東芝研發(fā)中心系統(tǒng)技術(shù)實(shí)驗(yàn)室在2017年日本東京電力公司控股股份有限公司（以下簡稱東京電力）舉辦的 “第一屆電力需求預(yù)測大賽”中獲得最優(yōu)秀獎。在9月上旬的9天時間內(nèi)，參賽公司必須竭力克服電力需求錯綜復(fù)雜、數(shù)據(jù)難以讀取的困難，不僅要及時精準(zhǔn)地獲取前一天的需求數(shù)據(jù)，還需要以一個小時的電量為單位，對第二天的電力需求進(jìn)行預(yù)測。大賽根據(jù)預(yù)測結(jié)果的精確性評選出最后的優(yōu)勝者。

大賽共收到了100余家日本海內(nèi)外公司的參賽作品。下面，就讓我們一起來看看從這些作品中脫穎而出的東芝需求預(yù)測系統(tǒng)吧！

一、隨著新型電力、可再生能源的興起，需求預(yù)測的熱度也在增長

電力需求預(yù)測是指電力公司為制定日常供電計劃和交易計劃而進(jìn)行的預(yù)測。預(yù)測必須遵循 “同時同量”的原則，即需求量和供給量必須始終保持一致。我們知道，電力無法儲存，若電廠過度運(yùn)轉(zhuǎn)會給電力公司帶來損失。因此，大多數(shù)電力從業(yè)者都希望能制定出既滿足需求又毫無浪費(fèi)的供電計劃。在2016年，隨著電力自由化的發(fā)展、小型企業(yè)等新型電力的增加、以太陽能發(fā)電為核心的可再生能源的大規(guī)模引進(jìn)，制定有效的供電計劃變得越發(fā)困難，行業(yè)內(nèi)對于高精度需求預(yù)測技術(shù)的訴求也在急劇上升。在此背景下， 東京電力于2017年舉辦了“第一屆電力需求預(yù)測大賽”。

以前，電力需求預(yù)測是需要根據(jù)累積的實(shí)際值、氣象條件及事件信息等，手動進(jìn)行需求量的預(yù)測。在該技術(shù)中，東芝著力推動研發(fā)的氣象預(yù)測技術(shù)和優(yōu)勢強(qiáng)大的人工智能技術(shù)的運(yùn)用是關(guān)鍵所在。在此，我們有幸邀請到了東芝研發(fā)中心的進(jìn)博正先生、高田正彬先生、志賀慶明先生為我們講解電力需求預(yù)測背后的故事。

從左至右依次為：株式會社東芝 研發(fā)中心 進(jìn)博正、高田正彬、志賀慶明

“如果需求預(yù)測的精度低，我們就必須要制定一個余量充足的供電計劃，而這會導(dǎo)致一系列的浪費(fèi)現(xiàn)象，如電廠的待機(jī)運(yùn)轉(zhuǎn)等。為解決這一問題，以前我們也曾經(jīng)嘗試過引入人工智能，但由于操作和業(yè)務(wù)流程尚未達(dá)到全自動化，無論如何都需要人力的預(yù)測。隨著小型企業(yè)的增多，人手不足的情況也隨之增多，利用人工智能實(shí)現(xiàn)高精度的自動預(yù)測成為了當(dāng)務(wù)之急。”（進(jìn)先生）

那么，長期未達(dá)到使用標(biāo)準(zhǔn)的以人工智能預(yù)測電力需求的技術(shù)又進(jìn)行了哪些更新呢？

二、數(shù)據(jù)提取“稀疏建模技術(shù)”是提高精度的關(guān)鍵

“具體來說，除了過去的數(shù)據(jù)，人工智能還要根據(jù)氣象預(yù)測和事件信息對未來的需求量進(jìn)行分析。這是一種粗略的機(jī)制，可以反饋預(yù)測值與實(shí)際值之間的關(guān)系，并將其應(yīng)用于機(jī)器學(xué)習(xí)。最重要的一點(diǎn)是，東芝獨(dú)有的氣象預(yù)測數(shù)據(jù)的數(shù)量（地點(diǎn)數(shù)量）和多樣性（氣象因素）相較于以前有了大幅度的提升。”（進(jìn)先生）

以前，在東京電力供應(yīng)的約40000平方公里的區(qū)域內(nèi)，我們的主要分析對象是縣政府所在地等6～7個地點(diǎn)，而現(xiàn)在我們可以通過氣象數(shù)據(jù)自動采集系統(tǒng)（AMeDAS）分析100個觀測點(diǎn)的氣象預(yù)測值。而且，通過被稱為“稀疏建模技術(shù)¹”的機(jī)械學(xué)習(xí)技術(shù)，我們還可以從多個地點(diǎn)的氣象信息中篩選并運(yùn)用對電力需求影響大的地點(diǎn)的數(shù)據(jù)。
1稀疏建模指從大量的數(shù)據(jù)中提取有意義的數(shù)據(jù)進(jìn)行建模的技術(shù)。

