JP6793508B2 - Insolation amount estimation device and solar radiation amount estimation method - Google Patents

Insolation amount estimation device and solar radiation amount estimation method Download PDF

Info

Publication number
JP6793508B2
JP6793508B2 JP2016182874A JP2016182874A JP6793508B2 JP 6793508 B2 JP6793508 B2 JP 6793508B2 JP 2016182874 A JP2016182874 A JP 2016182874A JP 2016182874 A JP2016182874 A JP 2016182874A JP 6793508 B2 JP6793508 B2 JP 6793508B2
Authority
JP
Japan
Prior art keywords
cloud
solar radiation
amount
image data
luminance temperature
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
Application number
JP2016182874A
Other languages
Japanese (ja)
Other versions
JP2017090442A (en
Inventor
功樹 斉藤
功樹 斉藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nihon Unisys Ltd
Original Assignee
Nihon Unisys Ltd
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 Nihon Unisys Ltd filed Critical Nihon Unisys Ltd
Publication of JP2017090442A publication Critical patent/JP2017090442A/en
Application granted granted Critical
Publication of JP6793508B2 publication Critical patent/JP6793508B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Description

本発明は、日射量推定装置、及び日射量推定方法に関し、特に、気象を観測する装置から得られる情報に基づいて日射量を推定する日射量推定装置に関する。 The present invention relates to an insolation amount estimation device and a solar radiation amount estimation method, and more particularly to a solar radiation amount estimation device that estimates the solar radiation amount based on information obtained from a device for observing weather.

近年、太陽光発電の発電量の予測（推定）など、日射量（日照量）を利用して算出することが提案されている。例えば、非特許文献１では、太陽光発電出力予測（推定）をするために、気象衛星（運輸多目的衛星ひまわり：ＭＴＳＡＴ−２）から取得する衛星画像データの赤外画像データ（ＩＲ１、ＩＲ２）を利用して図８に示す雲種類判定表を用いて雲の種類を判定することで、日射量を推定するモデルを開示している。 In recent years, it has been proposed to calculate by using the amount of solar radiation (the amount of sunshine) such as the prediction (estimation) of the amount of power generated by photovoltaic power generation. For example, in Non-Patent Document 1, infrared image data (IR1, IR2) of satellite image data acquired from a meteorological satellite (Transport Multi-purpose Satellite Himawari: MTSAT-2) are used to predict (estimate) the output of photovoltaic power generation. A model for estimating the amount of solar radiation is disclosed by determining the type of cloud using the cloud type determination table shown in FIG.

図８に示す雲種類は、積雲１と、積乱雲２と、Ｎ型雲３と、厚い巻雲４、薄い巻雲５、巻雲６の６種類である。縦軸は赤外画像データＩＲ１の輝度温度（雲頂高度の指標）であり、横軸は赤外画像データ（ＩＲ１、ＩＲ２）の輝度温度差（光学的厚さの指標）である。なお、Ｎ型雲は、下層雲の周辺や非常に小さい積乱雲などが１画素中に混在している場合、薄い巻雲の下に黒体の下層雲などが存在する場合に対応する。輝度温度とは、雲頂高度の指標であり、輝度温度が低い場合、雲頂高度が高く、輝度温度が高い場合、雲頂高度が低くなる。すなわち、雲の高さが分かる。輝度温度差とは、光学的厚さの指標であり、雲が無い場合、輝度温度は地表面温度に対応する。また、黒体放射に近い光学的に厚い雲は、輝度温度差が小さくなり、巻雲のような氷で構成される雲は、輝度温度差が大きくなる。すなわち、雲の厚さが分かる。 The cloud types shown in FIG. 8 are six types: cumulus cloud 1, cumulonimbus cloud 2, N-type cloud 3, thick cirrus cloud 4, thin cirrus cloud 5, and cirrus cloud 6. The vertical axis represents the luminance temperature (index of cloud apex altitude) of the infrared image data IR1, and the horizontal axis represents the luminance temperature difference (index of optical thickness) of the infrared image data (IR1, IR2). The N-type cloud corresponds to the case where the periphery of the lower cloud, very small cumulonimbus clouds, etc. are mixed in one pixel, and the case where the black body lower cloud or the like exists under the thin cirrus cloud. The luminance temperature is an index of the cloud top altitude. When the luminance temperature is low, the cloud top altitude is high, and when the luminance temperature is high, the cloud top altitude is low. That is, the height of the clouds can be known. The luminance temperature difference is an index of optical thickness, and in the absence of clouds, the luminance temperature corresponds to the ground surface temperature. Further, an optically thick cloud close to blackbody radiation has a small luminance temperature difference, and a cloud composed of ice such as a cirrus cloud has a large luminance temperature difference. That is, the thickness of the cloud can be known.

日射量推定には、下記の式に示すように、衛星画像データを用いた地上での全天日射量Ｓ（Ｗ／ｍ２）の推定式をＤｅｄｉｅｕｓ ｅｌ ａｌ，が提案した推定式を参考に設定する。ここで、αは、快晴時の大気の補正係数、βは、雲の種類を考慮するための補正係数であり、Ｓ０は、大気上端の水平な単位面積に入射する水平面日射量であり、Ａは、雲アルベドであり、Ａｓは、地表面アルベドである。なお、アルベドとは、天体の外部からの入射光に対する反射光の比である。赤外画像データ（ＩＲ１、ＩＲ２）から、輝度温度情報を取得して、取得した輝度温度から図８に示す雲判定表で判定した雲の種類に基づいてβを算出する。

Figure 0006793508
For the estimation of the amount of solar radiation, as shown in the following formula, the estimation formula of the total amount of solar radiation S (W / m 2 ) on the ground using satellite image data was referred to the estimation formula proposed by Dedieus el al. Set. Here, α is the correction coefficient of the atmosphere in fine weather, β is the correction coefficient for considering the type of clouds, and S 0 is the amount of horizontal solar radiation incident on the horizontal unit area at the upper end of the atmosphere. A is a cloud albedo and As is a surface albedo. The albedo is the ratio of the reflected light to the incident light from the outside of the celestial body. Luminance temperature information is acquired from the infrared image data (IR1, IR2), and β is calculated from the acquired luminance temperature based on the type of cloud determined by the cloud determination table shown in FIG.
Figure 0006793508

