コレントロピーと最小二乗法に基づくANNによるJITモデリングベースのアンサンブル学習を適用した翌日最大電力負荷予測手法の提案

カテゴリ: 研究会(論文単位)

論文No: ST19044

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): Daily Peak Load Forecasting Using Just In Time Modeling Based Ensemble Learning by Correntropy and Least Mean Square Based ANNs

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|コレントロピー|最小二乗法|アンサンブル学習|ジャストインタイムモデリング|Daily peak load forecasting|Artificial neural network|Correntropy|Least mean square method|Ensemble learning|Just in time modeling

要約(日本語): これまでANNの損失関数に用られてきた最小二乗法は，過学習を起こす可能性があるが，損失関数にコレントロピーを用いることにより，過学習を防ぐことが期待できる。この両者の利点を利用することにより予測精度の向上が期待できる。本論文では，翌日最大電力負荷予測に対し，最小二乗法とコレントロピーを損失関数として用いたANNのJITモデリングをベースとしたアンサンブル学習を適用した新たな予測手法を提案する。

要約(英語): Conventional least mean square based ANN has a problem of over-fitting. On the other hand, correntropy based ANN can solve this problem. This paper proposes a daily peak load forecasting method using JIT modeling based ensemble learning by correntropy and least mean square based ANNs.

原稿種別: 日本語

PDFファイルサイズ: 1,065 Kバイト