JP2008064081A - 任意の観測地点数に対応した風況予測制御による地域型風力発電システム - Google Patents

Abstract

【課題】従来の風力発電は、風況を予測し風車を制御することで発電量を増やす試みを有するものにおいても、効率的な発電が行なえない問題があり、これは、風況予測において、観測風況の時空間情報を有効活用していない、的確な予測が行なわれていない等の理由からである。そして、風況予測からの風車制御において、発電量とコストに係る利益を最大化する最適制御が考えられていないからである。
【解決手段】風況観測機構と風車制御機構を備えた風力発電システムにおいて、予測風況を制御入力として、発電量とコストに係る利益を最大化する予測制御量推定機構を導入し、単一もしくは複数の風況観測機構から得られる多次元の風況観測系列から最適な力学系再構成を用いて的確な風況予測を実施する。これらにより、風況の時空間情報を最大限活用した地域風況力学系の適切な時空再構成と高精度な予測、そして、無駄のない制御がなされ、高効率な発電が可能になる。
【選択図】図５

Description

本発明は、過去の風況から将来の風況を予測する風況予測機構、予測された風況から風車の向き等を、利益が最大になるような最適制御量を推定する予測制御量推定機構、これらの機構を有する風力発電装置、並びに、これら任意の数の風力発電装置が適宜協調して効率の良い風力発電を行う地域型風力発電システムに関する。

特開２０００−８７８４１号公報 従来、風力発電システムにおける発電効率向上を目的とした風況予測風車制御において、特許文献１記載の、各風力発電地点を通信網化した風力発電システムがある。この風力発電システムでは、各風車、または、観測所でとられた風向、風力、温度、湿度、発電量等の各項目をネットワークを介して他の風車に送信し、各風車では比較演算を用いることで風況の変化を予測し、それに合わせて風車の向きを最適な状況に制御する。しかし、この風力発電システムでは、風向、風力、温度、湿度、発電量等の各項目ごとに、これらが最大値、または、最大値になった時刻、各自ごとの効率等のプロセスデータに基づいて風の向きを予測しているにすぎない。

特開２００５−９８１８１号公報 従来、同じく風力発電システムにおける発電効率向上を目的とした風況予測風車制御において、特許文献２記載の、単独の風力発電地点で風況予測風車制御が機能する風力発電システムがある。この風車システムでは力学系の埋め込み理論を使い、過去の単一箇所の風況から力学系を再構成し将来の風況を予測する公式を得ている。この方法は特許文献１よりは効果的な風況予測が実現されているものの、使用する風況系列は単独の観測地点に限られており、過去の複数の箇所の風況系列を同時に使用しその地域の風況力学系を時空再構成しているわけではない。また、風況観測機構を複数台用いる場合について若干触れられているが、複数の風況系列を同時に使用しているわけではなく、単に風況系列の切替えをしているだけである。また、得られている公式は直接予測（ｐステップ先の予測を直接求める手法）に他ならず、再帰予測（１ステップ先予測をｐ回使ってｐステップ先予測を求める方法）ではない。

特開２００４−２８５８５７号公報 従来、同じく風力発電における発電効率を向上させる目的で、特許文献３記載の、レーザー式風向風速計を用いて将来の風況を予測し、それに合わせて、風車の向き、ピッチ角を制御を行う方法がある。この方法は、レーザー式風向風速計によって、離れた点の風向風速を観測し、離れた点での風向風速が風車までそのまま保存されて運ばれることを仮定している。しかし、風向風速は地点Ａから地点Ｂに伝わる間に近隣の風向風速との相互作用により変化するので、この正しくない仮定の下で行われる風況予測手法は特許文献２よりも劣るものである。その特許文献３の実施例には、風向風速データベースの作成や過去の風況データを用いたフィードバックの利用が触れられているが、その具体的な方法が明示されておらず、この点、特許文献２の過去の風況系列から将来の風況を予測する公式を用いる方が、風況の力学的特性が予測結果に的確に反映していると言える。また、特許文献３では、発電ができないような小さな風速の際に無駄なヨー制御（風車の向きの制御）を抑制する考慮はされていない。これでは、無駄な制御コストが発生するだけでなく、無駄な制御をしなければ得られる発電量を失ってしまう。同様に、一時的に風速が増大し、かつ、定格出力に達しているような場合に無駄なヨー制御を抑制する考慮がされていない。加えて、このような頻繁な制御による部品の磨耗・疲労等のコストが考慮されていない。

Ｈｉｒａｔａ，Ｓｕｚｕｋｉ，＆ Ａｉｈａｒａ著、″Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ ｗｉｎｄ ｕｓｉｎｇ ａｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｏｎ，″Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２００５ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｎｏｎｌｉｎａｅｒ Ｔｈｅｏｒｙ ａｎｄ ｉｔｓ Ａｐｐｌｉｃａｔｏｉｎｓ，Ｔｈｅ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ，Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｓ，２００５年１０月１８日発行、ｐｐ．６３４−６３７ 風況の予測に関しては、我々は今までにいくつかの研究を公開している。東京大学生産技術研究所の一般公開（２００５年６月２日、３日）のポスター発表と非特許文献１において、風の東西方向、南北方向の成分の予測が、予測をする地点での過去の観測に加えて風上の点での観測も用いることで改善する結果を示した。この研究は、あくまで風の方向成分に関する予測について議論するもので、よい成分予測を与える方法が、必ずしもよい風向や絶対風速の予測手法を直接与えるものではなく、あくまで学術的な基礎研究に過ぎない。

Ｈｉｒａｔａ，Ｓｕｚｕｋｉ ＆ Ａｉｈａｒａ著、″Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ ｄｉｒｅｃｔｉｏｎ ｏｆ ｔｈｅ ｗｉｎｄ ｆｒｏｍ ｔｈｅ ｐａｓｔ ｏｂｓｅｒｖａｔｉｏｎ，″Ｉｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｃｏｍｐｌｅｘｉｔｙ Ｍｏｄｅｌｌｉｎｇ ａｎｄ ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ，２００５年１１月２２日ポスター発表 平田、鈴木、合原著、「時系列データを用いた風向の非線形予測」、平成１８年電気学会全国大会講演論文集［７］エネルギー変換・輸送、電気学会、２００６年３月１５日発行、ｐ．８７ Ｈｉｒａｔａ，Ｍａｎｄｉｃ，Ｓｕｚｕｋｉ，＆ Ａｉｈａｒａ著，″Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ ｗｉｎｄ ｄｉｒｅｃｔｉｏｎ ｕｓｉｎｇ ｏｂｓｅｒｖａｔｉｏｎｓ ｔａｋｅｎ ｆｒｏｍ ｔｗｏ ｓｅｐａｒａｔｅ ｐｏｉｎｔｓ，″Ｅｘｐｅｒｉｍｅｎｔａｌ Ｃｈａｏｓ Ｃｏｎｆｅｒｅｎｃｅ，２００６年５月３０日口頭発表、Ｐｒｏｃｅｅｄｉｎｇｓは発行予定 また、風向の予測に関しては、２００５年１１月２１日から２３日のＩｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｓｏｉｕｍ ｏｎ Ｃｏｍｐｌｅｘｉｔｙ Ｍｏｄｅｌｌｉｎｇ ａｎｄ ｉｔｓ Ａｐｐｌｉｃａｔｏｉｎｓでのポスター発表（非特許文献２）、２００６年３月１５日から１７日の電気学会全国大会（非特許文献３）、２００６年５月２９日か６月１日に開かれたＥｘｐｅｒｉｍｅｎｔａｌ Ｃｈａｏｓ Ｃｏｎｆｅｒｅｎｃｅ（非特許文献４）で発表した。先２つの発表の非特許文献２と３は１ステップ先の直接予測に関する基礎研究であり、実際のヨー制御に必要不可欠な１０数ステップ先の直接予測や再帰予測、マルチステップ予測等の実応用に即した技術については何も述べられていない。また、Ｅｘｐｅｒｉｍｅｎｔａｌ Ｃｈａｏｓ Ｃｏｎｆｅｒｅｎｃｅの発表の非特許文献４では、１２ステップ先までの直接予測について述べられているが、やはり再帰予測、マルチステップ予測等の実応用に即した技術については何も述べられていない。また、非特許文献２、３、４のこれらの発表では、最適な遅れ座標の選び方の詳細を議論しておらず、やはり実応用に即したそのような技術については何も述べられておらず、あくまでも学術的な基礎研究に過ぎない。

