JP6693330B2 - 太陽光発電システムの動作 - Google Patents

Description

本開示で議論される１又は複数の実施形態は、太陽光発電システムの動作に関する。

温室効果ガス排出を低減するために、世界中で多くの努力がなされている。努力は、ハイブリッド車からエネルギ効率の良い電球にまで及ぶ。努力の１つの手段は、電力の生成、及び様々な種類の電気発電に関連する温室効果ガス排出に関連する。注目を受けている１つの電力源は、太陽エネルギである。なぜなら、太陽エネルギは、再生可能であり、化石燃料を燃やさないからである。しかしながら、太陽光発電の効率は、太陽エネルギを生成する場所の天候により大きく影響され得る。

本開示で請求される主題は、上述のような欠点を解決する実施形態や上述のような環境でのみ機能する実施形態に限定されない。むしろ、この背景技術は、単に、本開示に記載される複数の実施形態が実施される技術分野の一例を説明するために提供される。

本開示の１又は複数の実施形態は、格納されたコンピュータ可読命令を有する非一時的コンピュータ可読媒体であって、前記コンピュータ可読命令は、動作を実行するために又はその実行を制御するために、１又は複数のプロセッサにより実行可能である、非一時的コンピュータ可読媒体を有し得る。動作は、第１の場所の歴史的照射データと第２の場所の第２の歴史的照射データとを得るステップであって、前記第１の場所は第１の太陽光発電装置を有し、前記第２の場所は第２の太陽光発電装置を有する、ステップを有しても良い。動作は、第１の予報として前記第１の場所における及び第２の予報として前記第２の場所における照射を予報するステップを更に有しても良い。動作は、前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップ、を更に有しても良い。動作は、前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップを更に有しても良い。前記モデル化された共分散に基づき、前記動作は、前記第１の場所における予報照射と前記第２の場所における予報照射とを統合する統合照射予報を作成するステップと、前記統合照射予報に基づき、前記統合照射予報に比例して電力生成を修正するために、非太陽光発電装置にメッセージを送信するステップと、を更に有しても良い。

実施形態の目的及び利点が理解され、少なくとも特に特許請求の範囲で指摘された要素、特徴及び組合せを用いて達成されるだろう。

上述の全体的説明及び以下の詳細な説明の両方は、例を提供し及び説明のためであり、本発明の範囲を限定しない。

例示的な実施形態は、添付の図面を用いて、更なる特異性及び詳細事項と共に記載され説明される。
太陽光発電装置を含む仮想発電所を作動するよう構成される例示的なシステムを示す図である。 太陽エネルギ予報を評価する際に用いられる例示的なグラフのセットである。 太陽光発電システムを作動する例示的な方法のフロー図である。 太陽光発電装置を含む仮想発電所を作動する例示的な方法のフロー図である。 太陽光発電装置を含む仮想発電所を作動する例示的な方法のフロー図である。 太陽光発電装置の複数の場所を有する太陽光発電システムを作動する例示的な方法のフロー図である。 太陽光発電装置の複数の場所を有する太陽光発電システムを作動する例示的な方法のフロー図である。 太陽光発電装置の複数の場所を有する太陽光発電システムを作動する別の例示的な方法のフロー図である。

太陽エネルギは、光電池が露出される日光の量に依存する電力源である。この理由から、仮想発電所（virtual power plant：ＶＰＰ）の管理者及びオペレータのような発電会社は、太陽光発電装置が生成し得る電気の量を予測するために、照射（例えば、単位面積当たりの放射エネルギの光束（フラックス））予報を利用する。しかしながら、このような予報は、常に正しいものではなく、予報の期待される変動を考慮しない場合がある。さらに、これらの問題は、複数の場所の太陽光発電装置が含まれるとき、深刻になることがある。

本開示は、複数の場所に渡る照射予報の精度を示す情報を利用することにより、太陽光発電システムを作動することに関連し得る。歴史的照射のテストデータセット、例えば、様々な季節及び様々な気象条件のうちの多くの日について、各々の場所により経験された照射、が得られても良い。テストデータセットは、例えば、テストデータセットの中のある時点における照射をその日の該時点についての晴天照射で割ることにより、晴天照射モデルに基づき正規化されても良い。正規化された後、テストデータセットは、関連特徴セットを有する気象クラス（例えば、晴天、一部曇り、又は曇り）にクラスタ化されても良い。このような動作は、各々の場所についての予報の精度を分析するフレームワークを生成し得る。フレームワークの中の分析されるべき照射の予報は、例えば、第三機関予測サービスから得られても良い。次に、予報は、気象クラスのうちの１つに分類されても良い。気象クラスの特徴に基づき、予報の信頼区間が決定されても良い。信頼区間は、予報の信頼性を示しても良い。次に、複数の場所の信頼区間の間の共分散がモデル化されても良い。モデル化された共分散に基づき、統合照射予報、及び／又は複数の場所に渡る統合信頼区間が決定されても良い。幾つかの実施形態では、発電所又は他の非太陽光発電装置の動作は、統合予報又は統合信頼区間に基づきモデル化されても良い。

本開示の実施形態を、添付の図面を参照して以下に説明する。

図１は、（太陽光発電装置１１２ａ及び１１２ｂのような）太陽光発電装置１１２を含む仮想発電所（virtual power plant：ＶＰＰ）１１０を作動するよう構成される例示的なシステム１００を示す図である。システム１００は、ＶＰＰ１１０、気象情報源１２０、エネルギ市場１３０、及びネットワーク１４０を有しても良い。ＶＰＰ１１０は、制御装置１１１と、１又は複数の発電源を有しても良い。例えば、図１に示すように、ＶＰＰ１１０は、太陽光発電装置１１２ａ及び１１２ｂ、風力発電装置１１３、化石燃料発電装置１１４、及び水力発電装置１１５を有しても良い。

制御装置１１１は、ＶＰＰ１１０の動作を管理するよう構成される任意の装置、システム、コンポーネント、又はコンポーネントの集合を有しても良い。例えば、制御装置１１１は、太陽光発電装置１１２における太陽エネルギ生成に関連する予報を生成し又は分析しても良い。別の例として、制御装置１１１は、電力を生成する１又は複数のソースにより生成されている電力量を規制し又は変更しても良い。制御装置１１１は、気象情報源１２０から受信される気象情報のような気象情報に対して分析を実行しても良い。

気象情報源１２０は、気象情報を格納し、生成し、予測し、又は取り扱うよう構成される任意の装置、システム、コンポーネント、又はコンポーネントの集合であっても良い。気象情報源１２０における気象情報は、例えば、照射、雲量、雲情報、雲分類、スカイカバー（例えば、空が雲で覆われている割合）、日照時間、季節（例えば、冬、夏）、１日の最高温度、１日の最低温度、露点温度、温度、相対湿度、風速、風向、１日の降水確率、太陽方位角、太陽天頂角、正規化時角、等を含む任意の気象情報を有しても良い。

気象情報源１２０における気象情報は、暦、気象予報サービス、ニュースステーション、物理的観測のデータベース、ウェブサービス、等から入手可能であっても良い。幾つかの実施形態では、気象情報は、時間（その日、時間、分、又は秒を含んでも良い）と、場所と、関連データと、の３つのデータの組として特徴付けられても良い。例えば、３つのデータの組は、カリフォルニア州サンフランシスコにおいて２０１５年７月４日、午前１０時を有しても良く、１日の最高で８５度、１０％のスカイカバー、夏、及び１０％の降雨確率のような、対応する気象情報を有しても良い。気象情報源１２０は、太陽光発電装置１１２の場所のような様々な場所についての歴史的データを有しても良い。気象情報源１２０は、予報、予測、又は気象に関する他の将来的な情報も有しても良い。幾つかの実施形態では、歴史的データのような気象情報、又は気象情報の予報は、気象情報源１２０からネットワーク１４０を介して制御装置１１１へ通信されても良い。幾つかの実施形態では、制御装置１１１は、気象情報の予報を生成しても良い。

エネルギ市場１３０は、電力が購入され又は販売され得る任意のシステム若しくはシステムの集合であっても良い。例えば、制御装置１１１は、ＶＰＰ１１０において生成された電力の幾らかの部分をエネルギ市場１３０に提供しても良い。追加又は代替で、制御装置１１１は、ＶＰＰ１１０から電力を受ける１又は複数の加入者への分配のために、エネルギ市場１３０から追加エネルギを取得し又は購入しても良い。幾つかの実施形態では、電力は、予約され、又はエネルギ市場１３０を介して暫定的に購入されても良い。

ネットワーク１４０は、制御装置１１１、気象情報源１２０、及びエネルギ市場１３０のうちの１又は複数の間の通信を提供するよう構成される任意の装置、システム、コンポーネント、又はそれらの組合せを有しても良い。通信は、情報通信だけでなく、他の種類の通信、例えば電力の通信も含んでも良い。例として、ネットワーク１４０は、制御装置１１１、気象情報源１２０、及び／又はエネルギ市場１３０が通信できるようにする１又は複数のＷＡＮ（wide area network）、ＬＡＮ（local area network）、電力分配ネットワーク、電力線ネットワーク、等を有しても良い。幾つかの実施形態では、ネットワーク１４０は、複数のＷＡＮ及び／又はＬＡＮの間の論理的及び物理的接続により形成されるグローバルインターネットワークを含むインターネットを有しても良い。代替又は追加で、ネットワーク１４０は、１又は複数のセルラＲＦネットワーク及び／又は８０２．ｘｘネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）アクセスポイント、無線アクセスポイント、ＩＰベースのネットワーク等のような１又は複数の有線及び／又は無線ネットワークを有しても良いが、これらに限定されない。ネットワーク１４０は、ある種類のネットワークを別の種類のネットワークと接続させるサーバ、支局、又は他の接続装置を有しても良い。追加又は代替で、ネットワーク１４０は、イントラネット、又は組織内で若しくはセキュアな方法で通信する１又は複数のコンピューティング装置を有しても良い。

幾つかの実施形態では、太陽光発電装置１１２ａ及び１１２ｂ、風力発電装置１１３、化石燃料発電装置１１４、及び／又は水力発電装置１１５は、ネットワーク１４０を介して制御装置１１１と通信しても良い。追加又は代替で、太陽光発電装置１１２ａ、１１２ｂ、風力発電装置１１３、化石燃料発電装置１１４、及び／又は水力発電装置１１５は、生成された電力を格納し、分配し、販売し、調整し、又は取り扱い若しくは制御するシステムと、電気的に通信しても良い。上述の及び他の実施形態では、制御装置１１１は、このようなシステムの部分であっても良く、及び／又はそれに指示し若しくはそれを制御しても良い。

