• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 A
• /
• pp.102-106
• /
• 2000

본 논문은 뉴로-퍼지 모델의 구조학습을 이용하여 한 시간 앞의 전력 수요를 예측하는 체계적인 방법을 제안한다. 제안된 예측시스템은 시간 단위로 뉴로-퍼지 모델을 재학습하기 위해서 필요한 초기 구조를 요일 유형과 시간 별로 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점의 요일 유형에 따라 선택된 초기 구조를 이용하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 실제 전력 수요 데이터를 이용하여 모의 실험을 수행한다. 실험결과 제안된 방법은 기존의 다층 퍼셉트론을 이용한 방법과 비교하여 예측의 정확도 측면과 신뢰도 측면에서 모두 향상된 결과를 얻는다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.566-569
• /
• 2021

전력수요는 월, 요일 및 시간의 계절성(Seasonality)을 보이는 데이터이다. 각 계절성에 따라 특성이 다르기 때문에, 전력수요를 예측하기 위해서는 계절성의 특성을 고려한 다양한 모델을 선정하고, 병합하는 방법이 필요하다. 본 연구에서는 전력수요의 계절성을 고려한 다양한 예측모델을 병합하여 이용할 수 있도록 스태킹 앙상블 적용하고 실험결과를 기술한다. 또한, 162개 도시의 기상 데이터와 인구 데이터를 예측에 이용하는 방법, Regression 모델과 Time-series모델에 입력하는 특징(Feature)의 전처리 방법, 베이지안 최적화를 이용한 머신러닝 및 딥러닝 모델의 하이퍼파라메터 최적화 방법을 제시한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.720-722
• /
• 2009

경제 성장에 따른 국내 산업분야의 발달 및 국민 생활수준의 향상으로 전력 소비가 지속적으로 증가하고 있다. 전력을 안정적으로 공급하기 위해서는 전력 수요에 대한 중 단기 예측이 중요하며, 정확한 예측에 따라 안정적인 수급 계획을 확립할 수 있다. 본 논문에서는 부산시에서 공급되는 부산지역의 전력 데이터와 기후 관련 자료를 1995년 1월부터 2007년 12월까지의 측정치를 가지고 시계열 데이터를 수집하여 분석하고 신경회로망의 구조를 설계하여 실험을 통하여 실제 데이터와 예측 데이터를 비교 분석하고 평가한다.

• 자원ㆍ환경경제연구
• /
• 제21권2호
• /
• pp.341-369
• /
• 2012

국내의 심각한 저출산 문제와 평균수명의 연장으로 인하여 고령화가 다른 어떤 나라들보다도 빠르게 진행되고 있기 때문에 고령화 문제를 심각하게 다루고 다양한 사회적 파급효과를 분석하여 대응할 필요가 있다. 따라서 본 연구에서는 고령화가 가정용 전력수요에 미치는 영향을 분석하였다. 1965년~2010년까지 46년간의 연도별 시계열 자료를 분석한 연구 결과에 의하면 가정용 전력수요는 전력가격, 소득 수준, 고령화에 유의하게 반응하고 있는 것으로 분석되었고, 특히 고령화가 가정용 전력수요에 미치는 영향은 단기적으로 더욱 크게 나타났다. 이러한 결과는 고령화가 전력수요에 복합적인 영향을 미치는데 단기적으로 수요를 감소시키는 요인이 더욱 강력하게 영향을 주는 반면, 수요를 증가시키는 요인은 장기적으로 서서히 나타나기 때문일 것이다. 그러나 장기적으로도 고령화는 가정용 전력수요를 감소시키는 것으로 나타났고, 정부가 예측한 속도로 고령화가 진행될 경우 가정용 전력수요는 연간 3%보다 낮은 수준으로 증가할 것으로 예상된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.813-816
• /
• 2019

최근 에너지 부족 문제 및 환경 문제의 해결수단으로 스마트 그리드가 많은 주목을 받고 있다. 스마트 그리드 기술은 에너지를 효율적으로 사용하는 데 도움을 주며, 이를 위해서는 더욱 정확한 전력수요 예측이 필요하다. 다양한 기계학습 기법 기반의 전력수요 예측 모델은 좋은 예측 성능을 보이지만 입력 변수의 개수가 증가할수록 처리해야 하는 데이터의 양이 기하급수적으로 증가한다는 단점이 존재한다. 또한, 불필요한 데이터를 입력 변수로 선정할 경우에는 모델의 정확도가 저하될 수도 있다. 이러한 문제를 해결하기 위해 다양한 특징 선택 기법들이 제안되었지만, 기존의 특징 선택 기법은 모델의 성능을 고려하지 않았기 때문에 실제 적용 시 오히려 모델의 성능이 저하될 수도 있다. 이에 본 논문은 유전 알고리즘을 기반으로 한 특징 선택 기법을 제안한다. 유전 알고리즘을 통해 각 모델에 맞는 최적의 입력 변수를 선택함으로써 빠른 학습 속도와 높은 정확도를 기대할 수 있다.

