전력 수요 예측의 기본 목적은 미래에 예상되는 전력 수요를 예측함으로서 이를 충분히 충족시킬 수 있는 전원 및 계통설비의 확보와 아울러 보다 저렴한 비용으로 전력을 공급할 수 있게 하는 것이다. 따라서 정확도 높은 전력 수요 예측은 전력수급 안정을 통한 양질의 전력 공급과 저렴한 전기 요금의 필수요건이 된다. 전력 사업은 국가의 기간산업으로 타 산업에 비하여 설비의 건설기간이 길고 투자규모가 방대하므로 막대나 투자지원을 필요로 한다. 따라서 전력 수요 예측의 정확도는 국가자원의 효율적 배분 및 국민복지의 증대는 물론 전력회사의 자금조달 규모 및 재무구조에도 지대한 영향을 미치므로 그 중요성이 아무리 강조되어도 지나치지 않을 것이다. 전력 수요의 정확한 예측을 위한 연구는 전력회사는 물론 관련 연구기관, 학계에서 끊임없이 수행되어 왔으며, 그 동안의 석유위기 등의국제적 자원 환경의 변화 및 경제성장에 따른 전력소비행태의 자양화, 산업구조의 변화 등에 기인한 전력수요구조의 변동은 이에 대한 연구의 필요성을 더욱 증대 시키는 요인으로 작용하고 있다. 지금까지의 전력 수요에 대한 연구는 주로 최적의 전원확보 및 계통계획을 위한 전국 규모의 수요 예측에 치중되어 왔으나 최근에는 지역별 경제규모 및 산업구조의 차이에 따른 지역별 전력 수요구조의 정확한 파악과 향후 전망에 대한 필요성이 증가하고 있으며, 또한 전력 수요에 큰 영향을 미치지만 그 관계가 비전형적인 상호 작용을 하고 있는 기상 변수의 도입으로 인해 전력 수요 예측의 정확도가 증가하고 있는 실정이다. 이러한 사실들을 바탕으로 본 연구에서는 수요예측의 대전제가 되는 국내 총생산(GDP)등의 경제 지표 및 인구자료 등과 관련 기상 정보들을 활용하여 비모수 기법을 통한 전력 수요의 예측을 실시하고자 한다. 먼저 전체 전력 수요를 추정하여 그 정확도를 살펴보고, 주택용, 상업용, 산업용의 3개 부문으로 대분류하여 부문별로 같은 모형을 도입하여 전력 수요를 예측해 보았다. 본 연구에서 도입한 비모수 모형은 온도와 습도 같은 기상변수들이 전력 수요에 대해 단순한 비례관계를 가지는 것이 아니라 서로간의 복잡한 비선형적 상호작용(nonlinear ...
전력 수요 예측의 기본 목적은 미래에 예상되는 전력 수요를 예측함으로서 이를 충분히 충족시킬 수 있는 전원 및 계통설비의 확보와 아울러 보다 저렴한 비용으로 전력을 공급할 수 있게 하는 것이다. 따라서 정확도 높은 전력 수요 예측은 전력수급 안정을 통한 양질의 전력 공급과 저렴한 전기 요금의 필수요건이 된다. 전력 사업은 국가의 기간산업으로 타 산업에 비하여 설비의 건설기간이 길고 투자규모가 방대하므로 막대나 투자지원을 필요로 한다. 따라서 전력 수요 예측의 정확도는 국가자원의 효율적 배분 및 국민복지의 증대는 물론 전력회사의 자금조달 규모 및 재무구조에도 지대한 영향을 미치므로 그 중요성이 아무리 강조되어도 지나치지 않을 것이다. 전력 수요의 정확한 예측을 위한 연구는 전력회사는 물론 관련 연구기관, 학계에서 끊임없이 수행되어 왔으며, 그 동안의 석유위기 등의국제적 자원 환경의 변화 및 경제성장에 따른 전력소비행태의 자양화, 산업구조의 변화 등에 기인한 전력수요구조의 변동은 이에 대한 연구의 필요성을 더욱 증대 시키는 요인으로 작용하고 있다. 지금까지의 전력 수요에 대한 연구는 주로 최적의 전원확보 및 계통계획을 위한 전국 규모의 수요 예측에 치중되어 왔으나 최근에는 지역별 경제규모 및 산업구조의 차이에 따른 지역별 전력 수요구조의 정확한 파악과 향후 전망에 대한 필요성이 증가하고 있으며, 또한 전력 수요에 큰 영향을 미치지만 그 관계가 비전형적인 상호 작용을 하고 있는 기상 변수의 도입으로 인해 전력 수요 예측의 정확도가 증가하고 있는 실정이다. 이러한 사실들을 바탕으로 본 연구에서는 수요예측의 대전제가 되는 국내 총생산(GDP)등의 경제 지표 및 인구자료 등과 관련 기상 정보들을 활용하여 비모수 기법을 통한 전력 수요의 예측을 실시하고자 한다. 먼저 전체 전력 수요를 추정하여 그 정확도를 살펴보고, 주택용, 상업용, 산업용의 3개 부문으로 대분류하여 부문별로 같은 모형을 도입하여 전력 수요를 예측해 보았다. 본 연구에서 도입한 비모수 모형은 온도와 습도 같은 기상변수들이 전력 수요에 대해 단순한 비례관계를 가지는 것이 아니라 서로간의 복잡한 비선형적 상호작용(nonlinear interaction)을 통해 전력 수요에 영향을 미치는 것에 착안하여 사전적으로 온도와 습도의 상호작용에 대해 어떠한 자의적인 가정도 도입하지 않은 채 기상효과를 도입하는 비모수적 추론 기법을 이용하였다. 분석결과에 의하면 전력 수요 예측을 위한 모형으로 하계 부하에 가장 큰 영향을 미치는 CDD(Cooling Degree Day)를 고려한 비모수모형이 선형 모형이나 기타 다른 기상 변수를 고려한 모형보다 적합하며 나은 예측력을 가지는 것으로 나타났다.
