{"product_id":"ieej-bt10sp10157","title":"ANNに基づいたPVシステムの発電予測手法の提案","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e157\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【B】平成22年電気学会電力・エネルギー部門大会講演論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2010\/09\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA Proposal for Power Generation Forecasting of PV Systems Based on ANN\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e下町健太朗 (函館工業高等専門学校),三島 裕樹(函館工業高等専門学校)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eKentaro Shimomachi(Hakodate National College of Technology),Yuji Mishima(Hakodate National Cooege of Technology)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e太陽光発電システム|人工ニューラルネットワーク|Photovoltaic System|Artificial Neural Network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e本研究の目的は、函館高専に設置されている10 kW級PVシステムの発電予測手法を提案することである。現在時刻から1時間後の発電量を予測するANNを構成した。ANNは、FF方式階層型ANNとした。ANNの学習には誤差逆伝播法を適用した。使用したANNは入力層ユニット数11、中間層ユニット数10、出力層ユニット数1である。なお、予測に用いるデータは、現在時刻から2時間前までの発電量および日射量を30分ごとに参照した。2009年4月から2010年2月までの約1年間の発電量について、リアルタイムに予測するのではなく過去のデータについての予測を行い、実測値と比較し評価した。晴天時の天候の変動が少ない場合には精度の高い予測ができたが、天候に変動が多い場合の予測精度は低下した。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e1,500 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2.0","offer_id":46403030581487,"sku":"IEEJ-BT10SP10157-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_5bdd1281-792e-48b1-bf9b-808aaa75a192.png?v=1745014184","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-bt10sp10157","provider":"電気学会 電子図書館","version":"1.0","type":"link"}