WO2022024960A1 - 日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法 - Google Patents

日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法 Download PDF

Info

Publication number
WO2022024960A1
WO2022024960A1 PCT/JP2021/027457 JP2021027457W WO2022024960A1 WO 2022024960 A1 WO2022024960 A1 WO 2022024960A1 JP 2021027457 W JP2021027457 W JP 2021027457W WO 2022024960 A1 WO2022024960 A1 WO 2022024960A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
solar radiation
radiation amount
model
amount
Prior art date
Application number
PCT/JP2021/027457
Other languages
English (en)
French (fr)
Inventor
真太朗 前川
裕司 稲冨
剛史 塩田
Original Assignee
三井化学株式会社
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 三井化学株式会社 filed Critical 三井化学株式会社
Priority to JP2022540271A priority Critical patent/JP7451715B2/ja
Priority to US18/006,737 priority patent/US20230273344A1/en
Priority to EP21848577.9A priority patent/EP4191290A1/en
Publication of WO2022024960A1 publication Critical patent/WO2022024960A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/12—Sunshine duration recorders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions

Definitions

  • the present invention relates to a solar radiation correction method, a solar radiation correction device, a computer program, a model, a model generation method, and a model provision method.
  • Photovoltaic power generation which is one of the renewable energies, has the advantage of not generating greenhouse gases, and its widespread use is expected. It is necessary to predict the amount of solar radiation for the construction plan and actual operation of the solar power plant.
  • Patent Document 1 at a point where the amount of solar radiation is actually measured, the measured value of the amount of solar radiation is compared with the estimated value of the amount of solar radiation obtained by a predetermined formula using the meteorological satellite image data related to the point.
  • a system that adjusts the parameters of the calculation formula so that the error between the estimated value and the measured value is less than the allowable amount, and estimates the amount of solar radiation at any point near the measured point by the calculation formula using the adjusted parameters is disclosed. Has been done.
  • the present invention has been made in view of such circumstances, and is a solar radiation correction method, a solar radiation correction device, a computer program, a model, a model generation method, and a solar radiation correction method capable of providing solar radiation amount data having a small deviation from the measured value.
  • the purpose is to provide a model provision method.
  • the solar radiation amount correction method acquires solar radiation amount data, acquires meteorological data, and corrects the acquired solar radiation amount data based on the acquired meteorological data.
  • the solar radiation correction device is based on the first acquisition unit for acquiring solar radiation amount data, the second acquisition unit for acquiring meteorological data, and the meteorological data acquired by the second acquisition unit. It is provided with a correction unit for correcting the solar radiation amount data acquired by the first acquisition unit.
  • the computer program according to the embodiment of the present invention causes a computer to acquire solar radiation amount data, acquire meteorological data, and correct the acquired solar radiation amount data based on the acquired meteorological data.
  • the model according to the embodiment of the present invention is generated by machine learning using the solar radiation amount data and the meteorological data as input variables and the corrected solar radiation amount data as output variables.
  • the solar radiation amount data and the meteorological data are acquired, the corrected solar radiation amount data is acquired, the solar radiation amount data and the meteorological data are used as input variables, and the corrected solar radiation amount data is used as an input variable.
  • the model providing method stores a plurality of different models generated by machine learning using the solar radiation amount data and the meteorological data as input variables and the corrected solar radiation amount data as output variables, and a plurality of them. It accepts the selection of the required weather information service provider from the meteorological information service providers of the above, and provides a model corresponding to the selected meteorological information service provider from the plurality of different models.
  • FIG. 1 is a schematic diagram showing an example of the configuration of the solar radiation amount correction system of the present embodiment.
  • the solar radiation correction system includes a server 50 as a solar radiation correction device.
  • the server 50 can access the meteorological data DB 61 and the solar radiation data DB 62.
  • the server 50 is connected to a communication network 1 such as the Internet.
  • the management server 100 of each of the plurality of weather information service providers is connected to the communication network 1.
  • Each management server 100 can access the solar radiation amount DB 110.
  • the communication network 1 is connected to a plurality of weather information users or terminal devices 10 of each user.
  • the terminal device 10 is, for example, a personal computer (PC), a tablet, a smartphone, or the like.
  • the meteorological information service provider is a company that provides a meteorological database globally, and provides users with solar radiation amount data using its own prediction model.
  • the solar radiation amount DB 110 the solar radiation amount data generated by using the prediction model is recorded.
  • the management server 100 can access the solar radiation amount DB 110, read the required solar radiation amount data, and provide the read solar radiation amount data to the user.
  • a meteorological information user is a company that uses solar radiation data and related information related to the solar radiation data.
  • the weather information user can receive the solar radiation amount data and the related information related to the solar radiation amount data from the server 50 by using the terminal device 10.
  • FIG. 2 is a block diagram showing an example of the configuration of the server 50.
  • the server 50 includes a control unit 51 that controls the entire server, an insolation amount data acquisition unit 52, a weather data acquisition unit 53, a storage unit 54, a first correction unit 55, an insolation amount-related information providing unit 56, and a second correction unit 57. And a learning processing unit 58.
  • the first correction unit 55 and the second correction unit 57 are also collectively referred to as a correction unit.
  • the second correction unit 57 includes an input data generation unit 571 and a model unit 572.
  • the model unit 572 is composed of a semiconductor memory, a hard disk, or the like, and stores a model (learned model) generated by machine learning.
  • the learning processing unit 58 includes a learning data generation unit 581, a model unit 582, and a parameter determination unit 583.
  • the model unit 582 is composed of a semiconductor memory, a hard disk, or the like, and stores a model before machine learning.
  • the model generated by performing machine learning in the learning processing unit 58 can be stored in the model unit 572.
  • the model unit 582 may store a model in the middle of machine learning, a model for re-learning, and a model that has been trained.
  • the learning processing unit 58 is not an indispensable configuration, and may be provided in another server that performs learning processing.
  • the server 50 may be configured by a plurality of servers, and the functions may be distributed among the servers.
  • the first correction unit 55 and the second correction unit 57 may be configured to include only one of them.
  • the control unit 51 can be configured by a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), and the like.
  • the storage unit 54 is composed of a semiconductor memory, a hard disk, or the like, and can store required data such as data obtained as a result of processing in the server 50.
  • the solar radiation amount data acquisition unit 52 has a communication function on the communication network 1 and can acquire solar radiation amount data from the management server 100 of the weather information service provider.
  • FIG. 3 is a schematic diagram showing an example of solar radiation amount data.
  • the solar radiation amount data can be hourly data of the solar radiation amount over a required period at one or a plurality of points.
  • the amount of solar radiation is the amount of radiant energy that a unit area receives from the sun in a unit time, and the unit can be expressed as [kWh / m 2 / h].
  • the amount of solar radiation can be, for example, the amount of total solar radiation on a horizontal plane obtained by measuring the amount of solar radiation from the entire sky.
  • the required period may be either a past period, a past-to-future period, or a future period. As shown in FIG.
  • the solar radiation amount data includes the solar radiation amount data D1 at the point L1, the solar radiation amount data D2 at the point L2, the solar radiation amount data D3 at the point L3, the solar radiation amount data D4 at the point L4, and the point L5. It can be configured as the solar radiation amount data D5 at, the solar radiation amount data D6 at the point L6, and so on. Further, the points L2, L4, L5 and the like are also observation points of the amount of solar radiation, and the measured value of the amount of solar radiation can also be acquired.
  • the meteorological data acquisition unit 53 can access the meteorological data DB 61 and acquire meteorological data from the meteorological data DB 61.
  • the meteorological data for example, data observed at a meteorological observatory, data provided by a meteorological forecasting company, or the like can be used.
  • the meteorological data can be stored in the meteorological data DB 61 in advance. Further, the meteorological data may be acquired at any time and stored in the meteorological data DB 61.
  • Meteorological data can include physical quantities caused by clouds and physical quantities that have a correlation with clouds, and includes not only directly observable data but also processed data of observed data.
  • FIG. 4 is an explanatory diagram showing an example of meteorological data.
  • the meteorological data includes, for example, temperature, temperature difference, humidity difference, cloud amount, humidity logarithm, humidity number, sensible temperature difference, pressure pressure, pressure constant, direct solar radiation amount, scattered solar radiation amount, and the like. Is done.
  • the meteorological data may be on a daily basis or on an hourly basis.
  • the temperature can be the daily average temperature data.
  • the temperature difference can be the temperature difference data within one day.
  • the humidity difference can be the humidity difference data within one day.
  • the cloud cover is the ratio of clouds to the entire sky, and can be used as daily average cloud cover data.
  • the logarithm of humidity can be the logarithm data of the daily average humidity represented by ⁇ 1 / log (humidity) ⁇ .
  • the dew point can be the daily average data expressed by (temperature-dew point temperature).
  • the dew point may be the difference between the temperature at a certain latitude and altitude and the dew point temperature at the latitude and altitude.
  • the physical characteristic value which can calculate the dew point may be used instead of the dew point.
  • the sensible temperature difference difference in Heat Index, difference in heat index
  • the barometric pressure can be the barometric pressure data at the altitude level of the daily average.
  • the predetermined values a1 and the constant a2 are not limited to the examples in the figure.
  • the direct solar radiation amount is the amount of solar radiation from only the range of the sun's photosphere in the entire sky, and can be used as the daily integrated direct solar radiation amount data.
  • the scattered solar radiation amount is the amount of solar radiation from a range other than the photosphere of the sun in the entire sky, and can be used as daily integrated scattered solar radiation amount data.
  • the solar radiation amount correction may be performed only by the first correction unit 55, or the solar radiation amount correction may be performed only by the second correction unit 57, and the first correction unit 55 and the second correction unit 57 may be performed. Insolation correction may be performed in combination.
  • the first correction unit 55 can correct the acquired solar radiation amount data based on the acquired meteorological data.
  • the acquired solar radiation data does not fully consider the effects of clouds, rain, fog, etc. on the solar radiation, but by correcting the acquired solar radiation data using meteorological data, clouds, rain, etc. It is possible to consider the influence caused by fog and provide solar radiation amount data with a small deviation from the measured value. Further, when the acquired solar radiation amount data is a future prediction, the future solar radiation amount data can be corrected by acquiring the future meteorological data.
  • FIG. 5 is an explanatory diagram showing an example of the solar radiation amount correction method by the first correction unit 55.
  • the correction method C1 can be performed as appropriate.
  • the solar radiation amount data and the meteorological data provided by the weather information service provider may include an error due to a time lag with the measured value, which affects the accuracy of the solar radiation amount correction other than the correction method C1.
  • the first correction unit 55 acquires the solar radiation amount data before correction
  • the first correction unit 55 corrects the time lag of the solar radiation amount data.
  • the first correction unit 55 weighted averages the unit time data (for example, hourly data) of the amount of solar radiation, and shifts the time axis by the required time.
  • the required time can be, for example, 20 minutes before, but is not limited to this.
  • the weight of the weighted average is determined according to, but is not limited to, the ratio of the difference from the hourly data before and after the shift time.
  • the first correction unit 55 corrects the solar radiation amount data before the correction.
  • the barometric pressure constant is ⁇ 112- [atmospheric pressure at sea level] / 10 ⁇
  • the barometric pressure constant threshold value can be, for example, 1. The lower the sea level pressure, the larger the pressure constant.
  • the atmospheric pressure constant is equal to or higher than the atmospheric pressure constant threshold value, the surface portion becomes a low pressure system, air flows in from a portion having a higher atmospheric pressure, and as a result, an updraft is generated and clouds are generated. Therefore, it is necessary to consider the influence of clouds, and it is considered necessary to correct the acquired solar radiation amount data.
  • the correction of the amount of solar radiation data can be corrected by dividing the total amount of solar radiation in the horizontal plane by the power of a (atmospheric pressure constant).
  • the exponent a > 1.
  • the first correction unit 55 corrects the solar radiation amount data before the correction.
  • the atmospheric pressure at the altitude above sea level is below the atmospheric pressure threshold (for example, 101 kPa)
  • the surface portion becomes a low pressure
  • the coefficient b may be appropriately changed according to the supply source of the solar radiation amount data.
  • the first correction unit 55 corrects the solar radiation amount data before the correction.
  • the humidity is low because the dew point is large, and it is considered that the influence of clouds does not need to be considered.
  • the humidity is high because the dew point is small, and it is considered that rain or fog is occurring in the area, and the acquired solar radiation amount data needs to be corrected. Be done.
  • the above-mentioned correction methods C1 to C4 may be performed at the same time if the correction conditions are satisfied, but only a part of the correction methods may be performed.
  • the correction methods C1 and C2 have a greater effect of reducing the deviation from the measured values than the correction methods C3 and C4, the correction methods C1 and C2 may be performed, and the correction method C1 may be used to further improve the deviation.
  • ⁇ C4 may be performed.
  • the second correction unit 57 can correct the acquired solar radiation amount data based on the acquired meteorological data.
  • the acquired solar radiation data does not fully consider the effects of clouds, rain, fog, etc. on the solar radiation, but by correcting the acquired solar radiation data using meteorological data, clouds, rain, etc. It is possible to consider the influence caused by fog and provide solar radiation amount data with a small deviation from the measured value. Further, when the acquired solar radiation amount data is a future prediction, the future solar radiation amount data can be corrected by acquiring the future meteorological data.
  • the second correction unit 57 includes an input data generation unit 571 and a model unit 572.
  • the model part and the model are synonymous, but the model part also has the meaning of an aggregate of a plurality of models.
  • the model unit 572 is a machine-learned model, and can be configured by, for example, a neural network.
  • the model unit 572 formulates the relationship between the input variable and the output variable, and is generated by machine learning using the solar radiation amount data and the meteorological data as the input variable and the corrected solar radiation amount data as the output variable. ..
  • the model unit 572 can output the corrected solar radiation amount data.
  • FIG. 6 is a schematic diagram showing a first example of the daily integrated solar radiation amount correction method by the second correction unit 57.
  • the model 572a is composed of a neural network, includes an input layer, an intermediate layer, and an output layer, and the parameters (weight, bias, etc.) of the neural network are determined by machine learning.
  • the input data generation unit 571 is an input including the daily integrated horizontal plane total solar radiation amount as solar radiation amount data, the daily average humidity number as meteorological data, the daily average ⁇ 1 / log (humidity) ⁇ , and the daily average temperature. Data is generated and input to model 572a.
  • the model 572a can output the corrected solar radiation amount data (daily integrated horizontal plane total solar radiation amount) as output data. As a result, the influence caused by clouds can be taken into consideration, and it is possible to provide solar radiation amount data having a small deviation from the measured value.
  • the corrected solar radiation amount data can be obtained.
  • the dew point data as an input variable of the model 572a, it is possible to consider the influence of rain, fog, etc. on the amount of solar radiation.
  • the corrected solar radiation amount data can be obtained.
  • the logarithmic data of the humidity data as the input variable of the model 572a
  • the influence of the cloud on the amount of solar radiation can be considered.
  • the corrected solar radiation amount data can be obtained by inputting the cloud amount data into the model 572a.
  • the cloud cover data as an input variable of the model 572a
  • the influence of the cloud on the amount of solar radiation can be considered.
  • the solar radiation amount data input to the model 572a can be uncorrected solar radiation amount data acquired from the weather information service provider, but is not limited to this.
  • the corrected solar radiation amount data to which all or part of the correction methods C1 to C4 may be applied by the first correction unit 55 described above may be used. That is, the corrected solar radiation amount data is included as an input variable of the model 572a.
  • the correction of the solar radiation amount data may be performed based on the meteorological data, or the solar radiation amount data may be weighted averaged in units of time to correct the time lag.
  • the model 572a further corrects the corrected solar radiation amount data, so that the accuracy of the correction can be further improved.
  • FIG. 7 is a schematic diagram showing the relationship between the input data and the output data.
  • the time information t1, t2, t3, t4, t5, ... May be a time unit or a day unit.
  • t1 to t24 represent 24 hours
  • t1 to t30 represent 30 days.
