[논문]유사 시계열 데이터 분석에 기반을 둔 교육기관의 전력 사용량 예측 기법

문지훈; 박진웅; 한상훈; 황인준

doi:10.5626/jok.2017.44.9.954

[국내논문] 유사 시계열 데이터 분석에 기반을 둔 교육기관의 전력 사용량 예측 기법
Power Consumption Forecasting Scheme for Educational Institutions Based on Analysis of Similar Time Series Data

정보과학회논문지 = Journal of KIISE, v.44 no.9, 2017년, pp.954 - 965

문지훈 (고려대학교 전기전자공학과) , 박진웅 (고려대학교 전기전자공학과) , 한상훈 (고려대학교 전기전자공학과) , 황인준 (고려대학교 전기전자공학과)

초록
AI-Helper

안정적인 전력 공급은 전력 인프라의 유지 보수 및 작동에 매우 중요하며, 이를 위해 정확한 전력 사용량 예측이 요구된다. 대학 캠퍼스는 전력 사용량이 많은 곳이며, 시간과 환경에 따른 전력 사용량 변화폭이 다양하다. 이러한 이유로, 전력계통의 효율적인 운영을 위해서는 전력 사용량을 정확하게 예측할 수 있는 모델이 요구된다. 기존의 시계열 예측 기법은 학습 시점과 예측 시점 간의 차이가 클수록 예측 구간이 넓어짐으로 예측 성능이 크게 떨어진다는 단점이 있다. 본 논문은 이를 보완하려는 방안으로, 먼저 의사결정나무를 이용해 날짜, 요일, 공휴일 여부, 학기 등을 고려하여 시계열 형태가 유사한 전력 데이터를 분류한다. 다음으로 분류된 데이터 셋에 각각의 자기회귀누적이동평균모형을 구성하여, 예측 시점에서 시계열 교차검증을 적용해 대학 캠퍼스의 일간 전력 사용량 예측 기법을 제안한다. 예측의 정확성을 평가하기 위해, 성능 평가 지표를 이용하여 제안한 기법의 타당성을 검증하였다.

Abstract ▼ AI-Helper

A stable power supply is very important for the maintenance and operation of the power infrastructure. Accurate power consumption prediction is therefore needed. In particular, a university campus is an institution with one of the highest power consumptions and tends to have a wide variation of electrical load depending on time and environment. For this reason, a model that can accurately predict power consumption is required for the effective operation of the power system. The disadvantage of the existing time series prediction technique is that the prediction performance is greatly degraded because the width of the prediction interval increases as the difference between the learning time and the prediction time increases. In this paper, we first classify power data with similar time series patterns considering the date, day of the week, holiday, and semester. Next, each ARIMA model is constructed based on the classified data set and a daily power consumption forecasting method of the university campus is proposed through the time series cross-validation of the predicted time. In order to evaluate the accuracy of the prediction, we confirmed the validity of the proposed method by applying performance indicators.

Keyword

참고문헌 (22)

A. I. Saleh, A. H. Rabie, and K. M. Abo-Al-Ez, "A data mining based load forecasting strategy for smart electrical grids," Advanced Engineering Informatics, Vol. 30, No. 3, pp. 422-448, Aug. 2016.

상세보기
M. Q. Raza and A. Khosravi, "A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings," Renewable and Sustainable Energy Reviews, Vol. 50, pp. 1352-1372, Oct. 2015.

상세보기
L. Hernandez, C. Baladron, J. M. Aguiar, B. Carro, A. J. Sanchez-Esguevillas, J. Lloret, and J. Massana, "A survey on electric power demand forecasting: future trends in smart grids, microgrids and smart buildings," IEEE Communications Surveys & Tutorials, Vol. 16, No. 3, pp. 1460-1495, Apr. 2014.

상세보기
S. Y. Son, S. H. Lee, K. Chung, and J. S. Lim, "Feature selection for daily peak load forecasting using a neuro-fuzzy system," Multimedia Tools and Applications, Vol. 74, No. 7, pp. 2321-2336, Apr. 2015.

상세보기
T. Hong and S. Fan, "Probabilistic electric load forecasting: A tutorial review," International Journal of Forecasting, Vol. 32, No. 3, pp. 914-938, Jul.-Sep. 2016.

