• 응용통계연구
• /
• 제26권2호
• /
• pp.349-360
• /
• 2013

최근 일별 최대 전력수요 예측은 전력설비 계획 및 운용에 매우 중요한 사안으로 주목받고 있다. 본 연구는 일별 최대 전력수요 예측을 위하여 대표적 시계열 모형을 소개하고, 예측의 성능 비교를 위하여 RMSE(Root mean squared error)와 MAPE(Mean absolute percentage error)를 사용한다. 연구결과로 보완된 Holt-Winters 모형과 Reg-ARIMA 모형이 다른 모형에 비하여 우수한 예측 성능을 보였다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.161-171
• /
• 2019

일별 최대전력 수요 예측은 국가의 전력 수급운영에 중요한 과제로서 과거부터 다양한 방법들이 끊임없이 연구되어 왔다. 일별 최대전력 수요를 정확히 예측함으로써 발전설비에 대한 일일 운용계획을 작성하고 효율적인 설비 운용을 통해 불필요한 에너지 자원의 소비를 감소하는데 기여할 수 있으며 여름 겨울철 냉난방수요로 인해 발생하는 전력소비 과다로 인한 전력예비율 감소 문제 등에 선제적으로 대비할 수 있는 장점을 가진다. 이러한 일별 최대전력수요 예측을 위하여 본 논문에서는 Seasonal ARIMA, TBATS, Seasonal Reg-ARIMA, NNETAR 모형에 평일, 주말, 특수일에 대한 효과와 온도에 대한 영향을 함께 고려하여 다음날의 일별 최대전력을 예측하는 모형을 연구하였다. 본 논문을 통한 모형들의 예측 성능 평가 결과 요일, 온도를 고려할 수 있는 Seasonal Reg-ARIMA 모형과 NNETAR 모형이 이를 고려할 수 없는 다른 시계열 모형보다 우수한 예측 성능을 나타내었고 그 중 인공신경망을 활용한 NNETAR 모형의 예측 성능이 가장 우수하였다.

• 한국항만경제학회지
• /
• 제37권3호
• /
• pp.1-17
• /
• 2021

본 연구에서는 항만의 단기 물동량을 예측하기 위해 ARIMA 모형과 CART 모형을 활용한 단기 수요예측 모형을 제시하였다. 제시한 모형은 2단계로 구성된다. 1단계에서는 시계열 예측치와 주요 교역국의 주당 근로일수를 변수로 사용하여 CART 모형을 추정하고 주별 물동량 예측을 진행한다. 2단계에서는 1단계에서 도출한 예측치와 요일 정보, 주요국 공휴일 정보, 주요국 행사 기간 정보를 설명변수로 활용하여 최종적인 일별 물동량 예측 모형을 추정한다. 제시한 수요예측 모형을 활용하여 2020년 10월 1일부터 12월 31일까지 92일의 부산항 물동량을 예측한 결과 제시한 모형의 평균 정확도가 기존 시계열 모형보다 '22.5%' 높은 것으로 나타났다. 제시 모형은 일별 물동량의 추세뿐만 아니라 물동량이 급등락하는 지점에서도 높은 정확도를 보였으며 시계열 예측 모형을 사용했을 때 비해 총 166,504(TEU)의 오차를 줄일 수 있는 것으로 나타났다. 항만의 효율적인 운영을 위해 필수적인 단기 물동량 예측에 적합한 예측 모형을 제시한 본 연구는 충분한 활용 가치가 있을 것으로 판단된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 A
• /
• pp.80-82
• /
• 2003

전력계통의 수요예측은 수십 년간의 일별, 주별, 월별, 년도별 자료와 기타 수많은 계수들을 요구하므로 처리해야할 자료의 양이 방대하여, 수요예측에는 데이터베이스의 사용이 필수이다. 본 연구에서는 수요예측 및 이와 유사한 대규모 자료의 전산화에 적합한 데이터베이스 설계기법을 소개하고, 계산 수행 시 속도 및 운용의 효율성을 기하기 위한 방안을 소개한다. 또한 데이터베이스의 유지보수를 위한 기법과 각종 접근 방법의 예를 들었다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.85-98
• /
• 2021

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는 공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어 왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.