幾つかの実施形態では、太陽光発電装置１１２は、複数の場所に渡り分散されても良い。例えば、マップ１５０は、二重破線により指定される第１乃至第６の領域１５２ａ〜１５２ｆを示しても良い。マップ１５０に示すように、太陽光発電装置１１２は、第１乃至第６の領域１５２ａ〜１５２ｆの中の点として示されても良い。上述の及び他の実施形態では、太陽光発電装置１１２は、消費者太陽光発電装置（例えば、家庭にある太陽電池パネル）、商用太陽光発電装置（例えば、太陽エネルギフィールド、又は太陽電池パネルを有する事業）、等であっても良い。太陽光発電装置１１２は、特定の密度で分散されても良い。例えば、第１の領域１５２ａは、第６の領域１５２ｆより高い第１の密度の太陽光発電装置を有しても良い。上述の及び他の実施形態では、第１乃至第６の領域１５２ａ〜１５２ｆの各々について、別個の分析及び／又は検討が行われても良い。

動作中、制御装置１１１は、本開示に記載の動作のうちの任意の動作を実行しても良い。例えば、制御装置１１１は、ネットワーク１４０を介して、気象情報源１２０から、太陽光発電装置１１２ａの場所に関する歴史的気象情報のテストデータセットを得ても良い。テストデータセットの気象情報は、歴史的照射データを有しても良い。制御装置１１１は、歴史的照射データを正規化するために、歴史的照射データ及び晴天照射モデルを用いても良い。例えば、１日の所与の時間に対応するテストデータセットの中のデータポイントについて、該データポイントの歴史的照射データは、１日のその時間の晴天照射により除算されても良い。正規化された後、テストデータセットは、１日の時間と独立であっても良く、又は太陽天頂角と独立であっても良い。正規化値は、晴天インデックスとして参照されても良い。

正規化照射データ（例えば、テストデータセットの晴天インデックス）に基づき、テストデータセットは、気象クラスにクラスタ化されても良い。気象クラスの幾つかの例は、晴天、曇り、又は一部曇りを有しても良い。各々のクラスは、対応する特徴セットを有しても良い。対応する特徴セットは、気象情報源１２０にあるとして記載される気象情報のうちの任意のものを有しても良い。例えば、晴天の気象クラスは、高い照射、高い１日の温度、及び低い１日の降水確率を有しても良い。特徴セットは、照射の予測不可能な程度も有しても良い。例えば、曇り又は一部曇りの気象クラスは、晴天クラスより高い、照射の予測不可能な程度を有しても良い。テストデータセットを気象クラスにクラスタ化する一例は、図２に示され、図２を参照して説明できる。幾つかの実施形態では、テストデータセットは、太陽天頂角に基づきクラスタ化されても良い（例えば、日の出後最大約２時間まで及び日没前最大で約２時間まで低い太陽天頂角、日の出後約２時間の間及び日没前約２時間まで高い太陽天頂角）。一例として２時間が用いられるが、この値は、高度、周囲の山若しくは他の地勢、又は太陽エネルギ生成の量を増大若しくは減少させ得る他の要因を含む様々な要因に依存して変化しても良い。例えば、概算時間は、１時間の半分、１時間、又は１時間半、も有しても良い。上述の及び他の実施形態では、太陽天頂角に基づくクラスタ化は、気象クラスの中のサブクラスであっても良い。例えば、テストデータセットの朝の時間の範囲内のデータポイントは、あるサブクラスの中にクラスタ化されても良く、テストデータセットの晩の時間の範囲内のデータポイントは、別のサブクラスの中にクラスタ化されても良い。例えば、低い太陽天頂角の時間の間、地上障害物（例えば、木）は、高い太陽天頂角を有するデータポイントと比べるとき、変動の増大を生じ得る。地上障害物に加え、地理的位置も、低い太陽天頂角のサブクラスの変動に影響を与え得る。例えば、カリフォルニア州では、朝の海洋上の層状雲は空の多くを覆うが、一方で、夕方には、海洋上の雲は、朝の時間より大幅に消散することがある。

図２は、太陽エネルギ予報を評価する際に用いられる例示的なグラフのセット２００である。例えば、例示的なグラフのセット２００は、正規化されたテストデータセットを気象クラスにクラスタ化するために使用されても良い。グラフ２１０は、正規化されたテストデータセットのヒストグラムを有しても良い。ヒストグラムは、所与の晴天インデックスの確率密度を示しても良い。例えば、所与の晴天インデックスでは、晴天インデックスに対応する正規化されたテストデータセットの中の各々のデータポイントは、所与の晴天インデックスに対応する全データポイントの割合がグラフ２１０のヒストグラムにプロットされるように、統合されても良い。上述の及び他の実施形態では、低い太陽天頂角を有するデータポイントは、別個のヒストグラムを有する１又は複数のサブクラスに分類されても良い。

例示的なグラフのセット２００は、ヒストグラムに適合する曲線２２５を示すグラフ２２０も含む。曲線２２５は、曲線の組を表しても良い。ここで、組の中の曲線の各々は、別個の異なる気象クラスを表しても良い。例えば、このような曲線の組は、ガウス混合モデルを表しても良い。幾つかの実施形態では、曲線の各々は、結合された曲線２２５から異なる曲線に分けられても良い。例えば、グラフ２３０は、第１の曲線２３２、第２の曲線２３４、及び第３の曲線２３６のような別個の曲線を示し得る。第１の曲線２３２は、曇りの気象クラスを表しても良い。グラフ２３０に示すように、第１の曲線２３２は、確率分布が広がるにつれ、第３の曲線２３６より予測不可能な範囲が広くなっても良い。同様に、第２の曲線２３４は、一部曇りの気象クラスを表しても良く、第３の曲線２３６より広い予測不可能な範囲を有しても良い。グラフ２３０に示すように、第１の曲線２３２は、第２の曲線２３４より大幅に低い晴天インデックスを有しても良い。第３の曲線２３６は、晴天の気象クラスを表しても良い。晴天の気象クラスは、他の気象クラスと比べて最も高い晴天インデックスを有しても良く、他の２つの気象クラスと比べて、より狭い分布曲線、又はより低い予測不可能な程度を有しても良い。幾つかの実施形態では、グラフ２２０の曲線２２５はガウス混合モデルを表しても良く、各々のクラスがガウス分布モデルによりモデル化されるようにしても良い。上述の及び他の実施形態では、第１、第２、及び第３の曲線２３２、２３４、及び２３６は、それぞれ、ガウス分布を表しても良い。

幾つかの実施形態では、正規化されたテストデータセットの中の各々のデータポイントは、クラス固有の曲線のうちのどれに、データポイントが最も厳密に一致するかを決定することにより、特定の気象クラスと共にクラスタ化されても良い。それにより、どの新しい予報が分析され得るかに対するフレームワークが確立され得る。

本開示の本質から逸脱することなく、図２の例示的なグラフのセット２００に対し変更、追加又は省略が行われても良い。例えば、任意の数の気象クラスが使用されても良く、グラフ２３０の中の気象クラスの各々について対応する曲線が存在しても良い。さらに、例示的なグラフ２００は説明の目的で提供され、本開示の実施形態は、例示的なグラフのセット２００を生成することなく実施されても良い。

図１に戻ると、予報を分析するフレームワークが確立された後、新しい予報、例えば照射予報が得られる。このような予報は、制御装置１１１における気象情報源１２０から受信されても良く、又は制御装置１１１により生成されても良い。制御装置１１１は、新しい予報の精度、又は新しい予報の予測不可能な程度を決定するために新しい予報を分析しても良い。

幾つかの実施形態では、新しい予報の最近接近隣が、テストデータセットの中で発見されても良い。例えば、新しい予報とテストデータセットとの間の類似性が分析されても良い。幾つかの実施形態では、予報値に最も近い値が、最近接近隣であっても良い。幾つかの実施形態では、予報は、気象情報の複数のコンポーネントを有しても良く、コンポーネントの幾つか又は全部の間の類似性が考慮されても良く、幾つかのコンポーネントは他のコンポーネントより重く重み付けされても良い。上述の及び他の実施形態では、新しい予報は、最近接近隣に基づき気象クラスに分類されても良い。例えば、新しい予報は、最近接近隣と同じ気象クラスに配置されても良い。上述の及び他の実施形態では、新しい予報が高い太陽天頂角を有するか否かを決定するために、新しい予報の太陽天頂角も分析されても良い。上述の及び他の実施形態では、新しい予報が低い太陽天頂角を有する場合、新しい予報は、突出していると考えられても良い。

予報が気象クラスに分類された後、新しい予報は、新しい予報の精度、又は新しい予報の予測不可能な程度を決定するために分析されても良い。例えば、新しい予報の信頼区間は、新しい予報が属する気象クラスの特性に基づき、又は新しい予報の最近接近隣の特性に基づき、決定されても良い。例えば、制御装置１１１は、新しい予報の予測不可能な程度及び／又は信頼区間を決定しても良い。

幾つかの実施形態では、制御装置１１１が場所の各々について新しい予報を分析した後に、更なる分析が、場所の間の信頼区間の間の関係に対して実行されても良い。幾つかの実施形態では、このような分析は、分析されている場所についての、歴史的照射データ及び前の照射予報の両方を含んでも良い。上述の及び他の実施形態では、異なる場所における信頼区間の間の共分散は、ロバスト変数を用いてモデル化されても良い。モデル化を助けるために、境界又は他の制約が、ロバスト変数に課されても良い。共分散に基づき、統合予報及び／又は統合信頼区間が決定されても良い。

幾つかの実施形態では、制御装置１１１が統合予報を決定した後に、制御装置１１１は、統合予報の精度に基づき、ＶＰＰ１１０の動作を変更しても良い。例えば、制御装置１１１は、発電の出力を増大又は低下させるために、太陽光発電装置１１２、風力発電装置１１３、化石燃料発電装置１１４、及び／又は水力発電装置１１５へメッセージを送信しても良い。例えば、制御装置１１１は、太陽光発電装置１１２に出力を増大させるよう指示して良く、非太陽光発電装置のうちの任意のもの（例えば、風力発電装置１１３、化石燃料発電装置１１４、及び／又は水力発電装置１１５）に出力を低下させるよう指示しても良い。上述の及び他の実施形態では、変更は、統合予報の信頼区間のような分析の結果に比例しても良い。追加又は代替で、制御装置１１１は、統合予報の分析に基づき、エネルギ市場１３０から、追加電力を購入し又は取得しても良く、或いは、追加電力を暫定的に購入し又は取得しても良い。追加又は代替で、制御装置１１１は、統合予報の分析に基づき、ＶＰＰ１１０がエネルギ市場１３０に電力を供給する価格を設定し、修正し、変更し、低下し、及び／又は増大しても良い。例えば、統合予報の精度を用いて、ＶＰＰ１１０は、場所の全部に渡り、最小太陽エネルギ生成を認識しても良い。全ての場所に渡る最小太陽エネルギ生成の知識は、制御装置１１１に、（太陽エネルギの他に）どれだけ多くの追加エネルギが所与の状況において必要になり得るかを示し（indict）ても良い。例えば、全ての場所に渡り最小太陽エネルギ生成が生成される場合、制御装置１１１は、予測されたエネルギ消費に基づき、エネルギ不足を決定しても良い。制御装置１１１は、エネルギ不足をカバーするために、購入又は代替電力生成を通じて、任意の追加エネルギを取得し又は取得する用意をしても良い。

