JP2017127140A - 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム - Google Patents
太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム Download PDFInfo
- Publication number
- JP2017127140A JP2017127140A JP2016005442A JP2016005442A JP2017127140A JP 2017127140 A JP2017127140 A JP 2017127140A JP 2016005442 A JP2016005442 A JP 2016005442A JP 2016005442 A JP2016005442 A JP 2016005442A JP 2017127140 A JP2017127140 A JP 2017127140A
- Authority
- JP
- Japan
- Prior art keywords
- power generation
- time
- amount
- generation amount
- photovoltaic power
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 328
- 238000000034 method Methods 0.000 title claims abstract description 105
- 230000005855 radiation Effects 0.000 claims abstract description 87
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000037309 Hypomyelination of early myelinating structures Diseases 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 102100032849 Sentan Human genes 0.000 description 1
- 101710205302 Sentan Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000738 capillary electrophoresis-mass spectrometry Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/50—Energy storage in industry with an added climate change mitigation effect
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Photovoltaic Devices (AREA)
Abstract
【解決手段】本発明の太陽光発電量予測方法において、デマンドナビサーバ11は、時刻毎の雲一つ無い快晴時の水平面全天日射量(時刻毎計算日射量TFQCL)に、時系列天気予報に基づいて選択された時刻毎の天気係数Kwと、時刻毎の太陽光発電量の実測値及び時刻毎の全天日射量の実測値から選択された発電係数Kgとを乗じることにより、太陽光発電設備13−1,13−2,13−3における時刻毎の太陽光発電量(時刻毎予測発電量TEFV)を算出する。
【選択図】図2
Description
また、時刻毎の電力単位(kW)で予測する従来方法では、機械学習技術を用いて曜日指定(「月曜日」、「日曜日」)などの標準的な日における時刻毎の電力予測は可能であるものの、所望の特定日における時刻毎の電力予測が難しく、予測精度が低くなる。
更に、天気予報を用いた従来の予測方法では、天気予報が当たらなかった場合、天気予報の精度の度合いに因っては日射量・太陽光発電量の予測値が実測値から大きくずれる。また、予測したい当日の天気予報が例えば「曇り(雲量90%〜100%)」であり、当日の実際の天気が曇りである場合に、当日の雲量の多寡が考慮されず、日射量・太陽光発電量の予測精度が低くなる。
このように、一日単位のみならず時刻毎の電力制御が求められるマイクログリッド制御などを採用するEMSにおいては、所望の特定日における時刻毎の日射量・太陽光発電量を精度良く予測することにより、建物等への電力供給の管理、制御を高精度で実現可能な方法が望まれている。
図1は、本発明の第1実施形態に係る太陽光発電量予測方法が適用される太陽光発電量予測システムの構成を概略的に示す図である。図1のシステム構成はその一例を示すものであり、本発明に係る太陽光発電量予測方法が適用される構成は、図1のものに限られない。
また、デマンドナビサーバ11は、EMSサーバ12が取得或いは記憶した実測値等を読み出し可能に構成されており、後述の図4の太陽光発電量予測処理(1)を実行するためのプログラムを記録部から読み出すことにより、本発明の太陽光発電量予測方法を実行する。すなわち、太陽光発電量予測処理(1)はハードウェア資源を用いて具体的に実現される。
本予測方法では、一定時刻毎(例えば、30分毎)に、時刻毎の雲一つ無い快晴時の水平面全天日射量(以下、単に「時刻毎計算日射量TFQCL」ともいう)(W/m2)に、時系列天気予報に基づいて選択された時刻毎の天気係数Kwと、時刻毎の太陽光発電量の実測値及び時刻毎の全天日射量の実測値から算出された発電係数Kgとを乗じることにより、太陽光発電設備13−1,13−2,13−3における時刻毎の太陽光発電量(kW)(以下、単に「時刻毎予測発電量TEFV」ともいう)を算出する。
