• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.943-950
• /
• 2019

머신 러닝은 인력을 대체함으로써 업무 효율성을 크게 높일 수 있다. 특히 4차 산업혁명 시대의 요청에 따라 인공지능을 포함한 머신 러닝의 중요성은 점점 커지고 있다. 본 논문은 MLP, RNN, LSTM, ANFIS 신경망 알고리즘 이용하여, 월별 전력 거래량을 예측한다. 본 논문에서는 통계청에서 제공하는 월별 전력 거래량과 월별 전력 거래금액, 최종에너지 소비량, 자동차용 경유 가격에 대한 2001~2017년까지의 공공 데이터를 사용하였다. 본 논문은 제시하는 각각의 알고리즘들을 학습시키고, 알고리즘이 예측하는 시계열 그래프를 이용하여 예측 결과를 보여주고 RMSE를 이용하여 이들 중에서 가장 우수한 알고리즘 제시한다.

• 한국빅데이터학회지
• /
• 제4권1호
• /
• pp.63-72
• /
• 2019

전력 에너지의 경우 발전 및 송전 과정을 거쳐 사용자에게 제공된 이후에는 회수가 불가능하기 때문에 정확한 수요 예측에 기반한 최적 발전 및 송배전 계획이 필요하다. 전력 수요 예측의 실패는 2011년 9월에 발생한 대규모 정전사태와 같이 다양한 사회적·경제적 문제를 야기할 수 있다. 전력 수요 예측 관련 기존 연구에서는 ARIMA, 신경망모형 등 다양한 방법으로 개발이 되었다. 하지만 전국 단위의 평균 외기온도를 사용한다는 점과, 계절성을 구분하기 위한 획일적 기준을 적용하는 한계점으로 인해 데이터의 왜곡이나 예측모형의 성능 저하를 초래하고 있다. 이에 본 연구에서는 전력 수요 예측 모형의 성능을 향상하기 위해 전국을 5대 권역으로 구분하여 지역적 특성과 이동 기간 학습 기법을 통해 계절적 특성을 반영한 선형회귀모형과 신경망 모형의 장기적 전력 수요 예측 모형을 개발하였다. 이를 통해 중장기부터 단기에 이르기까지 다양한 범위의 수요 예측에 해당 모델을 활용할 수 있을 뿐만 아니라 특정 기간 중에 발생하는 다양한 이벤트와 예외 상황을 고려할 수 있을 것이다.

