特許 7538754 情報処理装置、情報処理方法及びプログラム

(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】

(24)【登録日】2024-08-14

(45)【発行日】2024-08-22

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   H02J 3/00 20060101AFI20240815BHJP

   H02S 50/00 20140101ALI20240815BHJP

   H02J 3/38 20060101ALI20240815BHJP

   H02J 13/00 20060101ALI20240815BHJP

【ＦＩ】

H02J3/00 170

H02S50/00

H02J3/38 130

H02J13/00 301A

【請求項の数】 17

(21)【出願番号】P 2021043909

(22)【出願日】2021-03-17

(65)【公開番号】P2022143418

(43)【公開日】2022-10-03

【審査請求日】2023-02-20

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(73)【特許権者】

【識別番号】317015294

【氏名又は名称】東芝エネルギーシステムズ株式会社

(74)【代理人】

【識別番号】100091487

【弁理士】

【氏名又は名称】中村 行孝

(74)【代理人】

【識別番号】100120031

【弁理士】

【氏名又は名称】宮嶋 学

(74)【代理人】

【識別番号】100107582

【弁理士】

【氏名又は名称】関根 毅

(74)【代理人】

【識別番号】100118876

【弁理士】

【氏名又は名称】鈴木 順生

(74)【代理人】

【識別番号】100103263

【弁理士】

【氏名又は名称】川崎 康

(72)【発明者】

【氏名】志賀 慶明

(72)【発明者】

【氏名】進 博正

(72)【発明者】

【氏名】柿元 満

(72)【発明者】

【氏名】愛須 英之

(72)【発明者】

【氏名】林 祐希

(72)【発明者】

【氏名】大場 健史

【審査官】宮本 秀一

(56)【参考文献】

【文献】特開２０１４－０６３３７２（ＪＰ，Ａ）

【文献】特開２０１８－１２５９３７（ＪＰ，Ａ）

【文献】国際公開第２０１７／２１７４６６（ＷＯ，Ａ１）

【文献】特開２０１７－２２０９８０（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０１Ｌ３１／０４－３１／０６

Ｈ０２Ｊ３／００－５／００

Ｈ０２Ｊ１３／００

Ｈ０２Ｓ１０／００－１０／４０

Ｈ０２Ｓ３０／００－９９／００

Ｈ１０Ｋ３０／００

Ｈ１０Ｋ３０／５０－３０／５７

Ｈ１０Ｋ３９／００－３９／１８

(57)【特許請求の範囲】

【請求項1】

第１パラメータと前記第１パラメータよりも変化頻度が高い第２パラメータとに基づいて、太陽光発電の発電量を含む所定の物理量を予測する予測部と、
前記物理量の実績データに基づいて前記第１パラメータをチューニングする第１チューニング部と、
前記第１チューニング部でチューニングされた前記第１パラメータに基づいて予測された前記物理量の予測値と、前記物理量の実績データとに基づいて、前記予測値に乗じる前記第２パラメータをチューニングする第２チューニング部と、を備え、
前記第１チューニング部は、
前記第１パラメータの値を変更する変更部と、
前記変更部で変更された第１パラメータに基づいて前記物理量の予測値を計算するモデル計算部と、
前記実績データに基づく実績値と前記予測値とを比較して、前記予測値のスコアを計算するスコア計算部と、
前記スコアが所定の基準を満たすまで、前記変更部、前記モデル計算部、及び前記スコア計算部の処理を繰り返して、前記スコアが前記所定の基準を満たしたときの前記第１パラメータを出力する第１パラメータ出力部と、を有し、
前記第１パラメータは、設備に関するパラメータを含み、
前記第２パラメータは、環境条件に関するパラメータを含む、情報処理装置。

【請求項2】

前記予測部は、前記第１チューニング部でチューニングされた第１パラメータと前記第２チューニング部でチューニングされた第２パラメータとに基づく工学モデルを用いて、将来における前記物理量を予測し、
前記モデル計算部は、前記変更部で変更された前記第１パラメータに基づく前記工学モデルを用いて前記物理量の予測値を計算する、請求項１に記載の情報処理装置。