전력 수요 예측의 기본 목적은 미래에 예상되는 전력 수요를 예측함으로서 이를 충분히 충족시킬 수 있는 전원 및 계통설비의 확보와 아울러 보다 저렴한 비용으로 전력을 공급할 수 있게 하는 것이다. 따라서 정확도 높은 전력 수요 예측은 전력수급 안정을 통한 양질의 전력 공급과 저렴한 전기 요금의 필수요건이 된다. 전력 사업은 국가의 기간산업으로 타 산업에 비하여 설비의 건설기간이 길고 투자규모가 방대하므로 막대나 투자지원을 필요로 한다. 따라서 전력 수요 예측의 정확도는 국가자원의 효율적 배분 및 국민복지의 증대는 물론 전력회사의 자금조달 규모 및 재무구조에도 지대한 영향을 미치므로 그 중요성이 아무리 강조되어도 지나치지 않을 것이다. 전력 수요의 정확한 예측을 위한 연구는 전력회사는 물론 관련 연구기관, 학계에서 끊임없이 수행되어 왔으며, 그 동안의 석유위기 등의국제적 자원 환경의 변화 및 경제성장에 따른 전력소비행태의 자양화, 산업구조의 변화 등에 기인한 전력수요구조의 변동은 이에 대한 연구의 필요성을 더욱 증대 시키는 요인으로 작용하고 있다. 지금까지의 전력 수요에 대한 연구는 주로 최적의 전원확보 및 계통계획을 위한 전국 규모의 수요 예측에 치중되어 왔으나 최근에는 지역별 경제규모 및 산업구조의 차이에 따른 지역별 전력 수요구조의 정확한 파악과 향후 전망에 대한 필요성이 증가하고 있으며, 또한 전력 수요에 큰 영향을 미치지만 그 관계가 비전형적인 상호 작용을 하고 있는 기상 변수의 도입으로 인해 전력 수요 예측의 정확도가 증가하고 있는 실정이다. 이러한 사실들을 바탕으로 본 연구에서는 수요예측의 대전제가 되는 국내 총생산(GDP)등의 경제 지표 및 인구자료 등과 관련 기상 정보들을 활용하여 비모수 기법을 통한 전력 수요의 예측을 실시하고자 한다. 먼저 전체 전력 수요를 추정하여 그 정확도를 살펴보고, 주택용, 상업용, 산업용의 3개 부문으로 대분류하여 부문별로 같은 모형을 도입하여 전력 수요를 예측해 보았다. 본 연구에서 도입한 비모수 모형은 온도와 습도 같은 기상변수들이 전력 수요에 대해 단순한 비례관계를 가지는 것이 아니라 서로간의 복잡한 비선형적 상호작용(nonlinear interaction)을 통해 전력 수요에 영향을 미치는 것에 착안하여 사전적으로 온도와 습도의 상호작용에 대해 어떠한 자의적인 가정도 도입하지 않은 채 기상효과를 도입하는 비모수적 추론 기법을 이용하였다. 분석결과에 의하면 전력 수요 예측을 위한 모형으로 하계 부하에 가장 큰 영향을 미치는 CDD(Cooling Degree Day)를 고려한 비모수모형이 선형 모형이나 기타 다른 기상 변수를 고려한 모형보다 적합하며 나은 예측력을 가지는 것으로 나타났다.
This paper presents a survey of the econometric literature on the demand for electricity and considers the nonlinear spesicification between electricity demand and the influence of weather. A nonlinear relationship among electricity sales and atmospheric variables is estimated using a semiparametric...
