| 研究課題/領域番号 |
20K04425
|
|---|
| 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 |
森 啓之 明治大学, 総合数理学部, 専任教授 (70174381)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 電力価格予測 / 電力市場 / 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 / 深層ニューラルネット / 深層学習ニューラルネット / オートエンコダー / ディノイズイング / スパイク / 電力価格 / 予測 |
|---|
| 研究開始時の研究の概要 |
本研究では、再生可能エネルギーが複数存在する送電ネットワークにおいて変動する電力価格を持つ電力市場において進化的スタックトオートエンコーダを用いた深層ニューラルネットによる電力価格予測手法について研究する。我国では2020年には電力システム改革により、送配電部門の法的分離が進められ、電力市場の活発化が予想される。その際、競争環境下の電力系統において電力市場の電力売買の利益最大化とリスク最小化の要望がある。そこで、進化的スタックトオートエンコーダを基づく深層ニューラルネットを用いて電力価格時系列予測のための高精度モデルを開発し、実データに適用し、その開発モデルの有効性を示す。
|
| 研究成果の概要 |
本研究では、事前学習法のオートエンコーダーの改良法と浅層ニューラルネットの一般化ラジアル基底関数ニューラルネットワークから構成される深層ニューラルネットワークを用いた電力価格予測法を提案した。オートエンコーダーの改善法として、深層オートエンコーダーと学習データにノイズを加えて精度向上したノイズイングオートエンコーダを合成したオートエンコーダを用いた。一般化ラジアル基底関数ニューラルネットワークを改善するため、ニューロン間の重みとラジアル基底関数のガウス関数のパラメータを進化的計算Brain Storm Optimizationで学習する手法を開発した。
|
| 研究成果の学術的意義や社会的意義 |
電力市場取引が活発化につれて、電力市場の多くのプレーヤーが正確な電力価格予測値を得ることで、電力市場のプレーヤーの電力取引が利益を最大化化することや電力市場のプレーヤーの電力取引がリスクを最小化することに関心がある。よって、複雑な電力価格変動をより正確に予測することは電力市場において優位な立場をとることが可能であるため、電力市場のプレーヤーから高精度な電力価格予測モデル開発の必要性が高い。その結果、本研究は非常に社会的意義がある研究成果である。
|
