最大誤差低減を考慮したLSTMによるスマートメータと日射データを用いた実負荷予測

カテゴリ：部門大会

論文No：P75

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)：Net Load Forecasting using Smart Meter and Solar Radiation Data based on LSTM considering Maximum Error Reduction

著者名：藤井海翔（中部大学），飯岡大輔（中部大学），塩山博史（九州電力送配電），張本毅（九州電力送配電），小林友岳（九州電力送配電），伊藤翼（九州電力送配電）

著者名(英語)： Kaito Fujii (Chubu University), Daisuke Iioka (Chubu University), Hirofumi Shioyama (Kyushu Electric Power Transmission and Distribution Co., Inc.), Tsuyoshi Harimoto (Kyushu Electric Power Transmission and Distribution Co., Inc.), Tomotake Kobayashi (Kyushu Electric Power Transmission and Distribution Co., Inc.), Tsubasa Ito (Kyushu Electric Power Transmission and Distribution Co., Inc.)

キーワード：スマートメータ,LSTM,負荷予測,日射データ,smart meter,LSTM,load forecasting,Solar Radiation Data

要約(日本語)：近年、カーボンニュートラルの実現に向けて再生可能エネルギーの導入が進んでおり、特に太陽光発電（以下、PV）の導入が増加している。PV出力は日射量に依存するため、その出力変動が電力需給のバランスに大きな影響を及ぼす。そのため、負荷予測の精度が重要となるが、二乗平均誤差(RMSE)のような平均的な誤差だけでなく、最大誤差が小さくなるように予測することも重要である。筆者らはこれまでに、PVを有する需要家のスマートメータデータ（以下、SMデータ）と日射データを用いてLSTM（Long Short-Term Memory）で実負荷を予測することについて検討しているが、教師データと予測値のRMSEが最小になるようにLSTMを構成して予測していた⁽¹⁾。負荷予測の精度には平均的な誤差だけではなく、最大誤差も小さいほうがよい場合もあると考え、本稿では最大誤差が最小となるようにLSTMを構成して学習した結果と比較した結果について述べる。

PDFファイルサイズ：572Kバイト