JP2017192252A - 分析装置、分析方法、およびプログラム - Google Patents

Abstract

【課題】従来、太陽光発電システムにおいて、計測した時系列データの中に、値変動の特徴が異なる要素が含まれるために、異なる時点の時系列データの推定が困難であった。【解決手段】太陽光発電システムに関する１種類以上の各センサにより取得された１種類以上の入力データの時系列データまたは時系列データを加工した加工時系列データである１以上の時系列入力データが格納される入力データ格納部と、１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する要因要素抽出部と、２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する推定用モデリング部と、要因要素別の１以上の推定データを出力する推定データ出力部とを具備する分析装置により、異なる時点の時系列データを推定できる。【選択図】図１

Description

本発明は、太陽光発電システムに対するセンサにより取得された時系列データを分析する分析装置等に関するものである。

従来、太陽光発電システムの損失パラメータを分離・定量化するＳＶ法があった（非特許文献１参照）。また、従来、並列数の多いアモルファス太陽電池アレイを対象にした「１分間実測データを用いたストリングス故障検出と故障個所特定手法」があった（非特許文献２参照）。

T.Ozeki, T.Izawa, K.Otani, and K.Kurokawa: "An Evaluation method of PV systems", Solar Energy Materials & Solar Cells, Vol.75, No.3-4, p687,2003 植田譲,伊藤雅一,黒川浩助,工藤満,小西博雄 ：「アモルファス太陽電池アレイの計測データを用いた故障検出と故障箇所特定手法」、 平成21年度 日本太陽エネルギー学会/日本風力エネルギー協会合同研究発表会, 公演論文集 、2009年 11月

太陽光発電システムの日常の運転・保守管理業務では、故障は迅速に対処する必要があるため、例えば、オンラインでリアルタイムに故障検知を行い、故障に対する対処の軽重と迅速性を判断する必要がある。なお、リアルタイムとは、かなりの遅延があっても良い旨であり、広く解する。また、かなりの遅延とは、例えば、１分の遅延、１時間の遅延、１日の遅延等である。

しかし、従来技術では、太陽光発電システムにおいて、異なる時点の時系列データの推定が困難であった。そのため、例えば、リアルタイムな故障検知等が困難であった。なお、異なる時点とは、通常、未来であるが、過去でも良い。

本発明は、かかる課題を解決するためになされた発明であり、太陽光発電システムにおいて、概ねリアルタイムな故障検知等のために、異なる時点の時系列データを推定することを目的とする。

本第一の発明の分析装置は、太陽光発電システムに関する１種類以上の各センサにより取得された１種類以上の入力データの時系列データまたは時系列データを加工した加工時系列データである１以上の時系列入力データが格納される入力データ格納部と、１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する要因要素抽出部と、２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する推定用モデリング部と、要因要素別の１以上の推定データを出力する推定データ出力部とを具備する分析装置である。

かかる構成により、異なる時点の時系列データを推定できる。

また、本第二の発明の分析装置は、第一の発明に対して、１以上の推定データの時刻に対応する時刻の２以上のデータの集合であり、１以上の時系列入力データを要因要素別に分解して得られた２以上の要因要素別実データの集合であり、時系列データである１以上の時系列要因要素別実データが、要因要素別に格納される実データ格納部と、要因要素別に、１以上の時系列要因要素別実データが有する１以上の各要因要素別実データと当該各要因要素別実データの時刻に対応する１以上の各推定データとを比較し、比較の結果である評価情報を取得する評価部とをさらに具備する分析装置である。

かかる構成により、推定した異なる時点の時系列データを評価できる。

また、本第三の発明の分析装置は、第二の発明に対して、推定用モデリング部は、２以上の各要因要素のうち、少なくとも一の要因要素に対して、２種類以上の傾向推定方法を用いて、一の要因要素の時系列要因要素別データから、傾向推定方法ごとに１以上の異なる時点の推定データを取得する分析装置である。

かかる構成により、異なる時点の時系列データを精度高く推定できる。

また、本第四の発明の分析装置は、第三の発明に対して、２種類以上の傾向推定方法のうち、一の傾向推定方法に対する指示を受け付ける受付部をさらに具備し、推定用モデリング部は、一の要因要素に対して、受付部が受け付けた指示に対する傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用する分析装置である。

かかる構成により、異なる時点の時系列データを精度高く推定できる。

また、本第五の発明の分析装置は、第三の発明に対して、評価部は、２種類以上の各傾向推定方法に対応する１以上の異なる時点の推定データを用いて、２種類以上の各傾向推定方法を評価し、推定用モデリング部は、一の要因要素に対して、評価部が最も良い評価をした傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用する分析装置である。

かかる構成により、異なる時点の時系列データを、簡易に精度高く推定できる。

また、本第六の発明の分析装置は、第一から第五いずれか１つの発明に対して、要因要素抽出部は、２以上の要因要素抽出方法を用いて、１以上の時系列入力データを要因要素別に分解し、要因要素抽出方法ごとに、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得し、推定用モデリング部は、２以上の各要因要素抽出方法ごとに、２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得し、推定データ出力部は、要因要素抽出方法ごと、要因要素別に、１以上の推定データを出力する分析装置である。

かかる構成により、異なる時点の時系列データを精度高く推定できる。

また、本第七の発明の分析装置は、第一から第五いずれか１つの発明に対して、評価部が取得した評価情報を予め決められた通知先に通知する通知部をさらに具備する分析装置である。

