃに設置された参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの設置角のデータを含むパネル配置データ２２Ａ、２２Ｂ、２２Ｃ、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの発電性能のデータを含むパネル仕様データ２４Ａ、２４Ｂ、２４Ｃ、敷地１４Ａ、１４Ｂ、１４Ｃの位置における時系列の太陽の方向を示す太陽方向データ２６Ａ、２６Ｂ、２６Ｃ、敷地１４Ａ、１４Ｂ、１４Ｃに対応する地域の時系列の気象データ３２Ａ、３２Ｂ、３２Ｃ、及び参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの発電量の実績に相当する時系列の発電データ３４Ａ、３４Ｂ、３４Ｃを含む参照用データ３６を取得するように構成された参照用データ取得部４０と、参照用データ３６の複数の構成データの組の関係を学習することにより、発電データを除く参照用データ３６に対応するデータから時系列の発電量に相当するデータを推定する学習済みモデル４２を作成するように構成された学習機能部４４と、を有している。
　学習済みモデル作成装置１０はコンピュータまたはコンピュータシステムである。学習済みモデル作成装置１０は、コンピュータまたはコンピュータシステムを、参照用データ取得部４０、及び学習機能部４４として機能させるための学習用プログラムを備えている。また、学習済みモデル作成装置１０は、学習用データ３８を入力するための入力部４５を備えている。１つのコンピュータが、入力部４５、参照用データ取得部４０、学習機能部４４を備えていてもよい。また、これらの一部または全部が、ネットワークで接続された異なるコンピュータに備えられていてもよい。
　図２は、学習済みモデル作成装置１０の学習機能部４４の構成を示す。学習機能部４４は、ニューラルネットワークで構成されており、入力層４４Ａと、中間層（隠れ層）４４Ｂと、出力層４４Ｃと、を有している。入力層４４Ａには発電データを除く参照用データ３６が入力される。出力層４４Ｃには発電データに対応するデータが出力される。ニューラルネットワークはノードとシナプスで構成されている。出力層４４Ｃに出力される発電データ（または発電データに対応するデータ）が、参照用データ３６に含まれる実際の発電データ（または発電データに対応するデータ）に近づくようにシナプスの重みが調整される機械学習が行われ、学習済みモデル４２が作成される。機械学習はＴｅｎｓｏｒＦｌｏｗ（登録商標）、ＣＨＡＩＮＥＲ（登録商標）、Ｃａｆｆｅ等のソフトウェアにより実行できる。
　参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃは、実際に使用されている既存の発電設備または過去に実際に使用された発電設備である。なお、第1実施形態では便宜上、参照用の太陽光発電設備の数が３つである例が示されているが、参照用の太陽光発電設備の数は、できるだけ多いことが好ましい。敷地データ１６Ａ、１６Ｂ、１６Ｃは、敷地１４Ａ、１４Ｂ、１４Ｃの位置データ、形状データ、地形データ、太陽光を遮り敷地１４Ａ、１４Ｂ、１４Ｃに影を落とす遮光要素２８Ａ、２８Ｂ、２８Ｃの形状及び位置を示す遮光要素データを含む。位置データは、例えば敷地１４の緯度及び経度である。形状データは敷地１４Ａ、１４Ｂ、１４Ｃの境界の形状のデータである。地形データは、敷地１４Ａ、１４Ｂ、１４Ｃ及びその周辺の地形の３次元データである。遮光要素データは、敷地１４Ａ、１４Ｂ、１４Ｃ内、及びその周辺の建造物、樹木、山等の起伏、電柱等の３次元データである。なお、地形データと遮光要素データは、共通の３次元データの一部と他の一部であってもよい。パネル配置データ２２Ａ、２２Ｂ、２２Ｃは、実際に使用されている、あるいは過去に実際に使用された参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの１枚毎の設置角（傾斜角及び方位角）、設置位置（例えば敷地１４Ａ、１４Ｂ、１４Ｃの所定の基準位置が基準点であるＸＹＺ座標における位置）、横寸法、縦寸法等のデータである。パネル仕様データ２４Ａ、２４Ｂ、２４Ｃは、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの変換効率、定格出力、横寸法、縦寸法等のデータである。なお、参照用データ３６は、直流／交流変換器（インバータ）の変換効率のデータも含んでいてもよい。
　地形データ、遮光要素データ、パネル配置データ２２Ａ、２２Ｂ、２２Ｃは、例えば、ドローン４６による空中からの撮影で得られた画像データに基づいて作成される。具体的には、画像中の目的の点の位置は以下のように特定することができる。まずドローン４６が飛行しながら目的の点を含む連続画像を撮影する。各画像からドローン４６の位置に対する目的の点の方向を特定できる。複数の画像について、ドローン４６の位置に対する目的の点の方向を特定することで目的の点の位置を特定できる。なお、レーザ照射によりドローン４６の位置に対する目的の点の距離を求めることもできる。この場合、１つの画像からでも目的の点の位置を特定できる。ドローン４６の位置及びドローン４６のカメラの方向はＲＴＫ等のＧＮＳＳにより特定することができる。参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの４隅の位置を特定することにより、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの方位角、傾斜角、設置位置を特定できる。また、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの横寸法及び縦寸法を特定することもできる。
　気象データ３２Ａ、３２Ｂ、３２Ｃは、日射量、気温、天気の状態（晴れ、曇り、雨、雪等）、積雪量等のデータであり、気象庁、ＮＥＤＯ（登録商標）等から提供されるデータを利用できる。気象データ３２Ａ、３２Ｂ、３２Ｃは、太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの気象と気象が近い気象台で得られたデータが用いられる。例えば、太陽光発電設備１２Ａ、１２Ｂ、１２Ｃに地理的に近い気象台のデータである。発電データ３４Ａ、３４Ｂ、３４Ｃは、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの１枚毎の発電量の時系列データである。例えば、発電データ３４Ａ、３４Ｂ、３４Ｃは、一定時間毎（例えば３分毎）のデータである。なお、発電データ３４Ａ、３４Ｂ、３４Ｃは、共通の接続箱、集電箱、または直流／交流変換器に接続された複数の参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの組毎の発電量の時系列データであってもよい。
