$\require{mediawiki-texvc}$

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.

변압기 부하패턴 분석을 위한 시간 데이터마이닝 연구
Study of Temporal Data Mining for Transformer Load Pattern Analysis 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.57 no.11, 2008년, pp.1916 - 1921  

신진호 (한국전력공사 전력연구원) ,  이봉재 (한국전력공사 전력연구원) ,  김영일 (한국전력공사 전력연구원) ,  이헌규 (충북대학교 전자계산학과) ,  류근호 (충북대학교 전기전자 컴퓨터공학부)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents the temporal classification method based on data mining techniques for discovering knowledge from measured load patterns of distribution transformers. Since the power load patterns have time-varying characteristics and very different patterns according to the hour, time, day and ...

주제어

#Transformer Load Pattern   #Temporal Data Mining   #Calender Pattern   #Association Rule   #3D Cube Mining  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 이 논문에서는 시간 속성을 가진 변압기 부하 패턴에 대해 시간의 변화에 따른 적용 시점이 명확한 지식 탐사가 가능하고' 향후 부하예측에 있어 탐사된 규칙과 시간 지식을 이용함으로써 기존의 정적인 분류규칙을 적용한 방법보다 더 정확한 예측을 할 수 있는 새로운 시간 패턴 마이닝 기법을 제안한다. 먼저 캘린더 스키마 및 캘린더 패턴의 시간 마이닝을 정의하고, 기본 시간 간격에서의 3차원(시간- 변압기-부하패턴) 패턴 마이닝 수행을 위한 3D 큐브 마이닝 수행하며, 3D 큐브 마이닝 수행 결과인 3차원 패턴에 대한 캘린더 패턴을 주기성 표현 방식을 이용하여 개발결과를 신명한다.

가설 설정

  • 시간 클래스 연관규칙 담사의 문제 정의를 위해서 먼저 모든 트랜잭션 데이터베이스 D는 트랜잭션 시간이 주어진타임스탬买와 관련된다고 가정한다. 캘린더 스키마 CS에 대한 캘린더 패턴 CF 가 주어지면, CP 에 의해 포함되어지는타임스탬프의 트랜잭션을 D(CP) 로 나타낸다.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. S. J. Huang, K. Shih, 'Short-term load forecasting via ARMA model identification including non-Gaussian process considerations', IEEE Trans. Power System, Vol.18, No.2, pp.673-679, 2003 

    상세보기 crossref

  2. G. Chicco, R. Napoli, P. Postulache, M. Scutaru, C. Toader, 'Customer characterization options for improving the tariff offer', IEEE Trans. Power System, Vol.18, pp.381-387, 2003 

    상세보기 crossref

  3. B. Pit, D. Kirchen, 'Applications of data mining techniques to load profiling', In Proc. IEEE PICA, pp.131-136, 1999 

  4. G. Chicco, R. Napoli, P. Postulache, M. Scutariu, C. Toader, 'Load Patter-Based Classification of Electricity Customers', IEEE Trans. Power System, Vol.19, p.1232-1239, 2004 

    상세보기 crossref

  5. R. F. Chang. C. N. Lu, 'Load profiling and its applications in power market', IEEE Trans. Power Engineering Society General Meeting, Vol.2, pp.974-978, 2003 

  6. N. Amjady, 'Short-term hourly load forecasting using time series modeling with peak load capability', IEEE Trans. Power System. Vol.16, No.3, pp.498-505, 2001 

    상세보기 crossref

  7. B. Liu, W. Hsu, Y. Ma, 'Integrating classification and association rule mining', In Proc. of the 4th Int'l Conference Knowledge Discovery and Data Mining, 1998 

  8. Y. Li, P. Ning, 'Discovering calenda-based temporal association rules', In Proc. of the 8th Int'l Symposium on Temporal Representation and Reasoning 2003 

  9. K. Verma. O. P. Vyas, 'Efficient calendar based temporal association rule', SIGMOD Rec., VoI.34:3, pp.63-70, 2005 

  10. W. Li, J. Han, J. Pei, "CMAR: Accurate and Efficient Classification Based on Multiple Association Rules", In Proc. of 2001 Int'l Conference on Data Mining, 2001 

  11. www.csc.liv.ac.uk/~frans/KDD/Software/CMAR/cmar.html 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

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