상세보기
J. Moon, J. Park, E. Hwang, and S. Jun, "Forecasting power consumption for higher educational institutions based on machine learning," The Journal of Supercomputing, pp. 1-23, 2017.
J. Moon, S. Jun, J. Park, Y. Choi, and E. Hwang, "An Electric Load Forecasting Scheme for University Campus Buildings Using Artificial Neural Network and Support Vector Regression," KIPS Transactions on Computer and Communication Systems, Vol. 5, No. 10, pp. 293-302, Oct. 2016. (in Korean)

원문보기 상세보기
M. H. Chung and E. K. Rhee, "Potential opportunities for energy conservation in existing buildings on university campus: A field survey in Korea," Energy and Buildings, Vol. 78, pp. 176-182, Aug. 2014.

상세보기
W. Lee, D. Lee, J. Lee, J. Yoon, and U. Shin, "A Case Study of Electric Power Consumption Characteristics in University Building," Journal of the Korean Solar Energy Society, Vol. 32, No. 4, pp. 90-95. Aug. 2012. (in Korean)

원문보기 상세보기
B. Koo, W. Hong, and K. Kim, "A Study on the Energy Reduction Effect Using Renewable Energy Through the Analysis of Energy Consumption Structure in the University Buildings," Journal of the Architectural Institute of Korea Planning & Design, Vol. 29, No. 9, pp. 203-210, Sep, 2013. (in Korean)

상세보기
N. S. Youn and J. T. Kim, "Survey and Analysis of Power Energy Usage of University Buildings," Journal of the Korea Institute of Ecological Architecture and Environment, Vol. 13, No. 2, pp. 27-32, Apr. 2013. (in Korean)
J. Jung, D. Kim, J. Lee, J. Yang, and H. Seok, "The Survey and Analysis of Electric Power Consumption in University Building by Analyzing Case Study," Journal of The Korean Society of Living Environmental System, Vol. 17, No. 1, pp. 1-9, Feb. 2010. (in Korean)
J. Moon, E. Ha, J. Park, and E. Hwang, "Daily Electric Load Forecasting Scheme for Educational Institution Based on Decision Tree and ARIMA Model," Proc. of the 43th KIISE Winter Conference, pp. 6-8, 2016. (in Korean)
H. Yeon and Y. Jang, "Visual Analytics for Abnormal Event detection using Seasonal-Trend Decomposition and Serial-Correlation," Journal of KIISE, Vol. 41, No. 12, pp. 1066-1074, Dec. 2014. (in Korean)

원문보기 상세보기
J. Kim, C. Lee, and K. Shim, "Time Series Prediction using Clustering Algorithm," Journal of KIISE : Computing Practices and Letters, Vol. 20, No. 3, pp. 191-195, Mar. 2014. (in Korean)
W. Lee, S. Yoon, and S. Lee, "Evaluation of Structural Changes of a Controlled Group Using Time-Sequential SNA," Journal of KIISE, Vol. 43, No. 10, pp. 1124-1130, Oct. 2016. (in Korean)

원문보기 상세보기
B. Moon and M. Choi, "Compression Methods for Time Series Data using Discrete Cosine Transform with Varying Sample Size," KIISE Transactions on Computing Practices, Vol. 22, No. 5, pp. 201-208, May. 2016. (in Korean)

상세보기
S. Hong, Y. Moon, and H. Kim, "Privacy-Preserving Time-Series Data Mining," Journal of KISS : Databases, Vol. 40, No. 2, pp. 124-133, Apr. 2013. (in Korean)
L. Rutkowski, M. Jaworski, L. Pietruczuk, and P. Duda, "The CART decision tree for mining data streams," Information Sciences, Vol. 266, pp. 1-15, May 2014.

상세보기
R. J. Hyndman and G. Athanasopoulos, Forecasting: principles and practice, OTexts, 2014.
H. Akaike, "Akaike's Information Criterion," International Encyclopedia of Statistical Science, Springer Berlin Heidelberg, pp. 25-25, Dec. 2011.
A. M. De Livera, R. J. Hyndman, and R. D. Snyder, "Forecasting Time Series With Complex Seasonal Patterns Using Exponential Smoothing," Journal of the American Statistical Association, Vol. 106, No. 496, pp. 1513-1527, Jan. 2012.

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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