• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 D
• /
• pp.1177-1179
• /
• 1997

In this paper, short-term power demand forecast using exclusion of week periodicity presented. Week periodicity excluded from weekday change ratio. Forecast term of five and multiple regression model of the three form was composed. Forecast result was good. Therefore, It Could be the power demand forecast of special day(weekend). This method may contribute improvement of forecast accuracy.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 A
• /
• pp.664-666
• /
• 2003

본 연구에서는 신 수요관리 기법인 DR(Demand Response) 시스템의 적용 현황을 분석하였다. 현재 전력사에서 사용하고 있는 9개의 프로그램에 대한 특성 및 적용 사례를 조사하고 분석하였다. 또한 DR 프로그램의 전형적인 실행과정을 살펴보고 DR의 효과적인 응용에 필요한 부분인 단기 부하예측의 필요와 이들의 방법에 대해서 조사하였다. 부하 예측을 위해서는 수요자의 부하 정보의 분석이 기반이 된다. 따라서 국내에 DR시스템을 도입할 경우에는 수요자의 부하 정보인 Load Profile에 대한 정보의 분석 시스템의 개발이 선행되어야 할 것으로 판단된다.

• 디지털융복합연구
• /
• 제12권3호
• /
• pp.243-248
• /
• 2014

최근 태양광에너지는 실시간 태양의 위치를 추적하여 모듈경사각과 이루는 갓을 산정하여 일사량을 보정하는 부분에서 컴퓨팅과의 결합이 확대되고 있다. 태양광 발전은 태양의 위치에 따라 출력변동이 심하고 출력 예측이 어려워 효율적인 전력 생산을 위해서 신재생에너지를 전력계통에 안정적으로 연계할 수 있는 기술이 필요하다. 본 논문에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 최종적으로 태양광 발전량 예측값을 산정하는 태양광 발전을 위한 발전량 예측 모델을 분석한다. 태양광 발전량은 태양광 발전기별 모듈특성, 온도 등을 감안하여 보정계수를 입력하고 예측 지역의 위치 경사각을 분석하여 발전량 예측 계산 알고리즘을 통해 최종 발전량을 예측한다. 또한, 제안 모델에서는 실시간 기상청 관측자료와 실시간 중기 예측 자료를 입력 자료로 사용하여 단기 예측 모델을 수행한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 A
• /
• pp.648-651
• /
• 2004

현재 원가반영발전경쟁시장(CBP : Cost Based Pool)에서는 발전사업자의 변동비용에 기초하여 공급곡선을 형성하게 된다. 그래서 공급 곡선에 있어서 는 비교적 불확실성이 덜하다고 할 수 있다. 그러나 양방향입찰시장에서의 가격결정은 발전사업자와 전력구매자의 입찰데이터(bidding data)로 결정되므로 불확실성의 정도가 매우 심해진다. 즉 가격결정에 있어서 입찰데이터는 매우 중요하며 입찰전략에 따라 사업자의 수익이 달라지기 때문이다. 또한 수직통합체제 때와는 달리 설비용량의 증설도 계통의 부하를 충족시키기 위해서가 아니라 각 발전사업자의 수익성을 고려하여 수행된다. 따라서 중장기적으로는 설비용량계획의 불확실성이 존재하고 단기적으로는 각 발전사업자의 수익 극대화를 위한 입찰 전략에 있어서의 불확실성이 존재하게 된다. 이와 같은 상황에서는 과거의 역사적 데이터를 바탕으로 해당시장에서 발전사업자들의 형태를 분석하는 실증적 분석(empirical analysis)이 가장 설득력이 있지만 현재 우리나라의 전력 시장은 CBP 체제이고 TWBP 시장은 열리지도 않았기 때문에 축적된 데이터는 전무하다. 이러한 현실적 여건 때문에 불확실성의 정도는 더욱 심해지고 TWBP 시장에서의 가격을 예측하는 과정에서도 어려움이 더욱 커지게 된다. 따라서 본 연구에서는 가능한 다양한 해외 연구 사례를 참조하여 시장에서의 발전사업자 중장기적(설비), 단기적(입찰전략) 행위를 어떤식으로 모델링하고 시장가격과 어떤 식으로 연결되는지를 분석해보고자 한다.

