최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기학회논문지 = 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)
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...
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. |
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.
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
Korea power exchange, The 7th Basic Plan for Electricity Supply and Demand, https://www.kpx.or.kr
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.
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.
Korea electric power corporation, Electrical supply terms and conditions, http://cyber.kepco.co.kr, 2018.
Woo-Ri Lee, Time series analysis and forecasting, Tamjn, p. 3, 2014.
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.
Woo-Ri Lee, Time series analysis and forecasting, Tamjn, pp. 7-8, 2014.
Sung-Wan Bang, Engineering Numerical Analysis to Learn with MATLAB, Hanbit academy, pp. 136, 2016.
Woo-Ri Lee, Time series analysis and forecasting, Tamjn, p. 15, 2014.
Korea Meteorological Administration, Life Weather Index(Discomfort index), http://www.weather.go.kr, 2009.
Korea Meteorological Administration, Life Weather Index(Sensible temperature), http://www.weather.go.kr, 2009.
Korea Energy Economics Institute, Yearbook of Regional Energy Statistics, http://www.keei.re.kr, 2017.
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.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.