[論文レビュー] Multi-horizon solar radiation forecasting for Mediterranean locations using time series models

Cyril Voyant, Christophe Paoli+2 more|arXiv (Cornell University)|Jul 22, 2013

Solar Radiation and Photovoltaics参考文献 68被引用数 77

ひとこと要約

本研究では、時系列モデルを用いた地中海地域向けのマルチホライズン太陽放射予測フレームワークを提案する。ARMAモデルとMLPモデルを、外生変数を含む・含まない状況で比較した。その結果、特に数値予報データを組み込むことで、MLPモデルが中・短期予測（h+24およびm+5）でARMAモデルを上回ることが判明。また、ハイブリッド化および定常化技術により、全ホライズンで全体的な予測精度が向上した。

ABSTRACT

Considering the grid manager's point of view, needs in terms of prediction of intermittent energy like the photovoltaic resource can be distinguished according to the considered horizon: following days (d+1, d+2 and d+3), next day by hourly step (h+24), next hour (h+1) and next few minutes (m+5 e.g.). Through this work, we have identified methodologies using time series models for the prediction horizon of global radiation and photovoltaic power. What we present here is a comparison of different predictors developed and tested to propose a hierarchy. For horizons d+1 and h+1, without advanced ad hoc time series pre-processing (stationarity) we find it is not easy to differentiate between autoregressive moving average (ARMA) and multilayer perceptron (MLP). However we observed that using exogenous variables improves significantly the results for MLP . We have shown that the MLP were more adapted for horizons h+24 and m+5. In summary, our results are complementary and improve the existing prediction techniques with innovative tools: stationarity, numerical weather prediction combination, MLP and ARMA hybridization, multivariate analysis, time index, etc.

研究の動機と目的

• 地中海気候におけるマルチホライズン太陽放射予測のための時系列予測モデルの開発および比較。
• 数値予報などの外生変数が、異なる予測ホライズンにおいてモデル性能に与える影響の評価。
• 予測精度に基づき、d+1、h+1、h+24、m+5の各予測ホライズンにおける最適モデルの特定。
• 定常化などの高度な前処理およびモデルハイブリッド化技術を用いた予測精度の向上。
• 運用上の時間ホライズンに応じたモデル選択を可能にする階層的フレームワークを提供し、電力系統統合を支援。

提案手法

• 複数のホライズンにおける全球放射および太陽光発電出力予測に、自己回帰移動平均（ARMA）モデルの適用。
• スタンドアロンおよびARMAと組み合わせたハイブリッドモデルとしての多層パーセプトロン（MLP）ニューラルネットワークの実装。
• 気温、湿度、曇りの厚さなどの外生変数を、数値予報モデルから取り込む。
• 時間インデックスと多変量解析を用いて、時系列の表現およびモデル入力構造を向上。
• モデル学習の前処理として、時系列データに定常化技術を適用。
• 地中海地域の実際の太陽放射データを用いたモデル評価。性能はd+1、h+1、h+24、m+5ホライズンで評価された。

実験結果

リサーチクエスチョン

• RQ1 ARMAモデルとMLPモデルは、地中海気候における異なる時間ホライズンでの全地球放射予測において、どのように比較されるか？
• RQ2 外生変数は、ARMAモデルと比較して、MLPモデルの予測性能をどの程度向上させるか？
• RQ3 d+1、h+1、h+24、m+5の各予測ホライズンにおいて、ARMA、MLP、またはハイブリッドモデルのうち、どのアーキテクチャが最も優れているか？
• RQ4 定常化や時間インデックスなどの前処理技術は、モデルの精度向上にどの程度効果的か？
• RQ5 ARMA-MLPハイブリッドモデルは、太陽放射予測において複数のホライズンで個々のモデルを上回る性能を示せるか？

主な発見

• d+1およびh+1ホライズンでは、高度な前処理が施されていない場合、ARMAモデルとMLPモデルの性能は類似しているが、外生変数が組み込まれるとMLPモデルの向上が顕著である。
• h+24およびm+5ホライズンでは、MLPモデルがARMAモデルを顕著に上回り、特に数値予報データを組み込むことでその優位性が顕著になる。
• 外生変数の統合により、特にMLPモデルの予測精度が明確に向上し、測定可能な改善が得られた。
• ARMAとMLPのハイブリッド化に加え、定常化および多変量解析を組み合わせることで、全ホライズンで予測性能が向上した。
• 提案されたフレームワークにより、特定の予測ニーズに応じた階層的モデル選択戦略が可能となり、電力系統管理における運用的有用性が向上した。
• 時間インデックスや定常化などの前処理技術は、非定常な太陽放射データにおいても、より安定的かつ正確なモデル出力をもたらした。