建物における非周期的な電力需要の予測モデルの評価

カテゴリ：研究会(論文単位)

論文No：PE25162,PSE25185

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 電力系統技術合同研究会

発行日：2025/9/1

タイトル(英語)：Evaluation of Forecasting Models for Non-Periodic Power Demand in Buildings

著者名：水谷 凜都(東京大学),熊田 亜紀子(東京大学),佐藤 正寛(東京大学)

著者名(英語)： Rinto Mizutani(The University of Tokyo),Akiko Kumada(The University of Tokyo),Masahiro Sato(The University of Tokyo)

キーワード：電力需要,予測モデル,粒度,学習期間,周期性,power demand,forecasting model,granularity,learning period,periodicity

要約(日本語)：本研究では、非周期的な電力消費パターンを持つ建物を対象に、エネルギー本研究では、非周期的な電力消費パターンを持つ建物を対象に、エネルギーマネジメントシステム（EMS）における電力需要予測手法を検討する。統計モデル、機械学習モデル、深層学習モデルなど異なるアプローチに基づく手法を用い、データ粒度、データ長、周期性の影響を評価し、各条件下での予測性能の傾向と適切なモデル選択の指針を明らかにする。

要約(英語)：This study evaluates power demand forecasting for buildings with non-periodic usage, using statistical, machine learning, and deep learning models. We analyze how data granularity, data length, and periodicity affect performance, and clarify model suitability under different conditions in energy management systems (EMS).

本誌：2025年9月4日-2025年9月5日電力技術/電力系統技術合同研究会-4

本誌掲載ページ：55-60p

原稿種別：日本語

PDFファイルサイズ：3,263Kバイト