デマンドナビサーバ11は、1月〜12月の月単位で、時刻毎実測発電量TEMVと時刻毎実測日射量TSMVとの相関グラフ(データプロット群)を記憶しており、これら相関グラフの近似式の傾きから12通りの発電係数群を予め取得する。そして、後述する太陽光発電量予測処理(1)の実行時に、予め取得した12通りの発電係数群から一の発電係数Kgが選択される。発電係数群は、時刻毎実測発電量TEMVに基づいて所定のタイミングで更新される値であってもよい。この場合、後述する太陽光発電量予測処理(1)の実行時に、発電係数群の更新を行った後、当該発電係数群から一の発電係数Kgが選択される。
同図に示すように、先ず、デマンドナビサーバ11は、前回の太陽光発電量予測処理(1)を実行してから一定時刻が経過したか否かを判別し(ステップS11)、一定時刻が経過していないときは本処理を終了し、一定時刻が経過したときは、未来の特定日における時刻毎計算日射量TFQCL(W/m2)を算出する(ステップS12)。例えば、前回の太陽光発電量予測処理(1)を実行してから30分経過したときに、翌日の時刻毎計算日射量を算出する。
本予測方法では、一定時刻毎に、現在時刻を基準とする直近の未来時刻における雲一つ無い快晴時の水平面全天日射量(以下、単に「直近未来計算日射量LFQCL」ともいう)(W/m2)に、現在時刻から直近の過去時刻までの直近過去時間間隔における太陽光発電量の実測値から算出された直近係数Kmを乗じることにより、太陽光発電設備13−1,13−2,13−3における直近の未来時刻における太陽光発電量(以下、単に「直近未来予測発電量LEFV」ともいう)(kW)を算出する。本第2実施形態では、第1実施形態の未来時刻(例えば、翌日)よりも近い将来の時刻(例えば、現在時刻から30分後や1時間後)における太陽光発電量を予測する点で、第1実施形態と異なる。
図6に示すように、先ず、EMSサーバ12は、現在時刻Tnを基準とする直近の未来時刻Tfにおける直近未来計算日射量LFQCLを算出する(図7(a)参照)(ステップS21)。このとき、現在時刻Tnから直近の未来時刻Tfまでの直近未来時間間隔はΔT1である。例えば、現在時刻Tnが「AM10:00」である場合、直近の未来時刻Tfを「AM10:30」に設定し(直近未来時間間隔ΔT1=「30分間」)、現在時刻TnからΔT1(30分間)経過後の未来時刻Tf(AM10:30)における直近未来計算日射量LFQCLを算出する。
図7(a)において、矢印61は、図6の太陽光発電量予測処理(2)を示している。上述のように、矢印61の太陽光発電量予測処理(2)では、現在時刻Tn、直近の未来時刻Tf(直近未来時間間隔ΔT1=「30分間」)とし、現在時刻Tnから直近過去時間間隔ΔT1(30分間)における発電量の実測値に基づいて、現在時刻TnからΔT1(30分間)後の未来時刻Tfにおける直近未来予測発電量LEFVを算出する。
図8(a)において、機械学習技術による予測モデルを用いた従来例では、予測発電量が実測発電量(図中のPV発電量実測値)から多少ずれており、予測誤差が生じている。一方、図2の予測方法による発明例Xの予測発電量、及び図5の予測方法による発明例Y,Zの予測発電量は、いずれも実測発電量とほぼ同じであり、予測誤差がほぼ生じていない。
図9(a)において、雲量が変動した場合、機械学習技術による予測モデルを用いた従来例では、予測発電量が実測発電量から大きくずれており、誤差率が大きい。一方、図2の予測方法による発明例Xの予測発電量は、従来例よりも実測発電量に近く、従来例よりも誤差率が小さい。また、発明例Y,Zの予測発電量のプロファイルは実測発電量のプロファイルに近く、時刻毎(数十分単位或いは1時間単位)の予測誤差が格段に小さい。
同図において、施設Bの同一構内に複数の建物B−1〜B−10が設けられており、建物B−1〜B−3,B−6,B−9,B−10の屋上に、それぞれ太陽光発電パネル13B−1〜13B−3,13B−6,13B−9,13B−10が設置されている。また、施設B内には蓄電池14B及び該蓄電池以外の分散電源(不図示)、並びに発電機15Bが設置されており、複数の建物B−1〜B−10、太陽光発電パネル13B−1〜13B−3,13B−6,13B−9,13B−10、蓄電池14B及び発電機15Bは、電力ライン19Bで接続されている。電力ライン19Bは、施設Bの外部の電力会社Cと接続されている。
11 デマンドナビサーバ
11a モニタ
12 EMSサーバ
12a モニタ
13−1,13−2,13−3 太陽光発電設備
14 蓄電設備
15 発電機
16 通信網
17 インターネット
61,62,63,64 矢印
A 施設
B 施設
B−1,B−2,B−3,B−4,B−5 建物
B−6,B−7,B−8,B−9,B−10 建物
11B デマンドナビサーバ
12B EMSサーバ
13B−1,13B−2,13B−3 太陽光発電パネル
13B−6,13B−9,13B−10 太陽光発電パネル
14B 蓄電池
15B 発電機
16B 通信ライン
17B インターネット
19B 電力ライン
TFQCL 時刻毎計算日射量
Kw 天気係数
WIF 時系列天気予報情報
WIP 時系列天気実績情報
WSMV 天気毎実測日射量
Kg 発電係数
TEMV 時刻毎実測発電量
TSMV 時刻毎実測日射量
TEFV 時刻毎予測発電量
LFQCL 直近未来計算日射量
Km 直近係数
LEMV 直近過去実測発電量
LPQCL 直近過去計算日射量
LEFV 直近未来予測発電量
Tn 現在時刻
Tf 直近の未来時刻
ΔT1 直近未来時間間隔
Tp 直近の過去時刻
ΔT2 直近未来時間間隔
Tf’ 直近の未来時刻
Tp’ 直近の過去時刻
Km1 第1直近係数
Km2 第2直近係数
Kw’ 直近天気係数
Kg’ 発電係数
X,Y,Z 発明例
Claims (9)
- コンピュータによって実行される、太陽光発電設備の太陽光発電量を予測する太陽光発電量予測方法であって、
