EaaSにおけるトランスフォーマーモデルと転移学習を用いたネット負荷予測

カテゴリ: 研究会(論文単位)

論文No: ST24028,SMF24055

グループ名: 【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日: 2024/10/28

タイトル(英語): Net Load Forecasting in EaaS Using Transformer Model and Transfer Learning

著者名: 高山 聡志(大阪公立大学),石亀 篤司(大阪公立大学)

著者名(英語): Satoshi Takayama(Osaka Metropolitan University),Atsushi Ishigame(Osaka Metropolitan University)

キーワード: エネルギー・アズ・ア・サービス|需要予測|トランスフォーマーモデル|転移学習|Energy as a Service|Demand forecasting|Transformer model|Transfer learning

要約(日本語): 本研究では、EaaSにおけるネット負荷予測の制度向上を目的に、トランスフォーマーモデルと転移学習を組み合わせた手法を提案する。地域内の他の需要家データを用いた事前学習により、データが限られているターゲット需要家に対して高精度な予測を実現することを目指す。具体的には、事前学習とファインチューニングによる精度向上の可能性を検討し、EaaSのエネルギー管理における実用性を評価する。

要約(英語): This study proposes a method for net load forecasting in EaaS using a Transformer model combined with transfer learning. By pre-training on data from other households, the goal is to improve accuracy for households with limited data. Potential accuracy improvements through fine-tuning are also explored.

本誌: 2024年10月31日システム/スマートファシリティ合同研究会

本誌掲載ページ: 39-43 p

原稿種別: 日本語

PDFファイルサイズ: 1,534 Kバイト