$\require{mediawiki-texvc}$

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.

시계열모형에 의한 전력판매량 예측
Prediction of Electricity Sales by Time Series Modelling 원문보기

응용통계연구 = The Korean journal of applied statistics, v.27 no.3, 2014년, pp.419 - 430  

손영숙 (전남대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

전력수급의 정확한 예측은 국민들의 일상적 생활 유지, 산업활동, 그리고 국가경영을 위하여 매우 중요하다. 본 연구에서는 시계열모형화에 의해 전력판매량을 예측한다. 실제 자료분석을 통하여 입력시계열로서 냉난방도일과 개입변수로 펄스함수를 사용한 전이함수모형이 다른 시계열모형에 비해서 제곱근평균제곱오차 및 평균절대오차의 의미에서 더 우수하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

An accurate prediction of electricity supply and demand is important for daily life, industrial activities, and national management. In this paper electricity sales is predicted by time series modelling. Real data analysis shows the transfer function model with cooling and heating days as an input t...

주제어

#전력판매량   #Winters 계절지수평활법   #AR오차 회귀모형   #승법계절 ARIMA모형   #전이함수 모형   #개입변수   #펄스함수   #냉난방도일  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구에서는 우리나라 전력수급 예측의 핵심이라 할 수 있는 전력판매량(전력소비량)에 대해서 다양한 시계열모형에 의한 예측을 시도하였다. 시계열자료에 대하여 회귀모형이나 평활법을 적용하는 경우에 잔차들에는 여전히 자기상관관계가 남아 있는 경우가 대부분이다.
  • 전력수급 예측의 핵심은 최대전력수요 예측과 전력판매량 예측에 있다. 본 연구에서는 전력판매량의 예측을 다루었다. 전력을 판매하는 한국전력 입장에서의 전력판매량은 전력을 구매하여 소비하는 국민 혹은 산업체의 입장에서의 전력소비량과 같은 의미이다.
  • kr/epsis/)에 의하면 2012년 우리나라 전력사용량은 주거용, 업무용, 산업용이 각각 14%, 33%, 53%로 구성되어 있다. 전력이 끊겼던 때를 생각해 보자. 전력이 끊기면 가정에서는 전력 뿐만 아니라 도시가스도 사용할 수 없게 되어 취사마저 불가능하고 각종 상업 및 산업활동은 위축되거나 정지된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
원래 냉방도일 및 난방도일 시계열이 각각 생산되지만 본 연구에서는 두 시계열을 합한 냉난방도일 시계열을 사용한 이유는 무엇인가? Figure 3.1에서 기온(temperature) 및 냉난방도일(cooling and heating days)은 계절성분만을 가짐을 알 수 있다. 기온보다는 냉난방도일의 계절성분 모양이 전력판매량(electricity sales)과 유사한 패턴을 보인다. 이러한 이유로 원래 냉방도일 및 난방도일 시계열이 각각 생산되지만 본 연구에서는 두 시계열을 합한 냉난방도일 시계열을 사용하였다.
최대전력수요란 무엇인가? 최대전력수요(electricity peak demand)는 어느 일정기간 동안의 1시간 평균전력이 최대인 전력수요 값을 말한다. 산정기간에 따라 일일, 일주간, 일개월, 연간 최대전력수요 등으로 구분하며, 요일별, 계절별, 기후조건, 기타 전력소비의 형태 등에 따라 발생시간대가 다르다.
여름철 최대전력수요는 언제 주로 발생하는가? 산정기간에 따라 일일, 일주간, 일개월, 연간 최대전력수요 등으로 구분하며, 요일별, 계절별, 기후조건, 기타 전력소비의 형태 등에 따라 발생시간대가 다르다. 여름철 최대전력수요는 냉방기기의 가동이 많은 15시를 전후한 낮 시간대 주로 발생하며, 겨울철에는 21시를 전후로 한 야간시간대에 발생한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Box, G. E. P. and Jenkins, G. M. (1976). Time Series Analysis, Forecasting and Control, Prentice Hall. 

  2. Cho, S. and Son, Y. S. (2011). Time Series Analysis using SAS/ETS, Yulgokbooks. 

  3. Dickey, D. A. and Fuller, W. A. (1979). Distribution of estimation for autoregressive time series with a unit root, Journal of the American Statistical Association, 74, 427-431. 

  4. Dickey, D. A., Hasza, D. P. and Fuller, W. A. (1984). Testing for unit roots in seasonal time series, Journal of the American Statistical Association, 79, 355-367. 

    상세보기 crossref

  5. Korea Power Exchange (2010). Prediction of Electricity Supply and Demand for the Next Two Years(2010.07-2010.12), Report, Korea Power Exchange. 

  6. Lee, J., Sohn, H. and Kim, S. (2013). Daily peak load forecasting for electricity demand by time series models, The Korean Journal of Applied Statistics, 26, 349-360. 

    원문보기 상세보기 crossref

  7. Ministry of Knowledge Economy (2013). The 6th Basic Plan for Long-term Electricity Supply and Demand (2013-2027), MKE Notice 2013-63, Ministry of Knowledge Economy. 

  8. Montgomery, D. C. and Johnson, L. A. (1976). Forecasting and Time Series Analysis, McGraw-Hill, Inc. 

  9. Nam, B. W., Song, K. B., Kim, K. H. and Cha, J. M. (2008). The spatial electric load forecasting algorithm using multiple regression analysis method, Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, 22, 63-70. 

    원문보기 상세보기 crossref

  10. SAS Institute Inc. (2008). SAS/ETS 9.2 User's Guide, SAS Institute Inc. Cary, NC. 

  11. Song, K. B. (2007). Various models of Fuzzy Least-Squares Linear Regression for load forecasting, Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, 21, 61-67. 

    원문보기 상세보기 crossref

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

    상세보기 crossref

  13. Wei, W. W. S. (1990). Time Series Analysis, Addison-Wesley Publishing Company. 

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

    상세보기 crossref

  15. Yoon, S. H., Lee, Y. S. and Park, J. (2009). Statistical modeling for forecasting maximum electricity demand in Korea, Communications of the Korean Statistical Society, 16, 127-135. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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