D5.4 農場ベースのマルチソースエネルギー管理システム開発のための方法論

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a practical AI methodology for multi-vector energy forecasting and optimization in agricultural settings, with comparative model evaluation.

🏢実務担当者:Farm operators can use the HarvRESt dashboard for real-time energy management, improving self-consumption and reducing costs.

🏛政策担当者:Illustrates how AI can support agricultural decarbonization, offering insights for designing subsidy schemes or reporting frameworks.

本報告書は、HarvREStクラウドプラットフォームおよびHarvREStダッシュボードの開発について記述するものである。これは、ワークパッケージ5におけるタスク5.4のソフトウェア成果物である。本成果物は、プラットフォーム設計、AIモデルの訓練と検証、およびHarvREStの3つのデモサイト（Viñas del Vero（VdV、スペイン）、Fattoria Solidale del Circeo（FSDC、イタリア）、Grønn Gårdsenergi（GGE、ノルウェー））にわたるエネルギー管理インターフェースの最初の実証運用を対象としている。 HarvREStクラウドプラットフォームは4つの層で構成されている。データ収集層は、3つの上流ソースからサイトデータを取り込む。すなわち、スペインのVdV集中プラットフォーム、ELEXIAプラットフォームと統合される可能性のあるノルウェーのパイロットサイトにおける多様なマルチベクターソースからのデータ、および残りのサイトに対する直接的なオンサイトモニタリングのエクスポートである。データ前処理・品質層は、受信データの標準化、整合、検証を行う。AI分析層は、5つのカテゴリーの事前訓練済みモデルをホストする。すなわち、PV発電予測、風力発電予測、バイオガス推定、エネルギー需要予測、およびバッテリー貯蔵柔軟性シミュレーションである。HarvREStダッシュボードは、非技術系ユーザーがアクセス可能なウェブインターフェースを通じて、分析出力を農場運営者に提示する。 AIモデルはサイト固有のデータセットで訓練・評価される。PV発電予測は、説明分散スコアが0.82（FSDC、イタリア）から0.92（VdV、スペイン）の範囲で達成される。需要予測は0.37（VdV、スペイン）から0.89（FSDC、イタリア）の範囲である。風力発電予測は、ノルウェーのGGEサイトのみで運用され、説明分散0.79を達成する。LightGBMが全サイトで主要な本番アルゴリズムとして採用され、XGBoostがノルウェーサイトの代替として評価される。自己消費最大化エンジンは、48時間の発電・需要予測に優先順位ベースの配電ルールを適用し、各サイトのバッテリー充放電スケジュールと5つのKPI（自己消費率、自給率、エネルギー節約量（kWh）、推定節約額（EUR）、回避CO₂（kg CO₂eq））を生成する。HarvREStダッシュボードは、これらのKPIを発電・需要タイムライン、バッテリー配電パネル、および平易な言葉による「次のアクション」ガイダンスメッセージとともに提示する。各稼働中の農場向けに事前設定されたユーザーアカウントは、サイト固有のデータへの役割ベースのアクセスを提供する。 第7章は、マルチベクターエネルギーシステムアドバイザーを文書化している。この意思決定支援ツールにより、農家は投資決定を行う前に、ウェブベースのインターフェースを通じて再生可能エネルギー技術（太陽光PV、垂直軸風力、水力発電、バイオガスCHP、ウッドチップボイラー、およびエネルギー貯蔵）の組み合わせを評価・シミュレーションできる。HarvREStダッシュボードとともに、これは導入前の再生可能エネルギー計画から日々の運用エネルギー管理までを網羅する、農家向けの完全なツールチェーンを構成する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

This report describes the development of the HarvRESt cloud platform and the HarvRESt Dashboard — the software deliverable of Task 5.4 in Work Package 5. The deliverable in hand covers platform design, AI model training and validation, and the first operational demonstration of the energy management interface across three HarvRESt demo sites: Viñas del Vero (VdV, Spain), Fattoria Solidale del Circeo (FSDC, Italy), and Grønn Gårdsenergi (GGE, Norway). The HarvRESt cloud platform is organised in four layers. The Data Collection Layer ingests site data from three upstream sources: the VdV centralised platform in Spain, the data from various multi-vector sources at the Norwegian pilot that can be potentially integrated with the ELEXIA platform, and direct on-site monitoring exports for the remaining sites. The Data Pre-processing and Quality Layer standardises, aligns, and validates the incoming data. The AI Analytics Layer hosts five categories of pre-trained models: PV generation forecasting, wind generation forecasting, biogas estimation, energy demand forecasting, and battery storage flexibility simulation. The HarvRESt Dashboard presents the analytics outputs to farm operators through a web interface accessible to non-technical users. The AI models are trained and evaluated on site-specific datasets. PV generation forecasting achieves explained variance scores between 0.82 (FSDC, Italy) and 0.92 (VdV, Spain). Demand forecasting ranges between 0.37 (VdV, Spain) and 0.89 (FSDC, Italy). Wind generation forecasting, operational for the Norwegian GGE site only, achieves an explained variance of 0.79. LightGBM is adopted as the primary production algorithm across all sites, with XGBoost evaluated as an alternative for the Norwegian site. The Self-Consumption Maximisation Engine applies a priority-based dispatch rule to 48-hour generation and demand forecasts, producing battery charge/discharge schedules and five KPIs for each site: Self-Consumption Ratio, Self-Sufficiency Ratio, Energy Savings (kWh), Estimated Savings (EUR), and Avoided CO₂ (kg CO₂eq). The HarvRESt Dashboard presents these KPIs alongside a generation-demand timeline, a battery dispatch panel, and plain-language “Next Action” guidance messages. Pre-configured user accounts per active farm provide role-based access to site-specific data. Chapter 7 documents the multi-vector energy systems advisor. The decision-support tool allows farmers to evaluate and simulate combinations of renewable energy technologies (solar PV, vertical-axis wind, hydropower, biogas CHP, wood-chip boilers, and energy storage) through a web-based interface, prior to making investment decisions. Together with the HarvRESt Dashboard, it constitutes a complete farmer-facing toolchain spanning pre-deployment RES planning through to day-to-day operational energy management.

• Zenodo https://zenodo.org/records/21275220first seen 2026-07-10 04:27:14 · last seen 2026-07-12 04:16:48