阅读说明：本技术 判定装置、太阳光发电系统、判定方法及判定程序 (Determination device, photovoltaic power generation system, determination method, and determination program ) 是由 后藤勋 下口刚史 谷村晃太郎 池上洋行 于 2018-10-10 设计创作，主要内容包括：判定装置(101)是在具备包括太阳能单电池的发电部的太阳光发电系统中使用的判定装置,具备：获取部(86),获取参照期间的输出数据及对象期间的输出数据,所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据：及判定部(81),基于由所述获取部(86)获取到的所述参照期间的所述输出数据,判定所述对象期间的所述输出数据的异常。(A determination device (101) is used in a solar power generation system provided with a power generation unit including a solar cell, and is provided with: an acquisition unit (86) that acquires output data for a reference period and output data for a target period, the output data being time-series output data of a measurement result of the output of the power generation unit: and a determination unit (81) that determines an abnormality in the output data of the target period based on the output data of the reference period acquired by the acquisition unit (86).)

判定装置、太阳光发电系统、判定方法及判定程序

技术领域

本发明涉及判定装置、太阳光发电系统、判定方法及判定程序。

本申请主张以2017年12月28日申请的日本申请特愿2017-253407号为基础的优先权，将其公开的全部内容引入于此。

背景技术

在日本特开2012-205078号公报(专利文献1)中公开了下面那样的太阳光发电用监视系统。即，太阳光发电用监视系统是针对将来自多个太阳能电池板的输出汇集并送入到电力变换装置的太阳光发电系统监视所述太阳能电池板的发电状况的太阳光发电用监视系统，具备：计测装置，设置于来自所述多个太阳能电池板的输出电路汇集的场所，计测各太阳能电池板的发电量；下位侧通信装置，与所述计测装置连接，具有发送所述计测装置的发电量的计测数据的功能；上位侧通信装置，具有接收从所述下位侧通信装置发送的所述计测数据的功能；及管理装置，具有经由所述上位侧通信装置收集每个所述太阳能电池板的所述计测数据的功能。所述管理装置基于所述各太阳能电池板的同一时间点的发电量的差来判定异常的有无，或基于所述各太阳能电池板的预定期间的发电量的最大值或累计值来判定异常的有无。

现有技术文献

专利文献

专利文献1：日本特开2012-205078号公报

发明内容

(1)本公开的判定装置是在具备包括太阳能单电池的发电部的太阳光发电系统中使用的判定装置，具备：获取部，获取参照期间的输出数据及对象期间的输出数据，所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据；及判定部，基于由所述获取部获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

(5)本公开的太阳光发电系统具备：1个或多个发电部，包括太阳能单电池；1个或多个连接箱，各连接箱将来自1个或多个所述发电部的输出线汇集；1个或多个集电箱，各集电箱将来自1个或多个所述连接箱的汇集线汇集；1个或多个电力变换装置，各电力变换装置将来自1个或多个所述集电箱的汇集线汇集；配电柜，将来自1个或多个所述电力变换装置的汇集线汇集；及判定装置，获取参照期间的输出数据及对象期间的输出数据，所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据，基于获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

(6)本公开的判定方法是判定装置中的判定方法，包括以下步骤：获取参照期间的输出数据及对象期间的输出数据，所述输出数据为包括太阳能单电池的发电部的输出的计测结果的时间序列的输出数据；及基于获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

(7)本公开的判定程序是在判定装置中使用的判定程序，用于使计算机作为获取部及判定部发挥功能，所述获取部获取参照期间的输出数据及对象期间的输出数据，所述输出数据为包括太阳能单电池的发电部的输出的计测结果的时间序列的输出数据，所述判定部基于由所述获取部获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

本公开的一方式不仅能够作为具备这样的特征的处理部的判定装置实现，也能够作为实现判定装置的一部分或全部的半导体集成电路实现。

另外，本公开的一方式不仅能够作为具备这样的特征的处理部的太阳光发电系统实现，也能够作为以该特征的处理作为步骤的方法实现。另外，本公开的一方式能够作为实现太阳光发电系统的一部分或全部的半导体集成电路实现。

附图说明

图1是示出本发明的实施方式的太阳光发电系统的构成的图。

图2是示出本发明的实施方式的PCS单元的构成的图。

图3是示出本发明的实施方式的集电单元的构成的图。

图4是示出本发明的实施方式的太阳能电池单元的构成的图。

图5是示出本发明的实施方式的发电状态判定系统的构成的图。

图6是示出本发明的实施方式的发电状态判定系统中的监视装置的构成的图。

图7是示出本发明的实施方式的发电状态判定系统中的判定装置的构成的图。

图8是示出本发明的实施方式的发电状态判定系统中的判定装置保持的监视信息的一个例子的图。

图9是示出本发明的实施方式的判定装置中的获取部获取的发电电力数据的一个例子的图。

图10是示出对本发明的实施方式的判定装置中的参照数据及对象数据进行分类的5个集群的一个例子的图。

图11是示出对本发明的实施方式的判定装置中的参照数据进行分类的7个集群的一个例子的图。

图12是示出对本发明的实施方式的判定装置中的参照数据进行分类的9个集群的一个例子的图。

图13是示出对本发明的实施方式的判定装置中的参照数据进行分类的11个集群的一个例子的图。

图14是用于决定本发明的实施方式的判定装置进行发电部的异常判定时的动作顺序的流程图。

具体实施方式

近年来，开发出了用于监视太阳光发电系统来判别异常的技术。

[本公开要解决的课题]

