2021 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 – 2023-03-31
|
| Keywords | 翌日最大電力負荷予測 / 異常値対応 / コレントロピー / ロバスト推定 |
|---|
| Outline of Annual Research Achievements |
2021年度は，以下の研究を追加で実施した。電力会社の翌日需給運用決定に必要な揚水発電機揚水量決定やピーク負荷対応ガスタービン発電機の起動準備決定等のための翌日最大電力負荷予測に対し，学習データにネットワーク一時遅延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，Maximum Correntropy Criterionを評価指標とし，高精度の予測精度を実現し，カーネルサイズを自動調整するロバストな予測方式を，世界で初めて開発した。
2021年度は，Modified Brain Storm OptimizationによるANN学習による予測精度の向上，Early Stoppingによりパラメータにほぼ依存しないロバスト学習方式の確立を実現した。2020年度までの確立手法は，Correntropy適用時の共通課題のカーネルサイズ調整を必要としない方式を確立できたが，異常データも含めた学習データの何割を学習しないかというRmaxというパラメータ調整は必要となっていた。これに対し，2021年度は，Early Stopping適用によりRmax調整も必要としない方式を確立し，実運用者エンジニアリングをほぼなくすことに成功した。
特に新電力の場合，スマートメータからのデータ受信遅れ等により需要値が一時的に少ないデータを用いた学習を行わなければならない場合もあり，異常値対応は実務上重要な課題となっている。また，電力業界以外からの参入も多く，需要予測の専門家を必要としない需要予測方式確立が切望されている。本研究は，実社会の課題を企業実務者から得て，これを解決したものである。以上により，本研究の確立方式により，我が国が進め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
1: Research has progressed more than it was originally planned.
Reason
特に新電力の場合，スマートメータからのデータ受信の遅れ等により需要値が一時的に少ないデータを用いた学習を行わなければならない場合もあり，異常値対応は実務上重要な課題となっている。これに対し，2020年度までの研究により，学習データに異常値が含まれていたとしても，コレントロピーのカーネルサイズを自動調整するロバストな方式により，高精度の予測精度を実現可能な予測方式を，世界で初めて開発した。新電力は，電力業界以外からの参入も多く，需要予測の専門家を必要としない需要予測方式の確立が切望されている。これに対し，2020年度までの開発方式で利用するMaximum Correntropy Criterionは，負荷予測以外の様々な分野での適用も試みられているが，物理的な意味がわかりにくいカーネルサイズというパラメータ調整という共通課題があった。これに対し，カーネルサイズの調整を必要とせず，学習データの何割を無視すればよいかというRmaxという物理的な意味合いのわかりやすく経験者であれば調整できるパラメータのみを調整すればよい方式とした。これにより，負荷予測の実務経験者がいれば実用化が可能な方式とした。2021年度の研究では，さらに，Early Stoppingの適用により，Rmaxの調整も必要としないロバストな方式を確立し，実運用者のエンジニアリングをほぼなくすことに成功した。以上の成果として，国内学会３件，国際学会１件の研究発表，および企業との共同特許出願１件を行うことができた。
以上より，当初の計画以上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，実用性を考慮し適切な学習時間で，エンジニアリングを削減できる従来型ANNを用いた方式を検討してきた。
今後は，さらに，学習に関するハイパーパラメータの調整をなくしていき，パラメータ調整をする必要がない実用的な方式の確立を目指す。
|
| Causes of Carryover |
昨年度に引き続き，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。
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１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。
|
