東京科学大学（Science Tokyo） 物質理工学院 応用化学系のヒョジェ・リー（Hyojae Lee）博士課程学生、伊原学教授、セルゲイ・マンゾス（Sergei Manzhos）准教授、亀田恵佑助教らの伊原・Manzhos研の研究チームは、On/Offデータを使って分散エネルギーシステムの電力需要を世界トップレベルの精度で予測エンコード法^[用語1]を開発しました。

ネットゼロ社会の実現には、

変動型再生可能エネルギー^[用語2]を主電源とする

分散型エネルギーシステム（DES）^[用語3]の導入拡大が求められています。しかし小規模なDESでは、人間活動に起因する電力需要が頻繁に変動するため、需給バランスの予測や制御が困難です。一方、

エネルギービッグデータ^[用語4]は高精度な予測を可能にしますが、センサーの設置コストの増加や高次元特徴空間におけるデータの密度低下により、有効活用が困難という問題がありました。

本研究ではこれらの問題に対処するため、機器のOn/Ofデータを用いた「グループ・エンコード（GE）」という

カテゴリカル変数^[用語5]のエンコード処理を提案しました。このGEでエンコード後の値とその時点の電力値をニューラルネットワークモデルに用いることで、将来時間における電力需要予測を世界トップレベルの精度で実現しました。今回開発した予測法は、追加センサーの設置が不要なため、分散エネルギーシステムの電力需要を低コストで予測できます。電力市場に低コストに信頼性の高い調整力を提供できることから、変動型再生可能エネルギー電源中心のエネルギーシステムへのシフトへの貢献が期待できます。
本成果は、5月5日付の「Applied Energy」誌オンライン版に掲載されました。