KR20160074325A - 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 - Google Patents

기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR20160074325A
KR20160074325A KR1020140183541A KR20140183541A KR20160074325A KR 20160074325 A KR20160074325 A KR 20160074325A KR 1020140183541 A KR1020140183541 A KR 1020140183541A KR 20140183541 A KR20140183541 A KR 20140183541A KR 20160074325 A KR20160074325 A KR 20160074325A
Authority
KR
South Korea
Prior art keywords
change
weather
day
power
rate
Prior art date
Application number
KR1020140183541A
Other languages
English (en)
Inventor
민재식
이상인
조정환
최철호
Original Assignee
주식회사 나우드림
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 주식회사 나우드림 filed Critical 주식회사 나우드림
Priority to KR1020140183541A priority Critical patent/KR20160074325A/ko
Publication of KR20160074325A publication Critical patent/KR20160074325A/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
    • 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

Abstract

본 발명은 전력수요예측 시 전력사용량 및 인구수를 고려한 전국 8개 도시의 최고/최저기온을 가중치 평균한 전국 단일의 기상정보를 활용하여 전력수요예측을 수행하는 현업 시스템에, 하루 단위의 기상변화가 전력사용량 변화에 미치는 영향을 분석하여 전일 대비 기상변화(기온, 습도, 풍속)와 강수 유무에 따른 전력사용량 변화율을 통계분석 수행하여 예측모델을 생산하고, 미래의 기상예보 정보인 기상청 동네예보 자료를 수집하는 1단계; 수집된 데이터를 전처리하여 전일 대비 기상변화 값을 계산하는 2단계; 기상변화와 강수 유무를 예측모델에 대입하여 미래의 전력사용량 변화량을 예측하는 3단계; 변화량 값을 일정 기준으로 구분하여 지수화 하고 지도기반으로 가시화 하는 4단계; 를 거쳐 전력수요지수를 제공함으로써 전력수요예측 시 기상변화 영향을 적절하게 반영하기 위한 가이드라인을 제공한다.

Description

기상변화에 따른 전력수요지수 예측 시스템 및 그 방법{Electricity Demand Index (EDI) Forecasting System with respect to Weather Condition Change}
본 발명은 전일 대비하여 당일 기상조건의 변화 정도에 따라 전력사용량 변화율을 도출하여 지수화 하는 시스템 및 그 기법에 관한 것으로, 더욱 상세하게는 현재와 미래의 기상청 예보자료를 이용하여 과거와 현재의 기상조건과 비교하고 그 차이에 의해 전력사용량 변화를 계산하고 미리 예측하는 기상변화에 따른 전력수요지수 예측 시스템에 관한 것이다.
일반적으로 전력수요는 기상조건에 민감하게 반응하며 전력수요예측 오차는 전력계통 안정도 저하와 전력 추가 구매 및 과생산에 따른 경제적 손실을 야기하는 것으로 알려져 있다. 한국에너지연구원에 따르면 기온이 1도 과소 예측되었을 때 최대 1억 4800만원의 비용차액이 발생한다. 실제로 2011년 9월 15일 가을철 이상고온으로 인한 전력수요예측 오차에 따른 대규모 정전사태가 발생하기도 하였다.
일반적으로 전력수요예측은 현재 우리나라 전력거래소 및 한국전력공사에서 수행되고 있다. 전력수요예측에 사용하는 예측 인자로는 경제지표 및 인구수 그리고 기상조건이다. 현업에서 기상정보는 전국 단위의 전력수요예측이 이루어지기 때문에 기상정보는 과거 전력사용량 및 인구수를 고려한 전국 주요 8개 도시 (서울, 인천, 수원, 원주, 대전, 광주, 대구, 부산)의 기상정보를 가중 평균한 전국 단일 값의 기상 정보를 활용하여 전력수요예측에 활용한다. 또한, 전력수요예측에 기상정보를 반영할 때 과거 더운기간(5, 6, 7, 8, 9월), 추운기간(10, 11, 12, 1, 2, 3, 4월)의 기상조건 (최고기온, 최저기온, 운량 등)과 전력사용량 간 상관분석을 통해 도출된 계수를 이용하여 전력수요예측 시 이를 반영하고 있다. 때문에 우리나라 지역적인 기상정보를 반영하기 어려운 실정이며, 계절적인 영향도 제대로 반영되지 않고 있다.
