• 산업경영시스템학회지
• /
• 제43권4호
• /
• pp.76-83
• /
• 2020

Postal logistics organizations are characterized as having high labor intensity and short response times. These characteristics, along with rapid change in mail volume, make load scheduling a fundamental concern. Load analysis of major postal infrastructures such as post offices, sorting centers, exchange centers, and delivery stations is required for optimal postal logistics operation. In particular, the performance of mail traffic forecasting is essential for optimizing the resource operation by accurate load analysis. This paper addresses a traffic forecast problem of postal parcel that arises at delivery stations of Korea Post. The main purpose of this paper is to describe a method for predicting short-term traffic of postal parcel based on self-similarity analysis and to introduce an application of the traffic prediction model to postal logistics system. The proposed scheme develops multiple regression models by the clusters resulted from feature engineering and individual models for delivery stations to reinforce prediction accuracy. The experiment with data supplied by main postal delivery stations shows the advantage in terms of prediction performance. Comparing with other technique, experimental results show that the proposed method improves the accuracy up to 45.8%.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1988년도 추계학술대회 논문집 학회본부
• /
• pp.118-121
• /
• 1988

Load forecasting is an important issue as for the economic dispatch and there have been many researches which are classfied into two classes, time series method and factor analysis method. But the former is not adaptive for a sudden change of a correlated factor and the latter is not inefficient as the factor estimation is not easy. To make matters worse, both of them are not good for the estimation of special days. It is because the load forecasting is not a problem modeled precisely in mathematics, but a problem requires experience and knowledge those can solve it case by case. In this viewpoint, an expert system is proposed which can use complicated experience of an expert by use of fuzzy decision.

• 조명전기설비학회논문지
• /
• 제21권10호
• /
• pp.126-133
• /
• 2007

본 연구에서는 데이터 마이닝 기법을 이용하여 전력계통의 단기 부하 예측을 하는 방안을 제시한다. 기존의 단기 부하 예측은 시계열 분석 방법이 주를 이루었으며, 이러한 방법은 방대한 양의 자료를 기반으로 데이터베이스를 만들고 이를 이용하여 여러 가지 계수를 이용하여 수요를 예측함으로써 많은 시간과 노력이 소요되고 있다. 따라서 본 연구에서는 좀 더 적은 시간과 노력으로 부하예측이 가능하도록 데이터마이닝 기법을 이용하여 요일별 그리고 특수 일의 패턴을 분석하고 의사결정트리를 이용한 예측방법을 제시하고자 한다. 그리고 현재 전력거래소를 통해 거래되고 있는 계통한계가격과의 관계를 분석하여 예측 계수에 계통한계가격을 추가하여 예측방법을 제시하고자 한다.

• 에너지공학
• /
• 제6권1호
• /
• pp.68-76
• /
• 1997

본 논문에서는 단기 부하예측을 위하여 인공신경망 모형을 제안하였다. 본 논문에서 제안된 인공신경망의 학습알고리즘은 기존의 역전파 알고리즘 보다 효과적으로 학습수렴이 빠르며 모수결정과 초기가중치 값들에 대한 의존도가 낮은 동적 적응 학습알고리즘을 개발하여 단기 부하예측에 그 적용 가능성을 시험하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.835-837
• /
• 1996

In this paper, a method for the daily maximum load forecasting which uses a chaotic time series in power system and artificial neural network(Back-propagation) is proposed. We find the characteristics of chaos in power load curve and then determine a optimal embedding dimension and delay time. For the load forecast of one day ahead daily maximum power, we use the time series load data obtained in previous year. By using of embedding dimension and delay time, we construct a strange attractor in pseudo phase plane and the artificial neural network model trained with the attractor mentioned above. The one day ahead forecast errors are about 1.4% for absolute percentage average error.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 추계학술대회 논문집 전력기술부문
• /
• pp.199-201
• /
• 2002

This paper showed that there exists a non-linear relationship between MVAR and MW, and the rage of the threshold value of MVAR is 56 to 67. Also, we tried the one-hour ahead forecasting model of MVAR using the MW as the explanary variable.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 추계학술대회 논문집 전력기술부문
• /
• pp.91-93
• /
• 2004

Load forecasting is essential in order to supply electrical energy stably and economically in power systems. ANNs have flexibility to predict a nonlinear feature of load profiles. In this paper, we selected just the necessary input variables used in the paper(2) which is based on the phase-space embedding of a load time-series and reviewing others. So only 5 input variables were selected to forecast for spring, fall and winter season and another input considering temperature sensitivity is added during the summer season. The training cases are also selected from all previous data composed training cases of a 7-day, 14-day and 30-day period. Finally, we selected the training case of a 7-day period because it can be used in STLF without sacrificing the accuracy of the forecast. This allows more compact ANNs, smaller training cases. Consequently, test results show that compact neural networks can be forecasted without sacrificing the accuracy.

• 대한산업공학회지
• /
• 제28권1호
• /
• pp.63-75
• /
• 2002

To improve the efficiency of the electric power generation, monthly maximum electric power consumptions for a next one year should be forecasted in advance and used as the fundamental input to the yearly electric power-generating master plan, which has a greatly influence upon relevant sub-plans successively. In this paper, we analyze the past 22-year hourly maximum electric load data available from KEPCO(Korea Electric Power Corporation) and select necessary data from the raw data for our model in order to reflect more recent trends and seasonal components, which hopefully result in a better forecasting model in terms of forecasted errors. After analyzing the selected data, we recommend to KEPCO the Winters' multiplicative model with decomposition and exponential smoothing technique among many candidate forecasting models and provide forecasts for the electric power consumptions and their 95% confidence intervals up to December of 1999. It turns out that the relative errors of our forecasts over the twelve actual load data are ranged between 0.1% and 6.6% and that the average relative error is only 3.3%. These results indicate that our model, which was accepted as the first statistical forecasting model for monthly maximum power consumption, is very suitable to KEPCO.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.119-127
• /
• 2020

국내 전기차 (EV: Electric Vehicle) 시장이 성장함에 따라, 빠르게 증가하는 EV 충전 수요에 대응하기 위한 충전설비의 확충이 요구되고 있다. 이와 관련하여, 종합적인 설비 계획을 수립하기 위해서는 미래 시점의 충전 수요량을 예측하고 이를 바탕으로 전력설비 부하에 미치는 영향을 체계적으로 분석하는 것이 필요하다. 본 논문에서는 한국전력공사의 EV 충전 데이터를 이용하여 충전소 단위의 일별최대부하를 예측하는 LSTM(Long Short-Term Memory) 신경망 모델을 설계 및 개발한다. 이를 위해, 먼저 데이터 전처리 및 이상치 제거를 통해 정제된 데이터를 얻는다. 다음으로, 충전소 단위의 일별 특징들을 추출하여 훈련 데이터 집합을 구성하여 일별 최대 전력부하 예측 모델을 학습시킨다. 마지막으로 충전소 유형 별 테스트 집합을 이용한 성능 분석을 통해 예측 모델을 검증하고 이의 한계점을 논의한다.

• 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.