KR20170069046A - 기상 정보 기반의 전력 수요 예측 시스템 - Google Patents
기상 정보 기반의 전력 수요 예측 시스템 Download PDFInfo
- Publication number
- KR20170069046A KR20170069046A KR1020150176260A KR20150176260A KR20170069046A KR 20170069046 A KR20170069046 A KR 20170069046A KR 1020150176260 A KR1020150176260 A KR 1020150176260A KR 20150176260 A KR20150176260 A KR 20150176260A KR 20170069046 A KR20170069046 A KR 20170069046A
- Authority
- KR
- South Korea
- Prior art keywords
- power demand
- value
- error
- variable
- model
- Prior art date
Links
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000000611 regression analysis Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000009795 derivation Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 기상 정보 기반의 전력 수요 예측 시스템 및 방법이 개시되어 있다. 이러한 본 발명에 따르면, 소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행함에 따라 전력 수요량 예측에 대한 정밀도를 근본적으로 향상시킬 수 있게 된다.
Description
본 발명은 기상 정보 기반의 전력 수요 예측 시스템에 관한 것으로, 더욱 상세하게는 매시 마다 수신되는 기상 정보를 반영하여 전력 수요를 예측함에 따라 전력 수요 예측에 대한 정확도를 향상시킬 수 있는 기술에 관한 것이다.
종래, 기상 현상의 예측은 전력 수요량의 예측과는 독립적으로 실시되어 왔다. 최근에는 기상 현상의 예측에는 기상 예측모델이라고 불리우는 대기 시뮬레이션 소프트웨어가 이용되는 경우가 많고, 이에 의해 수 시간에서 1주일 정도 전의 기상 현상의 예측이 실시되고 있다. 한편, 전력 수요량에 대해서는 기온이나 습도 등과 강한 상관 관계를 나타내므로 기상 현상의 예측 결과를 기초로 피크 시의 전력 수요량의 예측 등이 실시되고 있다(예를 들면 일본 특개2003-180032호 공보 참조).
그러나, 기상 현상과 전력 수요량과의 관계에 대해 생각해 볼 때, 급격한 도시화에 따른 히트아일랜드 현상을 무시할 수는 없다. 히트아일랜드 현상은 시가지의 증발 억제 효과(도장 등으로 인해 증발?증산이 적고, 기화열에 의한 냉각이 억제됨)와 인위적인 열 배출이 주요 원인으로 생각되어지고 있다(「기상 과학 사전」, 일본 기상학회편, 도쿄 출판, p.445). 기상 예측 모델에는 전자의 증발 억제 효과를 계산에 넣는 경우도 있지만, 후자의 인위적인 열 배출을 추정하여, 기상 현상의 예측에 반영시키는 시도는 이루어지고 있지 않다.
그러나, 현실적으로는 기온이 높아지면 에어 컨디셔너의 소비 전력이 증가하고, 그 열 배출에 의해 기온 상승이 일어나고, 이로 인해 더욱 전력 수요를 일으키는 고온화로의 순환이 발생하고 있다고 생각된다. 이와 같은 순환을 고려하지 않는다면 급격한 온도 상승을 작게 견적해 볼 수 있는 가능성이 있다. 급격한 온도 상승은 집중호우를 발생시킬 가능성이 높으므로 집중호우의 예측에도 악영향을 미치고, 수해의 위험성의 예측도 곤란하게 한다. 또 기상 현상을 기초로 산출되는 전력 수요량의 예측 정밀도의 악화에도 연결될 가능성이 있다.
본 발명은 상기 문제점을 해결하기 위하여 안출한 것으로, 본 발명의 목적은 소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 단위 시간 별 기상 정보의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행함에 따라 전력 수요량 예측에 대한 정밀도를 근본적으로 향상시킬 수 있는 기상 정보 기반의 전력 수요 예측 시스템 및 방법을 제공하고자 함에 있다.
