マルチスケール電力負荷予測における動的時間依存性解析を統合した高度なLSTMベースフレームワーク

カテゴリ: 研究会(論文単位)

論文No: PSE25004

グループ名: 【B】電力・エネルギー部門 電力系統技術研究会

発行日: 2025/01/21

タイトル(英語): An Advanced LSTM-Based Framework with Dynamic Time Dependence Analysis for Multi-Scale Electricity Load Forecasting

著者名: 王 維浩(東京大学),佐藤 正寛(東京大学),熊田 亜紀子(東京大学)

著者名(英語): Weihao Wang(the University of Tokyo),Masahiro Sato(the University of Tokyo),Akiko Kumada(the University of Tokyo)

キーワード: ＬＳＴＭ|電力負荷予測|時系列解析|動的特徴|エネルギーシステム|LSTM|Load Forecasting|Time-Series Analysis|Dynamic Features|Energy Systems

要約(日本語): 本研究では、電力負荷および消費量の予測に対する新たなアプローチを提案します。本手法は、Long Short-Term Memory（LSTM）ネットワークを活用し、動的時間依存性分析を導入しています。この分析は、共変量と独立変数の関係性の変化に基づいて特徴量の重みを動的に調整することで、効率的な特徴量の抽出を実現し、従来の手法に比べて計算負荷を抑えながら予測精度を向上させます。また、重み付き平均法を採用することで、時間的データ構造を保持しつつ、マルチスケール適用に必要なデータ次元の調整を柔軟に行うことが可

要約(英語): This study presents a novel approach to forecasting electricity load and consumption across various scales using Long Short-Term Memory (LSTM) networks. The proposed method introduces dynamic time dependence analysis, which dynamically adjusts feature weights based on the evolving relationships between covariates and independent variables. This approach enables efficient feature capture and enhances prediction accuracy without the computational overhead associated with traditional techniques. The weighted averaging method preserves temporal data structures and offers flexibility in adjusting data dimensions for multi-scale applications. Empirical validation across large power systems, multifunctional buildings, and residential settings demonstrates significant improvements in prediction accuracy and scalability. This work provides a robust framework for electricity forecasting, capable of adapting to real-time data changes while maintaining transparency and interpretability in feature selection.

本誌: 2025年1月24日電力系統技術研究会-1

本誌掲載ページ: 19-24 p

原稿種別: 英語