　参照用データ３６に含まれる各データは学習機能部４４による機械学習に適したデータに変換されたものである。例えば、発電データ３４Ａ、３４Ｂ、３４Ｃは、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの１枚毎の設計上の最大発電量に対する比率を示すスコア値である。データは、例えば以下のように変換される。まずデータクレンジングが行われる。具体的には、不要なデータの除去、ノイズの除去、学習対象ではない値の除去等が行われる。次に、各データが要素に分けられて１次元配列にされる。最後に全体の並べ方が調整され、１次元配列にされる。この１次元配列の各要素が図２に示される入力層４４Ａの各要素に相当する。なお、変換されなくても参照用データ３６に含まれる各データが学習機能部４４による機械学習に適したデータである場合、データ変換は不要である。この場合、発電データ３４Ａ、３４Ｂ、３４Ｃは、スコア値ではなく実際の発電量のデータである。
　図３は第１実施形態に係る太陽光発電設備の設計支援装置５０を示す。設計支援装置５０は、設計対象物である太陽光発電設備５２の敷地５４の敷地データ５６、設計対象物である太陽光発電設備５２で使用される太陽光パネル６０の発電性能のデータを含むパネル仕様データ６２、敷地５４の位置における時系列の太陽の方向を示す太陽方向データ６４、敷地５４に対応する地域の時系列の気象データ７０、及び太陽光パネル６０の設置角の許容範囲を含むパネル配置要件データ７１を含む入力データ７２を取得するように構成された入力データ取得部７６と、学習済みモデル４２を備え、設置角が相異なる太陽光パネル６０の複数の暫定パネル配置データを作成し、暫定パネル配置データ毎に該暫定パネル配置データ及び入力データを学習済みモデル４２によって処理することにより時系列の発電量を算出し、時系列の発電量を積算することにより所定の期間の積算発電量を算出（推論）し、所定の期間の積算発電量が最大である暫定パネル配置データを抽出する算出部７８と、を有している。
　太陽光発電設備の設計支援装置５０もコンピュータまたはコンピュータシステムである。設計支援装置５０は、コンピュータまたはコンピュータシステムを入力データ取得部７６、及び算出部７８として機能させるための太陽光発電設備の設計支援プログラムを備えている。また、設計支援装置５０は、入力データ７２を入力するための入力部７３、算出結果を出力するための出力部７５を備えている。１つのコンピュータが、入力部７３、入力データ取得部７６、算出部７８、及び出力部７５を備えていてもよい。また、これらの一部または全部が、ネットワークで接続された異なるコンピュータに備えられていてもよい。
　設計対象物である太陽光発電設備５２は、例えば、これから新たに建設される予定の発電設備である。敷地データ５６は、敷地５４の位置データ、形状データ、敷地５４の地形データ、太陽光を遮り敷地５４に影を落とす遮光要素６６の形状及び位置を示す遮光要素データを含む。位置データは、例えば敷地５４の緯度及び経度である。形状データは敷地５４の境界の形状のデータである。地形データは、敷地５４及びその周辺の地形の３次元データである。遮光要素データは、敷地５４内、及びその周辺の建造物、樹木、山等の起伏、電柱等の３次元データである。敷地データ５６に含まれる地形データ及び遮光要素データも、例えば、ドローン４６による空中からの撮影で得られた画像データに基づいて作成される。また、地形データは造成後の地形が反映されたデータであってもよい。また、遮光要素データは、敷地５４に設置される予定の電柱等の３次元データも含んでいてもよい。地形データと遮光要素データは、共通の３次元データの一部と他の一部であってもよい。パネル仕様データ６２は、太陽光発電設備５２で使用される予定の太陽光パネル６０の変換効率、定格出力、横寸法、縦寸法等のデータである。なお、入力データ７２は、太陽光発電設備５２で使用される予定の直流／交流変換器の変換効率のデータも含んでいてもよい。気象データ７０は、気象データ３２Ａ、３２Ｂ、３２Ｃと同様に入手されるものである。パネル配置要件データ７１の太陽光パネル６０の設置角の許容範囲は、太陽光パネル６０の方位角、及び傾斜角の許容範囲である。方位角の許容範囲は例えば真南を中心とする東側及び西側への角度の範囲である。傾斜角の許容範囲は例えば５～４０度（仰角８５～５０度）である。また、パネル配置要件データ７１は、太陽光パネル２０の地面からの設置高さの許容範囲を含む。高さの許容範囲は、架台等の取付具や敷地５４の地域の積雪量等に応じて適宜選択される。また、パネル配置要件データ７１は、隣り合う太陽光パネル６０の間の所定の隙間、または隙間の許容範囲を含んでいてもよい。所定の隙間、または隙間の許容範囲は、太陽光パネル６０が隣の他の太陽光パネル６０に落とす影等を考慮して適宜選択される。入力データ７２に含まれる各データは、参照用データ３６に含まれるデータと同様に学習済みモデル４２による処理に適したデータに変換されたものである。なお、変換されなくても入力データ７２に含まれる各データが学習済みモデル４２による処理に適したデータである場合、データ変換は不要である。
　算出部７８は、設置角が相異なる太陽光パネル６０の複数の暫定パネル配置データを作成するように構成された暫定パネル配置データ作成部７８Ａと、暫定パネル配置データ毎に該暫定パネル配置データ及び入力データ７２を学習済みモデル４２によって処理することにより時系列の発電量を算出し、時系列の発電量を積算することにより所定の期間の積算発電量を算出する発電量算出部７８Ｂと、所定の期間の発電量が最大である暫定パネル配置データを抽出する抽出部７８Ｃと、を有している。暫定パネル配置データ作成部７８Ａは、敷地５４に配置される複数の太陽光パネル６０の設置角（方位角及び傾斜角）、及び設置位置（例えば敷地５４内の所定の位置を基準とするＸＹＺ座標における位置）を特定した暫定パネル配置データを作成する。例えば、設置角の許容範囲内で所定の間隔で複数の設置角が選択される。また、ＸＹ方向（水平方向）の設置位置は、例えば、敷地５４の範囲内（形状データの範囲内）に太陽光パネル６０ができるだけ多く配置されるように特定される。また、太陽光パネル６０が隣の他の太陽光パネル６０に落とす影を考慮し、太陽光パネル６０が所定の隙間をあけて設置されてもよい。隙間の許容範囲内で所定の間隔で複数の隙間が選択されてもよい。また、Ｚ方向（上下方向）の設置位置は、例えば、太陽光パネル６０の地面からの設置高さの許容範囲内で選択される。設置高さの許容範囲内で所定の間隔で複数のＺ方向の設置位置が選択されてもよい。このように設置角、及び／または設置位置が異なる複数の暫定パネル配置データが作成される。