  • the corrected solar radiation amount data dt1'in the time information t1 is output.
  • the correction period (required period) to be corrected when correcting the solar radiation amount data may be several hours, several days, several months, or several years.
  • the amendment period may be a past period, a future period, or a period from the past to the future.
  • the model 572a can output the prediction data of the solar radiation amount data after correction.
  • future forecast data may be used as the meteorological data.
  • the solar radiation amount data is in the hour unit and the meteorological data is in the daily unit, the meteorological data having the same value in the daily unit may be assigned to each of the time information t1 to t24.
  • FIG. 8 is a schematic diagram showing a second example of the daily integrated solar radiation amount correction method by the second correction unit 57.
  • the difference from the first example shown in FIG. 6 is that the meteorological data in the input data includes the humidity difference within one day, the daily integrated scattered solar radiation amount, the daily integrated direct solar radiation amount, the daily average cloud amount, and the daily temperature difference, 1 The difference in sensible temperature during the day is included.
  • the meteorological data to be input may be a part of the daily humidity difference, the daily integrated scattered solar radiation amount, the daily integrated direct solar radiation amount, the daily average cloud amount, the daily temperature difference, and the daily sensible temperature difference. ..
  • the input meteorological data includes a combination of temperature data and dew point temperature data, a combination of temperature data and wind-cooled temperature data, a combination of temperature data and sensible temperature data, or temperature data and heat index data. Combinations may be included. As a result, it is possible to consider further effects caused by clouds and the like, and it is possible to provide solar radiation amount data in which the deviation from the measured value is further improved.
  • FIG. 9 is a schematic diagram showing a third example of the daily integrated solar radiation amount correction method by the second correction unit 57.
  • the difference from the first example shown in FIG. 6 is that instead of outputting the corrected solar radiation amount data (daily integrated horizontal plane total solar radiation amount) itself, the daily correction amount for the uncorrected solar radiation amount data ( The point is to output the difference) obtained by subtracting the amount of solar radiation before correction from the amount of solar radiation after correction.
  • the corrected solar radiation amount data can be recorded in the solar radiation amount data DB 62.
  • model generation method (learning method) will be explained.
  • the learning processing unit 58 includes a learning data generation unit 581, a model unit 582, and a parameter determination unit 583.
  • the model unit 582 stores the model before machine learning.
  • the model unit 582 may store a model during machine learning or scheduled to be relearned.
  • the model can be composed of, for example, a neural network including an input layer, an intermediate layer and an output layer. In the model before machine learning, the parameters of the neural network are undecided.
  • FIG. 10 is a schematic diagram showing an example of a method for generating the model 582a.
  • the learning processing unit 58 can generate a model in which the uncorrected solar radiation amount data and the meteorological data are input variables and the corrected solar radiation amount data is an output variable.
  • the learning data generation unit 581 uses the daily integrated horizontal plane total solar radiation as solar radiation data, the daily average dew point as meteorological data, the daily average ⁇ 1 / log (humidity) ⁇ , and the daily average.
  • Data for training including an identifier that identifies the source of the temperature and solar radiation data is generated and input to the model 582a.
  • the parameter determination unit 583 is a neural network so that the difference between the learning output data (daily integrated horizontal plane total solar radiation amount) output by the model 582a and the measured value of the daily integrated horizontal plane total solar radiation amount as teacher data becomes small. Parameters (weight wij, bias blm) are adjusted. For the difference between the training output data and the teacher data, the objective function (or loss function) may be determined in advance, and the parameters may be adjusted so that the value of the objective function becomes smaller.
  • the parameter determination unit 583 can determine the parameter when the difference between the learning output data and the teacher data is the smallest.
  • the model generated by the generation method shown in FIG. 10 corresponds to the model shown in FIG.
  • the model generation method shown in FIG. 8 uses the daily humidity difference, daily integrated scattered solar radiation amount, daily integrated direct solar radiation amount, daily average cloud cover, daily temperature difference, and daily sensible temperature as input data for learning. Just add the difference.
  • the trained model may be re-learned, but it may be re-learned from the beginning using the initial parameters. For example, when the model is trained for each specific trigger, it can be trained from the beginning using the past training data. Specific triggers include, for example, when a meteorological satellite is updated.
  • Examples of the machine learning method include linear regression, ridge regression, Lasso regression, elastic net, etc. as linear models, and k-neighborhood method, regression tree, random forest, etc. as non-linear models, in addition to neural networks. , Gradient boosting, support vector regression, projection tracking regression, Gaussian process regression, etc. A non-linear regression model is preferable to a linear regression model.
  • the model generated by machine learning does not have to be uniform. Since the solar radiation amount data provided by the weather information service provider is generated by the weather information service provider using its own prediction model, the data characteristics of the solar radiation amount data predicted according to the prediction model used. May also be different. Therefore, it is possible to generate a model unique to each weather information service provider.
  • FIG. 11 is an explanatory diagram showing the correspondence between the weather information service provider and the machine-learned model.
  • the model 572a can be used for the solar radiation amount data provided by the company A
  • the model 572b can be used for the solar radiation amount data provided by the company B
  • Model 572c can be used for the solar radiation amount data provided by Company C.
  • the models 572a, 572b, 572c, ... Can be stored in the model unit 572 in association with the weather information service provider.
  • the second correction unit 57 uses the model corresponding to the selected meteorological information service provider to obtain the solar radiation.
  • Quantitative data can be corrected.
  • the solar radiation amount data provided by company A can be corrected by using the model 572a for company A.
  • the solar radiation amount data provided by company B may be corrected using the model 572b for company B
  • the solar radiation amount data provided by company C may be corrected using the model 572c for company C. can.
  • the model is generated and used in association with the weather information service provider, but the model may be generated and used in association with the prediction model used for the prediction of the solar radiation amount data. ..
  • FIG. 12 is a flowchart showing a first example of the solar radiation amount correction process by the server 50.
  • the control unit 51 acquires the total amount of horizontal solar radiation for the required period (correction target period) at the required point from the weather information service provider (S11), and the weather at the required point or its vicinity for the required period. Acquire data (S12). If the meteorological data does not exist at the required time point, the meteorological data at the point closest to the required point or the point where the meteorological condition is close to the required point may be acquired.
  • the control unit 51 corrects the time lag of the total solar radiation in the horizontal plane according to the correction method C1 (S13), and determines whether or not the barometric pressure constant is equal to or higher than the barometric pressure constant threshold value (S14).
  • the barometric pressure constant is equal to or higher than the barometric pressure constant threshold value (YES in S14)
  • the total solar radiation on the horizontal plane is divided by a predetermined number and corrected as in the correction method C2 (S15).
  • the control unit 51 performs the process of step S16 described later.
  • the control unit 51 determines whether or not the sea level pressure is below the barometric pressure threshold value (S16), and when the sea level level pressure is below the barometric pressure threshold value (YES in S16), the entire horizontal plane is as described in the correction method C3. It is corrected by multiplying the amount of solar radiation by a predetermined number b (S17). When the atmospheric pressure at the altitude above sea level is not less than the atmospheric pressure threshold value (NO in S16), the control unit 51 performs the process of step S18 described later.
  • the control unit 51 determines whether or not the dew point is less than the dew point threshold value (S18), and if the dew point is less than the dew point threshold value (YES in S18), the horizontal plane all-sun solar radiation as in the correction method C3. The amount is multiplied by a predetermined number c to correct (S19), the corrected horizontal total solar radiation amount is output (S20), and the process is terminated.
  • the control unit 51 performs the process of step S20.
  • steps S13, steps S14 to S15, steps S16 to S17, and steps S18 to S19 may be performed entirely or only partially.
  • FIG. 13 is a flowchart showing a second example of the solar radiation amount correction process by the server 50.
  • FIG. 13 shows a correction process using the second correction unit 57.
  • the control unit 51 accepts the selection of the weather information service provider (S31), and selects the machine-learned model corresponding to the selected weather information service provider from the model unit 572 (S32).
  • the control unit 51 acquires the total amount of solar radiation on the horizontal plane for the required period (correction target period) at the required point from the selected meteorological information service provider (S33), and the required point at the required point or its vicinity. Acquire the meteorological data of the period (S34).
  • the control unit 51 inputs the horizontal plane total solar radiation amount and meteorological data into the selected model, corrects the horizontal plane total solar radiation amount (S35), outputs the corrected horizontal plane total solar radiation amount (S36), and performs processing. finish.
  • the solar radiation amount correction may be performed by performing only the processing shown in FIG. 12, or the solar radiation amount correction may be performed by performing only the processing shown in FIG. Further, both solar radiation amount correction processings shown in FIGS. 12 and 13 may be performed.
  • FIG. 14 is a flowchart showing an example of model generation processing by the server 50.
  • the control unit 51 reads a model for formulating the relationship between the input variable and the output variable from the model unit 582 (S41), and sets initial values of parameters (weight, bias, etc.) (S42).
  • the control unit 51 acquires the horizontal total solar radiation amount of the target period at the target point from the weather information service provider (S43), and acquires the meteorological data of the target period at the target point (S44).
  • the target point can be a point where the measured value can be obtained by observing the total amount of solar radiation on the horizontal plane, and a plurality of points are preferable.
  • the control unit 51 acquires actual measurement data of the total solar radiation of the horizontal plane during the target period at the target point (S45), inputs the total solar radiation of the horizontal plane and the meteorological data to the model as input variables, and outputs the horizontal plane of the model.
  • the parameters weight, bias, etc. are adjusted so that the value of the objective function is minimized by using the total amount of solar radiation and the measured data (S46).
  • the control unit 51 determines whether or not the value of the objective function is within the permissible range (S47), and if the value of the objective function is not within the permissible range (NO in S47), the processing after step S46 is continued. When the value of the objective function is within the allowable range (YES in S47), the control unit 51 stores the generated model in the model unit 572 (S48), and ends the process.
  • FIG. 15 is an explanatory diagram showing an example of a correction result of the horizontal total solar radiation amount by the first correction unit 55.
  • Three evaluation points are listed: Choshi, Tokyo, and Utsunomiya.
  • the upper graph shows the monthly cumulative amount of solar radiation [kWh / m 2 / month], and shows the amount of solar radiation before correction, the amount of solar radiation after correction, and the measured values of the amount of solar radiation (Japan Meteorological Agency data).
  • the lower table shows the amount of solar radiation before correction and the amount of solar radiation after correction on a yearly basis (2018, 2019) in comparison with the measured values of the amount of solar radiation (Japan Meteorological Agency data). As shown in FIG.
  • the difference between the corrected amount of solar radiation and the measured value of the amount of solar radiation is smaller than the difference between the amount of solar radiation before correction and the measured value of the amount of solar radiation.
  • FIG. 16 is an explanatory diagram showing an example of a correction result of the horizontal total solar radiation amount by the second correction unit 57.
  • Three evaluation points are listed: Miyazaki, Nagasaki, and Saga.
  • the upper graph shows the monthly cumulative amount of solar radiation [kWh / m 2 / month], and shows the amount of solar radiation before correction, the amount of solar radiation after correction, and the measured values of the amount of solar radiation (Japan Meteorological Agency data).
  • the lower table shows the amount of solar radiation before correction and the amount of solar radiation after correction on a yearly basis (2018, 2019) in comparison with the measured values of the amount of solar radiation (Japan Meteorological Agency data). As shown in FIG.
  • the difference between the corrected amount of solar radiation and the measured value of the amount of solar radiation is smaller than the difference between the amount of solar radiation before correction and the measured value of the amount of solar radiation.
  • FIG. 17 is an explanatory diagram showing an example of the correction result of the slope solar radiation amount by the second correction unit 57.
  • the amount of solar radiation on the slope can be obtained by using a known means such as METPV-11 based on the total amount of solar radiation on the horizontal plane and the inclination angle of the slope.
  • the evaluation point is Mobara, where the solar power plant is installed.
  • the graph on the left shows the monthly cumulative amount of solar radiation [kWh / m 2 / month], and shows the amount of solar radiation before correction, the amount of solar radiation after correction, and the measured values of the amount of solar radiation.
  • the table on the right shows the amount of solar radiation before correction and the amount of solar radiation after correction on a yearly basis from 2014 to 2019, comparing them with the measured values of the amount of solar radiation (Japan Meteorological Agency data).
  • the slope angle is 10 degrees.
  • the difference between the corrected amount of solar radiation and the measured value of the amount of solar radiation is smaller than the difference between the amount of solar radiation before correction and the measured value of the amount of solar radiation. It can be seen that the accuracy can be improved and it can be suitably used for calculating the amount of power generation of a photovoltaic power plant.
  • the server 50 of this embodiment can be used to provide various services related to the amount of solar radiation.
  • the services that the server 50 can provide will be described.
  • FIG. 18 is a schematic diagram showing an example of a model provision method by the server 50.
  • the server 50 stores a plurality of different models generated by machine learning in the model unit 572.
  • the server 50 can provide the model for the company A to the management server 100 of the company A.
  • the management server 100 of the company A can predict the amount of solar radiation by correcting the solar radiation amount data recorded in the solar radiation amount DB 110 using the provided model.
  • the server 50 can provide the model for the company B to the management server 100 of the company B.
  • the management server 100 of the company B can use the provided model to correct the solar radiation amount data recorded in the solar radiation amount DB 110 and predict the solar radiation amount. Further, when the request for the model for company C is received from the company M, the server 50 can provide the model for the company C to the management server 100 of the company M. The management server 100 of the company M can predict the amount of solar radiation by correcting the solar radiation amount data acquired from the company C by using the provided model.
  • the meteorological information service provider provides the solar radiation data provision service using its own prediction model, it can be supported to improve the accuracy of the provided solar radiation data. Further, when the weather information service provider is provided with the solar radiation amount data from another person, the accuracy of the provided solar radiation amount data can be improved.
  • the solar radiation amount-related information providing unit 56 can generate related information related to the solar radiation amount, and can provide the related information to, for example, a weather information user.
  • the weather information user can display the related information by using the terminal device 10.
  • FIG. 19 is a schematic diagram showing a first display example of the amount of solar radiation provided by the server 50.
  • the terminal device 10 can display the solar radiation amount screen 200.
  • the user can select a required point on the map screen 201.
  • a required point can be selected on the point list screen 202.
  • the user can further select a required period (for example, OO year to OO year, OO month to OO month, OO day to OO day, etc.) in the period selection area 203.
  • the point and period selected by the terminal device 10 are transmitted to the server 50 together with the request for related information.
  • the server 50 can provide the amount of solar radiation data at the selected point and period.
  • the solar radiation amount data can be displayed on the solar radiation amount screen 204.
  • points S1 and S2 are selected, and the transition of the solar radiation amount data at the points S1 and S2 is displayed.
  • FIG. 20 is a schematic diagram showing a second display example of the amount of solar radiation provided by the server 50.
  • the terminal device 10 can display the solar radiation amount screen 210.
  • the solar radiation amount data at four different points can be displayed on each of the solar radiation amount screens 211, 212, 213, and 214, and the reliability of the solar radiation amount data can also be displayed.
  • the reliability may be calculated in advance by the server 50 based on the loss rate of the meteorological data used when correcting the solar radiation amount data and the coefficient of determination (R 2 ) used as an evaluation index of the model.
  • the user can grasp the amount of solar radiation at a plurality of points at the same time, and can also grasp the reliability of the amount of solar radiation data.
  • FIG. 21 is a schematic diagram showing a third display example of the amount of solar radiation provided by the server 50.
  • the terminal device 10 can display the solar radiation amount screen 220.
  • the transition of the solar radiation amount at the required point is displayed in different display modes.