따라서 전국의 지역적인 기상 영향이 반영된다면 보다 정확한 전력수요예측이 가능할 것이다.
[이 발명을 지원한 국가연구개발사업]
[과제고유번호] KMIPA-2013-11091
[부처명] 기상청
[연구관리전문기관] 한국기상산업진흥원
[연구사업명] 기상산업지원 및 활용기술개발
[연구과제명] 공공DB/기상DB 빅데이터 융합 및 mash-up 서비스 개발
[주관기관] 주식회사 나우드림
[연구기간] 2014.03.01. ∼ 2015.02.28.
본 발명은 상술한 바와 같은 제반 문제점을 해결하기 위해 한국전력공사 지역 지사 188개에 대해 월별 기상변화에 따른 전력사용량 민감도를 검출한다. 기상청 동네예보자료를 이용하여 미래의 기상변화에 따른 전력사용량 민감도 예보를 제공한다.
이를 통해 기상조건 변화에 따른 전력사용량 변화 민감도를 전력수요예측 시 활용함으로써 전력수요예측 정확도 제고를 목적으로 한다.
상술한 바와 같은 목적을 달성하기 위한 본 발명은, 기상변화에 따른 전력수요지수 예측 방법으로서, 매일 일정시각에 기상청 동네예보를 수집하기 위한 기상정보 수집영역(10); 상기 기상정보 수집영역(10)에서 수집된 동네예보 중에서, 바이너리(binary) 파일을 수평해상도 5x5km(149x253 grid)의 격자자료로 변환하고, 미래 동네예보 일평균 자료를 생산하고, 전일 대비 기상변화를 계산하는 데이터 전처리 영역(20)과; 과거 기상정보와 전력사용량 자료의 통계학 분석(statistics analysis)을 통해 생산된 계수 데이터베이스(DB)(30)를, 상기 데이터 전처리영역에서 생산된 전일 대비 기상변화를 반영하여 전일 대비 전력사용량 변화율 예측을 수행하는 전력사용량 변화율 예측 영역(31)과; 전력사용량 변화율을 일정 범위의 지수형태로 변환하는 지수화 영역(40); 및 최종 결과물을 텍스트와 이미지 형태로 출력하는 결과물 표출영역(50);을 구비함으로써 달성할 수 있다.
또, 본 발명의 다른 실시 예에 따른 기상변화에 따른 전력수요지수 예측 방법은, 매일 일정시각(예를 들면, 20시)에 발표되는 기상청 동네예보 자료를 전자적으로 수집하는 기상청 동네예보 수집 단계(S100); 상기 기상청 동네예보 수집 단계(S100)에서 수집된 기상청 동네예보는 전국의 한국전력공사 지역지사 좌표에 해당하는 동네예보 격자정보를 한전지사와 동네예보 좌표정보 매칭테이블(S210)을 이용하여 매칭하는 동네예보 좌표정보 매칭단계(S200); 상기 동네예보 좌표정보 매칭단계(S200)를 거쳐 미래의 일평균 기온, 습도, 풍속 그리고 일 누적 강수량을 계산하는 기상청 동네예보 일평균 계산단계(S300); 상기 기상청 동네예보 일평균 계산단계(S300)에서 계산된 일평균 기상정보는 전일대비 기상변화를 전자적으로 산출하는 전일대비 기상변화 계산단계(S400); 상기 전일대비 기상변화 계산단계(S400)에서는 기온, 습도, 풍속은 평균 차를 구하되, 강수량은 상기와 같이 당일 값을 사용하고, 예측을 위한 예측식에 상기 전일대비 기상변화 계산단계(S400)에서 계산된 기상정보 변화값은 미래의 전력사용량 변화율을 예측하는 한전지사 별 전력사용량 변화율 예측단계(S500); 상기 한전지사 별 전력사용량 변화율 예측단계(S500)에서 사용되는 예측 계수는 과거 기상변화와 과거 전력사용량 변화율 간의 상관분석을 수행하는 통계적 분석 단계(S510); 