KR101989493B1 - System and method for prediction of electrical energy consumption - Google Patents

System and method for prediction of electrical energy consumption Download PDF

Info

Publication number
KR101989493B1
KR101989493B1 KR1020180025728A KR20180025728A KR101989493B1 KR 101989493 B1 KR101989493 B1 KR 101989493B1 KR 1020180025728 A KR1020180025728 A KR 1020180025728A KR 20180025728 A KR20180025728 A KR 20180025728A KR 101989493 B1 KR101989493 B1 KR 101989493B1
Authority
KR
South Korea
Prior art keywords
monthly
power
average
power consumption
weekday
Prior art date
Application number
KR1020180025728A
Other languages
Korean (ko)
Inventor
송경빈
박래준
Original Assignee
숭실대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 숭실대학교산학협력단 filed Critical 숭실대학교산학협력단
Priority to KR1020180025728A priority Critical patent/KR101989493B1/en
Application granted granted Critical
Publication of KR101989493B1 publication Critical patent/KR101989493B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H02J2003/003—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/54—

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

The present invention provides a system for predicting a power consumption amount, capable of accurately predicting a power consumption amount, and a method thereof. According to an embodiment of the present invention, the system for predicting a power consumption amount comprises: a first preprocessing unit calculating a monthly special day weight, which is a ratio of an average power consumption amount of special days to monthly weekdays; a second preprocessing unit calculating a monthly power consumption amount temperature correction value obtained by correcting a past average weekday power consumption amount by a normal year temperature by using a difference between the measured temperature of past weekdays and the normal year temperature; a regression analysis unit generating a regression analysis model using a monthly average weekday power consumption amount applied with the monthly power consumption amount temperature correction value as a dependent variable and calculating a monthly average weekday power consumption prediction amount; and a control unit calculating a monthly power consumption prediction amount by reflecting the monthly special day weight to the monthly average weekday power consumption prediction amount.

Description

전력 사용량 예측 시스템 및 방법{SYSTEM AND METHOD FOR PREDICTION OF ELECTRICAL ENERGY CONSUMPTION}TECHNICAL FIELD [0001] The present invention relates to a system and a method for predicting power consumption,

본 발명의 일실시예는 전력 사용량 예측 시스템 및 방법에 관한 것으로 스마트 시티, 전력 거래 시스템, 전력 계통 운영, 신재생 에너지 발전 시스템 등 전력 사용량 예측이 필요한 다양한 분야에 적용될 수 있다.One embodiment of the present invention relates to a system and method for predicting power usage and can be applied to various fields requiring power usage prediction such as smart city, power trading system, power system operation, and renewable energy generation system.

우리나라의 전력 사용량은 경제성장 및 인구의 증가와 함께 빠르게 증가해왔다. 2000년부터 2008년까지 연 평균 5.6%의 전력소비 증가율을 보였으나 2010년 이후 과거 대비 증가율이 둔화되기 시작하여 2013년은 경제성장률이 3% 내외로 회복하였음에도 불구하고 전력 사용량 증가율은 0.76%로 매우 둔화 되었고 2014년은 -0.42%로 오히려 감소한 것으로 나타났다. 이러한 전력 사용량의 변화는 향후 국가적 관점의 에너지 정책 수립의 중요 요소로 작용하여 정확한 전력 사용량을 예측하는 문제는 매우 중요하다고 할 수 있다. Korea's electricity consumption has increased rapidly with economic growth and population growth. From 2000 to 2008, the average annual growth rate of power consumption was 5.6%. However, since 2010, the rate of growth has slowed down and the growth rate of electricity used in 2013 has recovered to around 3% And 2014 was down by -0.42%. This change in power consumption is an important factor in establishing the energy policy from the national point of view in the future, so it is very important to predict the exact power consumption.

전력 사용량의 변화 추세는 경제적 요인의 영향을 크게 받으며 전력 사용 패턴의 구조적 변화에 의한 요인이 복합적으로 작용하여 발생하는 것으로 알려져있다. 2015년 에너지 경제연구원에서 발표한 국내 전력 소비 패턴의 구조적 변화 및 변화 요인 분석에 따르면 전력 소비 패턴의 구조적 변화의 대표적 요인으로 인구구조의 변화, 근무일수 조정을 말하고 있으며 경기변동과 기온의 변화를 일시적 변화 요인으로 설명하고 있다. It is known that the trend of change in power consumption is affected by economic factors and is caused by a combination of factors caused by structural changes of power use patterns. According to the analysis of structural and change factors of domestic power consumption patterns announced by the Korea Energy Economics Institute in 2015, it is said that changes in population structure and number of working days are representative factors of structural change of power consumption pattern. As a change factor.

기존의 전력사용량 예측은 중, 장기적 관점에서 전력사용량과 상관도가 높다고 알려진 국내 총 생산, 전기요금, 인구수 등 사회, 경제적인 요인만을 반영한 예측이 주를 이루고 있다. 그러나 전력사용량에 영향을 주는 사회, 경제적 요인들만 반영한 예측 기법은 변화 추세의 변동폭이 크지 않았던 과거에는 예측 정확도가 높게 나타났지만 최근 변화 추세가 급격히 변하고 있는 시점에서는 적절하게 동작하지 않는 실정이다.Existing power usage forecasts are predominantly based on social and economic factors such as total production, electricity rates, population, and so on, which are known to have a high correlation with electricity usage from a medium- and long-term perspective. However, prediction techniques that reflect only socioeconomic factors affecting power usage have shown high prediction accuracy in the past when the fluctuation of the change trend was not large, but it does not work properly when the trend of recent change is rapidly changing.

본 발명이 이루고자 하는 기술적 과제는 평일과 특수일의 전력 사용량 차이를 고려하여 전력사용량을 정확하게 예측할 수 있는 전력사용량 예측 시스템 및 방법을 제공하는데 있다.SUMMARY OF THE INVENTION The present invention is directed to a system and method for estimating power consumption that can accurately predict power consumption in consideration of power consumption differences between a weekday and a special day.

또한, 전력사용량에 대한 기온의 영향을 보정하여 전력사용량을 정확하게 예측할 수 있는 전력사용량 예측 시스템 및 방법을 제공하는데 있다.It is another object of the present invention to provide a system and method for predicting power consumption that can accurately predict power consumption by correcting the effect of temperature on power consumption.

또한, 국내총생산, 인구수, 판매전력량, 최대전력수요를 반영하여 전력사용량을 정확하게 예측할 수 있는 전력사용량 예측 시스템 및 방법을 제공하는데 있다.It is also an object of the present invention to provide a system and method for predicting power usage that accurately predicts power consumption by reflecting domestic production, population, sales power, and peak power demand.

본 발명의 실시예에 따르면, 월별 평일 대비 특수일의 평균 전력 사용량 비율인 월별 특수일 가중치를 산출하는 제1전처리부; 과거 평일별 측정 기온과 평년기온과의 차이를 이용하여 과거 평균 평일 전력사용량을 평년기온으로 보정한 월별 전력 사용량 기온 보정값을 산출하는 제2전처리부; 상기 월별 전력 사용량 기온 보정값을 적용한 월별 평균 평일 전력 사용량을 종속변수로 하여 회귀분석모델을 생성하고, 월별 평균 평일 전력 사용 예측량을 산출하는 회귀분석부; 및 상기 월별 평균 평일 전력 사용 예측량에 상기 월별 특수일 가중치를 반영하여 월별 전력 사용 예측량을 산출하는 제어부를 포함하는 전력사용량 예측 시스템을 제공한다.According to an embodiment of the present invention, a first preprocessing unit for calculating a monthly special day weight, which is a ratio of average power consumption of special days to monthly weekdays; A second preprocessing unit for calculating a monthly power usage temperature correction value obtained by correcting the past average weekday power usage by the normal temperature using the difference between the measured weekday temperature and the normal temperature; A regression analyzer for generating a regression analysis model using the monthly average weekday power consumption applied with the monthly power consumption temperature correction value as a dependent variable and calculating a monthly average weekday power use prediction amount; And a control unit for calculating a monthly power usage prediction amount by reflecting the monthly special day weights to the monthly average weekday power use prediction amount.

상기 제어부는 상기 월별 특수일 가중치를 이용하여 월별 환산평일수를 산출하고, 상기 월별 평균 평일 전력 사용예측량 및 상기 월별 환산평일수를 이용하여 상기 월별 전력 사용 예측량을 산출할 수 있다.The control unit may calculate the number of weekly converted weekdays using the monthly special day weights, and calculate the monthly power use predicted amount using the monthly average weekday power use prediction amount and the monthly converted weekday number.

상기 제어부는 하기 수학식 1에 따라 상기 월별 환산평일수를 산출할 수 있다.The control unit may calculate the monthly converted weekday number according to Equation (1).

Figure 112018021985659-pat00001
Figure 112018021985659-pat00001

(수학식 1에서

Figure 112018021985659-pat00002
는 i년 j월의 환산평일수,
Figure 112018021985659-pat00003
는 i년 j월의 평일의 개수,
Figure 112018021985659-pat00004
는 i년 j월의 특수일의 개수,
Figure 112018021985659-pat00005
는 i년 j월의 특수일 가중치이다)(1)
Figure 112018021985659-pat00002
Is the number of weekdays converted by j in month i,
Figure 112018021985659-pat00003
Is the number of weekdays in j month of year i,
Figure 112018021985659-pat00004
Is the number of special days in j month of year i,
Figure 112018021985659-pat00005
Is the special day weight of j month of year i)

상기 제어부는 상기 월별 전력사용량 기온 보정값 및 예측 시점의 기온을 이용하여 상기 월별 전력 사용 예측량을 보정할 수 있다.The controller may correct the monthly power use prediction amount using the monthly power consumption temperature correction value and the predicted temperature.