Ｒｏｕｌｓｔｏｎ，Ｋａｐｌａｎ，Ｈａｒｄｅｎｂｅｒｉｇ，＆ Ｓｍｉｔｈ著，″Ｕｓｉｎｇ ｍｅｄｉｕｍ−ｒａｎｇｅ ｗｅａｔｈｅｒ ｆｏｒｃａｓｔｓ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｖａｌｕｅ ｏｆ ｗｉｎｄ ｅｎｅｒｇｙ ｐｒｏｄｕｃｔｉｏｎ，″Ｒｅｎｅｗａｂｌｅ Ｅｎｅｒｇｙ、Ｐｅｒｇａｍｏｎ、２００２年１０月４日発行、２８巻ｐｐ．５８５−６０２ Ｇｏｈ ＆ Ｍａｎｄｉｃ著，″Ａ ｃｏｍｐｌｅｘ−ｖａｌｕｅｄ ＲＴＲＬ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ，″Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ、ＭＩＴ Ｐｒｅｓｓ、２００４年１２月発行、１６巻ｐｐ．２６９９−２７１３ Ｇｏｈ ＆ Ｍａｎｄｉｃ著，″Ｎｏｎｌｉｎｅａｒ ａｄａｐｔｉｖｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｍｐｌｅｘ−ｖａｌｕｅｄ ｓｉｇｎａｌｓ ｂｙ ｃｏｍｐｌｅｘ−ｖａｌｕｅｄ ＰＲＮＮ，″ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、ＩＥＥＥ、２００５年５月発行、５３巻ｐｐ．１８２７−１８３６ Ｇｏｈ，Ｃｈｅｎ，Ｐｏｐｏｖｉｃ，Ａｉｈａｒａ，Ｏｂｒａｄｏｖｉｃ，＆ Ｍａｎｄｉｃ著、″Ｃｏｍｐｌｅｘ−ｖａｌｕｅｄ ｆｏｒｅｃａｓｔｉｎｇ ｏｆ ｗｉｎｄ ｐｒｏｆｉｌｅ，″Ｒｅｎｅｗａｂｌｅ Ｅｎｅｒｇｙ、Ｐｅｒｇａｍｏｎ、２００５年９月２９日発行、３１巻ｐｐ．１７３３−１７５０ Ｈｕｎｔ ＆ Ｎａｓｏｎ著、″Ｗｉｎｄ ｓｐｅｅｄ ｍｏｄｅｌｌｉｎｇ ａｎｄ ｓｈｏｒｔ−ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ ｕｓｉｎｇ ｗａｖｅｌｅｔｓ，″Ｗｉｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ、Ｍｕｌｔｉ−Ｓｃｉｅｎｃｅ Ｐｕｂｌｉｓｈｉｎｇ Ｃｏ Ｌｔｄ、２００１年１月発行、２５巻、ｐｐ．５５−６１ Ｌａｒｓｏｎ ＆ Ｗｅｓｔｒｉｃｋ著、″Ｓｈｏｒｔ−ｔｅｒｍ ｗｉｎｄ ｆｏｒｅｃａｓｔｉｎｇ ｕｓｉｎｇ ｏｆｆ−ｓｉｔｅ ｏｂｓｅｒｖａｔｉｏｎｓ，″Ｗｉｌｅｙ ＩｎｔｅｒＳｃｉｅｎｃｅ、２００５年１２月７日発行、９巻、ｐｐ．５５−６２ Ｋａｎｔｚ，Ｈｏｌｓｔｅｉｎ，Ｒａｇｗｉｔｚ，＆ Ｖｉｔａｎｏｖ著、″Ｓｈｏｒｔ ｔｉｍｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｗｉｎｄ ｓｐｅｅｄｓ ｆｒｏｍ ｌｏｃａｌ ｍｅａｓｕｒｅｍｅｎｔｓ，″Ｐｅｉｎｋｅ，Ｓｃｈａｕｍａｎｎ，ａｎｄ Ｂａｒｔｈ編、Ｗｉｎｄ Ｅｎｅｒｇｙ：Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＥＵＲＯＭＥＣＨ Ｃｏｌｌｏｑｉｕｉｕｍ、Ｓｐｒｉｎｇｅｒ、２００６年１１月発行予定 絶対風速の予測に関しては、１時間、３０分間と言ったスケールの予測に関しては、スーパーコンピュータによる地球規模の気象予測大規模シミュレーションを使う方法（非特許文献５）、予測したい地点の過去のデータのみから推定する方法（非特許文献６、７、８）、風上の点を参考にウェーブレットを用いる方法（非特許文献９）、風上の風況観測と気象予測大規模システムを併用する方法（非特許文献１０）がある。
気象予測大規模シミュレーション（非特許文献５）では、流体の基本方程式であるナビエ・ストークス方程式とその他の経験式を用いて、気象を常微分方程式としてモデル化する。そのとき、地球全体の気象をモデル化した全球モデルと関心のある地域の局所的なモデルを用意する。そして、まず全球モデルを用いて時空間的に巨大なスケールで方程式を解き、そこで得られた解を境界条件として用いて、局所的なモデルを使用することで関心のある地域の時空間的により細かなスケールの解を求める。この気象予報を利用した方法では、局所的なモデルと言えども、求められる解の空間スケールや時間スケールは風車制御には大きすぎ、細かな地点における逐次の風況予測にはまったく適していない。とは言え、広範囲に風力発電装置が配置される大規模ウインドファームにおける数時間から数十時間先の電力供給量予測には適しており、それは、例えば非特許文献５で詳しく方法が紹介されている。

その他の方法（非特許文献６、７、８、９、１０）においても、１時間や３０分間という時間スケールでの利用は適しているが、風車制御に要する数秒間から数分間という時間スケールでの利用にはまったく適していない。
また、非特許文献６、７、８は、空間的に広がった観測点から風況系列を得て地域の風況力学系を時空再構成するをいう発想はない。そして、非特許文献９と１０は風況力学系の再構成という発想自体がなく、直接予測や再帰予測等の風況力学系としての特性を生かした手法をそもそも導入し得ない。
ちなみに、秒スケールで突風を予測するものに非特許文献１１があるが、これは残念ながら絶対風速そのものを予測するものではなく風車制御には適していない。

特許文献１の風力発電システムでは、一つの地点での風力発電装置において、風況観測機構により得られた風向きや気象変数から将来の風況を予測する為には、必ず他の地点での風況観測機構を必要とし、その発電効率向上は複数の風力発電装置が通信網化されてはじめて成立する仕組みとなっており、単独の風力発電装置では風況予測が機能しないという問題がある。その上、その従来の風力発電システムでは、風況の観測系列について最大値・最小値のような極めて単純な統計処理と、各地点との比較演算のような極めて稚拙な手法により風況予測を実現する仕組みになっており、つまり風況の時空間情報を最大限活用する仕組みが備わっていない（空間情報のみに特化している）ので風況を精度よく予測することができず、よって効率的な発電は行えないという問題がある。

また、特許文献２の従来の風力発電システムにおいて、複数の風況観測装置を用いる形態が記載されているが、あくまで観測装置を切り替えて使用するのみであり、複数の風況系列を併用して風況力学系再構成するものではないので、つまり風況の時空間情報を最大限活用する仕組みが備わっていない（空間情報を十分に生かしていない）ので、これでは風況をより精度よく予測することができず、よって効率的な発電は行えないという問題がある。

加えて、特許文献１の従来の風力発電システムにおいて、風力発電装置もしくは風況観測装置の各配置はシステムにおける固定的なパラメータとなってしまっており、各装置の配置や規模が変わったとすると地点間基本データ修正や風況補正用データ変更などを必要とし、任意の数の風力発電装置と風況観測機構を自由に分散配置することが極めて困難であり、ウインドファームの規模に応じて柔軟に風力発電システム分散協調型ネットワークを展開していくことの障害となるという問題がある。

特許文献２の従来の風力発電システムでは、風況観測機構により得られた風向きや気象変数から将来の風況を予測する為に、他の地点での風況観測機構を必要とせず、その発電効率向上は単独の風力発電装置で成立する仕組みとなっている。その上、その従来の風力発電システムでは、風況の観測時系列についてその地点における風況力学系再構成を埋め込み理論により行い、その再構成された風況力学系から将来の風況を精度よく予測する極めて優れた仕組みで実現されており、多地点観測が不要であることは利点である一方で、適宜他の地点での風況系列を併用したより精度の高い予測が期待出来るはずであるが、そのような風況の時空間情報を最大限活用する仕組みが備わっていない（時間情報のみに特化している）ので、効率的な発電を行えないという問題がある。

また、特許文献１と特許文献２の従来の風力発電システムでは、具体的な風車制御の方法が明示されておらず、そもそも風況予測が風力発電に十分に活用できていないという問題がある。

特許文献３の従来の風力発電システムにおいては、レーザー光で計測した離れた地点の風向風速がそのまま保存されて風車に伝わることを仮定しているが、風向風速は風車に到達するまでに近隣の風向風速と相互作用して変化するので、この仮定は正しくない。また、この正しくない仮定の下で行われる風況予測なので、離れた地点における現在の風向風速からその地点の将来の風向風速を風況力学系再構成等の方法を用いて予測する機構を備えておらず、よって的確な予測が出来ないという問題がある。また、特許文献３の実施例には、風向風速データベースの作成や過去の風況データを用いたフィードバックの利用が触れられているが、その具体的な方法が明示されておらず、この正しくない仮定の下で行われる風況予測の看過出来ない誤差をどのように補正するのかという問題があり、風車その地点での風況観測なしでは極めて難しいと考えられる。

