• Proceedings of the KIEE Conference
• /
• 2001.11b
• /
• pp.51-53
• /
• 2001

전력 수요 예측은 전력 수급 안정과 양질의 전력을 공급하기 위한 필수 기법이며 경쟁적인 전력시장에서 전력요금과 밀접한 관련이 있다. 그러므로, 경쟁적인 전력시장 구조하의 시장 참여자에게 있어서 전력 수요 예측은 매우 관심 있는 사항이다. 최근의 전력 수요 예측 기법으로 예측한 오차율을 살펴보면 평일과는 다르게 특수일의 전력 수요예측은 평균 5%를 상회하는 수준으로 예측의 정확도가 평일 예측에 비해 크게 낮은데 이유는 특수일이 평일에 비하여 부하의 크기가 다소 낮게 나타나고 특수일 마다 계절적인 차이가 있으며 각각의 특수일 마다 고유한 부하의 특성이 있으므로 과거 데이터를 이용할 때 동일 특수일을 이용하게 되며 따라서 평일과는 다르게 일년 단위로 과거 데이터 값들이 취득되므로 오차율이 커진다. 따라서 데이터들을 퍼지화하여 선형계획법을 수행하여 평균 $2{\sim}3%$ 정도의 우수한 결과를 도출한 바 있다. 본 논문에서는 퍼지 선형회귀분석법을 이용한 예측 기법에 최소자승법을 도입하여 특수일 전력 수요예측의 정확도를 개선하였다.

• Proceedings of the KIEE Conference
• /
• 2001.05a
• /
• pp.52-54
• /
• 2001

전력 수요 예측은 전력 수급 안정과 양질의 전력을 공급하기 위한 필수 기법이며 경쟁적인 전력 시장에서 전력요금과 밀접한 관련이 있다. 그러므로, 경쟁적인 전력시장 구조하의 시장 참여자에게 있어서 전력수요 예측은 매우 관심 있는 사항이다. 최근의 전력 수요 예측 기법으로 예측한 오차율을 살펴보면 특수일의 전력 수요 예측의 정확도가 평일 예측에 비해 낮으며 특히, 토요일 또는 월요일에 특수일이 오는 경우 예측의 정확도가 낮아지는 경향이 있다. 따라서, 찬 논문은 퍼지 선형회귀 분석법과 상대계수법을 병행하여 예측함으로써 특수일 수요 예측의 정확도를 개선하는 방법을 제시한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.05a
• /
• pp.833-836
• /
• 2012

Demand Controller is a load control device that monitor the current power consumption and calculate the forecast power to not exceed the power set by consumer. Accurate demand forecasting is important because of controlling the load use the way that sound a warning and then blocking the load when if forecasted demand exceed the power set by consumer. When if consumer with fluctuating power consumption use the existing forecasting method, management of demand control has the disadvantage of not stable. In this paper, examine the existing forecasting method and the exponential smoothing method, and then propose the forecasting method using Kalman Filter algorithm.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.571-574
• /
• 2016

최근 에너지 효율을 최적화하는 차세대 지능형 전력망인 스마트 그리드 시스템(Smart Grid System)이 국내외에 널리 보급되고 있다. 그로 인해 그리드 시스템의 효율적인 운영을 위해 적용되는 EMS(Energy Management System) 기술의 중요성이 커지고 있다. EMS는 에너지 사용량 예측의 높은 정확성이 요구되며, 예측이 정확하게 수행될수록 에너지의 활용성이 높아진다. 본 논문은 전력 사용량 예측의 정확성 향상을 위한 새로운 기법을 제안한다. 구체적으로, 먼저 사용량에 영향을 미치는 환경적인 요인들을 분석한다. 분석된 요인들을 적용하여 유사한 환경을 가지는 전력 사용량 데이터의 사전 군집화를 수행한다. 그리고 예측 일에 관련된 환경 정보와 가장 유사한 군집의 전력 사용량 데이터를 기반으로 전력 사용량을 예측한다. 제안하는 기법의 성능을 평가하기 위해, 다양한 실험을 통하여 일간 전력 사용량을 예측하고 그 정확성을 측정하였다. 결과적으로, 기존의 기법들과 비교했을 때, 최대 52.88% 향상된 전력 사용량 예측 정확성을 보였다.

• 전기의세계
• /
• v.40 no.5
• /
• pp.18-26
• /
• 1991

전력수요예측의 기본목적은 미래에 예상되는 전력수요를 정확히 예측함으로써 이를 충족시킬 수 있는 전원 및 계통설비의 적기 확보와 아울러, 보다 저렴한 비용으로 전력을 공급할 수 있게 하는데 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.567-570
• /
• 2016

전력수요 예측은 설비투자, 수급 안정, 구매전력비 등에 직결되는 중요한 요소이며 국가 경제에 미치는 영향이 크다. 특히 인구가 밀집한 대도시의 경우 정치, 교육, 문화, 경제적 활동들이 전력사용과 밀접한 연관이 있어 안정적인 전력공급을 위한 정확한 전력수요 예측이 필요하다. 최근 평균기온 및 국내총생산을 독립변수로 활용하여 다중회귀모형을 구성한 연구가 전국 단위 전력수요 예측에 유용한 결과를 보여주었다. 하지만 좀 더 작은 단위 지역의 전력수요를 예측할 때에는 지역마다 제반 여건에 따른 전력사용 용도가 다르므로, 그 지역의 전력수요와 상관관계가 높은 다른 변수들을 함께 고려해야 할 필요가 있다. 본 논문은 서울시 자치구별 월 단위 전력수요 예측을 위하여 과거 전력수요량을 독립변수, 평균기온, 지역내총생산, 자치구별 인구, 세대수, 지하철 승 하차 인원을 종속변수로 설정한 다중회귀모형을 구성하였다. 이를 기반으로 다양한 실험을 통해 자치구별 월간 전력수요 예측을 진행하였으며, 그 결과 이전보다 향상된 정확도를 얻을 수 있었다.

• Journal of the Korea Convergence Society
• /
• v.8 no.1
• /
• pp.19-23
• /
• 2017

Energy is a vital resource for the economic growth and the social development for any country. As the industry becomes more sophisticated and the economy more grows, the electricity demand is increasing. So forecasting electricity demand is an important for electricity suppliers. Forecasting electricity demand makes it possible to distribute electricity demand. As the market for Negawatt market began to grow in Korea from 2014, the prediction of electricity consumption demand becomes more important. Moreover, power consumption forecasting provides a way for demand management to be directly or indirectly participated by consumers in the electricity market. We use Genetic Algorithms to predict the energy demand of the fishing industry in Jeju Island by using GDP, per capita gross national income, value add, and domestic electricity consumption from 1999 to 2011. Genetic Algorithm is useful for finding optimal solutions in various fields. In this paper, genetic algorithm finds optimal parameters. The objective is to find the optimal value of the coefficients used to predict the electricity demand and to minimize the error rate between the predicted value and the actual power consumption values.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.6
• /
• pp.1601-1607
• /
• 2016

Recently, weather information has been increasingly used in various area. This study presents the necessity of hourly weather information for electricity demand forecasting through correlation analysis and multivariate regression model. Hourly weather data were collected by Meteorological Administration. Using electricity demand data, we considered TBATS exponential smoothing model with a sliding window method in order to forecast electricity demand. In this paper, we have shown that the incorporation of weather infromation into electrocity demand models can significantly enhance a forecasting capability.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.283-287
• /
• 2004

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시접에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.323-326
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.