• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1601-1607
• /
• 2016

오늘날 기상정보는 도로공학, 경제학, 환경공학 등 다양한 분야에 활용되고 있다. 본 연구는 전력수요 예측을 위한 기상정보 활용성을 평가하고자 한다. 기상변수는 기상관측소에서 수집되는 기온, 풍속, 습도, 운량, 기압과 기온, 풍속, 상대습도의 합성지수인 체감온도와 불쾌지수가 고려되었다. 전력수요 예측을 위한 시계열모형으로 슬라이딩 창 방식의 TBATS 삼중지수평활모형이 고려되었다. 월 단위 기상변수와 전력수요 예측오차간 상관분석 결과를 보면 시간대별로 차이를 있으나 기온, 불쾌지수, 체감온도가 전력수요 예측오차와 상관성이 높았다. 이에 과거 3년의 월단위 전력수요 예측오차와 기상변수의 회귀모형식으로 전력수요 예측값의 편의를 보정하였다. 온도, 상대습도, 풍속으로 TBATS 모형의 전력수요 예측값을 보정한 결과 TBATS 모형에 비해 RMSE가 약 6.1% 줄었다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권2호
• /
• pp.275-284
• /
• 2016

정확한 전력수요 예측은 에너지 소비를 줄이고 전력수급의 불균형을 방지한다. 본 연구는 외부요인의 영향을 가장 적게 받는 특정 시간대의 일 단위 전력 수요량을 참조선 (reference line)으로 한 시계열모형을 세우고자 한다. 고려된 시계열모형은 슬라이딩 창을 이용한 이중 계절성 Holt-Winters 모형과 TBATS 모형이다. 시계열모형의 모수는 2009년 1월 4일부터 2011년 12월 31일까지 자료를 이용하여 추정되었으며, 2012년 1월 1일부터 2012년 12월 29일까지의 각 모형의 전력수요량을 예측하여 성능을 비교하였다. RMSE와 MAPE를 통해 예측 성능을 비교한 결과 TBATS 모형의 성능이 우수하였다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.193-203
• /
• 2016

본 논문은 ICT기반 시장에서의 수요관리시스템에서의 핵심 요소인 전력 수요 예측을 위하여, 전체 사용량을 기반으로 예측 하는 방식이 아닌, 시계열 기반 군집분석을 통한 군집별 예측량의 결합을 실시하였다. 시계열 군집 분석 방법으로서 Periodogram 기반의 정규화 군집분석, 예측 기반의 군집분석, DTW(Dynamic Time Warping)를 이용하여 군집화를 시도하였으며, 군집 별 수요예측 모형으로서 DSHW(Double Seasonal Holt-Winters) 모형, TBATS(Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components) 모형, FARIMA(Fractional ARIMA) 모형을 사용하여 예측을 실시하였다. 전체 사용량을 기반으로 예측 하는 방식이 아닌, 군집분석을 통한 군집별 예측량의 결합이 더 낮은 MAPE로 나타남에 따라 우수한 예측 방법으로 판단되었다.

• 응용통계연구
• /
• 제33권6호
• /
• pp.791-804
• /
• 2020

스마트그리드 환경하에서 ICT 기술의 발달로 AMI 기기를 통해 가정의 실시간 전력사용량을 수집할 수 있게 됨에 따라 이러한 자료들을 활용하여 보다 더 정확한 가정용 전력사용량 예측을 할 수 있게 되었다. 본 논문에서는 1시간 단위 가정용 전력사용량 자료를 바탕으로 ARIMA, TBATS, NNAR 모형을 사용하여 전력수요를 예측하는 모형을 연구하였는데, 기존과 달리 가구 전체 사용량을 한 번에 예측하는 것이 아닌 유사한 전력사용패턴을 나타내는 가구들을 군집하여 군집별로 예측 모형을 수립하고 각 모형별 예측치를 합산하여 예상 전력사용량을 산출하였다. 특히 전력사용량 자료는 전형적인 시계얼 자료로서 군집분석 방법으로 시계열에 적절한 방법을 선택하였으며 본 논문에서는 동적타임워핑(dynamic time warping)과 Periodogram 기반의 방법을 사용하였다. 연구 결과 사용량이 유사한 가구들을 군집하여 전력사용량을 예측하는 것이 한 번에 예측하는 것보다 예측 성능이 더 우수한 것으로 나타났으며 예측 모형 중에서는 여름철의 경우 NNAR 모형이, 겨울철의 경우 TBATS 모형의 성능이 가장 좋았으며 군집분석 방법은 군집 간 패턴의 차이가 명확히 나타난 동적타임워핑 방법을 사용했을 때 예측 성능의 향상이 가장 많았다.

• 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.