かかる構成により、評価結果を通知できる。

また、本第八の発明の分析装置は、第七の発明に対して、通知部は、要因要素によって、異なる通知先に評価情報を通知する分析装置である。

かかる構成により、評価結果を適切な通知先に通知できる。

また、本第九の発明の分析装置は、第一から第八いずれか１つの発明に対して、入力データは、日射量、気温、太陽光発電システムへの入力量、および太陽光発電システムの出力量のうちの１種類以上の情報である分析装置である。

かかる構成により、異なる時点の時系列データを推定できる。

また、本第十の発明の分析装置は、第一から第九いずれか１つの発明に対して、２以上の要因要素は、陰の影響、汚れの影響、インバーターの影響のうちのいずれか２以上である分析装置である。

かかる構成により、異なる時点の時系列データを推定できる。

本発明による分析装置によれば、異なる時点の時系列データを推定できる。

実施の形態１における分析装置１を含むシステムのブロック図 同分析装置１の第一の動作について説明するフローチャート 同分析装置１の第二の動作について説明するフローチャート 同時系列入力データの例を示す図 同時系列要因要素別データの例を示す図 同要因要素別の推定データの例を示す図 同要因要素別実データの例を示す図 同評価部１３３の概念図 同コンピュータシステムの概観図 同コンピュータシステムのブロック図

以下、分析装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。

（実施の形態１）
本実施の形態において、格納されている入力データから要因要素を抽出し、要因別に傾向を推定し、推定した要因要素データを取得する分析装置について説明する。なお、入力データとは、例えば、太陽光発電システムに関するセンサにより取得された日射量、気温、太陽光発電システムの出力量等であり、その詳細は後述する。

また、本実施の形態において、実データから要因要素データを取得し、推定した要因要素データと実データからの要因要素データとの差異から、推定方法を評価する分析装置について説明する。なお、かかる場合、実データに対応する時刻情報が示す時刻と、推定した要因要素データに対応する時刻情報が示す時刻が対応する時刻（通常、同一時刻）である。

また、本実施の形態において、少なくとも一の要因に対して、２以上の傾向推定方法を適用する分析装置について説明する。なお、分析装置では、２以上の傾向推定方法のうち、良否を人手により入力し、当該入力を利用する。また、分析装置では、２以上の傾向推定方法のうち、良否を自動評価し、評価結果を利用しても良い。

また、本実施の形態において、要因要素抽出方法が２以上存在する分析装置について説明する。

さらに、本実施の形態において、評価結果を通知する分析装置について説明する。なお、要因要素別に通知先が異なっても良い。

図１は、本実施の形態における分析装置１を含むシステムのブロック図である。本システムは、太陽光発電システム、１または２以上のセンサ、および分析装置１を含む。分析装置１には、太陽光発電システムに対する１以上のセンサが取得した１種類以上の入力データが格納されている。

分析装置１は、格納部１１、受付部１２、処理部１３、出力部１４、および通知部１５を備える。

格納部１１は、入力データ格納部１１１、および実データ格納部１１２を備える。

処理部１３は、要因要素抽出部１３１、推定用モデリング部１３２、および評価部１３３を備える。

出力部１４は、推定データ出力部１４１を備える。

格納部１１は、各種の情報を格納し得る。各種の情報とは、例えば、後述する入力データ、実データである。

入力データ格納部１１１は、１または２以上の時系列入力データが格納される。時系列入力データは、時系列の入力データの集合である。入力データには、通常、時刻を示す時刻情報が対応付いている。時刻情報は、入力データがセンサにより取得された時刻を示す情報でも良いし、分析装置１が入力データを受け付けた時刻を示す情報でも良いし、分析装置１が入力データを蓄積した時刻を示す情報等でも良い。時刻情報は、概ね、入力データが取得された時刻を示す情報であり、多少の誤差が存在することは問わない。入力データが格納されているバッファ（入力データ格納部１１１）の中の入力データの並びにより、入力データに対応する時刻が判断され得ても良い。入力データは、例えば、太陽光発電システムに関する１または２種類以上の各センサにより取得されたデータである。入力データは、例えば、太陽光発電システムに関する１または２種類以上の各センサにより取得されたデータを加工した加工データであっても良い。時系列入力データは、時系列の入力データである時系列データまたは当該時系列データを加工した加工時系列データである。入力データは、例えば、日射量、気温、太陽光発電システムの出力量、傾斜面日射量、水平面日射量、アレイ出力電力量などである。なお、加工データは、例えば、傾斜面日射量と水平面日射量とをパラメータとして予め決められた数式により算出された傾斜面日射量などである。他の加工データは、太陽電池モジュール温度である。なお、太陽電池モジュール温度は「太陽電池モジュール温度＝気温＋１８．４℃×日射強度」の算出式等により算出され得る。

実データ格納部１１２は、１以上の時系列要因要素別実データが要因要素別に格納される。時系列要因要素別実データは、１以上の要因要素別実データの集合であり、１以上の要因要素別実データの時系列の情報である。要因要素別実データとは、実データを要因要素別に分解して得られたデータである。要因要素別実データは、後述する要因要素別データや推定データと同種の情報である。時系列要因要素別実データを構成する各要因要素別実データは、１または２以上の各推定データの時刻に対応する情報である。時系列要因要素別実データは、１以上の時系列入力データを要因要素別に分解して得られた、１以上の各要因要素別の時系列データである。時系列要因要素別実データは、時系列の要因要素別のデータである。ここで、実データは、入力データと同種の情報である。実データは、例えば、日射量、気温、太陽光発電システムの出力量等である。なお、実データ格納部１１２に格納されている１以上の時系列要因要素別実データは、後述する要因要素抽出部１３１が、実データの時系列データから取得しても良いし、他の装置等により、別途、取得された情報でも良い。なお、要因要素とは、入力データとは異なるものであり、入力データを生む要因となるものである。

