• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 A
• /
• pp.389-391
• /
• 2002

This paper presents the System Marginal Price(SMp) forecasting implementation using backpropagation Neural Networks in Competitive Electricity Market. SMP is very important term to seek the maximum profit to bidding participants. Demand and SMP that necessary data for training Neural Networks, supplied from Korea Power Exchange(KPX). Statistic analysis about predicted SMP presents a part of consideration in end of this paper.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2005년도 추계학술대회 논문집
• /
• pp.889-896
• /
• 2005

While a year and a half has been passed since the launch of KTX service, traffic volume of Gyung-bu High Speed Railway is still much lower than the forecasted value. This situation has been badly affecting not only Korail's financial status but also KRNA's general railway construction projects as general public responds negatively to such projects as New Ho-nam Line Construction. This paper outlines traffic volume forecasting methodologies applied to construction of Gyung-bu High Speed Railway, identifies major causes of forecasting deviations. and finally extracts problems through comparison between the forecasted results and actual traffic volume.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회(2)
• /
• pp.1112-1113
• /
• 2005

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 2007년도 제57회 학술발표회논문집
• /
• pp.638-646
• /
• 2007

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2007년도 제6회 추계학술대회 및 정기총회
• /
• pp.35-41
• /
• 2007

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 1998년도 학술발표회 논문집
• /
• pp.179-184
• /
• 1998

• 한국산학기술학회논문지
• /
• 제12권3호
• /
• pp.1488-1494
• /
• 2011

본 연구에서는 선형회귀모형(linear regression model)을 이용하여 겨울철 일일 온수 수요 총량을 예측하는 알고리즘을 개발한다. 한국지역난방공사에서는 온수 공급 계약을 맺고 있는 아파트, 상가 및 사무용 빌딩 등에 난방 및 급탕 온수를 공급한다. 일반적으로 온수는 보일러 및 열병합 발전기를 가동하여 생산하며, 경제적인 온수 생산계획을 수립하기 위해서는 온수 수요를 정확히 파악하는 것이 중요하다. 따라서, 본 연구에서는 난방을 위한 온수 수요가 급증하는 겨울철 온수 수요의 특성을 분석하고, 선형회귀모형을 이용한 온수 수요 예측 알고리즘을 개발한다. 겨울철 일일 온수 수요는 외기온도의 영향을 많이 받는 것으로 알려져 있으나, 본 연구에서는 외기온도와 예측일 하루 전날 온수 공급 실적값을 동시에 고려할 때 예측 정확도를 크게 높일 수 있음을 확인하였다. 본 연구에서 개발하는 예측 알고리즘의 타당성을 검증하기 위해 한국지역난방공사 서울 강남지사의 2006 ~ 2009년도 온수 수요 공급 실적과 기상청의 기상정보를 이용하여 겨울철 일일 온수 수요 총량을 예측한 결과, 평균 오차율(mean absolute percentage error)이 3.87%을 넘지 않는 수준임을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.187-194
• /
• 2019

시장의 급속한 변화와 개별 수요자 요구의 다양화로 인하여 전통적인 예측 방식은 기업의 요구사항을 충족시키기 어렵다. 다변화하는 생산 환경에서의 올바른 수요예측은 원활한 수율관리를 위한 중요한 요소이다. 현재 산업에서 보편적으로 사용되는 기존의 많은 예측 모델은 조금씩 기능에 제한이 있다. 제안된 모델은 각 모델이 개별적으로 더 잘 수행하는 부분을 고려하여 이러한 한계를 극복하도록 설계 되었다. 본 논문에서는 동적 프로세스 분석에 적합한 Grey Relational 분석을 통한 변수 추출을 하고, ARIMA 예측값을 통하여 산출되는 과거 수요 데이터의 특징을 포함하는 통계적으로 예측된 데이터를 생성한다. 이후, LSTM 모델과 결합하여 신경망모델이 가지는 특성인 유연성, 장기적인 의존성 문제를 피하도록 구성되어진 구조를 통하여 수요예측에 영향을 주는 많은 요인들을 특징을 반영하여 수요예측을 산출할 수 있다.

• 한국방재안전학회논문집
• /
• 제14권2호
• /
• pp.35-42
• /
• 2021

본 논문은 전기자동차 충전시설 확충계획에 중요한 요소인 전기자동차 전력 수요량 예측정보를 생산하기 위하여 Exponential Smoothing를 이용하여 전력 수요량 예측 모형을 제안하였다. 모형의 입력자료 구축을 위하여 종속변수로 월별 시군구 전력수요량을 독립변수로 월별 시군구 충전소 보급대수, 월별 시군구 전기자동차 충전소 충전 횟수, 월별 전기자동차 등록대수 자료를 월 단위로 수집하고 수집된 7년간 자료 중 4년간 자료를 학습기간으로 3년간 자료를 검증 기간으로 적용하였다. 전기자동차 전력 수요량 예측 모형의 정확성을 검증하기위하여 통계적 방법인 Exponential Smoothing(ETS), ARIMA모형의 결과와 비교한 결과 ETS, ARIMA 각각의 오차율은 12%, 21%로 본 논문에서 제시한 ETS가 9% 더 정확하게 분석되었으며, 전기자동차 전력 수요량 예측 모형으로써 적합함을 확인하였다. 향후 이 모형을 이용한 전기자동차 충전소 설치 계획부터 운영관리 측면에서 활용될 것으로 기대한다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.85-98
• /
• 2021

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는 공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어 왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.