制御装置１１１は、１又は複数のプロセッサ１１６（プロセッサ１１６として参照される）、メモリ１１７、１又は複数の記憶装置１１８（記憶装置１１８として参照される）、及び１又は複数の通信装置１１９（通信装置１１９として参照される）を有しても良い。

プロセッサ１１６は、任意の適切な特定用途向け又は汎用コンピュータ、コンピューティングエンティティ、又は種々のコンピュータハードウェア若しくはソフトウェアモジュールを有しても良く、メモリ１１７及び／又は記憶装置１１８のような任意の適切なコンピュータ可読媒体に格納された命令を実行するよう構成され得る処理装置を用いて実施されても良い。例えば、プロセッサ１１６は、マイクロプロセッサ、マイクロコントローラ、デジタシグナルプロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又はプログラム命令を解釈し及び／若しくは実行し並びに／又はデータを処理するよう構成された任意の他のデジタル若しくはアナログ回路を有しても良い。図１には単一のプロセッサを示したが、プロセッサ１１６は、本開示で説明される任意の数の工程を個々に又は共同で実行するよう構成される任意の数のプロセッサを有しても良い。さらに、プロセッサのうちの１又は複数は、互いに結合される又は遠隔で通信する異なる装置のような１又は複数の異なる電子装置に存在しても良い。

幾つかの実施形態では、プロセッサ１１６は、プログラム命令を解釈及び／又は実行し、及び／又はメモリ１１７に格納されたデータを処理しても良い。幾つかの実施形態では、プロセッサ１１６は、記憶装置１１８からプログラム命令をフェッチし、該プログラム命令をメモリ１１７にロードしても良い。プログラム命令がメモリ１１７にロードされた後、プロセッサ１１６は該プログラム命令を実行しても良い。幾つかの実施形態では、プロセッサ１１６による命令の実行は、ＶＰＰ１１０及び／又は制御装置１１１の動作を指示し及び／又は制御しても良い。例えば、プロセッサ１１６は、電気出力を増大又は低下するために、制御装置１１１から発電装置のうちの１又は複数へメッセージを送信しても良い。

メモリ１１７及び記憶装置１１８は、コンピュータ実行可能命令又はデータ構造を伝える又は格納しているコンピュータ可読記憶媒体を含み得る。このようなコンピュータ可読媒体は、プロセッサ１１６のような汎用又は特定目的コンピュータによりアクセスできる任意の利用可能な媒体を含み得る。例として且つ限定ではなく、このようなコンピュータ可読記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ又は他の光ディスク記憶装置、磁気ディスク記憶装置又は他の磁気記憶装置、フラッシュメモリ装置（例えば、固体メモリ素子）、ハードディスクドライブ（ＨＤＤ）、固体ドライブ（ＳＤＤ）を含む有形又は非一時的コンピュータ可読記憶媒体、又はコンピュータにより実行可能な命令若しくはデータ構造の形式で所望のプログラムコード手段を伝える若しくは格納するために用いられ汎用若しくは特定目的コンピュータによりアクセス可能な他の記憶媒体を有し得る。コンピュータ可読記憶媒体は、独立型媒体として、又は何からの他のシステム、コンポーネント、若しくは装置の部分として構成されても良い。コンピュータ可読記憶媒体は、物理媒体として又は仮想媒体として構成されても良い。上述のうちの任意のものの組合せも、コンピュータ可読記憶媒体の範囲に包含され得る。コンピュータ実行可能命令は、例えば、プロセッサ１１６に特定の工程又は工程のグループを実行させるよう構成される命令及びデータを含み得る。

通信装置１１９は、情報を送信し又は受信するよう構成される任意のコンポーネント、装置、システム、又はそれらの組合せを有しても良い。通信装置１１９は、他の場所、同じ場所にある他の装置と、又は同じシステムの中の他のコンポーネントとも通信しても良い。通信装置１１９は、モデム、ネットワークカード（無線又は有線）、赤外線通信装置、（アンテナのような）無線通信装置、及び／又は（Ｂｌｕｅｔｏｏｔｈ（登録商標）装置、８０２．６装置（例えば、ＭＡＮ（Metropolitan Area Network））、ＷｉＦｉ装置、ＷｉＭａｘ装置、セルラ通信設備、等のような）チップセット、及び／又は同様のものを含み得るが、これらに限定されない。通信装置１１９は、ネットワーク１４０及び／又は発電装置のうちの任意のものを含む本開示に記載の他の装置とのデータ交換を許可しても良い。

本開示の範囲から逸脱することなくシステム１００に対し変更、追加又は省略が行われても良い。例えば、幾つかの実施形態では、システム１００は、原子力発電装置のような、明示的に示され又は記載されてない任意の数の他のコンポーネントを有しても良い。別の例として、制御装置１１１は、単一の装置として示されるが、通信可能に結合される任意の数の装置又はシステムであっても良い。例えば、制御装置１１１により実行されるタスクのうちの特定のものは、サーバ、クラウドに基づくサービス、又は任意の他のリモート装置により実行されても良く、ウェブブラウザを用いるクライアント、ポータブル装置、等により呼び出されても良い。

図３は、本開示の少なくとも１つの実施形態に従う、太陽光発電システムを作動する方法３００の例示的なフロー図である。方法３００は、任意の適切なシステム、機器、又は装置により実行されても良い。例えば、図１のシステム１００、ＶＰＰ１１０、又は制御装置１１１は、方法３００に関連する工程のうちの１又は複数を実行しても良い。別個のブロックとして示したが、所望の実装に依存して、方法３００のブロックのうちの１又は複数に関連するステップ及び工程は、更なるブロックに分割され、少ないブロックに結合され、又は除去されても良い。

ブロック３０５で、太陽光発電システムは、電力を生成するために使用されても良い。このような発電システムは、（図１のＶＰＰ１１０のような）ＶＰＰを有しても良く、又は太陽光発電装置を有する他のシステムであっても良い。

ブロック３１０で、太陽光発電に代わるエネルギ源が、電力を生成するために使用されても良い。このようなエネルギ源は、ＶＰＰの部分であっても良く、又は何からの他の発電装置であっても良い。このようなエネルギ源の例は、風力、原子力、化石燃料（例えば、石炭、天然ガス）、又は水力発電装置を有しても良い。

ブロック３１５で、太陽光発電システムの場所における歴史的照射データのテストデータセットが得られても良い。例えば、気象情報源（例えば、図１の気象情報源１２０）は、歴史的データを太陽光発電システムへ送信しても良い。別の例として、太陽光発電システムは、歴史的照射データを生成し、集め、又は記録しても良い。例えば、制御装置（例えば、図１の制御装置１１１）は、歴史的照射データを生成するために、太陽光発電システムにおける局所的気象を測定するセンサを利用しても良い。幾つかの実施形態では、テストデータセットは、照射データに加えて追加気象情報を有しても良い。

ブロック３２０で、テストデータセットは、太陽光発電システムの場所における晴天照射モデルに基づき正規化されても良い。例えば、１日の所与の時間におけるテストデータセットの中の各々の歴史的データポイントは、１日のその時間の晴天の間の標準照射により除算された照射を有しても良い。このように正規化されたテストデータセットは、検討される１日の時間と独立であっても良く、又は太陽天頂角と独立であっても良い。制御装置は、このような正規化を実行しても良い。

ブロック３２５で、テストデータセットは、気象クラスにクラスタ化されても良い。各々の気象クラスは、対応する特性のセットを有する。例えば、正規化されたテストデータセットのヒストグラムは、所与の晴天インデックスがテストデータセットの中で生じ得る確率に基づき、生成されても良い。ヒストグラムは、データに適合された曲線を有しても良い。次に、各々の気象クラスの曲線が、ヒストグラムに適用する曲線から導出されても良い。テストデータセットの中の各々のデータポイントは、所与のデータポイントが特定の気象クラスに関連する曲線にどれくらい厳密に適合するかに基づき、気象クラスにクラスタ化されても良い。別の例として、複数の特徴が考慮されても良く、各々のデータポイントは、所与の気象クラスの特徴セットの複数の特徴を有するデータポイントの類似性の分析に基づき分類されても良い。追加又は代替で、特徴は、不均一な方法で重み付けされても良い。したがって、１又は複数の特徴は、テストデータセットの中の所与のデータポイントが所与の気象クラスにクラスタ化されるか否かに顕著な影響を有し得る。制御装置は、このようなクラスタ化を実行しても良い。

ブロック３３０で、照射予報が得られても良い。例えば、予報は、気象情報源から太陽光発電システムへ送信されても良い。追加又は代替で、太陽光発電システムは、照射予報を生成しても良い。幾つかの実施形態では、予報は、照射に加えて気象情報の他のコンポーネントも有しても良い。

ブロック３３５で、予報は、気象クラスのうちの１つに分類されても良い。例えば、予報の最近接近隣が識別されても良く、該最近接近隣に基づき、予報は、気象クラスのうちの１つに分類されても良い。幾つかの実施形態では、このような分類は、予報の１又は複数の特徴を、最近接近隣及び／又は気象クラスの特徴と比較する及び／又は分析するステップを有しても良い。制御装置は、このような分類を実行しても良い。

ブロック３４０で、予報の信頼区間が決定されても良い。このような決定は、予報が分類される気象クラスに基づいても良く、気象クラスの予測不可能な程度、気象クラスの確率分布、及び／又は気象クラスの任意の他の特長のような、気象クラスの特徴のうちの１又は複数に基づいても良い。信頼区間の決定は、１又は複数の特徴、及び／又は予報の最近接近隣の気象クラスにも基づいても良い。制御装置は、このような決定を実行しても良い。

ブロック３４５で、信頼区間が閾値より大きいか否かが決定されても良い。このような決定は、制御装置により行われても良い。ブロック３５０で、信頼区間が閾より大きいと決定された後、太陽光発電システムの動作は修正されても良い。例えば、太陽エネルギの代替であるエネルギ源の出力が増大されても良く、或いは、太陽光発電システムにより請求される太陽エネルギの価格が上昇されても良く、或いは、それらの両方であっても良い。追加又は代替で、太陽光発電装置の出力は、低下されても良い。このような修正は、例えば、制御装置が太陽エネルギの代替であるエネルギ源へメッセージを送信することにより、太陽光発電システムへメッセージを送信することにより、又はエネルギ市場（例えば、図１のエネルギ市場１３０）へメッセージを送信することにより、生じても良い。

