天候相関の彼方へ：オーストラリア・メルボルンにおけるきめ細かな住宅用エネルギー消費予測のための静的および時系列ニューラルアーキテクチャの比較研究

概要: 地能網（スマートグリッド）管理、デマンドレスポンス（需要応答）プログラム、再生可能エネルギーの統合にとって、30分未満（サブアワー）の解像度で正確な短期の住宅用エネルギー消費予測を行うことは極めて重要である。気象変数は住宅の電力需要の主要因であることが広く認識されている一方で、時間的自己相関――過去の消費における連続的な記憶――を組み込む相対的な有効性は、静的な気象特徴のみを用いる場合と比べて、オーストラリアの住宅を対象とした微細な時間解像度（5分）では十分に検討されていない。本論文は、2つの実在するメルボルンの住宅に適用した、多層パーセプトロン（MLP）と長短期記憶（LSTM）からなる再帰型ネットワークを、厳密な実証的比較として提示する。対象は、ハウス3（標準的な系統連系型の住居）と、ハウス4（屋根置き太陽光発電フォトボルタイク〔PV〕統合型の住居）である。両モデルは、14か月分の5分間隔スマートメータデータ（2023年3月〜2024年4月）を、気象局（BOM）の公式日次観測と統合して学習しており、住宅ごとに117,000サンプルを超えるデータを得ている。24ステップ（2時間）のスライディング消費ウィンドウで動作するLSTMは、決定係数がR^2 = 0.883（ハウス3）およびR^2 = 0.865（ハウス4）となり、対応する気象駆動型MLPのR^2 = -0.055およびR^2 = 0.410と比較して、93.8および45.5ポイントの差を示した。これらの結果は、5分という粒度の短期予測において、消費系列における時間的自己相関が気象情報を支配することを明らかにする。さらに、太陽光発電によって導入される非対称性も示す。PV統合型の住宅では、MLPがR^2 = 0.410を達成しており、気象—時間相関からの暗黙的な太陽光予測が示唆される。永続性（パーシステンス）ベースラインの分析および季節による層別化により、モデル性能の文脈づけを行う。本研究では、今後の方向性として、気象を加えたハイブリッドLSTMとフェデレーテッドラーニングの拡張を提案する。