ニューラルネットワークを用いた太陽光発電設備の24時間先発電電力予測

カテゴリ: 部門大会

論文No: 67

グループ名: 【B】平成19年電気学会電力・エネルギー部門大会講演論文集

発行日: 2007/09/12

タイトル(英語): Application of Neural Network to 24-hours-Ahead Generating Power Forecasting for PV System

著者名: 與那 篤史(琉球大学),千住 智信(琉球大学),舟橋 俊久(明電舎),関根 秀臣(琉球大学)

著者名(英語): Atsushi Yona(University of the Ryukyus),Tomonobu Senjyu(University of the Ryukyus),Toshihisa Funabashi(Meidensha Corporation),Hideomi Sekine(University of the Ryukyus)

キーワード: ニューラルネットワーク|24時間先予測|太陽光発電設備の発電電力|日射量予測|neural network|24 hours ahead forecasting|power output for PV system|insolation forecasting

要約(日本語): 近年，新エネルギー導入目標達成を目指す背景から太陽光発電設備の生産量および導入量はともに増加を続けている．しかしながら，太陽光発電設備で得られる太陽光エネルギーは日射量，パネル面の温度などにより大きく変動する．従って，太陽光発電設備が連系される電力系統においては日射量の変動を考慮した効率の良い運用と供に蓄電池等の設備コストを低減することが重要となる．電力系統の効率的な運用と蓄電池等の有効活用を目的とした観点から24時間先の太陽光発電設備の発電電力予測が望まれている．予測手法の一つとして日射量予測に基づく手法があるが，日射量予測に基づく太陽光発電設備の発電電力予測は実用化された場合に予測システムに対する運用コストが問題となる．この問題を解決するためにはより簡単化され，さらに利便性のある予測手法が望まれる．気象データのみを用いて数式モデルに拘束されない予測手法としてパターン学習により24時間先の日射量予測を可能とするニューラルネットワーク(NN：Neural Network)を用いた手法がある．NNを用いることで日射量の変動を考慮することが可能である．NNの適用に関しては一般に多分野で使用される階層型NN(FNN：Feed-forward Neural Network)を採用した日射量予測手法が提案されているが，ラディアルベースネットワーク(RBFN：Radial Basis Function Network)およびリカレント型NN(RNN：Recurrent Neural Network)を採用した有効性は示されていない．筆者らは，RBFNとRNNを用いて24時間先の日射量予測を行い，日射量予測値から太陽光発電設備の発電電力を予測する手法を提案する．

PDFファイルサイズ: 5,057 Kバイト