「太陽光発電出力予測のための衛星画像データを用いた日射量推定・予測モデルの開発」、電力中央研究所 研究報告（Ｎ１３００３）、２０１３年"Development of solar radiation estimation / prediction model using satellite image data for photovoltaic output prediction", Research Report of Central Electric Power Research Institute (N13003), 2013

しかしながら、非特許文献１において、図８に示す雲種類では、快晴・曇天の気象状況は判別し得るものの、日射量推定についての精度が安定せず、また特に、積雲１やＮ型雲３においてβ値の不確かさが大きく日射量の推定の過大傾向がみられる。また、上下に隣り合った雲種において補正係数の差が大きく、これにより日射量推定の結果に影響を及ぼしている恐れがある。また、雲の種類を６種類のみに分類するのは現実的ではなく、実際の雲を考慮すると、より多くの雲の種類に分類する必要がある。そのためには、より詳細な雲の種類を判定し、その雲に応じたβ値がさらに必要となる。従って、輝度温度や輝度温度差からは、雲の高さや厚さが分かるが、雲の高さや厚さだけでは精度よく雲の種類を特定することが難しく、例えば、雲の密度などの他の要素を考慮して雲を分類する必要がある。 However, in Non-Patent Document 1, although the weather conditions of fine weather and cloudy weather can be discriminated by the cloud type shown in FIG. 8, the accuracy of solar radiation estimation is not stable, and especially in cumulus cloud 1 and N-type cloud 3. The uncertainty of the β value is large, and there is a tendency for the estimation of the amount of solar radiation to be excessive. In addition, there is a large difference in the correction coefficient between the cloud types that are adjacent to each other, which may affect the result of solar radiation estimation. Moreover, it is not realistic to classify the types of clouds into only six types, and considering the actual clouds, it is necessary to classify them into more types of clouds. For that purpose, a more detailed type of cloud is determined, and a β value corresponding to the cloud is further required. Therefore, although the height and thickness of the cloud can be known from the brightness temperature and the difference in brightness temperature, it is difficult to accurately identify the type of cloud only by the height and thickness of the cloud, for example, other cloud densities. It is necessary to classify clouds in consideration of factors.

本発明は、上記課題を鑑みて、精度よく日射量を推定することができる日射量推定装置を提供することを目的とする。 In view of the above problems, an object of the present invention is to provide an insolation amount estimation device capable of accurately estimating the amount of solar radiation.

上記課題を解決するために、本発明の日射量推定装置は、気象衛星からデータを受信する受信手段と、前記受信手段で受信した赤外画像データから輝度温度を取得し、前記受信手段で受信した可視画像データから反射率を取得する取得手段と、前記取得した輝度温度と、前記反射率から雲種類を判定する雲判定手段と、前記雲判定手段で判定した雲の種類に基づいて日射量を推定する推定手段と、を備えることを特徴とする。 In order to solve the above problems, the solar radiation amount estimation device of the present invention acquires the luminance temperature from the receiving means for receiving data from the meteorological satellite and the infrared image data received by the receiving means, and receives the luminance temperature with the receiving means. The amount of solar radiation based on the acquisition means for acquiring the reflectance from the visible image data , the acquired luminance temperature, the cloud determination means for determining the cloud type from the reflectance, and the cloud type determined by the cloud determination means. It is characterized by comprising an estimation means for estimating.

本発明によれば、衛星画像データを用いて精度よく日射量を推定することができる日射量推定装置を提供することができる。雲の密度を考慮して衛星画像データの反射率を利用した雲の種類を判定することで、より多くの雲に対応するβ値を算出することができ、より精度よく日射量の推定ができる。 According to the present invention, it is possible to provide an insolation amount estimation device capable of accurately estimating the amount of solar radiation using satellite image data. By determining the type of cloud using the reflectance of satellite image data in consideration of the cloud density, the β value corresponding to more clouds can be calculated, and the amount of solar radiation can be estimated more accurately. ..

日射量推定システムの全体構成を示す概略図である。It is a schematic diagram which shows the whole structure of the solar radiation amount estimation system. 本発明の一実施形態に係る雲種類判定表を示す図である。It is a figure which shows the cloud type determination table which concerns on one Embodiment of this invention. 日射量推定処理を示すフローチャートである。It is a flowchart which shows the solar radiation amount estimation process. 日射量の推定値と、実際の日射量との差を示す図である。It is a figure which shows the difference between the estimated value of the amount of solar radiation and the actual amount of solar radiation. 実際の日射量と日射量の推定値の誤差を示す図である。It is a figure which shows the error between the actual amount of solar radiation and the estimated value of the amount of solar radiation. 第２実施形態に係る日射量の推定値と、実際の日射量との差を示す図である。It is a figure which shows the difference between the estimated value of the solar radiation amount which concerns on 2nd Embodiment, and the actual solar radiation amount. 第２実施形態に係る実際の日射量と日射量の推定値の誤差を示す図である。It is a figure which shows the error of the actual solar radiation amount and the estimated value of the solar radiation amount which concerns on 2nd Embodiment. 従来技術の雲種類判定表を示す図である。It is a figure which shows the cloud type determination table of the prior art.

