根据期望值计算的发电量精密预测法、根据期望值计算的发电量精密预测系统及根据期望值计算的发电量精密预测程序

摘要

本发明要解决的问题是精密地预测受到峰值截止损耗影响的自然能发电设备的发电量，其特征在于，使计算机的处理器执行以下步骤：太阳辐射量分析步骤，基于太阳辐射量数据来确定每单位时间的太阳辐射量及太阳辐射量出现概率；发电量预测步骤，基于所述太阳辐射量来确定发电量，基于与所述太阳辐射量对应的每单位时间的所述发电量及太阳辐射量出现概率来确定发电量期望值；所述发电量预测步骤，基于发电特性数据以及输出特性数据来确定第一太阳辐射量、第二发电量，所述发电特性数表示为了获得最低输出功率所需的所述太阳辐射量及发电效率，所述输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太阳辐射量为为了获得为零的第一发电量及所述最低输出功率所需的所述太阳辐射量，所述第二发电量为所述电容；基于所述第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满足所述电容时的所述太阳辐射量；当所述太阳辐射量低于所述第一太阳辐射量时，确定所述第一发电量为所述发电量，当所述太阳辐射量超过所述第二太阳辐射量时，确定所述第二发电量为所述发电量。

权利要求

1.一种根据期望值计算的发电量精密预测法，其中，使计算机的处理器执行以下步骤：

太阳辐射量分析步骤，基于太阳辐射量数据来确定每单位时间的太阳辐射量及太阳辐射量出现概率；

发电量预测步骤，基于所述太阳辐射量来确定发电量，基于与所述太阳辐射量对应的每单位时间的所述发电量及太阳辐射量出现概率来确定发电量期望值，其中，确定所述发电量的过程包括以下子步骤：

基于发电特性数据以及输出特性数据来确定第一太阳辐射量、第二发电量，所述发电特性数据表示为了获得最低输出功率所需的所述太阳辐射量及发电效率，所述输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太阳辐射量为为了获得为零的第一发电量及所述最低输出功率所需的所述太阳辐射量，所述第二发电量为所述电容；

基于所述第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满足所述电容时的所述太阳辐射量；

当由所述太阳辐射量分析步骤所确定的太阳辐射量低于所述第一太阳辐射量时，确定所述发电量等于所述第一发电量，当由所述太阳辐射量分析步骤所确定的太阳辐射量超过所述第二太阳辐射量时，确定所述发电量等于所述第二发电量。

2.根据期望值计算的发电量精密预测系统，具有：太阳辐射量分析单元，基于太阳辐射量数据来确定每单位时间的太阳辐射量及太阳辐射量出现概率；

发电量预测单元，基于所述太阳辐射量来确定发电量，基于与所述太阳辐射量对应的每单位时间的所述发电量及太阳辐射量出现概率来确定发电量期望值，其中，确定所述发电量的过程包括：

基于发电特性数据以及输出特性数据来确定第一太阳辐射量、第二发电量，所述发电特性数据表示为了获得最低输出功率所需的太阳辐射量及发电效率，所述输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太阳辐射量为为了获得为零的第一发电量及所述最低输出功率所需的所述太阳辐射量，所述第二发电量为所述电容；

基于所述第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满足所述电容时的所述太阳辐射量；

当由所述太阳辐射量分析单元所确定的太阳辐射量低于所述第一太阳辐射量时，确定所述发电量等于所述第一发电量，当由所述太阳辐射量分析单元所确定的太阳辐射量超过所述第二太阳辐射量时，确定所述发电量等于所述第二发电量。

3.一种非易失性计算机可读存储介质，存储有根据期望值计算的发电量精密预测程序，其中，所述根据期望值计算的发电量精密预测程序当被计算机调用时执行以下步骤：太阳辐射量分析步骤，基于太阳辐射量数据来确定每单位时间的太阳辐射量及太阳辐射量出现概率；

