負荷データの気温別グルーピングによる電力需要予測精度の改善

カテゴリ: 全国大会

論文No: 6-159

グループ名: 【全国大会】平成21年電気学会全国大会論文集

発行日: 2009/03/15

タイトル(英語): Improvement of power demand forecast accuracy by grouping of load data according to temperature

著者名: 小島 直記(明治大学),小美野 剛史(明治大学),熊野 照久(明治大学)

著者名(英語): Naoki Kojima(Meiji University),Tsuyoshi Omino(Meiji University),Teruhisa Kumano(Meiji University)

キーワード: 電力需要予測|Q学習

要約(日本語): 本論文では、Q学習による電力需要予測において、学習データを当日の気象条件に合わせて分類することで予測精度の改善を行った。初めに、アメリカの都市における11月から12月の期間の気象データと電力需要の相関関係を調べた。結果、この期間では電力需要は最高気温と負の強い相関を持つことがわかり、最高気温が平均最高気温より低い日では電力需要が増加することを確認した。次に、学習する負荷データを最高気温別に分類する手法と分類しない手法を用いて、それぞれQ学習による数値計算シミュレーションを行った。結果、当日の最高気温に合わせて学習データを分類することで、予測精度を改善できた。

原稿種別: 日本語

PDFファイルサイズ: 1,257 Kバイト