希望一种超越在专利文献1中记载的技术而能够提高太阳光发电系统的异常判定的精度的技术。

本公开是为了解决上述的课题而提出的，其目的在于提供能够提高太阳光发电系统的异常判定的精度的判定装置、太阳光发电系统、判定方法及判定程序。

[本公开的效果]

根据本公开，能够提高太阳光发电系统的异常判定的精度。

[本申请发明的实施方式的说明]

首先，列举说明本发明的实施方式的内容。

(1)本发明的实施方式的判定装置是在具备包括太阳能单电池的发电部的太阳光发电系统中使用的判定装置，具备：获取部，获取参照期间的输出数据及对象期间的输出数据，所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据；及判定部，基于由所述获取部获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

这样，例如，通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部的输出的计测结果即时间序列的输出数据判定异常的构成，即使不设置面板温度计及日照量计也能够检测异常。另外，能够使设置的设备变少且减少目视确认的次数，所以能够减小误认的可能性。因此，能够提高太阳光发电系统的异常判定的精度。

(2)优选地，所述对象期间是所述参照期间之后的期间。

根据这样的构成，能够应用过去积累的输出数据，更准确地判定异常。

(3)优选地，所述判定部使用自回归模型、统计分析、贝叶斯统计、稀疏结构学习、神经网络、支持向量机、朴素贝叶斯、k最邻近算法(kNN：k-nearest neighbor algorithm)、决策树、C4.5、CART(Classification and Regression Tree：分类和回归树)、随机森林、adaboost(自适应增强)、袋装法、层次型聚类、k-means(k-均值)、EM算法(ExpectationMaximization algorithm：最大期望算法)、潜在语义分析(LSA：Latent SemanticAnalysis)、概率潜在语义分析(PLSA：probabilistic Latent Semantic Analysis)、线性判别分析(LDA：Linear Discriminant Analysis)、分层狄利克雷过程(HDP：HierechicalDirichlet Process)、潜在狄利克雷分布法(LDA：Latent Dirichlet Allocation)、k-medoids(k-中心点法)、广义线性模型、线性模型、分层贝叶斯及自组织映射(SOM：self-organizing map)中的任一个和多个来判定所述输出数据的异常。

根据这样的构成，能够使用自回归模型、机械学习、统计分析、贝叶斯统计、稀疏结构学习或其他的方法，更良好地检测异常。

(4)优选地，所述太阳光发电系统具备：1个或多个连接箱，各连接箱将来自1个或多个所述发电部的输出线汇集；1个或多个集电箱，各集电箱将来自1个或多个所述连接箱的汇集线汇集；1个或多个电力变换装置，各电力变换装置将来自1个或多个所述集电箱的汇集线汇集；及配电柜，将来自1个或多个所述电力变换装置的汇集线汇集。

根据这样的构成，能够在期望的部位收集输出数据，所以能够在每个发电部、每个连接箱、每个集电箱、每个电力变换装置或配电柜进行异常检测，能够提高异常的原因推定。

(5)本发明的实施方式的太阳光发电系统具备：1个或多个发电部，包括太阳能单电池；1个或多个连接箱，各连接箱将来自1个或多个所述发电部的输出线汇集；1个或多个集电箱，各集电箱将来自1个或多个所述连接箱的汇集线汇集；1个或多个电力变换装置，各电力变换装置将来自1个或多个所述集电箱的汇集线汇集；配电柜，将来自1个或多个所述电力变换装置的汇集线汇集；及判定装置，获取参照期间的输出数据及对象期间的输出数据，所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据，基于获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

这样，例如，通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部的输出的计测结果即时间序列的输出数据判定异常的结构，即使不设置面板温度计及日照量计也能够检测异常。另外，能够使设置的设备变少且减少目视确认的次数，所以能够减小误认的可能性。因此，能够提高太阳光发电系统的异常判定的精度。

(6)本发明的实施方式的判定方法是判定装置中的判定方法，判定方法包括以下步骤：获取参照期间的输出数据及对象期间的输出数据，所述输出数据为包括太阳能单电池的发电部的输出的计测结果的时间序列的输出数据；及基于获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

这样，例如，通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部的输出的计测结果即时间序列的输出数据判定异常的构成，即使不设置面板温度计及日照量计也能够检测异常。另外，能够使设置的设备变少且减少目视确认的次数，所以能够减小误认的可能性。因此，能够提高太阳光发电系统的异常判定的精度。