未来の特定日における時刻毎の快晴時の計算全天日射量と、時系列天気予報情報に基づいて選択された時刻毎の天気係数と、時刻毎の太陽光発電量の実測値及び時刻毎の全天日射量の実測値に基づいて選択された発電係数とに基づいて、前記未来の特定日における時刻毎の予測発電量を算出することを特徴とする、太陽光発電量予測方法。 - 前記天気係数は、時系列天気実績情報、及び、前記時刻毎の快晴時の計算全天日射量と時刻毎の全天日射量の実測値との統計処理によって算出されることを特徴とする、請求項1記載の太陽光発電量予測方法。
- 前記発電係数は、時刻毎の太陽光発電量の実測値と、前記時刻毎の全天日射量の実測値との統計処理によって算出されることを特徴とする、請求項1記載の太陽光発電量予測方法。
- コンピュータによって実行される、太陽光発電設備の太陽光発電量を予測する太陽光発電量予測方法であって、
現在時刻を基準とする直近の未来時刻における快晴時の計算全天日射量と、現在時刻から直近の過去時刻までの直近過去時間間隔における太陽光発電量の実測値から算出された直近係数とに基づいて、前記直近の未来時刻における予測発電量を算出することを特徴とする、太陽光発電量予測方法。 - 前記直近係数は、前記直近過去時間間隔における太陽光発電量の実測値を、前記直近の過去時刻における快晴時の計算全天日射量で除することにより算出されることを特徴とする、請求項4記載の太陽光発電量予測方法。
- 前記過去直近時間間隔は、等分割された複数の時間間隔からなり、
前記複数の時間間隔に対応する複数の直近係数を算出すると共に、前記複数の直近係数の平均値を算出し、
前記直近未来時間間隔における快晴時の計算全天日射量と、前記複数の直近係数の前記平均値とに基づいて、前記直近の未来時刻における予測発電量を算出することを特徴とする、請求項4記載の太陽光発電量予測方法。 - 前記直近未来時間間隔及び前記直近過去時間間隔は、分単位或いは時間単位であることを特徴とする、請求項4乃至6のいずれか1項に記載の太陽光発電量予測方法。
- 太陽光発電設備の太陽光発電量を予測する太陽光発電量予測装置であって、
未来の特定日における時刻毎の快晴時の計算全天日射量と、時系列天気予報に基づいて選択された時刻毎の天気係数と、時刻毎の太陽光発電量の実測値及び時刻毎の全天日射量の実測値に基づいて選択された発電係数とに基づいて、前記未来の特定日における時刻毎の予測発電量を算出する制御部を有することを特徴とする、太陽光発電量予測装置。 - 太陽光発電設備と、蓄電設備と、前記太陽光発電設備の太陽光発電量の実測値に基づいて未来の太陽光発電量を算出する太陽光発電予測装置とを備える太陽光発電量予測システムであって、
前記太陽光発電量予測装置は、未来の特定日における時刻毎の快晴時の計算全天日射量と、時系列天気予報に基づいて選択された時刻毎の天気係数と、時刻毎の太陽光発電量の実測値及び時刻毎の全天日射量の実測値に基づいて選択された発電係数とに基づいて、前記未来の特定日における時刻毎の予測発電量を算出する制御部を有し、
前記制御部は、前記時刻毎の予測発電量に基づいて前記蓄電設備及びそれ以外の分散電源の充放電を制御することを特徴とする、太陽光発電量予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016005442A JP6720544B2 (ja) | 2016-01-14 | 2016-01-14 | 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016005442A JP6720544B2 (ja) | 2016-01-14 | 2016-01-14 | 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017127140A true JP2017127140A (ja) | 2017-07-20 |
JP6720544B2 JP6720544B2 (ja) | 2020-07-08 |
Family
ID=59364476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016005442A Active JP6720544B2 (ja) | 2016-01-14 | 2016-01-14 | 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6720544B2 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923738A (zh) * | 2018-08-09 | 2018-11-30 | 上海电力学院 | 一种基于天气类型判别的双跟踪光伏发电***控制方法 |
KR20200034015A (ko) * | 2018-09-11 | 2020-03-31 | 광주과학기술원 | 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법 |
US20200394255A1 (en) | 2019-01-18 | 2020-12-17 | Hide Housing Corporation | Insolation probability distribution analysis method, insolation probability distribution analysis system, insolation probability distribution analysis program product,insolation normalization statistical analysis method, insolation normalization statistical analysis system, and insolation normalization statistical analysis program product |
JP6833303B1 (ja) * | 2019-12-10 | 2021-02-24 | 東芝三菱電機産業システム株式会社 | 発電量予測装置 |
