KR20190109773A - 지역별 특성에 기초한 전력 수요 예측 장치 및 방법 - Google Patents

지역별 특성에 기초한 전력 수요 예측 장치 및 방법 Download PDF

Info

Publication number
KR20190109773A
KR20190109773A KR1020180024285A KR20180024285A KR20190109773A KR 20190109773 A KR20190109773 A KR 20190109773A KR 1020180024285 A KR1020180024285 A KR 1020180024285A KR 20180024285 A KR20180024285 A KR 20180024285A KR 20190109773 A KR20190109773 A KR 20190109773A
Authority
KR
South Korea
Prior art keywords
region
data
house
customer
power demand
Prior art date
Application number
KR1020180024285A
Other languages
English (en)
Other versions
KR102119125B1 (ko
Inventor
이용규
강병기
Original Assignee
동국대학교 산학협력단
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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020180024285A priority Critical patent/KR102119125B1/ko
Publication of KR20190109773A publication Critical patent/KR20190109773A/ko
Application granted granted Critical
Publication of KR102119125B1 publication Critical patent/KR102119125B1/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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 지역별 특성에 기초하여 전력 수요를 예측하는 기술에 관한 것으로, 전력 수요 예측 방법은, 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하여 전처리하고, 전처리된 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하고, 지역별 가구를 구성하는 가구원수에 따른 전력 사용 가중치를 적용하여 주택용 고객 호수를 산출하며, 호당 전력 사용량과 고객 호수를 이용하여 주택용 전력 수요를 예측한다.

Description

지역별 특성에 기초한 전력 수요 예측 장치 및 방법{Apparatus and method for predicting electric power demand based on regional characteristics}
본 발명은 전력 생산 및 공급에 앞서 전력 수요를 예측하는 기술에 관한 것으로, 특히 지역별 특성을 반영한 전력수요 예측에서 특히 지역별 현상일수와 가구원수를 이용하여 주택용 전력수요를 예측하는 장치, 방법 및 그 방법을 기록한 기록매체에 관한 것이다.
일반적으로 전력은 단위시간 동안 전기장치에 공급되는 전기에너지, 또는 단위시간 동안 다른 형태의 에너지로 변환되는 전기에너지를 말하는데, 이러한 전력의 수요에 대한 분석을 통해 전력의 공급 등을 조절하게 된다.
현재 전력판매사업자인 한국전력공사(KEPCO)에서는 전력시장에서 전일 공지되는 전력시장가격으로 전력을 구매하여 전력소비자에게 공급하고 있는데, 전력시장가격이 급등하기 전에 전력수요관리를 시행하기 위해서는 전력시장가격의 급등일을 예측하고, 그러한 전력시장가격의 급등일에서의 변동구입비용과 변동판매수익을 파악하여, 전력수요관리의 대상일과 시간대, 전력수요절감 필요량을 산출하고, 전력구입비용의 절감효과를 검증할 수 있는 기술의 도입이 요구된다.
한편, 주택용 전력수요는 기상변화에 따라 많은 영향을 받는다. 특히 여름철 냉방과 겨울철 난방에 사용되는 냉난방기기의 보급이 늘어나면서 여름과 겨울의 전력 수요량이 급증하게 되었다. 기상청의 2016년 이상기후보고서에 따르면 폭염과 한파로 인한 온열질환자와 한랭질환자가 약 2배 증가하였고, 2016년 8월 8일 폭염으로 인한 전력 사용량이 역대 최대치를 갱신하였다. 냉방기기 판매량 또한 급증하여, 에어컨 판매는 160% 증가, 제습기 매출은 245% 증가, 선풍기 매출은 92% 증가하는 등 이상기후로 인한 소비자의 냉방기기 구매가 증가하였다. 냉난방 기기 판매량 증가는 전력 수요량에 큰 영향을 미치게 된다. 따라서 이상기후의 발생이 늘어남에 따라 단순 기온이 아닌 폭염이나 열대야와 같은 현상으로 인한 전력수요량 변화에 대한 대응이 필요하다.
주택용 전력수요는 가구를 구성하는 구성원의 수에 따라 변화한다. 1985년부터 2015년까지 인구총조사에 따르면 3인 이하의 가구는 지속적으로 증가하는 것에 비해 4인 이상의 가구는 감소하는 추세를 보이고 있다. 특히 1인 가구는 급증하여 현재 가장 높은 비율을 차지하고 있다. 1인 가구가 늘어남에 따라 1인 가구를 위한 다양한 서비스가 개발되고, 이에 따른 많은 주택 정책 변화가 있다. 이에 따라 전력 예측 방법에도 개선이 필요하다. 가구당 전력 사용량은 가구를 구성하는 가구원수에 따라 변화한다. 가구원수가 많을수록 한 가구에서 사용하는 전력량은 증가하지만 TV나 에어컨과 같이 1인 가구에서 개인으로 사용되는 전력이 공용으로 사용됨에 따라 한 가구에서 내 개인 전력소비는 줄어든다. 따라서 가구를 구성하는 구성원의 수에 따라 가구당 사용되는 전력 수요를 구분하여 전력 수요를 예측해야 할 필요성이 발견되었다.
