The Transactions of The Korean Institute of Electrical Engineers
/
v.63
no.4
/
pp.451-454
/
2014
Short-term load forecasting(STLF) for electric power demand is essential for stable power system operation and efficient power market operation. We improved STLF method by using hourly temperature as an input data. In order to using hourly temperature to STLF algorithm, we calculated temperature-electric power demand sensitivity through past actual data and combined this sensitivity to exponential smoothing method which is one of the STLF method. The proposed method is verified by case study for a week. The result of case study shows that the average percentage errors of the proposed load forecasting method are improved comparing with errors of the previous methods.
Kim, Jung-Il;Cha, Kyoung-Cheon;Jun, Duk-Bin;Park, Dae- Keun;Park, Sung-Ho;Park, Myoung-Whan
IE interfaces
/
v.18
no.3
/
pp.343-349
/
2005
This study presents the empirical results of comparing several demand forecasting methods for Supply Chain Management(SCM). Adaptive exponential smoothing using change detection statistics (Jun) is compared with Trigg and Leach's adaptive methods and SAS time series forecasting systems using weekly SCM demand data. The results show that Jun's method is superior to others in terms of one-step-ahead forecast error and eight-step-ahead forecast error. Based on the results, we conclude that the forecasting performance of SCM solution can be improved by the proposed adaptive forecasting method.
Forecasting of electricity demand have difficulty in adapting to abrupt weather changes along with a radical shift in major regional and global climates. This has lead to increasing attention to research on the immediate and accurate forecasting model. Technically, this implies that a model requires only a few input variables all of which are easily obtainable, and its predictive performance is comparable with other competing models. To meet the ends, this paper presents an energy demand forecasting model that uses the variable selection or extraction methods of data mining to select only relevant input variables, and employs support vector regression method for accurate prediction. Also, it proposes a novel performance measure for time-series prediction, shift index, followed by description on preprocessing procedure. A comparative evaluation of the proposed method with other representative data mining models such as an auto-regression model, an artificial neural network model, an ordinary support vector regression model was carried out for obtaining the forecast of monthly electricity demand from 2000 to 2008 based on data provided by Korea Energy Economics Institute. Among the models tested, the proposed method was shown promising results than others.
Kim, Shin-Geol;Pyon, Sin-Suk;Kim, Young-Sang;Koo, Ja-Yong
Journal of Korean Society of Water and Wastewater
/
v.20
no.2
/
pp.187-196
/
2006
Forecasting the long-term water demand is important in the plan of water supply system because the location and capacity of water facilities are decided according to it. To forecast the long-term water demand, the existing method based on lpcd and population has been usually used. But, these days the trend among the variation of water demand has been disappeared, so expressing other variation of it is needed to forecast correct water demand. To accomplish it, we introduced the System Dynamics method to consider total connections of water demand factor. Firstly, the factors connected with water demand were divided into three sectors(water demand, industry, and population sectors), and the connections of factors were set with multiple regression model. And it was compared to existing method. The results are as followings. The correlation efficients are 0.330 in existing model and 0.960 in SD model and MAE are 3.96% in existing model and 1.68% in SD model. So, it is proved that SD model is superior to the existing model. To forecast the long-term water demand, scenarios were made with variations of employment condition, economic condition and consumer price indexes and forecasted water demands in 2012. After all scenarios were performed, the results showed that it was not needed to increase the water supply ability in Seoul.
The scheduling of plant should be determined based on the product demands correctly forecasted by reasonable methods. However, because most existing forecasting packages need user's knowledge about forecasting, it has been hard for plant engineers without forecasting knowledge to apply forecasted demands to scheduling. Therefore, a forecasting module has been developed for plant engineers without forecasting knowledge. In this study, for the development of the forecasting module, an automatic method using the ARIMA model that is framed from the modified Box-Jenkins process is proposed. And a new method for safety inventory determination is proposed to reduce the penalty cost by forecasting errors. Finally, using the two proposed methods, the web-based automatic module has been developed.
Kim, Jeong-Il;Cha, Gyeong-Cheon;Jeon, Deok-Bin;Park, Dae-Geun;Park, Seong-Ho;Park, Myeong-Hwan
Proceedings of the Korean Operations and Management Science Society Conference
/
2005.05a
/
pp.658-663
/
2005
This study presents the empirical results of comparing several demand forecasting methods for Supply Chain Management(SCM). Adaptive exponential smoothing using change detection statistics (Jun) is compared with Trigg and Leach's adaptive methods and SAS time series forecasting systems using weekly SCM demand data. The results show that Jun's method is superior to others in terms of one-step-ahead forecast error and eight-step-ahead forecast error. Based on the results, we conclude that the forecasting performance of SCM solution can be improved by the proposed adaptive forecasting method.
The Transactions of The Korean Institute of Electrical Engineers
/
v.64
no.6
/
pp.852-856
/
2015
Demand side management (DSM) program has been frequently used for reducing the system peak load because it gives utilities and independent system operator (ISO) a convenient way to control and change amount of electric usage of end-use customer. Planning and operating methods are needed to efficiently manage a DSM program. This paper presents a planning method for DSM program. A planning method for DSM program should include an electric load forecasting, because this is the most important factor in determining how much to reduce electric load. In this paper, load forecasting with the temperature stochastic modeling and the sensitivity to temperature of the electric load is used for improving load forecasting accuracy. The proposed planning method can also estimate the required day, hour and total capacity of DSM program using Monte-Carlo simulation. The results of case studies are presented to show the effectiveness of the proposed planning method.
The Transactions of the Korean Institute of Electrical Engineers
/
v.45
no.4
/
pp.511-516
/
1996
In this paper, weekly maximum power demand forecasting method in consideration of temperature estimation using a time series model was presented. The method removing weekly, seasonal variations on the load and irregularities variation due to unknown factor was presented. The forecasting model that represent the relations between load and temperature which get a numeral expected temperature based on the past 30 years(1961~1990) temperature was constructed. Effect of holiday was removed by using a weekday change ratio, and irregularities variation was removed by using an autoregressive model. The results of load forecasting show the ability of the method in forecasting with good accuracy without suffering from the effect of seasons and holidays. Percentage error load forecasting of all seasons except summer was obtained below 2 percentage. (author). refs., figs., tabs.
Ngoc, Lan Dong Thi;Van, Khai Phan;Trang, Ngo-Thi-Thu;Choi, Gyoo Seok;Nguyen, Ha-Nam
International journal of advanced smart convergence
/
v.10
no.4
/
pp.59-65
/
2021
Electricity contributes to the development of the economy. Therefore, forecasting electricity demand plays an important role in the development of the electricity industry in particular and the economy in general. This study aims to provide a precise model for long-term electricity demand forecast in the residential sector by using three independent variables include: Population, Electricity price, Average annual income per capita; and the dependent variable is yearly electricity consumption. Based on the support of Multiple variable regression, the proposed method established a model with variables that relate to the forecast by ignoring variables that do not affect lead to forecasting errors. The proposed forecasting model was validated using historical data from Vietnam in the period 2013 and 2020. To illustrate the application of the proposed methodology, we presents a five-year demand forecast for the residential sector in Vietnam. When demand forecasts are performed using the predicted variables, the R square value measures model fit is up to 99.6% and overall accuracy (MAPE) of around 0.92% is obtained over the period 2018-2020. The proposed model indicates the population's impact on total national electricity demand.
We employed various econometic methods to estimate the production index elasticity and the price elasticity of elecricity demand in Korea and compared the forecasting power of those methods. Cointegration models (ADL model, Engle-Granger model, Full Informtion Maximum Likelihood method by Johansen and Juselius) and Dynamic OLS by Stock and Watson were considered. The forecasting power test shows that Dynamic OLS has the best forecasting power. According to Dynamic OLS, the production index elasticity and the price elasticity of electricity demand in Korea are 0.13 and -0.40, respectively.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.