特許文献３の従来の風力発電システムでは、風車の向きに関しては、予測される風向と風車の向きの差が小さくなるように制御量を決めているが、これだと、風車の向きを予測される風向にただいたずらに追従しているだけであり、コスト的に極めて無駄なヨー制御が生じてしまうという問題がある。加えて、高効率な発電量の観点から考えると、発電するのに十分な風速に達していない場合、または、風速が強く定格出力に達してしまっている場合などには、無駄なヨー制御を抑止する必要があり、さらに、制御による部品の磨耗・疲労等への配慮等、システム全体の利益を考慮したコスト計算に立脚した風車制御を行っていないという問題がある。

加えて、特許文献１、２、３の従来の風力発電システムでは、離れた地点における風況を予測する機構や、離れた地点における最適な風車制御量を推定する機構が備わっていないため、風況予測機構や最適制御量推定機構の故障やそれらの機構を有しない風力発電装置に対応出来ないという問題がある。

我々がかつて提案した特許文献２は、直接予測に依拠した風況予測応用の風力発電システムであるが、実際のところ、直接予測では予測誤差が大きくなる傾向があり、しかもその回避が難しいという問題がある。そうした場合、再帰予測を用いて良好な短期予測を再帰的に適用し、かつ、誤差をうまく補正することも必要になると考えられる。

特許文献１、２、３の従来の風力発電システムでは、複数の風況観測機構を用いることが書かれているが、複数の風況系列からどのように遅れ座標の組を求めるか等の具体的な風況力学系の時空再構成の必要性について見過ごされているという問題がある。よって、複数の風況系列における的確な風況予測手法を新たに開発する必要があると考えられる。そして、これらの従来手法での風況予測では誤差が大きくなる問題があり、予測精度を向上させる必要がある。

非特許文献１、２、３、４では前に述べたように風況力学系の基礎的な特性を研究したに過ぎず、地域型風力発電システムにおける風況力学系の時空再構成および風況予測について風車制御に適合した実用的な技術を与えていないという問題がある。

また、非特許文献５に代表されろ気象予報を利用した方法では、時間スケールや空間スケールが風車制御には大きすぎ、細かな地点における逐次の風況予測にはまったく適していないという問題がある。よって、地球規模の時空間的に巨大なスケールでナビエ・ストークス方程式を解くのではなく、風車制御に適した時空間スケールでの風況系列観測と風況力学系の時空再構成及び風況予測を行う必要がある。非特許文献６、７、８、９、１０、１１についても、そもそも目的を異にするこれらの方法は風車制御には適していないという問題がある。

これらすべての問題を解決すべく、つまり、風力発電システム周辺地域における風況の時空間情報を最大限活用し、かつ、風車制御に適した時空間スケールでの風況系列観測と風況力学系の時空再構成及び風況予測を高精度に行い、そして、その推定風況系列において風力発電システムから得られる利益を最大化する風車制御を行ない、適宜そのような風力発電システム同士が協調する地域型風力発電システムを構成する必要がある。

そこで、一つの風況観測地点でも将来の風況を予測でき、その上で、複数の風況観測地点が存在すればそれらの地点での風況系列を、適宜、埋め込み理論による風況力学系の時空再構成に活用出来るようにするために、任意の数の観測地点に対応した請求項３記載の風況予測機構を構成し、請求項１記載の風力発電システムに導入する。

加えて、その任意の数の観測地点に対応した風況予測機構を、観測地点の数以下の、任意の数の予測地点に対応した風況予測機構及び最適制御量推定機構を備える請求項４記載の予測制御量推定機構を構成し、請求項２記載の地域型風力発電システムに導入する。

Ｈｉｒａｔａ，Ｓｕｚｕｋｉ，＆ Ａｉｈａｒａ著、″Ｒｅｃｏｎｓｔｒｕｃｔｉｎｇ ｓｔａｔｅ ｓｐａｃｅｓ ｆｒｏｍ ｍｕｌｔｉｖａｒｉａｔｅ ｄａｔａ ｕｓｉｎｇ ｖａｒｉａｂｌｅ ｄｅｌａｙｓ，″Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ Ｅ、Ｔｈｅ Ａｍｅｒｉｃａｌ Ｐｈｙｓｉｃａｌ Ｓｏｃｉｅｔｙ、２００６年８月２日発行、７４巻 文献番号０２６２０２ 請求項３記載の風況予測機構の風況力学系再構成手段において、任意の数の観測地点における過去の風況系列から、係る地域の風況力学系を的確に時空再構成するために、非特許文献１２の方法を用いて最適な遅れ座標を算出し、再構成状態系列へ遅延座標系変換する。

請求項３記載の風況予測機構において、将来の風況を予測する際の選択的な方法として、以下にあげる２種類の方法を導入する。

１つ目の方法は、過去の風向と絶対風速の角座標系の系列からｐステップ先の風向または絶対風速を予測する方法である。

２つ目の方法は、過去の東西方向、南北方向の風速の直交座標系の系列から、ｐステップ先の東西方向、南北方向の風速を予測し、それを風向または絶対風速に変換する方法である。

請求項３記載の風況予測機構の推定風況値算出手段において、将来の風況を予測する際の選択的な手法として、以下にあげる３種類の手法を導入する。

１つ目の手法は、過去の風況の（角座標系もしくは直交座標系の）系列を用いて最適な遅れ座標で遅延座標系変換された再構成状態系列から、関数近似でｐステップ先の風況を直接予測する手法である。

２つ目の手法は、過去の風況の（角座標系もしくは直交座標系の）系列を用いて最適な遅れ座標で遅延座標系変換された再構成状態系列から、関数近似で１ステップ先の風況予測を行い、その関数をｐ回使ってｐステップ先の風況を再帰予測する手法である。これは、よい１ステップ先予測が得られている場合には、１つ目の直接予測よりも予測精度がよい。

Ｊｕｄｄ ＆ Ｓｍａｌｌ著、″Ｔｏｗａｒｄｓ ｌｏｎｇ−ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ，″Ｐｈｙｓｉｃａ Ｄ、Ｅｌｓｅｖｉｅｒ Ｓｃｉｅｎｃｅ Ｂ．Ｖ．、１９９９年１２月６日発行、１３６巻ｐｐ．３１−４４ ３つ目の手法は、過去の風況の（角座標系もしくは直交座標系の）系列を用いて最適な遅れ座標で遅延座標系変換された再構成状態系列から、非特許文献１３のξφの方法で再帰予測する手法である。これは、再帰予測にてＰステップ先までの予測を仮に求め、次に、得られたＰ個の予測値からｐステップ先の風況の成分を求める関数ξ_Ｐを近似し、これをｐステップ先の予測とするものである。このξは２つ目の再帰予測に補正を施すものであるので、このξφ再帰予測は、よい１ステップ先予測が得られている場合には、２つ目の再帰予測よりも予測精度がよい。

また、請求項３記載の風況予測機構の推定風況値算出手段において、将来の風況を予測する際の選択的な手段として、シングルステップ予測手段とマルチステップ予測手段を導入する。

シングルステップ予測手段は、時刻０において制御入力信号であるｐステップ先までの推定風況系列を求める際、１…ｐ−１ステップ先については既に過去に推定しておいた推定風況系列を使用し、ｐステップ先については最新の風況系列を用いて予測した推定風況を使用する手段である。

マルチステップ予測手段は、時刻０において制御入力信号であるｐステップ先までの推定風況系列を求める際、１…ｐ−１ステップ先についてもｐステップ先と同様、最新の風況系列を用いて予測した推定風況系列を使用する手段である。

請求項１記載の予測制御量推定機構の最適制御量推定機構では、なんらかの予測手法で得た風況系列を制御入力信号として、風向に風車が正対することにより得られる利益、風車の向きを変えることに掛かるコスト、素早く風車の向きを変えることにより生じるリスク、風向に風車が正対していないことにより生じる損失、これらすべてから還元される最適化問題を解く手段によって制御量を算出する。

請求項２記載の地域型風力発電システムにおいて、任意の数の観測地点に対応した請求項３記載の風況予測機構を構成したことにより、単一の風況観測地点であってもその風況観測系列から埋め込み理論による風況力学系再構成を用いてその地点における将来の風況を精度よく予測し、複数の風況観測地点があれば適宜それらの風況観測系列から埋め込み理論による風況力学系再構成を用いてその地点における将来の風向、絶対風速をより精度よく予測することが可能になり、よって風車の最適制御量推定もより的確に算出でき、より効率の良い風力発電が可能となる。

