RGB画像化した気象データで構築する畳み込みニューラルネットワーク日射量予測手法

カテゴリ: 全国大会

論文No: 7-006

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): A Convolutional Neural Network-Based Solar Radiation Prediction Method Using RGB-Encoded Meteorological Data

著者名: 熊野杏耶（福井大学）,重信颯人（福井大学）,髙橋明子（福井大学）,伊藤雅一（福井大学）

著者名(英語): Aya Kumano (University of Fukui),Ryuto Shigenobu (University of Fukui),Akiko Takahashi (University of Fukui),Masakazu Ito (University of Fukui)

キーワード: 気象データ（日射量・気温・湿度）|RGB画像|畳み込みニューラルネットワーク（CNN）|日射量予測|MSM予測精度|Meteorological Data|RGB image|Convolutional Neural Network|Solar Radiation Prediction|MSM Forecast Accuracy

要約(日本語): 太陽光発電（PV）システムの安定運用には，高精度な日射量予測が必要である。気象庁のMSM予測データは，PV出力予測において広く活用されている。本研究ではまず，MSM予測データの予報時刻の違いによる日射量予測精度の分析を行う。次に，日射量，気温，相対湿度を活用したRGB画像を用いたCNN日射量予測手法を提案する。提案手法では，MSM予測データの更新を考慮し，3日前21時から当日3時の予報データ（計11断面）の各要素をR・G・Bとして当てはめ，画像化した。結果として，提案手法は，既存手法よりも変動の捉え方で劣るものの，画像化による新たな説明可能性の提供が今後期待される。特に，画像の元となる気象データの予測精度向上が重要な課題であることが示唆された。

本誌掲載ページ: 11-13 p

原稿種別: 日本語

PDFファイルサイズ: 992 Kバイト