상기 제2전처리부는 기준월의 전력사용량을 기준으로 월별 평일 전력 사용량을 정규화하여 월별 기온 민감도를 산출하고, 과거 평일별 측정 기온과 평년기온과의 차이값에 상기 월별 기온 민감도를 적용하여 상기 월별 전력 사용량 기온 보정값을 산출할 수 있다.The second preprocessing unit calculates the monthly temperature sensibility by normalizing the monthly weekly power consumption based on the power consumption of the reference month, and applying the monthly temperature sensibility to the difference between the measured weekday temperature and the normal weekly temperature, The usage temperature correction value can be calculated.

상기 제2전처리부는 하기 수학식 2에 따라 상기 월별 전력 사용량 기온 보정값을 산출할 수 있다.The second pre-processor may calculate the monthly power usage temperature correction value according to the following equation (2).

Figure 112018021985659-pat00006
Figure 112018021985659-pat00006

(수학식2에서,

Figure 112018021985659-pat00007
는 i년 j월의 전력 사용량 기온보정값,
Figure 112018021985659-pat00008
는 i년 j월의 기준 전력 사용량,
Figure 112018021985659-pat00009
는 i년 j월 평일의 정규화 된 평균전력량과 평균 기온의 민감도,
Figure 112018021985659-pat00010
는 i년 j월의 평년 기온,
Figure 112018021985659-pat00011
는 i년 j월 k일의 측정 기온,
Figure 112018021985659-pat00012
은 i월의 평일의 개수이다)(In the equation (2)
Figure 112018021985659-pat00007
Is the power usage temperature correction value of j year j,
Figure 112018021985659-pat00008
Is the reference power consumption in j month of year i,
Figure 112018021985659-pat00009
Is the normalized average power and the average temperature sensitivity of the weekday in j-month,
Figure 112018021985659-pat00010
The average temperature of j-month in year i,
Figure 112018021985659-pat00011
Is the measured temperature of j month,
Figure 112018021985659-pat00012
Is the number of weekdays in i month)

상기 제2전처리부는 5월 및 10월의 전력사용량을 상기 기준월의 전력사용량으로 하여 상기 월별 평일 전력 사용량을 정규화할 수 있다.The second pre-processor may normalize the monthly weekly power consumption by using the power consumption of May and October as the power consumption of the reference month.

상기 회귀분석부는 국내총생산, 인구수, 판매전력량 및 최대전력수요 중 적어도 하나를 독립변수로 하여 상기 회귀분석 모델을 생성할 수 있다.The regression analyzing unit may generate the regression analysis model using at least one of the gross domestic product, the population, the sales power, and the maximum power demand as independent variables.

상기 회귀분석부는 하기 수학식 3에 따라 상기 회귀분석 모델을 생성할 수 있다.The regression analyzing unit may generate the regression analysis model according to Equation (3).

Figure 112018021985659-pat00013
Figure 112018021985659-pat00013

(수학식 3에서

Figure 112018021985659-pat00014
는 i년 j월의 평균 평일 전력 사용량(MWh),
Figure 112018021985659-pat00015
는 i년 j월 국내총생산,
Figure 112018021985659-pat00016
는 i년 j월의 인구수,
Figure 112018021985659-pat00017
는 i-1년 j월의 판매전력량(MWh),
Figure 112018021985659-pat00018
는 i-1년 j월의 최대 전력수요(MW),
Figure 112018021985659-pat00019
는 오차항,
Figure 112018021985659-pat00020
는 상수항,
Figure 112018021985659-pat00021
는 회귀계수이다)(3)
Figure 112018021985659-pat00014
(MWh), the average weekday power consumption in j year j,
Figure 112018021985659-pat00015
Is the gross domestic product (GDP)
Figure 112018021985659-pat00016
Is the population of j month of year i,
Figure 112018021985659-pat00017
(MWh) of the j-month in year i-1,
Figure 112018021985659-pat00018
Is the maximum electric power demand (MW) of the month i-1,
Figure 112018021985659-pat00019
However,
Figure 112018021985659-pat00020
However,
Figure 112018021985659-pat00021
Is the regression coefficient)

본 발명의 실시예에 따르면, 과거 특정 월의 평일 대비 특수일의 평균 전력 사용량 비율인 월별 특수일 가중치를 산출하는 단계; 과거 평일별 측정 기온과 평년기온과의 차이를 이용하여 월별 전력사용량 기온 보정값을 산출하고, 상기 월별 전력사용량 기온 보정값을 적용하여 상기 과거 평균 평일 전력사용량을 평년기온으로 보정하는 단계; 평년기온으로 보정된 과거 평균 평일 전력 사용량을 종속변수로 하여 회귀분석모델을 생성하고, 월별 평균 평일 전력 사용 예측량을 산출하는 단계; 및 상기 월별 평균 평일 전력 사용 예측량에 상기 월별 특수일 가중치를 반영하여 월별 전력 사용 예측량을 산출하는 단계를 포함하는 전력사용량 예측 방법을 제공한다.According to an embodiment of the present invention, there is provided a method of calculating a monthly special day weight, Calculating a monthly power use temperature correction value using the difference between the measured weekday temperature and the normal yearly temperature and correcting the past average weekday power usage to the normal temperature by applying the monthly power consumption temperature correction value; Generating a regression analysis model with the past average weekday power usage corrected by the normal temperature as a dependent variable, and calculating a monthly average weekday power usage forecast; And calculating a monthly power use prediction amount by reflecting the monthly special day weights to the monthly average weekday power use prediction amount.

본 발명인 전력사용량 예측 시스템 및 방법은 평일과 특수일의 전력 사용량 차이를 고려하여 전력사용량을 정확하게 예측할 수 있다.The power consumption estimation system and method according to the present invention can accurately predict power consumption considering the difference in power consumption between a weekday and a special day.

또한, 전력사용량에 대한 기온의 영향을 보정하여 전력사용량을 정확하게 예측할 수 있다.In addition, it is possible to accurately predict the power consumption by correcting the influence of the temperature on the power consumption.

또한, 국내총생산, 인구수, 판매전력량, 최대전력수요를 반영하여 전력사용량을 정확하게 예측할 수 있다.In addition, power consumption can be accurately predicted by reflecting the gross domestic product, population, sales power, and peak power demand.

또한, 기온의 영향이 상대적으로 작게 미치는5월과 10월의 평일 평균 월 전력사용량을 선정하여 상반기와 하반기의 전력증가분에 대해 보다 민감하게 반응할 수 있다.In addition, by using average monthly power consumption in weekdays in May and October, where the influence of temperature is relatively small, it is possible to respond more sensitively to the power increase in the first half and the second half.

도1은 본 발명의 실시예에 따른 전력사용량 예측 시스템의 구성블록도이다.
도2는 본 발명의 실시예에 따른 제1전처리부의 동작을 설명하기 위한 도면이다.
도3은 본 발명의 실시예에 따른 제2전처리부의 동작을 설명하기 위한 도면이다.
도4는 본 발명의 실시예에 따른 전력사용량 예측 결과를 설명하기 위한 그래프이다.
도5는 본 발명의 실시예에 따른 전력사용량 예측 방법의 순서도이다.1 is a block diagram of a power consumption predicting system according to an embodiment of the present invention.
2 is a view for explaining the operation of the first preprocessing unit according to the embodiment of the present invention.
3 is a view for explaining the operation of the second preprocessing unit according to the embodiment of the present invention.
FIG. 4 is a graph for explaining a power consumption prediction result according to an embodiment of the present invention.
5 is a flowchart of a power consumption predicting method according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. The present invention is capable of various modifications and various embodiments, and specific embodiments are illustrated and described in the drawings. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.

제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. The terms including ordinal, such as second, first, etc., may be used to describe various elements, but the elements are not limited to these terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the second component may be referred to as a first component, and similarly, the first component may also be referred to as a second component. And / or < / RTI > includes any combination of a plurality of related listed items or any of a plurality of related listed items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, . On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.

이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings, wherein like or corresponding elements are denoted by the same reference numerals, and redundant description thereof will be omitted.

도1은 본 발명의 실시예에 따른 전력사용량 예측 시스템의 구성블록도이다. 도1을 참고하면, 본 발명의 실시예에 따른 전력사용량 예측 시스템(100)은 제1전처리부(110), 제2전처리부(120), 회귀분석부(130), 제어부(140) 및 데이터 베이스(150)를 포함하여 구성될 수 있다.1 is a block diagram of a power consumption predicting system according to an embodiment of the present invention. 1, a power consumption predicting system 100 according to an embodiment of the present invention includes a first preprocessing unit 110, a second preprocessing unit 120, a regression analysis unit 130, a control unit 140, And a base 150.

