ANNによる翌日最大電力需要予測結果のALIMEによる説明のハイパーパラメータ調整

カテゴリ: 全国大会

論文No: 6-085

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): Hyperparameter Tuning of Autoencoder Based Approach for Local Interpretability for Explanation of Daily Peak Load Forecasting Results using an Artificial Neural Network

著者名: 田中嵩人（明治大学）,福山良和（明治大学）,島崎祐一（富士電機）,飯坂達也（富士電機）

著者名(英語): Shuto Tanaka (Meiji University),Yoshikazu Fukuyama (Meiji University),Yuichi Shimasaki (Fuji Electric Co., Ltd.),Tatsuya Iizaka (Fuji Electric Co., Ltd.)

キーワード: 翌日最大電力需要予測|人工ニューラルネットワーク|説明可能AI|ALIME|Daily Peak Load Forecasting|Artificial Neural Network|eXplainable Artificial Intelligence|Autoencoder Based Approach for Local Interpretability

要約(日本語): 電力会社は，電力供給には適切な供給予備力の確保が必要であり，このためには，翌日最大電力需要予測を高精度に予測することが必須である。これまで翌日最大電力需要予測にはANNが適用されてきた。しかし，ANNは，中身がブラックボックスとなっており，予測値の説明をすることが難しい。そこで著者らはXAI 技術のALIMEによる説明を行ったがALIMEで使用されるオートエンコーダーの精度には改良の余地があり，説明精度に改良の余地があった。本論文では，著者らが開発したMCCを用いたANNによる翌日最大電力予測の予測値の説明精度向上のため，ALIMEのオートエンコーダーの中間層のニューロン数を増やし適切なニューロン数を求めた結果を報告する。

本誌掲載ページ: 129-131 p

原稿種別: 日本語

PDFファイルサイズ: 757 Kバイト