気象アンサンブル予測を活用した自然勾配ブースティングによる風力発電出力の確率分布予測

カテゴリ: 全国大会

論文No: 3-017

グループ名: 【全国大会】令和4年電気学会全国大会論文集

発行日: 2022/03/01

タイトル(英語): NGBoost Approach for Probability Density Prediction of Wind Power Generation Using Ensemble Weather Forecast

著者名: 藤本悠（早稲田大学）,林泰弘（早稲田大学）,野原大輔（電力中央研究所）,菅野湧貴（電力中央研究所）,大庭雅道（電力中央研究所）

著者名(英語): Yu Fujimoto (Waseda University),Yasuhiro Hayashi (Waseda University),Daisuke Nohara (Central Research Institute of Electric Power Industry),Yuki Kanno (Central Research Institute of Electric Power Industry),Masamichi Ohba (Central Research Institute of Electric Power Industry)

キーワード: 風力発電|確率分布予測|気象アンサンブル予測|機械学習|wind power generation|probability density prediction|ensemble weather forecast|machine learning

要約(日本語): 風力発電出力の不確実性を表現する確率分布予測の枠組みとして，これまで様々なアプローチの検討が為されてきた。特に大気挙動の不確実性を表現する複数の風況シナリオを提供する気象アンサンブル予測の活用は，精緻な風力発電出力の確率分布予測を実現する上で有用と考えられているが，一方でこのような高次元データを適切に活用しつつ，発電出力確率分布の予測モデルを精緻に学習することは機械学習の問題設定として非常に難しいことが知られていた。本稿では高次元データを活用した精緻な確率分布予測の実現機構として近年提案された自然勾配ブースティングの考え方に着目し，風力発電出力の確率分布予測の文脈での気象アンサンブル予測結果の活用可能性を論じる。

本誌掲載ページ: 25-27 p

原稿種別: 日本語

PDFファイルサイズ: 749 Kバイト