JP5734936B2 - 発電量予測装置およびその方法 - Google Patents
発電量予測装置およびその方法 Download PDFInfo
- Publication number
- JP5734936B2 JP5734936B2 JP2012208427A JP2012208427A JP5734936B2 JP 5734936 B2 JP5734936 B2 JP 5734936B2 JP 2012208427 A JP2012208427 A JP 2012208427A JP 2012208427 A JP2012208427 A JP 2012208427A JP 5734936 B2 JP5734936 B2 JP 5734936B2
- Authority
- JP
- Japan
- Prior art keywords
- power generation
- weather
- coefficient
- weather condition
- value
- 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.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims description 165
- 238000000034 method Methods 0.000 title claims description 33
- 238000012937 correction Methods 0.000 claims description 57
- 238000013500 data storage Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims 1
- 230000007774 longterm Effects 0.000 description 20
- 238000009826 distribution Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- UWNXGZKSIKQKAH-UHFFFAOYSA-N Cc1cc(CNC(CO)C(O)=O)c(OCc2cccc(c2)C#N)cc1OCc1cccc(c1C)-c1ccc2OCCOc2c1 Chemical compound Cc1cc(CNC(CO)C(O)=O)c(OCc2cccc(c2)C#N)cc1OCc1cccc(c1C)-c1ccc2OCCOc2c1 UWNXGZKSIKQKAH-UHFFFAOYSA-N 0.000 description 1
- 241000321453 Paranthias colonus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000010187 selection method Methods 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photovoltaic Devices (AREA)
Description
predict(θo, Er | T〜Te) (1)
によって時間範囲T〜Teの発電量予測を行うことができる。
predict(θi, Er | T〜Te) (2)
によって発電実績データを反映させた発電量予測を行うことができる。
C’(t) = (C(t) - C0)/C1, S’(t) = (S(t) - S0)/S1 (4)
I*(t) = Im * S’(t) / (1 + Ccoef_I * (C’(t) - 25)) (5)
V*(t) = Vm / (1 + Ccoef_V * (C’(t) -25)) (6)
図2における発電予測部311では、そのような予測結果を用いて長期的発電予測を行う。図12は、あるPVサイトについての発電量予測結果の例1401を示す。この例では6年間の発電量の予測を行っている。
predict(θi, Ei | T〜Te) (7)
という予測を行っていることに相当する。すなわち、時刻Tから時刻Teまで、PVサイトiのシステムパラメータθiと、PVサイトiの気象モデルEiに基づき、PVサイトiの発電量を予測する。サイトi固有のモデルを用いることにより、上述した式(1)および式(2)と比較して、高精度の予測が可能になる。ただし、式(2)を用いた予測も、式(1)に比べて高精度の予測が可能であり、本実施形態の予測に含まれる。
C1) C^(t) = (C(t) - C0)/C1
C2) S^(t) = (S(t) - S0)/S1
によって、気温の推定値C^(t)と、日照の推定値S^(t)を推定することが可能である。
D1) パラメータ(Iph, I0, Rs, α)を用いてIVカーブ(上述した式(3))を算出する。
D2) IVカーブの最大電力点(Im, Vm)を求める。
D3) C^(t) = (Vm/V(t) - 1)/Ccoef_V + 25
D4) S^(t) = (I(t)/Im)*(1 + Ccoef_I * (C^(t) - 25))
によって、気温の推定値C^(t)と、日照の推定値S^(t)を推定することが可能である。
まず太陽位置日照補正係数の学習では、例えば、空間補正後の気象状況値を真の値と見なし、当該空間補正後の気象状況値と、空間補正前の推定値(式C1,C2、式D1〜D4等によりローカルに推定された気象状況値)との差が最小になるようにパラメータを決定することができる。たとえば、時刻tの太陽位置がφ(t)、日照推定値S^(t) = 2.0, 補正後の推定値S*(t)=12.6の場合、