发电量预测步骤，基于所述太阳辐射量确定发电量，基于与所述太阳辐射量对应的每单位时间的所述发电量及太阳辐射量出现概率来确定发电量期望值，其中，确定所述发电量的过程包括以下子步骤：

基于发电特性数据以及输出特性数据来确定第一太阳辐射量、第二发电量，所述发电特性数据表示为了获得最低输出功率所需的太阳辐射量及发电效率，所述输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太阳辐射量为为了获得为零的第一发电量及所述最低输出功率所需的所述太阳辐射量，所述第二发电量为所述电容；

基于所述第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满足所述电容时的所述太阳辐射量；

当由所述太阳辐射量分析步骤所确定的太阳辐射量低于所述第一太阳辐射量时，确定所述发电量等于所述第一发电量，当由所述太阳辐射量分析步骤所确定的太阳辐射量超过所述第二太阳辐射量时，确定所述发电量等于所述第二发电量。

说明书

根据期望值计算的发电量精密预测法、根据期望值计算的发

电量精密预测系统及根据期望值计算的发电量精密预测程序

技术领域

[0001] 本发明涉及一种根据期望值计算的发电量精密预测法、根据期望值计算的发电量精密预测系统及根据期望值计算的发电量精密预测程序。

背景技术

[0002] 在作为自然能发电设备之一的光伏发电系统中，表示买卖电力的发电量受到气象学因素的影响，因此，从光伏发电系统的收益性评价的观点出发，发电量的精密预测被认为
是一项是重要的课题。

[0003] 光伏发电系统中的发电量由气象学因素以及电子工程学因素共同决定。此处的气象学因素包括天气对太阳辐射量的影响和气溶胶对太阳辐射量的影响。另外，电子工程学
因素包括与太阳能光伏板等对应的发电特性和与逆变器设备等对应的输出特性。

[0004] 专利文献1所记载的发明，其特征在于，基于以当前时刻为基准的最近的未来时刻的晴朗情况下的计算全天太阳辐射量、和从当前时刻到最近的过去时刻为止的最近过去时
间间隔中的光伏发电量的实测值计算出的最近系数，来计算出所述最近的未来时刻中的预
测发电量。

[0005] 现有技术文献

[0006] 专利文献

[0007] 专利文献1：特开2017‑127140号公报

发明内容

[0008] 然而，由于专利文献1所记载的、未来时刻中的预测发电量是基于最近系数的平均值而计算出的，因此，难以基于综合考虑了包括太阳辐射量的不确定性的气象学因素和包
括光伏发电设备的电特性的电子工程学因素的情况计算来计算精密的发电量。

[0009] 现有方法中，从太阳辐射量的平均值来确定太阳辐射量的总量，并基于发电设备的发电效率和该总量来进行发电量预测。因此，无法准确地计算由输出特性引起的峰值截
止损耗，难以计算精密的发电量。

[0010] 本发明是鉴于上述情况而完成的，本发明要解决的问题是精密地预测受到峰值截止损耗影响的自然能发电设备的发电量。

[0011] 为解决上述课题，本发明提供一种根据期望值计算的发电量精密预测法，其特征在于，使计算机的处理器执行以下步骤：太阳辐射量分析步骤，基于太阳辐射量数据来确定
每单位时间的太阳辐射量及太阳辐射量出现概率；发电量预测步骤，基于太阳辐射量来确
定发电量，基于与太阳辐射量对应的每单位时间的发电量及太阳辐射量出现概率来确定发
电量期望值；发电量预测步骤，基于发电特性数据以及输出特性数据来确定第一太阳辐射
量、第二发电量，所述发电特性数表示为了获得最低输出功率所需的太阳辐射量及发电效
率，所述输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太
阳辐射量为为了获得为零的第一发电量及最低输出功率所需的太阳辐射量，所述第二发电
量为电容；基于第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满
足电容时的所述太阳辐射量；当太阳辐射量低于第一太阳辐射量时，确定第一发电量为发
电量，当太阳辐射量超过第二太阳辐射量时，确定第二发电量为发电量。