　発電量算出部７８Ｂは、暫定パネル配置データ毎に、所定の期間の積算発電量を算出する。所定の期間は、例えば、１年である。また、例えば太陽光パネル６０の設置角が定期的（６月毎、３月毎、１月毎等）に変更される場合、所定の期間は６月（例えば、４～９月、１０～３月）、３月（例えば、１～３月、４～６月、７～９月、１０～１２月）、または１月でもよい。この場合、オペレータ等が積算発電量を算出するための所定の期間を入力部７３に入力すればよい。抽出部７８Ｃは、このような所定の期間の積算発電量が最大である暫定パネル配置データを抽出する。積算発電量が最大である暫定パネル配置データを抽出するためには、多数の暫定パネル配置データを作成することが好ましい。多数の暫定パネル配置データから発電量が最大である暫定パネル配置データを抽出する手法としては、力まかせ探索（しらみつぶし探索）、山登り法、焼きなまし法（シミュレーティッド・アニーリング）等を用いることができる。暫定パネル配置データの数、計算機の能力等に応じていずれかの方法を適宜選択すればよい。
　次に、設計支援用学習済みモデル作成装置１０を用いた学習済みモデル４２の作成方法について説明する（図４参照）。まず、参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃに関連する参照用データ３６が入力部４５によって設計支援用学習済みモデル作成装置１０に入力され、参照用データ取得部４０が、参照用データ３６を取得する（Ｓ１０２：参照用データ取得ステップ）。参照用データ３６に含まれる各データは学習機能部４４による機械学習に適したデータに予め変換される。なお、変換されなくても参照用データ３６が学習機能部４４による機械学習に適したデータである場合、変換は不要である。敷地データ１６Ａ、１６Ｂ、１６Ｃに含まれる地形データ、遮光要素データ、パネル配置データ２２Ａ、２２Ｂ、２２Ｃは、上記のように例えば、ドローン４６による空中からの撮影で得られた画像データに基づいて作成される。なお、パネル配置データ２２Ａ、２２Ｂ、２２Ｃは、人手により計測されたデータ、設計値のデータまたは施工記録に基づくデータでもよい。次に、学習機能部４４が、参照用データ３６を機械学習することにより、シナプスの重みを調整して学習済みモデル４２を作成する（Ｓ１０４：学習ステップ）。このようにして得られた学習済みモデル４２により設計支援装置５０が作成される。
　次に、設計支援装置５０を用いた太陽光発電設備の設計支援方法について説明する（図５参照）。まず、入力データ７２が入力部７３によって設計支援装置５０に入力され、入力データ取得部７６が入力データ７２を取得する（Ｓ２０２：入力データ取得ステップ）。入力データ７２に含まれる各データは学習済みモデル４２による処理に適したデータに予め変換される。なお、変換されなくても入力データ７２に含まれる各データが学習済みモデル４２による処理に適したデータである場合、変換は不要である。敷地データ５６に含まれる地形データ及び遮光要素データも、例えば、ドローン４６による空中からの撮影で得られた画像データに基づいて作成される。次に、算出部７８が、設置角が相異なる太陽光パネル６０の複数の暫定パネル配置データを作成し、暫定パネル配置データ毎に暫定パネル配置データ及び入力データ７２を学習済みモデル４２によって処理することにより時系列の発電量を算出し、時系列の発電量を積算することにより所定の期間の積算発電量を算出（推論）し、所定の期間の積算発電量が最大である暫定パネル配置データを抽出する（Ｓ２０４：算出ステップ）。具体的には、暫定パネル配置データ作成部７８Ａが、設置角が相異なる太陽光パネル６０の複数の暫定パネル配置データを作成する（暫定パネル配置データ作成ステップ）。暫定パネル配置データ作成部７８Ａは、設置位置が相異なる太陽光パネル６０の複数の暫定パネル配置データも作成する。例えば、設置角の許容範囲内で所定の間隔で複数の設置角が選択される。また、ＸＹ方向（水平方向）の設置位置は、例えば、敷地５４の範囲内（形状データの範囲内）にできるだけ多く配置されるように特定される。また、太陽光パネル６０が所定の隙間をあけて設置されてもよい。隙間の許容範囲内で所定の間隔で複数の隙間が選択されてもよい。また、Ｚ方向（上下方向）の設置位置は、太陽光パネル６０の地面からの設置高さの許容範囲内で選択される。設置高さの許容範囲内で所定の間隔で複数のＺ方向の設置位置が選択されてもよい。次に、発電量算出部７８Ｂが、暫定パネル配置データ毎に暫定パネル配置データ及び入力データ７２を学習済みモデル４２で処理することにより、時系列の発電量を算出し、時系列の発電量を積算することにより所定の期間の積算発電量を算出する（発電量算出ステップ）。なお、発電データ３４Ａ、３４Ｂ、３４Ｃが参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの１枚毎の設計上の最大積算発電量に対する比率を示すスコア値である場合、発電量算出部７８Ｂが算出する積算発電量も太陽光パネル６０の１枚毎の設計上の最大積算発電量に対する比率を示すスコア値である。次に、抽出部７８Ｃが、所定の期間の積算発電量が最大である暫定パネル配置データを抽出する（抽出ステップ）。力まかせ探索（しらみつぶし探索）の場合、暫定パネル配置データ作成ステップ、発電量算出ステップ、及び抽出ステップがこの順序で１回実行される。一方、山登り法、焼きなまし法（シミュレーティッド・アニーリング）の場合、暫定パネル配置データ作成ステップ、発電量算出ステップ、及び抽出ステップが複数回繰り返される。算出部７８は、抽出部７８Ｃが抽出した暫定パネル配置データを出力部７５に出力する。
