スマートメータデータと日射データから推定する実負荷で学習したLSTMによる実負荷予測

カテゴリ: 全国大会

論文No: 6-103

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): Net Load Forecasting by LSTM Learned with Estimated Net Load from Smart Meter and Solar Radiation Data

著者名: 藤井海翔（中部大学）,飯岡大輔（中部大学）,塩山博史（九州電力送配電）,張本毅（九州電力送配電）,小林友岳（九州電力送配電）,伊藤翼（九州電力送配電）

著者名(英語): Kaito Fujii (Chubu University),Daisuke Iioka (Chubu University),Hirofumi Shioyama (Kyushu Electric Power Transmission and Distribution Co., Inc.),Tsuyoshi Harimoto (Kyushu Electric Power Transmission and Distribution Co., Inc.),Tomotake Kobayashi (Kyushu Electric Power Transmission and Distribution Co., Inc.),Tsubasa Ito (Kyushu Electric Power Transmission and Distribution Co., Inc.)

キーワード: スマートメータ|LSTM|負荷予測|データ集約|日射データ|smart meter|lstm|load forecasting|data aggregation|solar radiation data

要約(日本語): 近年，カーボンニュートラルの実現に向けて再生可能エネルギーの導入が進んでおり，特に太陽光発電（以下，PV）の導入が増加している。しかし，PV出力は日射量に依存するため，その出力変動が電力需給のバランスに大きな影響を及ぼす。例えば，PVを有するマイクログリッド内で需給バランスを維持するためには，需要に合わせて蓄電池などの充放電を制御する必要がある。この場合，PV出力を考慮して数時間あるいは数日先の負荷予測が必要となる。そこで本稿ではPVを有する需要家のスマートメータデータ(以下，SMデータ)と日射データを用いて，LSTM(Long Short-Term Memory)で実負荷予測する方法とその精度について述べる。また，複数の需要家データを集約した場合の予測精度の向上について述べる。

本誌掲載ページ: 162-164 p

原稿種別: 日本語

PDFファイルサイズ: 750 Kバイト