学習期間がスマートメータデータの欠損補間の精度に与える影響

カテゴリ: 部門大会

論文No: 284

グループ名: 【B】令和4年電気学会電力・エネルギー部門大会

発行日: 2022/08/26

タイトル(英語): Influence of Training Duration of Imputation Model on Accuracy of Missing Value Imputation of Smart Meter Data

著者名: 中山夏実（岐阜大学），岩瀬徳寿（岐阜大学），高野浩貴（岐阜大学），浅野浩志（岐阜大学），重信颯人（福井大学），伊藤雅一（福井大学），大麻純季（関西電力送配電），東山昇一（関西電力送配電）

著者名(英語): Natsumi Nakayama (Gifu University), Norihisa Iwase (Gifu University), Hirotaka Takano (Gifu University), Hiroshi Asano (Gifu University), Ryuto Shigenobu (University of Fukui), Masakazu Ito (University of Fukui), Junki Oasa (Kansai Transmission and Distribution, Inc.), Shoichi Higashiyama (Kansai Transmission and Distribution, Inc.)

キーワード: スマートメータ|時系列解析|データ欠損|欠損補間|自己回帰モデル|smart meter|time series analysis|missing value|imputation of missing value|autoregressive model

要約(日本語): スマートメータデータを活用するためには，安定した通信環境の整備や，欠損値を補間する方法の確立が重要である。著者らは，需要家1軒のスマートメータデータにおいて単発の欠損値を対象に，最近傍補間法，線形補間法，自己回帰モデル（ARモデル）を適用してそれぞれの欠損補間精度を比較し，線形補間法が平均的に優れた結果を示すことを確認した。しかし，欠損は連続して生じることもあるため，今回はARモデルに着目することにした。ARモデルを適用する際には，学習データの定め方が重要になる。本研究では，需要家100軒の単発の欠損値を補間する場合を対象に，ARモデルの学習期間の違いが欠損補間の精度にどの程度影響するかを検証した。

PDFファイルサイズ: 421 Kバイト