機械学習を適用した太陽光発電システム異常兆候検知手法の検討

カテゴリ: 部門大会

論文No: 184

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): Study on Abnormal Sign Detection Method Applying Machine Learning

著者名: 有松健司（東北電力），関場陽一（電力計算センター）

著者名(英語): Kenji Arimatsu (Tohoku Electric Power Co.,Inc.), Yoichi Sekiba (Denryoku Computing Center, Ltd.)

キーワード: 太陽光発電|異常兆候検出|機械学習|One Class SVM|Photovoltaics|Abnormal sign detection|Machine learning|One Class SVM

要約(日本語): 太陽光発電システムの普及により，太陽電池モジュールの異常兆候を検知する必要性が高まっている。これまで筆者らは，太陽光発電システムの発電出力値である電圧と電流のみの測定値を用いて，太陽電池モジュールの発電特性を踏まえた関係性により判定する新たな異常兆候検知手法を提案し，各種測定データ等を用いてその有効性などについて検討してきた。本研究においては，太陽光発電システムの発電出力データより異常兆候を検知する手法として，機械学習手法のひとつで外れ値検知を行うOne Class Support Vector Machineを適用した手法を提案し，その有効性について実際の大規模太陽光発電システムの発電出力の測定値を用いて検証したので報告する。

PDFファイルサイズ: 286 Kバイト