長短期記憶ニューラルネットワークを用いた風力発電出力予測技術の検討

カテゴリ: 全国大会

論文No: 581-582

グループ名: 【全国大会】平成31年電気学会全国大会論文集

発行日: 2019/03/01

タイトル(英語): Study on Wind Power Forecasting Techniques Using Long Short-Term Memory Neural Network

著者名: 阿拉 木斯(早稲田大学),中西 要祐(早稲田大学),伊庭 健二(明星大学),周 意誠(早稲田大学)

著者名(英語): Musi Ala,Yosuke Nakanishi,Kenji Iba,Yicheng Zhou

キーワード: 風力発電,予測,LSTMニューラルネットワーク

要約(日本語): 各国の電力自由化の発展に伴い、風力電力の取引市場も設置され、風力発電事業者は風力発電予測結果に基づいて風力電力の販売を行う。風力発電予測精度が風力発電事業者の利益に影響を与える。そのため、風力発電出力予測精度を上げることは重要な意味がある。 本研究では時系列問題によく使われている長短期記憶ニューラルネットモデル(Long Short Time Memory Neural Network、以下LSTM)を用いて風力発電出力の短期予測を行い、従来研究のバックプロパゲーションニューラルネットワークモデル(Back Propagation Neural Network、以下BPNN)の予測結果と比較した。BPNNモデルと比べて、LSTMモデルは予測誤差を改善している。さらに、学習日が一定値以上になると、LSTMモデルは良い予測精度を達成するために学習日を調整する必要がない優位性を有する。

本誌掲載ページ: 6-330 p

原稿種別: 日本語