LSTMを用いた住宅用PVの短時間先発電量予測手法

カテゴリ: 全国大会

論文No: 6-216

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): A Method for Predicting Short-Term Day ahead Power of Residential PV using LSTM Neural Network

著者名: 那須宙（東京理科大学）,宇都宮健志（日本気象協会）,佐々木潤（日本気象協会）,岡田牧（日本気象協会）,吉川茂幸（日本気象協会）,山口浩司（日本気象協会）,植田譲（東京理科大学）

著者名(英語): Sora Nasu (Tokyo University of Science),Kenji Utsunomiya (Japan Weather Association),Jun Sasaki (Japan Weather Association),Maki Okada (Japan Weather Association),Shigeyuki Yoshikawa (Japan Weather Association),Koji Yamaguchi (Japan Weather Association),Yuzuru Ueda (Tokyo University of Science)

キーワード: 太陽光発電|予測|機械学習|LSTM|逐次学習|photovoltaic|forecast|machine learning|LSTM|sequential learning

要約(日本語): 近年，太陽光発電（PV）の導入に伴い，住宅用のPVシステムもさらに導入されると考えられる。その中で住宅等の需要家への電力販売と，そこに設置されているPVの余剰電力買取を行うアグリゲータ等における計画値同時同量に向けた高精度な発電量予測が必要であると考えられる。住宅用PVシステムに関しては周りの障害物による影の影響や方位角情報と実際の方位角とのズレ等の影響を考慮しなければならない。本研究では複数方位に太陽モジュールが設置された住宅に対して，日本産業規格に基づいた物理モデルで，実際の日射量データを用いて発電量を推定し，そこで考慮できていない影響をLSTMを用いたオンライン学習により補正し，最終的な発電量を予測する手法を提案する。

本誌掲載ページ: 368-370 p

原稿種別: 日本語

PDFファイルサイズ: 482 Kバイト