東芝研發中心系統技術實驗室在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 “第一屆電力需求預測大賽”中獲得最優秀獎。在9月上旬的9天時間內，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，不僅要及時精準地獲取前一天的需求數據，還需要以一個小時的電量為單位，對第二天的電力需求進行預測。大賽根據預測結果的精確性評選出最后的優勝者。

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、隨著新型電力、可再生能源的興起，需求預測的熱度也在增長

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行的預測。預測必須遵循 “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，若電廠過度運轉會給電力公司帶來損失。因此，大多數電力從業者都希望能制定出既滿足需求又毫無浪費的供電計劃。在2016年，隨著電力自由化的發展、小型企業等新型電力的增加、以太陽能發電為核心的可再生能源的大規模引進，制定有效的供電計劃變得越發困難，行業內對于高精度需求預測技術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際值、氣象條件及事件信息等，手動進行需求量的預測。在該技術中，東芝著力推動研發的氣象預測技術和優勢強大的人工智能技術的運用是關鍵所在。在此，我們有幸邀請到了東芝研發中心的進博正先生、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：株式會社東芝 研發中心 進博正、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余量充足的供電計劃，而這會導致一系列的浪費現象，如電廠的待機運轉等。為解決這一問題，以前我們也曾經嘗試過引入人工智能，但由于操作和業務流程尚未達到全自動化，無論如何都需要人力的預測。隨著小型企業的增多，人手不足的情況也隨之增多，利用人工智能實現高精度的自動預測成為了當務之急。”（進先生）

那么，長期未達到使用標準的以人工智能預測電力需求的技術又進行了哪些更新呢？

二、數據提取“稀疏建模技術”是提高精度的關鍵

“具體來說，除了過去的數據，人工智能還要根據氣象預測和事件信息對未來的需求量進行分析。這是一種粗略的機制，可以反饋預測值與實際值之間的關系，并將其應用于機器學習。最重要的一點是，東芝獨有的氣象預測數據的數量（地點數量）和多樣性（氣象因素）相較于以前有了大幅度的提升。”（進先生）

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個地點，而現在我們可以通過氣象數據自動采集系統（AMeDAS）分析100個觀測點的氣象預測值。而且，通過被稱為“稀疏建模技術¹”的機械學習技術，我們還可以從多個地點的氣象信息中篩選并運用對電力需求影響大的地點的數據。
1稀疏建模指從大量的數據中提取有意義的數據進行建模的技術。

充分運用多地點的氣象預測數據的稀疏建模技術
※正在申請專利
自動篩選影響需求量的重要地點（例如：由于時區而產生的重要地點的差異）

看到了比賽招募公告的進先生，分別向擅長人工智能技術的志賀先生和稀疏建模專家高田先生詢問相關的技術情況。這也成為了這個團隊成立的契機。

“我一直致力于研究一項技術，這個技術能運用大數據（如工廠制造過程中所獲取的加工條件和傳感器值等）來調查品質下降的原因。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，而將該技術運用到電力需求預測中，對我來說是一個新鮮又有趣的嘗試。稀疏建模技術具有很大的潛力，我們正在考慮能否將原有的業務橫向展開到其他業務中去，而我也正好趕上了這個時機。”（高田先生）

三、最為關鍵的“集成學習技術”是什么？

研發團隊接下來著重研究的是預測值和實際值之間的誤差。太陽能發電的發電量會隨著氣象條件的變化而變化，而需求量也會根據人的行為而精細地發生變化，巨大的誤差也就此產生。

雖然這個巨大的誤差可以通過人工智能反復地進行修正循環，但這次不同。因為我們采用的是“集成學習技術”。

雖然總體上被稱為人工智能，但其實它還包括各種各樣的技術。將這些技術相結合可有效提高預測精度。

“本次采用的是對預測值和實際值的規則進行學習的手法，其優缺點并存。舉例來說，夜間預測精度相對更高，而白天則是對氣溫變化的反應過于敏感。因此，運用多個（群組）人工智能技術，在對各自最擅長的時區進行分析的基礎上，將其相互結合，能進一步提高精度。”（進先生）

整合深度學習預測值的集成學習技術※正在申請專利

最終，我們實現了這項技術。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1萬億日元，那么實際的成本可減少10億日元。

在對這一成果進行評估后，東芝獲得本次大賽的最優秀獎也在意料之中了。對此，負責整個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，在規定時間內完成所有的任務。雖然過程十分緊張，但取得這樣的結果讓我在感到開心的同時，也松了一口氣。” （志賀先生）

當然，我們的下一個目標是促成該技術的實用化。我們的研發團隊已將2020年實現該系統的實際投入使用列為了新的目標，正努力進行進一步的調整。集成學習技術，這一有益于社會和諧建設和人類未來發展的高新科技，也希望大家能持續關注。