KR20100034777A - 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템 - Google Patents

고객기준부하 산출을 위한 부하 예측 비교 분석 시스템 Download PDF

Info

Publication number
KR20100034777A
KR20100034777A KR1020080093934A KR20080093934A KR20100034777A KR 20100034777 A KR20100034777 A KR 20100034777A KR 1020080093934 A KR1020080093934 A KR 1020080093934A KR 20080093934 A KR20080093934 A KR 20080093934A KR 20100034777 A KR20100034777 A KR 20100034777A
Authority
KR
South Korea
Prior art keywords
load
prediction
load profile
profile
customer reference
Prior art date
Application number
KR1020080093934A
Other languages
English (en)
Other versions
KR101012863B1 (ko
Inventor
고종민
유인협
양일권
송재주
Original Assignee
한국전력공사
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 한국전력공사 filed Critical 한국전력공사
Priority to KR1020080093934A priority Critical patent/KR101012863B1/ko
Priority to JP2009016551A priority patent/JP2010081783A/ja
Priority to US12/566,950 priority patent/US8406935B2/en
Publication of KR20100034777A publication Critical patent/KR20100034777A/ko
Application granted granted Critical
Publication of KR101012863B1 publication Critical patent/KR101012863B1/ko

Links

Images

Classifications

    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

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

Abstract

개시된 본 발명의 고객 기준 부하 산출을 위한 부하 예측 비교 분석 시스템은, 로드 프로파일을 입력받아 고객기준부하(CBL: Customer Baseline Load) 추정방법을 제공하는 고객기준부하 추정부, 로드 프로파일을 이용하여 고객기준부하를 산정하기 위한 조건을 선택하는 기간 선택부, 로드 프로파일과 조건에 따라 고객기준부하 추정방법을 적용하여 고객기준부하를 추정하여 추정값을 산출하는 고객기준부하 처리부, 및 로드 프로파일과 추정값을 비교하여 오차값을 산출하는 고객기준부하 검증부를 포함한다.

