翌日電力負荷予測に対する異常値を考慮したコレントロピーを用いたArtificial Neural Networkのカーネルサイズ自動調整手法の基礎検討

カテゴリ: 研究会(論文単位)

論文No: ST19043

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2019/11/05

タイトル(英語): A Basic Study on Automatic Kernel Size Tuning of Correntropy Based Artificial Neural Network Considering Outliers for Daily Peak Electric Power Load Forecasting

著者名: 櫻井 大士(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): Daiji Sakurai(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|コレントロピー|ディファレンシャルエボルーショナリーパーティクルスワームオプティミゼイション|Daily peak load forecasting|artificial neural networks|correntropy|differential evolutionary particle swarm optimization

要約(日本語): 異常値が学習データに含まれる場合、従来の最小平均二乗に基づくANNは異常値に対して過学習を起こし，モデルが検証データに対して不適切になる可能性があり，適切なモデル学習を行うために異常値を取り除く必要があり，エンジニアへの負担となっている。コレントロピーはこの課題を解決する手法であり，本論文では，翌日電力負荷予測に対する異常値を考慮したコレントロピーのカーネルサイズ自動調整手法の基礎検討を行う。

要約(英語): This paper presents a automatic kernel size tuning method of correntropy considering outliers for daily electric power peak load forecasting. Effectiveness of the proposed automatic kernel size tuning method is verified by comparison with the conventional fixed kernel size based method using actual electric power load data with promising results.

原稿種別: 日本語

PDFファイルサイズ: 1,262 Kバイト