ビジョントランスフォーマーを用いてロード、温度、日射量のプロファイルをロード画像に変換し、事前学習モデルを構築することで、ロード識別やロード分解などの下流タスクの性能を大幅に向上させることができる。
本論文では、電力系統の実時間異常検知問題を解決するために、文脈非依存型の学習アルゴリズムを提案する。提案手法は、電力系統の動的な状況変化の影響を除去し、統一的な統計モデルを構築することで、高精度な異常検知を実現する。
天気予報と地域の特性を考慮した深層学習モデルを用いて、地域ごとの停電発生確率を予測する。社会経済的要因と電力インフラの特性が停電予測の精度向上に寄与することを示す。