機械学習とアンサンブル気象予測の併用によるPV出力確率予測の高精度化

カテゴリ：部門大会

論文No：218

グループ名：【B】令和7年電気学会電力・エネルギー部門大会

発行日：2025/9/5

タイトル(英語)：Enhancing Accuracy of PV Output Probabilistic Forecast through the Combined Use of Machine Learning and Ensemble Weather Prediction

著者名：野原大輔（電力中央研究所），菅野湧貴（電力中央研究所）

著者名(英語)： Daisuke Nohara (Central Research Institute of Electric Power Industry), Yuki Kanno (Central Research Institute of Electric Power Industry)

キーワード：太陽光発電,確率予測,アンサンブル予測,機械学習,信頼区間,photovoltaics,probabilistic forecast,ensemble prediction,machine learning,confidence interval

要約(日本語)：太陽光発電などの再生可能エネルギーの導入拡大が進むなか，電力需給バランスの維持にはPV出力予測の活用が不可欠になっている．一方，予測には誤差が避けられないため，予測誤差を定量的に評価できる確率予測が利用されるようになった．本報告では，確率予測の精度を向上させるため，気象予測からPV出力の変換過程に機械学習を，予測の不確実性はアンサンブル気象予測と過去の予測誤差の統計関係を用いている．予測の対象は，初期値から39時間先までの電力系統エリア合計PV出力値とする．機械学習手法として，勾配ブースティング法を採用した．提案する確率予測は，確率分布の中央値，50%，90%信頼区間，3σ値から構成される．この信頼区間の幅は，日々の天候の変化に応じて動的に変化する．年間を通した予測の検証の結果，PV出力変換過程に経験的パワーカーブを用いる従来手法と比較して，提案手法の時系列予測のRMSEが低減する結果を得た．また，提案手法の信頼区間幅は従来手法より縮小し，予測の信頼度の向上を確認した．加えて，PV出力実績値の確率階級への滞在率も改善されるなど，予測の確率分布も従来手法と比較してより適切に表現できるようになった．

PDFファイルサイズ：569Kバイト