JP2012203875A - Yield estimation device and computer program - Google Patents
Yield estimation device and computer programDownload PDFInfo
- Publication number
- JP2012203875A JP2012203875AJP2011071002AJP2011071002AJP2012203875AJP 2012203875 AJP2012203875 AJP 2012203875AJP 2011071002 AJP2011071002 AJP 2011071002AJP 2011071002 AJP2011071002 AJP 2011071002AJP 2012203875 AJP2012203875 AJP 2012203875A
- Authority
- JP
- Japan
- Prior art keywords
- candidate
- yield
- data
- database
- candidate site
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Landscapes
- Cultivation Of Seaweed (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Translated fromJapaneseDescription
Translated fromJapanese本発明は、有用生物、たとえば藻類を生産する際の収量を予測する技術に関する。 The present invention relates to a technique for predicting yield when producing useful organisms such as algae.
微細な藻類を培養して活用する技術は古くからあるが、近年では燃料へ変換するという技術が確立してきた。
藻類を含有した健康食品などの場合には、付加価値を高める製品製造が可能であり、それゆえ高コストな培養が許容できる。
しかし、藻類燃料化を商業として成立させるには、大幅な効率化が必要である。 競合する石油資源などの既存燃料の価格が比較対象となるため、藻類の培養は数キロ平方メートルの培養池といった大規模生産によらなければ経済的に成り立たず、かつエネルギ収支も向上させることができない。
したがって、藻類を燃料化するプラント運営には、低コスト・低エネルギとなる設計および運転が求められている。Technology for culturing and utilizing fine algae has been around for a long time, but in recent years, technology for conversion to fuel has been established.
In the case of health foods containing algae, it is possible to produce a product with increased added value, and therefore high-cost culture is acceptable.
However, in order to establish algal fuel conversion as a commercial product, significant efficiency improvement is necessary. Since the prices of competing petroleum resources and other existing fuels are to be compared, algae culture can only be achieved economically by large-scale production, such as a culture tank of several kilos square meters, and the energy balance cannot be improved. .
Therefore, design and operation with low cost and low energy are required for plant operation for converting algae into fuel.
田畑での食用植物培養における生産性は、栽培地ごとに大きな差はない。例えば寒冷地で一毛作、温暖地で二毛作といった程度である。
しかし、藻類の生育は、数日から一週間程度にて一回の収穫が可能であるため、年間数十回の収穫を行うこととなる。 また、藻類の種類に応じて最適水温は異なるものの、水温に大きく依存することが判明している。
したがって、水温条件が、生産収量と生産した燃料価格に大きな影響を与えることとなる。Productivity in edible plant culture in the field does not differ greatly between the cultivation areas. For example, a single-crop production in cold regions and a double-crop production in warm regions.
However, since the growth of algae can be harvested once in a few days to a week, it is harvested several tens of times a year. Moreover, although the optimum water temperature differs depending on the type of algae, it has been found that it depends greatly on the water temperature.
Therefore, the water temperature condition has a great influence on the production yield and the price of the produced fuel.
さて、培養に用いる水の水温は、生産拠点との相関関係が高い。水温を調整しなければならないとなると、そのためのエネルギが必要となってしまい、生産コストが上昇してしまう。
よって、最適な水温が得られない生産拠点を選択してしまうと、生産効率が低下し、経済的に成り立たなくなってしまうおそれがある。 当該生産拠点にて得られる水温に適した藻類の選択によって、ある程度の調整は可能であるが、その調整にも限界があるためである。Now, the temperature of the water used for culture has a high correlation with the production base. If the water temperature has to be adjusted, energy for that is required, and the production cost increases.
Therefore, if a production base where the optimum water temperature cannot be obtained is selected, the production efficiency may be reduced, and it may not be economically viable. This is because a certain degree of adjustment is possible by selecting algae suitable for the water temperature obtained at the production base, but the adjustment is also limited.
さて、本願に関連する先行技術としては、市場の農産物価格に応じて栽培する作物を決定する技術が、古くから開示されており、たとえば、特許文献１には、農業経営支援システムが開示されている。
また、特許文献２には、気象に応じて行うべき農作業をデータベースから選択して提示する技術が開示されている。
また、特許文献３には、微生物や植物を人工培養する際に培養環境を最適制御するための技術が開示されている。As a prior art related to the present application, a technique for determining a crop to be cultivated according to a market agricultural product price has been disclosed for a long time. For example,
生産性の低い培養地点では、培養池面積や付随するコストが膨らんでしまう。したがって、コスト対効果を可能な限り正確に予測しなければならない。
すなわち、有用生物の生産性に関する予測、更には立地・建設予算などの燃料生産事業計画を策定には、最適な水温が得られそうな有用生物の生産地を想定しての生産シミュレーションが必要である。
しかし、前述した特許文献１〜３に開示された技術またはそれらを応用する技術では、有用生物に関する生産シミュレーションは行えない。At culture points where productivity is low, the culture pond area and associated costs increase. Therefore, cost effectiveness must be predicted as accurately as possible.
In other words, in order to predict the productivity of useful organisms, and to formulate a fuel production business plan such as location and construction budget, it is necessary to carry out production simulations assuming the production sites of useful organisms where the optimal water temperature can be obtained. is there.
However, the technology disclosed in
さて、有用生物のほとんどは、培養における水温に適正範囲が存在する。その一方、気温データは世界各地で測定されているが、海や湖を除き、その土地における水温を測定してデータを蓄積している例は極めて少ない。
そこで、本発明が解決すべき課題は、水温に生育が依存するという有用生物の特徴に合わせた、生産を予測する技術を提供することにある。
Now, most useful organisms have an appropriate range for the water temperature in culture. On the other hand, temperature data is measured in various parts of the world, but there are very few examples of accumulating data by measuring the water temperature in the land except for the sea and lakes.