請求項２記載の風量発電システムにおいて、観測地点の数以下の、任意の数の予測地点に対応した風況予測機構及び最適制御量推定機構を備える請求項４記載の予測制御量推定機構を構成したことにより、離れた地点における風向、絶対風速を予測することが可能になり、離れた地点における風車の最適制御量推定も算出できるので、風況観測機構を備えた風力発電装置は分散配置できるが、風況予測機構と最適制御量推定機構を備えた予測制御量推定機構は分散配置しない場合や、それらの機構が一部故障した場合においても、効率の良い風力発電が可能となる。

任意の数の観測地点に対応した風況予測機構により、観測地点間の風況の相関はすべてそれぞれの地点における風況力学系再構成空間に反映されるようになり、各装置の配置や規模が変わったとしても地点間基本データ修正や風況補正用データ変更などは必要とせず、任意の数の風力発電装置と風況観測機構を自由に分散配置できるようになるので、ウインドファームの規模に応じて柔軟に風力発電システム分散協調型ネットワークを展開していくことが可能となる。

請求項３記載の風況予測機構の風況力学系再構成手段において、非特許文献１２の方法を用いて最適な遅れ座標を算出し、再構成状態系列へ遅延座標系変換したことにより、後の推定風況値算出手段にて、任意の数の観測地点における将来の風況を予測する際に、予測精度向上に寄与する時空間的相関が高い観測値の要素を的確に取り出すことが出来るようになるので、風車制御に適合した実用的な風況の高精度な予測が可能となる。

請求項３記載の風況予測機構において導入した選択的な２種類の方法、請求項３記載の風況予測機構の推定風況値算出手段において導入した選択的な３種類の手法により、風車制御に適合した実用的な風況の高精度な予測が可能となる。

請求項３記載の風況予測機構の推定風況値算出手段において導入した選択的な２種類の手段（シングルステップ予測手段とマルチステップ予測手段）により、風車制御に適合した実用的な風況の高精度な予測が可能となる。

請求項１記載の予測制御量推定機構の最適制御量推定機構に導入した最適化問題を解く手段により、風速が小さい時や風速が大きく定格出力に達している時などの無駄なヨー制御を省き、制御やそれによる部品の磨耗・疲労等のコストすべてを考慮に入れた上で、風力発電システムとしての利益である発電量を最大にする制御が可能となる。

これらすべての手段により、地域型風力発電システムにおいて適宜風力発電システム同士が協調することにより、風力発電システム周辺地域における風況の時空間情報が最大限活用され、ゆえに、風車制御に適した時空間スケールでの風況系列観測と風況力学系の時空再構成及び風況予測が高精度に行なわれ、そして、その推定風況系列において風力発電システムから得られる利益を最大化する風車制御が遂行され、その結果、極めて効率の良い風力発電が実現される。

《地域型風力発電システムおよび風力発電システムの構成》
図１は本発明の地域型風力発電システム及びそれを構成する風力発電システム群の協調分散の可用性を表した概要図である。

風況観測装置は、風力発電システムにおける風力発電装置に作用するその地点における風況を観測する為の装置であるので、風車近傍かつ風車による風力損失や乱流を生じない場所に装着もしくは設置されていることが望ましい。

風況観測装置から得られる風況系列は風況観測機構により保持され、自システムで使用されるほか、適宜他の風力発電システムでも通信機構を介して使用してもよい。

風況観測機構から得られる風況系列から将来の風況が風況予測機構により推定され、自システムで使用されるほか、適宜他の風力発電システムでも通信機構を介して使用してもよい。

風況予測機構から得られる将来の推定風況系列から発電量または全体の利益を最大化する風車制御量が最適制御量推定機構により算出され、自システムで使用されるほか、適宜他の風力発電システムでも通信機構を介して使用してもよい。

複数の風力発電装置や風況観測装置を各々で風車による風力損失等を生じない範囲で適宜分散配置してもよい。また、風力発電装置や風力発電装置群を取り囲むように風況観測装置群を適宜分散配置すると風況予測機構における予測精度向上に大きく寄与することができる。

《風力発電システムの予測制御量推定機構における風況観測機構の構成》
図２は本発明の地域型風力発電システムに備わる風況観測機構の各手段と各機構との関連を表した概略図である。

風況観測装置から風況観測値取得手段により得られる風況観測値は、風況観測系列加工手段により、例えば移動平均等の統計処理により、風況の本質を失わない範囲で後に係る風況予測や風車制御に即した加工がなされ、その風況観測系列は風況観測系列保持手段により記憶媒体に保持される。この風況観測系列は、自システムの風況予測機構で使用されるほか、適宜他のシステムの風況予測機構でも通信機構を介して使用してもよい。

《風力発電システムの予測制御量推定機構における風況予測機構の構成》
図３は本発明の地域型風力発電システムに備わる風況予測機構の各手段と各機構との関連を表した概略図である。

風況観測機構から得られる風況観測系列は、風況力学系再構成手段にて決定論的カオス時系列解析技術における埋め込み理論に基づき、その地点でのそれまでの風況系列のみから、もしくは、他の地点での風況観測系列を用いている場合には複数の地点におけろ風況系列のみからその地点と他の地点との相関をも包有する、風況の力学系的特徴を保持する再構成状態系列へと遅延座標系に変換される。その風況力学系再構成された再構成状態系列から推定風況値算出手段により、その地点における将来の風況を記述する非線形予測モデルが近似され、将来の風況を推定し、適宜、他の地点における将来の風況を記述する非線形モデルが近似され、他の地点における風況を推定する。その推定された将来の風況は、推定風況系列保持手段により記憶媒体に保持される。この推定風況系列は、自システムの風況観測機構に関するものであれば自システムの最適制御量推定機構で使用されるほか、他の風況観測機構に関するものであれば適宜他のシステムの最適制御量推定機構でも通信機構を介して使用してもよい。

風況予測機構の詳細は後述の《風況予測機構の詳細》に記す。

《風力発電システムの予測制御量推定機構における最適制御量推定機構の構成》
図４は本発明の地域型風力発電システムに備わる最適制御量推定機構の各手段と各機構との関連を表した概略図である。

風況予測機構から得られる推定風況系列と、推定風況系列・発電機特性整合手段により、風力発電システムの発電機特性と推定風況を整合する前処理を行い、風車制御量算出手段により推定風況に対して全体としての利益を最大化する風車制御量を算出し、風車制御機構指令手段により風車制御機構に指示を与える。もし推定風況系列が他のシステムから委譲された由のものであるなら、適宜この最適制御量推定を代行し他の風車制御機構に通信機構を介して指示を与えてもよい。

最適制御量推定機構の詳細は後述の《最適制御量推定機構の詳細》に記す。

《風力発電システムの予測制御量推定機構の構成》

図５は本発明の予測制御量推定機構において風況観測装置から、風況観測機構、風況予測機構、最適制御量推定機構を経て風車制御量が風車制御機構へ指令されるまでの概要図である。

《最適制御量推定機構の詳細》
〈最適制御量推定機構におけるヨー制御の詳細〉
風車の向きの制御量を求めるにあたり、ある一定時間範囲０＜ｔ≦Ｐにおいて全体としての利益を最大にする問題を考える。全体の利益は、発電によって得られる利益から制御に必要なコストを差し引いたものと定義できる。具体的には、ｖ（ｔ）を時刻ｔでの将来の絶対風速、θ（ｔ）を時刻ｔでの将来の風向、ψ（ｔ）を時刻ｔでの風車の向き、ｆ（ν）を風車に正対する方向の風速がνであるときに単位時間当たり得られる利益、γ（ψ，ｖ，θ）をψ，ｖ，θに従って風車の向きを変えるときに掛かるコストとすると、

と書ける。ここで、コストγ（ψ，ｖ，θ）は部品の磨耗・疲労、応力などを表している。

さらに、このγ（ψ，ｖ，θ）は次のような３つの項に分けることが出来る。

ここで、第１項はどれだけ風車の向きを変えたかに依存する項、第２項はどれだけ風車の向きを変える速さを変えたかに依存する項、第３項は風車の向きと風向の違いの大きさに依存する項である。

数１を解く方法として、以下の２種類の方法をあげる。

Ｐｒｉｃｅ，Ｓｔｏｒｎ，＆ Ｌａｍｐｉｎｅｎ著、「Ｄｉｆｆｅｒｅｎｔｉａｌ Ｅｖｏｌｕｔｉｏｎ」、Ｓｐｒｉｎｇｅｒ、２００５年発行 １つ目の方法は、この問題をψに関する非線形の最適化問題と捉え、それを解く方法である。非線形の最適化問題の数値求解法としては、例えば、非特許文献１３のディファレンシャル・エボリューション法がある。この方法は、数値計算コストが高い反面、精度の良い解が得られるので、制御入力信号である風況系列の予測が完全である場合には、極めて緻密な制御量を生成することができる。

