[논문]초단기 및 단기 다변수 시계열 결합모델을 이용한 24시간 부하예측

이원준; 이문수; 강병오; 정재성

doi:10.5370/kiee.2017.66.3.493

초단기 및 단기 다변수 시계열 결합모델을 이용한 24시간 부하예측
24 hour Load Forecasting using Combined Very-short-term and Short-term Multi-Variable Time-Series Model 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.66 no.3, 2017년, pp.493 - 499

이원준 (Dept. of Energy System Research, Ajou University) , 이문수 (Dept. of Energy Science, Sungkyunkwan University) , 강병오 (Dept. of Electric Engineering, Dong-a University) , 정재성 (Dept. of Energy System Research, Ajou University)

Abstract ▼ AI-Helper

This paper proposes a combined very-short-term and short-term multi-variate time-series model for 24 hour load forecasting. First, the best model for very-short-term and short-term load forecasting is selected by considering the least error value, and then they are combined by the optimal forecasting time. The actual load data of industry complex is used to show the effectiveness of the proposed model. As a result the load forecasting accuracy of the combined model has increased more than a single model for 24 hour load forecasting.

주제어

AI 본문요약
AI-Helper

문제 정의

또한, 최대부하와 온도의 비선형적 관계를 이용하여, 온도를 임계값(Threshold value)으로 모델을 구분한 임계자기회귀모델(Threshold Autoregressive model, TAR) 부하예측 모델이 제안되었다[7]. 본 연구에서는 선행연구사례를 통해 기상예측정보를 포함한 다변수 시계열모델들을 개발하고 이 모델들의 결합을 통해 부하예측의 정확도를 향상시켰다.

제안 방법

실험을 통해 개별모델의 성능을 평가하고, 최적의 개별모델을 선정하여 24시간 부하예측의 정확성을 향상시키기 위해 결합모델을 개발하였다. 결합모델은 e단기예측모델의 예측성능이 가장 좋은 예측시간까지를 최적예측시간(optimal forecasting time)으로 구분하여 초단기예측모델과 단기예측모델을 결합하였다. 실제 산업단지의 부하데이터를 이용한 실험을 통해 제안한 결합모델 성능의 우수성을 검증하였다.

대상 데이터

본 연구에서는 산업단지의 3개월 동안의 15분 단위 부하데이터 및 기상관측소의 날씨정보를 수집하여 2개월 동안의 데이터를 이용하여 모델을 개발하고, 1개월 동안의 데이터를 이용하여 제안된 모델의 예측을 검증하였다. 그림 1은 해당 산업단지의 일주일 동안의 부하패턴을 보여준다.

데이터처리

본 연구에서 개발된 예측 모델의 우수성을 검증하기 위해, 참조 모델로 예측에 널리 활용되는 지속성 모델(Persistence Model)과 비교하였다. 지속성 모델은 식 (5)와 같다 [10].
산업단지의 1개월 동안의 부하데이터를 이용하여 시간 시차를 활용한 다변수 시계열모델(MV_hour(p))의 24시간 부하예측을 수행하였다. 예측에 사용되는 과거 데이터의 개수(p)에 따라 15분 부하예측과 24시간 부하예측을 수행하여 얻은 MAPE 결과 값을 표 2와 표 3에서 각각 보여주고 있다.

이론/모형

개별 예측 모델의 효용성을 검증하기 위하여, 식 (3)과 같이 절대평균백분율오차(Mean Absolute Percentage Error, MAPE)를 사용하였다. MAPE 는 예측 모델의 정확도를 백분율로 표시한 값으로써, 예측에 대한 신뢰구간을 계산하는데 용이하며, 예측모델의 성능비교에 유용하다.

