$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

전력수요예측을 위한 다양한 퍼지 최소자승 선형회귀 모델
Various Models of Fuzzy Least-Squares Linear Regression for Load Forecasting 원문보기

照明·電氣設備學會論文誌 = Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, v.21 no.7, 2007년, pp.61 - 67  

송경빈 (숭실대학교 전기공학부)

초록
AI-Helper 아이콘AI-Helper

전력수요예측은 전력계통의 운용을 위해 필수적이다. 따라서 다양한 방법이 제시되어 왔으며, 특히 특수일의 수요예측은 평일과 구분되며, 부하 패턴을 축출하기에 충분한 자료 확보가 어려워 예측 오차가 크게 나타난다. 본 논문에서는 특수일의 부하예측 정확도를 개선하기 위해 퍼지 최소자승 선형회귀 모델을 분석한다. 4종류의 퍼지 최소자승 선형회귀 모델에 대해 분석과 사례연구를 통하여 가장 정확한 모델을 제시한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The load forecasting has been an important part of power system Accordingly, it has been proposed various methods for the load forecasting. The load patterns of the special days is quite different than those of ordinary weekdays. It is difficult to accurately forecast the load of special days due to...

주제어

#Load Forecasting   #Fuzzy Least-Squares Linear Regression  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

  • H1 과 H4 모델을 이용하여 1996년 노동절 예측을 수행해 보겠다. 식(15)과 식 (12) 를 IMSL의 모듈인 quadratic pr%ramming을 이용하여 해를 구하면 표 3과 같으며 각 모델에 대하여 식 (14) 에 의하여 예측일의 부하를 산정할 수 있다.
  • 전력회사에서 실용화되어 사용하는 방법이 주로 시계열 해석법과 회귀분석법 등의 응용기법이라면 전력수요에 대한 연구자의 최근 관심은 신경회로망, 퍼지이론 등과 같은 인공지능기법을 적용한 예측 모델이 가장 활발히 연구되고 있다. 또한 퍼지전문가 시스템의 응용연구로 가장 오차가 큰 특수 일에 대해 특수 일의 수요곡선을 정규화하고 예측수요패턴모형 및 퍼지 룰베이스를 사용하여 특수 일의 예측 정확도를향상시켰다[2-3]. 최근 10년간의 국내 연구는 대부분 퍼지 및 신경회로망의 용용 연구와 전문가의 경험을 룰베이스하여 전력수요예측 오차를 개선하여 왔으며 지속적인 활발한 연구가 예상되며 사용 소프트웨어의 개발로 발전될 것이다
  • 따라서 퍼지 최소 자승 선형회귀분석법을 이용하여보다 정확한 전력수요예측에 접근한 바 있다. 본 논문에서는 참고문헌[13]에서와같이 퍼지 최소자 승선형 회귀 모델을 계수의 형태에 따라서 4가지로 나누고 예측도가 가장 우수한 경우와 가장 나쁜 경우의 모델을 선정하고 이를 전력수요예측에 적용하여 예측도를 비교하였다.

대상 데이터

  • 53[%]이다. 2000년 특수일에 대하여 H1 과 H4 모델의 정확도에 대하여 사례연구를 수행하였다. 사례연구 결과는 표 5와 6에 제시하였다.
  • 본 논문에서는 i =3 즉, 과거 3개년에 대하여 데이터를 검색하고 이를 이용한다. 표 1에서 X, -(X, -.
  • 1에서 살펴본 바와 같이 삼각 퍼지 넘버로 입력 데이터를 구성해야 한다. 입력 데이터는 특수일 당일의 부하와 특수일 전 평일 4일의 부하를 이용하게 된다. 단 전 평일 4일은 화, 수 목, 금요일 때의 부하만을 이용하며 입력 데이터를 표 1에 나타내었다.
본문요약 정보가 도움이 되었나요?