전국의 한전지사별 월별 전력사용량 예측모델을 생성하는 예측모델 생성단계(S520); 상기 예측모델 생성단계(S520)에서 생성된 모델의 계수들을 기상-전력 민감도 계수 테이블에 저장하는 기상-전력 민감도 계수 테이블 저장단계(S530); 전국 한전 지사별 전력사용량 변화율을 예측하기 위하여 17개 행정시도 단위와 전국단위 단일의 기상변화에 따른 전력사용량 변화율을 예측하는 기상변화에 따른 전력사용량 변화율 예측단계(S600); 전국 한전지사별 전력사용량 비중 테이블(S610)를, 이용하여 행정지도, 전국단위의 예측값을 생산하는 전국 한전지사별 전력사용량 비중 예측단계; 및 상기 생산된 미래의 전력사용량 변화율을 지수화 및 가시화하여 기상변화에 따른 전력수요지수를 제공하는 전력수요지수 제공단계(S700);를 구비함으로써 달성할 수 있다.
본 발명인 기상변화에 따른 전력수요지수 생산 시스템 및 그 기법에 의하면, 전력수요예측을 담당하는 해당기관(예: 전력거래소, 한국전력공사)에서 전력수요예측 시 기상변화가 전력사용량 변화에 미치는 영향을 보다 편리하게 적용하는 효과를 제공한다.
또한, 갑작스런 이상고온 및 한파 등과 같은 기상변화가 예상될 때 전력수요예측 시 기상의 영향을 제대로 반영할 수 있는 가이드라인을 제시하는 효과를 제공한다.
도 1은 본 발명의 실시 예에 따른 기상변화에 따른 전력수요지수 생산 시스템의 전체 흐름을 도시하는 흐름도,
도 2는 도 1의 상세 흐름도,
도 3은 전력수요지수 가시화 예시,
도 4는 전력수요지수 구분 기준표.
도 5는 한전지사-동네예보 좌표정보 매칭테이블을 기준으로 지오코딩(geocoding)하는 과정을 설명하기 위한 예시도,
도 6과 도 7은 2014년 7월 1일부터 8월 31일까지 전력거래소에서 제공하는 일 최대전력사용량 실제 값과 본 시스템을 통해 생산된 전력수요지수(전력사용량 변화율)를 이용하여 예측한 일 최대전력사용량 값의 비교 검증 결과를 나타내는 예시도.
이하, 본 발명의 실시 예를 통해 보다 구체적으로 설명하기로 한다.
(실시 예)
본 발명의 실시 예에 따른 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법은, 1시간 단위의 188개 한국전력공사 지사 별 과거 4년(2010∼2013년) 전력사용량 정보와 같은 기간의 기상관측소정보를 사용하여 전일 대비 기상변화에 따른 전력사용량 변화를 분석하고, 도출된 결과를 이용하여 미래 전력사용량 변화 민감도를 생산한다. 매일 20시 기상청 동네예보를 수집하기 위한 기상정보 수집영역(10)과; 수집된 동네예보 바이너리(binary) 파일을 수평해상도 5x5km(149x253 grid)의 격자자료로 변환하고, 미래의 동네예보 일평균 자료를 생산하고, 전일 대비 기상변화를 계산하는 데이터 전처리 영역(20)과; 과거 기상정보와 전력사용량 자료의 통계적 분석(statistics analysis)을 통해 생산된 계수 데이터베이스(DB)(30)를; 상기 데이터 전처리영역에서 생산된 전일 대비 기상변화를 반영하여 전일 대비 전력사용량 변화율 예측을 수행하는 전력사용량 변화율 예측 영역(31); 및 전력사용량 변화율을 일정 범위의 지수형태로 변환하는 지수화 영역(40); 그리고 최종 결과물을 텍스트와 이미지 형태로 출력하는 결과물 표출영역(50);을 구비함으로써 달성할 수 있다.
