top of page
風力発電予測 AI 開発
風力や太陽光など再生可能エネルギーの予測は、発電所という点の予測に対し、予測値が必要とされる時刻からのリードタイムが長いのに予測値の時間粒度が30分単位と細かいため、利用できる気象データとの時間スケールも空間スケールも一致しない予測難易度の高いコンテンツですが、期待する予測精度やオペレーション体制にフィットした AI を開発いたします。
ディープラーニング(ニューラルネットワーク)による予測
![JAN-APR.png](https://static.wixstatic.com/media/baa2f6_71b6ddfb26304f1dadf2880fb08a5633~mv2.png/v1/fill/w_600,h_588,al_c,q_85,usm_0.66_1.00_0.01,enc_auto/JAN-APR.png)
![MAY-AUG.png](https://static.wixstatic.com/media/baa2f6_46d8123e676c47ed9fb3d0abff0cd329~mv2.png/v1/fill/w_600,h_593,al_c,q_85,usm_0.66_1.00_0.01,enc_auto/MAY-AUG.png)
![SEP-DEC.png](https://static.wixstatic.com/media/baa2f6_fd1948981c074e7290907fc3b34f1ca0~mv2.png/v1/fill/w_600,h_588,al_c,q_85,usm_0.66_1.00_0.01,enc_auto/SEP-DEC.png)
実績値
予測値
株式会社Looop様より業務受託し、銚子にあるウインドファームの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(ニューラルネットワーク)にて開発しました。
気象ドリブンなアプローチと電力取引ルールの制約とをバランスさせながらAIが最大限のパフォーマンスを発揮できることをゴールに取り組んだ結果、解像度の粗い気象庁GSMをインプットとしながらも2日先予測の*誤差率11.6%を達成致しました。
*誤差率=設備容量比(定格比)RMSE誤差率
bottom of page