• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.697-700
• /
• 2005

최근들어 전력의 안정적인 공급과 계통의 안정한 운용 등을 위해서 신뢰성 높은 전력수요예측의 필요성이 점차 증가하고 있다. 본 논문에서는 기존에 제시된 예측시스템보다 정확도가 높은 전력수요예측을 위해 카오스 이론과 퍼지 보산 알고리즘을 이용하여 전력수요량 예측시스템을 제안한다. 최대수요 전력 시계열 데이터를 수집하여 카오스 성질을 분석하여 이를 바탕으로 퍼지 알고리즘을 적용한 전력수요량 예측 시스템을 구성하고, 이 시스템을 통하여 얻어진 결과와 실제 데이터를 비교함으로서 시스템의 성능을 평가한다.

• The Journal of the Korea Contents Association
• /
• v.16 no.11
• /
• pp.488-498
• /
• 2016

Much of the information is stored as data, research has been activated for analyzing the data and predicting the special circumstances. In the case of power data, the studies, such as research of renewable energy utilization, power prediction depending on site characteristics, smart grid, and micro-grid, is actively in progress. In this paper, we propose a power prediction model using the substation environment data. In this case, we try to verify the power prediction result to reflect the multiple arguments on the power and weather data, rather than a simple power data. The validation process is the effect of multiple factors compared to other two methods, one of power prediction result considering power data and the other result using power pattern data that have been made in the similar weather data. Our system shows that it can achieve max prediction error of less than 15%.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.7
• /
• pp.307-314
• /
• 2022

Recently, researches using deep learning-based models are being actively conducted to replace statistical-based time series forecast techniques to predict electric power demand. The result of analyzing the researches shows that the performance of the LSTM-based prediction model is acceptable, but it is not sufficient for long-term regional-wide power demand prediction. In this paper, we propose a WaveNet deep learning model to predict electric power demand 24-hour-ahead with temperature data in order to achieve the prediction accuracy better than MAPE value of 2% which statistical-based time series forecast techniques can present. First of all, we illustrate a delated causal one-dimensional convolutional neural network architecture of WaveNet and the preprocessing mechanism of the input data of electric power demand and temperature. Second, we present the training process and walk forward validation with the modified WaveNet. The performance comparison results show that the prediction model with temperature data achieves MAPE value of 1.33%, which is better than MAPE Value (2.33%) of the same model without temperature data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.200-203
• /
• 2008

최근 전력산업에서의 에너지 가격 및 공급과 수요의 변동, 그리고 기후의 변화에 의해서 부하 예측은 전력회사 경영방침 계획에 있어 중요한 요소가 되었다. 이 논문에서 전력계통의 최적 운용 계획을 위하여 우리가 제안한 기법은 다차원 분석이 가능한 3D 큐브 마이닝과 시간의 변화에 따른 패턴 예측이 가능한 캘린더 기반 시간 데이터 마이닝 기법이다. 이를 통하여 무선 부하 감시 시스템의 부하 데이터의 다차원 분석이 가능하고, 시간 변화에 따른 서로 다른 부하 패턴의 예측이 가능하도록 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.157-158
• /
• 2019

발전소 관리의 단기 전력 수요에 대한 정확한 예측은 전력 시스템의 안전하고 효율적인 작동을 보장하는데 필수적이다. 따라서 본 연구는 가우스 커널 함수 네트워크 (GKFNs)의 심층 구조를 이용하여 일일 최대 전력 수요를 예측하는 새로운 방법을 제시한다. 제안 된 GKFN의 깊이 구조는 표준 GKFN에 비해 예측 정확도를 향상시킨다. 한국의 일일 최대 전력 수요를 예측하기위한 시뮬레이션은 제안 된 예측 모델이 GKFN 모델, k-NN 및 SVR과 같은 다른 예측 모델에 비해 예측 성능에 이점이 있음을 보여준다. GKFN의 제안된 심층 구조는 시계열 예측 및 회귀 문제의 다양한 문제에 적용될 수 있다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.30 no.12
• /
• pp.724-735
• /
• 2003

In recent high-performance superscalar processors, the result value of an instruction is predicted to improve instruction-level parallelism by breaking data dependencies. Using those predicted values, instructions are speculatively executed and substantial performance can be gained. It, however, requires additional power consumption due to the frequent access and update of the value prediction table. In this paper, first, the trade-off between the performance improvement and the increased power consumption for value prediction is measured and analyzed. And, in order to reduce additional power consumption without performance loss, the technique of controlling speculative execution with confidence counter and predicting useful instructions is developed. Also, in order to prove the validity, a tool is developed that can simulate processor behavior at cycle-level and measure total energy consumption and power consumption per cycle.

• The Korean Journal of Applied Statistics
• /
• v.33 no.6
• /
• pp.791-804
• /
• 2020

Residential electricity consumption can be predicted more accurately by utilizing the realtime household electricity consumption reference that can be collected by the AMI as the ICT developed under the smart grid circumstance. This paper studied the model that predicts residential power load using the ARIMA, TBATS, NNAR model based on the data of hour unit amount of household electricity consumption, and unlike forecasting the consumption of the whole households at once, it computed the anticipated amount of the electricity consumption by aggregating the predictive value of each established model of cluster that was collected by the households which show the similiar load profile. Especially, as the typical time series data, the electricity consumption data chose the clustering analysis method that is appropriate to the time series data. Therefore, Dynamic Time Warping and Periodogram based method is used in this paper. By the result, forecasting the residential elecrtricity consumption by clustering the similiar household showed better performance than forecasting at once and in summertime, NNAR model performed best, and in wintertime, it was TBATS model. Lastly, clustering method showed most improvements in forecasting capability when the DTW method that was manifested the difference between the patterns of each cluster was used.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.720-722
• /
• 2009

Optimal operation of electric power generating plants is very essential for any power utility organization to reduce input costs and possibly the prices of electricity in general. This paper developed models for load forecasting using neural networks approach. This model is tested using actual load data of the Busan and weather data to predict the load of the Busan for one month in advance. The test results showed that the neural network forecasting approach is more suitable and efficient for a forecasting application.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.475-476
• /
• 2017

본 논문은 다수의 국외 시장 전망 보고서를 기반으로 최근 해외 도입 및 국내 구축 예정인 DC 배전 시장 동향과 경제적 효율성을 분석하였다. 분석 방법은 3가지 시나리오에 따라 2030년까지의 시장 규모 추이를 예측하고, DC 배전을 구성하는 배전용 전력기기의 시장 규모를 도출하였다. 또한 시장점유율, 부가가치율, 온실가스 감축 등의 요소를 적용하여, 세계 시장에 대한 국내 기업 점유율에 따른 DC 배전의 편익을 계산하였다. 그 결과 2030년 기준 DC 배전 시장 규모의 긍정적 확장성을 예측할 수 있었으며, DC 배전용 전력기기 시장 규모와 이에 따른 경제적 편익을 확인하였다. 추후 연구에서는 DC 배전 시장을 구성하는 각 부문들의 규모 추이를 파악하고, 국내 DC 배전용 전력기기 개발 실데이터를 적용하여 비용편익비(BCR)를 도출하고자 한다.

• Proceedings of the KIEE Conference
• /
• 2005.11b
• /
• 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.