2020 Fiscal Year Research-status Report
Electricity Price Forecasting with Evolutionary Stacked Auto-Encode of Multi-Layered Artificial Neural Netwok
| Project/Area Number |
20K04425
|
|---|
| Research Institution | Meiji University |
|---|
Principal Investigator |
森 啓之 明治大学, 総合数理学部, 専任教授 (70174381)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 電力価格 / 予測 / 深層学習 / 深層ニューラルネットワーク / オートエンコーダー / 進化的計算 |
|---|
| Outline of Annual Research Achievements |
2020年度では、オートエンコダ―を用いた多層ニューラルネットによる電力価格予測法の研究として次の研究を行った。
（１）オートエンエンコダ―と多層パーセプトロンから構成される深層ニューラルネットワークを構築した。オートエンコーダーと多層パーセプトロン自体はそれぞれ、２層と３層から構成されるが、オートエンコーダーの出力層と多層パーセプトロンの入力層は重ね合わせるため、結果として４層の深層ニューラルネット―ワークを構築した。
（２）電力価格時系列にスパイクに対応する手法として、前処理付き深層ニューラルネットワークについて研究した。ここで、スパイクとは、電力価格が送電ネットワークの混雑や夏季の熱波・冬季の寒波の影響で電力価格が通常の価格よりも数十倍の価格に急激にジャンプする現象である。また、前処理付き深層ニューラルネットワークにおける前処理とは、ニューラルネットワークの学習データをクラスタリングでクラスタに分類し、各クラスに分類したデータを使用して深層ニューラルネットワークを構築する手法である。
（３）上記の（２）において電力価格でスパイクを含むクラスタでは学習データ不足のため深層ニューラルネットワークの予測精度が良くないため、オートエンエンコダ―の改良法であるディノイズイングオートエンコーダーについて研究した。ディノイズイングオートエンコーダーとはニューラルネットワークの学習データに微小のノイズを加えることにより、学習データを増加させる手法であり、深層ニューラルネットワークの汎化能力を向上させる手法である。
（４）ディノイズイングオートエンコーダーと多層パーセプトロンから構成された前処理付き深層ニューラルネットワークを米国東部のNew England ISOのボストンのLMP（Locational Marginal Price; 地域別限界価格）時系列に適用し、良好な結果を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
コロナ禍のため、C言語による計算アルゴリズムを設計し、プログラム開発の際、プログラム作成者とは意見交換を対面ではなく、Zoomで行ったためコミュニケーションズ不足のところがあり、進展に遅れが出た。
|
| Strategy for Future Research Activity |
コロナ禍の状況下で、研究を進展させるため、プログラム作成者との意見交換の場を多く設定することで、研究を進展させる所存である。2020年度は週１回の意見交換であったが、2021年度は週2回の意見交換を実施する。
|
| Causes of Carryover |
次の理由で次年度使用額が生じた。
（１）当初、計画では 国内では、東北大学、広島大学、大阪大学に学会出張することが、コロナ禍のため、オンライン開催となり、また、海外出張としてIEEE（米国電気電子学会）やIFAC（国際自動制御学会）の国際会議に論文投稿し、研究発表予定であったが、同様にコロナ禍のため、延期や中止になったため、旅費が未使用であった。
（２）電気学会論文誌に投稿予定であったが、論文投稿ができず、論文掲載料が未使用であった。
|
