畳み込みアテンション変分オートエンコーダーと適応型GWO-K-Meansクラスタリングを用いたデマンドサイドマネジメントのための住宅電力使用プロファイリング
Residential Electricity-Use Profiling for Demand-Side Management Using a Convolutional Attention Variational Autoencoder and Adaptive GWO-K-Means Clustering
本研究では、デマンドサイドマネジメントの設計を支援する住宅負荷プロファイリング手法を開発した。この手法は、畳み込みアテンション変分オートエンコーダー(CA-VAE)、クラスタ数と中心の候補を探索する適応型灰色オオカミ最適化K-Means(GWO-K-Means)、およびクラスタリング損失の洗練ステージを組み合わせている。Commission for Energy Regulationデータセットから得られた6390件の住宅平均日負荷プロファイルを用いた10回の独立した実行により、最終的なシルエット係数は0.5002(標準偏差0.0314)、Davies–Bouldin指数は0.8532(標準偏差0.0383)、Calinski–Harabasz指数は3694.3(標準偏差260.5)となった。GWOは10回中6回の実行でK=5を選択し、このモード解は5つの解釈可能な負荷プロファイルを生み出した。これらのプロファイルは、将来のデマンドレスポンス試験のための負荷形状由来の候補グループを提供する。
- 畳み込みアテンション変分オートエンコーダー(CA-VAE)と適応型灰色オオカミ最適化K-Means(GWO-K-Means)を組み合わせた住宅負荷プロファイリング手法を開発し、デマンドサイドマネジメント設計を支援する。
- Commission for Energy Regulationデータセットの6390件の住宅平均日負荷プロファイルを用いた10回の独立実行で、最終シルエット係数0.5002(標準偏差0.0314)、Davies–Bouldin指数0.8532(標準偏差0.0383)、Calinski–Harabasz指数3694.3(標準偏差260.5)を達成した。
- GWOは10回中6回の実行でK=5を選択し、このモード解から5つの解釈可能な負荷プロファイルが得られ、将来のデマンドレスポンス試験の候補グループを提供する。
住宅電力使用プロファイリングという応用領域で、CA-VAE(深層学習)と適応型GWO-K-Means(メタヒューリスティック最適化)を組み合わせたクラスタリング手法を提案し、公開データセット6390件・10回の独立実行でシルエット係数0.5002等の定量的成果とK=5という再現性のある解を示した点が注目される。Demand Response(需要応答)の設計・負荷グループ選定に直結する基盤技術であり、エネルギー管理・DRサービスの事業者が導入を検討する余地がある。ただし現段階では学術研究の域を出ず、商用実装や規制変更、具体的な企業参入の事実はないため、投資判断としては中長期的な技術シーズとして監視する位置づけになる。