受付部１２は、指示やデータ等を受け付ける。指示は、例えば、一の傾向推定方法に対する指示、一の要因要素抽出方法に対する指示である。受付部１２は、２種類以上の傾向推定方法のうち、一の傾向推定方法に対する指示を受け付ける。受付部１２は、２種類以上の要因要素抽出方法のうち、一の要因要素抽出方法に対する指示を受け付ける。傾向推定方法、要因要素抽出方法については後述する。なお、一の傾向推定方法に対する指示とは、評価情報や推定データに対する指示でも良い。また、一の要因要素抽出方法に対する指示とは、評価情報や推定データに対する指示でも良い。また、受付部１２が受け付けるデータは、例えば、１または２以上の入力データである。

また、ここで、受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。

指示やデータ等の入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。受付部１２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

処理部１３は、各種の処理を行う。各種の処理とは、例えば、要因要素抽出部１３１、推定用モデリング部１３２、評価部１３３等が行う処理である。

要因要素抽出部１３１は、１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する。要因要素とは、入力データに与える要因であり、例えば、陰、汚れ、インバーター、太陽光の入射角による（入射角依存性）、直流回路等である。つまり、例えば、陰の影響、汚れの影響、インバーターの影響等により、入力データが変動する。要因要素は、例えば、日陰損失、直流回路損失、負荷整合等損失、インバーター損失、Unknown損失、パワーコンディショナースタンバイ損失、ピークカット損失、日陰損失係数、入射角依存性損失係数、その他損失係数、温度損失係数、直流回路損失係数、負荷整合等損失係数、インバーター損失係数、Unknown損失係数、パワーコンディショナースタンバイ損失係数、ピークカット損失係数等である。要因要素抽出部１３１は、例えば、上述したＳＶ法を用いて、１以上の時系列入力データから２以上の時系列要因要素別データを取得する。ＳＶ法については、公知技術であるので、詳細な説明を省略する。また、要因要素抽出部１３１は、ＳＶ法以外の方法により、２以上の時系列要因要素別データを取得しても良い。また、要因要素は、通常、予め決められている。

なお、要因要素抽出部１３１が２以上の時系列要因要素別データを取得するＳＶ法以外の方法は、例えば、１または２以上の要因要素（損失要因と言っても良い。）の中で、要因要素によって異なる方法により、時系列入力データを要因要素別に取得する方法である。

例えば、陰の影響を分解する手法として、以下がある。つまり、本手法は、例えば、影がかからない日射計から得られた日射強度の日次曲線をｎ倍（ｎは１以上の自然数）することにより、同日の太陽光発電出力が描く日次曲線にフィッティングした上で、その差分を影の影響とする。さらに、詳細には、以下の（１）から（７）の手順で、要因要素抽出部１３１は、陰の影響についての時系列要因要素別データを取得する。
（１）晴れの日における日射計の時系列データを取得する。（２）手順（１）と同一日の直流出力電力の時系列データを取得する。（３）手順（１）のデータをパネル出力定格倍する。そして、これを理想発電量とする。（４）理想発電量の時系列データをｎ倍して手順（２）のデータとの誤差をＲＭＳＥ等で評価する。（５）手順（４）のｎを１．０〜０．５の範囲内で少なくして手順（４）と同等の計算をする。（６）手順（４）〜（５）を繰り返して、ＲＭＳＥ等が最小のものを求める。なお、これを最適発電量とする。（７）最適発電量と（１）の時系列データで各時刻の差分を陰による損失要因とする。なお、上記の手法を用いれば、特定の１日で比較できる。

また、例えば、直流回路損失を分解する手法として、以下がある。つまり、ＰＣＳ入力電圧とシステム構成上推定できるＰＶストリングであり、両端の電圧との差を直流回路損失として計算する手法である。さらに、詳細には、以下の（１）から（３）の手順で、要因要素抽出部１３１は、直流回路損失についての時系列要因要素別データを取得する。（１）接続箱内など、ＰＶストリングの±両端に近いところで電圧を計測する。（２）手順（１）電圧とＰＣＳの入力部で計測している入力電圧との差を求める。（３）手順（２）で求めた電圧差とＰＣＳの入力部の電流値を掛け算して損失電力（要因要素）を求める。なお、ＰＶストリングとは、太陽電池モジュール（パネル）を直列接続したものである。また、接続箱とは、ＰＶストリングを複数本並列に束ねる装置である。

要因要素抽出部１３１は、２以上の要因要素抽出方法を用いて、１または２以上の時系列入力データを要因要素別に分解し、要因要素抽出方法ごとに、２以上の時系列要因要素別データを取得しても良い。

推定用モデリング部１３２は、２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する。推定用モデリング部１３２は、要因要素別に、要因要素に対応する時系列要因要素別データを用いて、１以上の異なる時点の推定データを取得する。かかる方法を傾向推定方法という。傾向推定方法は、例えば、ＡＲＩＭＡモデル（自己回帰和分移動平均モデル）を用いる方法、回帰分析を用いる方法、その他の時系列データの解析手法等である。ＡＲＩＭＡモデルは、金融工学、市場動向解析などで用いられ、文献「"時系列解析法としてのARIMAモデルと予測"についての概説」（URL:http://search.yahoo.co.jp/search?search.x=1&tid=top_ga1_sa&ei=UTF-8&fr=top_ga1_sa&p=arima%E3%83%A2%E3%83%87%E3%83%AB%E3%81%A8%E3%81%AF&rs=1）等を参照のこと。なお、上述した「異なる時点」とは、時系列要因要素別データに対応する時点と異なる時点であり、時系列要因要素別データに対応する時点の未来または過去の時点である。また、「異なる時点」とは、時系列要因要素別データに対応する入力データ（時系列入力データでも良い）がセンサにより取得された時点と異なる時点であり、時系列要因要素別データに対応する時点の未来または過去の時点であると考えても良い。

