DRに向けた高解像度電流データのスペクトログラムを用いた負荷識別

カテゴリ：部門大会

論文No：P28

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)：Load Identification Using Spectrograms of High-Resolution Current Data for Demand Response

著者名：河田龍斉（福井大学），重信颯人（福井大学），髙橋明子（福井大学），伊藤雅一（福井大学），高野浩貴（岐阜大学），浅野浩志（岐阜大学），岡靖典（関西電力送配電），杉本貴史（関西電力送配電），横山和弘（関西電力送配電）

著者名(英語)： Ryusei Kawata (University of Fukui), Ryuto Shigenobu (University of Fukui), Akiko Takahashi (University of Fukui), Masakazu Ito (University of Fukui), Hirotaka Takano (Gihu University), Hiroshi Asano (Gihu University), Yasunori Oka (Kansai Transmission and Distribution), Takafumi Sugimoto (Kansai Transmission and Distribution), Kazuhiro Yokoyama (Kansai Transmission and Distribution)

キーワード：非侵入型負荷モニタリング,スペクトログラム,畳み込みニューラルネットワーク,デマンドレスポンス,Nonintrusive Load Monitoring,Spectrogram,Convolutional Neural Network,Demand Response

要約(日本語)：環境負荷の低減や需給調整の方法として，デマンドレスポンス（DR）が注目されている。電力会社や系統運用者がDR可能量を把握するためには，個々の電気機器の稼働状態を識別する必要がある。本研究では，電流データのスペクトログラムをCNNの入力データとして電気機器の稼働状態を識別するモデルを構築する。このモデルの出力層にはSoftmax関数を用いて各電気機器に属する確率を算出し，最上位の推定結果のみを用いた場合と，上位2位までの推定結果を用いた場合の識別性能を比較する。結果として，最上位の推定結果のみ用いた場合の正解率は0.92であったが，上位2位までの推定結果を用いた場合の正解率は0.98となった。この上位2位までの推定結果を再識別することで，電気機器の稼働状態を高精度に識別することが期待できる。

PDFファイルサイズ：443Kバイト