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: 6-240

グループ名: 【全国大会】令和5年電気学会全国大会論文集

発行日: 2023/03/01

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）,植田譲（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）

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

キーワード: 太陽光発電|発電量予測|機械学習|LSTM|逐次学習|ベイズ最適化|solar power|power generation forecast|machine learning|LSTM|sequential learning|bayesian optimization

要約(日本語): 住宅用PVシステムにおいて太陽光発電量を予測するには，周りの障害物による影や方位角情報とのズレといった影響を考慮する必要があり，予測するのが困難である。先行研究では物理モデルという傾斜面日射量と損失係数から発電量を予測するモデルがあるが，これだと前述した住宅特有の影響を考慮することができない。そこで本研究では物理モデルで予測した発電量を，LSTMで補正するという流れで研究を行った。LSTMは時系列データの予測に強く，日射状況や太陽位置に関する情報をLSTMに学習させることで，結果として日射量の予測誤差を含

本誌掲載ページ: 417-419 p

原稿種別: 日本語

PDFファイルサイズ: 591 Kバイト