• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• 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.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.227-239
• /
• 2020

본 논문에서는 산업현장에서 통신 오류에도 불구하고 최대전력수요를 예측하는 방법을 소개한다. 최근 국내의 탈원전 정책으로 전력가격상승은 불가피하며, 이에 따른 전력수요 관리를 위한 전력사용량과 최대부하관리는 중요한 문제로 부상하고 있다. 이에 따라, 피크전력을 예측하고 관리하는 것이 중요하다. 하지만 실제 산업현장에서는 각종 설비 및 센서에서 발생하는 노이즈 등으로 인해 측정된 전력데이터의 손실 및 변조 등의 문제가 발생한다. 측정된 유효전력 데이터가 손실된 경우 정확한 값을 예측하기 어렵다. 이 연구는 측정된 유효전력 데이터가 손실될 경우 이상 징후와 결측값을 예측하고 수정하는 모델을 제시한다. 본 연구에 사용된 모델은 산업현장에서 통신 오류가 발생할 경우 최대 전력수요를 예측하는 데 유용할 것으로 예상한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.610-611
• /
• 2011

전력 계통의 운용 계획을 최적화하기 위해서 연간 최대전력수요와 시간별 전력수요에 대한 장단기간의 수요 예측에 관한 연구가 활발하게 진행 중이다. 특히, 단기 수요 예측은 발전비용과 신뢰도에 크게 영향을 주며, 전력계통의 제어 및 단기계획, 경제급전, 전력조류계산 등의 입력 자료로 활용된다. 많은 예측 문제에 폭넓게 사용되고 있는 인공신경회로망은 전력수요 예측에도 자주 쓰이는 기법이다. 본 논문에서는 이를 보다 정확히 하기 위해 기존의 인공신경회로망 기법을 개선하여 보다 정확한 예측을 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.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권6호
• /
• pp.251-258
• /
• 2023

안정적으로 전력을 공급하고 전력계통을 운영하기 위해서는 최대전력을 정확히 예측해야 한다. 특히, 최대전력이 높게 발생하는 겨울과 여름에는 그 중요성이 매우 커진다. 최대전력을 실제 수요보다 높게 예측하면 발전소 기동 비용이 증가하여 경제적 손실이 발생하고, 최대전력을 실제 수요보다 낮게 예측하면 기동이 가능한 발전소가 부족하여 정전이 발생할 수 있다. 최대전력의 예측 오차를 최소화함으로써 경제적 손실과 정전을 예방할 수 있다. 본 논문에서는 최대전력 예측의 오차를 최소화하기 위하여 최신 딥러닝 모델인 TCN을 이용한다. 딥러닝 모델은 하이퍼 파라미터를 어떻게 설정하느냐에 따라 성능 차이가 발생하므로, TCN의 하이퍼 파라미터를 최적화하는 방법을 제안한다. 2006년부터 2021년까지의 데이터를 입력하여 모델을 훈련하고, 2022년의 데이터를 이용하여 예측 오차를 실험하였다. 실험을 수행한 결과 본 논문에서 제안한 최적화 방법을 이용한 TCN 모델의 성능이 다른 딥러닝 모델보다 성능이 우수한 것을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.69-70
• /
• 2011

평일의 전력수요는 연속적인 시계열 특성이 뚜렷하여 전력수요예측 오차가 크지 않으나 특수일의 경우는 불연속적인 시계열특성을 가지게 되어 전력수요예측 오차율이 크다. 특히, 연휴의 직전 평일은 평일의 특성과 특수일의 특성이 혼재하고 있어 오차율이 가장 큰 일자 중 하나이다. 따라서 본 논문에서는 연휴 직전 평일과 직전 일요일과의 부하 변동비를 계산하여 전력수요를 예측하는 방법을 제안하고, 추석연휴 직전 평일에 제안한 방법을 적용하여 최대수요예측 오차가 개선됨을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제9권4호
• /
• pp.420-425
• /
• 1999

최대수요전력 예측과 제어의 목적은 공장 또는 빌딩등의 전력수용가의 입장에서 수시로 변동하는 부하의추이를 파악 예측하여 에너지 합리화 경제성 증대 산업기기의 보호 수용가의 비용절감과 더불어 크게는 국가적인 전력시스템안정화를 가져가기 위함에 있다. 최대수요전력 예측/제어를 위한 기존의 방법들은 수용가 특성이나 계절별 요일별 차이를 고려하지 않고 고정된 알고리즘에 의해 예측값이 결정되므로 환경변화에 적극적인 대응능력이 부족한 단점이있다. 이와같은 문제점의 해결을 위해 본 논문에서는 현재 많은 연구가 되고 있는 SOFM 신경망을 이용한 예측 방법과 예측치의 보정방법으로 퍼지제어길르 추가한 형태의 최대수요전력예측 제어기를 제안한다, 예측방법의 경우 유동적이며 적은 구간을 통하여 순시부하처럼 변동이 많은 데이터에 대하여 예측시간을 단축함과 동시에 오차를 줄여나갈수 있다. 또한 2단계의 학습을 통하여 SOFMd의 출력값이 패턴이 아닌 예측치가 될 수 있도록 변형하였으며 패턴자체의 변화에 대응하여 패턴오차를 이용하여재학습을 하도록 하여 불안정한 전력에 대하여 보완한다. 그리고 예측후반부에 퍼지제어기를 연결하여 예측의 신뢰성을 높이는 안정된 예측구조를 가지고 있다. 실험결과 시계열 예측방법인 지수평활법보다 제안된 예측/제어 방법이 우수함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.608-609
• /
• 2011

전력수요 예측 오차가 큰 추석 연휴 및 전, 후일 전력수요 예측의 정확성을 향상시키기 위해 과거 추석 연휴 및 전, 후일에 대한 전력수요 특성을 분석하고 최대/최소 전력 예측을 위한 퍼지 입력데이터 선정 방법과 24시간 예측을 위한 정규화에 필요한 입력 데이터 선정방법을 개발하여 퍼지 선형회귀분석 모델을 사용하여 2006년에서 2010년까지 5개년의 사례연구를 통해 알고리즘의 우수성을 검증하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• 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.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 추계학술대회 논문집 전력기술부문
• /
• pp.29-30
• /
• 2007

본 논문은 특수일 전력 수요 예측을 위해 온도 효과를 고려한 데이터 추출법을 이용하여 특수일 전력 수용 예측 오차율을 감소시키는 방법을 제시한다. 제안된 기법의 타당성을 확인하기 위해 논문에서는 통계학에서 사용되는 결정계수를 이용한다. 결정계수를 이용하여 온도효과의 고려 여부가 오차율에 미치는 영향을 분석하였다. 또한 제안된 기법은 1996년 특수일 오차율을 기존 논문의 결과와 비교 분석하여 기존 방식 대비 특수일 전력 수요예측 관련 우수성을 보였으며, 최근 데이터인 2006년 특수일 전력 수요 예측을 통하여 검증하였다.