| 研究課題/領域番号 |
18K04087
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21010:電力工学関連
|
|---|
| 研究機関 | 明治大学 |
|---|
研究代表者 |
福山 良和 明治大学, 総合数理学部, 専任教授 (10710022)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 翌日最大電力負荷予測 / 異常値対応 / コレントロピー / エンジニアリングレス / ロバスト推定 / エンジニアリング削減 / 異常値を含む学習データ / カーネルサイズ自動調整 / 進化計算手法 / 電力負荷予測 / カーネルサイズ / 進化計算 |
|---|
| 研究成果の概要 |
新電力の需給運用に不可欠な翌日最大電力負荷予測に対し，スマートメータ通信の一時遅延等による異常値対応にMaximum Correntropy Criterion(MCC)をベースとしたニューラルネットワークを用いた高精度予測方式を世界初で開発した。カーネルサイズを自動調整し，学習データの何割を学習しないかというRmax値の調整をEarly Stopping適用により必要としない方式を確立した。ニューラルネットワークの学習率という課題に対し，Coin Betting手法を用いることにより，学習率を自動的に調整できる方式とした。これらにより，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。
|
| 研究成果の学術的意義や社会的意義 |
新電力の需給運用に不可欠な翌日最大電力負荷予測に対し，スマートメータ通信の一時遅延等による異常値対応にMaximum Correntropy Criterionを用いた高精度予測方式を世界初で開発した。各種ハイパーパラメータ調整を最小限とし，実用性で学術的意義が大きい。
新電力の場合，スマートメータデータ受信遅れ等により需要値が一時的に低いデータも用いた学習への対応が実務上重要課題となっている。また，電力業界以外からの参入も多く，需要予測専門家を必要としない予測方式確立が切望されている。本研究成果により，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できると考えられ社会的意義が大きい。
|
