特許ウォッチ

公開番号2025124439
公報種別公開特許公報(A)
公開日2025-08-26
出願番号2024020501
出願日2024-02-14
発明の名称モデル生成装置およびモデル生成方法
出願人日新電機株式会社
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類G06N 20/00 20190101AFI20250819BHJP(計算;計数)
要約【課題】施設における需要電力量を予測するための適正な予測モデルを見出すまでに要する時間を低減する。
【解決手段】施設における需要電力量を予測するための予測モデルを生成するモデル生成装置(10A)は、前記需要電力量の予測値を導出するための特徴量を、前記需要電力量の実績値の時間推移を示す時系列データから導出し、機械学習アルゴリズムを実行することにより、前記特徴量に基づいて複数の予測モデルを生成し、複数の前記予測モデルのそれぞれの品質を示す複数の指標値を導出し、所定の最適化手法に従って、より良い指標値を有する前記予測モデルを複数の前記指標値に基づいて探索することにより、複数の前記予測モデルの内から適正モデルを選択する。
【選択図】図3
特許請求の範囲【請求項１】
施設における需要電力量を予測するための予測モデルを生成するモデル生成装置であって、
前記需要電力量の予測値を導出するための特徴量を、前記需要電力量の実績値の時間推移を示す時系列データから導出し、
機械学習アルゴリズムを実行することにより、前記特徴量に基づいて複数の予測モデルを生成し、
複数の前記予測モデルのそれぞれの品質を示す複数の指標値を導出し、
所定の最適化手法に従って、より良い指標値を有する前記予測モデルを複数の前記指標値に基づいて探索することにより、複数の前記予測モデルの内から適正モデルを選択する、モデル生成装置。
続きを表示（約 700 文字）【請求項２】
複数種類の前記機械学習アルゴリズムごとに、
複数種類の前記機械学習アルゴリズムのそれぞれにおいて適用される複数のハイパーパラメータ設定のそれぞれを用いて、複数の前記予測モデルを生成し、
前記最適化手法に従って、より良い指標値を有する前記予測モデルを複数の前記指標値に基づいて探索することにより、前記適正モデルを選択する、請求項１に記載のモデル生成装置。
【請求項３】
複数のハイパーパラメータ設定をそれぞれ適用した複数種類の前記機械学習アルゴリズムのそれぞれを実行することにより、複数の前記予測モデルを生成する、請求項１に記載のモデル生成装置。
【請求項４】
前記最適化手法は、ネルダー・ミード法またはパウエル法である、請求項１から３のいずれか１項に記載のモデル生成装置。
【請求項５】
施設における需要電力量を予測するための予測モデルを生成するモデル生成方法であって、
前記需要電力量の予測値を導出するための特徴量を、前記需要電力量の実績値の時間推移を示す時系列データから導出するステップと、
機械学習アルゴリズムを実行することにより、前記特徴量に基づいて複数の予測モデルを生成するステップと、
複数の前記予測モデルのそれぞれの品質を示す複数の指標値を導出するステップと、
所定の最適化手法に従って、より良い指標値を有する前記予測モデルを複数の前記指標値に基づいて探索することにより、複数の前記予測モデルの内から適正モデルを選択するステップと、を含んでいる、モデル生成方法。

発明の詳細な説明【技術分野】
【０００１】
本発明の一態様は、施設における需要電力量を予測するための予測モデルを生成するモデル生成装置に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
近年、施設における様々な種類のエネルギー需要量を予測するために機械学習が利用されている。例えば、下記の特許文献１には、蓄熱利用システムにおける熱負荷を、ニューラルネットワークによって予測する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開平９－８９３４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明の一態様の目的は、施設における需要電力量を予測するための適正な予測モデルを見出すまでに要する時間を低減することにある。
【課題を解決するための手段】
【０００５】
本発明の一態様に係るモデル生成装置は、施設における需要電力量を予測するための予測モデルを生成するモデル生成装置であって、前記需要電力量の予測値を導出するための特徴量を、前記需要電力量の実績値の時間推移を示す時系列データから導出し、機械学習アルゴリズムを実行することにより、前記特徴量に基づいて複数の予測モデルを生成し、複数の前記予測モデルのそれぞれの品質を示す複数の指標値を導出し、所定の最適化手法に従って、より良い指標値を有する前記予測モデルを複数の前記指標値に基づいて探索することにより、複数の前記予測モデルの内から適正モデルを選択する。
【０００６】
本発明の一態様に係るモデル生成方法は、施設における需要電力量を予測するための予測モデルを生成するモデル生成方法であって、前記需要電力量の予測値を導出するための特徴量を、前記需要電力量の実績値の時間推移を示す時系列データから導出するステップと、機械学習アルゴリズムを実行することにより、前記特徴量に基づいて複数の予測モデルを生成するステップと、複数の前記予測モデルのそれぞれの品質を示す複数の指標値を導出するステップと、所定の最適化手法に従って、より良い指標値を有する前記予測モデルを複数の前記指標値に基づいて探索することにより、複数の前記予測モデルの内から適正モデルを選択するステップと、を含んでいる。
【発明の効果】
【０００７】
本発明の一態様によれば、施設における需要電力量を予測するための適正な予測モデルを見出すまでに要する時間を低減できる。
【図面の簡単な説明】
【０００８】
参考形態における情報処理装置の一構成例を示す。
参考形態における評価結果テーブルの一例を示す。
実施形態１における情報処理装置の一構成例を示す。
実施形態１における学習部の主要な処理の流れを概略的に示す。
ネルダー・ミード法の概念を概略的に説明する図である。
実施形態１における最適化を実行する処理の流れを例示する。
【発明を実施するための形態】
【０００９】
〔参考形態〕
実施形態１の情報処理装置１Ａの説明に先立ち、参考形態としての情報処理装置１について述べる。説明の便宜上、参考形態にて説明した構成要素（コンポーネント）と同じ機能を有する構成要素については、以降の各実施形態では、同じ符号を付記し、その説明を繰り返さない。また、簡潔化のため、公知技術と同様の事項についても、説明を適宜省略する。
【００１０】
本開示において述べる各コンポーネントおよび各数値は、特に矛盾のない限りいずれも単なる一例である。それゆえ、例えば、特に矛盾のない限り、各コンポーネントの位置関係および接続関係は各図の例に限定されない。
（【００１１】以降は省略されています）

関連特許