Description

고객기준부하 산출을 위한 부하 예측 비교 분석 시스템{LOAD FORECASTING ANALYSIS SYSTEM FOR GENERATION OF CUSTOMER BASELINE LOAD}
본 발명은 부하 예측 비교 분석 시스템에 관한 것으로서, 보다 상세하게는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템에 관한 것이다.
종래 고객기준부하(CBL: Customer Baseline Load) 추정방법으로는 과거 15분 로드 프로파일(Load Profile) 데이터를 사용하여 예측 시행일의 각 시간대별 기준부하를 선정하여 추정하는 방법(평균값, 기후요소를 고려한 Regression 모델)이 있다. 평균값을 적용하여 추정하는 방법에는 10-Day Baseline, 8-Day Baseline, 5-Day Baseline, 3-Day Baseline, 시계열분석방법 등이 있는데, 이 방법에서는 운영환경과 기후조건에 따라 부하특성이 변하므로 계절적 요인과 환경요인(온도, 습도, 불쾌지수)의 상관 관계를 분석하여 적합한 조정요소와 비율을 적용해야 한다. 또한 통계적 분석기법인 시계열분석(이동평균법, 지수평활법, 자기회귀 이동평균 모형)을 이용하여 고객기준부하를 추정할 수도 있다.
종래 미국 등에서는 상술한 여러 가지 고객기준부하 추정방법을 사용하여 수요자의 부하절감 산출과 검증에 이용하고 있으나, 국내에 적용하기 위해서는 국내에 전력산업 환경에 맞는 신빙성 있는 절차가 필요하며 각 수요자별로 수요특성에 적합한 왜곡되지 않는 기준부하를 설정해야할 필요성이 있다.
본 발명은 상기한 필요성에 의해 안출된 것으로서, 본 발명은 시장지향적인 수요 관리기법인 수요응답(DR: Demand Response)시스템에서, 부하 절체 이벤트 시행에 대한 효율적인 효과분석과 부하 절체량 산출의 기준이 되는 고객기준부하를 예측하고, 예측된 로드 프로파일과 실시간 로드 프로파일의 오차를 비교하여 최소 오차값을 적용한 최적의 고객기준부하 추정방법을 제공함으로써 고객기준부하 추정방법에 대한 신뢰도를 개선하는데 그 목적이 있다.
또한 본 발명은 고객분류 기준에 따라 전체사용량을 포함하여 산업 종별 및 계약 종별로 단기 전력소비량을 15분 단위로 예측하고 예측된 모형들을 비교하여 최적의 단기 예측값을 선정함으로써 합리적인 전력소비정책을 지원하고 피크 예측 및 관리를 위한 도구를 제공하는데 있다.
본 발명의 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템은, 로드 프로파일을 입력받아 고객기준부하(CBL: Customer Baseline Load) 추정방법을 제공하는 고객기준부하 추정부; 상기 로드 프로파일을 이용하여 고객기준부하를 산정하기 위한 조건을 선택하는 기간 선택부; 상기 로드 프로파일과 상기 조건에 따라 상기 고객기준부하 추정방법을 적용하여 상기 고객기준부하를 추정하여 추정값을 산출하는 고객기준부하 처리부; 및 상기 로드 프로파일과 상기 추정값을 비교하여 오차값을 산출하는 고객기준부하 검증부;를 포함한다.
여기서, 상기 로드 프로파일은 관계형 데이터 베이스로 변환된 15분 간격 로드 프로파일일 수 있다.
또한 상기 고객기준부하 추정방법은, 예측일 직전 n(n= 10, 5, 3)일간의 평균 로드 프로파일을 활용한 방법, 및 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균 로드 프로파일을 활용한 방법 중 적어도 하나를 포함한다.
또한, 상기 예측일 직전 n일간의 평균 로드 프로파일을 활용한 방법은
Figure 112008067282412-PAT00001
을 이용하여 시점 t에서 상기 추정값 Ft를 산출하며, Dt는 시점 t에서 실제 로드 프로파일이고, a는 외부상관지수를 나타낸다.
또한, 상기 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균 로드 프로파일을 활용한 방법은
Figure 112008067282412-PAT00002
을 이용하여 시점 t에서 상기 추정값 Ft를 산출하며, Dt는 시점 t에서 실제 로드 프로파일이고, Dmax는 상기 최대 로드 프로파일이고, Dmin은 상기 최소 로드 프로파일이고, a는 외부상관지수를 나타낸다.
또한, 상기 조건은, 상기 추정값을 산출하는 분석 대상 기간과 이벤트 시간, 및 전력사용 절감량에 대한 절감액 산정을 위한 인센티브 중 적어도 하나를 포함한다.
본 발명의 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템은, 상기 로드 프로파일을 입력받아 상기 로드 프로파일의 미래값 예측방법을 제공하는 단기수요 예측부; 상기 미래값 예측방법의 변수와 옵션을 이용하여 전력 사용량을 예측하는 예측 처리부; 및 고객분류기준에 따라 전체 사용량, 산업 종별 및 계약 종별 단기 전력 소비량을 예측하고 예측된 모형을 비교하여 단기예측모형을 선정하는 예측 검증부;를 더 포함할 수 있다.
또한, 상기 미래값 예측방법은, 예측일 직전 10일간의 평균 로드 프로파일을 활용한 방법, 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균을 활용한 방법, 시계열분석방법 중 적어도 하나의 방법을 포함하며, 상기 시계열분석방법은 이동평균법(Moving Average Method), 지수평활법(Exponential Smoothing Method) 및 자기회귀이동평균(ARMA: Auotoregressive Moving-Average Model) 모형 중 적어도 하나를 포함한다.
또한, 상기 이동평균법은,
Figure 112008067282412-PAT00003
을 이용하여 시점 t에서 상기 미래값 Ft를 산출하며, m은 이동평균 기간이며, Dt는 상기 시점 t에서 실제값을 나타내고, 상기 이동평균 기간은 측정기간 내에서의 한 기간 후의 예측 오차의 평균 제곱합을 최소로 하는 값으로 결정되어 최적으로 선택되며, 상기 예측 오차는 (Dt - Ft)이다.
또한, 상기 지수평활법은,
Figure 112008067282412-PAT00004
을 이용하여 시점 t에서 상기 미래값 Ft를 산출하며, 상기 Ft -1 은 시점 t-1에서 상기 미래값이고, 상기 a는 평활상수이고, (Dt -1 - Ft -1)은 시점 t - 1에서의 예측 오차를 나타낸다.
본 발명의 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템은, 예측된 로드 프로파일과 실시간 로드 프로파일의 오차를 비교하여 최적의 고객기준부하를 추정할 수 있기 때문에, 전력시장의 수요자원을 통한 새로운 부가가치를 창출하며, 전력시장 및 전력계통의 다양한 변화에 효율적이고 능동적으로 대응하여 전력수요자원을 예측하여 합리적인 소비를 유도할 수 있다.
