2017 Fiscal Year Annual Research Report
Establishment and verification of maximum power control method for small wind power generator using wind speed / wind direction prediction model
| Project/Area Number |
15K00048
|
|---|
| Research Institution | The University of Tokushima |
|---|
Principal Investigator |
安野 卓 徳島大学, 大学院社会産業理工学研究部(理工学域), 教授 (50263869)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
北島 孝弘 徳島大学, 技術支援部常三島技術部門, 技術支援職員 (90724104)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 風力発電 / 統計的予測・制御 / 深層学習 / 最大出力制御 |
|---|
| Outline of Annual Research Achievements |
本研究の最終年度である平成29年度は，当初，試作機の設計・製作と実験による最大出力制御法の研究を目的として，（１）バッテリーを用いた昇圧チョッパ型パワーコンディショナの設計・試作と提案する最大出力制御法の有用性を実験により検証，（２）研究成果のまとめと報告を計画していた．しかし，（１）については，計画を前倒しして平成28年度にから着手していたため，平成28年度の研究により得られた成果を踏まえ，本年度は最大出力制御の制御性能に大きく依存する風速予測精度のさらなる向上を目指すこととして風速予測モデルの検討を行った．特に，本研究で用いているニューラルネットワーク（NN）のブレークスルーとなった深層学習に着目し，一次元畳み込みNN（1D-CNN）と時系列データの解析に有効であるLong Short-term Memory（LSTM）を用いた風速予測モデルを提案した．そして，初年度（平成27年度）に構築した風速・風向観測データ収集システムを用いて2010年～2015年までのデータ収集し，それを用いて学習させた．予測モデルの評価は2016年のデータを用いて行った．提案予測モデルの優位性の比較対象としては，典型的な5層のディープニューラルネットワーク（DNN）を用いた．その結果，1D-CNNとLSTMを適切に組み合わせることで，予測精度が向上できることを確認し，最大出力制御の制御性能向上が確認できた．（２）の研究成果のまとめと報告については，学術雑誌レター1件，国際会議1件，国内会議１件を行い，研究室のホームページを通じて論文題目や雑誌名等の詳細を公開している．
|
Research Products
(3 results)