M(φ(t)) = 2/12.6 ≒ 0.16 (8)
などとパラメータを決定する。実際にはより多くのデータ(たとえば各年月日の同一時刻のデータ)が得られるので、(8)式により得られる値の平均処理によって値を決定すればよい。また、データ数が少ない場合などには、ベイズ推定などをもちいてもよい。
次に、PVシステム係数θの学習では、気象センサ補正係数(式(4)で用いるS0, S1, C0, C1)と、IVカーブパラメータの決定を行う。
最後に、エリア気象環境係数の学習では、時刻tの気象データを複数年度分集めたものから確率分布を推定することで、パラメータを求めることが可能である。その際に、データのばらつきについては、参照気象サイトの豊富なデータから推定するとよい。
Claims (12)
- 参照気象サイトで収集された気象状況値を含む参照気象データを格納する参照気象データ格納部と、
前記参照気象サイトと異なる複数のサイトに設置された太陽光発電(PV:Photovoltaic)システムで発電した電力の電流値と電圧値を含む、前記PVシステム毎の発電実績データを格納する発電実績データ格納部と、
前記PVシステムのそれぞれについて、気象状況値から発電量を予測するための係数であるシステム係数を格納するPVシステム係数格納部と、
前記PVシステムのそれぞれについて、前記システム係数と前記発電実績データから前記サイトにおける気象状況を推定することにより、推定気象状況値を得る気象状況推定部と、
各前記PVシステムの設置位置に応じて前記推定気象状況値を補正処理することにより補正気象状況値を得る気象状況空間補正部と、
前記PVシステム毎に、前記補正気象状況値と前記発電実績データに基づいて、前記システム係数を更新するパラメータ学習部と、
前記PVシステム毎に、前記参照気象データと前記システム係数に基づき、発電量予測を行う発電予測部と、
を備えた発電量予測装置。 - 前記参照気象サイトと、前記複数のサイトを包含する対象サイトとの気象状況の差を表すエリア気象環境係数を格納するエリア気象環境係数格納部とをさらに備え、
前記パラメータ学習部は、前記推定気象状況値と、前記参照気象データの気象状況値との差分に基づき前記エリア気象環境係数を更新し、
前記発電予測部は、前記エリア気象環境係数をさらに用いて、前記発電量予測を行う
請求項1に記載の発電量予測装置。 - 前記発電予測部は、前記参照気象データと前記エリア気象環境係数に基づき前記対象サイトの気象状況値をサンプリングし、サンプリングした気象状況値と、前記システム係数に基づき、前記発電量予測を行う
請求項2に記載の発電量予測装置。 - 前記PVシステム毎に、日時に関連づけられた日照補正係数を格納する補正係数格納部を備え、
前記気象状況値は、日照値を含み、
前記パラメータ学習部は、前記PVシステム毎に、前記補正気象状況値を前記日照補正係数で補正した値と、前記推定気象状況値との差分を最小にするように、前記日照補正係数
を更新し、
前記発電予測部は、前記日照補正係数をさらに用いて前記発電量予測を行う
請求項1ないし3のいずれか一項に記載の発電量予測装置。 - 前記発電予測部は、前記参照気象データに基づき気象状況値をサンプリングし、サンプリングした気象状況値を前記日照補正係数に応じて補正し、補正した気象状況値と、前記システム係数に基づき、前記発電量予測を行う
請求項4に記載の発電量予測装置。 - 前記日時から太陽の位置を計算する太陽位置算出部をさらに備え、
前記日照補正係数は、太陽の位置に関連づけられている
請求項4または5に記載の発電量予測装置。 - 前記発電実績データ格納部内の発電実績データの中から前記日照補正係数の値に応じた重みに基づき発電実績データを選択する発電実績データ選択部をさらに備え、
前記パラメータ学習部は、前記発電実績データ選択部により選択された発電実績データを用いて前記システム係数を更新する
請求項4ないし6のいずれか一項に記載の発電量予測装置。 - 前記パラメータ学習部は、前記推定気象状況値を前記補正気象状況値で除算することにより前記日照補正係数を更新する
請求項4ないし7のいずれか一項に記載の発電量予測装置。 - 前記気象状況値は、日照値と気温とを含む
請求項1ないし8のいずれか一項に記載の発電量予測装置。 - 前記気象状況空間補正部は、単純平均、空間移動平均、空間メジアンまたはマルコフ確率場に基づき前記補正処理を行う
請求項1ないし9のいずれか一項に記載の発電量予測装置。 - 参照気象サイトで収集された気象状況値を含む参照気象データを格納する参照気象データ格納部からデータを読み出すステップと、
前記参照気象サイトと異なる複数のサイトに設置された太陽光発電(PV:Photovoltaic)システムで発電した電力の電流値と電圧値を含む、前記PVシステム毎の発電実績データを格納する発電実績データ格納部からデータを読み出すステップと、
前記PVシステムのそれぞれについて、気象状況値から発電量を予測するための係数であるシステム係数を格納するPVシステム係数格納部からデータを読み出すステップと、
前記PVシステムのそれぞれについて、前記システム係数と前記発電実績データから前記サイトにおける気象状況を推定することにより、推定気象状況値を得る気象状況推定ステップと、
前記PVシステム毎の前記推定気象状況値を、各前記PVシステムの設置位置に応じて補正処理することにより補正気象状況値を得る気象状況空間補正ステップと、
前記PVシステム毎に、前記補正気象状況値と前記発電実績データに基づいて、前記システム係数を更新するパラメータ学習ステップと、
前記PVシステム毎に、前記参照気象データと前記システム係数に基づき、発電量予測を行う発電予測ステップ
