Levenberg-Marquardt-Optimized Feed-Forward Neural Network for High-Accuracy Day-Ahead Joint Forecasting of Electricity Load and Market Prices in Smart Grid Environments

現代の電力網は、もはや巨大な発電所から受動的な家庭へと電力が流れる一方通行の道ではありません。それは、屋根の上のソーラーパネルや電気自動車、スマート家電が市場と絶えず相互作用する、ダイナミックな双方向のシステムへと変貌しました。この複雑な環境において、他のほぼすべての数字よりも重要になるのが、「人々が明日どれだけの電力を必要とするか」と「その電力がいくらになるか」という2つの数字です。これら2つの数値は深く結びついています。需要が急増したり風が止んだりすると、価格は跳ね上がることがあり、価格が上がると、人々はしばしば電力の使用方法を変えます。これらの予測を正確に行うことは極めて重要です。ユーティリティ企業（電力会社）が予測を誤れば、高価な電力を買いすぎて資金を無駄にするか、あるいは明かりを点滅させてしまうかもしれません。発電所が予測を誤れば、エネルギーを売る機会を逃したり、支払いきれない請求書を抱えたりすることになるでしょう。何十年もの間、専門家は統計的なツールを用いてこれらの数値を予測しようとしてきましたが、天候や人間の行動の極端な予測不可能性により、その作業は非常に困難なものとなってきました。

研究チームは現在、過去のパターンから学習するように設計された特定の種類のコンピュータプログラムに焦点を当てた、この問題に取り組むための新しい方法を提案しています。ロード（負荷）と価格を別々に予測しようとするのではなく、彼らは両方を同時に予測する単一のシステムを構築しました。このシステムを、天候と公園の混雑具合という、互いに影響し合う2つの関連した出来事を理解するために、天候と混雑の両方を別々のクラスで学ぶのではなく、歴史の教科書を読んで学ぶ学生のようなものだと考えてみてください。研究者たちは、このシステムを訓練するためにレベンバーグ・マルカートァット法と呼ばれる手法を用いました。簡単に言えば、これはコンピュータが古い手法よりもはるかに速く、かつ確実に学習することを助ける高度な数学的テクニックであり、行き止まりに陥ることなく、データに最適な適合を見つけるために内部設定を調整するものです。

チームはこの手法を、米国東部の一部をカバーする巨大な電力市場であるPJMインターコネクションからの実世界のデータを用いてテストしました。彼らは、過去の電力使用量、過去の価格、気温予測、さらには再生可能エネルギーがどれくらい利用可能になるかの予測を含む、何時間分もの履歴情報をコンピュータに投入しました。コンピュータは、これらすべての情報を考慮して、次の24時間のロードと価格の両方を同時に予測するよう求められました。結果は素晴らしいものでした。標準的なニューラルネットワークや伝統的な統計モデルを含む他の一般的な予測ツールと比較して、この新しいシステムは、電力ロードと市場価格の両方において一貫してより少ないミスを出しました。このシステムは、あらゆる面で最小のエラー指標を達成し、パーシスタンス法やARIMAなどのベースライン手法を上回り、共同モデリングのアプローチが市場の複雑なダイナミクスをうまく捉えていることを証明しました。

この発見が特に有用である理由は、その正確さだけでなく、ロード予測における解決策のスピードとシンプルさにあります。多くの現代的な人工知能モデルは、膨大な計算能力を必要とし、トレーニングに長い時間がかかるため、迅速な意思決定が求められるリアルタイムの状況で使用するのが困難です。しかし、この新しいモデルは比較的コンパクトで、非常に速く訓練できます。このモデルは、より複雑なディープラーニング・システムの重厚な機構を必要とすることなく、人々がどれだけの電力を使い、その電力がいくらになるかという、隠れた複雑な関係性を捉えることができます。研究者たちは、ネットワークの「思考」部分を2つの予測間で共有することで、高い需要はしばしば高い価格につながること、そしてこれらのパターンが時間帯や曜日に基づいて予測可能な形で繰り返されることを、システムが学習したことを発見しました。

また、この研究では、モデルが季節や異常な市場条件下でどのように機能するかをチェックするために、時間の経過に伴うパフォーマンスについても詳しく調査しました。分析の結果、ロードのエラーは均等に分散されており、つまりシステムが数値を一貫して過大評価したり過小評価したりすることはないことが示されました。システムは日次のサイクルをうまく処理し、使用量の朝夕のピークを高い忠実度で予測しました。研究者たちは、価格予測の精度は依然としてシステムに提供される気象や再生可能エネルギーの予測の質に大きく依存していると指摘しましたが、コアとなる手法は両方の変数に対して堅牢であることを証明しました。また、彼らは、このアプローチは可能性の範囲を示すのではなく、単一の最善の予測を提供することに焦点を当てていると指摘しており、これはリスク管理タスクにおいては制限となりますが、即時の運用計画には理想的です。

結局のところ、この研究は、最も効果的な解決策は必ずしも最も複雑なものではないということを示しています。古い、よく理解されているタイプのコンピュータプログラムを強力な訓練手法で洗練させることで、チームは、現代のスマートグリッドにおける電力需要と市場価格の繊細なバランスを管理するのに十分な速さと正確さを備えたツールを作り上げました。電力の需要とそのコストの両方を、単一の迅速な計算で予測できる能力は、明かりを灯し続け、市場を動かし続ける人々にとって実用的な利点を提供します。グリッドが再生可能エネルギーや電気自動車とともに進化し続ける中で、これら2つの課題を予測するための信頼性と効率性の高い方法を持つことは、ますます不可欠になっています。この研究は、適切な数学的ツールがあれば、これまで以上に明確な視界を持って、将来のグリッドの不確実性を乗り越えていけることを示唆しています。