$\require{mediawiki-texvc}$

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.

[국내논문] 한국 최대 전력량 예측을 위한 통계모형
Statistical Modeling for Forecasting Maximum Electricity Demand in Korea 원문보기

한국통계학회 논문집 = Communications of the Korean Statistical Society, v.16 no.1, 2009년, pp.127 - 135  

윤상후 (전남대학교 통계학과) ,  이영생 (전남대학교 통계학과) ,  박정수 (전남대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

한국의 경제규모가 꾸준히 커감에 따라 가정, 건물, 공장 등에서 필요로 하는 전력량이 지속적으로 증가하고 있다. 전력공급의 안정화를 위해서는 최대전력량보다 전력공급능력이 높아야 한다. 월별 최대전력량을 잘 설명할 수 있는 통계모형을 찾기 위해 Winters 모형, 분해 시계열모형, ARMA 모형, 설명 변수를 통해 추세성분과 계절성분을 교정한 모형을 살펴보았다. 모형의 예측력 비교 기준으로 모형적합으로부터 구한 RMSE와 MAPE가 사용되었다. 여름철 최대전력량을 예측하기 위해 평균기온과 열대야 일수를 설명 변수로 갖는 시계열 모형이 가장 우수하였다. 아울러 외부요인을 갖는 극단분포 모형을 이용한 분석을 시도하였다.

Abstract AI-Helper 아이콘AI-Helper

It is necessary to forecast the amount of the maximum electricity demand for stabilizing the flow of electricity. The time series data was collected from the Korea Energy Research between January 2000 and December 2006. The data showed that they had a strong linear trend and seasonal change. Winters...

Keyword

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문의 목적은 한국 최대전력량 자료에 적합한 통계적 모형을 찾고 앞으로 3년간 최대전력량이 얼마나 될지 예측하는데 있다. 전력예측에 관련된 국내의 연구는 남봉우 등 (2008), 송경빈 (2007) 등이 다중 회귀분석법과 퍼지 최소자승 선형회귀모형을 이용하였고, 국외의 연구는 Azadeh (2007), Nowicka-Zagrajek과 Weron (2002), Samer 등 (2001), Tsekouras 등 (2007) 등이 신경망구조와 ARMA 모형 등을 고려하였다.

가설 설정

  • 전력소비량 증가률은 2000년 이후로 비슷한 패턴을 보이 기 때문에 2000년부터 2007년까지 자료를 토대로 앞으로 3년간 년간성장률이 동일하다고 가정하여 연도별 전력 소비 량 예측값과 95% 신뢰구간을 구하면 표 3와 같다. 여름철(7월, 8월, 9월) 평균기온은 1980년부터 2007년까지 서울지역의 월별 평균기온을 토대로 단순회귀분석을 이용하여 연도별 평균기온 예측치를 계산하였고, 그 식은 다음과 같다.
  • 여름철 열대야 일 수는 2000년 이후에 서울지역에 발생했던 월 평균 열대야 일 수가 미래에도 똑같이 발생한다는 가정하였다(7월: 2.34일, 8워 4.03일, 9월: 0.07일). 최종적으로 2000년 1월부터 2007년 12월까지의 자료를 통해 앞으로 3년간 예측값과 95% 신뢰구간을 구하면 그림 2이다.
본문요약 정보가 도움이 되었나요?

참고문헌 (7)

  1. 기상청 (2008). 지난 날씨 통계자료. http://www.kma.go.kr/sfc/sfc_03_02.jsp 

  2. 남봉우, 송경빈, 김규호, 차준민 (2008). 다중회귀분석을 이용한 지역전력수요예측 알고리즘, Jour-nal of the Korean Institute of Illuminating and Electrical Installation Engineers, 22, 63-67 

  3. 송경빈 (2007). 전력수요예측을 위한 다양한 퍼지 최소자승 선형회귀 모델, Journal of the Korean Insti-tute of Illuminating and Electrical Installation Engineers, 21, 61-67 

  4. 에너지경제연구원 (2008). 에너지 월별통계. http://www.keei.re.kr 

  5. 이영생, 박정수 (2008). 극단분포를 활용한 최대전력 소비량 분석, 한국통계학회 추계학술대회, 중앙대학교 

  6. 전력노동조합 (2003). 전력산업구조개편 정책의 문제점과 대안, 전국전력노동조합. http://power.inochong.org/datamenu/DataView.html?SID5 

  7. 조신섭, 손영숙 (2002). , 율곡출판사, 서울 

저자의 다른 논문 :

LOADING...

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

유발과제정보 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