참고문헌 (16)

  1. 윤용범외 3인, '전력수급계획 및 운용해석 종합시스템 개발에 관한 연구', 한국전력공사 전력연구원, Technical Report, TR.94YJ15.J1998.89, 1998년 12월 

  2. K.H. Kim, J.K. Park, K.J. Hwang and S.H. Kim, 'Implementation of Hybrid Short-term Load Forecasting System Using Artificial Neural Networks and Fuzzy Expert Systems, 'IEEE Transactions on Power Systems, Vol. 10, No. 3, pp. 1534-1539, August 1995 

    상세보기 crossref

  3. 김광호, 황갑주, 박종근, 김성학, '단기전력 수요예측 전문가 시스템의 개발', 전기학회 논문지 47권, 3호, pp. 284-290, 1998년 3월 

  4. S. Rahman, and R. Bhatnagar, 'An Expert System Based Algorithm for Short-Term Load Forecast', IEEE Transactions on Power Systems, Vol. 3, No. 1, pp 50-55, 1987 

  5. T. M. Peng, N. F. Hubele and G. G. Karady, 'An Adaptive Neural Network approach to One-Week Ahead Forecasting', IEEE Transactions on Power Systems, Vol. 8, pp. 1195-1203, August 1993 

    상세보기 crossref

  6. A. G. Bakirtzis, V. Petridis, S. J. Kiartzis, M. C. Alexiadis, and A. H. Maissis, 'A Neural Network Short Term Load Forecasting Model for the Greek Power System', IEEE Transactions on Power Systems, Vol. 11, No. 2, pp. 858-863, May 1996 

    상세보기 crossref

  7. R. Lamedica, A. Prudenzi, M. S, M. Caciotta, and V. Orsolini Cencelli, 'A Neural Network GBased Technique For Short-Term Forecasting of Anomalous Load Periods', IEEE Transactions on Power Systems, Vol. 11, No. 4, pp. 1749-1756, November 1996 

    상세보기 crossref

  8. R. Campo and P. Ruiz, 'Adaptive Weather-Sensitive Short- Term Load Forecast,' IEEE Trans. on PWRS, Vol. PWRS-2, No.3, pp.592-600, Aug., 1987 

  9. Hiroyuki Mori, Hidenori Kobayashi, 'Optimal Fuzzy Inference for Short-Term Load Forecasting', IEEE Transactions on Power Systems, Vol. 11, No. 1, February 1996 

  10. 구본석, 백영식, 송경빈, '퍼지 최소자승 선형회귀분석 알고리즘을 이용한 특수일의 전력수요예측', 대한전기학회 추계학술대회 논문집, pp. 51-53, 2001년 11월 

  11. 김광호,'특수일 전력수요예측을 위한 퍼지 전문가시스템의 개발', 전기학회 논문지 47권, 제7호, pp. 886-891, 1998년 7월 

  12. D.H. Hong, S.H. Lee and H.Y. Do, 'Fuzzy Linear Regression Data Using Shape Preserving Operations', Fuzzy Sets and Systems, Vol 122, pp. 513-526, September 2001 

    상세보기 crossref

  13. D.H. Hong and H.Y. Do, 'Fuzzy Systems Reliability Analysis By The Use of Tw(the weakest t-norm ) on Fuzzy Number Arithmetic Operations', Fuzzy Sets and Systems Vol. 90, pp. 307-316, September 1997 

    상세보기 crossref

  14. D.H. Hong and H.Y. Do and J.K. Song 'Fuzzy least-squares linear regression analysis using shape preserving operations', Fuzzy Sets and Systems Vol. 90, pp. 307-316, September 1997 

    상세보기 crossref

  15. K.H. Kim 'Short- Term Load Forecasting for Special Days in Anomalous Load Conditions Using Neural Networks and Fuzzy Inference Method', IEEE Transactions on Power Systems, Vol. 15, No. 2, pp.559-565, May 2000 

    상세보기 crossref

  16. 조현호, 백영식, 송경빈, 홍덕헌, '퍼지 선형회귀분석 알고리즘을 이용한 특수일 전력수요예측', 대한 전기학회 하계학술대회 논문집, pp. 298-300, 2000년 7월 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로