ロバスト性の高いMaximum Correntropy Criterionに基づくANNによる翌日最大電力負荷予測

カテゴリ: 研究会(論文単位)

論文No: PE22082,PSE22102,SPC22130

グループ名: 【B】電力・エネルギー部門 電力技術/【B】電力・エネルギー部門 電力系統技術/【D】産業応用部門 半導体電力変換合同研究会

発行日: 2022/03/07

タイトル(英語): High Robust Daily Peak Load Forecasting by a Maximum Correntropy Criterion based Artificial Neural Network

著者名: 佐藤 尚輝(明治大学),福山 良和(明治大学),飯坂 達也(富士電機),松井 哲郎(富士電機)

著者名(英語): Naoki Sato(Meiji University),Yoshikazu Fukuyama(Meiji University),Tatsuya Iizaka(Fuji Electric Co., Ltd.),Tetsuro Matsui(Fuji Electric Co., Ltd.)

キーワード: 翌日最大電力負荷予測|ロバスト性|ニューラルネットワーク|カーネルサイズ自動調整|ハイパーパラメータ|コレントロピー|daily peak load forecasting|robustness|artificial neural network|adaptive kernel size|hyperparameter|correntropy

要約(日本語): 翌日最大電力負荷予測において，学習データに異常値が含まれると，異常値除去が必要あり，負担となる。これに対し，コレントロピーを用いることで，異常値除去なしに適切な学習を行える。また，コレントロピーはカーネルサイズを自動調整することで更に負担削減可能である。提案するカーネルサイズ自動調整手法では，調整に用いるハイパーパラメータが，従来法で用いるハイパーパラメータと比べ，ロバスト性が高いことを確認した。

要約(英語): If outliers are included in training data for daily peak load forecasting, engineering for removing outliers is necessary. For this challenge, a Correntropy based ANN can construct an appropriate model without removing outliers. In addition, there is a hyperparameter called a kernel size in Correntropy. Adjusting the kernel size automatically can further reduce engineering jobs. When hyperparameter values of ANNs utilized in the proposed adaptive kernel size tuning method are changed, variations in accuracy for test data are small. In short, it is verified that the proposed adaptive kernel size tuning method is more robust than the conventional adaptive kernel size tuning method.

本誌: 2022年3月10日-2022年3月11日電力技術/電力系統技術/半導体電力変換合同研究会-4

本誌掲載ページ: 95-100 p

原稿種別: 日本語

PDFファイルサイズ: 1,305 Kバイト