상기 기상청 동네예보 내 기상정보는 기온, 습도, 풍속, 강수량을 포함하며 전일 대비 기상변화 계산 시 기온, 습도, 풍속은 미래에서 과거 값 차이를 계산하고 강수량의 경우 불연속성 자료로 미래의 정보만을 사용한다.
위 정보들(기상청 동네예보)를 수집하는 단계(S100)는, 기상청에서 생산하는 동네예보 자료를 수집한다. 기상청 동네예보는 우리나라 37,697개 격자정보로 이루어져있다. 수집된 기상청 동네예보는 188개 한국전력공사 지역지사 좌표에 해당하는 동네예보 격자정보를 한전지사와 동네예보 좌표정보 매칭테이블(S210)을, 이용한 매칭단계(S200)를, 거쳐 미래의 기상청 동네예보 일평균 계산단계(S300)를, 통해 일평균 기온, 습도, 풍속 그리고 일 누적 강수량을 계산한다. 계산된 일평균 기상정보는 미래의 전일대비 차를 구함으로써 전일대비 기상변화 계산단계(S400)를 거친다. 이때 기온, 습도, 풍속은 전일대비 평균 차를 구하되, 강수량은 상기 언급한 바와 같이 당일 값을 사용한다. 예측을 위한 예측식에 S400에서 계산된 기상정보 변화값은 한전지사 별 전력사용량 변화율 예측단계(S500),에서 미래의 전력사용량 변화율을 예측한다. 이때 사용되는 예측 계수는 과거 기상변화와 과거 젼럭사용량 변화율 간의 통계적 분석 단계(S510)를, 거쳐 188개 한전지사별, 월별 전력사용량 예측모델 생성단계(S520),에서 총 2,256개의 예측모델을 생성하게 된다. 생성된 예측모델의 계수들은 기상-전력 민감도 계수 테이블(S530)에, 저장된다. 188개 지사별 전력사용량 변화율 예측값은 17개 행정시도 단위와 전국단이 단일의 기상변화에 따른 전력사용량 변화율 예측단계(S600)에서, 전국 188개 한전지사별 전력사용량 비중 테이블(S610)를, 이용하여 행정지도, 전국단위의 예측값을 생산한다. 이렇게 생산된 미래의 전력사용량 변화율은 지수화 및 가시화 단계(S700)를 통해 [도 3]과 같이 기상변화에 따른 전력수요지수를 제공한다.
이때, 상기 행정시도는 서울, 인천, 경기, 강원, 충북, 충남, 대전, 전북, 전남, 광주, 경북, 경남, 대구, 울산, 부산, 제주, 세종으로 구분되며,
지수화 및 가시화 단계(S700)에, 지수는 [도 4]를 기준으로 구분하며,
전국 전력사용량 비중 테이블(S610)을, 지사별 변화율에 가중치로 반영하여 행정시도별 및 전국의 단일값을 계산하며, 최종 결과물인 지수 및 가시화한다.
가. 기상청 동네예보 수집 및 데이터 전처리 예시
도 5는 금일(2014년 11월 28일로 가정) 수집된 기상청 동네예보자료 바이너리(binary)를 데이터 전처리를 통해 미래의 일평균 기온, 습도, 풍속과 누적강수량을 계산하고 한전지사-동네예보 좌표정보 매칭테이블을 기준으로 지오코딩(geocoding)하는 과정이다.
즉, 동네예보 수집 및 데이터 전처리과정은 아래와 같다.
(1) 금일(2014.11.28.) 기준 기상청 동네예보 데이터를 ftp로 전송받는다.
(2) 예보자료를 이용하여 미래의 일평균 기온, 습도, 풍속, 누적강수량을 계산한다.
(3) 평균 및 누적 기상정보 미래의 차이(강수량의 경우 예측일 당일의 누적강수량 만을 이용)를 계산한다.
(4) 한전지사-동네예보 좌표정보 매칭테이블을 기준으로 지오코딩(geocoding)을 실시하여 한전지사 별 동네예보 정보를 매칭한다.
나. 한전지사 별 전력사용량 변화율 예측
기상변화에 따른 전력사용량 변화율 예측에 앞서, 과거 기상정보와 전력사용량 데이터 간 상관분석을 통해 예측모델을 설계한다.
그 과정은 아래와 같다.
(1) 2010년 1월 1일부터 2013년 12월 31일까지의 과거 1시간 간격의 기상관측정보와 한국전력공사 188개 지사별 1시간 단위 전력사용량 자료를 수집한다.
(2) 기상정보와 전력사용량 정보를 각 일 단위 평균(기온, 습도, 풍속) 및 누적(강수량, 전력사용량)치를 계산한다.
(3) 전일대비 기상정보 변화 값과 전력사용량 변화율을 계산한다. 단, 강수량은 당일의 일 누적 강수량을 계산한다.
(4) 전일대비 기온, 습도, 풍속의 변화와 일 누적 강수량에 대한 전력사용량 변화율 간 통계적 분석(statistics analysis)을 188개 한전지사별, 월별 수행하여 총 2,256개의 예측모델을 생성한다. 단, 기상의 영향만을 반영하기 위하여 전력사용량 패턴이 유사한 주간 화, 수, 목, 금요일만 추출하여 분석한다.
(5) 생성된 예측모델의 계수를 추출하여 기상-전력 민감도 계수 테이블을 생성한다.
위의 과정을 통해 생성된 기상-전력 민감도 계수 테이블을 이용하여 전처리 데이터(11월 29일, 30일)에 대입하여 다음날인 11월 29일에 11월 30일의 전력사용량 변화율을 생산한다.
(1) 2014년 11월 28일 동네예보 데이터 전처리 결과를 과거정보를 통해 생성된 예측모델에 대입하여 11월 30일 한전지사별(188개 지사) 전력사용량 변화율을 계산한다.
(2) 188개 한전지사별 전력사용량 변화율은 각 지사별 전력사용량 비중 테이블을 이용하여 가중평균을 통해 행정시도 전력사용량 변화율을 계산한다.
(3) 2와 같은 방법으로 전국 지사별 전력사용량 비중 테이블을 이용해 가중평균하여 전국단위 전력사용량 변화율을 계산한다.
다. 전력사용량 변화율 지수화 및 가시화
생성된 전일대비 전력사용량 변화율은 사용자 편의성을 위해 지수화하여 전력수요지수를 생산하고 이를 지도기반으로 표출한다.
(1) 도 4의 기준을 통해 전력수요지수를 생산한다.
(2) 도 3과 같이 188개 지사별 전력수요지수는 지도에 표출함으로써 가시화 한다.
라. 전력수요지수를 이용한 일 최대전력사용량 예측 검증
도 6과 7은 2014년 7월 1일부터 8월 31일까지 전력거래소에서 제공하는 일 최대전력사용량 실제 값과 본 시스템을 통해 생산된 전력수요지수(전력사용량 변화율)를 이용하여 예측한 일 최대전력사용량 값의 비교 검증 결과이다.
도 6은 전력수요지수의 증가/감소 예측이 적중하였는지를 평가하기 위한 POD(Probability of Detection)분석을 수행하였다.
(1) 2014년 7월과 8월의 일 최대전력사용량을 수집하고 시스템에서 생산된 전력수요지수를 집계하고,
(2) 금일 생산된 이튿날의 전력수요지수(전력사용량 변화율)에 금일 최대전력사용량을 곱하여 이튿날의 전일대비 전력사용량 변화량을 계산하여,
(3) POD-Yes(최대전력사용량 증가/감소를 예측하였고 실제 적중 성공함), POD- No(최대전력사용량 증가/감소를 예측하였고 실제 적중 실패함)를 분석한다.
(4) POD 분석은 평일 화, 수, 목, 금에 대해서 실시하였으며 결과는 도 6과 같으며 적중 성공률은 72.2%이다.
도 7은 검증기간(2014년 7월∼8월)의 최대전력사용량 예측을 실제 값과 비교 분석하여 안정적으로 전력공급예비력을 유지하는지를 분석한 결과이다.
(1) 위에서 계산된 이튿날의 전일대비 전력사용량 변화량을 금일의 최대전력사용량에 더하여 이튿날 최대전력사용량을 예측한다.
(2) 최대전력사용량 예측을 실제 값과 비교 분석하여 실제 공급예비력과 시스템을 통해 예측된 결과를 반영한 예측 공급예비력을 비교한 결과 예비력 표준편차가 실제 값에서는 575kW, 예측 값에서 237kW로 나타났다.
여기에서 최대전력은 어느 일정시간 동안의 1시간 평균전력이 최대인 전력수요 값을 말하며 공급예비력은 발전설비의 총 설비용량 중에서 예측이 가능한 출력 감소분을 제외한 공급능력용량과 전력수요와의 차이를 말한다.
검증 결과는 POD분석의 적중 성공률이 72.2%로 나타났으며 예비력 표준편차는 예측 값에서 더 낮았다. 이는 기상정보만을 이용한 예측으로, 전력사용량이 기상 이외 다양한 변수에 의해 결정됨을 고려할 때 적절한 적중 성공률이라 판단되며, 예측된 결과의 공급예비력 표준편차가 낮음은 공급예비력이 실제(표준편차: 575kW)보다 안정적으로 공급예비력을 유지하였음을 의미한다.
상술한 바와 같이 본 발명은 기상조건의 변화가 전력사용량 변화에 미치는 영향을 분석하여 전력사용량 변화율을 예측하는 시스템을 개발한 것으로, 전력거래소 및 한국전력공사 현업에 활용할 시 기상변화에 대한 전력수요예측 표준 가이드를 제시할 수 있으리라 간주된다.
10: 기상정보 수집영역
20: 수집데이터 전처리영역
30: 계수 데이터베이스
31: 전력사용량 변화율 예측수행영역
40: 지수화 영역
50: 가시화 영역
S100: 기상청 동네예보 정보 수집단계
S200: 한국전력공사 지사-동네예보 지오코딩(Geocoding)단계
S210: 한국전력공사-동네에보 좌표정보 추출단계
S300: 기상정보 일 통계(평균, 누적) 계산단계
S400: 일 단위 기상정보 변화값 계산단계
S500: 전력사용량 변화율 예측단계
S510: 기상-전력 통계적 분석단계
S520: 지사별, 월별 예측모델 생성단계
S530: 기상변화-전력변화율 민감도 계수테이블 저장단계
S600: 행정시도 및 전국단위 전력사용량 변화율 예측단계
S610: 전국 전력사용량 비중 추출단계
S700: 지수화 및 가시화 단계

Claims (2)

  1. 기상변화에 따른 전력수요지수 예측 방법에 있어서,
    매일 일정시각에 기상청 동네예보를 수집하기 위한 기상정보 수집영역(10);
    상기 기상정보 수집영역(10)에서 수집된 동네예보 중에서, 바이너리(binary) 파일을 수평해상도 5x5km(149x253 grid)의 격자자료로 변환하고, 미래의 동네예보 일평균 자료를 생산하고, 전일대비 기상변화를 계산하는 데이터 전처리 영역(20)과;
    과거 기상정보와 전력사용량 자료의 통계적 분석(statistics analysis)을 통해 생산된 계수 데이터베이스(DB)(30)를, 상기 데이터 전처리영역에서 생산된 전일 대비 기상변화를 반영하여 전일 대비 전력사용량 변화율 예측을 수행하는 전력사용량 변화율 예측 영역(31)과;
    전력사용량 변화율을 일정 범위의 지수형태로 변환하는 지수화 영역(40); 및
    최종 결과물을 텍스트와 이미지 형태로 출력하는 결과물 표출영역(50);을 구비하여 이루어지는 것을 특징으로 하는 기상변화에 따른 전력수요지수 예측 방법.
