[논문]시간별 기온을 이용한 예외 기상일의 24시간 평일 전력수요패턴 예측

강동호; 박정도; 송경빈

doi:10.5370/kiee.2016.65.7.1144

시간별 기온을 이용한 예외 기상일의 24시간 평일 전력수요패턴 예측
24-Hour Load Forecasting For Anomalous Weather Days Using Hourly Temperature 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.65 no.7, 2016년, pp.1144 - 1150

강동호 (Dept. of Information & Electronics Eng., Graduate School, Uiduk University) , 박정도 (Div. of Energy and Electrical Engineering, Uiduk University) , 송경빈 (School of Electrical Engineering, Soongsil University)

Abstract ▼ AI-Helper

Short-term load forecasting is essential to the electricity pricing and stable power system operations. The conventional weekday 24-hour load forecasting algorithms consider the temperature model to forecast maximum load and minimum load. But 24-hour load pattern forecasting models do not consider temperature effects, because hourly temperature forecasts were not present until the latest date. Recently, 3 hour temperature forecast is announced, therefore hourly temperature forecasts can be produced by mathematical techniques such as various interpolation methods. In this paper, a new 24-hour load pattern forecasting method is proposed by using similar day search considering the hourly temperature. The proposed method searches similar day input data based on the anomalous weather features such as continuous temperature drop or rise, which can enhance 24-hour load pattern forecasting performance, because it uses the past days having similar hourly temperature features as input data. In order to verify the effectiveness of the proposed method, it was applied to the case study. The case study results show high accuracy of 24-hour load pattern forecasting.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 과거에 시도하지 못한 시간별 기온과 전력수요의 다양한 분석과 예측 기법 개발이 가능하게 되었다. 본 논문에서는 24시간 기온 데이터를 사용하여 예외적인 기온이 발생한 일자를 분석하였으며, 이를 바탕으로 유사일 검색 기법을 제안함으로써, 예외적인 기온이 발생했을 경우, 24시간 전력수요예측 오차율을 감소시키는 방안을 제안한다.
본 논문에서는 이러한 단점을 보완하기 위해 기온을 고려한 유사일을 검색하여 24시간 전력수요 패턴을 계산하는 새로운 방법을 제안하였다. 기존 방식과 비교를 위해 예외적인 기온이 발생한 일자 중 예측 오차가 높은 10일을 추출하여 전력수요 예측 결과를 비교하였고, 제안한 24시간 전력수요패턴 예측 기법은 기존의 방법보다 최대오차와 24시간 평균오차를 크게 개선함을 확인하였다.
최근 3일을 입력데이터로 사용하는 기존 24시간 전력수요 패턴 예측 방식[8]으로 2014년 12월 16일을 예측할 경우, 최근 과거 3일의 24시간 전력수요패턴과 2014년 12월 16일의 24시간 전력수요패턴이 상이하여 예측 오차를 증가시킨다. 본 논문은 예외적인 기온 변화로 발생하는 전력수요예측 오차를 개선하기 위해 유사일을 반영한 전력수요예측 기법을 제안한다.

제안 방법

선정된 일자를 대상으로 제안한 방법을 적용하였다. 계산 결과 가장 EDM이 작은 상위 3개의 일자를 사용하여 24시간 전력수요 예측을 수행한다. 그림 7과 그림 8은 D패턴과 U패턴이 발생한 특정 일자에 대한 기존 예측 방식[8]과 제안한 24시간 예측 방식을 비교한 것이다.
유사도와는 반대로 값이 작을수록 높은 유사도를 나타낸다[9]. 본 논문에서는 유사도 분석을 위해 유클리드 거리를 사용하였다. 유사도 분석을 위한 모델은 다음과 같다.
전력수요는 기온의 변화에 민감하게 반응하므로 전력수요의 유사일 검색은 동일한 계절을 기준으로 수행되어야 한다. 본 논문에서는 유사일과 동일한 계절 및 기후 조건을 예측일 기준으로, 최근 한 달(30일)을 동일한 기후조건으로 정한다. 또한 과거 1년 전 동일 일자를 기준으로 ±30일, 과거 2년 전 동일 일자를 기준으로 ±30일을 유사한 계절조건으로 고려할 수 있을 것이므로, 유사일 검색 구간으로 선정하여 검색 대상 일자의 모집단 크기를 증가시킨다.
선정된 일자를 대상으로 제안한 방법을 적용하였다. 계산 결과 가장 EDM이 작은 상위 3개의 일자를 사용하여 24시간 전력수요 예측을 수행한다.
시간별 기온을 이용한 전력수요 유사일을 검색하기 위해 예측일의 24시간 기온과 과거 일자의 24시간 기온 편차의 유사도 분석 기법을 제안한다. 유사도는 두 객체간의 닮은 정도에 대한 수치적인 척도로 0~1사이의 값을 가지며 값이 클수록 높은 유사도를 나타낸다.