• 전기의세계
• /
• 제18권1호
• /
• pp.33-37
• /
• 1969

한전은 1968년 11월 3일 오전 10시 04분을 기하여 154KV 전계통의 직접접지방식 전환을 단행하였다. 종전의 P.C(소고선륜) 중성점접지방식을 직접접지방식으로 전환한것으로서 전력사상 특기 할 만한 근대화사업이며 다년간을 두고 추진해온 중요과제였다. 전력계통의 확대와 복잡화는 선진국가에서도 실시하고 있는 직접접지방식의 채택을 불가변하게 하였고 또한 1차 AID송배전차관도 이의 채택을 조건부로 승인되었던 것으로서 1968년 이후에 건설되는 송변전기기는 직접접지계에서만 운전할 수 있는 절연Level 650KV급이 도입되어 부산화력발전소 3호기가 준공되는 1968년 10월말까지는 직접접지전환이 반드시 이루어져야 하는 실정에 놓여 있었다. 그런데 직접접지방식의 단점인 인접통신선에 미치는 유도장해를 해결하는 문제가 다년간을 두고 진지하게 검토되어 왔으나 해결이 늦어지고 있었다. 사유는 154KV 계통에 인근된 통신선이라면 체신부, 내무부, 교통부, 국방부등 여러기관의 것이 있는데, 유도장해보안방법과 유도보상비문제에 대하여 전력측(상공부, 한전)과 통신측(상기의 체신부등)의 견해차가 해소되지 않기 때문이었다. 그것이 1968년 5월에 와서 전력.통신쌍방이 범국가적입장에서 제반애로를 무릅쓰고 최소한의 투자로 가능한 범위내의 보안책으로서 우선 Arrester 보안방식을 채택하기로 합의되어 경제장관회의를 거쳐 시공하기에 이른것이다. 이 란을 빌려 이 사업의 필요성과 경위및 통신선유도장해방지를 위한 보안방식내용을 간단히 소개함으로써 앞으로 이 분야의 항구적인 유도대책연구에 다소나마 참고가 된다면 다행으로 생각하겠다.면서 예측강우의 질이 저하되기 시작하였으나 QPM을 합성함으로써 생산한 BQPF는 보다 신뢰성있고 양호한 결과를 얻을 수 있었다. 이러한 결과들은 향후 정량적 분포형강우 예측을 이용한 실시간 홍수유출 예측시 댐운영자는 리드타임(홍수선행시간)을 충분히 확보함으로서 안정적이고 예측 가능한 홍수조절을 하는데 도움을 줄 수 있을 것으로 기대된다. 이와 같이 다양한 단기저수지 유입량의 예측정보 제공으로 다목적댐 저수지 운영모형의 효용성을 제고하여 향후 실제 저수지 유입량 예측에 이용함으로써 저수지 단기운영효율 개선에 기여할 수 있을 것으로 사료된다.다. 이것은 여름철 강수량이 증가하고, 호우발생빈도, 특히 8월의 강수일수가 증가하고 있다는 것과 밀접한 관련이 있다. 여름과 가을에 우리나라에 영향을 미치는 태풍의 수는 뚜렷한 추세를 보이지 않으나, 2002년 루사, 2003년 매미로 인하여 각각 6조원, 4조원 이상의 막대한 피해가 발생하였다. 태풍에 의한 피해액은 GDP 대비 약 0.9%(태풍 루사)로 최근 경제상장률과 비교해 보면, 상당한 비율을 차지한다. 우리나라에 영향을 미치는 태풍은 연근해의 해수면 온도가 높아지면 세기가 강해질 가능성이 높다. 폭설과 한파일수도 평년대비 최근 10년 감소하였고 일최저기온이 영하 $10^{\circ}C$ 이하인 날도 연간 발생일수가 감소하였다. 최근 10년간 우리나라 기후의 변화특성은 기온상승과 더불어 서리종료일이 앞당겨지고 열대야가 증가하고 폭설, 한파, 겨울철 일최저기온 영하 10도 이하인 날의 감소 등이 나타나고, 여름철 재해의 원인인 호우일수는 증가하는 추세이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.419-430
• /
• 2020

본 연구는 기존 전력량 예측 모델의 구조를 변경하여 모델의 예측 능력을 향상 시킬 수 있는 방법에 관하여 연구하였다. 전기에 대한 수요는 그 어느 때보다 증가하고 있다. 산업 부문에서는 그 어느 부문 보다 전기 소모량이 많음으로, 더욱 정확한 공장 지역의 전력량 소모 예측 모델이 잉여 에너지 생산을 줄이기 위해 주목을 받고 있다. 우리는 2개의 개별 encoder와 한개의 decoder를 사용하여, 장기와 단기 데이터를 모두 사용하는 double encoder-decoder 모델을 제안한다. 우리는 제안된 모델을 세홍(주)의 생산 구역에서 2019년 1월 1일부터 2019년 6월 30일 까지 모집된 전력 소모량 데이터에서 평가 하였다. double encoder-decoder 모델은 기존의 encoder-decoder 모델을 사용했을 때와 비교하여 약 10 %의 평균 절대 비율 오차의 감소를 기록 하였다. 본 결과는 제안한 모델이 encoder-decoder 모델에 비해 생산 지역의 전력 사용량의 예측을 더 정확하게 하는 모델임을 보여준다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권4호
• /
• pp.885-894
• /
• 2015

전력시스템의 안정적이고 효과적인 운영을 위해선 전력수요예측이 필요하다. 본 연구에서는 일별전력수요패턴의 시간에 따른 커브를 군집분석 하려고 한다. 2009년 1월 1일부터 2011년 12월 31일까지의 일별 시간단위 전력수요 자료는 추세성분 제거와 로그변환을 통해 계절성분과 오차성분으로 구성된 시계열자료로 변환되었다. 변환된 자료는 Ma 등 (2006)이 제안한 함수적 군집모형을 사용하여 분석되었고, 모수는 EM알고리즘과 일반화교차검정을 통해 추정되었다. 군집의 수는 휴일과 평일을 잘 분류하는 10개로 결정하였다. 분석결과 월요일, 평일 (화요일~금요일), 토요일, 일요일 또는 공휴일과 계절요인으로 전력수요 평균곡선이 설명된다. 함수적 군집분석을 통한 전력수요패턴의 과학적인 분류는 향후 단기전력수요예측에 활용된다.

