[논문]시간대별 기온을 이용한 전력수요예측 알고리즘 개발

송경빈

doi:10.5370/kiee.2014.63.4.451

시간대별 기온을 이용한 전력수요예측 알고리즘 개발
Development of Short-Term Load Forecasting Algorithm Using Hourly Temperature 원문보기

전기학회논문지 = 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)

Abstract ▼ AI-Helper

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-electric power demand sensitivity through past actual data and combined this sensitivity to exponential smoothing method which is one of the STLF method. The proposed method is verified by case study for a week. The result of case study shows that the average percentage errors of the proposed load forecasting method are improved comparing with errors of the previous methods.

주제어

AI 본문요약
AI-Helper

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

문제 정의

더운 기간에 최대 전력수요를 예측하기 위해 상관관계가 높은 일 최저기온을 적용하고, 추운기간에 최대 전력수요를 예측하기 위해 상관관계가 높은 일 최고기온을 적용한다[6]. 본 논문에서는 최대기온과 최저기온을 반영한 지수평활화법 기반의 단기전력 수요예측 알고리즘을[6] 개선하여 시간대별 기온을 이용한 단기 전력수요예측 알고리즘을 제시하다. 기존에는 새벽에 춥다가 낮에 기온이 상승하는 경우와 새벽에 따듯했다가 낮에 기온이 하강하는 경우 최고기온과 최저기온은 동일하고 기온 패턴은 상이함에도 구별할 수 없어 전력수요예측 오차를 유발하는 원인 중 하나였다.

제안 방법

기존의 일일 전력수요예측 방안은 최대·최소전력수요를 예측할 때만 일별 최대기온 또는 최저기온을 반영하여 예측최대·최소전력수요를 보정하였으나, 본 논문에서는 이를 확장 및 개선하여 시간별 기온을 이용한 기온-전력민감도를 활용하여 일일 전력 수요예측방안을 제시하였다.
본 논문에서는 다양한 지수평활화법중 다음 수식을 이용하여 최대·최소전력수요와 24시간의 예측일의 패턴을 예측한다[9].
시간대별 기온을 반영한 단기 전력수요예측 알고리즘을 제안하여 단기 전력수요예측의 정확도를 개선하였다. 제안한 알고리즘은 각 시간대별 전력수요에 대한 기온의 민감도를 계산하여 지수평활화법에 기반을 둔 전력수요에 기온의 민감도를 반영하여 수요를 예측한다.
표 1을 통하여 겨울철 최대 전력수요 발생시간대의 기온을 사용하게 된다면 전력수요예측오차가 더욱 줄어듦을 확인할 수 있다. 이러한 문제를 해결하기 위하여 하루 중 최고 및 최저기온이외에 24시간 기온을 이용하는 방안을 제안하여, 일일 전력수요예측 정확도를 개선하는 방안을 제시한다.
제안한 단기 전력수요예측방안의 예측정확도를 확인하기 위하여 2013년 2월 18일(월) ∼ 2월 24일(일)에 대해 수요예측을 수행하고 오차율을 제시하였다.
시간대별 기온을 반영한 단기 전력수요예측 알고리즘을 제안하여 단기 전력수요예측의 정확도를 개선하였다. 제안한 알고리즘은 각 시간대별 전력수요에 대한 기온의 민감도를 계산하여 지수평활화법에 기반을 둔 전력수요에 기온의 민감도를 반영하여 수요를 예측한다. 기존의 지수평활화법에 최대기온과 최저기온을 고려하여 최대수요와 최저수요를 예측하고 과거의 입력 자료로부터 구성된 일 전력수요패턴으로 전력수요를 예측했을 때 보다 예측의 정확도가 개선된다.
따라서 시간대별 기온을 이용할 경우, 하루 중 최고 및 최저기온 이외에 24시간 기온을 이용하여 다양한 기온변화에 대해 수요패턴의 변화를 반영할 수 있다. 제안한 알고리즘을 적용하여 최대 전력수요예측 오차 및 평균오차를 개선한 사례연구 결과를 제시한다.

이론/모형

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]. 더운 기간에 최대 전력수요를 예측하기 위해 상관관계가 높은 일 최저기온을 적용하고, 추운기간에 최대 전력수요를 예측하기 위해 상관관계가 높은 일 최고기온을 적용한다[6].
시간대별 기온-전력수요민감도는 시간대별 전력수요와 기온과의 회귀분석을 통해 얻을 수 있다. 회귀분석은 최소자승법(Least Square Method)을 사용하여 기온과 전력수요의 집합을 통과하는 회귀식을 탐색한다. 선형회귀방정식은 y = ax+b 의 1차 함수 형식으로 나타나며 계수 a와 b는 다음과 같이 구할 수 있다.

성능/효과

표 2는 2013년 2월 18일(월) ∼ 2월 24일(일) 일주일에 대한 기존알고리즘과 개선알고리즘의 전력수요 예측 오차를 나타낸다. 개선알고리즘은 일일 최대수요 발생시간인 10시의 예측정확도가 기존 알고리즘보다 높아졌음을 알 수 있다. 20시부터 24시까지의 예측오차가 크게 발생하는 이유는 기온에 의한 영향을 받지 않는 예측당일의 특이사항이 발생한 것으로 판단된다.
해당 일의 최대수요는 오전 10시에 발생하였으며 해당 시간의 수요는 68,490MW이다. 기존알고리즘을 이용한 예측결과 오전 10시의 예측값은 67,773MW이며, 개선 알고리즘을 이용한 예측값은 68,378MW이다. 예측일의 최고기온은 2.
기존알고리즘을 이용한 예측보다 개선된 알고리즘을 사용하였을 경우, 최대전력오차는 1.67%에서 1.07%로 개선되었고, 평균오차는 1.40%에서 1.30%로 개선됨을 알 수 있다. 전체적으로 개선알고리즘의 수요예측 정확도가 높은 것으로 분석되었다.
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.
30%로 개선됨을 알 수 있다. 전체적으로 개선알고리즘의 수요예측 정확도가 높은 것으로 분석되었다.

후속연구

최고기온이 최대수요시각의 기온이 아니기 때문에 기온 민감도가 적절히 반영되지 않은 결과라 할 수 있을 것이다. 따라서 최대수요 시각과 최대기온이 같은 시간이 아니라면 언제든지 해당 사례연구결과와 같은 기온차에 의한 최대수요예측 실패를 가져올 수 있을 것이다.
1%를 개선하였다. 향후, 전력수요에 대한 기온의 민감도를 기온 구간별로 보다 정밀하게 계산하고 유사일에 대한 데이터마이닝 기법 등을 적용한 전력수요예측기법의 개발이 기대된다.

질의응답

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.

참고문헌 (9)

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

상세보기
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

상세보기
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

상세보기
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.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증