顧客行動を考慮した時間的位置を用いたマルチチャネルLSTMによる複数ステップ短期電力消費予測

短期負荷予測（STLF）は、スマートグリッドにおける電力供給と需要に関する重要な課題です。複数ステップのSTLFは、一貫性があり迅速な供給を達成し、直接的または間接的なコストを削減するための意思決定に強い証拠を提供します。しかし、現在の研究の大部分は、1ステップのSTLFのみに焦点を当てており、人間のニーズを満たすことができません。さらに、短期消費は異なる期間や人によって大きく変動するため、予測の難易度が増します。本論文では、複数出力戦略において、時間的位置を考慮したマルチチャネル長短期記憶（LSTM）（TL-MCLSTM）という新しい深層モデルを提案します。提案されたモデルは、電力消費、時間位置、顧客行動の3つのチャネルを含んでいます。電力消費チャネルは使用の変化と一般的な傾向を反映し、時間位置チャネルは顧客の習慣の隠れたパターンを反映し、時間、曜日、祝日からなる情報を記録します。さらに、顧客行動チャネルにおける行動の種類を特定するために、畳み込みオートエンコーダーとk-平均法を組み合わせます。電力消費チャネルと時間位置チャネルは、優れた記憶機能を持つLSTMを通じて個別に訓練されます。電力消費および時間位置チャネルから抽出された特徴を顧客行動に統合し、包括的な特徴として予測に使用します。私たちは、2つの実際のデータセットに対して提案した深層モデルを設計、訓練、検証し、他の主要な深層学習ベースの方法と比較しました。比較研究により、複数ステップの短期消費予測におけるTL-MCLSTMの有効性と優先性が確認されました。