| 研究課題/領域番号 |
20K04425
|
|---|
| 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 – 2023-03-31
|
| キーワード | 電力価格予測 / 深層ニューラルネットワーク / オートエンコーダー / ディノイズイング / 電力市場 / スパイク |
|---|
| 研究実績の概要 |
今年度の研究として昨年度の研究を基に、4層の深層ニューラルネットワークを用いた電力価格予測法について研究した。ここで4層ニューラルネットワークとは事前学習手法のオートエンコーダを多層パーセプトン接続したモデルを指す。オートエンコーダは入力層にあるニューロンの次元圧縮する役割がある。即ち、オートエンコーダの利用により、入力変数の数を減少させることが可能である。オートエンコーダの改良として、学習データにノイズを加えた学習データを用いるデノイジング・オートエンコーダを深層ニューラルネットワーク用いた。デノイジング・オートエンコーダの利点はノイズを含んだ学習データを用いることにより、ノイズに強い深層ニューラルネットワークを構築し、モデルの近似能力が向上することである。また、電力価格のスパイクを含めた価格変動に強い予測モデルを作成するため、事前にデータをクラスタリングし、各クラスタに深層ニューラルネットワークを作成した前処理付き深層ニューラルネットワークを提案した。ここで、スパイクとは非線形時系列の電力価格において突発的に数十倍から百倍に価格上昇する電力価格を指す。前処理付きモデルの導入は、主にスパイククラスタを作成し、データの類似性から効率良くニューラルネットワークの学習を行うために有用であった。提案法を米国ISO New Englandにおけるボストンの電力価格の実データに適用し、シミュレーションの結果から、提案法の有効性を示した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
今年度もコロナ禍の影響で制約のある環境下で対面ではないZOOM等による研究打ち合わせで研究を大学院生と伴に進めてきた。各種の制約があり、当初期待していたことよりも今年度も研究成果は上がらなかった。
|
| 今後の研究の推進方策 |
今後の研究推進策として次のことを研究する。
（１）今年度までは、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る深層ニューラルネットワークを研究してきたが、今後はオートエンコーダーとラジアル基底関数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研究する。
（２）深層ニューラルネットワークの重みの学習に高性能進化的計算のBrain Storm Optimizationを使用することを研究する。
|
| 次年度使用額が生じた理由 |
国内学会や国際学会がコロナで中止・延期・オンライン開催となったため、旅費がかからなかった。翌年度は海外で研究成果発表や研究資料収集で海外の旅費に使用する。また、大学院生のプログラム作成補助のための謝金を使って研究の遅れを取り戻す。
|