(7)本发明的实施方式的判定程序是在判定装置中使用的判定程序，用于使计算机作为获取部及判定部发挥功能，所述获取部获取参照期间的输出数据及对象期间的输出数据，所述输出数据为包括太阳能单电池的发电部的输出的计测结果的时间序列的输出数据，所述判定部基于由所述获取部获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常。

这样，例如，通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部的输出的计测结果即时间序列的输出数据判定异常的构成，即使不设置面板温度计及日照量计也能够检测异常。另外，能够使设置的设备变少且减少目视确认的次数，所以能够减小误认的可能性。因此，能够提高太阳光发电系统的异常判定的精度。

下面，使用附图说明本发明的实施方式。此外，在图中同一或相当部分标注同一附图标记而不反复进行其说明。另外，可以将下面记载的实施方式的至少一部分任意组合。

[太阳光发电系统的构成]

图1是示出本发明的实施方式的太阳光发电系统的构成的图。

参照图1，太阳光发电系统401具备4个PCS(Power Conditioning Subsystem：电力变换装置)单元80和配电柜6。配电柜6包括铜棒73。

在图1中，代表性地示出4个PCS单元80，但是还可以设置多个或少数个PCS单元80。

图2是示出本发明的实施方式的PCS单元的构成的图。

参照图2，PCS单元80具备4个集电单元60和PCS(电力变换装置)8。PCS8包括铜棒7和电力变换部9。

在图2中，代表性地示出4个集电单元60，但是还可以设置多个或少数个集电单元60。

图3是示出本发明的实施方式的集电单元的构成的图。

参照图3，集电单元60包括4个太阳能电池单元74和集电箱71。集电箱71具有铜棒72。

在图3中，代表性地示出4个太阳能电池单元74，但是还可以设置多个或少数个太阳能电池单元74。

图4是示出本发明的实施方式的太阳能电池单元的构成的图。

参照图4，太阳能电池单元74包括4个发电部78和连接箱76。发电部78具有太阳能电池板。连接箱76具有铜棒77。

在图4中，代表性地示出4个发电部78，但是还可以设置多个或少数个发电部78。

在该例子中，发电部78是多个太阳能电池板串联连接的太阳能电池板串。

在太阳光发电系统401中，来自多个发电部78的输出线及汇集线即电力线分别与配电柜6电连接。

在太阳光发电系统401中，1个或多个连接箱76的各连接箱将来自1个或多个发电部78的输出线1汇集为汇集线5。1个或多个集电箱71的各集电箱将来自1个或多个连接箱76的汇集线5汇集为汇集线2。1个或多个PCS8的各PCS将来自1个或多个集电箱71的汇集线2汇集为汇集线4。配电柜6将来自1个或多个PCS8的汇集线4汇集。

更详细地说，发电部78的输出线1具有与发电部78连接的第1端和与铜棒77连接的第2端。各输出线1经由铜棒77汇集为汇集线5。铜棒77例如设置于连接箱76的内部。

发电部78若接受太阳光，则将接受的太阳光的能量变换为直流电力，并将变换后的直流电力输出至输出线1。

参照图3及图4，汇集线5具有与对应的太阳能电池单元74中的铜棒77连接的第1端和与铜棒72连接的第2端。各汇集线5经由铜棒72汇集为汇集线2。铜棒72例如设置于集电箱71的内部。

参照图1～图4，在太阳光发电系统401中，如上述的那样，来自多个发电部78的各输出线1汇集为汇集线5，各汇集线5汇集为汇集线2，各汇集线2汇集为汇集线4，各汇集线4与配电柜6电连接。

更详细地说，各汇集线2具有与对应的集电单元60中的铜棒72连接的第1端和与铜棒7连接的第2端。在PCS8中，内部线3具有与铜棒7连接的第1端和与电力变换部9连接的第2端。

在PCS8中，电力变换部9例如若经由输出线1、铜棒77、汇集线5、铜棒72、汇集线2、铜棒7及内部线3接收在各发电部78中产生的直流电力，则将所接收的直流电力转换为交流电力并输出至汇集线4。

汇集线4具有与电力变换部9连接的第1端和与铜棒73连接的第2端。

在配电柜6中，从各PCS8中的电力变换部9输出至各汇集线4的交流电力经由铜棒73输出至系统。

[课题]

在太阳光发电系统401中，为了检测太阳光发电的异常，具有一边观察日照条件一边计测太阳能电池板的发电量来与推定的发电量进行比较的方法、在连接箱76中对于发电量最大的发电部78将发电量规范化来与制造商公布值进行比较的方法或目视确认发电量数据的方法等。

但是，在这样的方法中，需要追加日照计等设备而花费成本，另外，由于通过目视进行确认，所以误确认也多。另外，只能作为异常发现发电量的降低。

因此，在本发明的实施方式的太阳光发电系统中，通过下面那样的构成及动作，解决这样的课题。

[发电状态判定系统301的构成]