성능/효과

표 6은 최적예측시간을 변경하여 실험한 24시간 부하예측에 관한 MAPE 결과 값을 보여준다. 7개의 모델 중 초단기예측모델을 예측시간 120분까지 사용하고 이후에는 단기예측모델 사용하는 결합모델이 가장 우수한 결과를 보여주었다.
결합모델은 계산된 최적예측 시간을 통해 초단기예측모델과 단기예측모델을 구분하여 24시간 부하예측을 수행한다. 실제 산업단지의 부하데이터를 이용하여 실험을 수행한 결과 결합모델을 통해 초단기부하예측 뿐 아니라 단기부하예측에서도 성능이 향상됨을 알 수 있었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	시계열모델에는 무엇이 있는가?	단기부하예측 방법에는 크게 인공지능 기법의 신경회로망(Artificial Neural Network, ANN) 기법과 시계열모델(Timeseries model)이 많이 사용된다. 시계열모델은 가장 보편적으로 사용되고 있는 통계적 예측방법으로써, 자기회귀(Autoregressive, AR), 이동평균(Moving Average, MA), AR과 MA를 결합한 ARMA(Autoregressive Moving Average)와 ARIMA(Autoregressive Integrated Moving Average)모델 등이 있다. 또한, 수 초부터 수 시간의 부하를 예측하는 초단기예측(very-short-term forecast)은 부하흐름을 제어하거나 설비자원의 최적 전략을 수립하기 위해 이용되며, 보통 단기예측의 통계적 방법론이 많이 사용된다[4].
	초단기예측 모델은 무엇인가?	초단기예측 모델은 짧은 시간단위의 예측을 위해 시계열 데이터를 자기추정(Self-projecting)방법으로 분석하는 자기회귀(Autoregressive)모델을 응용한 다변수 시계열모델(Multiple Time-Series Model)이다. 다변수 시계열모델은 하나의 종속변수와 다변수로 이루어진 독립변수간의 관계를 이용하는 통계적 기법이다.
	절대평균백분율오차의 특징은 무엇인가?	개별 예측 모델의 효용성을 검증하기 위하여, 식 (3)과 같이 절대평균백분율오차(Mean Absolute Percentage Error, MAPE)를 사용하였다. MAPE 는 예측 모델의 정확도를 백분율로 표시한 값으로써, 예측에 대한 신뢰구간을 계산하는데 용이하며, 예측모델의 성능비교에 유용하다. 개별 예측 모델에 대한 실험을 통해 MAPE 값이 최소인 모델을 해당 부하의 최적 예측모델로 선정하였다.

참고문헌 (10)

Korea Energy Economics Institute, "Analysis of Demand Management Effect of Energy Storage System (ESS)", KEEI Basic research report 14-23, 2014.
KPX, "Study on introduction of BESS for activation of Smart Grid and stability of power supply and demand", 2013.
KPX, "Development of Real-Time Load Forecasting Technique and A Study on On-Line Load Forecasting Scheme", 2015. 2.
L. Hernandez, C. Baladron, JM. Aguiar, B. Carro, AJ. Sanchez-Esguevillas, J. Lloret, J. Massana. "A survey on electric power demand forecasting: future trends in smart grids, microgrids and smart buildings". IEEE Commun. Surv. Tutor, 2014; 16(3):1460-1495.

상세보기
Kyung-Hun Lee, Yunho Lee, Jin-O Kim, Hyo-Sang Lee, "Short-Term Load Forecasting using Multiple Time-Series Model Including Dummy Variable", The Transaction of The Korean Institute of Electrical Engineers A, 52A(8), pp. 450-456, 2003
Kyung-Hun Lee, Yunho Lee, Jin-O Kim, Hyo-Sang Lee. "Short-Term Load Forecasting using Multiple Time-Series Model." presented for The Korean Institute of Electrical Engineer conference, (2001.5): 230-232.
Kyung-Hun Lee, Yunho Lee, Jin-O Kim. "TAR(Threshold Autoregressive) Model for Short-Term Load Forecasting Using Nonlinearity of Temperature and Load." THE TRANSACTION OF THE KOREAN INSTITUTE OF ELECTRICAL ENGINEERS A, 50A.9 (2001.9): 399-405
R. Cottet and M. Smith. "Bayesian modeling and forecasting of intraday electricity load", Journal of the American Statistical Association 98 (464): 839-49. 2003.

상세보기
Korea Meterological Administration homepage, http://web.kma.go.kr/images/weather/lifenindustry/dongnaeforecast_rss.pdf
A. Kaur, L. Nonnenmacher, C. F.M. Coimbra, "Net load forecasting for high renewable energy penetration grids", Energy, Volume 114, Pages 1073-1084, 2016

상세보기

저자의 다른 논문 :

LOADING...

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