상기 목적을 달성하기 위한 본 발명의 제1 관점에 따른 기술적 과제는,
기 정해진 소정 기간의 전력 수요에 대한 측정값을 토대로 전력 수요 모델을 생성하는 전력 수요 모델 생성부;
전력 수요 예측 모델값과 실제 전력 수요 측정값에 대한 오차를 산출하는 전력 수요 오차 산출부;
도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 외부로부터 공급되는 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도를 토대로 회귀 계수를 도출하는 회귀 분석부;
상기 회귀 계수에 대한 통계적 유의 확률을 토대로 유의 확률 변수를 도출하는 유의 확률 도출부; 및
상기 유의 확률 변수에 따라 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측 및 기상 정보가 반영하여 전력 수요량을 예측 중 하나오 전력 수요 예측값을 도출하는 전력 수요 예측부를 포함하는 것을 특징으로 한다.
바람직하게 상기 회귀 분석부는,
단위 시간 별 기상 정보의 대표값인 기상 변수를 도출하는 기상 변수 도출 모듈; 및 상기 기상 변수값을 제공받아 상기 전력 수요 오차 산출부로부터 제공된 전력 수요 오차와 기상 변수값에 대한 회귀 분석을 통해 상관도가 높은 회귀 계수를 도출하는 회귀 계수 도출 모듈을 포함할 수 있다.
바람직하게 상기 전력 수요 예측부는,
상기 유의 확률 변수가 기 정해진 판단 기준치 이하인 경우 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측하도록 구비될 수 있다.
바람직하게 상기 전력 수요 예측부는,
상기 유의 확률 변수가 기 정해진 판단 기준치 이하가 아닌 경우 기상 정보가 반영하여 전력 수요량을 예측하여 전력 수요 예측값을 도출하도록 구비될 수 있다.
바람직하게 상기 전력 수요 예측부는,
전력 수요 모델값에 대한 오차와 전력 수요 예측값에 대한 오차를 토대로 기상 정보가 반영된 전력 수요 예측에 대한 검증을 수행하도록 구비될 수 있다.
전술한 시스템을 기반으로 하는 본 발명의 다른 실시 예에 따른 기상 정보 기반의 전력 수요 예측 방법은,
기 정해진 소정 기간의 전력 수요에 대한 측정값을 토대로 전력 수요 모델을 생성하는 전력 수요 모델 생성 단계;
전력 수요 예측 모델값과 실제 전력 수요 측정값에 대한 오차를 산출하는 전력 수요 오차 산출 단계;
도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 외부로부터 공급되는 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도를 토대로 회귀 계수를 도출하는 회귀 분석 단계;
상기 회귀 계수에 대한 통계적 유의 확률을 토대로 유의 확률 변수를 도출하는 유의 확률 도출 단계; 및
상기 유의 확률 변수에 따라 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측 및 기상 정보가 반영하여 전력 수요량을 예측 중 하나로 전력 수요 예측값을 도출하는 전력 수요 예측 단계를 포함하는 것을 특징으로 한다.
상술한 바와 같이 본 발명에 따르면, 소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 단위 시간 별 기상 정보의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행함에 따라 전력 수요량 예측에 대한 정밀도를 근본적으로 향상시킬 수 있는 효과를 얻는다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시 예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.
도 1은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 구성을 보인 도이다.
도 2는 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 전력 수요 모델값과 실체 전력 수요 측정값을 보인 도이다.
도 3은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 전력 수요 모델값에 대한 오차를 보인 도이다.
도 4는 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 회귀 분석부의 세부적인 구성을 보인 도이다.
도 5는 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 기상 변수에 따른 전력 수요 예측에 대한 효율(EF)를 보인 도이다.
도 6은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 전력 수요 예측값에 대한 오차와 전력 수요 모델값에 대한 오차를 보인 그래프들이다.
도 7은 본 발명의 다른 실시 예에 따른 기상 정보 기반의 전력 수요 예측 과정을 보인 흐름도이다.
도 1은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 구성을 보인 도이다.
도 2는 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 전력 수요 모델값과 실체 전력 수요 측정값을 보인 도이다.
도 3은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 전력 수요 모델값에 대한 오차를 보인 도이다.
도 4는 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 회귀 분석부의 세부적인 구성을 보인 도이다.
도 5는 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 기상 변수에 따른 전력 수요 예측에 대한 효율(EF)를 보인 도이다.
도 6은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 전력 수요 예측값에 대한 오차와 전력 수요 모델값에 대한 오차를 보인 그래프들이다.