  • the transition indicated by reference numeral 221 indicates high accuracy
  • the transition indicated by reference numeral 223 indicates low accuracy
  • the transition indicated by reference numeral 222 indicates medium accuracy.
  • the user can immediately grasp how accurate the accuracy is in which period when there is a difference in accuracy in the transition of the solar radiation amount data.
  • FIG. 22 is a schematic diagram showing a display example of the predicted power generation amount of the power plant provided by the server 50.
  • the terminal device 10 can display the predicted power generation amount screen 230 of the power plant. On the predicted power generation amount screen 230, the user can select a required power plant on the power plant list screen 231. The user can further select a prediction period (for example, OO day to OO day) in the period selection area 232.
  • the power plant and forecast period selected by the terminal device 10 are transmitted to the server 50 together with the request for related information.
  • the server 50 can obtain the solar radiation amount data at the selected power plant and the predicted period.
  • the server 50 can provide the calculated power generation amount to the terminal device 10.
  • the terminal device 10 can display the transition of the power generation amount of the selected power plant (power plants P1 and P2 in the example of the figure) and the average daily power generation amount on the power generation amount display screen 233.
  • FIG. 23 is a schematic diagram showing a display example of power sales revenue of a power plant provided by the server 50.
  • the terminal device 10 can display the power sales revenue screen 240 of the power plant.
  • the user can select the target power plant on the power plant list screen 241.
  • the user can further select a target period (for example, OO year) in the period selection area 242.
  • the power plant and target period selected by the terminal device 10 are transmitted to the server 50 together with the request for related information.
  • the server 50 can obtain the solar radiation amount data in the selected power plant and the target period.
  • the solar radiation amount related information providing unit 56 can provide the terminal device 10 with the solar radiation amount, the system capacity, the loss coefficient, the annual power generation amount, the power selling price, and the power selling income in the selected power plant and the target period.
  • the system capacity and the loss coefficient can be stored in the storage unit 54 in advance in association with the power plant.
  • the annual power generation amount can be calculated by the formula ⁇ system capacity x daily solar radiation amount x loss coefficient x 365 ⁇ .
  • the income from selling electricity can be calculated by the formula ⁇ annual power generation amount x selling price ⁇ . Revenue can be calculated by subtracting expenses from electricity sales revenue.
  • the terminal device 10 can display the amount of solar radiation, the system capacity, the loss coefficient, the amount of annual power generation, the selling price, and the selling income in the display areas 243, 244, 245, 246, 247, and 248, respectively.
  • the accuracy is equivalent to that of the snow-free period. Therefore, it is possible to predict the amount of insolation on the slope during the snowfall period. Specifically, when a certain value of snow cover and snowfall is recognized, the error of the corrected solar radiation is reduced by correcting the albedo (numerical value is a specific value) when predicting the slope solar radiation. be able to.
  • Albedo is the reflectance of solar radiation, and the ratio of reflected radiation to incident radiation is called reflectance.
  • the albedo the main substance that calibrates the ground surface, is as follows.
  • the correction of the amount of solar radiation based on the albedo change is not limited to the case of snow cover, and can be performed according to the albedo of the ground surface object.
  • This embodiment can be applied to the agricultural field. For example, by providing the relationship between the past amount of solar radiation and the yield of agricultural products to farmers, groups such as agricultural cooperatives, and agricultural businesses, and by providing the forecast of the amount of solar radiation, the yield of agricultural products can be predicted in advance. In addition, by providing the amount of solar radiation in the future, it can be used for adjusting the harvest time and predicting the spread of diseases of agricultural products.
  • the solar radiation amount correction method of the present embodiment acquires solar radiation amount data, acquires meteorological data, and corrects the acquired solar radiation amount data based on the acquired meteorological data.
  • the solar radiation correction device of the present embodiment has a first acquisition unit for acquiring solar radiation amount data, a second acquisition unit for acquiring meteorological data, and the first acquisition unit based on the meteorological data acquired by the second acquisition unit. It is provided with a correction unit that corrects the solar radiation amount data acquired by the acquisition unit.
  • the computer program of the present embodiment causes a computer to acquire solar radiation amount data, acquire meteorological data, and correct the acquired solar radiation amount data based on the acquired meteorological data.
  • the solar radiation correction method acquires solar radiation data and meteorological data.
  • the solar radiation amount data can be acquired from, for example, a management server operated by a weather information service provider.
  • the solar radiation amount data can be hourly data of the solar radiation amount over a required period at one or a plurality of points.
  • the amount of solar radiation is the amount of radiant energy that a unit area receives from the sun in a unit time, and the unit can be expressed as [kWh / m 2 / h].
  • the amount of solar radiation can be, for example, the amount of total solar radiation on a horizontal plane obtained by measuring the amount of solar radiation from the entire sky.
  • the required period may be either a past period, a past-to-future period, or a future period.
  • meteorological data for example, data observed at a meteorological observatory, data provided by a meteorological forecasting company, or the like can be used.
  • Meteorological data can include physical quantities caused by clouds and physical quantities that have a correlation with clouds, and includes not only directly observable data but also processed data of observed data.
  • the solar radiation amount correction method corrects the acquired solar radiation amount data based on the acquired meteorological data.
  • the acquired solar radiation data does not fully consider the effects caused by clouds, but by correcting the acquired solar radiation data using meteorological data, it is possible to consider the effects caused by clouds and actually measure it. It is possible to provide solar radiation amount data with a small deviation from the value.
  • the solar radiation amount correction method of the present embodiment corrects the acquired solar radiation amount data by using a model using the solar radiation amount data and the meteorological data as input variables.
  • the solar radiation amount correction method corrects the acquired solar radiation amount data using a model that uses solar radiation amount data and meteorological data as input variables. That is, the model uses the solar radiation amount data and the meteorological data as input variables and the corrected solar radiation amount data as output variables, and formulates the relationship between the input variables and the output variables.
  • the corrected solar radiation amount data may be a difference (difference between the corrected solar radiation amount data and the uncorrected solar radiation amount data) with respect to the acquired solar radiation amount data (sunlight amount data before correction).
  • Models can be generated by machine learning. As a result, when the solar radiation amount data and the meteorological data are input to the model, the corrected solar radiation amount data can be obtained.
  • the input variable of the model includes the dew point data, and the meteorological data including the dew point data is acquired.
  • the solar radiation amount correction method includes the dew point data as an input variable of the model, and by inputting the dew point data into the model, the corrected solar radiation amount data can be obtained.
  • Dew point is the difference between the temperature at a certain latitude and hardness and the dew point temperature at that latitude and altitude. The higher the dew point temperature, the higher the humidity, and the smaller the dew point, the higher the humidity.
  • the dew point may be the difference between the air temperature at a certain altitude and the dew point temperature at the altitude.
  • the input variable of the model includes the logarithmic data of the humidity data, and the meteorological data including the logarithmic data of the humidity data is acquired.
  • the solar radiation correction method includes the logarithmic data of humidity data as an input variable of the model, and by inputting the logarithmic data of humidity data into the model, the corrected solar radiation amount data can be obtained.
  • the logarithmic data of the humidity data can be represented by, for example, ⁇ 1 / log (humidity) ⁇ .
  • the input variables of the model are temperature data, temperature difference data, humidity difference data or perceived temperature difference data, cloud amount data, direct solar radiation amount data, temperature data and dew point in a predetermined period.
  • Temperatur difference data temperature difference data
  • humidity difference data or perceived temperature difference data cloud amount data
  • direct solar radiation amount data combination of temperature data and dew point temperature data, combination of temperature data and wind-cooled temperature data, combination of temperature data and perceived temperature data
  • meteorological data including at least one of the scattered solar radiation data.
  • the solar radiation correction method uses temperature data, temperature difference data, humidity difference data or perceived temperature difference data, cloud amount data, direct solar radiation amount data, combination of temperature data and dew point temperature data, and temperature as input variables of the model. It includes at least one of a combination of data and wind-cooled temperature data, a combination of temperature data and perceived temperature data, a combination of temperature data and heat index data, and scattered solar radiation amount data.
  • the predetermined period can be, for example, one day.
  • the temperature data in the predetermined period is the average temperature in one day
  • the temperature difference data in the predetermined period is the temperature difference in one day
  • the humidity difference data in the predetermined period is the humidity difference in one day. The same applies to other data in a predetermined period.
  • temperature data, temperature difference data, humidity difference data or perceived temperature difference data, cloud amount data direct solar radiation amount data, combination of temperature data and dew point temperature data, combination of temperature data and wind cooling temperature data, By inputting at least one of the combination of the temperature data and the perceived temperature data, the combination of the temperature data and the heat index data, and the scattered solar radiation amount data, the corrected solar radiation amount data can be obtained.
  • the influence of clouds can be considered.
  • the input variable of the model includes the solar radiation amount data corrected based on the acquired meteorological data, the corrected solar radiation amount data is acquired, and the solar radiation amount data is further obtained. to correct.
  • the solar radiation amount correction method includes the solar radiation amount data corrected based on the acquired meteorological data as an input variable of the model.
  • the meteorological data may include at least one of dew point data and sea level barometric pressure data.
  • the correction of the solar radiation amount data may be performed based on the meteorological data, or the solar radiation amount data may be weighted averaged in units of time to correct the time lag.
  • the model further corrects the corrected solar radiation amount data, so that the accuracy of the correction can be further improved.
  • the solar radiation correction method of the present embodiment acquires meteorological data including dew point data, and if the acquired dew point data is less than a predetermined dew point threshold, the acquired solar radiation amount data is corrected.
  • the solar radiation correction method acquires meteorological data including humidity data, and if the acquired humidity data is less than a predetermined humidity threshold, the acquired solar radiation data is corrected.
  • the dew point exceeds the dew point threshold, the humidity is low because the dew point is large, and it is considered that the influence of clouds does not need to be considered.
  • the dew point is less than the dew point threshold, the humidity is high because the dew point is small, and it is considered that rain or fog is occurring in the area, and the acquired solar radiation amount data needs to be corrected. Be done.
  • the solar radiation amount correction method of the present embodiment acquires meteorological data including the atmospheric pressure data at the altitude above sea level, and corrects the acquired solar radiation amount data when the acquired atmospheric pressure data at the altitude above sea level is equal to or less than a predetermined atmospheric pressure threshold.
  • the solar radiation correction method acquires meteorological data including sea level barometric pressure data, and if the acquired barometric pressure data is below a predetermined barometric pressure threshold, the acquired solar radiation amount data is corrected.
  • a predetermined barometric pressure threshold for example, 101 kPa
  • the surface part becomes a low pressure system, air flows in from the part with higher atmospheric pressure, and as a result, an updraft is generated and clouds are generated. It is necessary to consider the effect, and it is considered that the acquired solar radiation amount data needs to be corrected.
  • meteorological data including sea level barometric pressure data is acquired, and when the difference between the predetermined value and the acquired sea level level barometric pressure data is equal to or greater than the predetermined difference threshold value, the acquired solar radiation amount is obtained. Correct the data.
  • the solar radiation correction method acquires meteorological data including sea level barometric pressure data, and if the difference between the predetermined value and the acquired sea level level barometric pressure data is equal to or greater than the predetermined difference threshold, the acquired solar radiation amount data is corrected.
  • the atmospheric pressure constant ⁇ predetermined value a1- [atmospheric pressure at sea level] / constant a2 ⁇ , and the above-mentioned difference can be expressed by the atmospheric pressure constant.
  • the lower the sea level pressure the larger the pressure constant.
  • the barometric pressure constant is equal to or higher than the barometric pressure constant threshold (corresponding to the differential threshold)
  • the surface part becomes a low pressure system, air flows in from the higher pressure part, and as a result, an updraft is generated and clouds are generated.
  • the correction of the amount of solar radiation data can be corrected by dividing the amount of solar radiation data by the power of a (atmospheric pressure constant).
  • the exponent a > 1.
  • the solar radiation correction method of this embodiment acquires solar radiation data from a weather information service provider.
  • the solar radiation correction method obtains solar radiation data from the weather information service provider.
  • Each weather information service provider provides solar radiation data using its own forecasting model. Therefore, when correcting the solar radiation amount data, the correction method can be changed for each weather information service provider.
  • the solar radiation correction method of the present embodiment accepts the selection of the required meteorological information service provider from a plurality of meteorological information service providers, and uses the model corresponding to the selected meteorological information service provider. Correct the acquired solar radiation amount data.
  • the solar radiation correction method accepts the selection of the required meteorological information service provider from multiple meteorological information service providers, and uses the model corresponding to the selected meteorological information service provider to obtain the acquired solar radiation amount data. to correct.
  • the weather information service providers are company A, company B, and company C
  • the solar radiation amount data provided by company A can be corrected by using the model for company A.
  • the solar radiation amount data provided by the company B can be corrected by using the model for the company B
  • the solar radiation amount data provided by the company C can be corrected by using the model for the company C.
  • the solar radiation amount data can be appropriately corrected.
  • the model of this embodiment is generated by machine learning using the solar radiation amount data and the meteorological data as input variables and the corrected solar radiation amount data as output variables.
  • the model is generated by machine learning with the solar radiation data and meteorological data as input variables and the corrected solar radiation data as output variables.
  • the model is a formulation of the relationship between the input variable and the output variable, and when the solar radiation amount data and the meteorological data are input, the corrected solar radiation amount data can be output.
  • the solar radiation amount data and the meteorological data are acquired, the corrected solar radiation amount data is acquired, the solar radiation amount data and the meteorological data are used as input variables, and the corrected solar radiation amount data is used.
  • the model generation method uses the acquired solar radiation amount data and meteorological data as input variables, and generates a model using the corrected solar radiation amount data as an output variable.
  • the model can be configured with a neural network (including an input layer, an intermediate layer, and an output layer).
  • the acquired solar radiation amount data and meteorological data are used as learning input data, and the measured values of the solar radiation amount data are used as teacher data.
  • input data for training is input to the model, it is possible to generate the model by adjusting the parameters (weight, bias) of the neural network so that the difference between the solar radiation amount data output by the model and the teacher data becomes small. can.
  • the model providing method of the present embodiment stores a plurality of different models generated by machine learning using the solar radiation amount data and the meteorological data as input variables and the corrected solar radiation amount data as an output variable, and stores a plurality of different weather information. It accepts the selection of the required weather information service provider from the service providers, and provides the model corresponding to the selected weather information service provider from the plurality of different models.
  • the model provision method stores multiple different models generated by machine learning. It accepts the selection of the required meteorological information service provider from multiple meteorological information service providers, and provides a model corresponding to the selected meteorological information service provider. Assuming that the weather information service providers are company A and company B, when the request for the model for company A is received from company A, the model for company A can be provided to company A. Similarly, when a request for a model for company B is received from company B, the model for company B can be provided to company B. As a result, when the weather information service provider provides the solar radiation data provision service using its own prediction model, it is possible to support the accuracy of the provided solar radiation data to be improved.

