| 研究課題/領域番号 |
15K00048
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
安野 卓 徳島大学, ソシオテクノサイエンス研究部, 教授 (50263869)
|
|---|
| 研究分担者 |
北島 孝弘 徳島大学, ソシオテクノサイエンス研究部, 技術員 (90724104)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | 風力発電 / 統計的予測・制御 / ソフトコンピューティング |
|---|
| 研究実績の概要 |
平成27年度は研究実施の初年度ということで，研究環境の構築が第一目的でり，当初の研究計画通り，風速・風向同時予測システムの構築を行った．具体的には，１．メソ数値予報モデル格子点値（MSM-GPV）自動取得システムの構築，２．風速・風向観測システムおよび気象観測データサーバーの構築，３．素NNを用いた風速・風向同時予測システムの構築を行った．まず，大域的な気象情報として気象庁が提供するMSM-GPV を定期的に自動取得可能なソフトウェアを開発した．次に，数秒間隔で風速・風向を同時観測可能な風速・風向計（設備備品費として計上）を本学電気電子棟屋上に設置し，気象観測データサーバー（設備備品費として計上）にMSM-GPVとともに管理・運用可能なシステムを構築した．さらに，階層型複素ニューラルネットワークを用いて，風速・風向の同時予測システムについて検討した．風を複素ベクトルとして表現することで，風速と風向を1つのまとまった情報として扱うことを可能とし，複素情報の処理能力に優れた階層型複素ニューラルネットワークを用いて予測精度の向上について検討した．しかしながら，一定の予測精度向上は得られたものの，最大出力制御への応用を考えた場合，十分な精度ではなかった．そこで，アメダスを用いて風速データを複数のクラスに分類し，クラス毎に階層型ニューラルネットワークを用いた風速予測システムを構築した．そして，各クラスの風速予測システムをファジィ推論に倣った手法で加重平均することで，最終的な風速予測値を得るシステムを構築した．その結果，予測精度の向上効果があることが確認でき，また，複数地点においてもアメダスデータを用いて検証したところ，予測精度向上の傾向が確認でき，多くの知見を得ることができた．以上の研究成果は，国際会議１件，国内会議で２件，論文発表を行った．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初の計画通り，風速・風向計の設置および観測データ収集ソフトウェアの開発ができ，観測データの収集をスタートさせることができた．また，気象観測データを用いて，階層型複素ニューラルネットワークを用いて風速・風向予測システムを構築し，予測精度向上効果があることも確認できた．しかしながら，計画当初以上の予測精度を得ることはできなかった．そこで計画を若干変更し，予測システムの再検討を行った．具体的には，風速を幾つかのクラスに分類し，そのクラス毎に階層型ニューラルネットワークを用いて予測システムを構築した．さらに，各予測システムの予測結果をファジィ推論に倣って加重平均し，予測精度の更なる向上を実現した．以上のことから，本研究は概ね順調に進展していると判断した．
|
| 今後の研究の推進方策 |
平成27年度の研究によって，風速予測システムの構築を行ったが，風力発電機の最大出力制御に有効な予測時間が決定できておらず，今後は，最大出力制御に最適な予測時間の推定と，それに基づく予測精度の検証を継続して行う．また，当初の計画通り，風速および風向変化を考慮した小型風力発電機の動的非線形モデルの構築と，予測風速に基づく最大出力制御アルゴリズムの構築を行う．さらに，実際の風力発電機を用いた実証実験を行う必要があり，実験システムの構築を行う．
|
