SVMを用いた日射量予測におけるSOMによる学習データのクラスタリング

カテゴリ: 部門大会

論文No: P49

グループ名: 【B】平成30年電気学会電力・エネルギー部門大会

発行日: 2018/09/12

タイトル(英語): Learning data clustering by self-organizing maps for solar irradiance forecast using support vector machine

著者名: 丸尾 健太(津山工業高等専門学校),春日 紫吹(津山工業高等専門学校),桶 真一郎(津山工業高等専門学校)

著者名(英語): Kenta Maruo|Shibuki Kasuga|Shinichi Oke

キーワード: 日射量予測|自己組織化写像|サポートベクターマシーン|クラスタリング,Solar Irradiance Forecast,Self-Organizing Maps,Support Vector Machine,Clustering

要約(日本語): 太陽光発電システムの大量導入時には，その発電電力の変動による電力系統への悪影響が懸念される。そのため，電気系統の安定運用のために，日射量予測の活用が期待されている。本報では，自己組織化写像(SOM)を用いて，過去の気象データの中から予測対象時刻の気象と類似した気象データを抽出し，それを用いてサポートベクターマシン(SVM)を学習することで，日射量予測精度の向上を試みた。予測対象地点は3地点，SOMの学習回数を160万回とし，SVMの学習データ数を変化させた時の予測誤差について検討した。

PDFファイルサイズ: 382 Kバイト