[논문]전력거래용 수요예측 산법의 개선에 관한 연구

안용섭; 조종만; 김우선; 신기준; 김진수; 황갑주; 우경행

전력거래용 수요예측 산법의 개선에 관한 연구
Improvement of Load Forecasting Algorithm for Power Exchange 원문보기

안용섭 (전력거래소) , 조종만 (전력거래소) , 김우선 (전력거래소) , 신기준 (전력거래소) , 김진수 (전력거래소) , 황갑주 (울산대학교) , 우경행 (울산대학교)

본 연에서는 현재 전력거래소에서 사용하고 있는 단기수요예측 산법을 전력시장 운영환경에 대응 하도록 보다 정확하면서도 공정성이 보장되는 산법으로 개선하였다. 접근방법은 기존의 산법들을 면밀히 분석한 다음 산법의 개선과 매개변수의 튜닝을 통하여 예측정확도를 개선하였으며, 예측과정의 투명성을 확보하기 위하여 예측절차를 출력하는 기능을 포함하였다 예측정확도를 개선하기 위한 주요 방안으로 종합분석모형의 경우는 실적자료가 생길 때 마다 즉시 민감도가 갱신되도록 하였으며, 회귀분석모형은 분석과정에서 의미가 있는 자료만을 선택하도록 하였다. 또한 신경망 모형의 경우는 모의를 통하여 최적의 입력변수를 찾아 설정하였으며, 지식기반모형에서는 최근의 수요특성을 분석하여 새로운 규칙들로 구축하였다. 제안한 산법의 효용성을 평가하기 위하여 2004년도 실계통 자료를 대상으로 모의를 해 본 결과, 모든 산법에서 개선된 예측정확도를 나타내었다.

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

문제 정의

본 연구를 통하여 현재 전력거래소에서 사용하고 있는 단기수요예측 산법을 전력시장 운영환경에 대응하도록 보다 정확하면서도 공정성이 보장되는 산법으로 개선하였다. 연구결과를 요약하며,
본 연구에서는 새로운 실적자료가 생길 때마다 추세 특성과 기상민감도를 자동적으로 갱신하도록 함으로서 예측정확도를 개선하였다.
이에, 본 연구에서는 기존의 수요예측 산법을 전력시장 운영환경에 대응하도록 보다 정확하면서도 공정성이 보장되는 산법으로 개선하였다. 접근방법은 기존의 산법들을 면밀히 분석한 다음 산법의 개선과 매개변수의 튜닝을 통하여 예측정확도를 개선하였으며, 예측과정의 투명성을 확보하기 위하여 예측절차를 출력하는 기능을 포함하였다.

