|
2021年度までに，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，学習データにデータ通信の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(MCC)を評価指標とし，MCCのカーネルサイズを自動調整するロバストで，かつ高精度の予測精度を実現した予測方式を，世界で初めて開発した。カーネルサイズの自動調整に際し，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というパラメータの調整に対し，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。
2022年度は，以上に加え，ニューラルネットワークの各種学習手法が学習率というパラメータを調整する必要があるという課題に対し，Coin Betteing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。これにより，さらに，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。
|
