2020 Fiscal Year Research-status Report
Reconstruction of a forecasting method of electric power loads using auto-tuning type correntropy
| Project/Area Number |
18K04087
|
|---|
| Research Institution | Meiji University |
|---|
Principal Investigator |
福山 良和 明治大学, 総合数理学部, 専任教授 (10710022)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 翌日最大電力負荷予測 / 異常値を含む学習データ / コレントロピー / カーネルサイズ自動調整 |
|---|
| Outline of Annual Research Achievements |
電力会社の翌日需給運用を決定するための業務の１つであり，ピーク負荷対応のガスタービン発電機準備や揚水発電機揚水量の決定等のために，重要情報である翌日最大電力負荷予測に対し，学習データに計測器やネットワーク一時故障等による異常値を含む場合に，従来型ニューラルネットワーク(ANN)のパラメータ学習に対し，コレントロピーを誤差関数とし，学習データに異常値を含んだ状況でコレントロピーのカーネルサイズを自動調整する方式を，世界で初めて開発した。
2020年度開発手法は，学習データの中の異常値だけでなく，ノイズを含む標準的でないデータも含めて学習に影響を与えないようにカーネルサイズを調整可能である。このため，過学習も避けることができ，ニューラルネットワークの構造簡素化や正則化等の過学習対策が必要ではなくなる画期的な方法である。従来の長時間を要するカーネルサイズを試行錯誤的に求める方法と，同程度の精度を自動化により実現できることを確認した。
特に新電力では，既存電力会社と比較し，運用ノウハウ蓄積がないこともあり，学習データに異常値を含む割合が多くなっている。この様な実務環境では，異常値を手作業で除去するエンジニアリング業務が発生しており，長時間の作業を強いられてきた。これに対し，今回開発した方法では，学習データに異常値を含んでいても，異常値を除去するようなエンジニアリングを必要とせず，異常値のみならずノイズを含む標準的でないデータも含めて学習に影響を与えないようにカーネルサイズ自動調整が可能となり，これにより予測精度をあげることが可能であり，カーネルサイズ調整のエンジニアリングが不必要となった。この結果より，我が国が進めている新電力等による電力分野自由化進展を促進することが可能となりえると考えられ，非常に意義深い結果と考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
電力会社の運用業務の１つであり，ピーク負荷対応発電機の準備や揚水発電機揚水量決定等に重要となる翌日の最大電力負荷予測に対し，学習データに異常値を含む場合に，従来型ニューラルネットワーク(ANN)のパラメータ学習に対し，コレントロピーを誤差関数とし，コレントロピーのカーネルサイズを自動調整する方式を予定通り開発できた。また，異常値のみならずノイズを含む標準的でないデータも含めて学習に影響を与えないようにカーネルサイズ自動調整が可能となり，これにより予測精度をあげることが可能となった。
予定では，高次ANNを用いる予定であったが，構造を含めたハイパーパラメータが多くなり，このためのエンジニアリングが多くなるため，本研究の目的であるカーネルサイズの自動調整というハイバーパラメータ以外のハンパーパラメータ調整が課題として残ってしまうため，研究の方向性を変え，従来型ANNをベースとした方法でパラメータ調整をできるだけ少なくなるような実用的な方式を検討した。
以上の成果として，国内学会３件，国際学会１件，論文誌１件の研究発表を行うことができた。さらに，本研究テーマで対象としているコレントロピーを用いた異常値の対応に関して，研究計画で記述したように様々な別テーマでの企業との共同研究への展開を行った。具体的には，電力系統の配電系統状態推定およびショーケースの故障検知への展開を行っており，査読付き論文誌１件(掲載決定)，査読付き国際学会２件，国内学会発表６件発表を行った。特に配電系統状態推定では企業と共同特許を２件申請している。
以上より，全体としては，おおむね順調に進展していると考えられる。
|
| Strategy for Future Research Activity |
当初予定では，予測精度の向上手法として，畳み込みニューラルネットワーク(以下，CNN)やStacked Autoencoder(SA)などの高次ANN手法の適用を検討することとしていたが，最新の文献調査結果より，学習時間の短縮は困難であり，ハイパーパラメータの自動調整も含めると，学習時間が現実的でないことが判明したため，実用性を考慮しエンジニアリングを削減できる従来型ANNを用いたアンサンブル手法あるいは正則化などの検討による予測精度向上およびカーネルサイズも含めたパラメータの自動調整手法を検討していく。
|
| Causes of Carryover |
コロナ禍において，国際学会および国内学会が中止・延期あるいはオンラインとなってしまったため，旅費の支出がなくなってしまった。また，教員および研究担当学生が学校に来れない状況となってしまい，想定していなかった自宅での研究体制の構築に時間を要してしまった。
しかし，現状では自宅・研究室に関係なく研究を進められる環境は構築済であり，さらに研究を進め，論文誌１件，国際学会２件，国内学会２件の投稿を予定しており，その他も含め，予定どおりの予算を使用する予定である。
|
