太陽光発電予測のための進化的深層ニューラルネットワーク手法

カテゴリ: 研究会(論文単位)

論文No: PE18167

グループ名: 【B】電力・エネルギー部門 電力技術研究会

発行日: 2018/09/27

タイトル(英語): Evolutionary Deep Neural Network for PV Forecasting

著者名: 小川 彰太(明治大学),森 啓之(明治大学)

著者名(英語): Shota Ogawa(Meiji University),Hiroyuki Mori(Meiji University)

キーワード: ディープラーニング|ニューラルネットワーク|太陽光発電予測|制限付きボルツマンマシン|進化的計算|Ｐｒｅｄａｔｏｒ－Ｐｒｅｙ　Ｂｒａｉｎ　Ｓｔｏｒｍ　Ｏｐｔｉｍｉｚａｔｉｏｎ|Deep Learning|Nueral Network|PV Forecasting|Restricted Bolzmann Machine|Evolutionary Computation|Predator-Prey Brain Storm Optimization

要約(日本語): 本稿ではDeep Learningを用いた太陽光発電予測手法を提案する。近年、太陽光を含む再生可能エネルギーの大量導入が進んでいる。しかし、太陽光発電による発電量は天候により大きく変動するため、電力系統において太陽光発電は不安定な課題がある。そこで本稿では、学習に高性能群知能アルゴリズムを用いた制限付きボルツマンマシンよる深層ニューラルネットワークを使った太陽光発電予測手法を提案し、有効性を示す。

要約(英語): In this paper, a deep-nueral-network-based method is proposed to deal with PV forecasting. In recent years, the use of PV system is widely spread, but there is a high probability the uncertainty of the generations output affects ELD and unit commitment in a sense that the power balance is disturbed. As a result, it is necessary to predict PV output. This paper proposes an efficient method makes use of Restricted Boltzmann Machine of Deep Learning and swarm intelligence of evolutionary computation to evaluate the predicted output.

原稿種別: 日本語

PDFファイルサイズ: 1,070 Kバイト