をコンピュータが実行する発電量予測方法。 - 参照気象サイトで収集された気象状況値を含む参照気象データを格納する参照気象データ格納部と、
前記参照気象サイトと異なる複数のサイトに設置された太陽光発電(PV:Photovoltaic)システムで発電した電力の電流値と電圧値を含む、前記PVシステム毎の発電実績データを格納する発電実績データ格納部と、
前記PVシステムのそれぞれについて、気象状況値から発電量を予測するための係数であるシステム係数を格納するPVシステム係数格納部と、
前記PVシステムのそれぞれについて、前記システム係数と前記発電実績データから前記サイトにおける気象状況を推定することにより、推定気象状況値を得る気象状況推定部と、を備えた、
発電量予測に用いられる情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012208427A JP5734936B2 (ja) | 2012-09-21 | 2012-09-21 | 発電量予測装置およびその方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012208427A JP5734936B2 (ja) | 2012-09-21 | 2012-09-21 | 発電量予測装置およびその方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014063372A JP2014063372A (ja) | 2014-04-10 |
JP5734936B2 true JP5734936B2 (ja) | 2015-06-17 |
Family
ID=50618543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012208427A Active JP5734936B2 (ja) | 2012-09-21 | 2012-09-21 | 発電量予測装置およびその方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5734936B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6240005B2 (ja) * | 2014-03-17 | 2017-11-29 | 大阪瓦斯株式会社 | 圧縮機稼働計画策定システム |
JP6543028B2 (ja) * | 2014-11-05 | 2019-07-10 | 東芝エネルギーシステムズ株式会社 | 異常診断装置及び異常診断方法 |
CN105184404B (zh) * | 2015-08-31 | 2018-12-18 | 中国科学院广州能源研究所 | 适用于光伏***全生命周期的输出功率分类预测*** |
JP2018019555A (ja) * | 2016-07-29 | 2018-02-01 | 株式会社関電工 | 影の影響を考慮した太陽光発電出力推定方法 |
JP6893323B2 (ja) * | 2016-10-04 | 2021-06-23 | パナソニックIpマネジメント株式会社 | 発電設備情報推定システムおよび発電設備情報推定方法 |
KR102092860B1 (ko) * | 2019-01-22 | 2020-03-24 | 인천대학교 산학협력단 | 미래의 기상 예보 데이터를 이용하지 않는 기계학습 기반의 태양광 발전량 예측 장치 및 방법 |
JP7376270B2 (ja) * | 2019-07-29 | 2023-11-08 | 大和ハウス工業株式会社 | 太陽光発電量予測システム |
JP7269895B2 (ja) * | 2020-01-28 | 2023-05-09 | 株式会社日立製作所 | 施策立案装置および施策立案方法 |
CN113379143A (zh) * | 2021-06-23 | 2021-09-10 | 阳光电源股份有限公司 | 一种典型气象年的构建方法、发电量预测方法及相关装置 |
CN113487093B (zh) * | 2021-07-09 | 2024-06-14 | 国网浙江省电力有限公司电力科学研究院 | 基于邻域前向时序最优组合的超短期光伏功率预测方法 |
CN116070728B (zh) * | 2022-10-25 | 2024-05-07 | 国网河北省电力有限公司营销服务中心 | 光伏发电***发电量预测方法、设备、***及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3984604B2 (ja) * | 2004-07-12 | 2007-10-03 | 日本電信電話株式会社 | 太陽光発電システムの発電量予測方法、装置、およびプログラム |
JP2013186756A (ja) * | 2012-03-08 | 2013-09-19 | Sharp Corp | 発電効率保証値算出装置及び発電効率保証値算出方法並びに発電効率保証値算出装置を備えた発電システム |
JP5308560B1 (ja) * | 2012-06-13 | 2013-10-09 | 株式会社電力システムズ・インスティテュート | 太陽光発電における発電量予測方法及び装置 |
JP2014033545A (ja) * | 2012-08-03 | 2014-02-20 | Sharp Corp | 発電効率保証装置及び発電効率保証方法並びに発電効率保証装置を備えた発電システム |
-
2012