ブロック３５５で、信頼区間が閾より大きくないと決定された後、太陽光発電システムの動作は修正されても良い。例えば、太陽エネルギの代替であるエネルギ源の出力が低下されても良く、或いは、太陽光発電システムにより請求される太陽エネルギの価格が低下されても良く、或いは、それらの両方であっても良い。追加又は代替で、太陽光発電装置の出力は、増大されても良い。このような修正は、例えば、制御装置が太陽エネルギの代替であるエネルギ源へメッセージを送信することにより、太陽光発電システムへメッセージを送信することにより、又はエネルギ市場へメッセージを送信することにより、生じても良い。

したがって、方法３００は、太陽光発電システムを作動するために使用されても良い。本開示の範囲から逸脱することなく方法３００に対し変更、追加又は省略が行われても良い。例えば、ブロック３０５又は３１０のうちの任意のものは省略されても良い。別の例として、方法３００の工程は、異なる順序で実施されても良い。追加又は代替で、２以上の工程が同時に実行されても良い。さらに、概略のステップ及び動作は、単に例として提供され、幾つかのステップ及び動作は、本開示の本質から逸脱することなく、任意であり、より少ないステップ及び動作に組み合わされ、又は追加ステップ及び動作に拡張されても良い。

図４Ａ及び４Ｂは、本開示の少なくとも１つの実施形態に従う、太陽光発電装置を含む仮想発電所を作動する方法４００の例示的なフロー図である。方法４００は、任意の適切なシステム、機器、又は装置により実行されても良い。例えば、図１のシステム１００、ＶＰＰ１１０、又は制御装置１１１は、方法４００に関連する工程のうちの１又は複数を実行しても良い。別個のブロックとして示したが、所望の実装に依存して、方法４００のブロックのうちの１又は複数に関連するステップ及び工程は、更なるブロックに分割され、少ないブロックに結合され、又は除去されても良い。

ブロック４０５で、太陽光発電装置（例えば、図１の太陽光発電装置１１２）及び少なくとも１つの非太陽光発電装置（例えば、図１の風力発電装置１１３、化石燃料発電装置１１４、又は水力発電装置１１５のうちの任意の１つ）を有するＶＰＰ（例えば、図１のＶＰＰ１１０）は、電力を生成するために使用されても良い。

ブロック４１０で、太陽光発電装置の場所における歴史的照射データのテストデータセットが得られても良い。ブロック４１０は、図３のブロック３１５と同様であっても良い。

ブロック４１５で、テストデータセットは、太陽光発電装置の場所における晴天照射モデルに基づき正規化されても良い。このような正規化は、テストデータセットの中の各々の歴史的データポイントについて、１日の所与の時間におけるデータポイントの照射を、１日の所与の時間における晴天の間の標準照射により除算するステップを有しても良い。このような正規化は、制御装置（例えば、図１の制御装置１１１）により実行されても良い。

ブロック４２０で、テストデータセットのヒストグラムがプロットされても良い。例えば、図２の例示的なグラフのセット２００のグラフ２１０のようなグラフは、正規化されたテストデータセットに基づき生成されても良い。このようなプロットは、制御装置により実行されても良い。

ブロック４３０で、ヒストグラム曲線がヒストグラムに適合されても良い。このような曲線の一例は、図２のグラフ２２０の曲線２２５を有しても良い。ヒストグラム曲線は、クラス固有曲線の組合せを含む結合曲線を有しても良い。例えば、テストデータセットがクラスタ化され得る複数の気象クラスのうちの各々に対応する曲線が存在しても良い。このようなクラスの例は、曇り、一部曇り、又は晴天を有しても良い。このような曲線の一例は、図２のグラフ２３０の第１、第２、及び第３の曲線２３２、２３４、及び２３６を有しても良い。このような適合は、制御装置により実行されても良い。

ブロック４３５で、テストデータセットの中のデータポイントは、クラスの中の１つにクラスタ化されても良い。幾つかの実施形態では、クラスの各々は、対応する特徴セットを有しても良い。上述の及び他の実施形態では、テストデータセットの中の各々のデータポイントは、所与のデータポイントが特定の気象クラスに関連する曲線にどれくらい厳密に適合するかに基づき、気象クラスにクラスタ化されても良い。別の例として、複数の特徴が考慮されても良く、各々のデータポイントは、所与の気象クラスの特徴セットの複数の特徴を有するデータポイントの類似性の分析に基づき分類されても良い。追加又は代替で、特徴は、不均一な方法で重み付けされても良い。したがって、１又は複数の特徴は、テストデータセットの中の所与のデータポイントが所与の気象クラスにクラスタ化されるか否かに顕著な影響を有し得る。制御装置は、このようなクラスタ化を実行しても良い。

ブロック４４０で、照射予報が得られても良い。ブロック４４０は、図３のブロック３３０と同様であっても良い。

ブロック４４５（図４Ｂに示す）で、テストデータセットの中の予報の最近接近隣が発見されても良い。例えば、制御装置は、予報に最も類似するテストデータセットの中のデータポイントを発見しても良い。このような発見は、予報の複数の特徴及びテストデータセットの中のデータポイントの検討を含んでも良い。幾つかの実施形態では、予報の最近接近隣を発見する際に、特徴のうちの１又は複数は、他の特長より多く又は少なく重み付けされても良い。

ブロック４５０で、予報は、最近接近隣に基づき、気象クラスのうちの１つに分類されても良い。例えば、予報は、最近接近隣と同じ気象クラスに配置されても良い。追加又は代替で、気象クラスのサブセットが、最近接近隣に基づき選択されても良く、気象クラスのサブセットの各々の特徴が、予報の特徴と比較されても良い。分類は、制御装置により実行されても良い。

ブロック４５５で、予報の信頼区間が決定されても良い。ブロック４５５は、図３のブロック３４０と同様であっても良い。ブロック４６０で、信頼区間が閾値より大きいか否かが決定されても良い。ブロック４６０は、図３のブロック３４５と同様であっても良い。

ブロック４６５で、信頼区間が閾より大きいと決定された後、ＶＰＰの動作は修正されても良い。例えば、太陽光発電装置の出力は低下され、非太陽光発電装置の出力は増大されても良い。幾つかの実施形態では、このような増大及び／又は低下は、信頼区間に比例しても良い。

ブロック４７０で、信頼区間が閾より大きくないと決定された後、ＶＰＰの動作は修正されても良い。例えば、太陽光発電装置の出力は増大され、非太陽光発電装置の出力は低下されても良い。幾つかの実施形態では、このような増大及び／又は低下は、信頼区間に比例しても良い。

したがって、方法４００は、太陽光発電装置を含むＶＰＰを作動するために使用されても良い。本開示の範囲から逸脱することなく方法４００に対し変更、追加又は省略が行われても良い。例えば、ブロック４０５は省略されても良い。別の例として、方法４００の工程は、異なる順序で実施されても良い。追加又は代替で、２以上の工程が同時に実行されても良い。さらに、概略のステップ及び動作は、単に例として提供され、幾つかのステップ及び動作は、本開示の本質から逸脱することなく、任意であり、より少ないステップ及び動作に組み合わされ、又は追加ステップ及び動作に拡張されても良い。

図５Ａ及び５Ｂは、本開示の少なくとも１つの実施形態に従う、複数の場所の太陽光発電装置を有する太陽光発電システムを作動する例示的な方法５００のフロー図である。方法５００は、任意の適切なシステム、機器、又は装置により実行されても良い。例えば、図１のシステム１００、ＶＰＰ１１０、又は制御装置１１１は、方法５００に関連する工程のうちの１又は複数を実行しても良い。別個のブロックとして示したが、所望の実装に依存して、方法５００のブロックのうちの１又は複数に関連するステップ及び工程は、更なるブロックに分割され、少ないブロックに結合され、又は除去されても良い。

ブロック５０５で、仮想発電所（例えば、図１のＶＰＰ１１０）において電力が生成されても良い。仮想発電所は、第１の場所にある第１の太陽光発電装置（例えば、図１の太陽光発電装置１１２ａ）と、第２の場所にある第２の太陽光発電装置（例えば、図１の太陽光発電装置１１２ｂ）と、を有しても良い。上述の及び他の実施形態では、ＶＰＰは、第１の密度で分布する第１の場所にある第１の太陽光発電装置セットと、第２の密度で分布する第２の場所にある第２の太陽光発電装置セットと、を有しても良い。例えば、場所は、市街の中の異なる現場を表しても良く、太陽光発電装置は、顧客の所有物にある太陽光発電装置を有する任意の数の顧客を有しても良い。

ブロック５１０で、第１及び第２の場所の歴史的照射データが得られても良い。例えば、制御装置（例えば、図１の制御装置１１１）は、所与の時間期間の間の照射データを監視しても良く、第１及び第２の場所の照射を格納し又は監視し得る任意の数の第三者サービス若しくはプロバイダに問い合わせても良い。追加又は代替で、歴史的照射データは、場所の歴史的予報を有しても良い。したがって、同じ時間の歴史的照射データと対応する予報との両方が得られる。

ブロック５１５で、第１及び第２の場所の照射データが予報されても良い。例えば、図１の制御装置１１１は、場所の照射データを予測しても良い。別の例として、照射予報は、第三機関気象予測サービスから得られても良い。

ブロック５２０で、第１の場所の予報の第１の信頼区間と、第２の場所の予報の第２の信頼区間とが、決定されても良い。例えば、第１及び／又は第２の信頼区間は、図３の方法３００及び／又は図４の方法４００に従う信頼区間の決定と同様の又は類似の方法で決定されても良い。追加又は代替で、歴史的予報の信頼区間も決定されても良い。

ブロック５２５で、第３の場所について、第３の信頼区間が決定されても良い。上述の及び他の実施形態では、第３の信頼区間は、第１及び第２の信頼区間と独立であっても良い。例えば、第１及び／又は第２の場所の照射又は信頼区間において観察される変動又は傾向は、第３の場所の変動又は傾向に影響を与えず及び／又は完全に無関係であっても良い。上述の及び他の実施形態では、第３の信頼区間は、図３の方法３００及び／又は図４の方法４００に従う信頼区間の決定と同様の又は類似の方法で決定されても良い。

ブロック５３０で、第１の信頼区間と第２の信頼区間との間の共分散がモデル化されても世い。幾つかの実施形態では、このようなモデル化は、歴史的照射データ、歴史的予報の信頼区間、及び／又は将来予報（例えば、ブロック５１５の予報）の信頼区間に基づいても良い。このようなモデルの数学的表現が本開示に含まれる。

