広域風力発電予測における深層学習モデルの変数重要度

カテゴリ：部門大会

論文No：221

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)：Feature Importance in Wind Power Forecasting Using Deep Learning

著者名：佐藤雅稀（東北大学），李銀星（東北大学），松田安昌（東北大学），宍戸浩司（東北電力）

著者名(英語)： Masaki Sato (Tohoku University), Yinxing Li (Tohoku University), Yasumasa Matsuda (Tohoku University), Koji Shishido (Tohoku Electric Power Co.)

キーワード：風力発電予測,LSTM,attention,変数重要度,wind power generation prediction,LSTM,attention,feature importance

要約(日本語)：風力発電の導入拡大に伴い、風力発電予測技術の重要性が高まっている。しかし、どの地域の風速が広域的な発電量に影響を与えるのかは、十分に明らかにされていない。本研究では、東北・関東地域を対象に、風速の地域的な重要性を動的に評価する手法を提案する。予測にはSequence-to-Sequence型のLSTMを用い、各地域の風速データに重みを付けることで、重要な地域を可視化した。実証結果として、本手法が地域ごとの影響度の把握において有効であることが示された。今後は、得られた結果に対する具体的な解釈や意味づけを深めることで、モデルの解釈性の向上を図る。

PDFファイルサイズ：345Kバイト