Core Concepts
グラフニューラルネットワークを用いて、揚水発電所の電気・水力データを融合することで、短期予測の精度を向上させることができる。
Abstract
本研究では、揚水発電所(PSH)の電気系統と水力系統のデータを融合することで、短期的な電流予測の精度を向上させる手法を提案している。
PSHは電力系統の周波数制御に積極的に参加しており、急激に変化する系統状態の予測が重要である。しかし、電気系統と水力系統はそれぞれ異なる動特性を持つため、両者を同時にモデル化することは困難である。
本研究では、グラフニューラルネットワーク(GNN)を用いて、電気系統と水力系統のセンサデータを融合する手法を提案している。具体的には、以下の3つのステップで構成される:
注意機構付きのグラフ学習モジュールを用いて、電気系統と水力系統のセンサデータから統合グラフを学習する。
学習したグラフに対して、グラフスペクトルフィルタリングと時間スペクトルフィルタリングを適用し、電気系統と水力系統の相互依存関係を捉える。
最終的な電流予測は、グラフ特徴量と時系列特徴量の融合により行う。
提案手法は、従来の手法と比較して予測精度が向上しており、特に水力系統の情報を加えることで、さらなる精度向上が確認された。また、学習したグラフ構造の分析から、提案手法が物理的な関係性を捉えていることが示された。
Stats
電流センサの予測誤差(NMSE)は、水力系統の情報を加えることで6.5%改善された。