{"product_id":"ieej-btb2025220","title":"深層学習による広域風力発電予測手法の開発について","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ：\u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No：\u003c\/strong\u003e220\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名：\u003c\/strong\u003e【B】令和7年電気学会電力・エネルギー部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日：\u003c\/strong\u003e2025\/9\/5\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語)：\u003c\/strong\u003eWide-area wind power generation prediction using deep learning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名：\u003c\/strong\u003e宍戸浩司（東北電力），工藤貴司（東北電力），松田安昌（東北大学），李銀星（東北大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語)： \u003c\/strong\u003eKoji Shishido (Tohoku Electric Power Co.), Takashi Kudo (Tohoku Electric Power Co.), Yasumasa Matsuda (Tohoku University), Yinxing Li (Tohoku University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード：\u003c\/strong\u003e風力発電予測,LSTM,sequence to sequence,bidirectional,wind power generation prediction,LSTM,sequence to sequence,bidirectional\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語)：\u003c\/strong\u003e風力発電予測技術は翌日需給計画策定において重要である。風力発電や風速の予測手法については，LSTM（Long Short Term Memory：長短期記憶）等の深層学習を用いた手法も多く使われている。しかし，東北エリア（東北6県＋新潟県）管内には，定格出力等が異なる様々な種類の風力発電機が多数設置されており，毎日風況に応じて各発電機が稼働している。本研究では広域エリアにおける風力発電予測において，LSTM-bidirectional-seq2seqアルゴリズムおよび翌々日の予測情報を用いることで，翌日風力発電の予測精度が改善することを確認した。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ：\u003c\/strong\u003e266Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":47682312863983,"sku":"IEEJ-BTB2025220-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_bumontaikai_feb73c79-654d-4dea-b9a1-5c039ed0124e.png?v=1770874743","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-btb2025220","provider":"電気学会 電子図書館","version":"1.0","type":"link"}