또한 본 발명은 실제 수요자의 전력 소비 데이터를 기반으로 전력 수요량을 예측하여 그 신뢰성을 증가시켰으며, 최적의 15분 단기 예측값을 제공함으로써 합리적인 전력소비 정책을 지원하고 피크 예측 및 관리를 위한 도구로 활용될 수 있다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 일실시 예에 따른 부하 예측 비교 분석 시스템의 구성 블록도이다. 도 1을 참조하면, 본 발명의 일실시 예에 따른 부하 예측 비교 분석 시스템(100)은, 로드 프로파일 번역기(110), 고객기준부하 추정부(120), 기간 선택부(130), 고객기준부하 처리부(140), 고객기준부하 검증부(150), 단기수요 예측부(160), 예측 처리부(170), 예측 검증부(180) 및 예측 뷰어(190)를 포함한다.
상기 로드 프로파일 번역기(Load Profile DB Translator)(110)는 실시간 15분 간격 로드 프로파일(Load Profile Data)를 관계형 데이터베이스로 변환하여 로드 프로파일 데이터베이스(112)로 저장한다. 실시간 15분 간격 로드 프로파일은 고객기준부하(CBL: Customer Baseline Load) 추정 및 미래의 단기 수요 예측(Forecasting)에 적용하기 위한 것으로서, 수요자의 전자식 전력량 계에서 발생 되는 시간 간격 수요 데이터일 수 있다. 수요자는 13만 50Kw 이상 고압 고객일 수 있다.
상기 고객기준부하 추정부(120)는 로드 프로파일 데이터베이스(112)로부터 15분 로드 프로파일을 입력값으로 입력받아 고객기준부하 추정방법을 제공한다. 예를 들면, 고객기준부하 추정부(120)는 예측일 직전 10일간의 평균 로드 프로파일을 활용한 방법, 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균을 활용한 방법, 예측일 직전 5일간의 평균 로드 프로파일을 활용한 방법 및 예측일 직전 3일간의 평균 로드 프로파일을 활용한 방법을 제공할 수 있다.
예측일을 기준으로 적용되는 기간은 주말 및 공휴일, 이벤트 시행일을 제외한 평일만 적용하는 것이 좋다. 이러한 추정방법은 과거의 자료에 대해 동일한 중요도를 부여하며, 과거의 자료가 미래를 나타내는 지표라는 가정에 근거한다
상기 기간 선택부(130)는 로드 프로파일 데이터베이스(112)에 구축된 수요측 15분 간격 로드 프로파일을 이용하여 고객기준부하를 산정하기 위한 분석 대상 기간과 이벤트 시간, 인센티브를 선택할 수 있다. 여기서 인센티브는 전력사용 절감량에 대한 절감액 산정을 위한 것이다.
상기 고객기준부하 처리부(140)는 로드 프로파일 데이터베이스(112)에 구축된 수요측 15분 간격 로드 프로파일과 기간 선택부(130)로부터 제공되는 선택조건 에 따라, 고객기준부하 추정부(120)에서 제공되는 고객기준부하 추정방법 중 선택된 고객기준부하 추정방법을 적용하여 고객기준부하를 추정한다. 여기서 추정된 고객기준부하는 단기 로드 프로파일일 수 있다.
상기 고객기준부하 검증부(150)는 고객기준부하 처리부(140)에 따라 산출된 추정값과 로드 프로파일 데이터베이스(112)의 실시간 15분 로드 프로파일을 비교분석하여 오차값을 산출하고, 실시간 전력사용량, 절감량, 인센티브액, 이산화탄소(CO2) 배출량의 정보를 제공한다. 여기서 오차값은 예측일의 실제 로드 프로파일 Dt와 추정된 로드 프로파일 Ft의 차이인 예측 오차 et를 의미한다. 즉 et는 Dt - Ft로 계산될 수 있다. 또한 고객기준부하 검증부(150)는 산출된 결과값(오차값)의 추세와 오차검증을 파악하기 위한 자료들을 그래픽 사용자 인터페이스(Graphic User Interface)를 통하여 도표화하여 제공할 수 있다.
도 2 및 도 3은 고객기준부하 처리부와 고객기준부하 검증부가 선택된 조건에 따라 이벤트 시행 당일 실질 이득을 시뮬레이션하는 과정을 예시한 것이다. 이러한 시뮬레이션 결과를 바탕으로 본 실시 예의 부하 예측 비교 분석 시스템은 수용가별로 최적의 고객기준부하 추정방법을 결정할 수 있도록 하며, 15분 간격 전력수요 예측값과 절감량(액)을 제공하여 수요자의 합리적인 에너지사용에 대한 전략을 지원하는 기능을 수행할 수 있다. 또한, 이벤트 기간 중 예측량과 절감량, 인센티브액, 이산화탄소(CO2) 산출량 등 종합적인 분석 기능을 제공한다.
상기 단기수요 예측부(160)는 예측일 직전 10일간의 평균 로드 프로파일을 활용한 방법, 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소를 제외한 8일간의 평균을 활용한 방법, 시계열분석방법을 이용하여 단기 수요를 예측할 수 있다. 시계열분석방법은 이동평균법(Moving Average Method), 지수평활법(Exponential Smoothing Method), 자기회귀이동평균(ARMA: Auotoregressive Moving-Average Model) 모형을 포함한다.
이러한 방법은 불규칙변동을 평활시켜서 로드 프로파일의 미래값을 예측하는 방법인데, 로드 프로파일에 대한 사전분석 결과 측정된 로드 프로파일의 각 시간대별 평균수준이 크게 변하지 않기 때문에 즉, 불규칙변동만을 포함하는 특성을 가지기 때문에 이러한 수평적 계열(horizontal series)에 대해서는 상기와 같은 방법을 적용할 수 있다.
상기 예측 처리부(170)는 단기수용 예측부(160)에서 사용되는 여러 가지 변수들과 옵션들을 이용하여 전력 사용량을 예측하고 그 결과를 등록하는 기능을 수행한다.
상기 예측 검증부(180)는 예측 처리부(170)에서 사용되는 고객분류기준에 따라 전체사용량을 포함하여 산업 종별 및 계약 종별로 단기 전력소비량을 15분 단위로 예측하고 예측된 모형들을 비교하여 최적의 단기예측모형을 선정한다. 또한 예측 검증부(180)는 산출된 결과값의 추세를 그래픽 사용자 인터페이스(Graphic User Interface)를 통하여 도표화하여 제공할 수 있다. 도 4 및 도 5는 예측 처리부와 예측 검증부의 사용량 예측과 최적의 단기예측모형 선정을 시뮬레이션하는 과정을 예시한 것이다. 도 4 및 도 5에 도시된 바와 같이, 본 실시예의 시스템은 고압고 객 전체 또는 산업종별, 계약종별로 예측 방법에 따라 10일간의 15분 수요 예측값을 제공하여, 전력사업자의 전력구입정책과 전력요금을 산출하기 위한 자료로 활용될 수 있다.
상기 예측 뷰어(190)는 고객기준부하 검증부(150)와 예측 검증부(180)로부터 분석된 결과를 전달받아 저장하거나 리포트(Report)를 생성한다.