[0012] 通过设定为这样的配置，本发明能够基于随机性解释而将受由若干因素组成的气象学因素所影响的太阳辐射量简单化，能够基于各太阳辐射量的情况计算来实现发电量的
精密预测。另外，通过设定为这样的配置，本发明起到诸如能够简化计算发电量所需的太阳
辐射量的统计数据、能够降低包括数据参考及数据存储的数据库负载这样更进一步的技术
效果。另外，通过设定为这样的配置，本发明能够综合考虑到气象学因素以及电子工程学因
素，能够实现发电量的情况计算。另外，通过设定为这样的配置，本发明起到诸如能够基于
太阳辐射量将发电量唯一确定为预定值，能够降低发电量预测相关的计算成本这样更进一
步的技术效果。另外，通过设定为这样的配置，本发明能够基于包括太阳能板的发电设备的
性能、包括功率调节器的输出设备的性能来动态地设定发电量的预定值。另外，通过设定为
这样的配置，本发明起到诸如使发电量预测所需的数据库的注册数据标准化从而能够降低
包括数据参考及数据存储的数据库负载这样更进一步的技术效果。另外，通过设定为这样
的配置，本发明能够基于包括太阳能板发电设备的性能、包括功率调节器的输出设备的性
能来动态地设定发电量的预定值。另外，本发明起到诸如使发电量预测所需的数据库的注
册数据标准化从而能够降低包括数据参考及数据存储的数据库负载这样更进一步的技术
效果。

[0013] 为解决上述课题，本发明提供一种根据期望值计算的发电量精密预测系统，其特征在于，具有：太阳辐射量分析单元，基于太阳辐射量数据来确定每单位时间的太阳辐射量
及太阳辐射量出现概率；发电量预测单元，基于太阳辐射量来确定发电量，基于与所述太阳
辐射量对应的每单位时间的所述发电量及所述太阳辐射量出现概率来确定发电量期望值；
所述发电量预测单元，基于发电特性数据以及输出特性数据来确定第一太阳辐射量、第二
发电量，所述发电特性数表示为了获得最低输出功率所需的太阳辐射量及发电效率，所述
输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太阳辐射量
为为了获得为零的第一发电量及最低输出功率所需的太阳辐射量，第二发电量为电容；基
于第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满足电容时的太
阳辐射量；当太阳辐射量低于第一太阳辐射量时，确定第一发电量为发电量，当太阳辐射量
超过第二太阳辐射量时，确定第二发电量为发电量。

[0014] 为解决上述课题，本发明提供一种根据期望值计算的发电量精密预测程序，其特征在于，将计算机用作以下单元：太阳辐射量分析单元，基于太阳辐射量数据来确定每单位
时间的太阳辐射量及太阳辐射量出现概率；发电量预测单元，基于太阳辐射量来确定发电
量，基于与太阳辐射量对应的每单位时间的发电量及太阳辐射量出现概率来确定发电量期
望值；发电量预测单元，基于发电特性数据以及输出特性数据来确定第一太阳辐射量、第二
发电量，所述发电特性数表示为了获得最低输出功率所需的太阳辐射量及发电效率，所述
输出特性数据表示超过量变为峰值截止损耗那样的电容与输出效率，所述第一太阳辐射量
为为了获得为零的第一发电量及最低输出功率所需的太阳辐射量，第二发电量为电容；基
于第二发电量及发电效率来确定第二太阳辐射量，所述第二太阳辐射量为满足电容时的太
阳辐射量；当太阳辐射量低于第一太阳辐射量时，确定第一发电量为发电量，当太阳辐射量
超过第二太阳辐射量时，确定所述第二发电量为发电量。

