• 한국융합학회논문지
• /
• 제9권6호
• /
• pp.39-44
• /
• 2018

심층 신경회로망은 적합한 수학적 모델에 대한 어떠한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있기 때문에 최근 시계열 예측 분야에서 주목 받고 있다. 본 논문에서는 주가의 일별 종가를 예측하기 위한 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 예측 정밀도를 높이기 위해 단일 층의 오토인코더와 4층의 신경회로망이 결합된 구조를 갖는다. 오토인코더 층은 주가 예측에 필요한 최적의 입력 특징을 추출하고 4층의 신경회로망은 추출된 특징을 사용해 주가 예측에 필요한 동특성을 반영하여 주가를 출력한다. 제안된 심층 신경회로망의 학습은 층별로 단계적으로 이뤄지며 최종 단계에서 전체 심층 신경회로망에 대해 한 번 더 학습이 실행된다. 본 논문에 제안된 방법으로 KOrea composite Stock Price Index (KOSPI) 일별 종가를 예측하는 심층 신경회로망을 구현하고 기존 방법과 예측 정확도를 비교, 평가한다.

• 한국환경과학회지
• /
• 제26권10호
• /
• pp.1167-1180
• /
• 2017

Numerical Weather Prediction (NWP) models such as the Weather Research and Forecasting (WRF) model are essential for forecasting one-day-ahead solar irradiance. In order to evaluate the performance of the WRF in forecasting solar irradiance over the Korean Peninsula, we compared WRF prediction data from 2008 to 2010 corresponding to weather observation data (OBS) from the Korean Meteorological Administration (KMA). The WRF model showed poor performance at polluted regions such as Seoul and Suwon where the relative Root Mean Square Error (rRMSE) is over 30%. Predictions by the WRF model alone had a large amount of potential error because of the lack of actual aerosol radiative feedbacks. For the purpose of reducing this error induced by atmospheric particles, i.e., aerosols, the WRF model was coupled with the Community Multiscale Air Quality (CMAQ) model. The coupled system makes it possible to estimate the radiative feedbacks of aerosols on the solar irradiance. As a result, the solar irradiance estimated by the coupled system showed a strong dependence on both the aerosol spatial distributions and the associated optical properties. In the NF (No Feedback) case, which refers to the WRF-only stimulated system without aerosol feedbacks, the GHI was overestimated by $50-200W\;m^{-2}$ compared with OBS derived values at each site. In the YF (Yes Feedback) case, in contrast, which refers to the WRF-CMAQ two-way coupled system, the rRMSE was significantly improved by 3.1-3.7% at Suwon and Seoul where the Particulate Matter (PM) concentrations, specifically, those related to the $PM_{10}$ size fraction, were over $100{\mu}g\;m^{-3}$. Thus, the coupled system showed promise for acquiring more accurate solar irradiance forecasts.

• Journal of Electrical Engineering and Technology
• /
• 제13권6호
• /
• pp.2227-2235
• /
• 2018

Under the current policies and compensation rules in South Korea, Photovoltaic (PV) generation supplier can maximize the profit by combining PV generation with Energy Storage System (ESS). However, the existing operational strategy of ESS is not able to maximize the profit due to the limitation of ESS capacity. In this paper, new ESS scheduling algorithm is introduced by utilizing the System Marginal Price (SMP) and PV generation forecasting to maximize the profits of PV generation supplier. The proposed algorithm determines the charging time of ESS by ranking the charging schedule from low to high SMP when PV generation is more than enough to charge ESS. The discharging time of ESS is determined by ranking the discharging schedule from high to low SMP when ESS energy is not enough to maintain the discharging. To compensate forecasting error, the algorithm is updated every hour to apply the up-to-date information. The simulation is performed to verify the effectiveness of the proposed algorithm by using actual PV generation and ESS information.

• 국제지역연구
• /
• 제14권2호
• /
• pp.25-40
• /
• 2010

변동성을 정확하게 예측하는 것은 금융시장의 변동성 연구에 있어 특히 포트폴리오선택, 옵션가격결정, 위험관리와 관련하여 매우 흥미로운 연구주제이다. 왜냐하면 변동성은 시장의 위험을 의미하기 때문이다. 이 논문은 세 가지 변동성 모형(GARCH, IGARCH, FIGARCH)을 이용하여 호주 주가지수선물시장의 일일후 변동성을 예측하고 각 모형의 예측력을 비교 분석하였다.특히 호주 주가지수선물 변동성에 존재하는 장기기억 특성에 초점을 맞추고 실증분석하였다. 실증분석 결과 FIGARCH 모형이 GARCH 모형이나 IGARCH 모형보다 호주 주가지수선물시장의 장기기억 특성을 더 잘 포착한다는 것을 발견하였다. 또 세 모형 중 FIGARCH 모형을 이용할 경우 일일후 변동성 예측의 성과가 가장 우수하다는 것도 발견하였다. 이는 호주 주가지수선물 변동성에 장기기억이 존재하는 것을 의미하고, 변동성의 특징을 명시적으로 고려하는 FIGARCH 모형이 장기기억을 고려하지 않는 다른 모형들보다 예측성과 측면에서 더 우수하다는 것을 의미한다. 따라서 호주 주가지수선물시장의 장기기억 변동성을 예측하는 데는 FIGARCH 모형이 가장 유용한 것으로 나타났다.