제1전처리부(110)는 월별 평일 대비 특수일의 평균 전력 사용량 비율인 월별 특수일 가중치를 산출할 수 있다. 본 발명의 실시예에서 월별 평균 평일 전력량은 평균적으로 특정 월의 평일에 발생되는 전력량의 평균값을 의미하고, 월별 특수일의 평균 전력 사용량은 특정 월의 특수일에 발생되는 전력량의 평균값을 의미한다. 본 발명의 실시예에서 평일은 화요일, 수요일, 목요일, 금요일을 의미하고, 특수일은 월요일, 토요일, 일요일, 공휴일을 의미한다. 평일의 조건에서 월요일을 제외한 이유는 일요일의 영향으로 월요일의 전력 수요 패턴이 화요일에서 금요일까지의 전력 수요 패턴과 상이하게 나타나기 때문이다. The first preprocessing unit 110 may calculate the monthly special day weight, which is a ratio of the average power consumption of the special day to the monthly weekday. In the embodiment of the present invention, the monthly average weekday power means an average value of the amount of power generated on a weekday of a specific month on average, and the average power consumption of a special day per month means an average value of the amount of power generated on a special day of a certain month. In the embodiment of the present invention, weekday means Tuesday, Wednesday, Thursday, Friday, and special days means Monday, Saturday, Sunday, and holidays. The reason for excluding Monday from weekday conditions is that the power demand pattern on Monday is different from the demand pattern from Tuesday to Friday due to the effect of Sunday.

도2는 본 발명의 실시예에 따른 제1전처리부(110)의 동작을 설명하기 위한 도면이다. 도1 및 도2를 참고하면, 제1전처리부(110)는 월요일, 토요일, 일요일의 월 평균 전력 사용량을 평일의 월 평균 전력사용량과 비교하여 그 비율을 연산하고, 연산된 비율을 월별 특수일 가중치로 산출한다. 공휴일의 경우 월별로 공휴일이 존재하지 않는 경우가 있으며, 전력사용량의 비율도 공휴일의 종류에 따라 크게 차이가 발생하여 그래프에는 표시하지 않았다. 도2에 따르면, 주 5일제가 시행된 2004년을 기준으로 월요일과 유사했던 토요일의 평균 전력사용량의 비율이 점차 감소하며 주 5일제가 20인 이상의 사업장으로 확대된 2009년 이후 일정하게 나타나는 것을 확인 할 수 있다. 이와 같이 평일에 비하여 적은 전력량을 소비하는 특수일(월요일, 토요일, 일요일, 공휴일)의 개수가 많거나 적음에 따라 월별 소비 전력량은 변화하므로 월별 특수일의 개수를 고려하여 월별 소비 전력량을 예측하여야 한다.2 is a view for explaining the operation of the first preprocessing unit 110 according to the embodiment of the present invention. Referring to FIGS. 1 and 2, the first preprocessing unit 110 compares the monthly average power consumption of Monday, Saturday, and Sunday with the monthly average power consumption of the weekday to calculate the ratio, The weight is calculated. In the case of public holidays, holidays may not exist on a monthly basis, and the percentage of power consumption varies greatly depending on the types of holidays. According to Fig. 2, the ratio of average power consumption on Saturday, which is similar to Monday, was gradually decreased from 2004 when the five-day work week was implemented, and it is confirmed that the 5-day work week is constant after 2009 can do. In this way, since the monthly power consumption varies depending on the number of special days (Monday, Saturday, Sunday, and holidays) consuming less power than the weekday, the monthly power consumption should be estimated considering the number of special days per month .

제1전처리부(110)는 예를 들면, 하기 수학식 4에 따라 월별 특수일 가중치를 산출할 수 있다.The first preprocessing unit 110 may calculate a special day weight for each month according to Equation (4), for example.

Figure 112018021985659-pat00022
Figure 112018021985659-pat00022

수학식 4에서

Figure 112018021985659-pat00023
는 i년 j월의 특수일 가중치이고,
Figure 112018021985659-pat00024
는 i년 j월 평일의 평균 전력 사용량이고,
Figure 112018021985659-pat00025
는 i년 j월의 k번째 특수일의 평균 전력 사용량이다.In Equation 4,
Figure 112018021985659-pat00023
Is the special day weight of j month of year i,
Figure 112018021985659-pat00024
Is the average power usage on weekdays in j month of year i,
Figure 112018021985659-pat00025
Is the average power usage of the kth special day in j year j of year i.

다시 도1을 참고하면, 제2전처리부(120)는 과거 평일별 측정 기온과 평년기온과의 차이를 이용하여 과거 월별 평균 평일 전력 사용량을 평년기온으로 보정한 월별 전력 사용량 기온 보정값을 산출할 수 있다.Referring back to FIG. 1, the second preprocessing unit 120 calculates the monthly power usage temperature correction value, which is obtained by correcting the past average monthly weekly power consumption by the normal temperature using the difference between the measured weekday temperature and the normal weekly temperature .

기온은 단기적으로 전력 사용량에 영향을 주며 특히 동, 하계 기간은 냉, 난방 수요의 증가로 인해 기온에 의한 전력 사용량의 변화가 크게 나타난다. 계절적으로 전력 사용량에 영향을 주는 요인인 기온은 연도별 증가 추세에 영향을 주는 GDP와 다르게 일정 범위 안에서 기온에 의해 영향을 받아 진동하는 형태로 나타난다. 예를 들어 월 평균 기온이 유사했던 1997년과 8월의 평일 일별 전력 사용량과 최고 기온의 민감도를 비교하면 1995년은 5,620MWh/℃이고 201년은 14,958MWh/℃로 나타난다. 이것은 8월 평일의 평균 일별 전력 소비량이 1995년은 544,068MWh인데 비해 2015년은 1,423,994MWh로 2.6배 이상 증가했기 때문이다. 여기서, 기온 민감도란 기온 1℃변화에 대하여 변화하는 전력사용량의 비율을 의미한다. 이와같이 연도별로 경제성장에 따른 전력 사용량이 증가하였기 때문에 평년기온으로 보정하는 과정에서 전력 사용량을 그대로 사용할 수 없다.Air temperature affects power consumption in the short term, especially during the winter and summer, changes in power consumption due to temperature are significant due to the increase in heating and cooling demand. Unlike GDP, which affects seasonally increasing electricity consumption, temperature, which is a factor affecting power consumption, appears to be affected by temperature in a certain range and vibrating. For example, when the monthly mean temperature was similar in 1997 and August, the daily power use and the maximum temperature sensitivity were 5,620MWh / ℃ in 1995 and 14,958MWh / ℃ in 201, respectively. This is because the average daily power consumption in August is 544,068 MWh in 1995, compared with 1,423,994 MWh in 2015, which is more than 2.6 times. Here, the temperature sensitivity means the ratio of the power consumption to the temperature change of 1 ° C. In this way, since electricity consumption has increased due to economic growth in each year, electricity consumption can not be used as it is in the process of calibrating to normal temperature.

따라서, 제2전처리부(120)는 기준월의 전력사용량을 기준으로 월별 평일 전력 사용량을 정규화하여 월별 기온 민감도를 산출한다. 5월 및 10월의 전력사용량을 상기 기준월의 전력사용량으로 하여 상기 월별 평일 전력 사용량을 정규화한다. 이는 기온의 영향을 작게 받는다고 알려진 5월과 10월이 기온의 영향을 최소로 받기 때문이며, 1년을 상반기와 하반기로 구분하여 상반기인 1월 ~ 6월은 5월의 전력 사용량으로 정규화하고, 하반기인 7월 ~ 12월은 10월의 전력 사용량으로 정규화한다. Accordingly, the second preprocessing unit 120 normalizes the monthly weekly power consumption based on the power consumption of the reference month to calculate the monthly temperature sensitivity. And the power use amount in May and October is used as the power consumption amount of the reference month to normalize the monthly weekday power usage amount. This is because May and October, which are known to be influenced by temperature, are minimized due to the effects of temperature. Regarding the first half of the year and the second half of the year, the first half of the year, July to December, the second half of the year, will be normalized by October's electricity use.

도3은 본 발명의 실시예에 따른 제2전처리부(120)의 동작을 설명하기 위한 도면이다. 도1 및 도3을 참고하면, 2006년부터 2016년 7월 평일의 정규화된 전력사용량과 평균 기온의 기온민감도 곡선은 y=0.011x + 0.748로 표현될 수 있다. 이에 따르면, 기온 1℃가 변함에 따라 연도별 기준 전력 사용량의 1.11%가 변함을 확인할 수 있다. 제2전처리부는 과거 평일별 측정 기온과 평년기온과의 차이값에 월별 기온 민감도를 적용하여 월별 전력 사용량 기온 보정값을 산출할 수 있다.3 is a view for explaining the operation of the second preprocessing unit 120 according to the embodiment of the present invention. Referring to FIGS. 1 and 3, the temperature sensitivity curve of normalized power consumption and average temperature on weekdays from 2006 to July 2016 can be expressed as y = 0.011x + 0.748. According to this, it can be confirmed that 1.11% of the reference power consumption per year changes as the temperature 1 ° C changes. The second preprocessing unit can calculate the calorific value of monthly power use by applying the monthly temperature sensitivity to the difference between the measured weekday temperature and the normal temperature.

제2전처리부(120)는 하기 수학식 5에 따라 월별 전력 사용량 기온 보정값을 산출할 수 있다.The second preprocessing unit 120 may calculate the monthly power consumption temperature correction value according to the following equation (5).

