中電圧分布ネットワークの最適運用のためのPV予測:大規模パイロットにおける実生活の実現【JST・京大機械翻訳】

Dimovski Aleksandar; Moncecchi Matteo; Falabretti Davide; Merlo Marco

文献

J-GLOBAL ID：202102236093773785 整理番号：21A1047295

中電圧分布ネットワークの最適運用のためのPV予測:大規模パイロットにおける実生活の実現【JST・京大機械翻訳】

PV Forecast for the Optimal Operation of the Medium Voltage Distribution Network: A Real-Life Implementation on a Large Scale Pilot

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A1047295&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A1047295&from=J-GLOBAL&jstjournalNo=U7016A") }}

著者 (4件)： , , ,
資料名：
巻： 13 号： 20 ページ： 5330 発行年： 2020年
JST資料番号： U7016A ISSN： 1996-1073 CODEN： ENERGA 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：スイス (CHE) 言語：英語 (EN)

この論文の目的は,H2020InteGRIDyプロジェクト内で採用されるオンライン予測手順を開発することであり,そこでは,配電網(DN)の構成を最適化するための太陽光発電(PV)予測を用いることである。商用気象予測サービスから供給される数値気象予測と共に,データベースの9つの光起電力プラントに対してリアルタイム測定が得られ,保存される。性能指標としていくつかの誤差計量と,DN上のプラントの1つに対する歴史的データセットを採用して,精度および計算努力に関して最も適切なものを見つける目的で,多重統計的方法を調査する予備的解析を行った。時間予報は,72hの水平に対して,各6時間で行った。ランダムフォレスト法を最も適当なものとして見つけて,アルゴリズムの更なるハイパーパラメータ調整を実行して,性能を改善した。太陽照射と時間ベクトルを用いたアルゴリズムを訓練するとき,正規化した二乗平均平方根誤差(NRMSE)に関する最適結果が21日からなるデータセットで見いだされた。比較的小さな訓練セットを採用するとき,より多くの特徴を加えることは精度を改善しないと結論した。さらに,誤差は予測の水平によって有意な影響を受けず,そこでは,72hの水平予報が6時間予報と比較して2%以上の誤差増加を示した。InteGRIDyプロジェクトのおかげで,提案したアルゴリズムを大規模実生活パイロットで試験し,数学的手法の検証を可能にしたが,また,データ交換と貯蔵手順の誤差と同様に,通信グリッドの故障に関連する問題も考慮に入れた。このようなアプローチは,実際のシナリオにおける性能の適切な定量化を提供できる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

電力系統一般 , エネルギーに関する技術・経済問題 , 数理計画法

引用文献 (35件)：

Ourworldindata. Available online: https://ourworldindata.org/fossil-fuels (accessed on 15 August 2020). Ec Europa. Available online: https://ec.europa.eu/energy/sites/ener/files/documents/trends_to_2050_update_2013.pdf (accessed on 15 August 2020). UNFCCC-Kyoto Protocol. Available online: https://unfccc.int/kyoto_protocol (accessed on 15 August 2020). UNFCCC-Paris Agreement. Available online: https://unfccc.int/process-and-meetings/the-paris-agreement/the-paris-agreement (accessed on 15 August 2020). Ec Europa. Available online: https://ec.europa.eu/clima/policies/strategies/2020 (accessed on 17 August 2020). IRENA. Available online: https://irena.org/-/media/Files/IRENA/Agency/Publication/2020/Mar/IRENA_RE_Capacity_Highlights_2020.pdf?la=en&hash=B6BDF8C3306D271327729B9F9C9AF5F1274FE30B (accessed on 20 August 2020). IRENA. Available online: https://www.irena.org/costs (accessed on 20 August 2020). IEA. Available online: https://www.iea.org/data-and-statistics/charts/solar-pv-power-generation-in-the-sustainable-development-scenario-2000-2030 (accessed on 20 August 2020). InteGRIDy. Available online: http://www.integridy.eu/ (accessed on 20 August 2020).
Antonanzas, J.; Osorio, N.; Escobar, R.; Urraca, R.; Martinez-de-Pison, F.J.; Antonanzas-Torres, F. Review of photovoltaic power forecasting. Solar Energy 2016, 136, 78-111.
Sreekumar, S.; Bhakar, R. Solar Power Prediction Models: Classification Based on Time Horizon, Input, Output and Application. In Proceedings of the International Conference on Inventive Research in Computing Applications, Coimbatore, India, 11-12 July 2018.
Dolara, A.; Leva, S.; Manzolini, G. Comparison of different physical models for PV power output prediction. Solar Energy 2015, 119, 83-89.
Lorenz, E.; Hurka, J.; Heinemann, D.; Beyer, H.G. Irradiance Forecasting for the Power Prediction of Grid-connected Photovoltaic Systems. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2009, 2, 2-10.

, , , , ,

前のページに戻る