한국특허공개공보 제2013-0045006호, 2013.05.03 공개, "사전 전력수요예측에 의한 전력수요관리 방법 및 시스템"
본 발명이 해결하고자 하는 기술적 과제는, 종래의 장기 전력 수요 예측 모델에서 전력 수요량을 예측함에 있어서, 지역별 기상 현상과 가구원수를 고려하지 않음으로 인해 그 예측된 전력 수요량이 부정확한 문제점을 해결하고, 이러한 부정확한 예측에 따라 발생하는 전력 공급의 오차를 사전에 방지하고자 한다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법은, (a) 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하여 전처리하는 단계; (b) 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하는 단계; (c) 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하는 단계; 및 (d) 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측하는 단계를 포함한다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법에서, 상기 (a) 현상일수 데이터를 수집하여 전처리하는 단계는, (a1) 지역별 주택용 전력 사용 고객 호수 데이터, 지역별 전력 사용량 데이터, 지역별 전기요금 데이터, 지역별 현상일수, 국민총생산, 지역내총생산, 지역별 가구원수에 따른 가구 수, 및 가구원수별 표본가구당 전력 사용량 데이터를 수집하는 단계를 포함할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법에서, 상기 (a) 현상일수 데이터를 수집하여 전처리하는 단계는, (a2) 상기 과거의 전력 사용 데이터 내에 포함된 지역별 주택용 전체 전력 사용량 및 지역별 주택용 전체 전기요금을 각각 전처리하여 지역별 주택용 호당 전력 사용량 및 지역별 주택용 호당 전기요금으로 변환하는 단계를 더 포함할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법에서, 상기 (b) 해당 지역의 호당 전력 사용량을 산출하는 단계는, (b1) 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 선정하는 단계; (b2) 국내총생산 및 경제성장률로부터 지역내총생산을 예측하고, 선정된 대상 현상일수에 대한 예측값을 산출하는 단계; 및 (b3) 상기 대상 현상일수의 예측값, 상기 지역내총생산, 및 지역별 호당 평균 전기요금에 기초하여 도출된 다중회귀분석 모델을 이용하여 지역별 호당 전력 사용량을 산출하는 단계를 포함할 수 있다. 또한, 상기 (b1) 대상 현상일수를 선정하는 단계는, 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법에서, 상기 (c) 주택용 고객 호수를 산출하는 단계는, (c1) 지역별 가구를 구성하는 가구원수를 고려하여 표본가구당 전력 사용량에 비례하는 가중치를 산출하는 단계; 및 (c2) 산출된 가중치를 적용하여 지역별 주택용 고객 호수를 산출하는 단계를 포함할 수 있다. 또한, 상기 (c2) 지역별 주택용 고객 호수를 산출하는 단계는, 과거의 고객호수 및 가구수를 이용하여 지역별 전체 고객호수를 예측하고, 가구원수별 가구의 비율을 이용하여 지역별 가구원수별 고객호수를 산출하며, 산출된 상기 지역별 가구원수별 고객호수에 상기 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법에서, 상기 (d) 주택용 전력 수요를 예측하는 단계는, (d1) 지역별로 산출된 상기 호당 전력 사용량과 지역별로 산출된 상기 고객 호수를 이용하여 지역별 주택용 전력 수요량을 산출하는 단계; 및 (d2) 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측하는 단계를 포함할 수 있다.
한편, 이하에서는 상기 기재된 지역별 특성에 기초한 전력 수요 예측 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치는, 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하는 입력부; 및 수집된 데이터를 전처리하고, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하고, 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하며, 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측하는 처리부를 포함한다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치에서, 상기 입력부는, 지역별 주택용 전력 사용 고객 호수 데이터, 지역별 전력 사용량 데이터, 지역별 전기요금 데이터, 지역별 현상일수, 국민총생산, 지역내총생산, 지역별 가구원수에 따른 가구 수, 및 가구원수별 표본가구당 전력 사용량 데이터를 수집할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치에서, 상기 처리부는, 상기 과거의 전력 사용 데이터 내에 포함된 지역별 주택용 전체 전력 사용량 및 지역별 주택용 전체 전기요금을 각각 전처리하여 지역별 주택용 호당 전력 사용량 및 지역별 주택용 호당 전기요금으로 변환할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치에서, 상기 처리부는, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 선정하고, 국내총생산 및 경제성장률로부터 지역내총생산을 예측하고, 선정된 대상 현상일수에 대한 예측값을 산출하며, 상기 대상 현상일수의 예측값, 상기 지역내총생산, 및 지역별 호당 평균 전기요금에 기초하여 도출된 다중회귀분석 모델을 이용하여 지역별 호당 전력 사용량을 산출할 수 있다. 또한, 상기 처리부는, 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치에서, 상기 처리부는, 지역별 가구를 구성하는 가구원수를 고려하여 표본가구당 전력 사용량에 비례하는 가중치를 산출하고, 산출된 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다. 또한, 상기 처리부는, 과거의 고객호수 및 가구수를 이용하여 지역별 전체 고객호수를 예측하고, 가구원수별 가구의 비율을 이용하여 지역별 가구원수별 고객호수를 산출하며, 산출된 상기 지역별 가구원수별 고객호수에 상기 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다.
일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치에서, 상기 처리부는, 지역별로 산출된 상기 호당 전력 사용량과 지역별로 산출된 상기 고객 호수를 이용하여 지역별 주택용 전력 수요량을 산출하고, 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측할 수 있다.
본 발명의 실시예들은, 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하고 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하며 이를 이용하여 주택용 전력 수요를 예측함으로써, 예측된 전력 수요량이 보다 정확하게 도출될 수 있으며, 결과적으로 전력 생산 내지 공급의 오차를 사전에 방지할 수 있다.
도 1은 본 발명의 일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법을 도시한 흐름도이다.
도 2는 전력 빅데이터 센터의 데이터 조회 결과를 예시한 도면이다.
도 3은 기상청의 기상자료개방포털의 데이터 조회 결과를 예시한 도면이다.
도 4는 기상청 국가기후데이터센터의 데이터 조회 결과를 예시한 도면이다.
도 5는 e-나라지표 국내총생산의 데이터 조회 결과를 예시한 도면이다.
도 6은 6차 전력수급기본계획의 GDP 성장률 전망(KDI)을 예시한 도면이다.
도 7은 통계청의 시도별 GRDP의 데이터 조회 결과를 예시한 도면이다.
도 8은 통계청 가구원수별 총조사가구 총괄의 데이터 조회 결과를 예시한 도면이다.
도 9는 통계청의 가구주의 연령/가구원수별 추계가구의 데이터 조회 결과를 예시한 도면이다.
도 10은 2014년 에너지총조사보고서의 일부를 예시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 도 1의 전력 수요 예측 방법에서 호당 전력 사용량을 산출하는 과정을 보다 구체적으로 도시한 흐름도이다.
도 12는 본 발명의 일 실시예에 따른 도 1의 전력 수요 예측 방법에서 주택용 고객 호수를 산출하는 과정을 보다 구체적으로 도시한 흐름도이다.
도 13은 본 발명의 일 실시예에 따른 도 1의 전력 수요 예측 방법에서 주택용 전력 수요를 예측하는 과정을 보다 구체적으로 도시한 흐름도이다.
도 14는 본 발명의 일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치를 도시한 블록도이다.
