業務用建物を対象とした電力需要・太陽光発電予測と予測制御型 BEMS の有効性検討

業務その他部門（事務所，商業施設などの建物）のCO2排出量は，我が国全体の約2割を占め，その削減が喫緊の課題である．本研究では，太陽光発電設備が設置された業務用建物を対象に，エネルギー管理の効率化に向けて，電力需要量と太陽光発電量を予測するモデルを構築した．モデルは，説明変数に，気象（気温，日射量など），人流，周期データ（24時間周期，平日休日区分など），太陽位置（方位角など）などを使用し，深層学習の一つであるLSTMを用いた．将来34時間先の電力需要量と太陽光発電量を，実績値との相関係数0.85以上で予測した．予測結果を用いたシミュレーションでは，電力量料金の年間15%以上の削減を確認し，蓄...

Full description

Saved in:
Bibliographic Details
Published inAI・データサイエンス論文集 Vol. 4; no. 3; pp. 656 - 669
Main Authors 田頭, 直樹, 中島, 慎治, 上山, 晃, 松嶋, 健太, 平松, 佑一
Format Journal Article
LanguageJapanese
Published 公益社団法人 土木学会 2023
Subjects
deep learning
electricity demand
energy management
photovoltaic power generation
prediction
Online AccessGet full text
ISSN2435-9262
DOI10.11532/jsceiii.4.3_656

Cover

More Information
Summary:業務その他部門（事務所，商業施設などの建物）のCO2排出量は，我が国全体の約2割を占め，その削減が喫緊の課題である．本研究では，太陽光発電設備が設置された業務用建物を対象に，エネルギー管理の効率化に向けて，電力需要量と太陽光発電量を予測するモデルを構築した．モデルは，説明変数に，気象（気温，日射量など），人流，周期データ（24時間周期，平日休日区分など），太陽位置（方位角など）などを使用し，深層学習の一つであるLSTMを用いた．将来34時間先の電力需要量と太陽光発電量を，実績値との相関係数0.85以上で予測した．予測結果を用いたシミュレーションでは，電力量料金の年間15%以上の削減を確認し，蓄電池の有効活用から電力需要の平準化，災害対応への有効活用が可能であることを示した．
ISSN:2435-9262
DOI:10.11532/jsceiii.4.3_656