Variational Autoencoderによる気象メッシュ特徴抽出を活用したダム流入量予測の精度向上

カテゴリ: 部門大会

論文No: TC10-1

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Precision Improvement of Dam Inflow Prediction Using Variational Autoencoder Based Feature Extraction of Meteorological Grids Point Values

著者名: 陳 洋（明電舎）,徐 鄭（明電舎）,高瀨 信彰（明電舎）,荒川 尚也（明電システムソリューション株式会社）,深井 寛修（明電舎）

著者名(英語): Yang Chen (MEIDENSHA CORPORATION),Zheng Xu (MEIDENSHA CORPORATION),Nobuaki Takase (MEIDENSHA CORPORATION),Naoya Arakawa (MEIDEN SYSTEM SOLUTIONS CORPORATION),Hironobu Fukai (MEIDENSHA CORPORATION)

キーワード: 深層学習|ダム流入量予測|変分オートエンコーダ|時系列予測|deep learning|dam inflow forecast|variational autoencoder|time series forecasting

要約(日本語): 水力発電所における発電計画の立案は，ダム流入量や維持放流量など多くの制約条件を考慮する必要がある。現在，ベテラン作業員の経験とノウハウによって毎日の発電計画を立案している。 近年，水力発電所における発電計画立案作業の効率化や水力発電の増益ニーズが高まっており，ダム流入量を高精度に予測する技術が求められている。ダム流入量を高精度に予測するためには，ダム流域およびその周辺の将来の気象情報を効率的に活用することが重要となる。本研究は深層学習モデルVariational Autoencoderを用いて，ダム流域およびその周辺の気象メッシュ予報情報の持つ特徴を効率的に抽出する流入量予測モデルを提案する。複数のダム観測地点を対象に提案モデルを適応し，その有効性を検証した。数値実験により，将来のダム流入量を高精度で予測可能であることが示された。