【請求項3】

前記予測部は、前記第１チューニング部でチューニングされた第１パラメータと、前記第２チューニング部でチューニングされた第２パラメータと、気象データと、に基づく前記工学モデルを用いて、将来における前記物理量を予測する、請求項２に記載の情報処理装置。

【請求項4】

前記物理量の実績データのうち、前記第１チューニング部でのチューニングに使用可能な実績データを抽出するデータ抽出部を備え、
前記第１チューニング部は、前記データ抽出部で抽出された実績データに基づいて前記第１パラメータをチューニングする、請求項１乃至３のいずれか一項に記載の情報処理装置。

【請求項5】

前記予測部で予測された物理量と、前記物理量の実績データと、気象データとを対応づけて記録する記録部を備え、
前記データ抽出部は、前記記録部に記録されたデータに基づいて、前記第１チューニング部でのチューニングに使用可能な実績データを抽出する、請求項４に記載の情報処理装置。

【請求項6】

前記データ抽出部で抽出された実績データを可視化する第１可視化部を備える、請求項４又は５に記載の情報処理装置。

【請求項7】

前記データ抽出部は、前記第１可視化部による可視化により、前記データ抽出部で抽出された実績データが適切でないと判断された実績データを除いて、再度実績データを抽出する、請求項６に記載の情報処理装置。

【請求項8】

前記第１チューニング部でチューニングされた前記第１パラメータと、前記第２チューニング部でチューニングされた前記第２パラメータとの少なくとも一方を可視化する第２可視化部を備える、請求項１乃至７のいずれか一項に記載の情報処理装置。

【請求項9】

前記第２可視化部は、前記第１チューニング部でチューニングされた前記第１パラメータと、前記第２チューニング部でチューニングされた前記第２パラメータとの少なくとも一方を、時系列で出力する、請求項８に記載の情報処理装置。

【請求項10】

前記第２可視化部で可視化された前記第１パラメータ及び前記第２パラメータの少なくとも一方を修正する修正部を備え、
前記予測部は、前記修正部で修正された前記第１パラメータ及び前記第２パラメータの少なくとも一方に基づく工学モデルを用いて、将来における前記物理量を予測する、請求項８又は９に記載の情報処理装置。

【請求項11】

前記予測部が前記物理量を予測するのに用いる前記物理量を計算する工学モデルに使用される複数のパラメータを前記第１パラメータと前記第２パラメータとに分類する分類部を備える、請求項１乃至１０のいずれか一項に記載の情報処理装置。

【請求項12】

前記第１チューニング部は、前記第１パラメータを第１期間ごとにチューニングし、
前記第２チューニング部は、前記第２パラメータを第２期間ごとにチューニングする、請求項１乃至１１のいずれか一項に記載の情報処理装置。

【請求項13】

前記第１期間は、前記第２期間よりも長い、請求項１２に記載の情報処理装置。

【請求項14】

前記変更部は、前記実績データに含まれる各時刻での実績値のうち最大値を時刻ごとに抽出し、抽出された最大値に基づいて前記物理量を制御する制御機器の容量を決定する、請求項１乃至１３のいずれか一項に記載の情報処理装置。

【請求項15】

前記予測部が前記物理量を予測するのに用いる前記物理量を計算する工学モデルは、太陽光発電の発電量を計算するモデルである、請求項１乃至１４のいずれか一項に記載の情報処理装置。

【請求項16】

第１パラメータと前記第１パラメータよりも変化頻度が高い第２パラメータとに基づいて、太陽光発電の発電量を含む所定の物理量を予測するステップと、
前記物理量の実績データに基づいて前記第１パラメータをチューニングするステップと、
チューニングされた前記第１パラメータに基づいて予測された前記物理量の予測値と、前記物理量の実績データとに基づいて、前記予測値に乗じる前記第２パラメータをチューニングするステップと、を備え、
前記第１パラメータをチューニングするステップは、
前記第１パラメータの値を変更するステップと、
前記変更された第１パラメータに基づいて前記物理量の予測値を計算するステップと、
前記実績データに基づく実績値と前記予測値とを比較して、前記予測値のスコアを計算するステップと、
前記スコアが所定の基準を満たすまで、前記第１パラメータの値を変更するステップ、前記物理量の予測値を計算するステップ、及び前記予測値のスコアを計算するステップの処理を繰り返して、前記スコアが前記所定の基準を満たしたときの前記第１パラメータを出力するステップと、を有し、
前記第１パラメータは、設備に関するパラメータを含み、
前記第２パラメータは、環境条件に関するパラメータを含む、情報処理方法。

