JP2005163608A - 風力発電出力予測方法 - Google Patents

風力発電出力予測方法 Download PDF

Info

Publication number
JP2005163608A
JP2005163608A JP2003402573A JP2003402573A JP2005163608A JP 2005163608 A JP2005163608 A JP 2005163608A JP 2003402573 A JP2003402573 A JP 2003402573A JP 2003402573 A JP2003402573 A JP 2003402573A JP 2005163608 A JP2005163608 A JP 2005163608A
Authority
JP
Japan
Prior art keywords
power generation
generation output
predetermined time
wind power
weather forecast
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.)
Granted
Application number
JP2003402573A
Other languages
English (en)
Other versions
JP4347030B2 (ja
Inventor
Kensuke Kawasaki
憲介 川崎
Naoto Fujimura
直人 藤村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shikoku Research Institute Inc
Original Assignee
Shikoku Research Institute Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shikoku Research Institute Inc filed Critical Shikoku Research Institute Inc
Priority to JP2003402573A priority Critical patent/JP4347030B2/ja
Publication of JP2005163608A publication Critical patent/JP2005163608A/ja
Application granted granted Critical
Publication of JP4347030B2 publication Critical patent/JP4347030B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Wind Motors (AREA)

Abstract

【課題】 気象予報データから風力発電装置の発電出力を予想できるようにした風力発電出力予測方法を提供する。
【解決手段】 この発明の風力発電出力予測方法は、風力発電装置のサイトの近隣の気象予報箇所からの現在時刻から所定時間経過後の気象予報データを複数個のファジー集合に区分し、各要素のそのファジー集合に属する割合を表すメンバーシップ関数を定義し、該メンバーシップ関数と当該メンバーシップ関数の重み付けとに基づき前記所定時間経過後の発電出力予想値を示す特性式を定義し、該特性式により得られた発電出力予想値と前記所定時間経過後に前記風力発電装置により実際に得られた発電出力実際値との誤差を求め、その誤差が最小に漸近するように前記メンバーシップ関数の重み付けを修正することにより前記特性式に学習させて現在時刻から所定時間経過後の発電出力予想値を求める。
【選択図】 なし