图5是示出本发明的实施方式的发电状态判定系统的构成的图。

参照图5，太阳光发电系统401具备发电状态判定系统301。发电状态判定系统301包括判定装置101、多个监视装置111及收集装置151。

在图5中，代表性地示出与1个集电单元60对应设置的4个监视装置111，还可以设置多个或少数个监视装置111。另外，发电状态判定系统301具备1个收集装置151，但是可以具备多个收集装置151。

在发电状态判定系统301中，作为子机的监视装置111中的传感器的信息定期或不定期地传送至收集装置151。

监视装置111例如设置于集电单元60。更详细地说，监视装置111分别与4个太阳能电池单元74对应地设置有4个。各监视装置111例如与对应的输出线1及汇集线5电连接。

监视装置111利用传感器计测对应的太阳能电池单元74中的各输出线1的电流。另外，监视装置111利用传感器计测对应的太阳能电池单元74中的各输出线1的电压。

收集装置151例如设置于PCS8的附近。更详细地说，收集装置151与PCS8对应设置，经由信号线46而与铜棒7电连接。

监视装置111及收集装置151经由汇集线2、5进行电力线通信(PLC：Power LineCommunication)，由此进行信息的接收发送。

更详细地说，各监视装置111发送表示对应的输出线的电流及电压的计测结果的监视信息。收集装置151收集各监视装置111的计测结果。

[监视装置111的构成]

图6是示出本发明的实施方式的发电状态判定系统中的监视装置的构成的图。在图6中，更详细地示出输出线1、汇集线5及铜棒77。

参照图6，输出线1包括正极侧输出线1p和负极侧输出线1n。汇集线5包括正极侧汇集线5p和负极侧汇集线5n。铜棒77包括正极侧铜棒77p和负极侧铜棒77n。

虽未图示，但是图3所示的集电箱71中的铜棒72分别与正极侧汇集线5p及负极侧汇集线5n对应地包括正极侧铜棒72p及负极侧铜棒72n。

正极侧输出线1p具有与对应的发电部78连接的第1端和与正极侧铜棒77p连接的第2端。负极侧输出线1n具有与对应的发电部78连接的第1端和与负极侧铜棒77n连接的第2端。

正极侧汇集线5p具有与正极侧铜棒77p连接的第1端和与集电箱71中的正极侧铜棒72p连接的第2端。负极侧汇集线5n具有与负极侧铜棒77n连接的第1端和与集电箱71中的负极侧铜棒72n连接的第2端。

监视装置111具备检测处理部11、4个电流传感器16、电压传感器17及通信部14。此外，监视装置111也可以根据输出线1的数量具备多个或少数个电流传感器16。

监视装置111例如设置于发电部78的附近。具体地说，监视装置111例如设置于设置有铜棒77的连接箱76的内部，该铜棒77与计测对象的输出线1连接。此外，监视装置111可以设置于连接箱76的外部。

监视装置111例如经由正极侧电源线26p及负极侧电源线26n分别与正极侧汇集线5p及负极侧汇集线5n电连接。下面，将正极侧电源线26p及负极侧电源线26n的各电源线也称为电源线26。

各监视装置111经由与自身及收集装置151连接的电力线发送表示与对应的发电部78有关的计测结果的监视信息。

详细地说，监视装置111中的通信部14能够与收集多个监视装置111的计测结果的收集装置151进行经由汇集线的电力线通信。更详细地说，通信部14能够经由汇集线2、5接收发送信息。具体地说，通信部14经由电源线26及汇集线2、5而与收集装置151进行电力线通信。

检测处理部11例如设定为，每预定时间生成表示对应的输出线1的电流及电压的计测结果的监视信息。

电流传感器16计测输出线1的电流。更详细地说，电流传感器16例如是霍尔元件类型的电流探针。电流传感器16使用从监视装置111的未图示的电源电路接收的电力计测在对应的负极侧输出线1n中通过并流动的电流，将表示计测结果的信号输出至检测处理部11。此外，电流传感器16可以计测在正极侧输出线1p中通过并流动的电流。

电压传感器17计测输出线1的电压。更详细地说，电压传感器17计测正极侧铜棒77p及负极侧铜棒77n间的电压，将表示计测结果的信号输出至检测处理部11。

检测处理部11例如每预定时间将对从各电流传感器16及电压传感器17接收的各计测信号进行了平均化及过滤等信号处理的信号变换为数字信号。

检测处理部11生成包括所生成的各数字信号表示的计测值、对应的电流传感器16的ID(下面，也称为电流传感器ID)、电压传感器17的ID(下面，也称为电压传感器ID)及自身的监视装置111的ID(下面，也称为监视装置ID)的监视信息。

