短期負荷予測のためのARMAXモデルの同定：進化的プログラミングアプローチ

本論文では、1日から1週間先の時間毎の負荷需要予測のために外生変数を伴う自己回帰移動平均（ARMAX）モデルを同定する新しい進化的プログラミング（EP）アプローチを提案する。通常、予測誤差関数の表面には複数の局所最小点が存在する。そのため、従来の勾配探索に基づく同定技術の解は、局所最適点で停滞し、適切なモデルを得られないことがある。自然の進化プロセスをシミュレーションすることで、EPアルゴリズムは複雑な誤差表面のglobal extremumに収束する能力を提供する。開発されたEPベースの負荷予測アルゴリズムは、実際の台湾電力（台電）システムおよび変電所の負荷、さらに温度値を使用して検証されている。数値結果は、提案されたEPアプローチが多種多様な負荷データに対してARMAXモデルの適切な順序とパラメータ値を同時に推定する方法を提供することを示している。予測誤差の比較は従来の同定技術とも行われている。