[논문]평균필터 조합을 통한 최대수요전력 예측기법

유찬직; 김재성; 노경우; 조완섭

doi:10.36498/kbigdt.2020.5.1.227

평균필터 조합을 통한 최대수요전력 예측기법
A Maximum Power Demand Prediction Method by Average Filter Combination 원문보기

The journal of Bigdata = 한국빅데이터학회지, v.5 no.1, 2020년, pp.227 - 239

유찬직 (충북대학교 대학원 빅데이터학과) , 김재성 (충북대학교 대학원 빅데이터학과) , 노경우 (충북대학교 경영정보학과) , 조완섭 (충북대학교 경영정보학과)

초록
AI-Helper

본 논문에서는 산업현장에서 통신 오류에도 불구하고 최대전력수요를 예측하는 방법을 소개한다. 최근 국내의 탈원전 정책으로 전력가격상승은 불가피하며, 이에 따른 전력수요 관리를 위한 전력사용량과 최대부하관리는 중요한 문제로 부상하고 있다. 이에 따라, 피크전력을 예측하고 관리하는 것이 중요하다. 하지만 실제 산업현장에서는 각종 설비 및 센서에서 발생하는 노이즈 등으로 인해 측정된 전력데이터의 손실 및 변조 등의 문제가 발생한다. 측정된 유효전력 데이터가 손실된 경우 정확한 값을 예측하기 어렵다. 이 연구는 측정된 유효전력 데이터가 손실될 경우 이상 징후와 결측값을 예측하고 수정하는 모델을 제시한다. 본 연구에 사용된 모델은 산업현장에서 통신 오류가 발생할 경우 최대 전력수요를 예측하는 데 유용할 것으로 예상한다.

Abstract ▼ AI-Helper

This paper introduces a method for predicting the maximum power demand despite communication errors in industrial sites. Due to the recent policy of de-nuclearization in Korea, the price of electricity is inevitable, and the amount of electricity used and maximum load management for the management of power demand are becoming important issues. Accordingly, it is important to predict and manage peak power. However, problems such as loss and modulation of measured power data occur at industrial sites due to noise generated by various facilities and sensors. It is difficult to predict the exact value when measured effective power data are lost. The study presents a model for predicting and correcting anomalies and missing values when measured effective power data are lost. The models used in this study are expected to be useful in predicting peak power demand in the event of communication errors at industrial sites.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서, 본 연구의 목표는 산업현장에서 빈번하게 발생하는 알 수 없는 통신 이상 등으로 데이터 손실에도 불구하고 최대수요전력 값을 예측하는 방법을 제시하는 것이 목적이다.
본 연구에서는 산업현장에서 발생되는 통신 오류에도 불구하고 정확한 최대수요전력을 예측한 최대수여전력 데이터를 확인하는 것만으로도 부하를 줄여서 경제적인 효과를 볼 수 있을 것이다. 그러나 최대수요전력 예상이 되었을 때 능동적인 부하제어 연구와 연계하지 못한 것이 한계로 남는다.
본 연구의 목적은 에너지 비용 절감의 첫 단계인 피크전력을 실시간 전력측정 데이터가 입력되지 않는 상황이나 전기 노이즈 등으로 인한 통신 오류와 같은 상황에서도 신뢰성 높은 최대 수요 전력 예측 모델을 연구 하는 것이다.
본 장에서는 KEPCO에서 수용가에 부가하는 다양한 전기요금 제도와 요금체계에 대하여 설명하고 전력수요 예측과 전력예측 알고리즘에 관한 연구에 관한 연구결과를 소개한다.

제안 방법

근무일과 관계를 확인하기 위하여 2019년 요일별 시간대별 전격 사용량을 비교 분석하였다.
최대전력수요 제어기는 자동 부하 제어로 최대수요전력 관리를 한다. 전력량을 상시 감시하여, 미리 설정된 목표전력 값을 초과하지 않도록 자동으로 부하를 차단하고 투입하여 최대수요전력을 관리한다. 최대전력수요기의 전력예측 연산 알고리즘은 아래 <그림 1>과 같다.

