In this paper, short-term power demand forecast using exclusion of week periodicity presented. Week periodicity excluded from weekday change ratio. Forecast term of five and multiple regression model of the three form was composed. Forecast result was good. Therefore, It Could be the power demand forecast of special day(weekend). This method may contribute improvement of forecast accuracy.
본 연구에서는 신 수요관리 기법인 DR(Demand Response) 시스템의 적용 현황을 분석하였다. 현재 전력사에서 사용하고 있는 9개의 프로그램에 대한 특성 및 적용 사례를 조사하고 분석하였다. 또한 DR 프로그램의 전형적인 실행과정을 살펴보고 DR의 효과적인 응용에 필요한 부분인 단기 부하예측의 필요와 이들의 방법에 대해서 조사하였다. 부하 예측을 위해서는 수요자의 부하 정보의 분석이 기반이 된다. 따라서 국내에 DR시스템을 도입할 경우에는 수요자의 부하 정보인 Load Profile에 대한 정보의 분석 시스템의 개발이 선행되어야 할 것으로 판단된다.
Recently, solar energy is expanding to combination of computing in real time by tracking the position of the sun to estimate the angle of inclination and make up freshly correcting a part of the solar radiation. Solar power is need that reliably linked technology to power generation system renewable energy in order to efficient power production that is difficult to output predict based on the position of the sun rise. In this paper, we analysis of prediction model for solar power generation to estimate the predictive value of solar power generation in the development of real-time weather data. Photovoltaic power generation input the correction factor such as temperature, module characteristics by the solar generator module and the location of the local angle of inclination to analyze the predictive power generation algorithm for the prediction calculation to predict the final generation. In addition, the proposed model in real-time national weather service forecast for medium-term and real-time observations used as input data to perform the short-term prediction models.
Kang Dong Joo;Jung Hae Sung;Hur Jin;Kim Tae Hyun;Moon Young Hwan;Jung Ku Hyung;Kim Bal Ho
Proceedings of the KIEE Conference
/
summer
/
pp.648-651
/
2004
현재 원가반영발전경쟁시장(CBP : Cost Based Pool)에서는 발전사업자의 변동비용에 기초하여 공급곡선을 형성하게 된다. 그래서 공급 곡선에 있어서 는 비교적 불확실성이 덜하다고 할 수 있다. 그러나 양방향입찰시장에서의 가격결정은 발전사업자와 전력구매자의 입찰데이터(bidding data)로 결정되므로 불확실성의 정도가 매우 심해진다. 즉 가격결정에 있어서 입찰데이터는 매우 중요하며 입찰전략에 따라 사업자의 수익이 달라지기 때문이다. 또한 수직통합체제 때와는 달리 설비용량의 증설도 계통의 부하를 충족시키기 위해서가 아니라 각 발전사업자의 수익성을 고려하여 수행된다. 따라서 중장기적으로는 설비용량계획의 불확실성이 존재하고 단기적으로는 각 발전사업자의 수익 극대화를 위한 입찰 전략에 있어서의 불확실성이 존재하게 된다. 이와 같은 상황에서는 과거의 역사적 데이터를 바탕으로 해당시장에서 발전사업자들의 형태를 분석하는 실증적 분석(empirical analysis)이 가장 설득력이 있지만 현재 우리나라의 전력 시장은 CBP 체제이고 TWBP 시장은 열리지도 않았기 때문에 축적된 데이터는 전무하다. 이러한 현실적 여건 때문에 불확실성의 정도는 더욱 심해지고 TWBP 시장에서의 가격을 예측하는 과정에서도 어려움이 더욱 커지게 된다. 따라서 본 연구에서는 가능한 다양한 해외 연구 사례를 참조하여 시장에서의 발전사업자 중장기적(설비), 단기적(입찰전략) 행위를 어떤식으로 모델링하고 시장가격과 어떤 식으로 연결되는지를 분석해보고자 한다.