도 7은 본 발명의 다른 실시 예에 따른 기상 정보 기반의 전력 수요 예측 과정을 보인 흐름도이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
하기 설명에서 구체적인 특정 사항들을 나타내고 있는데, 이는 본 발명의 보다 전반적인 이해를 돕기 위해 제공된 것이다. 그리고 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
도 1은 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템의 구성을 보인 도이다. 본 발명의 실시 예에 따른 기상 정보 기반의 전력 수요 예측 시스템은, 도 1에 도시된 바와 같이, 소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 실제 전력 수요 측정값에 대한 오차와 외부로부터 공급되는 기상 정보에 대한 통계 분석을 적용하여 기상 정보 기반의 전력 수요 예측값을 도출하도록 구비되며, 이러한 시스템은, 전력 수요 모델 생성부(100), 전력 수요 오차 산출부(200), 회귀 분석부(300), 유의 확률 도출부(400), 및 기상 수요 예측부(500)를 포함한다.
여기서, 전력 수요 모델 생성부(100)는, 기 정해진 소정 기간(3년치)의 전력 수요에 대한 측정값을 토대로 전력 수요 모델을 생성하도록 구비될 수 있다.
그리고 전력 수요 오차 산출부(200)는 전력 수요 모델값과 실제 전력 수요 측정값의 오차를 산출하여 전력 수요 모델값에 대한 오차를 도출하는 기능을 수행하는 바, 예를 들어, 소정 기간 중 특정 영역에서 전력 수요 모델값에 대한 오차가 판단 기준치 이상으로 발생된다.
도 2는 도 1에 도시된 전력 수요 모델 생성부(100)의 전력 수요 모델값(a)과 실제 전력 수요 측정값(b)를 보인 예시도이고, 도 3은 도 1에 도시된 전력 수요 오차 산출부(200)에서 전력 수요 모델값에 대한 오차를 보인 예시도로서, 도 2 및 도 3을 참조하면 전력 수요 오차 산출부(200)는, 전력 수요 모델 생성부(100)의 전력 수요 예측 모델값(a)과 실제 전력 수요 측정값(b) 사이의 오차가 특정 영역에서 발생함을 확인할 수 있다.
이러한 전력 수요 모델값에 대한 오차 및 기상 정보에 대한 통계적 분석을 이용하여 전력 수요 예측에 대한 정확도가 향상될 수 있다.
이에 회귀 분석 및 유의 확률 분석을 통해 전력 수요 모델값에 대한 단위 시간 별(바람직하게 월별) 오차 및 단위 시간 별 기상 정보 변수에 대해 상관도가 높은 회귀 계수를 도출한 후 유의 확률을 토대로 전력 수요 모델값에 대한 오차에 대한 기상 변수의 민감도를 도출한다.
이하에서 회귀 분석 및 유의 확률 분석을 통해 전력 수요 모델값에 대한 오차 및 기상 정보에 대한 상관도가 높은 회귀 계수를 도출한 후 유의 확률을 토대로 전력 수요 모델값에 대한 오차에 대한 기상 변수의 민감도를 도출하는 일련의 과정은 다음과 같다.
회귀 분석부(300)는, 도출된 전력 수요 모델값에 대한 오차와 기상 정보 간의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도를 나타내는 회귀 계수를 도출하도록 구비된다.
도 4는 도 1에 도시된 회귀 분석부(300)의 세부적인 구성을 보인 도로서, 도 4에 도시된 바와 같이, 회귀 분석부(300)는, 단위 시간(월별) 기상 정보의 대표값인 기상 변수를 도출하는 기상 변수 도출 모듈(310)과, 상기 기상 변수를 제공받아 상기 전력 수요 오차 산출부(200)로부터 제공된 전력 수요 모델값에 대한 단위 시간 별 오차와 기상 변수에 대한 회귀 분석을 통해 상관도가 높은 회귀 계수를 도출하는 회귀 계수 도출 모듈(320)를 포함할 수 있다.
여기서, 상기 기상 변수는 소정 기간 동안 수집되는 기상 정보의 RMSE(Root Mean Square Error)와 MAPE(Mean absolute percentage error) 중 하나를 토대로 도출된 기상 정보의 대표값이다. 여기서, 상기 기상 정보의 RMSE 및 MAPE를 토대로 기상 정보의 대표값인 기상 변수를 도출하는 일련의 과정은 기존의 데이터의 대표값을 설정하는 일련의 과정과 동일 또는 유사하다.
