Journal of the Korean Institute of Illuminating and Electrical Installation Engineers (조명전기설비학회논문지)

The Korean Institute of IIIuminating and Electrical Installation Engineers (한국조명전기설비학회)
권호 표지
DOI QR코드

DOI QR Code

The Spatial Electric Load Forecasting Algorithm using the Multiple Regression Analysis Method

다중회귀분석법을 이용한 지역전력수요예측 알고리즘

  • 남봉우 (숭실대학교 전기공학부) ;
  • 송경빈 (숭실대학교 전기공학부) ;
  • 김규호 (안산공과대학 전기과) ;
  • 차준민 (대진대학교 전기공학과)
  • Published : 2008.02.29
Download PDF
⟨ Previous Next ⟩

Abstract

This paper resents the spatial electric load forecasting algorithm using the multiple regression analysis method which is enhanced from the algorithm of the DISPLAN(Distribution Information System PLAN). In order to improve the accuracy of the spatial electrical load forecasting, input variables are selected for GRDP(Gross Regional Domestic Product), the local population and the electrical load sales of the past year. Tests are performed to analyze the accuracy of the proposed method for Gyeong-San City, Gu-Mi City, Gim-Cheon City and Yeong-Ju City of North Gyeongsang Province. Test results show that the overall accuracy of the proposed method is improved the percentage error 11.2[%] over 12[%] of the DISPLAN. Specially, the accuracy is enhanced a lot in the case of high variability of input variables. The proposed method will be used to forecast local electric loads for the optimal investment of distribution systems.

본 논문은 현 배전계통계획시스템(DISPLAN)의 지역전력수요예측 알고리즘을 개선하여 다중회귀분석을 이용한 지역전력수요예측 알고리즘을 제시하였다. 지역전력수요예측 알고리즘은 예측의 정확도를 높이기 위해 지역경제와 지역인구와 과거의 판매전력량을 입력변수로 사용하였다. 사례연구로 경북의 경산시, 구미시, 김천시, 영주시를 선정하여 제안한 방법의 정확도를 분석하였다. 사례연구 결과 제안한 방법의 전반적인 정확도는 11.2[%]로 DISPLAN의 12[%]보다 향상되었다. 특히 입력변수의 변동성이 심한 지역의 경우에서 많이 개선되었다. 제안된 방법은 배전계통시스템의 최적투자를 위한 지역전력수요예측에 사용될 것으로 사료된다.

Keywords

References

  1. 한국전력공사 전력연구원, '신경회로망을 이용한 배전부하 수요예측 연구', 2000 최종보고서
  2. 한국전력공사 전기연구원, 'A Study on the Improvement of Forecasting Method for Regional Demand and Load Characteristics', 1998
  3. H. Lee Willis, ' Spatial Electric Load Forecasting', Marcel Dekker, New York, 2002
  4. 하성관, '신경회로망을 이용한 변압기의 단기전력수요예측', 숭실대학교 대학원 석사학위 논문, 2005.2
  5. 한국전력공사 전력연구원, '신뢰성 및 경제성을 고려한 배전계통 최적투자계획 수립 모델 및 시스템의 개발', 2006 1차년도 진도보고서
  6. 강근석, 김충락, '회귀분석', 교우사, 2001
  7. DISPLAN
  8. 통계정보시스템, 'http://kosis.nso.go.kr'
  9. 경상북도 통계DB, 'http://stat.gb.go.kr'
  10. 경산시 통계연보, 'http://www.gyeongsan.go.kr'
  11. 구미시 통계연보, 'http://www.gumi.go.kr'
  12. 김천시 통계연보, 'http://www.gimcheon.go.kr'
  13. 영주시 통계연보, 'http://www.yeongju.go.kr'

Cited by

  1. Electricity Demand Forecasting based on Support Vector Regression vol.24, pp.4, 2011, https://doi.org/10.7232/IEIF.2011.24.4.351
  2. Development of Daily Peak Power Demand Forecasting Algorithm using ELM vol.62, pp.4, 2013, https://doi.org/10.5370/KIEEP.2013.62.4.169
  3. Development of Daily Peak Power Demand Forecasting Algorithm with Hybrid Type composed of AR and Neuro-Fuzzy Model vol.63, pp.3, 2014, https://doi.org/10.5370/KIEEP.2014.63.3.189
  4. Development of Daily Peak Power Demand Forecasting Algorithm Considering of Characteristics of Day of Week vol.63, pp.4, 2014, https://doi.org/10.5370/KIEEP.2014.63.4.307
  5. Transmission Network Expansion Planning Using Risk Level Improvement Index vol.63, pp.6, 2014, https://doi.org/10.5370/KIEE.2014.63.6.752
  6. An Expert System for the Estimation of the Growth Curve Parameters of New Markets vol.21, pp.4, 2015, https://doi.org/10.13088/jiis.2015.21.4.017
  7. A Study on the Suitability of Load Demand Forecasting Models for Island Area Using Weather Variables vol.13, pp.2, 2017, https://doi.org/10.7849/ksnre.2017.6.13.2.084
  8. The Prediction and Analysis of the Power Energy Time Series by Using the Elman Recurrent Neural Network vol.41, pp.1, 2018, https://doi.org/10.11627/jkise.2018.41.1.084