２つ目の方法は、この最適化問題のψに制約条件をつけることで、解くのが容易なネットワークフローの最大経路問題に帰着させ、それを解く方法である。そこで、角速度として｛−ω，０，ω｝のみが取り得るとする。すると、風車の位置と角速度は、ｐステップ先で

上の離散状態を取る。これらの状態の遷移は、図６に例示するようなネットワークフローとして示すことができる。ネットワークフローの最大経路問題の求解法として、例えば、ダイクストラ法がある。このように、ネットワークフローの最大経路問題に帰着させて解くことにより、数値計算コストを低く抑えることができる。

ここでは、得られた解の中でψ（ｔ＋１）のみを制御量として採用し、次のステップでは最新の制御入力信号である風況系列を使って新たに最適化問題を解くものとする。但し、計算コストを抑えたい場合には、得られた解のψ（ｔ＋Ｐ）までをそのまま採用することもあり得る。

以上のことより、無駄な制御を省き、磨耗・疲労等の制御に係るコストを押さえ、全体としての利益を最大にする風車制御を行うためには、ある一定時間範囲の風向と絶対風速の風況系列を予測する必要があることがわかる。

〈最適制御量推定機構におけるその他の制御の詳細〉
その他、ギアの切り替えの制御等に関してもヨー制御と同様に、発電によって得られる利益と部品の磨耗・疲労等の制御に係るコストを定義することで、全体としての利益を最大にするように制御をすることが可能となる。

なんらの制御量を求めるにあたり、ある一定時間範囲０＜ｔ≦Ｐにおいて全体としての利益を最大にする問題を考える。全体の利益は、ζを風況の状態を表す変数、κを現在の風車の状態を表す変数、αを将来の風車の状態を表す変数、μ（ζ，κ，α）を区間内に得られる利益、γ（ζ，κ，α）を制御コストとすると、

のように、αに関して最大化する問題となる。これは、ほとんどの場合、非線形の最適化問題となるので、例えば、ディファレンシャル・エボリューション法などを利用して解けばよい。

図７は本発明の最適制御量推定機構に備わる利益最大化問題の選択的な求解手段をまとめたものである。

《風況予測機構の詳細》
〈風況力学系、観測、遅延座標系、予測についての概略〉
風況力学系の現在の状態ベクトルをｙ（ｔ）とおく。次の時刻の状態ベクトルｙ（ｔ＋１）は風況力学系の時間発展則φを使ってｙ（ｔ＋１）＝φ（ｙ（ｔ））と特徴づけることができる。ちなみに、ｙは未知なる変数、φは未知なる関数である。ｉ番目の観測関数ｇ_ｉを通して得られる観測値をｘ_ｉ（ｔ）＝ｇ_ｉ（ｙ（ｔ））とする。ここでは、ある風況観測機構から得られる風況（風向と絶対風速）のある成分がこれに相当する。そして、風況力学系再構成手段にて、このｘ_ｉ（ｔ）から遅延座標系に変換された再構成状態ベクトルをＸ（ｔ）とする。ここで埋め込みが成り立つとき、Ｘ（ｔ）＝ｈ（ｙ（ｔ））となるようなｈが必ず存在し、φをＸ上での時間発展Ｘ（ｔ＋１）＝ｈ・φ・ｈ^−１（Ｘ（ｔ））と書くことができる。そして、個々の観測値のｐステップ先の値はｘ_ｉ（ｔ＋ｐ）＝ｇ_ｉ（ｈ^−１（ｈ・φ・ｈ^−１）^ｐ（Ｘ（ｔ）））もしくはＸ（ｔ＋ｐ）＝（ｈ・φ・ｈ^−１）^ｐ（Ｘ（ｔ））のそれぞれ観測値に対応する成分を取り出すことで、現在の再構成状態ベクトルとの関係を得ることができる。そして、推定風況値算出手段で実現する風況の予測とは、過去の観測値の系列である風況系列のみから、未知なる関数であるｇ_ｉ（ｈ^−１（ｈ・φ・ｈ^−１）^ｐを推定することに他ならない。図８にこれらの関係を表す。
上記の数式を改めてまとめると以下のようになる。

〈風況予測機構における欠損値への対応〉
複数の風況観測機構から風況系列が得られている場合において、ある時ある観測装置が故障したとする。このとき、Ｘの選び方、つまり、ｈに任意性があることを利用すると、この風況観測装置の故障に対応できることがわかる。ここで、観測ベクトルｘ（ｔ）から現在観測不能である欠損値を除いて遅延座標系に変換された再構成ベクトルをＸ^〜（ｔ）とする。ここで埋め込みが成り立つとき、Ｘ^〜（ｔ）＝ｈ^〜（ｙ（ｔ））となるようなｈ^〜がやはり存在する。このことを利用すると、故障前の再構成ベクトルＸ（ｔ）と故障後の再構成ベクトルＸ^〜（ｔ）は、Ｘ（ｔ）＝ｈ（ｈ^〜−１（Ｘ^〜（ｔ）））のように関係付けられる。よって、個々の観測値のｐステップ先の値はｘ_ｉ（ｔ＋ｐ）＝ｇ_ｉ（ｈ^〜−１（ｈ^〜・φ・ｈ^〜−１）^ｐ（Ｘ^〜（ｔ）））もしくはＸ（ｔ＋ｐ）＝ｈ（ｈ^〜−１（ｈ^〜・φ・ｈ^〜−１）^ｐ（Ｘ^〜（ｔ）））のそれぞれ観測値に対応する成分を取り出すことで求めることができる。つまり、風況観測装置が多少故障したとしても、風況力学系の時空再構成により、それを補うことが可能となる。
上記の数式を改めてまとめると以下のようになる。

〈風況予測機構におけるノイズへの対応〉
風況観測機構までに観測ノイズが混入することを考慮する場合、観測関数ｇ^〜 _ｉの代わりにｇ^〜 _ｉ＝ｇ_ｉ＋σ_ｉ（ｔ）とする。ここで、σ_ｉ（ｔ）が観測ノイズである。さらに、風況力学系にダイナミカルノイズが入ることを考慮する場合、時間発展則φの代わりにφ^〜＝φ＋ηとする。ここで、ηがダイナミカルノイズである。そして、風況予測機構において、観測ノイズやダイナミカルノイズへ対応可能とする手法として、
Ｈｉｒａｔａ，Ｊｕｄｄ，Ｓｕｚｕｋｉ，＆ Ａｉｈａｒａ著、″Ｉｄｅｎｔｉｆｙｉｎｇ ｍｅａｓｕｒｅｍｅｎｔ ｎｏｉｓｅ ａｎｄ ｍｏｄｅｌ ｅｒｒｏｒｓ ｕｓｉｎｇ ｍｕｌｔｉｐｌｅ ｉｍｐｅｒｆｅｃｔ ｍｏｄｅｌｓ，″Ｂｏｏｋ ｏｆ Ａｂｓｔｒａｃｔｓ：ＸＸＶ Ｄｙｎａｍｉｃｓ Ｄａｙｓ Ｅｕｒｏｐｅ ２００５、Ｔｅｃｈｎｉｓｈｅ Ｕｎｉｖｅｒｓｉｔａｔ Ｂｅｒｌｉｎ、２００５年７月２５日発行、ｐｐ．１２１−１２２例えば、非特許文献１５の観測ノイズとダイナミカルノイズの分離方法を用いてもよい。これにより、風況の予測精度がより向上する。
上記の数式を改めてまとめると以下のようになる。

〈風況予測機構における再構成状態系列への最適な遅延座標系変換と予測手法〉
風況系列のｐステップ先の予測を求めるに先立ち、風況力学系再構成手段にて、風況系列を再構成状態系列へ遅延座標系変換する必要がある。そこで、任意の数の観測地点の風況観測機構から得られる風況の成分をすべて並べ、観測ベクトルｘ（ｔ）とする。風況観測装置の数をｌ、風況を（角座標系もしくは直交座標系の）２次元とすると、ｘ（ｔ）の要素数ｍは２１である。時刻ｔにおける観測ベクトルのｉ番目の成分をｘ_ｉ（ｔ）と表す。そのとき、観測された風況の観測ベクトルへの遅延座標系変換とは、以下のようにｋ個の要素からなる再構成状態ベクトルＸ（ｔ）を構成することである。

