본 논문에서는 실제 전력 수요 데이터를 이용하여 유효전력에 단기 부하 예측함에 있어 무효전력이 중요한 역할을 하는 것을 회귀 분석 검정 통계량으로 증명한다. 무효전력의 공급과 수요는 계통의 전압과 아주 밀접한 관계를 가지고 있으므로 계통전압을 관리하고 계통의 신뢰도를 높이기 위해서는 예측된 무효전력 수요에 따라 무효전력 공급계획을 별도로 수립하여 운영해야 한다. 따라서 본 논문에서는 다중 시계열 모델을 이용한 시전 예측방법을 이용하여 설명변수로 유효전력을 사용하여 부하의 무효전력을 예측 하였다.
An overview on applications of wavelet transform in power systems presented in this paper. Wavelet transform is capable of making trade-offs between time and frequency resolutions, which is a property that makes it appropriate for the analysis of non stationary signal. In recent years, wavelet transform is widely accepted as a technology offering an alternative way due to its flexibility in representation of non-stationary signal even in power systems. This paper presents various applications of wavelet transform in power systems. Wavelet transform has been used by the authors in the field of power system protection for the classification of transient signals, and forecasting of short term loads and system marginal price and so on. Various research works carried out by many researchers in power systems are summarized.
This paper presents a forecasting technique of the short-term marginal price (SMP) using an Artificial Neural Network (ANN). The SW forecasting is a very important element in an electricity market for the optimal biddings of market participants as well as for market stabilization of regulatory bodies. Input data are organized in two different approaches, time-axis and day-axis approaches, and the resulting patterns are used to train the ANN. Performances of the two approaches are compared and the better estimate is selected by a composition rule to forecast the SMP. By combining the two approaches, the proposed composition technique reflects the characteristics of hourly, daily and seasonal variations, as well as the condition of sudden changes in the spot market, and thus improves the accuracy of forecasting. The proposed method is applied to the historical real-world data from the Korea Power Exchange (KPX) to verify the effectiveness of the technique.
International Journal of Fuzzy Logic and Intelligent Systems
/
제13권1호
/
pp.39-49
/
2013
This paper presents a method of improving the performance of a day-ahead 24-h load curve and peak load forecasting. The next-day load curve is forecasted using radial basis function (RBF) neural network models built using the best design parameters. To improve the forecasting accuracy, the load curve forecasted using the RBF network models is corrected by the weighted sum of both the error of the current prediction and the change in the errors between the current and the previous prediction. The optimal weights (called "gains" in the error correction) are identified by differential evolution. The peak load forecasted by the RBF network models is also corrected by combining the load curve outputs of the RBF models by linear addition with 24 coefficients. The optimal coefficients for reducing both the forecasting mean absolute percent error (MAPE) and the sum of errors are also identified using differential evolution. The proposed models are trained and tested using four years of hourly load data obtained from the Korea Power Exchange. Simulation results reveal satisfactory forecasts: 1.230% MAPE for daily peak load and 1.128% MAPE for daily load curve.
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.
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.
This paper resents an application of an Artificial Neural Network(ANN) technique to forecast the short-term system marginal price(SMP). The forecasting of SMP is a very important factor in an electricity market for the optimal biddings of market participants as well as for the market stabilization of regulatory bodies. The proposed neural network scheme is composed of three layers. In this process, input data are set up to reflect market conditions. And the $\lambda$ that is the coefficient of activation function is modified in order to give a proper signal to each neuron and improve the adaptability for a neural network. The reposed techniques are trained validated and tested with the historical real-world data from korea Power Exchange(KPX).
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.
본 논문은 풍력발전예측의 정확도 개선을 위하여 바람의 특성을 반영한 풍력발전량예측 방법을 제안한다. 제안한 방법은 크게 바람의 특성을 추출하는 부분과 발전량을 예측하는 부분으로 구성된다. 바람의 특성을 추출하는 부분은 발전량, 풍향과 풍속의 상관분석을 이용한다. 풍향과 풍속의 상관관계를 근거로 K-means 방법으로 클러스터링하여 특징 벡터를 추출한다. 예측하는 부분은 임의의 실수값을 예측 할 수 있도록 SVM을 일반화 한 SVR을 이용하여 기계학습을 한다. 기계학습은 바람의 특성을 반영한 제안한 방법과 바람의 특성을 반영하지 않은 기존방법을 비교 실험하였다. 또한, 제안한 방법의 정확도와 타당성을 검증하기 위하여 장소가 상이한 제주도 풍력발전단지 3지역에서 수집된 데이터를 사용하였다. 실험결과, 제안한 방법의 오차가 일반적인 풍력발전예측 오차보다 개선되었다.
전력 에너지의 경우 발전 및 송전 과정을 거쳐 사용자에게 제공된 이후에는 회수가 불가능하기 때문에 정확한 수요 예측에 기반한 최적 발전 및 송배전 계획이 필요하다. 전력 수요 예측의 실패는 2011년 9월에 발생한 대규모 정전사태와 같이 다양한 사회적·경제적 문제를 야기할 수 있다. 전력 수요 예측 관련 기존 연구에서는 ARIMA, 신경망모형 등 다양한 방법으로 개발이 되었다. 하지만 전국 단위의 평균 외기온도를 사용한다는 점과, 계절성을 구분하기 위한 획일적 기준을 적용하는 한계점으로 인해 데이터의 왜곡이나 예측모형의 성능 저하를 초래하고 있다. 이에 본 연구에서는 전력 수요 예측 모형의 성능을 향상하기 위해 전국을 5대 권역으로 구분하여 지역적 특성과 이동 기간 학습 기법을 통해 계절적 특성을 반영한 선형회귀모형과 신경망 모형의 장기적 전력 수요 예측 모형을 개발하였다. 이를 통해 중장기부터 단기에 이르기까지 다양한 범위의 수요 예측에 해당 모델을 활용할 수 있을 뿐만 아니라 특정 기간 중에 발생하는 다양한 이벤트와 예외 상황을 고려할 수 있을 것이다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.