電力消費プロファイリングを組み込んだ改良型Informerベースの負荷予測手法
An Improved Informer-Based Load Forecasting Method Incorporating Electricity Consumption Profiling
本研究では、電力システムの信頼性の高い運用、エネルギー管理、需要家側の意思決定に不可欠な需要側負荷予測において、従来のモデルが抱える課題である、住宅ユーザー間の異種な電力使用行動とマルチスケール時間変動に対処するため、ユーザー行動プロファイリングと改良型Informerモデルを統合した電力使用状況を考慮した負荷予測手法を開発した。まず、SAXと階層的クラスタリングを用いて住宅の電力消費データから代表的な負荷パターンを抽出し、LightGBMで異なる負荷パターンに関連するアンケート属性を特定し、クラスタリング結果と選択されたユーザー属性を組み合わせて多次元的な電力使用行動プロファイルを作成した。このプロファイルは、後続の負荷予測に追加の行動情報を提供する。さらに、Informerアーキテクチャを、マルチスケール周期特徴抽出のためのTCNベース埋め込み、局所時間依存性モデリングのための確率的ブロックサンプリングアテンション、非線形特徴相互作用と融合のためのMLPベースクロスセルフアテンションデコーダーという3つの戦略で改良した。3207人の住宅ユーザーのデータを用いた実験では、提案モデルはMAE 0.0237、RMSE 0.0258、R2 0.945を達成し、元のInformerと比較してMAEとRMSEはそれぞれ17.4%、19.8%減少し、R2は6.65%増加した。また、TransformerやLSTMベースラインを上回り、アブレーション結果は3つのアーキテクチャ改良の相補的な貢献を示した。これらの結果は、電力使用行動プロファイリングとマルチスケール時間モデリングを組み合わせることが、住宅需要側負荷予測を効果的に改善できることを示唆している。
- SAXと階層的クラスタリングで住宅電力消費の代表負荷パターンを抽出し、LightGBMで負荷パターンと関連するアンケート属性を特定して多次元の電力使用行動プロファイルを構築した
- Informerアーキテクチャを、TCNベース埋め込み、確率的ブロックサンプリングアテンション、MLPベースクロスセルフアテンションデコーダーの3戦略で改良した
- 3207人の住宅ユーザーデータでMAE 0.0237、RMSE 0.0258、R2 0.945を達成し、元のInformer比でMAE 17.4%減、RMSE 19.8%減、R2 6.65%増、TransformerやLSTMベースラインも上回った
学術研究の段階であり直接の収益事象ではないが、需要側負荷予測の精度改善は電力小売・VPP・需要応答サービス事業者の運用コストや収益機会に直結する技術要素。Informer改良(TCN埋め込み・確率的ブロックサンプリングアテンション・MLPベースクロスアテンションデコーダー)とユーザー行動プロファイリングの統合という構成は、家庭向けエネルギー管理・デマンドレスポンス系プロダクトへの応用余地があり、MAE/RMSEで17〜20%改善という定量結果は注目に値する。ただし実運用データでの検証や商用化の有無は未確認で、投資判断には追加情報が必要。