特許ウォッチ

公開番号2025071169
公報種別公開特許公報(A)
公開日2025-05-02
出願番号2025024301,2021019557
出願日2025-02-18,2021-02-10
発明の名称日射強度予測装置
出願人三菱電機株式会社
代理人弁理士法人酒井国際特許事務所
主分類G01W 1/10 20060101AFI20250424BHJP(測定;試験)
要約【課題】取得した日射強度の予測値の時間分解能より高い時間分解能で日射強度の予測を行うことができる日射強度予測装置を得ること。
【解決手段】日射強度予測装置は、時系列データである日射強度の予測値のうち日出から日入までの1つ以上の時刻に対応する1つ以上の日射強度予測値と、時系列データの時間間隔より短い時間帯ごとの日射強度の実績値とを取得するデータ取得部と、時間帯内の実績値の統計量を算出し、第1の日射強度予測値と月と対応する統計量とを含む学習用データを用いて、機械学習により日射強度の時間帯における統計量を予測する学習済モデルを生成するモデル生成部と、予測対象日の第2の日射強度予測値と月とを学習済モデルに入力し日射強度の統計量を時間帯ごとに予測する予測部と、を備え、実績値は、時間帯ごとに、1つ以上の時刻に対応する1つ以上のデータを含み、利用する日射度予測値に対応する時刻は時間帯内の時刻を含む。
【選択図】図1
特許請求の範囲【請求項１】
時系列データとして得られる日射強度の予測値のうち日出時刻から日入時刻までの期間内の１つ以上の時刻に対応する１つ以上のデータである日射強度予測値と、前記時系列データの時間間隔より短い時間帯ごとの日射強度の実績値とを取得するデータ取得部と、
前記時間帯ごとに、前記時間帯内の前記実績値の統計量を算出し、前記日射強度予測値である第１の日射強度予測値と前記第１の日射強度予測値に対応する月とを入力データとし、前記入力データと前記入力データに対応する前記統計量とを含む学習用データを用いて、機械学習により、日射強度予測値と月とから日射強度の前記時間帯における統計量を予測するための学習済モデルを生成するモデル生成部と、
前記データ取得部によって取得される、予測対象日の前記日射強度予測値である第２の日射強度予測値と前記第２の日射強度予測値に対応する月とを前記学習済モデルに入力することによって前記学習済モデルの出力として日射強度の統計量を前記時間帯ごとに予測する予測部と、
を備え、
前記実績値は、前記時間帯ごとに、前記時間帯内の１つ以上の時刻に対応する１つ以上のデータを含み、
前記モデル生成部および前記予測部が利用する前記日射強度予測値に対応する時刻は、対応する前記時間帯内の時刻を含むことを特徴とする日射強度予測装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、日射強度予測装置に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
近年、再生可能エネルギーの利用を拡大することの重要性が高まっており、太陽光発電設備などの分散型電源を設置し、電力系統（送配電系統）に電力を供給する需要家が増えてきている。一方、太陽光発電設備は、火力発電設備のように、その発電出力を任意に調整することが難しく、また、日射強度（太陽光）の変動でその発電出力が変動する電源であるため、その発電出力変動を正確に予測する必要がある。このため、各所で、各需要家が設置した太陽光発電設備の発電出力を予測するために必要となる技術開発が行われている。例えば、特許文献１には、日射強度の予測値を用いて太陽光発電設備の発電出力を予測する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１６－１３６８０７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載の技術では、太陽光発電出力の時間分解能は、気象情報として得られる日射強度の予測値の時間分解能に依存する。一方、電力系統の運用（特に、電力系統制御）などの用途では、日射強度の予測値の時間分解能よりも高い時間分解能で太陽光発電出力の予測値が必要となる場合があり、このような場合、特許文献１に記載の技術では、太陽光発電出力の予測値の時間分解能が要件を満足できないため、電力系統制御では活用できない可能性がある。このため、取得した日射強度の予測値の時間分解能より高い時間分解能で日射強度の予測を行うことが望まれている。