US10998725B2 (en) | 2019-01-18 | 2021-05-04 | Hide Housing Corporation | Electric power generation prediction method based on expected value calculation, electric power generation prediction system based on expected value calculation, and electric power generation prediction program product based on expected value calculation |
JP2021087274A (ja) * | 2019-11-27 | 2021-06-03 | 中国電力株式会社 | 太陽光発電量予測装置、太陽光発電量予測装置の制御方法及びプログラム |
KR20210088070A (ko) * | 2020-01-06 | 2021-07-14 | 고려대학교 산학협력단 | 앙상블 기계학습 방법을 이용한 재생 에너지 발전량 예측 장치 및 방법 |
JP2021175949A (ja) * | 2020-05-01 | 2021-11-04 | 東京瓦斯株式会社 | 日射量予測方法、日射量予測プログラム、電力供給システム、電力・熱供給システム |
JP7026279B1 (ja) | 2021-10-08 | 2022-02-25 | 株式会社Looop | 発電量計算モデルを生成する装置、方法、及びプログラム |
KR20220112724A (ko) * | 2020-04-27 | 2022-08-11 | 주식회사 에이치에너지 | 예측제고 정산금 수익 극대화를 위한 저비용 태양광 예측 시스템 및 방법 |
WO2023074928A1 (ko) * | 2021-10-27 | 2023-05-04 | 주식회사 비온시이노베이터 | 건물일체형 태양광열복합을 이용한 히트펌프 냉난방 시스템을 위한 스마트 그리드 모니터링방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110282601A1 (en) * | 2011-07-25 | 2011-11-17 | Hoff Thomas E | Computer-Implemented System And Method For Estimating Power Data For A Photovoltaic Power Generation Fleet |
JP2013084736A (ja) * | 2011-10-07 | 2013-05-09 | Chugoku Electric Power Co Inc:The | 太陽光発電出力推定装置及び太陽光発電出力推定方法 |
JP2015005641A (ja) * | 2013-06-21 | 2015-01-08 | 株式会社東芝 | 予測システム、予測装置および予測方法 |
-
2016
- 2016-01-14 JP JP2016005442A patent/JP6720544B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110282601A1 (en) * | 2011-07-25 | 2011-11-17 | Hoff Thomas E | Computer-Implemented System And Method For Estimating Power Data For A Photovoltaic Power Generation Fleet |
JP2013084736A (ja) * | 2011-10-07 | 2013-05-09 | Chugoku Electric Power Co Inc:The | 太陽光発電出力推定装置及び太陽光発電出力推定方法 |
JP2015005641A (ja) * | 2013-06-21 | 2015-01-08 | 株式会社東芝 | 予測システム、予測装置および予測方法 |
Non-Patent Citations (1)
Title |
---|
工藤満、竹内章、野崎洋介、遠藤久仁、角田二郎: "「エネルギーネットワークにおける太陽光発電予測技術」", 電気学会論文誌B(電力・エネルギー部門誌), vol. 127巻, JPN6019041245, 2007, pages 847 - 853, ISSN: 0004209043 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923738B (zh) * | 2018-08-09 | 2020-04-07 | 上海电力学院 | 一种基于天气类型判别的双跟踪光伏发电***控制方法 |
CN108923738A (zh) * | 2018-08-09 | 2018-11-30 | 上海电力学院 | 一种基于天气类型判别的双跟踪光伏发电***控制方法 |
KR102578639B1 (ko) * | 2018-09-11 | 2023-09-15 | 광주과학기술원 | 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법 |
KR20200034015A (ko) * | 2018-09-11 | 2020-03-31 | 광주과학기술원 | 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법 |
US10998725B2 (en) | 2019-01-18 | 2021-05-04 | Hide Housing Corporation | Electric power generation prediction method based on expected value calculation, electric power generation prediction system based on expected value calculation, and electric power generation prediction program product based on expected value calculation |