【請求項17】

コンピュータに、
第１パラメータと前記第１パラメータよりも変化頻度が高い第２パラメータとに基づいて、太陽光発電の発電量を含む所定の物理量を予測する手順と、
前記物理量の実績データに基づいて前記第１パラメータをチューニングする手順と、
チューニングされた前記第１パラメータに基づいて予測された前記物理量の予測値と、前記物理量の実績データとに基づいて、前記予測値に乗じる前記第２パラメータをチューニングする手順と、を実行させ、
前記第１パラメータをチューニングする手順は、
前記第１パラメータの値を変更する手順と、
前記変更された第１パラメータに基づいて前記物理量の予測値を計算する手順と、
前記実績データに基づく実績値と前記予測値とを比較して、前記予測値のスコアを計算する手順と、
前記スコアが所定の基準を満たすまで、前記第１パラメータの値を変更する手順、前記物理量の予測値を計算する手順、及び前記予測値のスコアを計算する手順の処理を繰り返して、前記スコアが前記所定の基準を満たしたときの前記第１パラメータを出力する手順と、を有し、
前記第１パラメータは、設備に関するパラメータを含み、
前記第２パラメータは、環境条件に関するパラメータを含む、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の一実施形態は、情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

太陽光パネルの発電量を予測するモデルには、種々のパラメータがある。ユーザが指定したパラメータでは、実際の発電量実績と合わないことがある。また、回帰分析等の機械学習を用いてモデルを学習する手法では、所定の期間内に学習させたモデルを使用して発電量を予測するが、太陽光パネルの発電量は時間帯や季節によって大きく変化するため、日々の環境変化に追随できるモデルが得られないおそれがある。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００７－１７３６５７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

そこで、本発明の一実施形態では、信頼性の高い工学モデルを用いて物理量を精度よく予測可能な情報処理装置、情報処理方法及びプログラムを提供するものである。

【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、本発明の一実施形態によれば、第１パラメータと前記第１パラメータよりも変化頻度が高い第２パラメータとに基づいて所定の物理量を予測する予測部と、
前記物理量の実績データに基づいて前記第１パラメータをチューニングする第１チューニング部と、
前記物理量の実績データに基づいて前記第２パラメータをチューニングする第２チューニング部と、を備える、情報処理装置が提供される。

【図面の簡単な説明】

【0006】

【図1】一実施形態による情報処理装置１の概略構成を示すブロック図。

【図2】太陽光パネルの発電量を計算する工学モデルのパラメータの一例を示す図。

【図3】第１チューニング部３が行う処理手順の一例を示すフローチャート。

【図4A】時刻ごとに発電量予測値をプロットした図。

【図4B】時刻ごとに発電量予測値の最大値をプロットした図。

【図5】第２チューニング部４が行う処理手順の一例を示すフローチャート。

【図6】図１の情報処理装置１の処理動作の一例を示すフローチャート。

【図7A】第１パラメータが時刻に応じて変化する様子を模式的に示す図。

【図7B】第２パラメータが時刻に応じて変化する様子を模式的に示す図。

【図7C】発電量が時刻に応じて変化する様子を模式的に示す図。

【発明を実施するための形態】

【0007】

以下、図面を参照して、情報処理装置、情報処理方法及びプログラムの実施形態について説明する。以下では、情報処理装置の主要な構成部分を中心に説明するが、情報処理装置には、図示又は説明されていない構成部分や機能が存在しうる。以下の説明は、図示又は説明されていない構成部分や機能を除外するものではない。

【0008】

図１は一実施形態による情報処理装置１の概略構成を示すブロック図である。図１の情報処理装置１は、工学モデルを用いて物理量を予測するものである。工学モデルとは、パラメータを含む関数式によって物理量を計算することができる計算モデルである。以下では、一例として、太陽光パネルの発電量を計算する工学モデルを主に説明する。この場合、物理量は発電量である。