Therefore, the problem to be solved by the present invention is to provide a technique for predicting production in accordance with the characteristics of useful organisms whose growth depends on the water temperature.
（第一の発明）
第一の発明は、有用生物を培養する候補地における藻類培養によるエネルギ収量を予測するための装置に係る。
すなわち、 有用生物を培養する候補地の過去の気温データを蓄積する候補地データベースと、 有用生物を培養する候補地における実測気温データを含む候補地気温等データを入力する候補地データ入力手段と、 その候補地気温等データおよび候補地データベースに蓄積されたデータを用いて候補地の予測水温を算出する候補地水温演算手段と、 有用生物における種類毎の収量および水温の関係をデータベース化して蓄積する生物育成データベースと、 その生物育成データベースおよび前記の予測水温を用いて有用生物の予想収量を演算する収量演算手段と、 その収量演算手段が演算した予想収量を出力する出力手段と、を備えた収量予測装置である。(First invention)
1st invention concerns on the apparatus for estimating the energy yield by algae culture in the candidate site which cultures useful organisms.
A candidate site database for storing past temperature data of candidate sites for culturing useful organisms, candidate site data input means for inputting data such as candidate site temperatures including measured temperature data at candidate sites for culturing useful organisms, Candidate ground water temperature calculation means for calculating the predicted water temperature of the candidate site using the candidate ground temperature data and the data accumulated in the candidate site database, and stores the relationship between yield and water temperature for each useful species in a database Yield comprising an organism growth database, a yield calculation means for calculating the expected yield of useful organisms using the organism growth database and the predicted water temperature, and an output means for outputting the expected yield calculated by the yield calculation means It is a prediction device.
（用語説明）
「有用生物」とは、培養に適した生物であって、エネルギ資源となる藻類などの生物、食品や食物となる生物、などである。いわゆる微生物も含まれる。
「候補地」とは、藻類の培養を行う予定地としての地名である。 気温の測定が年間を通して行われていることが望ましい。
「候補地の過去の気温データ」とは、たとえば、過去数年の記録から算出された月別の平均気温、前年度の記録から算出された月別の平均気温、などである。
「候補地データベース」とは、予めハードディスクなどの記録媒体に記録されたデータベースのほか、所定のデータをダウンロードして一時的にランダムアクセスメモリに記憶されているデータ群をも含む。(Glossary)
“Useful organisms” are organisms suitable for culturing, and include organisms such as algae that serve as energy resources, organisms that serve as food and food, and the like. So-called microorganisms are also included.
The “candidate place” is a place name as a planned place where the algae is cultured. It is desirable that temperature measurements be made throughout the year.
The “past temperature data of the candidate site” is, for example, the monthly average temperature calculated from the records of the past several years, the monthly average temperature calculated from the records of the previous year, and the like.
The “candidate site database” includes, in addition to a database previously recorded on a recording medium such as a hard disk, a data group in which predetermined data is downloaded and temporarily stored in a random access memory.
（作用）
候補地データベースには、有用生物を培養する候補地の過去の気温データを蓄積し、生物育成データベースには、有用生物における種類毎の収量および水温の関係をデータベース化して蓄積する。
候補地データ入力手段が、有用生物を培養する候補地における実測気温データを含む候補地気温等データを入力する。 そして、入力されたその候補地気温等データおよび候補地データベースに蓄積されたデータを用いて、候補地水温演算手段が候補地の予測水温を算出する。
前記の生物育成データベースおよび前記の予測水温を用いて、収量演算手段が予想収量を演算する。 演算した予想収量は、出力手段が出力する。
入力した候補地についての予想収量は、培養地の選定の参考データとして有用である。(Function)
In the candidate site database, past temperature data of candidate sites for culturing useful organisms is accumulated, and in the organism breeding database, the relationship between yield and water temperature for each type of useful organisms is stored as a database.
Candidate site data input means inputs data such as candidate site temperature including measured temperature data at a candidate site where useful organisms are cultured. Then, using the input candidate site temperature data and the data stored in the candidate site database, the candidate site water temperature calculation means calculates the predicted water temperature of the candidate site.
The yield calculation means calculates the expected yield using the organism growth database and the predicted water temperature. The calculated expected yield is output by the output means.
The expected yield for the input candidate site is useful as reference data for selection of the culture site.
（第一の発明のバリエーション）
第一の発明は、 太陽光発電装置と、 その太陽光発電装置によって発電される発電量を記録する発電量データベースとを備え、 前記の収量演算手段は、前記の発電量のデータをも用いて有用生物の予想収量を演算することとしてもよい。(Variation of the first invention)
The first invention comprises a solar power generation device and a power generation amount database for recording the power generation amount generated by the solar power generation device, and the yield calculation means also uses the power generation amount data. The expected yield of useful organisms may be calculated.
太陽光発電装置による発電量は、日照時間と相関関係がある。日照時間は、水温とともに有用性物の培養における収量に影響のあるデータであるので、発電量に関するデータ取得をすることによって、予想収量に関する精度の向上が期待できる。 The amount of power generated by the solar power generation device has a correlation with sunshine duration. The sunshine duration is data that affects the yield in the cultivation of useful substances together with the water temperature. Therefore, by obtaining data on the amount of power generation, it is possible to expect an improvement in accuracy related to the expected yield.
（第二の発明）
第二の発明は、 藻類を培養する候補地における藻類培養によるエネルギ収量を予測するためのコンピュータプログラムに係る。
そのプログラムは、 有用生物を培養する候補地の過去の気温データを候補地データベースに蓄積する候補地データ記憶手順と、 有用生物における種類毎の収量および水温の関係をデータベース化して生物育成データベースに蓄積する藻類育成データ記憶手順と、 有用生物を培養する候補地における実測気温データを含む候補地気温等データを入力する候補地データ入力手順と、 その候補地気温等データおよび候補地データベースに蓄積されたデータを用いて候補地の予測水温を算出する候補地水温演算手順と、 前記の生物育成データベースおよび前記の予測水温を用いて予想収量を演算する収量演算手順と、 その収量演算手順にて演算した予想収量を出力する出力手順と、 をコンピュータに実行させることとしたコンピュータプログラムである。(Second invention)
The second invention relates to a computer program for predicting the energy yield by algae culture in a candidate site for algae culture.
