[논문]XGBoost 회귀를 활용한 편의점 계약전력 예측 모델의 최적화에 대한 연구

김상민; 박찬권; 이지은

doi:10.9716/kits.2022.21.4.091

Abstract ▼ AI-Helper

This study proposes a model for predicting contracted power using electric power data collected in real time from convenience stores nationwide. By optimizing the prediction model using machine learning, it will be possible to predict the contracted power required to renew the contract of the existi...

This study proposes a model for predicting contracted power using electric power data collected in real time from convenience stores nationwide. By optimizing the prediction model using machine learning, it will be possible to predict the contracted power required to renew the contract of the existing convenience store. Contracted power is predicted through the XGBoost regression model. For the learning of XGBoost model, the electric power data collected for 16 months through a real-time monitoring system for convenience stores nationwide were used. The hyperparameters of the XGBoost model were tuned using the GridesearchCV, and the main features of the prediction model were identified using the xgb.importance function. In addition, it was also confirmed whether the preprocessing method of missing values and outliers affects the prediction of reduced power. As a result of hyperparameter tuning, an optimal model with improved predictive performance was obtained. It was found that the features of power.2020.09, power.2021.02, area, and operating time had an effect on the prediction of contracted power. As a result of the analysis, it was found that the preprocessing policy of missing values and outliers did not affect the prediction result. The proposed XGBoost regression model showed high predictive performance for contract power. Even if the preprocessing method for missing values and outliers was changed, there was no significant difference in the prediction results through hyperparameters tuning.

Keyword

참고문헌 (18)

문지훈, 전상훈, 박진웅, 최영환, 황인준, "인공 신경망과 지지 벡터 회귀분석을 이용한 대학 캠퍼스건물의 전력 사용량 예측 기법", 정보처리학회논 문지, 제5권, 제10호, 2016, 293-302.
백인수, "한국 편의점의 성장 프로세스와 성장 전략", 경영사연구, 제42호, 2006, 159-187.
성종훈, 조영식, "머신러닝 기법을 활용한 공장 에너지사용량 데이터 분석", 정보처리학회논문지, 제8권, 제4호, 2019, 87-92.
아시아경제, 2022, July 31, https://www.asiae.co.kr/article/2022042507301358635.
오재영, 함도현, 이용건, 김기백, "XGBoost 기법을 이용한 단기 전력 수요 예측 및 하이퍼파라미터변화에 따른 영향 분석", 전기학회논문지, 제68권, 제9호, 2019, 1073-1078.
오하령, 임정현, 성영락, "다중 모델 머신러닝 기반 전력사용량 예측 정확도 향상 기법", 전기학회논문지, 제71권, 제6호, 2022, 876-883.
이동호, 김성환, 표성민, "편의점 냉동/냉장/냉난방 전력사용량 측정 및 분석", 전기학회논문지, 제69권, 제4호, 2020, 298-303.
이용준, 선종완, "XGBoost를 활용한 고속도로 콘크리트 포장 파손 예측", 한국건설관리학회 논문집, 제21권, 제6호, 2020, 46-55.
이은지, 서유리, 윤소영, 장혜린, 반효경, "IT 최적화 기술을 이용한 지능형전력망 환경의 스마트 빌딩 전력 스케줄링", 한국IT서비스학회지, 제11권, 제1호, 2012, 41-50.
이주희, 이강윤, "가구당 기기별 에너지 사용량 예측을 위한 딥러닝 모델의 설계 및 구현", 한국빅데이터학회학회지, 제6권, 제1호, 2021, 127-132.
전병기, 김의종, 이경호, 공민석, 신영기, "딥러닝을 이용한 재실정보 기반 건물의 전기 수요 예측 모델", 설비공학논문집, 제31권, 제1호, 2019, 22-31.
황혜진, 김수현, 송규원, "XGBoost 모델 해석을 통한 노인의 인지능력 개선.악화 요인 탐지", 한국차세대컴퓨팅학회논문지, 제14권, 제3호, 2018, 16-24.
최성헌, 허진, "최적화 하이퍼파라미터의 XGBoost 학습자 기반 배깅 모델을 활용한 태양광 출력예측", 전기학회논문지, 제69권, 제7호, 2020, 978-984.
Kuo, C. F., C. H. Lin, and M. H. Lee, "Analyze the energy consumption characteristics and affecting factors of Taiwan's convenience stores-using the big data mining approach", Energy and Buildings, Vol. 168, 2018, 120-136.

상세보기
Li, S. and X. Zhang, "Research on orthopedic auxiliary classification and prediction model based on XGBoost algorithm", Neural Computing and Applications, Vol.32, 1971-1979.

상세보기
Ryu, D. H., R. H. Kim, S. H. Choi, K. J. Kim, Y. M. Ko, Y-J. Kim, M. Song, and D. G. Choi, "Utilizing Electricity Consumption Data to Assess the Noise Discomfort Caused by Electrical Appliances between Neighbors: A Case Study of a Campus Apartment Building", Sustainability, Vol.12, No.20, 2020, 1-16.
Shi, X., Y. D. Wong, M. Z. F. Li, C. Palanisamy, and C. A. Chai, "Feature Learning Approach Based on XGBoost for Driving Assessment and Risk Prediction", Accident Analysis & Prevention, Vol. 129, 2019, 170-179.
Tianqi, C. and G. Carlos, "XGBoost: A Scalable Tree Boosting System", KDD '16( Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2016, 785-794.

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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

[국내논문] XGBoost 회귀를 활용한 편의점 계약전력 예측 모델의 최적화에 대한 연구
A Study on the Optimization of a Contracted Power Prediction Model for Convenience Store using XGBoost Regression 원문보기

Abstract ▼ AI-Helper

Keyword

표/그림 (13)

표/그림 (13)

참고문헌 (18)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] XGBoost 회귀를 활용한 편의점 계약전력 예측 모델의 최적화에 대한 연구 A Study on the Optimization of a Contracted Power Prediction Model for Convenience Store using XGBoost Regression 원문보기

Abstract ▼ AI-Helper

Keyword

표/그림 (13) 모든 표/그림 보기

표/그림 (13) 슬라이드로 보기

참고문헌 (18)

이 논문을 인용한 문헌

저자의 다른 논문 :

박찬권 (17) 이지은 (19)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] XGBoost 회귀를 활용한 편의점 계약전력 예측 모델의 최적화에 대한 연구
A Study on the Optimization of a Contracted Power Prediction Model for Convenience Store using XGBoost Regression 원문보기

표/그림 (13)

표/그림 (13)

활용도 Top5 논문