　学習済みモデル４２は、実際に使用されている既存の（あるいは過去に実際に使用された）参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの設置角のデータを含む参照用データ３６を学習して作成されている。したがって、設計支援装置５０は、設計対象物である太陽光発電設備５２で使用される太陽光パネル６０の好ましい設置角を高精度で算出（好ましい設置角の暫定パネル配置データを抽出）することができる。例えば、太陽光パネル６０の上に堆積する雪や埃等が発電量に及ぼす影響を結果に反映させることができる。
　また、入力データ７２に含まれるパネル仕様データ６２が太陽光パネル６０の寸法のデータも含み、参照用データ３６に含まれるパネル配置データ２２Ａ、２２Ｂ、２２Ｃ及びパネル仕様データ２４Ａ、２４Ｂ、２４Ｃが、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの寸法のデータも含み、パネル配置データ２２Ａ、２２Ｂ、２２Ｃは参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの設置位置のデータも含み、算出部７８（パネルモデル作成部７８Ａ）は、設置位置が相異なる太陽光パネルの複数の暫定パネル配置データを作成するように構成されている。したがって、太陽光パネル６０が隣接する他の太陽光パネル６０に落とす影が発電量に及ぼす影響を算出結果に高精度で反映させることができる。さらに、入力データ７２に含まれる敷地データ５６が設計対象物である太陽光発電設備５２の敷地５４の地形データと太陽光を遮り敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、参照用データ３６に含まれる敷地データ１６Ａ、１６Ｂ、１６Ｃが参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの敷地１４Ａ、１４Ｂ、１４Ｃの地形データと太陽光を遮り敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、算出部７８は地形データ及び遮光要素データを含む入力データ７２を学習済みモデル４２によって処理するように構成されている。したがって、起伏、山等の地形、建造物、樹木等の遮光要素の局所的な影が発電量に及ぼす複雑な影響も算出結果に高精度で反映させることができる。
　また、地形データ、遮光要素データ、パネル配置データ２２Ａ、２２Ｂ、２２Ｃが、ドローン４６による空中からの撮影で得られた画像データに基づいて作成される場合、高精度な地形データ、遮光要素データ、パネル配置データが得られる。これらの高精度なデータも、発電量の高精度な算出に寄与する。例えば、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃのパネル配置データ２２Ａ、２２Ｂ、２２Ｃが設計値のデータである場合、実際の参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの配置とずれていることがあるが、画像データからパネル配置データ２２Ａ、２２Ｂ、２２Ｃが作成されることで、このようなずれの影響を抑制できる。
　なお、設計対象物である太陽光発電設備５２は既存の発電設備でもよい。例えば、既存の発電設備の発電量を増大するように、既存の太陽光パネルの配置を変更する設計のためにも設計支援装置５０は利用可能である。
　次に、本発明の第２実施形態について説明する。第１実施形態では、算出ステップ（Ｓ２０４）（抽出ステップ）において、所定の期間の積算発電量が最大である暫定パネル配置データが抽出される。一方、図６に示されるように、第２実施形態では、入力データ取得部７６は、設計対象物である太陽光発電設備５２で使用される太陽光パネル６０の設置角及び設置位置のデータを含む設計対象パネル配置データ８０も取得できるように構成されている。算出部７８（発電量算出部７８Ｂ）は、入力データ取得部７６が設計対象パネル配置データ８０を取得した場合、設計対象パネル配置データ８０に対応する太陽光発電設備５２の積算発電量を算出し出力部７５に出力するように構成されている。出力される積算発電量は、例えば太陽光発電設備５２の設計上の最大積算発電量に対する比率であるスコア値である。また、積算発電量そのものが出力されてもよい。他の構成については第１実施形態と同じであるので同じ構成については図１～３と同じ符号を付することとして説明を省略する。
　第１実施形態で抽出される暫定パネル配置データに対し、太陽光パネル６０の配置を変更したい場合もある。例えば、風による荷重を抑制するために、太陽光パネル６０の傾斜角を小さくしたい場合がある。また、太陽光パネル６０の上に雪や土埃等が堆積しにくいように、太陽光パネル６０の傾斜角を大きくしたい場合がある。第２実施形態によれば、このような場合における太陽光パネル６０の配置の変更が積算発電量に及ぼす影響を高精度で把握することができる。なお、太陽光パネル６０の設置角を入力して太陽光発電設備５２の所定の期間の積算発電量を算出する機能に対するニーズが高く、所定の期間の積算発電量が最大である暫定パネル配置データを抽出する機能に対するニーズが低いような場合、算出部７８は、暫定パネル配置データ作成部７８Ａ、及び／または抽出部７８Ｃを有していなくてもよい。
　次に、本発明の第３実施形態について説明する。図７に示されるように、第３実施形態の学習済みモデル作成装置１００は、参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの敷地１４Ａ、１４Ｂ、１４Ｃ及びその周辺の画像データ１０２Ａ、１０２Ｂ、１０２Ｃを取得するように構成された画像データ取得部１０４と、画像データ１０２Ａ、１０２Ｂ、１０２Ｃに基づいて参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの地形データ１８Ａ、１８Ｂ、１８Ｃ、遮光要素データ３０Ａ、３０Ｂ、３０Ｃ、及びパネル配置データ２２Ａ、２２Ｂ、２２Ｃに相当する参照用データを作成するように構成された画像データ処理部１０６と、を更に有し、参照用データ取得部４０は、画像データ処理部１０６が作成した参照用データを取得するように構成されている。
　また、図８に示されるように、第３実施形態の設計支援装置１１０は、設計対象物である太陽光発電設備５２の敷地５４及びその周辺の画像データ１１２を取得するように構成された画像データ取得部１１４と、画像データ１１２に基づいて太陽光発電設備５２の敷地５４の地形データ５８、及び遮光要素データ６８に相当する入力データを作成するように構成された画像データ処理部１１６と、をさらに有し、入力データ取得部７６は、画像データ処理部１１６が作成した入力データを取得するように構成されている。他の構成については第１または第２実施形態と同じであるので同じ構成については図１～３及び６と同じ符号を付することとして説明を省略する。