고객기준부하 추정부(120)가 제공하는 고객기준부하 추정방법에 대해 좀 더 자세하게 설명한다. 먼저 예측일 직전 10일간의 로드 프로파일을 활용한 방법은 아래 수학식 1과 같이 나타낼 수 있다.
Figure 112008067282412-PAT00005
상기 수학식 1에서, Ft는 과거 10일의 로드 프로파일을 바탕으로 추정한 예측일의 추정값을 나타내고, Dt는 시점 t에서의 실제값을 나타내며, α는 외부상관지수를 나타낸다. 외부상관지수는 온도, 습도, 불쾌지수, 판매가격 상관지수 등을 포함한다.
다음으로, 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균을 활용한 방법은 아래 수학식 2와 같이 나타낼 수 있다.
Figure 112008067282412-PAT00006
상기 수학식 2에서 Dmax는 최대 로드 프로파일을 나타내고, Dmin은 최소 로드 프로파일을 나타낸다.
다음으로, 예측일 직전 5일간의 로드 프로파일을 활용한 방법은 아래 수학식 3과 같이 나타낼 수 있다.
Figure 112008067282412-PAT00007
마지막으로, 예측일 직전 3일간의 로드 프로파일을 활용한 방법은 아래 수학식 4와 같이 나타낼 수 있다.
Figure 112008067282412-PAT00008
단기수요 예측부(160)가 이용하는 예측방법을 좀 더 자세하게 설명한다. 일 실시 예로 시계열분석방법 중 이동평균법(Moving Average)에 따른 방법은 아래 수학식 5로 나타낼 수 있다.
Figure 112008067282412-PAT00009
상기 수학식 5에서, Ft는 시점 t에서 예측값을 나타내고, Dt는 시점 t에서의 실제 값을 나타내고, m은 이동평균 기간을 나타낸다. 즉, 이동평균법은 현재 시점이 t인 경우에 다음 시점의 예측값은 최근의 m기간 동안의 이동평균으로 예측하는 방법이다. 이러한 이동평균법은 앞서 언급했던 10일 평균법이나 최대, 최소를 제외한 8일 평균법과는 달리 이동평균 기간인 m에 따라 예측값이 달라질 수 있다. 특히 이동평균 기간을 길게 할수록 우연 요인이 더 많이 상쇄되어 예측값은 고르게 되나 수요의 실제 변화에는 늦게 반응할 수 있다. 따라서 이동평균 기간은 예측의 안정성과 수요 변화에 반응하는 상충관계를 적절히 고려하여 최적으로 선택될 수 있다.
이동평균 기간의 최적 선택 방법은 측정기간 내에서의 한 기간 후의 예측 오차의 평균 제곱합을 최소로 하는 m값으로 결정하여 얻을 수 있으며, 이를 수식으로 나타내면, 아래 수학식 6과 같다.
Figure 112008067282412-PAT00010
상기 수학식 6에서, 예측기간 m을 4로 가정했을 때 예측 오차의 평균 제곱 합을 계산하면 아래 수학식 7과 같다.
Figure 112008067282412-PAT00011
상술한 바와 같이 예측기간에 따라 예측값이 달라지므로 이동평균기간 m은 최적으로 선택되는 것이 바람직하다.
다음으로, 시계열분석방법 중 지수평활법(Exponential Smoothing Method)은 이동평균을 계산하기 위해서 최근의 m기간의 측정값만 사용하고 또한, 이들에 대하여 동일한 가중치를 부여하는 이동평균법의 단점을 보완한 방법으로서, 아래 수학식 8과 같이 나타낼 수 있다.
Figure 112008067282412-PAT00012
여기서 α는 평활상수(Smoothing Constant)로서, 0과 1 사이의 값을 가지며, 현재 측정된 수요에 대한 상대적 가중치를 나타낸다. 평활상수는 평활의 정도와 예측값과 실제 값과의 차이에 반응하는 속도를 결정하며, 평활상수의 값이 클수록 예측 값은 수요변화에 더 많이 반응한다. 따라서 평활상수의 값이 작을수록 평활 의 효과는 커진다.
수학식 8은 아래 수학식 9와 같이 간략히 나타낼 수 있다.
Figure 112008067282412-PAT00013
수학식 9에서 Dt -1 - Ft -1은 시점 t - 1에서의 예측 오차 et를 의미하며, 시점 t에서의 예측 값 Ft는 시점 t -1에서의 예측 값 Ft -1과 그 시점의 (α x 예측 오차)의 합임을 알 수 있다. 따라서 α, Dt -1, Ft -1이 주어지면 Ft가 계산될 수 있다.
시계열분석방법 중 자기회귀이동평균 모형(ARMA)은 자귀회귀 부분AR(Auotoregressive)과 이동평균 부분 MA(Moving-Average)을 동시에 포함하는 확률과정으로 ARMA(p, q) 모형의 일반적인 형태는 아래 수학식 10과 같다.
Figure 112008067282412-PAT00014
여기서, φ(B)는 AR(Auotoregressive)(p)과정의 작용소로서 φp(B)=1-φ1B- … -φpBp이며, θ(B)는 MA(Moving-Average)(q)과정의 작용소로서 θq(B)=1-θ1B- …-θqBq이다. 또한 et는 평균 분산 0, σ2 e인 백색잡음과정이다. ARMA(p, q) 모형의 자기상관함수(ACF: AutoCorrelation Function)는 AR(p) 모형처럼 시차 q이후에 지수적으로 감소한다. 이것은 ARMA 자기상관함수는 자기회귀모수들에만 의존하기 때문이다. ARMA 모형은 어떤 특별한 경우로써 MA 모형을 포함하기 때문에 ARMA 모형의 편자기 상관함수(PACF: Partial AutoCorrelation Function)는 지수적인 감소와 φ(B)=0와 θ(B)=0의 근들에 의존하는 사인곡선에 따르는 혼합 형태를 보인다. 일 실시예로 적용한 방법들은 실제 수요자의 15분 인터벌 로드 프로파일을 사용하여 전체 수요자, 계약 종별 및 산업 분류별로 단기 전력수요를 예측할 수 있다.
이상에서 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술분야에 통상의 지식을 갖는 자라면 후술될 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.
도 1은 본 발명의 일실시 예에 따른 부하 예측 비교 분석 시스템의 구성 블록도이다.
도 2 및 도 3은 도1의 고객기준부하 처리부와 고객기준부하 검증부가 선택된 조건에 따라 이벤트 시행 당일 실질이득을 시뮬레이션하는 과정을 예시한 것이다.
도 4 및 도 5는 도1의 예측 처리부와 예측 검증부의 사용량 예측과 최적의 단기예측모형 선정을 시뮬레이션하는 과정을 예시한 것이다.
<도면의 주요부분에 대한 부호설명>
100: 부하 예측 비교 분석 시스템 110: 로드 프로파일 번역기
112: 로드 프로파일 데이터베이스 120: 고객기준부하 추정부
130: 기간 선택부 140: 고객기준부하 처리부
150: 고객기준부하 검증부 160: 단기수요 예측부
170: 예측 처리부 180: 예측 검증부
190: 예측 뷰어

