$\require{mediawiki-texvc}$

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.

시계열 모형을 이용한 일별 최대 전력 수요 예측 연구
Daily Peak Load Forecasting for Electricity Demand by Time series Models 원문보기

응용통계연구 = The Korean journal of applied statistics, v.26 no.2, 2013년, pp.349 - 360  

이정순 (중앙대학교 응용통계학과) ,  손흥구 (중앙대학교 응용통계학과) ,  김삼용 (중앙대학교 응용통계학과)

초록
AI-Helper 아이콘AI-Helper

최근 일별 최대 전력수요 예측은 전력설비 계획 및 운용에 매우 중요한 사안으로 주목받고 있다. 본 연구는 일별 최대 전력수요 예측을 위하여 대표적 시계열 모형을 소개하고, 예측의 성능 비교를 위하여 RMSE(Root mean squared error)와 MAPE(Mean absolute percentage error)를 사용한다. 연구결과로 보완된 Holt-Winters 모형과 Reg-ARIMA 모형이 다른 모형에 비하여 우수한 예측 성능을 보였다.

Abstract AI-Helper 아이콘AI-Helper

Forecasting the daily peak load for electricity demand is an important issue for future power plants and power management. We first introduce several time series models to predict the peak load for electricity demand and then compare the performance of models under the RMSE(root mean squared error) ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 계절추세가 있는 시계열 자료를 예측하는 다양한 모형을 소개하고 국내 일별 최대 전력 수요량을 예측했다. 기존의 기법들과 수정된 Holt-Winters 모형과 평균기온을 고려한 Reg-ARIMA 모형을 통한 최대전력수요 예측을 시도하였으며, 시계열 예측 모형을 적합할 때 단순 계절형 모형의 사용과 이중 계절형 모형의 사용에 따른 예측 결과를 비교하여 예측 기간에 따라 어떤 모형이 우수한지 비교하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
계절주기를 모델링하는데 쓰이는 접근 방법은 어떤 것들이 있는가? 가장 흔하게 계절주기를 모델링하는데 쓰이는 접근방법으로는 Holt-Winters 지수평활법과 ARIMA 모형이 있다. Holt-Winters 접근은 몇 가지 약점이 있는데, 그것은 시작값이 필요하고 각 일자별 특정 시간에 유사성을 찾지 못한다는 것이다.
Holt-Winters 지수평활법의 약점은? 가장 흔하게 계절주기를 모델링하는데 쓰이는 접근방법으로는 Holt-Winters 지수평활법과 ARIMA 모형이 있다. Holt-Winters 접근은 몇 가지 약점이 있는데, 그것은 시작값이 필요하고 각 일자별 특정 시간에 유사성을 찾지 못한다는 것이다. 또한 다른 날들의 패턴을 조정하는 것이 가능하지 않다. Taylor (2003)은 다른 주기에 포함된 주기를 이용하는 이중 계절 지수평활법을 개발하였다.
시계열 분석이란? 통계적 수요예측은 다양한 분야에서 자료를 분석하고 예측하는데 널리 쓰이는 기법이다. 시계열 분석은 시간의 흐름에 따라 변하는 경제 현상이나 자연 현상을 일정한 시간간격으로 관찰하여 얻어진 자료를 이용하여 수요를 예측하는 기법으로 특정 시점의 시계열 관측값은 그 이전 자료들에 의존하게 된다. 시계열 분석 방법은 다양한 경제, 경영활동 분야에서 연구되고 있으며, 최근에 전력 수요를 비롯한 공학 분야의 자료 예측에도 적용되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. Amjady, N. (2001). Short-Term Hourly Load Forecasting Using Time-Series Modeling with Peak Load Estimation Capability, IEEE Transactions on Power Systems, 16, 498-505. 

  2. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, 31, 307-327. 

  3. Box, G.E.P. and Jenkins, G.M.(1994)., Time Series Analysis, Forecasting and Control, Prentice Hall. 

  4. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom in ation, Econometrica: Journal of the Econometric Society, 50, 987-1007. 

  5. McSharry, P. E., Bouwman, S. and Bloemhof, G. (2005). Probabilistic forecasts of the magnitude and timing of peak electricity demand, IEEE Transactions on Power Systems, 20, 1166-1172. 

  6. Ramanathan, R., Engle, R., Granger, C. W. J., Vahid-Araghi, F. and Brace, C. (1997). Short-run forecasts of electricity loads and peaks, International Journal of Forecasting, 13, 161-174. 

  7. Sohn, S. Y. and Lim, M. (2005). Hierarchical forecasting based on AR-GARCH model in a coherent structure European, Journal of Operational Research, 176, 1033-1040. 

  8. Taylor, J. W. (2003). Short-term electricity demand forecasting using double seasonal exponential smoothing, Journal of the Operational Research Society, 54, 799-805. 

  9. Taylor, J. W. (2010). Triple seasonal methods for short-term electricity demand foreca-sting, European Journal of Operational Research, 204, 139-152. 

  10. Taylor, J. W. and Buizza, R. (2003). Using weather ensemble predictions in electricity demand forecasting, International Journal of Forecasting, 19, 57-70. 

  11. Weron, R. (2006). Modeling and Forecasting Electricity Loads and Prices: A Statistical Approach, Wiley, Chichester. 

  12. Winters, P. R. (1960). Forecasting sales by exponentially weighted moving averages, Management Science, 6, 324-342. 

저자의 다른 논문 :

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