Auto-Encoderを用いたエリアPV発電予測に関する基礎的検討

カテゴリ: 研究会(論文単位)

論文No: FTE21056

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): A fundamental study on PV output forecast over wide area by means of Auto-Encoder

著者名: 森 友輔(早稲田大学),若尾 真治(早稲田大学),大竹 秀明(産業技術総合研究所),高松 尚宏(産業技術総合研究所),大関 崇(産業技術総合研究所)

著者名(英語): Yusuke Mori(Waseda University),Shinji Wakao(Waseda University),Hideaki Ohtake(National Institute of Advanced Industrial Science and Technology),Takahiro Takamatsu(National Institute of Advanced Industrial Science and Technology),Takashi Oozeki(National In

キーワード: 太陽光発電|エリアＰＶ発電量予測|オートエンコーダ|畳み込みニューラルネットワーク|photovoltaics|PV power forecast over wide area|Auto-Encoder|Convolutional Neural Network

要約(日本語): 太陽光発電の大量導入に伴い、安定的な系統運用に向けたPV発電予測の重要性は一層増している。本稿では、低次元の中間層を持つニューラルネットワーク構造であるAuto-Encoderを用い、特定エリアのMEPSデータを適切に次元圧縮して翌日のエリアPV発電予測を行う。提案手法では、膨大な入力データの特徴量を適切に抽出して効果的に活用可能となることが期待でき、基礎的な検証結果と合わせて報告する。

要約(英語): Large penetration of photovoltaics (PV) increases the importance of PV power prediction for stable power system operation. In this paper, we carry out the day-ahead forecast of regional PV power output by dimensionally reducing the huge amount of information of Meso-scale Ensemble Prediction System (MEPS) in a targeted area by Auto-Encoder, which is one of the neural network structures. In the proposed method, we can efficiently utilize the large amount of input data by extracting its feature with deep learning. Some numerical results, which demonstrate the effectiveness of the proposed method, are also presented.

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: 67-72 p

原稿種別: 日本語

PDFファイルサイズ: 1,235 Kバイト