物理モデルとk近傍法による短期間学習を用いた翌日の太陽光発電電力量推定

カテゴリ: 部門大会

論文No: 178

グループ名: 【B】令和3年電気学会電力・エネルギー部門大会

発行日: 2021/08/12

タイトル(英語): Estimation of PV Power for the Next Day by Physical Model and K-NN in Short-Term Learning

著者名: 佐々木健人（東京理科大学），植田譲（東京理科大学）

著者名(英語): Taketo Sasaki (Tokyo University of Science), Yuzuru Ueda (Tokyo University of Science)

キーワード: 太陽光発電|予測|k近傍法|機械学習|晴天指数|太陽位置|photovoltaic|estimation|k-NN|machine learning|clearness index|solar position

要約(日本語): 産業革命以降，化石燃料の使用量は年々増加しており，世界的に再生可能エネルギーによる発電が推進されている。太陽光発電による発電量が需要量を上回ると系統の電圧上昇や周波数上昇が生じる。このような問題を避けつつ，太陽光発電を最大限活用するためには，発電量を正確に予測する必要がある。本研究では，気象計測架台による水平面全天日射量の計測値を用いて，晴天指数及び太陽位置から発電量を30分値で予測する。温度損失，入射角損失，最大出力低下損失を推定した後に，太陽位置と過去の測定データから機械学習を用いて予測値を補正する。その結果，太陽位置と晴天指数を用いて補正を施すことにより高い精度で予測することができた。

PDFファイルサイズ: 355 Kバイト