Figure 112018021985659-pat00026
Figure 112018021985659-pat00026

수학식5에서,

Figure 112018021985659-pat00027
는 i년 j월의 전력 사용량 기온보정값,
Figure 112018021985659-pat00028
는 i년 j월의 기준 전력 사용량,
Figure 112018021985659-pat00029
는 i년 j월 평일의 정규화 된 전력량과 평균 기온의 민감도,
Figure 112018021985659-pat00030
는 i년 j월의 평년 기온,
Figure 112018021985659-pat00031
는 i년 j월 k일의 측정 기온,
Figure 112018021985659-pat00032
은 i월의 평일의 개수이다.In Equation (5)
Figure 112018021985659-pat00027
Is the power usage temperature correction value of j year j,
Figure 112018021985659-pat00028
Is the reference power consumption in j month of year i,
Figure 112018021985659-pat00029
Is the normalized power of weekdays in jth month of year i, the sensitivity of average temperature,
Figure 112018021985659-pat00030
The average temperature of j-month in year i,
Figure 112018021985659-pat00031
Is the measured temperature of j month,
Figure 112018021985659-pat00032
Is the number of weekdays in i month.

다시 도1을 참고하면, 회귀분석부(130)는 월별 전력 사용량 기온 보정값을 적용한 월별 평균 평일 전력 사용량을 종속변수로 하여 회귀분석모델을 생성하고, 월별 평균 평일 전력 사용 예측량을 산출할 수 있다. 회귀분석부는 국내총생산, 인구수, 판매전력량 및 최대전력수요 중 적어도 하나를 독립변수로 하여 상기 회귀분석 모델을 생성할 수 있다. 회귀분석부(130)는 평년기온으로 보정한 과거 평일 평균 전력사용량을 종속변수로 하고, 사회, 경제적 요소인 GDP, 인구수와 전력사용량의 시계열적 특성을 반영할 수 있는 전년도 동월 판매 전력량, 전년도 동월 최대 전력수요를 독립변수로 하는 다중 회귀분석법을 사용하여 월별 평균 평일 전력 사용량을 예측할 수 있다.Referring back to FIG. 1, the regression analyzer 130 may generate a regression analysis model using the monthly average weekday power consumption applied the monthly power consumption temperature correction value as a dependent variable, and calculate the monthly average weekday power usage prediction amount . The regression analysis unit may generate the regression analysis model using at least one of the gross domestic product, the population number, the sales power amount, and the maximum power demand as independent variables. The regression analysis unit 130 determines the average weekly average power consumption corrected by the normal temperature as the dependent variable and calculates the annual sales amount of the previous year which can reflect the gross domestic product (GDP) Monthly average weekday power usage can be estimated using multiple regression analysis with maximum power demand as independent variable.

회귀분석부(130)는 하기 수학식 6에 따라 회귀분석 모델을 생성할 수 있다.The regression analyzing unit 130 may generate a regression analysis model according to the following equation (6).

Figure 112018021985659-pat00033
Figure 112018021985659-pat00033

수학식 6에서

Figure 112018021985659-pat00034
는 i년 j월의 평균 평일 전력 사용량(MWh),
Figure 112018021985659-pat00035
는 i년 j월 국내총생산,
Figure 112018021985659-pat00036
는 i년 j월의 인구수,
Figure 112018021985659-pat00037
는 i-1년 j월의 판매전력량(MWh),
Figure 112018021985659-pat00038
는 i-1년 j월의 최대 전력수요(MW),
Figure 112018021985659-pat00039
는 i년 j월에 대한 오차항,
Figure 112018021985659-pat00040
는 상수항,
Figure 112018021985659-pat00041
는 회귀계수이다.In Equation (6)
Figure 112018021985659-pat00034
(MWh), the average weekday power consumption in j year j,
Figure 112018021985659-pat00035
Is the gross domestic product (GDP)
Figure 112018021985659-pat00036
Is the population of j month of year i,
Figure 112018021985659-pat00037
(MWh) of the j-month in year i-1,
Figure 112018021985659-pat00038
Is the maximum electric power demand (MW) of the month i-1,
Figure 112018021985659-pat00039
Is the error term for j month of year i,
Figure 112018021985659-pat00040
However,
Figure 112018021985659-pat00041
Is the regression coefficient.

회귀분석부(130)는 회귀모델의 오차항, 상수항, 회귀계수를 구하기 위해서 최소자승법을 사용할 수 있다. 회귀분석부(130)는 복수개의 변수에 대하여 평년기온으로 보정한 n개의 과거 평일 평균 전력사용량을 사용하여 모델에 포함된 상수항과 회귀계수의 추정값을 구한다. 회귀분석부(130)는 실제치와 예측치의 차이값인 잔차값의 제곱의 합이 최소가 되도록 회귀 계수를 추정할 수 있다.The regression analyzing unit 130 may use a least squares method to obtain the error term, the constant term, and the regression coefficient of the regression model. The regression analyzing unit 130 obtains the estimated values of the constant and the regression coefficient included in the model by using the n average past weekday average power usage amounts corrected for the plurality of variables by the normal temperature. The regression analyzing unit 130 may estimate the regression coefficient so that the sum of the squares of the residual values, which is the difference between the actual value and the predicted value, becomes minimum.

예를 들어 2016년 12개월의 과거 평균 평일 전력 사용량을 종속 변수로하여 다중 회귀분석법을 사용하여 월별 평균 평일 전력 사용량을 예측할 경우 회귀분석부(130)는 하기 수학식 7에 따라 행렬 형태로 회귀분석 모델을 생성할 수 있다.For example, when the past average weekday power consumption of the twelve months in 2016 is used as a dependent variable and the monthly average weekday power consumption is predicted using the multiple regression analysis method, the regression analysis unit 130 calculates a regression analysis You can create a model.

Figure 112018021985659-pat00042
Figure 112018021985659-pat00042

(

Figure 112018021985659-pat00043
,
Figure 112018021985659-pat00044
,
Figure 112018021985659-pat00045
,
Figure 112018021985659-pat00046
)(
Figure 112018021985659-pat00043
,
Figure 112018021985659-pat00044
,
Figure 112018021985659-pat00045
,
Figure 112018021985659-pat00046
)

여기서, 오차항의 제곱합 Q는 하기 수학식 8과 같이 표현된다.Here, the square sum Q of the error terms is expressed by the following equation (8).

Figure 112018021985659-pat00047
Figure 112018021985659-pat00047

회귀분석부(130)는 회귀계수 추정 시 최소자승법을 사용해 제곱합 Q를 각

Figure 112018021985659-pat00048
에 대하여 편미분하고, 편미분 값이 0이 되는 연립방정식 풀이를 통해 회귀계수 및 상수항을 구할 수 있다.The regression analyzing unit 130 uses the least squares method to estimate the square sum Q
Figure 112018021985659-pat00048
, And the regression coefficient and the constant term can be obtained by solving the simultaneous equations in which the partial differential value is zero.

제어부(140)는 월별 평균 평일 전력 사용 예측량에 월별 특수일 가중치를 반영하여 월별 전력 사용 예측량을 산출할 수 있다. 제어부(140)는 월별 특수일 가중치를 이용하여 월별 환산평일수를 산출하고, 월별 평균 평일 전력 사용예측량 및 월별 환산평일수를 이용하여 월별 전력 사용 예측량을 산출할 수 있다. 제어부(140)는 하기 수학식 9에 따라 월별 환산평일수를 산출할 수 있다.The control unit 140 may calculate the monthly power use prediction amount by reflecting the monthly special day weighting value to the monthly average weekday power use prediction amount. The control unit 140 may calculate the number of weekly converted weekdays using the monthly special day weights, and calculate the monthly power use prediction amount using the monthly average weekday power use prediction amount and the monthly converted weekday number. The control unit 140 may calculate the monthly converted weekday number according to the following equation (9).

Figure 112018021985659-pat00049
Figure 112018021985659-pat00049

수학식 9에서

Figure 112018021985659-pat00050
는 i년 j월의 환산평일수,
Figure 112018021985659-pat00051
는 i년 j월의 평일의 개수,
Figure 112018021985659-pat00052
는 i년 j월의 특수일의 개수,
Figure 112018021985659-pat00053
i년 j월의 특수일 가중치이다. In Equation (9)
Figure 112018021985659-pat00050
Is the number of weekdays converted by j in month i,
Figure 112018021985659-pat00051
Is the number of weekdays in j month of year i,
Figure 112018021985659-pat00052
Is the number of special days in j month of year i,
Figure 112018021985659-pat00053
i is the special day weight of j month.

예를 들면, 과거 200x년도의 3월 특수일의 평균 전력 사용량이 평일 평균 전력 사용량의 88%라면, 제1전처리부는 해당 월의 특수일 가중치를 0.88로 산출한다. 그리고, 미래 예측 시점인 201x년도의 3 월이 평일 16일, 특수일 15일로 이루어져 있다면 제어부는 수학식 3에 따라 201x년도의 3 월의 환산평일수를 29.2일로 산출한다. 다음으로, 제어부(140)는 회귀분석부(130)에서 산출한 201x년도의 3 월의 평균 평일 전력 사용 예측량 에 환산평일수인 29.2를 곱하여 월별 전력 사용 예측량을 산출한다.For example, if the average power usage for a special day in March of the previous 200x year is 88% of the average weekly electricity usage, the first preprocessor calculates the special day weight for that month as 0.88. If the March of the 201x year of the forecasting time is 16 days on weekdays and 15 days on special days, the control unit calculates the converted weekday number of March of 201x as 29.2 days according to Equation (3). Next, the control unit 140 calculates the monthly power use prediction amount by multiplying the average weekday power use prediction amount in March of 201x calculated by the regression analysis unit 130 by the converted weekday number of 29.2.