Claims (10)

  1. 로드 프로파일을 입력받아 고객기준부하(CBL: Customer Baseline Load) 추정방법을 제공하는 고객기준부하 추정부;
    상기 로드 프로파일을 이용하여 고객기준부하를 산정하기 위한 조건을 선택하는 기간 선택부;
    상기 로드 프로파일과 상기 조건에 따라 상기 고객기준부하 추정방법을 적용하여 상기 고객기준부하를 추정하여 추정값을 산출하는 고객기준부하 처리부; 및
    상기 로드 프로파일과 상기 추정값을 비교하여 오차값을 산출하는 고객기준부하 검증부;를 포함하는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  2. 제1항에 있어서, 상기 로드 프로파일은 관계형 데이터 베이스로 변환된 15분 간격 로드 프로파일인 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  3. 제1항에 있어서, 상기 고객기준부하 추정방법은,
    예측일 직전 n(n= 10, 5, 3)일간의 평균 로드 프로파일을 활용한 방법, 및 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소를 제외한 8일간의 평균 로드 프로파일을 활용한 방법 중 적어도 하나를 포함하는 고객기준부하 산출을 위한 부 하 예측 비교 분석 시스템.
  4. 제3항에 있어서, 상기 예측일 직전 n일간의 평균 로드 프로파일을 활용한 방법은
    Figure 112008067282412-PAT00015
    을 이용하여 시점 t에서 상기 추정값 Ft를 산출하며, Dt는 시점 t에서 실제 로드 프로파일이고, a는 외부상관지수를 나타내는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  5. 제3항에 있어서, 예측일 직전 10일간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균 로드 프로파일을 활용한 방법은
    Figure 112008067282412-PAT00016
    을 이용하여 시점 t에서 상기 추정값 Ft를 산출하며, Dt는 시점 t에서 실제 로드 프로파일이고, Dmax는 상기 최대 로드 프로파일이고, Dmin은 상기 최소 로드 프로파일이고, a는 외부상관지수를 나타내는 고객기준부하 산출을 위한 부하 예측 비 교 분석 시스템.
  6. 제1항에 있어서, 상기 조건은, 상기 추정값을 산출하는 분석 대상 기간과 이벤트 시간, 및 전력사용 절감량에 대한 절감액 산정을 위한 인센티브 중 적어도 하나를 포함하는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  7. 제1항에 있어서,
    상기 로드 프로파일을 입력받아 상기 로드 프로파일의 미래값 예측방법을 제공하는 단기수요 예측부;
    상기 미래값 예측방법의 변수와 옵션을 이용하여 전력 사용량을 예측하는 예측 처리부; 및
    고객분류기준에 따라 전체 사용량, 산업 종별 및 계약 종별 단기 전력 소비량을 예측하고 예측된 모형을 비교하여 단기예측모형을 선정하는 예측 검증부;를 더 포함하는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  8. 제6항에 있어서, 상기 미래값 예측방법은,
    예측일 직전 10일간의 평균 로드 프로파일을 활용한 방법, 예측일 직전 10일 간의 로드 프로파일 중 최대 및 최소 로드 프로파일을 제외한 8일간의 평균을 활용한 방법, 시계열분석방법 중 적어도 하나의 방법을 포함하며,
    상기 시계열분석방법은 이동평균법(Moving Average Method), 지수평활법(Exponential Smoothing Method) 및 자기회귀이동평균(ARMA: Auotoregressive Moving-Average Model) 모형 중 적어도 하나를 포함하는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  9. 제8항에 있어서, 상기 이동평균법은,
    Figure 112008067282412-PAT00017
    을 이용하여 시점 t에서 상기 미래값 Ft를 산출하며, m은 이동평균 기간이며, Dt는 상기 시점 t에서 실제값을 나타내고,
    상기 이동평균 기간은 측정기간 내에서의 한 기간 후의 예측 오차의 평균 제곱합을 최소로 하는 값으로 결정되어 최적으로 선택되며, 상기 예측 오차는 (Dt - Ft)인 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
  10. 제8항에 있어서, 상기 지수평활법은,
    Figure 112008067282412-PAT00018
    을 이용하여 시점 t에서 상기 미래값 Ft를 산출하며, 상기 Ft -1 은 시점 t-1에서 상기 미래값이고, 상기 a는 평활상수이고, (Dt -1 - Ft -1)은 시점 t - 1에서의 예측 오차를 나타내는 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템.
KR1020080093934A 2008-09-25 2008-09-25 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템 KR101012863B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020080093934A KR101012863B1 (ko) 2008-09-25 2008-09-25 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템
JP2009016551A JP2010081783A (ja) 2008-09-25 2009-01-28 顧客基準負荷算出のための負荷予測比較分析システム
US12/566,950 US8406935B2 (en) 2008-09-25 2009-09-25 Load forecasting analysis system for calculating customer baseline load

