• Proceedings of the KIEE Conference
• /
• 1999.07c
• /
• pp.1108-1110
• /
• 1999

본 연구를 통하여 전력계통의 송변전 계획에 필요한 장기 지구별 수요예측 산법을 제안하였다. 소규모 지구의 수요예측을 위한 중회귀 모형 도입시 단순한 다항식 회귀모형만으로는 장기예측을 하는데 한계가 있으므로 다항회귀 과정을 변형하거나, 새로운 기능을 보완하여 예측정확도를 높이려는 시도가 수행 되어왔다. 본 논문에서는 장기 예측시 나타나는 미래의 예측 수요의 과도한 변화를 감소시켜 예측 정확도를 개선할 수 있는 수평년도수요를 도입하였으며, 종래 추세 분석에서 난점으로 지적되어 온 변전소의 신설 및 폐지에 따른 수요이전으로 야기되는 예측의 불안정성을 개선하였다. 제안한 산법을 검증하기 위하여 우리나라 실계통에 적용하였다.

• Proceedings of the Korean Society of Tribologists and Lubrication Engineers Conference
• /
• 1998.10a
• /
• pp.350-357
• /
• 1998

Slot restrictor air journal bearing has high load capacitance and high stiffness. Stability characteristics of slot restrictor air journal bearing are studied theoretically to forecast and to prevent the whirl instability. As for the high speed rotating machinery, the instability called 'whirl' occurs when the rotor rotates at a speed more than twice the resonant speed. Once the whirl occurs, rubbing contact between the journal and the bearing occurs mostly and the bearing-rotor system is destroyed ultimately. Therefore, the forecasting and prevention of the occurence of whirl instability is a very important subject especially to develop highly efficient high speed machinery. The bearing with the slot restrictor that varies about circumferencial direction is used for the purpose of the prevention of whirl instability.

• Progress in Superconductivity and Cryogenics
• /
• v.2 no.2
• /
• pp.32-36
• /
• 2000

In this study, we performed the long-term expansion planning for the conceptual design of HTS power cable in Seoul area. In Korea, underground power cable has been required gradually with increasing demand of electric power transmission density and low loss characteristics in the comparison with a conventional power cables, so we assumed that the HTS power cable is applied between the downtown area and the outskirts of the city for the large power transmission capacity. This paper is to show the effects of HTS power cables in Seoul based on the power system analysis.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.552-553
• /
• 2008

본 논문에서는 특수일 전력 수요 예측을 위한 알고리즘을 제시하였다. 논문에서 제안하는 전력 수요 예측 알고리즘은 데이터 마이닝을 이용한 데이터 전처리 부분과 전처리된 데이터를 사용하여 특수일 수요를 예측하는 다항 회귀분석 부분으로 나누어진다. 데이터 전처리에서는 전력 수요 예측을 위한 과거 데이터 중에 과거 특수일 수요의 패턴을 잘 보여주는 데이터를 찾기 위해 온도와 수요의 관계를 이용한다. 데이터 마이닝의 기준으로 결정계수를 사용하였으며, 알고리즘은 k-nearest neighbor 절차를 사용하였다. 또한 제안된 기법은 2006년 특수일 전력 수요 예측을 통하여 기존 논문의 결과와 비교 분석하여 기존 방식 대비 특수일 전력 수요예측 관련 우수성을 검증하였다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.621-622
• /
• 2015

최근 늘어나는 전력 수요에 따라, 세계적으로 전력에너지 절감을 통한 수요자원 확보 및 활용을 위한 부하 예측의 중요성이 증가하고 있다. 본 논문에서는, 수요관리용 전지전력저장시스템을 효율적으로 운영하고 계획하는데 필수적인 부하예측의 정확성을 높이기 위하여 이동평균법, 지수가중이동평균법, 최소자승법, 인공신경망 방법을 적용하였다. 시계열 데이터인 부하 데이터를 분석하여 최대부하일, 근무일, 토요일, 공휴일로 분류하였고, 각각의 방법으로 예측한 부하를 적용시켜 전기요금 절감을 목표로 하는 전지전력저장시스템의 최적 충 방전 운전계획을 세웠으며, 이를 이용하여 산출된 전기요금과 실제 전기요금을 비교 분석하였다.