Ｊｕｄｄ ＆ Ｍｅｅｓ著、″Ｅｍｂｅｄｄｉｎｇ ａｓ ａ ｍｏｄｅｌｉｎｇ ｐｒｏｂｌｅｍ，″Ｐｈｙｓｉｃａ Ｄ、Ｅｌｓｅｖｉｅｒ Ｓｃｉｅｎｃｅ Ｂ．Ｖ．、１９９８年９月１５日発行、１２０巻ｐｐ．２７３−２８６ Ｃａｏ，Ｍｅｅｓ ＆ Ｊｕｄｄ著、″Ｄｙｎａｍｉｃｓ ｆｒｏｍ ｍｕｌｔｉｖａｒｉａｔｅ ｔｉｍｅ ｓｅｒｉｅｓ，″Ｐｈｙｓｉｃａ Ｄ、Ｅｌｓｅｖｉｅｒ Ｓｃｉｅｎｃｅ Ｂ．Ｖ．、１９９８年１０月１日発行、１２１巻ｐｐ．７５−８８ Ｂｏｃｃａｌｅｔｔｉ，Ｖａｌｌａｄａｒｅｓ，Ｐｅｃｏｒａ，Ｇｅｆｒｅｒｔ，＆ Ｃａｒｒｏｌｌ著，″Ｒｅｃｏｎｓｔｒｕｃｔｉｎｇ ｅｍｂｅｄｄｉｎｇ ｓｐａｃｅｓ ｏｆ ｃｏｕｐｌｅｄ ｄｙｎａｍｉｃａｌ ｓｙｓｔｅｍｓ ｆｒｏｍ ｍｕｌｔｉｖａｒｉａｔｅ ｄａｔａ，″Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ Ｅ、Ｔｈｅ Ａｍｅｒｉｃａｎ Ｐｈｙｓｉｃａｌ Ｓｏｃｉｅｔｙ、２００２年２月２１日発行、６５巻 文献番号０３５２０４ Ｇａｒｃｉａ ＆ Ａｌｍｅｉｄａ著、″Ｍｕｌｔｉｖａｒｉａｔｅ ｐｈａｓｅ ｓｐａｃｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｂｙ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｅｍｂｅｄｄｉｎｇ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅ ｄｅｌａｙｓ，″Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ Ｅ、Ｔｈｅ Ａｍｅｒｉｃａｎ Ｐｈｙｓｉｃａｌ Ｓｏｃｉｅｔｙ、２００５年８月３１日発行、７２巻 文献番号０２７２０５ Ｒｉｓｓａｎｅｎ著、″ＭＤＬ ｄｅｎｏｉｓｉｎｇ，″ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ、ＩＥＥＥ、２００２年８月６日発行、４６巻ｐｐ．２５３７−２５４３ このような多次元観測系列に対する、最適な遅れ座標で遅延座標系変換を求める方法（つまり、数８の最適なｋ，ｉ_ｊ，τ_ｊを決定する手法）として、非特許文献１６、１７、１８、１９や非特許文献１２などがある。いずれを用いてもよいが、ここでは、次に述べる、非特許文献１６を拡張した非特許文献１２記載の方法を導入する。

まず、ｐステップ先のｉ番目の要素ｘ_ｉ（ｔ＋ｐ）を予測する仮のモデルをつくるとする。そこで、数８を適当に選んだ上で、線形モデル

を用いて仮の予測ｘ_ｉ（ｔ＋ｐ）が最小二乗法により得られる。そして、その誤差から何らかの情報量基準（例えば、非特許文献２０でよい）を求める。最終的に、この情報量基準が最小になるような数８のｋ，ｉ_ｊ，τ_ｊが得られることになり、最適な遅れ座標で遅延座標系変換された再構成状態系列Ｘ（ｔ）が求まる。

Ｊｕｄｄ ＆ Ｍｅｅｓ著、″Ｏｎ ｓｅｌｅｃｔｉｎｇ ｍｏｄｅｌｓ ｆｏｒ ｎｏｎｌｉｎｅａｒ ｔｉｍｅ ｓｅｒｉｅｓ，″Ｐｈｙｓｉｃａ Ｄ、Ｅｌｓｅｖｉｅｒ Ｓｃｉｅｎｃｅ Ｂ．Ｖ．、１９９５年５月１日発行、８２巻ｐｐ．４２６−４４４ そして、最適な遅れ座標で遅延座標系変換された再構成状態系列Ｘ（ｔ）が得られたので、ｐステップ先のｉ番目の風況観測値の予測は、

において、何らかの関数近似を用いて求めることができる。例えば、近傍の点のｐステップ先を平均して求める簡単な非線形予測、ヤコビアン行列推定による局所線形近似、（アファイン）動径基底関数ネットワーク、ニューラルネットワーク、三角分割、または、ボロノイ分割を用いる近似、ウェーブレットを用いた各種の近似、閾値自己回帰モデル、レカレンスプロット等、いずれでもよいが、ここでは、非特許文献１２と２１による方法を用い、風況予測機構の推定風況値算出手段に導入した将来の風況を予測する際の選択的な３種類の手法（直接予測、再帰予測、ξφ再帰予測）に適用する。

図９は風況予測機構の風況力学系再構成手段及び推定風況値算出手段において導入した選択的な手法・手段をまとめたものである。

ここでは具体的な実施例とともに、本発明を実施するための最良の形態において、従来手法と比較して真に本発明の効果が極めて高いことを実証するために、実際の風況観測データを用いて風力発電システムの数値シミュレーションモデル上で得られた様々な結果を、いくつかの〈実践例〉として示す。

〈実践例で使用する風況観測データ〉
ここで使われる風況観測データは、２００５年９月１日、１０月２４日、１２月２９日、２００６年１月２日、４月１６日、４月２３日、４月２９日、５月３日、５月５日に東京大学生産技術研究所内の地上約１ｍの高さで計測したものである。計測には２つの同一の３次元５０Ｈｚ風速計を用いた。９月１日、１０月２４日、１２月２９日、１月２日、４月２９日、５月５日には２つの風速計を南北に５メートル離して、その他の日には２つの風速計を東西に５メートル離して設置し、計測を行った。計測時間は、９月１日と１０月２４日は２４時間、その他の日は６時間である。風況観測データの例として、９月１日データの最初の４０００秒を図１０に示す。但し、ここでは使用しないＺ軸方向は除いている。

〈風況観測データの前処理〉
得られる風況観測データには大きなノイズが載っているので、風況観測系列加工手段にてデータの前処理を施す。ここでは、図１１のように、まず２秒の間隔で移動平均をとり、次に２秒間隔でリサンプリングする。このように、前処理を施した風況観測データの例を図１２に示す。

〈予測制御のシミュレーション〉
予測制御量推定機構のシミュレーションは、（１）始めの４０００秒分、学習ウインドウの風況系列を使って予測モデルを作成、（２）次の４００秒分、制御ウインドウを未知なる将来の風況系列であるものとし予測制御を実施、（３）各ウインドウを４００秒分シフトし、風況観測データの終端に達するまで（１）−（３）を繰り返す、という図１３に示した工程で行なう。そして、工程（２）において、（２．１）２４秒先までの風向と絶対風速を予測、（２．２）その間での全体としての利益が最大になるように風車のヨー制御の軌道を推定、（２．３）推定された軌道の最初の２秒分を制御推定量とし、制御と発電を実施、（２．４）時間発展したものとして、（２．１）−（２．４）を繰り返す、という工程となる。このように、４００秒ごとに予測モデルが作り替わることにより、風況時系列の非定常性に対処していることになる。ちなみに、２４時間データではこの工程が２０６回、６時間データでは４４回繰り返されることになる。

また、風力発電装置は図１４に示すパワーカーブを有するとし、２秒間に時計回りか反時計回りに最大１０度動かせるものとする。

追随制御は、本発明の最適制御量推定機構との比較対象である従来手法のひとつとして取り上げる制御方法で、現在の風向と２秒前の風向を比較し、もし、２秒前の風向と現在の風向が１０度以上異なる場合には、現在の風向の方向に１０度だけ風車を動かす、という制御を行なうものである。

受動制御は、本発明の最適制御量推定機構との比較対象である従来手法のひとつとして取り上げる制御方法で、現在の風向と２秒前の風向を過去１０秒間に渡って比較し、それぞれの差が９０度以内に収まっている場合には、２秒前の風向と現在の風向が１０度以上異なるなら現在の風向の方向に１０度だけ風車を動かし、それらの差のなかで９０度以内に収まっていないものがある場合には、風車を動かさない、という制御を行なうものである。

また、制御コストを考えない場合はＣ_１＝Ｃ_２＝Ｃ_３＝０として、制御コストを考える場合はＣ_１＝Ｃ_２＝Ｃ_３＝０．０１としてシミュレーションを行なう。前者は、まずは単純な状況設定における各種手法の比較の為のものであるが、例えば、風力発電システムにおける各種動力エネルギーを太陽電池などの独立した電力系統から得ているケースなどが相当する。後者は、その他一般的な風力発電システムにおける各種手法の比較の為のものであり、実際には、各コスト係数の値は風車の規模等に依存する。

〈実践例１〉
以下にあげる例は、本発明の最適制御量推定機構の制御方法が既存手法よりも優れていることを実証する為に、予測手法を最良のものに固定した上で、本発明の制御方法と比較対象であるいくつかの制御方法によるシミュレーション結果を比較するものである。その予測手法として、風向はξφ再帰予測、絶対風速は直接予測の手段を選択する。