Description

本発明は、風力発電装置の風力による発電出力を予想する風力発電出力予測方法に関する。
従来から、風力を利用して発電する風力発電装置が知られている（例えば、特許文献１参照。）。
特開２００３−２４４８１号公報
ところで、この風力発電装置の場合、風力発電装置が施設されているサイトの地形に依存して発電出力が決定されるので、かつ、建設費用がかなりの高額となるため、建設前には風況調査を綿密に行っている。
しかしながら、風力発電装置による発電出力値が時々刻々どのように変化するかの予測は、電力系統の需給バランスを知るうえで重要な情報であるにもかかわらず、ほとんど行われていない。
というのは、風力発電の発電出力がサイト周辺の地形の影響を大きく受けるため、単純に気象予報データから予測できないからである。
風力発電は、今後、ますます増加する傾向にあり、風力発電の普及が進めば、その風力発電による発電出力の予想が正確でないと、軽負荷時の火力機の起動停止時期の判断を誤ったり、変動要因の増加により系統運用に支障をきたすおそれがある。
本発明は、上記の事情に基づいて為されたもので、その目的とするところは、気象予報データから風力発電装置の発電出力を予想できるようにした風力発電出力予測方法を提供することにある。
請求項１に記載の風力発電出力予測方法は、風力発電装置のサイトの近隣の気象予報箇所からの現在時刻から所定時間経過後の気象予報データを複数個のファジー集合に区分し、各要素のそのファジー集合に属する割合を表すメンバーシップ関数を定義し、該メンバーシップ関数と当該メンバーシップ関数の重み付けとに基づき前記所定時間経過後の発電出力予想値を示す特性式を定義し、該特性式により得られた発電出力予想値と前記所定時間経過後に前記風力発電装置により実際に得られた発電出力実際値との誤差を求め、その誤差が最小に漸近するように前記メンバーシップ関数の重み付けを修正することにより前記特性式の学習を行い現在時刻から所定時間経過後の発電出力予想値を求めることを特徴とする。
請求項２に記載の風力発電出力予測方法は、前記発電出力実際値を自動的にフィードバックして前記誤差を求めると共に前記メンバーシップ関数の重み付けを修正することを特徴とする。
請求項３に記載の風力発電出力予測方法は、風力発電装置のサイトの近隣の気象予報箇所からの現在時刻から所定時間経過後の気象予報データと前記気象予報データに対応しかつ前記風力発電装置により得られた発電出力実際値とを前記ニューラルネットワークに与えて、前記所定時間経過後の気象予報データに基づく前記風力発電装置の発電出力予想値の誤差が最小に漸近するように前記発電出力実際値と前記発電出力予想値との差に基づき前記ニューラルネットワークの各ノードの重み係数を修正することにより現在時刻から所定時間経過後の発電出力予想値を求めることを特徴とする。
請求項１〜請求項３に記載の風力発電出力予測方法によれば、ファジィ推論方法又はニューロンネットワークを用いて気象予報データから発電出力を予想できるので、気象予報データに基づき簡便に正確な風力発電の発電出力を予想できるという効果を奏する。
以下に本発明に係わる風力発電出力予測方法を図面を参照しつつ説明する。
図１は本発明に係わる風力発電出力予測方法を説明するための説明図であって、１は風力発電装置の設備施設箇所であるサイト、２は気象予報データが得られる気象予報箇所である。風力発電出力の予測には、そのサイト１を囲む気象予報箇所２における気象予報データが用いられる。
いま、時刻ｔにおいて、サイト１を囲むその近傍のＫ個の箇所からそれぞれａ個の種類の気象予報データが得られるものとする。
ここで、ａ個の種類の気象予報データとは、風速Ｖi、風向θi、大気圧Ｓi、風速の３乗値Ｖi 3の４個であるが、これらに限られるものではなく、大気密度ρに関係する気温、湿度、運動エネルギーに比例するＶi2をこれらの気象予報データに加えても良い。
