小型太陽光発電システムの発電量予測について　 　訓練データの多様性と影の事例研究

カテゴリ: 部門大会

論文No: GS6-8

グループ名: 【C】平成24年電気学会電子・情報・システム部門大会講演論文集

発行日: 2012/09/05

タイトル(英語): Forecasting Local Photovoltaic Power - A Case Study on Shadow and Training Data Diversity

著者名: Joao Gari da Silva Fonseca Junior (産業技術総合研究所),大関 崇(産業技術総合研究所),大竹 秀明(産業技術総合研究所),下瀬 健一(産業技術総合研究所),高島 工(産業技術総合研究所),荻本 和彦(東京大学)

著者名(英語): Joao Gari da Silva Fonseca Junior (AIST),Takashi Oozeki(AIST),Hideaki Ohtake(AIST),Kenichi Shimose(AIST),Takumi Takashima(AIST),Kazuhiko Ogimoto(Tokyo University)

キーワード: 太陽光発電システム|太陽光発電量の予測|サポートベクターマシン|天気数値予報|訓練事例の多様性|Photovoltaic Systems|Photovoltaic Power Production Forecast|Support Vector Machine|Numerical Weather Forecast|Training Data Diversity

要約(日本語): 太陽光発電システムの普及を支えるため，太陽光発電量の予測手法のようなシステムの状況によって異なる不安定な出力を扱える手法を開発する必要がある。本研究では，以前に開発された大型太陽光発電所の出力を予測する手法を小型の太陽光発電システムに適応することについて検討する。そのため，設置された10 kW発電システムの実測データを用い，31時間先までの一時間毎の発電量に関して年間を通じて予測した。結果から，影が予測手法の学習に悪い影響を及ぼし，発電量予測の過小評価を引き起こしたことがわかった。この問題に対して訓練事例の変更と影に関連された情報を入力データに加え二つ対策を実行し，過小評価を緩和しながら予測誤差を約10％改善できた。

PDFファイルサイズ: 6,997 Kバイト