또한, 제어부(140)는 월별 전력사용량 기온 보정값 및 예측 시점의 기온을 이용하여 월별 전력 사용 예측량을 보정할 수 있다. 제어부(140)에서 산출한 월별 전력 사용 예측량은 평년 기온을 기준으로 산출된 것이므로, 제어부(140)는 미래 예측 시점의 예상 기온을 월별 전력사용량 기온 보정값에 적용하여 실제 예측 기온이 반영된 월별 전력 사용 예측량으로 보정할 수 있다. In addition, the controller 140 may correct the monthly power usage prediction amount using the monthly power consumption temperature correction value and the predicted temperature. The control unit 140 applies the predicted temperature at the future prediction time to the monthly power consumption temperature correction value so that the monthly power consumption at which the actual predicted temperature is reflected is used It can be corrected by the predicted amount.

제어부(140)는 제 2전처리부(120)에서 산출한 정규화된 전력사용량과 평균 기온의 기온민감도 곡선으로부터 계산된 월별 기온 민감도를 사용하여 월별 전력 사용 예측량의 보정값을 계산할 수 있다. 제어부(140)는 예를 들면, 하기 [수학식 10]에 따라 실제 예측 기온이 반영된 월별 전력 사용량 보정 값을 산출 할 수 있다.The control unit 140 may calculate the correction value of the monthly power use prediction amount by using the monthly temperature sensibility calculated from the normalized power usage amount and the average temperature temperature calculated by the second preprocessing unit 120. [ The control unit 140 can calculate the monthly power consumption correction value in which the actual predicted temperature is reflected, for example, according to the following equation (10).

Figure 112018021985659-pat00054
Figure 112018021985659-pat00054

수학식10에서,

Figure 112018021985659-pat00055
는 예측년도 j월의 전력 사용량 기온보정값,
Figure 112018021985659-pat00056
는 예측 이전년도의 j월의 기준 전력 사용량,
Figure 112018021985659-pat00057
는 예측 이전년도j월 평일의 정규화 된 전력량과 평균 기온의 민감도,
Figure 112018021985659-pat00058
는 j월의 평년 기온,
Figure 112018021985659-pat00059
는 예측년 j월의 예측 기온,
Figure 112018021985659-pat00060
은 예측년 j월의 환산평일수이다.In Equation (10)
Figure 112018021985659-pat00055
Is the power usage temperature correction value of the forecast year j month,
Figure 112018021985659-pat00056
The reference power consumption of j month of the predicted year,
Figure 112018021985659-pat00057
The sensitivity of the normalized power and the average temperature of the weekday of the previous year j,
Figure 112018021985659-pat00058
The average temperature of j-month,
Figure 112018021985659-pat00059
Predicted temperature,
Figure 112018021985659-pat00060
Is the converted weekday number of the forecasted j-month.

다시 도1을 참고하면, 데이터 베이스(150)는 과거 전력 사용량, 전력 판매량, 최대 전력 수요량, GDP, 인구수, 기온 등에 관한 각종 정보를 저장할 수 있다. 데이터 베이스(150)는 플래시 메모리 타입(Flash Memory Type), 하드 디스크 타입(Hard Disk Type), 멀티미디어 카드 마이크로 타입(Multimedia Card Micro Type), 카드 타입의 메모리(예를 들면, SD 또는 XD 메모리등), 자기 메모리, 자기 디스크, 광디스크, 램(Random Access Memory: RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory: ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory) 중 적어도 하나의 저장매체를 포함할 수 있다. 또한, 인터넷(internet) 상에서 데이터 베이스의 저장 기능을 수행하는 웹 스토리지(web storage)를 운영하거나, 또는 웹 스토리지와 관련되어 동작할 수도 있다.Referring again to FIG. 1, the database 150 may store various types of information related to past power usage, power sales volume, maximum power demand, GDP, population, temperature, and the like. The database 150 may include a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (for example, SD or XD memory) A random access memory (SRAM), a read-only memory (ROM), an electrically erasable programmable read-only memory (EEPROM), a programmable memory (ROM) Read-Only Memory). It may also operate in conjunction with web storage or web storage to perform database storage functions on the Internet.

도4는 본 발명의 실시예에 따른 전력 수요 예측 결과를 설명하기 위한 그래프이다. 도4를 참고하면, 본 발명의 실시예에 따른 전력 수요 예측 시스템을 적용하여 2015, 2016년의 월별 전력 사용 예측량을 산출하고 실제 월별 전력 사용량의 합계와 오차를 분석하였으며 월별 전력 사용 예측량의 연도별 합산으로 5차, 7차 전력수급계획에서 제시하는 2015, 2016년의 예측값과 비교하였다. 또한 평년기온으로의 보정과 환산평일수를 적용하여 예측 정확도가 향상됨을 보이기 위하여 평년기온 보정과 환산평일수 적용하기 전, 후를 비교하였다. 4 is a graph for explaining a power demand prediction result according to an embodiment of the present invention. Referring to FIG. 4, monthly electric power usage forecasts for 2015 and 2016 are calculated by applying the electric power demand forecasting system according to the embodiment of the present invention, and the total and error amounts of actual monthly electric power consumption are analyzed. And the forecasts for 2015 and 2016 presented in the 5th and 7th power supply and demand plans. In order to show that the prediction accuracy is improved by applying the correction to the normal temperature and the number of weekday, the comparison is made before and after applying the normal temperature correction and the converted weekday number.

Case 1은 평년기온과 환산평일수로 보정하지 않은 월별 전력 사용량 예측결과와 실제 전력 사용량을 비교한 결과, 2015여 상반기인 1월2012년의 하계 기간인 2016년의 평균 월별 MAPE(MAPE(Mean absolute percentage error) 오차는 평균 월별 MAPE는 7.50%로 나타났다. 이에 반하여, 본 발명의 실시예에 따른 월별 전력 사용예측량과 실제 전력 사용량을 비교한 결과, 2015~2016년의 평균 월별 MAPE는 평균 월별 MAPE 오차는 2.61%로 나타났다. 본 발명의 실시예에 따라 평년기온과 환산평일수로 보정할 경우 평균 평균 월별 MAPE가 4.89%로 크게 감소하였음을 확인할 수 있다.Case 1 shows that the average monthly MAPE (MAPE) of 2016, the summer period of January 2012, which is the first half of 2015, As a result of comparing monthly power usage forecasts and actual power usage according to the embodiment of the present invention, the average monthly MAPE of 2015 to 2016 is calculated as the average monthly MAPE error Was 2.61%. According to the embodiment of the present invention, it can be confirmed that the average monthly MAPE decreased by 4.89% when the normal temperature and the converted weekday were corrected.

　 20152015 20162016 실제 전력 사용량(GWh)Actual power consumption (GWh) 520,966520,966 536,795536,795 실시예(GWh)Example (GWh) 525,803525,803 540,964540,964 7차 전력수급기본계획(GWh)7th Basic Plan for Electricity Supply and Demand (GWh) 498,595498,595 509,754509,754 실시예MAPE(%)Example MAPE (%) 0.93 0.93 0.78 0.78 7차 전력수급기본계획MAPE(%)7th Basic Plan for Electricity Supply and Demand MAPE (%) 4.29 4.29 5.04 5.04

표1은2015년과 2016년의 본 발명의 실시예에 따라 산출된 월별 전력 사용 예측량을 합산하여 연간 전력 사용량을 구하고, 실제 연간 전력 사용량과 7차 전력수급계획의 2015년, 2016년 예측 결과를 비교한 결과이다. 표1을 참고하면, 2015년도 실제 전력 사용량과 7차 전력수급계획의 전력 사용 예측량을 비교한 결과 4.29%의 MAPE를 나타냈으며, 본 발명의 실시예에 따른 전력 사용 예측량과 비교한 결과 0.93%의 MAPE를 나타냈다. 또한, 2016년도 실제 전력 사용량과 7차 전력수급계획의 전력 사용 예측량을 비교한 결과 5.04%의 MAPE를 나타냈으며, 본 발명의 실시예에 따른 전력 사용 예측량과 비교한 결과 0.78%의 MAPE를 나타냈다. 본 발명의 실시예에 따른 월별 전력 사용 예측량을 적용할 경우 2015년도에 3.36%, 2016년도에 4.26%로 MAPE가 크게 감소하였음을 확인할 수 있다. 즉, 본 발명의 실시예에 따른 월별 전력 사용 예측량을 적용할 경우7차 전력수급기본계획의 2015년, 2016년 전력 사용량 예측 결과와 비교하여 실제 연간 전력 사용량에 대한 예측 정확도를 평균 3.81% 개선하였다. 이러한 결과는 평년기온의 보정과 연도별로 월별 요일의 구성이 다르기 때문에 발생하는 오차가 누적되어 월별 전력사용량의 예측 과정에서 실제 전력수요가 발생하는 월의 앞, 뒤로 분산된 결과로 추정된다. Table 1 summarizes the monthly power usage estimates by calculating the monthly power usage estimates calculated according to the embodiment of the present invention in 2015 and 2016, and calculates the actual annual power consumption and the 2015 and 2016 forecast results of the 7th power supply plan The results are compared. As shown in Table 1, the actual power consumption in 2015 is compared with the predicted power consumption of the seventh power supply plan. As a result, the MAPE is 4.29%, which is 0.93% compared with the predicted power consumption according to the embodiment of the present invention. MAPE. Also, comparing the actual power usage in 2016 with the power usage forecast of the seventh power supply plan, the MAPE was 5.04% and the MAPE was 0.78% in comparison with the power use prediction according to the embodiment of the present invention. It can be confirmed that the MAPE is significantly reduced by 3.36% in 2015 and 4.26% in 2016 when the monthly power use prediction amount according to the embodiment of the present invention is applied. In other words, when the monthly power use prediction amount according to the embodiment of the present invention is applied, the prediction accuracy of the actual annual power consumption is improved by 3.81% on average compared to the 2015 and 2016 power usage forecasts of the 7th power supply basic plan . These results are estimated to be the result of the accumulation of errors due to the difference in the composition of the day of the week and the distribution of the day before and after the actual electricity demand in the forecasting process.

