現在、JR東日本では自営の発電所から電力を供給し、電車の運転・空調・各種サービス機器・駅ビル等の電力需要を賄っている。各発電所では、電力指令が立案した発電計画を基に発電する。従来、電力需要は電力指令員が過去の実績から類似日を抽出・平均化し、様々な補正計算により予測していた。作業は1時間程度を要し、担当者の経験と勘によるため予測精度にバラつきがあった。本取り組みは、機械学習により電力需要を誰もが同精度で予測できる手法の確立を目的とする。 本取り組みでは、重回帰分析ベースの予測モデルを作成した。予測モデルは、予測対象日から過去2年分の実績を学習し予測する。学習データに異常なデータが含まれると予測精度が低下するため、機械学習による異常検知手法を用いて除外した。時間帯・気温・平日と休日で電力需要の傾向が異なることが判明したため、予測モデルを192種類に分割した。また、曜日や繁忙期か否かといった特性、直近の電力需要実績が予測精度に影響することが判明したため、これらを予測モデルのパラメータとして採用した。本モデルのシステム化により、ベテラン指令員と同等の精度の予測を瞬時に行うことが可能となった。
