全天空画像を用いたCNNに基づく日射量予測法における急峻な変動データの学習による予測精度の向上

カテゴリ: 部門大会

論文No: 206

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): Improvement of Prediction Accuracy by Learning Rapidly Fluctuation Data in CNN-based Solar Irradiance Prediction Method using Sky Image

著者名: 兼信みのり（岡山大学），髙橋明子（岡山大学），伊藤雅一（福井大学）

著者名(英語): Minori Kanenobu (Okayama University), Akiko Takahashi (Okayama University), Masakazu Ito (University of Fukui)

キーワード: 太陽光発電|全天空画像|日射量|予測|畳み込みニューラルネットワーク|Photovoltaic generation|Sky image|Solar irradiance|Prediction|Convolutional neural network

要約(日本語): 北海道電力では，発電事業者に対し，出力を発電所定格出力の±1%/min以下に抑えるように，出力変動緩和の技術要件を規定している．そこで，畳み込みニューラルネットワークを用いて短時間先の日射量を予測することで，制御技術の向上や蓄電池の容量削減が期待されている．日射量予測では，日射量が急峻に変動する場合の予測精度が低下する．そこで本稿では，急峻に変動するデータとそれ以外のデータをそれぞれ学習することで予測精度を改善する手法を提案する．急峻に変動するデータは，急峻な変動データのみで学習することにより，全てのデータで学習を行った場合と比較してMAEが62.2 %向上した．

PDFファイルサイズ: 438 Kバイト