（第１実施形態）
まず、図１を参照して、本実施形態に係る日射量推定装置を含むシステムの構成について説明する。本実施形態に係る日射量推定システムは、観測装置１０と、観測サーバ２０と、日射量推定装置３０を備える。観測装置１０は、気象衛星（例えば、運輸多目的衛星ひまわり：ＭＴＳＡＴ−２など）や気象レーダー、天空カメラなどの気象を観測するための装置である。また、観測装置１０は、上空から気象を観測することができる装置であってもよく、または地上から気象を観測することができる装置であってもよい。観測サーバ２０は、観測装置１０と通信を行い、観測装置１０のデータを受信する。日射量推定装置３０は、観測サーバ２０と通信を行い、観測装置１０で得られるデータに基づいて日射量の予測（推定）を行う。 (First Embodiment)
First, with reference to FIG. 1, the configuration of the system including the solar radiation amount estimation device according to the present embodiment will be described. The solar radiation amount estimation system according to the present embodiment includes an observation device 10, an observation server 20, and a solar radiation amount estimation device 30. The observation device 10 is a device for observing the weather such as a meteorological satellite (for example, a multi-purpose transport satellite Himawari: MTSAT-2), a weather radar, and a sky camera. Further, the observation device 10 may be a device capable of observing the weather from the sky, or may be a device capable of observing the weather from the ground. The observation server 20 communicates with the observation device 10 and receives the data of the observation device 10. The solar radiation amount estimation device 30 communicates with the observation server 20 and predicts (estimates) the solar radiation amount based on the data obtained by the observation device 10.

観測サーバ２０は、観測装置１０や日射量推定装置３０などの外部装置（不図示）との通信を行う通信部２１と、観測サーバ２０のサーバ全体の制御を行う制御部２２と、観測装置１０から取得するデータを保存するデータベース２３を備える。また、観測サーバ２０の各構成要素は、システムバス２４により相互に通信可能に接続される。 The observation server 20 includes a communication unit 21 that communicates with an external device (not shown) such as the observation device 10 and the solar radiation amount estimation device 30, a control unit 22 that controls the entire server of the observation server 20, and the observation device 10. A database 23 for storing data acquired from is provided. Further, each component of the observation server 20 is connected to each other so as to be able to communicate with each other by the system bus 24.

日射量推定装置３０は、通信部３１と、制御部３２と、雲判定部３３と、日射量算出部３４を備える。通信部３１は、観測サーバ２０などの外部装置（不図示）との通信を行い、制御部３２は、日射量推定装置３０の装置全体の制御を行う。雲判定部３３は、後述の図２に示す雲種類判定表を有し、観測サーバ２０から取得した衛星画像データに基づいて雲判定を行う。日射量算出部３４は、雲判定部３３で判定した雲種類と、観測サーバ２０から取得したデータ（反射率）に基づいて日射量を算出する。日射量推定装置３０の各構成要素は、システムバス３５により相互に通信可能に接続される。 The solar radiation amount estimation device 30 includes a communication unit 31, a control unit 32, a cloud determination unit 33, and a solar radiation amount calculation unit 34. The communication unit 31 communicates with an external device (not shown) such as the observation server 20, and the control unit 32 controls the entire device of the solar radiation amount estimation device 30. The cloud determination unit 33 has a cloud type determination table shown in FIG. 2 described later, and performs cloud determination based on satellite image data acquired from the observation server 20. The solar radiation amount calculation unit 34 calculates the solar radiation amount based on the cloud type determined by the cloud determination unit 33 and the data (reflectance) acquired from the observation server 20. Each component of the solar radiation amount estimation device 30 is communicably connected to each other by the system bus 35.

次に、図２を参照して、雲種類判定表による雲種類判定の方法について説明する。本実施形態に係る雲種類判定については、図８に示す従来の雲種類に加えて、反射率を加味した雲種類に基づいて雲種類を判定する。すなわち、反射率を加えることで、雲種類を従来の６種から１２種とし、βの値も１２種となる。判定する雲種類が増えることで、補正係数βの値が増え、より多くの雲種類に応じた補正が可能となる。従って、より精度良く日射量を推定することができる。ここで、輝度温度では、雲の位置が分かる。すなわち、雲が高い位置にあれば値が大きく、低い位置にあれば値が小さくなる。輝度温度差では、雲の厚さが分かる。すなわち、雲が薄いと値が大きくなり、雲が厚いと値が小さくなる。 Next, a method of determining the cloud type using the cloud type determination table will be described with reference to FIG. Regarding the cloud type determination according to the present embodiment, in addition to the conventional cloud type shown in FIG. 8, the cloud type is determined based on the cloud type in which the reflectance is added. That is, by adding the reflectance, the number of cloud types is changed from the conventional 6 types to 12 types, and the β value is also 12 types. As the number of cloud types to be determined increases, the value of the correction coefficient β increases, and correction according to more cloud types becomes possible. Therefore, the amount of solar radiation can be estimated more accurately. Here, the position of the cloud can be known from the luminance temperature. That is, if the cloud is at a high position, the value is large, and if the cloud is at a low position, the value is small. The brightness temperature difference shows the thickness of the cloud. That is, the value increases when the cloud is thin, and the value decreases when the cloud is thick.

また、反射率（アルベド）は、太陽から降り注いだ光を地球がどれだけ反射するかという割合を指す値である。なお、反射率については、一般的には、土地分類など、地表面の状態を知るために用いられるが、本実施形態では、反射率については、地表面の状態ではなく、雲の密度を求めるために用いる。すなわち、雲の密度が高いと、反射率の値が高く、雲の密度が低いと反射率の値が小さくなる。従って、本実施形態では、従来の輝度温度のみを利用した雲の位置と厚さを組み合わせた分類に加え、雲の密度を考慮した雲種類を判定することにより、より精度高く雲種類を判定することが可能となり、様々な雲種類に応じた補正係数βにより、より精度の高い日射量を推定することが可能となる。 In addition, the reflectance (albedo) is a value that indicates the ratio of how much the earth reflects the light that falls from the sun. The reflectance is generally used to know the state of the ground surface such as land classification, but in the present embodiment, the reflectance is not the state of the ground surface but the density of clouds. Used for. That is, when the cloud density is high, the reflectance value is high, and when the cloud density is low, the reflectance value is low. Therefore, in the present embodiment, in addition to the conventional classification that combines the position and thickness of clouds using only the luminance temperature, the cloud type is determined with higher accuracy by determining the cloud type in consideration of the cloud density. This makes it possible to estimate the amount of solar radiation with higher accuracy by using the correction coefficient β according to various cloud types.

