• KEPCO Journal on Electric Power and Energy
• /
• 제6권4호
• /
• pp.413-418
• /
• 2020

초기 학습 데이터의 과적합으로 인한 전력망 상태예측 모델의 성능 감소를 방지하고 예측모델의 예측 정확도 유지를 통한 계속적인 현장활용을 위해서는 기계학습 모델의 예측 정확도를 지속적으로 관리할 필요가 있다. 이를 위해, 본 논문에서는 다양한 요인에 의해 끊임없이 변화하는 전력망 상태 데이터의 특성을 고려하여 예측모델의 정확성과 신뢰성을 높이고 현장 적용 가능한 수준의 품질을 유지하기 위한 기계학습 기반 전력망 상태예측 모델의 성능 유지관리 자동화 기법을 제안한다. 제안 기법은 워크플로우 관리 기술의 적용을 통해 전력망 상태예측 모델 성능 유지관리를 위한 일련의 태스크들을 워크플로우의 형태로 모델링하고 이를 자동화하여 업무를 효율화 하였다. 또한, 기존 기술에서는 시도되지 않았던 학습데이터의 통계적 특성 변화 정도와 예측의 일반화 수준을 모두 고려한 예측모델의 성능 평가를 통해 성능 결과의 신뢰성을 확보하고 이를 통해 예측 모델의 정확도를 일정 수준으로 유지관리하고 더욱 성능이 우수한 예측모델의 신규 개발이 가능하다. 결과적으로 본 논문에서 제안하는 전력망 상태예측 모델 성능 유지관리 자동화 기법을 통해 예측모델의 성능 저하문제를 해결하여 분산자원 연계 등 외부 환경의 변화에 유연한 예측모델 관리를 통해 정확성과 신뢰성이 보장된 예측 모델의 지속적인 활용이 가능하다.

• 신재생에너지
• /
• 제18권2호
• /
• pp.18-25
• /
• 2022

In this study, we propose a wind power generation prediction system that applies machine learning and data mining to predict wind power generation. This system increases the utilization rate of new and renewable energy sources. For time-series data, the data set was established by measuring wind speed, wind generation, and environmental factors influencing the wind speed. The data set was pre-processed so that it could be applied appropriately to the model. The prediction system applied the CNN (Convolutional Neural Network) to the data mining process and then used the LSTM (Long Short-Term Memory) to learn and make predictions. The preciseness of the proposed system is verified by comparing the prediction data with the actual data, according to the presence or absence of data mining in the model of the prediction system.

• 한국항행학회논문지
• /
• 제21권4호
• /
• pp.365-370
• /
• 2017

본 연구는 전력수요 패턴이 다른 평일과 특수일 데이터가 가지는 상관관계를 분석하여, 별도의 데이터 셋을 구축하고, 각 데이터 셋에 적합한 딥 러닝 네트워크를 이용하여, 전력수요예측 오차를 감소하는 방안을 제시하였다. 또한, 기본적인 전력수요 예측요소인 기상요소에 환경요소, 구분요소 등 다양한 예측요소를 추가하여 예측율을 향상하는 방안을 제시하였다. 전체데이터는 시계열 데이터 학습에 적합한 LSTM을 이용하여 전력수요예측을 하였으며, 특수일 데이터는 DNN을 이용하여 전력수요예측을 하였다. 실험결과 기상요소 이외의 예측요소 추가를 통해 예측율이 향상되었다. 전체 데이터 셋의 평균 RMSE는 LSTM이 0.2597이며, DNN이 0.5474로 LSTM이 우수한 예측율을 보였다. 특수일 데이터 셋의 평균 RMSE는 0.2201로 DNN이 LSTM보다 우수한 예측율을 보였다. 또한, 전체 데이터 셋의 LSTM의 MAPE는 2.74 %이며, 특수 일의 MAPE는 3.07 %를 나타냈다.

• 한국컴퓨터정보학회논문지
• /
• 제17권1호
• /
• pp.211-218
• /
• 2012

전 세계적으로 화석연료의 많이 사용이 증가되고 있으며 이로 인해 온실가스가 배출되어 지구 온난화와 환경오염이 심각해지고 있는 실정이다. 지구의 환경오염을 줄이기 위해서 무공해 청정에너지인 신재생에너지에 대한 관심이 증가되는 추세인데, 그중에서도 풍력발전은 환경오염 물질을 배출하지 않고, 자원량이 무한대이기 때문에 많은 관심을 받고 있다. 하지만, 풍력발전은 전력 생산량이 불규칙한 단점을 갖고 있어 풍력 터빈의 손상과 전력 생산량이 불규칙적인 문제를 야기하여 이러한 문제점을 보완하기 위해 풍력 발전량을 정확하게 예측하는 것이 중요하다. 풍력 발전량을 정확하게 예측하기 위해서 전력 생산량이 급증 또는 급감하는 것을 의미하는 ramp의 특성을 잘 활용해야 한다. 이 논문에서는 예측의 정확도를 높이기 위하여 다계층 신경망을 이용해 예측모델을 구축하였다. 구축된 예측모델은 흔히 사용되는 풍속, 풍향 속성뿐만 아니라 Power Ramp Rate(PRR) 속성까지 사용하였다. 구축된 풍력 발전량 예측모델은 앞서 말한 세 가지 속성을 모두 사용한 경우, 두 속성을 조합하여 사용한 경우 총 4가지 예측모델을 구축하였다. 구축된 4가지 예측모델을 성능평가 한 결과 PRR, 풍속, 풍향의 속성 모두를 사용한 예측모델의 예측 값이 풍력 터빈에서 관측된 관측 값에 가장 근접하였다. 그로 인해 PRR 속성을 사용하면 풍력 발전량의 예측 정확도를 향상 시킬 수 있었다.

