[論文レビュー] A Stochastic Model for Short-Term Probabilistic Forecast of Solar Photo-Voltaic Power

Raksha Ramakrishna, Anna Scaglione+1 more|arXiv (Cornell University)|Jun 16, 2017

Solar Radiation and Photovoltaics参考文献 31被引用数 4

ひとこと要約

本論文では、日差し、曇り、薄曇りの状態に対応する異なるガウス分布および隠れマルコフモデル（HMM）を用いて、太陽光発電の短期的確率的予測のための物理学的インスピレーションを受けて設計された状態遷移型確率モデルを提案する。この手法は、点予測および確率的予測の両面でベンチマークモデルを上回る性能を達成しており、応用分野のニーズに応じて信頼性や鋭さを調整可能な調整可能なパラメータを備えている。

ABSTRACT

In this paper, a stochastic model with regime switching is developed for solar photo-voltaic (PV) power in order to provide short-term probabilistic forecasts. The proposed model for solar PV power is physics inspired and explicitly incorporates the stochasticity due to clouds using different parameters addressing the attenuation in power.Based on the statistical behavior of parameters, a simple regime-switching process between the three classes of sunny, overcast and partly cloudy is proposed. Then, probabilistic forecasts of solar PV power are obtained by identifying the present regime using PV power measurements and assuming persistence in this regime. To illustrate the technique developed, a set of solar PV power data from a single rooftop installation in California is analyzed and the effectiveness of the model in fitting the data and in providing short-term point and probabilistic forecasts is verified. The proposed forecast method outperforms a variety of reference models that produce point and probabilistic forecasts and therefore portrays the merits of employing the proposed approach.

研究の動機と目的

• 電力系統運用における非定常的かつ不確実な太陽光発電出力の課題に対処すること。
• 変動する曇りの状態下での太陽放射の物理的挙動を捉える確率的予測モデルを開発すること。
• 外部の天気予報や複雑な数値モデルに依存しない、計算効率が良く、データ駆動型の手法を提供すること。
• バッテリーストレージ計画などの確率的最適化応用に適した、調整可能な確率的予測を可能にすること。
• 状態別確率的ダイナミクスを組み込むことで、既存の点予測および確率的予測モデルを改善すること。

提案手法

• 太陽の状態（日差し、曇り、曇りが一部の状態）に基づき、3つの状態（日差し、曇り、曇り）を持つ状態遷移プロセスを用いて太陽光発電出力をモデル化する。
• 日差しおよび曇りの状態には単純なガウス分布を、曇りの状態には時間的ダイナミクスを捉えるために隠れマルコフモデル（HMM）を用いる。
• 各状態内でパーシステンス仮定を適用し、リアルタイムのPV測定値を用いて現在の状態を特定することで、将来の出力電力を予測する。
• 予測区間の幅とキャリブレーションを制御するための調整パラメータ（λz, λa^b, λa^e）および標準偏差（σs, σoc）を組み込む。
• 事前の天候状態の知識が不要なオンラインで適応的な推定を用い、リアルタイムで状態同定およびモデルパラメータを更新する。
• 3つの状態別モデルからのモンテカルロサンプリングにより確率的予測を生成し、マイクログリッドやストレージ応用における確率的最適化のためのシナリオ生成を可能にする。

実験結果

リサーチクエスチョン

• RQ1 状態遷移型確率モデルは、太陽光発電出力の非定常的かつ途切れの生じる性質を効果的に捉えることができるか？
• RQ2 提案された確率的予測モデルの性能は、既存の点予測および確率的ベンチマークと比較して短期予測においてどの程度優れているか？
• RQ3 調整可能なパラメータを用いて、予測の信頼性や鋭さをどの程度調整可能か？
• RQ4 物理的洞察（雲の状態）を統合することで、純粋に統計的なモデルと比較して、予測精度と解釈可能性が向上するか？
• RQ5 本モデルは、マイクログリッドおよびストレージ応用における確率的最適化に適した信頼性のあるシナリオベースの予測を生成できるか？

主な発見

• 提案手法は、AR、ARX、スマートパーシステンス、HMMベースの手法を含む複数の基準モデルを、RMSE、MAPE、CRPSを含むすべての評価指標で上回った。
• 本手法は、すべての競合手法よりも低いCRPS（連続ランク確率スコア）を達成しており、より優れた確率的予測のキャリブレーションとカバレッジを示している。
• 名乗容量で正規化された平均予測スコアは、提案手法が最も高く、確率的予測における優れた鋭さとキャリブレーションを示している。
• 信頼性指標においても優れた性能を示しており、特に低分位数において顕著であるが、保守的な区間幅のため高分位数では改善の余地がある。
• λz、λa^b、λa^e のパラメータを調整することで、信頼性と鋭さのトレードオフを実現でき、特定の応用ニーズに合わせたカスタマイズが可能である。
• 本モデルの性能は、短い予測期間（4時間未塔）においても安定しており、天候状態のパーシステンス仮定と整合的である。