[논문]최대 전력수요 예측을 위한 시계열모형 비교

권숙희; 김재훈; 손석만; 이성덕

doi:10.5351/kjas.2021.34.4.623

최대 전력수요 예측을 위한 시계열모형 비교
Comparison of time series predictions for maximum electric power demand 원문보기

응용통계연구 = The Korean journal of applied statistics, v.34 no.4, 2021년, pp.623 - 632

권숙희 (충북대학교 정보통계학과) , 김재훈 (충북대학교 정보통계학과) , 손석만 (충북대학교 정보통계학과) , 이성덕 (충북대학교 정보통계학과)

초록
AI-Helper

본 연구에서는 여러가지 시계열 모형 중 평활법(가법계절지수, 승법계절지수), 계절 ARIMA 모형, ARARCH 그리고 AR-GARCH 회귀모형을 이용하여 최대 전력수요를 예측하는 방법을 연구하였다. 이 때 가중 평균모형으로 추세를 갖는 시계열 모형과 온도에 대한 회귀 모형을 적절한 가중치로 예측 정확도를 높이는 방법도 연구하였다. 결과적으로 AR-GARCH 회귀모형으로 예측하는 것이 가중 우수함을 보였다.

Abstract ▼ AI-Helper

Through this study, we studied how to consider environment variables (such as temperatures, weekend, holiday) closely related to electricity demand, and how to consider the characteristics of Korea electricity demand. In order to conduct this study, Smoothing method, Seasonal ARIMA model and regression model with AR-GARCH errors are compared with mean absolute error criteria. The performance comparison results of the model showed that the predictive method using AR-GARCH error regression model with environment variables had the best predictive power.

주제어

표/그림 (8)

그림 Figure 1: Daily maximum electricity demand vs. temperature.
그림 Figure 2: Daily maximum electricity demand(10 years, year 2020.)
그림 Figure 3: MAE according to weight.
표 Table 1: AIC, BIC on SARIMA model
표 Table 2: Coefficients on SARIMA(1, 1, 1) × (1, 1, 0)₇ model
그림 Figure 4: Prediction of model 7.
표 Table 3: MAE according to model
표 Table 4: Estimates of model 7

참고문헌 (9)

Amjady N (2001). Short-term hourly load forecasting using time-series modeling with peak load estimation capability, IEEE Transactions on Power Systems, 16, 498-505.

상세보기
Box GEP, Jenkins GM, and Reinsel GC (1994). Time Series Analysis: Forecasting and Control, Princeton-Hall International.
Engle RF (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation, Econometrica: Journal of the Econometric Society, 50, 987-1007.

상세보기
Jung S and Kim S (2014). Electricity demand forecasting for daily peak load with seasonality and temperature effects, Journal of the Korean Data And Information Science Society, 27, 843-853.
Kalimoldayev M, Drozdenko A, Koplyk I, Marinich T, Abdildayeva A, and Zhukabayeva T (2020). Analysis of modern approaches for the prediction of electric energy consumption, Open Engineering, 10, 350-361.

상세보기
Lee JH, Oh SJ, Yoon Y, Ahn YH, Kim JS, Cho WS, and Lee SD (2019). Analysis of time series to support decision making on V2G using energy consumption data, Journal of the Korean Data And Information Science Society, 30, 401-414.

상세보기
Park J, Kim YB, and Jung CW (2013). Short-term forecasting of city gas daily demand, Journal of Korean Institute of Industrial Engineers, 39, 247-252.

원문보기 상세보기
Taylor JW and Buizza R (2003). Using weather ensemble predictions in electricity demand forecasting, International Journal of Forecasting, 19, 57-70.

상세보기
Winters PR (1960). Forecasting sales by exponentially weighted moving averages, Management Science, 6, 324-342.

상세보기

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