대상 데이터

2019년도 1월부터 12월까지의 KEPCO에서 측정한 최대수요전력의 월별 최대치와 전력감시프로그램으로 측정 저장된 데이터를 평균필터(3.8) 수식으로 계산하여 월별 최대수요전력값을 예측한 값이다. 그리고 전력감시프로그램전문 개발 업체인 B사에서 개발한 연구소 전력감시프로그램에서 사용 중인 연산방식인 버퍼에 FIFO(First IN First out)방식으로 shift 하면서 평균피크전력량을 연산을 비교 하였다.
본 연구에서 사용한 A사의 전력량 데이터는 와 같이 디지털 전력 보호 감시 장치의 전력측정 데이터를 사용한다.

데이터처리

8) 수식으로 계산하여 월별 최대수요전력값을 예측한 값이다. 그리고 전력감시프로그램전문 개발 업체인 B사에서 개발한 연구소 전력감시프로그램에서 사용 중인 연산방식인 버퍼에 FIFO(First IN First out)방식으로 shift 하면서 평균피크전력량을 연산을 비교 하였다. <표 1> 2019년도 월별 최대수요전력 연산 오차율 비교는 KEPCO에서 측정한 최대수요전력값에 대한 오차율은 평균필터 조합을 사용했을 때는 1%, 버퍼 평균과 전력감시프로그램에서 사용 중인 연산 방법으로 60개의 데이터가 쌓였을 때의 평균을 통한 최대수요전력값은 -3%의 오차율이 발생하였다.

이론/모형

2)의 평균필터(Averaging filter)를 사용한다. 최대수요전력 예측 계산식으로 사용한다. 최대수요전력값을 #로 정의 하고 직전 평균값을 #이며 k는 데이터 개수, x_k는 새로 추가된 데이터로 정의한다.

성능/효과

KEPCO에서 측정한 최대수요전력과 비교 했을 때 전력감시프로그램에서 제시한 방법보다 평균필터와 이동평균 조합을 사용하여 최대수요전력 값 예측이 오차율이 3% 더 정확한 것을 알 수 있다.
주말에도 일부 설비들이 작동하는 것을 데이터를 통하여 알 수 있다. 그리고 야간 및 휴일의 전기사용량이 일정하므로 사용하지 않아도 기본적으로 사용되는 최소전력을 확인할 수 있었다.
데이터 오류가 발생 했음에도 불구하고 안정적인 신뢰성 높은 최대수요전력 예측이 값을 얻을 수 있다.
또한, 과거의 데이터를 모두 기억할 필요가 없어 계산에 소요 시간이 짧으며 알고리즘이 반복될 때마다 측정값과 예측값의 오차에 따라 매번 갱신된 가중치를 부여하여 오차를 점점 줄여나가는 효과를 얻게 된다.
본 논문에서는 최대수요전력예측에 대한 다양 연구들인 인공신경망과, 다중회귀분석, 서포트벡터, 딥러닝, LSTM등 다양한 방법들과 비교하여 데이터가 손실된 경우 15분간의 최대수요전력 예측에는 평균필터 조합의 예측값이 가장 정확한 것을 알 수 있었다.
전력비용의 절감을 위해서는 15분간의 누적된 수요전력이 최대수요전력을 넘지 않도록 하는 것이 중요한 것을 확인하였다. 실시간 데이터를 통한 수요전력 예측은 빅데이터가 필요하지 않지만 정확한 데이터가 가장 중요한 요소임을 확인하였다. 15분 동안 통신 오류로 인하여 데이터가 손실되어 최대수요전력을 다르게 예측한다면 큰 경제적 손실을 볼 수 있다.
특히 산업현장에서 빈번히 발생되는 고질적인 문제인 통신 오류가 발생했을 연산에 필요한 수요전력의 데이터가 오류가 발생하여도 평균 필터와 이동평균의 조합으로 최대수요전력 예측값을 연산하여 오차범위 1%로의 최대수요전력 예측값을 계산 할 수 있었다. 이동 평균식을 활용하여 통신 오류 직전까지의 추세값을 반영해 오류 데이터를 대신하여 연산을 하는 방법이 LSTM을 예측 방법보다 이동평균 데이터 직전평균 데이터의 조합의 정확도가 가장 높은 것을 확인 할 수 있었다. 환경이 열악한 중소 산업현장에서 발생되는 통신 오류 문제들을 당장 해결할 수 없지만 그럼에도 불구하고 신뢰 높은 수요전력 데이터를 확보 및 최대수요전력을 예측할 수 있다.
전력비용의 절감을 위해서는 15분간의 누적된 수요전력이 최대수요전력을 넘지 않도록 하는 것이 중요한 것을 확인하였다. 실시간 데이터를 통한 수요전력 예측은 빅데이터가 필요하지 않지만 정확한 데이터가 가장 중요한 요소임을 확인하였다.
전력사용량은 계절별 영향을 많이 받지만, 휴일 및 휴가 연휴 등에 의한 영향을 받는 것을 알 수 있었다. 즉 근무 일수와 연관된 것을 알 수 있다.
<그림 6>에서 2018년도 대비 2019년도에는 총 전력량이 400,000(kWh)을 적게 사용했지만, 전기사용요금은 약 일천만 원 이상을 더 지불했다. 즉, 전력을 적게 사용해도 전력비용이 증가하는 것을 확인했다.
통신 오류 발생 시 평균 필터와 이동평균의 조합이 기존의 전력감시장치의 최대수요전력연산 값보다 13% 이상 정확도가 향상되었고 LSTM의 예측치보다 약 2% 정도 정확한 것을 확인했다.
특히 산업현장에서 빈번히 발생되는 고질적인 문제인 통신 오류가 발생했을 연산에 필요한 수요전력의 데이터가 오류가 발생하여도 평균 필터와 이동평균의 조합으로 최대수요전력 예측값을 연산하여 오차범위 1%로의 최대수요전력 예측값을 계산 할 수 있었다. 이동 평균식을 활용하여 통신 오류 직전까지의 추세값을 반영해 오류 데이터를 대신하여 연산을 하는 방법이 LSTM을 예측 방법보다 이동평균 데이터 직전평균 데이터의 조합의 정확도가 가장 높은 것을 확인 할 수 있었다.

