• KEPCO Journal on Electric Power and Energy
• /
• 제5권3호
• /
• pp.157-163
• /
• 2019

현재까지 피크완화 및 에너지 절감을 위해 한국전력공사 120여개 사옥에 K-BEMS (KEPCO Building Energy Management System)가 운영 중이다. 이 시스템은 PV, PCS, BESS, EMS 등으로 구성되어 있으며 건물에너지 수요예측을 기반으로 BESS, PV 등을 활용하여 에너지 관리를 도모하고 있다. 이 시스템은 단기 과거데이터에 신경망기법을 단순 적용하여 수요를 예측함에 따라 예측 정확도가 높지 않고 운영자 수작업을 통한 BESS 충방전으로 피크 저감이 곤란하며 운영 경제성 제고가 어려운 실정이다. 이러한 문제를 해결하기 위해 전력연구원에서는 2016년부터 3년간 연구과제를 수행하였는데 이를 통해 에러를 최소화하며 높은 신뢰도를 가지는 실시간 수요예측기법과 이에 기반한 BESS충방전 최적화 자동화 기술 개발, 성능을 검증하였기에 이를 본 논문에서 소개하고자 한다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.127-133
• /
• 2019

미래에 스마트 그리드 도입을 위해 전력수요예측은 중요한 연구 분야 중 하나이다. 하지만 전력데이터는 많은 외부적 요소들에 영향을 받기 때문에 예측하기 어렵다. 기존의 전력수요예측 방법들은 가공되지 않은 전력데이터를 그대로 이용하기 때문에 정확도 높은 예측을 하는데 한계가 있어왔다. 본 논문에서는 가공되지 않은 전력데이터를 이용하는 전력수요예측의 문제를 해결하기 위해 확률기반 학습알고리즘을 제안한다. 확률 모델은 전력데이터의 확률적 특성을 분석하기에 적합하다. 제안한 모델의 중기 전력수요예측 성능을 비교하기 위해 신경망 네트워크 중 하나인 순환신경망과 성능 비교를 해보았다. 매사추세츠 대학에서 제공한 전력데이터를 이용하여 성능 비교를 한 결과 본 논문에서 제안한 확률기반 학습알고리즘이 중기 수요예측에 더 좋은 성능을 나타냄을 확인하였다.

• 한국정보통신학회논문지
• /
• 제25권8호
• /
• pp.1005-1012
• /
• 2021

최근 웹에서 지도(Map)를 이용한 Location based Services 기반의 다양한 위치정보시스템 활용이 점점 확대되고 있으며 에너지 절약을 위한 대안으로 전력 수요 현황을 실시간으로 확인할 수 있는 모니터링 시스템의 필요성이 요구되고 있다. 본 연구에서는 딥러닝과 같은 기계학습을 이용하여 전력 수요 데이터의 특성을 분석하고 예측하는 모듈을 개발하여 지역 단위별 전력 에너지 사용 현황과 예측 추세를 실시간으로 확인할 수 있는 오픈소스 기반 지도 서비스를 이용한 딥러닝 실시간 가상 전력수요예측 웹 시스템을 개발하였다. 특히 제안한 시스템은 LSTM 딥러닝 모델을 이용하여 지역적으로 전력 수요량과 예측 분석이 실시간으로 가능하고 분석된 정보를 가시화하여 제공한다. 향후 제안된 시스템을 통해 지역별 에너지의 수급 및 예측 현황을 확인하고 분석하는데 활용될 수 있을 뿐만 아니라 다른 산업 에너지에도 적용될 수 있을 것이다.

• 한국방재안전학회논문집
• /
• 제14권2호
• /
• pp.35-42
• /
• 2021

본 논문은 전기자동차 충전시설 확충계획에 중요한 요소인 전기자동차 전력 수요량 예측정보를 생산하기 위하여 Exponential Smoothing를 이용하여 전력 수요량 예측 모형을 제안하였다. 모형의 입력자료 구축을 위하여 종속변수로 월별 시군구 전력수요량을 독립변수로 월별 시군구 충전소 보급대수, 월별 시군구 전기자동차 충전소 충전 횟수, 월별 전기자동차 등록대수 자료를 월 단위로 수집하고 수집된 7년간 자료 중 4년간 자료를 학습기간으로 3년간 자료를 검증 기간으로 적용하였다. 전기자동차 전력 수요량 예측 모형의 정확성을 검증하기위하여 통계적 방법인 Exponential Smoothing(ETS), ARIMA모형의 결과와 비교한 결과 ETS, ARIMA 각각의 오차율은 12%, 21%로 본 논문에서 제시한 ETS가 9% 더 정확하게 분석되었으며, 전기자동차 전력 수요량 예측 모형으로써 적합함을 확인하였다. 향후 이 모형을 이용한 전기자동차 충전소 설치 계획부터 운영관리 측면에서 활용될 것으로 기대한다.

