太陽光発電予測 AI 開発

3・11後、太陽光発電は急速に普及しましたが、この黎明期からエネルギーマネジメント会社で太陽光発電予測モデル開発や予測値ハンドリングの実務経験があり、オペレーションや電力市場についての業界ドメイン知識を活かしながら気象ドリブンな太陽光発電予測 AI を開発いたします。

ディープラーニング(LSTM)による予測

株式会社Looop様より業務受託し、自家消費後の余剰電力のみから構成された太陽光発電バランシンググループに対し2日先の発電量を予測するモデルをディープラーニング(LSTM)にて開発しました。

バランシンググループ毎のAI予測なので、発電所の図面をひとつひとつ精査する必要がありません。

​単位[kW]あたりで算出した予測値を積上げ[kW]で掛け戻すという手法を採用したことにより、バランシンググループ内の設備容量ボリューム(積上げ[kW])が変化する度に再学習させなくても精緻な予測を得ることができます。

※バランシンググループの内容が大きく変化する場合は再学習することでより精緻な予測モデルに更新することができます

状態空間モデル(カルマンフィルタ)による予測

株式会社Looop様より業務受託し、バランシンググループ毎に2日先の太陽光発電量を予測するモデルを統計的時系列モデルである状態空間モデル(カルマンフィルタ)にて開発しました。

こちらもバランシンググループ毎予測なので、発電所図面を精査する必要がないことに加え、

​予測値と実績値の差をフィードバックしながら追従学習するという特徴を持つ状態空間モデルで、発電所データ更新管理のメンテナンスフリーを実現できます。

 

グラフは、2018年11月30日に設備容量が約45%増強された後、モデル自身が予測誤差を日々フィードバック学習しながらこの変化を徐々にキャッチアップしていき、2019年1月末までには増強された設備容量成りの予測値を算出できるようになるまでの過程を見ることができます。

この間、予測モデルに設備容量ボリューム(積上げ[kW])の変化を伝える等の管理作業は一切していません。

© 2019 Weather Data Science