充分運(yùn)用多地點(diǎn)的氣象預(yù)測數(shù)據(jù)的稀疏建模技術(shù)
※正在申請專利
自動篩選影響需求量的重要地點(diǎn)（例如：由于時區(qū)而產(chǎn)生的重要地點(diǎn)的差異）

看到了比賽招募公告的進(jìn)先生，分別向擅長人工智能技術(shù)的志賀先生和稀疏建模專家高田先生詢問相關(guān)的技術(shù)情況。這也成為了這個團(tuán)隊(duì)成立的契機(jī)。

“我一直致力于研究一項(xiàng)技術(shù)，這個技術(shù)能運(yùn)用大數(shù)據(jù)（如工廠制造過程中所獲取的加工條件和傳感器值等）來調(diào)查品質(zhì)下降的原因。在龐大的候選因素中找出真正的問題所在，需要用到稀疏建模技術(shù)，而將該技術(shù)運(yùn)用到電力需求預(yù)測中，對我來說是一個新鮮又有趣的嘗試。稀疏建模技術(shù)具有很大的潛力，我們正在考慮能否將原有的業(yè)務(wù)橫向展開到其他業(yè)務(wù)中去，而我也正好趕上了這個時機(jī)?！保ǜ咛锵壬?/p>

三、最為關(guān)鍵的“集成學(xué)習(xí)技術(shù)”是什么？

研發(fā)團(tuán)隊(duì)接下來著重研究的是預(yù)測值和實(shí)際值之間的誤差。太陽能發(fā)電的發(fā)電量會隨著氣象條件的變化而變化，而需求量也會根據(jù)人的行為而精細(xì)地發(fā)生變化，巨大的誤差也就此產(chǎn)生。

雖然這個巨大的誤差可以通過人工智能反復(fù)地進(jìn)行修正循環(huán)，但這次不同。因?yàn)槲覀儾捎玫氖恰凹蓪W(xué)習(xí)技術(shù)”。

雖然總體上被稱為人工智能，但其實(shí)它還包括各種各樣的技術(shù)。將這些技術(shù)相結(jié)合可有效提高預(yù)測精度。

“本次采用的是對預(yù)測值和實(shí)際值的規(guī)則進(jìn)行學(xué)習(xí)的手法，其優(yōu)缺點(diǎn)并存。舉例來說，夜間預(yù)測精度相對更高，而白天則是對氣溫變化的反應(yīng)過于敏感。因此，運(yùn)用多個（群組）人工智能技術(shù)，在對各自最擅長的時區(qū)進(jìn)行分析的基礎(chǔ)上，將其相互結(jié)合，能進(jìn)一步提高精度。”（進(jìn)先生）

整合深度學(xué)習(xí)預(yù)測值的集成學(xué)習(xí)技術(shù)※正在申請專利

最終，我們實(shí)現(xiàn)了這項(xiàng)技術(shù)。與傳統(tǒng)方式相比，預(yù)測誤差降低了0.5%~1.0%。誤差每降低1.0%，電力供應(yīng)的成本也相應(yīng)降低約0.1%。因此，如果一年間的供電成本為1萬億日元，那么實(shí)際的成本可減少10億日元。

在對這一成果進(jìn)行評估后，東芝獲得本次大賽的最優(yōu)秀獎也在意料之中了。對此，負(fù)責(zé)整個系統(tǒng)的志賀先生的回答如下：

“這次我們不僅要將目前為止的研究成果搭載到系統(tǒng)中，還要與大賽主辦方的系統(tǒng)相配合，在規(guī)定時間內(nèi)完成所有的任務(wù)。雖然過程十分緊張，但取得這樣的結(jié)果讓我在感到開心的同時，也松了一口氣?！?（志賀先生）

當(dāng)然，我們的下一個目標(biāo)是促成該技術(shù)的實(shí)用化。我們的研發(fā)團(tuán)隊(duì)已將2020年實(shí)現(xiàn)該系統(tǒng)的實(shí)際投入使用列為了新的目標(biāo)，正努力進(jìn)行進(jìn)一步的調(diào)整。集成學(xué)習(xí)技術(shù)，這一有益于社會和諧建設(shè)和人類未來發(fā)展的高新科技，也希望大家能持續(xù)關(guān)注。