• The Korean Journal of Applied Statistics
• /
• v.32 no.2
• /
• pp.319-330
• /
• 2019

Forecasting the electricity consumption through analyzing the past electricity consumption a advantageous for energy planing and policy. Machine learning is widely used as a method to predict electricity consumption. Among them, ensemble learning is a method to avoid the overfitting of models and reduce variance to improve prediction accuracy. However, ensemble learning applied to daily data shows the disadvantages of predicting a center value without showing a peak due to the characteristics of ensemble learning. In this study, we overcome the shortcomings of ensemble learning by considering the temperature trend. We compare nine models and propose a model using random forest with the linear trend of temperature.

• Journal of IKEEE
• /
• v.23 no.1
• /
• pp.120-126
• /
• 2019

Recently, accurate prediction of power consumption based on machine learning techniques in Internet of Energy (IoE) has been actively studied using the large amount of electricity data acquired from advanced metering infrastructure (AMI). In this paper, we propose a deep learning model based on Gated Recurrent Unit (GRU) as an artificial intelligence (AI) network that can effectively perform pattern recognition of time series data such as the power consumption, and analyze performance of the prediction based on real household power usage data. In the performance analysis, performance comparison between the proposed GRU-based learning model and the conventional learning model of Long Short Term Memory (LSTM) is described. In the simulation results, mean squared error (MSE), mean absolute error (MAE), forecast skill score, normalized root mean square error (RMSE), and normalized mean bias error (NMBE) are used as performance evaluation indexes, and we confirm that the performance of the prediction of the proposed GRU-based learning model is greatly improved.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.157-159
• /
• 2012

산업혁명 이후 현대사회의 급격한 발전과 화석에너지의 무분별한 사용으로 인해 화석자원이 고갈되고 있으며 환경오염 문제가 심각한 실정이다. 이러한 자원의 고갈과 환경오염 문제를 해결하기 위해 최근에 친환경적이며 자원량이 무한대에 가까운 신재생에너지 자원에 대한 개발이 많은 관심을 받고 있다. 신재생에너지 중에서 풍력에너지는 바람의 가변성으로 인해 짧은 시간 안에 전력 생산량이 급증하거나 급강하는 ramp 현상이 발생하여 풍력발전량의 예측이 어렵다. 따라서 안정적인 전력 공급을 위해서는 풍력발전량의 정확한 예측이 필요하다. 이 연구에서는 정확한 풍력발전량의 예측을 위하여 전력 생산 변화의 빠르기를 나타내는 PRR을 속성으로 사용하고 ANFIS기법을 적용하여 풍력발전량을 예측하였다. 실험 결과 기존의 ANFIS기법을 적용한 경우 보다 PRR속성을 이용하여 적용한 경우 더 정확한 풍력발전량의 결과를 얻을 수 있었다.

• Journal of Digital Convergence
• /
• v.12 no.3
• /
• pp.211-218
• /
• 2014

Recently, wind energy is expanding to combination of computing to forecast of wind power generation as well as intelligent of wind powerturbine. Wind power is rise and fall depending on weather conditions and difficult to predict the output for efficient power production. Wind power is need to reliably linked technology in order to efficient power generation. In this paper, distributed power generation forecasts to enhance the predicted and actual power generation in order to minimize the difference between the power of distributed power short-term prediction model is designed. The proposed model for prediction of short-term combining the physical models and statistical models were produced in a physical model of the predicted value predicted by the lattice points within the branch prediction to extract the value of a physical model by applying the estimated value of a statistical model for estimating power generation final gas phase produces a predicted value. Also, the proposed model in real-time National Weather Service forecast for medium-term and real-time observations used as input data to perform the short-term prediction models.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.347-348
• /
• 2007

전력산업에 당초 도입 예정되었던 도매경쟁시장을 운영지원하기 위하여 전력거래소는 지난 2002년 도매경쟁 전력시장 운영시스템(Two Way Bidding Pool Market Operation System; TWBP MOS, 이하 전력시장운영시스템)을 구축하였다. 그러나 이후 배전분할 잠정 중단정책에 따라 구축 완료된 시스템은 실 업무에 적용해보지도 못한 채 폐기될 수도 있는 상황이 발생하였다. 하지만 전력거래소는 배전분할 잠정 중단에 따른 발전 경쟁시장(CBP; Cost-Based Pool) 장기화에 대비, 운영상의 효율성을 개선하고 기 개발된 전력시장운영시스템을 활용하여 급전체계를 개선하는데 성공하였다. 실시간 급전 운영을 위해 기존 EMS에 전력시장운영시스템을 연계하여 전력시장운영시스템의 5분 단위 수요 예측량을 기반으로 송전망 제약과 예비력 요구량 등을 고려한 발전기별 경제부하 배분량 및 예비력 배분량을 결정하고, 추가적으로 EMS에서 수요예측 오차 및 주파수 보정량을 실시간으로 계산하여 발전기별로 배분하도록 함으로써, 1일 전 시행하던 급전계획을 취득 자료를 기반으로 5분 단위로 실시간 계산할 수 있도록 급전 개선하였다. 이를 통해 실시간으로 에너지와 예비력을 동시에 최적화함으로써 전력시장 및 전력계통 운영을 한층 선진화 할 수 있는 계기를 마련하였으며 또한 저비용 발전기 사용을 극대화함으로 발전비용의 절감에도 기여하는 효과를 가져왔다. 이러한 긍정적인 효과에도 불구하고, 전력시장윤영 시스템은 구축된 모든 설비 및 프로그램을 당초 목적에 맞게 활용하지 못한다는 이유 등으로 시스템의 최적화 및 성능 개선에 대한 투자가 망설여지는 현실이다. 특히 온라인 실시간 시스템과 별도로 전력시장운영을 모의 할 수 있는 시뮬레이터가 구축되지 않아 시장의 흐름을 사전 예측하거나 시스템 오류 등을 재현하여 재발 대책 등을 마련하기가 매우 어려운 실정이다. 이에 본 논문에서는 그동안 쌓아온 전력거래소의 전력시장운영시스템 운영관리에 대한 다양한 경험을 바탕으로 구축비용을 획기적으로 절감할 수 있는 전력시장운영시스템 시뮬레이터의 구축방안을 제시하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.688-690
• /
• 2002

