特許ウォッチ

公開番号2025124438
公報種別公開特許公報(A)
公開日2025-08-26
出願番号2024020500
出願日2024-02-14
発明の名称モデル生成装置およびモデル生成方法
出願人日新電機株式会社
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類G06N 20/00 20190101AFI20250819BHJP(計算;計数)
要約【課題】太陽光発電の発電量を推定するために適正な学習モデルを見出すまでに要する学習時間を低減する。
【解決手段】モデル生成装置(1)は、機械学習アルゴリズムを実行することにより、太陽光パネルの発電量を推定するための特徴量に基づいて、複数の学習モデルを生成する学習装置(10)を備え、前記学習装置は、所定の最適化手法に従って、適正学習モデルを選択する。
【選択図】図5
特許請求の範囲【請求項１】
太陽光パネルの発電量を推定するための特徴量を取得する取得部と、
機械学習アルゴリズムを実行することにより、前記特徴量に基づいて、複数の学習モデルを生成し、生成された前記複数の学習モデルのそれぞれの品質を示す複数の指標値を導出する学習部と、を備え、
前記学習部は、所定の最適化手法に従って、前記複数の指標値に基づいてよりよい指標値を有する学習モデルを探索することにより、よりよい指標値を有する前記学習モデルを適正学習モデルとして選択する、モデル生成装置。
続きを表示（約 670 文字）【請求項２】
前記学習部は、複数種類の前記機械学習アルゴリズムごとに、
複数種類の前記機械学習アルゴリズムのそれぞれにおいて適用される複数のハイパーパラメータ設定のそれぞれを用いて、前記複数の学習モデルを生成し、
前記所定の最適化手法に従って、前記複数の指標値に基づいてよりよい指標値を有する前記学習モデルを探索することにより、よりよい指標値を有する前記学習モデルを前記適正学習モデルとして選択する、請求項１に記載のモデル生成装置。
【請求項３】
前記学習部は、複数のハイパーパラメータ設定をそれぞれ適用した複数種類の前記機械学習アルゴリズムのそれぞれを実行することにより、上記複数の学習モデルを生成する、請求項１に記載のモデル生成装置。
【請求項４】
前記最適化手法は、ネルダー・ミード法またはパウエル法である、請求項１から３のいずれか１項に記載のモデル生成装置。
【請求項５】
太陽光パネルの発電量を推定するための特徴量を取得する取得工程と、
機械学習アルゴリズムを実行することにより、前記特徴量に基づいて、複数の学習モデルを生成し、生成された前記複数の学習モデルのそれぞれの品質を示す複数の指標値を導出する学習工程と、を含み、
前記学習工程において、所定の最適化手法に従って、前記複数の指標値に基づいてよりよい指標値を有する学習モデルを探索することにより、よりよい指標値を有する前記学習モデルを適正学習モデルとして選択する、モデル生成方法。

発明の詳細な説明【技術分野】
【０００１】
本発明の一態様は、太陽光発電の発電量を推定するための学習モデルを生成する技術に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
太陽光発電の発電量を予測する技術として、下記の特許文献１に開示された発明がある。特許文献１は、記憶手段に記憶された快晴度と気象の関係に基づいて気象予測データに対応する快晴度を演算し、演算の結果得られた快晴度に対して、予測対象時間帯の各時刻に係る日射量の理論上の最大値を乗じることで各時刻の日射量を算出する。そして、日射量と発電出力との関係を示す変換効率に係る情報を日射量に乗算することで発電出力を算出する。
【先行技術文献】
【特許文献】
【０００３】
特開２０１３－１６４２８６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明の一態様は、太陽光発電の発電量を推定するために適正な学習モデルを見出すまでに要する学習時間を低減することを目的とする。
【課題を解決するための手段】
【０００５】
上記の課題を解決するために、本発明の一態様に係るモデル生成装置は、太陽光パネルの発電量を推定するための特徴量を取得する取得部と、機械学習アルゴリズムを実行することにより、前記特徴量に基づいて、複数の学習モデルを生成し、生成された前記複数の学習モデルのそれぞれの品質を示す複数の指標値を導出する学習部と、を備え、前記学習部は、所定の最適化手法に従って、前記複数の指標値に基づいてよりよい指標値を有する学習モデルを探索することにより、よりよい指標値を有する前記学習モデルを適正学習モデルとして選択する。
【０００６】
また、上記の課題を解決するために、本発明の一態様に係るモデル生成方法は、太陽光パネルの発電量を推定するための特徴量を取得する取得工程と、機械学習アルゴリズムを実行することにより、前記特徴量に基づいて、複数の学習モデルを生成し、生成された前記複数の学習モデルのそれぞれの品質を示す複数の指標値を導出する学習工程と、を含み、前記学習工程において、所定の最適化手法に従って、前記複数の指標値に基づいてよりよい指標値を有する学習モデルを探索することにより、よりよい指標値を有する前記学習モデルを適正学習モデルとして選択する。
【発明の効果】
【０００７】
本発明の一態様によれば、太陽光発電の発電量を推定するために適正な学習モデルを見出すまでに要する学習時間を低減できる。
【図面の簡単な説明】
【０００８】
参考形態に係るモデル生成装置の概略構成を示す機能ブロック図である。
参考形態に係るモデル生成装置により生成された複数の学習モデルの評価結果を示すテーブルである。
参考形態に係るモデル生成装置の処理手順を説明するためのフローチャートである。
参考形態に係る発電量推定装置の概略構成を示す機能ブロック図である。
実施形態１に係るモデル生成装置の概略構成を示す機能ブロック図である。
実施形態１に係るモデル生成装置の処理手順を説明するためのフローチャートである。
実施形態１に係るモデル生成装置の学習装置の主要な処理の流れを概略的に示すフローチャートである。
ネルダー・ミード法の概念を概略的に説明するための図である。
最適化を実行する処理の流れを示すフローチャートである。
【発明を実施するための形態】
【０００９】
〔参考形態〕
実施形態１の学習装置１０の説明に先立ち、参考形態としての学習装置１０ｓについて述べる。説明の便宜上、参考形態にて説明した構成要素（コンポーネント）と同じ機能を有する構成要素については、以降の各実施形態では、同じ符号を付記し、その説明を繰り返さない。また、簡潔化のため、公知技術と同様の事項についても、説明を適宜省略する。
【００１０】
＜モデル生成装置１ｓの構成例＞
図１は、参考形態に係るモデル生成装置１ｓの概略構成を示す機能ブロック図である。モデル生成装置１ｓは、学習装置１０ｓと、日射量測定器１２（取得部）と、気温測定器１３（取得部）と、ＲＴＣ（Real Time Clock）１４（取得部）と、発電量測定器１５（取得部）とを含む。
（【００１１】以降は省略されています）

関連特許