• 수산경영론집
• /
• 제52권4호
• /
• pp.13-28
• /
• 2021

The purpose of this study is to compare short-term price predictive power among ARMA ARMAX and VAR forecasting models based on the MDM test using monthly consumer price data of frozen mackerel. This study also aims to help policymakers and economic actors make reasonable choices in the market on monthly consumer price of frozen mackerel. To analyze this study, the frozen wholesale prices and new consumer prices were used as variables while the price time series data were used from December 2013 to July 2021. Through the unit root test, it was confirmed that the time series variables employed in the models were stable while the level variables were used for analysis. As a result of conducting information standards and Granger causality tests, it was found that the wholesale prices and fresh consumer prices from the previous month have affected the frozen consumer prices. Then, the model with the highest predictive power was selected by RMSE, RMSPE, MAE, MAPE, and Theil's inequality coefficient criteria where the predictive power was compared by the MDM test in order to examine which model is superior. As a result of the analysis, ARMAX(1,1) with the frozen wholesale, ARMAX(1,1) with the fresh consumer model and VAR model were selected. Through the five criteria and MDM tests, the VAR model was selected as the superior model in predicting the monthly consumer price of frozen mackerel.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.400-401
• /
• 2011

본 논문은 오피스 빌딩에서 최대 피크를 나타내는 여름철과 겨울철에 대한 부하사용량에 대해 신경회로망 알고리즘을 적용하여 일주일 단위를 예측하기 위한 단기예측 모델을 제시하였다. 2010년 7월~8월 사이의 최대전력사용량과 2010년 12월~2011년 1월 사이의 최대전력 사용량을 나타내는 시기에 온도, 습도, 풍속과의 연관성을 파악하기 위해 기후변화요소의 변수를 고려했을 때와 고려하지 않았을 때의 출력모델 비교를 통해 실제 전력사용 모델과 근접한 모델을 확인하였고 향후 최대부하 사용과 연관된 사용량 제어를 위한 알고리즘을 적용하여 전력사용량을 절약할 수 있는 방법을 시도하고자 한다.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.822-828
• /
• 2018

최근 전력 사용량의 증가로 인한 대규모 블랙아웃 등 에너지 문제가 대두되고 있으며, 이 문제들로 인해 전력 소비량 예측에 대한 정확도를 개선할 필요성이 부각되었다. 본 연구에서는 딥 러닝 기반의 전력 사용량 예측 실험을 통해서 실제 전력 소비량과 예측된 전력 소비량의 차이를 계산하고, 이를 통해서 전력 예비율을 기존 대비 하향 조정할 수 있는 가능성에 대해서 살펴본다. 예비 전력은 사용하지 않으면 손실되는 전력으로, 본 논문에서의 딥 러닝 기반 전력 소비량 예측을 통해서 여분의 전력을 과도하게 생산하지 않도록 오차범위 내에서 전력 예비율을 감소시킬 수 있는 기반을 마련할 수 있다. 본 논문에서 사용하는 딥 러닝 기법은 시계열 데이터를 처리하는 Long-Short-Term-Memory(LSTM) 구조의 학습 모델을 이용한다. 컴퓨터 시뮬레이션에서는 임의 생성한 전력 소비 데이터를 토대로 모델을 학습시키고, 학습된 모델을 토대로 전력 사용 예측값을 구하고 실제 전력 소비량 간에 오차를 계산한 결과 오차율 21.37%를 얻을 수 있었다. 이는 최근의 전력 예비율 45.9%를 고려할 때, 본 연구에서 제안한 전력 소비량 예측 알고리즘을 적용하는 경우 20% 포인트 정도의 예비율 감축이 가능하다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.355-363
• /
• 2022

우리나라는 2050년 탄소중립을 목표로 신재생에너지 중심으로 에너지 공급원을 전환하고 확대하는 계획을 추진 중이다. 신재생에너지의 간헐적 특성으로 에너지 공급이 불안정성이 커짐에 따라 정확한 신재생에너지 발전량 예측의 중요성이 함께 커지고 있다. 이에 따라 정부는 신재생에너지를 집합화하여 관리하기 위한 소규모 전력중개시장을 개설하였고, 재생에너지 발전량 예측제도를 도입하여 예측정확도에 따라 정산금을 지급하는 제도를 시행 중이다. 본 논문에서는 우리나라 신재생에너지 전원의 대부분을 차지하는 태양광 발전에 대하여 통계적 및 인공지능 모형을 이용하여 예측모델을 구현하였으며, 각 모형의 예측정확도 결과를 비교 분석하였다. 비교 모델 중에서 CNN-LSTM(Convolutional Long Short-Term Memory Neural Networks) 모형이 가장 높은 성능을 가짐을 확인하였다. 예측정확도에 따른 예측제도 정산금 수익을 추정해보았고, 예측보유 기술 수준에 따라 수익 편차가 24% 정도 커질 수 있음을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 추계학술대회 논문집 전력기술부문
• /
• pp.347-349
• /
• 2005

This paper presents an efficient algorithm to estimate the maximum load level for heavily loaded power systems with the load-generation variation vector obtained by ELD (Economic Load Dispatch) and/or short term load forecasting while utilizing the elliptic pattern of the P-e curve. It is well known the power flow equation in the rectangular coordinate is fully quadratic. However, the coupling between e and f makes it difficult to take advantage of this quadratic characteristic. In this paper, a simple technique is proposed to reflect the e-f coupling effects on the estimation of maximum loadability with theoretical analysis. An efficient estimation algorithm has been developed with the use of the elliptic properties of the P-e curve. The proposed algorithm is tested on IEEE 14 bus system, New England 39 bus system and IEEE 118 bus system, which shows that the maximum load level can be efficiently estimated with remarkable improvement in accuracy.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권1호
• /
• pp.22-30
• /
• 1999

This paper presents an efficient algorithm to estimate the maximum load level for heavily loaded power systems with the load-generation vector obtained by ELD (Economic Load Dispach) and/or short term load forecasting while utilizing the elliptic pattern of the P-e curve. It is well known the power flow equation in the rectangular corrdinate is jully quadratic. However, the coupling between e and f makes it difficult to take advantage of this quadratic characteristic. In this paper, the elliptic characteristics of P-e curve are illustrated and a simple technique is proposed to reflect the e-f coupling effects on the estimation of maximum loadability with theoretical analysis. An efficient estimation algorithm has been developed with the use of the elliptic properties of the P-e curve. The proposed algorithm is tested on IEEE 14 bus system, New England 39 bus system and IEEE 118 bus system, which shows that the maximum load level can be efficiently estimated with remarkable improvement in accuracy.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.

• 경제분석
• /
• 제27권4호
• /
• pp.1-42
• /
• 2021

우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정밀한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.453-459
• /
• 2021

계통한계가격은 발전회사들이 생산한 전력을 판매하고 받게 되는 가격으로서, 발전설비의 건설 및 보수에 대한 의사결정에서 중요한 역할을 한다. 본 논문에서는 천연가스 가격이나 원유 가격 등을 이용하여 계통한계가격을 장기 예측하는 모형을 제안한다. 분석대상 변수들이 비정상시계열적 특성을 지니므로 변수 간 장기관계인 공적분관계에 대한 검정을 시행하고, 공적분 관계와 단기적 동학에 대한 관계식을 추정하여 오차수정모형을 구성하였다. 분석대상 기간이 짧아 분석결과의 안정성이 낮은 문제를 고려하여, 다양한 검정 및 추정기법을 사용하여 분석의 강건성을 제고하고자 하였다. 기존 연구에 비해 다양한 연료가격을 검토하고, 시계열 분석의 엄밀성과 강건성을 제고했다는 점이 본 연구가 기여한 부분이다. 분석 결과 계통한계가격과 천연가스가격, 계통한계가격과 유가, 계통한계가격과 천연가스가격 및 유가 간에 공적분 관계가 존재하는 것으로 나타나, 각각의 공적분 관계를 기반으로 오차수정모형을 추정하고 예측력을 비교하였다. 단기식에서는 오차수정항, 전력공급예비율, 시차항을 고려하였다. 각 오차수정모형의 표본외 예측력을 비교한 결과, 계통한계가격과 천연가스가격 간 공적분 관계를 이용하는 모형이 평균제곱근오차와 평균절대백분율오차 모두 가장 낮은 값을 보이는 등 예측력이 좋은 것으로 평가되었다.

• 전기학회논문지
• /
• 제62권11호
• /
• pp.1495-1504
• /
• 2013

Renewable energy integration and increased system complexities make system operator maintain supply and demand balance harder than before. To keep the grid frequency in a stable range, an appropriate spinning reserve margin should be procured with consideration of ever-changing system situation, such as demand, wind power output and generator failure. This paper propose a novel concept of dynamic reserve, which arrange different spinning reserve margin depending on time. To investigate the effectiveness of the proposed dynamic reserve, we developed a new short-term reliability criterion that estimates the probability of a spinning reserve shortage events, thus indicating grid frequency stability. Uncertainties of demand forecast error, wind generation forecast error and generator failure have been modeled in probabilistic terms, and the proposed spinning reserve has been applied to generation scheduling. This approach has been tested on the modified IEEE 118-bus system with a wind farm. The results show that the required spinning reserve margin changes depending on the system situation of demand, wind generation and generator failure. Moreover the proposed approach could be utilized even in case of system configuration change, such as wind generation extension.