Temporal Fusion Transformerによる説明可能な深層学習を適用した短期電力需要予測

カテゴリ：研究会(論文単位)

論文No：ST25053,CT25088

グループ名：【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日：2025/11/26

タイトル(英語)：Explainable Deep Learning for Short-Term Load Forecasting Using Temporal Fusion Transformer

著者名：萩野 良祐(明治大学),福山 良和(明治大学),金田 龍哉(富士電機),島崎 祐一(富士電機),石橋 直人(富士電機),飯坂 達也(富士電機)

著者名(英語)： Ryosuke Hagino(Meiji University Graduate School),Yoshikazu Fukuyama(Meiji University),Ryuya Kaneda(Fuji Electric Co., Ltd.),Yuichi Shimasaki(Fuji Electric Co., Ltd.),Naoto Ishibashi(Fuji Electric Co., Ltd.),Tatsuya Iizaka(Fuji Electric Co., Ltd.)

キーワード：短期電力需要予測,Ｔｅｍｐｏｒａｌ　Ｆｕｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒ,説明可能ＡＩ,深層学習,short-term load forecasting,Temporal Fusion Transformer,explainable artificial intelligence,Deep learning

要約(日本語)：本論文では，Temporal Fusion Transformerによる説明可能な深層学習を適用した短期電力需要予測モデルを提案する。提案法は，短期電力需要予測を精度良く予測するとともに，予測の根拠を説明することが可能となっている。

要約(英語)：This paper proposes explainable deep learning for short-term load forecasting using temporal fusion transformer. The proposed method accurately forecasts short-term electric loads while providing explanations for the factors influencing the forecasting.

本誌：2025年11月29日-2025年11月30日システム/制御合同研究会

本誌掲載ページ：15-18p

原稿種別：日本語

PDFファイルサイズ：1,187Kバイト