電気もジェネリック
という選択へ
GENEWATとは？
電気の品質はそのままで、価格はリーズナブルに。
そして安定して供給を行える新電力サービス「GENEWAT」。
すべての消費者が自分の購入する電力会社を選べる今、GENEWATが企業や家庭の大幅な電気料金削減を実現します。
価格予想モデルの
実装例
過去の価格動向や需要データ、気象データ等を利用し、
AI（人工知能）が日本卸電力取引所（JEPX）における
市場価格を予測します。
変動リスクも含め定量的に評価された予測を活用することにより、最適な電力供給を実現します。
地域別電力市場価格と
気温の相関関係
外部データ活用による
予測精度の向上
より高精度な市場価格の予測を実現するため、気象情報等の外部データを収集します。
必要なデータは逐次アップデートされ、常に最新の情報を取り込むことに寄り、外部環境の分析に基づく、より精度の高い価格予想を可能にします。
周期性を考慮した
解析手法
過去の市場価格の統計処理によって
データの中の周期性を捉えます。
ベイズ時系列モデリング
ベイズ時系列モデリングの手法に基づき、時系列データの構造に即したデータ生成過程のモデル化を行なっています。比較的少量のデータでも合理的な予測が可能になることに加え、不確実性が定量化できること、予測の解釈がしやすいことなどの利点があります。
時系列予測手法の比較
| ベイズ時系列モデリング | Deep Learning | 指数平滑法1 | |
|---|---|---|---|
| 予測精度2 | ○ | ○ | △ |
| 不確実性の定量化 | ○ | ×3 | × |
| 予測の解釈可能性・説明可能性 | ○4 | × | ○4 |
| 少ない5データへの対応 | ○ | × | ○ |
| 計算量の少なさ | △6 | △ | ○ |
- Holt-Winters法など。
- データ量やモデルの評価基準等にも依存するため、目安です。
- LSTM等の代表的なアーキテクチャを採用した場合。
- トレンド成分・季節変動成分等に分解して考えることが可能です。
- 電力の小売り全面自由化は2016年4月1日。
- マルコフ連鎖モンテカルロ法（MCMC）に多少の計算時間を要します。
最適な電気料金プランを
ご提案します