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080093934A KR101012863B1 (ko) 2008-09-25 2008-09-25 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템

Publications (2)

Publication Number Publication Date
KR20100034777A true KR20100034777A (ko) 2010-04-02
KR101012863B1 KR101012863B1 (ko) 2011-02-08

Family

ID=42058283

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080093934A KR101012863B1 (ko) 2008-09-25 2008-09-25 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템

Country Status (3)

Country Link
US (1) US8406935B2 (ko)
JP (1) JP2010081783A (ko)
KR (1) KR101012863B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130074043A (ko) * 2011-12-26 2013-07-04 주식회사 케이티 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
WO2013112639A1 (en) * 2012-01-23 2013-08-01 Itron, Inc. Analytics in a utility infrastructure
KR20140119342A (ko) * 2013-03-29 2014-10-10 주식회사 케이티 전력 수요반응 시장 자원으로 이동성 부하의 관리 방법 및 이를 위한 이동성 부하의 충전 전력 관리 시스템
KR20160022540A (ko) * 2014-08-20 2016-03-02 서강대학교산학협력단 데이터마이닝 기법을 이용하여 고객기준부하를 추정하는 방법 및 그에 따른 장치
WO2018026067A1 (ko) * 2016-08-03 2018-02-08 한국전력공사 마이크로그리드에서의 전기소비자 중 수요자원 모집을 지원하는 장치와 방법
CN109301825A (zh) * 2018-12-03 2019-02-01 北京科东电力控制系统有限责任公司 一种配电网的负荷转供方法、装置、终端设备及存储介质
KR20190038234A (ko) * 2017-09-29 2019-04-08 주식회사 포스코아이씨티 수요전력 예측을 이용한 전력피크 저감시스템 및 방법

