JP2020166622A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2020166622A5 JP2020166622A5 JP2019067230A JP2019067230A JP2020166622A5 JP 2020166622 A5 JP2020166622 A5 JP 2020166622A5 JP 2019067230 A JP2019067230 A JP 2019067230A JP 2019067230 A JP2019067230 A JP 2019067230A JP 2020166622 A5 JP2020166622 A5 JP 2020166622A5
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- predicted
- model
- point
- power generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010248 power generation Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000002093 peripheral Effects 0.000 claims description 6
- 230000000875 corresponding Effects 0.000 claims 3
Description
また、本発明の一態様は、上記発電量予測装置であって、前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報を位置情報に基づいて配列化した配列データであり、前記予測部が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報を位置情報に基づいて配列化した配列データを前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める。
また、本発明の一態様は、上記発電量予測装置であって、前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報の時系列を含み、前記予測部が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻までの各天気予測情報の時系列を前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める。
また、本発明の一態様は、上記発電量予測装置であって、前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報を位置情報に基づいて配列化した配列データであり、前記予測部が、前記モデルに対して前記予測地点を含むメッシュと前記周囲の複数のメッシュの各予測時刻の各天気予測情報を位置情報に基づいて配列化した配列データの時系列を入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める。
Claims (8)
- 予測地点を含むメッシュと周囲の複数のメッシュの各天気予測情報を少なくとも含む説明変数と、自然エネルギによる発電量に対応する目的変数とを用いた機械学習によって構築されたモデルを記憶する記憶部と、
少なくとも前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報を前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める予測部と、
を備える発電量予測装置。 - 前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報と前記発電量とを含み、
前記予測部が、まず、前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報と前記発電量の実績値とを前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求め、その後は、所望の時刻の予測値が得られるまで繰り返し、前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報と前に求めた前記発電量の予測値とを前記モデルに対して入力し、前記モデルからの出力として前記予測地点における前記発電量の次の予測値を求める
請求項１に記載の発電量予測装置。 - 前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報を位置情報に基づいて配列化した配列データであり、
前記予測部が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報を位置情報に基づいて配列化した配列データを前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める
請求項１に記載の発電量予測装置。 - 前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報の時系列を含み、
前記予測部が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻までの各天気予測情報の時系列を前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める
請求項１に記載の発電量予測装置。 - 前記モデルを機械学習する際に用いる前記説明変数が、前記予測地点を含むメッシュと前記周囲の複数のメッシュの各天気予測情報を位置情報に基づいて配列化した配列データであり、
前記予測部が、前記モデルに対して前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報を位置情報に基づいて配列化した配列データの時系列を入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求める
請求項１に記載の発電量予測装置。 - 前記発電量が太陽光発電による発電量であり、
前記各天気予測情報が少なくとも日射量の予測値を含む
請求項１から５のいずれか１項に記載の発電量予測装置。 - 記憶部によって、予測地点を含むメッシュと周囲の複数のメッシュの各天気予測情報を少なくとも含む説明変数と、自然エネルギによる発電量に対応する目的変数とを用いた機械学習によって構築されたモデルを記憶するステップと、
予測部によって、少なくとも前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報を前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求めるステップと
を含む発電量予測方法。 - 記憶部によって、予測地点を含むメッシュと周囲の複数のメッシュの各天気予測情報を少なくとも含む説明変数と、自然エネルギによる発電量に対応する目的変数とを用いた機械学習によって構築されたモデルを記憶するステップと、
予測部によって、少なくとも前記予測地点を含むメッシュと前記周囲の複数のメッシュの予測時刻の各天気予測情報を前記モデルに対して入力し、前記モデルからの出力として前記予測地点における発電量の予測値を求めるステップと
をコンピュータに実行させるプログラム。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019067230A JP2020166622A (ja) | 2019-03-29 | 2019-03-29 | 発電量予測装置、発電量予測方法、およびプログラム |
| US17/442,235 US20220200279A1 (en) | 2019-03-29 | 2020-03-27 | Power generation amount prediction device, power generation amount prediction method, and program |
| EP20784206.3A EP3926818A4 (en) | 2019-03-29 | 2020-03-27 | ENERGY GENERATION AMOUNT PREDICTION DEVICE, ENERGY GENERATION AMOUNT PREDICTION METHOD AND PROGRAM |
| PCT/JP2020/014234 WO2020203854A1 (ja) | 2019-03-29 | 2020-03-27 | 発電量予測装置、発電量予測方法、およびプログラム |
| TW109110675A TWI745907B (zh) | 2019-03-29 | 2020-03-27 | 發電量預測裝置、發電量預測方法、及程式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019067230A JP2020166622A (ja) | 2019-03-29 | 2019-03-29 | 発電量予測装置、発電量予測方法、およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020166622A JP2020166622A (ja) | 2020-10-08 |
