Special-Days Load Handling Method using Neural Networks and Regression Models

In case of power demand forecasting, the most important problems are to deal with the load of special-days. Accordingly, this paper presents the method that forecasting long (the Lunar New Year, the Full Moon Festival) and short(the Planting Trees Day, the Memorial Day, etc) special-days peak load using neural networks and regression models. long and short special-days peak load forecast by neural networks models uses pattern conversion ratio and four-order orthogonal polynomials regression models. There are using that special-days peak load data during ten years(1985∼1994). In the result of special-days peak load forecasting, forecasting % error shows good results as about 1 ∼2[%] both neural networks models and four-order orthogonal polynomials regression models. Besides, from the result of analysis of adjusted coefficient of determination and F-test, the significance of the are convinced four-order orthogonal polynomials regression models. When the neural networks models are compared with the four-order orthogonal polynomials regression models at a view of the results of special-days peak load forecasting, the neural networks models which uses pattern conversion ratio are more effective on forecasting long special-days peak load. On the other hand, in case of forecasting short special-days peak load, both are valid.

신경회로망과 회귀모형을 이용한 특수일 부하 처리 기법

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.