DG-LSTM-SAモデル:電力生成および負荷予測のための自己注意機構を備えたディープゲート付きLSTMネットワーク
DG-LSTM-SA model: A deep gated LSTM network with self-attention mechanism for power generation and load forecasting
現代のエネルギーシステムの信頼性の高い運用には、電力生成と負荷需要の正確な予測が不可欠である。従来のRNNは複雑な電力時系列における長期依存関係の捉えに苦労し、最近のTransformerベースのモデルは計算オーバーヘッドが大きい。これらの課題に対処するため、ディープゲート付きLSTMネットワークと自己注意機構(DG-LSTM-SA)を提案する。このモデルは、マルチレイヤーゲートアーキテクチャと階層的に埋め込まれた自己注意モジュールを組み合わせ、情報量の多いタイムステップを適応的に強調し、パラメータ数を大幅に増やさずに複雑な時間パターンを捉えることができる。NEPOOL、Yichang、Solar-Energyの3つの実世界のエネルギーデータセットで評価した結果、DG-LSTM-SAは10のベースラインモデルを上回り、標準的なRNNバリアントと比較して平均絶対誤差を75%以上削減した。また、InformerやCrossformerなどの最先端の注意ベースモデルと比較して、同等の精度を達成しつつ、計算効率とトレーニング速度で優位性を示した。詳細なアブレーションスタディにより、提案された設計が堅牢、正確、かつ実世界のグリッド運用意思決定に実用的であることが確認された。
- DG-LSTM-SAモデルが提案され、3つの実世界エネルギーデータセットで評価された
本論文で提案されたDG-LSTM-SAモデルは、電力生成・負荷予測において従来のLSTM比で平均絶対誤差を75%以上削減しつつ、Transformer系モデルより計算効率に優れる。電力市場では予測精度の向上は発電計画・需給調整コスト・市場価格予測に直結するため、ユーティリティ企業や電力トレーディング事業者にとって導入価値が高い。ただし、現時点では研究成果であり商用化や具体的な導入事例ではない点は割引いて評価すべき。