후속연구

본 연구에서는 산업현장에서 발생되는 통신 오류에도 불구하고 정확한 최대수요전력을 예측한 최대수여전력 데이터를 확인하는 것만으로도 부하를 줄여서 경제적인 효과를 볼 수 있을 것이다. 그러나 최대수요전력 예상이 되었을 때 능동적인 부하제어 연구와 연계하지 못한 것이 한계로 남는다.
KEPCO에서는 정확한 수요 예측을 위한 수용가의 부하변동률에 대해 제한을 할 수 밖에 없고 부하변동률에 가장 많은 영향을 미치는 최대수요전력(Peak Power) 관리가 전력 요금 관리에 더욱 중요한 요소로 대두된다. 그리고 발전 단가의 인상으로 수용가에서 부담이 불가피하게 상승하게 되면서 전력비용 절감을 위하여 다각도의 활동을 전개할 것으로 예상한다. 장기적으로 에너지 패러다임이 변경됨에 따라 그 어느 때보다 전력 공급자는 전력수요 예측이 중요해졌고, 전력의 수용가는 경제적인 전력관리가 더욱더 중요해졌다.
이처럼 파리협약 이후 지구 가열에 따른 에너지원에 대한 인식 변화로 국내 에너지 수급정책의 변화가 이루어지고 있다. 특히, 후쿠시마 원전 사태 등의 이유로 원자력발전은 전력생산 단가가 가장 낮음에도 가동 비율을 낮추는 것이 실정이며, 전력비 중에서 가장 큰 포지션을 차지하는 석탄 발전은 정부의 강력한 미세먼지 절감을 위하여 석탄 발전을 감소시키고 LNG 발전으로 대체될 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수요전력이란?	전기요금으로 1년 중 여름철 7월, 8월, 9월 겨울철 12월, 1월, 2월의 최대수요전력(Peak Power)을 향후 1년간의 기본요금으로 적용한다. 수용가에서 사용되는 15분 전력사용량을 기본단위로 측정되는 누적 전력을 수요전력이라 한다. 최대수요전력은 1년 중 7월, 8월, 9월, 12월, 1월, 2월의 수요전력 중 가장 높은 수요전력을 최대수요전력이라 한다.
	KEPCO의 전력 요금 계산 체계는 어떻게 구분되는가?	KEPCO의 전력 요금 계산 체계에서 6개 종별 주택용, 일반용, 교육용, 산업용, 농사용, 가로등으로 구분된다. 비생산 부분의 에너지 절약을 유도하기 위하여 요금 수준을 달리 적용하는 차등 요금제를 채택하고 있다(KEPCO 요금제도 약관, 2020).
	KEPCO에서는 향후 1년간의 기본 요금을 어떻게 적용하는가?	전기요금으로 1년 중 여름철 7월, 8월, 9월 겨울철 12월, 1월, 2월의 최대수요전력(Peak Power)을 향후 1년간의 기본요금으로 적용한다. 수용가에서 사용되는 15분 전력사용량을 기본단위로 측정되는 누적 전력을 수요전력이라 한다.

