論文の概要: Forecasting Solar Power Generation on the basis of Predictive and
Corrective Maintenance Activities
- arxiv url: http://arxiv.org/abs/2205.08109v1
- Date: Tue, 17 May 2022 06:11:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-18 13:09:48.359305
- Title: Forecasting Solar Power Generation on the basis of Predictive and
Corrective Maintenance Activities
- Title(参考訳): 予測的・補正的保守活動に基づく太陽光発電予測
- Authors: Soham Vyas, Yuvraj Goyal, Neel Bhatt, Sanskar Bhuwania, Hardik Patel,
Shakti Mishra, Brijesh Tripathi
- Abstract要約: 本稿では, 保守活動, 発電所で観測された問題, 気象データに基づく太陽光発電生産予測に関する新しい研究について述べる。
PDEU(我々の大学)の1MW太陽光発電プラントから得られたデータセットから得られた結果
12の構造化カラムと1つの非構造化カラムがあり、異なるメンテナンス活動、観察された問題、日々の気象状況に関するマニュアルテキストが記載されている。
- 参考スコア(独自算出の注目度): 0.3694429692322631
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Solar energy forecasting has seen tremendous growth in the last decade using
historical time series collected from a weather station, such as weather
variables wind speed and direction, solar radiance, and temperature. It helps
in the overall management of solar power plants. However, the solar power plant
regularly requires preventive and corrective maintenance activities that
further impact energy production. This paper presents a novel work for
forecasting solar power energy production based on maintenance activities,
problems observed at a power plant, and weather data. The results accomplished
on the datasets obtained from the 1MW solar power plant of PDEU (our
university) that has generated data set with 13 columns as daily entries from
2012 to 2020. There are 12 structured columns and one unstructured column with
manual text entries about different maintenance activities, problems observed,
and weather conditions daily. The unstructured column is used to create a new
feature column vector using Hash Map, flag words, and stop words. The final
dataset comprises five important feature vector columns based on correlation
and causality analysis.
- Abstract(参考訳): 太陽エネルギーの予測は、天候変数の風速や方向、日射量、気温など、気象観測所から収集された過去の時系列によって過去10年間に大幅に伸びている。
太陽光発電プラント全体の管理に役立っている。
しかし、太陽光発電所はエネルギー生産に影響を及ぼす予防的かつ矯正的な保守活動が定期的に必要である。
本稿では, 保守活動, 発電所で観測された問題, 気象データに基づく太陽光発電生産予測に関する新しい研究について述べる。
結果は、2012年から2020年にかけて毎日13コラムのデータセットを作成したPDEU(われわれの大学)の1MWの太陽光発電プラントから得られたデータセットから得られた。
12の構造化カラムと1つの非構造化カラムがあり、異なるメンテナンス活動、観察された問題、日々の気象状況に関するマニュアルテキストが記載されている。
非構造化カラムは、Hash Map、フラグワード、ストップワードを使った新機能カラムベクトルを作成するために使用される。
最終データセットは相関と因果解析に基づく5つの重要な特徴ベクトル列からなる。
関連論文リスト
- Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable
Machine Learning [38.321248253111776]
我々は、新しいデータプロダクトの予測可能性を評価するために、一連の機械学習戦略を用いて、事後SEPイベントの予測を行う。
データ量の増大にもかかわらず、予測精度は 0.7 + 0.1 に達し、これはこれらのベンチマークに合致するが、公表されたベンチマークを超えない。
論文 参考訳(メタデータ) (2024-03-04T23:12:17Z) - Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。
本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。
評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文 参考訳(メタデータ) (2023-07-14T06:50:02Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-06-01T19:54:39Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳(メタデータ) (2023-01-30T14:35:47Z) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳(メタデータ) (2023-01-21T19:16:03Z) - Location-aware green energy availability forecasting for multiple time
frames in smart buildings: The case of Estonia [0.5156484100374058]
本研究の目的は、異なる機械学習モデルを用いて、天気と派生した特徴に基づいてPVシステムの出力パワーを予測することである。
目的は、データを調べて出力パワーを正確に予測する最適なモデルを得ることである。
論文 参考訳(メタデータ) (2022-10-04T14:02:43Z) - SDWPF: A Dataset for Spatial Dynamic Wind Power Forecasting Challenge at
KDD Cup 2022 [42.72560292756442]
本稿では,一意な空間風力予測データセットであるSDWPFを提案する。
このデータセットは風力タービンの空間分布と動的文脈因子を含む。
このデータセットを使用して、Baidu KDD Cup 2022をローンチし、現在のWPFソリューションの限界を調べます。
論文 参考訳(メタデータ) (2022-08-08T18:38:45Z) - Feature Construction and Selection for PV Solar Power Modeling [1.8960797847221296]
太陽光発電(PV)発電を予測するモデルを構築することで、意思決定者はエネルギー不足を補うことができる。
太陽エネルギーの出力は、光や天気など多くの要因に依存する時系列データである。
本研究では, 過去のデータをもとに, 1時間先進太陽エネルギー予測のための機械学習フレームワークを開発した。
論文 参考訳(メタデータ) (2022-02-13T06:49:28Z) - A Moment in the Sun: Solar Nowcasting from Multispectral Satellite Data
using Self-Supervised Learning [4.844946519309793]
我々は、自己教師付き学習を用いた多スペクトル衛星データから、太陽流の一般的なモデルを構築した。
我々のモデルは、衛星観測に基づいて、位置の将来の太陽放射を推定する。
提案手法は,25の太陽観測地点にまたがる異なる範囲で評価し,地平線を予測できる。
論文 参考訳(メタデータ) (2021-12-28T03:13:44Z) - Prediction of Solar Radiation Using Artificial Neural Network [0.0]
本稿では,太陽放射の時間的活動を予測するアルゴリズムを提案する。
データセットは、空気の温度、時間、湿度、風速、気圧、風向き、太陽放射データで構成されている。
教師付き学習データを通じてパターンを解釈できるシステムを構築するために、2つのモデルを作成する。
論文 参考訳(メタデータ) (2021-04-01T20:41:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。