| 研究課題/領域番号 |
18K14171
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
小澤 暁人 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 研究員 (20783640)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 家庭部門 / 電力需要 / 太陽光発電 / エネルギーマネジメント / 予測モデル / 深層学習 / 生活リズム |
|---|
| 研究実績の概要 |
日本の家庭部門における野日本の家庭部門における野心的な省エネ目標を達成するに当たって、2030年には太陽光発電（PV）が新築住宅の標準設備となる。一方でPVなどの再生可能エネルギー発電（再エネ発電）導入時には、出力変動に対する調整力の確保が課題となる。そこで新たな調整力として、住宅の電力需要・PV出力に対して住宅エネルギー設備（蓄電池・燃料電池等）を制御することにより住宅内で出力変動を吸収するエネルギーマネジメントが検討されている。効果的な住宅エネルギーマネジメントには、住宅単位で電力需要・PV出力を予測し、住宅エネルギー設備の最適な運転パターンを計画する必要がある。本研究は、生活行動や天候といった不確実性に対して住宅電力需要・PV出力を適切に予測する手法の開発を目的とする。
本研究では、住宅電力需要・PV出力を高精度で予測可能なモデルを構築するために深層学習を利用する。本年度は、深層学習モデルで居住者の生活リズムを考慮することで、電力需要の予測精度が向上できるか検討した。具体的な方法としては、電力需要パターンの周期性に着目して居住者の生活リズムを推定した。住宅電力需要の12時間周期・24時間周期成分を比較することで、居住者の生活リズムが、朝型か夜型か判別できる。そこで、時刻データを周期関数形式で深層学習モデルに入力することで、居住者の生活リズムをモデル内で表現した。SONYが提供する深層学習用分析ツール「Neural Network Console」を用いて深層学習モデルを実装し、時刻データ以外に曜日・平休日フラグ・天候情報（気象庁の気温・日射量）を入力データとして、住宅電力需要1時間値を24時間先まで予測し、精度を検証した。検証の結果、居住者の生活リズムを考慮（時刻データを周期関数形式で入力）することで、予測精度を20～23%向上（ベンチマーク比）できることを示した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究実施に当たって、①学習用データセットの整備、②予測モデルの構築、③予測結果の検証、という３つのフェーズを設定しており、交付申請書においては
①学習用データセットの整備を初年度から、②予測モデルの構築と③予測結果の検証を2年目からの研究課題としている。
昨年度に整備した学習用データセットを用いて、本年度は②予測モデルの構築と③予測結果の検証を実施した。予測結果の検証結果から、深層学習モデルにおいて居住者の生活リズムを考慮することで電力需要の予測精度が向上することを明らかにした。
このように、本研究は当初の計画通り順調に進展している。
|
| 今後の研究の推進方策 |
①学習用データセットの整備については、引き続き住宅メーカーから国内HEMSデータの提供を受け、様々な属性の住宅を対象としたデータセットを整備する。
②予測モデルの構築と③予測結果の検証については、入力データやモデル構造の改良を実施し更なる精度向上の可能性を検討する。入力データに関しては、デマンドレスポンスにおいて注目されるアグリゲーターの役割に着目して、複数世帯の電力需要・PV出力を合算することで予測精度が向上するかを検討する。モデルについては、より複雑な構造を有する深層学習アルゴリズムを実装し、予測精度の向上を検討する。
|