• 한국산학기술학회논문지
• /
• 제17권2호
• /
• pp.87-95
• /
• 2016

본 연구에서는 국내 도시가스 수요 데이터를 분석하여 시간대별 도시가스 수요의 특성을 파악하고 정확한 시간대별 도시가스 수요 예측을 위해 다중회귀모형(multiple regression model)을 개발하였다. 시간대별 도시가스 수요를 정확하게 예측하는 것은 공급자의 비용 절감뿐만 아니라 안정적인 배관망 관리 측면에서도 매우 중요하다. 수요 예측 오류로 인해 가스 공급이 부족한 상황이 발생하면 부족한 공급량을 빠른 시간내에 보충하기 위해 가스 배관망의 압력을 급격히 증가시켜야 하는 응급 상황이 전개될 수 있다. 반면, 시간대별 가스 생산량이 실제 수요보다 많은 경우에는 과다한 저장 시설 운용 및 불필요한 생산 비용이 발생하는 문제가 있다. 과거 시간대별 도시가스 수요 데이터를 분석한 결과 시간대별 도시 가스 수요는 직전 시간대(즉, 24시간 전) 수요와 매우 높은 상관관계를 보이며 24시간 수요 패턴은 1주일전 동일 요일(즉, 168시간전)의 24시간 수요 패턴과 매우 높은 상관관계가 있음을 확인하였다. 또한, 외기 온도가 도시가스 수요에 영향을 주는 특수한 조건을 파악하였다. 즉, 시간대별 도시가스 수요와 시간대별 외기 온도는 평균적으로 0.853의 높은 상관계수 절대값을 보여주며, 상관관계 분석시 같은 요일에 속한 데이터만 분석하면 상관계수의 절대값은 최저 0.861 및 최고 0.965까지 증가한다. 이상의 분석 결과를 바탕으로 본 연구에서는 24시간 전 수요와 168시간 전 수요를 독립변수로 고려한 다중회귀모형 및 외기 온도를 추가한 두 번째 다중회귀모형을 제안하며, 제안한 예측모형의 성능을 확인하기 위해 2009년부터 2013년까지 5년간의 시간대별 수요 예측 결과를 평가하였다. 본 연구에서 제안한 24시간 전 수요와 168시간 전 수요를 독립변수로 고려한 다중회귀모형의 경우 과거 5년간의 수요 예측 오차율의 절대값 평균(mean absolute percentage error)은 4.5% 수준이며, 외기 온도를 추가한 모형의 경우 오차율의 절대값 평균은 5.13%임을 확인하였다.

• 한국산학기술학회논문지
• /
• 제19권8호
• /
• pp.312-321
• /
• 2018

한국의 수요자원(Demand Response, DR) 거래시장은 자연재해 또는 예기치 않은 발전소 사고로 인한 전력수급 위기 시 최대수요를 억제하며, 발전소 건설비용 절감 및 운영예비력 확보를 위한 목적으로 운영되고 있다. 수요자원 거래시장에 참여한 수용가는 전력거래소로부터 수요 감축 1시간 전 급전지시를 통보 받으며, 요청된 수요자원 감축을 통하여 기본급과 실적금을 정산 받는다. 본 논문에서는 냉각 시스템과 ESS을 갖춘 수용가가 계시별요금제와 수요자원 거래시장에 동시 참여 시, 최적 운영계획 수립을 위한 DR 에너지관리 알고리즘을 제안 하였다. 제안된 알고리즘은 주위온도 예측오차가 있는 전일 운영 스케줄링과 DR 운영일 리스케줄링의 두 가지 운영 스케줄링으로 구성된다. 전일 운영 스케줄링의 경우, 냉각 시스템, ESS의 운영스케줄링은 과거 주위온도 데이터를 기반으로 생성된 주위온도 시나리오와 불확실한 DR감축 시나리오에 의해 결정된다. 또한 DR 운영일에 대한 리스케줄링은 수용가의 DR 수익과 건물내부 열괘적성이 보장되며 제안된 방법은 혼합정수 선형 프로그래밍(Mixed Integer Linear Programming, MILP)에 의해 기대 에너지 비용을 최소화한다.

• 국제지역연구
• /
• 제14권3호
• /
• pp.62-84
• /
• 2010

본 논문은 중국, 홍콩, 대만 주식시장들 사이의 동태적 상호의존성을 연구한다. 이를 위하여 아시아 금융위기가 그러한 상호의존성의 구조전환점인지를 검토하고, 이를 아시아 금융위기를 기준으로 세 가지 분석기간을 설정하여 수익률과 변동성의 정보전이효과를 분석한다. 전체기간을 대상으로 한 실증분석 결과 세 시장 수익률 평균과 비대칭 변동성 사이에 정보전이효과가 유의하게 존재한다는 증거가 발견되었다. 이는 세 시장 간에 정보전이와 비대칭적 변동성이 존재한다는 것을 암시한다. 또 수익률 평균과 비대칭 변동성 사이에 존재하는 정보전이효과의 크기가 금융위기 이후 증가한 것으로 나타났다. 이러한 사실은 아시아 금융위기 이후 중국, 홍콩, 대만 주식시장의 통합이 더 강화된 것을 의미한다. 특히 변동성 정보전이효과의 비대칭성이 금융위기 이후 더 심화된 것으로 나타났다. 이러한 사실은 긍정적 충격보다 부정적 충격이 대중국 주식시장 변동성에 미치는 영향이 금융위기 이후 더 심화된 것을 의미한다. 결론적으로 아시아 금융위기가 중국, 홍콩, 대만 주식시장의 정보전이와 비대칭성을 심화시킨 것으로 판단된다.

• 한국태양에너지학회 논문집
• /
• 제39권6호
• /
• pp.113-125
• /
• 2019

With the opening of the small power brokerage business market in December 2018, the small power trading market has started in Korea. Operators must submit the day-ahead estimates of power output and receive incentives based on its accuracy. Therefore, the accuracy of power generation forecasts is directly affects profits of the operators. The forecasting process for power generation can be divided into two procedure. The first is to forecast solar irradiation and the second is to transform forecasted solar irradiation into power generation. There are two methods for transformation. One is to simulate with physical model, and another is to use regression model. In this study, we found the best-fit regression model by analyzing hourly data of PV output and solar irradiation data during three years for 242 PV plants in Korea. The best model was not a linear model, but a sigmoidal model and specifically a Gompertz model. The combined linear regression and Gompertz curve was proposed because a the curve has non-zero y-intercept. As the result, R² and RMSE between observed data and the curve was significantly reduced.

• 품질경영학회지
• /
• 제47권3호
• /
• pp.497-508
• /
• 2019

Purpose: The purpose of this study is to overcome limitations of conventional studies that to predict Baltic Dry Index (BDI). The study proposed applications of Artificial Neural Network (ANN) named Long Short-Term Memory (LSTM) to predict BDI. Methods: The BDI time-series prediction was carried out through eight variables related to the dry bulk market. The prediction was conducted in two steps. First, identifying the goodness of fitness for the BDI time-series of specific ANN models and determining the network structures to be used in the next step. While using ANN's generalization capability, the structures determined in the previous steps were used in the empirical prediction step, and the sliding-window method was applied to make a daily (one-day ahead) prediction. Results: At the empirical prediction step, it was possible to predict variable y(BDI time series) at point of time t by 8 variables (related to the dry bulk market) of x at point of time (t-1). LSTM, known to be good at learning over a long period of time, showed the best performance with higher predictive accuracy compared to Multi-Layer Perceptron (MLP) and Recurrent Neural Network (RNN). Conclusion: Applying this study to real business would require long-term predictions by applying more detailed forecasting techniques. I hope that the research can provide a point of reference in the dry bulk market, and furthermore in the decision-making and investment in the future of the shipping business as a whole.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.131-131
• /
• 2021

Deep learning models, especially those based on long short-term memory (LSTM), have presented their superiority in addressing time series data issues recently. This study aims to comprehensively evaluate the performance of deep learning models that belong to the supervised learning category in streamflow prediction. Therefore, six deep learning models-standard LSTM, standard gated recurrent unit (GRU), stacked LSTM, bidirectional LSTM (BiLSTM), feed-forward neural network (FFNN), and convolutional neural network (CNN) models-were of interest in this study. The Red River system, one of the largest river basins in Vietnam, was adopted as a case study. In addition, deep learning models were designed to forecast flowrate for one- and two-day ahead at Son Tay hydrological station on the Red River using a series of observed flowrate data at seven hydrological stations on three major river branches of the Red River system-Thao River, Da River, and Lo River-as the input data for training, validation, and testing. The comparison results have indicated that the four LSTM-based models exhibit significantly better performance and maintain stability than the FFNN and CNN models. Moreover, LSTM-based models may reach impressive predictions even in the presence of upstream reservoirs and dams. In the case of the stacked LSTM and BiLSTM models, the complexity of these models is not accompanied by performance improvement because their respective performance is not higher than the two standard models (LSTM and GRU). As a result, we realized that in the context of hydrological forecasting problems, simple architectural models such as LSTM and GRU (with one hidden layer) are sufficient to produce highly reliable forecasts while minimizing computation time because of the sequential data nature.