さまざまな機械学習アルゴリズムを用いた電力負荷需要予測の評価

エネルギー部門は、電力負荷予測のために多様な機械学習アルゴリズムに大きく依存しており、これは発電および配電の政策を形成する上で重要な役割を果たしています。電力負荷予測の精度は、データ内の非線形特性を反映する多数の要因に依存します。特に、機械学習アルゴリズムと人工ニューラルネットワークは、現代の電力負荷予測において不可欠な要素として浮上しています。本研究は、サポートベクターマシン（SVM）、長短期記憶（LSTM）、アンサンブル分類器、再帰的ニューラルネットワークおよび深層学習法を含む機械学習アルゴリズムに特に焦点を当てています。この研究では、過去5年間にわたるチャンディーガルUT電力会社のデータを活用して短期電力負荷予測を綿密に調査します。予測精度の評価には、正規化平均二乗誤差（NMSE）、二乗平均平方根誤差（RMSE）、平均絶対誤差（MAE）、相互情報量（MI）などの指標を利用します。予測結果は、他のアルゴリズムと比較してLSTMでの優れたパフォーマンスを示し、予測誤差はLSTMで最低であり、SVMでは13.51％高くなっています。これらの知見は、さまざまな機械学習アルゴリズムの強みと限界に関する貴重な洞察を提供します。提案手法の検証実験は、MATLAB R2018ソフトウェアを用いて行われます。