단일 건물에 대한 전력사용량 예측은 bottom-up 방식의 국내 전력 수요 예측에 활용할 수 있어 향후 스마트그리드가 확산됨에 따라 더욱 중요해질 것이다. 또한 정확한 전력사용량 예측을 통해 에너지 다소비 건물의 전력설비를 효율적으로 운용할 수 있고, 동·하계 냉난방수요에 적절히 대처함에 따라 에너지를 효율적으로 소비할 수 있으며 거시적인 관점에서 이산화탄소 배출 등 환경문제 해결에도 기여할 수 있다. 본 논문에서는 에너지 다소비 건물 유형 중 하나인 대학교 캠퍼스의 전력사용량을 예측한다. 중앙대학교 전력 사용량과 과거 서울지역 기상 관측 자료를 활용하여 ...
단일 건물에 대한 전력사용량 예측은 bottom-up 방식의 국내 전력 수요 예측에 활용할 수 있어 향후 스마트그리드가 확산됨에 따라 더욱 중요해질 것이다. 또한 정확한 전력사용량 예측을 통해 에너지 다소비 건물의 전력설비를 효율적으로 운용할 수 있고, 동·하계 냉난방수요에 적절히 대처함에 따라 에너지를 효율적으로 소비할 수 있으며 거시적인 관점에서 이산화탄소 배출 등 환경문제 해결에도 기여할 수 있다. 본 논문에서는 에너지 다소비 건물 유형 중 하나인 대학교 캠퍼스의 전력사용량을 예측한다. 중앙대학교 전력 사용량과 과거 서울지역 기상 관측 자료를 활용하여 ARIMA, ARIMAX, TBATS, 인공신경망 모형을 적합하여 모형들의 예측 성능을 비교하며 전력 사용량 패턴을 분석하여 평일, 토요일, 일·공휴일의 전력사용량 패턴이 다름을 확인하고 각각 개별 모형을 적합할 것을 제안한다. 또한 전력사용량과 밀접한 관련이 있는 냉·난방수요를 반영하기 위해 기상요소 중 기온을 사용하였으며 여름과 겨울의 전력사용량과 기온의 상관관계가 상반되는 점을 보정하기 위하여 본 논문에서는 기온을 보정하는 방법을 제안한다. 각 전력사용량 패턴 분류 별 시계열 모형적합 결과, 평일의 경우 인공신경망 모형이, 토요일과 일·공휴일의 경우 TBATS 모형이 가장 우수한 성능을 보였다.
단일 건물에 대한 전력사용량 예측은 bottom-up 방식의 국내 전력 수요 예측에 활용할 수 있어 향후 스마트그리드가 확산됨에 따라 더욱 중요해질 것이다. 또한 정확한 전력사용량 예측을 통해 에너지 다소비 건물의 전력설비를 효율적으로 운용할 수 있고, 동·하계 냉난방수요에 적절히 대처함에 따라 에너지를 효율적으로 소비할 수 있으며 거시적인 관점에서 이산화탄소 배출 등 환경문제 해결에도 기여할 수 있다. 본 논문에서는 에너지 다소비 건물 유형 중 하나인 대학교 캠퍼스의 전력사용량을 예측한다. 중앙대학교 전력 사용량과 과거 서울지역 기상 관측 자료를 활용하여 ARIMA, ARIMAX, TBATS, 인공신경망 모형을 적합하여 모형들의 예측 성능을 비교하며 전력 사용량 패턴을 분석하여 평일, 토요일, 일·공휴일의 전력사용량 패턴이 다름을 확인하고 각각 개별 모형을 적합할 것을 제안한다. 또한 전력사용량과 밀접한 관련이 있는 냉·난방수요를 반영하기 위해 기상요소 중 기온을 사용하였으며 여름과 겨울의 전력사용량과 기온의 상관관계가 상반되는 점을 보정하기 위하여 본 논문에서는 기온을 보정하는 방법을 제안한다. 각 전력사용량 패턴 분류 별 시계열 모형적합 결과, 평일의 경우 인공신경망 모형이, 토요일과 일·공휴일의 경우 TBATS 모형이 가장 우수한 성능을 보였다.
As electric load forecasting about a single building can be applied by national electricity demand forecast of bottom-up method, it'll be much more important by the spread of the Smart Grid. Also, electric facilities of the energy glutton building can be operated efficiently through the exact electr...
As electric load forecasting about a single building can be applied by national electricity demand forecast of bottom-up method, it'll be much more important by the spread of the Smart Grid. Also, electric facilities of the energy glutton building can be operated efficiently through the exact electric load forecasting ,and energy can be consumed efficiently as well by coping with summer • winter air conditioning and heating demand appropriately, and in microscopic way, it can be contributed in the solution of environment problem like emission of the carbon dioxide. In this paper, we predict the amount of electricity of the university campus which is the one of the type of the energy glutton building. We suggest that each of the individual model would be fitted after the confirmation that the pattern of the electricity usage in weekday, saturday, sunday and holiday, are different by applying the CAU electricity usage and the data of the Seoul climate observation and fitting the ARIMA, ARIMAX, TBATS artificial neural network model and analyzing the pattern of the amount of electricity with the comparison of the models' forecast performance. Also we used the temperature that is one of the meteorological element to reflect the air conditioning and heating demand which has close relation with the amount of electricity, and we suggest the modified method of the temperature in this paper to modify the part that conflicts in the correlation between the temperature and the amount of electricity in summer and winter. As the result of the time series model fitness in the classification of the pattern of the amount of electricity, the artificial neural network in the weekday, TBATS in the saturday, sunday and holiday, showed the most excellent performance.
As electric load forecasting about a single building can be applied by national electricity demand forecast of bottom-up method, it'll be much more important by the spread of the Smart Grid. Also, electric facilities of the energy glutton building can be operated efficiently through the exact electric load forecasting ,and energy can be consumed efficiently as well by coping with summer • winter air conditioning and heating demand appropriately, and in microscopic way, it can be contributed in the solution of environment problem like emission of the carbon dioxide. In this paper, we predict the amount of electricity of the university campus which is the one of the type of the energy glutton building. We suggest that each of the individual model would be fitted after the confirmation that the pattern of the electricity usage in weekday, saturday, sunday and holiday, are different by applying the CAU electricity usage and the data of the Seoul climate observation and fitting the ARIMA, ARIMAX, TBATS artificial neural network model and analyzing the pattern of the amount of electricity with the comparison of the models' forecast performance. Also we used the temperature that is one of the meteorological element to reflect the air conditioning and heating demand which has close relation with the amount of electricity, and we suggest the modified method of the temperature in this paper to modify the part that conflicts in the correlation between the temperature and the amount of electricity in summer and winter. As the result of the time series model fitness in the classification of the pattern of the amount of electricity, the artificial neural network in the weekday, TBATS in the saturday, sunday and holiday, showed the most excellent performance.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.