SS-PPBSOによる学習方法を用いた深層ボルツマンマシンによる太陽光発電出力予測

カテゴリ: 部門大会

論文No: 14

グループ名: 【B】令和元年電気学会電力・エネルギー部門大会

発行日: 2019/08/23

タイトル(英語): PV Outputs Forecasting by Deep Boltzmann Machines with SS-PPBSO

著者名: 小川 彰太(明治大学),森 啓之(明治大学)

著者名(英語): Shota Ogawa|Hiroyuki Mori

キーワード: 太陽光発電出力予測|深層ニューラルネットワーク|深層ボルツマンマシン|進化的計算|スキャターサーチプレデタープレイブレインストーミングオプティミゼーション,Photovoltaic Generation Forecasting,Deep Neural Network,Deep Boltzmann Machines,Evolutionary Computation,Scatter SearchPredator-Prey Brain Storm Optimization

要約(日本語): 本稿では、SS-PPBSOによる学習を用いた深層ボルツマンマシンによる太陽光発電出力予測法を提案する。近年、再生可能エネルギーの一つである太陽光発電が電力系統に大量に導入されており、電力系統における運用・制御が複雑になっている。この課題を克服するため、太陽光発電出力を高精度に予測することが求められている。しかし、太陽光発電出力は天候により大きく変動するため、高精度に予測することが困難である。そこで、本稿では、学習にSS-PPBSOを用いた深層ボルツマンマシンによる太陽光発電出力手法を提案し、高精度な出力予測を行う。また、実データに提案法を適用し、本稿の有効性を示す。

PDFファイルサイズ: 979 Kバイト