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Air Conditioning Control Device (AREA)
  • Air-Conditioning For Vehicles (AREA)
  • Photovoltaic Devices (AREA)

Abstract

実測値との乖離が小さい日射量データを提供することができる日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法を提供する。　日射量補正方法は、日射量データを取得し、気象データを取得し、取得した気象データに基づいて、取得した日射量データを補正する。

Description

日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法
　本発明は、日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法に関する。
　近年、地球温暖化対策等のため再生可能エネルギーの導入が推進されている。再生可能エネルギーのひとつである太陽光発電は、温室効果ガスを発生させないという利点があり、その普及が期待されている。太陽光発電所の建設計画や実際の運転には、日射量を予測する必要がある。
　特許文献１には、日射量が実測される地点において、日射量の実測値と、その地点に関する気象衛星画像データを使用して所定の計算式で求めた日射量の推定値とを比較し、推定値と実測値との誤差が許容量以下になるように計算式のパラメータを調整し、調整したパラメータを用いた計算式により、実測地点近くの任意の地点の日射量を推定するシステムが開示されている。
特開平１１－２１１５６０号公報
　しかし、特許文献１のシステムでは、気象衛星画像データとともにエアロゾル粒子や水蒸気による日射量の吸収係数が考慮されているものの、雲に起因する影響が十分に考慮されていない。また、日射量データを含む気象データをグローバルに提供する気象情報サービス事業者は複数存在するが、いずれの気象情報サービス事業者が提供する日射量データも、日射量の実測値との乖離が大きい場合がある。
　本発明は斯かる事情に鑑みてなされたものであり、実測値との乖離が小さい日射量データを提供することができる日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法を提供することを目的とする。
　本発明の実施の形態に係る日射量補正方法は、日射量データを取得し、気象データを取得し、取得した気象データに基づいて、取得した日射量データを補正する。
　本発明の実施の形態に係る日射量補正装置は、日射量データを取得する第１取得部と、気象データを取得する第２取得部と、前記第２取得部で取得した気象データに基づいて前記第１取得部で取得した日射量データを補正する補正部とを備える。
　本発明の実施の形態に係るコンピュータプログラムは、コンピュータに、日射量データを取得し、気象データを取得し、取得した気象データに基づいて、取得した日射量データを補正する、処理を実行させる。
　本発明の実施の形態に係るモデルは、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成されている。
　本発明の実施の形態に係るモデル生成方法は、日射量データ及び気象データを取得し、補正後の日射量データを取得し、前記日射量データ及び気象データを入力変数とし、前記補正後の日射量データを出力変数とするモデルを生成する。
　本発明の実施の形態に係るモデル提供方法は、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成された複数の異なるモデルを記憶し、複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、前記複数の異なるモデルのうち、選択された気象情報サービス事業者に対応するモデルを提供する。
　本発明によれば、実測値との乖離が小さい日射量データを提供することができる。
本実施の形態の日射量補正システムの構成の一例を示す模式図である。 サーバの構成の一例を示すブロック図である。 日射量データの一例を示す模式図である。 気象データの一例を示す説明図である。 第１補正部による日射量補正方法の一例を示す説明図である。 第２補正部による日積算日射量補正方法の第１例を示す模式図である。 入力データと出力データとの関係を示す模式図である。 第２補正部による日積算日射量補正方法の第２例を示す模式図である。 第２補正部による日積算日射量補正方法の第３例を示す模式図である。 モデルの生成方法の一例を示す模式図である。 気象情報サービス事業者と機械学習済みモデルとの対応関係を示す説明図である。 サーバによる日射量の補正処理の第１例を示すフローチャートである。 サーバによる日射量の補正処理の第２例を示すフローチャートである。 サーバによるモデル生成処理の一例を示すフローチャートである。 第１補正部による水平面全天日射量の補正結果の一例を示す説明図である。 第２補正部による水平面全天日射量の補正結果の一例を示す説明図である。 第２補正部による斜面日射量の補正結果の一例を示す説明図である。 サーバによるモデル提供方法の一例を示す模式図である。 サーバによって提供される日射量の第１表示例を示す模式図である。 サーバによって提供される日射量の第２表示例を示す模式図である。 サーバによって提供される日射量の第３表示例を示す模式図である。 サーバによって提供される発電所の予測発電量の表示例を示す模式図である。 サーバによって提供される発電所の売電収入の表示例を示す模式図である。
　以下、本発明をその実施の形態を示す図面に基づいて説明する。図１は本実施の形態の日射量補正システムの構成の一例を示す模式図である。日射量補正システムは、日射量補正装置としてのサーバ５０を備える。サーバ５０は、気象データＤＢ６１及び日射量データＤＢ６２にアクセスすることができる。サーバ５０は、インターネットなどの通信ネットワーク１に接続されている。通信ネットワーク１には、複数の気象情報サービス事業者それぞれの管理サーバ１００が接続される。各管理サーバ１００は、日射量ＤＢ１１０にアクセスすることができる。また、通信ネットワーク１には、複数の気象情報利用業者又は利用者それぞれの端末装置１０が接続されている。端末装置１０は、例えば、パーソナルコンピュータ（ＰＣ）、タブレット、スマートフォン等である。
　気象情報サービス事業者は、グローバルに気象データベースを提供している企業であり、独自の予測モデルを用いて日射量データを利用者に提供している。日射量ＤＢ１１０は、予測モデルを用いて生成された日射量データが記録されている。管理サーバ１００は、日射量ＤＢ１１０にアクセスして、所要の日射量データを読み出し、読み出した日射量データを利用者に提供することができる。
　気象情報利用業者は、日射量データ及び日射量データに関連する関連情報を利用する企業である。気象情報利用業者は、端末装置１０を使って、サーバ５０から日射量データ及び日射量データに関連する関連情報の提供を受けることができる。
　図２はサーバ５０の構成の一例を示すブロック図である。サーバ５０は、サーバ全体を制御する制御部５１、日射量データ取得部５２、気象データ取得部５３、記憶部５４、第１補正部５５、日射量関連情報提供部５６、第２補正部５７、及び学習処理部５８を備える。第１補正部５５及び第２補正部５７は纏めて補正部とも称する。第２補正部５７は、入力データ生成部５７１及びモデル部５７２を備える。モデル部５７２は、半導体メモリ又はハードディスク等で構成され、機械学習によって生成されたモデル（学習済みのモデル）を格納している。学習処理部５８は、学習データ生成部５８１、モデル部５８２及びパラメータ決定部５８３を備える。モデル部５８２は、半導体メモリ又はハードディスク等で構成され、機械学習前のモデルを格納している。学習処理部５８で機械学習を行って生成されたモデルは、モデル部５７２に格納することができる。なお、モデル部５８２に、機械学習途中のモデル、再学習用のモデル、学習済みのモデルを格納してもよい。また、学習処理部５８は必須の構成ではなく、学習処理を行う別のサーバに具備する構成でもよい。また、サーバ５０を複数のサーバで構成し、各サーバで機能を分散してもよい。また、第１補正部５５と第２補正部５７は、いずれか一方のみを備える構成でもよい。
　制御部５１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）などで構成することができる。記憶部５４は、半導体メモリ又はハードディスク等で構成され、サーバ５０内の処理の結果得られたデータなどの所要のデータを記憶することができる。
　日射量データ取得部５２は、通信ネットワーク１上での通信機能を備え、気象情報サービス事業者の管理サーバ１００から日射量データを取得することができる。
　図３は日射量データの一例を示す模式図である。日射量データは、１又は複数の地点における所要期間に亘る日射量の時間単位データとすることができる。日射量は、単位面積が単位時間に太陽から受ける放射エネルギーの量であり、単位は、[ｋＷｈ／ｍ2 ／ｈ]で表すことができる。日射量は、例えば、全天空からの日射量を測定した水平面全天日射量とすることができる。所要期間は、過去の期間、過去から将来に亘る期間、又は将来の期間のいずれでもよい。図３に示すように、日射量データは、地点Ｌ１での日射量データＤ１、地点Ｌ２での日射量データＤ２、地点Ｌ３での日射量データＤ３、地点Ｌ４での日射量データＤ４、地点Ｌ５での日射量データＤ５、地点Ｌ６での日射量データＤ６、…の如く構成することができる。また、地点Ｌ２、Ｌ４、Ｌ５などは、日射量の観測地点でもあり、日射量の実測値も併せて取得可能である。
　気象データ取得部５３は、気象データＤＢ６１にアクセスし、気象データＤＢ６１から気象データを取得することができる。気象データは、例えば、気象観測所で観測したデータや気象予測事業者が提供するデータ等を用いることができる。気象データは、予め気象データＤＢ６１に格納しておくことができる。また、気象データは、随時取得して気象データＤＢ６１に格納してもよい。気象データは、雲に起因する影響を物理量、雲との相関関係が存在する物理量を含めることができ、直接観測できるデータだけでなく、観測したデータを加工したデータも含む。
　図４は気象データの一例を示す説明図である。図４に示すように、気象データには、例えば、気温、気温差、湿度差、雲量、湿度の対数、湿数、体感温度差、気圧、気圧定数、直達日射量、散乱日射量などが含まれる。気象データは、日単位でもよく、時間単位でもよい。気温は日平均の気温データとすることができる。気温差は１日内の気温差データとすることができる。湿度差は１日内の湿度差データとすることができる。雲量は、空の全天に占める雲の割合であり、日平均の雲量データとすることができる。湿度の対数は、{１／ｌｏｇ（湿度）}で表す日平均の湿度の対数データとすることができる。湿数は（気温－露点温度）で表す日平均のデータとすることができる。なお、湿数を、ある緯度及び高度での気温と当該緯度及び高度での露点温度との差としてもよい。なお、湿数を算出することができる物性値を湿数に代えて用いてもよい。体感温度差（Heat Indexの差、熱指数の差）は、１日内の体感温度差データとすることができる。気圧は、日平均の海抜レベルの気圧データとすることができる。気圧定数は、{所定値ａ１－［海抜レベルの気圧］／定数ａ２}という式で定義するデータとすることができる。具体的には、図に示すように、例えば、ａ１＝１１２、ａ２＝１０、海抜レベルの気圧は日平均の気圧とすることができる。なお、所定値ａ１、定数ａ２は図の例に限定されない。直達日射量は、全天空の内、太陽の光球の範囲のみからの日射量であり、日積算直達日射量データとすることができる。散乱日射量は、全天空の内、太陽の光球以外の範囲からの日射量であり、日積算散乱日射量データとすることができる。
　次に、本実施の形態の日射量補正方法について説明する。本実施の形態では、第１補正部５５のみによる日射量補正を行ってもよく、第２補正部５７のみによる日射量補正を行ってもよく、第１補正部５５と第２補正部５７を組み合わせて日射量補正を行ってもよい。
　まず、第１補正部５５による日射量補正方法について説明する。
　第１補正部５５は、取得した気象データに基づいて、取得した日射量データを補正することができる。取得した日射量データは、雲、雨、霧などに起因する日射量への影響を十分に考慮していないが取得した日射量データを、気象データを用いて補正することにより、雲、雨、霧に起因する影響を考慮することができ、実測値との乖離が小さい日射量データを提供することができる。また、取得した日射量データが将来の予測である場合、将来の気象データを取得することにより、将来の日射量データを補正することができる。
　図５は第１補正部５５による日射量補正方法の一例を示す説明図である。補正手法Ｃ１は、適宜行うことができる。気象情報サービス事業者の提供する日射量データ及び気象データは、実測値との間に時間ズレに起因する誤差を含むことがあり、補正手法Ｃ１以外の日射量補正の精度に影響する。第１補正部５５は、補正前の日射量データを取得すると、日射量データの時間ズレを補正する。具体的には、第１補正部５５は、日射量の単位時間データ（例えば、１時間毎のデータ）を加重平均化し、時間軸を所要時間だけずらす。所要時間は、例えば、２０分前とすることができるが、これに限定されない。加重平均の重みは、ずらす時間の前後の１時間毎のデータとの差分の比に応じて決定されるが、これに限定されない。