대상 데이터

따라서 전력수요의 왜곡이 발생하지 않은 2009년 1월∼2011년 9월 이전의 일자를 사례 연구 기간으로 설정하였다.
제안된 방식을 검증하기 위해 예외적인 기온이 발생한 일자 중 예측 오차가 높은 일자를 대상으로 선정하였다. 전력수요패턴만의 정확도를 비교하기 위해 최대·최소 전력값은 예측값이 아닌 실측값을 입력데이터로 사용한다.

이론/모형

24시간 전력수요 패턴 및 전력수요 계산은 생성된 패턴의 정확도 비교를 위하여 기존 방식[8]과 동일한 지수평활법 및 지수평활 가중치를 적용하였다. 아래의 식은 검색된 유사일을 적용한 예측일의 24시간 전력수요 패턴 계산식을 나타낸 것이다.

성능/효과

2011년~2013년 평일(화~금)을 대상으로 최고기온과 최저기온 발생시간을 조사해본 결과, 약 83%의 일자에서 최고기온이 14시~16시에 발생하는 것을 확인할 수 있었다. 최저기온의 경우, 3년간의 평일 중 약 69%의 일자가 5시~7시에 최저기온이 발생하였다.
D패턴의 경우에는 최대오차가 기존 방식의 예측보다 평균 약 2.95% 개선되었으며 평균오차는 약 1.36%가 개선되었고, U패턴의 경우에는 최대오차가 평균 약 2.1% 개선되었으며 평균오차는 약 1.08% 개선됨을 확인하였다. 전체적으로는 최대오차가 2.
본 논문에서는 이러한 단점을 보완하기 위해 기온을 고려한 유사일을 검색하여 24시간 전력수요 패턴을 계산하는 새로운 방법을 제안하였다. 기존 방식과 비교를 위해 예외적인 기온이 발생한 일자 중 예측 오차가 높은 10일을 추출하여 전력수요 예측 결과를 비교하였고, 제안한 24시간 전력수요패턴 예측 기법은 기존의 방법보다 최대오차와 24시간 평균오차를 크게 개선함을 확인하였다. 조사기간인 3년(2009년~2011년) 평일 중 이와 같은 예외적인 기온 변화를 나타내는 일자는 약 20%로 비교적 많은 비율을 차지하고 있으므로 제안한 방안을 적용할 경우 그 효용성이 크다고 할 수 있다.
즉, 2014년 12월 16일의 전력수요패턴은 기온의 지속적인 하강으로 인하여 오후 전력수요가 증가된 것이다. 또한, 2014년 12월 16일 이후에는 일반적인 기온 패턴이 발생하여 전력수요 패턴이 오전에 최대전력수요가 발생하는 형태로 되돌아가는 것을 확인할 수 있다. 2014년 12월 15일(월)~2014년 12월 18일(목)의 24시간 전력수요 패턴을 아래와 같이 정규화하여 비교하면 이러한 특징을 더욱 명확하게 확인할 수 있다.
위의 그림에서 알 수 있듯이 기온과 무관하게 최근 3일을 입력 데이터로 24시간 패턴을 계산하는 기존 방식은 오후로 갈수록 실측값과의 차이가 커져서 평균 오차를 크게 발생시키지만, 제안한 방법은 오후의 패턴도 비교적 정확하게 산출함을 알 수 있다. 그림 7의 D 패턴의 경우 오후로 갈수록 기온이 하강함에 따라 난방수요가 급증하여 13시 이후의 전력수요가 증가하였고, 그림 8의 U 패턴의 경우 오후로 갈수록 기온이 상승함에 따라 난방수요가 감소하여 13시 이후의 전력수요가 줄어든 것을 알 수 있다.
08% 개선됨을 확인하였다. 전체적으로는 최대오차가 2.52%, 평균오차가 1.2% 개선되었다.
기존 방식과 비교를 위해 예외적인 기온이 발생한 일자 중 예측 오차가 높은 10일을 추출하여 전력수요 예측 결과를 비교하였고, 제안한 24시간 전력수요패턴 예측 기법은 기존의 방법보다 최대오차와 24시간 평균오차를 크게 개선함을 확인하였다. 조사기간인 3년(2009년~2011년) 평일 중 이와 같은 예외적인 기온 변화를 나타내는 일자는 약 20%로 비교적 많은 비율을 차지하고 있으므로 제안한 방안을 적용할 경우 그 효용성이 크다고 할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존의 전력수요 예측기법에서 생기던 문제점은 무엇이었나?	기존의 전력수요 예측기법은 최대 전력수요와 최소 전력수요예측에 한해서 기온이 적용된 예측을 수행하므로 24시간 전력수요 패턴 예측에는 기온이 적용되지 않고 있는 실정이다. 따라서 예외적인 기온 변화 및 이상 기온이 발생할 경우 정확한 전력수요예측에 어려움이 있었다.
	전력수요예측이란?	전력수요예측은 안정적이고 원활한 전력계통 운영에 필수이며 전력수급 계획 수립을 위한 중요한 요소이다. 단기 전력수요예측은 익일의 전력수요를 예측하여 전력의 가격 결정 및 전력계통 운영을 위해 사용된다.
	전력수요예측을 위한 선행연구에는 무엇이 있었는가?	전력수요예측 오차는 안정적인 전력계통 운영을 방해하고 막대한 경제적 손실을 야기한다. 현재까지 전력수요예측을 위해 많은 선행 연구가 진행되었으며 시계열 분석법, 회귀 분석법과 같은 통계적 모델과 인공신경망, 지식기반의 전문가 시스템, 퍼지 개념을 도입한 예측법 등 다양한 기법들이 적용 되어 왔다[1-5]. 전력수요는 기온에 민감하게 반응하는 요소로서, 전력수요와 기온의 연관성을 이용한 전력수요예측 기법 연구가 상당히 진행되었다[6].

참고문헌 (9)

Suhartono, et. al., "Two-Level Seasonal Model Based on Hybrid ARIMA-ANFIS for Forecasting Short-Term Electricity Load in Indonesia", International Conference on Statistics in Science, Business and Engineering (ICSSBE), pp.1-5, 2012.
Zhang Xiaoyun, Wu Ying, "Load Forecasting Based on Wavelet Analysis Combined with the Fuzzy Support Vector Kernel Regression Method", International Conference on Electric Information and Control Engineering (ICEICE), pp.499-504, 2011.
Kenji Nose-Filho, Anna Diva Plasencia Lotufo, Carlos Roberto Minussi, "Short-Term Multinodal Load Forecasting Using a Modified General Regression Neural Network", IEEE Trans. On Power Delivery, vol.26, no.4, pp.2862-2869, Oct. 2011.

상세보기
Siddharth Arora, James W. Taylor, "Short-Term Forecasting of Anomalous Load Using Rule-Based Triple Seasonal Methods", IEEE Trans. on Power Systems, vol.28, no.3, pp.3235-3242, Aug. 2013.

상세보기
V. H. Hinojosa, A. Hoese, "Short-Term Load Forecasting Using Fuzzy Inductive Reasoning and Evolutionary Algorithms", IEEE Trans. on Power Systems, vol.25, no.1, pp.565-574, Feb. 2010.

상세보기
KPX, "A Study on the New Load Forecasting System Development Based on the Analysis of Electrical Power and Weather Feature", 2014.
Korea Meteorological Administration, "http://www.kma.go.kr"
KPX, "A Study on Short-Term Load Forecasting Technique and its Application", 2011.
Pang-Ning Tan, Michael Steinbach, Vipin Kumar, "Introduction To Data Mining", Addison Wesley, 2007.

저자의 다른 논문 :

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