具体的な予測制御としてヨー制御のシミュレーションを実施するにあたり、ここでの本発明の最良の形態としてダイクストラ法を選択し、比較対象である既存手法として特許文献３記載の制御、及び追随制御と受動制御を取り上げる。特に、純粋に制御方法の違いだけを比較するために特許文献３記載の風況予測手法などは用いずに、どの制御方法においても、本発明の風況予測機構を用いることに注意されたい。ちなみに、ここでは２台の風況観測装置を使う。

まず、制御コストを考えない場合のシミュレーション結果を表１に示す。

この表は、受動制御を基準にその他の制御方法がどれだけ発電効率がよいかを比率で表すもので、確かにほとんどの場合において、ダイクストラ法が他の制御方法より大きな発電量が得られていることがわかる。そして平均では、ダイクストラ法が特許文献３の既存手法よりも約５．０％、追随制御よりも約５．２％、受動制御よりも約３１．１％のより多くの発電ができることを示している。

次に、本発明の選択的な手法であるディファレンシャル・エボリューション法（ＤＥ法）と、ここで本発明の最良の形態として選択したダイクストラ法のシミュレーション結果を表２に示す。

この表は、ダイクストラ法を基準にＤＥ法がどれだけ発電効率がよいかを比率で表すもので、確かに多くの場合において、ＤＥ法がダイクストラ法よりあまり大きな発電量が得られていないことがわかる。そして平均では、ＤＥ法がグイクストラ法より約５％ほど発電量が減ることを示している。これは、ここでの予測制御のタイムスケール等の状況設定がＤＥ法に向いておらず、制御入力信号である風況系列の予測が必ずしも完全ではないため、ＤＥ法の極めて緻密な制御量の算出が逆効果となってしまい、結果的に、細か過ぎる制御により発電量を稼ぐ機会が相対的に失われることを示唆している。加えて、ＤＥ法にかかる数値計算コストもダイクストラ法に比べて２倍であるため、以後においてもダイクストラ法をここでの最良の形態として選択する。但し、計算資源、予測制御のタイムスケール、風況観測規模等の状況設定に依ってはＤＥ法が優位性を獲得する可能性もあり得ることに注意されたい。

次に、制御コストを考える場合のシミュレーション結果を表３と表４に示す。

この表は、受動制御を基準にその他の方法がどれだけ全体の利益が高いかを比率で表すもので、確かにほとんどの場合において、ダイクストラ法が他の制御方法より大きな利益が得られていることがわかる。加えて、特許文献３記載の制御や追随制御においては負の利益になってしまう事態が発生していることに対して、ダイクストラ法ではそういった事態は見られない。そして、利益が正の結果だけを見ても、ダイクストラ法がの方が本発明の方が特許文献３の既存手法よりも約４０％のより多くの利益を確保できることを示している。

この表は、受動制御を基準にその他の方法がどれだけ制御コストが高いかを比率で表すもので、確かにほとんどの場合において、ダイクストラ法が他の制御方法よりも制御コストが低く抑えられていることがわかる。そして平均では、ダイクストラ法が特許文献３の既存手法の約４０％、追随制御の約２／３、受動制御の約３５％のより僅かな制御コストで、より多くの利益を確保できることを示している。

持続予測とは、本発明の風況予測機構との比較対象として最も単純な手法として取り上げるもので、現在の風況が２秒後にも持続するという仮定し、それを予測とみなすものである。これは予測性能の下限と捉えることができる。

完全予測とは、本発明の風況予測機構との比較対象として理想的な予測手法として取り上げるもので、２秒後の風況が予め完璧に知り得ると仮定し、風況観測データからそれを取り出したものを予測とみなすものである。これは予測性能の上限と捉えることができる。

〈実践例２〉
以下にあげる例は、本発明の予測制御量推定機構における風況予測機構が既存手法よりも優れていることを実証する為に、制御方法を最良のものに固定した上で、本発明の予測手法と比較対象であるいくつかの予測手法によるシミュレーション結果を比較するものである。その制御方法として、ダイクストラ法によるものを選択する。そして、それぞれの予測手法の予測精度そのものを比較するのではなく、本発明の最適制御量推定機構を含めた予測制御量推定機構と風力発電システムとしての効果を比較するものとする。

具体的な予測制御としてヨー制御のシミュレーションを実施するにあたり、比較対象である既存手法として特許文献２記載の予測手法と特許文献３記載の制御手法を組み合わせた方法、及び持続予測と完全予測を取り上げる。ちなみに、ここでは２台の風況観測装置を使う。

風向予測について、風況予測機構における選択的な方法・手法は｛角座標系，直交座標系｝×｛直接予測，再帰予測，ξφ再帰予測｝の６種類あり得るが、繁雑さを避ける為にξφ再帰予測のサブセットである再帰予測を省くと以下の４種類あり得る。
・１つ目：過去の風向と絶対風速（角座標系）の値から将来の風向を直接予測によって予測する方法−ｓｄ法
・２つ目：過去の東西方向、南北方向（直交座標系）の風速から将来の東西方向、南北方向の風速をそれぞれ直接予測によって予測し、それを風向に変換する方法−２ｄ法
・３つ目：過去の風向と絶対風速（角座標系）の値から将来の風向をξφ再帰予測によって予測する方法
・４つ目：過去の東西方向、南北方向（直交座標系）の風速から将来の東西方向、南北方向の風速をそれぞれξφ再帰予測を使って予測し、それを風向を変換する方法−ξφ法

絶対風速予測についても、同様に、以下の４種類あり得る。
・１つ目：過去の風向と絶対風速（角座標系）の値から将来の絶対風速を直接予測によって予測する方法−ｓｄ法
・２つ目：過去の東西方向、南北方向（直交座標系）の風速から将来の東西方向、南北方向の風速をそれぞれ直接予測によって予測し、それを絶対風速に変換する方法−２ｄ法
・３つ目：過去の風向と絶対風速（角座標系）の値から将来の絶対風速をξφ再帰予測によって予測する方法
・４つ目：過去の東西方向、南北方向の風速から将来の東西方向、南北方向の風速をそれぞれξφ再帰予測を使って予測し、そこから将来の絶対風速を計算する方法−ξφ法

よって、風向と絶対風速の予測について、以上の組み合わせなので４×４の１６種類あり得ることになる。しかし、やはり繁雑さを避ける為にそれぞれ３つ目の方法を省き、以下の３×３の９種類の選択的な方法・手法を比較する。
・第１：風向予測にｓｄ法、絶対風速予測にｓｄ法
・第２：風向予測にｓｄ法、絶対風速予測に２ｄ法
・第３：風向予測にｓｄ法、絶対風速予測にξφ法
・第４：風向予測に２ｄ法、絶対風速予測にｓｄ法
・第５：風向予測に２ｄ法、絶対風速予測に２ｄ法
・第６：風向予測に２ｄ法、絶対風速予測にξφ法
・第７：風向予測にξφ法、絶対風速予測にｓｄ法
・第８：風向予測にξφ法、絶対風速予測に２ｄ法
・第９：風向予測にξφ法、絶対風速予測にξφ法

ちなみに、特許文献２では角座標系（風向と絶対風速）による予測についての言及はなく、記述から直交座標系の成分予測を直接予測により求め、それを風向と絶対風速に変換することを想定している。よって、特許文献２を極めて発展させた方法は２つ目の方法に相当する。また、省かれた３つ目の方法は、実は、ここでの予測制御のタイムスケール等の状況設定では予めうまく機能しないことがわかっているものであり、計算資源、予測制御のタイムスケール、風況観測規模等の状況設定に依っては３つ目の方法が優位性を獲得する可能性もあり得ることに注意されたい。

まず、制御コストを考えない場合のシミュレーション結果を表５に示す。

この表は、持続予測を基準にその他の予測手法がどれだけ発電効率がよいかを比率で表すもので、風向予測に２ｄ法またはξφ法を用いる場合、本発明のほとんどの場合において持続予測よりも大きな発電量が得られていることがわかる。また、絶対風速予測にｓｄ法を用いた方が、他の方法よりも多くの発電量が得られることがわかる。そして、この両方の条件を満たす、第４、第７の組み合わせにおいては、すべての場合において持続予測よりも、ほとんどの場合において既存手法よりも効率がよく、平均でも、持続予測よりも３．４％、５．３％、既存手法よりも２．５％、４．４％のより多くの発電ができることを示しており、完全予測の８８．４％、９０．０％の発電量に達している。