이하에서는, 도면을 참조하여 상기된 기술적 과제를 해결하기 위한 본 발명의 실시예들을 구체적으로 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 명칭 및 도면 부호로 나타내고 있음에 유의하여야 한다.
도 1은 본 발명의 일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 방법을 도시한 흐름도이다. 구현의 관점에서 이하에서 기술되는 일련의 과정을 수행하기 위한 명령어 집합으로 구성된 프로그램이 메모리(memory) 등의 저장 장치에 탑재되고, 적어도 하나 이상의 프로세서(processor)를 이용하여 이러한 프로그램을 독출하여 명령어들을 수행시킴으로써, 이들 장치를 구비하는 전력 수요 예측 시스템으로 하여금 입력 데이터로부터 목표로 하는 전력 수요 예측값을 출력하게 된다.
S110 단계에서, 전력 수요 예측 시스템은, 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하여 전처리한다. 여기서, 현상일수란 맑음, 흐림, 부조, 폭풍, 강수, 눈, 뇌전, 안개, 서리, 적설, 결빙 등의 기상현상의 일수를 말한다. 이 과정에서, 분석을 위한 데이터의 수집은 예측하고자 하는 전력 수요 데이터와 관련 있는 지난 데이터를 수집한다. 수집하는 데이터로는 국민총생산, 경제성장률, 지역내총생산, 전기요금, 지역별 전력사용량, 지역별 주택용 고객 호수, 가구원수별 표본가구당 전력 사용량, 장래 가구 추계가 포함될 수 있다.
한편, 수집된 데이터는 전처리 과정을 통해 적절히 가공될 필요가 있는데, 분석을 위한 데이터 수집 과정에서 수집한 데이터를 예측에 사용하기 위한 형태에 적합하도록 데이터를 처리한다. 이를 위해, 상기 과거의 전력 사용 데이터 내에 포함된 지역별 주택용 전체 전력 사용량 및 지역별 주택용 전체 전기요금을 각각 전처리하여 지역별 주택용 호당 전력 사용량 및 지역별 주택용 호당 전기요금으로 변환하게 된다. 전처리 과정을 통해 데이터 내의 결측치를 제거하고, 분석을 위한 데이터로 변환한다. 이러한 전력 데이터 전처리를 통해 다음 과정의 지역별 주택용 호당 전력 사용량과 지역별 주택용 전력 전기요금을 산출할 수 있게 된다.
데이터 분석은 호당 전력 사용량 분석(S120)과 가중치를 적용한 고객 호수 산출(S130)로 구분될 수 있다.
S120 단계에서, 상기 전력 수요 예측 시스템은, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출한다. 이 과정에서는 호당 전력 사용량을 예측하기 위한 전력 사용 데이터와 현상일수 데이터 간의 상관관계 분석을 통해 현상일수 데이터 선정한다. 선정한 현상일수와 지역내총생산, 지역별 호당 평균 전기요금을 바탕으로 모델을 생성하고, 이를 통하여 지역별 호당 전력 사용량을 예측할 수 있다.
S130 단계에서, 상기 전력 수요 예측 시스템은, 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출한다. 이 과정에서는 가구원수에 따른 전력사용량을 이용하여 가중치를 산출하고, 지역별 고객 호수에 그 가중치를 적용하여 가중치를 적용한 지역별 고객 호수를 산출할 수 있다.
마지막으로, S140 단계에서, 상기 전력 수요 예측 시스템은, 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측한다. 이러한 수요 예측 과정에서는 호당 전력 사용량 분석에서 예측한 지역별 호당 전력 사용량과 고객 호수 산출에서 산출한 가중치를 적용한 지역별 고객 호수를 이용해 각 지역의 전력 수요량을 예측하고, 지역별 전력 수요량의 합으로 전국의 전력 수요량을 예측할 수 있다.
이하에서는 각 과정을 실제 데이터의 예시와 연산 방법론을 통해 보다 구체적으로 기술하도록 한다.
우선, 앞서 소개한 바와 같이 본 발명의 실시예들은 분석을 위한 기초 데이터를 수집함에 있어서, 지역별 주택용 전력 사용 고객 호수 데이터, 지역별 전력 사용량 데이터, 지역별 전기요금 데이터, 지역별 현상일수, 국민총생산, 지역내총생산, 지역별 가구원수에 따른 가구 수, 가구원수별 표본가구당 전력 사용량 데이터를 수집할 수 있다.
도 2는 전력 빅데이터 센터의 데이터 조회 결과를 예시한 도면으로서, 서울특별시에 대해 지역별 주택용 고객호수, 지역별 전력 사용량, 지역별 전기요금의 데이터 등 데이터를 수집하기 위해 조회한 결과이다.
한편, 현상일수 데이터는 기상청 기상자료개방포털과 기상청 국가기후데이터센터를 통해 데이터 수집할 수 있다.
도 3은 기상청의 기상자료개방포털의 데이터 조회 결과를 예시한 도면으로서, 서울특별시 폭염일수를 수집하기 위해 조회한 결과이다. 또한, 도 4는 기상청 국가기후데이터센터의 데이터 조회 결과를 예시한 도면으로서, 서울특별시의 폭염일수를 수집하기 위해 조회한 결과이다.
다음으로, 국내 총생산은 e-나라지표에서 제공하는 데이터를 통해 수집할 수 있다. 도 5는 e-나라지표 국내총생산의 데이터 조회 결과를 예시한 도면으로서, 국내총생산 및 경제성장률(GDP) 데이터를 수집하기 위해 조회한 결과이다.
이와 더불어, 국내총생산의 예측값을 사용하기 위해 성장률 전망을 이용한다. 도 6은 6차 전력수급기본계획의 GDP 성장률 전망(KDI)을 보여준다.
또한, 지역내총생산과 지역별 가구원수, 가구원수별 추계가구는 통계청에서 제공하는 데이터를 수집할 수 있다. 도 7은 통계청의 시도별 GRDP의 데이터 조회 결과를 예시한 도면이고, 도 8은 통계청 가구원수별 총조사가구 총괄의 데이터 조회 결과를 예시한 도면으로서, 지역별 가구원수별 가구수를 수집하기 위해 조회한 결과이다.