【0009】

図１の情報処理装置１は、モデル予測部２と、第１チューニング部３と、第２チューニング部４とを備えている。

【0010】

モデル予測部２は、第１パラメータと第１パラメータよりも変化頻度が高い第２パラメータとに基づいて所定の物理量をを予測する。より詳細には、モデル予測部２は、第１パラメータと第２パラメータに基づいて、物理量を計算する工学モデルを用いて、将来における物理量を予測する。第１パラメータは、設備パラメータと呼ばれることもあり、工学モデルに含まれる複数のパラメータのうち、主に太陽光パネルの設備に関するパラメータである。第１パラメータの値は、短期間（例えば１週間）ではほとんど変化しないという特徴を有する。第２パラメータは、環境パラメータと呼ばれることもあり、気象条件等によって頻繁に値が変化する。本実施形態では、第１パラメータと第２パラメータがそれぞれ複数個ずつ存在する例を説明するが、第１パラメータと第２パラメータの数（種類）は問わない。

【0011】

第１チューニング部３は、物理量の実績データに基づいて第１パラメータをチューニングする。上述したように、第１パラメータは短期間ではほとんど値が変化しないため、第１チューニング部３は年単位等の第１期間ごとに第１パラメータをチューニングする。ここで、チューニングとは、物理量を精度よく予測できるように、対象となるパラメータ（この場合は第１パラメータ）を調整することである。より具体的には、チューニングとは、物理量を計算する工学モデルが現実の物理量を精度よく予測できるように、物理量のパラメータ（この場合は第１パラメータ）を調整することである。

【0012】

第２チューニング部４は、物理量の実績データに基づいて第２パラメータをチューニングする。上述したように、第２パラメータは頻繁に値が変化するため、第２チューニング部４は日単位等の第２期間ごとに第２パラメータをチューニングする。第２期間は、第１期間よりも短い期間である。

【0013】

モデル予測部２は、第１チューニング部３でチューニングされた第１パラメータと第２チューニング部４でチューニングされた第２パラメータとに基づく工学モデルを用いて、将来における発電量を予測する。モデル予測部２は、工学モデルの初期パラメータを図１の情報処理装置１の外部から取得してもよい。この場合、モデル予測部２は、初期パラメータを用いて生成された工学モデルを用いて物理量を計算し、その計算結果と実績データとを比較して、工学モデルのパラメータを更新する学習を開始する。その後は、学習期間の間、チューニングされた第１パラメータ及び第２パラメータを含む工学モデルにて計算された発電量の予測値と過去の実績データとを比較して、第１パラメータ及び第２パラメータの少なくとも一方をチューニングする処理を繰り返す。

【0014】

図１の情報処理装置１は、データ抽出部５を備えていてもよい。データ抽出部５は、物理量の実績データのうち、第１チューニング部３でのチューニングに使用可能な実績データを抽出する。実績データの中には、第１パラメータのチューニングに用いるのに適さないデータもありうることから、データ抽出部５は、第１パラメータのチューニングに用いるのに適した実績データを抽出して第１チューニング部３に供給する。第１チューニング部３は、データ抽出部５で抽出された実績データに基づいて第１パラメータをチューニングする。

【0015】

図１の情報処理装置１は、実績データ取得部６と、全球予報データ取得部７と、気象予測部８と、記録部９とを備えていてもよい。

【0016】

実績データ取得部６は、図１の情報処理装置１の外部から供給される物理量の実績データを取得する。例えば、実績データ取得部６は、発電業者等が提供する発電量の実績データを、ネットワークを介して取得する。

【0017】

全球予報データ取得部７は、図１の情報処理装置１の外部から供給される全球予報データを取得する。全球予報データは、米国のＮＣＥＰ（National Centers for Environmental Prediction）のＧＦＳ（Global Forecast System）、欧州気象機関ＥＣＭＷＦ（European Centre for Medium-Range Weather Forecasts）のＨＲＥＳ（High Resolution forecast）等から供給されるデータである。

【0018】

気象予測部８は、全球予報データに基づいて対象地域の領域気象予測データを生成する。例えば、気象予測部８は、全球予報データに基づいて、太陽光パネルが設置された対象地域の気象予測データを生成する。