• 대한전기학회논문지:전력기술부문A
• /
• 제54권10호
• /
• pp.467-474
• /
• 2005

This paper presents a systematic method to compute a reliability measure for a short term electrical load forecasting system using neuro-fuzzy models. It has been realized that the reliability computation is essential for a load forecasting system to be applied practically. The proposed method employs a local reliability measure in order to exploit the local representation characteristic of the neuro-fuzzy models. It, hence, estimates the reliability of each fuzzy rule learned. The design procedure of the proposed short term load forecasting system is as follows: (1) construct initial structures of neuro-fuzzy models, (2) store them in the initial structure bank, (3) train the neuro-fuzzy model using an appropriate initial structure, and (4) compute load prediction and its reliability. In order to demonstrate the viability of the proposed method, we develop an one hour ahead load forecasting system by using the real load data collected during 1996 and 1997 at KEPCO. Simulation results suggest that the proposed scheme extends the applicability of the load forecasting system with the reliably computed reliability measure.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.852-857
• /
• 2019

분산자원 집합 거래시장에 참여를 원하는 소비자나 사업자를 위한 가상발전소의 전력거래 플랫폼에서 사업참여자의 수요 자원을 관리하고, 이에 적절한 전략을 제공하기 위해 익일 개별 참여자의 수요와 전체 계통의 전력수요를 예측하는 것이 대단히 중요하다. 이러한 전력거래 플랫폼에서 활용하는 것을 목표로 본 논문은 우선 익일의 24시간 전력계통 전력수요예측 모델을 개발하였다. 본 논문에서는 전력수요예측 데이터의 시계열 특성을 고려하여 딥러닝 기법 중 LSTM 알고리즘을 사용하였고, 전력수요량 등의 입출력 값에 원-핫 인코딩 기법을 적용하는 새로운 시도를 하였다. 성능평가에서 일반 DNN과 본 논문에서 구현된 LSTM 예측모델은 각각 평균 제곱근 오차 4.50, 1.89를 나타내어 LSTM 모델이 예측정확도가 높게 나타났다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.400-401
• /
• 2011

본 논문은 오피스 빌딩에서 최대 피크를 나타내는 여름철과 겨울철에 대한 부하사용량에 대해 신경회로망 알고리즘을 적용하여 일주일 단위를 예측하기 위한 단기예측 모델을 제시하였다. 2010년 7월~8월 사이의 최대전력사용량과 2010년 12월~2011년 1월 사이의 최대전력 사용량을 나타내는 시기에 온도, 습도, 풍속과의 연관성을 파악하기 위해 기후변화요소의 변수를 고려했을 때와 고려하지 않았을 때의 출력모델 비교를 통해 실제 전력사용 모델과 근접한 모델을 확인하였고 향후 최대부하 사용과 연관된 사용량 제어를 위한 알고리즘을 적용하여 전력사용량을 절약할 수 있는 방법을 시도하고자 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 추계학술대회 논문집 전력기술부문
• /
• pp.142-144
• /
• 2005

본 연에서는 현재 전력거래소에서 사용하고 있는 단기수요예측 산법을 전력시장 운영환경에 대응 하도록 보다 정확하면서도 공정성이 보장되는 산법으로 개선하였다. 접근방법은 기존의 산법들을 면밀히 분석한 다음 산법의 개선과 매개변수의 튜닝을 통하여 예측정확도를 개선하였으며, 예측과정의 투명성을 확보하기 위하여 예측절차를 출력하는 기능을 포함하였다 예측정확도를 개선하기 위한 주요 방안으로 종합분석모형의 경우는 실적자료가 생길 때 마다 즉시 민감도가 갱신되도록 하였으며, 회귀분석모형은 분석과정에서 의미가 있는 자료만을 선택하도록 하였다. 또한 신경망 모형의 경우는 모의를 통하여 최적의 입력변수를 찾아 설정하였으며, 지식기반모형에서는 최근의 수요특성을 분석하여 새로운 규칙들로 구축하였다. 제안한 산법의 효용성을 평가하기 위하여 2004년도 실계통 자료를 대상으로 모의를 해 본 결과, 모든 산법에서 개선된 예측정확도를 나타내었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.479-480
• /
• 2015

단기 전력수급계획 시 미리 전력수요를 예측하고, 또 그때의 공급능력을 산정하는 일은 계통운영 측면에서 매우 중요한 과업중 하나이다. 각 발전기들은 시험기준 온도에 맞는 정격용량 값을 갖고 있지만, 실제 기온의 변화에 따라 각기 다른 출력변화를 갖게 되므로 계통운영자는 공급능력 산정 시 이러한 온도의 영향을 고려할 필요가 있다. 본 논문에서는, 온도를 고려한 공급능력 산정방안을 과거 실적 데이터 분석을 통한 두 가지 방법으로 제시해 보았다.