勾配ブースティング決定木を用いたエリア日射予測の過大大外し低減の検討

カテゴリ: 部門大会

論文No: 192

グループ名: 【B】令和5年電気学会電力・エネルギー部門大会

発行日: 2023/08/23

タイトル(英語): A Study on Reduction of Serious Overestimation of Area Solar Irradiation Forecast by using Gradient Boosting Decision Tree

著者名: 高松尚宏（産業技術総合研究所），中島虹（産業技術総合研究所），大竹秀明（産業技術総合研究所），大関崇（産業技術総合研究所），山口浩司（日本気象協会）

著者名(英語): Takamatsu Takahiro (National Institute of Advanced Industrial Science and Technology), Nakajima Kou (National Institute of Advanced Industrial Science and Technology), Ohtake Hideaki (National Institute of Advanced Industrial Science and Technology), Oozeki Takashi (National Institute of Advanced Industrial Science and Technology), Yamaguchi Koji (Japan Weather Association)

キーワード: 日射予測|機械学習|勾配ブースティング決定木|solar power forecast|machine learning|gradient boost decision tree

要約(日本語): 本研究では気象庁が配信するメソアンサンブル予報システム（MEPS）データと勾配ブースティング決定木（GBDT）を用いて、日射予測の過大大外しの改善する機械学習モデルについて検討を行った。モデルの評価には、日本気象協会の東京電力エリアのアメダス推定日射量を用い、提案したモデルによる前日日射予測の平均精度と過大大外し改善性能について検証した。

PDFファイルサイズ: 396 Kバイト