• Current Photovoltaic Research
• /
• 제4권2호
• /
• pp.80-86
• /
• 2016

Since the last five years it has become a lot of solar power plants installed. However, by installing the large-scale solar power station it is not easy to predict the actual generation years. Because there are a variety of factors, such as changes daily solar radiation, temperature and humidity. If the power output can be measured accurately it predicts profits also we can measure efficiency for solar power plants precisely. Therefore, Prediction of power generation is forecast to be a useful research field. In this study, out discovering the factors that can improve the accuracy of the prediction of the photovoltaic power generation presents the means to apply them to the power generation amount prediction.

• KEPCO Journal on Electric Power and Energy
• /
• 제1권1호
• /
• pp.163-168
• /
• 2015

In order to integrate high wind generation resources into power grid, it is an essential to predict power outputs of wind generating resources. As wind farm outputs depend on natural wind resources that vary over space and time, spatial modeling based on geographic information such as latitude and longitude is needed to estimate power outputs of wind generation resources. In this paper, we introduce the basic concept of spatial modeling and present the spatial prediction model based on Kriging techniques. The empirical data, wind farm power output in Texas, is considered to verify the proposed prediction model.

• 소음진동
• /
• 제7권4호
• /
• pp.621-629
• /
• 1997

For computer aided design and costruction of low noisy power plants, indoor and outdoor noise prediction program has been developed. The program utilizes the predefined data of noise sources and building materials and has the faculty to estimate the source level using the empirical formula in case of the measured data not being available. In the noise prediction, the mutual noise propagation between indoor and outdoor sites are considered. The outdoor noise source in the calculation of geometric divergence effects is modelled as the omni-directional finite line or planar source according to the source geometry and the receiving points. Outdoor noise prediction is carried out to consider the diffraction effect due to plant structures as well as the attenuation effect due to atmospheric absorption and soft ground. The results of indoor and outdoor noise prediction for a recently constructed diesel engine power plant show good agreement with the measured.

• Journal of information and communication convergence engineering
• /
• 제20권4호
• /
• pp.295-302
• /
• 2022

This paper contains the development of a smart power device designed to collect load power data from industrial manufacturing machines, predict future variations in load power data, and detect abnormal data in advance by applying a machine learning-based prediction algorithm. The proposed load power data prediction model is implemented using a Long Short-Term Memory (LSTM) algorithm with high accuracy and relatively low complexity. The Flask and REST API are used to provide prediction results to users in a graphical interface. In addition, we present the results of experiments conducted to evaluate the performance of the proposed approach, which show that our model exhibited the highest accuracy compared with Multilayer Perceptron (MLP), Random Forest (RF), and Support Vector Machine (SVM) models. Moreover, we expect our method's accuracy could be improved by further optimizing the hyperparameter values and training the model for a longer period of time using a larger amount of data.

• KEPCO Journal on Electric Power and Energy
• /
• 제3권2호
• /
• pp.133-140
• /
• 2017

The performance prediction software developed in this paper is a process analysis tool that enables one to foretell the behavior of processes when certain conditions of operation are altered. The immediate objective of this research is to predict the process characteristics of combined heat and power plant under varying operating conditions. A cogeneration virtual power plant that mimics the mechanical performance of the actual plant was constructed and the performance of the power plant was predicted in the following varying atmospheric conditions: temperature, pressure and humidity. This resulted in a positive outcome where the performance of the power plant under changing conditions were correctly predicted as well as the calorific value of low calorific gas fuel such as shale gas and PNG. The performance prediction tool can detect the operation characteristics of the power plant through the performance index analysis and thus propose the operation method taking into consideration the changes in environmental conditions.

• 전기학회논문지
• /
• 제62권11호
• /
• pp.1590-1597
• /
• 2013

Electric power is an important part in economic development. Moreover, an accurate load forecast can make a financing planning, power supply strategy and market research planned effectively. This paper used the fuzzy logic system to predict the regional electric power load. To design the fuzzy prediction system, the correlation-based clustering algorithm and TSK fuzzy model were used. Also, to improve the prediction system's capability, the moving average technique and relative increasing rate were used in the preprocessing procedure. Finally, using four regional electric power load in Taiwan, this paper verified the performance of the proposed system and demonstrated its effectiveness and usefulness.