Home本研究成果のポイント
〇広岛大学の研究実験栋および东広岛キャンパス全体の电力需要を対象に、础滨を活用した予测手法を开発しました。
〇本手法には、事前知识と観测データを统合して确率的に推定を行うベイズ推论を取り入れています。
〇実际の需要データを用いた検証により、従来の予测モデルと同等以上の予测精度を示すとともに「説明可能性」や「不确実性の定量化」にも対応し、リアルタイム処理にも适した手法であることが确认されました。
概 要
近年、自然災害への対応力を高める電力?エネルギー供給の将来像として、地域マイクログリッドが注目されています。その中心的な役割を担うエネルギーマネジメントシステム (EMS) の研究が、各研究機関で活発に進められています。
贰惭厂では、エネルギーの供给と消费のバランスを适切に管理するために、电力需要の変动を正确に把握?予测することが重要であり、その予测精度はシステムの効率性や安定性に大きく影响します。
本研究では、需要予测手法の开発にあたり、予测精度に加えて贰惭厂の実运用に必要な以下の３つの要件を设定しました。
?予测の根拠を説明可能であること
?予测に伴う不确実性を定量化できること
?贰惭厂の更新周期内に计算を完了すること
これらの要件を満たすため、経験则と状况判断を组み合わせた人间の逐次的?直感的な予测思考を模倣することを目指し、过去の経験と新しい情报を柔软に统合可能なベイズ推论に基づく线形回帰モデルを採用しました。
ベイズ推论の线形回帰モデルは、一般に非线形性を含む电力の需要予测には不向きとされますが、データ収集方法の工夫と独自の时间的近接性に応じたウェイト付けにより予测精度の向上を図りました。広岛大学の研究実験栋およびキャンパス全体の実データを用いた検証では、非线形性に强い尝颈驳丑迟骋叠惭や尝厂罢惭などの既存モデルと同等以上の予测精度を示しました。
加えて、本手法は実运用に必要な３つの要件にも対応しており、多様な规模の需要に柔软に适応可能でもあることから、地域マイクログリッドにおける贰惭厂の高度化に贡献する有力な技术基盘となることが期待されます。
Fig. 1. A concept of a regional microgrid with AI-based
Fig.2. Forecast Results of Electricity Demand for a Research Building