US10977341B2 (en) | 2019-01-18 | 2021-04-13 | Hide Housing Corporation | Insolation probability distribution analysis method, insolation probability distribution analysis system, insolation probability distribution analysis program product, insolation normalization statistical analysis method, insolation normalization statistical analysis system, and insolation normalization statistical analysis program product |
US20200394255A1 (en) | 2019-01-18 | 2020-12-17 | Hide Housing Corporation | Insolation probability distribution analysis method, insolation probability distribution analysis system, insolation probability distribution analysis program product,insolation normalization statistical analysis method, insolation normalization statistical analysis system, and insolation normalization statistical analysis program product |
JP2021087274A (ja) * | 2019-11-27 | 2021-06-03 | 中国電力株式会社 | 太陽光発電量予測装置、太陽光発電量予測装置の制御方法及びプログラム |
JP7354794B2 (ja) | 2019-11-27 | 2023-10-03 | 中国電力株式会社 | 太陽光発電量予測装置、太陽光発電量予測装置の制御方法及びプログラム |
JP6833303B1 (ja) * | 2019-12-10 | 2021-02-24 | 東芝三菱電機産業システム株式会社 | 発電量予測装置 |
WO2021117127A1 (ja) * | 2019-12-10 | 2021-06-17 | 東芝三菱電機産業システム株式会社 | 発電量予測装置 |
KR20210088070A (ko) * | 2020-01-06 | 2021-07-14 | 고려대학교 산학협력단 | 앙상블 기계학습 방법을 이용한 재생 에너지 발전량 예측 장치 및 방법 |
KR102361007B1 (ko) * | 2020-01-06 | 2022-02-09 | 고려대학교 산학협력단 | 앙상블 기계학습 방법을 이용한 재생 에너지 발전량 예측 장치 및 방법 |
KR20220112724A (ko) * | 2020-04-27 | 2022-08-11 | 주식회사 에이치에너지 | 예측제고 정산금 수익 극대화를 위한 저비용 태양광 예측 시스템 및 방법 |
KR102513348B1 (ko) | 2020-04-27 | 2023-03-23 | 주식회사 에이치에너지 | 예측제고 정산금 수익 극대화를 위한 저비용 태양광 예측 시스템 및 방법 |
JP2021175949A (ja) * | 2020-05-01 | 2021-11-04 | 東京瓦斯株式会社 | 日射量予測方法、日射量予測プログラム、電力供給システム、電力・熱供給システム |
JP7413140B2 (ja) | 2020-05-01 | 2024-01-15 | 東京瓦斯株式会社 | 日射量予測方法、日射量予測プログラム、電力供給システム、電力・熱供給システム |
JP2023056772A (ja) * | 2021-10-08 | 2023-04-20 | 株式会社Looop | 発電量計算モデルを生成する装置、方法、及びプログラム |
JP7026279B1 (ja) | 2021-10-08 | 2022-02-25 | 株式会社Looop | 発電量計算モデルを生成する装置、方法、及びプログラム |
WO2023074928A1 (ko) * | 2021-10-27 | 2023-05-04 | 주식회사 비온시이노베이터 | 건물일체형 태양광열복합을 이용한 히트펌프 냉난방 시스템을 위한 스마트 그리드 모니터링방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6720544B2 (ja) | 2020-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6720544B2 (ja) | 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム | |
Schopfer et al. | Economic assessment of photovoltaic battery systems based on household load profiles | |
Sharma et al. | Performance analysis of a 190 kWp grid interactive solar photovoltaic power plant in India | |