本実施形態に係る雲種類は、積雲１−１、１−２と、積乱雲２−１、２−２と、Ｎ型雲３−１、３−２と、厚い巻雲４−１、４−２と、薄い巻雲５−１、５−２と、巻雲６−１、６−２の１２種類である。また、本実施形態では、縦軸と横軸は、図８に示す雲判定表と同じく赤外画像データ（ＩＲ１、ＩＲ２）に基づいて、同様の閾値としている。なお、本実施形態では、反射率は、衛星画像データのうち、可視画像データ（ＶＩＳ）から取得する反射率情報から、反射率ｔを閾値としている。このｔの値は、好ましくは、２０％〜６０％の間に設定する。なお、このｔの値は、既知の算出方法から算出してよく、例えば、統計的な算出や、特定の式から算出してもよい。図に示す閾値については、本実施形態に限定することなく、例えば、他の閾値を設定してもよい。 The cloud types according to this embodiment are cumulus clouds 1-1 and 1-2, cumulonimbus clouds 2-1 and 2-2, N-type clouds 3-1 and 3-2, and thick cirrus clouds 4-1 and 4-2. There are 12 types of thin cirrus clouds 5-1 and 5-2 and cirrus clouds 6-1 and 6-2. Further, in the present embodiment, the vertical axis and the horizontal axis have the same threshold values based on the infrared image data (IR1, IR2) as in the cloud determination table shown in FIG. In the present embodiment, the reflectance is set to the reflectance t as a threshold value from the reflectance information acquired from the visible image data (VIS) among the satellite image data. The value of t is preferably set between 20% and 60%. The value of t may be calculated from a known calculation method, and may be calculated from a statistical calculation or a specific formula, for example. The threshold value shown in the figure is not limited to this embodiment, and for example, another threshold value may be set.

また、本実施形態では、１２種類に雲種類を分類しているが、これに限定することなく、反射率の区切り（閾値）を２ヵ所以上とすることで、例えば、１８種類や２４種類の雲種類としてもよい。なお、ＩＲ１、ＩＲ２、ＶＩＳについては、運輸多目的衛星ひまわり（ＭＴＳＡＴ−２）のチャンネルを示す。 Further, in the present embodiment, the cloud types are classified into 12 types, but the cloud types are not limited to these, and by setting the reflectance division (threshold value) to two or more places, for example, 18 types or 24 types can be used. It may be a cloud type. For IR1, IR2, and VIS, the channels of the multi-purpose transport satellite Himawari (MTSAT-2) are shown.

次に、図３を参照して、本実施形態に係る日射量推定装置における日射量推定のフローについて説明する。まず、ステップＳ３０１で、制御部３２は、通信部３１を介して観測サーバ２０のデータベース２３から観測装置１０の衛星画像データを取得（受信）する。次に、ステップＳ３０２で、制御部３２は、ステップＳ３０１で取得した衛星画像データのうち、赤外画像データ（ＩＲ１、ＩＲ２）から輝度温度情報を取得する。 Next, with reference to FIG. 3, the flow of solar radiation estimation in the solar radiation estimation device according to the present embodiment will be described. First, in step S301, the control unit 32 acquires (receives) satellite image data of the observation device 10 from the database 23 of the observation server 20 via the communication unit 31. Next, in step S302, the control unit 32 acquires the luminance temperature information from the infrared image data (IR1, IR2) among the satellite image data acquired in step S301.

なお、輝度温度の算出としては、従来の手法を用いて算出してよい。例えば、ＭＴＳＡＴ−２において、赤外画像データの４個のチャンネル（赤外１（ＩＲ１）、赤外２（ＩＲ２）、赤外３＝水蒸気（ＩＲ３）、赤外４（ＩＲ４））では、各輝度レベルに対して輝度温度（等価黒体温度（Ｋ））が対応づけられる。まず、衛星内部の参照黒体と宇宙空間を測定したときの輝度レベル、およびそれらに対する放射エネルギーの関係を求める。そして、参照黒体の放射エネルギーは、その温度から計算し、宇宙空間は、放射エネルギーが０とみなす。次に、放射エネルギーと黒体温度との関係から輝度温度を算出する。 The brightness temperature may be calculated by using a conventional method. For example, in MTSAT-2, in each of the four channels of infrared image data (infrared 1 (IR1), infrared 2 (IR2), infrared 3 = water vapor (IR3), infrared 4 (IR4)). The luminance temperature (equivalent blackbody temperature (K)) is associated with the luminance level. First, the relationship between the reference blackbody inside the satellite, the brightness level when measuring outer space, and the radiant energy for them is obtained. Then, the radiant energy of the reference blackbody is calculated from the temperature, and outer space considers the radiant energy to be zero. Next, the luminance temperature is calculated from the relationship between the radiant energy and the blackbody temperature.

そして、ステップＳ３０３で、制御部３２は、ステップＳ３０１で取得した衛星画像データのうち、可視画像データ（ＶＩＳ）から反射率情報を取得する。なお、反射率の算出としては、従来の手法を用いて算出してよい。例えば、ＭＴＳＡＴ−２において、可視画像データ（ＶＩＳ）は、太陽光の反射量（率）と対応付けられる（０〜１．０の値）。可視画像データでは、衛星内の特殊な窓を通して観測した太陽光の輝度レベルと、宇宙空間を観測した時の輝度レベルから求める。なお、その窓は、太陽光を地表の反射率が５０％の物体からの反射量と同じにする効果がある。また、宇宙空間において、反射量を０とみなす。以上の情報から、輝度レベルと反射量の対応関係が決定され、反射率が算出される。 Then, in step S303, the control unit 32 acquires reflectance information from the visible image data (VIS) among the satellite image data acquired in step S301. The reflectance may be calculated by using a conventional method. For example, in MTSAT-2, visible image data (VIS) is associated with the amount of reflection (rate) of sunlight (values 0 to 1.0). The visible image data is obtained from the brightness level of sunlight observed through a special window in the satellite and the brightness level when observing outer space. The window has the effect of making sunlight the same as the amount of reflection from an object having a reflectance of 50% on the ground surface. Also, in outer space, the amount of reflection is regarded as 0. From the above information, the correspondence between the brightness level and the amount of reflection is determined, and the reflectance is calculated.

