時系列XAI技術による電力需要予測モデルの性能・説明性向上

抄録

電力自由化やカーボンニュートラル社会に向けたエネルギー環境の変化を受け、大規模工場では、設備稼働や操業に必要な電力・熱等のエネルギーを効率的に運用する必要がある。工場でのエネルギー需要は刻一刻と変動する各種設備の稼働状況や気象条件等により左右されるため、それら条件の元に将来の需要を高精度に予測する手法が求められる。近年では、深層学習の分野においてTransformerベースの手法を始めとして種々の時系列予測手法が提案されており、エネルギー需要予測に適用することで、高精度化が期待できる。しかし、深層学習モデルはBlack Boxモデルであることから、予測根拠が不明となり、何の因子が予測結果に影響するかの説明性が重要となっている。そこで、本研究では、工場の電力需要予測を題材として、深層学習時系列モデルに対して適用可能なXAI技術として、モデル全体の振る舞いを示す大局的手法TIMEによりモデルの説明性と性能を両立したモデルの構築を試みた。その結果、大局的手法 (TIME)で抽出した特徴量で予測モデルを再構築することで、説明性および性能改善の両立が図れることを示した。