ANNによる翌日最大電力需要予測結果のALIMEによる説明

カテゴリ: 部門大会

論文No: P28

グループ名: 【B】令和6年電気学会電力・エネルギー部門大会

発行日: 2024/08/23

タイトル(英語): Explanation of Daily Peak Load Forecasting Results using an Artificial Neural Network by Autoencoder Based Approach for Local Interpretability

著者名: 田中嵩人（明治大学），尹家輝（明治大学），福山良和（明治大学），島崎祐一（富士電機），飯坂達也（富士電機）

著者名(英語): shuto Tanaka (Meiji University), Jiahui Yin (Meiji University), Yoshikazu Fukuyama (Meiji University), Yuichi Shimasaki (Fuji Electric Co., Ltd.), Tatsuya Iizaka (Fuji Electric Co., Ltd.)

キーワード: 翌日最大電力需要予測|説明可能性|人工ニューラルネットワーク|説明可能AI|ALIME|daily peak load forecasting|explainability|artificial neural network|explainable artificial intelligence|autoencoder based approach for local interpretability

要約(日本語): 本論文では，Autoencoder Based Approach for Local Interpretability(以下，ALIME) による，Maximum Correntropy Criterionを用いたArtificial Neural Network（以下，ANN）による翌日最大電力予測の予測値の説明を提案する。電力会社にとって，翌日の最大電力需要を高精度で予測することは，適切な供給予備力を確保するために重要である。この予測にはANNなどが利用されているが，ANNはブラックボックスモデルであり，予測結果の説明が難しい。そこで著者らは，Local Interpretable Model-agnostic Explanations (以下，LIME) の適用により，翌日最大電力予測結果を説明する可能性を確認した。しかし，LIMEはデータの本質的な特徴を捉えられていない可能性があるため，局所的な説明の精度の向上の余地がある。LIMEの改良手法であるALIME はオートエンコーダーによりデータを潜在表現することで本質的な特徴を考慮することで局所的な説明の精度の向上が期待できる。

PDFファイルサイズ: 797 Kバイト