推定用モデリング部１３２は、２以上の各要因要素のうち、少なくとも一の要因要素に対して、２種類以上の傾向推定方法を用いて、一の要因要素の時系列要因要素別データから、傾向推定方法ごとに１以上の異なる時点の推定データを取得しても良い。

推定用モデリング部１３２は、一の要因要素に対して、受付部１２が受け付けた指示に対する傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用しても良い。

推定用モデリング部１３２は、一の要因要素に対して、後述する評価部１３３が最も良い評価をした傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用しても良い。

推定用モデリング部１３２は、２以上の各要因要素抽出方法ごとに、２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得しても良い。

評価部１３３は、要因要素別に、１または２以上の各要因要素別実データと１または２以上の各推定データとを比較し、比較の結果である評価情報を取得する。要因要素別実データは、実データ格納部１１２の１以上の時系列要因要素別実データが有する情報である。推定データは、推定用モデリング部１３２が取得した情報である。

評価部１３３は、例えば、同一の時刻の１以上の各要因要素別実データと１以上の各推定データと差を算出し、当該１以上の差を用いて評価情報を取得する。評価部１３３は、推定データと対になる時刻情報に対応する時刻情報（例えば、同一の時刻情報）と対になる要因要素別実データとの差が小さいほど良い評価となる評価情報を取得する。評価部１３３は、例えば、同一の時刻の２以上の各要因要素別実データと２以上の各推定データと差を算出し、当該１以上の差の平均二乗誤差（ＲＭＳＥ）を算出し、平均二乗誤差である評価情報を取得する。評価部１３３は、例えば、同一の時刻の２以上の各要因要素別実データと２以上の各推定データと差を算出し、当該２以上の差の合計を算出し、当該合計である評価情報を取得する。評価部１３３は、例えば、同一の時刻の２以上の各要因要素別実データと２以上の各推定データと差を算出し、当該２以上の差の平均値を算出し、当該平均値である評価情報を取得する。

評価部１３３は、２種類以上の各傾向推定方法に対応する１以上の異なる時点の推定データを用いて、２種類以上の各傾向推定方法を評価しても良い。評価部１３３は、例えば、２種類以上の各傾向推定方法に対応する１以上の異なる時点の推定データと当該推定データの時刻に対応する要因要素別実データとを比較し、傾向推定方法ごとに、評価情報を取得し、２以上の評価情報を用いて、２種類以上の各傾向推定方法を評価する。評価部１３３は、通常、２以上の評価情報のうち、最も良好な評価を示す評価情報に対応する傾向推定方法を決定する。傾向推定方法の決定とは、例えば、傾向推定方法を識別する情報の取得である。

また、評価部１３３は、２種類以上の各要因要素抽出方法に対応する１以上の異なる時点の推定データを用いて、２種類以上の各要因要素抽出方法を評価しても良い。評価部１３３は、例えば、２種類以上の各要因要素抽出方法に対応する１以上の異なる時点の推定データと当該推定データの時刻に対応する要因要素別実データとを比較し、要因要素抽出方法ごとに、評価情報を取得し、２以上の評価情報を用いて、２種類以上の各要因要素抽出方法を評価する。評価部１３３が用いる要因要素別実データは、現在時刻における要因要素別データであることは好適である。評価部１３３は、通常、２以上の評価情報のうち、最も良好な評価を示す評価情報に対応する要因要素抽出方法を決定する。要因要素抽出方法の決定とは、例えば、要因要素抽出方法を識別する情報の取得である。

また、評価部１３３は、２種類以上の各傾向推定方法と２種類以上の各要因要素抽出方法に対応する１以上の異なる時点の推定データを用いて、傾向推定方法と要因要素抽出方法の組み合わせ（組）を評価しても良い。評価部１３３は、例えば、傾向推定方法と要因要素抽出方法との組に対応する１以上の異なる時点の推定データと当該推定データの時刻に対応する要因要素別実データとを比較し、傾向推定方法と要因要素抽出方法との組ごとに、評価情報を取得し、２以上の評価情報を用いて、２以上の傾向推定方法と要因要素抽出方法との組を評価する。評価部１３３は、通常、２以上の評価情報のうち、最も良好な評価を示す評価情報に対応する組（傾向推定方法と要因要素抽出方法との組）を決定する。要因要素抽出方法の決定とは、例えば、組を識別する情報の取得である。

出力部１４は、各種の情報を出力する。ここで、出力とは、他の処理（例えば、評価部１３３）への引き渡し、記録媒体への蓄積、ディスプレイへの表示、他の装置への送信など。

推定データ出力部１４１は、要因要素別の１以上の推定データを出力する。推定データ出力部１４１は、要因要素抽出方法ごと、要因要素別に、１以上の推定データを出力しても良い。推定データ出力部１４１は、例えば、１以上の推定データを評価部１３３に渡す。

通知部１５は、評価部１３３が取得した評価情報を予め決められた通知先に通知する。通知先を示す情報である通知先情報は、格納部１１に格納されている。通知先情報は、例えば、メールアドレス、電話番号、ＦＡＸ番号、通知ソフトウェアに管理されているＩＤ等である。

通知部１５は、要因要素によって、異なる通知先に評価情報を通知することは好適である。かかる場合、例えば、要因要素を識別する要因要素識別子と通知先情報との組が格納部１１に格納されている。

格納部１１、入力データ格納部１１１、および実データ格納部１１２は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

格納部１１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報（データ）が格納部１１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部１１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部１１等で記憶されるようになってもよい。

