| Project/Area Number |
18H04155
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 64:Environmental conservation measure and related fields
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
Honda Tomonori 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 主任研究員 (00425745)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田原 聖隆 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 総括研究主幹 (10344160)
小澤 暁人 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 主任研究員 (20783640)
西野 成昭 東京大学, 大学院工学系研究科(工学部), 准教授 (90401299)
稲葉 敦 工学院大学, 先進工学部, 教授 (90356494)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥42,900,000 (Direct Cost: ¥33,000,000、Indirect Cost: ¥9,900,000)
Fiscal Year 2021: ¥8,840,000 (Direct Cost: ¥6,800,000、Indirect Cost: ¥2,040,000)
Fiscal Year 2020: ¥11,960,000 (Direct Cost: ¥9,200,000、Indirect Cost: ¥2,760,000)
Fiscal Year 2019: ¥12,350,000 (Direct Cost: ¥9,500,000、Indirect Cost: ¥2,850,000)
Fiscal Year 2018: ¥9,750,000 (Direct Cost: ¥7,500,000、Indirect Cost: ¥2,250,000)
|
|---|
| Keywords | HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定 |
|---|
| Outline of Final Research Achievements |
In complying with the aim to achieve a carbon-neutral society by 2050, we have conducted research on study methods and analysis tools for reducing greenhouse gas emissions, especially in the household sector, where emission reduction has been difficult.
It is necessary to clarify energy consumption behavior at home, i.e., everyday lifestyle to reduce household energy consumption. In this study, we utilized big data on household electricity consumption of about 60,000 households and 2 billion records obtained through IoT sensing such as HEMS/smart meters. Using deep learning algorithms, which have been rapidly progressing in recent years, we have developed methods for analyzing household attributes and lifestyle patterns based solely on electricity consumption.
|
| Academic Significance and Societal Importance of the Research Achievements |
家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。
|