도 9는 통계청의 가구주의 연령/가구원수별 추계가구의 데이터 조회 결과를 예시한 도면으로서, 장래의 지역별 가구원수별 가구 수 데이터와 장래의 지역별 가구원수 데이터를 수집하기 위해 조회한 결과이다.
마지막으로, 가구원수별 표본가구당 전력 사용량 데이터는 에너지총조사 보고서의 내용에 따라 획득될 수 있다. 도 10은 2014년 에너지총조사보고서의 일부를 예시한 도면으로서, 가구원수별 표본가구당 에너지 소비 부분을 보여준다.
이제, 전력 수요 예측 시스템은, 상기 예시된 바와 같은 수집된 데이터를 전처리한다. 이 과정에서 데이터에 발생한 결측값을 제거하고 데이터 분석에 필요한 형태의 데이터로 전처리한다.
전력빅데이터센터에서 제공하는 지역별 주택용 전체 전력 사용량(EA,r,t)을 지역별 주택용 호당 전력 사용량(Er,t)으로 전처리가 필요하며, 지역별 주택용 전체 전기요금(pA,r,t)을 지역별 주택용 호당 전기요금(pr,t)으로 전처리가 필요하다.
다음의 수학식 1은 지역별 주택용 호당 전력 사용량을 산출하는 식이다. 도 2의 전력빅데이터센터의 지역별 연간 주택용 전력 사용량과 지역별 연간 주택용 고객호수를 이용하여 산출한다.
Figure pat00001
여기서, Er,t는 지역 r의 t년도 주택용 호당 전력 사용량을 나타내고, EA,r,t는 지역 r의 t년도 주택용 전체 전력 사용량을 나타내고, cr,t는 지역 r의 t년도 주택용 고객호수를 나타내고, r은 지역을 나타내는 색인이며, t는 년도를 나타내는 색인이다.
이하의 표 1은 2009-2013년 서울의 주택용 호당 전력 사용량을 계산한 사례이다.
Figure pat00002
수학식 2는 지역별 주택용 호당 전기요금(pr,t)을 산출하는 식이다. 도 2의 전력빅데이터센터의 지역별 연간 주택용 전기요금(pA,r,t)과 지역별 연간 주택용 고객호수(cr,t)를 이용하여 산출한다.
Figure pat00003
여기서, pr,t는 지역 r의 t년도 주택용 호당 전기요금을 나타내고, pA,r,t는 지역 r의 t년도 주택용 전기요금을 나타내고, r은 지역을 나타내는 색인이며, t는 년도를 나타내는 색인이다.
이하의 표 2는 2009-2013년 서울의 주택용 호당 전기요금을 계산한 사례이다.
Figure pat00004
도 11은 본 발명의 일 실시예에 따른 도 1의 전력 수요 예측 방법에서 호당 전력 사용량을 산출하는 과정(S120)을 보다 구체적으로 도시한 흐름도로서, 호당 전력 사용량 분석은 지역별 현상일수와 호당 전력 사용량 간의 관계를 고려하여 해당 지역에서 호당 전력을 얼마나 사용하는지 예측하게 된다.
S121 단계에서, 전력 수요 예측 시스템은, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 선정할 수 있다. 구현의 관점에서, 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정할 수 있다.
보다 구체적으로, 이 과정에서는 앞서 수집한 과거 데이터를 이용해 지역별 현상일수와 전력 사용량 간의 상관관계를 구하여 호당 전력 사용량을 예측하기 위해 현상일수를 선택할 수 있다. 현상일수는 폭염일수, 결빙일수, 일교차일수, 적설일수, 건조일수, 서리일수, 우박일수, 뇌전일수, 황사일수, 안개일수, 열대야일수, 강수일수 등으로 구분하며, 호당 전력사용량과 현상일수의 상관관계 분석결과 상관관계가 높은 현상일수를 선정하는 것이 바람직하다. 상관관계 식은 통계학에서 사용하는 다음 수학식 3의 상관관계 식에 따를 수 있다.
Figure pat00005
여기서, r은 상관계수이고, x,y는 비교하고자 하는 대상, 즉 각각 호당 전력사용량과 현상일수를 나타낸다.
과거 데이터를 이용해 지역별 호당 전력 사용량과 지역별 현상일수 간의 상관관계를 수학식 3를 이용하여 분석하고 상관관계가 높은 현상일수를 선정한다. 수학식 1에서 산출한 호당 전력 사용량과 도 3의 기상청 기상자료개방포털과 도 4의 기상청 국가 기후데이터센터에서 수집한 현상일수를 이용하여 산출한다.
표 3은 2004-2013년 서울의 호당 전력 사용량과 현상일수의 수학식 3를 이용하여 상관관계를 분석한 사례이다.
Figure pat00006
표 4는 2004-2013년 데이터를 이용해 분석한 결과 지역별 호당 전력 사용량과 상관관계가 높은 상위 3개의 현상일수를 나타낸 사례이다.
Figure pat00007
S122 단계에서, 상기 전력 수요 예측 시스템은, 국내총생산 및 경제성장률로부터 지역내총생산을 예측하고, 선정된 대상 현상일수에 대한 예측값을 산출할 수 있다. 지역내총생산과 현상일수는 예측하고자 하는 해의 값을 입력해야 하므로 각각 단순회귀분석을 통해 예측한다.
지역내총생산은 도 5의 국내총생산(GDP)과 도 6의 경제성장률, 도 7의 GRDP(시도)를 이용하여 전력을 예측하기 위한 지역내총생산(GRDP)을 예측한다.
수학식 4는 GDP를 이용하여 GRDP를 예측하는 단순선형회귀분석 모델이다. 예측하고자하는 해의 10년간 GRDP와 GDP를 이용하여 모델을 생성하고, 예측하고자 하는 해의 GDP를 계산하여 값으로 사용한다.
Figure pat00008
여기서, GRDPr,t는 지역 r의 t년도 지역내총생산을 나타내고, GDPt는 t년도 국내총생산을 나타내고, t는 년을 나타내며, α,β는 회귀 계수를 나타낸다.
표 5는 수학식 4를 이용하여 2014년 서울의 GRDP를 예측한 예시로, 2004-2013년 GRDP와 GDP를 이용하여 단순회귀모형을 생성하고, KDI의 경제 전망을 이용하여 2014년 GDP를 대입하여 서울지역의 GRDP를 예측한 사례이다.