というのは、風力発電の発電出力は一般に、風速Ｖiの３乗値に大気密度ρを積算して得られた値に比例するからである。
ここでは、気象予報データとして、風速Ｖi、風向θi、大気圧Ｓi、風速の３乗値Ｖi 3の４個を用いて、時刻ｔから所定時間Ｔ経過後の気象予報データのかたまりＸ（ｔ,Ｔ）が得られたものとする。ここで、Ｘ（ｔ,Ｔ）の要素数はａ×Ｋ個である。
その気象予報データのかたまりを下記に（１）式として示す。
Figure 2005163608
この気象予報データのかたまりＸ（ｔ,Ｔ）の各要素それぞれをｍi個（添え字iはＸ（ｔ,Ｔ）のi番目の要素）に区分して（２）式を定義する。
Figure 2005163608
この要素の区分毎にファジー集合Ｍn（ｎ＝１〜ａＫ）を定義する。要素ｎごとのファジー集合を以下の（３）式で定義する。
Figure 2005163608
各要素ｎのi番目のファジー集合Ｍ（ｎ,i）（i＝１〜ｍn）に属する割合（グレード）を表すメンバーシップ関数をＧ（ｎ,i）とする。
このメンバーシップ関数Ｇ（ｎ,i）には、各種のものを用いることができ、例えば、図２に示す三角形関数があるが、ここでは、下記（４）式で示すものを用いる。
Figure 2005163608
第１番目の気象予報データ箇所からＫ番目の気象予報データ箇所までの気象予報データを（４）式の右辺に代入して、下記の（５）式に基づきグレードを計算する。
Figure 2005163608
ただし、i1＝１〜ｍ1
…
iak＝１〜ｍak
（５）式を用いて風力発電の予想発電出力式としての特性式Ｐs（ｔ,Ｔ）を以下の（６）式で定義する。
Figure 2005163608
ここで、ｑ組の数値予測データと各組に対応した風力発電の発電出力実際値として対象時刻を中心にした一定時間幅内の平均値としてＰ（ｔ＋Ｔ）を与えたとき、（６）式で得られた発電出力予想値との誤差Ｅを下記の（７）式で定義する。
Figure 2005163608
この（７）式で示す誤差を最小にする重み付けＷ（i1,…iak）を（７）式を用いてＷ（i1,…iak）で偏微分し、下記（８）式の重み付け修正式Ｗ（i1,…iak）を得る。
Figure 2005163608
ただし、Ｗ’（i1,…iak）は修正前の重み付け、γは定数である。
（７）式で示す誤差Ｅが最小に漸近するように（８）式で定義される重み付け修正式Ｗ（i1,…iak）を用いて重み付けＷ（i1,…iak）を修正する。
このように本発明の風力発電出力予測方法によれば、風力発電装置１のサイトを囲む気象予報箇所２からの現在時刻Ｔから所定時間Ｔ経過後の気象予報データを複数個のファジー集合Mnに区分し、各要素のそのファジー集合Mnに属する割合を表すメンバーシップ関数Ｇ（ｎ,i）を定義し、メンバーシップ関数Ｇ（ｎ,i）とメンバーシップ関数Ｇ（ｎ,i）の重み付けＷ（i1,…iak）とに基づき所定時間Ｔ経過後の発電出力予想値を示す特性式Ｐs（ｔ,Ｔ）を定義し、この特性式Ｐs（ｔ,Ｔ）により得られた発電出力予想値と所定時間Ｔ経過後に風力発電装置により実際に得られた発電出力実際値との誤差Ｅを求め、その誤差Ｅが最小となるようにメンバーシップ関数Ｇ（ｎ,i）の重み付け重み付けＷ（i1,…iak）を修正することにより特性式Ｐs（ｔ,Ｔ）の学習を行い、現在時刻ｔから所定時間Ｔ経過後の発電出力予想値を求める。
このファジィ推論を方法を用いれば、重み付け係数を時間Ｔ経過後に得られた実際の発電出力実際値とＴ時間前の予想した発電出力予想値との差に基づいてその誤差が自動的に最小に漸近するように演算できるので、気象予報データに基づき簡便に正確な風力発電の発電出力を予想できる。
