ファジィデータマイニング手法による高精度短期電力負荷予測の研究

2002 Fiscal Year Annual Research Report

• Project/Area Number: 13650319
• Research Institution: Meiji University
• Principal Investigator: 森 啓之 明治大学, 理工学部, 教授 (70174381)
• Keywords: データマイニング / 回帰2進木 / ファジィ推論 / タブサーチ / メタヒューリスティクス / 電力負荷予測 / 大域的最適化 / 学習システム

Research Abstract

昨年度はデータマイニング手法において効果的なな回帰2進木によって、入力データをクラスターに分類した後、各クラスターにおいてニューラルネットの1種の多層パーセプトロン(MLP)を構築したが、本年度では、上述の手法においてニューラルネットのMLPの代わりに簡略ファジィ推論を用いる手法を研究した。回帰2進木と簡略ファジィ推論を融合するモデルと回帰2進木とMLPを融合するモデルを比較した結果、回帰2進木と簡略ファジィ推論を融合するモデルは、回帰2進木とMLPを融合するモデルよりも平均誤差と最大誤差において良好な結果を得た。
また、本研究では、データの類似性に着目する予測法について研究した。データ分類法として初期値に依存しない大域的クラスタリングである決定的アニーリング(DA)クラスタリングを使用して、入力データを分類し、各クラスタ毎にラジアル基底関数ネットワーク(RBFN)を用いて翌日最大電力負荷予測を行う手法を研究した。RBFNは、入力層、中間層、出力層の三層から構成され、入力層と中間層の間の重みは全て1であり、また、中間層と出力層の間にはある重みが存在する。中間層において入力層から得た信号がラジアル基底関数で非線形変換される。すなわち、RBFNは、複数のラジアル基底関数の重み付き線形和で表現されるニューラルネットである。MLPと比較して、非線形性近似能力が高く、学習時間が少なくてよい長所がある。

Research Products

• [Publications] H.Mori, et al.: "Application of Preconditioned RBFN to Short-term Load Forecasting"Intelligent Engineering Systems through Artificial Neural Networks. 12. 1355-1366 (2002)
• [Publications] H.Mori, et al.: "An Efficient Hybrid Method of Regression Tree and Fuzzy Inference for Short-term Load Forecasting in Electric Power Systems"Proc. of RASC 2002. 1-6 (2002)
• [Publications] H.Mori, et al.: "An ANN-based Method for Probabilistic Shotr-term Load Forecasting in Electric Power Systems"Proc. of RASC 2002. 471-476 (2002)