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8447993B2 (en) * 2008-01-23 2013-05-21 Palo Alto Research Center Incorporated Integrated energy savings and business operations in data centers
US9367825B2 (en) 2009-10-23 2016-06-14 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model
US8892264B2 (en) 2009-10-23 2014-11-18 Viridity Energy, Inc. Methods, apparatus and systems for managing energy assets
US8457802B1 (en) * 2009-10-23 2013-06-04 Viridity Energy, Inc. System and method for energy management
US9159042B2 (en) 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
US9159108B2 (en) 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets
US20120136496A1 (en) * 2010-11-30 2012-05-31 General Electric Company System and method for estimating demand response in electric power systems
US8392031B2 (en) * 2011-02-28 2013-03-05 General Electric Company System and method for load forecasting
US20120253878A1 (en) * 2011-03-29 2012-10-04 Trapeze Software Inc. Method and system for scheduling paratransit service
US20120303300A1 (en) * 2011-05-26 2012-11-29 General Electric Company Power distribution network load forecasting
US9361273B2 (en) * 2011-07-21 2016-06-07 Sap Se Context-aware parameter estimation for forecast models
AU2012202980B2 (en) * 2011-07-22 2014-12-11 Accenture Global Services Limited Business outcome tradeoff simulator
US10162374B2 (en) * 2011-09-17 2018-12-25 AutoGrid Systems Inc. Determining load reductions in demand response systems
KR101866564B1 (ko) * 2011-09-26 2018-06-14 한국전력공사 원격검침 로드 프로파일의 부하기기별 전력 사용 패턴 분리 장치 및 방법
JP5468590B2 (ja) * 2011-09-27 2014-04-09 株式会社東芝 データ収集装置およびその方法
US20130110606A1 (en) * 2011-10-31 2013-05-02 Siemens Aktiengesellschaft Reduction of power consumption using incentives
KR101445249B1 (ko) 2011-12-26 2014-09-29 주식회사 케이티 실시간 고객기준부하 산출 방법 및 시스템
US9601004B2 (en) 2012-06-25 2017-03-21 Comverge, Inc. System and method for estimating energy consumption based on readings from an AMI network
US9141923B2 (en) * 2012-09-25 2015-09-22 Bloom Energy Corporation Optimizing contractual management of the total output of a fleet of fuel cells
CN102999791A (zh) * 2012-11-23 2013-03-27 广东电网公司电力科学研究院 一种电力行业中基于客户分群的电力负荷预测方法
US9171276B2 (en) 2013-05-06 2015-10-27 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets using an engineering-based model
US9098876B2 (en) 2013-05-06 2015-08-04 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model
US10338622B2 (en) * 2013-06-27 2019-07-02 Panasonic Corporation Power adjustment device, power adjustment method, power adjustment system, power storage device, server, program
CN103473607B (zh) * 2013-08-29 2016-12-28 国网电力科学研究院 按轨迹特征优化和匹配外推模型的风电超短期预测方法
US9739908B2 (en) 2014-01-07 2017-08-22 International Business Machines Corporation Utility usage forecasting
CN104376381A (zh) * 2014-11-17 2015-02-25 南方电网科学研究院有限责任公司 一种基于定基单位产值电耗预测全社会用电量的方法
CN104504508B (zh) * 2014-12-15 2018-02-23 国网安徽省电力公司铜陵供电公司 基于层次分析与小波回归的台区闭环数据分析方法
US10748178B2 (en) * 2015-10-02 2020-08-18 Adobe Inc. Prediction of content performance in content delivery based on presentation context
US10197984B2 (en) 2015-10-12 2019-02-05 International Business Machines Corporation Automated energy load forecaster
CN106056254B (zh) * 2016-06-15 2020-10-02 中国能源建设集团甘肃省电力设计院有限公司 一种计及出力水平影响的风电预测误差模拟方法
CN106127340A (zh) * 2016-06-21 2016-11-16 国网浙江省电力公司金华供电公司 一种适用于超短期负荷预测的计算方法
CN106779277B (zh) * 2016-11-07 2020-12-11 国网甘肃省电力公司电力科学研究院 一种配电网网损的分类评估方法及装置
CN106682999A (zh) * 2016-11-18 2017-05-17 云南电网有限责任公司电力科学研究院 电力用户基线负荷计算方法及装置
CN106651005B (zh) * 2016-11-18 2020-08-28 云南电网有限责任公司电力科学研究院 基线负荷预测方法及装置
US10447077B2 (en) * 2017-04-26 2019-10-15 Kohler Co. Predictive generator events
CN107085755A (zh) * 2017-05-15 2017-08-22 内蒙古电力(集团)有限责任公司 一种光伏电站短期功率预测方法及系统
CN107276075A (zh) * 2017-06-20 2017-10-20 贵州电网有限责任公司电力调度控制中心 一种计及电网事故风险等级的多区域减负荷协同决策方法
CN107403276A (zh) * 2017-07-31 2017-11-28 国家电网公司 分析用电需求的方法和装置
CN107732962B (zh) * 2017-09-29 2020-12-01 国网辽宁省电力有限公司 一种基于超短期弃风曲线预测的弃风减量方法
CN109146252A (zh) * 2018-07-25 2019-01-04 国家电网有限公司 基于调节潜力指标的用户用电行为聚类分析方法和系统
CN109064079A (zh) * 2018-10-30 2018-12-21 国网河南省电力公司经济技术研究院 基于负荷分类的电力需求响应基线计算方法的选取方法
CN109784606B (zh) * 2018-11-23 2020-06-05 国网江苏省电力有限公司电力科学研究院 一种企业用电逾期风险评估方法
CN109948877B (zh) * 2018-12-03 2023-06-30 国网浙江新昌县供电有限公司 一种基于异常事件组合的用电异常精准分析方法
CN109376971B (zh) * 2018-12-29 2022-04-26 北京中电普华信息技术有限公司 一种面向电力用户的负荷曲线预测方法及系统
CN111692721B (zh) 2019-03-15 2023-09-22 开利公司 用于空气调节系统的控制方法
CN110570090A (zh) * 2019-08-12 2019-12-13 国网上海市电力公司 一种基于贝叶斯分类法的基线负荷模型的负荷辨识方法
CN111008727A (zh) * 2019-10-28 2020-04-14 许昌许继软件技术有限公司 一种配电台区负荷预测方法及装置
CN112882822B (zh) * 2019-11-29 2024-03-01 阿里巴巴集团控股有限公司 生成负载预测模型的方法、装置、设备和存储介质
CN111275240B (zh) * 2019-12-27 2023-06-09 华北电力大学 一种基于多能耦合场景下的负荷预测方法
US11316743B2 (en) * 2020-03-04 2022-04-26 Accenture Global Solutions Limited Network bandwidth management
WO2021195358A1 (en) 2020-03-25 2021-09-30 Hubbell Incorporated System and method for monitoring power consumption of an appliance
CN111552923B (zh) * 2020-04-22 2021-05-04 国网江苏省电力有限公司苏州供电分公司 一种基于通用分布的负荷预测方法及负荷预测系统
CN111612228A (zh) * 2020-05-12 2020-09-01 国网河北省电力有限公司电力科学研究院 一种基于用电信息的用户用电行为分析方法
US20210365568A1 (en) * 2020-05-22 2021-11-25 Cleveland State University Privacy preserving approach to peak load management
CN112488418B (zh) * 2020-12-14 2023-09-26 中国南方电网有限责任公司 一种全拓扑负荷预测方法、装置及计算机设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5748851A (en) * 1994-02-28 1998-05-05 Kabushiki Kaisha Meidensha Method and apparatus for executing short-term prediction of timeseries data
US20030200134A1 (en) * 2002-03-29 2003-10-23 Leonard Michael James System and method for large-scale automatic forecasting
US20040102937A1 (en) * 2002-11-21 2004-05-27 Honeywell International Inc. Energy forecasting using model parameter estimation
US7502768B2 (en) * 2004-02-27 2009-03-10 Siemens Building Technologies, Inc. System and method for predicting building thermal loads
US20050004858A1 (en) * 2004-08-16 2005-01-06 Foster Andre E. Energy advisory and transaction management services for self-serving retail electricity providers
US20060167591A1 (en) * 2005-01-26 2006-07-27 Mcnally James T Energy and cost savings calculation system
US8280757B2 (en) * 2005-02-04 2012-10-02 Taiwan Semiconductor Manufacturing Co., Ltd. Demand forecast system and method
JP2007108809A (ja) * 2005-10-11 2007-04-26 Hitachi Ltd 時系列予測システム，時系列予測方法及び時系列予測プログラム
KR100681538B1 (ko) 2005-10-27 2007-02-09 한국전력공사 실시간 전력소비량 모니터링 시스템
JP2008015921A (ja) * 2006-07-07 2008-01-24 Mitsubishi Electric Corp 電力負荷代表パターン作成装置および電力負荷代表パターン作成プログラム
KR100807530B1 (ko) * 2006-09-19 2008-02-28 금륜테크론 주식회사 수중 산소 공급 장치
KR100759756B1 (ko) * 2006-10-13 2007-09-20 한국전기연구원 인터넷을 통한 전력 수요관리 평가 시스템
GB2462380B (en) * 2007-03-14 2012-02-15 Halliburton Energy Serv Inc Neural-network based surrogate model construction methods and applications thereof
US8200456B2 (en) * 2008-02-27 2012-06-12 Honeywell International Inc. System for multidimensional data-driven utility baselining