図３はニューラルネットワークを用いて風力発電装置のサイトを囲む気象予報箇所からの現在時刻から所定時間経過後の気象予報データとこの気象予報データに対応しかつ風力発電装置により得られた発電出力実際値とをニューラルネットワークに与えて、現在時刻から所定時間経過後の発電出力の予想を説明するための説明図であって、ここでは、３層のニューラルネットワーク３を用いている。
その図３において、３Ａは入力層、３Ｂは中間層、３Ｃは出力層である。入力層３Ａのノードはａ個×Ｋ個の個数とする。中間層３Ｂのノードは任意の個数とする。出力層３Ｃのノードは１個とする。
入力層３Ａの出力Ｏ１（i）を、各ノードの入力値、中間層３Ｂのノードの入力値ｎ2jは、重み付け係数（結合係数）をＷ、バイアスをλとして、下記（９）式により定義する。
Figure 2005163608
中間層３Ｂのノードの出力Ｏ2jは、下記（１０）式により定義する。
Figure 2005163608
ただし、ｆ（ｎ2（ｊ））は非減少で微分可能な関数である。
出力層３Ｃのノードの入力ｎ3（１）を下記（１１）式により定義する。
Figure 2005163608
また、出力層３Ｃの出力Ｏ3（１）を下記（１２）式により定義する。
ただし、ｆ（ｎ3（ｊ））は非減少で微分可能な関数、Ｗ1（ｊ,i）、Ｗ2（１，ｊ）は重み付け係数である。
その出力層３Ｃのノードから出力される出力Ｏ3（１）が発電出力予想式である特性式Ｐs（ｔ＋Ｔ）に相当する。
時刻ｔから所定時間Ｔ経過後の気象予報データのかたまりＸ（ｔ,Ｔ）を入力層３Ａの各ノードに与えたとき、特性式Ｐs（ｔ＋Ｔ）により得られた値がＴ時間後の実際の発電出力実際値としての対象時刻（ｔ＋Ｔ）を中心にして一定時間幅内の平均値Ｐ（ｔ＋Ｔ）と一致するように、この出力Ｏ3（１）の重み付け係数Ｗ1（ｊ,i）、Ｗ２（１，ｊ）を調整すると共に、バイアスλを下記（１３）〜（１６）式を用いてチューニングする。
Figure 2005163608
Figure 2005163608
Figure 2005163608
Figure 2005163608
Figure 2005163608
ただし、
Figure 2005163608
なお、Ｗ1’（i,ｊ）、Ｗ2’（i,ｊ）は修正前の重み付け係数である。
ここでは、重み付け係数を後側の出力層３Ｃから前側の出力層３Ａに遡って修正するバックプロパゲーションによって、重み付け係数の修正を行っている。
時刻ｔから所定時間Ｔ経過後の気象予報データのかたまりＸ（ｔ,Ｔ）を入力層３Ａの各ノードに与え、特性式Ｐs（ｔ＋Ｔ）により得られた値がＴ時間後の実際の発電出力実際値の平均値Ｐ（ｔ＋Ｔ）と一致するように、ニューラルネットワーク１に学習させる。
すなわち、所定時間Ｔ経過後の気象予報データに基づく風力発電装置１の発電出力予想値の誤差が小さくなるように発電出力実際値と発電出力予想値との差に基づきニューラルネットワークの各ノードの重み付け係数を修正することにより現在時刻ｔから所定時間Ｔ経過後の発電出力予想値を求める。
このように、重み付け係数を時間Ｔ経過後に得られた実際の発電出力実際値とＴ時間前の予想した発電出力予想値との差に基づいてその誤差が自動的に最小に漸近するように演算できるので、気象予報データに基づき簡便に正確な風力発電の発電出力を予想できる。
以上、実施例では、風力発電の実際の発電電力出力値として平均値Ｐ（ｔ＋Ｔ）を用いたが、出力変動特性（標準偏差、フーリエ変換、ウエーブレット変換）を与えても良い。
また、この実施例では、出力層３Ｃのノードを１個として、発電出力値に対応させたが、出力層３Ｃのノードを複数個、例えば、２個とし、一つは発電出力平均値、残りを標準偏差値とすることも可能である。
本発明による風力発電出力予測方法は、電力系統の運用分野や電力取引分野に利用できる。
気象予報箇所と風力発電装置の設置サイトとの関係を示す模式図である。 メンバシップ関数の一例を示す模式図である。 ニューラルネットワークの一例を示す模式図である。
符号の説明
なし

