太陽光発電システムにおける外れ値検出による機械学習を適用した異常兆候検知手法の検討

カテゴリ: 研究会(論文単位)

論文No: FTE21046

グループ名: 【B】電力・エネルギー部門 新エネルギ－・環境研究会

発行日: 2021/11/28

タイトル(英語): Study on Abnormal Sign Detection Method of PV Power System Applying Machine Learning of Outlier Detection

著者名: 関場 陽一(電力計算センター),有松 健司(東北電力)

著者名(英語): Yoichi Sekiba(Denryoku Computing Center, Ltd.),Kenji Arimatsu(Tohoku Electric Power Co.,Inc.)

キーワード: 太陽光発電|異常兆候検出|機械学習|Ｏｎｅ　Ｃｌａｓｓ　ＳＶＭ|Photovoltaics|Abnormal sign detection|Machine learning|One Class SVM

要約(日本語): 太陽光発電システムの普及により，太陽電池モジュールの異常兆候を検知する必要性が高まっている。これまで筆者らは，太陽光発電システムの発電出力値である電圧と電流のみの測定値に着目し，発電領域の評価窓と教師なし機械学習を組み合わせた異常兆候検知手法を提案し，異常を想定したデータ等を用いてその有効性を検討してきた。本研究においては，特徴量構成の改良により判定精度の向上に関わる検討を行ったので報告する。

要約(英語): Under the spread of PV power system, abnormal sign detection of a PV module has been getting more necessary in terms of the evaluation of its influence to power grid and the maintenance of PV power plant. In the previous study, we introduced an abnormal sign detection method of PV power system combining output power region window and unsupervised machine learning method which uses only output voltage and current of the system. In this study, we revised the composition of feature quantities in order to improve the accuracy of abnormality detection.

本誌: 2021年12月1日新エネルギ－・環境研究会

本誌掲載ページ: 5-10 p

原稿種別: 日本語

PDFファイルサイズ: 1,056 Kバイト