• 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.

• 대한전기학회논문지:전력기술부문A
• /
• 제54권6호
• /
• pp.259-266
• /
• 2005

Short-term load forecasting algorithm using neural networks and the sensitivity of temperatures in the summer season is proposed. In recent 10 years, many researchers have focused on artificial neural network approach for the load forecasting. In order to improve the accuracy of the load forecasting, input parameters of neural networks are investigated for three training cases of previous 7-days, 14-days, and 30-days. As the result of the investigation, the training case of previous 7-days is selected in the proposed algorithm. Test results show that the proposed algorithm improves the accuracy of the load forecasting.

• 한국산학기술학회논문지
• /
• 제21권10호
• /
• pp.8-15
• /
• 2020

딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않다. 예를 들면, 데이터셋 A에 최적화된 예측 모델 X를 다른 특성을 가진 데이터셋 B에 적용하면 데이터셋 A와 같이 좋은 예측 결과를 기대하기 어렵다. 따라서 높은 정확도를 갖는 예측 모델을 구현하기 위해서는 데이터셋의 성격을 고려하여 예측 모델을 최적화하는 것이 필요하다. 본 논문에서는 하루 대학 캠퍼스 전력사용량을 1시간 단위로 예측하기 위해 데이터셋의 특성이 고려된 예측 모델이 도출되는 일련의 방법을 단계적으로 제시한다. 데이터 전처리 과정을 시작으로, 이상치 제거와 데이터셋 분류 과정 그리고 합성곱 신경망과 장기-단기 기억 신경망이 결합된 알고리즘(CNN-LSTM: Convolutional Neural Networks-Long Short-Term Memory Networks) 기반 하이퍼파라미터 튜닝 과정을 소개한다. 본 논문에서 제안하는 예측 모델은, 각 시간별 24개 포인트에서 2%의 평균 절대비율 오차(MAPE: Mean Absolute Percentage Error)를 보인다. 단순히 예측 알고리즘만을 적용한 모델과는 달리, 단계적 방법을 통해 최적화된 예측 모델을 사용하여 단일 전력 입력 변수만을 사용해서 높은 예측 정확도를 도출한다. 이 예측 모델은 모바일 에너지관리시스템(Energy Management System: EMS) 어플리케이션에 적용되어 관리자나 소비자에게 최적의 전력사용 방안을 제시할 수 있으며 전력 사용 효율 개선에 크게 기여할 것으로 기대된다.

• 대한전기학회논문지:전력기술부문A
• /
• 제55권7호
• /
• pp.306-312
• /
• 2006

Support Vector Machine(SVM), of which the foundations have been developed by Vapnik (1995), is gaining popularity thanks to many attractive features and promising empirical performance. In this paper, we propose a new short-term load forecasting technique based on SVM. We discuss the input vector selection of SVM for load forecasting and analyze the prediction performance for various SVM parameters such as kernel function, cost coefficient C, and $\varepsilon$ (the width of 8 $\varepsilon-tube$). The computer simulation shows that the prediction performance of the proposed method is superior to that of the conventional neural networks.

• 전기학회논문지
• /
• 제59권11호
• /
• pp.1956-1963
• /
• 2010

Studies on the development of various energy management programs and real-time bidirectional information infrastructures have been actively conducted to promote the reduction of power demands and CO2 emissions effectively. In the conventional energy management programs, the demand response program that can transition or transfer the power use spontaneously for power prices and other signals has been largely used throughout the inside and outside of the country. For measuring the effect of such demand response program, it is necessary to exactly estimate short-term loads. In this study, the power consumption patterns in both individual and group consumers were analyzed to estimate the exact short-term loads, and the relationship between the actual power consumption and seasonal factors was also analyzed.

• 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.