風力発電予測高度化に向けた気象場予測データの次元縮約の検討

カテゴリ: 部門大会

論文No: P54

グループ名: 【B】平成29年電気学会電力・エネルギー部門大会

発行日: 2017/09/05

タイトル(英語): Dimensionality Reduction of Numerical Weather Prediction Results for Advanced Wind Power Prediction

著者名: 東山 和寿(早稲田大学),藤本 悠(早稲田大学),林 泰弘(早稲田大学)

著者名(英語): Kazutoshi Higashiyama|Yu Fujimoto|Yasuhiro Hayashi

キーワード: 風力発電予測|次元縮約|畳み込みニューラルネットワーク畳み込みニューラルネットワーク,Wind power prediction,Dimensionality reduction,Convolutional neural network

要約(日本語): 風力発電は風況の変化に伴い，出力が変化する不安定な電源であるため，それらが大量に系統内に連系されると，電力の需給バランスを崩し，周波数変動を引き起こす懸念がある。このような問題に対し，発電量を高度に予測することができれば，需給運用計画の精度向上，効率的な調整力の活用に寄与でき，既存の設備を最大限活用することが可能となる。気象場予測データを活用した機械学習的アプローチではそのデータの高次元性に起因する問題が予測精度の向上を妨げる。本稿では，気象場予測データから，風力発電量予測に本質的に重要な低次元特徴量を抽出する手法を提案し，その手法が発電量予測に果たす効果と実データを用いた実験結果を報告する。

PDFファイルサイズ: 1,058 Kバイト