최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.63 no.4, 2014년, pp.451 - 454
송경빈 (Dept. of Electrical Engineering at Soongsil University)
Short-term load forecasting(STLF) for electric power demand is essential for stable power system operation and efficient power market operation. We improved STLF method by using hourly temperature as an input data. In order to using hourly temperature to STLF algorithm, we calculated temperature-ele...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
단기 전력수요에 대한 기상요소는 무엇이 있는가? | 최근에는 전력수요예측을 정확성을 높이기 위해 유사일의 자료를 입력 자료로 축출하는 데이터마이닝 기반의 하이브리드 방법에 대한 연구가 관심을 받고 있다. 단기 전력수요에 대해 기상요소는 매우 영향이 크고 기상요소는 최고기온, 최저기온, 평균기온, 불쾌지수, 체감온도, 조도(운량), 일조시간, 상대습도 등이 있다. 현재까지 기상 예보의 신뢰성이 높은 기온을 중요 인자로 취급하고 최대 전력수요 및 최소 전력수요와 기상요소의 상관분석 결과를 통해 가장 높은 상관계수를 갖는 기상요소를 선택하여 단기 전력수요예측 기법에 사용하였다[6]. | |
데이터마이닝 기반의 하이브리드 방법은 무엇인가? | 비선형적 모델 구성에 강점을 가지고 있는 인공지능형기법으로 신경회로망기법이 전력수요예측에 적용되고 있다[4-5]. 최근에는 전력수요예측을 정확성을 높이기 위해 유사일의 자료를 입력 자료로 축출하는 데이터마이닝 기반의 하이브리드 방법에 대한 연구가 관심을 받고 있다. 단기 전력수요에 대해 기상요소는 매우 영향이 크고 기상요소는 최고기온, 최저기온, 평균기온, 불쾌지수, 체감온도, 조도(운량), 일조시간, 상대습도 등이 있다. | |
단기 전력수요예측 알고리즘은 지수평활화법과 비교하여 오차에 대한 어떠한 개선효과가 있었는가? | 기존의 지수평활화법에 최대기온과 최저기온을 고려하여 최대수요와 최저수요를 예측하고 과거의 입력 자료로부터 구성된 일 전력수요패턴으로 전력수요를 예측했을 때 보다 예측의 정확도가 개선된다. 사례연구에서 기존의 기온을 고려한 지수평활화법과 비교하여 최대전력오차는 1.67%에 1.07%로 0.5%를 개선하였으며, 평균오차는 1.40%에서 1.30%로 0.1%를 개선하였다. 향후, 전력수요에 대한 기온의 민감도를 기온 구간별로 보다 정밀하게 계산하고 유사일에 대한 데이터마이닝 기법 등을 적용한 전력수요예측기법의 개발이 기대된다. |
A.D. Papalexopoulos and T.C. Hesterberg, "A Regression-Based Approach to Short-Term System Load Forecasting," IEEE Trans. on Power Systems, vol.4, no.4, pp.1535-1547, 1990
Nima Amjady, "Short-term hourly load forecasting using time-series modeling with peak load estimation capability," IEEE Trans. on Power Systems, vol.16, no.4, pp.798-805, 2002
D.J. Trudnowski, et al., "Real-Time Very Short-Term Load Prediction for Power-System Automatic Generation Control," IEEE Trans. on Control Systems Technology, vol.9, no.2, pp.254-260, 2001
Tomonobu Senjyu, et al, "One-Hour-Ahead Load Forecasting Using Neural Network," IEEE Trans. on Power Systems, vol.17, no.1, pp.113-118, 2002
Lalit Mohan Saini, and Mahender Kumar Soni, "Artificial neural network-based peak load forecasting using conjugate gradient methods," IEEE Trans. on Power Systems, vol.17, no.3, pp.907-912, 2002
Korea Power Exchange, "A Study on Short-term Load Forecasting Technique and its Application", 2011.
Kyung-Bin Song, Seong-Kwan Ha, "An Algorithm of Short-Term Load Forecasting", Trans. KIEE, vol. 53A, no. 10, Oct. 2004.
Sung-ill Kong, Kyung-Bin Song, Young-Sik Baek "The Daily Peak Load Forecasting in Summer with the Sensitivity of Temperature", Trans. KIEE, vol.53A, no.6, pp 358-363, Jun. 2004
Korean Electric Power Research Institute, "Development of the Integrated System for Power System Operational Planning and Analysis", TR.94YJ15.J1998.89, pp. 20-21. December 1998.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.