　次に、設計支援用学習済みモデル作成装置１００を用いた学習済みモデル４２の作成方法について説明する（図９参照）。まず、画像データ取得部１０４が、ドローン４６による空中からの撮影等により得られた画像データ１０２Ａ、１０２Ｂ、１０２Ｃを取得する（Ｓ３０２：画像データ取得ステップ）。次に、画像データ処理部１０６が、画像データ１０２Ａ、１０２Ｂ、１０２Ｃに基づいて参照用の太陽光発電設備１２Ａ、１２Ｂ、１２Ｃの地形データ１８Ａ、１８Ｂ、１８Ｃ、パネル配置データ２２Ａ、２２Ｂ、２２Ｃ及び遮光要素データ３０Ａ、３０Ｂ、３０Ｃに相当する参照用データを作成する（Ｓ３０４：画像処理ステップ）。次に、参照用データ取得部４０が、画像データ処理部１０６が作成した参照用データを取得する（Ｓ３０６：参照用データ取得ステップ）。なお、参照用データ取得部４０は、参照用データ取得ステップＳ３０６において、地形データ１８Ａ、１８Ｂ、１８Ｃ、遮光要素データ３０Ａ、３０Ｂ、３０Ｃ、及びパネル配置データ２２Ａ、２２Ｂ、２２Ｃ以外の参照用データ３６を、第１実施形態の参照用データ取得ステップＳ１０２と同様に取得する。次に、第１実施形態の学習ステップＳ１０４と同様に学習機能部４４が、参照用データ３６を機械学習することにより、シナプスの重みを調整して学習済みモデル４２を作成する（Ｓ３０８：学習ステップ）。
　次に、設計支援装置１１０を用いた太陽光発電設備の設計支援方法について説明する（図１０参照）。まず、画像データ取得部１１４が、ドローン４６による空中からの撮影等により得られた画像データ１１２を取得する（Ｓ４０２：画像データ取得ステップ）。次に、画像データ処理部１１６が、画像データ１１２に基づいて太陽光発電設備５２の敷地５４の地形データ５８、及び遮光要素データ６８に相当する入力データを作成する（Ｓ４０４：画像処理ステップ）。次に、入力データ取得部７６が、画像データ処理部１１６が作成した入力データを取得する（Ｓ４０６：入力データ取得ステップ）。なお、入力データ取得部７６は、入力データ取得ステップＳ４０６において、地形データ５８、遮光要素６８以外の入力データ７２については、第１実施形態の入力データ取得ステップＳ２０２と同様に取得する。次に、第１実施形態の算出ステップＳ２０４と同様に算出ステップＳ４０８を実行し、所定の期間の積算発電量が最大である暫定パネル配置データを抽出する。または、第２実施形態のように入力データ取得部７６が設計対象パネル配置データ８０を取得した場合、算出部７８（発電量算出部７８Ｂ）は、設計対象パネル配置データ８０に対応する太陽光発電設備５２の積算発電量を算出し出力部７５に出力する。第３実施形態によれば、高精度な地形データ、遮光要素データ、パネル配置データを容易に利用することができる
　なお、第１～第３実施形態において、パネル配置データ２２Ａ、２２Ｂ、２２Ｃは、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの設置角のデータに加え設置位置のデータも含んでいるが、例えば、太陽光パネル６０が隣接する他の太陽光パネル６０に落とす影の影響や、起伏、山等の地形、建造物、樹木等の遮光要素の局所的な影が発電量に及ぼす影響が無視できるような場合、パネル配置データ２２Ａ、２２Ｂ、２２Ｃは、参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの設置位置のデータを含んでいなくてもよい。このような場合、第２実施形態では、設計対象パネル配置データ８０も、太陽光パネル６０の設置位置のデータを含んでいなくてもよい。また、第１及び第３実施形態では、設計支援装置５０の算出部７８（暫定パネル配置データ作成部７８Ａ）は、設置位置が相異なる太陽光パネル６０の複数の暫定パネル配置データは作成しない構成でもよい。
　また、第１～第３実施形態において、パネル配置データ２２Ａ、２２Ｂ、２２Ｃ、及びパネル仕様データ２４Ａ、２４Ｂ、２４Ｃの両方が参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの横寸法及び縦寸法のデータを含んでいるが、いずれか一方は参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの横寸法及び縦寸法のデータを含んでいなくてもよい。また、例えば、太陽光パネル６０が隣接する他の太陽光パネル６０に落とす影の影響が無視できるような場合、両方が参照用太陽光パネル２０Ａ、２０Ｂ、２０Ｃの横寸法及び縦寸法のデータを含んでいなくてもよい。
　本発明は、太陽光発電設備の設計に利用できる。
　１０、１００　　太陽光発電設備の設計支援用学習済みモデル作成装置
　１２Ａ、１２Ｂ、１２Ｃ、５２　　太陽光発電設備
　１４Ａ、１４Ｂ、１４Ｃ、５４　　敷地
　１６Ａ、１６Ｂ、１６Ｃ、５６　　敷地データ
　１８Ａ、１８Ｂ、１８Ｃ、５８　　地形データ
　２０Ａ、２０Ｂ、２０Ｃ　　参照用太陽光パネル
　２２Ａ、２２Ｂ、２２Ｃ　　パネル配置データ
　２４Ａ、２４Ｂ、２４Ｃ、６２　　パネル仕様データ
　２６Ａ、２６Ｂ、２６Ｃ、６４　　太陽方向データ
　２８Ａ、２８Ｂ、２８Ｃ、６６　　遮光要素
　３０Ａ、３０Ｂ、３０Ｃ、６８　　遮光要素データ
　３２Ａ、３２Ｂ、３２Ｃ、７０　　気象データ
　３４Ａ、３４Ｂ、３４Ｃ　　発電データ
　３６　　参照用データ
　４０　　参照用データ取得部
　４２　　学習済みモデル
　４４　　学習機能部
　４５　　入力部
　４６　　ドローン
　５０、１１０　　太陽光発電設備の設計支援装置
　６０　　太陽光パネル
　７１　　パネル配置要件データ
　７２　　入力データ
　７３　　入力部
　７５　　出力部
　７６　　入力データ取得部
　７８　　算出部
　７８Ａ　　暫定パネル配置データ作成部
　７８Ｂ　　発電量算出部
　７８Ｃ　　抽出部
　８０　　設計対象パネル配置データ
　１０２Ａ、１０２Ｂ、１０２Ｃ　　画像データ
　１０４、１１４　　画像データ取得部
　１０６、１１６　　画像データ処理部
　Ｓ１０２、Ｓ３０６　　参照用データ取得ステップ
　Ｓ１０４、Ｓ３０８　　学習ステップ
　Ｓ２０２、Ｓ４０６　　入力データ取得ステップ
　Ｓ２０４、Ｓ４０８　　算出ステップ
　Ｓ３０２、Ｓ４０２　　画像データ取得ステップ
　Ｓ３０４、Ｓ４０４　　画像処理ステップ