【０００５】
本開示は、上記に鑑みてなされたものであって、取得した日射強度の予測値の時間分解能より高い時間分解能で日射強度の予測を行うことができる日射強度予測装置を得ることを目的とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決し、目的を達成するために、本開示にかかる日射強度予測装置は、時系列データとして得られる日射強度の予測値のうち日出時刻から日入時刻までの期間内の１つ以上の時刻に対応する１つ以上のデータである日射強度予測値と、時系列データの時間間隔より短い時間帯ごとの日射強度の実績値とを取得するデータ取得部と、時間帯ごとに、時間帯内の実績値の統計量を算出し、日射強度予測値である第１の日射強度予測値と第１の日射強度予測値に対応する月とを入力データとし、入力データと入力データに対応する統計量とを含む学習用データを用いて、機械学習により、日射強度予測値と月とから日射強度の時間帯における統計量を予測するための学習済モデルを生成するモデル生成部と、データ取得部によって取得される、予測対象日の日射強度予測値である第２の日射強度予測値と第２の日射強度予測値に対応する月とを学習済モデルに入力することによって学習済モデルの出力として日射強度の統計量を時間帯ごとに予測する予測部と、を備え、実績値は、時間帯ごとに、時間帯内の１つ以上の時刻に対応する１つ以上のデータを含み、モデル生成部および予測部が利用する日射強度予測値に対応する時刻は、対応する時間帯内の時刻を含む。
【発明の効果】
【０００７】
本開示によれば、取得した日射強度の予測値の時間分解能より高い時間分解能で日射強度の予測を行うことができるという効果を奏する。
【図面の簡単な説明】
【０００８】
実施の形態にかかる太陽光発電出力予測装置を含む電力系統制御システムの構成例を示す図
太陽光発電出力予測装置における学習済モデルの生成手順の一例を示すフローチャート
外部予測値の区画の一例を示す図
学習済モデルの生成に用いられる外部予測値の一例を示す図
外部予測値の時系列データの一例をグラフとして示した模式図
日射強度実績値と時間窓内の最大値および最小値の一例を示す図
ニューラルネットワークの一例を示す模式図
日射強度の統計量の予測処理手順の一例を示すフローチャート
予測対象日の外部予測値と日射強度の最大値および最小値の予測結果との一例を示す図
太陽光発電出力予測装置を実現するコンピュータシステムの構成例を示す図
電力系統制御システムの別の構成例を示す図
太陽光発電出力予測装置を含む需給制御システムの構成例を示す図
【発明を実施するための形態】
【０００９】
以下に、実施の形態にかかる太陽光発電出力予測装置、電力系統制御システム、需給制御システム、日射強度予測装置、学習装置、太陽光発電出力予測方法および太陽光発電出力予測プログラムを図面に基づいて詳細に説明する。
【００１０】
図１は、実施の形態にかかる太陽光発電出力予測装置を含む電力系統制御システムの構成例を示す図である。本実施の形態の太陽光発電出力予測装置１０は、外部から取得した日射強度（あるいは、太陽光発電出力）の予測値を用いて所望の時間分解能の日射強度を予測し、予測した日射強度を用いて太陽光発電出力を予測する。具体的には、本実施の形態の太陽光発電出力予測装置１０は、外部から取得した日射強度（あるいは、太陽光発電出力）の予測値を用いて所望の時間分解能の日射強度の統計量を予測する。以下では、日射強度の予測値を用いて所望の時間分解能の日射強度を予測する例を挙げて説明するが、後述するように、太陽光発電出力を用いて日射強度を予測してもよい。太陽光発電出力予測装置１０が予測する日射強度の統計量は、例えばパーセンタイル（特に、０パーセンタイルである最小値、または、１００パーセンタイルである最大値など）、平均値である。
（【００１１】以降は省略されています）

関連特許