• 대한임베디드공학회논문지
• /
• 제9권3호
• /
• pp.137-143
• /
• 2014

Demand Controller is a load control device that monitor the current power consumption and calculate the forecast power to not exceed the power set by consumer. Accurate demand forecasting is important because of controlling the load use the way that sound a warning and then blocking the load when if forecasted demand exceed the power set by consumer. When if consumer with fluctuating power consumption use the existing forecasting method, management of demand control has the disadvantage of not stable. In this paper, load forecasting of the unit of seconds using the Exponential Smoothing Methods, ARIMA model, Kalman Filter is proposed. Also simulation of load forecasting of the unit of the seconds methods and existing forecasting methods is performed and analyzed the accuracy. As a result of simulation, the accuracy of load forecasting methods in seconds is higher.

• 산업경영시스템학회지
• /
• 제42권1호
• /
• pp.129-136
• /
• 2019

In this study, we proposed a model for forecasting power energy demand by investigating how outside temperature at a given time affected power consumption and. To this end, we analyzed the time series of power consumption in terms of the power spectrum and found the periodicities of one day and one week. With these periodicities, we investigated two time series of temperature and power consumption, and found, for a given hour, an approximate linear relation between temperature and power consumption. We adopted an exponential smoothing model to examine the effect of the linearity in forecasting the power demand. In particular, we adjusted the exponential smoothing model by using the variation of power consumption due to temperature change. In this way, the proposed model became a mixture of a time series model and a regression model. We demonstrated that the adjusted model outperformed the exponential smoothing model alone in terms of the mean relative percentage error and the root mean square error in the range of 3%~8% and 4kWh~27kWh, respectively. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric energy together with the outside temperature.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1373-1380
• /
• 2019

에너지의 생산 효율성을 증가시키기 위해 최근 스마트그리드 기술 중 지능형 검침 시스템(AMI, advanced metering infrastructure)의 개발이 활발히 진행되고 있다. 전력 소비 데이터를 분석하고 소비 패턴을 예측하는 일은 AMI에서 핵심적인 부분이다. 본 논문에서는 수집된 전력 소비 데이터를 분석하고 발생할 수 있는 오류들을 정리하였으며 소비 패턴을 월별로 k-means 군집화 알고리즘을 사용하여 분석하였다. 또한 deep neural network를 이용하여 소비 패턴을 예측하였는데, 가구별 하루 전력 사용량 예측의 어려움을 극복하기 위하여 전력 사용량을 100개의 군집으로 분류하여 이 군집의 하루 평균으로 다음날 군집의 평균을 예측하였다. 실제 AMI에서의 전력 데이터를 사용하여 오류들을 분석하였으며 군집화 방법을 도입하여 성공적으로 전력 소비 예측이 가능하였다.

• 대한산업공학회지
• /
• 제28권1호
• /
• pp.63-75
• /
• 2002

To improve the efficiency of the electric power generation, monthly maximum electric power consumptions for a next one year should be forecasted in advance and used as the fundamental input to the yearly electric power-generating master plan, which has a greatly influence upon relevant sub-plans successively. In this paper, we analyze the past 22-year hourly maximum electric load data available from KEPCO(Korea Electric Power Corporation) and select necessary data from the raw data for our model in order to reflect more recent trends and seasonal components, which hopefully result in a better forecasting model in terms of forecasted errors. After analyzing the selected data, we recommend to KEPCO the Winters' multiplicative model with decomposition and exponential smoothing technique among many candidate forecasting models and provide forecasts for the electric power consumptions and their 95% confidence intervals up to December of 1999. It turns out that the relative errors of our forecasts over the twelve actual load data are ranged between 0.1% and 6.6% and that the average relative error is only 3.3%. These results indicate that our model, which was accepted as the first statistical forecasting model for monthly maximum power consumption, is very suitable to KEPCO.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.833-836
• /
• 2012

최대수요전력 관리 장치는 현재 사용전력을 모니터링하여 예측 전력을 계산해 수용가에서 설정한 목표전력을 초과하지 않게 부하를 제어하는 장치이다. 부하의 제어는 예측된 최대수요전력이 목표전력을 초과할 경우 경보를 발생하고 부하를 차단하는 방식을 사용하기 때문에 최대수요전력에 대한 정확한 예측이 중요하다. 전력 변동이 심한 수용가에서는 기존의 예측 방법을 사용할 경우 최대수요전력 관리가 안정적이지 못하다는 단점이 있다. 본 논문에서는 기존의 최대수요전력 예측 방법 및 지수평활방법을 살펴보고 칼만 필터를 사용한 예측 방법을 제안한다.

• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.954-965
• /
• 2017

안정적인 전력 공급은 전력 인프라의 유지 보수 및 작동에 매우 중요하며, 이를 위해 정확한 전력 사용량 예측이 요구된다. 대학 캠퍼스는 전력 사용량이 많은 곳이며, 시간과 환경에 따른 전력 사용량 변화폭이 다양하다. 이러한 이유로, 전력계통의 효율적인 운영을 위해서는 전력 사용량을 정확하게 예측할 수 있는 모델이 요구된다. 기존의 시계열 예측 기법은 학습 시점과 예측 시점 간의 차이가 클수록 예측 구간이 넓어짐으로 예측 성능이 크게 떨어진다는 단점이 있다. 본 논문은 이를 보완하려는 방안으로, 먼저 의사결정나무를 이용해 날짜, 요일, 공휴일 여부, 학기 등을 고려하여 시계열 형태가 유사한 전력 데이터를 분류한다. 다음으로 분류된 데이터 셋에 각각의 자기회귀누적이동평균모형을 구성하여, 예측 시점에서 시계열 교차검증을 적용해 대학 캠퍼스의 일간 전력 사용량 예측 기법을 제안한다. 예측의 정확성을 평가하기 위해, 성능 평가 지표를 이용하여 제안한 기법의 타당성을 검증하였다.

• 한국산업융합학회 논문집
• /
• 제26권4_2호
• /
• pp.657-668
• /
• 2023

It's important to note that air compressors in the industrial sector are major energy consumers, accounting for a significant portion of total energy costs in manufacturing plants, ranging from 12% to 40%. To address this issue, researchers have compared forecasting models that can predict the power consumption of air compressors. The forecasting models were designed to incorporate variables such as flow rate, pressure, temperature, humidity, and dew point, utilizing statistical methods, machine learning, and deep learning techniques. The model performance was compared using measures such as RMSE, MAE and SMAPE. Out of the 21 models tested, the Elastic Net, a statistical method, proved to be the most effective in power comsumption forecasting.

• 대한산업공학회지
• /
• 제7권1호
• /
• pp.21-31
• /
• 1981

This paper develops a short term forecasting model for household electric power consumption in Seoul, which can be used for the effective planning and control of utility management. The model developed is based on exponentially weighted moving average model and incorporates monthly average temperature as an exogeneous factor so as to enhance its forecasting accuracy. The model is empirically compared with the Winters' three parameter model which is widely used in practice and the Box-Jenkins model known to be one of the most accurate short term forecasting techniques. The result indicates that the developed hybrid exponential model is better in terms of accuracy measured by average forecast error, mean squared error, and autocorrelated error.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제5권10호
• /
• pp.293-302
• /
• 2016

전기는 생산과 소비가 동시에 이루어지므로 필요한 전력 사용량을 예측하고, 이를 충족시킬 수 있는 충분한 공급능력을 확보해야만 안정적인 전력 공급이 가능하다. 특히, 대학 캠퍼스는 전력 사용이 많은 곳으로 시간과 환경에 따라 전력 변화폭이 다양하다. 이러한 이유로, 효율적인 전력 공급 및 관리를 위해서는 전력 사용량을 실시간으로 예측할 수 있는 모델이 요구된다. 국내외 대학 건물에 대해서는 전력 사용 패턴과 사례 분석을 통해 전력 사용에 영향을 주는 요인들을 파악하기 위한 다양한 연구가 진행되었으나, 전력 사용량의 정량적 예측을 위해서는 더 많은 연구가 필요한 상황이다. 본 논문에서는, 기계 학습 기법을 이용하여 대학 캠퍼스의 전력 사용량 예측 모델을 구성하고 평가한다. 이를 위해, 대학 캠퍼스의 주요 건물 클러스터에 대해 전력 사용량을 15분마다 1년 이상 수집한 데이터 셋을 사용한다. 수집된 전력 사용량 데이터는 수열 형태의 시계열 데이터로 기계 학습 모델에 적용 시 주기성 정보를 반영할 수 없으므로, 2차원 공간의 연속적인 데이터로 증강함으로써 주기성을 반영하였다. 이 데이터와 교육기관의 특성을 반영하기 위한 요일과 공휴일로 구성된 8차원 특성 벡터에 대해 주성분 분석(Principal Component Analysis) 알고리즘을 적용한다. 이어, 인공 신경망(Artificial Neural Network)과 지지 벡터 회귀분석(Support Vector Regression)을 이용하여 전력 사용량 예측 모델을 학습시키고, 5겹 교차검증(5-fold Cross Validation)을 통하여 적용된 기법의 성능을 평가하여, 실제 전력 사용량과 예측 결과를 비교한다.

• 한국융합학회논문지
• /
• 제8권1호
• /
• pp.19-23
• /
• 2017

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수(coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.