Claims (3)

  1. 風力発電装置のサイトの近隣の気象予報箇所からの現在時刻から所定時間経過後の気象予報データを複数個のファジー集合に区分し、各要素のそのファジー集合に属する割合を表すメンバーシップ関数を定義し、該メンバーシップ関数と当該メンバーシップ関数の重み付けとに基づき前記所定時間経過後の発電出力予想値を示す特性式を定義し、該特性式により得られた発電出力予想値と前記所定時間経過後に前記風力発電装置により実際に得られた発電出力実際値との誤差を求め、その誤差が最小に漸近するように前記メンバーシップ関数の重み付けを修正することにより前記特性式の学習を行い現在時刻から所定時間経過後の発電出力予想値を求めることを特徴とする風力発電出力予測方法。
  2. 前記発電出力実際値を自動的にフィードバックして前記誤差を求めると共に前記メンバーシップ関数の重み付けを修正することを特徴とする風力発電出力予測方法。
  3. 風力発電装置のサイトの近隣の気象予報箇所からの現在時刻から所定時間経過後の気象予報データと前記気象予報データに対応しかつ前記風力発電装置により得られた発電出力実際値とを前記ニューラルネットワークに与えて、前記所定時間経過後の気象予報データに基づく前記風力発電装置の発電出力予想値の誤差が最小に漸近するように前記発電出力実際値と前記発電出力予想値との差に基づき前記ニューラルネットワークの各ノードの重み係数を修正することにより現在時刻から所定時間経過後の発電出力予想値を求めることを特徴とする風力発電出力予測方法。
JP2003402573A 2003-12-02 2003-12-02 風力発電出力予測方法 Expired - Fee Related JP4347030B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003402573A JP4347030B2 (ja) 2003-12-02 2003-12-02 風力発電出力予測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003402573A JP4347030B2 (ja) 2003-12-02 2003-12-02 風力発電出力予測方法