The Transactions of The Korean Institute of Electrical Engineers
/
v.60
no.12
/
pp.2215-2220
/
2011
The accurate short-term load forecasting is essential for the efficient power system operation and the system marginal price decision of the electricity market. So far, errors of load forecasting for Chuseok Holiday are very big compared with forecasting errors for the other special days. In order to improve the accuracy of load forecasting for Chuseok Holiday, selection of input data, the daily normalized load patterns and load forecasting model are investigated. The efficient data selection and daily normalized load pattern based on fuzzy linear regression model is proposed. The proposed load forecasting method for Chuseok Holiday is tested in recent 5 years from 2006 to 2010, and improved the accuracy of the load forecasting compared with the former research.
The Transactions of the Korean Institute of Electrical Engineers A
/
v.54
no.6
/
pp.259-266
/
2005
Short-term load forecasting algorithm using neural networks and the sensitivity of temperatures in the summer season is proposed. In recent 10 years, many researchers have focused on artificial neural network approach for the load forecasting. In order to improve the accuracy of the load forecasting, input parameters of neural networks are investigated for three training cases of previous 7-days, 14-days, and 30-days. As the result of the investigation, the training case of previous 7-days is selected in the proposed algorithm. Test results show that the proposed algorithm improves the accuracy of the load forecasting.
Journal of the Korea Academia-Industrial cooperation Society
/
v.21
no.10
/
pp.8-15
/
2020
A forecasting method using deep learning does not have consistent results due to the differences in the characteristics of the dataset, even though they have the same forecasting models and parameters. For example, the forecasting model X optimized with dataset A would not produce the optimized result with another dataset B. The forecasting model with the characteristics of the dataset needs to be optimized to increase the accuracy of the forecasting model. Therefore, this paper proposes novel optimization steps for outlier removal, dataset classification, and a CNN-LSTM-based hyperparameter tuning process to forecast the daily power usage of a university campus based on the hourly interval. The proposing model produces high forecasting accuracy with a 2% of MAPE with a single power input variable. The proposing model can be used in EMS to suggest improved strategies to users and consequently to improve the power efficiency.
Jo, Nam-Hoon;Song, Kyung-Bin;Roh, Young-Su;Kang, Dae-Seung
The Transactions of the Korean Institute of Electrical Engineers A
/
v.55
no.7
/
pp.306-312
/
2006
Support Vector Machine(SVM), of which the foundations have been developed by Vapnik (1995), is gaining popularity thanks to many attractive features and promising empirical performance. In this paper, we propose a new short-term load forecasting technique based on SVM. We discuss the input vector selection of SVM for load forecasting and analyze the prediction performance for various SVM parameters such as kernel function, cost coefficient C, and $\varepsilon$ (the width of 8 $\varepsilon-tube$). The computer simulation shows that the prediction performance of the proposed method is superior to that of the conventional neural networks.
The Transactions of The Korean Institute of Electrical Engineers
/
v.59
no.11
/
pp.1956-1963
/
2010
Studies on the development of various energy management programs and real-time bidirectional information infrastructures have been actively conducted to promote the reduction of power demands and CO2 emissions effectively. In the conventional energy management programs, the demand response program that can transition or transfer the power use spontaneously for power prices and other signals has been largely used throughout the inside and outside of the country. For measuring the effect of such demand response program, it is necessary to exactly estimate short-term loads. In this study, the power consumption patterns in both individual and group consumers were analyzed to estimate the exact short-term loads, and the relationship between the actual power consumption and seasonal factors was also analyzed.
Journal of the Institute of Convergence Signal Processing
/
v.2
no.3
/
pp.73-78
/
2001
BP neural network model and multiple-regression model were composed for forecasting the special-days load. Special-days load was forecasted using that neural network model made use of pattern conversion ratio and multiple-regression made use of weekday-change ratio. This methods identified the suitable as that special-days load of short and long term was forecasted with the weekly average percentage error of 1∼2[%] in the weekly peak load forecasting model using pattern conversion ratio. But this methods were hard with special-days load forecasting of summertime. therefore it was forecasted with the multiple-regression models. This models were used to the weekday-change ratio, and the temperature-humidity and discomfort-index as explanatory variable. This methods identified the suitable as that compared forecasting result of weekday load with forecasting result of special-days load because months average percentage error was alike. And, the fit of the presented forecast models using statistical tests had been proved. Big difficult problem of peak load forecasting had been solved that because identified the fit of the methods of special-days load forecasting in the paper presented.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.