Early Stoppingベースのカーネルサイズ自動調整を用いたコレントロピーに基づくANNによる異常値を考慮した翌日最大電力負荷予測

カテゴリ: 全国大会

論文No: 3-078

グループ名: 【全国大会】令和4年電気学会全国大会論文集

発行日: 2022/03/01

タイトル(英語): Daily Peak Load Forecasting Considering Outliers by a Correntropy based Artificial Neural Network with an Early Stopping based Adaptive Kernel Size Tuning Method

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|ロバスト性|ニューラルネットワーク|カーネルサイズ自動調整|ハイパーパラメータ|コレントロピー|daily peak load forecasting|robustness|artificial neural network|adaptive kernel size|hyperparameter|correntropy

要約(日本語): 翌日最大電力負荷予測は，供給予備力確保の面で高精度化が必須である。しかし，新電力が，負荷予測モデル構築する際に用いる負荷データには，スマートメータからの情報取得遅延等により異常値が含まれる可能性がある。その場合，異常値除去が必須であり，負担となる。これに対し，コレントロピーを用いることで，異常値除去なしに適切な学習を行える。また，コレントロピーはカーネルサイズを自動調整することで更に負担削減可能である。提案するカーネルサイズ自動調整手法では，調整に用いるハイパーパラメータが，従来法で用いるハイパーパラメータと比べ，ロバスト性が高くシビアに調整する必要がないため，エンジニアリングを削減できることを確認した。

本誌掲載ページ: 131-133 p

原稿種別: 日本語

PDFファイルサイズ: 753 Kバイト