그리고, 회귀계수 도출 모듈(320)의 회귀 분석은 종속 변수인 전력 수요 오차와 독립 변수인 기상 정보에 대한 영향의 추정을 할 수 있는 통계기법으로, 하나의 독립변수를 가진 회귀분석에서 하나의 방정식은 독립변수와 종속변수의 결합분포를 보여 주는 지점들의 분포구성을 통해 지나가는 하나의 선으로 설명되며, 이 방정식은 Yi=a+bXi라는 형태를 가진다.
여기서 Xi는 독립변수인 기상 변수이고, Yi는 기상 수요 오차(Yi)이며, a는 Y축을 지나가는 회귀선의 지점이며, b는 회귀선의 기울기로 회귀 계수이고, i는 달이다. 그리고, 기상 변수는 온도, 풍속, 습도 중 적어도 하나로 전력 수요에 영향을 미치는 변수이다. 이어 회귀 분석부(300)의 회귀 계수(a, b)는 유의 확률 도출부(400)로 제공된다.
유의 확률 도출부(400)는, 수신된 회귀 계수(a, b)에 대한 통계적 유의 확률을 토대로 유의 확률 변수를 도출하도록 구비되고, 유의 확률 변수는 기상 변수에 대한 전력 수요 모델값에 대한 오차의 민감도로, 유의한 경우 기상 변수를 반영하여 전력 수요 예측을 수행하고, 유의하지 아니한 경우 전력 수요 모델 생성부(100)의 전력 수요 모델값을 출력하도록 구비된다.
즉, 주어진 표본에 대한 유의 확률은 귀무가설이 맞다고 가정할 때 얻은 결과 보다 극단적인 결과가 실제로 관측될 확률로서, 유의 확률은 실험 표본 공간에서 정의되는 확률 변수로서 0-1의 값을 가진다.
이에 유의 확률 도출부(400)는 수신된 회귀 계수(a, b)에 대한 통계적 유의 확률을 통해 유의 확률 변수를 도출하고 도출된 유의 확률 변수는 전력 수요 예측부(500)로 전달된다.
전력 수요 예측부(500)는 유의 확률 도출부(400)의 유의 확률 변수에 따라 전력 수요 예측 모델 생성부(100)의 전력 수요 모델값으로 전력 수요량을 예측하거나 또는 기상 정보가 반영하여 전력 수요량을 예측하도록 구비된다.
즉, 전력 수요 예측부(500)는 유의 확률 변수가 기 정해진 임계치(0.05) 이상인 경우 전력 수요 예측에 대한 기상 변수의 민감도가 떨어지는 것으로 판단하고, 기 정해진 전력 수요 모델 생성부(100)의 전력 수요 모델값을 통해 전력 수요량을 예측한다.
또한 전력 수요 예측부(500)는 이러한 유의 확률 변수가 기 정해진 임계치(0.05) 미만인 경우 전력 수요 예측에 대한 기상 변수의 민감도가 높은 것으로 판단하고, 기 정해진 전력 수요 모델 생성부(100)의 전력 수요 모델값에 대한 오차와 기상 변수 간의 회귀 계수를 반영하여 전력 수요량을 예측한다.
도 5는 도 1에 도시된 기상 수요 예측부(500)의 기상 수요량 예측 효율성(EF)를 보인 표로서, 도 4를 참조하면, 전력 수요 모델을 이용한 전력 수요 모델값(TBATS), 온도가 반영된 전력 수요 예측값(TBATS+TA), 풍속이 반영된 전력 수요 예측값(TBATS+WS), 습도가 반영된 전력 수요량 예측값(TBATS+HM) 각각에 대해, RMSE와 MAPE 를 토대로 온도, 풍속, 및 습도 각각에 대한 기상 대표값인 기상 변수를 고려하여 전력 수요량이 예측된 경우, 전력 수요 모델 생성부(100)의 전력 수요 모델값에 따른 전력 수요 모델값(TBATS)에 대해 기상 변수가 반영하여 예측된 기상 수요량의 효율성(EF)이 향상되는 것을 알 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 2월(FEB)의 전력 수요 예측에 대한 효율성(EF)는 0.0의 전력 수요 모델값에 따른 전력 수요량(TBATS)를 기준으로 10.9% 향상되었음을 확인할 수 있다.