Figure pat00009
다음으로, 호당 전기요금은 수학식 2를 통하여 산출한 호당 전기요금을 뜻하며, 예측하고자 하는 년도의 1년 전의 실제값을 사용한다.
현상일수는 도 3의 기상청 기상자료개방포털과 도 4의 기상청 국가기후데이터센터에서 수집한 데이터를 이용하여 년도와 현상일수의 단순선형회귀모형을 통해 생성한다.
수학식 5는 본 발명의 실시예들을 위해 만든 지역별 선정된 현상일수와 년도를 이용하여 생성한 단순선형회귀분석 모델이다.
Figure pat00010
여기서, di,r,t는 지역 r의 선택된 i의 t년도 현상일수를 나타내고, t는 년을 나타내며, α,β는 회귀 계수를 나타낸다.
표 6은 서울의 선정된 현상일수인 서리일수를 예측한 값을 구한 사례이다. 2004-2013년 서울의 서리일수를 이용하여 서울의 2014년 현상일수를 산출한 사례이다.
Figure pat00011
S123 단계에서, 상기 전력 수요 예측 시스템은, 상기 대상 현상일수의 예측값, 상기 지역내총생산, 및 지역별 호당 평균 전기요금에 기초하여 도출된 다중회귀분석 모델을 이용하여 지역별 호당 전력 사용량을 산출할 수 있다. 이 과정에서는, 예측하고자 하는 년도의 요소 값을 대입하여 예측하고자 하는 년도의 호당 전력 사용량을 예측한다.
수학식 6은 본 발명의 실시예들을 통해 새롭게 제안하는 지역내총생산, 선정된 현상일수, 호당 전기요금을 이용하여 호당 전력량을 산출하는 다중회귀분석 모델이다. 각 요소의 10년간 데이터를 이용하여 다중회귀분석 모델을 생성하고 수학식 4에서 산출한 GRDPt와 수학식 5에서 산출한 현상일수, 전력빅데이터 센터에서 수집한 전기요금을 이용하여 예측한다.
Figure pat00012
여기서, Er,t는 지역 r의 호당 전력 사용량을 나타내고, t는 년을 나타내고, GRDPr,t는 지역 r의 t년도 추계 지역내총생산을 나타내고, pr,t -1은 지역 r의 t-1년도 호당 전기요금을 나타내고, di,r,t는 지역 r의 선택된 i의 t년도 현상일수을 나타내고, i는 선택된 현상일수의 종류를 나타내는 색인이고, n은 선택된 현상일수의 수를 나타내고, r은 지역을 나타내는 색인이며, α,β,γ는 회귀 계수를 나타낸다.
한편, 구현의 관점에서, 상관계수가 미리 설정된 값(예를 들어, 0.7) 이상인 경우를 모두 선택할 수 있는데, 수학식 6을 통해 선정된 현상일수가 단일인 경우와 다수인 경우로 나뉠 수 있다.
첫째, 단일 선정된 경우는 다음과 같이 결정될 수 있다.
Figure pat00013
둘째, 2개의 현상일수가 선정된 경우는 다음과 같이 결정될 수 있다.
Figure pat00014
셋째, 3개의 현상일수가 선정된 경우는 다음과 같이 결정될 수 있다.
Figure pat00015
이상의 방식을 통해 호당 전력 사용량을 산출할 수 있다.
다음은 본 발명의 실시예들이 제안한 다중회귀분석 모델을 이용하여 생성한 2004-2013년 서울의 호당 전력사용량 예측을 위한 사례이다. 다중회귀분석 모델을 생성하기 위해 선정된 현상일수는 서리일수이며, 생성된 식은 다음과 같다.
Figure pat00016
표 7은 지역별 모델을 생성하여 2014년 호당 전력 사용량을 예측한 사례이다.
Figure pat00017
도 12는 본 발명의 일 실시예에 따른 도 1의 전력 수요 예측 방법에서 주택용 고객 호수를 산출하는 과정(S130)을 보다 구체적으로 도시한 흐름도로서, 지역별 가구원수별 전력사용량과 비교하여 가중치를 부여하여 주택용 고객 호수 값을 개선할 수 있다.
S131 단계에서, 전력 수요 예측 시스템은, 지역별 가구를 구성하는 가구원수를 고려하여 표본가구당 전력 사용량에 비례하는 가중치를 산출할 수 있다. 가구원수별 가중치를 산출하기 위해 제안된 수학식 7은 가구원수별 가중치 산출 식으로서, 도 10의 에너지총조사 보고서의 가구원수별 표본가구당 전력사용량을 이용하여 본 발명에서 제안하는 새로운 가중치를 산출한다.
Figure pat00018
여기서, wj는 가구원수가 j인 가구의 가중치를 나타내고, uj는 가구원수 j의 표본가구당 전력 사용량을 나타내고, uavg는 평균 표본가구당 전력 사용량을 나타내며, j는 가구원수를 나타내는 색인이다.
표 8은 수학식 7을 이용하여 산출한 2011년 에너지총조사에 따른 가중치 사례이다. 에너지총조사는 3년 마다 진행되기 때문에 가중치로 사용할 수 있는 데이터는 예측하고자 하는 해 이전에 발표한 에너지총조사 중 최근 자료를 이용한다.
Figure pat00019
S132 단계에서, 상기 전력 수요 예측 시스템은, 산출된 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다. 이 과정에서는, 과거의 고객호수 및 가구수를 이용하여 지역별 전체 고객호수를 예측하고, 가구원수별 가구의 비율을 이용하여 지역별 가구원수별 고객호수를 산출하며, 산출된 상기 지역별 가구원수별 고객호수에 상기 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다.
고객 호수는 과거 고객 호수(cr,t)와 가구 수(hr,t)를 이용하여 예측하고자 하는 년도의 고객호수를 산출한다. 고객 호수는 전력을 사용하는 고객을 뜻한다. 전력빅데이터센터의 고객 호수 데이터와 통계청의 총조사가구 총괄의 가구 수 데이터를 이용하여 단순선형회귀분석을 통해 예측한다.
수학식 8은 고객 호수와 가구 수를 이용하여 기존의 단순선형회귀분석 모델이다.
Figure pat00020
여기서, cr,t는 지역 r의 t년도 전체 고객호수를 나타내고, hr,t는 지역 r의 t년도 전체 가구 수를 나타내며, α,β는 회귀 계수를 나타낸다.
표 9는 2004-2013년의 도 2의 전력빅데이터센터 고객호수 데이터와 도 9의 장래가구추계 데이터를 이용하여 산출한 2014년 지역별 고객호수를 예측한 사례이다.
Figure pat00021
그런 다음, 가구원수별 가구의 비율을 이용해 가구원수별 고객호수를 산출한다. 표 10은 그림 9의 2014년 서울 장래추계데이터를 이용하여 2014년 가구원수별 가구의 비율을 산출한 결과이다.
Figure pat00022
수학식 9는 표 10의 가구원수별 가구 수 비율을 곱하여 지역별 가구원수별 고객 호수(cr,t,j)를 산출하는 식이다.
Figure pat00023
여기서, cr,t,j는 가구원수가 j인 지역 r의 t년도 고객호수를 나타내고, cr,t는 지역 r의 t년도 고객호수를 나타내며, Ph,r,j는 가구원수가 j인 가구 수 비율을 나타낸다.
이제, 구분한 고객호수에 가중치를 적용하여 가중치가 적용된 고객호수를 계산한다.
수학식 10은 가중치를 적용한 주택용 고객 호수(cw,r,t)를 산출하는 식이다. 수학식 7을 통해 본 발명의 실시예들에서 새로이 산출한 가구원수별 가중치를 수학식 9에서 산출한 식으로 계산한다.
Figure pat00024
여기서, cw,r은 지역 r의 가중치가 적용된 주택용 고객 호수를 나타내고, cr,j는 지역 r의 가구원수 j인 주택용 고객 호수를 나타내고, j는 가구원수를 나타내는 색인이고, m은 가구원수를 나타내는 색인의 수이며, r은 지역을 나타내는 색인이다.
표 11은 표 8의 가구원수별 가중치와 표 9의 지역별 고객호수 예측, 표 10의 가구원수별 비율을 수학식 10에 적용하여 2014년 가중치를 적용한 고객 호수 사례이다.
Figure pat00025
도 13은 본 발명의 일 실시예에 따른 도 1의 전력 수요 예측 방법에서 주택용 전력 수요를 예측하는 과정(S140)을 보다 구체적으로 도시한 흐름도로서, 지역별 전력 수요 예측값과 전국 전력 수요 예측값을 구한다.
S141 단계에서, 전력 수요 예측 시스템은, 지역별로 산출된 상기 호당 전력 사용량과 지역별로 산출된 상기 고객 호수를 이용하여 지역별 주택용 전력 수요량을 산출할 수 있다. 이를 위해, 앞서 산출된 호당 지역별 호당 전력 사용량(Er,t)과 지역별 가구원수 가중치가 적용된 주택용 고객 호수(cw,r,t)의 값을 이용하여 예측한다. 각 지역의 전력 수요량 예측은 각 지역의 호당 전력사용량과 각 지역의 가구원수 가중치가 적용된 주택용 고객 호수의 값의 곱으로 계산할 수 있다.
수학식 11은 지역별 전력수요 예측값(Tr,t)을 산출하는 식이다. 수학식 6의 지역 r의 호당 전력사용량과 수학식 10의 지역 r의 가중치가 부여된 고객 호수의 곱으로 지역별 전력 수요량을 예측할 수 있다.
Figure pat00026
여기서, Tr,t는 지역 r의 전력수요 예측값을 나타내고, Er,t는 지역 r의 가구당 전력수요량을 나타내고, cw,r은 지역 r의 가중치가 부여된 고객 호수를 나타내며, r은 지역을 나타내는 색인이다.
표 12는 수학식 11를 이용하여 2014년 지역별 전력 수요량을 예측한 사례이다.
Figure pat00027
S142 단계에서, 상기 전력 수요 예측 시스템은, 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측할 수 있다.
수학식 12는 전국 전력 수요(Tt)을 산출하는 식으로, 수학식 11의 지역별 전력 예측 값의 총 합으로 전국 전력 수요량을 계산한다. 가구원수별 가중치와 현상일수를 적용하여 예측하여 정확도를 높일 수 있다.
Figure pat00028
여기서, Tt는 전국 전력 수요 예측값을 나타내고, Tr,t는 지역 r의 전력 수요 예측값을 나타내고, t는 년을 나타내고, r은 지역을 나타내는 색인이며, k는 지역의 수를 나타낸다.
표 13은 표 12의 결과를 수학식 12를 이용하여 2014년 전국의 주택용 전력수요량을 예측한 사례와 실제 2014년 전국 주택용 전력수요량을 비교한 표이다.
Figure pat00029
도 14는 본 발명의 일 실시예에 따른 지역별 특성에 기초한 전력 수요 예측 장치(100)를 도시한 블록도로서, 도 1의 전력 수요 예측 방법에서 제시된 일련의 처리 과정을 하드웨어의 관점에서 재구성된 도면이다. 따라서, 여기서는 설명의 중복을 피하기 위해 각 구성의 기능을 약술하도록 한다.
입력부(10)는, 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하는 구성이다. 상기 입력부(10)는, 지역별 주택용 전력 사용 고객 호수 데이터, 지역별 전력 사용량 데이터, 지역별 전기요금 데이터, 지역별 현상일수, 국민총생산, 지역내총생산, 지역별 가구원수에 따른 가구 수, 및 가구원수별 표본가구당 전력 사용량 데이터를 수집할 수 있다.
처리부(20)는, 수집된 데이터를 전처리하고, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하고, 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하며, 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측한다. 이를 위해 이상에서 정의된 일련의 명령어를 포함하는 프로그램을 저장하는 메모리(30)를 더 구비할 수 있다.
상기 처리부(20)는, 상기 과거의 전력 사용 데이터 내에 포함된 지역별 주택용 전체 전력 사용량 및 지역별 주택용 전체 전기요금을 각각 전처리하여 지역별 주택용 호당 전력 사용량 및 지역별 주택용 호당 전기요금으로 변환할 수 있다.
상기 처리부(20)는, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 선정하고, 국내총생산 및 경제성장률로부터 지역내총생산을 예측하고, 선정된 대상 현상일수에 대한 예측값을 산출하며, 상기 대상 현상일수의 예측값, 상기 지역내총생산, 및 지역별 호당 평균 전기요금에 기초하여 도출된 다중회귀분석 모델을 이용하여 지역별 호당 전력 사용량을 산출할 수 있다. 이때, 상기 처리부(20)는, 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정할 수 있다.
