全天球画像を用いたCNNによる日射量予測と入力データが予測精度に与える影響

カテゴリ: 研究会(論文単位)

論文No: FTE21057

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): Impact on Prediction Accuracy of Input Data Used in CNN-based Solar Irradiance Prediction

著者名: 兼信 みのり(岡山大学),飯田 健登(岡山大学),髙橋 明子(岡山大学),伊藤 雅一(福井大学)

著者名(英語): Minori Kanenobu(Okayama University),Kento Iida(Okayama University),Akiko Takahashi(Okayama University),Masakazu Ito(University of Fukui)

キーワード: 太陽光発電|全天球画像|日射量|予測|畳み込みニューラルネットワーク|photovoltaic generation|sky image|solar irradiance|prediction|convolutional neural network

要約(日本語): 太陽光発電電力は日射量に大きく左右されるため不安定である．出力調整を行う蓄電システムを効率的に運用するには，日射量を事前に予測する必要がある．そこで，全天球画像を畳み込みニューラルネットワーク（CNN）を用いて解析することで短分先の日射量を予測する．また，CNNの入力として，全天球画像だけでなく，画像取得時のパラメータや過去の日射量を追加した場合の予測精度を比較し，評価する．

要約(英語): This paper proposes a prediction method for solar irradiance using convolutional neural network (CNN). In order to operate efficiently photovoltaic generation systems, solar irradiance needs to be predicted in advance. In the proposed method, CNN analyzes sky images and predicts few-minutes ahead solar irradiance. In addition, not only sky images but also the parameters at the time of image acquisition and the past solar irradiance are added as the input of CNN. Then, the prediction accuracy is compared and evaluated.

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: 73-77 p

原稿種別: 日本語

PDFファイルサイズ: 940 Kバイト