- 2012-09-21 JP JP2012208427A patent/JP5734936B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014063372A (ja) | 2014-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5734936B2 (ja) | 発電量予測装置およびその方法 | |
JP5940922B2 (ja) | 自然エネルギー量予測装置 | |
US10345770B2 (en) | Power demand estimating apparatus, method, program, and demand suppressing schedule planning apparatus | |
US8396694B2 (en) | Method of forecasting the electrical production of a photovoltaic device | |
Carneiro et al. | Review on photovoltaic power and solar resource forecasting: current status and trends | |
JP3984604B2 (ja) | 太陽光発電システムの発電量予測方法、装置、およびプログラム | |
CN113128793A (zh) | 一种基于多源数据融合的光伏功率组合预测方法及*** | |
CN113378459B (zh) | 基于卫星和物联网信息的光伏电站超短期功率预测方法 | |
Haghdadi et al. | A method to estimate the location and orientation of distributed photovoltaic systems from their generation output data | |
US8315961B2 (en) | Method for predicting future environmental conditions | |
KR101898629B1 (ko) | H-Infinity 필터를 이용한 기상 예측값 보정 방법 및 이를 이용한 기상 예측값 보정 장치 | |
TWI745907B (zh) | 發電量預測裝置、發電量預測方法、及程式 | |
Killinger et al. | Projection of power generation between differently-oriented PV systems | |
JP2018019555A (ja) | 影の影響を考慮した太陽光発電出力推定方法 | |
Edmund et al. | Enhancement and validation of building integrated PV system: 3D modelling, techno-economics and environmental assessment | |
CN114239991A (zh) | 一种基于数据驱动的楼宇供热负荷预测方法、装置与设备 | |
Killinger et al. | A tuning routine to correct systematic influences in reference PV systems’ power outputs | |
Korab et al. | A dynamic thermal model for a photovoltaic module under varying atmospheric conditions | |
Gao et al. | Adversarial discriminative domain adaptation for solar radiation prediction: A cross-regional study for zero-label transfer learning in Japan | |
JP7410897B2 (ja) | 発電量管理システム及び発電量管理方法 | |
JP2018007370A (ja) | 太陽光発電出力推定装置及び太陽光発電出力推定方法 | |
González-Cagigal et al. | Estimation of equivalent model of photovoltaic array using unscented Kalman filters | |
KR20230103984A (ko) | 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법 | |
KR20180023078A (ko) | 기상정보를 이용한 태양광 발전량 예측방법 | |
Gerards et al. | Pv predictions made easy: Flexibility through simplicity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140828 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141016 |
|
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: 20150317 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150415 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5734936 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |