Journal of Korea Society of Industrial Information Systems (한국산업정보학회논문지)

Korea Society of Industrial Information Systems (한국산업정보학회)
권호 표지
DOI QR코드

DOI QR Code

Forecasting Electric Power Demand Using Census Information and Electric Power Load

센서스 정보 및 전력 부하를 활용한 전력 수요 예측

  • 이헌규 (한국전자통신연구원 융합기술연구부문) ;
  • 신용호 (영남대학교 경영학부)
  • Received : 2013.04.26
  • Accepted : 2013.06.21
  • Published : 2013.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

In order to develop an accurate analytical model for domestic electricity demand forecasting, we propose a prediction method of the electric power demand pattern by combining SMO classification techniques and a dimension reduction conceptualized subspace clustering techniques suitable for high-dimensional data cluster analysis. In terms of electricity demand pattern prediction, hourly electricity load patterns and the demographic and geographic characteristics can be analyzed by integrating the wireless load monitoring data as well as sub-regional unit of census information. There are composed of a total of 18 characteristics clusters in the prediction result for the sub-regional demand pattern by using census information and power load of Seoul metropolitan area. The power demand pattern prediction accuracy was approximately 85%.

국내 전력 수요량 예측을 위한 정확한 분석 모델을 개발하기 위하여 고차원 데이터 군집 분석에 적합한 차원 축소 개념의 부분공간 군집 기법과 SMO 분류 기법을 결합한 전력 수요 패턴 예측 방법을 제안하였다. 전력 수요 패턴 예측은 무선부하감시 데이터 뿐 아니라 소지역 단위의 센서스 정보를 통합하여 시간대별 전력 부하 패턴 분석과 인구통계학 및 지리학적 특성 분석이 가능하다. 서울지역 대상의 센서스 정보 및 전력 부하를 이용한 소지역 전력 수요 패턴 예측 결과 총 18개의 특성 군집을 구성하였으며, 전력 수요 패턴 예측 정확도는 약 85%를 보였다.

Keywords

References

  1. 양현석, "예측 불가능한 전력 상황, 수요관리로 완벽 대비한다," Electric Power, 제72호, pp. 60- 63, 2013.
  2. J. Huang, and R. Shih, "Short-term load forecasting via ARIMA model identification including non-Gaussian process considerations," IEEE Trans. on Power System, vol. 18, pp. 673-679, 2003. https://doi.org/10.1109/TPWRS.2003.811010
  3. H.G. Lee, B.J. Lee, J.H. Shin, and K.H. Ryu, "Application of Calendar-Based Temporal Classification to Forecast Customer Load Patterns from Load Demand Data," IEEE Int'l Conf. on Computer and Information Technology, pp. 149-154, 2008.
  4. 박진형, 이헌규, 신진호, 류근호, 김희석, "기대치-최대화 군집 알고리즘과 출현 패턴 마이닝을 이용한 전력 소비 패턴 분석," 한국정보처리학회, 제15권, 제2호, pp. 261-264, 2008.
  5. 이건학, 최은영, "센서스 GIS와 지리통계시스템의 구축," 통계연구(2011), 제16권, 제2호, pp. 1-21, 2011.
  6. E. Muller, S. Gunnemann, I. Assent, and T. Seidl, "Evaluating Clustering in Subspace Projections of High Dimensional Data," Int'l Conf. Very Large DataBases(VLDB), vol. 2, pp.1270-1281, 2009.
  7. R. Agrawal, J. Gehrke, D. Gunopulos and P. Raghavan, "Automatic subspace clustering of high dimensional data for data mining applications," SIGMOD, vol. 27, no. 2, pp. 94-105, 1998.
  8. P. Kriegel, P. Kroger, M. Renz and S. Wurst, "A generic framework for efficient subspace clustering of high-dimensional data," Int'l Conf. Data Mining, pp. 250-257, 2005.
  9. C. Aggarwal, J. Wolf, P. Yu, C. Procopiuc, and J. Park, "Fast algorithms for projected clustering," ACM SIGMOD, pp. 61-72, 1999.
  10. M. Park, J.Y. Lee, K.H. Ryu, "Subspace Projection based Extraction of Load Shape Factors," Int'l Conf. Frontiers of information Technology, pp. 12-15, 2012.
  11. S.V. Verdu, "Classification, Filtering, and Identificaton of Eletrical Customer Load Patterns Through the Use of Self-Organizing Maps," IEEE Trans. Power Systems, vol. 21, pp. 1672-1682, 2006. https://doi.org/10.1109/TPWRS.2006.881133
  12. E. Muller, S. Gunnemann, I. Assent, and T. Seidl, "Evaluating Clustering in Subspace Projections of High Dimensional Data, http://dme.rwth-aachen.de/OpenSubspace/," Int'l Conf. Very Large Data Bases(VLDB), Lyon, France, 2009.
  13. P. Saeed, and A.N. Somaye, "A New Semantic Kernel Function for Online Anomaly Detection of Software" ETRI Journal, vol. 34, pp. 288-291, 2012. https://doi.org/10.4218/etrij.12.0211.0293
  14. W. Jun, and M-Y. Lu, "Asymmetric Semi-Supervised Boosting Scheme for Interactive Image Retrieval," ETRI Journal, vol. 32, pp. 766-773, 2010. https://doi.org/10.4218/etrij.10.1510.0016
  15. C. Lee, and M-G, Jang, "A Prior Model of Structural SVMs for Domain Adaptation," ETRI Journal, vol. 33, pp. 712-719, 2011. https://doi.org/10.4218/etrij.11.0110.0571
  16. 김광성, 황두성, "불균형 데이터 학습을 위한 지지벡터기계 알고리즘," 한국컴퓨터정보학회지 제15권, 제7호, pp. 11-17, 2010. https://doi.org/10.9708/jksci.2010.15.7.011

Cited by

  1. Forecasting Unemployment Rate using Social Media Information vol.18, pp.6, 2013, https://doi.org/10.9723/jksiis.2013.18.6.095