도5는 본 발명의 실시예에 따른 전력사용량 예측 방법의 순서도이다.5 is a flowchart of a power consumption predicting method according to an embodiment of the present invention.

도5를 참고하면, 먼저 제1전처리부는 과거 특정 월의 평일 대비 특수일의 평균 전력 사용량 비율인 월별 특수일 가중치를 산출한다. 제1전처리부는 월요일, 토요일, 일요일의 월 평균 전력 사용량을 평일의 월 평균 전력사용량과 비교하여 그 비율을 연산하고, 연산된 비율을 월별 특수일 가중치로 산출한다(S501).Referring to FIG. 5, the first preprocessing unit calculates a monthly special day weight, which is a ratio of an average power consumption of a special day to a weekday of a specific month in the past. The first preprocessing unit compares the monthly average power consumption of Monday, Saturday, and Sunday with the monthly average power consumption of the weekday, calculates the ratio, and calculates the calculated ratio as a special one-day weighted value per month (S501).

다음으로, 제2전처리부는 과거 평일별 측정 기온과 평년기온과의 차이를 이용하여 월별 전력사용량 기온 보정값을 산출하고, 월별 전력사용량 기온 보정값을 적용하여 과거 평균 평일 전력사용량을 평년기온으로 보정한다. 제2전처리부는 기준월의 전력사용량을 기준으로 월별 평일 전력 사용량을 정규화하여 월별 기온 민감도를 산출하고, 과거 평일별 측정 기온과 평년기온과의 차이값에 월별 기온 민감도를 적용하여 월별 전력 사용량 기온 보정값을 산출한다(S502).Next, the second preprocessing unit calculates the monthly power use temperature correction value using the difference between the measured weekday temperature and the normal yearly temperature, and applies the monthly power usage temperature correction value to correct the past average weekday power usage to the normal temperature do. The second preprocessing unit calculates monthly monthly temperature sensibility by normalizing the monthly weekly power consumption based on the power consumption of the reference month, and applying the monthly temperature sensibility to the difference between the measured weekday temperature and the normal temperature, (S502).

다음으로, 회귀분석부는 평년기온으로 보정된 과거 평균 평일 전력 사용량을 종속변수로 하여 회귀분석모델을 생성하고, 월별 평균 평일 전력 사용 예측량을 산출한다. 회귀분석부는 국내총생산, 인구수, 판매전력량 및 최대전력수요 중 적어도 하나를 독립변수로 하여 상기 회귀분석 모델을 생성한다. 회귀분석부는 평년기온으로 보정한 과거 평일 평균 전력사용량을 종속변수로 하고, 사회, 경제적 요소인 GDP, 인구수와 전력사용량의 시계열적 특성을 반영할 수 있는 전년도 동월 판매 전력량, 전년도 동월 최대 전력수요를 독립변수로 하는 다중 회귀분석법을 사용하여 월별 평균 평일 전력 사용량을 예측한다(S503~504).Next, the regression analysis unit generates a regression analysis model with the past average weekday power usage corrected for the normal temperature as the dependent variable, and calculates the monthly average weekday power usage forecast. The regression analysis unit generates the regression analysis model using at least one of the gross domestic product, the population number, the sales power amount, and the maximum power demand as independent variables. The regression analysis section uses the past weekly average power consumption corrected by the normal temperature as the dependent variable and calculates the annual electricity consumption of the previous year which can reflect the gross domestic product (GDP) Monthly average weekday power usage is estimated using multiple regression analysis with independent variables (S503 to S504).

다음으로, 제어부는 월별 평균 평일 전력 사용 예측량에 월별 특수일 가중치를 반영하여 월별 전력 사용 예측량을 산출한다다. 제어부는 월별 특수일 가중치를 이용하여 월별 환산평일수를 산출하고, 월별 평균 평일 전력 사용예측량 및 월별 환산평일수를 이용하여 월별 전력 사용 예측량을 산출한다(S505).Next, the control unit calculates the monthly power use prediction amount by reflecting the monthly special day weighting value to the monthly average weekday power use prediction amount. The control unit calculates the number of weekly converted weekdays using the monthly special day weights, calculates the monthly power use prediction amount by using the monthly average weekday power use prediction amount and the monthly converted weekday number (S505).

다음으로, 제어부는 월별 전력사용량 기온 보정값 및 예측 시점의 기온을 이용하여 월별 전력 사용 예측량을 보정한다. 제어부에서 산출한 월별 전력 사용 예측량은 평년 기온을 기준으로 산출된 것이므로, 제어부는 미래 예측 시점의 예상 기온을 월별 전력사용량 기온 보정값에 적용하여 실제 예측 기온이 반영된 월별 전력 사용 예측량으로 보정한다(S506).Next, the control unit corrects the monthly power use prediction amount by using the monthly power usage amount temperature correction value and the forecasting point temperature. Since the monthly power use prediction amount calculated by the control unit is calculated on the basis of the normal temperature, the controller applies the predicted temperature of the future prediction point to the monthly power consumption temperature correction value and corrects it to the monthly power consumption prediction amount reflecting the actual predicted temperature (S506 ).

본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.As used in this embodiment, the term " portion " refers to a hardware component such as software or an FPGA (field-programmable gate array) or ASIC, and 'part' performs certain roles. However, 'part' is not meant to be limited to software or hardware. &Quot; to " may be configured to reside on an addressable storage medium and may be configured to play one or more processors. Thus, by way of example, 'parts' may refer to components such as software components, object-oriented software components, class components and task components, and processes, functions, , Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables. The functions provided in the components and components may be further combined with a smaller number of components and components or further components and components. In addition, the components and components may be implemented to play back one or more CPUs in a device or a secure multimedia card.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the present invention as defined by the following claims It can be understood that

100: 전력사용량 예측 시스템
110: 제1전처리부
120: 제2전처리부
130: 회귀분석부
140: 제어부
150: 데이터 베이스100: Power usage prediction system
110: first pre-
120: second pre-
130: regression analysis section
140:
150: Database

Claims (10)

『월별 평균 평일 전력량 대비 월별 특수일의 평균 전력 사용량 비율인 월별 특수일 가중치를 산출하는 제1전처리부;
과거 평일별 측정 기온과 평년기온과의 차이를 이용하여 과거 평균 평일 전력사용량을 평년기온으로 보정한 월별 전력 사용량 기온 보정값을 산출하는 제2전처리부;
상기 월별 전력 사용량 기온 보정값을 적용한 월별 평균 평일 전력 사용량을 종속변수로 하여 회귀분석모델을 생성하고, 월별 평균 평일 전력 사용 예측량을 산출하는 회귀분석부; 및
상기 월별 평균 평일 전력 사용 예측량에 상기 월별 특수일 가중치를 반영하여 월별 전력 사용 예측량을 산출하는 제어부를 포함하며,
상기 월별 평균 평일 전력량은 특정 월의 평일에 발생되는 전력량의 평균값이고, 상기 월별 특수일의 평균 전력 사용량은 상기 특정 월의 특수일에 발생되는 전력량의 평균값이며,
상기 제1전처리부는 하기 수학식 1에 따라 상기 월별 특수일의 평균 전력 사용량을 상기 월별 평균 평일 전력량과 비교하여 그 비율을 연산하고, 연산된 비율을 상기 월별 특수일 가중치로 산출하는 전력사용량 예측 시스템.
[수학식 1]
Figure 112019048619990-pat00087

(수학식 1에서
Figure 112019048619990-pat00088
는 i년 j월의 특수일 가중치이고,
Figure 112019048619990-pat00089
는 i년 j월 평일의 평균 전력 사용량이고,
Figure 112019048619990-pat00090
는 i년 j월의 k번째 특수일의 평균 전력 사용량이다)
A first preprocessing unit for calculating a monthly special day weight which is a ratio of an average power consumption of a special day to a monthly average weekday power;
A second preprocessing unit for calculating a monthly power usage temperature correction value obtained by correcting the past average weekday power usage by the normal temperature using the difference between the measured weekday temperature and the normal temperature;
A regression analyzer for generating a regression analysis model using the monthly average weekday power consumption applied with the monthly power consumption temperature correction value as a dependent variable and calculating a monthly average weekday power use prediction amount; And
And a control unit for calculating a monthly power use prediction amount by reflecting the monthly special day weights to the monthly average weekday power use prediction amount,
Wherein the monthly average weekday power is an average value of the amount of power generated on a weekday of a specific month and the average power consumption of the special day is an average value of the amount of power generated on a special day of the specific month,
The first preprocessing unit compares the average power consumption of the special days of the month with the monthly average weekday power consumption according to the following formula 1 to calculate the ratio and calculates the calculated ratio as the monthly special days weighting value: .
[Equation 1]
Figure 112019048619990-pat00087

