報告書番号

SS24007

タイトル（和文）

機械学習とアンサンブル気象予測の併用によるPV出力確率予測の高精度化

タイトル（英文）

Enhancing Accuracy of PV Output Probabilistic Forecast through the Combined Use of Machine Learning and Ensemble Weather Prediction

概要 （図表や脚注は「報告書全文」に掲載しております）

背　　景
太陽光発電（PV）などの再生可能エネルギーの導入拡大が進むなか，電力需給バランスの維持にはPV出力予測の活用が不可欠になっている。一方，予測には誤差が避けられない。そこで当所では，機械学習を用いて予測誤差を低減させる決定論的な予測手法（KN2023）や，アンサンブル気象予測を用いて予測の不確実性を信頼区間幅として定量的に表現する確率論的な予測手法（NK2021）を開発してきた。供給予備力の最適化などといった実務活用には，信頼区間幅の縮小や，信頼区間の中に実測値が適切な割合で収まることなど，予測手法の精緻化による精度の向上が必要となっていた。
目　　的
翌日までの一般送配電事業者の電力供給エリアのPV出力合計値を対象に，機械学習とアンサンブル気象予測を併用して，PV出力確率予測の高精度化を図る。
主な成果
1. PV出力確率予測手法の開発
気象予測からPV出力に変換する機械学習モデルとして，逐次的に予測誤差を学習する勾配ブースティング決定木法を採用し，NK2021に組み入れた。この変換モデルを用いて得られるPV出力予測誤差の統計量は，確率予測の信頼区間幅の算出に利用される。
2. PV出力確率予測結果の特徴
複数の予測結果が得られる気象庁メソアンサンブル予報にPV出力変換モデルを適用し，さらに予測誤差の統計量を考慮することで，予測結果が出力される。確率予測の中央値やKN2023による予測に加え，確率分布を50%，90%，3σ（99.73%）信頼区間で表現する。信頼区間の幅は，日々の天候に応じて動的に変化する特徴を持つ。
3. PV出力確率予測の検証
予測の精度検証に年間を通して実施した39時間先までの予測を用いる。決定論的な予測精度の指標となる二乗平均平方根誤差（RMSE）を用いた検証では，提案した確率予測の中央値は，NK2021による予測より低減し，KN2023による予測とほぼ同等だった。RMSEが年間で上位に入る大外しの事例でも，同様の結果であった。確率予測の精度の指標となる信頼区間の拡がり幅（スプレッド）を用いた検証では，提案した確率予測は，NK2021による予測より縮小した。各信頼区間内に実績値が含まれる割合は，信頼区間として設定された値に収まり，NK2021による予測より改善した。
今後の展開
確率予測を利用した供給予備力の最適化といった意思決定などへの活用法を検討する。

概要 （英文）

As the adoption of renewable energy sources such as photovoltaics (PV) increases, the use of PV output forecasts becomes essential for maintaining the balance between electricity supply and demand. However, since forecast errors are inevitable, probabilistic forecasts that can quantitatively evaluate these errors have become increasingly important. The proposed PV output probabilistic forecasting method is designed based on an analysis of the factors contributing to forecast errors. For stochastic uncertainties arising from the nonlinearity of atmospheric dynamics, ensemble weather prediction is applied, while machine learning is used to address epistemic uncertainties due to the imperfections of the forecasting method. Gradient boosting is employed as a machine learning technique. The proposed probabilistic forecast includes the median of the probability distribution, 50%, 90%, and 99.73% confidence intervals. The width of these confidence intervals dynamically changes according to daily weather variations. Validation of the forecasts over a year showed that the proposed method reduces the forecast error of time series forecasts compared to conventional methods using empirical power curves for PV output conversion. Additionally, the width of the confidence intervals in the proposed method is narrower than that of conventional methods, confirming an improvement in forecast reliability. Furthermore, the proposed method better represents the probability distribution of PV output, as evidenced by improved occupancy rates of actual PV output values within the probabilistic classes compared to conventional methods.

報告者

キーワード