도 6은 도 1에 도시된 전력 수요 오차 산출부(200)의 전력 수요 모델값에 대한 오차(a?)와 전력 수요 예측부(500)에 의해 실체 전력 수요 측정값과 전력 수요 예측값에 대한 오차(b?)를 보인 그래프로서, 도 6에 도시된 바와 같이, 겨울과 여름 각각에 대해 전력 수요 모델값에 대한 오차(a?) 보다 전력 수요 예측값에 대한 오차(b?)가 더 작음을 알 수 있다. 이에 따라, 기상 정보가 반영된 전력 수요 예측이 전력 수요 모델값을 이용한 전력 수요 예측 보다 정확도가 향상됨에 대한 검증을 확인할 수 있다.
이에 따라 소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 기 정해진 단위 시간 별 오차와 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행함에 따라 전력 수요량 예측에 대한 정밀도를 근본적으로 향상시킬 수 있게 된다.
한편, 소정 기간(3년 동안)의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행하는 일련의 과정은 도 7을 참조하여 설명한다.
도 7은 도 1에 도시된 기상 정보 기반의 전력 수요 예측 시스템의 동작 과정을 보인 흐름도로서, 도 7을 참조하여 본 발명의 다른 실시 예에 따른 기상 정보 기반의 전력 수요 예측 과정을 설명한다.
우선, 전력 수요 모델 생성부(100)는 기 정해진 소정 기간의 전력 수요에 대한 측정값을 토대로 전력 수요 예측 모델을 생성하고, 생성된 전력 수요 모델값은 전력 수요 오차 산출부(200)로 제공된다(S1).
그리고 전력 수요 오차 산출부(200)는, 전력 수요 모델값과 실제 전력 수요 측정값에 대한 오차를 산출하여 전력 수요 모델값에 대한 오차를 도출되고 전력 수요 모델값에 대한 오차는 회귀 분석부(300)로 전달된다(S2).
이어 회귀 분석부(300)는 상기 전력 수요 모델값에 대한 오차와 외부로부터 공급되는 기상 정보 간의 회귀 분석을 통해 전력 수요 모델값에 대한 단위 시간 별 오차 및 단위 시간 별 기상 정보에 대한 상관도를 토대로 회귀 계수를 도출하고 도출된 회귀 계수(a, b)는 유의 확률 도출부(400)로 공급된다(S3).
유의 확률 도출부(400)는 도출된 회귀 계수를 토대로 통계적으로 전력 수요 모델값에 대한 오차 및 기상 정보의 민감도를 나타내는 유의 확률 변수를 도출하고 도출된 유의 확률 변수는 전력 수요 예측부(500)로 제공된다(S4).
전력 수요 예측부(500)는 유의 확률 변수에 따라 전력 수요 예측 모델 생성부(100)의 전력 수요 모델값과 기상 정보에 대한 회귀 계수를 고려하여 전력 수요량을 예측한다.
즉, 상기 유의 확률 변수가 기 정해진 판단 기준치 이하인 경우 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측하고, 상기 유의 확률 변수가 기 정해진 판단 기준치 이하가 아닌 경우 기상 정보가 반영하여 전력 수요량을 예측한다(S5, S6, S7).
그에 더하여 전력 수요 예측부(500)는 전력 수요 예측값에 대한 오차와 전력 수요 모델값에 대한 오차를 토대로 기상 정보가 반영된 전력 수요 예측값에 대한 오차가 실제 전력 수요 측정값과 차이가 없음을 확인함에 따라 기장 정보가 반영된 전력 수요에 대한 예측이 보다 정확함이 검증된다(S8).
본 발명에 실시 예에 따르면, 소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 오차와 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행함에 따라 전력 수요량 예측에 대한 정확도를 근본적으로 향상시킬 수 있게 된다.
여기에 제시된 실시 예들과 관련하여 설명된 방법 또는 알고리즘의 단계들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.
