スマートメータの30分電力使用量データで学習したLSTMによる低圧需要家の需要予測

カテゴリ: 部門大会

論文No: 7

グループ名: 【B】令和5年電気学会電力・エネルギー部門大会

発行日: 2023/08/23

タイトル(英語): Load Forecasting for Low-Voltage Customers Using LSTM Learned with 30-minute Power Consumption Data Measured by Smart Meters

著者名: 飯岡大輔（中部大学），今村颯斗（中部大学），高田右京（中部大学），白石勝明（九州電力），張本毅（九州電力），藤井和也（九州電力送配電），河原克樹（九州電力送配電）

著者名(英語): Daisuke Iioka (Chubu University), Hayato Imamura (Chubu University), Ukyo Takada (Chubu University), Katsuaki Shiraishi (Kyushu Electric Power), Tsuyoshi Harimoto (Kyushu Electric Power), Kazuya Fujii (Kyushu Electric Power Transmission and Distribution), Katsuki Kawahara (Kyushu Electric Power Transmission and Distribution)

キーワード: スマートメータ|LSTM|需要予測|データ集約|予測時間|smart meter|LSTM|load forecasting|data aggregation|forecast time

要約(日本語): 筆者らは機械学習の一つであるLSTMにスマートメータ（SM）から得られる30分使用量測定データを適用することを考え，学習する際のデータ集約数と予測時間が電力需要の予測精度に及ぼす影響について検討した。データ集約数が増加すると負荷のならし効果により予測精度の向上を期待できる。また，予測時間とはどれくらい先の時間の負荷を予測するかを表しており，予測時間が先になるほど予測精度が低下すると考えられる。データ集約数と予測時間を任意に変えることができるようにLSTMを構成し，九州エリアで得られた約1万2千軒のSMデータ1年分を用いて需要予測を行い，予測精度の特徴を明らかにした結果を述べる。

PDFファイルサイズ: 909 Kバイト