• 한국수소및신에너지학회논문집
• /
• 제33권5호
• /
• pp.591-597
• /
• 2022

Recently, technologies for efficient power grid operation have become important due to climate change. For this reason, predicting power demand using deep learning is being considered, and it is necessary to understand the influence of characteristics of each region, industrial structure, and climate. This study analyzed the power demand of New Jersey in US, with a high urbanization rate and a large service industry, and West Virginia in US, a low urbanization rate and a large coal, energy, and chemical industries. Using recurrent neural network algorithm, the power demand from January 2020 to August 2022 was learned, and the daily and weekly power demand was predicted. In addition, the power grid operation based on the power demand forecast was discussed. Unlike previous studies that have focused on the deep learning algorithm itself, this study analyzes the regional power demand characteristics and deep learning algorithm application, and power grid operation strategy.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 학술대회 논문집 전문대학교육위원
• /
• pp.97-100
• /
• 2007

There are regulations on each building for its classification and It is corresponding determined contract demand. For transformer's capability calculation algorithm, cumulated power information of each customer is used to analysis the correlation between power usage and Demand Rate. By modeling this using Least Square Method, it can be targeted to recognize the pattern of transformer use in the past and make a prediction on it in the future.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.39-48
• /
• 2020

Recently, the study and development of environment-friendly energy technique have increased in worldwide due to environmental pollution and energy resources problems. In vehicle industry, the development of electric vehicle(EV) is now on progress, and also, many other governments support the study and development and make an effort for EV to become widely available. In addition, though they strive to construct the EV infra such as a charge station for EV, the techniques related to managing charge demand and peak power are not enough. The standard of EV communication has been already established as ISO/IEC 15118, however, most of implemented EVs and EV charge stations do not support any communication between each of them. In this paper, an improved slow charge scheme for non-communication EVs is proposed and designed by using predicting charge demand. The proposed scheme consists of distributed charge model and charge demand prediction. The distributed charge model is designed to manage to distribute charge power depending on available charge power and charge demand. The charge demand prediction is designed to be used in the distributed charge model. The proposed scheme is based on the collected data which were from EV slow charge station in business building during the past 1 year. The system-level simulation results show that the waiting time of EV and the charge fee of the proposed scheme are better than those of the conventional scheme.

• 통합자연과학논문집
• /
• 제12권1호
• /
• pp.20-23
• /
• 2019

Demand response is usually operated through using the power rates and incentives. Demand management based on power charges is the most rational and efficient demand management method, and such methods include rolling base charges with peak time, sliding scaling charges depending on time, sliding scaling charges depending on seasons, and nighttime power charges. Search for other methods to stimulate resources on demand by actively deriving the demand reaction of loads to increase the energy efficiency of loads. In this paper, ESS algorithm for saving energy based on predicting the amount of solar power generation that can be used for buildings with small loads not under electrical grid.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 전기설비
• /
• pp.31-33
• /
• 2005

The accelerating of industrial development causes electricity demand to increase. By that power equipments need high power, multi function and intelligence. Also consumers demand for guarantee power supplying of good quality and reasonable operating equipment. Also they require for reliance and stabilization of power facility. Therefore preventive maintenance of electric installation must be developed and improvement of domestic technical level is needed in the maintenance management of equipment. The diagnosis of trouble existence is technique that compares steady state with unusual condition, whereas the prediction technique makes a diagnosis of remaining equipments life. It is difficult for us to diagnose trouble existence of electric installation and to develop prediction method in building because of a wide scope for electric installation in building. And in this paper we will investigate diagnosis and prediction method for only switch part of electric installation in building.

• Journal of information and communication convergence engineering
• /
• 제9권4호
• /
• pp.369-374
• /
• 2011

Generally the neural network and the Fuzzy compensative algorithms are applied to forecast the time series for power demand with the characteristics of a nonlinear dynamic system, but, relatively, they have a few prediction errors. They also make long term forecasts difficult because of sensitivity to the initial conditions. In this paper, we evaluate the chaotic characteristic of electrical power demand with qualitative and quantitative analysis methods and perform a forecast simulation of electrical power demand in regular sequence, attractor reconstruction and a time series forecast for multi dimension using Lyapunov Exponent (L.E.) quantitatively. We compare simulated results with previous methods and verify that the present method is more practical and effective than the previous methods. We also obtain the hourly predictability of time series for power demand using the L.E. and evaluate its accuracy.