ブロック５３５で、密度量（cardinality budget）制約が、第１及び第２の場所における誤差の間の関係を表すロバスト変数ｄ_ｉｊに課されても良い。上述の及び他の実施形態では、このような負担は、ブロック５３０で実行される共分散の更なるモデル化である。このような制約の数学的表現が本開示に含まれる。

ブロック５４０で、変数のｄ_ｉｊの境界は、ジェンセンの不等式に従って狭められても良い。上述及び他の実施形態では、このような狭窄は、ブロック５３０の更なるモデル化であっても良い。このような制約の数学的表現が本開示に含まれる。

ブロック５４５で、統合信頼区間は、モデル化された共分散に基づき、連続的ランク付け確率スコアアルゴリズムを用いて、決定されても良い。例えば、統合信頼区間は、第１及び第２の場所の両方に渡る信頼区間を表しても良い。追加又は代替で、統合信頼区間は、第１及び第２の場所の間の誤差の関係を考慮しても良い。このような決定の数学的表現が本開示に含まれる。

ブロック５５０で、第３の信頼区間が第１及び第２の信頼区間と独立であることに基づき、第３の信頼区間は、第３の場所と第１及び第２の場所との間の共分散をゼロとして、第１及び第２の信頼区間と統合されても良い。例えば、このような統合は、ブロック５４５の統合信頼区間を、既に統合信頼区間に含まれている信頼区間と独立な信頼区間を有する場所を含むよう、拡張し得る。

ブロック５５５で、モデル化された共分散に基づき、統合照射予報が作成されても良い。このような予報は、第１及び第２の場所の両方の予報の統合を含み得る。上述の及び他の実施形態では、統合予報も、統合信頼区間に基づき及び／又はそれを含んでも良い。

ブロック５６０で、統合予報に基づき、及び／又は統合信頼区間に基づき、ＶＰＰにおける電力生成が変更されても良い。例えば、電力生成は、ＶＰＰの発電装置のいずれかから増大され及び／又は低下されても良い。

ブロック５６５で、統合信頼区間が閾を超えるか否かが決定されても良い。閾は、ＶＰＰの動作のために必要な最小信頼レベルに基づいても良い。例えば、特定の電力量が、ＶＰＰによりサービスされる顧客により要求されても良く、閾は、太陽エネルギを用いる顧客に十分な電力を供給する能力の境界を表しても良い。統合信頼区間が閾を超えないことが決定された場合、方法５００はブロック５７０に進んでも良い。統合信頼区間が閾を超えることが決定された場合、方法５００はブロック５７５に進んでも良い。

ブロック５７０で、第１又は第２の太陽光発電装置うちの少なくとも１つの出力は増大され、非太陽光発電装置の出力は低下されても良い。幾つかの実施形態では、このような増大及び／又は低下は、統合信頼区間に比例しても良い。例えば、制御装置は、ＶＰＰの発電装置のうちの１又は複数にメッセージを送信して、該１又は複数の発電装置に出力を修正するよう指示しても良い。上述の及び他の実施形態では、第１又は第２の太陽光発電装置の出力は、システム及び／又は制御装置により取られる積極的なステップではなく、経験照射量の結果であっても良い。上述の及び他の実施形態では、第１又は第２の太陽光発電装置の出力は、経験照射量に関連しても良い。例えば、高い照射が予報される場合、第１及び／又は第２の太陽光発電装置の出力は増大されても良く、低い照射が予報される場合、第１及び／又は第２の太陽光発電装置の出力は低下されても良い。

ブロック５７５で、第１又は第２の太陽光発電装置うちの少なくとも１つの出力は低下されても良く、非太陽光発電装置の出力は増大されても良い。幾つかの実施形態では、このような増大及び／又は低下は、統合信頼区間に比例しても良い。例えば、制御装置は、ＶＰＰの発電装置のうちの１又は複数にメッセージを送信して、該１又は複数の発電装置に出力を修正するよう指示しても良い。

したがって、方法５００は、複数の場所の太陽光発電装置を有する太陽光発電システムを作動するために使用されても良い。本開示の範囲から逸脱することなく方法５００に対し変更、追加又は省略が行われても良い。例えば、ブロック５０５、５１５、５２５、５３５、５４０、５４５、５５０、５５５、５６０、５６５、５７０、及び／又は５７５のうちの任意のものが省略されても良い。別の例として、方法５００の工程は、異なる順序で実施されても良い。例えば、ブロック５１０及び５１５、及びブロック５４０、５４５、５５０及び５５５は、異なる順序で行われても良い。追加又は代替で、２以上の工程が同時に実行されても良い。さらに、概略のステップ及び動作は、単に例として提供され、幾つかのステップ及び動作は、本開示の本質から逸脱することなく、任意であり、より少ないステップ及び動作に組み合わされ、又は追加ステップ及び動作に拡張されても良い。

図６は、本開示の少なくとも１つの実施形態に従う、複数の場所の太陽光発電装置を有する太陽光発電システムを作動する別の例示的な方法６００のフロー図である。方法６００は、任意の適切なシステム、機器、又は装置により実行されても良い。例えば、図１のシステム１００、ＶＰＰ１１０、又は制御装置１１１は、方法６００に関連する工程のうちの１又は複数を実行しても良い。別個のブロックとして示したが、所望の実装に依存して、方法６００のブロックのうちの１又は複数に関連するステップ及び工程は、更なるブロックに分割され、少ないブロックに結合され、又は除去されても良い。

ブロック６１０で、太陽光発電装置を有する第１の場所及び第２の場所（例えば、図１の第１の太陽光発電装置１１２ａを有する第１の場所１５２ｃ、第２の太陽光発電装置１１２ｂを有する第１の場所１５２ｅ）の歴史的照射データが、得られても良い。ブロック６１０は、図５のブロック５１０と同様又は類似であっても良い。

ブロック６２０で、第１及び第２の場所の照射データが予報されても良い。ブロック６２０は、図５のブロック５１５と同様又は類似であっても良い。

ブロック６３０で、第１及び第２の場所の予報の信頼区間が決定されても良い。ブロック６３０は、図５のブロック５２０と同様又は類似であっても良い。

ブロック６４０で、第１及び第２の場所の間の共分散がモデル化されても良い。ブロック６４０は、図５のブロック５３０と同様又は類似であっても良い。

ブロック６５０で、モデル化された共分散に基づき、第１及び第２の場所を統合する統合照射予報が作成されても良い。ブロック６５０は、図５のブロック５５５と同様又は類似であっても良い。

ブロック６６０で、統合予報に基づき、電力生成を修正するよう、非太陽光発電装置にメッセージが送信されても良い。例えば、統合予報が、高い照射量が期待されることを示す場合、メッセージは、非太陽光発電装置に、電力生成を低下するよう指示しても良い。別の例として、統合予報が、低い照射量が期待されることを示す場合、メッセージは、非太陽光発電装置に、電力生成を増大するよう指示しても良い。更なる例として、統合予報の統合信頼区間が高い場合（例えば、予報において高い予測不可能な程度が存在する）、メッセージは、予測不可能性を考慮するために、非太陽光発電装置に電力生成を増大するよう指示しても良い。

ブロック６７０で、エネルギは、統合予報に比例するエネルギ市場（図１のエネルギ市場１３０）から取得され又はそれに販売されても良い。例えば、統合予報が、高い照射量が期待されることを示す場合、エネルギは、エネルギ市場に販売されても良い。別の例として、統合予報が、低い照射量が期待されることを示す場合、エネルギは、エネルギ市場から取得されても良い。更なる例として、統合予報の統合信頼区間が高い場合（例えば、予報において高い予測不可能な程度が存在する）、エネルギは、予測不可能性をカバーするために、エネルギ市場から取得されても良い。

ブロック６８０で、エネルギをエネルギ市場（図１のエネルギ市場１３０）に取得する又は販売するレートは、統合予報に比例して変更されても良い。例えば、統合予報が、高い照射量が期待されることを示す場合、エネルギをエネルギ市場に販売するレートは、低下されても良い。別の例では、統合予報が、低い照射量が期待されることを示す場合、エネルギをエネルギ市場に販売するレートは、増大されても良い。更なる例として、統合予報の統合信頼区間が高い場合（例えば、予報において高い予測不可能な程度が存在する）、エネルギをエネルギ市場に販売するレートは、増大されても良い。

したがって、方法６００は、複数の場所の太陽光発電装置を有する太陽光発電システムを作動するために使用されても良い。本開示の範囲から逸脱することなく方法６００に対し変更、追加又は省略が行われても良い。例えば、ブロック６６０、６７０、及び／又は６８０は省略されても良い。別の例として、方法６００の工程は、異なる順序で実施されても良い。例えば、ブロック６６０、６７０、及び／又は６８０は省略されても良い。追加又は代替で、２以上の工程が同時に実行されても良い。例えば、ブロック６６０、６７０、及び／又は６８０は同時に実行されても良い。さらに、概略のステップ及び動作は、単に例として提供され、幾つかのステップ及び動作は、本開示の本質から逸脱することなく、任意であり、より少ないステップ及び動作に組み合わされ、又は追加ステップ及び動作に拡張されても良い。

例として、本開示の少なくとも１つの実施形態の特定の太陽は、式及び／又は数学的演算を参照して説明できる。例えば、歴史的データから太陽エネルギの将来の確率分布を説明するための分析は、次式のように記述できる。
Ｐ（ｙ_ｔ＋ｈ−ｙ＾_ｔ＋ｈ｜ｘ_ｔ）
ここで、ｙ_ｔ＋ｈはｔ＋ｈにおける真の予報値を表し、ｙ＾_ｔ＋ｈはｔ＋ｈにおける予報を表し、ｘ_ｔ＝（Ｙ_ｔ，Ｚ_ｔ＋ｈ）は、ｈ＝｛１，．．．，Ｈ｝及びＹｔ＝｛ｙ_１，．．．，ｙ_ｔ｝として、時間ｔの前の及びそれを含む類似観測結果のベクトルであり、Ｚ_ｔ＋ｈ＝｛ｚ_１，．．．，ｚ_ｔ，ｚ_ｔ＋ｈ｝は、時間ｔ＋ｈの前の及びそれを含む類似外因性変数のベクトルであり、ｎ個の気象情報変数について、ｚ_ｉ∈Ｒ^ｎ、ｉ＝１，．．．，ｔ＋ｈである。

幾つかの実施形態では、テストデータセットの正規化は、例示的な算術演算により表わすことができる。例えば、晴天インデックス（ｋｔ）について、晴天インデックスは次のように正規化されても良い。
ｙ_ｔ＝ｋｔ_（ｔ）＝｛Ｉ_（ｔ）｝／｛Ｉ^ｃｌｒ _（ｔ）｝
ここで、Ｉ_（ｔ）は太陽光照射（例えば、全体照射、又は標準照射）であり、Ｉ^ｃｌｒ _（ｔ）は所与の時間の晴天照射モデルであり、演算は、テストデータセットの歴史的データの各々の時間点について実行されても良い。