The program is a candidate site data storage procedure that accumulates past temperature data of candidate sites for cultivating useful organisms in the candidate site database, and stores the relationship between yield and water temperature for each type of useful organisms as a database and accumulates it in the organism breeding database. Stored in the candidate site data input procedure, the candidate site temperature input data including the measured temperature data including the measured temperature data at the candidate site where useful organisms are cultured, and the candidate site temperature data and the candidate site database. The candidate land water temperature calculation procedure for calculating the predicted water temperature of the candidate site using the data, the yield calculation procedure for calculating the predicted yield using the biological breeding database and the predicted water temperature, and the yield calculation procedure An output procedure for outputting the expected yield and a computer program that causes the computer to execute It is.
（第二の発明のバリエーション）
第二の発明は、以下のようにすることもできる。
すなわち、太陽光発電装置によって発電される発電量を発電量データベースに記録する発電量データ蓄積手順を備えることとし、 前記の収量演算手順では、発電量データベースに記録された発電量をも用いて有用生物の予想収量を演算することとする。(Variation of the second invention)
The second invention can also be performed as follows.
In other words, the power generation amount data storage procedure for recording the power generation amount generated by the solar power generation device in the power generation amount database is provided, and the yield calculation procedure described above is also useful using the power generation amount recorded in the power generation amount database. The expected yield of organisms will be calculated.
第二の発明は、ハードディスクやＤＶＤ−Ｒなどの記録媒体に保持させて提供することもできる。
また、通信回線を介してパーソナルコンピュータのハードディスクなどへ送信して提供することもできる。The second invention can also be provided by being held on a recording medium such as a hard disk or a DVD-R.
It can also be provided by being transmitted to a hard disk of a personal computer via a communication line.
本願発明によれば、水温に生育が依存するという有用生物の特徴に合わせた、生産を予測する技術を提供することができた。
According to the present invention, it was possible to provide a technique for predicting production in accordance with the characteristics of useful organisms whose growth depends on the water temperature.
以下、本発明を実施形態に基づいて更に詳しく説明する。ただし、本発明は、実施形態の態様に限られるものではない。
本実施形態は、気温から水温を予測し算出する手段と、各培養候補地の予測水温から藻類の予測生産量と予測コストを算出する演算装置であり、キーボードやマウスからなる入力装置、ＣＰＵ、記憶装置（ハードディスクドライブ、ランダムアクセスメモリ等）、出力ディスプレイ等から構成される計算機である。Hereinafter, the present invention will be described in more detail based on embodiments. However, the present invention is not limited to the embodiments.
The present embodiment is a computing device that predicts and calculates the water temperature from the air temperature, and an arithmetic device that calculates the predicted production amount and predicted cost of algae from the predicted water temperature of each culture candidate site. It is a computer composed of a storage device (hard disk drive, random access memory, etc.), an output display, and the like.
（図１）
図１は、本実施形態をブロック図としたものである。
ハードディスクドライブには、候補地データベースと藻類育成データベースとが、予め記録されている。
候補地データベースとは、藻類を育成する候補地の緯度、過去の月別平均気温などが候補地毎に記録されたものである。(Figure 1)
FIG. 1 is a block diagram of this embodiment.
A candidate site database and an algae breeding database are recorded in advance on the hard disk drive.
The candidate site database is recorded for each candidate site such as the latitude of the candidate site where the algae is grown and the past monthly average temperature.
藻類育成データベースとは、藻類毎に最適育成条件が記憶されたものである。複数の藻類を組み合わせた場合についても記録されている。 これは、培養実験を実行した結果に基づくデータであり、図３において一部を例示している。 The algae growth database is a database in which optimum growth conditions are stored for each algae. The case where a plurality of algae are combined is also recorded. This is data based on the result of executing the culture experiment, and a part thereof is illustrated in FIG.
候補地気温等データ入力手段とは、データ受信手段やキーボードなどの入力手段を用いて、候補地の地名を含むデータを入力する手段である。
データ受信手段は、所定のデータ提供サービスから所定のデータをダイレクトに受信する場合の他、インターネット上に公開されているデータベースからダウンロードする、という方法で入力する場合もある。 たとえば、天気予報データベースにおける直近の実測気温、実測水温などである。The candidate geothermal temperature data input means is means for inputting data including the place name of the candidate place using an input means such as a data receiving means or a keyboard.
The data receiving means may be inputted by a method of directly downloading predetermined data from a predetermined data providing service or downloading from a database published on the Internet. For example, the latest measured temperature, measured water temperature, etc. in the weather forecast database.
候補地水温演算手段とは、候補地気温等データ入力手段において入力された候補地において、藻類を培養する場合の水温を推定して演算する手段である。 具体的には、以下のような演算式による。
候補地の推定水温（ｎ） ＝ ａ × 気温（ｎ） ＋ ｂ × 緯度 ＋ 定数項・・・（式１）
上記の式において、「ｎ」は月番号を示すための変数である。The candidate ground water temperature calculating means is a means for estimating and calculating the water temperature when culturing algae at the candidate land input by the candidate ground temperature etc. data input means. Specifically, it is based on the following arithmetic expression.
Estimated water temperature of candidate site (n) = a × temperature (n) + b × latitude + constant term (Equation 1)
In the above formula, “n” is a variable for indicating the month number.
候補地水温演算手段にて候補地の推定水温が算出できたら、藻類育成データベースのデータを用いて、収量演算手段にて単位面積あたりの予測収量を演算する。 予測収量とともに、予測コスト（単位エネルギを生産するのに必要なコスト）を演算することとしても良い。 When the estimated water temperature of the candidate site water temperature can be calculated by the candidate ground water temperature calculating means, the predicted yield per unit area is calculated by the yield calculating means using the data of the algae growing database. Along with the predicted yield, a predicted cost (cost required to produce unit energy) may be calculated.