This paper presents a survey of the econometric literature on the demand for electricity and considers the nonlinear spesicification between electricity demand and the influence of weather. A nonlinear relationship among electricity sales and atmospheric variables is estimated using a semiparametric regression procedure that easily allows linear transformations of the data. The electricity industry has many particular property in contrast with other industries. For example, the demand of electricity is affected by weather condition like temperature and humidity and so on. And in the long run, the stage of country development also has an effect on the demand of electricity. The most important characteristic of the electricity industry is that the demand and supply of electricity does not be determined by the market price mechanism. The demand curve of electricity does not differentiable and electricity is purchased according to multipart decreasing block tariffs. SO the marginal price of electricity comes down when the quantities of used electricity raise that we cannot use the common consumer theory. But the electricity industry is basic industry of a country and it also needs lots of cost to construct power plants. So it is required more exact demand forecasting to manage the electricity industry. To forecast the demand of electricity more accurately, we need to know the relationship among the independent variables like GDP, price of electricity, and atmospheric variables. But atmospheric variables like temperature or humidity, do not interact through linear function. So, this paper tired to measure up the relationship between the electricity demand and atmospheric variable without any assumption about their function using nonparametric method. First, this paper conducted regressions to find the demand function of the electricity. Some relevant atmospheric variables, CDD(Cooling Degree Days) and HDD(Heating Degree Days) was derived from temperature and humidity. Using these variables, the demand of electricity was regressed on dependent variables (GDP, IND, price of electricity, HDD, CDD) in various combinations and the main model was settled down according to comparing these results. From this results, the demand function of total electricity load was specificated using semiparametric method and a month a head forcasting was estimated upon this function. The results indicated that the estimated total electricity demand was rather inaccuracy especially when the quatity of electricity sales fluctuated severely. Second, to overcome the inaccuracy of total electricity load forcasting, separate demand function of electricity load was specificated according to the each demand side of electricity i.e. residential, commercial, and industrial electricity demand. Like the first estimation, the demand fuctions were specificated and a month ahead forecating was estimated. Comparing to the first results, the second trial estimating the electricity load of each past suggested more accurate results. As widely reported in the past, weather has a significant impact on different sectors of the economy and one of the most sensitive is the electricity market. The results and informations presented in this paper could be of interest for current users and potential traders in the deregulated Korean electricity market even if it was very crude suggestion.
This paper presents a survey of the econometric literature on the demand for electricity and considers the nonlinear spesicification between electricity demand and the influence of weather. A nonlinear relationship among electricity sales and atmospheric variables is estimated using a semiparametric regression procedure that easily allows linear transformations of the data. The electricity industry has many particular property in contrast with other industries. For example, the demand of electricity is affected by weather condition like temperature and humidity and so on. And in the long run, the stage of country development also has an effect on the demand of electricity. The most important characteristic of the electricity industry is that the demand and supply of electricity does not be determined by the market price mechanism. The demand curve of electricity does not differentiable and electricity is purchased according to multipart decreasing block tariffs. SO the marginal price of electricity comes down when the quantities of used electricity raise that we cannot use the common consumer theory. But the electricity industry is basic industry of a country and it also needs lots of cost to construct power plants. So it is required more exact demand forecasting to manage the electricity industry. To forecast the demand of electricity more accurately, we need to know the relationship among the independent variables like GDP, price of electricity, and atmospheric variables. But atmospheric variables like temperature or humidity, do not interact through linear function. So, this paper tired to measure up the relationship between the electricity demand and atmospheric variable without any assumption about their function using nonparametric method. First, this paper conducted regressions to find the demand function of the electricity. Some relevant atmospheric variables, CDD(Cooling Degree Days) and HDD(Heating Degree Days) was derived from temperature and humidity. Using these variables, the demand of electricity was regressed on dependent variables (GDP, IND, price of electricity, HDD, CDD) in various combinations and the main model was settled down according to comparing these results. From this results, the demand function of total electricity load was specificated using semiparametric method and a month a head forcasting was estimated upon this function. The results indicated that the estimated total electricity demand was rather inaccuracy especially when the quatity of electricity sales fluctuated severely. Second, to overcome the inaccuracy of total electricity load forcasting, separate demand function of electricity load was specificated according to the each demand side of electricity i.e. residential, commercial, and industrial electricity demand. Like the first estimation, the demand fuctions were specificated and a month ahead forecating was estimated. Comparing to the first results, the second trial estimating the electricity load of each past suggested more accurate results. As widely reported in the past, weather has a significant impact on different sectors of the economy and one of the most sensitive is the electricity market. The results and informations presented in this paper could be of interest for current users and potential traders in the deregulated Korean electricity market even if it was very crude suggestion.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.