• 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.

• 전기학회논문지P
• /
• 제62권4호
• /
• pp.169-174
• /
• 2013

Due to the increase of power consumption, it is difficult to construct an accurate prediction model for daily peak power demand. It is very important work to know power demand in next day to manage and control power system. In this research, we develop a daily peak power demand prediction method based on Extreme Learning Machine(ELM) with fast learning procedure. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.

• 전기학회논문지P
• /
• 제63권3호
• /
• pp.189-194
• /
• 2014

Due to the increasing of power consumption, it is difficult to construct accurate prediction model for daily peak power demand. It is very important work to know power demand in next day for manager and control power system. In this research, we develop a daily peak power demand prediction method based on hybrid type composed of AR and Neuro-Fuzzy model. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.

• 전기학회논문지P
• /
• 제63권4호
• /
• pp.307-311
• /
• 2014

Due to the increasing of power consumption, it is difficult to construct accurate prediction model for daily peak power demand. It is very important work to know power demand in next day for manager and control power system. In this research, we develop a daily peak power demand prediction method considering of characteristics of day of week. The proposed method is composed of liner model based on AR model and nonlinear model based on ELM to resolve the limitation of a single model. Using data sets between 2006 and 2010 in Korea, the proposed method has been intensively tested. As the prediction results, we confirm that the proposed method makes it possible to effective estimate daily peak power demand than conventional methods.

• 한국산업정보학회논문지
• /
• 제18권3호
• /
• pp.35-46
• /
• 2013

국내 전력 수요량 예측을 위한 정확한 분석 모델을 개발하기 위하여 고차원 데이터 군집 분석에 적합한 차원 축소 개념의 부분공간 군집 기법과 SMO 분류 기법을 결합한 전력 수요 패턴 예측 방법을 제안하였다. 전력 수요 패턴 예측은 무선부하감시 데이터 뿐 아니라 소지역 단위의 센서스 정보를 통합하여 시간대별 전력 부하 패턴 분석과 인구통계학 및 지리학적 특성 분석이 가능하다. 서울지역 대상의 센서스 정보 및 전력 부하를 이용한 소지역 전력 수요 패턴 예측 결과 총 18개의 특성 군집을 구성하였으며, 전력 수요 패턴 예측 정확도는 약 85%를 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권7호
• /
• pp.307-314
• /
• 2022

최근 전력수요를 예측하기 위해 통계기반 시계열 분석 기법을 대체하기 위해 딥러닝 기법을 활용한 연구가 활발히 진행되고 있다. 딥러닝 기반 전력수요 예측 연구 결과를 분석한 결과, LSTM 기반 예측 모델의 성능이 우수한 것으로 규명되었으나 장기간의 지역 범위 전력수요 예측에 대해 LSTM 기반 모델의 성능이 충분하지 않음을 확인할 수 있다. 본 연구에서는 기온 데이터를 반영하여 24시간 이전에 전력수요를 예측하는 WaveNet 기반 딥러닝 모델을 개발하여, 실제 사용하고 있는 통계적 시계열 예측 기법의 정확도(MAPE 값 2%)보다 우수한 예측 성능을 달성하는 모델을 개발하고자 한다. 먼저 WaveNet의 핵심 구조인 팽창인과 1차원 합성곱 신경망 구조를 소개하고, 전력수요와 기온 데이터를 입력값으로 모델에 주입하기 위한 데이터 전처리 과정을 제시한다. 다음으로, 개선된 WaveNet 모델을 학습하고 검증하는 방법을 제시한다. 성능 비교 결과, WaveNet 기반 모델에 기온 데이터를 반영한 방법은 전체 검증데이터에 대해 MAPE 값 1.33%를 달성하였고, 동일한 구조의 모델에서 기온 데이터를 반영하지 않는 것(MAPE 값 2.31%)보다 우수한 전력수요 예측 결과를 나타내고 있음을 확인할 수 있다.

• 한국재난정보학회 논문집
• /
• 제16권4호
• /
• pp.842-848
• /
• 2020

연구목적: 노후화된 발전기의 지속 가능한 운영을 위하여 효율적이며, 안전한 운영이 중요하다. 효율적 운영이란 경제적 관점이며, 안전한 운영은 발전 설비의 치명적 사고 발생에 대한 발생 이전의 사전 조치를 말한다. 그러므로 발전기의 지속가능 운영 모니터링을 위하여 관련된 센서 설치와 이를 기반으로 지속 가능에 대한 예측할 수 있는 모델에 대한 연구가 필요하다. 연구방법: 전기와 열에 대한 수요 예측, 엔진의 성능과 이상을 탐지하는 예측, 그리고 재 난 안전에 대한 예측 모델을 제시하였다. 이를 위하여 필요한 센서를 정의하였으며, 이를 기반으로 예측 모델을 각각 개발하여 수행하였다. 연구결과: 수요 예측 모델은 기존의 79%에서 90% 이상으로 예측 정확도를 향상시켰으며, 다른 2개 모델도 시스템의 지속가능한 안정적 운영을 지원하였다. 결론: 노후화된 발전설비의 지속가능 운영을 지원하기 위한 3가지 종류의 예측 모델을 개발하고 이를 제이비주식회사의 발전 설비에 실제 적용하여 운영하고 있다.

• 전기학회논문지
• /
• 제58권1호
• /
• pp.1-6
• /
• 2009

The traditional demand prediction was based on the technique wherein electric power corporations made monthly or seasonal estimation of electric power consumption for each area and subscription type for the next one or two years to consider both seasonally generated and local consumed amounts. Note, however, that techniques such as pricing, power generation plan, or sales strategy establishment were used by corporations without considering the production, comparison, and analysis techniques of the predicted consumption to enable efficient power consumption on the actual demand side. In this paper, to calculate the predicted value of electric power consumption on a short-term basis (15 minutes) according to the amount of electric power actually consumed for 15 minutes on the demand side, we performed comparison and analysis by applying a 15-minute interval prediction technique to the average and that to the time series analysis to show how they were made and what we obtained from the simulations.

• 한국산림과학회지
• /
• 제95권5호
• /
• pp.601-604
• /
• 2006

This study compared the accuracy of partial multivariate and vector autoregressive models for lumber demand prediction in Korea. The partial multivariate model has three explanatory variables; own price, construction permit area and dummy. The dummy variable reflected the boom of lumber demand in 1988, and the abrupt decrease in 1998. The VAR model consists of two endogenous variables, lumber demand and construction permit area with one lag. On the other hand, the prediction accuracy was estimated by Root Mean Squared Error. The results showed that the estimation by partial multivariate and vector autoregressive model showed similar explanatory power, and the prediction accuracy was similar in the case of using partial multivariate and vector autoregressive model.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 A
• /
• pp.530-532
• /
• 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. 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.