（図２）
図２に基づいて、図１に示した各構成がどのような手順にて藻類の予測生産量と予測コストを算出するかを説明する。
まず、図４（ａ）に示すような実測された過去５年ほどの平均気温および平均水温と、図４（ｂ）に示すような測定地の緯度データとを読み出し、上記の式１にて回帰分析し、係数ａおよびｂを算出する。(Figure 2)
Based on FIG. 2, it will be described in what procedure each configuration shown in FIG. 1 calculates the algae production and cost.
First, the actually measured average temperature and average water temperature for the past five years as shown in FIG. 4A and the latitude data of the measurement site as shown in FIG. Regression analysis is performed to calculate coefficients a and b.
データ入力手段にて入力された候補地の地名に該当する候補地の緯度、過去の平均気温などを候補地データベースから読み出す。
前記の式１および前ステップにて読み出した予測対象候補地の実測平均気温と緯度から、所定の月の予測水温値を算定し、図４（ｃ）に示す「予測水温」の欄へ算定値を記録する。 このステップを月別に繰り返し、更に、候補地名ごとに繰り返して予測水温を算出し、記録する。The latitude of the candidate site corresponding to the place name of the candidate site input by the data input means, the past average temperature, and the like are read from the candidate site database.
A predicted water temperature value for a predetermined month is calculated from the actual average temperature and latitude of the prediction target candidate site read out in the above-described
式１においては、気温と緯度を回帰分析の説明変数としたが、これに加えて標高、日射量、湿度などを設定してもよい。また、回帰分析に限らず、ベイス統計モデル等の予測手法を用いてもよい。
また、過去の実測の気象時系列データ等をハードディスクに予め記録し、将来の気象データを図示しない手段が推定して算出し、実測値の代わりに利用してもよい。
更に、候補地の実測気象データが入手できない場合には、近傍地点の気象データを距離にて加重平均する、といった手法で候補地の気象データを推定して算出してもよい。In
Alternatively, past weather time series data or the like measured in the past may be recorded in advance on a hard disk, and future weather data may be estimated and calculated by means not shown, and used instead of the actually measured values.
Further, when the actual weather data of the candidate site cannot be obtained, the weather data of the candidate site may be estimated and calculated by a method such as weighted averaging of the weather data of neighboring points by distance.
（図３・培養実験とその記録）
藻類における所定の株を選択して培養実験を実行する。その際に選択した株、培養時の平均水温、培地条件、二酸化炭素の添加量、熱量係数[kWh/kg]、面積あたり生産量である生産性[kg/平方メートル/日]等について、図３に示すようなデータベースへ記録する。 ここで、組合せ番号は、ひとつの実験結果の培養条件のセット番号を示す。
実験結果は、当該気温等の培養条件で最も生産性が高い藻選択の結果を記録することが望ましい。 続いて、面積あたり生産量である生産性[kg/平方メートル/日]を算出し、データベースへ記録する。なお、生産性算出に必要なデータは、算出係数などとして事前に入力し、ハードディスク内に記録しておく。(Figure 3. Culture experiment and its record)
A predetermined strain in algae is selected and a culture experiment is performed. Figure 3 shows the strains selected at that time, the average water temperature during cultivation, the medium conditions, the amount of carbon dioxide added, the calorific coefficient [kWh / kg], the productivity per unit area [kg / square meter / day], etc. Record in the database as shown in. Here, the combination number indicates the set number of the culture condition of one experimental result.
As the experimental result, it is desirable to record the result of selection of the algae having the highest productivity under the culture conditions such as the temperature. Subsequently, productivity [kg / square meter / day], which is the production amount per area, is calculated and recorded in the database. Data necessary for productivity calculation is input in advance as a calculation coefficient and recorded in the hard disk.
なお、培養実験に際して、日射量も測定しておいてハードディスク内に記録し、候補地日射量のデータを候補地データベースに追加して記録し、生産性を補正してもよい。 例えば、
生産性 ＝ ｃ × 水温 ＋ ｄ × 日射量 ＋ 定数項
として、前記の培養データから回帰分析等によってｃ、ｄといった係数を算出する。
そして、そのうえで、生産性の値を候補地予測水温と候補地日射量とから算出し、より正確な推定値の演算に利用することとしてもよい。In the culture experiment, the amount of solar radiation may be measured and recorded in the hard disk, and the data of the candidate solar radiation amount may be added to the candidate site database and recorded to correct the productivity. For example,
Coefficients such as c and d are calculated from the above culture data by regression analysis or the like as productivity = c × water temperature + d × irradiation amount + constant term.
Then, the productivity value may be calculated from the candidate site predicted water temperature and the candidate amount of solar radiation, and used for calculating a more accurate estimated value.
（図４）
図４（ａ）には、候補地名（測定地名）と、月別の実測平均気温と、月別の実測平均水温とを表に示している。実測平均気温とは、過去数年の記録を用いる。 この表のデータについては、データベースに記録する。
図４（ｂ）には、候補地名（地域名）とその緯度とを表にしている。 水温の実測値がない場合に、予測水温を算出するためのデータとして用いる。(Fig. 4)
FIG. 4A shows a table of candidate place names (measurement place names), monthly measured average temperatures, and monthly measured average water temperatures. The measured average temperature uses records from the past several years. The data in this table is recorded in the database.
FIG. 4B shows a table of candidate place names (region names) and their latitudes. This is used as data for calculating the predicted water temperature when there is no actual measured value of the water temperature.
