特許 6793508 日射量推定装置、及び日射量推定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6793508

(24)【登録日】2020年11月12日

(45)【発行日】2020年12月2日

(54)【発明の名称】日射量推定装置、及び日射量推定方法

(51)【国際特許分類】

   G01W 1/12 20060101AFI20201119BHJP

   G01W 1/10 20060101ALI20201119BHJP

【ＦＩ】

   G01W1/12 G

   G01W1/10 D

【請求項の数】4

【全頁数】10

(21)【出願番号】特願2016-182874(P2016-182874)

(22)【出願日】2016年9月20日

(65)【公開番号】特開2017-90442(P2017-90442A)

(43)【公開日】2017年5月25日

【審査請求日】2019年8月20日

(31)【優先権主張番号】特願2015-215551(P2015-215551)

(32)【優先日】2015年11月2日

(33)【優先権主張国】JP

(73)【特許権者】

【識別番号】591030237

【氏名又は名称】日本ユニシス株式会社

(74)【代理人】

【識別番号】100114775

【弁理士】

【氏名又は名称】高岡 亮一

(74)【代理人】

【識別番号】100121511

【弁理士】

【氏名又は名称】小田 直

(72)【発明者】

【氏名】斉藤 功樹

【審査官】 山口 剛

(56)【参考文献】

【文献】 特開２０１１−１３７６１２（ＪＰ，Ａ）

【文献】 特開２００７−１８４３５４（ＪＰ，Ａ）

【文献】 特開平１１−２１１５６０（ＪＰ，Ａ）

【文献】 特開２００５−２４１４５５（ＪＰ，Ａ）

【文献】 中国特許出願公開第１０３０３４８５８（ＣＮ，Ａ）

【文献】 橋本篤、小林隆久、田村英寿、平口博丸，“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”，電力中央研究所報告，日本，電力中央研究所，２０１３年 ８月，Ｎ１３００３，pp.i-iv,1-21

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｗ １／００ − １／１８

ＪＳＴＰｌｕｓ（ＪＤｒｅａｍＩＩＩ）

ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

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。

【請求項2】

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。

【請求項3】

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。

【請求項4】

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。

【発明の詳細な説明】

【技術分野】

【0001】

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。

【背景技術】

【0002】

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。

【0003】

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。

【0004】

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／ｍ^２）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、Ｓ_０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。

【数1】

【先行技術文献】

【特許文献】

【0005】

【非特許文献1】「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

【発明の概要】

【発明が解決しようとする課題】

【0006】

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。

【0007】

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。

【課題を解決するための手段】

【0008】

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。

【発明の効果】

【0009】

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。

【図面の簡単な説明】

【0010】

【図1】日射量推定システムの全体構成を示す概略図である。

【図2】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。

【図3】日射量推定処理を示すフローチャートである。

【図4】日射量の推定値と、実際の日射量との差を示す図である。

【図5】実際の日射量と日射量の推定値の誤差を示す図である。

【図6】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。

【図7】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。

【図8】従来技術の雲種類判定表を示す図である。

【発明を実施するための形態】

【0011】

（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。

【0012】

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。

【0013】

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。

【0014】

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。

【0015】

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。

【0016】

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。

【0017】

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。

【0018】

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。

【0019】

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。

【0020】

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。

【0021】

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。

【0022】

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／ｍ^２）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。

【0023】

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／ｍ^２）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。

【0024】

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。

【0025】

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。

【0026】

（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。

【0027】

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／ｍ^２）の推定式に当てはめて、日射量を算出（推定）する。

【0028】

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／ｍ^２）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。

【0029】

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。

【0030】

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。

【0031】

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。

【符号の説明】

【0032】

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

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】