　補正手法Ｃ２は、気圧定数が気圧定数閾値以上の場合、第１補正部５５は、補正前の日射量データを補正する。気圧定数を{１１２－［海抜レベルの気圧］／１０}とした場合、気圧定数閾値は、例えば、１とすることができる。海抜レベルの気圧が低いほど気圧定数は大きくなる。気圧定数が気圧定数閾値以上の場合、地表部分は低気圧となり、より気圧の高い部分から空気が流入し、結果として上昇気流が生じて雲が発生する。従って、雲の影響を考慮する必要があり、取得した日射量データは補正する必要があると考えられる。日射量データの補正は、水平面全天日射量を（気圧定数）のａ乗で除算して補正することができる。ここで、冪指数ａ＞１である。冪指数ａは、例えば、ａ＝１．１、ａ＝１．２、ａ＝１．３などとすることができる。日射量データの供給元に応じて、日射量データの予測アルゴリズムが異なる場合があるので、冪指数ａは、日射量データの供給元に応じて適宜変更してもよい。なお、気圧定数が気圧定数閾値未満の場合、日射量データを補正する必要はない。
　補正手法Ｃ３は、海抜レベルの平均気圧が気圧閾値未満の場合、第１補正部５５は、補正前の日射量データを補正する。海抜レベルの気圧が気圧閾値（例えば、１０１ｋＰａなど）以下の場合、地表部分は低気圧となり、より気圧の高い部分から空気が流入し、結果として上昇気流が生じて雲が発生する。従って、雲の影響を考慮する必要があり、取得した日射量データは補正する必要があると考えられる。日射量データの補正は、日射量データに所定の係数ｂ（ただし、ｂ＜１、例えば、ｂ＝０．９５、ｂ＝０．９０、ｂ＝０．８５など）を乗算して補正することができる。日射量データの供給元に応じて、日射量データの予測アルゴリズムが異なる場合があるので、係数ｂは、日射量データの供給元に応じて適宜変更してもよい。なお、平均気圧が気圧閾値以上の場合、日射量データを補正する必要はない。
　補正手法Ｃ４は、湿数が湿数閾値未満の場合、第１補正部５５は、補正前の日射量データを補正する。湿数が湿数閾値を超える場合は、湿数が大きいので、湿度は低く、雲の影響を考慮しなくてもよいと考えられる。一方、湿数が湿数閾値未満の場合、湿数が小さいので湿度は高く、その地域には雨や霧が発生していると考えられ、取得した日射量データは補正する必要があると考えられる。日射量データの補正は、日射量データに所定の係数ｃ（ただし、ｃ＜１、例えば、ｃ＝０．９８、ｃ＝０．９５、ｃ＝０．９０など）を乗算して補正することができる。日射量データの供給元に応じて、日射量データの予測アルゴリズムが異なる場合があるので、係数ｃは、日射量データの供給元に応じて適宜変更してもよい。
　上述の補正手法Ｃ１～Ｃ４は、補正条件を満たせば、全て同時に行ってもよいが、一部のみを行ってもよい。特に、補正手法Ｃ１及びＣ２は、補正手法Ｃ３及びＣ４よりも実測値との乖離を小さくする効果が大きいので、補正手法Ｃ１及びＣ２を行ってもよく、さらに乖離を改善すべく、補正手法Ｃ１～Ｃ４を行ってもよい。
　次に、第２補正部５７による日射量補正方法について説明する。
　第２補正部５７は、取得した気象データに基づいて、取得した日射量データを補正することができる。取得した日射量データは、雲、雨、霧などに起因する日射量への影響を十分に考慮していないが取得した日射量データを、気象データを用いて補正することにより、雲、雨、霧に起因する影響を考慮することができ、実測値との乖離が小さい日射量データを提供することができる。また、取得した日射量データが将来の予測である場合、将来の気象データを取得することにより、将来の日射量データを補正することができる。
　前述のとおり、第２補正部５７は、入力データ生成部５７１及びモデル部５７２を備える。なお、本明細書において、モデル部とモデルは同義であるが、モデル部は複数のモデルの集合体の意味も有する。モデル部５７２は、機械学習済みのモデルであり、例えば、ニューラルネットワークで構成することができる。モデル部５７２は、入力変数と出力変数との関係を定式化したものであり、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成されている。モデル部５７２は、日射量データ及び気象データが入力されると、補正後の日射量データを出力することができる。
　図６は第２補正部５７による日積算日射量補正方法の第１例を示す模式図である。モデル５７２ａは、ニューラルネットワークで構成され、入力層、中間層、出力層を備え、機械学習によって、ニューラルネットワークのパラメータ(重み、バイアスなど)が決定されている。入力データ生成部５７１は、日射量データとしての日積算水平面全天日射量、気象データとしての日平均の湿数、日平均の{１／ｌｏｇ（湿度）}、及び日平均の気温を含む入力データを生成してモデル５７２ａに入力する。モデル５７２ａは、出力データとして、補正後の日射量データ（日積算水平面全天日射量）を出力することができる。これにより、雲に起因する影響を考慮することができ、実測値との乖離が小さい日射量データを提供することができる。
　上述のように、モデル５７２ａに湿数データを入力することにより、補正後の日射量データを得ることができる。湿数データをモデル５７２ａの入力変数とすることにより、日射量に対する雨や霧などの影響を考慮することができる。
　上述のように、モデル５７２ａに湿度データの対数データを入力することにより、補正後の日射量データを得ることができる。湿度データの対数データをモデル５７２ａの入力変数とすることにより、日射量に対する雲の影響を考慮することができる。また、図６には図示していないが、モデル５７２ａに雲量データを入力することにより、補正後の日射量データを得ることができる。雲量データをモデル５７２ａの入力変数とすることにより、日射量に対する雲の影響を考慮することができる。
　モデル５７２ａに入力する日射量データは、気象情報サービス事業者から取得した補正がなされていない日射量データとすることができるが、これに限定されるものではない。例えば、前述の第１補正部５５によって、補正手法Ｃ１～Ｃ４の全部又は一部を施した補正済の日射量データを用いてもよい。すなわち、モデル５７２ａの入力変数として、補正された日射量データを含む。日射量データの補正は、気象データに基づいて補正してもよく、あるいは日射量データを時間単位で加重平均化して、時間ズレを補正してもよい。モデル５７２ａに、補正した日射量データを入力することにより、モデル５７２ａは、補正した日射量データをさらに補正するので、補正の精度を一層高めることができる。
　図７は入力データと出力データとの関係を示す模式図である。時間情報ｔ１、ｔ２、ｔ３、ｔ４、ｔ５、…は、時間単位としてもよく、日単位としてもよい。時間単位の場合、ｔ１～ｔ２４が２４時間を表し、日単位の場合、ｔ１～ｔ３０が３０日を表す。時間情報ｔ１での日射量データｄｔ１及び気象データｗｔ１が入力されると、時間情報ｔ１での補正後の日射量データｄｔ１′が出力される。他の時間情報ｔ２、ｔ３、…でも同様である。日射量データを補正する際の対象とする補正期間（所要期間）は、数時間でもよく、数日でもよく、数か月でもよく、数年でもよい。補正期間は、過去の期間でもよく、将来の期間でもよく、過去から将来に亘る期間でもよい。補正前の日射量データが、将来の予測データである場合、モデル５７２ａは補正後の日射量データの予測データを出力することができる。なお、この場合、気象データも将来の予測データを用いればよい。また、日射量データが時間単位であり、気象データが日単位の場合には、時間情報ｔ１～ｔ２４それぞれに日単位の同一値の気象データを割り当てればよい。
　図８は第２補正部５７による日積算日射量補正方法の第２例を示す模式図である。図６に示す第１例との違いは、入力データ内の気象データに、１日内の湿度差、日積算散乱日射量、日積算直達日射量、日平均の雲量、１日内の気温差、１日内の体感温度差が含まれている。なお、入力する気象データは、１日内の湿度差、日積算散乱日射量、日積算直達日射量、日平均の雲量、１日内の気温差及び１日内の体感温度差のうちの一部でもよい。また、図示していないが、入力する気象データに、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、又は気温データと熱指数データの組み合わせを含めてもよい。これにより、雲などに起因するさらなる影響を考慮することができ、実測値との乖離をさらに改善した日射量データを提供することができる。
　図９は第２補正部５７による日積算日射量補正方法の第３例を示す模式図である。図６に示す第１例との違いは、補正後の日射量データ（日積算水平面全天日射量）そのものを出力する構成に代えて、補正前の日射量データに対する日単位毎の補正量（補正後の日射量から補正前の日射量を差し引いた差分）を出力する点である。
　補正された日射量データは、日射量データＤＢ６２に記録することができる。
　次に、モデルの生成方法（学習方法）について説明する。
　前述のとおり、学習処理部５８は、学習データ生成部５８１、モデル部５８２、パラメータ決定部５８３を備える。モデル部５８２は、機械学習前のモデルを格納している。なお、モデル部５８２に機械学習途中や再学習予定のモデルを格納してもよい。モデルは、例えば、入力層、中間層及び出力層を含むニューラルネットワークで構成することができる。機械学習前のモデルは、ニューラルネットワークのパラメータが未決定である。
　図１０はモデル５８２ａの生成方法の一例を示す模式図である。学習処理部５８は、補正前の日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とするモデルを生成することができる。具体的には、学習データ生成部５８１は、日射量データとしての日積算水平面全天日射量、気象データとしての日平均の湿数、日平均の{１／ｌｏｇ（湿度）}、及び日平均の気温、日射量データの供給元を識別する識別子を含む学習用データを生成してモデル５８２ａに入力する。パラメータ決定部５８３は、モデル５８２ａが出力する学習時出力データ（日積算水平面全天日射量）と教師データとしての日積算水平面全天日射量の実測値との差が小さくなるように、ニューラルネットワークのパラメータ（重みｗｉｊ、バイアスｂｌｍ）を調整する。学習時出力データと教師データとの差は、予め目的関数（または損失関数）を決定し、目的関数の値が小さくなるようにパラメータを調整すればよい。パラメータ決定部５８３は、学習時出力データと教師データとの差が最も小さくなるときのパラメータを決定することができる。なお、図１０に示す生成方法で生成されたモデルは、図６に示すモデルに対応している。図８に示すモデルの生成方法は、学習用入力データとして、１日内の湿度差、日積算散乱日射量、日積算直達日射量、日平均の雲量、１日内の気温差、１日内の体感温度差を追加すればよい。
　モデルの再学習については、学習済みのモデルを再度学習してもよいが、初期のパラメータを用いて最初から学習し直してもよい。例えば、モデルを特定のトリガの都度学習させる場合、過去の学習データを用いて最初から学習させることができる。特定のトリガとしては、例えば、気象衛星の更新時を挙げることができる。
　機械学習方法は、例えば、線形モデルとしては、線形回帰、リッジ回帰、Ｌａｓｓｏ回帰、エラスティックネット等を挙げることができ、非線形モデルとしては、ニューラルネットワーク以外に、ｋ近傍法、回帰木、ランダムフォレスト、勾配ブースティング、サポートベクター回帰、射影追跡回帰、ガウス過程回帰などを挙げることができる。なお、線形回帰モデルよりも非線形回帰モデルの方が好ましい。
　機械学習によって生成されるモデルは画一的である必要はない。気象情報サービス事業者から提供される日射量データは、気象情報サービス事業者によって独自の予測モデルを用いて生成されているため、使用される予測モデルに応じて予測される日射量データのデータ特性も異なる可能性がある。そこで、気象情報サービス事業者毎に固有のモデルを生成することができる。
　図１１は気象情報サービス事業者と機械学習済みモデルとの対応関係を示す説明図である。図１１に示すように、Ａ社から提供される日射量データに対しては、モデル５７２ａを用いることができ、Ｂ社から提供される日射量データに対しては、モデル５７２ｂを用いることができ、Ｃ社から提供される日射量データに対しては、モデル５７２ｃを用いることができる。モデル５７２ａ、５７２ｂ、５７２ｃ、…は、気象情報サービス事業者と関連付けてモデル部５７２に格納しておくことができる。
　複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付けた場合、第２補正部５７は、選択された気象情報サービス事業者に対応するモデルを用いて、取得した日射量データを補正することができる。Ａ社から提供された日射量データは、Ａ社用のモデル５７２ａを用いて補正することができる。同様に、Ｂ社から提供された日射量データは、Ｂ社用のモデル５７２ｂを用いて補正し、Ｃ社から提供された日射量データは、Ｃ社用のモデル５７２ｃを用いて補正することができる。これにより、日射量データの供給元の事業者が異なる場合でも、日射量データを適切に補正することができる。なお、上述の例では、気象情報サービス事業者に対応付けてモデルを生成し、使用したが、日射量データの予測に用いられた予測モデルに対応付けてモデルを生成し、使用してもよい。
　図１２はサーバ５０による日射量の補正処理の第１例を示すフローチャートである。以下では、便宜上、処理の主体を制御部５１として説明する。図１２は第１補正部５５を用いた補正処理を示す。制御部５１は、気象情報サービス事業者から所要地点での所要期間（補正対象の期間）の水平面全天日射量を取得し（Ｓ１１）、当該所要地点又はその近傍地点での当該所要期間の気象データを取得する（Ｓ１２）。所要時点での気象データが存在しない場合には、所要地点に最も近い地点や気象状況が近似する地点での気象データを取得すればよい。
