[논문]주거용 건물의 전력 사용량에 대한 시계열 분석 및 예측

박경미; 김재희

doi:10.5351/kjas.2019.32.3.405

주거용 건물의 전력 사용량에 대한 시계열 분석 및 예측
Time series analysis of the electricity demand in a residential building in South Korea 원문보기

응용통계연구 = The Korean journal of applied statistics, v.32 no.3, 2019년, pp.405 - 421

박경미 (덕성여자대학교 수학 및 통계학과) , 김재희 (덕성여자대학교 수학 및 통계학과)

초록
AI-Helper

얼마나 많은 에너지를 사용하느냐에 대한 예측은 사회에서 중요한 이슈이다. 특히 주거 건물은 건물의 특성상 다른 건물에 비해 예측하기 힘들다. 본 논문에서는 주거용 건물의 전력 사용량에 대한 시계열 분석의 방법들을 설명하고자 한다. 일반적으로 온도는 전력 사용량과 밀접한 관련이 있다고 알려져 있다. 변수들 사이에 공적분 관계가 존재한다면, 시간에 따른 오차를 조정하는 방법인 오차수정모형을 적용한다. 전력 사용량과 온도를 포함한 변수들 사이에 공적분 관계가 있음을 보이고, 새로운 온도 반응 함수를 정의하여 온도 효과를 고려한 오차수정모형을 적용하고자 한다.

Abstract ▼ AI-Helper

Predicting how much energy to use is an important issue in society. However, it is more difficult to capture the usage characteristics of residential buildings than other buildings. This paper provides time series analysis methods for electricity consumption in a residential building. Temperature is closely related to electricity demand. An error correction model, which is a method of adjusting the error with time, is applied when a cointegration relation is established between variables. Therefore, we analyze data via ECMs with consideration of the temperature effect.

주제어

표/그림 (21)

그림 Figure 4.1. Daily electricity demand of L apartment from 2015 to 2016(KWh).
그림 Figure 4.2. Electricity demand comparison between 2015 and 2016.
그림 Figure 4.3. Temperature response function.
그림 Figure 4.4. ACF and PACF of the transformed data. ACF = autocorrelation function; PACF = partial ACF.
표 Table 4.1. Augmented dickey-fuller (ADF) test
표 Table 4.2. Parameter estimation of ARIMA model
표 Table 4.3. Evaluation of ARIMA model
표 Table 4.4. Parameter estimation of ARIMAX model
표 Table 4.5. Evaluation of ARIMAX model
표 Table 4.6. Parameter estimation of ARIMA + GARCH model
표 Table 4.7. Evaluation of ARIMA + GARCH model
표 Table 4.8. Augmented Dickey-Fuller test of electricity demand and temperature
표 Table 4.9. Cointegration test of electricity demand and temperature
표 Table 4.10. Granger causality test between electricity demand and temperature
표 Table 4.11. Evaluation of error correction models
그림 Figure 4.5. Comparison of 30-day forecasting via error correction model.
그림 Figure 4.6. Fit and 30-day forecasting via model 4.
표 Table 4.12. Comparison of ﬁt of 30-day forecasting via error correction models
그림 Figure 4.7. Residual plot of model 4.
그림 Figure 4.8. Q-Q plot of model 4.
표 Table 4.13. Durbin Watson (DW) test of Model 4 for autocorrelation analysis of residuals

질의응답

핵심어	질문	논문에서 추출한 답변
	그랑져 인과검정이란?	그랑져 인과검정은 변수들이 서로 관계가 있음을 알지만 어떤 변수가 원인 변수이고, 어떤 변수가 결과 변수인가 불분명할 경우 사용되는검정이다. 그랑져 인과검정은인과 관계를 보고자 하는두 변수의 예 측에 필요한 정보가 이들 변수들의 시계열에만 의존한다는가정 하에 이루어진다.
	한국이 탈원전화하는 이유는?	예비 전력의 낭비를 줄이기 위해서는전력 사용량의 예측 분석이 중요하다. 또한 노후 원전에 대한 우려와원전 사고에 대한 위험성 때문에 한국은 탈원전화를 하고 있는추세이다. 그 때문에 전력 수급 역시 사람들의 관심사가 되었다.
	온도 변수의 선형효과를 주기 위해 온도 변수를 온도반응함수로 변환하는 이유는?	여름은 온도 가 높을수록 냉방기구의 사용이 많아지고, 겨울은 온도가 낮을수록 난방기구의 사용이 많아지기 때문에 통상적으로 온도는전력 사용에 영향을 끼친다는것을 알 수 있다. 하지만 평균 기온이나 최저 기온 또는최고 기온은 전력 사용예측하는데대해 선형효과를 줄 수 없기 때문에 온도의 효과를 전력 사용량 에 반영하기가 힘들다. 이를 보완하기 위해 전력 사용량에 반영될 수 있는 온도 변수의 선형효과를 주 기 위해 온도 변수를 온도반응함수로 변환해 준다.

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