• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2006.05a
• /
• pp.115-118
• /
• 2006

빙축열 시스템과 같은 열교환 시스템을 이용하여 심야의 전력 경부하 시 주간에 이용할 냉방부하를 축열하였다가 주간에 공급함으로써 전력의 평준화와 전력 설비의 효율적 운용을 기할 수 있어 전력의 안정적인 수급과 에너지의 효율을 극대화할 수 있다. 하지만 빙축열 시스템의 제어 운전을 전적으로 운전자의 경험에 의존하는 경우에 충분한 냉방 부하를 공급하기 위한 잉여축열에너지가 비경제적으로 많아져서 빙축열 시스템의 경제성이 저하되고 사용 효과가 낮아지는 문제점이 많이 발생되고 있다. 경제적인 활용 효과를 고려하여 빙축열 시스템을 효율적으로 운용하기 위해서는 냉방부하량이 기후 특성에 의해 결정되므로 기후를 정확하게 예측하고 이를 토대로 다음날의 시간별 냉방부하를 예측하여 적정한 축열량을 결정하여야 하는 어려움이 따른다. 이러한 문제를 해결하기 위해 본 연구에서는 신경망을 이용하여 기상 데이터를 토대로 다음날의 온도와 습도를 예측하고 예측된 온도와 습도 및 냉방부하 실적 자료를 기반으로 신경망을 이용하여 시간별 냉방부하를 예측하는 알고리즘을 제시하였다. 제안된 냉방 부하예측 알고리즘에 의해 구축된 한국전력공사 속초생활연수원의 부하예측모델을 이용하여 온도, 습도, 냉방부하를 예측한 결과 기존 방법에 의한 것보다 우수한 예측 성능을 보였다.

• 전기의세계
• /
• v.34 no.5
• /
• pp.272-280
• /
• 1985

전력계통의 목표를 달성하기 위한 기본적인 요청은 시시각각으로 변동되는 전력부하를 확실하게 예측하는 일부터 시작된다. 그런데 전력부하는 온도, 습도, 광도 등 예측일의 기상요인은 물론 산업구조, 경기변동의 사회적인 요인에 의해 변화된다. 또한 온라인 예측시는 자동급전시스템의 여건이나 예측주기에 따라 각각 고려해야 할 사항이 다양하므로 정확도가 높으면서도 안정된 결정적인 예측기법을 찾기가 어렵다. 그러나 주어진 계통과 이용할 수 있는 여건을 바탕으로 했을때의 허용정도 및 자동화등 실제 적용면에서 보다 나은 예측기법은 생각될 수 있다. 필자들은 우리나라 계통을 대상으로 자동급전시스템(AGC/SCADA system)에 의해 온라인 리얼타임으로 취득해온 부하데이터를 이용하여 자유자재 (interactive)기능을 내포한 단기 부하예측 팩키지를 개발한 바 있으며 이에 소개하는 바이다.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.8 no.3
• /
• pp.44-53
• /
• 1994

전력 부하의 예측은 산업 활동에 있어 전력의 안정적인 공급과 생산비의 절감을 위해 대단히 중요하다. 전력 부하의 예측 방법들이 많이 연구되고 있으나 기존의 방법들은 수학적으로 복잡하고 계산 시간이 많이 소요되는 단점을 갖고 있다. 본 연구에서는 최적 규칙수를 구하는 클러스터링 알고리즘과 데이터를 2분하여 설계한 변수 선택 방법을 이용하여 모델을 간략화하는 알고리즘을 제안하였으며, CMAC을 이용한 데이터의 양·부 판별 알고리즘을 이용하므로써 노이즈의 영향을 최소화 하였다. 제안된 알고리즘을 이용하여 전력부하예측 시스템을 설계하고 분석한 결과 그 타당성을 입증하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.2
• /
• pp.130-135
• /
• 2004

This paper presents a new design methods of the short-term load forecasting system (STLFS) using the data mining. The structure of the proposed STLFS is divided into two parts: the Takagi-Sugeno (T-S) fuzzy model-based classifier and predictor The proposed classifier is composed of the Gaussian fuzzy sets in the premise part and the linearized Bayesian classifier in the consequent part. The related parameters of the classifier are easily obtained from the statistic information of the training set. The proposed predictor takes form of the convex combination of the linear time series predictors for each inputs. The problem of estimating the consequent parameters is formulated by the convex optimization problem, which is to minimize the norm distance between the real load and the output of the linear time series estimator. The problem of estimating the premise parameters is to find the parameter value minimizing the error between the real load and the overall output. Finally, to show the feasibility of the proposed method, this paper provides the short-term load forecasting example.