• 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
• /
• 2001.11b
• /
• pp.256-258
• /
• 2001

전력 계통의 운용 계획을 최적화 하기 위해서 수요예측에 관한 연구가 활발히 진행되고 있다. 기존의 수요예측 기법의 최대 오차는 특수일이 토요일과 월요일인 경우와 연휴인 경우에 발생한다. 이 중 특수일이 토요일과 월요일인 경우는 퍼지 선형회귀분석법과 상대계수법을 이용하여 우수한 결과를 도출한 바 있다. 구정과 추석은 특수일 중 평일과의 부하 차이가 가장 큰 특수일이며 약 $45{\sim}50%$ 정도가 감소된다. 이러한 부하의 감소 폭은 서서히 줄어서 연휴 당일 4일 후에는 완전히 복구가 되며 연휴 전 부하가 낮아지는 시점은 연휴 당일 3일 전이다. 연휴 예측의 불확실성은 연휴 기간의 길이 변동 및 기타 다양한 변수들에 의한 유동성에 기인한다. 특히 추석의 경우 과거 데이터 이용에 더욱 신중해야 하며 타 특수일에 비해 부하 값의 예측이 힘들다. 또한 직전 평일 대비 추석 연휴의 부하는 변화가 심하게 나타나며 본 논문에서는 퍼지 선형회귀분석법을 기본으로 변형된 알고리즘으로 향상된 예측도를 제시한다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.318-322
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용한 단기 전력 수요 예측시스템에서 예측치별로 신뢰도를 계산하는 체계적인 방법을 제안한다. 예측시스템의 신뢰도를 추정하는 작업은 특히 신경회로망과 같은 경험적 모델을 실제 활용하기 위해서 필수적인 연구로 인식되고 있다. 본 논문에서 제안하는 출력별 신뢰 구간 계산 방법은 지역 표현하는 뉴로-퍼지 모델의 특성을 활용하여 학습된 퍼지 규칙 각각에 대해 신뢰도를 추정하는 Local reliability measure 기법을 사용한다. 제안된 신뢰도 계산이 가능한 단기 전력 수요 예측시스템은 먼저 결정 트리를 이용하여 초기 구조를 생성하고, 이를 초기 구조 뱅크에 저장한다. 저장된 초기 구조 뱅크를 이용하여 뉴로-퍼지 모델을 학습하고, 학습된 퍼지 규칙의 신뢰도를 추정한다. 제안된 시스템의 실효성을 검증하기 위해서 한국 전력에서 수집한 1996년과 1997년의 실제 전력 수요 데이터를 이용하여 한 시간 앞의 수요를 예측하는 모의 실험을 수행하고 실험 결과를 비교 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.813-816
• /
• 2019

최근 에너지 부족 문제 및 환경 문제의 해결수단으로 스마트 그리드가 많은 주목을 받고 있다. 스마트 그리드 기술은 에너지를 효율적으로 사용하는 데 도움을 주며, 이를 위해서는 더욱 정확한 전력수요 예측이 필요하다. 다양한 기계학습 기법 기반의 전력수요 예측 모델은 좋은 예측 성능을 보이지만 입력 변수의 개수가 증가할수록 처리해야 하는 데이터의 양이 기하급수적으로 증가한다는 단점이 존재한다. 또한, 불필요한 데이터를 입력 변수로 선정할 경우에는 모델의 정확도가 저하될 수도 있다. 이러한 문제를 해결하기 위해 다양한 특징 선택 기법들이 제안되었지만, 기존의 특징 선택 기법은 모델의 성능을 고려하지 않았기 때문에 실제 적용 시 오히려 모델의 성능이 저하될 수도 있다. 이에 본 논문은 유전 알고리즘을 기반으로 한 특징 선택 기법을 제안한다. 유전 알고리즘을 통해 각 모델에 맞는 최적의 입력 변수를 선택함으로써 빠른 학습 속도와 높은 정확도를 기대할 수 있다.

• Journal of Korea Artificial Intelligence Association
• /
• v.1 no.2
• /
• pp.21-25
• /
• 2023

The purpose of this study was to compare the performance using multiple regression models to predict the energy consumption of steel industry. Specific independent variables were selected in consideration of correlation among various attributes such as CO2 concentration, NSM, Week Status, Day of week, and Load Type, and preprocessing was performed to solve the multicollinearity problem. In data preprocessing, we evaluated linear and nonlinear relationships between each attribute through correlation analysis. In particular, we decided to select variables with high correlation and include appropriate variables in the final model to prevent multicollinearity problems. Among the many regression models learned, Boosted Decision Tree Regression showed the best predictive performance. Ensemble learning in this model was able to effectively learn complex patterns while preventing overfitting by combining multiple decision trees. Consequently, these predictive models are expected to provide important information for improving energy efficiency and management decision-making at steel industry. In the future, we plan to improve the performance of the model by collecting more data and extending variables, and the application of the model considering interactions with external factors will also be considered.