深層ボルツマンマシンを事前学習で用いたGRBFNによる太陽光発電出力予測

カテゴリ: 研究会(論文単位)

論文No: PSE19198

グループ名: 【B】電力・エネルギー部門 電力系統技術研究会

発行日: 2019/09/20

タイトル(英語): Application of GRBFN with Deep Boltzmann Machines of Pre-training to Photovoltaic Output 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: 太陽光発電出力予測|事前学習|深層ボルツマンマシン|統計的学習手法|ＧＲＢＦＮ|PV Output Forecasting|Pre-training|Deep Boltzmann Machines|Statistical Learning method|GRBFN

要約(日本語): 本稿では高精度なPV出力予測手法を提案する。近年、出力変動が激しい大量の分散電源が導入され、発電スケジュールに悪影響を与えることが懸念されている。そのため、PV出力の高精度な予測手法が求められている。そこで、本稿では、深層ボルツマンマシンを事前学習で用いたGRBFNによるPV出力予測手法を提案する。さらに提案法を実データに適用し、提案法の有効性を示す。

要約(英語): This paper proposes an efficient PV output forecasting model. In recent years, it is concerned about negative influence for generation schedules caused by introduction of a large amount of distributed generators. In this paper, the proposed method develops PV output forecasting method using GRBFN with Deep Boltzmann Machines of pre-training.

原稿種別: 日本語

PDFファイルサイズ: 1,261 Kバイト