소정 기간의 전력 수요 측정치를 기반으로 전력 수요 예측 모델을 생성하고 생성된 전력 수요 모델값과 전력 수요 측정치의 차를 통해 전력 수요 모델값에 대한 오차를 도출하며 도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도가 높은 회귀 계수 및 유의 확률 변수를 도출한 후 도출된 회귀 계수 및 유의 확률 변수로 전력 수요 예측을 실행함에 따라 전력 수요량 예측에 대한 정밀도를 근본적으로 향상시킬 수 있는 기상 정보 기반의 전력 수요 예측 시스템 및 방법에 대한 운용의 정확성 및 신뢰도 측면, 더 나아가 성능 효율 면에 매우 큰 진보를 가져올 수 있으며, 적용되는 기후 관련 전력 공급 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
Claims (6)
- 기 정해진 소정 기간의 전력 수요에 대한 측정값을 토대로 전력 수요 모델을 생성하는 전력 수요 모델 생성부;
전력 수요 예측 모델값과 실제 전력 수요 측정값에 대한 오차를 산출하는 전력 수요 오차 산출부;
도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 외부로부터 공급되는 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도를 토대로 회귀 계수를 도출하는 회귀 분석부;
상기 회귀 계수에 대한 통계적 유의 확률을 토대로 유의 확률 변수를 도출하는 유의 확률 도출부; 및
상기 유의 확률 변수에 따라 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측 및 기상 정보가 반영하여 전력 수요량을 예측 중 하나로 전력 수요 예측값을 도출하는 전력 수요 예측부를 포함하는 것을 특징으로 하는 기상 정보 기반의 전력 수요 예측 시스템. - 제1항에 있어서, 상기 회귀 분석부는,
단위 시간 별 기상 정보의 대표값인 기상 변수를 도출하는 기상 변수 도출 모듈; 및
상기 기상 변수값을 제공받아 상기 전력 수요 오차 산출부로부터 제공된 전력 수요 오차와 기상 변수값에 대한 회귀 분석을 통해 상관도가 높은 회귀 계수를 도출하는 회귀 계수 도출 모듈을 포함하는 것을 특징으로 하는 기상 정보 기반의 전력 수요 예측 시스템. - 제2항에 있어서, 상기 전력 수요 예측부는,
상기 유의 확률 변수가 기 정해진 판단 기준치 이상인 경우 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측하도록 구비되는 것을 특징으로 하는 기상 정보 기반의 전력 수요 예측 시스템. - 제3항에 있어서, 상기 전력 수요 예측부는,
상기 유의 확률 변수가 기 정해진 판단 기준치 이상이 아닌 경우 기상 정보가 반영하여 전력 수요량을 예측하여 전력 수요 예측값을 도출하도록 구비되는 특징으로 하는 기상 정보 기반의 전력 수요 예측 시스템. - 제4항에 있어서, 상기 전력 수요 예측부는,
전력 수요 모델값에 대한 단위 시간 별 오차와 전력 수요 예측값에 대한 단위 시간 별 오차를 토대로 기상 정보가 반영된 전력 수요 예측에 대한 검증을 수행하도록 구비되는 것을 특징으로 하는 기상 정보 기반의 전력 수요 예측 시스템. - 기 정해진 소정 기간의 전력 수요에 대한 측정값을 토대로 전력 수요 모델을 생성하는 전력 수요 모델 생성 단계;
전력 수요 예측 모델값과 실제 전력 수요 측정값에 대한 오차를 산출하는 전력 수요 오차 산출 단계;
도출된 전력 수요 모델값에 대한 단위 시간 별 오차와 외부로부터 공급되는 단위 시간 별 기상 정보 의 회귀 분석을 통해 전력 수요 모델값에 대한 오차와 기상 정보 간에 상관도를 토대로 회귀 계수를 도출하는 회귀 분석 단계;
상기 회귀 계수에 대한 통계적 유의 확률을 토대로 유의 확률 변수를 도출하는 유의 확률 도출 단계; 및
상기 유의 확률 변수에 따라 상기 전력 수요 모델 생성부의 전력 수요 모델값으로 전력 수요량을 예측 및 기상 정보가 반영하여 전력 수요량을 예측 중 하나오 전력 수요 예측값을 도출하는 전력 수요 예측 단계를 포함하는 것을 특징으로 하는 기상 정보 기반의 전력 수요 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150176260A KR20170069046A (ko) | 2015-12-10 | 2015-12-10 | 기상 정보 기반의 전력 수요 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150176260A KR20170069046A (ko) | 2015-12-10 | 2015-12-10 | 기상 정보 기반의 전력 수요 예측 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20170069046A true KR20170069046A (ko) | 2017-06-20 |
Family
ID=59281188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150176260A KR20170069046A (ko) | 2015-12-10 | 2015-12-10 | 기상 정보 기반의 전력 수요 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20170069046A (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190051243A (ko) * | 2017-11-06 | 2019-05-15 | 광주과학기술원 | 전력 수요 예측 방법 및 그 시스템 |
| KR20190129675A (ko) * | 2018-05-11 | 2019-11-20 | 주식회사 록스 | 지향성 비용함수를 이용한 에너지 수요예측을 위한 장치 및 방법 |
