再生可能エネルギーベストミックスのコミュニティモデル実証実験(3)ーPVの発電量予測(5)ー

カテゴリ：部門大会

論文No：OS1-2-3

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Community Model Demonstration Experiment of Renewable Energy Best Mix (3)
-Photovoltaic Power Generation Forecast (5)-

著者名：比嘉 開成（金沢工業大学）,早垣 慶太（金沢工業大学）,片山 颯⼈（金沢工業大学）,西田 義人（金沢工業大学）,泉井 良夫（金沢工業大学）,夏梅 大輔（金沢工業大学）,田畑 浩数（金沢工業大学）

著者名(英語)： Kaisei Higa (Kanazawa Institute of Technology),Keita Hayagaki (Kanazawa Institute of Technology),Hayato Katayama (Kanazawa Institute of Technology),Yoshito Nishita (Kanazawa Institute of Technology),Yoshio Izui (Kanazawa Institute of Technology),Daisuke Natsuume (Kanazawa Institute of Technology),Hirokazu Tabata (Kanazawa Institute of Technology)

キーワード：再生可能エネルギー,太陽光発電量予測,ディープラーニングディープラーニング,Renewable Energy Resources,Solar Power Prediction,Deep Learning

要約(日本語)：固定価格買取制度（FIT）の導入以降、日本では家庭や工場などの電力消費施設における太陽光発電システムの導入量が増加している。一方、FITの順次終了に伴い、太陽光発電システムで発電した電力は、電力消費者が自家消費する必要がある。しかし、太陽光発電の発電量は天候に大きく左右される。そこで、太陽光発電システムから供給される電力量に対して蓄電装置を効率的に制御するためには、太陽光発電の電力量を正確に予測する必要がある。本研究の主な目的は、無料の気象データを活用することで、低コストで太陽光発電電力量の予測精度を可能な限り向上させることである。そのために、従来の単純な日射量に基づく予測手法ではなく、日射量以外の様々な気象データを統合的に利用する新たなアプローチを検討した。

本誌掲載ページ：756-762p

原稿種別：日本語

PDFファイルサイズ：963Kバイト