Lange et al. | New developments in wind energy forecasting | |
US20110040550A1 (en) | Energy resource allocation including renewable energy sources | |
Khatib et al. | A software tool for optimal sizing of PV systems in Malaysia | |
JP2013258853A (ja) | 太陽光発電における発電量予測方法及び装置 | |
Lindberg et al. | Review on power-production modeling of hybrid wind and PV power parks | |
JP5466596B2 (ja) | 太陽光発電設備の発電出力推定方法 | |
Iyengar et al. | A cloud-based black-box solar predictor for smart homes | |
Jacobson | On the correlation between building heat demand and wind energy supply and how it helps to avoid blackouts | |
KR20200040448A (ko) | 태양광 에너지 발전량 예측 시뮬레이션 장치 및 방법 | |
Kichou et al. | Energy performance enhancement of a research centre based on solar potential analysis and energy management | |
Ramahatana et al. | Economic optimization of micro-grid operations by dynamic programming with real energy forecast | |
JP4810222B2 (ja) | 太陽光発電量予測装置 | |
CN105762843A (zh) | 非储能型可调度光伏电站的功率输出分配方法 | |
van Vuuren et al. | A proposed simulation-based theoretical preconstruction process: The case of solar photovoltaic technology in South African shopping centres | |
JP6226367B2 (ja) | エネルギー利用支援システムとその支援方法及び支援プログラム | |
Spertino et al. | A smart battery management system for photovoltaic plants in households based on raw production forecast | |
Janković et al. | Improving energy usage in energy harvesting wireless sensor nodes using weather forecast | |
Van Haaren | Utility scale photovoltaic plant variability studies and energy storage optimization for ramp rate control | |
Kolev et al. | Short-term power output forecasting of the photovoltaics in Bulgaria | |
Bosman | A decision support system to analyze, predict, and evaluate solar energy system performance: PVSysCO (Photovoltaic System Comparison) | |
Liyanage et al. | Performance evaluation and cost-benefit analysis of a large solar PV installation at a mine site in Western Australia | |
JP2011215672A (ja) | 情報処理装置、発電出力推定方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20160120 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181203 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190416 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191023 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191029 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200410 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200519 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200601 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6720544 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |