JP7357162B2 - 光発電力曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体 - Google Patents

光発電力曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体 Download PDF

Info

Publication number
JP7357162B2
JP7357162B2 JP2022527701A JP2022527701A JP7357162B2 JP 7357162 B2 JP7357162 B2 JP 7357162B2 JP 2022527701 A JP2022527701 A JP 2022527701A JP 2022527701 A JP2022527701 A JP 2022527701A JP 7357162 B2 JP7357162 B2 JP 7357162B2
Authority
JP
Japan
Prior art keywords
data
photovoltaic
data packets
cleaning
packets
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
JP2022527701A
Other languages
English (en)
Other versions
JP2022550212A (ja
Inventor
ユアン，レンユ
ドン，ジボ
ヤオ，イン
ザオ，ヤンヤン
ヤン，ホイ
ザオ，チンシェン
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.)
Shanghai Envision Digital Co Ltd
Envision Digital International Pte Ltd
Original Assignee
Shanghai Envision Digital Co Ltd
Envision Digital International Pte 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 Shanghai Envision Digital Co Ltd, Envision Digital International Pte Ltd filed Critical Shanghai Envision Digital Co Ltd
Publication of JP2022550212A publication Critical patent/JP2022550212A/ja
Application granted granted Critical
Publication of JP7357162B2 publication Critical patent/JP7357162B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Photovoltaic Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Electrical Variables (AREA)

Description

本開示は、太陽光発電の技術分野に関するものであり、より具体的には、光発電力曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体に関する。
電力網への光発電の大規模な適用により、光発電によって引き起こされる時間的変化、変動性（ボラティリティ）およびランダム性は、電力網の安全かつ安定した動作に大きな影響を及ぼし、電力網の配電の困難さを大幅に増大させる可能性がある。光発電力予測技術は、光発電網接続の品質を向上させ、電力網配電計画を最適化し、電力網の安全かつ安定した運用を促進するための基礎技術であり、電力網の安全かつ安定した運用を確保するために非常に重要である。したがって、この技術は、光発電の電力予測を行う上で非常に実用的に重要である。
関連技術において、光発電フィールドステーションのリアルタイム日射量観測データおよび対応する実際の光発電力データに基づいて、統計的回帰法を使用して光電変換回帰方程式を設定し、これにより、日射量と光発電装置の生成電力の間の変換を示す関係曲線を取得する。
関連技術において、全ての光発電データは日射量と生成電力の間の変換を示す関係曲線に一度フィッティングされ、その結果、フィッティング効果が悪化し、精度が低下する。
本開示の実施形態は、光発電曲線モデリングの精度を改善することが可能な、光発電曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体を提供する。技術的な解決策は、以下の通りである。
一態様において、光発電曲線をモデリングするための方法が提供される。この方法には、次のステップが含まれる：
特定の期間内の複数の時点で光発電データを取得すること；
複数の時点での光発電データを少なくとも２つの光発電データパケットに分割すること、ここで、少なくとも２つの光発電データパケット内の異なるパケットは異なる期間に対応し；
少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定すること。
一態様では、光発電曲線をモデリングするための装置が提供される。この装置には、以下が含まれる：
特定の期間内の複数の時点で光発電データを取得するように構成された、取得モジュール、ここで、日射量検出装置は、太陽光発電装置に配備され；
複数の時点での光発電データを少なくとも２つの光発電データパケットに分割するように構成された、パケット化モジュール、ここで、少なくとも２つの光発電データパケット内の異なるパケットは異なる期間に対応し；
少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定するように構成された、設定モジュール。
オプションとして、この装置には更に：少なくとも２つの光発電データパケットのそれぞれの光発電データに対してデータクリーニングを実行して、少なくとも２つの光発電データパケット内の無効な光発電データを除去するように構成された、クリーニグモジュールが含まれ；
設定モジュールは、データクリーニングを受けた少なくとも２つの光発電データパケットの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定するように構成される。
オプションとして、光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点での日射量検出装置によって収集された日射量とが含まれ；日射量検出装置は、太陽光発電装置に配備され；
クリーニグモジュールには、以下が含まれる：
少なくとも２つの光発電データパケット内の異常データをクリーニングして、異常データクリーニングを受けた少なくとも２つの光発電データパケットを取得するように構成された、第１のクリーニングサブモジュール、ここで、異常データは、日射量検出装置が故障した場合に生成されるデータを指し；
異常データクリーニングを受けた少なくとも２つの光発電データパケットから低関連性データを除去して、低関連性データクリーニングを受けた少なくとも２つの光発電データパケットを取得するように構成された、第２のクリーニングサブモジュール、ここで、低関連性データは、関連性が関連閾値よりも低い光発電データを指し、関連性は、対応する光発電データにおける生成電力と日射量との間の相関性を示すことを意図し；
低関連性データクリーニングを受けた少なくとも２つの光発電データパケットから局所外れ値因子アルゴリズムに基づいてそれぞれ外れ値データを除去して、外れ値データが除去された少なくとも２つの光発電データパケットを取得するように構成された、第３のクリーニングサブモジュール、ここで、外れ値データは、データ集中領域から離れた光発電データを指し；
外れ値データが除去された少なくとも２つの光発電データパケットに従って、データクリーニングを受けた少なくとも２つの光発電データパケットを取得するように構成された、第１の取得サブモジュール。
オプションとして、第１のクリーニングサブモジュールは、以下のように構成される：
少なくとも２つの光発電データパケット内の欠落データをクリーニングし、ここで、欠落データは、光発電データ内の日射量データまたは生成電力データが欠落しているデータを指し；
少なくとも２つの光発電データパケット内の夜間無効データをクリーニングし、ここで、夜間無効データは、夜間検出中に光発電力検出装置によって取得された全てのデータを指し；
少なくとも２つの光発電データパケット内の超過データをクリーニングし、ここで、超過データは、適切な日射量データ範囲および／または適切な電力データ範囲を超えるデータを指し；
少なくとも２つの光発電データパケット内のデッドナンバーをクリーニングし、ここで、デッドナンバーは、時系列で４回以上現れるデータを指す。
オプションとして、第２のクリーニングサブモジュールは、以下のように構成される：
スライドウィンドウを設定し、ここで、スライドウィンドウの各々は、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データの時間分解能をステップ長とし、各ｎ個の光発電データをセットとすることで、時系列で異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データによって設定され、ここで、各ｎ個の光発電データをデータのセットとみなし、１つのスライドウィンドウにはデータのセットが含まれ；時間分解能は、日射量検出装置が対応する時点で隣接する２つの光発電データを収集する最小時間間隔を指し；
各スライドウィンドウ内の光発電データのピアソン相関係数を計算し；
異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データの相関値を計算し、ここで、相関値は、中間のｎ－２個のピアソン相関係数の各値について、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データが降順で配置されている複数のスライドウィンドウのピアソン相関係数を並べ替えることで解かれる平均値を指し；
相関閾値を決定し、ここで、相関閾値は、日射量データセグメントに基づいて分割されたデータセグメントの各々に対応する相関閾値を指し；
相関閾値に従って、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データをクリーニングする。
オプションとして、第１の取得サブモジュールは、以下のように構成される：
四分位範囲アルゴリズムに基づいて、少なくとも２つの光発電データパケットのそれぞれの低関連性データから過剰クリーニングされたデータを決定し、ここで、過剰クリーニングされたデータは、データ集中領域内およびデータ集中領域の周囲のプリセット領域内の光発電データであり；
少なくとも２つの光発電データパケットのそれぞれの過剰クリーニングされたデータを、外れ値データが除去された少なくとも２つの光発電データパケットに復元して、データクリーニングを受けた少なくとも２つの光発電データパケットを取得する。
オプションとして、設定モジュールは、少なくとも２つの光発電データパケットのそれぞれの光発電データに対してスプライン補間フィッティングを実行して、太陽光発電装置の光発電力曲線を取得するように構成される。
一態様において、コンピュータデバイスが提供される。コンピュータデバイスは、プロセッサおよびメモリを含み；ここで、メモリは、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを記憶するように構成され、これらがプロセッサによってロードおよび実行されると、プロセッサが光発電曲線をモデリングするための方法を実行することを可能にする。
一態様において、コンピュータ可読記憶媒体が提供される。記憶媒体は、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを記憶するように構成され、これらがプロセッサによってロードおよび実行されると、プロセッサが光発電曲線をモデリングするための方法を実行することを可能にする。
本開示による技術的解決策は、以下の有益な効果を達成することができる：
特定の期間内の様々な時点で取得された光発電データを少なくとも２つの光発電データパケットに分割し、少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定し、光発電データが光発電曲線モデリングプロセス中の異なる期間にフィットするように、少なくとも２つの光発電データパケットのパケット光発電力曲線のそれぞれをフィッティングすることで、光発電力曲線が取得され、これにより、異なる期間の光電変換効率の違いが光発電曲線モデリングに与える影響を低減し、光発電曲線モデリングの精度を向上させる。
前述の一般的な説明および以下の詳細な説明はともに、例示的かつ説明的なものに過ぎず、本開示を限定することを意図するものではないことを理解されたい。
本明細書に組み込まれ、その一部を構成する添付の図面は、本開示と一致する実施形態を示し、記載とともに、本開示の原理を説明するのに役立つ。
本開示の例示的な実施形態に関する光発電曲線をモデリングするための方法のフローチャートである。
本開示の例示的な実施形態に関する光発電曲線をモデリングするための方法のフローチャートである。
本開示の例示的な実施形態に関する光発電曲線をモデリングするための方法におけるスライドウィンドウの概略図である。
本開示の更なる例示的な実施形態に関する光発電曲線をモデリングするための方法のフローチャートである。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における特定の期間内の様々な時点での光発電データの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における午前の光発電データの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における午後の光発電データの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における異常データの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における低関連性データの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における外れ値データの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における過剰クリーニングされたデータの散布図である。
本開示の一実施形態に関する光発電曲線をモデリングするための方法における光発電力曲線のフィッティング図である。
本開示の一実施形態に関する光発電曲線をモデリングするための装置のブロック図である。
本開示の一実施形態に関する光発電曲線をモデリングするためのコンピュータデバイスの構造ブロック図である。
ここで、例示的な実施形態を詳細に参照し、その例が添付の図面に示される。以下の説明は、別段の記載がない限り、異なる図面の同じ番号が同じまたは類似の要素を表す添付の図面を参照する。例示的な実施形態の以下の説明に記載される実施形態は、本開示と一致する全ての実施形態を表すわけではない。代わりに、これらの実施形態は、添付の特許請求の範囲に記載されるような開示に関連する態様と一致する装置および方法の単なる例である。
当然のことながら、本明細書における「複数」という用語は、２つ以上を指す。本明細書における「および／または」は、対応するオブジェクトの対応関係を説明し、３種類の関係を示す。例えば、Ａおよび／またはＢは、Ａが単独で存在、ＡとＢが同時に存在、Ｂが単独で存在を表す可能性がある。文字「／」は通常、前後の関係上のオブジェクトが「ＯＲ（または）」関係であることを示す。
電力網への光発電の大規模なアクセスにより、光発電力予測技術に対してより高い要件が提案されている。本開示は、光発電曲線のモデリングの精度を改善することができる光起電曲線をモデリングするための方法を提供する。理解を容易にするために、本開示に含まれる幾つかの用語を以下に説明する。
１）光発電
光起電力効果としても知られる光発電は、太陽光発電システムの略であり、太陽電池半導体材料の光起電力効果を使用することによって太陽放射エネルギーを電気エネルギーに直接変換する新しい発電システムである。
２）日射強度
日射量と呼ばれる日射強度は、単位面積あたりを通過するエネルギーとして定義される。
３）光電変換効率
単色入射光子から電子への変換効率（ＩＰＣＥ）としても知られる光電変換効率は、単位時間あたりの外部回路で生成された電子の数と、単位時間あたりの入射単色光子の数との比として定義される。
図１は、本開示の例示的な実施形態に関する光発電曲線をモデリングするための方法のフローチャートを示す。光発電曲線をモデリングするための方法は、コンピュータデバイスによって実行される。図１に示すように、この方法には、以下のステップが含まれ得る。
ステップ１１０において、特定の期間内の様々な時点での光発電データが取得される。光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点での日射量検出装置によって収集された日射量とが含まれる。日射量検出装置は、太陽光発電装置に配備される。
太陽光発電装置は、太陽電池を使用して太陽エネルギーを直接電気エネルギーに変換することができる発電装置を指す。太陽光発電装置の生成電力は、主に太陽光発電装置が受けることができる太陽光の日射強度の影響を受ける。日射量とも呼ばれる日射強度は、単位面積あたりの太陽光発電装置が通過するエネルギーを指す。
光発電力は、日射量に１対１で対応する。生成電力値が検出されるたびに、それに対応する日射量値の閾値が定義される。また、日射量検出装置で検出される日射量値は、太陽光発電装置で受けられる日射量値である必要がある。
ステップ１２０において、様々な時点での光発電データは、少なくとも２つの光発電データパケットに分割される。少なくとも２つの光発電データパケットの各々の光発電データに対応する時点は、自然日の期間に属し、少なくとも２つの光発電データパケットの異なるパケットは、異なる期間に対応する。
例えば、特定の期間内の光発電データは、自然日の時点に応じて、午前および午後の２つの光発電データパケットに分割されてもよく、午前、正午、および午後などの３つの光発電データパケットに分割されてもよい。自然日とは、１日２４時間を意味する。
本開示で提案される光発電データパケットは単なる例示であり、光発電データパケットモードやパケットの数は、本開示に制限されないことに留意されたい。本開示の実施形態において、本開示は、自然日の光発電データが、その時点に応じて午前および午後の２つの光発電データパケットに分割される場合を取り上げて説明する。
ステップ１３０において、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線は、少なくとも２つの光発電データパケットのそれぞれの光発電データに従って設定され、ここで、パケット光発電力曲線は、日射量と生成電力の間の関数関係を示すことを意図している。
本開示の実施形態において、光発電曲線電力は、少なくとも２つの光発電データパケットのそれぞれの光発電データに対してそれぞれ設定される。例えば、自然日の光発電データをその時点に応じて午前および午後の２つの光発電データパケットに分割する場合、午前の光発電データに対して光発電力曲線が設定され、午後の光発電データに対して光発電力曲線が設定され、これにより、午前の光発電データおよび午後の光発電データのそれぞれに対応する２つの光発電力曲線が取得される。
自然日の光発電データをその時点に応じて午前および午後の２つの光発電データパケットに分割する場合、午前の光発電データと午後の光発電データに対応する２つの光発電力曲線をフィッティングし、日射量をＸ軸とし、生成電力をＹ軸とする光発電力曲線を最終的に取得する。
オプションとして、取得された光発電装置の光発電力曲線が検証され、検証された光発電力曲線が取得される。検証された光発電力曲線は、太陽光発電装置の光発電力曲線である。
取得された光発電装置の光発電力曲線が単調であり、適切な光電変換効率を満たす場合、検証された光発電力曲線は光発電装置の光発電力曲線であり、すなわち、光発電データをフィッティングすることで得られた光発電力曲線は光発電装置の光発電力曲線である。
取得された光発電装置の光発電力曲線が単調である、および／または光電変換効率を満たさない場合、検証された光発電力曲線は理論上の光発電力曲線であり、理論上の光発電力曲線は太陽光発電装置の光発電力曲線として取得される。
太陽光発電産業における光電変換効率は、太陽電池の表面上で特定のエネルギーが照射される光子の数に対する太陽電池の電荷キャリアの数の比率を指す。
オプションとして、理論上の光発電力曲線は、（０，０）、（５００，Ｃａｐ×（１＋ｋ）／２）、（１０００，Ｃａｐ）の３点の二次多項式をフィッティングすることで得られる光発電力曲線を指し、ここで、Ｃａｐは光発電装置の定格容量であり、ｋは様々な地域の日照条件によって決定される経験的係数である。
要約すると、本開示の実施形態に関する光発電曲線をモデリングするための方法によって、特定の期間内の様々な時点で取得された光発電データを少なくとも２つの光発電データパケットに分割し、少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定し、光発電データが光発電曲線モデリングプロセス中の異なる期間にフィットするように、少なくとも２つの光発電データパケットのパケット光発電力曲線のそれぞれをフィッティングすることで、光発電力曲線が取得され、これにより、異なる期間の光電変換効率の違いが光発電曲線モデリングに与える影響を低減し、光発電曲線モデリングの精度を向上させる。
図２は、本開示の例示的な実施形態に関する光発電曲線をモデリングするための方法のフローチャートを示す。光発電曲線をモデリングするための方法は、コンピュータデバイスによって実行される。図２に示すように、この方法には、以下のステップが含まれ得る。
ステップ２１０において、特定の期間内の様々な時点での光発電データが取得される。光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点で日射量検出装置によって収集された日射量とが含まれる。日射量検出装置は、太陽光発電装置に配備される。
ステップ２２０において、様々な時点での光発電データは、少なくとも２つの光発電データパケットに分割される。少なくとも２つの光発電データパケットの各々の光発電データに対応する時点は、自然日のある期間に属し、少なくとも２つの光発電データパケットの異なるパケットは、異なる期間に対応する。
ステップ２１０および２２０に関する詳細については、ステップ１１０および１２０を参照することができ、この実施形態ではこれ以上説明しない。
ステップ２３０において、少なくとも２つの光発電データパケットのそれぞれの光発電データは、それぞれデータクリーニングを受けて、少なくとも２つの光発電データパケット内の無効な光発電データが除去される。
オプションとして、機械の故障、自然災害および他の不可抗力、限られた期間の太陽光発電などのために、日射量検出装置が正常に機能しない場合、無効な光発電データが生成され得る。
オプションとして、少なくとも２つの光発電データパケットのそれぞれの光発電データに対してデータクリーニングを実行することには、Ｓ２３０１～Ｓ２３０４が含まれる。
Ｓ２３０１において、少なくとも２つの光発電データパケット内の異常データがクリーニングされて、異常データクリーニングを受けた少なくとも２つの光発電データパケットが取得され、ここで、異常データは、日射量検出装置が故障した場合に生成されるデータを指す。
オプションとして、少なくとも２つの光発電データパケット内の異常なデータをクリーニングすることには、以下が含まれ得る：
少なくとも２つの光発電データパケット内の欠落データをクリーニングすること、ここで、欠落データは、光発電データ内の日射量データまたは生成電力データが欠落しているデータを指し；
少なくとも２つの光発電データパケット内の夜間無効データをクリーニングすること、ここで、夜間無効データは、夜間検出中に光発電力検出装置によって取得された全てのデータを指し；
少なくとも２つの光発電データパケット内の超過データをクリーニングすること、ここで、超過データは、適切な日射量データ範囲および／または適切な電力データ範囲を超えるデータを指し；
少なくとも２つの光発電データパケット内のデッドナンバーをクリーニングすること、ここで、デッドナンバーは、時系列で４回以上現れるデータを指す。
オプションとして、適切な日射量範囲は、０～１２００Ｗ／ｍ2 であり、適切な電力データ範囲は、０～１．１×Ｃａｐであり、ここで、Ｃａｐは、太陽光発電装置の定格容量である。場合によっては、日射量検出装置によって検出される光発電データは、日射量データのみを含み、それに対応する生成電力データは検出されず；または、日射量検出装置によって検出された光発電データは、生成電力データのみを含み、それに対応する日射量データは検出されない。これらのデータは、欠落データと判断され、クリーニングされる。
太陽の直射点が南北の回帰線間で回帰運動を続けるので、自然日の昼と夜の長さの変化が起こる。太陽光発電装置は、太陽エネルギーを電気エネルギーに変換する装置である。日光が当たらない状態では、太陽光発電装置が動作せず、日射量検出装置で検出された夜間データは無効データになる。夜間無効データは、各自然日の昼と夜の違いに応じてクリーニングされる。
太陽光の日射強度および太陽エネルギーを電気エネルギーに変換する太陽光発電装置の能力は制限されている。日射量検出装置で検出された日射量データが太陽光の日射強度閾値を超えた場合、または生成電力データが太陽光発電装置の生成電力閾値を超えた場合、これらのデータは無効データと判断され、超過データがクリーニングされる。
場合によっては、日射量検出装置の異常動作により、日射量検出装置により検出された特定の日射量データまたは生成電力データが時系列で４回以上連続して出現した場合、４回以上繰り返されたデータをデッドナンバーと判断され、デッドナンバーがクリーニングされる。
Ｓ２３０２において、異常データクリーニングを受けた少なくとも２つの光発電データパケットから低関連性データを除去して、低関連性データクリーニングを受けた少なくとも２つの光発電データパケットを取得し、ここで、低関連性データは、関連性が関連閾値よりも低い光発電データを指し、関連性は、対応する光発電データにおける生成電力と日射量との間の相関性を示すために使用される。
オプションとして、低関連性データが間隔を置いて削除される。このプロセスによって分割された光発電データ間隔の数は、光発電データパケットの数以上であり得る。低関連性データを削除するための関連閾値は、様々な間隔に応じて調整できる。
オプションとして、異常データクリーニングを受けた少なくとも２つの光発電データパケットから低関連性データを除去して、低関連性データクリーニングを受けた少なくとも２つの光発電データパケットを取得することには、以下が含まれる：
スライドウィンドウを設定すること、ここで、スライドウィンドウの各々は、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データの時間分解能をステップ長とし、各ｎ個の光発電データをセットとすることで、時系列で異常データクリーニングを受けた、少なくとも２つの光発電データパケット内の光発電データによって設定され、ここで、各ｎ個の光発電データをデータのセットとみなし、スライドウィンドウにはデータのセットが含まれ；時間分解能は、日射量検出装置が対応する時点で隣接する２つの光発電データを収集する最小時間間隔を指す。
例えば、図３は、本開示の実施形態に関する光発電曲線をモデリングするための方法におけるスライドウィンドウの概略図を示す。図３に示すように、２０個の光発電データが取得される。スライドウィンドウを設定する場合、２０個の光発電データが朝から夜まで収集時間順に並べ替えられる。２０個の光発電データの時間分解能を１０分であると想定し、つまり、１０分毎に１個の光発電データが取得され、スライドウィンドウはステップ長として１０分で設定される。例として８個のデータをセットとして取り上げると、１番目から８番目の光発電データを第１のセットとする場合、２番目から９番目の光発電データが第２のセットとみなされ、３番目から１０番目の光発電データが３番目のセットとみなされ、以降も同様であり、各光発電データは８個のパケットで表され、各スライドウィンドウには１セットの光発電データが含まれ、各光発電データは８個のスライドウィンドウに表れる。
各スライドウィンドウ内の光発電データのピアソン相関係数が計算される。
ピアソン相関係数は、２つのデータセットが線上にあるか否かを評価するために使用され、また、間隔変数間の線形関係を評価するために使用され、以下の式に従って計算される：
Figure 0007357162000001
上記の式において、ｒはピアソン相関係数であり、Ｎは各スライドウィンドウ内の光発電データの数であり、ｘi は水平座標であり、ｙi は垂直座標である。
各スライドウィンドウ内の光発電データのピアソン相関係数は、上記の関係式に従って計算される。
異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データの相関値が計算され、ここで、相関値は、中間のｎ－２個のピアソン相関係数の各値について、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データが降順で配置されている複数のスライドウィンドウのピアソン相関係数を並べ替えることで解かれる平均値を指す。
上記の２０個の光発電データを例として、各光発電データが８個のスライドウィンドウに表れ、次に８個のピアソン相関係数が計算される。８個のピアソン相関係数を降順で並べ替え、８個のピアソン相関係数の最大値と最小値を削除し、残りの中央の６個のピアソン相関係数を平均して、８個のスライドウィンドウに同時に表れる光発電データの相関値とみなせる平均値を取得する。
相関閾値が決定され、ここで、相関閾値は、日射量データセグメントに基づいて分割されたデータセグメントの各々に対応する相関閾値を指す。
オプションとして、相関閾値は、コンピュータデバイスの関連するパラメータを変更することによって調整することができる。例えば、相関閾値は、日射量データセグメントに基づいて、各データセット内のデータポイントの相関値の６０％、７０％などを含むことができる相関値に調整することができる。上記の説明は単なる例示であり、相関閾値の範囲は本開示において限定されない。
相関値が計算された後、異常データクリーニングを受けた少なくとも２つの光発電データパケットの光発電データポイントは、相関閾値に従ってクリーニングされ得る。
例えば、相関閾値を超える少なくとも２つの光発電データパケット内の光発電データを予約してもよく、相関閾値を下回る少なくとも２つの光発電データパケット内の光発電データをクリーニングしてもよい。
Ｓ２３０３において、低関連性データクリーニングを受けた少なくとも２つの光発電データパケットから局所外れ値因子アルゴリズムに基づいて外れ値データがそれぞれ除去され、外れ値データが除去された少なくとも２つの光発電データパケットが取得され、ここで、外れ値データは、データ集中領域から離れた光発電データを指す。
局所外れ値因子（ＬＯＦ）アルゴリズムは、「局所到達可能密度」を計算することによるサンプルの異常度の測定器である。あるサンプルポイントの密度に対する当該サンプルポイントの周囲のサンプルポイントの平均密度の比率が１より大きい場合、当該サンプルポイントの密度は、当該サンプルポイントの周囲のサンプルの密度よりも小さく、当該ポイントが異常ポイントである可能性が高くなる。
本開示の実施形態において、ＬＯＦアルゴリズムを使用して、異なるセグメントで低関連性データクリーニングを受けた少なくとも２つのＰＶデータパケット内の外れ値データを決定し、外れ値データをクリーニングすることができる。
Ｓ２３０４において、データクリーニングを受けた少なくとも２つの光発電データパケットが、外れ値データが除去された少なくとも２つの光発電データパケットに従って取得される。
オプションとして、外れ値データが除去された少なくとも２つの光発電データパケット内のデータは、特定の期間内の様々な時点での光発電データ内の有効な光発電データとして取得される。光発電力曲線は、それぞれセグメント内の有効な光発電データの各パケットに対して設定される。
あるいは、外れ値データが除去された少なくとも２つの光発電データパケットをパケット化して、データクリーニングを受けた少なくとも２つの光発電データパケットを取得することには、以下が含まれる：
四分位範囲アルゴリズムに基づいて、少なくとも２つの光発電データパケットのそれぞれの低関連性データから過剰クリーニングされたデータを決定すること、ここで、過剰クリーニングされたデータは、データ集中領域内およびデータ集中領域の周囲のプリセット領域内の光発電データであり；
少なくとも２つの光発電データパケットのそれぞれの過剰クリーニングされたデータを、外れ値データが除去された少なくとも２つの光発電データパケットに復元して、データクリーニングを受けた少なくとも２つの光発電データパケットを取得すること。
四分位範囲（ＩＱＲ）アルゴリズムは、様々な変数値を大きさの順に配置した後、そのシーケンスを４等分に分割し、３番目の四分位の値と１番目の四分位の値との差を計算することを目的とする。
本開示の実施形態において、ＩＱＲアルゴリズムを使用して、異なる間隔で少なくとも２つの光発電データパケット内のデータを計算することができる。このプロセスによって分割された光発電データ間隔の数は、光発電データパケットの数以上であり得る。過剰クリーニングされたデータを決定する関連閾値は、様々な間隔に従って調整できる。
ステップ２４０において、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線が、データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データに従って設定される。
オプションとして、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線は、外れ値ポイントが除去された少なくとも２つの光発電データパケット内の光発電データに従って設定され得る。
あるいは、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線は、過剰クリーニングされたポイントが除去された少なくとも２つの光発電データパケット内の光発電データに従って設定される。
ステップ２５０において、少なくとも２つの光発電データパケットのそれぞれのパケット光発電力曲線をフィッティングして、太陽光発電装置の光発電力曲線を取得する。
オプションとして、少なくとも２つの光発電データパケットのそれぞれのパケット光発電力曲線はスプライン回帰フィッティングを受けて、太陽光発電装置の光発電力曲線が取得される。