【0019】

記録部９は、モデル予測部２で予測された物理量（例えば発電量）と、実績データ取得部６で取得された実績データと、気象予測部８で予測された対象地域の気象予測データとを対応づけて記録する。記録部９がこれらのデータを記録する時間間隔は任意であり、予め定められた時間間隔でもよいし、不定期な時間間隔でもよい。

【0020】

例えば、データ抽出部５は、記録部９に記録されたデータに基づいて、第１チューニング部３でのチューニングに使用可能な実績データを抽出する。

【0021】

図１の情報処理装置１は、可視化部（第１可視化部と第２可視化部）１０を備えていてもよい。可視化部１０が可視化するデータには複数通りの候補がある。例えば、可視化部（第１可視化部）１０は、データ抽出部５が抽出したデータを可視化してもよい。データを可視化することで、データ抽出部５が抽出したデータが適切か否かを人間が判断でき、人間が不適切であると判断した場合は、そのデータを削除したり、再度データ抽出部５にデータの抽出を指示することができる。可視化部１０は、図１の情報処理装置１に接続された不図示の表示装置の表示画面に、可視化対象のデータを表示することができる。あるいは、可視化部１０は、図１の情報処理装置１に接続された不図示のプリンタにて可視化対象データを印字出力してもよい。あるいは、可視化部１０は、可視化対象のデータをネットワークを介して送信してもよい。

【0022】

さらに、可視化部（第２可視化部）１０は、第１チューニング部３でチューニングされた第１パラメータと、第２チューニング部４でチューニングされた第２パラメータとの少なくとも一方を可視化してもよい。例えば、可視化部１０は、図１の情報処理装置１に接続された表示装置の表示画面に、チューニングされた第１パラメータ及び第２パラメータの少なくとも一方を時系列で表示してもよい。

【0023】

図１の情報処理装置１は、パラメータ制御部１１を備えていてもよい。パラメータ制御部１１は、工学モデルのパラメータを第１パラメータと第２パラメータに分類する。分類の仕方は予め定めてもよいし、人間が任意に設定変更できるようにしてもよい。また、パラメータ制御部１１は、第１チューニング部３が第１パラメータをチューニングする更新間隔である第１期間と、第２チューニング部４が第２パラメータをチューニングする更新間隔である第２期間との少なくとも一方を設定変更できるようにしてもよい。この場合、人間が第１期間と第２期間の少なくとも一方を指定できるようにしてもよい。また、パラメータ制御部１１は、第１パラメータをチューニングするタイミングと第２パラメータをチューニングするタイミングとの少なくとも一方を設定変更できるようにしてもよい。この場合、人間が第１パラメータをチューニングするタイミングと第２パラメータをチューニングするタイミングとの少なくとも一方を指定できるようにしてもよい。さらに、パラメータ制御部１１は、第１チューニング部３によるチューニング手法と、第２チューニング部４によるチューニング手法との少なくとも一方を選択できるようにしてもよい。この場合、人間が第１チューニング部３によるチューニング手法と、第２チューニング部４によるチューニング手法との少なくとも一方を指定できるようにしてもよい。

【0024】

図１の情報処理装置１は、修正部１２を備えていてもよい。図１では、パラメータ制御部１１の内部に修正部１２を含めているが、パラメータ制御部１１とは別個に修正部１２を設けてもよい。修正部１２は、可視化部１０で可視化された第１パラメータ及び第２パラメータの少なくとも一方を修正する。例えば、第１パラメータに含まれる太陽光パネルの方位角が実際にはありえないような角度の場合は、人間が手動で変更できるようにする。このように、修正部１２は、第１チューニング部３と第２チューニング部４による第１パラメータと第２パラメータのチューニングが適切に行われなかった場合に、人間が手動で修正を行えるようにするために設けられている。

【0025】

図１の情報処理装置１は、出力部１３を備えていてもよい。出力部１３は、モデル予測部２で予測された工学モデルの物理量（例えば発電量）の予測値を出力する。出力部１３は、表示装置に予測値を表示してもよいし、プリンタで予測値を紙媒体に印字出力してもよいし、ネットワークを介して予測値を送信してもよい。