図４（ｃ）には、候補地名と月別の実測平均気温とを表に示している。 水温の実測値がなかった場合については、実測平均気温を用いて、予測水温を算出し、データベースに記録する。 FIG. 4C shows the candidate place names and the monthly measured average temperatures in a table. When there is no measured value of the water temperature, the predicted water temperature is calculated using the measured average temperature and recorded in the database.
（図５）
図５には、ディスプレイに出力される画面において、選択または入力すべきデータを入力した例、および年間生産量とエネルギコストとを演算して出力した例を示している。
選択または入力すべきデータとは、候補地の選択、培養池条件の選択、二酸化炭素の添加量の選択、および培養池の面積の入力である。(Fig. 5)
FIG. 5 shows an example in which data to be selected or input is input on the screen output to the display, and an example in which the annual production amount and the energy cost are calculated and output.
The data to be selected or input includes selection of candidate sites, selection of culture pond conditions, selection of the amount of carbon dioxide added, and input of the area of the culture pond.
前記の選択または入力すべきデータを入力した後、計算開始のボタンをクリックすると、画面の下側に年間生産量とエネルギコストとを演算して出力する。 エネルギコストの単位が「円／キロワット」となっているのは、培養池の面積が様々であるため、効率を比較する単位としたのである。 When the calculation start button is clicked after inputting the data to be selected or input, the annual production amount and the energy cost are calculated and output on the lower side of the screen. The unit of the energy cost is “yen / kilowatt” because the area of the culture pond is various, so that the efficiency is compared.
（図６）
図６には、前述したデータの選択または入力と、年間生産量およびエネルギコストの演算の手順を示している。
データの選択または入力が終了すると、コンピュータは、それに基づいて選択された候補地選択の、Ｘ月の予測水温データを、ハードディスクの候補地データベースに予め記録されている候補地データから読み出す。 そして、藻類育成データベースの培養データから、条件選択かつ候補地のＸ月水温に最も近い組合せ番号を選択する。 当該の組合せ番号の生産性を読み出し、培養池面積と日数を乗じ、Ｘ月の生産量等を演算する。(Fig. 6)
FIG. 6 shows the procedure for selecting or inputting the data and calculating the annual production amount and the energy cost.
When the data selection or input is completed, the computer reads the predicted water temperature data for the month X selected for the candidate site selected based on the candidate site data recorded in advance in the candidate site database of the hard disk. Then, from the culture data in the algae breeding database, the condition number and the combination number closest to the X month water temperature of the candidate site is selected. Read the productivity of the combination number, multiply the culture pond area and the number of days, and calculate the production volume of X month.
すなわち、
月間生産量Ａ（ｎ） ＝ 培養池面積 × 生産性[kg/平方メートル/日] × 当該月の日数
として算出する。 そして、それを用いて、
年間生産量Ｂ（ｎ） ＝ Σn=１，１２（月間生産量Ａ（ｎ））
となる。That is,
Monthly production A (n) = culture pond area × productivity [kg / square meter / day] × calculated as the number of days in the month. And using it,
Annual production B (n) = Σn = 1,12 (Monthly production A (n))
It becomes.
（図７）
図７には、複数の候補地における年間生産量の比較を出力するための手順を示している。
候補地データが入力されると、候補地データベースから候補地のデータを読み出し、その年間生産量を図６に示した手順にて演算し、いったん記憶する。
候補地データベースに記録されている全ての候補地について、上記の年間生産量を演算する。そして、候補地ごとに画面出力する。(Fig. 7)
FIG. 7 shows a procedure for outputting a comparison of annual production amounts at a plurality of candidate sites.
When the candidate site data is input, the candidate site data is read out from the candidate site database, and the annual production volume is calculated according to the procedure shown in FIG.
The annual production amount is calculated for all candidate sites recorded in the candidate site database. The screen is output for each candidate site.
さらに、当該の生産量から算出される年間エネルギ生産量および培養条件等に従い、燃料生産における設備費用と運用費用を算定し、各月のエネルギコスト（費用[円]／エネルギ生産量[kWh]）を算定する。そして加重平均し、年間のエネルギコストを算出する。 In addition, according to the annual energy production and cultivation conditions calculated from the production, the facility and operation costs for fuel production are calculated, and the monthly energy cost (cost [yen] / energy production [kWh]) Is calculated. The weighted average is then calculated to calculate the annual energy cost.
生産コストの一部である設備費用については、たとえば培養池の建設費は、培養池面積に比例するモデルを考える。
また、運用コストの一部である二酸化炭素添加用のポンプの運転費用は、培養池面積および二酸化炭素の添加量に比例する。したがって、それぞれを算定し、年間原価償却費用や年間金利等を算定し積算してよい。As for the equipment cost which is a part of the production cost, for example, a model in which the construction cost of the culture pond is proportional to the culture pond area is considered.
In addition, the operation cost of the carbon dioxide addition pump, which is part of the operation cost, is proportional to the culture pond area and the amount of carbon dioxide added. Therefore, it is possible to calculate each and calculate the annual cost amortization expense, annual interest rate, etc. and add them up.
具体的には、たとえば以下の通りである。
建設費 ＝ 培養池面積×定数Ｂ（定数Ｂは、面積あたりの建設費を表す係数）
年間原価償却費用Ｃ ＝ 建設費 × 原価償却率
と算定する。Specifically, for example, it is as follows.
Construction cost = culture pond area x constant B (constant B is a coefficient representing construction cost per area)
Annual cost amortization cost C = Construction cost × Cost amortization rate.
また、他の運転費用については、培養において必要とする栄養源購入費用は培地条件と培養池面積に比例し、 遠心分離といった藻類回収費用は生産量等に比例し、 温風乾燥といった藻類燃料化費用は生産量等に比例する。
それらを勘案して算定し、積算すればよい。As for other operating costs, the purchase cost of nutrient sources required for cultivation is proportional to the medium conditions and the culture pond area, the algae recovery cost such as centrifugation is proportional to the production volume, etc. Cost is proportional to production volume.
Calculate and take these into account.
