構造化ニューラルネットワークを用いた日負荷曲線予測の説明方法

カテゴリ：部門大会

論文No：187

グループ名：【B】令和7年電気学会電力・エネルギー部門大会

発行日：2025/9/5

タイトル(英語)：Structured Neural Network-based Approach to Daily Load Curve Forecasting

著者名：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)： Ryuya Kaneda (Fuji Electric), Yuichi Shimasaki (Fuji Electric), Naoto Ishibashi (Fuji Electric), Tatsuya Iizaka (Fuji Electric)

キーワード：構造化ニューラルネットワーク,説明可能なAI,需要予測,structured neural network,explainable AI,demand forecasting

要約(日本語)：電力会社において，電力需要予測は重要な業務である。予測業務の中で，予測結果を信頼し運用するには予測結果の説明が必要だが，高精度予測が可能なニューラルネットワークは予測結果を説明できない問題があった。予測結果説明のため，筆者らは日最大電力の予測結果の説明ができる構造化ニューラルネットワークを提案した(Structured Neural Network (SNN))。しかし，1時間ごとの需要である日負荷曲線は，1日の中で特性が周期的に変化するためこれまで適用できなかった。本稿では，周期変動に対応できるSNNを提案する。日負荷曲線に適用したところ，SNN特有の予測結果の説明の利点を維持しながら高精度な予測を実現した。

PDFファイルサイズ：632Kバイト