• 대한산업공학회지
• /
• 제7권1호
• /
• pp.21-31
• /
• 1981

This paper develops a short term forecasting model for household electric power consumption in Seoul, which can be used for the effective planning and control of utility management. The model developed is based on exponentially weighted moving average model and incorporates monthly average temperature as an exogeneous factor so as to enhance its forecasting accuracy. The model is empirically compared with the Winters' three parameter model which is widely used in practice and the Box-Jenkins model known to be one of the most accurate short term forecasting techniques. The result indicates that the developed hybrid exponential model is better in terms of accuracy measured by average forecast error, mean squared error, and autocorrelated error.

• 전기학회논문지
• /
• 제66권3호
• /
• pp.493-499
• /
• 2017

This paper proposes a combined very-short-term and short-term multi-variate time-series model for 24 hour load forecasting. First, the best model for very-short-term and short-term load forecasting is selected by considering the least error value, and then they are combined by the optimal forecasting time. The actual load data of industry complex is used to show the effectiveness of the proposed model. As a result the load forecasting accuracy of the combined model has increased more than a single model for 24 hour load forecasting.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.127-133
• /
• 2019

미래에 스마트 그리드 도입을 위해 전력수요예측은 중요한 연구 분야 중 하나이다. 하지만 전력데이터는 많은 외부적 요소들에 영향을 받기 때문에 예측하기 어렵다. 기존의 전력수요예측 방법들은 가공되지 않은 전력데이터를 그대로 이용하기 때문에 정확도 높은 예측을 하는데 한계가 있어왔다. 본 논문에서는 가공되지 않은 전력데이터를 이용하는 전력수요예측의 문제를 해결하기 위해 확률기반 학습알고리즘을 제안한다. 확률 모델은 전력데이터의 확률적 특성을 분석하기에 적합하다. 제안한 모델의 중기 전력수요예측 성능을 비교하기 위해 신경망 네트워크 중 하나인 순환신경망과 성능 비교를 해보았다. 매사추세츠 대학에서 제공한 전력데이터를 이용하여 성능 비교를 한 결과 본 논문에서 제안한 확률기반 학습알고리즘이 중기 수요예측에 더 좋은 성능을 나타냄을 확인하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제16권3호
• /
• pp.163-172
• /
• 2016

Electric load forecasting is essential for effective power system planning and operation. Complex and nonlinear relationships exist between the electric loads and their exogenous factors. In addition, time-series load data has non-stationary characteristics, such as trend, seasonality and anomalous day effects, making it difficult to predict the future loads. This paper proposes a locally-weighted polynomial neural network (LWPNN), which is a combination of a polynomial neural network (PNN) and locally-weighted regression (LWR) for daily shortterm peak load forecasting. Model over-fitting problems can be prevented effectively because PNN has an automatic structure identification mechanism for nonlinear system modeling. LWR applied to optimize the regression coefficients of LWPNN only uses the locally-weighted learning data points located in the neighborhood of the current query point instead of using all data points. LWPNN is very effective and suitable for predicting an electric load series with nonlinear and non-stationary characteristics. To confirm the effectiveness, the proposed LWPNN, standard PNN, support vector regression and artificial neural network are applied to a real world daily peak load dataset in Korea. The proposed LWPNN shows significantly good prediction accuracy compared to the other methods.

• Computers and Concrete
• /
• 제16권3호
• /
• pp.343-356
• /
• 2015

1078 sets of mixtures in total that include fly ash, slag, and/or silica fume have been collected for prediction on concrete properties. A new database platform (Compos) has been developed, by which the stepwise multiple linear regression (SMLR) and BP artificial neural networks (BP ANNs) programs have been applied respectively to identify correlations between the concrete properties (strength, workability, and durability) and the dosage and/or quality of raw materials'. The results showed obvious nonlinear relations so that forecasting by using nonlinear method has clearly higher accuracy than using linear method. The forecasting accuracy rises along with the increasing of age and the prediction on cubic compressive strength have the best results, because the minimum average relative error (MARE) for 60-day cubic compressive strength was less than 8%. The precision for forecasting of concrete workability takes the second place in which the MARE is less than 15%. Forecasting on concrete durability has the lowest accuracy as its MARE has even reached 30%. These conclusions have been certified in a ready-mixed concrete plant that the synthesized MARE of 7-day/28-day strength and initial slump is less than 8%. The parameters of BP ANNs and its conformation have been discussed as well in this study.

• Industrial Engineering and Management Systems
• /
• 제6권2호
• /
• pp.106-118
• /
• 2007

This paper present a new optimization model to generate aggregate production planning by considering electric cost. The new Time Of Switching (TOS) electric type is introduced by switching over Time Of Day (TOD) and Time Of Use (TOU) electric types to minimize the electric cost. The fuzzy demand and Dynamic inventory tracking with multiple plant capacity are modeled to cover the uncertain demand of customer. The constraint for minimum hour limitation of plant running per one start up event is introduced to minimize plants idle time. Furthermore; the Optimal Weight Moving Average Factor for customer demand forecasting is introduced by monthly factors to reduce forecasting error. Application is illustrated for multiple cement mill plants. The mathematical model was formulated in spreadsheet format. Then the spreadsheet-solver technique was used as a tool to solve the model. A simulation running on part of the system in a test for six months shows the optimal solution could save 60% of the actual cost.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권4호
• /
• pp.365-370
• /
• 1999

This paper describes the Weekly Load Forecasting Expert System(Named WLoFy) which was developed and implemented for Korea Electric Power Corporation(KEPCO). WLoFy was designed to provide user oriented features with a graphical user interface to improve the user interaction. The various forecasting models such as exponential smoothing, multiple regression, artificial nerual networks, rult-based model, and relative coefficient model also have been included in WLofy to increase the forecasting accuracy. The simulation based on historical data shows that the weekly forecasting results form WLoFy is an improvement when compared to the results from the conventional methods. Especially the forecasting accuracy on special days has been improved remakably.

• 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.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.360-365
• /
• 2003

본 논문에서는 데이터의 효율적인 활용과 정확성에서 보다 우수한 특성을 보이는 GMDH(Croup Method of Data Handling) 알고리즘을 전력수요예측에 적용함으로써 입력 데이터의 선정을 용이하게 하였고, 다양한 데이터를 기반으로 보다 정확한 예측을 할 수 있게 하였다. 그리고, 예측 시에 경제적인 요인(GDP, 수출, 수입, 취업자 수, 경제활동인구, 석유소비량)과 기후적인 요인(평균기온)을 모두 고려하였다. 또한 목표 예측 기간을 1999년 1/4분기에서 2001년 1/4분기까지 9개의 분기로 가정하고, 가정한 목표 기간의 예측 정확도를 높이기 위해 3단계의 시뮬레이션 과정(최적 입력 분기 수를 결정하는 과정, 입력 데이터와 예측값의 시간적 연관성을 분석하는 과정, 입력 데이터의 최적화 과정)을 이용함으로써 더 정확한 전력수요예측 방법을 제시하였고, 제안된 기법으로 목표한 예측 기간에서 0.96%의 평균 에러율을 얻을 수 있었다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.852-857
• /
• 2019

분산자원 집합 거래시장에 참여를 원하는 소비자나 사업자를 위한 가상발전소의 전력거래 플랫폼에서 사업참여자의 수요 자원을 관리하고, 이에 적절한 전략을 제공하기 위해 익일 개별 참여자의 수요와 전체 계통의 전력수요를 예측하는 것이 대단히 중요하다. 이러한 전력거래 플랫폼에서 활용하는 것을 목표로 본 논문은 우선 익일의 24시간 전력계통 전력수요예측 모델을 개발하였다. 본 논문에서는 전력수요예측 데이터의 시계열 특성을 고려하여 딥러닝 기법 중 LSTM 알고리즘을 사용하였고, 전력수요량 등의 입출력 값에 원-핫 인코딩 기법을 적용하는 새로운 시도를 하였다. 성능평가에서 일반 DNN과 본 논문에서 구현된 LSTM 예측모델은 각각 평균 제곱근 오차 4.50, 1.89를 나타내어 LSTM 모델이 예측정확도가 높게 나타났다.