処理部１３、要因要素抽出部１３１、推定用モデリング部１３２、および評価部１３３は、通常、ＭＰＵやメモリ等から実現され得る。処理部１３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。

出力部１４、推定データ出力部１４１は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力部１４等は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。

通知部１５は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。

次に、分析装置１の第一の動作について、図２のフローチャートを用いて説明する。第一の動作は、要因要素抽出方法および傾向推定方法が一つである場合である。

（ステップＳ２０１）受付部１２は、入力データを受け付けたか否かを判断する。入力データを受け付けた場合はステップＳ２０２に行き、入力データを受け付けない場合はステップＳ２０３に行く。

（ステップＳ２０２）受付部１２は、ステップＳ２０１で受け付けた入力データを入力データ格納部１１１に蓄積する。ステップＳ２０１に戻る。

（ステップＳ２０３）処理部１３は、入力データ格納部１１１の時系列入力データの評価のタイミングであるか否かを判断する。評価のタイミングである場合はステップＳ２０４に行き、評価のタイミングでない場合はステップＳ２０１に戻る。なお、評価のタイミングは問わない。例えば、処理部１３は、毎日の特定の時刻を評価のタイミングであると判断しても良いし、ユーザからの指示の受け付けにより、評価のタイミングであると判断しても良い。

（ステップＳ２０４）要因要素抽出部１３１は、入力データ格納部１１１から１以上の時系列入力データを取得する。１以上の時系列入力データは、通常、過去の時系列入力データである。

（ステップＳ２０５）要因要素抽出部１３１は、ステップＳ２０４で取得した１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列要因要素別データを取得する。かかる処理を要因要素抽出処理という。また、要因要素抽出処理は、例えば、ＳＶ法による。

（ステップＳ２０６）推定用モデリング部１３２は、カウンタｉに１を代入する。

（ステップＳ２０７）推定用モデリング部１３２は、ｉ番目の要因要素が存在するか否かを判断する。ｉ番目の要因要素が存在する場合はステップＳ２０８に行き、ｉ番目の要因要素が存在しない場合はステップＳ２１１に行く。なお、推定用モデリング部１３２は、要因要素抽出部１３１が取得した時系列要因要素別データから、ｉ番目の要因要素が存在するか否かを判断しても良いし、格納部１１に格納されている要因要素の識別子の集合からｉ番目の要因要素が存在するか否かを判断しても良いし、格納部１１に格納されている要因要素の数からｉ番目の要因要素が存在するか否かを判断しても良い。

（ステップＳ２０８）推定用モデリング部１３２は、ｉ番目の要因要素に対応する時系列要因要素別データから、１以上の推定データを取得する。推定用モデリング部１３２は、例えば、ＡＲＩＭＡモデルを用いて、１以上の推定データを取得する。

（ステップＳ２０９）推定用モデリング部１３２は、ステップＳ２０８で取得した１以上の推定データを、格納部１１に、少なくとも一時蓄積する。

（ステップＳ２１０）推定用モデリング部１３２は、カウンタｉを１、インクリメントする。ステップＳ２０７に戻る。

（ステップＳ２１１）評価部１３３は、カウンタｊに１を代入する。

（ステップＳ２１２）評価部１３３は、ｊ番目の要因要素が存在するか否かを判断する。ｊ番目の要因要素が存在する場合はステップＳ２１３に行き、ｊ番目の要因要素が存在しない場合はステップＳ２０１に戻る。

（ステップＳ２１３）評価部１３３は、ｊ番目の要因要素に対応する１以上の要因要素別実データを実データ格納部１１２から取得する。また、評価部１３３は、ｊ番目の要因要素に対応する１以上の推定データを格納部１１から取得する。

（ステップＳ２１４）評価部１３３は、ステップＳ２１３で取得した１以上の要因要素別実データと１以上の推定データとを用いて評価し、評価情報を取得する。具体的には、評価部１３３は、例えば、１以上の各推定データと当該各推定データの時刻に対応する１以上の各要因要素別実データとを比較し、１以上の比較結果を取得する。評価部１３３は、例えば、１以上の比較結果を用いて、評価情報を取得する。なお、比較結果は、例えば、差である。評価情報は、例えば、１以上の比較結果をパラメータとして算出される値である。評価情報は、例えば、１以上の比較結果を加算した値、平均値、中央値等である。

（ステップＳ２１５）通知部１５は、ｊ番目の要因要素に対応する通知先情報を格納部１１から取得する。

（ステップＳ２１６）通知部１５は、ステップＳ２１５で取得した通知先情報が示す通知先に、ステップＳ２１４で取得した評価情報を送信する。

（ステップＳ２１７）評価部１３３は、カウンタｊを１、インクリメントする。ステップＳ２１２に戻る。

なお、図２のフローチャートにおいて、１以上の要因要素別の評価情報は一の通知先に送信されても良い。

また、図２のフローチャートにおいて、実データ格納部１１２には、予め１以上の時系列要因要素別実データが格納されていた。しかし、実データ格納部１１２の時系列要因要素別実データは、受付部１２が受け付けた入力データから要因要素抽出部１３１が取得した情報でも良い。なお、受付部１２が受け付けた入力データは、センサによる取得と時間的な遅延が少なく、例えば、概ねリアルタイムで受け付けられたデータであることは好適である。

さらに、図２のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

次に、分析装置１の第二の動作について、図３のフローチャートを用いて説明する。第二の動作は、要因要素抽出方法および傾向推定方法が２以上である場合である。また、図３のフローチャートにおいて、図２のフローチャートと同一のステップについて、その説明を省略する。

