Modified Brain Storm Optimizationによるハイパーパラメータ調整をコレントロピーベースのANNに用いた翌日最大電力負荷予測

カテゴリ: 部門大会

論文No: GS4-3

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Hyperparameter Tuning of a Correntropy based ANN for Daily Peak Load Forecasting by Modified Brain Storm Optimization

著者名: 佐藤 尚輝（明治大学）,福山 良和（明治大学）,飯坂 達也（富士電機）,松井 哲郎（富士電機）

著者名(英語): Naoki Sato (Meiji University),Yoshikazu Fukuyama (Meiji University),Tatsuya Iizaka (Fuji Electric, Co. Ltd.),Tetsuro Matsui (Fuji Electric, Co. Ltd.)

キーワード: 翌日最大電力負荷予測|ニューラルネットワーク|ハイパーパラメータチューニング|モディファイドブレインストームオプティミゼーション|コレントロピー|daily peak load forecasting|artificial neural network|hyperparameter tuning|modified brain storm optimization|correntropy

要約(日本語): 本論文では，MBSOによるハイパーパラメータ調整をコレントロピーベースのニューラルネットワークに用いた翌日最大電力負荷予測手法を提案する。翌日最大電力負荷予測の高精度化は，適切なピーク時発電機の運転計画のために重要である。提案法の損失関数に用いるコレントロピーは，ガウシアンカーネルにより大きな誤差に対する損失関数値を微小値にすることで学習データ内の異常値を自動的に無視することが可能となる。しかし，コレントロピーベースのニューラルネットワークでは，学習中に無視する学習データの割合等のハイパーパラメータの適切な調整が必要である。しかし，従来のハイパーパラメータ調整手法であるグリッドサーチは計算時間が長く，PSOは初期収束といった課題がある。そのため，提案法では，より効率的なハイパーパラメータ調整のためにMBSOを用いる。提案法は，グリッドサーチによる手法，PSOによる手法等と比較し，有効性を確認した。

PDFファイルサイズ: 1,080 Kバイト