또한, 상기 처리부(20)는, 지역별 가구를 구성하는 가구원수를 고려하여 표본가구당 전력 사용량에 비례하는 가중치를 산출하고, 산출된 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다. 이를 위해, 상기 처리부(20)는, 과거의 고객호수 및 가구수를 이용하여 지역별 전체 고객호수를 예측하고, 가구원수별 가구의 비율을 이용하여 지역별 가구원수별 고객호수를 산출하며, 산출된 상기 지역별 가구원수별 고객호수에 상기 가중치를 적용하여 지역별 주택용 고객 호수를 산출할 수 있다.
나아가, 상기 처리부(20)는, 지역별로 산출된 상기 호당 전력 사용량과 지역별로 산출된 상기 고객 호수를 이용하여 지역별 주택용 전력 수요량을 산출하고, 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측할 수 있다.
상기된 본 발명의 실시예들에 따르면, 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하고 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하며 이를 이용하여 주택용 전력 수요를 예측함으로써, 예측된 전력 수요량이 보다 정확하게 도출될 수 있으며, 결과적으로 전력 생산 내지 공급의 오차를 사전에 방지할 수 있다.
한편, 본 발명의 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이상에서 본 발명에 대하여 그 다양한 실시예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 전력 수요 예측 장치/시스템
10: 입력부
20: 처리부
30: 메모리

Claims (17)

  1. (a) 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하여 전처리하는 단계;
    (b) 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하는 단계;
    (c) 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하는 단계; 및
    (d) 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측하는 단계를 포함하는 전력 수요 예측 방법.
  2. 제 1 항에 있어서,
    상기 (a) 단계는,
    (a1) 지역별 주택용 전력 사용 고객 호수 데이터, 지역별 전력 사용량 데이터, 지역별 전기요금 데이터, 지역별 현상일수, 국민총생산, 지역내총생산, 지역별 가구원수에 따른 가구 수, 및 가구원수별 표본가구당 전력 사용량 데이터를 수집하는 단계를 포함하는 전력 수요 예측 방법.
  3. 제 1 항에 있어서,
    상기 (a) 단계는,
    (a2) 상기 과거의 전력 사용 데이터 내에 포함된 지역별 주택용 전체 전력 사용량 및 지역별 주택용 전체 전기요금을 각각 전처리하여 지역별 주택용 호당 전력 사용량 및 지역별 주택용 호당 전기요금으로 변환하는 단계를 더 포함하는 전력 수요 예측 방법.
  4. 제 1 항에 있어서,
    상기 (b) 단계는,
    (b1) 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 선정하는 단계;
    (b2) 국내총생산 및 경제성장률로부터 지역내총생산을 예측하고, 선정된 대상 현상일수에 대한 예측값을 산출하는 단계; 및
    (b3) 상기 대상 현상일수의 예측값, 상기 지역내총생산, 및 지역별 호당 평균 전기요금에 기초하여 도출된 다중회귀분석 모델을 이용하여 지역별 호당 전력 사용량을 산출하는 단계를 포함하는 전력 수요 예측 방법.
  5. 제 4 항에 있어서,
    상기 (b1) 단계는,
    상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정하는 것을 특징으로 하는 전력 수요 예측 방법.
  6. 제 1 항에 있어서,
    상기 (c) 단계는,
    (c1) 지역별 가구를 구성하는 가구원수를 고려하여 표본가구당 전력 사용량에 비례하는 가중치를 산출하는 단계; 및
    (c2) 산출된 가중치를 적용하여 지역별 주택용 고객 호수를 산출하는 단계를 포함하는 전력 수요 예측 방법.
  7. 제 6 항에 있어서,
    상기 (c2) 단계는,
    과거의 고객호수 및 가구수를 이용하여 지역별 전체 고객호수를 예측하고, 가구원수별 가구의 비율을 이용하여 지역별 가구원수별 고객호수를 산출하며, 산출된 상기 지역별 가구원수별 고객호수에 상기 가중치를 적용하여 지역별 주택용 고객 호수를 산출하는 것을 특징으로 하는 전력 수요 예측 방법.
  8. 제 1 항에 있어서,
    상기 (d) 단계는,
    (d1) 지역별로 산출된 상기 호당 전력 사용량과 지역별로 산출된 상기 고객 호수를 이용하여 지역별 주택용 전력 수요량을 산출하는 단계; 및
    (d2) 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측하는 단계를 포함하는 전력 수요 예측 방법.
  9. 제 1 항 내지 제 8 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  10. 과거의 전력 사용 데이터 및 기상현상의 일수를 나타내는 현상일수 데이터를 수집하는 입력부; 및
    수집된 데이터를 전처리하고, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 해당 지역의 호당 전력 사용량을 산출하고, 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하며, 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측하는 처리부를 포함하는 전력 수요 예측 장치.
  11. 제 10 항에 있어서,
    상기 입력부는,
    지역별 주택용 전력 사용 고객 호수 데이터, 지역별 전력 사용량 데이터, 지역별 전기요금 데이터, 지역별 현상일수, 국민총생산, 지역내총생산, 지역별 가구원수에 따른 가구 수, 및 가구원수별 표본가구당 전력 사용량 데이터를 수집하는 것을 특징으로 하는 전력 수요 예측 장치.
  12. 제 10 항에 있어서,
    상기 처리부는,
    상기 과거의 전력 사용 데이터 내에 포함된 지역별 주택용 전체 전력 사용량 및 지역별 주택용 전체 전기요금을 각각 전처리하여 지역별 주택용 호당 전력 사용량 및 지역별 주택용 호당 전기요금으로 변환하는 것을 특징으로 하는 전력 수요 예측 장치
  13. 제 10 항에 있어서,
    상기 처리부는,
    전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 선정하고, 국내총생산 및 경제성장률로부터 지역내총생산을 예측하고, 선정된 대상 현상일수에 대한 예측값을 산출하며, 상기 대상 현상일수의 예측값, 상기 지역내총생산, 및 지역별 호당 평균 전기요금에 기초하여 도출된 다중회귀분석 모델을 이용하여 지역별 호당 전력 사용량을 산출하는 것을 특징으로 하는 전력 수요 예측 장치.