（ステップＳ３０１）要因要素抽出部１３１は、カウンタｉに１を代入する。

（ステップＳ３０２）要因要素抽出部１３１は、ｉ番目の要因要素抽出方法が存在するか否かを判断する。ｉ番目の要因要素抽出方法が存在すればステップＳ２０５、ｉ番目の要因要素抽出方法が存在しなければステップＳ３０８に行く。

（ステップＳ３０３）推定用モデリング部１３２は、カウンタｊに１を代入する。

（ステップＳ３０４）推定用モデリング部１３２は、ｊ番目の要因要素が存在するか否かを判断する。ｊ番目の要因要素が存在する場合はステップＳ３０５に行き、ｊ番目の要因要素が存在しない場合はステップＳ３１７に行く。

（ステップＳ３０５）推定用モデリング部１３２は、カウンタｋに１を代入する。

（ステップＳ３０６）推定用モデリング部１３２は、ｋ番目の傾向推定方法が存在するか否かを判断する。ｋ番目の傾向推定方法が存在すればステップＳ２０９に行き、ｋ番目の傾向推定方法が存在しなければステップＳ３１６に行く。

（ステップＳ３０７）推定用モデリング部１３２は、カウンタｋを１、インクリメントする。ステップＳ３０６に戻る。

（ステップＳ３０８）評価部１３３は、カウンタｌに１を代入する。

（ステップＳ３０９）評価部１３３は、ｌ番目の組（要因要素抽出方法と傾向推定方法の組）が存在するか否かを判断する。ｌ番目の組が存在する場合はステップＳ３１０に行き、存在しない場合はステップＳ３１４に行く。

（ステップＳ３１０）評価部１３３は、カウンタｍに１を代入する。

（ステップＳ３１１）評価部１３３は、ｍ番目の要因要素が存在するか否かを判断する。ｍ番目の要因要素が存在すればステップＳ２１３に行き、存在しなければステップＳ３１３に行く。

（ステップＳ３１２）評価部１３３は、カウンタｍを１、インクリメントする。ステップＳ３１１に戻る。

（ステップＳ３１３）評価部１３３は、カウンタｌを１、インクリメントする。ステップＳ３０９に戻る。

（ステップＳ３１４）評価部１３３は、ステップＳ２１４における評価の結果が最も良い組を検出する。

（ステップＳ３１５）通知部１５は、格納部１１の通知先情報が示す通知先に、最も良い組の評価情報を送信する。ステップＳ２０１に戻る。

（ステップＳ３１６）推定用モデリング部１３２は、カウンタｊを１、インクリメントする。ステップＳ３０４に戻る。

（ステップＳ３１７）要因要素抽出部１３１は、カウンタｉを１、インクリメントする。ステップＳ３０２に戻る。

なお、図３のフローチャートにおいて、要因要素抽出方法または傾向推定方法のどちらかの数が１でも良い。

また、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

以下、本実施の形態における分析装置１の具体的な動作例について説明する。

今、分析装置１の入力データ格納部１１１には、図４に示すような４つの時系列入力データが格納されている、とする。４つの時系列入力データは、傾斜面日射量（ＨＡｇ）、アレイ出力電力量（ＥＡ）、システム出力電力量（ＥＰ）、気温（ＴＡ）の時系列入力データである。なお、４つの時系列入力データは、受付部１２がセンサから受信し、蓄積したデータである。また、４つの時系列入力データは、ｎ日分（ｎは１以上の自然数）の時系列入力データである、とする。さらに、４つの時系列入力データを構成する各入力データは、日付時刻（Ｄａｔｅ）と対応付いている。なお、時系列入力データの取得日は、２０１４／５／１以降のｎ日分であった、とする。

そして、処理部１３は、時系列入力データの評価のタイミングである、と判断した、とする。

次に、要因要素抽出部１３１は、図４の４つの時系列入力データを取得する。次に、要因要素抽出部１３１は、取得した４つの時系列入力データを要因要素別に分解し、例えば、Ｎ（Ｎは２以上の自然数）の各要因要素別の時系列要因要素別データを取得した、とする。Ｎの要因要素は、日陰損失、直流回路損失、負荷整合等損、インバーター損失等である、とする。時系列要因要素別データの例は、図５である。図５の時系列要因要素別データに対応する時刻情報が有する日付情報は、２０１４／５／１以降のｎ日分である。

次に、推定用モデリング部１３２は、３つの各傾向推定方法を用いて、要因要素別に時系列要因要素別データを用いて、異なる時点の１以上の推定データを取得する。異なる時点の１以上の推定データは、例えば、2014/7/1以降のｎ日分の推定データである。なお、第一の傾向推定方法は、例えば、ＡＲＩＭＡモデルを用いる方法である。第二の傾向推定方法は、例えば、回帰分析を用いる方法である。第三の傾向推定方法は、ベイズ推定またはマップ推定法を用いる方法である。なお、ベイズ推定、マップ推定法は公知技術であるので、詳細な説明を省略する。また、第二、第三の傾向推定方法は、その他の時系列データの解析手法である。そして、推定用モデリング部１３２は、第一の傾向推定方法により、図６の要因要素別の推定データを得た、とする。また、推定用モデリング部１３２は、第二の傾向推定方法により１以上の推定データを得、第三の傾向推定方法により１以上の推定データを得た、とする。

次に、分析装置１は、実データ格納部１１２に2014/7/1以降ｎ日分の要因要素別の１以上の要因要素別実データを蓄積した、とする。かかる要因要素別実データの例は、図７である。

次に、評価部１３３は、図８の概念図に示すように、過去ｎ日分の入力データから分離した要因要素別の損失係数と推定用モデリング部ｍ（ｍは、１、２、または３）で抽出した過去ｎ日分の要因要素別の損失係数との差を算出し、推定用モデリング部（傾向推定方法）ごとの評価情報を得る。ここで、評価情報は、例えば、平均二乗誤差（ＲＭＳＥ）である。

そして、評価部１３３は、例えば、推定用モデリング部１から３が取得した３つの評価情報を比較し、最も小さい値の評価情報を得た推定用モデリング部（傾向推定方法）を採用する。なお、図８において、複数の推定用モデリング部が存在することは、一の推定用モデリング部１３２が複数の傾向推定方法を実行できることと同意義である。

なお、評価情報は、最も優れた傾向推定方法の情報を含んでも良い。また、評価情報は、通知部１５により通知されても良い。

以上、本実施の形態によれば、異なる時点の時系列データを推定できる。その結果、太陽光発電システムにおいて、概ねリアルタイムな故障検知等が可能になる。

また、本実施の形態によれば、太陽光発電システムにおいて、内在する損失量の変動が見えるため、特に、出力低下がみられる場合に、それが単なる経年変化なのか、何らかの異常なのかを知ることができる。

なお、本実施の形態において、受付部１２が現在の時系列の入力データを受け付け、当該時系列の入力データから要因要素抽出部１３１が１以上の時系列要因要素別実データを取得し、当該１以上の時系列要因要素別実データと、過去の１以上の時系列入力データから要因要素抽出部１３１および推定用モデリング部１３２により取得された要因要素別の１以上の推定データとから、評価部１３３が評価情報を取得し、当該評価情報を用いて、概ねリアルタイムな故障検知を行っても良い。つまり、評価部１３３は、上記の処理により取得した評価情報が予め決められた条件を満たすほど低い評価を示す情報であると判断した場合、出力部１４が故障である旨を出力したり、通知部１５が適切な通知先に通知したりすること等により、ユーザに故障を知らせることが好適である。

さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータがアクセス可能な記録媒体は、太陽光発電システムに関する１種類以上の各センサにより取得された１種類以上の入力データの時系列データまたは当該時系列データを加工した加工時系列データである１以上の時系列入力データが格納される入力データ格納部を具備し、コンピュータを、前記１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する要因要素抽出部と、前記２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する推定用モデリング部と、前記要因要素別の１以上の推定データを出力する推定データ出力部として機能させるためのプログラムである。

上記プログラムにおいて、前記記録媒体は、前記１以上の推定データの時刻に対応する時刻の２以上のデータの集合であり、１以上の時系列入力データを要因要素別に分解して得られた２以上の要因要素別実データの集合であり、時系列データである１以上の時系列要因要素別実データが、要因要素別に格納される実データ格納部をさらに具備し、コンピュータを、要因要素別に、前記１以上の時系列要因要素別実データが有する１以上の各要因要素別実データと当該各要因要素別実データの時刻に対応する１以上の各推定データとを比較し、比較の結果である評価情報を取得する評価部として、さらに機能させるプログラムあることは好適である。

上記プログラムにおいて、前記推定用モデリング部は、前記２以上の各要因要素のうち、少なくとも一の要因要素に対して、２種類以上の傾向推定方法を用いて、前記一の要因要素の時系列要因要素別データから、傾向推定方法ごとに１以上の異なる時点の推定データを取得するものとして、コンピュータを機能させるプログラムあることは好適である。

上記プログラムにおいて、前記２種類以上の傾向推定方法のうち、一の傾向推定方法に対する指示を受け付ける受付部として、コンピュータをさらに機能させ、前記推定用モデリング部は、前記一の要因要素に対して、前記受付部が受け付けた指示に対する傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用するものとして、コンピュータを機能させるプログラムあることは好適である。

上記プログラムにおいて、前記推定方法評価部は、前記２種類以上の各傾向推定方法に対応する１以上の異なる時点の推定データを用いて、前記２種類以上の各傾向推定方法を評価し、前記推定用モデリング部は、前記一の要因要素に対して、前記推定方法評価部が最も良い評価をした傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用するものとして、コンピュータを機能させるプログラムあることは好適である。

上記プログラムにおいて、前記要因要素抽出部は、２以上の要因要素抽出方法を用いて、前記１以上の時系列入力データを要因要素別に分解し、要因要素抽出方法ごとに、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得し、前記推定用モデリング部は、前記２以上の各要因要素抽出方法ごとに、前記２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得し、前記推定データ出力部は、要因要素抽出方法ごと、要因要素別に、１以上の推定データを出力するものとして、コンピュータを機能させるプログラムあることは好適である。

上記プログラムにおいて、前記推定方法評価部が取得した評価情報を予め決められた通知先に通知する通知部として、さらに機能させるプログラムあることは好適である。

上記プログラムにおいて、前記通知部は、要因要素によって、異なる通知先に前記評価情報を通知するものとして、コンピュータを機能させるプログラムあることは好適である。

また、図９は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の分析装置１等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図９は、このコンピュータシステム３００の概観図であり、図１０は、システム３００のブロック図である。

図９において、コンピュータシステム３００は、例えば、ＣＤ−ＲＯＭドライブ３０１２を含むコンピュータ３０１と、キーボード３０２と、マウス３０３と、モニタ３０４とを含む。

図１０において、コンピュータ３０１は、ＣＤ−ＲＯＭドライブ３０１２に加えて、ＭＰＵ３０１３と、ＭＰＵ３０１３、ＣＤ−ＲＯＭドライブ３０１２に接続されたバス３０１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３０１５と、ＭＰＵ３０１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３０１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３０１７とを含む。ここでは、図示しないが、コンピュータ３０１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。

