機械学習と波形補正を用いたスマートメーター計測値からPV出力と実需要への分離推定

カテゴリ: 全国大会

論文No: 6-102

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): Disaggregation of PV Output and Native Electricity Consumption from Smart Meter Data using Machine Learning and Waveform Correction

著者名: 高木洋羽（松尾研究所）,佐藤大地（松尾研究所）,長谷川貴巨（松尾研究所）,大福泰樹（東京電力パワーグリッド）,武田峻悟（東京電力パワーグリッド）,山内有倫（東京電力パワーグリッド）,高橋孝樹（東京電力パワーグリッド）,国藤靖彦（東京電力パワーグリッド）

著者名(英語): Hirohane Takagi (Matsuo Institute),Daichi Sato (Matsuo Institute),Takaomi Hasegawa (Matsuo Institute),Hiroki Ohfuku (TEPCO Power Grid),Shungo Takeda (TEPCO Power Grid),Arinori Yamauchi (TEPCO Power Grid),Kouki Takahashi (TEPCO Power Grid),Yasuhiko Kunitou (TEPCO Power Grid)

キーワード: スマートメーター|太陽光発電|機械学習|分離推定|smart meter|photovoltaics power generation|machine learning|disaggregation

要約(日本語): 昨今，再生可能エネルギーとして太陽光発電（Photovoltaics, PV）の導入が進んでいる。しかし，小規模な PV が設置された家庭では，スマートメーター（SM）が PV 出力と自家消費量を相殺した値のみを計測する。差引前の本来の値の把握が困難になる課題に対処するため，SM 計測値から PV 出力と実需要への分離推定が必要である。本研究では，機械学習手法の一つである勾配ブースティング木による PV 出力予測モデルを開発し，その改善方法を議論する。加えて，SM 波形に対する仮定を元に分離する従来手法を事後的な補正として用いることを提案する。数値実験によって，このような手法の組み合わせが年間を通じて推定誤差をさらに抑制できることを確認した。

本誌掲載ページ: 160-162 p

原稿種別: 日本語

PDFファイルサイズ: 573 Kバイト