スプライン補間法は、可変スプラインを有する一連の点を通る滑らかな曲線を作成するための数学的方法である。内挿スプラインは多項式で構成され、各多項式は２つの隣接するデータポイントによって決定される。
スプライン補間法を使用することにより、少なくとも２つの光発電データパケットのそれぞれのパケット光発電力曲線はセグメント回帰を受けることができ、これにより、全日射量セクションにおける太陽光発電装置の光発電力曲線が取得される。スプライン補間回帰のステップは、以下の通りである：
１）日射量に基づいて、光発電データポイントを等間隔にセグメント化する（ｓ個の間隔、ｓ＋１個の分割ポイント）；
２）各間隔の光発電データポイントに基づいて、各間隔でｎ回の多項式フィッティングを実行して、セグメント化されたフィッティング方程式を設定する；
３）スプライン回帰の特性に従って、隣接するフィッティング曲線がそれらの交差部で（ｎ－１）次数の連続性を満たす場合に、制約方程式を設定する；
４）ビジネスニーズに応じて、左右２つのエンドポイントで境界条件制約を設定する；
５）ステップ２）～４）を同時に考慮して、最小平均二乗根誤差に基づいて、セグメント内のそれぞれの多項式の係数を繰り返し解き、これにより、全日射量セグメント内の光発電力曲線を取得する。
オプションとして、最小二乗法、多項式フィッティングなどの他の曲線フィッティング法を使用して、取得された光発電力曲線が可能な限り収束するように、光発電力曲線の回帰を実行してもよい。
要約すると、本開示の実施形態に関する光発電曲線をモデリングするための方法によって、特定の期間内の様々な時点で取得された光発電データを少なくとも２つの光発電データパケットに分割し、少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定し、光発電データが光発電曲線モデリングプロセス中の異なる期間にフィットするように、少なくとも２つの光発電データパケットのパケット光発電力曲線のそれぞれをフィッティングすることで、光発電力曲線が取得され、これにより、異なる期間の光電変換効率の違いが光発電曲線モデリングに与える影響を低減し、光発電曲線モデリングの精度を向上させる。
図４は、本開示の例示的な実施形態に関する光発電曲線をモデリングするための方法のフローチャートを示す。光発電曲線をモデリングするための方法は、コンピュータデバイスによって実行される。取得された光発電データを午前および午後の光発電データパケットに分割する場合を例にとると、図４に示すように、この方法には、以下のステップが含まれる。
１）図５を参照し、光発電データが取得される。図５は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における、特定の期間内の様々な時点での光発電データの散布図を示す。図５に示すように、取得された光発電データには、特定の期間内の様々な時点での光発電データが含まれる。
２）図６および図７を参照し、午前のデータと午後のデータが分離される。図６は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における午前の光発電データの散布図を示す。図７は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における午後の光発電データの散布図を示す。図６および図７に示すように、図５に示す特定の期間内の様々な時点での光発電データは、光発電データの異なる収集時間に基づいて、午前および午後の２つの光発電データパケットに分割される。
例として、午前の光発電データパケット内の光発電データの処理を取り上げる：
３）図８を参照し、異常データがクリーニングされる。図８は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における異常データの散布図を示す。図８に示すように、異常データには、欠落データ、夜間無効データ、超過データ、デッドナンバーが含まれる。
４）図９を参照し、低関連性データがクリーニングされる。図９は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における低関連性データの散布図を示す。図９に示すように、低関連性データが日射量データに基づいてクリーニングされる。低関連性データとは、相関閾値を下回る光発電データを指す。相関閾値は、コンピュータデバイスの関連パラメータを変更することによって調整できる。
５）図１０を参照し、外れ値データがクリーニングされる。図１０は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における外れ値データの散布図を示す。図１０に示すように、低関連性データが除去された光発電データのデータ集中領域から離れた光起電力データがＬＯＦアルゴリズムに基づいて計算され、クリーニングされる。
６）図１１を参照して、過剰クリーニングされたポイントが復元される。図１１は、本開示の一実施形態に関する光発電曲線をモデリングするための方法における過剰クリーニングされたデータの散布図である。図１１に示すように、データ集中領域の周囲のプリセット領域内の光発電データがＩＱＲアルゴリズムに基づいて計算され、上記の部分からクリーニングされたプリセット領域内のデータが、光発電データのフィッティングベースの整合性を確保するために復元される。
７）図１２を参照し、光発電データがフィッティングされる。図１２は、本開示の実施形態に関する光発電曲線をモデリングするための方法における光発電曲線のフィッティング図を示す。図１２に示すように、クリーニング後に予約された有効な光発電データポイントをスプライン補間フィッティングし、または、予約された光発電データポイントを最小二乗法などの他のフィッティング方法でフィッティングして、光発電力曲線が取得される。
８）取得された光発電力曲線が単調であるか、または光電変換効率を満たしているかを検証するために、事後検証が実行される：
取得された光発電装置の光発電力曲線が単調であり、適切な光電変換効率を満たす場合、検証された光発電力曲線は光発電装置の光発電力曲線であり、すなわち、光発電データをフィッティングすることで得られた光発電力曲線は光発電装置の光発電力曲線である。
取得された光発電装置の光発電力曲線が単調である、および／または光電変換効率を満たさない場合、検証された光発電力曲線は理論上の光発電力曲線であり、理論上の光発電力曲線は太陽光発電装置の光発電力曲線として取得される。
９）光発電力曲線が取得される。午前の光発電データパケット内の光発電データを処理して午前の光発電力曲線が取得され、午後の光発電データパケット内の光発電データを処理して午後の光発電力曲線が取得される。
異常データをクリーニングし、低関連性データをクリーニングする各ステップは、光発電データを少なくとも２つの光発電データパケットに分割する前に実行されてもよく、または光発電データを少なくとも２つの光発電データパケットに分割した後に実行されてもよいことに留意されたい。
本開示の実施形態において、光発電曲線をモデリングするための方法を使用して、少なくとも２つの太陽光発電装置の光発電力曲線を取得することができる。少なくとも２つの太陽光発電装置の光発電力曲線は、少なくとも２つの光発電データパケットに対応する。
要約すると、本開示の実施形態に関する光発電曲線をモデリングするための方法によって、特定の期間内の様々な時点で取得された光発電データを少なくとも２つの光発電データパケットに分割し、少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定し、光発電データが光発電曲線モデリングプロセス中の異なる期間にフィットするように、少なくとも２つの光発電データパケットのグループ化光発電力曲線のそれぞれをフィッティングすることで、光発電力曲線が取得され、これにより、異なる期間の光電変換効率の違いが光発電曲線モデリングに与える影響を低減し、光発電曲線モデリングの精度を向上させる。
図１３は、本開示の例示的な実施形態に関する光発電曲線をモデリングするための装置のブロック図を示す。この装置は、コンピュータデバイスの全部または一部としてソフトウェア形式で実施して、図１、２または４の対応する実施形態に示される方法のステップの全部または一部を実行することができる。図１３に示されるように、この装置には、以下が含まれ得る：
特定の期間内の様々な時点で光発電データを取得するように構成された、取得モジュール１３１０、ここで、光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点での日射量検出装置によって収集された日射量とが含まれ；日射量検出装置は、太陽光発電装置に配備され；
様々な時点での光発電データを少なくとも２つの光発電データパケットに分割するように構成された、パケット化モジュール１３２０、ここで、少なくとも２つの光発電データパケットの各々の光発電データに対応する時点は、自然日のある期間に属し、少なくとも２つの光発電データパケットの異なるパケットは、異なる期間に対応し；
少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定するように構成された、設定モジュール１３３０、ここで、パケット光発電力曲線は、日射量と生成電力の間の関数関係を示すことを意図している。
オプションとして、この装置には更に：少なくとも２つの光発電データパケットのそれぞれの光発電データに対してデータクリーニングを実行して、少なくとも２つの光発電データパケット内の無効な光発電データを除去するように構成された、クリーニングモジュールが含まれる。
設定モジュール１３３０は、データクリーニングを受けた少なくとも２つの光発電データパケットの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定するように構成される。
オプションとして、光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点での日射量検出装置によって収集された日射量とが含まれる。日射量検出装置は、太陽光発電装置に配備される。クリーニングモジュールには、以下が含まれる：
少なくとも２つの光発電データパケット内の異常データをクリーニングして、異常データクリーニングを受けた少なくとも２つの光発電データパケットを取得するように構成された、第１のクリーニングサブモジュール、ここで、異常データは、日射量検出装置が故障した場合に生成されるデータを指し；
異常データクリーニングを受けた少なくとも２つの光発電データパケットから低関連性データを除去して、低関連性データクリーニングを受けた少なくとも２つの光発電データパケットを取得するように構成された、第２のクリーニングサブモジュール、ここで、低関連性データは、関連性が関連閾値よりも低い光発電データを指し、関連性は、対応する光発電データにおける生成電力と日射量との間の相関性を示すために使用され；
低関連性データクリーニングを受けた少なくとも２つの光発電データパケットからＬＯＦアルゴリズムに基づいてそれぞれ外れ値データを除去して、外れ値データが除去された少なくとも２つの光発電データパケットを取得するように構成された、第３のクリーニングサブモジュール、ここで、外れ値データは、データ集中領域から離れた光発電データを指し；
外れ値データが除去された少なくとも２つの光発電データパケットに従って、データクリーニングを受けた少なくとも２つの光発電データパケットを取得するように構成された、第１の取得サブモジュール。
オプションとして、第１のクリーニングサブモジュールは、以下のように構成される：
少なくとも２つの光発電データパケット内の欠落データをクリーニングし、ここで、欠落データは、光発電データ内の日射量データまたは生成電力データが欠落しているデータを指し；
少なくとも２つの光発電データパケット内の夜間無効データをクリーニングし、ここで、夜間無効データは、夜間検出中に光発電力検出装置によって取得された全てのデータを指し；
少なくとも２つの光発電データパケット内の超過データをクリーニングし、ここで、超過データは、適切な日射量データ範囲および／または適切な電力データ範囲を超えるデータを指し；
少なくとも２つの光発電データパケット内のデッドナンバーをクリーニングし、ここで、デッドナンバーは、時系列で４回以上現れるデータを指す。
オプションとして、第２のクリーニングサブモジュールは、以下のように構成される：
スライドウィンドウを設定し、ここで、スライドウィンドウの各々は、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データの時間分解能をステップ長とし、各ｎ個の光発電データをセットとすることで、時系列で異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データによって設定され；各ｎ個の光発電データをデータのセットとみなし、１つのスライドウィンドウにはデータのセットが含まれ；時間分解能は、日射量検出装置が対応する時点で隣接する２つの光発電データを収集する最小時間間隔を指し；
各スライドウィンドウ内の光発電データのピアソン相関係数を計算し；
異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データの相関値を計算し、ここで、相関値は、中間のｎ－２個のピアソン相関係数の各値について、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データが降順で配置されている複数のスライドウィンドウのピアソン相関係数を並べ替えることで解かれる平均値を指し；
相関閾値を決定し、ここで、相関閾値は、日射量データセグメントに基づいて分割されたデータセグメントの各々に対応する相関閾値を指し；
相関閾値に従って、異常データクリーニングを受けた少なくとも２つの光発電データパケット内の光発電データをクリーニングする。
オプションとして、第１の取得サブモジュールは、以下のように構成される：
ＩＱＲアルゴリズムに基づいて、少なくとも２つの光発電データパケットのそれぞれの低関連性データから過剰クリーニングされたデータを決定し、ここで、過剰クリーニングされたデータは、データ集中領域内およびデータ集中領域の周囲のプリセット領域内の光発電データであり；
少なくとも２つの光発電データパケットのそれぞれの過剰クリーニングされたデータを、外れ値データが除去された少なくとも２つの光発電データパケットに復元して、データクリーニングを受けた少なくとも２つの光発電データパケットを取得する。
オプションとして、設定モジュール１３３０は、少なくとも２つの光発電データパケットのそれぞれの光発電データに対してスプライン補間フィッティングを実行して、太陽光発電装置の光発電力曲線を取得するように構成される。
要約すると、本開示の実施形態に関する光発電曲線をモデリングするための装置は、コンピュータデバイスの全部または一部としてソフトウェア形式で実施される。特定の期間内の様々な時点で取得された光発電データを少なくとも２つの光発電データパケットに分割し、少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、少なくとも２つの光発電データパケットにそれぞれ対応するパケット光発電力曲線を設定し、光発電データが光発電曲線モデリングプロセス中の異なる期間にフィットするように、少なくとも２つの光発電データパケットのパケット光発電力曲線のそれぞれをフィッティングすることで、光発電力曲線が取得され、これにより、異なる期間の光電変換効率の違いが光発電曲線モデリングに与える影響を低減し、光発電曲線モデリングの精度を向上させる。
図１４は、１つの例示的な実施形態に関するコンピュータデバイス１４００の概略構造図である。コンピュータデバイスは、本開示の前述の解決策において光発電曲線をモデリングすることができるコンピュータデバイスとして実装され得る。コンピュータデバイス１４００は、中央処理装置（ＣＰＵ）１４０１と、ランダムアクセスメモリ（ＲＡＭ）１４０２および読み取り専用メモリ（ＲＯＭ）１４０３を含むシステムメモリ１４０４と、システムメモリ１４０４とＣＰＵ１４０１を接続するシステムバス１４０５とを含む。コンピュータデバイス１４００は更に、コンピュータ内の様々なコンポーネント間で情報を送信するのを助ける基本入出力システム（Ｉ／Ｏシステム）１４０６と、オペレーティングシステム１４１３、アプリケーション１４１４および他のプログラムモジュール１４１５を記憶するための大容量記憶装置１４０７とを含む。
基本Ｉ／Ｏシステム１４０６は、情報を表示するためのディスプレイ１４０８と、ユーザが情報を入力するためのマウスおよびキーボードなどの入力デバイス１４０９とを含む。ディスプレイ１４０８および入力デバイス１４０９の両方は、システムバス１４０５に接続されたＩ／Ｏコントローラ１４１０によってＣＰＵ１４０１に接続される。基本Ｉ／Ｏシステム１４０６はまた、キーボード、マウス、または電子スタイラスなどの他の複数のデバイスからの入力を受信および処理するためのＩ／Ｏコントローラ１４１０を含み得る。同様に、Ｉ／Ｏコントローラ１４１０は更に、ディスプレイ画面、プリンタ、または他のタイプの出力デバイスへの出力を提供する。
大容量記憶装置１４０７は、システムバス１４０５に接続された大容量記憶装置コントローラ（図示せず）によってＣＰＵ１４０１に接続される。大容量記憶装置１４０７およびそれに関連するコンピュータ可読媒体は、コンピュータデバイス１４００に不揮発性ストレージを提供する。すなわち、大容量記憶装置１４０７は、ハードディスクまたはＣＤ－ＲＯＭドライブなどのコンピュータ可読媒体（図示せず）を含み得る。
一般性を失うことなく、コンピュータ可読媒体は、コンピュータ記憶媒体および通信媒体を含み得る。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータなどの情報を記憶するための任意の方法または技術で実装された、揮発性および不揮発性、並びに取り外し可能および取り外し不可能な媒体を含む。コンピュータ記憶媒体には、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、またはその他のソリッドステートストレージ技術；ＣＤ－ＲＯＭ、ＤＶＤ、またはその他の光ストレージ；および、テープカートリッジ、磁気テープ、ディスクストレージ、またはその他の磁気ストレージデバイスが含まれる。コンピュータ記憶媒体が上記に限定されないことが、当業者によって知られている。上記のシステムメモリ１４０４および大容量記憶装置１４０７は、まとめてメモリと呼ばれることがある。
本開示の様々な実施形態によれば、コンピュータデバイスはまた、動作のために、インターネットなどのネットワークを介して、ネットワーク上のリモートコンピュータに接続され得る。すなわち、コンピュータデバイス１４００は、システムバス１４０５に接続されたネットワークインターフェースユニット１４１１を介してネットワーク１４１２に接続されてもよく、または、ネットワークインターフェースユニット１４１１を用いて他のタイプのネットワークまたはリモートコンピュータシステム（図示せず）に接続されてもよい。
メモリは、メモリに記憶された１つまたは複数のプログラムを更に含む。ＣＰＵ１４０１は、１つまたは複数のプログラムを実行することによって、図１、図２、または図４に示される方法のステップの全部または一部を実施する。
当業者は、上記の１つまたは複数の例において、本開示の実施形態に記載される機能は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組み合わせで実施できることを理解するであろう。ソフトウェアに実装される場合、その機能は、コンピュータ可読媒体に記憶され、またはコンピュータ可読媒体上の１つまたは複数の命令またはコードとして送信され得る。コンピュータ可読媒体には、コンピュータ記憶媒体と、ある場所から別の場所へのコンピュータプログラムの転送を容易にする任意の媒体を含む通信媒体との両方が含まれる。記憶媒体は、汎用または専用のコンピュータによってアクセスできる任意の利用可能な媒体であり得る。
１つの例示的な実施形態において、上記の端末によって使用されるコンピュータソフトウェア命令を記憶するための非一時的なコンピュータ可読記憶媒体も提供される。その命令には、上記の光発電曲線モデリング方法を実行するために設計されたプログラムが含まれる。例えば、非一時的なコンピュータ可読記憶媒体は、ＲＯＭ、ＲＡＭ、ＣＤ－ＲＯＭ、磁気テープ、フロッピーディスク、光学データストレージデバイスなどであり得る。
本開示の他の実施形態は、本開示の明細書および実施を考慮すれば当業者には明らかであろう。本開示は、一般原則に従い、本明細書に開示されていない一般的な知識または一般的に使用される技術的手段を含む、本開示の任意の変形、使用、または適合をカバーすることを意図している。本明細書および実施形態は例示としてのみ考慮されるべきであり、本開示の真の範囲および精神は、以下の特許請求の範囲によって示される。
本開示は、上記で説明し、添付の図面に示した正確な構造に限定されず、その範囲から逸脱することなく、様々な修正および変更を行うことができることを理解されたい。本開示の範囲は、添付の特許請求の範囲によってのみ制限されることが意図されている。

Claims (10)

  1. 光発電曲線をモデリングするための方法であって、
    特定の期間内の複数の時点で光発電データを取得すること、ここで、前記光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点での日射量検出装置によって収集された日射量とが含まれ、前記日射量検出装置は、前記太陽光発電装置に配備され、
    前記複数の時点での光発電データを、光電変換効率が異なり得る少なくとも２つの時間帯にそれぞれ対応する少なくとも２つの光発電データパケットに分割すること、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、前記少なくとも２つの光発電データパケットにそれぞれ対応する少なくとも２つのパケット光発電力曲線を設定すること、ここで、各パケット光発電曲線は、前記生成電力と前記日射量との間の関係を表す、
    を含むことを特徴とする方法。
  2. 請求項１に記載の方法において、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、前記少なくとも２つの光発電データパケットにそれぞれ対応する少なくとも２つのパケット光発電力曲線を設定する前に、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに対してデータクリーニングを実行して、前記少なくとも２つの光発電データパケット内の無効な光発電データを除去すること、
    を更に含み、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、前記少なくとも２つの光発電データパケットにそれぞれ対応する少なくとも２つのパケット光発電力曲線を設定することは、
    前記データクリーニングを受けた前記少なくとも２つの光発電データパケットの光発電データに従って、前記少なくとも２つの光発電データパケットにそれぞれ対応する少なくとも２つのパケット光発電力曲線を設定すること、
    を含むことを特徴とする方法。
  3. 請求項２に記載の方法において、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに対してデータクリーニングを実行することは、
    前記少なくとも２つの光発電データパケット内の異常データをクリーニングして、異常データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得すること、ここで、前記異常データは、前記日射量検出装置が故障した場合に生成されるデータを指し、
    前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケットから低関連性データを除去して、低関連性データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得すること、ここで、前記低関連性データは、関連性が関連閾値よりも低い光発電データを指し、前記関連性は、対応する光発電データにおける前記生成電力と前記日射量との間の相関性を示すことを意図し、
    前記低関連性データクリーニングを受けた前記少なくとも２つの光発電データパケットから局所外れ値因子アルゴリズムに基づいてそれぞれ外れ値データを除去して、前記外れ値データが除去された前記少なくとも２つの光発電データパケットを取得すること、ここで、前記外れ値データは、データ集中領域から離れた光発電データを指し、
    前記外れ値データが除去された前記少なくとも２つの光発電データパケットに従って、前記データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得すること、
    を含むことを特徴とする方法。
  4. 請求項３に記載の方法において、
    前記少なくとも２つの光発電データパケット内の異常データをクリーニングして、異常データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得することは、
    前記少なくとも２つの光発電データパケット内の欠落データをクリーニングすること、ここで、前記欠落データは、前記光発電データ内の日射量データまたは生成電力データが欠落しているデータを指し、
    前記少なくとも２つの光発電データパケット内の夜間無効データをクリーニングすること、ここで、前記夜間無効データは、太陽光がない期間中に前記日射量検出装置によって取得された全てのデータを指し、
    前記少なくとも２つの光発電データパケット内の超過データをクリーニングすること、ここで、前記超過データは、適切な日射量データ範囲および／または適切な電力データ範囲を超えるデータを指し、
    前記少なくとも２つの光発電データパケット内のデッドナンバーをクリーニングすること、ここで、前記デッドナンバーは、時系列で４回以上現れるデータを指す、
    を含むことを特徴とする方法。
  5. 請求項３に記載の方法において、
    前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケットから低関連性データを除去して、低関連性データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得することは、
    スライドウィンドウを設定すること、ここで、前記スライドウィンドウの各々は、前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケット内の光発電データの時間分解能をステップ長とし、各ｎ個の光発電データをセットとすることで、時系列で前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケット内の光発電データによって設定され、ここで、前記各ｎ個の光発電データをデータのセットとみなし、１つの前記スライドウィンドウには前記データのセットが含まれ、前記時間分解能は、前記日射量検出装置が対応する時点で隣接する２つの光発電データを収集する最小時間間隔を指し、
    各スライドウィンドウ内の光発電データのピアソン相関係数を計算すること、
    前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケット内の光発電データの相関値を計算すること、ここで、前記相関値は、中間のｎ－２個のピアソン相関係数の各値について、前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケット内の光発電データが降順で配置されている複数のスライドウィンドウのピアソン相関係数を並べ替えることで解かれる平均値を指し、
    相関閾値を決定すること、ここで、前記相関閾値は、前記日射量に従って前記少なくとも２つの光発電データパケットの各々を分割することで得られた複数のデータセグメントの各データセグメントに対応する相関閾値を指し、
    前記相関閾値に従って、前記異常データクリーニングを受けた前記少なくとも２つの光発電データパケット内の光発電データをクリーニングすること、
    を含むことを特徴とする方法。
  6. 請求項３に記載の方法において、
    前記外れ値データが除去された前記少なくとも２つの光発電データパケットに従って、前記データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得することは、
    四分位範囲アルゴリズムに基づいて、前記少なくとも２つの光発電データパケットのそれぞれの低関連性データから過剰クリーニングされたデータを決定すること、ここで、前記過剰クリーニングされたデータは、データ集中領域内および前記データ集中領域の周囲のプリセット領域内の光発電データであり、
    前記少なくとも２つの光発電データパケットのそれぞれの前記過剰クリーニングされたデータを、前記外れ値データが除去された前記少なくとも２つの光発電データパケットに復元して、前記データクリーニングを受けた前記少なくとも２つの光発電データパケットを取得すること、
    を含むことを特徴とする方法。
  7. 請求項１に記載の方法において、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、前記少なくとも２つの光発電データパケットにそれぞれ対応する少なくとも２つのパケット光発電力曲線を設定することは、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに対してスプライン補間フィッティングを実行して、前記太陽光発電装置の光発電力曲線を取得すること、
    を含むことを特徴とする方法。
  8. 光発電曲線をモデリングするための装置であって、
    特定の期間内の複数の時点で光発電データを取得するように構成された、取得モジュールと、ここで、前記光発電データには、対応する時点での太陽光発電装置の生成電力と、対応する時点での日射量検出装置によって収集された日射量とが含まれ、前記日射量検出装置は、前記太陽光発電装置に配備され、
    前記複数の時点での光発電データを、光電変換効率が異なり得る少なくとも２つの時間帯にそれぞれ対応する少なくとも２つの光発電データパケットに分割するように構成された、パケット化モジュールと、
    前記少なくとも２つの光発電データパケットのそれぞれの光発電データに従って、前記少なくとも２つの光発電データパケットにそれぞれ対応する少なくとも２つのパケット光発電力曲線を設定するように構成された、設定モジュールと、ここで、各パケット光発電曲線は、前記生成電力と前記日射量との間の関係を表す、
    を備えたことを特徴とする装置。
  9. プロセッサとメモリを備えたコンピュータデバイスであって、
    前記メモリは、少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを記憶するように構成され、これらが前記プロセッサによってロードおよび実行されると、請求項１～７のいずれかに定義された光発電曲線をモデリングするための方法を前記プロセッサが実行することを可能にする、
    ことを特徴とするコンピュータデバイス。
  10. コンピュータ可読記憶媒体であって、
    少なくとも１つの命令、少なくとも１つのプログラム、コードセット、または命令セットを記憶するように構成され、これらがプロセッサによってロードおよび実行されると、請求項１～７のいずれかに定義された光発電曲線をモデリングするための方法を前記プロセッサが実行することを可能にする、
    ことを特徴とするコンピュータ可読記憶媒体。
JP2022527701A 2019-11-14 2020-11-13 光発電力曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体 Active JP7357162B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201911112139.4A CN111090926B (zh) 2019-11-14 2019-11-14 光伏功率曲线建模方法、装置、计算机设备及存储介质
CN201911112139.4 2019-11-14
PCT/SG2020/050659 WO2021096432A1 (en) 2019-11-14 2020-11-13 Method and apparatus for modeling photovoltaic power curve, and computer device and storage medium thereof