[0015] 发明效果

[0016] 本发明根据期望值计算能够实现发电量的精密预测，所述期望值计算基于采用了每单位时间的太阳辐射量出现概率的情况计算。

附图说明

[0017] 图1是根据本发明实施方式的硬件配置图及功能框图。

[0018] 图2是根据本发明实施方式的处理流程图。

[0019] 图3是表示根据本发明实施方式的发电量预测结果的坐标图。

[0020] 图4是根据现有的发电量预测法的处理流程图。

具体实施方式

[0021] 下面，结合附图对根据本发明的系统1进行说明。需要说明的是，以下所示的实施方式是本发明的一个示例，本发明并不限于以下的实施方式，也可以采用各种配置。另外，
该系统1为根据期望值计算的发电量精密预测系统。

[0022] 本实施方式中，对系统1的配置、动作等进行了说明，但相同的配置方法、程序、记录介质等也具有相同的作用效果。

[0023] 本实施方式中的程序2001优选地记录在非暂时性记录介质中。通过使用该记录介质能够被导入计算机设备2中。

[0024] 系统1所涉及的功能在应用程序中利用该计算机设备2的计算机资源来实现，该应用程序包括程序2001，该程序2001存储于计算机设备2中。该应用程序以安装型软件或者云
型软件的形式来实现。

[0025] 图1示出了根据本发明实施方式的系统1的功能框图。

[0026] 系统1包括计算机设备2、发电设备3、输出设备4。计算机设备2具有输入单元21、显示单元22、管理单元23、太阳辐射量分析单元24、发电量预测单元25以及收益性评价单元
26。需要说明的是，系统1也可以包括发电设备3及输出设备4的至少一方。

[0027] 本实施方式中的输入单元21、显示单元22、管理单元23、太阳辐射量分析单元24、发电量预测单元25以及收益性评价单元26的功能及发挥效果，分别等同于输入步骤、显示
步骤、管理步骤、太阳辐射量分析步骤、发电量预测步骤以及收益性评价步骤所涉及的功能
及发挥效果。

[0028] 输入单元21用于系统1的输入处理。输入单元21，例如用于太阳辐射量数据D10、发电特性数据D20、输出特性数据D30及设备投资数据D40的输入处理。在本实施方式中，由输
入单元21输入处理的数据存储在计算机设备2中的数据库DB中。

[0029] 输入单元21可以配置为在多个计算机设备2中经由网络NW及应用程序界面进行输入处理。

[0030] 显示单元22用于系统1相关的显示处理。作为一个示例，显示单元22显示处理包括由输入单元21输入处理的数据、存储于数据库DB中的各种数据。另外，显示单元22也可配置
成显示处理用于该输入处理的用户界面。需要说明的是，本实施方式中的显示处理也可基
于以JavaScript(注册商标)语言为例的面向对象脚本语言由多个计算机设备2协作进行。

[0031] 管理单元23将由输入单元21输入处理的数据、由太阳辐射量分析单元24确定的数据、由发电量预测单元25确定的数据以及由收益性评价单元26确定的数据中的至少一个存
储到数据库DB中。

[0032] 本实施方式中的数据库DB以关系数据库、列型数据库、或关键量值存储的形式建立。需要说明的是，本实施方式中，数据库DB中的数据可以基于单向函数进行加密。

[0033] 本实施方式中的数据库DB也可经由网络NW配置成可访问形式。另外，数据库DB也可采用由多个辅助存储设备203构成的分散型数据库的形式。

[0034] 太阳辐射量分析单元24基于太阳辐射量数据D10确定太阳辐射量及太阳辐射量出现概率。本实施方式中的太阳辐射量优选地是指全天太阳辐射量，也可以指该全天太阳辐
射量的范围。本实施方式中的太阳辐射量出现概率是指单位时间中的该太阳辐射量的出现
概率。

[0035] 发电量预测单元25基于太阳辐射量来确定发电量，基于发电量及太阳辐射量出现概率来确定发电量期望值。该发电量基于发电特性数据D20中所包含的发电效率及与太阳
辐射量对应的光强度来确定。