• 자원ㆍ환경경제연구
• /
• 제29권4호
• /
• pp.419-442
• /
• 2020

우리나라 도시가스 수요는 난방수요에 기인한 뚜렷한 동고하저의 계절성을 보이며, 기온에 따른 민감도는 시간에 따라 변화하는 것으로 나타났다. 본 연구에서는 시간에 따라 변화하는 계절성을 효과적으로 모형하기 위해서 시간변동 기온반응함수 개념을 도입하여 이를 해당 일의 기온분포로 적분하여 기온에 따른 수요변동을 추정한다. 또한 기상청에서 발표하는 향후 10일의 도시별 기온 예측치를 체계적으로 반영하여 도시가스 수요를 예측하는 방법론을 개발하였다. 평년기온분포를 사용한 것에 비해서 함수적 방법론을 이용하여 기상청의 기온 예측치를 기온분포예측치로 변환하여 예측했을 때 기온분포의 예측 오차율은 2배, 도시가스 수요의 예측 오차는 5배 가까이 감소하는 것을 확인하였다.

• 한국항만경제학회지
• /
• 제37권1호
• /
• pp.179-196
• /
• 2021

부산항의 부두 장치율은 지난 3년동안 지속적으로 상승하였다. 부두 장치율 상승은 컨테이너 재조작을 야기하여 부두 노동자의 업무 강도를 증가시킨다. 또한, 장치율 상승이 장기화될 경우 선주의 대기시간을 증가시켜 항만의 서비스 수준이 하락할 수 있다. 이에 본 연구는 부두 장치율 상승 문제를 해결하기 위한 방안으로 수요예측치의 신뢰구간 추정을 활용한 항만 물동량 이상감지 방안을 제안하였다. 수요예측 방법론은 ARIMA 모형을 사용하였으며 실증 분석을 위해 사용된 자료는 2013년 1월 1일부터 2020년 10월 12일까지 총 2841일 동안의 부산항 전체 일별 물동량 자료 및 9개 부두의 일별 물동량 자료이다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점을 맞추었다. 일별, 부두별 부산항 물동량 자료를 활용하여 단기 물동량을 예측하고 예측치를 기반으로 부두 장치율 관리 방안을 제시한 본 연구는 충분한 가치가 있다고 판단된다.

• 응용통계연구
• /
• 제27권5호
• /
• pp.843-853
• /
• 2014

급증하고 있는 전력수요에 대한 신뢰성 있는 예측은 합리적인 전력수급계획 수립 및 운용에 있어서 매우 중대한 사안이다. 본 논문에서는 여러 시계열 모형의 비교를 통해 전력수요량과 밀접한 연관성이 있는 온도를 어떠한 형태로 고려할 것인지, 또한 4계절이 뚜렷하여 계절별 기온 차가 많이 나는 우리나라의 특성을 어떻게 고려할 것인지에 대하여 연구하였다. 모형 간 예측력을 비교하기 위하여 Mean Absolute Percentage Error(MAPE)를 사용하였다. 모형의 성능비교 결과는 냉 난방지수와 계절요인을 동시에 고려하면서 큰 변동성을 잘 고려해줄 수 있는 Reg-AR GARCH 모형이 가장 우수한 예측력을 나타냈다.

• 한국융합학회논문지
• /
• 제9권5호
• /
• pp.1-6
• /
• 2018

스마트그리드에서 정확한 단기 부하 예측을 통한 자원의 이용 계획은 에너지 시스템 운영의 불확실성을 줄이고 운영 효율을 높이는데 있어서 매우 중요하다. 단기 부하 예측에 얕은 신경회로망을 포함한 다수의 머신 러닝 기법이 적용되어왔지만 예측 정확도의 개선이 요구되고 있다. 최근에는 컴퓨터 비전이나 음성인식 분야에서 심층 신경회로망의 뛰어난 연구 결과로 인해 심층 신경회로망을 단기 전력수요 예측에 적용해 예측 정확도를 개선하려는 시도가 주목 받고 있다. 본 논문에서는 일별 전력 부하 첨두치를 예측하기 위한 다층신경회로망 구조의 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 층별 학습이 선행된 후 전체 모델의 학습이 이루어진다. 한국전력거래소에서 얻은 4년 동안의 일별 전력 수요 데이터를 사용, 하루 및 이틀 앞선 전력수요 첨두치를 예측하는 심층 신경회로망 모델을 구축하고 예측 정확도를 비교, 평가한다.

• 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.