참고문헌 (24)

고원식.강정훈.신규환(2015), "최대전력 관리 장치를 활용한 피크부하 모니터링 시스템 연구", 한국통신학회 학술대회논문집, 803-804, 2015
조성원(1999), "신경망과 퍼지논리를 이용한 최대수요전력 제어시스템에 관한연구", 한국지능시스템학회, 9(4), 367-470, 1999
이정대(2004), "Kalman Filter를 이용한 경로 통행시간 예측에 관한 연구",석사학위논문, 부산대학교 대학원,
김항주.최혜원.홍승표(2012),. "칼만 필터 알고리즘을 이용한 단속류 통행시간 예측 연구", 유신기술회보, 8 78-89.
김창일.성기철.유인근(2002), "복합퍼지 모델을 이용한 디맨드 예측제어에 관한 연구", 대한전기학회 51(9), 417-424.
권용훈(2012), "최대 수요 전력 예측 방법에 대한 연구", 석사학위 논문, 금오공과대학교 대학원
최효범.이재철.강안나(2013), "최대피크 사용 전력량 모니터링과 그 단계별부하 제어를 통한 에너지 관리에 대한 연구", 한국정보기술학회지 11(1) 35-40.
서영웅.박승영.김명진(2019), "최대수요 전력 저감을 위한 LSTM기반 ESS 운영 스케줄링 기법", 정보과학회 46(11) 1,165-1,173.
조성원(1999), "신경망과 퍼지논리를 이용한 최대수요전력 제어시스템에 관한 연구", 한국지능시스템학회, 9(4), 367-470.
송경빈.박래준.김경환.원종률(2017), "다중회귀분석법을 이용한 전력량 예측 알고리즘" 조명.전기설비학회 31(11) 69-74.
김병진.정을기.한운동.전희종(2000), "지능형 최대 수요 전력 관리 장치의 개발", 한국조명설비학회지, 14(5), 50-55.
정현우.송경빈(2014), "칼만필터 알고리즘을 적용한 전력수요예측 동향, 대한전기학회 학술대회 논문집, 206-207.
이형로.신현정(2011), "Support Vector Regression에 기반한 전력 수요 예측", 산업공학(IE interfaces), 24(4) 351-361.

원문보기 상세보기
이학노.한진현.이명훈(2010), "전력피크의 추정 및 예측에 대한 연구", 에너지경제연구, 9(2), 83-99.

상세보기
최낙훈.손광명.이태기(2011), "수요경향과 온도를 고려한 1일 최대전력 수요 예측", 조명.전기설비학회논문지 15(6), 35-42.
김성필(2012), 칼만필터의 이해, 서울, 아진출판사.
에너지경제연구원(2018), "세계에너지현안" 인사이트 제18호-1호.
KEPCO(2019), 요금체계표, http://cyber.kepco.co.kr/
KEPCO(2020), "요금제도 약관", http://cyber.kepco.co.kr/
Mirasgedis, S., Sarafidis, Y., Georgo Poulou, E., Lalas, D. P., Moschovits, M.Karagiannis, F., and Papakonstantinou, D. (2006), "Models for midterm electricity demand forecasting incorporating weather influences", Energy, 31(2-3), 208-227.

상세보기
Romera, E. G., Moran, M. A. J., and Fernandez, D. C. (2008), "Monthly electric energy demand forecasting with neural networks and Fourier series", Energy Conversion and Management, 49(11), 3135-3142.

상세보기
Pappas, S. Sp., Ekonomou, L., Karampelas, P., Karamousantas, D. C., Katsikas, S. K., Chatzarakis, G. E., and Skafidas, P. D. (2010), Electricity demand load forecasting of the Hellenic power system using an ARMA model, Electric Power Systems Research, 80(3), 256-264.

상세보기
S. Hochreiter and J. Schmidhuber (1997), "Long short-term memory," Neural Computation, 9(8), 1735-1780.

상세보기
Okamula Mizio(1991), Noise Protection & Solution, SungAnDang.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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