Claims (12)

  1. 　設計対象物である太陽光発電設備の敷地の敷地データ、前記太陽光発電設備で使用される太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、及び前記敷地に対応する地域の時系列の気象データを含む入力データを取得するように構成された入力データ取得部と、
    　複数の参照用の太陽光発電設備の敷地の敷地データ、前記敷地に設置された参照用太陽光パネルの設置角のデータを含むパネル配置データ、前記参照用太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、前記敷地に対応する地域の時系列の気象データ、及び前記参照用の太陽光発電設備の発電量の実績に相当する時系列の発電データを含む参照用データの複数の構成データの組の関係を学習することにより作成された、前記発電データを除く前記参照用データに対応するデータから前記発電データに対応するデータを推定する学習済みモデルを備え、設置角が相異なる前記太陽光パネルの複数の暫定パネル配置データを作成し、前記暫定パネル配置データ毎に該暫定パネル配置データ及び前記入力データを前記学習済みモデルによって処理することにより時系列の発電量を算出し、前記時系列の発電量を積算することにより所定の期間の積算発電量を算出し、前記所定の期間の積算発電量が最大である前記暫定パネル配置データを抽出する算出部と、
    　を有する太陽光発電設備の設計支援装置。
  2. 　前記入力データに含まれるパネル仕様データは前記設計対象物である太陽光発電設備で使用される太陽光パネルの寸法のデータを含み、
    　前記参照用データに含まれるパネル配置データ及びパネル仕様データの少なくとも一方は、前記参照用太陽光パネルの寸法のデータを含み、
    　前記参照用データに含まれるパネル配置データは前記参照用太陽光パネルの設置位置のデータを含み、
    　前記算出部は、設置位置が相異なる前記太陽光パネルの複数の暫定パネル配置データを作成するように構成された請求項１に記載の太陽光発電設備の設計支援装置。
  3. 　前記入力データに含まれる敷地データは、前記設計対象物である太陽光発電設備の敷地の地形データと、太陽光を遮り前記敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、
    　前記参照用データに含まれる敷地データは、前記参照用の太陽光発電設備の敷地の地形データと、太陽光を遮り前記敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含み、
    　前記算出部は、前記地形データ及び前記遮光要素データを含む入力データを前記学習済みモデルによって処理する請求項２に記載の太陽光発電設備の設計支援装置。
  4. 　前記設計対象物である太陽光発電設備の敷地の画像データを取得するように構成された画像データ取得部と、
    　前記画像データに基づいて前記設計対象物である太陽光発電設備の敷地の前記地形データ、及び前記遮光要素データの少なくとも一方に相当する入力データを作成するように構成された画像データ処理部と、をさらに有し、
    　前記入力データ取得部は、前記画像データ処理部が作成した入力データを取得するように構成された請求項３に記載の太陽光発電設備の設計支援装置。
  5. 　前記入力データ取得部は、前記設計対象物である太陽光発電設備で使用される太陽光パネルの設置角のデータを含む設計対象パネル配置データも取得できるように構成され、
    　前記算出部は、前記入力データ取得部が前記設計対象パネル配置データを取得した場合、前記設計対象パネル配置データに対応する前記設計対象物である太陽光発電設備の所定の期間の積算発電量を算出して出力部に出力するように構成された請求項１に記載の太陽光発電設備の設計支援装置。
  6. 　設計対象物である太陽光発電設備の敷地の敷地データ、前記太陽光発電設備で使用される太陽光パネルの設置角のデータを含むパネル配置設計データ、前記太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、及び前記敷地に対応する地域の日射量のデータを含む時系列の気象データを含む入力データを取得するように構成された入力データ取得部と、
    　複数の参照用の太陽光発電設備の敷地の敷地データ、前記敷地に設置された参照用太陽光パネルの設置角のデータを含むパネル配置データ、前記参照用太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、前記敷地に対応する地域の時系列の気象データ、及び前記参照用の太陽光発電設備の発電量の実績に相当する時系列の発電データを含む参照用データの複数の構成データの組の関係を学習することにより作成された、前記発電データを除く前記参照用データに対応するデータから前記発電データに対応するデータを推定する学習済みモデルを備え、前記入力データを前記学習済みモデルによって処理することにより時系列の発電量を算出し、前記時系列の発電量を積算することにより所定の期間の積算発電量を算出して出力部に出力するように構成された算出部と、
    　を有する太陽光発電設備の設計支援装置。
  7. 　入力データ取得部が、設計対象物である太陽光発電設備の敷地の敷地データ、前記太陽光発電設備で使用される太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、及び前記敷地に対応する地域の時系列の気象データを含む入力データを取得する入力データ取得ステップと、
