日射量予測におけるAI活用とは？仕組み・メリット・活用方法を解説

こちらの記事では、日射量予測におけるAI活用について紹介しています。その仕組みや導入することによって期待できるメリット、活用方法などについてまとめました。

日射量予測におけるAI活用の仕組み

衛星画像・気象予報・発電実績はどう使われるか

AIは、「過去・現在・未来」のデータを組み合わせながら学習を行っていきますが、その中で「衛生画像」は、現在の雲の動きや厚さなどをリアルタイムで把握するために用いられています。また、「気象予報データ」は、数時間から数日後の待機の状態を予測するための土台となります。そして現場の「発電実績」や「日照計データ」を正解データとしてAIに学習させることによって、「この天気パターンの時には、現場にはどれくらいの光が届いているか」を学習させられます。

AIと物理モデルを組み合わせる予測アプローチ

日射量予測を行う場合、AI単独で行うのではなく「物理モデル」との組み合わせを行う手法が用いられています。これまでは、「複雑な雲の分布や挙動」を表現するのが難しいという課題がありましたが、物理モデルとの組み合わせによって、より細かい予測が可能となるため、日射量予測の精度向上が期待できるとされています。

太陽光発電を導入・活用するケースが増える中、電力の需給管理などにおいては、より高い精度での日射量予測情報を提供することが重要になっているといえます。このように、高精度な予測の提供が行われることは非常に大きなメリットがあると考えられます。

短時間予測と数日先予測で異なる考え方

予測する時間によって、AIが重視するデータが変わります。例えば数時間先までの「短時間予測」の場合には、直近の気象衛生画像や全天球カメラの画像をAIで画像解析した上で、今の雲がどのように動いていくかを追跡していく手法を使用します。また、数日先の「長期間予測」の場合は雲の動きを追えないため、予報モデル（未来の天気図）のデータに生じる誤差を、AIの統計学習により過去の傾向から補正するアプローチが行われています。

AIを活用した日射量予測で得られるメリット

発電量予測の精度向上につながる

太陽光発電の出力は、どれくらいの日射量がパネルに当たるかが大きく関わっています。従来の天気予報をベースとした予測の場合、「晴れ」となっていたとしても薄雲がかかると発電量が大きく下がるといったように予測に誤差が発生していました。ここでAIを活用することにより、日射量をピンポイントかつ短時間で細かく予測を行えるようになるため、「どの程度の発電量になるか」という予測精度の向上に繋げられ、実績との誤差を小さくできます。

需給運用・蓄電池制御・電力取引に活かせる

高い精度での予測ができれば、さまざまなメリットがあります。例えば小売電気事業者の場合、市場から電力を調達しすぎた・不足していたといった場合に発生するコスト（インバランス料金）の回避に繋げられます。そのほか、日射量予測の精度が上がることによって蓄電池の制御や電力取引戦略にも活かせるようになります。

異常検知やO&Mの高度化にも役立つ

AIの予測値と、実際の発電量メーターの数値をリアルタイムで比較することにより、設備のトラブルを発見できるといった面もあります。例えば、日射量予測から考えると、発電量が低すぎる場合には、パネルの故障や何らかの原因により影ができているといった異常が発生していると判断できます。このように、定期的な現地の巡回に頼らずに、異常が発生した場合のみ現場に向かうといった効率的なO&M（保守管理）に繋げられます。

日射量予測の精度を左右する要因

雲の動きや季節変化の影響

雲の動きは日射量予測の精度を左右します。特に夏場に発生するゲリラ豪雨の積乱雲や、風に乗って高速で移動する小さなちぎれ雲などは、発生するタイミング・場所を予測することが難しいためです。さらに、季節によって太陽の軌道が変化するため、パネルに落ちる影の長さが変わってきます。このような面から、すべての季節におけるパターンのデータを学習していない場合には、季節の変わり目に予測の精度が落ちる可能性も考えられます。

黄砂・エアロゾル・積雪・パネル汚れの影響

日射を遮る要因として、大気中の微粒子も挙げられます。例えば黄砂やエアロゾルなどは、通常の天気予報モデルでは捉えにくいためにAIの予測を困難にさせる原因になります。また、気象システムにより「快晴」と予測が出ており日射がしっかりとあっても、パネル上に積雪があったり汚れがあったりすると、発電が行われません。このように、物理的な遮蔽要因も日射予測と実績の誤差が発生する原因となります。

地形・周辺建物・設備特性をどう考慮するか

どのような立地環境に発電所があるかは、それぞれ異なります。例として「東側に山があり朝日が当たるのが遅い」「隣に建物があり14時に影が落ちる」など、独自の地形や周辺環境は、一般的な気象データのみでは予測ができない部分となります。この点はAIを専用に設定することにより、独自の影のパターンについて学習をさせる必要が出てきます。

AI日射量予測の主な活用シーン

太陽光発電所の運用最適化

大規模な太陽光発電所を運営する発電事業者での活用が考えられます。事業者は、国が定めているルールに従って、広域機関に対して細かな発電計画を提出する義務があります。AI日射量予測を導入することによって、計画値と実際の発電量のずれをできるだけ小さくし、ペナルティの発生を防げます。また、予報が雨の日にパネル清掃やメンテナンスの計画を行うといったように、運用におけるスケジュールを最適化することにも活用できます。

自家消費型設備や蓄電池制御

工場・商業施設、一般家庭の屋根に設置された「自家消費型太陽光」のコントロールにもAI日射量予測を活用できます。例えば翌日の日射量（発電量）と工場や建物の電力需要の予測を比較し、「発電量が余りそうだ」と予測された場合には、余剰電力を蓄電池に貯める、エコキュートを昼間に稼働させるといった制御を行えるようになります。この点から、電気代の削減に加え脱炭素化に繋げられます。

アグリゲーションや電力市場対応

各地に点在している小規模な太陽光発電や蓄電池を束ね、一つの大きな発電所のように制御する「アグリゲーター」にも、AI予測を活用できます。数多くの設備群から、翌日どれだけの電力が発電されるのかを予測し、市場で電力の売買を行うといったことが可能になります。精度の高い良族ができるほど市場に対し強気での電力提供が可能となるため、事業者の収益に関係してきます。

日射量予測にAIを活用する際の注意点

AIだけで完結しない理由

AIは大量のデータからパターンを見つけ出すことは得意ですが、これまで発生したことがない異常気象や、気候変動などによる前例のない極端な天候予測は苦手としています。この点から、AIのみを使用するのではなく、最終的には人間が持つ専門知識による監視や補正を行う余地を残しておくことが、実用においては必要です。

データ品質が予測精度に与える影響

AIの精度は、学習させるデータの質に依存します。過去の発電量データの中に通信エラーによる欠損がある、不正確な数値が記載されているといったことがあった場合、AIは「誤った相関関係」を学習してしまいます。そのため、AIの導入前に現場のセンサーを定期清掃する、データの異常値を取り除くなど、地道なデータ整備体制を整えることも大切です。

現場運用につなげるために必要な視点

高性能なAI予測システムを導入したとしても、現場の運用業務に組み込まれなければ意味がないといえます。AIが導き出した予測値を、既存のエネルギー管理システムなどに自動で連携させるためのAPI開発が必要となります。また、運用フローについてもしっかりと定めておかないと、現場の混乱を招くケースも考えられます。