幾つかの実施形態では、ヒストグラムをプロットする及び／又はテストデータセットを複数のクラスにクラスタ化する様々な太陽が、算術演算により表すことができる。例えば、晴天インデックスに基づきスカイカバーを決定するために、関数ｆが導入されても良い。
ｋｔ_（ｆ）＝ｆ（ｓｋｙｃｏｖｅｒ_１，．．．，ｓｋｙｃｏｖｅｒ_ｔ）
また、関数ｇは、晴天インデックス値の確率密度関数をプロットするために利用されても良い。
ｓｋｙｃｏｖｅｒ_（ｔ）＝ｆ^−１（ｋｔ_（ｔ））＝ｇ_ｔ（ｋｔ_（ｔ））
別の例として、各々のクラスは、ガウス分布モデルによりモデル化されても良く、次式により記述される。
ｇ_ｔ＝α_１Ｎ_１＋．．．＋α_ｐＮ_ｐ
ここで、ｇ_ｔは、結合曲線（例えば、図２のグラフ２２０の曲線２２５）を表し、α_１Ｎ_１＋．．．＋α_ｐＮ_ｐは、結合曲線に貢献する種々のガウス分布モデルを表し、αは、所与の気象クラスの確率を示し、Ｎは、結合曲線の中の所与の気象クラスのガウス分布曲線のうちの１つを表し、ｐは、クラスの数を表す。幾つかの実施形態では、低い太陽天頂角を有するデータポイントは除外されても良い。幾つかの実施形態では、例えば次式を用いて、テストデータセットの中の各々のデータポイントについて正しいクラスを発見するために、期待値最大化が用いられても良い。
Ｐ（Ｑ_ｉ｜ｙ）＝｛Ｐ（ｙ｜Ｑ_ｉ）Ｐ｜Ｑ_ｉ｝／Ｐ（ｙ）
ここで、Ｑ_ｉは、ｉ番目の気象クラスを表す（例えば、ヒストグラムから導出されるｉ番目のクラス）。例えば、曇り、一部曇り、及び晴天のクラスを用いる場合、ｉは、クラスの各々を通じて反復的に巡回しても良い。様々なαの値の決定を助けるために、Ｐ（Ｑ_ｉ）＝α_ｉ、α_１＋．．．＋α_ｐ＝１、ここでＰ（Ｑ_ｉ）は次式により除算されても良い。

したがって、これらの算術演算を用いて、気象クラスの各々について各々の曲線が、結合曲線から抽出され得る。

幾つかの実施形態では、最近接近隣の発見は、最近接近隣を発見するためにｋ最近接近隣（k−nearest neighbor：ｋ−ＮＮ）アルゴリズムを利用しても良く、最近接近隣までの重み付けされた距離に対して一般的なパターン検索アルゴリズムを利用しても良い。例えば、新しい予報を分析するためのテストデータセットは、次式により表される。
Ｓ＝（ｚ_ｔ，ｓ_ｔ）∈Ｒ^ｍｎＸ｛１，．．．，ｐ｝
ここで、Ｓはテストデータセットの空間を表し、ｓ_ｔは、データセットの中の新しい予報ポイントｚ_ｔのラベルを表し、ｍは、テストデータセットの中のポイントの数を表しても良い。テストデータセットを用いて、次式を用い、予報が所与の気象クラスに属する確率に関して、予測が行われても良い。

ここで、Γ_ｋ（Ｓ，ｚ_ｔ）は、空間Ｓの中のｋ個の最近接近隣を用いて、ｚ_ｔに対して行われた予測を表し得る。また、Ｎ_ｋ（ｚ_ｔ，Ｓ）は、空間Ｓの中のｋ個の最近接ポイントのインデックスであり、１（ｅ）は指標関数であり以下の通りである。
１（ｅ）＝１（ｅが真の場合）；０（ｅが偽の場合）
上述の及び他の実施形態では、最近接近隣についての類似性基準は、次式に従って作用する一般的なパターン検索アルゴリズムを用いて計算された重み付けされた距離関数に基づいても良い。

ｗは、重み付け関数であり、次式の通りである。

幾つかの実施形態では、予報が所与のクラスに分類された後に、予報の誤差分布又は信頼区間を決定するために、クリギング（Kriging）モデルが用いられても良い。このような分析は、数学の方程式、及び／又は算術演算として特徴付けることができる。例えば、誤差ｅ_ｔ＋ｈの予測の判断材料は、次式により特徴付けることができる。

ここで、ΔＹ_ｔ，ｓｐは、クラスｓ_ｐにおける予報誤差履歴を表し、Ｒ_ｓｐ（Ｚ_ｔ，ｓｐ（ｉ），Ｚ_ｔ，ｓｐ（ｊ））は、ΔＹ_ｔ，ｓｐ（ｉ）とΔＹ_ｔ，ｓｐ（ｊ）との間の相関モデルを表し、ｒ_ｓｐ（ｚ_ｔ＋ｈ，ｚ_ｔｐ）は、ｅ_ｔ＋ｈとΔＹ_ｔ，ｓｐ（ｉ）との間の相関ベクトルであっても良く、次式の通りである。

幾つかの実施形態では、相関行列Ｒ_ｓｐ（θ）＝Ｃ_ｓｐ（θ）Ｃ^Ｔ _ｓｐ（θ）、ｑは１に設定される、に対して修正コレスキー分解が用いられても良い。θの値について、最適値は、例えば次式を用いて、パターン検索アルゴリズムを用いる対数尤度を用いて最大化されても良く、

又は、次式を用いて最小化されても良い。

ここで、次式の通りである。

これらの値を用いて、誤差予報ｅ＾_ｔ＋ｈの予測、及びＭＳＥは、次式のように計算できる。

ここで、予報誤差の確率分布は、次のように計算できる。
ｅ_ｔ＋ｈ＝ｙ_ｔ＋ｈ−ｙ＾_ｔ＋ｈ ｅ＾_ｔ＋ｈ＝Ｎ（μ_ｈ，σ_ｈ）
ｙ_ｔ＋ｈ＝ｙ＾_ｔ＋ｈ＋Ｎ（μ_ｈ，σ_ｈ）
ここで、ｅ_ｔ＋ｈは、誤差の実数値を表し、ｅ＾_ｔ＋ｈは、本開示に従い計算される誤差分布を表しても良い。これらの計算を用いて、例えば次式により、予報の誤差の期待値及び分散が決定できる。

ここで、μ_ｈは、誤差の平均値を表し、σ_ｈは、誤差に関連する分散を表し、誤差分布ｅ＾_ｔ＋ｈが得られる。

更なる例として、本開示の少なくとも１つの実施形態の特定の太陽は、式及び／又は数学的演算を参照して説明できる。例えば、幾つかの実施形態では、複数の場所の誤差に関連する分散及び平均誤差値のような情報は、統合予報を確立するために統合されても良い。

幾つかの実施形態では、真の照射値（例えば、ＧＨＩ）及び予報照射のような歴史的データは、様々な時間ｔにおける複数の場所について集められても良い。
（ｙ_ｉ（ｔ），ｙ＾_ｉ（ｔ）），ｉ＝１，．．．，Ｎ
ここで、ｙ_ｉ（ｔ）は、時間ｔにおける真の照射値を表し、ｙ＾_ｉ（ｔ）は、Ｎ個の場所に渡る時間ｔにおける予報照射値を表しても良い。上述の及び他の実施形態では、複数の場所の誤差分布は、次式により表すことができる。
ｅ＾_ｉ（ｔ）〜θ（μ_ｉ（ｔ），σ_ｉ（ｔ）），ｉ＝１，．．．，Ｎ
ここで、ｅ＾_ｉ（ｔ）は、時間ｔにおける予報誤差分布を表し、θ（μ_ｉ（ｔ），σ_ｉ（ｔ））は、平均予報誤差値μ_ｉ（ｔ）を有する誤差及びＮ個の場所に渡る時間ｔにおける予報誤差の分散σ_ｉ（ｔ）の確率分布（例えば、ガウス分布）を表しても良い。幾つかの実施形態では、μ_ｉ（ｔ）及びσ_ｉ（ｔ）は、本開示に記載のように決定されても良い。追加又は代替で、実際の誤差は、各々の場所について決定され、次式により表すことができる。
ｅ_ｉ（ｔ）＝ｙ＾_ｉ（ｔ）−ｙ_ｉ（ｔ），ｉ＝１，．．．，Ｎ
ここで、ｅ_ｉ（ｔ）は、Ｎ個の場所に渡る時間ｔにおける実際の誤差を表しても良い。上述の及び他の実施形態では、統合誤差（例えば、統合信頼区間）は、次式により表される。
Ｅｒ（ｔ）＝実測統合電力出力−予報統合電力出力
これは、次式によっても表される。

幾つかの実施形態では、統合誤差の分散（例えば、統合信頼区間）は、統合予報を決定するのに有用であり得る。幾つかの実施形態では、場所の間の誤差は、互いに独立であっても良い。上述及び他の実施形態では、分散は次式により表される。

ここで、ｐ_ｉは、場所ｉにおける太陽光発電装置の分布を表し得る。

幾つかの実施形態では、場所の間の誤差は、互いに依存しても良い。上述及び他の実施形態では、分散は次式により表される。

ここで、ｃｏｖ（ｅ_ｉ（ｔ），ｅ_ｊ（ｔ））は、場所ｉ及びｊの時間ｔにおける誤差の間の共分散を表し得る。共分散をモデル化する際に、ロバスト変数ｄ_ｉｊが導入されても良く、場所ｉとｊとの間の誤差の関係を表しても良い。上述の及び他の実施形態では、次式の通りである。
ｃｏｖ（ｅ_ｉ（ｔ），ｅ_ｊ（ｔ））＝ｄ_ｉｊ・σ_ｉ（ｔ）・σ_ｊ（ｔ）
上述の及び他の実施形態では、ロバスト変数ｄの範囲は、Ｄ_０により表すことができる。
Ｄ_０＝｛ｄ_ｉｔ：Ｄ^ｌ _ｉｔ≦ｄ_ｉｔ≦Ｄ^ｕ _ｉｔ，∀ｔ，∀ｉ∈Ｎ｝
ここで、Ｄ_０は、Ｎ個の場所を通じて、ｔ及びｉの全ての値のロバスト変数ｄの範囲を定め得る集合を表し得る。追加又は代替で、密度量（cardinality budget）制約は、次のように課されても良い。

