• 융합신호처리학회논문지
• /
• 제5권1호
• /
• pp.53-59
• /
• 2004

부하예측의 경우 가장 중요한 문제는 특수일의 부하를 예측하는 것이고, 따라서 본 본문은 과거 특수일 부하 데이터를 이용하여 신경회로망 모델에 의해서 특수일 피크부하를 예측하는 방법을 제시한다. 특수일 부하는 예측되었고, 예측 오차율은 광복절을 제외하고는 l∼2% 정도의 비교적 우수한 예측결과를 도출하였다. 따라서 사용한 예측 모델은 특수일의 부하에 만족스러운 정밀한 예측이 가능하고. 신경회로망은 특수일 부하 예측의 결과를 검증하기 위해 4차 직교다항식모형과 특수일 부하의 예측에효과적인 패턴 변환비를 이용한 신경회로망 모형을 구성했다. 한편, 시간별 특수일의 부하예측에도 신경회로망을 적용한 특수일 부항예측의 경우와 같은 양호한 예측결과를 보였다.

• 조명전기설비학회논문지
• /
• 제16권2호
• /
• pp.98-103
• /
• 2002

전력수요를 예측할 경우 가장 중요한 문제 중의 하나가 특수일 부하의 처리문제이다. 따라서 본 연구에서 길고(구정, 추석) 짧은(식목일, 현충일 등) 특수일 피크 부하를 신경회로망과 회귀모형을 이용하여 예측하는 방법을 제시한다. 신경회로망 모형의 특수일 부하 처리는 패턴 변환비를 이용하며, 4차의 직교 다항 회귀모형은 과거의 10년 (1985∼1994)간의 특수일 피크부하 자료를 이용하여 길고 짧은 특수일 부하를 예측한다. 특수일 피크 부하를 예측한 결과, 신경회로망 모형의 주간 평균 예측 오차율과 직교 다항 회귀모형의 예측 오차율을 분석한 결과 1∼2[%]대로 두 모형 모두 양호한 결과를 얻었다. 또한 4차의 직교 다항 회귀 모형의 수정결정계수 및 F 검정을 분석한 결과 구성한 예측 모형의 타당성을 확인하였다. 두 모형의 특수일 부하를 예측한 결과를 비교해 보면 긴 특수일 부하를 예측할 때는 패턴 변환비를 이용한 신경회로망 모형이 보다 더 효과적이었고, 짧은 특수일 부하를 예측할 경우에는 두 방법 모두 유효하였다.

• 전기학회논문지
• /
• 제62권4호
• /
• pp.482-488
• /
• 2013

Load forecasting is essential to the economical and the stable power system operations. In general, the forecasting days can be classified into weekdays, weekends, special days and special light-load periods in short-term load forecast. Special light-load periods are the consecutive holidays such as Lunar New Years holidays, Korean Thanksgiving holidays and summer special light-load period. For the weekdays and the weekends forecast, the conventional methods based on the statistics are mainly used and show excellent results for the most part. The forecast algorithms for special days yield good results also but its forecast error is relatively high than the results of the weekdays and the weekends forecast methods. For summer special light-load period, none of the previous studies have been performed ever before so if the conventional methods are applied to this period, forecasting errors of the conventional methods are considerably high. Therefore, short-term load forecast for summer special light-load period have mainly relied on the experience of power system operation experts. In this study, the trends of load profiles during summer special light-load period are classified into three patterns and new forecast algorithms for each pattern are suggested. The proposed method was tested with the last ten years' summer special light-load periods. The simulation results show the excellent average forecast error near 2%.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 A
• /
• pp.295-297
• /
• 2000

In case of power demand forecasting the most important problem is to deal with the load of special-days, Accordingly, this paper presents a method that forecasting special-days load with regression models and neural networks. Special-days load in summer season was forecasted by the multiple regression models using weekday change ratio Neural networks models uses pattern conversion ratio, and orthogonal polynomial models was directly forecasted using past special-days load data. forecasting result obtains % forecast error of about $1{\sim}2[%]$. Therefore, it is possible to forecast long and short special-days load.

• 전기학회논문지
• /
• 제65권7호
• /
• pp.1115-1120
• /
• 2016

This paper presents the daily load forecasting for special days considering the rate of operation of industrial consumers. The authors analyzed the power consumption pattern for both the special and ordinary days according to the contract power classification of industrial consumers, and selected 400~600 specific consumers for which the rates of operation during special days are needed. Load forecasting for 2014 special days considering the rate of operation of industrial consumers showed a noticeable improvement on forecasting error of daily peak demand, which proved the effectiveness of the survey for the rates of operation during special days of industrial consumers.

• 융합신호처리학회논문지
• /
• 제2권3호
• /
• pp.73-78
• /
• 2001

특수일 부하를 예측하기 위하여 BP 신경회로망 모형과 다중 회귀모형을 구성한다. 신경회로망 모형은 패턴 변환비를 이용하고, 다중회귀 모형은 평일 환산비를 이용하여 특수일 부하를 예측한다. 주간 피크 부하예측 모형에 패턴 변환비를 이용하여 짧고 긴 특수일 부하를 예측 한 결과 주간 평균 오차율이 1∼2[%]로 나와 본 기법의 적합성을 확인할 수 있다. 하지만, 패턴 변환비 방법으로는 하계의 특수일 부하 예측은 어려웠다. 따라서 기온-습도, 불쾌지수 등을 설명변수로 하는 다중 회귀 모형을 구성하고 평일 환산비를 이용하여 하계의 특수일 부하를 예측한다. 평일만의 예측 모형과 예측 결과를 비교해 보면 월 평균 오차율이 비슷하게 나와 이용한 방법의 적합성을 확인하였다. 그리고, 통계적 검정을 통해 구성한 예측 모형의 유효성을 입증할 수 있었다. 이로서 본 연구에서 제시한 특수일 부하를 예측하는 기법의 적합성을 확인함으로서 피크 부하 예측시 큰 난점 중의 하나가 해결되었다.

• 조명전기설비학회논문지
• /
• 제19권5호
• /
• pp.94-102
• /
• 2005

본 논문은 전력계통에서의 전력수요예측을 하기 위한 네가지중 하나의 방법으로 특수일에 적용기법인 수요예측 담당자의 Know-How를 기반으로 예측하는 전문가법에 대하여 과거 15년간의 수요실적과 기상실적을 근거로 년중 모든 특수일에 대해서 수요패턴 분석을 실시하고 패턴의 변화되는 과정을 살펴보았다. 과거 전력수요 실적의 근거로 산출된 시간대별 상대계수의 수요패턴을 가지고 모의 운영한 결과 설 연휴 수요예측 오차율은 과거 5일간(2002, 2003년도)의 평균값 $3.23{[\%]}$에서 2005년도 설 연휴 실적대비 $1.78{[\%]}$로 상당한 개선효과가 있었다. 본 논문의 내용을 바탕으로 전력수요 예측 편람을 작성하는 것도 입문교재로서 수요예측 전문가 양성에 큰 도움을 줄 수 있을 것으로 기대된다.

• 산업기술연구
• /
• 제18권
• /
• pp.379-384
• /
• 1998

Conventional short-term load forecasting techniques have limitation in their use on holidays due to dissimilar load behaviors of holidays and insufficiency of pattern data. Thus, a new short-term load forecasting method for special days in anomalous load conditions is proposed in this paper. The proposed method uses two Artificial Neural Networks(ANN); one is for the estimation of load curve, and the other is for the estimation of minimum and maximum value of load. The forecasting procedure is as follows. First, the normalized load curve is estimated by ANN. At next step, minimum and maximum values of load in a special day are estimated by another ANN. Finally, the estimate of load in a whole special day is obtained by combining these two outputs of ANNs. The proposed method shows a good performance, and it may be effectively applied to the practical situations.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 C
• /
• pp.850-853
• /
• 1998

This paper proposes a new short-term load forecasting method for special day, such as Public holidays, consecutive holidays, and days before and after holidays. when the load curves are quite different from those of normal weekdays. In this paper, two Artificial Neural Network(ANN) systems are applied to short-term load forecasting for spacial days in anomalous load conditions.

• 전기학회논문지
• /
• 제60권12호
• /
• pp.2215-2220
• /
• 2011

The accurate short-term load forecasting is essential for the efficient power system operation and the system marginal price decision of the electricity market. So far, errors of load forecasting for Chuseok Holiday are very big compared with forecasting errors for the other special days. In order to improve the accuracy of load forecasting for Chuseok Holiday, selection of input data, the daily normalized load patterns and load forecasting model are investigated. The efficient data selection and daily normalized load pattern based on fuzzy linear regression model is proposed. The proposed load forecasting method for Chuseok Holiday is tested in recent 5 years from 2006 to 2010, and improved the accuracy of the load forecasting compared with the former research.