• The Journal of the Korea institute of electronic communication sciences
• /
• v.14 no.5
• /
• pp.943-950
• /
• 2019

Machine learning can greatly improve the efficiency of work by replacing people. In particular, the importance of machine learning is increasing according to the requests of fourth industrial revolution. This paper predicts monthly power transactions using MLP, RNN, LSTM, and ANFIS of neural network algorithms. Also, this paper used monthly electricity transactions for mount and money, final energy consumption, and diesel fuel prices for vehicle provided by the National Statistical Office, from 2001 to 2017. This paper learns each algorithm, and then shows predicted result by using time series. Moreover, this paper proposed most excellent algorithm among them by using RMSE.

• The Journal of Bigdata
• /
• v.4 no.1
• /
• pp.63-72
• /
• 2019

For power energy, optimal generation and distribution plans based on accurate demand forecasts are necessary because it is not recoverable after they have been delivered to users through power generation and transmission processes. Failure to predict power demand can cause various social and economic problems, such as a massive power outage in September 2011. In previous studies on forecasting power demand, ARIMA, neural network models, and other methods were developed. However, limitations such as the use of the national average ambient air temperature and the application of uniform criteria to distinguish seasonality are causing distortion of data or performance degradation of the predictive model. In order to improve the performance of the power demand prediction model, we divided Korea into five major regions, and the power demand prediction model of the linear regression model and the neural network model were developed, reflecting seasonal characteristics through regional characteristics and migration period learning techniques. With the proposed approach, it seems possible to forecast the future demand in short term as well as in long term. Also, it is possible to consider various events and exceptional cases during a certain period.

• 전기의세계
• /
• v.18 no.1
• /
• pp.33-37
• /
• 1969

한전은 1968년 11월 3일 오전 10시 04분을 기하여 154KV 전계통의 직접접지방식 전환을 단행하였다. 종전의 P.C(소고선륜) 중성점접지방식을 직접접지방식으로 전환한것으로서 전력사상 특기 할 만한 근대화사업이며 다년간을 두고 추진해온 중요과제였다. 전력계통의 확대와 복잡화는 선진국가에서도 실시하고 있는 직접접지방식의 채택을 불가변하게 하였고 또한 1차 AID송배전차관도 이의 채택을 조건부로 승인되었던 것으로서 1968년 이후에 건설되는 송변전기기는 직접접지계에서만 운전할 수 있는 절연Level 650KV급이 도입되어 부산화력발전소 3호기가 준공되는 1968년 10월말까지는 직접접지전환이 반드시 이루어져야 하는 실정에 놓여 있었다. 그런데 직접접지방식의 단점인 인접통신선에 미치는 유도장해를 해결하는 문제가 다년간을 두고 진지하게 검토되어 왔으나 해결이 늦어지고 있었다. 사유는 154KV 계통에 인근된 통신선이라면 체신부, 내무부, 교통부, 국방부등 여러기관의 것이 있는데, 유도장해보안방법과 유도보상비문제에 대하여 전력측(상공부, 한전)과 통신측(상기의 체신부등)의 견해차가 해소되지 않기 때문이었다. 그것이 1968년 5월에 와서 전력.통신쌍방이 범국가적입장에서 제반애로를 무릅쓰고 최소한의 투자로 가능한 범위내의 보안책으로서 우선 Arrester 보안방식을 채택하기로 합의되어 경제장관회의를 거쳐 시공하기에 이른것이다. 이 란을 빌려 이 사업의 필요성과 경위및 통신선유도장해방지를 위한 보안방식내용을 간단히 소개함으로써 앞으로 이 분야의 항구적인 유도대책연구에 다소나마 참고가 된다면 다행으로 생각하겠다.면서 예측강우의 질이 저하되기 시작하였으나 QPM을 합성함으로써 생산한 BQPF는 보다 신뢰성있고 양호한 결과를 얻을 수 있었다. 이러한 결과들은 향후 정량적 분포형강우 예측을 이용한 실시간 홍수유출 예측시 댐운영자는 리드타임(홍수선행시간)을 충분히 확보함으로서 안정적이고 예측 가능한 홍수조절을 하는데 도움을 줄 수 있을 것으로 기대된다. 이와 같이 다양한 단기저수지 유입량의 예측정보 제공으로 다목적댐 저수지 운영모형의 효용성을 제고하여 향후 실제 저수지 유입량 예측에 이용함으로써 저수지 단기운영효율 개선에 기여할 수 있을 것으로 사료된다.다. 이것은 여름철 강수량이 증가하고, 호우발생빈도, 특히 8월의 강수일수가 증가하고 있다는 것과 밀접한 관련이 있다. 여름과 가을에 우리나라에 영향을 미치는 태풍의 수는 뚜렷한 추세를 보이지 않으나, 2002년 루사, 2003년 매미로 인하여 각각 6조원, 4조원 이상의 막대한 피해가 발생하였다. 태풍에 의한 피해액은 GDP 대비 약 0.9%(태풍 루사)로 최근 경제상장률과 비교해 보면, 상당한 비율을 차지한다. 우리나라에 영향을 미치는 태풍은 연근해의 해수면 온도가 높아지면 세기가 강해질 가능성이 높다. 폭설과 한파일수도 평년대비 최근 10년 감소하였고 일최저기온이 영하 $10^{\circ}C$ 이하인 날도 연간 발생일수가 감소하였다. 최근 10년간 우리나라 기후의 변화특성은 기온상승과 더불어 서리종료일이 앞당겨지고 열대야가 증가하고 폭설, 한파, 겨울철 일최저기온 영하 10도 이하인 날의 감소 등이 나타나고, 여름철 재해의 원인인 호우일수는 증가하는 추세이다.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.12
• /
• pp.419-430
• /
• 2020

This paper investigated methods to improve the forecasting accuracy of the electricity consumption prediction model. Currently, the demand for electricity has continuously been rising more than ever. Since the industrial sector uses more electricity than any other sectors, the importance of a more precise forecasting model for manufacturing sites has been highlighted to lower the excess energy production. We propose a double encoder-decoder model, which uses two separate encoders and one decoder, in order to adapt both long-term and short-term data for better forecasts. We evaluated our proposed model on our electricity power consumption dataset, which was collected in a manufacturing site of Sehong from January 1st, 2019 to June 30th, 2019 with 1 minute time interval. From the experiment, the double encoder-decoder model marked about 10% reduction in mean absolute error percentage compared to a conventional encoder-decoder model. This result indicates that the proposed model forecasts electricity consumption more accurately on manufacturing sites compared to an encoder-decoder model.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.4
• /
• pp.885-894
• /
• 2015

It is necessary to forecast the electricity demand for reliable and effective operation of the power system. In this study, we try to categorize a functional data, the mean curve in accordance with the time of daily power demand pattern. The data were collected between January 1, 2009 and December 31, 2011. And it were converted to time series data consisting of seasonal components and error component through log transformation and removing trend. Functional clustering by Ma et al. (2006) are applied and parameters are estimated using EM algorithm and generalized cross validation. The number of clusters is determined by classifying holidays or weekdays. Monday, weekday (Tuesday to Friday), Saturday, Sunday or holiday and season are described the mean curve of daily power demand pattern.

• Journal of Industrial Technology
• /
• v.18
• /
• pp.379-384
• /
• 1998

Conventional short-term load forecasting techniques have limitation in their use on holidays due to dissimilar load behaviors of holidays and insufficiency of pattern data. Thus, a new short-term load forecasting method for special days in anomalous load conditions is proposed in this paper. The proposed method uses two Artificial Neural Networks(ANN); one is for the estimation of load curve, and the other is for the estimation of minimum and maximum value of load. The forecasting procedure is as follows. First, the normalized load curve is estimated by ANN. At next step, minimum and maximum values of load in a special day are estimated by another ANN. Finally, the estimate of load in a whole special day is obtained by combining these two outputs of ANNs. The proposed method shows a good performance, and it may be effectively applied to the practical situations.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.

• The Transactions of the Korean Institute of Electrical Engineers A
• /
• v.49 no.3
• /
• pp.107-117
• /
• 2000

This paper proposes a systematic method to develop short-term electrical load forecasting systems using neuro-fuzzy models. The primary goal of the proposed method is to improve the performance of the prediction model in terms of accuracy and reliability. For this, the proposed method explores the advantages of the structure learning of the neuro-fuzzy model. The proposed load forecasting system first builds an initial structure off-line for each hour of four day types and then stores the resultant initial structures in the initial structure bank. Whenever a prediction needs to be made, the proposed system initializes the neuro-fuzzy model with the appropriate initial structure stored and trains the initialized model. In order to demonstrate the viability of the proposed method, we develop an one hour ahead load forecasting system by using the real load data collected during 1993 and 1994 at KEPCO. Simulation results reveal that the prediction system developed in this paper can achieve a remarkable improvement on both accuracy and reliability compared with the prediction systems based on multilayer perceptrons, radial basis function networks, and neuro-fuzzy models without the structure learning.

• KEPCO Journal on Electric Power and Energy
• /
• v.5 no.3
• /
• pp.157-163
• /
• 2019

K-BEMS System was introduced to reduce peak load and to save total energy of the 120 buildings that KEPCO headquarter and branch offices use. K-BEMS system is composed of PV, battery, and hybrid PCS. In this system, ESS, PV, lighting is used to save building energy based on demand prediction. Currently, neural network technique for short past data is applied to demand prediction, and fixed scheduling method by operator for ESS charging/discharging is used. To enhance this system, KEPCO research institute has carried out this K-BEMS research project for 3 years since January 2016. As the result of this project, we developed new real-time highly reliable building demand prediction technique with error free and optimized automatic ESS charging/discharging technique. Through several field test, we can certify the developed algorithm performance successfully. So we will describe the details in this paper.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.808-809
• /
• 2007

전력수요는 경기변동과 밀접한 관련성을 가지고 동행적으로 움직이며, 전력자료는 경제자료에 비해 조기 관측되는 선행성이 있다. 본 연구에서는 GDP 전망을 위해 발전량이 유용하게 사용될 수 있는가를 살펴 보았다. 발전량과 GDP의 관련성은 그랜저 인과관계 검정을 통해서 검증해 보았으며, 발전량 자료 취득의 선행성은 선행차수를 변화시켜 보면서 관련성이 어떻게 변하는가를 살펴보았다. 실제 자료를 이용하여 분석하고, 2004년부터 2006년 기간의 전망치를 평가한 결과, 본 논문에서 살펴 보고자 했던 발전량과 GDP 사이에는 아주 높은 관련성이 있음을 확인할 수 있었고 또한 발전량 자료를 이용함으로써 실제로 GDP 전망의 예측력을 상당히 개선시킬 수 있음을 볼 수 있었다. 발전량과 GDP 사이의 관계는 시간변동계수를 가지는 공적분 및 오차수 정모형을 이용하여 모형화하였다.