선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 본 논문에서 사용된 부하 데이터는 실제 산업현장의 데이터 측정의 제약 때문에 모의실험을 통해 임의적으로 부하의 변동이 심한 경우를 측정하여 사용하였다. 그리고 시뮬레이션의 신뢰성을 높이기 위하여 수요시한 15분 동안에 900개의 부하 데이터를 랜덤하게 10회(CASE1 ~ CASE10) 생성하였고 각각 예측 시뮬레이션을 10회 진행하였다. 10개의 부하 데이터는 임의로 생성되는데, 그 결과로 표 2와 같은 특성을 보이도록 생성되었다.
- 그리고 초 단위의 정밀한 수요예측을 할 수 없기 때문에 본 논문에서는 초 단위의 수요예측에 적용할만한 3가지 방식인 지수평활방법, ARIMA 모형, 칼만 필터에 대해 분석하였다.
- 따라서 본 논문에서는 수요예측 방법인 지수평활방법, ARIMA 모형, 칼만 필터를 사용한 초 단위 부하 예측을 제안하고 기존의 예측 방법과 예측 정확도를 비교 분석한다.
- 또한 칼만 필터를 사용하여 초 단위 부하 예측을 수행할 때의 동작과정은 그림 4와 같다. 먼저 초기 부하량 입력값을 바탕으로 칼만 이득을 계산하고 다음 단계로 현재시점에서 측정된 부하량과 예측된 부하량 값의 오차를 반영한 추정값을 계산한다. 이 추정값은 다음시점의 부하량을 예측할 때 사용된다.
- 본 논문에서는 예측시점 t에서의 실제 전력 측정값을 yt, 전력 예측값을 ft, 그리고 평활계수 α는 0.5로 고정하여 적용해보았다.
- 본 논문에서는 지수평활방법, ARIMA 모형, 칼만 필터를 사용하여 초 단위 부하 예측을 수행하고 현재 최대수요전력 관리 장치에서 사용되는 예측전력을 계산하는 방식과 예측 결과를 비교 분석하였다. 비교 분석 결과 수요시한이 끝나는 시점의 수요 전력을 예측하는 기존 예측 방법은 전체적으로 부하의 변동이 심할 경우 계산되는 예측전력 값과 실제 수요전력과의 오차가 크게 나타남을 확인할 수 있었다.
대상 데이터
- 본 논문에서 사용된 부하 데이터는 실제 산업현장의 데이터 측정의 제약 때문에 모의실험을 통해 임의적으로 부하의 변동이 심한 경우를 측정하여 사용하였다. 그리고 시뮬레이션의 신뢰성을 높이기 위하여 수요시한 15분 동안에 900개의 부하 데이터를 랜덤하게 10회(CASE1 ~ CASE10) 생성하였고 각각 예측 시뮬레이션을 10회 진행하였다.
데이터처리
- 예측 시뮬레이션은 지수평활방법 및 ARIMA 모형의 예측은 SPSS 프로그램을 사용하였으며 칼만 필터를 사용한 예측은 MATLAB 프로그램을 사용하여 수행하였다.
이론/모형
- 본 논문에서는 모형을 식별하기 위해 자기상관 함수(ACF: Acutocorrelation Function)을 이용하였고, 모형의 파라메터를 판단하는 기준으로는 AIC(Akaike Information Criterion)을 사용하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.