초록 ▼

최근 우리나라는 전력수급의 불균형으로 정확한 전력수요 예측의 중요성이 어느 때 보다 강조되고 있다. 전력수요의 예측오차를 최소화하기 위해서 전력운영자는 항상 최신 수요예측 기법을 검토해야 한다.
지수평활법은 단순한 모형 대비 높은 예측력으로 전력수요를 포함한 수많은 시계열 분야에서 널리 사용되어 왔다. 예를 들어 2011년 순환정전사태 이후 전력거래소에서 개발된 단기 전력 수요 예측 모형(KSLF)에서도 지수평활법은 인공지능형방식과 함께 전력수요예측에 사용되어오고 있다.
2000년대 이후 지수평활법은 복수의 주기성을 고려

최근 우리나라는 전력수급의 불균형으로 정확한 전력수요 예측의 중요성이 어느 때 보다 강조되고 있다. 전력수요의 예측오차를 최소화하기 위해서 전력운영자는 항상 최신 수요예측 기법을 검토해야 한다.
지수평활법은 단순한 모형 대비 높은 예측력으로 전력수요를 포함한 수많은 시계열 분야에서 널리 사용되어 왔다. 예를 들어 2011년 순환정전사태 이후 전력거래소에서 개발된 단기 전력 수요 예측 모형(KSLF)에서도 지수평활법은 인공지능형방식과 함께 전력수요예측에 사용되어오고 있다.
2000년대 이후 지수평활법은 복수의 주기성을 고려할 수 있는 보다 복잡한 형태로 발전되어 오고 있는데 이러한 최신 다중 계절성 지수평활법의 활용은 국내 전력수요예측에서 거의 이루어지지 못하고 있는 실정이다. 이에 따라 본 연구에서는 최신 지수평활모형을 소개하고 이를 국내 시간별 전력수요에 적용한 단기(1주) 전력수요 예측모형을 제시한다.
실증분석 부문에서 고려한 예측 방식은 모두 세 가지이다. 첫 번째는 일간, 주간, 연간의 삼중 주기성을 고려한 TBATS 모형으로 여기서는 다중 계절성 지수평활법의 시간별 전력수요 예측 모형 활용 가능성을 검토하였고 두 번째와 세 번째는 최근 4주간만의 데이터를 사용하여 순차적으로 예측치를 구하는 고정창 방식을 적용해 1주간의 시간별 부하를 예측한 하향식과 상향식 예측이다. 하향식(Top-down)은 원데이터를 그대로 이용한 것이고 상향식(Bottom-up)은 원데이터를 두 개의 일간(일평균 및 일피크) 데이터와 일부하율을 이용하여 추세를 제거한 시간별 데이터로 나누어 추정하는 방식이다.
모형의 표본 외 평균자승오차를 기준으로 가장 좋은 결과를 보인 모형은 상향식 모형이었는데 이는 상향식이 시간별 부하데이터에 포함된 여러 가지 복수의 패턴을 나누어 개별적으로 추정함으로써 모형을 보다 단순화하여 패턴의 식별을 보다 용이하게 할 수 있었기 때문이다.
상향식 방식의 부문별 결과는 국내 전력수요 예측 모형 개발에 시사하는 바가 큰데 먼저 일평균 및 일피크 부하의 경우 다중 계절성 지수평활법의 하나인 TBATS 모형이 전통적인 지수평활법을 대표하는 ETS 모형보다 우수한 것으로 나타나 향후 이 부문에서의 다중 계절성 지수평활법의 활용 가능성을 보여주었다. 다음으로 추세를 제거한 시간별 데이터에서는 BATS 모형이 TBATS 모형 보다 모든 기간에서 우월한 것으로 나타나 BATS 모형의 일중 부하패턴 예측에의 활용 가능성을 확인하였다.
본 연구에서 소개한 ETS 모형 및 다중 계절성 지수평활법은 기온등의 외부 환경 변수를 포함하지 않기 때문에 모형의 실제 활용측면에서는 실시간 예측이나 몇 시간 이내의 초단기 전력수요 예측에 보다 적합하다 할 수 있다. 위의 모형이 기존의 전력수요예측모형에서 이용되고 있는 지수평활법 대비 가지는 장점 중의 하나는 모형이 상태공간모형화하여 추정되기 때문에 이전에는 불가능했던 예측신뢰구간을 추정할 수 있다는 점이다. 마지막으로 본 연구에서 제시한 상향식 예측은 기존의 장기 일평균, 일피크 부하 예측 모형과 결합 시 장기(15~20년) “시간별” 전력수요모형의 개발도 가능해 전력시장 시뮬레이터 M-CORE와 같은 프로그램의 입력(Input) 데이터 추정에도 이용될 수 있을 것으로 기대한다.