Publications (2)

Publication Number Publication Date
JP2005163608A true JP2005163608A (ja) 2005-06-23
JP4347030B2 JP4347030B2 (ja) 2009-10-21

Family

ID=34726103

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003402573A Expired - Fee Related JP4347030B2 (ja) 2003-12-02 2003-12-02 風力発電出力予測方法

Country Status (1)

Country Link
JP (1) JP4347030B2 (ja)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007032488A (ja) * 2005-07-28 2007-02-08 Univ Of Ryukyus ウインドファームにおける発電電力平準化装置および方法
JP2007056686A (ja) * 2005-08-22 2007-03-08 Univ Of Ryukyus 風速予測に基づく風力発電機の数時間先発電電力予測装置
KR100802402B1 (ko) * 2006-06-15 2008-02-14 한국에너지기술연구원 풍속패턴 분류를 통한 풍력발전 예보방법
JP2008077561A (ja) * 2006-09-25 2008-04-03 Nippon Telegr & Teleph Corp <Ntt> エネルギー予測方法、エネルギー予測装置およびプログラム
JP2009167848A (ja) * 2008-01-11 2009-07-30 Chugoku Electric Power Co Inc:The 風力発電量予測システム、方法及びプログラム
JP2010127283A (ja) * 2008-11-26 2010-06-10 Siemens Ag 風力発電機のタービンで得られる電力生産量を予測する方法、風力発電機のタービンで得られる電力生産量を予測する制御装置、風力発電機のタービン、および、風力発電機のタービンで得られる電力生産量を予測するためのコンピュータプログラム
US8200435B2 (en) 2008-07-22 2012-06-12 Siemens Aktiengesellschaft Method and arrangement for the forecast of wind-resources
CN103198235A (zh) * 2013-04-27 2013-07-10 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
KR101476522B1 (ko) * 2012-12-31 2014-12-24 주식회사 포스코아이씨티 에너지 발전량 예측 시스템
JP2016127643A (ja) * 2014-12-26 2016-07-11 株式会社日立パワーソリューションズ 風力発電量の予測方法
JP2017146126A (ja) * 2016-02-15 2017-08-24 一般財団法人電力中央研究所 予測装置、予測方法および予測プログラム
JP2017187371A (ja) * 2016-04-05 2017-10-12 株式会社日立パワーソリューションズ 気象予測装置及び風力発電所
KR101808047B1 (ko) * 2016-08-05 2017-12-14 주식회사 해줌 태양 에너지를 이용하는 발전소의 발전량을 예측하는 방법 및 서버
CN113862728A (zh) * 2021-09-30 2021-12-31 佛山仙湖实验室 Pem纯水电解制氢的压力控制方法、***、设备及介质
US11365718B2 (en) 2017-06-07 2022-06-21 Vestas Wind Systems A/S Adaptive estimation of available power for wind turbine
KR20220159122A (ko) * 2021-05-25 2022-12-02 주식회사 지에스풍력발전 대기모형 예보 기반 풍력 발전량 예측 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102705158A (zh) * 2012-05-25 2012-10-03 江南大学 基于模糊性能估计器的风能转换***反馈控制
CN102938093A (zh) * 2012-10-18 2013-02-20 安徽工程大学 一种风电功率预测的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0556698A (ja) * 1991-08-26 1993-03-05 Toshiba Corp 電力需要予測制御装置
JPH1193824A (ja) * 1997-09-16 1999-04-06 Kansai Electric Power Co Inc:The 風力発電システム適地選定方法
JPH11275762A (ja) * 1998-03-24 1999-10-08 Ntt Power And Building Facilities Inc 電力貯蔵装置
JP2000145614A (ja) * 1998-11-06 2000-05-26 Tohoku Electric Power Co Inc 風力発電機設置位置決定方法及び風力発電量予測方法
JP2002152975A (ja) * 2000-11-10 2002-05-24 Mitsubishi Heavy Ind Ltd 風車発電システム
JP2003083229A (ja) * 2001-09-06 2003-03-19 Mitsubishi Heavy Ind Ltd 風力発電制御装置およびその制御方法
JP2004019583A (ja) * 2002-06-18 2004-01-22 Tohoku Electric Power Co Inc 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
JP2004072900A (ja) * 2002-08-06 2004-03-04 Mitsubishi Heavy Ind Ltd 電力ネットワーク管理システムおよび電力ネットワーク管理方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0556698A (ja) * 1991-08-26 1993-03-05 Toshiba Corp 電力需要予測制御装置
JPH1193824A (ja) * 1997-09-16 1999-04-06 Kansai Electric Power Co Inc:The 風力発電システム適地選定方法
JPH11275762A (ja) * 1998-03-24 1999-10-08 Ntt Power And Building Facilities Inc 電力貯蔵装置
JP2000145614A (ja) * 1998-11-06 2000-05-26 Tohoku Electric Power Co Inc 風力発電機設置位置決定方法及び風力発電量予測方法
JP2002152975A (ja) * 2000-11-10 2002-05-24 Mitsubishi Heavy Ind Ltd 風車発電システム
JP2003083229A (ja) * 2001-09-06 2003-03-19 Mitsubishi Heavy Ind Ltd 風力発電制御装置およびその制御方法
JP2004019583A (ja) * 2002-06-18 2004-01-22 Tohoku Electric Power Co Inc 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
JP2004072900A (ja) * 2002-08-06 2004-03-04 Mitsubishi Heavy Ind Ltd 電力ネットワーク管理システムおよび電力ネットワーク管理方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4631054B2 (ja) * 2005-07-28 2011-02-16 国立大学法人 琉球大学 ウインドファームにおける発電電力平準化装置および方法
JP2007032488A (ja) * 2005-07-28 2007-02-08 Univ Of Ryukyus ウインドファームにおける発電電力平準化装置および方法
JP2007056686A (ja) * 2005-08-22 2007-03-08 Univ Of Ryukyus 風速予測に基づく風力発電機の数時間先発電電力予測装置
KR100802402B1 (ko) * 2006-06-15 2008-02-14 한국에너지기술연구원 풍속패턴 분류를 통한 풍력발전 예보방법
JP2008077561A (ja) * 2006-09-25 2008-04-03 Nippon Telegr & Teleph Corp <Ntt> エネルギー予測方法、エネルギー予測装置およびプログラム
JP2009167848A (ja) * 2008-01-11 2009-07-30 Chugoku Electric Power Co Inc:The 風力発電量予測システム、方法及びプログラム
US8200435B2 (en) 2008-07-22 2012-06-12 Siemens Aktiengesellschaft Method and arrangement for the forecast of wind-resources
JP2010127283A (ja) * 2008-11-26 2010-06-10 Siemens Ag 風力発電機のタービンで得られる電力生産量を予測する方法、風力発電機のタービンで得られる電力生産量を予測する制御装置、風力発電機のタービン、および、風力発電機のタービンで得られる電力生産量を予測するためのコンピュータプログラム
KR101476522B1 (ko) * 2012-12-31 2014-12-24 주식회사 포스코아이씨티 에너지 발전량 예측 시스템
CN103198235A (zh) * 2013-04-27 2013-07-10 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
JP2016127643A (ja) * 2014-12-26 2016-07-11 株式会社日立パワーソリューションズ 風力発電量の予測方法
JP2017146126A (ja) * 2016-02-15 2017-08-24 一般財団法人電力中央研究所 予測装置、予測方法および予測プログラム
JP2017187371A (ja) * 2016-04-05 2017-10-12 株式会社日立パワーソリューションズ 気象予測装置及び風力発電所
KR101808047B1 (ko) * 2016-08-05 2017-12-14 주식회사 해줌 태양 에너지를 이용하는 발전소의 발전량을 예측하는 방법 및 서버
US11365718B2 (en) 2017-06-07 2022-06-21 Vestas Wind Systems A/S Adaptive estimation of available power for wind turbine
KR20220159122A (ko) * 2021-05-25 2022-12-02 주식회사 지에스풍력발전 대기모형 예보 기반 풍력 발전량 예측 장치 및 방법
KR102491085B1 (ko) 2021-05-25 2023-01-20 연세대학교 산학협력단 대기모형 예보 기반 풍력 발전량 예측 장치 및 방법
CN113862728A (zh) * 2021-09-30 2021-12-31 佛山仙湖实验室 Pem纯水电解制氢的压力控制方法、***、设备及介质
CN113862728B (zh) * 2021-09-30 2024-01-09 佛山仙湖实验室 Pem纯水电解制氢的压力控制方法、***、设备及介质