| KR20220096406A (ko) * | 2020-12-31 | 2022-07-07 | 계명대학교 산학협력단 | Cnn을 이용한 전력수요 예측 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| CN115223271A (zh) * | 2022-06-28 | 2022-10-21 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆剩余信息误差的关注度获得方法及相关装置 |
-
2015
- 2015-12-10 KR KR1020150176260A patent/KR20170069046A/ko not_active Application Discontinuation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190051243A (ko) * | 2017-11-06 | 2019-05-15 | 광주과학기술원 | 전력 수요 예측 방법 및 그 시스템 |
| KR20190129675A (ko) * | 2018-05-11 | 2019-11-20 | 주식회사 록스 | 지향성 비용함수를 이용한 에너지 수요예측을 위한 장치 및 방법 |
| KR20220096406A (ko) * | 2020-12-31 | 2022-07-07 | 계명대학교 산학협력단 | Cnn을 이용한 전력수요 예측 방법, 이를 수행하기 위한 기록 매체 및 장치 |
| CN115223271A (zh) * | 2022-06-28 | 2022-10-21 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆剩余信息误差的关注度获得方法及相关装置 |
| CN115223271B (zh) * | 2022-06-28 | 2024-05-07 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆剩余信息误差的关注度获得方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017352549B2 (en) | Method and device for calculating power generation of wind farm | |
| KR102358798B1 (ko) | 에너지 수요 예측 방법 및 그 시스템 | |
| KR20170069046A (ko) | 기상 정보 기반의 전력 수요 예측 시스템 | |
| US8385225B1 (en) | Estimating round trip time of a network path | |
| CN107145720B (zh) | 连续退化和未知冲击共同作用下的设备剩余寿命预测方法 | |
| JP6142781B2 (ja) | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム | |
| US20120029712A1 (en) | Systems, methods and apparatus for indexing and predicting wind power output from virtual wind farms | |
| TW201730793A (zh) | 交通時間預測系統、交通時間預測方法以及交通模型建立方法 | |
| Liu et al. | Empirical investigation on using wind speed volatility to estimate the operation probability and power output of wind turbines | |
| US10770898B2 (en) | Methods and systems for energy use normalization and forecasting | |
| CN106229976A (zh) | 基于数据驱动的暂态功角稳定态势预估方法 | |
| US20160246272A1 (en) | Weather pattern based electrical demand forecasting for a building | |
| CN109558968B (zh) | 风电场出力相关性分析方法及装置 | |
| Miswan et al. | On parameter estimation for Malaysian gold prices modelling and forecasting | |
| JP2017010111A (ja) | ノイズデータ除去支援装置、方法、および、プログラム | |
| CN108205713A (zh) | 一种区域风电功率预测误差分布确定方法和装置 | |
| Kennedy et al. | Solar and sand: Dust deposit mitigation in the desert for PV arrays | |
| US20220253677A1 (en) | Behavior learning system, behavior learning method and program | |
| KR101409316B1 (ko) | 다중모델 확률예측 시스템 및 방법 | |
| KR20170060487A (ko) | 도시 기후 분석 시스템 및 방법 | |
| KR101405594B1 (ko) | 전기자동차 충전부하 예측 방법 및 시스템 | |
| CN116886329A (zh) | 一种面向工控系统安全的量化指标优化方法 | |
| KR101286909B1 (ko) | 수치모델에 접합 가능한 유전알고리즘 인터페이스 시스템 | |
| CN103761442B (zh) | 微区域流动参量的预测方法和装置 | |
| CN114646313A (zh) | 一种用户轨迹定位方法、电子设备及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |