• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.26-30
• /
• 2008

Currently an automated methodology based on data mining techniques is presented for the prediction of customer load patterns in long duration load profiles. The proposed our approach consists of three stages: (i) data pre-processing: noise or outlier is removed and the continuous attribute-valued features are transformed to discrete values, (ii) cluster analysis: k-means clustering is used to create load pattern classes and the representative load profiles for each class and (iii) classification: we evaluated several supervised learning methods in order to select a suitable prediction method. According to the proposed methodology, power load measured from AMR (automatic meter reading) system, as well as customer indexes, were used as inputs for clustering. The output of clustering was the classification of representative load profiles (or classes). In order to evaluate the result of forecasting load patterns, the several classification methods were applied on a set of high voltage customers of the Korea power system and derived class labels from clustering and other features are used as input to produce classifiers. Lastly, the result of our experiments was presented.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.865-867
• /
• 1996

This paper presents the power system basic planning in urban area, when the superconductive power cable is installed in power system in the future. To decide the proper superconductive cable routes, load flow calculation was carried out based on the long term load forecasting of kyoungin area. The simulated results show that installation of superconductive power cable is able to overcome rapidly growing power demand of unban area.

• 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.

• Journal of Electrical Engineering and Technology
• /
• 제10권4호
• /
• pp.1480-1491
• /
• 2015

In new deregulated electricity market, short-term price forecasting is key information for all market players. A better forecast of market-clearing price (MCP) helps market participants to strategically set up their bidding strategies for energy markets in the short-term. This paper presents a new prediction strategy to improve the need for more accurate short-term price forecasting tool at spot market using an artificial neural networks (ANNs). To build the forecasting ANN model, a three-layered feedforward neural network trained by the improved Levenberg-marquardt (LM) algorithm is used to forecast the locational marginal prices (LMPs). To accurately predict LMPs, actual power generation and load are considered as the input sets, and then the difference is used to predict price differences in the spot market. The proposed ANN model generalizes the relationship between the LMP in each area and the unconstrained MCP during the same period of time. The LMP calculation is iterated so that the capacity between the areas is maximized and the mechanism itself helps to relieve grid congestion. The addition of flow between the areas gives the LMPs a new equilibrium point, which is balanced when taking the transfer capacity into account, LMP forecasting is then possible. The proposed forecasting strategy is tested on the spot market of the Nord Pool. The validity, the efficiency, and effectiveness of the proposed approach are shown by comparing with time-series models

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 C
• /
• pp.1267-1269
• /
• 1999

This paper studies on arrangement of load correlation coefficient for advanced load management. To accurate load correlation coefficient, we used two real factors, electrical energy(kWh) and peak load current of pole transformers, acquired by measuring instrument. Out of several correlation equations, we find that the quadratic equation is the most accurate to express peak load current and working electrical energy. If the data is located in the outside of ${\pm}3{\sigma}$ it is discarded. For load management, we rearranged load correlation coefficient considering +2${\sigma}$ at load correlation equation. Comparing conventional load correlation coefficient with rearranged one, we can get the result of error reduced and it is adjacent to the actual data. It will be used peak load forecasting from working electrical energy and we are able to prevent from the damaging of pole transformer due to overload.

• 전기학회논문지
• /
• 제63권2호
• /
• pp.217-223
• /
• 2014

Recently, various researches and projects about electric vehicles are in progress vigorously and continuously and it is expected to penetrate rapidly with the next a few years. This deployment will cause the change of load composition rate affecting on power system planning and operations. Therefore, a new load model should be developed integrating with electric vehicle loads. In this paper, the load composition rate of residential sectors is analyzed considering the deployment of this mobility load such as electric vehicles and a new diffusion model is proposed based on the classification of the replacement patterns. Additionally, electric vehicle charging loads are basically modeled by some individual load experiments to develop new load models for smart place and some new conceptual power systems such as micro grids.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 추계학술대회 논문집 전력기술부문
• /
• pp.41-43
• /
• 2002

The contracted electric power and the demand factor of customers are used to predict the peak load in distribution transformers. The conventional demand factor was determined more than ten years ago. The contracted electric power and power demand have been increased. Therefore, we need to prepare the novel demand factor that appropriates at present. In this paper, we modify the demand factor to improve the peak load prediction of distribution transformers. To modify the demand factor, we utilize the 169 data acquisition devices for sample distribution transformers in winter, spring summer. And, the peak load currents were measured by the case studies using the actual load data, through which we verified that the proposed demand factors were correct than the conventional factors. A newly demand factor will be used to predict the peak load of distribution transformers.

• 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.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.119-127
• /
• 2020

국내 전기차 (EV: Electric Vehicle) 시장이 성장함에 따라, 빠르게 증가하는 EV 충전 수요에 대응하기 위한 충전설비의 확충이 요구되고 있다. 이와 관련하여, 종합적인 설비 계획을 수립하기 위해서는 미래 시점의 충전 수요량을 예측하고 이를 바탕으로 전력설비 부하에 미치는 영향을 체계적으로 분석하는 것이 필요하다. 본 논문에서는 한국전력공사의 EV 충전 데이터를 이용하여 충전소 단위의 일별최대부하를 예측하는 LSTM(Long Short-Term Memory) 신경망 모델을 설계 및 개발한다. 이를 위해, 먼저 데이터 전처리 및 이상치 제거를 통해 정제된 데이터를 얻는다. 다음으로, 충전소 단위의 일별 특징들을 추출하여 훈련 데이터 집합을 구성하여 일별 최대 전력부하 예측 모델을 학습시킨다. 마지막으로 충전소 유형 별 테스트 집합을 이용한 성능 분석을 통해 예측 모델을 검증하고 이의 한계점을 논의한다.

• 조명전기설비학회논문지
• /
• 제23권9호
• /
• pp.47-54
• /
• 2009

'08.12$\sim$'09. 2월 동절기에 세계경제위축 심화에 따른 수출 급감으로 제조업은 마이너스 성장을 기록함에 따라 우리나라 전력소비의 53[%]를 차지하는 산업용 전력이 약 7[%]의 감소율을 나타내고 있다. 또한 국내에는 내수경기침체에 따른 전력소비 감소와 평년 대비 기온 상승으로 인한 난방수요 감소로 일일 전력수요 패턴에 많은 변화를 보이고 있다. 본 연구에서는 동절기의 최대전력, 평균전력, 상대계수에 의한 전력수요 패턴, 시간대별 온도민감도 분석을 통하여 최대전력은 GDP 성장률 보다는 기온변화에 민감한 반면, 평균전력은 GDP 성장률에 비례하여 감소하는 추세를 보이고 있는 것으로 분석되었다. 이 자료를 근거로 동 하절기의 최대전력과 평균전력의 정확한 전력 수요 예측으로 전력계통을 경제적이고 안정적으로 운영할 수 있다고 여겨진다.