检测处理部11生成发送源ID为自身的监视装置ID、发送目的ID为收集装置151的ID且数据部分是监视信息的监视信息包。并且，检测处理部11将所生成的监视信息包输出至通信部14。此外，检测处理部11可以使监视信息包包括序列号。

通信部14向收集装置151发送从检测处理部11接收的监视信息包。

再参照图5，收集装置151能够经由汇集线2、5接收发送信息。具体地说，收集装置151例如经由信号线46及汇集线2、5而与监视装置111进行电力线通信，从多个监视装置111接收监视信息包。

收集装置151具有计数器及存储部，若从监视装置111接收监视信息包，则从接收到的监视信息包获取监视信息，并且获取计数器中的计数值作为接收时刻。并且，收集装置151在使监视信息包括接收时刻后，将该监视信息保存于未图示的存储部。

[判定装置的构成及动作]

图7是示出本发明的实施方式的发电状态判定系统中的判定装置的构成的图。

参照图7，判定装置101具备判定部81、通信处理部84、存储部85及获取部86。判定部81包括评价部82及生成部83。

在判定装置101中的存储部85例如登记有管理对象的监视装置111的ID即监视装置ID。另外，在存储部85中登记有监视装置ID和具有该监视装置ID的监视装置111包括的各传感器的ID即电流传感器ID及电压传感器ID的对应关系R1。

判定装置101例如是服务器，定期地从收集装置151获取监视信息，并对获取到的监视信息进行处理。此外，判定装置101例如可以是内置于收集装置151的构成。

更详细地说，判定装置101中的通信处理部84经由网络而与收集装置151等其他装置进行信息的接收发送。

通信处理部84在指定的每日处理定时、例如每日的上午0点进行监视信息收集处理。此外，如果形成为将判定装置101内置于收集装置151的构成，则能够以更短的间隔容易地收集监视信息。

更详细地说，当到了每日处理定时时，通信处理部84参照在存储部85中登记的各监视装置ID，与参照的各监视装置ID对应地向收集装置151发送监视信息请求，该监视信息请求用于请求包括属于从每日处理定时的24小时前到该每日处理定时为止(下面，也称为处理日)的接收时刻的监视信息。

收集装置151若从判定装置101接收到监视信息请求，则按照接收到的监视信息请求，向判定装置101发送满足监视信息请求的内容的1个或多个监视信息。

图8是示出本发明的实施方式的发电状态判定系统中的判定装置保持的监视信息的一个例子的图。

参照图8，通信处理部84若作为监视信息请求的响应从收集装置151接收到1个或多个监视信息，则基于接收到的监视信息分别计算发电部78的发电功率。

具体地说，通信处理部84例如将监视信息包括的每个电流传感器ID即每个发电部78的电流值与在该监视信息中包括1个的电压值相乘，计算每个电流传感器ID的发电功率，该监视信息包括计算出的每个电流传感器ID的发电功率。

通信处理部84将处理后的各监视信息保存于存储部85，并且将处理完成通知输出至获取部86。

获取部86获取发电部78的输出的计测结果即时间序列的输出数据。

更详细地说，获取部86若从通信处理部84接收到处理完成通知，则参照在存储部85登记的对应关系R1，针对每个电流传感器ID从存储部85获取发电功率的时间序列的输出数据(下面，也称为发电功率数据)。

此外，获取部86可以针对每个电流传感器ID从存储部85获取电流值或电压值的时间序列的输出数据。

图9是示出本发明的实施方式的判定装置中的获取部获取的发电功率数据的一个例子的图。此外，在图9中，横轴表示时间，纵轴表示发电功率。

获取部86获取包括属于处理日的接收时刻在内的期间(下面，也称为对象期间)的发电功率数据(下面，也称为对象数据)及对象期间之前的期间(下面，也称为参照期间)的发电功率数据(下面，也称为参照数据)。获取部86将获取到的对象数据及参照数据输出至判定部81中的生成部83。此外，对象期间及参照期间可以一部分重叠。

判定部81进行基于从获取部86接收到的参照数据判定对象数据的异常的判定处理。

例如，判定部81使用自回归模型、统计分析、贝叶斯统计、稀疏结构学习、神经网络、支持向量机、朴素贝叶斯、k最邻近算法(kNN：k-nearest neighbor algorithm)、决策树、C4.5、CART(Classification and Regression Tree：分类和回归树)、随机森林、自适应增强(adaboost)、袋装法、层次型聚类、k-均值(k-means)、EM算法(ExpectationMaximization algorithm：最大期望算法)、潜在语义分析(LSA：Latent SemanticAnalysis)、概率潜在语义分析(PLSA：probabilistic Latent Semantic Analysis)、线性判别分析(LDA：Linear Discriminant Analysis)、分层狄利克雷过程(HDP：HierechicalDirichlet Process)、潜在狄利克雷分布法(LDA：Latent Dirichlet Allocation)、k-中心点法(k-medoids)、广义线性模型、线性模型、分层贝叶斯或自组织映射(SOM：self-organizing map)进行判定处理。