제안 방법

(1) 기존의 산법들을 면말히 분석한 다음 산법의 개선과 매개변수의 튜닝을 통하여 예측정확도를 개선하였다.
(2) 종합분석 모형의 경우는 실적자료가 생길 때 마다 즉시 민감도가 갱신되도록 하였으며, 회귀분석 모형은 분석과정에서 의미가 있는 자료만을 선택하도록 하였다.
(3) 신경망 모형의 경우는 모의를 통하여 최적의 입력변수를 찾아 설정하였으며, 지식기반 모형에서는 최근의 수요특성을 분석하여 새로운 규칙들로 구축하였다
(5) 예측과정의 투명성을 검증하기 위하여 모든 산법의 예측 절차를 장표로 출력하였다.
하였다. 또한 신경망 모형의 경우는 모의를 통하여 최적의 입력변수를 찾아 설정하였으며, 지식기반 모형에서는 최근의 수요특성 분석을 통하여 지식기반의 규칙들을 갱신하였다.[3-4]
신경회 로망 모형 의 경우도 중회 귀 분석 과 마찬가지로 일 최대수요와 지역별 기상자료를 이용하여 학습패턴을 구성하였으며 오차 역 전파(Back Propagation;BP) 알고리즘에 의해 학습토록 하였다. 기본적인 신경회로망의 구조는 그림 1과 같이 입력층에는 전일의 최대수요와 고온 및 저온, 당일의 고온, 저온을 가지며 출력층에서 당일의 최대수요가 도출된다.
예측 정확도를 개선하기 위한 주요 기법을 들면, 종합추세분석 모형의 경우는 실적자료가 생길 때 마다 자동적으로 기상 및 추세민감도를 갱신하도록 하였으며, 회귀분석 모형은 분석과정에서 의미가 있는 자료만을 선택하도록 하였다. 또한 신경망 모형의 경우는 모의를 통하여 최적의 입력변수를 찾아 설정하였으며, 지식기반 모형에서는 최근의 수요특성 분석을 통하여 지식기반의 규칙들을 갱신하였다.
피설명/설명변수는 최근 실적자료 10일분을 pooling하여 이용하며, 모형구성시 최대값에 대한 분률로규준화[PU]하여 모형의 안정성을 높혔다. 이때, 의미가 없는 자료(예를 들어, 고온 민감도를 구하는 과정에서 비가 오거나 기온이 낮은 날)는 배제함으로서 수요예측의 정확도를 개선하도록 하였다. 시간별 예측수요는 예측된 최대수요에 시간대별 패턴계수를 곱하여 얻는다.
산법으로 개선하였다. 접근방법은 기존의 산법들을 면밀히 분석한 다음 산법의 개선과 매개변수의 튜닝을 통하여 예측정확도를 개선하였으며, 예측과정의 투명성을 확보하기 위하여 예측절차를 출력하는 기능을 포함하였다.
특수일 수요의 예측을 위한 지식 기반 모형은 과거 특수 일의 수요특성을 분석[4]하여 모든 특수일에 대한 규칙들을 if-then 의 생성규칙으로 구축하였다. 이때 새로운 ThenObj 연산자를 이용하여 규칙을 확장할 수 있노록 구현하였다.

대상 데이터

개선된 산법의 효용성을 검토해 보기 위하여 2004년 도실 계통 자료를 대상으로 수요예측을 수행하였다. 표 1 ~ 표 4는 기존의 산법과 개선된 산법간의 예측오차를 나타낸 것이다.
기본적인 신경회로망의 구조는 그림 1과 같이 입력층에는 전일의 최대수요와 고온 및 저온, 당일의 고온, 저온을 가지며 출력층에서 당일의 최대수요가 도출된다. 신경망의 학습패턴은 예측일과 같은 요일중에 최근 7일간의 자료를 pooling하여 구성하였다. 주요 파라메터로는 은닉층(7), 학습률(0.

성능/효과

(4) 제안한 산법의 효용성을 평가하기 위하여 2004년 도실 계통 자료를 대상으로 모의를 해 본 결과, 모든 산법에서 개선된 예측정확도를 나타내었다.
본 연구를 통하여 개선된 산법의 효용성을 평가하기 위하여 2004년도 실적 자료를 대상으로 모의를 해 본 결과, 모든 산법에서 개선된 안정적인 예측결과를 얻을 수 있었다.
시물레이션 결과, 기상지수(고온, 저온, 조도)는 다중으로 고려하는 것보다 다음과 같이 한 가지만 고려하는 것이 효과적이었다.
종합 추세분석 모형은 예측에 영향을 주는 요인인 수요패턴, 수요 증감분, 기상 민감도 등 추세성분을 고려한 예측산법으로 평상일의 예측에 매우 효과적이다.
05)를 고려하여 산출한다. 피설명/설명변수는 최근 실적자료 10일분을 pooling하여 이용하며, 모형구성시 최대값에 대한 분률로규준화[PU]하여 모형의 안정성을 높혔다. 이때, 의미가 없는 자료(예를 들어, 고온 민감도를 구하는 과정에서 비가 오거나 기온이 낮은 날)는 배제함으로서 수요예측의 정확도를 개선하도록 하였다.

후속연구

본 연구를 통한 LoFy2000 예측산법의 개선은 전력거래업무와 발전계획 업무에 연계되어 상당한 비용 절감으로 기여하게 될 것이다.

원문 보기

ScienceON 원문보기

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

이 논문과 함께 이용한 콘텐츠

[논문] 154kV 송전선로 갤로핑 현상 분석 및 대책 사례

저작권 관리 안내

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

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

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].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증

전력거래용 수요예측 산법의 개선에 관한 연구
Improvement of Load Forecasting Algorithm for Power Exchange 원문보기

초록
AI-Helper