Publications (2)

Publication Number Publication Date
JP2022550212A JP2022550212A (ja) 2022-11-30
JP7357162B2 true JP7357162B2 (ja) 2023-10-05

Family

ID=70393669

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022527701A Active JP7357162B2 (ja) 2019-11-14 2020-11-13 光発電力曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体

Country Status (12)

Country Link
US (1) US20220398361A1 (ja)
EP (1) EP4058955A4 (ja)
JP (1) JP7357162B2 (ja)
KR (1) KR102481611B1 (ja)
CN (1) CN111090926B (ja)
AU (1) AU2020382689A1 (ja)
BR (1) BR112022009302A2 (ja)
CA (1) CA3161663A1 (ja)
CL (1) CL2022001238A1 (ja)
MX (1) MX2022005834A (ja)
WO (1) WO2021096432A1 (ja)
ZA (1) ZA202206000B (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113437939B (zh) * 2021-06-25 2023-01-10 阳光新能源开发股份有限公司 表征灰尘引起发电量损失的方法和积灰检测***
CN113742326B (zh) * 2021-09-01 2024-04-12 阳光电源股份有限公司 功率优化器及其功率缺失值填充方法、装置
CN117591814B (zh) * 2024-01-19 2024-06-07 北京志翔科技股份有限公司 基于光伏包络的数据修复方法、装置及设备
CN117829097B (zh) * 2024-02-29 2024-05-28 双一力(宁波)电池有限公司 电池数据处理方法、装置、电子设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014179464A (ja) 2013-03-14 2014-09-25 Omron Corp 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム
CN104300899A (zh) 2014-09-11 2015-01-21 国家电网公司 一种光伏发电防窃电***
KR101532163B1 (ko) 2014-01-15 2015-06-26 한국기술교육대학교 산학협력단 태양광발전 상태진단 평가시스템
JP2020171119A (ja) 2019-04-03 2020-10-15 三菱電機株式会社 太陽電池診断装置、太陽光発電システムおよび太陽電池診断方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9686122B2 (en) * 2010-05-10 2017-06-20 Locus Energy, Inc. Methods for orientation and tilt identification of photovoltaic systems and solar irradiance sensors
US9645180B1 (en) * 2011-07-25 2017-05-09 Clean Power Research, L.L.C. System and method for estimating photovoltaic energy generation for use in photovoltaic fleet operation with the aid of a digital computer
US8682585B1 (en) * 2011-07-25 2014-03-25 Clean Power Research, L.L.C. Computer-implemented system and method for inferring operational specifications of a photovoltaic power generation system
US10663500B2 (en) * 2011-07-25 2020-05-26 Clean Power Research, L.L.C. System and method for estimating photovoltaic energy generation through linearly interpolated irradiance observations with the aid of a digital computer
US10409925B1 (en) * 2012-10-17 2019-09-10 Clean Power Research, L.L.C. Method for tuning photovoltaic power generation plant forecasting with the aid of a digital computer
US11143680B2 (en) * 2012-12-28 2021-10-12 Locus Energy, Inc. Estimation of energy losses due to partial equipment failure for photovoltaic systems from measured and modeled inputs
US9286646B1 (en) * 2013-07-05 2016-03-15 Clean Power Research, L.L.C. Method for managing centralized power generation with the aid of a digital computer
CN103678872B (zh) * 2013-09-27 2016-08-31 国家电网公司 一种光伏发电***性能评估方法及装置
US9921339B2 (en) * 2014-03-31 2018-03-20 Stc.Unm Apparatus and method for solar energy resource micro-forecasts for solar generation sources and utilities
CN104573879B (zh) * 2015-01-30 2017-07-25 河海大学 基于最优相似日集的光伏电站出力预测方法
CN104881077A (zh) * 2015-04-23 2015-09-02 燕宏伟 一种光伏***中最大功率点跟踪控制方法
WO2017035629A1 (en) * 2015-08-31 2017-03-09 Green Power Labs Inc. Method and system for solar power forecasting
US20170286838A1 (en) * 2016-03-29 2017-10-05 International Business Machines Corporation Predicting solar power generation using semi-supervised learning
CN106779175B (zh) * 2016-11-28 2020-01-21 西安交通大学 一种考虑分时段的非线性光伏出力预测方法
KR101910892B1 (ko) * 2017-04-21 2018-10-24 홍익대학교세종캠퍼스산학협력단 IoT 기반의 모바일 스마트 태양광 발전 관리 시스템
CN107229824B (zh) * 2017-05-22 2020-03-13 华北电力科学研究院有限责任公司 光伏电站发电单元功率曲线建模方法及装置
CN107679687A (zh) * 2017-08-29 2018-02-09 国网江苏省电力公司经济技术研究院 一种光伏出力建模方法以及发电***可靠性评估方法
CN109858188B (zh) * 2019-03-12 2022-08-16 河海大学常州校区 一种计算不同清洗节点下光伏组件发电收益的方法
CN110322364B (zh) * 2019-06-19 2020-08-25 山东大学 一种短期光伏发电预测方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014179464A (ja) 2013-03-14 2014-09-25 Omron Corp 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム
KR101532163B1 (ko) 2014-01-15 2015-06-26 한국기술교육대학교 산학협력단 태양광발전 상태진단 평가시스템
CN104300899A (zh) 2014-09-11 2015-01-21 国家电网公司 一种光伏发电防窃电***
JP2020171119A (ja) 2019-04-03 2020-10-15 三菱電機株式会社 太陽電池診断装置、太陽光発電システムおよび太陽電池診断方法

Also Published As

Publication number Publication date
US20220398361A1 (en) 2022-12-15
KR20220092628A (ko) 2022-07-01
BR112022009302A2 (pt) 2022-08-09
JP2022550212A (ja) 2022-11-30
AU2020382689A1 (en) 2022-06-09
EP4058955A1 (en) 2022-09-21
CN111090926A (zh) 2020-05-01
EP4058955A4 (en) 2023-02-08
ZA202206000B (en) 2022-09-28
CA3161663A1 (en) 2021-05-20
CN111090926B (zh) 2023-09-12
CL2022001238A1 (es) 2022-11-25
WO2021096432A1 (en) 2021-05-20
MX2022005834A (es) 2022-08-18
KR102481611B1 (ko) 2022-12-27

Similar Documents

Publication Publication Date Title
JP7357162B2 (ja) 光発電力曲線をモデリングするための方法および装置、並びにそれらのコンピュータデバイスおよび記憶媒体
JP6968378B2 (ja) 系統連系インバータの稼働データに基づく太陽光発電所の電力予測方法及びシステム
Wu et al. Parameter extraction of photovoltaic models from measured IV characteristics curves using a hybrid trust-region reflective algorithm
Zhang et al. Reliability assessment of photovoltaic power systems: Review of current status and future perspectives
Mosadeghy et al. A time-dependent approach to evaluate capacity value of wind and solar PV generation
CN116011686B (zh) 基于多数据融合的充电棚光伏发电储量预测方法
CN103761578B (zh) 基于多元线性回归的太阳辐照预报方法
JP7268250B2 (ja) 光発電モジュールのストリング接続のための方法および装置、並びにそれらのデバイスおよび記憶媒体
CN106548410B (zh) 一种含分布式电源的配电网电压不平衡概率评估方法
CN105790261B (zh) 一种随机谐波潮流计算方法
CN113988477A (zh) 基于机器学习的光伏功率短期预测方法、装置及存储介质
Sundararajan et al. Roadmap to prepare distribution grid-tied photovoltaic site data for performance monitoring
CN111162537B (zh) 基于组合Copula函数的拉丁超立方抽样法概率潮流计算方法
CN112487609A (zh) 一种光伏组件清洗时刻确定方法及装置
CN117218425A (zh) 一种用于光伏电站的发电损失分析方法及***
CN109978277B (zh) 光伏发电中区域上网负荷预测方法及装置
Yang et al. Fast simulation modeling and multiple-PS fault diagnosis of the PV array based on I–V curve conversion
Lee et al. A framework for generating stochastic meteorological years for risk-conscious design of buildings
CN106650060B (zh) 一种光伏电池内阻衰减系数预测方法
US20230419222A1 (en) Method to optimize cleaning of solar panels through quantification of losses in photovoltaic modules in solar power plants
CN110336322B (zh) 基于日最小负荷置信区间的光伏发电准入容量确定方法
Singh et al. Solar photovoltaic energy forecasting using machine learning and deep learning technique
CN116647183A (zh) 光伏阵列发电性能确定方法、装置和光伏***
CN108959719A (zh) 交直流混合的分布式可再生能源***测试场景模拟方法
Mahmoud et al. Classification of solar variability using K-means method for the evaluation of solar photovoltaic systems performance

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220720

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220720

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220720

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221025

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230113

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230221

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230616

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20230616

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230704

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230801

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230810

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: 20230912

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230925

R150 Certificate of patent or registration of utility model

Ref document number: 7357162

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150