次に、制御コストを考える場合のシミュレーション結果を表６、表７に示す。

この表は、持続予測を基準にその他の予測手法がどれだけ全体の利益が高いかを比率で表すもので、一部の組み合わせでは平均で１を下回るケースもあり得るが、本発明のほとんどの場合おいて持続予測より大きな利益が得られていることがわかる。特に、第４の組み合わせは、持続予測と比べて極めて安定して全体の利益を確保している。加えて、既存手法において負の利益になってしまう事態が発生していることに対して、本発明のほとんどの場合ではそういった事態は極めて稀である。そして、本発明のほとんどの場合において既存手法より多くの利益を確保できることを示しており、本発明のほとんどの場合において完全予測の８３％の利益に達している。

この表は、持続予測を基準にその他の予測手法がどれだけ制御コストが高いかを比率で表すもので、本発明のほとんどの場合において持続予測よりも制御コストが低く抑えられていることがわかる。そして、既存手法の約１／１０の制御コストに抑えられていることもわかる。また、第５、第６、第８、第９の組み合わせ、つまり、絶対風速予測に２ｄ法またはξφ法を用いる場合、完全予測におけるものと互角の制御コストに抑えられている。

実施例１として、以上のように、特に最適制御量推定機構に関して〈実践例１〉、特に風況予測機構に関して〈実践例２〉、特に予測制御量推定機構に関して〈実践例１〉と〈実践例２〉において、本発明が既存手法と比べて極めて優れていることが示された。加えて、複数の風況観測装置による風況力学系の時空再構成の優位性についても同時に示され、よって、本発明の風力発電システムと地域型風力発電システムの有効性が示された。

本発明の予測制御量推定機構における風況系列として、３次元の極座標系もしくは直交座標系、加えて、気圧等、他の気象変数を用いてもよい。

《本発明の最適制御量推定機構の適用例》
本発明の最適制御量推定機構を特許文献１、２、３に導入してもよい。これにより、発電量と制御コスト等が最適化された風車制御が可能となる。

《本発明の予測制御量推定機構の適用例１》
本発明の予測制御量推定機構を特許文献１に導入してもよい。この最適制御量推定機構により、発電量と制御コスト等が最適化された風車制御が可能となるだけでなく、この風況予測機構により、特許文献１の通信網が故障した際にも、風況予測精度は低下するものの、単独の風力発電システムで効率の良い風力発電を維持できるようになる。

《本発明の予測制御量推定機構の適用例２》
本発明の予測制御量推定機構を特許文献２に導入してもよい。この最適制御量推定機構により、発電量と制御コスト等が最適化された風車制御が可能となるだけでなく、この風況予測機構により、複数の風況観測機構を通信網の利用等により備えた際には、風況力学系の時空再構成により風況予測の精度が向上し、より効率の良い風力発電が維持できるようになる。

《本発明の予測制御量推定機構の適用例３》
本発明の予測制御量推定機構を特許文献３に導入してもよい。この最適制御量推定機構により、発電量と制御コスト等が最適化された風車制御が可能となるだけでなく、この風況予測機構により、複数の風況観測地点を（レーザー光による）遠隔地風況観測ポイントの増強等により備えた際には、風況力学系の時空再構成により風況予測の精度が向上し、より効率の良い風力発電が維持できるようになる。

《本発明の風況予測機構の適用例》
本発明の風力発電システム群を分散協調型ネットワーク化し、本発明の地域型風力発電システムとして実施する場合、その風力発電システム間、つまり、風況観測装置群の距離と予測可能な時間スケールには密接な関係があり、距離をある程度大きく取った風況観測装置が地域型風力発電システムに存在すれば、それに応じて、より長い時間スケールでの風況予測が可能となるという傾向をもつ。

当然のことながら、この空間スケールと時間スケールの関係は、その時々の風速の影響を受ける。それらの複雑な時空間的相関が、本発明の風況力学系の時空再構成を備えた風況予測機構に自動的に適切に反映されるので、風況の時空間情報を最大限活用した風況予測が実現するようになっている。

実践例では、５メートル離れた２点で観測された風況系列を用いて２秒から２４秒先の風況予測を行っているが、例えば、非特許文献９では６４キロメートルから１３６キロメートル離れた２点で観測された風況系列を用いて１時間先の風況予測を行っているように、本発明の風況予測機構をこういった長い時間スケールの予測に用いてもよい。そうした場合、本発明の応用例としては、本発明の主眼である風車制御だけでなく、風力発電システムにおける発電量予測にも適用可能ということになる。

本発明の風力発電システムによって、より正確な風況予測を実現し、さらに無駄な風車制御をせずに風力を最大利用することで、風力発電量を増やすことが可能となり、同時に、余分な風車制御を省くことで、発電量を可能な限り確保しつつ制御に使われる部品の寿命を延ばすことに繋がる。よって、風力発電システム全体としての利益を最大化できるようになるので、クリーンエネルギー利用の普及を促す一助となることが見込める。

また、本発明の地域型風力発電システムにおける、本発明の風力発電システムの協調運用によって、互いに風況の時空間情報を最大限活用する仕組みにより、相互の風況予測精度の向上・風力発電量の増加に貢献するだけでなく、要求される発電規模に応じたスケーラビリティ及び冗長性を有するウインドファームを構築できるようになり、このことは風力発電において安定した電力供給を行うための一助となることが見込める。

また、本発明の、他の風力発電システムに推定風況や最適制御量を提供可能とする予測制御量推定機構、及び、任意の数の観測地点に対応可能であることを特徴とした風況予測機構によって、風況観測機構、風況予測機構、最適制御量推定機構から成る予測制御量推定機構の故障にも十分に耐えられる冗長性を備えた風力発電システムやウインドファームを構築できるだけでなく、既存の風力発電システムにも技術投入が比較的容易に行えるので、システム全体としての利益を最大化できる優れた風力発電システムやウインドファームの普及に貢献することが見込める。

また、本発明の、他の風況観測機構もしくは予測制御量推定機構との通信機構により離れた観測地点での風向きや気象変数を適宜利用することが可能な予測制御量推定機構、及び、任意の数の観測地点に対応した風況予測機構により、その地域での過去の風況系列が風況予測に大きく寄与していることから、風車の規模に大きく依存せずに、単一の風力発電システムから複数の風力発電システムの分散協調型ネットワークが柔軟に展開できるようになるので、小規模なコンシューマー向け風力発電システムから大規模なウインドファームまで、クリーンエネルギーである風力発電の基盤整備に大きく貢献することが見込める。

地域型風力発電システム 風況観測機構 風況予測機構 最適制御量推定機構 予測制御量推定機構 ネットワークフローの例示 最適制御量推定機構に備わる利益最大化問題の選択的な求解手段 風況力学系、観測、遅延座標系、予測についての概略図 風況予測機構の風況力学系再構成手段及び推定風況値算出手段に備わる選択的な手法・手段 風況観測データの例示 風況観測系列加工手段におけるデータの前処理 前処理後の風況観測データの例示 予測制御のシミュレーションの工程 風力発電装置のパワーカーブの例示

符号の説明

１ 地域型風力発電システム
２ 風力発電システム
３ 風力発電装置
４ 風況観測装置
５ 風車・発電装置
６ 風車制御機構
７ 予測制御量推定機構
７ａ 風況観測機構
７ｂ 風況予測機構
７ｃ 最適制御量推定機構
７ｄ 通信機構

Claims (4)

1. 風車の向き等を制御する風車制御機構、及び、将来の風向、風速等の風況を予測する風況予測機構を備えた風力発電装置において、持続予測も含むなんらかの予測手法で得た風況系列を制御入力信号として、発電量と制御コストから計算される全体の利益が最大になるように最適制御量を推定する予測制御量推定機構を備えることにより、高効率な発電を行うことを特徴とした風力発電システム。
2. 風車、発電装置、風車制御機構で構成されている単一の風力発電装置において、風向きや気象変数を測定する風況観測機構と、多次元の風況観測系列から将来の風況を力学系再構成を用いて予測する風況予測機構と、その推定風況に対して発電量もしくは全体の利益を最大化する風車制御量を算出する最適制御量推定機構から成る予測制御量推定機構を備え、かつ、離れた地点に備えられた単一もしくは複数の風況観測機構または予測制御量推定機構との適宜の協調が可能な、風況予測応用を特徴とした地域型風力発電システム。
3. 請求項２記載の地域型風力発電システムにおいて、風況観測機構、風況予測機構、最適制御量推定機構から成る予測制御量推定機構において、他の風況観測機構もしくは予測制御量推定機構との通信機構により離れた観測地点での風向きや気象変数を適宜利用することが可能で、かつ、任意の数の観測地点に対応可能であることを特徴とした地域風況力学系の時空再構成に基づく風況予測機構。
4. 請求項３記載の風況予測機構において、他の風力発電システムとの通信機構により、自地点での風況観測、離れた地点での将来の風況を予測した推定風況、離れた地点での最適制御量推定の情報を、適宜、他の風力発電システムに提供可能であることを特徴とする予測制御量推定機構。

Images