• Journal of the Korea Convergence Society
• /
• v.9 no.5
• /
• pp.1-6
• /
• 2018

In smart grid an accurate load forecasting is crucial in planning resources, which aids in improving its operation efficiency and reducing the dynamic uncertainties of energy systems. Research in this area has included the use of shallow neural networks and other machine learning techniques to solve this problem. Recent researches in the field of computer vision and speech recognition, have shown great promise for Deep Neural Networks (DNN). To improve the performance of daily electric peak load forecasting the paper presents a new deep neural network model which has the architecture of two multi-layer neural networks being serially connected. The proposed network model is progressively pre-learned layer by layer ahead of learning the whole network. For both one day and two day ahead peak load forecasting the proposed models are trained and tested using four years of hourly load data obtained from the Korea Power Exchange (KPX).

• Journal of Korea Society of Industrial Information Systems
• /
• v.18 no.3
• /
• pp.35-46
• /
• 2013

In order to develop an accurate analytical model for domestic electricity demand forecasting, we propose a prediction method of the electric power demand pattern by combining SMO classification techniques and a dimension reduction conceptualized subspace clustering techniques suitable for high-dimensional data cluster analysis. In terms of electricity demand pattern prediction, hourly electricity load patterns and the demographic and geographic characteristics can be analyzed by integrating the wireless load monitoring data as well as sub-regional unit of census information. There are composed of a total of 18 characteristics clusters in the prediction result for the sub-regional demand pattern by using census information and power load of Seoul metropolitan area. The power demand pattern prediction accuracy was approximately 85%.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.111_112
• /
• 2009

복잡하고 대규모화된 전력계통의 최적계획 및 경제적 운용을 위해서는 시간별 전력 부하에 대한 단기간의 전력 부하 예측이 필요하다. 이러한 단기 부하 예측의 정확성을 높이기 위해서는 전력 부하를 유형별 특성에 맞게 적절하게 분류하여야 한다. 이를 위하여 본 논문에서는 데이터 마이닝 기법을 사용하여 보다 효율적이고 체계적으로 전력 부하 패턴을 분류하고, 분류된 그룹의 특징을 분석하였다.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2782-2784
• /
• 2001

최대수요전력 제어기의 실시간 부하전력예측을 위하여 Newton 보외법을 적용하였다. 기존의 선형기법에 비하여 실제 데이터에 가까운 부하전력을 예측할 수 있었다. 이 새로운 알고리즘을 적용함으로써 부하예측을 보다 정확히 할 수 있어 빈번한 부하차단이나 우발적인 차단을 방지하여 설비 운용의 신뢰성을 높일 수 있다. 개선된 알고리즘은 마이컴으로 제어되는 실제 시스템에 적용하여 보다 나은 성능을 얻을 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.05a
• /
• pp.833-836
• /
• 2012

Demand Controller is a load control device that monitor the current power consumption and calculate the forecast power to not exceed the power set by consumer. Accurate demand forecasting is important because of controlling the load use the way that sound a warning and then blocking the load when if forecasted demand exceed the power set by consumer. When if consumer with fluctuating power consumption use the existing forecasting method, management of demand control has the disadvantage of not stable. In this paper, examine the existing forecasting method and the exponential smoothing method, and then propose the forecasting method using Kalman Filter algorithm.

• Proceedings of the KIEE Conference
• /
• 2001.11b
• /
• pp.51-53
• /
• 2001

전력 수요 예측은 전력 수급 안정과 양질의 전력을 공급하기 위한 필수 기법이며 경쟁적인 전력시장에서 전력요금과 밀접한 관련이 있다. 그러므로, 경쟁적인 전력시장 구조하의 시장 참여자에게 있어서 전력 수요 예측은 매우 관심 있는 사항이다. 최근의 전력 수요 예측 기법으로 예측한 오차율을 살펴보면 평일과는 다르게 특수일의 전력 수요예측은 평균 5%를 상회하는 수준으로 예측의 정확도가 평일 예측에 비해 크게 낮은데 이유는 특수일이 평일에 비하여 부하의 크기가 다소 낮게 나타나고 특수일 마다 계절적인 차이가 있으며 각각의 특수일 마다 고유한 부하의 특성이 있으므로 과거 데이터를 이용할 때 동일 특수일을 이용하게 되며 따라서 평일과는 다르게 일년 단위로 과거 데이터 값들이 취득되므로 오차율이 커진다. 따라서 데이터들을 퍼지화하여 선형계획법을 수행하여 평균 $2{\sim}3%$ 정도의 우수한 결과를 도출한 바 있다. 본 논문에서는 퍼지 선형회귀분석법을 이용한 예측 기법에 최소자승법을 도입하여 특수일 전력 수요예측의 정확도를 개선하였다.