[0036] 当太阳辐射量低于第一太阳辐射量时，发电量预测单元25将第一发电量确定为发电量。当太阳辐射量超过第二太阳辐射量时，发电量预测单元25将第二发电量确定为发电
量。此时，发电量预测单元25至少基于发电特性数据D20中所包含的发电效率、输出特性数
据D30中所包含的输出效率和电容来确定第一太阳辐射量和第一发电量、第二太阳辐射量
和第二发电量。

[0037] 本实施方式中的发电特性数据D20至少包括发电效率和其温度特性数据。

[0038] 本实施方式中的输出特性数据D30至少包括输出效率、其温度特性数据、电容。在该输出效率中包含与输出所涉及的损失系数、最低输出功率相关的信息。本实施方式中的
电容是指峰值截止线P0。

[0039] 收益性评价单元26利用演算设备201基于设备投资数据D40、发电量期望值来确定收益性。此时，设备投资数据D40包括：包括发电设备3的发电设备的单价、包括输出设备4的
输出设备的单价、包括发电设备3的发电设备的数量、包括输出设备4的输出设备的数量、发
电设备的设置场所所涉及的土地价格及售电价格。

[0040] 收益性评价单元26利用演算设备201基于设备投资数据D40来确定投资额，利用演算设备201基于设备投资数据D40及发电量期望值来确定收入。收益性评价单元26基于该投
资额及收入来确定收益率、包括收益性指数及内部收益率的收益性。需要说明的是，该收益
性由发电设备及输出设备所涉及的每个过载率来确定，并储存于数据库DB中。

[0041] 收益性评价单元26也可以将收益率、收益性指数或内部收益率被最大化了的过载率确定为推荐过载率，并存储在数据库DB中。由收益性评价单元26确定的各种信息由显示
单元22进行显示处理。

[0042] 图1表示根据本发明实施方式的系统1的硬件配置图。

[0043] 计算机设备2包括演算设备201、主存储设备202、辅助存储设备203、输入设备204、显示设备205、通信设备206、用于相互连接的总线接口。

[0044] 发电设备3包括光电转换设备301、通信设备302。输出设备4包括电转换设备401、通信设备402。此时，发电设备3及输出设备4电连接。

[0045] 演算设备201包括可执行指令集的处理器。

[0046] 主存储设备202包括非易失性存储器，例如RAM。

[0047] 在本实施方式中，包括演算设备201及主存储设备的202的SoC也可以包括在计算机设备2中，在该SoC中也可配置成包括协处理器，所述协处理器包括特定用途被最优化了
的集成电路，所述特定用途包括编码和机器学习。

[0048] 辅助存储设备203用作数据库DB，其是与系统1有关的各种数据的存储位置。辅助存储设备203包括非易失性存储器。该非易失性存储器除了使用半导体存储器，例如快闪存
储器，另外也可以使用硬盘驱动器，对其记录方式没有限制。

[0049] 辅助存储设备203中，除程序2001之外，还存储与操作系统(0S2002)、输入设备204、显示设备205及通信设备206的至少一个对应的设备驱动器。

[0050] 输入设备204用于用户执行由输入单元21执行的输入处理。输入设备204包括键盘或触摸屏，对其输入方式没有限制。

[0051] 显示设备205用于由显示单元22执行的显示处理。显示设备205包括视频存储器和显示器，所述视频存储器和显示器用于存储与显示处理有关的帧缓冲。需要说明的是，对本
实施方式中的显示器的驱动方式没有限制。

[0052] 通信设备206、302及402用于经由无线WAN、LAN及PAN的至少一个来执行网络NW中的通信处理。该通信处理基于有线通信标准或无线通信标准。

[0053] 本实施方式中的计算机设备2也可配置成不包括输入设备204及显示设备205。另外，也可配置成多个计算机设备2协调进行以实现系统1的部分相关功能。

[0054] 光电转换设备301至少包括发电部和支持部。该发电部基于光伏效应将太阳光能转换为电能，对其半导体材料没有限制。该支持部至少用于支持该发电部，对其材料没有限
制。另外，光电转换设备301也可配置成具有用于测量全天太阳辐射量的测量部。

