$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

ARIMA모델 기반 생활 기상지수를 이용한 동·하계 최대 전력 수요 예측 알고리즘 개발
Development of ARIMA-based Forecasting Algorithms using Meteorological Indices for Seasonal Peak Load 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.67 no.10, 2018년, pp.1257 - 1264  

정현철 (Dept. of Electrical Engineering, Dong-A University) ,  정재성 (Dept. of Energy Systems Research, Ajou University) ,  강병오 (Dept. of Electrical Engineering, Dong-A University)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes Autoregressive Integrated Moving Average (ARIMA)-based forecasting algorithms using meteorological indices to predict seasonal peak load. First of all, this paper observes a seasonal pattern of the peak load that appears intensively in winter and summer, and generates ARIMA model...

주제어

#Peak load   #ARIMA model   #Discomfort index   #Sensible temperature  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구에서는 시계열 예측 모델과 생활 기상지수를 이용하여 동·하계 최대 전력 수요를 예측하는 방법을 제시하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
시계열분석이란? 시계열분석은 과거 일정기간 동안의 시계열데이터 분석을 통해 과거 시계열의 형태에서 법칙성을 발견하여 미래에도 같은 법칙으로 반복된다는 가정으로 모형을 추정하여 미래를 예측하는 방법이다[9]. 다양한 시계열 방법 중 ARIMA 모델은 자기회귀 (Autoregressive, AR) 모델과 이동평균(Moving Average, MA) 모델을 혼합한 Autoregressive moving average (ARMA) 모델에 차분 절차를 추가하여 비정상시계열 자료를 정상화 시켜 분석한 모델이다.
ARIMA 모델의 특징은? 시계열분석은 과거 일정기간 동안의 시계열데이터 분석을 통해 과거 시계열의 형태에서 법칙성을 발견하여 미래에도 같은 법칙으로 반복된다는 가정으로 모형을 추정하여 미래를 예측하는 방법이다[9]. 다양한 시계열 방법 중 ARIMA 모델은 자기회귀 (Autoregressive, AR) 모델과 이동평균(Moving Average, MA) 모델을 혼합한 Autoregressive moving average (ARMA) 모델에 차분 절차를 추가하여 비정상시계열 자료를 정상화 시켜 분석한 모델이다. ARIMA 모델을 통해 시계열 관측치 별 예측값을 도출하기 위하여 식 (2)을 활용한다[10].
정확한 전력 수요예측을 위해 국내·외에서 다양한 모델들은 어떤 것들이 있는가? 정확한 전력 수요예측을 위해 국내·외에서 다양한 모델들이 개발되었다. Qiao et al.[4]는 중국 지역(광저우, 쑤저우)의 12개월 전력 수요를 예측하기 위해 Cencus X12-SARIMA를 이용하였고, Juberias et al.[5]는 Autoregressive Integrated Moving Average (ARIMA) 모델을 이용하여 실시간 제어 시스템에 사용되는 시간별 전력 예측 모델을 제시하였다. Jung et al.[6]은 향후 4주 일간 최대 전력 예측을 위해 계절 ARIMA모델과 지역별 대표 기온을 설정하여 기온과 전력 사이의 변동을 반영한 지수평 활 모델을 제안했다. Nam et al.[7]는 지역전력예측 알고리즘을 개선하여 다중회귀 분석을 이용한 알고리즘을 제시하였으며 입력 변수로는 지역경제, 지역인구, 과거의 판매 전력량을 사용하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Hee-Man Shin, Gi-Hyun Bang, Hyo-Seok Cho, Jae-Hyun Park, "Gis-based Regional Load Forecasting System Using Grid Bigdata", The Annual Spring Conference of the Korean Society for Geospatial Information System, pp. 139-140, May. 2017. 

  2. Hak-Loh Lee, Jin-Hyun Han, Myung-Hoon Yi, "Electricity Peak Equation: Estimation and Prediction", Korean Energy Economic Review, Vol. 9, No. 2, pp. 83-99, Sep. 2010 

  3. Korea power exchange, The 7th Basic Plan for Electricity Supply and Demand, https://www.kpx.or.kr 

  4. Z. J. Qiao, F. L. Li, Y. Li, "Mid-long-Term Regional Load Forecasting based on Census X12-SARIMA Model", Przeglad Elektrotechniczny, pp. 224-227, 2013. 

  5. G. Juberias, R. Yunta, J. G. Moreno, C. Mendivil, "A new ARIMA model for hourly load forecasting", Transmission and Distribution Conference, IEEE, pp. 314-319, 1999. 

  6. Hyun-Woo Jung, Kyung-Bin Song, "Daily Maximum Electric Load Forecasting for the Next 4 Weeks for Power System Maintenance and Operation", The Transactions of The Korean Institute of Electrical Engineers, Vol. 63, No. 11, pp. 1497-1502, Nov. 2014. 

    원문보기 상세보기 crossref

  7. Bong-Woo Nam, Kyung-Bin Song, Kyu-Ho Kim, Jun-Min Cha, "The Spatial Electric Load Forecasting Algorithm using the Multiple Regression Analysis Method", Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, Vol. 22, No. 2, pp. 63-70, Feb. 2008. 

    원문보기 상세보기 crossref

  8. Korea electric power corporation, Electrical supply terms and conditions, http://cyber.kepco.co.kr, 2018. 

  9. Woo-Ri Lee, Time series analysis and forecasting, Tamjn, p. 3, 2014. 

  10. M. Y. Cho, J. C. Hwang, C. S. Chen, "Customer short term load forecasting by using ARIMA transfer function model", IEEE Conference on Energy Management and Power Delivery, Vol. 1, pp. 317-322, Nov. 1995. 

  11. Woo-Ri Lee, Time series analysis and forecasting, Tamjn, pp. 7-8, 2014. 

  12. Sung-Wan Bang, Engineering Numerical Analysis to Learn with MATLAB, Hanbit academy, pp. 136, 2016. 

  13. Woo-Ri Lee, Time series analysis and forecasting, Tamjn, p. 15, 2014. 

  14. Korea Meteorological Administration, Life Weather Index(Discomfort index), http://www.weather.go.kr, 2009. 

  15. Korea Meteorological Administration, Life Weather Index(Sensible temperature), http://www.weather.go.kr, 2009. 

  16. Korea Energy Economics Institute, Yearbook of Regional Energy Statistics, http://www.keei.re.kr, 2017. 

  17. B. Ratner, "The correlation coefficient: Its values range between +1/-1, or do they?", Journal of Targeting, Measurement and Analysis for Marketing, Vol. 17, Issue. 2, pp. 139-142, Jun. 2009. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로