| JP2020166622A5 true JP2020166622A5 (ja) | 2021-11-18 |
Family
ID=72668174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019067230A Pending JP2020166622A (ja) | 2019-03-29 | 2019-03-29 | 発電量予測装置、発電量予測方法、およびプログラム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220200279A1 (ja) |
| EP (1) | EP3926818A4 (ja) |
| JP (1) | JP2020166622A (ja) |
| TW (1) | TWI745907B (ja) |
| WO (1) | WO2020203854A1 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7346356B2 (ja) * | 2020-05-20 | 2023-09-19 | 株式会社日立製作所 | 予測装置および予測方法 |
| US20220099532A1 (en) * | 2020-09-25 | 2022-03-31 | General Electric Company | Systems and methods for operating a power generating asset |
| JP2022088807A (ja) * | 2020-12-03 | 2022-06-15 | 三菱重工業株式会社 | 予測システム、予測方法およびプログラム |
| CN113487068B (zh) * | 2021-06-21 | 2023-03-24 | 湖北工业大学 | 一种基于长短期记忆模块的短期风功率预测方法 |
| FR3135798A1 (fr) * | 2022-05-19 | 2023-11-24 | IFP Energies Nouvelles | Procédé de prévision d’une puissance produite par au moins un panneau photovoltaïque |
| TWI833549B (zh) * | 2023-01-12 | 2024-02-21 | 春禾科技股份有限公司 | 日照值估測系統 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5797599B2 (ja) * | 2012-04-19 | 2015-10-21 | 株式会社日立パワーソリューションズ | 発電量予測方法及びそのシステム |
| US20140195159A1 (en) * | 2013-01-09 | 2014-07-10 | Iteris, Inc. | Application of artificial intelligence techniques and statistical ensembling to forecast power output of a wind energy facility |
| CN104699936B (zh) * | 2014-08-18 | 2018-05-04 | 沈阳工业大学 | 基于计算流体力学短期风速预测的风电场扇区管理方法 |
| JP5886407B1 (ja) * | 2014-12-05 | 2016-03-16 | 中国電力株式会社 | 予測装置 |
| JP2016136001A (ja) * | 2015-01-23 | 2016-07-28 | 中国電力株式会社 | 予測装置 |
| WO2016121202A1 (ja) * | 2015-01-30 | 2016-08-04 | 日本電気株式会社 | 予測装置、予測方法、及び、プログラム |
| WO2016136323A1 (ja) * | 2015-02-27 | 2016-09-01 | 株式会社Ｅ．Ｉ．エンジニアリング | エネルギー予測システム、エネルギー予測方法、これを実行させるためのコンピュータプログラム及びこのプログラムを記録した記録媒体並びに運転支援システム |
| JP2017200360A (ja) | 2016-04-28 | 2017-11-02 | 清水建設株式会社 | 太陽光発電量予測システム、太陽光発電量予測方法、プログラム |
| DE112017003022T5 (de) * | 2016-06-17 | 2019-03-07 | Panasonic Intellectual Property Management Co., Ltd. | Verwaltungssystem für elektrische Leistung |
| US10819116B2 (en) * | 2017-02-28 | 2020-10-27 | International Business Machines Corporation | Forecasting solar power generation using real-time power data |
| JP7069622B2 (ja) | 2017-10-03 | 2022-05-18 | 富士電機株式会社 | 通貨処理装置 |
| CN108832619A (zh) * | 2018-05-29 | 2018-11-16 | 北京交通大学 | 基于卷积神经网络的电力系统暂态稳定评估方法 |
-
2019
- 2019-03-29 JP JP2019067230A patent/JP2020166622A/ja active Pending
-
2020
- 2020-03-27 WO PCT/JP2020/014234 patent/WO2020203854A1/ja unknown
- 2020-03-27 US US17/442,235 patent/US20220200279A1/en active Pending
- 2020-03-27 EP EP20784206.3A patent/EP3926818A4/en not_active Withdrawn
- 2020-03-27 TW TW109110675A patent/TWI745907B/zh active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2020166622A5 (ja) | ||
| Shi et al. | Deep learning for household load forecasting—A novel pooling deep RNN | |
| JP2021507323A5 (ja) | ||
| JP6384065B2 (ja) | 情報処理装置、学習方法、及び、プログラム | |
| Preisinger et al. | Karamba—a toolkit for parametric structural design | |
| Fan et al. | Generalized fuzzy linear programming for decision making under uncertainty: Feasibility of fuzzy solutions and solving approach | |
| JP2021501421A5 (ja) | ||
| JP2015011722A5 (ja) | ||
| CN107992299B (zh) | 神经网络超参数提取转换方法、系统、装置及存储介质 | |
| RU2007116053A (ru) | Способ компьютеризованного обучения одной или более нейронных сетей | |
| JP2014039463A5 (ja) | ||
| CN103942147B (zh) | 一种线性拟合函数驱动的测试数据自动生成方法 | |
| CN103778482A (zh) | 基于多尺度分析的水产养殖溶解氧短期预测方法 | |
| JP2007172127A5 (ja) | ||
| Verma | Analysis of strengths and weakness of sdlc models | |
| CN104318459B (zh) | 一种基于多模态学习的自动化市场分析方法 | |
| Ghaeli et al. | Petri-net based formulation and algorithm for short-term scheduling of batch plants | |
| CN108446758B (zh) | 一种面向人工智能计算的神经网络数据串行流水处理方法 | |
| CN113240217A (zh) | 一种基于集成预测模型的光伏发电预测方法及装置 | |
| CN116362915A (zh) | 一种光伏电站气象数据补齐方法、装置及相关设备 | |
| JPWO2021229648A5 (ja) | ||
| CN109840308B (zh) | 一种区域风电功率概率预报方法及系统 | |
| KR102583178B1 (ko) | 발전량 예측 방법 및 장치 | |
| Simes et al. | Introduction to electrical engineering simulation | |
| JP2017513110A5 (ja) |