[0055] 电转换设备401至少包括转换部和支持部。该转换部至少包括用于将直流电转换为交流电的逆变元件。逆变元件的半导体材料没有限制。该支持部至少用于支持该发电部，
对其材料没有限制。

[0056] 通信设备302至少用于将发电设备3中的发电量、测量部中测量的实测太阳辐射量发送到计算机设备2中。

[0057] 通信设备402至少用于将与作为从发电设备3供给的直流电的发电量相关的信息及与转换部中转换的交流电相关的信息发送到计算机设备2中。

[0058] 本实施方式中的网络NW例如在通信协议中使用TCP/IP。需要说明的是，网络NW可以利用CATV线路、移动通信网、航空通信网以及卫星通信网，对其类别没有限制。

[0059] 图2表示根据本实施方式中的发电量期望值的确定的处理流程图。

[0060] 本实施方式中，首先，作为初始设定，太阳辐射量数据D10、发电特性数据D20及输出特性数据D30的输入处理或指定由输入单元21来执行(步骤S10)。此时，若数据库DB中已
储存的数据被指定，则管理单元23进行该数据的参考处理。该步骤中，也可配置成通过输入
单元21输入处理或指定地理数据，与该地理数据对应的太阳辐射量数据D10在数据库DB中
被参考。

[0061] 管理单元23基于从发电设备3向计算机设备2发送的数据来确定/指定发电特性数据D20。管理单元23也可以基于从输出设备4向计算机设备2发送的数据来确定/指定输出特
性数据D30。

[0062] 步骤S10完成后，单位时间及计算对象时间的输入处理或指定由输入单元21执行(步骤S20、S30)。本实施方式中的单位时间表示发电量预测对象的时间范围的多少。另外，
计算对象时间表示发电量预测对象的时间段。具体而言，单位时间表示1个小时等时间长
度，计算对象时间表示1月1日下午1时等日期与时刻。

[0063] 太阳辐射量分析单元24基于输入处理或指定的太阳辐射量数据D10、单位时间及计算对象时间来确定包括太阳辐射量及太阳辐射量出现概率的太阳辐射量出现概率分布
(步骤S40)。

[0064] 发电量预测单元25基于由太阳辐射量分析单元24所确定的太阳辐射量出现概率分布来进行发电量的情况计算。

[0065] 当太阳辐射量出现概率分布中包含的太阳辐射量低于第一太阳辐射量时(步骤S50、条件C1)，确定发电量为第一发电量(步骤S60A)。此时，优选地，该第一发电量为0。此
时，将在能够获得满足该第一发电量的发电量的情况下的太阳辐射量确定为该第一太阳辐
射量。具体而言，基于发电特性数据D20来确定为了获得输出特性数据D30表示的最低输出
功率所需的太阳辐射量。需要说明的是，在本实施方式中，第一太阳辐射量的输入处理形式
也可以是唯一确定的。

[0066] 当太阳辐射量出现概率分布中包含的太阳辐射量在第一太阳辐射量以上且第二太阳辐射量以下时(步骤S50、条件C2)，基于太阳辐射量及输入处理或指定的发电特性数据
D20中的发电效率来确定发电量(步骤S60B)。

[0067] 当太阳辐射量出现概率分布中包含的太阳辐射量超过第二太阳辐射量时(步骤S50、条件C3)，确定发电量为第二发电量(步骤S60C)。此时，优选地，该第二发电量为输入处
理或指定的输出特性数据D30中所包含的电容。另外优选地配置为，将在满足该电容并能够
获得发电量的情况下的太阳辐射量确定为该第二太阳辐射量。本实施方式中的第二发电量
所涉及的超过量的发电量是指峰值截止损耗。此时，第二太阳辐射量基于第二发电量和发
电特性数据D20中的发电效率而被确定。需要说明的是，在本实施方式中，第二太阳辐射量
的输入处理形式也可以是唯一确定的。

[0068] 发电量预测单元25将根据情况计算获得的发电量及该情况计算中的太阳辐射量出现概率的积的总和确定为发电量期望值(步骤S70)。需要说明的是，在本实施方式中，虽
以三种情况计算为例，但对于情况计算的种类和数量没有限制。

[0069] 最后，若进行计算对象时间的变更(更新)(在步骤S80中为Yes(Y))，处理转移到步骤S30。若不进行计算对象时间的变更(更新)(在步骤S80中为No(N))，则处理结束。

[0070] 图4是表示现有方法中的发电量预测的处理流程图。该处理流程图不包括与太阳辐射量出现概率分布的确定相关的处理步骤、与情况计算相关的处理步骤。由于不包括图2
中的情况计算(步骤S60A)及情况计算(步骤S60C)，因此，存在不能优选考虑不依赖于太阳
辐射量、发电量为唯一预定量的情况的问题。本发明能够解决该问题，实现发电量的精密预
测。

[0071] 图3是表示发电量预测结果的坐标图。对应于该坐标图的纵轴的发电量的数值表示一个示例。需要说明的是，也可配置成由显示单元22显示处理该发电量预测结果。

[0072] 如图3所示，发电量平均值演变P1及发电量期望值演变P2分别表示基于与发电量期望值的确定相关的处理流程图(图2)的预测结果、基于现有方法中的发电量预测的处理
流程图(图4)的预测结果。需要说明的是，发电量平均值演变P1及发电量期望值演变P2的算
出例(图3)中使用的发电特性数据D20及输出特性数据D30相同。

[0073] 如图3所示，现有方法的发电量预测(与P1对应)中出现了预测结果接近峰值截止线P0的时间段，与此相对，本发明的方法(与P2对应)中出现了低于峰值截止线P0的时间段。
如前文所述，这是因为，本发明的方法中所进行的期望值计算是不依赖于太阳辐射量而进
行的考虑到了发电量为唯一预定量的情况的期望值计算。具体而言，本发明的方法由于在
概率理论上逐次考虑到了瞬间超过峰值截止线P的情况，因此能够精密地预测除去峰值截
止部分的发电量。

[0074] 需要说明的是，在本实施方式中，也可利用数理模型来计算发电量期望值，该数理模型作为基于太阳辐射量出现概率分布的近似式。该数理模型，优选地基于大于或等于1的
概率密度函数。

[0075] 符号说明

[0076] 1 系统

[0077] 2 计算机设备

[0078] 3 发电设备

[0079] 4 输出设备

[0080] 21 输入单元

[0081] 22 显示单元

[0082] 23 管理单元

[0083] 24 太阳辐射量分析单元

[0084] 25 发电量预测单元

[0085] 26 收益性评价单元

[0086] 201 演算设备

[0087] 202 主存储设备

[0088] 203 辅助存储设备

[0089] 204 输入设备

[0090] 205 显示设备

[0091] 206 通信设备

[0092] 301 光电转换设备

[0093] 302 通信设备

[0094] 401 电转换设备

[0095] 402 通信设备

[0096] 2001 程序

[0097] 2002 OS

[0098] C1、C2、C3 条件

[0099] DB 数据库

[0100] D10 太阳辐射量数据

[0101] D20 发电特性数据

[0102] D30 输出特性数据

[0103] D40 设备投资数据

[0104] NW 网络

[0105] P0 峰值截止线

[0106] P1 发电量平均值演变

[0107] P2 发电量期望值演变

[0108] S10、S20、S30、S40、S50、S60A、S60B、S60C、S70、S80 步骤。