  2. 기상변화에 따른 전력수요지수 예측 방법에 있어서,
    매일 일정시각에 발표되는 3시간 단위 예측 정보를 포함하는 기상청 동네예보 자료를 전자적으로 수집하는 기상청 동네예보 수집 단계(S100);
    상기 기상청 동네예보 수집 단계(S100)에서 수집된 기상청 동네예보는 전국의 한국전력공사 지역지사 좌표에 해당하는 동네예보 격자정보를 한전지사와 동네예보 좌표정보 매칭테이블(S210)을 이용하여 매칭하는 동네예보 좌표정보 매칭단계(S200);
    상기 동네예보 좌표정보 매칭단계(S200)를 거쳐 미래의 일평균 기온, 습도, 풍속 그리고 일 누적 강수량을 계산하는 기상청 동네예보 일평균 계산단계(S300);
    상기 기상청 동네예보 일평균 계산단계(S300)에서 계산된 일평균 기상정보는 미래와 과거의 차를 구함으로써 전일대비 기상변화를 전자적으로 산출하는 전일대비 기상변화 계산단계(S400);
    상기 전일대비 기상변화 계산단계(S400)에서는 기온, 습도, 풍속은 전일대비 평균 차를 구하되, 강수량은 상기와 같이 당일 값을 사용하고, 예측을 위한 예측식에 상기 전일대비 기상변화 계산단계(S400)에서 계산된 기상정보 변화값은 미래의 전력사용량 변화율을 예측하는 ;
    상기 한전지사 별 전력사용량 변화율 예측단계(S500)에서 사용되는 예측 계수는 과거 기상변화와 과거 전력사용량 변화율 간의 상관분석을 수행하는 통계적 분석 단계(S510);
    전국의 한전지사별 월별 전력사용량 예측모델을 생성하는 예측모델 생성단계(S520);
    상기 예측모델 생성단계(S520)에서 생성된 예측모델의 계수들을 기상-전력 민감도 계수 테이블에 저장하는 기상-전력 민감도 계수 테이블 저장단계(S530);
    전국 한전 지사별 전력사용량 변화율을 예측하기 위하여 17개 행정시도 단위와 전국단위 단일의 기상변화에 따른 전력사용량 변화율을 예측하는 기상변화에 따른 전력사용량 변화율 예측단계(S600);
    전국 한전지사별 전력사용량 비중 테이블(S610)를, 이용하여 행정지도, 전국단위의 예측값을 생산하는 전국 한전지사별 전력사용량 비중 예측단계; 및
    상기 생산된 미래 전력사용량 변화율을 지수화 및 가시화하여 기상변화에 따른 전력수요지수를 제공하는 전력수요지수 제공단계(S700);를 구비하여 이루어지는 것을 특징으로 하는 기상변화에 따른 전력수요지수 예측 방법.