ここで、Ｔは、分析されている最大時点を表し、Γは、最大密度制約を表し得る。

追加又は代替で、ジェンセンの不等式（例えば、一般的に、Ｅ［Ｚ］≦√｛Ｅ（Ｚ^２）｝、Ｅは期待値を表し得る）が、以下に示すようにＤの境界を狭めるために導入されても良い。

幾つかの実施形態では、次式に従って統合予報を提供するために、最適化モデルが構築されても良い。

ここで、ＣＲＰＳは、連続するランク付けされた確率スコアを表しても良く、次式に従い得る。

上述の及び他の実施形態では、最適化モデルは、分布ロバスト最適化解決技術を用いて解かれても良い。

本開示で用いられるように、用語「モジュール」又は「コンポーネント」は、モジュール若しくはコンポーネントのアクションを実行するよう構成される特定ハードウェア実装、及び／又はコンピューティングシステムの汎用ハードウェア（例えばコンピュータ可読媒体、処理装置、等）に格納され及び／又はそれらにより実行され得るソフトウェアオブジェクト又はソフトウェアルーチンを表しても良い。幾つかの実施形態では、本開示に記載されたのと異なるコンポーネント、モジュール、エンジン及びサービスは、（例えば、別個のスレッドとして）コンピューティングシステムで実行されるオブジェクト又は処理として実施されても良い。本開示に記載のシステム及び方法の幾つかは概して（汎用ハードウェアに格納される及び／又はそれにより実行される）ソフトウェアで実装されるように記載されたが、専用ハードウェアの実装又はソフトウェアと専用ハードウェアの組み合わせの実装も可能であり考えられる。この説明では、「コンピュータエンティティ」は、本開示で先に定められたようにコンピューティングシステム、又はコンピューティングシステムで実行されるモジュール若しくはモジュールの組合せであっても良い。

本開示で及び特に添付の特許請求の範囲（例えば、添付の特許請求の範囲の本体）で使用される用語は、概して、広義の（open）用語と考えられる（例えば、用語「含む（including）」は「含むが、限定されない」と解釈されるべきであり、用語「有する（having）」は「少なくとも有する」と解釈されるべきであり、用語「含む（includes）」は「含むが、限定されない」と解釈されるべきであり、用語「含む（ｃｏｎｔａｉｎｉｎｇ）」は、「含むが、限定されない」と解釈されるべきである）。

さらに、特定数の導入された請求項の引用が意図される場合、このような意図は、請求項の中に明示的に示され、このような引用が存在しない場合はこのような意図が存在しない。例えば、理解の助けとして、以下の添付の特許請求の範囲は、請求項の引用を導入するために、「少なくとも１つの」及び「１又は複数の」をいう前置語句の使用を含み得る。しかしながら、このような語句の使用は、同じ請求項が前置語句「１又は複数」又は「少なくとも１つの」及び「ａ又はａｎ」のような不定冠詞を含むときでも、不定冠詞「ａ、ａｎ」による請求項引用の導入がこのような導入された請求項引用を含む任意の特定の請求項をこのような引用を１つだけ含む実施形態に限定することを示すと考えられてはならない（例えば、「ａ」及び／又は「ａｎ」は「少なくとも１つの」又は「１又は複数の」を意味すると解釈されるべきである）。同様のことは、請求項引用を導入するために使用される定冠詞の使用についても該当する。

さらに、特定数の導入された請求項引用が明示的に引用される場合、当業者は、このような引用が少なくとも引用された番号を意味することと解釈されるべきであることを認識するだろう（例えば、「２つの引用」はそのままで、他の変更が無ければ、少なくとも２つの引用、又は２以上の引用を意味する）。さらに、「Ａ、Ｂ、Ｃ、等のうちの少なくとも１つ」又は「Ａ、Ｂ、Ｃ、等のうちの１又は複数」に類似する慣例が用いられる例では、通常、このような構成は、Ａのみ、Ｂのみ、Ｃのみ、Ａ及びＢを一緒に、Ａ及びＣを一緒に、Ｂ及びＣを一緒に、又はＡ、Ｂ、Ｃを一緒に、等を含むと意図される。

さらに、２以上の代替用語を表す任意の離接語又は語句は、説明、請求項、又は図面の中であるかに係わらず、用語のうちの１つ、用語のうちのいずれか、又は両方の用語を含む可能性を包含すると理解されるべきである。例えば、語句「Ａ又はＢ」は、「Ａ」又は「Ｂ」又は「Ａ及びＢ」の可能性を含むと理解されるべきである。

本開示に記載された全ての例及び条件文は、教育上の目的で、読者が本開示の原理及び発明者により考案された概念を理解するのを助け、技術を促進させるためであり、これらの特に記載された例及び条件に限定されないものと考えられるべきである。本開示の実施形態が詳細に記載されたが、種々の変更、置換及び修正が本開示の精神及び範囲から逸脱することなく行われ得る。

以上の実施形態に加えて、更に以下の付記を開示する。
（付記１） 太陽エネルギ予報を評価する方法であって、前記方法は、
仮想発電所において電力を生成するステップであって、前記仮想発電所は、第１の場所にある第１の太陽光発電装置と第２の場所にある第２の太陽光発電装置とを有する、ステップと、
前記第１の場所の第１の歴史的照射データ及び前記第２の場所の第２の歴史的照射データを得るステップと、
前記第１の場所における第１の予報として及び前記第２の場所における第２の予報として照射を予報するステップと、
前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は、前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は、前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップと、
前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップと、
前記第１の信頼区間と前記第２の信頼区間との間の前記モデル化された共分散に基づき、前記第１の場所における予報照射及び前記第２の場所における予報照射を統合する統合照射予報を作成するステップと、
前記統合照射予報に基づき、前記第１又は前記第２の太陽光発電装置の出力を増大すること又は減少することのうち１つにより、前記仮想発電所における電力生成を修正するステップと、
を有する方法。
（付記２） 共分散をモデル化するステップは、前記第１の場所ｉにおける誤差と前記第２の場所ｊにおける誤差との間の関係を表す変数ｄ_ｉｊに密度量制約を課すステップ、を有する、付記１に記載の方法。
（付記３） 共分散をモデル化するステップは、ジェンセンの不等式に従い、前記変数ｄ_ｉｊの範囲の境界を狭めるステップ、を有する、付記２に記載の方法。
（付記４） 前記仮想発電所は、非太陽光発電装置を更に有し、前記仮想発電所における電力生成を修正するステップは、
前記仮想発電所における電力生成のうち、前記第１の太陽光発電装置及び前記第２の太陽光発電装置のうちの少なくとも１つの出力を増大し、前記非太陽光発電装置の出力を低下するステップ、又は 前記仮想発電所における電力生成のうち、前記第１の太陽光発電装置及び前記第２の太陽光発電装置のうちの少なくとも１つの出力を低下し、前記非太陽光発電装置の出力を増大するステップ、
のうちの１つを有する、付記１に記載の方法。
（付記５） 統合予報を作成するステップは、
前記モデル化された共分散に基づき及び連続的にランク付けされた確率スコアを用いて、統合信頼区間を決定するステップと、
前記統合信頼区間に従い前記第１の予報及び前記第２の予報を統合するステップと、
を有する、付記１に記載の方法。
（付記６） 前記仮想発電所は、第３の場所にある第３の非太陽光発電装置を更に有し、前記方法は、
前記第３の場所における第３の予報の第３の信頼区間が前記第１の信頼区間及び前記第２の信頼区間と独立であると決定された後、統合信頼区間を決定するステップは、前記第３の場所と前記第１及び第２の場所との間の共分散をゼロとして、前記第１の信頼区間及び前記第２の信頼区間と共に前記第３の信頼区間を統合するステップを有する、
付記５に記載の方法。
（付記７） 前記仮想発電所は、前記第１の場所にある第１の密度で分布する第１の複数の太陽光発電装置と、前記第２の場所にある第２の密度で分布する第２の複数の太陽光発電装置と、を有し、
前記統合照射予報は、前記第１及び前記第２の密度に基づく、
付記１に記載の方法。
（付記８） 太陽エネルギを監視するシステムであって、前記システムは、
第１の場所にある第１の太陽光発電装置により第１の顧客にサービスし及び第２の場所にある第２の太陽光発電装置により第２の顧客にサービスする電力分配ネットワークと、
非太陽光発電装置と、
制御装置と、
を有し、前記制御装置は、
前記第１の場所の第１の歴史的照射データ及び前記第２の場所の第２の歴史的照射データを得るステップと、
前記第１の場所における第１の予報として及び前記第２の場所における第２の予報として照射を予報するステップと、
前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は、前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は、前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップと、
前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップと、
前記第１の信頼区間と前記第２の信頼区間との間の前記モデル化された共分散に基づき、前記第１の場所における予報照射及び前記第２の場所における予報照射を統合する統合照射予報を作成するステップと、
前記統合照射予報に基づき、前記統合照射予報に比例して電力生成を修正するために、前記非太陽光発電装置にメッセージを送信するステップと、
を実行するよう構成される、システム。
（付記９） 前記制御装置は、前記統合照射予報に比例して、エネルギ市場から追加エネルギを取得するよう、又は前記エネルギ市場に追加エネルギを販売するよう、更に構成される、付記８に記載のシステム。
（付記１０） 前記制御装置は、前記統合照射予報に比例して、エネルギ市場においてエネルギを取得する又は販売するレートを変更するよう更に構成される、付記８に記載のシステム。
（付記１１） 共分散をモデル化するステップは、前記第１の場所ｉにおける誤差と前記第２の場所ｊにおける誤差との間の関係を表す変数ｄ_ｉｊに密度量制約を課すステップ、を有する、付記８に記載のシステム。
（付記１２） 共分散をモデル化するステップは、ジェンセンの不等式に従い、前記変数ｄ_ｉｊの範囲の境界を狭めるステップ、を有する、付記１１に記載のシステム。
（付記１３） 統合予報を作成するステップは、
前記モデル化された共分散に基づき及び連続的にランク付けされた確率スコアを用いて、統合信頼区間を決定するステップと、
前記統合信頼区間に従い前記第１の予報及び前記第２の予報を統合するステップと、
を有する、付記８に記載のシステム。
（付記１４） 前記電力分配ネットワークは、第３の場所にある第３の太陽光発電装置を提供し、
前記第３の場所における第３の予報の第３の信頼区間が前記第１及び第２の予報と独立であると決定された後、統合信頼区間を決定するステップは、前記第３の場所と前記第１及び第２の場所との間の共分散をゼロとして、前記第１及び第２の信頼区間と共に前記第３の信頼区間を統合するステップを有する、
付記８に記載のシステム。
（付記１５） 前記第１の場所は、第１の密度で分布する第１の複数の太陽光発電装置を有し、前記第２の場所は、第２の密度で分布する第２の複数の太陽光発電装置を有し、
前記統合照射予報は、前記第１及び前記第２の密度に基づく、
付記８に記載のシステム。
（付記１６） 前記非太陽光発電装置は、風力、水力、石炭、原子力、又は天然ガス発電のうち１又は複数を有する、付記８に記載のシステム。
（付記１７） 格納されたコンピュータ可読命令を有する非一時的コンピュータ可読媒体であって、前記コンピュータ可読命令は、動作を実行し又はその実行を制御するために１又は複数のプロセッサにより実行可能であり、前記動作は、
第１の場所の第１の歴史的照射データ及び第２の場所の第２の歴史的照射データを得るステップであって、前記第１の場所は第１の太陽光発電装置を有し、前記第２の場所は第２の太陽光発電装置を有する、ステップと、
前記第１の場所における第１の予報として及び前記第２の場所における第２の予報として照射を予報するステップと、
前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は、前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は、前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップと、
前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップと、
前記第１の信頼区間と前記第２の信頼区間との間の前記モデル化された共分散に基づき、前記第１の場所における予報照射及び前記第２の場所における予報照射を統合する統合照射予報を作成するステップと、
前記統合照射予報に基づき、前記統合照射予報に比例して電力生成を修正するために、非太陽光発電装置にメッセージを送信するステップと、
を有する、非一時的コンピュータ可読媒体。
（付記１８） 前記動作は、前記統合照射予報に比例して、エネルギ市場から追加エネルギを取得し、又は前記エネルギ市場に追加エネルギを販売するステップ、を更に有する、付記１７に記載の非一時的コンピュータ可読媒体。
（付記１９） 共分散をモデル化するステップは、前記第１の場所ｉ及び前記第２の場所ｊにおける誤差の間の関係を表す変数ｄ_ｉｊに密度量制約を課すステップ、を有する、付記１７に記載の非一時的コンピュータ可読媒体。
（付記２０） 共分散をモデル化するステップは、ジェンセンの不等式に従い、前記変数ｄ_ｉｊの範囲の境界を狭めるステップ、を有する、付記１９に記載の非一時的コンピュータ可読媒体。

１００ システム
１１０ 仮想発電所（ＶＰＰ）
１１１ 制御装置
１１２ 太陽光発電装置
１１６ プロセッサ
１１７ メモリ
１１８ 記憶装置
１１９ 通信装置
１２０ 気象情報
１３０ エネルギ市場
１４０ ネットワーク
１５２ 領域

Claims (20)

1. 太陽エネルギ予報を評価する方法であって、前記方法は、
   仮想発電所において電力を生成するステップであって、前記仮想発電所は、第１の場所にある第１の太陽光発電装置と第２の場所にある第２の太陽光発電装置とを有する、ステップと、
   前記第１の場所の第１の歴史的照射データ及び前記第２の場所の第２の歴史的照射データを得るステップと、
   前記第１の場所における第１の予報として及び前記第２の場所における第２の予報として照射を予報するステップと、
   前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は、前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は、前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップと、
   前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップと、
   前記第１の信頼区間と前記第２の信頼区間との間の前記モデル化された共分散に基づき、前記第１の場所における予報照射及び前記第２の場所における予報照射を統合する統合照射予報を作成するステップと、
   前記統合照射予報に基づき、前記第１又は前記第２の太陽光発電装置の出力を増大すること又は減少することのうち１つにより、前記仮想発電所における電力生成を修正するステップと、
   を有する方法。
2. 共分散をモデル化するステップは、前記第１の場所ｉにおける誤差と前記第２の場所ｊにおける誤差との間の関係を表す変数ｄ_ｉｊに密度量制約を課すステップ、を有する、請求項１に記載の方法。
3. 共分散をモデル化するステップは、ジェンセンの不等式に従い、前記変数ｄ_ｉｊの範囲の境界を狭めるステップ、を有する、請求項２に記載の方法。
4. 前記仮想発電所は、非太陽光発電装置を更に有し、前記仮想発電所における電力生成を修正するステップは、
   前記仮想発電所における電力生成のうち、前記第１の太陽光発電装置及び前記第２の太陽光発電装置のうちの少なくとも１つの出力を増大し、前記非太陽光発電装置の出力を低下するステップ、又は 前記仮想発電所における電力生成のうち、前記第１の太陽光発電装置及び前記第２の太陽光発電装置のうちの少なくとも１つの出力を低下し、前記非太陽光発電装置の出力を増大するステップ、
   のうちの１つを有する、請求項１に記載の方法。
5. 統合予報を作成するステップは、
   前記モデル化された共分散に基づき及び連続的にランク付けされた確率スコアを用いて、統合信頼区間を決定するステップと、
   前記統合信頼区間に従い前記第１の予報及び前記第２の予報を統合するステップと、
   を有する、請求項１に記載の方法。
6. 前記仮想発電所は、第３の場所にある第３の非太陽光発電装置を更に有し、前記方法は、
   前記第３の場所における第３の予報の第３の信頼区間が前記第１の信頼区間及び前記第２の信頼区間と独立であると決定された後、統合信頼区間を決定するステップは、前記第３の場所と前記第１及び第２の場所との間の共分散をゼロとして、前記第１の信頼区間及び前記第２の信頼区間と共に前記第３の信頼区間を統合するステップを有する、
   請求項５に記載の方法。
7. 前記仮想発電所は、前記第１の場所にある第１の密度で分布する第１の複数の太陽光発電装置と、前記第２の場所にある第２の密度で分布する第２の複数の太陽光発電装置と、を有し、
   前記統合照射予報は、前記第１及び前記第２の密度に基づく、
   請求項１に記載の方法。
8. 太陽エネルギを監視するシステムであって、前記システムは、
   第１の場所にある第１の太陽光発電装置により第１の顧客にサービスし及び第２の場所にある第２の太陽光発電装置により第２の顧客にサービスする電力分配ネットワークと、
   非太陽光発電装置と、
   制御装置と、
   を有し、前記制御装置は、
   前記第１の場所の第１の歴史的照射データ及び前記第２の場所の第２の歴史的照射データを得るステップと、
   前記第１の場所における第１の予報として及び前記第２の場所における第２の予報として照射を予報するステップと、
   前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は、前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は、前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップと、
   前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップと、
   前記第１の信頼区間と前記第２の信頼区間との間の前記モデル化された共分散に基づき、前記第１の場所における予報照射及び前記第２の場所における予報照射を統合する統合照射予報を作成するステップと、
   前記統合照射予報に基づき、前記統合照射予報に比例して電力生成を修正するために、前記非太陽光発電装置にメッセージを送信するステップと、
   を実行するよう構成される、システム。
9. 前記制御装置は、前記統合照射予報に比例して、エネルギ市場から追加エネルギを取得するよう、又は前記エネルギ市場に追加エネルギを販売するよう、更に構成される、請求項８に記載のシステム。
10. 前記制御装置は、前記統合照射予報に比例して、エネルギ市場においてエネルギを取得する又は販売するレートを変更するよう更に構成される、請求項８に記載のシステム。
11. 共分散をモデル化するステップは、前記第１の場所ｉにおける誤差と前記第２の場所ｊにおける誤差との間の関係を表す変数ｄ_ｉｊに密度量制約を課すステップ、を有する、請求項８に記載のシステム。
12. 共分散をモデル化するステップは、ジェンセンの不等式に従い、前記変数ｄ_ｉｊの範囲の境界を狭めるステップ、を有する、請求項１１に記載のシステム。
13. 統合予報を作成するステップは、
    前記モデル化された共分散に基づき及び連続的にランク付けされた確率スコアを用いて、統合信頼区間を決定するステップと、
    前記統合信頼区間に従い前記第１の予報及び前記第２の予報を統合するステップと、
    を有する、請求項８に記載のシステム。
14. 前記電力分配ネットワークは、第３の場所にある第３の太陽光発電装置を提供し、
    前記第３の場所における第３の予報の第３の信頼区間が前記第１及び第２の予報と独立であると決定された後、統合信頼区間を決定するステップは、前記第３の場所と前記第１及び第２の場所との間の共分散をゼロとして、前記第１及び第２の信頼区間と共に前記第３の信頼区間を統合するステップを有する、
    請求項８に記載のシステム。
15. 前記第１の場所は、第１の密度で分布する第１の複数の太陽光発電装置を有し、前記第２の場所は、第２の密度で分布する第２の複数の太陽光発電装置を有し、
    前記統合照射予報は、前記第１及び前記第２の密度に基づく、
    請求項８に記載のシステム。
16. 前記非太陽光発電装置は、風力、水力、石炭、原子力、又は天然ガス発電のうち１又は複数を有する、請求項８に記載のシステム。
17. 格納されたコンピュータ可読命令を有する非一時的コンピュータ可読媒体であって、前記コンピュータ可読命令は、動作を実行し又はその実行を制御するために１又は複数のプロセッサにより実行可能であり、前記動作は、
    第１の場所の第１の歴史的照射データ及び第２の場所の第２の歴史的照射データを得るステップであって、前記第１の場所は第１の太陽光発電装置を有し、前記第２の場所は第２の太陽光発電装置を有する、ステップと、
    前記第１の場所における第１の予報として及び前記第２の場所における第２の予報として照射を予報するステップと、
    前記第１の予報の第１の信頼区間及び前記第２の予報の第２の信頼区間を決定するステップであって、前記第１の信頼区間は、前記第１の歴史的照射データ及び前記第１の予報に基づき、前記第２の信頼区間は、前記第２の歴史的照射データ及び前記第２の予報に基づく、ステップと、
    前記第１の信頼区間と前記第２の信頼区間との間の共分散をモデル化するステップと、
    前記第１の信頼区間と前記第２の信頼区間との間の前記モデル化された共分散に基づき、前記第１の場所における予報照射及び前記第２の場所における予報照射を統合する統合照射予報を作成するステップと、
    前記統合照射予報に基づき、前記統合照射予報に比例して電力生成を修正するために、非太陽光発電装置にメッセージを送信するステップと、
    を有する、非一時的コンピュータ可読媒体。
18. 前記動作は、前記統合照射予報に比例して、エネルギ市場から追加エネルギを取得し、又は前記エネルギ市場に追加エネルギを販売するステップ、を更に有する、請求項１７に記載の非一時的コンピュータ可読媒体。
19. 共分散をモデル化するステップは、前記第１の場所ｉ及び前記第２の場所ｊにおける誤差の間の関係を表す変数ｄ_ｉｊに密度量制約を課すステップ、を有する、請求項１７に記載の非一時的コンピュータ可読媒体。
20. 共分散をモデル化するステップは、ジェンセンの不等式に従い、前記変数ｄ_ｉｊの範囲の境界を狭めるステップ、を有する、請求項１９に記載の非一時的コンピュータ可読媒体。

Images