なお、制御部３２は、衛星画像データを受信する受信手段として機能し、また輝度温度や反射率を取得する取得手段としても機能する。次に、ステップＳ３０４で、雲判定部３３は、ステップＳ３０２で取得した輝度温度と、ステップＳ３０３で取得した反射率から雲判定を行う。具体的には、ステップＳ３０２で取得した２種類の赤外画像データ（ＩＲ１、ＩＲ２）から、第１の輝度温度（ＩＲ１）と第２の輝度温度（ＩＲ２）を取得する。次に、第１の輝度温度と第２の輝度温度の輝度温度差（ＩＲ１−ＩＲ２）を求める。そして、第１の輝度温度と、第１と第２の輝度温度の輝度温度差と、ステップＳ３０３で取得した反射率情報から得られる反射率とに基づいて、図２に示す雲種類判定表から雲種類を特定する。例えば、第１の輝度温度が２６０Ｋであり、輝度温度差が０．５Ｋであり、反射率がｔ未満である場合、雲種類は、積乱雲２−１と判定される。 The control unit 32 functions as a receiving means for receiving satellite image data, and also functions as an acquiring means for acquiring the luminance temperature and the reflectance. Next, in step S304, the cloud determination unit 33 performs cloud determination from the luminance temperature acquired in step S302 and the reflectance acquired in step S303. Specifically, the first luminance temperature (IR1) and the second luminance temperature (IR2) are acquired from the two types of infrared image data (IR1 and IR2) acquired in step S302. Next, the luminance temperature difference (IR1-IR2) between the first luminance temperature and the second luminance temperature is obtained. Then, from the cloud type determination table shown in FIG. 2, based on the first luminance temperature, the luminance temperature difference between the first and second luminance temperatures, and the reflectance obtained from the reflectance information acquired in step S303. Identify the cloud type. For example, when the first luminance temperature is 260 K, the luminance temperature difference is 0.5 K, and the reflectance is less than t, the cloud type is determined to be cumulonimbus cloud 2-1.

次に、ステップＳ３０５で、日射量算出部３４は、ステップＳ３０４で判定した雲種類に基づいて日射量を算出する。具体的には、ステップＳ３０４で判定した雲種類に基づいてβを得て、得られたβ値をＤｅｄｉｅｕｓ ｅｌ ａｌ，が提案した全天日射量Ｓ（Ｗ／ｍ２）の推定式に当てはめて、日射量を算出（推定）する。なお、β値については、特定の算出式に当てはめてもよく、雲の種類に応じて予め設定してもよい。 Next, in step S305, the solar radiation amount calculation unit 34 calculates the solar radiation amount based on the cloud type determined in step S304. Specifically, β is obtained based on the cloud type determined in step S304, and the obtained β value is applied to the estimation formula of the total solar radiation amount S (W / m 2 ) proposed by Dedieus el al. , Calculate (estimate) the amount of solar radiation. The β value may be applied to a specific calculation formula or may be set in advance according to the type of cloud.

次に、図４を参照して、日射量の推定値と、実際の日射量との差について、非特許文献１と比較して説明する。図４（Ａ）は、非特許文献１で開示される日射量の予測値（推定値）と実際の日射量について示す図である。図４（Ｂ）は、本実施形態における日射量の推定値と実際の日射量について示す図である。図４において、縦軸は、日射量（Ｗ／ｍ２）であり、横軸は日付であり、実線で示す実際の日射量に対する、点で示す推定した日射量のバラツキが小さい方が、精度が高いといえる。図４（Ａ）と図４（Ｂ）のグラフを比較すると、特に、Ｄ７以降の日付について、実際の日射量に対する日射量の推定値のバラツキが少ないことが分かる。従って、本実施形態に係る日射量の推定値の方が、より精度よく推定できていることが分かる。 Next, with reference to FIG. 4, the difference between the estimated value of the amount of solar radiation and the actual amount of solar radiation will be described in comparison with Non-Patent Document 1. FIG. 4A is a diagram showing a predicted value (estimated value) of the amount of solar radiation disclosed in Non-Patent Document 1 and an actual amount of solar radiation. FIG. 4B is a diagram showing an estimated value of the amount of solar radiation and an actual amount of solar radiation in the present embodiment. In FIG. 4, the vertical axis is the amount of solar radiation (W / m 2 ), the horizontal axis is the date, and the smaller the variation in the estimated amount of solar radiation indicated by the dots, the better the accuracy. Can be said to be high. Comparing the graphs of FIGS. 4 (A) and 4 (B), it can be seen that there is little variation in the estimated value of the amount of solar radiation with respect to the actual amount of solar radiation, especially for the dates after D7. Therefore, it can be seen that the estimated value of the amount of solar radiation according to the present embodiment can be estimated more accurately.

