최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.26 no.4, 2015년, pp.885 - 894
윤상후 (한국외국어대학교 차세대도시농림융합기상사업단) , 최영진 (한국외국어대학교 차세대도시농림융합기상사업단)
It is necessary to forecast the electricity demand for reliable and effective operation of the power system. In this study, we try to categorize a functional data, the mean curve in accordance with the time of daily power demand pattern. The data were collected between January 1, 2009 and December 3...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
전력시스템에서 전력수요 예측이 필수적인 이유는? | 전력수요 예측은 전력시스템의 안정적이고 경제적인 운전을 위해 필수적이다. 최근 에너지 효율향상에 대한 관심은 전력의 공급 측면보다 수요 측면에서의 관리를 강조하고 있다. | |
전력수요예측 기법은 크게 어떤 연구들로 나눌 수 있나요? | 전력수요예측 기법은 매우 다양하게 발전되어 왔다. 수요 예측은 크게 과거 시계열적인 특성을 반영한 연구와 기상과 같은 외부요인과의 관계를 규명을 위한 연구로 나눌 수 있다(Amjady, 2001; Weron, 2006). Hong 등 (2011), Song 등 (2005), Lee 등 (2014)은 과거 시계열적 특성을 활용한 이중계절 지수평활법, 삼중계절 방식, ARIMA 모형 등을 통해, Jeong과 Kim (2014), Song 등 (2014), Taylor (2010)는 온도와 같은 기상요소를 고려한 모형을 통해 전력수요를 예측하였다. | |
최근 에너지 효율향상에 대해서 관심있게 보는 것은 무엇인가요? | 전력수요 예측은 전력시스템의 안정적이고 경제적인 운전을 위해 필수적이다. 최근 에너지 효율향상에 대한 관심은 전력의 공급 측면보다 수요 측면에서의 관리를 강조하고 있다. 전력부하관리시스템인 에너지저장장치 (energy storage system; ESS)와 에너지관리시스템 (energy management system; EMS) 등을 예를 들 수 있다 (Moon, 2013; Lee와 Lee, 2013; Kwak 등, 2013; Lee 등, 2013). |
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.
Hong, D. H., Lee, S. H. and Do, H. Y. (2011). Fuzzy linear regression analysis for fuzzy input-output data using shape preserving operations. Fuzzy Sets and Systems, 122, 513-526.
Hong 등 (2011), Song 등 (2005), Lee 등 (2014)은 과거 시계열적 특성을 활용한 이중계절 지수평활법, 삼중계절 방식, ARIMA 모형 등을 통해, Jeong과 Kim (2014), Song 등 (2014), Taylor (2010)는 온도와 같은 기상요소를 고려한 모형을 통해 전력수요를 예측하였다.
Hwang, H. M., Lee, S. H., Park, J. B., Park, Y. G. and Son, S. Y. (2015). Load forecasting using hierarchical clustering method for building. The Transactions of the Korean Institute of Electrical Engineers, 64, 41-47.
Song 등 (2013)은 크게 주중, 주말, 특수일, 기타로 그룹으로 세분화하여 전력수요를 예측하였고, Hwang 등 (2015)은 계층적 군집분석을 통해 건물의 전력수요패턴을 8개의 군집으로 나누어 접근하였다.
Hwang 등 (2015)은 24시간 자료에 대해 계층적 군집분석을 실시하여 총 8개의 수요패턴을 구분하였고, 이를 토대로 수요예측패턴을 예측하였다.
Jeong, S. W. and Kim, S. Y. (2014). Electricity demand forecasting for daily peak load with seasonality and temperature effects. The Korean Journal of Applied Statistics, 27, 843-853.
Kim, H. J., Kwak, H. R., Kim, Y. N. and Choi, Y. J. (2015). A spectrum based evaluation algorithm for micro scale weather analysis module with application to time series cluster analysis. Journal of the Korean Data & Information Science Society, 26, 41-53.
Kwak, Y. H., Jeon, S. H. and Heo, J. H. (2013). Application of EMS based simulation for potential of energy saving during the cooling season. Journal of the architectural institute of Korea : Planning & design, 29, 255-262.