[例1]

判定装置101使用自回归模型进行判定处理。

更详细地说，判定部81中的生成部83对从获取部86接收到的参照数据，使用自回归模型预测对象期间的发电功率，生成表示预测的发电功率的预测数据并输出至评价部82。另外，生成部83将从获取部86接收到的对象数据输出至评价部82。

评价部82对从生成部83接收到的预测数据和对象数据进行比较，按照预定的方法对对象数据相对于预测数据的误差进行评价，由此判定对象数据是正常或是异常。

更详细地说，评价部82在误差小于预定的阈值的情况下将对象数据判定为正常，在误差为该阈值以上的情况下，将对象数据判定为异常。

[例2]

判定装置101使用神经网络进行判定处理。

更详细地说，判定部81中的生成部83例如生成学习用数据集，该学习用数据集包括由用户提供的多个学习用的正常的发电功率数据及多个异常的发电功率数据。

接着，生成部83使用生成的学习用数据集生成分类模型。

具体地说，生成部83例如按照深度学习(Deep Learning)的方法，向神经网络输入学习用数据集。

并且，生成部83通过进行机械学习使得能够针对神经网络对发电功率数据是正常的发电功率数据或异常的发电功率数据进行分类，由此生成分类模型。

生成部83向完成机械学习的分类模型输入对象数据，得到带有对象数据是正常的发电功率数据或是异常的发电功率数据的分类结果的数据。并且，生成部83将得到的数据输出至评价部82。

评价部82根据从生成部83接收到的数据判定对象数据是否正常。

[例3]

判定装置101使用支持向量机进行判定处理。

更详细地说，判定部81中的生成部83例如由用户提供正常的发电功率数据，基于所提供的发电功率数据，根据参照数据生成正常的发电功率数据的组(下面，也称为正常组)。

生成部83例如由用户提供异常的发电功率数据，基于提供的发电功率数据，根据参照数据生成异常的发电功率数据的组(下面，也称为异常组)。

生成部83例如将正常组包括的发电功率数据中的接近异常组的发电功率数据设定为正常特征数据，将异常组包括的发电功率数据中的接近正常组的发电功率数据设定为异常特征数据。

并且，生成部83基于正常特征数据及异常特征数据，运算表示正常组及异常组的边界的判定条件，将运算出的判定条件输出至评价部82。另外，生成部83将从获取部86接收到的对象数据输出至评价部82。

评价部82基于从生成部83接收到的判定条件，判断对象数据应该属于正常组及异常组中的哪一组。

评价部82在判断为对象数据应该属于正常组的情况下，将对象数据判定为正常，在判断为对象数据应属于异常组的情况下，将对象数据判定为异常。

此外，生成部83是作为监督学习使用神经网络或支持向量机的构成，但是不限于此。生成部83例如可以是使用C4.5、CART、随机森林及袋装法等决策树、朴素贝叶斯、自适应增强及kNN等监督学习的方法的构成。

[例4]

判定装置101使用k-均值进行判定处理。

更详细地说，判定部81中的生成部83通过使用从获取部86接收到的参照数据的波形及对象数据的波形进行聚类，生成参照数据及对象数据被分类而得到的N(N为2以上的整数)个集群。

生成部83使用k-均值生成N个、例如5个、7个、9个或11个集群。

图10是示出对本发明的实施方式的判定装置中的参照数据及对象数据进行分类的5个集群的一个例子的图。

图10示出分类为各集群的参照数据及对象数据的平均值。

参照图10，生成部83生成集群C51～C55这5个集群。

图11是示出对本发明的实施方式的判定装置中的参照数据进行分类的7个集群的一个例子的图。

参照图11，生成部83生成集群C71～C77这7个集群。

图12是示出对本发明的实施方式的判定装置中的参照数据进行分类的9个集群的一个例子的图。

参照图12，生成部83生成集群C91～C99这9个集群。

图13是示出对本发明的实施方式的判定装置中的参照数据进行分类的11个集群的一个例子的图。

参照图13，生成部83生成集群C101～C111这11个集群。

生成部83向评价部82输出表示生成的多个集群及对象数据分类为哪个集群的集群信息。

评价部82将收到的多个集群中的一部分集群确定为正常的集群，另外，将剩余的集群确定为异常的集群。

评价部82基于收到的集群信息，识别对象数据被分类的集群，如果对象数据分类为正常的集群，则将对象数据判定为正常，如果对象数据分类为异常的集群，则将对象数据判定为异常。

例如，图11所示的7个集群与图10所示的5个集群相比，C53被分割为C73和C75。

这样，通过增大分类的集群的数量，使得能够更细地检测异常，能够容易地追究异常的原因。

另外，生成部83是作为无监督学习而使用k-均值的构成，但是不限于此。生成部83例如可以是使用层次型聚类、EM算法、潜在语义分析、概率潜在语义分析、线性判别分析、分层狄利克雷过程、潜在狄利克雷分布法、k-中心点法及自组织映射等无监督学习的方法的构成。