【0026】

（太陽光パネルの発電量の予測）
以下、太陽光パネルの発電量の予測手法の概略について説明する。図２は太陽光パネルの発電量を計算する工学モデルのパラメータの一例を示す図である。図２に示すように、工学パラメータには第１パラメータと第２パラメータが存在する。第１パラメータには、太陽光パネルの設置場所を示す緯度lat及び経度lonと、太陽光パネルの傾斜角til及び方位角aziと、太陽光パネルの容量CAPと、太陽光パネルを制御するパワーコンディショナ（ＰＣＳ：Power Conditioning Subsystem）の容量PCSなどがある。第２パラメータは、環境パラメータであり、環境に依存する種々の係数やパラメータを一つのパラメータＫdに統合している。図２には、各パラメータの初期値、更新間隔、更新タイミング、及び更新手法が一例として示されているが、これらは任意に設定変更することができる。

【0027】

例えば、図２の更新間隔では、第１パラメータは１年、第２パラメータは１週間としているが、第１パラメータの種類ごとに更新間隔を変えてもよい。また、図２の更新手法において、グリッドサーチとは、第１パラメータの値の組合せを総当たりで検索することを意味する。フィッティングとは、発電量の実績値と予測値が一致するように第１パラメータの値を調整することを意味する。

【0028】

次に、工学モデルに種々の係数を入力する。入力される係数には、気象予測から得られる日射強度solar、入射光に対する反射光の割合を示すアルベドalbedo、気温temp、風速windなどがある。全天日射量から太陽光パネルの傾斜面日射量Ｇ１への変換関数は、以下の式（１）で表される。
Ｇ１＝変換関数（solar, albedo, time, lat, lon, til, azi） …（１）

【0029】

式（１）のTimeは、気象予測のタイムスタンプであり、全天日射量を傾斜面日射量に変換する際に太陽高度を算出するために使用される。次に、気温や風速による太陽光パネルの変換効率の補正係数Ｋtを計算する。これらの係数を用いて、以下の式（２）に基づいて、太陽光パネルの発電量powerを予測する。
power＝Ｋd×ＣＡＰ×Ｇ１×Ｋt …（２）

【0030】

式（２）で予測される発電量powerに対して、式（３）に示すように、パワーコンディショナの容量PCSで制限をかけた値が発電量の最終的な予測値outputとなる。
output＝power（power≦PCS），pcs（power＞pcs） …（３）

【0031】

（第１パラメータのチューニング）
以下、第１パラメータのチューニング手法の一例を説明する。図３は第１チューニング部３が行う処理手順の一例を示すフローチャートである。図３のフローチャートは、複数種類の第１パラメータの値の組み合わせを変更しながら、発電量の予測値を計算し、計算された予測値を過去の発電量実績値と比較した結果に基づいて、最適な第１パラメータの値の組み合わせを選択するものである。

【0032】

まず、複数種類の第１パラメータのうち、グリッドサーチで探索する第１パラメータの値の組み合わせを変更して（ステップＳ１、変更部）、変更された第１パラメータの値の組み合わせを工学モデルに入力して発電量の予測値の計算を繰り返す（ステップＳ２、モデル計算部）。例えば、グリッドサーチにより、太陽光パネルの方位角と傾斜角の値の組み合わせについて、発電量の予測値を計算する。

【0033】

次に、計算された予測値と太陽光パネルの過去の発電量実績値とを最小二乗法でフィッティングすることで、第１パラメータの値を最適化する（ステップＳ３）。フィッティングした第１パラメータの値を用いて計算された予測値と過去の発電量実績値とに基づいてスコアを計算する（ステップＳ４、スコア計算部）。スコアは、小さいほど予測値と発電量実績値との誤差が少ないことを示している。

【0034】

次に、グリッドサーチにより第１パラメータの値の組み合わせを再度変化させて、上述したステップＳ１～Ｓ４の処理を繰り返して、スコアが最小になる第１パラメータの値の組み合わせを最適な設備パラメータとする（ステップＳ５、第１パラメータ出力部）。その後、過去の発電量実績値に基づいて、パワーコンディショナの容量PCSを計算する（ステップＳ６）。

【0035】

図４Ａ及び図４Ｂは図２のステップＳ６の処理を説明する図である。図４Ａ及び図４Ｂの横軸は時間、縦軸は発電量である。図４Ａには、発電量予測値のプロットが示されている。本来的には、時刻に対して線形に発電量が変化し、その傾きが容量PCSとなる。ところが、図４Ａに示すように、プロットは広い範囲に分布している。プロットの分布範囲の中央を通過するように近似直線を引いて、この近似直線の傾きから容量PCSを計算する手法が考えられるが、この手法では正確に容量PCSを計算することはできない。