• 산업기술연구
• /
• 제18권
• /
• pp.379-384
• /
• 1998

Conventional short-term load forecasting techniques have limitation in their use on holidays due to dissimilar load behaviors of holidays and insufficiency of pattern data. Thus, a new short-term load forecasting method for special days in anomalous load conditions is proposed in this paper. The proposed method uses two Artificial Neural Networks(ANN); one is for the estimation of load curve, and the other is for the estimation of minimum and maximum value of load. The forecasting procedure is as follows. First, the normalized load curve is estimated by ANN. At next step, minimum and maximum values of load in a special day are estimated by another ANN. Finally, the estimate of load in a whole special day is obtained by combining these two outputs of ANNs. The proposed method shows a good performance, and it may be effectively applied to the practical situations.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.

• 대한전기학회논문지:전력기술부문A
• /
• 제49권3호
• /
• pp.107-117
• /
• 2000

This paper proposes a systematic method to develop short-term electrical load forecasting systems using neuro-fuzzy models. The primary goal of the proposed method is to improve the performance of the prediction model in terms of accuracy and reliability. For this, the proposed method explores the advantages of the structure learning of the neuro-fuzzy model. The proposed load forecasting system first builds an initial structure off-line for each hour of four day types and then stores the resultant initial structures in the initial structure bank. Whenever a prediction needs to be made, the proposed system initializes the neuro-fuzzy model with the appropriate initial structure stored and trains the initialized model. 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 1993 and 1994 at KEPCO. Simulation results reveal that the prediction system developed in this paper can achieve a remarkable improvement on both accuracy and reliability compared with the prediction systems based on multilayer perceptrons, radial basis function networks, and neuro-fuzzy models without the structure learning.

• KEPCO Journal on Electric Power and Energy
• /
• 제5권3호
• /
• pp.157-163
• /
• 2019

현재까지 피크완화 및 에너지 절감을 위해 한국전력공사 120여개 사옥에 K-BEMS (KEPCO Building Energy Management System)가 운영 중이다. 이 시스템은 PV, PCS, BESS, EMS 등으로 구성되어 있으며 건물에너지 수요예측을 기반으로 BESS, PV 등을 활용하여 에너지 관리를 도모하고 있다. 이 시스템은 단기 과거데이터에 신경망기법을 단순 적용하여 수요를 예측함에 따라 예측 정확도가 높지 않고 운영자 수작업을 통한 BESS 충방전으로 피크 저감이 곤란하며 운영 경제성 제고가 어려운 실정이다. 이러한 문제를 해결하기 위해 전력연구원에서는 2016년부터 3년간 연구과제를 수행하였는데 이를 통해 에러를 최소화하며 높은 신뢰도를 가지는 실시간 수요예측기법과 이에 기반한 BESS충방전 최적화 자동화 기술 개발, 성능을 검증하였기에 이를 본 논문에서 소개하고자 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.808-809
• /
• 2007

전력수요는 경기변동과 밀접한 관련성을 가지고 동행적으로 움직이며, 전력자료는 경제자료에 비해 조기 관측되는 선행성이 있다. 본 연구에서는 GDP 전망을 위해 발전량이 유용하게 사용될 수 있는가를 살펴 보았다. 발전량과 GDP의 관련성은 그랜저 인과관계 검정을 통해서 검증해 보았으며, 발전량 자료 취득의 선행성은 선행차수를 변화시켜 보면서 관련성이 어떻게 변하는가를 살펴보았다. 실제 자료를 이용하여 분석하고, 2004년부터 2006년 기간의 전망치를 평가한 결과, 본 논문에서 살펴 보고자 했던 발전량과 GDP 사이에는 아주 높은 관련성이 있음을 확인할 수 있었고 또한 발전량 자료를 이용함으로써 실제로 GDP 전망의 예측력을 상당히 개선시킬 수 있음을 볼 수 있었다. 발전량과 GDP 사이의 관계는 시간변동계수를 가지는 공적분 및 오차수 정모형을 이용하여 모형화하였다.