    　複数の参照用の太陽光発電設備の敷地の敷地データ、前記敷地に設置された参照用太陽光パネルの設置角のデータを含むパネル配置データ、前記参照用太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、前記敷地に対応する地域の時系列の気象データ、及び前記参照用の太陽光発電設備の発電量の実績に相当する時系列の発電データを含む参照用データの複数の構成データの組の関係を学習することにより作成された、前記発電データを除く前記学習用データに対応するデータから前記発電データに対応するデータを推定する学習済みモデルを備える算出部が、設置角が相異なる前記太陽光パネルの複数の暫定パネル配置データを作成し、前記暫定パネル配置データ毎に該暫定パネル配置データ及び前記入力データを前記学習済みモデルによって処理することにより時系列の発電量に相当する値を算出し、前記時系列の発電量を積算することにより所定の期間の積算発電量に相当する値を算出し、前記所定の期間の積算発電量が最大である前記暫定パネル配置データを抽出する算出ステップと、
    　を有する太陽光発電設備の設計支援方法。
  8. 　太陽光発電設備の設計支援装置を、
    　設計対象物である太陽光発電設備の敷地の敷地データ、前記太陽光発電設備で使用される太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、及び前記敷地に対応する地域の時系列の気象データを含む入力データを取得するように構成された入力データ取得部と、
    　複数の参照用の太陽光発電設備の敷地の敷地データ、前記敷地に設置された参照用太陽光パネルの設置角のデータを含むパネル配置データ、前記参照用太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、前記敷地に対応する地域の時系列の気象データ、及び前記参照用の太陽光発電設備の発電量の実績に相当する時系列の発電データを含む参照用データの複数の構成データの組の関係を学習することにより作成された、前記発電データを除く前記学習用データに対応するデータから前記発電データに対応するデータを推定する学習済みモデルを備え、設置角が相異なる前記太陽光パネルの複数の暫定パネル配置データを作成し、前記暫定パネル配置データ毎に該暫定パネル配置データ及び前記入力データを前記学習済みモデルによって処理することにより時系列の発電量を算出し、前記時系列の発電量を積算することにより所定の期間の積算発電量を算出し、前記所定の期間の積算発電量が最大である前記暫定パネル配置データを抽出する算出部、
    　として機能させるための太陽光発電設備の設計支援プログラム。
  9. 　複数の参照用の太陽光発電設備の敷地の敷地データ、前記敷地に設置された参照用太陽光パネルの設置角のデータを含むパネル配置データ、前記参照用太陽光パネルの発電性能のデータを含むパネル仕様データ、前記敷地の位置における時系列の太陽の方向を示す太陽方向データ、前記敷地に対応する地域の時系列の気象データ、及び前記参照用の太陽光発電設備の発電量の実績に相当する時系列の発電データを含む参照用データを取得するように構成された参照用データ取得部と、
    　前記参照用データの複数の構成データの組の関係を学習することにより、前記発電データを除く前記参照用データに対応するデータから前記発電データに対応するデータを推定する学習済みモデルを作成するように構成された学習機能部と、
    　を有する太陽光発電設備の設計支援用学習済みモデル作成装置。
  10. 　前記パネル配置データは前記参照用太陽光パネルの設置位置のデータも含み、
    　前記パネル配置データ及びパネル仕様データの少なくとも一方は、前記参照用太陽光パネルの寸法のデータも含む請求項９に記載の太陽光発電設備の設計支援用学習済みモデル作成装置。
  11. 　前記敷地データは、前記参照用の太陽光発電設備の敷地の地形データと、太陽光を遮り前記敷地に影を落とす遮光要素の形状及び位置を示す遮光要素データを含む請求項１０に記載の太陽光発電設備の設計支援装置。
  12. 　前記参照用の太陽光発電設備の敷地の画像データを取得するように構成された画像データ取得部と、
    　前記画像データに基づいて前記パネル配置データ、前記地形データ、及び前記遮光要素データの少なくとも１つのデータに相当する参照データを作成するように構成された画像データ処理部と、を更に有し、
    　前記参照用データ取得部は、前記画像データ処理部が作成した参照用データを取得するように構成された請求項１１に記載の太陽光発電設備の設計支援用学習済みモデル作成装置。
PCT/JP2018/004556 2018-02-09 2018-02-09 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置 WO2019155594A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2019540469A JP6685065B2 (ja) 2018-02-09 2018-02-09 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置
CN201880032608.9A CN110637319B (zh) 2018-02-09 2018-02-09 太阳能发电设备的设计支援装置、设计支援方法、设计支援程序及设计支援用学习完成模型生成装置
PCT/JP2018/004556 WO2019155594A1 (ja) 2018-02-09 2018-02-09 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置
EP18904966.1A EP3629282A4 (en) 2018-02-09 2018-02-09 DESIGN ASSISTANCE DEVICE FOR A PHOTOVOLTAIC ENERGY PRODUCTION FACILITY, DESIGN ASSISTANCE PROCESS, DESIGN ASSISTANCE PROGRAM AND LEARNED MODEL CREATION DEVICE FOR DESIGN ASSISTANCE
US16/716,524 US10896269B2 (en) 2018-02-09 2019-12-17 Support apparatus and design support method for photovoltaic power generation facilities