另外，生成部83可以是使用统计分析、贝叶斯统计或稀疏结构学习生成判定条件的构成。另外，生成部83可以使用以上那样的各方法以外的方法。

另外，判定装置101可以将自回归模型、统计分析、贝叶斯统计、稀疏结构学习、神经网络、支持向量机、朴素贝叶斯、k最邻近算法、决策树、C4.5、CART、随机森林、自适应增强、袋装法、层次型聚类、k-均值、EM算法、概率潜在语义分析、线性判别分析、HDP、潜在狄利克雷分布法、k-中心点法、广义线性模型、线性模型、分层贝叶斯及自组织映射中的任意多个方法组合。

具体地说，例如，判定部81中的生成部83使用从获取部86收到的参照数据及对象数据的波形进行聚类，由此生成参照数据及对象数据被分类而得到的例如5个集群，生成将生成的集群作为学习用的正常的发电功率数据及异常的发电功率数据的学习用数据集。

[动作的流程]

发电状态判定系统301中的各装置具备计算机，该计算机中的CPU等运算处理部从未图示的存储器分别读出包括以下的顺序图或流程图的各步骤的一部分或全部的程序并执行。这些多个装置的程序能够分别从外部安装。这些多个装置的程序分别以存储于记录介质的状态流通。

图14是决定本发明的实施方式的判定装置进行发电部的异常的判定时的动作顺序的流程图。

参照图14，判定装置101待机至到了每日处理定时为止(在步骤S101中为否)。

然后，当到了每日处理定时时(在步骤S101中为是)，判定装置101从收集装置151接收处理日的每个发电部78的电流值及电压值(步骤S102)。

接着，判定装置101基于接收到的电流值及电压值，计算处理日的每个发电部78的发电功率(步骤S103)。

接着，判定装置101将处理日的每个发电部78的发电功率的时间序列数据即对象数据带有处理日的日期地保存于存储部85(步骤S104)。

接着，判定装置101从存储部85获取过去的时间序列数据即参照数据及对象数据(步骤S105)。

接着，判定装置101使用自回归模型、机械学习、统计分析、贝叶斯统计、稀疏结构学习或其他的方法判定对象数据的异常(步骤S106)。

接着，判定装置101待机至到了新的每日处理定时为止(步骤S101)。

此外，在本发明的实施方式的太阳光发电系统中，收集装置151是与PCS8连接而与监视装置111及判定装置101进行信息的接收发送的构成，但是不限于此。收集装置151可以是与配电柜6、集电单元60或太阳能电池单元74连接并与监视装置111及判定装置101进行信息的接收发送的构成。

另外，在本发明的实施方式的太阳光发电系统中，判定装置101可以是单体的服务器，但是不限于此。判定装置101也可以是云服务器。

另外，在本发明的实施方式的太阳光发电系统中，对象期间是参照期间之后的期间，但是不限于此。对象期间也可以是与参照期间相同的期间。在该情况下，判定装置101例如使用层次型聚类、k-中心点法、k-均值及自组织映射等，对对象期间的多个对象数据进行聚类，由此生成该多个对象数据被分类而得到的多个集群，进行基于所生成的集群带有的集群信息判定对象数据的异常的判定处理。

另外，在本发明的实施方式的太阳光发电系统中，判定装置101是在具有1个或多个连接箱76、1个或多个集电箱71、1个或多个电力变换装置8及配电柜6的太阳光发电系统401中使用的构成，但是不限于此。判定装置101也可以在与太阳光发电系统401不同的构成的太阳光发电系统中使用。

但是，希望一种超越在专利文献1中记载的技术而能够提高太阳光发电系统的异常判定的精度的技术。

在本发明的实施方式的判定装置中，获取部86获取参照期间的输出数据及对象期间的输出数据，该输出数据为发电部78的输出的计测结果的时间序列的输出数据。判定部81基于由获取部86获取到的参照期间的输出数据，判定对象期间的输出数据的异常。

这样，例如通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部78的输出的计测结果即时间序列的输出数据判定异常的构成，即使不设置面板温度计及日照量计也能够检测异常。另外，能够使设置的设备变少且使目视确认的次数减少，所以能够减小误认的可能性。

因此，在本发明的实施方式的判定装置中，能够提高太阳光发电系统的异常判定的精度。

另外，在本发明的实施方式的判定装置中，对象期间是参照期间之后的期间。

根据这样的构成，能够应用过去累积的输出数据更准确地判定异常。

另外，在本发明的实施方式的判定装置中，判定部81使用自回归模型、统计分析、贝叶斯统计、稀疏结构学习、神经网络、支持向量机、朴素贝叶斯、k最邻近算法、决策树、C4.5、CART、随机森林、自适应增强、袋装法、层次型聚类、k-均值、EM算法、潜在语义分析、概率潜在语义分析、线性判别分析、分层狄利克雷过程、潜在狄利克雷分布法、k-中心点法、广义线性模型、线性模型、分层贝叶斯及自组织映射中的任一个或多个来判定输出数据的异常。

