Early Stoppingを用いたコレントロピーに基づくANNによる翌日最大電力負荷予測手法

カテゴリ: 全国大会

論文No: 6-104

グループ名: 【全国大会】令和2年電気学会全国大会論文集

発行日: 2020/03/01

タイトル(英語): ANN Based on Correntropy using Early Stopping for Daily Peak Load Forecasting

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|Early Stopping|ヨクジツサイダイデンリョクフカヨソク|ニューラルネットワーク|コレントロピー|アーリーストッピング

要約(日本語): 翌日最大電力負荷予測の高精度化は供給予備力の確保の面から重要である。予測手法として用いられるANN手法では，従来，損失関数にLMSを用いるが，標準的でないデータに対する過学習を起こしてしまう可能性がある。これに対し，コレントロピーを用いることで標準的でないデータに対する過学習が防げ，予測精度の向上が期待できる。また，ANNの学習回数の決定にEarly Stoppingを用いた。Early Stoppingはバリデーションデータに対する評価を行い，連続的に精度が悪くなったら学習を停止させる手法である。これにより，適切な学習回数で学習が行えると考えられる。本論文では，Early Stoppingを用いたコレントロピーに基づくANNはLMSに基づくANNと比較し，有効性を確認した。

本誌掲載ページ: 155-157 p

原稿種別: 日本語