Also Published As

Publication number Publication date
JP4347030B2 (ja) 2009-10-21

Similar Documents

Publication Publication Date Title
JP2005163608A (ja) 風力発電出力予測方法
Wen et al. Real-time identification of power fluctuations based on LSTM recurrent neural network: A case study on Singapore power system
Li et al. Bayesian adaptive combination of short-term wind speed forecasts from neural network models
Khosravi et al. Combined nonparametric prediction intervals for wind power generation
Mellit et al. Artificial neural network model for prediction solar radiation data: application for sizing stand-alone photovoltaic power system
KR101808047B1 (ko) 태양 에너지를 이용하는 발전소의 발전량을 예측하는 방법 및 서버
JP2016136001A (ja) 予測装置
JP2007056686A (ja) 風速予測に基づく風力発電機の数時間先発電電力予測装置
KR101875329B1 (ko) 전력 사용량 예측 장치 및 방법
JP2009294969A (ja) 需要予測方法および需要予測装置
JP2006304402A (ja) 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体
WO2011158363A1 (ja) 日射強度予測システムと太陽光発電出力予測システム
JP2005143218A (ja) エネルギーシステムの制御装置および制御方法
JP5989754B2 (ja) 予測装置
JP2007047996A (ja) 需要予測装置及び方法並びにプログラム
JP5989732B2 (ja) 発電量予測装置、発電量予測方法、及びプログラム
US11796992B2 (en) Condition-based method for malfunction prediction
CN104036328A (zh) 自适应风电功率预测***及预测方法
KR20190123040A (ko) 딥러닝 기반 태양광 발전량 예측 모델 갱신 주기를 설정하는 태양광 발전량 예측 모델 관리 장치 및 그 방법
JP6086875B2 (ja) 発電量予測装置および発電量予測方法
JP2008225646A (ja) 予測誤差補填方法、予測誤差補填装置、気象発電計画方法、気象発電計画装置およびプログラム
Azeem et al. Application of Waikato environment for knowledge analysis based artificial neural network models for wind speed forecasting
CN103440428A (zh) 风电功率组合预测模型的自适应动态权重确定方法
CN103347028A (zh) 云架构下基于贝叶斯的对等网络信任度量模型
Amasyali et al. A machine learning-based approach to predict the aggregate flexibility of hvac systems

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20061102

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090424

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090512

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090619

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20090714

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20090715

R150 Certificate of patent or registration of utility model

Ref document number: 4347030

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120724

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150724

Year of fee payment: 6

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees