東芝研發(fā)中心系統技術(shù)實(shí)驗室在2017年日本東京電力公司控股股份有限公司（以下簡(jiǎn)稱(chēng)東京電力）舉辦的 “第一屆電力需求預測大賽”中獲得最優(yōu)秀獎。在9月上旬的9天時(shí)間內，參賽公司必須竭力克服電力需求錯綜復雜、數據難以讀取的困難，不僅要及時(shí)精準地獲取前一天的需求數據，還需要以一個(gè)小時(shí)的電量為單位，對第二天的電力需求進(jìn)行預測。大賽根據預測結果的精確性評選出最后的優(yōu)勝者。

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

一、隨著(zhù)新型電力、可再生能源的興起，需求預測的熱度也在增長(cháng)

電力需求預測是指電力公司為制定日常供電計劃和交易計劃而進(jìn)行的預測。預測必須遵循 “同時(shí)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(wú)法儲存，若電廠(chǎng)過(guò)度運轉會(huì )給電力公司帶來(lái)?yè)p失。因此，大多數電力從業(yè)者都希望能制定出既滿(mǎn)足需求又毫無(wú)浪費的供電計劃。在2016年，隨著(zhù)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(yáng)能發(fā)電為核心的可再生能源的大規模引進(jìn)，制定有效的供電計劃變得越發(fā)困難，行業(yè)內對于高精度需求預測技術(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“第一屆電力需求預測大賽”。

以前，電力需求預測是需要根據累積的實(shí)際值、氣象條件及事件信息等，手動(dòng)進(jìn)行需求量的預測。在該技術(shù)中，東芝著(zhù)力推動(dòng)研發(fā)的氣象預測技術(shù)和優(yōu)勢強大的人工智能技術(shù)的運用是關(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測背后的故事。

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

“如果需求預測的精度低，我們就必須要制定一個(gè)余量充足的供電計劃，而這會(huì )導致一系列的浪費現象，如電廠(chǎng)的待機運轉等。為解決這一問(wèn)題，以前我們也曾經(jīng)嘗試過(guò)引入人工智能，但由于操作和業(yè)務(wù)流程尚未達到全自動(dòng)化，無(wú)論如何都需要人力的預測。隨著(zhù)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)現高精度的自動(dòng)預測成為了當務(wù)之急。”（進(jìn)先生）

那么，長(cháng)期未達到使用標準的以人工智能預測電力需求的技術(shù)又進(jìn)行了哪些更新呢？

二、數據提取“稀疏建模技術(shù)”是提高精度的關(guān)鍵

“具體來(lái)說(shuō)，除了過(guò)去的數據，人工智能還要根據氣象預測和事件信息對未來(lái)的需求量進(jìn)行分析。這是一種粗略的機制，可以反饋預測值與實(shí)際值之間的關(guān)系，并將其應用于機器學(xué)習。最重要的一點(diǎn)是，東芝獨有的氣象預測數據的數量（地點(diǎn)數量）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，在東京電力供應的約40000平方公里的區域內，我們的主要分析對象是縣政府所在地等6～7個(gè)地點(diǎn)，而現在我們可以通過(guò)氣象數據自動(dòng)采集系統（AMeDAS）分析100個(gè)觀(guān)測點(diǎn)的氣象預測值。而且，通過(guò)被稱(chēng)為“稀疏建模技術(shù)¹”的機械學(xué)習技術(shù)，我們還可以從多個(gè)地點(diǎn)的氣象信息中篩選并運用對電力需求影響大的地點(diǎn)的數據。
1稀疏建模指從大量的數據中提取有意義的數據進(jìn)行建模的技術(shù)。

充分運用多地點(diǎn)的氣象預測數據的稀疏建模技術(shù)
※正在申請專(zhuān)利
自動(dòng)篩選影響需求量的重要地點(diǎn)（例如：由于時(shí)區而產(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(cháng)人工智能技術(shù)的志賀先生和稀疏建模專(zhuān)家高田先生詢(xún)問(wèn)相關(guān)的技術(shù)情況。這也成為了這個(gè)團隊成立的契機。

“我一直致力于研究一項技術(shù)，這個(gè)技術(shù)能運用大數據（如工廠(chǎng)制造過(guò)程中所獲取的加工條件和傳感器值等）來(lái)調查品質(zhì)下降的原因。在龐大的候選因素中找出真正的問(wèn)題所在，需要用到稀疏建模技術(shù)，而將該技術(shù)運用到電力需求預測中，對我來(lái)說(shuō)是一個(gè)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(kāi)到其他業(yè)務(wù)中去，而我也正好趕上了這個(gè)時(shí)機?！保ǜ咛锵壬?/p>

三、最為關(guān)鍵的“集成學(xué)習技術(shù)”是什么？

研發(fā)團隊接下來(lái)著(zhù)重研究的是預測值和實(shí)際值之間的誤差。太陽(yáng)能發(fā)電的發(fā)電量會(huì )隨著(zhù)氣象條件的變化而變化，而需求量也會(huì )根據人的行為而精細地發(fā)生變化，巨大的誤差也就此產(chǎn)生。

雖然這個(gè)巨大的誤差可以通過(guò)人工智能反復地進(jìn)行修正循環(huán)，但這次不同。因為我們采用的是“集成學(xué)習技術(shù)”。

雖然總體上被稱(chēng)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)相結合可有效提高預測精度。

“本次采用的是對預測值和實(shí)際值的規則進(jìn)行學(xué)習的手法，其優(yōu)缺點(diǎn)并存。舉例來(lái)說(shuō)，夜間預測精度相對更高，而白天則是對氣溫變化的反應過(guò)于敏感。因此，運用多個(gè)（群組）人工智能技術(shù)，在對各自最擅長(cháng)的時(shí)區進(jìn)行分析的基礎上，將其相互結合，能進(jìn)一步提高精度。”（進(jìn)先生）

整合深度學(xué)習預測值的集成學(xué)習技術(shù)※正在申請專(zhuān)利

最終，我們實(shí)現了這項技術(shù)。與傳統方式相比，預測誤差降低了0.5%~1.0%。誤差每降低1.0%，電力供應的成本也相應降低約0.1%。因此，如果一年間的供電成本為1萬(wàn)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，負責整個(gè)系統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中，還要與大賽主辦方的系統相配合，在規定時(shí)間內完成所有的任務(wù)。雖然過(guò)程十分緊張，但取得這樣的結果讓我在感到開(kāi)心的同時(shí)，也松了一口氣?！?（志賀先生）

當然，我們的下一個(gè)目標是促成該技術(shù)的實(shí)用化。我們的研發(fā)團隊已將2020年實(shí)現該系統的實(shí)際投入使用列為了新的目標，正努力進(jìn)行進(jìn)一步的調整。集成學(xué)習技術(shù)，這一有益于社會(huì )和諧建設和人類(lèi)未來(lái)發(fā)展的高新科技，也希望大家能持續關(guān)注。