コンピュータシステム３００に、上述した実施の形態の分析装置１等の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３１０１に記憶されて、ＣＤ−ＲＯＭドライブ３０１２に挿入され、さらにハードディスク３０１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３０１に送信され、ハードディスク３０１７に記憶されても良い。プログラムは実行の際にＲＡＭ３０１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３１０１またはネットワークから直接、ロードされても良い。

プログラムは、コンピュータ３０１に、上述した実施の形態の分析装置１等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３００がどのように動作するかは周知であり、詳細な説明は省略する。

なお、上記プログラムにおいて、情報を通知するステップなどでは、ハードウェアによって行われる処理、例えば、通知ステップにおける無線モジュールなどで行われる処理（ハードウェアでしか行われない処理）は含まれない。

また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。

また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。

また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。

本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。

以上のように、本発明にかかる分析装置は、異なる時点の時系列データを推定できるという効果を有し、太陽光発電システムにおける故障診断装置等として有用である。

１ 分析装置
１１ 格納部
１２ 受付部
１３ 処理部
１４ 出力部
１５ 通知部
１１１ 入力データ格納部
１１２ 実データ格納部
１３１ 要因要素抽出部
１３２ 推定用モデリング部
１３３ 評価部
１４１ 推定データ出力部

Claims (12)

1. 太陽光発電システムに関する１種類以上の各センサにより取得された１種類以上の入力データの時系列データまたは当該時系列データを加工した加工時系列データである１以上の時系列入力データが格納される入力データ格納部と、
   前記１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する要因要素抽出部と、
   前記２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する推定用モデリング部と、
   前記要因要素別の１以上の推定データを出力する推定データ出力部とを具備する分析装置。
2. 前記１以上の推定データの時刻に対応する時刻の２以上のデータの集合であり、１以上の時系列入力データを要因要素別に分解して得られた２以上の要因要素別実データの集合であり、時系列データである１以上の時系列要因要素別実データが、要因要素別に格納される実データ格納部と、
   要因要素別に、前記１以上の時系列要因要素別実データが有する１以上の各要因要素別実データと当該各要因要素別実データの時刻に対応する１以上の各推定データとを比較し、比較の結果である評価情報を取得する評価部とをさらに具備する請求項１記載の分析装置。
3. 前記推定用モデリング部は、
   前記２以上の各要因要素のうち、少なくとも一の要因要素に対して、２種類以上の傾向推定方法を用いて、前記一の要因要素の時系列要因要素別データから、傾向推定方法ごとに１以上の異なる時点の推定データを取得する請求項２記載の分析装置。
4. 前記２種類以上の傾向推定方法のうち、一の傾向推定方法に対する指示を受け付ける受付部をさらに具備し、
   前記推定用モデリング部は、
   前記一の要因要素に対して、前記受付部が受け付けた指示に対する傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用する請求項３記載の分析装置。
5. 前記評価部は、
   前記２種類以上の各傾向推定方法に対応する１以上の異なる時点の推定データを用いて、前記２種類以上の各傾向推定方法を評価し、
   前記推定用モデリング部は、
   前記一の要因要素に対して、前記評価部が最も良い評価をした傾向推定方法を用いて取得した１以上の異なる時点の推定データを採用する請求項３記載の分析装置。
6. 前記要因要素抽出部は、
   ２以上の要因要素抽出方法を用いて、前記１以上の時系列入力データを要因要素別に分解し、要因要素抽出方法ごとに、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得し、
   前記推定用モデリング部は、
   前記２以上の各要因要素抽出方法ごとに、前記２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得し、
   前記推定データ出力部は、
   要因要素抽出方法ごと、要因要素別に、１以上の推定データを出力する請求項１から請求項５いずれか一項に記載の分析装置。
7. 前記評価部が取得した評価情報を予め決められた通知先に通知する通知部をさらに具備する請求項１から請求項５いずれか一項に記載の分析装置。
8. 前記通知部は、
   要因要素によって、異なる通知先に前記評価情報を通知する請求項７記載の分析装置。
9. 前記入力データは、
   日射量、気温、太陽光発電システムへの入力量、および太陽光発電システムの出力量のうちの１種類以上の情報である請求項１から請求項８いずれか一項に記載の分析装置。
10. 前記２以上の要因要素は、陰の影響、汚れの影響、インバーターの影響のうちのいずれか２以上である請求項１から請求項９いずれか一項に記載の分析装置。
11. 記録媒体は、
    太陽光発電システムに関する１種類以上の各センサにより取得された１種類以上の入力データの時系列データまたは当該時系列データを加工した加工時系列データである１以上の時系列入力データが格納される入力データ格納部を具備し、
    要因要素抽出部、推定用モデリング部、および推定データ出力部により実現される分析方法であって、
    前記要因要素抽出部が、前記１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する要因要素抽出ステップと、
    前記推定用モデリング部が、前記２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する推定用モデリングステップと、
    前記推定データ出力部が、前記要因要素別の１以上の推定データを出力する推定データ出力ステップとを具備する分析方法。
12. コンピュータがアクセス可能な記録媒体は、
    太陽光発電システムに関する１種類以上の各センサにより取得された１種類以上の入力データの時系列データまたは当該時系列データを加工した加工時系列データである１以上の時系列入力データが格納される入力データ格納部を具備し、
    コンピュータを、
    前記１以上の時系列入力データを要因要素別に分解し、２以上の各要因要素別の時系列データである２以上の時系列要因要素別データを取得する要因要素抽出部と、
    前記２以上の各時系列要因要素別データから、要因要素別に、１以上の異なる時点の推定データを取得する推定用モデリング部と、
    前記要因要素別の１以上の推定データを出力する推定データ出力部として機能させるためのプログラム。