日射量予測のための気象条件による機械学習モデル構築の提案

カテゴリ: 部門大会

論文No: 194

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): Proposal of machine learning model construction for each weather condition for solar radiation

著者名: 池田健一郎（明治大学），浦野昌一（明治大学）

著者名(英語): Ikeda Kenichiro (Meiji University), Urano Shoichi (Meiji University)

キーワード: 機械学習|日射量予測|太陽光発電|k-means++|XGBOOST|Machine learning|Solar radiation|Solar photovoltaic power|k-means++|XGBOOST

要約(日本語): 近年、太陽光発電や風力発電などの再生可能エネルギーは、温室効果ガスによる地球温暖化問題の解決策として注目されている。その中でも、太陽光発電は設置が比較的容易であるため、カーボンニュートラル実現のため、導入が促進されている。太陽光発電量の高精度予測は電力の運用面において非常に重要であり、その必要性も増して行くと考えられる。また、太陽光発電量は日射量と強い依存性があることや、気象条件により出力が変動することが広く知られている。本研究では、教師なし学習であるk-means++と教師あり学習であるXGBOOSTを組み合わせることで、気象条件に着目した機械学習モデルを作成し、時間積算日射量予測を行う。

PDFファイルサイズ: 434 Kバイト