(1)
Figure 112019048619990-pat00088
Is the special day weight of j month of year i,
Figure 112019048619990-pat00089
Is the average power usage on weekdays in j month of year i,
Figure 112019048619990-pat00090
Is the average power usage of the kth special day in j year j)
제1항에 있어서,
상기 제어부는 상기 월별 특수일 가중치를 이용하여 월별 환산평일수를 산출하고, 상기 월별 평균 평일 전력 사용예측량 및 상기 월별 환산평일수를 이용하여 상기 월별 전력 사용 예측량을 산출하는 전력사용량 예측 시스템.
The method according to claim 1,
Wherein the control unit calculates the number of weekly converted weekdays using the monthly special day weights and calculates the monthly power use predicted amount using the monthly average weekday power use prediction amount and the monthly converted weekday number.
제2항에 있어서,
상기 제어부는 하기 수학식 2에 따라 상기 월별 환산평일수를 산출하는 전력사용량 예측 시스템.
[수학식 2]
Figure 112019048619990-pat00061

(수학식 2에서
Figure 112019048619990-pat00062
는 i년 j월의 환산평일수,
Figure 112019048619990-pat00063
는 i년 j월의 평일의 개수,
Figure 112019048619990-pat00064
는 i년 j월의 특수일의 개수,
Figure 112019048619990-pat00065
는 i년 j월의 특수일 가중치이다)
3. The method of claim 2,
Wherein the control unit calculates the monthly converted weekday number according to Equation (2).
&Quot; (2) "
Figure 112019048619990-pat00061

(2)
Figure 112019048619990-pat00062
Is the number of weekdays converted by j in month i,
Figure 112019048619990-pat00063
Is the number of weekdays in j month of year i,
Figure 112019048619990-pat00064
Is the number of special days in j month of year i,
Figure 112019048619990-pat00065
Is the special day weight of j month of year i)
제1항에 있어서,
상기 제어부는 상기 월별 전력사용량 기온 보정값 및 예측 시점의 기온을 이용하여 상기 월별 전력 사용 예측량을 보정하는 전력사용량 예측 시스템.
The method according to claim 1,
Wherein the controller corrects the monthly power use prediction amount by using the monthly power consumption temperature correction value and the temperature at the prediction time point.
제1항에 있어서,
상기 제2전처리부는 기준월의 전력사용량을 기준으로 월별 평일 전력 사용량을 정규화하여 월별 기온 민감도를 산출하고, 과거 평일별 측정 기온과 평년기온과의 차이값에 상기 월별 기온 민감도를 적용하여 상기 월별 전력 사용량 기온 보정값을 산출하는 전력사용량 예측 시스템.
The method according to claim 1,
The second preprocessing unit calculates the monthly temperature sensibility by normalizing the monthly weekly power consumption based on the power consumption of the reference month, and applying the monthly temperature sensibility to the difference between the measured weekday temperature and the normal weekly temperature, A power usage forecasting system for calculating a usage temperature correction value.
제5항에 있어서,
상기 제2전처리부는 하기 수학식 3에 따라 상기 월별 전력 사용량 기온 보정값을 산출하는 전력사용량 예측 시스템.
[수학식 3]
Figure 112019048619990-pat00066

(수학식 3에서,
Figure 112019048619990-pat00067
는 i년 j월의 전력 사용량 기온보정값,
Figure 112019048619990-pat00068
는 i년 j월의 기준 전력 사용량,
Figure 112019048619990-pat00069
는 i년 j월 평일의 정규화 된 평균전력량과 평균 기온의 민감도,
Figure 112019048619990-pat00070
는 i년 j월의 평년 기온,
Figure 112019048619990-pat00071
는 i년 j월 k일의 측정 기온,
Figure 112019048619990-pat00072
은 i월의 평일의 개수이다)
6. The method of claim 5,
Wherein the second pre-processor calculates the monthly power usage temperature correction value according to Equation (3).
&Quot; (3) "
Figure 112019048619990-pat00066

(In Equation 3,
Figure 112019048619990-pat00067
Is the power usage temperature correction value of j year j,
Figure 112019048619990-pat00068
Is the reference power consumption in j month of year i,
Figure 112019048619990-pat00069
Is the normalized average power and the average temperature sensitivity of the weekday in j-month,
Figure 112019048619990-pat00070
The average temperature of j-month in year i,
Figure 112019048619990-pat00071
Is the measured temperature of j month,
Figure 112019048619990-pat00072
Is the number of weekdays in i month)
제5항에 있어서,
상기 제2전처리부는 5월 및 10월의 전력사용량을 상기 기준월의 전력사용량으로 하여 상기 월별 평일 전력 사용량을 정규화하는 전력사용량 예측 시스템.
6. The method of claim 5,
And the second pre-processor normalizes the monthly weekly power consumption by using the power consumption of May and October as the power consumption of the reference month.
제1항에 있어서,
상기 회귀분석부는 국내총생산, 인구수, 판매전력량 및 최대전력수요 중 적어도 하나를 독립변수로 하여 상기 회귀분석 모델을 생성하는 전력사용량 예측 시스템.
The method according to claim 1,
Wherein the regression analyzing unit generates the regression analysis model using at least one of a gross domestic product, a population number, a sales power amount, and a maximum power demand as independent variables.
제8항에 있어서,
상기 회귀분석부는 하기 수학식 4에 따라 상기 회귀분석 모델을 생성하는 전력사용량 예측 시스템.
[수학식 4]
Figure 112019048619990-pat00073

(수학식 4에서
Figure 112019048619990-pat00074
는 i년 j월의 평균 평일 전력 사용량(MWh),
Figure 112019048619990-pat00075
는 i년 j월 국내총생산,
Figure 112019048619990-pat00076
는 i년 j월의 인구수,
Figure 112019048619990-pat00077
는 i-1년 j월의 판매전력량(MWh),
Figure 112019048619990-pat00078
는 i-1년 j월의 최대 전력수요(MW),
Figure 112019048619990-pat00079
는 i년 j월의 오차항,
Figure 112019048619990-pat00080
는 상수항,
Figure 112019048619990-pat00081
는 회귀계수이다)
9. The method of claim 8,
Wherein the regression analyzing unit generates the regression analysis model according to Equation (4).
&Quot; (4) "
Figure 112019048619990-pat00073

(Equation 4)
Figure 112019048619990-pat00074
(MWh), the average weekday power consumption in j year j,
Figure 112019048619990-pat00075
Is the gross domestic product (GDP)
Figure 112019048619990-pat00076
Is the population of j month of year i,
Figure 112019048619990-pat00077
(MWh) of the j-month in year i-1,
Figure 112019048619990-pat00078
Is the maximum electric power demand (MW) of the month i-1,
Figure 112019048619990-pat00079
Is the error term of j month of year i,
Figure 112019048619990-pat00080
However,
Figure 112019048619990-pat00081
Is the regression coefficient)
월별 평균 평일 전력량 대비 월별 특수일의 평균 전력 사용량 비율인 월별 특수일 가중치를 산출하는 단계;
과거 평일별 측정 기온과 평년기온과의 차이를 이용하여 월별 전력사용량 기온 보정값을 산출하고, 상기 월별 전력사용량 기온 보정값을 적용하여 과거 평균 평일 전력사용량을 평년기온으로 보정하는 단계;
평년기온으로 보정된 과거 평균 평일 전력 사용량을 종속변수로 하여 회귀분석모델을 생성하고, 월별 평균 평일 전력 사용 예측량을 산출하는 단계; 및
상기 월별 평균 평일 전력 사용 예측량에 상기 월별 특수일 가중치를 반영하여 월별 전력 사용 예측량을 산출하는 단계를 포함하며,
상기 월별 평균 평일 전력량은 특정 월의 평일에 발생되는 전력량의 평균값이고, 상기 월별 특수일의 평균 전력 사용량은 상기 특정 월의 특수일에 발생되는 전력량의 평균값이며,
상기 월별 특수일 가중치를 산출하는 단계는, 하기 수학식 5에 따라 상기 월별 특수일의 평균 전력 사용량을 상기 월별 평균 평일 전력량과 비교하여 그 비율을 연산하고, 연산된 비율을 상기 월별 특수일 가중치로 산출하는 전력사용량 예측 방법.
[수학식 5]
Figure 112019048619990-pat00091

(수학식 5에서
Figure 112019048619990-pat00092
는 i년 j월의 특수일 가중치이고,
Figure 112019048619990-pat00093
는 i년 j월 평일의 평균 전력 사용량이고,
Figure 112019048619990-pat00094
는 i년 j월의 k번째 특수일의 평균 전력 사용량이다)Calculating a monthly special day weight, which is a ratio of an average power consumption of a special day to a monthly average weekday power;
Calculating monthly monthly power use temperature correction values using the difference between the measured weekday temperature and the normal yearly temperature, and applying the monthly power consumption temperature correction value to correct the past average weekday power consumption to the normal temperature;
Generating a regression analysis model with the past average weekday power usage corrected by the normal temperature as a dependent variable, and calculating a monthly average weekday power usage forecast; And
Calculating a monthly power use prediction amount by reflecting the monthly special day weights to the monthly average weekday power use prediction amount,
Wherein the monthly average weekday power is an average value of the amount of power generated on a weekday of a specific month and the average power consumption of the special day is an average value of the amount of power generated on a special day of the specific month,
The calculating of the monthly special day weights may include comparing the average power use amount of the monthly special day with the monthly average weekday power amount in accordance with the following equation (5), and calculating the ratio, and setting the calculated ratio as the monthly special day weight Calculating power usage forecasting method.
&Quot; (5) "
Figure 112019048619990-pat00091

