複数アンサンブル予報を使った統合予報による東京電力エリア前日日射予報の過大大外し低減

カテゴリ: 全国大会

論文No: 6-184

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Combined Forecasts Using Multiple Ensemble Predictions to Reduce Serious Overestimation of 1 Day-ahead Solar Power Forecasts for TEPCO Areas

著者名: 高松尚宏（産業技術総合研究所）,中島虹（産業技術総合研究所）,大竹秀明（産業技術総合研究所）,大関崇（産業技術総合研究所）,山口浩司（日本気象協会）

著者名(英語): Takahiro Takamastu (National Institute of Advanced Industrial Science and Technology),Kou Nakajima (National Institute of Advanced Industrial Science and Technology),Hideaki Ohtake (National Institute of Advanced Industrial Science and Technology),Takashi

キーワード: 日射予測|機械学習|アンサンブル予報システム|solar power forecast|machine learning|ensemble prediction system

要約(日本語): 本研究では，気象庁が運用するEPSであるGEPSとMEPSが生成する複数予報データを入力として，複数の機械学習を組み合わせたモデルを構成し，平均的な予報精度だけでなく過大大外しの改善も両立する前日日射予報モデルについて検討をおこなった。東京電力エリアを対象として，2021-05-01～2021-07-01のデータ期間で予報モデルの訓練とテストを行った結果，全ての予報を統合したモデルはベンチマーク前日予報に対しRMSEを2.47%，過大大外しを29.4%改善した結果が得られた。ただし，データ期間が限定的であることから，結果の妥当性については使用データ期間を長くするなどの検証が今後必要となる。

本誌掲載ページ: 321-323 p

原稿種別: 日本語

PDFファイルサイズ: 418 Kバイト