藻類の培養が終了した後の回収費用については、たとえば、
月間藻類回収費用Ｄ（ｎ） ＝ 月間生産量Ａ（ｎ） × 定数Ｅ（定数Ｅは重量あたりの回収費を表す係数）
と算定する。Regarding the collection cost after the cultivation of algae is completed, for example,
Monthly algae collection cost D (n) = monthly production A (n) x constant E (constant E is a coefficient representing the collection cost per weight)
Calculate.
前記にて算出した年間原価償却費用と合わせ、
月間費用Ｆ（ｎ） ＝ 年間原価償却費用Ｃ／12 ＋ 月間藻類回収費用Ｄ（ｎ）
によって、月間費用Ｆ（ｎ）を算出する。Combined with the annual depreciation expense calculated above,
Monthly cost F (n) = Annual cost amortization cost C / 12 + Monthly algae collection cost D (n)
To calculate the monthly cost F (n).
この月間費用Ｆ（ｎ）を、加重し
年間費用加重 ＝ Σn=１，１２（月間費用Ｆ（ｎ）×月間生産量Ａ（ｎ））
として算出してもよい。This monthly cost F (n) is weighted and annual cost weighted = Σn = 1,12 (monthly cost F (n) x monthly production A (n))
May be calculated as
年間のエネルギ生産量は、たとえば、
年間のエネルギ生産量Ｆ ＝ Σn=１，１２（月間生産量Ａn×熱量係数Ｇn）
（ただし、熱量定数Ｇは、記録データから読み出した重量あたりの熱量を表す係数）
と算定してもよい。The annual energy production is, for example,
Annual energy production F = Σn = 1,12 (Monthly production An x Heat quantity coefficient Gn)
(However, the calorie constant G is a coefficient representing the calorie per weight read from the recorded data)
May be calculated.
また、年間費用については、以下のように加重平均を算出しておく。
年間費用加重平均 ＝ 年間費用加重／年間生産量
その上で、
エネルギコスト ＝ 年間費用加重平均／年間のエネルギ生産量Ｆ
とすることによって、エネルギコスト[円/kWh]を算定してもよい。For annual expenses, the weighted average is calculated as follows.
Annual cost weighted average = Annual cost weighted / Annual production
Energy cost = annual cost weighted average / annual energy production F
By doing so, the energy cost [yen / kWh] may be calculated.
エネルギコストについては、生産したエネルギ（燃料）の消費地までが遠い場合には、燃料の運搬コストが無視できなくなる。
その場合、候補地データに消費地までの距離を入力してハードディスクに記録しておき、生産した燃料を消費地まで運搬するための運用費を距離データと生産量から算定して積算するとよい。As for the energy cost, if the produced energy (fuel) is far from the place of consumption, the fuel transportation cost cannot be ignored.
In that case, the distance to the consumption place is input to the candidate place data and recorded on the hard disk, and the operation cost for transporting the produced fuel to the consumption place is calculated from the distance data and the production amount and integrated.
燃料の運搬に限らず、培養から燃料化までが無人化できるわけではないので、人件費も必要コストとなる。 したがって、各地の人件費データも記録しておき、人件費を積算してもよい。
また、設備費用・運用費用想定については、ここまでに記載した事項に限らず、補正や追加の算定式を用いることで、より正確な見積もりとなる。Since not only transportation of fuel but also from cultivation to fuel conversion cannot be unmanned, labor costs are also necessary costs. Therefore, it is also possible to record personnel cost data for each location and accumulate the personnel cost.
In addition, the equipment cost / operating cost assumption is not limited to the items described so far, and a more accurate estimate can be made by using corrections and additional formulas.
（図８）
前述した候補地データベースに対して、世界各地の候補地データを予め記録しておいた場合には、図8に示すインタフェイス２からの利用者の操作に伴って、候補地ごとの生産量等を一括して演算させることができる。(Fig. 8)
If the candidate site data of various parts of the world has been recorded in advance in the candidate site database described above, the production amount for each candidate site, etc. in accordance with the user's operation from the
（図９）
図９（ａ）は、候補地名毎に、一年間の生産量の予測値（トン／年）および１キロワットあたりの予測生産コスト（円／ｋｗ）を一覧表示したものである。
また、図９（ｂ）は、上記の予測コストを、世界地図上で示したものである。すなわち、地図に近い部位に、円の面積で一年間の生産性の予測（トン／年）を示し、その円内の数値で示しているのが、予測生産コスト（円／ｋｗ）である。
なお、図示は省略するが、上記の円にカーソルを当てると、地域名および予測生産量がテキスト表示されるようになっている。(Fig. 9)
FIG. 9A shows a list of predicted production values for one year (tons / year) and predicted production costs per kilowatt (yen / kW) for each candidate place name.
FIG. 9B shows the predicted cost on the world map. That is, the annual production productivity prediction (ton / year) is shown by the area of the circle near the map, and the numerical value in the circle shows the predicted production cost (yen / kw).
In addition, although illustration is abbreviate | omitted, if a cursor is put on said circle | round | yen, the area name and the estimated production amount will be displayed on a text.
図示は省略するが、太陽光発電装置と、 その太陽光発電装置によって発電される発電量を記録する発電量データベースとを備え、収量演算手段においては、前記の発電量のデータをも用いて有用生物の予想収量を演算することとしてもよい。
太陽光発電装置は電気エネルギを得るだけでなく、藻類の培養における収量と関係が深い日照時間に関連の深いデータを得ることができる。日照時間は、水温とともに有用性物の培養における収量に影響のあるデータであるので、発電量に関するデータ取得をすることによって、予想収量に関する精度の向上が期待できる。Although not shown, the solar power generation device and a power generation amount database for recording the power generation amount generated by the solar power generation device are provided, and the yield calculation means is also useful using the data on the power generation amount. It is also possible to calculate the expected yield of the organism.