(Equation 5)
Figure 112019048619990-pat00092
Is the special day weight of j month of year i,
Figure 112019048619990-pat00093
Is the average power usage on weekdays in j month of year i,
Figure 112019048619990-pat00094
Is the average power usage of the kth special day in j year j)
KR1020180025728A 2018-03-05 2018-03-05 System and method for prediction of electrical energy consumption KR101989493B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180025728A KR101989493B1 (en) 2018-03-05 2018-03-05 System and method for prediction of electrical energy consumption

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180025728A KR101989493B1 (en) 2018-03-05 2018-03-05 System and method for prediction of electrical energy consumption

Publications (1)

Publication Number Publication Date
KR101989493B1 true KR101989493B1 (en) 2019-06-14

Family

ID=66846504

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180025728A KR101989493B1 (en) 2018-03-05 2018-03-05 System and method for prediction of electrical energy consumption

Country Status (1)

Country Link
KR (1) KR101989493B1 (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728408A (en) * 2019-10-16 2020-01-24 国家电网有限公司 Resident electricity consumption prediction method considering user source load characteristics
WO2021006368A1 (en) * 2019-07-05 2021-01-14 엘지전자 주식회사 Artificial intelligence-based energy usage prediction apparatus and prediction method
KR20210063989A (en) * 2019-11-25 2021-06-02 경희대학교 산학협력단 Method for intelligent day-ahead energy sharing scheduling of the P2P prosumer community in smart grid
CN114077930A (en) * 2021-11-26 2022-02-22 国网湖南省电力有限公司 Economic structure change analysis method based on power consumption
KR20220096568A (en) 2020-12-31 2022-07-07 현대일렉트릭앤에너지시스템(주) Apparatus and method for predicting power comsumption
KR102469195B1 (en) 2021-10-29 2022-11-21 고려대학교 산학협력단 Internal electricity and DHW loads prediction method in residential communities using probabilistic statistical models
KR20220157080A (en) * 2021-05-20 2022-11-29 숭실대학교산학협력단 Method and apparatuses for prediction for predicting electrical generation of special day
KR20230092206A (en) 2021-12-17 2023-06-26 주식회사 포스코 Maximum electricity demand control apparatus and method
CN116385210A (en) * 2023-06-06 2023-07-04 江苏图南数字科技有限公司 Power supply energy consumption monitoring system based on Internet of things
CN116644864A (en) * 2023-07-26 2023-08-25 国网山东省电力公司无棣县供电公司 Method, system, terminal and medium for predicting electricity consumption of special date area
CN116817416A (en) * 2023-02-24 2023-09-29 国网能源研究院有限公司 Method and system for predicting maximum load of whole society
CN117273802A (en) * 2023-09-25 2023-12-22 国网四川省电力公司广安供电公司 Medium-short term electricity sales quantity prediction method based on deep neural network

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001249916A (en) * 2000-03-07 2001-09-14 Nippon Steel Corp Demand prediction device and method and computer readable storage medium
KR20140075617A (en) * 2012-12-10 2014-06-19 주식회사 케이티 Method for estimating smart energy consumption
WO2018016037A1 (en) * 2016-07-20 2018-01-25 中国電力株式会社 Optimal menu determination system, optimal menu determination method, and program

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001249916A (en) * 2000-03-07 2001-09-14 Nippon Steel Corp Demand prediction device and method and computer readable storage medium
KR20140075617A (en) * 2012-12-10 2014-06-19 주식회사 케이티 Method for estimating smart energy consumption
WO2018016037A1 (en) * 2016-07-20 2018-01-25 中国電力株式会社 Optimal menu determination system, optimal menu determination method, and program

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
대한전기학회 학술대회 논문집 616-617 (2011.07.)* *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021006368A1 (en) * 2019-07-05 2021-01-14 엘지전자 주식회사 Artificial intelligence-based energy usage prediction apparatus and prediction method
US11397020B2 (en) 2019-07-05 2022-07-26 Lg Electronics Inc. Artificial intelligence based apparatus and method for forecasting energy usage
CN110728408A (en) * 2019-10-16 2020-01-24 国家电网有限公司 Resident electricity consumption prediction method considering user source load characteristics
KR20210063989A (en) * 2019-11-25 2021-06-02 경희대학교 산학협력단 Method for intelligent day-ahead energy sharing scheduling of the P2P prosumer community in smart grid
KR102562761B1 (en) * 2019-11-25 2023-08-01 경희대학교 산학협력단 Method for intelligent day-ahead energy sharing scheduling of the P2P prosumer community in smart grid
KR20220096568A (en) 2020-12-31 2022-07-07 현대일렉트릭앤에너지시스템(주) Apparatus and method for predicting power comsumption
KR102536500B1 (en) 2021-05-20 2023-05-26 숭실대학교 산학협력단 Method and apparatuses for prediction for predicting electrical generation of special day
KR20220157080A (en) * 2021-05-20 2022-11-29 숭실대학교산학협력단 Method and apparatuses for prediction for predicting electrical generation of special day
KR102469195B1 (en) 2021-10-29 2022-11-21 고려대학교 산학협력단 Internal electricity and DHW loads prediction method in residential communities using probabilistic statistical models
CN114077930A (en) * 2021-11-26 2022-02-22 国网湖南省电力有限公司 Economic structure change analysis method based on power consumption
CN114077930B (en) * 2021-11-26 2024-05-28 国网湖南省电力有限公司 Analysis method for economic structure change based on power consumption
KR20230092206A (en) 2021-12-17 2023-06-26 주식회사 포스코 Maximum electricity demand control apparatus and method
CN116817416A (en) * 2023-02-24 2023-09-29 国网能源研究院有限公司 Method and system for predicting maximum load of whole society
CN116817416B (en) * 2023-02-24 2024-01-23 国网能源研究院有限公司 Method and system for predicting maximum load of whole society
CN116385210A (en) * 2023-06-06 2023-07-04 江苏图南数字科技有限公司 Power supply energy consumption monitoring system based on Internet of things
CN116385210B (en) * 2023-06-06 2023-08-15 江苏图南数字科技有限公司 Power supply energy consumption monitoring system based on Internet of things
CN116644864A (en) * 2023-07-26 2023-08-25 国网山东省电力公司无棣县供电公司 Method, system, terminal and medium for predicting electricity consumption of special date area
CN117273802A (en) * 2023-09-25 2023-12-22 国网四川省电力公司广安供电公司 Medium-short term electricity sales quantity prediction method based on deep neural network
CN117273802B (en) * 2023-09-25 2024-01-19 国网四川省电力公司广安供电公司 Medium-short term electricity sales quantity prediction method based on deep neural network

Similar Documents

Publication Publication Date Title
KR101989493B1 (en) System and method for prediction of electrical energy consumption
Weron et al. Forecasting spot electricity prices: A comparison of parametric and semiparametric time series models
Bühler et al. An empirical comparison of forward‐rate and spot‐rate models for valuing interest‐rate options
Amral et al. Short term load forecasting using multiple linear regression
Misiorek et al. Point and interval forecasting of spot electricity prices: Linear vs. non-linear time series models
Maciejowska et al. Short-and mid-term forecasting of baseload electricity prices in the UK: The impact of intra-day price relationships and market fundamentals
Aytac et al. Characterization of demand for short life-cycle technology products
Phuangpornpitak et al. A study of load demand forecasting models in electric power system operation and planning
US20190370832A1 (en) Prediction System and Prediction Method
WO2004049080A1 (en) Energy forecasting using model parameter estimation
WO2019049546A1 (en) Prediction system and method
Park et al. A framework for baseline load estimation in demand response: Data mining approach
Bar-Ilan et al. Time-to-build and capacity choice
Mandal et al. A new recursive neural network algorithm to forecast electricity price for PJM day‐ahead market
Shan et al. Seasonal warranty prediction based on recurrent event data
Avci et al. Managing electricity price modeling risk via ensemble forecasting: The case of Turkey
Popławski et al. Forecasting methods for balancing energy market in Poland
CN111274531A (en) Commodity sales amount prediction method, commodity sales amount prediction device, computer equipment and storage medium
CN112465266A (en) Bus load prediction accuracy analysis method and device and computer equipment
Zufferey et al. Inadequacy of standard algorithms and metrics for short-term load forecasts in low-voltage grids
Lingohr et al. Conditionally independent increment processes for modeling electricity prices with regard to renewable power generation
Tung et al. Analysis of temperature-sensitive on short-term electricity load forecasting
Pape et al. Forecasting the Distributions of Hourly Electricity Spot Prices-Accounting for Serial Correlation Patterns and Non-Normality of Price Distributions
Perelló et al. Entropy of the Nordic electricity market: anomalous scaling, spikes, and mean-reversion
Hosoe et al. Retail power market competition with endogenous entry decision—An auction data analysis

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant