ニューラルネットワークを使用した時刻別電力•冷暖房負荷予測手法における予測精度向上を目的とした学習期間決定手法の提案と検証

摘要

本研究では,ニューラルネットワークを用いた時刻別の冷房負荷，暖房負荷，電力負荷予測において，予測精度の向上を目的として，説明変数の予報値と学習する説明変数の実績値が一致する時間数に着目した指標「一致度」と本指標に基づく学習期間決定手法を提案した。次に，横浜市に立地する事務所ビルで得られた実績値を用いて，冷房期間3日と暖房期間3日を対象に，学習期間を変化させて時刻別の冷房負荷，暖房負荷，電力負荷予測(合計12個の予測)を行い，学習期間と一致度，平均誤差量の関係を分析した。なお，対象日は，冷房期間と暖房期間それぞれにおいて，日積算負荷の頻度を分析し，統計的に冷暖房負荷が平均的な日，最大日，最小日を対象とした。その結果，「一致度」が最大値に達する学習期間で平均絶対誤差量が最小値になることを確認し，本研究で提案した学習期間決定手法の有効性を確認した。%In this study, in order to establish a method to decide a learning period efficiently for precision hourly heat and power load prediction by neural network. First, the author suggested the index of the "Accordance Ratio" showing the ratio that explanation variable accorded training data and predicted the prediction precision became highest at the learning period when the index became highest Second, the effectiveness of the index was inspected by carrying out the prediction at the actual office building in several learning periods and analysis the relation among the index, prediction precision and learning period.