In addition to obtaining electrical energy, the photovoltaic power generation device can obtain data related to the sunshine hours that are closely related to the yield in algae culture. The sunshine duration is data that affects the yield in the cultivation of useful substances together with the water temperature. Therefore, by obtaining data on the amount of power generation, it is possible to expect an improvement in accuracy related to the expected yield.
本発明の活用分野は、藻類の生産に限らない。 浮草、水耕栽培植物といった類似するバイオ燃料向けの生産におけるシミュレーションとして応用可能である。
The field of application of the present invention is not limited to algae production. It can be applied as a simulation in production for similar biofuels such as floating grass and hydroponics plants.
本発明は、有用生物（たとえば藻類）を用いたバイオ燃料の製造業、バイオ燃料製造業のためのプラント設計建設業、プラントに用いる計測器の製造業、プラントにおいて計測サービスや計測に伴うメンテナンス業、計測データを処理するデータサービス業、データの送受信を司る情報通信業などにおいて利用可能性を有する。 The present invention relates to a biofuel manufacturing industry using useful organisms (for example, algae), a plant design and construction industry for the biofuel manufacturing industry, a measuring instrument manufacturing industry for the plant, a measurement service in the plant and a maintenance industry accompanying the measurement. It has applicability in the data service industry that processes measurement data, the information and communication industry that manages the transmission and reception of data.
Claims (4)
Translated fromJapanese有用生物を培養する候補地の過去の気温データを蓄積する候補地データベースと、
有用生物を培養する候補地における実測気温データを含む候補地気温等データを入力する候補地データ入力手段と、
その候補地気温等データおよび候補地データベースに蓄積されたデータを用いて候補地の予測水温を算出する候補地水温演算手段と、
有用生物における種類毎の収量および水温の関係をデータベース化して蓄積する生物育成データベースと、
その生物育成データベースおよび前記の予測水温を用いて有用生物の予想収量を演算する収量演算手段と、
その収量演算手段が演算した予想収量を出力する出力手段と、を備えた収量予測装置。An apparatus for predicting energy yield from useful organism culture in a candidate site for culturing useful organisms,
A candidate site database that accumulates past temperature data of candidate sites for culturing useful organisms,
Candidate site data input means for inputting data such as candidate site temperature including measured temperature data at a candidate site where useful organisms are cultured;
Candidate ground water temperature calculation means for calculating the predicted water temperature of the candidate land using the candidate ground temperature data and the data accumulated in the candidate land database,
Biological breeding database that accumulates and accumulates the relationship between yield and water temperature for each type of useful organism,
Yield calculation means for calculating the expected yield of useful organisms using the organism growth database and the predicted water temperature,
An output means for outputting an expected yield calculated by the yield calculating means.
前記の収量演算手段は、前記の発電量のデータをも用いて有用生物の予想収量を演算することとした請求項１に記載の収量予測装置。A solar power generation device, and a power generation amount database for recording the power generation amount generated by the solar power generation device,
The yield prediction apparatus according to claim 1, wherein the yield calculation means calculates an expected yield of useful organisms also using the power generation amount data.
そのプログラムは、有用生物を培養する候補地の過去の気温データを候補地データベースに蓄積する候補地データ記憶手順と、
有用生物における種類毎の収量および水温の関係をデータベース化して生物育成データベースに蓄積する藻類育成データ記憶手順と、
有用生物を培養する候補地における実測気温データを含む候補地気温等データを入力する候補地データ入力手順と、
その候補地気温等データおよび候補地データベースに蓄積されたデータを用いて候補地の予測水温を算出する候補地水温演算手順と、
前記の生物育成データベースおよび前記の予測水温を用いて予想収量を演算する収量演算手順と、
その収量演算手順にて演算した予想収量を出力する出力手順と、 をコンピュータに実行させることとしたコンピュータプログラム。A computer program for predicting energy yield from useful organism culture in a candidate site for culturing useful organisms,
The program includes a candidate site data storage procedure for accumulating past temperature data of candidate sites for cultivating useful organisms in a candidate site database;
Algae breeding data storage procedure for creating a database of the relationship between yield and water temperature for each useful organism and storing it in the database
Candidate site data input procedure for inputting candidate site temperature data including measured temperature data at a candidate site where useful organisms are cultured,
Candidate ground water temperature calculation procedure for calculating the predicted water temperature of the candidate site using the candidate ground temperature data and the data accumulated in the candidate site database,
Yield calculation procedure for calculating an expected yield using the biological growth database and the predicted water temperature,
A computer program that causes a computer to execute an output procedure for outputting an expected yield calculated by the yield calculation procedure.