次に、図５を参照して、雲種類ごとの、実際の日射量と日射量の推定値の平均二乗誤差（ＭＳＥ）と二乗平均平方根誤差（ＲＭＳＥ）について説明する。行Ａは、非特許文献１に示す手法を適用した表であり、行Ｂは、本実施形態の手法を適用した場合の数値である。なお、これらの数値は、数字が小さいほどよい。図５に示すように、雲種類のうち、積雲１〜厚い巻雲４では、約４２％〜６５％減少し、誤差が改善されている。全体でも３６％減少しており、誤差が改善されていることが分かる。 Next, with reference to FIG. 5, the mean square error (MSE) and the root mean square error (RMSE) of the actual amount of solar radiation and the estimated value of the amount of solar radiation for each cloud type will be described. Row A is a table to which the method shown in Non-Patent Document 1 is applied, and row B is a numerical value when the method of the present embodiment is applied. The smaller the number, the better. As shown in FIG. 5, among the cloud types, cumulus clouds 1 to thick cirrus clouds 4 are reduced by about 42% to 65%, and the error is improved. The overall decrease is 36%, indicating that the error has been improved.

以上、本実施形態によれば、衛星画像データを用いて精度よく日射量を推定する装置を提供することができる。なお、本実施形態では、衛星画像データから日射量算出したが、例えば、地上にあるレーダーや、上空や地上に限らず気象を関することができる観測装置から得られる観測データを用いてもよい。また、本実施形態では、観測サーバ２０を介して日射量算出したが、観測装置１０から直接、衛星画像データなどの観測データを取得してもよい。 As described above, according to the present embodiment, it is possible to provide an apparatus for accurately estimating the amount of solar radiation using satellite image data. In the present embodiment, the amount of solar radiation is calculated from satellite image data, but for example, observation data obtained from a radar on the ground or an observation device capable of affecting the weather, not limited to the sky or the ground, may be used. Further, in the present embodiment, the amount of solar radiation is calculated via the observation server 20, but observation data such as satellite image data may be acquired directly from the observation device 10.

（第２実施形態）
第１実施形態では、雲種類を１２種類に分類し、分類した雲種類に応じてβ値を求めたが、本実施形態では、クラスタリング（クラスター分析）を用いてさらに細かく分類をすることで、より精度良く日射量を推定する。なお、本実施形態では、クラスタリング手法として、階層的クラスタリング手法（Ｗａｒｄ法）と、非階層的クラスタリング手法（Ｋ−ｍｅａｎｓ法）を用いてクラスタリングするが、同様の効果が得られれば他のクラスタリング手法を用いてもよい。 (Second Embodiment)
In the first embodiment, the cloud types are classified into 12 types, and the β value is obtained according to the classified cloud types. However, in the present embodiment, the cloud types are further classified by using clustering (cluster analysis). Estimate the amount of solar radiation more accurately. In the present embodiment, as a clustering method, a hierarchical clustering method (Ward method) and a non-hierarchical clustering method (K-means method) are used for clustering, but if the same effect is obtained, another clustering method is used. May be used.

本実施形態に係る日射量の算出（推定）処理フローについては、図３に示すフローチャートと同様の処理であり、第１実施形態と異なる箇所のみを説明し、その他の処理については説明を省略する。ステップＳ３０１でデータを取得後、ステップＳ３０３の処理の前または後、もしくはステップＳ３０２〜ステップＳ３０３の間に同時並行で、各クラスタリング手法（Ｗａｒｄ法およびＫ−ｍｅａｎｓ法）における、平均二乗誤差（ＭＳＥ）が最小となるクラスタ数の算出を行う。本実施形態で、算出したＷａｒｄ法およびＫ−ｍｅａｎｓ法におけるＭＳＥが最小となるクラスタ数については、１０〜５０が好適であり、その中でも３０前後が最も好適である。しかしながら、これに限定することなく、入力するデータ量によって、好適なクラスタ数が異なるため、クラスタ数の算出では、入力するデータ量に従った好適なクラスタ数を算出する。なお、本実施形態では、Ｋ−ｍｅａｎｓ法では、初期クラスタの割り当てがランダムに行われるため、Ｋ−ｍｅａｎｓ法を３回適用した結果の平均値とする。次に、ステップＳ３０４で、クラスタリング手法により算出したクラスタ数に応じた雲種類を判定する。そして、ステップＳ３０５で、判定したクラスタ数に応じた雲種類のβ値を用いてＤｅｄｉｅｕｓ ｅｌ ａｌ，が提案した全天日射量Ｓ（Ｗ／ｍ２）の推定式に当てはめて、日射量を算出（推定）する。 The solar radiation calculation (estimation) processing flow according to the present embodiment is the same as the flowchart shown in FIG. 3, and only the parts different from the first embodiment will be described, and the description of other processes will be omitted. .. Mean squared error (MSE) in each clustering method (Ward method and K-means method) after the data is acquired in step S301, before or after the processing in step S303, or in parallel between steps S302 and S303. Calculates the number of clusters that minimizes. In the present embodiment, the number of clusters that minimizes MSE in the calculated Ward method and K-means method is preferably 10 to 50, and the most suitable is around 30 among them. However, without being limited to this, the suitable number of clusters differs depending on the amount of data to be input. Therefore, in calculating the number of clusters, the suitable number of clusters is calculated according to the amount of data to be input. In the present embodiment, since the initial clusters are randomly assigned in the K-means method, the average value of the results of applying the K-means method three times is used. Next, in step S304, the cloud type is determined according to the number of clusters calculated by the clustering method. Then, in step S305, the amount of solar radiation is calculated by applying the β value of the cloud type according to the determined number of clusters to the estimation formula of the total amount of solar radiation S (W / m 2 ) proposed by Dedieus el al. (presume.

次に、図６を参照して、日射量の推定値と、実際の日射量との差について、非特許文献１と比較して説明する。図６（Ａ）は、非特許文献１で開示される日射量の予測値（推定値）と実際の日射量について示す図である。図６（Ｂ）は、本実施形態における日射量の推定値と実際の日射量について示す図である。図６における縦軸および横軸は、図４と同様に、それぞれ日射量（Ｗ／ｍ２）と日付であり、実線で示す実際の日射量に対する、点で示す推定した日射量のバラツキが小さい方が、精度が高いといえる。図６（Ａ）と図６（Ｂ）のグラフを比較すると、実際の日射量に対する日射量の推定値のバラツキが少ないことが分かる。従って、本実施形態に係る日射量の推定値が、より精度よく推定できていることが分かる。 Next, with reference to FIG. 6, the difference between the estimated value of the amount of solar radiation and the actual amount of solar radiation will be described in comparison with Non-Patent Document 1. FIG. 6A is a diagram showing a predicted value (estimated value) of the amount of solar radiation disclosed in Non-Patent Document 1 and an actual amount of solar radiation. FIG. 6B is a diagram showing an estimated value of the amount of solar radiation and an actual amount of solar radiation in the present embodiment. Similar to FIG. 4, the vertical axis and the horizontal axis in FIG. 6 are the amount of solar radiation (W / m 2 ) and the date, respectively, and the variation of the estimated amount of solar radiation indicated by points is small with respect to the actual amount of solar radiation shown by the solid line. It can be said that the accuracy is higher. Comparing the graphs of FIGS. 6 (A) and 6 (B), it can be seen that there is little variation in the estimated value of the amount of solar radiation with respect to the actual amount of solar radiation. Therefore, it can be seen that the estimated value of the amount of solar radiation according to the present embodiment can be estimated more accurately.

次に、図７を参照して、雲種類ごとの、実際の日射量と日射量の推定値の平均二乗誤差（ＭＳＥ）と二乗平均平方根誤差（ＲＭＳＥ）について説明する。図７は、図５の数値に加え、本実施形態におけるクラスタリング手法を適用した場合の数値を示す。行Ａおよび行Ｂは、図５と同様に、非特許文献１に示す手法を適用した数値と、第１実施形態の手法を適用した場合の数値である。なお、これらの数値は、第１実施形態と同様に数字が小さいほどよい。図７に示すように、第１実施形態に係る行Ｂにおける数値よりも、本実施形態に係るクラスタリング手法を用いた値の方が、より数値が小さくなっていることが分かる。また、平均二乗誤差（ＭＳＥ）では、全体で４４％の減少率であり、二乗平均平方根誤差（ＲＭＳＥ）では、２５％の減少率であり、これらの減少率についても、第１実施形態によりも精度良く日射量を推定できることが分かる。 Next, with reference to FIG. 7, the mean square error (MSE) and the root mean square error (RMSE) of the actual amount of solar radiation and the estimated value of the amount of solar radiation for each cloud type will be described. FIG. 7 shows the numerical values when the clustering method in the present embodiment is applied in addition to the numerical values in FIG. Rows A and B are numerical values to which the method shown in Non-Patent Document 1 is applied and numerical values when the method of the first embodiment is applied, as in FIG. It should be noted that these numerical values should be smaller as the numerical values are smaller as in the first embodiment. As shown in FIG. 7, it can be seen that the numerical value using the clustering method according to the present embodiment is smaller than the numerical value in row B according to the first embodiment. Further, the mean square error (MSE) has a reduction rate of 44% as a whole, and the root mean square error (RMSE) has a reduction rate of 25%. These reduction rates are also based on the first embodiment. It can be seen that the amount of solar radiation can be estimated accurately.

以上、本実施形態によれば、衛星画像データを用いて精度よく日射量を推定する装置を提供することができる。また、クラスタリング手法を用いてクラスタリングをすることで、第１実施形態よりも精度よく日射量を推定する装置を提供することができる。 As described above, according to the present embodiment, it is possible to provide an apparatus for accurately estimating the amount of solar radiation using satellite image data. Further, by clustering using the clustering method, it is possible to provide an apparatus for estimating the amount of solar radiation more accurately than in the first embodiment.

以上、本発明の好ましい実施形態について説明したが、本発明は、これらの実施形態に限定されず、その要旨の範囲内で種々の変形および変更が可能である。 Although the preferred embodiments of the present invention have been described above, the present invention is not limited to these embodiments, and various modifications and modifications can be made within the scope of the gist thereof.

１０ 観測装置
３０ 日射量推定装置
３３ 雲判定部
３４ 日射量算出部 10 Observation device 30 Solar radiation estimation device 33 Cloud judgment unit 34 Solar radiation calculation unit

Claims (4)

気象衛星からデータを受信する受信手段と、
前記受信手段で受信した赤外画像データから輝度温度を取得し、前記受信手段で受信した可視画像データから反射率を取得する取得手段と、
前記取得した輝度温度と、前記反射率から雲種類を判定する雲判定手段と、
前記雲判定手段で判定した雲の種類に基づいて日射量を推定する推定手段と、
を備える
ことを特徴とする日射量推定装置。 Receiving means for receiving data from meteorological satellites ,
An acquisition unit that acquires a brightness temperature from the infrared image data, and acquires the reflectance from the visible image data received by the receiving unit received by the receiving means,
A cloud determination means for determining a cloud type from the acquired luminance temperature and the reflectance,
An estimation means for estimating the amount of solar radiation based on the type of cloud determined by the cloud determination means, and
A solar radiation amount estimation device characterized by being equipped with. クラスタリング手法を用いてクラスタ数を算出する算出手段
をさらに備え、
前記雲判定手段は、前記算出手段で算出したクラスタ数に応じた雲種類を判定する
ことを特徴とする請求項１に記載の日射量推定装置。 Further equipped with a calculation means for calculating the number of clusters using a clustering method,
The solar radiation amount estimation device according to claim 1, wherein the cloud determination means determines a cloud type according to the number of clusters calculated by the calculation means. 前記輝度温度は、赤外画像データ（ＩＲ１）の輝度温度である第１の輝度温度と赤外画像データ（ＩＲ２）の輝度温度である第２の輝度温度を含み、
前記雲判定手段は、前記第１の輝度温度と、前記第１の輝度温度と前記第２の輝度温度との差と、前記反射率に基づいて前記雲種類を判定する
ことを特徴とする請求項１または２に記載の日射量推定装置。 The luminance temperature includes a first luminance temperature which is the luminance temperature of the infrared image data (IR1) and a second luminance temperature which is the luminance temperature of the infrared image data (IR2) .
The cloud determination means is characterized in that the cloud type is determined based on the first luminance temperature, the difference between the first luminance temperature and the second luminance temperature, and the reflectance. Item 4. The solar radiation amount estimation device according to Item 1 or 2. 気象衛星からデータを受信する受信工程と、
前記受信工程で受信した赤外画像データから輝度温度を取得し、前記受信工程で受信した可視画像データから反射率を取得する取得工程と、
前記取得した輝度温度と、前記反射率から雲の種類を判定する雲判定工程と、
前記雲判定工程で判定した雲の種類に基づいて日射量を推定する推定工程と、
を備える
ことを特徴とする日射量推定方法。 The receiving process for receiving data from meteorological satellites ,
An acquisition step of infrared image data acquired brightness temperature from, to acquire the reflectance from the visible image data received in the reception step received in said receiving step,
A cloud determination step of determining the type of cloud from the acquired luminance temperature and the reflectance,
An estimation process that estimates the amount of solar radiation based on the type of cloud determined in the cloud determination process, and
A method for estimating the amount of solar radiation, which comprises.
JP2016182874A 2015-11-02 2016-09-20 Insolation amount estimation device and solar radiation amount estimation method Active JP6793508B2 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015215551 2015-11-02
JP2015215551 2015-11-02