Abstract ▼

Call for accurate electricity demand forecasts is growing in Korea due to unstable electricity supply and increasing demand. Load demand forecasters should try to minimize forecasting error by keeping up with the most recent forecasting technologies.
The exponential smoothing (ES) method become v

Call for accurate electricity demand forecasts is growing in Korea due to unstable electricity supply and increasing demand. Load demand forecasters should try to minimize forecasting error by keeping up with the most recent forecasting technologies.
The exponential smoothing (ES) method become very popular and commonly used in many forecasting areas including electricity demand in virtue of its simplicity with good forecasting power. For instance, the KSLF(Korea Short-term Load Forecast) program developed in the Korea Power Exchange after the black-out in 2011 also employs exponential smoothing methods along with other model like the artificial intelligence methods.
The ES method are evolving more sophisticated ones capable of incorporating multiple seasonalities of time series data. However, use of these recent development is few in Korea. Thus, the goal of this research is for introducing up-to-date forecasting methods using exponential smoothing and for providing a way to improve short-term(1-week) load forecasting power with those new methods.
In empirical part, we considered three type of forecasting. The first one is forecasting hourly load using the TBATS model incorporated three seasonalities: daily, weekly, and annul. The next two types are top-down and bottom-up 1-week hourly load forecasting approach with rolling window. Top-down approach uses raw(hourly load) data per se, while in bottom-up approach raw data divided into three separate data(daily average load, daily peak load, and hourly normalized data using load factor), forecasted separately, and then reunited to produce final hourly load forecasts.
The best performer based on out-of-sample RMSEs was the bottom-up approach. We suspect this is because the bottom-up approach makes it possible to estimate fewer number of patterns by separating data, so that identification of unobservable components in models are much easier than the top-down approach.
Lessons from empirical results are as follows. First, recently developed ES models like TBATS is useful in forecasting daily average and peak load. Next, BATS is superior to TBATS in forecasting hourly normalized data, which is mainly consisted of intra-day load patterns.
As the methods used in this study are not incorporate exogenous variable like temperature, application of the model should be confined in very short-term(realtime or within a couple of hours) load forecasting. One advantage of using the new methods over the traditional ES methods currently used in the KSLF is that it is possible to calculate confidence intervals for forecasts. Lastly, the bottom-up approach combined with the existing long-term average and peak load forecasting models, could be used in developing long-term(12~20 year) “hourly” load forecasting model needed for producing input data of the M-CORE program, the Korean electricity market simulator.

목차 Contents

• 표지 ... 1
• 참여연구진 ... 4
• 요약 ... 6
• ABSTRACT ... 8
• 제목 차례 ... 10
• 표 차례 ... 12
• 그림 차례 ... 13
• 제1장 서 론 ... 16
• 제2장 지수평활모형을 활용한 전력수요예측 ... 20
• 1. 전력수요의 결정요인 ... 20
• 2. 단기 전력수요 예측 방법론 ... 21
• 3. 지수평활모형의 발전 개요 및 선행연구 ... 23
• 제3장 지수평활모형의 구분 ... 28
• 1. 전통적인 지수평활모형의 구분 ... 28
• 가. 단순지수평활모형 ... 33
• 나. Holt (선형)모형 ... 35
• 다. Holt-Winter 모형 ... 36
• 2. 복수의 주기성을 고려한 지수평활모형 ... 38
• 가. 이중 및 삼중 계절성 Holt-Winter모형 ... 38
• 나. BATS 모형 ... 39
• 다. TBATS 모형 ... 41
• 3. 상태공간모형을 활용한 지수평활모형의 추정 ... 43
• 가. Holt-Winter 모형의 상태공간모형화 ... 44
• 나. 일반적인 지수평활모형 및 BATS/TBATS모형의 상태공간모형화 ... 46
• 다. 상태공간모형의 추정 및 최적 모형의 선택 ... 47
• 제4장 국내 전력수요 데이터를 사용한 실증분석 ... 50
• 1. 데이터 설명 ... 50
• 2. 삼중 계절성 모형 추정 ... 54
• 3. 하향식(Top-down) 추정 ... 63
• 4. 상향식(Bottom-up) 추정 ... 66
• 가. 일평균 및 일피크 부하 예측 ... 71
• 나. 정규화된 시간별 데이터 예측 ... 74
• 다. 예측치 결합 ... 76
• 5. 상향식 vs. 하향식 ... 80
• 제5장 결론 ... 82
• 참고문헌 ... 86
• 끝페이지 ... 92