최근 에너지 효율향상에 대한 관심은 전력의 공급 측면보다 수요 측면에서의 관리를 강조하고 있다. 전력부하관리시스템인 에너지저장장치 (energy storage system; ESS)와 에너지관리시스템 (energy management system; EMS) 등을 예를 들 수 있다 (Moon, 2013; Lee와 Lee, 2013; Kwak 등, 2013; Lee 등, 2013).
Lee, J. I. and Lee, I. W. (2013). Energy storage system (ESS) technologies and standardization for smart grid. Communications of the Korean Institute of Information Scientists and Engineers, 31, 33-42.
최근 에너지 효율향상에 대한 관심은 전력의 공급 측면보다 수요 측면에서의 관리를 강조하고 있다. 전력부하관리시스템인 에너지저장장치 (energy storage system; ESS)와 에너지관리시스템 (energy management system; EMS) 등을 예를 들 수 있다 (Moon, 2013; Lee와 Lee, 2013; Kwak 등, 2013; Lee 등, 2013).
Lee S. M. and Lee K. E. (2012). The study on unemployment rate variation using functional data analysis. Proceedings of excellent graduate student paper (Statistics Korea), 57-80.
시계열자료의 함수적 자료접근은 자료의 정보 손실을 최소화하면서 통계적인 분석이 가능해 보다 정확한 연구를 할 수 있다 (Lee와 Lee, 2012).
Lee, Y. S., Heo, J. and Choi, Y. H. (2013). A study for space-based energy management system to minimizing power consumption in the big data environments. The Journal of the Institute of Internet Broadcasting and Communication, 13, 229-235.
최근 에너지 효율향상에 대한 관심은 전력의 공급 측면보다 수요 측면에서의 관리를 강조하고 있다. 전력부하관리시스템인 에너지저장장치 (energy storage system; ESS)와 에너지관리시스템 (energy management system; EMS) 등을 예를 들 수 있다 (Moon, 2013; Lee와 Lee, 2013; Kwak 등, 2013; Lee 등, 2013).
Lim, H. W. (2014). Special Day Maximum Load Forecast Using K-means cluster, Master Thesis, Uiduk University, Kyeongju.
Hong 등 (2011), Song 등 (2005), Lee 등 (2014)은 과거 시계열적 특성을 활용한 이중계절 지수평활법, 삼중계절 방식, ARIMA 모형 등을 통해, Jeong과 Kim (2014), Song 등 (2014), Taylor (2010)는 온도와 같은 기상요소를 고려한 모형을 통해 전력수요를 예측하였다.
Lim (2014)은 K-평균 군집분석을 통해 특수일 최대전력수요예측을 9개의 군집으로 나누어 분석하였다.
Ma, P., Castillo-Davis, C. I., Zhong, W. and Liu, J. S. (2006). A data-driven clustering method for time course gene expression data. Nucleic Acids Research, 34, 1261-1269.
본 논문의 구조는 2절에서 Ma 등 (2006)이 제안한 함수적 군집모형과 본 연구에서 군집 수를 결정하는 방법을 살펴보고 3절에서 시간단위 전력수요 자료에 적용시켜보고 각 군집의 특징 및 결속력을 확인한다.
이번 절에서는 Ma 등 (2006)이 제안한 시간 함수적 자료를 위한 군집모형에 대해 설명하고자 한다.
Ma 등 (2006)이 개발한 R의 ‘MFDA’ 패키지를 이용하여 2009년 1월 1일부터 2011년 12월 31일까지 한국 전력거래소에서 수집된 1,095일의 시간단위 전력수요 자료를 분석하였다.
Ma 등 (2006)은 likelihood와 자료의 수를 기반으로 한 BIC로 군집의 수를 제안하였다.
Moon, S. I. (2013). Utilization and economic analysis of energy storage system (ESS). Journal of electrical world, 442, 44-48.
최근 에너지 효율향상에 대한 관심은 전력의 공급 측면보다 수요 측면에서의 관리를 강조하고 있다. 전력부하관리시스템인 에너지저장장치 (energy storage system; ESS)와 에너지관리시스템 (energy management system; EMS) 등을 예를 들 수 있다 (Moon, 2013; Lee와 Lee, 2013; Kwak 등, 2013; Lee 등, 2013).
Ramsay, J. O. and Silverman, B. W. (2005). Functional Data analysis, Springer, New York.
함수자료란 시간이나 공간 위에 정의된 함수의 형태로 관측된 자료를 의미하며, 본 연구에서는 시간단위로 관측된 일별 전력수요량이 이에 해당한다 (Ramsay와 Silverman, 2005).
Song, K. B., Baek, Y. S., Hong, D. H. and Jang, G. S. (2005). Short-term load forecasting for the holidays using fuzzy linear regression method. IEEE Transactions on Power Systems, 20, 96-101.
Hong 등 (2011), Song 등 (2005), Lee 등 (2014)은 과거 시계열적 특성을 활용한 이중계절 지수평활법, 삼중계절 방식, ARIMA 모형 등을 통해, Jeong과 Kim (2014), Song 등 (2014), Taylor (2010)는 온도와 같은 기상요소를 고려한 모형을 통해 전력수요를 예측하였다.
Song 등 (2005)에 따르면 전력수요는 사회적 이벤트에 의하여 다양한 특징을 나타내고, 일별 24시간 전력 수요 패턴은 크게 평일, 주말, 특수일, 기타 총 4가지 패턴으로 구분하였다.
이제 군집분석에서 세분화된 군집이 Song 등 (2005)의 분류기준 (휴일, 요일, 월)으로 어떻게 표현되는지 살펴보자.
이에 본 연구의 군집의 수는 Song 등 (2005)의 분류기준으로 분류하였을 때, 오분류된 일 수가 가장 낮은 10개로 결정하였다.
Song 등 (2005)은 전력수요패턴을 평일, 주말, 특수일, 기타 이렇게 4가지로 구분하였지만, 본 연구에서 추세성분이 제거된 일별 시간단위 전력수요량을 함수적 군집분석을 진행하였다.
Song, K. B., Kwon, O. S. and Park, J. D. (2013). Optimal coefficient selection of exponential smoothing model in short term load forecasting on weekdays. The Transactions of the Korean Institute of Electrical Engineers, 62, 149-154.
Hong 등 (2011), Song 등 (2005), Lee 등 (2014)은 과거 시계열적 특성을 활용한 이중계절 지수평활법, 삼중계절 방식, ARIMA 모형 등을 통해, Jeong과 Kim (2014), Song 등 (2014), Taylor (2010)는 온도와 같은 기상요소를 고려한 모형을 통해 전력수요를 예측하였다.
Song 등 (2013)은 크게 주중, 주말, 특수일, 기타로 그룹으로 세분화하여 전력수요를 예측하였고, Hwang 등 (2015)은 계층적 군집분석을 통해 건물의 전력수요패턴을 8개의 군집으로 나누어 접근하였다.
Sugar, C. A. and James, G. M. (2003). Finding the number of clusters in a dataset: An informationtheoretic approach. Journal of the American Statistical Association, 90, 928-934.
Taylor, J. W. (2010). Triple seasonal methods for short-term electricity demand forecasting. European Journal of Operational Research, 204, 139-152.
Wei, G. C. and Tanner, M. A. (1990). A Monte Carlo implementation of the EM algorithm and the poor man's data augmentation algorithms. Journal of the American statistical Association, 85, 699-704.
Weron, R. (2006). Modeling and forecasting electricity loads and prices: A statistical approach, Wiley, Chichester.
전력수요예측 기법은 매우 다양하게 발전되어 왔다. 수요 예측은 크게 과거 시계열적인 특성을 반영한 연구와 기상과 같은 외부요인과의 관계를 규명을 위한 연구로 나눌 수 있다(Amjady, 2001; Weron, 2006).
Yeo, I. K. (2011). Clustering analysis of Korea's meteorological data. Journal of the Korean Data & Information Science Society, 22, 941-949.
이 외에 시계열 자료의 군집분석에 관한 연구로 Kim 등 (2015)과 Yeo (2011) 등의 연구가 있다.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.