Publications (2)

Publication Number Publication Date
JP2017090442A JP2017090442A (en) 2017-05-25
JP6793508B2 true JP6793508B2 (en) 2020-12-02

Family

ID=58768983

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016182874A Active JP6793508B2 (en) 2015-11-02 2016-09-20 Insolation amount estimation device and solar radiation amount estimation method

Country Status (1)

Country Link
JP (1) JP6793508B2 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6599935B2 (en) * 2017-07-03 2019-10-30 株式会社東芝 Solar radiation intensity estimation device, solar radiation intensity estimation system, and solar radiation intensity estimation method
WO2019167208A1 (en) * 2018-02-28 2019-09-06 本田技研工業株式会社 Information processing device and program
JP7305462B2 (en) * 2019-07-01 2023-07-10 一般財団法人電力中央研究所 Solar radiation forecasting device, solar radiation forecasting method and solar radiation forecasting program
KR102454007B1 (en) * 2022-03-16 2022-10-14 대한민국 Apparatus and method for calculating solar insolation quantity based on artificial intelligence using artificial satellite observation data

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3751737B2 (en) * 1998-01-21 2006-03-01 富士通株式会社 Solar radiation amount estimation system, method and recording medium using satellite image data
JP4145259B2 (en) * 2004-02-26 2008-09-03 富士通株式会社 Program, satellite adjustment device, control method
JP2007184354A (en) * 2006-01-05 2007-07-19 Mitsubishi Electric Corp Solar photovoltaic power generation system
JP2011137612A (en) * 2009-12-28 2011-07-14 Toshiba Corp Device for calculating solar radiation and air conditioning control system
CN103034858B (en) * 2012-11-30 2016-04-13 宁波大学 A kind of secondary cluster segmentation method of satellite cloud picture

Also Published As

Publication number Publication date
JP2017090442A (en) 2017-05-25

Similar Documents

Publication Publication Date Title
CN109416413B (en) Solar energy forecast
JP6793508B2 (en) Insolation amount estimation device and solar radiation amount estimation method
Alonso-Montesinos et al. Solar irradiance forecasting at one-minute intervals for different sky conditions using sky camera images
Lorenz et al. Short term forecasting of solar radiation based on satellite data
US10337925B2 (en) Method for estimating land surface temperature lapse rate using infrared image
CN113538391B (en) Photovoltaic defect detection method based on Yolov4 and thermal infrared image
Köhler et al. Critical weather situations for renewable energies–Part B: Low stratus risk for solar power
Rodríguez-Benítez et al. Assessment of new solar radiation nowcasting methods based on sky-camera and satellite imagery
WO2020015326A1 (en) Remote sensing image cloud shadow detection method supported by earth surface type data
WO2015104281A1 (en) Solar irradiance forecasting
CN110514298B (en) Solar radiation intensity calculation method based on foundation cloud picture
Dybbroe et al. NWCSAF AVHRR cloud detection and analysis using dynamic thresholds and radiative transfer modeling. Part II: Tuning and validation
CN107133685B (en) Method and system for predicting power generation capacity of photovoltaic power generation system
WO2017193172A1 (en) "solar power forecasting"
CN110942111A (en) Method and device for identifying strong convection cloud cluster
Nespoli et al. An unsupervised method for estimating the global horizontal irradiance from photovoltaic power measurements
CN110781458A (en) Method for predicting surface solar irradiance based on mixed regression model
Lou et al. Identifying overcast, partly cloudy and clear skies by illuminance fluctuations
Alonso et al. Prediction of cloudiness in short time periods using techniques of remote sensing and image processing
Alonso-Montesinos et al. Intra-hour energy potential forecasting in a central solar power plant receiver combining Meteosat images and atmospheric extinction
Sayeef et al. Very short-term solar forecasting using inexpensive fisheye camera sky-imagery
CN111399548A (en) Control method of tracking type photovoltaic power generation system capable of identifying weather types
Gueymard et al. Progress in sky radiance and luminance modeling using circumsolar radiation and sky view factors
Luiz et al. Comparison of methodologies for cloud cover estimation in Brazil-A case study
JP5423096B2 (en) Satellite image scene clear sky discrimination device, discrimination method, discrimination program

Legal Events

Date Code Title Description
AA64 Notification of invalidation of claim of internal priority (with term)

Free format text: JAPANESE INTERMEDIATE CODE: A241764

Effective date: 20161011

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161027

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190820

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200831

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200908

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201008

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: 20201027

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201110

R150 Certificate of patent or registration of utility model

Ref document number: 6793508

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250