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。