  14. 제 13 항에 있어서,
    상기 처리부는,
    상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정하는 것을 특징으로 하는 전력 수요 예측 장치.
  15. 제 10 항에 있어서,
    상기 처리부는,
    지역별 가구를 구성하는 가구원수를 고려하여 표본가구당 전력 사용량에 비례하는 가중치를 산출하고, 산출된 가중치를 적용하여 지역별 주택용 고객 호수를 산출하는 것을 특징으로 하는 전력 수요 예측 장치.
  16. 제 15 항에 있어서,
    상기 처리부는,
    과거의 고객호수 및 가구수를 이용하여 지역별 전체 고객호수를 예측하고, 가구원수별 가구의 비율을 이용하여 지역별 가구원수별 고객호수를 산출하며, 산출된 상기 지역별 가구원수별 고객호수에 상기 가중치를 적용하여 지역별 주택용 고객 호수를 산출하는 것을 특징으로 하는 전력 수요 예측 장치.
  17. 제 10 항에 있어서,
    상기 처리부는,
    지역별로 산출된 상기 호당 전력 사용량과 지역별로 산출된 상기 고객 호수를 이용하여 지역별 주택용 전력 수요량을 산출하고, 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측하는 것을 특징으로 하는 전력 수요 예측 장치.
KR1020180024285A 2018-02-28 2018-02-28 지역별 특성에 기초한 전력 수요 예측 장치 및 방법 KR102119125B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180024285A KR102119125B1 (ko) 2018-02-28 2018-02-28 지역별 특성에 기초한 전력 수요 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180024285A KR102119125B1 (ko) 2018-02-28 2018-02-28 지역별 특성에 기초한 전력 수요 예측 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190109773A true KR20190109773A (ko) 2019-09-27
KR102119125B1 KR102119125B1 (ko) 2020-06-05

Family

ID=68096928

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180024285A KR102119125B1 (ko) 2018-02-28 2018-02-28 지역별 특성에 기초한 전력 수요 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102119125B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728408A (zh) * 2019-10-16 2020-01-24 国家电网有限公司 一种考虑用户源荷特征的居民用电量预测方法
CN111861016A (zh) * 2020-07-24 2020-10-30 北京合众伟奇科技有限公司 电网预测售电量的汇总分析管理方法及管理系统
CN112634077A (zh) * 2020-12-18 2021-04-09 四川大汇大数据服务有限公司 中长期电力供需形势分析方法
CN117353300A (zh) * 2023-12-04 2024-01-05 拓锐科技有限公司 一种基于大数据的农村用电需求量分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130045006A (ko) 2011-10-25 2013-05-03 한국전력공사 사전 전력수요예측에 의한 전력수요관리 방법 및 시스템
KR101762543B1 (ko) * 2016-06-20 2017-07-28 이화여자대학교 산학협력단 건축물의 용도별 에너지사용량 추정 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130045006A (ko) 2011-10-25 2013-05-03 한국전력공사 사전 전력수요예측에 의한 전력수요관리 방법 및 시스템
KR101762543B1 (ko) * 2016-06-20 2017-07-28 이화여자대학교 산학협력단 건축물의 용도별 에너지사용량 추정 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김완수 외 1인. 전력수급기본계획 수립위한 장기 전력수요 예측 절차. 전기학회논문지, 59(9), pp1587~1586(2010.09) 1부.* *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728408A (zh) * 2019-10-16 2020-01-24 国家电网有限公司 一种考虑用户源荷特征的居民用电量预测方法
CN111861016A (zh) * 2020-07-24 2020-10-30 北京合众伟奇科技有限公司 电网预测售电量的汇总分析管理方法及管理系统
CN111861016B (zh) * 2020-07-24 2024-03-29 北京合众伟奇科技股份有限公司 电网预测售电量的汇总分析管理方法及管理系统
CN112634077A (zh) * 2020-12-18 2021-04-09 四川大汇大数据服务有限公司 中长期电力供需形势分析方法
CN117353300A (zh) * 2023-12-04 2024-01-05 拓锐科技有限公司 一种基于大数据的农村用电需求量分析方法
CN117353300B (zh) * 2023-12-04 2024-02-23 拓锐科技有限公司 一种基于大数据的农村用电需求量分析方法

Also Published As

Publication number Publication date
KR102119125B1 (ko) 2020-06-05

Similar Documents

Publication Publication Date Title
KR102119125B1 (ko) 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
JP6408451B2 (ja) エネルギー需要予測システム及びエネルギー需要予測方法
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
Soldo et al. Improving the residential natural gas consumption forecasting models by using solar radiation
Gallagher et al. Development and application of a machine learning supported methodology for measurement and verification (M&V) 2.0
US20190147465A1 (en) Demand prediction system and demand prediction method
JP2003242212A (ja) ユーティリティの消費特性が類似する曜日を決定する装置および方法
JP6599763B2 (ja) 電力需要予測装置および電力需要予測プログラム
JP6094369B2 (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
Chen et al. The role of household level electricity data in improving estimates of the impacts of climate on building electricity use
KR101708709B1 (ko) 데이터마이닝 기법을 이용하여 고객기준부하를 추정하는 방법 및 그에 따른 장치
JP2003180032A (ja) 電力需要予測システム及びその予測方法
Ke et al. Load profile analysis and short-term building load forecast for a university campus
KR20160074325A (ko) 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법
Nomiyama et al. A study on global solar radiation forecasting using weather forecast data
KR101855248B1 (ko) 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법
JP3927040B2 (ja) 配電系統負荷推定装置
CN110516882B (zh) 负荷代理商日前可用聚合响应容量预测方法
JP7240767B1 (ja) 風況予測システム及び風況予測方法
Feinberg et al. Load pocket modeling
Bonkaney Influence of climate and nonclimate parameters on monthly electricity consumption in Niger
Wilson et al. Use of meteorological data for improved estimation of risk in capacity adequacy studies
Mtembo et al. A novel econometric model for peak demand forecasting
Gupta et al. Flow-based estimation and comparative study of gas demand profile for residential units in Singapore
KR101736114B1 (ko) 여름철 의류 구매력 지수 산정 시스템 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)