前記の収量演算手順では、発電量データベースに記録された発電量をも用いて有用生物の予想収量を演算することとした請求項３に記載のコンピュータプログラム。Power generation amount data storage procedure for recording the power generation amount generated by the solar power generation device in the power generation amount database,
The computer program according to claim 3, wherein in the yield calculation procedure, the predicted yield of useful organisms is calculated using the power generation amount recorded in the power generation amount database.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011071002AJP2012203875A (en) | 2011-03-28 | 2011-03-28 | Yield estimation device and computer program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011071002AJP2012203875A (en) | 2011-03-28 | 2011-03-28 | Yield estimation device and computer program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2012203875Atrue JP2012203875A (en) | 2012-10-22 |
Family
ID=47184761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011071002AWithdrawnJP2012203875A (en) | 2011-03-28 | 2011-03-28 | Yield estimation device and computer program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2012203875A (en) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101392279B1 (en) | 2012-12-21 | 2014-05-07 | 주식회사 맥스포 | Method for an output forecast of plant factory |
| CN103955860A (en)* | 2014-04-17 | 2014-07-30 | 中国农业大学 | Regional crop yield estimation method based on ensemble Kalman filter assimilation |
| CN104134095A (en)* | 2014-04-17 | 2014-11-05 | 中国农业大学 | Crop yield estimation method based on scale transformation and data assimilation |
| CN108960530A (en)* | 2018-07-26 | 2018-12-07 | 江南大学 | Prediction technique based on the long crop field vegetation coverage index of memory network in short-term |
| JP2020064446A (en)* | 2018-10-17 | 2020-04-23 | 株式会社日立製作所 | Prediction system and prediction method |
| US10891482B2 (en) | 2018-07-10 | 2021-01-12 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
| JP2021023177A (en)* | 2019-08-02 | 2021-02-22 | トヨタ自動車株式会社 | Crop characteristics prediction system, crop characteristics prediction method, and crop characteristics prediction program |
| JP7258383B1 (en) | 2022-04-28 | 2023-04-17 | Wota株式会社 | program, method, information processing device, system |
- 2011
- 2011-03-28JPJP2011071002Apatent/JP2012203875A/ennot_activeWithdrawn
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101392279B1 (en) | 2012-12-21 | 2014-05-07 | 주식회사 맥스포 | Method for an output forecast of plant factory |
| CN103955860A (en)* | 2014-04-17 | 2014-07-30 | 中国农业大学 | Regional crop yield estimation method based on ensemble Kalman filter assimilation |
| CN104134095A (en)* | 2014-04-17 | 2014-11-05 | 中国农业大学 | Crop yield estimation method based on scale transformation and data assimilation |
| CN104134095B (en)* | 2014-04-17 | 2017-02-15 | 中国农业大学 | Crop yield estimation method based on scale transformation and data assimilation |
| US10891482B2 (en) | 2018-07-10 | 2021-01-12 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
| US11580731B2 (en) | 2018-07-10 | 2023-02-14 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
| CN108960530A (en)* | 2018-07-26 | 2018-12-07 | 江南大学 | Prediction technique based on the long crop field vegetation coverage index of memory network in short-term |
| JP2020064446A (en)* | 2018-10-17 | 2020-04-23 | 株式会社日立製作所 | Prediction system and prediction method |
| JP7157620B2 (en) | 2018-10-17 | 2022-10-20 | 株式会社日立製作所 | Forecasting systems and methods |
| JP2021023177A (en)* | 2019-08-02 | 2021-02-22 | トヨタ自動車株式会社 | Crop characteristics prediction system, crop characteristics prediction method, and crop characteristics prediction program |
| JP7163881B2 (en) | 2019-08-02 | 2022-11-01 | トヨタ自動車株式会社 | Crop Characteristics Prediction System, Crop Characteristics Prediction Method, and Crop Characteristics Prediction Program |
| JP7258383B1 (en) | 2022-04-28 | 2023-04-17 | Wota株式会社 | program, method, information processing device, system |
| WO2023210315A1 (en)* | 2022-04-28 | 2023-11-02 | Wota株式会社 | Program, method, information processing device, and system |
| JP2023163970A (en)* | 2022-04-28 | 2023-11-10 | Wota株式会社 | Program, method, information processing device and system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2012203875A (en) | Yield estimation device and computer program | |
| Chen et al. | Dynamic within-season irrigation scheduling for maize production in Northwest China: A Method Based on Weather Data Fusion and yield prediction by DSSAT | |
| Liu et al. | Changes in the potential multiple cropping system in response to climate change in China from 1960–2010 | |
| Therond et al. | Using a cropping system model at regional scale: Low-data approaches for crop management information and model calibration | |
| Batan et al. | Analysis of water footprint of a photobioreactor microalgae biofuel production system from blue, green and lifecycle perspectives | |
| Chen et al. | A model-based real-time decision support system for irrigation scheduling to improve water productivity | |
| Xu et al. | Improve the performance of the noah‐MP‐crop model by jointly assimilating soil moisture and vegetation phenology data | |
| Zhu et al. | Seasonal fluctuations and temperature dependence in photosynthetic parameters and stomatal conductance at the leaf scale of Populus euphratica Oliv. | |
| Xiong et al. | Evaluation of CERES‐Wheat simulation of Wheat Production in China | |
| Qin et al. | Insentek sensor: An alternative to estimate daily crop evapotranspiration for maize plants | |
| Sun et al. | Growth modeling to evaluate alternative cultivation strategies to enhance national microalgal biomass production | |
| Jiang et al. | Impacts of global warming on the cropping systems of China under technical improvements from 1961 to 2016 | |
| Kim et al. | Optimization of the design of an agrophotovoltaic system in future climate conditions in South Korea | |
| Chen et al. | Enhancing cotton irrigation with distributional actor–critic reinforcement learning | |
| Ge et al. | Evaluation of irrigation modes for greenhouse drip irrigation tomatoes based on AquaCrop and DSSAT models | |
| Ramachandra et al. | Decision support system to assess regional biomass energy potential | |
| Du et al. | Modeling comprehensive deficit irrigation strategies for drip-irrigated cotton using AquaCrop | |
| Babadjanova et al. | Can domestic wheat farming meet the climate change-induced challenges of national food security in Uzbekistan? | |
| Lu et al. | In-season maize yield prediction in Northeast China: The phase-dependent benefits of assimilating climate forecast and satellite observations | |
| Wang et al. | Impact of Climate Change on the Winter Wheat Productivity Under Varying Climate Scenarios in the Loess Plateau: An APSIM Analysis (1961–2100) | |
| Yan et al. | Real‐time ensemble microalgae growth forecasting with data assimilation | |
| Zheng et al. | Irrigation schedule optimization for wheat and sunflower intercropping under water supply restrictions in Inner Mongolia, China | |
| CN117217632A (en) | Model estimation-based farmland carbon flux assessment method | |
| Yaoyang et al. | Modeling maximum lipid productivity of microalgae: Review and next step | |
| Pankratz et al. | Novel satellite based analytical model developed to predict microalgae yields in open pond raceway systems and applied to Canadian sites |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed | Free format text:JAPANESE INTERMEDIATE CODE: A300 Effective date:20140603 |