[論文レビュー] Short-term forecasting of Italian residential gas demand.

Andrea Marziali, Emanuele Fabbiani+1 more|arXiv (Cornell University)|Oct 4, 2019

Energy Load and Power Forecasting被引用数 1

ひとこと要約

本稿では、イタリアの住宅用ガス需要の1日先予測を目的として、リッジ回帰、ガウス過程、k近傍法、ニューラルネットワーク、トーラスモデルの5つの機械学習モデルを提案および比較する。最も優れた性能を示したニューラルネットワークとガウス過程は、理論的な性能限界の2倍のRMSEを達成しており、理想的な条件下では、国家レベルのガス需要予測が高精度で可能であることが示唆される。

ABSTRACT

Natural gas is the most important energy source in Italy: it fuels thermoelectric power plants, industrial facilities and domestic heating. Gas demand forecasting is a critical task for any energy provider as it impacts on pipe reservation and stock planning. In this paper, the one-day-ahead forecasting of Italian daily residential gas demand is studied. Five predictors are developed and compared: Ridge Regression, Gaussian Process, k-Nearest Neighbour, Artificial Neural Network, and Torus Model. Preprocessing and feature selection are also discussed in detail. Concerning the prediction error, a theoretical bound on the best achievable root mean square error is worked out assuming ideal conditions, except for the inaccuracy of meteorological temperature forecasts, whose effects are properly propagated. The best predictors, namely the Artificial Neural Network and the Gaussian Process, achieve an RMSE which is twice the performance limit, suggesting that precise predictions of residential gas demand can be achieved at country level.

研究の動機と目的

• イタリアの住宅用ガス需要の短期予測精度を向上させ、パイプラインの予約および在庫管理を効率化すること。
• 実世界のガス需要データを用いて、リッジ回帰、ガウス過程、k近傍法、ニューラルネットワーク、トーラスモデルといった多様な予測モデルの性能を評価すること。
• 気象予報の不正確さを考慮した場合の、ガス需要予測における平均二乗誤差（RMSE）の理論的下限を確立すること。
• 実現可能な予測性能と理想状態における最小誤差の差を調査すること。

提案手法

• 5つの予測モデルを、気象的および時間的特徴を組み込んだ歴史的イタリアの日次住宅用ガス需要データ上で学習および評価する。
• 前処理には正規化と欠損値処理が含まれ、特徴選択により特に気温および時間関連変数が重要であると特定される。
• 理想的な状況下で、気象予報の誤差がゼロであると仮定した場合のRMSEの理論的下限を導出する。この際、予報誤差の伝播を明示的にモデル化する。
• 交差検証とサンプル外テストを用いて、RMSEを指標としてモデルの性能を評価し、妥当性を確認する。
• ガウス過程とニューラルネットワークは、優れた性能を示したため、詳細な分析の対象に選ばれる。
• 誤差伝播分析により、気象予報誤差が全体の予測不確実性に与える影響を定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 異なる機械学習モデルは、1日先のイタリアの住宅用ガス需要予測において、どのように比較されるか？
• RQ2 気象予報が完全に正確であると仮定した場合、住宅用ガス需要予測の理論的最小RMSEはどの程度か？
• RQ3 気象予報の気温予測の不正確さは、ガス需要予測モデルの性能にどの程度影響を与えるか？
• RQ4 最も優れたモデルは、理論的性能限界に近い予測精度を達成できるか？

主な発見

• ニューラルネットワークとガウス過程が、リッジ回帰、k近傍法、トーラスモデルを上回る最低のRMSEを達成した。
• 最も優れたモデルは、理想状態における理論的下限の約2倍のRMSEを達成した。
• 理論的性能限界は、気温予報に誤差がないと仮定した場合に導出され、モデル評価のベンチマークとして機能する。
• 気象予報の誤差が予測誤差に顕著に寄与しており、誤差伝播分析によりその影響が定量的に評価された。
• 結果から、気象予報の精度が向上すれば、現在のモデリング技術で国家レベルの住宅用ガス需要予測を高精度で行うことが可能であると示唆される。
• 実際の性能と理論的限界の差は、入力データ品質、特に気温予報のさらなる向上が、より高い精度を実現する鍵であることを示している。