KR1020140183541A 2014-12-18 2014-12-18 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 KR20160074325A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140183541A KR20160074325A (ko) 2014-12-18 2014-12-18 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140183541A KR20160074325A (ko) 2014-12-18 2014-12-18 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR20160074325A true KR20160074325A (ko) 2016-06-28

Family

ID=56366267

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140183541A KR20160074325A (ko) 2014-12-18 2014-12-18 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR20160074325A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066689A (zh) * 2017-02-28 2017-08-18 北京玖天气象科技有限公司 一种输电线路风偏故障的气象风险预警方法
WO2019074173A1 (ko) * 2017-10-12 2019-04-18 전자부품연구원 단위 가구 피크 전력 수요량 예측 방법 및 시스템
CN111930866A (zh) * 2020-07-31 2020-11-13 中国科学院地理科学与资源研究所 基于格网的分层热预警实时发布和显示方法、系统及设备
CN113837470A (zh) * 2021-09-26 2021-12-24 深圳市汇能环保科技有限公司 一种智能电网电能使用量预测方法
US11520078B2 (en) * 2018-10-18 2022-12-06 Nanjing Tech University Method for determining white plume control line of smoke after wet desulphurization

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066689A (zh) * 2017-02-28 2017-08-18 北京玖天气象科技有限公司 一种输电线路风偏故障的气象风险预警方法
CN107066689B (zh) * 2017-02-28 2024-03-15 北京玖天气象科技有限公司 一种输电线路风偏故障的气象风险预警方法
WO2019074173A1 (ko) * 2017-10-12 2019-04-18 전자부품연구원 단위 가구 피크 전력 수요량 예측 방법 및 시스템
KR20190041263A (ko) * 2017-10-12 2019-04-22 전자부품연구원 단위 가구 피크 전력 수요량 예측 방법 및 시스템
US11520078B2 (en) * 2018-10-18 2022-12-06 Nanjing Tech University Method for determining white plume control line of smoke after wet desulphurization
CN111930866A (zh) * 2020-07-31 2020-11-13 中国科学院地理科学与资源研究所 基于格网的分层热预警实时发布和显示方法、系统及设备
CN111930866B (zh) * 2020-07-31 2021-03-26 中国科学院地理科学与资源研究所 基于格网的分层热预警实时发布和显示方法、系统及设备
CN113837470A (zh) * 2021-09-26 2021-12-24 深圳市汇能环保科技有限公司 一种智能电网电能使用量预测方法

Similar Documents

Publication Publication Date Title
US20160018835A1 (en) System and method for virtual energy assessment of facilities
Rasifaghihi et al. Forecast of urban water consumption under the impact of climate change
Lew et al. Value of wind power forecasting
Mutanen et al. Customer classification and load profiling method for distribution systems
JP5743881B2 (ja) 電力管理システム、電力管理方法、需要家端末及び電力管理装置
US20150371151A1 (en) Energy infrastructure sensor data rectification using regression models
KR20160074325A (ko) 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법
EP2595098A2 (en) Method and system for detecting an appliance based on users' feedback information
EP3101616A1 (en) Fault detection in energy generation arrangments
CN102509173A (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
JP2015002588A (ja) 電力消費管理システムおよび方法
KR102119125B1 (ko) 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
JP2006011715A (ja) 資源消費量の推定方法及び装置
Hartmann et al. Suspicious electric consumption detection based on multi-profiling using live machine learning
JP2020108188A (ja) Ｐｖ出力予測支援装置、ｐｖ出力予測装置、ｐｖ出力予測支援方法及びｐｖ出力予測支援プログラム
CN116303480B (zh) 基于云计算的电能表误差校验方法
CN117010946A (zh) 一种火电厂生产经营成本核算系统及其使用方法
US11860213B2 (en) Method, system and software product to identify installations likely to exhibit an electrical non-conformity
CN115908082A (zh) 基于用电特征指标的企业排污监控方法及装置
JP2015198535A (ja) 太陽光発電システム、端末、解析処理方法、及び、プログラム
Sinitsyna et al. Some practical aspects of electric power consumption time series analysis
JP7240767B1 (ja) 風況予測システム及び風況予測方法
CN117220417B (zh) 消费端电负荷动态监测方法及系统
US11728767B2 (en) Techniques for quantifying behind-the-meter solar power generation
Chen Customer behavior change detection based on AMR measurements

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application