根据这样的构成，能够使用自回归模型、机械学习、统计分析、贝叶斯统计、稀疏结构学习、广义线性模型、线性模型、分层贝叶斯或其他方法，更良好地检测异常。

另外，在具备本发明的实施方式的判定装置的太阳光发电系统401中，1个或多个连接箱76的各连接箱将来自1个或多个发电部78的输出线汇集。1个或多个集电箱71的各集电箱将来自1个或多个连接箱76的汇集线汇集。1个或多个电力变换装置8的各电力变换装置将来自1个或多个集电箱71的汇集线汇集。配电柜6将来自1个或多个电力变换装置8的汇集线汇集。

根据这样的构成，由于能够在期望的部位收集输出数据，所以能够在每个发电部78、每个连接箱76、每个集电箱71、每个电力变换装置8或配电柜6进行异常检测，能够提高异常的原因推定。

另外，在本发明的实施方式的太阳光发电系统中，1个或多个连接箱76的各连接箱将来自1个或多个发电部78的输出线汇集。1个或多个集电箱71的各集电箱将来自1个或多个连接箱76的汇集线汇集。1个或多个电力变换装置8的各电力变换装置将来自1个或多个所述集电箱71的汇集线汇集。配电柜6将来自1个或多个所述电力变换装置8的汇集线汇集。判定装置101获取参照期间的输出数据及对象期间的输出数据，该输出数据为发电部78的输出的计测结果的时间序列的输出数据，判定装置101基于获取到的参照期间的输出数据判定对象期间的输出数据的异常。

这样，例如，通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部78的输出的计测结果即时间序列的输出数据判定异常的构成，即使不设置面板温度计及日照量计也能够检测异常。另外，能使设置的设备变少且减少目视确认的次数，所以能够减小误认的可能性。

因此，在本发明的实施方式的太阳光发电系统中，能够提高太阳光发电系统的异常判定的精度。

另外，在本发明的实施方式的判定装置中的判定方法中，首先获取参照期间的输出数据及对象期间的输出数据，该输出数据为发电部78的输出的计测结果的时间序列的输出数据。接着，基于获取到的参照期间的输出数据，判定对象期间的输出数据的异常。

这样，例如通过不将气温、天气及日照量等自然环境的参数设定为条件，而基于发电部78的输出的计测结果即时间序列的输出数据判定异常的构成，即使不设置面板温度计及日照量计也能够检测异常。另外，能够使设置的设备变少且减少目视确认的次数，所以能够减小误认的可能性。

因此，在本发明的实施方式的判定方法中，能够提高太阳光发电系统的异常判定的精度。

应认为上述实施方式在所有方面都是例示而不是制限性的。本发明的范围不是由上述说明表示，而由权利要求书表示，旨在包括与权利要求书等同含义及权利要求书范围内的全部变更。

以上的说明包括下面附记的特征。

[附记1]

一种判定装置，是在具备包括太阳能单电池的发电部的太阳光发电系统中使用的判定装置，具备：获取部，获取参照期间的输出数据及对象期间的输出数据，所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据；及判定部，基于由所述获取部获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常，所述发电部是多个太阳能电池板串联连接的太阳能电池板串，所述发电部的输出是所述发电部的发电功率、电流或电压，所述对象期间是1天，所述参照期间是到所述对象期间的前一天为止的期间。

[附记2]

一种太阳光发电系统，具备：1个或多个发电部，包括太阳能单电池；1个或多个连接箱，各连接箱将来自1个或多个所述发电部的输出线汇集；1个或多个集电箱，各集电箱将来自1个或多个所述连接箱的汇集线汇集；1个或多个电力变换装置，各电力变换装置将来自1个或多个所述集电箱的汇集线汇集；配电柜，将来自1个或多个所述电力变换装置的汇集线汇集；及判定装置，获取参照期间的输出数据及对象期间的输出数据，所述输出数据为所述发电部的输出的计测结果的时间序列的输出数据，并基于获取到的所述参照期间的所述输出数据，判定所述对象期间的所述输出数据的异常，所述发电部是多个太阳能电池板串联连接的太阳能电池板串，所述发电部的输出是所述发电部的发电功率、电流或电压，所述对象期间是1天，所述参照期间是到所述对象期间的前一天为止的期间。

附图标记说明

1输出线

2、4、5汇集线

3内部线

6配电柜

7铜棒

8PCS

9电力变换部

14通信部

16电流传感器

17电压传感器

26电源线

60集电单元

71集电箱

72、73、77铜棒

74太阳能电池单元76连接箱

78发电部

80PCS单元81判定部

82评价部

83生成部

84通信处理部85存储部

86获取部

101判定装置111监视装置151收集装置301发电状态判定系统401太阳光发电系统。