　制御部５１は、補正手法Ｃ１のとおり、水平面全天日射量の時間ズレを補正し（Ｓ１３）、気圧定数が気圧定数閾値以上であるか否かを判定する（Ｓ１４）。気圧定数が気圧定数閾値以上である場合（Ｓ１４でＹＥＳ）、補正手法Ｃ２のとおり、水平面全天日射量を所定数で除算して補正する（Ｓ１５）。気圧定数が気圧定数閾値以上でない場合（Ｓ１４でＮＯ）、制御部５１は、後述のステップＳ１６の処理を行う。
　制御部５１は、海抜レベルの気圧が気圧閾値未満であるか否かを判定し（Ｓ１６）、海抜レベルの気圧が気圧閾値未満である場合（Ｓ１６でＹＥＳ）、補正手法Ｃ３のとおり、水平面全天日射量に所定数ｂを乗算して補正する（Ｓ１７）。海抜レベルの気圧が気圧閾値未満でない場合（Ｓ１６でＮＯ）、制御部５１は、後述のステップＳ１８の処理を行う。
　制御部５１は、湿数が湿数閾値未満であるか否かを判定し（Ｓ１８）、湿数が湿数閾値未満である場合（Ｓ１８でＹＥＳ）、補正手法Ｃ３のとおり、水平面全天日射量に所定数ｃを乗算して補正し（Ｓ１９）、補正した水平面全天日射量を出力し（Ｓ２０）、処理を終了する。湿数が湿数閾値未満でない場合（Ｓ１８でＮＯ）、制御部５１は、ステップＳ２０の処理を行う。
　なお、ステップＳ１３、ステップＳ１４～Ｓ１５、ステップＳ１６～Ｓ１７、ステップＳ１８～Ｓ１９それぞれの処理を全部行ってもよく、あるいは一部だけ行ってもよい。
　図１３はサーバ５０による日射量の補正処理の第２例を示すフローチャートである。図１３は第２補正部５７を用いた補正処理を示す。制御部５１は、気象情報サービス事業者の選択を受け付け（Ｓ３１）、選択された気象情報サービス事業者に対応する機械学習済みモデルをモデル部５７２から選択する（Ｓ３２）。
　制御部５１は、選択された気象情報サービス事業者から所要地点での所要期間（補正対象の期間）の水平面全天日射量を取得し（Ｓ３３）、当該所要地点又はその近傍地点での当該所要期間の気象データを取得する（Ｓ３４）。
　制御部５１は、選択したモデルに、水平面全天日射量及び気象データを入力して水平面全天日射量を補正し（Ｓ３５）、補正した水平面全天日射量を出力し（Ｓ３６）、処理を終了する。
　なお、図１２に示す処理だけを行って日射量補正を行ってもよく、あるいは図１３に示す処理だけを行って日射量補正を行ってもよい。また、図１２と図１３に示す両者の日射量補正処理を行ってもよい。
　図１４はサーバ５０によるモデル生成処理の一例を示すフローチャートである。制御部５１は、入力変数と出力変数との関係を定式化するモデルをモデル部５８２から読み出し（Ｓ４１）、パラメータ（重み、バイアスなど）の初期値を設定する（Ｓ４２）。制御部５１は、気象情報サービス事業者から対象地点での対象期間の水平面全天日射量を取得し（Ｓ４３）、当該対象地点での対象期間の気象データを取得する（Ｓ４４）。対象地点は、水平面全天日射量を観測して実測値が得られる地点とすることができ、複数の地点が好ましい。
　制御部５１は、当該対象地点での対象期間の水平面全天日射量の実測データを取得し（Ｓ４５）、水平面全天日射量及び気象データを入力変数としてモデルに入力し、モデルが出力する水平面全天日射量と実測データとを用いて目的関数の値が最小となるようにパラメータ（重み、バイアスなど）を調整する（Ｓ４６）。
　制御部５１は、目的関数の値が許容範囲内であるか否かを判定し（Ｓ４７）、目的関数の値が許容範囲内でない場合（Ｓ４７でＮＯ）、ステップＳ４６以降の処理を続ける。目的関数の値が許容範囲内である場合（Ｓ４７でＹＥＳ）、制御部５１は、生成したモデルをモデル部５７２に記憶し（Ｓ４８）、処理を終了する。
　次に、本実施の形態の日射量補正方法の評価結果について説明する。
　図１５は第１補正部５５による水平面全天日射量の補正結果の一例を示す説明図である。評価地点として、銚子、東京、及び宇都宮の３地点を挙げている。上段のグラフは、月積算日射量［ｋＷｈ／ｍ2 ／ｍｏｎｔｈ］を表し、補正前の日射量、補正後の日射量、日射量の実測値（気象庁データ）それぞれを図示している。下段の表は、年単位（２０１８年、２０１９年）での補正前の日射量と補正後の日射量を、それぞれ日射量の実測値（気象庁データ）と比較して図示している。図１５に示すように、いずれの地点においても、補正前の日射量と日射量の実測値との乖離に比べて、補正後の日射量と日射量の実測値との乖離が小さくなっており、水平面全天日射量の予測精度を改善できることが分かる。
　図１６は第２補正部５７による水平面全天日射量の補正結果の一例を示す説明図である。評価地点として、宮崎、長崎、及び佐賀の３地点を挙げている。上段のグラフは、月積算日射量［ｋＷｈ／ｍ2 ／ｍｏｎｔｈ］を表し、補正前の日射量、補正後の日射量、日射量の実測値（気象庁データ）それぞれを図示している。下段の表は、年単位（２０１８年、２０１９年）での補正前の日射量と補正後の日射量を、それぞれ日射量の実測値（気象庁データ）と比較して図示している。図１６に示すように、いずれの地点においても、補正前の日射量と日射量の実測値との乖離に比べて、補正後の日射量と日射量の実測値との乖離が小さくなっており、水平面全天日射量の予測精度を改善できることが分かる。
　図１７は第２補正部５７による斜面日射量の補正結果の一例を示す説明図である。斜面日射量は、水平面全天日射量及び斜面の傾斜角度を元に、例えば、ＭＥＴＰＶ－１１などの公知手段を用いて求めることが出来る。評価地点は、太陽光発電所が設置されている茂原である。左側のグラフは、月積算日射量［ｋＷｈ／ｍ2 ／ｍｏｎｔｈ］を表し、補正前の日射量、補正後の日射量、日射量の実測値それぞれを図示している。右側の表は、２０１４年から２０１９年までの年単位での補正前の日射量と補正後の日射量を、それぞれ日射量の実測値（気象庁データ）と比較して図示している。斜面の傾斜角は１０度である。図１７に示すように、補正前の日射量と日射量の実測値との乖離に比べて、補正後の日射量と日射量の実測値との乖離が小さくなっており、斜面射量の予測精度を改善でき、太陽光発電所の発電量算出に好適に利用可能であることが分かる。
　本実施の形態のサーバ５０は、日射量に関連する様々なサービス提供に利用することができる。以下では、サーバ５０が提供できるサービスについて説明する。
　図１８はサーバ５０によるモデル提供方法の一例を示す模式図である。図１１に例示したように、サーバ５０は、機械学習により生成された複数の異なるモデルをモデル部５７２に記憶しておく。図１８に示すように、Ａ社からＡ社用モデルの要求を受け付けた場合、サーバ５０は、Ａ社用のモデルをＡ社の管理サーバ１００に対して提供することができる。Ａ社の管理サーバ１００は、提供されたモデルを用いて日射量ＤＢ１１０に記録された日射量データを補正して日射量の予測を行うことができる。同様に、Ｂ社からＢ社用モデルの要求を受け付けた場合、サーバ５０は、Ｂ社用のモデルをＢ社の管理サーバ１００に対して提供することができる。Ｂ社の管理サーバ１００は、提供されたモデルを用いて日射量ＤＢ１１０に記録された日射量データを補正して日射量の予測を行うことができる。また、Ｍ社からＣ社用モデルの要求を受け付けた場合、サーバ５０は、Ｃ社用のモデルをＭ社の管理サーバ１００に対して提供することができる。Ｍ社の管理サーバ１００は、提供されたモデルを用いて、Ｃ社から取得した日射量データを補正して日射量の予測を行うことができる。
　上述のように、気象情報サービス事業者が独自の予測モデルを使って日射量データの提供サービスを行っている場合、提供する日射量データの精度が向上するように支援することができる。また、気象情報サービス事業者が他者から日射量データの提供を受けている場合、提供された日射量データの精度を向上させることができる。
　日射量関連情報提供部５６は、日射量に関連する関連情報を生成し、例えば、気象情報利用業者に関連情報を提供することができる。気象情報利用業者は、端末装置１０を用いて関連情報を表示させることができる。以下では、具体例について説明する。
　図１９はサーバ５０によって提供される日射量の第１表示例を示す模式図である。端末装置１０は、日射量画面２００を表示することができる。日射量画面２００において、利用者は、地図画面２０１で所要の地点を選択することができる。あるいは、地図画面２０１の代わりに、地点リスト画面２０２で所要の地点を選択することができる。利用者は、さらに期間選択領域２０３で、所要の期間（例えば、ＯＯ年～ＯＯ年、ＯＯ月～ＯＯ月、ＯＯ日～ＯＯ日など）を選択することができる。端末装置１０で選択された地点及期間は、関連情報の要求とともにサーバ５０へ送信される。サーバ５０は、選択された地点及び期間での日射量データを提供することができる。端末装置１０では、日射量画面２０４に日射量データを表示することができる。図の例では、地点Ｓ１、Ｓ２が選択され、地点Ｓ１、Ｓ２での日射量データの推移が表示されている。
　図２０はサーバ５０によって提供される日射量の第２表示例を示す模式図である。端末装置１０は、日射量画面２１０を表示することができる。日射量画面２１０において、日射量画面２１１、２１２、２１３、２１４それぞれに、異なる４地点の日射量データが表示されるとともに、日射量データの信頼度も表示することができる。信頼度は、日射量データを補正する際に用いる気象データの欠損率や、モデルの評価指標として用いられる決定係数（Ｒ2）に基づいてサーバ５０が予め算出してもよい。利用者は、同時に複数の地点の日射量を把握することができるとともに、日射量データの信頼性も把握することができる。
　図２１はサーバ５０によって提供される日射量の第３表示例を示す模式図である。端末装置１０は、日射量画面２２０を表示することができる。日射量画面２２０において、所要地点での日射量の推移が異なる表示態様で表示されている。例えば、符号２２１で示す推移は精度が高いことを示し、符号２２３で示す推移は精度が低いことを示し、符号２２２で示す推移は精度が中程度であることを示す。これにより、利用者は、日射量データの推移の中で精度の違いがある場合、どの期間でどの程度の精度になっているのかを直ちに把握することができる。
　図２２はサーバ５０によって提供される発電所の予測発電量の表示例を示す模式図である。端末装置１０は、発電所の予測発電量画面２３０を表示することができる。予測発電量画面２３０において、利用者は、発電所リスト画面２３１で所要の発電所を選択することができる。利用者は、さらに期間選択領域２３２で、予測期間（例えば、ＯＯ日～ＯＯ日など）を選択することができる。端末装置１０で選択された発電所及予測期間は、関連情報の要求とともにサーバ５０へ送信される。サーバ５０は、選択された発電所及び予測期間での日射量データを求めることができる。
　日射量関連情報提供部５６は、日射量データに基づいて予測発電量を算出することができる。具体的には、１日の発電量は、発電所のシステム容量（発電設備の最大出力）、損失係数を用いて、{発電量＝システム容量×１日の日射量×損失係数}という式で算出できる。サーバ５０は、算出した発電量を端末装置１０に提供することができる。
　端末装置１０は、発電量表示画面２３３に、選択された発電所（図の例では、発電所Ｐ１、Ｐ２）の発電量の推移と、１日の平均発電量を表示することができる。
　図２３はサーバ５０によって提供される発電所の売電収入の表示例を示す模式図である。端末装置１０は、発電所の売電収入画面２４０を表示することができる。売電収入画面２４０において、利用者は、発電所リスト画面２４１で対象の発電所を選択することができる。利用者は、さらに期間選択領域２４２で、対象期間（例えば、ＯＯ年）を選択することができる。端末装置１０で選択された発電所及対象期間は、関連情報の要求とともにサーバ５０へ送信される。サーバ５０は、選択された発電所及び対象期間での日射量データを求めることができる。
　日射量関連情報提供部５６は、選択された発電所及び対象期間での日射量、システム容量、損失係数、年間発電量、売電価格、売電収入を端末装置１０に提供することができる。システム容量、損失係数は、予め発電所に対応付けて記憶部５４に記憶しておくことができる。年間発電量は、{システム容量×１日の日射量×損失係数×３６５}という式で算出できる。売電収入は、{年間発電量×売電価格}という式で算出できる。また、収益は、売電収入から経費を差し引くことで算出できる。
　端末装置１０は、日射量、システム容量、損失係数、年間発電量、売電価格、売電収入をそれぞれ表示領域２４３、２４４、２４５、２４６、２４７、２４８に表示することができる。
　本実施の形態の補正部（第１補正部５５及び第２補正部５７の少なくとも一方）による補正と組み合わせて、積雪期間のアルベド変化を考慮した補正を行うことで、積雪のない期間と同等精度で、積雪期間の傾斜面日射量を予測することができる。具体的には、積雪量、降雪量がある一定値認められた場合、斜面日射量を予測する際にアルベド（数値は特定値）補正することで、補正後の日射量の誤差をより少なくすることができる。アルベドは、日射の反射率であり、入射した放射に対する反射放射の比を反射率という。地表面を校正する主な物質のアルベドは、以下の通りである。
　積雪(新、乾)　０．７５～０．９
　積雪(旧、湿)　０．４～０．６
　なお、アルベド変化に基づく日射量の補正は、積雪がある場合に限定されるものではなく、地表面物体のアルベドに応じて行うこともできる。
　本実施の形態は、農業分野に適用することができる。例えば、過去の日射量と農作物の収量との関係を農家、農協などの団体や農業事業者に提供するとともに、日射量の予測を提供することにより、農作物の収量を予め予測することができる。また、将来の日射量を提供することにより、収穫時期の調整や農作物の病害の拡大の予測などに用いることができる。
　本実施の形態の日射量補正方法は、日射量データを取得し、気象データを取得し、取得した気象データに基づいて、取得した日射量データを補正する。
　本実施の形態の日射量補正装置は、日射量データを取得する第１取得部と、気象データを取得する第２取得部と、前記第２取得部で取得した気象データに基づいて前記第１取得部で取得した日射量データを補正する補正部とを備える。
　本実施の形態のコンピュータプログラムは、コンピュータに、日射量データを取得し、気象データを取得し、取得した気象データに基づいて、取得した日射量データを補正する、処理を実行させる。
　日射量補正方法は、日射量データを取得し、気象データを取得する。日射量データは、例えば、気象情報サービス事業者が運用する管理サーバ等から取得することができる。日射量データは、１又は複数の地点における所要期間に亘る日射量の時間単位データとすることができる。日射量は、単位面積が単位時間に太陽から受ける放射エネルギーの量であり、単位は、[ｋＷｈ／ｍ2 ／ｈ]で表すことができる。日射量は、例えば、全天空からの日射量を測定した水平面全天日射量とすることができる。所要期間は、過去の期間、過去から将来に亘る期間、又は将来の期間のいずれでもよい。気象データは、例えば、気象観測所で観測したデータや気象予測事業者が提供するデータ等を用いることができる。気象データは、雲に起因する影響を物理量、雲との相関関係が存在する物理量を含めることができ、直接観測できるデータだけでなく、観測したデータを加工したデータも含む。
　日射量補正方法は、取得した気象データに基づいて、取得した日射量データを補正する。取得した日射量データは、雲に起因する影響を十分に考慮していないが取得した日射量データを、気象データを用いて補正することにより、雲に起因する影響を考慮することができ、実測値との乖離が小さい日射量データを提供することができる。
　本実施の形態の日射量補正方法は、日射量データ及び気象データを入力変数とするモデルを用いて、取得した日射量データを補正する。
　日射量補正方法は、日射量データ及び気象データを入力変数とするモデルを用いて、取得した日射量データを補正する。すなわち、モデルは、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とし、入力変数と出力変数との関係を定式化したものである。なお、補正後の日射量データは、取得した日射量データ（補正前の日射量データ）に対する差分（補正後の日射量データと補正前の日射量データとの差分）であってもよい。モデルは機械学習によって生成することができる。これにより、モデルに日射量データ及び気象データを入力すると、補正後の日射量データを得ることができる。
　本実施の形態の日射量補正方法は、前記モデルの入力変数は、湿数データを含み、湿数データを含む気象データを取得する。
　日射量補正方法は、モデルの入力変数として湿数データを含み、モデルに湿数データを入力することにより、補正後の日射量データを得ることができる。湿数は、ある緯度及び硬度における気温と、当該緯度及び高度における露点温度との差である。露点温度が高いほど湿度が高いので、湿数が小さいほど湿度が高い。なお、湿数を、ある高度での気温と当該高度での露点温度との差としてもよい。湿数データをモデルの入力変数とすることにより、雨や霧などの影響を考慮することができる。
　本実施の形態の日射量補正方法は、前記モデルの入力変数は、湿度データの対数データを含み、湿度データの対数データを含む気象データを取得する。
　日射量補正方法は、モデルの入力変数として湿度データの対数データを含み、モデルに湿度データの対数データを入力することにより、補正後の日射量データを得ることができる。湿度データの対数データは、例えば、{１／ｌｏｇ（湿度）}で表すことができる。湿度データの対数データをモデルの入力変数とすることにより、雲の影響を考慮することができる。
　本実施の形態の日射量補正方法は、前記モデルの入力変数は、所定期間での気温データ、気温差データ、湿度差データ又は体感温度差データ、雲量データ、直達日射量データ、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、気温データと熱指数データの組み合わせ、及び散乱日射量データの少なくとも一つを含み、所定期間での気温データ、気温差データ、湿度差データ又は体感温度差データ、雲量データ、直達日射量データ、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、気温データと熱指数データの組み合わせ、及び散乱日射量データの少なくとも一つを含む気象データを取得する。
　日射量補正方法は、モデルの入力変数として、所定期間での気温データ、気温差データ、湿度差データ又は体感温度差データ、雲量データ、直達日射量データ、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、気温データと熱指数データの組み合わせ、及び散乱日射量データの少なくとも一つを含む。所定期間は、例えば、１日とすることができる。所定期間での気温データは、１日の平均気温であり、所定期間での気温差データは、１日内の気温差であり、所定期間での湿度差データは、１日内の湿度差である。所定期間での他のデータも同様である。
　モデルに、所定期間での気温データ、気温差データ、湿度差データ又は体感温度差データ、雲量データ、直達日射量データ、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、気温データと熱指数データの組み合わせ、及び散乱日射量データの少なくとも一つを入力することにより、補正後の日射量データを得ることができる。前述の各データの少なくとも一つをモデルの入力変数とすることにより、雲の影響を考慮することができる。
　本実施の形態の日射量補正方法は、前記モデルの入力変数は、取得した気象データに基づいて補正された日射量データを含み、補正された日射量データを取得して、さらに日射量データを補正する。
　日射量補正方法は、モデルの入力変数として、取得した気象データに基づいて補正された日射量データを含む。気象データは、湿数データ、海抜レベルの気圧データの少なくとも１つを含めてもよい。日射量データの補正は、気象データに基づいて補正してもよく、あるいは日射量データを時間単位で加重平均化して、時間ズレを補正してもよい。
　モデルに、補正した日射量データを入力することにより、モデルは、補正した日射量データをさらに補正するので、補正の精度を一層高めることができる。
　本実施の形態の日射量補正方法は、湿数データを含む気象データを取得し、取得した湿数データが所定の湿数閾値未満の場合、取得した日射量データを補正する。
　日射量補正方法は、湿数データを含む気象データを取得し、取得した湿数データが所定の湿数閾値未満の場合、取得した日射量データを補正する。湿数が湿数閾値を超える場合は、湿数が大きいので、湿度は低く、雲の影響を考慮しなくてもよいと考えられる。一方、湿数が湿数閾値未満の場合、湿数が小さいので湿度は高く、その地域には雨や霧が発生していると考えられ、取得した日射量データは補正する必要があると考えられる。日射量データの補正は、日射量データに所定の係数ｃ（ただし、ｃ＜１、例えば、ｃ＝０．９８、ｃ＝０．９５、ｃ＝０．９０など）を乗算して補正することができる。日射量データの供給元に応じて、日射量データの予測アルゴリズムが異なる場合があるので、係数ｃは、日射量データの供給元に応じて適宜変更してもよい。
　本実施の形態の日射量補正方法は、海抜レベルの気圧データを含む気象データを取得し、取得した海抜レベルの気圧データが所定の気圧閾値以下の場合、取得した日射量データを補正する。
　日射量補正方法は、海抜レベルの気圧データを含む気象データを取得し、取得した海抜レベルの気圧データが所定の気圧閾値以下の場合、取得した日射量データを補正する。海抜レベルの気圧が気圧閾値（例えば、１０１ｋＰａなど）以下の場合、地表部分は低気圧となり、より気圧の高い部分から空気が流入し、結果として上昇気流が生じて雲が発生するため、雲の影響を考慮する必要があり、取得した日射量データは補正する必要があると考えられる。日射量データの補正は、日射量データに所定の係数ｂ（ただし、ｂ＜１、例えば、ｂ＝０．９５、ｂ＝０．９０、ｂ＝０．８５など）を乗算して補正することができる。日射量データの供給元に応じて、日射量データの予測アルゴリズムが異なる場合があるので、係数ｂは、日射量データの供給元に応じて適宜変更してもよい。
　本実施の形態の日射量補正方法は、海抜レベルの気圧データを含む気象データを取得し、所定値と取得した海抜レベルの気圧データとの差分が所定の差分閾値以上の場合、取得した日射量データを補正する。
　日射量補正方法は、海抜レベルの気圧データを含む気象データを取得し、所定値と取得した海抜レベルの気圧データとの差分が所定の差分閾値以上の場合、取得した日射量データを補正する。具体的には、気圧定数＝{所定値ａ１－［海抜レベルの気圧］／定数ａ２}と定義することができ、前述の差分は気圧定数で表すことができる。海抜レベルの気圧が低いほど気圧定数は大きくなる。気圧定数が気圧定数閾値（差分閾値に対応）以上の場合、地表部分は低気圧となり、より気圧の高い部分から空気が流入し、結果として上昇気流が生じて雲が発生するため、雲の影響を考慮する必要があり、取得した日射量データは補正する必要があると考えられる。日射量データの補正は、日射量データを（気圧定数）のａ乗で除算して補正することができる。ここで、冪指数ａ＞１である。冪指数ａは、例えば、ａ＝１．１、ａ＝１．２、ａ＝１．３などとすることができる。日射量データの供給元に応じて、日射量データの予測アルゴリズムが異なる場合があるので、冪指数ａは、日射量データの供給元に応じて適宜変更してもよい。
　本実施の形態の日射量補正方法は、気象情報サービス事業者から日射量データを取得する。
　日射量補正方法は、気象情報サービス事業者から日射量データを取得する。気象情報サービス事業者は、それぞれが独自の予測モデルを用いて日射量データを提供している。従って、日射量データを補正する場合には、気象情報サービス事業者毎に補正方法を変えることができる。
　本実施の形態の日射量補正方法は、複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、選択された気象情報サービス事業者に対応する前記モデルを用いて、取得した日射量データを補正する。
　日射量補正方法は、複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、選択された気象情報サービス事業者に対応するモデルを用いて、取得した日射量データを補正する。気象情報サービス事業者を、Ａ社、Ｂ社、Ｃ社とすると、Ａ社から提供された日射量データは、Ａ社用のモデルを用いて補正することができる。同様に、Ｂ社から提供された日射量データは、Ｂ社用のモデルを用いて補正し、Ｃ社から提供された日射量データは、Ｃ社用のモデルを用いて補正することができる。これにより、日射量データの供給元の事業者が異なる場合でも、日射量データを適切に補正することができる。
　本実施の形態のモデルは、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成されている。
　モデルは、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成されている。モデルは、入力変数と出力変数との関係を定式化したものであり、日射量データ及び気象データが入力されると、補正後の日射量データを出力することができる。
　本実施の形態のモデル生成方法は、日射量データ及び気象データを取得し、補正後の日射量データを取得し、前記日射量データ及び気象データを入力変数とし、前記補正後の日射量データを出力変数とするモデルを生成する。
　モデル生成方法は、取得した日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とするモデルを生成する。具体的には、モデルは、ニューラルネットワーク（入力層、中間層、出力層を備える）で構成することができる。取得した日射量データ及び気象データを学習用入力データとし、日射量データの実測値を教師データとする。モデルに学習用入力データを入力した場合に、モデルが出力する日射量データと教師データとの差が小さくなるように、ニューラルネットワークのパラメータ（重み、バイアス）を調整してモデルを生成することができる。
　本実施の形態のモデル提供方法は、日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成された複数の異なるモデルを記憶し、複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、前記複数の異なるモデルのうち、選択された気象情報サービス事業者に対応するモデルを提供する。
　モデル提供方法は、機械学習により生成された複数の異なるモデルを記憶しておく。複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、選択された気象情報サービス事業者に対応するモデルを提供する。気象情報サービス事業者を、Ａ社、Ｂ社とすると、Ａ社からＡ社用モデルの要求を受け付けた場合は、Ａ社用のモデルをＡ社に提供することができる。同様に、Ｂ社からＢ社用モデルの要求を受け付けた場合は、Ｂ社用のモデルをＢ社に提供することができる。これにより、気象情報サービス事業者が独自の予測モデルを使って日射量データの提供サービスを行っている場合、提供する日射量データの精度が向上するように支援することができる。
　１　通信ネットワーク
　１０　端末装置
　５０　サーバ
　５１　制御部
　５２　日射量データ取得部
　５３　気象データ取得部
　５４　記憶部
　５５　第１補正部
　５６　日射量関連情報提供部
　５７　第２補正部
　５７１　入力データ生成部
　５７２　モデル部
　５８　学習処理部
　５８１　学習データ生成部
　５８２　モデル部
　５８３　パラメータ決定部
　６１　気象データＤＢ
　６２　日射量データＤＢ
　１００　管理サーバ
　１１０　日射量ＤＢ
 

Claims (16)

  1. 　日射量データを取得し、
    　気象データを取得し、
    　取得した気象データに基づいて、取得した日射量データを補正する、
    　日射量補正方法。
  2. 　日射量データ及び気象データを入力変数とするモデルを用いて、取得した日射量データを補正する、
    　請求項１に記載の日射量補正方法。
  3. 　前記モデルの入力変数は、湿数データを含み、
    　湿数データを含む気象データを取得する、
    　請求項２に記載の日射量補正方法。
  4. 　前記モデルの入力変数は、湿度データの対数データを含み、
    　湿度データの対数データを含む気象データを取得する、
    　請求項２又は請求項３に記載の日射量補正方法。
  5. 　前記モデルの入力変数は、所定期間での気温データ、気温差データ、湿度差データ又は体感温度差データ、雲量データ、直達日射量データ、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、気温データと熱指数データの組み合わせ、及び散乱日射量データの少なくとも一つを含み、
    　所定期間での気温データ、気温差データ、湿度差データ又は体感温度差データ、雲量データ、直達日射量データ、気温データと露点温度データの組み合わせ、気温データと風冷温度データの組み合わせ、気温データと体感温度データの組み合わせ、気温データと熱指数データの組み合わせ、及び散乱日射量データの少なくとも一つを含む気象データを取得する、
    　請求項２から請求項４のいずれか一項に記載の日射量補正方法。
  6. 　前記モデルの入力変数は、取得した気象データに基づいて補正された日射量データを含み、
    　補正された日射量データを取得して、さらに日射量データを補正する、
    　請求項２から請求項５のいずれか一項に記載の日射量補正方法。
  7. 　湿数データを含む気象データを取得し、
    　取得した湿数データが所定の湿数閾値未満の場合、取得した日射量データを補正する、
    　請求項１に記載の日射量補正方法。
  8. 　海抜レベルの気圧データを含む気象データを取得し、
    　取得した海抜レベルの気圧データが所定の気圧閾値以下の場合、取得した日射量データを補正する、
    　請求項１又は請求項７に記載の日射量補正方法。
  9. 　海抜レベルの気圧データを含む気象データを取得し、
    　所定値と取得した海抜レベルの気圧データとの差分が所定の差分閾値以上の場合、取得した日射量データを補正する、
    　請求項１、請求項７又は請求項８のいずれか一項に記載の日射量補正方法。
  10. 　気象情報サービス事業者から日射量データを取得する、
    　請求項１から請求項９のいずれか一項に記載の日射量補正方法。
  11. 　複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、
    　選択された気象情報サービス事業者に対応する前記モデルを用いて、取得した日射量データを補正する、
    　請求項２から請求項６のいずれか一項に記載の日射量補正方法。
  12. 　日射量データを取得する第１取得部と、
    　気象データを取得する第２取得部と、
    　前記第２取得部で取得した気象データに基づいて前記第１取得部で取得した日射量データを補正する補正部と
    　を備える日射量補正装置。
  13. 　コンピュータに、
    　日射量データを取得し、
    　気象データを取得し、
    　取得した気象データに基づいて、取得した日射量データを補正する、
    　処理を実行させるコンピュータプログラム。
  14. 　日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成されたモデル。
  15. 　日射量データ及び気象データを取得し、
    　補正後の日射量データを取得し、
    　前記日射量データ及び気象データを入力変数とし、前記補正後の日射量データを出力変数とするモデルを生成する、
    　モデル生成方法。
  16. 　日射量データ及び気象データを入力変数とし、補正後の日射量データを出力変数とする機械学習により生成された複数の異なるモデルを記憶し、
    　複数の気象情報サービス事業者の中から所要の気象情報サービス事業者の選択を受け付け、
    　前記複数の異なるモデルのうち、選択された気象情報サービス事業者に対応するモデルを提供する、
    　モデル提供方法。
     
PCT/JP2021/027457 2020-07-31 2021-07-26 日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法 WO2022024960A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022540271A JP7451715B2 (ja) 2020-07-31 2021-07-26 日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法
US18/006,737 US20230273344A1 (en) 2020-07-31 2021-07-26 Insolation correction method, insolation correction device, recording medium, model, model generating method, and model providing method
EP21848577.9A EP4191290A1 (en) 2020-07-31 2021-07-26 Solar radiation amount correction method, solar radiation amount correction device, computer program, model, model generation method, and model providing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020130447 2020-07-31
JP2020-130447 2020-07-31

Publications (1)

Publication Number Publication Date
WO2022024960A1 true WO2022024960A1 (ja) 2022-02-03

Family

ID=80035655

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/027457 WO2022024960A1 (ja) 2020-07-31 2021-07-26 日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法

Country Status (4)

Country Link
US (1) US20230273344A1 (ja)
EP (1) EP4191290A1 (ja)
JP (1) JP7451715B2 (ja)
WO (1) WO2022024960A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102490858B1 (ko) * 2022-07-05 2023-01-20 강릉원주대학교산학협력단 인공지능 기반 태양 복사량 및 대기 투과도 결정 장치 및 방법
WO2023248484A1 (ja) * 2022-06-22 2023-12-28 日本電信電話株式会社 全天日射量推定装置、全天日射量学習装置、全天日射量推定方法、及び全天日射量推定プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11211560A (ja) 1998-01-21 1999-08-06 Fujitsu Ltd 衛星画像データを用いた日射量推定システム、方法及び記録媒体
JP2013057476A (ja) * 2011-09-09 2013-03-28 Toshiba Corp Ｐｍｖ推定装置およびそのプログラム
KR20130031732A (ko) * 2011-09-21 2013-03-29 엘지전자 주식회사 일사량 추정을 위해 전천사진으로부터 운량을 계산하는 방법, 상기 계산한 운량을 이용한 태양광 발전량 예측 장치
JP2016066183A (ja) * 2014-09-24 2016-04-28 地域エネルギー株式会社 情報処理装置、情報処理方法および情報処理プログラム
WO2016121202A1 (ja) * 2015-01-30 2016-08-04 日本電気株式会社 予測装置、予測方法、及び、プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11211560A (ja) 1998-01-21 1999-08-06 Fujitsu Ltd 衛星画像データを用いた日射量推定システム、方法及び記録媒体
JP2013057476A (ja) * 2011-09-09 2013-03-28 Toshiba Corp Ｐｍｖ推定装置およびそのプログラム
KR20130031732A (ko) * 2011-09-21 2013-03-29 엘지전자 주식회사 일사량 추정을 위해 전천사진으로부터 운량을 계산하는 방법, 상기 계산한 운량을 이용한 태양광 발전량 예측 장치
JP2016066183A (ja) * 2014-09-24 2016-04-28 地域エネルギー株式会社 情報処理装置、情報処理方法および情報処理プログラム
WO2016121202A1 (ja) * 2015-01-30 2016-08-04 日本電気株式会社 予測装置、予測方法、及び、プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
OKE SHINICHIRO, HIROYUKI MURATA, HIROFUMI TAKIKAWA, TATEKI SAKAKIBARA: "A Forecasting-Error Reduction of Daily Total Insolation by Integration of Forecasted Daily Solar Irradiance Curve", JOURNAL OF JAPAN SOLAR ENERGY SOCIETY, vol. 33, no. 2, 1 January 2007 (2007-01-01), pages 53 - 53, XP055890772 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023248484A1 (ja) * 2022-06-22 2023-12-28 日本電信電話株式会社 全天日射量推定装置、全天日射量学習装置、全天日射量推定方法、及び全天日射量推定プログラム
KR102490858B1 (ko) * 2022-07-05 2023-01-20 강릉원주대학교산학협력단 인공지능 기반 태양 복사량 및 대기 투과도 결정 장치 및 방법

Also Published As

Publication number Publication date
JP7451715B2 (ja) 2024-03-18
US20230273344A1 (en) 2023-08-31
EP4191290A1 (en) 2023-06-07
JPWO2022024960A1 (ja) 2022-02-03

Similar Documents

Publication Publication Date Title
Panamtash et al. A copula-based Bayesian method for probabilistic solar power forecasting
Duarte et al. NASA/POWER and DailyGridded weather datasets—how good they are for estimating maize yields in Brazil?
Persson et al. Multi-site solar power forecasting using gradient boosted regression trees
Boata et al. Functional fuzzy approach for forecasting daily global solar irradiation
Gharbia et al. Spatially distributed potential evapotranspiration modeling and climate projections
Marquez et al. Forecasting of global and direct solar irradiance using stochastic learning methods, ground experiments and the NWS database
WO2022024960A1 (ja) 日射量補正方法、日射量補正装置、コンピュータプログラム、モデル、モデル生成方法及びモデル提供方法
Paulescu et al. Structured, physically inspired (gray box) models versus black box modeling for forecasting the output power of photovoltaic plants
Calanca et al. Application of long-range weather forecasts to agricultural decision problems in Europe
US20170228743A1 (en) Crop forecasting with incremental feature selection and spectrum constrained scenario generation
KR102002548B1 (ko) 영농형 태양광 발전 예측시스템 및 이를 이용한 발전량 및 수익 예측 방법
JP2019213299A (ja) エネルギー運用装置及び方法並びにシステム
JP7210338B2 (ja) 予測装置、予測方法及びコンピュータプログラム
Pepe et al. Model estimation for solar generation forecasting using cloud cover data
CN116415704A (zh) 一种基于多数据融合与同化的区域精量灌溉方法及系统
JP7104609B2 (ja) 数値解析装置及び方法
JP6600033B2 (ja) 気象予測補正装置、気象予測補正方法及びプログラム
Castellvi A new simple method for estimating monthly and daily solar radiation. Performance and comparison with other methods at Lleida (NE Spain); a semiarid climate
Gomez-Quiles et al. Price and resource-related uncertainty in the estimation of the revenue of a wind farm
Nizharadze et al. Learning the Gap in the Day-Ahead and Real-Time Locational Marginal Prices in the Electricity Market
Gemignani et al. Solar radiation synthetic sequences and bidding strategies for energy auctions
Jewson et al. Communicating properties of changes in lagged weather forecasts
JP7514148B2 (ja) 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム
Croley PROBABILISTIC GREAT LAKES HYDROLOGY OUTLOOKS 1
Tsanakas et al. State‐of‐Play and Emerging Challenges in Photovoltaic Energy Yield Simulations: A Multi‐Case Multi‐Model Benchmarking Study

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: 21848577

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022540271

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2021848577

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2021848577

Country of ref document: EP

Effective date: 20230228

NENP Non-entry into the national phase

Ref country code: DE