고성능 슈퍼스칼라 프로세서에서는 명령어 수준 병렬성(Instruction Level Parallelism, ILP)의 장애인 명령어간의 종속 관계 중 데이터 종속관계를 극복하기 위해 값 예측기를 이용하여 모험적으로 명령어들을 실행한다. 값 예측 시에 필요한 테이블 참조와 값 예측 실패 시 실행되는 잘못된 명령어의 실행은 프로세서의 부가적인 전력 소모를 요구한다. 본 논문에서는 값 예측기와 Cai-Lim의 전력모델을 슈퍼스칼라 프로세서 사이클 수준 시뮬레이터인 SimpleScalar 3.0 툴셋에 삽입하여 전력 소모량을 측정하고 분석한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.349-350
• /
• 2018

본 논문에서는 전기 자동차 충전소의 전력 소모량 추정 알고리즘을 웹 서버에 도입하여, 충전소에 의한 전력소비가 주변 전력 계통에 미치는 영향을 모니터링할 수 있는 시스템을 제안한다. 우선, 관련 기관으로부터 공급 받는 지역 내 실시간 충전소 별 이용 상태 정보로부터 충전 시간과 그 횟수를 도출하고, 이를 충전소 마다 누적하여 소비 전력을 추정한다. 이렇게 추정된 충전소 별 전력 소모량을 웹 페이지를 통해 사용자에게 시각화하여 제공한다. 또한 같은 지역의 구간별 실시간 교통량 또한 같은 방식으로 제공하여, 전기 자동차 충전소 전력소모량의 변화 추이와 교통량의 변화 추이 간 상관관계를 확인할 수 있도록 한다. 따라서 제안하는 시스템은 지역 내 전기 자동차 충전소의 전력 소모량 및 그 변화 추이 관측하고 이를 바탕으로 지역 내 충전소 추가 설치 필요성, 전력 계통 부하 예측, 충전소 재배치 등 전기 자동차 충전소 운영 전략을 수립하는데 사용할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.2259_2260
• /
• 2009

현재 전력수급 상황은 제4차 전력수급 기본계획을 통하여 안정적인 전력공급을 도모하고 있다. 미래의 전력수요를 예측하는 수요예측(Load Forecast)과 소비자의 합리적인 전기소비를 가능하게 하는 수요관리(Demand Management) 및 소비자가 능동적으로 전기소비를 선택하여 사용할 수 있는 수요반응(Demand response)이 있다. 이와 더불어 제 3차 신재생에너지 기본계획을 바탕으로 신재생에너지원을 고려해 수요예측 및 수요관리를 한다면 환경문제와 연료고갈 문제의 개선과 기타 에너지원의 절약이 가능하다. 또한 탄소량 배출 감소 효과와 현재의 수요관리 목표량보다 효과적인 수요관리가 가능하다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.329-338
• /
• 2021

This study predicts the amount of wind power generation for rational operation plan of wind power generation and capacity calculation of ESS. For forecasting, we present a method of predicting wind power generation by combining a physical approach and a statistical approach. The factors of wind power generation are analyzed and variables are selected. By collecting historical data of the selected variables, the amount of wind power generation is predicted using deep learning. The model used is a hybrid model that combines a bidirectional long short term memory (LSTM) and a convolution neural network (CNN) algorithm. To compare the prediction performance, this model is compared with the model and the error which consist of the MLP(:Multi Layer Perceptron) algorithm, The results is presented to evaluate the prediction performance.

• Proceedings of the KIEE Conference
• /
• 2006.07a
• /
• pp.76-77
• /
• 2006

본 연구를 통하여 전력수급계획에 필요한 연간 시간대별 총수요를 예측하는 산법을 개발하였다. 예측과정은 크게 평상일 예측과 특수일 예측으로 구분된다. 평상일의 경우는, 연중 최대수요가 발생하는 하절기 기상으로부터 연중 최대수요를 예측한 다음, 하향식 접근에 의해 주간-일간-시간대별 평상일 수요를 예측하며, 특수일 수요는 예측된 평상일 수요와 평상일 대비 상대계수 모형으로부터 예측한다. 예측의 정확도를 개선하기 위하여 시계열 자료에 가중치를 부여하고, 실적자료가 생길 때마다 자동으로 모형이 갱신되도록 하였으며, 수요예측 결과를 검증, 보정하기 위해 주간수요예측을 재수행할 수 있다. 또한 계획된 월간 전력량 제약에 협조하는 예측산법도 포함하였다.