【0036】

一方、図４Ｂは、各時刻の発電量予測値の最大値をプロットした図である。この場合、プロットの分布範囲の幅が図４Ａに比べて狭いため、プロットの分布範囲に沿って近似直線を引くことが容易になり、この近似直線の傾きに従って容量PCSを求めることで、正確に容量PCSを計算できる。

【0037】

（第２パラメータのチューニング）
以下、第２パラメータのチューニング手法の一例を説明する。図５は第２チューニング部４が行う処理手順の一例を示すフローチャートである。

【0038】

まず、第２パラメータＫdを初期化する（ステップＳ１１）。次に、第２パラメータＫdの初期値に基づいて発電量予測値を計算する（ステップＳ１２）。次に、発電量予測値と発電量実績値とを比較して、回帰分析等により第２パラメータＫdを更新する（ステップＳ１３）。

【0039】

ステップＳ１３の処理が終了すると、ステップＳ１２～Ｓ１３の処理を予め定めた更新間隔ごとに繰り返して、第２パラメータＫdをチューニングする。

【0040】

また、第２パラメータＫd以外に、降雪による発電量低下を考慮に入れるための係数Ｋsを設けてもよい。係数Ｋsは、例えば以下の式（４）に基づいてチューニングすることができる。
Ｋs＝０（snow＞Ｔh）or１（snow≦Ｔh） …（４）
もしくは、Ｋs＝ｆ(snow)のような滑らかな関数としても良い。関数ｆは過去に降雪があった実績データから学習する。

【0041】

式（４）のＴhは、着雪による発電量の出力低下を考慮に入れる閾値であり、着雪量snowが閾値Ｔhより大きければ係数Ｋs＝０、着雪量snowが閾値Ｔh以下であれば係数Ｋs＝１である。

【0042】

発電量の出力値outputは、以下の式（５）に示すように、予測値predictに係数Ｋsを乗じることにより計算される。
output＝Ｋs×predict …（５）

【0043】

図６は図１の情報処理装置１の処理動作の一例を示すフローチャートである。まず、実績データ取得部６にて、太陽光パネルの発電実績データを取得する（ステップＳ２１）。ステップＳ２１の処理に前後して、全球予報データ取得部７にて、全球予報データを取得する（ステップＳ２２）。次に、気象予測部８にて、対象となる太陽光パネルが設置された地域の気象予測を行い、気象予測データを生成する（ステップＳ２３）。気象予測データは、図１の情報処理装置１の外部から提供されてもよい。

【0044】

次に、ユーザが設定したパラメータ、又は予め定めたパラメータを用いて、所定の工学モデルにより発電量の予測値を計算する（ステップＳ２４）。

【0045】

次に、データ抽出部５にて、ステップＳ２１で取得した実績データと、ステップＳ２３で得られる気象予測データとに基づいて、第１パラメータをチューニングするのに使用するデータを抽出する（ステップＳ２５）。

【0046】

次に、可視化部１０にて、ステップＳ２４で抽出したデータを可視化する（ステップＳ２６）。可視化する理由は、チューニングに適していないデータが抽出された可能性もありうるためである。そこで、データを可視化して、抽出したデータがチューニングに適しているか否かを人間に確認させる（ステップＳ２７）。

【0047】

確認させた結果、適していないと人間が判断した場合は、ステップＳ２５のデータ抽出処理をやり直す。この場合、データ抽出部５は、適していないと判断されたデータを除外して、再度データを抽出する。

【0048】

ステップＳ２６で適していると人間が判断した場合は、第１チューニング部３にて、第１パラメータ（設備パラメータ）をチューニングする（ステップＳ２８）。ここでは、図３の処理を実行する。

【0049】

次に、第２チューニング部４にて、第２パラメータ（環境パラメータ）をチューニングする（ステップＳ２９）。ここでは、図５の処理を実行する。

【0050】

次に、可視化部１０にて、ステップＳ２８とＳ２９でチューニングした第１パラメータと第２パラメータを可視化する（ステップＳ３０）。次に、人間は、可視化された第１パラメータと第２パラメータの少なくとも一方が適切か否かを確認する（ステップＳ３１）。その確認の結果、適切でなければ、修正部１２にて、適切でないパラメータを修正する（ステップＳ３２）。

【0051】

ステップＳ３１の確認の結果、適切であると判断されるか、あるいはステップＳ３２で修正された第１パラメータと第２パラメータを含む工学モデルにて、発電量の予測値を出力する（ステップＳ３３）。

【0052】

図７Ａ、図７Ｂ及び図７Ｃは、図６のフローチャートの処理を行う過程で、第１パラメータ（設備パラメータ）、第２パラメータ（環境パラメータ）、及び発電量が時刻に応じて変化する様子を模式的に示す図である。各グラフの横軸は時刻である。図７Ａの縦軸は第１パラメータの値、図７Ｂの縦軸は第２パラメータの値、図７Ｃの縦軸は発電量である。

【0053】

図７Ａには、太陽光パネルの容量CAPとパワーコンディショナの容量PCSのチューニング後の値ｗ１、ｗ２が図示されている。第１パラメータの更新周期は第２パラメータの更新周期よりも長いため、階段状に緩やかに値が変化する。

【0054】

図７Ｂには、第２パラメータＫdの値ｗ３が図示されている。図示のように、第２パラメータＫdは日々微調整されるため、細かい周期で値が変化している。

【0055】

図７Ｃには、発電量の実績値ｗ４と予測値ｗ５が図示されている。太陽光パネルの発電量は、昼間しか生じないため、波形ｗ４、ｗ５に示すようにパルス状の波形になる。図７Ｃの波形ｗ４、ｗ５に示すように、本実施形態による情報処理装置では、おおむね発電量の実績値ｗ４に近い波形の予測値ｗ５を得ることができる。

【0056】

このように、本実施形態では、工学モデルのパラメータを、変化頻度の小さい第１パラメータと、変化頻度の高い第２パラメータとに分類し、第１パラメータと第２パラメータに分けてチューニングするため、工学モデルのパラメータのチューニングを効率よく行うことができ、工学モデルにより計算される物理量の予測値の精度を向上できる。

【0057】

特に本実施形態によれば、物理量の過去の実績データのみに基づいて、第１パラメータのチューニングを精度よく行うことができる。

【0058】

第１パラメータのチューニングを行う更新間隔及びタイミングと、第２パラメータのチューニングを行う更新間隔及びタイミングとを別個に設定することで、効率よく、かつ的確にチューニングを行うことができる。

【0059】

設備に関連する第１パラメータについては、短期間には値が変動しないことから、長い期間をかけてチューニングを行うことで、一時的な値の変動に捕らわれずに、信頼性の高いチューニングを行うことができる。また、第１パラメータのチューニングに使用するデータの中で、チューニングに適するデータを抽出して第１パラメータのチューニングを行うため、実績データの中に含まれる不適切データに影響されずに第１パラメータのチューニングを行うことができる。

【0060】

環境条件に左右されやすい第２パラメータについては、短期間に頻繁にチューニングを繰り返すことで、環境条件の変化に即応させたチューニングを行うことができる。

【0061】

上述した実施形態で説明した情報処理装置１の少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、情報処理装置１の少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ－ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。

【0062】

また、情報処理装置１の少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。

【0063】

本開示の態様は、上述した個々の実施形態に限定されるものではなく、当業者が想到しうる種々の変形も含むものであり、本開示の効果も上述した内容に限定されない。すなわち、特許請求の範囲に規定された内容およびその均等物から導き出される本開示の概念的な思想と趣旨を逸脱しない範囲で種々の追加、変更および部分的削除が可能である。

【符号の説明】

【0064】

１ 情報処理装置、２ モデル予測部、３ 第１チューニング部、４ 第２チューニング部、５ データ抽出部、６ 実績データ取得部、７ 全球予報データ取得部、８ 気象予測部、９ 記録部、１０ 可視化部、１１ パラメータ制御部、１２ 修正部、１３ 出力部

【図1】

【図2】

【図3】

【図4A】

【図4B】

【図5】

【図6】

【図7A】

【図7B】

【図7C】