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/004556 WO2019155594A1 (ja) 2018-02-09 2018-02-09 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/716,524 Continuation US10896269B2 (en) 2018-02-09 2019-12-17 Support apparatus and design support method for photovoltaic power generation facilities

Publications (1)

Publication Number Publication Date
WO2019155594A1 true WO2019155594A1 (ja) 2019-08-15

Family

ID=67548226

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/004556 WO2019155594A1 (ja) 2018-02-09 2018-02-09 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置

Country Status (5)

Country Link
US (1) US10896269B2 (ja)
EP (1) EP3629282A4 (ja)
JP (1) JP6685065B2 (ja)
CN (1) CN110637319B (ja)
WO (1) WO2019155594A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560256A (zh) * 2020-12-10 2021-03-26 中国电建集团贵州电力设计研究院有限公司 一种光伏组串最优间距计算系统和计算方法
JP2022550619A (ja) * 2019-11-14 2022-12-02 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． 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10140401B1 (en) * 2011-07-25 2018-11-27 Clean Power Research, L.L.C. System and method for inferring a photovoltaic system configuration specification with the aid of a digital computer
CN111245007B (zh) * 2020-01-08 2022-06-14 华为数字能源技术有限公司 控制器的位置信息获取方法及装置
CN112734464A (zh) * 2020-12-31 2021-04-30 晶科能源股份有限公司 项目成本预测方法、装置以及电子设备
KR102604751B1 (ko) * 2021-09-15 2023-11-22 주식회사 커넥티드 태양광 발전 예측 진단 시스템
CN114580062B (zh) * 2022-03-08 2022-12-13 中国华电科工集团有限公司 一种基于大数据的大型光伏电站工程施工建设质量分析云系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006185367A (ja) * 2004-12-28 2006-07-13 Sharp Corp 太陽光発電装置設置支援システム及びプログラム
JP2007249693A (ja) * 2006-03-16 2007-09-27 Takenaka Komuten Co Ltd 太陽電池設置評価装置、太陽電池設置評価プログラム、及び太陽電池設置評価算出方法
JP2013099143A (ja) 2011-11-01 2013-05-20 Nippon Telegr & Teleph Corp <Ntt> 予測モデル構築装置、方法、及びプログラム、並びに発電量予測装置、及び方法
US20130246010A1 (en) * 2011-09-12 2013-09-19 Modsolar, Llc System and Method for Optimized Automated Layout of Solar Panels
US20140207437A1 (en) * 2011-07-25 2014-07-24 Clean Power Research, L.L.C. Computer-Implemented System And Method For Inferring Operational Specifications Of A Fleet Of Photovoltaic Power Generation Systems
JP2017049866A (ja) * 2015-09-03 2017-03-09 田淵電機株式会社 太陽電池パネルの発電量シミュレータ、太陽電池パネルの発電量シミュレーション方法及び太陽電池パネルの発電量シミュレーションプログラム
JP2017174175A (ja) 2016-03-24 2017-09-28 東日本旅客鉄道株式会社 太陽光発電パネルの配置設定方法、太陽光発電パネルの配置設定装置、及び、プログラム
JP2018019555A (ja) * 2016-07-29 2018-02-01 株式会社関電工 影の影響を考慮した太陽光発電出力推定方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011158363A1 (ja) * 2010-06-17 2011-12-22 株式会社四国総合研究所 日射強度予測システムと太陽光発電出力予測システム
US20120035887A1 (en) * 2010-08-03 2012-02-09 Joseph Augenbraun Shading analysis software
DE102012106124A1 (de) * 2011-11-29 2013-05-29 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. PV Anlagendesign (Verfahren zum Bau und zur Gestaltung einer Solaranlage)
US20160125557A1 (en) 2013-05-21 2016-05-05 Yeloha Ltd. System for Continuous Computation of Renewable Energy Power Production
US9934334B2 (en) * 2013-08-29 2018-04-03 Solar Spectrum Holdings Llc Designing and installation quoting for solar energy systems
JP6687241B2 (ja) * 2016-06-27 2020-04-22 株式会社Gf 発電電力予測装置、サーバ、コンピュータプログラム及び発電電力予測方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006185367A (ja) * 2004-12-28 2006-07-13 Sharp Corp 太陽光発電装置設置支援システム及びプログラム
JP2007249693A (ja) * 2006-03-16 2007-09-27 Takenaka Komuten Co Ltd 太陽電池設置評価装置、太陽電池設置評価プログラム、及び太陽電池設置評価算出方法
US20140207437A1 (en) * 2011-07-25 2014-07-24 Clean Power Research, L.L.C. Computer-Implemented System And Method For Inferring Operational Specifications Of A Fleet Of Photovoltaic Power Generation Systems
US20130246010A1 (en) * 2011-09-12 2013-09-19 Modsolar, Llc System and Method for Optimized Automated Layout of Solar Panels
JP2013099143A (ja) 2011-11-01 2013-05-20 Nippon Telegr & Teleph Corp <Ntt> 予測モデル構築装置、方法、及びプログラム、並びに発電量予測装置、及び方法
JP2017049866A (ja) * 2015-09-03 2017-03-09 田淵電機株式会社 太陽電池パネルの発電量シミュレータ、太陽電池パネルの発電量シミュレーション方法及び太陽電池パネルの発電量シミュレーションプログラム
JP2017174175A (ja) 2016-03-24 2017-09-28 東日本旅客鉄道株式会社 太陽光発電パネルの配置設定方法、太陽光発電パネルの配置設定装置、及び、プログラム
JP2018019555A (ja) * 2016-07-29 2018-02-01 株式会社関電工 影の影響を考慮した太陽光発電出力推定方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022550619A (ja) * 2019-11-14 2022-12-02 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． 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置
JP7369868B2 (ja) 2019-11-14 2023-10-26 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． 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置
CN112560256A (zh) * 2020-12-10 2021-03-26 中国电建集团贵州电力设计研究院有限公司 一种光伏组串最优间距计算系统和计算方法
CN112560256B (zh) * 2020-12-10 2023-04-07 中国电建集团贵州电力设计研究院有限公司 一种光伏组串最优间距计算系统和计算方法

Also Published As

Publication number Publication date
EP3629282A4 (en) 2020-11-04
EP3629282A1 (en) 2020-04-01
CN110637319B (zh) 2023-09-22
US20200117839A1 (en) 2020-04-16
JPWO2019155594A1 (ja) 2020-02-27
CN110637319A (zh) 2019-12-31
JP6685065B2 (ja) 2020-04-22
US10896269B2 (en) 2021-01-19

Similar Documents

Publication Publication Date Title
WO2019155594A1 (ja) 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置
JP6432018B1 (ja) 太陽光発電設備の施工設計支援装置、施工設計支援方法、及び施工設計支援プログラム
Redweik et al. Solar energy potential on roofs and facades in an urban landscape
Nguyen et al. Incorporating shading losses in solar photovoltaic potential assessment at the municipal scale
CN104778316B (zh) 一种基于建筑信息模型的光伏发电设备辐射分析方法
US20150234943A1 (en) Shade calculation for solar installation
Alam et al. Shadow effect on photovoltaic potentiality analysis using 3D city models
Kaynak et al. A software tool development study for solar energy potential analysis
KR20160078920A (ko) 목표 지점의 일사량 계산 방법 및 장치
JP2015094596A (ja) 太陽エネルギー利用計算システム
Vega-Garita et al. A practical method for considering shading on photovoltaics systems energy yield
JP5181379B1 (ja) 発電ポテンシャル評価装置、及び発電ポテンシャル評価プログラム
CN112182714A (zh) 顾及飞行员视线和天气条件的建筑太阳能潜力计算方法
CA2409517A1 (en) Method for micrositing a wind park
KR102355312B1 (ko) 수치지도 기반 고해상도 태양에너지 지도 제작 및 고속도로 주변 태양광 패널 설치 부지선정 방법 및 장치
WO2022043880A2 (en) A method for maximization of energy yield from a photovoltaic installation and a method of installing solar modules
ur Rehman et al. A novel methodology for determining sky blocking by obstacles viewed virtually from any location on site
CN113240725B (zh) 复杂山体有效光照地面面积确定方法、装置和存储介质
Palmer et al. Detection of roof shading for PV based on LiDAR data using a multi-modal approach
Weyrer GIS Based Analysis of the Potential of Solar Energy of Roof Surfaces in Baton Rouge, Louisiana
Grubesic et al. Unmanned aerial systems for energy infrastructure assessment
Omitaomu et al. Modeling and analysis of solar radiation potentials on building rooftops
Khairy Photovoltaic generation opportunity analysis at Murdoch University
Andersson Smartphone-based shade analysis using hemispherical fisheye imaging for local solar energy potential
Wongwan et al. Assessment of Solar Rooftop Potential Using a Digital Surface Model Based on a Photogrammetric Survey by an Unmanned Aerial Vehicle.

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2019540469

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: 18904966

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018904966

Country of ref document: EP

Effective date: 20191211

NENP Non-entry into the national phase

Ref country code: DE