物理モデルと勾配ブースティング決定木での短期間学習を用いた太陽光発電所の発電量推定

カテゴリ: 部門大会

論文No: 207

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): Estimation of PV Power by Physical Model and Gradient Boost Decision Tree in Short-Term Learning

著者名: 佐藤誠起（東京理科大学），宇都宮健志（日本気象協会），佐々木潤（日本気象協会），岡田牧（日本気象協会），吉川茂幸（日本気象協会），山口浩司（日本気象協会），植田譲（東京理科大学）

著者名(英語): Masaki Sato (Tokyo University of Science), Kenji Utsunomiya (Japan Weather Association), Jun Sasaki (Japan Weather Association), Maki Okada (Japan Weather Association), Shigeyuki YOshikawa (Japan Weather Association), Koji Yamaguchi (Japan Weather Association), Yuzuru Ueda (Tokyo University of Science)

キーワード: 太陽光発電|推定|機械学習|勾配ブースティング決定木|photovoltaic|estimation|machine learning|gradient boost decision tree

要約(日本語): 将来的なエネルギー問題に対して，近年の技術開発と政府の支援により，再生可能エネルギーは急速な発展を遂げた。中でも太陽光発電(以下PV)は，2012年の再生可能エネルギー固定価格買取制度導入から特に普及が進んでいる。PVシステムは太陽光がエネルギー源ゆえ，断続的かつ非決定的な不確実性を常に有している。翌日PV発電量の正確な推定は，市場への売電時，計画値同時同量を達成する上で重要な技術となる。このような背景から，計測値・予測値が利用可能な気象データを用いたPV発電量推定技術の開発を行う。本稿では，推定日射量・気温・風速データを用いた推定値を，PV発電所での計測値との比較で精度を検証した。精度検証では、実測値に近い推定結果が確認できた。

PDFファイルサイズ: 356 Kバイト