• 대한전기학회논문지:전력기술부문A
• /
• 제48권1호
• /
• pp.8-14
• /
• 1999

This paper presents the methods of short-term load forecasting Kohonen neural networks and back-propagation neural networks. First, historical load data is divided into 5 patterns for the each seasonal data using Kohonen neural networks and using these results, load forecasting neural network is used for next day hourly load forecasting. Next day hourly load of weekdays and weekend except holidays are forecasted. For load forecasting in summer, max-temperature and min-temperature data as well as historical hourly load date are used as inputs of load forecasting neural networks for a better forecasting accuracy. To show the possibility of the proposed method, it was tested with hourly load data of Korea Electric Power Corporation(1994-95).

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 ITC-CSCC -2
• /
• pp.1037-1040
• /
• 2000

We introduce the forecasting method for a next day electric peak load that uses the optimal combination of two types of neural networks. First network uses learning data that are past 10days of the target day. We name the neural network Short Term Neural Network (STNN). Second network uses those of last year. We name the neural network Long Term Neural Network (LTNN). Then we get the forecasting results that are the linear combination of the forecasting results by STNN and the forecasting results by LTNN. We name the method Combination Forecasting Method (CFM). Then we discuss the optimal combination of STNN and LTNN. Using CFM of the optimal combination of STNN and LTNN, we can reduce the forecasting error.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.720-722
• /
• 2009

경제 성장에 따른 국내 산업분야의 발달 및 국민 생활수준의 향상으로 전력 소비가 지속적으로 증가하고 있다. 전력을 안정적으로 공급하기 위해서는 전력 수요에 대한 중 단기 예측이 중요하며, 정확한 예측에 따라 안정적인 수급 계획을 확립할 수 있다. 본 논문에서는 부산시에서 공급되는 부산지역의 전력 데이터와 기후 관련 자료를 1995년 1월부터 2007년 12월까지의 측정치를 가지고 시계열 데이터를 수집하여 분석하고 신경회로망의 구조를 설계하여 실험을 통하여 실제 데이터와 예측 데이터를 비교 분석하고 평가한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1991년도 추계학술대회 논문집 학회본부
• /
• pp.39-42
• /
• 1991

The Application of Artificial Neural Network(ANN) to forecast a load in a power system is investigated. The load forecasting is important in the electric utility industry. This technique, methodology based on the fact that parallel structure can process very fast much information is a promising approach to a load forecasting. ANN that is highly interconnected processing element in a hierachy activated by the each input. The load pattern can be divided distinctively into two patterns, that is, weekday and weekend. ANN is composed of a input layer, several hidden layers, and a output layer and the past data is used to activate input layer. The output of ANN is the load forecast for a given day. The result of this simulation can be used as a reference to a electric utility operation.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 A
• /
• pp.199-201
• /
• 2004

KEPCO, has been made a lot of efforts for computerization for distribution planning system since 1980's, And as a results, DISPLAN (Distribution PLANning System) for systematic and effective planning was developed in 2003 and is being used for feeder and substation planning of KEPCO branch office. In this paper the distribution load forecasting algorithm in DISPLAN is represented and the application was showed.

• 전기학회논문지
• /
• 제58권9호
• /
• pp.1695-1699
• /
• 2009

This paper analyzed the characteristics of the demand of electric power in Jeju by year, day. For this analysis, this research used the correlation between the changes in the temperature and the demand of electric power in summer, and cleaned the data of the characteristics of the temperatures, using the coefficient of correlation as the standard. And it proposed the algorithm of forecasting the short-term electric power demand in Jeju, Therefore, in the case of summer, the data by each cleaned temperature section were used. Based on the data, this paper forecasted the short-term electric power demand in the exponential smoothing method. Through the forecast of the electric power demand, this paper verified the excellence of the proposed technique by comparing with the monthly report of Jeju power system operation result made by Korea Power Exchange-Jeju.

• 전기의세계
• /
• 제22권2호
• /
• pp.28-32
• /
• 1973

System modeling is applied in developing a probabilistic linear estimator for the load of an electric power system for the purpose of short term load forecasting. The model assumer that the load in given by the suns of a periodic discrete time serier with a period of 24 hour and a residual term such that the output of a discrete time dynamical linear system driven by a white random process and a deterministic input. And also we have established the main forecasting algorithms, which are essemtally the Kalman filter-predictor equations.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.527-536
• /
• 2017

최근 스마트 그리드 산업의 발달과 더불어 효과적인 에너지 관리 시스템의 필요성이 커지고 있다. 특히, 전기 부하 및 에너지 요금 감소를 위해서는 정확한 전력수요 예측과 그에 따른 효과적인 스마트 그리드 운영 전략이 필요하다. 본 논문에서는 보다 정확한 전력수요 예측을 위하여, 수요 시한 기준으로 수집된 전력 사용 데이터를 고시간 해상도로 분할하고, 이에 적합한 인공 신경망 기반의 전력수요 예측 모델을 구축하고자 한다. 예측 모델의 정확도를 향상시키기 위하여 우선, 수열 형태의 시계열 데이터가 가지는 주기성을 제대로 반영하지 못하는 기계 학습 모델의 문제점을 해결하고자, 시계열 데이터를 2차원 공간의 연속적인 데이터로 변환한다. 더욱이, 고시간 해상도에 따른 온도나 습도 등 외부 요인들의 보다 정확한 반영을 위해 이들에 대해서도 선형 보간법을 사용하여 세분화된 시점에서의 값을 추정하여 반영한다. 마지막으로, 구성된 특성 벡터에 대해 주성분 분석 수행을 통하여 불필요한 외부 요인을 제거한다. 예측 모델의 성능을 평가하기 위해서 5겹 교차 검증을 수행하였다. 실험 결과 모든 고시간 해상도에서 성능 향상을 보였으며, 특히 3분 해상도의 경우 3.71%의 가장 낮은 오차율을 보였다.

• 전기학회논문지
• /
• 제66권7호
• /
• pp.1001-1006
• /
• 2017

In this study the NARX was proposed as a novel approach to forecast electric load more accurately. The NARX model is a recurrent dynamic network. ISO-NewEngland dataset was employed to evaluate and validate the proposed approach. Obtained results were compared with NAR network and some other popular statistical methods. This study showed that the proposed approach can be applied to forecast electric load and NARX has high potential to be utilized in modeling dynamic systems effectively.

• 한국융합학회논문지
• /
• 제9권5호
• /
• pp.1-6
• /
• 2018

스마트그리드에서 정확한 단기 부하 예측을 통한 자원의 이용 계획은 에너지 시스템 운영의 불확실성을 줄이고 운영 효율을 높이는데 있어서 매우 중요하다. 단기 부하 예측에 얕은 신경회로망을 포함한 다수의 머신 러닝 기법이 적용되어왔지만 예측 정확도의 개선이 요구되고 있다. 최근에는 컴퓨터 비전이나 음성인식 분야에서 심층 신경회로망의 뛰어난 연구 결과로 인해 심층 신경회로망을 단기 전력수요 예측에 적용해 예측 정확도를 개선하려는 시도가 주목 받고 있다. 본 논문에서는 일별 전력 부하 첨두치를 예측하기 위한 다층신경회로망 구조의 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 층별 학습이 선행된 후 전체 모델의 학습이 이루어진다. 한국전력거래소에서 얻은 4년 동안의 일별 전력 수요 데이터를 사용, 하루 및 이틀 앞선 전력수요 첨두치를 예측하는 심층 신경회로망 모델을 구축하고 예측 정확도를 비교, 평가한다.