{"product_id":"ieej-20250303x05701-015","title":"メソ数値予報モデルの時空間情報を活用したConvolutional LSTMによる翌日エリアPV出力予測","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e研究会(論文単位)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003ePE25015,PSE25047,SPC25062\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【B】電力・エネルギー部門 電力技術\/【B】電力・エネルギー部門 電力系統技術\/【D】産業応用部門 半導体電力変換合同研究会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2025\/03\/03\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eDay Ahead Area PV Output Prediction by Convolutional LSTM Utilizing Spatiotemporal Information of Meso-Scale Model\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e総毛 優宇(早稲田大学),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)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eYu Soke(Waseda University),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 Institute of Advanced Industrial Science and Technology)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eＰＶ出力予測|太陽光発電（ＰＶ）|Ｃｏｎｖｏｌｕｔｉｏｎａｌ　ＬＳＴＭ|畳み込みニューラルネットワーク（ＣＮＮ）|長・短期記憶（ＬＳＴＭ）|メソ数値予報モデル（ＭＳＭ）|Prediction of photovoltaic power generation|Photovoltaic power generation (PV)|Convolutional LSTM|Convolutional neural network (CNN)|Long Short-Term Memory (LSTM)|Meso-Sc\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e太陽光発電(PV)はクリーンな発電方法である一方、天候の変化により発電量が変動する課題を抱えている。大量導入時には、電力系統へ悪影響を及ぼす可能性があり、高精度な発電予測の技術が不可欠である。本稿では、東京電力エリアにおける翌日のPV合計発電量を予測した。Convolutional LSTMの入力にメソ数値予報モデルの時系列情報を画像形式で加えることで、時空間の特徴を活用可能な予測手法を提案する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(英語): \u003c\/strong\u003eTo address the issue of fluctuations in photovoltaic (PV) power generation due to weather changes, we propose a method for predicting the total PV power generation for the next day in the Tokyo Electric Power Company area. By incorporating time-series information from Meso-Scale Model in image format into the input of the Convolutional LSTM, predictions are made using spatiotemporal information.\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e本誌: \u003c\/strong\u003e\u003ca href=\"\/products\/ieej-20250303x05701\"\u003e2025年3月6日-2025年3月7日電力技術\/電力系統技術\/半導体電力変換合同研究会-1\u003c\/a\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e本誌掲載ページ: \u003c\/strong\u003e85-91 p\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e1,362 Kバイト\u003c\/p\u003e","brand":"IEEJ-P10","offers":[{"title":"冊子印刷（一般価格660円\/会員価格440円） \/ A4 \/ 7","offer_id":46408147108079,"sku":"IEEJ-20250303X05701-015-PRT","price":660.0,"currency_code":"JPY","in_stock":true},{"title":"PDFダウンロード（一般価格330円\/会員価格220円） \/ A4 \/ 7","offer_id":46408590360815,"sku":"IEEJ-20250303X05701-015-PDF","price":330.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-KENKYUKAI_0d0cfd92-16cc-41c6-b626-b5d74c7a7fc8.png?v=1745233221","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-20250303x05701-015","provider":"電気学会 電子図書館","version":"1.0","type":"link"}