PV出力予測誤差推定に応じた機械学習型所要LFC容量動的決定手法

カテゴリ: 部門大会

論文No: 140

グループ名: 【B】令和4年電気学会電力・エネルギー部門大会

発行日: 2022/08/26

タイトル(英語): Dynamic Determination Method for Required LFC Capacity Using Machine Learning According to PV Output Forecast Error Estimation

著者名: 西田啓人（福井大学），重信颯人（福井大学），伊藤雅一（福井大学），金尾則一（北陸電力），杉本仁志（北陸電力）

著者名(英語): Keito Nishida (University of Fukui), Ryuto Shigenobu (University of Fukui), Masakazu Ito (University of Fukui), Norikazu Kanao (Hokuriku Electric Power Company), Hitoshi Sugimoto (Hokuriku Electric Power Company)

キーワード: 所要LFC容量|PV出力予測誤差|機械学習|動的決定手法|周波数安定性|PV導入可能量|Required LFC capacity|PV output forecast error|Machine learning|Dynamic determination method|System frequency stabilization|Maximum PV capacity

要約(日本語): PV主力電源化を目指す中，PV出力予測誤差を補償するLFC容量不足への対応が必要である。本稿では，発電機起動停止計画（UC）の時刻断面毎にPV出力予測誤差を推定し，それに対する所要LFC容量決定に機械学習型所要LFC容量動的決定手法を提案する。動的決定とは，UC時刻断面毎にLFC容量を決定することと定義する。提案手法では，PV出力予測誤差を推定するために，過去データからUC時刻断面毎かつ予測PV出力レベル毎にPV出力予測誤差を学習する。さらに所要LFC容量を決定するために，ガウス過程回帰でPV予測出力誤差に対する所要LFC容量を学習する。PV出力下振れ日に提案手法を適用した場合，周波数安定性を維持しつつPV導入可能量が50.8%から86.1%に増加した。

PDFファイルサイズ: 929 Kバイト