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130074043A (ko) * 2011-12-26 2013-07-04 주식회사 케이티 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
WO2013112639A1 (en) * 2012-01-23 2013-08-01 Itron, Inc. Analytics in a utility infrastructure
KR20140119342A (ko) * 2013-03-29 2014-10-10 주식회사 케이티 전력 수요반응 시장 자원으로 이동성 부하의 관리 방법 및 이를 위한 이동성 부하의 충전 전력 관리 시스템
KR20160022540A (ko) * 2014-08-20 2016-03-02 서강대학교산학협력단 데이터마이닝 기법을 이용하여 고객기준부하를 추정하는 방법 및 그에 따른 장치
WO2018026067A1 (ko) * 2016-08-03 2018-02-08 한국전력공사 마이크로그리드에서의 전기소비자 중 수요자원 모집을 지원하는 장치와 방법
KR20190038234A (ko) * 2017-09-29 2019-04-08 주식회사 포스코아이씨티 수요전력 예측을 이용한 전력피크 저감시스템 및 방법
CN109301825A (zh) * 2018-12-03 2019-02-01 北京科东电力控制系统有限责任公司 一种配电网的负荷转供方法、装置、终端设备及存储介质
CN109301825B (zh) * 2018-12-03 2022-05-17 北京科东电力控制系统有限责任公司 一种配电网的负荷转供方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
JP2010081783A (ja) 2010-04-08
US20100082172A1 (en) 2010-04-01
US8406935B2 (en) 2013-03-26
KR101012863B1 (ko) 2011-02-08

Similar Documents

Publication Publication Date Title
KR101012863B1 (ko) 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템
Olsson et al. Modeling real-time balancing power market prices using combined SARIMA and Markov processes
US10325331B2 (en) Systems and methods for measuring and verifying energy usage in a building
CN108470233B (zh) 一种智能电网的需求响应能力评估方法和计算设备
US9348392B2 (en) Systems and methods for measuring and verifying energy savings in buildings
Erdogdu Electricity demand analysis using cointegration and ARIMA modelling: A case study of Turkey
Mathieu Modeling, analysis, and control of demand response resources
US10734816B2 (en) Identifying operability failure in demand response (DR) assets
JP6599763B2 (ja) 電力需要予測装置および電力需要予測プログラム
KR101588851B1 (ko) 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
Heylen et al. Fairness and inequality in power system reliability: Summarizing indices
CN107767191A (zh) 一种基于医药大数据预测药品销售趋势的方法
Lo et al. Risk assessment due to local demand forecast uncertainty in the competitive supply industry
CA2872442C (en) Methods and systems for measurement and verification weighting with temperature distribution
Bin Othman et al. Determination of transmission reliability margin using parametric bootstrap technique
Huang et al. Designing customized energy services based on disaggregation of heating usage
Khuntia et al. Volatility in electrical load forecasting for long-term horizon—An ARIMA-GARCH approach
CN110516882B (zh) 负荷代理商日前可用聚合响应容量预测方法
Lei et al. Performance of existing baseline models in quantifying the effects of short-term load shifting of campus buildings
Priolkar et al. Analysis of consumer baseline for demand response implementation: A case study
KR20140145804A (ko) 전력 시장 전망을 위한 예측 데이터 생성 장치
CN113222266B (zh) 一种基于水表日用量大数据的预测模型匹配方法
Camurati et al. Random testability analysis: comparing and evaluating existing approaches
JP2018156540A (ja) 予測装置および予測方法
Cabrera et al. Estimation of customer base line and multi-period demand response

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140115

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150115

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160115

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170117

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181227

Year of fee payment: 9